JP2005070864A - 情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 - Google Patents
情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 Download PDFInfo
- Publication number
- JP2005070864A JP2005070864A JP2003209038A JP2003209038A JP2005070864A JP 2005070864 A JP2005070864 A JP 2005070864A JP 2003209038 A JP2003209038 A JP 2003209038A JP 2003209038 A JP2003209038 A JP 2003209038A JP 2005070864 A JP2005070864 A JP 2005070864A
- Authority
- JP
- Japan
- Prior art keywords
- information
- analysis
- map
- word
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】マッピングされた情報とユーザプロファイルを用いて高精度な情報推薦を行う情報推薦装置を提供する。
【解決手段】情報推薦装置１は、言語資料であるコーパスＤＢ２９を２次元単語マップ、２次元構文マップに変換する。更に顧客の興味・嗜好情報であるユーザプロファイルＤＢ３５を前記２次元単語マップ、２次元構文マップにプロットしプロファイル付き２次元単語マップ、プロファイル付き２次元構文マップとする。キャンペーンのキーワードとなるキャンペーンデータ４１の単語解析、構文解析を行って、プロファイル付き２次元単語マップ、プロファイル付き２次元構文マップと照合して、キャンペーンに興味や嗜好を持つ顧客を抽出する。
【選択図】 図４
【解決手段】情報推薦装置１は、言語資料であるコーパスＤＢ２９を２次元単語マップ、２次元構文マップに変換する。更に顧客の興味・嗜好情報であるユーザプロファイルＤＢ３５を前記２次元単語マップ、２次元構文マップにプロットしプロファイル付き２次元単語マップ、プロファイル付き２次元構文マップとする。キャンペーンのキーワードとなるキャンペーンデータ４１の単語解析、構文解析を行って、プロファイル付き２次元単語マップ、プロファイル付き２次元構文マップと照合して、キャンペーンに興味や嗜好を持つ顧客を抽出する。
【選択図】 図４
Description
【０００１】
【発明の属する技術分野】
本発明は、興味を持つ可能性のあるユーザに対して、情報を推薦する情報推薦装置に関する。
【０００２】
【従来の技術】
情報フィルタリング方式には、Ｃｏｎｔｅｎｔ−ｂａｓｅｄ Ｆｉｌｔｅｒｉｎｇ方式がある。この方式は、ユーザがＷｅｂページの閲覧などの行動を取ることにより、閲覧された対象文書を解析し、文書に含まれている単語を抽出する。そして、これらの単語を、ユーザごとに、ユーザプロファイルといわれる興味・嗜好情報に記録する。ユーザプロファイルに、１つの興味の概念が表現され、これを利用してユーザに情報を推薦する方法である。
【０００３】
ユーザプロファイルを利用して、情報提供者が広告商品等を表現するキーワードなどを入力すると、宣伝したい商品に興味を持つ可能性のあるユーザグループが抽出される。また抽出ユーザを、中心からの距離で表すというシステムが知られている（特許文献１）。
【０００４】
このＣｏｎｔｅｎｔ−ｂａｓｅｄ Ｆｉｌｔｅｒｉｎｇ方式は、コンテンツに含まれている単語を基に推薦や分析を行うため、コンテンツの単語の集合以外の情報を導き出すことができない。特に、マーケティングにおいて新規分野の開拓や発案、及びキャンペーンの企画などをする場合において既知の情報のみでは効果の確認や流行の変動を見るための情報としては十分ではない。流行予測支援方法に関する特許として、特許文献２、特許文献３がある。これは、「現代用語の基礎知識」をコーパス（言語資料）として用い、毎年の流行語も同時に登録していくことで、社会的背景などを概念レベルで取り出すものである。
【０００５】
【特許文献１】
特開２００１−７５９７２号公報
【特許文献２】
特開２００１−２７３３８１号公報
【特許文献３】
特開２００１−２７９９３号公報
【０００６】
【発明が解決しようとする課題】
しかしながら、従来技術では、単語情報を基にユーザ選定を行っているので、情報のジャンルの断定が困難であり、分析がしにくいという問題点があった。
【０００７】
また、単語情報と他の単語情報との関連性が不明であるため、ユーザにとって的確な情報を推薦できる可能性はあまり高くない。
【０００８】
また、単語を基に情報を推薦する場合、単語が正しく収集され、分類されていることが必要である。単語の収集の結果として正しく概念が形成されないと、概念の重複や合成が生じ、正しい概念の表現ができない。
【０００９】
また、単語情報に対する関連単語、すなわちその単語に関する動作・状況・言い換え・性質などについては、ユーザ抽出時には考慮されていない。
【００１０】
本発明は、このような問題に鑑みてなされたもので、その目的とするところは、マッピングされた情報とユーザプロファイルを用いて高精度な情報推薦を行う情報推薦装置を提供することにある。
【００１１】
【課題を解決するための手段】
前述した目的を達成するために第１の発明は、記憶部と、制御部と、を具備し、前記記憶部は、文書情報とユーザ嗜好情報と推薦情報とを保持し、前記制御部は、前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析手段と、前記解析された文書情報を２次元マップに配置する第１の配置手段と、前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析手段と、前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置手段と、前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析手段と、前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出手段とを、具備することを特徴とする情報推薦装置である。
【００１２】
前記第１の解析手段は、前記文書情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記文書情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１３】
前記第１の配置手段は、前記単語解析の結果を２次元の単語マップに配置する配置手段と、前記構文解析の結果を２次元の構文マップに配置する配置手段である。
【００１４】
前記第２の解析手段は、前記ユーザ嗜好情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記ユーザ嗜好情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１５】
前記第２の配置手段は、前記単語解析の結果を２次元の単語マップに配置する配置手段と、前記構文解析の結果を２次元の構文マップに配置する配置手段である。
【００１６】
前記第３の解析手段は、前記推薦情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記推薦情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１７】
また、情報推薦装置は、前記抽出されたユーザに、広告を提供する広告提供手段を、更に備える。広告提供手段は、メール配信手段、郵送手段等である。
【００１８】
文書情報とは、言語資料（コーパス）であり、例えば様々な辞書（百科事典、国語辞典、用語辞典、類義語辞典、流行語辞典・・・）等の言葉の定義が書かれた電子化された情報である。外部メディアを介して入手してもよいし、ネットワーク経由で入手してもよい。
【００１９】
ユーザ嗜好情報とは、ユーザが閲覧したＷｅｂページ履歴、アンケート結果、検索履歴等に関連する単語情報や文書情報が解析された結果である、ユーザの興味・嗜好情報である。ユーザプロファイルとも言う。
【００２０】
推薦情報とは、広告事業者が広告を配信する際、配信対象となるユーザを絞り込むために提示する単語或いは文章情報である。例えば「カメラ付き携帯電話が欲しい人」の文章を推薦情報として解析し、配信対象となるユーザを抽出する。
【００２１】
２次元マップとは、複数の属性（多次元ベクトル）を有するデータを２次元に写像し出力したものである。Ｋｏｈｎｅｎによって提案されたニューラルネットの一種である自己組織化マップの手法を用いる。多次元データの関係が２次元平面上の距離として表され、この２次元平面上の距離が短い程類似度が高いと判定される。
【００２２】
単語解析とは、対象文書から単語を形態素解析を行って抽出し、ＴＦ／ＩＤＦの手法を用いて重要度計算を行うことである。形態素解析とは、文章を最小の単語に区切ることである。ＴＦ−ＩＤＦは、ＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）文書に高頻度で現れること、ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）少数の文書にしか現れないことが、単語の重要度が高いとする手法である。
【００２３】
構文解析とは、対象文書を、係り受け関係や５Ｗ１Ｈ関係で解析し、関係ネットワーク（単語の関連性）を作成することである。係り受けとは、２つの文節間における文節の対応関係のことである。５Ｗ１Ｈ関係は、対象文書をＷｈｏ、Ｗｈｅｎ、Ｗｈｅｒｅ、Ｗｈａｔ、Ｗｈｙ、Ｈｏｗの関係に基づいて解析することである。
【００２４】
第１の発明の情報推薦装置は、記憶部が文書情報とユーザ嗜好情報と推薦情報とを保持し、制御部が記憶部から文書情報を読み出し、解析して２次元マップに配置し、更に記憶部からユーザ嗜好情報を読み出し、解析して２次元マップに配置し、記憶部から推薦情報を読み出し、解析して２次元マップと照合し、対象ユーザを抽出する。
【００２５】
第２の発明は、文書情報とユーザ嗜好情報と推薦情報とを、記憶部に保持する工程と、前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析工程と、前記解析された文書情報を２次元マップに配置する第１の配置工程と、前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析工程と、前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置工程と、前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析工程と、前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出工程とを、具備することを特徴とする情報推薦方法である。
