特開 2023-167646 抽出プログラム、抽出方法および情報処理装置

(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】P2023167646

(43)【公開日】2023-11-24

(54)【発明の名称】抽出プログラム、抽出方法および情報処理装置

(51)【国際特許分類】

   G06Q 30/0203 20230101AFI20231116BHJP

【ＦＩ】

G06Q30/02 312

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022078977

(22)【出願日】2022-05-12

(71)【出願人】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】山田 芙夕楓

(72)【発明者】

【氏名】笠置 明彦

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB02

(57)【要約】

【課題】所望の組合せの抽出にかかる処理時間を短縮することを課題とする。
【解決手段】情報処理装置は、それぞれが複数の項目を有する複数のデータから、要求される項目の数を組み合わせた複数の組合せそれぞれについて、組合せ内の項目ごとに計数された該当する項目を有するデータの数のうち最小値が閾値以上である第１の組合せ、または、組合せ内の項目ごとに計数された該当しない項目を有するデータの合計数をデータの総数から減算した減算値が閾値以上である第２の組合せ、を抽出する。情報処理装置は、抽出された第１の組合せまたは第２の組合せを出力する。
【選択図】図１

【特許請求の範囲】

【請求項1】

コンピュータに、
それぞれが複数の項目を有する複数のデータから、要求される項目の数を組み合わせた複数の組合せそれぞれについて、組合せ内の項目ごとに計数された該当する項目を有するデータの数のうち最小値が閾値以上である第１の組合せ、または、組合せ内の項目ごとに計数された該当しない項目を有するデータの合計数をデータの総数から減算した減算値が前記閾値以上である第２の組合せ、を抽出し、
抽出された前記第１の組合せまたは前記第２の組合せを出力する、
処理を実行させることを特徴とする抽出プログラム。

【請求項2】

前記抽出する処理は、
前記複数の組合せから前記第１の組合せを抽出した場合、抽出された各第１の組合せについて組合せ内の全項目に該当するデータの数を計数し、
抽出された前記各第１の組合せのうち、計数された前記データの数が前記閾値以上である組合せを、出力対象として抽出する、
ことを特徴とする請求項１に記載の抽出プログラム。

【請求項3】

前記抽出する処理は、
前記データを複数のグループに分類し、
前記複数のグループそれぞれについて、前記複数の組合せ内の商品ごとに該当するデータの数を計数し、
各グループにおける前記最小値を合計した第１の合計値が前記閾値以上の組合せ、または、各グループにおける前記減算値を合計した第２の合計値が前記閾値以上の組合せ、を抽出する、
ことを特徴とする請求項１に記載の抽出プログラム。

【請求項4】

前記抽出する処理は、
前記第１の合計値および前記第２の合計値を算出し、
前記第２の合計値が前記閾値以上である組合せを抽出し、
前記第２の合計値が前記閾値以上かつ前記第１の合計値が前記閾値以上である組合せのうち、当該組合せ内の全項目に該当するデータの数が前記閾値以上である組合せを抽出する、ことを特徴とする請求項３に記載の抽出プログラム。

【請求項5】

前記複数の項目は、商品に関する情報であり、
前記複数のデータは、各ユーザの前記商品の購入履歴を示すデータであり、
前記抽出する処理は、
複数の商品の組合せそれぞれについて、組合せ内の商品ごとに計数された該当する項目を有するユーザの数のうち最小値が前記閾値以上である第１の組合せ、または、組合せ内の商品ごとに計数された該当しない項目を有するユーザの合計数をユーザの総数から減算した減算値が前記閾値以上である第２の組合せ、を抽出し、
前記出力する処理は、
抽出された商品の各組合せを出力する、
ことを特徴とする請求項１に記載の抽出プログラム。

【請求項6】

前記複数の項目と前記複数のデータとから構成され、該当するか否かを示す２値の要素から構成される行列データに対して、前記行列データの各要素が集約するように、行と列を並び替えた並び替え後の行列データを生成する処理を前記コンピュータに実行させ、
前記抽出する処理は、前記並び替え後の行列データから、前記第１の組合せ、または、前記第２の組合せを抽出し、
前記出力する処理は、抽出された前記第１の組合せまたは前記第２の組合せを出力する、
ことを特徴とする請求項１に記載の抽出プログラム。

【請求項7】

コンピュータが、
それぞれが複数の項目を有する複数のデータから、要求される項目の数を組み合わせた複数の組合せそれぞれについて、組合せ内の項目ごとに計数された該当する項目を有するデータの数のうち最小値が閾値以上である第１の組合せ、または、組合せ内の項目ごとに計数された該当しない項目を有するデータの合計数をデータの総数から減算した減算値が前記閾値以上である第２の組合せ、を抽出し、
抽出された各組合せを出力する、
処理を実行することを特徴とする抽出方法。

【請求項8】

それぞれが複数の項目を有する複数のデータから、要求される項目の数を組み合わせた複数の組合せそれぞれについて、組合せ内の項目ごとに計数された該当する項目を有するデータの数のうち最小値が閾値以上である第１の組合せ、または、組合せ内の項目ごとに計数された該当しない項目を有するデータの合計数をデータの総数から減算した減算値が前記閾値以上である第２の組合せ、を抽出し、
抽出された前記第１の組合せまたは前記第２の組合せを出力する、
制御部を有することを特徴とする情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、抽出プログラム、抽出方法および情報処理装置に関する。

