特許 7500358 情報処理装置

(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】2024-06-07

(45)【発行日】2024-06-17

(54)【発明の名称】情報処理装置

(51)【国際特許分類】

   G06F 18/2113 20230101AFI20240610BHJP

   G06F 17/18 20060101ALI20240610BHJP

【ＦＩ】

G06F18/2113

G06F17/18 Z

【請求項の数】 16

(21)【出願番号】P 2020150056

(22)【出願日】2020-09-07

(65)【公開番号】P2022044436

(43)【公開日】2022-03-17

【審査請求日】2023-03-15

(73)【特許権者】

【識別番号】318010018

【氏名又は名称】キオクシア株式会社

(74)【代理人】

【識別番号】100091487

【弁理士】

【氏名又は名称】中村 行孝

(74)【代理人】

【識別番号】100105153

【弁理士】

【氏名又は名称】朝倉 悟

(74)【代理人】

【識別番号】100107582

【弁理士】

【氏名又は名称】関根 毅

(74)【代理人】

【識別番号】100118843

【弁理士】

【氏名又は名称】赤岡 明

(74)【代理人】

【識別番号】100103263

【弁理士】

【氏名又は名称】川崎 康

(72)【発明者】

【氏名】真鍋 晋一郎

【審査官】多賀 実

(56)【参考文献】

【文献】特開２０１８－１５１８８３（ＪＰ，Ａ）

【文献】Jianqing Fan et al.，"Sure Independence Screening for Ultra-High Dimentional Feature Space"，arXiv.org [online]，arXiv:math/0612857v2，米国，Cornell University，2008年，pp.1-43，[検索日 2024.4.24], インターネット:<URL: https://arxiv.org/abs/math/0612857v2>

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／００－９９／００

Ｇ０６Ｆ １７／１０－１７／１８

Ｇ０６Ｆ １８／００－１８／４０

(57)【特許請求の範囲】

【請求項1】

複数の説明変数を含む解析対象データを入力する入力部と、
前記複数の説明変数のうち一部を目的変数として、前記解析対象データに含まれる前記説明変数の数を削減した中間データを生成するスクリーニング処理部と、
前記目的変数に基づいて前記中間データから第１特徴量を抽出する第１特徴量抽出部と、
前記中間データに含まれる前記説明変数と前記第１特徴量との類似度に基づいて、前記中間データから類似特徴量を抽出する類似特徴量抽出部と、を備える、情報処理装置。

【請求項2】

前記スクリーニング処理部は、前記第１特徴量を失わないように前記解析対象データから一部の前記説明変数を削除した前記中間データを生成する、請求項１に記載の情報処理装置。

【請求項3】

前記目的変数と前記中間データとを回帰分析することにより前記第１特徴量を算出する回帰モデルを構築する回帰モデル構築部を備え、
前記第１特徴量抽出部は、前記回帰モデルに基づいて前記中間データから前記第１特徴量を抽出する、請求項１又は２に記載の情報処理装置。

【請求項4】

前記中間データのサイズを指定する第１指定部を備える、請求項１乃至３のいずれか一項に記載の情報処理装置。

【請求項5】

前記解析対象データから特性データを抽出する特性分析部を備え、
前記スクリーニング処理部は、前記解析対象データと前記特性データとに基づいて、前記特性データに応じたデータサイズの前記中間データを生成する、請求項１乃至４のいずれか一項に記載の情報処理装置。

【請求項6】

前記特性分析部は、
前記解析対象データに含まれる説明変数の分布を検出する説明変数分布検出部と、
前記説明変数分布検出部で検出された説明変数の分布を評価する分布評価部と、
前記分布評価部の評価結果に基づいて、前記特性データを抽出する相関算出部と、を有する、請求項５に記載の情報処理装置。

【請求項7】

前記特性分析部が抽出する前記特性データを指定する第２指定部を備える、請求項５又は６に記載の情報処理装置。

【請求項8】

前記スクリーニング処理部は、前記解析対象データから前記中間データを生成する処理を複数回にわたって繰り返し、
前記第１特徴量抽出部は、前記スクリーニング処理部が前記複数回の中間データの生成を終えた後に、前記複数回の中間データに対応づけて複数の前記第１特徴量を抽出し、
前記類似特徴量抽出部は、前記複数の第１特徴量のそれぞれに対応する前記中間データから前記類似特徴量を抽出する、請求項１乃至７のいずれか一項に記載の情報処理装置。

