JP2009217741A - メタデータ付与方法及び装置、並びにメタデータ付与プログラム - Google Patents

Abstract

【課題】コンテンツに質の高いメタデータを付与する。
【解決手段】キーワード抽出部３６は、テキストデータを解析して複数のキーワードを抽出する。カテゴリ判定部３７は、キーワード毎にその抽出頻度及びカテゴリを取得し、抽出頻度一覧テーブル４６に記憶する。カテゴリ判定部３７は、抽出頻度一覧テーブル４６を参照して、テキストデータのカテゴリを判定する。キーワード選定部３８は、キーワード抽出部３６で抽出された複数のキーワードの中から、カテゴリ判定部３７で判定されたカテゴリに属すキーワードを選定する。メタデータ付与部３９は、画像に対し、キーワード選定部３８で選定されたキーワードをメタデータとして付与する。
【選択図】図１１

Description

本発明は、コンテンツにメタデータを付与するメタデータ付与方法及び装置、並びにメタデータ付与プログラムに関する。

最近、携帯電話やパーソナルコンピュータなどの情報端末機器の普及によって、映像、画像、音楽、ゲーム、電子書籍といった様々なコンテンツを、大量且つ容易に得ることが可能になってきた。これに伴い、不特定多数のユーザがコンテンツを自由に登録・検索することができ、ユーザ同士で情報を共有するという新しい概念（いわゆるＷｅｂ２．０）が生まれており、フリッカー（flickr、登録商標）と呼ばれるユーザ参加型の画像共有サービスや、はてなブックマーク、ウィキペディアといったフリー百科事典が既に実用化されている。

上記のようにコンテンツを登録・検索するシステムでは、膨大なコンテンツの中から、ユーザが所望するコンテンツを効率的に検索するために、単語（タグ、付帯情報）をメタデータとしてコンテンツに付与している。このようなシステムは、フォークソノミー（folksonomy）と呼ばれている。

従来、メタデータの付与は、ユーザが手入力で行っているため、手間が掛かり煩わしい。また、コンテンツを検索する際には、それぞれのコンテンツに的確且つ十分な数のメタデータが付与されているか否かというメタデータの質が検索結果を左右する重要な要素となるが、メタデータの質を高めるためには、コンテンツを登録するユーザと検索するユーザとの間でイメージの齟齬を埋め、コンテンツを登録するユーザが語彙を増やして、より柔軟な発想をしなければならないという、非常に克服困難な問題をクリアする必要がある。このため、メタデータの付与を自動で行う技術が種々提案されている（例えば、特許文献１参照）。

特許文献１に記載の発明では、タイトル、作者名、概要を含むテキストデータから人物名と重要なキーワードを抽出して、抽出したキーワードをメタデータとしてコンテンツに付与している。
特開２００２−１０８８８８号公報

特許文献１に記載の発明によれば、ユーザの手入力による手間を省くという問題は解決される。しかしながら、特許文献１には、重要なキーワードの決定方法についての具体的な記載はなく、メタデータの質がどのように高められるのかが不明である。

本発明は、上記課題を鑑みてなされたものであり、コンテンツに質の高いメタデータを付与するメタデータ付与方法及び装置、並びにメタデータ付与プログラムを提供することを目的とする。

上記目的を達成するために、本発明のメタデータ付与装置は、コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与装置であって、前記テキストデータから複数のキーワードを抽出するキーワード抽出部と、前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定部と、前記キーワード抽出部で抽出された複数のキーワードの中から、前記カテゴリ判定部で判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定部と、前記キーワード選定部で選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与部とを備えている。

請求項２に記載の発明では、前記カテゴリ判定部は、キーワードの抽出頻度をキーワードカテゴリ毎に合計し、その合計値が最高又は最低のキーワードカテゴリを前記テキストデータのテキストカテゴリであると判定する。

請求項３に記載の発明では、前記カテゴリ判定部は、抽出頻度が所定値以上のキーワードの抽出頻度をキーワードカテゴリ毎に合計し、その合計値が最高のキーワードカテゴリを前記テキストデータのテキストカテゴリであると判定する。

請求項４に記載の発明では、前記カテゴリ判定部は、キーワードの抽出頻度及びキーワードカテゴリに基づく前記テキストデータのテキストカテゴリが複数となる場合、その複数のテキストカテゴリの中からユーザに選択されたテキストカテゴリを、前記テキストデータのテキストカテゴリであると判定する。

請求項５に記載の発明では、キーワードカテゴリ毎に分類した用語を記憶した専門用語データベースを備えている。また、前記カテゴリ判定部は、前記専門用語データベースに基づいてキーワードカテゴリを取得する。

請求項６に記載の発明では、テキストデータから抽出されたが選定されなかったキーワードと、そのキーワードが抽出されたテキストデータのテキストカテゴリとして前記カテゴリ判定部で判定されたテキストカテゴリとの組合せ毎に、その組合せとともに、前記キーワードが抽出されたテキストデータのテキストカテゴリが該テキストカテゴリであると判定された回数を記憶するキーワードデータベースと、前記キーワードデータベースに記憶された前記組合せの前記判定された回数が所定値を超えたときに、その組合せに係るキーワードを、その組合せに係るテキストカテゴリと同一のキーワードカテゴリの用語として前記専門用語データベースに記憶するキーワード登録部とを備えている。

