JP2011053991A - 情報推薦装置及び方法及びプログラム - Google Patents

Abstract

【課題】 インターネットを介したコミュニケーション・情報共有の場において、返信する可能性の高い新規メッセージを高精度に推薦する。
【解決手段】 本発明は、新規メッセージを取得し、指定されたユーザが返信した投稿記事の各構造から単語を抽出し、投稿記事の構造における各単語の統計量を算出し、投稿記事の構造に基づく推薦度に対する重みパラメータを設定し、投稿記事の構造における各単語の統計量と重みパラメータとを用いて、各新規メッセージの当該構造におけるユーザ毎の推薦度を算出し、該推薦度と当該構造における推薦度に対する重みパラメータの積の全構造の和を推薦スコアとして求め、格納する。ユーザＩＤが与えられると、推薦スコアを読み出し、当該ユーザに対する上位Ｎ件の推薦スコアの新規メッセージをメッセージ記憶手段から推薦メッセージとして選択する。
【選択図】 図１

Description

本発明は、情報推薦装置及び方法及びプログラムに係り、特に、ネットワーク上で提供されるユーザ間のコミュニケーションにおける、情報推薦装置及び方法及びプログラムに関する。

情報推薦の手法はいくつも提案されている。例えば、ユーザに評価をつけさせ、過去の評価履歴でユーザが評価している情報に含まれるテキストに着目する。そのテキストがユーザの興味を反映していると考え、そのテキストと同じような単語が出現している情報を推薦する手法が提案されている（例えば、非特許文献１参照）。

Mooney R. J. et al., "Content-Based Book Recommending Using Learning for Text Categorization", Proceedings of the 5th ACM Conference on Digital Libraries, ACM Press New York, 2000.

インターネットを介したコミュニケーション、例えば、メーリングリストや掲示板、チャット、ブログ、ＱＡサイト、ソーシャルネットワーキングサービスなどにおいては、あるユーザがスレッドを作成し（スレッド内のメッセージ以後「新規メッセージ」と呼ぶ）、別のユーザが返信（以後「返信メッセージ」と呼ぶ）することにより情報交換が成り立っている。

しかしながら、返信メッセージがついておらず、情報交換の場として成立していないことが多い。そこで、１新規メッセージあたりの返信メッセージ数を増やすために、ユーザに興味のありそうな新規メッセージを推薦し返信を促す。

前述の非特許文献１に記載の手法では、ユーザの返信した新規メッセージのテキストを用いて、ユーザに新規メッセージを推薦するが、その際に新規メッセージの構造は一切考慮されていない。従って、高精度な新規メッセージの推薦を実現することができないという問題が生じる。

本発明は、上記の点に鑑みなされたもので、インターネットを介したコミュニケーション・情報共有の場において、ユーザの返信した新規メッセージの構造を考慮に基づき、返信する可能性の高い新規メッセージを高精度に推薦することで、ユーザに新規メッセージの返信を促すことが可能な情報推薦装置及び方法及びプログラムを提供することを目的とする。

図１は、本発明の原理構成図である。

本発明（請求項１）は、Bulletin Board System（BBS），Social Networking Service（SNS），Question/Answer（QA）サイトを含むインターネット上のコミュニケーション装置のうち、各メッセージがタイトルや本文、カテゴリの構造を持つメッセージにおいて、返信の対象となるメッセージを新規メッセージと呼ぶとき、ユーザが過去に返信した新規メッセージと、メッセージに含まれる単語の統計量を用いて各構造のテキストが類似した新規メッセージを、当該ユーザが返信する可能性の高いものとして発見するための情報推薦装置であって、
BBS，SNS、QAサイトを含むインターネット上のコミュニケーションにおける新規メッセージを取得してメッセージ記憶手段４７に格納するするメッセージ取得手段４１と、
メッセージ記憶手段から読み出した各新規メッセージの内、指定されたユーザが返信した投稿記事の各構造から単語を抽出する単語抽出手段４２と、
投稿記事の構造における各単語の統計量を算出し、統計量記憶手段４８に格納する統計量算出手段４３と、
投稿記事の構造に基づく推薦度に対する重みパラメータを設定する重み設定手段４５と、
統計量記憶手段４８に格納されている投稿記事の構造における各単語の統計量と重みパラメータとを用いて、インターネット上のコミュニケーションにおける各新規メッセージの当該構造におけるユーザ毎の推薦度を算出し、該推薦度と当該構造における推薦度に対する重みパラメータの積の全構造の和を推薦スコアとして求める推薦スコア算出手段４４と、
推薦スコアに基づいて、各新規メッセージの各ユーザに対する推薦スコアを決定し、推薦スコア記憶手段６４に格納する推薦スコア決定手段４６と、
ユーザＩＤが与えられると、推薦スコア記憶手段６４から推薦スコアを読み出し、当該ユーザに対する推薦スコアが上位の所定の件数の新規メッセージをメッセージ記憶手段４７から推薦メッセージとして選択する推薦メッセージ選択手段５０と、を有する。

