特許 7448992 情報処理方法、情報処理装置、およびプログラム

(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】

(24)【登録日】2024-03-05

(45)【発行日】2024-03-13

(54)【発明の名称】情報処理方法、情報処理装置、およびプログラム

(51)【国際特許分類】

   G06Q 50/02 20240101AFI20240306BHJP

【ＦＩ】

G06Q50/02

【請求項の数】 12

(21)【出願番号】P 2022503030

(86)(22)【出願日】2020-02-28

(86)【国際出願番号】 JP2020008445

(87)【国際公開番号】W WO2021171591

(87)【国際公開日】2021-09-02

【審査請求日】2022-06-09

(73)【特許権者】

【識別番号】522230624

【氏名又は名称】園生 裕造

(74)【代理人】

【識別番号】110003281

【氏名又は名称】弁理士法人大塚国際特許事務所

(72)【発明者】

【氏名】園生 裕造

【審査官】松野 広一

(56)【参考文献】

【文献】特開２００６－００４３６２（ＪＰ，Ａ）

【文献】特開平１１－２９０５５３（ＪＰ，Ａ）

【文献】特表２０１２－５０１６７１（ＪＰ，Ａ）

【文献】樋口 尚吾 外４名，投票行動時系列データ解析に基づく意思決定戦略に関する考察，電子情報通信学会技術研究報告，日本，一般社団法人電子情報通信学会，2015年06月11日，Vol.115 No.97，pp.7-11，ISSN 0913-5685

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

動物の潜在的競技パフォーマンスを予測する情報処理装置によって実行される情報処理方法であって、
対象の動物の両親の識別情報を含むパラメータを取得する取得工程と、
前記取得工程において取得した前記対象の動物の両親の前記識別情報に基づき、前記対象の動物の祖先にあたる動物を特定する特定工程と、
前記特定工程において特定した前記対象の動物の祖先にあたる前記動物の評価値に基づいて、前記対象の動物の潜在的競技パフォーマンスを予測する予測工程と
を含み、
前記潜在的競技パフォーマンスは、競技における獲得賞金及び出場回数の少なくともいずれかを含み、
前記評価値は、前記対象の動物の祖先にあたる動物のそれぞれについて求められた、前記対象の動物の祖先にあたる動物と、その子孫の動物との競技パフォーマンスの平均および分散であり、
前記競技パフォーマンスは、競技における獲得賞金及び出場回数の少なくともいずれかを含み、
前記予測工程において、前記対象の動物の潜在的競技パフォーマンスは、機械学習で得られたモデルであって、前記対象の動物の祖先にあたる動物の評価値を入力として、前記対象の動物の潜在的競技パフォーマンスの予測値を出力する前記モデルに基づいて予測されることを特徴とする情報処理方法。

【請求項2】

複数の動物及び前記複数の動物の祖先にあたる動物の評価値と競技パフォーマンスとに基づいて前記モデルを学習する学習工程をさらに備えることを特徴とする請求項１に記載の情報処理方法。

【請求項3】

前記対象の動物は馬であり、
前記競技パフォーマンスは、競馬のレースにおける獲得賞金および出走回数の少なくともいずれかであることを特徴とする請求項１または２に記載の情報処理方法。

【請求項4】

前記対象の動物の祖先にあたる前記動物は、前記対象の動物の母馬、父馬、父母馬、父父馬、母母馬、母父馬、父父父馬、父父母馬、父母父馬、父母母馬、母父父馬、母父母馬、母母父馬、および母母母馬の少なくともいずれかを含むことを特徴とする請求項３に記載の情報処理方法。

【請求項5】

前記パラメータは、前記対象の動物を出産した母馬の年齢、前記対象の動物の毛色、および前記対象の動物の性別の少なくともいずれかを含み、
前記予測工程において、前記対象の動物の潜在的競技パフォーマンスは、前記対象の動物を出産した母馬の年齢、前記対象の動物の毛色、および前記対象の動物の性別の少なくともいずれかにさらに基づいて予測されることを特徴とする請求項３または４に記載の情報処理方法。

【請求項6】

通信部を介して、前記予測工程において予測した前記対象の動物の前記潜在的競技パフォーマンスを外部装置に提供する提供工程をさらに備え、
前記取得工程において、前記パラメータは前記通信部を介して前記外部装置から取得されることを特徴とする請求項１から５のいずれか１項に記載の情報処理方法。

【請求項7】

表示部を介して、前記予測工程において予測した前記対象の動物の前記潜在的競技パフォーマンスをユーザに提供する提供工程をさらに備え、
前記取得工程において、前記パラメータはユーザインタフェースを介して取得されることを特徴とする請求項１から５のいずれか１項に記載の情報処理方法。

【請求項8】

前記対象の動物の祖先にあたる前記動物の評価値が欠落している場合に、前記対象の動物の祖先にあたる前記動物の欠落している評価値を、前記対象の動物の祖先にあたる前記動物と血縁関係にある動物の評価値に基づいて補完する補完工程をさらに備えることを特徴とする請求項１から７のいずれか１項に記載の情報処理方法。

【請求項9】

馬の潜在的競技パフォーマンスを予測する情報処理装置によって実行される情報処理方法であって、
対象の馬の父馬および母馬の識別情報、前記対象の馬の性別、毛色、ならびに前記対象の馬を出産した時点での母馬の年齢を含むパラメータを取得する取得工程と、
前記取得工程において取得した前記パラメータに基づいて、前記対象の馬の出走回数および獲得賞金を含む潜在的競技パフォーマンスを予測する予測工程と、
前記取得工程において取得された前記パラメータに基づいて予測された前記潜在的競技パフォーマンスを出力する出力工程と、
を含み、
前記予測工程において、前記対象の動物の潜在的競技パフォーマンスは、機械学習で得られたモデルであって、前記パラメータを入力として、前記対象の動物の潜在的競技パフォーマンスの予測値を出力する前記モデルに基づいて予測され、
前記出力工程において、前記対象の馬の前記潜在的競技パフォーマンスはネットワークを介して外部装置に送信される、または前記情報処理装置のディスプレイに表示される
ことを特徴とする情報処理方法。

