WO2025154602A1 - 情報処理装置、情報処理システム、情報処理方法、および記録媒体 - Google Patents

情報処理装置、情報処理システム、情報処理方法、および記録媒体

Info

Publication number
WO2025154602A1
WO2025154602A1 PCT/JP2025/000304 JP2025000304W WO2025154602A1 WO 2025154602 A1 WO2025154602 A1 WO 2025154602A1 JP 2025000304 W JP2025000304 W JP 2025000304W WO 2025154602 A1 WO2025154602 A1 WO 2025154602A1
Authority
WO
WIPO (PCT)
Prior art keywords
elements
information
information processing
relationship
generative model
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/JP2025/000304
Other languages
English (en)
French (fr)
Inventor
愛香 矢島
亜衣 田澤
葵 川上
哲郎 廣瀬
元太 山上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of WO2025154602A1 publication Critical patent/WO2025154602A1/ja
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks

Definitions

  • Patent Document 1 discloses a technology that visualizes how a change in a KPI (Key Performance Indicator) in business data has affected a KPI used to evaluate business operations.
  • the related technology described in Patent Document 1 expresses a KPI causal model using a graph structure that shows the causal relationships between KPIs.
  • An information processing device includes an acquisition means for acquiring information representing the strength of the relationship between a plurality of elements, a reception means for receiving the designation of one or more elements from the plurality of elements, an instruction means for instructing to use a generative model to analyze the relationship between the designated one or more elements and other elements based on the information representing the strength of the relationship between the plurality of elements, and an output means for outputting information expressing in language the relationship between the one or more elements and other elements based on the analysis results using the generative model.
  • a computer obtains information representing the strength of relationships between multiple elements, accepts designation of one or more of the multiple elements, instructs the computer to use a generative model to analyze the relationships between the designated one or more elements and other elements based on the information representing the strength of the relationships between the multiple elements, and outputs information expressing in language the relationships between the one or more elements and other elements based on the analysis results using the generative model.
  • a recording medium stores a program for causing a computer to execute the following processes: acquiring information representing the strength of the relationship between a plurality of elements; accepting the designation of one or more of the plurality of elements; issuing an instruction to use a generative model to analyze the relationship between the designated one or more elements and other elements based on the information representing the strength of the relationship between the plurality of elements; and outputting information expressing in language the relationship between the one or more elements and other elements based on the analysis results using the generative model.
  • One aspect of the present disclosure can help a user understand the relationships between elements they specify.
  • FIG. 2 is a conceptual diagram illustrating an example of an operation of a system including an information processing device according to an embodiment.
  • FIG. 13 is a diagram showing an example of output data (information based on the analysis results using the generative model) output from the system.
  • 11 is a diagram showing an example of output data (discussion screen) output by an information processing device according to an embodiment;
  • FIG. 1 is a block diagram showing a configuration of an information processing device according to an embodiment; 1 is a flowchart illustrating an operation of an information processing device according to an embodiment.
  • FIG. 13 is a diagram showing an example of a reception screen that receives designation of one or more elements out of a plurality of elements.
  • FIG. 11 is a diagram showing another example of a reception screen for receiving designation of one or more elements among a plurality of elements.
  • FIG. 1 is a diagram showing an example of a causal graph showing a causal relationship between one designated (selected) element and other elements among a plurality of elements.
  • FIG. 13 is a diagram showing an example of a causal graph showing the causal relationships between two specified (selected) elements and other elements among a plurality of elements.
  • 1 is a block diagram showing a configuration of an information processing device according to an embodiment; 1 is a flowchart illustrating an operation of an information processing device according to an embodiment.
  • FIG. 1 A first embodiment of the present disclosure will be described with reference to FIGS. 1 to 6.
  • FIG. 1 A first embodiment of the present disclosure will be described with reference to FIGS. 1 to 6.
  • FIG. 1 is a conceptual diagram showing an example of the operation of the system according to the embodiment 1. As shown in Fig. 1, the system acquires information indicating the strength of the relationship between a plurality of elements (S1).
  • the information representing the strength of the relationships between multiple elements is a correlation coefficient matrix composed of correlation coefficients that represent the correlation between multiple elements.
  • the information representing the strength of the relationships between multiple elements is a causal graph ( Figure 8) that represents the causal relationships between multiple elements.
  • the causal graph ( Figure 8) is an example of diagram data.
  • the user inputs an instruction to the user terminal 100 to select which of a plurality of elements the relationships between which the generative model should analyze (e.g., selecting elements A and B, and selecting elements E and F) (S2).
  • a plurality of elements the relationships between which the generative model should analyze e.g., selecting elements A and B, and selecting elements E and F
  • the information processing device 10 (FIG. 5), which will be described later, inputs information representing the strength of the relationship between the elements specified by the user into the generative model in accordance with instructions from the user terminal 100 (S3).
  • a generative model is an information analysis program that is trained, typically through machine learning or deep learning, to contextualize input data and output data that corresponds to the context of the input data.
  • a generative model analyzes information that represents the strength of relationships between multiple elements and outputs the analysis results.
  • a generative model is a model that learns the relationships between words in a sentence (including letters, symbols, and numbers) and the relationships between elements shown in a diagram, and generates related strings from a target string.
  • a generative model that has been trained on sentences and paragraphs from various contexts, it is possible to generate related strings with valid content that are related to the target string.
  • the generative model accepts the question "What kind of country is Japan?" as an input as a target string.
  • the generative model generates a string such as "Japan is an island country in the northern hemisphere" as an answer to the question.
  • the training method for the generative model is not particularly limited, but as an example, the model may be trained to output at least one sentence that includes an input string.
  • a generative model is a Generative Pre-trained Transformer (GPT), which outputs sentences containing an input string by predicting strings that are likely to follow the input string.
  • GPT Generative Pre-trained Transformer
  • Other examples of generative models include T5 (Text-to-Text Transfer Transformer), BERT (Bidirectional Encoder Representations from Transformers), RoBERTa (Robustly optimized BERT approach), and ELECTRA (Efficiently Learning an Encoder that Classifies Token Replacements Accurately).
  • the character strings generated by the generative model are not limited to natural languages.
  • the generative model may output an artificial language (such as program source code) for a character string input in a natural language.
  • the generative model may accept an input question such as "How can I retrieve data containing a specific character string from a database?" as a target character string.
  • the generative model may output program source code for performing database processing.
  • the generative model may output a natural language corresponding to a character string input in an artificial language.
  • a generative model may generate image data, video data, audio data, or other data formats corresponding to the input data.
  • the information input to the generative model is a correlation coefficient matrix that contains only elements specified (selected) by the user.
  • the correlation coefficient matrix is a matrix in which all elements not specified (selected) by the user are zero.
  • Fig. 5 is a block diagram showing the configuration of the information processing device 10.
  • the acquisition unit 11 may acquire information representing the strength of the relationship between multiple elements input by the user to the information processing device 10.
  • the reception unit 12 outputs information indicating the element specified by the user to the instruction unit 13.
  • the instruction unit 13 instructs the system to use a generative model to analyze the relationships between one or more specified elements and other elements based on information that indicates the strength of the relationships between multiple elements.
  • the instruction unit 13 is an example of an instruction means.
  • the instruction unit 13 inputs information representing the strength of relationships between multiple elements to the generative model ( Figure 1). In one example, the instruction unit 13 inputs information representing the strength of relationships between multiple elements to the generative model in the form of a numerical value, such as a vector or a matrix. In another example, the instruction unit 13 inputs information representing the strength of relationships between multiple elements to the generative model in the form of an image, such as a graph or a diagram.
  • the instruction unit 13 instructs the use of a generative model to analyze the relationship between one or more elements specified by the user and other elements, based on the information indicating the strength of the relationship between the multiple elements.
  • the instruction unit 13 may accept input of a prompt (instruction statement) from the user.
  • the generative model analyzes the relationship between the specified one or more elements and other elements according to the instructions from the instruction unit 13 and the prompt, and outputs the analysis results.
  • Fig. 6 is a flowchart showing the operation of the information processing device 10.
  • the acquisition unit 11 acquires information that represents the strength of the relationships between multiple elements (S101).
  • the acquisition unit 11 outputs information representing the strength of the relationships between multiple elements to the instruction unit 13.
  • the reception unit 12 outputs information indicating the element specified by the user to the instruction unit 13.
  • a node in a causal graph, is connected to one or more other nodes by arrows.
  • Each node represents a result or a cause in a causal relationship.
  • Arrows connect nodes in causal relationships. The node at the end of the arrow is the result, and the node at the start of the arrow is the cause.
  • FIG. 9 shows the case where the user selects one node, "house size,” on the reception screen shown in FIG. 8.
  • the information (solid or dashed arrow line) indicating the strength of the relationship between "house size” and the objective variable, "house purchasing motivation,” is displayed or highlighted.
  • the node “price” which is related to both "house size” and “house purchasing motivation,” is also displayed.
  • the correlation coefficient between the node “house size” and the node “price” is plus “0.28.”
  • the correlation coefficient between the node “price” and the node “house purchasing motivation” is minus “0.4.”
  • FIG. 10 shows the case where the user selects the two nodes "house size” and “salary” on the reception screen shown in FIG. 8.
  • the node “price” related to "house size” and “motive for purchasing a house” is displayed or highlighted.
  • the objective variable, "motive for purchasing a house,” may not be displayed, and only information related to at least one of "house size” and “salary” may be displayed.
  • the acquisition unit 11 acquires information representing the strength of the relationship between multiple elements.
  • the acceptance unit 12 accepts the designation of one or more elements from the multiple elements.
  • the instruction unit 13 instructs to analyze the relationship between the designated one or more elements and other elements using a generative model based on the information representing the strength of the relationship between the multiple elements.
  • the output unit 14 outputs information expressing the relationship between the one or more elements and other elements in language based on the analysis result using the generative model.
  • FIG. 11 A third embodiment will be described with reference to Fig. 11 and Fig. 12.
  • a configuration will be described in which, after information based on an analysis result using a generative model is output, a user operation for narrowing down the target of analysis using the generative model is accepted.
  • Fig. 11 is a block diagram showing the configuration of the information processing device 30.
