ホーム > 特許ランキング > 株式会社ＦＲＯＮＴＥＯ
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-04-09
(45)【発行日】2024-04-17
(54)【発明の名称】情報処理システム及び情報処理方法
(51)【国際特許分類】
G06Q 10/06 20230101AFI20240410BHJP
【ＦＩ】
G06Q10/06
【請求項の数】
15
(21)【出願番号】P 2023184589
(22)【出願日】2023-10-27
【審査請求日】2023-10-27
【早期審査対象出願】
(73)【特許権者】
【識別番号】316014906
【氏名又は名称】株式会社ＦＲＯＮＴＥＯ
(74)【代理人】
【識別番号】110002848
【氏名又は名称】弁理士法人ＮＩＰ＆ＳＢＰＪ国際特許事務所
(72)【発明者】
【氏名】久光 徹
(72)【発明者】
【氏名】吉川 悠一
【審査官】深津 始
(56)【参考文献】
【文献】特開２０２１－１７９６４６（ＪＰ，Ａ）
【文献】特許第７３２３８９８（ＪＰ，Ｂ１）
【文献】特許第７２７４１６０（ＪＰ，Ｂ１）
【文献】特許第７０１５０２２（ＪＰ，Ｂ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００ －Ｇ０６Ｑ ９９／００
(57)【特許請求の範囲】
【請求項1】
複数のエンティティにそれぞれ対応する複数のノードが、取引関係または支配関係を示すエッジで接続された第１ネットワークを取得するネットワーク取得部と、前記第１ネットワークの一部または全部における影響度を算出する影響度算出部と、
を含み、
前記第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、
前記影響度算出部は、
前記第１ネットワークにおいて、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、
経路上のノードにおける前記取引関係または前記支配関係に基づいて、経路の重みを求め、
経路上のノードの前記タグ値に基づいて、前記経路に沿った前記タグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、前記経路の重みを分配することによって、前記タグ遷移パターンの重みを求め、
指定タグ値を少なくとも含む所与の選択条件が入力された場合に、前記選択条件に基づいて前記指定タグ値を含む前記タグ遷移パターンを選択し、選択された前記タグ遷移パターンの重みの和を求めることによって、前記指定タグ値の前記関心エンティティへの前記影響度を求める情報処理システム。
【請求項2】
請求項１において、前記第１ネットワークのうち、前記基準ノードからの距離が所与の閾値以下のノードからなる一部を第２ネットワークとして抽出するネットワーク抽出部をさらに含み、
前記影響度算出部は、
前記第２ネットワークでの前記影響度を求める情報処理システム。
【請求項3】
請求項２において、前記第１ネットワークの前記複数のノードのいずれかをベクトル算出ノードとした場合に、前記複数のノードのそれぞれについて、前記ベクトル算出ノードまでの距離に応じた位相、及び、前記ベクトル算出ノードへと向かう流量または前記ベクトル算出ノードからの流量に応じた絶対値を有する複素数を割り当てることによって、前記ベクトル算出ノードの他のノードとの関係性を表現する複素ベクトルを求めるベクトル取得部をさらに含み、
前記ネットワーク抽出部は、
前記複数のノードのそれぞれを表す前記複素ベクトルに基づいて、前記第１ネットワークから前記第２ネットワークを抽出する情報処理システム。
【請求項4】
請求項２において、前記第１ネットワークは、複数の企業にそれぞれ対応する前記複数のノードが、前記取引関係を示すエッジで接続された取引ネットワークであり、
前記第２ネットワークは、関心企業のサプライチェーンを表すサプライチェーンネットワークである情報処理システム。
【請求項5】
請求項１において、前記第１ネットワークは、前記複数のエンティティにそれぞれ対応する前記複数のノードが、持ち株比率によって決定される前記支配関係を示すエッジで接続された持ち株ネットワークである情報処理システム。
【請求項6】
請求項１乃至５のいずれか一項において、前記影響度算出部によって算出された前記影響度の大きさに対応する面積を有する図形が配置されたツリーマップを作成するツリーマップ生成部をさらに含む情報処理システム。
【請求項7】
請求項１乃至５のいずれか一項において、前記影響度算出部は、
前記指定タグ値と、前記基準ノードからの距離を選択する前記選択条件が入力された場合に、前記指定タグ値が、前記距離によって特定される位置に含まれる前記タグ遷移パターンの重みに基づいて、前記基準ノードから所定距離における前記タグ値の前記影響度を求める情報処理システム。
【請求項8】
請求項１乃至５のいずれか一項において、前記タグは、産業分類を表す情報であり、
前記影響度算出部は、
第１産業分類を前記指定タグ値とする前記選択条件が入力された場合に、前記第１産業分類に対応する前記タグ値を含む前記タグ遷移パターンの重みに基づいて、前記第１産業分類の前記影響度を算出する情報処理システム。
【請求項9】
請求項１乃至５のいずれか一項において、前記タグは、国を表す情報であり、
前記影響度算出部は、
第１国を前記指定タグ値とする前記選択条件が入力された場合に、前記第１国に対応する前記タグ値を含む前記タグ遷移パターンの重みに基づいて、前記第１国の前記影響度を算出する情報処理システム。
【請求項10】
請求項１乃至５のいずれか一項において、前記タグは、産業分類と国の組み合わせを特定する情報であり、
前記影響度算出部は、
第１産業分類及び第１国の組み合わせを前記指定タグ値とする前記選択条件が入力された場合に、前記第１産業分類及び前記第１国の組み合わせに対応する前記タグ値を含む前記タグ遷移パターンの重みに基づいて、前記第１国の前記第１産業分類による前記影響度を算出する情報処理システム。
【請求項11】
請求項１乃至５のいずれか一項において、前記タグは、ノードに対応する企業を表す情報であり、
前記影響度算出部は、
第１関心企業、第２関心企業、及び、第３関心企業の指定入力を受け付けた場合に、前記第１関心企業に対応する前記タグ値と、前記第３関心企業に対応する前記タグ値の間に、前記第２関心企業の前記タグ値が存在する前記タグ遷移パターンの重みに基づいて、前記第３関心企業が前記第２関心企業を介して前記第１関心企業へ与える前記影響度を算出する情報処理システム。
【請求項12】
請求項１乃至５のいずれか一項において、前記タグは、ノードに対応するエンティティのカテゴリを表す情報であって、
前記カテゴリは、個人、事業会社、投資会社、公的機関及び持ち株会の少なくとも２以上を含み、
前記影響度算出部は、
第１カテゴリを前記指定タグ値とする前記選択条件が入力された場合に、前記第１カテゴリに対応する前記タグ値を含む前記タグ遷移パターンの重みに基づいて、前記第１カテゴリであるエンティティの前記影響度を算出する情報処理システム。
【請求項13】
請求項１乃至５のいずれか一項において、前記第１ネットワークにループが含まれる場合に、前記ループを解消することによって、前記第１ネットワークを更新するネットワーク更新部をさらに含む情報処理システム。
【請求項14】
請求項２乃至４のいずれか一項において、前記第２ネットワークにループが含まれる場合に、前記ループを解消することによって、前記第２ネットワークを更新するネットワーク更新部をさらに含む情報処理システム。
【請求項15】
情報処理システムが、複数のエンティティにそれぞれ対応する複数のノードが、取引関係または支配関係を示すエッジで接続された第１ネットワークを取得し、前記第１ネットワークの一部または全部における影響度を算出する処理を行う情報処理方法であって、前記第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、
前記情報処理システムが、前記影響度の算出において、
前記第１ネットワークにおいて、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、
経路上のノードにおける前記取引関係または前記支配関係に基づいて、経路の重みを求め、
経路上のノードの前記タグ値に基づいて、前記経路に沿った前記タグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、前記経路の重みを分配することによって、前記タグ遷移パターンの重みを求め、
指定タグ値を少なくとも含む所与の選択条件が入力された場合に、前記選択条件に基づいて前記指定タグ値を含む前記タグ遷移パターンを選択し、選択された前記タグ遷移パターンの重みの和を求めることによって、前記指定タグ値の前記関心エンティティへの前記影響度を求める、
処理を行う情報処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理システム及び情報処理方法等に関する。
【背景技術】
【0002】
従来、サプライチェーン等のネットワークの分析に関する種々の手法が知られている。サプライチェーンとは、製品の原材料・部品の調達から、製造、在庫管理、配送、販売、消費までの一連の流れをいう。例えば特許文献１には、サプライチェーンにおいて、関心企業の上流側サブネットワーク及び下流側サブネットワークの少なくとも一方を含むサブネットワークを分析し、その結果を表示する情報処理システムが開示されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特許第７０３４４４７号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１等の従来手法では、ネットワークのノードに付与された属性（例えばサプライチェーンネットワークにおける産業分類や所属国等）による影響度合いをマクロに俯瞰する指標が開示されていない。
【0005】
本開示のいくつかの態様によれば、対象となるネットワークにおける影響度を適切に評価する情報処理システム及び情報処理方法等を提供できる。
【課題を解決するための手段】
【0006】
本開示の一態様は、複数のエンティティにそれぞれ対応する複数のノードが、取引関係または支配関係を示すエッジで接続された第１ネットワークを取得するネットワーク取得部と、前記第１ネットワークの一部または全部における影響度を算出する影響度算出部と、を含み、前記第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、前記影響度算出部は、前記第１ネットワークにおいて、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、経路上のノードにおける前記取引関係または前記支配関係に基づいて、経路の重みを求め、経路上のノードの前記タグ値に基づいて、前記経路に沿った前記タグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、前記経路の重みを分配することによって、前記タグ遷移パターンの重みを求め、指定タグ値を少なくとも含む所与の選択条件が入力された場合に、前記選択条件によって選択される前記タグ遷移パターンの重みに基づいて、前記関心エンティティへの前記影響度を求める情報処理システムに関係する。
【0007】
本開示の他の態様は、情報処理システムが、複数のエンティティにそれぞれ対応する複数のノードが、取引関係または支配関係を示すエッジで接続された第１ネットワークを取得し、前記第１ネットワークの一部または全部における影響度を算出する処理を行う情報処理方法であって、前記第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、前記情報処理システムが、前記影響度の算出において、前記第１ネットワークにおいて、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、経路上のノードにおける前記取引関係または前記支配関係に基づいて、経路の重みを求め、経路上のノードの前記タグ値に基づいて、前記経路に沿った前記タグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、前記経路の重みを分配することによって、前記タグ遷移パターンの重みを求め、指定タグ値を少なくとも含む所与の選択条件が入力された場合に、前記選択条件によって選択される前記タグ遷移パターンの重みに基づいて、前記関心エンティティへの前記影響度を求める、処理を行う情報処理方法に関係する。
【図面の簡単な説明】
【0008】
【図1】一実施形態に係る情報処理システムを含むシステムの構成例である。
【図2】サーバシステムの詳細な構成例を示す機能ブロック図である。
【図3】端末装置の詳細な構成例を示す機能ブロック図である。
【図4】情報処理システムにおいて実行される処理の概略を示すフローチャートである。
【図5A】公開情報に基づいて取得されるデータの構造例である。
【図5B】公開情報に基づいて取得されるデータの構造例である。
【図5C】公開情報に基づいて取得される取引ネットワークの一部の例を示す図である。
【図6】取引ネットワークを説明する模式図である。
【図7】ベクトル表現の決定処理を説明するフローチャートである。
【図8】上流側サブ取引ネットワークの抽出処理を説明するフローチャートである。
【図9A】サブ取引ネットワークの一部の例を示す図である。
【図9B】サブ取引ネットワークの一部の例を示す図である。
【図10】サブ取引ネットワークの例を示す図である。
【図11A】ノードのベクトル表現を求める処理を説明するフローチャートである。
【図11B】ノードのベクトル表現を求める処理を説明するフローチャートである。
【図12A】サブ取引ネットワークにおける流量を例示する図である。
【図12B】サブ取引ネットワークにおける位相付き流量を例示する図である。
【図13】所与のノードに対応する複素ベクトルの例である。
【図14】サブ取引ネットワークにおける位相付き流量を例示する図である。
【図15】サプライチェーンネットワークの抽出処理を説明するフローチャートである。
【図16】サプライチェーンネットワークの例である。
【図17】ループを除去したサプライチェーンネットワークの例である。
【図18】経路の重み及びタグ遷移パターンの重みの具体例である。
【図19A】産業分類が指定された場合に選択されるタグ遷移パターンの例である。
【図19B】産業分類が指定された場合に選択されるタグ遷移パターンの例である。
【図20】産業分類及び関心エンティティからの距離に応じた影響度の例である。
【図21】産業分類ごとの影響度を示すツリーマップの例である。
【図22】産業分類及び関心エンティティからの距離に応じた頻度の例である。
【図23】産業分類ごとの頻度を示すツリーマップの例である。
【図24】サプライチェーンネットワークの例である。
【図25】産業分類、国及び関心エンティティからの距離に応じた重みの例である。
【図26】産業分類と国の組み合わせに応じた影響度の例である。
【図27】産業分類と国の組み合わせごとの影響度を示すツリーマップの例である。
【図28】国に応じた影響度の例である。
【図29】タグ値を企業ＩＤとしたときのタグ遷移パターンの重みの具体例である。
【図30A】企業ＩＤが指定された場合に選択されるタグ遷移パターンの例である。
【図30B】企業ＩＤが指定された場合に選択されるタグ遷移パターンの例である。
【図31】企業ＩＤに応じた影響度の例である。
【図32】企業ＩＤごとの影響度を示すツリーマップの例である。
【図33】持ち株ネットワークの具体例である。
【図34】関心エンティティが複数の場合のネットワークの例である。
【発明を実施するための形態】
【0009】
以下、本実施形態について図面を参照しつつ説明する。図面については、同一又は同等の要素には同一の符号を付し、重複する説明は省略する。なお、以下に説明する本実施形態は、特許請求の範囲に記載された内容を不当に限定するものではない。また本実施形態で説明される構成の全てが、本開示の必須構成要件であるとは限らない。
【0010】
１．システム構成例
図１は、一実施形態に係る情報処理システム１０を含むシステムの構成例である。本実施形態に係るシステムは、サーバシステム１００と端末装置２００とを含む。ただし、情報処理システム１０を含むシステムの構成は必ずしも図１に限定されず、例えば一部の構成を省略したり他の構成を追加したりするなどの種々の変形実施が可能である。例えば、図１では端末装置２００として、端末装置２００－１と端末装置２００－２の２つが図示されているが、端末装置２００の数はこれに限定されない。
図１は、一実施形態に係る情報処理システム１０を含むシステムの構成例である。本実施形態に係るシステムは、サーバシステム１００と端末装置２００とを含む。ただし、情報処理システム１０を含むシステムの構成は必ずしも図１に限定されず、例えば一部の構成を省略したり他の構成を追加したりするなどの種々の変形実施が可能である。例えば、図１では端末装置２００として、端末装置２００－１と端末装置２００－２の２つが図示されているが、端末装置２００の数はこれに限定されない。
【0011】
本実施形態の情報処理システム１０は、例えばサーバシステム１００に対応する。ただし、本実施形態の手法はこれに限定されず、サーバシステム１００と他の装置を用いた分散処理によって、本明細書で説明する情報処理システム１０の処理が実行されてもよい。例えば、本実施形態の情報処理システム１０は、サーバシステム１００と端末装置２００との分散処理によって実現されてもよい。以下、本明細書では、情報処理システム１０がサーバシステム１００である場合の例について説明する。
【0012】
サーバシステム１００は、１つのサーバであってもよいし、複数のサーバを含んで構成されていてもよい。例えば、サーバシステム１００は、データベースサーバとアプリケーションサーバとを含んで構成されていてもよい。データベースサーバは、後述する第１ネットワーク１２１、複素ベクトルなどを含む種々のデータを記憶する。アプリケーションサーバは、図４、図７、図８、図１１Ａ、図１１Ｂ、図１５などを用いて後述する処理を実行する。なお、ここでの複数のサーバは、物理サーバであってもよいし、仮想サーバであってもよい。また、仮想サーバが用いられる場合、当該仮想サーバは、１つの物理サーバに設けられてもよいし、複数の物理サーバに分散して配置されてもよい。このように、本実施形態におけるサーバシステム１００の具体的な構成は、種々の変形実施が可能である。
【0013】
サーバシステム１００は、例えばネットワークを介して端末装置２００－１及び端末装置２００－２と通信する。以下、複数の端末装置を互いに区別する必要がない場合、単に端末装置２００と表記する。ここでのネットワークは、例えばインターネットなどの公衆通信網であるが、ＬＡＮ（Local Area Network）などであってもよい。
【0014】
端末装置２００は、情報処理システム１０を利用するユーザによって使用される装置である。端末装置２００は、ＰＣ（Personal Computer）であってもよいし、スマートフォンなどの携帯端末装置であってもよいし、本明細書で説明する機能を有する他の装置であってもよい。
【0015】
本実施形態の情報処理システム１０は、例えば公開情報を用いて、対象に関するデータの収集、分析などを行うＯＳＩＮＴ（Open Source Intelligence）システムである。ここでの公開情報は、広く公開されており、合法的に入手可能な種々の情報を含む。例えば公開情報は、有価証券報告書、産業連関表、政府の公式発表、国や企業に関する報道、サプライチェーンデータベースなどを含んでもよい。また、公開情報は、ＳＮＳ（Social Networking Service）において送受信される種々の情報を含んでもよい。例えばＳＮＳは、テキストまたは画像などを投稿可能なサービスを含み、本実施形態における公開情報は、当該テキストまたは画像、あるいはそれらに対する自然言語処理または画像処理などの結果を含んでもよい。
