特開 2022-91019 情報処理装置、情報処理方法、プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022091019

(43)【公開日】2022-06-20

(54)【発明の名称】情報処理装置、情報処理方法、プログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20220613BHJP

   G06T 7/00 20170101ALI20220613BHJP

【ＦＩ】

G06N20/00 130

G06T7/00 350B

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2020203683

(22)【出願日】2020-12-08

(71)【出願人】

【識別番号】390002761

【氏名又は名称】キヤノンマーケティングジャパン株式会社

(71)【出願人】

【識別番号】592135203

【氏名又は名称】キヤノンＩＴソリューションズ株式会社

(74)【代理人】

【識別番号】100189751

【弁理士】

【氏名又は名称】木村 友輔

(72)【発明者】

【氏名】中山 正明

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096DA03

5L096KA04

5L096KA15

(57)【要約】

【課題】 説明変数の特性に応じて適切な推論結果を得られる仕組みを提供すること
【解決手段】 複数のカラムから構成される学習データのうち、グループカラムの設定を受け付け、受け付けたグループカラムの値毎に学習済みモデルを生成する。生成された学習済みモデルのうち、推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルを用いて、当該新規データに対する推論処理を実行する
【選択図】 図１

【特許請求の範囲】

【請求項1】

複数のカラムから構成される学習データのうち、グループカラムの設定を受け付ける受付手段と、
前記受付手段により受け付けたグループカラムの値毎に学習済みモデルを生成する生成手段と、
前記生成手段により生成された学習済みモデルのうち、推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルを用いて、当該新規データに対する推論処理を実行する推論手段と、
を備えることを特徴とする情報処理システム。

【請求項2】

前記受付手段は、さらに、グループカラムの値毎の学習済みモデルを生成するかを判定するための最少レコード数を受け付け、
前記生成手段は、前記学習データにおけるグループカラムの値のうち、レコード数が前記受付手段で受け付けた最小レコード数を満たす値について、グループカラムの値毎の学習済みモデルを生成することを特徴とする請求項１に記載の情報処理システム。

【請求項3】

前記生成手段は、さらに、前記学習データの全レコードを用いて学習済みモデルを生成することを特徴とし、
前記推論手段は、前記推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルが生成されていない場合、前記学習データの全レコードを用いて生成された学習済みモデルを用いて当該新規データに対する推論処理を実行することを特徴とする請求項に記載の情報処理システム。

【請求項4】

前記推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルが生成されていない場合、その旨を通知する通知手段を備えることを特徴とする請求項２または３に記載の情報処理システム。

【請求項5】

情報処理システムの受付手段が、複数のカラムから構成される学習データのうち、グループカラムの設定を受け付ける受付工程と、
前記情報処理システムの生成手段が、前記受付工程により受け付けたグループカラムの値毎に学習済みモデルを生成する生成工程と、
前記情報処理システムの推論手段が、前記生成工程により生成された学習済みモデルのうち、推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルを用いて、当該新規データに対する推論処理を実行する推論工程と、
を備えることを特徴とする情報処理方法。

【請求項6】

コンピュータを、
複数のカラムから構成される学習データのうち、グループカラムの設定を受け付ける受付手段と、
前記受付手段により受け付けたグループカラムの値毎に学習済みモデルを生成する生成手段と、
前記生成手段により生成された学習済みモデルのうち、推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルを用いて、当該新規データに対する推論処理を実行する推論手段として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法、プログラムに関する。

【背景技術】

【0002】

近年、ディープラーニングを用いて生成された学習済みモデルを用いた仕組みが、様々な場面で活用されている。例えば、画像から物体を検出したり、物体の分類を行うことに用いられたり、音声認識や言語処理の分野でも活用されている。さらに、特許文献１に開示されている通り、需要予測のような、過去の需要実績や天候などの様々な説明変数から予測値を算出する場面においても、学習済みモデルを用いた方法が用いられている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１１５２７６号公報

【発明の開示】

【発明が解決しようとする課題】

【0004】

説明変数として、数値変数やカテゴリ変数などがあるが、カテゴリ変数によっては、その値次第で、他の説明変数が予測結果に与える影響がまったく異なってくる場合がある。例えば、「商品カテゴリ」が「飲料物」であれば、「気温」が「商品売り上げ数」に影響すると考えられるが、「商品カテゴリ」が「PC用品」であれば、「気温」の「商品売り上げ数」への影響はあまりないと考えられる。このような場合に、学習データ全体で一つのモデルを学習しても、適切なモデル化を行えず、予測の精度が低くなってしまうことが考えられる。

【0005】

このように、適切な推論結果を得るためには、カテゴリ変数の値に応じて異なる複数のモデルを学習する必要がある場合がある。

【0006】

そこで、本発明では、説明変数の特性に応じて適切な推論結果を得られる仕組み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】