  • the reception unit 12' When a user performs an operation to narrow down the targets of analysis using the generative model, the reception unit 12' outputs information indicating the elements narrowed down by the user to the instruction unit 13.
  • the acquisition unit 11 acquires information that indicates the strength of the relationship between multiple elements (S301).
  • the acquisition unit 11 outputs information representing the strength of the relationships between multiple elements to the instruction unit 13.
  • the reception unit 12' receives a designation of one or more of the multiple elements from the user terminal 100 ( Figure 1) (S302).
  • the instruction unit 13 notifies the output unit 14 that the generative model has performed an analysis of the information.
  • the reception unit 12' receives a user operation for narrowing down the target of analysis using the generative model (S305). For example, the reception unit 12' displays a reception screen (FIGS. 7 and 8) on the user terminal 100 (FIG. 1) for receiving the designation of the elements to be reanalyzed.
  • the reception unit 12' If a user operation is performed to narrow down the target of analysis by the generative model (Yes in S306), the reception unit 12' outputs information indicating the elements narrowed down by the user to the instruction unit 13. Then, the flow returns to step S303.
  • the reception unit 12' receives a designation of one or more elements to be targeted for reanalysis using the generative model.
  • the information processing device 40 includes an acquisition unit 41, a reception unit 42, an instruction unit 43, and an output unit 44.
  • the reception unit 42 receives the designation of one or more of the multiple elements.
  • the reception unit 42 is an example of a reception means.
  • the reception unit 42 receives an instruction from the user terminal 100 (FIG. 1) to specify (select) an element to be analyzed by the generative model.
  • the reception unit 42 accepts the specification of one or more elements on a reception screen (FIGS. 7 and 8) that displays information indicating the strength of the relationship between multiple elements.
  • the reception unit 42 may receive a designation of an element to be subject to reanalysis by the generative model from among one or more designated elements after information based on the analysis results by the generative model is output.
  • the reception unit 42 outputs information indicating the element specified by the user to the instruction unit 43.
  • the instruction unit 43 inputs a matrix whose elements are coefficients that represent the strength of the causal relationship between one or more elements specified by the user into the generative model. The instruction unit 43 then instructs the generative model to be used to analyze the relationship between the specified one or more elements and other elements, based on the information that represents the strength of the relationship between the multiple elements.
  • the instruction unit 43 is an example of an instruction means.
  • the instruction unit 43 receives information indicating the strength of the relationship between multiple elements from the acquisition unit 41.
  • the instruction unit 43 also receives information indicating the element specified by the user from the reception unit 42.
  • the instruction unit 43 inputs information representing the strength of the relationships between multiple elements to the generative model in the form of numerical values such as vectors and matrices.
  • the instruction unit 43 also inputs information indicating elements specified by the user to the generative model. Then, based on the information representing the strength of the relationships between multiple elements, the instruction unit 43 instructs the generative model to be analyzed using the generative model to analyze the relationships between one or more elements specified by the user and other elements.
  • the instruction unit 43 may receive a prompt (instruction statement) from the user.
  • the generative model analyzes the relationship between one or more elements specified by the user and other elements according to the instructions from the instruction unit 43 and the prompt, and outputs the analysis results.
  • the instruction unit 43 notifies the output unit 44 that the generative model has performed information analysis.
  • the output unit 44 outputs information based on the analysis results of the correlation coefficient matrix by the generative model (e.g., facts, observations, conclusions).
  • the output unit 44 is an example of an output means.
  • the output unit 44 displays, on the user terminal 100 (Fig. 1), a consideration screen (Fig. 4) on which the user can view the analysis results from the generative model.
  • the consideration screen may include input data (e.g., information indicating the strength of the relationship between multiple elements, or information indicating one or multiple elements specified by the user) along with the analysis results from the generative model.
  • the consideration screen may also include comments entered by the user (e.g., the user's opinion on the analysis results from the generative model).
  • Fig. 15 is a flowchart showing the operation of the information processing device 40.
  • the acquisition unit 41 outputs information representing the strength of the causal relationship between multiple elements to the instruction unit 43.
  • the acquisition unit 41 acquires information indicating the strength of the causal relationship between the multiple elements, obtained by performing a causal analysis on information regarding the multiple elements.
  • the reception unit 42 receives designation of one or more elements among the multiple elements.
  • the instruction unit 43 inputs a matrix indicating the causal relationship between the designated one or more elements and other elements to the generative model.
  • the output unit 44 outputs information based on the analysis result of the matrix by the generative model.
  • the analysis results are output, rather than the information itself that indicates the strength of the causal relationships between multiple elements (in this case, a matrix that indicates the causal relationships between multiple elements), which can help the user understand the relationships between the elements specified.
  • the recording medium 120 include general-purpose semiconductor storage devices such as CF (Compact Flash (registered trademark)) and SD (Secure Digital), magnetic recording media such as a flexible disk, or optical recording media such as a CD-ROM (Compact Disk Read Only Memory).
  • CF Compact Flash
  • SD Secure Digital
  • magnetic recording media such as a flexible disk
  • optical recording media such as a CD-ROM (Compact Disk Read Only Memory).
  • An acquisition means for acquiring information representing the strength of a relationship between a plurality of elements;
  • a reception means for receiving a designation of one or more elements among the plurality of elements;
  • An instruction means for instructing to analyze relationships between the one or more specified elements and other elements using a generative model based on the information indicating the strength of relationships between the plurality of elements;
  • an output means for outputting information expressing in language a relationship between the one or more elements based on an analysis result by the generative model;
  • An information processing device comprising:
  • the acquisition means includes: The information processing device according to claim 1, further comprising: acquiring the information indicating the strength of a causal relationship between the plurality of elements, the information being obtained by performing a causal analysis on the information regarding the plurality of elements.
  • the receiving means is 2.
  • the information processing device further comprising: receiving designation of the one or more elements on a screen displaying information indicating a causal relationship between the plurality of elements.
  • the receiving means is The information processing device described in Appendix 1, characterized in that after the information based on the analysis results by the generative model is output, a designation of an element among the one or more elements to be targeted for reanalysis by the generative model is accepted.
  • the instruction means is 2.
  • the information processing device further comprising: causing the generative model to analyze a relationship between the one or more specified elements and other elements.
  • the instruction means is 2.
  • the information processing device further comprising: causing the generative model to analyze a relationship between the one or more specified elements and a specific other element.
  • the output means includes: 2. The information processing device according to claim 1, further comprising: displaying information indicating a causal relationship between the one or more elements based on an analysis result by the generative model.
  • the information processing system includes one or more user terminals used by users to input information and instructions to the information processing system, and an information analysis execution device trained to contextualize input data and output output data corresponding to the context of the input data, the information processing device acquires information representing the strength of a relationship between a plurality of elements, accepts designation of one or more elements among the plurality of elements, instructs to analyze the relationship between the designated one or more elements and other elements using a generative model based on the information representing the strength of the relationship between the plurality of elements, and outputs information expressing the relationship between the one or more elements in language based on a result of the analysis using the generative model.
  • Information processing system includes one or more user terminals used by users to input information and instructions to the information processing system, and an information analysis execution device trained to contextualize input data and output output data corresponding to the context of the input data, the information processing device acquires information representing the strength of a relationship between a plurality of elements, accepts designation of one or more elements among the plurality of elements, instructs to analyze the relationship
  • the information processing device includes: The information processing system according to claim 11, further comprising: acquiring the information representing the strength of the causal relationship between the plurality of elements, the information being obtained by performing a causal analysis on the information regarding the plurality of elements.
  • the information processing device includes: The information processing system according to claim 11, further comprising: causing the generative model to analyze a relationship between the one or more specified elements and other elements.
  • the information processing device includes: The information processing system according to claim 11, further comprising: displaying information indicating a causal relationship between the one or more elements based on an analysis result by the generative model.
  • the information processing device includes: The information processing system according to claim 11, further comprising: causing the generative model to analyze a relationship between the specified one or more elements and other elements that have a causal relationship with the specified one or more elements.
  • the computer Obtain information that represents the strength of relationships between multiple elements, Accepting designation of one or more elements among the plurality of elements; instructing to analyze relationships between the one or more specified elements and other elements using a generative model based on the information representing strengths of relationships between the plurality of elements; outputting information expressing in language a relationship between the one or more elements based on an analysis result by the generative model; Information processing methods.
  • Appendix 24 The computer, The information processing method described in Appendix 21, characterized in that after the information based on the analysis results by the generative model is output, a designation of an element among the one or more elements to be subject to reanalysis by the generative model is accepted.
  • (Appendix 31) obtaining information representing the strength of relationships between a plurality of elements; A process of accepting designation of one or more elements among the plurality of elements; a process of instructing to analyze relationships between the one or more specified elements and other elements using a generative model based on the information representing the strength of relationships between the plurality of elements; A process of outputting information expressing a relationship between the one or more elements in language based on an analysis result by the generative model; A program for causing a computer to execute the following.
  • the program causes the computer to 32.
  • the program causes the computer to 32.
  • Appendix 34 The program causes the computer to The recording medium described in Appendix 31, characterized in that after the information based on the analysis results by the generative model is output, a process is executed to accept designation of elements among the one or more elements to be targeted for reanalysis by the generative model.
  • the program causes the computer to 32.
  • the program causes the computer to 32.
  • the program causes the computer to 32.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