【0016】
サーバシステム１００は、公開情報に基づいて様々な属性を含むノードを生成する。１つのノードは、所与のエンティティを表す。ここでのエンティティは例えば企業であるが、公的機関等の他の組織や個人を含んでもよい。ノードに付与される属性は、公開情報に基づいて決定される情報であって、エンティティの名称、国籍、事業分野、産業分類、取引先及び取引品目などの種々の情報を含む。例えばノードにはメタデータとしてタグが付与され、当該タグには上述した種々の属性における属性値が含まれる。エンティティを表すノードが企業である場合、当該企業に関する属性がノードに付与される。なお、ここでの属性は、売り上げ、従業員数、株主及び出資比率、ボードメンバーなどを含んでよい。本実施形態では、属性のうち、少なくとも産業分類がノードに対して付与されてもよい。産業分類は、産業の種類をその性質ごとに分類したものである。産業分類として、例えば産業分類コードが用いられてよい。産業分類コードは、産業をいくつかに分類し、各分類結果に「０１」等のコードを割り当てた情報である。産業分類コードは例えばＮＡＩＣＳ（North American Industry Classification System）であるが、国際標準産業分類や日本標準産業分類等の他の分類コードが用いられてもよい。
【0017】
所与のノードと他のノードとの間に関係性がある場合、当該所与のノードと他のノードとが、向きを有するエッジによって接続される。例えば、所与の企業が、他の企業に対して何らかの取引製品を提供（売却）しているとする。この場合、他の企業に対応するノードと、所与の企業に対応するノードとの間が、製品の売買関係（流通関係）を表す属性が付与されたエッジによって接続される。ここでのエッジは、影響を与える側から受ける側への方向を有するエッジであり、例えば何らかの製品を売る側から買う側への方向を有するエッジである。つまり、製品の提供元企業及び提供先企業を対応付けた取引関係が、エッジにより示される。またエッジに付与される属性は製品に限定されず、起点企業、終点企業、製品、価格、取引(数)量等の種々の情報を含むことが可能である。なお製品に関する情報は、エッジに付与される必須の属性ではなく、省略が可能である。また起点企業等の他の情報についても同様であり、これらの情報は属性としてエッジに付与されてもよいし、省略されてもよい。
【0018】
本実施形態の手法では、サーバシステム１００は、複数のエンティティを表す複数のノードが、取引関係または支配関係を示す複数のエッジで接続されたネットワークである、エンティティネットワーク（第１ネットワーク）を取得する。エッジは方向を有するため、エンティティネットワークは有向グラフである。サーバシステム１００は、エンティティネットワークに基づく分析を行い、分析結果を提示する処理を行う。例えば、端末装置２００は、ＯＳＩＮＴシステムが提供するサービスを利用するユーザによって使用される装置である。例えばユーザは、端末装置２００を用いて何らかの分析を情報処理システム１０であるサーバシステム１００に依頼する。サーバシステム１００は、エンティティネットワークに基づく分析を行い、分析結果を端末装置２００に送信する。
【0019】
エンティティネットワークが企業間の取引関係を示すネットワークである場合、当該エンティティネットワーク中の経路には、（Ａ）実際にその企業の製品に部品や材料として関わる様々なものの取引が連鎖するもの（上流側）及び／またはその企業の製品の取引が連鎖するもの（下流側）と、（Ｂ）その企業に直接関係しない取引の連鎖が偶然複数つながったもの、の二種類がある。よって本実施形態では、公開情報に基づいて取得される取引関係を表すエンティティネットワークを取引ネットワークと表記し、そのうち所与の企業の実質的な取引に関する一部をサプライチェーンネットワークと表記する。即ち、取引ネットワークは上記の（Ａ）と（Ｂ）の両方を含むネットワークであり、所与の企業に関するサプライチェーンネットワークとは上記の（Ａ）を含み、且つ、（Ｂ）を含まないと推定されるネットワークである。サーバシステム１００は、取引ネットワークからサプライチェーンネットワークを抽出する処理を行ってもよい。
【0020】
ただし、図３３を用いて後述するように、本実施形態で処理対象とするネットワークは、取引ネットワーク及びサプライチェーンネットワークに限定されない。例えばエンティティネットワークは、エンティティ間の支配関係を表すネットワークであってもよい。より具体的には、エンティティネットワークは、企業間の株式による支配関係を表す持ち株ネットワークであってもよい。
【0021】
図２は、サーバシステム１００の詳細な構成例を示す機能ブロック図である。サーバシステム１００は、例えば図２に示すように、処理部１１０と、記憶部１２０と、通信部１３０と、を含む。ただしサーバシステム１００の構成は図２の例に限定されず、一部の構成を省略する、他の構成を追加する等の種々の変形実施が可能である。
【0022】
本実施形態の処理部１１０は、下記のハードウェアによって構成される。ハードウェアは、デジタル信号を処理する回路及びアナログ信号を処理する回路の少なくとも一方を含むことができる。例えば、ハードウェアは、回路基板に実装された１又は複数の回路装置や、１又は複数の回路素子によって構成できる。１又は複数の回路装置は例えばＩＣ（Integrated Circuit）、ＦＰＧＡ（field-programmable gate array）等である。１又は複数の回路素子は例えば抵抗、キャパシタ等である。
【0023】
また処理部１１０は、下記のプロセッサによって実現されてもよい。本実施形態のサーバシステム１００は、情報を記憶するメモリと、メモリに記憶された情報に基づいて動作するプロセッサと、を含む。情報は、例えばプログラムと各種のデータ等である。プログラムは、サーバシステム１００に、本明細書で説明する処理を実行させるものを含んでよい。プロセッサは、ハードウェアを含む。プロセッサは、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＤＳＰ（Digital Signal Processor）等、各種のプロセッサを用いることが可能である。メモリは、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリなどの半導体メモリであってもよいし、レジスタであってもよいし、ハードディスク装置（ＨＤＤ：Hard Disk Drive）等の磁気記憶装置であってもよいし、光学ディスク装置等の光学式記憶装置であってもよい。例えば、メモリはコンピュータによって読み取り可能な命令を格納しており、当該命令をプロセッサが実行することによって、処理部１１０の機能が処理として実現される。ここでの命令は、プログラムを構成する命令セットの命令でもよいし、プロセッサのハードウェア回路に対して動作を指示する命令であってもよい。
【0024】
処理部１１０は、例えばネットワーク取得部１１１、ベクトル取得部１１２、行列取得部１１３、ネットワーク抽出部１１４、影響度算出部１１５及びツリーマップ生成部１１６を含む。ただし処理部１１０は、図２に示すすべての構成を含む必要はない。例えば処理部１１０は、エンティティネットワークとして持ち株ネットワークを取得し、当該持ち株ネットワーク全体を対象としてツリーマップを作成してもよい（図３３を用いて後述）。この場合、第２ネットワーク１２２（狭義にはサプライチェーンネットワーク）の抽出に関する構成であるベクトル取得部１１２、行列取得部１１３、ネットワーク抽出部１１４等の構成が省略されてもよい。
【0025】
ネットワーク取得部１１１は、複数のエンティティにそれぞれ対応する複数のノードが、取引関係または支配関係を示すエッジで接続された第１ネットワーク１２１を取得する。例えばネットワーク取得部１１１は、公開情報に基づいてエンティティネットワークを作成し、当該エンティティネットワークを第１ネットワーク１２１としてもよい。公開情報は、製品の提供元企業及び提供先企業を対応付けた取引関係情報、あるいは、株式の保有比率等を表す支配関係情報を含む。ネットワーク取得部１１１は、作成した第１ネットワーク１２１を、記憶部１２０に記憶する。ただし、第１ネットワーク１２１の作成は、本実施形態に係る情報処理システム１０とは異なるシステムにおいて行われてもよい。この場合、ネットワーク取得部１１１は、当該異なるシステムから作成結果を取得する処理を行ってもよい。
【0026】
ネットワーク取得部１１１は、例えば図５Ａ－図５Ｃを用いて後述するように、企業間の取引関係に基づいて、複数の企業に対応する複数のノードが接続されたネットワークを、第１ネットワーク１２１として取得してもよい。
【0027】
ベクトル取得部１１２は、第１ネットワーク１２１に含まれる各ノードのベクトル表現（複素ベクトル）を求める。具体的には、複数のノードのいずれかをベクトル算出ノードとした場合に、複数のノードのそれぞれについて、ベクトル算出ノードまでの距離に応じた位相、及び、ベクトル算出ノードへと向かう流量またはベクトル算出ノードからの流量に応じた絶対値を有する複素数を割り当てることによって、ベクトル算出ノードの他のノードとの関係性を表現する複素ベクトルを求める。ベクトル表現を求める手法については、図７～図１４等を用いて後述する。ベクトル取得部１１２は、取得した各ノードの複素ベクトルを記憶部１２０に記憶する。
【0028】
行列取得部１１３は、ベクトル取得部１１２によって取得された各ノードの複素ベクトルに基づいて、複素相関行列Ｃを求める。また行列取得部１１３は、複素相関行列Ｃの固有値分解を行うことによって、固有値と固有ベクトルを求める。
【0029】
ネットワーク抽出部１１４は、複数のノードのそれぞれを表す複素ベクトルに基づいて、第１ネットワーク１２１の一部である第２ネットワーク１２２を抽出する。具体的には、ネットワーク抽出部１１４は、固有ベクトルに基づいて、取引ネットワーク（第１ネットワーク１２１）から、所与の企業の実質的な取引関係を表すサプライチェーンネットワークを第２ネットワーク１２２として抽出してもよい。
【0030】
影響度算出部１１５は、第１ネットワーク１２１の一部または全部における影響度を算出する。影響度の算出対象は、第１ネットワーク１２１そのものであってもよいし、第２ネットワーク１２２であってもよい。
【0031】
具体的には、影響度算出部１１５は、対象のネットワークにおいて、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、以下の（１）～（３）の処理を実行してもよい。関心エンティティとは、例えば分析対象となる企業に対応し、端末装置２００のユーザによって入力される。
（１）経路上のノードにおける取引関係または支配関係に基づいて、経路の重みを求める処理。
（２）経路上のノードのタグ値に基づいて、経路に沿ったタグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、経路の重みを分配することによって、タグ遷移パターンの重みを求める処理。
（３）指定タグ値を少なくとも含む所与の選択条件が入力された場合に、選択条件によって選択されるタグ遷移パターンの重みに基づいて、関心エンティティへの影響度を求める処理。
（１）経路上のノードにおける取引関係または支配関係に基づいて、経路の重みを求める処理。
（２）経路上のノードのタグ値に基づいて、経路に沿ったタグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、経路の重みを分配することによって、タグ遷移パターンの重みを求める処理。
（３）指定タグ値を少なくとも含む所与の選択条件が入力された場合に、選択条件によって選択されるタグ遷移パターンの重みに基づいて、関心エンティティへの影響度を求める処理。
【0032】
経路の重み、及び、タグ遷移パターンの重みの詳細については、図１８を用いて後述する。
【0033】
選択条件とは、複数のタグ遷移パターンのそれぞれについて、選択／非選択を特定するための条件を表す。選択条件とは、例えば１種類の属性に関する条件であってもよいし、複数種類の属性に関する条件であってもよいし、属性とＴｉｅｒの組み合わせに関する条件であってもよい。Ｔｉｅｒとは、対象のネットワークにおいて、関心エンティティに対応する基準ノードからの最短距離を表す。
【0034】
選択条件によって選択されるタグ遷移パターンとは、例えば図１９Ａ、図１９Ｂを用いて後述する複数のタグ遷移に対応する。影響度とは、例えば図１９Ａ、図１９Ｂを用いて後述するように、選択されたタグ遷移パターンのそれぞれに与えられる重みの和などの情報である。
【0035】
以上のように、本実施形態の影響度算出部１１５は、対象のネットワークにおける各経路について重みを求めた後、当該重みを分配することによってタグ遷移パターンの重みを求め、さらに選択条件に基づいてタグ遷移パターンの選択、重みの加算等を行うことによってネットワークにおける影響度を求める処理を行う。影響度算出部１１５の処理の詳細については後述する。
【0036】
ツリーマップ生成部１１６は、影響度算出部１１５によって算出された影響度を示すツリーマップを生成する。ツリーマップは、例えば端末装置２００の表示部２４０に表示される。
【0037】
記憶部１２０は、処理部１１０のワーク領域であって、種々の情報を記憶する。記憶部１２０は、種々のメモリによって実現が可能であり、メモリは、ＳＲＡＭ、ＤＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリであってもよいし、レジスタであってもよいし、ハードディスク装置等の磁気記憶装置であってもよいし、光学ディスク装置等の光学式記憶装置であってもよい。
【0038】
記憶部１２０は、例えばネットワーク取得部１１１が取得した第１ネットワーク１２１を記憶する。また記憶部１２０は、ネットワーク抽出部１１４が抽出した第２ネットワーク１２２を記憶する。また、記憶部１２０は、取引関係や支配関係を表す情報として、有価証券報告書、産業連関表等の公開情報を記憶してもよい。例えば記憶部１２０は、タグデータ１２３及び規制対象企業リスト１２４等を記憶する。タグデータ１２３は、タグに関する情報であり、例えば所与の属性における属性値（タグ値の候補）の集合である。タグデータ１２３は、例えば産業分類コードであってもよい。ただしタグは、国、企業ＩＤ、エンティティのカテゴリ等の種々の情報を含んでもよく、タグデータはこれらのタグに関する情報を含んでもよい。規制対象企業リスト１２４は、例えばＥＳＧの観点から問題がある企業を特定する情報である。その他、記憶部１２０は本実施形態の処理に係る種々の情報を記憶可能である。
【0039】
通信部１３０は、ネットワークを介した通信を行うためのインターフェイスであり、例えばアンテナ、ＲＦ（radio frequency）回路、及びベースバンド回路を含む。通信部１３０は、処理部１１０による制御に従って動作してもよいし、処理部１１０とは異なる通信制御用のプロセッサを含んでもよい。通信部１３０は、例えばＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）に従った通信を行うためのインターフェイスである。ただし具体的な通信方式は種々の変形実施が可能である。
【0040】
図３は、端末装置２００の詳細な構成例を示すブロック図である。端末装置２００は、処理部２１０と、記憶部２２０と、通信部２３０と、表示部２４０と、操作部２５０を含む。
【0041】
処理部２１０は、デジタル信号を処理する回路及びアナログ信号を処理する回路の少なくとも一方を含むハードウェアによって構成される。また処理部２１０は、プロセッサによって実現されてもよい。プロセッサは、ＣＰＵ、ＧＰＵ、ＤＳＰ等、各種のプロセッサを用いることが可能である。端末装置２００のメモリに格納された命令をプロセッサが実行することによって、処理部２１０の機能が処理として実現される。
【0042】
記憶部２２０は、処理部２１０のワーク領域であって、ＳＲＡＭ、ＤＲＡＭ、ＲＯＭ等の種々のメモリによって実現される。
【0043】
通信部２３０は、ネットワークを介した通信を行うためのインターフェイスであり、例えばアンテナ、ＲＦ回路、及びベースバンド回路を含む。通信部２３０は、例えばネットワークを介して、サーバシステム１００との通信を行う。
【0044】
表示部２４０は、種々の情報を表示するインターフェイスであり、液晶ディスプレイであってもよいし、有機ＥＬディスプレイであってもよいし、他の方式のディスプレイであってもよい。操作部２５０は、ユーザによる操作入力を受け付けるインターフェイスである。操作部２５０は、例えば端末装置２００に設けられるボタン等であってよい。また表示部２４０と操作部２５０は、一体として構成されるタッチパネルであってもよい。
【0045】
本実施形態にかかる情報処理システム１０は、上述したように、ネットワーク取得部１１１と、影響度算出部１１５を含む。そして第１ネットワーク１２１に含まれるノードに、複数のタグ値のうちの１以上を含むタグが付与されている場合において、影響度算出部１１５は、上述した（１）～（３）の処理を実行する。
【0046】
図１７－図１８等を用いて後述するように、経路の重みやタグ遷移パターンの重みは容易な演算により求めることが可能であり、且つ、関心エンティティを表すノードからの距離がある程度離れたとしても、計算量が過剰に増大する蓋然性が低い。従って本実施形態の手法によれば、関心エンティティが、指定されたタグ値のエンティティからどの程度の影響を受けているかを、対象のネットワークの広い範囲（狭義には全体）を対象として俯瞰的に求めることが可能である。また本実施形態では、経路及びタグ遷移パターンの重みが演算されれば、選択条件を切り替えた場合にも影響度の再計算が容易であるため、例えば注目すべき属性の種類や属性値（タグ値）を細かく指定する入力を受け付けることで、詳細な分析を実行させることも可能になる。
【0047】
さらに、本実施形態の手法では、経路の重みが演算されれば、タグ遷移パターンの重みの演算や影響度の算出が実行可能である。従って本実施形態の手法は、処理対象となるネットワークが取引ネットワークやサプライチェーンネットワークに限定されず、経路の重み（経路の末端ノードでの重み）を演算可能な種々のネットワークに拡張可能である。
【0048】
また、本実施形態の情報処理システム１０が行う処理の一部又は全部は、プログラムによって実現されてもよい。情報処理システム１０が行う処理とは、狭義にはサーバシステム１００の処理部１１０が行う処理であるが、端末装置２００の処理部２１０が実行する処理を含んでもよい。
【0049】
本実施形態に係るプログラムは、例えばコンピュータによって読み取り可能な媒体である非一時的な情報記憶媒体（情報記憶装置）に格納できる。情報記憶媒体は、例えば光ディスク、メモリーカード、ＨＤＤ、或いは半導体メモリなどによって実現できる。半導体メモリは例えばＲＯＭである。処理部１１０等は、情報記憶媒体に格納されるプログラムに基づいて本実施形態の種々の処理を行う。即ち情報記憶媒体は、処理部１１０等としてコンピュータを機能させるためのプログラムを記憶する。コンピュータは、入力装置、処理部、記憶部、出力部を備える装置である。具体的には本実施形態に係るプログラムは、図４等を用いて後述する各ステップを、コンピュータに実行させるためのプログラムである。
【0050】
