JP7705622B2

JP7705622B2 - データ変換プログラム、装置、及び方法

Info

Publication number: JP7705622B2
Application number: JP2022038624A
Authority: JP
Inventors: 啓介後藤; 聡原
Original assignee: Fujitsu Ltd; Osaka University NUC
Current assignee: Fujitsu Ltd; University of Osaka NUC
Priority date: 2022-03-11
Filing date: 2022-03-11
Publication date: 2025-07-10
Anticipated expiration: 2042-03-11
Also published as: JP2023132988A; US20230289362A1; EP4242932A1

Description

開示の技術は、データ変換プログラム、データ変換装置、及びデータ変換方法に関する。

機械学習モデルの訓練に用いられる訓練データに含まれる特定の属性の値がバイアスとなり、その機械学習モデルによる判定結果が差別的なものとなる場合がある。例えば、人物の性別、年齢、出身地等の属性の値を説明変数とし、採用やテスト等についてのその人物の合否の結果を目的変数とする訓練データを用いて、人物の属性から合否の結果を予測する機械学習モデルを訓練する場合を想定する。この場合において、性別が女性であることが、合否の結果に対して不利な扱いを受けているという過去の履歴を訓練データとした場合、その訓練データを用いて訓練された機械学習モデルは、女性に不利な判定を下すような、差別的な予測を行うようになる。

上記のようなバイアスを、データを変換することで除去する技術が提案されている。例えば、差別的な挙動を起こす可能性がある属性がある場合とない場合とで、データの分布が同じになるようにデータを変換する技術が提案されている。また、予め定めた変換ルールに合致するデータを、その変換ルールに従って変換する技術が提案されている。また、分布の変化度合いを抑える制約を付与したうえで、任意のデータＸ１から任意のデータＸ２へ確率Ｐ（Ｘ１，Ｘ２）で変換する技術が提案されている。

Feldman, M., Friedler, S.A., Moeller, J., Scheidegger, C. and Venkatasubramanian S., "Certifying and removing disparate impact", In proceedings of the 21th ACM SIGKDD international conference on knowledge discovery and data mining, 2015, August, pp. 259-268. Hajian, S. and Domingo-Ferrer, J., "A methodology for direct and indirect discrimination prevention in data mining", IEEE transactions on knowledge and data engineering, 25(7), 2012, pp.1445-1459. Calmon, F.P., Wei, D., Vinzamuri, B., Ramamurthy, K.N. and Varshney, K.R., "Optimized pre-processing for discrimination prevention", In Proceedings of the 31st International Conference on Neural Information Processing Systems, 2017, December, pp. 3995-4004.

バイアスを除去するためのデータ変換により、変換前後でデータの分布が大きく変わってしまうと、変換後のデータを訓練データとして用いて訓練された機械学習モデルの予測精度が悪化するという問題がある。

一つの側面として、開示の技術は、バイアスを除去するためのデータ変換によるデータの分布の変化を抑制することを目的とする。

一つの態様として、開示の技術は、複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定する。また、開示の技術は、第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定する。そして、開示の技術は、前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する。

一つの側面として、バイアスを除去するためのデータ変換によるデータの分布の変化を抑制することができる、という効果を有する。

データ変換によるバイアスの除去を説明するための図である。データ変換装置の機能ブロック図である。最小費用流問題を適用するためのネットワークの一例を示す図である。変換ルール毎の適用確率の決定を説明するための図である。データ変換装置として機能するコンピュータの概略構成の一例を示すブロック図である。データ変換処理の一例を示すフローチャートである。

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。

まず、実施形態の詳細を説明する前に、データ変換によるバイアスの除去について説明する。

図１に示す変換前データ１００は、属性として「性別」及び「採用」を持つ。属性「性別」の値は、各データに対応する人物の性別が男性の場合には１、女性の場合には０である。また、属性「採用」は、各データに対応する人物の採用の可否を示す属性であり、属性「採用」の値は、採用可の場合には１、採用不可の場合には０である。変換後データ１０２についても同様である。図１の上段に示すように、変換前データ１００では、性別＝男性の場合、採用＝可の確率は２／３であり、性別＝女性の場合、採用＝可の確率は１／３である。このように、変換前データ１００では、性別により、採用＝可の確率が大きく変わる、すなわちバイアスがある。この例では、２／３－１／３＝１／３がバイアスの量に相当する。バイアスがあるデータで訓練された機械学習モデルは、センシティブな属性（ここでは性別）により予測が大きく変わるなど、差別的な挙動を起こす可能性がある。そこで、図１の下段に示すようにデータを変換することにより（図１中の破線部）、変換後データ１０２では、性別＝男性の場合も、性別＝女性の場合も、採用＝可の確率は２／３となり、バイアスの量は２／３－２／３＝０となり、性別によるバイアスが除去される。

