WO2012029931A1 - 思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラム - Google Patents

Abstract

Webアクセスログ等、観測された行動履歴記録に関し、行動履歴記録から思考を可視化した思考モデルの作成及び出力することができる思考モデルの作成方法を提供する。 思考から行動ヘ移行する間に第三者視点を想定した行動の思考内再構成が存在しない低浸食性の履歴情報を状態集合及び遷移集合が含まれる観測された行動履歴記録より取得し、思考モデルを作成する。有向グラフ構造として生成した思考モデルは、クリティカルパスや重畳パススコアの解析を可能とするため、各タスク１や各エッジ２の流れを開始タスク３から終了タスク４ヘと一意に向かう有向非環状グラフ構造として生成が可能であり、また、生成された有向グラフ構造や有向非環状グラフ構造に対する属性情報の付帯が可能であり、思考モデルの解析や思考モデルの表示も可能となっている。

Description

思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラム

　本発明は、Webアクセスログや形態素解析された文章等の観測された行動履歴記録を元にした思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラムに関する。

　Web（ウェブ）ページを閲覧した際にサーバに自動記録されるWebアクセスログや文章を形態素解析した結果等のように、行動主体者自身ヘの心理的束縛が比較的少ない状態（低浸食性）の記録データを観測された行動履歴記録としたデータマイニングは、当該行動主体者の思考と観測された行動履歴記録から取得した履歴情報との相関が比較的高いと推測される。

　このような低浸食性の記録データは、Webアクセスログや形態素解析された文章に限らず、監視カメラやテレビ画像の画像解析の結果や、個人的な日記・メモ・ブログや掲示板の書き込みの構成解析等、様々な手法によって取得され得る。

　従来、特許文献１に記載されているように、Webアクセスログや商品・サービス購入ログ等、ユーザーＩＤとパスワード等で特定された状態にある行動主体者（特定された行動主体者）の履歴情報を処理して、特定された行動主体者、あるいは、解析対象の対象となる行動主体者全体（Web行動主体者全体）の次期トレンドとなりうるアイテムを予測するための方法及びシステム装置が提案されている。

　この予測方法は、特定された行動主体者の観測された行動履歴記録を履歴情報として収集し、Web行動主体者全体の次期トレンドになるであろうアイテム群を選出し、そのアイテム群を次期流行アイテムとして予測するものである。

　また、特許文献２には、Webページに掲載のアイテムではなく、Web閲覧ページ名称等を対象とし、特定された行動主体者の履歴情報として、Webアクセスログを解析することで、アクセスのWebページ閲覧回数とWebページ滞留時間を取得し、適合するWeb閲覧ページ名称等を選出した上で、特定された行動主体者の意向として当該のWebページの優先度を高めて自動更新する方法及び装置が記載されている。

　これらアイテムやWeb閲覧ページ名称等を一意的に対象として選出する方法以外にも、複数のWeb閲覧ページを纏め、Web閲覧ページ群として解析し、特定された行動主体者、あるいは、Web行動主体者全体の行動や意向に関する状態（行動主体者状態）とする方法も記載されている。

　これについて、特許文献３には、特定された行動主体者の履歴情報として、アクセスしたWeb閲覧ページ群に組み込んだスクリプトプログラムが送出する情報を記載したWebアクセスログを解析し、これと事前に定義したWeb行動主体者全体における状態との一致性を算出することにより、特定された行動主体者のニーズを取得するシステム及び方法が記載されている。

　さらに、特許文献４には、特定された行動主体者の履歴情報として、Webアクセスログを解析し、アクセスしたWeb閲覧ページ群を取得し、これを事前に定義したWeb行動主体者全体における複数の状態への分類を行い、その後、複数の状態中における各状態間の遷移確率を算出するシステム、方法及びプログラムが記載されている。

　また、特許文献１及至特許文献４のように、特定された行動主体者の履歴情報を使用するもの以外に、ユーザーＩＤとパスワード等で行動主体者の完全な特定をせずに、任意のアクセスに対してアクセス環境の違いのみで区別した行動主体者（任意の行動主体者）の履歴情報を解析する技術も提案されている。

　特許文献５には、任意の行動主体者の履歴情報の内、アクセスしたWebページ群を取得し、これを事前に定義したWeb行動主体者全体における複数の状態への分類を行い、滞留時間を評価し、規模や質的評価値の算出を行う装置及びプログラムが記載されている。

　特許文献１及至特許文献５では、アクセスしたWebページ群等に関する情報のみを解析し、個々のWebページについての閲覧順序は不同のものとして扱っているが、任意の行動主体者が閲覧した順序自身も履歴情報として使用する技術も提案されている。

　特許文献６には、Webアクセスログから得られた任意の行動主体者の履歴情報の内、アクセスしたWebページ群の閲覧順序をシーケンスとして解析し、Web行動主体者全体のシーケンス群から高頻度な部分シーケンスパターンを把握する方法が記載されている。

　特許文献７には、Webアクセスログから得られた任意の行動主体者の履歴情報の内、アクセスしたWebページ群の閲覧順序をグラフ構造として解析し、Web行動主体者全体のグラフ構造群に含まれる高頻度部分グラフ構造を効率よく抽出する装置、方法及びプログラムが記載されている。

　特許文献８には、Webアクセスログから得られた任意の行動主体者の履歴情報の内、アクセスしたWebページ群の一つ一つの閲覧遷移状態を隠れマルコフモデルで表現しWeb行動主体者全体の行動モデルを計算することで推奨閲覧経路を生成するプログラム、方法及び装置が記載されている。

特開２００１－３５０８７５号公報 特開２００３－６２２４号公報 特開２００３－１２２９８２号公報 特開２００９－４８２２７号公報 特開２００７－２９３５２０号公報 特開２００４－１５２２０９号公報 特開２００５－６３２７７号公報 特開２００５－２０８７９３号公報

　ところで、前述した特許文献１及び特許文献２に記載されている方法では、特定された行動主体者の行動履歴記録から、Web行動主体者全体に共通した、または、頻度や確率の高いアイテムやWeb閲覧ページ名称を一意的に選出し、特定された行動主体者の意向として出力することができるものの、特定された行動主体者の行動や意向に関する状態を出力することができない。

　これに対して、特許文献３及び特許文献４に記載されている方法では、Web閲覧ページ群を解析することで、特定された行動主体者の行動や意向に関する状態を出力しているが、出力される状態は、事前にWeb閲覧ページ群等を人間が定義しておかねばならないため、予め想定された状態にしか対応することができない。

　さらに、出力結果は状態に対して一意に定義した名称や数値に過ぎないため、得られた履歴情報を的確に抽象化し、表現できる状態を定義した場合以外は、得られた履歴情報に内在している情報は大きく欠落することとなり、結果として、特定された行動主体者の行動や意向を的確に反映した状態の出力ができない。

　加えて、特許文献１及至特許文献４に記載されている方法においては、前述の出力状態の的確性以外の課題として、履歴情報が特定された行動主体者のものである必要があり、任意の行動主体者の履歴情報を使用することができないことが挙げられる。

　この課題に関して、特許文献５及至特許文献８に記載されている方法においては、任意の行動主体者の履歴情報を使用した出力結果が得られる。

　しかしながら、特許文献５に記載されている方法では、出力結果それ自身は任意の行動主体者に関する情報ではなく、特許文献１及至特許文献４と同様に、得られた履歴情報に内在している情報は大きく欠落しており、抽象化された状態を出力することしかできない。

　また、前述した履歴情報の内在情報が状態出力時に大きく欠落するという課題について、特許文献６及至特許文献８に記載されている方法では、Webページ群の閲覧順序をそれぞれシーケンス、グラフ構造、隠れマルコフモデルによる行動モデルとして捉えるため、各部分構造を抽象化せずに直接抽出することができる。

　しかし、これらの方法における出力は、Webページ群の閲覧順序解析における結果出力において、どのWebページを閲覧したかについての情報の欠落を抑えることはできるものの、例えば、特許文献５にあるような滞留時間を考慮した解析等、各Webページに付随する属性情報を加味した解析ができない。

　さらに、別の課題として、前述した特許文献１及至特許文献８に記載されている方法では、特定された行動主体者、あるいは、任意の行動主体者の観測された行動履歴記録から、Web行動主体者全体に共通した、または、頻度や確率の高いアイテムやWeb閲覧ページ名称、行動主体者状態、部分シーケンス、部分グラフ構造、行動モデル等を選出、または、算出するものの、Web行動主体者全体の閲覧履歴が大規模データとして集まった状態が必要であり、解析を行う時点で観測された行動履歴記録が小規模である場合には、解析誤差が非常に大きく、信用できないものとなり、実質上解析ができない。

　例えば、特許文献４の段落〔０１３３〕において、行動確率を計算する際、解析対象の３日間分の来訪者数の合計を３５４５人、すなわち、数千人分の蓄積された行動履歴記録が入手可能という前提で計算を行っている。

　また、これら大規模に蓄積された行動履歴記録に確率計算や頻度計算等を行い、この計算結果を使用する手法では、出力結果はWeb行動主体者全体に共通した、または、頻度や確率の高い、平均像としての情報に過ぎず、例えば、任意の行動主体者の履歴情報に一対一対応の出力をすることができないため、当該行動主体者それぞれの「個性」や「特性」等といったプロファイリングに必要な情報は、計算中に平均化され、誤差として埋もれた状態で相殺されてしまう。

　特許文献１及至特許文献８に記載されている方法では、事前にWeb閲覧ページ群を人間が登録する等による予め想定した状態が存在する必要がある、あるいは、観測された行動履歴記録が大規模である必要がある、あるいは、特定された行動主体者である必要がある、あるいは、履歴情報に一対一対応ではない、あるいは、「個性」や「特性」等といった当該行動主体者の行動や意向を的確に反映できない、あるいは、属性情報も加味した状態を的確に抽象化できないという課題を持っている。そのため、特許文献１及至特許文献８に記載されている全ての方法を、個別に、あるいは、組み合わせて用いたとしても、事前にWeb閲覧ページ群を人間が登録する等による予め想定した状態が存在しない場合で、かつ、観測された行動履歴記録が小規模の場合で、かつ、任意の行動主体者の履歴情報に一対一対応で、かつ、「個性」や「特性」等も含めて当該行動主体者の行動や意向を的確に反映し、かつ、属性情報も加味した状態を的確に抽象化し、かつ、表現できるように可視化したモデル（思考モデル）を自動的に作成及び出力することができない。