本発明のメタデータ付与方法は、コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与方法であって、前記テキストデータから複数のキーワードを抽出するキーワード抽出ステップと、前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定ステップと、前記キーワード抽出ステップで抽出された複数のキーワードの中から、前記カテゴリ判定ステップで判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定ステップと、前記キーワード選定ステップで選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与ステップとを備えている。

本発明のメタデータ付与プログラムは、コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与装置のコンピュータに、前記テキストデータから複数のキーワードを抽出するキーワード抽出ステップと、前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定ステップと、前記キーワード抽出ステップで抽出された複数のキーワードの中から、前記カテゴリ判定ステップで判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定ステップと、前記キーワード選定ステップで選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与ステップとを実行させる。

本発明のメタデータ付与方法及び装置、並びにメタデータ付与プログラムによれば、テキストデータから抽出されたキーワード毎にその抽出頻度及びキーワードカテゴリを取得し、その抽出頻度及びキーワードカテゴリに基づいて、テキストデータのテキストカテゴリを判定し、判定されたテキストデータのテキストカテゴリと同一のキーワードカテゴリに属すキーワードをメタデータとして付与するので、専門性の高いキーワードを選定して、コンテンツの内容に相応しい質の高いメタデータを付与することができる。

図１において、メタデータ付与装置は、メタデータ付与プログラム４１（図３参照）のインストールによってサーバ１１に構築される形式で実現される。メタデータ付与装置は、画像とともに入力されたテキストデータからキーワードを抽出・選定し、抽出・選定したキーワードをメタデータとして画像に付与する。複数の画像がテキストデータとともに入力された場合には、それらを一括して処理する。なお、本実施形態では、画像にメタデータを付与する場合を例に説明するが、映像、音楽、ゲーム、電子書籍、その他のコンテンツにメタデータを付与するようにしてもよい。

サーバ１１は、インターネット１２を媒介して接続されたクライアント端末１３とともに、ネットワークシステム１４を構成する。クライアント端末１３は、例えば周知のパーソナルコンピュータやワークステーションであり、各種操作画面などを表示するモニタ１５と、操作信号を出力するマウス１６及びキーボード１７からなる操作部１８とを備えている。操作部１８は、テキストデータをサーバ１１に入力するときに操作される。

クライアント端末１３には、デジタルカメラ１９で撮影して得られた画像や、メモリカードやＣＤ−Ｒなどの記録媒体２０に記録された画像が送信され、あるいは、インターネット１２を経由して画像が転送される。

デジタルカメラ１９は、例えば、ＩＥＥＥ１３９４、ＵＳＢ（Universal Serial Bus）などに準拠した通信ケーブルや、無線ＬＡＮなどによりクライアント端末１３に接続され、クライアント端末１３とのデータの相互通信が可能となっている。また、記録媒体２０も同様に、専用のドライバを介してクライアント端末１３とのデータの遣り取りが可能となっている。

図２に示すように、クライアント端末１３を構成するＣＰＵ２１は、操作部１８から入力される操作信号などに従ってクライアント端末１３全体を統括的に制御する。ＣＰＵ２１には、操作部１８の他に、データバス２２を介して、ＲＡＭ２３、ハードディスクドライブ（ＨＤＤ）２４、通信インターフェース（通信Ｉ／Ｆ）２５、及びモニタ１５が接続されている。

ＲＡＭ２３は、ＣＰＵ２１が処理を実行するための作業用メモリである。ＨＤＤ２４には、クライアント端末１３を動作させるための各種プログラムやデータが記憶されている他に、デジタルカメラ１９、記録媒体２０、あるいは、インターネット１２から取り込まれた画像データが記憶される。ＣＰＵ２１は、ＨＤＤ２４からプログラムを読み出してＲＡＭ２３に展開し、読み出したプログラムを逐次処理する。

通信Ｉ／Ｆ２５は、例えばモデムやルータであり、インターネット１２に適合した通信プロトコルの制御を行い、インターネット１２を経由したデータの遣り取りを媒介する。また、通信Ｉ／Ｆ２５は、デジタルカメラ１９や記録媒体２０などの外部機器とのデータ通信も行う。

図３に示すように、サーバ１１を構成するＣＰＵ３１は、インターネット１２を経由してクライアント端末１３から入力される操作信号に従ってサーバ１１全体を統括的に制御する。ＣＰＵ３１には、データバス３２を介して、ＲＡＭ３３、ハードディスクドライブ（ＨＤＤ）３４、通信インターフェース（通信Ｉ／Ｆ）３５、キーワード抽出部３６、カテゴリ判定部３７、キーワード選定部３８、メタデータ付与部３９、及びキーワード登録部４０が接続されている。

ＲＡＭ３３は、ＣＰＵ３１が処理を実行するための作業用メモリである。ＨＤＤ３４には、サーバ１１を動作させるための各種プログラムやデータが記憶されている。また、ＨＤＤ３４には、メタデータ付与プログラム４１が記憶されている。ＣＰＵ３１は、ＨＤＤ３４からプログラムを読み出してＲＡＭ３３に展開し、読み出したプログラムを逐次処理する。

