JP2007241753A - 興味情報提供装置、興味情報提供方法および興味情報提供プログラム - Google Patents

Abstract

【課題】個人が興味を持つ可能性が統計的に高い意外な情報を提示できるようにする
【解決手段】サーバ５には、個人の興味情報が概念階層化されたパーソナルオントロジの雛形である雛形オントロジ６が保持され、パーソナルオントロジ抽出手段５ｃは、雛形オントロジ６のルートクラスから、そのクラスまたはインスタンスまでの直接的な子孫クラスおよびインスタンスをパーソナルオントロジとして抽出し、意外情報抽出手段５ｅは、近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出し、意外情報提示手段５ｆは、意外情報抽出手段５ｅにて抽出された意外情報をその意外情報を持たないユーザに提示する。
【選択図】 図１

Description

本発明は興味情報提供装置、興味情報提供方法および興味情報提供ブログラムに関し、特に、ブログエントリを参照しつつ、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、個人が興味を持つ可能性が高い意外な情報を提供する方法に適用して好適なものである。

従来の情報提供方法では、非特許文献１に開示されているように、個人の登録するブックマークや個人が保持するフォルダなどにおける階層構造と、これらのブックマークやフォルダなどに格納されるファイル情報（単語の相関関係）に基づいて、協調フィルタリング技術を利用することでユーザ集合の中の興味ブックマークページの対抗関係を判定し、個人の興味情報を推薦することが行われている。

ここで、協調フィルタリング技術では、ユーザの嗜好を過去の行動という形で記録し、そのユーザと似たような行動を取っているユーザの嗜好情報に基づいて、ユーザの嗜好が計測される。この協調フィルタリング技術は、リコメンデーションサービスを提供するために使用される代表的な手法であり、ユーザごとの嗜好情報が多く、ユーザの数自体も多い方が正確な推測ができる。
また、非特許文献２、３には、オントロジ間の近似度を計測したり、オントロジ間のマッピングを行ったりする方法が開示されている。

佐保田圭介，波多野賢治，宮崎純，植村俊亮：ブックマークの階層構造を考慮した協調フィルタリングによるＷｅｂページの推薦方法，Ｖｏｌ．３，Ｎｏ．１，ＤＢＳＪ Ｌｅｔｔｅｒｓ（２００４）． Ｍａｅｄｃｈｅ，Ａ．ａｎｄ Ｓｔａａｂ，Ｓ．：Ｍｅａｓｕｒｉｎｇ Ｓｉｍｉｌａｒｉｔｙ ｂｅｔｗｅｅｎ Ｏｎｔｏｌｏｇｉｅｓ，Ｉｎ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ，Ｅ０４４８，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｋａｒｌｓｒｕｈｅ（２００１）． Ｎｏｙ，Ｎ．Ｆ．ａｎｄ Ｍｕｓｅｎ，Ｍ．Ａ．：Ａｎｃｈｏｒ−ＰＲＯＭＰＴ：Ｕｓｉｎｇ Ｎｏｎ−Ｌｏｃａｌ Ｃｏｎｔｅｘｔ ｆｏｒ Ｓｅｍａｎｔｉｃ Ｍａｔｃｈｉｎｇ，Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｗｏｒｋｓｈｏｐ ｏｎ Ｏｎｔｏｌｏｇｉｅｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｈａｒｉｎｇ ａｔ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＩＪＣＡＩ）（２００１）．

しかしながら、非特許文献１に開示された方法では、ユーザの階層構造を利用してブックマークページ間の興味の一致性が判定され、対応関係にある階層に所属する情報しか抽出することができないため、ユーザにとって同じクラス（概念）に所属するという意味で当たり前の情報しか提示することができなかった。このため、非特許文献１に開示された方法では、ユーザが興味を持つ可能性が統計的に高いにもかかわらず、ユーザにとって意外な情報を提示することができず、ユーザが今まで知らなかった興味の幅を広げる機会を与えることができないという問題があった。

また、非特許文献２、３に開示された方法でも、階層として対応関係にないが、個人が興味を持つ可能性が統計的に高い意外な情報を提示することができず、ユーザが今まで知らなかった興味の幅を広げる機会を与えることができないという問題があった。
そこで、本発明の目的は、個人が興味を持つ可能性が統計的に高い意外な情報を提示することが可能な興味情報提供装置、興味情報提供方法および興味情報提供プログラムを提供することである。

上述した課題を解決するために、請求項１記載の興味情報提供装置によれば、オントロジ間の近似度を計測する近似度計測手段と、前記近似度が所定値以上のオントロジ間において、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする。

これにより、オントロジ間の近似度が近いにもかかわらず、他のユーザが保持するオントロジには含まれるが、自分が保持するオントロジには含まれないクラスまたはインスタンスの情報を受け取ることができる。このため、クラス階層としては対応関係にないが、個人が興味を持つ可能性のある意外な情報を受け取ることができ、ユーザが今まで知らなかった興味の幅を広げることが可能となる。

また、請求項２記載の興味情報提供装置によれば、オントロジ間の近似度を計測する近似度計測手段と、前記近似度が所定値以上のオントロジ間において、同一のクラスまたはインスタンスに興味を持つユーザの数を解析するユーザ数解析手段と、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスであって、興味を持つユーザの数が所定値以上のクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする。