　そのため、行動主体者の思考モデルに基づく種々の解析や予測を行うことはできず、多方面ヘの応用を図ることができない。

　そこで、本発明は、多方面ヘの応用を視野に入れた上で、Webアクセスログや形態素解析された文章等を観測された行動履歴記録として履歴情報を取得し、思考を可視化した思考モデルの作成及び出力をすることができる思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラムを提供することを目的とする。

　前述の課題を解決し、前記目的を達成するため、本発明は、以下の構成を有するものである。

〔構成１〕
　本発明に係る思考モデルの作成方法は、行動主体者がある状態から別の状態へ遷移しようと考える様態を思考、また、ある状態から別の状態ヘと実際に遷移する様態を行動と定義し、思考から行動ヘ移行する間に第三者視点を想定した行動の思考内再構成が存在しない低浸食性の履歴情報を状態集合及び遷移集合が含まれる観測された行動履歴記録より取得し、任意の行動主体者、任意の有限の時間（セッション）における履歴情報に一対一対応した、全部、あるいは、一部の履歴情報分の思考モデルを作成する思考モデルの作成方法であって、当該行動主体者の思考が現れた行動には、印象環境において、第一印象による印象行動パターンに基づく行動や最終印象による印象行動パターンに基づく行動のように、印象行動パターンに基づく行動（印象行動）と、印象行動の学習、あるいは、確認を目的とした行動（学習行動）の２種類が存在するものとし、セッション中に複数回出現した行動については、第一印象による印象行動パターンに基づく行動としての初回出現時の行動や最終印象による印象行動パターンに基づく行動としての最終出現時の行動のように、印象行動パターンに基づいて選出された行動は印象行動であり、それ以外の出現時は学習行動であるとし、セッション中の印象行動は、正順による思考構成パターンや逆順による思考構成パターンのように、思考構成パターンに基づいて選出された思考構成要素により、思考構成群を形成し、思考モデルは、思考構成群の思考構成要素に対応する印象行動として定義される行動と、当該行動の遷移が持つ状態を有向グラフ構造として生成し、当該有向グラフ構造は、当該行動の遷移が持つ状態をタスク、当該行動をエッジ、開始状態を開始タスク、終了状態を終了タスク、開始タスク及至タスク間及びタスク及至終了タスク間の接続を補助エッジとした構造を成し、さらに、クリティカルパスや重畳パススコアの解析を可能とするため、各タスクや各エッジの流れを開始タスクから終了タスクヘと一意に向かう有向非環状グラフ構造として生成が可能であり、また、生成された有向グラフ構造や有向非環状グラフ構造に対する属性情報の付帯が可能であり、思考モデルの解析や思考モデルの表示も可能となっていることを特徴するものである。

〔構成２〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法における、履歴情報について、観測された行動履歴記録として、Webアクセスログから履歴情報を取得する場合には、各ページでの閲覧を「状態」、ページから別のページへの閲覧遷移を「行動」とし、また、形態素解析された文章から履歴情報を取得する場合には、各品詞や使用単語を「状態」、各品詞や使用単語により構築された文章構造を「行動」とするように、任意の観測された行動履歴記録から「状態」と「行動」を定義して履歴情報とすることを特徴するものである。

〔構成３〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法において、生成された有向グラフ構造や有向非環状グラフ構造に対して、各エッジにおける思考構成要素に対応する印象行動として定義される行動に、当該行動とは別の、セッション中の行動が存在した場合、当該行動の遷移が持つ状態が共有されたと判断された時、セッション中の各行動における共有された状態に対して付帯される、時間及び回数といった重み属性情報は、合算して各状態を示す属性情報として、当該行動の遷移が持つ状態に対して付帯させ、その後、これらの状態に対応する有向グラフ構造の各タスクや各エッジ、あるいは、グラフに対する付帯を可能とし、また、セッション中の各行動における共有された状態に対して付帯される、重み属性情報以外の属性情報は、解析して各状態を示す属性情報として、当該行動の遷移が持つ状態に対して付帯させ、その後、これらの状態に対応する有向グラフ構造の各タスクや各エッジ、あるいは、グラフに対する付帯が可能となっていることを特徴するものである。

〔構成４〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法において、生成された有向グラフ構造や有向非環状グラフ構造に対して、タスクやエッジ、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスクやエッジ、あるいは、グラフに対する付帯が可能となっていることを特徴するものである。

〔構成５〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法において、生成された有向非環状グラフ構造に対して、クリティカルパスや重畳パススコアを解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスクやエッジ、あるいは、グラフに対する付帯が可能となっていることを特徴するものである。

〔構成６〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法において、生成された有向グラフ構造や有向非環状グラフ構造に対して、タスクやエッジ、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフに対して付帯される属性情報の視認性を高めるため、有向グラフ構造のタスクやエッジ、あるいは、グラフの表示様態を示す属性情報として、形・色相・濃度・線の太さといった出力表現属性情報を、有向グラフ構造のタスクやエッジ、あるいは、グラフに対して付帯が可能となっていることを特徴するものである。

〔構成７〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法における、思考モデルの解析について、出力された全部、あるいは、一部の履歴情報分の思考モデルの出力状態を変形することで、自己組織化マップによるクラスタリングや、サポートベクターマシンによる同定解析が可能であり、さらに、ゾーンのように、頻度や共起度に応じ、タスクやエッジの区分化が可能となっていることを特徴するものである。

〔構成８〕
　本発明に係る思考モデルの作成方法は、構成１を有する思考モデルの作成方法における、思考モデルの表示について、出力された全部、あるいは、一部の履歴情報分の思考モデルの表示が可能であり、さらに、当該思考モデルと共に履歴情報の表示も可能であり、当該思考モデルと共に解析した思考モデルの結果の表示も可能となっていることを特徴するものである。

〔構成９〕
　本発明に係る思考モデルの作成装置は、信号処理手段及び記憶手段を用いて、構成１及至構成８に記載の思考モデルの作成方法の実施が可能となっていることを特徴するものである。

〔構成１０〕
　本発明に係る思考モデルの作成プログラムは、信号処理手段を有するコンピュータ装置において実行されることによって、構成１及至構成８に記載の思考モデルの作成方法の実施が可能となっていることを特徴するものである。

　本発明に係る思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラムにおいては、低浸食性の記録データを観測された行動履歴記録として、観測された行動履歴記録から取得した任意の行動主体者の履歴情報の解析を行い、事前にWeb閲覧ページ群を人間が登録する等、予め想定した状態が存在しない場合でも、当該行動主体者の履歴情報に一対一対応であり、「個性」や「特性」等も含め、当該行動主体者の行動や意向を的確に反映し、属性情報も加味した状態を的確に抽象化し、表現できるように、その思考を可視化した思考モデルを自動的に作成することができる。

　すなわち、本発明は、多方面ヘの応用を視野に入れた上で、例えば、Webアクセスログや形態素解析した文章等を観測された行動履歴記録として、観測された行動履歴記録から任意の行動主体者の履歴情報を取得し、事前にWeb閲覧ページ群を人間が登録する等、予め想定した状態が存在しない場合でも、当該行動主体者の履歴情報に一対一対応であり、「個性」や「特性」等も含め、当該行動主体者の行動や意向を的確に反映し、属性情報も加味した状態を的確に抽象化し、表現できるように、観測された行動履歴記録から思考を可視化した思考モデルの作成及び出力をすることができる思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラムを提供することができるものである。

本発明に係る思考モデルの作成方法によりWebアクセスログを観測された行動履歴記録として作成された有向非環状グラフの例である。 本発明に係る思考モデルの作成方法によりWebアクセスログを観測された行動履歴記録として作成された有向非環状グラフの他の例である。 本発明に係る思考モデルの作成方法によりWebアクセスログを観測された行動履歴記録として作成された有向非環状グラフのさらに他の例である。 本発明に係る思考モデルの作成方法により形態素解析された文章を観測された行動履歴記録として作成された有向非環状グラフの例である。 本発明に係る思考モデルの作成方法の一実施形態による思考モデル作成装置の機能構成例を示すブロック図である。

　以下、本発明に係る思考モデルの作成方法の実施の形態について、詳細に説明する。

１．〔本発明の概要〕
　この実施の形態では、Web（ウェブ）ページを閲覧した際にサーバに自動記録されるWebアクセスログや文章を形態素解析した結果等を観測された行動履歴記録として用いる。このようなWebアクセスログや形態素解析した文章等のように、行動主体者自身ヘの心理的束縛が比較的少ない状態（低浸食性）の記録データを観測された行動履歴記録としたデータマイニングは、履歴情報と当該行動主体者の思考との相関が比較的高いと推測される。

　ただし、本発明は、例として挙げたWebアクセスログや形態素解析された文章に限らず、監視カメラやテレビ画像の画像解析の結果や、個人的な日記・メモ・ブログや掲示板の書き込みの構成解析等、様々な観測された行動履歴記録によって取得された履歴情報を対象とすることができる。

　より具体的には、例えば以下に述べるような様々な分野等を対象とした観測された行動履歴記録によって取得された履歴情報において、例えばそれぞれ括弧内に示すような任意の行動主体者の履歴情報等を思考モデルとして出力することが可能である。監視カメラ記録（来店客や店員、警備員等の店内巡回行動の位置情報、動作情報）、テレビ画像・動画記録（スポーツ等の人物移動や人物形態変化、フォーメーション変化の画像情報）、画集やアルバム（集録順序、タイトル、収録時間、構成や色彩等の画像情報）、個人的な日記・メモ（品詞や使用単語による文章構成、記述文字や挿絵等の画像情報）、ブログや掲示板の書き込み記録（品詞や使用単語による文章構成、使用単語、掲載時間）、会話記録（会話文の品詞や使用単語による構成、音声波形等の周波数情報）、音楽（歌詞の品詞や使用単語による構成、周波数情報）。

