JP2012003700A

JP2012003700A - プログラム及び情報分析装置

Info

Publication number: JP2012003700A
Application number: JP2010140662A
Authority: JP
Inventors: Yukihiro Tsuboshita; 幸寛坪下
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2010-06-21
Filing date: 2010-06-21
Publication date: 2012-01-05
Anticipated expiration: 2030-06-21
Also published as: JP5471877B2

Abstract

【課題】データ要素の属性毎の平均的な被接続数の多寡に応じてデータ要素間の接続関係の重みを変更する。
【解決手段】情報分析装置１０は、複数のデータ要素毎に、当該データ要素の属性情報と、当該データ要素が接続する他のデータ要素を示す接続情報を取得し、属性情報毎に、当該属性情報が共通するデータ要素群における１つのデータ要素当たりの平均の被接続数を示す平均被接続数を算出し、複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出された平均被接続数に基づいて設定する。
【選択図】図１

Description

本発明は、プログラム及び情報分析装置に関する。

論文、特許文献、ウェブページ等の文書間には引用、参照等の有向の接続関係があり、これらの文書をデータ要素（ノード）、接続関係をリンクとしたネットワークの情報を解析し有意な情報を得ることが行われている。例えば、下記の非特許文献１には、多くの引用を集める文書ほど価値が高くなるようにして、各文書の評価値を算出する技術が記載されている。

Lawrence Page, Sergey Brin,Rajeev Motwani, Terry Winograd,"The PageRank CitationRanking: Bringing Order to the Web"、［online］、1998年1月26日、インターネット〈URL：http://www-db.stanford.edu/~backrub/pageranksub.ps〉

文書が属する分野によって平均的な被引用数は異なっている場合、単純に多くの引用を集める文書ほど価値が高くなるようにしたときには、他の分野よりも引用数が多い分野に属する文書は高く評価される傾向があり、逆に他の分野よりも引用数が少ない分野に属する文書は低く評価される傾向がある。

本発明の目的は、データ要素の属性毎の平均的な被接続数の多寡に応じてデータ要素間の接続関係の重みを変更するプログラム及び情報分析装置を提供することにある。

上記目的を達成するために、請求項１に記載の発明は、コンピュータを、複数のデータ要素毎に、当該データ要素の属性情報と、当該データ要素が接続する他のデータ要素を示す接続情報を取得する取得手段と、前記属性情報毎に、当該属性情報が共通するデータ要素群における１つのデータ要素当たりの平均の被接続数を示す平均被接続数を算出する算出手段と、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に基づいて設定する設定手段として機能させるためのプログラムである。

また、請求項２に記載の発明は、前記設定手段は、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に反比例するように設定することを特徴とする請求項１に記載のプログラムである。

また、請求項３に記載の発明は、前記算出手段は、前記複数のデータ要素全体における１つのデータ要素当たりの被接続数を示す全体平均被接続数をさらに算出し、前記設定手段は、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、前記全体平均被接続数を当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数で除した値を乗じて設定することを特徴とする請求項１又は２に記載のプログラムである。

また、請求項４に記載の発明は、前記コンピュータをさらに前記複数のデータ要素毎の評価値を、前記設定手段により設定される接続の重みに従って更新する処理を、予め定められた終了条件が満足されるまで繰り返し実行する更新手段として機能させるための請求項１から３のいずれかに記載のプログラムである。

また、請求項５に記載の発明は、複数のデータ要素毎に、当該データ要素の属性情報と、当該データ要素が接続する他のデータ要素を示す接続情報を取得する取得手段と、前記属性情報毎に、当該属性情報が共通するデータ要素群における１つのデータ要素当たりの平均の被接続数を示す平均被接続数を算出する算出手段と、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に基づいて設定する設定手段と、を含むことを特徴とする情報分析装置である。

請求項１及び５に記載の発明によれば、データ要素の属性毎の平均的な被接続数の多寡に応じてデータ要素間の接続関係の重みを変更できる。

請求項２に記載の発明によれば、接続先のデータ要素の属性の平均被接続数が多い程その接続の重みを小さく設定できる。

請求項３に記載の発明によれば、接続先のデータ要素の属性の平均被接続数がデータ要素全体の平均被接続数よりも多い場合にはその接続の重みを小さく、少ない場合にはその接続の重みを大きく設定できる。

