JP2008165490A - 情報選別装置、情報選別方法、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】大衆の潜在的な人気情報を人気が顕在化する前に発見することが可能な情報選別装置および情報選別方法を提供する。
【解決手段】情報選別装置１は、ユーザにてコメントがなされた情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤとを関連づけて蓄積する言及履歴蓄積部１２と、情報ごとに、情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報とを関連づけて蓄積する人気実績蓄積部１３と、言及履歴蓄積部１２に蓄積された情報ＩＤおよびユーザＩＤと、人気実績蓄積部１３に蓄積された情報ＩＤおよび実績情報と、に基づいて、将来人気を集める情報を推定する潜在人気情報推定部１６とを含む。
【選択図】図１

Description

本発明は、情報選別装置、情報選別方法、プログラムおよび記録媒体に関し、特には、将来人気になる情報を推定する情報選別装置、情報選別方法、プログラムおよびそのプログラムが記録された記録媒体に関する。

インターネットの普及により、情報は日々発信され続けられており、これらの情報の中で、今後、大衆が何の情報に注目を集めるか、換言すると、これから大衆に人気の出る情報（製品やサービス等に関する情報または情報そのもの）を見極めることは非常に困難である。

従来、これから大衆に人気の出る情報を得るための手法として、２つの手法が知られている。

第１の手法は、当該分野に詳しい専門家の主観に基づいて、大衆に人気の出る情報を予測するという手法である。

第２の手法は、情報へのアクセスがある程度増大してから事後的に大衆に人気の出る情報を予測するという手法である。第２の手法としては、趣味嗜好が類似するユーザの選択行動に基づいて情報を選別する協調フィルタリングという手法が提案されている。この協調フィルタリングという手法では、ユーザの信頼度を算出し、信頼度の高いユーザによる参照結果を表す参照情報を信頼性の高い情報として選別する手法も提案されている。

特許文献１（特開２００４−２０６４４５号公報）には、個別のユーザの嗜好に合致するコンテンツを、コンテンツプロバイダより提供されるコンテンツの中から選び出し、そのコンテンツを個別のユーザに提供する端末が記載されている。
特開２００４−２０６４４５号公報

第１の手法では、専門家の主観予測に基づいて情報が選別されるため、客観性が乏しくなる。また、第１の手法では、最適な専門家が周囲にいない場合があることや、近年扱われる情報の量および分野とも膨大になっていることから、専門家の予測が難しくなっているという課題がある。

第２の手法においては、人気が顕在化する前に情報を取得できない。また、嗜好に合致しているということや信頼性が高いということは、必ずしも将来的に注目を集めることを意味しない。

特許文献１に記載の端末は、個別ユーザの嗜好を調査できるが、大衆の将来の嗜好を得ることはできない。

本発明の目的は、大衆の潜在的な人気情報を人気が顕在化する前に発見することが可能な情報選別装置および情報選別方法を提供することである。

上記目的を達成するために、本発明の情報選別装置は、ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を蓄積する言及履歴蓄積部と、前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報と、を蓄積する人気実績蓄積部と、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する潜在人気情報推定部と、を含む。

また、本発明の情報選別方法は、言及履歴蓄積部と人気実績蓄積部とを含む情報選別装置が行う情報選別方法であって、ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を前記言及履歴蓄積部に蓄積する言及履歴蓄積ステップと、前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報と、を前記人気実績蓄積部に蓄積する人気実績蓄積ステップと、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する潜在人気情報推定ステップと、を含む。

上記発明によれば、将来人気を集める情報が、言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて推定される。このため、大衆の潜在的な人気情報を人気が顕在化する前に発見可能になる。

なお、前記潜在人気情報推定部は、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと前記人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理を用いて、前記情報が将来人気を集める情報になる確率を算出することが望ましい。

上記発明によれば、言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理が用いられることによって、情報が将来人気を集める確率が算出される。このため、大衆の潜在的な人気情報を人気が顕在化する前に高い確率で発見可能になる。

また、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、前記コメントを出した情報が前記人気を集める情報になる確率の高いユーザを推定する人気情報高感度ユーザ推定部を、さらに含むことが望ましい。

