WO2016072474A1 - 情報処理装置及び方法、並びにプログラム - Google Patents

情報処理装置及び方法、並びにプログラム Download PDF

Info

Publication number
WO2016072474A1
WO2016072474A1 PCT/JP2015/081225 JP2015081225W WO2016072474A1 WO 2016072474 A1 WO2016072474 A1 WO 2016072474A1 JP 2015081225 W JP2015081225 W JP 2015081225W WO 2016072474 A1 WO2016072474 A1 WO 2016072474A1
Authority
WO
WIPO (PCT)
Prior art keywords
index
predetermined
data
information processing
evaluation
Prior art date
Application number
PCT/JP2015/081225
Other languages
English (en)
French (fr)
Inventor
ブローディー・エルマー・ジェイ
Original Assignee
エコノミックインデックス株式会社
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 エコノミックインデックス株式会社 filed Critical エコノミックインデックス株式会社
Publication of WO2016072474A1 publication Critical patent/WO2016072474A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Definitions

  • the present invention relates to an information processing apparatus and method, and a program.
  • Patent Document 1 the contents of the extracted blogs and bulletin boards are text-mined, the number of blogs and bulletin boards containing product names to be concerned is counted, and evaluation words such as “delicious” and “bad” are added.
  • a technology related to an investment support system is disclosed that extracts and calculates evaluation points on a blog and a bulletin board of the product.
  • future sales can be predicted based on a comparison between the time-series data of the evaluation points and the past sales performance of the product obtained from the POS (Point Of Sale) system. It is also possible to predict the stock price of the manufacturer of the product.
  • POS Point Of Sale
  • the investor can make an investment decision according to the evaluation points calculated by the investment support system from the contents of the blog and the bulletin board.
  • the evaluation points calculated by the investment support system disclosed in Patent Document 1 are specialized only for the purpose of product sales forecasting, and the company's stock price forecast is based on the sales forecast and analysis of securities information. Therefore, valuation points are not used directly for stock price prediction. Considering the great applicability of such evaluation point ideas, it can be used not only for forecasting sales of products, but also for forecasting stock prices and other social phenomena. In other words, it is required not only for investment support but for the realization of an evaluation index suitable for appropriately predicting various social phenomena. However, the conventional techniques including Patent Document 1 sufficiently meet such requirements. This is not the situation.
  • the present invention has been made in view of such circumstances, and an object of the present invention is to enable output of an index suitable for appropriately predicting various social phenomena.
  • An information processing device includes: In an information processing apparatus that calculates an index related to a predetermined target, A first index calculating means for calculating a first index from a first parameter relating to data extracted from a plurality of information source data; Different index acquisition means for acquiring another index different from the first index related to the predetermined object; Second index calculating means for calculating a second index related to the predetermined object based on the first index and the another index; Is provided.
  • An information processing apparatus includes: In an information processing apparatus that calculates information about a predetermined target, Index calculating means for calculating a predetermined index from the first parameter relating to the extracted data from the plurality of information source data; Different index acquisition means for acquiring another index different from the predetermined index related to the predetermined object; Parameter updating means for updating the first parameter based on the predetermined index and the different index; Is provided.
  • FIG. 1 is a diagram illustrating an overall configuration of an evaluation index output system 1 according to an embodiment of the present invention. It is a figure which shows the hardware constitutions of the terminal 20a, 20b, 20c, ..., the evaluation index output device 10, and the information source server 40 of FIG. It is a functional block diagram which shows the functional structure of the evaluation index output apparatus 10 of FIG. It is a figure which shows an example of the information source table in connection with embodiment of this invention. It is a figure which shows an example of the related table in connection with embodiment of this invention. It is a figure which shows an example of the object data table in connection with embodiment of this invention. It is a figure which shows an example of the fluctuation
  • FIG. 1 is a diagram showing an overall configuration of an evaluation index output system 1 according to an embodiment of the present invention.
  • the hit index output system 1 includes terminals 20a, 20b, 20c,..., An evaluation index output device 10, a communication network 30, and an information source server 40.
  • the terminals 20a, 20b, 20c,... Can be connected to the evaluation index output device 10 and the information source server 40 via the communication network 30.
  • the evaluation index output device 10 and the information source server 40 include a control unit 110, 210, 410, an input unit 120, 220, 420, a display unit 130, 230, 430, storage units 140, 240, 440 and communication I / F units 150, 250, 450 are connected via buses 160, 260, 460, respectively.
  • the control units 110, 210, and 410 may be configured by a CPU (Central Processing Unit) and control the terminals 20a, 20b, 20c,..., The evaluation index output device 10, and the information source server 40 as a whole.
  • CPU Central Processing Unit
  • the control units 110, 210, and 410 may be configured by a CPU (Central Processing Unit) and control the terminals 20a, 20b, 20c,..., The evaluation index output device 10, and the information source server 40 as a whole.
  • CPU Central Processing Unit
  • the input units 120, 220, and 420 can be realized by a keyboard, a mouse, or the like.
  • Display units 130, 230, and 430 can be realized by a liquid crystal display, a cathode ray tube CRT, or the like.
  • the storage unit 240 of the evaluation index output device 10, and the storage unit 440 of the information source server 40 are the terminals 20a, 20b, 20c,. 10 and the information source server 40 store various programs for functioning as a terminal, a server, and an information source server, and programs for executing the functions of the present invention, respectively.
  • These storage units 140, 240, and 440 may be stored in an internal or external storage medium.
  • As the storage medium all storage devices such as a hard disk, an optical disk, a magnetic disk, a magneto-optical disk, a magnetic tape, and a memory card, and A storage medium can be used.
  • the communication I / F units 150, 250, and 450 can be realized by a LAN adapter, a modem adapter, or the like.
  • FIG. 3 is a functional block diagram showing a functional configuration of the evaluation index output device 10 according to the present embodiment described in FIG.
  • the evaluation index output device 10 includes an information source table 121, a relation table 122, a target data table 123, an evaluation index database 124, an information source storage control unit 201, and an evaluation point calculation unit.
  • 202 another index acquisition unit 203, a target weight variable setting unit 204, an evaluation index calculation unit 205, a time series distribution creation unit 206, and another index prediction unit 207 are provided.
  • the evaluation index output device 10 is described as an example realized as a computer, but is not limited to this, and may be realized as an information device designed exclusively.
  • the information source storage control unit 201 controls storage of a set including an information source and information source weight data for each of a plurality of information source data.
  • a set including an information source and information source weight data is stored in the information source table 121 for each information source.
  • FIG. 4 is a diagram illustrating an example of the information source table 121.
  • the information source table 121 is a table for storing attributes of information sources including data indicating a predetermined evaluation target (for example, a predetermined company) (hereinafter referred to as “target data”). Each information source is given a unique information source number, which is adopted as its row number (primary key).
  • a URL Uniform Resource Locator
  • data content text data of the portion of the URL content from which the target data is extracted is stored.
  • referenced number the number of links attached to the URL is stored.
  • the “information source weight” item a predetermined weight value (0 to 1) set for the information source is stored.
  • the information source weight represents the reliability of the information source, and is set to 1.0 for analyst reports, 0.5 for news, 0.1 for blogs, and the like.
  • the product of this and the information source weight is written as an initial target weight in the item “target weight” of the target data table 123 of FIG.
  • “initial” is because the target weight is corrected so that another index described later (for example, if the evaluation target is a predetermined company, the stock price of the predetermined company) and the evaluation index are strongly correlated.
  • FIG. 5 is a diagram illustrating an example of the association table 122.
  • the related table 122 includes attributes of main target data directly indicating various evaluation targets (for example, predetermined companies) and sub target data indicating sub targets (for example, product names of predetermined companies) related to the evaluation targets.
  • a table to store Each evaluation target is assigned a unique evaluation target number and is adopted as its row number (primary key).
  • the main target data In the “main target data” item, the main target data corresponding to each evaluation target number is stored.
  • the “sub target data n” stores the sub target data that is considered to be the nth most strongly related to the main target data.
  • n is an arbitrary integer value.
  • the degree to which the n-th sub target data is related to the main target data is stored.
  • n is an integer value from 1 to 3 .
  • the target data is a generic name that combines the main target data and the sub target data.
  • the information source table 121 in FIG. 4 and the association table 122 in FIG. 5 may be automatically generated by the evaluation index output device 10 or may be other than the evaluation index output device 10 including manual operation. It may be something (whether device or person). That is, the storage control of the information source storage control unit 201 in FIG. 3 not only stores new information in the information source table 121 and the related table 122, but also maintains and updates information already stored. This concept includes control of
  • FIG. 6 is a diagram illustrating an example of the target data table 123.
  • the target data table 123 is a table for storing attributes of the target data extracted from each information source.
  • the same target data is extracted from a plurality of information sources, it may be stored in a plurality of rows. Therefore, the so-called composite primary key of the unique target number assigned to each target data and the information source number of the information source from which the target data is extracted is used as the row number.
  • target data target data extracted from each information source is stored.
  • the item “evaluation point” stores the evaluation point of the target data calculated by the evaluation point calculation unit 202 (FIG. 3) in the information source. Evaluation points will be described later.
  • the target data table 123 may store target data related to a plurality of evaluation targets as in the related table 122. However, in the present embodiment, only target data related to a specific evaluation target for which an evaluation index is to be obtained is stored. It shall be.
  • the evaluation point calculation unit 202 determines the reputation of the predetermined evaluation object by analyzing each of the target data including the keyword indicating the predetermined evaluation object extracted from the plurality of information source data. Evaluation point data is calculated. Specifically, for example, the evaluation point calculation unit 202 performs morphological analysis on the content of the information source data for the target data extracted from a predetermined information source, and determines that the target data is captured positively. “+1” is calculated as an evaluation point and stored in the target data table 123 of FIG. Conversely, if the evaluation point calculation unit 202 determines that the target data is captured negatively, it calculates “ ⁇ 1” as the evaluation point and stores it in the target data table 123 of FIG.
  • the evaluation point calculation unit 202 determines that the target data is captured neutrally, it calculates “ ⁇ 0” as the evaluation point and stores it in the target data table 123 of FIG. In this way, the evaluation point calculation unit 202 assigns evaluation points to each target data.
  • the separate index acquisition unit 203 acquires another index that is different from the evaluation index related to the predetermined evaluation target.