また、本発明（請求項２）は、請求項１の情報推薦装置において、
重み設定手段４５は、
各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、判別分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする手段を含む。

また、本発明（請求項３）は、請求項１の情報推薦装置において、
重み設定手段４５は、
各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、ロジスティック回帰分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする手段を含む。

また、本発明（請求項４）は、請求項１の情報推薦装置において、
統計量算出手段４３は、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。

図２は、本発明の原理を説明するための図である。

本発明（請求項５）は、BBS、SNS、QAサイトを含むインターネット上のコミュニケーション装置のうち、各メッセージがタイトルや本文、カテゴリの構造を持つメッセージにおいて、返信の対象となるメッセージを新規メッセージと呼ぶとき、ユーザが過去に返信した新規メッセージと、メッセージに含まれる単語の統計量を用いて各構造のテキストが類似した新規メッセージを、当該ユーザが返信する可能性の高いものとして発見するための情報推薦方法であって、
ユーザが返信する可能性の高い新規メッセージを提示するためのコンピュータは、
BBS，SNS、QAサイトを含むインターネット上のコミュニケーションにおける新規メッセージを取得してメッセージ記憶手段に格納するするメッセージ取得ステップ（ステップ１）と、
メッセージ記憶手段から読み出した各新規メッセージの内、指定されたユーザが返信した投稿記事の各構造から単語を抽出する単語抽出ステップ（ステップ２）と、
投稿記事の構造における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップ（ステップ３）と、
投稿記事の構造に基づく推薦度に対する重みパラメータを設定する重み設定ステップ（ステップ４）と、
統計量記憶手段に格納されている前記投稿記事の構造における各単語の統計量と前記重みパラメータとを用いて、インターネット上のコミュニケーションにおける各新規メッセージの当該構造におけるユーザ毎の推薦度を算出し、該推薦度と当該構造における推薦度に対する重みパラメータの積の全構造の和を推薦スコアとして求め、推薦スコアに基づいて、各新規メッセージの各ユーザに対する推薦スコアを決定し、推薦スコア記憶手段に格納する推薦スコア決定ステップ（ステップ５）と、
ユーザＩＤが与えられると、スコア記憶手段から推薦スコアを読み出し、当該ユーザに対する推薦スコアが上位の所定の件数の新規メッセージをメッセージ記憶手段から推薦メッセージとして選択する推薦メッセージ選択ステップ（ステップ６）。

また、本発明（請求項６）は、請求項４の情報推薦方法の重み設定ステップ（ステップ４）において、
各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、判別分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする。

また、本発明（請求項７）は、請求項４の情報推薦方法の重み設定ステップ（ステップ４）において、
各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、ロジスティック回帰分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする。

また、本発明（請求項８）は、請求項５の情報推薦方法の統計量算出ステップ（ステップ３）において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。

本発明（請求項９）は、請求項１乃至４のいずれか１項に記載の情報推薦装置を構成する各手段としてコンピュータを機能させるための情報推薦プログラムである。

上記のように本発明は、各ユーザの投稿した新規メッセージの構造（タイトルと本文）に着目し、構造毎にテキスト中に頻出する単語をユーザの興味として抽出する。興味は構造の数だけ得られる。その上で、同じように各構造にユーザの興味を多く含む新規メッセージをユーザに対して「返信する可能性が高い」ものとして推薦する。これにより、ユーザが返信した新規メッセージのタイトルと本文という構造からユーザの興味を取得することで、従来の技術では不可能であった、新規メッセージの高精度な推薦が可能になる。多くの新規メッセージつい返信がついていないコミュニティにおいて、従来の技術では十分な精度の推薦ができなかったが、本発明を適用することによって高精度に新規メッセージが推薦できるようになる。

