JP7574735B2

JP7574735B2 - Activity support program, device, and method

Info

Publication number: JP7574735B2
Application number: JP2021079661A
Authority: JP
Inventors: 隆史 ▲柳▼▲瀬▼
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2021-05-10
Filing date: 2021-05-10
Publication date: 2024-10-29
Anticipated expiration: 2041-05-10
Also published as: JP2022173759A

Description

開示の技術は、活動支援プログラム、活動支援装置、及び活動支援方法に関する。 The disclosed technology relates to an activity support program, an activity support device, and an activity support method.

従来、営業活動や健康増進活動等の活動に関する履歴データに基づいて、その活動に対する改善提案を出力することで、活動を支援することが行われている。 Conventionally, activities such as sales activities and health promotion activities have been supported by outputting improvement suggestions for those activities based on historical data on those activities.

例えば、自治体や健康保険組合などの団体の構成員を集団的に指導することによって、構成員の心身の健康維持及び健康増進を実現するための健康維持増進支援システムが提案されている。このシステムは、身体活動記録部に記録された構成員それぞれの身体活動データと構成員情報記録部に記録された個人情報とを、集団指導論理記録部に記録されている集団指導論理に基づいて解析する。そして、このシステムは、解析のうえ、構成員の健康維持及び健康増進を指導するための指導情報をプリントアウトする。 For example, a health maintenance and promotion support system has been proposed that provides collective guidance to members of organizations such as local governments and health insurance associations, thereby helping members maintain and improve their physical and mental health. This system analyzes the physical activity data of each member recorded in the physical activity recording unit and personal information recorded in the member information recording unit, based on the group guidance logic recorded in the group guidance logic recording unit. After analysis, the system then prints out guidance information to instruct members on maintaining and improving their health.

また、高齢者各人の日常生活活動量を考慮した生活指導と運動プログラムを提示し、適切なケアサービスを提供するシステムが提案されている。このシステムは、高齢者の生活活動能力評価データと個人データとを入力して個人データベースとして蓄積処理する。また、このシステムは、複数の日常生活体力項目毎に加齢変化を関数で表した生活体力加齢関数プログラムを用意しておく。そして、このシステムは、評価対象者の日常生活体力項目の体力測定値と生活体力加齢関数プログラムと日常生活体力項目毎に定めた自立限界値とから、評価対象者の自立度を求めて評価する。また、このシステムは、自立度評価情報を基に生活指導・運動指導プログラムファイルを利用して、改善すべき生活指導と運動のプログラムを提示する。 A system has also been proposed that provides appropriate care services by presenting lifestyle guidance and exercise programs that take into account the amount of daily living activity of each elderly person. This system inputs the elderly person's daily living activity ability assessment data and personal data, and stores and processes them as a personal database. This system also prepares a daily living physical fitness aging function program that expresses age-related changes as a function for each of a number of daily living physical fitness items. This system then determines and evaluates the subject's degree of independence from the physical fitness measurements for the daily living physical fitness items of the subject, the daily living physical fitness aging function program, and the independence limit values set for each daily living physical fitness item. This system also uses a lifestyle guidance and exercise guidance program file based on the independence assessment information to present lifestyle guidance and exercise programs that should be improved.

特開２００７－２８６８５４号公報JP 2007-286854 A 特開２００６－３１４３３号公報JP 2006-31433 A

従来技術では、どのようなデータが得られた場合に、どのような提案をするかということを、予め定めておく必要がある。そこで、活動に関する履歴データを用いた機械学習を実行し、優秀な活動成果を挙げているユーザの履歴データの特徴を抽出し、抽出した特徴に基づく提案を行うことが考えられる。しかし、複数の特徴が抽出された場合、より改善効果の高い提案を行うために、いずれの特徴を選択するかを判断することは困難である。 In conventional technology, it is necessary to determine in advance what kind of proposals will be made depending on what kind of data is obtained. One possible solution is to perform machine learning using historical data on activities, extract features from the historical data of users who have achieved excellent activity results, and make proposals based on the extracted features. However, when multiple features are extracted, it is difficult to determine which feature to select in order to make a proposal with the greatest improvement effect.

一つの側面として、開示の技術は、改善効果の高い提案を出力し、活動を支援することを目的とする。 In one aspect, the disclosed technology aims to output suggestions that are highly effective for improvement and to support activities.

一つの態様として、開示の技術は、１以上の項目の値と、正例又は負例を示すラベルとを含む、活動に関する履歴データについて、前記項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成する。また、開示の技術は、正例数及び負例数に基づいて、前記ルールが正例を導くルールか、又は負例を導くルールかを特定する。正例数は、前記ルールの各々について、前記ルールを充足し、かつ前記ラベルが正例を示す前記履歴データの数であり、負例数は、前記ルールを充足し、かつ前記ラベルが負例を示す前記履歴データの数である。そして、開示の技術は、値が数値の特定項目について前記条件が不等式で表現された前記説明変数を含むルールにおいて、前記正例を導くルールと前記負例を導くルールとで不等号が逆向きか否かを判定する。開示の技術は、逆向きの場合に、前記正例を導くルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する。 In one aspect, the disclosed technology generates a plurality of rules including one or more explanatory variables expressed in conditions related to the values of one or more items for historical data related to activities, the data including values of the items and labels indicating positive or negative examples. The disclosed technology also identifies whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on the number of positive examples and the number of negative examples. The number of positive examples is the number of historical data that satisfy the rule and the label indicates a positive example for each of the rules, and the number of negative examples is the number of historical data that satisfy the rule and the label indicates a negative example. The disclosed technology then determines whether the inequality signs are in the opposite directions between the rule that leads to the positive example and the rule that leads to the negative example for a specific item whose value is a numeric value, in a rule that includes the explanatory variable in which the condition is expressed as an inequality. If the inequality signs are in the opposite directions, the disclosed technology outputs an improvement proposal based on the explanatory variable for the specific item included in the rule that leads to the positive example.

一つの側面として、改善効果の高い提案を出力し、活動を支援することができる、という効果を有する。 One aspect is that it has the effect of outputting suggestions that are highly effective for improvement and supporting activities.

活動支援装置の機能ブロック図である。FIG. 2 is a functional block diagram of the activity support device. 活動履歴データの一例を示す図である。FIG. 4 is a diagram illustrating an example of activity history data. 離散化後の活動履歴データの一例を示す図である。FIG. 13 is a diagram showing an example of discretized activity history data. ルールＤＢの一例を示す図である。FIG. 2 is a diagram illustrating an example of a rule DB. 改善提案の出力を説明するための図である。FIG. 13 is a diagram for explaining an output of an improvement proposal. 改善提案の出力を説明するための図である。FIG. 13 is a diagram for explaining an output of an improvement proposal. 活動支援装置として機能するコンピュータの概略構成を示すブロック図である。1 is a block diagram showing a schematic configuration of a computer that functions as an activity support device. 活動支援処理の一例を示すフローチャートである。13 is a flowchart illustrating an example of an activity support process. 離散化処理の一例を示すフローチャートである。13 is a flowchart illustrating an example of a discretization process. ルール生成処理の一例を示すフローチャートである。13 is a flowchart illustrating an example of a rule generation process. 改善提案出力処理の一例を示すフローチャートである。13 is a flowchart illustrating an example of an improvement proposal output process.

以下、図面を参照して、開示の技術に係る実施形態の一例を説明する。なお、本実施形態では、営業活動の改善提案を行う場合に開示の技術を適用した例について説明する。 An example of an embodiment of the disclosed technology will be described below with reference to the drawings. Note that in this embodiment, an example of applying the disclosed technology to a case where improvement proposals for sales activities are made will be described.

図１に示すように、本実施形態に係る活動支援装置１０は、活動履歴データを入力とし、営業活動に関する改善提案を出力する。また、活動支援装置１０は、図１に示すように、機能的には、生成部１２と、特定部１４と、出力部１６とを含む。また、活動支援装置１０の所定の記憶領域には、ルールＤＢ（database）２０が記憶される。 As shown in FIG. 1, the activity support device 10 according to this embodiment receives activity history data as input and outputs improvement proposals for sales activities. As shown in FIG. 1, the activity support device 10 functionally includes a generation unit 12, an identification unit 14, and an output unit 16. A rule DB (database) 20 is stored in a specified storage area of the activity support device 10.

生成部１２は、活動支援装置１０に入力された活動履歴データを取得する。活動履歴データは、１以上の項目の値と、正例又は負例を示すラベルとを含む、営業活動に関する履歴データである。 The generation unit 12 acquires the activity history data input to the activity support device 10. The activity history data is history data related to sales activities that includes values of one or more items and labels indicating positive or negative examples.

図２に、活動履歴データの一例を示す。図２の例では、各行（各レコード）が、各営業職員の活動履歴データである。各活動履歴データは、営業職員の識別情報である「営業職員ＩＤ」に、ラベルの一例である「営業成績」と、複数の項目の各々についての値とが対応付けられたデータである。図２の例では、「営業成績」の「〇」は、営業成績が良いことを表す正例のラベルであり、「営業成績」の「×」は、営業成績が良くないことを表す負例のラベルである。ラベルは、例えば、ノルマの達成度、契約成立件数、売上額等に基づく基準を予め定めておき、この基準に基づいて、営業職員毎の実績に基づいて判断して付与しておけばよい。 Figure 2 shows an example of activity history data. In the example of Figure 2, each row (each record) is the activity history data of each sales representative. Each activity history data is data in which a "sales representative ID" that is the identification information of the sales representative, "sales performance" which is an example of a label, and values for each of a number of items are associated with each other. In the example of Figure 2, "o" for "sales performance" is a positive example label indicating good sales performance, and "x" for "sales performance" is a negative example label indicating poor sales performance. Labels can be assigned based on predetermined criteria, for example, the degree of quota achievement, number of contracts concluded, sales amount, etc., and judgments can be made based on these criteria and the track record of each sales representative.