　以下、本発明に係る思考モデルの作成装置の一実施形態を図面に基づいて説明する。図５は、本実施の形態による思考モデル作成装置の機能構成例を示すブロック図である。図５に示すように、本実施の形態の思考モデル作成装置１０００は、任意の行動主体者の観測された行動履歴記録から取得した履歴情報を解析し、思考モデルを出力するものであって、その機能構成として、履歴情報取得部１００には、行動履歴記録記録部１１、行動履歴記録入力部１２、不要行動履歴記録記録部１３、不要行動履歴記録削除部１４、変換属性記録部１５、行動履歴記録変換部１６からなる行動履歴記録抽出部１０１、行動履歴記録セッション分割部１７、属性情報算出部１８、履歴情報生成部１９、履歴情報記録部２０を備え、思考モデル出力部２００には、有向グラフ構造生成部２１、思考モデル生成部２２、思考モデル記録部２３を備えて構成されている。

　思考モデル作成装置１０００には、キーボードやマウス等から成る入力装置２０００が接続されるとともに、液晶ディスプレイ等の表示装置３０００が接続されている。思考モデル作成装置１０００の行動履歴記録抽出部１０１は、行動履歴記録抽出用情報を入力装置２０００から入力する。ここで入力する行動履歴記録抽出用情報は、行動履歴記録からロボットや自己接続等による閲覧履歴等、履歴情報を生成する上で不要となる不要行動履歴記録を削除するための設定データと、定義ファイルやネットワーク問合せの結果等、行動記録要素変換用の設定データと、観測された行動履歴記録とするWebアクセスログ情報や形態素解析した文章等の記録データとを含んでいる。

　本実施の形態で、思考モデル作成装置１０００の行動履歴記録抽出部１０１の行動履歴記録記録部１１へ入力する、観測された行動履歴記録とするWebアクセスログは、ホストＩＰアドレス、記録日時、リソース、ステータス、リファラ、エージェントからなる一般的なWebアクセスログである。ただし、リファラやエージェントが欠如しているWebアクセスログについても、例えば、「-」のような記録代替文字を代替使用することにより、精度を落としつつも、思考モデルが問題無く作成及び出力できるようになっている。

　また、思考モデル作成装置１０００には、作成された思考モデルを解析するため、思考モデル解析部４０１、思考モデル解析結果記録部４０２を備えた、思考モデル解析装置４０００を接続してもよい。

　本実施の形態で、思考モデル作成装置１０００に思考モデル解析装置４０００を接続をした場合、思考モデル出力部２００の思考モデル記録部２３へ出力した全部、あるいは、一部の履歴情報分の思考モデルは、思考モデル思考モデル解析部４０１へ出力状態を変形して入力することで、例えば自己組織化マップ等によるクラスタリング等や、例えばサポートベクターマシン等による同定解析等を行えるようになっており、さらに、例えばゾーン等のように、頻度や共起度に応じ、タスクやエッジを区分化できるようにもなっている。

２．〔理論〕
　本発明においては、観測された行動履歴記録から取得した履歴情報と、行動主体者の思考との間には、以下に示す条件・定義・様態・相関が存在すると仮定する。

（１）生起順序を不同とした様態は順不同で表記した要素を中括弧｛｝で括って表し、生起順序を加味した様態は生起時間順に表記した要素を大括弧［］で括って表す。

（２）観測された行動履歴記録には、行動主体者数ｍの行動主体者｛ｍ_１，ｍ_２，・・，ｍ_ｍ｝の履歴情報が含まれているものとする。

（３）観測された行動履歴記録には要素として状態数ｎ’の状態が含まれ、これらを状態集合Ｅと定義する。

（４）観測された行動履歴記録には遷移数ｏ’の状態集合Ｅにおける任意の２つの状態間の遷移が含まれ、これらを遷移集合Ｔと定義する。

（５）観測された行動履歴記録から任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の履歴情報を取得する時、取得された履歴情報は時系列順に並んだ区間数ｐのそれぞれ独立した有限の時間区間（セッション）｛ｓ_１，ｓ_２，・・，ｓ_ｐ｝を持つものとする。

（６）観測された状態集合Ｅ及び遷移集合Ｔが含まれる行動履歴記録から、任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の任意のセッションｓ_ｙ（ただし、１≦ｙ≦ｐ）における履歴情報を取得する時、取得された履歴情報には状態集合Ｅの部分集合として、部分状態数ｎ（ただし、２≦ｎ≦ｎ’）の部分状態集合Ｅ’＝｛ｅ_１，ｅ_２，・・，ｅ_ｎ｝（ただし、Ｅ’⊆Ｅ）が含まれているものとする。

（７）観測された状態集合Ｅ及び遷移集合Ｔが含まれる行動履歴記録から、任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の任意のセッションｓ_ｙ（ただし、１≦ｙ≦ｐ）における履歴情報を取得する時、取得された履歴情報には遷移集合Ｔの部分集合として、部分遷移数ｏ（ただし、１≦ｏ≦ｏ’）の部分遷移集合Ｔ’＝｛ｔ_１，ｔ_２，・・，ｔ_ｏ｝（ただし、Ｔ’⊆Ｔ）が含まれているものとする。

（８）観測された状態集合Ｅ及び遷移集合Ｔが含まれる行動履歴記録から、任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の任意のセッションｓ_ｙ（ただし、１≦ｙ≦ｐ）における履歴情報を取得する時、取得された履歴情報は行動生起順番ｔの任意の行動［ａ_ｔ］_ｙ ^ｚを持ち、生起時間順に並んだ行動生起数ｑのそれぞれ独立した行動群［ａ_１，ａ_２，・・，ａ_ｔ，・・，ａ_ｑ］_ｙ ^ｚを形成し、これらを行動群Ａ’と定義する。

（９）部分状態集合Ｅ’の部分状態数ｎ＝２、部分遷移集合Ｔ’の部分遷移数ｏ＝１の時、部分状態集合Ｅ’に含まれるある任意の状態ｅ_ｉ（ただし、１≦ｉ≦ｎ）から別の状態ｅ_ｊ（ただし、１≦ｊ≦ｎ）ヘと遷移する様態を行動と定義し、行動生起数ｑの同一行動が存在する場合、行動を表す記号としてＡを用い、行動生起順番ｔと同一行動生起順番ｘを用いて行動群Ａ’＝［ａ_１，ａ_２，・・，ａ_ｔ，・・，ａ_ｑ］_ｙ ^ｚ＝［Ａ_ｉｊ ^１，Ａ_ｉｊ ^２，・・，Ａ_ｉｊ ^ｘ，・・，Ａ_ｉｊ ^ｑ］_ｙ ^ｚのようにその生起時間順に表記し、任意の行動を行動［ａ_ｔ］_ｙ ^ｚ＝［Ａ_ｉｊ ^ｘ］_ｙ ^ｚ（ただし、同一行動のみの場合、１≦ｔ＝ｘ≦ｑ）と定義する。ただし、セッションｓ_ｙ中、２つの状態（ｅ_ｉとｅ_ｊ）に対して、行動［Ａ_ｉｊ ^ｘ］_ｙ ^ｚとは別の行動が存在した場合、１つ（ｅ_ｉあるいはｅ_ｊ）、あるいは、２つの状態（ｅ_ｉとｅ_ｊ双方共）をそれぞれ共有する行動が観測される可能性が存在する。

（１０）部分状態集合Ｅ’の部分状態数ｎ＝２、部分遷移集合Ｔ’の部分遷移数ｏ＝２の時、状態ｅ_ｉ（ただし、ｉ＝１あるいはｉ＝２）から状態ｅ_ｊ（ただし、ｊ＝１あるいはｊ＝２）への遷移だけでなく、状態ｅ_ｊから状態ｅ_ｉへの遷移も考慮でき（ただし、ｉ≠ｊ）、また、部分状態集合Ｅ’の部分状態数ｎ＝３、部分遷移集合Ｔ’の部分遷移数ｏ≧３の時、例えば状態ｅ_ｉ（ただし、１≦ｉ≦３）と状態ｅ_ｊ（ただし、１≦ｊ≦３）に加えて状態ｅ_ｋ（ただし、１≦ｋ≦３）等を有し（ただし、ｉ≠ｊ≠ｋ）、状態ｅ_ｉから状態ｅ_ｊへの遷移や状態ｅ_ｊから状態ｅ_ｉへの遷移以外にも、状態ｅ_ｉから状態ｅ_ｋへの遷移、状態ｅ_ｊから状態ｅ_ｋへの遷移、状態ｅ_ｋから状態ｅ_ｉへの遷移、状態ｅ_ｋから状態ｅ_ｊへの遷移等も考慮することができるとする。

（１１）部分状態集合Ｅ’の部分状態数ｎ＝３、部分遷移集合Ｔ’の部分遷移数ｏ＝４、行動生起数６の時、例えば、３回の状態ｅ_ｉから状態ｅ_ｊへの遷移、１回の状態ｅ_ｊから状態ｅ_ｋへの遷移、１回の状態ｅ_ｋから状態ｅ_ｉへの遷移、１回の状態ｅ_ｊから状態ｅ_ｉへの遷移が、例えば、行動［Ａ_ｉｊ ^１］_ｙ ^ｚ、行動［Ａ_ｊｋ ^１］_ｙ ^ｚ、行動［Ａ_ｋｉ ^１］_ｙ ^ｚ、行動［Ａ_ｉｊ ^２］_ｙ ^ｚ、行動［Ａ_ｊｉ ^１］_ｙ ^ｚ、行動［Ａ_ｉｊ ^３］_ｙ ^ｚの順で生起した場合、行動群Ａ’＝［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝［Ａ_ｉｊ ^１，Ａ_ｊｋ ^１，Ａ_ｋｉ ^１，Ａ_ｉｊ ^２，Ａ_ｊｉ ^１，Ａ_ｉｊ ^３］_ｙ ^ｚとその生起時間順に表記するものとする。

