JP2011186855A - 質問推薦装置及び方法及びプログラム - Google Patents

Abstract

【課題】 インターネット上のＱＡサービスにおいて、ユーザが回答すれば質問者に対して良回答として選択される可能性の高い質問を推薦する。
【解決手段】 本発明は、ユーザ毎に質問の単語に対する回答の知識量を知識情報テーブルに格納しておき、良い回答として選ばれた場合には、良知識情報テーブルに反映させ、質問の単語の重みを計算し、重みに単語の知識を乗じることで、ユーザと質問の関連の強さ（知識合致度テーブルのscore₀）と良い回答に限ったユーザと質問との関連の強さ（良知識合致度テーブルのscore₁）との荷重和を求め推薦スコアを求め、上位Ｎ件の質問を選択する。
【選択図】 図１

Description

本発明は、質問推薦装置及び方法及びプログラムに係り、特に、インターネット上のＱＡ(Question/Answer)サービスで提供されるユーザ間の質問回答における、質問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、ニュース記事を推薦するために、各ニュース記事についてユーザに５段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事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）。

また、上記の手法と同様に、各情報に対して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２参照）。

また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある（例えば、特許文献１参照）。

特開平１１-３３８８６９号公報

Resnick, P. et al., "GroupLens: An open architecture for collaborative filtering of netnews". CSCW '94: Proceedings of the 1994 ACM conference on Computer supported cooperative work, ACM Press New York, 1994. 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

インターネット上のQAサービスにおいては、あるユーザの質問に対して別のユーザが回答することにより情報の共有が成り立っている。しかしながら、多くの質問に回答がついておらず、またついていたとしても質問者の悩みや疑問を解決するような良質な回答でないことも多い。こういったことから、ＱＡは必ずしも情報共有の場として成立しているわけではない。

上記の特許文献１の手法を用いて質問を推薦する場合、ユーザが指定した興味のある質問に基づいて推薦が行われるが、ユーザの興味のある質問は必ずしもユーザが質問者にとって役に立ちそうな回答ができそうな質問とは異なるため、良質な回答を増やすには効果的でない。

非特許文献１、２に記載の手法で質問を推薦する場合、ユーザの回答した質問の情報を用いてユーザに質問を推薦するが、その質問の情報の中でユーザの回答が質問者の役に立ったのか立たなかったのかという情報は考慮しない。したがって、従来の推薦技術ではユーザが回答しそうな質問は推薦できるものの、ユーザが質問者の役に立つような回答ができそうな質問は推薦することができなかった。

本発明は上記の点に鑑みなされたもので、インターネット上のＱＡサービスにおいて、ユーザが回答すれば質問者によって良回答として選択されそうな質問の推薦を実現し、良質な回答を増やすことが可能な質問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、インターネット上のＱＡサービスにおいて、利用者の回答履歴、特にそれら回答が質問者により良回答として選ばれたかどうかの情報を利用する質問推薦装置であって、
インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段８１に格納する質問回答取得手段１１と、
各質問から単語を抽出する単語抽出手段１２と、
各質問における各単語の統計量を算出し、統計量記憶手段８７に格納する統計量算出手段１５と、
取得した回答からユーザと、統計量記憶手段の回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段８２に格納する知識量算出手段２０と、
知識量記憶手段８２に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段８４に格納する知識合致度算出手段４０と、
取得した回答のうち、良回答であるもののみを選出し、該回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する良知識量を算出し、ユーザの識別子と、単語と共に良知識量記憶手段８３に格納する良知識量算出手段３０と、
良知識量記憶手段８３に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する良知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に良知識合致度記憶手段８５に格納する良知識合致度算出手段５０と、
質問回答情報記憶手段８１に格納されている質問のうち、回答締切済のものと、質問回答記憶手段８１に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、質問回答情報記憶手段８１に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、知識合致度記憶手段８４に格納されている知識合致度と、良知識合致度記憶手段８５に格納されている良知識合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段８６に格納する重みパラメータ算出手段７０と、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段８１に格納されている回答締切前の各質問に対して、知識合致度記憶手段８４に格納されている知識合致度と、良知識合致度記憶手段８５に格納されている良知識合致度と、重みパラメータ記憶手段８６に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段６０と、を有する。

