特許 7531384 ニーズ表示システム、学習済モデル生成方法、および制御方法

(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】2024-08-01

(45)【発行日】2024-08-09

(54)【発明の名称】ニーズ表示システム、学習済モデル生成方法、および制御方法

(51)【国際特許分類】

   G06F 16/903 20190101AFI20240802BHJP

   G06Q 50/16 20240101ALI20240802BHJP

【ＦＩ】

G06F16/903

G06Q50/16

【請求項の数】 7

(21)【出願番号】P 2020210420

(22)【出願日】2020-12-18

(65)【公開番号】P2022097061

(43)【公開日】2022-06-30

【審査請求日】2023-06-28

【新規性喪失の例外の表示】特許法第３０条第２項適用 令和２年６月１７日 下記アドレスのウェブサイトでオンライン開催されたＤＩＣＯＭＯ２０２０シンポジウムのセッション６Ａ－２で公開された論文「ヒトとセンサー情報の紐づけによるビル設備管理業務の効率化方式の提案」にて公開 （ｈｔｔｐ：／／ｄｉｃｏｍｏ．ｏｒｇ／） （ｈｔｔｐ：／／ｔｓｙｓ．ｊｐ／ｄｉｃｏｍｏ／２０２０／ｐｒｏｇｒａｍ／ｐｒｏｇｒａｍ＿ａｂｓｔ．ｈｔｍｌ） 令和 ２年 ９月１０日 下記アドレスのウェブサイトでオンライン開催されたＩＷＩＮ２０２０のＳｅｓｓｉｏｎ６の２３で公開された論文「Ｐｒｏｐｏｓａｌ ｆｏｒ Ｍｅｔｈｏｄ ｏｆ Ｅｆｆｉｃｉｅｎｔ Ｂｕｉｌｄｉｎｇ Ｆａｃｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ ｌｉｎｋｉｎｇ Ｈｕｍａｎ Ｓｅｎｓｅ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ＢＥＭＳ」にて公開 （ｈｔｔｐ：／／ｗｗｗ．ｉｎｆｓｏｃ．ｏｒｇ／ｃｏｎｆｅｒｅｎｃｅ／ｉｗｉｎ２０２０／） （ｈｔｔｐ：／／ｗｗｗ．ｉｎｆｓｏｃ．ｏｒｇ／ｃｏｎｆｅｒｅｎｃｅ／ｉｗｉｎ２０２０／ｐｒｏｇｒａｍ）

(73)【特許権者】

【識別番号】000236056

【氏名又は名称】三菱電機ビルソリューションズ株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】遠藤 嘉人

【審査官】早川 学

(56)【参考文献】

【文献】特開２００４－１０２７３５（ＪＰ，Ａ）

【文献】特開２０１３－０９２９５４（ＪＰ，Ａ）

【文献】特開平０９－０３４９４６（ＪＰ，Ａ）

【文献】特開２０２０－１０２１０１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００－１６／９５８

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

ビルの利用者のニーズを集計して表示するニーズ表示システムであって、
制御部と、
ビル設備の管理に関する履歴データと、
前記履歴データに使用される単語を代表する単語代表語と、前記単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書と、
前記履歴データに基づく推定結果の出力に用いられる学習済モデルと、を記憶する記憶部と、
前記推定結果に関する表示を行う表示部と、を備え、
前記学習済モデルは、前記単語代表語が特徴量として入力された際に、前記ニーズと、前記ニーズが発生した場所または日時とを前記推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルであり、
前記制御部は、
前記単語辞書を用いて、前記履歴データから前記単語代表語を抽出し、
抽出した前記単語代表語を前記特徴量として前記学習済モデルに入力することで、前記学習済モデルから前記ニーズと、前記ニーズが発生する場所または日時とを前記推定結果として出力し、
前記推定結果を前記ニーズごとに集計し、
前記表示部は、前記ニーズごとに集計された前記推定結果を表示する、ニーズ表示システム。

【請求項2】

前記表示部は、前記ニーズと、前記ニーズが発生する場所または日時と、集計された前記ニーズの数とを、集計された前記ニーズの数が多い順に表示する、請求項１に記載のニーズ表示システム。

【請求項3】

前記制御部は、前記推定結果を、１年のうちの特定の期間について前記ニーズごとに集計する、請求項１または請求項２に記載のニーズ表示システム。

【請求項4】

前記履歴データは、前記利用者が前記ビル設備に関して問い合わせた内容と、前記利用者が前記内容を問い合わせした原因と、前記利用者の問い合わせに対する前記ビル設備の管理者の対応とが記録されたデータである、請求項１～請求項３のいずれか１項に記載のニーズ表示システム。

【請求項5】

前記ニーズは、前記ニーズが発生する場所または日時において、前記利用者が不快に感じる事象またはビルを快適に利用するために前記ビル設備に求める事象に基づくニーズである、請求項１～請求項４のいずれか１項に記載のニーズ表示システム。

【請求項6】

ビルの利用者のニーズを集計して表示するニーズ表示システムに適用するための学習済モデル生成方法であって、
前記ニーズ表示システムは、
ビル設備の管理に関する履歴データと、
前記履歴データに使用される単語を代表する単語代表語と、前記単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書と、を記憶する記憶部を備え、
前記学習済モデル生成方法は、
学習用データセットの中から学習用データを選択するステップと、
前記学習用データに含まれる前記単語代表語を特徴量として推定モデルに入力することで、前記推定モデルから前記ニーズと、前記ニーズが発生する場所または日時とを推定結果として出力するステップと、
前記推定結果と前記学習用データに対応する正解データとの誤差に基づき前記推定モデルのパラメータを更新するステップとを含む、学習済モデル生成方法。

【請求項7】

ビルの利用者のニーズを集計して表示するニーズ表示システムを制御する制御方法であって、
前記ニーズ表示システムは、
ビル設備の管理に関する履歴データと、
前記履歴データに使用される単語を代表する単語代表語と、前記単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書と、
前記履歴データに基づく推定結果の出力に用いられる学習済モデルと、を記憶する記憶部を備え、
前記制御方法は、
前記単語辞書を用いて、前記履歴データから前記単語代表語を抽出するステップと、
抽出した前記単語代表語を特徴量として前記学習済モデルに入力することで、前記学習済モデルから前記ニーズと、前記ニーズが発生する場所または日時とを前記推定結果として出力するステップと、
前記推定結果を前記ニーズごとに集計するステップと、
前記ニーズごとに集計された前記推定結果を表示するステップとを含み、
前記学習済モデルは、前記単語代表語が前記特徴量として入力された際に、前記ニーズと、前記ニーズが発生した場所または日時とを前記推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである、制御方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、ニーズ表示システム、学習済モデル生成方法、および制御方法に関する。

【背景技術】

【0002】

ビルのオーナーは、ビルに入居するテナントに対してビル設備に対する不満や満足度を調査することがある。その際、入居者との打合せでのヒアリングやアンケートといった手法によって調査が行われることが多い。

【0003】

しかしながら、ヒアリングやアンケートによる調査では、参加者との時間調整、回答の記録、記録データの集計に手間がかかるため、頻繁に実施することができない。また、入居者は、ヒアリングやアンケートに回答する際に、過去の記憶をきちんと思い出せないことが多い。また、印象に強く残った出来事や思い出しやすい出来事を回答する傾向があるため、調査したデータに偏りが出てしまう。

【0004】

ビル設備に対する不満や満足度を調査したい場合、ビル設備の管理において既に蓄積された履歴データを活用することも考えられる。このような履歴データを蓄積するシステムとしては、たとえば、特開２０１９－１２１３９２号公報（特許文献１）が挙げられる。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２０１９－１２１３９２号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献１のシステムにおいては、蓄積した履歴データを検索することはできるものの、ビル設備に対する不満や満足度などのビル設備に対するニーズを直接的に抽出することはできない。

【0007】

本開示は、上述の課題を解決するためになされたものであって、その目的は、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができるニーズ表示システムを提供する。

