ホーム > 特許ランキング > 株式会社エリアビジョン
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024163543
(43)【公開日】2024-11-22
(54)【発明の名称】数量化親和図法実行装置およびプログラム
(51)【国際特許分類】
G06F 17/10 20060101AFI20241115BHJP
【ＦＩ】
G06F17/10 Z
【審査請求】有
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023079260
(22)【出願日】2023-05-12
(11)【特許番号】
(45)【特許公報発行日】2023-11-15
(71)【出願人】
【識別番号】322002104
【氏名又は名称】株式会社エリアビジョン
(74)【代理人】
【識別番号】110001830
【氏名又は名称】弁理士法人東京ＵＩＴ国際特許
(72)【発明者】
【氏名】新藤 久和
【テーマコード（参考）】
5B056
【Ｆターム（参考）】
5B056BB42
(57)【要約】
【課題】親和図法の結果が実施者によって異ならないようにする。
【解決手段】数量化親和図法実行装置は，ｎ個の言語データｉ，ｊを用いて，互いに異なる２つずつの言語データｉ，ｊのすべての組み合わせについて数値によって入力される親和度ｋを用いて，親和度ｋをｎ行ｎ列のｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを処理対象とする。上記ｎ次正方対称行列から固有値を求め（ステップＳ４１），固有値のそれぞれを用いてスコアベクトル算出式に基づいて，ｎ個の言語データのそれぞれのスコアベクトルｘが算出される（ステップＳ４３）。
【選択図】図９
【解決手段】数量化親和図法実行装置は，ｎ個の言語データｉ，ｊを用いて，互いに異なる２つずつの言語データｉ，ｊのすべての組み合わせについて数値によって入力される親和度ｋを用いて，親和度ｋをｎ行ｎ列のｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを処理対象とする。上記ｎ次正方対称行列から固有値を求め（ステップＳ４１），固有値のそれぞれを用いてスコアベクトル算出式に基づいて，ｎ個の言語データのそれぞれのスコアベクトルｘが算出される（ステップＳ４３）。
【選択図】図９
【特許請求の範囲】
【請求項1】
ｎ（ｎは３以上の整数）個の言語データの入力を受け付ける言語データ入力手段，
受付けられたｎ個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示する表示手段，
表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を受け付ける親和度入力手段，
ｎ行ｎ列のｎ次正方対称行列であって，上記親和度入力手段によって入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する行列作成手段，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている，
数量化親和図法実行装置。
受付けられたｎ個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示する表示手段，
表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を受け付ける親和度入力手段，
ｎ行ｎ列のｎ次正方対称行列であって，上記親和度入力手段によって入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する行列作成手段，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている，
数量化親和図法実行装置。
【請求項2】
上記スコアベクトル算出手段は，
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除く複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除く複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
【請求項3】
上記スコアベクトル算出手段は，
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除き，かつ複数の固有値λ２のうち値の大きなものから順にｍ個（ｍ≦ｎ－１）の固有値λ２のそれぞれを用いて，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除き，かつ複数の固有値λ２のうち値の大きなものから順にｍ個（ｍ≦ｎ－１）の固有値λ２のそれぞれを用いて，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
【請求項4】
２つまたは３つの固有値λ２のそれぞれを用いて言語データのそれぞれについて算出されるスコアベクトルｘを，互いに直交する２軸を備える２次元グラフまたは互いに直交する３軸を備える３次元グラフ上にプロットすることによって表すグラフ表示データ作成手段をさらに備えている，
請求項３に記載の数量化親和図法実行装置。
請求項３に記載の数量化親和図法実行装置。
【請求項5】
上記プロットを含む３次元グラフを表示画面に回転表示させる回転表示手段を備えている，
請求項４に記載の数量化親和図法実行装置。
請求項４に記載の数量化親和図法実行装置。
【請求項6】
上記グラフ表示データ作成手段は，
上記プロットにそれぞれに対応させて上記言語データを表示するものである，
請求項４に記載の数量化親和図法実行装置。
上記プロットにそれぞれに対応させて上記言語データを表示するものである，
請求項４に記載の数量化親和図法実行装置。
【請求項7】
受け付けられたｎ（ｎは３以上の整数）個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示画面に表示し，表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を入力装置から受け付ける処理をコンピュータに実行させる親和度入力プログラム，
ｎ行ｎ列のｎ次正方対称行列であって，受け付けられた言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する処理をコンピュータに実行させる行列作成プログラム，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出する処理をコンピュータに実行させるスコアベクトル算出プログラムを含む，
数量化親和図法実行プログラム。
ｎ行ｎ列のｎ次正方対称行列であって，受け付けられた言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する処理をコンピュータに実行させる行列作成プログラム，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出する処理をコンピュータに実行させるスコアベクトル算出プログラムを含む，