【背景技術】

【0002】

マーケティング分野では購買予測や広告、政治では選挙投票率の予測、医療では病気の原因発見を行うために、条件を満たすサンプルがＮ個以上ある条件も組合せを求めることが要求されることがある。例えば、マーケティング分野では、商品の組合せで、組合せ内のすべての商品を購入した人数が１００人以上いる組合せを求めること、商品１と商品３を両方購入した人数が１００人以上であるか否かを調査することなどがある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００４－０２９９０２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、商品数（ｄ＿ｘ）かつ顧客数（ｎ）のデータ（ｄ＿ｘ×ｎの行列）から、条件に一致する組合せを抽出するには、計算量が非常に多く、処理時間が長い。例えば、１００個のデータから３つの組合せを抽出する数は、１６１７００通りであり、１００個のデータから５つの組合せを抽出する数は、７５２８７５２０通りであり、これらの中から一致する条件を抽出するには、非常に多くの計算量が要求される。

【0005】

一つの側面では、所望の組合せの抽出にかかる処理時間を短縮することができる抽出プログラム、抽出方法および情報処理装置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】

【0006】

第１の案では、抽出プログラムはコンピュータに、それぞれが複数の項目を有する複数のデータから、要求される項目の数を組み合わせた複数の組合せそれぞれについて、組合せ内の項目ごとに計数された該当する項目を有するデータの数のうち最小値が閾値以上である第１の組合せ、または、組合せ内の項目ごとに計数された該当しない項目を有するデータの合計数をデータの総数から減算した減算値が前記閾値以上である第２の組合せ、を抽出し、抽出された前記第１の組合せまたは前記第２の組合せを出力する、処理を実行させることを特徴とする。

【発明の効果】

【0007】

一実施形態によれば、所望の組合せの抽出にかかる処理時間を短縮することができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施例１にかかる情報処理装置を説明する図である。

【図2】図２は、実施例１にかかる情報処理装置の機能構成を示す機能ブロック図である。

【図3】図３は、商品購入履歴データを示す図である。

【図4】図４は、抽出対象の判定手法を説明する図である。

【図5】図５は、実施例１にかかる抽出処理を説明する図である。

【図6】図６は、実施例１にかかる上限値による抽出可否の判定を説明する図である。

【図7】図７は、実施例１にかかる下限値による抽出可否の判定を説明する図である。

【図8】図８は、実施例１にかかる抽出処理の流れを示すフローチャートである。

【図9】図９は、実施例２にかかる抽出処理を説明する図である。

【図10】図１０は、実施例２にかかる上限値による抽出可否の判定を説明する図である。

【図11】図１１は、実施例２にかかる下限値による抽出可否の判定を説明する図である。

【図12】図１２は、実施例２にかかる抽出処理の流れを示すフローチャートである。

【図13】図１３は、実施例２の具体例を説明する図である。

【図14】図１４は、実施例２の具体例を説明する図である。

【図15】図１５は、商品購入履歴データのソートを説明する図である。

【図16】図１６は、商品購入履歴データのソートの有効性を説明する図である。

【図17】図１７は、ハードウェア構成例を説明する図である。

【発明を実施するための形態】

【0009】

以下に、本願の開示する抽出プログラム、抽出方法および情報処理装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。

【実施例0010】

（情報処理装置の説明）
図１は、実施例１にかかる情報処理装置１０を説明する図である。図１に示すように、情報処理装置１０は、複数のサンプルデータごとに、各商品の購入の有無を対応付けたデータから、条件に一致する組合せを抽出するコンピュータの一例である。図１の例では、情報処理装置１０は、商品数（ｄ＿ｘ）かつ顧客数（ｎ）のデータ（（ｄ＿ｘ）×ｎの行列データＸ）から、所望の条件と一致する組合せの抽出を実行する。

【0011】

例えば、マーケティング分野などでは、条件を満たすサンプルが下限閾値「ｓ＿ｍｉｎ」個以上ある条件の組合せとして、複数の商品を購入した人数が１００人以上である商品の組合せを求めたい場合がある。また、例えば３つの商品を購入した人数を求めたい場合もある。これらの場合、各列の値の論理和（ＡＮＤ演算)を行ごとに計算して、複数の商品の組合せの抽出が実行される。図１の例では、行ごとに、ビット値のＡＮＤ演算を実行し、計算値が「１」となった行が抽出される。しかし、この手法は、計算量が多い。特に、商品の購入履歴など膨大なデータを対象とする場合には膨大な計算量が要求される結果、所望の組合せの抽出にかかる処理時間が長時間化する。

【0012】

そこで、実施例１にかかる情報処理装置１０は、それぞれが複数の項目を有する複数のサンプルデータから、要求される商品の数を組み合わせた複数の組合せそれぞれについて、組合せ内の商品ごとに計数された該当する商品を有するサンプルデータの数のうち最小値（ｅ_ｍａｘ）が閾値（ｓ_ｍｉｎ）以上である第１の組合せを抽出する。または、情報処理装置１０は、組合せ内の商品ごとに計数された該当しない商品を有するサンプルデータの合計数をサンプルデータの総数から減算した減算値（ｅ_ｍｉｎ）が閾値（ｓ_ｍｉｎ）以上である第２の組合せを抽出する。そして、情報処理装置１０は、抽出された各組合せを出力する。

【0013】

具体的には、情報処理装置１０は、任意のｋ個の商品の組合せを選択し、それらすべてを購入した人数が閾値「ｓ＿ｍｉｎ」以上である商品の組合せを抽出する。つまり、情報処理装置１０は、ｄ＿ｘ個の商品からｋ個を選ぶ商品組合せのリストをＬとした場合、Ｌの商品組合せに対して、商品すべてを購入した人数が「ｓ＿ｍｉｎ」人以上かどうか確認したいとき、１人ずつ購入したかのチェックを行う前に、全体の簡易チェックを行う。この結果、情報処理装置１０は、ＡＮＤの計算回数を削減することができるので、所望の組合せの抽出にかかる処理時間を短縮することができる。

【0014】

（情報処理装置の機能構成）
図２は、実施例１にかかる情報処理装置１０の機能構成を示す機能ブロック図である。図２に示すように、情報処理装置１０は、通信部１１、記憶部１２、制御部２０を有する。

