JP2007214729A - 情報処理装置および方法、並びにプログラム - Google Patents

Abstract

【課題】コンテンツの話題の転換点の位置を確実に検出するための基準となるキーワードの類似度を求めることができるようにする。
【解決手段】処理対象のコンテンツにはクローズドキャプションデータ（テキストデータ）が含まれており、このテキストデータからキーワードの時系列が抽出される。キーワードの時系列が抽出されたとき、時間軸上で隣り合う位置に所定の範囲のキーワードを囲む検出窓が設定され、検出窓に含まれるキーワード全体の類似度が、時間軸上で隣り合う位置に設定された検出窓同士を対象として算出される。算出された類似度が、閾値となる所定の類似度より低い検出窓の境界点がコンテンツの話題の転換点として検出される。本発明は、テレビジョン番組や映画などの動画コンテンツを扱う装置に適用することができる。
【選択図】図２

Description

本発明は、情報処理装置および方法、並びにプログラムに関し、特に、コンテンツの話題の転換点の位置を確実に検出するための基準となるキーワードの類似度を求めることができるようにした情報処理装置および方法、並びにプログラムに関する。

従来より、テレビジョン番組などのコンテンツの話題の転換点を検出する技術が各種提案されている。コンテンツの話題の転換点の位置にはそのことを表す情報が付加され、例えば、コンテンツの再生時のチャプタとして用いられる。

特許文献１には、話題転換語のリストを保持しておき、字幕情報の文頭の語がリストに登録されている話題転換語と同じ語である場合、その字幕情報の表示位置を話題の転換位置として検出する技術が開示されている。
特開平１１−２３４６１１号公報

特許文献１に開示されているような技術を用いる場合、当然、話題転換語のリストをあらかじめ用意しておく必要がある。

また、話題が転換する位置であるにも関わらず、そのとき表示される字幕情報の先頭に話題転換語がない場合、話題の転換位置であることを検出することができず、検出の確実性を欠く。

本発明はこのような状況に鑑みてなされたものであり、コンテンツの話題の転換点の位置を確実に検出するための基準となるキーワードの類似度を求めることができるようにするものである。

本発明の一側面の情報処理装置は、画像の表示にあわせて表示される文字列からキーワードの時系列を抽出する抽出手段と、前記抽出手段により抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出する類似度算出手段とを備える。

前記類似度算出手段により算出された前記類似度に基づいて、含まれるキーワードの類似度が閾値となる類似度より低い前記所定の範囲の境界点を、前記画像の表示にあわせて前記文字列を表示させるコンテンツの話題の転換点として検出する検出手段をさらに設けることができる。

前記文字列はコンテンツの再生時に画面上に表示される文字列であるようにすることができる。

前記類似度算出手段により算出された前記類似度が所定の類似度より高いコンテンツの部分を内容の盛り上がりの部分として検出する検出手段をさらに設けることができる。

本発明の一側面の情報処理方法またはプログラムは、画像の表示にあわせて表示される文字列からキーワードの時系列を抽出し、抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出するステップを含む。

本発明の一側面においては、画像の表示にあわせて表示される文字列からキーワードの時系列が抽出され、抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度が算出される。

本発明の一側面によれば、コンテンツの話題の転換点の位置を確実に検出するための基準となるキーワードの類似度を求めることができる。

以下に本発明の実施の形態を説明するが、本発明の構成要件と、明細書又は図面に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、明細書又は図面に記載されていることを確認するためのものである。従って、明細書又は図面中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が発明に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外には対応しないものであることを意味するものでもない。

本発明の一側面の情報処理装置（例えば、図１の情報処理装置１）は、画像の表示にあわせて表示される文字列からキーワードの時系列を抽出する抽出手段（例えば、図５のキーワード抽出部３２）と、前記抽出手段により抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出する類似度算出手段（例えば、図５の類似度算出部３４）とを備える。

この情報処理装置には、前記類似度算出手段により算出された前記類似度に基づいて、含まれるキーワードの類似度が閾値となる類似度より低い前記所定の範囲の境界点を、前記画像の表示にあわせて前記文字列を表示させるコンテンツの話題の転換点として検出する検出手段（例えば、図５の転換点検出部３５）をさらに設けることができる。

