特許 7582195 情報処理装置、情報処理方法、およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-05

(45)【発行日】2024-11-13

(54)【発明の名称】情報処理装置、情報処理方法、およびプログラム

(51)【国際特許分類】

   G06Q 10/0639 20230101AFI20241106BHJP

【ＦＩ】

G06Q10/0639

【請求項の数】 18

(21)【出願番号】P 2021540752

(86)(22)【出願日】2020-08-13

(86)【国際出願番号】 JP2020030779

(87)【国際公開番号】W WO2021033621

(87)【国際公開日】2021-02-25

【審査請求日】2023-06-23

(31)【優先権主張番号】62/889,768

(32)【優先日】2019-08-21

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】000002185

【氏名又は名称】ソニーグループ株式会社

(74)【代理人】

【識別番号】100140958

【弁理士】

【氏名又は名称】伊藤 学

(74)【代理人】

【識別番号】100137888

【弁理士】

【氏名又は名称】大山 夏子

(74)【代理人】

【識別番号】100154036

【弁理士】

【氏名又は名称】久保 貴弘

(72)【発明者】

【氏名】佐々木 貴宏

(72)【発明者】

【氏名】田尻 貴夫

(72)【発明者】

【氏名】森田 匠

(72)【発明者】

【氏名】山下 隆

【審査官】山崎 誠也

(56)【参考文献】

【文献】米国特許出願公開第２０１８／０３６５６２８（ＵＳ，Ａ１）

【文献】特開２０１９－０７０９１３（ＪＰ，Ａ）

【文献】人工知能を利用して、「働き方改革」を支援するコンサルティングサービスを提供開始，[online]，2017年08月04日，p.1-4，[2020年11月4日検索], インターネット<URL:https://www.nri.com/-/media/Corporate/jp/Files/PDF/news/newsrelease/cc/2017/170804_1.pdf>

【文献】AIによる業務可視化から始める働き方改革，富士通フォーラム２０１９，2019年05月17日，p.1-2

【文献】AI時代の働き方改革，日経コンピュータ，日経ＢＰ社，2019年01月24日，no.982，p.60-61，ISSN:0285-4619

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、
を備え、
前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器が、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成することと、前記２次元マップにおいて、前記評価項目に係る強度と前記被評価者による行動に係る強度とをヒートマップ状に表現することと、を含み、
前記評価部は、前記２次元マップに基づいて、前記評価項目に対する前記被評価者による行動の寄与が、前記被評価者の実力によるものであるか否かを評価する、
情報処理装置。

【請求項2】

前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が高い領域と、前記被評価者による行動に係る強度が高い領域とが重なる領域を、前記被評価者の実力による寄与が高い領域として評価する、
請求項１に記載の情報処理装置。

【請求項3】

前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が高い領域と、前記被評価者による行動に係る強度が低い領域とが重なる領域を、前記被評価者の実力による寄与が低い領域として評価する、
請求項１に記載の情報処理装置。

【請求項4】

前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が低い領域と、前記被評価者による行動に係る強度が高い領域とが重なる領域を、前記被評価者による行動による行動が評価項目の低下に影響している可能性がある領域として評価する、
領域として評価する、
請求項１に記載の情報処理装置。

【請求項5】

前記所定のタスクは、資産運用を含む、
請求項１に記載の情報処理装置。

【請求項6】

前記被評価者による行動は、金融商品の売買取引を含む、
請求項１に記載の情報処理装置。

【請求項7】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、前記被評価者の実力により利益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項8】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が低い領域とが重なる領域を、運により利益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項9】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が低い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、前記被評価者による行動に起因して損益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項10】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、前記被評価者の実力により利益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項11】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、トレーディングボリュームの強度が低い領域とが重なる領域を、運により利益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項12】

前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が低い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、前記被評価者による行動に起因して損益が生じた領域として評価する、
請求項５に記載の情報処理装置。

【請求項13】

前記所定のタスクは、顧客との契約を含む、
請求項１に記載の情報処理装置。

【請求項14】

前記被評価者による行動は、営業活動を含む、
請求項１に記載の情報処理装置。

【請求項15】

前記分類器は、自己組織化マップを含む、
請求項１に記載の情報処理装置。

【請求項16】

前記評価部による評価の結果を出力する出力部、
をさらに備える、
請求項１に記載の情報処理装置。

【請求項17】

プロセッサが、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行うこと、
を含み、
前記評価を行うことは、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価すること、をさらに含み、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成することと、前記２次元マップにおいて、前記評価項目に係る強度と前記被評価者による行動に係る強度とをヒートマップ状に表現することと、を含み、
前記評価を行うことは、前記２次元マップに基づいて、前記評価項目に対する前記被評価者による行動の寄与が、前記被評価者の実力によるものであるか否かを評価すること、をさらに含む、
情報処理方法。

【請求項18】

コンピュータを、
所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、
を備え、
前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成することと、前記２次元マップにおいて、前記評価項目に係る強度と前記被評価者による行動に係る強度とをヒートマップ状に表現することと、を含み、
前記評価部は、前記２次元マップに基づいて、前記評価項目に対する前記被評価者による行動の寄与が、前記被評価者の実力によるものであるか否かを評価する、
情報処理装置、
として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。

【背景技術】

【0002】

あるタスクに関し、タスクの実行者を適切に評価することは非常に重要である。このために、上記のような評価を自動化あるいは補助する仕組みが多く提案されている。例えば、特許文献１には、投信ファンドのレーティングを行う仕組みが提案されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００９－２４５３６８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特に、投信ファンドのような専門性の高いタスクを実行する実行者の評価を行う場合、多角的な分析に基づいて、より適切な評価を行うことが求められる。

【課題を解決するための手段】

【0005】

本開示のある観点によれば、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、を備え、前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、前記寄与分析は、機械学習アルゴリズムにより生成された分類器が、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、情報処理装置が提供される。

【0006】

また、本開示の別の観点によれば、プロセッサが、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行うこと、を含み、前記評価を行うことは、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価すること、をさらに含み、前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、情報処理方法が提供される。