【請求項10】

動物の潜在的競技パフォーマンスを予測する情報処理装置であって、
１以上のプロセッサと、
メモリと、
前記メモリに格納されたプログラムであって、前記１以上のプロセッサにより実行されると、請求項１から９のいずれか１項に記載の情報処理方法を前記情報処理装置に実行させるための命令群を含むプログラムと
を備える情報処理装置。

【請求項11】

動物の潜在的競技パフォーマンスを予測する情報処理装置であって、
対象の動物の両親の識別情報を含むパラメータを取得する取得手段と、
前記取得手段が取得した前記対象の動物の両親の前記識別情報に基づき、前記対象の動物の祖先にあたる動物を特定する特定手段と、
前記特定手段が特定した前記対象の動物の祖先にあたる前記動物の評価値に基づいて、前記対象の動物の潜在的競技パフォーマンスを予測する予測手段と、
を含み、
前記潜在的競技パフォーマンスは、競技における獲得賞金及び出場回数の少なくともいずれかを含み、
前記評価値は、前記対象の動物の祖先にあたる動物のそれぞれについて求められた、前記対象の動物の祖先にあたる動物と、その子孫の動物との競技パフォーマンスの平均および分散であり、
前記競技パフォーマンスは、協議における獲得賞金及び出場回数の少なくともいずれかを含み、
前記予測手段は、機械学習で得られたモデルであって、前記対象の動物の祖先にあたる動物の評価値を入力として、前記対象の動物の潜在的競技パフォーマンスの予測値を出力する前記モデルに基づいて前記対象の動物の潜在的競技パフォーマンスを予測することを特徴とする情報処理装置。

【請求項12】

請求項１から９のいずれか１項に記載の情報処理方法をコンピュータに実行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、情報処理方法、情報処理装置、およびプログラムに関するものである。

【背景技術】

【0002】

これまで、サラブレッド競走馬のような対象の生物学的パラメータに基づいて、当該対象の潜在的競技パフォーマンスを予測するための方法が提案されている。特許文献１には、１以上の一塩基多型の存在に基づいて競技パフォーマンスを予測する方法が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特表２０１２－５０１６７１号公報

【発明の概要】

【0004】

発明の実施態様のうちの一つによれば、動物の潜在的競技パフォーマンスを予測する情報処理装置によって実行される情報処理方法は、対象の動物の両親の識別情報を含むパラメータを取得する取得工程と、前記取得工程において取得した前記対象の動物の両親の前記識別情報に基づき、前記対象の動物の祖先にあたる動物を特定する特定工程と、前記特定工程において特定した前記対象の動物の祖先にあたる前記動物の評価値に基づいて、前記対象の動物の潜在的競技パフォーマンスを予測する予測工程とを含み、前記潜在的競技パフォーマンスは、競技における獲得賞金及び出場回数の少なくともいずれかを含み、
前記評価値は、前記対象の動物の祖先にあたる動物のそれぞれについて求められた、前記対象の動物の祖先にあたる動物と、その子孫の動物との競技パフォーマンスの平均および分散であり、前記競技パフォーマンスは、競技における獲得賞金及び出場回数の少なくともいずれかを含み、前記予測工程において、前記対象の動物の潜在的競技パフォーマンスは、機械学習で得られたモデルであって、前記対象の動物の祖先にあたる動物の評価値を入力として、前記対象の動物の潜在的競技パフォーマンスの予測値を出力する前記モデルに基づいて予測される。

【図面の簡単な説明】

【0005】

添付図面は明細書に含まれ、その一部を構成し、本発明の実施の形態を示し、その記述と共に本発明の原理を説明するために用いられる。

【図1】第１の実施形態に係る情報処理装置のハードウェア構成図。

【図2】第１の実施形態に係る情報処理装置のソフトウェア構成図。

【図3】第１の実施形態に係る情報処理装置が有する競走馬データのデータ構造の一例を示す図。

【図4】第１の実施形態に係る情報処理装置が有する繁殖馬データのデータ構造の一例を示す図。

【図5A】第１の実施形態に係る情報処理装置が実行する学習処理の一例を示すフローチャート。

【図5B】第１の実施形態に係る情報処理装置が実行する学習処理の一例を示すフローチャート。

【図6】第１の実施形態に係る情報処理装置が実行する予測処理の一例を示すフローチャート。

【図7】第２の実施形態に係る情報処理装置が実行する補完処理の一例を示すフローチャート。

【図8】競走馬の血縁関係および競走馬の競技パフォーマンスの一例を示す図。

【図9A】機械学習モデルの説明変数の一例を示す図。

【図9B】機械学習モデルの目的変数の一例を示す図。

【図10】機械学習モデルの一例を示す図。

【発明を実施するための形態】

【0006】

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴は任意に組み合わされてもよい。また、同一若しくは同様の構成には同一の参照番号を付し、重複した説明は省略する。

【0007】

＜第１の実施形態＞
以下、本実施形態に係る情報処理装置について説明する。情報処理装置は、動物の潜在的競技パフォーマンスを予測する情報処理方法を実行する。本実施形態では、予測対象の動物を、馬、特には、幼駒を対象とする場合を説明する。具体的には、幼駒の父馬、母馬などの、幼駒と血統関係にある馬（本明細書では血縁馬と呼ぶ）の競技パフォーマンスに基づいて、幼駒の潜在的競技パフォーマンスを予測する。本実施形態では、潜在的競技パフォーマンスとは、競馬のレースの出場回数、獲得賞金であるものとして説明を行う。なお、本実施形態では、潜在的競技パフォーマンスを予測する対象の動物として馬を例に説明を行うが、それ以外にも牛、犬、鶏などの任意の動物の潜在的競技パフォーマンスを予測するためにも本実施形態を適用することができる。この場合、競技パフォーマンスは動物が参加する競技に合わせて選択することができる。

