知財求人 - 知財ポータルサイト「IP Force」
特開2024-34166因果分析支援装置、因果分析支援方法、プログラム及び記録媒体
(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】P2024034166
(43)【公開日】2024-03-13
(54)【発明の名称】因果分析支援装置、因果分析支援方法、プログラム及び記録媒体
(51)【国際特許分類】
G06N 3/126 20230101AFI20240306BHJP
G06N 5/04 20230101ALI20240306BHJP
【ＦＩ】
G06N3/12 160
G06N5/04
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022138234
(22)【出願日】2022-08-31
(71)【出願人】
【識別番号】000232092
【氏名又は名称】ＮＥＣソリューションイノベータ株式会社
(74)【代理人】
【識別番号】100115255
【弁理士】
【氏名又は名称】辻丸 光一郎
(74)【代理人】
【識別番号】100201732
【弁理士】
【氏名又は名称】松縄 正登
(74)【代理人】
【識別番号】100154081
【弁理士】
【氏名又は名称】伊佐治 創
(74)【代理人】
【識別番号】100227019
【弁理士】
【氏名又は名称】安 修央
(72)【発明者】
【氏名】浅沼 爽汰
(72)【発明者】
【氏名】菅原 収吾
(72)【発明者】
【氏名】渡部（丸山） 佳織
(72)【発明者】
【氏名】山本 純一
(57)【要約】
【課題】 移適合度の低下を抑制し、且つ、因果数を削減可能な因果分析支援装置を提供する。
【解決手段】 本発明の因果分析支援装置は、初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
【選択図】 図１
【解決手段】 本発明の因果分析支援装置は、初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
【選択図】 図１
【特許請求の範囲】
【請求項1】
初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援装置。
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援装置。
【請求項2】
前記候補因果モデル生成部は、個体情報生成部、因果モデル群生成部、評価値算出部、次世代選択部、判定部、及び候補因果モデル出力部を含み、
前記個体情報生成部は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成部は、前記因果モデルの個体情報に基づいて、複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出部は、各因果モデルの評価値を算出し、
前記次世代選択部は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定部は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成部、前記因果モデル群生成部、前記評価値算出部、前記次世代選択部、及び前記判定部による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力部は、前記終了条件を満たす候補因果モデルを出力する、請求項１記載の因果分析支援装置。
前記個体情報生成部は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成部は、前記因果モデルの個体情報に基づいて、複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出部は、各因果モデルの評価値を算出し、
前記次世代選択部は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定部は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成部、前記因果モデル群生成部、前記評価値算出部、前記次世代選択部、及び前記判定部による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力部は、前記終了条件を満たす候補因果モデルを出力する、請求項１記載の因果分析支援装置。
【請求項3】
前記判定部は、前記次世代選択部により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、請求項２記載の因果分析支援装置。
【請求項4】
前記次世代選択部は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、請求項２又は３記載の因果分析支援装置。
【請求項5】
前記因果モデル群生成部は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、請求項２又は３記載の因果分析支援装置。
【請求項6】
初期因果モデル取得工程及び候補因果モデル生成工程を含み、
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援方法。
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援方法。
【請求項7】
前記候補因果モデル生成工程は、個体情報生成工程、因果モデル群生成工程、評価値算出工程、次世代選択工程、判定工程、及び候補因果モデル出力工程を含み、
前記個体情報生成工程は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成工程は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出工程は、各因果モデルの評価値を算出し、
前記次世代選択工程は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定工程は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成工程、前記因果モデル群生成工程、前記評価値算出工程、前記次世代選択工程、及び前記判定工程による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力工程は、前記終了条件を満たす候補因果モデルを出力する、
