人間行動分析システム及び方法
【課題】集団におけるストレスの特性を利用し、組織を構成する構成員や組織全体のストレス度を推定する。
【解決手段】センサ等で計測されたデータに基づく人間関係を表現する人間関係グラフデータが与えられた場合に（１０１）、職場組織などを構成する人と人の相互作用を記述するエネルギー関数を定義し、エネルギーを最小化する処理（１０３）により、組織のストレス度のような系のマクロな指標値（１０４、１０５）を求めることができるようにするものである。人間関係グラフを構成する全ノードのうち一部のノードの指標の値（例えばストレス度）がアンケートやその他の推定方法によりわかれば、処理部はそれらを入力して、上記人間関係グラフデータを用いてエネルギー関数を最小化する処理により、その他のノードの状態を決定する。
【解決手段】センサ等で計測されたデータに基づく人間関係を表現する人間関係グラフデータが与えられた場合に（１０１）、職場組織などを構成する人と人の相互作用を記述するエネルギー関数を定義し、エネルギーを最小化する処理（１０３）により、組織のストレス度のような系のマクロな指標値（１０４、１０５）を求めることができるようにするものである。人間関係グラフを構成する全ノードのうち一部のノードの指標の値（例えばストレス度）がアンケートやその他の推定方法によりわかれば、処理部はそれらを入力して、上記人間関係グラフデータを用いてエネルギー関数を最小化する処理により、その他のノードの状態を決定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、人間行動分析システム及び方法に係り、特に、ウェアラブルなセンサ、たとえば名札型センサノードや腕時計型センサノード、あるいは携帯電話の使用ログ、その他の手段によって測定される、人間関係や人間の様々な行動を反映した大量データ全般を解析し、組織経営やサービスの最適化などを行う技術、及び、ストレスやその他の人間の内部状態を表す指標値を推定する技術に関する。
【背景技術】
【０００２】
ストレスは現代社会において大きな社会問題の一つであり、世界各国で深刻化し対策が求められている。ストレスの計測方法や推定方法はいくつかの手法が提案されており、音声特徴量（特許文献１）、各種生理情報（特許文献２）、皮膚温度（特許文献３）などを指標にして個人のストレス度を測定する手法などがある。心理学の分野では、アンケート調査をベースにした人間の内部の状態を分析する調査方法が確立されている。たとえば２０から４０程度の質問に答えることにより得られるＣＥＳ−Ｄ（Ｃｅｎｔｅｒ ｆｏｒ Ｅｐｉｄｅｍｉｏｌｏｇｉｃａｌ Ｓｔｕｄｉｅｓ Ｄｅｐｒｅｓｓｉｏｎ Ｓｃａｌｅ）と呼ばれる指標を用いることで、人のストレス度合を測定することが可能である。ＣＥＳ−Ｄは０から６０までのスコアとして算出され、１６以上はうつ病になるリスクが高いとされている。このＣＥＳ−Ｄを用いて、組織のストレス状態を見つもり、適当な施策を施すことにより、健全な組織活動を促す、ことも可能である。一方で、集団におけるストレスの性質に関する研究もあり、たとえばハーバード大学の研究では、親友同士や隣人などの間でストレスが伝搬する、という報告がなされている（非特許文献１）。この研究では、高ストレス者とつながりが深い人もまた高ストレスになりやすい、という分析結果が報告されている。
【０００３】
ストレスは、特に職場組織においても深刻な問題となっており、メンタルヘルスケアの重要性が叫ばれている。そのような状況において、人間の行動を小型センサを用いて定量的に計測し、得られた行動データと、ストレス度のような指標との関係を分析することにより、組織の改善につなげられる可能性が高まってきている。近年、ウェアラブルなセンシングデバイスの小型、軽量化が進んだことにより、例えば加速度センサや赤外線センサや小型のマイクロフォンなどを搭載した、名札型や腕時計型のセンサノードを大きな負荷なく使用者が常時装着することが可能になってきた。この結果、研究者は対面時間や会話の有無、物理的な振動の周波数などのデータから「組織における人々のコミュニケーションの状態」や「行動の様子」や「歩行、睡眠などの生活リズム」を反映する大量、多種かつ長期間の時系列データ取得することが可能になった。人と人のコミュニケーションに関する定量的なデータが得られれば、ノードを人、リンクを人と人との間のコミュニケーションとすれば、組織における人と人とのネットワーク構造を得ることができる。この人間関係を表すネットワーク構造とさまざまな指標を解析することにより、これまでの限られた量あるいは種類のデータを解析することでは解明できなかった組織における人間観関係や人間の行動と、目的とする指標、例えば組織の活性度、生産性、あるいはストレス度など、との関係に関する新しい知見が得られ、それをサービスや経営につなげられる可能性が拡がっている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−０００３６６号公報
【特許文献２】特開平０８−２５２２２６号公報
【特許文献３】特開平０９−２９４７２４号公報
【非特許文献】
【０００５】
【非特許文献１】Ｊ．Ｎ．Ｒｏｓｅｎｑｕｉｓｔ， Ｊ．Ｈ．Ｆｏｗｌｅｒ， ａｎｄ Ｎ．Ａ．Ｃｈｒｉｓｔａｋｉｓ， Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆ Ｄｅｐｒｅｓｓｉｏｎ， Ｍｏｌｅｃｕｌａｒ Ｐｓｙｃｈｉａｔｒｙ， ｐｐ．１−９、（２０１０）．
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上に示した非特許文献１では、集団において、とくにつながりが深い関係にある人同士で、ストレスが伝搬する、という知見が述べられており、職場組織におけるストレスケアに応用できる可能性はある。しかしながら、実際にどのように組織の構成員のストレスを推定するか、という方法に関しては示されていない。
【０００７】
心理学の分野でよく用いられているＣＥＳ−Ｄを組織を構成する全構成員に対して測定すれば、その組織のストレス度合が分かる。しかしながら、組織の規模が大きい場合は、アンケートベースの調査方法では、全員から回答を得ることは容易ではない。また、アンケートの回答基準は個人差があり、結果が正確性に欠ける、という課題もある。また、アンケートに回答するタイミングも回答結果に影響を及ぼす可能性があり、例えば、多忙時と時間的に余裕がある場合には、アンケートの回答結果に大きな違いが生じる可能性もある。さらに、所属する組織が変わると、個人のストレス度も変わるし、新しい組織のストレス度も変化すると考えられるが、それらを測定するためには新しい組織を構成する全構成員に対して改めてアンケート調査によりＣＥＳ−Ｄを計測する必要があり、時間と手間がかかる。また、同じ組織でも、座席を変えることにより他人との物理的な距離が変化し、ストレス度が変化することが考えられるが、そのような場合にも、改めてアンケート調査によりＣＥＳ−Ｄを測定しなければストレス度を評価できないのが現状である。
【０００８】
上述した特許文献１、２、３などを用いれば、アンケート調査を行わなくても個人のストレス値の測定が可能である。しかしながら、これらの方法でも、組織の全構成員に対して測定を実施しなければならないという点は、アンケート調査による測定手法となんら変わりはない。また、非特許文献１に示すように、ストレスは人間関係が大きく影響していると考えられるが、特許文献１、２、３の手法は、個人の指標、たとえば音声特徴量や皮膚温度、を用いてその個人のストレス度を推定する手法であり、職場組織において、他人の状態が自分の状態にどう影響しているか、という人間関係という観点に立ったストレス推定手法ではない。
以上の点に鑑み、本発明の目的は、集団におけるストレスの特性を利用し、組織を構成する構成員や組織全体のストレス度を推定することが可能な、人間行動分析システム及び方法を提供することである。
【０００９】
また本発明の他の目的のひとつは、アンケートに基づいたストレス度の調査方法や、個人の指標から個人のストレス度を推定する手法に関するこれらの課題を解決し、一部の人の指標値から組織の残りの人の指標値を推定することが可能な、人間行動分析システム及び方法を提供することである。
【００１０】
また、本発明の他の目的のひとつは、センサ等による観測データから系の状態を決めるエネルギー関数を定義し、そのエネルギー関数をより小さくする又は最小化することにより、ストレス度のような指標値を推定することが可能な、人間行動分析システム及び方法を提供することである。
【００１１】
本発明の他の目的のひとつは、人間関係グラフの構造を変えた場合に、ストレスなどの指標値がどのように変化するかを予測することが可能な、人間行動分析システム及び方法を提供することである。
【課題を解決するための手段】
【００１２】
上記目的を達成するために、本発明は、人間関係を表現する情報である人間関係グラフが与えられた場合に、職場組織などを構成する人と人の相互作用を記述するエネルギー関数を定義し、コンピュータを用いてエネルギーを最小化する処理により、組織のストレス度のような系のマクロな指標を求めることができるようにするものである。本発明は、人間関係グラフを構成する全ノードのうち一部のノードの指標の値、例えばストレス度、がアンケートやその他の推定方法によりわかれば、エネルギー関数を最小化するコンピュータ上の処理によりその他のノードの状態を決定することができるようにするものである。
【００１３】
本発明で対象とするデータは、人間関係グラフデータとここでは呼ぶが、人と人とのコミュニケーション状態を表すデータ全般である。たとえば、ウェアラブルなセンサ、例えば赤外線センサや加速度センサ、さらには小型のマイクなどを搭載した名札型センサノードを、組織を構成する構成員に装着させて得られる、人と人とのコミュニケーションを定量的に測定したセンサデータに基づくものである。このようなデータから、コミュニケーションが存在する人と人の間にリンクを張ることにより、人をノードとしたネットワーク構造を得ることができる。人間関係グラフとしては、このようなウェアラブルセンサを意識的に装着して計測するデータ以外にも、たとえば、携帯電話の使用ログやＥ−メールの送受信関係など、無意識的に構成される人と人との繋がりを反映したデータであってもよい。
【００１４】
本発明では、測定したい状態量、たとえばストレス、の人間関係グラフ上における性質に基づくエネルギー関数を予め定義する。このエネルギー関数は、最初はアンケートに基づく調査結果と、ネットワーク構造との関連性を分析して得られるものであり、例えば、「高ストレス者に１リンクで繋がっているノードは低ストレスになりやすく、低ストレス者に１リンクで繋がっているノードは高ストレスになりやすい」といった傾向を反映したものであり、この場合は、反強磁性的な振る舞いを記述するイジングモデルのハミルトニアンをエネルギー関数とすることができる。
【００１５】
一旦、組織のストレスに関してこのようなエネルギー関数を定義すれば、組織改革後のような別のタイミングでストレス度を調査する場合には、組織を構成する全構成員に対して改めてアンケート調査を実施しなくても、一部の構成員、たとえばある職位以上の人、についてのみアンケート調査を実施すれば、他の構成員に関しては、ネットワークのエネルギーを最小化する処理により、ストレス状態を推定することが可能になる。
【００１６】
さらに、本発明は、組織改革を行うに当たって現実には実施できない、あるいは試行が困難である人員配置変更や所属変更に関して、人間関係グラフのリンクを繋ぎ変えたり、リンクやノードの数を増減させたり、あるいは、ノードの属性を変化させることにより、エネルギー関数の最小化処理の結果得られるマクロな組織の状態、たとえば組織のストレス度、を評価することで、実際に人員配置変更や所属変更を行った場合にどういう状態になるかを推定する、シミュレータ機能を提供する。
【００１７】
本発明の第１の解決手段によると、
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析システムであって、
ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースと、
前記ノード属性データベースを参照して、ノードの指標を推定する処理部と
を備え、
前記処理部が、前記ノード属性データベースに既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定める処理と
前記処理部が、他のノードについてノードの指標の推定値の初期値を定める処理と、
前記処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求める処理と、
前記処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにする処理と、
前記処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶する処理と
を実行する前記人間行動分析システムが提供される。
【００１８】
本発明の第２の解決手段によると、
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析方法であって、
処理部が、ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースに、既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定めるステップと
処理部が、他のノードについてノードの指標の推定値の初期値を定めるステップと、
処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求めるステップと、
処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにするステップと、
処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶するステップと
を含む人間行動分析方法が提供される。
【発明の効果】
【００１９】
本発明により、集団におけるストレスの特性を利用し、組織を構成する構成員や組織全体のストレス度を推定することが可能な、人間行動分析システム及び方法を提供することが可能になる。
また本発明により、アンケートに基づいたストレス度の調査方法や、個人の指標から個人のストレス度を推定する手法に関するこれらの課題を解決し、一部の人の指標値から組織の残りの人の指標値を推定することが可能である。
【００２０】
また、本発明により、センサ等による観測データから系の状態を決めるエネルギー関数を定義し、そのエネルギー関数をより小さくする又は最小化することにより、ストレス度のような指標値を推定することが可能である。
本発明により、人間関係グラフの構造を変えた場合に、ストレスなどの指標値がどのように変化するかを予測することが可能である。
【図面の簡単な説明】
【００２１】
【図１】本発明の人間行動分析手法およびシステムの全体概略図を示す図である。
【図２】本発明の、人間関係グラフ上の距離、すなわちパス数と、指標値の関係を示す図である。
【図３】本発明の、システム構成を示すブロック図である。
【図４】本発明の、対面情報データベースに格納するデータセットの例を示す図である。
【図５】本発明の、ノード属性データベースに格納するデータセットの例を示す図である。
【図６】本発明の、指標値の推定を行う処理を示すフローチャートである。
【図７】本発明の、シミュレーションの例（１）を示す図である。
【図８】本発明の、シミュレーション（１）のフローチャートを示す図である。
【図９】本発明の、シミュレーション（１）の実験結果を示す図である。
【図１０】本発明の、指標値が未知の人の指標値を推定するシミュレーションの例（２）を示す図である。
【図１１】本発明の、シミュレーション（２）のフローチャートを示す図である。
【図１２】本発明の、シミュレーション（２）の実験結果を示す図である。
【図１３】本発明の、あるノードの指標値を変えた場合の全体の指標値を推定するシミュレーションの例（３）を示す図である。
【図１４】本発明の、シミュレーション（３）の実験結果を示す図である。
【図１５】本発明の、２パスで繋がった人の指標値を用いて推定値を補正することを説明する図である。
【発明を実施するための形態】
【００２２】
以下、本発明の実施形態について図面を用いて説明する。
１．人間行動分析システム及び方法
図１は、本実施の形態における人間行動分析手法およびシステムの処理の流れを説明する概略図である。符号１０１は人間関係を表すデータである人間関係グラフデータの入力、符号１０２は人間関係グラフの分析処理、符号１０３は人間関係グラフの分析処理のうちエネルギー最小化計算、符号１０４は人間関係グラフの分析処理のうち各ノードの状態決定処理、符号１０５は人間関係グラフの分析処理のうち系のマクロな状態の決定処理、符号１０６は人間関係グラフの分析処理の結果のデータを出力する処理、である。
【００２３】
図１において、人間関係グラフデータ１０１とは、たとえば加速度センサ、赤外線センサ、小型マイクなどを搭載したウェアラブルなセンサ、例えば名札型センサ、を人に装着して得られる対面データや、対面と会話を合わせたコミュニケーションデータを反映したネットワーク情報である。対面データは、例えば人に装着した名札型センサに搭載された赤外線照射部と赤外線センサにより、対面する人の赤外線照射部からの赤外線を赤外線センサで検出することにより得られる対面時間である。人と人との対面がセンサにより検出されてデータ化される。また、対面と会話を合わせたコミュニケーションデータは、例えば赤外線センサ等で得られる上述の対面時間のほかに、小型マイクにより検出した発話時間を加味してデータ化（指標化）したものを用いることが出来る。これら以外にも、適宜のセンサで検出したセンサデータにより人と人とのコミュニケーションが数値化されてもよい。
【００２４】
この場合、ネットワークのノードが人に対応し、リンクは、ある一定時間以上コミュニケーションしている場合にノード間にリンクを張る、というルールに基づいてノード間に引かれる。例えば、ノード間を関連付けるデータを記憶して人間関係データが作成される。なお、このようにウェアラブルなセンサを意識して装着することにより作成される人間グラフでなくても、携帯電話の使用ログやＥ−メールの送受信記録などから構築できる人と人との繋がりを反映した情報を人間関係グラフデータとして、本実施の形態の人間行動分析手法およびシステムに入力してもよい。
【００２５】
同図において、人間関係グラフ分析処理１０２は、１０１で入力された人間関係グラフデータから、系のエネルギー最小化計算１０３の結果、グラフの各ノードの状態を決定１０４し、全ノードの平均値の計算などにより系のマクロな状態を決定１０５する処理である。ここでの系は、例えば各ノードに対応する複数の人で構成される組織に対応する。
同図において、エネルギー最小化計算１０３では、各ノードの状態（たとえば各ノードのストレス度、ストレスの指標値）を確率的に変化させながらできるだけ系全体のエネルギーが小さくなるように各ノードの状態を変化させ、ある一定時間あるいは一定計算回数経過した場合に計算を終了する。
【００２６】
同図において、エネルギー最小化計算１０３の結果、各ノードの状態が決定１０４される。
同図において、各ノードの状態が決定１０４されると、例えば全ノードの指標値の平均値を計算することにより、系のマクロな状態、たとえば組織のストレス度、が決定１０５される。系のマクロの状態を決定するためには平均値を計算する以外にも、マクロな指標の定義に従ってさまざまな計算式により各ノードの指標の値から系のマクロな指標の値を計算してもかまわない。たとえば、系のマクロな量である比熱は、同じく系のマクロな量であるエネルギーの２乗平均とエネルギーの平均と温度パラメタを用いて計算される。
同図において、人間関係グラフ分析処理１０２の結果、各ノードの状態（個人のストレス度）と系のマクロな状態（組織のストレス度）とが決定されると、その結果を反映した人間関係グラフデータを出力１０６する。たとえば、ネットワーク図に結果を視覚的に反映して表示してもよいし、組織のストレス度のようなマクロな値を数値としてあるいはグラフとして出力してもよいし、あるいはマトリクスの形で出力してもよい。
【００２７】
図２は、本実施の形態で分析対象とする、人間関係グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標）を説明する図である。
図２（ａ）において、符号２０１は人間関係グラフにおいて人を表すノード番号、符号２０２はノード自身のストレス度を表すＣＥＳ−Ｄ値、符号２０３はノード番号ｉのノードと１パス、すなわち１本のリンクで繋がっている複数のノードのＣＥＳ−Ｄ値の平均値、符号２０４はノード番号ｉのノードと２パス、すなわち２本のリンクを辿って繋がっている複数のノードのＣＥＳ−Ｄ値の平均値、符号２０５はノード番号ｉのノードとｒパス（ｒは自然数）、すなわちｒ本のリンクを辿って繋がっている複数のノードのＣＥＳ−Ｄ値の平均値を示す。また、図２（ｂ）の符号２０６はｒに対してノードｉのＣＥＳ−Ｄ値と、ノードｉとｒパスで繋がっているノードのＣＥＳ−Ｄの平均値との相関係数Ｒをプロットした図である。図２（ｃ）の符号２０７は人間関係グラフの例を示す。符号２０８は着目するノードｉ、符号２０９はノードｉと１パスで繋がっているノード、符号２１０はノードｉと２パスで繋がっているノードを示す。
【００２８】
図２では、人間関係グラフを構成する人数、すなわちノードの数が１００の場合を示してあるが、ノード数はそれ以上でも以下でも構わない。