  • an arbitrary index different from the evaluation index can be adopted as the separate index, but it is preferable to adopt an index that can determine the trend of the predetermined evaluation target from another viewpoint.
  • the predetermined evaluation target is a predetermined company, it is preferable to adopt the stock price of the predetermined company as another index.
  • the target weight variable setting unit 204 variably sets the target weight data for each target data based on another index related to a predetermined evaluation target and information source weight data for each information source.
  • the initial target weight data is stored in the target data table 123 of FIG. 6 based on the information source weight data (FIG. 4) for each information source. Therefore, the target weight variable setting unit 204 updates the initial target weight data based on another index related to the predetermined evaluation target (if the predetermined evaluation target is a predetermined company, the stock price of the predetermined company).
  • the initial update timing of the target weight data is made every time the evaluation index is calculated. For example, if the evaluation index is calculated every hour, the original target weight data is also updated every hour. Therefore, if another index fluctuates with time like stock price, the target weight data should also be set (updated) fluctuating every hour. In this respect, it is expressed as “variable setting of target weight data”.
  • the evaluation index calculation unit 205 calculates an evaluation index related to a predetermined evaluation object based on the product of the evaluation point data and the target weight data for each of the target data.
  • the evaluation index (index) Hi of the item i can be calculated as follows.
  • the overall evaluation index (index) can be calculated as follows.
  • the target weight variable setting unit 204 sets another index (The target weight data that is sequentially updated based on the stock price or the like is used.
  • the target weight data that is sequentially updated based on the stock price or the like is used.
  • the original evaluation index is different from the stock price or the like.
  • an evaluation index optimized so as to be linked with the index is obtained in this embodiment. Therefore, hereinafter, the evaluation index obtained in this embodiment, that is, the optimized evaluation index is hereinafter referred to as “optimized evaluation index”.
  • the optimized evaluation index calculated by the evaluation index calculation unit 205 in this way is stored in the evaluation index database 124.
  • the optimization evaluation index for a predetermined evaluation target for example, a predetermined company
  • the evaluation index database 124 sequentially accumulates the optimized evaluation index every hour as a history.
  • the time series distribution creating unit 206 creates a time series distribution of the optimization evaluation index related to the predetermined evaluation object from the history of the optimization evaluation index related to the predetermined evaluation object (historical data for every hour).
  • the separate index predicting unit 207 is based on the time series distribution of the optimized evaluation index related to the predetermined evaluation target (for example, if the predetermined evaluation target is a predetermined company, the stock price of the predetermined evaluation target, etc.) ) To predict and calculate future values.
  • the optimization evaluation index is linked with another index such as a stock price, it becomes possible to appropriately predict the future of another index (stock price, etc.) regarding the evaluation target.
  • the evaluation index output apparatus 10 may further make a future prediction regarding various things related to the predetermined evaluation object such as a trend of the predetermined evaluation object.
  • FIG. 7 shows an example of the time series distribution of the optimization evaluation index related to a predetermined evaluation object when a predetermined company is employed as the predetermined evaluation object.
  • FIG. 7A shows an example of fluctuations in the stock price of the predetermined company.
  • FIG. 7B is a diagram showing an example of the optimization evaluation index obtained by adopting the stock price of FIG. 7A as another index.
  • An arrow in FIG. 7 indicates a trend.
  • the trend of the optimization evaluation index gradually matches the trend of the stock price (another index). At least at the end of FIG. 7, a trend of decreasing can be predicted to some extent.
  • FIG. 8 is a diagram illustrating an example of the time series distribution of the optimization evaluation index, and is a diagram illustrating elements used for the prediction calculation. That is, FIGS. 8A to 8C show time series distributions of the same optimization evaluation index. FIG. 8B shows that the trend can be used as an element used for the prediction calculation, as described above with reference to FIG. FIG. 8C shows that the change point can be used as an element used for the prediction calculation.
  • the time series distribution of the optimization evaluation index may be used as it is, but when the number of samples of the optimization evaluation index is small, the value of the older data is more
  • the mean ⁇ and the variance ⁇ may be estimated using a filter describing smallness, for example, a Kalman filter. That is, the average ⁇ and the variance ⁇ that change with time may be estimated. Then, information distributed in the market may be described using a model such as the following equation to remove noise.
  • ⁇ t ⁇ Ht + ⁇ tT
  • ⁇ indicates the speed at which the signal flows to the market
  • H indicates the signal
  • ⁇ indicates noise.
  • the change point can be detected by haze statistics. That is, if there is no new data, the variance increases with time. Further, the travel length Lt + 1 after the change point depends on the probability distribution up to the travel length Lt before the change point. Using these features, the change point can be detected.
  • FIG. 9 is a diagram illustrating an example of deviation from the predicted value (0th derivative), trend change (first derivative), and magnitude of variation as elements used to detect the change point. . That is, in the time series distribution of the optimization evaluation index, the deviation from the predicted value (0th derivative), the trend change (first derivative), and the magnitude of the fluctuation are obtained, and based on these, the change point is determined. Detected.
  • FIG. 10 is a flowchart showing another index prediction calculation process according to the present embodiment.
  • the information source storage control unit 201 writes, in the information source table 121, attributes related to all information sources from which target data related to a predetermined evaluation target has been extracted, Furthermore, it is assumed that processing for writing the target data extracted from each information source and the target weight calculated as described above to the target data table 123 is performed.
  • step S1 the evaluation point calculation unit 202 calculates an evaluation point for each of the target data related to the evaluation target.
  • step S2 the separate index acquisition unit 203 acquires another index (for example, a stock price) related to the evaluation target.
  • another index for example, a stock price
  • step S3 the target weight variable setting unit 204 corrects each target weight for each target data based on the different index of the evaluation target acquired in step S2.
  • step S4 the evaluation index calculation unit 205 calculates an evaluation index (optimized evaluation index) related to the evaluation target based on the product of the evaluation points for each of the target data and each corrected target weight.
  • step S5 the evaluation index calculation unit 205 stores the evaluation index (optimized evaluation index) in the evaluation index database 124.
  • step S6 the control unit 110 of the evaluation index output apparatus 10 determines whether or not a predetermined time has elapsed since the evaluation index was calculated last time.
  • the predetermined time is not particularly limited. For example, it is assumed that one hour is adopted. If one hour has elapsed, YES is determined in step S6, the process returns to step S1, the subsequent processes are executed, and an evaluation index (optimized evaluation index) is newly calculated.
  • step S7 the prediction of another index, which will be described later, is not required (NO in step S7) and the end of the process is not instructed (NO in step S10), the loop process of steps S1 to S6 is repeatedly executed at predetermined time intervals (for example, 1 An evaluation index (optimized evaluation index) is newly calculated every time) and sequentially stored in the evaluation index database 124 as a history.
  • predetermined time intervals for example, 1
  • An evaluation index optical evaluation index
  • step S6 determines whether NO is determined in step S6 or not yet elapsed since the evaluation index was calculated last time. If NO is determined in step S6, that is, if the predetermined time has not yet elapsed since the evaluation index was calculated last time, the process proceeds to step S7.
  • step S ⁇ b> 7 the control unit 110 of the evaluation index output device 10 determines whether or not a prediction of another index is requested by the user. If NO is determined in step S7, the process proceeds to step S10. The process of step S10 will be described later. On the other hand, when the user requests the prediction of another index, it is determined as YES in Step S7, and the process proceeds to Step S8.
  • step S8 the time series distribution creating unit 206 acquires from the evaluation index database 124 a time series distribution of evaluation indexes (optimized evaluation indexes) necessary for predicting another index.
  • step S9 the separate index predicting unit 207 predicts and calculates the future value of the separate index related to the evaluation target based on the time series distribution of the evaluation index (optimized evaluation index) acquired in step S8.
  • step S10 the control unit 110 of the evaluation index output device 10 determines whether or not an instruction to end the process is given.
  • the process end instruction is not particularly limited, and for example, an instruction to turn off the power of the evaluation index output device 10 can be adopted as the process end instruction. If no instruction to end the process is given, it is determined as NO in step S10, the process returns to step S6, and the above-described process is repeatedly executed. On the other hand, when an instruction to end the process is given, it is determined as YES in step S10, and the separate index prediction calculation process ends.
  • the information processing apparatus to which the present invention is applied can take various embodiments having the following configurations, including the evaluation index output device 10 as the above-described embodiment. That is, the information processing apparatus to which the present invention is applied, including the evaluation index output apparatus 10,
  • Point calculation means for calculating point data for determining an index of the predetermined target by analyzing each of the target data including a keyword indicating the predetermined target extracted from a plurality of information source data;
  • Different index acquisition means for acquiring another index different from the index related to the predetermined object;
  • Index calculating means for calculating the index related to the predetermined object based on the point data and the another index; Is provided.
  • the index is optimized according to the fluctuation of another index.
  • the optimization evaluation index in the above-described embodiment is obtained.
  • an evaluation index representing a reputation related to a predetermined evaluation object is calculated.
  • this is merely an example, and the present invention can be applied to information processing apparatuses in general that calculate an index related to a predetermined object.
  • the point data for calculating the index is not particularly limited to the evaluation point data of the above-described embodiment, that is, the evaluation point data for determining the reputation of the predetermined evaluation object. It is enough to determine
  • the point data calculated by the point calculation means is used in the above example, but the present invention is not particularly limited to this, and “extraction from a plurality of information source data” It suffices if the first index calculating means for calculating the first index from the first parameter relating to data is provided.
  • an information processing apparatus to which the present invention is applied only needs to have the following configuration, and can take various embodiments. That is, an information processing apparatus to which the present invention is applied In an information processing apparatus that calculates an index related to a predetermined target, A first index calculating means for calculating a first index from a first parameter relating to data extracted from a plurality of information source data; Different index acquisition means for acquiring another index different from the first index related to the predetermined object; Second index calculating means for calculating a second index related to the predetermined object based on the first index and the another index; It is enough to have
  • the first index is calculated from the first parameter relating to the extracted data from the plurality of information source data and the second parameter relating to each of the plurality of information source data. It is more preferable to use “first index calculation means for calculation”.