請求項６記載の因果分析支援方法。
前記個体情報生成工程は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成工程は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出工程は、各因果モデルの評価値を算出し、
前記次世代選択工程は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定工程は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成工程、前記因果モデル群生成工程、前記評価値算出工程、前記次世代選択工程、及び前記判定工程による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力工程は、前記終了条件を満たす候補因果モデルを出力する、
請求項６記載の因果分析支援方法。
【請求項8】
前記判定工程は、前記次世代選択工程により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、請求項７記載の因果分析支援装置。
【請求項9】
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラム。
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラム。
【請求項10】
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、因果分析支援装置、因果分析支援方法、プログラム及び記録媒体に関する。
【背景技術】
【0002】
工場等の生産ラインにおける異常の原因推定等を行うために、ＬｉＮＧＡＭ（Liner Non-Gaussian Acyclic Model）、ベイジアンネットワーク、共分散構造分析等を用いた複数の変数からなる事象の因果推定手法が知られている（特許文献１、２等）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－１４９３０３号公報
【特許文献2】特開２０２０－１３５５９１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、これらの手法により、心理尺度分析のデータ分析等の多数の変数を用いた分析を行う場合、変数間の因果数が膨大になり、結果の解釈が困難になり、因果係数に閾値を設けて因果数を抑制すると、分析モデルの適合度（ＣＦＩ：Comparative Fit Index）が低下するという課題がある。
【0005】
そこで本発明は、適合度の低下を抑制し、且つ、因果数を削減可能な因果分析支援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】
前記目的を達成するために、本発明の因果分析支援装置は、
初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
【0007】
本発明の因果分析支援方法は、
初期因果モデル取得工程及び候補因果モデル生成工程を含み、
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
初期因果モデル取得工程及び候補因果モデル生成工程を含み、
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
【0008】
本発明のプログラムは、
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムである。
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムである。
【0009】
本発明の記録媒体は、
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
【発明の効果】
【0010】
本発明によれば、因果分析において、適合度の低下を抑制し、且つ、因果数を削減可能となる。
【図面の簡単な説明】
【0011】
【発明を実施するための形態】
【0012】
次に、本発明の実施形態について図を用いて説明する。本発明は、以下の実施形態には限定されない。以下の各図において、同一部分には、同一符号を付している。また、各実施形態の説明は、特に言及がない限り、互いの説明を援用でき、各実施形態の構成は、特に言及がない限り、組合せ可能である。
【0013】
［実施形態１］
本実施形態の因果分析支援装置について、図１を用いて説明する。図１は、本実施形態の因果分析支援装置１０の一例の構成を示すブロック図である。図１に示すように、因果分析支援装置１０（以下、「本装置１０」ともいう）は、初期因果モデル取得部１１及び候補因果モデル生成部１２を含む。また、図１に示すように、候補因果モデル生成部１２は、例えば、個体情報生成部１２１、因果モデル群生成部１２２、評価値算出部１２３、次世代選択部１２４、判定部１２５、及び候補因果モデル出力部１２６を含んでもよい。また、図示していないが、本装置１０は、例えば、記憶部を含んでもよい。
本実施形態の因果分析支援装置について、図１を用いて説明する。図１は、本実施形態の因果分析支援装置１０の一例の構成を示すブロック図である。図１に示すように、因果分析支援装置１０（以下、「本装置１０」ともいう）は、初期因果モデル取得部１１及び候補因果モデル生成部１２を含む。また、図１に示すように、候補因果モデル生成部１２は、例えば、個体情報生成部１２１、因果モデル群生成部１２２、評価値算出部１２３、次世代選択部１２４、判定部１２５、及び候補因果モデル出力部１２６を含んでもよい。また、図示していないが、本装置１０は、例えば、記憶部を含んでもよい。
【0014】