【0007】

本発明の情報処理システムは、複数のカラムから構成される学習データのうち、グループカラムの設定を受け付ける受付手段と、前記受付手段により受け付けたグループカラムの値毎に学習済みモデルを生成する生成手段と、前記生成手段により生成された学習済みモデルのうち、推論対象の新規データにおけるグループカラムの値に対応する学習済みモデルを用いて、当該新規データに対する推論処理を実行する推論手段と、を備えることを特徴とする。

【発明の効果】

【0008】

本発明によれば、説明変数の特性に応じて適切な推論結果を得ることが可能となる。

【図面の簡単な説明】

【0009】

【図1】情報処理システムの構成の一例を示す図である。

【図2】情報処理装置１０１のハードウェア構成の一例を示すブロック図である。

【図3】学習時の処理を示すフローチャート

【図4】推論時の処理を示すフローチャート

【図5】学習時の処理内容を説明するための図

【図6】推論時の処理内容を説明するための図

【図7】各種パラメータの設定画面を示す図

【発明を実施するための形態】

【0010】

以下、図面を参照して、本発明の実施形態を詳細に説明する。

【0011】

図１は、本発明の実施形態におけるシステム構成の一例を示す図である。

【0012】

本発明の情報処理システムは、情報処理装置１０１と外部装置１０２とがネットワーク１１０を介して通信可能に接続されたシステムである。

【0013】

情報処理装置１０１は、ユーザにより操作される装置であり、各種パラメータの設定の受け付けや、学習処理（図３のフローチャートの処理）、推論処理（図４のフローチャートの処理）の実行指示を受け付け、当該処理を実行する。

【0014】

外部装置１０２は、学習用データの管理等を行う。

【0015】

なお、本実施例においては、情報処理装置１０１が図３、図４のフローチャートの処理を実行するものとして説明するが、外部装置１０２が実行する形態であってもよい。また、学習用データの管理など、外部装置１０２で行うものとして説明した処理について、情報処理装置１０１で行ってもよい。

【0016】

図２は、本発明の情報処理装置１０１、外部装置１０２のハードウェア構成の一例を示すブロック図である。

【0017】

図２に示すように、情報処理装置１０１、外部装置１０２は、システムバス２００を介してＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２０２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０３、記憶装置２０４、入力コントローラ２０５、音声コントローラ２０６、ビデオコントローラ２０７、メモリコントローラ２０８、よび通信Ｉ／Ｆコントローラ２０９が接続される。

【0018】

ＣＰＵ２０１は、システムバス２００に接続される各デバイスやコントローラを統括的に制御する。

【0019】

ＲＯＭ２０２あるいは外部メモリ２１３は、ＣＰＵ２０１が実行する制御プログラムであるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）やＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や、本情報処理方法を実現するためのコンピュータ読み取り実行可能なプログラムおよび必要な各種データ（データテーブルを含む）を保持している。

【0020】

ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０２あるいは外部メモリ２１３からＲＡＭ２０３にロードし、ロードしたプログラムを実行することで各種動作を実現する。

【0021】

入力コントローラ２０５は、キーボード２１０や不図示のマウス等のポインティングデバイス等の入力装置からの入力を制御する。入力装置がタッチパネルの場合、ユーザがタッチパネルに表示されたアイコンやカーソルやボタンに合わせて押下（指等でタッチ）することにより、各種の指示を行うことができることとする。

【0022】

また、タッチパネルは、マルチタッチスクリーンなどの、複数の指でタッチされた位置を検出することが可能なタッチパネルであってもよい。

【0023】

ビデオコントローラ２０７は、ディスプレイ２１２などの外部出力装置への表示を制御する。ディスプレイは本体と一体になったノート型パソコンのディスプレイも含まれるものとする。なお、外部出力装置はディスプレイに限ったものははく、例えばプロジェクタであってもよい。また、前述のタッチ操作を受け付け可能な装置については、入力装置も提供する。

【0024】

なおビデオコントローラ２０７は、表示制御を行うためのビデオメモリ（ＶＲＡＭ）を制御することが可能で、ビデオメモリ領域としてＲＡＭ２０３の一部を利用することもできるし、別途専用のビデオメモリを設けることも可能である。

【0025】

メモリコントローラ２０８は、外部メモリ２１３へのアクセスを制御する。外部メモリとしては、ブートプログラム、各種アプリケーション、フォントデータ、ユーザファイル、編集ファイル、および各種データ等を記憶する外部記憶装置（ハードディスク）、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等を利用可能である。

【0026】

通信Ｉ／Ｆコントローラ２０９は、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いた通信やＩＳＤＮなどの電話回線、および携帯電話の４Ｇ回線、５Ｇ回線等を用いた通信が可能である。

