JP2009187395A - トピック分析装置、方法及びプログラム - Google Patents

Abstract

【課題】ブログやＷＥＢニュースなどの時間の経過とともに蓄積される大規模テキストストリームからの話題抽出（トピック分析）を行い、過去や新規トピックとの対応関係、トピックの進化過程を抽出すること。
【解決手段】トピック分析装置８０は、トピック統合部８３、近似情報生成部８４及び全期間トピック学習部８６を備える。トピック統合部８３は、第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとする。近似情報生成部８４は、統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする。全期間トピック学習部８６は、前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする。
【選択図】図１

Description

本発明はトピック分析装置、方法及びプログラムに関し、特に、大規模テキストストリームを含むデータに含まれるトピックを分析するトピック分析装置、方法及びプログラムに関する。

特許文献１〜３において、大規模テキストストリームにおけるトピックを分析するトピック分析装置が記載されている。大規模テキストストリームとは、時間の経過とともに蓄積されていく大量のテキストデータをいい、ブログやＳＮＳ(Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ)、ＷＥＢニュース等のインターネット上に存在するテキストデータを含む。

特許文献１のトピック分析装置は、時間的に追加されていくテキストデータに対して、なるべく少ない記憶容量と処理時間で、随時、リアルタイムに主要トピックの個数および生成と消滅を同定し、また主要トピックの特徴を抽出し、それによって単一トピックの内容が変化した場合にも、それを知ることが出来るようにした装置である。

また、特許文献２のマクロ情報生成装置は、データが分散環境にあることを想定し、各分散環境のトピック結果の情報を一箇所に集め、なるべく少ない処理容量で全分散環境に跨るトピック分析を実行する。なお、マクロ情報生成装置は、時系列のデータを扱う際には、各分散環境に時間情報で区切ってデータを配置して、全期間のトピック分析を行う。

さらに、特許文献３の固有情報抽出装置は、テキストストリームに含まれる、文書作成日等から時間情報を抽出するとともに、固有表現から特徴情報を抽出し、グラフ化した時系列データをユーザに提供する。

また、特許文献４において、コミュニケーション参加者に対し、現在進行中のコミュニケーションの話題と同一、類似の話題によってなされた過去のコミュニケーションログを知識資料として提供しうるネットワークコミュニケーションシステムが記載されている。

さらに、特許文献５において、時間情報を有する文書を所定の時間間隔で分類し、分類カテゴリ別に時系列に並べ、時間的な話題の変遷を抽出し視覚化する方法と装置が記載されている。

特開２００５−３５２６１３号公報 特開２００７−０７３０２４号公報 特開２００４−０８６５３４号公報 特開２００５−０８４８５８号公報 特開平１０−１５４１５０号公報

以下の分析は、本発明者によってなされたものである。特許文献１のトピック分析装置は、過去のトピックを初期状態として、新規に追加されたデータについて逐次的に学習（例えば、オンライン学習）するように構成され、過去のデータも含めた再学習を行うことはない。かかるトピック分析装置においては、時間の経過とともに過去のトピックが結合又は分裂し、過去のデータが新規トピックとして同定されることがない。また、現在のトピックと過去の限定された期間におけるトピックとの対応関係を求めることができない。さらに、入力されたテキストの全てを分析対象とし、トピックの形成に悪影響を及ぼしうる他と全く類似していないノイズデータも分析対象とするため、トピックの抽出精度が低くなるおそれがある。

特許文献２のマクロ情報生成装置は、時間の経過とともにテキストが追加される状況を想定していないため、古いトピックであっても、新規トピックと同等の条件で分析がなされる。

特許文献３の固有情報抽出装置は、固有情報となる単語を抽出するにすぎないため、テキストストリーム内に出現する多くの話題（トピック）を抽出することは難しい。

上記の特許文献１の従来技術においては、抽出されるトピックの精度が低いおそれがある。特許文献１のトピック分析装置は、新規追加テキスト分だけを学習していくため、少ない処理容量でトピック分析できるものの、過去テキストデータを含めた学習を行っていない。したがって、かかる装置においては、過去のトピック同士が分裂又は結合することがなく、新規に抽出されたトピックは過去のデータを踏まえたものではないからである。また、ノイズデータも含む全てのデータを分析対象とした場合にも、抽出されるトピックの精度が悪くなる。