【0008】

図１は、本実施形態に係る情報処理装置１のハードウェア構成図である。情報処理装置１は、プロセッサ１０１、メモリ１０２、ストレージ１０３、およびネットワークＩ／Ｆ（インタフェース）１０４を有する。これらの構成要素は、バス１０５を介して相互に通信可能である。

【0009】

プロセッサ１０１は、システム制御部であり、情報処理装置１の全体を制御する。プロセッサ１０１は、ストレージ１０３に格納されたプログラム（命令群）またはオペレーティングシステム（ＯＳ）を実行するＣＰＵ、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、およびマイクロコントローラの少なくとも何れかを含む。

【0010】

メモリ１０２は、プロセッサ１０１のワークメモリとして用いられるＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などで構成される。

【0011】

ストレージ１０３は、プロセッサ１０１が実行するプログラム、ＯＳ、並びにプログラムによって使用されるデータテーブルおよび設定値の少なくとも何れかを格納するＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）を含む。また、ストレージ１０３は、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ ＥＰＲＯＭ）を含んでもよい。

【0012】

ネットワークＩ／Ｆ１０４は、外部装置（不図示）と接続し、データ通信を実行するための通信部であって、有線ネットワークＩ／Ｆおよび無線ネットワークＩ／Ｆの少なくとも何れかを含む。無線ネットワークＩ／Ｆは、Ｗｉ－Ｆｉ（ＷｉｒｅｌｅｓｓＦｉｄｅｌｉｔｙ）（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）等に準拠した無線通信を行いうる。

【0013】

なお、一例では、情報処理装置１は、ユーザ操作を受け付けるキーボードおよびタッチパネルなどの入力部、ならびにディスプレイやスピーカーなどの出力部の少なくともいずれかを含むユーザインタフェース（ＵＩ）を備えてもよい。

【0014】

情報処理装置１は、例えばパーソナルコンピュータ、携帯電話、スマートフォン、ＰＤＡ、タブレット端末、ウェアラブル端末などの任意の情報処理端末、或いはパフォーマンス予測装置として実現することができる。

【0015】

図２は、本実施形態に係る情報処理装置１のソフトウェア構成を表す図である。図２に示す情報処理装置１のソフトウェアモジュールは、プロセッサ１０１がストレージ１０３に格納されたプログラムを実行することで実現される。情報処理装置１のソフトウェアモジュールは、競走馬データ管理部２０１、繁殖馬データ管理部２０２、幼駒パラメータ取得部２０３、血縁馬特定部２０４、学習部２０５、予測部２０６、および提供部２０７を含む。

【0016】

競走馬データ管理部２０１は、過去の競走馬の成績や血統などのデータをストレージ１０３で管理する。一例では、競走馬データ管理部２０１は、競走馬のデータをネットワークＩ／Ｆ１０４を介して受信した場合には、ストレージ１０３に格納されたデータを更新してもよい。また、競走馬データ管理部２０１は、定期的にインターネット上のデータベースにアクセスし、新しい競走馬データを取得してもよい。

【0017】

繁殖馬データ管理部２０２は、仔馬を生むために牧場に繁養されている馬のデータをストレージ１０３で管理する。一例では、繁殖馬データ管理部２０２は、繁殖馬のデータを新たにネットワークＩ／Ｆ１０４を介して受信した場合には、ストレージ１０３に格納されたデータを更新してもよい。また、繁殖馬データ管理部２０２は、定期的にインターネット上のデータベースにアクセスし、新しい繁殖馬データを取得してもよい。

【0018】

幼駒パラメータ取得部２０３は、潜在的競技パフォーマンスを予測すべき幼駒のパラメータを取得する。一例では、幼駒パラメータ取得部２０３は、ネットワークＩ／Ｆ１０４を介して外部装置から幼駒のパラメータを取得してもよい。また、一例では、情報処理装置１は、ユーザインタフェース（ＵＩ）（不図示）を備え、ＵＩを介して潜在的競技パフォーマンスを予測すべき幼駒のパラメータを取得してもよい。幼駒のパラメータは、幼駒の性別、両親を特定可能な情報などを含む。幼駒のパラメータの詳細については後述する。

【0019】

血縁馬特定部２０４は、幼駒パラメータ取得部２０３が取得したパラメータに基づいて、潜在的競技パフォーマンスを予測すべき幼駒と血縁関係にある馬を特定する。一例では、血縁馬特定部２０４は、幼駒の父馬、母馬、父父馬（父馬の父親、即ち、幼駒の父方の祖父）、父母馬（母馬の父親、即ち、幼駒の母方の祖父）、母父馬（父馬の母親、即ち、幼駒の父方の祖母）、母母馬（母馬の母親、即ち、幼駒の母方の祖母）を特定する。また、一例では、血縁馬特定部２０４は、幼駒の兄弟、従兄弟、従姉妹にあたる馬を特定する。また、一例では、血縁馬特定部２０４は、幼駒の父馬、母馬、父父馬、父母馬、母父馬、および母母馬、並びにこれらの子孫にあたる馬を特定する。

【0020】

学習部２０５は、競走馬データ管理部２０１および繁殖馬データ管理部２０２が管理する競走馬データおよび繁殖馬データに基づいて、予測部２０６が保持する機械学習モデルのパラメータを調整する。例えば、学習部２０５は、ランダムフォレスト、ニューラルネットワーク、パーセプトロンなど、公知の機械学習アルゴリズムを使用して、機械学習モデルのパラメータの調整を行う学習処理を実行可能である。学習部２０５が実行する学習処理の詳細な説明については図５Ａおよび図５Ｂを参照して後述する。