また本実施形態の手法は、以下のステップを含む情報処理方法に適用できる。情報処理方法は、情報処理システム１０が、複数のエンティティにそれぞれ対応する複数のノードが取引関係または支配関係を示すエッジで接続された第１ネットワークを取得するステップと、第１ネットワークの一部または全部における影響度を算出するステップを含む。そして情報処理方法は、第１ネットワークに含まれるノードに複数のタグ値のうちの１以上を含むタグが付与されている場合に、影響度の算出ステップにおいて、第１ネットワーク中の関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、経路上のノードにおける取引関係または支配関係に基づいて、経路の重みを求めるステップと、経路上のノードのタグ値に基づいて、経路に沿ったタグ値の遷移を表す１または複数のタグ遷移パターンを求め、求めたタグ遷移パターンの数に基づいて、経路の重みを分配することによって、タグ遷移パターンの重みを求めるステップと、指定タグ値を少なくとも含む所与の選択条件が入力された場合に、選択条件によって選択されるタグ遷移パターンの重みに基づいて、関心エンティティへの影響度を求めるステップを含む。
【0051】
２．処理の詳細
以下、本実施形態の処理の詳細について説明する。なお以下では、第１ネットワーク１２１が、複数の企業にそれぞれ対応する複数のノードが、取引関係を示すエッジで接続された取引ネットワークであり、第２ネットワーク１２２が、関心企業のサプライチェーンを表すサプライチェーンネットワークである例について説明する。このようにすれば、関心企業のサプライチェーンネットワークを俯瞰するための情報として、影響度を求めることが可能になる。なお、他のネットワークを対象とする処理については図３３を用いて別途説明する。
以下、本実施形態の処理の詳細について説明する。なお以下では、第１ネットワーク１２１が、複数の企業にそれぞれ対応する複数のノードが、取引関係を示すエッジで接続された取引ネットワークであり、第２ネットワーク１２２が、関心企業のサプライチェーンを表すサプライチェーンネットワークである例について説明する。このようにすれば、関心企業のサプライチェーンネットワークを俯瞰するための情報として、影響度を求めることが可能になる。なお、他のネットワークを対象とする処理については図３３を用いて別途説明する。
【0052】
２．１ 全体の流れ
図４は、本実施形態の情報処理システム１０において実行される処理の概略を説明するフローチャートである。
図４は、本実施形態の情報処理システム１０において実行される処理の概略を説明するフローチャートである。
【0053】
まず、ステップＳ１０１において、ネットワーク取得部１１１は、第１ネットワーク１２１である取引ネットワークを取得する。ネットワーク取得部１１１は、取引ネットワークを記憶部１２０に記憶する。
【0054】
ステップＳ１０２において、ベクトル取得部１１２は、取引ネットワークに含まれる複数のノードのそれぞれについて、ベクトル表現を求める。ベクトル取得部１１２は、求めたベクトル表現を記憶部１２０に記憶する。
【0055】
ステップＳ１０３において、行列取得部１１３は、ベクトル表現に基づいて複素相関行列Ｃを決定する。ステップＳ１０４において、行列取得部１１３は、複素相関行列Ｃの固有値分解を行い、固有値と固有ベクトルを求める。行列取得部１１３は、少なくとも固有ベクトルを記憶部１２０に記憶する。
【0056】
ステップＳ１０５において、ネットワーク抽出部１１４は、固有ベクトルに基づいて、取引ネットワークから第２ネットワーク１２２であるサプライチェーンネットワークを抽出する。例えばネットワーク抽出部１１４は、関心エンティティである企業のサプライチェーンネットワークを抽出してもよい。
【0057】
ステップＳ１０６において、影響度算出部１１５は、ステップＳ１０５で抽出されたサプライチェーンネットワークにおける影響度を算出する。具体的には、影響度算出部１１５は、上述した（１）～（３）の処理を順次実行する。
【0058】
ステップＳ１０７において、ツリーマップ生成部１１６は、ステップＳ１０６で取得された影響度を示すツリーマップを生成する。例えばツリーマップ生成部１１６は、所与の属性について、当該属性に含まれる複数の属性値（タグ値）のそれぞれの影響度を求め、当該影響度の大きさの関係に基づいてツリーマップを作成する。また図４には不図示であるが、処理部１１０は表示制御部を含み、当該表示制御部はツリーマップを端末装置２００の表示部２４０に表示させる処理を行ってもよい。
【0059】
以下、各ステップの処理について詳細に説明する。
【0060】
２．２ 取引ネットワークの取得
図４のステップＳ１０１に対応する取引ネットワークの取得処理について説明する。ネットワーク取得部１１１は、公開情報に基づいて、取引ネットワークを生成してもよい。公開情報には、例えば有価証券報告書やニュースリリース等の情報が含まれる。
図４のステップＳ１０１に対応する取引ネットワークの取得処理について説明する。ネットワーク取得部１１１は、公開情報に基づいて、取引ネットワークを生成してもよい。公開情報には、例えば有価証券報告書やニュースリリース等の情報が含まれる。
【0061】
ネットワーク取得部１１１は、多数の企業のそれぞれについて、企業の名称、国籍、事業分野、取引先と取引品目等の種々の情報を特定する。またネットワーク取得部１１１は、公開情報に基づいて、各企業の従業員数、株主と出資比率、ボードメンバー等を特定してもよい。
【0062】
またネットワーク取得部１１１は、公開情報に基づいて、各企業の評判を表す評判情報を取得してもよい。例えば、評判情報とは、対象の企業が、ＥＳＧ（Environment, Social, Governance）の観点から問題を有する企業であるか、制裁を受けた履歴があるか等を表す情報である。例えば評判情報は、輸出規制への違反をした企業であるか、紛争鉱物を取り扱う企業であるか、奴隷労働に関与する企業であるか、違法伐採に関する企業であるか等を表す情報であってもよい。また公開情報は、政府等の機関が発行する文書であってもよく、評判情報は、所定の国等において取引規制の対象となっているか否かを表す情報であってもよい。また上述したように公開情報はＳＮＳに関する情報を含んでもよく、ここでの評判情報はＳＮＳに基づいて決定される情報であってもよい。例えばネットワーク取得部１１１は、ＳＮＳにおいて企業等の公式アカウントが発信した情報に基づいて評判情報を取得してもよい。また本実施形態の手法で用いられるＳＮＳの情報は、公式アカウントから発信するものには限定されない。例えばＳＮＳにおいて所定数以上のユーザが「紛争鉱物」、「奴隷労働」、「違法伐採」等のワードとともに所与の企業名を発信していた場合、当該企業に対して、ネガティブな評判情報が対応付けられてもよい。
【0063】
図５Ａ、図５Ｂは、公開情報に基づいて取得されるデータの構造例である。図５Ａに示すように、ネットワーク取得部１１１は、公開情報に含まれる各企業について、企業名、産業分類、評判、国籍が対応付けられた情報を取得する。
【0064】
企業名は、例えば対象の企業の名称を表すテキストデータである。産業分類は、対象の企業の事業分野を表す情報である。評判は上記の通り、対象の企業が、ＥＳＧの観点から問題を有する企業であるか否か等を表す情報である。国籍は、対象の企業が属する国を表す情報である。
【0065】
なお図５Ａでは産業分類をテキストで図示しているが、産業分類を表す情報は産業分類コードであってもよい。例えば日本標準産業分類であれば、非鉄金属第１次製錬・精製業には「２３１」というコードが割り当てられ、半導体素子製造業には「２８１３」等のコードが割り当てられる。なお、産業分類は上述したようにＮＡＩＣＳ等、他の分類であってもよい。以下では、説明の便宜上、産業分類が分類名を表すテキストであるものとして説明する。ただし、以下の処理における分類名は産業分類コードに置き換えが可能である。また、記憶部１２０は図２に示すようにタグデータ１２３を含んでもよく、タグデータ１２３は、例えばＮＡＩＣＳにおける分類名と分類コードを対応付けた情報である。処理部１１０は、タグデータ１２３に基づいて、分類名と分類コードの間の変換処理を行ってもよい。
【0066】
また図５Ｂに示すように、ネットワーク取得部１１１は、公開情報に基づいて、企業間の取引を表す情報を取得する。例えば公開情報に含まれる取引関係情報は、図５Ｂに示す情報、あるいは、図５Ｂに示す情報を特定することが可能な態様の情報である。企業間の取引を表す情報は、例えば販売元企業を特定する情報と、販売先企業を特定する情報と、取引される製品を特定する情報とを対応付けた情報である。
【0067】
ネットワーク取得部１１１は、これらの情報に基づいて、企業をノードとし、取引関係をエッジとする有向グラフである取引ネットワークを作成する。
【0068】
図５Ｃは、図５Ｂに示す取引関係に基づいて生成される取引ネットワークの一部を例示する図である。図５Ｂに示すように、企業Ｃ１が、企業Ｃ１０に製品Ｐ１を売るという関係がある。この場合、ネットワーク取得部１１１は、企業Ｃ１を表すノードと、企業Ｃ１０を表すノードとの間に、Ｃ１からＣ１０への向きのエッジを付与する。企業Ｃ１を表すノードには、図５Ａに示すように、企業名である「Ｃ１」の他、産業分類、評判、国籍等の情報が対応付けられる。企業Ｃ１０を表すノードについても同様である。またＣ１からＣ１０へと向かうエッジには、取引製品であるＰ１が対応付けられる。なおネットワーク取得部１１１は、公開情報に基づいて、取引量や取引価格等の情報を取得してもよく、これらの情報がエッジに対応付けられてもよい。
【0069】
また、図５Ｂに示すように、企業Ｃ１０が、企業Ｃ５に製品Ｐ２を売るという関係があるとする。この場合、ネットワーク取得部１１１は、企業Ｃ１０を表すノードと、企業Ｃ５を表すノードの間に、Ｃ１０からＣ５への向きのエッジを付与する。各ノードには図５Ａに示す情報が対応付けられ、エッジには取引製品等に関する情報が対応付けられる。
【0070】
なお、上述したように、有向グラフである取引ネットワークにおいて、何らかのものを提供する（売る）側を「上流側」と表記し、何らかのものの提供を受ける（買う）側を「下流側」と表記する。なお上流及び下流の定義は、後述するサプライチェーンネットワークにおいても同様である。
【0071】
ここでの取引ネットワークは、狭義には処理対象の公開情報に含まれるすべての企業に対応するノードを含むネットワークである。そのため、取引ネットワークは非常に多くのノードを含むネットワークであり、ノード数は数千程度や、それ以上であってもよい。ただし、公開情報に含まれる一部の企業を除外する等、取引ネットワークの構成手法は種々の変形実施が可能である。
【0072】
図６は、取引ネットワークの概略を示す図である。図６に示すように、取引ネットワークは、複数のノードが、取引関係を表すエッジによって結合された有向グラフである。なお、図６では説明を分かりやすくするため、製造工場であるか、流通拠点であるか等に応じてノードの形状を変えている。上述したように、各ノードに対応する企業の名称や産業分類等の情報が取得されているため、例えば産業分類に応じて表示態様を変える等の処理を実行することが可能である。ただし、本実施形態の手法では、ノードの形状を制御することは必須ではない。
【0073】
なお、図５Ａ及び図５Ｂは取引ネットワークに関するデータ構造の一例であり、具体的なデータ構造はこれに限定されない。例えば図５Ａや図５Ｂではリレーショナルデータベース等のテーブルデータを用いる例を示したが、他の構造のデータが用いられてもよい。またテーブルデータを用いる場合であっても、テーブル数は２つに限定されず、１つにまとめられてもよいし、３つ以上に分割して管理されてもよい。また図５Ａ、図５Ｂに示した項目の一部が省略されてもよいし、他の項目が追加されてもよい。例えばネットワーク取得部１１１は企業名、産業分類コード、売買の向きを表す情報を取得し、他の情報については欠落が許容されてもよい。
【0074】
２．３ ベクトル表現の算出
２．３．１ ベクトル算出ノードに関する取引ネットワーク抽出
図７は、図４のステップＳ１０２における複素ベクトル決定処理を説明するフローチャートである。この処理が開始されると、まずベクトル取得部１１２は、取引ネットワークに含まれる複数のノードの内の１つをベクトル算出ノードとして選択する。
２．３．１ ベクトル算出ノードに関する取引ネットワーク抽出
図７は、図４のステップＳ１０２における複素ベクトル決定処理を説明するフローチャートである。この処理が開始されると、まずベクトル取得部１１２は、取引ネットワークに含まれる複数のノードの内の１つをベクトル算出ノードとして選択する。
【0075】
ステップＳ２０２において、ベクトル取得部１１２は、ベクトル算出ノードに関するサブ取引ネットワークを抽出する。サブ取引ネットワークとは、取引ネットワークのうち、ベクトル算出ノードを含む一部のネットワークを表す。
【0076】
ステップＳ２０３において、ベクトル取得部１１２は、ステップＳ２０２で抽出されたサブ取引ネットワークに基づいて、ベクトル算出ノードのベクトル表現を求める。ここでのベクトルは、図１３を用いて後述するように、大きさと位相を有する複素数を要素とする複素ベクトルである。
【0077】
ステップＳ２０４において、ベクトル取得部１１２は、取引ネットワークに含まれる全てのノードのベクトル表現が求められたか否かを判定する。ベクトル表現が未算出のノードが存在する場合（ステップＳ２０４：Ｎｏ）、ステップＳ２０１に戻り、処理が継続される。例えばベクトル取得部１１２は、複素ベクトルが未算出のノードをベクトル算出ノードとして選択し、当該ベクトル算出ノードのベクトル表現を求める。
【0078】
全ノードのベクトル表現が算出された場合（ステップＳ２０４：Ｙｅｓ）、ベクトル取得部１１２は、図７に示した処理を終了する。
【0079】
【0080】
ステップＳ３０１において、ベクトル取得部１１２は、サブ取引ネットワークの抽出の基準となる特定の企業を決定する。例えば、ここでの特定の企業は図７のステップＳ２０２で選択されるベクトル算出ノードに対応する企業であってもよい。例えば図７のステップＳ２０１～Ｓ２０４に示したように、取引ネットワークに含まれる複数のノードが順次、ベクトル算出ノードとして選択される。以下、特定の企業を企業Ａとも表記する。
【0081】
ステップＳ３０２において、ベクトル取得部１１２は、ベクトル算出ノードに対応する企業Ａに隣接し、当該企業Ａに何かを売っている企業Ｘをすべて選択し、この集合をＳ１（Ａ）とする。
【0082】
図９Ａは、Ｓ１（Ａ）を例示する図である。例えば図９Ａは、取引ネットワークのうち、企業Ａを含む一部を抽出した図である。図９Ａの例では、企業Ｘ１を表すノードが、Ｘ１からＡへと向かうエッジによって、企業Ａを表すノードと直接接続されている。すなわち、Ｘ１は、企業Ａに隣接し、企業Ａに何かを売っている企業であるため、Ｓ１（Ａ）の要素と判定される。同様に、Ｘ２及びＸ３も企業Ａに隣接し、企業Ａに何かを売っている企業であるため、Ｓ１（Ａ）の要素と判定される。この場合のＳ１（Ａ）は、（Ｘ１，Ｘ２，Ｘ３）という３つの要素からなる集合である。
【0083】
ステップＳ３０３において、ベクトル取得部１１２は、探索のための変数ｉを１に初期化し、Ｓｉ＋１（Ａ）を空集合とする。ここではｉ＝１に初期化するため、Ｓｉ＋１（Ａ）はＳ２（Ａ）となる。従って、ここでは、ベクトル取得部１１２は、Ｓ２（Ａ）を空集合とする。
【0084】
ステップＳ３０４において、ベクトル取得部１１２は、Ｓｉ（Ａ）の各要素Ｘに対して、Ｘに隣接し、Ｘに製品を売っている企業Ｙのすべてに対し、企業ＹをＳｉ＋１（Ａ）に追加する。所与の企業Ａを対象として初めてステップＳ３０４の処理が行われる場合、ｉ＝１である。よって、この場合、ベクトル取得部１１２は、Ｓ１（Ａ）の各要素Ｘに対して、Ｘに隣接し、Ｘに製品を売っている企業Ｙのすべてを、Ｓ２（Ａ）に追加する。
【0085】
図９Ｂは、Ｓ２（Ａ）を例示する図である。Ｓ１（Ａ）は、この例では図９Ａを用いて上述したとおり、（Ｘ１，Ｘ２，Ｘ３）という３つの要素からなる集合である。ベクトル取得部１１２は、まずＸ１に隣接し、Ｘ１に製品を売っている企業Ｙを特定する。ここではＸ４及びＸ５の２つが条件を満たすため、この２つの企業がＳ２（Ａ）に追加される。次にベクトル取得部１１２は、Ｘ２に隣接し、Ｘ２に製品を売っている企業Ｙを特定する。ここではＸ５及びＸ６の２つが条件を満たす。Ｘ５についてはすでにＳ２（Ａ）に追加済であるため、Ｘ６がＳ２（Ａ）に追加される。次にベクトル取得部１１２は、Ｘ３に隣接し、Ｘ３に製品を売っている企業Ｙを特定する。ここではＸ７、Ｘ８及びＸ９の３つが条件を満たすため、この３つの企業がＳ２（Ａ）に追加される。結果として、ステップＳ３０４では、例えば図９Ｂに示すように、Ｓ２（Ａ）として、（Ｘ４，Ｘ５，Ｘ６，Ｘ７，Ｘ８，Ｘ９）という６つの要素からなる集合が生成される。
【0086】
ステップＳ３０５において、ベクトル取得部１１２は、Ｓｉ＋１（Ａ）が空集合であるか否かを判定する。図９Ｂの例であれば、Ｓ２（Ａ）は６つの要素を含むため、空集合ではない（ステップＳ３０５：Ｎｏ）と判定される。この場合、ステップＳ３０６において、ベクトル取得部１１２は、変数ｉをインクリメントして、Ｓｉ＋１（Ａ）を空集合に初期化する。そして、ステップＳ３０４の処理に戻る。例えばベクトル取得部１１２は、図９Ｂに示すようにＳ２（Ａ）を求めた後、ステップＳ３０６において、Ｓ３（Ａ）を空集合に初期化した上でステップＳ３０４の処理に戻る。
【0087】
この場合、ステップＳ３０４において、ベクトル取得部１１２は、Ｓ２（Ａ）の各要素Ｘに隣接し、Ｘに製品を売っている企業Ｙを特定し、企業ＹをＳ３（Ａ）に追加する。例えばベクトル取得部１１２は、Ｘ４に隣接しＸ４に製品を売っている企業を特定し、特定された企業をＳ３（Ａ）に追加する。Ｘ５からＸ９についても同様であり、ベクトル取得部１１２は、各企業に隣接し、且つ、製品を売っている企業をＳ３（Ａ）に追加する。
【0088】
もしＳ３（Ａ）が空集合でなければ、ステップＳ３０５の判定結果がＮｏとなるため、再度ステップＳ３０４に戻り、Ｓ４（Ａ）を求める処理が実行される。これ以降の処理も同様であり、Ｓｉ＋１（Ａ）が空集合となるまで、ステップＳ３０４からＳ３０６の処理が繰り返される。
【0089】
ステップＳ３０５においてＳｉ＋１（Ａ）が空集合とは、ステップＳ３０４の処理によって条件を満たす要素が１つも見つからないことを表す。即ち、Ｓｉ（Ａ）の要素である企業Ｘのいずれにも、それ以上、上流側の企業が存在しないことを表す。
【0090】
よってこの場合（ステップＳ３０５：Ｙｅｓ）、ステップＳ３０７において、ベクトル取得部１１２は、Ｓ１（Ａ）、Ｓ２（Ａ）、…、Ｓｉ（Ａ）の和集合をＳとする。
【0091】
ステップＳ３０８において、ベクトル取得部１１２は、企業Ａと、Ｓに含まれるすべての企業に対応するノードを含む有向グラフを、サブ取引ネットワークとして出力する。ここでのサブ取引ネットワークは、ベクトル算出ノードに対応する企業Ａを基準として上流側の企業を表すサブネットワークであるため、上流側サブ取引ネットワークとも表記する。
【0092】
図１０は、上流側サブ取引ネットワークの例である。図１０に示すように、上流側サブ取引ネットワークは、企業Ａと直接的または間接的に接続される企業を表すノードからなる有向グラフである。このようにすれば、取引ネットワークのうち、所望の企業に関連する部分を適切に抽出することが可能になる。上流側サブ取引ネットワークは、企業Ａと接続関係を特定可能な情報であるため、企業Ａの特徴を複素ベクトルで表現する上で有用な情報である。
【0093】