また、本発明（請求項２）は、統計量算出手段１５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。

また、本発明（請求項３）は、重みパラメータ算出手段７０において、
質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、知識合致度記憶手段に格納されている知識合致度と、良知識合致度記憶手段に格納されている良知識合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む。

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４）は、インターネット上のＱＡサービスにおいて、利用者の回答履歴、特にそれら回答が質問者により良回答として選ばれたかどうかの情報を利用する質問推薦方法であって、
ＱＡサービスにおける質問と回答を回答締切前か否かの情報と共に格納する質問回答記憶手段と、
質問における各単語の統計量を格納する統計量記憶手段と、
ユーザ毎の単語に対する知識量を格納する知識量記憶手段と、
ユーザ毎の質問に対する知識合致度を格納する知識合致度記憶手段と、
ユーザ毎の単語に対する良知識良を格納する良知識量記憶手段と、
ユーザ毎の質問に対する良知識合致を格納する良知識合致度記憶手段と、
重みパラメータを格納する重みパラメータ記憶手段と、
を有するコンピュータが、
インターネット上のＱＡサービスにおける質問と回答を取得し、質問回答記憶手段に格納する質問回答取得ステップ（ステップ１）と、
各質問から単語を抽出する単語抽出ステップ（ステップ２）と、
各質問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、
取得した回答からユーザと、統計量記憶手段の回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段に格納する知識量算出ステップ（ステップ４）と、
知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出ステップ（ステップ５）と、
取得した回答のうち、良回答であるもののみを選出し、該回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する良知識量を算出し、ユーザの識別子と、単語と共に良知識量記憶手段に格納する良知識量算出ステップ（ステップ６）と、
良知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する良知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に良知識合致度記憶手段に格納する良知識合致度算出ステップ（ステップ７）と、
質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、知識合致度記憶手段に格納されている知識合致度と、良知識合致度記憶手段に格納されている良知識合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップ（ステップ８）と、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段に格納されている回答締切前の各質問に対して、知識合致度記憶手段に格納されている知識合致度と、良知識合致度記憶手段に格納されている良知識合致度と、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップ（ステップ９）と、を行う。

また、本発明（請求項５）は、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。

また、本発明（請求項６）は、重みパラメータ算出ステップ（ステップ８）において、
質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、知識合致度記憶手段に格納されている知識合致度と、良知識合致度記憶手段に格納されている良知識合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む。

本発明（請求項７）は、請求項１乃至３のいずれか１項に記載の質問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質問推薦プログラムである。

上記のように本発明によれば、ユーザの回答について、質問者からのフィードバックを利用することにより、従来の技術では不可能であった、回答の質を考慮した（良回答に選択されそうな回答ができそうな）質問を推薦することが可能になる。これはＱＡシステムにおける良質な回答の増加につながり、従来の推薦技術では不可能であったＱＡサービスの活性化につながる。

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質問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質問回答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知識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良知識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知識合致度テーブルの例である。 本発明の一実施の形態における良知識合致度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登校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９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９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図９のステップ１４０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９のステップ１５０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質問への回答締切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１４のステップ２３０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１４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。 本発明の一実施の形態における重みパラメータ更新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。

本発明では、インターネット上のＱＡサービスにおいて、良質な回答を増やすために、質問者がどの回答を良回答として選択したかどうかの情報を用いて、ユーザが回答すれば質問者に良回答として選択される可能性の高い質問を推薦する手法を実現する。

図３は、本発明の一実施の形態における質問推薦装置の構成を示す。

同図に示す質問推薦装置１は、質問回答情報テーブル更新部１０、知識情報テーブル更新部２０、良知識情報テーブル更新部３０、知識合致度テーブル更新部４０、良知識合致度テーブル更新部５０、質問推薦部６０、重みパラメータ更新部７０、記憶部８０、通信部９０、入出力部９５から構成され、通信部９０はネットワーク３に接続されており、入出力部９５は、入力装置や表示装置等の外部装置４に接続されている。