同図において、ストレス度を表すＣＥＳ−Ｄは０から６０までの値をとり、値が高いほどストレス度が高く、１６以上はうつ病になるリスクが高いとされている。
同図において、ノード番号ｉのＣＥＳ−Ｄ値２０２と、ノード番号ｉのノードと１パス、すなわち１本のリンクで繋がっているノードのＣＥＳ−Ｄ値の平均値２０３とを見比べると、一方が高いと他方が低く、逆に一方が低いと他方が高い、という傾向がうかがわれる。このように、ＣＥＳ−Ｄ値は、人間関係グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標）である。実際にこの２つ（列２０２と２０３）の相関係数を計算するとグラフ２０６に示すようにｒ＝１の場合に負の値をとる。なお、同図において、相関係数の値を示すグラフ２０６において、ｒ＝０の場合は、自分のＣＥＳ−Ｄ同士の相関であるから、当然、相関係数Ｒは１になる。
【００２９】
同図において、パス数（距離）ｒに対する相関係数のグラフ２０６に示すように、相関係数は、パス数ｒの増加に伴って正負の値を交互にとりながら、除々に減衰する。このような相関係数の傾向は、磁性体において、反強磁性と呼ばれる物質における、スピン相関関数の振る舞いとよく似ている。このことから、以下のことが示唆される。
隣接するノード間でストレス度の高低が逆になるという傾向は、磁性体において隣接する電子のスピンの向きを逆向きにそろえようとする相互作用を表現する、反強磁性イジングモデルを想起させる。イジングモデルは磁性体の基本的なモデルとして磁性体材料科学において重要な役割を果たしてきた。これは、スピン同士の相互作用（交換相互作用）に関する項と、外部磁場に関する項からなるエネルギー関数を最小化するように電子のスピン配位が決まる、とするモデルである。イジングモデルのハミルトニアンＨは以下で与えられる。
【数１】
ここで、Ｓｉ及びＳｊはｉ番目、ｊ番目のスピンであり、＋１または−１をとる。Ｊはスピン間の交換相互作用であり、隣接するスピンｉとｊの間でのみ値をとる。Ｊ＞０の場合は隣り合うスピンを同じ向きにそろえるように（強磁性）作用し、Ｊ＜０の場合は逆向きにそろえるように（反強磁性）作用する。ｈは外から加えられる磁場である。
【００３０】
本実施の形態の人間行動分析手法およびシステムにおいて、グラフ２０６に示すようにストレス度は反強磁性的な性質を示す。そこで、スピンの向きを組織を構成する個人のストレスの高低に対応させ、他人との関係を負の交換相互作用Ｊ＜０（例えば、Ｊ＝−１）で表し、外部磁場ｈを製品の納期や顧客対応などのストレッサ（ストレスを与える要因、刺激）だとすれば、組織におけるストレスをイジングモデルによりモデル化できる。これは、磁性体において外部磁場ｈを加えたときにスピン間で相互作用してエネルギーが極小になるようにスピンの向きが定まり、その平均としてマクロな磁化Ｍがあらわれるのと同じように、納期や顧客対応などのストレッサｈが組織に加わったときに、組織構成員間の相互作用の結果、組織のマクロな特性としてストレス度が決まる、というモデルである。ここでは、ストレス度を表すスピンは±１の２値をとり、ストレッサｈの方向を＋１とする。平均スピンの値が１に近いほどその組織は高ストレスであることを表す。
【００３１】
実際、名札型センサのようなウェアラブルなセンサを用いて計測したコミュニケーションデータから構築した組織のネットワーク構造に対して、各ノードにスピンを割り当て、エネルギー最小化計算を行った結果定まる各ノードのスピンの値を用いて、ノード番号ｉのスピンの値と、ノード番号ｉのノードとｒパス、すなわちｒ本のリンクで繋がっているノードのスピンの値の平均値との相関係数を計算すると、符号２０６に示すグラフと同じような形状のグラフを描くことができる。
同図において、符号２０７は人間関係グラフの一例を示す図であり、ノードとリンクで構成されるネットワーク図である。ここでは、ＣＥＳ−Ｄが３０以上６０以下の高ストレス者を白丸で、０以上３０未満の低ストレス者を黒丸で表現するものとし、以降も同じである。
【００３２】
同図において、符号２０６に示すようなＣＥＳ−Ｄの相関関係がある場合、人間関係グラフはたとえば同図２０７に示すような状態になる。すなわち、着目するノードｉ２０８が高ストレス者である場合、すなわち白丸である場合、ノードｉと１パス（及び奇数パス）で繋がっているノード２０９は低ストレス、すなわち黒丸になる傾向があり、ノードｉと２パス（及び偶数パス）で繋がっているノード２１０は高ストレス、すなわち白丸になる傾向がある。図には示していないが、白黒を反転させた場合も成立し得て、着目するノードｉ２０８が低ストレス者である場合、すなわち黒丸である場合、ノードｉと１パスで繋がっているノード２０９は高ストレス、すなわち白丸になる傾向があり、ノードｉと２パスで繋がっているノード２１０は低ストレス、すなわち黒丸になる傾向がある。
【００３３】
図３は、本実施の形態の人間行動分析システムの構成を示す図である。
人間行動分析システムは、例えば、表示装置３０３と、入力装置３０４と、通信装置３０５と、ＣＰＵ（処理部）３０６と、ハードディスク３０７と、メモリ３０８と備える。なお、入力装置３０４と通信装置３０５の双方を備えてもよいし、一方でもよい。また、人間行動分析システムは、データ管理サーバ３０２をさらに備えてもよい。さらに、上述のウェアラブルなセンサなどの人と人との関係を示すデータを測定する各種センサを備えても良い。
【００３４】
図３において各符号は、３０１は対面時間などの人間関係グラフデータと一部あるいは全ノードの指標値（たとえばアンケートなどの手法により得られたストレス度を表すＣＥＳ−Ｄ値）を格納したＤＶＤなどの記録メディア、３０２は人間関係グラフと一部あるいは全ノードの指標値を格納したデータ管理サーバを示す。また、３０３は表示装置、３０４は入力装置、３０５は通信装置、３０６はＣＰＵ、３０７はハードディスク、３０８はメモリを示す。３０９は人間関係グラフデータである対面時間情報を格納する対面情報データベース、３１０はノードごとの指標値などを格納するノード属性データベース、３１１は人間関係グラフ分析プログラムを示す。３１２は人間関係グラフ分析プログラム３１１のうちエネルギー最小化計算処理、３１３は人間関係グラフ分析プログラム３１１のうち各ノードの状態決定処理、３１４は人間関係グラフ分析プログラム３１１のうち系のマクロな状態決定処理、３１５はインタネット網を示す。
【００３５】
同図において、人間関係グラフを表すデータは、たとえば名札型センサのようなウェアラブルセンサから得られたり、携帯電話やＥ−メールの使用ログから得られたり、そのほかの方法で得られる「誰と誰が何分対面しているか」というような対面情報と、アンケートなどから得られる既知の指標値、例えばストレス度、であり、これらはＤＶＤなどの記録メディア３０１に記録されているか、あるいは、データ管理サーバ３０２に蓄積されている。
同図において、分析対象とする人間関係グラフデータのうち対面時間のデータと一部あるいは全ノードの既知の指標値は、本実施の形態の人間行動分析処理を実行するハードウェア構成のうち、通信装置３０５がインタネット網３１５を介してデータ管理サーバ３０２から入力するか、入力装置３０４がＤＶＤなどの記録媒体に記録されたメディアデータ３０１として入力する。
【００３６】
同図において、入力装置３０４あるいは通信装置３０５を介して入力された、分析対象とする人間関係グラフデータの対面情報は、一旦、ハードディスク３０７の中の対面情報データベース３０９に格納される。同図において、入力装置３０４あるいは通信装置３０５を介して、分析対象とする一部あるいは全ノードの指標値が入力された場合も、一旦、ハードディスク３０７の中のノード属性データベース３１０に格納される。
同図において、人間関係グラフデータのうち対面時間のデータと一部あるいは全ノードの指標値の分析を行うときには、ハードディスク３０７に格納したこれらのデータをメモリ３０８に読み出し、ＣＰＵ３０６が分析プログラム３１１を実行することで、分析処理が実行される。
同図において、エネルギー最小化計算処理３１２を行うためには、イジングモデルを用いて系のエネルギー関数を定義し、そのエネルギー関数を最小化する計算を行う。エネルギー最小化計算に関して、メトロポリス法を例に詳細に説明する。
【００３７】
（メトロポリス法）
まず、メトロポリス法に基づく処理の流れを説明する。これらの処理は、ＣＰＵ３０６で実行される。ハードウェア資源を用いたより具体的な処理は、データベース、フローチャートを参照して後に詳述する。
【００３８】
エネルギーＥは上述の式（１）で定義される。式（１）のＨがＥとなる。ここで、Ｓｉは各ノードの指標値であり、例えばストレス度を表す値である。ここでは、Ｓｉは＋１あるいは−１のどちらかをとるものとして説明を行う。
操作１：まず、初期状態のエネルギーＥを（１）式に従い計算する。
操作２：次に、系の状態を変化させる。ここで変化とは、例えば、あるひとつのノードｉの指標値Ｓｉを反転させる操作であり、もしＳｉが初期状態で＋１ならば−１に、初期状態で−１ならば＋１に変える操作である。
操作３：状態を変化させたら、再びエネルギーを計算し、Ｅ’とする。
操作４：状態を変化させた後のエネルギーＥ’と状態を変化させる前のエネルギーＥの差ΔＥ＝Ｅ’−Ｅを計算する。
操作５：もしΔＥ＜０ならば、状態を変化させた新しい状態の方がエネルギーが低いので、その状態を受け入れ、Ｅ＝Ｅ’として操作２、３、４、５あるいは６を所定回数だけ繰り返す。
操作６：もしΔＥ≧０ならば、状態を変化させた新しい状態の方がエネルギーが高い、あるいは同じであるが、この場合には、確率的に新しい状態を受け入れるか否かを決定する。具体的には、０から１までの乱数ｒａｎｄを発生させ、ある確率ｐと比較してｒａｎｄ＜ｐならば新しい状態を受け入れ、Ｅ＝Ｅ’とし、操作２、３、４、５あるいは６を行う。そうでなければ状態を変化させる前の状態に戻す。すなわち、状態を変化させたＳｉを再び反転させて元の状態に戻す。このように、ΔＥ≧０の場合も確率的に新しい状態を受け入れ、例えば、ローカルミニマムに陥ることを回避する。そのあと、操作２、３、４、５あるいは６を繰り返す。ここで確率ｐは、たとえば系のエネルギー分布がカノニカル分布に従う場合には、ｐ＝ｅｘｐ（−ΔＥ／Ｔ）であり、Ｔは温度パラメタである。
上記の操作１、２、３、４、５あるいは６を所定回数行い、計算を終了する。
なお、エネルギー最小化計算はメトロポリス法以外の計算方法を用いてもかまわない。
【００３９】
同図において、エネルギー最小化計算処理３１２を行う場合に、全てのノードの指標値が未知の場合には、操作１における初期状態はランダムに決める。すなわち、乱数を用いて各ノードの指標値を＋１か−１に決め、エネルギー最小化計算を所定回数繰り返す。このとき、指標値は、ノード属性データベース３１０に格納されているデータセットに設定され、エネルギー最小化計算を行う度に更新された値が再設定される（図５の説明を参照）。
同図において、エネルギー最小化計算を行う場合に、一部あるいは全てノードの指標値が、たとえばアンケート調査やその他の推定法により既知の場合は、それらのノード指標値をあるしきい値により２値化し＋１あるいは−１の値を割り当て、指標値が未知のノードに関してはランダムに＋１あるいは−１を割り当てたものを、初期状態とする。この時も、指標値は、ノード属性データベース３１０に格納されているデータセットに設定され、エネルギー最小化計算を行う度に更新された値が再設定される。なお、上述のしきい値は予め定められることができる。
【００４０】
同図において、エネルギー最小化計算３１２の結果、各ノードの状態を決定３１３することができる。各ノードの状態を決定する方法としては、所定回数のエネルギー最小化計算を終了したときの各ノードの状態、すなわち各ノードのストレス値である＋１あるいは−１、を採択してもよいし、所定回数のエネルギー最小化計算を行う途中でサンプリングした状態の値をサンプリング回数で割った値、いわゆる熱力学的平均値を用いてもよい。ある量Ａの熱力学的な平均値＜Ａ＞は以下で計算される。
【数２】
Ｑは状態数であり、例えば所定計算回数を３００，０００回とし、このうち５回ごとにＡを計算するとすれば、Ｑ＝６０，０００である。この方法により各ノードの状態を決定３１３する場合には、Ｓｉは＋１あるは−１の２値をとるが、（２）式のＡをＳｉとした平均＜Ａ＞を計算するために、状態は−１以上１以下の実数値になる。
【００４１】
同図において、各ノードの状態が決定３１３されれば、系のマクロな状態を決定３１４することができる。たとえば、組織の平均のストレス度をＭとすれば、Ｍは各ノードのＳｉの値の平均値として計算され、
【数３】
となる。Ｎはノード数である。なお、上述のＭは、熱力学的な平均値をとっても良いし、通常の平均値でもよい。
同図において、分析プログラム３１１の計算結果は、その結果を反映した人間関係グラフデータをネットワーク図として視覚的に表示部３０３に表示されたり、マトリクス形式のデータとしてハードディスク３０７に格納される。
【００４２】
図４は、本実施の形態の人間行動分析手法およびシステムにおいて、外部から入力する人間関係グラフデータのうち対面時間情報に関するデータセットの例を示す図（ａ）と、それを用いて描くことができるネットワーク図の例を示す図（ｂ）である。対面時間情報に関するデータセットは図３において対面情報データベース３０９に格納されるものである。
同図において、各符号４０１、４０２、４０３、４０４はユーザＩＤを行方向に並べたものであり、各符号４０５、４０６、４０７、４０８はユーザＩＤを列方向に並べたものである。また、各符号４０９、４１０、４１１、４１２はユーザをノードとして描いたネットワーク図における各ノードである。
同図において、マトリクス要素は組織を構成するユーザ同士の対面時間を表しており、たとえば、赤外線センサを搭載した名札型のウェアラブルセンサを組織の構成員に装着させて得られる対面時間などである。このように、対面情報データベース３０９は、各ユーザＩＤの組み合わせに対応して、ユーザ同士の対面情報（例えば対面時間）が記憶される。なお、図示のようなマトリクス形態でなくても適宜のフォーマットでもよい。
【００４３】
同図において、マトリクス要素の対面時間は、たとえば１日ごとの平均対面時間を分で表している。対面時間の計測方法は、上述したようなウェアラブルなセンサを用いて計測してもよいし、それ以外の方法を用いてもかまわない。
同図において、同じユーザ同士、例えばＵｓｅｒ１（４０１と４０５）、Ｕｓｅｒ２（４０２と４０６）、Ｕｓｅｒ３（４０３と４０７）、Ｕｓｅｒ１００（４０４と４０８）では、自分自身との対面であるから情報としてはゼロであるため、０と記入してある。実際のデータでは、０以外の適宜のデータが記憶されてもよいし、ブランクでもよい。
同図において、一例としてＵｓｅｒ１（４０１）とＵｓｅｒ２（４０６）のマトリクス要素は１３．５５であり、これは、たとえば一日平均１３．５５分Ｕｓｅｒ１とＵｓｅｒ２が対面していることを示している。
同図に示すような対面時間に関するデータセットをもちいれば、組織において誰と誰がどの程度対面しているかという情報が得られる。
【００４４】
このような対面関係を示すデータから組織における人と人との関係を表すネットワーク図を描くことができる。この場合、ユーザをノードとし、たとえば「対面時間が５分以上のノード間にリンクを描く」というルールを定義すれば、ノードとリンクから構成されるネットワーク図を描くことができる。
同図において、「対面時間が５分以上のノード間にリンクを描く」というルールを用いてネットワーク図を描く場合、Ｕｓｅｒ１（４０１）とＵｓｅｒ２（４０６）のマトリクス要素は１３．５５であるからノード１（４０９）とノード２（４１０）の間にリンクを引く。同様に、Ｕｓｅｒ１（４０１）とＵｓｅｒ３（４０７）のマトリクス要素は１５．７であるからノード１（４０９）とノード３（４１１）の間にもリンクを引く。Ｕｓｅｒ２（４０２）とＵｓｅｒ３（４０７）のマトリクス要素は３．７５であるからノード２（４１０）とノード３（４１１）の間にはリンクを引かない。同様にして、ノード１００（４１２）とノード１（４０９）、およびノード１００（４１２）とノード３（４１１）の間にはリンクが引かれる。このようにして図４（ｂ）に示すネットワーク図を描くことができる。なお、５分を閾値とする以外にも予め定められた適宜の時間を閾値としてもよい。
【００４５】
図５は、図３で説明したシステム構成のうち、ノード属性データベース３１０の構成を説明する図である。
ノード属性データベース３１０は、図中５０１で示すノード番号（ノード識別子）と、５０２で示すアンケート調査により測定したＣＥＳ−Ｄ値（観測値、既知の指標値）と、５０３で示す指標の推定値と、５０４で示すリンク先ノード番号とを対応して記憶する。図中５０５はアンケートなどの手法によりストレス度などの指標値が得られているノードであり、５０７はアンケート調査により回答が得られずＣＥＳ−Ｄ値が未知であるノード、である。
同図において、アンケートにより得られたＣＥＳ−Ｄ値は、値が得られているノード５０５に関してはその値（入力される値）がそのままデータセットの列５０２に格納され、値が得られていないノード５０６に関しては、「未回答」であることを示すたとえばｎｕｌｌ文字などが列５０２に設定される。
【００４６】
同図に示すデータセットにおいて、推定値の列５０３には、たとえば初期値として＋１あるいは−１を割り当てておいて、エネルギー最小化計算３１２を繰り返すたびに、各ノードに対して列５０３の値を更新する。
同図において、図３及び図４で説明した対面情報データベース３０９を用いて、ある閾値以上の対面時間の場合にリンクを引くとした場合に、各ノードのリンク先ノードの番号をデータセットの列５０４に格納する。例えば、リンクの両端のノードの一方のノードに対し、他方のノードの番号をリンク先ノード番号に格納し、逆も同様である。これにより、人間関係グラフを作成することができる。なお、リンク先ノード番号は、入力される対面情報に基づき、ＣＰＵ３０６が記憶する以外に、データ管理サーバ３０２等の適宜の装置によって予めノード番号５０１とリンク先ノード番号５０４の対応関係（リンク情報）が作成されて、データ管理サーバ３０２や記録メディア３０１等から入力されてもよい。
【００４７】
図６は、ストレス度を推定する処理のフローチャートを示す図である。
同図において、処理６０１は人間関係グラフデータ入力処理、処理６０２は初期状態のエネルギーＥの計算、処理６０３は状態を変化させたときのエネルギーＥ’の計算、処理６０４はエネルギー差ΔＥ＝Ｅ’−Ｅの計算、処理６０５はΔＥが正か負の判定処理、処理６０６は状態変更を受け入れ系のエネルギーＥをＥ’にする処理、処理６０７はエネルギー最小化計算を所定回数行ったかどうかを判定する処理、処理６０８は０以上１以下の乱数発生処理、処理６０９は発生させた乱数がある値ｐより大きいか小さいかを判定する処理、処理６１０は系の状態を変化させる前の状態に戻す処理、処理６１１は各ノードの指標値を決定する処理、処理６１２は系のマクロな状態を決定する処理、である。
【００４８】
まず、ＣＰＵ３０６は、人間関係グラフデータ入力処理６０１において、記録メディア３０１やデータ管理サーバ３０２から人間関係グラフデータを入力し、ノード属性データベース３１０等に格納する。人間関係グラフデータ入力処理６０１において入力する人間関係グラフデータは、加速度センサや赤外線センサや小型マイクなどを搭載したウェアラブルなセンサで計測した対面情報データセット３０９から作成したリンク先ノード情報、アンケートなどの手段で計測したあるノードについての既知の指標値となどを格納したノード属性データセット３１０である。なお、リンク先ノード情報が作成されていない場合には、ＣＰＵ３０６は、データ管理サーバ３０２等から対面情報データを入力して対面情報データベース３０９に格納し、対面情報データから上述のリンクを張るルールに従いノード属性データベース３１０のリンク先ノード情報を作成する。例えば、入力された対面情報データにおける各ノードＩＤ同士について対面情報データ（対面時間）を閾値と比較し、閾値より大きい場合には関係があるとして、一方のノードＩＤに対応するリンク先ノード情報に他方のノードＩＤを書き込む。逆も同様にして、双方のノードＩＤに対して書き込む。
【００４９】
初期状態のエネルギーＥの計算６０２では、ＣＰＵ３０６が、ノード属性データベース３１０に格納されているデータセットを参照して、推定値として＋１あるいは−１の値が割り振られている各ノードのスピンの値（指標値）を取得し、式（１）に従いエネルギー関数Ｅを計算する。ＣＰＵ３０６は、指標の推定値及び求められたエネルギー関数を、例えばメモリ３０８に記憶しておく。このとき、全てのノードの指標値５０２が未知の場合には、たとえば乱数を用いて各ノードの指標値の推定値５０３を＋１か−１に決め、エネルギーＥを計算する。一部あるいは全てノードの指標値５０２が、たとえばアンケート調査やその他の推定法により既知の場合は、それらのノード指標値５０２を予め定められたしきい値により２値化して推定値５０３に＋１あるいは−１の値を割り当てる。それ以外の指標値５０２が未知のノードに関しては、推定値５０３にランダムに＋１あるいは−１を割り当てたものを、初期状態とし、エネルギーＥを計算する。
【００５０】
なおここでは上述の式（１）において、Ｈは系のエネルギー、Ｓｉ及びＳｊはノード識別子ｉ、ｊに対応する指標の推定値であって＋１または−１をとり、Ｊはスピン間の交換相互作用に対応するパラメータであり、ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、ｈは予め定められる値である。ＣＰＵ３０６は、式（１）におけるパラメータＪ及びｈを、Ｊ＝−１、ｈ＝１に設定しておく。ここで、式（１）の第１項については、ノード属性データベース３１０のノード番号５０１（ノードｉに相当）及びリンク先ノード番号５０４（ノードｊに相当）に従い、リンクのあるノードｉ、ｊについて計算される。リンクのないノードについては０である。
