WO2010116450A1 - 決定木生成プログラム，決定木生成方法及び決定木生成装置 - Google Patents

決定木生成プログラム，決定木生成方法及び決定木生成装置 Download PDF

Info

Publication number
WO2010116450A1
WO2010116450A1 PCT/JP2009/056488 JP2009056488W WO2010116450A1 WO 2010116450 A1 WO2010116450 A1 WO 2010116450A1 JP 2009056488 W JP2009056488 W JP 2009056488W WO 2010116450 A1 WO2010116450 A1 WO 2010116450A1
Authority
WO
WIPO (PCT)
Prior art keywords
decision tree
constraint condition
attribute
unit
editing
Prior art date
Application number
PCT/JP2009/056488
Other languages
English (en)
French (fr)
Inventor
邦昭 嶋田
松本　安英
幸洋 渡辺
裕二 和田
松原　正純
森本　健司
大塚　浩
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to EP09842960.8A priority Critical patent/EP2416283A4/en
Priority to JP2011508093A priority patent/JP5293810B2/ja
Priority to PCT/JP2009/056488 priority patent/WO2010116450A1/ja
Publication of WO2010116450A1 publication Critical patent/WO2010116450A1/ja
Priority to US13/200,354 priority patent/US8606737B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation

Definitions

  • the present invention relates to a decision tree generation technique for automatically generating a decision tree from a case set.
  • decision trees are used for predictive model construction, decision analysis / optimization, classification problem solving, concept / knowledge description, rule extraction / generation, etc. May be used.
  • a decision tree is a representation of a tree diagram with repeated branching.
  • decision tree automatic generation technique a technique for automatically generating a decision tree from the average information amount (entropy) of each case in a case set has been proposed. JP-A-9-330224
  • the decision tree used so far may not be compatible with the new case. Therefore, the decision tree is periodically regenerated from the case set. There is a need.
  • an operator such as an administrator checks the automatically generated decision tree and uses this as necessary. It must be corrected accordingly. Since the decision tree automatically generated from the case set to which the new case has been added does not reflect the contents corrected by the worker, the worker must make the same correction again. There was a risk that the correction work time would increase.
  • decision tree automatic that reduces the decision work of the decision tree by the operator by introducing the constraint condition that defines the structure of the decision tree and automatically generating the decision tree from the case set It aims to provide generation technology.
  • This decision tree generation technology introduces a new constraint that defines the structure of the decision tree. Then, a decision tree is generated from a case set in which values and conclusions for a plurality of attributes are associated with each other so as to satisfy the structure of the decision tree defined by the constraint conditions.
  • this decision tree generation technique for example, even if a new case is added to the case set, the basic structure of the decision tree is inherited by the constraints, so that the operator can greatly modify the decision tree. The situation of having to be avoided is avoided. For this reason, it is possible to reduce the work of correcting the decision tree by the operator.
  • decision tree generator 10 decision tree generator 12 case DB 12A case set 14 revision history DB 14A revision history 16 decision tree DB 16A decision tree 18 constraint DB 18A Constraint Condition 20 Case Input Unit 22 Decision Tree Generation Unit 24 Difference Display Unit 26 Decision Tree Editing Unit 28 Decision Tree Output Unit 30 Modification History Saving Unit 32 Constraint Condition Generation Unit
  • FIG. 1 shows an embodiment of a decision tree generation apparatus embodying the present technology.
  • the decision tree generation apparatus is intended to generate a decision tree in which the trouble solving procedure of the information system is hierarchized.
  • the decision tree generation apparatus 10 is constructed using a general-purpose computer having an external storage device such as a hard disk.
  • a case DB (database) 12, a modification history DB 14, a decision tree DB 16, and a constraint condition DB 18 are recorded in the external storage device of the decision tree generation apparatus 10, respectively.
  • case DB 12 as shown in FIG.
  • the modification history DB 14 holds a decision tree before editing (FIG. 3) and a decision tree after editing (FIG. 4) as the modification history 14 ⁇ / b> A of the decision tree by the operator.
  • the decision tree correction history 14 may be information that can specify a changed portion from the decision tree before editing, instead of the decision tree itself as shown in FIGS. 3 and 4.
  • the decision tree DB 16 holds, as various decision trees 16A, the automatically generated latest and immediately preceding decision trees and the decision trees that have been corrected or confirmed by the operator.
  • the constraint condition DB 18 holds a constraint condition 18A for defining the structure of the decision tree as follows.
  • the constraint condition 18A at least Ignore (A) that specifies that the attribute A is ignored, and AcceptAfter (A, ⁇ B, that specifies that the attribute A is subordinate to the attributes B, C, and D. C, D ⁇ ), AcceptBefore (A, ⁇ B, C, D ⁇ ) is applied to specify that the attribute A is higher than the attributes B, C, and D.
  • the curly braces ⁇ represent a set of attributes.
  • Ignore (A), AcceptAfter (A, ⁇ B, C, D ⁇ ) and AcceptBefore (A, ⁇ B, C, D ⁇ ) are respectively the first constraint condition, the second constraint condition, and the second constraint condition. This corresponds to the restriction condition 3.
  • the decision tree generation device 10 executes a decision tree generation program stored in the external storage device, so that the case input unit 20, the decision tree generation unit 22, the difference display unit 24, the decision tree editing unit 26, the decision tree The output unit 28, the correction history storage unit 30, and the constraint condition generation unit 32 are implemented.
  • the decision tree generation program is installed in the external storage device of the decision tree generation apparatus 10 from a computer-readable recording medium such as a CD-ROM in which the decision tree generation program is recorded.
  • the case input unit 20 reads the case set 12A from the case DB 12.
  • the decision tree generation unit 22 refers to the constraint condition 18A held in the constraint condition DB 18, and automatically generates a decision tree from 12A read by the case input unit 20.
  • the difference display unit 24 refers to the decision tree DB 16 and displays the difference between the latest decision tree automatically generated by the decision tree generation unit 22 and the immediately preceding decision tree on a display device such as a monitor.
  • the decision tree editing unit 26 provides an editing function for appropriately editing the decision tree automatically generated by the decision tree generation unit 22 in an interactive environment in cooperation with a display device and a pointing device such as a mouse. It should be noted that the edit contents of the decision tree are attribute deletion, addition, movement, and the like.
  • the decision tree output unit 28 stores the decision tree 16A edited by the decision tree editing unit 26 (including the decision tree 16A that has been confirmed only) in the decision tree DB 16.
  • the modification history storage unit 30 stores the modification history of the decision tree edited by the decision tree editing unit 26 in the modification history DB 14.
  • the constraint condition generation unit 18 automatically generates the constraint condition 18A from the modification history 14A while referring to the modification history 14A held in the modification history DB 14, and stores the constraint condition 18A automatically generated in the constraint condition DB 18.
  • the case input unit 20 corresponds to the step of reading the case set and the case input unit, respectively
  • the decision tree generation unit 22 corresponds to the step of generating the decision tree and the decision tree generation unit, respectively.
  • the decision tree editing unit 26 corresponds to the step of editing the decision tree and the decision tree editing unit, respectively
  • the constraint condition generation unit 32 corresponds to the step of generating / saving the constraint condition and the constraint condition generating unit, respectively. .
  • FIG. 5 shows a case input process that is executed when the case input unit 20 receives a decision tree generation instruction from the operator.
  • step 1 abbreviated as “S1” in the figure, the same applies hereinafter
  • the case input unit 20 reads the case set 12A from the case DB 12.
  • step 2 the case input unit 20 transmits a decision tree generation request to the decision tree generation unit 22.
  • FIG. 6 and 7 show a decision tree generation process that is executed when the decision tree generation unit 22 receives a decision tree generation request from the case input unit 20.
  • a decision tree generation process that is executed when the decision tree generation unit 22 receives a decision tree generation request from the case input unit 20.
  • Quinlan JR “induction of decision Trees” Machine Learning, vol.1, No.1, pp81-106 (1986) (http: //www.springerlink.com/content/ku63wm5513224245/fulltext.pdf)
  • step 11 the decision tree generation unit 22 extracts attributes from the case set 12 ⁇ / b> A read by the case input unit 20 and registers all the attributes in the candidate list on the memory.
  • step 12 the decision tree generation unit 22 reads the constraint condition 18 ⁇ / b> A from the constraint condition DB 18.
  • step 13 the decision tree generation unit 22 generates a constraint condition instance obtained by copying the constraint condition 18A on the memory.
  • step 14 the decision tree generation unit 22 deletes the attribute X from the candidate list and the Ignore (X) itself from the constraint condition instance for the constraint condition Ignore (X) (X: attribute). If the constraint condition Ignore (X) does not exist, no change is made to the candidate list and the constraint condition instance.
  • step 15 the decision tree generation unit 22 deletes the attribute A of the constraint condition AcceptAfter (A, ⁇ A1, A2, ..., An ⁇ ) (A, A1, A2, ..., An: attribute) from the candidate list. . Note that if the constraint condition AcceptAfter (A, ⁇ A1, A2,..., An ⁇ ) does not exist, no change is made to the candidate list.