これにより、オントロジ間の近似度が近いにもかかわらず、他の多数のユーザが保持するオントロジには含まれるが、自分が保持するオントロジには含まれないクラスまたはインスタンスの情報を受け取ることができる。このため、クラス階層としては対応関係にないが、個人が興味を持つ可能性が統計的に高い意外な情報を受け取ることができ、ユーザが今まで知らなかった興味の幅を広げることが可能となる。

また、請求項３記載の興味情報提供装置によれば、各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、興味情報が概念階層化された雛形オントロジから前記単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するパーソナルオントロジ抽出手段と、前記パーソナルオントロジ間の近似度を計測する近似度計測手段と、前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする。

これにより、各個人の興味情報に含まれる単語を雛形オントロジ上で照合することにより、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、パーソナルオントロジ間の近似度が近いにもかかわらず、他のユーザが保持するパーソナルオントロジには含まれるが、自分が保持するパーソナルオントロジには含まれないクラスまたはインスタンスの情報を受け取ることができる。このため、作成にかかるコストを抑制しつつ、パーソナルオントロジを生成することが可能となるとともに、クラス階層としては対応関係にないが、個人が興味を持つ可能性のある意外な情報を提供することができる。この結果、情報検索の精度を向上させることが可能となるとともに、ユーザが今まで知らなかった興味の幅を広げることを可能としつつ、各個人のパーソナルオントロジをインターネット上で広く流通させることが可能となり、個人の嗜好に適合したコミュニティを形成することができる。

また、請求項４記載の興味情報提供装置によれば、ブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出する単語抽出手段と、興味情報が概念階層化された雛形オントロジを選択する雛形オントロジ選択手段と、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを前記雛形オントロジから抽出する分類子適用手段と、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するパーソナルオントロジ抽出手段と、前記パーソナルオントロジ間の近似度を計測する近似度計測手段と、前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに前記意外情報を提示する意外情報提示手段とを備えることを特徴とする。

また、請求項５記載の興味情報提供方法によれば、オントロジ間の近似度を計測するステップと、前記近似度が所定値以上のオントロジ間において、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、前記抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示するステップとを備えることを特徴とする。

また、請求項６記載の興味情報提供方法によれば、オントロジ間の近似度を計測するステップと、前記近似度が所定値以上のオントロジ間において、同一のクラスまたはインスタンスに興味を持つユーザの数を解析するステップと、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスであって、興味を持つユーザの数が所定値以上のクラスまたはインスタンスを意外情報として抽出するステップと、前記抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示するステップとを備えることを特徴とする。

また、請求項７記載の興味情報提供方法によれば、各個人ごとに構築された興味情報に含まれる単語を抽出するステップと、興味情報が概念階層化された雛形オントロジから前記単語を含むクラスまたはインスタンスを抽出するステップと、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するステップと、前記雛形オントロジから抽出されたパーソナルオントロジ間の近似度を計測するステップと、前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、前記抽出された意外情報を前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに提示するステップとを備えることを特徴とする。

また、請求項８記載の興味情報提供方法によれば、ブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、興味情報が概念階層化された雛形オントロジを選択するステップと、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを前記雛形オントロジから抽出するステップと、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するステップと、前記パーソナルオントロジ間の近似度を計測するステップと、前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに前記意外情報を提示するステップとを備えることを特徴とする。

これにより、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、クラス階層としては対応関係にないが、個人が興味を持つ可能性のある意外な情報をインターネット上で広く流通させることが可能となり、ユーザが今まで知らなかった興味の幅を広げることが可能としつつ、個人の嗜好に適合したコミュニティを形成することができる。

また、請求項９記載の興味情報提供プログラムによれば、請求項５から８のいずれか１項に記載の興味情報提供方法をコンピュータに実行させることを特徴とする。
これにより、興味情報提供プログラムをコンピュータに実行させることにより、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、クラス階層としては対応関係にないが、個人が興味を持つ可能性のある意外な情報をインターネット上で広く流通させることが可能となり、ユーザが今まで知らなかった興味の幅を広げることが可能としつつ、個人の嗜好に適合したコミュニティを形成することができる。

以上説明したように、本発明によれば、自分の嗜好に適合した情報を精度よく検索することが可能となるとともに、ユーザが今まで知らなかった興味の幅を広げることを可能としつつ、自分の嗜好に適合した情報をインターネット上で広く流通させることが可能となり、個人の嗜好に適合したコミュニティを形成することができる。

以下、本発明の実施形態に係る興味情報提供装置およびその方法について図面を参照しながら説明する。
図１は、本発明の一実施形態に係る興味情報提供装置が適用されるシステムの概略構成を示すブロック図である。
図１において、端末２〜４およびサーバ５が通信網１を介して接続されている。なお、通信網１としては、例えば、ＩＰ通信を行う公衆通信網を用いることができ、インターネットであってもよい。また、企業間の専用通信網であっても、公衆通信網であってもよいが、高信頼性とセキュリティとを備えた専用通信を提供できるＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）のような網であってもよい。

また、端末２〜４としては、ノート型パーソナルコンピュータあるいはデスクトップ型パーソナルコンピュータでもよく、携帯電話端末やＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄａｔａ Ａｓｓｉｓｔａｎｔ）などでもよい。また、サーバ５は、プログプロバイダやＩＳＰ（Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｒｖｉｃｅ Ｐｒｏｖｉｄｅｒ）上に設置することができる。

