特許 6190405 データ分析システム、データ分析方法、およびデータ分析プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6190405

(24)【登録日】2017年8月10日

(45)【発行日】2017年8月30日

(54)【発明の名称】データ分析システム、データ分析方法、およびデータ分析プログラム

(51)【国際特許分類】

   G06F 17/30 20060101AFI20170821BHJP

【ＦＩ】

   G06F17/30 220Z

【請求項の数】6

【全頁数】14

(21)【出願番号】特願2015-39278(P2015-39278)

(22)【出願日】2015年2月27日

(65)【公開番号】特開2016-162116(P2016-162116A)

(43)【公開日】2016年9月5日

【審査請求日】2016年7月12日

(73)【特許権者】

【識別番号】304063864

【氏名又は名称】株式会社ＵＢＩＣ

(74)【代理人】

【識別番号】100094112

【弁理士】

【氏名又は名称】岡部 讓

(74)【代理人】

【識別番号】100101498

【弁理士】

【氏名又は名称】越智 隆夫

(74)【代理人】

【識別番号】100120064

【弁理士】

【氏名又は名称】松井 孝夫

(72)【発明者】

【氏名】武田 秀樹

(72)【発明者】

【氏名】蓮子 和巳

【審査官】 石田 信行

(56)【参考文献】

【文献】 特開２０１３−１７４９９５（ＪＰ，Ａ）

【文献】 特開２００８−２１７０６７（ＪＰ，Ａ）

【文献】 特開平０３−１１６３７４（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １７／３０

Ｇ０６Ｆ １７／２７

(57)【特許請求の範囲】

【請求項1】

データから、当該データの一部であるデータ要素を抽出するデータ分析システムであって、
前記データを受け付ける受付部と、
前記受付部により受け付けたデータから、データ要素を抽出する抽出部と、
前記抽出部により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として結合すべきか否かを判定するための指標を算出する算出部と、を備えたデータ分析システムであって、
前記指標は、前記第１データ要素が前記データに出現する第１頻度と、前記第２データ要素が前記データに出現する第２頻度と、前記第１データ要素と前記第２データ要素とが連続して前記データに出現した第３頻度と、に基づく算出値に対する前記第３頻度の割合であるデータ分析システム。

【請求項2】

前記算出値は、前記第１頻度と前記第２頻度とを合算した値から前記第３頻度を減算した値である請求項１に記載のデータ分析システム。

【請求項3】

前記データ分析システムは、さらに、
前記指標に基づいて、前記第１データ要素と前記第２データ要素とを結合すべきか否かを判定する判定部を備える
ことを特徴とする請求項１または２に記載のデータ分析システム。

【請求項4】

前記判定部は、前記指標が、所定の基準を満たしている場合に、前記第１データ要素と前記第２データ要素とを結合すべきであると判定する
ことを特徴とする請求項３に記載のデータ分析システム。

【請求項5】

データを受け付ける受付ステップと、
前記受付ステップにおいて受け付けたデータから、データ要素を抽出する抽出ステップと、
前記抽出ステップにおいて抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として結合すべきか否かを判定するための指標を算出する算出ステップとの各ステップをコンピュータにより実行するデータ分析方法であって、
前記指標は、前記第１データ要素が前記データに出現する第１頻度と、前記第２データ要素が前記データに出現する第２頻度と、前記第１データ要素と前記第２データ要素とが連続して前記データに出現した第３頻度と、に基づく算出値に対する前記第３頻度の割合であるデータ分析方法。

【請求項6】

コンピュータにおいて、
データを受け付ける受付機能と、
前記受付機能により受け付けたデータから、データ要素を抽出する抽出機能と、
前記抽出機能により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として結合すべきか否かを判定するための指標を算出する算出機能とを実行するデータ分析プログラムであって、
前記指標は、前記第１データ要素が前記データに出現する第１頻度と、前記第２データ要素が前記データに出現する第２頻度と、前記第１データ要素と前記第２データ要素とが連続して前記データに出現した第３頻度と、に基づく算出値に対する前記第３頻度の割合であるデータ分析プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、データを分析するデータ分析システムに関するものである。

