JP2007200108A - Singular event detection device and singular event detection method - Google Patents

Abstract

<P>PROBLEM TO BE SOLVED: To provide a singular event detection device, capable of detecting an unrepresentative event as a singular event. <P>SOLUTION: In this singular event detection device 1, an input/output part 101 sequentially inputs event information showing a sequentially occurring event. A classification part 103 classifies the inputted event information by predetermined classification rule information and outputs prototype information, corresponding to the event information among a plurality of pieces of prototype information predetermined in the classification rule information. An event prediction part 105 predicts the prototype information corresponding to the next occurring event, on the basis of prescribed occurrence rule information and the prototype information by calculation, and outputs it. A control part 102 decides whether the prototype information, corresponding to the next event inputted from the input/output part 101, is included in the prototype information outputted by the event prediction part 105, and detects the event as the singular event, when it is decided that the information is not included. <P>COPYRIGHT: (C)2007,JPO&INPIT

Description

本発明は、例えば、一人のユーザあるいは、グループ内のメンバの行動をイベントとして記録、検出、または検索を行うことを可能とする特異イベント検出装置、及び特異イベント検出方法に関する。   The present invention relates to a singular event detection apparatus and a singular event detection method that can record, detect, or search for an action of a user or a member in a group as an event, for example.

近年、ポータブルな情報端末やセンサ技術、並びに無線技術の発展に伴い、ユーザの日常の体験や行動をそのまま記録する技術が提案されている。例えば、非特許文献１に示す技術では、ユーザの体験するイベントを写真やビデオなどで情報として記録し、それらの情報に対して様々なアノテーション（注釈）をユーザが設定することにより、過去の記録を必要に応じて容易に検索することを可能としている。   In recent years, with the development of portable information terminals, sensor technology, and wireless technology, a technology for recording a user's daily experience and behavior as it is has been proposed. For example, in the technology shown in Non-Patent Document 1, events experienced by a user are recorded as information using photographs and videos, and past annotations are recorded by the user setting various annotations (annotations) for the information. It is possible to search easily as needed.

また、このアノテーション設定を自動化するために、特許文献１に示す技術が提案されている。特許文献１に示す技術では、ユーザの体験したイベントを画像として記録する際に、ＧＰＳ（Global Positioning System）による位置情報、並びに時間情報や、脳波計、心拍計等による生理情報を同時に取得し、これらをコンテキストとしてイベントに関連付けて記録する。これにより、同じような場所や時刻においてユーザが体験した過去のイベントを検索することを可能としている。また、脳波計等によって得られる生理情報は、ユーザの興味を反映するため、生理情報を分析することにより、ユーザが注目しているコンテンツの選別や検索を可能としている。   In order to automate this annotation setting, a technique shown in Patent Document 1 has been proposed. In the technique shown in Patent Document 1, when recording an event experienced by a user as an image, position information by GPS (Global Positioning System), time information, physiological information by an electroencephalograph, a heart rate monitor, etc. are simultaneously acquired, These are recorded in association with the event as a context. This makes it possible to search for past events experienced by the user at the same place and time. In addition, since physiological information obtained by an electroencephalograph reflects the user's interest, the physiological information is analyzed to enable selection and search of content that the user is paying attention to.

また、各種センサ情報を利用して、注目すべき行動を自動的に特定する技術も提案されている。例えば、非特許文献２では、ユーザの行動の特定に先立ち、予め選定しておいた注目すべきユーザの行動、例えば、立っている、座っている、歩いている等の情報と、加速時計等のセンサ情報とを対応付けたデータをシステムに入力しておく。そして、注目すべき行動とセンサ情報の対応関係に基づいて、センサ情報のみによってユーザの行動の検出を可能としている。
特開２００２−３４２３５７号公報 Gemmell,J.,Bell, G.,Lueder, R.,Drucker,S., and Wong, C.,”MyLifeBits:Fulfilling the Memex Vision”,ACM Multimedia’02,pp.235-238,2002. Kern,N.,Schiele,B.,Junker,H.,Lukowicsz,P.,and Troster(oはウムラウト),G.,Wearable Sensing to Annotate Meetings Recordings, ISWC, pp.186-193, 2002. In addition, a technique for automatically specifying a notable action using various sensor information has been proposed. For example, in Non-Patent Document 2, prior to specifying user behavior, notable user behavior, such as standing, sitting, walking, etc., acceleration clock, etc. Data associated with the sensor information is input to the system. Then, based on the correspondence between the notable behavior and the sensor information, the user's behavior can be detected only by the sensor information.
JP 2002-342357 A Gemmell, J., Bell, G., Lueder, R., Drucker, S., and Wong, C., “MyLifeBits: Fulfilling the Memex Vision”, ACM Multimedia'02, pp.235-238, 2002. Kern, N., Schiele, B., Junker, H., Lukowicsz, P., and Troster (o is umlaut), G., Wearable Sensing to Annotate Meetings Recordings, ISWC, pp.186-193, 2002.

しかしながら、上記の従来技術には以下に示すような問題がある。まず、一般に人は自分が似たような状況にある時に、以前とった行動と同じ行動をとる傾向があるために、自動的に記録したイベントや行動の多くは、それまでに記録されたものと類似しており、その中に新たに注目すべきイベントや行動はあまり含まれていない。従って、大量の過去のイベントや行動において、何が注目すべきイベント、行動であるかを予め把握しておかなければならない。   However, the above prior art has the following problems. First, because people generally tend to take the same actions as previously taken when they are in similar situations, many of the events and actions that were automatically recorded are It does not include many new events or actions that should be noted. Therefore, it is necessary to grasp in advance what is a notable event or action in a large number of past events or actions.

しかしながら、上記の非特許文献１に示す技術では、どのようなイベントに対してアノテーションを設定するかについては示されていないという問題がある。   However, the technique disclosed in Non-Patent Document 1 has a problem that it does not indicate what kind of event an annotation is set for.

また、特許文献１に示す技術においては、生理情報によってユーザの興味を検出するようにしているが、生理情報はユーザの健康状態に影響を受けやすく、また脳波計や心拍計等の生理センサは、使用する場所に影響されやすいことから、生理情報に基づくユーザの興味の検出は一定の条件に合致する場合に限定されてしまうという問題がある。   In the technique shown in Patent Document 1, the user's interest is detected by physiological information. However, physiological information is easily influenced by the user's health condition, and physiological sensors such as an electroencephalograph and a heart rate monitor are not used. Since it is easily influenced by the place where it is used, there is a problem that detection of the user's interest based on physiological information is limited to a case where a certain condition is met.

また、非特許文献２に示す技術においては、予め注目すべき行動を定義した上で、定義した行動と実際のセンサ情報を対応付けた対応関係のデータセットを準備する必要がある。このとき、場所によってセンサ値が変化したり、注目すべき行動自体を変更する場合、個別に対応関係を準備する必要があるが、これは、ユーザにとって負荷の高い作業となる問題がある。   In the technique shown in Non-Patent Document 2, it is necessary to define a behavior to be noted in advance and prepare a correspondence data set in which the defined behavior is associated with actual sensor information. At this time, when the sensor value changes depending on the location or when the action to be noticed is changed, it is necessary to prepare the correspondence individually, but this is a problem that is a heavy work for the user.

また、非特許文献２に示す技術においては、使用する環境の変化等により現状の対応関係が成立しなくなった場合、この変化をシステムが自動的に検出できないために、新しい対応関係に外部から指示を与えるなどの処理をして切り替える必要がある。しかし、切り替える対応関係の数が多い場合、それらを管理し適切な対応関係に切り替えていくことはユーザにとって負荷の高い作業となる問題がある。   In the technique shown in Non-Patent Document 2, when the current correspondence is no longer established due to a change in the environment used, the system cannot automatically detect this change. It is necessary to switch by processing such as giving. However, when the number of correspondence relationships to be switched is large, there is a problem that managing them and switching to an appropriate correspondence relationship is a burdensome work for the user.

また、さらに、非特許文献１及び特許文献１に示す技術においては、イベントを場所や時刻等によって階層的なカテゴリに分類し、ユーザが分類レベルを指定してイベントを検索を行う構成となっている。   Furthermore, in the techniques shown in Non-Patent Document 1 and Patent Document 1, events are classified into hierarchical categories according to location, time, etc., and a user searches for events by specifying a classification level. Yes.

しかしながら、ユーザの状況に応じてイベントを自動的に検索してユーザに提示するような用途においては、その状況に適切な分類レベルをシステムが判定する必要がある。例えば、ユーザの“近辺”で発生したイベントを自動的に検索する場合、ユーザが歩いているか、あるいは車に乗っているかで“近辺”の範囲が異なることになる。上記の従来技術では、分類レベルの切り替えはユーザによって行われており、ユーザの状況に応じて分類レベルを自動的に切り替えることができないという問題がある。   However, in an application where events are automatically searched according to the user's situation and presented to the user, the system needs to determine a classification level appropriate for the situation. For example, when automatically searching for an event that occurs in the “near” area of the user, the range of the “near area” varies depending on whether the user is walking or riding a car. In the above prior art, the classification level is switched by the user, and there is a problem that the classification level cannot be automatically switched according to the user's situation.

上記問題を解決するために、本発明は、注目すべきイベントを予めユーザが定義しておくことなく、次に発生する可能性のある典型的なイベントを過去のイベントの発生履歴のみから予測することで、典型的でないイベントを特異イベントとして検出することを可能とする特異イベント検出装置、及び特異イベント検出方法を提供することにある。   In order to solve the above problem, the present invention predicts a typical event that may occur next from only the past event occurrence history without the user defining a notable event in advance. Thus, an object of the present invention is to provide a singular event detection device and a singular event detection method that can detect an atypical event as a singular event.