ＨＤＤ３４には、専門用語データベース（専門用語ＤＢ）４２と、キーワードデータベース（キーワードＤＢ）４３とが設けられている。専門用語ＤＢ４２には、図４に示すコンピュータ用語一覧テーブル４４、及び図５に示す製品用語一覧テーブル４５など、様々なカテゴリ（キーワードカテゴリ）に係る専門用語一覧テーブルが格納されている。他のカテゴリとしては、学問、日付、社会などが挙げられる。

コンピュータ用語一覧テーブル４４は、用語の登録時に自動的に付されるＩＤ（登録順に付した通し番号）を見出しとして、コンピュータに関連する用語「Ｗｉｎｄｏｗｓ（登録商標）」、「ＯＳ」、「ＣＰＵ」、「ノートＰＣ」などを記憶している。製品用語一覧テーブル４５は、用語の登録時に自動的に付されるＩＤ（登録順に付した通し番号）を見出しとして、製品に関連する用語「発売」、「推奨動作環境」、「ＰＬ法」、「設計開発」などを記憶している。他のカテゴリに係る各専門用語一覧テーブルについても、コンピュータ用語一覧テーブル４４及び製品用語一覧テーブル４５と同様、該当するカテゴリに関連する用語を、ＩＤを見出しとして記憶している。なお、各専門用語一覧テーブルのＩＤは、管理上付されたものにすぎず、相互のＩＤに依存関係はない。また、カテゴリ毎に用語が管理されていればよく、各専門用語一覧テーブルを統合して一つの専門用語一覧テーブルとしてもよい。また、同一の用語が複数の専門用語一覧テーブルに記憶されていてもよい。

図３に戻って、通信Ｉ／Ｆ３５は、例えばモデムやルータであり、インターネット１２に適合した通信プロトコルの制御を行い、インターネット１２を経由したデータの遣り取りを媒介する。通信Ｉ／Ｆ３５は、画像とともにテキストデータが入力される入力部として機能する。通信Ｉ／Ｆ３５を媒介して入力された画像及びテキストデータは、ＲＡＭ３３に一時的に記憶される。

キーワード抽出部３６は、サーバ１１に画像とともに入力されたテキストデータを解析してキーワードを抽出する。具体的には、テキストデータが「花」、「ライオン」などの名詞であった場合、キーワード抽出部３６は、テキストデータ自体をキーワードとする。テキストデータが文章であった場合、キーワード抽出部３６は、文章の文法的な構造を解析する構文解析、および文章を形態素（言語で意味をもつ最小単位）に分割し、品詞に分類する形態素解析をテキストデータに対して施す。そして、これらの解析結果に基づいて、テキストデータからキーワードを抽出する。

例えば、図６（Ａ）に示す画像（１）とともにテキストデータ（１）「○○月××日に、△△社製の新型ノートＰＣが発売されました。ＯＳにはＷｉｎｄｏｗｓ（登録商標）が搭載され、ＣＰＵ性能は、・・・である。」がサーバ１１に入力された場合、図７に示すように、テキストデータ（１）からキーワード「○○月××日」、「△△社」、「ノートＰＣ」、「発売」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「搭載」、「ＣＰＵ」及び「性能」が抽出される。

同様に、図６（Ｂ）に示す画像（２）とともにテキストデータ（２）「Ｗｉｎｄｏｗｓ（登録商標）にセキュリティーホールが発見されました。これで、今年になってＷｉｎｄｏｗｓ（登録商標）で発見された問題は○○件、ＯＳ全体では・・・である。」がサーバ１１に入力された場合、図７に示すように、テキストデータ（２）からキーワード「Ｗｉｎｄｏｗｓ（登録商標）」、「セキュリティーホール」、「発見」、「Ｗｉｎｄｏｗｓ（登録商標）」、「発見」、「○○件」、「問題」、「ＯＳ」及び「全体」が抽出される。

また、図６（Ｃ）に示す画像（３）とともにテキストデータ（３）「●●社は、中小企業向け勤怠管理ソフトを発売しました。推奨動作環境は、ＯＳ：Ｗｉｎｄｏｗｓ（登録商標）、ＣＰＵ○○ＧＨｚ以上で・・・である。」がサーバ１１に入力された場合、図７に示すように、テキストデータ（３）からキーワード「●●社」、「中小企業」、「勤怠管理ソフト」、「発売」、「推奨動作環境」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」及び「○○ＧＨｚ」が抽出される。

図３に戻って、カテゴリ判定部３７には、図８に示す抽出頻度一覧テーブル４６が格納されている。抽出頻度一覧テーブル４６には、キーワードの記憶時に自動的に付されるＩＤ（記憶順に付した通し番号）を見出しとして、キーワード抽出部３６で抽出されたキーワードを、キーワード毎に、抽出頻度、及びカテゴリが記憶される。なお、抽出頻度一覧テーブル４６に記憶された全ての事項は、一連の処理（メタデータ付与部３９によるメタデータ付与、及びキーワード一覧テーブル４７（図１０参照）へのキーワード記憶）が終了した後に消去され、あるいは、一連の処理を開始する前に消去される。

カテゴリ判定部３７は、キーワード抽出部３６で抽出されたキーワードを、キーワード毎に、その抽出頻度とともに抽出頻度一覧テーブル４６に記憶する。例えば、図６（Ａ）、図６（Ｂ）及び図６（Ｃ）に示すテキストデータ（１）、（２）及び（３）が一括処理され、キーワード抽出部３６でキーワード「Ｗｉｎｄｏｗｓ（登録商標）」が４個抽出された場合、カテゴリ判定部３７は、キーワード「Ｗｉｎｄｏｗｓ（登録商標）」とともにその抽出頻度「４」を記憶する。