【背景技術】

【0002】

データマイニングと言われる技術がある。データマイニングは、データに含まれるデータ要素を用いて、そのデータを評価する技術である。そのため、データをより正確に評価するためには、データ要素を正確に選定することが重要となる。

【0003】

当該データ要素を決定する手法として、ユーザが逐一、設定することにより対応することができるが、その作業は煩雑なものとなる。そこで、データ要素を自動的に抽出する技術がある。

【0004】

例えば、特許文献１には、複合語を予め記憶してある複合語を登録した辞書を用いて、データに区切りをつける技術が開示されている。また、特許文献１には辞書に登録されていない複合語を区切る手法についても開示されている。
そして、例えば、特許文献２には、事前に与えられた基準に従って、文字列を高精度に分割する技術が開示されている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２００９−２９５０５２号公報

【特許文献2】特開２０１２−１４６２７３号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、従来の技術の場合、データからデータ要素を抽出するにあたって、アルゴリズムによっては、必要以上に細かくしすぎる可能性があるという問題がある。簡単な具体例を挙げると、例えば、データが文書データであり、当該データ中に「監査委員会」という単語がデータ要素として存在するとき、従来であれば、「監査」というデータ要素と、「委員会」というデータ要素とに分けられる場合がある。このとき、当該単語は、「監査委員会」という語で、一つのデータ要素として扱った方が良い場合があるが、従来での技術では、分解したデータ要素はそのまま評価するより他ない。

【0007】

そこで、本発明においては、上記問題に鑑みて、従来とは異なる手法を用いて、一つのデータ要素として扱うことが望ましいデータ要素（例えば、複合語など）を適切に分析するデータ分析システムを提供することを目的とする。

【課題を解決するための手段】

【0008】

上記課題を解決するために、本発明の一態様に係るデータ分析システムは、データから、当該データの一部であるデータ要素を抽出するデータ分析システムであって、前記データを受け付ける受付部と、前記受付部により受け付けたデータから、データ要素を抽出する抽出部と、前記抽出部により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出部と、前記指標を提示する提示部とを備える。

【0009】

上記課題を解決するために、本発明の一態様に係るデータ分析方法は、コンピュータが実行するデータ分析方法であって、データを受け付ける受付ステップと、前記受付ステップにおいて受け付けたデータから、データ要素を抽出する抽出ステップと、前記抽出ステップにおいて抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出ステップと、前記指標を提示する提示ステップとを含む。

【0010】

上記課題を解決するために、本発明の一態様に係るデータ分析プログラムは、コンピュータに、データを受け付ける受付機能と、前記受付機能により受け付けたデータから、データ要素を抽出する抽出機能と、前記抽出機能により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出機能と、前記指標を提示する提示機能とを実現させる。
これにより、データ分析システムは、データ要素とデータ要素とを結合すべきか否かの指標を算出することができる。

【0011】

また、前記算出部は、更に、前記第１データ要素が前記データに出現する第１頻度と、前記第２データ要素が前記データに出現する第２頻度と、前記第１データ要素と前記第２データ要素とが前記データに共起する第３頻度とに基づいて、前記指標を算出することとしてもよい。

【0012】

また、前記第３頻度は、前記第１データ要素と前記第２データ要素とが連続して前記データに出現した頻度であり、前記算出部は、前記第３頻度を、前記第１頻度と前記第２頻度とを合算した値から前記第３頻度を減算した値で除した値を前記指標として算出することとしてもよい。

【0013】

また、前記データ分析システムは、さらに、前記データ分析システムは、さらに、前記指標に基づいて、前記第１データ要素と前記第２データ要素とを結合すべきか否かを判定する判定部を備えることとしてもよい。