上記問題を解決するために、本発明は、順次発生するイベントから、特異なイベントを検出する特異イベント検出装置において、前記順次発生するイベントを示すイベント情報を順に入力する入力部と、前記入力部が入力する前記イベント情報を予め定められる分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力する分類部と、前記分類部が出力する前記プロトタイプ情報及び所定の発生規則情報に基づいて次に発生する前記イベントに対応する前記プロトタイプ情報を演算により予測して出力するイベント予測部と、前記イベント予測部が出力する前記プロトタイプ情報に、前記入力部から入力される次のイベントに対応する前記プロトタイプ情報が含まれるか否かを判定し、前記イベント予測部が出力する前記プロトタイプ情報に、前記入力部から入力される次のイベントに対応する前記プロトタイプ情報が含まれないと判定した場合、当該イベントを特異イベントとして検出する制御部と、を備え、前記イベント予測部は、過去に発生した前記イベントの前記プロトタイプ情報の履歴に基づいて、次に発生するイベントのプロトタイプ情報を予測して出力するための前記所定の発生規則情報を算出することを特徴とする特異イベント検出装置である。   In order to solve the above-described problem, the present invention provides an input unit that sequentially inputs event information indicating events that occur sequentially in an event detection apparatus that detects an event specific from an event that occurs sequentially, and the input unit Classifying the event information input by predetermined classification rule information and outputting the prototype information corresponding to the event information among a plurality of predetermined prototype information, and the classification unit outputting Based on prototype information and predetermined generation rule information, the prototype information corresponding to the next event to be generated is predicted by operation and output, and the prototype information output by the event prediction unit is input to the input The prototype information corresponding to the next event input from the If it is determined that the prototype information output from the event prediction unit does not include the prototype information corresponding to the next event input from the input unit, the event is defined as a singular event. A control unit that detects, based on a history of the prototype information of the event that has occurred in the past, the predetermined unit for predicting and outputting prototype information of an event that occurs next A peculiar event detection apparatus characterized by calculating occurrence rule information.

また、本発明は、上記に記載の発明において、前記分類部は、前記分類規則情報として予め定められる複数の分類レベルの分類規則情報を有し、前記分類レベルごとに、前記入力部が入力する前記イベントを前記分類レベルに対応する分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力し、前記イベント予測部は、前記分類部が出力する前記プロトタイプ情報に基づいて次に発生する前記イベントの前記プロトタイプ情報を前記分類レベルごとに予測して出力し、前記制御部は、前記イベント予測部が出力した前記プロトタイプ情報と前記入力部から入力される次のイベントに対応する前記プロトタイプ情報とに基づいて、前記分類レベルごとの予測精度を算出し、算出した前記予測精度に基づいて前記分類部で用いる前記分類レベルを指定する指示を前記分類部に入力することを特徴とする。   In the invention described above, the classification unit includes classification rule information of a plurality of classification levels predetermined as the classification rule information, and the input unit inputs each classification level. The event is classified by classification rule information corresponding to the classification level, and the prototype information corresponding to the event information is output among a plurality of predetermined prototype information, and the event prediction unit is output by the classification unit The prototype information of the next event to be generated is predicted and output for each classification level based on the prototype information, and the control unit inputs the prototype information output from the event prediction unit and the input unit Prediction accuracy for each classification level is calculated based on the prototype information corresponding to the next event to be performed. And, characterized by inputting a command for specifying the classification level to be used in the classification portion to the classification unit on the basis of the calculated prediction accuracy.

また、本発明は、上記に記載の発明において、前記イベント予測部は、次に発生する前記イベントに対応する前記プロトタイプ情報の算出を、過去に算出した前記発生規則情報に基づいて順次行い、算出したプロトタイプ情報を算出順に並べた列に新たに発生したイベントに対応する前記プロトタイプ情報を加える手段と、当該プロトタイプ情報が加えられた前記プロトタイプ情報の列に基づき、次に発生する前記イベントのプロトタイプ情報を予測するか、あるいは前記所定の発生規則情報を算出することを特徴とする。   In the invention described above, the event prediction unit sequentially calculates the prototype information corresponding to the event that occurs next based on the occurrence rule information calculated in the past, and calculates Means for adding the prototype information corresponding to the newly generated event in a column in which the prototype information is arranged in the calculation order, and prototype information of the event to be generated next based on the prototype information column to which the prototype information is added Or the predetermined occurrence rule information is calculated.

また、本発明は、順次発生するイベントから、特異なイベントを検出する特異イベント検出方法において、前記順次発生するイベントを示すイベント情報を順に入力するステップと、入力される前記イベント情報を予め定められる分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力するステップと、出力される前記プロトタイプ情報及び所定の発生規則情報に基づいて次に発生する前記イベントに対応する前記プロトタイプ情報を演算により予測して出力するステップと、予測して出力するステップにより出力される前記プロトタイプ情報に、入力される次のイベントに対応する前記プロトタイプ情報が含まれるか否かを判定するステップと、前記判定するステップにより、出力される前記プロトタイプ情報に、入力される次のイベントに対応する前記プロトタイプ情報が含まれないと判定された場合、当該イベントを特異イベントとして検出するステップと、過去に発生した前記イベントの前記プロトタイプ情報の履歴に基づいて、次に発生するイベントのプロトタイプ情報を予測して出力するための前記所定の発生規則情報を算出するステップと、を含むことを特徴とする特異イベント検出方法である。   According to the present invention, in the singular event detection method for detecting a singular event from sequentially occurring events, a step of sequentially inputting event information indicating the sequentially occurring events, and the event information to be input are predetermined. A step of outputting the prototype information corresponding to the event information among a plurality of predetermined prototype information classified by classification rule information, and the next generation based on the output prototype information and predetermined generation rule information The prototype information corresponding to the next event to be input is included in the step of predicting and outputting the prototype information corresponding to the event to be output and the step of predicting and outputting the prototype information Determining whether or not If it is determined that the prototype information corresponding to the next event to be input is not included in the prototype information to be output, the step of detecting the event as a singular event, Calculating the predetermined generation rule information for predicting and outputting prototype information of an event that occurs next based on a history of the prototype information of the event, and a method for detecting a singular event characterized by the following: It is.

また、本発明は、上記に記載の発明において、前記分類規則情報として予め定められる複数の分類レベルの分類規則情報を設定するステップと、前記分類レベルごとに、入力される前記イベントを前記分類レベルに対応する分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力するステップと、出力される前記プロトタイプ情報に基づいて次に発生する前記イベントの前記プロトタイプ情報を前記分類レベルごとに予測して出力するステップと、予測して出力するステップにより出力される前記プロトタイプ情報と入力される次のイベントに対応する前記プロトタイプ情報とに基づいて、前記分類レベルごとの予測精度を算出するステップと、算出した前記予測精度に基づいて前記分類レベルを指定するステップと、を含むことを特徴とする。   Further, according to the present invention, in the above-described invention, a step of setting classification rule information of a plurality of classification levels predetermined as the classification rule information; and the event input for each classification level is the classification level. A step of outputting the prototype information corresponding to the event information among a plurality of predetermined prototype information classified according to classification rule information corresponding to the event, and the event generated next based on the output prototype information Predicting and outputting the prototype information for each classification level, based on the prototype information output by the predicting and outputting step and the prototype information corresponding to the next event to be input, A step of calculating a prediction accuracy for each classification level, and the calculated prediction Characterized in that it comprises the steps of: designating the classification level based on time.

また、本発明は、上記に記載の発明において、次に発生する前記イベントに対応する前記プロトタイプ情報の算出を、過去に算出した前記発生規則情報に基づいて順次行うステップと、算出したプロトタイプ情報を算出順に並べた列に新たに発生したイベントに対応する前記プロトタイプ情報を加えるステップと、当該プロトタイプ情報が加えられた前記プロトタイプ情報の列に基づき、次に発生する前記イベントのプロトタイプ情報を予測するか、あるいは前記所定の発生規則情報を算出するステップと、を含むことを特徴とする。   According to the present invention, in the above-described invention, a step of sequentially calculating the prototype information corresponding to the next event to occur based on the generation rule information calculated in the past, and the calculated prototype information A step of adding the prototype information corresponding to a newly generated event to a column arranged in the calculation order, and whether to predict prototype information of the event to be generated next based on the prototype information column to which the prototype information is added Or calculating the predetermined occurrence rule information.

この発明によれば、特異イベント検出装置は、順次発生するイベントを示すイベント情報を順に入力し、入力されるイベント情報を予め定められる分類規則情報により分類して分類規則情報にて予め定められる複数のプロトタイプ情報の中でイベント情報に対応するプロトタイプ情報を出力し、出力するプロトタイプ情報及び所定の発生規則情報に基づいて次に発生するイベントに対応するプロトタイプ情報を演算により予測して出力し、出力するプロトタイプ情報に、入力される次のイベントに対応するプロトタイプ情報が含まれるか否かを判定し、出力されるプロトタイプ情報に、入力される次のイベントに対応するプロトタイプ情報が含まれないと判定された場合、当該イベントを特異イベントとして検出し、過去に発生したイベントのプロトタイプ情報の履歴に基づいて、次に発生するイベントのプロトタイプ情報を予測して出力するための所定の発生規則情報を算出する構成とした。これにより、注目すべきイベントを予めユーザが定義しておくことなく、次に発生する可能性のある典型的なイベントを過去のイベントの発生履歴から得られる所定の発生規則情報のみから予測することができる。そのため、実際に発生したイベントに対応するプロトタイプ情報が、発生する可能性があると判定されたイベントのプロトタイプ情報に含まれていない場合、実際に発生するイベントを特異イベントとし、注目すべきイベントの候補としてユーザに示すことができる。さらに、実際に発生したイベントに対応するプロトタイプ情報が、発生する可能性があると判定された典型的なイベントのプロトタイプ情報に含まれている場合には、実際に発生したイベントは通常よく発生している平凡なイベントとして無視し、ユーザに対して必要以上にイベントの重要性について確認を要求させないようにすることができる。   According to this invention, the singular event detection apparatus sequentially inputs event information indicating events that occur sequentially, classifies the input event information according to the predetermined classification rule information, and determines a plurality of predetermined event information based on the classification rule information. Prototype information corresponding to event information is output in prototype information, and prototype information corresponding to the event that occurs next is predicted based on the output based on the prototype information to be output and predetermined generation rule information, and output. It is determined whether the prototype information corresponding to the next event to be input is included in the prototype information to be input, and the prototype information corresponding to the next event to be input is not included in the output prototype information. If the event is detected, the event is detected as a singular event. Based on the history of the prototype information, the prototype information next available event was configured to calculate a predetermined generation rule information for outputting predicted. As a result, a typical event that may occur next is predicted only from predetermined occurrence rule information obtained from the past event occurrence history without the user defining a notable event in advance. Can do. Therefore, if prototype information corresponding to an event that has actually occurred is not included in the prototype information of an event that has been determined to be likely to occur, the event that actually occurs is regarded as a singular event, and Can be shown to the user as a candidate. In addition, if the prototype information corresponding to the event that actually occurred is included in the prototype information of a typical event that has been determined to be likely to occur, the event that has actually occurred is usually common. It can be ignored as an ordinary event, and the user can be prevented from asking for confirmation about the importance of the event more than necessary.