また、カテゴリ判定部３７は、専門用語ＤＢ４２を参照して、キーワード抽出部３６で抽出されたキーワードと一致する用語が記憶された専門用語一覧テーブルを検索する。そして、検索された専門用語一覧テーブルのカテゴリをキーワードのカテゴリとして抽出頻度一覧テーブル４６に記憶する。

例えば、キーワード「Ｗｉｎｄｏｗｓ（登録商標）」は、コンピュータ用語一覧テーブル４４に記憶されている用語「Ｗｉｎｄｏｗｓ（登録商標）」と一致するので、カテゴリ判定部３７は、キーワード抽出部３６でキーワード「Ｗｉｎｄｏｗｓ（登録商標）」が抽出された場合、そのキーワード「Ｗｉｎｄｏｗｓ（登録商標）」のカテゴリを「コンピュータ」として抽出頻度一覧テーブル４６に記憶する。なお、一つのキーワードに対して複数の専門用語一覧テーブルが検索された場合、カテゴリ判定部３７は、その一つのキーワードに対して複数のカテゴリを記憶する。また、一つの専門用語一覧テーブルも検索されなかったキーワードについては、カテゴリ判定部３７は、カテゴリを記憶しない。

さらに、カテゴリ判定部３７は、抽出頻度一覧テーブル４６を参照してサーバ１１に入力されたテキストデータのカテゴリ（テキストカテゴリ）を判定する。具体的にカテゴリ判定部３７は、抽出頻度一覧テーブル４６に記憶されたキーワードが属すカテゴリ毎にそのキーワードの抽出頻度を合計し、その合計した抽出頻度が最高のカテゴリをテキストデータのカテゴリであると判定する。なお、抽出頻度が最高のカテゴリが複数ある場合、その複数のカテゴリをテキストデータのカテゴリであると判定する。

例えば、抽出頻度一覧テーブル４６を参照する場合、抽出頻度一覧テーブル４６に記憶されたキーワードが属すカテゴリは、「日付」、「コンピュータ」、「製品」、「学問」あるいは「社会」であるので、カテゴリ判定部３７は、カテゴリ「日付」に属すキーワード「○○月××日」の抽出頻度「１」を、カテゴリ「日付」の抽出頻度とする。また、カテゴリ判定部３７は、カテゴリ「コンピュータ」に属すキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」、「セキュリティーホール」、「勤怠管理ソフト」の抽出頻度がそれぞれ「１」、「３」、「４」、「２」、「１」、「１」であるから、その合計値「１２」を、カテゴリ「コンピュータ」の抽出頻度とする。同様に、カテゴリ判定部３７は、カテゴリ「製品」の抽出頻度を「６」とし、カテゴリ「学問」の抽出頻度を「４」とし、カテゴリ「社会」の抽出頻度を「４」とする。そして、カテゴリ判定部３７は、抽出頻度が「１２」で最高値のカテゴリ「コンピュータ」を、サーバ１１に入力されたテキストデータのカテゴリであると判定する。

キーワード選定部３８は、カテゴリ判定部３７で判定されたカテゴリに該当するキーワードを、抽出頻度一覧テーブル４６に記憶されたキーワードの中から選定する。例えば、抽出頻度一覧テーブル４６が参照されてカテゴリ判定部３７で「コンピュータ」がカテゴリであると判定された場合、キーワード選定部３８は、カテゴリ「コンピュータ」に属すキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」、「セキュリティーホール」、「勤怠管理ソフト」を選定する。

なお、カテゴリ判定部３７で複数のカテゴリがテキストデータのカテゴリであると判定された場合、キーワード選定部３８は、カテゴリ判定部３７で判定されたカテゴリのいずれかに該当するキーワードを、抽出頻度一覧テーブル４６に記憶されたキーワードの中から選定する。例えば、カテゴリ判定部３７でカテゴリ「コンピュータ」及び「製品」がテキストデータのカテゴリであると判定されたと仮定すると、キーワード選定部３８は、カテゴリ「コンピュータ」及び「製品」のいずれかに該当するキーワードを選定する。

メタデータ付与部３９は、テキストデータとともにサーバ１１に入力された画像に対し、キーワード選定部３８で選定されたキーワードをメタデータとして付与する。複数の画像が入力された場合には、メタデータ付与部３９は、画像毎に、その画像に対応するテキストデータから抽出されたキーワードであって、且つ、キーワード選定部３８で選定されたキーワードをメタデータとして付与する。

例えば、図６（Ａ）、図６（Ｂ）及び図６（Ｃ）に示す画像（１）、（２）及び（３）が、テキストデータ（１）、（２）及び（３）とともにサーバ１１に入力された場合、メタデータ付与部３９は、画像（１）に対して、図９（Ａ）に示すように、テキストデータ（１）から抽出されたキーワード「○○月××日」、「△△社」、「ノートＰＣ」、「発売」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「搭載」、「ＣＰＵ」及び「性能」（図７参照）のうち、キーワード選定部３８で選定されたキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」、「セキュリティーホール」あるいは「勤怠管理ソフト」に該当するキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」及び「ＣＰＵ」をメタデータ（１）として付与する。