上記発明によれば、コメントを出した情報が人気を集める情報になる確率の高いユーザが、言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて推定される。このため、潜在的な人気情報を人気が顕在化する前に発見する能力に優れたユーザ、すなわち、人気情報を予測する能力に優れたユーザを選別可能になる。

また、前記人気情報高感度ユーザ推定部は、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと前記人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理を用いて、前記ユーザごとに、前記コメントを出した情報が前記人気を集める情報になる確率を算出することが望ましい。

上記発明によれば、言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理が用いられることによって、人気情報を予測する能力に優れたユーザを高い確率で推定可能になる。

また、複数の情報を蓄積し、かつ、自装置と接続された端末に前記情報を提供する情報提供部と、前記端末から、前記情報に対するコメントと、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を受け付けた場合に、当該コメントと当該情報ＩＤと当該ユーザＩＤとを関連づけて前記言及履歴蓄積部に蓄積する言及蓄積制御部と、をさらに含むことが望ましい。

上記発明によれば、端末からのコメントと情報ＩＤとユーザＩＤを言及履歴蓄積部に自動的に蓄積可能になる。

また、前記言及履歴蓄積部に蓄積されたコメントの数を前記情報ＩＤごとに集計し、前記情報ＩＤごとのコメントの数に基づいて、前記情報ＩＤごとに前記実績情報を生成し、前記情報ＩＤごとに当該実績情報を前記人気実績蓄積部に蓄積する人気実績蓄積制御部を、さらに含むことが望ましい。

上記発明によれば、言及履歴蓄積部を参照して、情報ＩＤごとに実績情報を人気実績蓄積部に自動的に蓄積可能になる。

また、前記情報ごとに前記情報ＩＤと前記実績情報とを受け付けた場合に、前記情報ごとに前記情報ＩＤと前記実績情報とを前記人気実績蓄積部に蓄積する入力部を、さらに含むことが望ましい。

上記発明によれば、例えば、人気情報を予測する能力に優れたユーザから、情報ごとに情報ＩＤと実績情報とを受け付けることが可能になり、実績情報の精度を高めることが可能になる。このことで、推定をより高い精度で行うことが可能になる。

また、前記情報提供部は、前記端末が前記情報へアクセスした際に、当該情報を当該端末に提供し、前記情報提供部の各情報へのアクセス状況に基づいて、前記情報ごとに前記実績情報を生成し、前記情報ごとに、当該情報の情報ＩＤと前記実績情報とを、前記人気実績蓄積部に蓄積するアクセス履歴蓄積部を、さらに含むことが望ましい。

上記発明によれば、コメントを出さないユーザの情報への注目度を把握することができ、実績情報の精度を高めることが可能になる。このことで、推定をより高い精度で行うことが可能になる。

また、前記情報提供部は、ユーザによって設定された、前記蓄積されている情報の関連構造を、当該ユーザのユーザＩＤと関連づけて蓄積し、前記情報提供部に蓄積された情報の関連構造を、当該情報のコメントとみなし、当該関連が設定された情報の情報ＩＤと、当該情報の関連構造と関連づけられたユーザＩＤと、を関連づけて、前記言及履歴蓄積部に蓄積する言及蓄積制御部を、さらに含むことが望ましい。

上記発明によれば、より多くのコメントを取得することが可能になる。このことで、推定をより高い精度で行うことが可能になり、より多くの潜在人気情報を選別することが可能になる。

本発明のプログラムは、コンピュータに、ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤとを関連づけて蓄積する手順と、前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報とを関連づけて蓄積する手順と、前記関連づけて蓄積された情報ＩＤおよびユーザＩＤと、前記関連づけて蓄積された情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する手順と、を実行させる。

本発明の記録媒体は、プログラムが記録された、コンピュータにて読み取り可能な記録媒体である。

上記発明によれば、コンピュータに上記情報選別方法を実行させることが可能になる。

本発明によれば、大衆の潜在的な人気情報を人気が顕在化する前に発見することが可能になる。

以下、本発明の実施例を図面を参照して説明する。

図１は、本発明の一実施例の情報選別装置を示したブロック図である。

図１において、情報選別装置１は、インターネット等の通信回線を介して端末２および端末３と接続される。情報選別装置１は、サーバとして機能し、端末２および端末３は、クライアントとして機能する。