【0015】

通信部１１は、他の装置との間の通信を制御する処理部であり、例えば通信インタフェースなどにより実現される。例えば、通信部１１は、管理者の端末から各種情報を受信し、外部装置などからデータを受信し、管理者の端末に制御部２０による抽出結果を送信する。

【0016】

記憶部１２は、各種データや制御部２０が実行するプログラムなどを記憶する処理部の一例であり、例えばメモリやハードディスクなどにより実現される。この記憶部１２は、商品購入履歴データ１３と結果リスト１４とを記憶する。

【0017】

商品購入履歴データ１３は、ユーザごとの商品購入履歴を記憶するデータベースである。図３は、商品購入履歴データ１３を示す図である。図３に示すように、商品購入履歴データ１３は、サンプルＩＤごとに、商品１から商品ｘ（ｘは任意の自然数）の購入履歴を記憶する。すなわち、商品購入履歴データ１３は、商品数（ｄ＿ｘ）かつ顧客数（ｎ）である「ｄ＿ｘ×ｎの行列データＸ」である。

【0018】

なお、サンプルＩＤは、ユーザを識別する情報である。各商品は、商品を識別する情報であり、購入している場合は「１」、未購入の場合は「０」が設定される。図３の例では、サンプルＩＤ＝０のユーザが、商品１と商品４を購入したことが示されている。

【0019】

結果リスト１４は、制御部２０により抽出された商品の組合せのリストである。例えば、結果リスト１４に登録される各商品の組合せは、１人ずつ購入したかのチェックを行う前の簡易チェックで抽出された組合せである。結果リスト１４に記憶される各商品の組合せについて、所望の組合せに該当するか否かの最終的な確認が実行される。

【0020】

制御部２０は、情報処理装置１０全体を司る処理部であり、例えばプロセッサなどにより実現される。この制御部２０は、第１抽出部２１、第２抽出部２２、出力制御部２３を有する。なお、第１抽出部２１、第２抽出部２２、出力制御部２３は、例えばプロセッサが有する電子回路やプロセッサが実行するプロセスの一例である。

【0021】

一例として、本実施例では、商品購入履歴データ１３から、３つの商品を購入した人数を求める例で説明する。すなわち、後述する閾値は、所望の商品数である「３」とする。図４は、抽出対象の判定手法を説明する図である。図４に示すように、制御部２０は、商品１から商品ｘ（ｘは任意の自然数）から、「商品１、商品２、商品３」、「商品１、商品３、商品４」、「商品２、商品３、商品４」のように重複しない組合せを生成し、各組合せについて結果リスト１４に登録するか否かの判定を実行する。

【0022】

例えば、制御部２０は、ｋ個の商品の組合せＡについて、組合せＡを購入した人数の下限値または上限値を見積もる。図５は、実施例１にかかる抽出処理を説明する図である。図５に示すように、制御部２０は、商品の組合せＡを購入した人数ｓが「ｓ_ｍｉｎ」以上かどうかを調べる際に、まず商品の組合せＡ内の各商品（商品Ａ＿０、商品Ａ＿１・・・商品Ａ＿ｋ）を購入した各人数（ｓ＿０からｓ＿ｋ）を求める。次に、制御部２０は、ユーザ全体で購入人数ｓの下限値「ｅ＿ｍｉｎ」と上限値「ｅ＿ｍａｘ」を計算することで、その値によって、組合せＡが求めている組合せ（ｓ＿ｍｉｎ≦ｓ）かどうかを早期に判定する。

【0023】

第１抽出部２１は、それぞれが複数の商品を有する複数のサンプルＩＤから、要求される商品の数を組み合わせた複数の組合せそれぞれについて組合せ内の商品ごとに計数された該当する商品を有するサンプルＩＤの数のうち最小値「ｅ_ｍａｘ」が閾値「ｓ_ｍｉｎ」以上である第１の組合せ、を抽出する処理部である。

【0024】

ここで、「ｅ_ｍａｘ」は、商品の組合せＡを購入した人数ｓが多くとも「ｅ_ｍａｘ」未満であることを判定するための値であり、組合せＡを購入した人数の上限値である。例えば、組合せＡ内の各商品「商品Ａ＿０、商品Ａ＿１・・・商品Ａ＿ｋ」を購入した各人数「ｓ＿０からｓ＿ｋ」である場合、第１抽出部２１は、最小値「ｍｉｎ（ｓ＿０、ｓ＿１、・・・、ｓ＿」）を、購入人数が一番少ない商品の購入人数を示す「ｅ_ｍａｘ」として算出する。そして、第１抽出部２１は、「ｅ_ｍａｘ」が閾値以上である場合、商品の組合せＡを結果リスト１４に登録する。なお、「ｅ_ｍａｘ＜ｓ_ｍｉｎ」のとき、組合せＡを購入した人数ｓは必ず「ｓ_ｍｉｎ」未満となり、求めたい組合せではないことがわかるので、ユーザごとの詳細な購入調査は行われない。

【0025】

図６は、実施例１にかかる上限値による抽出可否の判定を説明する図である。図６では、「商品１、商品２、商品３」の組合せに対する４人のサンプルデータの購入履歴を例にして説明する。なお、サンプルＩＤ＝１は、「商品１、商品２、商品３」のいずれも購入していないユーザのデータである。サンプルＩＤ＝２は、「商品１、商品２、商品３」のすべてを購入したユーザのデータである。サンプルＩＤ＝３は、「商品１、商品２、商品３」のすべてを購入したユーザのデータである。サンプルＩＤ＝４は、「商品１」のみを購入したユーザのデータである。