記憶部８０は、メモリまたはハードディスク等の記憶媒体であり、質問回答情報テーブル８１、知識情報テーブル８２、良知識情報テーブル８３、知識合致度テーブル８４、良知識合致度テーブル８５、重みパラメータ記録部８６から構成される。以下に各テーブルについて説明する。

＜質問回答情報テーブル＞
図４は、本発明の一実施の形態における質問回答情報テーブルの例である。

質問回答情報テーブル８１には、図４に示すように、質問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、本文フィールド、メッセージ種別フィールド、回答締切フィールド、良回答フィールドが含まれる。

質問ＩＤフィールドは、質問ならばその質問を特定する識別子で、回答ならば対象となる質問を特定する識別子であり、質問回答情報テーブル更新部１０により設定される。新たなメッセージｍが投稿された場合、質問ＩＤフィールドはメッセージｍが質問であった場合は他の質問と識別するため新たなＩＤが、メッセージｍが回答であった場合はどの質問に対する回答かを識別するためのＩＤが、質問回答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、質問回答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、質問回答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、質問回答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「質問」か、「回答」かが判定され、質問回答情報テーブル更新部１０により設定される。

回答締切フィールドは、メッセージmが質問の場合、回答がすでに締め切られているか否かの情報が、質問回答テーブル更新部１０により設定される。本実施の形態では、締め切られている場合は「１」を、締め切られていない場合は「０」を設定するものとする。

良回答フィールドは、良回答か否かを区別する値が質問回答情報テーブル更新部１０により設定される。良回答は、１つの質問に対しそれぞれ１つずつ、当該質問のユーザＩＤフィールドの値で特定されるユーザ（質問者）により決定される。本値は当該メッセージが良回答ならば「１」、そうでなければ「０」とする。

＜知識情報テーブル＞
知識情報テーブル８２には、図５に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。

ユーザＩＤフィールドは、ユーザＩＤが、知識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、知識情報テーブル更新部２０により設定される。

特徴量フィールドは、ユーザｕの回答中に出現する単語ｗの統計量knowledge₀(u,w)であり、知識情報テーブル更新部２０により設定される。

＜良知識情報テーブル＞
良知識情報テーブル８３には、図６に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。

ユーザＩＤフィールドは、ユーザＩＤが、良知識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、良知識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の良回答中に出現する単語wの統計量knowledge₁(u,w)であり、良知識情報テーブル更新部３０により設定される。

＜知識合致度テーブル＞
知識合致度テーブル８４には、図７に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、知識合致度フィールドとが含まれる。

知識合致度フィールドは、当該行のユーザｕの過去に回答した質問と、当該行の質問ｑとの内容の類似度score₀(q,u)が知識合致度テーブル更新部４０により設定される。

＜良知識合致度テーブル＞
良知識合致度テーブル８５には、図８に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、良知識合致度フィールドとが含まれる。

良知識合致度フィールドは、当該行のユーザｕの過去に回答した質問と、当該行の質問 qとの内容の類似度score₁(q,u)が知識合致度テーブル更新部５０により設定される。

＜重みパラメータ記録部＞
重みパラメータ記録部８６には、質問推薦部６０がユーザｕに質問ｑを推薦するための推薦スコアscore(q,u)を以下のように算出するための重みλ₀、λ₁が格納されている。

重みλ₀、λ₁は、重みパラメータ更新部７０によって設定される。

図７は、本発明の一実施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）質問回答情報テーブル更新部１０が、質問回答情報テーブル８１に、投稿したユーザ、投稿されたメッセージの本文、投稿されたメッセージが質問か回答かの情報に応じて質問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、本文フィールド、メッセージ種別フィールドを設定する。また、回答締切フィールド、良回答フィールドの値を０と設定する。そのような行ｍを質問回答情報テーブル８１に挿入する。