【0007】

また、本開示の別の観点によれば、コンピュータを、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、を備え、前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、情報処理装置、として機能させるためのプログラムが提供される。

【図面の簡単な説明】

【0008】

【図1】本開示の一実施形態に係る学習装置１０の機能構成例を示すブロック図である。

【図2】同実施形態に係る評価装置２０の機能構成例を示すブロック図である。

【図3】同実施形態に係る分類器２１５の生成と、分類器２１５が出力する２次元マップＭ０について説明するための図である。

【図4】同実施形態に係るアクティブリターンマップＭ１の一例を示す図である。

【図5】同実施形態に係るアクティブウェイトマップＭ２の一例を示す図である。

【図6】同実施形態に係るアクティブリターン＆アクティブウェイトマップＭ３の一例を示す図である。

【図7】同実施形態に係るトレーディングボリュームマップＭ４の一例を示す図である。

【図8】同実施形態に係るアクティブリターン＆トレーディングボリュームマップＭ５の一例を示す図である。

【図9】同実施形態に係る受注額マップＭ６の一例を示す図である。

【図10】同実施形態に係る顧客担当者年齢マップＭ７の一例を示す図である。

【図11】同実施形態に係る受注額マップ＆顧客担当者年齢マップＭ８の一例を示す図である。

【図12】同実施形態に係る契約マップＭ９の一例を示す図である。

【図13】同実施形態に係る顧客訪問マップＭ１０の一例を示す図である。

【図14】同実施形態に係る契約＆訪問回数マップの一例である。

【図15】同実施形態に係る評価装置２０による処理の流れの一例を示すフローチャートである。

【図16】同実施形態に係る複数の被評価者に対する評価を比較した比較表の一例を示す図である。

【図17】同実施形態に係る情報処理装置９０のハードウェア構成例を示すブロック図である。

【発明を実施するための形態】

【0009】

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

【0010】

なお、説明は以下の順序で行うものとする。
１．実施形態
１．１．背景
１．２．学習装置１０の機能構成例
１．３．評価装置２０の機能構成例
１．４．寄与分析に基づく評価
１．５．処理の流れ
２．ハードウェア構成例
３．まとめ

【0011】

＜１．実施形態＞
＜＜１．１．背景＞＞
上述したように、あるタスクに関し、タスクの実行者（以下、被評価者、とも称する）を適切に評価することは、業界業種を問わず非常に重要である。しかし、被評価者が実行するタスクの専門性が高い場合、かつ評価者が当該タスクに関する専門知識を被評価者と同等に有しない場合等においては、適切な評価を行うことが困難な場合がある。

【0012】

ここでは、一例として、ある基金においてファンドマネージャの評価を行う場合を想定する。基金に属する評価者は、例えば、契約済みのファンドマネージャや、今後に契約を行う候補として新規のファンドマネージャを被評価者として当該被評価者に対する評価を行うものとする。

【0013】

しかし、ここで、基金に属する評価者が被評価者と同等の専門的知識を有しない場合、評価者が被評価者を適切に評価することが困難である。また、評価者は、被評価者による戦略等の説明に対し理解が追い付かず、被評価者の発言を鵜呑みにせざるを得ない状況などが生じ得る。

【0014】

このため、特にファンドマネージャ（あるいはファンド）のような専門性の高いタスクを実行する被評価者を評価する場合には、多角的な分析に基づいて評価を可視化することが重要となる。

【0015】

また、専門性の高さ以外にも、被評価者の評価を難しくさせる要因は多々存在する。例えば、企業等の組織において顧客との契約を勝ち取るために営業活動を行う営業職を想定する。

【0016】

上記の営業職が行う営業活動には、顧客訪問を始めとする多種多様な活動が含まれるとともに、顧客や顧客担当者の特性なども契約の成否に強く影響する。このことから、契約を成立させるためのセオリーを構築することが困難であるとともに、被評価者の営業活動を正しく評価することが困難な場合がある。

【0017】

本発明の一実施形態に係る技術思想は上記の点に着目して発想されたものであり、被評価者による行動に対し、より適切な評価を実現するものである。

【0018】

このために、本発明の一実施形態に係る評価装置２０は、所定のタスクにおける評価項目に対する被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、被評価者による行動を評価することを特徴の一つとする。

【0019】

以下、上記のような評価を実現する機能構成について詳細に説明する。

【0020】

＜＜１．２．学習装置１０の機能構成例＞＞
まず、本実施形態に係る学習装置１０の機能構成例について述べる。本実施形態に係る学習装置１０は、評価装置２０による寄与分析に用いられる分類器２１５を生成する情報処理装置である。

【0021】

図１は、本実施形態に係る学習装置１０の機能構成例を示すブロック図である。図１に示すように、本実施形態に係る学習装置１０は、学習部１１０および記憶部１２０などを備える。

【0022】

（学習部１１０）
本実施形態に係る学習部１１０は、機械学習アルゴリズムにより評価装置２０による寄与分析に用いられる分類器２１５を生成する。

【0023】

例えば、本実施形態に係る学習部１１０は、ニューラルネットワークを用いた教師なし学習により、分類器２１５を生成してもよい。

【0024】

本実施形態に係る学習部１１０による学習の詳細については別途詳細に説明する。なお、本実施形態に係る学習部１１０が有する機能は、ＧＰＵ等のプロセッサにより実現される。

【0025】

（記憶部１２０）
本実施形態に係る記憶部１２０は、学習部１１０により実行される学習に関する各種の情報を記憶する。例えば、記憶部１２０は、学習部１１０により学習に用いられるネットワークの構造や、当該ネットワークに係る各種のパラメータ、学習用データなどを記憶する。

【0026】

以上、本実施形態に係る学習装置１０の機能構成例について述べた。なお、図１を用いて説明した上記の機能構成はあくまで一例であり、本実施形態に係る学習装置１０の機能構成は係る例に限定されない。

【0027】

例えば、本実施形態に係る学習装置１０は、ユーザによる操作を受け付ける操作部や、各種の情報を表示する表示部などをさらに備えてもよい。

【0028】

本実施形態に係る学習装置１０の機能構成は、仕様や運用に応じて柔軟に変形可能である。

【0029】

＜＜１．３．評価装置２０の機能構成例＞＞
次に、本実施形態に係る評価装置２０の機能構成例について述べる。本実施形態に係る評価装置２０は、被評価者による行動の評価を行う情報処理装置である。