【0021】

予測部２０６は、幼駒パラメータ取得部２０３が取得した幼駒のパラメータに基づいて、機械学習モデルに入力する入力データを生成する。また、予測部２０６は、生成した入力データを機械学習モデルに入力し、出力として競技パフォーマンスの予測値を得る。予測部２０６の詳細な説明については図６を参照して後述する。

【0022】

提供部２０７は、予測部２０６によって予測された幼駒の潜在的競技パフォーマンスをユーザまたは外部装置に提供する。例えば、提供部２０７は、ネットワークＩ／Ｆ１０４を介して外部装置に幼駒の競技パフォーマンスの予測値を送信してもよい。あるいは、情報処理装置１がディスプレイ、スピーカー、プリンタなどの出力装置を備える場合には、これらの出力装置の少なくとも何れかによって情報処理装置１のユーザに幼駒の競技パフォーマンスの予測値を提示してもよい。

【0023】

次に、図３を参照して、競走馬データ管理部２０１が管理する競走馬データの一例について説明する。

【0024】

競走馬データ管理部２０１が管理するデータは、識別情報３０１、馬名３０２、生年月日３０３、性別３０４、品種３０５、毛色３０６、実績情報３０７、および血縁馬識別情報３０８を含む。

【0025】

識別情報３０１は、競走馬の識別子である。馬名３０２は、競走馬につけられた名前である。生年月日３０３は、競走馬の生年月日に対応する情報である。性別３０４は、競走馬の性別に関する情報である。品種３０５は、「サラブレッド」、「サラブレッド系種」、「準サラブレッド」、「アングロアラブ」などの競走馬の品種を指し示す情報である。毛色３０６は、「栗毛」、「栃栗毛」、「鹿毛」、「黒鹿毛」、「青鹿毛」などの競走馬の毛色を指し示す情報である。

【0026】

実績情報３０７は、競走馬のこれまでの実績情報を示す情報で、本実施形態では、実績情報３０７は出走回数情報３０９および賞金情報３１０を含む。出走回数情報３０９は、競走馬が現在までに何回レースに出場したかを示す情報である。一例では、出走回数情報３０９は、レースの種類ごとの出走回数に関する情報を含んでもよい。賞金情報３１０は、競走馬のこれまでの獲得賞金額（収得賞金）を示す情報である。

【0027】

なお、一例では、実績情報３０７は、競走馬の着順や、競走馬が出場したレースの種別（芝、ダート、障害、右回り、左回り）や、競走馬が出場したレースの着順またはそれぞれの着順になった回数を更に含むことができる。すなわち、実績情報３０７は、競走馬の競技パフォーマンスを指し示す指標であれば任意の情報を含みうる。

【0028】

血縁馬識別情報３０８は、競走馬と血縁関係にある馬の識別情報を示す。本実施形態に係る血縁馬識別情報３０８は、父馬識別情報３１１、母馬識別情報３１２、父父馬識別情報３１３、父母馬識別情報３１４、母父馬識別情報３１５、および母母馬識別情報３１６を含む。

【0029】

父馬識別情報３１１は、父馬の識別情報であり、例えばある競走馬の競走馬データに含まれる父馬識別情報３１１と、当該競走馬の父馬の競走馬データに含まれる識別情報３０１とが対応付けられていてもよい。また、ある競走馬の競走馬データに含まれる父馬識別情報３１１と、当該競走馬の父馬の繁殖馬データに含まれる識別情報とが対応付けられてもよい。母馬識別情報３１２は母馬の、父父馬識別情報３１３は父父馬（父馬の父馬）の識別情報を示す。同様に、父母馬識別情報３１４は父母馬、母父馬識別情報３１５は母父馬、母母馬識別情報３１６は母母馬の識別情報を示す。本実施形態では、競走馬の血縁に関する情報として、父馬、母馬、父父馬、父母馬、母父馬、母母馬の、二世代前までの祖先の馬を特定可能な情報を含むものとして説明するが、当然ながら三世代（父父父馬、父父母馬、父母父馬、父母母馬、母父父馬、母父母馬、母母父馬、および母母母馬）以上の祖先の馬を考慮してもよい。

【0030】

なお、本実施形態では、一例では、血縁馬識別情報３０８は、子馬、孫馬などの子孫を特定可能な情報を含んでもよい。この場合であっても、血縁関係の遠近で、特定する子孫を限定してもよい。例えば、子馬、孫馬、曾孫馬などに限定してもよいし、競走馬と血統的につながりがあって、競走馬からみて５親等以内の馬などの限定を加えて血族関係にある血縁馬を特定してもよい。

【0031】

また、一例では、競走馬データ管理部２０１は、競走馬が生まれた牧場、牧場オーナーなどの生産者に関する情報を示す生産者情報、競走馬の調教を担当した調教師の情報を示す調教師情報、競走馬のオーナーの情報を示す馬主情報を含むデータを管理してもよい。

【0032】

なお、本実施形態では、幼駒の潜在的競技パフォーマンスとして、出走数、賞金を予測するものとして説明を行うが、他のパラメータを予測することを目的としている場合には、当該他のパラメータが競走馬データ管理部２０１に含まれてもよい。例えば、競走馬の勝ちレース数を予測することを目的とする場合には、競走馬データ管理部２０１は総合一着回数を含む競走馬データを管理してもよいし、距離別の勝ちレース数を予測することを目的とする場合には、距離ごとの一着回数を管理してもよい。