【課題を解決するための手段】

【0008】

本開示のある局面に従うと、ニーズ表示システムは、ビルの利用者のニーズを集計して表示する。ニーズ表示システムは、制御部と、記憶部と、表示部と、を備える。記憶部は、単語辞書と、学習済モデルと、を記憶する。単語辞書は、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた辞書である。学習済モデルは、履歴データに基づく推定結果の出力に用いられるモデルである。表示部は、推定結果に関する表示を行う。学習済モデルは、単語代表語が特徴量として入力された際に、ニーズと、ニーズが発生した場所または日時とを推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである。制御部は、単語辞書を用いて、履歴データから単語代表語を抽出する。制御部は、抽出した単語代表語を特徴量として学習済モデルに入力することで、学習済モデルからニーズと、ニーズが発生する場所または日時とを推定結果として出力する。制御部は、推定結果をニーズごとに集計する。表示部は、ニーズごとに集計された推定結果を表示する。

【0009】

本開示の他の局面に従うと、学習済モデル生成方法は、ビルの利用者のニーズを集計して表示するニーズ表示システムに適用するための方法である。ニーズ表示システムは、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書と、を記憶する記憶部を備える。学習済モデル生成方法は、学習用データセットの中から学習用データを選択するステップと、学習用データに含まれる単語代表語を特徴量として推定モデルに入力することで、推定モデルからニーズと、ニーズが発生する場所または日時とを推定結果として出力するステップと、推定結果と学習用データに対応する正解データとの誤差に基づき推定モデルのパラメータを更新するステップとを含む。

【0010】

本開示のさらに他の局面に従うと、制御方法は、ビルの利用者のニーズを集計して表示するニーズ表示システムを制御する。ニーズ表示システムは、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書と、履歴データに基づく推定結果の出力に用いられる学習済モデルと、を記憶する記憶部を備える。制御方法は、単語辞書を用いて、履歴データから単語代表語を抽出するステップと、抽出した単語代表語を特徴量として学習済モデルに入力することで、学習済モデルからニーズと、ニーズが発生する場所または日時とを推定結果として出力するステップと、推定結果をニーズごとに集計するステップと、ニーズごとに集計された推定結果を表示するステップとを含む。学習済モデルは、単語代表語が特徴量として入力された際に、ニーズと、ニーズが発生した場所または日時とを推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである。

【発明の効果】

【0011】

本開示によれば、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。これによって、ヒアリングやアンケートでは収集できない入居者などのビルの利用者の潜在的なニーズを抽出することができる。また、都度記録されている履歴データを情報源として活用するため、ビルの利用者が忘れているニーズも抽出することが可能となり、ビルオーナーまで届かない、現場にのみ存在するニーズデータが収集可能となる。これにより、今まで気づかなかったビルの利用者のためのビルの運用改善や設備改善が可能となる。

【図面の簡単な説明】

【0012】

【図1】本実施の形態に係る検索システムおよびニーズ表示システムのハードウェア構成の一例を示す概略図である。

【図2】検索システムおよびニーズ表示システムの機能構成の一例を示すブロック図である。

【図3】履歴データおよび履歴データの分類の一例を示す図である。

【図4】検索システムにおける推定モデルの学習について説明する図である。

【図5】学習処理（履歴検索用）のフローチャートである。

【図6】履歴データから検索用データベースを生成する手順について説明する図である。

【図7】検索用データベースの一例を示す図である。

【図8】履歴検索処理のフローチャートである。

【図9】履歴検索処理を説明する図である。

【図10】履歴検索処理を説明する図である。

【図11】履歴検索結果の一例を示す図である。

【図12】ニーズ表示システムにおける推定モデルの学習について説明する図である。

【図13】学習処理（ニーズ抽出用）のフローチャートである。

【図14】ニーズ抽出処理のフローチャートである。

【図15】ニーズ表示システムにおけるニーズ抽出の流れについて説明する図である。

【図16】ニーズ抽出結果の一例を示す図である。

【発明を実施するための形態】

【0013】

以下、図面を参照しつつ、実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

【0014】

［検索システムおよびニーズ表示システムの構成］
まず、本実施の形態に係る検索システム１ａおよびニーズ表示システム１ｂの概略について説明する。図１は、本実施の形態に係る検索システム１ａおよびニーズ表示システム１ｂのハードウェア構成の一例を示す概略図である。

【0015】

図１に示すように、本実施の形態において、検索システム１ａは、サーバ装置１０および端末１００を備える。サーバ装置１０と端末１００とは通信可能に構成されている。検索システム１ａは、ビル設備の管理に関する履歴データを検索するシステムである。

【0016】

サーバ装置１０は、記憶部２５を備える。記憶部２５には、属性辞書３３、単語辞書３４、履歴データを含む検索用データベース３６が記憶されている。検索システム１ａの端末１００において、ユーザが履歴を検索する操作を行った場合、属性辞書３３、単語辞書３４および検索用データベース３６を用いて履歴データの検索（「履歴検索」とも称する）が行われ、その結果として、履歴検索結果３８が表示される。「履歴データ」および「履歴検索」等については、図３～図１１を用いて詳細に説明する。

【0017】

また、ニーズ表示システム１ｂは、サーバ装置１０および端末１０１を備える。サーバ装置１０と端末１０１とは通信可能に構成されている。ニーズ表示システム１ｂは、ビルの利用者のニーズを集計して表示するシステムである。本実施の形態において、「ニーズ」とは、ニーズが発生する場所または日時において、利用者が不快に感じる事象またはビルを快適に利用するためにビル設備に求める事象に基づくニーズを指す。

【0018】

本実施の形態においては、「ビルの利用者」はビルに入居するテナントを指すが、たとえば、単に、商業ビルを利用する利用者（買い物客など）を指すものであってもよい。

【0019】

ニーズ表示システム１ｂの端末１０１においては、ビルの利用者のニーズを集計して表示（「ニーズ抽出」とも称する）することが可能である。端末１０１おいて、ユーザがニーズ抽出をさせる操作を行った場合、履歴データ、単語辞書３４およびニーズ抽出を行うための学習済モデル４１を用いてニーズ抽出が行われ、その結果として、ニーズ抽出結果４８が表示される。

【0020】

本実施の形態においては、履歴データおよびニーズ抽出に用いられるデータとして、共通の単語辞書３４および履歴データが用いられている。履歴データは、本来、ビル設備の管理者が、ビルの利用者からのクレーム等に対して対応した履歴等を記録したデータである。この履歴データにはビルの利用者のニーズが含まれている。本実施の形態においては、この点に着目し、履歴データからニーズが抽出できるように学習が行われた学習済モデル４１を用いて、ニーズ抽出ができるように構成している。本実施の形態において、「ビル設備の管理者」はビル設備の管理業務を行う業務担当者などを指す。ニーズ抽出については、図１２～図１６を用いて詳細に説明する。

【0021】

図２は、検索システム１ａおよびニーズ表示システム１ｂの機能構成の一例を示すブロック図である。前述のように、検索システム１ａはサーバ装置１０および端末１００を備え、ニーズ抽出システム１ｂはサーバ装置１０および端末１０１を備える。

【0022】

図２に示すように、サーバ装置１０は、制御部２１と、ＲＯＭ（Read Only Memory）２２と、ＲＡＭ（Random Access Memory）２３と、通信インターフェイス２４と、記憶部２５とを備える。制御部２１は、たとえば、ＣＰＵ（Central Processing Unit）である。

【0023】

制御部２１は、サーバ装置１０全体を総括的に制御する。制御部２１は、ＲＯＭ２２に格納されているプログラムをＲＡＭ２３に展開して実行する。ＲＯＭ２２は、サーバ装置１０の処理手順が記されたプログラムを格納する。ＲＡＭ２３は、制御部２１がプログラムを実行する際の作業領域となるものであり、プログラムやプログラムを実行する際のデータ等を一時的に記憶する。

【0024】

通信インターフェイス２４は、端末１００，１０１と通信するためのインターフェイスである。記憶部２５は、不揮発性の記憶装置である。記憶部２５は、たとえば、ＨＤＤ（Hard Disk Drive）であってもよい。