本装置１０は、例えば、前記各部を含む１つの装置でもよいし、前記各部が、通信回線網を介して接続可能な装置でもよい。また、本装置１０は、通信回線網を介して、後述する外部装置と接続可能である。通信回線網は、特に制限されず、公知のネットワークを使用でき、例えば、有線でも無線でもよい。通信回線網は、例えば、インターネット回線、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、電話回線、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＳＡＮ（Ｓｔｏｒａｇｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＤＴＮ（Ｄｅｌａｙ Ｔｏｌｅｒａｎｔ Ｎｅｔｗｏｒｋｉｎｇ）、ＬＰＷＡ（Ｌｏｗ Ｐｏｗｅｒ Ｗｉｄｅ Ａｒｅａ）、Ｌ５Ｇ（ローカル５Ｇ）、等があげられる。無線通信としては、例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ローカル５Ｇ、ＬＰＷＡ等が挙げられる。前記無線通信としては、各装置が直接通信する形態（Ａｄ Ｈｏｃ通信）、インフラストラクチャ（infrastructure通信）、アクセスポイントを介した間接通信等であってもよい。本装置１０は、例えば、システムとしてサーバに組み込まれていてもよい。また、本装置１０は、例えば、本発明のプログラムがインストールされたパーソナルコンピュータ（ＰＣ、例えば、デスクトップ型、ノート型）、スマートフォン、タブレット端末等であってもよい。さらに、本装置１０は、例えば、前記各部のうち少なくとも一つがサーバ上にあり、その他の前記各部が端末上にあるような、クラウドコンピューティングやエッジコンピューティング等の形態であってもよい。
【0015】
図２に、本装置１０のハードウェア構成のブロック図を例示する。本装置１０は、例えば、中央処理装置（ＣＰＵ、ＧＰＵ等）１０１、メモリ１０２、バス１０３、記憶装置１０４、入力装置１０５、出力装置１０６、通信デバイス１０７等を含む。本装置１０の各部は、それぞれのインタフェース（Ｉ／Ｆ）により、バス１０３を介して相互に接続されている。
【0016】
中央処理装置１０１は、コントローラ（システムコントローラ、Ｉ／Ｏコントローラ等）等により、他の構成と連携動作し、本装置１０の全体の制御を担う。本装置１０において、中央処理装置１０１により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的には、例えば、中央処理装置１０１が、因果分析支援装置１０（以下、「本装置１０」ともいう）は、初期因果モデル取得部１１及び候補因果モデル生成部１２として機能し、さらに、個体情報生成部１２１、因果モデル群生成部１２２、評価値算出部１２３、次世代選択部１２４、判定部１２５、及び候補因果モデル出力部１２６として機能する。本装置１０は、演算装置として、ＣＰＵ、ＧＰＵ（Graphics Processing Unit）、ＡＰＵ（Accelerated Processing Unit）等の他の演算装置を備えてもよいし、これらの組合せを備えてもよい。
【0017】
バス１０３は、例えば、外部装置とも接続できる。前記外部装置は、例えば、後述する初期因果モデルを生成可能な装置、外部記憶装置（外部データベース等）、プリンタ、外部入力装置、外部表示装置、スピーカ等の音声出力装置、カメラ等の外部撮像装置、並びに、加速度センサ、地磁気センサ、及び方向センサ等の各種センサ等があげられる。本装置１０は、例えば、バス１０３に接続された通信デバイス１０７により、外部ネットワーク（前記通信回線網）に接続でき、外部ネットワークを介して、ユーザの端末等の他の装置と接続することもできる。
【0018】
メモリ１０２は、例えば、メインメモリ（主記憶装置）が挙げられる。中央処理装置１０１が処理を行う際には、例えば、後述する記憶装置１０４に記憶されている本発明のプログラム等の種々の動作プログラムを、メモリ１０２が読み込み、中央処理装置１０１は、メモリ１０２からデータを受け取って、プログラムを実行する。前記メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。また、メモリ１０２は、例えば、ＲＯＭ（読み出し専用メモリ）であってもよい。
【0019】
記憶装置１０４は、例えば、前記メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。前述のように、記憶装置１０４には、本発明のプログラムを含む動作プログラムが格納されている。記憶装置１０４は、例えば、記録媒体と、記録媒体に読み書きするドライブとの組合せであってもよい。前記記録媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等が挙げられる。記憶装置１０４は、例えば、記録媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）、及びソリッドステートドライブ（ＳＳＤ）であってもよい。本装置１０が前記記憶部を含む場合、例えば、記憶装置１０４は、前記記憶部として機能する。
【0020】
本装置１０において、メモリ１０２及び記憶装置１０４は、ログ情報、外部データベース（図示せず）や外部の装置から取得した情報、本装置１０によって生成した情報、本装置１０が処理を実行する際に用いる情報等の種々の情報を記憶することも可能である。この場合、メモリ１０２及び記憶装置１０４は、例えば、前述の本装置のユーザの情報等を記憶していてもよい。なお、少なくとも一部の情報は、例えば、メモリ１０２及び記憶装置１０４以外の外部サーバに記憶されていてもよいし、複数の端末にブロックチェーン技術等を用いて分散して記憶されていてもよい。
【0021】
本装置１０は、例えば、さらに、入力装置１０５、出力装置１０６を備える。入力装置１０５は、例えば、タッチパネル、トラックパッド、マウス等のポインティングデバイス；キーボード；カメラ、スキャナ等の撮像手段；ＩＣカードリーダ、磁気カードリーダ等のカードリーダ；マイク等の音声入力手段；等があげられる。出力装置１０６は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等の表示装置；スピーカ等の音声出力装置；プリンタ；等があげられる。本実施形態において、入力装置１０５と出力装置１０６とは、別個に構成されているが、入力装置１０５と出力装置１０６とは、タッチパネルディスプレイのように、一体として構成されてもよい。
【0022】
つぎに、本実施形態の因果分析支援方法の一例を、図３及び図４のフローチャートに基づき説明する。本実施形態の因果分析支援方法は、例えば、図１または図２に示す因果分析支援装置１０を用いて、次のように実施できる。なお、本実施形態の因果分析支援方法は、図１または図２の因果分析支援装置１０の使用には限定されない。図３は、本実施形態の因果分析支援装置１０による処理の一例を示すフローチャートである。
【0023】