  • step 16 the decision tree generation unit 22 creates a root node N and makes all cases belong to the root node N.
  • the decision tree generation unit 22 determines whether the causes Y of the cases belonging to the root node N are all the same. If the cause Y of each case is not identical, the decision tree generation unit 22 proceeds to step 18 (No), while if the cause Y of each case is identical, the process proceeds to step 26. (Yes).
  • step 18 the decision tree generation unit 22 divides the case set C by the value of a certain attribute a i , and calculates a reduction amount of the average information amount (entropy) representing the probability distribution bias. Instead of the average amount of information, other indicators such as Gini index and information gain may be used.
  • step 19 the decision tree generation unit 22 selects the attribute a k having the largest amount of decrease in the average information amount.
  • step 20 the decision tree generator 22 determines whether or not the attribute ak is included in the attribute set ⁇ B1, B2,..., Bn ⁇ of each constraint condition AcceptBefore (B, ⁇ B1, B2,..., Bn ⁇ ). Determine whether. If the attribute set ⁇ B1, B2,..., Bn ⁇ does not include the attribute ak , the decision tree generation unit 22 proceeds to step 21 (No), while the attribute set ⁇ B1, B2,. , Bn ⁇ includes the attribute ak, the process proceeds to step 24 (Yes).
  • step 21 the decision tree generation unit 22 determines whether or not the attribute ak is included in the attribute set ⁇ A1, A2,..., An ⁇ of each constraint condition AcceptAfter (A, ⁇ A1, A2,..., An ⁇ ). Determine whether. If the attribute set ⁇ A1, A2,..., An ⁇ does not include the attribute ak , the decision tree generation unit 22 proceeds to step 22 (No), while the attribute set ⁇ A1, A2,. , An ⁇ includes the attribute ak, the process proceeds to step 25 (Yes).
  • step 22 the decision tree generation unit 22 deletes the attribute a k from the candidate list.
  • step 23 decision tree generator 22, the label of the root node N as an attribute a k, to create a child node N j of the root node N, to belong to Case C k to each child node N j.
  • step 24 if the attribute tree B of the constraint condition AcceptBefore (B, ⁇ B1, B2,..., Bn ⁇ ) is not adopted, the decision tree generator 22 sets the attribute ak to the attribute B and performs the processing. Proceed to step 22. In step 25, the decision tree generation unit 22 deletes the attribute ak from the attribute set ⁇ A1, A2,..., An ⁇ of the constraint condition AcceptAfter (A, ⁇ A1, A2,. Proceed to 22. When the attribute set becomes empty, the decision tree generation unit 22 adds the attribute A to the candidate list and deletes the constraint condition AcceptAfter () from the constraint instance.
  • step 26 the decision tree generator 22 labels cause Y on the root node.
  • step 27 the decision tree generation unit 22 determines whether all recursion processing has been completed. Then, the decision tree generation unit 22 advances the process to step 27 if all recursive processes are completed (Yes), and returns the process to step 17 if all recursive processes are not completed (No). .
  • step 28 the decision tree generation unit 22 stores the decision tree automatically generated in the processing of steps 11 to 27 in the decision tree DB 16.
  • the decision tree generation unit 22 transmits a decision tree difference display request to the difference display unit 24.
  • the constraint DB 18 includes Ignore (delayed processing), AcceptBefore (delayed time, ⁇ effect due to load level ⁇ ) as a constraint 18A for defining the structure of the decision tree shown in FIG. Is held.
  • FIG. 11 illustrates a difference display process that is executed when the difference display unit 24 receives a difference display request from the decision tree generation unit 22.
  • the difference display unit 24 reads the latest decision tree and the immediately preceding decision tree from the decision tree DB 16.
  • the difference display unit 24 extracts the difference between the latest decision tree and the immediately preceding decision tree.
  • step 33 the difference display unit 24 visually displays the changed part of the decision tree specified by the difference.
  • “visually displayed” means that an image is output to a display device such as a monitor so that the operator can see it.
  • step 34 the difference display unit 24 transmits a decision tree editing start request to the decision tree editing unit 26. The editing start request is transmitted to the decision tree editing unit 26 when the operator instructs to end the difference display.
  • FIG. 12 shows a decision tree editing process that is executed when the decision tree editing unit 26 receives an edit start request from the difference display unit 24.
  • the decision tree editing unit 26 appropriately edits the decision tree generated by the decision tree generation unit 22 in accordance with the operator's instruction.
  • the decision tree editing unit 26 determines whether or not the editing process should be ended, for example, based on whether or not an editing end instruction has been given by the operator. If the decision tree editing unit 26 ends the editing process, the process proceeds to step 43 (Yes). If the editing process is not ended, the process returns to step 41 (No).
  • step 43 the decision tree editing unit 26 transmits a start request for notifying that the respective processes should be started to the decision tree output unit 28 and the correction history storage unit 30, respectively.
  • FIG. 13 shows a decision tree output process that is executed when the decision tree output unit 28 receives a start request from the decision tree editing unit 26.
  • step 51 the decision tree output unit 28 stores the decision tree edited by the decision tree editing unit 26 in the decision tree DB 16.
  • FIG. 14 shows a correction history storage process that is executed when the correction history storage unit 30 receives a start request from the decision tree editing unit 26.
  • the modification history storage unit 30 stores the decision tree before editing by the decision tree editing unit 26 in the modification history DB 14.
  • a decision tree before editing a decision tree after editing stored in the correction history DB 14 may be used.
  • step 62 the modification history storage unit 30 stores the decision tree edited by the decision tree editing unit 26 in the modification history DB 14.
  • the correction history storage unit 30 transmits a constraint condition generation request to the constraint condition generation unit 32.
  • FIG. 15 shows a constraint condition generation process that is executed when the constraint condition generation unit 32 receives a generation request from the correction history storage unit 30.
  • step 71 the constraint condition generation unit 32 reads the undecided decision tree and the edited decision tree from the correction history DB 14, respectively.
  • step 72 the constraint condition generation unit 32 extracts a difference between the decision tree before editing and the decision tree after editing.
  • the difference between the decision tree before editing and the decision tree after editing for example, the attribute deleted in the decision tree before editing, the added attribute, the attribute moved to a position close to the route, and the route The attribute moved to a far position is extracted.
  • step 73 the constraint condition generation unit 32 generates a constraint condition Ignore (deleted attribute) when there is an attribute deleted in the decision tree before editing.
  • step 74 when there is an attribute added in the decision tree before editing, the constraint condition generation unit 32 generates a constraint condition AcceptBefore (added attribute, ⁇ attribute set positioned below it) ⁇ .
  • step 75 when there is an attribute that has been moved to a position close to the root in the decision tree before editing, the constraint condition generation unit 32 sets the constraint condition AcceptBefore (the attribute that has been moved, ⁇ attribute set positioned below it) ⁇ Is generated.
  • step 76 if there is an attribute moved to a position far from the root in the decision tree before editing, the constraint condition generation unit 32 receives a constraint condition AcceptAfter (move attribute, ⁇ attribute set positioned higher than that ⁇ ) Is generated.
  • step 77 the constraint condition generation unit 32 stores the constraint conditions generated in steps 73 to 76 in the constraint condition DB 18.
  • a decision tree before editing (FIG. 3) and a decision tree after editing (FIG. 4) are read from the correction history DB 14, respectively.
  • reason for delay has been deleted, and “delayed time” before “effect due to high or low load” What has been added is extracted.
  • constraint condition Ignore (reason for delay) is generated, while “time late” is added before “effect due to load level” As a result, the constraint condition AcceptBefore (when it is late, ⁇ the effect of the load level ⁇ ) is generated. Thereafter, these constraint conditions are stored in the constraint condition DB 18.
  • the constraint condition 18A that defines the structure of the decision tree is generated from the modification history 14A of the decision tree by the operator. Then, a decision tree is generated from the case set 12A so as to satisfy the decision tree structure defined by the constraint condition 18A. For this reason, even if a new case is added to the case set 12A, the basic structure of the decision tree is inherited, so that a situation in which the operator has to greatly modify the decision tree is avoided. Therefore, it is possible to reduce the work of correcting the decision tree by the operator.
  • the constraint condition 18A that defines the structure of the decision tree is automatically generated from the modification history 14A of the decision tree, so that it is possible to save labor required to create it.
  • the constraint condition 18A that defines the structure of the decision tree may be created by an operator who edits the decision tree and stored in the constraint condition DB 18.
  • the correction history DB 14, the correction history storage unit 30, and the constraint condition generation unit 32 are unnecessary.
  • the difference display part 24 does not necessarily need to be mounted.
  • the case DB 12 and the decision tree DB 16 may be recorded in an external storage device outside the decision tree generation apparatus 10.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