【0025】

記憶部２５は、学習済モデル３１と、学習用データセット３２と、学習済モデル４１と、学習用データセット４２と、属性辞書３３と、単語辞書３４と、検索用データベース３６とを記憶している。学習済モデル３１および学習用データセット３２は、履歴検索のための学習に用いられる。学習済モデル４１および学習用データセット４２は、ニーズ抽出のための学習に用いられる。これらについては、図４以降の図を用いて詳細に説明する。

【0026】

端末１００，１０１は、制御部１２１と、ＲＯＭ１２２と、ＲＡＭ１２３と、通信インターフェイス１２４と、記憶部１２５と、入力部１２６と、表示部１２７とを備える。制御部１２１は、たとえば、ＣＰＵである。

【0027】

端末１００，１０１は、デスクトップコンピュータ、ノートパソコン、タブレット端末であってもよい。また、端末１００で履歴検索を行い、端末１０１でニーズ抽出を行うシステムに限らず、１台の端末で履歴検索およびニーズ抽出を行わせるように構成してもよい。

【0028】

また、サーバ装置１０は、Ｗｅｂサーバとして動作し、端末１００，１０１から所定のＵＲＬにアクセスすることで履歴検索結果３８やニーズ抽出結果４８を表示させるように構成してもよい。あるいは、端末１００，１０１に履歴検索やニーズ抽出を行うためのソフトウェアをインストールし、このソフトウェアを動作させて履歴検索結果３８やニーズ抽出結果を表示させるように構成してもよい。

【0029】

制御部１２１は、端末１００，１０１全体を総括的に制御する。制御部１２１は、ＲＯＭ１２２に格納されているプログラムをＲＡＭ１２３に展開して実行する。ＲＯＭ１２２は、端末１００，１０１の処理手順が記されたプログラムを格納する。ＲＡＭ１２３は、制御部１２１がプログラムを実行する際の作業領域となるものであり、プログラムやプログラムを実行する際のデータ等を一時的に記憶する。

【0030】

通信インターフェイス１２４は、サーバ装置１０と通信するためのインターフェイスである。記憶部１２５は、不揮発性の記憶装置である。記憶部１２５は、たとえば、ＨＤＤであってもよい。

【0031】

入力部１２６は、ユーザからの情報処理装置９０に対する指示を含む入力を受け付ける。入力部１２６は、たとえば、キーボード、マウス、タッチパネルである。表示部１２７は、履歴検索結果３８やニーズ抽出結果４８などの各種画像を表示する。表示部１２７は、たとえば、液晶表示器、ディスプレイである。

【0032】

［検索システムにおける履歴データおよびその分類］
図３は、履歴データおよび履歴データの分類の一例を示す図である。図３（Ａ）は、履歴データの一例を示す図である。図３（Ｂ）は、履歴データの分類の一例を示す図である。

【0033】

ビルの管理者は、ビル設備の管理に関する履歴データを入力する。履歴データは、ビル設備の管理者が問合せやクレームに対応した際に、その内容を日報という形で履歴として記録するデータである。

【0034】

単語や文章の書き方は定まっていないため、入力者により異なる単語が用いられることがしばしばある。このため、管理者などの文章を入力しない者や自分以外の担当者が履歴データを検索する場合、従来の検索システムにおいては、適切な検索キーワードが分からないために検索精度が落ちてしまっていた。

【0035】

このことで、業務担当者によって、業務の対応スピードや業務の精度にばらつきが生じていた。特に、２４時間、３６５日のローテーション勤務を行う体勢において、その時に勤務している担当者により対応品質が異なることになり、ビル管理サービスの品質を一定に保つことできなくなるといった問題があった。本実施の形態では、検索システム１ａは、このような問題を解決するための構成を備える。

【0036】

ビル設備は、１０～１５年でリプレイスするのが通常であり、設備交換のサイクルが長い。このため、古い設備の知識が必要になるなど、ビル管理の経験を積むのに時間がかかる。また、業界の専門用語やそのビル固有の用語の言い回しを覚える必要があり、また、ビル設備の管理者が使う用語と、テナントが使う言葉とが食い違うことも多い。このような業界特有の事情があるため、検索システムで検索を行う場合、検索を行う者が使う言葉と、履歴データを登録した者が使う言葉と、ビルの利用者が使う言葉とをうまくリンクさせた検索システムを構築する必要がある。

【0037】

特にビル管理においては、水回りのトラブルなど、迅速に対応すべき作業が多いため、検索システムからいかにして迅速に情報を引き出すかが重要なポイントとなる。

【0038】

以下、履歴データの例について説明する。図３（Ａ）に示すように、たとえば、履歴データのＮｏ．１（「履歴データ１」とも称する）には、「機械式駐車場ピット内へ運転手携帯電話落下の件 防災センターより、Ｂ３駐車場車室１８８（機械式駐車場）ピット内へ、運転手様が携帯電話を落としたので対応依頼あり。ピット内に落下している携帯電話を確認。機械式駐車場保守会社の手配が必要となる可能性がある為、駐車場管理にて対応する事となった。駐車場管理者、防災センター担当者立会い確認。１８：００ 駐車場管理者より携帯電話をピットより回収したとの連絡あり。」が入力されている。

【0039】

履歴データのＮｏ．２（「履歴データ２」とも称する）には、「２８階受付社名表示間接照明の管球交換 テナントＡ様より、２８階受付社名表示間接照明の管球交換を夜間に対応依頼あり。１９：３０ テナント支給管球（型番ｘｘｘ）２個を交換し点灯確認した。テナントA様へメールにて報告済み。」が入力されている。

【0040】

履歴データのＮｏ．３（「履歴データ３」とも称する）には、「テナント設備（１８階会議室 照明スイッチ押し込まれ陥没） ４／２ １４：４０ テナントＢ様より、会議室の照明スイッチが押し込まれ、陥没したので対応依頼あり。到着時状況 １４：１５ 会議室の照明スイッチが押込まれ、陥没している状態を確認。プラスチック製取付枠ではスイッチを固定できない為、予備品の金属製取付枠と交換しスイッチ固定。テナントＢ様立会い確認。オーナー様にメールにて報告済み。」が入力されている。

【0041】

履歴データのＮｏ．４（「履歴データ４」とも称する）には、「１０階執務室内出入口扉異音の件 １０階執務室内出入口扉で異音がするのを点検で発見した。点検時状況 扉開閉時に扉側面の電気錠用コードとガイドの擦れ音を確認。コードの位置調整及びグリス塗布後、異音解消を確認。オーナー様へメールにて報告済み。」が入力されている。

【0042】

このような履歴データの文章は、３つの文章に分割して分類することができる。１つ目は、ビルの利用者がビル設備に関して問い合わせた内容（以下、単に「問合せ内容」とも称する）についての文章である。「問合せ内容」は、ビル設備の管理者に対してビルの利用者が何らかのコンタクトを取った場合のその内容（クレーム、相談、連絡など）であればよい。

【0043】

２つ目は、ビルの利用者が内容を問い合わせした原因（以下、単に「原因」とも称する）についての文章である。「原因」は、下記の「対応」を行うに至った理由に相当する。

【0044】

３つ目は、ビルの利用者の問い合わせに対するビル設備の管理者の対応（以下、単に「対応」とも称する）についての文章である。「対応」は、ビル設備の管理者が何らかの作業を行った場合も含む。履歴データの文章は、上記３つの文章のうち少なくとも１つ以上の文章を含む。

【0045】

たとえば、ビル設備において何らかの不具合が発生し、ビルの利用者がビル設備の管理人に対してクレームを言った（問合せをした）ようなケースが想定される。この場合、ビル設備の管理者は、本不具合について「原因」（たとえば、部品の故障）を究明した上で、本不具合を解消するための「対応」（たとえば、故障した部品の交換）を行う。そして、ビル設備の管理人は、「問合せ内容」、「原因」、「対応」について日報としてまとめて、履歴データとしてサーバ１０の記憶部２５に記憶させる。