ここで、上記のようなデータ変換としては、変換前後でデータの分布が大きく変化しないことが望ましい。分布が大きく変化する場合には、変換後データを訓練データとして用いて訓練された機械学習モデルの予測精度が悪化する場合があるためである。また、人間が解釈可能なデータ変換であること、すなわち解釈性があることが望ましい。解釈性がない場合には、変換後データに対する変換の妥当性を人手によりチェックすることが困難になるためである。解釈性のあるデータ変換として、予め定めた変換ルールに基づいてデータを変換する手法が考えられる。そこで、本実施形態では、変換ルールに基づくデータ変換であって、変換後のデータの分布の変化を抑制するデータ変換により、データからバイアスを除去する。以下、本実施形態に係るデータ変換装置について詳述する。

図２に示すように、データ変換装置１０には、複数の変換前データ及び複数の変換ルールが入力される。そして、データ変換装置１０が、変換前データに対してデータ変換を行い、変換後データを出力する。変換前データ及び変換後データの各々に含まれるデータは、図１の例の場合と同様に、複数の属性のそれぞれについての値を含む。本実施形態では、属性の種類として、一般属性、ターゲット属性、及びセンシティブ属性が含まれる。ターゲット属性は、上記の例の「採用」のように、データを用いたタスクにおける判断結果となる属性である。センシティブ属性は、上記の例の「性別」のように、バイアスとなり得る属性である。一般属性は、ターゲット属性及びセンシティブ属性以外の属性であり、例えば、教育歴、年齢等である。一般属性はデータの中に複数個含まれていてもよいが、以下では説明を簡単にするため、一般属性は１つの場合について説明する。

データ変換装置１０は、機能的には、図２に示すように、特定部１２と、決定部１４と、生成部１６と、出力部１８とを含む。

特定部１２は、複数の変換ルールのそれぞれについて、変換前データと、変換前データに複数の変換ルールのそれぞれを適用して生成される変換後データとの距離（差）を特定する。ここで、データＸ_ｋの一般属性の値をｘ_ｋ、ターゲット属性の値をｙ_ｋ、センシティブ属性の値をｓ_ｋとし、データＸ_ｋを（ｘ_ｋ，ｙ_ｋ，ｓ_ｋ）というベクトルで表す。特定部１２は、任意のデータＸ_ｋ＝（ｘ_ｋ，ｙ_ｋ，ｓ_ｋ）、及びデータＸ_ｍ＝（ｘ_ｍ，ｙ_ｍ，ｓ_ｍ）について、Ｘ_ｋとＸ_ｍとの距離ｃ（Ｘ_ｋ，Ｘ_ｍ）の定義を取得する。例えば、下記に示すように、距離ｃ（Ｘ_ｋ，Ｘ_ｍ）は、Ｘ_ｋとＸ_ｍとのユークリッド距離としてよい。

Ｘ_１＝（２０，１，１）、Ｘ_２＝（５０，１，１）、ｃ（Ｘ_１，Ｘ_２）＝３０
Ｘ_１＝（２０，１，１）、Ｘ_３＝（２５，１，１）、ｃ（Ｘ_１，Ｘ_３）＝５
この場合、距離が大きいほどデータが異なることを表す。例えば、上記の例では、データＸ_３よりデータＸ_２の方が、データＸ_１との異なりが大きいことを表す。すなわち、この距離ｃ（Ｘ_ｋ，Ｘ_ｍ）は、データＸ_ｋをデータＸ_ｍへ変換した場合のデータの分布の変化度合いを表す指標となる。特定部１２は、属性のそれぞれの値の組み合わせとして想定されるデータの全ての組み合わせについて、距離ｃ（Ｘ_ｋ，Ｘ_ｍ）を特定する。

決定部１４は、センシティブ属性を基準とした場合のデータの偏りと、変換前後のデータの差とに基づいて、複数の変換ルールそれぞれの適用確率を決定する。具体的には、決定部１４は、センシティブ属性を基準とした場合の変換前後のデータの偏りと、変換前後のデータの差とが最小となるように、複数の変換ルールそれぞれの適用確率を決定する。以下、より具体的に説明する。