【0030】

図２は、本実施形態に係る評価装置２０の機能構成例を示すブロック図である。図２に示すように、本実施形態に係る評価装置２０は、評価部２１０、記憶部２２０、および出力部２３０などを備える。

【0031】

（評価部２１０）
本実施形態に係る評価部２１０は、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、当該被評価者による行動の評価を行う。

【0032】

本実施形態に係る被評価者の一例には、上述したファンドマネージャなどが挙げられる。この場合、上記所定のタスクは、資産運用であってよい。また、上記被評価者による行動の一例には、株式等の金融商品の売買取引が挙げられる。また、行動実績データは、当該取引の実績（例えば、ある銘柄を買った日付、買った量、ある銘柄を売った日付、売った量など）を記録したデータであってよい。

【0033】

また、本実施形態に係る被評価者は、例えば、企業等に属する営業職であってもよい。この場合、上記所定のタスクは、企業との契約であってよい。また、上記被評価者による行動には、顧客（見込み顧客を含む）への訪問、電話、メール、プレゼンテーション等の各種の営業活動が挙げられる。また、行動実績データは、上記のような営業活動の実績（例えば、訪問日付、電話回数、メール回数、プレゼンテーションの実施有無など）を記録したデータであってよい。

【0034】

また、本実施形態に係る評価部２１０は、分類器２１５を用いた寄与分析を行い、当該寄与分析の結果に基づいて、被評価者による行動の評価を行うことを特徴の一つとする。

【0035】

本実施形態に係る寄与分析は、機械学習アルゴリズムにより生成された分類器２１５が、入力された被評価者による行動の対象となる複数の対象物の属性、および対象物に対する行動実績データに基づいて、複数の対象物を平面上に配置した２次元マップを生成すること、を含んでよい。

【0036】

また、本実施形態に係る寄与分析は、分類器２１５が出力する２次元マップにおいて、評価項目に係る強度と被評価者による行動に係る強度とをヒートマップ状に表現すること、をさらに含んでもよい。

【0037】

本実施形態に係る分類器２１５を用いた寄与分析、また当該寄与分析の結果に基づく評価については別途詳細に説明する。なお、本実施形態に係る評価部２１０が有する機能は、ＧＰＵやＣＰＵ等のプロセッサにより実現される。

【0038】

（記憶部２２０）
本実施形態に係る記憶部２２０は、評価装置２０により用いられる各種の情報を記憶する。記憶部２２０は、例えば、被評価者による行動の実績を示す行動実績データ、評価部２１０により用いられるプログラム、評価部２１０による評価の結果などの情報を記憶する。

【0039】

（出力部２３０）
本実施形態に係る出力部２３０は、評価部２１０による評価の結果を出力する。例えば、本実施形態に係る出力部２３０は、上記評価の結果を表示してもよい。この場合、出力部２３０は、各種のディスプレイを備える。また、例えば、出力部２３０は、上記評価の結果を紙媒体に印刷してもよい。この場合、出力部２３０は、プリンタを備える。

【0040】

以上、本実施形態に係る評価装置２０の機能構成例について述べた。なお、図２を用いて説明した上記の機能構成はあくまで一例であり、本実施形態に係る評価装置２０の機能構成は係る例に限定されない。

【0041】

例えば、評価部２１０と出力部２３０とは、必ずしも同一の装置に備えられなくてもよい。一例として、ローカルに配置される装置に備えられる出力部２３０は、クラウドに配置される別途の装置に備えられる評価部２１０による評価の結果を取得し、当該結果の出力を行ってもよい。

【0042】

本実施形態に係る評価装置２０の機能構成は、仕様や運用に応じて柔軟に変形可能である。

【0043】

＜＜１．４．寄与分析に基づく評価＞＞
次に、本実施形態に係る評価部２１０による、分類器２１５を用いた寄与分析と、当該寄与分析の結果に基づく評価について説明する。

【0044】

本実施形態に係る寄与分析は、所定のタスクにおける評価項目に対する被評価者による行動の寄与を分析するものである。

【0045】

また、本実施形態に係る寄与分析は、分類器２１５が、入力された評価者による行動の対象となる複数の対象物の属性、および当該対象物に対する行動実績データに基づいて、複数の対象物を平面上に配置した２次元マップを生成することを含む。

【0046】

例えば、タスクが資産運用である場合、本実施形態に係る対象物は、株式の銘柄であり得る。

【0047】

また、例えば、タスクが顧客との契約である場合、本実施形態に係る対象物は、顧客（見込み顧客を含んでもよい）であり得る。

【0048】

まず、本実施形態に係る分類器２１５の生成手法について述べる。図１３は、本実施形態に係る分類器２１５の生成と、分類器２１５が出力する２次元マップＭ０について説明するための図である。

【0049】

本実施形態に係る分類器２１５は、評価者による行動の対象となる複数の対象物の属性、および当該対象物に対する行動実績データを入力データＩＤとして、複数の対象物を平面上に配置した２次元マップＭ０を出力する。なお、図１０に示す２次元マップＭ０における矩形の各々は、上記の対象物を示す。

【0050】

すなわち、本実施形態に係る分類器２１５は、高次元のデータセットに対し、データ分布の位相的構造を保存しつつ低次元空間へ写像する機能を有するといえる。

【0051】

本実施形態に係る分類器２１５は、例えば、ＮＮ（Neural Network）１１６に上記の入力データＩＤを与え、２次元マップＭ０を出力させる教師なし学習を繰り返し実施することにより生成され得る。

【0052】

本実施形態に係る分類器２１５は、例えば、自己組織化マップ（Self-Organizing Maps）であってもよい。一方、本実施形態に係る分類器２１５は、ＶＡＥ（Variational AutoEncoder）などのアルゴリズムを用いて生成されてもよい。