また、本発明によれば、特異イベント検出装置は、分類規則情報として予め定められる複数の分類レベルの分類規則情報を設定し、分類レベルごとに、入力されるイベントを分類レベルに対応する分類規則情報により分類し、分類規則情報にて予め定められる複数のプロトタイプ情報の中でイベント情報に対応するプロトタイプ情報を出力し、出力したプロトタイプ情報に基づいて次に発生するイベントのプロトタイプ情報を分類レベルごとに予測して出力し、出力するプロトタイプ情報と入力される次のイベントに対応するプロトタイプ情報とに基づいて、分類レベルごとの予測精度を算出し、算出した予測精度に基づいて分類レベルを指定する構成とした。これにより、イベントの階層的に分類するための分類レベルを予測精度によって示される現在の状況に応じて選択することができる。   According to the present invention, the singular event detection apparatus sets classification rule information of a plurality of classification levels that are predetermined as classification rule information, and a classification rule that corresponds to a classification level for an input event for each classification level. It classifies by information, outputs prototype information corresponding to event information among a plurality of prototype information determined in advance by classification rule information, and prototype information of the next event generated for each classification level based on the output prototype information The prediction accuracy for each classification level is calculated based on the prototype information to be output and the prototype information corresponding to the next event input, and the classification level is designated based on the calculated prediction accuracy. The configuration. Thereby, the classification level for classifying the events hierarchically can be selected according to the current situation indicated by the prediction accuracy.

また、本発明によれば、特異イベント検出装置は、次に発生するイベントに対応するプロトタイプ情報の算出を、過去に算出した発生規則情報に基づいて順次行い、算出したプロトタイプ情報を算出順に並べた列に新たに発生したイベントに対応するプロトタイプ情報を加え、当該プロトタイプ情報が加えられたプロトタイプ情報の列に基づき、次に発生するイベントのプロトタイプ情報を予測するか、あるいは所定の発生規則情報を算出する構成とした。これにより、新しい種類のイベントが増えたり、使用する環境が変化した際に、新しい種類のイベントや環境に対してのみプロトタイプ情報を予測するだけでなく、以前から存在している種類のイベントや、以前から使用していた環境に対しても同様にイベントに対応するプロトタイプ情報を予測することができる。また、さらに、イベントに対応するプロトタイプ情報の予測のために過去に発生した全てのイベント情報を必要とせず、必要最小限のイベント情報のみを記憶しておけばよいため、イベント情報を格納しておくデータベース領域を削減することができる。   Further, according to the present invention, the singular event detection apparatus sequentially calculates prototype information corresponding to an event that occurs next based on the occurrence rule information calculated in the past, and arranges the calculated prototype information in the calculation order. Prototype information corresponding to a newly occurring event is added to the column, and prototype information of the next event to be generated is predicted based on the prototype information column to which the prototype information is added, or predetermined generation rule information is calculated It was set as the structure to do. This not only predicts prototype information for new types of events and environments when new types of events increase or the environment used changes, Prototype information corresponding to an event can be similarly predicted for an environment that has been used before. Furthermore, it is not necessary to store all event information that occurred in the past for the prediction of prototype information corresponding to the event, and it is sufficient to store only the minimum necessary event information. The database area to be saved can be reduced.

以下、本発明の実施形態を図面を参照して説明する。
図１は、本実施形態による特異イベント検出装置１を示す概略ブロック図である。
図１において、入出力部１０１は、カメラやビデオレコーダに接続され、ユーザが体験するイベントを写真やビデオ等の情報に記録する。また、入出力部１０１は、記録した情報に関するイベント情報を制御部１０２に入力する。また、入出力部１０１は、表示画面に接続されており、制御部１０２から出力される情報を、当該表示画面等に出力する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
FIG. 1 is a schematic block diagram showing a singular event detection apparatus 1 according to this embodiment.
In FIG. 1, an input / output unit 101 is connected to a camera or a video recorder, and records events experienced by the user in information such as photographs and videos. Further, the input / output unit 101 inputs event information regarding the recorded information to the control unit 102. The input / output unit 101 is connected to the display screen, and outputs information output from the control unit 102 to the display screen or the like.

ここで、イベント情報とは、写真やビデオ等で記録した情報に含まれる画像データ等の情報、及びその情報に対応付けられている日時や場所等を示す属性情報等である。本実施形態の特異イベント検出装置１では、当該属性情報を参照して特異イベントを検出するための処理を行う。   Here, the event information is information such as image data included in information recorded by photographs, videos, and the like, and attribute information indicating the date and time associated with the information. In the singular event detection apparatus 1 of the present embodiment, processing for detecting a singular event is performed with reference to the attribute information.

分類部１０３は、予め設定される分類規則情報に基づいてイベント情報を分類し、イベント情報に対応するプロトタイプ情報とカテゴリ情報を検出して制御部１０２に出力する。イベントデータベース１０４は、イベント情報、及びプロトタイプ情報とカテゴリ情報を対応付けて記憶する。イベント予測部１０５は、典型的なイベントのイベント情報を発生順に並べたイベントシーケンスの情報からイベントの発生の規則性を示す発生規則情報を抽出する。また、イベント予測部１０５は、抽出した発生規則情報に基づいて制御部１０２から入力される各プロトタイプ情報について、次に発生しうる可能性、すなわち発生確率値を算出して制御部１０２に出力する。   The classification unit 103 classifies event information based on preset classification rule information, detects prototype information and category information corresponding to the event information, and outputs the detected prototype information and category information to the control unit 102. The event database 104 stores event information, prototype information, and category information in association with each other. The event predicting unit 105 extracts occurrence rule information indicating regularity of event occurrence from information on an event sequence in which event information of typical events are arranged in the order of occurrence. Further, the event prediction unit 105 calculates the possibility that it can occur next, that is, the occurrence probability value for each prototype information input from the control unit 102 based on the extracted occurrence rule information, and outputs it to the control unit 102. .

ここで、分類規則情報とは、入力されるイベント情報を予め定められるカテゴリに分類するための情報であり、カテゴリ情報とは、予め定められるカテゴリを示す情報である。
また、プロトタイプ情報とは、あるカテゴリに属するイベント情報の中で、最もそのカテゴリの特徴を示しているイベント情報に相当する情報である。 Here, the classification rule information is information for classifying input event information into a predetermined category, and the category information is information indicating a predetermined category.
Prototype information is information corresponding to event information that most indicates the characteristics of the category among event information belonging to a certain category.

制御部１０２は、入出力部１０１から入力されるイベント情報を分類部１０３に出力する。また、制御部１０２は、分類部１０３により出力されたプロトタイプ情報とカテゴリ情報を、イベント情報に対応付けてイベントデータベース１０４に記録し、また、当該プロトタイプ情報をイベントシーケンスの情報に追加する。また、制御部１０２は、イベント予測部１０５から出力される発生確率値から次に発生する確率の高いプロトタイプ情報を検出する。また、制御部１０２は、幾つかの検出したプロトタイプ情報に、現在発生しているプロトタイプ情報、すなわち次に入出力部１０１から入力されるイベント情報に対応するプロトタイプ情報が含まれているか否かを判定し、含まれていない場合、現在発生しているプロトタイプ情報を特異イベントとして入出力部１０１に出力する。   The control unit 102 outputs event information input from the input / output unit 101 to the classification unit 103. Further, the control unit 102 records the prototype information and the category information output from the classification unit 103 in association with the event information in the event database 104, and adds the prototype information to the event sequence information. Further, the control unit 102 detects prototype information having a high probability of occurring next from the occurrence probability value output from the event prediction unit 105. Further, the control unit 102 determines whether or not some detected prototype information includes currently generated prototype information, that is, prototype information corresponding to event information input from the input / output unit 101 next. If it is determined and not included, the currently generated prototype information is output to the input / output unit 101 as a unique event.

次に、図２を参照しつつ特異イベント検出装置１の動作について説明する。
まず、入出力部１０１は、ユーザが体験するイベントを写真やビデオ等の情報として記録し（ステップＳ２００）、記録した情報をイベント情報として制御部１０２に入力する。制御部１０２は、入出力部１０１から入力されるイベント情報を分類部１０３に入力する。分類部１０３は、制御部１０２から入力されるイベント情報を予め設定される分類規則情報に基づいて分類し、当該イベント情報に対応するプロトタイプ情報とカテゴリ情報を検出し、検出したプロトタイプ情報とカテゴリ情報を制御部１０２に出力する（ステップＳ２０１）。 Next, the operation of the singular event detection apparatus 1 will be described with reference to FIG.
First, the input / output unit 101 records an event experienced by the user as information such as a photo or video (step S200), and inputs the recorded information to the control unit 102 as event information. The control unit 102 inputs event information input from the input / output unit 101 to the classification unit 103. The classification unit 103 classifies the event information input from the control unit 102 based on preset classification rule information, detects prototype information and category information corresponding to the event information, and detects the detected prototype information and category information Is output to the control unit 102 (step S201).

次に、制御部１０２は、分類部１０３から出力されるプロトタイプ情報とカテゴリ情報を、分類部１０３に入力したイベント情報に対応付けてイベントデータベース１０４に記録するととともに、プロトタイプ情報をイベントシーケンスの情報に追加する（ステップＳ２０２）。ここで、イベントシーケンスの情報とは、過去に発生したプロトタイプ情報を順に並べることにより構成される情報である。   Next, the control unit 102 records the prototype information and category information output from the classification unit 103 in the event database 104 in association with the event information input to the classification unit 103, and converts the prototype information into event sequence information. It adds (step S202). Here, the event sequence information is information configured by sequentially arranging prototype information generated in the past.