【0046】

これらの「問合せ内容」、「原因」、「対応」のぞれぞれに対応する文章は、簡潔な言葉で置き換えることが可能である。本実施の形態においては、このような簡潔な言葉として、２つの単語の組合せで置き換えている。この２つの単語は、主語に相当する単語および述語に相当する単語の組合せ、あるいは、述語に相当する単語および目的語に相当する単語の組合せで構成するのが適切である。

【0047】

たとえば、履歴データ１であれば、「問合せ内容」として「落し物」＋「対応」の２単語で表現することができ、「対応」として「保守会社」＋「手配」の２単語で表現することができる。なお、履歴データ１において、「原因」に相当する文章はない。

【0048】

履歴データ２であれば、「問合せ内容」として「管球」＋「交換」の２単語で表現することができ、「原因」として「球」＋「切れ」の２単語で表現することができ、「対応」として「夜間」＋「交換」の２単語で表現することができる。

【0049】

履歴データ３であれば、「問合せ内容」として「照明」＋「不具合」の２単語で表現することができ、「原因」として「スイッチ」＋「破損」の２単語で表現することができ、「対応」として「部品」＋「交換」の２単語で表現することができる。

【0050】

履歴データ４であれば、「原因」として「部品」＋「擦れ」の２単語で表現することができ、「対応」として「位置」＋「調整」の２単語、および、「グリス」＋「塗布」の２単語で表現することができる。なお、履歴データ４において、「問合せ内容」に相当する文章はない。

【0051】

このように、履歴データは、ビル設備の管理に特有の文章構造を有しており、また、ビル設備の管理において用いられる特徴的な単語を用いて簡潔に表現することができる。上述のように、履歴データは、「問合せ内容」、「原因」、「対応」という３つの属性を持つ文章に分類することができる。以下、「問合せ内容」、「原因」、「対応」を「属性代表語」と称する。また、各属性代表語に対応する文章を２単語で表したもの（「管球交換」など）を、以下、「属性内容」と称する。

【0052】

このような観点で、記録された履歴データを分析し、これを分類したものが、たとえば、図３（Ｂ）のような表である。図３（Ｂ）に示すように、「問合せ内容」に対応する属性内容として最も多いものが「蛍光灯不点灯」であり、発生件数はＡ１件である。「問合せ内容」に対応する属性内容として２番目に多いものが「不審物発見」であり、発生件数はＡ２件（Ａ１＞Ａ２）である。「問合せ内容」に対応する属性内容として３番目に多いものが「トイレ水漏れ」であり、発生件数はＡ３件（Ａ２＞Ａ３）である。

【0053】

「蛍光灯不点灯」は、「蛍光灯」＋「不点灯」の２単語で構成される。「不審物発見」は、「不審物」＋「発見」の２単語で構成される。「トイレ水漏れ」は、「トイレ」＋「水漏れ」の２単語で構成される。問合せ内容については、１位～Ｎ１位まで集計している。

【0054】

同様に、「原因」、「対応」についても集計されている。原因については、１位～Ｎ２位まで集計している。対応については、１位～Ｎ３位まで集計している。本実施の形態においては、履歴データを分類した図３（Ｂ）の表に基づき、履歴検索に用いる学習済モデル３１の学習用データセットを用意している。図３（Ｂ）の表において、どのような語を組合せ属性内容として構成するか、何位までを集計対象とするかが、学習精度を向上させるために重要なポイントとなる。

【0055】

以下、検索システムにおける学習処理について詳細に説明する。以下、学習が完了する前の「学習済モデル３１」は、「推定モデル３１」とも称する。

【0056】

［検索システムにおける学習処理］
図４は、検索システム１ａにおける推定モデル３１の学習について説明する図である。検索システムにおける学習処理（「学習処理（履歴検索用）」とも称する）において、学習用データセットは、「単語」を入力として、「属性代表語」および「属性内容」を出力とするデータの組合せである。

【0057】

学習済モデル３１（推定モデル３１）は、履歴データに含まれる単語に関連する意味を持つ単語が入力された際に、１以上の属性代表語および属性代表語に関連した属性内容を出力するように、教師データを用いた機械学習処理が施されたモデルである。ここで、履歴データに含まれる単語に関連する意味を持つ単語とは、単語辞書３４を用いて履歴データに含まれる単語から抽出した単語であり、ビル管理を行う際に特徴的に用いられる単語である（たとえば、後述する「単語代表語」である）。

【0058】

図４に示すように、学習用データセット３２には、単語０１と属性代表語０１と属性内容０１で構成される学習用データセット、単語０２と属性代表語０２と属性内容０２で構成される学習用データセット、単語０３と属性代表語０３と属性内容０３で構成される学習用データセットが含まれる。

【0059】

「単語」は、単語辞書３４を用いて抽出された１つまたは複数の単語である。たとえば、単語０１は、「修理」である。「修理」に対応する属性代表語０１は「対応」であり、「修理」に対応する属性内容０２は「部品交換」である。

【0060】

つまり、単語辞書３４を用いて抽出された単語に「修理」が含まれている場合、履歴データには「対応」という属性を持つ文章が含まれ、「対応」という属性を持つ文章を２単語で表したものが「部品交換」となるように、学習が行われる。

【0061】

図５は、学習処理（履歴検索用）のフローチャートである。制御部２１は、学習処理（履歴検索用）を実行する。以下、「ステップ」を単に「Ｓ」とも称する。

【0062】

図５に示すように、学習処理（履歴検索用）を開始すると、制御部２１は、Ｓ１１において、学習用データセット３２(履歴検索用)の中から学習用データを選択し、処理をＳ１２に進める。制御部２１は、Ｓ１２において、選択した学習用データ (履歴検索用)の単語データを推定モデル３１に入力し、処理をＳ１３に進める。

【0063】

制御部２１は、Ｓ１３において、推定モデル３１による推定処理によって、推定結果が出力され、処理をＳ１４に進める。制御部２１は、Ｓ１４において、推定結果と学習用データに対応する正解データとの誤差に基づき推定モデル３１のパラメータを更新し、Ｓ１５に処理を進める。

【0064】

制御部２１は、Ｓ１５において、全ての学習用データに基づき学習を行ったか否かを判定する。全ての学習用データに基づき学習を行ったと判定された場合（Ｓ１５でＹＥＳ）、処理をＳ１６に進める。全ての学習用データに基づき学習を行っていないと判定された場合（Ｓ１５でＮＯ）、処理をＳ１１に戻す。

【0065】

制御部２１は、Ｓ１６において、学習済みの推定モデル３１を学習済モデル３１として記憶し、学習処理（履歴検索用）を終了する。

【0066】

図６は、履歴データから検索用データベース３６を生成する手順について説明する図である。前述のように、記憶部２５は、属性辞書３３と単語辞書３４と検索用データベース３６を記憶している。

【0067】

属性辞書３３は、履歴データの属性を代表する属性代表語と、属性代表語に関連する意味を持つ属性関連語とが対応付けられた辞書である。属性代表語は、属性関連語の上位概念に相当する単語を含むものであるが、関連する意味を持つものであれば、必ずしも上位概念に相当する単語でなくてもよい。

【0068】

属性代表語は、ビルの利用者がビル設備に関して問い合わせた内容を代表する言葉である「問合せ内容」と、利用者が内容を問い合わせした原因を代表する言葉である「原因」と、利用者の問い合わせに対するビル設備の管理者の対応を代表する言葉である「対応」とを含む。

【0069】

図５に示すように、たとえば、属性代表語「問合せ内容」に対応する属性関連語は、「疑問」、「質問」、「クレーム」および「警報」である。属性代表語「原因」に対応する属性関連語は、「理由」および「根拠」である。属性代表語「対応」に対応する属性関連語は、「対処」である。

【0070】

単語辞書３４は、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた辞書である。単語代表語は、単語関連語の上位概念に相当する単語を含むものであるが、関連する意味を持つものであれば、必ずしも上位概念に相当する単語でなくてもよい。