数量化親和図法実行プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
この発明は数量化親和図法実行装置および数量化親和図法実行プログラムに関する。
【背景技術】
【0002】
親和図法は，未知・未経験の分野，あるいは未来・将来の問題など，モヤモヤとしてハッキリしていない，つまり混沌とした状態の中から，事実あるいは推定，予測，発想，意見などを言語データとしてとらえ，それらの言語データを相互の親和性によってまとめあげ，構造を明らかにする方法である（非特許文献参照）。親和図法は漠然とした課題をテーマとして設定し，設定されたテーマに関して作成される統合図から課題を明確化することを狙いとする手法であり，未知の課題や未経験の課題など，不明確な課題に対する解決策を導き出すために用いられる。クォリティマネジメント用語辞典（吉澤正編集委員長，２００４年，日本規格協会）では，親和図法を「未来・将来の問題，未知・未経験の問題など，モヤモヤしてはっきりしていない問題について，事実，意見，発想を言語データでとらえ，それらの相互の親和性によって統合した図を作成することにより，解決すべき問題の所在，形態を明らかにしていく方法」とも定義する。
【0003】
親和図法は一般には次のように進められる。
（１）テーマの設定
（２）テーマに関連する事実，意見，発想等の言語データ（テキストデータ）の収集
（３）言語データを記載したカードの作成
（４）親和性のある（関連している）言語データが記載されたカード同士のグループ化（一次グループの作成）（カード寄せ）
（５）親和性のある一次グループ同士のグループ化（二次グループの作成）
（６）一次グループおよび二次グループの配置（関係があるものを近い位置に配置するなど）
（７）グループ同士の関係性（因果関係，相関，相反）の明示（一般には実線，片側矢印線，両側矢印線が用いられる）
（１）テーマの設定
（２）テーマに関連する事実，意見，発想等の言語データ（テキストデータ）の収集
（３）言語データを記載したカードの作成
（４）親和性のある（関連している）言語データが記載されたカード同士のグループ化（一次グループの作成）（カード寄せ）
（５）親和性のある一次グループ同士のグループ化（二次グループの作成）
（６）一次グループおよび二次グループの配置（関係があるものを近い位置に配置するなど）
（７）グループ同士の関係性（因果関係，相関，相反）の明示（一般には実線，片側矢印線，両側矢印線が用いられる）
【0004】
しかしながら，言語データに複合的な内容のもの（二つ以上の意味を持つようなもの）が含まれているような場合に特に，たとえばグループ化が親和図法の実施者によって異なることがあり，そうすると当然に異なる結果（異なる解決すべき問題の所在，形態）が導き出されることになる。
【先行技術文献】
【特許文献】
【0005】
【非特許文献1】納谷嘉信編，「おはなし新ＱＣ七つ道具」，第１版，財団法人日本規格協会，１９８７年４月２０日，pp.２９－４７
【発明の概要】
【発明が解決しようとする課題】
【0006】
この発明は，親和図法の結果が実施者によって異ならないようにすることを目的とする。
【0007】
この発明はまた，潜在的な事象（事柄）の検討も含めて問題の考察を支援することを目的とする。
【課題を解決するための手段】
【0008】
この発明による数量化親和図法実行装置は，ｎ（ｎは３以上の整数）個の言語データの入力を受け付ける言語データ入力手段，受け付けられたｎ個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示する表示手段，表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を受け付ける親和度入力手段，ｎ行ｎ列のｎ次正方対称行列であって，上記親和度入力手段によって入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を上記親和度の最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する行列作成手段，ならびにλ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている。
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている。
【0009】
複数の言語データのうちの２つずつの組み合わせについてそれらの親和度ｋ（親和性，類似度，関連度と言ってもよい）が数値によって入力される。入力される親和度は，与えられる複数の言語データのうちの２つずつに対して，かつすべての組み合わせ（順序は問わない）に対して入力される。なお，後述するように，同一の言語データ同士の組み合わせについては数値の入力を受け付ける必要は必ずしもない（言語データｉ，ｊについて，ｉ≠ｊ）。同一の言語データ同士についての親和度は最高（最大）の親和度とされるべきだからである。
【0010】
親和度の数値は，最も簡単には，１（親和度有）および０（親和度無）のいずれかとされる。もちろん，０，１，２，３など，有無に加えて程度を表すことができる数値を用いて親和度を表す数値の入力を受け付けてもよい。
【0011】
入力された言語データｉ，ｊの組み合わせの親和度ｋが用いられて，受け付けられた言語データの数ｎと等しい行数および列数を持つｎ次元の正方行列が作成される。作成されるｎ次元正方行列は列項目と行項目を同じとするもので，入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方行列の対応する成分ｉ，ｊの要素とするので，対称行列（ｎ次正方対称行列）となる。また，後述するように，対角要素（ｉ＝ｊに対応）は上記親和度の最大値とすることができる。対角要素は，同一の言語データ同士についての親和度に対応し，上述のように，同一の言語データ同士についての親和度は最高（最大）の親和度とするべきだからである。
【0012】
この発明によると，作成されたｎ次正方対称行列から算出される複数の固有値λ２が用いられて，固有値λ２ごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘがスコアベクトル算出式にしたがって算出される。
【0013】
ｎ次正方対称行列からはｎ個の固有値λ２が算出される。ただし，数量化親和図法では必ず，固有値λ２＝１が得られ，これに対応するスコアベクトルの要素の値はすべて等しくなってしまいスコアベクトルとしての意味がなくなるので除外してもよい。この場合には，固有値λ２＝１を除く複数の固有値λ２をスコアベクトル算出式に代入することによってスコアベクトルは求められることになり，ｎ－１個の固有値λ２のそれぞれごとに，スコアベクトルｘは求められる。もっとも，後述するように，ｎ－１個の固有値λ２のすべてを用いてスコアベクトルｘを求める必要は必ずしもない。
【0014】
スコアベクトルｘは，ｎ次正方対称行列Ｐ（およびその転置行列ＰＴ）をスコアベクトル算出式に代入することによって求められるので，求められるスコアベクトルｘはｎ個の要素（成分）を含む。このｎ個の要素が上述のｎ個の言語データのそれぞれについてのスコアベクトルを構成する。
【0015】