【００２６】
第２の発明の情報推薦方法は、文書情報とユーザ嗜好情報と推薦情報とを、記憶部に保持し、記憶部から文書情報を読み出し、解析して２次元マップに配置し、更に記憶部からユーザ嗜好情報を読み出し、解析して２次元マップに配置し、記憶部から推薦情報を読み出し、解析して２次元マップと照合し、対象ユーザを抽出する。
【００２７】
第３の発明は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムである。
【００２８】
第３の発明のプログラムは、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるものであり、このプログラムをネットワークを介して流通させることもできる。
【００２９】
第４の発明は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムを記録した記録媒体である。
【００３０】
第４の発明の記録媒体は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムを記憶しており、この記録媒体を流通させることもでき、またこのプログラムをネットワークを介して流通させることもできる。
【００３１】
【発明の実施の形態】
以下、図面に基づいて本発明の実施の形態を詳細に説明する。
【００３２】
（１．構成）
図１は、本発明の実施の形態に係る情報推薦装置１とネットワーク３の関連を示す図である。情報推薦装置１と、広告事業者端末装置５と、複数の顧客端末装置７がネットワーク３に接続されている。広告事業者は、広告事業者端末装置５から情報推薦装置１に接続して、広告（キャンペーン）を配信する対象顧客を抽出し、抽出された顧客の顧客端末装置７に対し広告を配信する。
【００３３】
ネットワーク３はインターネット等のコンピュータネットワークであり、図１には図示していないが、各種コーパス（辞書情報や言語資料）のデータベースに接続することもできる。
【００３４】
また、情報推薦装置１は、顧客が顧客端末装置７からＷｅｂに接続した履歴、アンケート結果、検索履歴等の情報を保持している。
【００３５】
図２は、本発明の実施の形態に係る情報推薦装置１の構造を示す図である。情報推薦装置１は、制御部であるＣＰＵ（中央処理装置）９、ハードディスク等の記憶装置１１、ＣＤ−ＲＯＭドライブ等のメディア入出力部１３、ネットワーク３と接続するモデム等の通信部１５、キーボードやマウス等の入力部１９、プリンタ等の印刷部２１、ディスプレイ等の表示部２３等からなり、それぞれバス１７で接続される。
【００３６】
図３は、情報推薦装置１の記憶装置１１を示す図である。記憶装置１１はハードディスクであり、情報処理装置１を動作させる基本ソフトであるＯＳ２５、制御部であるＣＰＵ９を情報処理装置１として動作させるための実行プログラム２７を保持する。
【００３７】
また、記憶装置１１には、コーパスＤＢ２９が登録されており、コーパスＤＢ２９が解析されて単語マップＤＢ３１、及び構文マップＤＢ３３が作成され登録される。また、ユーザプロファイルＤＢ３５が登録されており、ユーザプロファイルＤＢ３５が解析されてユーザプロファイル付き単語マップＤＢ３７、及びユーザプロファイル付き構文マップＤＢ３９が作成され登録される。また、キャンペーンデータ４１が登録されており、キャンペーンデータ４１が解析されてキャンペーンデータ単語解析ＤＢ４３、及びキャンペーンデータ構文解析ＤＢ４５が作成され登録される。更にキャンペーン対象顧客ＤＢ４７が作成され登録される。詳細については後述する。
【００３８】
尚、コーパスＤＢ２９とは、言語資料データベースのことであり、例えば電子化された百科事典、流行語辞典等のデータベースである。記憶装置１１への登録方法は、ネットワーク３を介して入手してもよいし、メディア（ＣＤ−ＲＯＭ）等から入手してもよい。また、ネットワーク３やメディアにアクセスできれば特に記憶装置１１に登録しておく必要はない。
【００３９】
ユーザプロファイルＤＢ３５とは、図１に示す顧客端末装置７を備える各顧客のＷｅｂ利用状況、アンケート記録、検索履歴、その他の履歴等から作成されたユーザプロファイル（ユーザ嗜好情報）である。ユーザプロファイルには、ユーザ毎の興味・嗜好情報が登録されており、後述する図１１に示す形式で記憶される。
【００４０】
キャンペーンデータ４１とは、図１の広告事業者端末装置５を有する広告事業者が、広告（キャンペーン）配信対象の顧客を抽出するための絞込みキーワード（或いは文章）である。例えば「携帯電話」、「税金」等の単語、或いは「カメラ付き携帯電話が欲しい人」、「税金を多く払ってしまったので還付したい。税金の支払額を少なくしたい。」等の文章をキャンペーンデータ４１として登録する。
【００４１】
（２．情報推薦装置１の動作のフローチャート）
次に、本実施の形態の情報推薦装置１の動作の詳細について説明する。図４に情報推薦装置１の動作のフローチャートを示す。尚、図４には、記憶装置１１の入出力をフローチャートに沿って示す。
【００４２】
（２−１ コーパス処理）
ＣＰＵ９は、コーパスＤＢ２９を単語レベル、構文レベルでそれぞれ処理を行い、それぞれの２次元マップを作成する（ステップ１０００）。即ち、単語マップＤＢ３１の作成（ステップ１００１）、構文マップＤＢ３３の作成（ステップ１００２）を行い、記憶装置１１に登録する。また、２次元マップ（単語マップ、構文マップ）を表示部２３に表示する（ステップ１００３）。続いて、それぞれのステップの詳細を説明する。
【００４３】
（２−１−１ 単語マップＤＢ３１の作成）
コーパス処理の単語マップＤＢ３１の作成（ステップ１００１）の詳細を図５に示す。情報推薦装置１の制御部であるＣＰＵ９は、記憶装置１１に登録されているコーパスＤＢ２９を読み出す。
【００４４】
コーパスＤＢ２９は、電子化された百科事典のような言語資料データベースであり、その登録内容４９は、文書番号５１、見出し５３、本文５５等の形式で登録されている。例えば文書番号５１「００１」は、見出し５３は「税金」、本文５５は「国などが徴収するお金」という形式で登録されている。
【００４５】
ＣＰＵ９は、コーパスＤＢ２９の各文書に対し、形態素解析を行い、形態素解析済みＤＢ５７を作成する（ステップ５０１）。即ち、各文書を最小の単語に区切り、単語６１と品詞６３に分析して形態素解析済みＤＢ５７を作成する。形態素解析済みＤＢ５７の登録内容５９は、文書番号５１ごとに単語６１が抽出され品詞６３が登録される。尚、ＣＰＵ９は、形態素解析済みＤＢ５７を、処理過程のデータベースとして、記憶装置１１に登録してもよい。
【００４６】
次にＣＰＵ９は、形態素解析済みＤＢ５７から、単語６１の重要度計算処理を行い、重要度計算済みＤＢ６５を作成する（ステップ５０２）。重要度計算処理方法としては、ＴＦ／ＩＤＦの手法を用いる。ＴＦ−ＩＤＦは、ＴＦ（ＴｅｒｍＦｒｅｑｕｅｎｃｙ）文書に高頻度で現れること、ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）少数の文書にしか現れないことを重要度が高いとする手法である。
【００４７】
重要度計算済みＤＢ６５の登録内容６７は、文書番号５１と、その文書に含まれる単語６１ごとの出現頻度６９と重要度７１である。例えば文書番号５１「００１」の単語６１「税金」は、出現頻度６９が「１」、重要度７１が「０．９」と解析される。尚、重要度計算済みＤＢ６５は、処理過程のデータベースでとして、記憶装置１１に登録しても良い。
【００４８】
次にＣＰＵ９は、重要度計算済みＤＢ６５から、文書番号別単語の頻度計算を行い、文書と単語出現頻度の対応表７３を作成する（ステップ５０３）。文書と単語出現頻度の対応表７３は、文書番号５１ごとに単語１（税金）、単語２（国）、単語３（徴収）、・・・の出現頻度を対応させたものである。
【００４９】
即ち各文書番号５１は、複数の属性（ここでは単語の種類）を有する多次元ベクトルとして表される。例えば文書番号５１「００１」は、多次元ベクトル｛１、１、１、１、０、０、・・・｝として表される。
【００５０】
次にＣＰＵ９は、文書と単語出現頻度の対応表７３を基に、コーパスＤＢ２９に含まれる単語を２次元マップ７５にクラスタリングし、単語マップＤＢ３１を作成する（ステップ５０４）。クラスタリングとは、分類することでありここでは単語を２次元マップ７５にマッピングすることをいう。コーパスＤＢ２９に含まれる単語を、自己組織化マップの手法を用いて２次元マップ７５に出力し、この２次元平面上の距離が短い単語同士は、類似度が高いと判定される。単語マップＤＢ３１は、記憶装置１１に登録される。
【００５１】
（２−１−２ 構文マップＤＢ３３の作成）
コーパス処理の構文マップＤＢ３３の作成（ステップ１００２）の詳細を図６、図７に示す。情報推薦装置１の制御部であるＣＰＵ９は、記憶装置１１に登録されているコーパスＤＢ２９を読み出す。コーパスＤＢ２９については、単語マップＤＢ３１の作成（図５）で既に説明したので説明を省略する。
【００５２】
ＣＰＵ９は、コーパスＤＢ２９の各文書に対し、構文解析処理を行い、構文解析済みＤＢ７７を作成する（ステップ６０１）。即ち、各文書を構成する文毎に、構文解析を行う。例えば図８を用いて、文１０５「携帯電話は、無線を用いた、小型で持ち運びができる電話」を構文解析する例を示す。
【００５３】
文１０５を係り受け関係を用いて解析し、係り関係を決定木１０９として表す。係り受けとは、文節間の係り関係を調べて文を解析することである。
【００５４】
また、図９には図８の係り受け解析を基にした文１０５の関係ネットワークを示す。関係ネットワークで必要になる「性質」「手段」などの属性は、係り受け解析エンジンなどにより抽出されるものとする。即ち、文１０５を構文解析した結果、「携帯電話」に関係のある単語が関係ネットワークとなる。また、「携帯電話」に関連する情報を、単語マップＤＢ３１から抽出して、更に別の関係ネットワーク（図１０に示す）を作成してもよい。即ち、単語マップＤＢ３１から、「携帯電話」と距離の近い単語「カメラ」、「ストラップ」・・・を抽出し関係ネットワークを作成する。
【００５５】
これら、関係ネットワーク（図９、図１０）は、後述するが単語マップＤＢ３１と同様に構文に関する２次元マップのクラスタリングに利用され構文マップとなる。構文マップは単語の連結とは異なり、単語の意味で連結されたマップである。
【００５６】
