JP2018049587A - 推定装置、推定方法及び推定プログラム - Google Patents

Abstract

【課題】因果関係によって生じる利用者の利害を容易に推定する。【解決手段】本願に係る推定装置は、現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定する特定部と、前記特定部が特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定部とを有することを特徴とする。【選択図】図１

Description

本発明は、推定装置、推定方法及び推定プログラムに関する。

従来、エキスパートシステムのように、予め定式化された条件と入力された条件とに基づく推論を行う技術が知られている。このような技術の一例として、因果関係の推定を行う技術が知られている。

特開２００９−０５９３２３号公報

しかしながら、上述した従来技術では、因果関係によって生じる利害の推定が困難となる場合がある。

例えば、因果関係によって生じる利害は、利用者や利用者の状態等に応じて多様に変化すると考えられる。この結果、ある因果関係を推定することができたとしても、その因果関係によって利用者にどのような利害が生じるかを容易に推定することができない。

本願は、上記に鑑みてなされたものであって、因果関係によって生じる利用者の利害を容易に推定することを目的とする。

本願に係る推定装置は、現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定する特定部と、前記特定部が特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定部とを有することを特徴とする。

実施形態の一態様によれば、因果関係によって生じる利用者の利害を容易に推定することができる。

図１は、実施形態に係る推定装置が発揮する作用効果の一例を説明するための図である。 図２は、実施形態に係る推定装置が有する機能構成の一例を説明する図である。 図３は、実施形態に係る構造情報データベースに登録される情報の一例を示す図である。 図４は、実施形態に係る極性対辞書データベースに登録される情報の一例を示す図である。 図５は、実施形態に係る意味構造データベースに登録される情報の一例を示す図である。 図６は、実施形態に係る推定装置が実行する生成処理の流れの一例を説明するフローチャートである。 図７は、実施形態に係る推定装置が実行する推定処理の流れの一例を説明するフローチャートである。

以下に、本願に係る推定装置、推定方法及び推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位及び処理には同一の符号を付し、重複する説明は省略される。

また、以下の説明では、推定装置１０が実行する推定処理の一例として、所定の現象が発生した際に、所定の現象を原因とする結果、すなわち、所定の現象と因果関係を有する結果を推定するとともに、かかる結果が利用者Ｕ０１に対して及ぼす利害を推定する処理の一例について記載するが、実施形態は、これに限定されるものではない。例えば、推定装置１０は、任意のタイミングで、任意の現象が生じた際に、かかる現象と因果関係を有する結果や、かかる結果が利用者Ｕ０１に対して及ぼす利害の推定を行ってもよい。

〔１．推定処理の概念〕
まず、図１を用いて、推定装置１０が実行する推定処理の概念について説明する。図１は、実施形態に係る推定装置が発揮する作用効果の一例を説明するための図である。例えば、推定装置１０は、サーバ装置やクラウドシステム等、単数または複数の情報処理装置により実現され、移動通信網や無線ＬＡＮ（Local Area Network）等のネットワークＮ（例えば、図２参照）を介して、所定の情報配信サーバ１００や利用者Ｕ０１が使用する端末装置２００と通信可能な情報処理装置である。

情報配信サーバ１００は、サーバ装置やクラウドシステム等、単数または複数の情報処理装置により実現され、ネットワークＮを介して、各種の情報を配信する。例えば、情報配信サーバ１００は、電車の経路情報や遅延情報、天気に関する情報、株や為替等の金融に関連する情報、ニュース等、任意の情報を配信してよい。なお、以下の説明では、情報配信サーバ１００は、電車の遅延情報を配信するサーバ装置であるものとする。

端末装置２００は、例えば、スマートフォン、タブレット端末やＰＤＡ（Personal Digital Assistant）等の移動端末、ノート型ＰＣ（Personal Computer）等の情報処理装置である。例えば、端末装置２００は、推定装置１０から後述する推定処理の結果（以下、「推定結果」と記載する場合がある。）の配信を受付けると、受付けた推定結果を所定のＵＩ（User Interface）で表示することにより、利用者Ｕ０１に推定結果の内容を提供する。

推定装置１０は、所定の現象が生じた際に、その現象によって生じる結果と、推定した結果が利用者Ｕ０１におよぼす利害とを推定する推定処理を実行する。例えば、推定装置１０は、現象と、その現象によって生じうる結果とを紐付けた意味構造データベースをあらかじめ記憶する。そして、推定装置１０は、ある現象が生じた際に、かかる現象と紐付けられた結果を辿ることで、因果関係を有する現象と結果との組を推定し、推定した現象と結果との組が利用者Ｕ０１に対して及ぼす利害を推定する。

しかしながら、現象と結果との組、すなわち、因果関係によって生じる利害は、利用者や利用者の状態等に応じて多様に変化すると考えられる。この結果、ある因果関係を推定することができたとしても、その因果関係によって利用者にどのような利害が生じるかを容易に推定することができない。

また、ディープラーニング等の深層学習の分野では、人間による条件の定式化を行わずに、データからの特徴を自動抽出する可能性が示されている。しかしながら、深層学習によって生成されたモデルがどのような特徴をどのように学習しているか、すなわち、どのような条件の定式化が行われているかが不明確であり、抽出された特徴の説明や理解が困難という点で、人手による改善などの柔軟性に限界がある。

〔２．実施形態に係る推定装置が実行する推定処理について〕
そこで、推定装置１０は、以下の推定処理を実行する。例えば、推定装置１０は、現象と、その現象と因果関係を有する結果と、その結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた意味構造データベース３３（すなわち、「概念情報」）を保持する。また、推定装置１０は、意味構造データベース３３から、所定の現象と、所定の現象と因果関係を有する結果と、結果の極性との組を特定する。そして、推定装置１０は、特定した組に基づいて、所定の現象が生じた際における結果と、その結果が利用者に対して及ぼす利害とを推定する。