【００５１】
状態を変化させたときのエネルギーＥ’の計算６０３では、ＣＰＵ３０６は、例えば、あるひとつのノードｉの指標値Ｓｉを、もし現在の状態で＋１ならば−１に、現在の状態で−１ならば＋１に変え、その状態で式（１）にしたがってエネルギーを計算する（ここではエネルギーＥ’とする）。なお、所定の計算回数が経過６０７するまでは、指標の推定値はメモリ上に保存されている。ここで値が変更されるノードはランダムに選択することができる。
ＣＰＵ３０６は、求められたエネルギーＥ’が元のエネルギーＥより小さいか判定する。例えば、ＣＰＵ３０６は、エネルギー差の計算６０４で、初期状態のエネルギーＥと状態を変化させた場合のエネルギーＥ’の差ΔＥ＝Ｅ’−Ｅを計算し、判定処理６０５でΔＥが正か負か判定する。
ＣＰＵ３０６は、もしΔＥ＜０ならば、状態を変化させた新しい状態の方がエネルギーが低いので、その状態を受け入れ、Ｅ＝Ｅ’とする（処理６０６）。
【００５２】
一方、ΔＥ≧０ならば、状態を変化させた新しい状態の方がエネルギーが高い、あるいは同じであるが、この場合には、ＣＰＵ３０６は確率的に新しい状態を受け入れるか否かを決定する。具体的には、ＣＰＵ３０６は、例えば０から１までの乱数ｒａｎｄを発生させ（処理６０８）、乱数ｒａｎｄと予め定められた確率ｐと比較して（処理６０９）、ｒａｎｄ＜ｐならば新しい状態を受け入れてＥ＝Ｅ’とし（処理６０６）、そうでなければ状態を変化させる前の状態に戻す（処理６１０）。すなわち、ＣＰＵ３０６は、処理６０３で変更したノードの指標の推定値Ｓｉを再び反転させて、すなわちＳｉに−１を乗じて、元の状態に戻す。
ＣＰＵ３０６は、処理６０３〜処理６０６、処理６０８〜６１０のエネルギー最小化計算を所定回数行ったかどうかの判定処理を行う（処理６０７）。ＣＰＵ３０６は、判定の結果、所定回数に満たない場合は、処理６０３に戻り再び状態を変化させた場合のエネルギーＥ’の計算６０３を行い、以降、上述した処理６０４、６０５、６０６、６０９及び６１０を実行する。処理６０３では、上述のようにノードがランダムに変更される。例えば直前の処理で変更されたノードと異なるノードの状態が変更されるようにしてもよい。
【００５３】
一方、ＣＰＵ３０６は、エネルギー最小化計算を所定回数行ったかどうかの判定処理（６０７）の結果、所定回数に達した場合は、各ノードの状態を決定する（処理６１１）。なお、上述の所定回数は予め定めておくことができる。各ノードの状態を決定する方法としては、所定回数のエネルギー最小化計算を終了したときの各ノードの状態Ｓｉを採択してもよいし、所定回数のエネルギー最小化計算を行う途中でサンプリングした状態（サンプリング間隔毎にサンプリングした状態）の値をサンプリング回数で割った値、いわゆる熱力学的平均値を用いてもよい。ある量Ａの熱力学的な平均値は、上述したように、式（２）で計算されることができる。サンプリング間隔は予め設定することができる。また、サンプリングした状態の値（又はその累積値）、サンプリング回数はメモリ３０８に記憶しておくことができる。
【００５４】
ＣＰＵ３０６は、決定された各ノードの状態に基づき、系のマクロな状態を決定する（処理６１２）。たとえば、組織の平均のストレス度をＭとすれば、Ｍを決定された各ノードの指標値Ｓｉの平均値として定義し、ＣＰＵ３０６は、上述の式（３）に従い組織の平均ストレス度Ｍを計算する。
ＣＰＵ３０６は、所定の計算回数が経過し（６０７）、決定された各ノードの指標値の推定値（処理６１１）や系のマクロな状態を表す量（処理６１２）を、ハードディスク３０７に格納する。また、ＣＰＵ３０６は、たとえばネットワーク図として視覚的に表示部３０３に表示する。
本実施の形態の、人間行動分析手法およびシステムを用いれば、系のエネルギーを最適化するという操作により、シミュレーションにより、系を構成する人のストレス度を推測したり、構成員の状態から系のマクロな状態、すなわち組織のストレス度、を推測したりすることができる。
【００５５】
以下、本人間行動分析システムによるシミュレーションの例を示す。
２．１ シミュレーション例１
図７は、シミュレーションの例（１）を説明する図である。
同図において、７０１は実際の人間関係グラフとストレス度、７０２はノード間のリンク数を減らした場合の人間関係グラフとストレス度、７０３はノード間のリンク数を増やした場合の人間関係グラフとストレス度、７０４はノード数とリンク数を減らした場合の人間関係グラフとストレス度、７０５はノード数とリンク数を増やした場合の人間関係グラフとストレス度、７０６はノード数を一定にしたままリンクを繋ぎ変えた場合の人間関係グラフとストレス度を表す。また、７０７〜７１８はノード、７１９は削除したノード、７２０はノード、７２１は追加したノード、７２２から７２９はノード、である。
【００５６】
同図において、ストレス度は＋１あるいは−１の２値で表現されており、高ストレスは＋１で白丸、低ストレスは−１で黒丸、でそれぞれ表現されている。
同図において、実際の人間関係グラフとストレス度７０１は、隣接するノード間で大きさの傾向が逆になる指標、たとえばストレス度、を対象とした場合、図２で示した人間関係グラフ２０７のように、高ストレスを白丸、低ストレスを黒丸で表現すれば、ある着目するノードが高ストレス者である場合、すなわち白丸である場合、そのノードと１パスで繋がっているノードは低ストレス、すなわち黒丸になる傾向があり、２パスで繋がっているノードは高ストレス、すなわち白丸になる傾向がある。図示はしていないが、人間関係グラフ７０１の白黒を反転した状態も実現し得る。
同図において、リンクを減らす場合７０２とリンクを増やす場合７０３は、実際の組織における人間関係に適用すると、例えば、上長の指示や組織的な施策や座席の配置変更などの物理的な制約により、組織構成員のうち特定の人同士のコミュニケーション機会が消滅したり、従来コミュニケーションしていなかった人と人の間にコミュニケーションが発生したり、することにそれぞれ対応する。
【００５７】
図７（ａ）のように、リンク数を減らす場合７０２には、たとえば従来１パスで繋がっていたノードｉ７０７とノードｊ７０８の間のリンクが切れたため、従来低ストレス、すなわち黒丸だったノードｊ７０８が高ストレス、すなわち白丸に７１４なり、ノードｊに１パスで繋がっているノードｋ７０９およびノードｌ７１０は従来ともに高ストレス、すなわち白丸であったものが低ストレス、すなわち黒丸になる７１５および７１６、というようなことが発生する。
【００５８】
図７（ｂ）のように、リンク数を増やす場合７０３には、たとえばノードｎ７１１やノードｏ７１３にリンクが追加された場合、従来高ストレス、すなわち白丸だった状態が低ストレス状態、すなわち黒丸７１７および７１８に変化する、ということが発生する。
図７において、ノードを減らす場合７０４とノードを増やす場合７０６は、実際の組織における人間関係に適用すると、例えば、所属変更や人事異動などによりある組織からある組織構成員がいなくなった場合、あるいはある人が新しく組織に加わった場合、にそれぞれ対応する。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０のリンク先ノード識別子を追加又は削除し、リンクを追加又は削除した場合の系のマクロな指標をシミュレーションする。
【００５９】
図７（ｃ）のように、ノード数を減らす場合７０４には、たとえばノードｍ７１２あるいは７１９を削除した場合、従来直接は繋がっていなかったノードｉ７０７とノードｎ７１１の間に新しいリンクが発生し、この結果ノードｎが高ストレス７１１から低ストレス７２０へ、すなわち白丸から黒丸へ状態が変化する、というようなことが発生する。
【００６０】
図７（ｄ）のように、ノード数を増やす場合７０５には、たとえばノード７２１が追加された結果ネットワーク構造が変化し、従来低ストレス、すなわち黒丸だったノードｊ７０８が高ストレス、すなわち白丸に７２２なり、ノードｊに１パスで繋がっているノードｋ７０９およびノードｌ７１０は従来ともに高ストレス、すなわち白丸であったものが低ストレス、すなわち黒丸になる７２３および７２４、というようなことが発生する。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０のノード識別子を追加又は削除し、ノードを追加又は削除した場合の系のマクロな指標をシミュレーションする。
【００６１】
図７（ｅ）のように、ノード数を一定、総リンク数も一定に保ったまま、リンクを繋ぎ変える場合７０６は、実際の組織における人間関係にあてはめると、例えば、上長の指示や組織的な施策や座席の配置変更などの物理的な制約により、全体のコミュニケーション量と組織の構成員は同じにした条件下で、組織構成員のうち特定の人同士のコミュニケーション機会を無くしたり、従来コミュニケーションしていなかった人と人の間にコミュニケーションの時間を作ったり、することにそれぞれ対応する。このような場合においても、ネットワーク構造が変わるために、各ノードの状態が変化することになり、同図７０６に示す例では、従来、高ストレスであったノードｋ７０９、ｌ７１０、ｎ７１１が低ストレスに７２６、７２７、７２９なり、従来低ストレスだったノードｊ７０８とノードｍ７１２が高ストレスになる７１５、７２８。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０の所定のノードに対応するリンク先ノード識別子の少なくともひとつを削除して他のノード識別子をリンク先ノード識別子として追加し、リンクをつなぎかえた場合の系のマクロな指標をシミュレーションする。
【００６２】
このようにリンクの増減により、各ノードの状態に変化が生じ、その結果、例えば（３）式で計算される組織全体のストレス度Ｍも変わる。このようにして、シミュレーションによりさまざまなリンク増減によるＭの変化を試算し、組織全体のストレス度Ｍが最も小さくなるように、職場のコミュニケーションを制御することができる。
【００６３】
２．２ フローチャート１
図８は、図７で説明したシミュレーションの例（１）のうち、ノード数を一定にしてリンク数を増やした場合７０３のフローチャートを示す図である。
同図に示すフローチャートは、基本的には図６で示したフローチャートと同じであるが、図６では、ＣＰＵ３０６は、人間関係グラフデータ入力６０１において対面情報データベース３０９に格納されているデータセットからノード属性データベース３１０に格納されるデータセットを作成し、それを人間関係グラフデータとして入力した。
【００６４】
図７におけるリンク数を増やす場合７０３のシミュレーションを行う場合には、ＣＰＵ３０６は、図５におけるデータセットのうちリンク先ノード番号５０４が、もとのデータセットから変更（ここでは追加）８０１されたものを人間関係グラフデータとして入力６０１する。なお、ＣＰＵ３０６は、既に入力されノード属性データベース３１０に格納されたノード番号５０１を追加又は削除することでノードを追加又は削除し、リンク先ノード番号５０４を追加又は削除することでリンクを追加又は削除し、あるノードに対するリンク先ノード番号５０４の少なくともひとつを削除して他のノードの番号を追加することでリンクをつなぎかえ（処理８０１）、このように作成された新たな人間関係グラフデータを用いて処理６０２以降の各処理を実行してもよい。
【００６５】
図８において、処理６０２以降のフローは図６に示したものと同じである。
なお、リンク数を増やす場合以外に、図７（ａ）、（ｃ）〜（ｅ）に示す各ケースについては、ＣＰＵ３０６は処理８０１において、上述の各ケースに対応する処理を行う。
【００６６】
２．３ 実験結果１
図９は、図７で説明したシミュレーションの例のうち、ノード数を一定にしてリンク数を増やした場合７０３と、ノード数とリンク数を一定にしたままリンクを繋ぎ変えた場合７０６の実験結果を示す図である。
同図において、９０１はノード数を一定にしてリンク数を増やした場合７０３における組織の平均ストレス度、すなわち（３）式で計算されるＭ、とノードあたりのリンク数の相関を示す図、９０２はノード数とリンク数を一定にしたままリンクを繋ぎ変えた場合７０６における組織の平均ストレス度Ｍと系のエネルギーの相関を示す図、であり、それぞれの図において相関係数Ｒと統計的な有意性を示すｐ値を示してある。
【００６７】
同図において、リンクの数が異なるネットワーク（人間関係グラフ）を３５個作成し、各ネットワークのノードがストレス度に相当する＋１あるいは−１の値をとる指標値を有する場合に、エネルギーの式（１）を計算し、エネルギーが小さくなるように図８に示すフローチャートに従って計算を行うことにより、組織の平均ストレス度Ｍとノードあたりのリンク数の相関を示す図９０１を得ることができる。
同図において、ノード数とリンク数を一定にしたまま、リンクを繋ぎ変えたネットワーク（人間関係グラフ）を２０個作成し、各ネットワークのノードがストレス度に相当する＋１あるいは−１の値をとる指標値を有する場合に、エネルギーの式（１）を計算し、エネルギーが小さくなるように図８に示すフローチャートに従って計算を行うことにより、組織の平均ストレス度と系のエネルギーの相関を示す図９０２を得ることができる。
【００６８】
同図において、リンク数を多くすれば、組織の平均ストレスＭが下がることが図９０１から分かる。これは、実際の組織においては、多くの人とコミュニケーションをとる方が、コミュニケーションが少ない組織に比べてストレス度Ｍが下がることを示している。
同図において、ノード数とリンク数を一定にしたまま繋ぎ変えることにより、さまざまなエネルギー状態のネットワークが構築され、エネルギーが低い組織ほど、組織の平均ストレスＭが下がることが図９０２から分かる。これは、実際の組織においては、同じ構成員で総コミュニケーション量が一定でも、コミュニケーションの取り方を変えることにより、全体として組織のストレス度を下げることができることを示している。
【００６９】
３．１ シミュレーション例２
図１０は、一部のノードの指標値から、他のノードの指標値を推定するシミュレーションの例（２）である。
同図において、１００１は一部のノードの指標値のみ既知の場合の人間関係グラフ、１００２はすべてのノードの指標値が推定された状態の人間関係グラフである。また、１００３は指標値が既知である高ストレスノード、１００４〜１００６は指標値が既知である低ストレスノード、である。
【００７０】
同図において、シミュレーションを行う前１００１は、ひとつのノード１（１００３）が高ストレス、すなわち白丸であり、３つのノード２（１００４）、ノード３（１００５）、ノード４（１００６）が低ストレス、すなわち黒丸である、ということが、例えばこの４人に対して行ったＣＥＳ−Ｄを計測するためのアンケート調査から明らかであるものとする。この４人の指標値は、いま述べたようにアンケートにより取得したものでもよいし、その他のストレス値推定手段を用いて推定された値を用いてもかまわない。
同図において、シミュレーション実行前１００１は、そのほかのノードのストレス度は未知であり、図中１００１では灰色丸で表現されている。
同図において、本実施の形態の人間行動分析手法およびシステムを用いてシミュレーションを実行すると、シミュレーション前に未知であった灰色丸で表現されたノードのストレス値を、以下に述べる手順で決定することができる。
【００７１】
まず、エネルギー関数（１）に従って図６に示したフローチャートに従ってエネルギー最小化計算を行う場合に、高ストレスであるノード１は常にスピンの値Ｓ１を＋１、低ストレスであるノード２、３、４はスピンの値Ｓ２、Ｓ３、Ｓ４を常に−１に固定した状態で、計算を行う。すなわち、図６に示すフローチャートにおいて、状態を変化させる処理６０３において、もしノード１、２、３、あるいは４の状態が変化させられた場合には即座に状態を元に戻し、指標値が既知ではない他のノードの状態を変化させて、エネルギー最小化計算を行う。
同図において、エネルギー最小化計算を所定回数実行すれば、指標値が未知であったノードの指標値を決定することができ、その結果を反映した人間関係グラフ１００２を出力することができる。
同図において、本実施の形態は、限られた数の既知のノードの指標値から、系のエネルギーを最小化する計算により指標値が未知のノードの指標値を推定する手法であるが、本手法により、従来は組織を構成する構成員全員に対してアンケート調査を行うことでストレス度を測定しなければならなかったのに対して、少ないコストで全体のストレス度を推定することが可能になる。
【００７２】
３．２ フローチャート２
図１１は、図１０で説明したシミュレーションのフローチャートを示す図である。
同図に示すフローチャートは、基本的には図６で示したフローチャートと同じであるが、図６では、人間関係グラフデータ入力６０１において対面情報データベースに格納されているデータセット３０９からノード属性データベースに格納されるデータセット３１０を作成し、それを人間関係グラフデータとして入力した。
【００７３】
図１０で説明したシミュレーションを行う場合には、図５におけるノード属性データベースに格納されるデータセットの指標の推定値５０３のうち一部が固定値に設定１１０１されたものを人間関係グラフデータとして入力６０１とする。
図１１において、そのあとのフローは図６に示したものと同じである。処理６０３−２は、図８の処理６０３と同様であるが、上述の図１０の説明で述べたように、指標の推定値を固定するノードについては、推定値を変更しないようにする。どのノードを固定するかは、予め定められることが出来る。例えば、指標値（観測値）が既知のノードの一部又は全てとすることができる。
【００７４】
３．３ 実験結果２
図１２は、図１０で説明した一部のノードの指標値から、他のノードの指標値を推定するシミュレーションの実験結果の例である。同図において、（ａ）はシミュレーション前、（ｂ）はシミュレーション後の各値を示す。
同図において、１２０１はノード番号、１２０２はアンケート調査により測定したＣＥＳ−Ｄ値、１２０３は指標の推定値、１２０４はリンク先のノード番号、１２０５は指標値の推定値が既知であるとして−１に固定するノード、１２０６は指標値の推定知が未知であるとするノード、１２０７はアンケート調査により回答が得られずＣＥＳ−Ｄ値が未知であるノード、１２０８はアンケート調査によりＣＥＳ−Ｄ値が得られているノード、である。
【００７５】
実験の概要を説明する。
構成員の人数が１７人である組織に対して、アンケート調査によりＣＥＳ−Ｄを測定し、１１人から回答を得た。このうち、ＣＥＳ−Ｄ値が１６以下で、心理学の分野でストレス度が低いとされる３人１２０５について、シミュレーションにおける指標値の推定値をー１に固定し、エネルギー最小化計算により他の人の値を推定する、というシミュレーション実験を行った。アンケートによりＣＥＳ−Ｄの値が分かっているが高ストレスであるノード１２０６と、アンケートにより回答が得られず値が未知であるノード１２０７については、推定値はシミュレーションで求めるものとする。ここで、シミュレーションにおいては（１）式のエネルギー関数を最小化する計算を、ノードｉのストレス度、すなわち指標値Ｓｉが＋１と−１の２値として、メトロポリス法により実施した。また、計算が所定回数に達したあとの各ノードの指標値の計算と、組織の平均のストレス度の計算は、熱力学平均（式３）により計算した。したがって、推定値は−１以上＋１以下の実数値をとる。
実験では、実際にはアンケートにより回答が得られているがＣＥＳ−Ｄが１６より大きい人１２０６の推定値と、アンケートにより回答が得られていない人１２０７の推定値をシミュレーションにより計算した。
【００７６】
本実施の形態の手法を用いたシミュレーションの結果、同図（ｂ）に示すように全てのノードに関して推定値が得られる。
同図において、アンケートによりＣＥＳ−Ｄ値が分かっている人１２０８について、ＣＥＳ−Ｄ値と推定値の相関係数Ｒを計算したところ、Ｒ＝０．６８７であり有意性を示すｐ値は０．０１９であった。このことから、シミュレーションの結果得られたストレス度の推定値の人間関係グラフにおける分布は、実際にアンケートで得られたＣＥＳ−Ｄ値の人間関係グラフの分布と同じ傾向を示し、アンケート調査の結果を再現することが分かる。
同図において、シミュレーションにより、アンケート調査で回答が得られずＣＥＳ−Ｄ値が未知であったノード１２０７に関しても推定値が得られている。このことは、組織を構成する全員に対してアンケート調査を行わなくても、一部に対してのみ行えば、本実施の形態で提案するエネルギー最小化計算により、アンケート調査を行わなかった人の指標値の推定が可能であることを示している。
【００７７】
４．１ シミュレーション例３
図１３は、あるノードの指標値を変えた場合に、その他のノードの指標値を推定するシミュレーションの例（３）を示す図である。
同図において、１３０１はシミュレーション実行前の人間関係グラフ、１３０２はシミュレーション実行後の人間関係グラフである。また、１３０３は指標値を変化させるノードである。
同図において、シミュレーション実行前には、ノードｉ１３０３は高ストレス状態、すなわち白丸であるものとする。この状況に対して、何らかの理由によりノードｉ１３０３の状態が低ストレス状態、すなわち黒丸に変化した場合に、本実施の形態の手法により他のノードの状態の変化を推定するシミュレーションを行うことができる。ここで何らかの理由とは、実際の組織においては、たとえば高ストレス者ｉさんに対する周囲の全面的な心配りやケア、あるいはｉさんの報酬アップなど環境の変化、などが考えられる。あるいは、ｉさんの代わりに、ストレッサに対して非常に強い、いわば楽天家タイプの別のｉ’さんをｉさんのポジションに置く、という組織における人事的な理由であってもかまわない。