（１２）部分遷移集合Ｔ’の部分遷移数ｏ（ただし、１≦ｏ≦ｏ’）の時、ある状態から別の状態への遷移を遷移番号ｗを用いて、遷移ｔ_ｗ（ただし、１≦ｗ≦ｏ’）と置いた場合、行動群Ａ’の行動［Ａ_ｗ ^ｘ］_ｙ ^ｚが定義される。例えば、部分遷移数４個の行動群Ａ’＝［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝［Ａ_ｉｊ ^１，Ａ_ｊｋ ^１，Ａ_ｋｉ ^１，Ａ_ｉｊ ^２，Ａ_ｊｉ ^１，Ａ_ｉｊ ^３］_ｙ ^ｚでは、ｔ_１＝状態ｅ_ｉから状態ｅ_ｊへの遷移、ｔ_２＝状態ｅ_ｊから状態ｅ_ｋへの遷移、ｔ_３＝状態ｅ_ｋから状態ｅ_ｉへの遷移、ｔ_４＝状態ｅ_ｊから状態ｅ_ｉへの遷移のように遷移の初回出現時順に遷移番号ｗを割り振った時、行動群Ａ’＝［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝［Ａ_１ ^１，Ａ_２ ^１，Ａ_３ ^１，Ａ_１ ^２，Ａ_４ ^１，Ａ_１ ^３］_ｙ ^ｚとなり、この場合も任意の行動を行動生起順番ｔと同一行動生起順番ｘを用いて行動［ａ_ｔ］_ｙ ^ｚ＝［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｔ≦ｑ）となる。

（１３）観測された行動履歴記録として、例えばWebアクセスログから履歴情報を取得する場合においては、各ページでの閲覧を「状態」、ページから別のページへの閲覧遷移を「行動」と定義し、また、例えば形態素解析された文章から履歴情報を取得する場合には、各品詞や使用単語を「状態」、各品詞や使用単語により構築された文章構造を「行動」と定義するように、任意の観測された行動履歴記録から「状態」と「行動」を定義するものとする。

（１４）観測された行動履歴記録は、行動主体者にとって、低浸食性の履歴情報であり、思考から行動ヘ移行する間に第三者視点を想定した行動の思考内再構成は存在しないものとする。

（１５）観測された状態集合Ｅ及び遷移集合Ｔが含まれる行動履歴記録から、任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の任意のセッションｓ_ｙ（ただし、１≦ｙ≦ｐ）における履歴情報を取得する時、取得された履歴情報の任意の行動［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ）は、任意の遷移ｔ_ｗの行動可能性を遷移自由度として考えた様態が思考［Ｈ_ｗ ^ｘ］_ｙ ^ｚとして現われ、行動［Ａ_ｗ ^ｘ］_ｙ ^ｚへ移行したものとする。

（１６）観測された状態集合Ｅ及び遷移集合Ｔが含まれる行動履歴記録から、任意の行動主体者ｍ_ｚ（ただし、１≦ｚ≦ｍ）の任意のセッションｓ_ｙ（ただし、１≦ｙ≦ｐ）における履歴情報を取得する時、任意の遷移ｔ_ｗ（ただし、１≦ｗ≦ｏ）について、任意の行動主体者ｍ_ｚの思考［Ｈ_ｗ ^ｘ］_ｙ ^ｚが現われ、行動［Ａ_ｗ ^ｘ］_ｙ ^ｚへ移行した場合、状態集合Ｅ下で遷移ｔ_ｗの遷移自由度を含めて印象が形成される環境を印象環境Ｅ_ｉｍｐと定義する。

（１７）印象環境Ｅ_ｉｍｐにおいて、任意の遷移ｔ_ｗ（ただし、１≦ｗ≦ｏ’）について、任意の行動主体者ｍ_ｚの思考が現れた行動には、例えば第一印象による印象行動パターンＰ_ｆに基づく行動や最終印象による印象行動パターンＰ_ｌに基づく行動等のように、印象行動パターンＰ_ｉｍｐに基づく行動（印象行動［Ｉ_ｗ］_ｙ ^ｚ）と、印象行動の学習、あるいは、確認を目的とした行動（学習行動［Ｌ_ｗ ^ｘ’］_ｙ ^ｚ）の２種類が存在するものとする。

（１８）セッションｓ_ｙ中、複数回出現した行動に関して、印象行動パターンＰ_ｉｍｐに基づく行動は印象行動であり、それ以外の行動は学習行動であるものとする。

（１９）印象環境Ｅ_ｉｍｐにおいて、印象行動生起順番ｕの任意の印象行動［ｉ_ｕ］_ｙ ^ｚを持ち、生起時間順に並び、印象行動生起数ｒ個（ただし、ｒ＝ｏ’）のそれぞれ独立した行動群［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚを形成し、これらを印象行動群Ｉ’と定義する。

（２０）印象環境Ｅ_ｉｍｐにおいて、学習行動生起順番ｕ’の任意の学習行動［ｌ_ｕ’］_ｙ ^ｚを持ち、生起時間順に並び、学習行動生起数ｒ’個（ただし、ｒ’＝ｑ－ｒ）のそれぞれ独立した行動群［ｌ_１，ｌ_２，・・，ｌ_ｕ’，・・，ｌ_ｒ’］_ｙ ^ｚを形成し、これらを学習行動群Ｌ’と定義する。

（２１）印象環境Ｅ_ｉｍｐにおいて、例えば第一印象による印象行動パターンＰ_ｆや最終印象による印象行動パターンＰ_ｌ等の印象行動パターンＰ_ｉｍｐ、印象行動生起順番ｕ（ただし、１≦ｕ≦ｏ’）を入力変数として、印象行動群Ｉ’＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚについて、行動群Ａ’＝［ａ_１，ａ_２，・・，ａ_ｔ，・・，ａ_ｑ］_ｙ ^ｚの行動生起順番ｔを出力する印象関数をｔ＝ｆ_Ｉ（Ｅ_ｉｍｐ，Ｐ_ｉｍｐ，ｕ）と定義する。

（２２）印象環境Ｅ_ｉｍｐにおいて、印象行動パターンＰ_ｉｍｐの印象行動群Ｉ’＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚの時、任意の印象行動生起順番ｕ（ただし、１≦ｕ≦ｏ’）について、行動群Ａ’＝［ａ_１，ａ_２，・・，ａ_ｔ，・・，ａ_ｑ］_ｙ ^ｚの行動生起順番ｔ＝ｆ_Ｉ（Ｅ_ｉｍｐ，Ｐ_ｉｍｐ，ｕ）となる行動［ａ_ｔ］_ｙ ^ｚが選出され、行動［ａ_ｔ］_ｙ ^ｚに対応する行動［Ａ_ｗ ^ｘ］_ｙ ^ｚを印象行動［Ｉ_ｗ］_ｙ ^ｚとし、行動群Ａ’の中で、印象行動［Ｉ_ｗ］_ｙ ^ｚに対応する遷移ｔ_ｗを持つ行動［Ａ_ｗ ^ｘ’］_ｙ ^ｚ（ただし、ｘ’≠ｘ）を学習行動［Ｌ_ｗ ^ｘ’］_ｙ ^ｚとする。例えば行動群Ａ’＝［ａ_１，ａ_２，・・，ａ_ｔ，・・，ａ_ｑ］_ｙ ^ｚ＝［Ａ_ｗ ^１，Ａ_ｗ ^２，・・，Ａ_ｗ ^ｔ，・・，Ａ_ｗ ^ｑ］_ｙ ^ｚが、例えば第一印象による印象行動パターンＰ_ｆに基づく行動であれば、印象関数ｔ＝ｆ_Ｉ（Ｅ_ｆ，Ｐ_ｆ，ｕ）＝１、印象行動群Ｉ’＝［ｉ_１］_ｙ ^ｚ＝［ａ_１］_ｙ ^ｚ＝［Ａ_ｗ ^１］_ｙ ^ｚ＝［Ｉ_ｗ］_ｙ ^ｚ、学習行動群Ｌ’＝［ｌ_１，ｌ_２，・・，ｌ_ｑ－１］_ｙ ^ｚ＝［ａ_２，ａ_３，・・，ａ_ｑ］_ｙ ^ｚ＝［Ａ_ｗ ^２，Ａ_ｗ ^３，・・，Ａ_ｗ ^ｑ］_ｙ ^ｚとなり、例えば最終印象による印象行動パターンＰ_ｌに基づく行動であれば、印象関数ｔ＝ｆ_Ｉ（Ｅ_ｆ，Ｐ_ｌ，ｕ）＝ｑ、印象行動群Ｉ’＝［ｉ_１］_ｙ ^ｚ＝［ａ_ｑ］_ｙ ^ｚ＝［Ａ_ｗ ^ｑ］_ｙ ^ｚ＝［Ｉ_ｗ］_ｙ ^ｚ、学習行動群Ｌ’＝［ｌ_１，ｌ_２，・・，ｌ_ｑ－１］_ｙ ^ｚ＝［ａ_１，ａ_２，・・，ａ_ｑ－１］_ｙ ^ｚ＝［Ａ_ｗ ^１，Ａ_ｗ ^２，・・，Ａ_ｗ ^ｑ－１］_ｙ ^ｚとなる。

（２３）行動［ａ_ｔ］_ｙ ^ｚ＝［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｘ≦ｑ）について、印象環境Ｅ_ｉｍｐと任意の行動主体者ｍ_ｚの印象行動パターンＰ_ｉｍｐを事前に設定し、印象行動［Ｉ_ｗ］_ｙ ^ｚ＝ｆ_Ｉ ^Ｅ，Ｐ［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ’、１≦ｘ≦ｑ）となる印象演算子ｆ_Ｉ ^Ｅ，Ｐを定義し、例えば、印象環境Ｅ_ｉｍｐにおいて、例えば当該行動主体者ｍ_ｚの行動群Ａ’＝［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝［Ａ_１ ^１，Ａ_２ ^１，Ａ_３ ^１，Ａ_１ ^２，Ａ_４ ^１，Ａ_１ ^３］_ｙ ^ｚでは、例えば印象行動パターンがＰ_ｆの時、印象行動群Ｉ’＝［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝ｆ_Ｉ ^Ｅ，Ｐ［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝ｆ_Ｉ ^Ｅ，Ｐ［Ａ_１ ^１，Ａ_２ ^１，Ａ_３ ^１，Ａ_１ ^２，Ａ_４ ^１，Ａ_１ ^３］_ｙ ^ｚ＝［ａ_１，ａ_２，ａ_３，ａ_５］_ｙ ^ｚ＝［Ａ_１ ^１，Ａ_２ ^１，Ａ_３ ^１，Ａ_４ ^１］_ｙ ^ｚ＝［Ｉ_１，Ｉ_２，Ｉ_３，Ｉ_４］_ｙ ^ｚとなり、例えば印象行動パターンがＰ_ｌの時、印象行動群Ｉ’＝［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝ｆ_Ｉ ^Ｅ，Ｐ［ａ_１，ａ_２，ａ_３，ａ_４，ａ_５，ａ_６］_ｙ ^ｚ＝ｆ_Ｉ ^Ｅ，Ｐ［Ａ_１ ^１，Ａ_２ ^１，Ａ_３ ^１，Ａ_１ ^２，Ａ_４ ^１，Ａ_１ ^３］_ｙ ^ｚ＝［ａ_２，ａ_３，ａ_５，ａ_６］_ｙ ^ｚ＝［Ａ_２ ^１，Ａ_３ ^１，Ａ_４ ^１，Ａ_１ ^３］_ｙ ^ｚ＝［Ｉ_２，Ｉ_３，Ｉ_４，Ｉ_１］_ｙ ^ｚとなる。

