[发明专利]信息处理设备、信息处理方法和程序

说明书

提供了一种方案，该方案允许容易地理解或分析三个或更多个变量之间的关系。一种信息处理设备(100)包括控制单元(130)，该控制单元(130)相对于包括由三个或更多个变量构成的多变量的值的数据，接收多变量值当中的具体关注变量的指定，并输出第一信息，该第一信息表示具体关注变量与包括多变量当中的两个或更多个解释变量的解释变量的组合之间的关系的强度。

技术领域

本公开涉及信息处理设备、信息处理方法和计算机程序。

背景技术

近年来，存在对用于从数据(例如，大数据)中提取有用信息的数据分析技术进行改进的需求。分析结果用于理解已经发生的现象，并预测、控制或干预未来。

在多变量数据分析中的一个基本项是估计关系(例如，两个变量之间的相关性)。由于多变量数据的分析结果的可读性，所以所估计的两个变量或多个变量之间的关系经常被表示为图形模型(在下文中，也称为图形)。

例如，下面的非专利文献1和非专利文献2以及专利文献1公开了用于基于多变量数据估计多个变量之间的因果关系并将该关系表示为图形的技术。

现有技术文献

非专利文献

非专利文献1：P.Spirtes、C.Glymour、R.Scheiness的“Causation,Prediction,and search”，MIT Press，第二版，2000

非专利文献2：J.Pearl的“Probabilistic Reasoning in Intelligent System”，Morgan Kaufmann，1988

非专利文献3：E.Castillo、J.M.Gutierrez以及A.S.Hadi的Expert System andProbabilistic Network Models，Springer，1997

非专利文献4：J.Pearl的“Causality”，Cambridge University Press，第二版，2009

专利文献

专利文献1：日本公开专利公开号2014-228991

发明内容

本发明要解决的问题

存在在图形中表示各种关系的示例。例如，在铁路网络中，车站可以表示为节点，线路表示为边(边缘)，并将数值(例如，连接边的两个车站之间的距离、所需时间或票价)分配给边。与此类似，同样在神经网络中，指示两个节点之间的关系的权重(数值)可以被分配给边，使得同样在表示相关性或因果关系的网络形状的图形中，容易考虑将两个变量之间的关系的强度(例如，对应于权重的相关系数或互信息量)分配给表示变量的节点之间的边，并且实际上，这在许多情况下被表示。然而，在非专利文献1和非专利文献2以及专利文献1中公开的技术中，尽管估计了图形信息与关于两个变量之间的关系的强度的信息，但是仅利用这些信息不能容易地知道多个变量之间的定量关系的强度。

因此，在相关性或因果关系中，经常发现三个或更多个变量之间的关系很重要的情况，但是存在一个问题，即难以用上述表示方法来表示这些关系。另一方面，如非专利文献4中公开的那样，通过检查条件概率分布，可以通过检查多个变量的联合概率分布或条件概率分布来定量地检查多个变量之间的关系。然而，由于可能存在许多用于组合三个或更多个变量的方法，当不清楚哪个组合重要时，存在需要花费大量努力来彻底检查多个变量之间的关系的问题。

在这方面，本公开提供了一种能够容易地掌握或分析三个或更多个变量之间的关系的机制。

问题的解决方案