同図において、シミュレーションの目的は、組織を構成するどの人をサポートすれば組織のストレス度Ｍを下げることができるか、ということを推測することである。
【００７８】
同図において、ノードｉの状態を高ストレス状態、すなわち白丸から低ストレス状態、すなわち黒丸に変え、ノードｉの指標値（推定値）を常に−１に保った状態で、式（１）に従って図６に示したフローチャートに従ってエネルギー最小化計算を行えば、その結果を反映した人間関係グラフ１３０２を得ることができ、ノードｉの状態変化に伴う全体の状態、すなわち組織のストレス度Ｍの変化を推定することが可能である。
例えば、ＣＰＵ３０６は、例えば操作者からの入力等により特定のノードを選択し、ノード属性データベース３１０の該当するノード番号の推定値を反転し、固定する。この状態で、上述のフローチャートの処理６０２以降を実行して、ノードの指標の推定値を反転した場合の系のマクロな第２指標を求める。また、ＣＰＵ３０６は、推定値の反転前の系のマクロな指標、求められた第２指標、ノードの指標の推定値等を表示してもよい。
【００７９】
４．２ 実験結果３
図１４は図１３で説明したシミュレーションの実験結果を示す図である。
同図において、１４０１はアンケート調査により得たストレス度ＣＥＳ−Ｄを±１に２値化して計算した組織のストレス度、１４０２は同じ組織でＣＥＳ−Ｄ値が最大のノード、すなわち高ストレス者、の指標値の推定値を−１に固定してシミュレーションを行った場合の組織のストレス度、１４０３は同じ組織でＣＥＳ−Ｄ値が１６以下のあるひとつのノード、すなわち低ストレス者、の指標値の推定値を−１に固定してシミュレーションを行った場合の組織のストレス度、である。
【００８０】
実験の内容を説明する。
まず、１７名からなる組織の各構成員のストレス度ＣＥＳ−Ｄをアンケートにより計測し、値が１６以下の人はストレスの推定値が−１、１６より大きい人は＋１として、組織のストレス度Ｍを（３）式に従って計算した。すなわち、具体的には、（３）式においてＮ＝１７、Ｓｉが＋１あるいは−１をとり、この場合は熱力学平均をとる必要がない。この計算の結果、Ｍ＝０．４５４５４５であった１４０１。
【００８１】
次に、同じ組織で、最もＣＥＳ−Ｄ値が高くストレスが高い人を、何らかのサポートにより救済し、ストレスが下がるような施策を実世界で行った場合にどうなるかをシミュレーションした。このために、もっともＣＥＳ−Ｄ値が高いノード（ＣＥＳ−Ｄ＝４６）の推定値を−１に固定し、図６に示すフローチャートに従って、本実施の形態の手法を用いてエネルギー最小化計算により各ノードの指標値Ｓｉを求め、（３）式に従って組織のストレス度Ｍを計算した。この結果Ｍ＝０．４４７であった１４０２。
さらに、同じ組織で、ＣＥＳ−Ｄ値が低くストレスが低い人に対して、より一層の何らかのサポートにより、より一層ストレスが下がるような施策を実世界で行った場合にどうなるかをシミュレーションした。このために、ＣＥＳ−Ｄ＝１４のノードの推定値を−１に固定し、図６に示すフローチャートに従って、本実施の形態の手法を用いてエネルギー最小化計算により各ノードの指標値Ｓｉを求め、（３）式に従って組織のストレス度Ｍを計算した。この結果Ｍ＝０．４６２であった１４０３。
【００８２】
同図に示す結果より、この実験においては、高ストレス者に対して何らかの支援をすることにより組織全体のストレス度を下げることができることが分かる。逆に、もともと低ストレスの人を支援すれば、組織全体としてはストレス度が上がる、という結果を示している。
同図に示す結果より、この実験においては、図１３で述べたような特定の人１３０３のストレスを制御することで、全体のストレス度を調節できることが分かる。したがって、本実施の形態の手法に基づいたシミュレータを例えばマネージャーの組織運営支援などに利用すれば、ストレスの制御が可能であることを示している。
【００８３】
５. 補正に人間関係の２パス先の値を用いる方法
図１５は、組織を構成する構成員のストレス値を推定する場合の補正方法の例（変形例）を示す図である。
同図において、１５０１は指標値の推定を行う対象ノードｉ、１５０２はノードｉと１パスで繋がっているノードｊ、１５０３はノードｊと１パスで繋がりノードｉとは２パスで繋がっているノードｋ、である。
同図において、ノードｉと１パスで繋がっているノードｊ、およびノードｉと２パスで繋がっているノードｋは、それぞれ一つ以上ある。
同図において、これまで説明してきた本実施の形態の手法では、ノードｉと、ノードｉと１パスで繋がっているノードｊで、指標値の大きさが逆傾向になることを利用し、式（１）で定義されるエネルギー関数において、交換相互作用を表すＪが負であるとして、エネルギー最小化計算を行った。
【００８４】
図２のグラフ２０６に示すように、ノードｉと、ノードｉと２パスで繋がっているノードｋでは、指標値の大きさの相関係数が正になり、ノードｉのストレス度が高ければ２パスで繋がったノードｋのストレス度も高く、逆に、ノードｉのストレス度が低ければノードｋのストレス度も低くなる、という傾向がある。
そこで、ノードｉのストレス度の推定の精度を上げるために、ノードｉと２パスで繋がっているノードｋの指標値を用いることが、推定値の補正の方法のひとつとして（本実施の形態の変形例として）可能である。
【００８５】
たとえば、エネルギー関数（１）式の代わりに、ノードｋの効果を加えた以下のエネルギー関数を用いる。
【数４】
ここで、Ｈは系のエネルギー、Ｓｉ、Ｓｊ、Ｓｋは（１）式と同様±１の２値をとり、ストレス度の高低を表す。この場合、第１項は１パスで繋がったノードｉとｊの相互作用を表し、Ｊが負（例えばＪ＝−１）で、互いにＳｉ、Ｓｊを逆向きに揃わせようとする効果がある。第２項が補正項に相当する項であるが、２パス離れたノードｉとｋの相互作用を表し、Ｊ’は正（例えばＪ’＝１）で、互いにＳｉ、Ｓｋを同じ向きに揃わせようとする効果がある。２パスのリンクないノード間については、Ｊ’＝０である。ｈは（１）式と同様である。
このエネルギー関数を用いることにより、指標値を推定する対象ノードｉの指標値、例えばストレス度を、１パスで繋がったノードｊのストレス度と、２パスで繋がったノードｋのストレス度から推定することが可能になる。
【００８６】
なお、第２項は、２パスで繋がったノードに対して計算されるが、ノード属性データベース３１０のノード番号５０１に対応するリンク先ノード番号５０４を２回参照することで２パスで繋がったノードを判断できる。例えば、ノード属性データベース３１０を参照し、対象ノードのノード番号５０１（例えばノードｉ）に対応するリンク先ノード番号５０４（例えばノードｊ）を取得し（１パス）、取得された１パスの各ノード番号（ノードｊ）についてノード属性データベース３１０のノード番号５０１を検索して、対応するリンク先ノード番号（例えばノードｋ）を取得する（２パス）。
なお、２パス以外にも、それ以上の有限数パスで接続された人の指標値を加味して、各ノードの指標値を推定してもよい。
【００８７】
６．その他
本人間行動分析手法およびシステムによると、人間関係グラフを外部から入力して、グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標、たとえばストレス度）において、いくつかの人の指標値から他人の指標値を推定することができる。ストレス度のような人間の内部状態を計測するには従来アンケート調査が主体であったが、本手法では、系のエネルギーを最小化することにより、系を構成する要素、すなわち組織の構成員の指標値を推定し、その結果から系のマクロな状態を表す指標値を決定することができるため、構成員全員に対してアンケート調査を行わなくても、一部の人のアンケート結果あるいは推定値から他の人の指標の値を推定することができる。さらに、エネルギーの最小化により人間関係の安定状態を求めることにより、人間関係グラフにおいて隣接する人の指標だけでなく、２パスあるいはそれ以上の有限パスで接続されたサブネットワークの指標の推定値を用いて、個人の指標を推定することができる。
【００８８】
また本発明の技術を、基本アルゴリズムとして実装すれば、人間関係グラフにおいて、隣接するノード間で反対の傾向を持つ、反強磁性的な、指標値の解析において利用が可能であるため、経済学、心理学、サービス、経営など、幅広い分野で応用が可能である。
また、本発明の人間行動分析方法およびシステムは、その各手順をコンピュータに実行させるための人間行動分析プログラム、人間行動分析プログラムを記録したコンピュータ読み取り可能な記録媒体、人間行動分析プログラムを含みコンピュータの内部メモリにロード可能なプログラム製品、そのプログラムを含むサーバ等のコンピュータ、等により提供されることができる。
【産業上の利用可能性】
【００８９】
本発明は、例えば、ウェアラブルなセンサ、たとえば名札型センサノードや腕時計型センサノード、あるいは携帯電話の使用ログ、その他の手段によって測定される、人間関係や人間の様々な行動を反映した大量データ全般をコンピュータで解析するシステムに利用可能である。
【符号の説明】
【００９０】
１０１ 人間関係グラフデータ入力
１０２ 人間関係グラフ分析処理
１０３ エネルギー最小化計算
１０４ 各ノードの状態決定
１０５ 系のマクロな状態決定
１０６ 結果データ出力
２０１ ノード番号
２０２ 自分のＣＥＳ−Ｄ値
２０３ １パスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０４ ２パスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０５ ｒパスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０６ 自分のＣＥＳ−Ｄ値と、ｒパスで繋がっているノードの平均ＣＥＳ−Ｄ値との相関係数をプロットしたグラフ
２０７ 人間関係グラフの例
２０８ 着目するノード
２０９ 低ストレスノード
２１０ 高ストレスノード
３０１ 記録メディア
３０２ データ管理サーバ
３０３ 表示装置
３０４ 入力装置
３０５ 通信装置
３０６ ＣＰＵ
３０７ ハードディスク
３０８ メモリ
３０９ 対面情報データベース
３１０ ノード属性データベース
３１１ 分析部プログラム
３１２ エネルギー最小化計算
３１３ 各ノードの指標値決定
３１４ 系のマクロな指標値計算
３１５ インタネット網
４０１〜４０８ ユーザＩＤ
４０９〜４１２ ノード番号
５０２ アンケート調査により得られたＣＥＳ−Ｄ値
５０３ 指標値の推定値
５０４ リンク先のノード番号
５０５ アンケート調査によりＣＥＳ−Ｄ値が得られたノード
５０６ アンケート調査により回答が得られずＣＥＳ−Ｄ値が未知のノード
６０１ 人間関係グラフデータ入力
６０２ 初期状態のエネルギーＥ計算
６０３ 状態を変化させたときのエネルギーＥ’計算
６０４ エネルギー差ΔＥ＝Ｅ’−Ｅ計算
６０５ ΔＥの正負の判定
６０６ Ｅ＝Ｅ’とする
６０７ 所定の計算回数経過判定
６０８ ０以上１以下の乱数発生
６０９ 乱数と確率ｐの大きさ比較
６１０ 状態を変化させる前の状態に戻す処理
６１１ 各ノードの指標値決定
６１２ 系のマクロな指標値計算
７０１ 現状の人間関係グラフ
７０２ ノード数一定でリンク数を減らした場合の人間関係グラフ
７０３ ノード数一定でリンク数を具やした場合の人間関係グラフ
７０４ ノードを減らした場合の人間関係グラフ
７０５ ノードを増やした場合の人間関係グラフ
７０６ ノード数、リンク数一定にしてリンクを繋ぎ変えた場合の人間関係グラフ
７０７〜７１８ ノード
７１９ 削除したノード
７２０ ノード
７２１ 追加したノード
７２２〜７２９ ノード
８０１ ノード属性データベースのデータセットのリンク先ノード番号を変更
９０１ ノード数一定でリンク数を増やした場合の実験結果
９０２ ノード数、リンク数一定にしてリンクを繋ぎ変えた場合の実験結果
１００１ 一部のノードの指標値が既知の人間関係グラフ
１００２ 全ノードの指標値を推定した人間関係グラフ
１００３ 指標値が既知で高ストレスであるノード
１００４〜１００６ 指標値が既知で低ストレスであるノード
１１０１ ノード属性データベースのデータセットの推定値を設定
１２０１ ノード番号
１２０２ アンケート調査により得られたＣＥＳ−Ｄ値
１２０３ 指標値の推定値
１２０４ リンク先のノード番号
１２０５ 推定値が既知であるとして固定してシミュレーションを行うノード
１２０６ 指標値が未知であるとしてシミュレーションにより推定を行うノード
１２０７ アンケート調査により回答が得られずＣＥＳ−Ｄ値が未知のノード
１２０８ アンケート調査により回答が得られＣＥＳ−Ｄ値が既知のノード
１３０１ シミュレーション前の人間関係グラフ
１３０２ あるノードの指標値を変えてシミュレーションした後の人間関係グラフ
１３０３ 指標値を変えるノード
１４０１ アンケート結果から得られた組織構成員のストレス度から組織全体のストレス度を計算した結果
１４０２ 高ストレス者のストレス度の推定値を−１に固定してシミュレーションした結果
１４０３ 低ストレス者のストレス度の推定値を−１に固定してシミュレーションした結果
１５０１ 着目するノード
１５０２ 着目するノードと１パスで繋がっているノード
１５０３ 着目するノードと２パスで繋がっているノード
【技術分野】
【０００１】
本発明は、人間行動分析システム及び方法に係り、特に、ウェアラブルなセンサ、たとえば名札型センサノードや腕時計型センサノード、あるいは携帯電話の使用ログ、その他の手段によって測定される、人間関係や人間の様々な行動を反映した大量データ全般を解析し、組織経営やサービスの最適化などを行う技術、及び、ストレスやその他の人間の内部状態を表す指標値を推定する技術に関する。
【背景技術】
【０００２】
ストレスは現代社会において大きな社会問題の一つであり、世界各国で深刻化し対策が求められている。ストレスの計測方法や推定方法はいくつかの手法が提案されており、音声特徴量（特許文献１）、各種生理情報（特許文献２）、皮膚温度（特許文献３）などを指標にして個人のストレス度を測定する手法などがある。心理学の分野では、アンケート調査をベースにした人間の内部の状態を分析する調査方法が確立されている。たとえば２０から４０程度の質問に答えることにより得られるＣＥＳ−Ｄ（Ｃｅｎｔｅｒ ｆｏｒ Ｅｐｉｄｅｍｉｏｌｏｇｉｃａｌ Ｓｔｕｄｉｅｓ Ｄｅｐｒｅｓｓｉｏｎ Ｓｃａｌｅ）と呼ばれる指標を用いることで、人のストレス度合を測定することが可能である。ＣＥＳ−Ｄは０から６０までのスコアとして算出され、１６以上はうつ病になるリスクが高いとされている。このＣＥＳ−Ｄを用いて、組織のストレス状態を見つもり、適当な施策を施すことにより、健全な組織活動を促す、ことも可能である。一方で、集団におけるストレスの性質に関する研究もあり、たとえばハーバード大学の研究では、親友同士や隣人などの間でストレスが伝搬する、という報告がなされている（非特許文献１）。この研究では、高ストレス者とつながりが深い人もまた高ストレスになりやすい、という分析結果が報告されている。
【０００３】
ストレスは、特に職場組織においても深刻な問題となっており、メンタルヘルスケアの重要性が叫ばれている。そのような状況において、人間の行動を小型センサを用いて定量的に計測し、得られた行動データと、ストレス度のような指標との関係を分析することにより、組織の改善につなげられる可能性が高まってきている。近年、ウェアラブルなセンシングデバイスの小型、軽量化が進んだことにより、例えば加速度センサや赤外線センサや小型のマイクロフォンなどを搭載した、名札型や腕時計型のセンサノードを大きな負荷なく使用者が常時装着することが可能になってきた。この結果、研究者は対面時間や会話の有無、物理的な振動の周波数などのデータから「組織における人々のコミュニケーションの状態」や「行動の様子」や「歩行、睡眠などの生活リズム」を反映する大量、多種かつ長期間の時系列データ取得することが可能になった。人と人のコミュニケーションに関する定量的なデータが得られれば、ノードを人、リンクを人と人との間のコミュニケーションとすれば、組織における人と人とのネットワーク構造を得ることができる。この人間関係を表すネットワーク構造とさまざまな指標を解析することにより、これまでの限られた量あるいは種類のデータを解析することでは解明できなかった組織における人間観関係や人間の行動と、目的とする指標、例えば組織の活性度、生産性、あるいはストレス度など、との関係に関する新しい知見が得られ、それをサービスや経営につなげられる可能性が拡がっている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−０００３６６号公報
【特許文献２】特開平０８−２５２２２６号公報
【特許文献３】特開平０９−２９４７２４号公報
【非特許文献】
【０００５】
【非特許文献１】Ｊ．Ｎ．Ｒｏｓｅｎｑｕｉｓｔ， Ｊ．Ｈ．Ｆｏｗｌｅｒ， ａｎｄ Ｎ．Ａ．Ｃｈｒｉｓｔａｋｉｓ， Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆ Ｄｅｐｒｅｓｓｉｏｎ， Ｍｏｌｅｃｕｌａｒ Ｐｓｙｃｈｉａｔｒｙ， ｐｐ．１−９、（２０１０）．
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上に示した非特許文献１では、集団において、とくにつながりが深い関係にある人同士で、ストレスが伝搬する、という知見が述べられており、職場組織におけるストレスケアに応用できる可能性はある。しかしながら、実際にどのように組織の構成員のストレスを推定するか、という方法に関しては示されていない。
【０００７】
心理学の分野でよく用いられているＣＥＳ−Ｄを組織を構成する全構成員に対して測定すれば、その組織のストレス度合が分かる。しかしながら、組織の規模が大きい場合は、アンケートベースの調査方法では、全員から回答を得ることは容易ではない。また、アンケートの回答基準は個人差があり、結果が正確性に欠ける、という課題もある。また、アンケートに回答するタイミングも回答結果に影響を及ぼす可能性があり、例えば、多忙時と時間的に余裕がある場合には、アンケートの回答結果に大きな違いが生じる可能性もある。さらに、所属する組織が変わると、個人のストレス度も変わるし、新しい組織のストレス度も変化すると考えられるが、それらを測定するためには新しい組織を構成する全構成員に対して改めてアンケート調査によりＣＥＳ−Ｄを計測する必要があり、時間と手間がかかる。また、同じ組織でも、座席を変えることにより他人との物理的な距離が変化し、ストレス度が変化することが考えられるが、そのような場合にも、改めてアンケート調査によりＣＥＳ−Ｄを測定しなければストレス度を評価できないのが現状である。
【０００８】
上述した特許文献１、２、３などを用いれば、アンケート調査を行わなくても個人のストレス値の測定が可能である。しかしながら、これらの方法でも、組織の全構成員に対して測定を実施しなければならないという点は、アンケート調査による測定手法となんら変わりはない。また、非特許文献１に示すように、ストレスは人間関係が大きく影響していると考えられるが、特許文献１、２、３の手法は、個人の指標、たとえば音声特徴量や皮膚温度、を用いてその個人のストレス度を推定する手法であり、職場組織において、他人の状態が自分の状態にどう影響しているか、という人間関係という観点に立ったストレス推定手法ではない。
以上の点に鑑み、本発明の目的は、集団におけるストレスの特性を利用し、組織を構成する構成員や組織全体のストレス度を推定することが可能な、人間行動分析システム及び方法を提供することである。
【０００９】
また本発明の他の目的のひとつは、アンケートに基づいたストレス度の調査方法や、個人の指標から個人のストレス度を推定する手法に関するこれらの課題を解決し、一部の人の指標値から組織の残りの人の指標値を推定することが可能な、人間行動分析システム及び方法を提供することである。
【００１０】
また、本発明の他の目的のひとつは、センサ等による観測データから系の状態を決めるエネルギー関数を定義し、そのエネルギー関数をより小さくする又は最小化することにより、ストレス度のような指標値を推定することが可能な、人間行動分析システム及び方法を提供することである。
【００１１】
本発明の他の目的のひとつは、人間関係グラフの構造を変えた場合に、ストレスなどの指標値がどのように変化するかを予測することが可能な、人間行動分析システム及び方法を提供することである。
【課題を解決するための手段】
【００１２】
上記目的を達成するために、本発明は、人間関係を表現する情報である人間関係グラフが与えられた場合に、職場組織などを構成する人と人の相互作用を記述するエネルギー関数を定義し、コンピュータを用いてエネルギーを最小化する処理により、組織のストレス度のような系のマクロな指標を求めることができるようにするものである。本発明は、人間関係グラフを構成する全ノードのうち一部のノードの指標の値、例えばストレス度、がアンケートやその他の推定方法によりわかれば、エネルギー関数を最小化するコンピュータ上の処理によりその他のノードの状態を決定することができるようにするものである。
【００１３】
