【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は要因別影響評価装置に関し、さらに詳しくは、自律的情報提供エージェント装置がブレインストーミングに及ぼす影響を評価する要因別影響評価装置に関する。

【０００２】

【従来の技術】近年、各分野において知的生産性の向上が急務となっている（「野中郁次郎，竹内弘高（著），
梅本勝博（訳）：知識創造企業，東洋経済新報社（１９
９６）」参照）。 その要請に対する答えの１つとして知的触発を目指すグループウェアの開発が精力的に進められており（「松下温，岡田謙一，勝山恒男，西村孝，山上俊彦編：知的触発に向かう情報社会−グループウェア維新−，ｂｉｔ別冊，共立出版株式会社（１９９４）」
参照）、本発明者らも、オフィスやコミユニティーなどでのグループでの創造的思考活動を支援する活動を支援する環境“ＡＩＤＥ”（Augmented Informative Discus
sion Environment）の研究開発を進めている。 ここでは、ＡＩＤＥが備える思考支援エージェントの１つであり、グループによる発散的思考の支援を目的とする自律的情報提供エージェント装置について説明する。

【０００３】発散的思考過程とは、与えられた思考のテーマに関連する情報を、幅広い視点から虚心坦懐に多数集めることを目的とする過程であり、集める情報の質より量が重要となる（「國藤進：発想支援システムの研究開発動向とその課題，人工知能学会誌，ｖｏｌ．８，Ｎ
ｏ． ５，ｐｐ． ５５２−５５９（１９９３）」参照）。
しかしながら、専門分野を同じくする者同士でブレインストーミングを行なうと、どうしても共通する固定観念によって視野の幅が狭くなり、斬新なアイディアを得ることが難しくなるという問題がある。 このため、専門分野が異なる門外漢を一人参加させることが有効となることが多いことが、経験的に知られている。 これは、門外漢を持つ異質な知識に基づく異質な関連情報が、その他の作業者に別の視点の存在を気付かせる効果によるものと思われる。 自律的情報提供エージェント装置に期待されるのは、このようなブレインストーミングにおける門外漢と同等の役割である。 すなわち、グループによるアイディア創造のための対話に自律的情報提供エージェント装置を参加させ、データベースから関連情報を提供させることにより、同様の「気付き」を思考作業者に与えられるのではないか、という期待である。

【０００４】

【発明が解決しようとする課題】しかしながら、人間が門外漢として参加する場合でも、その介入の仕方によって、他の作業者の発散的思考を有効に触発する場合もあれば、逆に妨害する可能性もある。 したがって、自律的情報提供エージェント装置の実現にあたっては、その対話への介入の方法を慎重に決定しなければならない。 しかしながら、自律的情報提供エージェント装置がブレインストーミングに及ぼす影響のみを評価することは困難であった。 というのは、自律的情報提供エージェント装置だけでなく、思考作業者や議題などの要因もブレインストーミングに影響を及ぼすからである。

【０００５】一般に、相互に独立した複数の要因からの影響を受けて出力が変化する状況において、ある１つの要因が出力に及ぼす影響を評価することは困難であった。

【０００６】この発明は、上記のような問題を解決するためになされたもので、相互に独立した複数の要因からの影響を受けて出力が変化する状況において各要因が出力に及ぼす影響を評価することができる要因別影響評価装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】この発明の１つの局面に従うと、相互に独立した複数の要因からの影響を受けて出力が変化する系において、要因の各々は所定の複数のインスタンス（要因を形成する種々の実例を意味し、たとえば後述するシステム要因であれば、システム要因に関する具体的な動作モード、被験者要因であれば、被験者要因に関する具体的なグループ、議題要因であれば、
議題要因に関する具体的な議題である。 以下、同じ。 ）
を採り、インスタンスの各々は所定の特性値（インスタンスがもつ固有の特性を定量的に表したパラメータを意味する。以下、同じ。）を有し、ある状況における出力を、各要因ごとに１つずつのインスタンスが有する複数の特性値と要因に依存しない一定値との乗積で表現可能と仮定したとき、各要因が出力に及ぼす影響を評価する要因別影響評価装置は、入力手段と、記憶手段と、指定手段と、第１の選択手段と、第２の選択手段と、抽出手段と、第１の乗積計算手段と、第２の乗積計算手段と、
除算手段と、累乗根計算手段と、出力手段とを備える。
入力手段は、複数の状況・出力組を入力する。 状況・出力組の各々は、ある状況とそれに対応する出力とからなる。 記憶手段は、入力手段により入力された複数の状況・出力組を記憶する。 指定手段は、複数の要因のうち評価されるべき所望の１つの要因と、その要因が採る複数のインスタンスのうち所定の２つのインスタンスを指定する。 第１の選択手段は、記憶手段に記憶された複数の状況・出力組の中から、指定手段により指定される２つのインスタンスのうち１つのインスタンスを有する状況・出力組を選択する。 第２の選択手段は、記憶手段に記憶された複数の状況・出力組の中から、指定手段により指定された２つのインスタンスのうちもう１つのインスタンスを有する状況・出力組を選択する。 抽出手段は、
第１の選択手段により選択された状況・出力組と第２の選択手段により選択された状況・出力組とを比較し、指定手段により指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を、第１の選択手段により選択された状況・出力組の中から第１の抽出組として抽出しかつ第２の選択手段により選択された状況・出力組の中から第２の抽出組として抽出する。 第１の乗積計算手段は、第１の抽出組中の出力の乗積を計算する。 第２の乗積計算手段は、第２の抽出組中の出力の乗積を計算する。 除算手段は、第１の乗積計算手段により計算された乗積を第２の乗積計算手段により計算された乗積で除する。 累乗根計算手段は、除算手段による商の、第１および第２の抽出組中の各組数による累乗根を計算する。 出力手段は、累乗根計算手段により計算された累乗根を出力する。

【０００８】上記要因別影響評価装置においては、指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を選択された状況・出力組の中から抽出し、第１の抽出組中の出力の乗積を第２の抽出組中の出力の乗積で除して組数の累乗根を計算しているため、評価されるべき所望の１つの要因以外の要因が出力に及ぼす影響が除去され、その１つの要因が出力に及ぼす影響のみを定量的に評価することができる。