情報選別装置１は、情報提供部１１と、言及履歴蓄積部１２と、人気実績蓄積部１３と、言及蓄積制御部１４と、人気実績蓄積制御部１５と、潜在人気情報推定部１６と、人気情報高感度ユーザ推定部１７と、を含む。

なお、情報選別装置１は、例えば、コンピュータと、コンピュータにて読み取り可能な記録媒体の一例であるメモリと、を含み、コンピュータがメモリに記録されているプログラムを読み取り実行することによって、情報提供部１１と、言及履歴蓄積部１２と、人気実績蓄積部１３と、言及蓄積制御部１４と、人気実績蓄積制御部１５と、潜在人気情報推定部１６と、人気情報高感度ユーザ推定部１７と、を実現してもよい。

情報提供部１１は、被言及（コメント）対象である複数の情報（製品やサービス等に関する情報または情報そのもの）を蓄積し、かつ、端末２にその情報を提供する。

情報提供部１１は、一意に定まる情報の位置（例えば、ＵＲＬ）や情報のＩＤ（以下、それらをまとめて「情報ＩＤ」と称する。）が端末２によって指定されると、その情報ＩＤにて指定された情報を端末２に提供する。情報提供部１１は、インターネット上のＷＷＷサービスを利用して情報提供を行ってもよいし、情報提供部１１が独自に情報を提供してもよい。

例えば、情報提供部１１は、複数の情報をその情報ＩＤと関連づけて蓄積する情報蓄積部１１ａと、端末２が情報ＩＤを用いて情報へアクセスした際に、その情報を端末２に提供する提供部１１ｂと、を含む。

図２は、情報蓄積部１１ａに蓄積されるデータの一例を示した説明図である。

図２において、情報蓄積部１１ａでは、各情報１１ａ１は、その情報ＩＤ１１ａ２と関連づけられて蓄積される。

端末２は、例えば、ＰＣ（パーソナルコンピュータ）であり、情報言及ユーザ２Ａによって使用され、情報ＩＤを用いて、情報提供部１１内の情報にアクセスして、その情報を受け付ける。

端末２は、情報に対する情報言及ユーザ２Ａの言及内容（コメント）と、情報言及ユーザ２Ａを識別するためのユーザＩＤと、その情報の情報ＩＤ（例えば、位置）と、言及時刻との組み合わせを、情報言及ユーザ２Ａから受け付け、その組み合わせを、情報選別装置１に提供する。なお、端末２が時計を有していく場合、端末２が言及時刻を設定してもよい。

言及履歴蓄積部１２は、図３に示すように、情報言及ユーザ２Ａにて言及がなされた情報ごとに、その情報ＩＤ１２ａと、情報言及ユーザ２ＡのユーザＩＤ１２ｂと、言及内容１２ｃと、言及時刻１２ｄとを関連づけて蓄積する。なお、図３は、言及履歴蓄積部１２に蓄積されるデータの一例を示した説明図である。

人気実績蓄積部１３は、図４に示すように、情報言及ユーザ２Ａにて言及がなされた情報ごとに、その情報ＩＤ１３ａと、その情報が人気を集めたか否かを表す実績情報１３ｂとを関連づけて蓄積する。なお、図４は、人気実績蓄積部１３に蓄積されるデータの一例を示した説明図である。

言及蓄積制御部１４は、端末２から、言及内容と情報ＩＤとユーザＩＤと言及時刻との組み合わせを受け付けた場合に、言及内容と情報ＩＤとユーザＩＤと言及時刻を関連づけて言及履歴蓄積部１２に蓄積する。

人気実績蓄積制御部１５は、言及履歴蓄積部１２に蓄積された言及内容の数を情報ＩＤごとに集計し、情報ＩＤごとの言及内容数に基づいて、情報ＩＤごとに実績情報を生成し、情報ＩＤごとに実績情報を人気実績蓄積部１３に蓄積する。