本発明で対象とするデータは、人間関係グラフデータとここでは呼ぶが、人と人とのコミュニケーション状態を表すデータ全般である。たとえば、ウェアラブルなセンサ、例えば赤外線センサや加速度センサ、さらには小型のマイクなどを搭載した名札型センサノードを、組織を構成する構成員に装着させて得られる、人と人とのコミュニケーションを定量的に測定したセンサデータに基づくものである。このようなデータから、コミュニケーションが存在する人と人の間にリンクを張ることにより、人をノードとしたネットワーク構造を得ることができる。人間関係グラフとしては、このようなウェアラブルセンサを意識的に装着して計測するデータ以外にも、たとえば、携帯電話の使用ログやＥ−メールの送受信関係など、無意識的に構成される人と人との繋がりを反映したデータであってもよい。
【００１４】
本発明では、測定したい状態量、たとえばストレス、の人間関係グラフ上における性質に基づくエネルギー関数を予め定義する。このエネルギー関数は、最初はアンケートに基づく調査結果と、ネットワーク構造との関連性を分析して得られるものであり、例えば、「高ストレス者に１リンクで繋がっているノードは低ストレスになりやすく、低ストレス者に１リンクで繋がっているノードは高ストレスになりやすい」といった傾向を反映したものであり、この場合は、反強磁性的な振る舞いを記述するイジングモデルのハミルトニアンをエネルギー関数とすることができる。
【００１５】
一旦、組織のストレスに関してこのようなエネルギー関数を定義すれば、組織改革後のような別のタイミングでストレス度を調査する場合には、組織を構成する全構成員に対して改めてアンケート調査を実施しなくても、一部の構成員、たとえばある職位以上の人、についてのみアンケート調査を実施すれば、他の構成員に関しては、ネットワークのエネルギーを最小化する処理により、ストレス状態を推定することが可能になる。
【００１６】
さらに、本発明は、組織改革を行うに当たって現実には実施できない、あるいは試行が困難である人員配置変更や所属変更に関して、人間関係グラフのリンクを繋ぎ変えたり、リンクやノードの数を増減させたり、あるいは、ノードの属性を変化させることにより、エネルギー関数の最小化処理の結果得られるマクロな組織の状態、たとえば組織のストレス度、を評価することで、実際に人員配置変更や所属変更を行った場合にどういう状態になるかを推定する、シミュレータ機能を提供する。
【００１７】
本発明の第１の解決手段によると、
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析システムであって、
ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースと、
前記ノード属性データベースを参照して、ノードの指標を推定する処理部と
を備え、
前記処理部が、前記ノード属性データベースに既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定める処理と
前記処理部が、他のノードについてノードの指標の推定値の初期値を定める処理と、
前記処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求める処理と、
前記処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにする処理と、
前記処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶する処理と
を実行する前記人間行動分析システムが提供される。
【００１８】
本発明の第２の解決手段によると、
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析方法であって、
処理部が、ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースに、既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定めるステップと
処理部が、他のノードについてノードの指標の推定値の初期値を定めるステップと、
処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求めるステップと、
処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにするステップと、
処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶するステップと
を含む人間行動分析方法が提供される。
【発明の効果】
【００１９】
本発明により、集団におけるストレスの特性を利用し、組織を構成する構成員や組織全体のストレス度を推定することが可能な、人間行動分析システム及び方法を提供することが可能になる。
また本発明により、アンケートに基づいたストレス度の調査方法や、個人の指標から個人のストレス度を推定する手法に関するこれらの課題を解決し、一部の人の指標値から組織の残りの人の指標値を推定することが可能である。
【００２０】
また、本発明により、センサ等による観測データから系の状態を決めるエネルギー関数を定義し、そのエネルギー関数をより小さくする又は最小化することにより、ストレス度のような指標値を推定することが可能である。
本発明により、人間関係グラフの構造を変えた場合に、ストレスなどの指標値がどのように変化するかを予測することが可能である。
【図面の簡単な説明】
【００２１】
【図１】本発明の人間行動分析手法およびシステムの全体概略図を示す図である。
【図２】本発明の、人間関係グラフ上の距離、すなわちパス数と、指標値の関係を示す図である。
【図３】本発明の、システム構成を示すブロック図である。
【図４】本発明の、対面情報データベースに格納するデータセットの例を示す図である。
【図５】本発明の、ノード属性データベースに格納するデータセットの例を示す図である。
【図６】本発明の、指標値の推定を行う処理を示すフローチャートである。
【図７】本発明の、シミュレーションの例（１）を示す図である。
【図８】本発明の、シミュレーション（１）のフローチャートを示す図である。
【図９】本発明の、シミュレーション（１）の実験結果を示す図である。
【図１０】本発明の、指標値が未知の人の指標値を推定するシミュレーションの例（２）を示す図である。
【図１１】本発明の、シミュレーション（２）のフローチャートを示す図である。
【図１２】本発明の、シミュレーション（２）の実験結果を示す図である。
【図１３】本発明の、あるノードの指標値を変えた場合の全体の指標値を推定するシミュレーションの例（３）を示す図である。
【図１４】本発明の、シミュレーション（３）の実験結果を示す図である。
【図１５】本発明の、２パスで繋がった人の指標値を用いて推定値を補正することを説明する図である。
【発明を実施するための形態】
【００２２】
以下、本発明の実施形態について図面を用いて説明する。
１．人間行動分析システム及び方法
図１は、本実施の形態における人間行動分析手法およびシステムの処理の流れを説明する概略図である。符号１０１は人間関係を表すデータである人間関係グラフデータの入力、符号１０２は人間関係グラフの分析処理、符号１０３は人間関係グラフの分析処理のうちエネルギー最小化計算、符号１０４は人間関係グラフの分析処理のうち各ノードの状態決定処理、符号１０５は人間関係グラフの分析処理のうち系のマクロな状態の決定処理、符号１０６は人間関係グラフの分析処理の結果のデータを出力する処理、である。
【００２３】
図１において、人間関係グラフデータ１０１とは、たとえば加速度センサ、赤外線センサ、小型マイクなどを搭載したウェアラブルなセンサ、例えば名札型センサ、を人に装着して得られる対面データや、対面と会話を合わせたコミュニケーションデータを反映したネットワーク情報である。対面データは、例えば人に装着した名札型センサに搭載された赤外線照射部と赤外線センサにより、対面する人の赤外線照射部からの赤外線を赤外線センサで検出することにより得られる対面時間である。人と人との対面がセンサにより検出されてデータ化される。また、対面と会話を合わせたコミュニケーションデータは、例えば赤外線センサ等で得られる上述の対面時間のほかに、小型マイクにより検出した発話時間を加味してデータ化（指標化）したものを用いることが出来る。これら以外にも、適宜のセンサで検出したセンサデータにより人と人とのコミュニケーションが数値化されてもよい。
【００２４】
この場合、ネットワークのノードが人に対応し、リンクは、ある一定時間以上コミュニケーションしている場合にノード間にリンクを張る、というルールに基づいてノード間に引かれる。例えば、ノード間を関連付けるデータを記憶して人間関係データが作成される。なお、このようにウェアラブルなセンサを意識して装着することにより作成される人間グラフでなくても、携帯電話の使用ログやＥ−メールの送受信記録などから構築できる人と人との繋がりを反映した情報を人間関係グラフデータとして、本実施の形態の人間行動分析手法およびシステムに入力してもよい。
【００２５】
同図において、人間関係グラフ分析処理１０２は、１０１で入力された人間関係グラフデータから、系のエネルギー最小化計算１０３の結果、グラフの各ノードの状態を決定１０４し、全ノードの平均値の計算などにより系のマクロな状態を決定１０５する処理である。ここでの系は、例えば各ノードに対応する複数の人で構成される組織に対応する。
同図において、エネルギー最小化計算１０３では、各ノードの状態（たとえば各ノードのストレス度、ストレスの指標値）を確率的に変化させながらできるだけ系全体のエネルギーが小さくなるように各ノードの状態を変化させ、ある一定時間あるいは一定計算回数経過した場合に計算を終了する。
【００２６】
同図において、エネルギー最小化計算１０３の結果、各ノードの状態が決定１０４される。
同図において、各ノードの状態が決定１０４されると、例えば全ノードの指標値の平均値を計算することにより、系のマクロな状態、たとえば組織のストレス度、が決定１０５される。系のマクロの状態を決定するためには平均値を計算する以外にも、マクロな指標の定義に従ってさまざまな計算式により各ノードの指標の値から系のマクロな指標の値を計算してもかまわない。たとえば、系のマクロな量である比熱は、同じく系のマクロな量であるエネルギーの２乗平均とエネルギーの平均と温度パラメタを用いて計算される。
同図において、人間関係グラフ分析処理１０２の結果、各ノードの状態（個人のストレス度）と系のマクロな状態（組織のストレス度）とが決定されると、その結果を反映した人間関係グラフデータを出力１０６する。たとえば、ネットワーク図に結果を視覚的に反映して表示してもよいし、組織のストレス度のようなマクロな値を数値としてあるいはグラフとして出力してもよいし、あるいはマトリクスの形で出力してもよい。
【００２７】
図２は、本実施の形態で分析対象とする、人間関係グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標）を説明する図である。
図２（ａ）において、符号２０１は人間関係グラフにおいて人を表すノード番号、符号２０２はノード自身のストレス度を表すＣＥＳ−Ｄ値、符号２０３はノード番号ｉのノードと１パス、すなわち１本のリンクで繋がっている複数のノードのＣＥＳ−Ｄ値の平均値、符号２０４はノード番号ｉのノードと２パス、すなわち２本のリンクを辿って繋がっている複数のノードのＣＥＳ−Ｄ値の平均値、符号２０５はノード番号ｉのノードとｒパス（ｒは自然数）、すなわちｒ本のリンクを辿って繋がっている複数のノードのＣＥＳ−Ｄ値の平均値を示す。また、図２（ｂ）の符号２０６はｒに対してノードｉのＣＥＳ−Ｄ値と、ノードｉとｒパスで繋がっているノードのＣＥＳ−Ｄの平均値との相関係数Ｒをプロットした図である。図２（ｃ）の符号２０７は人間関係グラフの例を示す。符号２０８は着目するノードｉ、符号２０９はノードｉと１パスで繋がっているノード、符号２１０はノードｉと２パスで繋がっているノードを示す。
【００２８】
図２では、人間関係グラフを構成する人数、すなわちノードの数が１００の場合を示してあるが、ノード数はそれ以上でも以下でも構わない。
同図において、ストレス度を表すＣＥＳ−Ｄは０から６０までの値をとり、値が高いほどストレス度が高く、１６以上はうつ病になるリスクが高いとされている。
同図において、ノード番号ｉのＣＥＳ−Ｄ値２０２と、ノード番号ｉのノードと１パス、すなわち１本のリンクで繋がっているノードのＣＥＳ−Ｄ値の平均値２０３とを見比べると、一方が高いと他方が低く、逆に一方が低いと他方が高い、という傾向がうかがわれる。このように、ＣＥＳ−Ｄ値は、人間関係グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標）である。実際にこの２つ（列２０２と２０３）の相関係数を計算するとグラフ２０６に示すようにｒ＝１の場合に負の値をとる。なお、同図において、相関係数の値を示すグラフ２０６において、ｒ＝０の場合は、自分のＣＥＳ−Ｄ同士の相関であるから、当然、相関係数Ｒは１になる。
【００２９】
同図において、パス数（距離）ｒに対する相関係数のグラフ２０６に示すように、相関係数は、パス数ｒの増加に伴って正負の値を交互にとりながら、除々に減衰する。このような相関係数の傾向は、磁性体において、反強磁性と呼ばれる物質における、スピン相関関数の振る舞いとよく似ている。このことから、以下のことが示唆される。
隣接するノード間でストレス度の高低が逆になるという傾向は、磁性体において隣接する電子のスピンの向きを逆向きにそろえようとする相互作用を表現する、反強磁性イジングモデルを想起させる。イジングモデルは磁性体の基本的なモデルとして磁性体材料科学において重要な役割を果たしてきた。これは、スピン同士の相互作用（交換相互作用）に関する項と、外部磁場に関する項からなるエネルギー関数を最小化するように電子のスピン配位が決まる、とするモデルである。イジングモデルのハミルトニアンＨは以下で与えられる。
【数１】
ここで、Ｓｉ及びＳｊはｉ番目、ｊ番目のスピンであり、＋１または−１をとる。Ｊはスピン間の交換相互作用であり、隣接するスピンｉとｊの間でのみ値をとる。Ｊ＞０の場合は隣り合うスピンを同じ向きにそろえるように（強磁性）作用し、Ｊ＜０の場合は逆向きにそろえるように（反強磁性）作用する。ｈは外から加えられる磁場である。
【００３０】
本実施の形態の人間行動分析手法およびシステムにおいて、グラフ２０６に示すようにストレス度は反強磁性的な性質を示す。そこで、スピンの向きを組織を構成する個人のストレスの高低に対応させ、他人との関係を負の交換相互作用Ｊ＜０（例えば、Ｊ＝−１）で表し、外部磁場ｈを製品の納期や顧客対応などのストレッサ（ストレスを与える要因、刺激）だとすれば、組織におけるストレスをイジングモデルによりモデル化できる。これは、磁性体において外部磁場ｈを加えたときにスピン間で相互作用してエネルギーが極小になるようにスピンの向きが定まり、その平均としてマクロな磁化Ｍがあらわれるのと同じように、納期や顧客対応などのストレッサｈが組織に加わったときに、組織構成員間の相互作用の結果、組織のマクロな特性としてストレス度が決まる、というモデルである。ここでは、ストレス度を表すスピンは±１の２値をとり、ストレッサｈの方向を＋１とする。平均スピンの値が１に近いほどその組織は高ストレスであることを表す。
【００３１】
実際、名札型センサのようなウェアラブルなセンサを用いて計測したコミュニケーションデータから構築した組織のネットワーク構造に対して、各ノードにスピンを割り当て、エネルギー最小化計算を行った結果定まる各ノードのスピンの値を用いて、ノード番号ｉのスピンの値と、ノード番号ｉのノードとｒパス、すなわちｒ本のリンクで繋がっているノードのスピンの値の平均値との相関係数を計算すると、符号２０６に示すグラフと同じような形状のグラフを描くことができる。
同図において、符号２０７は人間関係グラフの一例を示す図であり、ノードとリンクで構成されるネットワーク図である。ここでは、ＣＥＳ−Ｄが３０以上６０以下の高ストレス者を白丸で、０以上３０未満の低ストレス者を黒丸で表現するものとし、以降も同じである。
【００３２】
同図において、符号２０６に示すようなＣＥＳ−Ｄの相関関係がある場合、人間関係グラフはたとえば同図２０７に示すような状態になる。すなわち、着目するノードｉ２０８が高ストレス者である場合、すなわち白丸である場合、ノードｉと１パス（及び奇数パス）で繋がっているノード２０９は低ストレス、すなわち黒丸になる傾向があり、ノードｉと２パス（及び偶数パス）で繋がっているノード２１０は高ストレス、すなわち白丸になる傾向がある。図には示していないが、白黒を反転させた場合も成立し得て、着目するノードｉ２０８が低ストレス者である場合、すなわち黒丸である場合、ノードｉと１パスで繋がっているノード２０９は高ストレス、すなわち白丸になる傾向があり、ノードｉと２パスで繋がっているノード２１０は低ストレス、すなわち黒丸になる傾向がある。
【００３３】
図３は、本実施の形態の人間行動分析システムの構成を示す図である。
人間行動分析システムは、例えば、表示装置３０３と、入力装置３０４と、通信装置３０５と、ＣＰＵ（処理部）３０６と、ハードディスク３０７と、メモリ３０８と備える。なお、入力装置３０４と通信装置３０５の双方を備えてもよいし、一方でもよい。また、人間行動分析システムは、データ管理サーバ３０２をさらに備えてもよい。さらに、上述のウェアラブルなセンサなどの人と人との関係を示すデータを測定する各種センサを備えても良い。
【００３４】
図３において各符号は、３０１は対面時間などの人間関係グラフデータと一部あるいは全ノードの指標値（たとえばアンケートなどの手法により得られたストレス度を表すＣＥＳ−Ｄ値）を格納したＤＶＤなどの記録メディア、３０２は人間関係グラフと一部あるいは全ノードの指標値を格納したデータ管理サーバを示す。また、３０３は表示装置、３０４は入力装置、３０５は通信装置、３０６はＣＰＵ、３０７はハードディスク、３０８はメモリを示す。３０９は人間関係グラフデータである対面時間情報を格納する対面情報データベース、３１０はノードごとの指標値などを格納するノード属性データベース、３１１は人間関係グラフ分析プログラムを示す。３１２は人間関係グラフ分析プログラム３１１のうちエネルギー最小化計算処理、３１３は人間関係グラフ分析プログラム３１１のうち各ノードの状態決定処理、３１４は人間関係グラフ分析プログラム３１１のうち系のマクロな状態決定処理、３１５はインタネット網を示す。
【００３５】
同図において、人間関係グラフを表すデータは、たとえば名札型センサのようなウェアラブルセンサから得られたり、携帯電話やＥ−メールの使用ログから得られたり、そのほかの方法で得られる「誰と誰が何分対面しているか」というような対面情報と、アンケートなどから得られる既知の指標値、例えばストレス度、であり、これらはＤＶＤなどの記録メディア３０１に記録されているか、あるいは、データ管理サーバ３０２に蓄積されている。
同図において、分析対象とする人間関係グラフデータのうち対面時間のデータと一部あるいは全ノードの既知の指標値は、本実施の形態の人間行動分析処理を実行するハードウェア構成のうち、通信装置３０５がインタネット網３１５を介してデータ管理サーバ３０２から入力するか、入力装置３０４がＤＶＤなどの記録媒体に記録されたメディアデータ３０１として入力する。
【００３６】
同図において、入力装置３０４あるいは通信装置３０５を介して入力された、分析対象とする人間関係グラフデータの対面情報は、一旦、ハードディスク３０７の中の対面情報データベース３０９に格納される。同図において、入力装置３０４あるいは通信装置３０５を介して、分析対象とする一部あるいは全ノードの指標値が入力された場合も、一旦、ハードディスク３０７の中のノード属性データベース３１０に格納される。
同図において、人間関係グラフデータのうち対面時間のデータと一部あるいは全ノードの指標値の分析を行うときには、ハードディスク３０７に格納したこれらのデータをメモリ３０８に読み出し、ＣＰＵ３０６が分析プログラム３１１を実行することで、分析処理が実行される。
同図において、エネルギー最小化計算処理３１２を行うためには、イジングモデルを用いて系のエネルギー関数を定義し、そのエネルギー関数を最小化する計算を行う。エネルギー最小化計算に関して、メトロポリス法を例に詳細に説明する。
【００３７】
（メトロポリス法）
まず、メトロポリス法に基づく処理の流れを説明する。これらの処理は、ＣＰＵ３０６で実行される。ハードウェア資源を用いたより具体的な処理は、データベース、フローチャートを参照して後に詳述する。
【００３８】
エネルギーＥは上述の式（１）で定義される。式（１）のＨがＥとなる。ここで、Ｓｉは各ノードの指標値であり、例えばストレス度を表す値である。ここでは、Ｓｉは＋１あるいは−１のどちらかをとるものとして説明を行う。
操作１：まず、初期状態のエネルギーＥを（１）式に従い計算する。
操作２：次に、系の状態を変化させる。ここで変化とは、例えば、あるひとつのノードｉの指標値Ｓｉを反転させる操作であり、もしＳｉが初期状態で＋１ならば−１に、初期状態で−１ならば＋１に変える操作である。
操作３：状態を変化させたら、再びエネルギーを計算し、Ｅ’とする。
操作４：状態を変化させた後のエネルギーＥ’と状態を変化させる前のエネルギーＥの差ΔＥ＝Ｅ’−Ｅを計算する。
操作５：もしΔＥ＜０ならば、状態を変化させた新しい状態の方がエネルギーが低いので、その状態を受け入れ、Ｅ＝Ｅ’として操作２、３、４、５あるいは６を所定回数だけ繰り返す。