本発明の原理構成図である。 本発明の原理を説明するための図である。 本発明の一実施の形態における情報推薦装置の構成図である。 本発明の一実施の形態におけるコミュニケーション情報テーブルの例である。 本発明の一実施の形態におけるタイトル興味情報テーブルの例である。 本発明の一実施の形態における本文興味情報テーブルの例である。 本発明の一実施の形態における推薦スコアテーブルの例である。 本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。 本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。 本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートである。 本発明の一実施の形態における推薦スコア更新時の処理のフローチャートである。 本発明の一実施の形態における推薦スコアテーブル更新部の構成図である。 本発明の一実施の形態における図１１のステップ２４０の詳細な処理のフローチャートである。 本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。

以下、図面と共に本発明の実施の形態を説明する。

図３は、本発明の一実施の形態における情報推薦装置の構成を示す。

同図に示す情報推薦装置１０は、コミュニケーション情報テーブル更新部１０、タイトル興味情報テーブル更新部２０、本文興味情報テーブル更新部３０、推薦スコアテーブル更新部４０、新規メッセージ推薦部５０、記憶部６０、通信部７０、入出力部８０から構成される。通信部７０は、ネットワーク３と接続され、入出力部８０は、外部装置４に接続される。

記憶部６０は、ハードディスク装置等の記憶媒体であり、コミュニケーション情報テーブル６１、タイトル興味情報テーブル６２、本文興味情報テーブル６３、推薦スコアテーブル６４を格納する。

以下に、記憶部６０内の各テーブルについて説明する。

＜コミュニケーション情報テーブル＞
コミュニケーション情報テーブル６１は、図４に示すように、スレッドＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、メッセージ時刻フィールド、タイトルフィールド、本文フィールド、メッセージ種別フィールドの各項目を格納するテーブルである。

コミュニケーション情報テーブル６１のスレッドＩＤフィールドは、コミュニケーションのスレッドを特定する識別子であり、各スレッドに対して一意に設定される。スレッドとは、１つの新規メッセージとそれに対する返信メッセージの集合である。スレッドＩＤは、メッセージｍが新規であった場合は、他の新規メッセージと識別されるための新たなＩＤが、メッセージｍが返信であった場合はどの新規メッセージ対する返信かを識別するためのＩＤが、それぞれコミュニケーション情報テーブル更新部１０により設定される。

メッセージＩＤフィールドは、個々のメッセージｍを特定する識別子が、コミュニケーション情報テーブル更新部１０により設定される。

ユーザＩＤフィールドは、メッセージｍを投稿したユーザを特定する識別子が、コミュニケーション情報テーブル更新部１０により設定される。

メッセージ時刻フィールドは、メッセージｍが投稿された時間が、コミュニケーション情報テーブル更新部１０により設定される。

タイトルフィールドは、メッセージｍのタイトルが、コミュニケーション情報テーブル更新部１０により設定される。

本文フィールドは、メッセージｍの本文が、コミュニケーション情報テーブル更新部１０により設定される。

メッセージ種別フィールドは、メッセージｍが新規か、他の新規メッセージに対する返信かが判定され、コミュニケーション情報テーブル更新部１０により設定される。

＜タイトル興味情報テーブル＞
タイトル興味情報テーブル６２は、図５に示すように、ユーザＩＤフィールド、単語フィールド、特徴量フィールドの各項目を格納するテーブルである。

ユーザＩＤフィールドは、メッセージｍの投稿者ｕのユーザＩＤが、タイトル興味情報テーブル更新部２０により設定される。

単語フィールドは、単語ｗが、タイトル興味情報テーブル２０により設定される。

特徴量フィールドは、ユーザｕの単語ｗに対する興味の強さをユーザｕが返信した新規メッセージｍ'のタイトルから求めた尺度interest(u,w)であり、タイトル興味情報テーブル更新部２０により設定される。

＜本文興味情報テーブル＞
本文興味情報テーブル６３は、図６に示すように、ユーザＩＤフィールド、単語フィールド、特徴量フィールドの各項目を格納するテーブルである。

ユーザＩＤフィールドは、メッセージｍの投稿者ｕのユーザＩＤが、本文興味情報テーブル更新部３０により設定される。

単語フィールドは、単語ｗが本文興味情報テーブル更新部３０により設定される。

特徴量フィールドは、ユーザｕの単語ｗに対する興味の強さをユーザｕが返信した新規メッセージｍ'の本文から求めた尺度interest(u,w)であり、本文興味情報テーブル更新部３０により設定される。

