特許 7592652 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】2024-11-22

(45)【発行日】2024-12-02

(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】

   G06N 5/04 20230101AFI20241125BHJP

   G06N 20/00 20190101ALI20241125BHJP

【ＦＩ】

G06N5/04

G06N20/00

【請求項の数】 12

(21)【出願番号】P 2022000157

(22)【出願日】2022-01-04

(65)【公開番号】P2023099924

(43)【公開日】2023-07-14

【審査請求日】2024-02-26

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】張 瑞剛

(72)【発明者】

【氏名】細川 晃

(72)【発明者】

【氏名】長野 伸一

【審査官】多賀 実

(56)【参考文献】

【文献】国際公開第２０２０／１９８２４９（ＷＯ，Ａ１）

【文献】白井 詩沙香 外２名，「数式予測アルゴリズムを実装した数式入力インタフェースＭａｔｈＴＯＵＣＨの試作と評価」，情報処理学会研究報告 コンピュータと教育（ＣＥ） ［オンライン］，情報処理学会，2017年03月04日，第2017-CE-139巻, 第7号，pp.1-6，[検索日 2017.03.17], インターネット:<URL: https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_uri&item_id=178433&file_id=1&file_no=1>

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／００－９９／００

Ｇ０６Ｆ ３０／００－３０／３９８

Ｇ０５Ｂ ２３／０２

(57)【特許請求の範囲】

【請求項1】

それぞれ属性が対応づけられる複数の第１ノードの接続関係を示す第１グラフに含まれる複数の前記第１ノードのうち、複数のノード間の接続関係を定めたスキーマに適合する前記第１ノードの接続関係を示す第１サブグラフを抽出し、
複数のノード間の接続関係を示すサブグラフに基づく入力情報を入力し、前記入力情報に対応するサブグラフに含まれる１以上のノードの属性を変数として用いる計算式のテンプレートを出力するように学習された第１モデルに対して、前記第１サブグラフに基づく前記入力情報を入力し、前記第１モデルが出力する前記テンプレートを求め、
複数の前記第１ノードに対応づけられる属性のいずれかを、求められた前記テンプレートで用いる前記変数として設定することにより、前記計算式を生成する、
生成部、
を備える情報処理装置。

【請求項2】

前記入力情報は、前記第１サブグラフに含まれる前記第１ノードの特徴量、および、前記第１サブグラフに含まれる前記第１ノードの接続関係を行列形式で表した隣接行列を含む、
請求項１に記載の情報処理装置。

【請求項3】

前記特徴量は、前記第１ノードの種類、および、前記第１ノードに接続される他のノードの種類を含む、
請求項２に記載の情報処理装置。

【請求項4】

前記変数は、前記属性を前記計算式の入力値として用いる変数と、前記属性を前記計算式の出力値として用いる変数と、を含み、
前記生成部は、複数の前記第１ノードに対応づけられる前記属性のいずれかを前記入力値として設定し、前記入力値として設定した前記属性と異なる前記属性のいずれかを前記出力値として設定する、
請求項１から３のいずれか１項に記載の情報処理装置。

【請求項5】

前記生成部は、それぞれ属性が対応づけられる複数の第２ノードの接続関係を示し、少なくとも一部の前記第２ノードに前記テンプレートが対応づけられた第２グラフの入力を受け付け、受け付けた前記第２グラフに含まれる複数の前記第２ノードのうち、前記スキーマに適合する前記第２ノードの接続関係を示す第２サブグラフを抽出し、
前記第２サブグラフに基づく入力情報と、前記第２ノードに対応づけられた前記テンプレートと、を含む学習データを用いて、前記第１モデルを学習する学習部をさらに備える、
請求項１から４のいずれか１項に記載の情報処理装置。

【請求項6】

生成された前記計算式を表示装置に表示する処理を制御する表示制御部をさらに備える、
請求項１から５のいずれか１項に記載の情報処理装置。

【請求項7】

新たなテンプレートが追加されたときに、追加されたテンプレートを出力可能とするように前記第１モデルを修正する修正部をさらに備える、
請求項１に記載の情報処理装置。

【請求項8】

前記生成部は、前記第１モデルが出力する中間データに基づく入力情報を入力し、前記テンプレートを出力するように学習された第２モデルに対して、前記第１モデルが出力する中間データに基づく入力情報を入力し、前記第２モデルが出力する前記テンプレートを求める、
請求項１から７のいずれか１項に記載の情報処理装置。

【請求項9】

前記生成部は、前記スキーマに適合する前記第１ノード、および、前記スキーマに適合する前記第１ノードの属性を示す属性ノードの接続関係を示す前記第１サブグラフを抽出する、
請求項１から８のいずれか１項に記載の情報処理装置。

【請求項10】

前記生成部は、
前記第１サブグラフを抽出する抽出部と、
前記第１モデルに対して前記第１サブグラフに基づく前記入力情報を入力することにより、前記テンプレートを推論する推論部と、を備える、
請求項１から９のいずれか１項に記載の情報処理装置。

【請求項11】

情報処理装置で実行される情報処理方法であって、
それぞれ属性が対応づけられる複数の第１ノードの接続関係を示す第１グラフに含まれる複数の前記第１ノードのうち、複数のノード間の接続関係を定めたスキーマに適合する前記第１ノードの接続関係を示す第１サブグラフを抽出するステップと、
複数のノード間の接続関係を示すサブグラフに基づく入力情報を入力し、前記入力情報に対応するサブグラフに含まれる１以上のノードの属性を変数として用いる計算式のテンプレートを出力するように学習された第１モデルに対して、前記第１サブグラフに基づく前記入力情報を入力し、前記第１モデルが出力する前記テンプレートを求めるステップと、
複数の前記第１ノードに対応づけられる属性のいずれかを、求められた前記テンプレートで用いる前記変数として設定することにより、前記計算式を生成するステップと、
を含む情報処理方法。