制御部１０２は、分類部１０３が検出したプロトタイプ情報をイベント予測部１０５に入力すると、イベント予測部１０５は、制御部１０２から入力される各プロトタイプ情報について、予め抽出した発生規則情報に基づいて、次に発生するイベントに対応するプロトタイプ情報の発生確率値を算出して制御部１０２に出力する。制御部１０２は、イベント予測部１０５から出力される各プロトタイプ情報の発生確率値を次回の単位時間の処理まで一時的に記憶する（ステップＳ２０３）。   When the control unit 102 inputs the prototype information detected by the classification unit 103 to the event prediction unit 105, the event prediction unit 105 determines each prototype information input from the control unit 102 based on the occurrence rule information extracted in advance. An occurrence probability value of prototype information corresponding to the next event is calculated and output to the control unit 102. The control unit 102 temporarily stores the occurrence probability value of each prototype information output from the event prediction unit 105 until the next unit time processing (step S203).

また、制御部１０２は、１単位時間前にイベント予測部１０５が算出した発生確率値から発生しうるプロトタイプ情報を検出する。プロトタイプ情報の検出の手段については後述する。そして、制御部１０２は、検出したプロトタイプ情報に、現在発生しているプロトタイプ情報が含まれているか否かを判定する（ステップＳ２０４）。制御部１０２は、現在発生しているプロトタイプ情報が含まれていないと判定した場合、すなわち予測が間違っている場合、現在発生しているプロトタイプ情報を特異イベントとして入出力部１０１に出力し、入出力部１０１は、表示画面に表示する（ステップＳ２０５）。   Further, the control unit 102 detects prototype information that can be generated from the occurrence probability value calculated by the event prediction unit 105 one unit time ago. The means for detecting prototype information will be described later. Then, the control unit 102 determines whether or not the detected prototype information includes currently generated prototype information (step S204). When it is determined that the currently generated prototype information is not included, that is, when the prediction is wrong, the control unit 102 outputs the currently generated prototype information to the input / output unit 101 as a singular event. The output unit 101 displays on the display screen (step S205).

特異イベントが表示される表示画面を参照したユーザは、表示される特異イベントが注目すべきイベントであると判断した場合、入出力部１０１を操作することにより、制御部１０２に、当該特異イベントを注目するイベントとしてイベントデータベース１０４にインデキシング、すなわち後に検索できるよう索引付けしておく（ステップＳ２０７）。   When the user who refers to the display screen on which the singular event is displayed determines that the displayed singular event is a noticeable event, the user operates the input / output unit 101 to display the singular event on the control unit 102. The event database 104 is indexed as an event of interest, that is, indexed so that it can be searched later (step S207).

一方、ステップＳ２０４にて、現在発生しているプロトタイプ情報が含まれていると判定した場合、すなわち予測が成功した場合、制御部１０２は、現在発生しているイベントを入出力部１０１には出力せずに終了し、また、ステップＳ２０６にてユーザが特異イベントを注目するイベントと判断せず、入出力部１０１を操作しない場合には処理を終了する。   On the other hand, when it is determined in step S204 that the currently occurring prototype information is included, that is, when the prediction is successful, the control unit 102 outputs the currently occurring event to the input / output unit 101. If the user does not determine that the unique event is an event of interest and does not operate the input / output unit 101 in step S206, the process ends.

次に、図３を参照しつつ、上述したイベント予測部１０５による、イベントシーケンスの情報からの発生規則情報の抽出の方法と、各プロトタイプ情報について、次に発生するイベントに対応するプロトタイプ情報の発生確率値を算出する方法について説明する。   Next, referring to FIG. 3, the method of extracting occurrence rule information from the event sequence information by the event prediction unit 105 described above, and generation of prototype information corresponding to the next event for each prototype information A method for calculating the probability value will be described.

イベント予測部１０５は、文献（Lehtokangas,M.,Constructive Backpropagation for Recurrent Networks,Neural Processing Letters,9,pp.271-278,1999.）に示されているニューラルネットワークのモデルを利用して次に発生するイベントを予測する処理を行う。以下に、当該方法に基づくイベント予測部１０５の処理について説明する。   The event prediction unit 105 is generated next using a neural network model described in the literature (Lehtokangas, M., Constructive Backpropagation for Recurrent Networks, Neural Processing Letters, 9, pp. 271-278, 1999.). Process to predict the event to be performed. Below, the process of the event estimation part 105 based on the said method is demonstrated.

図３は、イベント予測部１０５が有するニューラルネットワークモデルの概略を示した図である。イベント予測部１０５では、プロトタイプ情報の種類と同じ数の入力層ユニット３０−１〜３０−Ｎ及び出力層ユニット３２−１〜３２−Ｎと、入力層ユニット３０−１〜３０−Ｎ及び出力層ユニット３２−１〜３２−Ｎに接続される隠れユニット３１−１〜３１−Ｍとから構成される。   FIG. 3 is a diagram illustrating an outline of a neural network model included in the event prediction unit 105. In the event prediction unit 105, the same number of input layer units 30-1 to 30-N and output layer units 32-1 to 32-N as the type of prototype information, input layer units 30-1 to 30-N, and output layers It is comprised from the hidden units 31-1 to 31-M connected to the units 32-1 to 32-N.

入力層ユニット３０−１〜３０−Ｎと出力層ユニット３２−１〜３２−Ｎと隠れユニット３１−１〜３１−Ｍはそれぞれ、重み付けリンクＣ１〜Ｃ４で接続されており、入力層ユニット３０−１〜３０−Ｎと隠れユニット３１−１〜３１−Ｍとは重み付けリンクＣ１で接続され、隠れユニット３１−１〜３１−Ｍと出力層ユニット３２−１〜３２−Ｎとは重み付けリンクＣ２で接続され、隠れユニット３１−１〜３１−Ｍの間は重み付けリンクＣ４で接続される。また、後述する手順において隠れユニット３１−１〜３１−Ｍに新たに隠れユニットが追加された場合には、新たに追加された隠れユニットは、既に存在する隠れユニット３１−１〜３１−Ｍの全てから重み付けリンクＣ３で接続される。   The input layer units 30-1 to 30-N, the output layer units 32-1 to 32-N, and the hidden units 31-1 to 31-M are connected by weighting links C1 to C4, respectively. 1 to 30-N and the hidden units 31-1 to 31-M are connected by a weighted link C1, and the hidden units 31-1 to 31-M and the output layer units 32-1 to 32-32-N are connected by a weighted link C2. The hidden units 31-1 to 31-M are connected by a weighted link C4. Further, when a hidden unit is newly added to the hidden units 31-1 to 31 -M in the procedure described later, the newly added hidden unit is the hidden unit 31-1 to 31 -M that already exists. All are connected by a weighted link C3.

出力層ユニット３２−１〜３２−Ｎ、並びに隠れユニット３１−１〜３１−Ｍは、他のユニットの出力値を入力として、次式（１）及び（２）によって算出される値を出力する。   The output layer units 32-1 to 32-N and the hidden units 31-1 to 31-M output the values calculated by the following equations (1) and (2) with the output values of the other units as inputs. .

ここで、Ｙ_ｊは、出力層ユニット３２−１〜３２−Ｎあるいは隠れユニット３１−１〜３１−Ｍの出力値であり、Ｘ_ｉは、ｉ番目のユニット（出力層ユニット３２−１〜３２−Ｎあるいは隠れユニット３１−１〜３１−Ｍ）の出力値であり、Ｗ_ｉｊはｉ番目のユニット（出力層ユニット３２−１〜３２−Ｎあるいは隠れユニット３１−１〜３１−Ｍ）とｊ番目のユニット（出力層ユニット３２−１〜３２−Ｎあるいは隠れユニット３１−１〜３１−Ｍ）のリンクの重み値であり、ＴＨ_ｊはｊ番目のユニット（出力層ユニット３２−１〜３２−Ｎあるいは隠れユニット３１−１〜３１−Ｍ）のオフセットであり、βは出力値のレベルに応じて予め定められるパラメータである。 Here, Y _j is an output value of the output layer units 32-1 to 32-N or the hidden units 31-1 to 31-M, and X _i is an i-th unit (output layer units 32-1 to 32-32). -N or hidden units 31-1 to 31-M), and W _ij is the i-th unit (output layer units 32-1 to 32-N or hidden units 31-1 to 31-M) and j. Is the link weight value of the th unit (output layer units 32-1 to 32-N or hidden units 31-1 to 31-M), and TH _j is the j th unit (output layer units 32-1 to 32-2). N or hidden units 31-1 to 31-M), and β is a parameter determined in advance according to the level of the output value.

入力層ユニット３０−１〜３０−Ｎ及び出力層ユニット３２−１〜３２−Ｎの各ユニットは１つのプロトタイプ情報を意味し、例えば、制御部１０２より、あるプロトタイプ情報が入力されると、そのプロトタイプ情報に対応する入力層ユニット３０−１〜３０−Ｎの値が１に、それ以外の入力層ユニット３０−１〜３０−Ｎの値が０に設定され、この値が重み付けリンクＣ１を通じて隠れユニット３１−１〜３１−Ｍに入力される。隠れユニット３１−１〜３１−Ｍのそれぞれは、式（１）及び（２）に基づいて値を算出し、算出した値を重み付けリンクＣ２を通じて出力層ユニット３２−１〜３２−Ｎに入力する。なお、隠れユニット３１−１〜３１−Ｍは、１単位時間前の出力値を記憶しており、重み付けリンクＣ４を通じて入力される１単位時間前の出力値と、重み付けリンクＣ３を通じて入力される自隠れユニットより前に追加された他の隠れユニット３１−１〜３１−Ｍからの出力値と、重み付けリンクＣ１を通じて入力される入力層ユニット３０−１〜３０−Ｎから出力される値を、入力値として出力値の算出を行う。   Each unit of the input layer units 30-1 to 30-N and the output layer units 32-1 to 32-N means one prototype information. For example, when certain prototype information is input from the control unit 102, The values of the input layer units 30-1 to 30-N corresponding to the prototype information are set to 1, and the values of the other input layer units 30-1 to 30-N are set to 0, and these values are hidden through the weighting link C1. Input to the units 31-1 to 31-M. Each of the hidden units 31-1 to 31-M calculates a value based on the equations (1) and (2), and inputs the calculated value to the output layer units 32-1 to 32-N through the weighting link C2. . The hidden units 31-1 to 31-M store the output value one unit time before, and the output value one unit time before input through the weighting link C4 and the input value input through the weighting link C3. The output value from the other hidden units 31-1 to 31-M added before the hidden unit and the value output from the input layer units 30-1 to 30-N input through the weighting link C1 are input. The output value is calculated as a value.