【0014】

また、前記判定部は、前記指標が、所定の基準を満たしている場合に、前記第１データ要素と前記第２データ要素とを結合すべきであると判定することとしてもよい。

【発明の効果】

【0015】

本発明の一態様に係るデータ分析システムは、データから抽出したデータ要素について、本来一つのデータ要素として扱うべき可能性のあるデータ要素を提示することができる。

【図面の簡単な説明】

【0016】

【図1】実施の形態１に係るデータ分析システムの機能構成を示すブロック図である。

【図2】結果情報のデータ概念図である。

【図3】データ分析システムの動作を示すフローチャートである。

【発明を実施するための形態】

【0017】

本発明に係るデータ分析システムの一実施態様について、図面を参照しながら説明する。
＜実施の形態＞
＜構成＞
図１は、データ分析システム１００の機能構成を示すブロック図である。
図１に示すように、データ分析システム１００は、受付部１１０と、表示部１２０と、入力部１３０と、記憶部１４０と、制御部１５０とを含む。

【0018】

受付部１１０は、解析対象のデータの入力を受け付けて、制御部１５０に伝達する機能を有する。受付部１１０は、データ通信によりネットワークを介してデータを受け付けることとしてもよいし、データを記憶した記録媒体からデータを読み出すことにより受け付けることとしてもよい。ここで、データは、文書データ（例えば、電子メール、プレゼンテーション資料、表計算資料、打ち合わせ資料、契約書、組織図、事業計画書など、少なくとも一部にテキストを含むデータを主に指すが、画像データ、音声データ、映像データなど、任意のデータ（主に、少なくとも一部において構造定義が不完全な非構造化データ）を広く含む。

【0019】

表示部１２０は、制御部１５０により生成された情報を表示する機能を有し、例えば、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、有機ＥＬ（Electro Luminescence）ディスプレイなどにより実現される。本実施の形態においては、表示部１２０は、提示部１５３から伝達される結合すべきデータ要素に関する情報を表示する。

【0020】

入力部１３０は、ユーザからの入力を受け付けて、制御部１５０に伝達する機能を有する。入力部１３０は、例えば、キーボードやポインティングデバイス、音声入力装置などにより実現される。本実施の形態においては、入力部１３０は、ユーザから結合すべきデータ要素の指定を受け付けて、制御部１５０に当該データ要素の情報を伝達する。

【0021】

記憶部１４０は、データ分析システム１００が動作上必要とする各種プログラム、データを記憶する機能を有する。記憶部１４０は、例えば、記憶部１４０は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、半導体メモリ、フラッシュメモリなどにより実現される。なお、図１では、データ分析システム１００が記憶部１４０を備える構成を示しているが、記憶部１４０は、データ分析システム１００外部のものであって、データ分析システム１００と通信可能に接続された記憶装置であってもよい。

【0022】

制御部１５０は、記憶部１４０に記憶されている各種データを参照しながら、データ分析システム１００の各部を制御する機能を有するプロセッサである。制御部１５０は、データ分析システム１００が有する各種機能を統括的に制御する。
制御部１５０は、データ要素抽出部１５１と、指標算出部１５２と、提示部１５３と、結合部１５４とを含む。

【0023】

データ要素抽出部１５１は、受付部１１０から伝達されたデータから、所定のアルゴリズムに従ってデータ要素を抽出する機能を有する。ここで、データ要素抽出部１５１は、例えば、（１）データが文書データの場合、当該文書データに含まれるキーワード（いわゆる、形態素）、センテンス、段落などをデータ要素として抽出し、（２）データが音声データの場合、当該音声データに含まれる部分音声をデータ要素として抽出し、（３）データが画像データの場合、当該画像データに含まれる部分画像をデータ要素として抽出し、（４）データが映像データの場合、当該映像データに含まれるフレーム画像（または、複数のフレーム画像の組み合わせ）をデータ要素として抽出することができる。

【0024】

指標算出部１５２は、データ要素抽出部１５１が抽出したデータ要素について、他の連続するデータ要素と結合すべきか否かを判定するための指標を算出する機能を有する。指標算出部１５２は、以下のように当該指標となる結合率を算出する。

【0025】

まず、指標算出部１５２は、データ要素のうちの一つである第１データ要素Ｘが、受け付けたデータ中に出現する頻度である第１頻度を、第１データ要素Ｘがデータ中に出現する回数をカウントすることにより決定する。当該第１頻度をＤＦ_Ｘとする。

【0026】

次に、指標算出部１５２は、データ要素のうちの一つである第２データ要素Ｙが、受け付けたデータ中に出現する頻度である第２頻度を、第２データ要素Ｙがデータ中に出現する回数をカウントすることにより決定する。当該第２頻度をＤＦ_Ｙとする。