まず、初期因果モデル取得部１１により、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得する（Ｓ１、初期因果モデル取得工程）。前記因果モデルは、例えば、公知の因果探索手法により、複数の因子（変数ともいう）における因果関係の有無やその方向を探索した結果を示すモデルである。前記因果探索方法は、特に制限されず、例えば、ＬｉＮＧＡＭ（Liner Non-Gaussian Acyclic Model）、ＳＡＭ（Structural Agnostic Modelling）、ベイジアンネットワーク、ＬｉＮＧ（Liner Non-Gaussian SEM）等があげられる。前記因果モデルは、例えば、図５に示すように、複数の因子（例えば、因子Ａ、Ｂ、Ｃ、及びＤ）について、因果関係を矢印で示した有向グラフで表すことができる。図５に示す初期因果モデルでは、例えば、因子Ａは、因子Ｂ、Ｃ、及びＤに対して因果関係があり、因子Ｂは、因子Ｄに対して因果関係があることを示す。初期因果モデル取得部１１は、例えば、前記初期因果モデルを１つ取得してもよいし、２以上の複数取得してもよい。初期因果モデル取得部１１は、例えば、因果探索が可能な外部装置が分析した因果モデルを前記初期因果モデルとして取得してもよいし、前記因果モデルを記録した外部のデータベース又はサーバから前記初期因果モデルを取得してもよい。なお、前記初期因果モデルは、例えば、本装置１０が生成した因果モデルでもよく、この場合、初期因果モデル取得部１１は、例えば、前記因果探索手法により、入力されたデータの因果関係を推定し、前記初期因果モデルを生成できる。
【0024】
つぎに、候補因果モデル生成部１２により、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する（Ｓ２、候補因果モデル生成工程）。候補因果モデル生成部１２による処理の具体例については、後述する。本装置１０は、例えば、前記個体情報に基づく遺伝的アルゴリズムにより候補因果モデルを最適化できるため、適合度の低下を抑制し、且つ因果数を削減した候補因果モデルを生成できる。
【0025】
【0026】
まず、個体情報生成部１２１は、例えば、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成する（Ｓ２１、個体情報生成工程）。具体的に、個体情報生成部１２１は、例えば、因果モデルが含む複数の因子毎に、他の因子に対する因果関係の有無を検出し、因果関係がある（すなわち、グラフにおける矢印が存在する）場合を１、因果関係がない（すなわち、グラフにおける矢印が存在しない）場合を０とし、各因子の因果関係を数値に変換する。具体例として、初期因果モデルが図５に示すグラフである場合を例に挙げて説明する。この場合、因子Ａは、因子Ｂ、Ｃ、Ｄすべてに因果関係がある（因子Ｂ、Ｃ、Ｄに矢印が伸びている）ため、因子Ａの数値情報は、因子Ｂを１、因子Ｃを１、因子Ｄを１とした、（１，１，１）となる。因子Ｂは、因子Ｄにのみ因果関係がある（因子Ｄに矢印が伸びている）ため、因子Ｂの数値情報は、因子Ａを０、因子Ｃを０、因子Ｄを１とした、（０，０，１）となる。因子ＣおよびＤは、他の因子との因果関係がないため、因子ＣおよびＤの数値情報は、いずれも（０，０，０）となる。このため、個体情報生成部１２１は、図５に示す初期因果モデルの個体情報として、因子Ａ、Ｂ、Ｃ、及びＤの数値情報を結合した｛（１，１，１）（０，０，１）（０，０，０）（０，０，０）｝を生成できる。なお、上記の説明では、因果関係がある（すなわち、グラフにおける矢印が存在する）場合を１、因果関係がない（すなわち、グラフにおける矢印が存在しない）場合を０とし、各因子の因果関係を数値情報に変換する場合を例に挙げて説明したが、本発明はこれには限定されない。個体情報生成部１２１は、例えば、因果関係がある場合とない場合とを区別可能なように異なる変数に変換すればよく、因果関係がある場合を０に変換し、因果関係がない場合を１に変換してもよいし、１又は０以外のその他の数値に変換してもよいし、文字や記号等のその他の変数に変換してもよい。前記個体情報は、遺伝的アルゴリズムに利用することから、例えば、遺伝子情報ともいう。
【0027】
つぎに、因果モデル群生成部１２２は、例えば、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成する（Ｓ１２２、因果モデル群生成工程）。具体的に、因果モデル群生成部１２２は、例えば、前記因果モデルの個体情報に対し、前記因果モデル群として、前記初期因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する。具体例として、初期因果モデルの個体情報が、前述の｛（１，１，１）（０，０，１）（０，０，０）（０，０，０）｝である場合を例に挙げて説明する。因果モデル群生成部１２２は、例えば、個体情報｛（１，１，１）（０，０，１）（０，０，０）（０，０，０）｝に対し、個体情報が含む数値情報について、任意の確率で変更した変異個体情報を生成することにより、複数の個体情報により表される因果モデル群を生成できる。また、因果モデル群生成部１２２は、例えば、前記生成した変異個体情報と、初期因果モデルの個体情報とから２個体を選択し、選択した個体同士の個体情報を交差した交差個体情報を生成してもよい。前記交差は、例えば、一点交差でもよいし、二点交差でもよいし、他点交差でもよいし、一様交差でもよい。因果モデル群生成部１２２は、例えば、前記因果モデルが１つの場合は、例えば、前記変異処理によって変異個体情報を生成し、その後、交差処理を行って交差個体情報を生成できるが、前記因果モデルが２以上の複数ある場合は、交差処理及び変異処理の少なくとも一方を実行すればよく、その実行順序も特に制限されない。このようにして、因果モデル群生成部１２２は、例えば、複数の因果モデルを含む因果モデル群を生成できる。
【0028】
つぎに、評価値算出部１２３は、例えば、各因果モデルの評価値を算出する（Ｓ２３、評価値算出工程）。評価値算出部１２３は、例えば、各因果モデルの適合度を算出し、前記適合度を用いたスコア関数により、前記評価値として適応度を算出できる。前記適合度は、特に制限されず、例えば、ＣＦＩ（Comparative Fit Index）、ＲＭＳＥＡ（Root Mean Square Error of Approximation）、ＧＦＩ（Goodness of Fit Index）、ＡＧＦＩ（Adjusted Goodness of Fit Index）、ＡＩＣ（Akaike's Information Criterion）、ＣＡＩＣ（Consistent Akaike's Information Criterion）等があげられる。また、評価値算出部１２３は、例えば、前記評価値の算出に当たり、各因果モデルのエッジ数を考慮してもよい。