【0033】

次に、図４を参照して、繁殖馬データ管理部２０２が管理する繁殖馬データについて説明する。

【0034】

繁殖馬データは、識別情報４０１、生年月日４０２、性別４０３、品種４０４、毛色４０５、父馬繁殖登録情報４０６、母馬繁殖登録情報４０７を含む。

【0035】

識別情報４０１は、繁殖馬の識別情報であり、一例では、ある繁殖馬の識別情報４０１は、当該繁殖馬が競走馬として活動していた場合には、競走馬データに含まれる識別情報３０１と対応付けられていてもよい。生年月日４０２、性別４０３、品種４０４、毛色４０５は、競走馬の生年月日３０３、性別３０４、品種３０５、毛色３０６と同様のため、説明を省略する。

【0036】

父馬繁殖登録情報４０６は、繁殖馬の父馬の識別情報であり、母馬繁殖登録情報４０７は、繁殖馬の母馬の識別情報である。父馬繁殖登録情報４０６および母馬繁殖登録情報４０７は、その父馬および母馬の繁殖馬データの識別情報４０１と対応付けられてもよい。

【0037】

＜学習処理＞
次に、図５Ａおよび図５Ｂを参照して、予測部２０６が有する機械学習モデルを学習する学習部２０５の処理について説明する。図５Ａおよび図５Ｂの学習処理は、ＵＩまたはネットワークＩ／Ｆ１０４を介して学習処理の実行要求を受信した際に実行されてもよいし、情報処理装置１が所定の時間間隔で実行してもよい。なお、図５Ａおよび図５Ｂの学習処理は、プロセッサ１０１が、メモリ１０２をワークスペースとしてストレージ１０３に格納されたプログラムを実行することで実現される。

【0038】

まず、Ｓ５０１で、プロセッサ１０１は、競走馬データ管理部２０１が管理する競走馬データを取得する。ここで、競走馬データ管理部２０１が管理する競走馬データに重複するレコードや、競走馬データに含まれるデータのうち、学習に使用しないデータが含まれる場合には、これらのレコードやデータを削除するなどのデータの整形処理が行われてもよい。また、Ｓ５０１では、例えば競走馬データの生年月日４０２を限定して競走馬データを取得するなどして、期間を限定して競走馬の学習を行ってもよい。これによって、開催されたレース数や賞金額が大きく異なる時期の競走馬の競技パフォーマンスが過度に学習処理に影響を与えることを防ぐことができる。

【0039】

続いて、Ｓ５０２で、プロセッサ１０１は、各競走馬の血縁馬を、競走馬データ管理部２０１が管理する競走馬データの血縁馬識別情報３０８、繁殖馬データ管理部２０２が管理する繁殖馬データの父馬繁殖登録情報４０６および母馬繁殖登録情報４０７の少なくともいずれかに基づいて特定する。例えば、ある競走馬に対応する競走馬データの血縁馬識別情報３０８を取得すれば、当該競走馬の祖先の馬を特定することができる。また、ある競走馬に対応する競走馬データの識別情報３０１が、他の競走馬データの血縁馬識別情報３０８に含まれていないかを検索することで、当該競走馬の子孫の馬を特定することができる。

【0040】

続いて、Ｓ５０３で、プロセッサ１０１は、各競走馬の血縁馬のそれぞれについて、血縁馬のそれぞれの子孫の競走馬の出走回数情報３０９および賞金情報３１０の平均値及び分散を計算して、血縁馬の加工済み競技パフォーマンスを取得する。血縁馬の加工済み競技パフォーマンスは、血縁馬とその子孫の競技パフォーマンスに基づく血縁馬の評価値として扱われる。

【0041】

続いて、Ｓ５０３で、血統馬の競技パフォーマンスを加工する。ここで、図５Ｂを参照して、Ｓ５０３の詳細について説明する。まず、Ｓ５０３１で、プロセッサ１０１はいずれかの血縁馬の子孫を特定する。続いて、Ｓ５０３２で、プロセッサは、特定したいずれかの血縁馬および当該血縁馬の子孫の競技パフォーマンスを取得する。次に、Ｓ５０３３で、プロセッサ１０１は、血縁馬及び当該血縁馬の子孫の競技パフォーマンスの平均、分散を計算する。続いて、Ｓ５０３４で、プロセッサ１０１は血縁馬と血縁馬の子孫の競技パフォーマンスの平均、分散をその血縁馬の加工済み競技パフォーマンスとして格納する。これをすべての血縁馬について繰り返す（Ｓ５０３５）。なお、本実施形態では、血縁馬と血縁馬の子孫との競技パフォーマンスの平均、分散を計算するものとして説明を行ったが、血縁馬との血縁関係の遠近に応じて重みづけを行ってもよい。

【0042】

ここで、加工済み競技パフォーマンスについて、図８の競走馬の血統とそれぞれの出走回数情報および賞金情報とを示す図を参照して説明する。図８は、馬Ａ８０１、馬Ｂ８０２、馬Ｃ８０３の子孫の競走馬を示す血統図である。図８において、馬Ａ８０１を例に説明すると、上段８０１１は識別情報を、下段左８０１２は性別、下段中央８０１３は賞金金額、下段右８０１４は出走回数を示す。他の馬に関しても同様に図示している。例えば、馬Ｄ８０４の出走回数は２４回、獲得賞金は５５Ｍ（５５００００００）円である。

【0043】

図８では、馬Ａ８０１と馬Ｂ８０２とが、馬Ｄ８０４および馬Ｅ８０５を出産している。また、馬Ｅ８０５は、馬Ｆ８０６との間に馬Ｉ８０９を含む子馬を出産したことがわかる。また、馬Ｂ８０２と馬Ｃ８０３とが、馬Ｇ８０７、馬Ｈ８０８を出産したことがわかる。

【0044】

例えば、馬Ｄ８０４に関して、Ｓ５０２では、父馬として馬Ｂ８０２、母馬として馬Ａ８０１が血統関係にある馬を特定される。別の例では、Ｓ５０２で、馬Ａ８０１、馬Ｂ８０２、馬Ｅ８０５、馬Ｇ８０７、馬Ｈ８０８、馬Ｉ８０９が血統関係にある馬として特定されてもよい。