【請求項9】

前記スクリーニング処理部が新たな前記中間データを生成するたびに、新たな前記目的変数を生成する目的変数更新部と、
前記スクリーニング処理部が新たな前記中間データを生成するたびに、新たな前記説明変数を生成する説明変数更新部と、
前記新たな目的変数及び前記新たな説明変数を含むように、前記解析対象データを更新する解析対象更新部と、を備え、
前記スクリーニング処理部は、前記更新された解析対象データから新たな前記中間データを生成する、請求項８に記載の情報処理装置。

【請求項10】

前記スクリーニング処理部が新たな前記中間データを生成するたびに、前記新たな中間データに基づいて第２特徴量を抽出する第２特徴量抽出部と
前記第２特徴量に基づいて、前記目的変数を予測する予測部を備え、
前記目的変数更新部は、元の前記目的変数と前記予測された目的変数との差分により、前記新たな目的変数を生成する、請求項９に記載の情報処理装置。

【請求項11】

前記第２特徴量抽出部で前記第２特徴量を抽出した回数が所定回数に達したか否かを判定する回数判定部と、
前記所定回数に達していないと判定されたときに、前記新たな目的変数と、前記新たな解析対象データとの相関度を計算する相関計算部と、
前記相関度が所定の閾値以上か否かを判定する相関度判定部と、を備え、
前記スクリーニング処理部は、前記相関度が所定の閾値以上であれば、前記中間データの生成を終了し、前記相関度が前記閾値未満であれば、前記中間データの生成を中止する、請求項１０に記載の情報処理装置。

【請求項12】

前記説明変数更新部は、元の前記説明変数と前記中間データに含まれる前記説明変数との差分により、前記新たな説明変数を生成する、請求項９乃至１１のいずれか一項に記載の情報処理装置。

【請求項13】

前記スクリーニング処理部が前記中間データを生成する回数を指定する第３指定部を備える、請求項８乃至１２のいずれか一項に記載の情報処理装置。

【請求項14】

前記スクリーニング処理部が前記中間データを生成するたびに、選択するべき前記説明変数を指定する第４指定部を備える、請求項８乃至１３のいずれか一項に記載の情報処理装置。

【請求項15】

前記スクリーニング処理部が前記中間データを生成するたびに、前記中間データに含まれる前記説明変数の下限値を指定する第５指定部を備える、請求項８乃至１４のいずれか一項に記載の情報処理装置。

【請求項16】

前記類似特徴量抽出部は、前記中間データの一部に含まれる前記説明変数と前記第１特徴量との類似度に基づいて、前記中間データの一部から前記類似特徴量を抽出する、請求項１乃至１５のいずれか一項に記載の情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の一実施形態は、情報処理装置に関する。

【背景技術】

【0002】

大量のデータ（ビッグデータ）から特徴量を抽出する一手法として、罰則項付きの回帰モデルが提案されている。この回帰モデルでは、説明変数として選択された特徴量に類似する特徴量を抽出できないという問題がある。このため、ビッグデータに含まれる重要な要因を見落としやすいという問題がある。

【0003】

また、ビッグデータから特徴量や類似特徴量を抽出する作業は、ビッグデータのデータサイズに依存し、データサイズが大きいほど抽出作業に時間がかかってしまう。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１８－１５１８８３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

そこで、本発明の一実施形態では、特徴量に類似する特徴量を効率よく抽出できる情報処理装置を提供するものである。

【課題を解決するための手段】

【0006】

上記の課題を解決するために、本発明の一実施形態によれば、複数の説明変数を含む解析対象データを入力する入力部と、
前記複数の説明変数のうち一部を目的変数として、前記解析対象データに含まれる前記説明変数の数を削減した中間データを生成するスクリーニング処理部と、
前記目的変数に基づいて前記中間データから特徴量を抽出する特徴量抽出部と、
前記中間データに含まれる前記説明変数と前記特徴量との類似度に基づいて、前記中間データから類似特徴量を抽出する類似特徴量抽出部と、を備える、情報処理装置が提供される。