【0053】

本実施形態に係る評価部２１０は、上記のように生成された分類器２１５を用いた寄与分析を行う。この際、本実施形態に係る評価部２１０は、分類器２１５が出力する２次元マップＭ０において、所定のタスクにおける評価項目に係る強度と対象者による行動に係る強度とをヒートマップ状に表現すること、を特徴の一つとする。

【0054】

例えば、所定のタスクが資産運用である場合、上記評価項目の一例としては、アクティブリターンが挙げられる。ここで、アクティブリターンとは、ポートフォリオのリターンとベンチマークのリターンとの差を示す指標である。

【0055】

本実施形態に係る評価部２１０は、銘柄の属性（ここでは、上記ベンチマークのリターン）と、行動実績データ（ここでは、ポートフォリオのリターン）とに基づいて、アクティブリターンを算出し、２次元マップＭ０において当該アクティブリターンをヒートマップ状に表現したアクティブリターンマップＭ１を生成してもよい。

【0056】

図４は、本実施形態に係るアクティブリターンマップＭ１の一例を示す図である。図４に示すアクティブリターンマップＭ１では、アクティブリターンの強度が斜線の密度により表現されている。

【0057】

具体的には、図４に示すアクティブリターンマップＭ１では、ポートフォリオのリターンがベンチマークのリターンを大きく上回る領域は密度の高い斜線で表され、ポートフォリオのリターンとベンチマークのリターンとの差がほぼない領域は密度の低い斜線で表されている。また、ポートフォリオのリターンがベンチマークのリターンを大きく下回る領域は、無地（白）で表されている。

【0058】

なお、図４に示すアクティブリターンマップＭ１においては、見やすさを優先するために、アクティブリターンの強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的にアクティブリターンの強度を表現してもよい。

【0059】

また、図４に示すアクティブリターンマップＭ１においては、見やすさを優先するために、平面上に配置される各銘柄の表現を省略している。以降に示す各ヒートマップについても同様である。

【0060】

また、本実施形態に係る評価部２１０は、アクティブリターンマップＭ１のような、所定のタスクにおける評価項目に係る強度を示すヒートマップと対比させる対象として、対象者による行動に係る強度を示すヒートマップをさらに生成してよい。

【0061】

上記対象者による行動に係る強度の指標としては、例えば、アクティブウェイトが挙げられる。アクティブウェイトとは、ポートフォリオにおける銘柄の構成比とベンチマークにおける銘柄の構成比との乖離幅を指す指標である。

【0062】

本実施形態に係る評価部２１０は、銘柄の属性（ここでは、上記ベンチマークにおける銘柄の構成比）と、行動実績データ（ここでは、ポートフォリオにおける銘柄の構成比）とに基づいて、アクティブウェイトを算出し、２次元マップＭ０において当該アクティブウェイトをヒートマップ状に表現したアクティブウェイトマップＭ２を生成してもよい。

【0063】

図５は、本実施形態に係るアクティブウェイトマップＭ２の一例を示す図である。図５に示すアクティブウェイトマップＭ２では、アクティブリターンの強度がドットの密度により表現されている。

【0064】

具体的には、図５に示すアクティブウェイトマップＭ２では、ポートフォリオにおける銘柄の保有量がベンチマークにおける銘柄の保有量を大きく上回る領域は密度の高いドットで表されている。また、ポートフォリオにおける銘柄の保有量とベンチマークにおける銘柄の保有量との差がほぼない領域は密度の低いドットで表されている。また、ポートフォリオにおける銘柄の保有量がベンチマークにおける銘柄の保有量を大きく下回る領域は無地（白）で表されている。

【0065】

なお、図５に示すアクティブウェイトマップＭ２においては、見やすさを優先するために、アクティブウェイトの強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的にアクティブウェイトの強度を表現してもよい。

【0066】

以上、本実施形態に係る評価項目に係る強度を示すヒートマップと、対象者による行動に係る強度を示すヒートマップとについて具体例を挙げた。

【0067】

本実施形態に係る評価部２１０は、生成した上記２つのヒートマップを重畳させたヒートマップをさらに生成してよい。

【0068】

また、この際、本実施形態に係る評価部２１０は、上記２つのヒートマップを重畳させたヒートマップ（２次元マップ）に基づいて、評価項目に対する被評価者による行動の寄与が、被評価者の実力によるものであるか否かを評価してもよい。

【0069】

例えば、本実施形態に係る評価部２１０は、アクティブリターンマップＭ１とアクティブウェイトマップＭ２とを重畳させることで、アクティブリターン＆アクティブウェイトマップＭ３を生成してもよい。

【0070】

図６は、本実施形態に係るアクティブリターン＆アクティブウェイトマップＭ３の一例を示す図である。この際、本実施形態に係る評価部２１０は、アクティブリターン＆アクティブウェイトマップＭ３に基づいて、アクティブリターンに対する被評価者による行動の寄与が、当該被評価者の実力によるものであるか否かを評価することができる。

【0071】

具体的には、本実施形態に係る評価部２１０は、評価項目に係る強度が高い領域と、被評価者による行動に係る強度が高い領域とが重なる領域を、被評価者の実力による寄与が高い領域として評価してもよい。

【0072】

例えば、図６に示すアクティブリターン＆アクティブウェイトマップＭ３において、アクティブリターンが高く、かつアクティブウェイトが高い領域は、密度の高い斜線と密度の高いドットとの重畳により表現されている。当該領域は、被評価者による行動に起因して銘柄の保有量が多く、かつ利益が出ている領域といえる。

【0073】

このことから、本実施形態に係る評価部２１０は、上記領域のように、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、被評価者の実力により利益が生じた領域（Good choice）として評価してもよい。

【0074】

また、本実施形態に係る評価部２１０は、評価項目に係る強度が高い領域と、被評価者による行動に係る強度が低い領域とが重なる領域を、被評価者の実力による寄与が低い領域、すなわち運（マグレ）による利益が生じている領域として評価してもよい。

【0075】

例えば、図６に示すアクティブリターン＆アクティブウェイトマップＭ３において、アクティブリターンが高く、かつアクティブウェイトが低い領域は、密度の高い斜線により表現されている。当該領域は、銘柄の保有量が低いものの相対的に利益が出ている領域といえる。