【0029】
つぎに、次世代選択部１２４は、例えば、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択する（Ｓ２４、次世代選択工程）。次世代選択部１２４は、例えば、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択できる。前記確率的選択手法は、例えば、ルーレット選択方式でもよいし、ランキング選択形式でもよい。前記ルーレット選択方式は、例えば、全因果モデルの評価値の割合を算出し、前記割合に応じて選択確率を割りあて、割り当てた確率に基づいて因果モデルを選択する方式である。前記ランキング選択形式は、例えば、前記評価値の順位と、選択される確率とを予め紐づけておき、各因果モデルの評価値の順序に応じた確率で次世代の因果モデルを選択する方式である。この場合において、前記評価値の順序ごとの確率は、特に制限されず、例えば、データ分析の目的などに応じて適宜設定できる。前記ルール選択手法は、例えば、トーナメント選択方式でもよいし、エリート選択方式でもよい。前記トーナメント選択形式は、例えば、ランダムに複数の因果モデルを選択し、選択した因果モデルの中で評価値が高い２個体を選択する方式である。前記エリート選択方式は、例えば、前記評価値が高い因果モデルを少なくとも１つ選択する選択方式である。また、次世代選択部１２４は、例えば、選択した候補因果モデル及びその評価値の組を、メモリ１０２又は記憶装置１０４に記憶しておき、次回の候補因果モデル選択時に、記憶した候補因果モデルと次世代の候補因果モデルとをさらに比較してもよい。
【0030】
つぎに、判定部１２５は、前記候補因果モデルが終了条件を満たすか否かを判定する（Ｓ２５、判定工程）。前記終了条件は、特に制限されず、例えば、データ分析の目的等に応じて適宜設定できる。具体的に、判定部１２５は、次世代選択部１２４により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定できる。前記所定回数は、特に制限されず、データ分析の目的や、所望する因果数等に応じて適宜設定でき、具体例として、例えば、１０回、９回、８回、７回、６回、５回、４回、３回、２回、１回等があげられるが、これには制限されない。
【0031】
本装置１０は、例えば、前記候補因果モデルが前記終了条件を満たさない場合（Ｓ２５、Ｎｏ）、前記初期因果モデルに代えて、前記候補因果モデルを用いて、個体情報生成部１２１、因果モデル群生成部１２２、評価値算出部１２３、次世代選択部１２４、及び判定部１２５による処理を繰り返してもよい。この場合、個体情報生成部１２１および因果モデル群生成部１２２において、前記初期因果モデルに代えて、前記選択された候補次世代の因果モデルを使用すること以外は同様にして処理を実行できる。
【0032】
そして、候補因果モデル出力部１２６は、例えば、前記候補因果モデルが前記終了条件を満たす場合（Ｓ２５、Ｙｅｓ）、前記終了条件を満たす候補因果モデルを出力し（Ｓ２６、候補因果モデル出力工程）、処理を終了する（ＥＮＤ）。候補因果モデル出力部１２６は、例えば、前記候補因果モデルと併せて、前記候補因果モデルの評価値を出力してもよい。候補因果モデル出力部１２６は、例えば、前記候補因果モデルを公知の因果推論処理が可能な装置に出力し、前記装置により、前記候補因果モデルの適応度を再計算させてもよい。この場合、前記装置により、前記候補因果モデルの適応度が再計算され、可視化された候補因果モデルと適応度とを確認することができる。
【0033】
図６を用いて、本装置１０による候補因果モデルの例について説明する。図６（Ａ）は、ＬｉＮＧにより生成した初期因果モデルであり、因果の重みの閾値を０．０１に設定した場合の因果モデルであり、図６（Ｂ）は、図６（Ａ）の初期因果モデルにおける因果の重みについて、閾値を０．３に設定し、閾値以下の因果関係について間引いた場合の因果モデルであり、図６（Ｃ）は、図６（Ａ）の初期因果モデルを本装置１０に入力して得られた候補因果モデルの例である。図６（Ａ）に示すように、ＬｉＮＧにより生成した初期因果モデルは、多因子間の因果関係が非常に複雑で、解釈が困難である。閾値を０．０１から０．３に変更し、因果関係を間引いた図６（Ｂ）の因果モデルは、因果数が減って解釈が可能であるが、適合度（ＣＦＩ）が０．８２２であり、図６（Ａ）の初期因果モデルの適合度（ＣＦＩ）０．９８８から大幅に減少しており、適切なモデルからは離れている。これに対し、本発明の因果分析支援装置に図６（Ａ）の初期因果モデルを入力して得られた候補因果モデルは、図６（Ｃ）に示すように、解釈が可能な程度に因果数が減少しており、且つ、適合度（ＣＦＩ）も０．９１７と十分な値を維持していることがわかる。
【0034】
本実施形態の因果分析支援装置によれば、前記個体情報に基づく遺伝的アルゴリズムにより候補因果モデルを最適化できるため、適合度の低下を抑制し、且つ因果数を削減した候補因果モデルを生成できる。このため、本実施形態の因果分析支援装置は、例えば、心理尺度分析、顧客購買分析、製品特性分析、社会行動分析、ニーズ分析等の、多数の変数間の因果関係の推定に特に好適に利用できる。
【0035】
［実施例１］
本発明の因果分析支援装置が、因果数の多い多変数データにおける因果分析に適していることを確認した。
本発明の因果分析支援装置が、因果数の多い多変数データにおける因果分析に適していることを確認した。
【0036】
まず、ＬｉＮＧＡＭで生成した初期因果モデルを利用し、因果数を５～１５まで変化させた因果モデルを用意した。そして、本発明の因果分析支援装置により、遺伝的アルゴリズムを用いて各因果モデルが最適化されるまでの処理時間を計測した（実施例１）。実施例の終了条件は、ＣＦＩが０．９５以上、且つ、５回同じ結果が出るまでに設定した。また、比較例１として、総当たり因果探索により各因果モデルが最適化されるまでの処理時間を計測した。比較例の終了条件は、全パターンの最適化処理完了までとした。結果を図７に示す。
【0037】
図７に示すように、総当たりを行った比較例１は、因果数に比例して処理時間が長くなったのに対し、遺伝的アルゴリズムにより処理を行った実施例１は、因果数が増加しても処理時間が変わらなかった。このため、本発明の因果分析支援装置は、因果数が多い因果モデルにおける最適化に適していることが示唆された。