【請求項12】

コンピュータに、
それぞれ属性が対応づけられる複数の第１ノードの接続関係を示す第１グラフに含まれる複数の前記第１ノードのうち、複数のノード間の接続関係を定めたスキーマに適合する前記第１ノードの接続関係を示す第１サブグラフを抽出するステップと、
複数のノード間の接続関係を示すサブグラフに基づく入力情報を入力し、前記入力情報に対応するサブグラフに含まれる１以上のノードの属性を変数として用いる計算式のテンプレートを出力するように学習された第１モデルに対して、前記第１サブグラフに基づく前記入力情報を入力し、前記第１モデルが出力する前記テンプレートを求めるステップと、
複数の前記第１ノードに対応づけられる属性のいずれかを、求められた前記テンプレートで用いる前記変数として設定することにより、前記計算式を生成するステップと、
を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、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】

産業システムにおいて運転状態監視および性能管理などを行う技術が提案されている。性能を計算するための計算式は、産業システムごとにカスタマイズし、定義する必要がある。例えば、性能管理機能を構築するユーザ（エンジニアなど）は、産業システムの構成を示す図（配置図、系統図、機器図、計器配線図、電気配線図、基礎図、および、建造物図等）を参照して、産業システムの構成要素である複数の資産（ハードウェアデバイスなど）の属性のいずれかを、計算式の変数として選択する。

【先行技術文献】

【特許文献】

【0003】

【文献】欧州特許第３７５１４７１号明細書

【非特許文献】

【0004】

【文献】Arquimedes Canedo et al., “ArduCode: Predictive Framework for Automation Engineering”，arXiv：1909．04503（［２０２１年１１月２２日検索］，インターネット＜ＵＲＬ：https://arxiv.org/pdf/1909.04503.pdf＞），２０２０．

【文献】Antoine Bordes et al., “Translating Embeddings for Modeling Multi-relational Data”， Advances in Neural Information Processing Systems 26 （NIPS 2013）

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、従来技術では、計算式を生成する作業をユーザが手動で実行する必要あり、計算式の生成作業を効率的に実行できない場合があった。

【課題を解決するための手段】

【0006】

実施形態の情報処理装置は、生成部を備える。生成部は、それぞれ属性が対応づけられる複数の第１ノードの接続関係を示す第１グラフに含まれる複数の第１ノードのうち、複数のノード間の接続関係を定めたスキーマに適合する第１ノードの接続関係を示す第１サブグラフを抽出する。生成部は、複数のノード間の接続関係を示すサブグラフに基づく入力情報を入力し、入力情報に対応するサブグラフに含まれる１以上のノードの属性を変数として用いる計算式のテンプレートを出力するように学習された第１モデルに対して、第１サブグラフに基づく入力情報を入力し、第１モデルが出力するテンプレートを求める。生成部は、複数の第１ノードに対応づけられる属性のいずれかを、求められたテンプレートで用いる変数として設定することにより、計算式を生成する。

【図面の簡単な説明】

【0007】

【図1】実施形態にかかる情報処理装置のブロック図。

【図2】資産間の接続関係を示す図面データのデータ構造の一例を示す図。

【図3】ノードリストのデータ構造の一例を示す図。

【図4】隣接行列のデータ構造の一例を示す図。

【図5】テンプレートデータのデータ構造の一例を示す図。

【図6】計算式を表示する表示画面の一例を示す図。

【図7】グラフの一例を示す図。

【図8】スキーマの一例を示す図。

【図9】抽出されるサブグラフの一例を示す図。

【図10】抽出されるサブグラフの一例を示す図。

【図11】抽出されるサブグラフの一例を示す図。

【図12】テンプレートの予測に用いられるモデルの構造の一例を示す図。

【図13】本実施形態における学習処理のフローチャート。

【図14】本実施形態における推論処理のフローチャート。

【図15】複数の資産の候補からいずれかを選択する例を説明するための図。

【図16】変形例１で用いられるモデルの構造の一例を示す図。

【図17】実施形態にかかる情報処理装置のハードウェア構成図。

【発明を実施するための形態】

【0008】

以下に添付図面を参照して、この発明にかかる情報処理装置の好適な実施形態を詳細に説明する。

【0009】

以下では、産業システムでの性能管理などに用いられる計算式を生成する情報処理装置を例に説明する。なお適用可能なシステムは産業システムに限られない。産業システムは、複数の種類のセンサおよび電子機器などの複数の構成要素により構築される。以下では、産業システムの構成要素を資産という。各資産は、計算式の変数として用いることができる属性を有する。例えば、モータ（資産の一例）の電力を監視する場合、以下のような資産の属性が、電力を計算する計算式の変数になりうる。
・資産：モータの電流を検知するセンサ、属性：検知された電流値（計算式の入力値）
・資産：モータの電圧を検知するセンサ、属性：検知された電圧値（計算式の入力値）
・資産：モータ、属性：電力値（計算式の出力値）

【0010】

センサは電流または電圧を検知するセンサに限られず、温度などの他のどのような物理量を検知するセンサであってもよい。また属性は上記に限られず、どのような情報であってもよい。例えば、属性は、資産の種類（クラス）、資産のメーカ、および、物理量の単位を含んでもよい。

【0011】

産業システムの性能管理などに用いる計算式を生成するために、予め用意された計算式のテンプレートを利用する方法もある。しかし、テンプレートを利用するとしても、適切なテンプレートを選択する作業、および、選択したテンプレートに対して、計算に用いる変数を指定する作業が必要となる。

【0012】

モータの電力を監視する例では、ユーザは、モータに接続される近隣の他の資産に応じて適切なテンプレートを選択するとともに、テンプレート内の変数に対して、資産の属性のいずれかを指定する必要がある。なお、テンプレートの変数に対して、実際の資産のいずれかの属性を指定することは、テンプレートの計算式の変数をインスタンス化するとも表現される。

【0013】

本実施形態の情報処理装置は、過去に生成した計算式を含む図面データを用いて、計算式のテンプレートを求めるモデルを学習する。そして、本実施形態の情報処理装置は、学習済のモデルを用いて新たな図面データに対して適用するテンプレートを求め、テンプレートに含まれる変数をインスタンス化する。これにより、計算式の生成作業をより効率的に実行可能となる。

【0014】

本実施形態の情報処理装置は、例えば以下のような機能を備える。
・産業システムの構成を示す図から、各資産の間の接続関係、および、資産に付与される計算式を表すグラフを生成する。
・複数の資産の間の接続関係を予め定めたスキーマを用いて、生成したグラフからサブグラフを抽出する。
・サブグラフを入力してテンプレートを予測するモデル（第１モデルの一例）を学習する。
・学習済みモデルによって、新しい図面データに含まれる資産に対してテンプレートを予測する。
・予測されたテンプレートの整合性を検証し、不整合となった場合に別のテンプレートを予測結果として出力する。
・予測されたテンプレートの変数をインスタンス化する。
・生成された計算式を確認および修正できるように表示装置に表示する。