　決定木の構造を規定する制約条件が保存された制約条件ＤＢを参照し、複数の属性に対する値及び結論が関連付けられた事例集合から、制約条件により規定される決定木の構造を満たすように決定木を生成する。このため、例えば、事例集合に新たな事例が追加されても、制約条件により決定木の基本的な構造が承継されることから、作業者が決定木を大幅に修正しなければならないという事態が回避される。従って、作業者による決定木の修正作業を軽減させることができる。

Description

決定木生成プログラム，決定木生成方法及び決定木生成装置
　本発明は、事例集合から決定木を自動生成する決定木生成技術に関する。
　統計的決定理論，人工知能，機械学習，データマイニングなどの分野において、予想モデル構築，意思決定分析・最適化，分類問題の解決，概念・知識の記述，ルールの抽出・生成などに決定木が利用されることがある。決定木は、分岐の繰り返しを階層化して樹形図で表現したものである。決定木の自動生成技術として、事例集合における各事例の平均情報量（エントロピー）などから、決定木を自動生成する技術が提案されている。
特開平９－３３０２２４号公報
　ところで、事例集合に新規事例が次々と追加される場合には、それまで利用していた決定木が新規事例に適合しなくなるおそれがあるため、定期的に、事例集合から決定木を再生成する必要がある。また、従来提案技術で自動生成された決定木は、必ずしも事例集合に適合しているといえないため、管理者などの作業者が自動生成された決定木を確認し、これを必要に応じて適宜修正しなければならない。そして、新規事例が追加された事例集合から自動生成された決定木には、作業者が修正した内容が反映されていないことから、作業者は再度同一の修正を行わなければならず、決定木の修正作業時間が増加してしまうおそれがあった。
　そこで、このような問題点に鑑み、決定木の構造を規定する制約条件を導入して、事例集合から決定木を自動生成することで、作業者による決定木の修正作業を軽減した決定木自動生成技術を提供することを目的とする。
　この決定木生成技術では、決定木の構造を規定する制約条件を新たに導入する。そして、複数の属性に対する値及び結論が関連付けられた事例集合から、制約条件により規定される決定木の構造を満たすように決定木を生成する。
　この決定木生成技術によれば、例えば、事例集合に新たな事例が追加されても、制約条件により決定木の基本的な構造が承継されることから、作業者が決定木を大幅に修正しなければならないという事態が回避される。このため、作業者による決定木の修正作業を軽減させることができる。
本技術を具現化した決定木生成装置の一実施形態を示す構成図である。 事例ＤＢに保持される事例集合の説明図である。 修正履歴ＤＢに保持される編集前の決定木の説明図である。 修正履歴ＤＢに保持される編集後の決定木の説明図である。 事例入力部が実行する事例入力処理のフローチャートである。 決定木生成部が実行する決定木生成処理のフローチャートである。 決定木生成部が実行する決定木生成処理のフローチャートである。 特定の事例集合から決定木を生成するまでの処理において、最初に生成される決定木の説明図である。 特定の事例集合から決定木を生成するまでの処理において、中間で生成される決定木の説明図である。 特定の事例集合から決定木を生成するまでの処理において、最終的に生成される決定木の説明図である。る。 差分表示部が実行する差分表示処理のフローチャートである。 決定木編集部が実行する決定木編集処理のフローチャートである。 決定木出力部が実行する決定木出力処理のフローチャートである。 修正履歴保存部が実行する修正履歴保存処理のフローチャートである。 制約条件生成部が実行する制約条件生成処理のフローチャートである。
符号の説明
　　１０　　決定木生成装置
　　１２　　事例ＤＢ
　　１２Ａ　事例集合
　　１４　　修正履歴ＤＢ
　　１４Ａ　修正履歴
　　１６　　決定木ＤＢ
　　１６Ａ　決定木
　　１８　　制約条件ＤＢ
　　１８Ａ　制約条件
　　２０　　事例入力部
　　２２　　決定木生成部
　　２４　　差分表示部
　　２６　　決定木編集部
　　２８　　決定木出力部
　　３０　　修正履歴保存部
　　３２　　制約条件生成部
　以下、添付された図面を参照して本技術を詳述する。
　図１は、本技術を具現化した決定木生成装置の一実施形態を示す。なお、この決定木生成装置は、本実施形態では、情報システムのトラブル解決手順を階層化した決定木を生成することを目的とするが、この目的に限定されるものではない。
　決定木生成装置１０は、ハードディスクなどの外部記憶装置を備えた汎用コンピュータを用いて構築される。決定木生成装置１０の外部記憶装置には、事例ＤＢ（データベース）１２、修正履歴ＤＢ１４、決定木ＤＢ１６及び制約条件ＤＢ１８が夫々記録される。事例ＤＢ１２には、情報システムのトラブルに関する事例集合１２Ａとして、図２に示すように、各事例（事例１～４）について、決定木の属性（分岐条件ａ1～ａ3）に対する値及び原因（結論）を関連付けたレコードの集合が保持される。修正履歴ＤＢ１４には、作業者による決定木の修正履歴１４Ａとして、図３及び図４に示すように、編集前の決定木（図３）及び編集後の決定木（図４）が保持される。なお、決定木の修正履歴１４としては、図３及び図４に示すような決定木そのものではなく、編集前の決定木からの変更箇所を特定可能な情報を用いるようにしてもよい。決定木ＤＢ１６には、各種決定木１６Ａとして、自動生成された最新及びその直前の決定木、並びに、作業者による修正又は確認を経た決定木が保持される。制約条件ＤＢ１８には、次のように、決定木の構造を規定するための制約条件１８Ａが保持される。
　ここでは、制約条件１８Ａの一例として、少なくとも、属性Ａを無視することを規定するIgnore(A)、属性Ａが属性Ｂ，Ｃ，Ｄの下位にあることを規定するAcceptAfter(A,{B,C,D})、属性Ａが属性Ｂ，Ｃ，Ｄの上位にあることを規定するAcceptBefore(A,{B,C,D})を適用する。なお、中括弧{}は、属性の集合を表している。ここで、Ignore(A)、AcceptAfter(A,{B,C,D})及びAcceptBefore(A,{B,C,D})は、夫々、第１の制約条件、第２の制約条件及び第３の制約条件に該当する。