【０００９】この発明のもう１つの局面に従うと、相互に独立した複数の要因からの影響を受けて出力が変化する系において、要因の各々は所定の複数のインスタンスを採り、インスタンスの各々は所定の特性値を有し、ある状況における出力を、各要因ごとに１つずつのインスタンスを有する複数の特性値と要因に依存しない一定値との乗積で表現可能と仮定したとき、各要因が出力に及ぼす影響を評価する要因別影響評価装置は、入力手段と、記憶手段と、指定手段と、第１の選択手段と、第２
の選択手段と、抽出手段と、第１の乗積計算手段と、第２の乗積計算手段と、比較手段と、出力手段とを備える。 入力手段は、複数の状況・出力組を入力する。 状況・出力組の各々は、ある状況とそれに対応する出力とからなる。 記憶手段は、入力手段により入力された複数の状況・出力組を記憶する。 指定手段は、複数の要因のうち評価されるべき所望の１つの要因と、その要因が採る複数のインスタンスのうち所望の２つのインスタンスを指定する。 第１の選択手段は、記憶手段に記憶された複数の状況・出力組の中から、指定手段により指定された２つのインスタンスのうち１つのインスタンスを有する状況・出力組を選択する。 第２の選択手段は、記憶手段に記憶された複数の状況・出力組の中から、指定手段により指定された２つのインスタンスのうちもう１つのインスタンスを有する状況・出力組を選択する。 抽出手段は、第１の選択手段により選択された状況・出力組と第２の選択手段により選択された状況・出力組とを比較し、指定手段により指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を、第１の選択手段により選択された状況・出力組の中から第１の抽出組として抽出しかつ第２の選択手段により選択された状況・出力組の中から第２の抽出組として抽出する。 第１の乗積計算手段は、第１の抽出組中の出力の乗積を計算する。 第２の乗積計算手段は、第２の抽出組中の出力の乗積を計算する。 比較手段は、第１の乗積計算手段により計算された乗積と第２の乗積計算手段により計算された乗積とを比較する。 出力手段は、比較手段による比較結果を出力する。

【００１０】上記要因別影響評価装置においては、指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を抽出し、第１の抽出組中の出力の乗積と第２の抽出組中の出力の乗積とを比較しているので、評価されるべき所望の１つの要因以外の要因が出力に及ぼす影響が除去され、その１つの要因が出力に及ぼす影響のみを定性的に評価することができる。

【００１１】

【発明の実施の形態】以下、この発明の実施の形態を説明する。

【００１２】相互に独立でかつ各々がさまざまに変化する複数の要因ｆ１，ｆ２，ｆ３，…，ｆｉ，…ｆｎに影響されて出力が変化する系を想定する。 この系において、各要因がとる所定のインスタンスのリストによって、状況Ｓｊが以下のように記述されるものとする。

【００１３】 Ｓｊ＝＜ｆ１＝Ａｊ，ｆ２＝Ｂｊ，ｆ３＝Ｃｊ，…＞ たとえば、要因ｆ１は「被験者」であり、インスタンスはＡ１：太郎，Ａ２：花子，Ａ３：次郎，…であり、また、要因ｆ２は「乗物」であり、インスタンスはＢ１：
徒歩，Ｂ２：タクシー，Ｂ３：鉄道，…である。 この場合、出力は、たとえば「Ａ地点からＢ地点まで行くのに要する時間」である。

【００１４】各インスタンスには、それぞれ所定の属性値（特性値）が本来与えられているものとする。 インスタンスＡｊの特性値はａｊとし、Ｂｊの特性値はｂｊとする。

【００１５】しかしながら、この特性値はすべて（あるいは一部）実際にどのような値になるかはわからず、唯一、状況Ｓｊにおいて得られる具体的な値は、状況Ｓｊ
における系の出力Ｏｊのみとする。

【００１６】このとき、出力Ｏｊが以下の式で与えられるものと仮定する。 Ｏｊ＝ａｊ×ｂｊ×ｃｊ×…×ｃｏｎｓｔ． ただし、ｃｏｎｓｔ． は状況に依存しない不変な定数である。

【００１７】以上を前提として、この実施の形態による要因別影響評価装置は、以下の動作を行なう。

【００１８】１） この要因別影響評価装置は、まず状況とその状況における出力の組＜Ｓｊ，Ｏｊ＞がさまざまな状況について多数与えられ、これら多数の状況・出力組をメモリに記憶する。

【００１９】２） 次いで、両者から比較したい要因とその要因中の比較するインスタンスが２つ指定される。
たとえば、「要因ｆ２（乗物）のインスタンスＢ２（タクシー）とＢ３（鉄道）を比較せよ」というように指定される。

【００２０】３） すると、この要因別影響評価装置は、記憶している状況・出力組の中から、まず要因ｆ２
についてチェックし、ｆ２＝Ｂ２をインスタンスとして持つ状況・出力組（以下「Ｂ２選択組」と呼ぶ）と、ｆ
２＝Ｂ３をインスタンスとして持つ状況・出力組（以下「Ｂ３選択組」と呼ぶ）とを選択する。 たとえば、要因がｆ１からｆ４までの４つであるとして、次の表１のようなＢ２選択組と、次の表２のようなＢ３選択組が得られていたとする。

【００２１】

【表１】

【００２２】

【表２】

【００２３】４） さらに、この要因別影響評価装置は、要因ｆ２以外の要因ｆ１，ｆ３，ｆ４について、Ｂ
２選択組とＢ３選択組とを比較する。 そして、要因ｆ
１，ｆ３，ｆ４の各々のインスタンスの組合せが同じになる状況・出力組をＢ２選択組およびＢ３選択組の両方の中から抽出し、これらをそれぞれＢ２抽出組およびＢ
３抽出組と呼ぶ。 たとえば上記表１および表２のような選択組が得られていた場合は、表１および表２で「→」
で示される状況・出力組を抽出すると、いずれの状況・
出力組についても、ｆ１＝（Ｃ，Ｅ，Ｆ），ｆ３＝
（ｃ，ｅ，ｆ），ｆ４＝（♯，％，＆）という同じ組合せ（順列ではない）になる。 したがって、Ｂ２抽出組は次の表３のようになり、Ｂ３抽出組は次の表４のようになる。