固有値λ２＝１を除くｎ－１個の固有値λ２については，その値が大きければ大きいほど，ｎ次正方対称行列の相関係数が大きいものとなる。すなわち，処理対象のｎ個の言語データのそれぞれの全体における位置づけ（いずれの言語データと相関しており，いずれの言語データと相関していないか，その程度）を把握しやすいものとなる。
【0016】
一実施態様では，上記スコアベクトル算出手段は，上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除き，かつ上記複数の固有値λ２のうち値の大きなものから順にｍ個（ｍ≦ｎ－１）の固有値λ２のそれぞれを用いて，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出する。固有値λ２が小さくなればなるほど相関係数λが小さくなり，二元表の行と列の関係を説明する度合が小さくなる。それで，λ２は寄与率とも呼ばれる。したがって，二元表の行と列の関係を解析するにあたって，寄与率を70％程度確保したいとすれば，累積寄与率（固有値の大きい方から対応する寄与率の累積和）が70％となるまでの固有値に属するスコアを利用すればよいことになる。たとえば，処理対象の正方対称行列が３１次のものである場合，３１個の固有値λ２が求められる。固有値λ２＝１を除いた３０個の固有値λ２のうち，大きいものから累積寄与率が所望の大きさになるまでのスコアを用いればよいので，それより高次の固有値のスコアは使わないため計算を節約でき，処理速度を向上することができる。
【0017】
数量化親和図法実行装置は，一実施態様では２つまたは３つの固有値λ２のそれぞれを用いて言語データのそれぞれについて算出されるスコアベクトルｘを，互いに直交する２軸を備える２次元グラフまたは互いに直交する３軸を備える３次元グラフ上にプロットすることによって表すグラフ表示データ作成手段をさらに備えている。ｎ個の言語データの全体における位置づけ，さらには類似する言語データのグループ（クラスタ）をプロットによって視覚的に把握することができる。
【0018】
２次元グラフや３次元グラフに加えて，複数の固有値λ２を用いて算出されるスコアベクトルｘを用いて樹形図やヒートマップを作成してもよい。
【0019】
この発明によると，与えられる言語データ同士の関係を，複数の観点（複数の固有値）のそれぞれから把握することができ，親和性のある（似ている）言語データ同士のグループを，２次元グラフ，３次元グラフ，樹形図，ヒートマップ等を用いて把握することができ，解決すべき問題における傾向や，問題を解決するための対策を見つけやすくすることができる。
【0020】
２次元グラフ，３次元グラフ等は，複数の言語データの２つずつの組み合わせについての親和度ｋが同じであれば同じ結果となり，実施者によって異なることはない。また，固有値λ２ごとに算出されるスコアベクトルｘを検討することによって，複数の言語データ（複数の言語データから作成される行列）に潜在している事象（事柄）を検討することも可能である。
【0021】
この発明は，数量化親和図法をコンピュータに実行させるためのプログラムも提供する。
【図面の簡単な説明】
【0022】
【図1】親和図法を数量化して行う方法を実行するコンピュータシステムのブロック図である。
【図2】３つ組データ作成プログラムの処理を示すフローチャートである。
【図3】３つ組データ作成プログラムの処理を示すフローチャートである。
【図4】子供の貧困をテーマにしたときの事象を表す文章（テキストデータ）例を示す。
【図5】３つ組データテーブル・ファイルの構造を示す。
【図6】親和度入力画面を示す。
【図7】２元表変換プログラムの処理を示すフローチャートである。
【図8】２元表変換プログラムによって作成される２元表（行列Ｐ）を示す。
【図9】数量化３類適用プログラムの処理を示すフローチャートである。
【図10】数量化３類適用プログラムの処理を示すフローチャートである。
【図11】第１固有値を用いて算出されるスコアベクトルと第２固有値を用いて算出されるスコアベクトルを，模式的に示している。
【図13】第１固有値～第７固有値のそれぞれを用いて算出される，言語データごとのスコアを示す。
【図14】２次元散布図を示す。
【図15A】３次元散布図を示す。
【図15B】３次元散布図を示す。
【図16A】回転表示される３次元散布図を示す。
【図16B】回転表示される３次元散布図を示す。
【図16C】回転表示される３次元散布図を示す。
【図16D】回転表示される３次元散布図を示す。
【図17】樹形図を示す。
【図18】ヒートマップを示す。
【発明を実施するための形態】
【0023】
図１は数量化親和図法を実行するコンピュータシステム（以下，「数量化親和図法実行装置」という）のブロック図である。
【0024】
数量化親和図法実行装置１は，システム全体を統括的に制御するＣＰＵ（Central Processing Unit）１１を備えている。ＣＰＵ１１には，バスを介して，ＢＩＯＳ（Basic Input/Output System）等を記憶する不揮発性メモリから構成されるＲＯＭ（Read Only Memory）１２，プログラムおよびデータを一時的に記憶する揮発性メモリから構成されるＲＡＭ（Random Access Memory）１３，キーボード，マウス等を含み各種の指示等を入力する入力部１４，処理結果を表示するディスプレイ等を含む表示部１５，ハードディスクやＳＳＤ（Solid State Drive）等から構成され，後述する被分析データ１６－１，数量化親和図法実行プログラム１６－２を記憶する記憶部１６を備えている。
【0025】
数量化親和図法実行装置１は，社会問題を生じさせているさまざまな事象（事柄）を整理し，潜在的な事象の抽出を含めて，社会問題の構造を考察するために用いられる。後述するように数量化親和図法実行装置１によって，因果事象がたとえば散布図として表される。この散布図を検討することによって複数の解決策が導かれる。
【0026】
記憶部１６に記憶される数量化親和図法実行プログラム１６－２は，後述する（１）３つ組データ作成プログラム（関数），（２）２元表変換プログラム（関数），および（３）数量化３類適用プログラム（関数）を含む。これらの３つのプログラムを以下詳細に説明する。パラメータを指定して呼び出すことによってこれらの３つのプログラムをそれぞれＣＰＵ１１において実行することができる。
【0027】
【0028】
３つ組データ作成プログラムは，あらかじめ用意される複数の言語データから選ばれる２つずつの言語データの組（ｉ，ｊ）のそれぞれについて，その親和性の度合い（親和度）を表すデータｋを関連付けたデータ（これを「３つ組データ（ｉ，ｊ，ｋ）」という）を作成するプログラムである。
【0029】
はじめに処理対象の言語データがＲＡＭ１３に読み込まれる（ステップＳ１０）。言語データはテキスト形式データによってあらかじめ準備される。ここでは言語データの総数をｎとする。
【0030】
図４は言語データ（言語によって表されるデータ（テキストデータ））の具体例を示すもので，ｎ＝３１（３１個の言語データ）の例を示している。図４に示す３１個の言語データ２は，子供の貧困に係る調査においてヒヤリングによって得られた情報を示している。社会的課題（この例では「子供の貧困を無くす」）を解決しようとする場合様々な観点からの情報が集積され，これらに数量化親和図法を適用することにより，課題を多角的に検討して明確化でき，解決策の導出を支援することができる。
