[发明专利]信息处理装置和信息处理方法、以及计算机程序

权利要求书

1.一种信息处理装置，构建包含不确定性的对象区域中的信息分析处理中应用的信息分析处理结构，其特征在于，具有：数据处理部，其以部分可观测马尔科夫决策过程(POMDP：Partially Observable Markov Decision Process)为基本结构，将在POMDP中定义的各信息中包含的要素作为单位，对要素间的关系进行解析，根据该解析结果，执行作为包含要素间的关系信息的POMDP的因数POMDP(Factored POMDP)的构建。

2.根据权利要求1所述的信息处理装置，其特征在于，

上述数据处理部是如下结构：

构建关于作为在POMDP中定义的信息的观测(Observation)中所包含的各个观测要素的贝叶斯网络(Bayesian Network)，组合该观测要素单位的贝叶斯网络，构建上述因数POMDP(FactoredPOMDP)。

3.根据权利要求1所述的信息处理装置，其特征在于，

上述数据处理部是执行如下处理的结构：

根据学习样本数据来决定作为在POMDP中定义的信息的观测(Observation)信息中所包含的各个观测要素和在POMDP中定义的状态(State)、行动(Action)、报酬(Reard)这些作为观测以外信息的至少任一个所包含的要素之间的关联性，构建观测要素单位的贝叶斯网络。

4.根据权利要求1所述的信息处理装置，其特征在于，

上述数据处理部是执行如下处理的结构：

构建关于作为在POMDP中定义的信息的观测(Observation)信息中所包含的各个观测要素的贝叶斯网络，组合相同的事件观察区域中的多个观测要素单位的贝叶斯网络，构建内部网络对应的贝叶斯网络，并且，对不同的事件观察区域中的多个内部网络对应的贝叶斯网络中所包含的要素间的关联性进行解析，构建与具有不同的事件观察区域中的要素间的关联信息的互联网络对应的动态贝叶斯网络。

5.根据权利要求4所述的信息处理装置，其特征在于，

上述数据处理部是执行如下处理的结构：

根据学习样本数据来决定多个内部网络对应的贝叶斯网络中所包含的要素间的关联性。

6.根据权利要求1所述的信息处理装置，其特征在于，

上述数据处理部是如下结构：

作为表示上述要素间的关系的数据，应用对应于贝叶斯网络的有向非循环图(DAG：Directed Acyclic Graph)，根据通过基于学习样本数据的学习处理而得到的信息，执行上述有向非循环图(DAG)的更新处理，解析要素间的关系，构建上述因数POMDP(Factored POMDP)。

7.根据权利要求1所述的信息处理装置，其特征在于，

上述数据处理部是如下结构：

输入包含有在上述POMDP中定义的各信息中所包含的要素的种类的要素信息以及作为上述因数POMDP(Factored POMDP)的结构信息的贝叶斯网络中的节点连接形式的最大输入数量(Max-Fan-In)信息，按照该输入信息来构建上述因数POMDP(Factored POMDP)。

8.一种信息处理方法，是在信息处理装置中构建包含不确定性的对象区域中的信息分析处理中应用的信息分析处理结构的信息处理方法，其特征在于，具有如下步骤：

内部贝叶斯网络生成步骤，在数据处理部中，构建关于作为在部分可观测马尔科夫决策过程(POMDP：Partially ObservableMarkov Decision Process)中定义的信息的观测(Observation)信息中所包含的各个观测要素的贝叶斯网络(Bayesian Network)，组合相同的事件观察区域中的多个观测要素单位的贝叶斯网络，构建内部网络对应的贝叶斯网络；

动态贝叶斯网络生成步骤，在数据处理部中解析不同的事件观察区域中的多个内部网络对应的贝叶斯网络中所包含的要素间的关联性，构建具有不同的事件观察区域中的要素间的关联信息的互联网络对应的动态贝叶斯网络；以及

因数POMDP生成步骤，在数据处理部中，根据上述动态贝叶斯网络，生成包含有在POMDP中定义的信息的要素的关系信息的因数POMDP(Factored POMDP)。