＜推薦スコアテーブル＞
推薦スコアテーブル６４は、図７に示すように、ユーザＩＤフィールド、スレッドＩＤフィールド、推薦スコアフィールドの各項目を格納するテーブルである。

推薦スコアフィールドは、ユーザｕのスレッドａに対する推薦スコアscore(a,u)であり、推薦スコアテーブル更新部４０により設定される。

最初に、上記の構成におけるメッセージ登校時の処理の流れを説明する。

図８は、本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。

ステップ１１０） コミュニケーション情報テーブル更新部１０が、コミュニケーション情報テーブル６１に、投稿したユーザ、投稿のあった時間、投稿されたメッセージ、投稿されたメッセージが新規メッセージか返信かに応じて、スレッドＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、メッセージ時刻フィールド、本文フィールド、メッセージ種別フィールドを設定し、行ｍとして挿入する。

ステップ１２０） タイトル興味情報テーブル更新部２０が、上記行ｍの情報を元にタイトル興味情報テーブル６２を更新する。

ステップ１３０） 本文興味情報テーブル更新部３０が、上記行ｍの情報を元に本文興味情報テーブル６３を更新する。

図５は、本発明の一実施の形態におけるコミュニケーション情報テーブルの例を示す。

次に、上記のステップ１２０の処理について詳細に説明する。

図９は、本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。

以下では、行ｍのユーザをｕ、スレッドＩＤをtとする。

ステップ１２１） タイトル興味情報テーブル更新部２０が、コミュニケーション情報テーブル６１を参照し、スレッドＩＤが行ｍのものと同じｔである新規メッセージｍ'を取得する。

ステップ１２２） タイトル興味情報テーブル更新部２０が、形態素解析器（図示せず）の分かち書き機能を用いて行ｍ'のタイトルに含まれる単語集合Ｗを取得する。

ステップ１２３） タイトル興味情報テーブル更新部２０が、上記単語集合Ｗに含まれる個々の単語ｗに対して、行ｍ'のタイトルにおける統計量、例えば出現頻度（文献１：Manning, C. D. et al., "Introduction to information retrieval", 2008に記載のＴＦ値）ｔｆ（ｍ'，ｗ）を算出する。単語ｗの行ｍ'のタイトルにおける統計量を算出するにあたって、出現頻度だけでなく、別の尺度（文献１のＴＦＩＤＦ値等）を用いても構わない。

ステップ１２４） タイトル興味情報テーブル更新部２０が、タイトル興味情報テーブルを参照し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値interest(u,w)を取得する。また、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はinterest(u,w)の値は０とする。

ステップ１２５） タイトル興味情報テーブル更新部２０が、タイトル興味情報テーブルに、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値をinterest(u,w)+tf(m',w)とするように更新または挿入する。

次に、上記のステップ１３０の処理について詳細に説明する。

図１０は、本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートを示す。

ステップ１３１） 本文興味情報テーブル更新部３０が、コミュニケーション情報テーブル６１を参照し、スレッドＩＤが行ｍのものと同じｔである新規メッセージｍ'を取得する。

ステップ１３２） 本文興味情報テーブル更新部３０が、形態素解析器（図示せず）の分かち書き機能を用いて行ｍ'の本文に含まれル単語集合Ｗを取得する。

ステップ１３３） 本文興味情報テーブル更新部３０が、上記単語集合Ｗに含まれる個々の単語ｗに対して、行ｍ'の本文における統計量、例えば出現頻度（文献1に記載のＴＦ値）tf(m',w)を算出する。なお、単語ｗの行ｍ'の本文における統計量を算出するにあたって、出現頻度だけでなく、別の尺度（文献１のＴＦＩＤＦ値等）を用いても構わない。

ステップ１３４） 本文興味情報テーブル更新部３０が、本文興味情報テーブル６３を参照し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値interest(u,w)を取得する。また、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はinterest(u,w)の値は０とする。

ステップ１３５） 本文興味情報テーブル更新部３０が、本文興味情報テーブル６３に、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値をinterest(u,w)+tf(m',w)とするように更新または挿入する。