【0031】
言語データのそれぞれには言語データを特定するためのＩＤ（データＩＤ）が関連付けられる。図４に示す例では１～３１の互いに異なる数字（整数）がデータＩＤとして用いられている。データＩＤによって３１個の言語データのそれぞれが識別（特定）される。
【0032】
図２に戻って，新規に（初めて）３つ組データを作成するか，作成途中の３つ組データの作成を再開するかが判断される（ステップＳ１１）。
【0033】
図５は作成される３つ組データが保存される，３つ組データテーブル・ファイル３１の構造の一例を示している。
【0034】
以下に詳述するように，３つ組データが作成されると，作成された３つ組データは３つ組データテーブル・ファイル３１に保存される。新たに保存される３つ組データは，３つ組データテーブル・ファイル３１において最下行に保存され，３つ組データが作成（保存）されるたびにファイル３１の行数が増えていく（行データが下に積み重ねられる）。３つ組データは上述したようにデータＩＤｉ，およびデータＩＤｊによって特定される２つの言語データの組に親和度ｋを関連付けたデータである。
【0035】
新規に３つ組データを作成する場合（図２のステップＳ１１でＹＥＳ），３つ組データを保存するための３つ組データテーブル・ファイル３１（図５）が新規に作成されてＲＡＭ１３に記憶される。また，２つのカウンタｉおよびｊがＲＡＭ１３に記憶される。カウンタｉの初期値ｉｓとして「１」が，カウンタｊの初期値ｊｓとして，カウンタｉの初期値ｉｓに１を加えた数，ここでは「２」が，それぞれ設定される（ステップＳ１２）。
【0036】
作成途中の３つ組データの作成を再開する場合の処理（ステップＳ１１でＮＯ，ステップＳ１３）については後述する。
【0037】
カウンタｉの初期値ｉｓ（＝１）から，言語データの総数ｎから１を減算した値（ｎ－１）まで，以下の処理が繰り返される（以下，ｉループという）（ステップＳ１４）。ここでは言語データの総数ｎが３１個であるから，カウンタｉには１～３０の数字がそれぞれ順次入力される。
【0038】
また，カウンタｊの初期値（＝２）から言語データの総数ｎまで，以下の処理が繰り返される（以下，ｊループという）（ステップＳ１５）。カウンタｊには２～３１の数字がそれぞれ順次入力される。
【0039】
以下に説明するように，はじめにカウンタｊのみがインクリメントされてカウンタｊがｎ（＝３１）に到達すると，次にカウンタｉがインクリメントされて，その状態で再びカウンタｊのみがインクリメントされることによって，複数の言語データから選ばれる２つずつの言語データの組のすべてについて，以下に説明するように親和度ｋが関連付けられる。
【0040】
カウンタｉ，ｊの値（データＩＤ）にしたがって選ばれる，複数の言語データのうちの２つの言語データの組（ｉ，ｊ）が提示（表示画面に表示）される（ステップＳ１６）。
【0041】
たとえば，新規処理であれば，処理開始直後は，上述のカウンタｉの初期値ｉｓが「１」，カウンタｊの初期値ｊｓが「２」であるから，カウンタｉ＝１，カウンタｊ＝２となり，データＩＤが「１」である言語データと，データＩＤが「２」である言語データの組が表示画面に表示される。
【0042】
図６は，言語データ表示画面（親和度入力画面）４０の一例を示している。言語データ表示画面４０には，２つ（一組）の言語データ４１，４２と，入力のやり方を説明する文章４３が表示される。
【0043】
言語データ表示画面４０に表示される一組の言語データについての親和度が入力される（受け付けられる）（ステップＳ１７，Ｓ１８）。図６に示す例では，データＩＤ「１」の言語データ（「両親は心を開かない」）とデータＩＤ「２」の言語データ（「親は支援の種類や内容を知らない」）が上下に並んで表示されている。この上下に並んで表示される２つの言語データの親和度の有無が，入力部１４を用いて数値によって入力される（ステップＳ１８で「有」，ステップＳ１９で「親和度入力」）。たとえば，表示される２つの言語データに親和性があれば数字の１が入力部１４から入力され（ステップＳ１８で「有」，ステップＳ１９で「親和度入力」），親和度がなければ改行（数字の０でもよい）が入力部１４から入力される（ステップＳ１８で「無」）。
【0044】
親和度の有無に代えて，親和度の程度を入力するようにしてもよい。たとえば，親和性がある場合に，その親和度が強ければ数字の「３」を，親和度が中程度であれば数字の「２」を，親和度が弱ければ数字の「１」を，それぞれ入力するようにしてもよい。表示される一組の言語データの親和度（数値）は一般的には専門家の判断により入力される。もちろん，対象となる社会的課題（この実施例では子供の貧困）に詳しい複数の人物の話し合いによって一組の言語データの親和度を決めてもよい。
【0045】
親和度の有無に加えて，処理中断も，言語データ表示画面４０を用いて入力される。たとえば「－１」の数値を入力することによって処理中断が入力される（ステップＳ１８で「中断」，ステップＳ１９で「中断入力」）。この機能は，言語データが多くなると，親和度の入力の数が指数関数的に増加し，一気呵成に入力を行うことが困難になるために設けられたものである。
【0046】
親和度が入力された場合（ステップＳ１８で「有」，ステップＳ１９で「親和度入力」），カウンタｉのデータＩＤ，カウンタｊのデータＩＤおよび入力された親和度ｋ（この実施例ではｋ＝１。上述したようにｋ＝３または２または１としてもよい。）を含む３つ組データが，データ保存用テーブルファイルの最下行に追加される（ステップＳ２０）。
【0047】
ｊループが終わりかどうか，ここではカウンタｊが「３１」に到達しているかどうかが判断される（ステップＳ２１）。ｊループが終わっていない場合（ステップＳ２１でＮＯ），カウンタｊがインクリメントされ（ステップ２４），その後にｊループが繰り返される（ステップＳ１５）。すなわち，カウンタｉが固定された状態でカウンタｊがインクリメントされて，次のループがスタートする。これによってデータＩＤ「１」とデータＩＤ「２」の組の処理が終わると，次にデータＩＤ「１」とデータＩＤ「３」の組の親和度ｋが入力され，さらに次のループではデータＩＤ「１」とデータＩＤ「４」の組の親和度ｋが入力され，最後にデータＩＤ「１」とデータＩＤ「３１」の組の親和度ｋが入力される。
【0048】
ｊループが終わると（カウンタｊが「３１」に到達すると）（ステップＳ２１でＹＥＳ），カウンタｉ（初期値ｉｓ）がインクリメントされ，インクリメントされた値が新たな初期値ｉｓとして用いられて（ステップＳ２２），ステップＳ１４に戻る（ステップＳ２３でＮＯ）。カウンタｊには，その初期値ｊｓとして，上述のカウンタｉの初期値ｉｓに１を加えた数が設定される（ステップＳ２２）。たとえば，カウンタｉの初期値ｉｓが「２」にインクリメントされると，カウンタｊの新たな初期値ｊｓは「３」となる。データＩＤ「２」とデータＩＤ「３」の組の親和度ｋが入力され，次にデータＩＤ「２」とデータＩＤ「４」の組の親和度ｋが入力され，最後にデータＩＤ「２」とデータＩＤ「３１」の組の親和度ｋが入力される。
【0049】