以下、図を用いて、上述した推定処理を実現する推定装置１０の機能構成及び作用効果の一例を説明する。なお、以下の説明では、推定装置１０が実行する推定処理の一例として、ある主体に関しある事象が生じたという状態を「現象」と記載し、ある現象によって生じる結果を「結果」と記載する。また、以下の説明では、「主体」、「事象」、および「結果」を「要素」と総称する場合がある。

〔２−１．機能構成の一例〕
図２は、実施形態に係る推定装置が有する機能構成の一例を説明する図である。図２に示すように、推定装置１０は、通信部２０、記憶部３０、および制御部４０を有する。通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、端末装置２００との間で、質問や応答の送受信を行う。

記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、推定処理を実行するための各種データである構造情報データベース３１、極性対辞書データベース３２および意味構造データベース３３を有する。以下、図３〜図５を用いて、構造情報データベース３１、極性対辞書データベース３２および意味構造データベース３３に登録される情報の一例を説明する。

構造情報データベース３１には、現象の主体となる概念（以下、「主体」と記載する。）同士の概念構造を示す構造情報が登録されている。より具体的な例を挙げると、構造情報データベース３１には、階層構造を有する概念を体系的にまとめたシソーラスのデータが登録されている。例えば、構造情報データベース３１には、主体を示す単語（一つ又は複数の単語により構成される用語であってもよい。以下同様。）が登録されている。例えば、図３は、実施形態に係る構造情報データベースに登録される情報の一例を示す図である。図３に示すように、構造情報データベース３１には、「第１階層」、「第２階層」および「第３階層」といった項目を有する情報が登録される。

ここで、「第１階層」に属する単語は、構造情報データベース３１に登録された単語のうち最も上位の階層に属する主体、すなわち、最も抽象化された概念を示す単語である。また、「第２階層」に属する単語は、対応付けられた「第１階層」に属する単語が示す概念の下位となる概念を示す単語である。また、「第３階層」に属する単語は、対応付けられた「第２階層」に属する単語が示す概念の下位に属する概念を示す単語である。なお、図３に示す例では、「第１階層」から「第３階層」までの一例を記載したが、構造情報データベース３１には、任意の数の階層を有するシソーラスのデータが登録されていてよい。

例えば、図３に示す例では、第１階層「公共交通」、第２階層「電車」および第３階層「路線＃１」が登録されている。このような情報は、「公共交通」という単語が示す概念の下位概念として、「電車」という単語が示す概念が存在し、「電車」という単語が示す概念の下位概念として、「路線＃１」という単語が示す概念が存在する旨を示す。

極性対辞書データベース３２には、対となる概念を有する事象または結果同士を対応付けた極性対辞書の情報（すなわち、「対情報」。）が登録される。例えば、極性対辞書データベース３２には、ある事象や結果を示す単語と、かかる事象や結果とは逆の概念を示す単語とを対応付けた対情報が登録される。

例えば、図４は、実施形態に係る極性対辞書データベースに登録される情報の一例を示す図である。図４に示すように、極性対辞書データベース３２には、「第１要素」および「第２要素」が対応付けて登録される。ここで、「第１要素」および「第２要素」は、それぞれ反対の概念を示す単語であり、現象の事象となる概念、または、結果となる概念を示す単語である。

例えば、図４に示す例では、極性対辞書データベース３２には、第１要素「遅延」および第２要素「定刻」が対応付けて登録されている。このような情報は、第１要素「遅延」と第２要素「定刻」とがそれぞれ対となる（反対となる）概念を有する単語である旨を示す。

意味構造データベース３３には、現象と、その現象と因果関係を有する結果と、その結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報が登録される。より具体的には、意味構造データベース３３には、現象の主体と、その主体に関する事象とが紐付けられている。また、意味構造データベース３３には、各事象と、その事象と因果関係を有する結果とが紐付けられている。また、意味構造データベース３３には、各結果が利用者に対して及ぼす利害を示す極性が結果と対応付けて登録されており、各事象が利用者に対して及ぼす利害を示す極性が事象と対応付けて登録されている。

例えば、図５は、実施形態に係る意味構造データベースに登録される情報の一例を示す図である。なお、図５に示す例では、意味構造データベース３３に登録される要素の概念的な関連性を、ＲＤＢ（Relational Data Base）により実現する例について記載した。

図５に示すように、意味構造データベース３３には、「要素ＩＤ（Identifier）」、「要素」、「属性」、「極性」、および「構造」といった項目を有する情報が登録される。ここで、「要素ＩＤ」とは、意味構造データベース３３に登録される要素（主体、事象、および結果）を識別する識別子である。また、「要素」とは、意味構造データベース３３に要素として登録される単語である。また、「属性」とは、対応付けられた要素が主体であるか、事象であるか、結果であるかを示す情報である。

また、「極性」とは、対応付けられた要素が利用者Ｕ０１に対して及ぼす利害（利益または不利益）の指標となる値である。例えば、極性の値が大きければ大きい程、対応付けられた要素は利用者Ｕ０１に対して利益を与える概念を示し、極性の値が小さければ小さい程、対応付けられた要素は利用者Ｕ０１に対して不利益を与える概念を示すものとする。また、極性の値が零である場合は、対応付けられた要素が利用者Ｕ０１に対して利益も不利益も与えない概念を示すものとする。

また、「構造」とは、対応付けられた要素とつながりを有する他の要素の要素ＩＤである。すなわち、「構造」とは、各要素を紐付けることで、主体と、かかる主体と関連する事象との組や、現象と結果との因果関係を示す情報である。

例えば、図５に示す例では、要素ＩＤ「１」、要素「電車」、属性「主体」、極性「０」、および構造「２」が対応付けて登録されている。このような情報は、要素ＩＤ「１」が示す要素が「電車」であり、属性が「主体」である旨を示す。また、このような情報は、要素「電車」の極性が「０」であり、利用者Ｕ０１に対して利害を与えない旨を示す。また、このような情報は、要素「電車」が要素ＩＤ「２」で示される要素と紐付けられている旨を示す。後述するように、推定装置１０は、このような意味構造データベース３３に登録された各要素を、項目「構造」の値に基づいて辿ることで、ある現象と因果関係を有する結果とを推定することが可能である。