　また、決定木生成装置１０では、外部記憶装置に記憶された決定木生成プログラムを実行することで、事例入力部２０、決定木生成部２２、差分表示部２４、決定木編集部２６、決定木出力部２８、修正履歴保存部３０及び制約条件生成部３２が夫々具現化される。なお、決定木生成装置１０の外部記憶装置には、決定木生成プログラムが記録されたＣＤ－ＲＯＭなどのコンピュータ読取可能な記録媒体から、決定木生成プログラムがインストールされる。
　事例入力部２０は、事例ＤＢ１２から事例集合１２Ａを読み込む。決定木生成部２２は、制約条件ＤＢ１８に保持される制約条件１８Ａを参照し、事例入力部２０により読み込まれた１２Ａから決定木を自動生成する。差分表示部２４は、決定木ＤＢ１６を参照し、決定木生成部２２により自動生成された最新の決定木とその直前の決定木との差分を、モニタなどの表示装置に表示する。決定木編集部２６は、表示装置及びマウスなどのポインティングデバイスと協働したインタラクティブ環境で、決定木生成部２２により自動生成された決定木を適宜編集する編集機能を提供する。なお、決定木の編集内容としては、属性の削除，追加，移動などが想定される。決定木出力部２８は、決定木編集部２６により編集された決定木１６Ａ（確認のみ行われた決定木１６Ａも含む）を決定木ＤＢ１６に保存する。修正履歴保存部３０は、決定木編集部２６により編集された決定木の修正履歴を修正履歴ＤＢ１４に保存する。制約条件生成部１８は、修正履歴ＤＢ１４に保持された修正履歴１４Ａを参照しつつ、修正履歴１４Ａから制約条件１８Ａを自動生成し、制約条件ＤＢ１８に自動生成した制約条件１８Ａを保存する。
　ここで、事例入力部２０が、事例集合を読み込むステップ及び事例入力手段に夫々該当すると共に、決定木生成部２２が、決定木を生成するステップ及び決定木生成手段に夫々該当する。また、決定木編集部２６が、決定木を編集するステップ及び決定木編集手段に夫々該当すると共に、制約条件生成部３２が、制約条件を生成・保存するステップ及び制約条件生成手段に夫々該当する。
　図５は、事例入力部２０が、作業者により決定木生成指示があったことを契機として実行する事例入力処理を示す。
　ステップ１（図では「Ｓ１」と略記する。以下同様。）では、事例入力部２０が、事例ＤＢ１２から事例集合１２Ａを読み込む。
　ステップ２では、事例入力部２０が、決定木生成部２２に対して決定木の生成依頼を送信する。
　図６及び図７は、決定木生成部２２が、事例入力部２０から決定木の生成依頼があったことを契機として実行する決定木生成処理を示す。なお、決定木を生成する詳細処理については、公知のＣ４．５を説明する、Quinlan, J.R “induction of decision Trees” Machine Learning, vol.1, No.1, pp81-106(1986) (http://www.springerlink.com/content/ku63wm5513224245/fulltext.pdf)などを参照されたし。
　ステップ１１では、決定木生成部２２が、事例入力部２０により読み込まれた事例集合１２Ａから属性を抽出し、メモリ上の候補リストに全ての属性を登録する。
　ステップ１２では、決定木生成部２２が、制約条件ＤＢ１８から制約条件１８Ａを読み込む。
　ステップ１３では、決定木生成部２２が、メモリ上に制約条件１８Ａをコピーした制約条件インスタンスを生成する。
　ステップ１４では、決定木生成部２２が、制約条件Ignore(X)（Ｘ：属性）について、候補リストから属性Ｘを削除すると共に、制約条件インスタンスからIgnore(X)そのものを削除する。なお、制約条件Ignore(X)が存在しない場合には、候補リスト及び制約条件インスタンスには何ら変更がなされない。
　ステップ１５では、決定木生成部２２が、候補リストから、制約条件AcceptAfter(A,{A1,A2,…,An})（Ａ,Ａ1,Ａ2,…,Ａn：属性）の属性Ａを削除する。なお、制約条件AcceptAfter(A,{A1,A2,…,An})が存在しない場合には、候補リストには何ら変更がなされない。
　ステップ１６では、決定木生成部２２が、ルートノードＮを作成し、全ての事例をルートノードＮに所属させる。
　ステップ１７では、決定木生成部２２が、ルートノードＮに所属する各事例の原因Ｙが全て同一か否かを判定する。そして、決定木生成部２２が、各事例の原因Ｙが全て同一でなければ処理をステップ１８へと進む一方（Ｎｏ）、各事例の原因Ｙが全て同一であれば処理をステップ２６へと進める（Ｙｅｓ）。
　ステップ１８では、決定木生成部２２が、事例集合Ｃをある属性ａiの値で分割し、確率分布の偏りを表す平均情報量（エントロピー）の減少量を演算する。平均情報量の代わりに、Giniインデックス、Information gain等の他の指標を用いてもよい。
　ステップ１９では、決定木生成部２２が、平均情報量の減少量が一番大きい属性ａkを選択する。
　ステップ２０では、決定木生成部２２が、各制約条件AcceptBefore(B,{B1,B2,…,Bn})の属性集合{B1,B2,…,Bn}に属性ａkが含まれているか否かを判定する。そして、決定木生成部２２が、属性集合{B1,B2,…,Bn}に属性ａkが含まれていなければ処理をステップ２１へと進める一方（Ｎｏ）、属性集合{B1,B2,…,Bn}に属性ａkが含まれていれば処理をステップ２４へと進める（Ｙｅｓ）。
　ステップ２１では、決定木生成部２２が、各制約条件AcceptAfter(A,{A1,A2,…,An})の属性集合{A1,A2,…,An}に属性ａkが含まれているか否かを判定する。そして、決定木生成部２２が、属性集合{A1,A2,…,An}に属性ａkが含まれていなければ処理をステップ２２へと進める一方（Ｎｏ）、属性集合{A1,A2,…,An}に属性ａkが含まれていれば処理をステップ２５へと進める（Ｙｅｓ）。
　ステップ２２では、決定木生成部２２が、候補リストから属性ａkを削除する。
　ステップ２３では、決定木生成部２２が、ルートノードＮのラベルを属性ａkとして、ルートノードＮの子ノードＮjを作成し、各子ノードＮjに事例Ｃkを所属させる。その後、決定木生成部２２が、各子ノードＮjについて、ルートノードＮ＝子ノードＮj、事例集合Ｃ＝事例Ｃkとしてステップ１７以降の処理を再帰的に実行すべく、処理をステップ１７へと戻す。