【0071】

たとえば、単語代表語「水道」に対応する属性関連語は、「蛇口」である。単語代表語「照明」に対応する属性関連語は、「ライト」、「蛍光灯」、「灯」および「あかり」である。単語代表語「机」に対応する属性関連語は、「テーブル」および「デスク」である。単語代表語「窓」に対応する属性関連語はない。単語代表語「玄関」に対応する属性関連語は、「エントランス」である。

【0072】

以上説明した、属性代表語に対応する属性関連語および単語代表語に対応する単語関連語の組合せは、あくまで例示であり、上記以外の単語によって対応付けてもよい。属性代表語に対する属性関連語をどのように選択するかは、ビル設備の管理に関する業界特有の事情を加味して人の手によって行われる。しかし、これに限らず、機械学習により属性代表語に対する属性関連語を選択させるようにしてもよい。同様に、単語代表語に対する単語関連語をどのようにするかは、人の手によって選択されてもよいし、機械学習により選択されるようにしてもよい。

【0073】

次に、履歴データから検索用データベース３６を生成する方法を説明する。検索用データベース３６は、履歴データに対して１以上の属性代表語が対応付けられ、属性代表語に関連した属性内容が対応付けられた検索用データが登録されたデータベースである。

【0074】

図示した例では、「１階受付Ａ様から電気がつかないとの連絡があり、夜間交換指定だったため２０時に修理」という履歴データ３５ａに対応する検索用データベース３６を生成させている。

【0075】

制御部２１は、履歴データ３５ａから単語の抽出を行う。単語の抽出は、単語辞書３４を用いて行う。ここでは、履歴データ３５ａから「電気」、「つかない」、「修理」の３語を抽出している。単語辞書３４による単語の抽出により、設備管理で使用する専門的な用語等や、属性内容の抽出のために適した単語のみを抽出する。

【0076】

制御部２１は、履歴データに含まれる単語に関連する意味を持つ単語を学習済モデル３１に入力することで、学習済モデル３１から１以上の属性代表語と属性代表語に関連した属性内容とを出力する。

【0077】

この例では、推定結果３５ｂに示されたように、「電気」および「つかない」という単語が学習済モデル３１に入力されると、学習済モデル３１は、属性代表語として「問合せ内容」を出力するとともに、属性内容として「照明不具合」を出力する。また、「修理」という単語が学習済モデル３１に入力されると、学習済モデル３１は、属性代表語として「対応」を出力するとともに、属性内容として「部品交換」を出力する。

【0078】

属性内容は、２つの単語代表語の組合せで構成される。「照明不具合」であれば「照明」＋「不具合」の２つの単語代表語の組合せで構成されている。「部品交換」であれば「部品」＋「交換」の２つの単語代表語の組合せで構成されている。

【0079】

なお、属性内容は、２つの単語代表語の組合せで構成されるものに限らず、その他の任意の単語の組合せで構成されるものであってもよい。また、３つ以上の単語の組合せで構成されるものであってもよいし、文章により構成されるものであってもよい。

【0080】

制御部２１は、出力した属性代表語および属性内容を履歴データに対応付けて、検索用データとして検索用データベース３６に登録する。

【0081】

この例では、制御部２１は、履歴データ３５ａに、属性代表語「問合せ内容」に対する属性内容「照明不具合」および属性代表語「対応」に対する属性内容「部品交換」を対応付けたものを検索用データベース３６に登録している。なお、この例においては、属性代表語「原因」に対する属性内容は存在しない。

【0082】

図７は、検索用データベース３６の一例を示す図である。図７に示す検索用データベース３６は、図３（Ａ）で示した履歴データから生成したものである。

【0083】

図７に示すように、履歴データ１においては、属性代表語「問合せ内容」に対する属性内容「部品交換」、属性代表語「対応」に対する属性内容「保守会社手配」を対応付けた検索用データ（以下、「検索用データ１」と称する）を検索用データベース３６に登録している。

【0084】

履歴データ２においては、属性代表語「問合せ内容」に対する属性内容「管球交換」、属性代表語「原因」に対する属性内容「球切れ」、属性代表語「対応」に対する属性内容「夜間交換」を対応付けた検索用データ（以下、「検索用データ２」と称する）を検索用データベース３６に登録している。

【0085】

履歴データ３においては、属性代表語「問合せ内容」に対する属性内容「照明不具合」、属性代表語「原因」に対する属性内容「スイッチ破損」、属性代表語「対応」に対する属性内容「部品交換」を対応付けた検索用データ（以下、「検索用データ３」と称する）を検索用データベース３６に登録している。

【0086】

履歴データ４においては、属性代表語「原因」に対する属性内容「部品擦れ」、属性代表語「対応」に対する属性内容「位置調整」および「グリス塗布」を対応付けた検索用データ（以下、「検索用データ４」と称する）を検索用データベース３６に登録している。

【0087】

［検索システムにおける履歴検索処理］
次に、検索システム１ａにおける履歴検索処理について説明する。図８は、履歴検索処理のフローチャートである。制御部２１は、履歴検索処理を実行する。履歴検索処理が実行された結果として、表示部１２７は、ユーザが入力したキーワードに基づき制御部２１が検索用データベース３６を検索した検索結果を表示する。

【0088】

図８に示すように、履歴検索処理を開始すると、制御部２１は、Ｓ２１において、属性辞書３３を用いて、キーワードに関連する意味を持つ属性代表語を抽出し、処理をＳ２２に進める。キーワードが複数あれば、複数のキーワードについてこの処理を行う。制御部２１は、Ｓ２２において、抽出された属性代表語が対応付けられた検索用データを検索用データベース３６の検索対象として決定し、処理をＳ２３に進める。

【0089】

制御部２１は、Ｓ２３において、単語辞書３４を用いて、キーワードに関連する意味を持つ単語代表語および単語関連語を抽出し、処理をＳ２４に進める。ここで、属性代表語が抽出されたキーワードについてはＳ２３の処理を行わず、属性代表語が抽出されなかったキーワードについてＳ２３の処理を行う。

【0090】

制御部２１は、Ｓ２４において、検索対象として決定された検索用データに、抽出された単語代表語または単語関連語が含まれているか否かを判定する。検索対象として決定された検索用データに、抽出された単語代表語または単語関連語が含まれていると判定された場合（Ｓ２４でＹＥＳ）、処理をＳ２５に進める。検索対象として決定された検索用データに、抽出された単語代表語または単語関連語が含まれていると判定されなかった場合（Ｓ２４でＮＯ）、処理をＳ２６に進める。

【0091】

制御部２１は、Ｓ２５において、抽出された単語代表語または単語関連語が含まれている検索用データを表示部１２７が表示する検索結果に決定し、処理をＳ２５に進める。制御部２１は、Ｓ２６において、履歴データおよび属性内容を検索結果として表示部１２７に表示させ、履歴検索処理を終了する。

【0092】

以下、履歴検索処理の具体例について説明する。図９および図１０は、履歴検索処理を説明する図である。図９に示すように、ユーザが、検索画面３７において「クレーム」および「蛍光灯」の２つのキーワードで検索を行ったとする。

【0093】

制御部２１は、属性辞書３３にキーワード「クレーム」が存在するかを検索する。属性辞書３３には、属性代表語「問合せ内容」に対応する属性関連語として「クレーム」が存在するため、制御部２１は、属性代表語「問合せ内容」を抽出する。

【0094】

次に、制御部２１は、属性辞書３３にキーワード「蛍光灯」が存在するかを検索する。属性辞書３３には、「蛍光灯」が存在しないため、単語辞書３４にキーワード「蛍光灯」が存在するかを検索する。単語辞書３４には、単語代表語「照明」に対応する単語関連語として「蛍光灯」が存在する。制御部２１は、単語代表語「照明」およびこれに対応する単語関連語「ライト」、「蛍光灯」、「灯」、「あかり」を抽出する。