【0015】

図１は、本実施形態にかかる情報処理装置１００の構成の一例を示すブロック図である。図１に示すように、情報処理装置１００は、受付部１０１と、変換部１０２と、抽出部１０３と、推論部１０４と、生成部１０５と、修正部１０６と、学習部１０７と、表示制御部１０８と、記憶部１２１と、ディスプレイ１２２と、を備えている。

【0016】

ディスプレイ１２２は、情報処理装置１００による各種処理で扱われる情報を表示するための表示装置であり、例えば液晶ディスプレイ、および、表示機能を備えるタッチパネルなどにより実現される。

【0017】

記憶部１２１は、情報処理装置１００による各種処理で用いられる各種データを記憶する。例えば記憶部１２１は、学習に用いるための過去の図面データ、および、学習したモデルのデータ（パラメータなど）を記憶する。記憶部１２１は、フラッシュメモリ、メモリカード、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、および、光ディスクなどの一般的に利用されているあらゆる記憶媒体により構成することができる。

【0018】

記憶部１２１に記憶される各種データの例について、図２～図５を用いて説明する。図２は、資産間の接続関係を示す図面データのデータ構造の一例を示す図である。図２の図面データは、産業システムの構成要素となる複数の資産の間の接続関係を示すグラフにより表されるデータの例である。

【0019】

図２に示すように、図面データは、資産に対応する複数のノードを矢印で対応づけることにより、複数の資産の間の接続関係を示す。図２では、Ｔ字管（Ｔｅｅ）、ヒータ（Ｈｅａｔｅｒ）、オープンタンク（Ｏｐｅｎｔａｎｋ）、タンク（Ｔａｎｋ）、ポンプ（Ｐｕｍｐ）、および、制御バルブ（Ｃｔｒｌｖａｌｖｅ）などの種類の資産を含む産業システムのグラフの例が示されている。各ノード内の記号「B-400」などは、対応する資産の識別情報を表す。

【0020】

図３は、ノードリストのデータ構造の一例を示す図である。図３に示すように、ノードリストは、資産の識別情報と、資産の種類と、を含む。なお図３の例では、識別情報それぞれに対して、０～１０までの数値が対応づけられている。この数値は、図４で説明する隣接行列の行および列に対応する。

【0021】

図４は、隣接行列のデータ構造の一例を示す図である。図４は、図２および図３で示される資産の例に対応する隣接行列の例である。隣接行列は、図２のようなグラフに含まれる各ノード間の接続関係を行列形式で表した情報である。図３で説明したように、行および列の数値０～１０は、グラフに含まれる各ノード（資産）のいずれかに対応する。行列の各要素は、対応する行のノードと列のノードとが接続されているか否かを表す値が設定される。図４の例では、接続されている場合に「１」が設定され、接続されていない場合に「０」が設定される。

【0022】

なお図２～図４では、資産に相当するノード（資産ノード）のみを含むグラフ、ノードリスト、および、対応する隣接行列の例が示されている。後述するように、ノードは、属性に相当するノード（属性ノード）を含んでもよい。

【0023】

図５は、資産に対して採用されたテンプレートを示すテンプレートデータのデータ構造の一例を示す図である。図５に示すように、テンプレートデータは、産業システムに含まれる資産と、当該資産の１以上の属性に対する計算式に対して採用されたテンプレートと、を階層化して表したデータ構造となっている。例えば、ポンプについては、属性「pro1」に対して３つのテンプレートである「formula1」、「formula2」および「formula3」が採用され、属性「pro2」に対して２つのテンプレートである「formula1」および「formula2」が採用されている。

【0024】

このように、同じ種類の資産であっても、異なるテンプレートが適用されうる。従って、同じ種類の資産に対して、複数の候補となるテンプレートから適切なテンプレートを選択する必要がある。本実施形態で用いるモデルは、計算式を生成する資産の情報のみでなく、この資産と近傍の他の資産との接続関係も考慮して、適切なテンプレートを選択するように学習される。

【0025】

図２～図５に示すデータは、例えば外部のシステムで作成された、産業システムの構成を示す図から、情報処理装置１００（変換部１０２）により作成される。図２～図５に示すデータは、外部のシステムにより作成され、情報処理装置１００に入力されてもよい。

【0026】

受付部１０１は、情報処理装置１００で用いられる各種データの入力を受け付ける。例えば受付部１０１は、外部のシステムから産業システムの構成を示す図の入力を受け付ける。入力される図は、以下の２種類の図面データを含みうる。
・計算式の生成の対象となるデータであって、計算式が対応づけられていない図面データ（以下、図面データＤＡともいう）
・モデルの学習に用いられるデータであって、決定された計算式が対応づけられた図面データ（以下、図面データＤＢともいう）

【0027】

変換部１０２は、外部のシステムなどから入力された産業システムの構成を示す図を、例えば図２～図５に示すような形式のデータに変換する。産業システムの構成を示す図は、例えば、Ｐ＆ＩＤ（Piping & Instrumentation Diagram）であるが、その他のどのような方法で作成されてもよい。変換部１０２は、例えば、ＸＭＬ（Extensible Markup Language）およびｊｓｏｎ（JavaScript（登録商標） Object Notation）などのフォーマットで表された図面データを外部のシステムから入力し、入力した図面データを変換することにより、図２～図５に示すようなデータを作成する。

【0028】

例えば図２に示す資産間の接続関係を示すグラフは、図面データＤＡおよび図面データＤＢのそれぞれに対して作成されうる。以下では、図面データＤＡから変換されたグラフをグラフＧＡ（第１グラフの一例）といい、図面データＤＢから変換されたグラフをグラフＧＢ（第２グラフの一例）という場合がある。