【0027】

そして、指標算出部１５２は、第１データ要素Ｘと第２データ要素Ｙとが連続して出現する頻度である第３頻度、すなわち、データ要素ＸＹとしてデータ中に出現する頻度を、データ要素ＸＹが出現する回数をカウントすることにより決定する。当該第３頻度をＤＦ_ＸＹとする。当該第３頻度ＤＦ_ＸＹは、データ要素Ｘとデータ要素Ｙが同じデータ（この場合、データの単位は、どのようなものであってもよく、一つの文書単位であっても、文書の中の一段落あるいは一センテンス単位などであってもよい）に共起する頻度である共起頻度と呼称することもできる。

【0028】

指標算出部１５２は、算出した第１頻度と第２頻度と第３頻度とを用いて、第１データ要素と第２データ要素とを結合すべきか否かの指標となる結合率Ｃを以下の数式（１）を用いて算出する。

【0029】

【数1】

【0030】

指標算出部１５２は、算出した第１頻度ＤＦ_Ｘと、第２頻度ＤＦ_Ｙと、第３頻度ＤＦ_ＸＹと、結合率Ｃと、対応する第１データ要素、第２データ要素の情報を、提示部１５３および結合部１５４に伝達する。

【0031】

提示部１５３は、指標算出部１５２から伝達された第１データ要素と、第２データ要素と、第１頻度と、第２頻度と、第３頻度と、結合率に基づく結果情報を生成する機能を有する。そして、提示部１５３は、生成した結果情報を表示部１２０に提示する。結果情報（指標）は、結合率そのものであってもよいし、結合率の数値に応じて、「高」、「中」、「低」のように第１データ要素と第２データ要素の対に対して予め定めた評価をラベリングしたものであってもよい。後者の場合であれば、例えば、「高」は、０．７〜１．０、「中」は、０．４〜０．７、「低」が０〜０．４と予めその範囲を定めておき、これによりラベリングを実行するとよい。
結合部１５４は、入力部１３０から伝達された第１データ要素と第２データ要素とを結合して、記憶部１４０に記憶する機能を有する。

【0032】

＜データ＞
図２は、データ分析システム１００の提示部１５３が提示する結果情報２００の一例を示すデータ概念図である。結果情報２００は、データ要素とデータ要素とを結合して一つのデータ要素として扱うべきか否かの指標を提示する情報である。

【0033】

図２に示すように、結果情報２００は、第１データ要素２０１と、第２データ要素２０２とが対応付けられた情報である。また、結果情報２００は、第１頻度２０３と、第２頻度２０４と、第３頻度２０５と、結合率２０６とがさらに対応付けられていてもよい。なお、図２に示す結果情報２００の出力結果は、あくまで一例である。すなわち、結果情報２００は、結合され得る候補（第１データ要素２０１と第２データ要素２０２とのペア）を提示可能な情報でありさえすればよく、当該結果情報２００に基づいて当該候補をどのように提示するかは図２の例に限定されない。
第１データ要素２０１は、データ中に出現するデータ要素であって、結合の候補となるデータ要素を示す情報である。
第２データ要素２０２は、データ中に出現するデータ要素であって、結合の候補であり、第１データ要素２０１に連続するデータ要素を示す情報である。

【0034】

第１頻度２０３は、第１データ要素２０１がデータ中に出現する頻度を示す情報である。ここでは、第１頻度２０３は、第１データ要素２０１がデータ中に出現する回数である。

【0035】

第２頻度２０４は、第２データ要素２０２がデータ中に出現する頻度を示す情報である。ここでは、第２頻度２０４は、第２データ要素２０２がデータ中に出現する回数である。

【0036】

第３頻度２０５は、第１データ要素２０１と第２データ要素２０２とが連続して、データ中に出現する頻度を示す情報である。ここでは、第３頻度２０５は、第１データ要素２０１と第２データ要素２０２とが連続してデータに出現する回数である。