ユーザが指定する要素の間の関係を理解することを助ける。情報処理装置は、取得部と、受付部と、指示部と、出力部とを備えている。取得部は、複数の要素の間の関係の強さを表す情報を取得し、受付部は、複数の要素のうちの１または複数の要素の指定を受け付け、指示部は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素の間の関係を、生成モデルを使い分析することを指示し、出力部は、生成モデルによる分析結果に基づいて、１または複数の要素の間の関係を言語で表現した情報を出力する。

Description

情報処理装置、情報処理システム、情報処理方法、および記録媒体
　本開示は、情報処理装置、情報処理システム、情報処理方法、および記録媒体に関し、特に、情報の分析結果をユーザに提供する情報処理装置、情報処理システム、情報処理方法、および記録媒体に関する。
　挙動予測や異常検知等の技術領域において、要素間の因果関係を分析する関連する技術が知られている。
　特許文献１には、業務データのあるＫＰＩ（Key Performance Indicator）に生じた変化が、業務評価をするためのＫＰＩに対して、どのような影響を与えたかを可視化する技術が開示されている。特許文献１に記載の関連する技術では、ＫＰＩ間の因果関係を示したグラフ構造により、ＫＰＩ因果モデルを表現する。
国際公開第２０１５／１９３９８３号
　関連する技術では、ＫＰＩの数が増えるほど、グラフ構造が複雑になる。その結果、ユーザが、グラフ構造を読み解いて、ユーザにとって必要な情報を理解することが難しくなるという問題がある。
　本開示は、上記の課題に鑑みてなされたものであり、その目的は、ユーザが指定する要素の間の関係を理解することを助けることにある。
　本開示の一態様に係る情報処理装置は、複数の要素の間の関係の強さを表す情報を取得する取得手段と、前記複数の要素のうちの１または複数の要素の指定を受け付ける受付手段と、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する指示手段と、前記生成モデルによる分析結果に基づいて、前記１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する出力手段と、を備えている。
　本開示の一態様に係る情報処理システムは、情報処理装置と、前記情報処理装置に対して、情報や指示を、ユーザが入力するために使用される１または複数のユーザ端末と、入力データをコンテキスト化し、前記入力データの文脈に応じた出力データを出力するように訓練された情報分析実行装置と、を備え、前記情報処理装置は、複数の要素の間の関係の強さを表す情報を取得し、前記複数の要素のうちの１または複数の要素の指定を受け付け、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、前記生成モデルによる分析結果に基づいて、前記１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。
　本開示の一態様に係る情報処理方法では、コンピュータが、複数の要素の間の関係の強さを表す情報を取得し、前記複数の要素のうちの１または複数の要素の指定を受け付け、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、前記生成モデルによる分析結果に基づいて、前記１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。
　本開示の一態様に係る記録媒体は、複数の要素の間の関係の強さを表す情報を取得する処理と、前記複数の要素のうちの１または複数の要素の指定を受け付ける処理と、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する処理と、前記生成モデルによる分析結果に基づいて、前記１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する処理と、をコンピュータに実行させるためのプログラムを格納している。
　本開示の一態様によれば、ユーザが指定する要素の間の関係を理解することを助けることができる。
一実施形態に係る情報処理装置を含むシステムの動作の一例を示す概念図である。 一実施形態に係る情報処理装置を含むシステムにおいて、生成モデルに入力される入力データ（複数の要素の間の関係の強さを表す情報）の一例を示す図である。 システムから出力される出力データ（生成モデルによる分析結果に基づく情報）の一例を示す図である。 一実施形態に係る情報処理装置が出力する出力データ（考察画面）の一例を示す図である。 一実施形態に係る情報処理装置の構成を示すブロック図である。 一実施形態に係る情報処理装置の動作を示すフローチャートである。 複数の要素のうちの１または複数の要素の指定を受け付ける受付画面の一例を示す図である。 複数の要素のうちの１または複数の要素の指定を受け付ける受付画面の他の一例を示す図である。 複数の要素のうち、指定（選択）された１つの要素と、他の要素との間の因果関係を表す因果グラフの一例を示す図である。 複数の要素のうち、指定（選択）された２つの要素と、他の要素との間の因果関係を表す因果グラフの一例を示す図である。 一実施形態に係る情報処理装置の構成を示すブロック図である。 一実施形態に係る情報処理装置の動作を示すフローチャートである。 一実施形態に係る情報処理装置を含むシステムの動作の一例を示す概念図である。 一実施形態に係る情報処理装置の構成を示すブロック図である。 一実施形態に係る情報処理装置の動作を示すフローチャートである。 一実施形態に係る情報処理システムの一例を概略的に示す図である。 一実施形態に係る情報処理装置のハードウェア構成の一例を示す図である。
　図面を参照しつつ、本開示のいくつかの実施形態について説明する。
　〔実施形態１〕
　図１から図６を参照して、本開示の実施形態１について説明する。
　（システムの一例）
　図１は、本実施形態１に係るシステムの動作の一例を示す概念図である。図１に示すように、システムでは、複数の要素の間の関係の強さを表す情報が取得される（Ｓ１）。
　例えば、複数の要素の間の関係の強さを表す情報は、複数の要素の間の相関関係を表す相関係数で構成された相関係数行列である。他の一例では、複数の要素の間の関係の強さを表す情報は、複数の要素の間の因果関係を表す因果グラフ（図８）である。因果グラフ（図８）は、図表データの一例である。
　図１に示すように、ユーザは、複数の要素のうちのどの要素の間の関係を、生成モデルに分析させるのかを選択する指示（例えば、要素Ａと要素Ｂの選択、および要素Ｅと要素Ｆの選択）を、ユーザ端末１００に入力する（Ｓ２）。
　後述する情報処理装置１０（図５）は、ユーザ端末１００による指示にしたがって、ユーザが指定した要素の間の関係の強さを表す情報を、生成モデルに入力する（Ｓ３）。
　生成モデルとは、入力データをコンテキスト化し、入力データの文脈に応じた出力データを出力するように、一般的には機械学習や深層学習によって、訓練された情報分析プログラムである。生成モデルは、複数の要素の間の関係の強さを表す情報を分析して、分析結果を出力する。
　より詳細には、生成モデルは、文章（文字、記号、および数値を含む）における単語間の関係性や、図表に示された要素間の関係性を学習したものであり、対象文字列から当該対象文字列に関連する関連文字列を生成するモデルである。様々な文脈の文や文章を学習させた生成モデルを用いることにより、対象文字列に関連した妥当な内容の関連文字列を生成することができる。
　例えば、質問応答において生成モデルを用いる場合を説明する。生成モデルは、対象文字列として、「日本はどんな国？」という質問の入力を受け付ける。生成モデルは、質問に対する回答として、「日本は、北半球の島国で・・・。」等の文字列を生成する。
　生成モデルの学習方法は特に限定されないが、一例として、入力された文字列を含む少なくとも１つの文を出力するように学習されたものであってもよい。
　具体例を挙げれば、生成モデルは、入力された文字列に続く確率の高い文字列を予測することにより入力された文字列を含む文を出力するＧＰＴ（Generative Pre-trained Transformer）である。この他にも、例えば、Ｔ５（Text-to-Text Transfer Transformer）、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）、ＲｏＢＥＲＴａ（Robustly optimized BERT approach）、ＥＬＥＣＴＲＡ（Efficiently Learning an Encoder that Classifies Token Replacements Accurately）等も生成モデルである。
　また、生成モデルが生成する文字列は自然言語に限定されない。生成モデルは、例えば、自然言語で入力された文字列に対して、人工言語（プログラムソースコード等）を出力してもよい。例えば、生成モデルは、対象文字列として、「データベースから特定の文字列を含むデータを取得するには？」という質問の入力を受け付ける。生成モデルは、データベース処理を行うためのプログラムソースコードを出力してもよい。あるいは、生成モデルは人工言語で入力された文字列に対応する自然言語を出力してもよい。
　また、生成モデルが生成する内容は文字列に限定されない。生成モデルは、例えば、入力データに対応する画像データ、動画データ、音声データ、又はその他のデータ形式を生成してもよい。
　一例では、生成モデルに入力される情報は、ユーザが指定（選択）した要素のみを含む相関係数行列である。あるいは、ユーザが指定（選択）していない要素は全て０である相関係数行列である。
　生成モデルは、ユーザが指定した複数の要素の間の関係の強さを表す情報を分析して、分析結果を出力する（Ｓ４）。
　後述する情報処理装置１０（図５）は、生成モデルが生成した分析結果に基づいて、入力データの分析結果に基づく情報を作成する。
　システムは、生成モデルによる分析結果に基づく情報を出力する（Ｓ５）。
　例えば、出力データは、複数の要素の間の関係についてのコメント（図３）である。一例では、コメントは、複数の要素の間の関係より導出される事実、考察、および提案・提言（例えば、政策提案）のうち、少なくとも一つを含む。
　（入力データの一例）
　図２は、生成モデルに入力される入力データの一例を示す。図２に示す一例では、複数の要素（例えば、「住みやすさ」と、「医療や介護の体制」）の間の関係の強さが、数値で表されている。具体的には、これらの数値は、１つの要素（変数）と、他の要素との間の相関係数である。
　（出力データの一例）
　図３は、生成モデルの分析結果に基づいて作成される出力データの一例を示す。図３に示す一例では、複数の要素の間の関係についてのコメントが示されている。例えば、図３に示す一例には、「家のサイズ自体が家の購入動機に直接的に関係することはあまりない」ことが記載されている。このコメントは、「家のサイズ」という１つの要素（変数）が、「家の購入動機」という他の要素に与える影響の大きさを説明（考察）している。
　（出力データの他の一例；考察画面）
　図４は、生成モデルによる分析結果に基づく情報の一例である。本例は、生成モデルによる分析結果をユーザが一覧可能な考察画面である。考察画面は、ユーザ端末１００（図１）などに表示される。
　図４に示すように、考察画面には、因果グラフ（複数の要素の間の因果関係の強さを表す情報の一例）と、生成モデルによる分析結果（例えば、事実、考察、結論）とが含まれている。さらに、これらの下には、コメント欄も示されている。コメント欄には、生成モデルによる分析結果が入力されるほか、ユーザが、ユーザ端末１００を用いて、コメント欄に見解を記入することも可能である。
　ユーザは、図４に示す考察画面を見ることによって、生成モデルによる分析結果を確認することができるとともに、複数の要素の間の因果関係の強さを表す情報を、因果グラフから直接に理解することもできる。
　（情報処理装置１０の構成）
　図５を参照して、本実施形態１に係る情報処理装置１０の構成を説明する。図５は、情報処理装置１０の構成を示すブロック図である。
　図５に示すように、情報処理装置１０は、取得部１１、受付部１２、指示部１３、および出力部１４を備えている。なお、後述する実施形態２に係る情報処理装置２０も、ここで説明する情報処理装置１０と同じ構成を有する。
　取得部１１は、複数の要素の間の関係の強さを表す情報を取得する。取得部１１は、取得手段の一例である。複数の要素の間の関係の強さを表す情報は、ベクトルや行列などの数値データであってもよいし、グラフやダイヤグラムなどの図表データであってもよい。
　例えば、取得部１１は、図示しない因果分析装置から、複数の要素に関する情報に対して、因果分析を実行した結果を取得する。因果分析の結果として、１つの要素（結果）に対して、１つ以上の他の要素（原因）が与える影響の有無や影響の大きさが得られる。この例では、因果分析装置による因果分析の結果が、複数の要素の間の因果関係の強さを表す情報（例えば、複数の要素の間の因果関係の強さを表す係数または行列）である。