なお、ステップＳ３０４においてＳｉ＋１（Ａ）を求める際、ベクトル取得部１１２は、「Ｓｉ（Ａ）の要素Ｘに隣接しＸに何かを売っている」という条件に加えて、「｛Ａ｝、Ｓ１（Ａ）、…、及びＳｉ（Ａ）の和集合に含まれない」という条件に基づいて企業Ｙを特定してもよい。
【0094】
例えば３つの企業Ｘａ，Ｘｂ、Ｘｃについて、Ｘａ←Ｘｂ←Ｘｃ←Ｘａという循環が存在する場合であって、ＸａがＳｉ－２（Ａ）の要素であり、ＸｂがＳｉ－１（Ａ）の要素であり、ＸｃがＳｉ（Ａ）の要素である場合を考える。「Ｘａ←Ｘｂ」は、ＸｂがＸａに隣接し且つ何かを売っていることを表す。この場合、ＸａはすでにＳｉ－２（Ａ）の要素であるが、Ｘｃに隣接しＸｃに何かを売っているため、Ｓｉ＋１（Ａ）の要素となり得る。すなわち、循環まで考慮すると、ベクトル取得部１１２による処理が複雑化するおそれがある。その点、上記「｛Ａ｝、Ｓ１（Ａ）、…、及びＳｉ（Ａ）の和集合に含まれない」という条件を追加することによって、ＸａはＳｉ＋１（Ａ）の要素から除外されるため、処理の簡略化が可能である。
【0095】
また図８のステップＳ３０５において、ベクトル取得部１１２は、Ｓｉ＋１（Ａ）が空集合であるか否かの判定に加えて、ｉ≧ｋであるか否かを判定してもよい。ここでｋは、サブ取引ネットワークの抽出対象となる段数を決定する値である。ｋは例えば３程度の値であるが、異なる値が設定されてもよい。ベクトル取得部１１２は、Ｓｉ＋１（Ａ）が空集合であるという第１条件と、ｉ≧ｋであるという第２条件の少なくとも一方が満たされた場合に、ステップＳ３０５でＮｏと判定し、それ以上の探索を終了してもよい。このようにすれば、ベクトル表現を求めるためのサブ取引ネットワークの上流側の段数をｋ段に限定できる。そのため、ベクトル算出ノードに対応する企業との距離が遠い企業を処理から除外できるため、処理負荷の軽減が可能になる。より具体的には後述するベクトル表現において値が０となる要素の数を増やすことができるため、複素ベクトルを用いた処理（例えば類似度算出や、複素相関行列Ｃの固有値分解）における計算負荷を軽減できる。
【0096】
なお以上では企業Ａを基準として上流側の企業からなる上流側サブ取引ネットワークについて説明した。ただしサブ取引ネットワークは上流側サブ取引ネットワークに限定されず、下流側サブ取引ネットワークを含んでもよい。下流側についても探索方向が変わるのみであり、処理は図８と同様であるため説明は省略する。例えばベクトル取得部１１２は、ベクトル算出ノードの上流ｋ段、及び下流ｋ段の範囲において当該ベクトル算出ノードのサブ取引ネットワークを抽出する。
【0097】
２．３．２ ベクトル表現を求める処理
次にサブ取引ネットワークに基づいてベクトル算出ノードのベクトル表現を求める処理について説明する。本実施形態の手法では、ベクトル取得部１１２は、ベクトル算出ノードのサブ取引ネットワークに含まれる各ノードに対して、ベクトル算出ノードまでの距離に応じた位相、及び、ベクトル算出ノードへと向かう流量またはベクトル算出ノードからの流量に応じた絶対値を有する複素数を割り当てることによって、ベクトル算出ノードを表す複素ベクトルを求める。なお本実施形態における流量とは、有向グラフにおいて当該グラフ上を流れるものの量を表す。本実施形態のグラフは上流側企業から下流側企業へ向かう方向の有向グラフであり、流量とは上流側企業が下流側企業へ与える影響度合いを表す。本実施形態の流量は、図１２Ａを用いて後述するように、有向グラフにおけるノードの接続関係に基づいて決定される情報であってもよい。また流量は、例えば上流側企業から下流側企業へ供給される製品（材料、原料、製造装置等を含む）の具体的な量を反映した情報であってもよい。
次にサブ取引ネットワークに基づいてベクトル算出ノードのベクトル表現を求める処理について説明する。本実施形態の手法では、ベクトル取得部１１２は、ベクトル算出ノードのサブ取引ネットワークに含まれる各ノードに対して、ベクトル算出ノードまでの距離に応じた位相、及び、ベクトル算出ノードへと向かう流量またはベクトル算出ノードからの流量に応じた絶対値を有する複素数を割り当てることによって、ベクトル算出ノードを表す複素ベクトルを求める。なお本実施形態における流量とは、有向グラフにおいて当該グラフ上を流れるものの量を表す。本実施形態のグラフは上流側企業から下流側企業へ向かう方向の有向グラフであり、流量とは上流側企業が下流側企業へ与える影響度合いを表す。本実施形態の流量は、図１２Ａを用いて後述するように、有向グラフにおけるノードの接続関係に基づいて決定される情報であってもよい。また流量は、例えば上流側企業から下流側企業へ供給される製品（材料、原料、製造装置等を含む）の具体的な量を反映した情報であってもよい。
【0098】
本実施形態の手法によれば、有向グラフである取引ネットワーク（狭義にはそのうちのサブ取引ネットワーク）における流量（フロー）の大きさを絶対値により表現することに加えて、ノード間の距離を位相により表現することが可能になる。そのため、ベクトル算出ノードを含むサブ取引ネットワーク（局所グラフ）の構造を正確に反映したベクトル表現が可能になる。より具体的には、ノードのベクトル表現として、当該ノードがその上流、下流において、どのような企業とつながっているかという情報を、詳細に反映する情報を用いることが可能になる。
【0099】
図１１Ａ及び図１１Ｂは、図７のステップＳ２０３に対応するベクトル算出ノードのベクトル表現を求める処理を説明するフローチャートである。まずステップＳ４０１において、ベクトル取得部１１２は、上流側ノードに関する初期化処理を実行する。以下では、ベクトル算出ノードｎｓの上流側ノードをｘとしたとしき、上流側ノードｘの位相付き流量をＦ＋（Δθ，ｘ）とする。ベクトル取得部１１２は、取引ネットワークに含まれ、且つ、ベクトル算出ノードｎｓよりも上流側に位置する全ての上流側ノードｘについて、Ｆ＋（Δθ，ｘ）を０で初期化する。またベクトル取得部１１２は、ベクトル算出ノードｎｓ自身の位相付き流量であるＦ＋（Δθ，ｎｓ）を１に設定する。またベクトル算出ノードから上流にｍ段離れたノードの集合をＮｍ
＋とする。ベクトル算出ノードｎｓから０段離れたノードはベクトル算出ノード自身となるため、Ｎ０
＋＝｛ｎｓ｝である。またベクトル取得部１１２は、ｍを１で初期化する。
【0100】
ステップＳ４０２において、ベクトル取得部１１２は、ｍ＞ｋと、Ｎｍ
＋＝φの少なくとも一方が満たされるかを判定する。ここでのｋは、例えばサブ取引ネットワークの抽出処理において上述したｋと同様であり、探索範囲の上限段数を表す数値である。φは空集合を表す。
【0101】
ｍ≦ｋ、且つ、Ｎｍ
＋≠φである場合（ステップＳ４０２：Ｎｏ）、ステップＳ４０３において、ベクトル取得部１１２は、Ｎｍ
＋に含まれる全てのノードｘを対象として、下式（１）を用いてＦ＋（Δθ，ｘ）を更新する。
【0102】
【数1】
【0103】
図１２Ａ、図１２Ｂを用いて具体例を説明する。図１２Ａ及び図１２Ｂでは、取引ネットワークとして、全ノード数ｎ＝１４の例を示している。ここで、ベクトル算出ノードとしてノード８が選択された場合を考える。なおここでの取引ネットワークは小規模であり、取引ネットワークと、ノード８の上下３段分のサブ取引ネットワークが同一となるため、以下の説明では取引ネットワークとサブ取引ネットワークを区別しない。
【0104】
図１２Ａは、取引ネットワークのノード８に着目した場合の流量を示す図である。この場合、ノード８から上流に１段離れたノードは、ノード３とノード４となる。即ち、ノード８の１段上流からノード８へと流れ込むためのエッジは、ノード３とノード８を結ぶエッジと、ノード４とノード８を結ぶエッジの２本となる。よってノード８に流れ込む流量を１とした場合、当該流量が２本のエッジに所与の比率で分配されることになる。
【0105】
例えば分配比率が等分である場合、ノード３からノード８への流量が１／２、ノード４からノード８への流量が１／２となる。当然、ノード８の１段上流からノード８へと流れ込むためのエッジがＮ本（Ｎは２以上の整数）である場合、各エッジに対応する流量は１／Ｎとなる。以下では分配比率が等分である例について説明する。ただし、具体的な製品の取引量等がエッジに対応付けられている場合、当該取引量等に基づいて分配比率が設定されてもよい。
【0106】
分配比率が決定されたら、具体的に上式（１）の計算が行われる。例えばＦ＋（Δθ，３）を求める場合、右辺第１項の更新前のＦ＋（Δθ，３）は初期値そのものとなるため０である。またＮ０
＋は、ノード８のみとなるため、「Ｎｍ－１
＋の中でｘにつながるノードｙすべて」はノード８となる。またノード３とノード８を結ぶエッジの分配比率は上記の通り１／２である。またＦ＋（Δθ，ｙ）は、ベクトル算出ノードであるノード８の位相付き流量であるため、ステップＳ４０１で設定したとおり１である。従って、Ｆ＋（Δθ，３）は以下のように更新される。同様に、Ｆ＋（Δθ，４）は以下のように更新される。
Ｆ＋（Δθ，３）＝０＋ｅｉΔθ×（１／２）×１＝０．５ｅｉΔθ
Ｆ＋（Δθ，４）＝０＋ｅｉΔθ×（１／２）×１＝０．５ｅｉΔθ
Ｆ＋（Δθ，３）＝０＋ｅｉΔθ×（１／２）×１＝０．５ｅｉΔθ
Ｆ＋（Δθ，４）＝０＋ｅｉΔθ×（１／２）×１＝０．５ｅｉΔθ
【0107】
図１２Ｂは、図１２Ａと同様の取引ネットワークを対象とした場合であって、ノード８をベクトル算出ノードとしたときの各ノードの位相付き流量を例示した図である。上述したように、ノード３及び４の位相付き流量は、いずれも０．５ｅｉΔθとなる。
【0108】
次のステップＳ４０４において、ベクトル取得部１１２はｍをインクリメントし、ステップＳ４０２に戻って処理を行う。例えば２回目のステップＳ４０２の処理ではｍ＝２に設定されているため、２＞ｋであるかの判定、及び、Ｎ２
＋が空集合であるかの判定が行われる。
【0109】
例えばｋ＝３である場合、２＞ｋは満たされない。また図１２Ａ、図１２Ｂの例では、ノード８から上流に２段離れたノードとして、ノード３の１段上流に隣接し且つノード４の１段上流に隣接するノード１と、ノード４の１段上流に隣接するノード２が存在する。即ち、Ｎ２
＋はノード１とノード２の集合であり、空集合ではない。よってこの例ではベクトル取得部１１２は、ステップＳ４０２でＮｏと判定し、ステップＳ４０３の処理を実行する。
【0110】
この場合、Ｎ２
＋に含まれるノード１とノード２を対象として位相付き流量の更新処理が実行される。図１２Ａに示すように、ノード３から上流に１段離れたノードは、ノード１のみとなる。即ち、ノード３の１段上流からノード３へと流れ込むためのエッジは、ノード１とノード３を結ぶエッジの１本のみとなる。よってノード３の流量は、その全てがノード１に起因する流量となるため、分配比率は１になる。
【0111】
またノード４から上流に１段離れたノードは、ノード１とノード２の２つとなる。即ち、ノード４の１段上流からノード４へと流れ込むためのエッジは、ノード１とノード４を結ぶエッジと、ノード２とノード４を結ぶエッジの２本となる。よってノード４の流量は、その１／２がノード１に起因し、残り１／２がノード２に起因する流量となるため、分配比率はそれぞれ１／２になる。
【0112】
分配比率が決定されたら、具体的に上式（１）の計算が行われる。例えばＦ＋（Δθ，１）を求める場合、右辺第１項の更新前のＦ＋（Δθ，１）は初期値そのものとなるため０である。またＮ１
＋は、ノード３とノード４であり、この両方がノード１とつながるため、「Ｎｍ－１
＋の中でｘにつながるノードｙすべて」はノード３とノード４の２つとなる。またノード１とノード３を結ぶエッジの分配比率は１であり、ノード３の位相付き流量Ｆ＋（Δθ，３）は上述したとおり０．５ｅｉΔθである。またノード１とノード４を結ぶエッジの分配比率は１／２であり、ノード４の位相付き流量Ｆ＋（Δθ，４）は上述したとおり０．５ｅｉΔθである。従って、Ｆ＋（Δθ，１）は以下のように更新される。
Ｆ＋（Δθ，１）＝０＋ｅｉΔθ×｛１×０．５ｅｉΔθ＋１／２×０．５ｅｉΔθ｝
＝０．７５ｅ２ｉΔθ
Ｆ＋（Δθ，１）＝０＋ｅｉΔθ×｛１×０．５ｅｉΔθ＋１／２×０．５ｅｉΔθ｝
＝０．７５ｅ２ｉΔθ
【0113】
またＦ＋（Δθ，２）を求める場合、右辺第１項の更新前のＦ＋（Δθ，２）は初期値そのものとなるため０である。またＮ１
＋は、ノード３とノード４であり、このうちノード２とつながるのはノード４のみであるため、「Ｎｍ－１
＋の中でｘにつながるノードｙすべて」はノード４の１つとなる。またノード２とノード４を結ぶエッジの分配比率は１／２であり、ノード４の位相付き流量Ｆ＋（Δθ，４）は上述したとおり０．５ｅｉΔθである。従って、Ｆ＋（Δθ，２）は以下のように更新される。
Ｆ＋（Δθ，２）＝０＋ｅｉΔθ×｛１／２×０．５ｅｉΔθ｝＝０．２５ｅ２ｉΔθ
以上の説明から分かるように、ベクトル算出ノードからの段数が増えるごとにｅｉΔθが乗算されることになるため、位相がΔθずつずれている。即ち、本実施形態の手法では、ベクトル算出ノードから上流にｍ段離れたノードの位相は、ｍΔθとなる。
Ｆ＋（Δθ，２）＝０＋ｅｉΔθ×｛１／２×０．５ｅｉΔθ｝＝０．２５ｅ２ｉΔθ
以上の説明から分かるように、ベクトル算出ノードからの段数が増えるごとにｅｉΔθが乗算されることになるため、位相がΔθずつずれている。即ち、本実施形態の手法では、ベクトル算出ノードから上流にｍ段離れたノードの位相は、ｍΔθとなる。
【0114】
次のステップＳ４０４において、ベクトル取得部１１２はｍをインクリメントし、ステップＳ４０２に戻って処理を行う。例えば３回目のステップＳ４０２の処理ではｍ＝３に設定されているため、３＞ｋであるかの判定、及び、Ｎ３
＋が空集合であるかの判定が行われる。
【0115】
図１２Ａ、図１２Ｂの取引ネットワークの例では、ノード１よりも上流のノード、及び、ノード２よりも上流のノードは存在しないため、Ｎ３
＋が空集合となる。よってステップＳ４０２でＹｅｓと判定され、図１１Ｂに示す下流側の処理に移行する。Ｎ３
＋が空集合でなく、且つｋ≧３である場合には、ステップＳ４０２でＮｏと判定されるため、Ｎ３
＋に含まれる各ノードを対象として、位相付き流量の更新処理が実行される。即ち、本実施形態の手法では、上流側にｋ段分の処理が完了する、及び、それよりも上流側にノードが存在しないという条件の少なくとも一方が満たされるまで、１段ずつ上流に向かって位相付き流量を更新する処理が繰り返される。
【0116】
上流側の処理が完了した場合、図１１ＢのステップＳ４０５において、ベクトル取得部１１２は、下流側ノードに関する初期化処理を実行する。以下では、ベクトル算出ノードｎｓの下流側ノードをｘとしたとしき、下流側ノードｘの位相付き流量をＦ－（Δθ，ｘ）とする。ベクトル取得部１１２は、取引ネットワークに含まれ、且つ、ベクトル算出ノードｎｓよりも下流側に位置する全ての下流側ノードｘについて、Ｆ－（Δθ，ｘ）を０で初期化する。またベクトル取得部１１２は、ベクトル算出ノードｎｓ自身の位相付き流量であるＦ－（Δθ，ｎｓ）を１に設定する。またベクトル算出ノードから下流にｍ段離れたノードの集合をＮｍ
－とする。ベクトル算出ノードｎｓから０段離れたノードはベクトル算出ノード自身となるため、Ｎ０
－＝｛ｎｓ｝である。またベクトル取得部１１２は、ｍを１で初期化する。
【0117】
ステップＳ４０６において、ベクトル取得部１１２は、ｍ＞ｋと、Ｎｍ
－＝φの少なくとも一方が満たされるかを判定する。即ち、下流側においても上流側と同様に、ｋ段分の処理が完了する、または、それよりも下流側にノードが存在しないという条件が満たされるまで、処理が繰り返される。
【0118】
ｋ段分の処理が完了しておらず、且つ、下流側にノードが存在する場合（ステップＳ４０６：Ｎｏ）、ステップＳ４０７において、ベクトル取得部１１２は、Ｎｍ
－に含まれる全てのノードｘを対象として、下式（２）を用いてＦ－（Δθ，ｘ）を更新する。
【0119】
【数2】
【0120】
図１２Ａの例であれば、ベクトル算出ノードであるノード８から下流に１段離れたノードは、ノード１１とノード１２となる。即ち、ノード８からノード８の１段下流へと流れ出るためのエッジは、ノード８とノード１１を結ぶエッジと、ノード８とノード１２を結ぶエッジの２本となる。よってノード８から流れ出る流量を１とした場合、当該流量が２本のエッジに所与の比率で分配されることになる。分配比率が等分である場合、ノード８からノード１１への流量が１／２、ノード８からノード１２への流量が１／２となる。
【0121】
分配比率が決定されたら、具体的に上式（２）の計算が行われる。例えばＦ－（Δθ，１１）を求める場合、右辺第１項の更新前のＦ－（Δθ，１１）は初期値そのものとなるため０である。またＮ０
－は、ノード８のみとなるため、「Ｎｍ－１
－の中でｘにつながるノードｙすべて」はノード８となる。またノード８とノード１１を結ぶエッジの分配比率は上記の通り１／２である。またＦ－（Δθ，ｙ）は、ベクトル算出ノードであるノード８の位相付き流量であるため、ステップＳ４０５で設定したとおり１である。従って、Ｆ－（Δθ，１１）は以下のように更新される。同様に、Ｆ－（Δθ，１２）は以下のように更新される。
Ｆ－（Δθ，１１）＝０＋ｅ－ｉΔθ×（１／２）×１＝０．５ｅ－ｉΔθ
Ｆ－（Δθ，１２）＝０＋ｅ－ｉΔθ×（１／２）×１＝０．５ｅ－ｉΔθ
Ｆ－（Δθ，１１）＝０＋ｅ－ｉΔθ×（１／２）×１＝０．５ｅ－ｉΔθ
Ｆ－（Δθ，１２）＝０＋ｅ－ｉΔθ×（１／２）×１＝０．５ｅ－ｉΔθ
【0122】
次のステップＳ４０８において、ベクトル取得部１１２はｍをインクリメントし、ステップＳ４０６に戻って処理を行う。例えば２回目のステップＳ４０６の処理ではｍ＝２に設定されているため、２＞ｋであるかの判定、及び、Ｎ２
－が空集合であるかの判定が行われる。
【0123】
図１２Ａ、図１２Ｂの例では、Ｎ２
－に含まれるノード１３及びノード１４に関する処理が行われ、Ｆ－（Δθ，１３）及びＦ－（Δθ，１４）が更新される。処理の詳細については、以上で説明した例と同様であるため説明を省略する。なおベクトル算出ノードからの段数が増えるごとにｅ－ｉΔθが乗算されることになるため、位相が－Δθずつずれている。即ち、本実施形態の手法では、ベクトル算出ノードから下流にｍ段離れたノードの位相は、－ｍΔθとなる。
【0124】
下流側にｋ段分の処理が完了する、及び、それよりも下流側にノードが存在しないという条件の少なくとも一方が満たされた場合（ステップＳ４０６：Ｙｅｓ）、ステップＳ４０９において、ベクトル取得部１１２は、各ノードについて求められた位相付き流量に基づいて、ベクトル算出ノードのベクトル表現を決定する。
【0125】
具体的には、ベクトル取得部１１２は、取引ネットワークに含まれるｎ個のノードの全てについて、位相付き流量を所定順に並べたｎ次元複素ベクトルを、ベクトル算出ノードのベクトル表現とする。
【0126】
図１３は、図１２Ａ及び図１２Ｂを用いて上述した例におけるベクトル表現を示す図である。上述したように、ここでの取引ネットワークは１４個のノードを含むため、求められるベクトルは１４次元複素ベクトルとなる。例えば１４次元複素ベクトルは、ノード１～ノード１４の位相付き流量をこの順に並べたベクトルである。ただし、取引ネットワークに含まれる複数のノードの順序はこれに限定されず、種々の変形実施が可能である。
【0127】
上述したように、ノード１～ノード４、ノード１１～ノード１４はベクトル算出ノードであるノード８に接続されるため、位相付き流量が更新される。従って、１～４番目、及び１１～１４番目の要素は０でない複素数となる。一方、ノード５～ノード７、ノード９～ノード１０は更新対象とならないため位相付き流量は初期値である０のままとなる。従って、５～７番目、９～１０番目の要素は０となる。８番目の要素は、ノード８自身の位相付き流量であるため１となる。
【0128】