【図面の簡単な説明】

【0007】

【図1】本発明の第１の実施形態による情報処理装置の概略構成を示すブロック図。

【図2】特徴量と類似特徴量を模式的に示す図。

【図3】第１の実施形態による情報処理装置の処理動作を模式的に示す図。

【図4】第２の実施形態による情報処理装置の概略構成を示すブロック図。

【図5】第２の実施形態による情報処理装置の処理動作を模式的に示す図。

【図6】第２の実施形態によるスクリーニング処理部と特徴量抽出部の処理動作を示す図。

【図7】第２の実施形態による情報処理装置の処理動作を示すフローチャート。

【図8】図７のステップＳ２とＳ１０で特性分析部が行う処理手順の詳細フローチャート。

【図9】図７のステップＳ１６で判定処理部が行う処理手順の詳細フローチャート。

【図10】第２の実施形態による情報処理装置にて半導体プロセスに関するビッグデータから類似特徴量を抽出した結果を示す図。

【図11A】本実施形態によるスクリーニング手法（ＩＤＳＩＳ）のモデル精度を表す図。

【図11B】スクリーニングを一回だけ行うＩＳＩＳのモデル精度を表す図。

【発明を実施するための形態】

【0008】

以下、図面を参照して、情報処理装置の実施形態について説明する。以下では、情報処理装置の主要な構成部分を中心に説明するが、情報処理装置には、図示又は説明されていない構成部分や機能が存在しうる。以下の説明は、図示又は説明されていない構成部分や機能を除外するものではない。

【0009】

（第１の実施形態）
図１は本発明の第１の実施形態による情報処理装置１の概略構成を示すブロック図である。図１の情報処理装置１は、入力部２と、スクリーニング処理部３と、特徴量抽出部４と、類似特徴量抽出部５とを備えている。

【0010】

入力部２は、複数の説明変数を含む解析対象データを入力する。解析対象データの具体的な内容は問わないが、例えば数万次元を超える大量のデータ（ビッグデータ）である。解析対象データ中の個々のデータは説明変数とも呼ばれる。また、複数の説明変数のうち一部は目的変数と呼ばれる。本実施形態は、複数の説明変数から目的変数に影響を与えている説明変数を選び出す処理を行うことを念頭に置いている。具体的な一例として、解析対象データは、半導体工場の製造プロセスで生成されるデータであってもよいし、それ以外のデータであってもよい。

【0011】

スクリーニング処理部３は、複数の説明変数のうち一部を目的変数として、解析対象データに含まれる説明変数の数を削減した中間データを生成する。より具体的には、スクリーニング処理部３は、特徴量を失わないように解析対象データから一部の説明変数を削除した中間データを生成する。よって、中間データは、解析対象データよりもデータ数が少ないにもかかわらず、解析対象データと同程度の特徴量を含んでいる。例えば、スクリーニング処理部３は、解析対象データが数万次元超のデータであったときに、数千次元に絞り込んだ中間データを生成する。なお、スクリーニング処理部３が、解析対象データをどの程度削減して中間データを生成するかは任意である。

【0012】

特徴量抽出部４は、目的変数に基づいて中間データから特徴量を抽出する。特徴量とは、解析対象データに含まれる目的変数に影響を与えている説明変数である。すなわち、特徴量とは、目的変数との相関度が高い説明変数である。なお、後述するように、本明細書では、特徴量抽出部４が抽出する特徴量を第１特徴量と呼び、特徴量抽出部４を第１特徴量抽出部と呼ぶ場合がある。相関度は、後述するように相関値により表され、相関値が大きいほど相関度が高くなる。