次に、推薦スコア更新時の処理を説明する。

図１１は、本発明の一実施の形態における推薦スコア更新時の処理のフローチャートである。

ステップ２１０） 推薦スコアテーブル更新部４０が、コミュニケーション情報テーブル６１を参照し、全ユーザＩＤ集合Ｕを取得する。

ステップ２２０） 推薦スコアテーブル更新部４０が、上記ユーザＩＤ集合Ｕに含まれる各ユーザｕに対して、タイトル興味情報テーブル６２を参照し、ユーザＩＤフィールドの値がｕの行集合Ｔ_ｕを取得する。

ステップ２３０） 推薦スコアテーブル更新部４０が、上記ユーザＩＤ集合Ｕに含まれる各ユーザｕに対して、本文興味情報テーブル６３を参照し、ユーザＩＤフィールドの値がｕの行集合Ｂ_ｕを取得する。

ステップ２４０） 推薦スコアテーブル更新部４０が、上記行集合Ｔ_ｕと上記行集合Ｂ_ｕを用いて推薦スコアテーブル６４を更新する。

次に、上記の推薦スコアテーブル更新部４０について説明する。

図１２は、本発明の一実施の形態における推薦スコアテーブル更新部の構成を示す。

同図に示す推薦スコアタテーブル更新部４０は、新規メッセージ取得部４１、単語抽出部４２、統計量算出部４３、推薦スコア算出部４４、重みパラメータ設定部４５、推薦スコア決定部４６から構成される。

新規メッセージ取得部４１は、コミュニケーション情報テーブル６１から当該ユーザのユーザＩＤ以外のユーザＩＤが付与されている新規メッセージを取得してメモリ（図示せず）に格納する。

単語抽出部４２は、メモリ（図示せず）から新規メッセージ取得部４１で取得した新規メッセージを読み出して、タイトルと本文から単語を抽出する。

統計量算出部４３は、単語抽出部４２で抽出された単語について、出現頻度などの統計量を算出し、メモリ（図示せず）に格納する。

重みパラメータ設定部４３は、入力装置（図示せず）を介して直接重みパラメータを入力する、または、各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別と、に基づいて、判別分析やロジスティック回帰分析等を用いて設定してもよい。

推薦スコア算出部４４は、メモリ（図示せず）に格納されている統計量算出部４３で算出された各単語の統計量と重みパラメータ設定部４３で設定された重みパラメータの積の全構造の和を求め、推薦スコアを算出する。

推薦スコア決定部４６は、各新規メッセージの各ユーザに対する推薦スコアを推薦スコアテーブル６４に格納する。

次に、ステップ２４０の詳細な処理について説明する。

図１３は、本発明の一実施の形態における図１１のステップ２４０の詳細な処理のフローチャートである。以下では、推薦スコアはユーザｕと新規メッセージの組み合わせ毎に算出される。

ステップ２４１） 推薦スコアテーブル更新部４０の新規メッセージ取得部４１が、コミュニケーション情報テーブル６１を参照し、ユーザｕによる投稿でない新規メッセージ集合Ａを取得し、メモリ（図示せず）に格納する。

ステップ２４２） 推薦スコアテーブル更新部の単語抽出部４２が、形態素解析器（図示せず）の分かち書き機能を用いて、メモリ（図示せず）に格納されている上記新規メッセージ集合Ａの各メッセージａのタイトル、本文に含まれる単語集合をそれぞれＷ_ｉ（ｉ＝１，２）取得し、メモリ（図示せず）に格納する。

ステップ２４３） 推薦スコアテーブル更新部４０の統計量算出部４３が、上記のメモリ（図示せず）に格納されている単語集合Ｗ_ｉ（ｉ＝１，２）に含まれる個々の単語ｗに対して、上記メッセージａのタイトルもしくは本文における統計量、例えば、出現頻度（例えば、文献１のＴＦ値）ｔｆ（ｍ，ｗ）を算出し、メモリ（図示せず）に格納する。単語ｗの行ｍのタイトル、もしくは本文における統計量を算出するにあたって、出現頻度だけでなく、別の尺度（例えば、文献１のTFID値等）を用いてもよい。