　ステップ２４では、決定木生成部２２が、制約条件AcceptBefore(B,{B1,B2,…,Bn})の属性Ｂが採用されていなければ、その属性Ｂに属性ａkを設定し、処理をステップ２２へと進める。
　ステップ２５では、決定木生成部２２が、制約条件AcceptAfter(A,{A1,A2,…,An})の属性集合{A1,A2,…,An}から属性ａkを削除し、処理をステップ２２へと進める。なお、属性集合が空になった場合には、決定木生成部２２が、候補リストに属性Ａを追加すると共に、制約インスタンスから制約条件AcceptAfter()を削除する。
　ステップ２６では、決定木生成部２２が、ルートノードに原因Ｙをラベル付ける。
　ステップ２７では、決定木生成部２２が、全ての再帰処理が終了したか否かを判定する。そして、決定木生成部２２が、全ての再帰処理が終了したならば処理をステップ２７へと進める一方（Ｙｅｓ）、全ての再帰処理が終了していなければ処理をステップ１７へと戻す（Ｎｏ）。
　ステップ２８では、決定木生成部２２が、ステップ１１～ステップ２７の処理で自動生成された決定木を決定木ＤＢ１６に保存する。
　ステップ２９では、決定木生成部２２が、差分表示部２４に対して決定木の差分表示依頼を送信する。
　ここで、決定木生成処理の理解を容易ならしめることを目的として、図２の事例集合から決定木を生成するまでの処理を説明する。なお、制約条件ＤＢ１８には、図４に示す決定木の構造を規定するための制約条件１８Ａとして、Ignore(遅延している処理)、AcceptBefore(遅くなった時期，{負荷の高低による影響})が保持されているものとする。
　決定木生成処理の実行が開始されると、候補リストに、「遅延している処理」，「遅くなった時期」及び「負荷の高低による影響」が夫々登録される。また、制約条件ＤＢ１８から制約条件１８Ａが読み込まれ、これをコピーした制約条件インスタンス、即ち、Ignore(遅延している処理)、AcceptBefore(遅くなった時期，{負荷の高低による影響})が生成される。制約条件インスタンスが生成されると、そこに制約条件Ignore(遅延している処理)が存在するため、候補リストから「遅延している処理」が削除されると共に、制約条件インスタンスからIgnore(遅延している処理)が削除される。この結果、候補リストには、「遅くなった時期」及び「負荷の高低による影響」が登録される一方、制約条件インスタンスには、AcceptBefore(遅くなった時期，{負荷の高低による影響})が保持されることとなる。制約条件インスタンスには制約条件AcceptAfter(A,{A1,A2,…,An})が存在していないので、ルートノードＮを作成して、事例１～４をルートノードＮに所属させる（Ｎ＝{事例１，事例２，事例３，事例４}）。
　ルートノードＮに所属する事例１～４の原因が同一でないので、これを候補リストに登録された「遅くなった時期」及び「負荷の高低による影響」で夫々分割し、その平均情報量の減少量を演算する。「遅くなった時期」と「負荷の高低による影響」では、「遅くなった時期」の方が平均情報量の減少量が大きいので、属性ａkとして「遅くなった時期」が選択される。また、制約条件インスタンスAcceptBefore(遅くなった時期，{負荷の高低による影響})の属性集合{負荷の高低による影響}に「遅くなった時期」が含まれておらず、かつ、制約条件インスタンスにAcceptAfter()が保持されていないので、候補リストから「遅くなった時期」が削除される。この結果、候補リストには、「負荷の高低による影響」のみが登録されることとなる。そして、図８に示すように、ルートノードＮのラベルを「遅くなった時期」として、その分岐条件数に応じた２つの子ノードＮjに、分岐条件に適合した事例集合Ｃkを夫々従属させる。その後、各子ノードＮjについて、ルートノードＮ＝Ｎj、事例集合Ｃ＝Ｃkとして再帰処理が実行される。
　遅くなった時期が特定の時期からの場合、ルートノードＮ＝{事例２}となり、その原因Ｙ（業務量増加に伴うＣＰＵ負荷）が全て同一であるので、ルートノードＮに「業務量増加に伴うＣＰＵ負荷」がラベル付けられる。一方、遅くなった時期が稼動当初からの場合、ルートノードＮ＝{事例１，事例３，事例４}となり、その原因Ｙが全て同一ではない。このため、ルートノードＮに所属する事例１、事例３及び事例４を候補リストに登録された「負荷の高低による影響」で夫々分割し、その平均情報量の減少量を演算する。平均情報量の減少量が一番大きい属性は「負荷の高低による影響」であるので、属性ａkとして「負荷の高低による影響」が選択される。また、制約条件インスタンスAcceptBefore(遅くなった時期，{負荷の高低による影響})の属性集合{負荷の高低による影響}に「負荷の高低による影響」が含まれているが、これは採用されているため制約条件インスタンスを変更せず、候補リストから「負荷の高低による影響」が削除される。この結果、候補リストは空になる。そして、図９に示すように、ルートノードＮのラベルを「負荷の高低による影響」として、その分岐条件数に応じた２つの子ノードＮjに、分岐条件に適合した事例集合Ｃkを夫々従属させる。その後、各子ノードＮjについて、ルートノードＮ＝Ｎj、事例集合Ｃ＝Ｃkとして再帰処理が実行される。
　負荷の高低による影響が単体でも遅いの場合、ルートノードＮ＝{事例１，事例４}となり、その原因Ｙ（ウイルススキャンによる遅延）が全て同一であるので、ルートノードＮに「ウイルススキャンによる遅延」がラベル付けられる。一方、負荷の高低による影響が単体では速いの場合、ルートノードＮ＝{事例３}となり、その原因Ｙ（大量ログ出力によるレスポンス遅延）が全て同一であるので、ルートノードＮに「大量ログ出力によるレスポンス遅延」がラベル付けられる。そして、全ての再帰処理が終了したため、最終的に図１０に示すような決定木が生成される。
　図１１は、差分表示部２４が、決定木生成部２２から差分表示依頼があったことを契機として実行する差分表示処理を示す。
　ステップ３１では、差分表示部２４が、決定木ＤＢ１６から最新の決定木とその直前の決定木を読み込む。
　ステップ３２では、差分表示部２４が、最新の決定木とその直前の決定木の差分を抽出する。