【００２４】

【表３】

【００２５】

【表４】

【００２６】５） 次に、各抽出組中の出力の値をすべて掛け合わせ、つまり乗積を計算し、その結果を相互に比較して出力する。 たとえば、上記の例では、Ｂ２抽出組の出力の乗積は「２２」（＝２×１１×１）であり、
Ｂ３抽出組の出力の乗積は「４８０」（＝６×１６×
５）であるから、インスタンスＢ３が出力に及ぼす影響の方が大きい。

【００２７】この結果から、要因ｆ１，ｆ３，ｆ４が出力に及ぼす影響を除去し、要因ｆ２のみについて、インスタンスＢ２およびＢ３のうちどちらの方が出力に大きな影響を及ぼすかを判定することができる。

【００２８】６） 上記５）のように各抽出組中の出力の乗積を相互に比較しかつ出力する代わりに、以下の式のように、Ｂ２抽出組中の出力の乗積「２２」（＝２×
１１×１）をＢ３抽出組中の出力の乗積「４８０」（＝
６×１６×５）で除し、その３乗根を計算して出力するようにしてもよい。 これにより、インスタンスＢ２の特性値ｂ２とインスタンスＢ３の特性値ｂ３の比を求めることができる。

【００２９】

【数１】

【００３０】この例の場合は各抽出組中の状況・出力組の数が「３」であるから、３乗根を計算しているが、もしｎ個の状況・出力組が抽出されていれば、ｎ乗根を計算すればよい。

【００３１】この結果から上記と同様に、要因ｆ１，ｆ
３，ｆ４が出力に及ぼす影響を除去し、要因ｆ２のみについて「インスタンスＢ３が出力に及ぼす影響」に対する「インスタンスＢ２が出力に及ぼす影響」の割合を定量的に求めることができる。

【００３２】以上のようにこの実施の形態によれば、相互に独立した複数の要因ｆ１，ｆ２，ｆ３，…，ｆｉ，
…，ｆｎからの影響を受けて出力が変化する状況において、１つだけの要因における２つのインスタンスの影響差を他の要因による影響を除去して評価することができる。

【００３３】

【実施例】次に、自律的情報提供エージェント装置のみがブレインストーミングに及ぼす影響を評価するために、この発明を適用した一実施例について説明する。

【００３４】１ 情報提供エージェント装置の構成 情報提供エージェント装置に求められるのは、発散的思考を触発できるような、やや異質性を含んだ情報の提供である。 この実施例では、対話の話題構造を２次元空間構造として表現した話題空間と、連想辞書を用いた連想検索とを組合せることにより、対話の話題内容に対して関連を持つと同時に異質性をも取込むような情報検索手法を実装した。 ここでは、この情報検索手法を中心として、情報提供エージェント装置の構成と動作の概要について説明する。

【００３５】１．１ 情報提供エージェント装置のモジュール構成 図１に、情報提供エージェント装置のモジュール構成を示す。 ＡＩＤＥ利用者は、各自のデスクトップマシンで発言をキーボードから文字入力する。 入力されたテキスト情報としての個々の発言（以下「発言オブジェクト」
と呼ぶ）１は、サーバを経由して全利用者と情報提供エージェント装置に配信される。 発言文処理モジュールには、受取った各発言オブジェクト１を解析し、重み付きキーワードを抽出し、その集合３を形成する。 対話構造化モジュール４は、統計処理によって各発言オブジェクト１を２次元空間上に順次配置して話題空間を構成する。 検索キーワード抽出モジュール５は、話題空間上の主要話題領域および話題の空白領域を検出し、情報検索に使用するキーワードを重み付きで選出する。 情報検索モジュール６は、情報検索キーワードを用い、所定された手法によって手持ちのデータベース７から情報を検索抽出する。 得られた情報８は、情報提供エージェント装置の発言として対話中に投入される。 投入のタイミングは、情報提供タイミング判定モジュール９で決定される。 以下、各モジュールの詳細について説明する。

【００３６】１．１．１ 発言文処理モジュール２ 入力された各発言文は、まず単語に分割され、形態素解析によって各単語の品詞が決定される。 次に、名詞および品詞を決定できなかった語のみを取出し、これらをその発言文のキーワードとする。 キーワードの重みは、各キーワードの出現頻度と出現間隔に基づき、対話全体で頻繁に出現する語は軽く、特定の１発話で複数回出現する語、およびある程度以上長い期間出現しなかった後に出現した語は重くする。 このような重み付けとしたのは、対話の局所的な話題構造を明確化するためである（「Nishimoto, K., Sumi, Y., and Mase, K.: Enhance
ment of Creative Aspects of A Daily Conversation,
with A Topic Development Agent, in“Cordination Te
chnology for Collaborative Applications - Organiza
tions, Processes, and Agents, ”Vol.1364, Lecture
Notes on Computer Science, pp.63-76, Springer-Verl
ag（1998）. 」参照）。

【００３７】１．１．２ 対話構造化モジュール 話題空間の構成には、思考空間の可視化手法を使用した（「角康之，小川竜太，堀浩一，大須賀節雄，間瀬健二：思考空間の可視化によるコミュニケーション支援手法，電子情報通信学会論文誌，ｖｏｌ．Ｊ７９−Ａ，ｎ
Ｏ． ２，ｐｐ． ２５１−２６０，（１９９６）」参照）。 すなわち、発言文処理モジュール２によって抽出されたキーワードをその発言オブジェクト１の属性と考え、各キーワードの重みを属性値として双対尺度法（「西里勝彦：質量データの数量化−双対尺度法とその応答−，朝倉出版（１９６２）」参照）を適用する。 これによって、各キーワードの共起関係ならびに各発言オブジェクト１におけるキーワードの共有関係が、空間上の位置関係として表現される。 一般に、相互に関連性が高い発言オブジェクト１は、近くに配置される。 この空間を話題空間と呼ぶ。 図２に、話題空間の例を示す。 この例では、３人の利用者ｓｕｂｊ−１〜ｓｕｂｊ−３による発言と情報提供エージェント装置の提供情報１０、
ならびに各キーワード１１が配置されている。 各利用者ｓｕｂｊ−１〜ｓｕｂｊ−３の後ろの数字は、その利用者による何番目の発言であるかを示す。