【0037】

結合率２０６は、第１データ要素２０１と第２データ要素２０２とを結合すべきか否かの指標を示す情報である。ここでは、結合率２０６は、０〜１の値をとり、１に近いほど、結合されるべき可能性が高いことを示す。

【0038】

図２の結果情報２００において、例えば、第１データ要素２０１として「課題」というデータ要素と、第２データ要素２０２として「解決」というデータ要素に着目する。図２によれば、第１データ要素「課題」の出現頻度である第１頻度２０３は、「２１」であり、第２データ要素「解決」の出現頻度である第２頻度２０４は、「２１」であり、その結合されたデータ要素「課題解決」の出現頻度である第３頻度２０５は、「２１」となっている。これらの第１頻度、第２頻度、第３頻度から算出される結合率２０６は、「１．０００」となる。この結合率２０６が高いということは、結果情報２００を見たユーザは、受付部１１０が受け付けたデータでは、第１データ要素「課題」と第２データ要素「解決」は、一つのデータ要素として扱うべきであると判断することができる。なお、結合率２０６が所定の基準値を超過する場合（例えば、当該結合率２０６が「１．０００」（すなわち、すべての「課題」と「解決」とが常に共起している）となる場合）、データ分析システム１００は、結果を提示することなく両者を結合することとしてもよい。これにより、データ分析システム１００は、結果を確認するユーザの手間を省くことができる。

【0039】

また、例えば、第１データ要素２０１として「詳細」というデータ要素と、第２データ要素２０２として「説明」というデータ要素に着目する。図２によれば、第１データ要素「詳細」の出現頻度である第１頻度２０３は、「３」であり、第２データ要素「説明」の出現頻度である第２頻度２０４は、「２」であり、その結合されたデータ要素「詳細説明」の出現頻度である第３頻度２０５は、「１」となっている。これらの第１頻度、第２頻度、第３頻度から算出される結合率は、「０．２５０」となる。この結合率が低いということは、結果情報２００を見たユーザは、受付部１１０が受け付けたデータでは、第１データ要素「詳細」と第２データ要素「説明」は、一つのデータ要素として扱うべきではないと判断することができる。なお、結合率が所定の閾値（例えば、０．４）を下回る場合には、提示部１５３は、結合すべき第１データ要素と第２データ要素の候補として提示しない構成をとることとしてもよい。
結果情報２００が提示されることによりデータ分析システム１００のユーザは、データ要素を結合すべきか否かを容易に判定することができる。

【0040】

＜動作＞
図３は、データ分析システム１００の動作を示すフローチャートである。
図３に示すように、データ分析システム１００の受付部１１０は、分析対象のデータの入力を受け付ける（ステップＳ３０１）。受付部１１０は、受け付けたデータを、データ要素抽出部１５１に伝達する。

【0041】

データ要素抽出部１５１は、伝達されたデータから、予め定められた所定のアルゴリズムに従ってデータ要素を抽出する（ステップＳ３０２）。データ要素抽出部１５１は、抽出したデータ要素を指標算出部１５２に伝達する。
指標算出部１５２は、伝達されたデータ要素について、他のデータ要素と結合すべきか否かを判定するための指標を算出する。

【0042】

具体的には、指標算出部１５２は、データから抽出された所定の第１データ要素がデータ中に出現する第１頻度を算出する（ステップＳ３０３）。すなわち、指標算出部１５２は、データに出現する第１データ要素の回数をカウントする。

【0043】

次に、指標算出部１５２は、データから抽出された第２データ要素がデータ中に出現する第２頻度を算出する（ステップＳ３０４）。すなわち、指標算出部１５２は、データに出現する第２データ要素の回数をカウントする。

【0044】

続いて、指標算出部１５２は、第１データ要素に第２データ要素が連続して出現する第３頻度を算出する（ステップＳ３０５）。すなわち、指標算出部１５２は、データに第１データ要素と第２データ要素とがセットで出現する回数をカウントする。

【0045】

そして、指標算出部１５２は、第１頻度と第２頻度と第３頻度とを用いて、第１データ要素と第２データ要素とを結合すべきか否かの指標となる結合率を算出する（ステップＳ３０６）。指標算出部１５２は、算出した第１頻度、第２頻度、第３頻度、結合率、および算出に用いた第１データ要素と第２データ要素の情報を、提示部１５３と結合部１５４に伝達する。