潜在人気情報推定部１６は、言及履歴蓄積部１２に蓄積された情報ＩＤおよびユーザＩＤと、人気実績蓄積部１３に蓄積された情報ＩＤおよび実績情報と、に基づいて、将来人気を集める情報（潜在人気情報）、例えば、現在は人気を集めいていない潜在人気情報を推定する。

具体的には、潜在人気情報推定部１６は、言及履歴蓄積部１２および人気実績蓄積部１３を参照して、まだ人気が出ていない情報について、将来的に人気を集める確率を算出する。潜在人気情報推定部１６は、その確率の高低を元に、将来的に人気の出る情報を推定し、その推定された情報の情報ＩＤ（例えば、ＵＲＬ等の位置）を端末３に出力する。

人気情報高感度ユーザ推定部１７は、言及履歴蓄積部１２に蓄積された情報ＩＤおよびユーザＩＤと、人気実績蓄積部１３に蓄積された情報ＩＤおよび実績情報と、に基づいて、言及内容を出した情報が人気を集めた情報になる確率の高いユーザを推定する。

具体的には、人気情報高感度ユーザ推定部１７は、ユーザが早い段階で言及していた情報が人気情報になったケースの多少を、言及履歴蓄積部１２内の情報ＩＤおよびユーザＩＤと、人気実績蓄積部１３内の情報ＩＤおよび実績情報とから算出し、その算出値（スコア）の高いユーザが人気情報高感度ユーザであるとして、そのユーザＩＤを端末３に出力する。

なお、端末２が行う言及内容取得方法の例としては、情報言及ユーザ２Ａの直接的な入力から言及内容を得る方法や、情報言及ユーザ２Ａが被言及対象について記述した記述情報から言及内容を抜き出し加工する等の方法がある。

次に、動作を説明する。

情報言及ユーザ２Ａは、端末２を操作し、情報ＩＤを用いて、情報提供部１１内の情報にアクセスする。

情報提供部１１は、端末２が情報ＩＤを用いて情報へアクセスした際に、その情報を端末２に提供する
端末２は、情報に対する情報言及ユーザ２Ａの言及内容と、情報言及ユーザ２ＡのユーザＩＤと、その情報の情報ＩＤと、言及時刻との組み合わせを、情報言及ユーザ２Ａから受け付け、その組み合わせを情報選別装置１に提供する。

情報選別装置１の言及蓄積制御部１４は、端末２から、その組み合わせを受け付けると、その組み合わせに含まれる言及内容と情報ＩＤとユーザＩＤと言及時刻を関連づけて言及履歴蓄積部１２に蓄積する（図３参照）。

人気実績蓄積制御部１５は、所定期間内に言及履歴蓄積部１２に蓄積された言及内容の数を情報ＩＤごとに集計する。

人気実績蓄積制御部１５は、言及内容数が所定値以上の情報ＩＤについては、その情報ＩＤにて識別される情報が人気を集めた旨の実績情報を生成し、言及内容数が前記所定値未満の情報ＩＤについては、その情報ＩＤにて識別される情報が人気を集めていない旨の実績情報を生成し、その後、情報ＩＤごとに実績情報を人気実績蓄積部１３に蓄積する（図４参照）。

潜在人気情報推定部１６は、言及履歴蓄積部１２および人気実績蓄積部１３を参照して、ベイズの定理を用いて、ある情報について言及状況Ｄが存在する元で、情報が将来人気を集める情報になる確率P(X|D)を算出する
潜在人気情報推定部１６は、算出された確率P(X|D)の高いものを潜在人気情報として提供する。

図５は、P(X|D)を求めるための式を示した説明図である。

図５に示した式において、各パラメータは、下記のように定める。

P(X)：任意の情報が人気情報となる確率。本実施例では「人気情報の数/情報の全数」を用いる。

P(notX)：任意の情報が人気情報でない確率。常にP(notX)=1-P(X)である。

P(Dk|X)：人気情報に対してユーザkによる言及状況Dkが発生する確率。本実施例では、「ユーザkが言及した人気情報の数/人気情報の全数」を用いる。

P(Dk|notX):人気情報でないものに対してユーザkによる言及状況Dkが発生する確率。本実施例では、「ユーザkが言及した人気情報でないものの数/人気情報でないものの全数」を用いる。