メッセージｍが回答であった場合、
ステップ１２０） 知識情報テーブル更新部２０が、上記行ｍの情報を元に知識情報テーブル８２を更新する。

ステップ１３０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元に知識合致度テーブル８４を更新する。

メッセージｍが質問であった場合、
ステップ１４０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元に知識合致度テーブル８４を更新する。

ステップ１５０）良知識合致度テーブル更新部４０が、上記行ｍの情報を元に良知識合致度テーブル８５を更新する。

次に、上記の図９のステップ１２０の知識情報テーブル更新処理を詳細に説明する。

図１０は、本発明の一実施の形態における図９のステップ１２０（知識情報テーブル更新）の詳細な処理のフローチャートである。今、メッセージｍのユーザ、対象となっている質問（質問回答情報テーブル８１にて、行ｍと質問ＩＤを同じくし、かつメッセージ種別が「質問」である行）がそれぞれｕ、ｑであるとする。

ステップ１２１） 知識情報テーブル更新部２０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合Ｗを取得する。

ステップ１２２） 知識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、質問ｑの本文における統計量、例えば出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」（単語の出現頻度））tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。単語ｗの質問ｑの本文における重み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３記載の「ＴＦＩＤＦ値」（単語の出現頻度と逆出現頻度）等）を用いても構わない。

ステップ１２３） 知識情報テーブル更新部２０が、知識情報テーブル８２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 knowledge₀(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はknowledge₀(u,w)の値は「０」とする。

ステップ１２４） 知識情報テーブル更新部２０が、知識情報テーブル８２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 knowledge₀(u,w)+ tf(m,w)とするように更新または挿入する。

次に、上記の図９のステップ１３０の知識合致度テーブル更新処理を詳細に説明する。

図１１は、本発明の一実施の形態における図９のステップ１３０（知識合致度テーブル更新）の詳細な処理のフローチャートである。今、メッセージｍのユーザがそれぞれｕであるとする。

ステップ１３１） 知識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をＷとする。

ステップ１３２） 知識合致度テーブル更新部４０が、上記単語集合Ｗに含まれる個々の単語Ｗに対して、知識情報テーブル８２を参照し、ユーザＩＤがｕで単語がＷの行の特徴量フィールドの値knowledge₀(u,w)を取得する。

ステップ１３３） 知識合致度テーブル更新部４０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が「０」である質問集合ｑを取得する。

ステップ１３４） 知識合致度テーブル更新部４０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合Ｗ内の各単語Ｗの統計量（例えば文献３記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。もし質問ｑの本文フィールドに単語Ｗが含まれない場合は、tf(q,w)=0とする。

ステップ１３５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｕに対する知識合致度 score₀(q,u) を以下の式を用いて算出する。

式（２）におけるtf(q,w)は、統計量メモリ（図示せず）の質問ｑにおける単語Ｗの重みを意味し、知識情報テーブル８２の特徴量knowledge₀(u,w)はユーザｕの単語Ｗに対する知識量を表す。分子は、両者の内積であるが、内積は質問ｑに含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザｕの知識と質問ｑの関連の強さが求まる。

ステップ１３６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４を、ユーザＩＤがｕで、質問ＩＤがｑの行の知識合致度フィールドの値が前記知識合致度 score₀(q,u) となるように更新する。

次に、上記の図９のステップ１４０の知識合致テーブル更新処理を詳細に説明する。

図１２は、本発明の一実施の形態における図９のステップ１４０（知識合致テーブル更新）の詳細な処理のフローチャートである。今、メッセージｍに対応する質問がｑであるとする。

ステップ１４１） 知識合致度テーブル更新部４０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合Ｗを取得する。

ステップ１４２）知識合致度テーブル更新部４０が、上記単語集合Ｗに含まれる個々の単語Ｗに対して、質問ｑの本文における統計量（例えば文献３記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。