図２に戻り、説明を続ける。制御部４０は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、推定装置１０内部の記憶装置に記憶されている各種プログラムが、ＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図２に示す例では、制御部４０は、収集部４１、判定部４２、付与部４３、構造化部４４、取得部４５、特定部４６、および推定部４７（以下、総称して各処理部４１〜４７と記載する場合がある。）を有する。

なお、制御部４０が有する各処理部４１〜４７の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。また、各処理部４１〜４７は、以下に説明するような生成処理および推定処理の機能・作用（例えば図１）を実現・実行するものであるが、これらは説明のために整理した機能単位であり、実際のハードウェア要素やソフトウェアモジュールとの一致は問わない。すなわち、以下の生成処理および推定処理の機能・作用を実現・実行することができるのであれば、推定装置１０は、任意の機能単位で生成処理および推定処理を実現・実行して良い。

また、以下の説明では、各処理部４１〜４４により、推定処理に先立って、意味構造データベース３３を生成する生成処理が行われるものとする。また、以下の説明では、各処理部４５〜４７により、生成処理によって生成された意味構造データベース３３を用いて、推定処理が実行されるものとする。

〔２−２．生成処理における作用効果の一例〕
以下、図６に示すフローチャートを用いて、各処理部４１〜４４が実行・実現する生成処理の内容について説明する。図６は、実施形態に係る推定装置が実行する生成処理の流れの一例を説明するフローチャートである。

収集部４１は、現象と結果とを含む抽象概念を収集する（ステップＳ１０１）。例えば、収集部４１は、インターネット上のニュースやブログ、マイクロブログの記事等、任意のテキストコンテンツから、現象（すなわち、「イベント」）と、その現象と因果関係を有する結果（すなわち、「アクション」）とを収集する。より具体的には、収集部４１は、任意のテキストコンテンツから、主体となる単語と、その主体と関連する事象を示す単語との組を、現象を示す単語組として抽出する。また、収集部４１は、抽出した単語組が示す現象と因果関係を有する単語、すなわち、その現象が生じることにより結果的に生じる結果を示す単語を結果を示す単語として抽出する。

例えば、収集部４１は、インターネット上のテキストコンテンツを形態素解析等の文字解析技術により解析する。そして、収集部４１は、主体と事象と結果とを示す単語の三つ組み、すなわち、主体と事象とからなる現象と、その現象によって生じる結果とを示す三つの単語を収集する。例えば、収集部４１は、図１中（Ａ）に示すように、主体「電車」および事象「遅延」からなる現象と、その現象によって生じる結果「遅刻する」との組、主体「会社」および事象「遅刻する」からなる現象と、その現象によって生じる結果「怒られる」との組、および、主体「目覚まし」および事象「設定」からなる現象と、その現象によって生じる結果「就寝する」との組を収集する。

また、判定部４２は、利用者Ｕ０１の行動が結果に影響を与えるか否かを判定する（ステップＳ１０２）。例えば、判定部４２は、収集部４１が収集した現象およびその現象が生じた際の結果を示す単語の三つ組みを解析し、利用者Ｕ０１の個人行動が現象と結果との因果関係を解消できるか否かを判定する。例えば、判定部４２は、図１中（Ｂ）に示すように、収集部４１が収集した単語の三つ組み「電車」、「遅延」、および「遅刻する」を選択し、選択した三つ組みが示す因果関係を個人の力で解消できるか否かを判定する。ここで、電車の遅延は、個人の力で操作不可能な現象であると考えられる。そこで、判定部４２は、三つ組み「電車」、「遅延」、および「遅刻する」が示す因果関係を個人の力で解消できないと判定する。

同様に、判定部４２は、三つ組み「会社」、「遅刻する」、および「怒られる」を選択し、選択した三つ組みが示す因果関係を個人の力で解消できるか否かを判定する。ここで、会社に遅刻するといった事象は、個人の力で操作可能な現象であると考えられる。そこで、判定部４２は、三つ組み「会社」、「遅刻する」、および「怒られる」が示す因果関係を個人の力で解消できると判定する。

また、判定部４２は、三つ組み「目覚まし」、「設定」、および「就寝する」を選択し、選択した三つ組みが示す因果関係を個人の力で解消できるか否かを判定する。ここで、目覚ましを設定するといった事象は、個人の力で操作可能な現象であると考えられる。そこで、判定部４２は、三つ組み「目覚まし」、「設定」、および「就寝する」が示す因果関係を個人の力で解消できると判定する。

なお、判定部４２は、例えば、ディープラーニングや連想記憶モデル等、任意の学習技術に基づいて、上述した判定を実現すればよい。例えば、判定部４２は、個人の力で操作可能な現象の主体と事象との組合せや、個人の力で操作できない現象の主体と事象との組合せなどをあらかじめ学習したモデルを用いて、三つ組みの単語が示す因果関係を個人の力で解消できるか否かを判定すればよい。

付与部４３は、判定部４２による判定結果に応じた遡上情報を付与する（ステップＳ１０３）。ここで、遡上情報とは、ある結果から、その結果の原因となった現象または事象へさかのぼることができるか否かを示す情報である。例えば、付与部４３は、ある因果関係を個人の力で解消できると判定部４２が判定した場合は、その因果関係を示す三つ組みの単語のうち、結果を示す単語から、事象または現象を示す単語に遡上することができる旨の遡上情報を付与する。

また例えば、付与部４３は、ある因果関係を個人の力で解消できないと判定部４２が判定した場合は、その因果関係を示す三つ組みの単語のうち、結果を示す単語から、事象または現象を示す単語に遡上することができない旨の遡上情報を付与する。すなわち、付与部４３は、結果を示す要素から現象を示す要素を辿ることができるか否かを示す情報を三つ組みの単語に設定することにより、因果関係の原因を解消することができるか否かの指標を設定する。

例えば、判定部４２は、三つ組み「電車」、「遅延」、および「遅刻する」が示す因果関係を個人の力で解消できないと判定した。このような場合、付与部４３は、図１中（Ｃ）に示すように、要素「遅延」から要素「遅刻する」へと辿ることができるが、要素「遅刻する」から要素「遅延」へと辿る（遡上する）ことができない旨の遡上情報を設定する。