ここで、サーバ５には、端末２〜４にそれぞれ対応したブログサイト７〜９が設けられ、各ブログサイト７〜９には、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎがそれぞれ保持されている。なお、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎはブログにおける記事の最小単位を表し、日にちごとに設けることができる。また、サーバ５には雛形オントロジ６が保持され、雛形オントロジ６には、個人の興味情報が概念階層化されたパーソナルオントロジの雛形が設けられている。

なお、雛形オントロジ６は、ブログプロバイダ側で恣意的に作成することができる。例えば、ブログプロバイダが音楽に関するパーソナルオントロジを各端末２〜４のユーザに構築させたければ、音楽に関する雛形オントロジ６を構築すればよい。ここで、各端末２〜４のユーザの興味を細やかに表現するために、可能な限り細分化された網羅性の高い雛形オントロジ６を構築することが好ましい。また、雛形オントロジ６の実体は、オントロジ記述言語ＯＷＬなどのＸＭＬ言語で記述されたテキストファイルである。また、情報の整理の簡単化のため、インスタンスは最下位クラスにのみ分類してもよい。

さらに、サーバ５には、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに対して形態素解析をそれぞれ適用することにより、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに頻出する単語を抽出する頻出単語抽出手段５ａ、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに頻出する単語を含むクラスまたはインスタンスを雛形オントロジ６から抽出する分類子適用手段５ｂ、分類子適用手段５ｂにて抽出されたクラスまたはインスタンスおよびそれらの上位の全てのクラスをパーソナルオントロジとして雛形オントロジ６から抽出するパーソナルオントロジ抽出手段５ｃ、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジ間の近似度を計測する近似度計測手段５ｄ、近似度が所定値以上のパーソナルオントロジから意外情報を抽出する意外情報抽出手段５ｅならびに意外情報抽出手段５ｅにて抽出された意外情報をその意外情報を持たないユーザに提示する意外情報提示手段５ｆが設けられている。なお、意外情報とは、個人が興味を持つ可能性が高い未知のクラス（概念）や未知のインスタンス（実体）をいう。

ここで、意外情報抽出手段５ｅは、近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出することができる。
そして、頻出単語抽出手段５ａは、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに対して形態素解析をそれぞれ適用する。そして、同一ユーザの持つ複数のブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎで頻出する形態素を抽出する。

次に、分類子適用手段５ｂは、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎで頻出する各形態素を雛形オントロジ６に適用し、雛形オントロジ６内のクラスまたはインスタンスに一致する文字列があるかどうかを調べる。そして、雛形オントロジ６内のクラスまたはインスタンスに一致する文字列がある場合、パーソナルオントロジ抽出手段５ｃは、雛形オントロジ６のルートクラスから、そのクラスまたはインスタンスまでの直接的な子孫クラスおよびインスタンスをパーソナルオントロジとして抽出する。

さらに、近似度計測手段５ｄは、パーソナルオントロジ間の近似度を計測し、意外情報抽出手段５ｅは、近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する。そして、意外情報提示手段５ｆは、意外情報抽出手段５ｅにて抽出されたクラスまたはインスタンスの情報を、そのクラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに提示する。

これにより、各個人のブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに含まれる単語を雛形オントロジ６上で照合することにより、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、パーソナルオントロジ間の近似度が近いにもかかわらず、他のユーザが保持するパーソナルオントロジには含まれるが、自分が保持するパーソナルオントロジには含まれないクラスまたはインスタンスの情報を受け取ることができる。このため、作成にかかるコストを抑制しつつ、パーソナルオントロジを生成することが可能となるとともに、クラス階層としては対応関係にないが、個人が興味を持つ可能性のある意外な情報を提供することができる。この結果、情報検索の精度を向上させることが可能となるとともに、ユーザが今まで知らなかった興味の幅を広げることを可能としつつ、各個人のパーソナルオントロジをインターネット上で広く流通させることが可能となり、個人の嗜好に適合したコミュニティを形成することができる。

なお、雛形オントロジ６は、デスクワークにて人手で作成してサーバ５に保持させるようにしてもよいし、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジを既存の雛形オントロジ６とマージすることにより作成してもよい。さらに、雛形オントロジ６から抽出されたパーソナルオントロジに対してユーザが興味のあるクラスまたはインスタンスを追加したり、ユーザが興味のないクラスまたはインスタンスを削除したりするようにしてもよい。

また、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃ、近似度計測手段５ｄ、意外情報抽出手段５ｅおよび意外情報提示手段５ｆは、これらの手段で行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させることにより実現することができる。
そして、このプログラムをＣＤ−ＲＯＭなどの記憶媒体に記憶しておけば、サーバ５のコンピュータに記憶媒体を装着し、そのプログラムをコンピュータにインストールすることにより、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃ、近似度計測手段５ｄ、意外情報抽出手段５ｅおよび意外情報提示手段５ｆで行われる処理を実現することができる。また、このプログラムを通信網１を介してダウンロードすることにより、このプログラムを容易に普及させることができる。

また、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃ、近似度計測手段５ｄ、意外情報抽出手段５ｅおよび意外情報提示手段５ｆで行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させる場合、スタンドアロン型コンピュータで実行させるようにしてもよく、ネットワークに接続された複数のコンピュータに分散処理させるようにしてもよい。