ステップ１４３） 知識合致度テーブル更新部４０が、知識情報テーブル８２に出現するユーザ集合ｕを取得する。

ステップ１４４） 識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、前記単語集合Ｗ中の各単語Ｗについて、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knowledge₀(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値の行が存在しない場合は knowledge₀(u,w)の値は０とする。

ステップ１４５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｕに対する知識合致度score₀(q,u)を式（２）を用いて算出する。

ステップ１４６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４に、ユーザＩＤがｕ、質問ＩＤがq、知識合致度がscore₀(q,u)となる行を挿入する。

次に、上記の図９のステップ１５０の良知識合致度テーブル更新処理を詳細に説明する。

図１１は、本発明の一実施の形態における図９のステップ１５０の詳細な処理のフローチャートである。今、メッセージｍに対応する質問がｑであるとする。

ステップ１５１） 良知識合致度テーブル更新部５０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合Ｗを取得する。

ステップ１５２） 良知識合致度テーブル更新部５０が、上記単語集合Ｗに含まれる個々の単語Ｗに対して、質問ｑの本文における統計量（例えば文献３記載の「ＴＦ値」） tf(q,w) を算出し、統計量メモリ（図示せず）に格納する。

ステップ１５３） 良知識合致度テーブル更新部５０が、良知識情報テーブル８３に出現するユーザ集合ｕを取得する。

ステップ１５４） 良知識合致度テーブル更新部５０が、良知識情報テーブル８３を参照し、前記単語集合Ｗ中の各単語Ｗについて、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knowledge₁(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合は、 knowledge₁(u,w) の値は「０」とする。

ステップ１５５） 良知識合致度テーブル更新部５０が、前記質問ｑのユーザｕに対する良知識合致度 score₁(q,u)を式（３）を用いて算出する。

式（３）の意味も、式（２）と同様である。すなわち、tf(q,w)は質問ｑにおける単語Ｗの重みであり、知識情報テーブル８２の特徴量knowledge(u,w)はユーザｕの単語Ｗに対する良知識量である。その両者の、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度によって、ユーザｕの良知識と質問ｑの関連の強さを求める。

ステップ１５６） 良知識合致度テーブル更新部５０が、良知識合致度テーブル８５に、ユーザＩＤがｕ、質問ＩＤがｑ、良知識合致度がscore₁(q,u)となる行を挿入する。

図１２は、本発明の一実施の形態における質問者による回答締切時の処理のフローチャートである。質問毎に質問者（当該質問のユーザＩＤで特定されるユーザ）は、回答がある程度つくと、回答を締め切る。そのとき、ついた回答の中で役に立ったものを良回答として選択する。良回答は必ずしも選択される必要はなく、いずれの回答も質問者にとって役に立たなければ、いずれの回答も良回答として選択されない。今、締め切ろうとしている質問の質問ＩＤ、メッセージＩＤをそれぞれｑ、ｍとする。

ステップ２１０） 質問回答情報テーブル更新部１０が、質問回答情報テーブル８１の、メッセージＩＤフィールドの値がｍの行の回答締切フィールドの値を「１」となるように更新する。

今、質問ｑの良回答として選ばれたメッセージが質問回答情報テーブル８１の行ｍ'に対応するものとする。

ステップ２２０） 質問回答情報テーブル更新部１０が、質問回答情報テーブル８１の、行ｍ'の良回答フィールドの値を「１」となるように更新する。

ステップ２３０） 良知識情報テーブル更新部３０が、行ｍ'の情報を元に良知識情報テーブル８３を更新する。

ステップ２４０） 良知識合致度テーブル更新部５０が、行ｍ'の情報を元に知識合致度テーブル８４を更新する。

次に、上記の図１４のステップ２３０の処理を詳細に説明する。

図１５は、本発明の一実施の形態における図８のステップ２２０の詳細な処理のフローチャートである。今、行ｍ'のユーザ、対象となっている質問がそれぞれｕ、ｑであるとする。

ステップ２３１） 良知識情報テーブル更新部３０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合Ｗを取得する。