【0076】

このことから、本実施形態に係る評価部２１０は、上記領域のように、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が低い領域とが重なる領域を、運により利益が生じた領域（Luck）として評価してもよい。

【0077】

また、評価部２１０は、評価項目に係る強度が低い領域と、被評価者による行動に係る強度が高い領域とが重なる領域を、被評価者による行動による行動が評価項目の低下に影響している可能性がある領域として評価してもよい。

【0078】

例えば、図６に示すアクティブリターン＆アクティブウェイトマップＭ３において、アクティブリターンが低く、かつアクティブウェイトが高い領域は、密度の高いドットにより表現されている。当該領域は、被評価者による行動に起因して銘柄の保有量が多く、かつ損失が生じている領域といえる。

【0079】

このことから、本実施形態に係る評価部２１０は、上記領域のように、アクティブリターンの強度が低い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、被評価者による行動に起因して損益が生じた領域（Bad choice）として評価してもよい。

【0080】

また、本実施形態に係る評価部２１０は、上記のように評価した各領域の面積に基づいて、資産運用において生じた利益のうち被評価者の実力により生じた利益を示す寄与率（IPR: Intentional profit ratio）を算出することも可能である。

【0081】

例えば、図１３に示す一例の場合、ＩＰＲは、次の数式により算出されてもよい。
IPR = Good choice / Good choice + Luck

【0082】

このように、本実施形態に係る評価部２１０を用いた評価によれば、単純にアクティブリターンのみで被評価者の評価を行う場合と比較して、被評価者の実力をより適切に評価することが可能となる。

【0083】

また、評価部２１０は、IPRを所定期間ごとに継続して算出することで、被評価者の実力がどのように変化しているか、などの評価を行うことも可能である。

【0084】

また、上記では、評価部２１０が、アクティブリターンとアクティブウェイトに基づいて被評価者の評価を行う場合を例示したが、本実施形態に係る評価部２１０による評価は係る例に限定されない。

【0085】

本実施形態に係る評価部２１０は、例えば、アクティブリターンとトレーディングボリュームに基づいて被評価者の評価を行ってもよい。

【0086】

図７は、本実施形態に係るトレーディングボリュームマップＭ４の一例を示す図である。図７に示すトレーディングボリュームマップＭ４では、トレーディングボリュームの強度が斜線の密度により表現されている。

【0087】

具体的には、図７に示すトレーディングボリュームマップＭ４では、トレーディングボリュームが多い領域は密度の高い斜線で表され、トレーディングボリュームが中程度の領域は密度の低い斜線で表されている。また、トレーディングボリュームが少ない領域は、無地（白）で表されている。

【0088】

なお、図７に示すトレーディングボリュームマップＭ４においては、見やすさを優先するために、トレーディングボリュームの強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的にトレーディングボリュームの強度を表現してもよい。

【0089】

また、本実施形態に係る評価部２１０は、アクティブリターンマップＭ１とトレーディングボリュームマップＭ４とを重畳させることで、アクティブリターン＆トレーディングボリュームマップＭ５を生成してもよい。

【0090】

図８は、本実施形態に係るアクティブリターン＆トレーディングボリュームマップＭ５の一例を示す図である。この際、本実施形態に係る評価部２１０は、アクティブリターン＆トレーディングボリュームマップＭ５に基づいて、アクティブリターンに対する被評価者による行動の寄与が、当該被評価者の実力によるものであるか否かを評価することができる。

【0091】

例えば、図８に示すアクティブリターン＆トレーディングボリュームマップＭ５において、アクティブリターンが高く、かつトレーディングボリュームマップが多い領域は、密度の高い斜線と密度の高いドットとの重畳により表現されている。当該領域は、被評価者による行動に起因して銘柄の取引量が多く、かつ利益が出ている領域といえる。

【0092】

このことから、本実施形態に係る評価部２１０は、クティブリターンの強度が高い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、被評価者の実力により利益が生じた領域（Good trade）として評価してもよい。

【0093】

一方、図８に示すアクティブリターン＆トレーディングボリュームマップＭ５において、アクティブリターンが高く、かつトレーディングボリュームが少ない領域は、密度の高い斜線により表現されている。当該領域は、銘柄の取引量が少ないものの相対的に利益が出ている領域といえる。

【0094】

このことから、本実施形態に係る評価部２１０は、アクティブリターンの強度が高い領域と、トレーディングボリュームの強度が低い領域とが重なる領域を、運により利益が生じた領域（Luck）として評価してもよい。

【0095】

他方、図８に示すアクティブリターン＆トレーディングボリュームマップＭ５において、アクティブリターンが低く、かつトレーディングボリュームが多い領域は、密度の高いドットにより表現されている。当該領域は、被評価者による行動に起因して銘柄の取引量が多く、かつ損失が生じている領域といえる。

【0096】

このことから、本実施形態に係る評価部２１０は、アクティブリターンの強度が低い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、被評価者による行動に起因して（見込み違いにより）損益が生じた領域（Bad trade）として評価してもよい。

【0097】

以上、本実施形態に係る評価部２１０を用いた評価について具体例を挙げて説明した。なお、本実施形態に係る評価部２１０は、上記で挙げたアクティブリターン、アクティブウェイト、トレーディングボリュームの他に様々な属性や当該属性に基づく指標をヒートマップ化することが可能である。

【0098】

本実施形態に係る評価部２１０は、例えば、PBR（Price Book-value Ratio）、PER(Price Earnings Ratio)、Stock yieldなどに関するヒートマップを生成し、評価部２１０は、当該ヒートマップに基づく評価を行ってもよい。

【0099】

本実施形態に係る評価部２１０を用いた評価手法によれば、例えば、実力が発揮できた（読みが外れた）のはどの産業セクターへの投資か、どの地域エリアでの投資か、などの評価を行うことが可能となる。

【0100】

また、本実施形態に係る評価部２１０を用いた評価手法によれば、例えば、利益が上がらなかったのは、市場環境の影響でやむを得ないものだったのか、あるいは投資スタイルのせいなのか、といった評価を行うことが可能となる。

