JPWO2015029809A1 - データ分析方法、プログラム、及び装置 - Google Patents

Abstract

基準主体と比較対象が保有する識別子が付与された資産情報を受け、識別子毎に資産量を成分とするベクトルを生成するベクトル生成部を備えている。得られたベクトルを比較することによって基準主体と比較対象間の影響力を把握することが可能となる。

Description

本発明は基準主体と比較対象との間の資産情報を比較し互いの影響力を比較するデータ分析方法、プログラム、及び装置に関する。

以下では、基準主体及び比較対象をそれぞれ主体企業と比較対象企業として説明するが、本発明に係る基準主体及び比較対象は単に企業に限定されることなく、本発明に係る基準主体及び比較対象は主体個人及び比較対象個人であっても良い。
基準主体及び比較対象をそれぞれ主体企業及び比較対象企業とし、資産情報として主体企業及び比較対象企業がそれぞれ保有する特許を評価する技術が特許文献１〜３で提案されている。
特許文献１は、主体企業が保有する１つの主体特許文献に対して、主体特許文献の被引用数の内、比較対象企業が引用した割合を算出することで、主体特許文献が比較対象企業に与えた影響を算出している。
特許文献２は、主体企業の保有する主体特許と比較対象企業の保有する複数の特許に対して、主体特許と比較対象企業の特許中で使われている技術用語から概念ベクトルを形成している。さらに、主体特許の概念ベクトルと比較対象企業の複数の特許文献の概念ベクトルとの間で内積を算出し分析を行なっている。
特許文献３は、主体企業が特定の国・期間で取得した特許件数の、同一国・期間で取得した全特許件数に対する割合を算出し、算出した値に基づいてグラフ、表を作成することにより主体企業の技術力を算出している。
非特許文献１は、主体企業、および比較対象企業が保有する特許を、Ｆタームを利用した技術ポジションベクトルで表現し、これらの技術ポジションベクトルの角度（技術距離）を算出することで、それぞれが保有する特許の関係性を算出している。

特開２０１０−０６７１１０号公報 特開２００７−２００１６７号公報 特開２００２−０９２２２８号公報

小出実、遠山亮子著"特許情報による共同研究開発の知識創造の役割に関する調査研究 −超ＬＳＩ技術研究組合の事例研究−"技術と経済（５３８），５０−５８，２０１１−１２

企業の特許を評価し分析する方法は色々と提案されてはいるが、以下の問題点があることが判明した。
特許文献１は、特許文献の引用回数で主体企業と比較対象企業との間における特許の影響力の比較を行なっている。特許文献の引用回数は、まだ新しい特許文献の場合、その文献を引用する他の特許文献が存在しない、もしくは、まだ少ない可能性があるため正確に評価ができない問題がある。また、時間と共に引用目的、引用分野が変化していくため、文献の評価は時間と共に変わっていってしまうという問題がある。また、出版が古い文献ほど引用回数は多くなり高い評価となってしまうことも問題である。
特許文献２は、主体特許と複数の比較対象特許の内積値を算出し、所定の内積値を超えた比較対象特許の数から、先願性、占有率、特許密集度、出願増加傾向を算出し、その結果に基づいて分析対象特許を１６区分に分類する技術を開示している。しかしながら、分析は１つの特許文献に対して行うため、企業が保有する複数の特許、即ち、特許ポートフォリオを評価するものでは無いという問題がある。
特許文献３は、主体企業が保有する特許権の技術分野全体に対する割合を算出しているが、技術分野全体に対する割合であるので企業相互間における優劣を評価できない問題がある。
非特許文献１は、主体企業と比較対象企業とが保有する特許の関係性を算出しているが、それぞれが保有する特許が相手に与える影響を評価してない問題がある。
したがって、本発明は、基準主体（例えば、企業又は個人）と比較対象（企業又は個人）が知的財産等の資産を複数の種別に亘って保有する場合に、基準主体と比較対象がそれぞれ保有する資産を比較することで、基準主体と比較対象の相互間における影響力を算出する、データ分析方法、プログラム、及び装置を得ようとするものである。
以下、本明細書中において「影響力」とは、基準主体と比較対象の保有する資産の類似度（後述）、基準主体と比較対象の保有する資産の相似度（後述）、及び基準資産と比較対象の保有する資産の作用度（後述）を合む。

本発明のデータ分析方法は、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成ステップを含む。
本発明のデータ分析プログラムは、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成手段として、コンピュータを動作させる。
本発明のデータ分析装置は、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成部を備える。

本発明の効果は、基準主体と比較対象のベクトルを算出することで、基準主体と比較対象の資産情報の類似度、相似度、及び作用度を算出し、基準主体と比較対象間の影響力を評価することが可能となる。

図１は、本発明を示すブロック図であり、（ａ）は、本発明の原理を説明するブロック図である。（ｂ）は、本発明の一実施の形態に係るデータ分析装置のブロック図である。
図２は、特許情報の一例であり、（ａ）及び（ｂ）は、資産情報データベースが保持する特許情報の一例である。
図３は、複数の識別子から構成された資産情報の一例である。
図４は、ベクトル生成部が出力するポートフォリオの一例ある。
図５は、基準ベクトルと比較対象ベクトルの概念図である。
図６は、主体企業と比較対象企業が保有する特許分類毎の特許件数を示した表の一例である。
図７は、基準ベクトルと比較対象ベクトル間の距離を利用した比較を表すグラフの一例である。
図８は、基準ベクトルと比較対象ベクトル間の角度を利用した比較を表すグラフの一例である。
図９は、比較対象ベクトルから基準ベクトルへの写像を利用した比較を表すグラフの一例である。
図１０は、ポートフォリオの一例であり、（ａ）及び（ｂ）は、主体企業と比較対象企業の特許分類毎の特許件数、基準ベクトルと比較対象ベクトルの内積成分を示すポートフォリオである。
図１１は、基準ベクトルと比較対象ベクトル間の角度とベクトルの大きさを利用し、２次元極座標上の表示することで比較を行うグラフの一例である。
図１２は、主体企業に対する比較対象企業の相対的な技術動向を表すグラフの一例である。
図１３は、主体企業と比較対象企業が複数存在する場合に、複数の企業間の作用度の比較を表す表の一例である。
図１４は、本発明に係るデータ分析装置の処理フローを示すフローチャートである。
図１５は、本発明に係るデータ分析装置の一例であり、（ａ）は、本発明を実現できるデータ分析装置の最小単位の構成を示すブロック図である。（ｂ）は、（ａ）に係るデータ分析装置の処理の流れを示すフローチャートである。

図１（ａ）を参照して、本発明の原理的な構成を説明する。本発明の原理的な構成は、資産情報を格納した資産情報データベース１０と、ベクトル生成プログラムにしたがって動作を行なうベクトル生成部（具体的には、ＣＰＵ）１とを備えている。ベクトル生成部１は、識別子及び基準主体に応答して資産情報データベース１０にアクセスし、識別子に応じた基準主体の資産情報に係る基準ベクトルを生成する。さらに、ベクトル生成部１は、識別子及び比較対象に応じた比較対象の資産情報に係る比較対象ベクトルを生成する。以後、ベクトル生成部１は、資産情報に係る基準ベクトル及び比較対象ベクトルを処理して、基準主体と比較対象の影響力を算出する。
以下で、図１（ｂ）を参照して、上記原理に従って動作する本発明の一実施形態に係るデータ分析装置を説明する。
この実施形態では企業が保有する資産情報、特に、特許情報を例にとって説明する。さらに、この実施形態では、企業間の特許情報を比較しているため、以下では基準主体を主体企業と呼び、比較対象を比較対象企業と呼ぶことにする。
実施形態は、主体企業と比較対象企業の特許情報を比較する場合についてのみ説明するが、比較を行うのは企業間及び特許情報である必要は必ずしもない。例えば、ある企業の今年度に登録された特許情報と、同一企業の去年度に登録された特許情報を比較しても良い。また、比較は、企業間に限らず個人間の情報比較、さらには、特定の群間の情報比較であっても良い。比較を行う基準主体と比較対象、さらには、比較を行う資産の範囲は本発明の使用者によって自由に決定できる。
図１（ｂ）は、本発明の一実施形態に係るデータ分析装置である。図１（ｂ）のデータ分析装置は、外部に設置している資産情報データベース１０と、入出力装置２０、処理部３０とを有している。
資産情報データベース１０は、知的財産情報、ここでは、特許情報を保持しているものとする。但し、本発明は特許情報に限定されることなく、例えば、商標情報、意匠情報であっても良い。また、特許情報、商標情報、及び意匠情報は登録されている情報に限らず、公開公報であっても良い。さらに、本発明は、知的財産情報に限定されることなく、例えば、学術的な論文の情報であっても良いし、さらには、貸借対照表上の資産情報、損益計算表上の資産情報であっても良い。
この実施形態で使用する特許情報は、ファイルインデックス（ＦＩ）、国際特許分類であるＩＰＣ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）等によって分類されている。また、商標情報及び意匠情報は、それぞれ商品区分及び物品区分毎に分類されている。さらに、貸借対照表及び損益計算表上の資産情報も、各項目に区分されている。そこで、以下では、特許情報等の資産情報の分類区分を総称して識別子と呼ぶ。また、本発明における識別子は、予め定めた分類区分だけでなく、本発明の使用者が自ら作成した分類区分でも良い。さらに、本発明における識別子は、例えば特許分類、論文、研究開発費等の、カテゴリの異なる識別子を複数組み合わせて使用することも可能である。
図１（ｂ）に示した資産情報データベース１０は、識別子が付与された主体企業、及び比較対象企業の資産情報を保持している。また、資産情報データベース１０は、識別子が付与された資産情報として特許、実用新案、意匠、商標の情報だけでなく、論文、研究開発費、貸借対照表及び損益計算表上の資産情報も保持している。
入出力装置２０は、条件入力部２１と、処理部３０の算出結果を出力する出力部２２とを備えている。
処理部３０は、通信インターフェース４０と、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５０と、記憶装置６０とを含むコンピュータである。
通信インターフェース４０は、資産情報データベース１０と処理部３０の情報の送受信、入出力装置２０と処理部３０の情報の送受信を実行する。
処理部３０が備える記憶装置６０は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）格納部６１と、データ記憶部６２と、プログラム格納部６３とを有している。データ記憶部６２は、条件入力部２１が送信した情報、資産情報データベース１０から抽出した特許情報を保持している。プログラム格納部６３は、本発明に係る資産情報のベクトルを生成するベクトル生成プログラム６４を保持している。
また、ＣＰＵ５０は、ベクトル格納部６３が保持するベクトル生成プログラム６４を実行する。この場合、ＣＰＵ５０は、条件入力部２１が受け付けた複数の識別子に基づき、資産情報データベース１０が保持する特許情報を検索処理する。さらに、ＣＰＵ５０は、検索処理をした資産情報データベース１０が保持する特許情報から、主体企業、及び比較対象企業に関する特許情報を抽出する。また、ＣＰＵ５０は、抽出した特許情報をデータ記憶部６２に記憶する一方、後述するように、ベクトル生成プログラム６４にしたがって、主体企業及び比較対象企業に係る基準ベクトル及び比較対象ベクトルを生成する。したがって、ＣＰＵ５０は基準ベクトル及び比較対象ベクトルを生成するベクトル生成部として動作すると共に、基準ベクトル及び比較対象ベクトルから影響力を算出する算出部としても動作する。
ここで、資産情報データベース１０が保持する特許情報は、各企業が保有する１件毎の特許情報でも良いし、各企業が保有する特許情報が予め識別子毎に件数がカウントされた特許情報であっても良い。
例えば、図２（ａ）は、ＩＰＣを識別子とした、１件毎の特許情報の一例である。資産情報データベース１０が、特許情報を図２（ａ）のように保持している場合には、ＣＰＵ５０は、主体企業、及び比較対象企業の識別子（ここではＩＰＣ）毎の特許情報を抽出し、その件数をカウントする。
また、図２（ｂ）は、識別子として使用するＩＰＣ毎に分類された特許情報について、予め特許情報の件数を複数の企業に亘ってカウントした例である。資産情報データベース１０が、特許情報を図２（ｂ）のように保持している場合、使用者は、利用する識別子を任意に決定できるとともに、利用する識別子の範囲も自由に決定できる。この場合、使用者が、条件入力部２１に利用する識別子を入力すると、ＣＰＵ５０が、識別子に応じたデータを資産情報データベース１０から抽出する。
次に、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがって、以下の動作を実行する。まず、ＣＰＵ５０は資産情報データベース１０から抽出した主体企業に関する特許情報から基準ベクトルを生成する。また、ＣＰＵ５０は、比較対象企業に関する特許情報から比較対象ベクトルを生成する。さらに、ＣＰＵ５０は、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像の大きさを算出する。ここで、基準ベクトル及び比較対象ベクトルは、２つの識別子（ここでは、２つのＩＰＣ）から生成したベクトルであれば、２次元ベクトルとなり、より多くの識別子からベクトルを生成した場合には、多次元ベクトルとなる。多次元ベクトル間の内積、距離、角度、及び写像の大きさはコンピュータを用いて計算することができる。
ここで、上記した例は、主体企業及び比較対象企業の特許情報から基準ベクトル及び比較対象ベクトルを生成するものとして説明した。しかしながら、本発明は、特許情報に限定されることなく、主体企業、及び比較対象企業が著した論文や、研究開発費といったカテゴリの異なる複数の識別子からベクトルを生成することも可能である。
例えば、図３は、各企業が保有する、特定のＩＰＣの特許件数と、特定の学会誌に掲載された論文数と、研究開発費とを識別子とした資産情報の一例である。即ち、本発明における識別子は、ＩＰＣ、学会誌、及び研究開発費のような異なるカテゴリに属するものであっても良い。この場合、ＣＰＵ５０は、このようなカテゴリの異なる複数の識別子を用いて抽出した特許件数、論文数、研究開発投資額の一つから基準ベクトル、及び比較対象ベクトルを生成しても良いし。さらには、特許件数、論文数、研究開発投資額を組み合わせて基準ベクトル、及び比較対象ベクトルを生成しても良い。
以下で、図４を参照して、本発明におけるベクトルの意味、及び、基準ベクトルと比較対象ベクトルの導出方法について説明する。
図４は、使用者が、主体企業としてＸ社、比較対象企業としてＹ社、識別子として複数のＩＰＣを用いた場合に得られるポートフォリオの一例である。即ち、この例は、識別子としてＩＰＣ１〜ＩＰＣｎを条件入力部２１に識別子として入力して、複数のＩＰＣ１〜ＩＰＣｎの間で主体企業（Ｘ社）と比較対象企業（Ｙ社）のポートフォリオの比較を行なう例である。この場合、条件入力部２１が受け付けたＩＰＣ１〜ＩＰＣｎに応じて、ＣＰＵ５０が、特許情報を資産情報データベース１０から抽出する。
図４の例では、ＩＰＣ１〜ＩＰＣｎに対応するＸ社の特許件数はｘ１〜ｘｎ件、Ｙ社の特許件数はｙ１〜ｙｎ件である。ここで、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがって、Ｘ社が保有する特許件数ｘ１〜ｘｎから基準ベクトルＴｘを生成する。同様に、ＣＰＵ５０は、Ｙ社が保有する特許件数ｙ１〜ｙｎから比較対象ベクトルＴｙを生成する。
なお、図４のポートフォリオは識別子としてＩＰＣを使用しているが、識別子としてファイルインデックス（ＦＩ）、Ｆターム、米国特許分類（ＵＳＣ）、ヨーロッパ特許分類（ＥＣＬＡ）等を使用することも可能である。また、識別子としてＩＰＣを使用する場合、ＩＰＣの階層はどこまでであっても良い。さらに、使用者が自ら作成した識別子を使用しても良い。
ＣＰＵ５０が生成したベクトルＴｘ、及びＴｙは、式１のように表すことができる。