請求項４に記載の発明によれば、データ要素の属性毎に平均の被引用数が異なる場合にも、それらの被引用数の偏りによる影響を低減して各データ要素の評価値を算出できる。

本実施形態に係る情報分析装置の機能ブロック図である。分析対象となるネットワークの一例を示す図である。ノードデータテーブルの一例を示す図である。隣接行列の一例を示す図である。リンク重みの一例を説明する図である。ノードの評価値の算出処理の一例を示すフローチャートである。

以下、本発明を実施するための実施の形態（以下、実施形態という）を、図面に従って説明する。

図１には、本実施形態に係る情報分析装置１０の機能ブロック図を示した。図１に示されるように、情報分析装置１０は、ノードデータ取得部１００、隣接行列生成部１０２、全体平均被引用数算出部１０４、分野別平均被引用数算出部１０６、リンク重み設定部１０８、評価値更新部１１０、及び処理結果保持部１１２を含む。上記の各部の機能は、ＣＰＵ等の制御手段、メモリ等の記憶手段、外部デバイスとデータを送受信する入出力手段等を備えたコンピュータが、コンピュータ読み取り可能な情報記録媒体に格納されたプログラムを読み込み実行することで実現されるものとしてよい。なお、プログラムは情報記録媒体によって情報分析装置１０として機能するコンピュータに供給されることとしてもよいし、インターネット等のデータ通信手段を介してコンピュータに供給されることとしてもよい。

図２には、本実施形態に係る情報分析装置１０による処理対象となるネットワークの一例を示した。図２に示されるネットワークは、文書をノード（データ要素）、文書間の引用関係を有向のリンク（接続関係）として構成されるグラフ構造のデータである。なお、本実施形態におけるノード（データ要素）とは、グラフ理論におけるグラフを構成する節点（頂点）に相当し、リンク（接続関係）とは節点を結ぶ辺（エッジ）に相当するものであって、本実施形態では電子文書等の１つのデータファイルを１つのノードに対応させた例について説明する。ネットワークは、例えば特許文献、科学技術論文、或いは、物理学、生物学等の属性が異なる文書を含み構成される。本実施形態における属性とは、文書が属する分野や文書の種類等としてよく、例えば文書の属性は文書が取得されたデータベースに応じて決定されることとしてよい。一般に文書の属性毎に１文書当たりの平均被引用数は異なっており、例えば特許文献では平均被引用数は２〜３であるのに対して、科学技術論文では平均被引用数は１０程度であり、また、学問の分野によっても平均被引用数は異なっている。図２に示されるネットワークにおいて、例えば分野１（Ｃ１）を特許文献、分野２（Ｃ２）を科学技術論文とした場合には、分野１の被引用数は分野２の被引用数に比べて少ない傾向にある。

図２に示したように、平均被引用数が異なる複数の分野に属する文書を含み構成されたネットワークにおいては、これらの各文書の引用関係の重みを一律に同等とすると、平均被引用数が多い分野の文書は引用される可能性が高くなるため、結果として平均被引用数が少ない分野の文書よりも大きな評価を受けることとなる。本実施形態に係る情報分析装置１０では、このような平均被引用数が異なる分野に属する文書へのリンクの重みを、その分野における平均被引用数に応じて補正することで、文書が属する分野の平均被引用数の多寡によって評価が偏ることを回避するものである。以下、上記処理を実現するために情報分析装置１０に備えられた構成について説明する。

