JP2011085993A - 情報分析装置、情報分析方法および情報分析プログラム - Google Patents

Abstract

【課題】ユーザにとって有用な情報を提供することができる情報分析装置を提供する。
【解決手段】検索クエリログとジャンル要素名リストから、各ジャンル要素および全ジャンル要素に対する文字列の出現頻度もしくはそれらを用いた関数を計算して文字列の出現情報を取得し、該文字列の出現情報を単語統計情報データベース１１に格納する単語統計情報データ作成部１０と、入力されるテキストデータから自立語を抽出するテキストデータ入力部１２と、前記テキストデータ入力部１２により抽出された単語と前記単語統計情報データベース１１に格納された文字列の出現情報とから、ジャンル要素に関する特徴を推定するジャンル要素推定部１３と、前記ジャンル要素推定部１３で推定されたジャンル要素に関する特徴に基づく情報を出力するジャンル要素名データ出力部１４と、を備える。
【選択図】図１

Description

本発明は、ジャンル要素と情報およびジャンル要素間の関連性を分析する方法、装置およびプログラムに関するものである。

現在、ジャンルの１つである場所に対して、特定の場所に関する情報を提供する技術やサービスがある。

例えば、場所に応じた広告を提供するために、広告物に付与されたアクセスキーを介してユーザの携帯端末へ広告情報を送信する技術が開示されている（特許文献１）。

また、測位機能付き情報端末を用いて現在位置の測位情報を送り、その周辺の店舗情報を取得するネットワークサービスが存在する。

特許第３７６６０１１号公報

しかしながら、従来技術は、場所に限定した情報を提供するものであるが、どのような情報をどの場所に提供すると効果があるかについては特に考慮されておらず、必ずしもユーザにとって有用な情報が提供できないという問題がある。

本発明は上記のような課題を解決するものであり、その目的は、ユーザにとって有用な情報を提供するための情報分析装置、方法、プログラムを提供することにある。

本発明は、多数のユーザの意図が含まれている検索クエリのログからジャンル要素名を含むものを利用し、ジャンル要素名と同時に現れた関連語を求め、ある情報に対するジャンル要素との関連性、あるジャンル要素に対する特徴、ジャンル要素の特徴を用いたジャンル要素間の類似性を分析するものである。

本発明の情報分析装置は、特定のジャンル要素に関係する情報を分析する情報分析装置であって、検索クエリログから、特定のジャンル要素名とともに入力される文字列の出現情報を取得して構成された文字列の出現情報が格納された出現情報データベースと、入力されるテキストデータから単語を抽出するテキストデータ入力手段と、前記テキストデータ入力手段により抽出された単語と前記出現情報データベースに格納された文字列の出現情報とから、ジャンル要素に関する特徴を推定する情報推定手段と、前記情報推定手段で推定されたジャンル要素に関する特徴に基づく情報を出力する情報出力手段と、を備えたことを特徴としている。

本発明によれば、ジャンル要素名を含んだ検索クエリログからジャンル要素毎に関連語を求めて、ある情報に最も関連するジャンル要素を分析したり、あるジャンル要素に対して興味の高い情報を分析したり、ジャンル要素毎の情報の類似性から類似するジャンル要素を分析することができる。これによってユーザにとって有用な情報を提供することができる。

本発明の第１の実施形態の情報分析装置の構成を示すブロック図である。 図１の情報分析装置の処理の流れを表すフローチャートである。 本発明の第２の実施形態の情報分析装置の構成を示すブロック図である。 図３の情報分析装置の処理の流れを表すフローチャートである。 本発明の第３の実施形態の情報分析装置の構成を示すブロック図である。 図５の情報分析装置の処理の流れを表すフローチャートである。 本発明の実施形態の情報分析装置で利用する検索クエリログとジャンル要素名リストの一例を示す説明図である。 本発明の実施形態の情報分析装置で作成される単語統計情報の一例を示す説明図である。

以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。尚、以下の実施形態の説明では対象のジャンルを場所として説明するが、場所以外でも構わない。