本実施形態の手法によれば、流量そのものだけでなく、ベクトル算出ノードからの段数を考慮したベクトル表現を用いることが可能になる。図１３の例であれば、複素ベクトルの１番目の要素の位相が２Δθであることから、当該複素ベクトルは、ノード１がベクトル算出ノードから上流に２段離れているという情報を保持できる。同様に、３番目の要素の位相がΔθであることから、複素ベクトルは、ノード３がベクトル算出ノードから上流に１段離れているという情報を保持できる。これらの情報を保持する複素ベクトルをこれ以降の処理に用いることによって、段数を含む情報が処理に反映されるため、処理精度を向上させることが可能になる。
【0129】
なお、上下ｋ段までの処理を行う場合、要素となる複素数の位相は、上流側でΔθ、２Δθ、３Δθ、・・・、ｋΔθとなり、下流側で－Δθ、－２Δθ、－３Δθ、・・・、－ｋΔθとなる。位相と段数の関係を明確にするためには、これらの位相が互いに重複しないことが望ましい。例えば、ｋ＝３である場合にΔθ＝π／２に設定してしまうと、ｅ２ｉΔθ＝ｅ－２ｉΔθ＝－１等の重複が発生するため、例えば上流側に２段離れていることと、下流側に２段離れていることの区別が難しくなる。よって本実施形態では、Δθはｋに基づいて値が設定されてもよい。例えばΔθは、（ｋ＋１）×Δθ＝πを満たす正の実数である。
【0130】
【0131】
ここでノード５は、ノード１と直接接続されるため、Ｎ１
＋に含まれるノードである。具体的には、ノード５の位相付き流量Ｆ＋（Δθ，５）は、Ｎ１
＋を対象とした処理により以下のように更新される。
Ｆ＋（Δθ，５）＝０＋ｅｉΔθ×（１／３）×１＝（１／３）ｅｉΔθ
またノード５は、Ｎ１ ＋に含まれるノード２から１段上流のノードであるため、Ｎ２ ＋に含まれるノードである。具体的には、ノード５の位相付き流量Ｆ＋（Δθ，５）は、Ｎ２ ＋を対象とした処理により以下のように更新される。なおノード２の位相付き流量Ｆ＋（Δθ，２）は（１／３）ｅｉΔθである。
Ｆ＋（Δθ，５）＝（１／３）ｅｉΔθ＋ｅｉΔθ×（１／２）×（１／３）ｅｉΔθ
＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ
Ｆ＋（Δθ，５）＝０＋ｅｉΔθ×（１／３）×１＝（１／３）ｅｉΔθ
またノード５は、Ｎ１ ＋に含まれるノード２から１段上流のノードであるため、Ｎ２ ＋に含まれるノードである。具体的には、ノード５の位相付き流量Ｆ＋（Δθ，５）は、Ｎ２ ＋を対象とした処理により以下のように更新される。なおノード２の位相付き流量Ｆ＋（Δθ，２）は（１／３）ｅｉΔθである。
Ｆ＋（Δθ，５）＝（１／３）ｅｉΔθ＋ｅｉΔθ×（１／２）×（１／３）ｅｉΔθ
＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ
【0132】
さらにノード５は、Ｎ２
＋に含まれるノード４から１段上流のノードであるため、Ｎ３
＋に含まれるノードである。具体的には、ノード５の位相付き流量Ｆ＋（Δθ，５）は、Ｎ３
＋を対象とした処理により以下のように更新される。なお、ノード４の位相付き流量Ｆ＋（Δθ，４）は（１／６）ｅ２ｉΔθである。
Ｆ＋（Δθ，５）＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ
＋ｅｉΔθ×（１／２）×（１／６）ｅ２ｉΔθ
＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ＋（１／１２）ｅ３ｉΔθ
Ｆ＋（Δθ，５）＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ
＋ｅｉΔθ×（１／２）×（１／６）ｅ２ｉΔθ
＝（１／３）ｅｉΔθ＋（１／６）ｅ２ｉΔθ＋（１／１２）ｅ３ｉΔθ
【0133】
以上のように、本実施形態の手法では、ベクトル算出ノードから対象ノードまでの経路として、距離（段数）の異なる複数の経路が存在するネットワーク構造であったとしても、対象ノードの位相付き流量を用いて、当該ネットワーク構造を表現することが可能になる。例えば上述の例であれば、Ｆ＋（Δθ，５）には位相がΔθの項と、２Δθの項と、３Δθの項の３つが含まれるため、図１４に示したサブ取引ネットワークの構造が適切にベクトル表現に反映される。
【0134】
取引ネットワークの各ノードの複素ベクトルは、例えばノード間の類似度算出に用いられてもよい。例えば処理部１１０は、下式（３）に基づいてノードｉとノードｊの類似度Ｓを求める不図示の類似度算出部を含んでもよい。下式（３）において、ｘｊ
＊はｘｊの各要素について共役複素数を取った複素共役ベクトルを表す。即ち、右辺の分子はｘｉとｘｊのエルミート内積を表す。また｜ｘｉ｜及び｜ｘｊ｜は、それぞれｘｉ及びｘｊの大きさ（ノルム）を表す。Ｒ｛｝は実部を表す。
【0135】
【数3】
【0136】
このようにすれば、例えばベクトル間の類似度算出に用いられるコサイン類似度を複素数に拡張することが可能になる。具体的には、上述したようにノード間の距離（位相差）を用いた判定が可能になるため、類似度の算出精度を高くすることが可能である。
【0137】
２．４ 複素相関行列と固有値分解
本実施形態の複素ベクトルは、取引ネットワークからサプライチェーンネットワークを抽出する処理に用いられてもよい。具体的には、まず図４のステップＳ１０３に示したように、行列取得部１１３は、複素ベクトルに基づいて複素相関行列Ｃを決定し、ステップＳ１０４に示したように当該複素相関行列Ｃの固有値分解を行う。
本実施形態の複素ベクトルは、取引ネットワークからサプライチェーンネットワークを抽出する処理に用いられてもよい。具体的には、まず図４のステップＳ１０３に示したように、行列取得部１１３は、複素ベクトルに基づいて複素相関行列Ｃを決定し、ステップＳ１０４に示したように当該複素相関行列Ｃの固有値分解を行う。
【0138】
まず行列取得部１１３は、取引ネットワークに含まれる第１～第ｎノードのそれぞれの複素ベクトル表現を取得する。以下、第ｉ（ｉは１≦ｉ≦ｎを満たす整数）のノードに対応する複素ベクトルをｘｉとする。例えばベクトル取得部１１２は、第１～第ｎのノードのそれぞれをベクトル算出ノードとして、図１１Ａ及び図１１Ｂに示した処理を実行することで複素ベクトルｘ１～ｘｎを求め、求めたｘ１～ｘｎを記憶部１２０に記憶する。ｘ１～ｘｎは、それぞれがｎ次元複素ベクトルであり、例えば縦ベクトルである。
【0139】
次に行列取得部１１３は、ｘ１～ｘｎを並べることによって行列Ｘを取得する。例えば行列取得部１１３は、ｘ１～ｘｎを所定順に並べた行列Ｘ＝［ｘ１，ｘ２，・・・，ｘｎ］を取得し、成分ごとに絶対値が１となるように規格化する。そして行列取得部１１３は、規格化後の行列を改めて行列Ｘとする。以上のように、本実施形態において「ｘ１～ｘｎを並べることによって行列Ｘを取得する」処理とは、単純にｘ１～ｘｎを並べる処理に限定されず、規格化等の他の処理（並べる前の前処理であってもよいし、並べた後の後処理であってもよい）を含んでもよい。
【0140】
行列Ｘは、ｎ行ｎ列の正方行列である。また行列取得部１１３は、行列Ｘの各成分の共役複素数を取って転置した行列（複素共役転置）Ｘ＊を求める。行列Ｘ＊もｎ行ｎ列の正方行列である。なお、取引ネットワークに含まれるｎ個のノードを並び順は、複素ベクトル表現を求める際の順序と同じである。
【0141】
そして行列取得部１１３は、Ｃ＝ＸＸ＊により、複素相関行列Ｃを求める。複素相関行列Ｃもｎ行ｎ列の正方行列である。Ｃの各成分は２つの複素ベクトルのエルミート内積に相当するため、上式（３）に示した類似度に対応する情報である。従ってＣは取引ネットワークの第１～第ｎのノードのノード間の相関を表す複素相関行列Ｃとして用いることが可能である。
【0142】
次に行列取得部１１３は、複素相関行列Ｃの固有値分解を行う。具体的には行列取得部１１３は、Ｃ＝ＶΛＶ－１により、複素相関行列Ｃを、固有ベクトルを列ベクトルとする行列Ｖと、固有値を対角成分とする対角行列Λに分解する。以下、ｍ個の固有値をｅ１～ｅｍと表記し、それぞれの固有値に対応するｍ個の固有ベクトルをｖ１～ｖｍと表記する。ここでｍはｍ≦ｎを満たす整数である。なお固有値分解については公知の手法であるため詳細な説明は省略する。
【0143】
なお以上ではｘ１～ｘｎが縦ベクトルとして表現される例について説明したがｘ１～ｘｎは横ベクトルとして表現されてもよい。この場合、例えば行列取得部１１３は、ｘ１～ｘｎを縦方向に並べて絶対値を１に規格化した行列をＸとする。また行列取得部１１３は、Ｃ＝Ｘ＊Ｘにより、複素相関行列Ｃを求めてもよい。以上のように、本実施形態の行列取得部１１３は、取引ネットワークの各ノードを表現する複数の複素ベクトルから複素相関行列Ｃを求める処理、及び、複素相関行列Ｃの固有値分解を行う処理を行うものであり、具体的な処理は種々の変形実施が可能である。
【0144】
２．５ サプライチェーンネットワークの取得
次に図４のステップＳ１０５に対応するサプライチェーンネットワークの抽出処理を説明する。
次に図４のステップＳ１０５に対応するサプライチェーンネットワークの抽出処理を説明する。
【0145】
ネットワーク抽出部１１４は、取引ネットワーク及び複素ベクトルに基づいて、サプライチェーンネットワーク群を抽出する処理と、当該サプライチェーンネットワーク群のうち、関心エンティティに対応する基準ノードを含む一部を、影響度算出処理の対象であるサプライチェーンネットワークとして選択する処理と、を行う。このようにすれば、取引ネットワークのうちの重要な部分をサプライチェーンネットワークとして抽出するだけでなく、具体的なノード（企業）を特定した処理を行うことが可能になる。結果として、タグ影響度の算出に用いる情報の量を適切に抑制することが可能になる。
【0146】
以下、企業（ノード）を限定せずにサプライチェーンネットワーク群を抽出する処理を第１抽出処理と表記し、サプライチェーンネットワーク群から企業等を限定したサプライチェーンネットワークを抽出する処理を第２抽出処理と表記する。
【0147】
２．５．１ サプライチェーンネットワーク群の取得
図１５は、ネットワーク抽出部１１４による第１抽出処理を説明するフローチャートである。まずステップＳ５０１において、ネットワーク抽出部１１４は、ｍ個の
固有ベクトルｖ１～ｖｍのうち、ｖｊを選択する。ここでｊは１以上ｍ以下の整数であり、例えば初期値はｊ＝１である。
図１５は、ネットワーク抽出部１１４による第１抽出処理を説明するフローチャートである。まずステップＳ５０１において、ネットワーク抽出部１１４は、ｍ個の
固有ベクトルｖ１～ｖｍのうち、ｖｊを選択する。ここでｊは１以上ｍ以下の整数であり、例えば初期値はｊ＝１である。
【0148】
ここでｖｊは、ｎ行ｎ列の複素相関行列Ｃの固有値分解によって得られるベクトルであるため、ｎ個の要素を含む縦ベクトルとなる。例えば固有ベクトルｖｊは以下の式（４）となる。なお下式（４）では表現を容易にするため、固有ベクトルｖｊの転置表現を用いている。
【0149】
【数4】
【0150】
ここで固有ベクトルｖｊの１番目の要素は、取引ネットワークのノード１に関する情報を表す。即ち、ノード１の絶対値（流量）はｒｊ１であり、位相（基準ノードからの距離）はｐｊ１である。固有ベクトルｖｊの２～ｎ番目の要素についても同様であり、それぞれがノード２～ノードｎの流量と位相を表す。つまり１つの固有ベクトルは、取引ネットワークに含まれるｎ個のノード間の関係（ネットワーク構造）を特定する情報である。そして、固有ベクトルが複素相関行列Ｃから求められることに鑑みれば、固有ベクトルが表すネットワーク構造は、取引ネットワークにおける主要なネットワーク構造を表すと考えられる。従って本実施形態のネットワーク抽出部１１４は、固有ベクトルに基づいて取引ネットワークからサプライチェーンネットワーク群を抽出する第１抽出処理を行う。
【0151】
ステップＳ５０２において、ネットワーク抽出部１１４は、取引ネットワークに含まれるエッジＥ１～ＥＬ（Ｌはエッジ総数を表す２以上の整数）のうち、Ｅｌを選択する。ここでｌは１以上Ｌ以下の整数であり、例えば初期値はｌ＝１である。
【0152】
ステップＳ５０３において、ネットワーク抽出部１１４は、エッジＥｌの上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）を特定する。例えばエッジＥｌは属性として上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）を含み、ネットワーク抽出部１１４は当該属性値を参照することによってステップＳ５０３の処理を行う。
【0153】
ステップＳ５０４において、ネットワーク抽出部１１４は、固有ベクトルｖｊに基づいて上流側ノードｃ（ｌ，ｓ）の絶対値ｒｊ（ｌ，ｓ）と位相ｐｊ（ｌ，ｓ）を決定する。具体的には、ネットワーク抽出部１１４は上流側ノードｃ（ｌ，ｓ）が取引ネットワークに含まれるノード１～ノードｎのうちの何番目のノードであるかを特定し、固有ベクトルｖｊのｎ個の要素のうち、対応する要素を読み出すことによって絶対値ｒｊ（ｌ，ｓ）と位相ｐｊ（ｌ，ｓ）を決定する。例えば上流側ｃ（ｌ，ｓ）がノード１に対応する場合、ｒｊ（ｌ，ｓ）＝ｒｊ１であり、ｐｊ（ｌ，ｓ）＝ｐｊ１である。
【0154】
ステップＳ５０５において、ネットワーク抽出部１１４は、固有ベクトルｖｊに基づいて下流側ノードｃ（ｌ，ｔ）の絶対値ｒｊ（ｌ，ｔ）と位相ｐｊ（ｌ，ｔ）を決定する。具体的な処理については上流側ノードｃ（ｌ，ｓ）の場合と同様である。
【0155】
そしてネットワーク抽出部１１４は、固有ベクトルｖｊの要素の絶対値によって表される上流側ノードｃ（ｌ，ｓ）の流量及び下流側ノードｃ（ｌ，ｔ）の流量の大きさを判定する第１判定、及び、固有ベクトルｖｊの要素の位相によって表される上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）の間の距離を判定する第２判定を行うことによって、サプライチェーンネットワークを抽出する。ただし、第１判定と第２判定の両方は必須ではなく、何れか一方が省略されてもよい。
【0156】
このようにすれば、固有ベクトルｖｊから求められる流量や位相を用いてエッジＥｌの重要度合いを判定できる。具体的には、固有ベクトルにおいて上流側ノードｃ（ｌ，ｓ）の流量及び下流側ノードｃ（ｌ，ｔ）の流量の両方がある程度大きい場合、当該２つのノードを結ぶエッジＥｌは取引ネットワーク内でも重要なエッジと推定される。また固有ベクトルｖｊから求められる位相は、当該固有ベクトルｖｊによって表されるネットワーク構造における上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）の主要な接続関係（距離、段数）を表している。つまり固有ベクトルの位相から特定される接続関係と、エッジＥｌにおける接続関係が近ければエッジＥｌの重要度は高く、遠ければエッジＥｌの重要度は低いと判定できる。以上のように、流量及び位相を用いることによって、エッジＥｌに関する判定を適切に実行することが可能になる。
【0157】
ステップＳ５０６において、ネットワーク抽出部１１４は流量に基づく第１判定を行う。具体的には、ネットワーク抽出部１１４は、上流側ノードｃ（ｌ，ｓ）の絶対値ｒｊ（ｌ，ｓ）が所与の閾値δよりも大きく、且つ、下流側ノードｃ（ｌ，ｔ）の絶対値ｒｊ（ｌ，ｔ）が所与の閾値δよりも大きいかを判定する。
【0158】
ｒｊ（ｌ，ｓ）とｒｊ（ｌ，ｔ）の両方がδより大きい場合（ステップＳ５０６：Ｙｅｓ）、ステップＳ５０７において、ネットワーク抽出部１１４は位相（距離）に基づく第２判定を行う。具体的には、ネットワーク抽出部１１４は、上流側ノードｃ（ｌ，ｓ）の位相ｐｊ（ｌ，ｓ）から下流側ノードｃ（ｌ，ｔ）の位相ｐｊ（ｌ，ｔ）を減算し、その値が（１－ε）より大きく、且つ、（１＋ε）より小さいかを判定する。ここでεは所与の閾値である。
【0159】
（１＋ε）及び（１－ε）に含まれる１とは、隣り合う２つのノード間の距離を表す値である。上述したように、取引ネットワークにおいて、上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）はエッジＥｌによって直接接続される２つのノードであり、ノード間の距離は１となる。つまりエッジＥｌが取引ネットワークの中で重要なエッジである場合、固有ベクトルｖｊによって表されるネットワーク構造においても、上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）はエッジＥｌに相当するエッジにより直接接続される、即ち固有ベクトルｖｊから求められるノード間距離が１に十分近い値になると推定される。一方で、エッジＥｌが取引ネットワークの中で重要なエッジでない場合、固有ベクトルｖｊによって表されるネットワーク構造においては、上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）はそもそも接続されないか、エッジＥｌとは異なるエッジにより接続されることによりノード間距離が１とは異なる値となると推定される。
【0160】
従ってステップＳ５０７において、ネットワーク抽出部１１４は、固有ベクトルｖｊから決定される上流側ノードｃ（ｌ，ｓ）と下流側ノードｃ（ｌ，ｔ）の間の距離と、隣接する２つのノードの間の距離（具体的には１）との差分値を判定する。これにより、位相に基づいてエッジＥｌの重要度を適切に判定することが可能になる。
【0161】
流量の少なくとも一方が閾値δ以下である場合（ステップＳ５０６：Ｎｏ）、または、距離と１との差分絶対値がε以上である場合（ステップＳ５０７：Ｎｏ）、処理対象としているエッジＥｌの重要度が低いと判定される。従って、ステップＳ５０８において、ネットワーク抽出部１１４はＥｌを抽出対象のサプライチェーンネットワークから除外する処理を行う。
【0162】
一方、流量の両方が閾値δより大きく（ステップＳ５０６：Ｙｅｓ）、距離と１との差分絶対値がεより小さい場合（ステップＳ５０７：Ｙｅｓ）、エッジＥｌはサプライチェーンネットワークを構成するエッジとして残される。
【0163】
以上でエッジＥｌに関する処理が終了する。ステップＳ５０９において、ネットワーク抽出部１１４は、取引ネットワークに含まれる全てのエッジＥ１～ＥＬに関する処理が終了したかを判定する。
【0164】
未処理のエッジがある場合（ステップＳ５０９：Ｎｏ）、ステップＳ５１０において、ネットワーク抽出部１１４は変数ｌを更新した後、ステップＳ５０２に戻る。例えばネットワーク抽出部１１４は、エッジＥ１に関する処理を行った後、ｌをインクリメントすることでｌ＝２に更新し、エッジＥ２を対象として上述したステップＳ５０２～Ｓ５０９の処理を実行する。
【0165】
全てのエッジに関する処理が終了した場合（ステップＳ５０９：Ｙｅｓ）、ステップＳ５１１において、ネットワーク抽出部１１４は、エッジＥ１～ＥＬのうち、ステップＳ５０８の処理で除外されずに残ったエッジにより構成されるネットワークをサプライチェーンネットワーク群に追加する。ここで追加されるネットワークは、取引ネットワークの部分ネットワークである。なおエッジＥ１～ＥＬのうち、ステップＳ５０８の処理で除外されずに残ったエッジにより構成されるネットワークは、全てのノードが接続されたグラフになるとは限らず、いくつかのネットワークに分割されていてもよい。この場合、ネットワーク抽出部１１４は、分割されたそれぞれのネットワークをサプライチェーンネットワーク群に追加する処理を行う。
【0166】
ステップＳ５０１～Ｓ５１１の処理によって、固有ベクトルｖｊを対象としたサプライチェーンネットワークの抽出処理が終了する。次にステップＳ５１２において、ネットワーク抽出部１１４は、固有値分解で求められた全ての固有ベクトルｖ１～ｖｍに関する処理が終了したかを判定する。
【0167】