（２４）一つの思考モデルは、印象環境下、印象行動パターンＰ_ｉｍｐと思考構成パターンＰ_ｃｏｎを持つ任意の行動主体者ｍ_ｚによってもたらされた行動履歴記録より取得された履歴情報から、ある有限の時間（セッションｓ_ｙ）に対して作成される。

（２５）思考モデルは、思考から行動ヘ移行する間に第三者視点を想定した行動の思考内再構成は存在しないことを利用し、任意の行動主体者ｍ_ｚによってもたらされた行動履歴記録より取得された履歴情報に含まれる行動に全ての思考が含まれ、常に思考の数は行動の数以下であると仮定し、これら行動により表された思考を有向グラフ構造、あるいは、有向非環状グラフ構造として生成することで、「個性」や「特性」も含め、当該行動主体者ｍ_ｚの行動や意向を的確に反映した思考の可視化を行う。

（２６）思考モデルを有向グラフ構造として生成するに際し、印象行動生起数ｒ個（ただし、ｒ＝ｏ’）の印象行動群Ｉ’＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚより、印象行動［ｉ_ｕ］_ｙ ^ｚを選出し、思考構成生起数ｓ個（ただし、ｓ＝ｒ＝ｏ’）の思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）を形成する。

（２７）思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）を形成するに際し、例えば正順による思考構成パターンＰ_ｎや逆順による思考構成パターンＰ_ｒ等のように、思考構成パターンＰ_ｃｏｎ、思考構成順番ｖ（ただし、１≦ｖ≦ｏ’）を入力変数として、印象行動群Ｉ’＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚの印象行動生起順番ｕを出力する思考構成関数をｕ＝ｆ_Ｃ（Ｐ_ｃｏｎ，ｖ）と定義する。

（２８）思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）を形成するに際し、思考構成パターンＰ_ｃｏｎの時、任意の思考構成順番ｖについて、印象行動群Ｉ’＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚの印象行動生起順番ｕ＝ｆ_Ｃ（Ｐ_ｃｏｎ，ｖ）となる印象行動［ｉ_ｕ］_ｙ ^ｚが選出され、思考構成要素［ｃ_ｖ］_ｙ ^ｚとする。例えば印象行動群Ｉ’が、例えば正順による思考構成パターンＰ_ｎに基づく思考構成であれば、思考構成関数ｕ＝ｆ_Ｃ（Ｐ_ｎ，ｖ）より、思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ＝［ｉ_１，ｉ_２，・・，ｉ_ｕ，・・，ｉ_ｒ］_ｙ ^ｚ（ただし、ｖ＝ｕ、ｓ＝ｒ＝ｏ’）となり、例えば逆順による思考構成パターンＰ_ｒに基づく思考構成であれば、思考構成関数ｕ＝ｆ_Ｃ（Ｐ_ｒ，ｖ）より、思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ＝［ｉ_ｒ，ｉ_ｒ－１，・・，ｉ_ｕ，・・，ｉ_１］_ｙ ^ｚ（ただし、ｖ＝ｒ－ｕ＋１、ｓ＝ｒ＝ｏ’）となる。

（２９）思考構成要素［ｃ_ｖ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）について、思考構成パターンＰ_ｃｏｎを事前に設定し、思考構成要素［ｃ_ｖ］_ｙ ^ｚ＝ｆ_Ｃ ^Ｐ［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’、１≦ｗ≦ｏ’）となる思考構成演算子ｆ_Ｃ ^Ｐを定義し、例えば、印象行動群Ｉ’＝［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝［Ｉ_２，Ｉ_３，Ｉ_４，Ｉ_１］_ｙ ^ｚでは、例えば思考構成パターンがＰ_ｎの時、思考構成群Ｃ’＝［ｃ_１，ｃ_２，ｃ_３，ｃ_４］_ｙ ^ｚ＝ｆ_Ｃ ^Ｐ［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝ｆ_Ｃ ^Ｐ［Ｉ_２，Ｉ_３，Ｉ_４，Ｉ_１］_ｙ ^ｚ＝［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝［Ｉ_２，Ｉ_３，Ｉ_４，Ｉ_１］_ｙ ^ｚとなり、例えば思考構成パターンがＰ_ｒの時、思考構成群Ｃ’＝［ｃ_１，ｃ_２，ｃ_３，ｃ_４］_ｙ ^ｚ＝ｆ_Ｃ ^Ｐ［ｉ_１，ｉ_２，ｉ_３，ｉ_４］_ｙ ^ｚ＝ｆ_Ｃ ^Ｐ［Ｉ_２，Ｉ_３，Ｉ_４，Ｉ_１］_ｙ ^ｚ＝［ｉ_４，ｉ_３，ｉ_２，ｉ_１］_ｙ ^ｚ＝［Ｉ_１，Ｉ_４，Ｉ_３，Ｉ_２］_ｙ ^ｚとなる。

（３０）思考モデルを有向グラフ構造として生成するに際し、図１乃至図４に示すように、思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）の思考構成要素［ｃ_ｖ］_ｙ ^ｚに対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｘ’≦ｑ）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｘ≦ｑ）と、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ状態ｅ_ｉや状態ｅ_ｊ等を有向グラフ構造として生成する。また、当該有向グラフ構造は、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ状態ｅ_ｉや状態ｅ_ｊ等をタスク１、あるいは、タスク１で読み替えられる変形タスク６、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚをエッジ２、開始状態を開始タスク３、終了状態を終了タスク４、開始タスク３及至タスク１間、及びタスク１及至終了タスク４間の接続を補助エッジ５とした構造を成し、さらに、各タスクや各エッジの流れを開始タスクから終了タスクヘと一意に向かう有向非環状グラフ構造として生成が可能であり、また、生成された有向グラフ構造や有向非環状グラフ構造に対する属性情報の付帯が可能であり、思考モデルの解析や思考モデルの表示も可能となっている。

（３１）思考モデルを有向グラフ構造として生成するに際し、例えば図１及至図４に示すように、タスク１、開始タスク３、終了タスク４を配置後、思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）の思考構成要素［ｃ_ｖ］_ｙ ^ｚに対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｘ’≦ｑ）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｘ≦ｑ）を有向グラフ構造のエッジ２として接続する時、思考構成群Ｃ’の思考構成要素［ｃ_ｖ］_ｙ ^ｚに対して、その生起順に有向のエッジを接続する。

（３２）思考モデルを有向グラフ構造として生成するに際し、１つの思考構成要素［ｃ_ｖ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）に対して、有向グラフ構造のエッジを接続する時、思考構成要素［ｃ_ｖ］_ｙ ^ｚに対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ’）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが、例えばある状態ｅ_ｉから別の状態ｅ_ｊへの遷移である場合、例えば図１及至図４に示すように、ある状態ｅ_ｉを示すタスク１から別の状態ｅ_ｊを示すタスク１へと向かう有向のエッジ２を接続する。

（３３）思考モデルを、さらに、有向非環状グラフ構造として生成する場合、思考構成群Ｃ’＝［ｃ_１，ｃ_２，・・，ｃ_ｖ，・・，ｃ_ｓ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）の生起順に有向グラフ構造のエッジを接続するに際し、例えば図１及至図４に示すように、１つの思考構成要素［ｃ_ｖ］_ｙ ^ｚを有向のエッジ２として接続する前に、思考構成要素［ｃ_ｖ］_ｙ ^ｚに対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ’）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが、例えばある状態ｅ_ｉから別の状態ｅ_ｊへの遷移である場合、状態ｅ_ｊを示すタスク１から状態ｅ_ｉを示すタスク１へと向かう有向のエッジ２群による接続の存在を検索し、状態ｅ_ｊを示すタスク１から状態ｅ_ｉを示すタスク１への直接的、あるいは、間接的な接続が存在しない場合のみ、ある状態ｅ_ｉを示すタスク１から別の状態ｅ_ｊを示すタスク１へと向かう有向のエッジ２を接続する。

（３４）思考モデルを作成するに際し、例えば図１及至図４に示すように、生成された有向グラフ構造の各エッジ２における思考構成要素［ｃ_ｖ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）に対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ’）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｘ≦ｑ）に対して、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚとは別の、セッションｓ_ｙ（ただし、１≦ｙ≦ｐ）中の行動が存在した場合、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ２つの状態（ある状態ｅ_ｉと別の状態ｅ_ｊ、ただし、１≦ｉ≦ｎ、１≦ｉ≦ｎ）がセッションｓ_ｙ中で１つ（状態ｅ_ｉあるいは状態ｅ_ｊ）、あるいは、２つ（状態ｅ_ｉと状態ｅ_ｊ双方共）が共有されたと判断された時、セッションｓ_ｙ中の各行動における共有された状態ｅ_ｉや状態ｅ_ｊに対して付帯される時間及び回数等の重み属性情報は、合算して各状態を示す属性情報として、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ状態ｅ_ｉや状態ｅ_ｊに対して付帯させ、その後、これらの状態に対応する有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。