【0026】

図６の場合、第１抽出部２１は、商品１の購入者を「３」、商品２の購入者を「２」、商品３の購入者を「２」と算出し、「ｍｉｎ（商品１を購入＝３、商品２を購入＝２、商品３を購入＝２）」により、「ｅ_ｍａｘ」を「２」と算出する。すなわち、第１抽出部２１は、図６に示す商品数３の商品の組合せにおいて、３個の商品のすべてを購入した人数は多くとも２人以下と判定する。そして、第１抽出部２１は、「ｅ_ｍａｘ＝２」が閾値「ｓ_ｍｉｎ＝３」未満であることから、図６の商品の組合せを抽出対象外として、結果リスト１４には登録しない。

【0027】

なお、第１抽出部２１は、「ｅ_ｍａｘ」が閾値「ｓ_ｍｉｎ」以上である場合、判定中である商品の組合せについて、全商品を購入した人数ｓを計数する。そして、第１抽出部２１は、計数した人数ｓが閾値「ｓ_ｍｉｎ」以上である場合、図６の商品の組合せを抽出対象として、結果リスト１４には登録する。一方、第１抽出部２１は、計数した人数ｓが閾値「ｓ_ｍｉｎ」未満である場合、図６の商品の組合せを抽出対象外として、結果リスト１４には登録しない。

【0028】

第２抽出部２２は、それぞれが複数の商品を有する複数のサンプルＩＤから、要求される商品の数を組み合わせた複数の組合せそれぞれについて組合せ内の項目ごとに計数された該当しない項目を有するサンプルデータの合計数をサンプルデータの総数から減算した減算値（ｅ_ｍｉｎ）が閾値（ｓ_ｍａｘ）以上である第２の組合せ、を抽出する処理部である。

【0029】

ここで、「ｅ_ｍｉｎ」は、商品の組合せＡを購入した人数ｓが少なくとも「ｅ_ｍｉｎ」以上であることを判定するための値であり、組合せＡを購入した人数の下限値である。具体的には、第２抽出部２２は、ユーザ（サンプル）数ｎから各商品を購入しなかった人数の合計値「ｓ＿ｆａｌｓｅ」を減算した値を示す「ｅ_ｍｉｎ」が閾値（ｓ_ｍｉｎ）以上か否かを判定する。「ｎ－（ｓ＿ｆａｌｓｅ）」が０より大きい場合、１人以上は組合せＡ内のすべての商品を購入していることとなる。

【0030】

例えば、組合せＡ内の各商品「商品Ａ＿０、商品Ａ＿１・・・商品Ａ＿ｋ」を購入した人数「ｓ＿０からｓ＿ｋ」である場合、第１抽出部２１は、最大値「ｍａｘ（０，ｎ－（（ｎ－ｓ＿０）＋（ｎ－ｓ＿１）＋・・・＋（ｎ－ｓ＿ｄ＿ｋ）））」を、「ｅ_ｍｉｎ」として算出する。そして、第２抽出部２２は、「ｅ_ｍｉｎ」≧閾値「ｓ＿ｍｉｎ」のとき、組合せＡを購入した人数ｓが必ず「ｓ＿ｍｉｎ」以上であり、求めたい組合せであることがわかるので、組合せＡを結果リスト１４に追加する。

【0031】

図７は、実施例１にかかる下限値による抽出可否の判定を説明する図である。図７では、「商品１、商品２、商品３」の組合せに対する４人のサンプルデータの購入履歴を例にして説明する。なお、サンプルＩＤ＝１は、「商品２、商品３」を購入したユーザのデータである。サンプルＩＤ＝２は、「商品１、商品３」を購入したユーザのデータである。サンプルＩＤ＝３は、「商品１、商品３」を購入したユーザのデータである。サンプルＩＤ＝４は、「商品１、商品２、商品３」のすべての商品を購入したユーザのデータである。

【0032】

図７の場合、第２抽出部２２は、商品１について、購入者が３人であることから、全ユーザ数「４」から購入者「３」を減算した値「１」を算出する。第２抽出部２２は、商品２について、全ユーザ数「４」から購入者「２」を減算した値「２」を算出し、商品３について全ユーザ数「４」から購入者「４」を減算した値「０」を算出する。そして、第２抽出部２２は、全ユーザ数「４」から、減算結果「１」、「２」、「０」を加算した合計値「３」を減算した「４－３＝１」を「ｅ_ｍｉｎ」として算出する。すなわち、第２抽出部２２は、３個の商品すべてを購入した人数は少なくとも１人以上であることを抽出する。そして、第２抽出部２２は、「ｅ_ｍｉｎ＝１」が閾値「ｓ_ｍｉｎ＝３」未満であることから、図７の商品の組合せを抽出対象外とし、結果リスト１４に登録しない。

【0033】

なお、第２抽出部２２は、全ユーザ数から減算結果の合計値を減算した値が負の値となる場合は、「０」を「ｅ_ｍｉｎ」として算出する。

【0034】

出力制御部２３は、第１抽出部２１および第２抽出部２２により抽出された各組合せを出力する処理部である。具体的には、出力制御部２３は、組合せが記録された結果リスト１４を、ディスプレイなどに出力し、管理者の端末に送信する。

【0035】

（処理の流れ）
図８は、実施例１にかかる抽出処理の流れを示すフローチャートである。なお、図８では、商品数を「ｄ＿ｘ」、顧客数（ユーザ数）を「ｎ」、任意に設定可能な閾値を「ｓ＿ｍｉｎ」、任意に設定可能な組み合わせる商品の数を「ｋ」として説明するが、あくまで例示であり、これに限定されるものではない。また、矛盾のない範囲で、各処理を入れ替えることもできる。

【0036】

図８に示すように、情報処理装置１０の制御部２０は、ｄ＿ｘ個の商品からｋ個を選んだ商品の組合せのリストＬを生成する（Ｓ１０１）。続いて、制御部２０は、ｄ＿ｘ個の各商品を購入した人数を計算する（Ｓ１０２）。