ここで、Ｔｘ及びＴｙの次元は等しいことが重要である。即ち、成分ｘ１及びｙ１は、例えば、ＩＰＣ１に応じてＣＰＵ５０が抽出した特許件数であり、以下同様に、成分ｘｎ及びｙｎは、ＩＰＣｎに応じてＣＰＵ５０が抽出した特許件数である。したがって、Ｔｘが成分ｘｍを持たず、他方、それに対応するＴｙの成分ｙｍが値を持つ場合、ｘｍを０とすることになる。このように、ＣＰＵ５０は、ＴｘとＴｙの次元を揃える演算を行うことになる。
次に、ＣＰＵ５０はベクトル生成プログラム６４にしたがって、ＴｘとＴｙ間の内積、距離、角度及び写像の大きさを算出する。以下、図５を適宜参照して、内積、距離、角度及び写像の大きさの算出方法と、それぞれが持つ意味を説明する。
図５は、ＴｘとＴｙを２次元（識別子が２個）ベクトルとして描いた概略図である。一般的には、ＴｘとＴｙはｎ次元（識別子がｎ個）ベクトルである。しかしながら、考え方は２次元ベクトルと同じであるので簡単のため２次元ベクトルを使用して説明する。
ＣＰＵ５０がＴｘとＴｙ間の角度、及び写像を算出するためには、ＴｘとＴｙ間の内積の算出が必要である。ＴｘとＴｙ間の内積の定義は、式２のように表すことができる。

ここで、｜Ｔｘ｜と｜Ｔｙ｜は、それぞれＴｘ、Ｔｙの絶対値、θはＴｘとＴｙのなす角度７０を表している。
さらに、ＣＰＵ５０はＴｘとＴｙ間の距離７１を算出する。距離７１はＴｘとＴｙの差の絶対値であるので、距離７１をＤと書くことにすると式３で表すことができる。

さらに、ＣＰＵ５０はＴｘとＴｙのなす角度７０を算出する。角度７０は、ＴｘとＴｙ間の内積の式の逆関数を導出することによって算出できる。したがって、角度７０は式４で表すことができる。

ここで、ａｒｃｃｏｓはｃｏｓの逆関数である。
最後に、ＣＰＵ５０はＴｙからＴｘへの写像の大きさ７３を算出する。写像７３はＴｙからＴｘへの射影７２であるので、下記の式５で表すことができる。

また、ＴｘからＴｙへの写像の大きさ７４も、同様の方法で算出できる。
上記に記載のＴｘとＴｙ間の内積、距離、角度、及び写像の大きさは式６で表すこともできる。

上記のαとβは、使用者が任意に決めることのできる重み因子（即ち、補正係数）である。ここで、αとβは、スカラー値であっても良いし、ベクトル関数であっても良い。ＴｘとＴｙに重み因子を掛けることは、ＴｘとＴｙの値を補正することを意味する。したがって、使用者がαとβを任意に決めることで、より使用者の目的に沿った分析が可能となる。なお、αとβがベクトル関数であった場合、αとβは式７のように表される。