【0029】

抽出部１０３は、図２に示すようなグラフからサブグラフを抽出する。サブグラフは、例えば、図２に示すようなグラフ全体に含まれる複数のノードのうち、予め定められたスキーマに適合する資産ノード（第１ノードの一例）の接続関係を示すグラフである。サブグラフは、スキーマに適合する資産ノードの属性に相当する属性ノードをさらに含んでもよい。例えば抽出部１０３は、スキーマに適合する資産ノードを求めた後、求めた資産ノードと、求めた資産ノードの属性を示す属性ノードとを含むサブグラフを抽出してもよい。スキーマは、複数のノード間の接続関係を定めた情報である。スキーマおよびスキーマを用いたサブグラフの抽出方法の詳細は後述する。

【0030】

以下では、グラフＧＡから抽出されたサブグラフをサブグラフＳＡ（第１サブグラフの一例）といい、グラフＧＢから抽出されたグラフをサブグラフＳＢ（第２サブグラフの一例）という場合がある。

【0031】

なお、変換部１０２は、抽出部１０３による抽出に用いられるスキーマと同様の形式のスキーマに適合するように、入力された図面データを変換して図２に示すようなグラフを生成してもよい。

【0032】

推論部１０４は、学習済のモデルを用いて、計算式の生成の対象となる図面データＤＡに対して適用するテンプレートを予測（推論）する。モデルは、例えば、複数のノード間の接続関係を示すサブグラフに基づく入力情報を入力し、入力情報に対応するサブグラフに含まれる１以上のノードの属性を変数として用いる計算式のテンプレートを出力するように学習される。なお推論とは、学習済のモデルを用いて、新たな入力（入力情報）に対する予測を行うことを意味する。

【0033】

推論部１０４は、例えば、抽出部１０３により抽出されたサブグラフ（サブグラフＳＡ）から、モデルに入力する入力情報を生成する。例えば入力情報は、サブグラフに含まれるノードの特徴量、および、サブグラフに含まれるノードの接続関係を表す隣接行列を含む。ノードの特徴量は、当該ノードの種類、および、当該ノードに接続される他のノードの種類を含む。推論部１０４は、生成した入力情報を学習済のモデルに入力し、モデルが出力するテンプレートを求める。

【0034】

生成部１０５は、求められたテンプレートで用いる変数をインスタンス化することにより、計算式を生成する。生成部１０５は、グラフＧＡに含まれる複数の資産ノードに対応づけられる属性のいずれかを、求められたテンプレートで用いる変数として設定する。

【0035】

計算式（テンプレート）の変数は、資産の属性を計算式の入力値として用いる変数と、属性を計算式の出力値として用いる変数とを含みうる。従って、生成部１０５は、複数の資産ノードに対応づけられる属性のいずれかを入力値として設定し、入力値として設定した属性と異なる属性のいずれかを出力値として設定する。

【0036】

例えばテンプレートは、入力値または出力値として用いる変数に設定可能な資産の種類および属性を含む。生成部１０５は、サブグラフに含まれる資産から、テンプレートに含まれる種類に適合する資産を選択し、選択した資産の属性のうち、テンプレートに含まれる属性を、求められたテンプレートで用いる変数として設定する。

【0037】

表示制御部１０８は、ディスプレイ１２２に対する情報の表示を制御する。例えば表示制御部１０８は、予測されたテンプレート、および、生成された計算式をディスプレイ１２２に表示する処理を制御する。表示制御部１０８は、テンプレートまたは計算式を確認および修正できるようにディスプレイ１２２に表示してもよい。これにより、ユーザは、予測されたテンプレートおよび生成された計算式が適切であるかを確認すること、および、必要に応じてテンプレートまたは計算式を修正することが可能となる。

【0038】

修正部１０６は、例えば、表示された計算式またはテンプレートに対するユーザによる修正指示に基づいてモデルを修正する。

【0039】

学習部１０７は、テンプレートの予測に用いるモデルを学習する。例えば学習部１０７は、図面データＤＢから得られる学習データを用いてモデルを学習する。学習データは、例えば以下の情報を含む。
・図面データＤＢを変換したグラフＧＢから抽出されたサブグラフＳＢに基づく入力情報
・グラフＧＢに含まれる資産ノード（第２ノードの一例）に対応づけられたテンプレート

【0040】

学習部１０７は、テンプレートの情報を、学習時の正解データとして使用することができる。テンプレートの情報は、例えば＜インスタンス化された属性、使用されたテンプレート＞の形式で表される。以下にテンプレートの情報の例を示す。なお、１つの属性に対して複数のテンプレートが正解データとして指定されてもよい。また、サブグラフとテンプレート（１つのテンプレート、または、複数のテンプレートを含むテンプレートリスト）とが対応づけられた情報が正解データとして用いられてもよい。
＜X1.proA、X_proA_formula1＞
＜X2.proA、X_proA_formula2＞
＜W1.proZ、W_proZ_formula1＞

【0041】

上記各部（受付部１０１、変換部１０２、抽出部１０３、推論部１０４、生成部１０５、修正部１０６、学習部１０７、および、表示制御部１０８）は、例えば、１または複数のプロセッサにより実現される。例えば上記各部は、ＣＰＵ（Central Processing Unit）などのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のＩＣ（Integrated Circuit）などのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち１つを実現してもよいし、各部のうち２以上を実現してもよい。

【0042】

また、上記各部の一部または全部は、１つの構成部に統合されてもよい。例えば、生成部１０５は、抽出部１０３および推論部１０４の機能を備えるように構成されてもよい。

【0043】

以下、情報処理装置１００の各部による処理の詳細についてさらに説明する。

【0044】

図６は、テンプレートおよび計算式などを表示する表示画面の一例を示す図である。表示画面は、例えば表示制御部１０８によりディスプレイ１２２に表示される。図６では、右部に表示されるグラフに含まれる資産Ｘ１に対して計算式が生成される。なおこのグラフは、５個の資産Ｗ１、Ｘ１、Ｘ２、Ｙ１、Ｚ１の接続関係を示す。Ｘ１、Ｘ２は、同じ種類（Ｘ）の資産であることを意味する。

【0045】

フィールド６０１は、計算式の出力値となる変数を設定するためのフィールドである。フィールド６０１では、例えば、計算式の出力値が対応づけられる資産の識別情報、計算式により出力値を計算する対象となる属性、および、計算結果の単位が設定される。フィールド６０２は、計算式のテンプレートを設定するためのフィールドである。