変換ルールは、条件にマッチしたデータを新しいデータへ変換するためのルールであり、例えば、下記のように表す。
変換ルールｒ＝（（ｘ’，ｙ’，ｓ’），（ｘ”，ｙ”，ｓ”））
ｉｆ（ｘ，ｙ，ｓ）＝（ｘ’，ｙ’，ｓ’）ｒｅｔｕｒｎ（ｘ”，ｙ”，ｓ”）
すなわち、（ｘ’，ｙ’，ｓ’）が条件、（ｘ”，ｙ”，ｓ”）が変換の結果である。ただし、ｘ’、ｙ’、及びｓ’は、具体的な値又は全ての値にマッチするワイルドカード「＊」としてよい。ｘ”、ｙ”、及びｓ”は、具体的な値のみで、ワイルドカードは含まない。

決定部１４は、データＸ＝（ｘ，ｙ，ｓ）にマッチする変換ルールｒの集合Ｒを取得し、データＸの総数のうち、変換ルールｒ∈Ｒを適用するデータの割合を表す適用確率ｐ（ｒ）を決定する。ここで、変換前データからバイアスを除去するためには、変換後データにおいて、ターゲット属性が所定の値を示すデータの個数が、センシティブ属性の値によらず公平となるようにデータ変換を行う必要がある。例えば、センシティブ属性及びターゲット属性に応じたデータの個数を下記のように表記する。

ただし、各（ｘ，ｙ，ｓ）は離散値である。また、１（ｙ_ｎ＝ｊ）はｙ_ｎ＝ｊの場合に１、そうでない場合に０を返す関数である。すなわち、（１）式は、データセット内のデータのうち、ターゲット属性が所定の値のデータの個数を表す。（２）式は、データセット内のデータのうち、センシティブ属性が所定の値のデータの個数を表す。（３）式は、データセット内のデータのうち、ターゲット属性が所定の値、かつセンシティブ属性が所定の値のデータの個数を表す。

また、公平なデータ変換を行うために、センシティブ属性によって、ターゲット属性の値が所定の値となる確率が変わらないようにする。したがって、変換後データにおいて、下記（４）式と下記（５）式とが等しくなるよう、すなわち下記（６）式を満たすようにデータ変換を行えばよい。

決定部１４は、上記のような公平なデータ変換を行いつつ、変換前後のデータの分布の変化を抑制するような、変換ルール毎の適用確率ｐ（ｒ）を決定する。本実施形態では、変換ルール毎の適用確率ｐ（ｒ）を決定する問題を、最小費用流問題に定式化する。具体的には、決定部１４は、図３に示すように、ソースノード、複数の第１のノード、複数の第２のノード、複数の第３のノード、及びシンクノードを含むネットワークを作成する。図３において、ソースノードは白丸、シンクノードは網掛の丸、第１のノードは実線の白い角丸の四角、第２のノードは二重線の白い角丸の四角、第３のノードは実線の網掛けの角丸の四角で表している。ノード間を接続する枝（図３中の矢印）には、その枝にデータを流すためにかかる１データ当たりのコストと、その枝を流すことができるデータの個数の最大値を示すキャパシティとが設定される。図３において、（コスト，キャパシティ）の表記で、各枝に設定されたコスト及びキャパシティを表している。

ソースノードは、最小費用流問題におけるフローの供給点に相当し、シンクノードは需要点に相当する。決定部１４は、データセットＤ（変換前データ）に含まれるデータの個数をソースノードからシンクノードに向けて流す。第１のノードの各々は、変換前データの各属性の値の組み合わせ（ｘ’，ｙ’，ｓ’）の各々に対応するノードである。決定部１４は、ソースノードと第１のノードの各々とを枝で接続し、その枝に（０，Ｎ_{ｘ’ｙ’ｓ’}）を設定する。Ｎ_{ｘ’ｙ’ｓ’}は、データセットＤに含まれるデータＸ＝（ｘ，ｙ，ｓ）のうち、ｘ＝ｘ’、ｙ＝ｙ’、及びｓ＝ｓ’のデータの個数である。