【００３８】１．１．３ 検索キーワード抽出モジュール５ 検索キーワード抽出モジュール５は、まず話題空間を１
６×１６のセルに分割する。 各セルの重みは、そのセルを中心とする９つのセルに含まれる発言オブジェクト１
の平均個数である。 重みが周辺のセルより思い、極大値をとるセルを話題中心と呼ぶ。 一方、ユークリッド処理変換手法（「平田富夫，加藤敏洋：ユークリット距離変換アルゴリズム，情報研報ＡＬ−４１−４，ｐｐ．２５
−３１（１９９４）」参照）を用いて、重みがゼロの各セルについて、重みがゼロでないセル群との境界、および２次元空間の最外端からの距離を求める。 この結果、
あるしきい値以上の距離を離れている重みがゼロのセル群を話題の空白領域とみなし、空白領域外端から最も離れている重みゼロのセル（同じ距離のセルが複数ある場合はその中心）をその空白領域の中心とみなし、空白中心と呼ぶ。 図３に、図２に示した話題空間について以上の処理を行なった例を示す。 図３中、“Ｔ”が話題中心、“Ｅ”が空白中心である。 また、白いセルは重みがゼロのセルで、灰色のセルが重みが非ゼロのセルであり、色の濃いセルほど重みが重い。 以上の解析結果に基づき、話題空間上の１つの話題中心Ｔないし空白中心Ｅ
に近いものから、順に一定数（この実施例では最大５
０）のキーワードを集めて検索キーワード群を構成する。 各検索キーワードには、話題空間上における各キーワードの、使用された話題中心Ｔないし空白中心Ｅからの距離に反比例した重みが付与される。

【００３９】１．１．４ 情報検索モジュール６ 情報検索モジュール６は、検索キーワード群をもとに検索キーワードベクトルを生成し、これを用いて予め準備されたテキストベース７から、以下の２種類の検索手法によって情報検索を行なう。 直接検索では、検索キーワードベクトルとテキストベース７中の各テキストオブジェクトのキーワードベクトルとの内積を求め、最も値の大きいテキストオブジェクトを出力する。 連想検索では、予め準備してある連想辞書７を用いて、検索キーワードベクトルを連想的に変換し、連想キーワードベクトルを得る。 この連想キーワードベクトルと、テキストベース７中の各テキストオブジェクトのキーワードベクトルとの内積を求め、最も値の大きいテキストオブジェクトを出力する。 なお、後述する実験では、テキストベースには自由国民社の現代用語の基礎知識１９９７年版の記事約２００００件を用いた。 また、連想辞書も同じデータから構築した。 連想辞書に採用されたキーワードの数はおよそ６００００であった。

【００４０】１．１．５ 情報提供タイミング判定モジュール９ 情報提供タイミング判定モジュール９は、入力される発言オブジェクト１の数をもとに、情報提供のタイミングを指示する。

【００４１】１．２ ４種の情報検索手法 検索キーワード抽出手法と情報検索の手法の組合せにより、次の４種の情報検索手法を準備した。

【００４２】話題直接検索：話題中心Ｔを用いて得た検索キーワードベクトルを用いて、直接検索を行なう。

【００４３】話題連想検索：話題中心Ｔを用いて得た検索キーワードベクトルを用いて、連想検索を行なう。

【００４４】空白直接検索：空白中心Ｅを用いて得た検索キーワードベクトルを用いて、直接検索を行なう。

【００４５】空白連想検索：空白中心Ｅを用いて得た検索キーワードベクトルを用いて、連想検索を行なう。

【００４６】これらの４種類の手法は、それぞれに性質の異なる情報を抽出すると考えられるが、対話内容と抽出情報との関連性という性質に着目した場合、話題直接検索が抽出する情報の関連性が最も強く、以下、空白直接検索、話題連想検索、空白連想検索の順に関連性が弱くなると予想される。 これは、話題中心Ｔを用いたキーワード選出では単一の局所話題に関連する検索キーワードが得られるのに対し、空白中心Ｅを用いた場合は複数の局所話題に関連する検索キーワードが得られること、
また、直接検索では話題空間上に存在するキーワードがそのまま検索に使用されるのに対し、連想検索では連続的に得られる話題空間上に存在しないキーワードも検索に使用されることによる。 ただし、いずれの手法においても全く無関係な情報が得られる可能性はない。

【００４７】２ 実験と結果 自律的情報提供エージェント装置の有無、および上述した４種類の情報検索手法が発散的思考を意図した対話に与える影響を検証するために、被験者実験を行なった。
実験は、３名の被験者からなるグループ５組（Ｇ ₁ 〜Ｇ
₅ ）、延べ１５名によって行なわれた。 １５名の被験者は、すべて同じ大学に所属する学生であり、パソコンを使用して日本語文書の作成が滞りなく行なえ、電子メールの使用経験があることを条件に募集した。

【００４８】被験者は、ノートＰＣ上で発言を作成し、
メーラーを使用して発言内容をＡＩＤＥサーバに送信する。 被験者は、各自与えられたワークステーション上に表示されるＡＩＤＥの発言リストウィンドウで、全発言を一覧できる。 被験者の配置は、遠隔分散環境とした。
したがって、本実験における対話は、非対面同期的対話となる。 なお、被験者に話題空間は一切提示しない。

【００４９】対話の議題は、次の表５に示す５つである。

【００５０】

【表５】

【００５１】対話は、ブレインストーミングに準じて行なうように指示した。 さらに基本的なブレインストーミングの制約に加え、１発言あたり１アイディアとし、１
つの発言に複数のアイディアを盛り込まないよう指示した。

【００５２】システムの動作モードは、次の表６に示す５つである。

【００５３】

【表６】

【００５４】動作モードＭ ₁では情報提供エージェント装置は動作しないため、被験者にとって、ＡＩＤＥは単なるオンラインチャットシステムとなる。 動作モードＭ
₂ 〜Ｍ ₅では、情報提供エージェント装置は上述した４
つの情報検索手法のいずれかを用いて情報の自動検索を行なう。 情報提供は、被験者からの発話入力が３つあるたびに行なう。 すなわち、平均１名が１発言するたびに情報提供エージェント装置が１回動作する。 これは、情報提供エージェント装置を人間とほぼ対等に扱うことに対応する。 被験者に対しては、各対話におけるシステム動作モードおよび情報提供タイミングに関して、一切教示しない。 なお、話題中心Ｔを用いた検索キーワード選出を行なう際、話題中心Ｔが複数存在する場合には、被験者による最新の発言オブジェクト１に最も近い話題中心Ｔを使用する。 また、空白中心Ｅを用いる場合は、常に各時点における最大の空白中心Ｅを使用する。