【0046】

フィールド６０３は、計算式の入力値となる変数を設定するためのフィールドである。フィールド６０３では、例えば、入力値として用いられる属性を有する資産の識別情報（資産ｉｄ）、属性、単位、および、インスタンス化した変数の識別情報（ｉｄ）が設定される。フィールド６０４は、変数がインスタンス化された計算式を表示するためのフィールドである。

【0047】

従来技術では、例えば図６に示すような表示画面を用いる場合、適用するテンプレート、および、入力値として用いられる属性などを、ユーザが指定する必要があった。これに対して、本実施形態では、ユーザの指定によらず、事前に学習したモデルを用いて、これらの情報を予測することができる。予測された情報は、図６のような表示画面に表示され、ユーザにより確認および修正可能とされる。

【0048】

図７は、グラフＧＡの一例を示す図である。図７のグラフＧＡは、５個の資産Ｗ１、Ｘ１、Ｘ２、Ｙ１、Ｚ１の接続関係を示す。各資産は、１以上の属性が対応づけられる。例えば資産Ｗ１には、２つの属性Ｗ１．ｐｒｏＣ、Ｗ１．ｐｒｏＺが対応づけられる。

【0049】

ある資産の属性の値（出力値）は、他の１以上の資産の属性の値（入力値）から計算される場合がある。図７では、複数の属性から他の属性へ向かう矢印が、このような入力値と出力値との対応を示している。例えば、資産Ｘ１の属性Ｘ１．ｐｒｏＡの値は、資産Ｙ１の属性Ｙ１．ｐｒｏＢおよび属性Ｙ１．ｐｒｏＸを入力値として計算される。本実施形態の情報処理装置１００は、このような計算に用いる計算式のテンプレートを予測するとともに、入力値および出力値とする属性を決定することにより、計算式を生成する。

【0050】

図８は、スキーマの一例を示す図である。図８に示すように、スキーマは、複数のノードと、複数の種類のノードの関係または同一の種類のノードの関係を示すエッジと、を含む。ノードの種類は、例えば、資産、属性、変数、および、計算式のテンプレートである。このように、スキーマでのノードの種類は、上記のグラフなどに含まれる資産の種類とは異なる。エッジは、例えば以下のような関係を示す。
・ｌｉｎｋ：エッジの元のノードが、エッジの先のノードと接続される関係
・ｈａｓ：エッジの元のノードが、エッジの先のノードを所有する関係
・ｃａｌｃｕｌａｔｅｄ＿ｂｙ：エッジの元のノードが、エッジの先のノードを用いて計算される関係
・ｃｏｎｔａｉｎｓ：エッジの元のノードが、エッジの先のノードを含む関係
・ｔｙｐｅ ｏｆ：エッジの元のノードが、エッジの先のノードの種類を示す関係

【0051】

以下に、エッジの定義の例（Ｅ１）～（Ｅ５）を示す。
（Ｅ１）＜資産，link，資産＞
（Ｅ２）＜資産，has，資産.属性＞
（Ｅ３）＜資産.属性，calculated_by，テンプレート＞
（Ｅ４）＜テンプレート，contains，変数＞
（Ｅ５）＜変数，type_of，資産.属性＞

【0052】

以下に、（Ｅ１）～（Ｅ５）に該当するデータ（Ｄ１）～（Ｄ５）の具体例を記載する。
（Ｄ１）＜X1，link，Y1＞
（Ｄ２）＜X1，has，X1.proA＞
（Ｄ３）＜W1.proZ，calculated_by，W_proZ_formula1＞
（Ｄ４）＜W_proZ_formula1，contains，Z1.proE＞
（Ｄ５）＜X1.proA，type_of，X.proA＞

【0053】

（Ｅ１）は、資産が相互に接続される関係を示す。従って、２個のみでなく３個以上の資産が連続して接続される場合にも、この関係が満たされうる。一方、ある資産の属性の出力値は、近傍の他の資産の属性の値を入力値として計算される場合が多い。このため、抽出する他の資産は、近傍の資産に制限することが望ましい場合がある。そこで、抽出部１０３は、連続する資産の個数（以下、ホップ数ともいう）の上限を設けて、上限以内のホップ数までの資産の接続関係に適合するサブグラフを抽出してもよい。ホップ数の上限は、パラメータとして調整可能とされてもよい。

【0054】

また、計算式が対応づけられていない図面データＤＡを変換したグラフＧＡは、テンプレートを含まない場合がある。このため、グラフＧＡに対しては、抽出部１０３は、テンプレートおよび変数を含まないスキーマに適合するサブグラフＳＡを抽出してもよい。

【0055】

図９～図１１は、抽出されるサブグラフの一例を示す図である。図９～図１１はいずれも、図７に示すグラフＧＡから、図８に示すスキーマに適合するグラフとして抽出されるサブグラフＳＡの例である。例えば図９は、資産Ｘ１から１ホップ（ホップ数の上限＝１）までの資産Ｙ１、Ｚ１、および、各資産の属性を含むサブグラフＳＡを示す。図１０は、資産Ｘ２から１ホップまでの資産Ｙ１、Ｗ１、および、各資産の属性を含むサブグラフＳＡを示す。図１１は、資産Ｗ１から１ホップまでの資産Ｘ２、Ｙ１、Ｚ１、および、各資産の属性を含むサブグラフＳＡを示す。

【0056】

図１２は、テンプレートの予測に用いられるモデル１２１０の構造の一例を示す図である。モデル１２１０は、入力情報１２０１を入力し、予測結果に相当するベクトル１２０２を出力する。モデル１２１０は、２つのＧＧＮＮ（Gated Graph Neural Network）１２１１、１２１２と、関数１２１３と、を含む。ベクトル１２２１は、ＧＧＮＮ１２１２の出力するデータであり、サブグラフの特徴量を示すベクトルＳである。

【0057】

入力情報１２０１は、サブグラフに含まれるノードの特徴量Ｚと、サブグラフの隣接行列Ａと、を含む。なお、Ｎは、サブグラフに含まれるノードの数を示し、ｄは、各ノードの特徴量の次元数を示す。特徴量Ｚの各行は、ある１つのノードの特徴量に相当する。