第２のノードの各々は、変換ルールｒの各々に対応するノードである。決定部１４は、第１のノードと、その第１のノードに対応するデータがマッチする変換ルールｒに対応する第２のノードとを枝で接続し、その枝に（ｃ（（ｘ’，ｙ’，ｓ’），（ｘ”，ｙ”，ｓ”）），∞）を設定する。ｃ（（ｘ’，ｙ’，ｓ’），（ｘ”，ｙ”，ｓ”））は、枝で接続された第２のノードに相当する変換ルールｒによる変換前後のデータの距離である。

第３のノードは、ターゲット属性の値ｙとセンシティブ属性の値ｓとのペアを表すグループに対応するノードである。決定部１４は、第２のノードと、その第２のノードに対応する変換ルールｒによる変換後データが属するグループに対応する第３のノードとを枝で接続し、その枝に（０，∞）を設定する。また、決定部１４は、第３のノードの各々とシンクノードとを枝で接続し、その枝に（０，Ｎ^ｓ”Ｎ_ｙ”／Ｎ）を設定する。決定部１４は、Ｎ^ｓ”Ｎ_ｙ”／Ｎの値を、変換後データが公平となるように、具体的には、上記（６）式を満たすように設定する。

上記のように、ノード、枝、並びに枝毎のコスト及びキャパシティを設定することで、このネットワークの最小費用流問題の解は、変換ルールを用いてデータセットＤが公平になる変換過程を表し、変換前後の分布の変化が最小になる変換を表すことになる。決定部１４は、図３に示すようなネットワークの最小費用流問題を解くことにより、最小のコストで、データセットＤに含まれるデータをソースノードからシンクノードへ流すためのフローを抽出する。フローは、各枝を流れるデータの個数である。例えば、データＸ＝（ａ，０，０）にマッチする変換ルールがｒｉ（ｉ＝１，２，３，４）であり、図４に示すようにフローが抽出されたとする。図４では、変換ルールｒｉに対応する第２のノードへ流れるフローをｆｉで表している。決定部１４は、抽出したフローに基づいて、Σ_ｒ∈Ｒｐ（ｒ）＝１となるように、ｐ（ｒｉ）＝ｆｉ／Σｆｉにより、各変換ルールｒｉの適用確率ｐ（ｒｉ）を決定する。

生成部１６は、変換前データに、決定部１４で決定された適用確率に基づいて複数の変換ルールを適用して、変換後データを生成する。図４の例の場合、生成部１６は、データＸ＝（ａ，０，０）に対して、適用確率０．１で変換ルールｒ１を適用し、適用確率０．７５で変換ルールｒ３を適用し、適用確率０．１５で変換ルールｒ４を適用して変換後データを生成する。例えば、データＸ＝（ａ，０，０）が１０個ある場合、生成部１６は、データＸのうち１個に対して変換ルールｒ１を適用し、７個又は８個に対して変換ルールｒ３を適用し、１個又は２個に対して変換ルールｒ４を適用して変換後データを生成する。

出力部１８は、生成部１６により生成された複数の変換後データを出力する。また、出力部１８は、生成部１６により適用された変換ルール毎の適用確率も合わせて出力するようにしてもよい。これにより、データ変換の解釈性がより向上する。

データ変換装置１０は、例えば図５に示すコンピュータ４０で実現されてよい。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。

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されてよい。記憶媒体としての記憶部４３には、コンピュータ４０を、データ変換装置１０として機能させるためのデータ変換プログラム５０が記憶される。データ変換プログラム５０は、特定プロセス５２と、決定プロセス５４と、生成プロセス５６と、出力プロセス５８とを有する。

ＣＰＵ４１は、データ変換プログラム５０を記憶部４３から読み出してメモリ４２に展開し、データ変換プログラム５０が有するプロセスを順次実行する。ＣＰＵ４１は、特定プロセス５２を実行することで、図２に示す特定部１２として動作する。また、ＣＰＵ４１は、決定プロセス５４を実行することで、図２に示す決定部１４として動作する。また、ＣＰＵ４１は、生成プロセス５６を実行することで、図２に示す生成部１６として動作する。また、ＣＰＵ４１は、出力プロセス５８を実行することで、図２に示す出力部１８として動作する。これにより、データ変換プログラム５０を実行したコンピュータ４０が、データ変換装置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。

なお、データ変換プログラム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。

次に、本実施形態に係るデータ変換装置１０の作用について説明する。データ変換装置１０に複数の変換前データ及び複数の変換ルールが入力されると、データ変換装置１０において、図６に示すデータ変換処理が実行される。なお、データ変換処理は、開示の技術のデータ変換方法の一例である。