【0046】

提示部１５３は、伝達された情報に基づいて、図２に示した結果情報を作成し、表示部１２０に伝達する。そして、表示部１２０は伝達された結果情報を表示する（ステップＳ３０７）。

【0047】

入力部１３０は、表示された結果情報を見たユーザが指定した結合すべき第１データ要素と第２データ要素との指定を受け付ける。入力部１３０は指定された第１データ要素と第２データ要素を特定する情報を結合部１５４に伝達する。

【0048】

結合部１５４は、伝達された第１データ要素と第２データ要素とを一つのデータ要素として扱うべく、第１データ要素と第２データ要素とを結合して、一つのデータ要素として記憶部１４０に記憶する。

【0049】

これにより、データ分析システム１００は、必要以上に細分化されたデータ要素を、結合することができる。そして、その結合後のデータ要素を評価することでデータマイニングに応用することができる。
＜変形例＞

【0050】

上記実施の形態に本発明に係る発明の一実施態様を説明したが、本発明に係る思想がこれに限られないことは言うまでもない。以下、本発明に係る思想として含まれる各種変形例について説明する。

【0051】

（１）上記実施の形態においては、結合部１５４は、ユーザが指定した第１データ要素と第２データ要素とを結合させる構成を例示したが、これはその限りではない。ユーザの指定以外の手法を用いてもよい。

【0052】

すなわち、結合部１５４が第１データ要素と第２データ要素とを結合すべきか判断してもよい。判断の手法としては、結合部１５４は、伝達された結合率が所定値以上（予め定められた閾値以上。例えば、０．７以上）の第１データ要素と第２データ要素とを結合することとしてもよい。

【0053】

（２）上記実施の形態においては、データからデータ要素を抽出する手法のみを開示しているが、データ分析システム１００は、さらに、データマイニングのために記憶部１４０に記憶されたデータ要素の重み付け値を算出する重み付け部、および、データ要素に対して算出された重み付け値を用いて受付部１１０が受け付けるデータを評価する評価部を備えてもよい。
以下、重み付け部および評価部における処理を簡単に説明する。

【0054】

重み付け部は、記憶部１４０に格納されたデータ要素に対して重み付けを実行する。重み付け部は、データ要素を含むデータが所定の事象に関連するか否かに基づいて重み付け値を算出するものであり、例えば、所定の事象との関連度合を、伝達情報量を用いて算出する。

【0055】

また、重み付け部は、所定の事象に関連する複数のデータと、所定の事象に関連しない複数のデータとについて、それぞれのスコアを、算出した重み付け値を用いて算出する。このとき、重み付け部は、算出したスコアに基づいて、データを並べた場合に、所定の事象に関連する複数のデータのスコアが、所定の事象に関連しない複数のデータのスコアよりも高くなっていない場合には、所定の事象に関連する複数のデータのスコアが、所定の事象に関連しない複数のデータのスコアよりも高くなるように補正してもよい。重み付け部は、算出した各データ要素の重み付け値を記憶部１４０に格納する。

【0056】

評価部は、受付部１１０が受け付けた新たなデータに対する評価値を算出する。評価部は、新たなデータからデータ要素抽出部１５１が抽出したデータ要素各々について、記憶部１４０に格納された重み付け値を用いて、データのスコアＳを算出する。評価部は、例えば、以下の数式を用いてスコアＳを算出する。

【0057】

【数2】

【0058】

上記式（２）において、ｗ_ｉは、ｉ番目のデータ要素の重み付け値を意味する。また、Ｎはデータから抽出されたデータ要素数を意味する。

【0059】

データ分析システム１００は、算出されたスコアを、データの評価として提示する。このスコアＳが高いと懸案事項との関連性が高いデータであると判定することができる。

【0060】

（３）上記実施の形態に係るデータ分析システム１００は、各種のデータに対する応用が可能である。以下に、その事例について説明する。
上記実施の形態に係るデータ分析システム１００は、例えば、ディスカバリー支援システムとして活用することができる。
ディスカバリー支援システムは、受け付けるデータとして、例えば、訴訟関連のメールデータ、書籍などの文書データを受け付け、そこから必要な関連データを検索するにあたって、データからデータ要素として関連する用語を適切に抽出することができる。