また、上記の従来技術においては、現在のトピックと過去の各期間のトピックとの対応関係をはじめとする現在トピックの進化（遷移）過程を出力することができない。従来技術においては、テキストストリームに基づいて各期間のトピックと現在トピックとを抽出し、それらの対応関係を求めるような方式は存在しないからである。

さらに、上記の特許文献３の従来技術においては、テキストストリームに対して、類似のトピックにまとめ上げたうえで出力を行うことができない。固有名詞などの単語レベルの情報のみに基づいてテキストストリーム全体の解釈を行うことは難しいからである。

また、上記特許文献４及び５の従来技術においては、大量のテキストデータからトピックを抽出する際における処理負荷及び記憶容量を抑えることができない。

そこで、時間の経過とともに蓄積される大量のテキストデータから、処理負荷及び記憶容量を抑えつつ、高精度にトピックを抽出するトピック分析装置、方法及びプログラムを提供することが課題となる。また、抽出されたトピックの進化過程を出力するトピック分析装置、方法及びプログラムを提供することが課題となる。さらに、単語レベルにおける抽出を行うのみならず、類似のトピックをまとめて出力するトピック分析装置、方法及びプログラムを提供することが課題となる。

本発明の第１の視点に係るトピック分析装置は、
第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするように構成されたトピック統合部と、
統合された時刻に応じて前記統合トピックの一部を除外して近似情報とするように構成された近似情報生成部と、
前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとするように構成された全期間トピック学習部と、を備えることを特徴とする。

第１の展開形態のトピック分析装置は、
前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するように構成されたトピック対応関係抽出部を備えることが好ましい。

第２の展開形態のトピック分析装置は、
前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出部を備えることが好ましい。

第３の展開形態のトピック分析装置は、
前記第１及び第２のトピック並びに統合トピックが、それぞれ有限混合モデルによって表されることが好ましい。

第４の展開形態のトピック分析装置は、
前記トピック統合部が、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出するように構成されることが好ましい。

第５の展開形態のトピック分析システムは、
上記のトピック分析装置を有するサーバと、
１又は２以上のクライアント端末と、を備えるトピック分析システムであって、
前記トピック分析装置は、前記クライアント端末から前記データを逐次入力するように構成されることが好ましい。

本発明の第２の視点に係るトピック分析方法は、
コンピュータによって、逐次入力されたテキストデータにおけるトピックを分析するトピック分析方法であって、
第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするトピック統合工程と、
統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする近似情報生成工程と、
前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする全期間トピック学習工程と、を含むことを特徴とする。

第６の展開形態のトピック分析方法は、
前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するトピック対応関係抽出工程を含むことが好ましい。

第７の展開形態のトピック分析方法は、
前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出工程を備えることが好ましい。

第８の展開形態のトピック分析方法は、
前記第１及び第２のトピック並びに統合トピックが、それぞれ有限混合モデルによって表されることが好ましい。

第９の展開形態のトピック分析方法は、
前記トピック統合工程において、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出することが好ましい。

本発明の第３の視点に係るトピック分析プログラムは、
第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするトピック統合処理と、
統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする近似情報生成処理と、
前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする全期間トピック学習処理と、をコンピュータに実行させることを特徴とする。

第１０の展開形態のトピック分析プログラムは、
前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するトピック対応関係抽出処理をコンピュータに実行させることが好ましい。

第１１の展開形態のトピック分析プログラムは、
前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出処理をコンピュータに実行させることが好ましい。

第１２の展開形態のトピック分析プログラムは、
前記第１及び第２のトピック並びに統合トピックが、それぞれ有限混合モデルによって表されることが好ましい。

第１３の展開形態のトピック分析プログラムは、
前記トピック統合処理において、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出することが好ましい。