  • the information processing apparatus to which the present invention is applied has the following configuration. That is, an information processing apparatus to which the present invention is applied In an information processing apparatus that calculates an index related to a predetermined target, First index calculating means for calculating a first index from a first parameter relating to data extracted from a plurality of information source data and a second parameter relating to each of the plurality of information source data; Different index acquisition means for acquiring another index different from the first index related to the predetermined object; Second index calculating means for calculating a second index related to the predetermined object based on the first index and the another index; It is enough to have
  • weight data Wpj (j is an arbitrary integer value of 1 or more) is used as the data of the first parameter.
  • the weight data Wpj is calculated from the appearance frequency of the extracted data.
  • the predetermined target is a predetermined company
  • the extracted data can employ a keyword of a product name of the predetermined company.
  • the extracted data is not particularly limited to a product name of a predetermined company, and arbitrary keywords included in a plurality of information sources may be adopted.
  • weight data Wai (i is an arbitrary integer value independent of j) is used as the second parameter data.
  • the weight data Wai is calculated from weights (for example, information source weights in FIG.
  • the first index can be grasped as the above-mentioned original evaluation index, and can be calculated by the following equation, for example.
  • Original index index ft (Wai, Wpj)
  • a curve 501 indicates a time series of another index.
  • the predetermined target is a predetermined company, and the KPI of the predetermined company is calculated as another index.
  • a curve 502 indicates a time series of the weight data Wp1 calculated based on the appearance frequency of the keyword of the product name of the first product of the predetermined company as one of the weight data Wpj.
  • a curve 503 shows a time series of the weight data Wp2 calculated based on the appearance frequency of the keyword of the product name of the second product of the predetermined company as one of the weight data Wpj.
  • Such time-series waveforms of the weight data Wpj such as the curve 502 and the curve 503 are hereinafter referred to as “keyword waveforms”.
  • the second index calculation means compares each keyword waveform (curve 502, curve 503, etc.) of the original index index (first index) with another index waveform (curve 501).
  • the second index calculation means obtains the weight data Wpj having a high correlation coefficient with the waveform (curve 501) of another index.
  • the second index calculation means updates the value of each weight data Wpj based on the degree of correlation with another index waveform (curve 501). For example, there is an upward trend first as a trend of the time change of the weight data Wp1, and then the waveform of another index also increases in conjunction with the upward trend.
  • the weight data Wp1 is highly correlated with the other index. It is judged that there is.
  • the weight data Wp2 has a repetitive upward / downward trend as the time change trend of the wait data Wp2, and thereafter, the waveform of another index is decreasing without being linked to the trend. Therefore, it is judged that there is a low correlation with another index.
  • the second index calculation means obtains the weight data Wai having a high correlation coefficient with the waveform (curve 501) of another index. In other words, the second index calculation means updates the value of each weight data Wai based on the degree of correlation with another index waveform (curve 501).
  • Such calculation of updating the weight data Wai and Wpj is calculated every predetermined timing (for example, every minute) and can change every moment.
  • the weight data Wai obtained (updated) in this way represents the weight of the information source (which affects a predetermined company (predetermined object)) evaluated by the media.
  • the weight data Wpj obtained (updated) in this way represents the weight of the product (which affects a predetermined company (predetermined object)) evaluated by the media.
  • the weight data Wai and Wpj thus obtained (updated) are described as “Wai ′” and “Wpj ′”, respectively.
  • a curve 601 indicates a time series of another index.
  • the predetermined target is a predetermined company
  • the stock price of the predetermined company is calculated as another index.
  • a curve 502 indicates a time series of the weight data Wp1 calculated based on the appearance frequency of the keyword of the product name of the first product of the predetermined company as one of the weight data Wpj.
  • the second index calculating means converts the first index into a stock trading signal of a predetermined company.
  • the second index calculation means determines each of the weight data Wai and Wpj based on another index (curve 601) while performing a simulation so that profits are systematically generated by stock trading of a predetermined company.
  • the second index calculation means updates the values of the respective weight data Wai and Wpj based on the waveform (curve 601) of another index.
  • FIG. 12B shows the result of such a stock trading simulation.
  • a curve 602 shows a time series of earnings
  • a curve 603 shows a time series of accumulated earnings.
  • Such calculation of updating the weight data Wai and Wpj is calculated every predetermined timing (for example, every minute) and can change every moment.
  • the weight data Wai thus obtained (updated) represents the weight of the information source (influencing a predetermined company (predetermined object)) evaluated by the market.
  • the weight data Wpj obtained (updated) in this way represents the weight of a product (which affects a predetermined company (predetermined object)) evaluated by the market.
  • the optimization evaluation index (second index) is calculated based on the original index index (first index) and another index
  • the second index calculation unit is used.
  • the weight data Wai and Wpi updated based on another index are also meaningful, and can be used independently for various purposes apart from the optimization evaluation index. . Therefore, the information processing apparatus to which the present invention is applied can be understood as having the following configuration.
  • an information processing apparatus to which the present invention is applied In an information processing apparatus that calculates information about a predetermined target, Index calculating means for calculating a predetermined index from the first parameter relating to the extracted data from the plurality of information source data; Different index acquisition means for acquiring another index different from the predetermined index related to the predetermined object; Parameter updating means for updating the first parameter based on the predetermined index and the different index; Is provided. Further, the index calculation means calculates the predetermined index using a second parameter related to each of the plurality of information source data in addition to the first parameter, The parameter updating means may update at least one of the first parameter and the second parameter based on the predetermined index and the another index.
  • First index calculating means for calculating a first index from a first parameter relating to data extracted from a plurality of information source data and a second parameter relating to each of the plurality of information source data;
  • Different index acquisition means for acquiring another index different from the first index related to the predetermined object;
  • Second index calculating means for calculating a second index related to the predetermined object based on the first index and the another index; think about.
  • the index of the predetermined target is determined by analyzing each of target data including a keyword indicating the predetermined target extracted from a plurality of information source data.
  • point calculation means for calculating point data to be performed can be employed.
  • the weight data is used to calculate the index, but the weight data is not a particularly essential element. That is, according to the present invention, it is sufficient to calculate the second index related to the predetermined object based on the first index and the other index, and the calculation method is not particularly limited.
  • the first parameter is weight data for each of the extracted data
  • the second parameter may be weight data for each of the plurality of information source data.
  • the predetermined evaluation target is a predetermined company and the other index related to the predetermined evaluation target is the stock price of the predetermined company
  • the stock price fluctuates only for reasons within the predetermined company apart from changes in the social situation There is also. That is, another index (the Nikkei average stock price, etc.) in the population (the whole of Japan) and the stock price of the predetermined company are not necessarily linked.
  • other indices (Nikkei Stock Average, etc.) in the population (Japan as a whole) are often linked to the social situation of the population.
  • the separate index acquisition means further acquires the separate index related to the population
  • the second index calculating means may calculate a second index related to the predetermined object based on the another index related to the population in addition to the another index related to the predetermined object.
  • the second index is optimized in consideration of the social situation of the population. That is, in the example of the above-described embodiment, a more appropriate optimization evaluation index can be obtained.
  • a second index for example, an optimization evaluation index
  • the separate index acquisition means acquires a plurality of types as the separate index
  • the second index calculating means calculates the second index based on the first index and the different types of the different indexes. You may do it.
  • the combination of different indices is not particularly limited, and any number of different indices of any kind can be combined.
  • a first separate index called stock price and a second separate index called weather can be adopted.
  • the calculation method using the first separate index and the second separate index is naturally not limited, and for example, the first separate index and the second separate index may be weighted and calculated.
  • the series of processes described above can be executed by hardware or can be executed by software.
  • the functional configuration of FIG. 3 is merely an example, and is not particularly limited. That is, it is sufficient if the evaluation index output apparatus 10 has a function capable of executing the above-described series of processes as a whole, and what functional blocks are used to implement this function is limited to the example of FIG. Not.
  • one functional block may be constituted by hardware alone, software alone, or a combination thereof.
  • a program constituting the software is installed on a computer or the like from a network or a recording medium.
  • the computer may be a computer incorporated in dedicated hardware.
  • the computer may be a computer capable of executing various functions by installing various programs, for example, a general-purpose personal computer.
  • a recording medium including such a program is provided not only to a removable medium distributed separately from the apparatus main body in order to provide the program to the user, but also to the user in a state of being incorporated in the apparatus main body in advance. It consists of a recording medium.
  • the removable medium is composed of, for example, a magnetic disk (including a floppy disk), an optical disk, a magneto-optical disk, or the like.
  • the optical disk is composed of, for example, a CD-ROM (Compact Disk-Read Only Memory), a DVD (Digital Versatile Disk), or the like.
  • the magneto-optical disk is constituted by an MD (Mini-Disk) or the like.
  • the recording medium provided to the user in a state of being pre-installed in the apparatus main body is configured by, for example, the storage unit 140 in FIG. 2 in which a program is recorded.
  • the step of describing the program recorded on the recording medium is not limited to the processing performed in time series along the order, but is not necessarily performed in time series, either in parallel or individually.
  • the process to be executed is also included.
  • the term “system” means an overall apparatus configured by a plurality of devices, a plurality of means, and the like.
  • evaluation index output system 10 evaluation index output device, 20a, 20b, 20c terminal, 30 communication network, 40 information source server, 110, 210, 410 control unit, 120, 220, 420 input unit, 130, 230, 430 display Section, 140, 240, 440 storage section, 150, 250, 450 communication I / F section, 160, 260, 460 bus, 121 information source table, 122 related table, 123 target data table, 124 evaluation index database, 201 information source Storage control unit, 202 Evaluation point calculation unit, 203 Separate index acquisition unit, 204 Target weight variable setting unit, 205 Evaluation index calculation unit, 206 Time series distribution creation unit, 207 Separate index prediction unit