　ステップ３３では、差分表示部２４が、差分により特定される決定木の変更箇所を可視的に表示する。ここで、「可視的に表示」とは、作業者が目視可能なように、イメージをモニタなどの表示装置に出力することをいう。
　ステップ３４では、差分表示部２４が、決定木編集部２６に対して決定木の編集開始依頼を送信する。なお、編集開始依頼は、作業者により差分表示を終了することが指示されたときに、決定木編集部２６に対して送信される。
　図１２は、決定木編集部２６が、差分表示部２４から編集開始依頼があったことを契機として実行する決定木編集処理を示す。
　ステップ４１では、決定木編集部２６が、作業者の指示に従って、決定木生成部２２により生成された決定木を適宜編集する。
　ステップ４２では、決定木編集部２６が、例えば、作業者により編集終了指示がなされたか否かを介して、編集処理を終了すべきか否かを判定する。そして、決定木編集部２６が、編集処理を終了するならば処理をステップ４３へと進める一方（Ｙｅｓ）、編集処理を終了しないのであれば処理をステップ４１へと戻す（Ｎｏ）。
　ステップ４３では、決定木編集部２６が、決定木出力部２８及び修正履歴保存部３０に対して、各処理を開始すべきことを通知する開始依頼を夫々送信する。
　図１３は、決定木出力部２８が、決定木編集部２６から開始依頼があったことを契機として実行する決定木出力処理を示す。
　ステップ５１では、決定木出力部２８が、決定木編集部２６により編集された決定木を決定木ＤＢ１６に保存する。
　図１４は、修正履歴保存部３０が、決定木編集部２６から開始依頼があったことを契機として実行する修正履歴保存処理を示す。
　ステップ６１では、修正履歴保存部３０が、決定木編集部２６による編集前の決定木を修正履歴ＤＢ１４に保存する。編集前の決定木としては、修正履歴ＤＢ１４に保存されている編集後の決定木を用いてもよい。
　ステップ６２では、修正履歴保存部３０が、決定木編集部２６による編集後の決定木を修正履歴ＤＢ１４に保存する。
　ステップ６２では、修正履歴保存部３０が、制約条件生成部３２に対して制約条件の生成依頼を送信する。
　図１５は、制約条件生成部３２が、修正履歴保存部３０から生成依頼があったことを契機として実行する制約条件生成処理を示す。
　ステップ７１では、制約条件生成部３２が、修正履歴ＤＢ１４から編集前の決定木と編集後の決定木を夫々読み込む。
　ステップ７２では、制約条件生成部３２が、編集前の決定木と編集後の決定木との差分を抽出する。ここで、編集前の決定木と編集後の決定木との差分としては、例えば、編集前の決定木において削除された属性、追加された属性、ルートに近い位置に移動された属性及びルートから遠い位置に移動された属性が抽出される。
　ステップ７３では、制約条件生成部３２が、編集前の決定木において削除された属性があった場合、制約条件Ignore(削除された属性)を生成する。
　ステップ７４では、制約条件生成部３２が、編集前の決定木において追加された属性があった場合、制約条件AcceptBefore(追加された属性，{その下位に位置する属性集合})を生成する。
　ステップ７５では、制約条件生成部３２が、編集前の決定木においてルートに近い位置に移動された属性があった場合、制約条件AcceptBefore(移動された属性，{その下位に位置する属性集合})を生成する。
　ステップ７６では、制約条件生成部３２が、編集前の決定木においてルートから遠い位置に移動された属性があった場合、制約条件AcceptAfter(移動された属性，{その上位に位置する属性集合})を生成する。
　ステップ７７では、制約条件生成部３２が、ステップ７３～ステップ７６で生成した制約条件を制約条件ＤＢ１８に保存する。
　ここで、制約条件生成処理の理解を容易ならしめることを目的として、図３及び図４に示す編集前後の決定木から、制約条件を生成するまでの処理を説明する。
　制約条件生成処理の実行が開始されると、修正履歴ＤＢ１４から、編集前の決定木（図３）及び編集後の決定木（図４）が夫々読み込まれる。また、編集前の決定木と編集後の決定木との差分として、「遅延している理由」が削除されたこと、及び、「遅くなった時期」が「負荷の高低による影響」の前に追加されたことが抽出される。そして、「遅延している理由」が削除されたことから、制約条件Ignore(遅延している理由)が生成される一方、「遅くなった時期」が「負荷の高低による影響」の前に追加されたことから、制約条件AcceptBefore(遅くなった時期，{負荷の高低による影響})が夫々生成される。その後、これらの制約条件が制約条件ＤＢ１８に保存される。
　かかる決定木生成装置１０によれば、作業者による決定木の修正履歴１４Ａから、決定木の構造を規定する制約条件１８Ａが生成される。そして、制約条件１８Ａにより規定される決定木の構造を満たすように、事例集合１２Ａから決定木が生成される。このため、事例集合１２Ａに新たな事例が追加されても、決定木の基本的な構造が承継されることから、作業者が決定木を大幅に修正しなければならないという事態が回避される。従って、作業者による決定木の修正作業を軽減させることができる。
　このとき、決定木の構造を規定する制約条件１８Ａは、決定木の修正履歴１４Ａから自動的に生成されるため、その作成に要する労力を省くことができる。また、決定木の構造を規定する制約条件１８Ａは、少なくとも、Ignore(A)、AcceptAfter(A,{B,C,D})及びAcceptBefore(A,{B,C,D})の３つで表現されるため、制御が複雑となることを防止することができる。さらに、AcceptAfter(A,{B,C,D})及びAcceptBefore(A,{B,C,D})において、第２引数は集合で表現されるため、複雑な決定木であってもその構造を規定することができる。その他、決定木の編集を開始する前に、最新の決定木とその直前の決定木との差分が表示装置に表示されるため、作業者は、どこを修正すべきかを容易に判断することができる。
　なお、決定木の構造を規定する制約条件１８Ａは、決定木を編集する作業者などが作成し、制約条件ＤＢ１８に保存するようにしてもよい。この場合には、修正履歴ＤＢ１４、修正履歴保存部３０及び制約条件生成部３２は不要である。また、差分表示部２４は、かならずしも実装しなくともよい。さらに、事例ＤＢ１２及び決定木ＤＢ１６は、決定木生成装置１０の外部にある外部記憶装置に記録されていてもよい。