出力層ユニット３２−１〜３２−Ｎのそれぞれは、式（１）及び（２）に基づいて値を算出し、算出した値を出力する。出力層ユニット３２−１〜３２−Ｎからの出力値が１に近いほど、その出力層ユニット３２−１〜３２−Ｎに対応するプロトタイプ情報が次に発生する確率が高いと制御部１０２により判定されることになる。   Each of the output layer units 32-1 to 32-N calculates a value based on the expressions (1) and (2), and outputs the calculated value. The control unit 102 determines that the closer the output value from the output layer units 32-1 to 32-N is to 1, the higher the probability that prototype information corresponding to the output layer units 32-1 to 32-N will occur next. Will be.

なお、上記の図３を参照して説明した処理は、時系列的な観点で見た場合には、ｐ番目に発生したイベントに対応するプロトタイプ情報が入力層ユニット３０−１〜３０−Ｎに入力されると、出力層ユニット３２−１〜３２−Ｎから（ｐ＋１）番目に発生すると予測されるイベントのプロトタイプ情報を出力している処理に相当することになる。   Note that the processing described with reference to FIG. 3 described above, when viewed from a time series viewpoint, prototype information corresponding to the p-th event occurs in the input layer units 30-1 to 30-N. When input, this corresponds to a process of outputting prototype information of an event predicted to occur (p + 1) th from the output layer units 32-1 to 32-N.

次に、上述した図２のステップＳ２０４において、制御部１０２が行うプロトタイプ情報を検出する処理について説明する。イベント予測部１０５の出力層ユニット３２−１〜３２−Ｎが出力する値は発生確率を示した確率値である。そこで、制御部１０２では、出力層ユニット３２−１〜３２−Ｎの出力値に基づく乱数を生成し、生成した乱数に基づいて次に発生するイベントを検出し、検出したイベントに対応するプロトタイプ情報をイベント予測部１０５が予測したプロトタイプ情報として検出する。   Next, processing for detecting prototype information performed by the control unit 102 in step S204 of FIG. 2 described above will be described. The value output by the output layer units 32-1 to 32-N of the event prediction unit 105 is a probability value indicating the occurrence probability. Therefore, the control unit 102 generates a random number based on the output values of the output layer units 32-1 to 32-N, detects an event that occurs next based on the generated random number, and prototype information corresponding to the detected event. Is detected as prototype information predicted by the event prediction unit 105.

具体的な一方法を以下に説明する。まず、０から１の数直線の領域を出力層ユニット３２−１〜３２−Ｎの数に分割し、出力層ユニット３２−１〜３２−Ｎの出力値に応じて、その領域の大きさを設定する。０から１の乱数を生成し、生成した乱数が含まれる領域に対応する出力層ユニット３２−１〜３２−Ｎを検出する。そして、当該検出した出力層ユニット３２−１〜３２−Ｎに対応するプロトタイプ情報を選択し、この選択を１サンプリングとしてカウントする。つまり、出力値の大きい出力層ユニット３２−１〜３２−Ｎほど数直線上の領域が大きいためサンプリングされる確率が高くなり、選択される可能性も高くなる。   One specific method will be described below. First, a number line area from 0 to 1 is divided into the number of output layer units 32-1 to 32-N, and the size of the area is set according to the output values of the output layer units 32-1 to 32-N. Set. A random number from 0 to 1 is generated, and output layer units 32-1 to 32-N corresponding to a region including the generated random number are detected. Then, prototype information corresponding to the detected output layer units 32-1 to 32-N is selected, and this selection is counted as one sampling. That is, since the output layer units 32-1 to 32-N having a larger output value have a larger area on the number line, the probability of sampling increases and the possibility of selection increases.

制御部１０２は、このサンプリングを、予め定められた回数実施した後に、サンプリングにより選択された全てのプロトタイプ情報をイベント予測部１０５が予測したプロトタイプ情報として検出する。そして、制御部１０２は、検出したプロトタイプ情報の中に重複しているプロトタイプ情報が存在する場合には、重複分を除いた残りの全てのプロトタイプ情報の中に、実際に次の時点に発生したイベントのプロトタイプ情報、すなわち入出力部１０１から次に入力されるイベント情報に対応するプロトタイプ情報が含まれているか否かを判定し、含まれている場合、予測が成功したものと判定し、予測が成功した回数に１を加える。   After performing this sampling a predetermined number of times, the control unit 102 detects all prototype information selected by the sampling as prototype information predicted by the event prediction unit 105. When there is duplicate prototype information in the detected prototype information, the control unit 102 actually occurred at the next time in all remaining prototype information excluding duplicates. It is determined whether or not prototype information of an event, that is, prototype information corresponding to event information that is input next from the input / output unit 101 is included. Add 1 to the number of successes.

次に、制御部１０２における適切な分類レベルの選択の処理について説明する。上記の図１から図３に係る処理では、分類部１０３に予め設定される分類規則情報に含まれる分類レベルを１種類として説明したが、当該分類規則情報に含まれる分類レベルを２つ以上設定することもできる。まず、制御部１０２は、あるイベントシーケンスに対するイベント予測精度を次式（３）によって算出する。   Next, processing for selecting an appropriate classification level in the control unit 102 will be described. In the processing according to FIGS. 1 to 3 described above, the classification level included in the classification rule information preset in the classification unit 103 has been described as one type. However, two or more classification levels included in the classification rule information are set. You can also First, the control unit 102 calculates event prediction accuracy for a certain event sequence by the following equation (3).

ここで、Ｒｅｃａｌｌｓとは、図２のステップＳ２０４にて、予測が成功した回数であり、イベントシーケンスの情報の大きさとはシーケンス内にて発生されたプロトタイプ情報の数である。制御部１０２は、幾つかの分類レベルで分類部１０３にイベント情報を分類させ、分類されたプロトタイプ情報を含むイベントシーケンスの情報について式（３）によりイベント予測精度を算出し、算出した値が予め設定した閾値以上になる分類レベルの中で、最も詳細な分類レベルを分類部１０３が用いる分類レベルとして選択する。   Here, “Recalls” is the number of successful predictions in step S204 of FIG. 2, and the event sequence information size is the number of prototype information generated in the sequence. The control unit 102 causes the classification unit 103 to classify the event information at several classification levels, calculates the event prediction accuracy for the event sequence information including the classified prototype information by the equation (3), and the calculated value is Among the classification levels that are equal to or higher than the set threshold, the most detailed classification level is selected as the classification level used by the classification unit 103.

具体的な一例として、分類部１０３に予め設定される分類規則情報が年齢の場合に、分類レベル１として１０歳代単位の分類、すなわち、…２０代、３０代、４０代、…を設定し、分類レベル２として１歳単位での分類、すなわち、…２１、２２、２３、…を設定することができる。   As a specific example, when the classification rule information set in advance in the classification unit 103 is age, the classification level 1 is set as a classification in units of 10s, that is, 20s, 30s, 40s,. .., 21, 22, 23,... Can be set as the classification level 2.

制御部１０２は、入力されるイベント情報を上記の分類レベル１及び２に基づいて分類部１０３に分類させ、分類により得られるプロトタイプ情報に基づいて、図２に示した処理を行う。すなわち、１回目のプロトタイプ情報から２回目のプロトタイプ情報を発生させ、２回目の予測成功の可否、２回目のプロトタイプ情報から３回目の予測成功の可否
、…、ｐ回目のプロトタイプ情報からｐ＋１回目の予測成功の可否をそれぞれ記録しておき、成功した回数を式（３）のＲｅｃａｌｌｓに代入し、ｐ＋１をイベントシーケンスの大きさとして代入し、その結果として、制御部１０２は、イベント予測精度を算出することとなる。そして、制御部１０２が算出した分類レベルごとのイベント予測精度に応じていずれか１つの分類レベルを選択し、分類部１０３に利用させる指示を入力する。 The control unit 102 causes the classification unit 103 to classify the input event information based on the classification levels 1 and 2 described above, and performs the processing illustrated in FIG. 2 based on prototype information obtained by classification. That is, the second prototype information is generated from the first prototype information, the second prediction success is possible, the second prototype information is third prediction success,..., The p-th prototype information is p + 1 Each of the prediction success / failures is recorded, the number of successes is substituted in the “Recalls” of the equation (3), and p + 1 is substituted as the size of the event sequence. As a result, the control unit 102 calculates the event prediction accuracy. Will be. Then, any one classification level is selected according to the event prediction accuracy for each classification level calculated by the control unit 102, and an instruction to be used by the classification unit 103 is input.

上記の処理により、イベントを階層的に分類するための分類レベルをイベント予測精度によって示される現在の状況に応じて選択することが可能となる。   With the above processing, it is possible to select a classification level for classifying events hierarchically according to the current situation indicated by the event prediction accuracy.

次に、図４及び図５を参照しつつ、イベント予測部１０５におけるイベントシーケンスの情報から発生規則情報を抽出する処理について説明する。発生規則情報の抽出処理は、隠れユニットを追加し、重み付けリンクＣ１〜Ｃ４の係数を補正することによって行われる。   Next, a process for extracting occurrence rule information from event sequence information in the event prediction unit 105 will be described with reference to FIGS. 4 and 5. Generation rule information extraction processing is performed by adding hidden units and correcting the coefficients of the weighted links C1 to C4.

まず、イベント予測部１０５は、図２のステップＳ２０２で生成されたイベントシーケンスの情報に含まれるｐ番目のプロトタイプ情報を示す変数をｐとし、イベントシーケンスの先頭のプロトタイプ情報（ｐ＝１）からｉ番目の入力層ユニット３０−１〜３０−Ｎの出力値Ｖ^ｐ＿ＩＮ_ｉを以下の式に基づいて設定する。 First, the event prediction unit 105 sets p as a variable indicating the p-th prototype information included in the event sequence information generated in step S202 of FIG. 2, and determines i from the first prototype information (p = 1) of the event sequence. The output value V ^p —IN _i of the first input layer units 30-1 to 30-N is set based on the following equation.

ｐ＋１番目のプロトタイプ情報に対応する出力層ユニット３２−１〜３２−Ｎの数と同じ数の変数Ｔ_ｋ ^ｐを以下の式に基づいて設定する。 The same number of variables T _k ^p as the number of output layer units 32-1 to 32-N corresponding to the (p + 1) th prototype information is set based on the following expression.