この場合、αとβは、補正するベクトルの成分と同じ数、例えばｎ個の成分を持つベクトルである。また、αとβは式８に示すように行列で表すこともできる。

この場合、αとβは、補正するベクトルの成分と同じ数、例えばｎ個の行と、ｎ個の列を持つｎ×ｎ行列である。
上記α１〜αｎ、β１〜βｎ、α１１〜αｎｎ、β１１〜βｎｎは対応する識別子と掛け合わす重みであり、使用者は、それぞれの値を任意に決めることができる。例えば、使用者が分析の重要項目と考える識別子の重みは大きくし、分析に重要でないと考える識別子の重みを小さくすることで、より詳細な分析が可能になる。
次に、本発明において、上記で算出したＴｘとＴｙ間の距離、角度、及び写像の大きさが表す意味を説明する。
この実施形態では、基準ベクトルと比較対象ベクトルは異なる複数のＩＰＣにおける特許件数を表している。
したがって、基準ベクトルと比較対象ベクトル間の距離が近いということは、主体企業と比較対象企業が保有する特許情報において、識別子と識別子毎の特許件数が近いことを意味する。即ち、距離が近いということは、主体企業と比較対象企業が保有する特許件数の構成が類似していることを意味し、本発明では類似度と呼ぶ。
一方、基準ベクトルと比較対象ベクトルの角度が近いということは、主体企業と比較対象企業が保有する特許情報において、識別子と識別子毎の特許情報の構成が相似であることを意味する。即ち、角度が近いということは、主体企業と比較対象企業の保有する特許情報の構成比率が、特許件数は違っていても相似的な分布になっていることを意味し、本発明では相似度と呼ぶ。
さらに、基準ベクトルに対する比較対象ベクトルの写像の大きさが大きいということは、主体企業と比較対象企業が保有する特許は重複する識別子の数が多く、且つ、重複する識別子の特許の件数が多いことを意味している。したがって、このような場合、基準ベクトルと比較対象ベクトルの距離や角度が離れていても、主体企業と比較対象企業は、共に同じ分野の特許を数多く保有していることになり、両社の事業、及び技術開発の競争は激しいと判断できる。したがって、写像の大きさは、主体企業と比較対象企業相互間の競争の度合、即ち、作用を表しているから、ここでは、写像の大きさを作用度と呼ぶ。
本発明では、類似度、相似度、及び作用度を集合的に影響力と呼ぶものとする。ここで、類似度、相似度、及び作用度をより一般化して説明すると、類似度とは、基準ベクトルと比較対象ベクトル間の距離を表す指標である。距離が近いほど類似度は高く、類似度が高いほど基準主体が保有する資産情報と比較対象が保有する資産情報が類似していることを意味する。
また、相似度とは、基準ベクトルと比較対象ベクトル間の角度の大きさを表す指標である。角度が小さいほど相似度は高く、相似度が高いほど基準主体が保有する資産情報と比較対象が保有する資産情報の構成比率が似ていることを意味する。
また、作用度とは、比較対象ベクトルから基準ベクトル、又は、基準ベクトルから比較対象ベクトルへの写像の大きさを表す指標である。写像が大きいほど作用度は高く、作用度が高いほど基準主体と比較対象が保有する資産情報は重複する識別子の数が多く、且つ、重複する識別子の資産量が多いことを意味する。したがって、基準主体と比較対象間における競争の影響が大きくなることを意味する。
ＴｘとＴｙ間の作用度を算出する場合、ＣＰＵ５０は、ＴｙからＴｘへの写像、及びＴｘからＴｙへの写像の２通りの写像を算出することができる。ＣＰＵ５０は、この２通りの写像を算出することで、ＴｘとＴｙ間における互いの作用度の大きさを比較することが可能である。
再び図５を参照して、主体企業と比較対象企業間における互いの作用度の大きさを比較する方法を説明する。例えば、ＴｙからＴｘへの写像の大きさ７３をＥｙ、ＴｘからＴｙへの写像の大きさ７４をＥｘと表すことにする。この時、Ｅｙは主体企業に対する比較対象企業の作用度を表し、Ｅｘは比較対象企業に対する主体企業の作用度を表している。ＣＰＵ５０はＥｘとＥｙの値や、ＥｘとＥｙの差分等を算出することで、主体企業と比較対象企業間で互いに与えた作用度の大きさを比較することが可能となる。例えば、主体企業と比較対象企業に対応するベクトル間の距離が遠く、且つ、主体企業と比較対象企業に対応するベクトル間の角度が大きい場合、類似度は低く、相似度も低い。このような場合であっても、企業規模の大きさの違いによっては、主体企業と比較対象企業に対応するベクトル間の写像が大きくなることも有り得る。この場合、主体企業と比較対象企業間で互いに与えた作用度は大きくなり、企業間の競争が激しいことが予測できる。
発明者らは、これらの影響力を示すパラメータについて、企業間における引用と被引用の件数から影響力を示すことができることを確認している。
上記した実施形態は、主体企業と比較対象企業間の特許情報を比較する場合について説明した。しかし、本発明は、主体企業と比較対象企業が保有する一般的な資産情報の類似度、相似度、及び作用度を分析するためにも使用できる。
具体的に言えば、主体企業と比較対象企業の類似度を算出する場合、類似度は基準ベクトルと比較対象ベクトル間の距離、及び相似度は基準ベクトルと比較対象ベクトル間の角度から算出するため、その値は一意に定まる。
それに対し、基準主体と比較対象の作用度を算出する場合、作用度は写像から算出するため、基準ベクトルから比較対象ベクトルへの写像と、及び比較対象ベクトルから基準ベクトルへの写像の２つの値が算出できる。
また、ＣＰＵ５０は、基準ベクトルと比較対象ベクトル間の距離、角度、及び写像の大きさの結果に応じたポートフォリオやグラフを作成する。さらに、ＣＰＵ５０は、作成したポートフォリオやグラフを出力部２２に送信し、算出結果として出力するように指示する。
図６を参照して、本発明の第１の実施例を説明する。図６は、Ａ社〜Ｌ社が保有する特許について、ＩＰＣ１〜ＩＰＣ１０の範囲で識別子毎の特許件数をまとめた表（件数表と呼ぶ）を示している。ここで、Ａ社は主体企業であり、Ｂ〜Ｌ社は比較対象企業である。以下では、図６の件数表に基づいて、ＣＰＵ５０が、Ａ社から基準ベクトルを生成する一方、Ｂ社〜Ｌ社から比較対象ベクトルを生成し、類似度、相似度、及び作用度を利用して分析する場合を説明する。
図７（ａ）は、図６に示されたＡ社の件数表から得られた基準ベクトルとＢ〜Ｌ社の件数表から得られた比較対象ベクトル間の距離を示しているグラフである。基準ベクトルと比較対象ベクトル間の距離を算出した場合、ＣＰＵ５０は基準ベクトルと比較対象ベクトルの距離が近いほど、主体企業と比較対象企業間の類似度が高いと判定する。したがって、図７（ａ）を参照することで主体企業と比較対象企業間の類似度を判定することができる。図７（ａ）の例では、主体企業であるＡ社と、比較対象企業であるＦ社、Ｉ社に対応するベクトル間の距離が近い。この結果、使用者はＡ社と類似度の高い比較対象企業はＦ社とＩ社であることが判定できる。
ここで、ＣＰＵ５０は、図７（ａ）のグラフを値の大きさ順に並び替えることが可能である。図７（ａ）を類似度の高い順番に並び替えたグラフが図７（ｂ）である。図７（ｂ）を参照すると、Ａ社と類似度が高い比較対象企業を判定することが容易となる。
さらに、ＣＰＵ５０は、図７（ａ）、または図７（ｂ）の算出結果のうち、使用者が指定する範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図７（ｃ）は、使用者が、Ａ社との距離が４０以下という条件を指定し、ＣＰＵ５０が、Ｆ社とＩ社のみを抽出したグラフである。
図８（３）は、図６に示された件数表から得られた基準ベクトルと比較対象ベクトル間の角度を示しているグラフである。基準ベクトルと比較対象ベクトル間の角度を算出した場合、ＣＰＵ５０は基準ベクトルと比較対象ベクトル間の角度が小さいほど、主体企業と比較対象企業間の相似度が高いと判定する。したがって、図８（ａ）を参照することで主体企業と比較対象企業間の類似度を判定することが可能である。図８（ａ）の例では、主体企業であるＡ社と、比較対象企業であるＤ社とＩ社に対応するベクトル間の角度が小さい。この結果、使用者はＡ社と相似度の高い比較対象企業はＤ社とＩ社であることが判定できる。
ここで、ＣＰＵ５０は、角度についても値の大きさ順に並び替えることが可能である。図８（ａ）を相似度の高い順番に並び替えたグラフが、図８（ｂ）である。図８（ｂ）を参照することで、Ａ社と相似度の高い比較対象企業を判定することが容易となる。
また、ＣＰＵ５０は、相似度についても、図８（ａ）、または図８（ｂ）の算出結果のうち、使用者が指定した範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図８（ｃ）は、使用者が、Ａ社との角度が２０以下という条件を指定し、ＣＰＵ５０が、Ｄ社とＩ社を抽出したグラフである。
図９（ａ）は、図６に示された件数表から得られた比較対象ベクトルから基準ベクトルへの写像の大きさを示しているグラフである。比較対象ベクトルから基準ベクトルに対する写像を算出した場合、ＣＰＵ５０は、比較対象ベクトルから基準ベクトルに対する写像の大きさが大きいほど作用度は大きいと判定する。したがって、図９（ａ）を参照することで主体企業に対する比較対象企業間の作用度を判定することができる。図９（ａ）の例では、主体企業であるＡ社に対して、比較対象企業であるＢ社とＤ社に対応するベクトルの写像が大きい。この結果、使用者はＡ社と作用度の高い比較対象企業はＢ社とＤ社であることが判定できる。
ここで、ＣＰＵ５０は、写像についても値の大きさ順に並び替えることが可能である。図９（ａ）を作用度の高い順番に並び替えたグラフが、図９（ｂ）である。図９（ｂ）を参照することで、作用度の高い比較対象企業を判定することが容易となる。
また、ＣＰＵ５０は、作用度についても図９（ａ）、または図９（ｂ）の算出結果のうち、使用者が指定した範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図９（ｃ）は、使用者が写像の大きさを６５以上という条件を指定し、ＣＰＵ５０が、Ａ社と作用度の高いＢ社とＤ社を抽出したグラフである。
図７〜９に示しているように、本発明は、主体企業と比較対象企業間の類似度、相似度、及び作用度を算出し、算出した類似度、相似度、及び作用度から、主体企業と比較対象企業間の影響力を個別に又は総合的に判定できる。
また、主体企業と比較対象企業間の影響力は、使用者の目的に応じて、類似度、相似度、及び作用度のいずれかを選択的に用いて評価しても良いし、あるいは、これらの類似度、相似度及び作用度を組み合わせることによって総合的に評価しても良い。
次に、図１０を参照して、写像の算出結果から、主体企業と比較対象企業間の影響力をさらに分析する方法について説明する。ここでは、図６に示された主体企業であるＡ社とし、比較対象企業としてＢ社を例にとって説明する。
図１０（ａ）は、主体企業であるＡ社と、比較対象企業であるＢ社が保有するＩＰＣ１〜ＩＰＣ１０の特許件数について、ＣＰＵ５０が作成したポートフォリオである。また、ＣＰＵ５０は、比較対象ベクトルから基準ベクトルへの写像の内積成分を抽出している。ここで、ＣＰＵ５０は内積成分の大きさ順に、ポートフォリオを並び替える操作を行なうことも可能である。
図１０（ｂ）は、ＣＰＵ５０が、写像の内積成分が大きい技術分野の順に図１０（ａ）のポートフォリオを並び替えたポートフォリオである。図１０（ｂ）を参照することで、主体企業と比較対象企業間の技術分野（即ち、ＩＰＣ）毎の影響力を判定することが可能となる。
例えば、図７〜９に示したように、Ａ社とＢ社におけるベクトル間の距離及び角度は比較的大きく、且つ、写像もＤ社程大きくない。しかしながら、図１０（ｂ）に示すように、内積成分を参照すると、ＩＰＣ４における内積成分は非常に大きくなっている。このことは、ＩＰＣ４で表される特定の技術分野では、相互に影響力が大きいことを示している。
このような場合、ＣＰＵ５０は、図１０（ｂ）によって主体企業と比較対象企業間の総合的な影響力は小さいが、１つの分野に対しては大きな影響力を持っているといったことを判定する。また、主体企業と比較対象企業間の総合的な影響力は大きいが１つ１つの分野の影響力は小さいといったことも判定することが可能となる。
ここで、図１０（ａ）及び（ｂ）に示すように内積成分は、異なるカテゴリの識別子を複数用いて演算しても良いし、異なるカテゴリの識別子を組み合わせて演算しても良い。例えば、特定雑誌に掲載された論文数、研究開発費を識別子として利用しても良いし、これらの識別子をＩＰＣと組み合わせても良い。これによって、詳細に主体企業と比較対象企業間の比較が可能となる。
次に、図１１を参照して、図６に示された主体企業と比較対象企業について、２次元極座標上にマッピングをし、主体企業と比較対象企業の相対的な特許情報を比較する方法について説明する。なお、図１１は、図６の件数表のＡ社を主体企業、Ｂ社〜Ｌ社を比較対象企業としている。
図１１は、比較対象ベクトルの長さと、比較対象ベクトルと基準ベクトル間の角度の差とで、各比較対象企業を２次元極座標上にマッピングしたグラフである。図１１を得るために、ＣＰＵ５０は、Ａ社〜Ｌ社が保有する特許情報の技術分野を、識別子として使用するＩＰＣ毎に分類する。さらに、ＣＰＵ５０は、比較対象毎に、比較対象ベクトルの大きさと、比較対象ベクトルと基準ベクトル間の角度の差を算出する。次に、比較対象毎に、算出した比較対象ベクトルの大きさを原点からの距離、算出した角度を横軸からの角度として２次元極座標上にプロットする。
一方、基準ベクトルと比較対象ベクトルの角度の差と比較対象ベクトルの大きさの代わりに、基準ベクトルと比較対象ベクトルの距離や写像の大きさから２次元極座標上に比較対象企業をプロットすることも可能である。
さらに、ＣＰＵ５０は、図１１の２次元極座標のグラフの結果から、比較対象企業毎のＡ社に与えた影響力（ここでは、相似度、及び作用度）を算出することが可能である。横軸からの角度が相似度、横軸方向の座標が写像の大きさ、すなわち作用度を示している。以下では、図１１を参照して、第２の実施例を説明する。
例えば、Ｂ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度が大きく、基準ベクトルに対する写像は２番目に大きい。このことは、Ａ社とＢ社は、相似度は低く、作用度は高いことを意味している。
また、Ｉ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は一番小さく、基準ベクトルに対する写像は小さい。このことは、Ａ社とＩ社は、相似度は高く、作用度は低いことを意味している。
さらに、Ｄ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は２番目に小さく、基準ベクトルに対する写像は一番大きい。このことは、Ａ社とＤ社は、相似度、及び作用度の両方が高いことを意味している。
そして、Ｈ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は大きく、基準ベクトルに対する写像は小さい。このことは、Ａ社とＤ社は、相似度、及び作用度の両方が低いことを意味している。
図１２は、本発明の第３の実施例を説明する図であり、図１２は主体企業であるＡ社と、比較対象企業であるＬ社との間の技術動向の時間的な遷移を分析する例を示している。図１２は、図１１の２次元極座標表示のグラフに、年毎の値をプロットすることで作成している。例えば、Ｌ社について１０年前、５年前、今年の値をプロットしてみると、Ｌ社の技術分野は、主体企業であるＡ社の技術分野から徐々に離れて行く傾向にあることを判定できる。
次に、図１３を参照して、本発明の第４の実施例を説明する。本発明の第４の実施例は、主体企業（Ａ社）と複数の比較対象企業（Ｂ，Ｃ，Ｄ社）間の作用度についてマトリックスを使用して分析する方法である。ここで資産情報は図６を利用している。
図１３では、ＣＰＵ５０が作成したＡ社、Ｂ社、Ｃ社、Ｄ社の４社間の作用度をマトリックス形式で示している。
ここで、ある業界がＡ社、Ｂ社、Ｃ社、Ｄ社の４社から構成されるとする。図１３のマトリックスにおいて、列の値を足し合わせることにより、自社が業界全体に与える作用度を算出することができる。例えば、Ａ社の場合、Ａ社がＢ社に与える作用度は３１、Ｃ社に与える作用度は４０、Ｄ社に与える作用度は５６である。それぞれの作用度を足し合わせた値である１２７は、Ａ社が他社全体に与えた総合的な作用度となる。
また、マトリックスの行に関しても、他社から受ける作用度を足し合わすことで、他社全体から受ける作用度も算出することができる。例えば、Ａ社の場合、Ａ社がＢ社から受ける作用度は６７、Ｃ社から受ける作用度は５８、Ｄ社から受ける作用度は９５である。それぞれを足し合わせた値である２２０はＡ社が他社全体から受ける作用度となる。
Ｂ社、Ｃ社、及びＤ社に関してもＡ社と同様に、他社全体に与えた作用度、及び業界全体から受けた作用度を算出することができる。各社が他社に与えた作用度や他社から受けた作用度を比較することで、業界の中での自社の地位を測定することができる。例えば、図１３では、業界内で最も他社に影響を与えているのはＤ社であり、逆に最も影響を受けているのはＡ社であるといった分析結果を得ることができる。即ち、図１３の例では、業界内で、Ｄ社が最も強く、Ａ社が最も弱いといったことが判定できる。
次に、図１４のフローチャートを参照して、上記した第１〜第４の実施例に共通する本発明のデータ分析装置（図１）における処理の流れを説明する。
最初に、条件入力部２１は主体企業と比較対象企業について、比較条件を表す複数の識別子、主体企業と比較対象企業を受け付ける（ステップＳ１００）。本発明の実施形態において、入力する識別子は、例えば、特許情報を検索するためのＩＰＣである。識別子の入力が無い場合、後のステップにおいては主体企業と比較対象企業の資産情報が付与されている全ての識別子が用いられる。
次に、条件入力部２１は、ステップＳ１００において受け付けた識別子を、通信インターフェース４０を介してＣＰＵ５０に送信する（ステップＳ１０１）。
ＣＰＵ５０は、受信した識別子を記憶装置６０のデータ記憶部６２に格納する。そして、ＣＰＵ５０は、通信インターフェース４０を介して資産情報データベース１０から識別子に応じた主体企業と比較対象企業に関する特許情報を、例えば図６の形式で抽出する。さらに、ＣＰＵ５０は、抽出した特許情報をデータ記憶部６２に格納する（ステップＳ１０２）。
次に、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがい、データ記憶部６２に格納した主体企業の特許情報に基づいて基準ベクトルを生成する。また、ＣＰＵ５０は、データ記憶部６２に格納した比較対象企業の特許情報に基づいて比較対象ベクトルを生成する（ステップＳ１０３）。
条件入力部２１に、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像等のパラメータを算出する命令が入力されている場合（ステップＳ１０４において「ＹＥＳ」と判定）には、ステップＳ１０５に進む。条件入力部２１に内積、距離、角度及び写像を算出する命令が入力されていない場合（ステップＳ１０４において「ＮＯ」と判定）にはステップＳ１０６に進む。
ステップＳ１０４において「ＹＥＳ」と判定された場合、ＣＰＵ５０はベクトル生成プログラム６４にしたがって、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像の少なくとも一つを演算する（ステップＳ１０５）。この場合、ＣＰＵ５０は図７〜１３のようなポートフォリオやグラフを作成することも可能である。
最後に、ＣＰＵ５０は、ステップＳ１０３やステップＳ１０５において算出した、算出結果を出力部２２に表示する（ステップＳ１０６）。例えば、出力部２２は、ステップＳ１０４において、「ＹＥＳ」と判定した場合には図６〜１３の結果を表示し、「ＮＯ」と判定した場合には図６の結果を表示する。
次に、図１５（ａ）及び（ｂ）を参照して、本発明を実現できる最小単位の構成で表されるデータ分析装置について説明する。図１５（ａ）は本発明を実現できるデータ分析装置の最小単位の構成を示すブロック図である。本発明のデータ分析装置はベクトル生成部１によって特徴付けられる。
図１５（ｂ）は、図１５（ａ）に係るデータ分析装置が行う処理の流れを示すフローチャートである。以下で、図１５（ａ）及び（ｂ）を適宜参照しながら、データ分析装置の処理の流れを説明する。
先ず、ベクトル生成部１は分析に利用する識別子、基準主体と比較対象を受け付ける（ステップＳ２００）。次に、ベクトル生成部１は別途設けた資産情報データベースから、基準主体と比較対象について指定された識別子毎の資産情報を抽出する（ステップＳ２０１）。最後に、ベクトル生成部１は、抽出した資産情報に基づき、基準主体に対応する資産情報から基準ベクトルを、比較対象に対応する資産情報から比較対象ベクトルを生成する（ステップＳ２０２）。
上記のフローにより、本発明のデータ分析装置は、基準主体と比較対象の資産情報に基づいて、ベクトルを生成することができる。
また、上記の実施形態の一部又は全部は、以下のようにも記載されうる。なお、以下の付記は本発明を何等限定するものではない。
［付記１］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成する、
ことを特徴とするデータ分析方法。
［付記２］
前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記３］
前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記４］
前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記５］
前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記６］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記７］
前記内積値の大きさ順に前記識別子を出力する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記８］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記９］
前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１０］
複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１１］
複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１２］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１３］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１４］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１５］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。
［付記１６］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成手段として、コンピュータを動作させる、
ことを特徴とするデータ分析プログラム。
［付記１７］
コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記１８］
コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記１９］
コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２０］
コンピュータに、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付けさせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２１］
コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を、値の大きさ順に抽出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２２］
コンピュータに、前記内積値の大きさ順に前記識別子を出力させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２３］
コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２４］
コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２５］
複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２６］
複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像を算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２７］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２８］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記２９］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記３０］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。
［付記３１］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成部を備える、
ことを特徴とするデータ分析装置。
［付記３２］
前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３３］
前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３４］
前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３５］
前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３６］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３７］
前記内積値の大きさ順に前記識別子を出力する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３８］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記３９］
前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４０］
複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４１］
複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４２］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４３］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４４］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析装置。
［付記４５］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。