なお、上述した実施形態では、近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出し、その意外情報をユーザに提供する方法について説明したが、近似度が所定値以上のオントロジ間において、同一のクラスまたはインスタンスに興味を持つユーザの数を解析し、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスであって、興味を持つユーザの数が所定値以上のクラスまたはインスタンスを意外情報として抽出し、その意外情報をユーザに提供するようにしてもよい。

これにより、自分のパーソナルオントロジにないクラスまたはインスタンスであって、１人のユーザだけでなく、他の多数のユーザが興味を持つクラスまたはインスタンスの情報を意外情報として受け取ることができ、クラス階層として対応関係にない場合においても、自分が興味を持つ妥当性を向上させつつ、自分が知らない意外な情報を的確に受け取ることが可能となる。
また、上述した実施形態では、意外情報を抽出するために、雛形オントロジ６から構築されたパーソナルオントロジを例にとって説明したが、本発明は必ずしも雛形オントロジ６から構築されたパーソナルオントロジに限定されることなく、それ以外のオントロジに適用するようにしてもよい。

また、近似度計測手段５ｄは、パーソナルオントロジ間の近似度を計測する場合、雛形オントロジ６から割り振られたクラスＩＤまたはインスタンスＩＤがパーソナルオントロジにて保有されているかどうかの判定結果に基づいて、パーソナルオントロジ間のトポロジまたはクラスの近似度を計測することができる。あるいは、近似度計測手段５ｄは、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジのトポロジを形成するクラス集合間の共起度を用いることにより、パーソナルオントロジ間の近似度を計測するようにしてもよいし、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジに含まれるインスタンス集合間の共起度を用いることにより、パーソナルオントロジ間の近似度を計測するようにしてもよい。なお、共起度とは、集合に含まれるメンバの積集合の比率を言う。

例えば、近似度計測手段５ｄは、パーソナルオントロジのクラス集合間の積集合のメンバ数を、雛形オントロジ６のクラス集合のメンバ数で割った値に基づいて、パーソナルオントロジ間のトポロジの近似度を計測するようにしてもよいし、パーソナルオントロジのインスタンス集合間の積集合のメンバ数を、雛形オントロジ６のインスタンス集合のメンバ数で割った値に基づいて、パーソナルオントロジ間のクラスの近似度を計測するようにしてもよいし、パーソナルオントロジ間のトポロジの近似度およびパーソナルオントロジ間のクラスの近似度を総合的に判断することにより、パーソナルオントロジ間の近似度を計測するようにしてもよい。

図２は、本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法を示す図である。なお、以下の説明では、あるオントロジに対する別のオントロジとの間の近似度を計測する場合、前者をソースオントロジ、後者をターゲットオントロジと呼ぶ。
図２において、雛形オントロジＯＨの“ａ１”というクラスの直下には、“ｂ１”、“ｂ２”および“ｂ３”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”および“ｃ２”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”および“ｄ２”というクラスが存在しているものとする。また、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在し、“ｂ３”というクラスの直下には、“ｃ５”というクラスが存在しているものとする。

また、“ｄ１”というクラスには、“ｊ”および“ｋ”というインスタンスが存在し、“ｄ２”というクラスには、“ｌ”というインスタンスが存在し、“ｃ２”というクラスには、“ｍ”というインスタンスが存在し、“ｂ２”というクラスには、“ｎ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｅ”、“ｃ”、“ｆ”、“ｂ”、“ｄ”および“ｇ”というインスタンスが存在し、“ｃ４”というクラスには、“ｐ”、“ｇ”、“ｊ”および“ｈ”というインスタンスが存在しているものとする。

そして、各ユーザのブログエントリに頻出する単語をそれぞれ抽出し、その単語を含むクラスまたはインスタンスおよびそれらの上位の全てのクラスを雛形オントロジＯＨからそれぞれ抽出することにより、パーソナルオントロジＯＡ、ＯＢが作成されたものとする。
ここで、パーソナルオントロジＯＡの“ａ１というクラスの直下には、“ｂ１”および“ｂ２”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”および“ｃ２”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”というクラスが存在し、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在しているものとする。また、“ｄ１”というクラスには、“ｊ”および“ｋ”というインスタンスが存在し、“ｃ２”というクラスには、“ｍ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｃ”、“ｂ”および“ｄ”というインスタンスが存在し、“ｃ４”というクラスには、“ｑ”および“ｈ”というインスタンスが存在しているものとする。

また、パーソナルオントロジＯＢの“ａ１”というクラスの直下には、“ｂ１”、“ｂ２”および“ｂ３”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”というクラスが存在し、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在しているものとする。また、“ｄ２”というクラスには、“ｌ”というインスタンスが存在し、“ｂ２”というクラスには、“ｎ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｃ”、“ｅ”および“ｆ”というインスタンスが存在し、“ｃ４”というクラスには、“ｐ”および“ｊ”というインスタンスが存在しているものとする。

そして、雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間で末端クラスを除く共通クラスを分析し、共通クラスを親クラスとした親子クラスからなるトポロジを抽出する。なお、図２の例では、末端クラスは、“ｄ１”、“ｄ２”、“ｃ３”および“ｃ４”とする。この結果、雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間において、クラス“ａ１”を親クラスとした子クラス集合Ｇ１、クラス“ｂ１”を親クラスとした子クラス集合Ｇ２、クラス“ｃ１”を親クラスとした子クラス集合Ｇ３、クラス“ｂ２”を親クラスとした子クラス集合Ｇ４、クラス“ｂ３”を親クラスとした子クラス集合Ｇ５を抽出することができる。