ステップＳ１０で、特定部１２が、データ変換装置１０に入力された複数の変換前データ及び複数の変換ルールを取得する。次に、ステップＳ１２で、特定部１２が、複数の変換ルールのそれぞれについて、変換前データと、変換前データに複数の変換ルールのそれぞれを適用して生成される変換後データとの距離を特定する。

次に、ステップＳ１４で、決定部１４が、センシティブ属性を基準とした場合の変換前後のデータの偏りと、変換前後のデータの距離とが最小となるように、複数の変換ルールそれぞれの適用確率を決定する。次に、ステップＳ１６で、生成部１６が、変換前データに、上記ステップＳ１４で決定された適用確率に基づいて複数の変換ルールを適用して、変換後データを生成する。次に、ステップＳ１８で、出力部１８が、上記ステップＳ１６で生成された複数の変換後データを出力し、データ変換処理は終了する。

以上説明したように、本実施形態に係るデータ変換装置は、複数の変換ルールのそれぞれについて、変換前データと、変換前のデータに複数の変換ルールのそれぞれを適用して生成される変換後データとの距離を特定する。また、データ変換装置は、センシティブ属性を基準とした場合のデータの偏りと、変換前後のデータの距離とに基づいて、複数の変換ルールそれぞれの適用確率を決定する。そして、データ変換装置は、変換前データに、決定した適用確率に基づいて複数の変換ルールを適用して、変換後データを生成する。これにより、データ変換装置は、バイアスを除去するためのデータ変換によるデータの分布の変化を抑制することができる。

なお、上記実施形態では、適用確率の決定に、最小費用流問題を適用する場合について説明したが、これに限定されない。例えば、データ変換装置は、公平なデータ変換となる、すなわち、上記（６）式を満たすデータの個数の振り分けのパターンについて、総当り的に変換前後のデータの距離を特定し、距離が最小となるパターンに基づいて、変換ルール毎の適用確率を決定してもよい。ただし、上記実施形態のように最小費用流問題を適用することで、効率良く適用確率を決定することができる。

また、上記実施形態では、データ変換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。

以上の実施形態に関し、さらに以下の付記を開示する。

（付記１）
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理をコンピュータに実行させることを特徴とするデータ変換プログラム。

（付記２）
前記偏りは、前記第１の属性と第２の属性との組み合わせ毎の前記第１の複数のデータの個数の偏りである、
付記１に記載のデータ変換プログラム。

（付記３）
前記複数の変換ルールのそれぞれは、変換前のデータと変換後のデータとの組み合わせで表され、
前記適用確率を決定する処理は、前記第１の複数のデータが該当する変換ルールのそれぞれに、前記偏り及び前記差が最小となるように前記第１の複数のデータを振り分ける場合のデータの個数に基づいて、前記適用確率を決定することを含む、
付記２に記載のデータ変換プログラム。

（付記４）
前記適用確率を決定する処理は、前記第１の複数のデータが該当する前記複数の変換ルールそれぞれの適用確率の和が１となるように決定することを含む、
付記３に記載のデータ変換プログラム。

（付記５）
前記適用確率を決定する処理は、ソースノード、前記第１の複数のデータに対応する第１のノード、前記複数の変換ルールに対応する第２のノード、前記第１の属性と前記第２の属性との組み合わせに対応する第３のノード、及びシンクノードと、前記ソースノードと前記第１のノードとを接続すると共に、前記第１のノードに対応するデータの個数を容量として持つ第１の枝、前記第１のノードと前記第２のノードとを接続すると共に、前記第１のノードに対応するデータを前記第２のノードに対応する変換ルールで変換した場合の前記差をコストとして持つ第２の枝、前記第２のノードと前記第２のノードに対応する変換ルールが示す変換後のデータについての前記組み合わせに対応する前記第３のノードとを接続する第３の枝、及び前記第３のノードと前記シンクノードとを接続すると共に、前記偏りが公平になるように設定されたデータの個数を容量に持つ第４の枝とを含むネットワークに最小費用流問題を適用して、前記偏り及び前記差が最小となるように前記適用確率を決定することを含む、
付記３又は付記４に記載のデータ変換プログラム。