図６のステップ６０１にもどり、構文解析処理されたコーパスの構文解析内容７９を示す。構文解析内容７９は、文書番号５１、単語番号８１、単語６１、品詞６３、係る番号８３の項目が表示される。例えば、文書番号５１「００１」の本文５５「税金は国や自治体が徴収するお金」は、単語６１（文節）に分けられて文頭から順に、単語番号８１が付与される。単語６１ごとに、品詞６３が表示され、また、係り受け解析の結果、単語６１の係る番号８３（単語番号のこと）が表示される。
【００５７】
ＣＰＵ９は、構文解析済みＤＢ７７を、処理過程のデータベースとして、記憶装置１１に登録してもよい。
【００５８】
次にＣＰＵ９は、構文解析済みＤＢ７７を、５Ｗ１Ｈに変換し、５Ｗ１Ｈ表８５を作成する（ステップ６０２）。即ち、ステップ６０１で構文解析された文毎に５Ｗ１Ｈの解析を行い、項目８７（いつ、どこで、だれが、何を・・）とそれに対する値８９の表を作成する。５Ｗ１Ｈの解析方法は、別途エンジンで行われるものとする。また、５Ｗ１Ｈは一例であり、次の要素でも良い。「日時」、「場所」、「人」、「物」、「行動」、「性質」、「方法」など。
【００５９】
さらに、５Ｗ１Ｈ表８５の値８９の重複部分をカットして、再度、５Ｗ１Ｈ表９１を作成する（ステップ６０３）。図６の例では、項目８７「誰が」の「国や自治体が」の部分の重複をカットして、「国」に変更している。
【００６０】
次にＣＰＵ９は、重複部分をカットした５Ｗ１Ｈ表９１を、文番号９９ごとに保存する（ステップ６０４）。この文番号９９ごとの５Ｗ１Ｈ表９１は、処理過程のデータベースとして記憶装置１１に登録してもよい。
【００６１】
次にＣＰＵ９は、文番号９９の重要度計算処理を行う（図７のステップ６０５）。即ち、文書番号５１ごとの文番号９９の出現頻度１０１を計算する。出現頻度表９５において、１つの文書番号５１「００３」に対して、文番号９９が「００３」「００４」のように複数存在するのは、文書番号５１「００３」が複数の文で構成されており、異なる種類の文、例えば「確定申告について」の文と、「脱税について」の文で構成されていることを示す。
【００６２】
次にＣＰＵ９は、文書番号５１と文番号９９との出現頻度対応表９７を作成する（ステップ６０６）。即ち、文書番号５１ごとに、文（文番号９９で示す）の出現頻度を表示させる。
【００６３】
次にＣＰＵ９は、文書番号５１と文番号９９との出現頻度対応表９７、及び関係ネットワーク（図９、図１０）の関係を２次元マップ１０３にクラスタリングして、構文マップＤＢ３３を作成する（ステップ６０７）。構文マップＤＢ３３は、記憶装置１１に保存する。
【００６４】
ここで作成される２次元マップ１０３は、コーパスＤＢ２９に含まれる文を、その文に含まれる単語の意味や関連性を含めて２次元マップ１０３に自己組織化マップの手法を用いてマッピングしたものである。「税金徴収について」３０６の文、「税金金額について」３０７の文、「脱税について」３０８の文、等が関連の深いものほど近くにマッピングされる。また、図９、図１０の関連ネットワークで説明したように、同じ単語に関して複数の関連ネットワークが作成されるように、同じ「税金徴収について」３０６の文に関して、別の関連ネットワークを基にして複数の別の２次元マップを作成することもできる。
【００６５】
（２−２ ユーザプロファイル処理）
以上で、図４のコーパスの処理（ステップ１０００）が終了し、ステップ１００４に進む。ＣＰＵ９は、ユーザプロファイルＤＢ３５を前述の単語マップ上、及び構文マップ上にそれぞれプロットし、それぞれの２次元マップを作成する（ステップ１００４）。即ち、プロファイル付き単語マップＤＢ３７の作成（ステップ１００５）、プロファイル付き構文マップＤＢ３９の作成（ステップ１００６）を行い、記憶装置１１に登録する。また、作成されたプロファイル付きの２次元マップ（単語マップ、構文マップ）を表示部２３に表示する（ステップ１００７）。続いて、それぞれのステップの詳細を説明する。
【００６６】
ユーザプロファイル１１１を図１１に示す。ユーザプロファイルとは、図１に示す顧客端末装置７を備える各顧客のＷｅｂ利用履歴、アンケート記録、検索履歴、その他の履歴等から作成されたユーザのプロファイル（ユーザの興味嗜好情報）である。図１１には、ある特定のユーザのユーザプロファイル１１１が表示されており、単語１１３、品詞１１５、重要度１１７、５Ｗ１Ｈ情報１１９、係り受け情報１２１等が登録されている。
【００６７】
（２−２−１ プロファイル付き単語マップＤＢ３７の作成）
ＣＰＵ９は、記憶装置１１に登録されているユーザプロファイルＤＢ３５、及び単語マップＤＢ３１を読み出す。図１１に示すユーザプロファイル１１１を持つユーザの興味・嗜好傾向である、「経済」、「ビジネス」、「失業率」・・に関する単語に関する単語マップ上に○印をプロットしていく。図１２は、単語マップ上に、あるユーザのプロファイルをマッピングした、プロファイル付き単語マップ１２３である。例えば図１２において、「自己資本」３０３に関する興味・嗜好傾向を示すコンテンツは、○印で示される。また、マップにはあるユーザ１人のみではなく、同時に複数のユーザをマッピングしてもよい。
【００６８】
ＣＰＵ９は、ユーザプロファイルＤＢ３５を単語マップＤＢ３１上にプロットしたマップを、プロファイル付き単語マップＤＢ３７として、記憶装置１１に登録する。
【００６９】
（２−２−２ プロファイル付き構文マップＤＢ３９の作成）
ＣＰＵ９は、記憶装置１１に登録されているユーザプロファイルＤＢ３５、及び構文マップＤＢ３３を読み出す。次に、図１１に示すユーザプロファイル１１１の５Ｗ１Ｈ情報１１９や係り受け情報１２１等を参照して、単語マップと同様に構文マップ上に○印をプロットして、プロファイル付き構文マップＤＢ３９を作成する。
【００７０】
ＣＰＵ９は、ユーザプロファイルＤＢ３５を構文マップＤＢ３３上にプロットしたマップを、プロファイル付き構文マップＤＢ３９として、記憶装置１１に登録する。
【００７１】
構文マップＤＢ３３は、前述のように複数の関係ネットワークが存在すると、リンクの張られた複数の階層を成すこともあるので、プロファイル付き構文マップＤＢ３９も複数階層で構成される場合もある。
【００７２】
（２−３ キャンペーンデータ４１の解析処理）
以上で、図４のユーザプロファイル処理（ステップ１００４）が終了し、ステップ１００８に進む。ＣＰＵ９は、キャンペーンデータ４１を単語レベル、構文レベルでそれぞれ解析処理を行う（ステップ１００８）。即ち、キャンペーンデータの単語解析データ作成（ステップ１００９）、キャンペーンデータの構文解析データ作成（ステップ１０１０）を行い、記憶装置１１に登録する。続いて、それぞれのステップの詳細を説明する。
【００７３】
キャンペーンデータ４１とは、広告（キャンペーン）配信対象の顧客を抽出するための絞込みキーワード（或いは文章）である。例えば「携帯電話」、「税金」等の単語、或いは「カメラ付き携帯電話が欲しい人」、「税金を多く払ってしまったので還付したい。税金の支払額を少なくしたい。」等の文章であり、キャンペーンデータ４１としてキーボード等の入力部１９から入力して登録する。
【００７４】
キャンペーンデータ４１の解析に関して、図１３のステップ７０３、ステップ７０４までを説明する。
【００７５】
ＣＰＵ９は、記憶装置１１に登録しているキャンペーンデータ４１、或いは作業者が直接入力部１９から入力するキャンペーンデータ１３９（単語、或いは文章）を取得する（ステップ７０１）。
【００７６】
キャンペーンデータ１３９は、フリーの文章１３５であってもよいし、辞書１３７の単語を指定して入力してもよい。
【００７７】
次にＣＰＵ９は、入力されたキャンペーンデータ１３９をデータベースとして記憶装置１１に登録する（ステップ７０２）。登録内容は、キャンペーンデータ１３９ごとに登録番号１４１を付与し、文章１４３を登録する。
【００７８】
ここでは、フリーで入力された登録番号１４１「００１」のキャンペーンデータ１３９「税金を多く払ってしまったので、還付したい。税金の支払額を少なくしたい。」について、単語解析と構文解析を行う例を説明する。
【００７９】
ＣＰＵ９は、登録番号１４１「００１」の文章を単語マップＤＢ３１作成時と同様に、形態素解析及びＴＦ／ＩＤＦの手法により、単語解析レベルのコーパス処理を行う（ステップ７０３）。即ち文書番号５１ごとの単語６１、出現頻度１０１、重要度１４５を解析し、キャンペーンデータ単語解析ＤＢ４３として記憶装置１１に登録する。
【００８０】
また、ＣＰＵ９は、登録番号１４１「００１」の文章を、係り受け解析及び５Ｗ１Ｈ解析を行い、構文解析レベルのコーパス処理を行う（ステップ７０４）。キャンペーンデータは、５Ｗ１Ｈの項目８７ごとに値８９を抽出し、解析結果を、キャンペーンデータ構文解析ＤＢ４５として記憶装置１１に登録する。
【００８１】
（２−４ キャンペーン対象顧客の抽出処理）
以上で、図４のキャンペーン解析処理（ステップ１００８）が終了し、ステップ１０１１に進む。ＣＰＵ９は、キャンペーン解析で作成し記憶装置１１に登録した、キャンペーンデータ単語解析ＤＢ４３、及びキャンペーンデータ構文解析ＤＢ４５を用いて、それぞれプロファイル付き単語マップＤＢ３７、プロファイル付き構文マップＤＢ３９から、キャンペーンの対象となる顧客を抽出する（ステップ１０１１）。また、抽出したキャンペーン対象顧客を、キャンペーン対象顧客ＤＢ４７として記憶装置１１に登録する。
【００８２】
キャンペーン対象顧客抽出の手順を、図１３のステップ７０５、ステップ７０６、及び図１４を用いて説明する。
【００８３】
（２−４−１ 単語解析レベルによるキャンペーン対象分類の抽出）
ＣＰＵ９は、キャンペーンデータ単語解析ＤＢ４３と、プロファイル付き単語マップＤＢ３７とを照合し、キャンペーンデータの単語６１が該当する確率の高い分類（クラスタ）を抽出する（ステップ７０５）。例えば２次元マップ１２５上の「税金」３０２に該当する重要度（スコア）は０．８と高いので、この「税金」３０２の分類を、該当候補として抽出する。
【００８４】
（２−４−２ 構文解析レベルによるキャンペーン対象分類の抽出）
ＣＰＵ９は、キャンペーンデータ構文解析ＤＢ４５と、プロファイル付き構文マップＤＢ３９とを照合し、構文解析の結果、該当する確率の高い分類（クラスタ）を抽出する（ステップ７０６）。例えば２次元マップ１２７上の「年末調整について」３０９に該当する重要度（スコア）は０．９と高いので、この分類３０９が、該当候補として抽出される。
【００８５】
尚、重要度（スコア）は、５Ｗ１Ｈのマッチ数や、関係ネットワークのマッチ数によってスコアリングする。単純に、５Ｗ１Ｈの関係が一致すれば点を加算していってもよいし、関係ネットワークの間に重み付けをして重みの合計をスコアとしてもよい。
【００８６】
（２−４−３ キャンペーン対象顧客の抽出）
次に、上記ステップ７０５及びステップ７０６により抽出された分類に該当するキャンペーン対象顧客の抽出を行う（図１４）。