ステップ２３２） 良知識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ｑの本文における統計量（例えば、文献３記載の「ＴＦ値」）tf(q,w) を算出し、統計量メモリ（図示せず）に格納する。

ステップ２３３） 良知識情報テーブル更新部３０が、良知識情報テーブル８３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 knowledge₁(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がwの行が存在しない場合はknowledge₁(u,w)の値は「０」とする。

ステップ２３４） 良知識情報テーブル更新部３０が、良知識情報テーブル８３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 knowledge₁(u,w)+ tf(q,w)とするように更新または挿入する。

次に、上記の図１４のステップ２４０の処理を詳細に説明する。

図１６は、本発明の一実施の形態における図１４のステップ２４０の詳細な処理のフローチャートである。今、メッセージｍのユーザがそれぞれｕであるとする。

ステップ２４１） 良知識合致度テーブル更新部５０が、良知識情報テーブル８３を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をＷとする。

ステップ２４２） 良知識合致度テーブル更新部５０が、上記単語集合Ｗに含まれる個々の単語Ｗに対して、良知識情報テーブル８３を参照し、ユーザＩＤがｕで単語がＷの行の特徴量フィールドの値knowledge₁(u,w)を取得する。

ステップ２４３） 良知識合致度テーブル更新部５０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が０である質問集合ｑを取得する。

ステップ２４４）良知識合致度テーブル更新部５０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合Ｗ内の各単語Ｗの統計量（例えば文献３記載の「ＴＦ値」）tf(q,w) を算出し、統計量メモリ（図示せず）に格納する。もし質問ｑの本文フィールドに単語Ｗが含まれない場合は、tf(q,w)=0とする。

ステップ２４５） 良知識合致度テーブル更新部５０が、前記質問ｑのユーザｕに対する良知識合致度 score₁(q,u)を式（３）を用いて算出する。

ステップ２４６） 良知識合致度テーブル更新部５０が、良知識合致度テーブル８５を、ユーザＩＤがｕで、質問ＩＤがｑの行の良知識合致度フィールドの値が前記良知識合致度score₁(q,u)となるように更新する。

図１７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。

ユーザｕがログオンすると、
ステップ３１０） 質問推薦部６０が、知識合致度テーブル８４を参照し、ユーザＩＤフィールドがｕの行 K⁰ _u を取得する。

ステップ３２０） 質問推薦部６０が、良知識合致度テーブル８５を参照し、ユーザＩＤフィールドがｕの行 K¹ _uを取得する。

ステップ３３０） 質問推薦部６０が、重みパラメータ記録部８６を参照し、重みパラメータλ₀、λ₁を取得する。

ステップ３４０） 質問推薦部６０が、質問回答情報テーブル８１から回答締切フィールドの値が「０」でメッセージ種別が質問である行集合ｑを取得する。

ステップ３５０） 質問推薦部６０が、前記質問集合ｑの各質問ｑについて、前記知識合致度テーブル８４内のユーザＩＤがユーザｕのものK⁰ _uのうち質問ＩＤがｑの行の知識合致度score₀(q,u) と、前記良知識合致度テーブル８５内のユーザＩＤがユーザｕのもの K¹ _uのうち質問ＩＤがｑの行の良知識合致度score₁(q,u)とを取得し、式（１）を用いてユーザｕへの質問ｑの推薦スコアscore(q,u)を算出する。

ステップ３６０） 質問推薦部６０が、前記質問集合ｑ内の各質問ｑのユーザｕに対する推薦スコアscore(q,u) の値を用いてユーザｕに推薦すべき質問を決定する。その際、推薦スコアフィールドの値が大きいものから順に予め設定した任意の件数N(N=1,2,3,…) 件を推薦すべき質問としてもよいし、推薦スコアに対し、ある閾値を設けて、 推薦スコアがその値を超えるものを推薦すべき質問としてもよい。