本発明によって、時間の経過とともに蓄積される大量のテキストデータから、処理負荷及び記憶容量を抑えつつ、高精度にトピックを抽出することできる。本発明において、蓄積されるすべてのデータからトピックを抽出するのではなく、最新の期間（第２の期間）におけるトピックとそれ以前の所定の期間（第１の期間）におけるトピックに基づいて、例えば、新しい情報ほど重視するようにして適度な量の近似情報を生成し、その近似情報に基づいて全期間のトピックを学習する。これにより、小さい処理負荷と少ない記憶容量に基づいてトピック分析を行うことができる。また、本発明において、過去のデータも含めたトピック分析が行われるため、新規に追加されたデータのみを逐次的に分析していく手法と比較して、抽出されるトピックの精度も向上する。

また、本発明によって、トピックの進化過程を出力することができる。本発明において、出力された全期間のトピックが、過去においていずれのトピックに影響を受けてきたのかを示す対応関係を抽出することができるからである。

次に、本発明の実施形態に係るトピック分析装置について図面を参照して詳細に説明する。図１は本実施形態に係るトピック分析装置の構成を示すブロック図である。本実施形態に係るトピック分析装置８０は、トピック統合部８３、近似情報生成部８４、全期間トピック学習部８６を備える。

トピック統合部８３は、第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピック（過去トピック）と第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピック（新規トピック）とを統合して統合トピックとする。入力されるデータは、一例として、テキストデータであってもよい。

近似情報生成部８４は、統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする。近似情報生成部８４は、一例として、時刻の古いものほど優先的に除外してもよい。

全期間トピック学習部８６は、前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする。

また、本発明の他の実施形態として、上記トピック分析装置８０を有するサーバと、１又は２以上のクライアント端末と、を備えるトピック分析システムであって、サーバに設けたトピック分析装置は、クライアント端末からデータを逐次入力するように構成されたものであってもよい。

次に、本発明の第１の実施例に係るトピック分析装置について図面を参照して詳細に説明する。図２は本実施例に係るトピック分析装置の構成を示すブロック図である。図２を参照すると、トピック分析装置７０は、過去データ処理装置１０、新規データ処理装置２０、全期間データ処理装置３０、出力装置４０、過去データ入力装置５０及び新規データ入力装置６０を備える。

過去データ入力装置５０は、ブログやＳＮＳ等において時間の経過とともに蓄積されるテキストデータを入力する。過去データ入力装置５０は、例えば、データを操作・入力するキーボード、ＷＥＢに掲載された記事をダウンロードするアプリケーション又はサーバに蓄積されたシステムログを転送するアプリケーション等によって、過去データ処理装置１０において分析対象とされるデータを入力する。新規データ入力装置６０も、同様にして、新規データ処理装置２０において分析対象とされるデータを入力する。

過去データ処理装置１０及び新規データ処理装置２０は、入力されたテキストデータに対して、プログラム制御に基づく処理を施す。過去データ処理装置１０はデータ記憶部１１、トピック学習部１２及び時刻情報抽出部１３を備え、新規データ処理装置２０はデータ記憶部２１、トピック学習部２２及び時刻情報抽出部２３を備える。データ記憶部１１、２１は、それぞれ過去データ入力装置５０及び新規データ入力装置６０から入力されたデータを記憶する。トピック学習部１２、２２は、トピックの学習を行う。時刻情報抽出部１３、２３は、抽出されたトピックの時刻情報を抽出する。

全期間データ処理装置３０は、トピック時刻情報記憶部３１、トピック記憶部３２、トピック統合部３３、近似情報生成部３４、近似情報記憶部３５、全期間トピック学習部３６及びトピック対応関係抽出部３７を備える。全期間データ処理装置３０は、過去データ処理装置１０及び新規データ処理装置２０に蓄積されたデータについて、プログラム制御に基づく処理を施す。

トピック記憶部３２は、過去データ処理装置１０及び新規データ処理装置２０からインターネット等のネットワークを介して送信されたトピックを記憶する。トピック時刻情報記憶部３１は、同様に、送信されたトピックの時刻情報を記憶する。トピック統合部３３は、トピック記憶部３２、トピック時刻情報記憶部３１のトピックの情報を統合する。近似情報生成部３４は、統合されたトピックからタイムスタンプ付の近似情報を生成する。近似情報記憶部３５は、生成された近似情報を格納する。全期間トピック学習部３６は、生成された近似情報を用いて全期間のトピックを学習する。トピック対応関係抽出部３７は、過去と新規と全期間の各トピックの対応関係を抽出するとともに、全期間トピックの進化過程を抽出する。