【0061】

また、データ分析システム１００は、例えば、フォレンジックシステムとして活用することができる。
フォレンジックシステムは、受け付けるデータとして、例えば、容疑者がやり取りしている電子メールを受け付け、犯罪に関わりがある可能性が高い電子メールを選定し、犯罪捜査に役立てることができる。その際に、電子メールを評価するために、電子メールからデータ要素を抽出する際に活用することができる。

【0062】

また、データ分析システム１００は、例えば、メール監査システムとして活用することができる。
メール監査システムにおいても、ディスカバリー支援システムやフォレンジックシステムと同様に電子メールからデータ要素を適切に抽出することに活用することができる。

【0063】

また、データ分析システム１００は、例えば、インターネット応用システムとして活用することができる。
インターネット応用システムとしては、インターネット上に公開されている各種の記事を分析する際に、適切にデータ要素を抽出するシステムとして活用することができる。

【0064】

また、データ分析システム１００は、例えば、知財調査システムとして活用することができる。
知財調査システムとしては、例えば、特許文献の内容分析を行うにあたって、適切にデータ要素を抽出するシステムとして活用することができる。

【0065】

また、データ分析システム１００は、例えば、医療応用システムとして活用することができる。
医療応用システムとしては、例えば、データとして、診療情報（カルテ）を受け付けて、患者の状態分析を行うにあたって、データ要素を抽出するシステムとして活用することができる。
また、データ分析システム１００は、その他にも、例えば、実績評価システム、ドライビング支援システム、プロジェクト評価システム、ポータルサイト運営システム、取引管理システム、コールセンターエスカレーションシステム、マーケティングシステムなど、任意のシステムに活用することができる。すなわち、データ分析システム１００は、データを受け付け、当該データからデータ要素を抽出し、第１データ要素と第２データ要素とが当該データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出し、当該指標を提示するシステムに広く用いることができる。

【0066】

（４）上記実施の形態に示した指標の算出方法は一例にしか過ぎない。連続するデータ要素が一つのデータ要素として扱うべきか否かの指標として適切と思われるものを算出する方法であれば、その他の手法を用いてもよい。

【0067】

例えば、第１データ要素と、第２データ要素とについて、その連続する組み合わせが、受け付けたデータに登場する回数を指標として用いてもよい。そして、当該回数が所定回数を超える場合に、第１データ要素と第２データ要素とを結合すべきであると判定することとしてもよい。

【0068】

また、あるいは、第１データ要素と、第２データ要素とについて、その連続する組み合わせだけが、受け付けたデータに登場すると検出された場合に、第１データ要素と第２データ要素とを結合すべきであるとの情報を生成して、当該情報を指標とすることとしてもよい。

【0069】

（５）上記実施の形態に示した第１データ要素と第２データ要素の例は、所謂複合語と呼称される語を一つのデータ要素として扱う例を示している。しかし、これは、その限りではない。複合語以外の例、例えば、慣用句や固有名詞（例えば、氏名、企業名など）なども、一つのデータ要素として扱うべきであるとの指標を算出し得る。

【0070】

（６）データ分析システム１００（情報処理装置）の各機能部は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよい。データ分析システム１００の各機能部は、１又は複数の集積回路により実現されても良いし、複数の機能部が１の集積回路により実現されてもよい。

【0071】

あるいは、データ分析システム１００の各機能部により実現される機能は、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。この場合、データ分析システム１００は、各機能を実現するソフトウェアであるデータ評価プログラムの命令を実行するＣＰＵ、上記ゲームプログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記データ評価プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記データ評価プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記データ評価プログラムは、当該ゲームプログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。本発明は、上記データ評価プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0072】

なお、上記データ評価プログラムは、例えば、ActionScript、JavaScript（登録商標）などのスクリプト言語、Objective-C、Java（登録商標）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。また、上記データ評価プログラムによって実現される各機能を実現する各部を備えた情報処理装置と、上記各機能とは異なる残りの機能を実現する各部を備えたサーバとを含む分散型のデータ分析システムも、本発明の範疇に入る。