ｉループが終わると（カウンタｉが「３０」に到達すると），それは互いに異なる２つの言語データの組み合わせのすべてについて親和度ｋの入力を終えたことを意味する（ステップＳ２３でＹＥＳ）。複数の３つ組データを含む３つ組データテーブル・ファイル３１（図５参照）が完成し，記憶部１６に保存される（ステップＳ２７）。
【0050】
親和度の入力のときに親和度無し（改行）が入力されると，３つ組データの作成処理および３つ組データテーブル・ファイル31への保存処理はスキップされる（ステップＳ１８で「無」）。
【0051】
親和度ｋが入力されずに処理中断が入力されると（ステップＳ１９で「中断入力」），３つ組データテーブル・ファイル３１には，カウンタｉの値（データＩＤ），カウンタｊの値（データＩＤ）および処理が中断されたことを表す値（－１）が３つ組データとして３つ組データテーブル・ファイル３１の最下行に追加され（ステップＳ２５），３つ組データテーブル・ファイル31が記憶部１６に保存される（ステップＳ２６）。作成途中の３つ組データの作成が再開されるときには，記憶部１６に保存されている３つ組データテーブル・ファイル３１の読み込みが行われ（ステップＳ１０），カウンタｉ，ｊには，読み込まれた３つ組データテーブル・ファイル３１の最下行に記憶されている３つ組データの２つのデータＩＤ（ｉ，ｊ）がそれぞれ与えられることで処理が再開される。最下行のデータ（「－１」が格納されている行データ）は削除される（ステップＳ１１でＮＯ，ステップＳ１３）。
【0052】
（２）２元表変換プログラム
図７は２元表変換プログラムの処理を示すフローチャートである。
図７は２元表変換プログラムの処理を示すフローチャートである。
【0053】
２元表変換プログラムは，上述した言語データ（図４）および３つ組データテーブル・ファイル３１（図５）を用いて，次に説明する数量化３類適用プログラムによって処理されるべき行列データを作成する処理を実行する。
【0054】
はじめに言語データ２および３つ組データテーブル・ファイル３１が記憶部１６から読み出されてＲＡＭ１３に読み込まれる（ステップＳ３０）。
【0055】
ＲＡＭ１３に読み込まれた言語データ２の数ｎに応じた行数および列数を持ち，すべての成分を０とする正方行列Ｐが作成される（ステップＳ３１）。言語データ２の数が３１個であれば，すべての成分を０とする３１行３１列の正方行列が作成される。
【0056】
３つ組データテーブル・ファイル３１（図５）は，上述したように複数の３つ組データを含み，各３つ組データには，２つの言語データの組について，言語データを特定するデータＩＤ（ｉ，ｊ）と，親和度ｋ（ここでは，分かりやすくするためにｋ＝１とする）を表すデータ（３つ組データ）が含まれている。３つ組データテーブル・ファイル３１に含まれる３つ組データ（ｉ，ｊ，ｋ）のそれぞれについて，以下の処理が行われる（ステップＳ３２，ステップＳ３４でＮＯ）。
【0057】
作成された行列Ｐにおいて，読み込まれた３つ組データ（ｉ，ｊ，ｋ）が用いられて，行列Ｐの第ｉ行，第ｊ列の成分が「０」から親和度「ｋ」に置き換えられ，第ｊ行，第ｉ列の成分も「０」から親和度「ｋ」に置き換えられる（ステップＳ３３）。
【0058】
たとえば，図５の３つ組データテーブル・ファイル３１を参照して，最初に処理される３つ組データ（ｉ，ｊ，ｋ）は（１，２，１）である。親和度ｋが「１」であるので，３１行３１列の正方行列Ｐにおいて，第１行，第２列の成分が「０」から「１」に置き換えられ，かつ第２行，第１列の成分が「０」から「１」に置き換えられる。次の３つ組データ（ｉ，ｊ，ｋ）は（１，３，１）であるから，３１行３１列の正方行列Ｐにおいて第１行，第３列の成分が「０」から「１」に置き換えられ，かつ第３行，第１列の成分が「０」から「１」に置き換えられる。
【0059】
図５に示す３つ組データテーブル・ファイル31では，ｉ＝１，ｊ＝４の親和度ｋは格納されていない（データが存在しない）。これは，上述した３つ組データ作成プログラムによる処理において，データＩＤ「１」の言語データとデータＩＤ「４」の言語データについて親和度は無い旨が入力されたためである。このため，正方行列Ｐにおいて第１行，第４列の成分は「０」のままとなり，第４行，第１列の成分も「０」のままになる。
【0060】
ステップ３３の処理を経ることによって，行列Ｐには，２つの言語データの組について，そのｉとｊの順序（行と列）を入れ替えた組み合わせについても，同じ値の親和度ｋが格納される。たとえば，データＩＤ「１」の言語データとデータＩＤ「２」の言語データの親和度ｋ１，２と（行列Ｐにおける第１行第２列の要素），データＩＤ「２」の言語データとデータＩＤ「１」の言語データの親和度ｋ２，１（親和度ｋ１，２と同じ値）（行列Ｐにおける第２行第１列の要素）が格納される。
【0061】
３つ組データテーブル・ファイル３１に含まれるすべての３つ組データについての上述の処理が行われた後（ステップＳ３４でＹＥＳ），行列Ｐの対角要素が「０」から親和度ｋの最大値（ここでは「１」）に置き換えられる（ステップＳ３５）。行列Ｐの対角要素は同一言語データ同士の組に対応し，親和度ｋは最大になるはずだからである。行列Ｐにおいて，第１行第１列，第２行第２列，第３行第３列，．．．，第３１行第３１列の成分が「０」から「１」に置き換えられる。これによって行列Ｐは対角要素（対角成分）のすべてに親和度ｋの最大値が格納された３１次正方対称行列となる。
【0062】
最後に，行列Ｐの各行の行名（行タイトル）および各列の列名（列タイトル）に，言語データが挿入（格納）されて２元表（行列Ｐ）が完成し，完成した行列Ｐが記憶部１６に記憶される（ステップＳ３６）。言語データのそれぞれが関連付けられているデータＩＤ（１～３１の数字）（図４参照）にしたがって，たとえば第１行の行名（行タイトル）にはデータＩＤ「１」の言語データ（「両親は心を開かない」）が挿入され，第１列の列名（列タイトル）にもデータＩＤ「１」の言語データ（「両親は心を開かない」）が挿入される。
【0063】
図８は完成した２元表（行列Ｐ）を示している。図８では簡略化のために，行名および列名を言語データではなくＴＥＸＴ１，ＴＥＸＴ２，．．．，ＴＥＸＴ３１と表記している。また成分「０」は「・」で表している。たとえば，「ＴＥＸＴ１」はデータＩＤ「１」の言語データ（「両親は心を開かない」），ＴＥＸＴ２はデータＩＤ「２」の言語データ（「親は支援の種類や内容を知らない」）であることを理解されたい。また，２元表は行項目と列項目が同一であることを理解されたい。
【0064】
（３）数量化３類適用プログラム
上述した３１個の言語データのうちの２組ずつについては上述した入力される親和度によってその関係性が把握されるが，３１個の言語データのそれぞれの相関の程度は定かではない。与えられる言語データの相関を様々な観点（ディメンション：Ｄｉｍ）から分析するために数量化３類適用プログラムが用いられる。
上述した３１個の言語データのうちの２組ずつについては上述した入力される親和度によってその関係性が把握されるが，３１個の言語データのそれぞれの相関の程度は定かではない。与えられる言語データの相関を様々な観点（ディメンション：Ｄｉｍ）から分析するために数量化３類適用プログラムが用いられる。
【0065】
以下，具体的に数量化３類適用プログラムの処理を説明する。
【0066】
【0067】