【００５５】次の表７に、実験における被験者グループ、議題、システムの動作モード、対話実験実施順序の組合せを示す。

【００５６】

【表７】

【００５７】注） ^*実験［Ｍ ₃ ，Ｇ ₁ ，Ｔ ₃ ］は、システムの障害により実施できなかった。 ^{* *}この関係で、
［Ｍ ₅ ，Ｇ ₂ ，Ｔ ₃ ］を予定していた実験を、［Ｍ ₃ ，
Ｇ ₂ ，Ｔ ₃ ］に変更した。

【００５８】１実験（１対話作業）あたり４０分間議論を行ない、その後２０分程度でアンケートに回答してもらう。 これを各グループについて５回繰返した。

【００５９】実験結果を次の表８〜表１０に示す。

【００６０】

【表８】

【００６１】

【表９】

【００６２】

【表１０】

【００６３】表８には各対話実験における被験者における発言の総数を示す。 表９および表１０は、対話実験後のアンケートに基づく結果である。 表９には、各対話実験において情報提供エージェント装置が提供した情報の内容と対話内容との関連性に関する被験者による主観評価結果を、情報提供エージェント装置の各動作モードについて示す。 主観評価は、０：全く無関連〜４：密接に関連、の５段階で行なった。 ｔ検定の結果、各動作モードにおける平均の差は、いずれのモード間でも５％水準で有意であった。 表１０には、情報提供エージェント装置の情報に影響された被験者の発言の数を示す。 アンケートにおいて、各被験者に対し、個々の発言内容を考察する際、その発言以前のどの発言（情報提供エージェント装置の情報を含む）を考慮したかを問うた。 表１０に示したのは、そのうち情報提供エージェント装置の情報を考慮したと答えた数である。 表１０中、情報提供エージェント装置の影響率で示しているのは、各動作モードにおける、総発言数に対する情報提供エージェント装置の情報に影響を受けた発言数の比である。 また、参照率とは、各グループにおける、発言数の合計（表８参照）
に対する情報提供エージェント装置の情報に影響を受けた発言数の比である。

【００６４】３ 情報提供エージェント装置の影響の検討 ３．１ 情報提供エージェント装置によるアイディア生成促進以外の影響の除去 発散的思考過程は質より量の過程であるため、より多数のアイディア断片を引出させるようにする支援手法がより優れているといえる。 そこで、上記表８に示した結果をもとに情報提供エージェント装置の動作モードＭ ₁ 〜
Ｍ ₅の影響を比較する。 ただし、情報提供エージェント装置の動作モードＭ ₁ 〜Ｍ ₅の違いの影響以外にも、グループの能力差や議題ごとのアイディア生成の容易さの差が存在するため、単純に各動作モードにおけるアイディア数の平均を比較するわけにはいかない。 そこで以下の方法により、情報提供エージェント装置の動作モードＭ ₁ 〜Ｍ ₅の影響のみを取出して比較する。

【００６５】アイディア生成に影響する要因は、情報提供エージェント装置による促進効果（システム要因）、
グループ固有の生成能力（被験者要因）、議題ごとの容易さ（議題要因）、の３つのみであるとし、これらの３
つの要因の影響は、相互に独立で、比例的に影響するものと仮定する。 すなわち、情報提供エージェント装置の動作モードＭ _x （１≦ｘ≦５）で、グループＧ _y （１≦
ｙ≦５）が議題Ｔ _z （１≦ｚ≦５）について発散的思考を行なう際（以下では、この実験条件を［Ｍ _x ，Ｇ _y ，
Ｔ _z ］と表わす）、生成されるアイディア断片の数ｎ
_x,y,zは、次の式（１）で与えられるとする。

【００６６】 ｎ _x,y,z ＝ｍ _x・ｇ _y・ｔ _z・ｎ _st …（１） ここに、ｍ _xは情報提供エージェント装置の動作モードＭ _xにおけるシステム要因に関する係数（特性値）、ｇ
_yはグループＧ _yの被験者要因に関する係数（特性値）、ｔ _zは議題Ｔ _zにおける議題要因に関する係数（特性値）であり、ｎ _stは定数である。

【００６７】式（１）を用いて実験結果から被験者要因と議題要因の影響を除去する。 議題の種類とグループ数はともにａ（ここではａ＝５）で、各々Ｔ ₁ 〜Ｔ _a ，Ｇ
₁ 〜Ｇ _aであったとする。 このとき、情報提供エージェント装置の動作モードＭ _pでは議題とグループの組合せが｛（Ｔ _i ，Ｇ _f1(i) ）；１≦ｉ≦ａ｝であり、Ｍ _qでは議題とグループの組合せが｛（Ｔ _i ，Ｇ _f2(j) ）；１
≦ｊ≦ａ｝であったとする。 ただし、関数ｆ１（ｉ）
は、ｉを１〜ａの値に１対１で対応させる関数であり、
関数ｆ２（ｊ）は、ｊを１〜ａの値に１対１で対応させる関数とする。 ただし、ｆ１（・）とｆ２（・）は、異なる対応づけをするものとする（（Ｔ _i ，Ｇ _f1(i) ）と（Ｔ _j ，Ｇ _f2(j) ）は数学的には同じ組合せをとってもよいが、この実験では同じグループが同じ議題について複数回議論することは避けなければならない。）。 このとき、実験条件［Ｍ _p ，Ｇ _f1(i) ，Ｔ _i ］において生成されるアイディア断片数ｎ _p,f1(i),iと、実験条件［Ｍ
_q ，Ｇ _f2(j) ，Ｔ _i ］において生成されるアイディア断片数ｎ _q,f2(j),jは、以下の式で与えられる。

【００６８】 ｎ _p,f1(i),j ＝ｍ _p・ｇ _f1(i)・ｔ _i・ｎ _st ｎ _q,f1(j),j ＝ｍ _q・ｇ _f2(j)・ｔ _j・ｎ _stここに、ｍ _p ，ｍ _qはそれぞれ動作モードＭ _p ，Ｍ _qでのシステム要因に関する係数、ｔ _i ，ｔ _jはそれぞれ議題Ｔ _i ，Ｔ _jの議題要因に関する係数、ｇ _{f1(i )} ，ｇ
_f2(j)はそれぞれグループＧ _f1(i) ，Ｇ _f2(j)の被験者要因に関する係数である。 これにより、