【0013】

類似特徴量抽出部５は、中間データに含まれる説明変数と特徴量との類似度に基づいて、中間データから類似特徴量を抽出する。

【0014】

図２は特徴量と類似特徴量を模式的に示す図である。図２の中央に目的変数Ｙが位置し、目的変数Ｙの周囲５０には、目的変数Ｙに影響を与えている特徴量である説明変数Ｘ１、Ｘ２等が配置されている。また、個々の説明変数の周囲には、各説明変数に影響を与えている類似特徴量である説明変数が配置されている。図２の黒丸が特徴量である説明変数を示し、白ヌキやグレーの丸が類似特徴量である説明変数である。図２の特徴量である説明変数Ｘ１、Ｘ２の周囲５１、５２には、説明変数Ｘ１、Ｘ２に影響を与えている類似特徴量である説明変数が存在する。図２に示すように、類似特徴量である説明変数は、特徴量である説明変数だけでなく、目的変数Ｙにも影響を与えていると言える。そこで、図１の類似特徴量抽出部５は、中間データから類似特徴量を抽出する。

【0015】

図１の情報処理装置１は、回帰モデル構築部６を備えていてもよい。回帰モデル構築部６は、目的変数と中間データとを回帰分析することにより特徴量を算出する回帰モデルを構築する。この場合、特徴量抽出部４は、回帰モデルに基づいて中間データから特徴量を抽出する。例えば、解析対象データが半導体工場の製造プロセスで生成されるデータであった場合、特徴量抽出部４と類似特徴量抽出部５は、製造プロセスのある特性値の変動要因になる特徴量及び類似特徴量を抽出する。抽出された特徴量及び類似特徴量を用いることで、半導体の品質に影響を及ぼす要因を特定することができる。

【0016】

図１の情報処理装置１は、第１指定部７を備えていてもよい。第１指定部７は、中間データのサイズを指定する。スクリーニング処理部３は、第１指定部７で指定されたデータサイズに従って、中間データを生成する。このように、第１指定部７にて中間データのサイズを指定することで、ユーザの意向に応じて中間データのデータサイズを任意に調整できる。

【0017】

図１の情報処理装置１は、特性分析部８を備えていてもよい。特性分析部８は、解析対象データから特性データを抽出する。特性データは、解析対象データに含まれる説明変数と目的変数との相関度を示すデータである。特性データは、スクリーニング処理部３が生成する中間データ内の説明変数の数を調整するために用いられる。すなわち、スクリーニング処理部３は、解析対象データと特性データとに基づいて、特性データに応じたデータサイズの中間データを生成する。

【0018】

上述した特性分析部８は、分布検出部９と、分布評価部１０と、相関算出部１１とを有していてもよい。

【0019】

分布検出部９は、解析対象データに含まれる説明変数の分布を検出する。分布評価部１０は、分布検出部９で検出された説明変数の分布を評価する。相関算出部１１は、分布評価部１０の評価結果に基づいて、特性データを抽出する。

【0020】

図１の情報処理装置１は、第２指定部１２を備えていてもよい。第２指定部１２は、特性分析部８が抽出する特性データを指定する。

【0021】

図３は第１の実施形態による情報処理装置１の処理動作を模式的に示す図である。図３の情報処理装置１は、例えば数万次元超の解析対象データをスクリーニング処理部３に入力する。スクリーニング処理部３は、数万次元超の解析対象データ数から、例えば数千次元の中間データを生成する。スクリーニング処理部３は、第１指定部７の指定に従って、特徴量を維持したまま、解析対象データから中間データを生成する。

【0022】

回帰モデル構築部６は、スパースモデリング技術を利用して、中間データに含まれる特徴量を抽出する。また、類似特徴量抽出部５は、中間データに含まれる説明変数と特徴量との類似度に基づいて、中間データから類似特徴量を抽出する。中間データから類似特徴量を抽出する際の計算手法は特に問わない。

【0023】

回帰モデル構築部６が構築する回帰モデルの数式は、例えば式（１）で表される。
ｙ＝Ｘβ（＝β0＋β1Ｘ1＋…＋βpＸp） …（１）

【0024】

特徴量抽出部４が抽出する特徴量は、例えば、以下の式（２）に示すLassoの数式を用いて求められる。すなわち、説明変数Ｘのうち、式（２）に示す平均二乗誤差（右辺第１項）にＬ１罰則項（右辺第２項）を加えた目的関数を最小化する説明変数Ｘが特徴量である。