　あるいは、取得部１１は、ユーザが情報処理装置１０に入力した、複数の要素の間の関係の強さを表す情報を取得してもよい。
　取得部１１は、複数の要素の間の関係の強さを表す情報を、指示部１３へ出力する。
　受付部１２は、複数の要素のうちの１または複数の要素の指定を受け付ける。受付部１２は、受付手段の一例である。
　例えば、受付部１２は、ユーザ端末１００（図１）から、生成モデルに分析させる要素を指定（選択）する指示を受信する。一例では、受付部１２は、複数の要素の間の関係の強さを表す情報を表示した受付画面（図７、図８）において、１または複数の要素の指定を受け付ける。受付画面の具体例を、実施形態２において説明する。
　なお、受付部１２は、生成モデルによる分析結果に基づく情報が出力された後、指定された１または複数の要素のうち、生成モデルによる再分析の対象とする要素を指定することを受け付けてもよい（実施形態２）。
　受付部１２は、ユーザが指定した要素を示す情報を、指示部１３へ出力する。
　指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。指示部１３は、指示手段の一例である。
　例えば、指示部１３は、取得部１１から、複数の要素の間の関係の強さを表す情報を受信する。また、指示部１３は、受付部１２から、ユーザが指定した１または複数の要素を示す情報を受信する。
　指示部１３は、複数の要素の間の関係の強さを表す情報を、生成モデル（図１）に入力する。一例では、指示部１３は、複数の要素の間の関係の強さを表す情報を、ベクトルや行列などの数値の形式で、生成モデルに入力する。他の一例では、指示部１３は、複数の要素の間の関係の強さを表す情報を、グラフやダイヤグラムなどの画像の形式で、生成モデルに入力する。
　そして、指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、ユーザによって指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。このとき、指示部１３は、ユーザから、プロンプト（指示文）の入力を受け付けてもよい。生成モデルは、指示部１３およびプロンプトによる指示にしたがい、指定された１または複数の要素と他の要素との間の関係を分析して、分析結果を出力する。
　その後、指示部１３は、情報の分析を生成モデルに実行させたことを、出力部１４に通知する。
　出力部１４は、生成モデルによる分析結果（例えば、事実、考察、結論）に基づいて、指定された１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。出力部１４は、出力手段の一例である。
　例えば、出力部１４は、指示部１３からの通知を受信した後、生成モデルから、１または複数の要素と他の要素との間の関係の分析結果を取得する。出力部１４は、取得した分析結果に基づく情報を出力する。
　一例では、出力部１４は、生成モデルによる分析結果をユーザが一覧可能な考察画面（図４）を、ユーザ端末１００（図１）に表示する。なお、考察画面には、生成モデルによる分析結果とともに、入力データ（例えば、複数の要素の間の関係の強さを表す情報、または、ユーザが指定した１または複数の要素を示す情報）が含まれていてもよい。また、考察画面には、ユーザが入力したコメント（例えば、生成モデルによる分析結果に対するユーザの見解）が含まれていてもよい。
　（情報処理装置１０の動作）
　図６を参照して、本実施形態１に係る情報処理装置１０の動作を説明する。図６は、情報処理装置１０の動作を示すフローチャートである。
　図６に示すように、まず、取得部１１は、複数の要素の間の関係の強さを表す情報を取得する（Ｓ１０１）。
　取得部１１は、複数の要素の間の関係の強さを表す情報を、指示部１３へ出力する。
　次に、受付部１２は、ユーザ端末１００（図１）から、複数の要素のうちの１または複数の要素の指定を受け付ける（Ｓ１０２）。
　受付部１２は、ユーザが指定した要素を示す情報を、指示部１３へ出力する。
　次に、指示部１３は、ユーザによって指定された１または複数の要素を、生成モデルを使い分析することを、生成モデル（図１）に指示する（Ｓ１０３）。
　その後、指示部１３は、情報の分析を生成モデルに実行させたことを、出力部１４に通知する。
　続いて、出力部１４は、ユーザによって指定された１または複数の要素と他の要素との間の関係を生成モデルが分析した結果に基づいて、指定された１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する（Ｓ１０４）。
　例えば、出力部１４は、生成モデルによる分析結果をユーザが一覧可能な考察画面（図４）を、ユーザ端末１００に表示する。
　以上で、本実施形態１に係る情報処理装置１０の動作は終了する。
　（本実施形態の効果）
　本実施形態の構成によれば、取得部１１は、複数の要素の間の関係の強さを表す情報を取得する。受付部１２は、複数の要素のうちの１または複数の要素の指定を受け付ける。指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。出力部１４は、生成モデルによる分析結果に基づいて、１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。
　このように、複数の要素の間の関係の強さを表す情報そのものではなく、ユーザによって指定された１または複数の要素と他の要素との間の関係を言語で表現した情報が出力されるので、ユーザが指定する要素の間の関係を理解することを助けることができる。
　〔実施形態２〕
　図７から図１０を参照して、実施形態２を説明する。本実施形態２では、生成モデル（図１）に分析させる１または複数の要素を指定（選択）することを、ユーザから受け付ける受付画面の具体例を説明する。
　本実施形態２に係る情報処理装置２０の構成は、前記実施形態１において説明した情報処理装置１０（図５）と同じである。前記実施形態１と同様に、情報処理装置２０の受付部１２（図５）は、複数の要素のうちの１または複数の要素の指定を受け付ける。このとき、受付部１２は、以下で例示する受付画面を提示して、生成モデル（図１）に分析させる１または複数の要素を指定（選択）することを、ユーザから受け付ける。
　（受付画面の一例）
　図７は、複数の要素のうちの１または複数の要素の指定を受け付ける受付画面の一例を示す図である。一例では、受付画面は、ユーザ端末１００（図１）に表示される。
　図７に示す一例では、複数の要素の中から、プルダウン形式により、１つの要素「子供の数」と他の要素「家のサイズ」とが指定（選択）されている。プルダウンの下には、ユーザによって指定された要素（ここでは、「子供の数」と「家のサイズ」）の間の関係を生成モデルが分析した結果に基づく情報が示されている。あるいは、ユーザは、受付画面に対して、指定する１または複数の要素を手入力することができてもよい。
　例えば、生成モデルによる分析結果に基づいて、「家族構成が大きくなると、それに伴って生活スペースが必要になるため、家のサイズが大きくなる可能性がある」というコメントが記述されている。このコメントは、「子供の数」という１つの要素が、「家のサイズ」という他の要素との間に、どのような関係を有するのかを説明している。
　（受付画面の他の一例）
　図８は、受付画面の他の一例を示す。図８に示す受付画面には、因果グラフが示されている。因果グラフは、複数のノードと、ノード間を結ぶ矢印線とで構成されている。
　図８に示すように、因果グラフにおいて、１つのノードは、１または複数の他のノードと、矢印線で結ばれている。各ノードは、因果関係における結果または原因を表す。矢印線は、因果関係にあるノードを結んでいる。矢印線の先にあるノードが、結果であり、矢印線の元にあるノードが、原因である。
　本例では、ノード「家の購入動機」が、最終的な結果、すなわち「目的変数」である。そして、ノード「家の購入動機」以外のノードが、「説明変数」である。
　ノード間を結ぶ線に添えられた数値は、ノード間の関係の強さを表す相関係数である。ノード間の数値が「０」である場合、それらのノード間には関係がない。一方、ノード間の数値が「０」以外である場合、それらのノード間には関係がある。数値の大小により、ノード間の関係の強さが比較される。
　例えば、ノード「子供の数」は、ノード「家のサイズ」との間に、「０．２８」という強さの関係を有する。一方、ノード「給料」は、ノード「家のサイズ」との間に、「０．２９」という強さの関係を有する。よって、「家のサイズ」は、「子供の数」よりも、「給料」から、より大きい影響を受けていることがわかる。
　なお、実線の矢印は、「家の購入動機」に対して、プラスの方向に働くことを表す。一方、破線の矢印は、「家の購入動機」に対して、マイナスの方向に働くことを表す。例えば、ノード「子供の数」は、「家の購入動機」に対して、プラス「０．２８」という強さの関係を有する。一方、ノード「（不動産の）価格」は、「家の購入動機」に対して、マイナス「０．４」という強さの関係を有する。
　なお、生成モデル（図１）には、本例（図８）のような因果グラフそのものを入力してもよいし、因果グラフにおけるノード間の数値（係数）を要素とする行列を入力してもよい。
　ユーザは、図８に示す受付画面に対して、１または複数の要素を指定（選択）するためのユーザ操作を行う。具体的には、ユーザは、受付画面上で、１つ以上のノードを選択する。あるいは、ユーザは、受付画面で、ノード間を結ぶ矢印線を選択することもできる。後者の場合、選択された矢印線で結ばれた２つのノードが選択されたことになる。
　図９は、ユーザが、図８に示す受付画面において、１つのノード「家のサイズ」を選択した場合を表す。この場合、図９に示すように、「家のサイズ」と、目的変数である「家の購入動機」との間の関係の強さを表す情報（実線または破線の矢印線）のみが表示されるか、または強調表示される。本例では、「家のサイズ」および「家の購入動機」とともに、「家のサイズ」と「家の購入動機」の両方に関係するノード「価格」も表示されている。なお、ノード「家のサイズ」と、ノード「価格」との間の相関係数は、プラス「０．２８」である。また、ノード「価格」と、ノード「家の購入動機」との間の相関係数は、マイナス「０．４」である。
　図１０は、ユーザが、図８に示す受付画面において、２つのノード「家のサイズ」と「給料」を選択した場合を表す。この場合、図１０に示すように、「家のサイズ」または「給料」と、目的変数である「家の購入動機」との間の関係の強さを表す情報（実線または破線の矢印線）のほかに、「家のサイズ」および「家の購入動機」に関係するノード「価格」が表示されるか、または強調表示される。
　なお、「給料」と「価格」との間の相関係数はプラス「０．３７」であり、「給料」と「家のサイズ」との間の相関係数はプラス「０．２９」である。
　あるいは、ユーザが、図８に示す受付画面において、２つのノード「家のサイズ」と「給料」を選択した場合、目的変数である「家の購入動機」は表示されず、「家のサイズ」および「給料」の少なくとも一方に関係する情報のみが表示されてもよい。
　（本実施形態の効果）
　本実施形態の構成によれば、取得部１１は、複数の要素の間の関係の強さを表す情報を取得する。受付部１２は、複数の要素のうちの１または複数の要素の指定を受け付ける。指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。出力部１４は、生成モデルによる分析結果に基づいて、１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。
　このように、複数の要素の間の関係の強さを表す情報そのものではなく、ユーザによって指定された１または複数の要素と他の要素との間の関係を言語で表現した情報が出力されるので、ユーザが指定する要素の間の関係を理解することを助けることができる。
　〔実施形態３〕
　図１１から図１２を参照して、実施形態３を説明する。本実施形態３では、生成モデルによる分析結果に基づく情報を出力した後、生成モデルによる分析の対象を絞り込むためのユーザ操作を受け付ける構成を説明する。
　本実施形態３では、前記実施形態１と共通する構成に対して、同じ符号を付して、それらについての説明を省略する。
　（情報処理装置３０の構成）
　図１１を参照して、本実施形態３に係る情報処理装置３０の構成を説明する。図１１は、情報処理装置３０の構成を示すブロック図である。
　図１１に示すように、情報処理装置３０は、取得部１１、受付部１２’、指示部１３、および出力部１４を備えている。
　取得部１１は、複数の要素の間の関係の強さを表す情報を取得する。取得部１１は、複数の要素の間の関係の強さを表す情報を、指示部１３へ出力する。
　受付部１２’は、複数の要素のうちの１または複数の要素の指定を受け付ける。受付部１２’は、ユーザが指定した要素を示す情報を、指示部１３へ出力する。
　指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。指示部１３は、情報の分析を生成モデルに実行させたことを、出力部１４に通知する。
　出力部１４は、生成モデルによる分析結果に基づいて、１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。一例では、出力部１４は、前記実施形態１で示した考察画面（図４）を、ユーザ端末１００（図１）に表示する。