また、例えば、判定部４２は、三つ組み「会社」、「遅刻する」、および「怒られる」が示す因果関係を個人の力で解消できると判定した。このような場合、付与部４３は、図１中（Ｄ）に示すように、要素「遅刻する」から要素「怒られる」へと辿ることができ、かつ、要素「怒られる」から要素「遅刻する」へと辿ることができる旨の遡上情報を設定する。

なお、付与部４３は、判定部４２が因果関係を個人の力で解消できるか判定したすべての三つ組みについて、結果から事象へと要素をさかのぼることができるか否かを示す遡上情報を設定することとなる。ここで、付与部４３は、例えば、因果関係を個人の力で解消できる程度を示す情報を遡上情報として設定してもよい。このような場合、推定装置１０は、遡上情報の値が所定の閾値よりも高い場合は、個人の力で解消できる可能性が高いものとして、結果から事象へと要素をさかのぼる処理を実行することとなる。

続いて、付与部４３は、各要素に極性を付与する（ステップＳ１０４）。例えば、付与部４３は、収集部４１が三つ組みとして収集した各要素が、利用者Ｕ０１に対して利益を及ぼす概念を示すか、不利益を及ぼす概念を示すかを判定する。そして、付与部４３は、利用者Ｕ０１に対して利益を及ぼす概念を示す場合は、利益の程度に応じた正の値を極性として要素に付与する。一方、付与部４３は、利用者Ｕ０１に対して不利益を及ぼす概念を示す場合は、不利益の程度に応じた負の値を極性として要素に付与する。なお、付与部４３は、要素が示す概念が利用者Ｕ０１に対して利害を及ぼさない場合は、極性の値として零を設定する。

例えば、付与部４３は、図１中（Ｅ）に示すように、要素「遅延」が利用者Ｕ０１に対して不利益を及ぼすか否かを判定する。そして、例えば、付与部４３は、要素「遅延」が利用者Ｕ０１に対して不利益を及ぼすと判定した場合は、その不利益の程度に応じた極性の値として、「（−３）」を付与する。また、例えば、付与部４３は、要素「会社」が利用者Ｕ０１に対して利害を及ぼさないと判定した場合は、極性の値として「（０）」を要素「会社」に付与する。

構造化部４４は、抽象概念をグラフに構造化した意味構造データベース３３を生成する（ステップＳ１０５）。例えば、構造化部４４は、収集部４１によって収集された三つ組みの単語をそれぞれ主体、事象、および結果を示す要素として意味構造データベース３３に登録する。また、構造化部４４は、主体となる要素から事象となる要素を辿ることができ、事象となる要素から結果となる要素を辿ることができるように、各要素間の「構造」の値を登録する。

また、構造化部４４は、結果となる要素から事象となる要素へと辿ることができる旨の遡上情報が設定されている場合には、結果となる要素から事象となる要素へと辿ることができるように、要素間の「構造」の値を登録する。また、構造化部４４は、結果となる要素から事象となる要素へと辿ることができない旨の遡上情報が設定されている場合には、結果となる要素から事象となる要素へと辿ることができないように、要素間の「構造」の値を登録する。

例えば、構造化部４４は、要素「遅延」から要素「遅刻する」へと要素間を辿ることができるように、要素「遅延する」の要素ＩＤを、要素「遅延」の項目「構造」の値として意味構造データベース３３に登録する。一方、構造化部４４は、要素「遅刻する」から要素「遅延」へと要素間を辿ることができないように、要素「遅延」の要素ＩＤを、要素「遅刻する」の項目「構造」の値として対応付けないでおく。

また、例えば、構造化部４４は、要素「遅刻する」から要素「怒られる」へと要素間を辿ることができるように、要素「遅刻する」の要素ＩＤを、要素「怒られる」の項目「構造」の値として意味構造データベース３３に登録するとともに、要素「怒られる」から要素「遅刻する」へと要素間を辿ることができるように、要素「遅延する」の要素ＩＤを、要素「怒られる」の項目「構造」の値として意味構造データベース３３に登録する。

また、構造化部４４は、各要素に対して付与部４３が付与した極性の値を設定する。例えば、構造化部４４は、要素「遅延」に対し極性「−３」を対応付けて意味構造データベース３３に登録する。

ここで、構造化部４４は、同一の概念を示す要素をまとめることで、意味構造のグラフ構造化を行う。例えば、三つ組み「電車」、「遅延」、「遅刻する」に含まれる単語「遅刻する」と、三つ組み「会社」、「遅刻する」、「怒られる」に含まれる単語「遅刻する」とが同じ概念を示す単語であると判定する。このような場合、構造化部４４は、各三つ組みに含まれる単語「遅刻する」を１つの要素として意味構造データベース３３に登録する。

このような処理の結果、構造化部４４は、図１中（Ｆ）に示すように、三つ組みの単語から、各単語が示す概念の構造を示す情報である意味構造データベース３３を生成することができる。より具体的には、構造化部４４は、主体および事象からなる現象と、現象と因果関係を有する結果と、結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報を生成することができる。このような意味構造データベース３３においては、任意の要素から、その要素と紐付けられた他の要素を辿ることで、主体とその主体に関する事象とからなる現象や、その現象と因果関係を有する結果等を特定することができる。

なお、以下の説明では、意味構造データベース３３には、要素「電車」、要素「遅延」、要素「遅刻する」、要素「怒られる」の順に各要素が紐付けられているものとする。また、以下の説明では、意味構造データベース３３には、要素「目覚まし」、要素「鳴らない」、要素「遅刻する」、要素「怒られる」の順に各要素が紐付けられているものとする。

〔２−３．推定処理における作用効果の一例〕
次に、図７に示すフローチャートを用いて、各処理部４５〜４７が実行・実現する推定処理の内容について説明する。図７は、実施形態に係る推定装置が実行する推定処理の流れの一例を説明するフローチャートである。