未処理の固有ベクトルがある場合（ステップＳ５１２：Ｎｏ）、ステップＳ５１３において、ネットワーク抽出部１１４は変数ｊを更新した後、ステップＳ５０１に戻る。例えばネットワーク抽出部１１４は、固有ベクトルｖ１に関する処理を行った後、ｊをインクリメントすることでｊ＝２に更新し、固有ベクトルｖ２を対象として上述したステップＳ５０２～Ｓ５１３の処理を実行する。なお処理対象の固有ベクトルが更新される際には、ステップＳ５０８の処理結果も初期化され、エッジＥ１～ＥＬの全てが削除されていない状態から再度ステップＳ５０２の処理が開始される。
【0168】
全ての固有ベクトルに関する処理が終了した場合（ステップＳ５１２：Ｙｅｓ）、ネットワーク抽出部１１４は、サプライチェーンネットワーク群を抽出する第１抽出処理を終了する。つまりサプライチェーンネットワーク群とは、固有ベクトルｖ１～ｖｍのそれぞれについて求められた部分ネットワークの集合である。
【0169】
２．５．２ サプライチェーンネットワークの選択
次にネットワーク抽出部１１４は、サプライチェーンネットワーク群から特定の企業に関するサプライチェーンネットワークを抽出する第２抽出処理を行う。例えばネットワーク抽出部１１４は、図１５に示した第１抽出処理によって求められたサプライチェーンネットワーク群から、所与の企業に対応するノードを含むサプライチェーンネットワークを抽出する。ここで所与の企業は、端末装置２００の操作部２５０を用いて入力されてもよい。例えば端末装置２００のユーザは、自社、競合他社、買収予定企業等、何らかの分析が必要となる関心企業を選択する操作を行う。ネットワーク抽出部１１４は、選択された企業に対応するノードを特定し、サプライチェーンネットワーク群に含まれる各ネットワークのうち、特定されたノードを含むネットワークを抽出することによって、第２抽出処理を実行する。
次にネットワーク抽出部１１４は、サプライチェーンネットワーク群から特定の企業に関するサプライチェーンネットワークを抽出する第２抽出処理を行う。例えばネットワーク抽出部１１４は、図１５に示した第１抽出処理によって求められたサプライチェーンネットワーク群から、所与の企業に対応するノードを含むサプライチェーンネットワークを抽出する。ここで所与の企業は、端末装置２００の操作部２５０を用いて入力されてもよい。例えば端末装置２００のユーザは、自社、競合他社、買収予定企業等、何らかの分析が必要となる関心企業を選択する操作を行う。ネットワーク抽出部１１４は、選択された企業に対応するノードを特定し、サプライチェーンネットワーク群に含まれる各ネットワークのうち、特定されたノードを含むネットワークを抽出することによって、第２抽出処理を実行する。
【0170】
またネットワーク抽出部１１４は、他の条件に基づいてサプライチェーンネットワークの絞り込みを行ってもよい。例えばネットワーク抽出部１１４は、関心企業の特定の製品に関するサプライチェーンネットワークを選択してもよい。この場合、ネットワーク抽出部１１４は、サプライチェーンネットワーク群のうち、エッジに付与されるタグに選択された製品を表す情報が含まれるか否かを判定してもよい。
【0171】
２．６ 影響度の算出
次に影響度算出部１１５の処理を説明する。なお、ここでは上述したように、情報処理システム１０が、第１ネットワーク１２１のうち、基準ノードからの距離が所与の閾値以下のノードからなる一部を第２ネットワーク１２２として抽出するネットワーク抽出部１１４を含む例を考える。例えば上述したサプライチェーンネットワークは、関心エンティティに対応する基準ノードからの距離がｋ以下の範囲のノードを含むネットワークである。この場合、影響度算出部１１５は、第２ネットワーク１２２における影響度を求めてもよい。第２ネットワーク１２２を対象とすることによって、第１ネットワーク１２１の中で重要度の高い部分を対象として影響度を算出できる。第２ネットワーク１２２がサプライチェーンネットワークである場合、関心エンティティの本質的な取引関係における影響度を求めることが可能である。以下、具体的なサプライチェーンネットワークを用いて影響度の算出処理を説明する。
次に影響度算出部１１５の処理を説明する。なお、ここでは上述したように、情報処理システム１０が、第１ネットワーク１２１のうち、基準ノードからの距離が所与の閾値以下のノードからなる一部を第２ネットワーク１２２として抽出するネットワーク抽出部１１４を含む例を考える。例えば上述したサプライチェーンネットワークは、関心エンティティに対応する基準ノードからの距離がｋ以下の範囲のノードを含むネットワークである。この場合、影響度算出部１１５は、第２ネットワーク１２２における影響度を求めてもよい。第２ネットワーク１２２を対象とすることによって、第１ネットワーク１２１の中で重要度の高い部分を対象として影響度を算出できる。第２ネットワーク１２２がサプライチェーンネットワークである場合、関心エンティティの本質的な取引関係における影響度を求めることが可能である。以下、具体的なサプライチェーンネットワークを用いて影響度の算出処理を説明する。
【0172】
２．６．１ 経路の重み
図１６は、影響度の算出対象となる第２ネットワーク１２２であるサプライチェーンネットワークの例である。ここではノードＡ～ノードＫの１１個のノードを含むシンプルな構成のサプライチェーンネットワークについて説明する。図１６では、各ノードに付与されたタグを｛｝で囲んで図示している。ａ～ｈは、タグに含まれるタグ値（属性値）の例であり、ここでは１つのアルファベットが１つの産業分類を表すものとする。例えばノードＡには産業分類としてａが対応付けられている。また１つの企業が複数の事業を行うこともあるため、１つのノードに複数の産業分類が対応付けられてもよい。例えばノードＢには、産業分類としてｂ及びｃが対応付けられる。ノードＣ～ノードＫについても同様であり、それぞれ１または複数の産業分類を含むタグが付与される。
図１６は、影響度の算出対象となる第２ネットワーク１２２であるサプライチェーンネットワークの例である。ここではノードＡ～ノードＫの１１個のノードを含むシンプルな構成のサプライチェーンネットワークについて説明する。図１６では、各ノードに付与されたタグを｛｝で囲んで図示している。ａ～ｈは、タグに含まれるタグ値（属性値）の例であり、ここでは１つのアルファベットが１つの産業分類を表すものとする。例えばノードＡには産業分類としてａが対応付けられている。また１つの企業が複数の事業を行うこともあるため、１つのノードに複数の産業分類が対応付けられてもよい。例えばノードＢには、産業分類としてｂ及びｃが対応付けられる。ノードＣ～ノードＫについても同様であり、それぞれ１または複数の産業分類を含むタグが付与される。
【0173】
図１６に示すサプライチェーンネットワークには、矢印の方向を逆順にたどった場合に、Ａ→Ｂ→Ｄ→Ｉという経路がある。以下、複数のノードを接続した経路を、単純にノードを表すアルファベットの羅列で表記する。例えば経路ＡＢＤＩとは、ノードＡ、Ｂ、Ｄ、Ｉをこの順にたどる経路を表す。図１６のサプライチェーンネットワークでは、ノードＢからノードＩへと向かうエッジが存在するため、逆順にたどった場合にＩＢという経路が存在する。従って当該サプライチェーンネットワークは、ＡＢＤＩＢＤＩＢ…という無限ループを含む。
【0174】
このように第２ネットワーク１２２にループが含まれる場合、影響度算出部１１５による影響度の算出処理の前に、当該ループが解消されてもよい。例えば情報処理システム１０は、第２ネットワーク１２２に含まれるループを解消することによって、第２ネットワーク１２２を更新するネットワーク更新部（図２には不図示）を含んでもよい。ネットワーク更新部は、例えばサーバシステム１００の処理部１１０に含まれる。具体的には、ネットワーク更新部は、ループする直前のＡＢＤＩという経路までを考慮し、ループを構成するノードＩとノードＢの間のエッジを削除する。このようにすれば、影響度の算出における計算負荷を抑制できる。ものの流れに着目する場合、サプライチェーンネットワークに現れるループ部分は本質的な部分として考慮しなくてよいとの知見があるため（例えばKichikawa, Y., Iyetomi, H., Iino, T. et al. Community structure based on circular flow in a large-scale transaction network. Appl Netw Sci 4, 92 (2019). https://doi.org/10.1007/s41109-019-0202-8）、ループを解消しても適切な処理を実行することが可能である。
【0175】
なおここでは第２ネットワーク１２２を処理対象とする例を説明しているが、上述したように第１ネットワーク１２１が影響度算出の対象となってもよい。この場合にも、ループの解消が可能であり、例えばネットワーク更新部は、第１ネットワーク１２１にループが含まれる場合に、ループを解消することによって、第１ネットワーク１２１を更新してもよい。
【0176】
図１７は、図１６のサプライチェーンネットワークにおけるループを解消した上で、各エッジでの重みを追記した図である。例えば図１７のサプライチェーンネットワークではノードＡが下流端であり、ノードＩ，Ｊ，Ｋがそれぞれ上流端である。
【0177】
ここでノードＡからノードＩに遷移する経路は、ＡＢＤＩの１通りである。またノードＡからノードＪに遷移する経路は、ＡＢＤＪ，ＡＢＥＪ，ＡＢＦＪ，ＡＢＧＪ，ＡＣＧＪの５通りである。ノードＡからノードＫに遷移する経路は、ＡＢＦＫ，ＡＣＨＫの２通りである。図１７に示すサプライチェーンネットワークにおける経路は以上の８通りとなる。
【0178】
影響度算出部１１５は、これらの複数の経路のそれぞれについて、経路の重みを求める。図１８は、サプライチェーンネットワークの構造に基づく重み、即ち流量に基づいて経路の重みを求めた場合の例を表す図である。例えばノードＡにおける流量を１とした場合、ノードＡにはノードＢとノードＣの２つが接続される。流量が等分される場合、ノードＢの流量はノードＡの流量である１の半分である０．５となる。同様にノードＣの流量も０．５となる。
【0179】
またノードＢにはノードＤ～ノードＧの４つが接続される。よってノードＢの流量である０．５がこれら４つのノードに分配される。従って、各ノードの流量は０．５×（１／４）＝０．１２５となる。
【0180】
またノードＤにはノードＩとノードＪの２つが接続される。よってノードＤの流量である０．１２５がこれら２つのノードに分配される。従って、経路ＡＢＤＩというノード遷移に沿った末端ノードＩでの重み（流量）は０．１２５×（１／２）＝０．０６２５となる。影響度算出部１１５は、経路の終端ノードでの重みを、当該経路の重みとして設定する。同様に、経路ＡＢＤＪの末端ノードＪの重みは０．０６２５であるため、経路ＡＢＤＪの重みも０．０６２５となる。
【0181】
他の経路についても同様である。例えばノードＥにはノードＪのみが接続されるため、経路ＡＢＥＪの重みは、ノードＥでの流量と同じ０．１２５となる。ノードＦにはノードＪとノードＫの２つが接続されるため、経路ＡＢＦＪの重み及び経路ＡＢＦＫの重みは、それぞれ０．０６２５となる。ノードＧにはノードＪのみが接続されるため、経路ＡＢＧＪの重みはノードＢを経由した場合のノードＧの流量と同じであり、０．１２５となる。また経路ＡＣＧＪの重みは、ノードＣを経由した場合のノードＧの流量と同じであり、０．２５となる。ノードＨにはにはノードＪのみが接続されるため、経路ＡＣＨＫの重みはノードＨの流量と同じであり、０．２５となる。これらをまとめたものが図１８の「ノード遷移に沿った末端ノードの重み」に対応する。
【0182】
２．６．２ タグ遷移パターンの重み
経路の重みが求められたら、影響度算出部１１５は、当該経路の重みをタグ遷移パターンの数に応じて分配することによって、タグ遷移パターンの重みを求める。以下、具体的な処理を説明する。
経路の重みが求められたら、影響度算出部１１５は、当該経路の重みをタグ遷移パターンの数に応じて分配することによって、タグ遷移パターンの重みを求める。以下、具体的な処理を説明する。
【0183】
図１７のサプライチェーンネットワークにおいて、経路ＡＢＤＩを考えた場合、ノードＡには産業分類を表すタグ値であるａが対応づけられている。ノードＢには、タグ値としてｂ及びｃが対応づけられている。ノードＤには、タグ値としてｄ及びｅが対応づけられている。ノードＩには、タグ値としてｈが対応づけられている。
【0184】
つまり経路ＡＢＤＩに沿ってタグ値がどのように変化したかを表す遷移パターンとして、ａｂｄｈ，ａｂｅｈ，ａｃｄｈ，ａｃｅｈの４通りが考えられる。なおａｂｄｈとは、４つのノードを遷移した場合に、各ノードに付与されたタグ値としてａ、ｂ、ｄ、ｈがこの順に現れるタグ遷移パターンを表す。これ以外の例についても同様である。つまり経路ＡＢＤＩでは、各ノードに付与されたタグ値の数がそれぞれ１，２，２，１であるため、当該経路ＡＢＤＩに沿ったタグ遷移パターンは、１×２×２×１＝４の４通りが考えられる。
【0185】
他の経路についても同様であり、各経路でのタグ遷移パターンの種類数は、経路ＡＢＤＪが４通り、経路ＡＢＥＪが４通り、経路ＡＢＦＪが２通り、経路ＡＢＦＫが２通り、経路ＡＢＧＪが４通り、経路ＡＣＧＪが４通り、経路ＡＣＨＫが２通りである。タグ遷移パターンの数は、図１８における「可能なタグ遷移の数」の欄に対応する。
【0186】
影響度算出部１１５は、８通りの経路から求められる上記２６通りの遷移パターン（図１８における＃１～＃２６）に対して、それぞれ重みを求める。例えば影響度算出部１１５は、経路の重みを、当該経路に沿ったタグ遷移パターンのそれぞれに等分することによって、タグ遷移パターンの重みを求める。例えば上述したように、経路ＡＢＤＩ沿ったタグ遷移パターンとして、ａｂｄｈ，ａｂｅｈ，ａｃｄｈ，ａｃｅｈの４通りが考えられる。そして経路ＡＢＤＩの重みは上述したように０．０６２５である。この場合、影響度算出部１１５は、０．０６２５を４等分することによって、タグ遷移パターン＃１～＃４に対応するａｂｄｈ，ａｂｅｈ，ａｃｄｈ，ａｃｅｈのそれぞれに対して、０．０１５６２５という重みを割り当てる。＃５～＃２６のそれぞれについても同様に、影響度算出部１１５は、経路の重みをタグ遷移パターンの数に応じて等分することによって、各タグ遷移パターンの重みを求める。求められたタグ遷移パターンの重みをまとめたものが、図１８の「それぞれのタグ遷移に与えられる重み」の欄に対応する。
【0187】
ここで、図１８の例では、ノードＤとノードＥは、ともに属性としてｄが対応付けられている。従って、ノードで考えた場合、経路ＡＢＤＪと経路ＡＢＥＪは異なる経路となるが、タグで考えた場合、経路ＡＢＤＪと経路ＡＢＥＪで同じタグ遷移パターンであるａｂｄｇが現れる場合も考えられる（図１８の＃５と＃９に対応）。本実施形態では、このようにタグ遷移パターンの重みを求める際に、同じタグ遷移パターンが重複して現れることが許容される。例えば影響度算出部１１５は、＃５に示すタグ遷移パターン＝ａｂｄｇ且つ重み＝０．０１５６２５という情報と、＃９に示すタグ遷移パターン＝ａｂｄｇ且つ重み＝０．０３１２５という情報をそれぞれ分けて処理してもよく、以下ではこの例について説明する。ただし影響度算出部１１５は、＃５と＃９の情報を、タグ遷移パターン＝ａｂｄｇ且つ重み＝０．０１５６２５＋０．０３１２５＝０．０４６８７５という１つの情報にまとめてから以下で説明する処理を行ってもよく、具体的な処理は種々の変形実施が可能である。
【0188】
また図１８に示したように、影響度算出部１１５は、基準ノードからの距離を表すＴｉｅｒを設定してもよい。ここでは、サプライチェーンネットワークの一端であるノードＡを基準ノードとする。ノードＡは、例えば端末装置２００のユーザが関心エンティティ（関心企業）として選択したエンティティに対応するノードである。ＴｉｅｒＰ（Ｐは整数）は、基準ノードとの距離がＰであるノードを表す。経路ＡＢＤＪでは、Ｔｉｅｒ１がノードＢに対応し、Ｔｉｅｒ２がノードＤに対応し、Ｔｉｅｒ３がノードＩに対応する。他の経路においても同様である。
【0189】
またＴｉｅｒは、経路におけるノードだけではなく、当該ノードに付与されるタグ値と対応づけられてもよい。例えば＃１に示すａｂｄｈというタグ遷移パターンでは、ａはノードＡのタグであるため、Ｔｉｅｒ０に対応する。以下同様に、ｂはノードＢのタグであるためＴｉｅｒ１に対応し、ｄはノードＤのタグであるためＴｉｅｒ２に対応し、ｈはノードＩのタグであるためＴｉｅｒ３に対応する。＃２～＃２６に示したタグ遷移パターンについても同様である。これにより、影響度算出部１１５は、各タグ遷移パターンについて、Ｔｉｅｒごとのタグ値を求める。Ｔｉｅｒごとのタグ値をまとめたものが、図１８のＴｉｅｒ０～Ｔｉｅｒ３の欄に対応する。
【0190】
２．６．３ 選択条件の受付と影響度の算出
次に影響度算出部１１５は、指定タグ値を少なくとも含む所与の選択条件の入力を受け付ける。ここでの入力は、例えば端末装置２００において実行される。例えばタグが産業分類を表す情報である場合、選択条件とは、複数のタグ値のうちのいずれか１つを指定タグ値として特定する条件であってもよい。影響度算出部１１５は、複数のタグ遷移パターンから選択条件に合致するタグ遷移パターンを選択することによって影響度を算出する。
次に影響度算出部１１５は、指定タグ値を少なくとも含む所与の選択条件の入力を受け付ける。ここでの入力は、例えば端末装置２００において実行される。例えばタグが産業分類を表す情報である場合、選択条件とは、複数のタグ値のうちのいずれか１つを指定タグ値として特定する条件であってもよい。影響度算出部１１５は、複数のタグ遷移パターンから選択条件に合致するタグ遷移パターンを選択することによって影響度を算出する。
【0191】
例えば影響度算出部１１５は、第１産業分類を指定タグ値とする選択条件が入力された場合に、第１産業分類に対応するタグ値を含むタグ遷移パターンの重みに基づいて、第１産業分類の影響度を算出する。このようにすれば、関心エンティティのサプライチェーンネットワークにおいて、特定の産業分類が当該関心エンティティにどの程度影響を及ぼすかの指標値を適切に算出することが可能になる。
【0192】
例えば指定タグ値として、産業分類＝ｃが入力された場合を考える。この場合、影響度算出部１１５は、図１８の＃１～＃２６に示したすべてのタグ遷移パターンの中から、ｃを含むタグ遷移パターンを選択する。
【0193】
図１９Ａ及び図１９Ｂは、選択されたタグ遷移パターンを示す図である。図１９Ａは、Ｔｉｅｒ１のタグ値がｃであるタグ遷移パターンを示す図である。図１８の例であれば、＃３、＃４、＃７、＃８、＃１１、＃１２、＃１４、＃１６、＃１９、＃２０に対応する１０個のタグ遷移パターンは、Ｔｉｅｒ１のタグ値としてｃを含む。そして上述したように、各タグ遷移パターンには、当該タグ遷移パターンの重みが設定されている。影響度算出部１１５は、例えば図１９Ａに示した１０個のタグ遷移パターンの重みの和を求めることによって、Ｔｉｅｒ１での産業分類ｃの影響度を算出する。図１９Ａの例では、Ｔｉｅｒ１での産業分類ｃの影響度は０．２５である。
【0194】
また図１９Ｂは、Ｔｉｅｒ２のタグ値がｃであるタグ遷移パターンを示す図である。図１８の例であれば、＃１０、＃１２に対応する２個のタグ遷移パターンは、Ｔｉｅｒ２のタグ値としてｃを含む。影響度算出部１１５は、例えば図１９Ｂに示した２個のタグ遷移パターンの重みの和を求めることによって、Ｔｉｅｒ２での産業分類ｃの影響度を算出する。図１９Ｂの例では、Ｔｉｅｒ２での産業分類ｃの影響度は０．０６２５である。
【0195】
また図１８の例では、Ｔｉｅｒ３に産業分類ｃが現れることはない。従って影響度算出部１１５は、Ｔｉｅｒ３での産業分類ｃの影響度を０とする。
【0196】