（３５）思考モデルを作成するに際し、例えば図１及至図４に示すように、生成された有向グラフ構造の各エッジ２における思考構成要素［ｃ_ｖ］_ｙ ^ｚ（ただし、１≦ｖ≦ｏ’）に対応する印象行動［Ｉ_ｗ］_ｙ ^ｚ（ただし、１≦ｗ≦ｏ’）として定義される行動［Ａ_ｗ ^ｘ］_ｙ ^ｚ（ただし、１≦ｘ≦ｑ）の遷移ｔ_ｗが持つ２つの状態（ある状態ｅ_ｉと別の状態ｅ_ｊ、ただし、１≦ｉ≦ｎ、１≦ｉ≦ｎ）に対して付帯される属性情報、あるいは、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚとは別の、セッションｓ_ｙ中の行動が存在した場合、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ２つの状態がセッションｓ_ｙ中で１つ（状態ｅ_ｉあるいは状態ｅ_ｊ）、あるいは、２つ（状態ｅ_ｉと状態ｅ_ｊ双方共）が共有されたと判断された時、セッションｓ_ｙ中の各行動における共有された状態ｅ_ｉや状態ｅ_ｊに対して付帯される属性情報は、解析して各状態を示す解析属性情報として、当該行動［Ａ_ｗ ^ｘ］_ｙ ^ｚの遷移ｔ_ｗが持つ状態ｅ_ｉや状態ｅ_ｊに対して付帯させ、その後、これらの状態に対応する有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。

３．〔Webアクセスログや形態素解析した文章等からの思考モデル作成前処理〕
　本実施の形態においては、図５の履歴情報取得部１００に示すように、観測された行動履歴記録とするWebアクセスログや形態素解析した文章等について、まず、以下の手順による前処理を行う。

3-1　行動履歴記録の抽出
　図５に示すように、行動履歴記録抽出部１０１においては、入力装置２０００から入力したWebアクセスログや形態素解析した文章等の観測された行動履歴記録や設定データを用いて、3-1-1及至3-1-3の手順により履歴情報取得対象となる行動記録要素を抽出する。

3-1-1　Webアクセスログや形態素解析した文章等の観測した行動履歴記録の読み込み
　図５に示すように、入力装置２０００から行動履歴記録記録部１１へ、解析対象とする観測した行動履歴記録として入力したWebアクセスログや形態素解析した文章等により、生起時間順行動履歴記録要素（行動記録要素）を行動履歴記録入力部１２で抽出、並べ替えし、行動記録要素群として出力する。例えば、Webアクセスログの閲覧履歴を行動履歴記録とする場合、ホストＩＰアドレス、記録日時、リソース、ステータス、リファラ、エージェントを一組毎に抽出し、生起時間順に並べ替え、行動記録要素群として出力する。リファラやエージェントが存在しない、Webアクセスログについては、例えば、「-」のような記録代替文字を代替使用する。また、リファラについては、解析対象となるWebアクセスログを取得したサーバＵＲＬを予め指定し、対象文字列を削除することにより、リソースとの整合性を保つ。また、リソース、リファラ共に、内包されているＵＲＬ終端に「/index.hｔml」「/index.hｔm」等、正規化対象文字列が存在した場合、その部分を「/」等、正規化文字列に置き換え、閲覧履歴と実際に閲覧したページとの整合性を保つ。さらに、ホストＩＰアドレスから同等の内容を持つホスト名情報を複製する。

3-1-2　ロボット型サーチエンジンのクローラ等不要行動履歴記録の定義ファイルによる削除
　例えば、Webアクセスログを行動履歴記録とする場合、ホストＩＰアドレスの一部分を指定した定義ファイルを、図５に示すように、入力装置２０００から、不要行動履歴記録に該当するホストIＰアドレスを持つ行動記録要素を削除対象とする設定を設定データとして不要行動履歴記録記録部１３へ入力し、不要行動履歴記録削除部１４で不要部分を行動記録要素群から削除する。

3-1-3　行動履歴記録の変換
　図５に示すように、定義ファイルやネットワーク問合せの結果を行動記録要素変換用の設定データとして入力装置２０００から変換属性記録部１５へ入力し、入力された設定データにより、行動履歴記録変換部１６で行動記録要素の変換を行う。例えば、Webアクセスログを行動履歴記録とする場合、3-1-3-1及至3-1-3-3の手順により、行動記録要素の変換を行う。

3-1-3-1　ホストＩＰアドレスから一般的ホスト名ヘの定義ファイルに基づく変換
　ホストＩＰアドレスの一部分とその一般的ホスト名を指定した定義ファイルに基づいて、該当するホストＩＰアドレスを持つWebアクセスログについては、ホスト名を指定された一般的ホスト名ヘ書き換える。

3-1-3-2　未変換ホストＩＰアドレスから一般的ホスト名ヘのドメインネームサーバによる変換
　ホストＩＰアドレスから一般的ホスト名ヘの定義ファイルに基づく変換において、その定義ファイル中に対象となるホストＩＰアドレスが存在しない等の理由により変換されなかったWebアクセスログのホストＩＰアドレスについては、ネットワーク上のドメインネームサーバヘの問い合わせを行い、一般ホスト名を検索し、一般ホスト名が存在した場合には、Webアクセスログのホスト名を当該の一般ホスト名ヘ書き換える。

3-1-3-3　一般的ホスト名から定義ホスト名ヘの定義ファイルに基づく変換
　一般的ホスト名の一部分と定義ホスト名を指定した定義ファイルに基づいて、該当する一般的ホスト名を持つWebアクセスログについては、一般的ホスト名を指定された定義ホスト名ヘ書き換える。

3-2　行動履歴記録のセッション分割
　図５に示すように、行動履歴記録セッション分割部１７においては、行動履歴記録抽出部１０１にて抽出された行動記録要素群に対して、セッション分割を行う。例えば、Webアクセスログを行動履歴記録とする場合、3-2-1及至3-2-3の手順により行動記録要素群のセッション分割を行う。

3-2-1　リファラからサーチエンジン検索語等の分離及び変換
　リファラについては、サーチエンジン検索語等を分離及び変換を行う。

3-2-2　ホストＩＰアドレス毎の集積及び分割
　WebアクセスログのホストＩＰアドレスが同一のものを統一化して集積し、一意的なホストＩＤを制り振る。そのうえで、Webアクセスログの該当箇所にホストＩＤを追加する。

3-2-3　同一ホストＩＰアドレス内の閲覧様態によるセッションの集積及び分割
　WebアクセスログのホストＩＰアドレスが同一のものを統一化して集積し、記録日時が予め設定した時間以上隔たっているものを分割する。そのうえで、各分割された行動記録要素群（分割行動記録要素群）に対し、当該分割行動記録要素群内でリファラとリソースとのＵＲＬ内容を比較して、リファラのみに存在する内容を抽出する。

　その後、分割行動記録要素群内で時系列順に並ぶWebアクセスログのリファラをリソースと順次比較した時、リファラとリソースとの双方に存在するＵＲＬ内容から、リファラのみに存在するＵＲＬ内容になった時を区切りとして、さらに分割（再分割行動記録要素群）する。ただし、リファラのみに存在するＵＲＬ内容が続いた場合には、２つめ以降の部分は区切りとしない。

　その後、それぞれの再分割行動記録要素群に対して、一意的なセッションＩＤを割り振る。そのうえで、Webアクセスログの該当箇所にセッションＩＤを追加する。

　最後に、ホストＩＤとセッションＩＤ全体に対して２つのＩＤが同一のものを統一化して集積し、一意的なユニークＩＤを割り振る。そのうえで、Webアクセスログの当該行動記録要素にユニークＩＤを追加する。

3-3　属性情報の算出
　図５に示すように、属性情報算出部１８においては、行動履歴記録セッション分割部１７にて分割された行動記録要素群に対して、ある一つの「状態」が定義できる行動記録要素を抽出し、「後続状態」を定義し、さらに、当該行動記録要素において別の「状態」を取得し、これを「先行状態」と定義する。次に「先行状態」から「後続状態」への遷移を「行動」と定義した後、「先行状態」「後続状態」「行動」を履歴情報の構成要素（履歴要素）とする。最後に当該履歴要素の「先行状態」「後続状態」「行動」、あるいは、当該履歴要素に対して付帯される属性情報の算出を行い、当該履歴要素に付加する。例えば、Webアクセスログを行動履歴記録として用いる場合、3-3-1及至3-3-3の手順により履歴情報を示す属性情報の算出を行う。

3-3-1　「状態」と「行動」の定義
　行動記録要素群の行動記録要素に対して、同一ユニークＩＤとなるリソースＵＲＬ内容を対象とし、この中で、「.hｔml」、「.hｔm」、「/」、「．ｓｈｔｍｌ」、「．ｓｈｔｍ」、「．ｐｈｐ」、「．ｃｇｉ」、「．ｐｌ」、「．ｔｘｔ」、「．ｚｉｐ」、「．ｌｚｈ」、「．ｐｄｆ」、「．ｍｐｇ」、「．ｍｐｅｇ」、「．ｅｘｅ」、「．ｘｍｌ」、「．ｈｔａｃｃｅｓｓ」、「．ｈｔｐａｓｓｗｄ」等、ページ閲覧対象拡張子文字列で終わるＵＲＬ内容のものをすべて抽出し、対象となる行動記録要素のリソースＵＲＬを「後続状態」、リファラを「先行状態」、「先行状態」から「後続状態」への遷移を「行動」と定義した後、２つの「状態」を含む「行動」を履歴情報の構成要素（履歴要素）とする。

3-3-2　同一セッション中の各状態における閲覧時間の推定
　履歴要素取得の対象とされた行動記録要素の記録日時と、次に対象となる行動記録要素の記録日時との差を、当該行動記録要素の「後続状態」に対して付帯させる重み属性情報として、閲覧時間と定義する。ただし、同一ユニークＩＤ中、次に対象となる行動記録要素が無いものに関しては、閲覧時間を０とする。

3-3-3　各状態の使用可否判別
　重み属性情報が定義された行動記録要素に対し、当該行動記録要素のステータスが「２００」、「２０６」、「３０１」、「３０２」、「３０４」、「４０１」、「４０３」等、使用対象ステータスにより、使用の可否を判別し、不使用とされた行動記録要素からなる履歴要素は削除する。

3-4　履歴情報の生成と出力
　図５に示すように、履歴情報生成部１９においては、履歴要素として属性情報算出部１８において定義された「先行状態」「後続状態」「行動」と算出された属性情報を一組毎に編成し、履歴要素群と成すことで履歴情報を生成し、履歴情報記録部２０へ出力する。