【0038】
［実施形態２］
本実施形態のプログラムは、前述の因果分析支援方法の各工程を、コンピュータに実行させるためのプログラムである。具体的に、本実施形態のプログラムは、コンピュータに、初期因果モデル取得手順及び候補因果モデル生成手順を実行させるためのプログラムである。
本実施形態のプログラムは、前述の因果分析支援方法の各工程を、コンピュータに実行させるためのプログラムである。具体的に、本実施形態のプログラムは、コンピュータに、初期因果モデル取得手順及び候補因果モデル生成手順を実行させるためのプログラムである。
【0039】
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する。
【0040】
また、本実施形態のプログラムは、コンピュータを、初期因果モデル取得手順及び候補因果モデル生成手順として機能させるプログラムということもできる。
【0041】
本実施形態のプログラムは、前記本発明の因果分析支援装置および因果分析支援方法における記載を援用できる。前記各手順は、例えば、「手順」を「処理」と読み替え可能である。また、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体は、例えば、非一時的なコンピュータ可読記録媒体（non-transitory computer-readable storage medium）である。前記記録媒体は、特に制限されず、例えば、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等があげられる。
【0042】
以上、実施形態を参照して本発明を説明したが、本発明は、上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をできる。
【0043】
＜付記＞
上記の実施形態の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援装置。
（付記２）
前記候補因果モデル生成部は、個体情報生成部、因果モデル群生成部、評価値算出部、次世代選択部、判定部、及び候補因果モデル出力部を含み、
前記個体情報生成部は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成部は、前記因果モデルの個体情報に基づいて、複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出部は、各因果モデルの評価値を算出し、
前記次世代選択部は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定部は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成部、前記因果モデル群生成部、前記評価値算出部、前記次世代選択部、及び前記判定部による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力部は、前記終了条件を満たす候補因果モデルを出力する、付記１記載の因果分析支援装置。
（付記３）
前記判定部は、前記次世代選択部により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記２記載の因果分析支援装置。
（付記４）
前記次世代選択部は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記２又は３記載の因果分析支援装置。
（付記５）
前記因果モデル群生成部は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記２から４のいずれかに記載の因果分析支援装置。
（付記６）
初期因果モデル取得工程及び候補因果モデル生成工程を含み、
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援方法。
（付記７）
前記候補因果モデル生成工程は、個体情報生成工程、因果モデル群生成工程、評価値算出工程、次世代選択工程、判定工程、及び候補因果モデル出力工程を含み、
前記個体情報生成工程は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成工程は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出工程は、各因果モデルの評価値を算出し、
前記次世代選択工程は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定工程は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成工程、前記因果モデル群生成工程、前記 前記候補因果モデルが前記終了条件を満たす場合、評価値算出工程、前記次世代選択工程、及び前記判定工程による処理を繰り返し、
前記候補因果モデル出力工程は、前記終了条件を満たす候補因果モデルを出力する、
付記６記載の因果分析支援方法。
（付記８）
前記判定工程は、前記次世代選択工程により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記７記載の因果分析支援装置。
（付記９）
前記次世代選択工程は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記７又は８記載の因果分析支援方法。
（付記１０）
前記因果モデル群生成工程は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記７から９のいずれかに記載の因果分析支援方法。
（付記１１）
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラム。
（付記１２）
前記候補因果モデル生成手順は、個体情報生成手順、因果モデル群生成手順、評価値算出手順、次世代選択手順、判定手順、及び候補因果モデル出力手順を含み、
前記個体情報生成手順は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成手順は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出手順は、各因果モデルの評価値を算出し、