出力装置４０は、全期間データ処理装置３０に蓄積された結果を出力する。出力装置４０は、全期間データ処理装置３０によって生成されたトピック対応関係、進化過程などの出力を行う。出力装置４０として、例えば、ディスプレイなどの表示装置やプリンタなどの印刷機器などを用いることができる。

次に、図面を参照して本実施例に係るトピック分析装置７０の動作について詳細に説明する。図３は、本発明の実施例に係るトピック分析装置７０を構成する各装置１０、２０及び３０の動作を示すシーケンス図である。

過去データ処理装置１０は過去データ入力装置５０を介して、過去のテキストデータを入力する（ステップＳ１１）。一方、新規データ処理装置２０は新規データ入力装置６０を介して、最新のテキストデータを入力する（ステップＳ２１）。次に、過去データ処理装置１０のトピック学習部１２は過去データに対して、複数の話題（トピック）の塊を抽出するトピック分析を行い、時刻情報抽出部１３は抽出されたトピックの時刻情報を抽出する（ステップＳ１２）。同様に、新規データ処理装置２０のトピック学習部２２は新規データに対する、トピックの抽出を行い、時刻情報抽出部２３は抽出されたトピックの時刻情報を抽出する（ステップＳ２２）。過去データ処理装置１０及び新規データ処理装置２０によって抽出されたトピック及び時刻情報は、全期間データ処理装置３０のトピックへ送信される。

全期間データ処理装置３０は、受信したトピックをトピック記憶部３２に格納するとともに、受信したトピック時刻情報をトピック時刻情報３１に格納する。トピック統合部３３は、トピックとトピック時刻情報とを統合する（ステップＳ３１）。近似情報生成部３４は、統合された情報に基づいて、タイムスタンプ付の近似情報を生成して(ステップＳ３２)、近似情報記憶部３５に格納する。全期間トピック学習部３６は、生成された近似情報に基づいて、全期間のトピックを分析する（ステップＳ３３）。この時、数日あるいは数週間後の分析に備え、分析された全期間トピックを過去トピックとしてトピック時刻情報記憶部３１、トピック記憶部３２に格納する。トピック対応関係抽出部３７は、過去トピック、新規トピック、全期間トピックの対応関係を抽出し、出力装置４０へ送信し、出力装置４０は受信した対応関係を出力する（ステップＳ３４）。

次に、本実施例のトピック分析装置７０の効果について説明する。トピック分析装置７０は、過去のトピック、ある一定期間の新規トピックを統合したトピックから近似情報を生成し、その近似情報から全期間のトピックを学習する。したがって、近似情報を必要最低限な量だけ生成して分析を行うようにすれば、処理負荷及び記憶容量を抑えつつ、トピックを分析することできる。また、トピック分析装置７０によって、過去のデータも考慮した全期間トピックを学習しているため、トピック抽出の精度が向上するとともに、過去のトピック同士が結合又は分裂するトピックの進化過程の出力も可能となる。

次に、本発明の第２の実施例に係るトピック分析装置について図面を参照して説明する。なお、本実施例は、上記第１の実施例に係るトピック分析装置の各部と対応させつつ説明する。図７は、本発明の第２の実施例に係るトピック分析装置の構成を示すブロック図である。

本実施例のトピック分析装置９０は、図２及び図７を参照すると、過去データ入力装置５０及び新規データ入力装置６０としてキーボード９１ａ、９１ｂを備え、過去データ処理装置１０、新規データ処理装置２０及び全期間データ処理装置３０としてパーソナル・コンピュータ（ＰＣ）９２ａ、９２ｂ、９２ｃを備え、出力装置４０としてディスプレイ９５を備える。