また、情報処理装置には、前記類似度算出手段により算出された前記類似度が所定の類似度より高いコンテンツの部分を内容の盛り上がりの部分として検出する検出手段（例えば、図７の属性情報生成部１１２）をさらに設けることができる。

本発明の一側面の情報処理方法またはプログラムは、画像の表示にあわせて表示される文字列からキーワードの時系列を抽出し、抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出するステップ（例えば、図６のステップＳ４）を含む。

以下、本発明の実施の形態について図を参照して説明する。

図１は、本発明の一実施形態に係る情報処理装置を示すブロック図である。

情報処理装置１は、テレビジョン番組や映画などのコンテンツを入力とし、コンテンツを再生したときに現れる話題（内容）の転換点を検出し、検出した転換点を表す情報である転換点情報を外部に出力する装置である。

情報処理装置１に入力されるコンテンツには、コンテンツの再生時にその画面上に画像の表示にあわせて字幕を表示するために用いられるクローズドキャプションデータなどのテキストデータも画像や音声のデータとともに含まれており、情報処理装置１においては、そのテキストデータを用いて話題の転換点が検出される。

後述するように、情報処理装置１から出力された転換点情報は、コンテンツに属性情報を付加するために用いられる。例えば、検出された転換点の位置を表す時刻情報（チャプタの情報）などが属性情報として生成され、コンテンツに付加される。

図２は、話題の転換点の検出の例を示す図である。ここでは、処理対象のコンテンツがニュース番組である場合について説明する。

図２の例においては、ニュース番組の再生時、時刻ｔ₁からは話題１として「山田被告に無罪判決」に関するニュースが再生され、時刻ｔ₂からは話題２として「災害被災者の新たな救済策まとまる」に関するニュースが再生されるものとされている。

したがって、このニュース番組の話題の転換点は時刻ｔ₂の位置となる。

コンテンツにはクローズドキャプションデータ（図中「CC」）（テキストデータ）が含まれており、時刻ｔ₁から開始される話題１に関するニュースの再生時、その再生画面には、話題１の内容を表す画像である画像Ｐ₁乃至Ｐ_mの表示にあわせて、図２の時刻ｔ₁乃至ｔ₂の範囲内のテキストデータに基づいて、例えば、話題１についてキャスターが話す内容と同じ内容の字幕が順次表示される。

また、時刻ｔ₂から開始される話題２に関するニュースの再生時、その再生画面には、話題２の内容を表す画像である画像ｐ₁乃至ｐ_nの表示にあわせて、図２の時刻ｔ₂乃至ｔ₃の範囲内のテキストデータに基づいて、例えば、話題２についてキャスターが話す内容と同じ内容の字幕が順次表示される。

処理対象のコンテンツがこのようなものである場合、情報処理装置１においては、図２の白抜き矢印の先に示されるように、テキストデータからキーワードの時系列（図中「KW列」）が抽出される。

具体的には、話題１に関するニュースの冒頭で、「まずは山田被告に無罪判決のニュースです。」の字幕がテキストデータに基づいて表示される場合、そのテキストデータからは「山田」、「被告」、「無罪」、「判決」、「ニュース」などのキーワードの時系列が抽出される。同様に、話題２に関するニュースの冒頭で、「次は災害被災者の新たな救済策がまとまったニュースです。」の字幕がテキストデータに基づいて表示される場合、そのテキストデータからは「災害」、「被災者」、「救済」、「ニュース」などのキーワードの時系列が抽出される。

キーワードの時系列が抽出されたとき、情報処理装置１においては、時間軸上で隣り合う所定の範囲のキーワードをそれぞれ囲む検出窓が設定される。例えば、１つの検出窓が１０個のキーワードの範囲を囲むものである場合、キーワードの時系列全体がキーワード１乃至ＮのＮ個のキーワードから構成されるものとすると、キーワード１乃至１０を囲む検出窓Ａと、その検出窓Ａと時間軸上で隣り合う位置であるキーワード１１乃至２０を囲む検出窓として検出窓ａが設定される。