【００６９】

【数２】

【００７０】であるから、両辺を辺々割ることにより、

【００７１】

【数３】

【００７２】を得る。 結局右辺は、Ｍ _pでの各実験で得た発言数の乗積を、Ｍ _qでの各実験で得た発言数の乗積で割った商のａ乗根であるから、ｍ _p ／ｍ _qは上記表８
の結果から容易に得ることができる。 この結果、被検者要因および議題要因の影響を受けることなく、情報提供エージェント装置の動作モードの違いだけによるシステム要因の影響、すなわちｍ _p ，ｍ _qを比較できる。

【００７３】この実施例では、動作モードＭ ₁を基準として、他の動作モードＭ ₂ 〜Ｍ ₅における情報提供エージェント装置の影響を評価する。 上記式（２）に基づき、動作モードＭ _i （ｉ＝２〜５）の、動作モードＭ ₁
に対するアイディア断片生成促進能力の比ｒ _i,1を求めた結果を次の表１１に示す。

【００７４】

【表１１】

【００７５】たとえば、動作モードＭ ₂と動作モードＭ
₁のアイディア断片生成促進能力の比ｒ _2,1は、以下のようにして得ることができる。

【００７６】

【数４】

【００７７】なお、上記表７に示すように、実験条件［Ｍ ₃ ，Ｇ ₁ ，Ｔ ₃ ］が実施できず、その関係で実験条件［Ｍ ₅ ，Ｇ ₂ ，Ｔ ₃ ］を実験条件［Ｍ ₃ ，Ｇ ₂ ，
Ｔ ₃ ］に変更した。 そこで、［Ｍ ₃ ，Ｇ ₂ 〜 ₅ ，Ｔ ₂ 〜
₅ ］と［Ｍ ₁ ，Ｇ ₂ 〜 ₅ ，Ｔ ₂ 〜 ₅ ］の結果から比ｒ
_3,1を求めた。 また比ｒ _5,1は、まずｔ ₃ ／ｔ ₅を実験条件［Ｍ ₁ 〜 ₄ ，Ｇ ₂ 〜 ₅ ，Ｔ ₃ ］と実験条件［Ｍ ₁ 〜
₄ ，Ｇ ₂ 〜 ₅ ，Ｔ ₅ ］とから求め、この値と実験条件［Ｍ ₅ ，Ｇ ₁ ，Ｔ ₅ ］の結果から、実験条件［Ｍ ₅ ，Ｇ
₁ ，Ｔ ₃ ］における発言数の推定値ｎ _5,1,3 ＝４９．８
を求め、さらにこの推定値を含めてｒ _5,2 ＝ｍ ₅ ／ｍ ₂
を実験条件［Ｍ ₅ ，Ｇ _1,3 〜 ₅ ，Ｔ ₁ 〜 ₄ ］と実験条件［Ｍ ₂ ，Ｇ _1,3 〜 ₅ ，Ｔ ₁ 〜 ₄ ］とから求めることにより、最終的にｒ _5,1 ＝ｒ _5,2・ｒ _2,1から求めた。

【００７８】３．２ 要因別影響評価装置 次に、この発明の実施例による要因別影響評価装置について説明する。 この要因別影響評価装置は、自律的情報提供エージェント装置がブレインストーミング中の発言数に及ぼす影響のみを各動作モードごとに評価する上述した評価方法を実施するための装置である。 ３．２．１ 評価の対象となる前提 図４に、この実施例による要因別影響評価装置の評価対象となる前提を示す。 上述した発散的思考過程においては、システム要因ｆｍ、被験者要因ｆｇ、および議題要因ｆｔの３つの要因からの影響を受けて各グループの発言数（出力）が変化する。 これら３つの要因ｆｍ，ｆ
ｇ，ｆｔは、相互に独立している。 システム要因ｆｍ
は、５つの動作モード（インスタンス）Ｍ ₁ 〜Ｍ ₅をとる。 被験者要因ｆｇは、５つのグループ（インスタンス）Ｇ ₁ 〜Ｇ ₅をとる。 議題要因ｆｔは、５つの議題（インスタンス）Ｔ ₁ 〜Ｔ ₅をとる。 動作モードＭ ₁ 〜
Ｍ ₅はそれぞれシステム要因に関する係数（特性値）ｍ
₁ 〜ｍ ₅を有する。 グループＧ ₁ 〜Ｇ ₅はそれぞれ被験者要因に関する係数（属性値）ｇ ₁ 〜ｇ ₅を有する。 議題Ｔ ₁ 〜Ｔ ₅はそれぞれ議題要因に関する係数（属性値）ｔ ₁ 〜ｔ ₅を有する。 ある実験条件［Ｍ _x ，Ｇ _y ，
Ｔ _z ］における発言数ｎ _x ， _y ， _zは、上記式（１）で表現可能と仮定する。 すなわち、発言数ｎ _x ， _y ，
_zは、ある動作モードの係数ｍ _xと、あるグループの係数ｇ _yと、ある議題の係数ｔ _zと、いずれの要因にも依存しない一定値ｎ _stとの乗積で表わされる。 たとえば実験条件［Ｍ ₁ ，Ｇ ₁ ，Ｔ ₁ ］の場合、発言数ｎ ₁ ， ₁ ，
₁は、係数ｍ ₁と係数ｇ ₁と係数ｔ ₁と定数ｎ _stの乗積で表わされる。 ３．２．２ 構成および動作 この要因別影響評価装置は、図５に示すようなワークステーションなどのコンピュータ上で実現される。 このコンピュータは、キーボードなどの入力装置２０と、中央演算装置（ＣＰＵ）２１と、メモリ２２と、ディスプレイやプリンタなどの出力装置２３とを備える。 入力装置２０、ＣＰＵ２１、メモリ２２、および出力装置２３
は、データバス２４を介して相互に接続されている。