ステップ２４４） 推薦スコアテーブル更新部４０の推薦スコア算出部４４が、ｉ＝１の場合はタイトル興味情報テーブル６２記載のユーザｕに関する行集合Ｔ_ｕから、ｉ＝２の場合は本文興味情報テーブル記載のユーザｕに関する行集合Ｂ_ｕから、単語ｗの行の特徴量フィールドの値interest_i(u,w)を取得する。但し、単語ｗの行が存在しない場合は、interest_i(u,w)の値は０とする。

ステップ２４５） 推薦スコアテーブル更新部４０の推薦スコア算出部４４が、統計量が格納されているメモリ（図示せず）から統計量ｔｆ（ａ，ｗ），及び、重みパラメータ設定部４５により設定されている重みパラメータλ_１、λ_２を取得し、上記メッセージａのユーザｕに対する推薦スコアscore_i(a,u)を以下の式を用いて算出する。

ステップ２４６） 推薦スコアテーブル更新部４０の推薦スコア決定部４６が、推薦スコアテーブル６４にユーザＩＤフィールドの値がｕ、スレッドＩＤフィールドの値がａのもの、推薦スコアフィールドの値がλ_１・score_１(a,u)+λ_２・score_２(a,u)である行を推薦スコアテーブル６４に挿入する。

但し、λ_１、λ_２は、重みパラメータ設定部４５で設定される重みパラメータで、０以上の小数であり、人手によって設定してもよい。各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別と、に基づいて、判別分析やロジスティック回帰分析等を用いて設定してもよい。また、重みパラメータλ_１、λ_２は、メモリ等の記録部に記録してもよいし、推薦スコア更新時の度に設定し直してもよい。

次に、ユーザログオン時の処理を説明する。

図１４は、本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。

ステップ３１０） 新規メッセージ推薦部５０が、推薦スコアテーブル６４を参照し、ユーザｕの推薦スコア集合Ｓ_ｕを取得する。

ステップ３２０） 新規メッセージ推薦部５０が、上記推薦スコア集合Ｓ_ｕの各行の推薦スコアの値を用いてユーザｕに推薦すべき新規メッセージを決定する。その際、推薦スコアフィードの値が大きいものから順にＮ（Ｎ＝１，２，５，１０，…）件を推薦すべき新規メッセージとしてもよいし、推薦スコアに対しある閾値を設けて、Ｓ_ｕの中で推薦スコアフィールドの値がその閾値を超えるものを推薦すべき新規メッセージとしてもよい。

また、上記の情報推薦装置の構成要素の動作をプログラムとして構築し、情報推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

また、構築されたプログラムをハードディスクや、フレキシブルディスク・ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。

なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

本発明は、BBS， SNS，QAサイトを含むインターネット上でのコミュニケーションを行うコミュニケーションシステムに適用可能である。

１ 情報推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
１０ コミュニケーション情報テーブル更新部
２０ タイトル興味情報テーブル更新部
３０ 本文興味情報テーブル更新部
４０ 推薦スコアテーブル更新部
４１ メッセージ取得手段、新規メッセージ取得部
４２ 単語抽出手段、単語抽出部
４３ 統計量算出手段、統計量算出部
４４ 推薦スコア算出手段、推薦スコア算出部
４５ 重み設定手段、重みパラメータ設定部
４６ 推薦スコア決定手段、推薦スコア決定部
４７ メッセージ記憶手段
４８ 統計量記憶手段
５０ 新規メッセージ推薦部
６０ 記憶部
６１ コミュニケーション情報テーブル
６２ タイトル興味情報テーブル
６３ 本文興味情報テーブル
６４ 推薦スコア記憶手段、推薦スコアテーブル
７０ 通信部７０
８０ 入出力部

Claims (9)