Claims (10)

  1. 　決定木の構造を規定する制約条件が記憶された外部記憶装置を有するコンピュータに、
    　複数の属性に対する値及び結論が関連付けられた事例集合を読み込む事例入力部と、
    　前記外部記憶装置から制約条件を読み込み、該制約条件により規定される決定木の構造を満たすように、前記事例入力部により読み込まれた事例集合から決定木を生成する決定木生成部と、
    　を実現させることを特徴とする決定木生成プログラム。
  2. 　前記コンピュータに、
    　作業者の指示に従って、前記決定木生成部により生成された決定木を編集する決定木編集部と、
    　前記決定木編集部による決定木の修正履歴から制約条件を生成し、前記外部記憶装置に生成した制約条件を保存する制約条件生成部と、
    　を更に実現させることを特徴とする請求項１記載の決定木生成プログラム。
  3. 　前記制約条件は、少なくとも、無視する属性を規定する第１の制約条件、属性が他の属性よりも下位にあることを規定する第２の制約条件、及び、属性が他の属性よりも上位にあることを規定する第３の制約条件から構成されることを特徴とする請求項２記載の決定木生成プログラム。
  4. 　前記制約条件生成部は、前記決定木から削除された属性があった場合、その属性を無視する第１の制約条件を生成し、前記決定木のルートから遠い位置に移動された属性があった場合、その属性が他の属性よりも下位にあることを規定する第２の制約条件を生成し、前記決定木に追加された属性があった場合、又は、前記決定木のルートに近い位置に移動された属性があった場合、その属性が他の属性よりも上位にあることを規定する第３の制約条件を生成することを特徴とする請求項３記載の決定木生成プログラム。
  5. 　前記第２の制約条件及び前記第３の制約条件における他の属性は、集合で表されることを特徴とする請求項３記載の決定木生成プログラム。
  6. 　前記コンピュータに、前記決定木生成部により生成された最新の決定木とその直前の決定木との差分を抽出し、該差分を表示装置に表示する差分表示部を更に実現させることを特徴とする請求項１記載の決定木生成プログラム。
  7. 　決定木の構造を規定する制約条件が記憶された外部記憶装置を有するコンピュータが、
    　複数の属性に対する値及び結論が関連付けられた事例集合を読み込むステップと、
    　前記外部記憶装置から制約条件を読み込み、該制約条件により規定される決定木の構造を満たすように、前記読み込まれた事例集合から決定木を生成するステップと、
    　を実行することを特徴とする決定木生成方法。
  8. 　前記コンピュータが、
    　作業者の指示に従って、前記生成された決定木を編集するステップと、
    　前記決定木の修正履歴から制約条件を生成し、前記外部記憶装置に生成した制約条件を保存するステップと、
    　を更に実行することを特徴とする請求項７記載の決定木生成方法。
  9. 　決定木の構造を規定する制約条件を記憶する外部記憶装置と、
    　複数の属性に対する値及び結論が関連付けられた事例集合を読み込む事例入力手段と、
    　前記外部記憶装置から制約条件を読み込み、該制約条件により規定される決定木の構造を満たすように、前記事例入力手段により読み込まれた事例集合から決定木を生成する決定木生成手段と、
    　を含んで構成されたことを特徴とする決定木生成装置。
  10. 　作業者の指示に従って、前記決定木生成手段により生成された決定木を編集する決定木編集手段と、
    　前記決定木編集手段による決定木の修正履歴から制約条件を生成し、前記外部記憶装置に生成した制約条件を保存する制約条件生成手段と、
    　を更に備えたことを特徴とする請求項９記載の決定木生成装置。
PCT/JP2009/056488 2009-03-30 2009-03-30 決定木生成プログラム，決定木生成方法及び決定木生成装置 WO2010116450A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP09842960.8A EP2416283A4 (en) 2009-03-30 2009-03-30 Decision tree generation program, decision tree generation method, and decision tree generation apparatus
JP2011508093A JP5293810B2 (ja) 2009-03-30 2009-03-30 決定木生成プログラム，決定木生成方法及び決定木生成装置
PCT/JP2009/056488 WO2010116450A1 (ja) 2009-03-30 2009-03-30 決定木生成プログラム，決定木生成方法及び決定木生成装置
US13/200,354 US8606737B2 (en) 2009-03-30 2011-09-23 Recording medium storing decision tree generating program, decision tree generating method and decision tree generating apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2009/056488 WO2010116450A1 (ja) 2009-03-30 2009-03-30 決定木生成プログラム，決定木生成方法及び決定木生成装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US13/200,354 Continuation US8606737B2 (en) 2009-03-30 2011-09-23 Recording medium storing decision tree generating program, decision tree generating method and decision tree generating apparatus