【数1】

【0025】

なお、式（１）は回帰モデルの一例であり、式（２）は特徴量を求める数式の一例である。式（１）と式（２）以外の数式を用いて、特徴量を抽出してもよい。

【0026】

このように、第１の実施形態では、解析対象データをスクリーニングしてデータサイズを大幅に削減した中間データに基づいて特徴量を抽出し、中間データに含まれる説明変数と特徴量との類似度に基づいて類似特徴量を抽出する。中間データは、解析対象データの特徴量を維持しつつ、解析対象データよりも大幅にデータサイズを小さくしたデータであるため、類似特徴量を迅速に抽出できる。特に、中間データは、解析対象データの特徴量を維持していることから、漏れなく精度よく類似特徴量を抽出できる。類似特徴量を抽出することで、解析対象データに含まれる重要な要因を見落とすことなく抽出できる。

【0027】

（第２の実施形態）
第２の実施形態による情報処理装置１ａは、スクリーニング処理部３の処理動作が第１の実施形態とは異なっている。

【0028】

図４は第２の実施形態による情報処理装置１ａの概略構成を示すブロック図である。図４の情報処理装置１ａは、図１の情報処理装置１のブロック構成に加えて、いくつかのブロックが追加されているが、これらは必ずしも必須ではない。また、図４では、図１の特徴量抽出部４に対応するものを第１特徴量抽出部４ａとしており、さらに、第１特徴量抽出部４ａとは別個に第２特徴量抽出部４ｂを備えている。

【0029】

第１特徴量抽出部４ａは、スクリーニング処理部３が複数回の中間データの生成を終えた後に、複数回の中間データに対応づけて複数の特徴量を抽出する。類似特徴量抽出部５は、複数の第１特徴量のそれぞれに対応する中間データから類似特徴量を抽出する。第２特徴量抽出部４ｂは、スクリーニング処理部３が新たな中間データを生成するたびに、新たな中間データに基づいて第２特徴量を抽出する。第１特徴量は、解析対象データから最終的に抽出される特徴量であるのに対し、第２特徴量は、スクリーニング処理の過程で抽出される中間的な特徴量である。

【0030】

図５は第２の実施形態による情報処理装置１ａの処理動作を模式的に示す図である。図５の情報処理装置１ａ内のスクリーニング処理部３は、解析対象データから中間データを生成する処理を複数回にわたって繰り返す。このように、細切れに中間データを生成するため、個々の中間データを迅速に生成できる。

【0031】

第２特徴量抽出部４ｂは、スクリーニング処理部３が中間データを生成するたびに、第２特徴量を抽出する。より詳細には、第２特徴量抽出部４ｂは、回帰モデル構築部６がスパースモデリング技術を利用して構築した回帰モデルに基づいて、中間データに含まれる第２特徴量を抽出する。

【0032】

図４の情報処理装置１ａは、目的変数更新部１３と、説明変数更新部１４と、解析対象更新部１５とを備えていてもよい。

【0033】

目的変数更新部１３は、第２特徴量抽出部４ｂが第２特徴量を抽出するたびに、新たな目的変数を生成する。説明変数更新部１４は、第２特徴量抽出部４ｂが第２特徴量を抽出するたびに、新たな説明変数を生成する。解析対象更新部１５は、新たな目的変数及び新たな説明変数を含むように、解析対象データを更新する。スクリーニング処理部３は、更新された解析対象データから新たな中間データを生成する。

【0034】

図４の情報処理装置１ａは、予測部１６を備えていてもよい。予測部１６は、第２特徴量抽出部４ｂで抽出された第２特徴量に基づいて目的変数を予測する。目的変数更新部１３は、元の目的変数と予測された目的変数との差分により、新たな目的変数を生成する。説明変数更新部１４は、元の説明変数と中間データに含まれる説明変数との差分により、新たな説明変数を生成する。

【0035】

図４の情報処理装置１ａは、回数判定部１７と、相関計算部１８と、相関度判定部１９とを備えていてもよい。本明細書では、回数判定部１７と、相関計算部１８と、相関度判定部１９とを合わせて判定処理部と呼ぶ。