４．〔Webアクセスログや形態素解析した文章等からの思考モデル作成〕
　本実施の形態においては、図５の思考モデル出力部２００に示すように、前処理されたWebアクセスログや形態素解析した文章等の行動履歴記録より取得された履歴情報が記録されている履歴情報記録部２０から、以下の手順により、思考モデルを生成された有向グラフ構造を用いて作成し、さらに、例えば図１及至図４に示すように、有向無閉路グラフ構造を用いて作成する。ただし、図１及至図４において変形タスク６として示すタスクは、図５の思考モデル出力部２００の思考モデル作成部２２において配置されるものであり、有向グラフ構造生成部２１においては、適宜タスク１として読み替えられるものとする。

4-1　有向グラフ構造の生成
　図５に示すように、有向グラフ構造生成部２１においては、履歴情報記録部２０に記録された履歴情報を用いて有向グラフ構造を生成する。

4-1-1　履歴情報の履歴要素群への分割
　履歴情報を、例えばWebアクセスログ等のユニークＩＤや形態素解析した文章の文章ファイル番号のようにセッション毎に割り振られた属性情報を持つ履歴要素群（セッション毎履歴要素群）を単位として分割する。例えば、Webアクセスログ等の場合、ユニークＩＤ毎に、履歴情報をセッション毎履歴要素群へ分割する。以後、全ての対象は、セッション毎とする。

4-1-2　「先行状態」チェックによる「状態」の再定義
　セッション毎履歴要素群の「先行状態」が全て同じ記録代替文字となっているか否かを判別し、正であれぱ、当該セッション毎履歴要素群において、各履歴要素の一つ前の「後続状態」を当該履歴要素の「先行状態」と再定義する。ただし、当該セッション毎履歴要素群の先頭の履歴要素はそれより前の履歴要素が取得できないため、記録代替文字となっている「先行状態」を「開始状態」とした再定義を行う。

4-1-3　初出「先行状態」チェックによる「行動」の再定義と追加
　セッション毎履歴要素群において、各履歴要素の「先行状態」の一つ前までの履歴要素の「後続状態」に当該履歴要素の「先行状態」に対応する「状態」が存在しているかどうかをチェックし、「先行状態」の「状態」が存在せず、初出の「状態」であった場合、当該履歴要素の「先行状態」を「後続状態」として「行動」を再定義し、当該履歴要素の一つ前の履歴要素の「後続状態」を「先行状態」として「行動」を定義した履歴要素を当該履歴要素の一つ前に新規に追加し、これらのチェック及び、再定義と追加を、セッション毎履歴要素群中の全履歴要素について再定義が完了した状態まで再帰的に繰り返す。ただし、当該セッション毎履歴要素群の先頭の履歴要素はそれより前の履歴要素が取得できないため、「先行状態」が初出の「状態」で「行動」を定義したまま再定義は行わない。

4-1-4　同一「先行・後続状態」チェックによる「行動」の再定義と追加
　セッション毎履歴要素群において、各履歴要素の「先行状態」と「後続状態」の二つの「状態」が異なっているかどうかをチェックし、「先行状態」と「後続状態」が同一の「状態」であった場合、当該履歴要素の一つ前の履歴要素から、先頭の履歴要素へ向かって、対象履歴要素を「後続状態」及至「先行状態」の順に検索し、当該履歴要素の「状態」と最初に異なった「状態」を取得し、当該「状態」を「中間状態」とした上で、当該履歴要素の「先行状態」を「中間状態」として「行動」を再定義し、当該履歴要素の「後続状態」を「中間状態」として「行動」を定義した履歴要素を当該履歴要素の一つ前に新規に追加し、これらのチェック及び、再定義と追加を、セッション毎履歴要素群中の全履歴要素について再定義が完了した状態まで再帰的に繰り返す。ただし、当該セッション毎履歴要素群の先頭の履歴要素はそれより前の履歴要素が取得できないため、当該履歴要素の「先行状態」と「後続状態」が同一の「状態」であった場合、「中間状態」を「開始状態」とした上で、「行動」の再定義と追加を行う。

4-1-5　印象行動パターンによる印象行動群の取得
　図５に示すように、印象行動パターンを入力装置２０００から有向グラフ構造生成部２１へ入力し、入力された印象行動パターンにより印象関数を定義し、当該印象関数を用いて、セッション毎履歴要素群における各履歴要素の「行動」から取得した行動群から印象行動群を取得する。

4-1-6　思考構成パターンによる思考構成群の取得
　図５に示すように、思考構成パターンを入力装置２０００から有向グラフ構造生成部２１へ入力し、入力された思考構成パターンにより思考構成関数を定義し、当該思考構成関数を用いて、印象行動群から思考構成群を取得する。

4-1-7　有向グラフ構造のタスク準備
　思考構成群の思考構成要素に対応する印象行動に含まれる「先行状態」「後続状態」の各「状態」を示すタスクを、例えば図１及至図４に示すように、生成する有向グラフ構造のタスク１として配置し、また「開始状態」を示すタスクを開始タスク３、「終了状態」を示すタスクを終了タスク４として配置する。

4-1-8　有向グラフ構造のエッジ接続
　図５に示すように、思考モデル設定を入力装置２０００から有向グラフ構造生成部２１へ入力し、生成する有向グラフ構造の各エッジを、思考構成群の生起順に従って順番に接続する。例えば図１及至図４に示すように、エッジ２の接続は、思考構成群の思考構成要素に対応する印象行動の遷移が「先行状態」から「後続状態」への遷移である場合、「先行状態」を示すタスク１から「後続状態」を示すタスク１へと向かう有向のエッジ２を接続する。ただし、思考モデル設定が有向非環状グラフ構造として生成する設定になっていた場合、各エッジ２接続の順番時に生成する有向グラフ構造に対して、当該エッジ２に対応する印象行動の遷移の「先行状態」と「後続状態」について、「後続状態」を示すタスク１から「先行状態」を示すタスク１へと向かう有向のエッジ２群による接続の存在を検索し、「後続状態」を示すタスク１から「先行状態」を示すタスク１への直接的、あるいは、間接的な接続が存在しない場合のみ、「先行状態」を示すタスク１から「後続状態」を示すタスク１へと向かう有向のエッジ２を接続することで、当該エッジ２を接続したときに、有向グラフ構造が開始タスク３から終了タスク４へと一意に向かう有向非環状グラフ構造として生成する。また、「先行状態」が「開始状態」の時、「開始状態」を示す開始タスク３から「後続状態」を示すタスク１へと向かう有向のエッジを接続する場合、エッジを補助エッジ５として接続する。

4-1-9　有向グラフ構造の開始タスクからのエッジ接続
　思考構成群の思考構成要素に対応する印象行動の遷移の「先行状態」が初出の「状態」で「行動」を定義され、かつ、「先行状態」が「開始状態」ではない「行動」の場合、例えば図１及至図４に示すように、「開始状態」を示す開始タスク３から初出の「状態」で「行動」を定義された「先行状態」を示すタスク１へと向かう有向の補助エッジ５を接続する。

4-1-10　有向グラフ構造の終了タスクへのエッジ接続
　例えば図１及至図４に示すように、生成する有向グラフ構造のタスク１の内、タスク１から他のタスク１へと向かう有向のエッジ２が１つも無いタスク１について、当該タスク１から「終了状態」を示す終了タスク４へと向かう有向の補助エッジ５を接続する。

4-2　思考モデルの作成と出力
　図５に示すように、思考モデル作成部２２においては、有向グラフ構造生成部２１にて分割されたセッション毎履歴要素群と生成された有向グラフ構造を用いて解析属性情報の算出を行い、解析属性情報を有向グラフ構造に対して付帯させ、思考モデルの作成を行った上で、思考モデル記録部２３へ出力する。より具体的には、4-2-1及至4-2-4の手順により思考モデルの作成を行った上で、思考モデル記録部２３へ出力する。

4-2-1　「状態」に対して付帯される重み属性情報からの属性情報の算出とタスクやエッジ、グラフに対する属性情報の付帯
　例えば図１及至図４に示すように、有向グラフ構造の各エッジ２における思考構成要素に対応する印象行動として定義される「行動」（当該行動）の遷移が持つ「先行状態」と「後続状態」について、これらの「状態」がセッション毎履歴要素群中で共有されたと判断された時、セッション毎履歴要素群中の各「行動」における共有された「状態」に対して付帯される時間及び回数等の重み属性情報を合算し、各「状態」を示す属性情報として、当該行動の遷移が持つ「先行状態」や「後続状態」に対して付帯させ、その後、これらの「状態」に対応する有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。

4-2-2　「状態」に対して付帯される属性情報からの解析属性情報の算出とタスクやエッジ、グラフに対する解析属性情報の付帯
　例えば図１及至図４に示すように、有向グラフ構造の各エッジ２における思考構成要素に対応する印象行動として定義される「行動」（当該行動）の遷移が持つ「先行状態」と「後続状態」に対して付帯される属性情報、あるいは、当該行動の遷移が持つ「先行状態」と「後続状態」について、これらの「状態」がセッション毎履歴要素群中で共有されたと判断された時、セッション毎履歴要素群中の各「行動」における共有された「状態」に対して付帯される属性情報を解析し、各「状態」を示す解析属性情報として、当該行動の遷移が持つ「先行状態」や「後続状態」に対して付帯させ、その後、これらの「状態」に対応する有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。例えば、Webアクセスログを行動履歴記録として用いる場合、ホスト名、ホストＩＤ、ユニークＩＤ、参入及び離脱ページ等を解析属性情報としてタスク１に対して付帯させる。

4-2-3　タスクやエッジ、グラフに対して付帯される属性情報からの解析属性情報の算出とタスクやエッジ、グラフに対する解析属性情報の付帯
　例えば図１及至図４に示すように、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスク１やエッジ２、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。さらに、各タスク１や各エッジ２の流れを開始タスク３から終了タスク４ヘと一意に向かう有向非環状グラフ構造として生成した場合、例えばクリティカルパスや重畳パススコア等を解析し、有向グラフ構造のタスク１やエッジ２、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させてもよい。