【0073】

（７）本発明を諸図面や実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形や修正を行うことが容易であることに注意されたい。従って、これらの変形や修正は本発明の範囲に含まれることに留意されたい。例えば、各機能部、各ステップ等に含まれる機能等は再配置可能であり、複数の手段やステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。
（８）上記実施の形態および各種変形例に示す構成を適宜組み合わせることとしてもよい。

【0074】

＜補足＞
ここに本発明に係るデータ分析システムの一実施態様とその効果について述べる。
（ａ）本発明に係るデータ分析システムは、データから、当該データの一部であるデータ要素を抽出するデータ分析システムであって、前記データを受け付ける受付部（１１０）と、前記受付部により受け付けたデータから、データ要素を抽出する抽出部（１５１）と、前記抽出部により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出部（１５２）と、前記指標を提示する提示部（１５３）とを備える。

【0075】

また、本発明に係るデータ分析方法は、コンピュータが実行するデータ分析方法であって、データを受け付ける受付ステップと、前記受付ステップにおいて受け付けたデータから、データ要素を抽出する抽出ステップと、前記抽出ステップにおいて抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出ステップと、前記指標を提示する提示ステップとを含む。

【0076】

また、本発明に係るデータ分析プログラムは、コンピュータに、データを受け付ける受付機能と、前記受付機能により受け付けたデータから、データ要素を抽出する抽出機能と、前記抽出機能により抽出されたデータ要素である第１データ要素と第２データ要素とが前記データに共起する頻度に応じて、当該第１データ要素と当該第２データ要素とを一つのデータ要素として扱うべきか否かを判定するための指標を算出する算出機能と、前記指標を提示する提示機能とを実現させる。

【0077】

これにより、データから抽出したデータ要素について、複数のデータ要素を結合すべきか否かを判断するための指標を提示することができる。したがって、不要にデータが細分化された場合に、提示された指標に基づいてデータ要素を結合するか否かを判断することができる。

【0078】

（ｂ）上記（ａ）に係るデータ分析システムにおいて、前記算出部は、更に、前記第１データ要素が前記データに出現する第１頻度と、前記第２データ要素が前記データに出現する第２頻度と、前記第１データ要素と前記第２データ要素とが前記データに共起する第３頻度とに基づいて、前記指標を算出することとしてもよい。
これにより、第１データ要素と第２データ要素との各々が出現する頻度と、双方が共起する頻度に応じて指標を算出することができる。

【0079】

（ｃ）上記（ａ）に係るデータ分析システムにおいて、前記第３頻度は、前記第１データ要素と前記第２データ要素とが連続して前記データに出現した頻度であり、前記算出部は、前記第３頻度を、前記第１頻度と前記第２頻度とを合算した値から前記第３頻度を減算した値で除した値を前記指標として算出することとしてもよい。
これにより、データ分析システムは、指標を算出することができる。

【0080】

（ｄ）上記（ａ）に係るデータ分析システムにおいて、前記データ分析システムは、さらに、前記指標に基づいて、前記第１データ要素と前記第２データ要素とを結合すべきか否かを判定する判定部を備える。
これにより、データ分析システムは、ユーザの手によらずに、データ要素を結合すべきか否かを判断することができる。

【0081】

（ｅ）上記（ａ）に係るデータ分析システムにおいて、前記判定部は、前記指標が、所定の基準を満たしている場合に、前記第１データ要素と前記第２データ要素とを結合すべきであると判定することとしてもよい。
これにより、データ分析システムは、データ要素同士を結合させることができる。

【産業上の利用可能性】

【0082】

本発明は、パーソナルコンピュータ、サーバ装置、ワークステーション、メインフレームなど、任意のコンピュータに広く適用することができる。

【符号の説明】

【0083】

１００ データ分析システム
１１０ 受付部
１２０ 表示部
１３０ 入力部
１４０ 記憶部
１５０ 制御部
１５１ データ要素抽出部
１５２ 指標算出部
１５３ 提示部
１５４ 結合部

【図1】

【図2】

【図3】