図１８は、本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。重みパラメータは、本実施の形態のように、文献４（Hosmer, D.W. et al., "Applied logistic regression", 2000）記載のロジスティック回帰モデルを用いて自動で算出してもよいし、文献５（Cristianini, N. et al., "An introduction to support Vector Machines: and other kernel-based learning methods", 2000）記載のサポートベクトルマシン等を用いて自動で算出してもよいし、人手にて適当な重みパラメータを設定してもよい。重みパラメータの更新は、システムの管理者の明示的な入力で開始するようにしてもよいし、定期的にバッチ処理するようにしてもよい。

ステップ４１０） 重みパラメータ更新部７０は、知識合致度テーブル８４のユーザＩＤフィールドに出現するユーザ集合ｕを取得する。

ステップ４２０） 重みパラメータ更新部７０は、質問回答情報テーブル８１を参照し回答締切フィールドの値が「１」でメッセージ種別フィールドの値が「質問」である行集合（すなわち、締切済みの質問集合）ｑを取得する。

ステップ４３０） 重みパラメータ更新部７０は、知識合致度テーブル８４、良知識合致度テーブル８５を参照し、前記質問集合ｑの各質問と、前記ユーザ集合ｕの各ユーザとの各質問との組合せ(q,u)について、知識合致度score₀(q,u)と、良知識合致度score₁(q,u) を取得し、以下の式を用いて p(q,u)を算出する。

式（４）は、Σ_iλ_iscore_i(q,u)の値を確率化したもので、Σ_iλ_iscore_i(q,u)の値が高ければ高いほど値が１に近づき、Σ_iλ_iscore_i(q,u) の値が低ければ低いほど０に近づく。

ステップ４４０） 重みパラメータ更新部７０は、前記質問集合ｑ内の各質問ｑと、前記ユーザ集合ｕ内の各ユーザｕについて、質問回答情報テーブル８１に、ユーザＩＤがｕで、質問ＩＤがｑで、良回答フィールドの値が１の行が存在する場合 b(q,u)=1 とし、ユーザＩＤがｕで、質問ＩＤがｑで、良回答フィールドの値が１の行は存在しないが、メッセージ種別フィールドの値が「回答」の行が存在する場合はb(q,u)=αとし、ユーザＩＤがｕで、質問ＩＤがｑで、メッセージ種別フィールドの値が「回答」の行が存在しない場合は b(q,u)=0 とする。このとき、L(λ₀,λ₁) を以下の式を用いて算出する。

αは人手によって、例えば0.8に設定する。

式（５）は、λ₀とλ₁の尤度と呼ばれる尺度で、過去の質問回答情報の良回答であったか否かb(q,u)と、各質問のユーザ毎の式（４）で表されるp(q,u)から、設定したλ₀とλ₁がどれだけ過去の質問回答情報とマッチしているかを表す尺度である。したがって、式（５）を最大にするようなλ₀、λ₁がもっとも適切な重みパラメータであると考えられる。

ステップ４５０） 重みパラメータ更新部７０が、文献６（Liu, D.C. et al., "On the limited memory BFGS method for large scale optimization", 1989）記載の準ニュートン法等による最適化手法により、式（４）で表わされる L(λ₀,λ₁) を最大にするλ₀、λ₁ を算出する。

ステップ４６０） 重みパラメータ更新部７０が、重みパラメータ記録部８６にさきほど算出した重みパラメータλ₀、λ₁を記録する。

上記のように、ユーザ毎に質問の単語に対する知識量を知識情報テーブル８２に格納しておき、良い回答として選ばれた場合には、良知識情報テーブル８３に反映させる。そして、質問の単語の重みを計算し、重みに単語の知識を乗じることで、ユーザと質問の関連の強さ（知識合致度テーブル８４のscore0）と良い回答に限ったユーザと質問との関連の強さ（良知識合致度テーブル８５のscore1）との荷重和を求め推薦スコアを求め、上位Ｎ件の質問を選択することで、インターネット上の質問に対する回答の質を向上させることができる。

なお、上記の図３に示す各構成要素の動作をプログラムとして構築し、質問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。