ここで、ＰＣ９２ａの有する中央演算装置（ＣＰＵ）９３ａは、過去データ処理装置１０におけるトピック学習部１２、時刻情報抽出部１３として機能する。また、ＰＣ９２ｂの有するＣＰＵ９３ｂは、新規データ処理装置２０におけるトピック学習部２２、時刻情報抽出部２３として機能する。さらに、ＰＣ９２ｃの有するＣＰＵ９３ｃは、全期間データ処理装置３０におけるトピック統合部３３、近似情報生成部３４、全期間トピック学習部３６、トピック対応関係抽出部３７として機能する。

ＰＣ９２ａ、９２ｂ、９２ｃは、それぞれ磁気ディスク式等の補助記憶装置（「記憶装置」）９４ａ、９４ｂ、９４ｃを備える。ＰＣ９２ａにおける記憶装置９４ａは、過去データ処理装置１０におけるデータ記憶部１１として機能する。また、ＰＣ９２ｂにおける記憶装置９４ｂは、新規データ処理装置２０におけるデータ記憶部２１として機能する。さらに、ＰＣ９２ｃにおける記憶装置９４ｃは、全期間データ処理装置３０におけるトピック時刻情報記憶部３１、トピック記憶部３２、近似情報記憶部３５として機能する。

ここで、過去データ処理装置１０及び新規データ処理装置２０から受信したトピックはトピック記憶部３２に格納され、トピックの時刻情報はトピック時刻情報記憶部３１に格納され、生成されたタイムスタンプ付の近似情報は近似情報記憶部３５に格納される。

本実施例のトピック分析装置によって、入力のテキストストリームに対して、少ない記憶容量、処理容量で高精度なトピック分析を行い、さらに全期間のトピック、過去のトピック、新規のトピックの間の対応関係やトピックの進化過程などを出力することができる。

一例として、入力テキストストリームはブログ記事であるものとする。図２のトピック学習部１２及び２２は、単語の共起関係に基づいて複数の話題に分類することができる分類ルールを作成することによって、どのような話題が入力テキスト内に現れていたのかをトピックとして抽出する。テキスト内に出現した全ての単語を、ｗ１、ｗ２、…、ｗＮとし、一つのテキストデータをベクトル（ｘ（ｗ１）、ｘ（ｗ２）、…、ｘ（ｗＮ））によって表現する。ここで、ｘ（ｗｉ）は、例えば、単語ｗｉ（ｉ＝１、…、Ｎ）がそのテキスト内に現れていた場合には１、そうでない場合には０の値をとる。トピックの出現確率の分布を推定する際には、公知のＥＭアルゴリズムに基づいて、有限混合モデルの推定を行う。この分布を正規分布とした場合には、各トピックに対する、期待値、分散などのパラメータによってトピックが定義される。トピックを生成する手法として、一例として、特許文献１に記載されたテキストクラスタリング技術を用いることができる。

時刻情報抽出部１３、２３は、トピック学習部２２によって抽出されたトピックに分類されたテキストデータに対する時刻情報の抽出を行う。それぞれのトピックには、分類されたテキストデータの数に相当する時刻情報が存在する。トピック学習部１２、２２と時刻情報抽出部１３、２３によって抽出された、トピック及び時刻情報は、全期間データ処理装置３０のトピック記憶部３２及びトピック時刻情報記憶部３１にインターネットなどの通信手段を介して送信される。

全期間データ処理装置３０のトピック統合部３３は、トピック時刻情報記憶部３１、トピック記憶部３２に格納されているトピックを統合する。具体的には、過去のトピックを示す有限混合モデルと新規のトピックを示す有限混合モデルとを過去のデータ数と新規のデータ数の割合に応じて加算することによって、これらの有限混合モデルを混合したモデルを作成する。これによって、トピックを統合することが可能となる。具体的な手法として、例えば特許文献２に記載の方法を用いることができる。

近似情報生成部３４は、統合された情報からタイムスタンプ付の近似情報を生成する。トピックを示す有限混合モデルとしてベルヌーイ混合分布を仮定した場合、各トピックにはどの単語がどのような確率で出現したかを示す発生確率の情報が含まれる。各単語の発生確率に基づいて、各単語が出現したか否かをサンプリングし、発生したトピックの時刻情報集合の中から、タイムスタンプを１つ選択する。このとき、所定の期間を経過した、古いタイムスタンプが付された近似情報は消去する。