　出力部１４が生成モデルによる分析結果に基づく情報を出力した後、受付部１２’は、生成モデルによる分析の対象を絞り込むためのユーザ操作を受け付ける。一例では、受付部１２’は、前記実施形態２において説明した受付画面（図７、図８）を、ユーザ端末１００に表示する。
　生成モデルによる分析の対象を絞り込むためのユーザ操作があった場合、受付部１２’は、ユーザが絞り込んだ要素を示す情報を、指示部１３へ出力する。
　（情報処理装置３０の動作）
　図１２を参照して、本実施形態３に係る情報処理装置３０の動作を説明する。図１２は、情報処理装置３０の動作を示すフローチャートである。
　図１２に示すように、まず、取得部１１は、複数の要素の間の関係の強さを表す情報を取得する（Ｓ３０１）。
　取得部１１は、複数の要素の間の関係の強さを表す情報を、指示部１３へ出力する。
　次に、受付部１２’は、ユーザ端末１００（図１）から、複数の要素のうちの１または複数の要素の指定を受け付ける（Ｓ３０２）。
　受付部１２’は、ユーザが指定した要素を示す情報を、指示部１３へ出力する。
　次に、指示部１３は、ユーザによって指定された１または複数の要素を、生成モデルを使い分析することを、生成モデル（図１）に指示する（Ｓ３０３）。
　その後、指示部１３は、情報の分析を生成モデルに実行させたことを、出力部１４に通知する。
　続いて、出力部１４は、ユーザによって指定された１または複数の要素と他の要素との間の関係を生成モデルが分析した結果に基づいて、指定された１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する（Ｓ３０４）。
　例えば、出力部１４は、生成モデルによる分析結果をユーザが一覧可能な考察画面（図４）を、ユーザ端末１００に表示する。
　その後、受付部１２’は、生成モデルによる分析の対象を絞り込むためのユーザ操作を受け付ける（Ｓ３０５）。例えば、受付部１２’は、再分析の対象とする要素の指定を受け付ける受付画面（図７、図８）を、ユーザ端末１００（図１）に表示する。
　生成モデルによる分析の対象を絞り込むためのユーザ操作がなされた場合（Ｓ３０６でＹｅｓ）、受付部１２’は、ユーザが絞り込んだ要素を示す情報を、指示部１３へ出力する。そして、フローは、ステップＳ３０３に戻る。
　一方、生成モデルによる分析の対象を絞り込むためのユーザ操作がなされない場合（Ｓ３０６でＮｏ）、本実施形態３に係る情報処理装置３０の動作は終了する。
　（本実施形態の効果）
　本実施形態の構成によれば、取得部１１は、複数の要素の間の関係の強さを表す情報を取得する。受付部１２’は、複数の要素のうちの１または複数の要素の指定を受け付ける。指示部１３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。出力部１４は、生成モデルによる分析結果に基づいて、１または複数の要素と他の要素との間の関係を言語で表現した情報を出力する。
　このように、複数の要素の間の関係の強さを表す情報そのものではなく、ユーザによって指定された１または複数の要素と他の要素との間の関係を言語で表現した情報が出力されるので、ユーザが指定する要素の間の関係を理解することを助けることができる。
　さらに、本実施形態の構成によれば、受付部１２’は、生成モデルによる分析結果に基づく情報が出力された後、１または複数の要素のうち、生成モデルによる再分析の対象とする要素の指定を受け付ける。
　指示部１３は、ユーザが絞り込んだ要素の間の関係の強さを表す情報を、生成モデルに入力する。出力部１４は、生成モデルによる分析結果に基づいて、ユーザが絞り込んだ要素の間の関係を言語で表現した情報を出力する。
　これにより、ユーザが必要な情報のみを、ユーザにわかりやすい形式で提示することができる。
　〔実施形態４〕
　図１３から図１５を参照して、本開示の実施形態４を説明する。本実施形態４では、複数の要素に関する情報から、複数の要素の間の関係の強さを表す情報を作成する構成について説明する。
　（システムの一例）
　図１３は、本実施形態４に係るシステムの動作の一例を示す概念図である。図１３に示すように、システムには、複数の要素に関する情報（例えば、複数の要素に関するアンケート結果）が入力される。
　システムでは、複数の要素に関する情報に対して、因果分析が実行される。因果分析の結果として、複数の要素の間の因果関係の強さを示す情報（例えば、因果グラフ（図８）または因果関係を表す行列）が得られる。
　図１３に示すように、複数の要素の間の関係の強さを表す情報が、生成モデル（例えば、大規模言語モデル）に入力される。
　例えば、入力データは、複数の要素の間の相関関係を表す相関係数で構成された相関係数行列である。他の一例では、入力データは、複数の要素の間の因果関係を表す因果グラフ（図８）である。
　生成モデルは、複数の要素の間の関係の強さを表す情報を分析して、分析結果を出力する。
　後述する情報処理装置４０（図１４）は、生成モデルが出力した分析結果に基づく情報を作成する。
　図１３に示すように、生成モデルによる分析結果に基づく情報が出力される。
　例えば、出力データは、複数の要素の間の関係についてのコメントである。一例では、コメントは、複数の要素の間の関係より導出される事実、考察、および提案・提言（例えば、政策提案）のうち、少なくとも一つを含む。
　（情報処理装置４０の構成）
　図１５を参照して、本実施形態４に係る情報処理装置４０の構成を説明する。図１５は、情報処理装置４０の構成を示すブロック図である。
　図１５に示すように、情報処理装置４０は、取得部４１、受付部４２、指示部４３、および出力部４４を備えている。
　取得部４１は、複数の要素に関する情報に対して、因果分析を実行する。
　例えば、取得部４１は、図示しないデータベースに事前に収集された情報の中から、複数の要素に関する情報を取得する。取得部４１は、複数の要素に関する情報に対して、因果分析を実行することにより、複数の要素の間の因果関係の強さを表す係数を取得する。
　取得部４１は、複数の要素に関する情報に対して、因果分析を実行することにより得られた、複数の要素の間の因果関係の強さを表す情報を、指示部４３へ出力する。
　受付部４２は、複数の要素のうちの１または複数の要素の指定を受け付ける。受付部４２は、受付手段の一例である。
　例えば、受付部４２は、ユーザ端末１００（図１）から、生成モデルに分析させる要素を指定（選択）する指示を受信する。一例では、受付部４２は、複数の要素の間の関係の強さを表す情報を表示した受付画面（図７、図８）において、１または複数の要素の指定を受け付ける。
　なお、前記実施形態３で説明した受付部１２’と同様に、受付部４２は、生成モデルによる分析結果に基づく情報が出力された後、指定された１または複数の要素のうち、生成モデルによる再分析の対象とする要素の指定を受け付けてもよい。
　受付部４２は、ユーザが指定した要素を示す情報を、指示部４３へ出力する。
　指示部４３は、ユーザによって指定された１または複数の要素の間の因果関係の強さを表す係数を要素とする行列を、生成モデルに入力する。そして、指示部４３は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。指示部４３は、指示手段の一例である。
　例えば、指示部４３は、取得部４１から、複数の要素の間の関係の強さを表す情報を受信する。また、指示部４３は、受付部４２から、ユーザが指定した要素を示す情報を受信する。
　指示部４３は、複数の要素の間の関係の強さを表す情報を、ベクトルや行列などの数値の形式で、生成モデルに入力する。また、指示部４３は、ユーザが指定した要素を示す情報を、生成モデルに入力する。そして、指示部４３は、複数の要素の間の関係の強さを表す情報に基づいて、ユーザによって指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する。
　このとき、指示部４３は、ユーザから、プロンプト（指示文）の入力を受け付けてもよい。生成モデルは、指示部４３およびプロンプトによる指示にしたがい、ユーザによって指定された１または複数の要素と他の要素との間の関係を分析して、分析結果を出力する。
　その後、指示部４３は、情報の分析を生成モデルに実行させたことを、出力部４４に通知する。
　出力部４４は、生成モデルによる相関係数行列の分析結果（例えば、事実、考察、結論）に基づく情報を出力する。出力部４４は、出力手段の一例である。
　例えば、出力部４４は、指示部４３からの通知を受信した後、生成モデルから、ユーザによって指定された１または複数の要素と他の要素との間の関係の分析結果を取得する。出力部４４は、取得した分析結果に基づく情報を出力する。生成モデルによる分析結果に基づく情報は、ユーザによって指定された１または複数の要素と他の要素との間の関係を言語で表現した情報を含む。
　一例では、出力部４４は、生成モデルによる分析結果をユーザが一覧可能な考察画面（図４）を、ユーザ端末１００（図１）に表示する。なお、考察画面には、生成モデルによる分析結果とともに、入力データ（例えば、複数の要素の間の関係の強さを表す情報、または、ユーザが指定した１または複数の要素を示す情報）が含まれていてもよい。また、考察画面には、ユーザが入力したコメント（例えば、生成モデルによる分析結果に対するユーザの見解）が含まれていてもよい。
　（情報処理装置４０の動作）
　図１５を参照して、本実施形態４に係る情報処理装置４０の動作を説明する。図１５は、情報処理装置４０の動作を示すフローチャートである。
　図１５に示すように、まず、取得部４１は、複数の要素に関する情報を取得する。取得部４１は、複数の要素に関する情報に対して、因果分析を実行する（Ｓ４０１）。これにより、取得部４１は、複数の要素の間の因果関係の強さを表す情報を取得する。
　取得部４１は、複数の要素の間の因果関係の強さを表す情報を、指示部４３へ出力する。
　次に、受付部４２は、複数の要素のうちの１または複数の要素の指定を受け付ける（Ｓ４０２）。
　受付部４２は、ユーザによって指定された１または複数の要素を示す情報を、指示部４３へ出力する。
　指示部４３は、複数の要素の間の因果関係を表す行列を、生成モデル（図１３）に入力して、ユーザによって指定された１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する（Ｓ４０３）。
　その後、指示部４３は、情報（複数の要素の間の因果関係を表す行列）の分析を生成モデルに実行させたことを、出力部４４に通知する。
　続いて、出力部４４は、生成モデルによる相関係数の分析結果に基づく情報を出力する（Ｓ４０４）。例えば、出力部４４は、生成モデルによる分析結果をユーザが一覧可能な考察画面（図８）を、ユーザ端末１００（図１）に表示する。
　以上で、本実施形態４に係る情報処理装置４０の動作は終了する。
　（本実施形態の効果）
　本実施形態の構成によれば、取得部４１は、複数の要素に関する情報に対して、因果分析を実行することにより得られた、複数の要素の間の因果関係の強さを表す情報を取得する。受付部４２は、複数の要素のうちの１または複数の要素の指定を受け付ける。指示部４３は、指定された１または複数の要素と他の要素との間の因果関係を表す行列を、生成モデルに入力する。出力部４４は、生成モデルによる行列の分析結果に基づく情報を出力する。
　このように、複数の要素の間の因果関係の強さを表す情報（ここでは、複数の要素の間の因果関係を表す行列）そのものではなく、その分析結果が出力されるので、ユーザが指定する要素の間の関係を理解することを助けることができる。
　〔実施形態５〕
　図１６を参照して、実施形態５について説明する。本実施形態５では、前記実施形態１～４において説明した情報処理装置１０、２０、３０、４０のいずれかを備えた情報処理システムの構成の一例を説明する。
　（情報処理システム１）
　図１６は、本実施形態５に係る情報処理システム１の構成の一例を概略的に示す図である。図１６に示すように、情報処理システム１は、情報処理装置１０（２０、３０、４０）、ユーザ端末１００、および情報分析実行装置２００を備えている。なお、情報処理システム１に含まれるユーザ端末１００の台数は、３台に限定されない。
　ここで、「情報処理装置１０（２０、３０、４０）」とは、「前記実施形態１～４に係る情報処理装置１０、２０、３０のいずれか」を意味する。
　ユーザ端末１００と、情報処理装置１０（２０、３０、４０）とは、通信接続されている。ユーザ端末１００は、情報処理装置１０（２０、３０、４０）に対して、情報（データ）や指示を、ユーザが入力するために使用される。例えば、ユーザは、複数の要素に関する情報、または、複数の要素の間の関係の強さを表す情報を、ユーザ端末１００に入力する。また、ユーザは、情報分析実行装置２００に対する指示（プロンプト）を、ユーザ端末１００に入力する。
　情報処理装置１０（２０、３０、４０）は、複数の要素の間の関係の強さを表す情報を取得する。
　情報処理装置１０（２０、３０、４０）は、複数の要素の間の関係の強さを表す情報を、情報分析実行装置２００に入力する。このとき、情報処理装置１０（２０、３０、４０）は、複数の要素の間の関係の強さを表す情報を、情報分析実行装置２００に適合する形式に変換してから、情報分析実行装置２００に入力してもよい。