同様に、キーワード２乃至１１を囲む検出窓Ｂと、その検出窓Ｂと時間軸上で隣り合う位置に設定される検出窓であるキーワード１２乃至２１を囲む検出窓ｂ、キーワード３乃至１２を囲む検出窓Ｃと、その検出窓Ｃと時間軸上で隣り合う位置に設定される検出窓であるキーワード１３乃至２２を囲む検出窓ｃ、・・・といったように、キーワードを１つずつずらして所定の範囲を囲む検出窓が隣り合う位置に設定される。

検出窓が設定されたとき、情報処理装置１においては、検出窓に含まれるキーワード全体の類似度が、時間軸上で隣り合う位置に設定された検出窓同士を対象として算出される。後述するように、互いの検出窓に含まれる同じキーワードの数などに基づいて類似度が算出される。

情報処理装置１においては、このようにして算出された類似度に基づいて話題の転換点が検出される。例えば、算出された類似度が、閾値となる所定の類似度より低い検出窓の境界点がコンテンツ（図２の例の場合、ニュース番組）の話題の転換点とされる。

図２の例においては、時間軸上の隣り合う位置に設定された検出窓Ｗ₁に含まれるキーワードと検出窓Ｗ₂に含まれるキーワードの類似度は高く、検出窓Ｗ₃に含まれるキーワードと検出窓Ｗ₄に含まれるキーワードの類似度は低い。また、検出窓Ｗ₅に含まれるキーワードと検出窓Ｗ₆に含まれるキーワードの類似度は高い。

設定された検出窓が、互いに、同じ話題に関するテキストデータから抽出されたキーワードを囲むものである場合、元になる話題が同じであるから、それぞれの検出窓には同じようなキーワードが含まれ、このとき、時間軸上の隣り合う位置に設定された検出窓に含まれるキーワードの類似度は高くなる。

図２の例においては、検出窓Ｗ₁と検出窓Ｗ₂は、互いに、話題１に関するテキストデータから抽出されたキーワードを囲むものであり、同様に、検出窓Ｗ₅と検出窓Ｗ₆は、互いに、話題２に関するテキストデータから抽出されたキーワードを囲むものである。

一方、設定された検出窓が、互いに、異なる話題に関するテキストデータから抽出されたキーワードを囲むものである場合、すなわち、時間軸上で先の位置に設定された検出窓が第１の話題に関するテキストデータから抽出されたキーワードを囲むものであり、その検出窓と時間軸上で後の位置に設定された検出窓が第２の話題に関するテキストデータから抽出されたキーワードを囲むものである場合、元になる話題が異なるから、それぞれの検出窓には異なるキーワードが多く含まれ、このとき、時間軸上の隣り合う位置に設定された検出窓に含まれるキーワードの類似度は低くなる。

図２の例においては、検出窓Ｗ₃は話題１に関するテキストデータから抽出されたキーワードを囲むものであり、検出窓Ｗ₄は話題２に関するテキストデータから抽出されたキーワードを囲むものである。すなわち、検出窓Ｗ₃と検出窓Ｗ₄は、互いに、異なる話題に関するテキストデータから抽出されたキーワードを囲むものである。

このように、情報処理装置１においては、コンテンツの話題がそのまま反映されていると考えられるテキストデータを用いて、コンテンツのそれぞれの部分の類似度が求められる。また、求められた類似度に基づいて、コンテンツの話題の転換点が検出される。

これにより、コンテンツの再生時に画面上に表示される画像を解析することによって話題の転換点を検出したりする場合に較べて、容易に、話題の転換点を検出することができる。

図３は、この手法の効果を確認するため、目視によって人により確認された話題の転換点と、上述したようにして求められた類似度の算出結果とを示した図である。

図３の例においては、横軸は文番号（字幕として表示されるテキストデータを文ごとに括り、順に番号を振ったもの）を表し、縦軸は類似度（ここでは後述するベクトル空間モデルに基づく余弦尺度を使用）を表す。図３の算出結果のグラフを構成する１つのプロットの縦軸方向の値は、その位置に対応する番号の文から抽出されたキーワードを囲むものとして設定された、時間軸上の隣り合う位置に設定された検出窓に含まれるキーワードの余弦尺度を表し、余弦尺度の値が高いほど類似度が高いことを表す。