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　様々な社会現象を適切に予測可能な評価指数を出力すること。　情報源記憶制御部２０１は、複数の情報源データ毎に、情報源と情報源ウェイトデータとの組の記憶を制御する。評価ポイント算出部２０２は、所定の評価対象の評判を決定する評価ポイントデータを算出する。別指数取得部２０３は、所定の評価対象に関する評価指数とは異なる別指数を取得する。対象ウェイト可変設定部２０４は、対象データの夫々について、所定の評価対象に関する別指数と、情報源毎の情報源ウェイトデータとに基づいて、対象ウェイトデータを可変設定する。評価指数算出部２０５は、対象データの夫々についての評価ポイントデータと対象ウェイトデータとの積に基づいて、所定の評価対象に関する評価指数を算出する。

Description

情報処理装置及び方法、並びにプログラム
　本発明は、情報処理装置及び方法、並びにプログラムに関する。
　近年、インターネットを通じて、人々が受動的に情報を受け取るだけでなく、ブログやツイッター（登録商標）等を通じて能動的に情報を発信することが容易となった。このようなインターネット上の膨大な情報をテキストマイニングすることにより、商品、タレント、映画、商業施設等、およそ評価の対象となる全ての評価対象に対する評価指数を算出することが試みられるようになった。
　例えば、特許文献１には、抽出されたブログ及び掲示板の内容をテキストマイニングし、気になる商品名が含まれるブログ及び掲示板の数を数え、さらに、「おいしい」「まずい」等の評価語を抽出して、当該商品のブログ及び掲示板における評価ポイントを算出することを特徴とする投資支援システムに関する技術が開示されている。
　この投資支援システムによれば、当該評価ポイントの時系列データとＰＯＳ（Ｐｏｉｎｔ　Ｏｆ　Ｓａｌｅ）システムから得られる当該商品の過去売上実績との比較に基づいて、未来の売上予測が可能となり、さらには、当該商品のメーカーの株価予測も可能となる。
　このような技術によれば、投資家は、ブログ及び掲示板の内容から投資支援システムが算出した評価ポイントに応じて投資判断を行うことができる。
特開２００７－４１８６９号公報
　しかしながら、特許文献１に開示された投資支援システムが算出する評価ポイントは商品の売上予測の目的のためだけに特化しており、企業の株価予測は当該売上予測と証券情報の分析に基づいて行っているので、評価ポイントが直接株価予測のために使われているわけではない。このような評価ポイントのアイデアの大きな応用可能性を考えてみれば、商品の売上予測だけではなく、株価そのものの予測や、それ以外にも様々な社会現象の予測のために使えるはずである。
　即ち、単なる投資支援のためではなく、様々な社会現象を適切に予測するのに好適な評価指数の実現が要求されているが、特許文献１を含め従来の技術では、かかる要求に十分に応えられていない状況である。
　本発明は、かかる状況に鑑みてなされたものであり、様々な社会現象を適切に予測するのに好適な指数を出力可能にすることを目的とする。
　本発明の一態様の情報処理装置は、
　所定の対象に関する指数を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータから、第１指数を演算する第１指数算出手段と、
　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得手段と、
　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出手段と、
　を備える。
　本発明の別態様の情報処理装置は、
　所定の対象に関する情報を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータから、所定の指数を演算する指数算出手段と、
　前記所定の対象に関する前記所定の指数とは異なる、別指数を取得する別指数取得手段と、
　前記所定の指数と前記別指数に基づいて、前記第１パラメータを更新するパラメータ更新手段と、
　を備える。
　本発明によれば、様々な社会現象を適切に予測するのに好適な指数を出力可能にすることができる。
本発明の実施形態に係る評価指数出力システム１の全体構成を示す図である。 図１の端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０のハードウェア構成を示す図である。 図１の評価指数出力装置１０の機能的構成を示す機能ブロック図である。 本発明の実施形態に関わる情報源テーブルの一例を示す図である。 本発明の実施形態に関わる関連テーブルの一例を示す図である。 本発明の実施形態に関わる対象データテーブルの一例を示す図である。 図１の評価指数出力装置１０が出力する評価指数と株価の変動の一例を示す図である。 図１の評価指数出力装置１０が出力する評価指数から別指数を予測するために検出されるトレンドと変化点の一例を示す図である。 図８の変化点を検出するために使われる要素として、０次導関数、１次導関数、及び変動の大きさの一例を示す図である。 図１の評価指数出力装置１０が実行する別指数予測演算処理のフローチャートである。 第１指数＝ｆｔ（Ｗａｉ，Ｗｐｊ）と、別指数に基づいて、第２指数を求めるための手法の一例を示す図である。 第１指数＝ｆｔ（Ｗａｉ，Ｗｐｊ）と、別指数に基づいて、第２指数を求めるための手法の一例であって、図１１とは異なる例を示す図である。
　以下、本発明の実施形態を図面に基づいて説明する。
　図１は、本発明の実施形態に係る評価指数出力システム１の全体構成を示す図である。図１に示すように、本実施形態に関わるヒット指数出力システム１は、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０、通信ネットワーク３０、及び情報源サーバ４０を備える。端末２０ａ、２０ｂ、２０ｃ、・・・は、通信ネットワーク３０を介して評価指数出力装置１０、及び情報源サーバ４０と接続可能である。
　図２に示すように、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０は、制御部１１０、２１０、４１０、入力部１２０、２２０、４２０、表示部１３０、２３０、４３０、記憶部１４０、２４０、４４０及び通信Ｉ／Ｆ部１５０、２５０、４５０が夫々バス１６０、２６０、４６０を介して接続されて構成される。
　制御部１１０、２１０、４１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）により構成してよく、夫々端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０、及び情報源サーバ４０全体を制御し、例えば、記憶部１４０、２４０、４４０に記憶されたプログラムを読み出して実行することにより、これらのハードウェアと協働して後述する各種手段を実現している。
　入力部１２０、２２０、４２０は、キーボード、マウス等により実現することができる。
　表示部１３０、２３０、４３０は、液晶ディスプレイ、ブラウン管ＣＲＴ等により実現することができる。
　端末２０ａ、２０ｂ、２０ｃ、・・・の記憶部１４０、評価指数出力装置１０の記憶部２４０及び情報源サーバ４０の記憶部４４０は、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０が夫々端末、サーバ及び情報源サーバとして機能するための各種プログラム及び本発明の機能を実行するプログラム等を格納する。これらの記憶部１４０、２４０、４４０は、内部又は外部の記憶媒体に格納されてもよく、記憶媒体として、ハードディスク、光ディスク、磁気ディスク、光磁気ディスク、磁気テープ、メモリーカード等全ての記憶装置及び記憶媒体を使用することができる。
　通信Ｉ／Ｆ部１５０、２５０、４５０は、ＬＡＮアダプタ、モデムアダプタ等により実現することができる。
　［評価指数出力装置の機能構成］
　図３は、図１で説明した本実施形態に係る評価指数出力装置１０の機能的構成を示す機能ブロック図である。
　図３に示すように、評価指数出力装置１０には、情報源テーブル１２１と、関連テーブル１２２と、対象データテーブル１２３と、評価指数データベース１２４と、情報源記憶制御部２０１と、評価ポイント算出部２０２と、別指数取得部２０３と、対象ウェイト可変設定部２０４と、評価指数算出部２０５と、時系列分布作成部２０６と、別指数予測部２０７と、が設けられている。
　評価指数出力装置１０は、コンピュータとして実現した例で説明しているが、これに限らず、専用に設計された情報機器として実現してもよい。
　情報源記憶制御部２０１は、複数の情報源データ毎に、情報源と情報源ウェイトデータとを含む組の記憶を制御する。
　本実施形態では、情報源と情報源ウェイトデータとを含む組は、情報源テーブル１２１に各情報源毎に格納されている。
　図４は、情報源テーブル１２１の一例を示す図である。
　情報源テーブル１２１は、所定の評価対象（例えば所定企業）を示すデータ（以下、「対象データ」と呼ぶ）を含む情報源の属性を格納するためのテーブルである。各情報源には、ユニークな情報源番号が付されており、その行番号（主キー）として採用されている。
　「情報源」の項目には、各情報源番号に対応する情報源のＵＲＬ（Ｕｎｉｆｏｒｍ　Ｒｅｓｏｕｒｃｅ　Ｌｏｃａｔｏｒ）が格納される。
　「データ内容」の項目にはそのＵＲＬの内容のうち対象データが抽出された部分のテキストデータが格納される。
　「被参照数」の項目にはそのＵＲＬに対して張られているリンクの数が格納される。
　「情報源ウェイト」の項目には当該情報源に対して設定された所定のウェイト値（０～１）が格納される。
　ここで、情報源ウェイトは情報源の信頼度を表し、例えば、アナリストレポートは１．０、ニュースは０．５、ブログは０．１等に設定される。また、被参照数は情報源の影響力を表すので、これと情報源ウェイトの積が当初の対象ウェイトとして、後述する図６の対象データテーブル１２３の「対象ウェイト」の項目に書き込まれる。ここで、「当初」とは、対象ウェイトは、後述の別指数（例えば評価対象が所定企業であれば、当該所定企業の株価）と評価指数が強く相関するように補正されるからである。
　図５は、関連テーブル１２２の一例を示す図である。