本発明によれば、基準主体と比較対象が共通して保有する資産情報があれば、本発明のデータ分析装置、方法及びプログラムが適用できる。例えば、本発明の実施形態のように企業間での比較であれば、売上、利益、コスト、人材等の比較をする際に適用できる。さらに、本発明は、単に企業間の資産情報に留まらず、個人資産情報の分析にも使用できる。
さらに、例えば、本発明のデータ分析装置、方法及びプログラムは、株式市場の分析にも適用することが可能である。各企業の株価収益率（ＰＥＲ）、株価純資産倍率（ＰＢＲ）、自己資本利益率（ＲＯＥ）等の株価指標を識別子とすることで、企業毎の株価分析を行うことも可能である。
この出願は、２０１３年８月２９日に出願された日本出願特願第２０１３−１７７７５２号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。

１ ベクトル生成部
１０ 資産情報データベース
２０ 入出力装置
２１ 条件入力部
２２ 出力部
３０ 処理部
４０ 通信インターフェース
５０ ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
６０ 記憶装置
６１ ＯＳ格納部
６２ データ記憶部
６３ プログラム格納部
６４ ベクトル生成プログラム
７０ 角度
７１ 距離
７２ 射影
７３ ＴｙからＴｘへの写像
７４ ＴｘからＴｙへの写像

本発明は基準主体と比較対象との間の資産情報を比較し互いの影響力を比較するデータ分析方法、プログラム、及び装置に関する。

以下では、基準主体及び比較対象をそれぞれ主体企業と比較対象企業として説明するが、本発明に係る基準主体及び比較対象は単に企業に限定されることなく、本発明に係る基準主体及び比較対象は主体個人及び比較対象個人であっても良い。

基準主体及び比較対象をそれぞれ主体企業及び比較対象企業とし、資産情報として主体企業及び比較対象企業がそれぞれ保有する特許を評価する技術が特許文献１〜３で提案されている。

特許文献１は、主体企業が保有する１つの主体特許文献に対して、主体特許文献の被引用数の内、比較対象企業が引用した割合を算出することで、主体特許文献が比較対象企業に与えた影響を算出している。

特許文献２は、主体企業の保有する主体特許と比較対象企業の保有する複数の特許に対して、主体特許と比較対象企業の特許中で使われている技術用語から概念ベクトルを形成している。さらに、主体特許の概念ベクトルと比較対象企業の複数の特許文献の概念ベクトルとの間で内積を算出し分析を行なっている。

特許文献３は、主体企業が特定の国・期間で取得した特許件数の、同一国・期間で取得した全特許件数に対する割合を算出し、算出した値に基づいてグラフ、表を作成することにより主体企業の技術力を算出している。

非特許文献１は、主体企業、および比較対象企業が保有する特許を、Ｆタームを利用した技術ポジションベクトルで表現し、これらの技術ポジションベクトルの角度（技術距離）を算出することで、それぞれが保有する特許の関係性を算出している。

特開２０１０−０６７１１０号公報 特開２００７−２００１６７号公報 特開２００２−０９２２２８号公報

小出実、遠山亮子著"特許情報による共同研究開発の知識創造の役割に関する調査研究 −超ＬＳＩ技術研究組合の事例研究−"技術と経済（５３８），５０−５８，２０１１−１２

企業の特許を評価し分析する方法は色々と提案されてはいるが、以下の問題点があることが判明した。

特許文献１は、特許文献の引用回数で主体企業と比較対象企業との間における特許の影響力の比較を行なっている。特許文献の引用回数は、まだ新しい特許文献の場合、その文献を引用する他の特許文献が存在しない、もしくは、まだ少ない可能性があるため正確に評価ができない問題がある。また、時間と共に引用目的、引用分野が変化していくため、文献の評価は時間と共に変わっていってしまうという問題がある。また、出版が古い文献ほど引用回数は多くなり高い評価となってしまうことも問題である。

特許文献２は、主体特許と複数の比較対象特許の内積値を算出し、所定の内積値を超えた比較対象特許の数から、先願性、占有率、特許密集度、出願増加傾向を算出し、その結果に基づいて分析対象特許を１６区分に分類する技術を開示している。しかしながら、分析は１つの特許文献に対して行うため、企業が保有する複数の特許、即ち、特許ポートフォリオを評価するものでは無いという問題がある。

特許文献３は、主体企業が保有する特許権の技術分野全体に対する割合を算出しているが、技術分野全体に対する割合であるので企業相互間における優劣を評価できない問題がある。