　情報分析実行装置２００は、入力データ（例えば、テキストデータ、画像データ）をコンテキスト化し、入力データの文脈に応じた出力データを出力するように、予め訓練されている。情報分析実行装置２００は、例えば、テキストデータを分析するテキスト生成モデル（例えば、大規模言語モデル）、または、入力された図表データを分析する生成モデルである。
　情報分析実行装置２００は、情報処理装置１０（２０、３０、４０）より入力された、複数の要素の間の関係の強さを表す情報を分析して、分析結果を出力する。
　情報処理装置１０（２０、３０、４０）は、情報分析実行装置２００から、複数の要素の間の関係の強さを表す情報の分析結果を取得する。そして、情報処理装置１０（２０、３０、４０）は、情報分析実行装置２００による分析結果に基づいて、１または複数の要素の間の関係を言語で表現した情報を出力する。
　（本実施形態の効果）
　本実施形態の構成によれば、情報処理装置１０（２０、３０、４０）は、複数の要素の間の関係の強さを表す情報を取得する。情報処理装置１０（２０、３０、４０）は、複数の要素のうちの１または複数の要素の指定を受け付ける。情報処理装置１０（２０、３０、４０）は、複数の要素の間の関係の強さを表す情報に基づいて、指定された１または複数の要素の間の関係を、生成モデルを使い分析することを指示する。情報処理装置１０（２０、３０、４０）は、生成モデルによる分析結果に基づいて、１または複数の要素の間の関係を言語で表現した情報を出力する。
　このように、複数の要素の間の関係の強さを表す情報（ここでは、相関係数行列）そのものではなく、その分析結果が出力されるので、ユーザが指定する要素の間の関係を理解することを助けることができる。
　（ハードウェア構成）
　前記実施形態１～４で説明した情報処理装置１０、２０、３０、４０の各構成要素は、機能単位のブロックを示している。これらの構成要素の一部又は全部は、例えば図１７に示すような情報処理装置により実現される。図１７は、情報処理装置のハードウェア構成の一例を示すブロック図である。
　図１７に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていてもよい。
　ＣＰＵ１１１は、記憶装置１１３に格納された、本実施形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）などの揮発性の記憶装置である。また、本実施形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであってもよい。
　また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリなどの半導体記憶装置があげられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。
　データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。
　また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）などの汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）などの磁気記録媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体があげられる。
　（付記）
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　複数の要素の間の関係の強さを表す情報を取得する取得手段と、
　前記複数の要素のうちの１または複数の要素の指定を受け付ける受付手段と、
　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する指示手段と、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する出力手段と、
を備えた情報処理装置。
　（付記２）
　前記取得手段は、
　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
　ことを特徴とする付記１に記載の情報処理装置。
　（付記３）
　前記受付手段は、
　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
　ことを特徴とする付記１に記載の情報処理装置。
　（付記４）
　前記受付手段は、
　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
　ことを特徴とする付記１に記載の情報処理装置。
　（付記５）
　前記指示手段は、
　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１に記載の情報処理装置。
　（付記６）
　前記指示手段は、
　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１に記載の情報処理装置。
　（付記７）
　前記出力手段は、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
　ことを特徴とする付記１に記載の情報処理装置。
　（付記８）
　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
　ことを特徴とする付記１に記載の情報処理装置。
　（付記９）
　前記複数の要素は、結果である目的変数と、原因である複数の説明変数とを含む
　ことを特徴とする付記１に記載の情報処理装置。
　（付記１０）
　前記指示手段は、
　指定された前記１または複数の要素と、前記１または複数の要素と因果関係がある他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１に記載の情報処理装置。
　（付記１１）
　情報処理装置と、
　前記情報処理装置に対して、情報や指示を、ユーザが入力するために使用される１または複数のユーザ端末と、入力データをコンテキスト化し、前記入力データの文脈に応じた出力データを出力するように訓練された情報分析実行装置と、を備え、
　前記情報処理装置は、複数の要素の間の関係の強さを表す情報を取得し、前記複数の要素のうちの１または複数の要素の指定を受け付け、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する、
　情報処理システム。
　（付記１２）
　前記情報処理装置は、
　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１３）
　前記情報処理装置は、
　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１４）
　前記情報処理装置は、
　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１５）
　前記情報処理装置は、
　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１６）
　前記情報処理装置は、
　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１７）
　前記情報処理装置は、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１８）
　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記１９）
　前記複数の要素は、結果である目的変数と、原因である複数の説明変数とを含む
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記２０）
　前記情報処理装置は、
　指定された前記１または複数の要素と、前記１または複数の要素と因果関係がある他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記１１に記載の情報処理システム。
　（付記２１）
　コンピュータが、
　複数の要素の間の関係の強さを表す情報を取得し、
　前記複数の要素のうちの１または複数の要素の指定を受け付け、
　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する、
　情報処理方法。
　（付記２２）
　前記コンピュータが、
　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２３）
　前記コンピュータが、
　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２４）
　前記コンピュータが、
　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２５）
　前記コンピュータが、
　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２６）
　前記コンピュータが、
　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２７）
　前記コンピュータが、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２８）
　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記２９）
　前記複数の要素は、結果である目的変数と、原因である複数の説明変数とを含む
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記３０）
　前記コンピュータが、
　指定された前記１または複数の要素と、前記１または複数の要素と因果関係がある他の要素との間の関係を、前記生成モデルに分析させる
　ことを特徴とする付記２１に記載の情報処理方法。
　（付記３１）
　複数の要素の間の関係の強さを表す情報を取得する処理と、
　前記複数の要素のうちの１または複数の要素の指定を受け付ける処理と、
　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する処理と、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する処理と、
　をコンピュータに実行させるためのプログラム。
　（付記３２）
　前記プログラムは、前記コンピュータに、
　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３３）
　前記プログラムは、前記コンピュータに、
　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３４）
　前記プログラムは、前記コンピュータに、
　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３５）
　前記プログラムは、前記コンピュータに、
　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３６）
　前記プログラムは、前記コンピュータに、
　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３７）
　前記プログラムは、前記コンピュータに、
　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　（付記３８）
　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
　ことを特徴とする付記３１に記載の記録媒体。
　（付記３９）
　前記複数の要素は、結果である目的変数と、原因である複数の説明変数とを含む
　ことを特徴とする付記３１に記載の記録媒体。
　（付記４０）
　前記プログラムは、前記コンピュータに、
　指定された前記１または複数の要素と、前記１または複数の要素と因果関係がある他の要素との間の関係を、前記生成モデルに分析させる
　処理を実行させることを特徴とする付記３１に記載の記録媒体。
　以上、いくつかの実施の形態を参照して本開示を説明した。しかしながら、本開示は上記実施の形態に限定されない。各実施の形態は、適宜他の実施の形態と組み合わせることができる。また、上記実施形態の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０２４年１月１８日に出願された日本出願特願２０２４－００６３９２を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　本開示は、例えば、生成モデルを用いる情報処理に利用することができる。
　　　１　情報処理システム
　　１０　情報処理装置
　　１１　取得部
　　１２　受付部
　　１２’　受付部
　　１３　指示部
　　１４　出力部
　　２０　情報処理装置
　　３０　情報処理装置
　　４０　情報処理装置
　　４１　取得部
　　４２　受付部
　　４３　指示部
　　４４　出力部
　１００　ユーザ端末
　２００　情報分析実行装置