　関連テーブル１２２は、様々な評価対象（例えば所定企業等）を直接的に示す主対象データと、前記評価対象に関連する副対象（例えば所定企業の商品名等）を示す副対象データの属性を格納するためのテーブルである、
　各評価対象には、ユニークな評価対象番号が付されており、その行番号（主キー）として採用されている。
　「主対象データ」の項目には、各評価対象番号に対応する前記主対象データが格納される。
　「副対象データｎ」には、当該主対象データにｎ番目に強く関連するとみなされる前記副対象データが格納される。ここで、ｎは、任意の整数値である。
　「関連度ｎ」には、当該ｎ番目の副対象データが前記主対象データに関連する度合が格納されている。
　関連度が上位の前記副対象データのみが評価指数の算出に用いられるので、例えば、関連度順に上位３番目までの副対象データを格納するとすれば、ｎは１から３までの整数値である。
　なお、前記対象データは、前記主対象データと前記副対象データを合わせた総称である。
　ここで、図４の情報源テーブル１２１と、図５の関連テーブル１２２とは、評価指数出力装置１０により自動的に生成されたものでもよいし、手動も含めて、評価指数出力装置１０以外のもの（装置又は人を問わない）でもよい。
　つまり、図３の情報源記憶制御部２０１の記憶の制御とは、情報源テーブル１２１や関連テーブル１２２に対して新たに情報を記憶させることのみならず、既に記憶されている情報の維持や更新の制御も含む概念である。
　図６は、対象データテーブル１２３の一例を示す図である。
　対象データテーブル１２３は、各情報源から抽出された前記対象データの属性を格納するためのテーブルである。
　ここで、同じ対象データが複数の情報源から抽出された場合には複数行に格納される可能性がある。そこで、各対象データに振られるユニークな対象番号と、当該対象データが抽出された情報源の情報源番号との、いわゆる複合主キーがその行番号とされる。
　「対象データ」の項目には、各情報源から抽出された対象データが格納される。
　「評価ポイント」の項目には、当該情報源において評価ポイント算出部２０２（図３）により算出された当該対象データの評価ポイントが格納される。評価ポイントについては後述する。
　「主／副」の項目には、当該対象データが主対象データであるか副対象データであるかの区分が格納される。
　「情報源」の項目には、当該情報源の情報源番号（図６では、分かり易くＵＲＬで示した）が格納される。
　「対象ウェイト」の項目には、上述した対象ウェイト（補正前の当初の対象ウェイト）が格納される。
　対象データテーブル１２３には、関連テーブル１２２と同様に複数の評価対象に関する対象データを格納しても良いが、本実施形態では、評価指数を求めようとしている特定の評価対象に関する対象データのみを格納するものとする。
　図３に戻り、評価ポイント算出部２０２は、複数の情報源データから抽出された、所定の評価対象を示すキーワードを含む対象データの夫々について解析することによって、所定の評価対象の評判を決定する評価ポイントデータを算出する。
　具体的には例えば、評価ポイント算出部２０２は、所定の情報源から抽出された対象データについて、情報源データの内容を形態素解析し、対象データがポジティブに捉えられていると判断した場合には「＋１」を評価ポイントとして算出して、図６の対象データテーブル１２３に格納する。
　逆に、評価ポイント算出部２０２は、対象データがネガティブに捉えられていると判断した場合には「－１」を評価ポイントとして算出して、図６の対象データテーブル１２３に格納する。
　また、評価ポイント算出部２０２は、対象データがニュートラルに捉えられていると
ていると判断した場合には「±０」を評価ポイントとして算出して、図６の対象データテーブル１２３に記憶する。
　このようにして、評価ポイント算出部２０２は、各対象データに対して評価ポイントを付与していく。
　別指数取得部２０３は、所定の評価対象に関する評価指数とは異なる別指数を取得する。
　ここで、別指数としては、評価指数とは異なる任意の指数を採用することができるが、当該所定の評価対象の動向を別の観点から判断できる指数を採用すると好適である。例えば所定の評価対象が所定企業ならば、当該所定企業の株価を、別指数として採用すると好適である。
　対象ウェイト可変設定部２０４は、対象データの夫々について、所定の評価対象に関する別指数と、情報源毎の情報源ウェイトデータとに基づいて、対象ウェイトデータを可変設定する。
　換言すると、上述したように、先ず、情報源毎の情報源ウェイトデータ（図４）に基づいて、当初の対象ウェイトデータが図６の対象データテーブル１２３に格納される。そこで、対象ウェイト可変設定部２０４は、所定の評価対象に関する別指数（所定の評価対象が所定企業ならば当該所定企業の株価）に基づいて、当初の対象ウェイトデータを更新する。
　ここで、当初の対象ウェイトデータの更新タイミングは、評価指数が演算される毎とする。例えば、評価指数が１時間毎に演算されるならば、当初の対象ウェイトデータも１時間毎に更新されることになる。従って、別指数が株価のように時間と共に変動するならば、対象ウェイトデータも１時間毎に変動して設定（更新）されるはずである。この点で、「対象ウェイトデータを可変設定」と表現している。
　評価指数算出部２０５は、対象データの夫々についての評価ポイントデータと対象ウェイトデータとの積に基づいて、所定の評価対象に関する評価指数を算出する。
　［計算例］
　ここで、評価指数の具体的な計算方法の一例について説明する。
　例えば、とある対象データ（以下、「アイテムｉ」とも呼ぶ）について、次のように変数を定義する。
Figure JPOXMLDOC01-appb-M000001
　この場合、アイテムｉの評価指数（インデックス）Ｈｉは、以下のように計算できる。
Figure JPOXMLDOC01-appb-M000002
　ここで、夫々のアイテムｉの評価指数（インデックス）にウェイトＷｉを乗じると、全体の評価指数（インデックス）は次のように計算できる。
Figure JPOXMLDOC01-appb-M000003
　ここで、ウェイトＷｉとして、上述したように、図６の対象データテーブル１２３に格納された当初の対象ウェイトデータが用いられるのではなく、本実施形態では、対象ウェイト可変設定部２０４により別指数（株価等）に基づいて逐次更新される対象ウェイトデータが用いられる。
　このことは、図６の対象データテーブル１２３に格納された当初の対象ウェイトデータが用いられて演算される評価指数を、「原評価指数」と呼ぶならば、原評価指数が、株価等の別指数と連動するように最適化された評価指数が本実施形態では求められることを意味する。従って、以下、このように本実施形態で求められる評価指数、即ち最適化された評価指数を、以下、「最適化評価指数」と呼ぶ。
　このようにして評価指数算出部２０５により算出された最適化評価指数は、評価指数データベース１２４に格納される。
　上述したように、所定の評価対象（例えば所定企業）についての最適化評価指数は例えば１時間毎に逐次演算される。
　従って、評価指数データベース１２４には、１時間毎の最適化評価指数が履歴として逐次蓄積されていく。
　そこで、時系列分布作成部２０６は、所定の評価対象に関する最適化評価指数の履歴（１時間毎の過去データ）から、所定の評価対象に関する最適化評価指数の時系列分布を作成する。
　別指数予測部２０７は、所定の評価対象に関する最適化評価指数の時系列分布に基づいて、所定の評価対象に関する別指数（例えば所定の評価対象が所定企業ならば、所定の評価対象の株価等）の将来値を予測演算する。
　ここで、最適化評価指数は、株価等の別指数と連動しているので、評価対象についての別指数（株価等）の未来予測が適切に可能になる。
　なお、図示はしないが、評価指数出力装置１０は、さらに、所定の評価対象の動向等、当該所定の評価対象に関する各種各様なことについて未来予測をしてもよい。
　図７は、所定の評価対象として所定企業が採用された場合の、所定の評価対象に関する最適化評価指数の時系列分布の一例を示している。
　具体的には、図７（Ａ）は、当該所定企業の株価の変動の一例を示している。図７（Ｂ）は、図７（Ａ）の株価を別指数として採用して求められた最適化評価指数の一例を示す図である。
　図７中の矢印は、トレンド（傾向）を示している。図７に示すように、最適化評価指数のトレンド（傾向）は、株価（別指数）のトレンド（傾向）と徐々に一致していくことがわかる。少なくとも図７の最後において、下がっていくというトレンド（傾向）はある程度予測できている。
　図８は、最適化評価指数の時系列分布の一例を示す図であって、予測演算に用いる要素を説明する図である。
　つまり、図８（Ａ）～図８（Ｃ）は同一の最適化評価指数の時系列分布を示している。
　図８（Ｂ）は、図７を用いて上述したように、トレンド（傾向）を、予測演算に用いる要素として利用可能なことを示している。
　図８（Ｃ）は、変化点を、予測演算に用いる要素として利用可能なことを示している。
　ここで、図８（Ｂ）において、トレンドを演算するに際し、最適化評価指数の時系列分布をそのまま用いてもよいが、最適化評価指数のサンプル数が少ない場合には、古いデータ程価値が小さいことを記述するフィルタ、例えばカルマンフィルタを用いて、平均μと分散σを推定してもよい。即ち、時間と共に変化する平均μと分散σを推定してもよい。
　そして、市場に流通す情報を下式のようなモデルを用いて記述し、ノイズを除去するようにしてもよい。
　ζｔ　＝　σＨｔ＋βｔＴ
　ここで、σはシグナルが市場に流れる速さを示し、Ｈはシグナルを示し、βはノイズを示している。
　また、図８（Ｃ）において、変化点前の走行長さをＬｔと記述し、変化点後の走行長さをＬｔ＋１と記述すると、ヘイズ統計により変化点を検出することができる。即ち、新しいデータがなければ分散は時間と共に増加する。また、変化点後の走行長さＬｔ＋１は、変化点前の走行長さＬｔに至るまでの確率分布に依存する。これらの特徴を用いて、変化点を検出することができる。
　図９は、変化点を検出するために使われる要素として、予測値からのずれ（０次導関数）、トレンドの変化（１次導関数）、及び変動の大きさの一例を示す図である。
　つまり、最適化評価指数の時系列分布において、予測値からのずれ（０次導関数）、トレンドの変化（１次導関数）、及び変動の大きさが求められ、これらに基づいて変化点が検出される。