【0095】

図１０に示すように、制御部２１は、抽出された属性代表語「問合せ内容」が対応付けられた検索用データ１～３を検索用データベース３６の検索対象として決定する。

【0096】

ここで、ユーザは「クレーム」というキーワードで検索している。属性辞書３３は、「クレーム」という概念の上位概念に類する広い概念として「問合せ内容」を定義している。本実施の形態においては、「問合せ内容」が対応付けられた検索用データ１～３を検索用データベース３６の検索対象として決定することで、「クレーム」という概念よりもより上位の広い概念まで検索対象を広げて、検索するようにしている。

【0097】

さらに、制御部２１は、検索対象として決定された検索用データ１～３に、抽出された単語代表語および単語関連語（「照明」、「ライト」、「蛍光灯」、「灯」、「あかり」）のうちのいずれかが含まれているか否かを調べる。本例においては、検索用データ１,２に「照明」が含まれているため、検索用データ２,３を表示部１２７が表示する検索結果に決定する。

【0098】

ここで、ユーザは「蛍光灯」というキーワードで検索している。単語辞書３４は、「蛍光灯」という単語に関連する単語として、「照明」、「ライト」、「灯」、「あかり」を定義付けている。履歴データを入力する際には、「蛍光灯」という単語で入力されるとも限らず、別の単語で入力されることもある。また、キーワードの上位概念あるいは下位概念の単語で関連情報が履歴データに記録されている可能性もある。本実施の形態においては、このような情報まで含めた履歴データを検出可能にしている。

【0099】

検索データベース３６は、もっとも上位の概念である「属性代表語」（問合せ内容、原因、対応）と、中位の概念である「属性内容」（照明＋不具合等）と、下位概念の単語（履歴データ）とで構成され、単純に下位概念の単語で検索できるのみならず、中位概念、上位概念にまで網を広げて検索することができるようになっている。そして、このような３層の概念を用いて好適な検索システムを構築するためには、単語辞書３４によりいかに業界特有の単語や概念を抽出させるか、単語と属性代表語と属性内容との組合せをいかに好適に学習させるかがポイントとなる。

【0100】

図１１は、履歴検索結果の一例を示す図である。図１１に示すように、履歴検索結果３８には、ユーザが「クレーム」および「蛍光灯」の２つのキーワードで検索を行った結果を表示されている。

【0101】

上述のように、検索用データ２,３には「照明」が含まれているため、履歴検索結果３８には、検索用データ２,３が表示されている。また、履歴検索結果３８には、検索用データに含まれる単語代表語または単語関連語を識別可能な情報が含まれる。具体的には、履歴検索結果３８には、「照明」の文字が識別可能となるように、文字「照明」を四角の枠で囲って表示している。

【0102】

本実施の形態においては、以上説明したように構成することで、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。これにより、属人的な文章をその他の担当者が普段使っている単語で検索できるようになり、他人の経験を自分の業務に生かすことができる。

【0103】

［ニーズ表示システムにおける学習処理］
次に、ニーズ表示システム１ｂにおける学習処理（以下、「学習処理（ニーズ抽出用）」とも称する）について説明する。図１２は、ニーズ表示システム１ｂにおける推定モデル４１の学習について説明する図である。

【0104】

上述のように、「ニーズ」とは、ニーズが発生する場所または日時において、利用者が不快に感じる事象またはビルを快適に利用するためにビル設備に求める事象に基づくニーズである。

【0105】

ビルのオーナーは、ビルに入居するテナント（ビルの利用者）に対してビル設備に対する不満や満足度を調査することがある。その際、入居者との打合せでのヒアリングやアンケートといった手法によって調査が行われることが多い。しかしながら、ヒアリングやアンケートによる調査では、参加者との時間調整、回答の記録、記録データの集計に手間がかかるため、頻繁に実施することができない。また、入居者は、ヒアリングやアンケートに回答する際に、過去の記憶をきちんと思い出せないことが多い。また、印象に強く残った出来事や思い出しやすい出来事を回答する傾向があるため、調査したデータに偏りが出てしまう。

【0106】

ビル設備に対する不満や満足度といったニーズを調査したい場合、ビル設備の管理において既に蓄積された履歴データを活用することが考えられる。しかしながら、履歴データは、ビルの管理者がクレーム等に対応した作業履歴を記録するものであるため、履歴データを蓄積させる目的とニーズ調査を行う目的とが一致していない。このため、履歴データからビル設備に対する不満や満足度などのビル設備に対するニーズを直接的に抽出することができない。

【0107】

以上の点を鑑み、本実施の形態では、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出できるようにニーズ表示システム１ｂを構成している。この履歴データからニーズのみをうまく抽出するための橋渡しとなるのが、学習済モデル４１である。

【0108】

このようにニーズを抽出することで、ビルの利用者の潜在的なニーズを発掘することができ、ビルの運用改善や設備改善を行うことで、さらにビルの付加価値を向上させることができる。また、このようなニーズを集計することで、マーケティングデータとしても活用することができる。

【0109】

以下、具体的に説明する。図２などを用いて説明したように、記憶部２５は、履歴データと、単語辞書３４と、学習済モデル４１とを記憶している。上述のように、単語辞書３４は、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた辞書である。

【0110】

履歴データは、利用者がビル設備に関して問い合わせた内容と、利用者が内容を問い合わせした原因と、利用者の問い合わせに対するビル設備の管理者の対応とが記録されたデータである。

【0111】

学習済モデル４１は、履歴データに基づく推定結果の出力に用いられるモデルである。また、学習済モデル４１は、単語代表語（以下、単に「単語」とも称する）が特徴量として入力された際に、ニーズと、ニーズが発生した場所または日時（以下、単に「場所・日時」とも称する）とを推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである。

【0112】

図１２に示すように、ニーズ表示システム１ｂにおける学習処理において、学習用データセットとして、「単語」を入力として、「ニーズ」および「場所・日時」を出力とするデータの組み合わせを用意する。

【0113】

なお、本実施の形態においては、「ニーズ」および「場所・日時」を出力するように構成しているが、これに限らず、履歴検索用の学習処理と同様に、学習用データセットに、属性代表語を含ませるようにしてもよい。つまり、「ニーズ」および「場所・日時」に対して、「問合せ内容」や「原因」などの属性を持たせるようにしてもよい。

【0114】

学習用データセット４２には、単語０１とニーズ０１と場所・日時０１とで構成される学習用データセット、単語０２とニーズ０２と場所・日時０２とで構成される学習用データセット、単語０３とニーズ０３と場所・日時０３とで構成される学習用データセットが含まれる。

【0115】

「単語」は、履歴データに含まれる単語に関連する意味を持つ１つまたは複数の単語である。ここで、履歴データに含まれる単語に関連する意味を持つ単語とは、単語辞書３４を用いて履歴データに含まれる単語から抽出した単語であり、ビル管理を行う際に特徴的に用いられる単語である（たとえば、「単語代表語」）。

【0116】

たとえば、単語０１は、「傘」、「貸す」を含む複数の単語である。これに対応するニーズ０１は「貸し傘があるとよい」であり、場所・日時０１は「玄関」である。

【0117】

つまり、履歴データに「傘」、「貸す」などが含まれている場合、場所「玄関」において、「貸し傘があるとよい」というニーズがあると認識されるように、学習が行われる。

【0118】

また、たとえば、「入社説明会があるから会議室の温度を２度上げて欲しい」という依頼があったとする。この場合、直接的な要求としては、「温度を２度上げる」ことである。しかしながら、隠れたニーズとして、「入社説明会をするための快適な場所が欲しい」といったニーズが存在する。このようなニーズを引き出すために、いかに学習用データセットを用意するかがポイントとなる。このようなニーズが引き出せた場合、たとえば、ビルのオーナーは、会社説明会をやるような企業が多く入居しているので、そのための場所が必要であることが把握できる。これにより、ビルのサービスを改善することにつながる。

【0119】

検索システムは、ビルの管理者が行った作業に着眼した事象を検索するようなシステムであるが、ニーズ抽出システムは、利用者の感情に着眼した事象を抽出するようなシステムとなっている。このため、推定モデル４１は、推定モデル３１とは異なり、人の感情がうまく抽出されるように（いつ、どこで、誰が、何をして欲しいのか）学習が行われることになる。また、時間や場所は、利用者の目的にもつながる。たとえば、「廊下」という場所が抽出された場合は、たとえば、「導線が悪い」という潜在的なニーズを引き出すこともできる。