非特許文献１は、主体企業と比較対象企業とが保有する特許の関係性を算出しているが、それぞれが保有する特許が相手に与える影響を評価してない問題がある。

したがって、本発明は、基準主体（例えば、企業又は個人）と比較対象（企業又は個人）が知的財産等の資産を複数の種別に亘って保有する場合に、基準主体と比較対象がそれぞれ保有する資産を比較することで、基準主体と比較対象の相互間における影響力を算出する、データ分析方法、プログラム、及び装置を得ようとするものである。

以下、本明細書中において「影響力」とは、基準主体と比較対象の保有する資産の類似度（後述）、基準主体と比較対象の保有する資産の相似度（後述）、及び基準資産と比較対象の保有する資産の作用度（後述）を含む。

本発明のデータ分析方法は、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成し、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける。

本発明のデータ分析プログラムは、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成手段と、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付けさせる手段として、コンピュータを動作させる。

本発明のデータ分析装置は、識別子が付与された資産情報を受け、指定された基準主体が持つ上記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ上記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成部を備え、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける。

本発明の効果は、基準主体と比較対象のベクトルを算出することで、基準主体と比較対象の資産情報の類似度、相似度、及び作用度を算出し、基準主体と比較対象間の影響力を評価することが可能となる。

本発明を示すブロック図であり、（ａ）は、本発明の原理を説明するブロック図である。（ｂ）は、本発明の一実施の形態に係るデータ分析装置のブロック図である。 特許情報の一例であり、（ａ）及び（ｂ）は、資産情報データベースが保持する特許情報の一例である。 複数の識別子から構成された資産情報の一例である。 ベクトル生成部が出力するポートフォリオの一例ある。 基準ベクトルと比較対象ベクトルの概念図である。 主体企業と比較対象企業が保有する特許分類毎の特許件数を示した表の一例である。 基準ベクトルと比較対象ベクトル間の距離を利用した比較を表すグラフの一例である。 基準ベクトルと比較対象ベクトル間の角度を利用した比較を表すグラフの一例である。 比較対象ベクトルから基準ベクトルへの写像を利用した比較を表すグラフの一例である。 ポートフォリオの一例であり、（ａ）及び（ｂ）は、主体企業と比較対象企業の特許分類毎の特許件数、基準ベクトルと比較対象ベクトルの内積成分を示すポートフォリオである。 基準ベクトルと比較対象ベクトル間の角度とベクトルの大きさを利用し、２次元極座標上の表示することで比較を行うグラフの一例である。 主体企業に対する比較対象企業の相対的な技術動向を表すグラフの一例である。 主体企業と比較対象企業が複数存在する場合に、複数の企業間の作用度の比較を表す表の一例である。 本発明に係るデータ分析装置の処理フローを示すフローチャートである。 本発明に係るデータ分析装置の一例であり、（ａ）は、本発明を実現できるデータ分析装置の最小単位の構成を示すブロック図である。（ｂ）は、（ａ）に係るデータ分析装置の処理の流れを示すフローチャートである。

図１（ａ）を参照して、本発明の原理的な構成を説明する。本発明の原理的な構成は、資産情報を格納した資産情報データベース１０と、ベクトル生成プログラムにしたがって動作を行なうベクトル生成部（具体的には、ＣＰＵ）１とを備えている。ベクトル生成部１は、識別子及び基準主体に応答して資産情報データベース１０にアクセスし、識別子に応じた基準主体の資産情報に係る基準ベクトルを生成する。さらに、ベクトル生成部１は、識別子及び比較対象に応じた比較対象の資産情報に係る比較対象ベクトルを生成する。以後、ベクトル生成部１は、資産情報に係る基準ベクトル及び比較対象ベクトルを処理して、基準主体と比較対象の影響力を算出する。

以下で、図１（ｂ）を参照して、上記原理に従って動作する本発明の一実施形態に係るデータ分析装置を説明する。

この実施形態では企業が保有する資産情報、特に、特許情報を例にとって説明する。さらに、この実施形態では、企業間の特許情報を比較しているため、以下では基準主体を主体企業と呼び、比較対象を比較対象企業と呼ぶことにする。

実施形態は、主体企業と比較対象企業の特許情報を比較する場合についてのみ説明するが、比較を行うのは企業間及び特許情報である必要は必ずしもない。例えば、ある企業の今年度に登録された特許情報と、同一企業の去年度に登録された特許情報を比較しても良い。また、比較は、企業間に限らず個人間の情報比較、さらには、特定の群間の情報比較であっても良い。比較を行う基準主体と比較対象、さらには、比較を行う資産の範囲は本発明の使用者によって自由に決定できる。

図１（ｂ）は、本発明の一実施形態に係るデータ分析装置である。図１（ｂ）のデータ分析装置は、外部に設置している資産情報データベース１０と、入出力装置２０、処理部３０とを有している。

資産情報データベース１０は、知的財産情報、ここでは、特許情報を保持しているものとする。但し、本発明は特許情報に限定されることなく、例えば、商標情報、意匠情報であっても良い。また、特許情報、商標情報、及び意匠情報は登録されている情報に限らず、公開公報であっても良い。さらに、本発明は、知的財産情報に限定されることなく、例えば、学術的な論文の情報であっても良いし、さらには、貸借対照表上の資産情報、損益計算表上の資産情報であっても良い。

この実施形態で使用する特許情報は、ファイルインデックス（ＦＩ）、国際特許分類であるＩＰＣ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）等によって分類されている。また、商標情報及び意匠情報は、それぞれ商品区分及び物品区分毎に分類されている。さらに、貸借対照表及び損益計算表上の資産情報も、各項目に区分されている。そこで、以下では、特許情報等の資産情報の分類区分を総称して識別子と呼ぶ。また、本発明における識別子は、予め定めた分類区分だけでなく、本発明の使用者が自ら作成した分類区分でも良い。さらに、本発明における識別子は、例えば特許分類、論文、研究開発費等の、カテゴリの異なる識別子を複数組み合わせて使用することも可能である。

図１（ｂ）に示した資産情報データベース１０は、識別子が付与された主体企業、及び比較対象企業の資産情報を保持している。また、資産情報データベース１０は、識別子が付与された資産情報として特許、実用新案、意匠、商標の情報だけでなく、論文、研究開発費、貸借対照表及び損益計算表上の資産情報も保持している。

入出力装置２０は、条件入力部２１と、処理部３０の算出結果を出力する出力部２２とを備えている。

処理部３０は、通信インターフェース４０と、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５０と、記憶装置６０とを含むコンピュータである。

通信インターフェース４０は、資産情報データベース１０と処理部３０の情報の送受信、入出力装置２０と処理部３０の情報の送受信を実行する。

処理部３０が備える記憶装置６０は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）格納部６１と、データ記憶部６２と、プログラム格納部６３とを有している。データ記憶部６２は、条件入力部２１が送信した情報、資産情報データベース１０から抽出した特許情報を保持している。プログラム格納部６３は、本発明に係る資産情報のベクトルを生成するベクトル生成プログラム６４を保持している。

また、ＣＰＵ５０は、ベクトル格納部６３が保持するベクトル生成プログラム６４を実行する。この場合、ＣＰＵ５０は、条件入力部２１が受け付けた複数の識別子に基づき、資産情報データベース１０が保持する特許情報を検索処理する。さらに、ＣＰＵ５０は、検索処理をした資産情報データベース１０が保持する特許情報から、主体企業、及び比較対象企業に関する特許情報を抽出する。また、ＣＰＵ５０は、抽出した特許情報をデータ記憶部６２に記憶する一方、後述するように、ベクトル生成プログラム６４にしたがって、主体企業及び比較対象企業に係る基準ベクトル及び比較対象ベクトルを生成する。したがって、ＣＰＵ５０は基準ベクトル及び比較対象ベクトルを生成するベクトル生成部として動作すると共に、基準ベクトル及び比較対象ベクトルから影響力を算出する算出部としても動作する。

ここで、資産情報データベース１０が保持する特許情報は、各企業が保有する１件毎の特許情報でも良いし、各企業が保有する特許情報が予め識別子毎に件数がカウントされた特許情報であっても良い。

例えば、図２（ａ）は、ＩＰＣを識別子とした、１件毎の特許情報の一例である。資産情報データベース１０が、特許情報を図２（ａ）のように保持している場合には、ＣＰＵ５０は、主体企業、及び比較対象企業の識別子（ここではＩＰＣ）毎の特許情報を抽出し、その件数をカウントする。

また、図２（ｂ）は、識別子として使用するＩＰＣ毎に分類された特許情報について、予め特許情報の件数を複数の企業に亘ってカウントした例である。資産情報データベース１０が、特許情報を図２（ｂ）のように保持している場合、使用者は、利用する識別子を任意に決定できるとともに、利用する識別子の範囲も自由に決定できる。この場合、使用者が、条件入力部２１に利用する識別子を入力すると、ＣＰＵ５０が、識別子に応じたデータを資産情報データベース１０から抽出する。

次に、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがって、以下の動作を実行する。まず、ＣＰＵ５０は資産情報データベース１０から抽出した主体企業に関する特許情報から基準ベクトルを生成する。また、ＣＰＵ５０は、比較対象企業に関する特許情報から比較対象ベクトルを生成する。さらに、ＣＰＵ５０は、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像の大きさを算出する。ここで、基準ベクトル及び比較対象ベクトルは、２つの識別子（ここでは、２つのＩＰＣ）から生成したベクトルであれば、２次元ベクトルとなり、より多くの識別子からベクトルを生成した場合には、多次元ベクトルとなる。多次元ベクトル間の内積、距離、角度、及び写像の大きさはコンピュータを用いて計算することができる。

ここで、上記した例は、主体企業及び比較対象企業の特許情報から基準ベクトル及び比較対象ベクトルを生成するものとして説明した。しかしながら、本発明は、特許情報に限定されることなく、主体企業、及び比較対象企業が著した論文や、研究開発費といったカテゴリの異なる複数の識別子からベクトルを生成することも可能である。

例えば、図３は、各企業が保有する、特定のＩＰＣの特許件数と、特定の学会誌に掲載された論文数と、研究開発費とを識別子とした資産情報の一例である。即ち、本発明における識別子は、ＩＰＣ、学会誌、及び研究開発費のような異なるカテゴリに属するものであっても良い。この場合、ＣＰＵ５０は、このようなカテゴリの異なる複数の識別子を用いて抽出した特許件数、論文数、研究開発投資額の一つから基準ベクトル、及び比較対象ベクトルを生成しても良いし。さらには、特許件数、論文数、研究開発投資額を組み合わせて基準ベクトル、及び比較対象ベクトルを生成しても良い。

以下で、図４を参照して、本発明におけるベクトルの意味、及び、基準ベクトルと比較対象ベクトルの導出方法について説明する。

図４は、使用者が、主体企業としてＸ社、比較対象企業としてＹ社、識別子として複数のＩＰＣを用いた場合に得られるポートフォリオの一例である。即ち、この例は、識別子としてＩＰＣ１〜ＩＰＣｎを条件入力部２１に識別子として入力して、複数のＩＰＣ１〜ＩＰＣｎの間で主体企業（Ｘ社）と比較対象企業（Ｙ社）のポートフォリオの比較を行なう例である。この場合、条件入力部２１が受け付けたＩＰＣ１〜ＩＰＣｎに応じて、ＣＰＵ５０が、特許情報を資産情報データベース１０から抽出する。