さらに、＜（Ｖ^ｐ＿ＩＮ_１，…，Ｖ^ｐ＿ＩＮ_ｉ，…），（Ｔ_１ ^ｐ，…，Ｔ_ｋ ^ｐ，…）＞で表される組（以下、当該組みをイベントパターンと記載）をイベントシーケンスの先頭から末尾の１つ前のプロトタイプ情報についてまで求め、ｐの順に並べたシーケンス（以下、当該シーケンスをパターンシーケンスと記載）を生成する（ステップＳ４００）。イベント予測部１０５は、図５に示すように隠れユニット３１−（Ｍ＋１）を１つ追加するとともに、更新回数を０として初期化する（ステップＳ４０１）。イベント予測部１０５は、ｐにｐ＋１を代入して更新し、次のイベントパターンを選択する（ステップＳ４０３）。次に、イベント予測部１０５は、隠れユニット３１−１〜３１−（Ｍ＋１）を示す変数ｈに０を代入して初期化する（ステップＳ４０４）。イベント予測部１０５は、ｈにｈ＋１を代入して、追加した順に隠れユニット３１−１〜３１−（Ｍ＋１）にｈを設定する（ステップＳ４０５）。 _{^{Furthermore, <(V p _IN 1,}} ..., V p _IN i, ...), (T 1 p, ..., T k p, ...)> the set represented by (hereinafter, wherein the set event pattern) From the beginning of the event sequence to the last prototype information at the end, a sequence arranged in the order of p (hereinafter, this sequence is referred to as a pattern sequence) is generated (step S400). The event prediction unit 105 adds one hidden unit 31- (M + 1) as shown in FIG. 5 and initializes the update count to 0 (step S401). The event prediction unit 105 updates p by substituting p + 1 for p, and selects the next event pattern (step S403). Next, the event prediction unit 105 initializes the variable h indicating the hidden units 31-1 to 31- (M + 1) by substituting 0 (step S404). The event prediction unit 105 substitutes h + 1 for h, and sets h to the hidden units 31-1 to 31- (M + 1) in the order of addition (step S405).

次に、イベント予測部１０５は、ｈが設定される隠れユニット３１−１〜３１−（Ｍ＋１）に関連する重み付けリンクＣ１、Ｃ２、Ｃ３並びにＣ４の重み値を後述する方法により更新する（ステップＳ４０６）。イベント予測部１０５は、ｈが隠れユニット３１−１〜３１−（Ｍ＋１）の数に等しいか否かを判定し（ステップＳ４０７）、等しい場合、ステップＳ４０８に進む。一方、ｈが隠れユニット３１−１〜３１−（Ｍ＋１）の数と異なる場合、ステップＳ４０５に戻る。   Next, the event prediction unit 105 updates the weight values of the weighted links C1, C2, C3, and C4 related to the hidden units 31-1 to 31- (M + 1) in which h is set by a method described later (step S406). ). The event prediction unit 105 determines whether h is equal to the number of hidden units 31-1 to 31- (M + 1) (step S407), and if equal, the process proceeds to step S408. On the other hand, if h is different from the number of hidden units 31-1 to 31- (M + 1), the process returns to step S405.

イベント予測部１０５は、ｈが隠れユニット３１−１〜３１−（Ｍ＋１）の数に等しい場合、次に、ｐがイベントシーケンスの大きさから１引いた値に等しいか否かを判定し（ステップＳ４０８）、等しい場合、更新回数に１追加してステップＳ４０９に進む。一方、ｐがイベントシーケンスの大きさから１引いた値と異なる場合、ステップＳ４０３に戻る。   When h is equal to the number of hidden units 31-1 to 31- (M + 1), the event predicting unit 105 next determines whether p is equal to the value obtained by subtracting 1 from the size of the event sequence (step S1). S408), if equal, add 1 to the update count and proceed to step S409. On the other hand, if p is different from the value obtained by subtracting 1 from the size of the event sequence, the process returns to step S403.

イベント予測部１０５は、ｐがイベントシーケンスの大きさから１引いた値に等しい場合、更新回数が予め定められる上限値に等しいか否かを判定し（ステップＳ４０９）、等しい場合には、ステップＳ４１０に進む。一方、更新回数が予め定められる上限値と異なる場合、ステップＳ４０２に戻る。   The event prediction unit 105 determines whether or not the number of updates is equal to a predetermined upper limit value when p is equal to the value obtained by subtracting 1 from the size of the event sequence (step S409). Proceed to On the other hand, when the number of updates is different from the predetermined upper limit value, the process returns to step S402.

イベント予測部１０５は、更新回数が予め定められる上限値に等しい場合、後述する予測誤差を算出する（ステップＳ４１０）。そして、算出した予測誤差と、ステップＳ４０１にて隠れユニット３１−（Ｍ＋１）を追加する前の予測誤差に基づいて、誤差の変化を算出し、算出した誤差の変化値が許容値未満か否かを判定し（ステップＳ４１１）、算出した誤差の変化値が許容値未満の場合、処理を終了する。一方、算出した誤差の変化量が許容値以上の場合、ステップＳ４０１に戻る。   When the number of updates is equal to a predetermined upper limit value, the event prediction unit 105 calculates a prediction error described later (step S410). Then, based on the calculated prediction error and the prediction error before adding the hidden unit 31- (M + 1) in step S401, a change in the error is calculated, and whether or not the calculated change value in the error is less than an allowable value. (Step S411), and when the calculated change value of the error is less than the allowable value, the process ends. On the other hand, when the calculated change amount of the error is greater than or equal to the allowable value, the process returns to step S401.

上記のイベント予測部１０５におけるイベントシーケンスの規則性の抽出は、図２に示した処理とは関係なく、独立して行われ、例えば、不定期に行ったり、あるいは一定の時間間隔、イベント発生個数等に応じた別の規則に基づいて行ったり、あるいは予測精度が悪くなり一定の閾値を下回った場合に行うようにすることもできる。   Extraction of the regularity of the event sequence in the event predicting unit 105 is performed independently of the processing shown in FIG. 2, for example, irregularly, or at a constant time interval, the number of events generated It may be performed based on another rule according to the above, or when the prediction accuracy is deteriorated and falls below a certain threshold.

次に、図４のステップＳ４０６における隠れユニットの重み付けリンクの重み値の更新について説明する。重み値の更新は、文献（Rumelhart,D.E.,J.L.McClelland, and the PDP Research Group, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Volume 1:Foundations. Cambridge:MIT Press, 1986）に示されるバックプロパゲーションを用いて行う。   Next, the update of the weight value of the weighted link of the hidden unit in step S406 in FIG. 4 will be described. The update of the weight value is backpropagation shown in the literature (Rumelhart, DE, JLMcClelland, and the PDP Research Group, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Volume 1: Foundations. Cambridge: MIT Press, 1986). To do.

まず、イベント予測部１０５は、ｐ番目のイベントパターンにおけるｋ番目の出力層ユニット３２−１〜３２−Ｎの出力Ｖ^ｐ＿ＯＴ_ｋ ^ｈを次式により算出する。なお、隠れユニットの更新は、ｈ＝０から順に全ての隠れユニット３１−１〜３１−（Ｍ＋１）に対して行っていく。 First, the event prediction unit 105, the output ^V p _{_OT} ^{k h} k-th output layer units in the p-th event pattern 32-1 to 32-N is calculated by the following equation. The hidden units are updated for all hidden units 31-1 to 31- (M + 1) in order from h = 0.

式（６）において、Ｇ（・）は、上記の式（１）で定義した関数であり、Ｗ＿ＨＤ_ｊｋは、ｊ番目の隠れユニット（ｊ≦ｈ）からｋ番目の出力層ユニット３２−１〜３２−ＮへのリンクＣ２の重み値である。 In Expression (6), G (•) is the function defined in Expression (1) above, and W_HD _jk is the kth output layer unit 32-1 to jth hidden unit (j ≦ h). This is the weight value of the link C2 to 32-N.

また、Ｖ^ｐ＿ＨＤ_ｊはｊ番目の隠れユニット３１−１〜３１−ｈのｐ番目のイベントパターンに対する出力値であり、ＴＨ＿ＯＴ_ｊｋはｊ番目の隠れユニット３１−１〜３１−ｈにおけるｋ番目の出力層ユニット３２−１〜３２−Ｎのオフセットである。次に、Ｖ^ｐ＿ＨＤ_ｊを次式により算出する。 ^Also, V p _HD _j is the output value for the p-th event patterns of the j-th hidden unit 31-1~31-h, TH_OT _jk is the k-th in the j-th hidden units 31-1 to 31-h This is an offset of the output layer units 32-1 to 32-N. ^Next, the V p _HD _j is calculated by the following equation.

ここで、Ｗ＿ＩＮ_ｉｊは、ｉ番目の入力層ユニット３０−１〜３０−Ｎからｊ番目の隠れユニット３１−１〜３１−ｈへのリンクＣ１の重み値であり、ＴＨ＿ＨＤ_ｊはｊ番目の隠れユニット３１−１〜３１−ｈのオフセットであり、Ｗ＿ＨＤ＿Ｆ_ｊ’ｊはｊ’番目の隠れユニット３１−１〜３１−ｈからｊ番目の隠れユニット３１−１〜３１−ｈへのリンクＣ３の重み値であり、Ｗ＿ＨＤ＿Ｒ_ｊ’ｊは、ｊ’番目の隠れユニット３１−１〜３１−Ｍからｊ番目の隠れユニット３１−１〜３１−ｈへのリンクＣ４の重み値である。 Here, W_IN _ij is a weight value of the link C1 from the i-th input layer units 30-1 to 30-N to the j-th hidden units 31-1 to 31-h, and TH_HD _j is the j-th hidden. Is the offset of the units _{31-1 to} 31-h, and W_HD_F _j′j is the weight of the link C3 from the _j′th hidden unit _{31-1 to} 31-h to the jth hidden unit 31-1 to 31-h W_HD_R _j′j is a weight value of the link C4 from the _j′- th hidden unit _{31-1 to} 31-M to the j-th hidden unit 31-1 to 31-h.