また、図２の例は、営業活動の一例として、チャット等による顧客への対応を想定した例であり、項目として、「最大対応時間」、「平均対応時間」、「スタンプ種類数」等を含む。これらの項目の値は、チャット等でやり取りしたメッセージや、メッセージの送受信時刻を示すタイムスタンプ等を含むログから取得可能である。「最大対応時間」は、チャット等における１件当たりの対応の開始時から終了時までの対応時間のうち、最大の対応時間である。「平均対応時間」は、１件当たりの対応時間の平均である。「スタンプ種類数」は、チャット等でのやり取りにおいて営業職員が送信したメッセージに使用したスタンプの種類数である。なお、項目は、これらの例に限定されず、営業職員が送信したメッセージの文字数の平均、メッセージにおける絵文字や顔文字の使用率等、チャット等でのやり取りのログから取得可能な様々な項目を含んでよい。 The example in FIG. 2 is an example of sales activities assuming responses to customers via chat or the like, and includes items such as "maximum response time," "average response time," and "number of stamp types." The values of these items can be obtained from logs that include messages exchanged via chat or the like and timestamps indicating the time when messages were sent and received. "Maximum response time" is the longest response time among the response times from the start to the end of each response in chat or the like. "Average response time" is the average response time per case. "Number of stamp types" is the number of stamp types used in messages sent by sales representatives in chat or other exchanges. Note that the items are not limited to these examples, and may include various items that can be obtained from logs of exchanges in chat or the like, such as the average number of characters in messages sent by sales representatives, the rate of use of emoticons and emoticons in messages, etc.

なお、本実施形態では、値が数値となる項目に着目した処理を行うため、上記のような項目を例示しているが、値が数値ではない項目、例えば、顧客の職種等の項目を含んでもよい。さらに、チャット等でのやり取りのログから取得可能な情報以外にも、勤続年数等の営業職員の属性に関する項目を含んでもよい。 In this embodiment, the processing focuses on items whose values are numerical, so the above items are given as examples, but items whose values are not numerical, such as the customer's occupation, may also be included. Furthermore, in addition to information that can be obtained from logs of interactions such as chat, items related to the attributes of sales staff, such as years of service, may also be included.

生成部１２は、取得した活動履歴データについて、活動履歴データに含まれる項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成する。具体的には、生成部１２は、活動履歴データに含まれる各項目の値を離散化して説明変数を生成する。より具体的には、生成部１２は、各項目について１以上の閾値を設定し、項目名と不等号と閾値とを含む不等式「項目名（不等号）閾値」で表現される説明変数を生成する。例えば、生成部１２は、各項目の値の最小値から最大値までの範囲で、等間隔に所定個の値を、その項目についての閾値として設定してよい。また、生成部１２は、活動履歴データの各項目の値が、生成した説明変数として表現された条件に合致するか否か、すなわち不等式を満足するか否かに基づいて、活動履歴データを離散化する。 The generating unit 12 generates a plurality of rules including one or more explanatory variables expressed by conditions related to the values of items included in the activity history data for the acquired activity history data. Specifically, the generating unit 12 generates explanatory variables by discretizing the values of each item included in the activity history data. More specifically, the generating unit 12 sets one or more thresholds for each item, and generates explanatory variables expressed by an inequality "item name (inequality sign) threshold" including an item name, an inequality sign, and a threshold. For example, the generating unit 12 may set a predetermined number of values at equal intervals within the range from the minimum value to the maximum value of each item as the threshold for that item. In addition, the generating unit 12 discretizes the activity history data based on whether the value of each item of the activity history data matches the condition expressed as the generated explanatory variable, i.e., whether the inequality is satisfied.

図３に、離散化後の活動履歴データの一例を示す。図３の例では、項目「最大対応時間」について、「最大対応時間≧４［時間］」及び「最大対応時間≧６［時間］」という説明変数が生成されていることを表す。また、項目「平均対応時間」について、「平均対応時間≧２［時間］」及び「平均対応時間≧４［時間］」という説明変数が生成されていることを表す。また、項目「スタンプ種類数」について、「スタンプ種類数≧１［種類］」、「スタンプ種類数≧２［種類］」、及び「スタンプ種類数≧３［種類］」という説明変数が生成されていることを表す。以下、［］で示す各値の単位の記載を省略する。また、図３の例では、生成部１２は、生成した説明変数毎に、活動履歴データの各項目の値が、その説明変数が表す不等式を満足する場合には「１」を設定し、満足しない場合には「０」を設定することにより、活動履歴データを離散化している。 Figure 3 shows an example of activity history data after discretization. In the example of Figure 3, explanatory variables of "maximum response time ≧ 4 [hours]" and "maximum response time ≧ 6 [hours]" are generated for the item "maximum response time". Also, explanatory variables of "average response time ≧ 2 [hours]" and "average response time ≧ 4 [hours]" are generated for the item "average response time". Also, explanatory variables of "number of stamp types ≧ 1 [type]", "number of stamp types ≧ 2 [types]", and "number of stamp types ≧ 3 [types]" are generated for the item "number of stamp types". In the following, the description of the units of each value shown in [ ] is omitted. Also, in the example of Figure 3, the generation unit 12 discretizes the activity history data by setting "1" for each generated explanatory variable if the value of each item of the activity history data satisfies the inequality represented by the explanatory variable, and setting "0" if it does not satisfy the inequality.

また、生成部１２は、生成した説明変数、及び生成した説明変数に含まれる不等号の向きを逆向きにした説明変数を、項目間で網羅的に組み合わせて、複数のルールを生成する。すなわち、生成部１２は、各項目についての説明変数から最大１つの説明変数を取り出して項目間で組み合わせた場合の全ての組み合わせの各々を各ルールとして生成する。図３の例では、「最大対応時間≧４」、「最大対応時間＜４」、「最大対応時間≧４ ∧ 平均対応時間≧２」、「最大対応時間≧４ ∧ 平均対応時間≧４」、「最大対応時間≧４ ∧ 平均対応時間≧２ ∧ スタンプ数≧１」等のルールが生成される。なお、不等号を逆向きにするとは、元の不等号の向きにより不等式が表す値の範囲と、排他的な範囲を表す不等式となるように、不等号の向きを変換することである。したがって、生成部１２は、「≧」は「＜」に変換し、「＞」は「≦」に変換する。 The generating unit 12 also generates multiple rules by comprehensively combining the generated explanatory variables and explanatory variables with the inequality signs included in the generated explanatory variables in the reversed direction between items. That is, the generating unit 12 generates each rule for each of all combinations when a maximum of one explanatory variable is extracted from the explanatory variables for each item and combined between items. In the example of FIG. 3, rules such as "Maximum response time ≧4", "Maximum response time < 4", "Maximum response time ≧4 ∧ Average response time ≧2", "Maximum response time ≧4 ∧ Average response time ≧4", "Maximum response time ≧4 ∧ Average response time ≧2 ∧ Number of stamps ≧1" are generated. Note that reversing the direction of the inequality sign means changing the direction of the inequality sign so that the range of values represented by the inequality depending on the direction of the original inequality sign becomes an inequality that represents an exclusive range. Therefore, the generating unit 12 changes "≧" to "<" and ">" to "≦".

生成部１２は、生成した複数のルールの各々に、ルールの識別情報であるルール番号を付与し、複数のルールをルールＤＢ２０に記憶する。以下では、ルール番号がｉのルールを、「ルールｉ」と表記する。図４に、ルールＤＢ２０の一例を示す。なお、この段階では、図４に示すルールＤＢ２０の「ルール区分」、「正例数」、「負例数」、及び「信頼度」（詳細は後述）は空欄である。また、生成部１２は、離散化後の活動支援データを特定部１４へ受け渡す。 The generating unit 12 assigns a rule number, which is identification information of the rule, to each of the generated rules, and stores the multiple rules in the rule DB 20. Hereinafter, a rule with rule number i is referred to as "rule i". Figure 4 shows an example of the rule DB 20. Note that at this stage, the "rule category", "number of positive examples", "number of negative examples", and "confidence" (described in detail later) in the rule DB 20 shown in Figure 4 are blank. The generating unit 12 also passes the discretized activity support data to the identifying unit 14.

特定部１４は、ルールＤＢ２０に含まれるルールの各々について、活動履歴データの正例数及び負例数に基づいて、ルールが正例を導くルール（以下、「正例側ルール」という）か、又は負例を導くルール（以下、「負例側ルール」という）かを特定する。活動履歴データの正例数とは、ルールを充足し、かつラベルが正例を示す活動履歴データの数であり、活動履歴データの負例数とは、ルールを充足し、かつラベルが負例を示す活動履歴データの数である。特定部１４は、活動履歴データがルールを充足するか否かを、離散化後の活動履歴データの各値が、ルールに含まれる説明変数の全てを充足するか否かにより判定する。具体的には、特定部１４は、ルールに含まれる説明変数が活動履歴データに含まれる場合、その説明変数に対応する離散化後の活動履歴データの値が「１」であれば、その説明変数については充足すると判定する。また、特定部１４は、ルールに含まれる説明変数が活動履歴データに含まれない場合、すなわち不等号を逆向きにした説明変数の場合、不等号の向きを元に戻した説明変数に対応する離散化後の活動履歴データの値が「０」であれば、充足すると判定する。例えば、図４に示すルールＤＢ２０のルール１の場合、特定部１４は、離散化後の活動履歴データの「最大対応時間≧４」の値が「１」、かつ「平均対応時間≧２」の値が「０」の場合、その活動履歴データはルール１を充足すると判定する。 The identification unit 14 identifies, for each rule included in the rule DB 20, whether the rule is a rule that leads to a positive example (hereinafter referred to as a "positive example rule") or a rule that leads to a negative example (hereinafter referred to as a "negative example rule") based on the number of positive examples and the number of negative examples in the activity history data. The number of positive examples in the activity history data is the number of activity history data that satisfy the rule and whose labels indicate positive examples, and the number of negative examples in the activity history data is the number of activity history data that satisfy the rule and whose labels indicate negative examples. The identification unit 14 determines whether the activity history data satisfies the rule based on whether each value of the activity history data after discretization satisfies all of the explanatory variables included in the rule. Specifically, when an explanatory variable included in the rule is included in the activity history data, if the value of the activity history data after discretization corresponding to that explanatory variable is "1", the identification unit 14 determines that the explanatory variable is satisfied. Furthermore, when an explanatory variable included in a rule is not included in the activity history data, i.e., in the case of an explanatory variable with an inequality sign reversed, if the value of the discretized activity history data corresponding to the explanatory variable with the inequality sign reversed is "0", the identification unit 14 determines that the rule is satisfied. For example, in the case of rule 1 in the rule DB 20 shown in FIG. 4, the identification unit 14 determines that the activity history data satisfies rule 1 if the value of "maximum response time ≧4" in the discretized activity history data is "1" and the value of "average response time ≧2" is "0"

特定部１４は、各ルールについて、上記のようにルールを充足する活動履歴データを判定し、ルールを充足する活動履歴データの数を、正例又は負例のラベル毎に集計し、ルールＤＢ２０の「正例数」及び「負例数」にそれぞれ記憶する。そして、特定部１４は、ルールを充足する正例数が負例数より多いルールを正例側ルールとして特定し、負例数が正例数より多いルールを負例側ルールとして特定し、ルールＤＢ２０の「ルール区分」に特定結果を記憶する。図４の例では、「ルール区分」において、正例側ルールを「正例側」、負例側ルールを「負例側」と表している。 The identification unit 14 determines the activity history data that satisfies each rule as described above, tallies the number of activity history data that satisfies the rule for each positive or negative example label, and stores the number of positive examples and the number of negative examples in the rule DB 20. The identification unit 14 then identifies rules for which the number of positive examples that satisfy the rule is greater than the number of negative examples as positive example side rules, and identifies rules for which the number of negative examples is greater than the number of positive examples as negative example side rules, and stores the identification results in the "rule classification" of the rule DB 20. In the example of FIG. 4, in the "rule classification", positive example side rules are represented as "positive example side" and negative example side rules are represented as "negative example side".