【0036】

回数判定部１７は、第２特徴量抽出部４ｂで第２特徴量を抽出した回数が所定回数に達したか否かを判定する。相関計算部１８は、所定回数に達していないと判定されたときに、新たな目的変数と、新たな解析対象データとの相関値を計算する。相関度判定部１９は、相関値が所定の閾値以上か否かを判定する。スクリーニング処理部３は、相関値が所定の閾値以上であれば、中間データの生成を終了し、相関値が閾値未満であれば、中間データの生成を中止する。

【0037】

図４の情報処理装置１ａは、第３指定部２０を備えていてもよい。第３指定部２０は、スクリーニング処理部３が中間データを生成する回数を指定する。

【0038】

図４の情報処理装置１ａは、第４指定部２１を備えていてもよい。第４指定部２１は、スクリーニング処理部３が中間データの生成を行うたびに、選択するべき説明変数を指定する。

【0039】

図４の情報処理装置１ａは、第５指定部２２を備えていてもよい。第５指定部２２は、スクリーニング処理部３が中間データを生成するたびに、中間データに含まれる説明変数の下限値を指定する。

【0040】

図６は第２の実施形態による情報処理装置１ａ内のスクリーニング処理部３と第２特徴量抽出部４ｂの処理動作を示す図である。図６の破線部分は、特性分析部８、スクリーニング処理部３、及び第２特徴量抽出部４ｂの処理単位を示している。特性分析部８、スクリーニング処理部３、及び第２特徴量抽出部４ｂは、破線部分の処理を複数回にわたって実行する。

【0041】

図６において、ｄjは目的変数、Ｘjは説明変数、Ｘ’jは中間データ、Ｘ”jは第２特徴量である。特性分析部８は、解析対象データに含まれる目的変数ｄjと説明変数Ｘjに基づいて第２特徴量の分布を評価して、特性データを抽出する。特性データは、説明変数の分布を評価するデータであり、中間データのデータサイズを設定するのに用いられる。

【0042】

スクリーニング処理部３は、特性データに応じたデータサイズの中間データＸ’jを生成する。第２特徴量抽出部４ｂは、中間データＸ’jから第２特徴量Ｘ”jを抽出する。

【0043】

図６の破線部分の処理は、ＩＤＳＩＳ（Iterative Sure Independence Screening）とも呼ばれる。図６の破線部分の処理を継続するか中止するかは、回数判定部１７、相関計算部１８、及び相関度判定部１９からなる判定処理部が判定する。

【0044】

スクリーニング処理部３によるスクリーニング処理が終わった後、第１特徴量抽出部４ａは、スクリーニング処理部３で生成された全ての中間データを用いて第１特徴量を抽出する。その際、第１特徴量抽出部４ａは、抽出された第１特徴量が、スクリーニング処理部３が何回目に生成した中間データから抽出されたかを調べる。類似特徴量抽出部５は、すべての中間データを用いるのではなく、個々の第１特徴量を抽出した中間データの中から類似特徴量を抽出する。

【0045】

具体的な一例として、スクリーニング処理部３が中間データを生成する処理を３回繰り返したとする。スクリーニング処理部３が各回で生成した中間データをdata1、data2、data3とすると、スクリーニング処理部３が最終的に出力する中間データdataは、data＝data1＋data2＋data3となる。

【0046】

第１特徴量抽出部４ａは中間データdataから第１特徴量を抽出する。このとき、例えば、４つの第１特徴量Ｆ１、Ｆ２、Ｆ３、Ｆ４が抽出されたとする。第１特徴量抽出部４ａは、例えば、第１特徴量Ｆ１は中間データdata1から抽出され、第１特徴量Ｆ２、Ｆ３は中間データdata2から抽出され、第１特徴量Ｆ４は中間データdata3から抽出されたことを調べる。

【0047】

この場合、類似特徴量抽出部５は、第１特徴量Ｆ１の類似特徴量を中間データdata1から抽出し、第１特徴量Ｆ２、Ｆ３の類似特徴量を中間データdata2から抽出し、第１特徴量Ｆ４の類似特徴量を中間データdata3から抽出する。