ｈ番目の隠れユニット３１−１〜３１−１〜３１−ｈと出力層ユニット３２−１〜３２−Ｎ間のリンクＣ２の重み値、並びにｈ番目の隠れユニット３１−１〜３１−１〜３１−ｈに対するｋ番目の出力層ユニット３２−１〜３２−Ｎのオフセットを以下の式（８）及び（９）のように更新する。   The weight value of the link C2 between the h-th hidden units 31-1 to 31-31 to 31-h and the output layer units 32-1 to 32-N, and the h-th hidden units 31-1 to 31-31 to 31-31. The offset of the kth output layer units 32-1 to 32-N with respect to -h is updated as in the following equations (8) and (9).

但し、式（８）及び（９）においてδ_ｋ ^ｈは、次式の通りである。 However, in the equations (8) and (9), δ _k ^h is as follows.

式（１０）において、ηは更新速度を制御するパラメータである。   In equation (10), η is a parameter that controls the update rate.

ｈ番目の隠れユニット３１−ｈと入力層ユニット３０−１〜３０−Ｎ間の重み付けリンクＣ１の重み値、並びにｈ番目の隠れユニット３１−ｈのオフセットを以下の式（１１）及び（１２）により更新する。   The weight value of the weighted link C1 between the h-th hidden unit 31-h and the input layer units 30-1 to 30-N and the offset of the h-th hidden unit 31-h are expressed by the following equations (11) and (12). Update with

但し、式（１１）及び（１２）においてδ_ｋ ^ｈは、次式の通りである。 However, in the equations (11) and (12), δ _k ^h is as follows.

さらに、隠れユニット３１−１〜３１−ｈ間のリンクＣ３、並びにＣ４の重み値を以下の式（１４）及び（１５）により更新する。   Further, the weight values of the links C3 and C4 between the hidden units 31-1 to 31-h are updated by the following equations (14) and (15).

次に、上記の図４のステップＳ４１０における予測誤差は、次式（１６）により算出する。   Next, the prediction error in step S410 of FIG. 4 is calculated by the following equation (16).

但し、Ｖ^ｐ＿ＯＴ_ｋは、次式（１７）の通りである。 ^However, V p _OT _k is as the following equation (17).

上記の処理により、注目すべきイベントを予めユーザが定義しておくことなく、次に発生するイベントを過去のイベントの発生規則のみから予測することができる。それにより、実際に発生したイベントに対応するプロトタイプ情報が、発生する可能性があると判定されたイベントのプロトタイプ情報に含まれていない場合、実際に発生するイベントを特異イベントとし、注目すべきイベントの候補としてユーザに示すことができる。   With the above processing, the next event can be predicted from only the past event generation rules without the user defining a notable event in advance. As a result, if prototype information corresponding to an event that has actually occurred is not included in the prototype information of an event that has been determined to be likely to occur, the event that should actually occur is regarded as a singular event, and the event to be noted Can be shown to the user.

さらに、実際に発生したイベントに対応するプロトタイプ情報が、次に発生すると判定されたイベントのプロトタイプ情報に含まれている場合には、実際に発生したイベントは通常よく発生している平凡なイベントとして無視し、ユーザに対して必要以上にイベントの重要性について確認を要求させないようにすることができる。  Furthermore, if prototype information corresponding to an event that has actually occurred is included in the prototype information of the event that is determined to occur next, the event that has actually occurred is usually regarded as a common event that occurs frequently. It can be ignored to prevent the user from requesting confirmation about the importance of the event more than necessary.

次に、図６を参照しつつ、特異イベント検出装置１の使用環境が変化した場合や、新しいプロトタイプ情報を追加する場合に行うイベントシーケンスから得られる発生規則情報の再抽出にて必要となる仮想的なイベントパターンの作成の処理について説明する。
発生規則情報の再抽出では、図４にて説明した重み付けの更新、すなわちニューラルネットでの学習により得られた発生規則情報を利用する。 Next, referring to FIG. 6, a virtual necessary for re-extraction of occurrence rule information obtained from an event sequence performed when the usage environment of the singular event detection device 1 changes or when new prototype information is added. A typical event pattern creation process will be described.
In the re-extraction of the generation rule information, the generation rule information obtained by the weighting update described with reference to FIG. 4, that is, learning by a neural network is used.

まず、イベント予測部１０５は、パターンシーケンスをクリアし、パターンシーケンス内のイベントパターン数を表す変数ｐに１を代入して初期化する（ステップＳ６００）。イベント予測部１０５の入力層ユニット３０−１〜３０−Ｎの出力値Ｖ^ｐ＿ＩＮ_ｉを０から１の間でランダムに設定する。さらに、１単位時間前の隠れユニット３１−１〜３１−（Ｍ＋１）の出力値Ｖ^ｐ−１＿ＨＤ_ｊを０．５に設定する（ステップＳ６０１）。出力層ユニット３２−１〜３２−Ｎの出力値Ｖ^ｐ＿ＯＴ_ｋを式（１７）に基づいて算出する（ステップＳ６０２）。 First, the event prediction unit 105 clears the pattern sequence and initializes it by substituting 1 into a variable p representing the number of event patterns in the pattern sequence (step S600). The output value V ^p _IN _i of the input layer units 30-1 to 30-N of the event prediction unit 105 is randomly set between 0 and 1. Further, the output value V ^p−1 _HD _j of the hidden units 31-1 to 31- (M + 1) one unit time before is set to 0.5 (step S601). The output value V ^p _OT _k of the output layer units 32-1 to 32-N is calculated based on the equation (17) (step S602).

イベント予測部１０５は、Ｔ_ｋ ^ｐにＶ^ｐ＿ＯＴ_ｋを代入し、仮想イベントパターン＜（Ｖ^ｐ＿ＩＮ_１，…，Ｖ^ｐ＿ＩＮ_ｉ，…），（Ｔ_１ ^ｐ，…，Ｔ_ｋ ^ｐ，…）＞を生成する。ここで、新しいプロトタイプ情報が追加されている場合には、追加されたプロトタイプ情報に対応するＶ^ｐ＿ＩＮ_ｉ、並びにＴ_ｋ ^ｐの値を０として、仮想イベントパターンに追加する（ステップＳ６０３）。イベント予測部１０５は、仮想イベントパターンをパターンシーケンスに追加する（ステップＳ６０４）。そして、イベント予測部１０５は、仮想イベントパターン数が予め定められた所望のパターン数に等しいか否かを判定し（ステップＳ６０５）、等しいと判定した場合、図４におけるステップＳ４００に進む（図６の符号Ａ）。 The event prediction unit 105 substitutes V ^p —OT _k for T _k ^p, and generates a virtual event pattern <(V ^p —IN ₁ ,..., V ^p —IN _i ,...), (T ₁ ^p ,..., T _k ^p ,. )>. Here, when a new prototype information has been added, V ^p _IN i corresponding to the added prototype _information, as well as the value of T _k ^p 0 is added to the virtual event pattern (step S603). The event prediction unit 105 adds the virtual event pattern to the pattern sequence (step S604). Then, the event prediction unit 105 determines whether or not the number of virtual event patterns is equal to a predetermined desired number of patterns (step S605). If it is determined that they are equal, the process proceeds to step S400 in FIG. 4 (FIG. 6). A).

一方、仮想イベントパターン数が予め定められた数に等しくないと判定した場合、ｐにｐ＋１を代入し、Ｖ^ｐ＿ＩＮ_ｉにＶ^ｐ−１＿ＯＴ_ｉを代入してステップＳ６０２に戻る（ステップＳ６０６）。 On the other hand, if it is not equal to the number of number of virtual event pattern predetermined substitutes p + 1 to ^p, by substituting ^V p-1 _OT _i to V p _IN _i returns to step S602 (step S606) .

上記の処理により、過去の重み値を全てクリアしてしまうと、元の環境に戻った際に再度重み値の更新を行わなければならないところ、現在の重み値を用いて以前の環境でのパターンを仮想的に発生させる仮想イベントパターンを生成し、当該仮想イベントパターンに新たなプロトタイプ情報に対応する情報を追加することで、以前の環境での予測の傾向を残しつつ、新たな環境についての更新を行うことが可能となる。   If all the past weight values are cleared by the above processing, the weight value must be updated again when returning to the original environment. By creating a virtual event pattern that generates a virtual event, and adding information corresponding to the new prototype information to the virtual event pattern, updating the new environment while keeping the trend of prediction in the previous environment Can be performed.

これにより、新しい種類のイベントが増えたり、使用する環境が変化した際に、新しい種類のイベントや環境に対してのみプロトタイプ情報を予測するだけでなく、以前から存在している種類のイベントや、以前から使用していた環境に対しても同様にイベントに対応するプロトタイプ情報を予測することができる。また、さらに、イベントに対応するプロトタイプ情報の予測のために過去に発生した全てのイベント情報を必要とせず、必要最小限のイベント情報のみを記憶しておけばよいため、イベント情報を格納しておくデータベース領域を削減することができる。   This not only predicts prototype information for new types of events and environments when new types of events increase or the environment used changes, Prototype information corresponding to an event can be similarly predicted for an environment that has been used before. Furthermore, it is not necessary to store all event information that occurred in the past for the prediction of prototype information corresponding to the event, and it is sufficient to store only the minimum necessary event information. The database area to be saved can be reduced.

なお、上記の実施形態において、ユーザ個人だけでなく、グループメンバが体験したイベントのイベント情報のシーケンスの規則性を抽出し、抽出した規則性に基づいてグループ内で共通する特異イベントを検出するようにすることもできる。   In the above embodiment, the regularity of the sequence of event information of events experienced not only by individual users but also by group members is extracted, and a peculiar event common in the group is detected based on the extracted regularity. It can also be.

また、本発明に記載の、入力部は、入出力部１０１に対応し、分類部は、分類部１０３に対応し、制御部は、制御部１０２に対応し、イベント予測部は、イベント予測部１０５に対応する。   The input unit described in the present invention corresponds to the input / output unit 101, the classification unit corresponds to the classification unit 103, the control unit corresponds to the control unit 102, and the event prediction unit is the event prediction unit. Corresponds to 105.

以上、本発明に係る特異イベント検出装置の実施形態を説明したが、本発明は、当該実施形態に限定されるものではなく、その趣旨を逸脱しない範囲において変更し得るものである。   As mentioned above, although embodiment of the peculiar event detection apparatus concerning this invention was described, this invention is not limited to the said embodiment, In the range which does not deviate from the meaning, it can change.