【００８７】
まず、単語解析レベルで抽出された分類３０２「税金」に該当するプロファイルをもつ顧客のグループ３１１（Ａグループ）を抽出する（図１４の２次元マップ１２９参照）。Ａグループ３１１を構成する、顧客数１２０名、顧客番号「００１、００３、０１０、・・・」を抽出する。
【００８８】
また、構文解析レベルで抽出された分類３０９「年末調整について」に該当するプロファイルをもつ顧客のグループ３１３（Ｂグループ）を抽出し、同様に２次元マップ１３１から顧客データ（顧客数、顧客番号）を抽出する。
【００８９】
以上、抽出したキャンペーン対象顧客のデータを、キャンペーン対象顧客ＤＢ４７として記憶装置１１に登録する（図４）。
【００９０】
尚、図１５に示すように、単語解析レベルの第１階層１４７の１つのクラスタ（単語）１５１にリンクして、構文解析レベルの第２階層１４９のクラスタ（文）１５３、１５５が選定される。リンクのレベルが高いもののみを選定してもよいし、リンクされるすべての第２階層１４９のクラスタを選定する方法もある。
【００９１】
即ち、図１４の単語解析レベルの２次元マップ１２５で抽出された分類３０２「税金」にリンクする、リンクレベルの最も高い構文解析レベルの２次元マップ１２７の分類３０７をＣグループ３１２として抽出し、対象顧客を抽出してもよい。また、一定以上のリンクレベルの高い分類３０６、３０７、３１０をまとめてＤグループ３１４として抽出し、対象顧客を抽出してもよい。
【００９２】
尚、キャンペーン対象顧客抽出方法として、広告事業者が、表示された２次元マップ（単語レベル、構文レベル）の分類を単純にクリックして、その分類に対応するプロファイル付き２次元マップと照合して、対象顧客を抽出してもよい。
【００９３】
また、自然文をキャンペーンデータ４１として入力し、該当する２次元マップの候補領域を表示させた上で、該当領域をマウスなどで指示して絞り込んで、対象顧客を抽出してもよい。
【００９４】
（２−５ キャンペーンの実行）
ＣＰＵ９は、キャンペーン対象顧客ＤＢ４７を記憶装置１１から読み出し、対象顧客に対し、メール配信等の手段を用いてキャンペーン（広告）を配信する（ステップ１０１２）。
【００９５】
（３．効果）
本実施の形態により、広告事業者は、顧客に興味・関心のあるキャンペーン（広告）を実施することで、効果の高い広告配信を行うことができる。
【００９６】
また、キャンペーン対象を抽出する２次元マップにおいて、クラスタ（分類）同士の関連やカテゴリが明確になり、キャンペーンの効果分析や効果予測の信頼性が向上する。
【００９７】
また、キャンペーン対象抽出過程において、対象となるクラスタ（分類）を抽出する過程で、該クラスタに関連のある情報や知識を、キャンペーンに利用することが可能になる。
【００９８】
尚、本発明の技術的範囲は、前述した実施の形態に限られるものではない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【００９９】
【発明の効果】
以上、詳細に説明したように本発明によれば、マッピングされた情報とユーザプロファイルを用いて高精度な情報推薦を行う情報推薦装置を提供することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態に係る情報推薦装置１の構成を示す図
【図２】情報推薦装置１の構成を示す図
【図３】記憶装置１１の構成を示す図
【図４】情報推薦装置１の動作のフローチャート
【図５】単語マップＤＢ作成１００１の手順を示す図
【図６】構文マップＤＢ作成１００２の手順を示す図
【図７】構文マップＤＢ作成１００２の手順を示す図
【図８】構文解析を示す図
【図９】関係ネットワークを示す図
【図１０】関係ネットワークを示す図
【図１１】ユーザプロファイル１１１を示す図
【図１２】プロファイル付き単語マップ１２３を示す図
【図１３】キャンペーンデータのデータ解析を示す図
【図１４】２次元マップの該当候補抽出を示す図
【図１５】２次元マップの階層構造（係り受け）を示す図
【符号の説明】
１・・・ 情報推薦装置
３・・・ ネットワーク
５・・・ 広告事業者端末装置
７・・・ 顧客端末装置
９・・・ ＣＰＵ
１１・・・ 記憶装置
１３・・・ メディア入出力部
１５・・・ 通信部
１７・・・ バス
１９・・・ 入力部
２１・・・ 印刷部
２３・・・ 表示部
２５・・・ ＯＳ
２７・・・ 実行プログラム
２９・・・ コーパスＤＢ
３１・・・ 単語マップＤＢ
３３・・・ 構文マップＤＢ
３５・・・ ユーザプロファイルＤＢ
３７・・・ プロファイル付き単語マップＤＢ
３９・・・ プロファイル付き構文マップＤＢ
４１・・・ キャンペーンデータ
４３・・・ キャンペーンデータ単語解析ＤＢ
４５・・・ キャンペーンデータ構文解析ＤＢ
４７・・・ キャンペーンデータ対象顧客ＤＢ
４９、５９、６７・・・ 登録内容
５１・・・ 文書番号
５３・・・ 見出し
５５・・・ 本文
５７・・・ 形態素解析済みＤＢ
６１、１１３・・・ 単語
６３、１１５・・・ 品詞
６５・・・ 重要度計算済みＤＢ
６９、１０１・・・ 出現頻度
７１、１１７、１４５・・・ 重要度
７３・・・ 文書と単語出現頻度の対応表
７５、１０３・・・ ２次元マップ
７７、７９・・・ 構文解析済みＤＢ
８１・・・ 単語番号
８３・・・ 係る番号
８５、９１・・・ ５Ｗ１Ｈ表
９３・・・ 文番号ごとの５Ｗ１Ｈ表
９５・・・ 文番号ごとの出現頻度表
９７・・・ 文書と単語出現頻度の対応表
９９・・・ 文番号
１０５・・・ 文
１０９・・・ 係り受け解析
１１１・・・ ユーザプロファイル
１１９・・・ ５Ｗ１Ｈ
１２１・・・ 係り受け情報
１２３・・・ プロファイル付き単語マップ
１２５・・・ 単語解析レベルの２次元マップ
１２７・・・ 構文解析レベルの２次元マップ
１２９・・・ プロファイル付き２次元マップ（単語解析レベル）
１３１・・・ プロファイル付き２次元マップ（構文解析レベル）
１３５・・・ フリー入力文
１３７・・・ 辞書入力文
１３９・・・ キャンペーンデータ（入力文）
１４１・・・ 登録番号
１４３・・・ 文章
１４７・・・ 第１階層（単語解析レベル）マップ
１４９・・・ 第２階層（構文解析レベル）マップ
１５１、１５３、１５５・・・ クラスタ
【発明の属する技術分野】
本発明は、興味を持つ可能性のあるユーザに対して、情報を推薦する情報推薦装置に関する。
【０００２】
【従来の技術】
情報フィルタリング方式には、Ｃｏｎｔｅｎｔ−ｂａｓｅｄ Ｆｉｌｔｅｒｉｎｇ方式がある。この方式は、ユーザがＷｅｂページの閲覧などの行動を取ることにより、閲覧された対象文書を解析し、文書に含まれている単語を抽出する。そして、これらの単語を、ユーザごとに、ユーザプロファイルといわれる興味・嗜好情報に記録する。ユーザプロファイルに、１つの興味の概念が表現され、これを利用してユーザに情報を推薦する方法である。
【０００３】
ユーザプロファイルを利用して、情報提供者が広告商品等を表現するキーワードなどを入力すると、宣伝したい商品に興味を持つ可能性のあるユーザグループが抽出される。また抽出ユーザを、中心からの距離で表すというシステムが知られている（特許文献１）。
【０００４】
このＣｏｎｔｅｎｔ−ｂａｓｅｄ Ｆｉｌｔｅｒｉｎｇ方式は、コンテンツに含まれている単語を基に推薦や分析を行うため、コンテンツの単語の集合以外の情報を導き出すことができない。特に、マーケティングにおいて新規分野の開拓や発案、及びキャンペーンの企画などをする場合において既知の情報のみでは効果の確認や流行の変動を見るための情報としては十分ではない。流行予測支援方法に関する特許として、特許文献２、特許文献３がある。これは、「現代用語の基礎知識」をコーパス（言語資料）として用い、毎年の流行語も同時に登録していくことで、社会的背景などを概念レベルで取り出すものである。
【０００５】
【特許文献１】
特開２００１−７５９７２号公報
【特許文献２】
特開２００１−２７３３８１号公報
【特許文献３】
特開２００１−２７９９３号公報
【０００６】
【発明が解決しようとする課題】
しかしながら、従来技術では、単語情報を基にユーザ選定を行っているので、情報のジャンルの断定が困難であり、分析がしにくいという問題点があった。
【０００７】
また、単語情報と他の単語情報との関連性が不明であるため、ユーザにとって的確な情報を推薦できる可能性はあまり高くない。
【０００８】
また、単語を基に情報を推薦する場合、単語が正しく収集され、分類されていることが必要である。単語の収集の結果として正しく概念が形成されないと、概念の重複や合成が生じ、正しい概念の表現ができない。
【０００９】
また、単語情報に対する関連単語、すなわちその単語に関する動作・状況・言い換え・性質などについては、ユーザ抽出時には考慮されていない。
【００１０】
本発明は、このような問題に鑑みてなされたもので、その目的とするところは、マッピングされた情報とユーザプロファイルを用いて高精度な情報推薦を行う情報推薦装置を提供することにある。
【００１１】
【課題を解決するための手段】
前述した目的を達成するために第１の発明は、記憶部と、制御部と、を具備し、前記記憶部は、文書情報とユーザ嗜好情報と推薦情報とを保持し、前記制御部は、前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析手段と、前記解析された文書情報を２次元マップに配置する第１の配置手段と、前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析手段と、前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置手段と、前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析手段と、前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出手段とを、具備することを特徴とする情報推薦装置である。
【００１２】
前記第１の解析手段は、前記文書情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記文書情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１３】
前記第１の配置手段は、前記単語解析の結果を２次元の単語マップに配置する配置手段と、前記構文解析の結果を２次元の構文マップに配置する配置手段である。
【００１４】
前記第２の解析手段は、前記ユーザ嗜好情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記ユーザ嗜好情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１５】