図４の例では、ＩＰＣ１〜ＩＰＣｎに対応するＸ社の特許件数はｘ１〜ｘｎ件、Ｙ社の特許件数はｙ１〜ｙｎ件である。ここで、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがって、Ｘ社が保有する特許件数ｘ１〜ｘｎから基準ベクトルＴｘを生成する。同様に、ＣＰＵ５０は、Ｙ社が保有する特許件数ｙ１〜ｙｎから比較対象ベクトルＴｙを生成する。

なお、図４のポートフォリオは識別子としてＩＰＣを使用しているが、識別子としてファイルインデックス（ＦＩ）、Ｆターム、米国特許分類（ＵＳＣ）、ヨーロッパ特許分類（ＥＣＬＡ）等を使用することも可能である。また、識別子としてＩＰＣを使用する場合、ＩＰＣの階層はどこまでであっても良い。さらに、使用者が自ら作成した識別子を使用しても良い。

ＣＰＵ５０が生成したベクトルＴｘ、及びＴｙは、数１のように表すことができる。

ここで、Ｔｘ及びＴｙの次元は等しいことが重要である。即ち、成分ｘ１及びｙ１は、例えば、ＩＰＣ１に応じてＣＰＵ５０が抽出した特許件数であり、以下同様に、成分ｘｎ及びｙｎは、ＩＰＣｎに応じてＣＰＵ５０が抽出した特許件数である。したがって、Ｔｘが成分ｘｍを持たず、他方、それに対応するＴｙの成分ｙｍが値を持つ場合、ｘｍを０とすることになる。このように、ＣＰＵ５０は、ＴｘとＴｙの次元を揃える演算を行うことになる。

次に、ＣＰＵ５０はベクトル生成プログラム６４にしたがって、ＴｘとＴｙ間の内積、距離、角度及び写像の大きさを算出する。以下、図５を適宜参照して、内積、距離、角度及び写像の大きさの算出方法と、それぞれが持つ意味を説明する。

図５は、ＴｘとＴｙを２次元（識別子が２個）ベクトルとして描いた概略図である。一般的には、ＴｘとＴｙはｎ次元（識別子がｎ個）ベクトルである。しかしながら、考え方は２次元ベクトルと同じであるので簡単のため２次元ベクトルを使用して説明する。

ＣＰＵ５０がＴｘとＴｙ間の角度、及び写像を算出するためには、ＴｘとＴｙ間の内積の算出が必要である。ＴｘとＴｙ間の内積の定義は、数２のように表すことができる。

ここで、｜Ｔｘ｜と｜Ｔｙ｜は、それぞれＴｘ、Ｔｙの絶対値、θはＴｘと
Ｔｙのなす角度７０を表している。

さらに、ＣＰＵ５０はＴｘとＴｙ間の距離７１を算出する。距離７１はＴｘとＴｙの差の絶対値であるので、距離７１をＤと書くことにすると数３で表すことができる。

さらに、ＣＰＵ５０はＴｘとＴｙのなす角度７０を算出する。角度７０は、ＴｘとＴｙ間の内積の式の逆関数を導出することによって算出できる。したがって、角度７０は数４で表すことができる。

ここで、ａｒｃｃｏｓはｃｏｓの逆関数である。

最後に、ＣＰＵ５０はＴｙからＴｘへの写像の大きさ７３を算出する。写像７３はＴｙからＴｘへの射影７２であるので、下記の数５で表すことができる。

また、ＴｘからＴｙへの写像の大きさ７４も、同様の方法で算出できる。

上記に記載のＴｘとＴｙ間の内積、距離、角度、及び写像の大きさは数６で表すこともできる。

上記のαとβは、使用者が任意に決めることのできる重み因子（即ち、補正係数）である。ここで、αとβは、スカラー値であっても良いし、ベクトル関数であっても良い。ＴｘとＴｙに重み因子を掛けることは、ＴｘとＴｙの値を補正することを意味する。したがって、使用者がαとβを任意に決めることで、より使用者の目的に沿った分析が可能となる。なお、αとβがベクトル関数であった場合、αとβは数７のように表される。

この場合、αとβは、補正するベクトルの成分と同じ数、例えばｎ個の成分を持つベクトルである。また、αとβは数８に示すように行列で表すこともできる。

この場合、αとβは、補正するベクトルの成分と同じ数、例えばｎ個の行と、ｎ個の列を持つｎ×ｎ行列である。

上記α１〜αｎ、β１〜βｎ、α１１〜αｎｎ、β１１〜βｎｎは対応する識別子と掛け合わす重みであり、使用者は、それぞれの値を任意に決めることができる。例えば、使用者が分析の重要項目と考える識別子の重みは大きくし、分析に重要でないと考える識別子の重みを小さくすることで、より詳細な分析が可能になる。

次に、本発明において、上記で算出したＴｘとＴｙ間の距離、角度、及び写像の大きさが表す意味を説明する。

この実施形態では、基準ベクトルと比較対象ベクトルは異なる複数のＩＰＣにおける特許件数を表している。

したがって、基準ベクトルと比較対象ベクトル間の距離が近いということは、主体企業と比較対象企業が保有する特許情報において、識別子と識別子毎の特許件数が近いことを意味する。即ち、距離が近いということは、主体企業と比較対象企業が保有する特許件数の構成が類似していることを意味し、本発明では類似度と呼ぶ。

一方、基準ベクトルと比較対象ベクトルの角度が近いということは、主体企業と比較対象企業が保有する特許情報において、識別子と識別子毎の特許情報の構成が相似であることを意味する。即ち、角度が近いということは、主体企業と比較対象企業の保有する特許情報の構成比率が、特許件数は違っていても相似的な分布になっていることを意味し、本発明では相似度と呼ぶ。

さらに、基準ベクトルに対する比較対象ベクトルの写像の大きさが大きいということは、主体企業と比較対象企業が保有する特許は重複する識別子の数が多く、且つ、重複する識別子の特許の件数が多いことを意味している。したがって、このような場合、基準ベクトルと比較対象ベクトルの距離や角度が離れていても、主体企業と比較対象企業は、共に同じ分野の特許を数多く保有していることになり、両社の事業、及び技術開発の競争は激しいと判断できる。したがって、写像の大きさは、主体企業と比較対象企業相互間の競争の度合、即ち、作用を表しているから、ここでは、写像の大きさを作用度と呼ぶ。

本発明では、類似度、相似度、及び作用度を集合的に影響力と呼ぶものとする。ここで、類似度、相似度、及び作用度をより一般化して説明すると、類似度とは、基準ベクトルと比較対象ベクトル間の距離を表す指標である。距離が近いほど類似度は高く、類似度が高いほど基準主体が保有する資産情報と比較対象が保有する資産情報が類似していることを意味する。

また、相似度とは、基準ベクトルと比較対象ベクトル間の角度の大きさを表す指標である。角度が小さいほど相似度は高く、相似度が高いほど基準主体が保有する資産情報と比較対象が保有する資産情報の構成比率が似ていることを意味する。

また、作用度とは、比較対象ベクトルから基準ベクトル、又は、基準ベクトルから比較対象ベクトルへの写像の大きさを表す指標である。写像が大きいほど作用度は高く、作用度が高いほど基準主体と比較対象が保有する資産情報は重複する識別子の数が多く、且つ、重複する識別子の資産量が多いことを意味する。したがって、基準主体と比較対象間における競争の影響が大きくなることを意味する。

ＴｘとＴｙ間の作用度を算出する場合、ＣＰＵ５０は、ＴｙからＴｘへの写像、及びＴｘからＴｙへの写像の２通りの写像を算出することができる。ＣＰＵ５０は、この２通りの写像を算出することで、ＴｘとＴｙ間における互いの作用度の大きさを比較することが可能である。

再び図５を参照して、主体企業と比較対象企業間における互いの作用度の大きさを比較する方法を説明する。例えば、ＴｙからＴｘへの写像の大きさ７３をＥｙ、ＴｘからＴｙへの写像の大きさ７４をＥｘと表すことにする。この時、Ｅｙは主体企業に対する比較対象企業の作用度を表し、Ｅｘは比較対象企業に対する主体企業の作用度を表している。ＣＰＵ５０はＥｘとＥｙの値や、ＥｘとＥｙの差分等を算出することで、主体企業と比較対象企業間で互いに与えた作用度の大きさを比較することが可能となる。例えば、主体企業と比較対象企業に対応するベクトル間の距離が遠く、且つ、主体企業と比較対象企業に対応するベクトル間の角度が大きい場合、類似度は低く、相似度も低い。このような場合であっても、企業規模の大きさの違いによっては、主体企業と比較対象企業に対応するベクトル間の写像が大きくなることも有り得る。この場合、主体企業と比較対象企業間で互いに与えた作用度は大きくなり、企業間の競争が激しいことが予測できる。

発明者らは、これらの影響力を示すパラメータについて、企業間における引用と被引用の件数から影響力を示すことができることを確認している。

上記した実施形態は、主体企業と比較対象企業間の特許情報を比較する場合について説明した。しかし、本発明は、主体企業と比較対象企業が保有する一般的な資産情報の類似度、相似度、及び作用度を分析するためにも使用できる。

具体的に言えば、主体企業と比較対象企業の類似度を算出する場合、類似度は基準ベクトルと比較対象ベクトル間の距離、及び相似度は基準ベクトルと比較対象ベクトル間の角度から算出するため、その値は一意に定まる。

それに対し、基準主体と比較対象の作用度を算出する場合、作用度は写像から算出するため、基準ベクトルから比較対象ベクトルへの写像と、及び比較対象ベクトルから基準ベクトルへの写像の２つの値が算出できる。

また、ＣＰＵ５０は、基準ベクトルと比較対象ベクトル間の距離、角度、及び写像の大きさの結果に応じたポートフォリオやグラフを作成する。さらに、ＣＰＵ５０は、作成したポートフォリオやグラフを出力部２２に送信し、算出結果として出力するように指示する。

図６を参照して、本発明の第１の実施例を説明する。図６は、Ａ社〜Ｌ社が保有する特許について、ＩＰＣ１〜ＩＰＣ１０の範囲で識別子毎の特許件数をまとめた表(件数表と呼ぶ)を示している。ここで、Ａ社は主体企業であり、Ｂ〜Ｌ社は比較対象企業である。以下では、図６の件数表に基づいて、ＣＰＵ５０が、Ａ社から基準ベクトルを生成する一方、Ｂ社〜Ｌ社から比較対象ベクトルを生成し、類似度、相似度、及び作用度を利用して分析する場合を説明する。

図７（ａ）は、図６に示されたＡ社の件数表から得られた基準ベクトルとＢ〜Ｌ社の件数表から得られた比較対象ベクトル間の距離を示しているグラフである。基準ベクトルと比較対象ベクトル間の距離を算出した場合、ＣＰＵ５０は基準ベクトルと比較対象ベクトルの距離が近いほど、主体企業と比較対象企業間の類似度が高いと判定する。したがって、図７（ａ）を参照することで主体企業と比較対象企業間の類似度を判定することができる。図７（ａ）の例では、主体企業であるＡ社と、比較対象企業であるＦ社、Ｉ社に対応するベクトル間の距離が近い。この結果、使用者はＡ社と類似度の高い比較対象企業はＦ社とＩ社であることが判定できる。

ここで、ＣＰＵ５０は、図７（ａ）のグラフを値の大きさ順に並び替えることが可能である。図７（ａ）を類似度の高い順番に並び替えたグラフが図7（ｂ）である。図７（ｂ）を参照すると、Ａ社と類似度が高い比較対象企業を判定することが容易となる。

さらに、ＣＰＵ５０は、図７（ａ）、または図７（ｂ）の算出結果のうち、使用者が指定する範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図７（ｃ）は、使用者が、Ａ社との距離が４０以下という条件を指定し、ＣＰＵ５０が、Ｆ社とＩ社のみを抽出したグラフである。