【0101】

以上、タスクが資産運用であり、被評価者による行動が金融商品の売買取引である場合の寄与分析および当該寄与分析に基づく評価について述べた。

【0102】

一方、本実施形態に係るタスクや被評価者による行動は上記の例に限定されない。例えば、本実施形態に係るタスクは、顧客との契約であってもよい。また、この場合における被評価者の行動は、営業活動であり得る。

【0103】

以下においては、被評価者が企業等に所属する営業職である場合における寄与分析、および当該寄与分析に基づく評価について、具体例を挙げながら説明する。

【0104】

なお、この場合でも同様に、分類器２１５には、対象物の属性と、行動実績データが入力される。タスクが顧客との契約である場合、対象物は顧客（見込み顧客を含んでもよい）や顧客担当者であってもよい。

【0105】

対象物が顧客である場合の属性としては、例えば、時価総額、売上高、営業利益、従業員数、地域、業種などが挙げられる。

【0106】

また、対象物が顧客担当者である場合の属性としては、例えば、役職、年齢、性別、所属組織、出身などが挙げられる。

【0107】

また、分類器２１５に入力される行動実績データとしては、例えば、顧客訪問回数（頻度）、メールの回数（頻度）、電話の回数（頻度）や通話時間、契約の成否、受注額などが挙げられる。分類器２１５には、被評価者となる営業職の人数分だけ上記のような行動実績データのセットが入力されてよい。

【0108】

以下、寄与分析および当該寄与分析の結果に基づく評価について具体例を挙げて説明する。

【0109】

タスクが顧客との契約である場合における被評価者の評価項目としては、例えば、受注額が挙げられる。このため、本実施形態に係る評価部２１０は、入力された対象物の属性と行動実績データに基づいて、該当する被評価者の受注額をヒートマップ状に表現した受注額マップＭ６を生成してもよい。

【0110】

図９は、本実施形態に係る受注額マップＭ６の一例を示す図である。図９に示す受注額マップ６では、該当する被評価者の受注額の強度が斜線の密度により表現されている。

【0111】

具体的には、図９に示す受注額マップＭ６では、受注額が所の値より領域が密度の高い斜線で表され、受注額が中程度の領域は密度の低い斜線で表されている。また、受注額が所定の値より低い（０を含む）領域は、無地（白）で表されている。

【0112】

なお、図９に示す受注額マップＭ６においては、見やすさを優先するために、受注額の強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的に受注額の強度を表現してもよい。

【0113】

なお、受注額と比較が可能な対象物の属性については、多様な行動が想定されるが、ここでは、一例として、顧客担当者の年齢を採用する。

【0114】

図１０は、本実施形態に係る顧客担当者年齢マップＭ７の一例を示す図である。図１０に示す顧客担当者年齢マップＭ７では、顧客担当者の年齢の強度がドットの密度により表現されている。

【0115】

具体的には、図１０に示す顧客担当者年齢マップＭ７では、顧客担当者の年齢が５１歳以上である領域は密度の高いドットで表され、顧客担当者の年齢が３６～５０歳である領域は密度の低いドットで表されている。また、顧客担当者の年齢が３５歳以下である領域は、無地（白）で表されている。

【0116】

なお、図１０に示す顧客担当者年齢マップＭ７においては、見やすさを優先するために、顧客担当者の年齢の強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的に年齢の強度を表現してもよい。

【0117】

また、本実施形態に係る評価部２１０は、生成した受注額マップＭ６と顧客担当者年齢マップＭ７を重畳させ、受注額マップ＆顧客担当者年齢マップＭ８を生成してもよい。

【0118】

図１１は、本実施形態に係る受注額マップ＆顧客担当者年齢マップＭ８の一例を示す図である。図１１を参照すると、受注額の強度が高い領域（密度の高い斜線）と顧客担当者の年齢の強度が高い領域（密度の高いドット）の分布が似ており、両者が重なる領域（密度の高い斜線およびドット）の面積が広いことが見て取れる。

【0119】

このような場合、本実施形態に係る評価部２１０は、該当する被評価者は、年齢が５１歳以上の顧客担当者から高い受注額を得ている傾向があると評価してもよい。

【0120】

また、評価部２１０は、未だ受注額が低い（または０の）領域において年齢が５１歳以上の顧客担当者の領域、すなわち、受注額マップ＆顧客担当者年齢マップＭ８において密度の高いドットのみで表される領域は、該当する被評価者にとって強みを発揮できる可能性があると評価してもよい。

【0121】

マネージャ等は、上記のような評価を見ることで、まだ受注額が低い（または０の）の５１歳以上の顧客担当者がいる企業に対し、該当する被評価者に営業活動を行わせる等の適切な人員配置を行うことが可能となる。

【0122】

また、図１１に示す受注額マップ＆顧客担当者年齢マップＭ８では、受注額が低い（または０の）領域（白の無地）と、年齢が３５歳以下の顧客担当者の領域（白の無地）とが、広く重なっていることがわかる。

【0123】

この場合、評価部２１０は、該当する被評価者の行動（例えば、顧客訪問など）に係るヒートマップをさらに重畳させ、さらなる評価を行ってもよい。

【0124】

ここで、例えば、受注額が低く、かつ年齢が３５歳以下の顧客担当者の領域において、該当する被評価者による顧客訪問の強度が低い場合、評価部２１０は、当該被評価者が３５歳以下の顧客担当者を苦手としているわけではなく、今後、顧客訪問を重ねることで受注額が上がる可能性があると評価してもよい。

【0125】

このように、本実施形態に係る評価部２１０は、複数の属性や行動に基づく多角的な評価を行うことも可能である。

【0126】

次に、図１２～図１５を用いて、営業活動に係る別の評価について例を挙げる。

【0127】

図１２は、本実施形態に係る契約マップＭ９の一例を示す図である。図１２に示す契約マップＭ９では、顧客との契約が成立しているか、未成立であるかが、斜線の有無により表現されている。

【0128】

具体的には、図１２に示す契約マップＭ９では、顧客との契約が成立している領域が斜線により表され、顧客との契約が未成立である領域が白の無地により表されている。

【0129】

また、図１３は、本実施形態に係る顧客訪問マップＭ１０の一例を示す図である。図１３に示す顧客訪問マップＭ１０では、該当する被評価者による顧客訪問の強度がドットの密度により表現されている。