前記次世代選択手順は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定手順は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成手順、前記因果モデル群生成手順、前記評価値算出手順、前記次世代選択手順、及び前記判定手順による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力手順は、前記終了条件を満たす候補因果モデルを出力する、
付記１１記載のプログラム。
（付記１３）
前記判定手順は、前記次世代選択手順により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記１２記載のプログラム。
（付記１４）
前記次世代選択手順は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記１２又は１３記載のプログラム。
（付記１５）
前記因果モデル群生成手順は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記１２から１４のいずれかに記載のプログラム。
（付記１６）
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
（付記１７）
前記候補因果モデル生成手順は、個体情報生成手順、因果モデル群生成手順、評価値算出手順、次世代選択手順、判定手順、及び候補因果モデル出力手順を含み、
前記個体情報生成手順は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成手順は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出手順は、各因果モデルの評価値を算出し、
前記次世代選択手順は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定手順は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成手順、前記因果モデル群生成手順、前記評価値算出手順、前記次世代選択手順、及び前記判定手順による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力手順は、前記終了条件を満たす候補因果モデルを出力する、
付記１６記載の記録媒体。
（付記１８）
前記判定手順は、前記次世代選択手順により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記１７記載の記録媒体。
（付記１９）
前記次世代選択手順は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記１７又は１８記載の記録媒体。
（付記２０）
前記因果モデル群生成手順は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記１７から１９のいずれかに記載の記録媒体。
上記の実施形態の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
初期因果モデル取得部及び候補因果モデル生成部を含み、
前記初期因果モデル取得部は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成部は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援装置。
（付記２）
前記候補因果モデル生成部は、個体情報生成部、因果モデル群生成部、評価値算出部、次世代選択部、判定部、及び候補因果モデル出力部を含み、
前記個体情報生成部は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成部は、前記因果モデルの個体情報に基づいて、複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出部は、各因果モデルの評価値を算出し、
前記次世代選択部は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定部は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成部、前記因果モデル群生成部、前記評価値算出部、前記次世代選択部、及び前記判定部による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力部は、前記終了条件を満たす候補因果モデルを出力する、付記１記載の因果分析支援装置。
（付記３）
前記判定部は、前記次世代選択部により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記２記載の因果分析支援装置。
（付記４）
前記次世代選択部は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記２又は３記載の因果分析支援装置。
（付記５）
前記因果モデル群生成部は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記２から４のいずれかに記載の因果分析支援装置。
（付記６）
初期因果モデル取得工程及び候補因果モデル生成工程を含み、
前記初期因果モデル取得工程は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成工程は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成する、因果分析支援方法。
（付記７）
前記候補因果モデル生成工程は、個体情報生成工程、因果モデル群生成工程、評価値算出工程、次世代選択工程、判定工程、及び候補因果モデル出力工程を含み、
前記個体情報生成工程は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成工程は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出工程は、各因果モデルの評価値を算出し、
前記次世代選択工程は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定工程は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成工程、前記因果モデル群生成工程、前記 前記候補因果モデルが前記終了条件を満たす場合、評価値算出工程、前記次世代選択工程、及び前記判定工程による処理を繰り返し、