取得部４５は、現状情報を取得する（ステップＳ２０１）。例えば、取得部４５は、図１中（Ｇ）に示すように、情報配信サーバ１００から、電車が遅延している旨の通知を現状情報として取得する。このような場合、取得部４５は、現状情報を特定部４６に伝達する。

特定部４６は、現状と対応する現象と、現象に紐付られた結果とを特定する（ステップＳ２０２）。より具体的には、特定部４６は、現象と、その現象と因果関係を有する結果と、その結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、所定の現象と因果関係を有する結果と、その結果の極性との組を特定する。例えば、特定部４６は、所定の現象として、所定の主体とその所定の主体に関する所定の事象との組合せとなる現象を特定する。

例えば、特定部４６は、現象を示す現状情報が取得された場合は、その現象の主体となる概念を示す要素と、その現象に含まれる事象となる概念を示す要素との組を、所定の現象として特定する。例えば、特定部４６は、電車が遅延しているという現状情報を受付けた場合は、現状情報が示す現象において主体となる概念を示す要素「電車」と、事象となる概念を示す要素「遅延」とを特定する。そして、特定部４６は、図１中（Ｈ）に示すように、「構造」の値により紐付られた要素「電車」と要素「遅延」との組を現象として意味構造データベース３３から特定する。

続いて、特定部４６は、現象として特定した要素、すなわち、主体と事象とを示す要素から、紐付けられた要素を辿ることで、特定した現象と因果関係を有する結果を特定する。例えば、特定部４６は、図１中（Ｉ）に示すように、特定した要素「遅延」と対応付けられた要素「遅刻する」を結果を示す要素として特定する。

また、特定部４６は、特定した要素「遅刻する」の属性に基づいて、要素「遅刻する」が「結果」だけではなく「事象」を示すか否かを判定する。そして、特定部４６は、要素「遅刻する」が「事象」を示す場合は、要素「遅刻する」と紐付られた要素であって、結果を示す要素を辿る。この結果、特定部４６は、図１中（Ｊ）に示すように、要素「遅刻する」が示す事象が生じることで起こる結果「怒られる」を特定する。この結果、特定部４６は、「電車」が「遅延」すると「遅刻する」という因果関係、および、「遅刻する」と「怒られる」という因果関係の原因（現象または事象）と結果とを特定できる。

また、特定部４６は、要素「電車」に付与された極性の値「０」と、要素「遅延」に付与された極性の値「−３」と、要素「遅刻する」に付与された極性の値「−４」と、要素「怒られる」に付与された極性の値「−４」とを特定する。すなわち、特定部４６は、意味構造データベース３３から、事象と結果とを特定するとともに、事象が利用者に対して及ぼす利害の指標となる極性と、結果が利用者に対して及ぼす利害の指標となる極性とをそれぞれ特定する。

続いて、推定部４７は、特定部４６による特定結果に基づいて、因果関係と利用者に及ぼす利害とを推定する（ステップＳ２０３）。すなわち、推定部４７は、特定部４６が特定した現象から他の要素を辿ることで、所定の現象が生じた際の結果と、その結果が利用者Ｕ０１に及ぼす利害とを推定する。

例えば、推定部４７は、特定部４６が特定した組に基づいて、所定の現象が生じた際における結果と、その結果が利用者に対して及ぼす利害とを、特定部４６が特定した極性の値に基づいて推定する。より具体的には、推定部４７は、特定部４６が特定した事象の極性と結果の極性とに基づいて、利用者に対して及ぼす利害を特定する。

より具体的な例について説明する。例えば、特定部４６は、要素「電車」、要素「遅延」、要素「遅刻する」、および要素「怒られる」を特定する。このような場合、推定部４７は、意味構造データベース３３に登録された属性から、現象の主体が「電車」であり、現象の事象が「遅延」であり、結果が「遅刻する」および「怒られる」である旨を特定する。そして、推定部４７は、特定した主体、事象および結果の関係性から、「電車が遅延した」という現象と、その現象によって生じる結果「遅刻する」と、その結果によって生じる結果「怒られる」とを推定する。なお、このような要素から現象や結果を推定する処理については、連想記憶モデル等により実現可能である。

また、特定部４６は、要素「電車」に付与された極性の値「０」と、要素「遅延」に付与された極性の値「−３」と、要素「遅刻する」に付与された極性の値「−４」と、要素「怒られる」に付与された極性の値「−４」とを特定する。このような場合、推定部４７は、現象と結果との組、および結果である事象とその結果との組ごとに、各極性の合計値を算出し、算出した極性の合計値に基づいて、利用者に及ぼす利害を推定する。

例えば、推定部４７は、要素「電車」に付与された極性の値「０」と、要素「遅延」に付与された極性の値「−３」と、要素「遅刻する」に付与された極性の値「−４」とを合計した「−７」を、「電車が遅延したので遅刻する」といった因果関係が利用者に及ぼす利害の指標とする。また、例えば、推定部４７は、要素「遅刻する」に付与された極性の値「−４」と、要素「怒られる」に付与された極性の値「−４」とを合計した「−８」を、「遅刻するので怒られる」といった因果関係が利用者に及ぼす利害の指標とする。

この結果、推定部４７は、情報配信サーバ１００が配信した現状情報から、利用者に関する現象と、結果との因果関係や、その因果関係が利用者に対して及ぼす利害を容易に推定できる。例えば、推定部４７は、「電車が遅延する」という現象から、「電車が遅延したので遅刻する」といった因果関係や、「遅刻したので怒られる」といった因果関係を、意味構造データベース３３を辿ることで推定可能である。さらに、推定部４７は、事象や結果に付与された極性の値を用いて、推定した因果関係が利用者に及ぼす利害の指標を推定することができる。この結果、推定装置１０は、因果関係と因果関係が利用者に及ぼす利害との推定を容易にする。

説明を続ける。ここで、推定部４７は、現象と結果とに付与された極性の合計が負となるか否かを判定する（ステップＳ２０４）。すなわち、推定部４７は、推定した因果関係が利用者に対して不利益を及ぼすか否かを判定する。