なお、上記パラメータ説明上での言及状況Dkとは「ユーザkが早期言及する」と定義される。

本実施例においては、早期言及するとは、同一の情報について先着m番目までに言及することと定義する。

これに、情報の発生時刻（言及時刻）や、他のユーザから最初に言及された時刻からの経過時間などの制約が加えられてもよい。

mは母集団の大きさに基づいて定めることが可能である。例えば、人気情報としてみなされる被言及数閾値をSとおいて、その先着N%以内（すなわちm=0.01*NS)の言及を早期言及とみなすことができる。

被言及数閾値Sは、言及可能性を持つ言及提供者の母集団の大きさによって定めることが可能である。例えば、その母集団における情報1つあたりの被言及数の分布を元に上位U%までを人気情報とすると定めれば、その条件を満たす被言及数の最小値をSと定めることができる。

Nについてはロジャーズの採用者分布曲線を参考に、アーリーアダプターまでをカバーする16%と設定する等の方法がとれるが、他の値を設定することもできる。

上記定義をもとに、潜在人気情報推定部１６は、ユーザ1..nが言及D1..Dnを行っている状況Dにおいて、式１を用いて、P(X|D)すなわちP(X|D1, D2 .. Dn)の値を求める。

潜在人気情報推定部１６は、この値が大きいものを潜在人気情報であるとして提供する。

人気情報高感度ユーザ推定部１７は、ベイズの定理を用いて、ある情報についてユーザkが早期言及Dkを行った場合に、その情報が実際に人気情報となる確率P(X|Dk)をもとにして行う。

人気情報高感度ユーザ推定部１７は、これをユーザごとに算出し、値の高いユーザを人気情報に対する高感度ユーザであると推定する。

図６は、人気情報高感度ユーザ推定部１７が算出に用いる式を示した説明図である。なお、図６に示した式において、各パラメータの定義は先に示したものと等しい。

本実施例によれば、以下の効果を奏する。

第１の効果は、潜在人気情報を人気が顕在化する前に発見することができることである。その理由は、事前の言及実績と人気実績をもとに、情報が潜在人気情報になる確率を計算できるためである。

第２の効果は、潜在人気情報を早期に取得することに優れたユーザを発見できることである。その理由は、事前の言及実績と人気実績をもとに、ユーザが潜在人気情報を早期に取得することに優れたユーザである確率を計算できるためである。

また、本実施例では、情報選別装置１は言及蓄積制御部１４を備えているため、端末２からの言及内容と情報ＩＤとユーザＩＤを言及履歴蓄積部１２に自動的に蓄積することが可能になる。

また、本実施例では、情報選別装置１は人気実績蓄積制御部１５を備えているため、情報ＩＤごとに実績情報を人気実績蓄積部１３に自動的に蓄積することが可能になる。

（本発明の他の実施例）
本発明は、推定の上での言及実績の取得および実績情報の取得に関してさまざまな実施形態をとりうる。

まず、本発明の他の実施例について図７を参照して説明する。

図７を参照すると、本実施例は、図１に示された実施例における人気実績蓄積部１３への入力が、人気実績蓄積制御部１５からではなく、入力部１８からとなっている点が異なる。なお、図７において、図１に示したものと同一のものには同一符号を付してある。

入力部１８は、例えば、キーボード等を有し、情報ごとに情報ＩＤと実績情報とを受け付けた場合に、情報ごとに情報ＩＤと実績情報とを人気実績蓄積部１３に蓄積する。

図１においては、推定の元になる実績情報を、言及数の多少で判定し蓄積していたが、本実施例では、人気情報高感度ユーザ推定部１７にて推定された人気評価ユーザが、入力部１８を用いて、実績情報を直接入力可能となり、この場合、実績情報の精度を高めることが可能になる。このことで、推定をより高い精度で行うことが可能になる。

次に、本発明のさらに他の実施例について図８を参照して詳細に説明する。

図８を参照すると、本実施例は、図１に示された実施例に加え、アクセス履歴蓄積部１９を備え、人気実績蓄積部１３への入力が人気実績蓄積制御部１５からではなく、アクセス履歴蓄積部１９によるところが異なる。なお、図８において、図１に示したものと同一のものには同一符号を付してある。