【0130】

具体的には、図１３に示す顧客訪問マップＭ１０では、顧客訪問の回数が所定よりも多い領域が密度の高いドットで表され、顧客訪問の回数が中程度の領域が密度の低いドットで表されている。また、顧客訪問の回数が所定よりも低い領域が白の無地で表されている。

【0131】

なお、図１３に示す顧客訪問マップＭ１０においては、見やすさを優先するために、顧客訪問の強度を上記の３段階により表しているが、本実施形態に係る評価部２１０は、より多段階かつ連続的に顧客訪問の強度を表現してもよい。

【0132】

また、図１４は、本実施形態に係る契約＆訪問回数マップの一例である。図１４を参照すると、契約が成立している領域（斜線）と、顧客訪問の強度が高い領域（密度の高いドット）の分布は、異なっており、両者が重なる領域（斜線と密度の高いドット）はごくわずかでることが見て取れる。

【0133】

このような場合、本実施形態に係る評価部２１０は、該当する被評価者が行っている顧客訪問は、契約の成立に結び付いていない（現状は）、と評価してもよい。

【0134】

また、このような場合、評価部２１０は、該当する被評価者による別の行動（例えば、電話の回数など）に係るヒートマップをさらに重畳させ、さらなる評価を行ってもよい。

【0135】

ここで、例えば、契約が成立している領域において、外装する被評価者による電話の回数に係る強度が高い場合、評価部２１０は、顧客訪問を行うよりも電話による営業を行った方が契約を取れる可能性が高いと評価してもよい。

【0136】

マネージャ等は、上記のような評価を見ることで、今後の営業活動に関し、被評価者に適切なアドバイスを行うことが可能となる。

【0137】

＜＜１．５．処理の流れ＞＞
次に、本実施形態に係る評価装置２０による処理の流れについて一例を挙げて説明する。図１５は、本実施形態に係る評価装置２０による処理の流れの一例を示すフローチャートである。

【0138】

図１５に示すように、まず、評価部２１０は、対象物の属性、および行動実績データを分類器２１５に入力する（Ｓ１０２）。

【0139】

次に、評価部２１０は、分類器を用いた寄与分析を実行する（Ｓ１０４）。

【0140】

次に、評価部２１０は、ステップＳ１０４における寄与分析の結果に基づく評価を行う（Ｓ１０６）。

【0141】

次に、出力部２３０が、ステップＳ１０６における評価の結果を出力する（Ｓ１０８）。

【0142】

例えば、出力部２３０は、図４～図１４において示した各マップなどを出力してもよい。

【0143】

また、出力部２３０は、例えば、図１６に示すような、複数の被評価者に対する評価を比較した比較表などを出力してもよい。

【0144】

図１６に示す比較表の一例では、被評価者であるＡ社、Ｂ社、Ｃ社のそれぞれに関し、アクティブリターンや評価部２１０による評価の結果が記載されている。

【0145】

っとエバ、基金に属する評価者は、図１６に示すような比較表を参照することで、複数の被評価者の中から今後契約する者を選ぶことや、現在契約しているファンドマネージャの契約を解除することなどを検討することが可能となる。
＜２．ハードウェア構成例＞
次に、本開示の一実施形態に係る学習装置１０および評価装置２０に共通するハードウェア構成例について説明する。図１７は、本開示の一実施形態に係る情報処理装置９０のハードウェア構成例を示すブロック図である。情報処理装置９０は、上記各装置と同等のハードウェア構成を有する装置であってよい。図１７に示すように、情報処理装置９０は、例えば、プロセッサ８７１と、ＲＯＭ８７２と、ＲＡＭ８７３と、ホストバス８７４と、ブリッジ８７５と、外部バス８７６と、インターフェース８７７と、入力装置８７８と、出力装置８７９と、ストレージ８８０と、ドライブ８８１と、接続ポート８８２と、通信装置８８３と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。

【0146】

（プロセッサ８７１）
プロセッサ８７１は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ８７２、ＲＡＭ８７３、ストレージ８８０、又はリムーバブル記録媒体９０１に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。

【0147】

（ＲＯＭ８７２、ＲＡＭ８７３）
ＲＯＭ８７２は、プロセッサ８７１に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ８７３には、例えば、プロセッサ８７１に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

【0148】

（ホストバス８７４、ブリッジ８７５、外部バス８７６、インターフェース８７７）
プロセッサ８７１、ＲＯＭ８７２、ＲＡＭ８７３は、例えば、高速なデータ伝送が可能なホストバス８７４を介して相互に接続される。一方、ホストバス８７４は、例えば、ブリッジ８７５を介して比較的データ伝送速度が低速な外部バス８７６に接続される。また、外部バス８７６は、インターフェース８７７を介して種々の構成要素と接続される。

【0149】

（入力装置８７８）
入力装置８７８には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力装置８７８としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。また、入力装置８７８には、マイクロフォンなどの音声入力装置が含まれる。

【0150】

（出力装置８７９）
出力装置８７９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＬＣＤ、又は有機ＥＬ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。また、本開示に係る出力装置８７９は、触覚刺激を出力することが可能な種々の振動デバイスを含む。

【0151】

（ストレージ８８０）
ストレージ８８０は、各種のデータを格納するための装置である。ストレージ８８０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。

【0152】

（ドライブ８８１）
ドライブ８８１は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９０１に記録された情報を読み出し、又はリムーバブル記録媒体９０１に情報を書き込む装置である。

【0153】

（リムーバブル記録媒体９０１）
リムーバブル記録媒体９０１は、例えば、ＤＶＤメディア、Ｂｌｕ－ｒａｙ（登録商標）メディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９０１は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。

【0154】

（接続ポート８８２）
接続ポート８８２は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）、ＲＳ－２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９０２を接続するためのポートである。

【0155】

（外部接続機器９０２）
外部接続機器９０２は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。

【0156】

（通信装置８８３）
通信装置８８３は、ネットワークに接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は各種通信用のモデム等である。