そして、特定部４６は、極性の合計が負となる場合は（ステップＳ２０４：Ｙｅｓ）、結果から接続先となる事象や結果を辿る（ステップＳ２０５）。より具体的には、特定部４６は、利用者の行動が結果に対して与える影響の有無または程度の少なくともいずれか一方を示す遡上情報がさらに対応付けられた概念情報から、所定の現象と、所定の現象と因果関係を有する結果と、結果の遡上情報と、結果の極性との組を特定する。例えば、特定部４６は、ある因果関係を特定した際に、特定した結果を示す要素と対応付けられた構造の値を参照し、参照した値が示す要素を特定する。そして、特定部４６は、結果を示す要素から特定した要素が、特定済みの因果関係の要素である場合は、特定済みの因果関係が個人の力により解消可能であると判定する。

例えば、図１に示す場合、特定部４６は、要素「遅刻する」から辿れる要素を検索する。ここで、図１に示す場合、要素「遅刻する」から要素「遅延」へと遡ることができない。すなわち、図１に示す場合、要素「遅刻する」には、利用者の行動によって因果関係を解消できる旨の遡上情報が登録されていない。そこで、特定部４６は、要素「遅刻する」から要素「遅延」以外の他の要素を辿ることで、要素「遅刻する」が示す結果を解消できるような事象若しくは結果を特定する。すなわち、特定部４６は、遡上情報に基づいて、特定した因果関係の結果と因果関係を有する他の現象を特定する。なお、図１に示す例では、特定部４６は、要素「遅刻する」から要素「鳴らない」を辿ったものとする。

ここで、推定部４７は、辿った事象や結果に極性対が存在するか否かを判定し（ステップＳ２０６）、極性対が存在する場合は（ステップＳ２０６：Ｙｅｓ）、極性対となる事象や結果に基づいて、極性が正となる現象と結果とを推定する（ステップＳ２０７）。一方、推定部４７は、極性対が存在しない場合は（ステップＳ２０６：Ｎｏ）、さらに要素を辿ることができるか否かを判定し（ステップＳ２０９）、辿れる場合は（ステップＳ２０９：Ｙｅｓ）、ステップＳ２０５を実行する。また、推定部４７は、辿れない場合は（ステップＳ２０９：Ｎｏ）、処理を終了する。

すなわち、推定部４７は、特定部４６が特定した結果が利用者に対して不利益を及ぼす場合は、対となる概念を有する事象または結果同士を対応付けた極性対辞書データベース３２を用いて、特定部４６が特定した現象が生じた際における利害を反転させるための結果または事象を推定する。より具体的には、推定部４７は、特定部４６が特定した組に含まれる結果と対応する現象であって、特定した組には含まれていない現象を意味構造データベース３３から検索し、極性対辞書データベース３２を用いて、検索した現象に含まれる事象を対となる概念を有する事象に変更した現象を推定する。

例えば、推定部４７は、図１中（Ｋ）に示すように、特定部４６が要素「遅刻する」から要素「鳴らない」を辿った場合は、要素「鳴らない」が極性対辞書データベース３２に登録されているか否かを判定する。そして、推定部４７は、図１中（Ｌ）に示すように、要素「鳴らない」が極性対辞書データベース３２に登録されている場合は、図１中（Ｍ）に示すように、要素「鳴らない」と対応付けられた要素、すなわち、要素「鳴らない」と対極の概念を有する要素「鳴る」を特定する。そして、推定部４７は、図１中（Ｎ）に示すように、要素「鳴らない」を要素「鳴る」に置き換えることで、要素「遅刻する」が示す結果を回避可能となる現象を推定する。

例えば、図１に示す情報が意味構造データベース３３に登録されている場合、要素「鳴らない」を要素「鳴る」に置き換えると、要素「目覚まし」および要素「鳴る」から「目覚ましが鳴る」といった現象を推定することができる。そこで、推定部４７は、電車が遅延するといった現象が発生した際に、目覚ましを鳴らすといった現象を用いて、遅刻するといった結果を回避することができる行動を推定する。例えば、推定部４７は、目覚ましを鳴らすといった現象のバリエーションを生成することで、目覚ましを早く鳴らすといった現象を推定する。そして、推定部７６は、ステップＳ２０４を実行し、推定した現象や結果の極性が負であるか否かを判定する。

また、推定部４７は、極性の合計が零または正であった場合は（ステップＳ２０４：Ｎｏ）、推定結果を出力し（ステップＳ２０８）、処理を終了する。例えば、推定装置１０は、「電車が遅延する」という現状情報から、「電車が遅延したので遅刻する」、「遅刻するので怒られる」といった因果関係のみならず、「目覚ましを早く鳴らすことで、遅刻するのを回避できる」といった行動を推定する。そして、推定部４７は、図１中（Ｏ）に示すように、推定結果を利用者Ｕ０１が使用する端末装置２００へと送信する。

なお、例えば、推定装置１０は、推定結果に応じた端末装置２００の制御を行ってもよい。例えば、推定装置１０は、「目覚ましを早く鳴らす」といった現象を推定した場合は、端末装置２００に対し、設定済みの時刻よりも所定の時間だけ早い時刻に目覚ましを鳴らすよう、指示してもよい。

〔２−４．構造情報データベースを用いた処理〕
なお、上述した説明では、意味構造データベース３３に登録された要素、すなわち、主体、現象および結果を示す要素であって、それぞれ極性が付与された要素を辿ることで、因果関係とその結果が利用者に対して及ぼす利害を推定する処理について説明した。また、上述した説明では、推定した因果関係とその結果が利用者に対して不利益を及ぼす場合は、極性が逆の概念を対応付けた極性対辞書データベース３２を用いて、不利益となる結果を回避するような現象を推定する処理について記載した。

ここで、推定装置１０は、意味構造データベース３３に登録された概念情報を拡張するために、構造情報データベース３１に登録されたシソーラスを利用してもよい。具体的には、推定装置１０は、主体同士の概念構造を示す構造情報を用いて、特定した現象の主体を他の主体に変更し、現象の主体を変更した際における結果を推定してもよい。