【0045】

ここで、馬Ｄ８０４の血縁馬である馬Ａ８０１の加工済み競技パフォーマンスを計算する場合を説明する。馬Ａ８０１の子孫は馬Ｄ８０４、馬Ｅ８０５、および馬Ｉ８０９である。このため、馬Ａ８０１および馬Ａ８０１の子孫馬の賞金額の平均は４８．７５、分散は２７９．６９として求まる。また、馬Ａ８０１および馬Ａ８０１の子孫馬の出走回数の平均は１７．７５、分散は３５．１９として求まる。これらの値が、馬Ａ８０１の競技パフォーマンス（加工済み競技パフォーマンスと呼ぶ）としてメモリに記憶される。同様に、各血統馬について、加工済み競技パフォーマンスを計算する。このように計算することで、血縁関係を考慮して、血縁馬の競技パフォーマンスを算出することができる。

【0046】

続いて、Ｓ５０４で、プロセッサ１０１は、競走馬を出産した時点での母馬の年齢を競走馬の生年月日３０３と、母馬の繁殖馬データの生年月日４０２または母馬の競走馬データの生年月日３０３とから計算して取得する。なお、競走馬データベースに競走馬の出産時の母馬の年齢が格納されている場合には、計算せず、当該出産時の母馬の年齢を取得してもよい。

【0047】

続いて、Ｓ５０５で、プロセッサ１０１は、説明変数と目的変数とのセットを生成する。目的変数は、幼駒の潜在的競技パフォーマンスとして推定したい競技パフォーマンスを指す。例えば、Ｓ５０５で、プロセッサ１０１は、競走馬ごとに、目的変数として出走回数情報３０９および賞金情報３１０を抽出する。また、プロセッサ１０１は、目的変数に影響を与える説明変数として、競走馬ごとに競走馬データ管理部２０１が管理する競走馬データのうち、性別３０４、品種３０５、毛色３０６、競走馬を出産した時点での母馬の年齢、血縁馬の加工済み競技パフォーマンスを抽出する。

【0048】

ここで、図９Ａおよび図９Ｂを参照して、説明変数と目的変数について説明する。

【0049】

図９Ａは、説明変数を示す図である。識別情報９０１は、競走馬の識別情報９０１であり、一例では図３の識別情報３０１と対応する。性別９０２、毛色９０３は、それぞれ競走馬の性別と経路を示すデータであり、一例では図３の性別３０４および毛色３０６に対応する。母馬出産年齢９０４は、競走馬を出産した時点での母馬の年齢であり、Ｓ５０４で取得した出産時の母馬年齢である。

【0050】

父馬の賞金の平均および分散９０５、父馬の出走回数の平均および分散９０６は、Ｓ５０３で計算した父馬の加工済み競技パフォーマンスである。図８の例では、競走馬が馬Ｄ８０４の場合は、馬Ｂ８０２の加工済み競技パフォーマンスである。母馬から母母馬の賞金および出走回数の平均および分散（９０７～９１６）は、母馬から母母馬の加工済み競技パフォーマンスである。

【0051】

図９Ｂは、説明変数に対応する賞金９５１および出走回数９５２を示す。賞金９５１は、図３の賞金情報３１０および出走回数情報３０９に対応する。図８の例では、競走馬が馬Ｄ８０４の場合は、馬Ｄ８０４の賞金および出走回数（５５Ｍ、２４）である。

【0052】

競走馬データ管理部２０１にある競走馬とその競走馬と血縁関係にある馬との競走馬データが格納されている場合には、プロセッサ１０１は説明変数および目的変数の両方を取得することができる。そのため、説明変数および目的変数の両方を用いて、機械学習モデルのパラメータチューニングを行うことができる。

【0053】

なお、Ｓ５０５では、プロセッサ１０１は、説明変数および目的変数のセットのうち、少なくとも一部を抽出し、抽出したセットの目的変数および説明変数を標準化してもよい。例えば、加工済み競技パフォーマンスにおける出走回数を標準化する場合、すべての競走馬の出走回数の平均が０、分散が１になるよう、スケールを変更してもよい。なお、毛色４０５などの値が得られない項目については、標準化処理は行われなくてもよい。

【0054】

続いて、Ｓ５０６で、プロセッサ１０１は、説明変数を予測部２０６の機械学習モデルに入力した場合に、上記説明変数に対応する目的変数を出力するよう、機械学習モデルの調整を行う。例えば、Ｓ５０６では、ランダムフォレストのノードの分岐条件の設定を行う。別の例では、なお、パラメータチューニングにはグリッドサーチなどの公知の技術を利用することができる。また、Ｓ５０７では、プロセッサ１０１は、学習に使用した目的変数と説明変数とのセットを記憶するとともに、学習後のランダムフォレストモデルを記憶する。なお、Ｓ５０６の学習の際、説明変数をランダムに選んで決定木の調整を行うなど、機械学習モデルの学習方法についての公知技術を適用してもよい。

【0055】

以上説明したように、図５Ａおよび図５Ｂの処理では、すでに競技パフォーマンスが存在する競走馬について、その競走馬と血縁関係にある馬の競技パフォーマンスに基づいて、予測部２０６の機械学習モデルの学習を行う。

【0056】

＜予測処理＞
次に、図６を参照して、予測部２０６が実行する、機械学習モデルを使用した幼駒の潜在的競技パフォーマンスの予測処理について説明する。図６の処理は、プロセッサ１０１が、メモリ１０２をワークスペースとしてストレージ１０３に格納されたプログラムを実行することで実現される。