（付記６）
前記第２の複数のデータを生成する処理は、前記第１の複数のデータが該当する変換ルール毎に、前記第１の複数のデータのうち、前記変換ルールについて決定された適用確率に応じた数のデータに、前記変換ルールを適用することを含む、
付記１～付記５のいずれか１項に記載のデータ変換プログラム。

（付記７）
生成した前記第２の複数のデータと、前記変換ルール毎の適用確率とを出力する、
処理を前記コンピュータに実行させることを特徴とする付記１～付記６のいずれか１項に記載のデータ変換プログラム。

（付記８）
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理を実行する制御部を含むことを特徴とするデータ変換装置。

（付記９）
前記偏りは、前記第１の属性と第２の属性との組み合わせ毎の前記第１の複数のデータの個数の偏りである、
付記８に記載のデータ変換装置。

（付記１０）
前記複数の変換ルールのそれぞれは、変換前のデータと変換後のデータとの組み合わせで表され、
前記適用確率を決定する処理は、前記第１の複数のデータが該当する変換ルールのそれぞれに、前記偏り及び前記差が最小となるように前記第１の複数のデータを振り分ける場合のデータの個数に基づいて、前記適用確率を決定することを含む、
付記９に記載のデータ変換装置。

（付記１１）
前記適用確率を決定する処理は、前記第１の複数のデータが該当する前記複数の変換ルールそれぞれの適用確率の和が１となるように決定することを含む、
付記１０に記載のデータ変換装置。

（付記１２）
前記適用確率を決定する処理は、ソースノード、前記第１の複数のデータに対応する第１のノード、前記複数の変換ルールに対応する第２のノード、前記第１の属性と前記第２の属性との組み合わせに対応する第３のノード、及びシンクノードと、前記ソースノードと前記第１のノードとを接続すると共に、前記第１のノードに対応するデータの個数を容量として持つ第１の枝、前記第１のノードと前記第２のノードとを接続すると共に、前記第１のノードに対応するデータを前記第２のノードに対応する変換ルールで変換した場合の前記差をコストとして持つ第２の枝、前記第２のノードと前記第２のノードに対応する変換ルールが示す変換後のデータについての前記組み合わせに対応する前記第３のノードとを接続する第３の枝、及び前記第３のノードと前記シンクノードとを接続すると共に、前記偏りが公平になるように設定されたデータの個数を容量に持つ第４の枝とを含むネットワークに最小費用流問題を適用して、前記偏り及び前記差が最小となるように前記適用確率を決定することを含む、
付記１０又は付記１１に記載のデータ変換装置。

（付記１３）
前記第２の複数のデータを生成する処理は、前記第１の複数のデータが該当する変換ルール毎に、前記第１の複数のデータのうち、前記変換ルールについて決定された適用確率に応じた数のデータに、前記変換ルールを適用することを含む、
付記８～付記１２のいずれか１項に記載のデータ変換装置。

（付記１４）
生成した前記第２の複数のデータと、前記変換ルール毎の適用確率とを出力する、
処理を前記制御部が実行することを特徴とする付記８～付記１３のいずれか１項に記載のデータ変換装置。

（付記１５）
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理をコンピュータが実行することを特徴とするデータ変換方法。

（付記１６）
前記偏りは、前記第１の属性と第２の属性との組み合わせ毎の前記第１の複数のデータの個数の偏りである、
付記１５に記載のデータ変換方法。

（付記１７）
前記複数の変換ルールのそれぞれは、変換前のデータと変換後のデータとの組み合わせで表され、
前記適用確率を決定する処理は、前記第１の複数のデータが該当する変換ルールのそれぞれに、前記偏り及び前記差が最小となるように前記第１の複数のデータを振り分ける場合のデータの個数に基づいて、前記適用確率を決定することを含む、
付記１６に記載のデータ変換方法。

（付記１８）
前記適用確率を決定する処理は、前記第１の複数のデータが該当する前記複数の変換ルールそれぞれの適用確率の和が１となるように決定することを含む、
付記１７に記載のデータ変換方法。