Publications (1)

Publication Number Publication Date
WO2010116450A1 true WO2010116450A1 (ja) 2010-10-14

Family

ID=42935761

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/056488 WO2010116450A1 (ja) 2009-03-30 2009-03-30 決定木生成プログラム，決定木生成方法及び決定木生成装置

Country Status (4)

Country Link
US (1) US8606737B2 (ja)
EP (1) EP2416283A4 (ja)
JP (1) JP5293810B2 (ja)
WO (1) WO2010116450A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021256135A1 (ja) 2020-06-17 2021-12-23 株式会社エイシング 制御装置、方法及びプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10339681B2 (en) 2013-11-22 2019-07-02 Raytheon Company Interactive multimedia process flow chart builder
CN112801231B (zh) * 2021-04-07 2021-07-06 支付宝(杭州)信息技术有限公司 用于业务对象分类的决策模型训练方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0250223A (ja) * 1988-08-12 1990-02-20 Hitachi Ltd データ入力管理システム
JPH06139073A (ja) * 1992-10-29 1994-05-20 Kokusai Denshin Denwa Co Ltd <Kdd> 決定木形式の診断知識を用いた診断装置
JPH09330224A (ja) 1996-06-10 1997-12-22 Fujitsu Ltd 決定木生成装置
JP2005339529A (ja) * 2004-04-30 2005-12-08 Yoichiro Ito エキスパートシステム生成装置及びエキスパートシステム生成装置の実施方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5546507A (en) * 1993-08-20 1996-08-13 Unisys Corporation Apparatus and method for generating a knowledge base
JP3761238B2 (ja) 1996-01-25 2006-03-29 株式会社東芝 判断規則修正装置と判断規則修正方法
JP3323180B2 (ja) 2000-03-31 2002-09-09 株式会社東芝 決定木変更方法およびデータマイニング装置
US6704719B1 (en) * 2000-09-27 2004-03-09 Ncr Corporation Decision tree data structure for use in case-based reasoning
US7287026B2 (en) * 2002-04-05 2007-10-23 Oommen John B Method of comparing the closeness of a target tree to other trees using noisy sub-sequence tree processing
US7328218B2 (en) * 2005-03-22 2008-02-05 Salford Systems Constrained tree structure method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0250223A (ja) * 1988-08-12 1990-02-20 Hitachi Ltd データ入力管理システム
JPH06139073A (ja) * 1992-10-29 1994-05-20 Kokusai Denshin Denwa Co Ltd <Kdd> 決定木形式の診断知識を用いた診断装置
JPH09330224A (ja) 1996-06-10 1997-12-22 Fujitsu Ltd 決定木生成装置
JP2005339529A (ja) * 2004-04-30 2005-12-08 Yoichiro Ito エキスパートシステム生成装置及びエキスパートシステム生成装置の実施方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Annual Conference of JSAI Ronbunshu", vol. 12, June 1998, article REI YANO ET AL.: "Zokuseikan no Inga Kankei o Koryo shita Ketteigi Gakushu", pages: 17 - 18, XP008168525 *
QUINLAN, J.R: "Induction of Decision Trees", MACHINE LEARNING, vol. 1, no. 1, 1986, pages 81 - 106, Retrieved from the Internet <URL:http://www.springerlink.com/content/ku63wm5513224245/fullt ext.pdf>
See also references of EP2416283A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021256135A1 (ja) 2020-06-17 2021-12-23 株式会社エイシング 制御装置、方法及びプログラム

Also Published As

Publication number Publication date
JP5293810B2 (ja) 2013-09-18
EP2416283A1 (en) 2012-02-08
US20120084236A1 (en) 2012-04-05
EP2416283A4 (en) 2017-12-06
JPWO2010116450A1 (ja) 2012-10-11
US8606737B2 (en) 2013-12-10

Similar Documents

Publication Publication Date Title
JP4418620B2 (ja) データ処理方法、これを用いた指示情報生成システム及びプログラム
JP5613118B2 (ja) 変換規則生成支援装置、方法、およびプログラム
US20050223325A1 (en) Document structure-editing program, document structure-editing method, document structure-editing apparatus, and computer-readable recording medium having document structure-editing program recorded thereon
JP5005510B2 (ja) ソフトウェアの設計支援方法、設計支援装置及び設計支援プログラム
US8595215B2 (en) Apparatus, method, and computer program product for processing query
US11853733B2 (en) Graphical user interface and system for defining and maintaining code-based policies
US20080256092A1 (en) Data Processing Device and Data Processing Method
JP5293810B2 (ja) 決定木生成プログラム，決定木生成方法及び決定木生成装置
US20070208995A1 (en) Document Processing Device and Document Processing Method
EP1744255A1 (en) Document processing device and document processing method
US20080005663A1 (en) Document Processing Device And Document Processing Method
US9298480B2 (en) Programmatic editing of text files
US20180196646A1 (en) System design apparatus and method
JP2008225898A (ja) 変換装置、変換プログラム及び変換方法
US20090287994A1 (en) Document processing device and document processing method
CN113011146A (zh) 信息处理装置、存储介质及信息处理方法
JP4627530B2 (ja) 文書処理方法および装置
US20150370547A1 (en) Program editing device, program editing method and program editing program
JP6157375B2 (ja) 操作手順フロー更新装置、方法及びプログラム
US20080034348A1 (en) Method and System for Bulk-Loading Data Into A Data Storage Model
US8386922B2 (en) Information processing apparatus and information processing method
JP5123337B2 (ja) 検証データ生成装置、検証データ生成プログラム及び検証データ生成方法
JP2009223882A (ja) データ処理装置及びデータ処理方法
CN106528183B (zh) 一种创建控件的方法、装置和计算机程序
JP2014215807A (ja) 設計文書管理検証装置及び方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09842960

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2011508093

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2009842960

Country of ref document: EP