【0037】

その後、制御部２０は、リストＬのすべての商品組合せに対して、Ｓ１０３からＳ１１０までのループ処理を実行する。

【0038】

具体的には、制御部２０は、商品の組合せに対して、「ｅ＿ｍａｘ」と「ｅ＿ｍｉｎ」を算出する（Ｓ１０４）。ここで、制御部２０は、「ｅ＿ｍｉｎ」が閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ１０５：Ｙｅｓ）、商品の組合せを結果リストに追加し（Ｓ１０６）、次の組合せについて処理を実行する。

【0039】

一方、制御部２０は、「ｅ＿ｍｉｎ」が閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ１０５：Ｎｏ）、「ｅ＿ｍａｘ」が閾値「ｓ＿ｍｉｎ」未満であるか否かを判定する（Ｓ１０７）。ここで、制御部２０は、「ｅ＿ｍａｘ」が閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ１０７：Ｎｏ）、組合せ内の全商品を購入した人数ｓを計算する（Ｓ１０８）。

【0040】

そして、制御部２０は、組合せ内の全商品を購入した人数ｓが閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ１０９：Ｙｅｓ）、商品の組合せを結果リストに追加し（Ｓ１０６）、次の組合せについて処理を実行する（Ｓ１１０）。

【0041】

一方、組合せ内の全商品を購入した人数ｓが閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ１０９：Ｎｏ）、または、Ｓ１０７で「ｅ＿ｍａｘ」が閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ１０７：Ｙｅｓ）、制御部２０は、商品の組合せを結果リストに追加することなく、次の組合せについて処理を実行する（Ｓ１１０）。

【0042】

その後、制御部２０は、抽出された商品の組合せが登録される結果リスト１４を出力する（Ｓ１１１）。

【0043】

（効果）
上述したように、情報処理装置１０は、一人ずつの購入チェックを行う前に、ユーザ全体で人数の下限値と上限値を見積もることで、一人ずつの購入チェックを行う場合に比べて、ＡＮＤ演算を削減することができる。この結果、情報処理装置１０は、所望の組合せの抽出にかかる処理時間を短縮することができる。

【0044】

また、情報処理装置１０は、「ｅ＿ｍａｘ」か「ｅ＿ｍｉｎ」のいずれかの判定のみを実行することで、一般的な手法よりも短時間で、所望の組合せをある程度まで絞り込むことができるので、一般的な手法と比べても十分な処理時間を短縮することができる。特に、処理時間やスペックに余裕がある場合に有効である。

【0045】

また、情報処理装置１０は、Ｓ１０５と、Ｓ１０７からＳ１０９とを入れ替えることができる。すなわち、情報処理装置１０は、「ｅ＿ｍａｘ」の判定の後に、「ｅ＿ｍｉｎ」の判定を行うことができる。この結果、情報処理装置１０は、「ｅ＿ｍｉｎ」の判定対象を削減することができるので、処理時間の短縮かつ高速な組合せ抽出を実現することができる。

【実施例0046】

ところで、実施例１で説明した情報処理装置１０は、実施例１の簡易チェックをグループごろに行うことで、効率的に簡易チェックを行うこともできる。そこで、実施例２では、情報処理装置１０がグループごとに簡易チェックを行う例を説明する。

【0047】

（実施例２の説明）
図９は、実施例２にかかる抽出処理を説明する図である。図９に示すように、情報処理装置１０は、商品の組合せＡを購入した人数ｓが閾値「ｓ＿ｍｉｎ」以上であるか否かを調べる場合に、ｎ人のユーザをＧ個（グループＧ１、グループＧ２・・・）に分割する。情報処理装置１０は、グループごとに、組合せＡ内の各商品（ＩＤ：０からｋ）を購入した人数（ｓ＿０からｓ＿ｋ）を算出する。情報処理装置１０は、グループごとに、上限値（ｅ＿ｍａｘ）と下限値（ｅ＿ｍｉｎ）を算出し、全グループの合計値（ｅ＿ｍａｘ＿ｓ）と（ｅ＿ｍｉｎ＿ｓ）を算出する。情報処理装置１０は、全グループの合計値（ｅ＿ｍａｘ＿ｓ）と（ｅ＿ｍｉｎ＿ｓ）とのそれぞれと閾値（ｓ＿ｍｉｎ）を比較することで、組合せＡが求めている組合せかどうかを早期に判断できる。

【0048】

次に、上限値（ｅ＿ｍａｘ）と下限値（ｅ＿ｍｉｎ）の各算出および各値を用いた抽出処理について説明する。ここでは、商品の組合せを「商品１、商品２、商品３」、全ユーザ数が８人、１グループが４人の２つのグループ（グループＩＤ＝０、１）を例にして説明する。この例では、情報処理装置１０は、３個の商品すべてを購入した人数を調べたいとき、サンプルを任意のグループに分割し、実施例１で説明した人数の下限値と上限値見積もりをグループごとに行う。こうすることで、情報処理装置１０は、ユーザ全体に対する見積もりと比較して、より正確な見積もり値を算出できる。

【0049】

図１０は、実施例２にかかる上限値による抽出可否の判定を説明する図である。図１０では、情報処理装置１０は、３つの商品の購入者ができるだけ重複すると考えた場合の重複人数を計算することで、一番よい状態を見積もる処理を実行する。なお、図１０の処理は、例えば、情報処理装置１０の第１抽出部２１が実行する。

【0050】

図１０の例では、情報処理装置１０は、商品の組合せＡを購入した人数ｓが多くとも「ｅ＿ｍａｘ」未満である値を示す、購入した人数ｓの上限値「ｅ＿ｍａｘ＿ｓ」を算出する。例えば、情報処理装置１０は、「ｓｕｍ（ｍｉｎ（ｓ１＿０，・・・，ｓ１＿ｋ），・・・，ｍｉｎ（ｓｇ＿０，・・・，ｓｇ＿ｋ））」により上限値「ｅ＿ｍａｘ＿ｓ」を算出する。そして、情報処理装置１０は、上限値「ｅ＿ｍａｘ＿ｓ」が閾値「ｓ＿ｍｉｎ」以上である場合に、商品の組合せＡを結果リスト１４に登録する。なお、情報処理装置１０は、上限値「ｅ＿ｍａｘ＿ｓ」が閾値「ｓ＿ｍｉｎ」未満である場合、組合せＡを購入した人数ｓは必ず「ｓ_ｍｉｎ」未満となり、求めたい組合せではないことがわかるので、ユーザごとの詳細な購入調査を行わない。

