[发明专利]用于可视化事件序列中的风险评估值的方法、设备以及计算机程序

说明书

技术领域

本发明涉及用于可视化计算的风险评估值的方法、设备以及计算机程序，其中，对于部分按时序(time series)发生的每个事件序列计算对于预定事件的发生的风险评估值。

背景技术

通常，在关键事件(critical event)发生之前，被认为是预兆的若干事件按时序发生。因此，期望的是，从按时序发生的一组事件(以下称为事件序列)估计关键事件发生的可能性，以便提供事前警告。

然而，在许多情况下，通常从给定的事件序列并不清楚哪个事件与关键事件有联系。并且，因为可能的事件序列的数量通常是巨大的，所以难以在给定的情况下预先假定事件之间的联系。因此，已开发了通过估计从例如神经元模型和基于事例(case)的推理引擎建模的风险评估值来预测事件的发生的各种系统。

例如，在专利文献1中公开了具有基于事例的推理引擎的信息管理设备。在专利文献1中，为了考虑事例中的时序，时序数据被输入并存储。这些事例的重要性被计算，并且具有高度重要性的事例作为相似事例被提取。

引文列表

专利文献

专利文献1 特开2002-207755号公报

发明内容

技术问题

然而，即使当时序数据被用作输入时，专利文献1也仅计算考虑季节、时间段等的重要性程度。例如，即使当相同类型的事件已在同一时间段中发生时，如果时序不同，则可能发生的事件也不同。因此，难以正确地提取相似的事件。

并且，不可能实际地假定医疗事件中的所有可能的事例。即使可以假定它们，非常少的事例是完全相同的。因此，预先将所有的事例作为相似的事例存储以供提取是不现实的。换句话讲，用于将具有不同长度和元素的事件序列进行比较的合适手段不存在，并且难以基于事件序列可视地(visually)验证风险评估值并对其给出反馈。

鉴于这种情况，本发明的目的在于提供一种用于可视化事件序列的风险评估值的方法、设备以及计算机程序，其中，可以基于指示事件序列的半序集(partially ordered set)来估计全序集(totally ordered set)，并且可以可视化对于每个事件序列而计算的风险评估值。

问题的解决方案

为了实现这个目的，本发明的第一方面是一种设备可执行的用于计算并显示对于事件序列的风险评估值的方法，其中，所述事件序列包括M种有限数量类型的事件(其中，M为自然数)，并且事件组的一部分为按时序的半序集。这里，所述方法包括：基于所述事件序列来产生M维稀疏有序矩阵、在所产生的稀疏有序矩阵的元素之间进行插值、并且计算密集有序矩阵的步骤；基于所计算的密集有序矩阵通过使用嵌入方法来计算映射矩阵的步骤，所述映射矩阵用于在二维空间或三维空间中映射事件序列之间的相似关系；以及通过使用所计算的映射矩阵来计算每个事件序列在二维空间或三维空间中的对应点、并且在二维或三维空间中输出并显示所计算的对应点的步骤。

本发明的第二方面是本发明的第一方面中的方法，其中，所述映射矩阵被计算为最小化目标函数的矩阵，所述目标函数即使在事件序列之间的相似关系已被映射在二维或三维空间中的情况下也能够同样在事件序列之间维持相似关系。

本发明的第三方面是本发明的第一或第二方面中的方法，其中，所述方法还包括以下步骤：对所述事件序列运行似然交叉验证(likelihood cross-validation)，并且估计已运行似然交叉验证的事件序列的核密度(kernel density)。

本发明的第四方面是本发明的第三方面中的方法，其中，所述方法还包括以下步骤：对于所有的事件序列计算二维空间或三维空间中的对应点，在每个所计算的对应点处确定核密度是否大于预定值，并且叠加(superimpose)超过所述预定值的对应点的外接区域(circumscribed area)且输出所述外接区域以供显示。