ノードデータ取得部１００は、複数のノード（データ要素）の各データを取得すると共に、各ノードの属性情報（分野）及び各ノードのリンク先を示す接続情報を取得するものである。例えば、ノードを文書、文書間の引用関係をリンクとし、文書には特許文献（分野１）や科学技術論文（分野２）等の異なる分野の文書が含まれることとしてよい。こうした場合に、ノードデータ取得部１００は、特許文献及び科学技術論文をそれぞれ格納したデータベースから各文書を取得することとしてよい。文書の分野は、文書を取得したデータベースに基づいて特定してもよいし、その文書の形式や内容を解析して特定してもよい。また、ノードデータ取得部１００は、取得した文書が引用する文書（引用文書）の情報を、取得した文書の内容から取得してもよいし、文書を格納しているデータベースに問い合わせて取得することとしてもよい。例えば、文書が特許文献である場合には、特許文献における先行技術文献の欄から引用文書を特定してもよいし、特許文献の識別情報に基づいて審査情報を取得し、当該取得した審査情報に基づいて引用文書を特定することとしてもよい。また、文書が科学技術論文である場合には、科学技術論文の引用欄から引用文書を抽出することとしてよい。

図３には、ノードデータ取得部１００により取得されたノード毎のデータを格納したノードデータテーブルの一例を示した。図３に示されるように、ノードデータテーブルは、ノード（文書）をそれぞれ識別するノードＩＤに関連付けて、データ名（文書名）、ノードの属性情報（分野）、ノードのリンク先（引用文書）を格納したレコードを１又は複数含み構成される。なお、ノードデータテーブルは、ノードデータ取得部１００がノード（文書）を取得する毎に更新されることとしてよい。

隣接行列生成部１０２は、ノードデータ取得部１００により取得された各ノードとそのリンク情報に基づいて構成されるネットワークを表す隣接行列を生成するものである。具体的には、隣接行列生成部１０２は、ノードデータテーブルを参照し、ノードｊ（ｎ_ｊ）がノードi（ｎ_ｉ）を引用している時に、隣接行列Ａの成分Ａ_ｉｊを以下の式（１）で表す。
Ａ_ｉｊ＝１（１）
ここで、ｉ及びｊは１〜Ｎ（Ｎはノード数）の自然数である。また、ノードjがノードiを引用していないときにはＡ_ｉｊは以下の式（２）で表す。
Ａ_ｉｊ＝０（２）
なお、各ノードは自分自身を引用することはないため隣接行列Ａの対角成分は以下の式（３）で表される。
Ａ_ｉｉ＝０（３）
本実施形態では、以上の処理により隣接行列Ａを生成する。

図４には、ノードデータテーブルに基づいて生成される隣接行列Ａの一例を示した。図４に示されるように、隣接行列Ａの対角成分は全て０であり、ノードjが他のノードiを引用する際に、Ａ_ｉｊ＝１、そうでない場合にＡ_ｉｊ＝０となる。

全体平均被引用数算出部１０４は、ノードデータ取得部１００により取得されたノードにより構成されるネットワーク全体における１ノード当たりの平均の被引用数（被接続数）を示す平均被引用数（平均被接続数）を算出するものである。以下、全体平均被引用数算出部１０４によるネットワーク全体の平均被引用数＜ｋ_ｉｎ＞の具体的な算出処理を説明する。

まず、ノードｉを引用しているノードの数、すなわち被引用数ｋ_ｉｎ（ｉ）を、隣接行列Ａを用いて以下の式（４）により表す。

このとき、ネットワーク全体の平均被引用数＜ｋ_ｉｎ＞は、以下の（５）式により表される。

分野別平均被引用数算出部１０６は、ノードデータ取得部１００により取得されたノードにより構成されるネットワークに含まれるノードの分野Ｃ_ｍ毎の平均被引用数＜ｋ_ｉｎ＞Ｃ_ｍを算出する。なお、ネットワークに含まれるノードの全分野数をＭとした場合に、ｍは１〜Ｍのいずれかの自然数である。ここで、分野別平均被引用数算出部１０６は、分野Ｃ_ｍ毎の平均被引用数＜ｋ_ｉｎ＞Ｃ_ｍを以下の式（６）により算出する。

リンク重み設定部１０８は、ノードが引用する他のノードへのリンクの重みを、引用されるノードが属する分野の１ノード当たりの平均の被引用数（被接続数）を示す平均被引用数に基づいて設定する。具体的には、リンク重み設定部１０８は、ノードｊがノードｉを引用している場合に、ノードｉが属する分野をＣ_ｍとすると、ノードｊからノードｉへの補正後のリンク重みＡ（チルダ）_ｉｊを以下の式（７）により算出する。