同様に、メタデータ付与部３９は、画像（２）に対して、図９（Ｂ）に示すように、テキストデータ（２）から抽出されたキーワード「Ｗｉｎｄｏｗｓ（登録商標）」、「セキュリティーホール」、「発見」、「Ｗｉｎｄｏｗｓ（登録商標）」、「発見」、「○○件」、「問題」、「ＯＳ」及び「全体」（図７参照）のうち、キーワード選定部３８で選定されたキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」、「セキュリティーホール」あるいは「勤怠管理ソフト」に該当するキーワード「Ｗｉｎｄｏｗｓ（登録商標）」、「セキュリティーホール」及び「ＯＳ」をメタデータ（２）として付与する。

また、メタデータ付与部３９は、画像（３）に対して、図９（Ｃ）に示すように、テキストデータ（３）から抽出されたキーワード「●●社」、「中小企業」、「勤怠管理ソフト」、「発売」、「推奨動作環境」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」及び「○○ＧＨｚ」（図７参照）のうち、キーワード選定部３８で選定されたキーワード「ノートＰＣ」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」、「セキュリティーホール」あるいは「勤怠管理ソフト」に該当するキーワード「勤怠管理ソフト」、「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」及び「ＣＰＵ」をメタデータ（３）として付与する。

キーワードＤＢ４３には、図１０に示すキーワード一覧テーブル４７が格納されている。キーワード一覧テーブル４７は、キーワードの記憶時に自動的に付されるＩＤ（記憶順に付した通し番号）を見出しとして、キーワード抽出部３６で抽出されたキーワードのうち、キーワード選定部３８で選定されなかったキーワードを、キーワード毎に、そのキーワードが属すカテゴリ（元カテゴリ）、当該キーワードが抽出されたテキストデータのカテゴリであると判定されたカテゴリ（判定されたカテゴリ）、及びそのように判定された回数（判定数）を記憶している。なお、属すカテゴリがないキーワードについては、判定されたカテゴリ、及び判定数とともに記憶されている。

例えば、ＩＤ「０００３」のキーワード「発売」が属すカテゴリは「製品」であり、且つ、当該キーワード「発売」の抽出元のテキストデータが「コンピュータ」のカテゴリに属すと判定された回数が「３０」であることを意味する。

キーワード登録部４０は、キーワード抽出部３６で抽出されたキーワードのうち、キーワード選定部３８で選定されなかったキーワードを、キーワード毎に、そのキーワードが属すカテゴリ、当該キーワードが抽出されたテキストデータのカテゴリであると判定されたカテゴリ、及びそのように判定された回数（判定数）とともにキーワード一覧テーブル４７に記憶する。なお、属すカテゴリがないキーワードについては、キーワード登録部４０は、判定されたカテゴリ、及び判定数とともに記憶する。

例えば、カテゴリ「製品」に属すキーワード「発売」がキーワード抽出部３６で抽出されたが、カテゴリ「コンピュータ」に属すキーワードを選定するとしてキーワード「発売」がキーワード選定部３８で選定されなかった場合、キーワード登録部４０は、カテゴリ「製品」に属すキーワード「発売」を、抽出元のテキストデータが「コンピュータ」のカテゴリに属すものとして、キーワード一覧テーブル４７に記憶する。カテゴリ「製品」に属すキーワード「発売」は、抽出元のテキストデータが「コンピュータ」のカテゴリに属すものとして、キーワード一覧テーブル４７のＩＤ「０００３」に既に記憶されているので、キーワード登録部４０は、ＩＤ「０００３」の判定数に「１」を加算する。なお、キーワード一覧テーブル４７に記憶されていなかったキーワード、そのキーワードが属すカテゴリ、及び当該キーワードが抽出されたテキストデータのカテゴリの組合せを記憶する場合、キーワード登録部４０は、キーワード一覧テーブル４７に新たなＩＤの欄を追加して記憶し、その判定数に「１」を付与する。

また、キーワード登録部４０は、判定数が予め定められた値を超えたＩＤのキーワードを、そのキーワードが抽出されたテキストデータのカテゴリであると判定されたカテゴリに係る専門用語一覧テーブルに新たな用語として記憶するとともにキーワード一覧テーブル４７から消去する。

例えば、判定数が「３０」を超えたＩＤのキーワードを新たな用語として専門用語一覧テーブルに記憶すると設定されている場合、図１０に示すキーワード一覧テーブル４７のＩＤ「０００３」のキーワード「発売」の判定数が加算されて「３０」を超えたとき、キーワード登録部４０は、当該キーワード「発売」が抽出されたテキストデータのカテゴリ「コンピュータ」に係るコンピュータ用語一覧テーブル４４（図４参照）に、新たな用語「発売」を記憶する。

次に、上記構成のサーバ１１（図１、図３参照）がメタデータ付与装置として機能したときのメタデータ付与の処理手順について、図１１のフローチャートを参照しながら説明する。ユーザは、クライアント端末１３の操作部１８を操作して、サーバ１１に対して、テキストデータとともに画像を入力する。サーバ１１に入力されたテキストデータ及び画像は、ＲＡＭ３３に記憶される。