図３に示されるように、字幕として表示されるテキストデータから抽出されたキーワードの類似度の低い位置と、目視によって確認された話題の転換点の位置はほぼ一致しており、この手法の効果が高いことがわかる。

以上のようにして話題の転換点を検出する情報処理装置１の処理についてはフローチャートを参照して後述する。

図４は、図１の情報処理装置１のハードウエア構成例を示すブロック図である。

CPU(Central Processing Unit)１１は、ROM(Read Only Memory)１２、または記憶部１８に記憶されているプログラムに従って各種の処理を実行する。RAM(Random Access Memory)１３には、CPU１１が実行するプログラムやデータなどが適宜記憶される。これらのCPU１１、ROM１２、およびRAM１３は、バス１４により相互に接続されている。

CPU１１にはまた、バス１４を介して入出力インターフェース１５が接続されている。入出力インターフェース１５には、コンテンツの入力を受ける入力部１６、転換点情報を出力する出力部１７が接続されている。

入出力インターフェース１５に接続されている記憶部１８は例えばハードディスクからなり、CPU１１が実行するプログラムや各種のデータを記憶する。通信部１９は、インターネットやローカルエリアネットワークなどのネットワークを介して外部の装置と通信する。

入出力インターフェース１５に接続されているドライブ２０は、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア２１が装着されたとき、それらを駆動し、そこに記録されているプログラムやデータなどを取得する。取得されたプログラムやデータは、必要に応じて記憶部１８に転送され、記憶される。

図５は、情報処理装置１の機能構成例を示すブロック図である。図５に示す機能部のうちの少なくとも一部は、図４のCPU１１により所定のプログラムが実行されることによって実現される。

情報処理装置１においては、例えば、テキスト抽出部３１、キーワード抽出部３２、検出窓設定部３３、類似度算出部３４、および転換点検出部３５が実現される。

テキスト抽出部３１は、供給されたコンテンツからテキストデータ（字幕として表示される文字列）を抽出し、抽出したテキストデータをキーワード抽出部３２に出力する。

キーワード抽出部３２はたとえば、テキスト抽出部３１から供給されたテキストデータを対象として形態素解析を行い、形態素解析の結果に基づいて名詞や動詞など特定の品詞の形態素だけを抽出する。キーワード抽出部３２は、抽出した形態素の列をキーワードの列（時系列）とし、キーワードの時系列を検出窓設定部３３と類似度算出部３４に出力する。

検出窓設定部３３は、キーワードを１つずつずらして時間軸上で隣り合う所定の範囲のキーワードを囲む検出窓を設定し、設定した検出窓の情報（それぞれの検出窓の範囲の情報など）を類似度算出部３４に出力する。

検出窓は、上述したように１０個のキーワードを囲むように所定の数毎に設定されるだけでなく、例えば、字幕として表示される１文から抽出されたキーワードをひとまとまりのものとして囲むように文毎に設定されたり、あるいは、コンテンツの再生時に１０秒の間に字幕として表示される文から抽出されたキーワードをひとまとまりのものとして囲むように時間毎に設定されるようにすることも可能である。

検出窓をどのように設定するのかをユーザが選択することができるようにしてもよいし、検出窓の粒度をユーザが選択することができるようにしてもよい（上述した例の場合、２０個のキーワードを囲むように検出窓を設定したり、５０個のキーワードを囲むように検出窓を設定したりすることができるようにしてもよい）。また、番組のジャンルなどに応じて適切な検出窓の種類、粒度をあらかじめ求めておき、それらを選択肢として提示したり、EPG（電子番組ガイド）のジャンル情報などを基に自動的に検出窓が設定されるようにしてもよい。さらに、検出窓の粒度を変えることによって検出できる類似度の変化の細かさが変わるため、後述する話題集中度の検出の際に粒度を適切な設定に変更してもよい。

類似度算出部３４は、検出窓設定部３３から供給された情報に基づいて、キーワード抽出部３２から供給されたキーワードの時系列に設定された検出窓に含まれるキーワード同士の類似度を算出し、算出した類似度の情報を転換点検出部３５に出力する。