【0057】

まず、Ｓ６０１で、プロセッサ１０１は、父馬の識別情報、母馬の識別情報、性別、毛色、および母馬の出産年齢を含む幼駒のパラメータを取得する。一例では、Ｓ６０１で取得される父馬の識別情報は、繁殖馬データ管理部２０２が管理する識別情報４０１と対応付けられてもよい。一例では、情報処理装置１はユーザＩ／Ｆ（不図示）を備え、ユーザＩ／Ｆを介してパラメータの少なくとも何れかの指定を受け付けてもよい。また、別の例では、情報処理装置１はウェブサーバとして動作し、ネットワークＩ／Ｆ１０４を介して他の通信装置から少なくとも何れかのパラメータを取得してもよい。あるいは、例えば幼駒の識別子又は馬名を受け付けたプロセッサ１０１は、外部のデータベースにアクセスして父馬、母馬の識別情報を検索してもよい。

【0058】

続いて、プロセッサ１０１は処理をＳ６０２に進め、パラメータを取得した幼駒と血縁関係にある馬を特定する。本実施形態では、Ｓ６０２では、幼駒の父馬の識別情報、母馬の識別情報に基づいて父馬、母馬を特定するものとして説明を行う。

【0059】

続いて、プロセッサ１０１は処理をＳ６０３に進め、父馬、母馬の加工済み競技パフォーマンスを計算する。また、予測部２０６の機械学習モデルおよび図９Ａを参照して説明した父馬、母馬の学習時に使用した説明変数を取得し、目的変数の一部を抽出する。例えば、父馬の識別情報に対応する識別情報９０１を含む説明変数に含まれる父馬の賞金の平均および分散９０５は、幼駒にとって父父馬の賞金の平均および分散として使用することができる。同様に、父馬の識別情報に対応する識別情報９０１を含む説明変数に含まれる母馬の賞金の平均および分散９０７は、幼駒にとって父母馬の賞金の平均および分散として使用することができる。このようにして、父馬の識別子に対応する説明変数の少なくとも一部を、父馬の子供の潜在的競技パフォーマンスを予測する際に使用することで、予測処理を実行する際の計算量を減らすことができる。同様に、母馬の識別子に対応する説明変数から、母馬の子供の潜在的競技パフォーマンスを予測する際に使用する。なお、Ｓ６０３では、父馬、母馬の加工済み競技パフォーマンスは計算するものとして説明したが、一例では、学習処理時に、図９Ａに示す説明変数と対応付けて父馬、母馬の加工済み競技パフォーマンスを計算し、記憶しておくことで、予測処理をさらに高速に実行することができる。

【0060】

続いて、プロセッサ１０１は処理をＳ６０４に進め、機械学習モデルに、取得した幼駒のパラメータ、および幼駒の血縁馬の加工済み競技パフォーマンスを入力する。そして、出力として、幼駒の潜在的競技パフォーマンスとして、競技パフォーマンスの予想値を取得する。

【0061】

ここで、図１０を参照して、入力と出力の関係について説明する。

【0062】

図１０は、図９Ａに示す説明変数を入力として、図９Ｂに示す目的変数を出力する機械学習モデル１０００を示す図である。図１０では、機械学習モデル１０００はランダムフォレストであるものとして説明を行うが、他の機械学習技術を適用することができる。

【0063】

機械学習モデル１０００は、複数の決定木１～ｎを含む。決定木１～ｎのそれぞれに、図９Ａに示す説明変数の少なくとも一部を入力する。なお、異なる決定木には異なる項目の説明変数が入力されてもよい。次に、決定木１～ｎのそれぞれは、入力された説明変数に基づき、回帰分析を行う。そして、平均モジュール１００１は、それぞれの決定木１～ｎからの出力を平均し、幼駒の賞金９５１および出走回数９５２の予測値を出力する。このようにして、Ｓ６０４では、予測部２０６は説明変数を機械学習で調整されたモデルに入力し、目的変数を出力する。

【0064】

なお、図１０の例では、賞金９５１および出走回数９５２の予測値はそれぞれ１つの値であるものとして説明を行ったが、一例では、賞金９５１の予測値は、値の範囲（５０Ｍ～６５Ｍ）であってもよいし、それぞれの決定木１～ｎが予測した賞金の平均値および分散であってもよい。

【0065】

続いて、プロセッサ１０１は処理をＳ６０５に進め、取得した幼駒の潜在的競技パフォーマンスを提供する。Ｓ６０５では、例えば情報処理装置１がウェブサーバとして動作する場合には、情報処理装置１はネットワークＩ／Ｆ１０４を介して他の通信装置に目的変数を示す信号を送信してもよい。また、情報処理装置１が表示部（不図示）を備える場合には、情報処理装置１は表示部に目的変数を示す画面を表示してもよい。これによって、他の情報処理装置または情報処理装置１のユーザに、入力データに対応する幼駒の潜在的競技パフォーマンスを提供することができる。

【0066】

以上説明したように、本実施形態に係る情報処理装置は、幼駒と血縁関係にある血縁馬の競技パフォーマンスに基づいて幼駒の潜在的競技パフォーマンスを予測する。これによって、幼駒の遺伝情報の調査などを行う必要がないため、幼駒の潜在的競技パフォーマンスを高速かつ簡便に予測することができる。

【0067】

また、本実施形態に係る情報処理装置は、幼駒を出産した場合の母馬の年齢に基づいて幼駒の潜在的競技パフォーマンスを予測する。これによって、より正確に幼駒の潜在的競技パフォーマンスを予測することができる。

【0068】

また、本実施形態に係る情報処理装置は、幼駒と血縁関係にある競走馬の競技パフォーマンスは、当該血縁関係にある競走馬の子孫の競技パフォーマンスに基づいて加工され、幼駒の潜在的競技パフォーマンスの予測に使用される。これによって、高い競技パフォーマンスが期待できる血統であるが、例外的に低い競技パフォーマンスを有する馬や、怪我などによって十分に競技パフォーマンスを発揮できなかった馬によって、幼駒の潜在的競技パフォーマンスが過度に低く見積もられることを防ぐことができる。