このように、所定の期間を経過した古い情報を価値のないものとして棄却することによって、一定期間の新しいデータに基づくトピック分析が可能となる。これによって、トピックが時間の経過とともにトピックが特定のものへと収束してしまうのを防ぐことができる。近似情報記憶部３５は、以上のようにして生成された近似情報を格納する。

全期間トピック学習部３６は、タイムスタンプ付の近似情報に基づいて、トピックを学習する。学習の具体的な方法として、一例として、トピック学習部１２、２２と同様に、特許文献１のテキストクラスタリング技術を用いることができる。

トピック対応関係抽出部３７は、過去データ処理装置１０及び新規データ処理装置２０から受信した過去トピック及び新規トピック、並びに、全期間トピック学習部３６によって学習された全期間トピックの間の対応関係を抽出する。各近似情報には、過去トピック又は新規トピックのいずれのトピックから生成されたものであるかに関するラベルが付されている。また、各近似情報は全期間トピックのいずれかのトピックに属する。したがって、過去トピック、新規トピック及び全期間トピックの組み合わせごとに件数をカウントすることによって、いずれのトピック同士の関係が深いのかを調べることができる。さらに、求めた全期間トピックの情報を過去トピックとしてトピック時刻情報記憶部３１及びトピック記憶部３２に格納し、一定期間の経過後に新規トピックと全期間トピックとを求める、というように再帰的に全期間トピックを分析していくこともできる。

トピックの対応関係の出力例を図４に示す。図４における、かぎ括弧の中身はトピックとして、特徴語を示している。特徴語は、対象とするトピックのみに多く出現し、他のトピックにはほとんど出現しない単語が上位にくるように抽出する。具体的な方法として、特許文献（例えば、特許第２５８１１９６号公報、特開２００１−２６６０６０号公報等）に記載された特徴語抽出技術を用いることができる。図４は、上段から順に、全期間トピック、過去トピック、新規トピックを示している。各全期間トピックに対して、対応関係にある過去トピックと新規トピックが配置されている。例えば、全期間トピックの「スポーツ」は、過去トピックの「野球」と、新規トピックの「サッカー」及び「スケート」とに対応している。

図４の対応関係によって、図５及び図６に示すような全期間トピックの進化過程を出力することできる。図５は、時間が経過しても全期間トピックとしては「魚料理」から変化がなかった場合を示している。期間を四季に区切った場合、各季節の旬な魚のトピックが結合していき、「魚料理」のトピックが形成されていく。一方、図６は、時間の経過とともに全期間トピックも進化した場合を示している。夏には、新規トピックとして「海外」が加わり、全期間トピックは「飛行機」であった。しかし、秋から冬にかけて「飛行機テロ事件」、「汚職事件」が加わり、他の全期間トピック「賄賂」も結合し、全期間トピックが「事件」へと進化していった様子を表している。ブログやＳＮＳにおいては、このように話題が次々と急速に移り変わる。したがって、トピックを分析する際には、このように、トピックの進化過程を出力することが好ましい。

以上の記載は実施例に基づいて行ったが、本発明は、上記実施例に限定されるものではない。

本発明に係るトピック分析装置は、マーケティング調査又はブランドイメージ調査のためのブログ又はＳＮＳの分析、ＣＲＭ、ナレッジマネジメント、コンタクトセンタへの問い合わせ内容の分析、又は、ＢＬＯＧ、ＳＮＳ若しくは掲示板等のＷＥＢコミュニティ・ポータルサービス運営等の用途に適用することができる。

本発明の実施形態に係るトピック分析装置の構成を示すブロック図である。 本発明の第１の実施例に係るトピック分析装置の構成を示すブロック図である。 本発明の第１の実施例に係るトピック分析装置の動作を示すシーケンス図である。 本発明の過去/新規トピック、全期間トピックの対応関係の出力例である。 全期間トピック進化過程の出力例である。 全期間トピック進化過程の出力例である。 本発明の第２の実施例に係るトピック分析装置の構成を示すブロック図である。