［第１の実施形態］
本実施の形態では、入力したテキストとの関連性が高い場所名を出力するものである。

図１は本発明の一実施形態の情報分析装置の構成図、図２はその処理の流れを表すフローチャートである。図２のＳ１０〜Ｓ１３は各処理のステップを各々示している。

本実施形態の情報分析装置１００は、単語統計情報データ作成部１０（出現情報作成手段）、単語統計情報データベース１１（出現情報データベース）、テキストデータ入力部１２、ジャンル要素推定部１３（情報推定手段）、ジャンル要素名データ出力部１４（情報出力手段）で構成される。情報分析装置１００内の各部の、後述する各機能は例えばコンピュータによって達成される。

単語統計情報データ作成部１０は、検索クエリログとジャンル要素名リストを入力し、各ジャンル要素名に対する検索クエリログ中の単語統計情報（文字列の出現情報）を作成し、単語統計情報データベース１１へ出力する（Ｓ１０）。テキストデータ入力部１２は、テキストを入力する（Ｓ１１）。ジャンル要素推定部１３は、単語統計情報データベース１１内の単語統計情報を利用して、入力したテキストとジャンル要素名との関連度を推定する（Ｓ１２）。ジャンル要素名データ出力部１４は、ジャンル要素推定部１３で推定されたジャンル要素名のうち、関連度の上位のものを出力する（Ｓ１３）。

次に、本実施形態の動作を具体例により説明する。

単語統計情報データ作成部１０は、検索クエリログとジャンル要素名リストを入力し、単語統計情報を作成し、単語統計情報データベース１１へ出力する。

例えば、図７（ｂ）に示すジャンル要素名リストのうち、ある場所名が“銀座”であった場合、“銀座”を含み、かつ、他の単語も含むクエリを図７（ａ）に示す検索クエリログから集め、形態素解析を行い、“銀座”を除いた単語のうち名詞などの自立語を抜き出すと、“高級”、“ブランド”などの単語が得られる。なお、検索クエリログの各行を空白区切りの単語列とみなすことで、形態素解析を用いずに処理することも可能である。

次に、抜き出した単語の各場所と全場所の出現頻度を計算すると、図８に示すように、例えば、“銀座”における“高級”および“ブランド”の出現頻度は５５および６６となり（図８（ａ））、これら計算された各場所の単語の統計情報は単語統計情報データベース１１に格納される（図８）。図８は単語統計情報データベース１１内の単語統計情報の一例を表し、（ａ）は銀座、（ｂ）は新宿、（ｃ）は秋葉原、（ｄ）は全場所の各単語統計情報を示している。

なお、単語統計情報データ作成部１０の処理は、後の処理を行う前に少なくとも１度行っておけば良いため、以前に単語統計情報データベース１１内に単語統計情報が存在し、検索クエリログが入力されない場合は、本処理を省くことも可能である。

テキストデータ入力部１２は、場所推定の対象となるテキストデータを入力し、形態素解析を行って名詞などの自立語を抜き出す。例えば、入力テキストデータが“高級ブランド”であった場合、形態素解析により“単語／品詞”列は、“高級／名詞、ブランド／名詞”となり、自立語である“高級”、“ブランド”が保持される。なお、入力テキストデータがタブ区切り等で予め単語毎に定められていれば、形態素解析を用いずに処理することも可能である。

ジャンル要素推定部１３は、事前に計算した各場所の単語統計情報（単語統計情報データベース１１内の情報）を利用して、テキストデータ入力部１２で準備した単語と各場所との関連度を求める。

まず、場所ごとに入力したテキストデータから抜き出した単語と同じ単語を場所に対する単語統計情報データベース１１から探し、単語統計情報を取得する。
例えば、入力テキストの単語は“高級”、“ブランド”であるので、場所が“銀座”や“新宿”の出現頻度を単語統計情報データ１１から取得する。

次に、前記取得した単語統計情報を用いて入力テキストと場所との関連度の計算を行う。

例えば、ある場所に対する関連度を入力テキストから抽出した各単語の出現頻度の平均とした場合、場所が“銀座”では、図８（ａ）から、“高級”と“ブランド”の単語出現頻度の平均値＝（５５＋６６）／２＝６０．５となる。一方、場所が“新宿”では同様に、図８（ｂ）から、（４８＋２４）／２＝３６となる。
なお、なんらかの関連性が得られるのであれば、上記の関連度の計算方法に限定されない。