【0027】

尚、ＣＰＵ２０１は、例えばＲＡＭ２０３内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ２１２上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ２１２上の不図示のマウスカーソル等でのユーザ指示を可能とする。

【0028】

次に、図３のフローチャート、図５のイメージ図を用いて、学習時の処理について説明する。

【0029】

まず、図５のイメージ図を用いて、学習時の処理の全体像を説明する。

【0030】

図５の「全レコード」に示すデータが、学習用データのもととなるデータである。「全レコード」のリストに示す通り、説明変数１～Ｎまでのデータと、グループを示すデータ（グループカラム）とを説明変数として、目的変数が算出されるものとする。すなわち、「説明変数１～Ｎまでのデータとグループを示すデータ」に対して「目的変数」の値を正解データとして対応付けて学習処理が実行される。

【0031】

ここで、グループカラムは、「Ａ」または「Ｂ」といった予め定められたユニーク値から選択されるデータ（カテゴリ変数）であるとする。一方で、説明変数１～Ｎについては、何ら制約のないデータ（値）（数値変数）でも、カテゴリ変数でもよい。

【0032】

このようなデータにおいて、グループカラムの値が「Ａ」のデータと、「Ｂ」のデータとに分割し、グループカラムの値が「Ａ」のデータを使って学習した学習済みモデルＡと、グループカラムの値が「Ｂ」のデータを使って学習した学習済みモデルＢをそれぞれ生成する。

【0033】

また、グループを分割する際、レコードの数が予め設定された最小レコード数に満たないユニーク値については、当該ユニーク値ごとの学習済みモデルの生成は行わない。具体的には、最小レコード数が１０である場合、グループカラムの値が「Ａ」のレコード数が２０、「Ｂ」のレコード数が１５、「Ｃ」のレコード数が８、「Ｄ」のレコード数が５であった場合、１０を満たすレコード数があるユニーク値「Ａ」と「Ｂ」について、それぞれ学習済みモデルＡ，Ｂを生成する。

【0034】

次に図３のフローチャートを用いて、学習時の処理について説明する。

【0035】

ステップＳ３０１では、学習最少レコード数の入力を受け付ける。グループカラムの値のうち、この学習最少レコード数を満たすレコード数があるユニーク値について、ユニーク値ごとの学習済みモデル生成が行われる。

【0036】

ステップＳ３０２では、グループカラムとなるカラムの名称の設定を受け付ける。

【0037】

ステップＳ３０３では、学習データを読み込む。具体的には、図５の「全レコード」で示すデータであり、説明変数とグループカラムと目的変数とから構成される。

【0038】

ステップＳ３０４では、グループカラムに設定可能なユニーク値のリストを取得する。例えば図５の例では「Ａ」と「Ｂ」がユニーク値である。

【0039】

ステップＳ３０５では、ステップＳ３０４で取得したユニーク値リストの１番目のユニーク値を取得する。

【0040】

ステップＳ３０６では、ステップＳ３０３で取得した学習データのうち、グループカラムの値が処理対象のユニーク値（１回目の処理については、ステップＳ３０５で取得されたリストの１番目のユニーク値。２回目以降はステップＳ３１１で取得されたユニーク値）であるレコード群を取得する。

【0041】

ステップＳ３０７では、ステップＳ３０６で取得したレコード群のレコード数が、ステップＳ３０１で受け付けた最少レコード数を満たすかを判定する。

【0042】

最少レコード数を満たす場合（ステップＳ３０７：ＹＥＳ）は、処理をステップＳ３０８に移行する。

【0043】

満たさない場合（ステップＳ３０７：ＮＯ）は、処理をステップＳ３１０に移行する。

【0044】

ステップＳ３０８では、ステップＳ３０６で取得したレコード群を学習データとして、モデルの学習を行い、学習済みモデルを生成する。

【0045】

ステップＳ３０９では、ステップＳ３０８で生成された学習済みモデルを、処理対象のユニーク値に対応する学習済みモデルとして保存する。

【0046】

ステップＳ３１０では、ステップＳ３０４で取得したリストに含まれるユニーク値すべてに対して、ステップＳ３０６～Ｓ３０９の処理を実行したかを判定する。

【0047】

すべてのユニーク値に対して処理を実行した場合は、処理をステップＳ３１１に移行する。

【0048】

処理を実行していないユニーク値が残っている場合は、処理をステップＳ３１２に移行する。

【0049】

ステップＳ３１１では、ステップＳ３０３で取得した学習データの全レコードを用いて、学習済みモデルを生成する。そして、生成した学習済みモデルを、他のユニーク値ごとの学習済みモデルと同様に保存する。