なお、この共通クラスの分析は、同じクラスＩＤが雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。このため、クラスの名前属性やインスタンス集合プロパティなどの近似度を計測する必要がなくなり、クラス間の対応関係を正確に維持しつつ、計算量を減らすことができる。
次に、パーソナルオントロジＯＡ、ＯＢ間で各トポロジを形成する子クラス集合Ｘ、Ｙ間の近似度を深さ優先で計算する。ここで、雛形オントロジＯＨを構成するクラスの子クラスの集合をＺとすると、子クラス集合Ｘ、Ｙ間の近似度は、｜Ｘ∩Ｙ｜／｜Ｚ｜にて求めることができる。そして、各トポロジの子クラス集合間の近似度を足し合わせることにより、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度Ｓ_Tを計測することができる。

例えば、子クラス集合Ｇ１において、雛形オントロジＯＨには“ｂ１”、“ｂ２”および“ｂ３”という子クラスが含まれているので、子クラス集合Ｇ１における雛形オントロジＯＨの子クラス集合のメンバ数は３となる。また、子クラス集合Ｇ１において、パーソナルオントロジＯＡには“ｂ１”および“ｂ２”という子クラスが含まれ、パーソナルオントロジＯＢには“ｂ１”、“ｂ２”および“ｂ３”という子クラスが含まれているので、パーソナルオントロジＯＡ、ＯＢに共通に含まれている子クラスは“ｂ１”およびｂ２”だけとなり、子クラス集合Ｇ１におけるパーソナルオントロジＯＡ、ＯＢの子クラス集合の積集合のメンバ数は２となる。この結果、パーソナルオントロジＯＡ、ＯＢの子クラス集合Ｇ１間における近似度は２／３となる。

同様に、パーソナルオントロジＯＡ、ＯＢの子クラス集合Ｇ２間における近似度は１／２、子クラス集合Ｇ３間における近似度は０／２、子クラス集合Ｇ４間における近似度は２／２となる。この結果、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度Ｓ_Tは２／３＋１／２＋０／２＋２／２となる。
なお、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度の計算でも、雛形オントロジＯＨから割り振られたクラスＩＤを参照し、雛形オントロジＯＨの接続形態に沿ったものがパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。例えば、パーソナルオントロジＯＡ、ＯＢにおけるａ１−ｂ１−ｃ１という接続形態は雛形オントロジＯＨの接続形態と同じであるかどうかは、“ａ１”、“ｂ１”および“ｃ１”というクラスがパーソナルオントロジＯＡ、ＯＢにて保持されているかどうかということを確認するだけで判断することができる。

このため、パーソナルオントロジＯＡ、ＯＢ間のトポロジの一致度を確認するために、パーソナルオントロジＯＡ、ＯＢが持つクラスＩＤを調べるだけでよく、対応クラスを起点として、上下クラスにさらに対応クラスがあるかを調べる必要がなくなり、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度の計算量を減らすことができる。

次に、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度を計算する。ここで、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度を計算する場合、クラスに所属するインスタンス集合を用いることができる。すなわち、あるクラスＣ１において、ソースオントロジのインスタンス集合をｘ、ターゲットオントロジのインスタンス集合をｙ、雛形オントロジＯＨのインスタンス集合をｚとすると、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度は、｜ｘ∩ｙ｜／｜ｚ｜にて求めることができる。そして、共通クラス間の近似度を足し合わせることにより、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度Ｓ_Cを計測することができる。

例えば、パーソナルオントロジＯＡ、ＯＢ間の共通クラス“ｂ２”において、パーソナルオントロジＯＡの共通クラス“ｂ２”におけるインスタンス集合Ｇ６には、インスタンス“ｎ”が存在し、パーソナルオントロジＯＢの共通クラス“ｂ２”におけるインスタンス集合Ｇ６には、インスタンス“ｎ”が存在し、雛形オントロジＯＨの共通クラス“ｂ２”にはインスタンス“ｎ”が存在している。この結果、雛形オントロジＯＨの共通クラス“ｂ２”のインスタンスのメンバ数は１、パーソナルオントロジＯＡ、ＯＢのインスタンス集合Ｇ６の積集合のメンバ数は１となり、“ｂ２”という共通クラス間の近似度は１／１となる。

また、パーソナルオントロジＯＡ、ＯＢ間の共通クラス“ｃ２”において、パーソナルオントロジＯＡの共通クラス“ｃ２”におけるインスタンス集合Ｇ７には、インスタンス“ａ”、“ｃ”、“ｂ”および“ｄ”が存在し、パーソナルオントロジＯＢの共通クラス“ｃ３”におけるインスタンス集合Ｇ７には、インスタンス“ａ”、“ｃ”、“ｅ”および“ｆ”が存在し、雛形オントロジＯＨの共通クラス“ｃ３”にはインスタンス“ａ”、“ｅ”、“ｃ”、“ｆ”、“ｂ”、“ｄ”および“ｇ”が存在している。