サーバ１１に入力されたテキストデータは、ＲＡＭ３３からキーワード抽出部３６に読み出される。キーワード抽出部３６では、テキストデータが解析されてキーワードが抽出される。抽出されたキーワードは、ＲＡＭ３３に記憶される。

キーワード抽出部３６で抽出されたキーワードは、ＲＡＭ３３からカテゴリ判定部３７に読み出される。カテゴリ判定部３７では、キーワード毎にその抽出頻度が取得される。そして、キーワード毎に、その抽出頻度とともに抽出頻度一覧テーブル４６（図８参照）に記憶される。

また、カテゴリ判定部３７では、専門用語ＤＢ４２が参照されながら、抽出頻度一覧テーブル４６に記憶されたキーワードと一致する用語が記憶された専門用語一覧テーブルが検索される。そして、検索された専門用語一覧テーブルのカテゴリは、キーワードのカテゴリとして抽出頻度一覧テーブル４６に記憶される。

さらに、カテゴリ判定部３７では、抽出頻度一覧テーブル４６が参照されながら、サーバ１１に入力されたテキストデータのカテゴリが判定される。具体的には、キーワードが属すカテゴリ毎にそのキーワードの抽出頻度が合計され、その合計された抽出頻度が最高のカテゴリがテキストデータのカテゴリであると判定される。判定されたカテゴリは、ＲＡＭ３３に記憶される。

カテゴリ判定部３７で判定されたカテゴリは、ＲＡＭ３３からキーワード選定部３８に読み出される。キーワード選定部３８では、抽出頻度一覧テーブル４６が参照されながら、カテゴリ判定部３７で判定されたカテゴリに該当するキーワードが選定される。選定されたキーワードは、ＲＡＭ３３に記憶される。

キーワード選定部３８で選定されたキーワードは、テキストデータとともにサーバ１１に入力された画像とともに、ＲＡＭ３３からメタデータ付与部３９に読み出される。メタデータ付与部３９では、画像に対し、キーワードがメタデータとして付与される。メタデータが付与された画像は、ＲＡＭ３３に記憶される。

メタデータが付与された画像は、ＲＡＭ３３から通信Ｉ／Ｆ３５に読み出され、サーバ１１から出力される。出力された画像は、クライアント端末１３に送信される。

以上説明したように、画像とともに入力されたテキストデータからキーワードを抽出し、複数のカテゴリに係る専門用語一覧テーブルに基づいて、抽出されたキーワードからテキストデータのカテゴリを判定し、判定されたカテゴリに該当するキーワードのみを画像に対して付与するので、専門性の高いキーワードを選定することができ、画像の内容に相応しい質の高いメタデータを付与することができる。例えば、コンピュータに関連する画像には、コンピュータ用語をメタデータとして付与することができ、製品に関連する画像には、製品用語をメタデータとして付与することができる。

また、専門用語一覧テーブルに用語を追加する処理手順について、図１３のフローチャートを参照しながら説明する。キーワード選定部３８で選定されなかったキーワードは、カテゴリ判定部３７で判定されたテキストデータのカテゴリとともに、ＲＡＭ３３に記憶される。

キーワード選定部３８で選定されなかったキーワードは、カテゴリ判定部３７で判定されたテキストデータのカテゴリとともに、ＲＡＭ３３からキーワード登録部４０に読み出される。キーワード登録部４０では、抽出頻度一覧テーブル４６（図８参照）が参照されながら、キーワード毎に、そのキーワードが属すカテゴリ、及び当該キーワードが抽出されたテキストデータのカテゴリであると判定されたカテゴリがキーワード一覧テーブル４７（図１０参照）に記憶される。キーワード一覧テーブル４７に既に記憶されている場合には、そのように判定された回数（判定数）が「１」加算される。キーワード一覧テーブル４７に記憶されていなかった場合には、新たな欄が追加されて記憶され、その判定数に「１」が付与される。

判定数が予め定められた値を超えた場合、そのキーワードは、抽出元のテキストデータのカテゴリに係る専門用語一覧テーブルに新たな用語として記憶される。

このように、メタデータとして付与されなかったキーワードを、抽出元のテキストデータのカテゴリに係る専門用語一覧テーブルに新たな用語として記憶することで、頻出するキーワードを複数のカテゴリに属させることができる。キーワードは、複数のカテゴリに属すことでカテゴリの判定に寄与する度合が低いものとなり、全てのカテゴリに属すことでカテゴリの判定に全く寄与しないものとなるので、頻出するキーワードを複数の専門用語一覧テーブルに記憶して専門性の低いものとし、カテゴリの判定精度を向上させることができる。ひいては、より質の高いメタデータを付与することが可能になる。

なお、上記実施形態では、カテゴリ判定部３７は、抽出頻度一覧テーブル４６に記憶された全てのカテゴリの抽出頻度に基づいてテキストデータのカテゴリを判定したが、カテゴリの判定方法は、これに限定されるものではない。抽出頻度一覧テーブル４６に記憶されたキーワードを抽出頻度の高い順に所定個数選出して、選出したキーワードが属すカテゴリ毎にそのキーワードの抽出頻度を合計し、その合計した抽出頻度が最高のカテゴリをテキストデータのカテゴリであると判定してもよい。