【0050】

なお、本実施例においては、いかなる場合も全レコードを用いた学習済みモデルを生成する処理を実行するものとして説明したが、最少レコード数を満たさないユニーク値が存在するか判定し、存在すると判定された場合にのみ全レコードを用いた学習済みモデルを生成する処理を実行してもよい。

【0051】

ステップＳ３１２では、ステップＳ３０４で取得したリストにある次のユニーク値を取得する。そして、当該ユニーク値に対してステップＳ３０６以降の処理を実行する。

【0052】

以上の処理により、グループカラムの値毎の学習済みモデルを生成することができる。

【0053】

次に、図４のフローチャート、図６のイメージ図を用いて、推論時の処理について説明する。

【0054】

まず、図６のイメージ図を用いて、推論時の処理の全体像を説明する。

【0055】

図６の新規レコード１、２で示すデータが推論対象のデータである。新規レコードは、説明変数とグループカラムから構成されるデータである。推論処理は、このデータを学習済みモデルに入れることで、目的変数を算出する処理である。

【0056】

例えば、新規レコード１については、グループカラムが「Ｂ」であるため、グループカラムが「Ｂ」のレコード群を用いた学習により生成された学習済みモデルＢによって推論処理が行われる。推論処理により求められた「１４」という値が、算出（予測）された目的変数である。

【0057】

このように、グループカラムの値に応じて適切な（当該値のレコード群を用いて学習した）学習済みモデルを用いて推論を行うことで、グループカラムの値を適切に考慮した推論結果を得ることが可能となる。

【0058】

次に、図４のフローチャートを用いて、推論処理の内容を説明する。

【0059】

ステップＳ４０１では、予測対象のレコード（図６における新規レコード）を取得する。

【0060】

ステップＳ４０２では、ステップＳ４０１で取得した予測対象レコードのグループカラムの値を取得する。（図６における新規レコード１では「Ｂ」）。

【0061】

ステップＳ４０３では、ステップＳ４０２で取得したグループカラムの値に対応する学習済みモデルが存在するか（ステップＳ３０８で生成されＳ３０９で保存された学習済みモデルの中に存在するか）を判定する。

【0062】

存在する場合（ステップＳ４０３：ＹＥＳ）は、処理をステップＳ４０４に移行する。

【0063】

存在しない場合（ステップＳ４０３：ＮＯ）は、処理をステップＳ４０６に移行する。

【0064】

ステップＳ４０４では、ステップＳ４０２で取得したグループカラムの値に対応する学習済みモデルを読み込む。

【0065】

ステップＳ４０５では、ステップＳ４０４で読み込んだ学習済みモデルを用いて、ステップＳ４０１で取得したレコードに対する推論処理を実行する。

【0066】

ステップＳ４０６では、ステップＳ４０２で取得したグループカラムの値に対応する学習済みモデルが存在しない旨を通知する。

【0067】

ステップＳ４０７では、ステップＳ３１１で生成した、全レコードを用いて学習した学習済みモデルを読み込む。

【0068】

ステップＳ４０８では、ステップＳ４０７で読み込んだ学習済みモデルを用いて、ステップＳ４０１で取得したレコードに対する推論処理を実行する。

【0069】

以上の処理により、グループカラムの値に応じて適切な（当該値のレコード群を用いて学習した）学習済みモデルを用いて推論を行うことが可能となり、その結果、グループカラムの値を適切に考慮した推論結果を得ることが可能となる。

【0070】

また、レコード数が最少レコード数を満たさないグループカラムの値については、当該値のレコードだけで学習済みモデルを生成しても、学習データの数が少ないことから適切な推論が可能なモデルが生成できない。そのため、全レコードを用いて学習済みモデルを生成し、レコード数が最少レコード数を満たさないグループカラムの値の新規データについては、当該学習済みモデルにより推論を行うことで、推論処理が実行できないという事態を回避することが可能となる。

【0071】

図７は、学習最少レコード数やグループカラムの名称などの入力を受け付ける設定画面の一例である。７０１に示す入力欄が学習最少レコード数の入力を受け付ける入力欄である。７０２の入力欄はグループカラムとなるカラムの名称の設定を受け付ける入力欄である。

【0072】

以上、情報処理装置１０１において処理を実行する実施形態について示したが、本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

【0073】

また、本発明におけるプログラムは、図３、４に示すフローチャートの処理方法をコンピュータが実行可能なプログラムであり、本発明の記憶媒体は図３、４の処理方法をコンピュータが実行可能なプログラムが記憶されている。

【0074】

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。

【0075】

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。

【0076】

プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＤＶＤ－ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＥＰＲＯＭ、シリコンディスク等を用いることが出来る。

【0077】

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

【0078】

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

【0079】

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適応できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。

【0080】

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。

【符号の説明】

【0081】

１０１ 情報処理装置
１０２ 外部装置
１１０ ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】