この結果、雛形オントロジＯＨの共通クラス“ｃ３”のインスタンスのメンバ数は７、パーソナルオントロジＯＡ、ＯＢのインスタンス集合Ｇ７の積集合のメンバ数は２となり、“ｃ３”という共通クラス間の近似度は２／７となる。
従って、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度Ｓ_Cは１／１＋２／７となる。

なお、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度の計算でも、雛形オントロジＯＨから割り振られたインスタンスＩＤがパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。このため、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度を計算するために、インスタンスの名前の一致性などによるインスタンスの対応関係を予め確認する必要がなくなり、計算量を減らすことができる。
そして、パーソナルオントロジＯＡ、ＯＢにおけるトポロジの近似度Ｓ_Tおよびクラス間の近似度Ｓ_Cが求まると、トポロジとクラスに対する重要度に応じた評価関数ｆ（Ｘ）を用いることにより、以下の式にてパーソナルオントロジＯＡ、ＯＢ間の近似度Ｓ_O（ＡＢ）を与えることができる。
Ｓ_O（ＡＢ）＝Ｓ_T＋ｆ（Ｓ_C）

これにより、雛形オントロジＯＨの持つクラス特性を承継させつつパーソナルオントロジＯＡ、ＯＢを構築することが可能となるとともに、インスタンス集合間の共起度をパーソナルオントロジＯＡ、ＯＢ間の近似度の計測に直接用いることができ、計算量を抑制しつつ、個人の嗜好に適合したパーソナルオントロジＯＡ、ＯＢを適正に抽出することが可能となるとともに、パーソナルオントロジＯＡ、ＯＢが雛形オントロジＯＨの持つドメインの知識を保有しているかの相対的な尺度として利用することができ、そのドメインに対する知識を多く持つユーザを有効的に絞り込むことができる。

また、パーソナルオントロジＯＡ、ＯＢにおけるトポロジの近似度Ｓ_Tを計測する場合、雛形オントロジのクラス集合のメンバ数を基準として、パーソナルオントロジＯＡ、ＯＢ間のトポロジの近似度を計測することにより、パーソナルオントロジＯＡ、ＯＢのクラス集合のメンバ数が増大した場合においても、パーソナルオントロジＯＡ、ＯＢ間のトポロジの近似度が小さくなることを防止することができ、クラスが豊富にあるという意味で知識量の多いパーソナルオントロジＯＡ、ＯＢとの近似度を大きくすることができる。

そして、近似度計測手段５ｄは、以上のような近似度計測アルゴリズムを適用することにより、ユーザＡが保持するパーソナルオントロジと、その他のユーザＵが保持するパーソナルオントロジとの間の近似度Ｓ_O（ＡＵ）を総当りで計測する。そして、意外情報抽出手段５ｅは、ヒューリスティックなしきい値δを設定し、Ｓ_O（ＡＵ）＞δを満たすユーザグループＧ_Uを導出する。そして、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジと、ユーザＡが保持するパーソナルオントロジとの差分のクラスとインスタンスを意外情報として蓄積する。

そして、意外情報提示手段５ｆは、興味オントロジ間の近似度が近いにもかかわらず、ユーザグループＧ_Uには含まれるが、ユーザＡが保持するパーソナルオントロジには含まれないクラスまたはインスタンスの情報をユーザＡに提示することができる。例えば、図２の例では、意外情報抽出手段５ｅは、クラス“ｂ３”やクラス“ｄ２”とインスタンス“ｌ”との組み合わせを、ユーザＡに対する意外情報としてパーソナルオントロジＯＢから抽出することができる。そして、クラス“ｄ２”とインスタンス“ｌ”との組み合わせが、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジに頻出しならば、意外情報提示手段５ｆは、クラス“ｄ２”とインスタンス“ｌ”との組み合わせの情報をユーザＡに提示することができる。

あるいは、ユーザＡが保持するパーソナルオントロジに存在しないクラスのうち、階層構造のずれが大きなクラスの情報を意外情報としてユーザＡに優先的に提示するようにしてもよい。ここで、階層構造のずれが大きなクラスとは、ユーザＡのパーソナルオントロジと比べ、ルート階層において早い段階で分岐にずれが生じている部分をいう。例えば、図２の例では、パーソナルオントロジＯＢのクラス“ｂ３”の方がクラス“ｄ２”よりも、ルート階層において早い段階で分岐にずれが生じている。すなわち、パーソナルオントロジＯＢのクラス“ｂ３”は２階層目で分岐にずれが生じているが、クラス“ｄ２”は４階層目で分岐にずれが生じている。このため、意外情報抽出手段５ｅは、クラス“ｂ３”の情報を、ユーザＡに対する意外情報としてパーソナルオントロジＯＢから抽出することができる。そして、クラス“ｂ３”の組み合わせが、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジに頻出しならば、意外情報提示手段５ｆは、クラス“ｂ３”の情報をユーザＡに提示することができる。

あるいは、ユーザＡが保持するパーソナルオントロジに存在しないクラスのうち、クラス階層が深い部分でずれが生じているクラスの情報を意外情報としてユーザＡに優先的に提示するようにしてもよい。すなわち、ユーザＡが保持するパーソナルオントロジに存在しないクラスのうち、ルート階層において深い段階で分岐にずれが生じているクラスの情報を意外情報としてユーザＡに優先的に提示することができる。