【0157】

＜３．まとめ＞
以上説明したように、本開示の一実施形態に係る評価装置２０は、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、当該被評価者による行動の評価を行う評価部２１０を備える。また、本開示の一実施形態に係る評価部２１０は、所定のタスクにおける評価項目に対する被評価者による行動の寄与を分析する寄与分析を行い、当該寄与分析の結果に基づいて、被評価者による行動を評価する、ことを特徴の一つとする。また、上記寄与分析は、機械学習アルゴリズムにより生成された分類器が、入力された被評価者による行動の対象となる複数の対象物の属性、および対象物に対する前記行動実績データに基づいて、複数の対象物を平面上に配置した２次元マップを生成すること、を含む、ことを特徴の一つとする。

【0158】

上記の構成によれば、被評価者による行動に対し、より適切な評価を実現することが可能となる。

【0159】

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

【0160】

また、本明細書において説明した処理に係る各ステップは、必ずしもフローチャートやシーケンス図に記載された順序に沿って時系列に処理される必要はない。例えば、各装置の処理に係る各ステップは、記載された順序と異なる順序で処理されても、並列的に処理されてもよい。

【0161】

また、本明細書において説明した各装置による一連の処理は、ソフトウェア、ハードウェア、及びソフトウェアとハードウェアとの組合せのいずれを用いて実現されてもよい。ソフトウェアを構成するプログラムは、例えば、各装置の内部又は外部に設けられる記録媒体（非一時的な媒体：ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｍｅｄｉａ）に予め格納される。そして、各プログラムは、例えば、コンピュータによる実行時にＲＡＭに読み込まれ、各種のプロセッサにより実行される。上記記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリ等である。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信されてもよい。

【0162】

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏し得る。

【0163】

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、
を備え、
前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器が、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、
情報処理装置。
（２）
前記寄与分析は、前記２次元マップにおいて、前記評価項目に係る強度と前記被評価者による行動に係る強度とをヒートマップ状に表現すること、をさらに含む、
前記（１）に記載の情報処理装置。
（３）
前記評価部は、前記２次元マップに基づいて、前記評価項目に対する前記被評価者による行動の寄与が、前記被評価者の実力によるものであるか否かを評価する、
前記（２）に記載の情報処理装置。
（４）
前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が高い領域と、前記被評価者による行動に係る強度が高い領域とが重なる領域を、前記被評価者の実力による寄与が高い領域として評価する、
前記（３）に記載の情報処理装置。
（５）
前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が高い領域と、前記被評価者による行動に係る強度が低い領域とが重なる領域を、前記被評価者の実力による寄与が低い領域として評価する、
前記（３）または（４）に記載の情報処理装置。
（６）
前記評価部は、前記２次元マップにおいて、前記評価項目に係る強度が低い領域と、前記被評価者による行動に係る強度が高い領域とが重なる領域を、前記被評価者による行動による行動が評価項目の低下に影響している可能性がある領域として評価する、
領域として評価する、
前記（３）～（５）のいずれかに記載の情報処理装置。
（７）
前記所定のタスクは、資産運用を含む、
前記（３）～（６）のいずれかに記載の情報処理装置。
（８）
前記被評価者による行動は、金融商品の売買取引を含む、
前記（３）～（７）のいずれかに記載の情報処理装置。
（９）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、前記被評価者の実力により利益が生じた領域として評価する、
前記（７）または（８）に記載の情報処理装置。
（１０）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、アクティブウェイトの強度が低い領域とが重なる領域を、運により利益が生じた領域として評価する、
前記（７）～（９）のいずれかに記載の情報処理装置。
（１１）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が低い領域と、アクティブウェイトの強度が高い領域とが重なる領域を、前記被評価者による行動に起因して損益が生じた領域として評価する、
前記（７）～（１０）のいずれかに記載の情報処理装置。
（１２）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、前記被評価者の実力により利益が生じた領域として評価する、
前記（７）～（１１）のいずれかに記載の情報処理装置。
（１３）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が高い領域と、トレーディングボリュームの強度が低い領域とが重なる領域を、運により利益が生じた領域として評価する、
前記（７）～（１２）のいずれかに記載の情報処理装置。
（１４）
前記評価部は、前記２次元マップにおいて、アクティブリターンの強度が低い領域と、トレーディングボリュームの強度が高い領域とが重なる領域を、前記被評価者による行動に起因して損益が生じた領域として評価する、
前記（７）～（１３）のいずれかに記載の情報処理装置。
（１５）
前記所定のタスクは、顧客との契約を含む、
前記（３）～（６）のいずれかに記載の情報処理装置。
（１６）
前記被評価者による行動は、営業活動を含む、
前記（３）～６、または１５のいずれかに記載の情報処理装置。
（１７）
前記分類器は、自己組織化マップを含む、
前記（１）～（１６）のいずれかに記載の情報処理装置。
（１８）
前記評価部による評価の結果を出力する出力部、
をさらに備える、
前記（１）～（１７）のいずれかに記載の情報処理装置。
（１９）
プロセッサが、所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行うこと、
を含み、
前記評価を行うことは、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価すること、をさらに含み、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、
情報処理方法。
（２０）
コンピュータを、
所定のタスクに関する被評価者による行動の実績を示す行動実績データに基づいて、前記被評価者による行動の評価を行う評価部、
を備え、
前記評価部は、前記所定のタスクにおける評価項目に対する前記被評価者による行動の寄与を分析する寄与分析を行い、前記寄与分析の結果に基づいて、前記被評価者による行動を評価し、
前記寄与分析は、機械学習アルゴリズムにより生成された分類器に、入力された前記被評価者による行動の対象となる複数の対象物の属性、および前記対象物に対する前記行動実績データに基づいて、複数の前記対象物を平面上に配置した２次元マップを生成すること、を含む、
情報処理装置、
として機能させるためのプログラム。

【符号の説明】

【0164】

１０ 学習装置
１１０ 学習部
１２０ 記憶部
２０ 評価装置
２１０ 評価部
２１５ 分類器
２２０ 記憶部
２３０ 出力部

【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】

【図17】