はじめに言語データを含む２元表を表す行列Ｐ（図８）が記憶部１６から読み出されてＲＡＭ１３に記憶される（ステップＳ４０）。
【0068】
ＲＡＭ１３に記憶された行列Ｐに基づいて固有値が計算され，計算された固有値が大きい順に並べられる（ステップＳ４１）。さらに計算された固有値を用いて以下に説明する寄与率および累積寄与率が計算される（ステップＳ４２）。
【0069】
図１１は，数量化３類適用プログラムによって算出される複数の固有値の関係を説明するための模式図である。
【0070】
行列Ｐの固有値は，以下の固有方程式を，未知数である固有値αの方程式として解くことによって求められる。ここで，Ｅは単位行列である。
【0071】
det(Ｐ－αＥ)＝０
【0072】
det()は行列式を表す。
【0073】
行列Ｐは３１次の正方行列であるから，一般には行列Ｐからは３１個の固有値が算出される。固有値のそれぞれに対応する固有ベクトルは，それぞれの固有値を以下の連立方程式に代入することによって算出することができる。
【0074】
（Ｐ－αＥ）ｘ＝０
【0075】
行列の固有値および固有ベクトルの組は，たとえばオープンソースフリーウェアである統計解析ソフト「Ｒ」（ https://cran.r-project.org/ ）を用いて算出することができる。
【0076】
図８に示す３１次の行列Ｐを用いると，最大固有値＝１を含む３１個の固有値が求められる。しかしながら３１個の固有値のうち「１」となる固有値は以下の処理では除外される。これは「１」となる固有値を用いると，各言語データのそれぞれについて算出されるスコアベクトル（スコアベクトルについては後述する）が同値となり，言語データ間の相関を表すスコアベクトルとしての意味がないからである。
【0077】
算出される複数の固有値は，その値が大きいほど，二元表の行と列の項目同士の相関関係をより強く反映していることを表している。逆に固有値が小さいほど二元表の行と列の項目同士の相関関係が弱いことを表しており，複数の言語データの相互の関係は分かりづらいものとなる。図１１は，２つの固有値（第１固有値＞第２固有値の関係を持つとする）のそれぞれを用いて言語データのそれぞれに対して算出されるスコアベクトル（Ｄｉｍ１とＤｉｍ２）を模式的にプロットしたものである。図１１において横軸と縦軸は，それぞれ第１固有値および第２固有値に属するスコアベクトルに対応している。プロットの番号は言語データ（テキストデータ）の番号に対応している。このように，値の大きい固有値に対するスコアベクトルを用いて，２次元平面に各言語データをプロットすると，それらが相互にどのような関係にあるかを把握しやすくなる。これを３次元まで拡張して言語データ同士の関係を検討することが可能である。しかし，４次元以上では可視化することはできないため，後述するように工夫が必要になる。
【0078】
図１２は，行列Ｐ（図８）から実際に算出される３０個の固有値（No.１～No.３０）（「１」を除く固有値）を，寄与率および累積寄与率とともに示している。「寄与率」は，３０個の固有値のそれぞれについて，当該固有値をすべての固有値の総和によって除算した値である。「累積寄与率」は，複数の固有値のそれぞれに対応して算出される寄与率を，値の大きな固有値のものから順に累積加算した値である。なお，固有値，寄与率および累積寄与率は，実際は，図１２に示す小数点以下７桁以降の数値まで算出され，図１２では小数点以下８桁の数値が四捨五入されている。
【0079】
上述したように，固有値の値が大きければ大きいほど，スコアベクトルは言語データ同士の相関関係をより強く表しているので，言語データ同士の関係を検討するのに，すべてのスコアベクトルを用いる必要は必ずしもない。このため，問題により少なくとも累積寄与率で70から80％程度が確保できるスコアベクトルを利用して，言語データ同士の関係を検討し，全体像を把握することを試みるのが現実的である（ステップＳ４３）。
【0080】
図１３は，行列Ｐ（図８）から算出される固有値（図１２）のうち値の大きい順に７つの固有値（図１２のＮｏ.１～Ｎｏ.７）のそれぞれを用いて，３１個の言語データ（図４）のそれぞれについて算出したスコアベクトルを示している。図１３において，Ｄｉｍ１，Ｄｉｍ２，．．．Ｄｉｍ７は，行列Ｐに潜在する変数（軸）の個数を表しており，行列Ｐから算出される３１個の固有値のうち，「１」となる固有値を除いて大きい方から７つの固有値（その固有ベクトル）のそれぞれに対応する。
【0081】
固有値をλ２とすると，３１個の言語データのそれぞれのスコアベクトルｘは，以下の式（スコアベクトル算出式と呼ぶ）を解くことによって求められる。
【0082】
【0083】
上述したスコアベクトル算出式において，Ｐは処理対象の正方行列を，ＰＴは正方行列Ｐの転置行列を，Ｉは単位行列を，それぞれ表す。ｐｘは正方行列Ｐの行和ベクトルの要素を対角要素とする行列である。ｘがスコアベクトルである。なお，正方行列Ｐは対称行列であるからＰ＝ＰＴとなる。スコアベクトルｘは言語データごとかつｎ-１個の固有値ごとに算出することができる。
【0084】
上述のスコアベクトル算出式は，２個の互いに異なる項目（行項目と列項目が互いに異なるもの）を取り扱う一般的な数量化３類から得られる固有値問題を基礎にして，これに行項目と列項目とを同じとする（区別しない）ことを条件としたとき表される式であり，２元表の相関係数を最大にするようなスコアベクトルを求める式である。
【0085】
固有値ごとに３１個の言語データのそれぞれについて算出されるスコアベクトルｘについても，上述した統計解析ソフト「Ｒ」を用いて算出することができる。このソフトでは，数量化３類は対応分析と呼ばれている。
【0086】
以下の説明では，算出される複数の固有値（λ２＝１を除く）を，値の大きいものから順番に，第１固有値，第２固有値，第３固有値，．．．と呼ぶ。
【0087】
図１４は，第１固有値を用いてスコアベクトル算出式に基づいて算出された各言語データのスコアベクトル（以下，「Ｄｉｍ１スコア」という）を横軸とし，第２固有値を用いてスコアベクトル算出式に基づいて算出された各言語データのスコアベクトル（以下，「Ｄｉｍ２スコア」という。以下に説明するＤｉｍ３スコアも同様。）を縦軸としたグラフであり，３１個の言語データのそれぞれについて第１固有値および第２固有値を用いて算出されたスコアベクトルにしたがって，各言語データをプロットした散布図を示している。第１固有値および第２固有値に対応する２つの軸を用いることで図１４に示す２次元（平面）グラフにおいて各言語データ同士の相関を把握することができる。数量化３類適用プログラムは図１４に示すような２次元の散布図を表示部１５に表示することができる（ステップＳ４４）。
【0088】
図１４を参照して，Ｄｉｍ１スコア（横軸）に着目すると，３１個の言語データのうちのたとえば「２５.奨学金制度の充実が必要」に大きなスコアが算出され，「５.働く場所がない」に小さいスコアが算出されており，一例として，これらの２つの言語データのＤｉｍ１スコア軸上の距離が大きいことを一見して把握することができる。
【0089】
他方，Ｄｉｍ２スコア（縦軸）に着目すると，３１個の言語データのうちのたとえば「２５.奨学金制度の充実が必要」に大きなスコアが算出され，「２９.食べ物を応援できるのはいい」に小さいスコアが算出されており，一例として，これらの２つの言語データのＤｉｍ２スコア軸上の距離が大きいことを一見して把握することができる。