上記のようにリンク重みを設定することにより、ノードｉが属する分野Ｃ_ｍにおける平均被引用数がネットワーク全体の平均被引用数よりも小さい場合には、ノードｊからノードｉへのリンクの重みが大きくなるように補正され、ノードｉが属する分野Ｃ_ｍの平均被引用数がネットワーク全体の平均被引用数よりも大きい場合には、ノードｊからノードｉへのリンクの重みが小さくなるように補正される。

図５には、リンク重み設定部１０８により設定されるリンク重みの一例を説明する図を示した。図５においては、ノードｊ（ｎ_ｊ）がノードｉ（ｎ_ｉ）とノードｋ（ｎ_ｋ）を引用しており、ノードｉは分野Ｃ_１に属し、ノードｊ及びノードｋは分野Ｃ_２に属しているとする。ここで、分野Ｃ_１の平均被引用数が分野Ｃ_２の平均被引用数よりも小さい場合、すなわち（＜ｋ_ｉｎ＞Ｃ_１）＜（＜ｋ_ｉｎ＞Ｃ_１）である場合には、ノードｊからノードｉへのリンク重みが、ノードｊからノードｋへのリンク重みよりも大きな値に設定される。

評価値更新部１１０は、リンク重み設定部１０８により設定されたノード間のリンクの重みに基づいて、各ノードの評価値を予め定められた終了条件が満足されるまで繰り返し更新するものである。評価値更新部１１０により更新された各ノードの評価値が大きい順に各ノードの順位（ランク）が決まる。以下、評価値更新部１１０による処理の一例を以下説明する。

まず、ノードｊが引用しているノードの数、すなわち引用数ｋ_ｏｕｔ（ｊ）を以下の式（８）により得る。

次に、ノードの評価値算出処理におけるノードｉに対するノードｊのリンク重みＪ_ｉｊを以下の式（９）により得る。

なお、

であり、上記式（９），（１０）により、以下の式（１１）を満たし、各ノードにおいてマルコフ性が保たれる。

このとき、評価値更新部１１０は、ノードｉのページランクの値（評価値）ｐ_ｉを以下の式（１２）により算出する。

ここで、ｄは０≦ｄ≦１を満たす実数定数であり、評価値更新部１１０は、全てのノードｉにおいてｐ_ｉの値の変化量が予め定められた条件（例えば、ｐ_ｉの変化量が閾値以下となる）を満たすまで、繰り返し式（１２）による評価値の更新を繰り返すこととしてよい。なお、各ノードが有する評価値の初期値は予め付与することとしてよい。

処理結果保持部１１２は、評価値更新部１１０により更新された各ノードの評価値（ランク値）を保持するものである。処理結果保持部１１２に保持された各ノードの評価値は、各種の処理に供されることとしてよい。例えば、情報分析装置１０は、処理対象の複数のノードの中から、指定された検索条件に合致するノードを検索し、当該検索されたノードを、処理結果保持部１１２に保持される各ノードの評価値に基づく順位で表示させる表示データを生成し出力することとしてよい。

次に、図６に示されるフローチャートを参照して、情報分析装置１０により行われるノードの評価値の算出処理の一例について説明する。

図６に示されるように、情報分析装置１０は、複数のノードの有向リンク（引用関係）及び各ノードの属性情報（分野）を含むノードデータを取得し（Ｓ１００１）、取得したノードの引用関係に基づいて隣接行列を生成する（Ｓ１００２）。次に、情報分析装置１０は、取得した複数のノード全体における平均被引用数を算出すると共に（Ｓ１００３）、分野毎の平均被引用数を算出する（Ｓ１００４）。