［別指数予測演算処理］
　次に、評価指数出力装置１０の処理のうち、別指数に基づいて最適化評価指数を算出し、さらに、当該最適化評価指数に基づいて前記別指数を予測するまでの一連の処理（以下、「別指数予測演算処理」と呼ぶ）について説明する。
　図１０は、本実施形態に関わる別指数予測演算処理を示すフローチャートである。
　なお、当該別指数予測演算処理と並行して、情報源記憶制御部２０１が、時々刻々と、所定の評価対象に関する対象データが抽出された全ての情報源に関する属性を情報源テーブル１２１に書き込み、さらに、各情報源から抽出された対象データと、上述の如く算出される対象ウェイトとを対象データテーブル１２３に書き込む処理が行われているものとする。
　ステップＳ１において、評価ポイント算出部２０２は、評価対象に関する対象データの夫々について、評価ポイントを算出する。
　ステップＳ２において、別指数取得部２０３が、評価対象に関する別指数（例えば株価等）を取得する。
　ステップＳ３において、対象ウェイト可変設定部２０４は、各対象データについて、ステップＳ２において取得された評価対象の別指数に基づいて、各対象ウェイトを夫々補正する。
　ステップＳ４において、評価指数算出部２０５は、対象データの夫々についての評価ポイントと、補正された各対象ウェイトの積に基づいて、評価対象に関する評価指数（最適化評価指数）を算出する。
　ステップＳ５において、評価指数算出部２０５は、評価指数（最適化評価指数）を、評価指数データベース１２４に記憶する。
　ステップＳ６において、評価指数出力装置１０の制御部１１０は、評価指数を前回算出してから所定時間が経過したか否かを判断する。
　所定時間は特に限定されないが、例えば１時間が採用されているものとする。
　１時間経過した場合には、ステップＳ６においてＹＥＳと判断され、処理はステップＳ１に戻され、それ以降の処理が実行されて、評価指数（最適化評価指数）が新たに演算される。即ち、後述する別指数の予測が要求されず（ステップＳ７ＮＯ）かつ処理の終了が指示されない（ステップＳ１０ＮＯ）限り、ステップＳ１～Ｓ６のループ処理が繰り返し実行されて、所定の時間間隔毎（例えば１時間間隔毎）に評価指数（最適化評価指数）がその都度新たに演算されて、履歴として評価指数データベース１２４に順次蓄積されていく。
　ここで、ステップＳ６においてＮＯと判断された場合、即ち、評価指数を前回算出してから前記所定時間がまだ経過していない場合、処理はステップＳ７に進む。
　ステップＳ７において、評価指数出力装置１０の制御部１１０は、別指数の予測がユーザにより要求されているか否かを判断する。ステップＳ７においてＮＯと判断された場合、処理はステップＳ１０に進む。ステップＳ１０の処理については後述する。
　これに対して、ユーザが別指数の予測を要求した場合、ステップＳ７においてＹＥＳであると判定されて、処理はステップＳ８に進む。
　ステップＳ８において、時系列分布作成部２０６が、評価指数データベース１２４から、別指数を予測するのに必要なだけの評価指数（最適化評価指数）の時系列分布を取得する。
　ステップＳ９において、別指数予測部２０７は、ステップＳ８で取得された評価指数（最適化評価指数）の時系列分布に基づいて、評価対象に関する別指数の将来値を予測演算する。
　ステップＳ１０において、評価指数出力装置１０の制御部１１０は、処理の終了が指示されているか否かを判断する。
　処理の終了指示は、特に限定されず、例えば評価指数出力装置１０の電源遮断の指示を処理の終了指示として採用することができる。
　処理の終了指示がなされない場合には、ステップＳ１０においてＮＯであると判定されて、処理はステップＳ６に戻され、上述の処理が繰り返し実行される。
　これに対して、処理の終了指示がなされた場合には、ステップＳ１０においてＹＥＳであると判定されて、別指数予測演算処理は終了する。
　なお、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。
　例えば、本発明が適用される情報処理装置は、上述の実施形態としての評価指数出力装置１０を含め、次のような構成を有する各種各様の実施形態を取ることができる。
　即ち、評価指数出力装置１０を含め、本発明が適用される情報処理装置は、
　所定の対象に関する指数を算出する情報処理装置において、
　複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出手段と、
　前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得手段と、
　前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出手段と、
　を備える。
　ここで、別指数として適切なものを採用することで、別指数の変動に応じて指数が最適される。例えば上述の実施形態における最適化評価指数が得られることになる。このような最適化評価指数等の指数を用いることで、別指数の予測は勿論のこと、様々な社会現象を適切に予測することが可能になり得る。
　つまり、上述の実施形態では、所定の評価対象に関する評判を表す評価指数が算出されたが、これは例示に過ぎず、所定の対象に関する指数を算出する情報処理装置一般に本発明は適用できる。
　この場合、当然ながら、指数を算出するためポイントデータは、上述の実施形態の評価ポイントデータ、即ち前記所定の評価対象の評判を決定する評価ポイントデータに特に限定されず、前記所定の対象の指数を決定するものであれば足りる。
　さらに言えば、所定の対象の評価指数を演算する場合、上述の例ではポイント算出手段により算出されたポイントデータが用いられたが、特にこれに限定されず、「複数の情報源データからの抽出データに関する第１パラメータから、第１指数を演算する第１指数算出手段」を備えれば足りる
　従って、本発明が適用される情報処理装置は、次のような構成を有すれば足り、各種各様の実施形態を取ることができる。
　即ち、本発明が適用される情報処理装置は、
　所定の対象に関する指数を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータから、第１指数を演算する第１指数算出手段と、
　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得手段と、
　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出手段と、
　を備えれば足りる。
　ここでさらに、所定の対象の評価指数を演算する場合、「複数の情報源データからの抽出データに関する第１パラメータと、前記複数の情報源データの夫々に関する第２パラメータとから、第１指数を演算する第１指数算出手段」とするとより好適である。
　つまり、本発明が適用される情報処理装置は、次のような構成を有すると好適である。
　即ち、本発明が適用される情報処理装置は、
　所定の対象に関する指数を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータと、前記複数の情報源データの夫々に関する第２パラメータ とから、第１指数を演算する第１指数算出手段と、
　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得手段と、
　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出手段と、
　を備えれば足りる。
　ここで一具体例では、第１パラメータのデータとして、ウェイトデータＷｐｊ（ｊは、１以上の任意の整数値）を採用するものとする。例えば、ウェイトデータＷｐｊは、抽出データの登場頻度等から算出される。例えば、所定の対象が所定企業ならば、抽出データは当該所定企業の商品名のキーワード等を採用できる。なお、抽出データは、所定企業の商品名に特に限定されず、複数の情報源に含まれる任意のキーワードを採用してもよい。
　また、当該一具体例では、第２パラメータのデータとして、ウェイトデータＷａｉ（ｉは、ｊとは独立した任意の整数値）を採用するものとする。例えば、ウェイトデータＷａｉは、複数の情報源の夫々に対する重み（例えば図４の情報源ウェイト）から算出される。
　この場合、第１指数は上述した原評価指数と把握することができ、例えば次のような式により演算することが可能である。
　原指標指数＝ｆｔ（Ｗａｉ，Ｗｐｊ）
　図１１は、このような原指標指数（第１指数）＝ｆｔ（Ｗａｉ，Ｗｐｊ）と、別指数に基づいて、第２指数を求めるための手法の一例を示している。
　図１１の例では、曲線５０１が別指数の時系列を示している。具体的には所定の対象が所定企業とされ、当該所定企業のＫＰＩが別指数として算出されている。
　曲線５０２は、ウェイトデータＷｐｊの１つとして、当該所定企業の第１商品の商品名のキーワードの登場頻度により算出されたウェイトデータＷｐ１の時系列を示している。
　曲線５０３は、ウェイトデータＷｐｊの１つとして、当該所定企業の第２商品の商品名のキーワードの登場頻度により算出されたウェイトデータＷｐ２の時系列を示している。
　このような曲線５０２や曲線５０３等のウェイトデータＷｐｊの時系列の波形を、以下、「キーワード波形」と呼ぶ。
　第２指数算出手段は、原指標指数（第１指数）の各キーワード波形（曲線５０２や曲線５０３等）を、別指数の波形（曲線５０１）と比較する。
　第２指数算出手段は、別指数の波形（曲線５０１）と相関係数が高いウェイトデータＷｐｊを求める。換言すると、第２指数算出手段は、別指数の波形（曲線５０１）との相関度に基づいて、各ウェイトデータＷｐｊの値を更新する。
　例えば、ウェイトデータＷｐ１の時間変化の傾向として上昇傾向が先にあり、その後、当該上昇傾向に連動して、別指数の波形も上昇しているため、ウェイトデータＷｐ１は、別指数と高い相関にあると判断される。これに対して、ウェイトデータＷｐ２の時間変化の傾向として上昇下降の繰り返し傾向が先にあり、その後、当該傾向とは連動せずに、別指数の波形は下降しているため、ウェイトデータＷｐ２は、別指数と低い相関にあると判断される。
　図示はしないが、第２指数算出手段は、別指数の波形（曲線５０１）と相関係数が高いウェイトデータＷａｉを求める。換言すると、第２指数算出手段は、別指数の波形（曲線５０１）との相関度に基づいて、各ウェイトデータＷａｉの値を更新する。