【0048】

このように、類似特徴量抽出部５が類似特徴量を抽出する範囲を制限することで、類似特徴量を抽出する処理速度を向上できる。

【0049】

図７は第２の実施形態による情報処理装置１ａの処理動作を示すフローチャートである。まず、説明変数Ｘと目的変数Ｙを含む解析対象データを読み込む（ステップＳ１）。

【0050】

次に、特性分析部８は、解析対象データから特性データを抽出する（ステップＳ２）。特性分析部８の詳細な処理手順は後述する。

【0051】

次に、スクリーニング処理部３は、解析対象データと特性データに基づいて、スクリーニング処理を行い、特性データに応じたデータサイズの中間データＸ’0を生成する（ステップＳ３）。ステップＳ３における解析対象データは、ステップＳ１で入力された解析対象データであり、Ｘ0＝Ｘ、ｄ0＝Ｙである。

【0052】

次に、第２特徴量抽出部４ｂは、中間データＸ’0から第２特徴量Ｘ”0を抽出する（ステップＳ４）。第２特徴量抽出部４ｂは、例えば上述した式（２）のLassoの数式にて第２特徴量を抽出する。

【0053】

次に、抽出された第２特徴量Ｘ”0の線形予測値Ｙ0^を計算する（ステップＳ５）。線形予測値Ｙ0^は、第２特徴量Ｘ”0に係数β0を乗じた値である。

【0054】

次に、目的変数ｄ1＝ｄ0－Ｙ0^を計算する（ステップＳ６）。次に、説明変数Ｘ1＝Ｘ－Ｘ’0とする（ステップＳ７）。目的変数ｄ1と説明変数Ｘ1により、解析対象データが更新される。

【0055】

次に、スクリーニング回数を計数する変数ｊ＝１に設定する（ステップＳ８）。

【0056】

変数ｊが所定回数値D_Iteration以内かを判定する（ステップＳ９）。変数ｊが所定回数値D_Iterationを超えた場合は、処理を終了する。ステップＳ９の処理は、図４の回数判定部１７が行う。

【0057】

変数ｊが所定回数値D_Iteration以内の場合、特性分析部８は、更新後の解析対象データから特性データＸj、ｄjを抽出する（ステップＳ１０）。

【0058】

次に、スクリーニング処理部３は、解析対象データと特性データに基づいて、スクリーニング処理を行い、特性データに応じたデータサイズの中間データＸ’jを生成する（ステップＳ１１）。

【0059】

次に、第２特徴量抽出部４ｂは、中間データＸ’jから第２特徴量Ｘ”jを抽出する（ステップＳ１２）。次に、抽出された第２特徴量Ｘ”jの線形予測値Ｙj^を計算する（ステップＳ１３）。線形予測値Ｙj^は、第２特徴量Ｘ”jに係数βjを乗じた値である。

【0060】

次に、目的変数ｄj+1＝ｄj－Ｙj^を計算する（ステップＳ１４）。次に、説明変数Ｘj+1＝Ｘ－Ｘ’jとする（ステップＳ１５）。

【0061】

次に、判定処理部の処理が行われる（ステップＳ１６）。判定処理部は、後述するように、ステップＳ９～Ｓ１５の処理を繰り返すか否かを判定する。

【0062】

図８は図７のステップＳ２とＳ１０で特性分析部８が行う処理手順の詳細フローチャートである。

【0063】

まず、説明変数Ｘと目的変数Ｙを含む解析対象データを入力する（ステップＳ２１）。次に、例えば上述した式（２）に示すLassoの数式を用いて、第３特徴量を抽出する（ステップＳ２２）。この処理での第３特徴量の抽出とは、解析対象データの分布特性を検出することを意味する。ステップＳ２２の処理は図４の分布検出部９が行う。

【0064】

次に、第３特徴量の分布評価を行う（ステップＳ２３）。ここでは、例えば、説明変数Ｘに対する第３特徴量の割合や、各第３特徴量に対する回帰係数の値を算出し、説明変数Ｘから最終的な第３特徴量を抽出するために、どの程度のスクリーニングが可能かなどの特性値を求める。ステップＳ２３の処理は図４の分布評価部１０が行う。