ジャンル要素名データ出力部１４は、ジャンル要素推定部１３で求めた関連度の高い順に上位から所定の件数の場所名を出力する。関連度の低いものが不要な場合は、順位や関連度で制限してもよい。例えば、テキストデータ入力部１２で“高級ブランド”と入力された場合、“関連度 場所名”の列として“６０．５ 銀座、３６ 新宿、…”といったように、“高級ブランド”と関連性が高い順に並んだ場所名データ（ジャンル要素名データ）が出力される。

［第２の実施形態］
本実施の形態では、入力した場所名との関連性の高い単語を出力するものである。

図３は本発明の一実施形態の情報分析装置の構成図、図４はその処理の流れを表すフローチャートである。図４のＳ２０〜Ｓ２３は各処理のステップを各々示している。

本実施形態の情報分析装置２００は、単語統計情報データ作成部２０（出現情報作成手段）、単語統計情報データベース２１（出現情報データベース）、テキストデータ入力部２２、特徴単語推定部２３（情報推定手段）、特徴単語出力部２４（情報出力手段）で構成される。情報分析装置２００内の各部の、後述する機能は、例えばコンピュータによって達成される。

単語統計情報データ作成部２０は、検索クエリログとジャンル要素名リストを入力し、各場所名に対する検索クエリログ中の単語統計情報（文字列の出現情報）を作成し、単語統計情報データベース２１へ出力する（Ｓ２０）。テキストデータ入力部２２は、テキストを入力する（Ｓ２１）。特徴単語推定部２３は、単語統計情報データベース２１内の単語統計情報を利用して、入力したテキストから関連がある単語を推定する（Ｓ２２）。特徴単語出力部２４は特徴単語推定部２３で推定された単語のうち、関連度の上位の単語を出力する（Ｓ２３）。

次に、本実施形態の動作を具体例により説明する。

単語統計情報データ作成部２０は、検索クエリログとジャンル要素名リストを入力し、単語統計情報を作成し、単語統計情報データベース２１へ出力する。

例えば、図７（ｂ）に示すジャンル要素名リスト）のうち、ある場所名が“銀座”であった場合、“銀座”を含み、かつ、他の単語も含むクエリを図７（ａ）に示す検索クエリログから集め、形態素解析を行い、“銀座”を除いた単語のうち名詞などの自立語を抜き出すと、“ランチ”、“映画館”、“○△屋”といった単語が得られる。なお、検索クエリログの各行を空白区切りの単語列とみなすことで、形態素解析を用いずに処理することも可能である。

次に、抜き出した単語の各場所と全場所の出現頻度を計算すると、例えば、図８（ａ）に示すように、“銀座”における“ランチ”、“映画館”および“○△屋”の出現頻度は１４３５、８９８、４２９となり、図８（ｄ）に示すように、全場所における“ランチ”、“映画館”、“○△屋”の出現頻度は１７９２４、２９２６７、９８４となる。これら計算された各場所の単語の統計情報は単語統計情報データベース２１に格納される。

なお、単語統計情報データ作成部２０の処理は、後の処理を行う前に少なくとも１度行っておけば良いため、以前に単語統計情報データベース２１内に単語統計情報が存在し、検索クエリログが入力されない場合は、本処理を省くことも可能である。

テキストデータ入力部２２は、場所推定の対象となるテキストデータを入力し、形態素解析を行って名詞などの自立語を抜き出す。例えば、入力テキストデータが“銀座”であった場合、形態素解析により“単語／品詞”列は、“銀座／名詞”となり、“銀座”が保持される。なお、入力テキストデータがタブ区切り等で予め単語毎に定められていれば、形態素解析を用いずに処理することも可能である。

特徴単語推定部２３は、事前に計算した各場所の単語統計情報（単語統計情報データベース２１内の情報）を利用して、テキストデータ入力部２２で準備した単語に関係する単語との関連度を求める。

例えば、入力テキストから抽出した場所名に関係する単語の関連度を単語の出現頻度とした場合、場所が“銀座”では、関連度の上位から、図８（ａ）に示す出現頻度が１４３５の“ランチ”、出現頻度が９８７の“○×”、出現頻度が９１４の“△屋”、出現頻度が８９８の“映画館”、出現頻度が４２９の“○△屋”のようになる。

なお、なんらかの関連性が得られるのであれば、上記の関連度の計算方法に限定されない（例えば、入力テキストから抽出した場所名に関係する単語の関連度を、図８の単語統計情報をもとに、特定場所の単語の出現頻度×１／（ｌｏｇ（全場所の単語出現頻度）＋１）とした場合、場所が“銀座”では、関連度の上位から計算値が２７３．１の“ランチ”、２２２．７の“△屋”、２１８．０の“○×”、１６４．２の“映画館”、１０７．４の“○△屋”のように、図８（ａ）の“銀座”に集中して出現する単語を重視することができる）。