【0090】
図１４に示す散布図をみると，Ｄｉｍ１スコアおよびＤｉｍ２スコアが互いに近い複数の言語データ（プロット）が集中している部分がある。この集中している言語データが，子供の貧困を無くすという社会的課題の解決につながる重要情報であると考察することができる可能性がある。別のＤｉｍスコアを用いると，子供の貧困問題について，たとえば原因事象と結果事象とにプロットが散布図上で分かれる可能性もあり，そのような散布図が得られた場合には，たとえば原因事象のみをピックアップして再度上述した処理を繰り返すことも考えられる。
【0091】
なお，図１４に示す散布図は，たとえば横軸をＤｉｍ１スコア，縦軸をＤｉｍ３スコアとして表示することもできることは言うまでもない。
【0092】
図１５Ａおよび図１５Ｂは，３１個の言語データのそれぞれについて第１固有値，第２固有値，第３固有値のもとで算出されたスコアベクトルを，互いに直交する軸（Ｄｉｍ１スコア，Ｄｉｍ２スコア，Ｄｉｍ３スコア）を持つ３次元空間にプロットした散布図を示している。図１５Ａ，図１５Ｂに示すように各言語データの相関関係は３次元空間で把握することもできる。数量化３類適用プログラムは図１５Ａ，図１５Ｂに示すような３次元の散布図を表示部１５に表示することもできる（ステップＳ４４）。
【0093】
図１６Ａ，図１６Ｂ，図１６Ｃおよび図１６Ｄは，図１５Ａ，図１５Ｂに示す３次元の散布図を，視点を変えて見るために，回転表示させている様子を示している。図１６Ａ～図１６Ｄに示す回転表示も数量化３類適用プログラムによって実行され，３１個の言語データの相関関係を分かりやすく表示部１５に表示させることができる（ステップＳ４４）。
【0094】
図１７は，３１個の言語データのそれぞれについてのＤｉｍ１スコアからＤｉｍ７スコアまでのスコアを用いて，７次元空間における各言語データ間のユークリッド距離を計算し，クラスタ分析のウォード法を用いて７つのクラスタにまとめた結果を樹形図として表示している。より具体的には，図１４に示す多数のプロットを含む２次元平面において最もユークリッド距離の近いプロットを持つ言語データの組み合わせを求め，その組み合わせをペアにし，ペアにされた組み合わせについてその重心を新たなプロットとし，新たなプロットを含めて上記処理を繰り返すことによって，最終的に図１７に示すような樹形図が作成される。図１７において左右方向にのびる直線の長さがユークリッド距離に対応する長さによって表されている。相関の程度に応じて言語データ同士を，まとまりをもつように表現することができる（クラスタリング，グルーピング）。数量化３類適用プログラムは図１７に示すような樹形図を表示部１５に表示することもできる（ステップＳ４５）。
【0095】
図１８は，３１個の言語データのそれぞれについて算出されたＤｉｍ１スコアの大きい順番に言語データを並べ，Ｄｉｍ１スコア，Ｄｉｍ２スコアおよびＤｉｍ３スコアを，言語データのそれぞれに対応させて表示し，さらにＤｉｍ１スコア，Ｄｉｍ２スコアおよびＤｉｍ３スコアに，スコアの値の大きさに応じた色を付して表示するヒートマップを示している。数量化３類適用プログラムは図１８に示すようなヒートマップを表示部１５に表示することもできる（ステップＳ４６）。Ｄｉｍ１，Ｄｉｍ２，Ｄｉｍ３等の行列Ｐに潜在する変数の間の類似性（行列Ｐに潜在する事象（事柄））を検討するのに有用である。
【0096】
最後に，上述したスコアベクトル算出式の導出の基礎とした，２種類の互いに異なる項目（行項目と列項目が互いに異なるもの）を取り扱う一般的な数量化３類から得られる固有値問題を説明しておく。
【0097】
数量化３類（Quantification Method of Type ３ (ＱＭ３)）は，以下に示すテーブル１のような２元表の形式で与えられたデータの内部構造を分析する手法である。ここでＸおよびＹは互いに相違する項目であることを意味する。Ｘｉはｉ番目のＸ項目を，Ｙｊはｊ番目のＹ項目を表す。そして，各項目にスコア（数量）が対応づけられており，これをｘｉ，ｙｊとしている。ｐｉｊは項目Ｘｉと項目Ｙｊの関連度を表し，ｐｉおよびｐｊはそれぞれｉ番目の行和とｊ番目の列和を表している。関連度ｐｉｊは項目ＸｉとＹｊとの間に関連があれば「１」，なければ「０」とされる。関連の度合を強中弱に対応させて３，２，１のようにしてもよい。ここでは，簡単のために１と０とする。テーブル１では，２元表の要素の合計で要素の値を除して相対度数の形に変換して合計が１となるようにしている。
【0098】
テーブル１ ２元表
【0099】
上記２元表は，量とは関係ない２種類の項目ＸｉおよびＹｊから構成されているが，数量化３類は項目ＸｉおよびＹｊに数量ｘｉおよびｙｊを対応させること（数量化）により内部構造を分析するものである。
【0100】
一般性を失うことなく，ｘｉとｙｊのそれぞれの平均を次のように０とおくことができる。
【0101】
【0102】
また，ｘｉとｙｊのそれぞれの分散も１とおくことができる。
【0103】
【0104】
相関係数ρは次式のように表される。
【0105】
数量化３類では，式(１.３)と(１.４)を制約条件として，相関係数ρが最大となるように数量ｘｉおよびｙｊを決める。そこで，２つの未定乗数λ１とλ２を用いてLagrangeの未定乗数法を用いる。次式のＱを最大にすればよい。
【0106】
【0107】
数量ｘｉおよびｙｊについて偏微分して０とおくと以下の式が得られる。
【0108】
【0109】
式 (１.７)にｘｉを乗じ，添字ｉについて総和をとると次式が得られる。
【0110】
【0111】
同様に，式 (１.８)にｙｊを乗じて添字ｊについて総和をとると次式が得られる。
【0112】
【0113】
式 (１.３)と (１.４),および (１.９)と (１.１０)から，λ１＝λ２となるので，λ１およびλ２をλに改める。そうすると，式 (１.５)からλ＝ρとなる。
【0114】
式(１.７)は次のように変形することができ，この変形式から数量（スコア）ｘｉを求めることができる。
【0115】
【0116】
式(１.１１)を式(１.８)に代入すると次式が得られる。
【0117】
【0118】
ここで，以下のような表記法を導入する。
【0119】
【0120】
これらの表記法を用いると式 (１.１２)は次のように表すことができる。
【0121】
【0122】
式 (１.１８)は次式のように整理することができ，これはλ２を固有値とする固有値問題を表している。
【0123】
したがって，
【0124】
とおくと，以下の式となる。
【0125】
【0126】
上述したスコアベクトル算出式は，上記式（１.２１）についてｘ（行項目）とｙ（列項目）の区別を無くす（すなわち，項目Ｘと項目Ｙを同じにする）ことによって導出することができる。
【符号の説明】
【0127】
１ 数量化親和図法実行装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 入力部
１５ 表示部
１６ 記憶部
１６－１ 言語データ
１６－２ 数量化親和図法実行プログラム
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 入力部