符号の説明

１０ 過去データ処理装置
１１、２１ データ記憶部
１２、２２ トピック学習部
１３、２３ 時刻情報抽出部
２０ 新規データ処理装置
３０ 全期間データ処理装置
３１ トピック時刻情報記憶部
３２ トピック記憶部
３３、８３ トピック統合部
３４、８４ 近似情報生成部
３５ 近似情報記憶部
３６、８６ 全期間トピック学習部
３７ トピック対応関係抽出部
４０ 出力装置
５０ 過去データ入力装置
６０ 新規データ入力装置
７０、８０、９０ トピック分析装置
９１ａ、９１ｂ キーボード
９２ａ、９２ｂ、９２ｃ ＰＣ
９３ａ、９３ｂ、９３ｃ ＣＰＵ
９４ａ、９４ｂ、９４ｃ 記憶装置
９５ ディスプレイ

Claims (16)

1. 第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするように構成されたトピック統合部と、
   統合された時刻に応じて前記統合トピックの一部を除外して近似情報とするように構成された近似情報生成部と、
   前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとするように構成された全期間トピック学習部と、を備えることを特徴とするトピック分析装置。
2. 前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するように構成されたトピック対応関係抽出部を備えることを特徴とする、請求項１に記載のトピック分析装置。
3. 前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出部を備えることを特徴とする、請求項１に記載のトピック分析装置。
4. 前記第１及び第２のトピック並びに統合トピックは、それぞれ有限混合モデルによって表されることを特徴とする、請求項１ないし３のいずれか一に記載のトピック分析装置。
5. 前記トピック統合部は、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出するように構成されたことを特徴とする、請求項４に記載のトピック分析装置。
6. 請求項１ないし５のいずれか一に記載のトピック分析装置を有するサーバと、
   １又は２以上のクライアント端末と、を備えるトピック分析システムであって、
   前記トピック分析装置は、前記クライアント端末から前記データを逐次入力するように構成されたことを特徴とするトピック分析システム。
7. コンピュータによって、逐次入力されたテキストデータにおけるトピックを分析するトピック分析方法であって、
   第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするトピック統合工程と、
   統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする近似情報生成工程と、
   前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする全期間トピック学習工程と、を含むことを特徴とするトピック分析方法。
8. 前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するトピック対応関係抽出工程を含むことを特徴とする、請求項７に記載のトピック分析方法。
9. 前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出工程を備えることを特徴とする、請求項７に記載のトピック分析方法。
10. 前記第１及び第２のトピック並びに統合トピックは、それぞれ有限混合モデルによって表されることを特徴とする、請求項７ないし９のいずれか一に記載のトピック分析方法。
11. 前記トピック統合工程において、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出することを特徴とする、請求項１０に記載のトピック分析方法。
12. 第１の期間内に逐次入力されたデータに基づいて抽出された第１のトピックと第２の期間内に逐次入力されたデータに基づいて抽出された第２のトピックとを統合して統合トピックとするトピック統合処理と、
    統合された時刻に応じて前記統合トピックの一部を除外して近似情報とする近似情報生成処理と、
    前記近似情報に基づいて前記両期間におけるトピックを抽出して全期間トピックとする全期間トピック学習処理と、をコンピュータに実行させることを特徴とするトピック分析プログラム。
13. 前記第１のトピック、前記第２のトピック及び前記全期間トピックの間の対応関係を抽出するトピック対応関係抽出処理をコンピュータに実行させることを特徴とする、請求項１２に記載のトピック分析プログラム。
14. 前記両期間における前記全期間トピックの進化過程を抽出するように構成されたトピック対応関係抽出処理をコンピュータに実行させることを特徴とする、請求項１２に記載のトピック分析プログラム。
15. 前記第１及び第２のトピック並びに統合トピックは、それぞれ有限混合モデルによって表されることを特徴とする、請求項１２ないし１４のいずれか一に記載のトピック分析プログラム。
16. 前記トピック統合処理において、前記第１のトピックを表す有限混合モデルと前記第２のトピックを表す有限混合モデルとをそれぞれに含まれるデータの個数に応じた比によって重みをつけつつ足し合わせることによって、前記統合トピックを表す有限混合モデルを抽出することを特徴とする、請求項１５に記載のトピック分析プログラム。

Images