１ 質問推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
１０ 質問回答情報テーブル更新部
１１ 質問回答取得手段
１２ 単語抽出手段
１５ 統計量算出手段
２０ 知識量算出手段、知識情報テーブル更新部
３０ 良知識量算出手段、良知識情報テーブル更新部
４０ 知識合致度算出手段、知識合致度テーブル更新部
５０ 良知識合致度算出手段、良知識合致度テーブル更新部
６０ 質問推薦手段、質問推薦部
７０ 重みパラメータ算出手段、重みパラメータ更新部
８０ 記憶部
８１ 質問回答記憶手段、質問回答情報テーブル
８２ 知識量記憶手段、知識情報テーブル
８３ 良知識記憶手段、良知識情報テーブル
８４ 知識合致度記憶手段、知識合致度テーブル
８５ 良知識合致度記憶手段、良知識合致度テーブル
８６ 重みパラメータ記憶手段、重みパラメータ記憶部
８７ 統計量記憶手段
９０ 通信部
９５ 入出力部

Claims (7)

1. インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の回答履歴、特にそれら回答が質問者により良回答として選ばれたかどうかの情報を利用する質問推薦装置であって、
   前記インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段に格納する質問回答取得手段と、
   各質問から単語を抽出する単語抽出手段と、
   各質問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、
   取得した前記回答からユーザと、前記統計量記憶手段の回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に知識量記憶手段に格納する知識量算出手段と、
   前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出手段と、
   取得した前記回答のうち、良回答であるもののみを選出し、該回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する良知識量を算出し、前記ユーザの識別子と、前記単語と共に良知識量記憶手段に格納する良知識量算出手段と、
   前記良知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する良知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に良知識合致度記憶手段に格納する良知識合致度算出手段と、
   前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
   ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段と、
   を有することを特徴とする質問推薦装置。
2. 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。
3. 前記重みパラメータ算出手段は、
   前記質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む
   請求項１記載の質問推薦装置。
4. インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の回答履歴、特にそれら回答が質問者により良回答として選ばれたかどうかの情報を利用する質問推薦方法であって、
   ＱＡサービスにおける質問と回答を回答締切前か否かの情報と共に格納する質問回答記憶手段と、
   質問における各単語の統計量を格納する統計量記憶手段と、
   ユーザ毎の単語に対する知識量を格納する知識量記憶手段と、
   ユーザ毎の質問に対する知識合致度を格納する知識合致度記憶手段と、
   ユーザ毎の単語に対する良知識良を格納する良知識量記憶手段と、
   ユーザ毎の質問に対する良知識合致を格納する良知識合致度記憶手段と、
   重みパラメータを格納する重みパラメータ記憶手段と、
   を有するコンピュータが、
   前記インターネット上のＱＡサービスにおける質問と回答を取得し、前記質問回答記憶手段に格納する質問回答取得ステップと、
   各質問から単語を抽出する単語抽出ステップと、
   各質問における各単語の統計量を算出し、前記統計量記憶手段に格納する統計量算出ステップと、
   取得した前記回答からユーザと、前記統計量記憶手段の回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に前記知識量記憶手段に格納する知識量算出ステップと、
   前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記知識合致度記憶手段に格納する知識合致度算出ステップと、
   取得した前記回答のうち、良回答であるもののみを選出し、該回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する良知識量を算出し、前記ユーザの識別子と、前記単語と共に前記良知識量記憶手段に格納する良知識量算出ステップと、
   前記良知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する良知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記良知識合致度記憶手段に格納する良知識合致度算出ステップと、
   前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
   ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップと、
   を行うことを特徴とする質問推薦方法。
5. 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４記載の情報推薦方法。
6. 前記重みパラメータ算出ステップにおいて、
   前記質問回答情報記憶手段に格納されている該質問に対する該ユーザの回答が良回答に選ばれたかどうかと、前記知識合致度記憶手段に格納されている知識合致度と、前記良知識合致度記憶手段に格納されている良知識合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む
   請求項４記載の質問推薦方法。
7. 請求項１乃至３のいずれか１項に記載の質問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質問推薦プログラム。

Images