また、特定部１４は、正例側ルールについて、正例数及び負例数に基づいて、そのルールが正例側ルールであることの信頼度を算出する。例えば、特定部１４は、信頼度を、信頼度＝正例数／（正例数＋負例数）として算出してよい。特定部１４は、算出した信頼度を、ルールＤＢ２０の「信頼度」に記憶する。 The identification unit 14 also calculates the reliability of a rule being a positive example rule based on the number of positive examples and the number of negative examples for the positive example rule. For example, the identification unit 14 may calculate the reliability as reliability = number of positive examples / (number of positive examples + number of negative examples). The identification unit 14 stores the calculated reliability in "reliability" in the rule DB 20.

ここで、上記のように、説明変数の網羅的な組み合わせからルールを生成して、改善提案となる内容を抽出する方法として、生成した正例側ルールの中からセグメントを抽出する手法が考えられる。セグメントとは、なるべく多くのデータをカバーし、かつなるべく多くの正例をカバーするようなルールである。そして、セグメントとなる正例側ルールを、ユーザ（ここでは営業職員）の属性に応じたアクションとして表現することで、属性に応じた有効なアクションを改善提案として出力することが考えられる。 As described above, one method for generating rules from a comprehensive combination of explanatory variables and extracting improvement suggestions is to extract segments from the generated positive example rules. A segment is a rule that covers as much data as possible and covers as many positive examples as possible. Then, by expressing the positive example rules that become segments as actions according to the attributes of the user (here, a sales representative), it is possible to output effective actions according to the attributes as improvement suggestions.

しかし、セグメントとなる正例側ルールに複数の説明変数が含まれる場合、どの説明変数に着目して改善提案を行えばよいかを判断することは困難である。例えば、図４に示すルールＤＢ２０のルール１「最大対応時間≧４ ∧ 平均対応時間＜２」がセグメントとして抽出されたとする。この場合、最大対応時間を４時間以上とする改善提案、平均対応時間を２時間未満とする改善提案、又はその両方を含む改善提案のうち、いずれがより改善効果の高い提案となるかは分からない。 However, when the positive example rule that becomes a segment contains multiple explanatory variables, it is difficult to determine which explanatory variable to focus on when making an improvement proposal. For example, rule 1 "Maximum response time ≧ 4 ∧ Average response time < 2" in rule DB 20 shown in Figure 4 is extracted as a segment. In this case, it is not clear which improvement proposal will have a greater effect: an improvement proposal that sets the maximum response time at 4 hours or more, an improvement proposal that sets the average response time at less than 2 hours, or an improvement proposal that includes both.

また、本実施形態のように、値が数値である項目を含む活動履歴データの場合、セグメントは、不等式の組み合わせで表現される。上述したように、セグメントは、なるべく多くのデータをカバーするようなルールを抽出するため、より広い範囲の値をとる不等式を含むルールがセグメントとして抽出される。しかし、この場合、改善提案を行う対象となる範囲、すなわちセグメント外の範囲は逆に小さくなるため、改善提案の効果が得られ難くなる。 Furthermore, in the case of activity history data that includes items whose values are numerical, as in this embodiment, segments are expressed as combinations of inequalities. As described above, in order to extract rules that cover as much data as possible, rules that include inequalities that take on a wider range of values are extracted as segments. However, in this case, the range for which improvement suggestions are made, i.e., the range outside the segment, becomes smaller, making it difficult to obtain the effects of improvement suggestions.

例えば、図４に示すルールＤＢ２０のルール３「平均対応時間≧２ ∧ スタンプ種類数≧３」と、ルール４「平均対応時間≧２ ∧ スタンプ種類数≧２」とでは、ルール４の方が、ルールを充足する活動履歴データの数、及び正例数が多い。すなわち、ルール３よりもルール４の方がカバーする範囲が広いため、ルール４がセグメントとして抽出され、平均対応時間は２時間以上、かつスタンプ種類数は２種類以上という改善提案が出力される。しかし、ルール３とルール４との正例数及び負例数との差から、「平均対応時間≧２ ∧ スタンプ種類数＝２」を充足する活動履歴データの正例数は２０件、負例数は４７件である。「平均対応時間≧２ ∧ スタンプ種類数＝２」に該当する営業職員に対しては、スタンプ種類数が３種類以上という提案でなければ、改善提案にならないため、上記のルール４に基づく改善提案は適切ではない。 For example, in the rule DB 20 shown in FIG. 4, rule 3 "average response time ≧2 ∧ number of stamp types ≧3" and rule 4 "average response time ≧2 ∧ number of stamp types ≧2" have a larger number of activity history data that satisfy the rule and a larger number of positive cases. That is, because rule 4 covers a wider range than rule 3, rule 4 is extracted as a segment, and an improvement proposal is output that the average response time is 2 hours or more and the number of stamp types is 2 or more. However, from the difference between the number of positive cases and the number of negative cases of rule 3 and rule 4, the number of positive cases and the number of negative cases of activity history data that satisfy "average response time ≧2 ∧ number of stamp types = 2" is 20, and the number of negative cases is 47. For a sales representative who falls under "average response time ≧2 ∧ number of stamp types = 2", the improvement proposal based on the above rule 4 is not appropriate unless the number of stamp types is 3 or more.

上記の点を踏まえ、本実施形態における出力部１６では、ルールに含まれる説明変数の不等号の向きに着目して、改善効果の高い改善提案を出力する。以下、出力部１６について詳述する。 In consideration of the above, the output unit 16 in this embodiment focuses on the direction of the inequality sign in the explanatory variable included in the rule and outputs improvement proposals that have a high improvement effect. The output unit 16 will be described in detail below.

出力部１６は、値が数値の特定項目について、条件が不等式で表現された説明変数を含むルールにおいて、正例側ルールと負例側ルールとで不等号が逆向きの場合に、正例側ルールに含まれる特定項目についての説明変数に基づく改善提案を出力する。ある特定項目について、正例側ルールと負例側ルールとで不等号が逆向きの場合、その特定項目の値は、活動履歴データが正例となるか負例となるかに与える影響が大きい。そのため、その特定項目についての説明変数に基づく改善提案を出力することで、より改善効果の高い改善提案を出力することができる。 The output unit 16 outputs improvement suggestions based on the explanatory variables for a specific item included in the positive example rule when the inequality sign is in the opposite direction between the positive example rule and the negative example rule for a specific item whose value is a numeric value in a rule including explanatory variables whose conditions are expressed as inequalities. When the inequality sign is in the opposite direction between the positive example rule and the negative example rule for a certain specific item, the value of that specific item has a large influence on whether the activity history data is a positive example or a negative example. Therefore, by outputting improvement suggestions based on the explanatory variables for that specific item, it is possible to output improvement suggestions with a greater improvement effect.

例えば、出力部１６は、「最大対応時間」を特定項目とする場合、「最大対応時間」を説明変数に含むルールを選択する。図４に示すルールＤＢ２０の場合、出力部１６は、図５に示すように、ルール１及びルール２を選択する。この場合、正例側ルールであるルール１には「最大対応時間≧４」があり、負例側ルールであるルール２には「最大対応時間＜４」があり、その不等号が逆向きである。したがって、出力部１６は、「最大対応時間≧４」に基づく改善提案を出力する。 For example, when "maximum response time" is a specific item, the output unit 16 selects a rule that includes "maximum response time" as an explanatory variable. In the case of the rule DB 20 shown in FIG. 4, the output unit 16 selects rules 1 and 2 as shown in FIG. 5. In this case, rule 1, which is the positive example rule, has "maximum response time ≧ 4", and rule 2, which is the negative example rule, has "maximum response time < 4", with the inequality signs in the opposite directions. Therefore, the output unit 16 outputs an improvement suggestion based on "maximum response time ≧ 4".

また、出力部１６は、負例側ルールと不等号が逆向きになる正例側ルールが複数存在する場合、信頼度に基づいて選択した正例側ルールに含まれる特定項目についての説明変数に基づく改善提案を出力する。例えば、上記の、信頼度＝正例数／（正例数＋負例数）のように、信頼度の値が大きいほど信頼度が高いとする。この場合において、出力部１６は、正例側ルールのうち、特定項目についての不等式が示す値の範囲が小さい方をルールＡ、範囲が大きい方をルールＢとする。ルールＡは、開示の技術の「第１のルール」の一例、ルールＢは、開示の技術の「第２のルール」の一例である。そして、出力部１６は、ルールＡの信頼度が、ルールＢの信頼度より所定値以上大きい場合に、ルールＡに含まれる特定項目についての説明変数に基づく改善提案を出力する。また、出力部１６は、ルールＡの信頼度からルールＢの信頼度を減算した値が所定値未満の場合、ルールＢに含まれる特定項目についての説明変数に基づく改善提案を出力する。 In addition, when there are multiple positive example side rules with the inequality sign in the opposite direction to the negative example side rule, the output unit 16 outputs an improvement proposal based on the explanatory variables for the specific item included in the positive example side rule selected based on the reliability. For example, as in the above-mentioned reliability = number of positive examples / (number of positive examples + number of negative examples), the reliability is higher as the reliability value increases. In this case, the output unit 16 designates the positive example side rule with a smaller range of values indicated by the inequality for the specific item as rule A and the positive example side rule with a larger range as rule B. Rule A is an example of the "first rule" of the disclosed technology, and rule B is an example of the "second rule" of the disclosed technology. Then, when the reliability of rule A is greater than the reliability of rule B by a predetermined value or more, the output unit 16 outputs an improvement proposal based on the explanatory variables for the specific item included in rule A. In addition, when the value obtained by subtracting the reliability of rule B from the reliability of rule A is less than a predetermined value, the output unit 16 outputs an improvement proposal based on the explanatory variables for the specific item included in rule B.