例えば、図８に示す抽出頻度一覧テーブル４６を参照して抽出頻度の高い５個のキーワードを選出する場合、カテゴリ判定部３７は、ＩＤ「０００４」のキーワード「発売」、ＩＤ「０００５」のキーワード「ＯＳ」、ＩＤ「０００６」のキーワード「Ｗｉｎｄｏｗｓ（登録商標）」、ＩＤ「０００８」のキーワード「ＣＰＵ」、及びＩＤ「００１１」のキーワード「発見」を選出する。選出されたこれらのキーワードが属すカテゴリは、「製品」、「コンピュータ」あるいは「学問」であるので、カテゴリ判定部３７は、カテゴリ「製品」に属すキーワード「発売」の抽出頻度「２」を、カテゴリ「製品」の抽出頻度とする。同様に、カテゴリ判定部３７は、カテゴリ「コンピュータ」に属すキーワード「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」、「ＣＰＵ」の抽出頻度がそれぞれ「３」、「４」、「２」であるから、その合計値「９」を、カテゴリ「コンピュータ」の抽出頻度とし、カテゴリ「学問」に属すキーワード「発見」の抽出頻度「２」を、カテゴリ「学問」の抽出頻度とする。そして、カテゴリ判定部３７は、抽出頻度が「９」で最高値のカテゴリ「コンピュータ」を、サーバ１１に入力されたテキストデータのカテゴリであると判定することとなる。

また、抽出頻度が所定値以上のキーワードを選出して、選出したキーワードが属すカテゴリ毎にそのキーワードの抽出頻度を合計し、その合計した抽出頻度が最高のカテゴリをテキストデータのカテゴリであると判定してもよい。例えば、図８に示す抽出頻度一覧テーブル４６を参照して抽出頻度が「３」以上のキーワードを選出する場合、カテゴリ判定部３７は、ＩＤ「０００５」のキーワード「ＯＳ」、及びＩＤ「０００６」のキーワード「Ｗｉｎｄｏｗｓ（登録商標）」を選出する。選出されたこれらのキーワードが属すカテゴリは「コンピュータ」であるので、カテゴリ判定部３７は、カテゴリ「コンピュータ」に属すキーワード「ＯＳ」、「Ｗｉｎｄｏｗｓ（登録商標）」の抽出頻度「３」、「４」の合計値「７」を、カテゴリ「コンピュータ」の抽出頻度とし、カテゴリ「日付」、「社会」などその他のカテゴリの抽出頻度を「０」とする。そして、カテゴリ判定部３７は、抽出頻度が「７」で最高値のカテゴリ「コンピュータ」を、サーバ１１に入力されたテキストデータのカテゴリであると判定することとなる。

また、上記実施形態では、カテゴリ判定部３７は、抽出頻度が最高のカテゴリをテキストデータのカテゴリであると判定したが、カテゴリの判定方法は、これに限定されるものではない。抽出頻度一覧テーブル４６に記憶されたキーワードが属すカテゴリ毎にそのキーワードの抽出頻度を合計し、その合計した抽出頻度が最低のカテゴリをテキストデータのカテゴリであると判定してもよい。

例えば、図８に示す抽出頻度一覧テーブル４６を参照する場合、カテゴリ判定部３７は、抽出頻度が「１」で最低値のカテゴリ「日付」を、サーバ１１に入力されたテキストデータのカテゴリであると判定する。このように、抽出頻度が最低のカテゴリをテキストデータのカテゴリであると判定することで、画像との関連性の低いキーワードを選定することとなり、ひいては、一般通念から懸け離れたメタデータを画像に付与することができる。このようにしてメタデータが付与された画像は、意外性をもってキーワード検索されることになるので、固定観念に捕らわれない検索を可能にする。

また、上記実施形態では、カテゴリ判定部３７は、複数のカテゴリをテキストデータのカテゴリであると判定することも有り得るが、複数のカテゴリが候補を挙げられた場合、一つのカテゴリに絞り込んでからその一つのカテゴリをテキストデータのカテゴリであると判定してもよい。例えば、候補に挙げられた複数のカテゴリのいずれかに属すキーワードについてそのキーワード毎の抽出頻度を比較して、抽出頻度が最高のキーワードが属すカテゴリをテキストデータのカテゴリであると判定することが挙げられる。

また、上記実施形態では、カテゴリ判定部３７は、複数のカテゴリをテキストデータのカテゴリであると判定することもある場合を例に説明したが、この構成に限定されるのではなく、カテゴリ判定部３７は、所定数以上のカテゴリを判定の対象として候補に挙げた場合に、その候補の中からユーザが選択した一つのカテゴリをテキストデータのカテゴリであると判定してもよい。具体的には、所定数（例えば、３）以上のカテゴリの抽出頻度が最高値で並ぶ場合には、その所定数以上のカテゴリの情報は、クライアント端末１３に送信され、選択可能にモニタ１５に出力される。操作部１８が操作されて一つのカテゴリが選択されると、選択されたカテゴリの情報がサーバ１１に返送される。カテゴリ判定部３７は、クライアント端末１３から返送された情報に基づいて、ユーザに選択されたカテゴリをテキストデータのカテゴリであると判定する。

なお、ユーザにカテゴリを選択させる構成とした場合、一つのカテゴリを選択させることに限定されず、複数のカテゴリを選択させるようにしてもよい。この場合、カテゴリ判定部３７は、ユーザに選択された複数のカテゴリをテキストデータのカテゴリであると判定する。