特徴単語出力部２４は、特徴単語推定部２３で求めた関連度の高い順に上位から所定の件数の場所に関連する単語を出力する。関連度の低いものが不要となる場合は、順位や関連度で制限してもよい。例えば、テキストデータ入力部２２で“銀座”と入力された場合、“関連度 場所名”の列として“１４３５ ランチ、８９８ 映画館、４２９ ○△屋、…”といったように、“銀座”と関連性の高い順に並んだ特徴単語データが出力される。

［第３の実施形態］
本実施の形態では、入力した場所名との類似性が高い場所名を出力するものである。

図５は本発明の一実施形態の情報分析装置の構成図、図６はその処理の流れを表すフローチャートである。図６のＳ３０〜Ｓ３４は各処理のステップを各々示している。

本実施形態の情報分析装置３００は、単語統計情報データ作成部３０（出現情報作成手段）、単語統計情報データベース３１（出現情報データベース）、テキストデータ入力部３２、特徴単語推定部３３（情報推定手段）、類似ジャンル要素推定部３４（情報推定手段）、類似ジャンル要素名データ出力部３５（情報出力手段）で構成される。情報分析装置３００内の各部の、後述する機能は、例えばコンピュータによって達成される。

単語統計情報データ作成部３０は、検索クエリログとジャンル要素名リストを入力し、各場所名に対する検索クエリログ中の単語統計情報（文字列の出現情報）を作成し、単語統計情報データベース３１へ出力する（Ｓ３０）。テキストデータ入力部３２は、テキストを入力する（Ｓ３１）。特徴単語推定部３３は、入力したテキストから関連がある単語を推定する（Ｓ３２）。類似ジャンル要素推定部３４は、入力テキストから抽出したジャンル要素名と他のジャンル要素名との類似度を求める（Ｓ３３）。類似ジャンル要素名データ出力部３５は、類似ジャンル要素推定部３４で推定された他のジャンル要素名のうち、類似度の上位の類似ジャンル要素名データを出力する（Ｓ３４）。

次に、本実施形態の動作を具体例により説明する。

単語統計情報データ作成部３０、テキストデータ入力部３２は、第２の実施形態（図３の単語統計情報データ作成部２０、テキストデータ入力部２２）と同様な処理であるので説明は省略する。

特徴単語推定部３３は、事前に計算した各場所の単語統計情報（単語統計情報データベース３１内の情報）を利用して、テキストデータ入力部３２で準備した場所名と関係する単語との関連度を求める。詳細は第２の実施形態（図３の特徴単語推定部２３）と同様な処理であるので説明は省略する。

類似ジャンル要素推定部３４は、入力した場所の関連単語とその他の場所の関連単語を比較して、類似度を求める。関連単語が多い場合は、関連度の高いものから所定の閾値の範囲の単語に限定してもよい。それぞれの場所で出現している関連単語の数を類似度とした場合、値が大きいほど類似性が高いことになる。例えば、場所の関連単語のうち、関連度の上位５位の範囲のもので、“銀座”と“新宿”、“銀座”と“秋葉原”との類似度を求める。

“銀座”の関連単語は図８（ａ）に示すように、順に“ランチ、○×、△屋、映画館、○△屋”であり、“新宿”の関連単語は図８（ｂ）に示すように、順に“映画館、○○○、ランチ、ホテル、□△屋”とすると、“銀座”と“新宿”の各関連単語で一致しているものは“映画館”、“ランチ”であるので類似度は２となる。一方、“秋葉原”の関連単語は図８（ｃ）に示すように、順に“メイド喫茶、アニメショップ、フィギュア、パソコン、○□カメラ”とすると、“銀座”と“秋葉原”の各関連単語で一致するものはないので類似度は０となる。

なお、なんらかの類似性が得られるのであれば、上記の類似度の計算方法に限定されない。

類似ジャンル要素名データ出力部３５は、類似ジャンル要素推定部３４で求めた類似度の高い順に上位から所定の件数の場所に関連する単語を出力する。関連度の低いものが不要となる場合は、順位や類似度で制限してもよい。例えば、テキストデータ入力部３２で“銀座”と入力された場合、“類似度 場所名”の列として“２ 新宿、０ 秋葉原、…”といったように、“銀座”との類似性が高い順に並んだ類似ジャンル要素名データが出力される。