【００７９】図６および図７は、このようにコンピュータ上に実現された要因別影響評価装置の構成を示す機能ブロック図である。 図６および図７に示すように、この要因別影響評価装置は、入力部２５と、指定部２６と、
Ｍ _p選択部２７と、Ｍ _q選択部２８と、比較抽出部２９
と、Ｍ _p乗積計算部３０と、Ｍ _q乗積計算部３１と、除算部３２と、累乗根計算部３３と、出力部３４と、メモリ２２とを備える。

【００８０】入力部２５はキーボードなどの入力装置２
０により形成され、複数の組［Ｍ _x ，Ｇ _y ，Ｔ _z ］，ｎ
_x ， _y ， _zを入力する。 ここでは、上記表７および表８
に基づいて次の表１２に示す２４個の組が入力される。
各組は、ある実験条件［Ｍ _x ，Ｇ _y ，Ｔ _z ］とそれに対応する発言数ｎ _x ， _y ， _zとからなる。 入力部２５により入力された複数の組［Ｍ _x ，Ｇ _y ，Ｔ _z ］，
ｎ _x ， _y ， _zはメモリ２２の所定領域に記憶される。

【００８１】

【表１２】

【００８２】指定部２６はキーボードなどの入力装置２
０により形成され、３つの要因ｆｍ，ｆｇ，ｆｔのうち評価されるべき所望の１つの要因、ここではシステム要因ｆｍと、システム要因ｆｍがとる複数の動作モードＭ
₁ 〜Ｍ ₅のうち所望の２つの動作モードＭ _p ，Ｍ _qを指定する。 指定部２６により指定されたシステム要因ｆｍ
および動作モードＭ _p ，Ｍ _qはメモリ２２の所定領域に記憶される。

【００８３】選択部２７は、メモリ２２に記憶された複数の組［Ｍ _x ，Ｇ _y ，Ｔ _z ］の中から、指定部２６により指定された動作モードＭ _pを有する組［Ｍ _p ，Ｇ
_f1(i) ，Ｔ _i ］，ｎ _p ， _f1(i) ， _iを選択する。 選択部２７より選択された組［Ｍ _p ，Ｇ _fi(i) ，Ｔ _i ］，
Ｎ _p ， _f1(i) ， _iはメモリ２２の所定領域に記憶される。

【００８４】選択部２８は、メモリ２２に記憶された複数の組［Ｍ _x ，Ｇ _y ，Ｔ _z ］，ｎ _x ， _y ， _zの中から、
指定部２６により指定された動作モードＭ _qを有する組［Ｍ _q ，Ｇ _f2(j) ，Ｔ _j ］，ｎ _q ， _f2(j) ， _jを選択する。 この選択された組［Ｍ _q ，Ｇ _f2(j) ，Ｔ _j ］，
ｎ _q ， _f2(j) ， _jは、メモリ２２の所定領域に記憶される。

【００８５】ここでは、指定部２６により動作モードＭ
_pとして動作モードＭ ₂ 〜Ｍ ₅が指定され、動作モードＭ _qとして動作モードＭ ₁が指定される。 したがって、
選択部２８により動作モードＭ ₁を有する次の表１３に示す５つの組が選択される。

【００８６】

【表１３】

【００８７】また、指定部２６により動作モードＭ _pとして動作モードＭ ₂が指定された場合は、選択部２７により動作モードＭ ₂を有する次の表１４に示す５つの組が選択される。

【００８８】

【表１４】

【００８９】また、指定部２６により動作モードＭ _pとして動作モードＭ ₃が指定された場合は、選択部２７により動作モードＭ ₃を有する次の表１５に示す５つの組が選択される。

【００９０】

【表１５】

【００９１】比較抽出部２９は、選択部２７より選択された組［Ｍ _p ，Ｇ _f1(i) ，Ｔ _i ］，ｎ _p ， _f1(i) ， _iと選択部２８により選択された組［Ｍ _q ，Ｇ _f2(j) ，
Ｔ _j ］，ｎ _q ， _f2(j) ， _jとを比較する。 比較の結果、
比較抽出部２９は、指定部２６により指定されたシステム要因以外の被験者要因ｆｇおよび議題要因ｆｔがそれぞれ採るグループＧ ₁ 〜Ｇ ₅および議題Ｔ ₁ 〜Ｔ ₅の組合せが同じになる組を、選択部２７により選択された組［Ｍ _p ，Ｇ _f1(i) ，Ｔ _i ］，ｎ _p ， _f1(i) ， _iの中からＭ _p抽出組として抽出するとともに、選択部２８により選択された組［Ｍ _q ，Ｇ _f2(j) ，Ｔ _j ］，
ｎ _q ， _f2(j) ， _jの中からＭ _q抽出組として抽出する。
Ｍ _p抽出組はメモリ２２の所定領域に記憶される。 Ｍ _q
抽出組はメモリ２２の所定領域に記憶される。

【００９２】指定部２６により動作モードＭ _pとして動作モードＭ ₂が指定され、かつ動作モードＭ _qとして動作モードＭ ₁が指定された場合、表１３および表１４に示すように被験者要因が採るグループの組合せが同じであり、かつ議題要因が採る議題の組合せが同じであるから、表１３に示す５つの組がそのままＭ ₁抽出組となり、表１４に示す５つの組がＭ ₂抽出組となる。

【００９３】一方、指定部２６により動作モードＭ _pとして動作モードＭ ₃が指定され、かつ動作モードＭ _qとして動作モードＭ ₁が指定された場合、選択部２７により選択された表１５に示した組と、選択部２８により選択された表１３に示した組とが比較される。 したがって、比較抽出部２９において、選択部２８により選択された表１３に示した５つの組の中から次の表１６に示す４つの組がＭ ₁抽出組として抽出されるとともに、選択部２７により選択された表１５に示した５つの組の中から次の表１７に示す４つの組がＭ ₃抽出組として抽出される。

【００９４】

【表１６】

【００９５】

【表１７】

【００９６】表１３に示すように、被験者要因がとるグループすべての組合せが、表１５に示すように被験者要因がとるすべてのグループの組合せと同じではないからであり、表１３に示す５つの組のうち４つが表１６に示すＭ ₁抽出組として抽出される。 同様に、表１５に示す５つの組のうち４つが表１７に示すＭ ₃抽出組として抽出される。 表１６に示すように、Ｍ ₁抽出組における被験者要因がとる４つのグループの組合せは、表１７に示すＭ ₃抽出組における被験者要因がとるグループの組合せと同じになる。 これと同時に、表１６に示すＭ ₁抽出組における議題要因がとる議題の組合せは、表１７に示すＭ ₃抽出組における被験者要因の組合せは、表１８に示すＭ _q抽出組における議題要因がとる議題の組合せと同じになる。