例えば、出力部１６は、「スタンプ種類数」を特定項目とする場合、「スタンプ種類数」を説明変数に含むルールを選択する。図４に示すルールＤＢ２０の場合、出力部１６は、図６に示すように、ルール３、ルール４、及びルール５を選択する。この場合、正例側ルールであるルール３には「スタンプ種類数≧３」、ルール４には「スタンプ種類数≧２」があり、負例側ルールであるルール５には「スタンプ種類数＜２」があり、その不等号が逆向きである。そのため、「スタンプ種類数≧３」又は「スタンプ種類数≧２」が改善提案の候補となる。出力部１６は、ルール３の信頼度－ルール４の信頼度（０．６８－０．５３）が所定の閾値ＴＨ（例えば、ＴＨ＝０．１）以上か否かを判定する。ここでは、ルール３の信頼度－ルール４の信頼度は、所定の閾値以上であるため、出力部１６は、「スタンプ種類数≧３」に基づく改善提案を出力する。この改善提案により、スタンプ種類数＝２の営業職員に対しても、スタンプ種類数を３種類以上にすることにより、正例となる可能性、すなわち営業活動の成果が改善する可能性を高める提案を行うことができる。 For example, when the "number of stamp types" is a specific item, the output unit 16 selects a rule that includes the "number of stamp types" as an explanatory variable. In the case of the rule DB 20 shown in FIG. 4, the output unit 16 selects rules 3, 4, and 5 as shown in FIG. 6. In this case, the positive example rule rule 3 has "number of stamp types ≧ 3", the rule 4 has "number of stamp types ≧ 2", and the negative example rule rule 5 has "number of stamp types < 2", and the inequality signs are in the opposite directions. Therefore, "number of stamp types ≧ 3" or "number of stamp types ≧ 2" becomes a candidate for improvement proposal. The output unit 16 determines whether the reliability of rule 3 minus the reliability of rule 4 (0.68-0.53) is equal to or greater than a predetermined threshold TH (for example, TH = 0.1). Here, the reliability of rule 3 minus the reliability of rule 4 is equal to or greater than the predetermined threshold, so the output unit 16 outputs an improvement proposal based on "number of stamp types ≧ 3". With this improvement proposal, even for a sales representative with two stamp types, a proposal can be made to increase the number of stamp types to three or more, increasing the possibility of a positive example, i.e., the possibility of improving the results of sales activities.

すなわち、ルールＡの信頼度がルールＢの信頼度より所定値以上大きい場合には、不等式が示す値の範囲が小さい方のルールＡに含まれる説明変数に基づく改善提案を行うことで、活動の改善が見込める対象となる範囲を大きくすることができる。一方、ルールＡの信頼度とルールＢの信頼度とにあまり差がない場合には、不等式が示す値の範囲が大きい方のルールＢに含まれる説明変数に基づく改善提案を行うことで、カバーする範囲が広いルールに基づく改善提案を行うことができる。 In other words, if the reliability of rule A is greater than that of rule B by a predetermined value or more, the range in which improvement of activities can be expected can be expanded by making improvement suggestions based on the explanatory variables included in rule A, which has a smaller range of values indicated by the inequality. On the other hand, if there is not much difference between the reliability of rule A and the reliability of rule B, it is possible to make improvement suggestions based on a rule that covers a wider range by making improvement suggestions based on the explanatory variables included in rule B, which has a larger range of values indicated by the inequality.

なお、出力部１６は、選択した説明変数に基づく改善提案として、選択した説明変数をそのまま出力してもよいし、予め用意したテンプレートに、選択した説明変数の内容を当て嵌めて作成した改善提案を出力してもよい。例えば、出力部１６は、図５に示す例のように、「最大対応時間≧４」という説明変数から、「最大対応時間は４時間以上がよい」という改善提案を作成して出力してよい。また、出力部１６は、図６に示す例のように、「スタンプ種類数≧３」という説明変数から、「スタンプ種類数は３種類以上がよい」という改善提案を作成して出力してよい。また、出力部１６は、活動履歴データの項目として、営業職員の属性に関する項目も含む場合、改善提案として選択した説明変数を含むルールに含まれる属性と、選択した説明変数とを組み合わせた改善提案を作成して、出力してもよい。例えば、「勤続年数＜１０［年］ ∧ スタンプ種類数≧３種類」というルールの説明変数「スタンプ種類数≧３種類」が選択されたとする。この場合、出力部１６は、「勤続年数が１０年未満の営業職員は、スタンプ種類数は３種類以上がよい」のような改善提案を作成して出力してもよい。 The output unit 16 may output the selected explanatory variable as an improvement proposal based on the selected explanatory variable as it is, or may output an improvement proposal created by fitting the contents of the selected explanatory variable into a template prepared in advance. For example, the output unit 16 may create and output an improvement proposal that "the maximum response time should be 4 hours or more" from the explanatory variable "maximum response time ≧ 4" as in the example shown in FIG. 5. Also, the output unit 16 may create and output an improvement proposal that "the number of stamp types should be 3 or more" from the explanatory variable "number of stamp types ≧ 3" as in the example shown in FIG. 6. Also, when the activity history data items include items related to the attributes of the sales staff, the output unit 16 may create and output an improvement proposal that combines the attributes included in the rule including the selected explanatory variable as an improvement proposal with the selected explanatory variable. For example, it is assumed that the explanatory variable "number of stamp types ≧ 3" of the rule "years of service < 10 [years] ∧ number of stamp types ≧ 3 types" is selected. In this case, the output unit 16 may create and output an improvement suggestion such as "Sales representatives with less than 10 years of service should have three or more types of stamps."

活動支援装置１０は、例えば図７に示すコンピュータ４０で実現することができる。コンピュータ４０は、ＣＰＵ（Central Processing Unit）４１と、一時記憶領域としてのメモリ４２と、不揮発性の記憶部４３とを備える。また、コンピュータ４０は、入力部、表示部等の入出力装置４４と、記憶媒体４９に対するデータの読み込み及び書き込みを制御するＲ／Ｗ（Read/Write）部４５とを備える。また、コンピュータ４０は、インターネット等のネットワークに接続される通信Ｉ／Ｆ（Interface）４６を備える。ＣＰＵ４１、メモリ４２、記憶部４３、入出力装置４４、Ｒ／Ｗ部４５、及び通信Ｉ／Ｆ４６は、バス４７を介して互いに接続される。 The activity support device 10 can be realized, for example, by a computer 40 shown in FIG. 7. The computer 40 includes a CPU (Central Processing Unit) 41, a memory 42 as a temporary storage area, and a non-volatile storage unit 43. The computer 40 also includes an input/output device 44 such as an input unit and a display unit, and an R/W (Read/Write) unit 45 that controls the reading and writing of data from and to a storage medium 49. The computer 40 also includes a communication I/F (Interface) 46 that is connected to a network such as the Internet. The CPU 41, memory 42, storage unit 43, input/output device 44, R/W unit 45, and communication I/F 46 are connected to one another via a bus 47.

記憶部４３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部４３には、コンピュータ４０を、活動支援装置１０として機能させるための活動支援プログラム５０が記憶される。活動支援プログラム５０は、生成プロセス５２と、特定プロセス５４と、出力プロセス５６とを有する。また、記憶部４３は、ルールＤＢ２０を構成する情報が記憶される情報記憶領域６０を有する。 The storage unit 43 can be realized by a hard disk drive (HDD), a solid state drive (SSD), a flash memory, or the like. The storage unit 43 as a storage medium stores an activity support program 50 for causing the computer 40 to function as the activity support device 10. The activity support program 50 has a generation process 52, an identification process 54, and an output process 56. The storage unit 43 also has an information storage area 60 in which information constituting the rule DB 20 is stored.

ＣＰＵ４１は、活動支援プログラム５０を記憶部４３から読み出してメモリ４２に展開し、活動支援プログラム５０が有するプロセスを順次実行する。ＣＰＵ４１は、生成プロセス５２を実行することで、図１に示す生成部１２として動作する。また、ＣＰＵ４１は、特定プロセス５４を実行することで、図１に示す特定部１４として動作する。また、ＣＰＵ４１は、出力プロセス５６を実行することで、図１に示す出力部１６として動作する。また、ＣＰＵ４１は、情報記憶領域６０から情報を読み出して、ルールＤＢ２０をメモリ４２に展開する。これにより、活動支援プログラム５０を実行したコンピュータ４０が、活動支援装置１０として機能することになる。なお、プログラムを実行するＣＰＵ４１はハードウェアである。 The CPU 41 reads out the activity support program 50 from the storage unit 43, expands it in the memory 42, and sequentially executes the processes of the activity support program 50. The CPU 41 operates as the generation unit 12 shown in FIG. 1 by executing the generation process 52. The CPU 41 also operates as the specification unit 14 shown in FIG. 1 by executing the specification process 54. The CPU 41 also operates as the output unit 16 shown in FIG. 1 by executing the output process 56. The CPU 41 also reads out information from the information storage area 60 and expands the rule DB 20 in the memory 42. As a result, the computer 40 that has executed the activity support program 50 functions as the activity support device 10. The CPU 41 that executes the program is hardware.