操作６：もしΔＥ≧０ならば、状態を変化させた新しい状態の方がエネルギーが高い、あるいは同じであるが、この場合には、確率的に新しい状態を受け入れるか否かを決定する。具体的には、０から１までの乱数ｒａｎｄを発生させ、ある確率ｐと比較してｒａｎｄ＜ｐならば新しい状態を受け入れ、Ｅ＝Ｅ’とし、操作２、３、４、５あるいは６を行う。そうでなければ状態を変化させる前の状態に戻す。すなわち、状態を変化させたＳｉを再び反転させて元の状態に戻す。このように、ΔＥ≧０の場合も確率的に新しい状態を受け入れ、例えば、ローカルミニマムに陥ることを回避する。そのあと、操作２、３、４、５あるいは６を繰り返す。ここで確率ｐは、たとえば系のエネルギー分布がカノニカル分布に従う場合には、ｐ＝ｅｘｐ（−ΔＥ／Ｔ）であり、Ｔは温度パラメタである。
上記の操作１、２、３、４、５あるいは６を所定回数行い、計算を終了する。
なお、エネルギー最小化計算はメトロポリス法以外の計算方法を用いてもかまわない。
【００３９】
同図において、エネルギー最小化計算処理３１２を行う場合に、全てのノードの指標値が未知の場合には、操作１における初期状態はランダムに決める。すなわち、乱数を用いて各ノードの指標値を＋１か−１に決め、エネルギー最小化計算を所定回数繰り返す。このとき、指標値は、ノード属性データベース３１０に格納されているデータセットに設定され、エネルギー最小化計算を行う度に更新された値が再設定される（図５の説明を参照）。
同図において、エネルギー最小化計算を行う場合に、一部あるいは全てノードの指標値が、たとえばアンケート調査やその他の推定法により既知の場合は、それらのノード指標値をあるしきい値により２値化し＋１あるいは−１の値を割り当て、指標値が未知のノードに関してはランダムに＋１あるいは−１を割り当てたものを、初期状態とする。この時も、指標値は、ノード属性データベース３１０に格納されているデータセットに設定され、エネルギー最小化計算を行う度に更新された値が再設定される。なお、上述のしきい値は予め定められることができる。
【００４０】
同図において、エネルギー最小化計算３１２の結果、各ノードの状態を決定３１３することができる。各ノードの状態を決定する方法としては、所定回数のエネルギー最小化計算を終了したときの各ノードの状態、すなわち各ノードのストレス値である＋１あるいは−１、を採択してもよいし、所定回数のエネルギー最小化計算を行う途中でサンプリングした状態の値をサンプリング回数で割った値、いわゆる熱力学的平均値を用いてもよい。ある量Ａの熱力学的な平均値＜Ａ＞は以下で計算される。
【数２】
Ｑは状態数であり、例えば所定計算回数を３００，０００回とし、このうち５回ごとにＡを計算するとすれば、Ｑ＝６０，０００である。この方法により各ノードの状態を決定３１３する場合には、Ｓｉは＋１あるは−１の２値をとるが、（２）式のＡをＳｉとした平均＜Ａ＞を計算するために、状態は−１以上１以下の実数値になる。
【００４１】
同図において、各ノードの状態が決定３１３されれば、系のマクロな状態を決定３１４することができる。たとえば、組織の平均のストレス度をＭとすれば、Ｍは各ノードのＳｉの値の平均値として計算され、
【数３】
となる。Ｎはノード数である。なお、上述のＭは、熱力学的な平均値をとっても良いし、通常の平均値でもよい。
同図において、分析プログラム３１１の計算結果は、その結果を反映した人間関係グラフデータをネットワーク図として視覚的に表示部３０３に表示されたり、マトリクス形式のデータとしてハードディスク３０７に格納される。
【００４２】
図４は、本実施の形態の人間行動分析手法およびシステムにおいて、外部から入力する人間関係グラフデータのうち対面時間情報に関するデータセットの例を示す図（ａ）と、それを用いて描くことができるネットワーク図の例を示す図（ｂ）である。対面時間情報に関するデータセットは図３において対面情報データベース３０９に格納されるものである。
同図において、各符号４０１、４０２、４０３、４０４はユーザＩＤを行方向に並べたものであり、各符号４０５、４０６、４０７、４０８はユーザＩＤを列方向に並べたものである。また、各符号４０９、４１０、４１１、４１２はユーザをノードとして描いたネットワーク図における各ノードである。
同図において、マトリクス要素は組織を構成するユーザ同士の対面時間を表しており、たとえば、赤外線センサを搭載した名札型のウェアラブルセンサを組織の構成員に装着させて得られる対面時間などである。このように、対面情報データベース３０９は、各ユーザＩＤの組み合わせに対応して、ユーザ同士の対面情報（例えば対面時間）が記憶される。なお、図示のようなマトリクス形態でなくても適宜のフォーマットでもよい。
【００４３】
同図において、マトリクス要素の対面時間は、たとえば１日ごとの平均対面時間を分で表している。対面時間の計測方法は、上述したようなウェアラブルなセンサを用いて計測してもよいし、それ以外の方法を用いてもかまわない。
同図において、同じユーザ同士、例えばＵｓｅｒ１（４０１と４０５）、Ｕｓｅｒ２（４０２と４０６）、Ｕｓｅｒ３（４０３と４０７）、Ｕｓｅｒ１００（４０４と４０８）では、自分自身との対面であるから情報としてはゼロであるため、０と記入してある。実際のデータでは、０以外の適宜のデータが記憶されてもよいし、ブランクでもよい。
同図において、一例としてＵｓｅｒ１（４０１）とＵｓｅｒ２（４０６）のマトリクス要素は１３．５５であり、これは、たとえば一日平均１３．５５分Ｕｓｅｒ１とＵｓｅｒ２が対面していることを示している。
同図に示すような対面時間に関するデータセットをもちいれば、組織において誰と誰がどの程度対面しているかという情報が得られる。
【００４４】
このような対面関係を示すデータから組織における人と人との関係を表すネットワーク図を描くことができる。この場合、ユーザをノードとし、たとえば「対面時間が５分以上のノード間にリンクを描く」というルールを定義すれば、ノードとリンクから構成されるネットワーク図を描くことができる。
同図において、「対面時間が５分以上のノード間にリンクを描く」というルールを用いてネットワーク図を描く場合、Ｕｓｅｒ１（４０１）とＵｓｅｒ２（４０６）のマトリクス要素は１３．５５であるからノード１（４０９）とノード２（４１０）の間にリンクを引く。同様に、Ｕｓｅｒ１（４０１）とＵｓｅｒ３（４０７）のマトリクス要素は１５．７であるからノード１（４０９）とノード３（４１１）の間にもリンクを引く。Ｕｓｅｒ２（４０２）とＵｓｅｒ３（４０７）のマトリクス要素は３．７５であるからノード２（４１０）とノード３（４１１）の間にはリンクを引かない。同様にして、ノード１００（４１２）とノード１（４０９）、およびノード１００（４１２）とノード３（４１１）の間にはリンクが引かれる。このようにして図４（ｂ）に示すネットワーク図を描くことができる。なお、５分を閾値とする以外にも予め定められた適宜の時間を閾値としてもよい。
【００４５】
図５は、図３で説明したシステム構成のうち、ノード属性データベース３１０の構成を説明する図である。
ノード属性データベース３１０は、図中５０１で示すノード番号（ノード識別子）と、５０２で示すアンケート調査により測定したＣＥＳ−Ｄ値（観測値、既知の指標値）と、５０３で示す指標の推定値と、５０４で示すリンク先ノード番号とを対応して記憶する。図中５０５はアンケートなどの手法によりストレス度などの指標値が得られているノードであり、５０７はアンケート調査により回答が得られずＣＥＳ−Ｄ値が未知であるノード、である。
同図において、アンケートにより得られたＣＥＳ−Ｄ値は、値が得られているノード５０５に関してはその値（入力される値）がそのままデータセットの列５０２に格納され、値が得られていないノード５０６に関しては、「未回答」であることを示すたとえばｎｕｌｌ文字などが列５０２に設定される。
【００４６】
同図に示すデータセットにおいて、推定値の列５０３には、たとえば初期値として＋１あるいは−１を割り当てておいて、エネルギー最小化計算３１２を繰り返すたびに、各ノードに対して列５０３の値を更新する。
同図において、図３及び図４で説明した対面情報データベース３０９を用いて、ある閾値以上の対面時間の場合にリンクを引くとした場合に、各ノードのリンク先ノードの番号をデータセットの列５０４に格納する。例えば、リンクの両端のノードの一方のノードに対し、他方のノードの番号をリンク先ノード番号に格納し、逆も同様である。これにより、人間関係グラフを作成することができる。なお、リンク先ノード番号は、入力される対面情報に基づき、ＣＰＵ３０６が記憶する以外に、データ管理サーバ３０２等の適宜の装置によって予めノード番号５０１とリンク先ノード番号５０４の対応関係（リンク情報）が作成されて、データ管理サーバ３０２や記録メディア３０１等から入力されてもよい。
【００４７】
図６は、ストレス度を推定する処理のフローチャートを示す図である。
同図において、処理６０１は人間関係グラフデータ入力処理、処理６０２は初期状態のエネルギーＥの計算、処理６０３は状態を変化させたときのエネルギーＥ’の計算、処理６０４はエネルギー差ΔＥ＝Ｅ’−Ｅの計算、処理６０５はΔＥが正か負の判定処理、処理６０６は状態変更を受け入れ系のエネルギーＥをＥ’にする処理、処理６０７はエネルギー最小化計算を所定回数行ったかどうかを判定する処理、処理６０８は０以上１以下の乱数発生処理、処理６０９は発生させた乱数がある値ｐより大きいか小さいかを判定する処理、処理６１０は系の状態を変化させる前の状態に戻す処理、処理６１１は各ノードの指標値を決定する処理、処理６１２は系のマクロな状態を決定する処理、である。
【００４８】
まず、ＣＰＵ３０６は、人間関係グラフデータ入力処理６０１において、記録メディア３０１やデータ管理サーバ３０２から人間関係グラフデータを入力し、ノード属性データベース３１０等に格納する。人間関係グラフデータ入力処理６０１において入力する人間関係グラフデータは、加速度センサや赤外線センサや小型マイクなどを搭載したウェアラブルなセンサで計測した対面情報データセット３０９から作成したリンク先ノード情報、アンケートなどの手段で計測したあるノードについての既知の指標値となどを格納したノード属性データセット３１０である。なお、リンク先ノード情報が作成されていない場合には、ＣＰＵ３０６は、データ管理サーバ３０２等から対面情報データを入力して対面情報データベース３０９に格納し、対面情報データから上述のリンクを張るルールに従いノード属性データベース３１０のリンク先ノード情報を作成する。例えば、入力された対面情報データにおける各ノードＩＤ同士について対面情報データ（対面時間）を閾値と比較し、閾値より大きい場合には関係があるとして、一方のノードＩＤに対応するリンク先ノード情報に他方のノードＩＤを書き込む。逆も同様にして、双方のノードＩＤに対して書き込む。
【００４９】
初期状態のエネルギーＥの計算６０２では、ＣＰＵ３０６が、ノード属性データベース３１０に格納されているデータセットを参照して、推定値として＋１あるいは−１の値が割り振られている各ノードのスピンの値（指標値）を取得し、式（１）に従いエネルギー関数Ｅを計算する。ＣＰＵ３０６は、指標の推定値及び求められたエネルギー関数を、例えばメモリ３０８に記憶しておく。このとき、全てのノードの指標値５０２が未知の場合には、たとえば乱数を用いて各ノードの指標値の推定値５０３を＋１か−１に決め、エネルギーＥを計算する。一部あるいは全てノードの指標値５０２が、たとえばアンケート調査やその他の推定法により既知の場合は、それらのノード指標値５０２を予め定められたしきい値により２値化して推定値５０３に＋１あるいは−１の値を割り当てる。それ以外の指標値５０２が未知のノードに関しては、推定値５０３にランダムに＋１あるいは−１を割り当てたものを、初期状態とし、エネルギーＥを計算する。
【００５０】
なおここでは上述の式（１）において、Ｈは系のエネルギー、Ｓｉ及びＳｊはノード識別子ｉ、ｊに対応する指標の推定値であって＋１または−１をとり、Ｊはスピン間の交換相互作用に対応するパラメータであり、ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、ｈは予め定められる値である。ＣＰＵ３０６は、式（１）におけるパラメータＪ及びｈを、Ｊ＝−１、ｈ＝１に設定しておく。ここで、式（１）の第１項については、ノード属性データベース３１０のノード番号５０１（ノードｉに相当）及びリンク先ノード番号５０４（ノードｊに相当）に従い、リンクのあるノードｉ、ｊについて計算される。リンクのないノードについては０である。
【００５１】
状態を変化させたときのエネルギーＥ’の計算６０３では、ＣＰＵ３０６は、例えば、あるひとつのノードｉの指標値Ｓｉを、もし現在の状態で＋１ならば−１に、現在の状態で−１ならば＋１に変え、その状態で式（１）にしたがってエネルギーを計算する（ここではエネルギーＥ’とする）。なお、所定の計算回数が経過６０７するまでは、指標の推定値はメモリ上に保存されている。ここで値が変更されるノードはランダムに選択することができる。
ＣＰＵ３０６は、求められたエネルギーＥ’が元のエネルギーＥより小さいか判定する。例えば、ＣＰＵ３０６は、エネルギー差の計算６０４で、初期状態のエネルギーＥと状態を変化させた場合のエネルギーＥ’の差ΔＥ＝Ｅ’−Ｅを計算し、判定処理６０５でΔＥが正か負か判定する。
ＣＰＵ３０６は、もしΔＥ＜０ならば、状態を変化させた新しい状態の方がエネルギーが低いので、その状態を受け入れ、Ｅ＝Ｅ’とする（処理６０６）。
【００５２】
一方、ΔＥ≧０ならば、状態を変化させた新しい状態の方がエネルギーが高い、あるいは同じであるが、この場合には、ＣＰＵ３０６は確率的に新しい状態を受け入れるか否かを決定する。具体的には、ＣＰＵ３０６は、例えば０から１までの乱数ｒａｎｄを発生させ（処理６０８）、乱数ｒａｎｄと予め定められた確率ｐと比較して（処理６０９）、ｒａｎｄ＜ｐならば新しい状態を受け入れてＥ＝Ｅ’とし（処理６０６）、そうでなければ状態を変化させる前の状態に戻す（処理６１０）。すなわち、ＣＰＵ３０６は、処理６０３で変更したノードの指標の推定値Ｓｉを再び反転させて、すなわちＳｉに−１を乗じて、元の状態に戻す。
ＣＰＵ３０６は、処理６０３〜処理６０６、処理６０８〜６１０のエネルギー最小化計算を所定回数行ったかどうかの判定処理を行う（処理６０７）。ＣＰＵ３０６は、判定の結果、所定回数に満たない場合は、処理６０３に戻り再び状態を変化させた場合のエネルギーＥ’の計算６０３を行い、以降、上述した処理６０４、６０５、６０６、６０９及び６１０を実行する。処理６０３では、上述のようにノードがランダムに変更される。例えば直前の処理で変更されたノードと異なるノードの状態が変更されるようにしてもよい。
【００５３】
一方、ＣＰＵ３０６は、エネルギー最小化計算を所定回数行ったかどうかの判定処理（６０７）の結果、所定回数に達した場合は、各ノードの状態を決定する（処理６１１）。なお、上述の所定回数は予め定めておくことができる。各ノードの状態を決定する方法としては、所定回数のエネルギー最小化計算を終了したときの各ノードの状態Ｓｉを採択してもよいし、所定回数のエネルギー最小化計算を行う途中でサンプリングした状態（サンプリング間隔毎にサンプリングした状態）の値をサンプリング回数で割った値、いわゆる熱力学的平均値を用いてもよい。ある量Ａの熱力学的な平均値は、上述したように、式（２）で計算されることができる。サンプリング間隔は予め設定することができる。また、サンプリングした状態の値（又はその累積値）、サンプリング回数はメモリ３０８に記憶しておくことができる。
【００５４】
ＣＰＵ３０６は、決定された各ノードの状態に基づき、系のマクロな状態を決定する（処理６１２）。たとえば、組織の平均のストレス度をＭとすれば、Ｍを決定された各ノードの指標値Ｓｉの平均値として定義し、ＣＰＵ３０６は、上述の式（３）に従い組織の平均ストレス度Ｍを計算する。
ＣＰＵ３０６は、所定の計算回数が経過し（６０７）、決定された各ノードの指標値の推定値（処理６１１）や系のマクロな状態を表す量（処理６１２）を、ハードディスク３０７に格納する。また、ＣＰＵ３０６は、たとえばネットワーク図として視覚的に表示部３０３に表示する。
本実施の形態の、人間行動分析手法およびシステムを用いれば、系のエネルギーを最適化するという操作により、シミュレーションにより、系を構成する人のストレス度を推測したり、構成員の状態から系のマクロな状態、すなわち組織のストレス度、を推測したりすることができる。
【００５５】
以下、本人間行動分析システムによるシミュレーションの例を示す。
２．１ シミュレーション例１
図７は、シミュレーションの例（１）を説明する図である。
同図において、７０１は実際の人間関係グラフとストレス度、７０２はノード間のリンク数を減らした場合の人間関係グラフとストレス度、７０３はノード間のリンク数を増やした場合の人間関係グラフとストレス度、７０４はノード数とリンク数を減らした場合の人間関係グラフとストレス度、７０５はノード数とリンク数を増やした場合の人間関係グラフとストレス度、７０６はノード数を一定にしたままリンクを繋ぎ変えた場合の人間関係グラフとストレス度を表す。また、７０７〜７１８はノード、７１９は削除したノード、７２０はノード、７２１は追加したノード、７２２から７２９はノード、である。
【００５６】
同図において、ストレス度は＋１あるいは−１の２値で表現されており、高ストレスは＋１で白丸、低ストレスは−１で黒丸、でそれぞれ表現されている。
同図において、実際の人間関係グラフとストレス度７０１は、隣接するノード間で大きさの傾向が逆になる指標、たとえばストレス度、を対象とした場合、図２で示した人間関係グラフ２０７のように、高ストレスを白丸、低ストレスを黒丸で表現すれば、ある着目するノードが高ストレス者である場合、すなわち白丸である場合、そのノードと１パスで繋がっているノードは低ストレス、すなわち黒丸になる傾向があり、２パスで繋がっているノードは高ストレス、すなわち白丸になる傾向がある。図示はしていないが、人間関係グラフ７０１の白黒を反転した状態も実現し得る。
同図において、リンクを減らす場合７０２とリンクを増やす場合７０３は、実際の組織における人間関係に適用すると、例えば、上長の指示や組織的な施策や座席の配置変更などの物理的な制約により、組織構成員のうち特定の人同士のコミュニケーション機会が消滅したり、従来コミュニケーションしていなかった人と人の間にコミュニケーションが発生したり、することにそれぞれ対応する。
【００５７】
図７（ａ）のように、リンク数を減らす場合７０２には、たとえば従来１パスで繋がっていたノードｉ７０７とノードｊ７０８の間のリンクが切れたため、従来低ストレス、すなわち黒丸だったノードｊ７０８が高ストレス、すなわち白丸に７１４なり、ノードｊに１パスで繋がっているノードｋ７０９およびノードｌ７１０は従来ともに高ストレス、すなわち白丸であったものが低ストレス、すなわち黒丸になる７１５および７１６、というようなことが発生する。
【００５８】
図７（ｂ）のように、リンク数を増やす場合７０３には、たとえばノードｎ７１１やノードｏ７１３にリンクが追加された場合、従来高ストレス、すなわち白丸だった状態が低ストレス状態、すなわち黒丸７１７および７１８に変化する、ということが発生する。
図７において、ノードを減らす場合７０４とノードを増やす場合７０６は、実際の組織における人間関係に適用すると、例えば、所属変更や人事異動などによりある組織からある組織構成員がいなくなった場合、あるいはある人が新しく組織に加わった場合、にそれぞれ対応する。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０のリンク先ノード識別子を追加又は削除し、リンクを追加又は削除した場合の系のマクロな指標をシミュレーションする。
【００５９】
図７（ｃ）のように、ノード数を減らす場合７０４には、たとえばノードｍ７１２あるいは７１９を削除した場合、従来直接は繋がっていなかったノードｉ７０７とノードｎ７１１の間に新しいリンクが発生し、この結果ノードｎが高ストレス７１１から低ストレス７２０へ、すなわち白丸から黒丸へ状態が変化する、というようなことが発生する。
【００６０】
図７（ｄ）のように、ノード数を増やす場合７０５には、たとえばノード７２１が追加された結果ネットワーク構造が変化し、従来低ストレス、すなわち黒丸だったノードｊ７０８が高ストレス、すなわち白丸に７２２なり、ノードｊに１パスで繋がっているノードｋ７０９およびノードｌ７１０は従来ともに高ストレス、すなわち白丸であったものが低ストレス、すなわち黒丸になる７２３および７２４、というようなことが発生する。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０のノード識別子を追加又は削除し、ノードを追加又は削除した場合の系のマクロな指標をシミュレーションする。
【００６１】
図７（ｅ）のように、ノード数を一定、総リンク数も一定に保ったまま、リンクを繋ぎ変える場合７０６は、実際の組織における人間関係にあてはめると、例えば、上長の指示や組織的な施策や座席の配置変更などの物理的な制約により、全体のコミュニケーション量と組織の構成員は同じにした条件下で、組織構成員のうち特定の人同士のコミュニケーション機会を無くしたり、従来コミュニケーションしていなかった人と人の間にコミュニケーションの時間を作ったり、することにそれぞれ対応する。このような場合においても、ネットワーク構造が変わるために、各ノードの状態が変化することになり、同図７０６に示す例では、従来、高ストレスであったノードｋ７０９、ｌ７１０、ｎ７１１が低ストレスに７２６、７２７、７２９なり、従来低ストレスだったノードｊ７０８とノードｍ７１２が高ストレスになる７１５、７２８。
例えば、ＣＰＵ３０６は、操作者による入力に従い、ノード属性データベース３１０の所定のノードに対応するリンク先ノード識別子の少なくともひとつを削除して他のノード識別子をリンク先ノード識別子として追加し、リンクをつなぎかえた場合の系のマクロな指標をシミュレーションする。