例えば、図２の例では、パーソナルオントロジＯＢのクラス“ｄ２”の方がクラス“ｂ３”よりも、ルート階層において深い段階で分岐にずれが生じている。すなわち、パーソナルオントロジＯＢのクラス“ｂ３”は２階層目で分岐にずれが生じているが、クラス“ｄ２”は４階層目で分岐にずれが生じている。このため、意外情報抽出手段５ｅは、クラス“ｄ２”とインスタンス“ｌ”の情報を、ユーザＡに対する意外情報としてパーソナルオントロジＯＢから抽出することができる。そして、クラス“ｄ２”とインスタンス“ｌ”の組み合わせが、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジに頻出しならば、意外情報提示手段５ｆは、クラス“ｄ２”とインスタンス“ｌ”の情報をユーザＡに提示することができる。

あるいは、ユーザＡが保持するパーソナルオントロジと、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジに共通して出現するクラスの中で、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジには含まれるが、ユーザＡが保持するパーソナルオントロジには含まれないインスタンスの情報をユーザＡに提示するようにしてもよい。例えば、図２の例では、意外情報抽出手段５ｅは、ユーザＡが保持するパーソナルオントロジＯＡと、ユーザＢが保持するパーソナルオントロジＯＢとに共通して出現するクラス“ｃ３”を抽出し、パーソナルオントロジＯＢのクラス“ｃ３”には含まれるが、パーソナルオントロジＯＡのクラス“ｃ３”には含まれないインスタンス“ｅ”を抽出することができる。そして、クラス“ｃ３”およびインスタンス“ｅ”の組み合わせが、ユーザグループＧ_Uに属する各ユーザのパーソナルオントロジに頻出しならば、意外情報提示手段５ｆは、インスタンス“ｅ”の情報をユーザＡに提示することができる。

図３は、本発明の一実施形態に係るパーソナルオントロジの生成方法および同一のクラスまたはインスタンスに興味を持つユーザの数の解析方法を示す図である。
図３において、ｐｉｎｇサーバなどを通じ、ユーザＡ、Ｂ、・・・、Ｘのエントリ集合をそれぞれ収集し、これらの収集した全てのブログエントリに対して形態素解析を行うことにより、インデックスを作成する（ステップＳ１）。なお、ｐｉｎｇサーバとは、ブログの更新情報を収集して提供するサーバをいう。

次に、ｐｉｎｇサーバにて収集された全てのブログエントリを雛形オントロジＯＨに対して分類する（ステップＳ２）。ここで、ブログエントリの分類方法としては、雛形オントロジＯＨのあるクラスＣ_iの名前属性があるエントリ内の記述にあれば、そのエントリをクラスＣ_iに分類することができる。また、雛形オントロジＯＨのあるクラスＣ_iに所属するインスタンスＩ_i（∈Ｃ_i）の名前属性があるエントリ内の記述にあれば、そのエントリをクラスＣ_iに所属するインスタンスＩ_iに分類することができる。なお、同一のエントリが複数のクラスに分類されてもよい。

例えば、“Ｃｈａｒｌａｔａｎｓ”という文字列がエントリ内の記述にある場合、そのエントリは、クラス“Ｍａｄｃｈｅｓｔｅｒ”のインスタンス“Ｃｈａｒｌａｔａｎｓ”に分類することができる。
次に、雛形オントロジＯＨを形成する最下層クラスＣ_lの持つ各インスタンスに興味を持つユーザＡ、Ｂ、・・・、Ｘの数を計測する（ステップＳ３）。なお、クラスＣ_lのインスタンスに興味を持つユーザＡ、Ｂ、・・・、Ｘの数を計測する場合、同一のユーザが複数のエントリにおいてインスタンスＩ_lを記述している場合においても、ユーザ数は１と計測する。

次に、雛形オントロジＯＨを形成する最下層クラスＣ_lに興味を持つユーザＡ、Ｂ、・・・、Ｘの数を計測する。ここで、雛形オントロジＯＨを形成する最下層クラスＣ_lに興味を持つユーザＡ、Ｂ、・・・、Ｘの数は、最下層クラスＣ_lの配下の全てのインスタンスに興味を持つユーザ数と、最下層クラスＣ_l自体に興味を持つユーザ数との総和にて算出することができる。なお、同一のユーザが複数のインスタンスに興味を持っていたり、最下層クラスとその最下層クラスに所属するインスタンスに同時に興味を持っている場合においても、ユーザ数は１と計測する。このようにして、雛形オントロジＯＨを形成するクラスやインスタンスに興味を持つユーザＡ、Ｂ、・・・、Ｘの数をルートクラスまで再帰的に計測することで、そのドメインに興味を持つユーザＡ、Ｂ、・・・、Ｘの分布を算出することができる。
次に、ｐｉｎｇサーバにて収集された全てのブログエントリが雛形オントロジＯＨに対して分類されると、その分類結果をユーザＩＤごとに整理することにより、各ユーザＡ、Ｂ、・・・、Ｘごとの興味オントロジＯＡ、・・・、ＯＸを生成する（ステップＳ４）。

図４は、本発明の一実施形態に係る興味オントロジの近似性を利用したコミュニティ形成方法を示す図である。
図４において、各ユーザＡ、ＢのブログエントリＰＡ、ＰＢを雛形オントロジに対してそれぞれ分類することにより、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢがそれぞれ生成されたものとする（ステップＳ１１）。そして、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢ間の近似度を計測し（ステップＳ１２）、近似度の高い興味オントロジＫＡ、ＫＢ間で共起するクラスやインスタンスを分析することで、トポロジが異なるにも関わらず興味を持つ可能性が高い情報を他のユーザのエントリを介して意外な情報としてユーザに推奨することができる（ステップＳ１３）。