図８（ａ）は、図６に示された件数表から得られた基準ベクトルと比較対象ベクトル間の角度を示しているグラフである。基準ベクトルと比較対象ベクトル間の角度を算出した場合、ＣＰＵ５０は基準ベクトルと比較対象ベクトル間の角度が小さいほど、主体企業と比較対象企業間の相似度が高いと判定する。したがって、図８（ａ）を参照することで主体企業と比較対象企業間の類似度を判定することが可能である。図８（ａ）の例では、主体企業であるＡ社と、比較対象企業であるＤ社とＩ社に対応するベクトル間の角度が小さい。この結果、使用者はＡ社と相似度の高い比較対象企業はＤ社とＩ社であることが判定できる。

ここで、ＣＰＵ５０は、角度についても値の大きさ順に並び替えることが可能である。図８（ａ）を相似度の高い順番に並び替えたグラフが、図８（ｂ）である。図８（ｂ）を参照することで、Ａ社と相似度の高い比較対象企業を判定することが容易となる。

また、ＣＰＵ５０は、相似度についても、図８（ａ）、または図８（ｂ）の算出結果のうち、使用者が指定した範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図８（ｃ）は、使用者が、Ａ社との角度が２０以下という条件を指定し、ＣＰＵ５０が、Ｄ社とＩ社を抽出したグラフである。

図９（ａ）は、図６に示された件数表から得られた比較対象ベクトルから基準ベクトルへの写像の大きさを示しているグラフである。比較対象ベクトルから基準ベクトルに対する写像を算出した場合、ＣＰＵ５０は、比較対象ベクトルから基準ベクトルに対する写像の大きさが大きいほど作用度は大きいと判定する。したがって、図９（ａ）を参照することで主体企業に対する比較対象企業間の作用度を判定することができる。図９（ａ）の例では、主体企業であるＡ社に対して、比較対象企業であるＢ社とＤ社に対応するベクトルの写像が大きい。この結果、使用者はＡ社と作用度の高い比較対象企業はＢ社とＤ社であることが判定できる。

ここで、ＣＰＵ５０は、写像についても値の大きさ順に並び替えることが可能である。図９（ａ）を作用度の高い順番に並び替えたグラフが、図９（ｂ）である。図９（ｂ）を参照することで、作用度の高い比較対象企業を判定することが容易となる。

また、ＣＰＵ５０は、作用度についても図９（ａ）、または図９（ｂ）の算出結果のうち、使用者が指定した範囲の値を持つ比較対象企業のみを抽出することも可能である。例えば、図９（ｃ）は、使用者が写像の大きさを６５以上という条件を指定し、ＣＰＵ５０が、Ａ社と作用度の高いＢ社とＤ社を抽出したグラフである。

図７〜９に示しているように、本発明は、主体企業と比較対象企業間の類似度、相似度、及び作用度を算出し、算出した類似度、相似度、及び作用度から、主体企業と比較対象企業間の影響力を個別に又は総合的に判定できる。

また、主体企業と比較対象企業間の影響力は、使用者の目的に応じて、類似度、相似度、及び作用度のいずれかを選択的に用いて評価しても良いし、あるいは、これらの類似度、相似度及び作用度を組み合わせることによって総合的に評価しても良い。

次に、図１０を参照して、写像の算出結果から、主体企業と比較対象企業間の影響力をさらに分析する方法について説明する。ここでは、図６に示された主体企業であるＡ社とし、比較対象企業としてＢ社を例にとって説明する。

図１０（ａ）は、主体企業であるＡ社と、比較対象企業であるＢ社が保有するＩＰＣ１〜ＩＰＣ１０の特許件数について、ＣＰＵ５０が作成したポートフォリオである。また、ＣＰＵ５０は、比較対象ベクトルから基準ベクトルへの写像の内積成分を抽出している。ここで、ＣＰＵ５０は内積成分の大きさ順に、ポートフォリオを並び替える操作を行なうことも可能である。

図１０（ｂ）は、ＣＰＵ５０が、写像の内積成分が大きい技術分野の順に図１０（ａ）のポートフォリオを並び替えたポートフォリオである。図１０（ｂ）を参照することで、主体企業と比較対象企業間の技術分野（即ち、ＩＰＣ）毎の影響力を判定することが可能となる。

例えば、図７〜９に示したように、Ａ社とＢ社におけるベクトル間の距離及び角度は比較的大きく、且つ、写像もＤ社程大きくない。しかしながら、図１０（ｂ）に示すように、内積成分を参照すると、ＩＰＣ４における内積成分は非常に大きくなっている。このことは、ＩＰＣ４で表される特定の技術分野では、相互に影響力が大きいことを示している。

このような場合、ＣＰＵ５０は、図１０（ｂ）によって主体企業と比較対象企業間の総合的な影響力は小さいが、１つの分野に対しては大きな影響力を持っているといったことを判定する。また、主体企業と比較対象企業間の総合的な影響力は大きいが１つ１つの分野の影響力は小さいといったことも判定することが可能となる。

ここで、図１０（ａ）及び（ｂ）に示すように内積成分は、異なるカテゴリの識別子を複数用いて演算しても良いし、異なるカテゴリの識別子を組み合わせて演算しても良い。例えば、特定雑誌に掲載された論文数、研究開発費を識別子として利用しても良いし、これらの識別子をＩＰＣと組み合わせても良い。これによって、詳細に主体企業と比較対象企業間の比較が可能となる。

次に、図１１を参照して、図６に示された主体企業と比較対象企業について、２次元極座標上にマッピングをし、主体企業と比較対象企業の相対的な特許情報を比較する方法について説明する。なお、図１１は、図６の件数表のＡ社を主体企業、Ｂ社〜Ｌ社を比較対象企業としている。

図１１は、比較対象ベクトルの長さと、比較対象ベクトルと基準ベクトル間の角度の差とで、各比較対象企業を２次元極座標上にマッピングしたグラフである。

図１１を得るために、ＣＰＵ５０は、Ａ社〜Ｌ社が保有する特許情報の技術分野を、識別子として使用するＩＰＣ毎に分類する。さらに、ＣＰＵ５０は、比較対象毎に、比較対象ベクトルの大きさと、比較対象ベクトルと基準ベクトル間の角度の差を算出する。次に、比較対象毎に、算出した比較対象ベクトルの大きさを原点からの距離、算出した角度を横軸からの角度として２次元極座標上にプロットする。

一方、基準ベクトルと比較対象ベクトルの角度の差と比較対象ベクトルの大きさの代わりに、基準ベクトルと比較対象ベクトルの距離や写像の大きさから２次元極座標上に比較対象企業をプロットすることも可能である。

さらに、ＣＰＵ５０は、図１１の２次元極座標のグラフの結果から、比較対象企業毎のＡ社に与えた影響力（ここでは、相似度、及び作用度）を算出することが可能である。横軸からの角度が相似度、横軸方向の座標が写像の大きさ、すなわち作用度を示している。以下では、図１１を参照して、第２の実施例を説明する。

例えば、Ｂ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度が大きく、基準ベクトルに対する写像は２番目に大きい。このことは、Ａ社とＢ社は、相似度は低く、作用度は高いことを意味している。

また、Ｉ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は一番小さく、基準ベクトルに対する写像は小さい。このことは、Ａ社とＩ社は、相似度は高く、作用度は低いことを意味している。

さらに、Ｄ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は２番目に小さく、基準ベクトルに対する写像は一番大きい。このことは、Ａ社とＤ社は、相似度、及び作用度の両方が高いことを意味している。

そして、Ｈ社に対応する比較対象ベクトルは、Ａ社に対応する基準ベクトルとの間の角度は大きく、基準ベクトルに対する写像は小さい。このことは、Ａ社とＤ社は、相似度、及び作用度の両方が低いことを意味している。

図１２は、本発明の第３の実施例を説明する図であり、図１２は主体企業であるＡ社と、比較対象企業であるＬ社との間の技術動向の時間的な遷移を分析する例を示している。図１２は、図１１の２次元極座標表示のグラフに、年毎の値をプロットすることで作成している。例えば、Ｌ社について１０年前、５年前、今年の値をプロットしてみると、Ｌ社の技術分野は、主体企業であるＡ社の技術分野から徐々に離れて行く傾向にあることを判定できる。

次に、図１３を参照して、本発明の第４の実施例を説明する。本発明の第４の実施例は、主体企業（Ａ社）と複数の比較対象企業（Ｂ，Ｃ，Ｄ社）間の作用度についてマトリックスを使用して分析する方法である。ここで資産情報は図６を利用している。

図１３では、ＣＰＵ５０が作成したＡ社、Ｂ社、Ｃ社、Ｄ社の４社間の作用度をマトリックス形式で示している。

ここで、ある業界がＡ社、Ｂ社、Ｃ社、Ｄ社の４社から構成されるとする。図１３のマトリックスにおいて、列の値を足し合わせることにより、自社が業界全体に与える作用度を算出することができる。例えば、Ａ社の場合、Ａ社がＢ社に与える作用度は３１、Ｃ社に与える作用度は４０、Ｄ社に与える作用度は５６である。それぞれの作用度を足し合わせた値である１２７は、Ａ社が他社全体に与えた総合的な作用度となる。

また、マトリックスの行に関しても、他社から受ける作用度を足し合わすことで、他社全体から受ける作用度も算出することができる。例えば、Ａ社の場合、Ａ社がＢ社から受ける作用度は６７、Ｃ社から受ける作用度は５８、Ｄ社から受ける作用度は９５である。それぞれを足し合わせた値である２２０はＡ社が他社全体から受ける作用度となる。

Ｂ社、Ｃ社、及びＤ社に関してもＡ社と同様に、他社全体に与えた作用度、及び業界全体から受けた作用度を算出することができる。各社が他社に与えた作用度や他社から受けた作用度を比較することで、業界の中での自社の地位を測定することができる。例えば、図１３では、業界内で最も他社に影響を与えているのはＤ社であり、逆に最も影響を受けているのはＡ社であるといった分析結果を得ることができる。即ち、図１３の例では、業界内で、Ｄ社が最も強く、Ａ社が最も弱いといったことが判定できる。

次に、図１４のフローチャートを参照して、上記した第１〜第４の実施例に共通する本発明のデータ分析装置（図１）における処理の流れを説明する。

最初に、条件入力部２１は主体企業と比較対象企業について、比較条件を表す複数の識別子、主体企業と比較対象企業を受け付ける（ステップＳ１００）。本発明の実施形態において、入力する識別子は、例えば、特許情報を検索するためのＩＰＣである。識別子の入力が無い場合、後のステップにおいては主体企業と比較対象企業の資産情報が付与されている全ての識別子が用いられる。

次に、条件入力部２１は、ステップＳ１００において受け付けた識別子を、通信インターフェース４０を介してＣＰＵ５０に送信する（ステップＳ１０１）。

ＣＰＵ５０は、受信した識別子を記憶装置６０のデータ記憶部６２に格納する。そして、ＣＰＵ５０は、通信インターフェース４０を介して資産情報データベース１０から識別子に応じた主体企業と比較対象企業に関する特許情報を、例えば図６の形式で抽出する。さらに、ＣＰＵ５０は、抽出した特許情報をデータ記憶部６２に格納する（ステップＳ１０２）。