【0051】

具体的には、図１０に示すように、情報処理装置１０は、グループ１について、商品１を購入した人数「４」、商品２を購入した人数「４」、商品３を購入した人数「４」を計数する。この結果、情報処理装置１０は、グループ１において各商品を購入した人数の最小値である「ｅ＿ｍａｘ」を「４」と算出する。すなわち、情報処理装置１０は、グループ１に対して、商品１、商品２、商品３のすべてを購入したユーザが少なくとも４人はいることを検出する。

【0052】

同様に、情報処理装置１０は、グループ２について、商品１を購入した人数「２」、商品２を購入した人数「１」、商品３を購入した人数「１」を計数する。この結果、情報処理装置１０は、グループ２において各商品を購入した人数の最小値である「ｅ＿ｍａｘ」を「１」と算出する。すなわち、情報処理装置１０は、グループ２に対して、商品１、商品２、商品３のすべてを購入したユーザが少なくとも１人はいることを検出する。

【0053】

そして、情報処理装置１０は、各最小値「ｅ＿ｍａｘ」の合計値を「ｓｕｍ＝ｍｉｎ（ｓ１＿０，・・・，ｓ１＿ｋ）＋ｍｉｎ（ｓ２＿０，・・・，ｓ２＿ｋ）」により、「ｅ＿ｍａｓ＿ｓ」を「５」と算出する。その後、情報処理装置１０は、「（ｅ＿ｍａｘ＿ｓ）＝５」と閾値「ｓ＿ｍｉｎ」との比較により、商品１から商品３の組合せを結果リスト１４に登録するか否かを判定する。

【0054】

図１１は、実施例２にかかる下限値による抽出可否の判定を説明する図である。図１１では、情報処理装置１０は、３つの商品の購入者ができるだけ重複しないと考えた場合の重複人数を計算することで、一番悪い状態を見積もる処理実行する。なお、図１１の処理は、例えば、情報処理装置１０の第２抽出部２２が実行する。

【0055】

図１１の例では、情報処理装置１０は、商品の組合せＡを購入した人数ｓが少なくとも「ｅ＿ｍｉｎ」以上である値を示す、購入した人数ｓの下限値「ｅ＿ｍｉｎ＿ｓ」を算出する。例えば、情報処理装置１０は、「ｓｕｍ（ｍａｘ（０，ｎ－（（ｎ－ｓ１＿０）＋・・・＋（ｎ－ｓ１＿ｋ））），・・・，ｍａｘ（０，ｎ－（（ｎ－ｓｑ＿０）＋・・・＋（ｎ－ｓｑ＿ｋ））））」により下限値「ｅ＿ｍｉｎ＿ｓ」を算出する。そして、情報処理装置１０は、下限値「ｅ＿ｍｉｎ＿ｓ」が閾値「ｓ＿ｍｉｎ」以上である場合に、商品の組合せＡを結果リスト１４に登録する。なお、情報処理装置１０は、下限値「ｅ＿ｍｉｎ＿ｓ」が閾値「ｓ＿ｍｉｎ」未満である場合、組合せＡを購入した人数ｓは必ず「ｓ_ｍｉｎ」未満となり、求めたい組合せではないことがわかるので、ユーザごとの詳細な購入調査を行わない。

【0056】

具体的には、図１１に示すように、グループ１の商品１について、情報処理装置１０は、商品１を購入した人数「４」であることから、ユーザ数「４」から購入者「４」を減算した値「０」を算出する。同様に、商品２について、情報処理装置１０は、商品２を購入した人数「４」であることから、ユーザ数「４」から購入者「４」を減算した値「０」を算出し、商品３について、情報処理装置１０は、商品３を購入した人数「４」であることから、ユーザ数「４」から購入者「４」を減算した値「０」を算出する。この結果、情報処理装置１０は、グループ１について、全ユーザ数「４」から、減算結果「０」、「０」、「０」を加算した合計値「０」を減算した「４－０＝４」を「ｅ_ｍｉｎ」として算出する。すなわち、情報処理装置１０は、グループ１に対して、３つの商品を購入したユーザが４人重複していることを検出する。

【0057】

同様に、グループ２について、情報処理装置１０は、商品１に関し、ユーザ数「４」から購入者「２」を減算した値「２」を算出し、商品２を関し、ユーザ数「４」から購入者「１」を減算した値「３」を算出し、商品３に関し、ユーザ数「４」から購入者「１」を減算した値「３」を算出する。この結果、情報処理装置１０は、グループ２について、全ユーザ数「４」から、減算結果「２」、「３」、「３」を加算した合計値「０」を減算した「４－８＝－４」を算出し、値が負の値であることから「ｅ_ｍｉｎ」を「０」とする。すなわち、情報処理装置１０は、グループ２に対して、３つの商品を購入したユーザが１人も重複していないことを検出する。

【0058】

そして、情報処理装置１０は、各最大値「ｅ＿ｍｉｎ」の合計値「ｅ＿ｍｉｎ＿ｓ」を「４」と算出する。その後、情報処理装置１０は、「（ｅ＿ｍｉｎ＿ｓ）＝４」と閾値「ｓ＿ｍｉｎ」との比較により、商品１から商品３の組合せを結果リスト１４に登録するか否かを判定する。