前記第２の配置手段は、前記単語解析の結果を２次元の単語マップに配置する配置手段と、前記構文解析の結果を２次元の構文マップに配置する配置手段である。
【００１６】
前記第３の解析手段は、前記推薦情報に含まれる単語に着目して単語解析を行う単語解析手段と、前記推薦情報に含まれる構文に着目して構文解析を行う構文解析手段である。
【００１７】
また、情報推薦装置は、前記抽出されたユーザに、広告を提供する広告提供手段を、更に備える。広告提供手段は、メール配信手段、郵送手段等である。
【００１８】
文書情報とは、言語資料（コーパス）であり、例えば様々な辞書（百科事典、国語辞典、用語辞典、類義語辞典、流行語辞典・・・）等の言葉の定義が書かれた電子化された情報である。外部メディアを介して入手してもよいし、ネットワーク経由で入手してもよい。
【００１９】
ユーザ嗜好情報とは、ユーザが閲覧したＷｅｂページ履歴、アンケート結果、検索履歴等に関連する単語情報や文書情報が解析された結果である、ユーザの興味・嗜好情報である。ユーザプロファイルとも言う。
【００２０】
推薦情報とは、広告事業者が広告を配信する際、配信対象となるユーザを絞り込むために提示する単語或いは文章情報である。例えば「カメラ付き携帯電話が欲しい人」の文章を推薦情報として解析し、配信対象となるユーザを抽出する。
【００２１】
２次元マップとは、複数の属性（多次元ベクトル）を有するデータを２次元に写像し出力したものである。Ｋｏｈｎｅｎによって提案されたニューラルネットの一種である自己組織化マップの手法を用いる。多次元データの関係が２次元平面上の距離として表され、この２次元平面上の距離が短い程類似度が高いと判定される。
【００２２】
単語解析とは、対象文書から単語を形態素解析を行って抽出し、ＴＦ／ＩＤＦの手法を用いて重要度計算を行うことである。形態素解析とは、文章を最小の単語に区切ることである。ＴＦ−ＩＤＦは、ＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）文書に高頻度で現れること、ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）少数の文書にしか現れないことが、単語の重要度が高いとする手法である。
【００２３】
構文解析とは、対象文書を、係り受け関係や５Ｗ１Ｈ関係で解析し、関係ネットワーク（単語の関連性）を作成することである。係り受けとは、２つの文節間における文節の対応関係のことである。５Ｗ１Ｈ関係は、対象文書をＷｈｏ、Ｗｈｅｎ、Ｗｈｅｒｅ、Ｗｈａｔ、Ｗｈｙ、Ｈｏｗの関係に基づいて解析することである。
【００２４】
第１の発明の情報推薦装置は、記憶部が文書情報とユーザ嗜好情報と推薦情報とを保持し、制御部が記憶部から文書情報を読み出し、解析して２次元マップに配置し、更に記憶部からユーザ嗜好情報を読み出し、解析して２次元マップに配置し、記憶部から推薦情報を読み出し、解析して２次元マップと照合し、対象ユーザを抽出する。
【００２５】
第２の発明は、文書情報とユーザ嗜好情報と推薦情報とを、記憶部に保持する工程と、前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析工程と、前記解析された文書情報を２次元マップに配置する第１の配置工程と、前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析工程と、前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置工程と、前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析工程と、前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出工程とを、具備することを特徴とする情報推薦方法である。
【００２６】
第２の発明の情報推薦方法は、文書情報とユーザ嗜好情報と推薦情報とを、記憶部に保持し、記憶部から文書情報を読み出し、解析して２次元マップに配置し、更に記憶部からユーザ嗜好情報を読み出し、解析して２次元マップに配置し、記憶部から推薦情報を読み出し、解析して２次元マップと照合し、対象ユーザを抽出する。
【００２７】
第３の発明は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムである。
【００２８】
第３の発明のプログラムは、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるものであり、このプログラムをネットワークを介して流通させることもできる。
【００２９】
第４の発明は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムを記録した記録媒体である。
【００３０】
第４の発明の記録媒体は、コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムを記憶しており、この記録媒体を流通させることもでき、またこのプログラムをネットワークを介して流通させることもできる。
【００３１】
【発明の実施の形態】
以下、図面に基づいて本発明の実施の形態を詳細に説明する。
【００３２】
（１．構成）
図１は、本発明の実施の形態に係る情報推薦装置１とネットワーク３の関連を示す図である。情報推薦装置１と、広告事業者端末装置５と、複数の顧客端末装置７がネットワーク３に接続されている。広告事業者は、広告事業者端末装置５から情報推薦装置１に接続して、広告（キャンペーン）を配信する対象顧客を抽出し、抽出された顧客の顧客端末装置７に対し広告を配信する。
【００３３】
ネットワーク３はインターネット等のコンピュータネットワークであり、図１には図示していないが、各種コーパス（辞書情報や言語資料）のデータベースに接続することもできる。
【００３４】
また、情報推薦装置１は、顧客が顧客端末装置７からＷｅｂに接続した履歴、アンケート結果、検索履歴等の情報を保持している。
【００３５】
図２は、本発明の実施の形態に係る情報推薦装置１の構造を示す図である。情報推薦装置１は、制御部であるＣＰＵ（中央処理装置）９、ハードディスク等の記憶装置１１、ＣＤ−ＲＯＭドライブ等のメディア入出力部１３、ネットワーク３と接続するモデム等の通信部１５、キーボードやマウス等の入力部１９、プリンタ等の印刷部２１、ディスプレイ等の表示部２３等からなり、それぞれバス１７で接続される。
【００３６】
図３は、情報推薦装置１の記憶装置１１を示す図である。記憶装置１１はハードディスクであり、情報処理装置１を動作させる基本ソフトであるＯＳ２５、制御部であるＣＰＵ９を情報処理装置１として動作させるための実行プログラム２７を保持する。
【００３７】
また、記憶装置１１には、コーパスＤＢ２９が登録されており、コーパスＤＢ２９が解析されて単語マップＤＢ３１、及び構文マップＤＢ３３が作成され登録される。また、ユーザプロファイルＤＢ３５が登録されており、ユーザプロファイルＤＢ３５が解析されてユーザプロファイル付き単語マップＤＢ３７、及びユーザプロファイル付き構文マップＤＢ３９が作成され登録される。また、キャンペーンデータ４１が登録されており、キャンペーンデータ４１が解析されてキャンペーンデータ単語解析ＤＢ４３、及びキャンペーンデータ構文解析ＤＢ４５が作成され登録される。更にキャンペーン対象顧客ＤＢ４７が作成され登録される。詳細については後述する。
【００３８】
尚、コーパスＤＢ２９とは、言語資料データベースのことであり、例えば電子化された百科事典、流行語辞典等のデータベースである。記憶装置１１への登録方法は、ネットワーク３を介して入手してもよいし、メディア（ＣＤ−ＲＯＭ）等から入手してもよい。また、ネットワーク３やメディアにアクセスできれば特に記憶装置１１に登録しておく必要はない。
【００３９】
ユーザプロファイルＤＢ３５とは、図１に示す顧客端末装置７を備える各顧客のＷｅｂ利用状況、アンケート記録、検索履歴、その他の履歴等から作成されたユーザプロファイル（ユーザ嗜好情報）である。ユーザプロファイルには、ユーザ毎の興味・嗜好情報が登録されており、後述する図１１に示す形式で記憶される。
【００４０】
キャンペーンデータ４１とは、図１の広告事業者端末装置５を有する広告事業者が、広告（キャンペーン）配信対象の顧客を抽出するための絞込みキーワード（或いは文章）である。例えば「携帯電話」、「税金」等の単語、或いは「カメラ付き携帯電話が欲しい人」、「税金を多く払ってしまったので還付したい。税金の支払額を少なくしたい。」等の文章をキャンペーンデータ４１として登録する。
【００４１】
（２．情報推薦装置１の動作のフローチャート）
次に、本実施の形態の情報推薦装置１の動作の詳細について説明する。図４に情報推薦装置１の動作のフローチャートを示す。尚、図４には、記憶装置１１の入出力をフローチャートに沿って示す。
【００４２】
（２−１ コーパス処理）
ＣＰＵ９は、コーパスＤＢ２９を単語レベル、構文レベルでそれぞれ処理を行い、それぞれの２次元マップを作成する（ステップ１０００）。即ち、単語マップＤＢ３１の作成（ステップ１００１）、構文マップＤＢ３３の作成（ステップ１００２）を行い、記憶装置１１に登録する。また、２次元マップ（単語マップ、構文マップ）を表示部２３に表示する（ステップ１００３）。続いて、それぞれのステップの詳細を説明する。
【００４３】
（２−１−１ 単語マップＤＢ３１の作成）
コーパス処理の単語マップＤＢ３１の作成（ステップ１００１）の詳細を図５に示す。情報推薦装置１の制御部であるＣＰＵ９は、記憶装置１１に登録されているコーパスＤＢ２９を読み出す。
【００４４】
コーパスＤＢ２９は、電子化された百科事典のような言語資料データベースであり、その登録内容４９は、文書番号５１、見出し５３、本文５５等の形式で登録されている。例えば文書番号５１「００１」は、見出し５３は「税金」、本文５５は「国などが徴収するお金」という形式で登録されている。
【００４５】
ＣＰＵ９は、コーパスＤＢ２９の各文書に対し、形態素解析を行い、形態素解析済みＤＢ５７を作成する（ステップ５０１）。即ち、各文書を最小の単語に区切り、単語６１と品詞６３に分析して形態素解析済みＤＢ５７を作成する。形態素解析済みＤＢ５７の登録内容５９は、文書番号５１ごとに単語６１が抽出され品詞６３が登録される。尚、ＣＰＵ９は、形態素解析済みＤＢ５７を、処理過程のデータベースとして、記憶装置１１に登録してもよい。
【００４６】
次にＣＰＵ９は、形態素解析済みＤＢ５７から、単語６１の重要度計算処理を行い、重要度計算済みＤＢ６５を作成する（ステップ５０２）。重要度計算処理方法としては、ＴＦ／ＩＤＦの手法を用いる。ＴＦ−ＩＤＦは、ＴＦ（ＴｅｒｍＦｒｅｑｕｅｎｃｙ）文書に高頻度で現れること、ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）少数の文書にしか現れないことを重要度が高いとする手法である。