１５ 表示部
１６ 記憶部
１６－１ 言語データ
１６－２ 数量化親和図法実行プログラム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15A】
【図15B】
【図16A】
【図16B】
【図16C】
【図16D】
【図17】
【図18】
【手続補正書】
【提出日】2023-07-28
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
ｎ（ｎは３以上の整数）個の言語データの入力を受け付ける言語データ入力手段，
受け付けられたｎ個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示する表示手段，
表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を受け付ける親和度入力手段，
ｎ行ｎ列のｎ次正方対称行列であって，上記親和度入力手段によって入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を互いに異なる２つの言語データｉ，ｊの組み合わせについて受け付けられる親和度ｋを表す数値のうちの最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する行列作成手段，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている，
数量化親和図法実行装置。
受け付けられたｎ個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示する表示手段，
表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を受け付ける親和度入力手段，
ｎ行ｎ列のｎ次正方対称行列であって，上記親和度入力手段によって入力された言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を互いに異なる２つの言語データｉ，ｊの組み合わせについて受け付けられる親和度ｋを表す数値のうちの最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する行列作成手段，ならびに
λ２を固有値，Ｐを上記行列作成手段によって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成手段によって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するスコアベクトル算出手段を備えている，
数量化親和図法実行装置。
【請求項2】
上記スコアベクトル算出手段は，
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除く複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除く複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
【請求項3】
上記スコアベクトル算出手段は，
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除き，かつ複数の固有値λ２のうち値の大きなものから順にｍ個（ｍ≦ｎ－１）の固有値λ２のそれぞれを用いて，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
上記行列作成手段によって作成されるｎ次正方対称行列から算出される複数の固有値λ２のうち，固有値λ２＝１を除き，かつ複数の固有値λ２のうち値の大きなものから順にｍ個（ｍ≦ｎ－１）の固有値λ２のそれぞれを用いて，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出するものである，
請求項１に記載の数量化親和図法実行装置。
【請求項4】
２つまたは３つの固有値λ２のそれぞれを用いて言語データのそれぞれについて算出されるスコアベクトルｘを，互いに直交する２軸を備える２次元グラフまたは互いに直交する３軸を備える３次元グラフ上にプロットすることによって表すグラフ表示データ作成手段をさらに備えている，
請求項３に記載の数量化親和図法実行装置。
請求項３に記載の数量化親和図法実行装置。
【請求項5】
上記プロットを含む３次元グラフを表示画面に回転表示させる回転表示手段を備えている，
請求項４に記載の数量化親和図法実行装置。
請求項４に記載の数量化親和図法実行装置。
【請求項6】
上記グラフ表示データ作成手段は，
上記プロットにそれぞれに対応させて上記言語データを表示するものである，
請求項４に記載の数量化親和図法実行装置。
上記プロットにそれぞれに対応させて上記言語データを表示するものである，
請求項４に記載の数量化親和図法実行装置。
【請求項7】
受け付けられたｎ（ｎは３以上の整数）個の言語データを用いて，互いに異なる２つずつの言語データｉ，ｊ（ｉ≠ｊ）のすべての組み合わせを表示画面に表示し，表示された２つの言語データｉ，ｊの組み合わせのそれぞれについての親和度ｋを表す数値の入力を入力装置から受け付ける処理をコンピュータに実行させる親和度入力プログラム，
ｎ行ｎ列のｎ次正方対称行列であって，受け付けられた言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を互いに異なる２つの言語データｉ，ｊの組み合わせについて受け付けられる親和度ｋを表す数値のうちの最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する処理をコンピュータに実行させる行列作成プログラム，ならびに
λ２を固有値，Ｐを上記行列作成プログラムによって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成プログラムによって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出する処理をコンピュータに実行させるスコアベクトル算出プログラムを含む，
数量化親和図法実行プログラム。
ｎ行ｎ列のｎ次正方対称行列であって，受け付けられた言語データｉ，ｊの組み合わせの親和度ｋを上記ｎ次正方対称行列の対応する成分ｉ，ｊの要素とし，対角要素を互いに異なる２つの言語データｉ，ｊの組み合わせについて受け付けられる親和度ｋを表す数値のうちの最大値とし，行項目および列項目を同じとするｎ次正方対称行列を表すデータを作成する処理をコンピュータに実行させる行列作成プログラム，ならびに
λ２を固有値，Ｐを上記行列作成プログラムによって作成されたｎ次正方対称行列，ＰＴをｎ次正方対称行列Ｐの転置行列，Ｉを単位行列，ｐｘをｎ次正方対称行列Ｐの行和ベクトルの要素を対角要素とする行列，ｘをスコアベクトルとしたときに，以下のスコアベクトル算出式
に基づいて，上記行列作成プログラムによって作成されたｎ次正方対称行列から算出される複数の固有値λ２のそれぞれごとに，ｎ個の言語データのそれぞれについてのスコアベクトルｘを算出する処理をコンピュータに実行させるスコアベクトル算出プログラムを含む，
数量化親和図法実行プログラム。