特許ウォッチ

公開番号2025166666
公報種別公開特許公報(A)
公開日2025-11-06
出願番号2024070842
出願日2024-04-24
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人日本電気株式会社
代理人個人
主分類G06N 20/00 20190101AFI20251029BHJP(計算;計数)
要約【課題】対象データに対する各予測モデルの貢献度をユーザに対して好適に提示する。
【解決手段】情報処理装置は、逐次的に対象データを取得する第1の取得部と、複数の対象モデルの各々についての学習済パラメータを取得する第2の取得部と、前記対象データに含まれる説明変数に、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各予測値の重み付き和として前記対象データに含まれる目的変数を表現した場合の、前記複数の対象モデルの各々の重みを算出する算出部と、逐次的に取得された対象データの各々に関して前記算出手段が算出した前記重みの推移を表示する表示部とを備えている。
【選択図】図1
特許請求の範囲【請求項１】
逐次的に対象データを取得する第１の取得手段と、
複数の対象モデルの各々についての学習済パラメータを取得する第２の取得手段と、
前記対象データに含まれる説明変数に、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各予測値の重み付き和として前記対象データに含まれる目的変数を表現した場合の、前記複数の対象モデルの各々の重みを算出する算出手段と、
逐次的に取得された対象データの各々に関して前記算出手段が算出した前記重みの推移を表示する表示手段と
を備えている情報処理装置。
続きを表示（約 1,400 文字）【請求項２】
前記第２の取得手段は、前記対象モデル又は前記学習済パラメータに関連付けられた特徴情報を更に取得し、
前記表示手段は、前記複数の対象モデルの各々についての特徴情報を更に表示する
請求項１に記載の情報処理装置。
【請求項３】
前記表示手段は、
前記対象データに対して、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各回帰線を更に表示する
請求項２に記載の情報処理装置。
【請求項４】
前記重みの推移を参照した異常検知処理を実行する異常検知手段を更に備え、
前記表示手段は、前記異常検知処理の結果を更に表示する
請求項１から３の何れか１項に記載の情報処理装置。
【請求項５】
前記第１の取得手段は、推論用データを更に取得し、
前記推論用データに対して、前記複数の対象モデルの各々についての学習済パラメータと、前記算出手段が算出した何れかの重みとを適用することによって予測結果を導出する予測手段を更に備えている
請求項１から３の何れか１項に記載の情報処理装置。
【請求項６】
前記複数の対象モデルの各々についての学習済パラメータには、
当該対象モデルに関する回帰係数と、
当該対象モデルの比を規定する比パラメータと
が含まれており、
前記回帰係数及び前記比パラメータは、
比パラメータと学習用データとを参照して、複数の対象モデルの各々についての回帰係数を計算する回帰係数計算処理、及び
前記学習用データ、及び前記回帰係数を参照して、前記比パラメータを計算する比パラメータ計算処理
を含む学習処理によって学習された回帰係数及び比パラメータである
請求項１から３の何れか１項に記載の情報処理装置。
【請求項７】
前記回帰係数及び前記比パラメータに関する前記学習処理は、
前記対象データ、前記比パラメータ、前記回帰係数、及び、隠れ変数の事前分布に関する情報を参照して、前記隠れ変数の事前分布の共分散パラメータと、前記隠れ変数の事後分布の共分散行列とを計算する共分散計算処理
を更に含み、
前記比パラメータ計算処理は、
前記隠れ変数の事後分布の共分散行列を更に参照して、前記比パラメータを計算する
請求項６に記載の情報処理装置。
【請求項８】
逐次的に対象データを取得することと、
複数の対象モデルの各々についての学習済パラメータを取得することと、
前記対象データに含まれる説明変数に、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各予測値の重み付き和として前記対象データに含まれる目的変数を表現した場合の、前記複数の対象モデルの各々の重みを算出することと、
逐次的に取得された対象データの各々に関して前記算出した重みの推移を表示することと
を含んでいる情報処理方法。
【請求項９】
請求項１に記載の情報処理装置としてコンピュータを機能させるためのプログラムであって、前記第１の取得手段、前記第２の取得手段、前記算出手段、及び前記表示手段としてコンピュータを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、及びプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
対象データに対して予測モデルを適用することによって予測結果を導出する技術が知られている。例えば、特許文献１には、予測モデルを用いて対象の状態から次の状態を予測する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０７８５２９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
一方で、予測モデルを複数用いることにより、より柔軟な予測を行う構成も考えられる。しかしながら、そのような構成の場合、対象データに対する各予測モデルの貢献度（重み）がユーザにとって分かりづらいという課題がある。また、実際の状況では、逐次的に取得される対象のデータに対する各予測モデルの貢献度（重み）も変化し得る。
【０００５】
本開示は、上記の問題に鑑みてなされたものであり、その一例示的目的は、対象データに対する各予測モデルの貢献度（重み）をユーザに対して好適に提示することのできる技術を提供することにある。
【課題を解決するための手段】
【０００６】
本開示の一例示的側面に係る情報処理装置は、逐次的に対象データを取得する第１の取得手段と、複数の対象モデルの各々についての学習済パラメータを取得する第２の取得手段と、前記対象データに含まれる説明変数に、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各予測値の重み付き和として前記対象データに含まれる目的変数を表現した場合の、前記複数の対象モデルの各々の重みを算出する算出手段と、逐次的に取得された対象データの各々に関して前記算出手段が算出した前記重みの推移を表示する表示手段とを備えている。
【０００７】
本開示の一例示的側面に係る情報処理方法は、逐次的に対象データを取得することと、複数の対象モデルの各々についての学習済パラメータを取得することと、前記対象データに含まれる説明変数に、前記複数の対象モデルの各々についての学習済パラメータを適用することによって得られる各予測値の重み付き和として前記対象データに含まれる目的変数を表現した場合の、前記複数の対象モデルの各々の重みを算出することと、逐次的に取得された対象データの各々に関して前記算出した重みの推移を表示することとを含んでいる。
【０００８】
本発明の各態様に係る情報処理装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記情報処理装置が備える各部（ソフトウェア要素）として動作させることにより前記情報処理装置をコンピュータにて実現させるプログラムも、本発明の範疇に入る。
【発明の効果】
【０００９】
本開示の一例示的側面によれば、対象データに対する各予測モデルの貢献度（重み）をユーザに対して好適に提示することができるという一例示的効果を奏する。
【図面の簡単な説明】
【００１０】
本開示に係る情報処理装置の構成を示すブロック図である。
本開示に係る情報処理方法の流れを示すフロー図である。
本開示に係る情報処理装置の構成を示すブロック図である。
本開示に係る出力部が入出力部を介して表示するグラフの例を示している。
本開示に係る出力部が入出力部を介して表示するグラフの例を示している。
本開示に係る出力部が入出力部を介して表示するグラフの例を示している。
本開示に係る出力部が入出力部を介して表示するグラフの例を示している。
本開示に係る情報処理装置の構成を示すブロック図である。
本開示に係るＬＰＶモデルにおける各端点モデルの出力と、各出力に乗算される内分比パラメータとを模式的に示した図である。
本開示に係る情報処理装置における処理の流れの例を示す図である。
本開示に係る出力部が入出力部を介して表示するグラフの例を示している。
本開示に係る情報処理装置の構成を示すブロック図である。
本開示に係る情報処理装置における処理の流れの例を示す図である。
本開示に係る情報処理装置として機能するコンピュータの構成を示すブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許