【0065】

次に、説明変数と目的変数の相関などを算出して、特性データを抽出する（ステップＳ２４）。第３特徴量の分布評価結果から、例えば回帰係数の分布に強い偏りがあれば、スクリーニング後のデータは少なくてよいと判断できる。ステップＳ２４の処理は図４の相関算出部１１が行う。

【0066】

図９は図７のステップＳ１６で判定処理部が行う処理手順の詳細フローチャートである。まず、説明変数Ｘと目的変数Ｙを含む解析対象データを入力する（ステップＳ３１）。次に、説明変数Ｘと目的変数Ｙとの相関値を算出する（ステップＳ３２）。ステップＳ３２の処理は図４の相関計算部１８が行う。

【0067】

次に、相関値が所定の閾値以下か否かを判定する（ステップＳ３３）。相関値が閾値以下であれば、図７のステップＳ９～Ｓ１７の処理をまだ繰り返すべきと判定する（ステップＳ３４）。一方、相関値が閾値より大きければ、図７の処理を終了させる。ステップＳ３３の処理は、図４の相関度判定部１９が行う。

【0068】

図１０は第２の実施形態による情報処理装置にて半導体プロセスに関するビッグデータから類似特徴量を抽出した結果を示す図である。図１０の横軸は全データと中間データとの比率、縦軸は類似特徴量のカバー率である。類似特徴量のカバー率とは、解析対象データから抽出された類似特徴量に対する、中間データから抽出された類似特徴量の割合である。図示のように、中間データのデータサイズが解析対象データの１／２５であっても、９０％以上のカバー率が得られており、本実施形態の有効性が確かめられた。

【0069】

図１１Ａは本実施形態によるスクリーニング手法（ＩＤＳＩＳ）のモデル精度を表す図、図１１Ｂはスクリーニングを一回だけ行うＩＳＩＳのモデル精度を表す図である。図１１Ａと図１１Ｂは、予測値ｐｒｅｄがｔｒｕｅになるプロットを表している。図１１Ａと図１１Ｂを比較すればわかるように、モデル予測値もＲＭＳＥ（Root Mean Square Error）も変化はなく、図１１Ａのスクリーニング手法ではモデル精度が維持されている。

【0070】

このように、第２の実施形態では、スクリーニング処理を複数回繰り返し、各回のスクリーニング処理ごとに中間データを生成し、中間データごとに第２特徴量を生成し、生成された第２特徴量に基づいて解析対象データを更新して、次回の中間データを生成する。これにより、解析対象データを細切れに分けて、細切れに中間データを生成でき、個々の中間データを迅速に生成できる。また、第１特徴量抽出部４ａは、スクリーニング処理部３が複数回のスクリーニング処理で生成した全ての中間データに基づいて第１特徴量を抽出し、抽出された個々の第１特徴量が、スクリーニング処理部３のどの回の中間データから抽出されたかを調べる。そして、類似特徴量抽出部５は、個々の第１特徴量を抽出した中間データから類似特徴量を抽出する。これにより、類似特徴量を抽出する範囲を狭めることができ、高速に類似特徴量を抽出できる。

【0071】

上述した実施形態で説明した情報処理装置１、１ａの少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、情報処理装置１の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ－ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。

【0072】

また、情報処理装置１、１ａの少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

【0073】

本開示の態様は、上述した個々の実施形態に限定されるものではなく、当業者が想到しうる種々の変形も含むものであり、本開示の効果も上述した内容に限定されない。すなわち、特許請求の範囲に規定された内容およびその均等物から導き出される本開示の概念的な思想と趣旨を逸脱しない範囲で種々の追加、変更および部分的削除が可能である。

【符号の説明】

【0074】

１、１ａ 情報処理装置、２ 入力部、３ スクリーニング処理部、４ 特徴量抽出部、５ 類似特徴量抽出部、６ 回帰モデル構築部、７ 第１指定部、８ 特性分析部、９ 分布検出部、１０ 分布評価部、１１ 相関算出部、１２ 第２指定部、１３ 目的変数更新部、１４ 説明変数更新部、１５ 解析対象更新部、１６ 予測部、１７ 回数判定部、１８ 相関計算部、１９ 相関度判定部、２０ 第３指定部、２１ 第４指定部、２２ 第５指定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11A】

【図11B】