（付記１９）
前記適用確率を決定する処理は、ソースノード、前記第１の複数のデータに対応する第１のノード、前記複数の変換ルールに対応する第２のノード、前記第１の属性と前記第２の属性との組み合わせに対応する第３のノード、及びシンクノードと、前記ソースノードと前記第１のノードとを接続すると共に、前記第１のノードに対応するデータの個数を容量として持つ第１の枝、前記第１のノードと前記第２のノードとを接続すると共に、前記第１のノードに対応するデータを前記第２のノードに対応する変換ルールで変換した場合の前記差をコストとして持つ第２の枝、前記第２のノードと前記第２のノードに対応する変換ルールが示す変換後のデータについての前記組み合わせに対応する前記第３のノードとを接続する第３の枝、及び前記第３のノードと前記シンクノードとを接続すると共に、前記偏りが公平になるように設定されたデータの個数を容量に持つ第４の枝とを含むネットワークに最小費用流問題を適用して、前記偏り及び前記差が最小となるように前記適用確率を決定することを含む、
付記１７又は付記１８に記載のデータ変換方法。

（付記２０）
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理をコンピュータに実行させることを特徴とするデータ変換プログラムを記憶した非一時的記憶媒体。

１０データ変換装置
１２特定部
１４決定部
１６生成部
１８出力部
４０コンピュータ
４１ＣＰＵ
４２メモリ
４３記憶部
４４入出力装置
４５Ｒ／Ｗ部
４６通信Ｉ／Ｆ
４７バス
４９記憶媒体
５０データ変換プログラム
５２特定プロセス
５４決定プロセス
５６生成プロセス
５８出力プロセス

Claims

複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理をコンピュータに実行させることを特徴とするデータ変換プログラム。
前記偏りは、前記第１の属性と第２の属性との組み合わせ毎の前記第１の複数のデータの個数の偏りである、
請求項１に記載のデータ変換プログラム。
前記複数の変換ルールのそれぞれは、変換前のデータと変換後のデータとの組み合わせで表され、
前記適用確率を決定する処理は、前記第１の複数のデータが該当する変換ルールのそれぞれに、前記偏り及び前記差が最小となるように前記第１の複数のデータを振り分ける場合のデータの個数に基づいて、前記適用確率を決定することを含む、
請求項２に記載のデータ変換プログラム。
前記適用確率を決定する処理は、前記第１の複数のデータが該当する前記複数の変換ルールそれぞれの適用確率の和が１となるように決定することを含む、
請求項３に記載のデータ変換プログラム。
前記適用確率を決定する処理は、ソースノード、前記第１の複数のデータに対応する第１のノード、前記複数の変換ルールに対応する第２のノード、前記第１の属性と前記第２の属性との組み合わせに対応する第３のノード、及びシンクノードと、前記ソースノードと前記第１のノードとを接続すると共に、前記第１のノードに対応するデータの個数を容量として持つ第１の枝、前記第１のノードと前記第２のノードとを接続すると共に、前記第１のノードに対応するデータを前記第２のノードに対応する変換ルールで変換した場合の前記差をコストとして持つ第２の枝、前記第２のノードと前記第２のノードに対応する変換ルールが示す変換後のデータについての前記組み合わせに対応する前記第３のノードとを接続する第３の枝、及び前記第３のノードと前記シンクノードとを接続すると共に、前記偏りが公平になるように設定されたデータの個数を容量に持つ第４の枝とを含むネットワークに最小費用流問題を適用して、前記偏り及び前記差が最小となるように前記適用確率を決定することを含む、
請求項３又は請求項４に記載のデータ変換プログラム。
前記第２の複数のデータを生成する処理は、前記第１の複数のデータが該当する変換ルール毎に、前記第１の複数のデータのうち、前記変換ルールについて決定された適用確率に応じた数のデータに、前記変換ルールを適用することを含む、
請求項１～請求項５のいずれか１項に記載のデータ変換プログラム。
生成した前記第２の複数のデータと、前記変換ルール毎の適用確率とを出力する、
処理を前記コンピュータに実行させることを特徴とする請求項１～請求項６のいずれか１項に記載のデータ変換プログラム。
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理を実行する制御部を含むことを特徴とするデータ変換装置。
複数の変換ルールのそれぞれについて、変換前のデータと、前記変換前のデータに前記複数の変換ルールのそれぞれを適用して生成される変換後のデータとの差を特定し、
第１の複数のデータの第１の属性を基準とした場合の前記第１の複数のデータの偏りと、前記複数の変換ルールのそれぞれの前記差とに基づいて、前記複数の変換ルールそれぞれの適用確率を決定し、
前記第１の複数のデータに、前記適用確率に基づいて前記複数の変換ルールを適用して、第２の複数のデータを生成する、
処理をコンピュータが実行することを特徴とするデータ変換方法。