次に、ＣＰＵ５０は、ベクトル生成プログラム６４にしたがい、データ記憶部６２に格納した主体企業の特許情報に基づいて基準ベクトルを生成する。また、ＣＰＵ５０は、データ記憶部６２に格納した比較対象企業の特許情報に基づいて比較対象ベクトルを生成する（ステップＳ１０３）。

条件入力部２１に、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像等のパラメータを算出する命令が入力されている場合（ステップＳ１０４において「ＹＥＳ」と判定）には、ステップＳ１０５に進む。条件入力部２１に内積、距離、角度及び写像を算出する命令が入力されていない場合（ステップＳ１０４において「ＮＯ」と判定）にはステップＳ１０６に進む。

ステップＳ１０４において「ＹＥＳ」と判定された場合、ＣＰＵ５０はベクトル生成プログラム６４にしたがって、基準ベクトルと比較対象ベクトル間の内積、距離、角度、及び写像の少なくとも一つを演算する（ステップＳ１０５）。この場合、ＣＰＵ５０は図７〜１３のようなポートフォリオやグラフを作成することも可能である。

最後に、ＣＰＵ５０は、ステップＳ１０３やステップＳ１０５において算出した、算出結果を出力部２２に表示する（ステップＳ１０６）。例えば、出力部２２は、ステップＳ１０４において、「ＹＥＳ」と判定した場合には図６〜１３の結果を表示し、「ＮＯ」と判定した場合には図６の結果を表示する。

次に、図１５（ａ）及び（ｂ）を参照して、本発明を実現できる最小単位の構成で表されるデータ分析装置について説明する。図１５（ａ）は本発明を実現できるデータ分析装置の最小単位の構成を示すブロック図である。本発明のデータ分析装置はベクトル生成部１によって特徴付けられる。

図１５（ｂ）は、図１５（ａ）に係るデータ分析装置が行う処理の流れを示すフローチャートである。以下で、図１５（ａ）及び（ｂ）を適宜参照しながら、データ分析装置の処理の流れを説明する。

先ず、ベクトル生成部１は分析に利用する識別子、基準主体と比較対象を受け付ける（ステップＳ２００）。次に、ベクトル生成部１は別途設けた資産情報データベースから、基準主体と比較対象について指定された識別子毎の資産情報を抽出する（ステップＳ２０１）。最後に、ベクトル生成部１は、抽出した資産情報に基づき、基準主体に対応する資産情報から基準ベクトルを、比較対象に対応する資産情報から比較対象ベクトルを生成する（ステップＳ２０２）。

上記のフローにより、本発明のデータ分析装置は、基準主体と比較対象の資産情報に基づいて、ベクトルを生成することができる。

また、上記の実施形態の一部又は全部は、以下のようにも記載されうる。なお、以下の付記は本発明を何等限定するものではない。

［付記１］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成する、
ことを特徴とするデータ分析方法。

［付記２］
前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記３］
前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記４］
前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記５］
前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記６］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記７］
前記内積値の大きさ順に前記識別子を出力する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記８］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記９］
前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１０］
複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１１］
複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１２］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１３］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１４］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１５］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析方法。

［付記１６］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成手段として、コンピュータを動作させる、
ことを特徴とするデータ分析プログラム。

［付記１７］
コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記１８］
コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記１９］
コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２０］
コンピュータに、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付けさせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２１］
コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を、値の大きさ順に抽出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２２］
コンピュータに、前記内積値の大きさ順に前記識別子を出力させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２３］
コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２４］
コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出させる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２５］
複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２６］
複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像を算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２７］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２８］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記２９］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記３０］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析プログラム。

［付記３１］
識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成部を備える、
ことを特徴とするデータ分析装置。

［付記３２］
前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３３］
前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３４］
前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３５］
前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３６］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３７］
前記内積値の大きさ順に前記識別子を出力する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３８］
前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記３９］
前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４０］
複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４１］
複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４２］
前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４３］
前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４４］
前記資産情報は有形資産と無形資産の情報の組み合わせである、
ことを特徴とする上記付記に記載のデータ分析装置。

［付記４５］
前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
ことを特徴とする上記付記に記載のデータ分析装置。

本発明によれば、基準主体と比較対象が共通して保有する資産情報があれば、本発明のデータ分析装置、方法及びプログラムが適用できる。例えば、本発明の実施形態のように企業間での比較であれば、売上、利益、コスト、人材等の比較をする際に適用できる。さらに、本発明は、単に企業間の資産情報に留まらず、個人資産情報の分析にも使用できる。

さらに、例えば、本発明のデータ分析装置、方法及びプログラムは、株式市場の分析にも適用することが可能である。各企業の株価収益率（ＰＥＲ）、株価純資産倍率（ＰＢＲ）、自己資本利益率（ＲＯＥ）等の株価指標を識別子とすることで、企業毎の株価分析を行うことも可能である。

この出願は、２０１３年８月２９日に出願された日本出願特願第２０１３−１７７７５２号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。

１ ベクトル生成部
１０ 資産情報データベース
２０ 入出力装置
２１ 条件入力部
２２ 出力部
３０ 処理部
４０ 通信インターフェース
５０ ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
６０ 記憶装置
６１ ＯＳ格納部
６２ データ記憶部
６３ プログラム格納部
６４ ベクトル生成プログラム
７０ 角度
７１ 距離
７２ 射影
７３ ＴｙからＴｘへの写像
７４ ＴｘからＴｙへの写像

Claims (45)

1. 識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成する、
   ことを特徴とするデータ分析方法。
2. 前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
   ことを特徴とする請求項１に記載のデータ分析方法。
3. 前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
   ことを特徴とする請求項１に記載のデータ分析方法。
4. 前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
   ことを特徴とする請求項１に記載のデータ分析方法。
5. 前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
   ことを特徴とする請求項１または３に記載のデータ分析方法。
6. 前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
   ことを特徴とする請求項２または３に記載のデータ分析方法。
7. 前記内積値の大きさ順に前記識別子を出力する、
   ことを特徴とする請求項４に記載のデータ分析方法。
8. 前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
   ことを特徴とする請求項２または３に記載のデータ分析方法。
9. 前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
   ことを特徴とする請求項２に記載のデータ分析方法。
10. 複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
    ことを特徴とする請求項２に記載のデータ分析方法。
11. 複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
    ことを特徴とする請求項２に記載のデータ分析方法。
12. 前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
    ことを特徴とする請求項１〜１１のいずれか１項に記載のデータ分析方法。
13. 前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
    ことを特徴とする請求項１〜１２のいずれか１項に記載のデータ分析方法。
14. 前記資産情報は有形資産と無形資産の情報の組み合わせである、
    ことを特徴とする請求項１〜１３のいずれか１項に記載のデータ分析方法。
15. 前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
    ことを特徴とする請求項１〜１４のいずれか１項に記載のデータ分析方法。
16. 識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成手段として、コンピュータを動作させる、
    ことを特徴とするデータ分析プログラム。
17. コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出させる、
    ことを特徴とする請求項１６に記載のデータ分析プログラム。
18. コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出させる、
    ことを特徴とする請求項１６に記載のデータ分析プログラム。
19. コンピュータに、前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出させる、
    ことを特徴とする請求項１６に記載のデータ分析プログラム。
20. コンピュータに、前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付けさせる、
    ことを特徴とする請求項１６または１８に記載のデータ分析プログラム。
21. コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を、値の大きさ順に抽出させる、
    ことを特徴とする請求項１７または１８に記載のデータ分析プログラム。
22. コンピュータに、前記内積値の大きさ順に前記識別子を出力させる、
    ことを特徴とする請求項１９に記載のデータ分析プログラム。
23. コンピュータに、前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出させる、
    ことを特徴とする請求項１７または１８に記載のデータ分析プログラム。
24. コンピュータに、前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出させる、
    ことを特徴とする請求項１７に記載のデータ分析プログラム。
25. 複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
    ことを特徴とする請求項１７に記載のデータ分析プログラム。
26. 複数の前記比較対象が存在する際に、コンピュータに、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像を算出し足し合わせる、
    ことを特徴とする請求項１７に記載のデータ分析プログラム。
27. 前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
    ことを特徴とする請求項１６〜２６のいずれか１項に記載のデータ分析プログラム。
28. 前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
    ことを特徴とする請求項１６〜２７のいずれか１項に記載のデータ分析プログラム。
29. 前記資産情報は有形資産と無形資産の情報の組み合わせである、
    ことを特徴とする請求項１６〜２８のいずれか１項に記載のデータ分析プログラム。
30. 前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
    ことを特徴とする請求項１６〜２９のいずれか１項に記載のデータ分析プログラム。
31. 識別子が付与された資産情報を受け、指定された基準主体が持つ前記識別子毎の資産量を成分とする基準ベクトルを生成し、指定された比較対象が持つ前記識別子毎の資産量を成分とする比較対象ベクトルを生成するベクトル生成部を備える、
    ことを特徴とするデータ分析装置。
32. 前記基準ベクトルに対する前記比較対象ベクトルの写像と、前記比較対象ベクトルに対する前記基準ベクトルの写像の少なくとも１つを算出する、
    ことを特徴とする請求項３１に記載のデータ分析装置。
33. 前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の少なくとも１つを算出する、
    ことを特徴とする請求項３１に記載のデータ分析装置。
34. 前記基準ベクトルと前記比較対象ベクトル間の前記識別子毎の内積値を算出する、
    ことを特徴とする請求項３１に記載のデータ分析装置。
35. 前記比較対象を、前記比較対象ベクトルの長さと、前記基準ベクトルと前記比較対象ベクトル間の角度差に基づいて、２次元極座標上に位置付ける、
    ことを特徴とする請求項３１または３３に記載のデータ分析装置。
36. 前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離の算出結果を値の大きさ順に抽出する、
    ことを特徴とする請求項３２または３３に記載のデータ分析装置。
37. 前記内積値の大きさ順に前記識別子を出力する、
    ことを特徴とする請求項３４に記載のデータ分析装置。
38. 前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさ、前記基準ベクトルと前記比較対象ベクトル間の角度差、距離について、指定した範囲の数値である算出結果を抽出する、
    ことを特徴とする請求項３２または３３に記載のデータ分析装置。
39. 前記基準ベクトルに対する前記比較対象ベクトルの写像の大きさと、前記比較対象ベクトルに対する前記基準ベクトルの写像の大きさの差を算出する、
    ことを特徴とする請求項３２に記載のデータ分析装置。
40. 複数の前記比較対象が存在する際に、前記比較対象毎に前記比較対象ベクトルから前記基準ベクトルに対する写像の大きさを算出し足し合わせる、
    ことを特徴とする請求項３２に記載のデータ分析装置。
41. 複数の前記比較対象が存在する際に、前記比較対象毎に前記基準ベクトルから前記比較対象ベクトルに対する写像の大きさを算出し足し合わせる、
    ことを特徴とする請求項３２に記載のデータ分析装置。
42. 前記資産情報は特許、実用新案、意匠、商標、著作権のいずれかの情報である、
    ことを特徴とする請求項３１〜４１のいずれか１項に記載のデータ分析装置。
43. 前記資産量は特許、実用新案、意匠、商標、著作権のいずれかの件数である、
    ことを特徴とする請求項３１〜４２のいずれか１項に記載のデータ分析装置。
44. 前記資産情報は有形資産と無形資産の情報の組み合わせである、
    ことを特徴とする請求項３１〜４３のいずれか１項に記載のデータ分析装置。
45. 前記基準ベクトルと前記比較対象ベクトルの少なくとも１つに補正関数を掛け合わせる、
    ことを特徴とする請求項３１〜４４のいずれか１項に記載のデータ分析装置。

Images