なお、活動支援プログラム５０により実現される機能は、例えば半導体集積回路、より詳しくはＡＳＩＣ（Application Specific Integrated Circuit）等で実現することも可能である。 The functions realized by the activity support program 50 can also be realized, for example, by a semiconductor integrated circuit, more specifically, an ASIC (Application Specific Integrated Circuit).

次に、本実施形態に係る活動支援装置１０の作用について説明する。活動支援装置１０に活動履歴データが入力され、改善提案の出力が指示されると、活動支援装置１０において、図８に示す活動支援処理が実行される。なお、活動支援処理は、開示の技術の活動支援方法の一例である。 Next, the operation of the activity support device 10 according to this embodiment will be described. When activity history data is input to the activity support device 10 and an instruction to output an improvement proposal is given, the activity support process shown in FIG. 8 is executed in the activity support device 10. Note that the activity support process is an example of an activity support method of the disclosed technology.

ステップＳ１０では、図９に示す離散化処理が実行される。次に、ステップＳ３０で、図１０に示すルール生成処理が実行される。次に、ステップＳ５０で、図１１に示す改善提案出力処理が実行され、活動支援処理は終了する。以下、離散化処理、ルール生成処理、及び改善提案出力処理の各々について詳述する。 In step S10, the discretization process shown in FIG. 9 is executed. Next, in step S30, the rule generation process shown in FIG. 10 is executed. Next, in step S50, the improvement proposal output process shown in FIG. 11 is executed, and the activity support process ends. Below, the discretization process, the rule generation process, and the improvement proposal output process are each described in detail.

まず、図９に示す離散化処理について説明する。 First, we will explain the discretization process shown in Figure 9.

ステップＳ１２で、生成部１２が、活動支援装置１０に入力された活動履歴データを取得する。次に、ステップＳ１４で、生成部１２が、取得した活動履歴データに含まれる項目から、以下のステップＳ１６～Ｓ２２の処理が未処理の項目を１つ選択する。次に、ステップＳ１６で、生成部１２が、選択した項目について１以上の閾値を設定し、項目名と不等号と閾値とを含む不等式「項目名（不等号）閾値」で表現される説明変数を生成する。 In step S12, the generation unit 12 acquires the activity history data input to the activity support device 10. Next, in step S14, the generation unit 12 selects one item from the items included in the acquired activity history data that has not yet been processed in steps S16 to S22 below. Next, in step S16, the generation unit 12 sets one or more thresholds for the selected item, and generates an explanatory variable expressed by an inequality "item name (inequality sign) threshold" that includes an item name, an inequality sign, and a threshold.

次に、ステップＳ１８で、生成部１２が、活動履歴データに含まれる営業職員ＩＤから、以下のステップＳ２０の処理が未処理の営業職員ＩＤを１つ選択し、その営業職員ＩＤを含む活動履歴データを取得する。次に、ステップＳ２０で、生成部１２が、選択した営業職員ＩＤを含む活動履歴データにおいて、上記ステップＳ１４で選択した項目の値と、上記ステップＳ１６で生成した説明変数とを比較する。そして、生成部１２が、生成した説明変数毎に、活動履歴データにおけるその項目の値が、説明変数が表す不等式を満足する場合には「１」を設定し、満足しない場合には「０」を設定する。これにより、活動履歴データが離散化される。 Next, in step S18, the generation unit 12 selects one sales representative ID that has not been processed in step S20 below from the sales representative IDs included in the activity history data, and obtains activity history data including that sales representative ID. Next, in step S20, the generation unit 12 compares the value of the item selected in step S14 above with the explanatory variables generated in step S16 above in the activity history data including the selected sales representative ID. Then, for each explanatory variable generated, the generation unit 12 sets "1" if the value of that item in the activity history data satisfies the inequality represented by the explanatory variable, and sets "0" if it does not. This causes the activity history data to be discretized.

次に、ステップＳ２２で、生成部１２が、上記ステップＳ１２で取得した活動履歴データに含まれる全ての営業職員ＩＤを選択済みか否かを判定する。未選択の営業職員ＩＤが存在する場合には、ステップＳ１８に戻り、全て選択済みの場合には、ステップＳ２４へ移行する。ステップＳ２４では、生成部１２が、上記ステップＳ１２で取得した活動履歴データに含まれる全ての項目を選択済みか否かを判定する。未選択の項目が存在する場合には、ステップＳ１４に戻り、全て選択済みの場合には、離散化処理は終了する。 Next, in step S22, the generation unit 12 determines whether or not all sales representative IDs included in the activity history data acquired in step S12 have been selected. If there are unselected sales representative IDs, the process returns to step S18, and if all have been selected, the process proceeds to step S24. In step S24, the generation unit 12 determines whether or not all items included in the activity history data acquired in step S12 have been selected. If there are unselected items, the process returns to step S14, and if all have been selected, the discretization process ends.

次に、図１０に示すルール生成処理について説明する。 Next, we will explain the rule generation process shown in Figure 10.

ステップＳ３２で、生成部１２が、離散化処理（図９）のステップＳ１６で生成した説明変数、及び生成した説明変数に含まれる不等号の向きを逆向きにした説明変数を、項目間で網羅的に組み合わせて、複数のルールを生成する。そして、生成部１２が、生成した複数のルールの各々にルール番号を付与し、複数のルールをルールＤＢ２０に記憶する。 In step S32, the generation unit 12 generates multiple rules by comprehensively combining the explanatory variables generated in step S16 of the discretization process (FIG. 9) and explanatory variables with the inequality signs included in the generated explanatory variables reversed between items. The generation unit 12 then assigns a rule number to each of the multiple rules generated, and stores the multiple rules in the rule DB 20.

次に、ステップＳ３４で、特定部１４が、ルールＤＢ２０に含まれるルールの各々について、ルールを充足する活動履歴データの数を、正例又は負例のラベル毎に集計し、ルールＤＢ２０の「正例数」及び「負例数」にそれぞれ記憶する。そして、特定部１４が、ルールを充足する正例数が負例数より多いルールを正例側ルールとして特定し、負例数が正例数より多いルールを負例側ルールとして特定し、ルールＤＢ２０の「ルール区分」に特定結果を記憶する。 Next, in step S34, the identification unit 14 counts the number of activity history data that satisfy each rule included in the rule DB 20 for each label of positive example or negative example, and stores the number of positive examples and the number of negative examples in the rule DB 20, respectively. Then, the identification unit 14 identifies a rule for which the number of positive examples that satisfy the rule is greater than the number of negative examples as a positive example side rule, and identifies a rule for which the number of negative examples is greater than the number of positive examples as a negative example side rule, and stores the identification results in the "rule category" of the rule DB 20.

次に、ステップＳ３６で、特定部１４が、正例側ルールについて、正例数及び負例数に基づいて、そのルールが正例側ルールであることの信頼度を算出し、ルールＤＢ２０の「信頼度」に記憶し、ルール生成処理は終了する。 Next, in step S36, the identification unit 14 calculates the reliability of the rule being a positive example rule based on the number of positive examples and the number of negative examples, and stores the reliability in the rule DB 20, and the rule generation process ends.

次に、図１１に示す改善提案出力処理について説明する。 Next, we will explain the improvement proposal output process shown in Figure 11.

ステップＳ５２で、出力部１６が、所定の記憶領域に記憶されたルールＤＢ２０を読み込む。次に、ステップＳ５４で、出力部１６が、活動履歴データに含まれる項目から、ステップＳ５６以降の処理が未処理の項目を１つ選択する。次に、ステップＳ５６で、出力部１６が、ルールＤＢ２０に含まれるルールから、選択した項目を含む説明変数を含むルールを抽出する。 In step S52, the output unit 16 reads the rule DB 20 stored in a specified storage area. Next, in step S54, the output unit 16 selects one item that has not been processed in step S56 or later from among the items included in the activity history data. Next, in step S56, the output unit 16 extracts rules that include explanatory variables that include the selected item from the rules included in the rule DB 20.

次に、ステップＳ５８で、出力部１６が、抽出したルールに、正例側ルール及び負例側ルールがそれぞれ１つ以上含まれるか否かを判定する。含まれる場合には、ステップＳ６０へ移行し、含まれない場合には、ステップＳ７４へ移行する。ステップＳ６０では、出力部１６が、抽出したルールに含まれる正例側ルールと負例側ルールとで不等号が逆向きか否かを判定する。不等号が逆向きの場合には、ステップＳ６２へ移行し、同じ向きの場合には、ステップＳ７４へ移行する。 Next, in step S58, the output unit 16 determines whether the extracted rules include one or more positive example rules and one or more negative example rules. If so, the process proceeds to step S60; if not, the process proceeds to step S74. In step S60, the output unit 16 determines whether the inequality signs in the positive example rules and negative example rules included in the extracted rules are in opposite directions. If the inequality signs are in opposite directions, the process proceeds to step S62; if they are in the same direction, the process proceeds to step S74.

ステップＳ６２では、出力部１６が、抽出したルールに含まれる正例側ルールが２つ以上あるか否かを判定する。正例側ルールが１つの場合には、ステップＳ６４へ移行し、２つ以上の場合には、ステップＳ６６へ移行する。ステップＳ６４では、抽出したルールに含まれる正例側ルールにおいて、上記ステップＳ５４で選択した項目を含む説明変数を選択する。 In step S62, the output unit 16 determines whether the extracted rules contain two or more positive example rules. If there is one positive example rule, the process proceeds to step S64. If there are two or more positive example rules, the process proceeds to step S66. In step S64, explanatory variables including the item selected in step S54 are selected from the positive example rules contained in the extracted rules.