また、上記各実施形態では、インターネット１２に接続されたサーバ１１にメタデータ付与装置が構築され、万人がアクセス可能である場合を例に説明したが、これに限定されるものではない。例えば、個人が使用するパーソナルコンピュータにメタデータ付与装置が構築されるようにしてもよい。この場合、インターネット１２を経由したデータの遣り取りを媒介する通信Ｉ／Ｆ２５などが、テキストデータが入力される入力部として機能する。

また、上記各実施形態で示したメタデータ付与装置は一例にすぎず、本発明の趣旨を逸脱しなければ、如何様な態様にも適宜変更することができる。

ネットワークシステムの構成を示す概略図である。 クライアント端末の内部構成を示すブロック図である。 サーバの内部構成を示すブロック図である。 コンピュータ用語一覧テーブルの構成を示す説明図である。 製品用語一覧テーブルの構成を示す説明図である。 入力データの構成を示す説明図である。 抽出結果一覧を示す説明図である。 抽出頻度一覧テーブルの構成を示す説明図である。 メタデータ付与後のデータの構成を示す説明図である。 キーワード一覧テーブルの構成を示す説明図である。 メタデータ付与の処理手順を説明するフローチャートである。 専門用語一覧テーブルに用語を追加する処理手順を説明するフローチャートである。

符号の説明

１１ サーバ（メタデータ付与装置）
３６ キーワード抽出部
３７ カテゴリ判定部
３８ キーワード選定部
３９ メタデータ付与部
４０ キーワード登録部
４１ メタデータ付与プログラム
４２ 専門用語データベース（専門用語ＤＢ）
４３ キーワードデータベース（キーワードＤＢ）

Claims (8)

1. コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与装置において、
   前記テキストデータから複数のキーワードを抽出するキーワード抽出部と、
   前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定部と、
   前記キーワード抽出部で抽出された複数のキーワードの中から、前記カテゴリ判定部で判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定部と、
   前記キーワード選定部で選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与部とを備えたことを特徴とするメタデータ付与装置。
2. 前記カテゴリ判定部は、キーワードの抽出頻度をキーワードカテゴリ毎に合計し、その合計値が最高又は最低のキーワードカテゴリを前記テキストデータのテキストカテゴリであると判定することを特徴とする請求項１に記載のメタデータ付与装置。
3. 前記カテゴリ判定部は、抽出頻度が所定値以上のキーワードの抽出頻度をキーワードカテゴリ毎に合計し、その合計値が最高のキーワードカテゴリを前記テキストデータのテキストカテゴリであると判定することを特徴とする請求項１に記載のメタデータ付与装置。
4. 前記カテゴリ判定部は、キーワードの抽出頻度及びキーワードカテゴリに基づく前記テキストデータのテキストカテゴリが複数となる場合、その複数のテキストカテゴリの中からユーザに選択されたテキストカテゴリを、前記テキストデータのテキストカテゴリであると判定することを特徴とする請求項１〜３のいずれかに記載のメタデータ付与装置。
5. キーワードカテゴリ毎に分類した用語を記憶した専門用語データベースを備え、
   前記カテゴリ判定部は、前記専門用語データベースに基づいてキーワードカテゴリを取得することを特徴とする請求項１〜４のいずれかに記載のメタデータ付与装置。
6. テキストデータから抽出されたが選定されなかったキーワードと、そのキーワードが抽出されたテキストデータのテキストカテゴリとして前記カテゴリ判定部で判定されたテキストカテゴリとの組合せ毎に、その組合せとともに、前記キーワードが抽出されたテキストデータのテキストカテゴリが該テキストカテゴリであると判定された回数を記憶するキーワードデータベースと、
   前記キーワードデータベースに記憶された前記組合せの前記判定された回数が所定値を超えたときに、その組合せに係るキーワードを、その組合せに係るテキストカテゴリと同一のキーワードカテゴリの用語として前記専門用語データベースに記憶するキーワード登録部とを備えたことを特徴とする請求項５に記載のメタデータ付与装置。
7. コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与方法において、
   前記テキストデータから複数のキーワードを抽出するキーワード抽出ステップと、
   前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定ステップと、
   前記キーワード抽出ステップで抽出された複数のキーワードの中から、前記カテゴリ判定ステップで判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定ステップと、
   前記キーワード選定ステップで選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与ステップとを備えたことを特徴とするメタデータ付与方法。
8. コンテンツとともに入力されたテキストデータに基づいて前記コンテンツにメタデータを付与するメタデータ付与装置のコンピュータに、
   前記テキストデータから複数のキーワードを抽出するキーワード抽出ステップと、
   前記キーワード毎にその抽出頻度及びキーワードカテゴリを取得し、前記抽出頻度及びキーワードカテゴリに基づいて、前記テキストデータのテキストカテゴリを判定するカテゴリ判定ステップと、
   前記キーワード抽出ステップで抽出された複数のキーワードの中から、前記カテゴリ判定ステップで判定されたテキストカテゴリと同一のキーワードカテゴリに属すキーワードを選定するキーワード選定ステップと、
   前記キーワード選定ステップで選定されたキーワードを、コンテンツにメタデータとして付与するメタデータ付与ステップとを実行させるためのメタデータ付与プログラム。

Images