Claims (20)

  1. 　複数の要素の間の関係の強さを表す情報を取得する取得手段と、
    　前記複数の要素のうちの１または複数の要素の指定を受け付ける受付手段と、
    　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する指示手段と、
    　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する出力手段と、
    を備えた情報処理装置。
  2. 　前記取得手段は、
    　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
    　ことを特徴とする請求項１に記載の情報処理装置。
  3. 　前記受付手段は、
    　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
    　ことを特徴とする請求項１に記載の情報処理装置。
  4. 　前記受付手段は、
    　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
    　ことを特徴とする請求項１に記載の情報処理装置。
  5. 　前記指示手段は、
    　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
    　ことを特徴とする請求項１に記載の情報処理装置。
  6. 　前記指示手段は、
    　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
    　ことを特徴とする請求項１に記載の情報処理装置。
  7. 　前記出力手段は、
    　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
    　ことを特徴とする請求項１に記載の情報処理装置。
  8. 　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
    　ことを特徴とする請求項１に記載の情報処理装置。
  9. 　前記複数の要素は、結果である目的変数と、原因である複数の説明変数とを含む
    　ことを特徴とする請求項１に記載の情報処理装置。
  10. 　前記指示手段は、
    　指定された前記１または複数の要素と、前記１または複数の要素と因果関係がある他の要素との間の関係を、前記生成モデルに分析させる
    　ことを特徴とする請求項１に記載の情報処理装置。
  11. 　情報処理装置と、
    　前記情報処理装置に対して、情報や指示を、ユーザが入力するために使用される１または複数のユーザ端末と、入力データをコンテキスト化し、前記入力データの文脈に応じた出力データを出力するように訓練された情報分析実行装置と、を備え、
    　前記情報処理装置は、複数の要素の間の関係の強さを表す情報を取得し、前記複数の要素のうちの１または複数の要素の指定を受け付け、前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する、
    　情報処理システム。
  12. 　前記情報処理装置は、
    　前記複数の要素に関する情報に対して、因果分析を実行することにより得られた、前記複数の要素の間の因果関係の強さを表す前記情報を取得する
    　ことを特徴とする請求項１１に記載の情報処理システム。
  13. 　前記情報処理装置は、
    　前記複数の要素の間の因果関係を表す情報を表示した画面において、前記１または複数の要素の指定を受け付ける
    　ことを特徴とする請求項１１に記載の情報処理システム。
  14. 　前記情報処理装置は、
    　前記生成モデルによる分析結果に基づく前記情報が出力された後、前記１または複数の要素のうち、前記生成モデルによる再分析の対象とする要素の指定を受け付ける
    　ことを特徴とする請求項１１に記載の情報処理システム。
  15. 　前記情報処理装置は、
    　指定された前記１または複数の要素と他の要素との間の関係を、前記生成モデルに分析させる
    　ことを特徴とする請求項１１に記載の情報処理システム。
  16. 　前記情報処理装置は、
    　指定された前記１または複数の要素と、特定の他の要素との間の関係を、前記生成モデルに分析させる
    　ことを特徴とする請求項１１に記載の情報処理システム。
  17. 　前記情報処理装置は、
    　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の因果関係を表す情報を表示する
    　ことを特徴とする請求項１１に記載の情報処理システム。
  18. 　前記複数の要素の間の関係の強さを表す前記情報は、前記複数の要素の間の関係の強さを表す数値データまたは図表データである
    　ことを特徴とする請求項１１に記載の情報処理システム。
  19. 　コンピュータが、
    　複数の要素の間の関係の強さを表す情報を取得し、
    　前記複数の要素のうちの１または複数の要素の指定を受け付け、
    　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示し、
    　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する、
    　情報処理方法。
  20. 　複数の要素の間の関係の強さを表す情報を取得する処理と、
    　前記複数の要素のうちの１または複数の要素の指定を受け付ける処理と、
    　前記複数の要素の間の関係の強さを表す前記情報に基づいて、指定された前記１または複数の要素と他の要素との間の関係を、生成モデルを使い分析することを指示する処理と、
    　前記生成モデルによる分析結果に基づいて、前記１または複数の要素の間の関係を言語で表現した情報を出力する処理と、
    　をコンピュータに実行させるためのプログラムを格納した、一時的でない記録媒体。
PCT/JP2025/000304 2024-01-18 2025-01-08 情報処理装置、情報処理システム、情報処理方法、および記録媒体 Pending WO2025154602A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024-006392 2024-01-18
JP2024006392 2024-01-18