また、本実施形態の情報分析装置における各手段の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータを用いて実行して本発明を実現することができること、本実施形態の情報分析方法における手順をコンピュータのプログラムで構成し、そのプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラムを、そのコンピュータが読み取り可能な記録媒体、例えばＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＨＤＤ、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。

１０，２０，３０…単語統計情報データ作成部
１１，２１，３１…単語統計情報データベース
１２，２２，３２…テキストデータ入力部
１３…ジャンル要素推定部
１４…ジャンル要素名データ出力部
２３，３３…特徴単語推定部
２４…特徴単語出力部
３４…類似ジャンル要素推定部
３５…類似ジャンル要素名データ出力部
１００，２００，３００…情報分析装置

Claims (9)

1. 特定のジャンル要素に関係する情報を分析する情報分析装置であって、
   検索クエリログから、特定のジャンル要素名とともに入力される文字列の出現情報を取得して構成された文字列の出現情報が格納された出現情報データベースと、
   入力されるテキストデータから単語を抽出するテキストデータ入力手段と、
   前記テキストデータ入力手段により抽出された単語と前記出現情報データベースに格納された文字列の出現情報とから、ジャンル要素に関する特徴を推定する情報推定手段と、
   前記情報推定手段で推定されたジャンル要素に関する特徴に基づく情報を出力する情報出力手段と、
   を備えたことを特徴とする情報分析装置。
2. 各ジャンル要素および全ジャンル要素に対する文字列の出現頻度もしくはそれらを用いた関数を計算して文字列の出現情報を取得し、該文字列の出現情報を前記出現情報データベースに格納する出現情報作成手段を備えたことを特徴とする請求項１に記載の情報分析装置。
3. 前記情報推定手段は、前記文字列の出現情報を用いて、前記入力テキストに関連するジャンル要素を求めるか、又は前記入力テキストがジャンル要素名である場合に、そのジャンル要素に関連する単語を求めるか、又は前記入力テキストがジャンル要素名である場合に、そのジャンル要素に関連する単語が類似する他のジャンル要素名を求めることによって、ジャンル要素に関する特徴を推定することを特徴とする請求項１又は２に記載の情報分析装置。
4. 前記ジャンルは場所であることを特徴とする請求項１ないし３のいずれか１項に記載の情報分析装置。
5. 特定のジャンル要素に関係する情報を分析する情報分析方法であって、
   検索クエリログから、特定のジャンル要素名とともに入力される文字列の出現情報を取得して構成された文字列の出現情報が格納された出現情報データベースを備え、
   テキストデータ入力手段が、入力されるテキストデータから単語を抽出するテキストデータ入力ステップと、
   情報推定手段が、前記テキストデータ入力手段により抽出された単語と前記出現情報データベースに格納された文字列の出現情報とから、ジャンル要素に関する特徴を推定する情報推定ステップと、
   情報出力手段が、前記情報推定手段で推定されたジャンル要素に関する特徴に基づく情報を出力する情報出力ステップと、
   を備えたことを特徴とする情報分析方法。
6. 出現情報作成手段が、各ジャンル要素および全ジャンル要素に対する文字列の出現頻度もしくはそれらを用いた関数を計算して文字列の出現情報を取得し、該文字列の出現情報を前記出現情報データベースに格納する出現情報作成ステップを備えたことを特徴とする請求項５に記載の情報分析方法。
7. 前記情報推定ステップは、前記文字列の出現情報を用いて、前記入力テキストに関連するジャンル要素を求めるか、又は前記入力テキストがジャンル要素名である場合に、そのジャンル要素に関連する単語を求めるか、又は前記入力テキストがジャンル要素名である場合に、そのジャンル要素に関連する単語が類似する他のジャンル要素名を求めることによって、ジャンル要素に関する特徴を推定することを特徴とする請求項５又は６に記載の情報分析方法。
8. 前記ジャンルは場所であることを特徴とする請求項５ないし７のいずれか１項に記載の情報分析方法。
9. コンピュータを請求項１ないし４のいずれか１項に記載の各手段として機能させる情報分析プログラム。

Images