類似度算出部３４においては、上述したように同じキーワードの数に基づいてではなく、例えば、ベクトル空間モデルなどによっても類似度が求められる。すなわち、時間軸上の隣り合う位置に設定されたそれぞれの検出窓に含まれるキーワードが、高次元のベクトル空間上にユニークなキーワードそれぞれの出現頻度を要素とするベクトル表現によって配置され、一方の検出窓に含まれるキーワードを表すベクトルと他方の検出窓に含まれるキーワードを表すベクトルの相関が内積、余弦尺度、ユークリッド距離などによって算出され、その結果が類似度として求められる。

なお、類似度の算出方法は、このようなものに限定されるものではない。また、キーワードの品詞などに応じて適宜重み付けが行われるようにしてもよい。

転換点検出部３５は、類似度算出部３４から供給された情報に基づいて、閾値となる所定の類似度より低い類似度が算出された検出窓の境界点をコンテンツの話題の転換点として検出し、検出した転換点の位置（時刻）を表す転換点情報を出力する。

ここで、図６のフローチャートを参照して、以上のようにして話題の転換点を検出する情報処理装置１の処理について説明する。

ステップＳ１において、テキスト抽出部３１は、供給されたコンテンツからテキストデータを抽出し、抽出したテキストデータをキーワード抽出部３２に出力する。

ステップＳ２において、キーワード抽出部３２は、テキスト抽出部３１から供給されたテキストデータを対象として形態素解析を行い、形態素解析の結果に基づいて抽出したキーワードの時系列を検出窓設定部３３と類似度算出部３４に出力する。

ステップＳ３において、検出窓設定部３３は、１つの検出窓に含まれるキーワードが数を基準に決定される場合、キーワードを１つずつずらして時間軸上で隣り合う位置に所定の範囲のキーワードを囲む検出窓を設定し、設定した検出窓の情報を類似度算出部３４に出力する。１つの検出窓に含まれるキーワードが文を基準に決定される場合（上述の文毎の場合）、検出窓設定部３３は、字幕として表示される文を１つずつずらしてそれぞれの文から抽出されたキーワードを囲む検出窓を設定する。また、１つの検出窓に含まれるキーワードが時間を基準に決定される場合（上述の時間毎の場合）、検出窓設定部３３は、時間を順次ずらしてそれぞれの時間に字幕として表示される文から抽出されたキーワードを囲む検出窓を設定する。

ステップＳ４において、類似度算出部３４は、検出窓設定部３３から供給された情報に基づいて、キーワード抽出部３２から供給されたキーワードの時系列に設定された検出窓に含まれるキーワードの類似度を算出し、算出した類似度の情報を転換点検出部３５に出力する。

ステップＳ５において、転換点検出部３５は、類似度算出部３４から供給された情報に基づいて、閾値となる所定の類似度より低い類似度が算出された検出窓の境界点をコンテンツの話題の転換点として検出し、検出した転換点の位置を表す転換点情報を出力する。

以上の処理により、情報処理装置１は、コンテンツの話題がそのまま反映されていると考えられるテキストデータを用いて、コンテンツのそれぞれの部分の類似度を求めることができる。また、情報処理装置１は、求めた類似度に基づいて、コンテンツの話題の転換点を検出することができる。

次に、以上のようにして生成された転換点情報に基づく属性情報の生成について説明する。生成された属性情報はコンテンツに付加され、コンテンツの再生時などに用いられる。

図７は、情報処理装置１０１の機能構成例を示すブロック図である。

情報処理装置１０１は上述した情報処理装置１と同様に図４のハードウエア構成を有している。情報処理装置１０１のCPU１１により所定のプログラムが実行されることによって、図７に示されるように情報処理部１１１と属性情報生成部１１２が情報処理装置１０１においては実現される。

情報処理部１１１は、テレビジョン番組や映画などのコンテンツを入力とし、コンテンツを再生したときに現れる話題の転換点を検出し、検出した転換点を表す情報である転換点情報を属性情報生成部１１２に出力する。すなわち、情報処理部１１１は、図５に示されるものと同じ構成を有しており、上述したようにして転換点を検出する。