【0059】

（処理の流れ）
図１２は、実施例２にかかる抽出処理の流れを示すフローチャートである。なお、図１２では、商品数を「ｄ＿ｘ」、顧客数（ユーザ数）を「ｎ」、任意に設定可能な閾値を「ｓ＿ｍｉｎ」、任意に設定可能な組み合わせる商品の数を「ｋ」、顧客を分割するグループ数を「ｇ」として説明するが、あくまで例示であり、これに限定されるものではない。また、矛盾のない範囲で、各処理を入れ替えることもできる。

【0060】

図１２に示すように、情報処理装置１０は、「（ｄ＿ｘ）×ｎ」の行列データｘのソートを実行する（Ｓ２０１）。続いて、情報処理装置１０は、ｄ＿ｘ個の商品からｋ個を選んだ商品組合せのリストＬを生成する（Ｓ２０２）。続いて、情報処理装置１０は、顧客を任意のｇ個のグループに分割し（Ｓ２０３）、グループごとに各商品を購入した人数を計算する（Ｓ２０４）。

【0061】

その後、情報処理装置１０は、リストＬのすべての商品組合せに対して、Ｓ２０５からＳ２１３までのループ処理を実行する。

【0062】

具体的には、情報処理装置１０は、グループごとに、商品の組合せに対して、「ｅ＿ｍａｘ」と「ｅ＿ｍｉｎ」を算出する（Ｓ２０６）。また、情報処理装置１０は、各グループの「ｅ＿ｍｉｎ」を合計した「ｅ＿ｍｉｎ＿ｓ」と、「ｅ＿ｍａｘ」を合計した「ｅ＿ｍａｘ＿ｓ」とを算出する（Ｓ２０７）。

【0063】

ここで、情報処理装置１０は、「ｅ＿ｍｉｎ＿ｓ」が閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ２０８：Ｙｅｓ）、商品の組合せを結果リストに追加し（Ｓ２０９）、次の組合せについて処理を実行する（Ｓ２１３）。

【0064】

一方、情報処理装置１０は、「ｅ＿ｍｉｎ＿ｓ」が閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ２０８：Ｎｏ）、「ｅ＿ｍａｘ＿ｓ」が閾値「ｓ＿ｍｉｎ」未満であるか否かを判定する（Ｓ２１０）。ここで、情報処理装置１０は、「ｅ＿ｍａｘ＿ｓ」が閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ２１０：Ｎｏ）、組合せ内の全商品を購入した人数ｓを計算する（Ｓ２１１）。

【0065】

そして、情報処理装置１０は、組合せ内の全商品を購入した人数ｓが閾値「ｓ＿ｍｉｎ」以上である場合（Ｓ２１２：Ｙｅｓ）、商品の組合せを結果リストに追加し（Ｓ２０９）、次の組合せについて処理を実行する。

【0066】

一方、組合せ内の全商品を購入した人数ｓが閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ２１２：Ｎｏ）、または、Ｓ２１０で「ｅ＿ｍａｘ＿ｓ」が閾値「ｓ＿ｍｉｎ」未満である場合（Ｓ２１０：Ｙｅｓ）、情報処理装置１０は、商品の組合せを結果リストに追加することなく、次の組合せについて処理を実行する（Ｓ２１３）。

【0067】

その後、情報処理装置１０は、抽出された商品の組合せが登録される結果リスト１４を出力する（Ｓ２１４）。

【0068】

（具体例）
次に、図１３から図１６を用いて、実施例２の具体例を説明する。図１３と図１４は、実施例２の具体例を説明する図である。ここでは、すべてのユーザが購入した商品の組合せを抽出する例を説明する。なお、グループに属するユーザ数「４」を閾値「ｓ＿ｍｉｎ」とする。

【0069】

図１３に示すように、ここでは、サンプルＩＤが「０」から「８」の８人のユーザの商品１から商品５の購入履歴を用いて説明する。すなわち、８行５列の商品購入履歴データを例にして説明する。なお、詳細は後述するが、商品購入履歴データは、左の列に「１」（商品購入あり）が整列されるようにソート済みとする。

【0070】

このような状態において、情報処理装置１０は、図１３に示すように、データ数が半分になるように、サンプルＩＤが「６、１、５、４」のグループ１と、サンプルＩＤが「７、２、８、３」のグループ２とに分類する。そして、情報処理装置１は、グループ１について、商品１、商品２、商品３、商品４、商品５のそれぞれを購入した人数を「４、４、２、４、２」と計数する。同様に、情報処理装置１は、グループ１について、商品１、商品２、商品３、商品４、商品５のそれぞれを購入した人数を「２、１、１、２、１」と計数する。

【0071】

続いて、図１４に示すように、情報処理装置１０は、「商品１、商品４、商品３」の組合せ（ａ）について、抽出判定を実行する。具体的には、情報処理装置１０は、グループ１について、各商品の購入人数の最小値「２」を「ｅ＿ｍａｘ」と算出し、全ユーザ数（４）から各商品を購入していないユーザの合計数（２）を減算した値「２」を「ｅ＿ｍｉｎ」と算出する。同様に、情報処理装置１０は、グループ２について、各商品の購入人数の最小値「１」を「ｅ＿ｍａｘ」と算出し、全ユーザ数（４）から各商品を購入していないユーザの合計数（８）を減算した値が「－４」であることから「０」を「ｅ＿ｍｉｎ」と算出する。

【0072】

そして、情報処理装置１０は、グループ１とグループ２の各「ｅ＿ｍａｎ」の合計である「ｅ＿ｍａｘ＿ｓ＝３」、各「ｅ＿ｍｉｎ」の合計である「ｅ＿ｍｉｎ＿ｓ＝２」を算出する。この結果、情報処理装置１０は、「ｅ＿ｍａｘ＿ｓ＝３」も「ｅ＿ｍｉｎ＿ｓ＝２」も閾値「ｓ＿ｍｉｎ＝４」未満であることから、「商品１、商品４、商品３」を抽出対象外と判定する。