アクセス履歴蓄積部１９は、情報提供部１１の各情報へのアクセス状況に基づいて、情報ごとに実績情報を生成し、情報ごとに、その情報の情報ＩＤとその実績情報とを、人気実績蓄積部１３に蓄積する。

図１においては、推定の元になる実績情報を言及数の多少で判定し蓄積していたが、本実施例では、情報へのアクセス状況を元に実績情報が生成され蓄積される。このことで、言及ユーザ以外の情報への注目度を把握することができ、実績情報の精度を高められる可能性がある。このことで、推定をより高い精度で行うことが可能になる。

次に本発明のさらに他の実施例について図９を参照して詳細に説明する。

図９を参照すると、本実施例は、図１に示された実施例と異なり、言及取得のために言及蓄積制御部２０を備える。図９において、図１に示したものと同一のものには同一符号を付してある。

なお、情報提供部１１の情報蓄積部１１ａは、ユーザによって設定された、蓄積されている情報の関連構造を、そのユーザのユーザＩＤと関連づけて蓄積している。

言及蓄積制御部２０は、情報提供部１１に蓄積された情報の関連構造を、その情報の言及内容とみなし、その関連が設定された情報の情報ＩＤと、その情報の関連構造と関連づけられたユーザＩＤと、を関連づけて、言及履歴蓄積部１２に蓄積する。

図１においては、言及内容をユーザの使用するクライアント端末２からの入力によって取得していたが、本実施例においては、言及蓄積制御部２０が、情報提供部１１で保持されている情報間の関連構造、具体的にはＷＷＷページ間のリンクや、blogエントリのトラックバックを収集することで言及を取得することを可能にしている。

本実施例においては、ユーザの直接的な言及内容の入力は不要であり、ユーザの識別が可能でさえあればよいため、この形態をとることができる。この実施例によれば、より多くの言及を取得することが可能になる。このことで、推定をより高い精度で行うことが可能になり、より多くの潜在人気情報を提供することが可能になる。

以上説明した各実施例において、図示した構成は単なる一例であって、本発明はその構成に限定されるものではない。

（発明の利用が考えられる分野）
本発明は、情報推薦機能を持つソーシャルブックマーク（多数のユーザの協調による情報フィルタ）といった用途に適用できる。また、ユーザからの評価実績を言及とみなすことにより、人気情報の早期捕捉ツール、マーケティングツールとしても適用できる。また、ＷＷＷページのリンク状況を言及とみなすことにより人気ページの早期捕捉ツールとして適用できる。また、図１における情報提供部１１を企業内の情報提供サービス部とすれば、企業内の注目情報の早期発見ツールとして用いることが可能である。

本発明の一実施例の情報選別装置を示したブロック図である。 情報蓄積部１１ａに蓄積されるデータの一例を示した説明図である。 言及履歴蓄積部１２に蓄積されるデータの一例を示した説明図である。 人気実績蓄積部１３に蓄積されるデータの一例を示した説明図である。 潜在人気情報推定部１６が用いる式を示した説明図である。 人気情報高感度ユーザ推定部１７が用いる式を示した説明図である。 本発明の他の実施例の情報選別装置を示したブロック図である。 本発明の他の実施例の情報選別装置を示したブロック図である。 本発明の他の実施例の情報選別装置を示したブロック図である。

符号の説明

１ 情報選別装置
１１ 情報提供部
１１ａ 情報蓄積部
１１ｂ 提供部１１ｂ
１２ 言及履歴蓄積部
１３ 人気実績蓄積部
１４ 言及蓄積制御部
１５ 人気実績蓄積制御部
１６ 潜在人気情報推定部
１７ 人気情報高感度ユーザ推定部
１８ 入力部
１９ アクセス履歴蓄積部
２０ 蓄積制御部

Claims (12)

1. ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を蓄積する言及履歴蓄積部と、
   前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報と、を蓄積する人気実績蓄積部と、
   前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する潜在人気情報推定部と、を含む情報選別装置。
2. 請求項１に記載の情報選別装置において、
   前記潜在人気情報推定部は、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと前記人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理を用いて、前記情報が将来人気を集める情報になる確率を算出する、情報選別装置。
3. 請求項１または２に記載の情報選別装置において、
   前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、前記コメントを出した情報が前記人気を集める情報になる確率の高いユーザを推定する人気情報高感度ユーザ推定部を、さらに含む情報選別装置。
4. 請求項３に記載の情報選別装置において、
   前記人気情報高感度ユーザ推定部は、前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと前記人気実績蓄積部内の情報ＩＤおよび実績情報とに基づいてベイズの定理を用いて、前記ユーザごとに、前記コメントを出した情報が前記人気を集める情報になる確率を算出する、情報選別装置。
5. 請求項１ないし４のいずれか１項に記載の情報選別装置において、
   複数の情報を蓄積し、かつ、自装置と接続された端末に前記情報を提供する情報提供部と、
   前記端末から、前記情報に対するコメントと、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を受け付けた場合に、当該コメントと当該情報ＩＤと当該ユーザＩＤとを関連づけて前記言及履歴蓄積部に蓄積する言及蓄積制御部と、をさらに含む情報選別装置。
6. 請求項５に記載の情報選別装置において、
   前記言及履歴蓄積部に蓄積されたコメントの数を前記情報ＩＤごとに集計し、前記情報ＩＤごとのコメントの数に基づいて、前記情報ＩＤごとに前記実績情報を生成し、前記情報ＩＤごとに当該実績情報を前記人気実績蓄積部に蓄積する人気実績蓄積制御部を、さらに含む情報選別装置。
7. 請求項１ないし５のいずれか１項に記載の情報選別装置において、
   前記情報ごとに前記情報ＩＤと前記実績情報とを受け付けた場合に、前記情報ごとに前記情報ＩＤと前記実績情報とを前記人気実績蓄積部に蓄積する入力部を、さらに含む情報選別装置。
8. 請求項５に記載の情報選別装置において、
   前記情報提供部は、前記端末が前記情報へアクセスした際に、当該情報を当該端末に提供し、
   前記情報提供部の各情報へのアクセス状況に基づいて、前記情報ごとに前記実績情報を生成し、前記情報ごとに、当該情報の情報ＩＤと前記実績情報とを、前記人気実績蓄積部に蓄積するアクセス履歴蓄積部を、さらに含む情報選別装置。
9. 請求項５に記載の情報選別装置において、
   前記情報提供部は、ユーザによって設定された、前記蓄積されている情報の関連構造を、当該ユーザのユーザＩＤと関連づけて蓄積し、
   前記情報提供部に蓄積された情報の関連構造を、当該情報のコメントとみなし、当該関連が設定された情報の情報ＩＤと、当該情報の関連構造と関連づけられたユーザＩＤと、を関連づけて、前記言及履歴蓄積部に蓄積する言及蓄積制御部を、さらに含む情報選別装置。
10. 言及履歴蓄積部と人気実績蓄積部とを含む情報選別装置が行う情報選別方法であって、
    ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤと、を前記言及履歴蓄積部に蓄積する言及履歴蓄積ステップと、
    前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報と、を前記人気実績蓄積部に蓄積する人気実績蓄積ステップと、
    前記言及履歴蓄積部内の情報ＩＤおよびユーザＩＤと、前記人気実績蓄積部内の情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する潜在人気情報推定ステップと、を含む情報選別方法。
11. コンピュータに、
    ユーザがコメントを出した情報ごとに、当該情報の情報ＩＤと、当該情報にコメントを出したユーザのユーザＩＤとを関連づけて蓄積する手順と、
    前記情報ごとに、前記情報ＩＤと、当該情報が人気を集めたか否かを表す実績情報とを関連づけて蓄積する手順と、
    前記関連づけて蓄積された情報ＩＤおよびユーザＩＤと、前記関連づけて蓄積された情報ＩＤおよび実績情報と、に基づいて、将来人気を集める前記情報を推定する手順と、を実行させるプログラム。
12. 請求項１１に記載のプログラムが記録された、コンピュータにて読み取り可能な記録媒体。

Images