属性情報生成部１１２は、情報処理部１１１から供給された転換点情報に基づいて属性情報を生成し、生成した属性情報を外部から入力されたコンテンツに付加する。属性情報生成部１１２は、例えば、話題の転換点として検出された位置にチャプタを設定し、そのチャプタの位置を表す情報を属性情報として生成する。

また、属性情報生成部１１２は、それぞれの話題の区間において字幕として表示されるテキストデータに基づいて情報処理部１１１により抽出されたキーワードの中から、それぞれの話題を代表するキーワードを選択し、選択したキーワード（重要語）を表す情報を属性情報として生成する。例えば、それぞれの話題の区間において字幕として表示されるテキストデータから抽出されたキーワードの中に最も多く含まれるキーワードが重要語として選択される。

ここで、図８のフローチャートを参照して、図７の情報処理装置１０１（属性情報生成部１１２）の属性情報生成処理について説明する。この処理は、例えば、図６を参照して説明した処理が情報処理部１１１によって行われ、転換点情報が属性情報生成部１１２に供給されたときに開始される。

ステップＳ１１において、属性情報生成部１１２は、情報処理部１１１から供給された転換点情報に基づいて、話題の転換点として検出されたコンテンツの位置にチャプタを設定し、そのチャプタの位置を表す属性情報をコンテンツに付加して外部に出力する。

これにより、コンテンツの再生装置は、属性情報により表されるチャプタの位置を基準として再生位置の頭出しをしたり、チャプタが設定されている位置の画像をサムネイル表示した画面を表示したりすることができる。

次に、図９のフローチャートを参照して、図７の情報処理装置１０１の他の属性情報生成処理について説明する。

この処理も、例えば、図６を参照して説明した処理が情報処理部１１１によって行われ、転換点情報が属性情報生成部１１２に供給されたときに開始される。情報処理部１１１からは、キーワードの時系列も属性情報生成部１１２に対して出力される。

ステップＳ２１において、属性情報生成部１１２は、情報処理部１１１から供給された転換点情報に基づいて、転換点で区切られるそれぞれの話題の区間のキーワードの中から、話題を代表するキーワードを重要語として選択する。属性情報生成部１１２は、重要語を表す属性情報をコンテンツに付加して外部に出力する。

このようにして選択された重要語は、例えば、検出されたそれぞれの話題の区間のタイトルとして設定されたり、重要語を含む文字列が字幕として表示される区間だけを要約して再生したりするときのために用いられる。重要語に基づいてタイトルを設定したり、要約した再生区間を表す情報を生成したりすることが属性情報生成部１１２により行われるようにしてもよい。

なお、以上においては、検出窓に含まれるキーワードから求められた類似度が、話題の転換点の検出に用いられるものとしたが、他の用途に用いることも可能である。

類似度が高いということは、同じようなキーワードを含む文字列が連続して字幕として表示されているということであるから、類似度が高いコンテンツの部分は、話題が特定の内容に集中している部分であると考えられる。したがって、類似度は、話題の集中の程度を表すいわば話題集中度としても利用することができる。

話題集中度を利用することによって、例えば、検出された転換点で区切られたそれぞれの話題の話題集中度を比較し、１つのコンテンツ内（番組内）で、話題が最も集中している部分、すなわち、話題の観点からのコンテンツの盛り上がり部分を見つけることができる。

また、前述のように、検出窓の粒度を適切に設定すると、検出された転換点で区切られた１つの話題の区間における話題集中度の遷移から、１つの話題の中のどの部分が特に話題が集中している部分であるのかを見つけることができる。

図１０に示されるように、ニュース番組などにおいては、一般的に、ニュースの概要を報じる冒頭の部分（図１０の「事件の内容」の部分）では集中度が高く、概要に続いて報じられるインタビューや解説の部分（図１０の「近所の人の話など」の部分）では集中度が低くなる。

図１１は、クイズ番組を対象として話題の転換点の検出を行ったときに求められた類似度の例を示す図である。

図１１に示されるように、上述したようにして検出された話題の転換点によって、クイズ番組を問題毎（話題毎）に区切ることができる。図１１の例においては、類似度に基づいて、クイズ番組が問題Ｑ１乃至Ｑ５のそれぞれの区間に区切られている。