4-2-4　タスクやエッジ、グラフに対して付帯される属性情報からの出力表現属性情報の算出とタスクやエッジ、グラフに対する出力表現属性情報の付帯
　例えば図１及至図４に示すように、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯される属性情報の視認性を高めるため、有向グラフ構造のタスク１やエッジ２、あるいは、グラフの表示様態を示す属性情報として、例えば、形・色相・濃度・線の太さ等といった出力表現属性情報を、有向グラフ構造のタスク１やエッジ２、あるいは、グラフに対して付帯させる。例えば、Webアクセスログ等の場合、例えば、参入及び離脱ページ等を変形タスク６として付帯させてもよく、また、例えばタスク１やエッジ２の表示様態を変化させ、付帯させてもよい。さらに、例えばグラフに対して付帯させた解析属性情報の内容を思考モデル情報７として付帯させてもよい。

５．〔思考モデルの解析〕
　本実施の形態においては、図５に示すように、思考モデル作成装置１０００に思考モデル解析装置４０００を接続し、思考モデル出力部２００の思考モデル記録部２３へ出力した全部、あるいは、一部の履歴情報分の思考モデルを、思考モデル解析部４０１へ出力状態を変形して入力することで、例えば自己組織化マップ等によるクラスタリング等や、例えばサポートベクターマシン等による同定解析等を行ってもよく、さらに、例えば図１及至図４に示すように、例えばゾーン８等のように、頻度や共起度に応じ、タスク１やエッジ２を区分化してもよい。

６．〔思考モデルの表示〕
　本実施の形態においては、図５に示すように、思考モデル作成装置１０００に表示装置３０００を接続することで、思考モデル作成装置１０００の思考モデル出力部２００の思考モデル記録部２３へ出力した全部、あるいは、一部の履歴情報分の思考モデルの表示が行えるようになっている。さらに、思考モデル作成装置１０００の履歴情報取得部１００の履歴情報記録記録部２０を接続することで当該思考モデルと共に履歴情報等を表示してもよく、思考モデル解析装置４０００を接続することで当該思考モデルと共に解析した思考モデルの結果を表示してもよい。

７．〔思考モデルの作成装置〕
　本発明に係る思考モデルの作成装置は、本発明に係る思考モデルの作成方法を実施する装置であって、ハードウェア構成、ＤＳＰ、ＭＰＵ、ソフトウェアのいずれによっても実現することが可能である。例えば、ソフトウェアによって実現する場合、本発明に係る思考モデルの作成装置は、実際には信号処理手段（ＣＰＵ、あるいは、ＭＰＵ等）及び記憶手段（ＲＡＭ、ＲＯＭ等のメモリ等）を用いて、上述した思考モデルの作成方法を実施する。

８．〔思考モデルの作成プログラム〕
　本発明に係る思考モデルの作成装置を、例えば、ソフトウェアによって実現する場合、本発明に係る思考モデルの作成プログラムは、信号処理手段を有するコンピュータ装置において実行されることによって、上述した本発明に係る思考モデルの作成方法を実施する。

　したがって、コンピュータ装置が図５に示す各機能を果たすように動作させるプログラムを例えばＣＤ－ＲＯＭのような記録媒体に記録し、コンピュータに読み込ませることによって実現できるものである。当該プログラムを記録する記録媒体としては、ＣＤ－ＲＯＭ以外に、フレキシブルディスク、ハードディスク、磁気テープ、光ディスク、光磁気ディスク、ＤＶＤ、不揮発性メモリカード、半導体メモリ等を用いることができる。また、当該プログラムをインターネット等のネットワークを介してコンピュータにダウンロードすることによっても実現できる。

９．〔その他〕
　上記実施の形態は、何れも本発明に係る思考モデルの作成方法を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその精神、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

　本発明は、Webアクセスログや形態素解析した文章等の行動履歴記録を元にした思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラムに適用される。

　　　　１　　タスク
　　　　２　　エッジ
　　　　３　　開始タスク
　　　　４　　終了タスク
　　　　５　　補助エッジ
　　　　６　　変形タスク
　　　　７　　思考モデル情報
　　　　８　　ゾーン
　　　１１　　行動履歴記録記録部
　　　１２　　行動履歴記録入力部
　　　１３　　不要履歴記録記録部
　　　１４　　不要行動履歴記録削除部
　　　１５　　変換属性記録部
　　　１６　　行動履歴記録変換部
　　　１７　　行動履歴記録セッション分割部
　　　１８　　属性情報算出部
　　　１９　　履歴情報生成部
　　　２０　　履歴情報記録部
　　　２１　　有向グラフ構造生成部
　　　２２　　思考モデル作成部
　　　２３　　思考モデル記録部
　　１００　　履歴情報取得部
　　１０１　　行動履歴記録抽出部
　　２００　　思考モデル出力部
　　４０１　　思考モデル解析部
　　４０２　　思考モデル解析結果記録部
　１０００　　思考モデル作成装置
　２０００　　入力装置
　３０００　　表示装置
　４０００　　思考モデル解析装置

Claims (10)

1. 　行動主体者がある状態から別の状態へ遷移しようと考える様態を思考、また、ある状態から別の状態ヘと実際に遷移する様態を行動と定義し、思考から行動ヘ移行する間に第三者視点を想定した行動の思考内再構成が存在しない低浸食性の履歴情報を状態集合及び遷移集合が含まれる観測された行動履歴記録より取得し、任意の行動主体者、任意の有限の時間（セッション）における履歴情報に一対一対応した、全部、あるいは、一部の履歴情報分の思考モデルを作成する思考モデルの作成方法であって、
   　当該行動主体者の思考が現れた行動には、印象環境において、第一印象による印象行動パターンに基づく行動や最終印象による印象行動パターンに基づく行動のように、印象行動パターンに基づく行動（印象行動）と、印象行動の学習、あるいは、確認を目的とした行動（学習行動）の２種類が存在するものとし、
   　セッション中に複数回出現した行動については、第一印象による印象行動パターンに基づく行動としての初回出現時の行動や、最終印象による印象行動パターンに基づく行動としての最終出現時の行動のように、印象行動パターンに基づいて選出された行動は印象行動であり、それ以外の出現時は学習行動であるとし、
   　セッション中の印象行動は、正順による思考構成パターンや、逆順による思考構成パターンのように、思考構成パターンに基づいて選出された思考構成要素により、思考構成群を形成し、
   　思考モデルは、思考構成群の思考構成要素に対応する印象行動として定義される行動と、当該行動の遷移が持つ状態を有向グラフ構造として生成し、当該有向グラフ構造は、当該行動の遷移が持つ状態をタスク、当該行動をエッジ、開始状態を開始タスク、終了状態を終了タスク、開始タスク及至タスク間及びタスク及至終了タスク間の接続を補助エッジとした構造を成し、さらに、クリティカルパスや重畳パススコアの解析を可能とするため、各タスクや各エッジの流れを開始タスクから終了タスクヘと一意に向かう有向非環状グラフ構造として生成が可能であり、また、生成された有向グラフ構造や有向非環状グラフ構造に対する属性情報の付帯が可能であり、思考モデルの解析や思考モデルの表示も可能となっている
   　ことを特徴する思考モデルの作成方法。
2. 　前記履歴情報において、観測された行動履歴記録として、Webアクセスログから履歴情報を取得する場合には、各ページでの閲覧を「状態」、ページから別のページへの閲覧遷移を「行動」と定義し、また、観測された行動履歴記録として、形態素解析された文章から履歴情報を取得する場合には、各品詞や使用単語を「状態」、各品詞や使用単語により構築された文章構造を「行動」と定義するように、任意の観測された行動履歴記録から「状態」と「行動」を定義する
   　ことを特徴する請求項１記載の思考モデルの作成方法。
3. 　前記生成された有向グラフ構造や有向非環状グラフ構造に対して、各エッジにおける思考構成要素に対応する印象行動として定義される行動に、当該行動とは別の、セッション中の行動が存在した場合、当該行動の遷移が持つ状態が共有されたと判断された時、セッション中の各行動における共有された状態に対して付帯される、時間及び回数といった重み属性情報は、合算して各状態を示す属性情報として、当該行動の遷移が持つ状態に対して付帯させ、その後、これらの状態に対応する有向グラフ構造の各タスクや各エッジ、あるいは、グラフに対する付帯を可能とし、また、セッション中の各行動における共有された状態に対して付帯される、重み属性情報以外の属性情報は、解析して各状態を示す属性情報として、当該行動の遷移が持つ状態に対して付帯させ、その後、これらの状態に対応する有向グラフ構造の各タスクや各エッジ、あるいは、グラフに対する付帯が可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
4. 　前記生成された有向グラフ構造や有向非環状グラフ構造に対して、タスクやエッジ、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスクやエッジ、あるいは、グラフに対する付帯が可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
5. 　前記生成された有向非環状グラフ構造に対して、クリティカルパスや重畳パススコアを解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフを示す解析属性情報として、有向グラフ構造のタスクやエッジ、あるいは、グラフに対する付帯が可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
6. 　前記生成された有向グラフ構造や有向非環状グラフ構造に対して、タスクやエッジ、あるいは、グラフに対して付帯される属性情報を解析し、有向グラフ構造のタスクやエッジ、あるいは、グラフに対して付帯される属性情報の視認性を高めるため、有向グラフ構造のタスクやエッジ、あるいは、グラフの表示様態を示す属性情報として、形・色相・濃度・線の太さといった出力表現属性情報を、有向グラフ構造のタスクやエッジ、あるいは、グラフに対する付帯が可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
7. 　前記思考モデルの解析において、出力された全部、あるいは、一部の履歴情報分の思考モデルの出力状態を変形することで、自己組織化マップによるクラスタリングや、サポートベクターマシンによる同定解析が可能であり、さらに、ゾーンのように、頻度や共起度に応じ、タスクやエッジの区分化が可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
8. 　前記思考モデルの表示において、出力された全部、あるいは、一部の履歴情報分の思考モデルの表示が可能であり、さらに、当該思考モデルと共に履歴情報の表示も可能であり、当該思考モデルと共に解析した思考モデルの結果の表示も可能となっている
   　ことを特徴する請求項１記載の思考モデルの作成方法。
9. 　信号処理手段及び記憶手段を用いて、請求項１及至請求項８に記載の思考モデルの作成方法を実施する
   　ことを特徴する思考モデルの作成装置。
10. 　信号処理手段を有するコンピュータ装置において実行されることによって、請求項１及至請求項８に記載の思考モデルの作成方法を実施する
    　ことを特徴する思考モデルの作成プログラム。

Images