【0058】

ノードの特徴量は、例えば以下の手順で作成される。
（Ｍ１）ノードが資産ノードの場合：以下の三種類のベクトルを連結する。
・Ｖ１：資産ノードの種類を示すワンホットベクトル（資産の種類の数をＭとすると、Ｍ次元のベクトル）
・Ｖ２：メーカを示すワンホットベクトル（メーカの数をＬとすると、Ｌ次元のベクトル）
・Ｖ３：資産の種類それぞれについて、当該資産ノードからｋホップ（ｋは１以上の整数）以内に対応する資産ノードが存在する個数（Ｍ次元のベクトル）

【0059】

なお、次元数ｄは、以下のように求めることができる。
次元数ｄ＝資産の種類の数Ｍ＋メーカの数Ｌ＋資産の種類の数Ｍ

【0060】

（Ｍ２）ノードが属性ノードの場合：
＜資産.属性，usedin，資産.属性のテンプレート＞の３つ組を入力データとし、次元数ｄの出力データを特徴量として出力するように学習されたモデルを用いて、属性ノードの特徴量を算出する。このモデルは、例えば、非特許文献２で提案されているＴｒａｎｓＥにより実現できる。

【0061】

ベクトル１２０２は、例えば、すべてのテンプレートに対応するＣ個（Ｃはテンプレートの総数）の要素を含み、予測されたテンプレートに対応する要素のみ「１」となり、他の要素は「０」となるワンホットベクトルｙ_ｉである。なお、ｉは、入力情報１２０１のインデックスである。例えば学習時には、複数のインデックスｉに対応する複数の入力情報１２０１が学習データとして用いられる。

【0062】

モデル１２１０は、例えば各テンプレートに対するスコアを算出し、算出したスコアが最大となるテンプレートに対応する要素を「１」とし、その他のテンプレートに対応する要素を「０」とするように構成されてもよい。スコアは、入力されたサブグラフに対するテンプレートの確からしさが大きいほど大きい値となる情報を表す。ベクトル１２０２は、ワンホットベクトルの形式ではなく、各テンプレートに対するスコアを要素とするベクトルであってもよい。

【0063】

ＧＧＮＮ１２１１、１２１２は、エッジの種類と方向とを考慮するグラフニューラルネットワークである。関数１２１３は、例えば、ＭＬＰ（MultiLayer Perceptron）関数ｆｃである。関数ｆｃの出力の次元数はテンプレートの総数Ｃと同じである。

【0064】

推論時には、推論部１０４は、サブグラフＳＡから生成される入力情報１２０１をモデル１２１０に入力し、モデル１２１０が出力するベクトル１２０２から、予測結果となるテンプレートを求める。

【0065】

学習時には、学習部１０７は、サブグラフＳＢから生成される入力情報１２０１をモデル１２１０に入力し、モデル１２１０が出力するベクトル１２０２を求める。そして学習部１０７は、求められたベクトル１２０２と、正解データに相当するテンプレートのベクトルｌ_ｉとに基づく損失関数を用いてモデル１２１０を学習する。学習方法はどのような方法であってもよいが、損失関数を最小化するようなモデル１２１０のパラメータを求める方法を適用することができる。損失関数は、例えば以下の（１）式で表される。

【数1】

【0066】

なお、図５で説明したように、同じ種類の資産であっても、異なるテンプレートが適用される場合がある。例えば、図７のＸ１、Ｘ２が図５のモータ（Ｍｏｔｏｒ）に相当し、Ｘ１の属性ｐｒｏＡについてはテンプレートformula1が用いられ、Ｘ２の属性ｐｒｏＡについてはテンプレートformula2が用いられたとする。本実施形態では、このような場合であっても、当該資産（ノード）の特徴量（Ｖ１、Ｖ２）のみでなく、近傍の他の資産（ノード）の特徴量（Ｖ３）を考慮することにより、Ｘ．ｐｒｏＡに対して適用しうる２つのテンプレート（formula1、formula2）のうち、適切なテンプレートを予測できる。

【0067】

次に、本実施形態にかかる情報処理装置１００による学習処理について説明する。学習処理は、学習部１０７によりモデルを学習する処理である。図１３は、本実施形態における学習処理の一例を示すフローチャートである。

【0068】

受付部１０１は、例えば外部のシステムから、計算式が対応づけられた図面データＤＢの入力を受け付ける（ステップＳ１０１）。変換部１０２は、図面データＤＢの変換を行う（ステップＳ１０２）。例えば変換部１０２は、図面データＤＢを、図２に示すようなグラフＧＢ、図３に示すようなノードリスト、図４に示すような隣接行列、および、図５に示すようなテンプレートデータに変換する。抽出部１０３は、グラフＧＢからサブグラフＳＢを抽出する（ステップＳ１０３）。学習部１０７は、サブグラフＳＢ、隣接行列、および、テンプレートの正解データなどを用いてモデルを学習する（ステップＳ１０４）。

【0069】

次に、本実施形態にかかる情報処理装置１００による推論処理について説明する。推論処理は、推論部１０４による、学習済のモデルを用いてテンプレートを予測する処理である。図１４は、本実施形態における推論処理の一例を示すフローチャートである。

【0070】

なお、ステップＳ２０１からステップＳ２０３は、図面データＤＢの代わりに図面データＤＡが用いられる以外は、図１３のステップＳ１０１からステップＳ１０３と同様である。

【0071】

すなわち、受付部１０１は、例えば外部のシステムから、計算式が対応づけられていない図面データＤＡの入力を受け付ける（ステップＳ２０１）。変換部１０２は、図面データＤＡの変換を行う（ステップＳ２０２）。例えば変換部１０２は、図面データＤＡを、図２に示すようなグラフＧＡ、図３に示すようなノードリスト、図４に示すような隣接行列、および、図５に示すようなテンプレートデータに変換する。抽出部１０３は、グラフＧＡからサブグラフＳＡを抽出する（ステップＳ２０３）。

【0072】

推論部１０４は、学習済のモデルを用いて、サブグラフＳＡに対するテンプレートを予測する（ステップＳ２０４）。例えば推論部１０４は、まず、サブグラフＳＡから、図１２に示すような入力情報を生成する。推論部１０４は、生成した入力情報をモデルに入力し、モデルの出力から、サブグラフＳＡに対するテンプレートを求める。

【0073】

生成部１０５は、求められたテンプレートで用いる変数をインスタンス化することにより、計算式を生成する（ステップＳ２０５）。表示制御部１０８は、生成された計算式を、例えば図６に示すような表示画面に表示する（ステップＳ２０６）。上記のように、表示制御部１０８は、計算式を確認および修正できるような表示画面をディスプレイ１２２に表示してもよい。

【0074】

なお、サブグラフの中に、テンプレートの変数として設定可能な種類の資産が複数含まれる場合がある。このような場合は、生成部１０５は、複数の資産のうちいずれかを選択してテンプレートの変数として設定する。図１５は、複数の資産の候補からいずれかを選択する例を説明するための図である。

【0075】

図１５では、種類が「ｎ」であるノードｎ１～ｎ７と、種類が「ｆ」であるノードｆ１～ｆ３とを含むグラフから、ノードｎ６から１ホップのノードｎ３、ｎ７、ｆ３を含むサブグラフが抽出された場合の例が示されている。このサブグラフに対して、例えば種類ｎの資産の属性と、種類ｆの資産の属性とを変数として設定可能なテンプレートが予測されたとする。この例では、種類ｎの資産に相当するノードとして、ｎ３およびｎ７の２つのノードがサブグラフ内に含まれる。このような場合、生成部１０５は、ｎ３およびｎ７のいずれかを選択してテンプレートの変数としてインスタンス化する必要がある。

【0076】

例えば生成部１０５は、資産を選択するための表示画面を表示制御部１０８を用いて表示させ、表示画面を用いてユーザが指定した資産を選択してもよい。生成部１０５は、複数の資産の候補から適切な資産を選択するように学習されたモデルを用いて資産を選択してもよい。このようなモデルは、上記のテンプレートを予測するためのモデルと統合されてもよい。

【0077】

次に、修正部１０６によるモデルの修正処理について説明する。表示制御部１０８は、新たなテンプレートを追加するための画面をディスプレイ１２２に表示するように構成されてもよい。ユーザは、このような画面を用いて新たなテンプレートを追加することができる。

【0078】

新たなテンプレートが追加された場合、追加されたテンプレートを予測結果として出力できるようにモデルを修正する必要がある。まず修正部１０６は、追加されたテンプレートを予測結果として出力できるようにモデルを修正する。例えば修正部１０６は、予測結果に相当するベクトル１２０２の要素として、追加されたテンプレートに対応する要素を追加する。また修正部１０６は、追加されたテンプレートを考慮した学習データを作成する。例えば修正部１０６は、追加されたテンプレートを含む３つ組を入力データとしてＴｒａｎＥに入力し、属性ノードの特徴量を求める。修正部１０６は、求めた特徴量を含む学習データを用いてモデルを再学習することにより、モデルを修正する。

【0079】

（変形例１）
ホップ数を増やせば、より多くの近傍の資産の特徴を考慮してテンプレートを予測することになるため、予測の精度を向上させることが可能となる。一方、ホップ数を増やすと、抽出されるサブグラフに対して、正解データとすべきテンプレート（予測すべきテンプレート）が決定できない状況が生じうる。例えば、指定された資産から２ホップまでのサブグラフＳＢを、図７のグラフＧＡと同様の構造のグラフＧＢから抽出する場合を考える。このグラフＧＢに含まれる資産について、以下の３つのテンプレートが採用されていたとする。
（Ｔ１）資産Ｘ１の属性ｐｒｏＡに対して「formula1」（変数はY.proB、Y.proX）
（Ｔ２）資産Ｘ２の属性ｐｒｏＡに対して「formula2」（変数はY.proX、W.proC）
（Ｔ３）資産Ｗ１の属性ｐｒｏＺに対して「formula1」（変数はZ.proE、W.proC）

【0080】

この場合、グラフＧＢに含まれるいずれの資産（Ｗ１、Ｘ１、Ｘ２、Ｙ１、Ｚ１）を指定したとしても、抽出されるサブグラフＳＢは同じ（グラフＧＢ全体）となる。例えば、種類が同じ資産Ｘである資産Ｘ１および資産Ｘ２に対しても、同じサブグラフＳＢが抽出される。このような場合、サブグラフＳＢをモデルに入力したときに予測すべきテンプレートとして、「formula1」および「formula2」のいずれを正解データとすべきか決定することができない。

【0081】

また、正解データを決定して学習が実行できたとしても、モデルにより予測したテンプレートが、実際の資産のいずれに対応するかを決定できない場合が生じうる。例えば、１つの属性に対して複数のテンプレートを予測できるような正解データを用いてモデルが学習され、このモデルにより２つのテンプレートX_proA_formula1およびX_proA_formula2が予測されたとする。このような場合、テンプレートX_proA_formula1およびX_proA_formula2と、サブグラフＳＢに含まれる２つの資産Ｘ１および資産Ｘ２と、がどのように対応するか決定できない場合がある。例えば、テンプレートX_proA_formula1に対しては資産Ｘ１が用いられ、テンプレートX_proA_formula2に対しては資産Ｘ２が用いられるべきであったとしても、予測結果のみからこのような対応を特定できない場合がある。

【0082】

そこで、本変形例では、資産ごとの特徴量を入力情報としてテンプレートを予測するモデル（第２モデルの一例）をさらに用いる。このモデルは、上記実施形態のテンプレートを予測するモデル（例えば図１２のモデル１２１０）を利用して、上記実施形態のテンプレートを予測するモデルとは別のモデルとして学習される。

【0083】

図１６は、本変形例で用いられるモデル１６１０の構造の一例を示す図である。モデル１６１０は、資産ごとに学習されてもよいし、すべての資産に対して共通のモデルとして学習されてもよい。モデル１６１０は、入力情報１６０１を入力し、予測結果に相当するベクトル１６０２を出力する。モデル１６１０は、ＭＬＰ１６１１と、関数１６１２と、を含む。

【0084】

関数１６１２は、例えば、ＭＬＰ関数ｆｃ’である。関数ｆｃ’の出力（ベクトル１６０２）の次元数は、モデル１６１０に対応する資産に対して予測されうるテンプレートの総数Ｃ’と同じである。総数Ｃ’は、資産ごとに異なる値となりうる。モデル１６１０が、すべての資産に対して共通のモデルとして学習される場合、Ｃ’は、上記実施形態のモデルが出力するベクトル１２０２の次元数であるＣと同じ値になりうる。