【0120】

図１３は、学習処理（ニーズ抽出用）のフローチャートである。制御部２１は、学習処理（ニーズ抽出用）を実行する。

【0121】

図１３に示すように、学習処理（ニーズ抽出用）を開始すると、制御部２１は、Ｓ３１において、学習用データセット４２(ニーズ抽出用)の中から学習用データを選択し、処理をＳ３２に進める。制御部２１は、Ｓ３２において、選択した学習用データ (履歴検索用)の単語データを推定モデル３１に入力し、処理をＳ３３に進める。入力されるのは、学習用データセット４２に含まれる単語代表語である。

【0122】

制御部２１は、Ｓ３３において、推定モデル４１による推定処理によって、推定結果が出力され、処理をＳ３４に進める。出力される推定結果は、ニーズと、ニーズが発生する場所または日時とである。制御部２１は、Ｓ３４において、推定結果と学習用データに対応する正解データとの誤差に基づき推定モデル４１のパラメータを更新し、Ｓ３５に処理を進める。

【0123】

制御部２１は、Ｓ３５において、全ての学習用データに基づき学習を行ったか否かを判定する。全ての学習用データに基づき学習を行ったと判定された場合（Ｓ３５でＹＥＳ）、処理をＳ３６に進める。全ての学習用データに基づき学習を行っていないと判定された場合（Ｓ３５でＮＯ）、処理をＳ３１に戻す。

【0124】

制御部２１は、Ｓ３６において、学習済みの推定モデル４１を学習済モデル４１として記憶し、学習処理（ニーズ抽出用）を終了する。

【0125】

［ニーズ表示システムにおけるニーズ抽出処理］
次に、ニーズ表示システム１ｂにおけるニーズ抽出処理について説明する。図１４は、ニーズ抽出処理のフローチャートである。制御部２１は、ニーズ抽出処理を実行する。ニーズ抽出処理を行った結果として、表示部１２７は、推定結果に関する表示を行う。

【0126】

図１４に示すように、ニーズ抽出処理を開始すると、制御部２１は、Ｓ４１において、単語辞書３４を用いて、履歴データから単語代表語を抽出し、処理をＳ４２に進める。Ｓ４２において、制御部２１は、抽出した単語代表語を特徴量として学習済モデル４１に入力することで、学習済モデル４１からニーズと、ニーズが発生する場所または日時とを推定結果として出力し、処理をＳ４３に進める。Ｓ４１，Ｓ４２の処理は、全ての履歴データに対して行う。

【0127】

Ｓ４３において、制御部２１は、推定結果をニーズごとに集計し、処理をＳ４３に進める。Ｓ４４において、表示部１２７は、ニーズごとに集計された推定結果を表示し、ニーズ抽出処理を終了する。以下、具体例を用いて説明する。

【0128】

図１５は、ニーズ表示システム１ｂにおけるニーズ抽出の流れについて説明する図である。ニーズ抽出において使用する単語辞書は、履歴検索において使用する単語辞書と同じである。

【0129】

図１５に示すように、「傘を一時的に貸してもらえないかと問い合わせ・・・」という履歴データ４５ａに対応する推定結果４５ｂを生成させている。

【0130】

制御部２１は、単語辞書３４を用いて、履歴データ４５ａから単語代表語を抽出する。この例では、履歴データ４５ａから単語代表語「傘」、「貸す」などを抽出している。

【0131】

次に、制御部２１は、抽出した「傘」、「貸す」などを学習済モデル４１に入力し、学習済モデル４１からニーズとして「貸し傘があるとよい」と、ニーズが発生する場所または日時（場所・日時）として「玄関」とを推定結果として出力している。

【0132】

この例においては、「傘」や「貸す」といった単語に対して、「貸し傘があると便利である」というニーズが潜在的に存在することを意味している。そして、貸し傘を行う場所として適しているのは玄関（エントランス）であるため、「場所」として玄関が出力されるように、学習が行われている。

【0133】

このようにして、全ての履歴データから推定結果を出力させ、出力された推定結果をニーズごとに集計する。図１６は、ニーズ抽出結果の一例を示す図である。

【0134】

たとえば、「玄関」において「貸し傘があるとよい」というニーズを履歴データから集計した結果、１２３件カウントされたとする。図１６に示すように、「玄関」において「貸し傘があるとよい」というニーズは１２３件あることが示されている。

【0135】

表示部１２７は、ニーズと、ニーズが発生する場所または日時と、集計されたニーズの数とを、集計されたニーズの数が多い順に表示する。

【0136】

この例では、ニーズの数が多い順に、「玄関」において「貸し傘があるとよい」というニーズ（第１位、１２３件）、「トイレ」において「洗面台が濡れているのは嫌だ」というニーズ（第２位、１１２件）、「平日定時外」において「休日・夜間の入館方法が知りたい」というニーズ（第３位、７７件）、「１Ｆ非常口」において「扉が閉まりにくい」というニーズ（第４位、３３件）が表示されている。

【0137】

また、制御部２１は、推定結果を、１年のうちの特定の期間についてニーズごとに集計する。本例においては、特定の期間として「１月」～「１２月」のいずれかを選択可能になっている。図に示される「１月」～「１２月」のいずれかのリンクをクリックすると、クリックした月における集計が行われる。

【0138】

たとえば、２０１８年～２０２０年の期間、履歴データが記録された場合、「４月」をクリックすると、２０１８年４月、２０１９年４月、２０１９年４月に記録された履歴データのみが集計対象となる。画面上には、４月のみで集計した結果を表示する。また、２０１８年４月、２０１９年４月、２０１９年４月それぞれの集計結果を表示可能とする。あるいは、２０１８年４月、２０１９年４月、２０１９年４月のニーズの推移が分かるように、グラフ化して表示するようにしてもよい。

【0139】

これにより、４月に生じやすいニーズを把握することができる。なお、月別に集計するものに限らず、任意の期間（たとえば、季節）ごとに集計するものであってもよい。

【0140】

本実施の形態においては、以上説明したように構成することで、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。これによって、ヒアリングやアンケートでは収集できない入居者などのビルの利用者の潜在的なニーズを抽出することができる。また、都度記録されている履歴データを情報源として活用するため、ビルの利用者が忘れているニーズも抽出することが可能となり、ビルオーナーまで届かない、現場にのみ存在するニーズデータが収集可能となる。これにより、今まで気づかなかったビルの利用者のためのビルの運用改善や設備改善が可能となる。

【0141】

［主な構成および効果］
以下、前述した実施の形態の主な構成および効果を説明する。

【0142】

（１－１） 検索システム１ａは、ビル設備の管理に関する履歴データを検索する。検索システム１ａは、制御部２１と、記憶部２５と、表示部１２７と、を備える。記憶部２５は、属性辞書３３と、単語辞書３４と、検索用データベース３６と、を記憶する。属性辞書３３は、履歴データの属性を代表する属性代表語と、属性代表語に関連する意味を持つ属性関連語とが対応付けられた辞書である。単語辞書３４は、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた辞書である。検索用データベース３６は、履歴データに対して１以上の属性代表語が対応付けられ、属性代表語に関連した属性内容が対応付けられた検索用データが登録されたデータベースである。表示部１２７は、ユーザが入力したキーワードに基づき制御部２１が検索用データベース３６を検索した検索結果を表示する。制御部２１は、属性辞書３３を用いて、キーワードに関連する意味を持つ属性代表語を抽出する。制御部２１は、抽出された属性代表語が対応付けられた検索用データを検索用データベース３６の検索対象として決定する。制御部２１は、単語辞書３４を用いて、キーワードに関連する意味を持つ単語代表語および単語関連語を抽出する。制御部２１は、検索対象として決定された検索用データに、抽出された単語代表語または単語関連語が含まれている場合、検索用データを表示部１２７が表示する検索結果に決定する。このように構成することで、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。これにより、属人的な文章をその他の担当者が普段使っている単語で検索できるようになり、他人の経験を自分の業務に生かすことができる。