上述の特異イベント検出装置は内部に、コンピュータシステムを有している。そして、上述した特異イベント検出の処理、発生規則情報の更新の処理は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。   The above-described singular event detection apparatus has a computer system therein. The above-described singular event detection process and generation rule information update process are stored in a computer-readable recording medium in the form of a program. When the computer reads and executes this program, the above process is performed. Done. Here, the computer-readable recording medium means a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like. Alternatively, the computer program may be distributed to the computer via a communication line, and the computer that has received the distribution may execute the program.

本実施形態による特異イベント検出装置の概略ブロック図である。It is a schematic block diagram of the peculiar event detection device by this embodiment. 同実施形態における特異イベント検出装置の全体的な処理の流れを示したフローチャートである。It is the flowchart which showed the flow of the whole process of the specific event detection apparatus in the embodiment. 同実施形態におけるイベント予測部に適用されるニューラルネットワークの構成を示した図である。It is the figure which showed the structure of the neural network applied to the event estimation part in the embodiment. 同実施形態におけるイベント予測部の発生規則情報の抽出処理を示したフローチャートである。It is the flowchart which showed the extraction process of the generation | occurrence | production rule information of the event estimation part in the embodiment. 同実施形態におけるイベント予測部に適用されるニューラルネットワークにて隠れユニットが追加された際の構成を示した図である。It is the figure which showed the structure at the time of a hidden unit being added in the neural network applied to the event estimation part in the embodiment. 同実施形態における仮想的なイベントパターンの作成の処理を示したフローチャートである。It is the flowchart which showed the creation process of the virtual event pattern in the same embodiment.

符号の説明Explanation of symbols

１ 特異イベント検出装置
１０１ 入出力部
１０２ 制御部
１０３ 分類部
１０４ イベントデータベース
１０５ イベント予測部

1 Singular Event Detection Device 101 Input / Output Unit 102 Control Unit 103 Classification Unit 104 Event Database 105 Event Prediction Unit

Claims (6)

順次発生するイベントから、特異なイベントを検出する特異イベント検出装置において、
前記順次発生するイベントを示すイベント情報を順に入力する入力部と、
前記入力部が入力する前記イベント情報を予め定められる分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力する分類部と、
前記分類部が出力する前記プロトタイプ情報及び所定の発生規則情報に基づいて次に発生する前記イベントに対応する前記プロトタイプ情報を演算により予測して出力するイベント予測部と、
前記イベント予測部が出力する前記プロトタイプ情報に、前記入力部から入力される次のイベントに対応する前記プロトタイプ情報が含まれるか否かを判定し、前記イベント予測部が出力する前記プロトタイプ情報に、前記入力部から入力される次のイベントに対応する前記プロトタイプ情報が含まれないと判定した場合、当該イベントを特異イベントとして検出する制御部と、を備え、
前記イベント予測部は、
過去に発生した前記イベントの前記プロトタイプ情報の履歴に基づいて、次に発生するイベントのプロトタイプ情報を予測して出力するための前記所定の発生規則情報を算出する
ことを特徴とする特異イベント検出装置。 In a singular event detection device that detects singular events from sequentially occurring events,
An input unit for sequentially inputting event information indicating the sequentially generated events;
A classification unit that classifies the event information input by the input unit according to predetermined classification rule information and outputs the prototype information corresponding to the event information among a plurality of predetermined prototype information;
An event prediction unit that predicts and outputs the prototype information corresponding to the event that occurs next based on the prototype information output by the classification unit and predetermined generation rule information;
The prototype information output by the event prediction unit determines whether or not the prototype information corresponding to the next event input from the input unit is included, and the prototype information output by the event prediction unit includes: When it is determined that the prototype information corresponding to the next event input from the input unit is not included, a control unit that detects the event as a singular event, and
The event prediction unit
The specific event detection apparatus for calculating the predetermined generation rule information for predicting and outputting prototype information of an event that occurs next based on a history of the prototype information of the event that has occurred in the past . 前記分類部は、
前記分類規則情報として予め定められる複数の分類レベルの分類規則情報を有し、
前記分類レベルごとに、前記入力部が入力する前記イベントを前記分類レベルに対応する分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力し、
前記イベント予測部は、
前記分類部が出力する前記プロトタイプ情報に基づいて次に発生する前記イベントの前記プロトタイプ情報を前記分類レベルごとに予測して出力し、
前記制御部は、
前記イベント予測部が出力した前記プロトタイプ情報と前記入力部から入力される次のイベントに対応する前記プロトタイプ情報とに基づいて、前記分類レベルごとの予測精度を算出し、算出した前記予測精度に基づいて前記分類部で用いる前記分類レベルを指定する指示を前記分類部に入力する
ことを特徴とする請求項１に記載の特異イベント検出装置。 The classification unit includes:
Having classification rule information of a plurality of classification levels predetermined as the classification rule information,
For each of the classification levels, the event input by the input unit is classified by classification rule information corresponding to the classification level, and the prototype information corresponding to the event information is output among a plurality of predetermined prototype information. ,
The event prediction unit
Based on the prototype information output by the classification unit, the prototype information of the event that occurs next is predicted and output for each classification level,
The controller is
Based on the prototype information output from the event prediction unit and the prototype information corresponding to the next event input from the input unit, the prediction accuracy for each classification level is calculated, and based on the calculated prediction accuracy The singular event detection apparatus according to claim 1, wherein an instruction to specify the classification level used in the classification unit is input to the classification unit. 前記イベント予測部は、
次に発生する前記イベントに対応する前記プロトタイプ情報の算出を、過去に算出した前記発生規則情報に基づいて順次行い、
算出したプロトタイプ情報を算出順に並べた列に新たに発生したイベントに対応する前記プロトタイプ情報を加える手段と、
当該プロトタイプ情報が加えられた前記プロトタイプ情報の列に基づき、次に発生する前記イベントのプロトタイプ情報を予測するか、あるいは前記所定の発生規則情報を算出する
ことを特徴とする請求項１に記載に特異イベント検出装置。 The event prediction unit
The calculation of the prototype information corresponding to the event that occurs next is sequentially performed based on the generation rule information calculated in the past,
Means for adding the prototype information corresponding to the newly generated event in a column in which the calculated prototype information is arranged in the calculation order;
2. The prototype information of the next event to be generated is predicted based on the prototype information column to which the prototype information is added, or the predetermined generation rule information is calculated. Singular event detection device. 順次発生するイベントから、特異なイベントを検出する特異イベント検出方法において、
前記順次発生するイベントを示すイベント情報を順に入力するステップと、
入力される前記イベント情報を予め定められる分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力するステップと、
出力される前記プロトタイプ情報及び所定の発生規則情報に基づいて次に発生する前記イベントに対応する前記プロトタイプ情報を演算により予測して出力するステップと、
予測して出力するステップにより出力される前記プロトタイプ情報に、入力される次のイベントに対応する前記プロトタイプ情報が含まれるか否かを判定するステップと、
前記判定するステップにより、出力される前記プロトタイプ情報に、入力される次のイベントに対応する前記プロトタイプ情報が含まれないと判定された場合、当該イベントを特異イベントとして検出するステップと、
過去に発生した前記イベントの前記プロトタイプ情報の履歴に基づいて、次に発生するイベントのプロトタイプ情報を予測して出力するための前記所定の発生規則情報を算出するステップと、
を含むことを特徴とする特異イベント検出方法。 In the singular event detection method of detecting singular events from the events that occur sequentially,
Sequentially inputting event information indicating the sequentially occurring events;
Classifying the input event information according to predetermined classification rule information and outputting the prototype information corresponding to the event information among a plurality of predetermined prototype information;
Predicting and outputting the prototype information corresponding to the event that occurs next based on the prototype information and predetermined generation rule information to be output;
Determining whether the prototype information corresponding to the next event to be input is included in the prototype information output by the step of predicting and outputting;
When it is determined by the determining step that the prototype information that is output does not include the prototype information corresponding to the next event that is input, the event is detected as a singular event;
Calculating the predetermined generation rule information for predicting and outputting prototype information of an event that occurs next based on a history of the prototype information of the event that occurred in the past;
A singular event detection method comprising: 前記分類規則情報として予め定められる複数の分類レベルの分類規則情報を設定するステップと、
前記分類レベルごとに、入力される前記イベントを前記分類レベルに対応する分類規則情報により分類して予め定められる複数のプロトタイプ情報の中で前記イベント情報に対応する前記プロトタイプ情報を出力するステップと、
出力される前記プロトタイプ情報に基づいて次に発生する前記イベントの前記プロトタイプ情報を前記分類レベルごとに予測して出力するステップと、
予測して出力するステップにより出力される前記プロトタイプ情報と入力される次のイベントに対応する前記プロトタイプ情報とに基づいて、前記分類レベルごとの予測精度を算出するステップと、
算出した前記予測精度に基づいて前記分類レベルを指定するステップと、
を含むことを特徴とする請求項４に記載の特異イベント検出方法。 Setting classification rule information of a plurality of classification levels predetermined as the classification rule information;
For each of the classification levels, outputting the prototype information corresponding to the event information among a plurality of predetermined prototype information by classifying the input event with classification rule information corresponding to the classification level;
Predicting and outputting, for each classification level, the prototype information of the next event to occur based on the prototype information to be output;
Calculating the prediction accuracy for each classification level based on the prototype information output by the step of predicting and outputting and the prototype information corresponding to the next event input;
Designating the classification level based on the calculated prediction accuracy;
The singular event detection method according to claim 4, further comprising: 次に発生する前記イベントに対応する前記プロトタイプ情報の算出を、過去に算出した前記発生規則情報に基づいて順次行うステップと、
算出したプロトタイプ情報を算出順に並べた列に新たに発生したイベントに対応する前記プロトタイプ情報を加えるステップと、
当該プロトタイプ情報が加えられた前記プロトタイプ情報の列に基づき、次に発生する前記イベントのプロトタイプ情報を予測するか、あるいは前記所定の発生規則情報を算出するステップと、
を含むことを特徴とする請求項４に記載の特異イベント検出方法。

The step of sequentially calculating the prototype information corresponding to the event that occurs next based on the occurrence rule information calculated in the past;
Adding the prototype information corresponding to the newly generated event in a column in which the calculated prototype information is arranged in the calculation order;
Predicting prototype information of the next event to occur based on the prototype information column to which the prototype information is added, or calculating the predetermined generation rule information;
The singular event detection method according to claim 4, further comprising:

Images