以上の処理に基づいて、影響度算出部１１５は、図１７に示すサプライチェーンネットワークにおける産業分類ｃの影響度は、０．２５＋０．０６２５＋０＝０．３１２５であると判定する。
【0197】
また影響度算出部１１５は、これ以外の産業分類についても影響度を算出してもよい。例えば、端末装置２００のユーザは、産業分類ごとの影響度を求める旨の入力操作を行ってもよい。この場合、影響度算出部１１５は、指定タグ値として、産業分類ｂ～ｈのそれぞれを順次選択することによって、各産業分類の影響度を算出してもよい。なおここでは関心エンティティに対応するノードＡのタグ値ａを省略しているが、産業分類ａの影響度が算出されてもよい。
【0198】
図２０は、各産業分類の影響度をＴｉｅｒごとに算出した結果を表す図である。算出手法については、産業分類ｃを用いて上述した例と同様であるため、詳細な説明は省略する。例えば影響度算出部１１５は、各産業分類について、Ｔｉｅｒ１～Ｔｉｅｒ３での影響度の和（図２０の「全体」の欄に対応）を当該産業分類の影響度として算出する。
【0199】
２．７ ツリーマップの作成
次に図４のステップＳ１０７に対応するツリーマップ生成部１１６の処理を説明する。ツリーマップ生成部１１６は、影響度算出部１１５によって算出された影響度の大きさに対応する面積を有する図形が配置されたツリーマップを作成する。このようにすれば、処理対象となるネットワーク（狭義には第２ネットワーク１２２であるサプライチェーンネットワーク）に関する情報を、その概要が把握しやすい態様で提示することが可能になる。例えば、複数のタグ値のそれぞれについて影響度が求められた場合、支配的な影響を及ぼすタグ値をわかりやすく提示することや、タグ値間の影響度の大小関係をわかりやすく提示すること等が可能になる。
次に図４のステップＳ１０７に対応するツリーマップ生成部１１６の処理を説明する。ツリーマップ生成部１１６は、影響度算出部１１５によって算出された影響度の大きさに対応する面積を有する図形が配置されたツリーマップを作成する。このようにすれば、処理対象となるネットワーク（狭義には第２ネットワーク１２２であるサプライチェーンネットワーク）に関する情報を、その概要が把握しやすい態様で提示することが可能になる。例えば、複数のタグ値のそれぞれについて影響度が求められた場合、支配的な影響を及ぼすタグ値をわかりやすく提示することや、タグ値間の影響度の大小関係をわかりやすく提示すること等が可能になる。
【0200】
図２１は、ツリーマップ生成部１１６が作成するツリーマップの例であって、図２０に示す影響度に基づく図である。図２０の右端の列に示したように、この例では、産業分類ｂ～ｈのそれぞれについて影響度の値が求められている。従ってツリーマップ生成部１１６は、影響度の値に応じた大小関係を有する図形（狭義には四角形）をそれぞれ産業分類に対応づけて表示するツリーマップを作成する。
【0201】
情報処理システム１０の表示処理部（図２には不図示）は、図２１のツリーマップを端末装置２００の表示部２４０に表示させる処理を行う。このようにすれば、例えば関心エンティティのサプライチェーンネットワークでは、産業分類ｇの影響度合いが非常に大きいことを、端末装置２００のユーザに理解させることが可能になる。
【0202】
なお図１７に示したように、産業分類ｇが付与されるノードは、サプライチェーンネットワークの端点であるノードＪ及びノードＫである。この例からわかるように、本実施形態の手法ではネットワークの端点に位置するノードに付与されたタグ等を評価することが可能である。従来、ネットワーク中のノードの重要度（チョークポイント性）を判定する指標として媒介中心性が用いられていた。しかし媒介中心性は経路の途中にあるノードについて算出されるものであり、ネットワークの端点では値が０になってしまう。これに対して、本実施形態では上記の通り、ネットワークの端点に位置するノード（狭義には当該ノードに対応づけられるタグ）についても、影響度を適切に算出可能であるという利点がある。
【0203】
また、本実施形態の手法では、ツリーマップ生成部１１６は影響度に基づくツリーマップに加えて、他の情報に基づくツリーマップを作成してもよい。例えば図２２は、図１７のサプライチェーンネットワークにおいて、産業分類ｂ～ｈのそれぞれが現れる頻度をＴｉｅｒごとに集計した結果を示す図である。例えば、産業分類ｂは、Ｔｉｅｒ１であるノードＢとノードＣで１回ずつ出現するため、Ｔｉｅｒ１での頻度は２となる。またＴｉｅｒ２及びＴｉｅｒ３には産業分類ｂが付与されたノードは存在しないため、Ｔｉｅｒ２での頻度とＴｉｅｒ３での頻度はともに０となる。また図２２における「全体」とは、Ｔｉｅｒ１～Ｔｉｅｒ３での頻度の合計値を表す。頻度をカウントする処理は、例えば影響度算出部１１５によって実行されてもよいし、処理部１１０の他の構成（例えば図２には不図示の頻度算出部）によって実行されてもよい。
【0204】
産業分類ｃ～ｈについても同様に、図１７に示すサプライチェーンネットワークでの出現頻度をカウントする処理が行われることによって、図２２に示す結果が得られる。例えばツリーマップ生成部１１６は、出現頻度に基づくツリーマップを作成してもよい。
【0205】
図２３は、ツリーマップ生成部１１６が作成するツリーマップの例であって、図２２に示す頻度に基づく図である。図２１と図２３の比較からわかるように、本実施形態にかかる影響度では産業分類ｇが支配的であったにもかかわらず（図２１）、頻度に基づくツリーマップではｇの面積は相対的に小さい（図２３）。それ以外にも影響度のツリーマップと頻度のツリーマップでは相違点が大きい。つまり本実施形態の影響度を用いることによって、頻度を単純に用いた場合では得られない情報が取得できる。
【0206】
その上で本実施形態の表示処理部は、影響度のツリーマップと頻度のツリーマップを比較可能な態様で表示する処理を行ってもよい。例えば端末装置２００の表示部２４０において、２つのツリーマップは並べて表示されてもよいし、一方のツリーマップから他方のツリーマップへの切り替えが可能であってもよい。
【0207】
例えばユーザが単純に影響度のツリーマップ（図２１）のみを閲覧した場合、産業分類ｇの影響度が大きいことがわかるのみである。一方で、頻度のツリーマップ（図２３）を合わせて表示することで、産業分類ｇはサプライチェーンネットワークにおける出現頻度は低いものの、非常に大きい影響度を有しているということをユーザに理解させることが可能になる。これは例えば、産業分類ｇが、関心エンティティのサプライチェーンネットワークにおいて必須主要原料を供給する産業にあたる場合等に相当する。
【0208】
例えば、あるネットワークにおいて、出現頻度が高い産業分類の影響度が大きいことがわかったとしても、それは妥当な結果が得られただけであって、情報としての重要度は高くない可能性がある。一方で、出現頻度が低い産業分類であるにも関わらず影響度が大きいことがわかった場合、それは本実施形態の影響度を用いない従来の分析処理では発見が難しかった情報が得られたことになる。つまり、影響度以外の指標に基づくツリーマップを併用することによって、影響度に基づくツリーマップから得られる情報の有用性をユーザに判断させることが可能になる。
【0209】
３．変形例
以下、いくつかの変形例について説明する。
以下、いくつかの変形例について説明する。
【0210】
３．１ 選択条件の他の例
３．１．１ 複数の属性の組み合わせ
以上では、産業分類を表すタグ値（産業分類ｂ～ｈ）を例にとって、影響度を求める処理を説明した。ただし本実施形態におけるタグは１種類の属性を表す情報に限定されず、複数の属性を組み合わせた情報であってもよい。この場合、第１ネットワーク１２１及び第２ネットワーク１２２の各ノードには、第１属性の属性値と第２属性の属性値を組み合わせた情報がタグ値として付与される。
３．１．１ 複数の属性の組み合わせ
以上では、産業分類を表すタグ値（産業分類ｂ～ｈ）を例にとって、影響度を求める処理を説明した。ただし本実施形態におけるタグは１種類の属性を表す情報に限定されず、複数の属性を組み合わせた情報であってもよい。この場合、第１ネットワーク１２１及び第２ネットワーク１２２の各ノードには、第１属性の属性値と第２属性の属性値を組み合わせた情報がタグ値として付与される。
【0211】
ここでのタグは、例えば産業分類と国の組み合わせを特定する情報であってもよい。図２４は、産業分類と国の組み合わせを表すタグが各ノードに付与されるサプライチェーンネットワークの例である。図２４において、ａ～ｈは、上述した例と同様にそれぞれ産業分類を特定する属性値である。またＮ１～Ｎ５は、ノードに対応するエンティティが属する国や地域を表す属性値である。
【0212】
例えばノードＡに対応するエンティティは、Ｎ１という国に属する産業分類ａの企業である。またノードＢに対応するエンティティは、Ｎ１という国に属する産業分類ｂの企業であり、且つ、Ｎ１という国に属する産業分類ｃの企業でもある。ノードＣ～ノードＫについても同様に、図２４の例では産業分類と国の組み合わせによって１つのタグ値が表現される。
【0213】
影響度算出部１１５は、図２４のサプライチェーンネットワークを対象として影響度を算出する。タグ値が変化した場合であっても、経路の重みを求める処理に変更はない。従って影響度算出部１１５は、図１７の例と同様に、ＡＢＤＩ，ＡＢＤＪ，ＡＢＥＪ，ＡＢＦＪ，ＡＢＦＫ，ＡＢＧＪ，ＡＣＧＪ及びＡＣＨＫの各経路について末端ノードの重みを経路の重みとして算出する。
【0214】
次に影響度算出部１１５は、タグ遷移パターンを求め、タグ遷移パターンの数に基づいて経路の重みを分配する処理を行う。例えば経路ＡＢＤＩのタグ遷移パターンは、以下の４通りである。
（ａ：Ｎ１）（ｂ：Ｎ１）（ｄ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｂ：Ｎ１）（ｅ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｃ：Ｎ１）（ｄ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｃ：Ｎ１）（ｅ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｂ：Ｎ１）（ｄ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｂ：Ｎ１）（ｅ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｃ：Ｎ１）（ｄ：Ｎ３）（ｈ：Ｎ４）
（ａ：Ｎ１）（ｃ：Ｎ１）（ｅ：Ｎ３）（ｈ：Ｎ４）
【0215】
従って影響度算出部１１５は、上記４つのタグ遷移パターンのそれぞれの重みとして、経路ＡＢＤＩの重みである０．０６２５を４等分した０．０１５６２５を設定する。
【0216】
他の経路、タグ遷移パターンについても同様である。つまり影響度算出部１１５は、図１８に示したＴｉｅｒ０～Ｔｉｅｒ３の各列のタグ値が、産業分類と国の組み合わせに拡張される点を除いて、図１８を用いて上述した処理と同様の処理によって、タグ遷移パターンの重みを算出する。
【0217】
そして影響度算出部１１５は、第１産業分類及び第１国の組み合わせを指定タグ値とする選択条件が入力された場合に、第１産業分類及び第１国の組み合わせに対応するタグ値を含むタグ遷移パターンの重みに基づいて、第１国の第１産業分類による影響度を算出する。このようにすれば、タグ値を複数の属性の組み合わせに拡張した場合にも、適切に影響度を算出できる。従って、より複雑な事象が関心エンティティのネットワークに与える影響を評価することが可能になる。
【0218】
例えば、図１７に示したネットワークでは、指定タグ値として産業分類ｂの選択が可能であり、その場合、産業分類ｂの影響度として０．５という値が算出される（図２０）。これに対して図２４に示したネットワークでは、産業分類ｂを含む指定を行う場合に、指定タグ値として（ｂ：Ｎ１）と（ｂ：Ｎ２）いう複数の選択が可能になる。影響度算出部１１５は、（ｂ：Ｎ１）が指定タグ値として選択された場合、（ｂ：Ｎ１）を含むタグ遷移パターンの重みを合計する処理を行い、（ｂ：Ｎ２）が指定タグ値として選択された場合、（ｂ：Ｎ２）を含むタグ遷移パターンの重みを合計する処理を行う。図２４の例では、（ｂ：Ｎ１）の影響度は０．２５であり、（ｂ：Ｎ２）の影響度は０．２５となる。これ以外の指定タグ値が選択条件として入力された場合も同様である。
【0219】
図２５は、産業分類、国、及びＴｉｅｒごとに影響度を算出した結果を表す図である。図２５では、産業分類を示す行と、国を示す列との交点にあたるセルに、当該産業分類と国の組み合わせの影響度を表す値が記載されている。例えば影響度算出部１１５は、産業分類と国の組み合わせのそれぞれについて、Ｔｉｅｒ１～Ｔｉｅｒ３での影響度の和を、当該産業分類と国の組み合わせによる影響度として算出する。
【0220】
図２６は、各Ｔｉｅｒでの値を合計することによって取得される、産業分類と国の組み合わせによる影響度を示す図である。ここでは７通りの産業分類と５通りの国を考えているため、３５通りのタグ値のそれぞれについて影響度の値が算出される。例えば産業分類のみを考えた場合、産業分類ｂの影響度は０．５であったが（図２０）、国との組み合わせも考慮することによって、Ｎ１国の産業分類ｂと、Ｎ２国の産業分類ｂの影響度がそれぞれ０．２５ずつであるというより詳細な情報が求められていることがわかる。
【0221】
図２７は、図２６に示す影響度に基づいて作成されるツリーマップの例である。情報処理システム１０の表示処理部は、図２７に示すツリーマップを端末装置２００の表示部２４０に表示させる処理を行ってもよい。このようにすれば、例えば関心エンティティのサプライチェーンネットワークでは、Ｎ４国の産業分類ｇの影響度合いが非常に大きいことを、端末装置２００のユーザに理解させることが可能になる。従って、図２１のツリーマップと比較した場合、国ごとに分けたより詳細な影響度をわかりやすくユーザに提示することが可能になる。なお、影響度のツリーマップと頻度のツリーマップを比較可能な態様で表示してもよい点は、図２１を用いて上述した例と同様である。
【0222】
また図２６の表において、例えば各セルに記載された影響度を行方向で合計した値（表右端の「小計」に対応）は、国によらない産業分類の影響度を表す。そして国によらない産業分類の影響度の値は、図２０の「全体」の列に示した値と一致する。従って影響度算出部１１５は、産業分類と国の組み合わせであるタグ値のそれぞれについて影響度を求めた上で、産業分類が共通する複数の影響度を合計する（国のみが異なる複数の影響度を合計する）処理を行うことによって、産業分類ごとの影響度を求めてもよい。この場合にも、影響度算出部１１５は、図１６－図２１を用いて上述した例と同様の結果を取得することが可能である。
【0223】
より広義には、影響度算出部１１５は、第１属性の属性値と第２属性の属性値の組み合わせであるタグ値のそれぞれについて影響度を求めた上で、第１属性が共通し且つ第２属性が異なる複数の影響度をまとめることによって、第２属性を消去する処理を行ってもよい。このようにすれば、選択条件として第１属性と第２属性の組み合わせが指定された場合、第１属性のみが指定された場合のいずれについても、容易に影響度を算出することが可能になる。当然、影響度算出部１１５は、選択条件として第２属性のみが指定された場合に、第１属性を消去する処理を行ってもよい。
【0224】
上述したように、消去する属性は任意の選択が可能であるため、産業分類と国の組み合わせから産業分類が消去されてもよい。例えば図２６の表において、各セルに記載された影響度を列方向で合計した値（表下端の「小計」に対応）は、産業分類によらない国の影響度を表す。
【0225】
図２８は、国ごとの影響度を示す図である。例えば本実施形態のツリーマップ生成部１１６は、図２８に示す影響度に基づいてツリーマップを作成してもよい。このように、本実施形態のタグは、国を表す情報であり、影響度算出部１１５は、第１国を指定タグ値とする選択条件が入力された場合に、第１国に対応するタグ値を含むタグ遷移パターンの重みに基づいて、第１国の影響度を算出してもよい。なお以上の説明からわかるように、タグ遷移パターンの重みを求める時点からタグ値が国を表す情報に限定されてもよいし、国及び他の情報を含むタグ遷移パターンを用いた上で、最後に国以外の属性を消去する処理が行われてもよい。この両方の処理が、上記の「第１国に対応するタグ値を含むタグ遷移パターンの重みに基づいて、第１国の影響度を算出」する処理に含まれる。
【0226】
３．１．２ 企業ＩＤ
また本実施形態におけるタグは産業分類や国に限定されない。例えばタグは、ノードに対応する企業を表す情報であってもよい。このようにすれば、指定された企業が関心エンティティのネットワークに与える影響度合いを評価することが可能になる。
また本実施形態におけるタグは産業分類や国に限定されない。例えばタグは、ノードに対応する企業を表す情報であってもよい。このようにすれば、指定された企業が関心エンティティのネットワークに与える影響度合いを評価することが可能になる。
【0227】
例えば図１７に示したサプライチェーンネットワークにおいて、ノードＡには企業ＩＤとしてＡというタグが付与され、ノードＢには企業ＩＤとしてＢというタグが付与される。ノードＣ～ノードＫについても同様である。この例では、ノードと企業ＩＤは１対１に対応するため、経路ＡＢＤＩのタグ遷移パターンは、ＡＢＤＩの１通りとなる。他の経路についても同様である。なお以下の説明では、企業ＩＤとしてＱ（ＱはＡ～Ｋのいずれか）が付与された企業を企業Ｑと表記する。
【0228】
図２９は、経路の重みとタグ遷移パターンの重みを示す図である。上述したように、８通りの経路のそれぞれについて、タグ遷移パターンが１通りとなる。従って、タグ遷移パターンは８通りであり、タグ遷移パターンの重みは経路の重みの値と一致する。図２９のＴｉｅｒ０～Ｔｉｅｒ３の欄にはノードに対応する企業ＩＤがタグ値として記載されている。
【0229】
この場合、影響度算出部１１５は、１つの企業ＩＤの入力を受け付け、当該企業ＩＤの影響度を算出してもよい。例えば企業ＩＤとしてＢが指定された場合、タグ値としてＢが含まれるタグ遷移パターンは＃１～＃６の６通りとなるため、企業Ｂの影響度は０．５となる。同様に、企業Ｃ～企業Ｋの影響度を求めることが可能である。
【0230】
ただし選択条件はこれに限定されず、複数の企業ＩＤを含む選択条件が入力されてもよい。例えば影響度算出部１１５は、第１関心企業、第２関心企業、及び、第３関心企業の指定入力を受け付ける。なおここでは関心エンティティ（基準ノードに対応し、例えば図１８のノードＡ）を基準として処理を行っているため、選択条件に含まれる複数の企業ＩＤのうちのいずれかは当該関心エンティティに対応してもよい。例えば第１関心企業が関心エンティティである。処理対象となるネットワークを特定する際に関心エンティティが入力されている場合、選択条件の入力の際には第１関心企業の入力は省略されてもよい。
【0231】
そして影響度算出部１１５は、第１関心企業に対応するタグ値と、第３関心企業に対応するタグ値の間に、第２関心企業のタグ値が存在するタグ遷移パターンの重みに基づいて、第３関心企業が第２関心企業を介して第１関心企業へ与える影響度を算出する。このようにすれば、企業単体での影響度だけでなく、他の企業を介した場合の影響度を適切に求めることが可能になる。
【0232】
例えば、第１関心企業が企業Ａ、第２関心企業が企業Ｂ、第３関心企業が企業Ｊである場合を考える。この場合、影響度算出部１１５は、タグ遷移パターンにおいてＡ，Ｂ，Ｊがこの順に現れるパターンを選択する。なお、ＡとＢ、ＢとＪはそれぞれ隣接するものに限定されず、間に他の企業ＩＤが含まれてもよい。
【0233】