【００４７】
重要度計算済みＤＢ６５の登録内容６７は、文書番号５１と、その文書に含まれる単語６１ごとの出現頻度６９と重要度７１である。例えば文書番号５１「００１」の単語６１「税金」は、出現頻度６９が「１」、重要度７１が「０．９」と解析される。尚、重要度計算済みＤＢ６５は、処理過程のデータベースでとして、記憶装置１１に登録しても良い。
【００４８】
次にＣＰＵ９は、重要度計算済みＤＢ６５から、文書番号別単語の頻度計算を行い、文書と単語出現頻度の対応表７３を作成する（ステップ５０３）。文書と単語出現頻度の対応表７３は、文書番号５１ごとに単語１（税金）、単語２（国）、単語３（徴収）、・・・の出現頻度を対応させたものである。
【００４９】
即ち各文書番号５１は、複数の属性（ここでは単語の種類）を有する多次元ベクトルとして表される。例えば文書番号５１「００１」は、多次元ベクトル｛１、１、１、１、０、０、・・・｝として表される。
【００５０】
次にＣＰＵ９は、文書と単語出現頻度の対応表７３を基に、コーパスＤＢ２９に含まれる単語を２次元マップ７５にクラスタリングし、単語マップＤＢ３１を作成する（ステップ５０４）。クラスタリングとは、分類することでありここでは単語を２次元マップ７５にマッピングすることをいう。コーパスＤＢ２９に含まれる単語を、自己組織化マップの手法を用いて２次元マップ７５に出力し、この２次元平面上の距離が短い単語同士は、類似度が高いと判定される。単語マップＤＢ３１は、記憶装置１１に登録される。
【００５１】
（２−１−２ 構文マップＤＢ３３の作成）
コーパス処理の構文マップＤＢ３３の作成（ステップ１００２）の詳細を図６、図７に示す。情報推薦装置１の制御部であるＣＰＵ９は、記憶装置１１に登録されているコーパスＤＢ２９を読み出す。コーパスＤＢ２９については、単語マップＤＢ３１の作成（図５）で既に説明したので説明を省略する。
【００５２】
ＣＰＵ９は、コーパスＤＢ２９の各文書に対し、構文解析処理を行い、構文解析済みＤＢ７７を作成する（ステップ６０１）。即ち、各文書を構成する文毎に、構文解析を行う。例えば図８を用いて、文１０５「携帯電話は、無線を用いた、小型で持ち運びができる電話」を構文解析する例を示す。
【００５３】
文１０５を係り受け関係を用いて解析し、係り関係を決定木１０９として表す。係り受けとは、文節間の係り関係を調べて文を解析することである。
【００５４】
また、図９には図８の係り受け解析を基にした文１０５の関係ネットワークを示す。関係ネットワークで必要になる「性質」「手段」などの属性は、係り受け解析エンジンなどにより抽出されるものとする。即ち、文１０５を構文解析した結果、「携帯電話」に関係のある単語が関係ネットワークとなる。また、「携帯電話」に関連する情報を、単語マップＤＢ３１から抽出して、更に別の関係ネットワーク（図１０に示す）を作成してもよい。即ち、単語マップＤＢ３１から、「携帯電話」と距離の近い単語「カメラ」、「ストラップ」・・・を抽出し関係ネットワークを作成する。
【００５５】
これら、関係ネットワーク（図９、図１０）は、後述するが単語マップＤＢ３１と同様に構文に関する２次元マップのクラスタリングに利用され構文マップとなる。構文マップは単語の連結とは異なり、単語の意味で連結されたマップである。
【００５６】
図６のステップ６０１にもどり、構文解析処理されたコーパスの構文解析内容７９を示す。構文解析内容７９は、文書番号５１、単語番号８１、単語６１、品詞６３、係る番号８３の項目が表示される。例えば、文書番号５１「００１」の本文５５「税金は国や自治体が徴収するお金」は、単語６１（文節）に分けられて文頭から順に、単語番号８１が付与される。単語６１ごとに、品詞６３が表示され、また、係り受け解析の結果、単語６１の係る番号８３（単語番号のこと）が表示される。
【００５７】
ＣＰＵ９は、構文解析済みＤＢ７７を、処理過程のデータベースとして、記憶装置１１に登録してもよい。
【００５８】
次にＣＰＵ９は、構文解析済みＤＢ７７を、５Ｗ１Ｈに変換し、５Ｗ１Ｈ表８５を作成する（ステップ６０２）。即ち、ステップ６０１で構文解析された文毎に５Ｗ１Ｈの解析を行い、項目８７（いつ、どこで、だれが、何を・・）とそれに対する値８９の表を作成する。５Ｗ１Ｈの解析方法は、別途エンジンで行われるものとする。また、５Ｗ１Ｈは一例であり、次の要素でも良い。「日時」、「場所」、「人」、「物」、「行動」、「性質」、「方法」など。
【００５９】
さらに、５Ｗ１Ｈ表８５の値８９の重複部分をカットして、再度、５Ｗ１Ｈ表９１を作成する（ステップ６０３）。図６の例では、項目８７「誰が」の「国や自治体が」の部分の重複をカットして、「国」に変更している。
【００６０】
次にＣＰＵ９は、重複部分をカットした５Ｗ１Ｈ表９１を、文番号９９ごとに保存する（ステップ６０４）。この文番号９９ごとの５Ｗ１Ｈ表９１は、処理過程のデータベースとして記憶装置１１に登録してもよい。
【００６１】
次にＣＰＵ９は、文番号９９の重要度計算処理を行う（図７のステップ６０５）。即ち、文書番号５１ごとの文番号９９の出現頻度１０１を計算する。出現頻度表９５において、１つの文書番号５１「００３」に対して、文番号９９が「００３」「００４」のように複数存在するのは、文書番号５１「００３」が複数の文で構成されており、異なる種類の文、例えば「確定申告について」の文と、「脱税について」の文で構成されていることを示す。
【００６２】
次にＣＰＵ９は、文書番号５１と文番号９９との出現頻度対応表９７を作成する（ステップ６０６）。即ち、文書番号５１ごとに、文（文番号９９で示す）の出現頻度を表示させる。
【００６３】
次にＣＰＵ９は、文書番号５１と文番号９９との出現頻度対応表９７、及び関係ネットワーク（図９、図１０）の関係を２次元マップ１０３にクラスタリングして、構文マップＤＢ３３を作成する（ステップ６０７）。構文マップＤＢ３３は、記憶装置１１に保存する。
【００６４】
ここで作成される２次元マップ１０３は、コーパスＤＢ２９に含まれる文を、その文に含まれる単語の意味や関連性を含めて２次元マップ１０３に自己組織化マップの手法を用いてマッピングしたものである。「税金徴収について」３０６の文、「税金金額について」３０７の文、「脱税について」３０８の文、等が関連の深いものほど近くにマッピングされる。また、図９、図１０の関連ネットワークで説明したように、同じ単語に関して複数の関連ネットワークが作成されるように、同じ「税金徴収について」３０６の文に関して、別の関連ネットワークを基にして複数の別の２次元マップを作成することもできる。
【００６５】
（２−２ ユーザプロファイル処理）
以上で、図４のコーパスの処理（ステップ１０００）が終了し、ステップ１００４に進む。ＣＰＵ９は、ユーザプロファイルＤＢ３５を前述の単語マップ上、及び構文マップ上にそれぞれプロットし、それぞれの２次元マップを作成する（ステップ１００４）。即ち、プロファイル付き単語マップＤＢ３７の作成（ステップ１００５）、プロファイル付き構文マップＤＢ３９の作成（ステップ１００６）を行い、記憶装置１１に登録する。また、作成されたプロファイル付きの２次元マップ（単語マップ、構文マップ）を表示部２３に表示する（ステップ１００７）。続いて、それぞれのステップの詳細を説明する。
【００６６】
ユーザプロファイル１１１を図１１に示す。ユーザプロファイルとは、図１に示す顧客端末装置７を備える各顧客のＷｅｂ利用履歴、アンケート記録、検索履歴、その他の履歴等から作成されたユーザのプロファイル（ユーザの興味嗜好情報）である。図１１には、ある特定のユーザのユーザプロファイル１１１が表示されており、単語１１３、品詞１１５、重要度１１７、５Ｗ１Ｈ情報１１９、係り受け情報１２１等が登録されている。
【００６７】
（２−２−１ プロファイル付き単語マップＤＢ３７の作成）
ＣＰＵ９は、記憶装置１１に登録されているユーザプロファイルＤＢ３５、及び単語マップＤＢ３１を読み出す。図１１に示すユーザプロファイル１１１を持つユーザの興味・嗜好傾向である、「経済」、「ビジネス」、「失業率」・・に関する単語に関する単語マップ上に○印をプロットしていく。図１２は、単語マップ上に、あるユーザのプロファイルをマッピングした、プロファイル付き単語マップ１２３である。例えば図１２において、「自己資本」３０３に関する興味・嗜好傾向を示すコンテンツは、○印で示される。また、マップにはあるユーザ１人のみではなく、同時に複数のユーザをマッピングしてもよい。
【００６８】
ＣＰＵ９は、ユーザプロファイルＤＢ３５を単語マップＤＢ３１上にプロットしたマップを、プロファイル付き単語マップＤＢ３７として、記憶装置１１に登録する。
【００６９】
（２−２−２ プロファイル付き構文マップＤＢ３９の作成）
ＣＰＵ９は、記憶装置１１に登録されているユーザプロファイルＤＢ３５、及び構文マップＤＢ３３を読み出す。次に、図１１に示すユーザプロファイル１１１の５Ｗ１Ｈ情報１１９や係り受け情報１２１等を参照して、単語マップと同様に構文マップ上に○印をプロットして、プロファイル付き構文マップＤＢ３９を作成する。
【００７０】
ＣＰＵ９は、ユーザプロファイルＤＢ３５を構文マップＤＢ３３上にプロットしたマップを、プロファイル付き構文マップＤＢ３９として、記憶装置１１に登録する。
【００７１】
構文マップＤＢ３３は、前述のように複数の関係ネットワークが存在すると、リンクの張られた複数の階層を成すこともあるので、プロファイル付き構文マップＤＢ３９も複数階層で構成される場合もある。
【００７２】
（２−３ キャンペーンデータ４１の解析処理）
以上で、図４のユーザプロファイル処理（ステップ１００４）が終了し、ステップ１００８に進む。ＣＰＵ９は、キャンペーンデータ４１を単語レベル、構文レベルでそれぞれ解析処理を行う（ステップ１００８）。即ち、キャンペーンデータの単語解析データ作成（ステップ１００９）、キャンペーンデータの構文解析データ作成（ステップ１０１０）を行い、記憶装置１１に登録する。続いて、それぞれのステップの詳細を説明する。
【００７３】
キャンペーンデータ４１とは、広告（キャンペーン）配信対象の顧客を抽出するための絞込みキーワード（或いは文章）である。例えば「携帯電話」、「税金」等の単語、或いは「カメラ付き携帯電話が欲しい人」、「税金を多く払ってしまったので還付したい。税金の支払額を少なくしたい。」等の文章であり、キャンペーンデータ４１としてキーボード等の入力部１９から入力して登録する。
【００７４】
キャンペーンデータ４１の解析に関して、図１３のステップ７０３、ステップ７０４までを説明する。
【００７５】