ステップＳ６６では、出力部１６が、抽出した正例側ルールのうち、上記ステップＳ５４で選択した項目を含む説明変数を表現する不等式が示す値の範囲が小さい方をルールＡ、範囲が大きい方をルールＢに設定する。次に、ステップＳ６８で、出力部１６が、ルールＡの信頼度（信頼度Ａ）からルールＢの信頼度（信頼度Ｂ）を減算した値が所定の閾値ＴＨ以上か否かを判定する。信頼度Ａ－信頼度Ｂ≧ＴＨの場合には、ステップＳ７０へ移行し、出力部１６が、ルールＡにおいて、上記ステップＳ５４で選択した項目を含む説明変数を選択し、ステップＳ７４へ移行する。一方、信頼度Ａ－信頼度Ｂ＜ＴＨの場合には、ステップＳ７２へ移行し、出力部１６が、ルールＢにおいて、上記ステップＳ５４で選択した項目を含む説明変数を選択し、ステップＳ７４へ移行する。 In step S66, the output unit 16 sets the rule with the smaller range of values indicated by the inequality expressing the explanatory variable including the item selected in step S54 as rule A, and the rule with the larger range as rule B. Next, in step S68, the output unit 16 determines whether the value obtained by subtracting the reliability of rule B (reliability B) from the reliability of rule A (reliability A) is equal to or greater than a predetermined threshold value TH. If reliability A-reliability B≧TH, the process proceeds to step S70, where the output unit 16 selects an explanatory variable including the item selected in step S54 for rule A, and proceeds to step S74. On the other hand, if reliability A-reliability B<TH, the process proceeds to step S72, where the output unit 16 selects an explanatory variable including the item selected in step S54 for rule B, and proceeds to step S74.

ステップＳ７４では、出力部１６が、活動履歴データに含まれる全ての項目を選択済みか否かを判定する。未選択の項目が存在する場合には、ステップＳ５４に戻り、全て選択済みの場合には、ステップＳ７６へ移行する。ステップＳ７６では、出力部１６が、上記ステップＳ６４、Ｓ７０、又はＳ７２で選択した説明変数の各々に基づく改善提案を出力し、改善提案出力処理は終了する。 In step S74, the output unit 16 determines whether or not all items included in the activity history data have been selected. If there are unselected items, the process returns to step S54, and if all items have been selected, the process proceeds to step S76. In step S76, the output unit 16 outputs improvement suggestions based on each of the explanatory variables selected in step S64, S70, or S72, and the improvement suggestion output process ends.

なお、上記の改善提案出力処理のステップＳ６０において、正例側ルールが複数存在し、その複数の正例側ルールのそれぞれで、選択された項目を含む説明変数を表現する不等式の不等号の向きが異なるとする。この場合、数が多い方の向きを、正例側ルールの不等号の向きとみなしてよい。例えば、選択された項目を含む不等式の不等号が「≧」の正例側ルールが２つ、「＜」の正例側ルールが１つの場合、正例側ルールの不等号の向きは「≧」とみなす。また、不等号の向き毎に、各ルールの正例数を集計して、正例数が多い方の向きを、正例側ルールの不等号の向きとみなしてもよい。負例側ルールが複数存在する場合も同様である。負例側ルールの場合、負例数が多い方の向きを、負例側ルールの不等号の向きとみなす。また、正例側ルール及び負例側ルールの少なくとも一方が複数存在し、その複数のルール内で該当の不等号の向きが異なる場合、上記ステップＳ６０で否定判定とするようにしてもよい。 In step S60 of the improvement proposal output process, assume that there are multiple positive example rules, and that the direction of the inequality sign in the inequality that expresses the explanatory variable including the selected item is different for each of the multiple positive example rules. In this case, the direction of the greater number may be regarded as the direction of the inequality sign of the positive example rule. For example, if there are two positive example rules with an inequality sign of "≧" in the inequality that includes the selected item, and one positive example rule with an inequality sign of "<", the direction of the inequality sign of the positive example rule is regarded as "≧". In addition, the number of positive examples of each rule may be tallied for each direction of the inequality sign, and the direction of the rule with the greater number of positive examples may be regarded as the direction of the inequality sign of the positive example rule. The same applies when there are multiple negative example rules. In the case of a negative example rule, the direction of the rule with the greater number of negative examples is regarded as the direction of the inequality sign of the negative example rule. In addition, if there are multiple positive example rules and/or multiple negative example rules, and the directions of the corresponding inequality signs are different within the multiple rules, a negative determination may be made in step S60 above.

また、上記ステップＳ６６において、正例側ルールが３つ以上存在する場合、不等式が示す値の範囲が小さい順に上から２つずつをルールＡ及びルールＢに設定して、順次信頼度Ａ－信頼度Ｂが閾値ＴＨ以上か否かを判定すればよい。例えば、正例側ルールが、ルール１、ルール２、及びルール３の３つあり、不等式が示す値の範囲が、ルール１＜ルール２＜ルール３であるとする。この場合、まず、ルール１をルールＡに設定し、ルール２をルールＢに設定する。そして、信頼度Ａ－信頼度Ｂが閾値ＴＨ以上であれば、ルール１から説明変数を選択し、信頼度Ａ－信頼度Ｂが閾値ＴＨ未満であれば、ルール２をルールＡに設定し、ルール３をルールＢに設定する。そして、信頼度Ａ－信頼度Ｂが閾値ＴＨ以上であれば、ルール２から説明変数を選択し、信頼度Ａ－信頼度Ｂが閾値ＴＨ未満であれば、ルール３から説明変数を選択する。 In addition, in step S66, if there are three or more positive example rules, the top two are set as rule A and rule B in ascending order of the range of values indicated by the inequality, and it is determined in sequence whether reliability A - reliability B is equal to or greater than the threshold value TH. For example, assume that there are three positive example rules, rule 1, rule 2, and rule 3, and the range of values indicated by the inequality is rule 1 < rule 2 < rule 3. In this case, first, rule 1 is set as rule A, and rule 2 is set as rule B. Then, if reliability A - reliability B is equal to or greater than the threshold value TH, an explanatory variable is selected from rule 1, and if reliability A - reliability B is less than the threshold value TH, rule 2 is set as rule A, and rule 3 is set as rule B. Then, if reliability A - reliability B is equal to or greater than the threshold value TH, an explanatory variable is selected from rule 2, and if reliability A - reliability B is less than the threshold value TH, an explanatory variable is selected from rule 3.

以上説明したように、本実施形態に係る活動支援装置は、１以上の項目の値と、正例又は負例を示すラベルとを含む活動履歴データについて、項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成する。また、活動支援装置は、各ルールを充足する活動履歴データの正例数及び負例数に基づいて、各ルールが正例側ルールか、又は負例側ルールかを特定する。そして、活動支援装置は、値が数値の特定項目について、条件が不等式で表現された説明変数を含むルールにおいて、正例側ルールと負例側ルールとで不等号が逆向きの場合に、正例側ルールに含まれる特定項目についての説明変数に基づく改善提案を出力する。これにより、改善効果の高い提案を出力し、活動を支援することができる。 As described above, the activity support device according to this embodiment generates multiple rules including one or more explanatory variables expressed in conditions related to the values of items for activity history data including values of one or more items and labels indicating positive or negative examples. The activity support device also identifies whether each rule is a positive example rule or a negative example rule based on the number of positive examples and the number of negative examples in the activity history data that satisfy each rule. Then, for a specific item whose value is a numeric value, in a rule including an explanatory variable whose condition is expressed as an inequality, when the inequality sign is in the opposite direction between the positive example rule and the negative example rule, the activity support device outputs an improvement proposal based on the explanatory variable for the specific item included in the positive example rule. This makes it possible to output proposals with a high improvement effect and support activities.

なお、上記実施形態では、営業活動の一例として、チャット等による顧客への対応を想定した例について説明したが、これに限定されない。顧客への電話や訪問を想定した営業活動を対象としてもよい。この場合、活動履歴データの項目として、訪問回数、電話対応の最大対応時間、平均対応時間等を含めてよい。また、営業活動に限らず、例えば、健康増進活動等の他の活動に対する改善提案についても開示の技術を適用することができる。健康増進活動の場合、活動履歴データの項目として、例えば、運動時間、睡眠時間、食事回数等を含んでよい。また、ラベルとしては、健康状態が良好な場合を正例、良好ではない場合を負例としてよい。そして、上記実施形態と同様の処理により、例えば、「睡眠時間は８～１０時間が良い」のような改善提案を出力する。また、活動履歴データの項目として、ユーザの性別、身長、体重等の属性を含め、「身長が１７０ｃｍ以上の人は、運動時間を１時間以上とするのがよい」のような改善提案を出力してもよい。 In the above embodiment, an example of sales activity is described assuming a response to a customer by chat or the like, but the present invention is not limited to this. Sales activities assuming a call or visit to a customer may also be targeted. In this case, the items of the activity history data may include the number of visits, the maximum response time for a call, the average response time, and the like. In addition, the disclosed technology can be applied not only to sales activities but also to improvement suggestions for other activities such as health promotion activities. In the case of health promotion activities, the items of the activity history data may include, for example, exercise time, sleep time, number of meals, and the like. In addition, as labels, a case where the health condition is good may be a positive example, and a case where the health condition is not good may be a negative example. Then, by processing similar to the above embodiment, an improvement suggestion such as "8 to 10 hours of sleep is good" is output. In addition, the items of the activity history data may include attributes such as the user's gender, height, weight, and the like, and an improvement suggestion such as "People who are 170 cm or taller should exercise for 1 hour or more" may be output.

なお、ラベルについて、良好な活動成果を上げている場合を正例とする必要はなく、活動成果が良好ではない場合を正例としてもよい。この場合、上記実施形態における正例と負例とを読み替えることで、同様の改善提案を行うことができる。また、正例と負例とを読み替えることなく、活動における禁止事項や回避事項を改善提案として行ってもよい。例えば、上記の健康増進活動の例で、病気がある場合を正例、病気がない場合を負例とし、「睡眠時間が４時間未満の場合、病気になり易い」等の改善提案を行ってもよい。 It should be noted that, for the labels, cases where good activity results are achieved do not necessarily have to be positive examples, and cases where activity results are not good may also be positive examples. In this case, similar improvement suggestions can be made by replacing the positive and negative examples in the above embodiment. Furthermore, without replacing the positive and negative examples, improvement suggestions may be made regarding prohibited activities or things to avoid in activities. For example, in the above example of health promotion activities, the presence of illness may be a positive example and the absence of illness may be a negative example, and improvement suggestions such as "if you sleep less than four hours, you are likely to get sick" may be made.

また、上記実施形態では、活動支援プログラムが記憶部に予め記憶（インストール）されている態様を説明したが、これに限定されない。開示の技術に係るプログラムは、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＵＳＢメモリ等の記憶媒体に記憶された形態で提供することも可能である。 In the above embodiment, the activity support program is pre-stored (installed) in the storage unit, but this is not limiting. The program according to the disclosed technology can also be provided in a form stored in a storage medium such as a CD-ROM, DVD-ROM, or USB memory.