【００６２】
このようにリンクの増減により、各ノードの状態に変化が生じ、その結果、例えば（３）式で計算される組織全体のストレス度Ｍも変わる。このようにして、シミュレーションによりさまざまなリンク増減によるＭの変化を試算し、組織全体のストレス度Ｍが最も小さくなるように、職場のコミュニケーションを制御することができる。
【００６３】
２．２ フローチャート１
図８は、図７で説明したシミュレーションの例（１）のうち、ノード数を一定にしてリンク数を増やした場合７０３のフローチャートを示す図である。
同図に示すフローチャートは、基本的には図６で示したフローチャートと同じであるが、図６では、ＣＰＵ３０６は、人間関係グラフデータ入力６０１において対面情報データベース３０９に格納されているデータセットからノード属性データベース３１０に格納されるデータセットを作成し、それを人間関係グラフデータとして入力した。
【００６４】
図７におけるリンク数を増やす場合７０３のシミュレーションを行う場合には、ＣＰＵ３０６は、図５におけるデータセットのうちリンク先ノード番号５０４が、もとのデータセットから変更（ここでは追加）８０１されたものを人間関係グラフデータとして入力６０１する。なお、ＣＰＵ３０６は、既に入力されノード属性データベース３１０に格納されたノード番号５０１を追加又は削除することでノードを追加又は削除し、リンク先ノード番号５０４を追加又は削除することでリンクを追加又は削除し、あるノードに対するリンク先ノード番号５０４の少なくともひとつを削除して他のノードの番号を追加することでリンクをつなぎかえ（処理８０１）、このように作成された新たな人間関係グラフデータを用いて処理６０２以降の各処理を実行してもよい。
【００６５】
図８において、処理６０２以降のフローは図６に示したものと同じである。
なお、リンク数を増やす場合以外に、図７（ａ）、（ｃ）〜（ｅ）に示す各ケースについては、ＣＰＵ３０６は処理８０１において、上述の各ケースに対応する処理を行う。
【００６６】
２．３ 実験結果１
図９は、図７で説明したシミュレーションの例のうち、ノード数を一定にしてリンク数を増やした場合７０３と、ノード数とリンク数を一定にしたままリンクを繋ぎ変えた場合７０６の実験結果を示す図である。
同図において、９０１はノード数を一定にしてリンク数を増やした場合７０３における組織の平均ストレス度、すなわち（３）式で計算されるＭ、とノードあたりのリンク数の相関を示す図、９０２はノード数とリンク数を一定にしたままリンクを繋ぎ変えた場合７０６における組織の平均ストレス度Ｍと系のエネルギーの相関を示す図、であり、それぞれの図において相関係数Ｒと統計的な有意性を示すｐ値を示してある。
【００６７】
同図において、リンクの数が異なるネットワーク（人間関係グラフ）を３５個作成し、各ネットワークのノードがストレス度に相当する＋１あるいは−１の値をとる指標値を有する場合に、エネルギーの式（１）を計算し、エネルギーが小さくなるように図８に示すフローチャートに従って計算を行うことにより、組織の平均ストレス度Ｍとノードあたりのリンク数の相関を示す図９０１を得ることができる。
同図において、ノード数とリンク数を一定にしたまま、リンクを繋ぎ変えたネットワーク（人間関係グラフ）を２０個作成し、各ネットワークのノードがストレス度に相当する＋１あるいは−１の値をとる指標値を有する場合に、エネルギーの式（１）を計算し、エネルギーが小さくなるように図８に示すフローチャートに従って計算を行うことにより、組織の平均ストレス度と系のエネルギーの相関を示す図９０２を得ることができる。
【００６８】
同図において、リンク数を多くすれば、組織の平均ストレスＭが下がることが図９０１から分かる。これは、実際の組織においては、多くの人とコミュニケーションをとる方が、コミュニケーションが少ない組織に比べてストレス度Ｍが下がることを示している。
同図において、ノード数とリンク数を一定にしたまま繋ぎ変えることにより、さまざまなエネルギー状態のネットワークが構築され、エネルギーが低い組織ほど、組織の平均ストレスＭが下がることが図９０２から分かる。これは、実際の組織においては、同じ構成員で総コミュニケーション量が一定でも、コミュニケーションの取り方を変えることにより、全体として組織のストレス度を下げることができることを示している。
【００６９】
３．１ シミュレーション例２
図１０は、一部のノードの指標値から、他のノードの指標値を推定するシミュレーションの例（２）である。
同図において、１００１は一部のノードの指標値のみ既知の場合の人間関係グラフ、１００２はすべてのノードの指標値が推定された状態の人間関係グラフである。また、１００３は指標値が既知である高ストレスノード、１００４〜１００６は指標値が既知である低ストレスノード、である。
【００７０】
同図において、シミュレーションを行う前１００１は、ひとつのノード１（１００３）が高ストレス、すなわち白丸であり、３つのノード２（１００４）、ノード３（１００５）、ノード４（１００６）が低ストレス、すなわち黒丸である、ということが、例えばこの４人に対して行ったＣＥＳ−Ｄを計測するためのアンケート調査から明らかであるものとする。この４人の指標値は、いま述べたようにアンケートにより取得したものでもよいし、その他のストレス値推定手段を用いて推定された値を用いてもかまわない。
同図において、シミュレーション実行前１００１は、そのほかのノードのストレス度は未知であり、図中１００１では灰色丸で表現されている。
同図において、本実施の形態の人間行動分析手法およびシステムを用いてシミュレーションを実行すると、シミュレーション前に未知であった灰色丸で表現されたノードのストレス値を、以下に述べる手順で決定することができる。
【００７１】
まず、エネルギー関数（１）に従って図６に示したフローチャートに従ってエネルギー最小化計算を行う場合に、高ストレスであるノード１は常にスピンの値Ｓ１を＋１、低ストレスであるノード２、３、４はスピンの値Ｓ２、Ｓ３、Ｓ４を常に−１に固定した状態で、計算を行う。すなわち、図６に示すフローチャートにおいて、状態を変化させる処理６０３において、もしノード１、２、３、あるいは４の状態が変化させられた場合には即座に状態を元に戻し、指標値が既知ではない他のノードの状態を変化させて、エネルギー最小化計算を行う。
同図において、エネルギー最小化計算を所定回数実行すれば、指標値が未知であったノードの指標値を決定することができ、その結果を反映した人間関係グラフ１００２を出力することができる。
同図において、本実施の形態は、限られた数の既知のノードの指標値から、系のエネルギーを最小化する計算により指標値が未知のノードの指標値を推定する手法であるが、本手法により、従来は組織を構成する構成員全員に対してアンケート調査を行うことでストレス度を測定しなければならなかったのに対して、少ないコストで全体のストレス度を推定することが可能になる。
【００７２】
３．２ フローチャート２
図１１は、図１０で説明したシミュレーションのフローチャートを示す図である。
同図に示すフローチャートは、基本的には図６で示したフローチャートと同じであるが、図６では、人間関係グラフデータ入力６０１において対面情報データベースに格納されているデータセット３０９からノード属性データベースに格納されるデータセット３１０を作成し、それを人間関係グラフデータとして入力した。
【００７３】
図１０で説明したシミュレーションを行う場合には、図５におけるノード属性データベースに格納されるデータセットの指標の推定値５０３のうち一部が固定値に設定１１０１されたものを人間関係グラフデータとして入力６０１とする。
図１１において、そのあとのフローは図６に示したものと同じである。処理６０３−２は、図８の処理６０３と同様であるが、上述の図１０の説明で述べたように、指標の推定値を固定するノードについては、推定値を変更しないようにする。どのノードを固定するかは、予め定められることが出来る。例えば、指標値（観測値）が既知のノードの一部又は全てとすることができる。
【００７４】
３．３ 実験結果２
図１２は、図１０で説明した一部のノードの指標値から、他のノードの指標値を推定するシミュレーションの実験結果の例である。同図において、（ａ）はシミュレーション前、（ｂ）はシミュレーション後の各値を示す。
同図において、１２０１はノード番号、１２０２はアンケート調査により測定したＣＥＳ−Ｄ値、１２０３は指標の推定値、１２０４はリンク先のノード番号、１２０５は指標値の推定値が既知であるとして−１に固定するノード、１２０６は指標値の推定知が未知であるとするノード、１２０７はアンケート調査により回答が得られずＣＥＳ−Ｄ値が未知であるノード、１２０８はアンケート調査によりＣＥＳ−Ｄ値が得られているノード、である。
【００７５】
実験の概要を説明する。
構成員の人数が１７人である組織に対して、アンケート調査によりＣＥＳ−Ｄを測定し、１１人から回答を得た。このうち、ＣＥＳ−Ｄ値が１６以下で、心理学の分野でストレス度が低いとされる３人１２０５について、シミュレーションにおける指標値の推定値をー１に固定し、エネルギー最小化計算により他の人の値を推定する、というシミュレーション実験を行った。アンケートによりＣＥＳ−Ｄの値が分かっているが高ストレスであるノード１２０６と、アンケートにより回答が得られず値が未知であるノード１２０７については、推定値はシミュレーションで求めるものとする。ここで、シミュレーションにおいては（１）式のエネルギー関数を最小化する計算を、ノードｉのストレス度、すなわち指標値Ｓｉが＋１と−１の２値として、メトロポリス法により実施した。また、計算が所定回数に達したあとの各ノードの指標値の計算と、組織の平均のストレス度の計算は、熱力学平均（式３）により計算した。したがって、推定値は−１以上＋１以下の実数値をとる。
実験では、実際にはアンケートにより回答が得られているがＣＥＳ−Ｄが１６より大きい人１２０６の推定値と、アンケートにより回答が得られていない人１２０７の推定値をシミュレーションにより計算した。
【００７６】
本実施の形態の手法を用いたシミュレーションの結果、同図（ｂ）に示すように全てのノードに関して推定値が得られる。
同図において、アンケートによりＣＥＳ−Ｄ値が分かっている人１２０８について、ＣＥＳ−Ｄ値と推定値の相関係数Ｒを計算したところ、Ｒ＝０．６８７であり有意性を示すｐ値は０．０１９であった。このことから、シミュレーションの結果得られたストレス度の推定値の人間関係グラフにおける分布は、実際にアンケートで得られたＣＥＳ−Ｄ値の人間関係グラフの分布と同じ傾向を示し、アンケート調査の結果を再現することが分かる。
同図において、シミュレーションにより、アンケート調査で回答が得られずＣＥＳ−Ｄ値が未知であったノード１２０７に関しても推定値が得られている。このことは、組織を構成する全員に対してアンケート調査を行わなくても、一部に対してのみ行えば、本実施の形態で提案するエネルギー最小化計算により、アンケート調査を行わなかった人の指標値の推定が可能であることを示している。
【００７７】
４．１ シミュレーション例３
図１３は、あるノードの指標値を変えた場合に、その他のノードの指標値を推定するシミュレーションの例（３）を示す図である。
同図において、１３０１はシミュレーション実行前の人間関係グラフ、１３０２はシミュレーション実行後の人間関係グラフである。また、１３０３は指標値を変化させるノードである。
同図において、シミュレーション実行前には、ノードｉ１３０３は高ストレス状態、すなわち白丸であるものとする。この状況に対して、何らかの理由によりノードｉ１３０３の状態が低ストレス状態、すなわち黒丸に変化した場合に、本実施の形態の手法により他のノードの状態の変化を推定するシミュレーションを行うことができる。ここで何らかの理由とは、実際の組織においては、たとえば高ストレス者ｉさんに対する周囲の全面的な心配りやケア、あるいはｉさんの報酬アップなど環境の変化、などが考えられる。あるいは、ｉさんの代わりに、ストレッサに対して非常に強い、いわば楽天家タイプの別のｉ’さんをｉさんのポジションに置く、という組織における人事的な理由であってもかまわない。
同図において、シミュレーションの目的は、組織を構成するどの人をサポートすれば組織のストレス度Ｍを下げることができるか、ということを推測することである。
【００７８】
同図において、ノードｉの状態を高ストレス状態、すなわち白丸から低ストレス状態、すなわち黒丸に変え、ノードｉの指標値（推定値）を常に−１に保った状態で、式（１）に従って図６に示したフローチャートに従ってエネルギー最小化計算を行えば、その結果を反映した人間関係グラフ１３０２を得ることができ、ノードｉの状態変化に伴う全体の状態、すなわち組織のストレス度Ｍの変化を推定することが可能である。
例えば、ＣＰＵ３０６は、例えば操作者からの入力等により特定のノードを選択し、ノード属性データベース３１０の該当するノード番号の推定値を反転し、固定する。この状態で、上述のフローチャートの処理６０２以降を実行して、ノードの指標の推定値を反転した場合の系のマクロな第２指標を求める。また、ＣＰＵ３０６は、推定値の反転前の系のマクロな指標、求められた第２指標、ノードの指標の推定値等を表示してもよい。
【００７９】
４．２ 実験結果３
図１４は図１３で説明したシミュレーションの実験結果を示す図である。
同図において、１４０１はアンケート調査により得たストレス度ＣＥＳ−Ｄを±１に２値化して計算した組織のストレス度、１４０２は同じ組織でＣＥＳ−Ｄ値が最大のノード、すなわち高ストレス者、の指標値の推定値を−１に固定してシミュレーションを行った場合の組織のストレス度、１４０３は同じ組織でＣＥＳ−Ｄ値が１６以下のあるひとつのノード、すなわち低ストレス者、の指標値の推定値を−１に固定してシミュレーションを行った場合の組織のストレス度、である。
【００８０】
実験の内容を説明する。
まず、１７名からなる組織の各構成員のストレス度ＣＥＳ−Ｄをアンケートにより計測し、値が１６以下の人はストレスの推定値が−１、１６より大きい人は＋１として、組織のストレス度Ｍを（３）式に従って計算した。すなわち、具体的には、（３）式においてＮ＝１７、Ｓｉが＋１あるいは−１をとり、この場合は熱力学平均をとる必要がない。この計算の結果、Ｍ＝０．４５４５４５であった１４０１。
【００８１】
次に、同じ組織で、最もＣＥＳ−Ｄ値が高くストレスが高い人を、何らかのサポートにより救済し、ストレスが下がるような施策を実世界で行った場合にどうなるかをシミュレーションした。このために、もっともＣＥＳ−Ｄ値が高いノード（ＣＥＳ−Ｄ＝４６）の推定値を−１に固定し、図６に示すフローチャートに従って、本実施の形態の手法を用いてエネルギー最小化計算により各ノードの指標値Ｓｉを求め、（３）式に従って組織のストレス度Ｍを計算した。この結果Ｍ＝０．４４７であった１４０２。
さらに、同じ組織で、ＣＥＳ−Ｄ値が低くストレスが低い人に対して、より一層の何らかのサポートにより、より一層ストレスが下がるような施策を実世界で行った場合にどうなるかをシミュレーションした。このために、ＣＥＳ−Ｄ＝１４のノードの推定値を−１に固定し、図６に示すフローチャートに従って、本実施の形態の手法を用いてエネルギー最小化計算により各ノードの指標値Ｓｉを求め、（３）式に従って組織のストレス度Ｍを計算した。この結果Ｍ＝０．４６２であった１４０３。
【００８２】
同図に示す結果より、この実験においては、高ストレス者に対して何らかの支援をすることにより組織全体のストレス度を下げることができることが分かる。逆に、もともと低ストレスの人を支援すれば、組織全体としてはストレス度が上がる、という結果を示している。
同図に示す結果より、この実験においては、図１３で述べたような特定の人１３０３のストレスを制御することで、全体のストレス度を調節できることが分かる。したがって、本実施の形態の手法に基づいたシミュレータを例えばマネージャーの組織運営支援などに利用すれば、ストレスの制御が可能であることを示している。
【００８３】
５. 補正に人間関係の２パス先の値を用いる方法
図１５は、組織を構成する構成員のストレス値を推定する場合の補正方法の例（変形例）を示す図である。
同図において、１５０１は指標値の推定を行う対象ノードｉ、１５０２はノードｉと１パスで繋がっているノードｊ、１５０３はノードｊと１パスで繋がりノードｉとは２パスで繋がっているノードｋ、である。
同図において、ノードｉと１パスで繋がっているノードｊ、およびノードｉと２パスで繋がっているノードｋは、それぞれ一つ以上ある。
同図において、これまで説明してきた本実施の形態の手法では、ノードｉと、ノードｉと１パスで繋がっているノードｊで、指標値の大きさが逆傾向になることを利用し、式（１）で定義されるエネルギー関数において、交換相互作用を表すＪが負であるとして、エネルギー最小化計算を行った。
【００８４】
図２のグラフ２０６に示すように、ノードｉと、ノードｉと２パスで繋がっているノードｋでは、指標値の大きさの相関係数が正になり、ノードｉのストレス度が高ければ２パスで繋がったノードｋのストレス度も高く、逆に、ノードｉのストレス度が低ければノードｋのストレス度も低くなる、という傾向がある。
そこで、ノードｉのストレス度の推定の精度を上げるために、ノードｉと２パスで繋がっているノードｋの指標値を用いることが、推定値の補正の方法のひとつとして（本実施の形態の変形例として）可能である。
【００８５】
たとえば、エネルギー関数（１）式の代わりに、ノードｋの効果を加えた以下のエネルギー関数を用いる。
【数４】
ここで、Ｈは系のエネルギー、Ｓｉ、Ｓｊ、Ｓｋは（１）式と同様±１の２値をとり、ストレス度の高低を表す。この場合、第１項は１パスで繋がったノードｉとｊの相互作用を表し、Ｊが負（例えばＪ＝−１）で、互いにＳｉ、Ｓｊを逆向きに揃わせようとする効果がある。第２項が補正項に相当する項であるが、２パス離れたノードｉとｋの相互作用を表し、Ｊ’は正（例えばＪ’＝１）で、互いにＳｉ、Ｓｋを同じ向きに揃わせようとする効果がある。２パスのリンクないノード間については、Ｊ’＝０である。ｈは（１）式と同様である。
このエネルギー関数を用いることにより、指標値を推定する対象ノードｉの指標値、例えばストレス度を、１パスで繋がったノードｊのストレス度と、２パスで繋がったノードｋのストレス度から推定することが可能になる。
【００８６】
なお、第２項は、２パスで繋がったノードに対して計算されるが、ノード属性データベース３１０のノード番号５０１に対応するリンク先ノード番号５０４を２回参照することで２パスで繋がったノードを判断できる。例えば、ノード属性データベース３１０を参照し、対象ノードのノード番号５０１（例えばノードｉ）に対応するリンク先ノード番号５０４（例えばノードｊ）を取得し（１パス）、取得された１パスの各ノード番号（ノードｊ）についてノード属性データベース３１０のノード番号５０１を検索して、対応するリンク先ノード番号（例えばノードｋ）を取得する（２パス）。
なお、２パス以外にも、それ以上の有限数パスで接続された人の指標値を加味して、各ノードの指標値を推定してもよい。
【００８７】
６．その他
本人間行動分析手法およびシステムによると、人間関係グラフを外部から入力して、グラフにおいて隣接する人の間で傾向が逆になるある指標（反強磁性的指標、たとえばストレス度）において、いくつかの人の指標値から他人の指標値を推定することができる。ストレス度のような人間の内部状態を計測するには従来アンケート調査が主体であったが、本手法では、系のエネルギーを最小化することにより、系を構成する要素、すなわち組織の構成員の指標値を推定し、その結果から系のマクロな状態を表す指標値を決定することができるため、構成員全員に対してアンケート調査を行わなくても、一部の人のアンケート結果あるいは推定値から他の人の指標の値を推定することができる。さらに、エネルギーの最小化により人間関係の安定状態を求めることにより、人間関係グラフにおいて隣接する人の指標だけでなく、２パスあるいはそれ以上の有限パスで接続されたサブネットワークの指標の推定値を用いて、個人の指標を推定することができる。
【００８８】
また本発明の技術を、基本アルゴリズムとして実装すれば、人間関係グラフにおいて、隣接するノード間で反対の傾向を持つ、反強磁性的な、指標値の解析において利用が可能であるため、経済学、心理学、サービス、経営など、幅広い分野で応用が可能である。
また、本発明の人間行動分析方法およびシステムは、その各手順をコンピュータに実行させるための人間行動分析プログラム、人間行動分析プログラムを記録したコンピュータ読み取り可能な記録媒体、人間行動分析プログラムを含みコンピュータの内部メモリにロード可能なプログラム製品、そのプログラムを含むサーバ等のコンピュータ、等により提供されることができる。
【産業上の利用可能性】
【００８９】
本発明は、例えば、ウェアラブルなセンサ、たとえば名札型センサノードや腕時計型センサノード、あるいは携帯電話の使用ログ、その他の手段によって測定される、人間関係や人間の様々な行動を反映した大量データ全般をコンピュータで解析するシステムに利用可能である。
【符号の説明】
【００９０】
１０１ 人間関係グラフデータ入力
１０２ 人間関係グラフ分析処理
１０３ エネルギー最小化計算
１０４ 各ノードの状態決定
１０５ 系のマクロな状態決定
１０６ 結果データ出力
２０１ ノード番号
２０２ 自分のＣＥＳ−Ｄ値
２０３ １パスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０４ ２パスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０５ ｒパスで繋がっているノードの平均ＣＥＳ−Ｄ値