Publications (1)

Publication Number Publication Date
WO2025154602A1 true WO2025154602A1 (ja) 2025-07-24

Family

ID=96471307

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/000304 Pending WO2025154602A1 (ja) 2024-01-18 2025-01-08 情報処理装置、情報処理システム、情報処理方法、および記録媒体

Country Status (1)

Country Link
WO (1) WO2025154602A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022015336A (ja) * 2020-07-08 2022-01-21 エヌ・ティ・ティ・コミュニケーションズ株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022015336A (ja) * 2020-07-08 2022-01-21 エヌ・ティ・ティ・コミュニケーションズ株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "I tried out what Advanced Data Analysis (formerly Code Interpreter) can do", NOTE.COM, 8 July 2023 (2023-07-08), XP093338800, Retrieved from the Internet <URL:https://note.com/it_navi/n/ne33cc645fe23> *

Similar Documents

Publication Publication Date Title
JP7100087B2 (ja) 情報を出力する方法および装置
US12141556B2 (en) Transparent and controllable human-AI interaction via chaining of machine-learned language models
ZHAO et al. Beyond one-model-fits-all: A survey of domain specialization for large language models
JP7230576B2 (ja) 生成装置、学習装置、生成方法及びプログラム
CN114648032B (zh) 语义理解模型的训练方法、装置和计算机设备
JP2020135457A (ja) 生成装置、学習装置、生成方法及びプログラム
US20210406640A1 (en) Neural Network Architecture for Performing Medical Coding
Zou et al. ChartMaster: A tool for interacting with stock market charts using a screen reader
Frick et al. Animation in AAC: Previous research, a sample of current availability in the United States, and future research potential
US11605307B2 (en) Assessing student understanding
CN121094099A (zh) 采用逻辑推理的生成式ai
Kondylakis et al. R2D2: A dbpedia chatbot using triple-pattern like queries
Zhang et al. Distinguishing GUI Component States for Blind Users using Large Language Models
Wang et al. What Drives University Students to Use ChatGPT for Translation? Disciplinary and Experiential Influences
Li et al. Ask to understand: Question generation for multi-hop question answering
CN113761154A (zh) 智能问答方法、装置、设备及计算机可读存储介质
WO2025154601A1 (ja) 情報処理装置、情報処理システム、情報処理方法、および記録媒体
US10860637B2 (en) System and method for rapid annotation of media artifacts with relationship-level semantic content
US20140075298A1 (en) Document analysis and presentation for users with special needs
CN112446192A (zh) 用于生成文本标注模型的方法、装置、电子设备和介质
US11538576B2 (en) Illustrative medical imaging for functional prognosis estimation
Rasoli et al. Designing conversational intelligence: effect of large language models (GPT-driven) platforms for precision maternal and newborn health engagement: a systematic review
Urquiza-Yllescas et al. Educational Chatbots: A Systematic Mapping Study
Cheng et al. University students’ sequential self-regulatory learning actions for completing cognitive-demanding and cognitive-less-demanding tasks with GenAI: ordered network analysis
Ataguba et al. Artificial Intelligence in Africa: Prospects, Challenges and Opportunities Based on Social Media Discourse

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: 25741846

Country of ref document: EP

Kind code of ref document: A1