図１１の類似度の遷移から分かるように、最大の話題集中度（類似度）が算出された問題Ｑ５が、このクイズ番組内で最も盛り上がった問題であると判断することができる。このようにして判断された盛り上がりの部分だけがダイジェスト再生されるようにしてもよい。

また、話題集中度をもコンテンツの１つの特徴とし、画像や音声に基づいて得られた特徴との組み合わせによって盛り上がり部分が検出されるようにしてもよい。ここで、例えば、画像に基づいて得られた特徴とはシーンチェンジの数が多いことなどであり、音声に基づいて得られた特徴とは音量が大きいことなどである。

さらに、以上においては、キーワードを抽出する対象となるテキストデータがクローズドキャプションデータである場合について説明したが、オープンキャプションによって画面上に表示される文字列を認識して得られたテキストデータからキーワードが抽出され、抽出されたテキストデータが、クローズドキャプションデータのときと同様にして類似度の算出や転換点の検出に用いられるようにしてもよい。

上述した一連の処理は、ハードウエアにより実行させることもできるし、ソフトウエアにより実行させることもできる。一連の処理をソフトウエアにより実行させる場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。

コンピュータにインストールされ、コンピュータによって実行可能な状態とされるプログラムを格納するプログラム記録媒体は、図４に示すように、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)，DVD(Digital Versatile Disc)を含む）、光磁気ディスク、もしくは半導体メモリなどよりなるパッケージメディアであるリムーバブルメディア２１、または、プログラムが一時的もしくは永続的に格納されるROM１２や、記憶部１８を構成するハードディスクなどにより構成される。プログラム記録媒体へのプログラムの格納は、必要に応じてルータ、モデムなどのインターフェースである通信部１９を介して、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の通信媒体を利用して行われる。

なお、本明細書において、プログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

本発明の一実施形態に係る情報処理装置を示すブロック図である。 話題の転換点の検出の例を示す図である。 人によって確認された話題の転換点と類似度の算出結果を示す図である。 情報処理装置のハードウエア構成例を示すブロック図である。 情報処理装置の機能構成例を示すブロック図である。 情報処理装置の転換点検出処理について説明するフローチャートである。 情報処理装置の機能構成例を示すブロック図である。 図７の情報処理装置の属性情報生成処理について説明するフローチャートである。 図７の情報処理装置の属性情報生成処理について説明するフローチャートである。 類似度の算出結果の例を示す図である。 類似度の算出結果の他の例を示す図である。

符号の説明

１ 情報処理装置， ３１ テキスト抽出部， ３２ キーワード抽出部， ３３ 検出窓設定部， ３４ 類似度算出部， ３５ 転換点検出部， １０１ 情報処理装置， １１１ 情報処理部， １１２ 属性情報生成部

Claims (6)

1. 画像の表示にあわせて表示される文字列からキーワードの時系列を抽出する抽出手段と、
   前記抽出手段により抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出する類似度算出手段と
   を備える情報処理装置。
2. 前記類似度算出手段により算出された前記類似度に基づいて、含まれるキーワードの類似度が閾値となる類似度より低い前記所定の範囲の境界点を、前記画像の表示にあわせて前記文字列を表示させるコンテンツの話題の転換点として検出する検出手段をさらに備える
   請求項１に記載の情報処理装置。
3. 前記文字列はコンテンツの再生時に画面上に表示される文字列である
   請求項１に記載の情報処理装置。
4. 前記類似度算出手段により算出された前記類似度が所定の類似度より高いコンテンツの部分を内容の盛り上がりの部分として検出する検出手段をさらに備える
   請求項１に記載の情報処理装置。
5. 画像の表示にあわせて表示される文字列からキーワードの時系列を抽出し、
   抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出する
   ステップを含む情報処理方法。
6. 画像の表示にあわせて表示される文字列からキーワードの時系列を抽出し、
   抽出された時系列を構成するキーワードのうち、時間軸上で隣り合う所定の範囲に含まれるキーワードの類似度を算出する
   ステップを含む処理をコンピュータに実行させるプログラム。

Images