例えば、推定装置１０は、図１中（Ｐ）に示すように、主体となる要素「電車」を構造情報データベース３１から検索する。また、推定装置１０は、主体となる「電車」の上位概念である「公共交通」に属する他の概念「バス」を特定する。そして、推定装置１０は、意味構造データベース３３において、要素「電車」を「バス」に置き換えることで、「バスが遅延すると遅刻するので怒られる」といった因果関係を推定してもよい。

より具体的な例について説明すると、推定装置１０は、「電車が遅延している」という現状情報を受付けた際に、「電車が遅延したので遅刻する」といった因果関係のみならず「バスが遅延したので遅刻する」といった因果関係を推定してもよい。このような推定処理の結果は、そのまま利用者Ｕ０１に対して提供されてもよく、端末装置２００の制御等に利用されてもよい。

〔３．変形例〕
上述した実施形態に係る推定装置１０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の推定装置１０の他の実施形態について説明する。

〔３−１．推定について〕
例えば、推定装置１０は、現象や結果のみならず、利用者の行動まで推定を行ってもよい。例えば、推定装置１０は、特定した因果関係が利用者の不利益となると推定される場合は、かかる因果関係に含まれる結果を解消することができるような利用者の行動の推定を行ってもよい。例えば、推定装置１０は、利用者の行動に関する事象や結果を意味構造データベース３３に登録することで、利用者に対して不利益を及ぼす何等かの現象が生じた際に、かかる不利益を回避するための事象を推定し、推定した事象から、不利益を回避するための利用者の行動を推定してもよい。

〔３−２．遡上情報について〕
上述した推定装置１０は、ある要素から辿ることができる他の要素を示す項目「構造」を各要素と対応付けて記憶することで、ある原因からその原因が生じる事象へと遡ることができるか否かを判定可能とした。しかしながら、実施形態は、これに限定されるものではない。例えば、推定装置１０は、結果から原因となる事象に遡上可能であるか否かを示す情報を記憶してもよい。

また、例えば、推定装置１０は、当事者の行動により影響を与える余地の程度を示す遡上情報を記憶してもよい。このような場合、例えば、推定装置１０は、遡上情報が示す程度に基づいて、利用者がどれくらいの努力をした際に、不利益を回避することができるかを推定してもよい。また、推定装置１０は、利用者に対して不利益を回避する行動を促してもよい。

〔３−３．推定結果の利用について〕
ここで、推定装置１０による推定結果は、単に利用者Ｕ０１へと提供されるだけではなく、任意の処理に用いることができる。例えば、推定装置１０による推定結果は、ＩｏＴ（Internet of Things）やＰＩＭ（Personal Information Manager）等、利用者Ｕ０１に対して任意のサービスを提供する際に用いられてもよい。例えば、推定装置１０が、「電車が遅延したので遅刻する」といった因果関係を推定するとともに、不利益を回避するため、「目覚ましを早く鳴らす」といった行動を推定した場合は、かかる推定結果に基づいて、利用者Ｕ０１の目覚ましを早く鳴らしたり、家の電気をつけたりといった処理に用いられてもよい。

〔３−４．他の実施形態〕
なお、上記実施形態は例示に過ぎず、本発明は、以下に例示するものやそれ以外の他の実施態様も含むものである。例えば、本出願における機能構成、データ構造、フローチャートに示す処理の順序や内容などは例示に過ぎず、各要素の有無、その配置や処理実行などの順序、具体的内容などは適宜変更可能である。例えば、上述した生成処理や推定処理は、上記実施形態で例示したように推定装置１０が実現する以外にも、クラウドシステムにおける装置、方法やプログラムとして実現することもできる。

また、推定装置１０を構成する各処理部４１〜４７を、さらにそれぞれ独立した装置で実現する構成も一般的である。同様に、外部のプラットフォーム等をＡＰＩ（アプリケーション・プログラム・インタフェース）やネットワークコンピューティング（いわゆるクラウドなど）で呼び出すことで、上記実施形態で示した各手段を実現するなど、本発明の構成は柔軟に変更できる。さらに、本発明に関する手段などの各要素は、コンピュータの演算制御部に限らず物理的な電子回路など他の情報処理機構で実現してもよい。

また、推定装置１０は、端末装置２００との間で情報の送受信を行うフロントエンドサーバと、生成処理や推定処理を実行するバックエンドサーバとにより実現されてもよい。例えば、バックエンドサーバは、常時、上述した生成処理や推定処理を実行する。そして、バックエンドサーバは、利用者の不利益となる因果関係や、不利益となる結果を回避する事象や行動を推定した場合は、その推定結果をフロントエンドサーバへと通知する。このような場合、フロントエンドサーバは、推定結果に基づいて、利用者Ｕ０１が使用する端末装置２００や、ＩｏＴに関する各種の装置を制御する。

〔４．効果〕
上述したように、推定装置１０は、現象と、その現象と因果関係を有する結果と、その結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、所定の現象と因果関係を有する結果と、その結果の極性との組を特定する。そして、推定装置１０は、特定した組に基づいて、所定の現象が生じた際における結果と、その結果が利用者に対して及ぼす利害とを推定する。このため、推定装置１０は、因果関係によって生じる利用者の利害を容易に推定することができる。

また、推定装置１０は、所定の現象として、所定の主体と所定の主体に関する所定の事象との組合せとなる現象を特定する。このため、推定装置１０は、様々な主体と事象との組合せとなる現象と、その現象により生じる結果との因果関係を容易に推定することができる。

また、推定装置１０は、事象が利用者に対して及ぼす利害の指標となる極性をさらに対応付けた概念情報から、所定の現象と、その現象に含まれる事象の極性と、所定の現象と因果関係を有する結果と、結果の極性との組を特定する。そして、推定装置１０は、特定した組に含まれる事象の極性と結果の極性とに基づいて、利用者に対して及ぼす利害を推定する。このため、推定装置１０は、ある現象が利用者に対して及ぼす利害や、ある結果が利用者に対して及ぼす利害を容易に推定できる。