　このような各ウェイトデータＷａｉ，Ｗｐｊの更新の演算は所定タイミング（例えば１分毎）に刻々と演算され、刻々と変化し得る。
　このようにして求められた（更新された）ウェイトデータＷａｉは、メディアが評価する、（所定企業（所定の対象）に影響を与える）情報源の重みを表していることになる。一方、このようにして求められた（更新された）ウェイトデータＷｐｊは、メディアが評価する、（所定企業（所定の対象）に影響を与える）商品の重みを表していることになる。
　ここで、このようにして求められた（更新された）ウェイトデータＷａｉ，Ｗｐｊの夫々を「Ｗａｉ’」，「Ｗｐｊ’」と夫々記述するものとする。そして、第２指数は上述した最適化評価指数と把握することができる。従って、最適化評価指数は、例えば次のような式により演算することが可能である。
　最適化評価指数＝ｆｔ（Ｗａｉ’，Ｗｐｊ’）
　図１２は、原指標指数（第１指数）＝ｆｔ（Ｗａｉ，Ｗｐｊ）と、別指数に基づいて、第２指数を求めるための手法の一例であって、図１１とは異なる例を示している。
　図１２の例では、曲線６０１が別指数の時系列を示している。具体的には所定の対象が所定企業とされ、当該所定企業の株価が別指数として算出されている。
　曲線５０２は、ウェイトデータＷｐｊの１つとして、当該所定企業の第１商品の商品名のキーワードの登場頻度により算出されたウェイトデータＷｐ１の時系列を示している。
　第２指数算出手段は、第１指数を、所定企業の株式売買シグナルに変換する。
　そして、第２指数算出手段は、別指数（曲線６０１）に基づいて、所定企業の株式売買でシステマティックに収益があがるようにシミュレーションをしながら、各ウェイトデータＷａｉ，Ｗｐｊを夫々決める。換言すると、第２指数算出手段は、別指数の波形（曲線６０１）に基づいて、各ウェイトデータＷａｉ，Ｗｐｊの値を夫々更新する。
　図１２（Ｂ）は、このような株式売買のシミュレーションの結果を示している。曲線６０２は収益の時系列を示し、曲線６０３は累積収益の時系列を示している。
　このような各ウェイトデータＷａｉ，Ｗｐｊの更新の演算は所定タイミング（例えば１分毎）に刻々と演算され、刻々と変化し得る。
　このようにして求められた（更新された）ウェイトデータＷａｉは、市場が評価する、（所定企業（所定の対象）に影響を与える）情報源の重みを表していることになる。一方、このようにして求められた（更新された）ウェイトデータＷｐｊは、市場が評価する、（所定企業（所定の対象）に影響を与える）商品の重みを表していることになる。
　ここで、このようにして求められた（更新された）ウェイトデータＷａｉ，Ｗｐｊの夫々を「Ｗａｉ’」，「Ｗｐｊ’」と夫々記述するものとする。そして、第２指数は上述した最適化評価指数と把握することができる。従って、最適化評価指数は、図１１と同様に例えば次のような式により演算することが可能である。
　最適化評価指数＝ｆｔ（Ｗａｉ’，Ｗｐｊ’）
　以上のように上述した例では、原指標指数（第１指数）と別指数に基づいて、最適化評価指数（第２指数）を演算するという観点で説明したため、第２指数算出手段を用いた。
　ここで、上述した様に、別指数に基づいて更新されたウェイトデータＷａｉ，Ｗｐｉ自体も意味を持つものであり、最適化評価指数とは別に、単体で様々な用途に用いることが可能である。
　従って、本発明が適用される情報処理装置は、下記の構成を取ると把握することもできる。
　即ち、本発明が適用される情報処理装置は、
　所定の対象に関する情報を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータから、所定の指数を演算する指数算出手段と、
　前記所定の対象に関する前記所定の指数とは異なる、別指数を取得する別指数取得手段と、
　前記所定の指数と前記別指数に基づいて、前記第１パラメータを更新するパラメータ更新手段と、
　を備える。
　さらに、前記指数算出手段は、前記第１パラメータに加えてさらに、前記複数の情報源データの夫々に関する第２パラメータを用いて、前記所定の指数を演算し、
　前記パラメータ更新手段は、前記所定の指数と前記別指数に基づいて、前記第１パラメータと前記第２パラメータとのうち少なくとも一方の値を更新する
　ようにしてもよい。
　ここで、本発明が適用される情報処理装置として、第２指数算出手段を有する情報処理装置に話を戻す。
　つまり、本発明が適用される情報処理装置として、
　所定の対象に関する指数を算出する情報処理装置において、
　複数の情報源データからの抽出データに関する第１パラメータと、前記複数の情報源データの夫々に関する第２パラメータ とから、第１指数を演算する第１指数算出手段と、
　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得手段と、
　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出手段と、
　について考える。
　この場合、第１指数算出手段の一例として、「複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出手段」を採用することができることは上述した通りである。
　このような情報処理装置において、上述の実施形態では、指数を演算するにあたり、ウェイトデータが用いられていたが、当該ウェイトデータは特に必須な要素ではない。即ち、本発明は、第１指数と別指数に基づいて、所定の対象に関する第２指数を算出すれば足り、その算出手法は特に限定されない。
　ただし、
　前記第１パラメータは、前記抽出データの夫々についてのウェイトデータであり、
　前記第２パラメータは、前記複数の情報源データの夫々についてのウェイトデータであるようにしてもよい。
　さらに、例えば所定の評価対象が所定企業であり、所定の評価対象に関する別指数が、当該所定企業の株価である場合、社会情勢の変動とは別に所定企業内の理由だけで株価が変動する場合もある。つまり、母集団（日本国全体）における別指数（日経平均株価等）と、当該所定企業の株価とは必ずしも連動しない。一方で、母集団（日本国全体）における別指数（日経平均株価等）は、母集団の社会情勢と連動する場合が多い。
　そこで、
　前記別指数取得手段は、さらに、母集団に関する前記別指数を取得し、
　前記第２指数算出手段は、前記所定の対象に関する前記別指数に加えてさらに、前記母集団に関する前記別指数に基づいて、前記所定の対象に関する第２指数を算出するようにしてもよい。
　これにより、第２指数は母集団の社会情勢も加味して最適されることになる。即ち、上述の実施形態の例でいえば最適化評価指数としてより一段と適切なものが得られることになる。このような第２指数（例えば最適化評価指数）を用いることで、別指数の予測は勿論のこと、様々な社会現象を予測することがより一段と可能になり得る。
　さらにいえば、
　前記別指数取得手段は、前記別指数として複数種類を取得し、
　前記第２指数算出手段は、前記第１指数と、前記複数種類の前記別指数に基づいて、前記第２指数を算出する、
　ようにしてもよい。
　ここで、別指数の組み合わせは、特に限定されず、任意の種類の任意の個数の別指数を組み合わせることができる。例えば、株価という第１別指数と、天気という第２別指数を採用することもできる。この場合、第１別指数と第２別指数による演算手法は当然限定されず、例えば第１別指数と第２別指数とを夫々重み付けして演算するようにしてもよい。
　また、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
　換言すると、図３の機能的構成は例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が評価指数出力装置１０に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図３の例に限定されない。
　また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
　一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
　コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。
　このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布されるリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。リムーバブルメディアは、例えば、磁気ディスク（フロッピディスクを含む）、光ディスク、又は光磁気ディスク等により構成される。光ディスクは、例えば、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ－Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ），ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ）等により構成される。光磁気ディスクは、ＭＤ（Ｍｉｎｉ－Ｄｉｓｋ）等により構成される。また、装置本体に予め組み込まれた状態でユーザに提供される記録媒体は、例えば、プログラムが記録されている図２の記憶部１４０等で構成される。
　なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的或いは個別に実行される処理をも含むものである。
　また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
　１　評価指数出力システム、１０　評価指数出力装置、２０ａ、２０ｂ、２０ｃ　端末、３０　通信ネットワーク、４０　情報源サーバ、１１０、２１０、４１０　制御部、１２０、２２０、４２０　入力部、１３０、２３０、４３０　表示部、１４０、２４０、４４０　記憶部、１５０、２５０、４５０　通信Ｉ／Ｆ部、１６０、２６０、４６０　バス、１２１　情報源テーブル、１２２　関連テーブル、１２３　対象データテーブル、１２４　評価指数データベース、２０１　情報源記憶制御部、２０２　評価ポイント算出部、２０３　別指数取得部、２０４　対象ウェイト可変設定部、２０５　評価指数算出部、２０６　時系列分布作成部、２０７　別指数予測部