【0069】

また、本実施形態に係る情報処理装置は、血縁馬として父馬、母馬、父父馬、父母馬、母父馬、母母馬の競技パフォーマンスに基づいて幼駒の潜在的競技パフォーマンスを予測する。これによって、血縁馬が幼駒の競技パフォーマンスに与える影響を詳細に分析することができ、より正確に幼駒の潜在的競技パフォーマンスを予測することができる。

【0070】

＜第２実施形態＞
第１実施形態では、すでに競技パフォーマンスが存在する競走馬と当該競走馬の血縁関係にある馬の競技パフォーマンスに基づいて、機械学習モデルのパラメータ調整を行う競走馬データ管理部２０１および繁殖馬データ管理部２０２が有するデータに基づいて幼駒の潜在的競技パフォーマンスを予測する情報処理装置について説明した。一例では、競走馬データまたは繁殖馬データが欠落することによって、幼駒と血縁関係にある馬の少なくとも一部の競技パフォーマンスを取得することができない場合がある。第２実施形態では、１つの血縁馬の競技パフォーマンスを取得することができない場合に、当該１つの血縁馬の競技パフォーマンスを推定して補完する処理について説明する。なお、第１実施形態と同様の構成、機能、または処理については説明を省略する。

【0071】

図７は、第２実施形態に係る予測処理の一例を示すフローチャートである。Ｓ５０３１、Ｓ５０３２については、第１実施形態と同様である。

【0072】

Ｓ７０１で、プロセッサ１０１は、学習に使用する競技馬と血縁関係にある馬のうち、競技パフォーマンスが取得できない馬がいるか否かを判定する。競技パフォーマンスが取得できない馬が存在しない場合（Ｓ７０１でＮｏ）、プロセッサ１０１は、処理をＳ５０３３に進める。以降は第１実施形態と同様のため、説明を省略する。

【0073】

Ｓ７０１で、競技パフォーマンスが取得できない馬がいる場合（Ｓ７０１でＹｅｓ）、プロセッサ１０１は処理をＳ７０２に進め、競技パフォーマンスが取得できない馬と血縁関係にある馬を特定する。Ｓ７０２の処理は、競技パフォーマンスが取得できない馬の識別情報を用いて、Ｓ５０２，Ｓ５０３１と同様に行うことができる。続いて、プロセッサ１０１は処理をＳ７０３に進め、競技パフォーマンスが取得できない馬と血縁関係にある馬の競技パフォーマンスを取得する。続いて、プロセッサ１０１は処理をＳ７０４に進め、競技パフォーマンスが取得できない馬と血縁関係にある馬の競技パフォーマンスに基づいて、競技パフォーマンスが取得できない馬の競技パフォーマンスを推定する。例えば、競技パフォーマンスが取得できない馬の競技パフォーマンスを目的変数として、競技パフォーマンスが取得できない馬と血縁関係にある馬の競技パフォーマンスを説明変数として、機械学習モデルに入力することで、競技パフォーマンスが取得できない馬の目的変数を取得することができる。この場合、Ｓ７０４で使用される機械学習モデルは、競技パフォーマンスが取得できる馬およびその馬と血縁関係にある馬に基づいて調整された機械学習モデルであってもよい。すなわち、一度競技パフォーマンスが取得できる馬およびその馬と血縁関係にある馬の競技パフォーマンスに基づいて機械学習モデルを調整し、その後、競技パフォーマンスが取得できない馬の競技パフォーマンスを推定してもよい。これによって一部の馬に競技パフォーマンスが存在しない場合であっても、その競技パフォーマンスを推定して学習処理に使用することができるため、機械学習モデルの学習データを増やすことができる。

【0074】

本実施形態では、学習時に競技パフォーマンスが取得できない馬がいる場合に、競技パフォーマンスが取得できない馬の競技パフォーマンスを補完して学習処理を行う場合について説明した。一例では、予測時に競技パフォーマンスが取得できない馬がいる場合にも同様の処理を行うことができる。これによって、幼駒と血縁関係にある馬の競技パフォーマンスを取得できない場合であっても、その競技パフォーマンスを推定することができるため、競技パフォーマンスが存在しない馬によって幼駒の潜在的競技パフォーマンスを予測することができなくなる可能性を減らすことができる。

【0075】

＜その他の実施形態＞
本実施形態では、幼駒の潜在的競技パフォーマンスを予測するアプリケーションを例に説明を行ったが、本実施形態は、他のアプリケーションにも適用することができる。

【0076】

例えば、特定の母馬に対して、良好な潜在的競技パフォーマンスを有する幼駒を生産するための父馬を特定することを目的として本実施形態に係る情報処理装置の構成を変更してもよい。この場合、特定の母馬に対して、候補となりうる父馬（並びに当該父馬に対応する父父馬、父母馬、父父父馬、父父母馬、父母父馬、および父母母馬）を入力し、母馬の出産年齢を仮定して入力することで、存在しない幼駒の潜在的競技パフォーマンスを予測することができる。これによって、どの母馬と父馬とで幼駒を生産すれば高い潜在的競技パフォーマンスを有する幼駒が生まれるかを判断することができる。

【0077】

さらに、母馬が幼駒を生産するのに適切な年齢を特定することを目的として本実施形態に係る情報処理装置の構成を変更してもよい。この場合、特定の母馬及び特定の父馬について、母馬の出産年齢を仮想的に設定して複数回予測を行うことで、どの出産年齢で生まれた幼駒が高い潜在的競技パフォーマンスを有するかを判断することができ、母馬に出産させるタイミングを判断することができる。

【0078】

また、上述の各実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読み出し実行する処理でも実現可能である。

【0079】

発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。

【図1】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図6】

【図7】

【図8】

【図9A】

【図9B】

【図10】