【0143】

（１－２） 表示部１２７は、履歴データおよび属性内容を検索結果として表示する。検索結果には、検索用データに含まれる単語代表語または単語関連語を識別可能な情報が含まれる。このように構成することで、検索用データに含まれる単語代表語または単語関連語を認識しやすくなる。

【0144】

（１－３） 制御部２１は、履歴データに含まれる単語を学習済モデル３１に入力することで、学習済モデル３１から１以上の属性代表語と属性代表語に関連した属性内容とを出力する。制御部２１は、出力した属性代表語および属性内容を履歴データに対応付けて、検索用データとして検索用データベース３６に登録する。このように構成することで、属性代表語および属性内容も含めたデータを検索対象とすることができ、より広い概念の単語で検索することができるため、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。

【0145】

（１－４） 属性内容は、２つの単語代表語の組合せで構成される。このように構成することで、履歴データの内容をより的確かつ簡潔に示した単語が検索対象となるため、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。

【0146】

（１－５） 属性代表語は、ビルの利用者がビル設備に関して問い合わせた内容を代表する言葉と、利用者が内容を問い合わせした原因を代表する言葉と、利用者の問い合わせに対するビル設備の管理者の対応を代表する言葉とを含む。このように構成することで、ビル設備の管理に最適化された方法により履歴データを絞り混むことができる。

【0147】

（１－６） 学習済モデル３１は、履歴データに含まれる単語が入力された際に、１以上の属性代表語および属性代表語に関連した属性内容を出力するように、教師データを用いた機械学習処理が施されたモデルである。このように構成することで、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。

【0148】

（１－７） 制御方法は、ビル設備の管理に関する履歴データを検索する検索システム１ａを制御する。検索システム１ａは、記憶部２５を備える。記憶部２５は、履歴データの属性を代表する属性代表語と、属性代表語に関連する意味を持つ属性関連語とが対応付けられた属性辞書３３と、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書３４と、履歴データに対して１以上の属性代表語が対応付けられ、属性代表語に関連した属性内容が対応付けられた検索用データが登録された検索用データベース３６と、を記憶する。制御方法は、属性辞書３３を用いて、ユーザが入力したキーワードに関連する意味を持つ属性代表語を抽出するステップと、抽出された属性代表語が対応付けられた検索用データを検索用データベース３６の検索対象として決定するステップと、単語辞書３４を用いて、キーワードに関連する意味を持つ単語代表語および単語関連語を抽出するステップと、検索対象として決定された検索用データに、抽出された単語代表語または単語関連語が含まれている場合、検索用データを検索結果として決定するステップと、検索結果を表示するステップと、を含む。このように構成することで、入力されたキーワードに関連する意味を持つ単語を含む履歴データを効率よく検索することができる。これにより、属人的な文章をその他の担当者が普段使っている単語で検索できるようになり、他人の経験を自分の業務に生かすことができる。

【0149】

（２－１） ニーズ表示システム１ｂは、ビルの利用者のニーズを集計して表示する。ニーズ表示システム１ｂは、制御部２１と、記憶部２５と、表示部１２７と、を備える。記憶部２５は、単語辞書３４と、学習済モデル４１と、を記憶する。単語辞書３４は、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた辞書である。学習済モデル４１は、履歴データに基づく推定結果の出力に用いられるモデルである。表示部１２７は、推定結果に関する表示を行う。学習済モデル４１は、単語代表語が特徴量として入力された際に、ニーズと、ニーズが発生した場所または日時とを推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである。制御部２１は、単語辞書３４を用いて、履歴データから単語代表語を抽出する。制御部２１は、抽出した単語代表語を特徴量として学習済モデル４１に入力することで、学習済モデル４１からニーズと、ニーズが発生する場所または日時とを推定結果として出力する。制御部２１は、推定結果をニーズごとに集計する。表示部１２７は、ニーズごとに集計された推定結果を表示する。

【0150】

このように構成することで、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。これによって、ヒアリングやアンケートでは収集できない入居者などのビルの利用者の潜在的なニーズを抽出することができる。また、都度記録されている履歴データを情報源として活用するため、ビルの利用者が忘れているニーズも抽出することが可能となり、ビルオーナーまで届かない、現場にのみ存在するニーズデータが収集可能となる。これにより、今まで気づかなかったビルの利用者のためのビルの運用改善や設備改善が可能となる。

【0151】

（２－２） 表示部１２７は、ニーズと、ニーズが発生する場所または日時と、集計されたニーズの数とを、集計されたニーズの数が多い順に表示する。このように構成することで、好適にニーズを把握することができる。

【0152】

（２－３） 制御部２１は、推定結果を、１年のうちの特定の期間についてニーズごとに集計する。このように構成することで、特定の期間にのみ発生するニーズや、特定の期間に対する年ごとのニーズの推移を把握することができる。

【0153】

（２－４） 履歴データは、利用者がビル設備に関して問い合わせた内容と、利用者が内容を問い合わせした原因と、利用者の問い合わせに対するビル設備の管理者の対応とが記録されたデータである。このように構成することで、ビル設備において管理されている履歴データを活用して、好適にニーズを抽出することができる。

【0154】

（２－５） ニーズは、ニーズが発生する場所または日時において、利用者が不快に感じる事象またはビルを快適に利用するためにビル設備に求める事象に基づくニーズである。このように構成することで、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。

【0155】

（２－６） 学習済モデル４１生成方法は、ビルの利用者のニーズを集計して表示するニーズ表示システム１ｂに適用するための方法である。ニーズ表示システム１ｂは、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書３４と、を記憶する記憶部２５を備える。学習済モデル４１生成方法は、学習用データセットの中から学習用データを選択するステップと、学習用データに含まれる単語代表語を特徴量として推定モデル４１に入力することで、推定モデル４１からニーズと、ニーズが発生する場所または日時とを推定結果として出力するステップと、推定結果と学習用データに対応する正解データとの誤差に基づき推定モデル４１のパラメータを更新するステップとを含む。このように構成することで、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。

【0156】

（２－７） 制御方法は、ビルの利用者のニーズを集計して表示するニーズ表示システム１ｂを制御する。ニーズ表示システム１ｂは、ビル設備の管理に関する履歴データと、履歴データに使用される単語を代表する単語代表語と、単語代表語に関連する意味を持つ単語関連語とが対応付けられた単語辞書３４と、履歴データに基づく推定結果の出力に用いられる学習済モデル４１と、を記憶する記憶部２５を備える。制御方法は、単語辞書３４を用いて、履歴データから単語代表語を抽出するステップと、抽出した単語代表語を特徴量として学習済モデル４１に入力することで、学習済モデル４１からニーズと、ニーズが発生する場所または日時とを推定結果として出力するステップと、推定結果をニーズごとに集計するステップと、ニーズごとに集計された推定結果を表示するステップとを含む。学習済モデル４１は、単語代表語が特徴量として入力された際に、ニーズと、ニーズが発生した場所または日時とを推定結果として出力するように、教師データを用いた機械学習処理が施されたモデルである。このように構成することで、ビル設備の管理に関する履歴データから、ビルの利用者のニーズを好適に抽出することができる。

【0157】

今回開示された実施の形態は例示であって、上記内容のみに制限されるものではない。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0158】

１ａ 検索システム、１ｂ ニーズ抽出システム、１０ サーバ装置、２１，１２１ 制御部、２２，１２２ ＲＯＭ、２３，１２３ ＲＡＭ、２４，１２４ 通信インターフェイス、２５，１２５ 記憶部、３１，４１ 学習済モデル、３２，４２ 学習用データセット、３３ 属性辞書、３４ 単語辞書、３５ａ，４５ａ 履歴データ、３５ｂ，４５ｂ 推定結果、３６ 検索用データベース、３７ 検索画面、３８ 履歴検索結果、４８ ニーズ抽出結果、１００，１０１ 端末、１２７ 入力部、１２８ 表示部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】