情報分析装置１０は、取得したノードのうち未処理のノード（注目ノードとする）を１つ選択する（Ｓ１００５）。そして、情報分析装置１０は、上記選択した注目ノードから他のノードに向かうリンクのうち未処理のリンク（注目リンクとする）を１つ選択する（Ｓ１００６）。次に、情報分析装置１０は、上記選択した注目リンクの重みを、当該注目リンクの接続先であるノードが属する分野の平均被引用数でノード全体の平均被引用数を除した値を乗じて補正する（Ｓ１００７）。

情報分析装置１０は、注目ノードに未処理のリンクがあると判断する場合には（Ｓ１００８：Ｙ）、Ｓ１００６に戻ってそれ以降の処理を繰り返し、未処理のリンクがないと判断する場合には（Ｓ１００８：Ｎ）、更に未処理のノードがあるか否かを判断する（Ｓ１００９）。ここで、情報分析装置１０は、未処理のノードがあると判断する場合には（Ｓ１００９：Ｙ）、Ｓ１００５に戻ってそれ以降の処理を繰り返し、未処理のノードがないと判断する場合には（Ｓ１００９：Ｎ）、各ノードの評価値（ランク値）を修正されたリンクの重みに従って更新する処理を、各ノードの評価値の変化量が所与の閾値を下回るまで実行し（Ｓ１０１０）、各ノードの評価値を得て処理を終了する。

本実施形態に係る情報分析装置１０では、平均の被引用数が異なる複数の分野に属するノード群を含むネットワークの構造に基づいて、各ノードのランク値を得る場合に、ノードの引用関係（有向リンク）の重みをそのノードが引用するノードが属する分野の平均被引用数がネットワーク全体の平均被引用数に比べて大きい場合には小さく、逆に小さい場合には大きく補正するようにして、ノードの価値が、ノードが属する分野に依存しないようにしている。

また、上記の実施形態では、ノードの引用関係の重みを、当該重みの初期値にネットワーク全体の平均被引用数を引用先のノードが属する分野の平均被引用数で除した値を乗じて補正するようにしたが、引用先のノードが属する分野の平均被引用数が大きい程引用関係の重みが小さくなれば上記の計算方法に限られなくともよい。

また、本実施形態では、文書をノード、引用関係をリンクとした例を説明したが、本発明は上記の例に限られず、有向リンクにより接続されるノード全般に同様に適用されるものであることはもちろんである。

１０情報分析装置、１００ノードデータ取得部、１０２隣接行列生成部、１０４全体平均被引用数算出部、１０６分野別平均被引用数算出部、１０８リンク重み設定部、１１０評価値更新部、１１２処理結果保持部。

Claims

コンピュータを、
複数のデータ要素毎に、当該データ要素の属性情報と、当該データ要素が接続する他のデータ要素を示す接続情報を取得する取得手段と、
前記属性情報毎に、当該属性情報が共通するデータ要素群における１つのデータ要素当たりの平均の被接続数を示す平均被接続数を算出する算出手段と、
前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に基づいて設定する設定手段
として機能させるためのプログラム。
前記設定手段は、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に反比例するように設定する
ことを特徴とする請求項１に記載のプログラム。
前記算出手段は、前記複数のデータ要素全体における１つのデータ要素当たりの被接続数を示す全体平均被接続数をさらに算出し、
前記設定手段は、前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、前記全体平均被接続数を当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数で除した値を乗じて設定する
ことを特徴とする請求項１又は２に記載のプログラム。
前記コンピュータをさらに
前記複数のデータ要素毎の評価値を、前記設定手段により設定される接続の重みに従って更新する処理を、予め定められた終了条件が満足されるまで繰り返し実行する更新手段
として機能させるための請求項１から３のいずれかに記載のプログラム。
複数のデータ要素毎に、当該データ要素の属性情報と、当該データ要素が接続する他のデータ要素を示す接続情報を取得する取得手段と、
前記属性情報毎に、当該属性情報が共通するデータ要素群における１つのデータ要素当たりの平均の被接続数を示す平均被接続数を算出する算出手段と、
前記複数のデータ要素毎に、当該データ要素の各接続先への接続の重みを、当該各接続先のデータ要素の属性情報について前記算出手段により算出された平均被接続数に基づいて設定する設定手段と、を含む
ことを特徴とする情報分析装置。