前記候補因果モデル出力工程は、前記終了条件を満たす候補因果モデルを出力する、
付記６記載の因果分析支援方法。
（付記８）
前記判定工程は、前記次世代選択工程により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記７記載の因果分析支援装置。
（付記９）
前記次世代選択工程は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記７又は８記載の因果分析支援方法。
（付記１０）
前記因果モデル群生成工程は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記７から９のいずれかに記載の因果分析支援方法。
（付記１１）
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラム。
（付記１２）
前記候補因果モデル生成手順は、個体情報生成手順、因果モデル群生成手順、評価値算出手順、次世代選択手順、判定手順、及び候補因果モデル出力手順を含み、
前記個体情報生成手順は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成手順は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出手順は、各因果モデルの評価値を算出し、
前記次世代選択手順は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定手順は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成手順、前記因果モデル群生成手順、前記評価値算出手順、前記次世代選択手順、及び前記判定手順による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力手順は、前記終了条件を満たす候補因果モデルを出力する、
付記１１記載のプログラム。
（付記１３）
前記判定手順は、前記次世代選択手順により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記１２記載のプログラム。
（付記１４）
前記次世代選択手順は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記１２又は１３記載のプログラム。
（付記１５）
前記因果モデル群生成手順は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記１２から１４のいずれかに記載のプログラム。
（付記１６）
初期因果モデル取得手順及び候補因果モデル生成手順を含み、
前記初期因果モデル取得手順は、初期因果モデルとして、複数の因子の因果関係を含む因果モデルを取得し、
前記候補因果モデル生成手順は、前記因果モデルが含む前記複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、前記個体情報に基づいて、遺伝的アルゴリズムを用いて候補因果モデルを生成し、
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
（付記１７）
前記候補因果モデル生成手順は、個体情報生成手順、因果モデル群生成手順、評価値算出手順、次世代選択手順、判定手順、及び候補因果モデル出力手順を含み、
前記個体情報生成手順は、前記因果モデルが含む複数の因子の因果関係に基づいて、因果モデルの個体情報を生成し、
前記因果モデル群生成手順は、前記因果モデルの個体情報に基づいて、因果モデルを含む複数の因果モデルを含む因果モデル群を生成し、
前記評価値算出手順は、各因果モデルの評価値を算出し、
前記次世代選択手順は、前記評価値に基づいて、前記因果モデル群から候補因果モデルを選択し、
前記判定手順は、前記候補因果モデルが終了条件を満たすか否かを判定し、
前記候補因果モデルが前記終了条件を満たさない場合、前記個体情報生成手順、前記因果モデル群生成手順、前記評価値算出手順、前記次世代選択手順、及び前記判定手順による処理を繰り返し、
前記候補因果モデルが前記終了条件を満たす場合、前記候補因果モデル出力手順は、前記終了条件を満たす候補因果モデルを出力する、
付記１６記載の記録媒体。
（付記１８）
前記判定手順は、前記次世代選択手順により、同一の因果モデルが前記候補因果モデルとして所定回数選択された場合に、前記候補因果モデルが終了条件を満たすと判定する、付記１７記載の記録媒体。
（付記１９）
前記次世代選択手順は、確率的選択手法及びルール選択の少なくとも一方の手法を用いて、前記候補因果モデルを選択する、付記１７又は１８記載の記録媒体。
（付記２０）
前記因果モデル群生成手順は、因果モデルの個体情報に対し、交差及び変異の少なくとも一方を行い、複数の因果モデルを生成する、付記１７から１９のいずれかに記載の記録媒体。
【産業上の利用可能性】
【0044】
本発明によれば、因果モデルの個体情報に基づく遺伝的アルゴリズムにより候補因果モデルを最適化できるため、適合度の低下を抑制し、且つ因果数を削減した候補因果モデルを生成できる。このため、本実発明の因果分析支援装置は、例えば、因果関係の分析を利用する分野において利用でき、特に、心理尺度分析、顧客購買分析、製品特性分析、社会行動分析、ニーズ分析等の、多数の変数間の因果関係の推定に特に好適に利用できる。
【符号の説明】
【0045】
１０ 因果分析支援装置
１１ 初期因果モデル取得部
１２ 候補因果モデル生成部
１２１ 個体情報生成部
１２２ 因果モデル群生成部
１２３ 評価値算出部
１２４ 次世代選択部
１２５ 判定部
１２６ 候補因果モデル出力部
１０１ ＣＰＵ
１０２ メモリ
１０３ バス
１０４ 記憶装置
１０５ 入力装置
１０６ 出力装置
１０７ 通信デバイス
１１ 初期因果モデル取得部
１２ 候補因果モデル生成部
１２１ 個体情報生成部
１２２ 因果モデル群生成部
１２３ 評価値算出部
１２４ 次世代選択部
１２５ 判定部
１２６ 候補因果モデル出力部
１０１ ＣＰＵ
１０２ メモリ
１０３ バス
１０４ 記憶装置
１０５ 入力装置
１０６ 出力装置
１０７ 通信デバイス
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】