また、推定装置１０は、特定した組に基づいて推定した結果が利用者に対して不利益を及ぼす場合は、対となる概念を有する事象または結果同士を対応付けた極性対辞書データベース３２を用いて、所定の現象が生じた際における利害を反転させるための結果または事象を推定する。例えば、推定装置１０は、特定した組に含まれる結果と対応する現象であって、特定した組には含まれていない現象を概念情報から検索し、極性対辞書データベース３２を用いて、検索した現象に含まれる事象を対となる概念を有する事象に変更した現象を推定する。このため、例えば、推定装置１０は、利用者に不利益を生じさせるような事象や結果が生じた際に、その事象や結果を回避または軽減する現象を推定することができる。

また、推定装置１０は、主体同士の概念構造を示す構造情報データベース３１を用いて、特定した現象の主体を他の主体に変更し、現象の主体を変更した際における結果を推定する。このため、推定装置１０は、意味構造データベース３３に登録された概念情報を拡張し、様々な因果関係の推定を可能とする。

また、推定装置１０は、利用者の行動が結果に対して与える影響の有無または程度の少なくともいずれか一方を示す遡上情報に基づいて、特定した結果と因果関係を有する他の現象を特定する。このため、推定装置１０は、不利益となる事象や結果を回避するような利用者の行動の推定を実現できる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、推定部は、推定手段や推定回路に読み替えることができる。

１０ 推定装置
２０ 通信部
３０ 記憶部
３１ 構造情報データベース
３２ 極性対辞書データベース
３３ 意味構造データベース
４０ 制御部
４１ 収集部
４２ 判定部
４３ 付与部
４４ 構造化部
４５ 取得部
４６ 特定部
４７ 推定部
１００ 情報配信サーバ
２００ 端末装置

Claims (12)

1. 現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定する特定部と、
   前記特定部が特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定部と
   を有することを特徴とする推定装置。
2. 前記特定部は、前記所定の現象として、所定の主体と当該所定の主体に関する所定の事象との組合せとなる現象を特定する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記特定部は、前記事象が利用者に対して及ぼす利害の指標となる極性をさらに対応付けた概念情報から、前記所定の現象と、当該現象に含まれる事象の極性と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定し、
   前記推定部は、前記特定部が特定した組に含まれる事象の極性と結果の極性とに基づいて、前記利用者に対して及ぼす利害を推定する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記推定部は、前記特定部が特定した組に基づいて推定した結果が前記利用者に対して不利益を及ぼす場合は、対となる概念を有する事象または結果同士を対応付けた対情報を用いて、前記所定の現象が生じた際における利害を反転させるための結果または事象を推定する
   ことを特徴とする請求項２または３に記載の推定装置。
5. 前記推定部は、前記特定部が特定した組に含まれる結果と対応する現象であって、前記特定部が特定した組には含まれていない現象を前記概念情報から検索し、前記対情報を用いて、検索した現象に含まれる事象を対となる概念を有する事象に変更した現象を推定する
   ことを特徴とする請求項４に記載の推定装置。
6. 前記推定部は、主体同士の概念構造を示す構造情報を用いて、前記特定部が特定した現象の主体を他の主体に変更し、当該現象の主体を変更した際における結果を推定する
   ことを特徴とする請求項２〜５のうちいずれか１つに記載の推定装置。
7. 前記特定部は、前記利用者の行動が前記結果に対して与える影響の有無または程度の少なくともいずれか一方を示す遡上情報に基づいて、特定した結果と因果関係を有する他の現象を特定する、
   ことを特徴とする請求項１〜５のうちいずれか１つに記載の推定装置。
8. 推定装置が実行する推定方法であって、
   現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定する特定工程と、
   前記特定工程で特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定工程と
   を含むことを特徴とする推定方法。
9. 現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する結果と、当該結果の極性との組を特定する特定手順と、
   前記特定手順で特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定手順と
   をコンピュータに実行させるための推定プログラム。
10. 主体と当該主体に関する事象とで構成される現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する第１の結果と、当該第１の結果の極性との組を特定する特定部と、
    前記特定部が特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定部と、を有し、
    前記特定部は、前記第１の結果が事象を示す要素でもある場合には、前記概念情報から、前記所定の現象と、前記第１の結果と、当該第１の結果の極性と、前記第１の結果に対応付けられた第２の結果と、当該第２の結果の極性との組を特定し、
    前記推定部は、前記第１の結果の極性と前記第２の結果の極性とに基づいて、前記利用者に対して及ぼす利害を推定する、
    ことを特徴とする推定装置。
11. 推定装置が実行する推定方法であって、
    主体と当該主体に関する事象とで構成される現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する第１の結果と、当該第１の結果の極性との組を特定する特定工程と、
    前記特定工程で特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定工程と、を含み、
    前記特定工程では、前記第１の結果が事象を示す要素でもある場合には、前記概念情報から、前記所定の現象と、前記第１の結果と、当該第１の結果の極性と、前記第１の結果に対応付けられた第２の結果と、当該第２の結果の極性との組を特定し、
    前記推定工程は、前記第１の結果の極性と前記第２の結果の極性とに基づいて、前記利用者に対して及ぼす利害を推定する、
    ことを特徴とする推定方法。
12. 主体と当該主体に関する事象とで構成される現象と、当該現象と因果関係を有する結果と、当該結果が利用者に対して及ぼす利害の指標となる極性とを対応付けた概念情報から、所定の現象と、当該所定の現象と因果関係を有する第１の結果と、当該第１の結果の極性との組を特定する特定手順と、
    前記特定手順で特定した組に基づいて、所定の現象が生じた際における結果と、当該結果が前記利用者に対して及ぼす利害とを推定する推定手順と、をコンピュータに実行させ、
    前記特定手順では、前記第１の結果が事象を示す要素でもある場合には、前記概念情報から、前記所定の現象と、前記第１の結果と、当該第１の結果の極性と、前記第１の結果に対応付けられた第２の結果と、当該第２の結果の極性との組を特定し、
    前記推定手順では、前記第１の結果の極性と前記第２の結果の極性とに基づいて、前記利用者に対して及ぼす利害を推定する、
    ことを特徴とする推定プログラム。

Images