ＣＰＵ９は、記憶装置１１に登録しているキャンペーンデータ４１、或いは作業者が直接入力部１９から入力するキャンペーンデータ１３９（単語、或いは文章）を取得する（ステップ７０１）。
【００７６】
キャンペーンデータ１３９は、フリーの文章１３５であってもよいし、辞書１３７の単語を指定して入力してもよい。
【００７７】
次にＣＰＵ９は、入力されたキャンペーンデータ１３９をデータベースとして記憶装置１１に登録する（ステップ７０２）。登録内容は、キャンペーンデータ１３９ごとに登録番号１４１を付与し、文章１４３を登録する。
【００７８】
ここでは、フリーで入力された登録番号１４１「００１」のキャンペーンデータ１３９「税金を多く払ってしまったので、還付したい。税金の支払額を少なくしたい。」について、単語解析と構文解析を行う例を説明する。
【００７９】
ＣＰＵ９は、登録番号１４１「００１」の文章を単語マップＤＢ３１作成時と同様に、形態素解析及びＴＦ／ＩＤＦの手法により、単語解析レベルのコーパス処理を行う（ステップ７０３）。即ち文書番号５１ごとの単語６１、出現頻度１０１、重要度１４５を解析し、キャンペーンデータ単語解析ＤＢ４３として記憶装置１１に登録する。
【００８０】
また、ＣＰＵ９は、登録番号１４１「００１」の文章を、係り受け解析及び５Ｗ１Ｈ解析を行い、構文解析レベルのコーパス処理を行う（ステップ７０４）。キャンペーンデータは、５Ｗ１Ｈの項目８７ごとに値８９を抽出し、解析結果を、キャンペーンデータ構文解析ＤＢ４５として記憶装置１１に登録する。
【００８１】
（２−４ キャンペーン対象顧客の抽出処理）
以上で、図４のキャンペーン解析処理（ステップ１００８）が終了し、ステップ１０１１に進む。ＣＰＵ９は、キャンペーン解析で作成し記憶装置１１に登録した、キャンペーンデータ単語解析ＤＢ４３、及びキャンペーンデータ構文解析ＤＢ４５を用いて、それぞれプロファイル付き単語マップＤＢ３７、プロファイル付き構文マップＤＢ３９から、キャンペーンの対象となる顧客を抽出する（ステップ１０１１）。また、抽出したキャンペーン対象顧客を、キャンペーン対象顧客ＤＢ４７として記憶装置１１に登録する。
【００８２】
キャンペーン対象顧客抽出の手順を、図１３のステップ７０５、ステップ７０６、及び図１４を用いて説明する。
【００８３】
（２−４−１ 単語解析レベルによるキャンペーン対象分類の抽出）
ＣＰＵ９は、キャンペーンデータ単語解析ＤＢ４３と、プロファイル付き単語マップＤＢ３７とを照合し、キャンペーンデータの単語６１が該当する確率の高い分類（クラスタ）を抽出する（ステップ７０５）。例えば２次元マップ１２５上の「税金」３０２に該当する重要度（スコア）は０．８と高いので、この「税金」３０２の分類を、該当候補として抽出する。
【００８４】
（２−４−２ 構文解析レベルによるキャンペーン対象分類の抽出）
ＣＰＵ９は、キャンペーンデータ構文解析ＤＢ４５と、プロファイル付き構文マップＤＢ３９とを照合し、構文解析の結果、該当する確率の高い分類（クラスタ）を抽出する（ステップ７０６）。例えば２次元マップ１２７上の「年末調整について」３０９に該当する重要度（スコア）は０．９と高いので、この分類３０９が、該当候補として抽出される。
【００８５】
尚、重要度（スコア）は、５Ｗ１Ｈのマッチ数や、関係ネットワークのマッチ数によってスコアリングする。単純に、５Ｗ１Ｈの関係が一致すれば点を加算していってもよいし、関係ネットワークの間に重み付けをして重みの合計をスコアとしてもよい。
【００８６】
（２−４−３ キャンペーン対象顧客の抽出）
次に、上記ステップ７０５及びステップ７０６により抽出された分類に該当するキャンペーン対象顧客の抽出を行う（図１４）。
【００８７】
まず、単語解析レベルで抽出された分類３０２「税金」に該当するプロファイルをもつ顧客のグループ３１１（Ａグループ）を抽出する（図１４の２次元マップ１２９参照）。Ａグループ３１１を構成する、顧客数１２０名、顧客番号「００１、００３、０１０、・・・」を抽出する。
【００８８】
また、構文解析レベルで抽出された分類３０９「年末調整について」に該当するプロファイルをもつ顧客のグループ３１３（Ｂグループ）を抽出し、同様に２次元マップ１３１から顧客データ（顧客数、顧客番号）を抽出する。
【００８９】
以上、抽出したキャンペーン対象顧客のデータを、キャンペーン対象顧客ＤＢ４７として記憶装置１１に登録する（図４）。
【００９０】
尚、図１５に示すように、単語解析レベルの第１階層１４７の１つのクラスタ（単語）１５１にリンクして、構文解析レベルの第２階層１４９のクラスタ（文）１５３、１５５が選定される。リンクのレベルが高いもののみを選定してもよいし、リンクされるすべての第２階層１４９のクラスタを選定する方法もある。
【００９１】
即ち、図１４の単語解析レベルの２次元マップ１２５で抽出された分類３０２「税金」にリンクする、リンクレベルの最も高い構文解析レベルの２次元マップ１２７の分類３０７をＣグループ３１２として抽出し、対象顧客を抽出してもよい。また、一定以上のリンクレベルの高い分類３０６、３０７、３１０をまとめてＤグループ３１４として抽出し、対象顧客を抽出してもよい。
【００９２】
尚、キャンペーン対象顧客抽出方法として、広告事業者が、表示された２次元マップ（単語レベル、構文レベル）の分類を単純にクリックして、その分類に対応するプロファイル付き２次元マップと照合して、対象顧客を抽出してもよい。
【００９３】
また、自然文をキャンペーンデータ４１として入力し、該当する２次元マップの候補領域を表示させた上で、該当領域をマウスなどで指示して絞り込んで、対象顧客を抽出してもよい。
【００９４】
（２−５ キャンペーンの実行）
ＣＰＵ９は、キャンペーン対象顧客ＤＢ４７を記憶装置１１から読み出し、対象顧客に対し、メール配信等の手段を用いてキャンペーン（広告）を配信する（ステップ１０１２）。
【００９５】
（３．効果）
本実施の形態により、広告事業者は、顧客に興味・関心のあるキャンペーン（広告）を実施することで、効果の高い広告配信を行うことができる。
【００９６】
また、キャンペーン対象を抽出する２次元マップにおいて、クラスタ（分類）同士の関連やカテゴリが明確になり、キャンペーンの効果分析や効果予測の信頼性が向上する。
【００９７】
また、キャンペーン対象抽出過程において、対象となるクラスタ（分類）を抽出する過程で、該クラスタに関連のある情報や知識を、キャンペーンに利用することが可能になる。
【００９８】
尚、本発明の技術的範囲は、前述した実施の形態に限られるものではない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【００９９】
【発明の効果】
以上、詳細に説明したように本発明によれば、マッピングされた情報とユーザプロファイルを用いて高精度な情報推薦を行う情報推薦装置を提供することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態に係る情報推薦装置１の構成を示す図
【図２】情報推薦装置１の構成を示す図
【図３】記憶装置１１の構成を示す図
【図４】情報推薦装置１の動作のフローチャート
【図５】単語マップＤＢ作成１００１の手順を示す図
【図６】構文マップＤＢ作成１００２の手順を示す図
【図７】構文マップＤＢ作成１００２の手順を示す図
【図８】構文解析を示す図
【図９】関係ネットワークを示す図
【図１０】関係ネットワークを示す図
【図１１】ユーザプロファイル１１１を示す図
【図１２】プロファイル付き単語マップ１２３を示す図
【図１３】キャンペーンデータのデータ解析を示す図
【図１４】２次元マップの該当候補抽出を示す図
【図１５】２次元マップの階層構造（係り受け）を示す図
【符号の説明】
１・・・ 情報推薦装置
３・・・ ネットワーク
５・・・ 広告事業者端末装置
７・・・ 顧客端末装置
９・・・ ＣＰＵ
１１・・・ 記憶装置
１３・・・ メディア入出力部
１５・・・ 通信部
１７・・・ バス
１９・・・ 入力部
２１・・・ 印刷部
２３・・・ 表示部
２５・・・ ＯＳ
２７・・・ 実行プログラム
２９・・・ コーパスＤＢ
３１・・・ 単語マップＤＢ
３３・・・ 構文マップＤＢ
３５・・・ ユーザプロファイルＤＢ
３７・・・ プロファイル付き単語マップＤＢ
３９・・・ プロファイル付き構文マップＤＢ
４１・・・ キャンペーンデータ
４３・・・ キャンペーンデータ単語解析ＤＢ
４５・・・ キャンペーンデータ構文解析ＤＢ
４７・・・ キャンペーンデータ対象顧客ＤＢ
４９、５９、６７・・・ 登録内容
５１・・・ 文書番号
５３・・・ 見出し
５５・・・ 本文
５７・・・ 形態素解析済みＤＢ
６１、１１３・・・ 単語
６３、１１５・・・ 品詞
６５・・・ 重要度計算済みＤＢ
６９、１０１・・・ 出現頻度
７１、１１７、１４５・・・ 重要度
７３・・・ 文書と単語出現頻度の対応表
７５、１０３・・・ ２次元マップ
７７、７９・・・ 構文解析済みＤＢ
８１・・・ 単語番号
８３・・・ 係る番号
８５、９１・・・ ５Ｗ１Ｈ表
９３・・・ 文番号ごとの５Ｗ１Ｈ表
９５・・・ 文番号ごとの出現頻度表
９７・・・ 文書と単語出現頻度の対応表
９９・・・ 文番号
１０５・・・ 文
１０９・・・ 係り受け解析
１１１・・・ ユーザプロファイル
１１９・・・ ５Ｗ１Ｈ
１２１・・・ 係り受け情報
１２３・・・ プロファイル付き単語マップ
１２５・・・ 単語解析レベルの２次元マップ
１２７・・・ 構文解析レベルの２次元マップ
１２９・・・ プロファイル付き２次元マップ（単語解析レベル）
１３１・・・ プロファイル付き２次元マップ（構文解析レベル）
１３５・・・ フリー入力文
１３７・・・ 辞書入力文
１３９・・・ キャンペーンデータ（入力文）
１４１・・・ 登録番号
１４３・・・ 文章
１４７・・・ 第１階層（単語解析レベル）マップ
１４９・・・ 第２階層（構文解析レベル）マップ
１５１、１５３、１５５・・・ クラスタ
Claims (10)
- 記憶部と、制御部と、を具備し、
前記記憶部は、文書情報とユーザ嗜好情報と推薦情報とを保持し、
前記制御部は、
前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析手段と、
前記解析された文書情報を２次元マップに配置する第１の配置手段と、
前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析手段と、
前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置手段と、
前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析手段と、
前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出手段と、