Claims (13)

  1. 　所定の対象に関する指数を算出する情報処理装置において、
    　複数の情報源データからの抽出データに関する第１パラメータから、第１指数を演算する第１指数算出手段と、
    　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得手段と、
    　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出手段と、
    　を備える情報処理装置。
  2. 　前記第１指数算出手段は、前記第１パラメータに加えてさらに、前記複数の情報源データの夫々に関する第２パラメータを用いて、第１指数を演算する、
    　請求項１に記載の情報処理装置。
  3. 　前記別指数取得手段は、前記別指数として複数種類を取得し、
    　前記第２指数算出手段は、前記第１指数と、前記複数種類の前記別指数に基づいて、前記第２指数を算出する、
    　請求項１又は２に記載の情報処理装置。
  4. 　前記第１パラメータは、前記抽出データの夫々についてのウェイトデータであり、
    　前記第２パラメータは、前記複数の情報源データの夫々についてのウェイトデータである
    　請求項１乃至３のうち何れか一項に記載の情報処理装置。
  5. 　前記別指数取得手段は、さらに、母集団に関する前記別指数を取得し、
    　前記第２指数算出手段は、前記所定の対象に関する前記別指数に加えてさらに、前記母集団に関する前記別指数に基づいて、前記所定の対象に関する第２指数を算出する、
    　請求項４に記載の情報処理装置。
  6. 　前記所定の対象に関する前記第２指数の時系列分布に基づいて、前記所定の対象に関する前記別指数を予測演算する別指数予測手段
    　をさらに備える請求項１乃至５のうち何れか１項に記載の情報処理装置。
  7. 　前記別指数予測手段は、前記所定の対象に関する前記第２指数の時系列分布におけるトレンドと変化点に基づいて、前記所定の対象に関する前記別指数の将来値を予測演算する、
    　請求項６に記載の情報処理装置。
  8. 　前記別指数予測手段は、前記所定の対象に関する前記第２指数の時系列分布に対して、古いデータほど価値が小さくなる特性を有するフィルタを用いて、前記トレンドを求める、
    　請求項７に記載の情報処理装置。
  9. 　前記別指数予測手段は、市場に流通する情報の所定のモデルを用いて、前記所定の対象に関する前記第２指数の時系列分布からノイズを除去したうえで、前記トレンドを求める、
    　請求項７又は８に記載の情報処理装置。
  10. 　所定の対象に関する指数を算出する情報処理装置が実行する情報処理方法において、
    　複数の情報源データからの抽出データに関するパラメータから、第１指数を演算する第１指数算出ステップと、
    　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得ステップと、
    　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出ステップと、
    　を含む情報処理方法。
  11. [規則91に基づく訂正 29.01.2016]　
    　所定の対象に関する指数を算出するコンピュータに、
    　複数の情報源データからの抽出データに関するパラメータから、第１指数を演算する第１指数算出ステップと、
    　前記所定の対象に関する前記第１指数とは異なる、別指数を取得する別指数取得ステップと、
    　前記第１指数と前記別指数に基づいて、前記所定の対象に関する第２指数を算出する第２指数算出ステップと、
    　を含む制御処理を実行させるプログラム。
  12. [規則91に基づく訂正 29.01.2016]　
    　所定の対象に関する情報を算出する情報処理装置において、
    　複数の情報源データからの抽出データに関する第１パラメータから、所定の指数を演算する指数算出手段と、
    　前記所定の対象に関する前記所定の指数とは異なる、別指数を取得する別指数取得手段と、
    　前記所定の指数と前記別指数に基づいて、前記第１パラメータを更新するパラメータ更新手段と、
    　を備える情報処理装置。
  13. [規則91に基づく訂正 29.01.2016]　
    　前記指数算出手段は、前記第１パラメータに加えてさらに、前記複数の情報源データの夫々に関する第２パラメータを用いて、前記所定の指数を演算し、
    　前記パラメータ更新手段は、前記所定の指数と前記別指数に基づいて、前記第１パラメータと前記第２パラメータとのうち少なくとも一方の値を更新する
    　請求項１２に記載の情報処理装置。
PCT/JP2015/081225 2014-11-06 2015-11-05 情報処理装置及び方法、並びにプログラム WO2016072474A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014225725A JP2017227942A (ja) 2014-11-06 2014-11-06 情報処理装置及び方法、並びにプログラム
JP2014-225725 2014-11-06

Publications (1)

Publication Number Publication Date
WO2016072474A1 true WO2016072474A1 (ja) 2016-05-12

Family

ID=55909198

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/081225 WO2016072474A1 (ja) 2014-11-06 2015-11-05 情報処理装置及び方法、並びにプログラム

Country Status (2)

Country Link
JP (1) JP2017227942A (ja)
WO (1) WO2016072474A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092574A (ja) * 2016-12-02 2018-06-14 本田技研工業株式会社 評価装置、評価方法、および評価プログラム
US11373198B2 (en) 2016-12-02 2022-06-28 Honda Motor Co., Ltd. Evaluation device, evaluation method, and evaluation program

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02299059A (ja) * 1989-05-15 1990-12-11 Hitachi Ltd 受注予測システム
JPH05314094A (ja) * 1992-05-11 1993-11-26 Kao Corp 販売予測支援装置
JP2002279332A (ja) * 2001-03-16 2002-09-27 Daikin Ind Ltd 予測システム及び予測方法、空気調和機及びその空調負荷予測方法、並びにプログラム
JP2003099652A (ja) * 2001-09-21 2003-04-04 Keiichi Sugiyama コンピュータシステムを利用して情報処理を行ない、買い手本位の商取引環境あるいは利用者本位のウェブサイト利用環境を実現する方法
JP2003108909A (ja) * 2001-09-28 2003-04-11 Tohoku Electric Power Co Inc 短期予測システム
JP2006033908A (ja) * 2004-07-12 2006-02-02 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電システムの発電量予測方法、装置、およびプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02299059A (ja) * 1989-05-15 1990-12-11 Hitachi Ltd 受注予測システム
JPH05314094A (ja) * 1992-05-11 1993-11-26 Kao Corp 販売予測支援装置
JP2002279332A (ja) * 2001-03-16 2002-09-27 Daikin Ind Ltd 予測システム及び予測方法、空気調和機及びその空調負荷予測方法、並びにプログラム
JP2003099652A (ja) * 2001-09-21 2003-04-04 Keiichi Sugiyama コンピュータシステムを利用して情報処理を行ない、買い手本位の商取引環境あるいは利用者本位のウェブサイト利用環境を実現する方法
JP2003108909A (ja) * 2001-09-28 2003-04-11 Tohoku Electric Power Co Inc 短期予測システム
JP2006033908A (ja) * 2004-07-12 2006-02-02 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電システムの発電量予測方法、装置、およびプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018092574A (ja) * 2016-12-02 2018-06-14 本田技研工業株式会社 評価装置、評価方法、および評価プログラム
US11373198B2 (en) 2016-12-02 2022-06-28 Honda Motor Co., Ltd. Evaluation device, evaluation method, and evaluation program

Also Published As

Publication number Publication date
JP2017227942A (ja) 2017-12-28

Similar Documents

Publication Publication Date Title
Chen et al. Forecasting seasonal tourism demand using a multiseries structural time series method
Kolassa Combining exponential smoothing forecasts using Akaike weights
CN109697522B (zh) 一种数据预测的方法和装置
US11210300B2 (en) System and methods of generating structured data from unstructured data
US20140351008A1 (en) Calculating machine, prediction method, and prediction program
CN103370722B (zh) 通过小波和非线性动力学预测实际波动率的系统和方法
Arnold et al. Forecasting mortality trends allowing for cause-of-death mortality dependence
CN102402569A (zh) 评价预测装置、评价预测方法以及程序
WO2014138946A1 (en) System and method for natural language processing
JP6593873B2 (ja) 情報分析装置及び情報分析方法
WO2016206557A1 (zh) 一种风险识别方法及装置
Zhang et al. Decomposition methods for tourism demand forecasting: A comparative study
US20150370805A1 (en) Suggested Keywords
JP5258532B2 (ja) 評判指数を出力する方法及び評判指数出力装置
JP7139932B2 (ja) 需要予測方法、需要予測プログラムおよび需要予測装置
Mena et al. On the Bayesian mixture model and identifiability
US9665830B2 (en) Feedback-driven exogenous factor learning in time series forecasting
CN113392920B (zh) 生成作弊预测模型的方法、装置、设备、介质及程序产品
WO2016072474A1 (ja) 情報処理装置及び方法、並びにプログラム
Chávez et al. A threshold GARCH model for Chilean economic uncertainty
JP7041299B1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN110659810A (zh) 一种计算分析员可信程度的方法
CN112308293B (zh) 违约概率预测方法及装置
US10861030B2 (en) Systems and methods quantifying trust perceptions of entities within social media documents
CN116186395A (zh) 一种资源推荐、模型训练方法及装置、设备及存储介质

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: 15857117

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15857117

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP