特許 7733300 アンケート結果分析プログラム、アンケート結果分析方法、および情報処理装置

(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】2025-08-26

(45)【発行日】2025-09-03

(54)【発明の名称】アンケート結果分析プログラム、アンケート結果分析方法、および情報処理装置

(51)【国際特許分類】

   G06Q 10/04 20230101AFI20250827BHJP

【ＦＩ】

G06Q10/04

【請求項の数】 7

(21)【出願番号】P 2021174678

(22)【出願日】2021-10-26

(65)【公開番号】P2023064408

(43)【公開日】2023-05-11

【審査請求日】2024-07-11

(73)【特許権者】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】110002918

【氏名又は名称】弁理士法人扶桑国際特許事務所

(72)【発明者】

【氏名】松本 和宏

(72)【発明者】

【氏名】小川 雅俊

(72)【発明者】

【氏名】屋並 仁史

(72)【発明者】

【氏名】安曽 徳康

(72)【発明者】

【氏名】曾根田 弘光

(72)【発明者】

【氏名】本間 克己

(72)【発明者】

【氏名】石川 菜月

(72)【発明者】

【氏名】檀 隼人

【審査官】山崎 雄司

(56)【参考文献】

【文献】米国特許出願公開第２０２０／０１２６１２６（ＵＳ，Ａ１）

【文献】特開２０１１－０３９７６０（ＪＰ，Ａ）

【文献】特開２００６－３０２１０７（ＪＰ，Ａ）

(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】

回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されたアンケート結果データに基づいて、前記１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、前記１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む因果関係の候補を複数生成し、
前記アンケート結果データに基づいて、前記因果関係の候補ごとに、前記複数の回答者それぞれについて、前記因果関係の候補における前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているかどうかを判定し、
前記複数の回答者のうちの所定割合以上の回答者が、組み合わせる前記因果関係の候補のいずれかの前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているという第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補の数が最小となる前記因果関係の候補の組合せを探索する、
処理をコンピュータに実行させるアンケート結果分析プログラム。

【請求項2】

前記アンケート結果データに基づいて、前記因果関係の候補に示される前記第１の回答候補と同じ回答をした第１の回答者の数から、前記第１の回答者のうちの前記因果関係の候補に示される前記第２の回答候補と同じ回答をした第２の回答者の数を減算した減算値を計算する処理を、前記コンピュータにさらに実行させ、
前記因果関係の候補の組合せを探索する処理では、
前記第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補の数が最小となる前記因果関係の候補の組合せを求める第１の組合せ最適化問題の解を探索し、
組み合わせる前記因果関係の候補の数が、前記第１の組合せ最適化問題の解として得られた組合せに含まれる前記因果関係の候補の数と等しいという第２の制約条件と前記第１の制約条件とを満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補それぞれの前記減算値を合計した値が最小となる前記因果関係の候補の組合せを求める第２の組合せ最適化問題の解を探索する、
請求項１記載のアンケート結果分析プログラム。

【請求項3】

前記アンケート結果データに基づいて、前記因果関係の候補に示される前記第１の回答候補と同じ回答をした第１の回答者の数から、前記第１の回答者のうちの前記因果関係の候補に示される前記第２の回答候補と同じ回答をした第２の回答者の数を減算した減算値を計算する処理を、前記コンピュータにさらに実行させ、
前記因果関係の候補の組合せを探索する処理では、
前記第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補それぞれの前記減算値を合計した値が最小となる前記因果関係の候補の組合せを求める第２の組合せ最適化問題の解を探索し、
組み合わせる前記因果関係の候補それぞれによって示される前記減算値を合計した値が、前記第２の組合せ最適化問題の解として得られた組合せに含まれる前記因果関係の候補それぞれによって示される前記減算値を合計した値と等しいという第３の制約条件と前記第１の制約条件とを満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補の数が最小となる前記因果関係の候補の組合せを求める第１の組合せ最適化問題の解を探索する、
請求項１記載のアンケート結果分析プログラム。

【請求項4】

回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されたアンケート結果データに基づいて、前記１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、前記１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む因果関係の候補を複数生成し、
前記アンケート結果データに基づいて、前記因果関係の候補ごとに、前記複数の回答者それぞれについて、前記因果関係の候補における前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているかどうかを判定し、
前記アンケート結果データに基づいて、前記因果関係の候補に示される前記第１の回答候補と同じ回答をした第１の回答者の数から、前記第１の回答者のうちの前記因果関係の候補に示される前記第２の回答候補と同じ回答をした第２の回答者の数を減算した減算値を計算し、
前記複数の回答者のうちの所定割合以上の回答者が、組み合わせる前記因果関係の候補のいずれかの前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているという第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補それぞれの前記減算値を合計した値が最小となる前記因果関係の候補の組合せを探索する、
処理をコンピュータに実行させるアンケート結果分析プログラム。

【請求項5】

前記因果関係の候補を複数生成する処理では、
前記１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する前記第１の回答候補を選択し、前記１または複数の第２の質問のうちの１つを選択し、選択した前記第１の回答候補と同じ回答をした回答者による選択した前記第２の質問に対する回答に基づいて、選択した前記第２の質問に対する前記第２の回答候補を選択し、選択した前記第１の回答候補と選択した前記第２の回答候補とを含む前記因果関係の候補を生成する、
請求項１から４までのいずれかに記載のアンケート結果分析プログラム。

【請求項6】

回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されたアンケート結果データに基づいて、前記１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、前記１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む因果関係の候補を複数生成し、
前記アンケート結果データに基づいて、前記因果関係の候補ごとに、前記複数の回答者それぞれについて、前記因果関係の候補における前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているかどうかを判定し、
前記複数の回答者のうちの所定割合以上の回答者が、組み合わせる前記因果関係の候補のいずれかの前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているという第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補の数が最小となる前記因果関係の候補の組合せを探索する、
処理をコンピュータが実行するアンケート結果分析方法。

【請求項7】

回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されたアンケート結果データに基づいて、前記１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、前記１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む因果関係の候補を複数生成し、前記アンケート結果データに基づいて、前記因果関係の候補ごとに、前記複数の回答者それぞれについて、前記因果関係の候補における前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているかどうかを判定し、前記複数の回答者のうちの所定割合以上の回答者が、組み合わせる前記因果関係の候補のいずれかの前記第１の回答候補と前記第２の回答候補との組と同じ回答をしているという第１の制約条件を満たす前記因果関係の候補の組合せのうち、組み合わせる前記因果関係の候補の数が最小となる前記因果関係の候補の組合せを探索する処理部、
を有する情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、アンケート結果分析プログラム、アンケート結果分析方法、および情報処理装置に関する。

【背景技術】

【0002】

様々な属性を有する人々の行動の全体的な傾向を把握するため、アンケートによる調査と、アンケート回答者の質問への回答を用いたデータ分析が広く行われている。例えば多数の人にその人の属性と食品廃棄行動の傾向についてのアンケートに回答してもらい、コンピュータを用いてその回答結果のデータ分析を行う。これにより、どのような属性を持つ回答者層がどのような食品廃棄行動をするかについての因果関係を見つけ出すことができる。

【0003】

データ分析に関する技術としては、チケットの満足度の分析に決定木分析を用いる技術が提案されている。また顧客が商品やサービスを利用し始める時期を顧客毎に予測する普及予測システムにおいて、分類器の生成に決定木分析を利用することが提案されている。またプロジェクトにおけるリスクの予兆検知を行うためのコンピュータ・システムにおいて、各プロジェクトに関する複数の質問に対する回答データを利用する技術が提案されている。さらにディープラーニングによる予測値をよく説明する変数を抽出する情報処理装置において、顧客アンケート情報を含む顧客の属性データを利用することが提案されている。

【先行技術文献】

【特許文献】

【0004】

【文献】米国特許出願公開第２０１７／３０８９０３号明細書

【文献】特開２００９－２３８１９３号公報

【文献】特開２０１０－１０８４０４号公報

【文献】国際公開第２０１８／１４２７５３号

【発明の概要】

【発明が解決しようとする課題】

【0005】

アンケートの調査結果を用いて、アンケートの回答者の集団の全体的な傾向についての属性と行動との因果関係を分析するとき、例えば似た属性を有する回答者をグループ化してグループごとに分析することが考えられる。各回答者がいずれかのグループに属し、各グループについて、属する回答者の属性と行動との因果関係を見つけ出すことができれば、回答者全体についての回答者の属性と行動との因果関係が把握できる。

【0006】

しかし従来は、回答者の属性と行動との因果関係を回答者の集団（全体または大多数）について適切に説明できるようなグループ分けができていない。そのため、従来技術では不適切なグループ分けの下で分析が行われ、アンケート回答者の属性と行動との因果関係を正しく分析することが困難となっている。

【0007】

１つの側面では、本件は、アンケート回答者の属性と行動との因果関係を正しく分析できるようにすることを目的とする。

【課題を解決するための手段】

【0008】

１つの案では、以下の処理をコンピュータに実行させるアンケート結果分析プログラムが提供される。
コンピュータは、回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されたアンケート結果データに基づいて、１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む因果関係の候補を複数生成する。そしてコンピュータは、アンケート結果データに基づいて、複数の回答者のうちの所定割合以上の回答者が、組み合わせる因果関係の候補のいずれかの第１の回答候補と第２の回答候補との組と同じ回答をしているという第１の制約条件で、組み合わせる因果関係の候補に応じて値が変わる目的関数の値を最小化または最大化する組合せ最適化問題の解を探索する。

【発明の効果】

【0009】

１態様によれば、アンケート回答者の属性と行動との因果関係を正しく分析することが可能となる。

【図面の簡単な説明】

【0010】

【図1】第１の実施の形態に係るアンケート結果分析方法の一例を示す図である。

【図2】コンピュータのハードウェアの一例を示す図である。

【図3】データ分析のためのコンピュータの機能を示すブロック図である。

【図4】アンケート結果データの一例を示す図である。

【図5】データ分析部における処理の一例を示す図である。

【図6】分析結果データの一例を示す図である。

【図7】データ分析処理の手順の一例を示すフローチャートである。

【図8】因果関係候補生成処理の第１の例を示すフローチャートである。

【図9】生成される因果関係の候補の一例を示す図である。

【図10】因果関係候補生成処理の第２の例を示すフローチャートである。

【図11】決定木分析を用いた因果関係の候補の生成例を示す図である。

【図12】因果関係の数の少なさを優先した組合せ最適化処理の手順の一例を示すフローチャートである。

【図13】因果関係の数の少なさを優先した組合せ最適化処理による分析結果に残す因果関係の候補の決定手順の模式図である。

【図14】因果関係の正確さを優先した組合せ最適化処理の手順の一例を示すフローチャートである。

【図15】因果関係の正確さを優先した組合せ最適化処理による分析結果に残す因果関係の候補の決定手順の模式図である。

【発明を実施するための形態】

【0011】

以下、本実施の形態について図面を参照して説明する。なお各実施の形態は、矛盾のない範囲で複数の実施の形態を組み合わせて実施することができる。
〔第１の実施の形態〕
まず、第１の実施の形態について説明する。第１の実施の形態は、アンケートへの回答者の属性と行動との因果関係の候補を多数生成し、回答者の全体を網羅しながら、分析の目的に応じた目的関数を用いて、最適な因果関係の組合せを探索するアンケート結果分析方法である。分析の目的は、例えば、組み合わせた因果関係の候補により、回答者の属性と行動との因果関係がなるべく正確に表されていること、または可能な限り少数の因果関係の候補の組み合わせとなることなどである。

【0012】

図１は、第１の実施の形態に係るアンケート結果分析方法の一例を示す図である。図１には、アンケート結果分析方法を実施する情報処理装置１０が示されている。情報処理装置１０は、例えばアンケート結果分析プログラムを実行することにより、アンケート結果分析方法を実施することができる。

【0013】

情報処理装置１０は、記憶部１１と処理部１２とを有する。記憶部１１は、例えば情報処理装置１０が有するメモリまたはストレージ装置である。処理部１２は、例えば情報処理装置１０が有するプロセッサまたは演算回路である。

【0014】

記憶部１１は、アンケート結果データ１１ａを記憶する。アンケート結果データ１１ａには、回答者の属性に関する１または複数の第１の質問と回答者の行動に関する１または複数の第２の質問とを含むアンケートに対する複数の回答者それぞれの回答が示されている。例えばアンケート結果データ１１ａには、回答者番号「１」の回答者が、「世帯人数は何人？」との質問に「１人」と回答したこと、「自炊する？」との質問に「しない」と回答したこと、「食べ残しが多い？」との質問に「少ない」と回答したことが示されている。

【0015】

処理部１２は、アンケート結果データ１１ａを対象にしたデータ分析を行い、回答者の集団における属性と行動との因果関係を分析する。ここで回答者全体を網羅した因果関係を求めることの困難性について説明する。

【0016】

データ分析では、例えばクラスタ分析により、回答が似ている複数の回答者が同じグループにまとめられる。そして決定木分析により、クラスタ分析で生成したグループについての説明（どのような属性を有する回答者群なのか）が解析される。決定木分析では、質問に対する回答（回答者の属性）に応じて枝分かれする決定木が生成され、決定木のノードには、そのノードに至るまでの回答が同じ回答者が含められる。同じノードに属する回答者群は、共通の属性を有しているため、決定木を参照することで、各ノードに属する回答者のグループを説明対象として、そのグループがどのような属性を有し、どのような行動を行う傾向があるのかを説明できる。

【0017】

例えばあるグループに属する複数の回答者の食品廃棄の行動が同じであれば、そのグループの説明（独り暮らしか、自炊するかなどの属性）が、食品廃棄の行動の原因となっている可能性がある。すなわち回答者の属性と食品廃棄の行動との因果関係を知ることができる。

【0018】

しかし、クラスタ分析と決定木分析とを組み合わせてデータ分析を行ったとき、クラスタ分析を用いて解析したグループ分けと、決定木分析によって説明されるグループ（説明対象）が一致しない場合がある。例えば決定木のノードに属する説明対象の回答者群が、クラスタ分析では異なるグループに属する場合がある。クラスタ分析によるグループと決定木分析による説明対象とが一致しないと、決定木分析の結果をクラスタ分析で生成されたグループの説明として用いることができない。

【0019】

なお、決定木分析において詳細なグループに分ければグループ分けを一致させることも可能であるが、決定木分析が詳細になり過ぎ、クラスタ分析で生成したグループ内に異なる因果関係を有する複数のグループが含まれてしまう。すると、クラスタ分析で生成したグループについての因果関係としての信頼性が低下する。

【0020】

またクラスタ分析だけを用いても、アンケートの質問に対する回答に関する共起の傾向をグループごとに分析することはできる。しかし、共起の傾向が必ずしも因果の関係にはならない。

【0021】

このように従来は、グループ分けの一貫性が欠如し、有用な解析結果が得られない可能性がある。逆にグループ分けの一貫性を保ったまま分析を行うことができれば、グループ分けの一貫性の欠如により因果関係の分析に失敗することを抑止できる。そこで処理部１２は、因果関係の候補（その因果関係で説明される回答者のグループ）を多数生成し、その中から、回答者全体を説明できる因果関係の候補の組合せを求める。これにより、因果関係の分析とグループ分けとを一体の処理として実行でき、グループ分けの一貫性が欠如することが抑止できる。

【0022】

例えば処理部１２は、アンケート結果データ１１ａに基づいて、複数の因果関係の候補１ａ，１ｂ，・・・を生成する。因果関係の候補１ａ，１ｂ，・・・それぞれは、１または複数の第１の質問のうちの少なくとも一部の第１の質問それぞれに対する第１の回答候補と、１または複数の第２の質問のうちの１つに対する第２の回答候補との組を含む。例えば因果関係の候補１ａの第１の回答候補は「世帯人数は何人？=１人」であり、第２の回答候補は「食べ残しが多い？＝少ない」である。

【0023】

因果関係の候補１ａ，１ｂ，・・・それぞれは、１以上の回答者を含むグループの候補を表している。すなわち因果関係の候補１ａ，１ｂ，・・・それぞれの第１の回答候補と第２の回答候補の組と同じ回答をした回答者の集合が、その因果関係に対応するグループとなる。例えば因果関係の候補１ａに対応するグループの候補には、質問「世帯人数は何人？」に対して「１人」と回答し、質問「食べ残しが多い？」に対して「少ない」と回答した回答者が属する。因果関係の候補１ａ，１ｂ，・・・のいずれかに対応するグループに属する回答者は、その因果関係の候補によって正しく説明できる回答者と呼ぶことができる。

【0024】

次に処理部１２は、アンケート結果データ１１ａに基づいて、組み合わせる因果関係の候補に応じて値が変わる目的関数の値を最小化または最大化する組合せ最適化問題の解を探索する。このときの組合せ最適化問題の制約条件として、複数の回答者のうちの所定割合以上の回答者が、組み合わせる因果関係の候補のいずれかの第１の回答候補と第２の回答候補との組と同じ回答をしているという第１の制約条件が用いられる。第１の制約条件は、複数の回答者のうちの所定割合以上の回答者について、組み合わせる因果関係の候補のいずれかにより正しく説明できることを意味する。所定割合以上の回答者との条件をすべての回答者とすれば、すべての回答者について、組み合わせる因果関係の候補により説明できることとなる。

【0025】

このようにして得られた組合せ最適化問題の解には、組み合わせる因果関係の候補が示される。第１の制約条件があることにより、解に示される因果関係の候補の組合せにより、複数の回答者のうちの所定割合以上の回答者について正しく説明できることが保証される。また複数の因果関係の候補１ａ，１ｂ，・・・それぞれは、その因果関係の候補で正しく説明できる回答者のグループに対応する。すなわち因果関係とグループとが予め対応付けられ、その一貫性が保たれている。従って、アンケート回答者の属性と行動との因果関係を正しく分析することが可能である。

【0026】

処理部１２は、組合せ最適化問題の目的関数として、分析の目的に応じた適切な目的関数を用いる。例えば処理部１２は、回答者全体を説明可能な、できる限り少数の因果関係を特定することが目的の場合、組み合わせる因果関係の候補の数を最小化する第１の組合せ最適化問題の解を探索する。これにより、複数の回答者全体（あるいは所定の割合以上）について説明可能な、可能な限り少数の因果関係を得ることができる。

【0027】

また、回答者全体を説明可能な、できる限り正確な因果関係を特定することが目的の場合もある。この場合、処理部１２は、例えば組み合わせる因果関係の候補それぞれについての第１の回答候補が示す属性と第２の回答候補が示す行動とに因果関係があることの正確さを最大化する第２の組合せ最適化問題の解を探索する。これにより、複数の回答者全体（あるいは所定の割合以上）を説明可能な、最も正確な因果関係を得ることができる。

【0028】

なお処理部１２は、第１の組合せ最適化問題と第２の組合せ最適化問題との両方の探索を行ってもよい。その場合、処理部１２は、重要度の高い目的に対応する組合せ最適化問題を先に解き、その解を利用してもう一方の組合せ最適化問題を解く。

【0029】

例えば解として得る因果関係の数を少なくすることの方が重要な場合、処理部１２は、第１の組合せ最適化問題の解探索を先に行い、その後、第１の組合せ最適化問題の解を利用して第２の組合せ最適化問題の解探索を行う。例えば処理部１２は、第２の組合せ最適化問題の解探索の制約条件として、第１の制約条件に加え、組み合わせる因果関係の候補の数が、第１の組合せ最適化問題の解として得られた組合せに含まれる因果関係の候補の数と等しいという第２の制約条件を用いる。第２の制約条件を追加することにより、回答者全体（あるいは所定の割合以上）について説明可能な最小数の因果関係の候補の組合せパターンが複数あるとき、そのうちの最も正確な組合せパターンを解として得ることができる。

【0030】

また解として得る因果関係の正確性を最大化することの方が重要な場合、処理部１２は、第２の組合せ最適化問題の解探索を先に行い、その後、第２の組合せ最適化問題の解を利用して第１の組合せ最適化問題の解探索を行う。例えば処理部１２は、第１の組合せ最適化問題の解探索の制約条件として、第１の制約条件と第３の制約条件とを用いる。第３の制約条件は、組み合わせる因果関係の候補それぞれの正確さが、第２の組合せ最適化問題の解として得られた組合せに含まれる因果関係の候補それぞれの正確さと等しいという条件である。因果関係の候補の正確さとは、その因果関係の候補によって示される属性と行動とに因果関係があることの正確さである。第３の制約条件を追加することにより、回答者全体（あるいは所定の割合以上）について説明可能な最も正確な因果関係の候補の組合せパターンが複数あるとき、そのうちの最も少数の因果関係の候補を組み合わせた組合せパターンを解として得ることができる。

【0031】

なお第２の組合せ最適化問題の解の探索は、組み合わせる因果関係の候補それぞれに示される属性と行動とに因果関係があることの正確さを最大化するような、因果関係の候補の組合せを求める処理である。因果関係があることの正確さは、以下のような計算により数値で表すことができる。

【0032】

例えば処理部１２は、組み合わせる因果関係の候補それぞれについて、因果関係の候補によって説明できない回答者の数を計数する。因果関係の候補によって説明できない回答者の数は、因果関係の候補に示される第１の回答候補と同じ回答をした第１の回答者の数から、第１の回答者のうちの因果関係の候補に示される第２の回答候補と同じ回答をした第２の回答者の数を減算した減算値である。そして処理部１２は、組み合わせる因果関係の候補それぞれの減算値（因果関係の候補によって説明できない回答者の数）の合計を、因果関係があることの正確さの指標とする。この場合、合計した値を最小化することが、因果関係があることの正確さを最大化することとなる。

【0033】

このように因果関係の候補によって説明できない回答者の数の総数によって因果関係の候補の組合せの正確さを表すことで、解に含まれる因果関係の候補の数が少ないほど、合計値に加算する値が多くなり、正確さを低下させる。逆に、解に含まれる因果関係の候補の数が多いほど、正確さが増す。従って、このような正確さの計算方法を用いれば、第２の最適化問題の解探索において、解に含まれる因果関係の候補の数が少なくなりすぎることが抑止される。

【0034】

なお生成される因果関係の候補１ａ，１ｂ，・・・の中に、正確さが低いものがあったとしても、その因果関係の候補で説明できる回答者の数が少なく、第１の最適化問題の解には含まれづらい。そのため処理部１２は、正確性の低いものも含め、可能な限りの多くの因果関係の候補１ａ，１ｂ，・・・を生成することも可能である。しかし、因果関係の候補１ａ，１ｂ，・・・の数が多すぎると、組合せ最適化問題を解く際の計算量が膨大となる。そこで処理部１２は、できるだけ正確性が高い因果関係の候補を生成する。

【0035】

例えば処理部１２は、１または複数の第１の質問の少なくとも一部と、１または複数の第２の質問うちの１つとを選択し、選択した第１の質問それぞれに対する第１の回答候補を１つずつ選択する。また処理部１２は、選択した第１の回答候補と同じ回答をした回答者による選択した第２の質問に対する回答に基づいて、選択した第２の質問に対する第２の回答候補（例えば最も多くの回答者が回答したもの）を選択する。そして処理部１２は、選択した第１の回答候補と選択した第２の回答候補とを含む因果関係の候補を生成する。

【0036】

これにより、組合せ最適化問題の解に含まれる因果関係の候補の組合せの正確さを低下させずに、因果関係の候補１ａ，１ｂ，・・・の数を減らすことができる。因果関係の候補１ａ，１ｂ，・・・の数が少なくなることで、組合せ最適化問題の解探索の時間も短くなる。

【0037】

〔第２の実施の形態〕
次に第２の実施の形態について説明する。第２の実施の形態は、アンケート調査結果を利用して、コンピュータにより、アンケートへの回答者の属性と食品廃棄の行動との因果関係を分析するものである。

【0038】

図２は、コンピュータのハードウェアの一例を示す図である。コンピュータ１００は、プロセッサ１０１によって装置全体が制御されている。プロセッサ１０１には、バス１０９を介してメモリ１０２と複数の周辺機器が接続されている。プロセッサ１０１は、マルチプロセッサであってもよい。プロセッサ１０１は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、またはＤＳＰ（Digital Signal Processor）である。プロセッサ１０１がプログラムを実行することで実現する機能の少なくとも一部を、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）などの電子回路で実現してもよい。

【0039】

メモリ１０２は、コンピュータ１００の主記憶装置として使用される。メモリ１０２には、プロセッサ１０１に実行させるＯＳ（Operating System）のプログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、メモリ１０２には、プロセッサ１０１による処理に利用する各種データが格納される。メモリ１０２としては、例えばＲＡＭ（Random Access Memory）などの揮発性の半導体記憶装置が使用される。

【0040】

バス１０９に接続されている周辺機器としては、ストレージ装置１０３、ＧＰＵ（Graphics Processing Unit）１０４、入力インタフェース１０５、光学ドライブ装置１０６、機器接続インタフェース１０７およびネットワークインタフェース１０８がある。

【0041】

ストレージ装置１０３は、内蔵した記録媒体に対して、電気的または磁気的にデータの書き込みおよび読み出しを行う。ストレージ装置１０３は、コンピュータ１００の補助記憶装置として使用される。ストレージ装置１０３には、ＯＳのプログラム、アプリケーションプログラム、および各種データが格納される。なお、ストレージ装置１０３としては、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）を使用することができる。

【0042】

ＧＰＵ１０４は画像処理を行う演算装置であり、グラフィックコントローラとも呼ばれる。ＧＰＵ１０４には、モニタ２１が接続されている。ＧＰＵ１０４は、プロセッサ１０１からの命令に従って、画像をモニタ２１の画面に表示させる。モニタ２１としては、有機ＥＬ（Electro Luminescence）を用いた表示装置や液晶表示装置などがある。

【0043】

入力インタフェース１０５には、キーボード２２とマウス２３とが接続されている。入力インタフェース１０５は、キーボード２２やマウス２３から送られてくる信号をプロセッサ１０１に送信する。なお、マウス２３は、ポインティングデバイスの一例であり、他のポインティングデバイスを使用することもできる。他のポインティングデバイスとしては、タッチパネル、タブレット、タッチパッド、トラックボールなどがある。

【0044】

光学ドライブ装置１０６は、レーザ光などを利用して、光ディスク２４に記録されたデータの読み取り、または光ディスク２４へのデータの書き込みを行う。光ディスク２４は、光の反射によって読み取り可能なようにデータが記録された可搬型の記録媒体である。光ディスク２４には、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ－ＲＡＭ、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ－Ｒ（Recordable）／ＲＷ（ReWritable）などがある。

【0045】

機器接続インタフェース１０７は、コンピュータ１００に周辺機器を接続するための通信インタフェースである。例えば機器接続インタフェース１０７には、メモリ装置２５やメモリリーダライタ２６を接続することができる。メモリ装置２５は、機器接続インタフェース１０７との通信機能を搭載した記録媒体である。メモリリーダライタ２６は、メモリカード２７へのデータの書き込み、またはメモリカード２７からのデータの読み出しを行う装置である。メモリカード２７は、カード型の記録媒体である。

【0046】

ネットワークインタフェース１０８は、ネットワーク２０に接続されている。ネットワークインタフェース１０８は、ネットワーク２０を介して、他のコンピュータまたは通信機器との間でデータの送受信を行う。ネットワークインタフェース１０８は、例えばスイッチやルータなどの有線通信装置にケーブルで接続される有線通信インタフェースである。またネットワークインタフェース１０８は、基地局やアクセスポイントなどの無線通信装置に電波によって通信接続される無線通信インタフェースであってもよい。

【0047】

コンピュータ１００は、以上のようなハードウェアによって、第２の実施の形態の処理機能を実現することができる。なお、第１の実施の形態に示した装置も、図２に示したコンピュータ１００と同様のハードウェアにより実現することができる。

【0048】

コンピュータ１００は、例えばコンピュータ読み取り可能な記録媒体に記録されたプログラムを実行することにより、第２の実施の形態の処理機能を実現する。コンピュータ１００に実行させる処理内容を記述したプログラムは、様々な記録媒体に記録しておくことができる。例えば、コンピュータ１００に実行させるプログラムをストレージ装置１０３に格納しておくことができる。プロセッサ１０１は、ストレージ装置１０３内のプログラムの少なくとも一部をメモリ１０２にロードし、プログラムを実行する。またコンピュータ１００に実行させるプログラムを、光ディスク２４、メモリ装置２５、メモリカード２７などの可搬型記録媒体に記録しておくこともできる。可搬型記録媒体に格納されたプログラムは、例えばプロセッサ１０１からの制御により、ストレージ装置１０３にインストールされた後、実行可能となる。またプロセッサ１０１が、可搬型記録媒体から直接プログラムを読み出して実行することもできる。

【0049】

このようなコンピュータ１００により、アンケート結果を用いたデータ分析を行うことができる。
図３は、データ分析のためのコンピュータの機能を示すブロック図である。コンピュータ１００は、記憶部１１０とデータ分析部１２０とを有する。記憶部１１０は、アンケート結果データ１１１を記憶する。アンケート結果データ１１１は、アンケート調査に回答した回答者ごとの、アンケートに含まれる複数の質問に対する回答を示すデータである。記憶部１１０は、例えばメモリ１０２またはストレージ装置１０３の記憶領域の一部を用いて実現される。

【0050】

データ分析部１２０は、アンケート結果データ１１１に基づいて、回答者の属性と食品廃棄の行動との因果関係を分析する。例えばデータ分析部１２０は、アンケートへの回答者の属性と食品廃棄行動についての因果関係の候補を複数用意する。そしてデータ分析部１２０は、回答者の全体を網羅するように、なるべく正確に、なるべく少数の因果関係の候補の組み合わせを計算して出力する。データ分析部１２０は、計算で求める因果関係の候補の組合せを、組合せ最適化問題として解くことができる。

【0051】

図４は、アンケート結果データの一例を示す図である。アンケート結果データ１１１には、回答者を識別するための回答者番号に対応付けて、アンケートに含まれる質問への回答者の回答が設定されている。質問は、因果関係の候補における条件部用の質問と、因果関係における結論部用の質問とに分けられる。

【0052】

条件部用の質問は、回答者の属性に関する質問である。例えば「世帯人数は？」、「自炊する？」などが条件部用の質問に該当する。「世帯人数は？」との質問に対して、回答者は、回答者自身が属する世帯の人数を回答する。また「自炊する？」との質問に対して、回答者は、自炊する習慣があれば「する」と回答し、自炊する習慣がなければ「しない」と回答する。

【0053】

結論部用の質問は、回答者の食品廃棄の行動に関する質問である。例えば「食べ残しが多い？」、「消費期限を超えることが多い？」などが結論部用の質問である。「食べ残しが多い？」との質問に対して、回答者は、食事の食べ残しが多い場合には「多い」と回答し、食事の食べ残しが少ない場合には「少ない」と回答する。「消費期限を超えることが多い？」との質問に対し、回答者は、購入した食品が消費されずに消費期限を超えてしまうことが多ければ「多い」と回答し、購入した食品が消費されずに消費期限を超えてしまうことが少なければ「少ない」と回答する。

【0054】

なお図４の例では、質問への回答として「１人」、「しない」、「少ない」など、回答の内容において変化する部分のみを示しているが、各回答は対応する質問の情報も含んでいる。例えば「世帯人数は何人？＝１人」、自炊する？＝しない」、「食べ残しが多い？＝少ない」というように、各回答には対応する質問に関する情報が含まれる。

【0055】

なお、第２の実施の形態における条件部用の質問は、第１の実施の形態に示した第１の質問の一例である。また第２の実施の形態における結論部用の質問は、第１の実施の形態に示した第２の質問の一例である。

【0056】

多数の回答者がアンケートに回答した結果を示すアンケート結果データ１１１として記憶部１１０に格納される。そしてデータ分析部１２０により、アンケート結果データ１１１に基づくデータ分析が行われる。

【0057】

図５は、データ分析部における処理の一例を示す図である。例えばデータ分析部１２０は、アンケート結果データ１１１に基づいて複数の因果関係の候補を生成する。因果関係の候補には、条件部用の１または複数の質問と結論部の１つの質問とが含まれる。データ分析部１２０は、組合せ最適化を用いた解探索手法により、複数の因果関係の候補の中から、アンケート結果データ１１１への回答者全体を正しく説明可能な因果関係の組合せを決定する。このときデータ分析部１２０は、組み合わせる因果関係の数が少なくなるように、組合せ最適化における制約条件を設定する。そしてデータ分析部１２０は、分析結果データ３０を出力する。

【0058】

分析結果データ３０には、回答者を正しく説明する因果関係を示す複数の因果関係データ３１，３２，・・・が含まれる。因果関係データ３１，３２，・・・それぞれには、因果関係、因果関係の条件部に該当する回答者数、因果関係の結論部に該当する回答者数、因果関係の正確さ、および因果関係に該当する回答者の番号が含まれる。

【0059】

また分析結果データ３０には、因果関係の組合せの正確さが含まれる。因果関係の組合せの正確さは、例えば因果関係で正しく説明することができない回答者の総数で表される。この場合、値が小さいほど因果関係の組合せが正確であることを示す。

【0060】

例えばデータ分析部１２０は、分析結果に残された因果関係の候補の組み合わせについて、条件部に該当する回答者数の総数を計算する。またデータ分析部１２０は、分析結果に残された因果関係の候補の組み合わせについて、結論部に該当する回答者数の総数を計算する。そしてデータ分析部１２０は、因果関係の候補の組み合わせについての正確さを、条件部に該当する回答者数の総数から結論部に該当する回答者数の総数を引き算することにより計算する。引き算の計算値が小さいほど、因果関係の候補の組み合わせが正確であることを示す。

【0061】

図６は、分析結果データの一例を示す図である。例えば因果関係データ３１に示される因果関係の条件部は、質問「世帯人数は何人？」に対して「１人」と回答し、かつ質問「自炊する？」に対して「しない」と回答することである。また因果関係データ３１に示される因果関係の結論部は、質問「消費期限を超えることが多い？」に対して「少ない」と回答することである。

【0062】

因果関係データ３１の条件部に該当する回答者数は「１０人」である。因果関係データ３１の条件部に該当する回答者のうち、結論部に該当する回答者数は「６人」である。
個々の因果関係の正確さは、例えば条件部に該当する回答者のうちの、結論部に該当する回答者の割合で示される。因果関係データ３１の場合、因果関係の正確さは「０．６」となる。この場合、因果関係の正確さの数値が高いほど、因果関係が正確であることを示す。

【0063】

また因果関係データ３１において、因果関係に該当する回答者の回答者番号は「１，３，４，・・・」である。
因果関係データ３２についても、因果関係データ３１と同種の情報が示されている。分析結果データ３０には、さらに因果関係の組合せの正確さが示されている。図６の例では、因果関係１の条件部に該当する回答者数が１０人、結論部に該当する回答者数が６人、因果関係２の条件部に該当する回答者数が２０人、結論部に該当する回答者数が１６人である。従って「因果関係の候補の組合せの正確さ＝１０＋２０－（６＋１６）＝８」となる。これは因果関係データ３１に示される因果関係によって説明できない回答者の数と因果関係データ３２に示される因果関係によって説明できない回答者の数との合計値である。

【0064】

次にアンケートの回答者の属性と食品廃棄行動との因果関係を分析するためのデータ分析処理について詳細に説明する。
図７は、データ分析処理の手順の一例を示すフローチャートである。以下、図７に示す処理をステップ番号に沿って説明する。

【0065】

［ステップＳ１０１］データ分析部１２０は、記憶部１１０からアンケート結果データ１１１を読み込む。
［ステップＳ１０２］データ分析部１２０は、アンケート結果データ１１１に基づいて、因果関係候補生成処理を行う。因果関係候補生成処理の詳細は後述する（図８、図１０参照）。因果関係候補生成処理により、アンケートの条件部用の１以上の質問それぞれへの回答を条件部とし、アンケートの結論部用の１つの質問への回答を結論部とする因果関係の候補が複数生成される。

【0066】

［ステップＳ１０３］データ分析部１２０は、複数の因果関係の候補それぞれについて分析の分析結果に残すか否かを決定する組合せ最適化処理を実行する。組合せ最適化処理の詳細は後述する（図１２、図１４参照）。

【0067】

［ステップＳ１０４］データ分析部１２０は、組合せ最適化処理によって分析の分析結果に残すと判定された因果関係の候補を、回答者の属性と食品廃棄行動との因果関係とする分析結果データ３０を生成する。回答者の属性は、因果関係の条件部に示される。また食品廃棄行動は、因果関係の結論部に示される。データ分析部１２０は、生成した分析結果データ３０の内容を例えばモニタ２１に表示する。またデータ分析部１２０は、生成した分析結果データ３０をストレージ装置１０３に格納する。

【0068】

このようにして、回答者の属性と食品廃棄行動との因果関係が分析される。
次に、因果関係候補生成処理について詳細に説明する。
図８は、因果関係候補生成処理の第１の例を示すフローチャートである。以下、図８に示す処理をステップ番号に沿って説明する。

【0069】

［ステップＳ１１１］データ分析部１２０は、条件部に含める質問の組合せ数ｉを「１」に初期化する（ｉ＝１）。
［ステップＳ１１２］データ分析部１２０は、条件部用のｉ個の質問の組合せに基づく条件部の候補を生成する。

【0070】

例えばｉ＝１の場合、データ分析部１２０は、「世帯人数は何人？」、「自炊する？」などの条件部の質問それぞれについての回答ごとに、条件部の候補を生成する。例えば「世帯人数は何人？」という質問について、「世帯人数は何人？＝１人」、「世帯人数は何人？＝２人」というように、世帯人数ごとの条件部の候補が生成される。また「自炊する？」という質問について、「自炊する？＝する」、「自炊する？＝しない」という２つの条件部の候補が生成される。

【0071】

ｉ＝２の場合、データ分析部１２０は、条件部の２個の質問の組合せについて、それらの質問への回答の組合せごとの条件部の候補を生成する。例えばデータ分析部１２０は、「世帯人数は何人？」と「自炊する？」との質問の組合せについて、それらの質問に対する回答の組合せごとの条件部の候補を生成する。例えば「世帯人数は何人？＝１人 ＡＮＤ 自炊する？＝する」、「世帯人数は何人？＝１人 ＡＮＤ 自炊する？＝しない」、「世帯人数は何人？＝２人 ＡＮＤ 自炊する？＝する」、「世帯人数は何人？＝２人 ＡＮＤ 自炊する？＝しない」などの条件部の候補が生成される。

【0072】

ｉの値が３以上の場合についても同様に、データ分析部１２０は、条件部のｉ個の質問の組合せについて、それらの質問への回答の組合せごとの条件部の候補を生成する。
［ステップＳ１１３］データ分析部１２０は、生成した条件部の候補のうちの未選択の条件部の候補を１つ選択する。

【0073】

［ステップＳ１１４］データ分析部１２０は、アンケート結果データ１１１に基づいて、結論部用の質問の回答ごとに、選択した条件部の候補に該当する回答者のうち、該当質問についての該当する回答の回答者の人数を計数する。選択した条件部の候補に該当する回答者とは、選択した条件部の候補の質問に対して、条件部の候補と同じ回答をした回答者である。

【0074】

［ステップＳ１１５］データ分析部１２０は、結論部用の質問に対する回答のうち、該当する回答者（選択した条件部の候補に該当する回答者）が最も多い回答を結論部に決定する。そしてデータ分析部１２０は、選択した条件部の候補を因果関係の条件部として、決定した結論部を因果関係の結論部とする因果関係の候補を生成する。

【0075】

［ステップＳ１１６］データ分析部１２０は、未選択の条件部の候補があるか否かを判断する。データ分析部１２０は、未選択の条件部の候補がある場合、処理をステップＳ１１３に進める。またデータ分析部１２０は、未選択の条件部の候補がなければ、処理をステップＳ１１７に進める。

【0076】

［ステップＳ１１７］データ分析部１２０は、生成された因果関係の候補の数が所定の上限に達したか否かを判断する。データ分析部１２０は、因果関係の候補の数が上限に達した場合、因果関係候補生成処理を終了する。またデータ分析部１２０は、因果関係の候補数が上限に達していなければ、処理をステップＳ１１８に進める。

【0077】

［ステップＳ１１８］データ分析部１２０は、条件部の質問の組合せ数ｉを「１」だけ増加させ（ｉ＝ｉ＋１）、処理をステップＳ１１２に進める。
このようにデータ分析部１２０は、条件部の質問の組合せ数を増やしながら、因果関係の候補数が所定の上限に達するまで、因果関係の候補の生成を繰り返す。

【0078】

図９は、生成される因果関係の候補の一例を示す図である。図９の例では、「世帯人数は何人？」との質問に対する「１人」との回答が、処理対象の条件部の候補として選択された場合の因果関係の候補の生成例が示されている。図９の例では、条件部の候補に該当する回答者（「世帯人数は何人？＝１人」と回答した回答者）の数は１００人である。

【0079】

データ分析部１２０は、結論部用の質問「食べ残しが多い？」について、その質問への回答ごとの結論部の候補（「食べ残しが多い？＝多い」と「食べ残しが多い？＝少ない」）を生成する。そしてデータ分析部１２０は、条件部の候補に該当する回答者のうち、各結論部の候補に該当する回答者の数を計数する。データ分析部１２０は、結論部の候補のうち、該当する回答者が最も多いものを、因果関係の候補の結論部に決定する。図９の例では、「食べ残しが多い？＝多い」と回答したのは１００人中の４０人であり、「食べ残しが多い？＝少ない」と回答したのは１００人中の６０人である。従ってデータ分析部１２０は、条件部「世帯人数は何人？＝１人」であり、結論部「食べ残しが多い？＝少ない」である因果関係の候補４１を生成する。

【0080】

またデータ分析部１２０は、結論部用の質問「消費期限を超えることが多い？」について、その質問への回答ごとの結論部の候補（「消費期限を超えることが多い？＝多い」と「消費期限を超えることが多い？＝少ない」）を生成する。図９の例では、「消費期限を超えることが多い？＝多い」と回答したのは１００人中の７０人であり、「消費期限を超えることが多い？＝少ない」と回答したのは１００人中の３０人である。従ってデータ分析部１２０は、条件部「世帯人数は何人？＝１人」であり、結論部「消費期限を超えることが多い？＝多い」である因果関係の候補４２を生成する。

【0081】

このような因果関係の候補の生成が、条件部の候補ごとに行われる。条件部の質問の組合せ数が２の場合、条件部用の２つの質問の組合せが条件部の候補となる。例えば条件部の候補「世帯人数は何人？＝４人 ＡＮＤ 自炊する？＝する」に該当する回答者数が４０人であるものとする。このとき、例えば結論部の候補「消費期限を超えることが多い？＝多い」に該当する回答者が３０人、結論部の候補「消費期限を超えることが多い？＝少ない」に該当する回答者が１０人であるものとする。その場合、条件部が「世帯人数は何人？＝４人 ＡＮＤ 自炊する？＝する」である因果関係の候補の結論部は「消費期限を超えることが多い？＝多い」となる。

【0082】

なお第２の実施の形態における因果関係の候補の条件部に設定される情報は、第１の実施の形態における第１の回答候補の一例である。また第２の実施の形態における因果関係の候補の結論部に設定される情報は、第１の実施の形態における第２の回答候補の一例である。

【0083】

図８、図９に示した例では、因果関係の候補に含める質問の数を増やしながら、質問の組合せそれぞれについて網羅的に条件部の候補が生成される。それに対して、決定木分析を用いて効率的に因果関係の候補を生成することも可能である。

【0084】

図１０は、因果関係候補生成処理の第２の例を示すフローチャートである。以下、図１０に示す処理をステップ番号に沿って説明する。
［ステップＳ１３１］データ分析部１２０は、未選択の結論部用の質問の中から、結論部用の質問を１つ選択する。

【0085】

［ステップＳ１３２］データ分析部１２０は、選択した結論部用の質問に対応する決定木を生成する。決定木の葉以外の各ノードには、条件部用の質問が対応付けられている。上位ノードからその下位のノードへは、上位のノードの質問への回答に対応する枝によって接続されている。そしてデータ分析部１２０は、回答者ごとに、ルートノードから条件部用の質問への回答に応じた枝を辿る。そしてデータ分析部１２０は、決定木のノードそれぞれについて、選択した結論部用の質問への回答ごとに、該当ノードに到達する回答者のうちのその回答をした回答者の数を設定する。

【0086】

［ステップＳ１３３］データ分析部１２０は、未選択の結論部用の質問があるか否かを判断する。データ分析部１２０は、未選択の結論部用の質問があれば処理をステップＳ１３１に進める。またデータ分析部１２０は、未選択の結論部用の質問がなければ処理をステップＳ１３４に進める。

【0087】

［ステップＳ１３４］データ分析部１２０は、各決定木のルートノード以外のノードに対応する因果関係の候補を生成する。生成される因果関係の候補の条件部は、決定木のルートノードから該当ノードに至るまでの条件部用の１以上の質問それぞれへの回答の論理積である。また生成される因果関係の候補の結論部は、その決定木に対応する結論部用の質問に対して、該当ノードへ到達する回答者による回答者数が最も多い回答が設定される。

【0088】

図１１は、決定木分析を用いた因果関係の候補の生成例を示す図である。図１１には、結論部用の質問「食べ残しが多い？」に対応する決定木５０が示されている。なお決定木５０は、条件部用の質問が「世帯人数は何人？」と「自炊する？」の２つである場合の例である。決定木５０のルートノードであるノード５１には、条件部用の質問「世帯人数は何人？」が対応付けられている。そのノード５２の下位のノード５２，５３には、条件部用の質問「自炊する？」が対応付けられている。ノード５１からノード５２への枝には、「世帯人数は何人？」に対する回答「１人」が対応付けられている。ノード５１からノード５３への枝には、「世帯人数は何人？」に対する回答「２人以上」（２人、３人、・・・の回答を含む）が対応付けられている。

【0089】

ルートノード以外の各ノード５２～５７には、そのノードに到達する回答者の、結論部用の質問「食べ残しが多い？」に対する回答それぞれについての回答者数が設定されている。例えばノード５２に到達する回答者は、条件部用の質問「世帯人数は何人？」に対して「１人」と回答した回答者である。図１１の例では、ノード５２に到達する回答者は１００人存在する。そのうち結論部用の質問「食べ残しが多い？」に対して、「多い」と回答した回答者が４０人であり、「少ない」と回答した回答者が６０人である。

【0090】

データ分析部１２０は、ルートノード以外の各ノード５２～５７に対応する因果関係の候補を生成する。生成される因果関係の候補の条件部には、対応するノードに到達する回答者による条件部用の質問に対する共通の回答が設定される。また生成される因果関係の候補の結論部には、決定木５０に対応する結論部用の質問「食べ残しが多い？」に対する、各ノード５２～５７に到達する回答者による最も多い回答が設定される。

【0091】

例えばノード５２に対応する因果関係の候補６１の条件部には、「世帯人数は何人？＝１人」と設定される。ノード５２に到達する回答者１００人のうち６０人が、結論部用の質問「食べ残しが多い？」に対して「少ない」と回答している。そのため、因果関係の候補６１の結論部には、「食べ残しが多い？＝少ない」と設定される。

【0092】

またノード５３に対応する因果関係の候補６２の条件部には、「世帯人数は何人？＝２人以上」と設定される。ノード５３に到達する回答者１４０人のうち８０人が、結論部用の質問「食べ残しが多い？」に対して「多い」と回答している。その因果関係の候補６２の結論部には、「食べ残しが多い？＝多い」と設定される。

【0093】

同様にして、決定木５０の他のノード５４～５７に対応する因果関係の候補も生成される。例えばノード５４に対応する因果関係の候補は、条件部「世帯人数は何人？＝１人 ＡＮＤ 自炊する？＝する」（該当回答者数：５０人）、結論部「食べ残しが多い？＝少ない」（該当回答者数：４０人）である。ノード５５に対応する因果関係の候補は、条件部「世帯人数は何人？＝１人 ＡＮＤ 自炊する？＝しない」（該当回答者数：５０人）、結論部「食べ残しが多い？＝多い」（該当回答者数：３０人）である。ノード５６に対応する因果関係の候補は、条件部「世帯人数は何人？＝２人以上 ＡＮＤ 自炊する？＝する」（該当回答者数：７０人）、結論部「食べ残しが多い？＝多い」（該当回答者数：５０人）である。ノード５７に対応する因果関係の候補は、条件部「世帯人数は何人？＝２人以上 ＡＮＤ 自炊する？＝しない」（該当回答者数：７０人）、結論部「食べ残しが多い？＝少ない」（該当回答者数：４０人）である。

【0094】

さらに決論部用の他の質問（例えば「消費期限を超えることが多い？」）に対応して生成された決定木のノードについても対応する因果関係の候補が生成される。
因果関係の候補が生成されると、データ分析部１２０は、組合せ最適化の手法を用いて、できるだけ少ない因果関係で回答者の全体を正確に説明できる因果関係の候補の組合せを計算する。因果関係の候補の組合せの最適化は、因果関係の数の少なさを優先するのか、因果関係の正確さを優先するのかによって処理が異なる。

【0095】

図１２は、因果関係の数の少なさを優先した組合せ最適化処理の手順の一例を示すフローチャートである。以下、図１２に示す処理をステップ番号に沿って説明する。
［ステップＳ１４１］データ分析部１２０は、組合せ最適化の計算に用いる配列「Ａ（ｉ，ｋ），Ｂ（ｋ），Ｃ（ｋ），Ｄ（ｉ）」を設定する。ｉは回答者番号である。ｋは因果関係の候補の番号である。

【0096】

Ａ（ｉ，ｋ）は、因果関係の候補によって正しく説明できる回答者を示す配列である。データ分析部１２０は、ｋ番目の因果関係の候補によってｉ番目の回答者を正しく説明できる場合、Ａ（ｉ，ｋ）の値に「１」を設定する。またデータ分析部１２０は、ｋ番目の因果関係の候補によってｉ番目の回答者を正しく説明できない場合、Ａ（ｉ，ｋ）の値に「０」を設定する。

【0097】

Ｂ（ｋ）は，因果関係の候補によって正しく説明できない回答者の数を示す配列である。データ分析部１２０は、例えばｋ番目の因果関係の候補における条件部に該当しながらも結論部に該当しない回答者の数を、因果関係の候補によって正しく説明できない回答者の数としてＢ（ｋ）に設定する。

【0098】

Ｃ（ｋ）は、分析結果に残す因果関係の候補を示す配列である。データ分析部１２０は、ｋ番目の因果関係の候補を分析結果に残す場合にはＣ（ｋ）に「１」を設定し、ｋ番目の因果関係の候補を分析結果に残さない場合にはＣ（ｋ）に「０」を設定する。

【0099】

Ｄ（ｉ）は、分析結果に残すいずれかの因果関係の候補によって回答者が正しく説明されるかどうかを示す配列である。データ分析部１２０は、ｉ番目の回答者が、分析結果に残す因果関係の候補の少なくとも１つにおいて正しく説明できる場合、Ｄ（ｉ）≧１とする。例えばＤ（ｉ）は以下の式で表される。

【0100】

【数1】

【0101】

［ステップＳ１４２］データ分析部１２０は、組合せ最適化の計算に用いる変数「Ｎ_s，Ｎ_r，Ｎ_f，Ｎ_t」を設定する。Ｎ_sは、回答者の総数を示す変数である。データ分析部１２０は、アンケート結果データ１１１に示される回答者の総数をＮ_sに設定する。Ｎ_rは因果関係の候補の総数である。データ分析部１２０は、因果関係候補生成処理で生成した因果関係の候補の総数をＮ_rに設定する。Ｎ_fは、分析結果に残す因果関係の候補の総数である。Ｎ_fの値は以下の式で表される。

【0102】

【数2】

【0103】

Ｎ_tは、分析結果に残す因果関係の候補によって説明できない回答者の総数を示す変数である。Ｎ_tの値は以下の式で表される。

【0104】

【数3】

【0105】

［ステップＳ１４３］データ分析部１２０は、回答者全体を説明可能な因果関係の候補の最小数（Ｎ_f,minimized）を組合せ最適化で計算する。このときの組合せ最適化問題において最小化する目的関数は、式（２）に示されるＮ_fである。また制約条件は「Ｄ（ｉ）≧１」（ｉ＝１，２，・・・，Ｎ_s）である。

【0106】

［ステップＳ１４４］データ分析部１２０は、因果関係の数が最小の場合に、回答者全体を最も正確に説明できる因果関係の候補の組合せを組合せ最適化で計算する。このときの組合せ最適化問題において最小化する目的関数は、式（３）に示されるＮ_tである。また制約条件は「Ｄ（ｉ）≧１」（ｉ＝１，２，・・・，Ｎ_s）、および「Ｎ_f＝Ｎ_f,minimized」である。この組合せ最適化の計算の結果、「Ｃ（ｋ）＝１」となる因果関係の候補が、分析結果として出力する因果関係となる。

【0107】

このようにして、回答者の全体を正しく説明することが可能な最小数の因果関係の候補の組合せのうち、因果関係を最も正確に表すことができる組合せを、分析結果とすることができる。

【0108】

図１３は、因果関係の数の少なさを優先した組合せ最適化処理による分析結果に残す因果関係の候補の決定手順の模式図である。図１３に示すように１段階目の組合せ最適化問題７１では、すべての回答者（ｉ＝１，２，・・・，Ｎ_s）について「Ｄ（ｉ）≧１」になるという制約条件の元で、分析結果に残す因果関係の候補の総数Ｎ_fを最小化するような因果関係の候補の組合せが計算される。制約条件「Ｄ（ｉ）≧１」があることで、回答者全体を正しく説明することが保証される。この組合せ最適化問題７１を解くことで回答者全体を説明可能な因果関係の候補の最小数（Ｎ_f,minimized）が得られる。

【0109】

２段階目の組合せ最適化問題７２では、因果関係の候補の最小数（Ｎ_f,minimized）を分析結果に残す因果関係の候補の総数Ｎ_fとするという制約条件で、Ｎ_tを最小化するような因果関係の候補の組合せが求められる。この場合も回答者（ｉ＝１，２，・・・，Ｎ_s）について「Ｄ（ｉ）≧１」になるという制約条件が設定されており、分析結果に残す因果関係の候補によって回答者の全体を正しく説明されることが保証される。

【0110】

このように「Ｎ_f＝Ｎ_f,minimized」という制約条件で組合せ最適化問題７２を解くことで、回答者の全体を正しく説明可能な最小数の因果関係の候補を組み合わせた組合せパターンのみが、組合せ最適化問題７２の解となり得る。その組合せパターンが複数ある場合、それらの組合せパターンのうちの因果関係を最も正確に表す因果関係の候補を組み合わせた組合せパターンが、解として得られる。

【0111】

図１４は、因果関係の正確さを優先した組合せ最適化処理の手順の一例を示すフローチャートである。図１４に示すステップＳ１５１，Ｓ１５２の処理は、それぞれ図１２に示すステップＳ１４１，Ｓ１４２の処理と同様である。以下、図１２の処理と異なるステップＳ１５３，Ｓ１５４の処理をステップ番号に沿って説明する。

【0112】

［ステップＳ１５３］データ分析部１２０は、回答者全体を最も正確に説明できる因果関係の候補の組み合わせ（Ｎ_t,minimized）を組合せ最適化で計算する。このときの組合せ最適化問題において最小化する目的関数は、式（３）に示されるＮ_tである。また制約条件は「Ｄ（ｉ）≧１」（ｉ＝１，２，・・・，Ｎ_s）である。

【0113】

［ステップＳ１５４］データ分析部１２０は、正確さが最良の場合に回答者の全体を最も少ない数の因果関係で説明する因果関係の候補の組合せを組合せ最適化で計算する。このときの組合せ最適化問題において最小化する目的関数は、式（２）に示されるＮ_fである。また制約条件は「Ｄ（ｉ）≧１」（ｉ＝１，２，・・・，Ｎ_s）、および「Ｎ_t＝Ｎ_t,minimized」である。この組合せ最適化の計算の結果、「Ｃ（ｋ）＝１」となる因果関係の候補が、分析結果として出力する因果関係となる。

【0114】

このようにして、因果関係を最も正確に表すことができる因果関係の候補の組合せのうち、回答者の全体を正しく説明することが可能な最小数の因果関係の候補の組合せを、分析結果とすることができる。

【0115】

図１５は、因果関係の正確さを優先した組合せ最適化処理による分析結果に残す因果関係の候補の決定手順の模式図である。図１５に示すように１段階目の組合せ最適化問題７３では、すべての回答者（ｉ＝１，２，・・・Ｎ_s）について「Ｄ（ｉ）≧１」になるという制約条件が課される。この制約条件の元で、分析結果に残す因果関係の候補によって正確に説明できない回答者の総数Ｎ_tを最小化するような因果関係の候補の組合せが計算される。制約条件「Ｄ（ｉ）≧１」があることで、回答者の全体を正しく説明することが保証される。この組合せ最適化問題７３を解くことで、回答者全体を説明可能な因果関係の候補の組合せにおける、正確に説明できない回答者の総数の最小値（Ｎ_t,minimized）が得られる。

【0116】

２段階目の組合せ最適化問題７４では、正確に説明できない回答者の総数の最小値（Ｎ_t,minimized）を分析結果に残す因果関係の候補の総数Ｎ_tとするという制約条件で、Ｎ_fを最小化するような因果関係の候補の組合せが求められる。この場合も回答者（ｉ＝１，２，・・・，Ｎ_s）について「Ｄ（ｉ）≧１」になるという制約条件が設定されており、分析結果に残す因果関係の候補によって回答者の全体を正しく説明されることが保証される。

【0117】

このように「Ｎ_t＝Ｎ_t,minimized」という制約条件で組合せ最適化問題７４を解くことで、最も正確となる因果関係の候補の組合せの組合せパターンのみが、組合せ最適化問題７４の解となり得る。その組合せパターンが複数あるときに、それらの組合せパターンのうちの因果関係の総数が最も少なくなる組合せの組合せパターンが、解として得られる。

【0118】

解として得られた１または複数の因果関係それぞれは、その因果関係で説明可能な回答者のグループを表していると考えることができる。そのため、因果関係の候補の生成処理によってグループ分けが行われていることとなる。データ分析部１２０は、グループを示す複数の因果関係の候補の中から分析結果とする因果関係を決定しており、グループ分けの一貫性は維持されている。

【0119】

また組合せ最適化問題では、制約条件「Ｄ（ｉ）≧１」により、各回答者がいずれかのグループ（分析結果に含まれる因果関係で説明可能な回答者群）に含まれることが保証される。なお１人の回答者を説明可能な因果関係の候補は複数存在する。そのため、１人の回答者が複数のグループに属することが許容されている。

【0120】

さらに分析結果データ３０には、因果関係ごとの正確さに加えて、因果関係の組合せの正確さが示されている。因果関係の組合せの正確さは、例えば分析結果に残す因果関係の候補それぞれによって説明できない回答者の総数で表される。この場合、分析結果に残す因果関係の候補の数が多くなるほど、因果関係の組合せの正確さの値も大きくなる。すなわち、因果関係の組合せの正確さには、個々の因果関係の正確さと、分析結果に残す因果関係の候補の数の少なさが反映されている。これにより因果関係の正確さと、生成されるグループ数（分析結果に残す因果関係の候補の数と同じ）の少なさとについて総合的に評価できる。

【0121】

〔その他の実施の形態〕
第２の実施の形態では、アンケートへの回答者の属性と食品廃棄行動との因果関係を分析しているが、第２の実施の形態に示したデータ分析処理は食品廃棄行動以外の様々な分析に適用可能である。

【0122】

また第２の実施の形態では回答者がいずれかのグループに含まれるようにしているが、一定の割合の回答者がいずれのグループにも含まれないことを許容してもよい。その場合、すべてのｉについて「Ｄ（ｉ）≧１」を満たすという制約条件に替えて、所定割合以上（例えば９０％以上）のｉについて「Ｄ（ｉ）≧１」を満たすという制約条件が用いられる。

【0123】

なお組合せ最適化問題をイジングモデルに変換することで、イジングマシンにより組合せ最適化問題を解くこともできる。イジングマシンとは、物理学の磁性体モデルの１つであるイジングモデルの最適化問題に特化した計算機である。イジングマシンを利用することで、組合せ最適化問題の解の探索を効率的に行うことができる。イジングマシンには、超伝導量子ビットを用いた量子アニーリングマシン、光の特性を人工スピンとして用いたコヒーレントイジングマシン、量子現象に着想を得たデジタル回路で組合せ最適化問題を解くマシンが含まれる。

【0124】

以上、実施の形態を例示したが、実施の形態で示した各部の構成は同様の機能を有する他のものに置換することができる。また、他の任意の構成物や工程が付加されてもよい。さらに、前述した実施の形態のうちの任意の２以上の構成（特徴）を組み合わせたものであってもよい。

【符号の説明】

【0125】

１ａ，１ｂ，・・・ 因果関係の候補
１０ 情報処理装置
１１ 記憶部
１１ａ アンケート結果データ
１２ 処理部

【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】