図３０Ａは、Ａ，Ｂ及びＪが選択条件として入力された場合に選択されるタグ遷移パターンの例である。図２９の＃１～＃８のうち、＃２、＃３、＃４、＃６の４つのタグ遷移パターンにおいて、Ａ，Ｂ，Ｊがこの順で現れる。それぞれのタグ遷移パターンの重みは既知であるため、影響度算出部１１５はこの４つのタグ遷移パターンの重みを加算することによって、企業Ｊが、企業Ｂを介して、関心エンティティである企業Ａに与える影響を求める。
【0234】
また図３０Ｂは、Ａ，Ｃ及びＪが選択条件として入力された場合に選択されるタグ遷移パターンの例である。図２９の＃１～＃８のうち、＃７のタグ遷移パターンのみにおいて、Ａ，Ｃ，Ｊがこの順で現れる。従って影響度算出部１１５は、当該タグ遷移パターンの重みである０．２５を、企業Ｊが、企業Ｃを介して、関心エンティティである企業Ａに与える影響度として算出する。
【0235】
図３１は、企業Ｄ～企業Ｇのそれぞれについて同様の処理を行った結果を表す図である。このようにすれば、企業Ｊが企業Ａに与える影響を評価する際に、企業Ｂ～企業Ｇのいずれを介した場合の影響度が大きいかを判定することが可能になる。
【0236】
図３２は、図３１の影響度に基づいて作成されるツリーマップの例である。図３２のツリーマップを示すことによって、企業Ｊが企業Ａに影響を及ぼす際に重要となる企業をわかりやすい態様で端末装置２００のユーザに提示することが可能になる。
【0237】
また以上では属性が企業ＩＤである場合に、複数の属性値（タグ値）を含む選択条件を受け付ける例を示したがこれには限定されない。例えばタグが産業分類を表す情報である場合に、複数の産業分類を含む選択条件が入力されてもよい。例えば産業分類ａ、ｂ、ｇを含む選択条件が入力された場合、関心エンティティが属する産業分類ａに対して、産業分類ｇが産業分類ｂを介して与える影響度合いを求めることが可能である。当然、任意の属性について同様の処理が実行されてもよい。
【0238】
３．１．３ タグ値と距離（Ｔｉｅｒ）の組み合わせ
また影響度算出部１１５は、指定タグ値と、基準ノードからの距離を選択する選択条件の入力を受け付けてもよい。この場合、影響度算出部１１５は、指定タグ値が、距離によって特定される位置に含まれるタグ遷移パターンの重みに基づいて、基準ノードに対応するエンティティから所定距離におけるタグ値の影響度を求める。このようにすれば、基準ノード（関心エンティティ）からどの程度離れているかを考慮した影響度を算出することが可能になる。
また影響度算出部１１５は、指定タグ値と、基準ノードからの距離を選択する選択条件の入力を受け付けてもよい。この場合、影響度算出部１１５は、指定タグ値が、距離によって特定される位置に含まれるタグ遷移パターンの重みに基づいて、基準ノードに対応するエンティティから所定距離におけるタグ値の影響度を求める。このようにすれば、基準ノード（関心エンティティ）からどの程度離れているかを考慮した影響度を算出することが可能になる。
【0239】
例えば上述した図２０では、産業分類が７通りであり、距離がＴｉｅｒ１～Ｔｉｅｒ３の３通りであるため、影響度として２１個の値が求められている。上述した例では、各Ｔｉｅｒでの合計値（図２０の「全体」）を産業分類の影響度とする例を用いたが、ここでは当該２１個の影響度を個別に用いた処理が行われてもよい。例えばＴｉｅｒ１の産業分類ｃの影響度０．２５と、Ｔｉｅｒ２の産業分類ｃの影響度０．０６２５はそれぞれ異なる情報としてツリーマップの作成が行われる。
【0240】
このように作成されたツリーマップでは、例えば、関心エンティティからの距離に応じた情報が提示されるため、ある産業分類の影響度が関心エンティティからどの距離で大きくなるか等、より詳細な評価をユーザに行わせることが可能になる。あるいは影響度算出部１１５は、関心エンティティから所定距離以上の影響度のみを抽出してもよく、この場合、関心エンティティと直接取引関係がない企業の影響度をユーザに把握させること等が可能になる。
【0241】
３．２ ネットワークの他の例
以上では第１ネットワーク１２１が取引ネットワークであり、第２ネットワーク１２２がサプライチェーンネットワークである例について説明した。ただし本実施形態におけるネットワークはこれに限定されない。
以上では第１ネットワーク１２１が取引ネットワークであり、第２ネットワーク１２２がサプライチェーンネットワークである例について説明した。ただし本実施形態におけるネットワークはこれに限定されない。
【0242】
例えば第１ネットワーク１２１は、複数のエンティティにそれぞれ対応する複数のノードが、持ち株比率によって決定される支配関係を示すエッジで接続された持ち株ネットワークであってもよい。影響度算出部１１５による処理は、持ち株ネットワーク全体に対して実行されてもよいし、持ち株ネットワークの一部を抽出した結果（第２ネットワーク１２２）に対して実行されてもよい。
【0243】
図３３は持株ネットワークの例である。図３３ではノードＡ～ノードＨの８個のノードを含むシンプルな構成の持ち株ネットワークについて説明する。ノードＶ（ＶはＡ～Ｈのいずれか）に対応する企業を企業Ｖと表記する。図３３では各ノードに付与されたタグは省略している。またエッジに記載された数値は企業間の持ち株比率を表す。ここでは矢印の根元側の企業が、矢印の先端側の企業の株式を保有しているものとする。例えば企業Ｂ、Ｃ、Ｄは、企業Ａの株式を保持しており、その保有比率は企業Ｂが４０％、企業Ｃが３０％、企業Ｄが３０％となる。他のエッジについても同様である。
【0244】
第１ネットワーク１２１が持ち株ネットワークである場合にも、影響度算出部１１５は、まず経路の重みを求める処理が実行される。経路の重みとは、上述したように各経路での末端ノードの重みである。持ち株ネットワークでは、図３３に示したように、各エッジに持ち株比率が対応づけられる。よって影響度算出部１１５は、持ち株比率に基づいて末端ノードの重みを求めてもよい。
【0245】
例えば影響度算出部１１５は、経路に沿った持ち株比率の積により、末端ノードでの重みを求める。図３３の例では、経路としてＡＢＥ，ＡＢＦ，ＡＣＦ，ＡＤＣＦ，ＡＤＧ，ＡＤＨの６つが考えられる。そして経路ＡＢＥでのノードＥの重みとは、ＡＢ間のエッジに付与された持ち株比率０．４と、ＢＥ間のエッジに付与された持ち株比率０．９５とに基づいて、０．４×０．９５＝０．３８と算出される。つまり、経路ＡＢＥの重みは０，３８である。
【0246】
他の経路の重みも以下のように算出される。
ＡＢＦ：０．４×０．０５＝０．０２
ＡＣＦ：０．３×１．０＝０．３
ＡＤＣＦ：０．３×０．５１×１．０＝０．１５３
ＡＤＧ：０．３×０．３＝０．０９
ＡＤＨ：０．３×０．０９＝０．０２７
ＡＢＦ：０．４×０．０５＝０．０２
ＡＣＦ：０．３×１．０＝０．３
ＡＤＣＦ：０．３×０．５１×１．０＝０．１５３
ＡＤＧ：０．３×０．３＝０．０９
ＡＤＨ：０．３×０．０９＝０．０２７
【0247】
これにより、経路の重みが求められるため、これ以降の処理については上述した例と同様である。具体的には、影響度算出部１１５は、ノードＡ～ノードＨに付与されたタグに基づいてタグ遷移パターンを求め、経路の重みを分配することによってタグ遷移パターンの重みを求める。さらに影響度算出部１１５は、指定タグ値を含む選択条件に基づいて選択されたタグ遷移パターンの重みに基づいて、影響度を算出する。タグに含まれる属性は産業分類であってもよいし、国であってもよいし、他の属性であってもよいし、複数の属性の組み合わせであってもよい。
【0248】
またタグは企業ＩＤを表す情報であってもよい。例えば図３３の持ち株ネットワークにおいて、指定タグ値としてＦ（ノードＦに対応する企業の企業ＩＤ）が選択されたとする。この場合、タグ遷移パターンの重みは経路の重みに等しく、企業Ｆを含む経路は、経路ＡＢＦ，ＡＣＦ，ＡＤＣＦの３つになる。従って影響度算出部１１５は、この３つの経路の重みの和である０．０２＋０．３＋０．１５３＝０．４７３により、企業Ｆの影響度を算出できる。この値は、企業Ｆの企業Ａに対する間接持ち株比率に等しい。つまり、本実施形態の手法を用い、且つ、タグとして企業ＩＤを用いた場合、ネットワーク中の各企業の間接持ち株比率を求めることが可能である。
【0249】
またタグは、ノードに対応するエンティティのカテゴリを表す情報であってもよい。ここでのカテゴリとは、エンティティの組織構成を表す情報であり、個人、事業会社、投資会社、公的機関及び持ち株会の少なくとも２以上をタグ値として含んでもよい。この場合、影響度算出部１１５は、第１カテゴリを指定タグ値とする選択条件が入力された場合に、第１カテゴリに対応するタグ値を含むタグ遷移パターンの重みに基づいて、第１カテゴリであるエンティティの影響度を算出する。このようにすれば、どのようなカテゴリのエンティティが、関心エンティティに対して株式による支配力を行使しうるかを評価できる。なお取引ネットワークやサプライチェーンネットワークを対象とする場合において、カテゴリを表すタグが用いられてもよい。
【0250】
また持ち株ネットワークにおいて経路の重み（末端ノードの重み）を求める処理は上記に限定されない。例えば影響度算出部１１５は、ある被支配側ノードに対して支配側ノードが５０％を超える持ち株比率を持つ場合、そのエッジを通る際に乗じる値を１に置き換え、且つ、当該被支配ノードから他の支配ノードへのエッジを通る際に乗じる値を０に置き換えてもよい。
【0251】
例えば被支配ノードをノードＢとしたとき、支配ノードはノードＥとノードＦである。そしてＢＥ間のエッジに付与された持ち株比率は０．９５であり、０．５よりも大きいため、この値が１に置き換えられる。一方、同じ被支配ノードＢに接続されるノードＦへのエッジに付与される値は、０．０５から０に置き換えられる。従って、経路ＡＢＥの重みは０．４×１．０＝０．４であり、経路ＡＢＦの重みは０．４×０＝０となる。
【0252】
同様に、影響度算出部は、被支配ノードをノードＤとしたとき、ＤＣ間のエッジに付与される持ち株比率０．５１が０．５よりも大きいため、当該エッジに付与される値を１に置き換え、且つ、ＤＧ間及びＤＨ間のエッジに付与される値を０に置き換える。従って、他の経路の重みは以下のように算出される。
ＡＣＦ：０．３×１．０＝０．３
ＡＤＣＦ：０．３×１．０×１．０＝０．３
ＡＤＧ：０．３×０＝０
ＡＤＨ：０．３×０＝０
ＡＣＦ：０．３×１．０＝０．３
ＡＤＣＦ：０．３×１．０×１．０＝０．３
ＡＤＧ：０．３×０＝０
ＡＤＨ：０．３×０＝０
【0253】
この場合も、これ以降の処理については上述した例と同様である。またタグに含まれる属性についても上述した例と同様に、産業分類、国、企業ＩＤ、カテゴリ、これらの２以上の組み合わせ等、種々の変形実施が可能である。
【0254】
このようにエッジを通る際に乗じる値の置き換えを行って経路の重みを算出した場合、企業ＩＤを表すタグを用いることによって、間接持ち株比率とは異なる影響度を算出できる。例えば図３３の持ち株ネットワークにおいて、指定タグ値としてＦが選択されたとする。この場合、タグ遷移パターンの重みは経路の重みに等しく、企業Ｆを含む経路は、経路ＡＢＦ，ＡＣＦ，ＡＤＣＦの３つになる。従って影響度算出部１１５は、この３つの経路の重みの和である０＋０．３＋０．３＝０．６により、企業Ｆの影響度を算出できる。この値は、企業Ｆの企業Ａに対するＰｏｗｅｒ Ｉｎｄｅｘに等しい。つまり、本実施形態の手法を用い、且つ、タグとして企業ＩＤを用いた場合、ネットワーク中の各企業のＰｏｗｅｒ Ｉｎｄｅｘを求めることが可能である。なおＰｏｗｅｒ Ｉｎｄｅｘの算出手法は、「情報処理システム、情報処理方法およびプログラム」という２０２１年１０月２８日に出願された特願２０２１－１７６９１０号に記載されている。この特許出願は、その全体が本願明細書において参照により援用されている。
【0255】
例えば影響度算出部１１５は、選択条件として、株主のカテゴリと所属国を組み合わせた指定タグ値（例えば第１カテゴリ且つ第１国）を取得してもよい。影響度算出部１１５は、持ち株ネットワークの末端ノードに対応する位置に、第１カテゴリ及び第１国に対応するタグ値を有するタグ遷移パターンを選択し、選択されたタグ遷移パターンの重みを加算する。図３３の例であれば、末端ノードとはノードＥ，Ｆ，Ｇ，Ｈに対応する。末端ノードに対応する位置とは、経路ＡＢＥ，ＡＢＦ，ＡＣＦ，ＡＤＧ，ＡＤＨのそれぞれにおけるＴｉｅｒ３の位置、及び、経路ＡＤＣＦにおけるＴｉｅｒ４の位置である。換言すれば、末端ノードに対応する位置とは、タグ遷移パターンにおいて値（タグ値）が存在するＴｉｅｒの中で、基準ノード（先頭）から最も離れたＴｉｅｒを表す。
【0256】
このようにすれば、影響度算出部１１５は、第１国の第１カテゴリに属するエンティティについて、Ｐｏｗｅｒ Ｉｎｄｅｘで表現された影響度を算出できる。また影響度算出部１１５は、株主のカテゴリと所属国の組み合わせ全てについて重みを計算してもよい。この場合、国及び株主のカテゴリごとの、Ｐｏｗｅｒ Ｉｎｄｅｘで表現した影響度が得られる。
【0257】
３．３ 関心エンティティが複数の場合
以上の例では、処理対象となるネットワークの一端であるノードＡに対応するエンティティが関心エンティティである。つまり以上では関心エンティティが１つである例について説明した。
以上の例では、処理対象となるネットワークの一端であるノードＡに対応するエンティティが関心エンティティである。つまり以上では関心エンティティが１つである例について説明した。
【0258】
ただし分析対象企業を１つに限定するのではなく、複数の分析対象企業をまとめて、それらに対する何らかの事象の影響力を評価したいとの要求があると考えられる。従って本実施形態では、情報処理システム１０は、複数の関心エンティティの入力を受け付けてもよい。
【0259】
例えば、企業Ａ～企業Ｅの５つの企業を考え、当該企業Ａ～企業Ｅ全体に対するサプライチェーンネットワークの上流における何らかの事象の影響度を計算することを考える。この場合、ネットワーク抽出部１１４は、上述した例と同様に、取引ネットワークから、企業Ａ～企業Ｅのそれぞれに対応する５つのサプライチェーンネットワークを抽出する。そして影響度算出部１１５は、これらのサプライチェーンネットワークを統合することによって、影響度の算出処理に用いるネットワークを特定する。
【0260】
図３４は、影響度の算出処理に用いるネットワークの例を示す図である。まずＴｉｅｒ０として、仮想ノードＸを設定する。そして仮想ノードからに直接接続されるＴｉｅｒ１のノードとして、複数の関心エンティティに対応するノードを設定する。ここではＴｉｅｒ１のノードは企業Ａ～企業Ｅに対応するノードＡ～ノードＥの５つである。図３４におけるｗ１～ｗ５は、それぞれのエッジに付与される分岐の重みであり、等分である場合、すべての値が１／５である。また分岐の重みは等分に限定されず、ｗ１＋ｗ２＋ｗ３＋ｗ４＋ｗ５＝１となるような正の数の組であってもよい。
【0261】
そして影響度算出部１１５は、Ｔｉｅｒ２以降に、Ｔｉｅｒ１のそれぞれのノードから始まるサプライチェーンネットワークを合併したネットワークを接続することによってネットワークを生成する。ここでの合併とは、例えばそれぞれ独立に求められた５つのサプライチェーンネットワークのうちの２以上に共通のノードが含まれる場合、当該共通のノードを１つにまとめる処理に対応する。なお、ここではサプライチェーンネットワーク（第２ネットワーク１２２）を用いる例を説明したが、取引ネットワーク（第１ネットワーク１２１）が用いられてもよい。また対象のネットワークは持ち株ネットワーク等の他のネットワークであってもよい。
【0262】
処理対象となるネットワークが取得された後の処理については以上で説明した例と同様である。すなわち、影響度算出部１１５は、経路の重みの算出、タグ遷移パターンの重みの算出、選択条件の受け付け、選択されたタグ遷移パターンの重みの加算等の処理を行うことによって、選択条件に対応する事象の影響度を算出する。
【0263】
これにより、企業Ａ～企業Ｅ全体に対する影響度を算出できる。例えば企業Ａ～企業Ｅが主要な自動車メーカーであり、指定タグ値として国とバッテリー供給企業の組み合わせを入力した場合、主要自動車メーカー群に対する「中国のバッテリー供給企業の影響度」と「米国のバッテリー供給企業の影響度」を比較する等の評価が可能になる。
【0264】
なお、上記のように本実施形態について詳細に説明したが、本実施形態の新規事項および効果から実体的に逸脱しない多くの変形が可能であることは当業者には容易に理解できるであろう。従って、このような変形例はすべて本開示の範囲に含まれるものとする。例えば、明細書又は図面において、少なくとも一度、より広義または同義な異なる用語と共に記載された用語は、明細書又は図面のいかなる箇所においても、その異なる用語に置き換えることができる。また本実施形態及び変形例の全ての組み合わせも、本開示の範囲に含まれる。また情報処理システム、サーバシステム、端末装置等の構成及び動作等も、本実施形態で説明したものに限定されず、種々の変形実施が可能である。
【符号の説明】
【0265】
１０…情報処理システム、１００…サーバシステム、１１０…処理部、１１１…ネットワーク取得部、１１２…ベクトル取得部、１１３…行列取得部、１１４…ネットワーク抽出部、１１５…影響度算出部、１１６…ツリーマップ生成部、１２０…記憶部、１２１…第１ネットワーク、１２２…第２ネットワーク、１２３…タグデータ、１２４…規制対象企業リスト、１３０…通信部、２００，２００－１，２００－２…端末装置、２１０…処理部、２２０…記憶部、２３０…通信部、２４０…表示部、２５０…操作部
【要約】
【課題】対象となるネットワークにおける影響度を適切に評価する情報処理システム及び情報処理方法等の提供。
【解決手段】 情報処理システムは、第１ネットワークを取得するネットワーク取得部と、第１ネットワークの一部または全部における影響度を算出する影響度算出部と、を含み、第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、影響度算出部は、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、経路の重みを求め、タグ遷移パターンの数に基づいて、経路の重みを分配することによって、タグ遷移パターンの重みを求め、指定タグ値を少なくとも含む所与の選択条件が入力された場合に、選択条件によって選択されるタグ遷移パターンの重みに基づいて、関心エンティティへの影響度を求める。
【選択図】図２
【解決手段】 情報処理システムは、第１ネットワークを取得するネットワーク取得部と、第１ネットワークの一部または全部における影響度を算出する影響度算出部と、を含み、第１ネットワークに含まれるノードには、複数のタグ値のうちの１以上を含むタグが付与されており、影響度算出部は、関心エンティティに対応する基準ノードを含む複数の経路のそれぞれについて、経路の重みを求め、タグ遷移パターンの数に基づいて、経路の重みを分配することによって、タグ遷移パターンの重みを求め、指定タグ値を少なくとも含む所与の選択条件が入力された場合に、選択条件によって選択されるタグ遷移パターンの重みに基づいて、関心エンティティへの影響度を求める。
【選択図】図２
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図5C】
【図6】
【図7】
【図8】
【図9A】
【図9B】
【図10】
【図11A】
【図11B】
【図12A】
【図12B】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19A】
【図19B】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30A】
【図30B】
【図31】
【図32】
【図33】
【図34】