【0073】

一方、図１４に示すように、情報処理装置１０は、「商品２、商品１、商品４」の組合せ（ｂ）について、抽出判定を実行する。具体的には、情報処理装置１０は、グループ１について、各商品の購入人数の最小値「４」を「ｅ＿ｍａｘ」と算出し、全ユーザ数（４）から各商品を購入していないユーザの合計数（０）を減算した値「４」を「ｅ＿ｍｉｎ」と算出する。同様に、情報処理装置１０は、グループ２について、各商品の購入人数の最小値「１」を「ｅ＿ｍａｘ」と算出し、全ユーザ数（４）から各商品を購入していないユーザの合計数（８）を減算した値が「－４」であることから「０」を「ｅ＿ｍｉｎ」と算出する。

【0074】

そして、情報処理装置１０は、グループ１とグループ２の各「ｅ＿ｍａｎ」の合計である「ｅ＿ｍａｘ＿ｓ＝５」、各「ｅ＿ｍｉｎ」の合計である「ｅ＿ｍｉｎ＿ｓ＝４」を算出する。この結果、情報処理装置１０は、「ｅ＿ｍａｘ＿ｓ＝５」が閾値「ｓ＿ｍｉｎ＝４」以上であることから、「商品２、商品１、商品４」を抽出対象と判定する。

【0075】

このように、情報処理装置１０は、各商品の組合せについて、「ｅ＿ｍａｎ＿ｓ」および「ｅ＿ｍｉｎ＿ｓ」の算出を実行し、抽出対象を選定する。すなわち、情報処理装置１０は、「ｅ＿ｍｉｎ＿ｓ」が閾値（ｓ＿ｍｉｎ）以上の場合、購入人数は閾値以上なので、結果リスト１４に登録し、「ｅ＿ｍａｘ＿ｓ」が閾値未満の場合、購入人数は閾値未満なので、結果リスト１４には登録しない。なお、情報処理装置１０は、「ｅ＿ｍｉｎ＿ｓ＜閾値≦ｅ＿ｍａｘ＿ｓ」の場合、購入人数は閾値以上か未満か判断不能なので、一人ずつの購入チェックを行う。

【0076】

ここで、実施例２による抽出判定をより効率的に実行するためのソート処理について説明する。行列の並び順によって、下限値の見積もり「ｅ＿ｍｉｎ＿ｓ」と上限値の見積もり「ｅ＿ｍａｘ＿ｓ」の値が異なることから、対象外（枝刈り）と判定される場合とされない場合がある。つまり、行列の並び順は計算効率に影響するので、行列を何らかの手法で予めソートしておくと、計算効率を上げることができる。

【0077】

図１５は、商品購入履歴データのソートを説明する図である。図１５に示すように、情報処理装置１０は、左上に１が集まるように、すなわち行列の小さい番号に１が集約されるように、各商品（列）の１の数を計算し、１が多い順に並び替える。この結果、情報処理装置１０は、行列データＸを列でソートした行列データＸ´を生成する。

【0078】

続いて、情報処理装置１０は、行列データＸ´のうち、１が多い順で並び替える。このとき、情報処理装置１０は、最初（左端）の商品ほど１を集約させるように、サンプルを並び替える。例えば、情報処理装置１０は、商品２を購入したユーザ（サンプル）を上詰めにし、さらに商品１を購入したユーザを上詰めにし、さらに商品４を購入したユーザを上詰めにすることで、１が左上詰めになるように行の並び替えを実行し、行と列でソートした行列データＸ´´を生成する。

【0079】

この結果、情報処理装置１０は、グループ別に見積もりを行うときの処理を効率化することができる。図１６は、商品購入履歴データのソートの有効性を説明する図である。図１６の（ａ）に示すように、ソートされていない場合、閾値「ｓ＿ｍｉｎ＝３」のとき、「ｅ＿ｍａｘ≧ｓ＿ｍｉｎ」となるので、対象外との判定が実行されず、ユーザ一人ずつのチェックへ進むことになる。

【0080】

一方、図１６の（ｂ）に示すように、１が集約されるようにソートしておくことで、なるべく同じグループに同じ値が集まるようにソートされる。このため、閾値「ｓ＿ｍｉｎ＝３」のとき、「ｅ＿ｍａｘ＜ｓ＿ｍｉｎ」となるので、対象外との判定が実行される。この結果、情報処理装置１０は、ユーザ一人ずつのチェックへ進むことを抑制でき、計算量を削減することができる。

【0081】

なお、実施例２では、左上に１を集約する例で説明したが、これに限定されるものではない。例えば、情報処理装置１０は、右下（行列の後半）に１が集まるように集約してもよい。つまり、情報処理装置１０は、なるべく同じグループに同じ要素値が集まるようにソートすればよい。

【0082】

（効果）
上述したように、情報処理装置１０は、計算量を削減することができる。例えば、顧客数ｎ＝１０００、商品数ｄ＿ｘ＝１００、組み合わせる商品の数ｋ＝３の場合、削減できるＡＮＤ演算の回数は、１つの組合せの対象外判定につき、「ｎ×（ｋ－1）＝２０００回」となる。なお、削減回数の計算式は、「（組合せ数：_ｄ＿ｘＣ_ｋ）×（１組で必要なＡＮＤ演算の回数：（ｋ－１））×（枝刈り率）×（顧客数：ｎ）」である。

【0083】

例えば、抽出対象外である確率を示す枝刈り率が「２％」の場合、２％のＡＮＤ演算を削減することができるので、「削減回数＝（_１００Ｃ_３×（３－１）×０．０２×１０００）＝６４６回」を削減することができる。また、枝刈り率が「１０％」の場合、１０％のＡＮＤ演算を削減することができるので、「削減回数＝（_１００Ｃ_３×（３－１）×０．１×１０００）＝３２３４回」を削減することができる。