以上の実施形態に関し、更に以下の付記を開示する。 The following notes are further provided with respect to the above embodiment.

（付記１）
１以上の項目の値と、正例又は負例を示すラベルとを含む、活動に関する履歴データについて、前記項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成し、
前記ルールの各々について、前記ルールを充足し、かつ前記ラベルが正例を示す前記履歴データの数である正例数、及び前記ルールを充足し、かつ前記ラベルが負例を示す前記履歴データの数である負例数に基づいて、前記ルールが正例を導くルールか、又は負例を導くルールかを特定し、
値が数値の特定項目について前記条件が不等式で表現された前記説明変数を含むルールにおいて、前記正例を導くルールと前記負例を導くルールとで不等号が逆向きの場合に、前記正例を導くルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
ことを含む処理をコンピュータに実行させるための活動支援プログラム。 (Appendix 1)
generating a plurality of rules including one or more explanatory variables expressed in terms of conditions related to the values of one or more items for history data related to activities, the history data including values of the one or more items and labels indicating positive examples or negative examples;
for each of the rules, identifying whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on a number of positive examples, which is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples, which is the number of the history data that satisfies the rule and whose label indicates a negative example;
An activity support program for causing a computer to execute a process including: outputting an improvement proposal based on the explanatory variable for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example is opposite to that in the rule that derives a negative example, in the rule including the explanatory variable whose condition is expressed as an inequality for the specific item whose value is a numeric value.

（付記２）
前記正例数が前記負例数より多い前記ルールを、前記正例を導くルールとして特定し、前記負例数が前記正例数より多い前記ルールを、前記負例を導くルールとして特定する付記１に記載の活動支援プログラム。 (Appendix 2)
The activity support program according to claim 1, wherein the rule in which the number of positive examples is greater than the number of negative examples is identified as a rule that leads to positive examples, and the rule in which the number of negative examples is greater than the number of positive examples is identified as a rule that leads to negative examples.

（付記３）
前記正例数及び前記負例数に基づいて、前記ルールが正例を導くルールであることの信頼度を算出し、
前記負例を導くルールと不等号が逆向きの前記正例を導くルールが複数存在する場合、前記正例を導くルールの前記信頼度に基づいて選択したルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
付記１又は付記２に記載の活動支援プログラム。 (Appendix 3)
Calculating a reliability that the rule is a rule that leads to a positive example based on the number of positive examples and the number of negative examples;
When there are a plurality of rules that derive positive examples and that have an inequality sign in the opposite direction to that of the rule that derives the negative example, the activity support program outputs an improvement proposal based on the explanatory variables for the specific item included in a rule selected based on the reliability of the rule that derives the positive example.

（付記４）
前記信頼度の値が大きいほど信頼度が高いことを示す場合において、前記負例を導くルールと不等号が逆向きの前記正例を導くルールに、第１のルールと、前記特定項目についての不等式が示す値の範囲が前記第１のルールより大きい第２のルールとが含まれる場合、前記第１のルールの前記信頼度が、前記第２のルールの前記信頼度より所定値以上大きい場合に、前記第１のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記３に記載の活動支援プログラム。 (Appendix 4)
the activity support program of appendix 3, wherein when a larger value of the reliability indicates a higher reliability, and when the rule that derives the negative example and the rule that derives the positive example and has an inequality sign in the opposite direction include a first rule and a second rule in which the range of values indicated by an inequality for the specific item is larger than that of the first rule, and when the reliability of the first rule is greater than the reliability of the second rule by a predetermined value or more, an improvement suggestion based on the explanatory variables for the specific item included in the first rule is output.

（付記５）
前記第１のルールの前記信頼度から、前記第２のルールの前記信頼度を減算した値が前記所定値未満の場合、前記第２のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記４に記載の活動支援プログラム。 (Appendix 5)
5. The activity support program of claim 4, wherein when a value obtained by subtracting the reliability of the second rule from the reliability of the first rule is less than the predetermined value, an improvement proposal based on the explanatory variables for the specific item included in the second rule is output.

（付記６）
前記履歴データの前記項目の値を離散化して前記説明変数を生成し、前記説明変数の網羅的な組み合わせを前記複数のルールとして生成する付記１～付記５のいずれか１項に記載の活動支援プログラム。 (Appendix 6)
The activity support program according to any one of appendix 1 to appendix 5, wherein the explanatory variables are generated by discretizing values of the items of the history data, and an exhaustive combination of the explanatory variables is generated as the plurality of rules.

（付記７）
前記履歴データの前記項目の値が前記説明変数として表現された前記条件に合致するか否かに基づいて、前記履歴データを離散化し、離散化後の前記ラベルが正例を示す前記履歴データ及び前記ラベルが負例を示す前記履歴データの各々が、前記複数のルールの各々を充足するか否かを判定することにより、前記複数のルールが正例を導くルールか、又は負例を導くルールかを特定する付記６に記載の活動支援プログラム。 (Appendix 7)
7. The activity support program according to claim 6, which discretizes the history data based on whether a value of the item of the history data matches the condition expressed as the explanatory variable, and determines whether each of the history data whose labels indicate positive examples and the history data whose labels indicate negative examples after discretization satisfies each of the plurality of rules, thereby identifying whether the plurality of rules are rules that lead to positive examples or rules that lead to negative examples.

（付記８）
１以上の項目の値と、正例又は負例を示すラベルとを含む、活動に関する履歴データについて、前記項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成する生成部と、
前記ルールの各々について、前記ルールを充足し、かつ前記ラベルが正例を示す前記履歴データの数である正例数、及び前記ルールを充足し、かつ前記ラベルが負例を示す前記履歴データの数である負例数に基づいて、前記ルールが正例を導くルールか、又は負例を導くルールかを特定する特定部と、
値が数値の特定項目について前記条件が不等式で表現された前記説明変数を含むルールにおいて、前記正例を導くルールと前記負例を導くルールとで不等号が逆向きの場合に、前記正例を導くルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する出力部と、
を含む活動支援装置。 (Appendix 8)
A generation unit that generates a plurality of rules, each of which includes one or more explanatory variables expressed by conditions related to the values of one or more items and labels indicating positive or negative examples, for history data related to activities, the rules including the values of the one or more items and the labels indicating positive or negative examples;
an identification unit that identifies, for each of the rules, whether the rule is a rule that leads to a positive example or a rule that leads to a negative example, based on a number of positive examples that is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples that is the number of the history data that satisfies the rule and whose label indicates a negative example;
an output unit that outputs an improvement proposal based on the explanatory variables for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example and the rule that derives a negative example is in an opposite direction in the rule that derives the positive example and the rule that derives the negative example, in the rule including the explanatory variables whose condition is expressed by an inequality expression for the specific item whose value is a numeric value;
An activity support device comprising:

（付記９）
前記特定部は、前記正例数が前記負例数より多い前記ルールを、前記正例を導くルールとして特定し、前記負例数が前記正例数より多い前記ルールを、前記負例を導くルールとして特定する付記８に記載の活動支援装置。 (Appendix 9)
The activity support device according to claim 8, wherein the identification unit identifies the rule in which the number of positive examples is greater than the number of negative examples as a rule that leads to the positive examples, and identifies the rule in which the number of negative examples is greater than the number of positive examples as a rule that leads to the negative examples.

（付記１０）
前記特定部は、前記正例数及び前記負例数に基づいて、前記ルールが正例を導くルールであることの信頼度を算出し、
前記出力部は、前記負例を導くルールと不等号が逆向きの前記正例を導くルールが複数存在する場合、前記正例を導くルールの前記信頼度に基づいて選択したルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
付記８又は付記９に記載の活動支援装置。 (Appendix 10)
the identification unit calculates a reliability that the rule is a rule that leads to a positive example, based on the number of positive examples and the number of negative examples;
The activity support device according to claim 8 or 9, wherein when there are a plurality of rules that derive the positive examples and that have an inequality sign in an opposite direction to that of the rule that derives the negative examples, the output unit outputs an improvement proposal based on the explanatory variables for the specific item included in a rule selected based on the reliability of the rule that derives the positive examples.

（付記１１）
前記出力部は、前記信頼度の値が大きいほど信頼度が高いことを示す場合において、前記負例を導くルールと不等号が逆向きの前記正例を導くルールに、第１のルールと、前記特定項目についての不等式が示す値の範囲が前記第１のルールより大きい第２のルールとが含まれる場合、前記第１のルールの前記信頼度が、前記第２のルールの前記信頼度より所定値以上大きい場合に、前記第１のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記１０に記載の活動支援装置。 (Appendix 11)
the output unit outputs an improvement suggestion based on the explanatory variables for the specific item included in the first rule when a larger value of the reliability indicates a higher reliability, and when the rule that derives the negative example and the rule that derives the positive example and has an inequality sign in an opposite direction include a first rule and a second rule in which a range of values indicated by an inequality for the specific item is larger than that of the first rule, and when the reliability of the first rule is greater than the reliability of the second rule by a predetermined value or more.

（付記１２）
前記出力部は、前記第１のルールの前記信頼度から、前記第２のルールの前記信頼度を減算した値が前記所定値未満の場合、前記第２のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記１１に記載の活動支援装置。 (Appendix 12)
The activity support device described in Appendix 11, wherein when a value obtained by subtracting the reliability of the second rule from the reliability of the first rule is less than the predetermined value, the output unit outputs an improvement proposal based on the explanatory variables for the specific item included in the second rule.

（付記１３）
前記生成部は、前記履歴データの前記項目の値を離散化して前記説明変数を生成し、前記説明変数の網羅的な組み合わせを前記複数のルールとして生成する付記８～付記１２のいずれか１項に記載の活動支援装置。 (Appendix 13)
13. The activity support device according to any one of appendix 8 to appendix 12, wherein the generation unit generates the explanatory variables by discretizing values of the items of the history data, and generates an exhaustive combination of the explanatory variables as the plurality of rules.