を、具備することを特徴とする情報推薦装置。 - 前記第１の解析手段は、
前記文書情報に含まれる単語に着目して単語解析を行う単語解析手段と、
前記文書情報に含まれる構文に着目して構文解析を行う構文解析手段と、
で、あることを特徴とする請求項１記載の情報推薦装置。 - 前記第１の配置手段は、
前記単語解析の結果を２次元の単語マップに配置する配置手段と、
前記構文解析の結果を２次元の構文マップに配置する配置手段と、
で、あることを特徴とする請求項２記載の情報推薦装置。 - 前記第２の解析手段は、
前記ユーザ嗜好情報に含まれる単語に着目して単語解析を行う単語解析手段と、
前記ユーザ嗜好情報に含まれる構文に着目して構文解析を行う構文解析手段と、
で、あることを特徴とする請求項１記載の情報推薦装置。 - 前記第２の配置手段は、
前記単語解析の結果を２次元の単語マップに配置する配置手段と、
前記構文解析の結果を２次元の構文マップに配置する配置手段と、
で、あることを特徴とする請求項４記載の情報推薦装置。 - 前記第３の解析手段は、
前記推薦情報に含まれる単語に着目して単語解析を行う単語解析手段と、
前記推薦情報に含まれる構文に着目して構文解析を行う構文解析手段と、
で、あることを特徴とする請求項１記載の情報推薦装置。 - 前記抽出されたユーザに、広告を提供する広告提供手段を、更に備えることを特徴とする請求項１記載の情報推薦装置。
- 文書情報とユーザ嗜好情報と推薦情報とを、記憶部に保持する工程と、
前記記憶部から前記文書情報を読み出し、この文書情報を解析する第１の解析工程と、
前記解析された文書情報を２次元マップに配置する第１の配置工程と、
前記記憶部から前記ユーザ嗜好情報を読み出し、このユーザ嗜好情報を解析する第２の解析工程と、
前記解析されたユーザ嗜好情報を、前記２次元マップに配置する第２の配置工程と、
前記記憶部から前記推薦情報を読み出し、この推薦情報を解析する第３の解析工程と、
前記解析された推薦情報を前記２次元マップと照合して対象ユーザを抽出する抽出工程と、
を、具備することを特徴とする情報推薦方法。 - コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラム。
- コンピュータを、請求項１から請求項７記載のいずれかの情報推薦装置として機能させるためのプログラムを記録した記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003209038A JP2005070864A (ja) | 2003-08-27 | 2003-08-27 | 情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003209038A JP2005070864A (ja) | 2003-08-27 | 2003-08-27 | 情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005070864A true JP2005070864A (ja) | 2005-03-17 |
Family
ID=34402105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003209038A Pending JP2005070864A (ja) | 2003-08-27 | 2003-08-27 | 情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005070864A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100412870C (zh) * | 2006-07-17 | 2008-08-20 | 北京航空航天大学 | 采用元推荐引擎的门户个性化推荐服务方法和系统 |
| JP2009537891A (ja) * | 2006-05-16 | 2009-10-29 | ケィティ、コーポレーション | コンテキスト広告／情報のマッピングのヒット率の向上のための広告／情報露出方法及びそれを用いたコンテキスト広告／情報推薦サービスシステム |
| JP2012099057A (ja) * | 2010-11-05 | 2012-05-24 | Nec Corp | 情報提供装置、方法およびプログラム |
| JP2019053429A (ja) * | 2017-09-13 | 2019-04-04 | カシオ計算機株式会社 | 電子機器、情報提供方法及び情報提供プログラム |
-
2003
- 2003-08-27 JP JP2003209038A patent/JP2005070864A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009537891A (ja) * | 2006-05-16 | 2009-10-29 | ケィティ、コーポレーション | コンテキスト広告／情報のマッピングのヒット率の向上のための広告／情報露出方法及びそれを用いたコンテキスト広告／情報推薦サービスシステム |
| JP4959788B2 (ja) * | 2006-05-16 | 2012-06-27 | ケィティ、コーポレーション | コンテキスト広告／情報のマッピングのヒット率の向上のための広告／情報露出方法及びそれを用いたコンテキスト広告／情報推薦サービスシステム |
| CN100412870C (zh) * | 2006-07-17 | 2008-08-20 | 北京航空航天大学 | 采用元推荐引擎的门户个性化推荐服务方法和系统 |
| JP2012099057A (ja) * | 2010-11-05 | 2012-05-24 | Nec Corp | 情報提供装置、方法およびプログラム |
| JP2019053429A (ja) * | 2017-09-13 | 2019-04-04 | カシオ計算機株式会社 | 電子機器、情報提供方法及び情報提供プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210117617A1 (en) | Methods and systems for summarization of multiple documents using a machine learning approach | |
| US9501476B2 (en) | Personalization engine for characterizing a document | |
| Najmi et al. | CAPRA: a comprehensive approach to product ranking using customer reviews | |
| KR102158352B1 (ko) | 정책정보 문서의 요지 정보 제공 방법, 정책정보 제공 시스템, 이를 위한 컴퓨터 프로그램 | |
| US9268843B2 (en) | Personalization engine for building a user profile | |
| US20110225152A1 (en) | Constructing a search-result caption | |
| US20070174255A1 (en) | Analyzing content to determine context and serving relevant content based on the context | |
| US20050165642A1 (en) | Method and system for processing classified advertisements | |
| JP4347226B2 (ja) | 情報抽出プログラムおよびその記録媒体、情報抽出装置ならびに情報抽出規則作成方法 | |
| JP4796664B1 (ja) | 感性分析システム及びプログラム | |
| WO2007105202A2 (en) | Automatic reusable definitions identification (rdi) method | |
| EP2384476A1 (en) | Personalization engine for building a user profile | |
| Wang et al. | Extracting fine-grained service value features and distributions for accurate service recommendation | |
| JP2005070864A (ja) | 情報推薦装置、情報推薦方法、コンピュータ、及び記録媒体 | |
| Sariki et al. | A book recommendation system based on named entities | |
| KR20050045650A (ko) | 인포박스를 이용한 정보제공 시스템 및 방법 | |
| Tanawongsuwan | Part-of-speech approach to evaluation of textbook reviews | |
| JP4934819B2 (ja) | 情報抽出装置、その方法及びプログラム | |
| JP5664842B2 (ja) | システム開発における要求獲得支援手法、要求獲得支援システムおよびプログラム | |
| Maignant et al. | Text Zoning of Theater Reviews: How Different are Journalistic from Blogger Reviews? | |
| KR100926125B1 (ko) | 상표 정보 제공 방법 | |
| KR20050103836A (ko) | 유사성 판단을 포함하는 상표 검색 방법 및 이를 이용한상표 정보 시스템 | |
| KR20240021616A (ko) | 지식재산권 데이터 플랫폼 | |
| Vasavi et al. | Web Mining System in a Natural Language Processing Based for Social Media Analysis | |
| WO2024074760A1 (en) | Content management arrangement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060725 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090602 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20091110 |