例えば、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢ間の近似度を計測することにより、“Ｍａｄｃｈｅｓｔｅｒ”などのクラスや“Ｈａｐｐｙ Ｍｏｎｄａｙｓ”などのインスタンスに興味を持つユーザは、“Ｇｌａｓｇｏｗ”というクラスやその配下の“Ｔｅｅｎａｇｅ Ｆａｎｃｌｕｂ”というインスタンスにも興味を持つ可能性が高いことが判る。
また、このような興味オントロジＫＡ、ＫＢをプログに適用することで、単純なキーワード検索ではなく、興味オントロジＫＡ、ＫＢ間の近似度に基づく意外なエントリ推薦によるコミュニティの形成を支援することができ、ユーザの興味を自然に広げることができる（ステップＳ１４）。

本発明は、パーソナルオントロジを簡易に作成して自分の興味にマッチングする情報を速やかに入手することができ、情報通信システムが持つ情報源から自分の興味にマッチングする情報を自動的かつ効率的に活用することができる。

本発明の一実施形態に係る興味情報提供装置が適用されるシステムの概略構成を示すブロック図である。 本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法を示す図である。 本発明の一実施形態に係るパーソナルオントロジの生成方法および同一のクラスまたはインスタンスに興味を持つユーザの数の解析方法を示す図である。 本発明の一実施形態に係る興味オントロジの近似性を利用したコミュニティ形成方法を示す図である。

符号の説明

１ 通信網
２〜４ 端末
５ サーバ
５ａ 頻出単語抽出手段
５ｂ 分類子適用手段
５ｃ パーソナルオントロジ抽出手段
５ｄ 近似度計測手段
５ｅ 意外情報抽出手段
５ｆ 意外情報提示手段
６ 雛形オントロジ
７〜９ ブログサイト
７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎ ブログエントリ

Claims (9)

1. オントロジ間の近似度を計測する近似度計測手段と、
   前記近似度が所定値以上のオントロジ間において、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、
   前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする興味情報提供装置。
2. オントロジ間の近似度を計測する近似度計測手段と、
   前記近似度が所定値以上のオントロジ間において、同一のクラスまたはインスタンスに興味を持つユーザの数を解析するユーザ数解析手段と、
   一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスであって、興味を持つユーザの数が所定値以上のクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、
   前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする興味情報提供装置。
3. 各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、
   興味情報が概念階層化された雛形オントロジから前記単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、
   前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するパーソナルオントロジ抽出手段と、
   前記パーソナルオントロジ間の近似度を計測する近似度計測手段と、
   前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、
   前記意外情報抽出手段にて抽出された意外情報を前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに提示する意外情報提示手段とを備えることを特徴とする興味情報提供装置。
4. ブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出する単語抽出手段と、
   興味情報が概念階層化された雛形オントロジを選択する雛形オントロジ選択手段と、
   前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを前記雛形オントロジから抽出する分類子適用手段と、
   前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するパーソナルオントロジ抽出手段と、
   前記パーソナルオントロジ間の近似度を計測する近似度計測手段と、
   前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出する意外情報抽出手段と、
   前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに前記意外情報を提示する意外情報提示手段とを備えることを特徴とする興味情報提供装置。
5. オントロジ間の近似度を計測するステップと、
   前記近似度が所定値以上のオントロジ間において、一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、
   前記抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示するステップとを備えることを特徴とする興味情報提供方法。
6. オントロジ間の近似度を計測するステップと、
   前記近似度が所定値以上のオントロジ間において、同一のクラスまたはインスタンスに興味を持つユーザの数を解析するステップと、
   一方のオントロジには含まれるが他方のオントロジには含まれないクラスまたはインスタンスであって、興味を持つユーザの数が所定値以上のクラスまたはインスタンスを意外情報として抽出するステップと、
   前記抽出された意外情報を前記クラスまたはインスタンスを含まないオントロジを保持するユーザに提示するステップとを備えることを特徴とする興味情報提供方法。
7. 各個人ごとに構築された興味情報に含まれる単語を抽出するステップと、
   興味情報が概念階層化された雛形オントロジから前記単語を含むクラスまたはインスタンスを抽出するステップと、
   前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するステップと、
   前記雛形オントロジから抽出されたパーソナルオントロジ間の近似度を計測するステップと、
   前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、
   前記抽出された意外情報を前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに提示するステップとを備えることを特徴とする興味情報提供方法。
8. ブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、
   興味情報が概念階層化された雛形オントロジを選択するステップと、
   前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを前記雛形オントロジから抽出するステップと、
   前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスをパーソナルオントロジとして前記雛形オントロジから抽出するステップと、
   前記パーソナルオントロジ間の近似度を計測するステップと、
   前記近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出するステップと、
   前記クラスまたはインスタンスを含まないパーソナルオントロジを保持するユーザに前記意外情報を提示するステップとを備えることを特徴とする興味情報提供方法。
9. 請求項５から８のいずれか１項に記載の興味情報提供方法をコンピュータに実行させることを特徴とする興味情報提供プログラム。

Images