Eメールの送受信履歴など,動的に変化しうる環境において関係データを解析するための新たな確率モデルを提案する.本モデルは高次元な関係データの変動に内在する特徴的なパターンを抽出し,低次元の特徴空間上で定義された潜在要因を用いた状態空間モデルとして定式化される.観測空間での不規則な変動を特徴空間で平滑化することにより,予測性能の向上が期待できる.我々は,提案したモデルについて,EMアルゴリズムに基づく学習則を導出した.特にEステップにおける事後分布の近似としてexpectation propagation法を用いた.計算機実験では,一般公開されているエンロン社社員のメール送受信データを用い,本モデルが変動を考慮した上で関係構造を適切に学習し,予測しうることを示す.