（付記１４）
前記特定部は、前記履歴データの前記項目の値が前記説明変数として表現された前記条件に合致するか否かに基づいて、前記履歴データを離散化し、離散化後の前記ラベルが正例を示す前記履歴データ及び前記ラベルが負例を示す前記履歴データの各々が、前記複数のルールの各々を充足するか否かを判定することにより、前記複数のルールが正例を導くルールか、又は負例を導くルールかを特定する付記１３に記載の活動支援装置。 (Appendix 14)
The activity support device described in Appendix 13, wherein the identification unit discretizes the history data based on whether a value of the item of the history data matches the condition expressed as the explanatory variable, and determines whether each of the history data whose labels indicate positive examples and the history data whose labels indicate negative examples after discretization satisfies each of the plurality of rules, thereby identifying whether the plurality of rules are rules that lead to positive examples or rules that lead to negative examples.

（付記１５）
１以上の項目の値と、正例又は負例を示すラベルとを含む、活動に関する履歴データについて、前記項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成し、
前記ルールの各々について、前記ルールを充足し、かつ前記ラベルが正例を示す前記履歴データの数である正例数、及び前記ルールを充足し、かつ前記ラベルが負例を示す前記履歴データの数である負例数に基づいて、前記ルールが正例を導くルールか、又は負例を導くルールかを特定し、
値が数値の特定項目について前記条件が不等式で表現された前記説明変数を含むルールにおいて、前記正例を導くルールと前記負例を導くルールとで不等号が逆向きの場合に、前記正例を導くルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
ことを含む処理をコンピュータが実行する活動支援方法。 (Appendix 15)
generating a plurality of rules including one or more explanatory variables expressed by conditions related to the values of one or more items for history data related to activities, the history data including values of the one or more items and labels indicating positive examples or negative examples;
for each of the rules, identifying whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on a number of positive examples, which is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples, which is the number of the history data that satisfies the rule and whose label indicates a negative example;
An activity support method in which a computer executes a process including: outputting an improvement proposal based on the explanatory variables for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example and the rule that derives a negative example are in opposite directions, in the rule including the explanatory variables whose condition is expressed as an inequality for the specific item whose value is a numeric value.

（付記１６）
前記正例数が前記負例数より多い前記ルールを、前記正例を導くルールとして特定し、前記負例数が前記正例数より多い前記ルールを、前記負例を導くルールとして特定する付記１５に記載の活動支援方法。 (Appendix 16)
The activity support method according to claim 15, further comprising identifying the rule in which the number of positive examples is greater than the number of negative examples as a rule that leads to positive examples, and identifying the rule in which the number of negative examples is greater than the number of positive examples as a rule that leads to negative examples.

（付記１７）
前記正例数及び前記負例数に基づいて、前記ルールが正例を導くルールであることの信頼度を算出し、
前記負例を導くルールと不等号が逆向きの前記正例を導くルールが複数存在する場合、前記正例を導くルールの前記信頼度に基づいて選択したルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
付記１５又は付記１６に記載の活動支援方法。 (Appendix 17)
Calculating a reliability that the rule is a rule that leads to a positive example based on the number of positive examples and the number of negative examples;
When there are a plurality of rules that derive positive examples and that have an inequality sign in an opposite direction to that of the rule that derives the negative example, the method outputs an improvement proposal based on the explanatory variables for the specific item included in a rule selected based on the reliability of the rule that derives the positive example.

（付記１８）
前記信頼度の値が大きいほど信頼度が高いことを示す場合において、前記負例を導くルールと不等号が逆向きの前記正例を導くルールに、第１のルールと、前記特定項目についての不等式が示す値の範囲が前記第１のルールより大きい第２のルールとが含まれる場合、前記第１のルールの前記信頼度が、前記第２のルールの前記信頼度より所定値以上大きい場合に、前記第１のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記１７に記載の活動支援方法。 (Appendix 18)
The activity support method of claim 17, further comprising: outputting an improvement suggestion based on the explanatory variables for the specific item included in the first rule when a larger value of the reliability indicates a higher reliability, and when the rule that derives the negative example and the rule that derives the positive example and has an inequality sign in the opposite direction include a first rule and a second rule in which a range of values indicated by an inequality for the specific item is larger than that of the first rule, and when the reliability of the first rule is greater than the reliability of the second rule by a predetermined value or more.

（付記１９）
前記第１のルールの前記信頼度から、前記第２のルールの前記信頼度を減算した値が前記所定値未満の場合、前記第２のルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する付記１８に記載の活動支援方法。 (Appendix 19)
19. The activity support method of claim 18, wherein, when a value obtained by subtracting the reliability of the second rule from the reliability of the first rule is less than the predetermined value, an improvement proposal based on the explanatory variables for the specific item included in the second rule is output.

（付記２０）
１以上の項目の値と、正例又は負例を示すラベルとを含む、活動に関する履歴データについて、前記項目の値に関する条件で表現された１以上の説明変数を含む複数のルールを生成し、
前記ルールの各々について、前記ルールを充足し、かつ前記ラベルが正例を示す前記履歴データの数である正例数、及び前記ルールを充足し、かつ前記ラベルが負例を示す前記履歴データの数である負例数に基づいて、前記ルールが正例を導くルールか、又は負例を導くルールかを特定し、
値が数値の特定項目について前記条件が不等式で表現された前記説明変数を含むルールにおいて、前記正例を導くルールと前記負例を導くルールとで不等号が逆向きの場合に、前記正例を導くルールに含まれる前記特定項目についての前記説明変数に基づく改善提案を出力する
ことを含む処理をコンピュータに実行させるための活動支援プログラムを記憶した記憶媒体。 (Appendix 20)
generating a plurality of rules including one or more explanatory variables expressed by conditions related to the values of one or more items for history data related to activities, the history data including values of the one or more items and labels indicating positive examples or negative examples;
for each of the rules, identifying whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on a number of positive examples, which is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples, which is the number of the history data that satisfies the rule and whose label indicates a negative example;
A storage medium storing an activity support program for causing a computer to execute a process including: outputting an improvement proposal based on the explanatory variables for the specific item included in the rule that derives a positive example when the inequality sign is in the opposite direction between the rule that derives a positive example and the rule that derives a negative example, in the rule including the explanatory variables whose condition is expressed as an inequality for the specific item whose value is a numeric value.

１０活動支援装置
１２生成部
１４特定部
１６出力部
２０ルールＤＢ
４０コンピュータ
４１ＣＰＵ
４２メモリ
４３記憶部
４９記憶媒体
５０活動支援プログラム 10 Activity support device 12 Generation unit 14 Identification unit 16 Output unit 20 Rule DB
40 Computer 41 CPU
42 Memory 43 Storage unit 49 Storage medium 50 Activity support program

Claims

generating a plurality of rules including one or more explanatory variables expressed in terms of conditions related to the values of one or more items for history data related to activities, the history data including values of the one or more items and labels indicating positive examples or negative examples;
for each of the rules, identifying whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on a number of positive examples, which is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples, which is the number of the history data that satisfies the rule and whose label indicates a negative example;
An activity support program for causing a computer to execute a process including: outputting an improvement proposal based on the explanatory variable for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example is opposite to that in the rule that derives a negative example, in the rule including the explanatory variable whose condition is expressed as an inequality for a specific item whose value is a numeric value.

The activity support program according to claim 1, wherein the rule in which the number of positive examples is greater than the number of negative examples is identified as a rule that leads to the positive examples, and the rule in which the number of negative examples is greater than the number of positive examples is identified as a rule that leads to the negative examples.

Calculating a reliability that the rule is a rule that leads to a positive example based on the number of positive examples and the number of negative examples;
3. The activity support program according to claim 1, wherein when there are a plurality of rules that derive positive examples and that have an inequality sign in an opposite direction to that of the rule that derives the negative examples, an improvement proposal based on the explanatory variables for the specific item included in a rule selected based on the reliability of the rule that derives the positive examples is output.

The activity support program according to claim 3, wherein, when a larger value of the reliability indicates a higher reliability, and when the rule leading to the negative example and the rule leading to the positive example with the inequality sign in the opposite direction include a first rule and a second rule in which the range of values indicated by the inequality for the specific item is larger than that of the first rule, when the reliability of the first rule is greater than the reliability of the second rule by a predetermined value or more, an improvement proposal based on the explanatory variables for the specific item included in the first rule is output.

The activity support program according to claim 4, wherein, when the value obtained by subtracting the reliability of the second rule from the reliability of the first rule is less than the predetermined value, an improvement proposal based on the explanatory variables for the specific item included in the second rule is output.

The activity support program according to any one of claims 1 to 5, which generates the explanatory variables by discretizing values of the items of the history data, and generates exhaustive combinations of the explanatory variables as the multiple rules.

The activity support program according to claim 6, wherein the history data is discretized based on whether the value of the item of the history data matches the condition expressed as the explanatory variable, and the program determines whether the history data whose label indicates a positive example and the history data whose label indicates a negative example after discretization each satisfy each of the multiple rules, thereby identifying whether the multiple rules are rules that lead to positive examples or rules that lead to negative examples.

A generation unit that generates a plurality of rules, each of which includes one or more explanatory variables expressed by a condition related to the value of one or more items, for history data related to an activity, the history data including the value of the one or more items and a label indicating a positive example or a negative example;
an identification unit that identifies, for each of the rules, whether the rule is a rule that leads to a positive example or a rule that leads to a negative example, based on a number of positive examples that is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples that is the number of the history data that satisfies the rule and whose label indicates a negative example;
an output unit that outputs an improvement proposal based on the explanatory variables for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example and the rule that derives a negative example is in an opposite direction in the rule that derives the positive example and the rule that derives the negative example, in the rule including the explanatory variables whose condition is expressed by an inequality expression for the specific item whose value is a numeric value;
An activity support device comprising:

generating a plurality of rules including one or more explanatory variables expressed in terms of conditions related to the values of one or more items for history data related to activities, the history data including values of the one or more items and labels indicating positive examples or negative examples;
for each of the rules, identifying whether the rule is a rule that leads to a positive example or a rule that leads to a negative example based on a number of positive examples, which is the number of the history data that satisfies the rule and whose label indicates a positive example, and a number of negative examples, which is the number of the history data that satisfies the rule and whose label indicates a negative example;
An activity support method in which a computer executes a process including: outputting an improvement proposal based on the explanatory variables for the specific item included in the rule that derives a positive example when the inequality sign in the rule that derives a positive example and the rule that derives a negative example are in opposite directions, in the rule including the explanatory variables whose condition is expressed as an inequality for the specific item whose value is a numeric value.