【００９７】上記Ｍ _p抽出組およびＭ _q抽出組はそれぞれメモリ２２の所定領域に記憶される。 また、Ｍ _pおよびＭ _g抽出組中の各組数ａ（表１６および表１７に示す抽出組の場合はａ＝４）がメモリ２２の所定領域に記憶される。

【００９８】Ｍ _p乗積計算部３０は、Ｍ _p抽出組中の発言数ｎ _p ， _f1(i) ， _iの乗積を計算する。 この計算された乗積はメモリ２２の所定領域に記憶される。 表１４に示す抽出組の場合、その乗積は「６６９６０００」（＝
４８×１０×２５×１８×３１）になる。 また、表１７
に示す抽出組の場合、その乗積は「１７０１００」（＝
１４×１８×２５×２７）になる。

【００９９】Ｍ _q乗積計算部３１は、Ｍ _q抽出組中の発言数ｎ _q ， _f2(j) ， _jの乗積を計算する。 この計算された乗積はメモリ２２の所定領域に記憶される。 たとえば表１３に示す抽出組の場合、その乗積は「８０８６４０
０」（＝３８×１４×２５×１９×３２）になる。 また、表１６に示す抽出組の場合、その乗積は「２１２８
００」（＝１４×２５×１９×３２）になる。

【０１００】除算部３２は、Ｍ _p乗積計算部３０により計算された乗積をＭ _q乗積計算部３１により計算された乗積で除する。 除算部３２による商はメモリ２２の所定領域に記憶される。

【０１０１】累乗根計算部３３は、除算部３２による商のａ乗根を計算する。 ａは、Ｍ _pおよびＭ _q抽出組中の各組数である。 したがって、表１３および表１４に示す抽出組の場合、ａ＝５となる。 また、表１６および表１
７に示す抽出組の場合、ａ＝４となる。

【０１０２】出力部３４は、ディスプレイやプリンタなどの出力装置２３により形成され、累乗根計算部３３により計算された累乗根を出力する。 この累乗根は、上記式（２）により動作モードの係数ｍ _qに対する別の動作モードの係数ｍ _pの比を表わし、システム要因ｆｍ以外の被験者要因ｆｇおよび議題要因ｆｔが除去されている。 したがって、システム要因ｆｍが発言数に及ぼす影響のみを定量的に評価することができる。

【０１０３】たとえば上記表１１に示すように、動作モードＭ ₁に対するアイデア断片生成促進能力の比は、ｍ
₄ ／ｍ ₁が他に比べて２０数％大きくなっている。 したがって、自律的情報提供エージェント装置の動作モードとしては、空白直接検索による動作モードＭ ₄が発散的思考過程の促進に及ぼす影響が最も大きいことがわかる。

【０１０４】なお、この要因別影響評価装置は、図７の構成に代えて、図８に示すように比較部３５と、出力部３６とを備えていてもよい。 比較部３５は、Ｍ _p乗積計算部３０により計算された乗積とＭ _q乗積計算部３１により計算された乗積とを比較する。 出力部３６は図５の出力装置２３により形成され、比較部３５による比較結果を出力する。

【０１０５】この構成ではシステム要因が発言数に及ぼす影響を各動作モードごとに定量的に評価することはできないが、いずれの動作モードの方が発言の促進に寄与したかを判別することは可能である。

【０１０６】なお、上述した選択部２７，２８、比較抽出部２９、乗積計算部３０，３１、除算部３２、累乗根計算部３３、および比較部３５は、図５に示したＣＰＵ
２１により形成される。

【０１０７】今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。 本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【０１０８】

【発明の効果】以上のようにこの発明によれば、指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を抽出し、第１の抽出組中の出力の乗積を第２の抽出組中の出力の乗積で除し、その商の組数の累乗根を計算するようにしているため、評価されるべき所望の１つの要因が出力に及ぼす影響のみを定量的に評価することができる。

【０１０９】また、指定された要因以外の各要因が採るインスタンスの組合せが同じになる状況・出力組を抽出し、第１の抽出組中の出力の乗積と第２の抽出組中の出力の乗積とを比較するようにしているため、評価されるべき所望の１つの要因が出力に及ぼす影響のみを定性的に評価することができる。

【図面の簡単な説明】

【図１】この発明の実施例による要因別影響評価装置の評価対象に用いた自律的情報提供エージェント装置の構成を示すブロック図である。

【図２】図１に示した対話構造化モジュールで使用される話題空間の例を示す図である。

【図３】図１に示した検索キーワード抽出モジュールにより図２に示した話題空間について所定の処理を行なった例を示す図である。

【図４】この発明の実施例による要因別影響評価装置の評価対象となる状況を示す図である。

【図５】この発明の実施例による要因別影響評価装置を実現するためのコンピュータの構成を示すブロック図である。

【図６】この発明の実施例による要因別影響評価装置の構成を示すブロック図である。

【図７】図６に続くブロック図である。

【図８】図７の構成に代えて用いられる要因別影響評価装置の構成を示すブロック図である。

【符号の説明】

２０ 入力装置 ２１ ＣＰＵ ２２ メモリ ２３ 出力装置 ２５ 入力部 ２６ 指定部 ２７，２８ 選択部 ２９ 比較抽出部 ３０，３１ 乗積計算部 ３２ 除算部 ３３ 累乗根計算部 ３４，３６ 出力部 ３５ 比較部

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成１１年５月２７日（１９９９．５．２
７）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】特許請求の範囲

【補正方法】変更

【補正内容】

【特許請求の範囲】

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】００２４

【補正方法】変更

【補正内容】

【００２４】

【表３】

───────────────────────────────────────────────────── フロントページの続き (72)発明者 間瀬 健二 京都府相楽郡精華町大字乾谷小字三平谷５ 番地 株式会社エイ・ティ・アール知能映 像通信研究所内 Ｆターム(参考） 5B049 CC03 DD00 EE01 EE03 EE05 FF00 5B075 ND03 ND20 ND23 ND34 NK10 NK13 NK24 NK46 PP30 PQ00 PQ20 QP10 QS15 QT03 UU40