【0085】

入力情報１６０１は、モデルを学習する対象となる資産の特徴量に相当するｍ次元（ｍは２以上の整数）のベクトルである。資産の特徴量は、例えば、モデル１２１０に含まれるＧＧＮＮ１２１１またはＧＧＮＮ１２１２の出力（中間データの一例）のうち、当該資産に対応する資産ノードに相当する情報（ベクトル）として抽出することができる。

【0086】

学習部１０７は、以下のようにしてモデル１６１０を学習する。学習部１０７は、学習済のモデル１２１０を用いて、指定された資産の特徴量に相当する入力情報１６０１を求める。学習部１０７は、求めた入力情報１６０１をモデル１６１０に入力し、モデル１６１０が出力するベクトル１６０２を求める。そして学習部１０７は、求められたベクトル１６０２と、指定された資産に対する正解データに相当するテンプレートのベクトルｌ_ｉとに基づく損失関数を用いてモデル１６１０を学習する。学習方法はどのような方法であってもよいが、損失関数を最小化するようなモデル１６１０のパラメータを求める方法を適用することができる。損失関数は、例えば上記の（１）式と同様の関数を用いることができる。

【0087】

モデル１２１０およびモデル１６１０は、それぞれホップ数１およびホップ数２が指定されたときに用いられるモデルであると解釈することができる。そこで推論部１０４は、指定されたホップ数に応じて、以下のようにしてモデル１２１０およびモデル１６１０のいずれかを用いて、図面データＤＡに対して適用するテンプレートを予測する。

【0088】

ホップ数１が指定された場合、推論部１０４は、上記実施形態の手順によりモデル１２１０を用いてテンプレートを予測する。ホップ数２が指定された場合、推論部１０４は、まず、上記実施形態と同様の手順により入力情報１２０１を生成し、生成した入力情報１２０１をモデル１２１０に入力する。推論部１０４は、モデル１２１０に含まれるＧＧＮＮ１２１１またはＧＧＮＮ１２１２の出力のうち、指定された資産に対応する資産ノードに相当する情報（ベクトル）を、入力情報１６０１として抽出する。推論部１０４は、入力情報１６０１を、指定された資産に対応するモデルとして学習されたモデル１６１０に入力し、モデル１６１０が出力するテンプレートを求める。

【0089】

（変形例２）
モデルにより予測されたテンプレートが適切でない場合がありうる。例えば、資産Ｘに対して予測されたテンプレート「formula2」が、資産Ｙの属性ｐｒｏＸと、資産Ｗの属性ｐｒｏＣと、を変数として用いるものとする。しかし資産Ｘが例えば資産Ｗに接続されていない場合は、このテンプレートを採用することができない。

【0090】

そこで、本変形例では、例えば推論部１０４は、予測されたテンプレートの整合性を検証し、不整合となった場合に別のテンプレートをさらに予測して、予測結果として出力する。推論部１０４は、例えば、過去の図面データＤＢなどから得られる知識データベースを参照して、テンプレートの整合性を検証する。知識データベースは、例えば上記の（Ｔ１）～（Ｔ３）のように、資産ごとの採用されたテンプレート、および、当該テンプレートで使用された変数（隣接するノードの属性など）を含む。

【0091】

推論部１０４は、各テンプレートに対するスコアを算出して中間データまたは予測結果として出力することができるモデルを用いてテンプレートを予測する。推論部１０４は、予測されたテンプレートの整合性を検証する。例えば推論部１０４は、指定された資産に対して予測されたテンプレートで変数として使用される他の資産ノードおよびその資産ノードの属性を、知識データベースから求める。推論部１０４は、求めた資産ノードが、指定された資産に接続されているか、および、求めた属性が、指定された資産に接続されている他の資産ノードの属性に含まれるか、などを検証する。推論部１０４は、求めた資産ノードが、指定された資産に接続されていない場合、および、求めた属性が、指定された資産に接続されている他の資産ノードの属性に含まれない場合は、不整合が生じたと判定する。

【0092】

不整合が生じたと判定した場合、推論部１０４は、例えば、スコアが次に大きいテンプレートを求め、求めたテンプレートについて整合性の検証を繰り返す。推論部１０４は、整合性が検証されたテンプレートを、予測結果として出力する。

【0093】

なお、整合性の検証は、ユーザによりテンプレートの指定が変更されたときに、変更されたテンプレートが、指定された資産に対して適用しうるか判定するための機能としても使用することができる。

【0094】

このように、本実施形態の情報処理装置は、学習済のモデルを用いて新たな図面データに対して適用するテンプレートを求め、テンプレートに含まれる計算に用いる変数を指定することができる。これにより、計算式の生成作業をより効率的に実行可能となる。

【0095】

次に、実施形態にかかる情報処理装置のハードウェア構成について図１７を用いて説明する。図１７は、実施形態にかかる情報処理装置のハードウェア構成例を示す説明図である。

【0096】

実施形態にかかる情報処理装置は、ＣＰＵ５１などの制御装置と、ＲＯＭ（Read Only Memory）５２やＲＡＭ５３などの記憶装置と、ネットワークに接続して通信を行う通信Ｉ／Ｆ５４と、各部を接続するバス６１を備えている。

【0097】

実施形態にかかる情報処理装置で実行されるプログラムは、ＲＯＭ５２等に予め組み込まれて提供される。

【0098】

実施形態にかかる情報処理装置で実行されるプログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ（Compact Disk Read Only Memory）、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ（Compact Disk Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。

【0099】

さらに、実施形態にかかる情報処理装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、実施形態にかかる情報処理装置で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

【0100】

実施形態にかかる情報処理装置で実行されるプログラムは、コンピュータを上述した情報処理装置の各部として機能させうる。このコンピュータは、ＣＰＵ５１がコンピュータ読取可能な記憶媒体からプログラムを主記憶装置上に読み出して実行することができる。

【0101】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0102】

１００ 情報処理装置
１０１ 受付部
１０２ 変換部
１０３ 抽出部
１０４ 推論部
１０５ 生成部
１０６ 修正部
１０７ 学習部
１０８ 表示制御部
１２１ 記憶部
１２２ ディスプレイ

【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】