２０６ 自分のＣＥＳ−Ｄ値と、ｒパスで繋がっているノードの平均ＣＥＳ−Ｄ値との相関係数をプロットしたグラフ
２０７ 人間関係グラフの例
２０８ 着目するノード
２０９ 低ストレスノード
２１０ 高ストレスノード
３０１ 記録メディア
３０２ データ管理サーバ
３０３ 表示装置
３０４ 入力装置
３０５ 通信装置
３０６ ＣＰＵ
３０７ ハードディスク
３０８ メモリ
３０９ 対面情報データベース
３１０ ノード属性データベース
３１１ 分析部プログラム
３１２ エネルギー最小化計算
３１３ 各ノードの指標値決定
３１４ 系のマクロな指標値計算
３１５ インタネット網
４０１〜４０８ ユーザＩＤ
４０９〜４１２ ノード番号
５０２ アンケート調査により得られたＣＥＳ−Ｄ値
５０３ 指標値の推定値
５０４ リンク先のノード番号
５０５ アンケート調査によりＣＥＳ−Ｄ値が得られたノード
５０６ アンケート調査により回答が得られずＣＥＳ−Ｄ値が未知のノード
６０１ 人間関係グラフデータ入力
６０２ 初期状態のエネルギーＥ計算
６０３ 状態を変化させたときのエネルギーＥ’計算
６０４ エネルギー差ΔＥ＝Ｅ’−Ｅ計算
６０５ ΔＥの正負の判定
６０６ Ｅ＝Ｅ’とする
６０７ 所定の計算回数経過判定
６０８ ０以上１以下の乱数発生
６０９ 乱数と確率ｐの大きさ比較
６１０ 状態を変化させる前の状態に戻す処理
６１１ 各ノードの指標値決定
６１２ 系のマクロな指標値計算
７０１ 現状の人間関係グラフ
７０２ ノード数一定でリンク数を減らした場合の人間関係グラフ
７０３ ノード数一定でリンク数を具やした場合の人間関係グラフ
７０４ ノードを減らした場合の人間関係グラフ
７０５ ノードを増やした場合の人間関係グラフ
７０６ ノード数、リンク数一定にしてリンクを繋ぎ変えた場合の人間関係グラフ
７０７〜７１８ ノード
７１９ 削除したノード
７２０ ノード
７２１ 追加したノード
７２２〜７２９ ノード
８０１ ノード属性データベースのデータセットのリンク先ノード番号を変更
９０１ ノード数一定でリンク数を増やした場合の実験結果
９０２ ノード数、リンク数一定にしてリンクを繋ぎ変えた場合の実験結果
１００１ 一部のノードの指標値が既知の人間関係グラフ
１００２ 全ノードの指標値を推定した人間関係グラフ
１００３ 指標値が既知で高ストレスであるノード
１００４〜１００６ 指標値が既知で低ストレスであるノード
１１０１ ノード属性データベースのデータセットの推定値を設定
１２０１ ノード番号
１２０２ アンケート調査により得られたＣＥＳ−Ｄ値
１２０３ 指標値の推定値
１２０４ リンク先のノード番号
１２０５ 推定値が既知であるとして固定してシミュレーションを行うノード
１２０６ 指標値が未知であるとしてシミュレーションにより推定を行うノード
１２０７ アンケート調査により回答が得られずＣＥＳ−Ｄ値が未知のノード
１２０８ アンケート調査により回答が得られＣＥＳ−Ｄ値が既知のノード
１３０１ シミュレーション前の人間関係グラフ
１３０２ あるノードの指標値を変えてシミュレーションした後の人間関係グラフ
１３０３ 指標値を変えるノード
１４０１ アンケート結果から得られた組織構成員のストレス度から組織全体のストレス度を計算した結果
１４０２ 高ストレス者のストレス度の推定値を−１に固定してシミュレーションした結果
１４０３ 低ストレス者のストレス度の推定値を−１に固定してシミュレーションした結果
１５０１ 着目するノード
１５０２ 着目するノードと１パスで繋がっているノード
１５０３ 着目するノードと２パスで繋がっているノード
【特許請求の範囲】
【請求項１】
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析システムであって、
ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースと、
前記ノード属性データベースを参照して、ノードの指標を推定する処理部と
を備え、
前記処理部が、前記ノード属性データベースに既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定める処理と
前記処理部が、他のノードについてノードの指標の推定値の初期値を定める処理と、
前記処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求める処理と、
前記処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにする処理と、
前記処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶する処理と
を実行する前記人間行動分析システム。
【請求項２】
前記指標は、ノードに対応する人のストレスを表す指標である請求項１に記載の人間行動分析システム。
【請求項３】
前記処理部が、求められた各ノードの指標の推定値の平均を求めることにより系のマクロな指標を求める請求項１に記載の人間行動分析システム。
【請求項４】
前記系のマクロな指標は、ノードに対応する人により構成される組織全体のストレスを表す指標である請求項３に記載の人間行動分析システム。
【請求項５】
繰り返し計算過程における各ノードの指標の推定値の統計値は、各ノードの指標の推定値の熱力学的平均である請求項１に記載の人間行動分析システム。
【請求項６】
前記イジングモデルは、以下の式で表される請求項５に記載の人間行動分析システム。
【数１】
ここで、Ｈは系のエネルギー、Ｓｉ及びＳｊはノード識別子ｉ、ｊに対応する指標の推定値であって＋１または−１をとり、Ｊはスピン間の交換相互作用に対応するパラメータであり、前記ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、ｈは予め定められる値である。
【請求項７】
前記各ノードの指標の推定値を変化させて系のエネルギーを最小化する又は所定回数の計算の中で最小にする請求項１に記載の人間行動分析システム。
【請求項８】
各ノードに対応するそれぞれの人に装着されるウェアラブルなセンサにより、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションが数値化された対面情報が、各ノード識別子の組み合わせに対応して記憶される対面情報データベース
をさらに備え、
前記処理部が、前記対面情報データベースに記憶された各ノード識別子の組み合わせに対応する対面情報と、予め定められた閾値とを比較して、該ノードの組み合わせの間にリンクを張るか判断し、リンクを張る場合に、該ノード識別子の組み合わせのそれぞれのノード識別子について、前記ノード属性データベースの対応するリンク先ノード識別子に、該組み合わせの他方のノード識別子を記憶する請求項１に記載の人間行動分析システム。
【請求項９】
前記処理部は、データ管理サーバ又は記録媒体から前記ノード識別子の組み合わせと対面情報とを入力し、前記対面情報データベース記憶する請求項８に記載の人間行動分析システム。
【請求項１０】
各ノードに対応するそれぞれの人に装着され、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションを数値化する前記センサ
をさらに備える請求項８に記載の人間行動分析システム。
【請求項１１】
前記処理部は、データ管理サーバ又は記録媒体から、ノード識別子と、リンク先ノード識別子とが対応した前記リンク情報を入力し、前記ノード属性データベースに記憶する請求項１に記載の人間行動分析システム。
【請求項１２】
前記データ管理サーバをさらに備え、
該データ管理サーバは、
各ノードに対応するそれぞれの人に装着されるウェアラブルなセンサにより、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションが数値化された対面情報が、各ノード識別子の組み合わせに対応して記憶される第２対面情報データベースと、
第２処理部と
を有し、
前記第２処理部が、前記対面情報データベースに記憶された各ノード識別子の組み合わせに対応する対面情報と、予め定められた閾値とを比較して、該ノードの組み合わせの間にリンクを張るか判断し、リンクを張る場合に、該ノード識別子の組み合わせのそれぞれのノード識別子について、前記第２ノード属性データベースの対応するリンク先ノード識別子に、該組み合わせの他方のノード識別子を記憶し、
前記処理部は、該データ管理サーバから、ノード識別子と、リンク先ノード識別子とが対応した前記リンク情報を入力する請求項１１に記載の人間行動分析システム。
【請求項１３】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースのリンク先ノード識別子を追加又は削除し、
リンクを追加又は削除した場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１４】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースのノード識別子を追加又は削除し、
ノードを追加又は削除した場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１５】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースの所定のノードに対応するリンク先ノード識別子の少なくともひとつを削除して他のノード識別子をリンク先ノード識別子として追加し、
リンクをつなぎかえた場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１６】
前記処理部は、前記系のエネルギーがより小さくなるようにする処理において、
該既知の指標値に応じた指標の推定値を定めたノードについては指標の推定値を固定して変化させず、他のノードの指標の推定値を変化させる請求項１に記載の人間行動分析システム。
【請求項１７】
前記処理部は、系のマクロな指標が求められた後に、所定のノードの指標の推定値を反転して固定し、再度上記各ステップを実行して、ノードの指標の推定値を反転した場合の系のマクロな第２指標を求め、
前記系のマクロな指標と、前記系のマクロな第２指標を表示する請求項１に記載の人間行動分析システム。
【請求項１８】
前記イジングモデルとして、補正項を加えた以下の式を用いる請求項１に記載の人間行動分析システム。
【数２】
ここで、
Ｈは系のエネルギー、
Ｓｉ、Ｓｊ及び、Ｓｋはノード識別子ｉ、ｊ、ｋに対応する指標の推定値であって＋１または−１をとり、
Ｊはスピン間の交換相互作用に対応するパラメータであり、前記ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、
Ｊ’は、前記ノード属性データベースにおいて該ノード識別子ｉに対応するリンク先ノード識別子ｊについて、該ノード識別子ｊにさらに対応するリンク先ノード識別子ｋの指標の推定値と、ノード識別子ｉと指標の推定値との積については正の値をとり、他の場合は０であり、
ｈは予め定められる値である。
【請求項１９】
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析方法であって、
処理部が、ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースに、既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定めるステップと
処理部が、他のノードについてノードの指標の推定値の初期値を定めるステップと、
処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求めるステップと、
処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにするステップと、
処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶するステップと
を含む人間行動分析方法。
【請求項１】
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析システムであって、
ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースと、
前記ノード属性データベースを参照して、ノードの指標を推定する処理部と
を備え、
前記処理部が、前記ノード属性データベースに既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定める処理と
前記処理部が、他のノードについてノードの指標の推定値の初期値を定める処理と、
前記処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求める処理と、
前記処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにする処理と、
前記処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶する処理と
を実行する前記人間行動分析システム。
【請求項２】
前記指標は、ノードに対応する人のストレスを表す指標である請求項１に記載の人間行動分析システム。
【請求項３】
前記処理部が、求められた各ノードの指標の推定値の平均を求めることにより系のマクロな指標を求める請求項１に記載の人間行動分析システム。
【請求項４】
前記系のマクロな指標は、ノードに対応する人により構成される組織全体のストレスを表す指標である請求項３に記載の人間行動分析システム。
【請求項５】
繰り返し計算過程における各ノードの指標の推定値の統計値は、各ノードの指標の推定値の熱力学的平均である請求項１に記載の人間行動分析システム。
【請求項６】
前記イジングモデルは、以下の式で表される請求項５に記載の人間行動分析システム。
【数１】
ここで、Ｈは系のエネルギー、Ｓｉ及びＳｊはノード識別子ｉ、ｊに対応する指標の推定値であって＋１または−１をとり、Ｊはスピン間の交換相互作用に対応するパラメータであり、前記ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、ｈは予め定められる値である。
【請求項７】
前記各ノードの指標の推定値を変化させて系のエネルギーを最小化する又は所定回数の計算の中で最小にする請求項１に記載の人間行動分析システム。
【請求項８】
各ノードに対応するそれぞれの人に装着されるウェアラブルなセンサにより、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションが数値化された対面情報が、各ノード識別子の組み合わせに対応して記憶される対面情報データベース
をさらに備え、
前記処理部が、前記対面情報データベースに記憶された各ノード識別子の組み合わせに対応する対面情報と、予め定められた閾値とを比較して、該ノードの組み合わせの間にリンクを張るか判断し、リンクを張る場合に、該ノード識別子の組み合わせのそれぞれのノード識別子について、前記ノード属性データベースの対応するリンク先ノード識別子に、該組み合わせの他方のノード識別子を記憶する請求項１に記載の人間行動分析システム。
【請求項９】
前記処理部は、データ管理サーバ又は記録媒体から前記ノード識別子の組み合わせと対面情報とを入力し、前記対面情報データベース記憶する請求項８に記載の人間行動分析システム。
【請求項１０】
各ノードに対応するそれぞれの人に装着され、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションを数値化する前記センサ
をさらに備える請求項８に記載の人間行動分析システム。
【請求項１１】
前記処理部は、データ管理サーバ又は記録媒体から、ノード識別子と、リンク先ノード識別子とが対応した前記リンク情報を入力し、前記ノード属性データベースに記憶する請求項１に記載の人間行動分析システム。
【請求項１２】
前記データ管理サーバをさらに備え、
該データ管理サーバは、
各ノードに対応するそれぞれの人に装着されるウェアラブルなセンサにより、人と人との対面及び会話の少なくともいずれかを含むコミュニケーションが数値化された対面情報が、各ノード識別子の組み合わせに対応して記憶される第２対面情報データベースと、
第２処理部と
を有し、
前記第２処理部が、前記対面情報データベースに記憶された各ノード識別子の組み合わせに対応する対面情報と、予め定められた閾値とを比較して、該ノードの組み合わせの間にリンクを張るか判断し、リンクを張る場合に、該ノード識別子の組み合わせのそれぞれのノード識別子について、前記第２ノード属性データベースの対応するリンク先ノード識別子に、該組み合わせの他方のノード識別子を記憶し、
前記処理部は、該データ管理サーバから、ノード識別子と、リンク先ノード識別子とが対応した前記リンク情報を入力する請求項１１に記載の人間行動分析システム。
【請求項１３】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースのリンク先ノード識別子を追加又は削除し、
リンクを追加又は削除した場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１４】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースのノード識別子を追加又は削除し、
ノードを追加又は削除した場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１５】
前記処理部は、
操作者による入力に従い、前記ノード属性データベースの所定のノードに対応するリンク先ノード識別子の少なくともひとつを削除して他のノード識別子をリンク先ノード識別子として追加し、
リンクをつなぎかえた場合の系のマクロな指標をシミュレーションする請求項１に記載の人間行動分析システム。
【請求項１６】
前記処理部は、前記系のエネルギーがより小さくなるようにする処理において、
該既知の指標値に応じた指標の推定値を定めたノードについては指標の推定値を固定して変化させず、他のノードの指標の推定値を変化させる請求項１に記載の人間行動分析システム。
【請求項１７】
前記処理部は、系のマクロな指標が求められた後に、所定のノードの指標の推定値を反転して固定し、再度上記各ステップを実行して、ノードの指標の推定値を反転した場合の系のマクロな第２指標を求め、
前記系のマクロな指標と、前記系のマクロな第２指標を表示する請求項１に記載の人間行動分析システム。
【請求項１８】
前記イジングモデルとして、補正項を加えた以下の式を用いる請求項１に記載の人間行動分析システム。
【数２】
ここで、
Ｈは系のエネルギー、
Ｓｉ、Ｓｊ及び、Ｓｋはノード識別子ｉ、ｊ、ｋに対応する指標の推定値であって＋１または−１をとり、
Ｊはスピン間の交換相互作用に対応するパラメータであり、前記ノード属性データベースにおいてノード識別子ｉの指標の推定値と、該ノード識別子ｉに対応するリンク先ノード識別子ｊの指標の推定値との積については負の値をとり、他の場合は０であり、
Ｊ’は、前記ノード属性データベースにおいて該ノード識別子ｉに対応するリンク先ノード識別子ｊについて、該ノード識別子ｊにさらに対応するリンク先ノード識別子ｋの指標の推定値と、ノード識別子ｉと指標の推定値との積については正の値をとり、他の場合は０であり、
ｈは予め定められる値である。
【請求項１９】
ネットワークのノードが人に対応し、リンクが人の間の関係に対応した人間関係グラフを用い、該人間関係グラフにおいてリンクで結ばれた隣接する人の間で傾向が逆になる指標について、一部の人の既知の指標値に基づいて他の人の指標値を推定するための人間行動分析方法であって、
処理部が、ノード識別子に対応して、指標値が既知のノード識別子についての既知の指標値と、指標の推定値と、リンク先ノード識別子とが対応して記憶されるノード属性データベースに、既知の指標値が記憶されているノードの少なくとも一部について、該既知の指標値応じた該ノードの指標の推定値を定めるステップと
処理部が、他のノードについてノードの指標の推定値の初期値を定めるステップと、
処理部が、各ノードの指標の推定値と、ノード識別子とリンク先ノード識別子との対応関係で表されるリンク情報とに基づき、各ノードで構成される系のエネルギーをイジングモデルにより求めるステップと、
処理部が、各ノードの指標の推定値を変化させて系のエネルギーを再度計算することを所定回数繰り返し、系のエネルギーがより小さくなるようにするステップと、
処理部が、所定回数繰り返した後の各ノードの指標の推定値又は繰り返し計算過程における各ノードの指標の推定値の統計値を、指標の推定値と決定して前記ノード属性データベースに記憶するステップと
を含む人間行動分析方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２０１２−２１７５１８（Ｐ２０１２−２１７５１８Ａ）
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願番号】特願２０１１−８３８７３（Ｐ２０１１−８３８７３）
【出願日】平成２３年４月５日（２０１１．４．５）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願日】平成２３年４月５日（２０１１．４．５）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]