1. Bulletin Board System（BBS），Social Networking Service（SNS），Question/Answer（QA）サイトを含むインターネット上のコミュニケーション装置のうち、各メッセージがタイトルや本文、カテゴリの構造を持つメッセージにおいて、返信の対象となるメッセージを新規メッセージと呼ぶとき、ユーザが過去に返信した新規メッセージと、メッセージに含まれる単語の統計量を用いて各構造のテキストが類似した新規メッセージを、当該ユーザが返信する可能性の高いものとして発見するための情報推薦装置であって、
   BBS，SNS、QAサイトを含むインターネット上のコミュニケーションにおける新規メッセージを取得してメッセージ記憶手段に格納するするメッセージ取得手段と、
   メッセージ記憶手段から読み出した各新規メッセージの内、指定されたユーザが返信した投稿記事の各構造から単語を抽出する単語抽出手段と、
   前記投稿記事の構造における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
   前記投稿記事の構造に基づく推薦度に対する重みパラメータを設定する重み設定手段と、
   前記統計量記憶手段に格納されている前記投稿記事の構造における各単語の統計量と前記重みパラメータとを用いて、インターネット上のコミュニケーションにおける各新規メッセージの当該構造におけるユーザ毎の推薦度を算出し、該推薦度と当該構造における推薦度に対する重みパラメータの積の全構造の和を推薦スコアとして求める推薦スコア算出手段と、
   前記推薦スコアに基づいて、各新規メッセージの各ユーザに対する推薦スコアを決定し、推薦スコア記憶手段に格納する推薦スコア決定手段と、
   ユーザＩＤが与えられると、前記スコア記憶手段から推薦スコアを読み出し、当該ユーザに対する推薦スコアが上位の所定の件数の新規メッセージをメッセージ記憶手段から推薦メッセージとして選択する推薦メッセージ選択手段と、
   を有することを特徴とする情報推薦装置。
2. 前記重み設定手段は、
   各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、判別分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする手段を含む
   請求項１記載の情報推薦装置。
3. 前記重み設定手段は、
   各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、ロジスティック回帰分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする手段を含む
   請求項１記載の情報推薦装置。
4. 前記統計量算出手段は、
   前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
   請求項１記載の情報推薦装置。
5. Bulletin Board System（BBS），Social Networking Service（SNS），Question/Answer（QA）サイトを含むインターネット上のコミュニケーション装置のうち、各メッセージがタイトルや本文、カテゴリの構造を持つメッセージにおいて、返信の対象となるメッセージを新規メッセージと呼ぶとき、ユーザが過去に返信した新規メッセージと、メッセージに含まれる単語の統計量を用いて各構造のテキストが類似した新規メッセージを、当該ユーザが返信する可能性の高いものとして発見するための情報推薦方法であって、
   ユーザが返信する可能性の高い新規メッセージを提示するためのコンピュータは、
   BBS，SNS、QAサイトを含むインターネット上のコミュニケーションにおける新規メッセージを取得してメッセージ記憶手段に格納するするメッセージ取得ステップと、
   前記メッセージ記憶手段から読み出した各新規メッセージの内、指定されたユーザが返信した投稿記事の各構造から単語を抽出する単語抽出ステップと、
   前記投稿記事の構造における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップと、
   前記投稿記事の構造に基づく推薦度に対する重みパラメータを設定する重み設定ステップと、
   前記統計量記憶手段に格納されている前記投稿記事の構造における各単語の統計量と前記重みパラメータとを用いて、インターネット上のコミュニケーションにおける各新規メッセージの当該構造におけるユーザ毎の推薦度を算出し、該推薦度と当該構造における推薦度に対する重みパラメータの積の全構造の和を推薦スコアとして求める推薦スコア算出ステップと、
   前記推薦スコアに基づいて、各新規メッセージの各ユーザに対する推薦スコアを決定し、推薦スコア記憶手段に格納する推薦スコア決定ステップと、
   ユーザＩＤが与えられると、前記スコア記憶手段から推薦スコアを読み出し、当該ユーザに対する推薦スコアが上位の所定の件数の新規メッセージをメッセージ記憶手段から推薦メッセージとして選択する推薦メッセージ選択ステップと、
   を行うことを特徴とする情報推薦方法。
6. 前記重み設定ステップにおいて、
   各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、判別分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする
   請求項５記載の情報推薦方法。
7. 前記重み設定ステップにおいて、
   各ユーザの各新規メッセージのメッセージ構造に基づく推薦度と、当該ユーザが当該新規メッセージに返信したことがあるかないかのメッセージ種別とに基づいて、ロジスティック回帰分析によって当該メッセージ構造における推薦度に対する重みパラメータの値を大きくする
   請求項５記載の情報推薦方法。
8. 前記統計量算出ステップにおいて、
   前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
   請求項５記載の情報推薦方法。
9. 請求項１乃至４のいずれか１項に記載の情報推薦装置を構成する各手段としてコンピュータを機能させるための情報推薦プログラム。

Images