JP2014056500A

JP2014056500A - 位置情報データベース生成装置及び方法及びプログラム

Info

Publication number: JP2014056500A
Application number: JP2012201845A
Authority: JP
Inventors: Yoshihiko Kazuhara; 良彦数原; Seiji Washisaki; 誠司鷲崎
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2012-09-13
Filing date: 2012-09-13
Publication date: 2014-03-27
Anticipated expiration: 2032-09-13
Also published as: JP5806991B2

Abstract

【課題】外れ値の影響を排除した平均パラメータの推定を可能とし、推定精度が低い推定結果を排除してオブジェクトの位置推定を高精度に行うことを可能にする。
【解決手段】本発明は、ジオタグが付与されたマイクロブログデータの短いテキストが入力されると、該テキストに出現する固有表現（オブジェクト表現）に対応する複数のジオタグの集合であるジオタグセットを抽出し、ジオタグの緯度経度に基づいて統計処理を行い、オブジェクトの位置情報の分布から分散共分散パラメータと自由度パラメータと平均パラメータを含む分散パラメータを求め、分布情報をオブジェクト分布情報記憶手段に格納する。所定の閾値と、オブジェクト分布情報記憶手段の分散パラメータと自由度パラメータを比較して、所定の条件に合致する場合は、平均パラメータを位置情報として位置情報記憶手段に格納する。
【選択図】図３

Description

本発明は、位置情報データベース生成装置及び方法及びプログラムに係り、特に、マイクロブログサービスのテキストを利用して、地理情報を検索するための位置情報データベースを生成するための位置情報データベース生成装置及び方法及びプログラムに関する。

現実に存在し、位置情報（住所や緯度経度などの位置情報）を持つ建物やその他建造物（三笠公園、武山展望台など）は、固有の呼称で呼ばれることがある。これらを本明細書では実世界オブジェクト（オブジェクト）と呼ぶ。地理情報検索サービスにおいては、このようなオブジェクトの位置情報を利用することにより、ユーザに対して満足度の高いサービス提供が可能となる。しかしながら、オブジェクトの位置情報については、基本的には人手で構築する必要があり、その結果、網羅的なＤＢを利用することが困難である。また、構築された位置情報ＤＢについても権利上の関係から利用できないことがある。

一方で、Twitter（登録商標）のようなマイクロブログサービスでは、ユーザが短いテキストによって自分の状況に関する発言を発信し、同時に端末のＧＰＳ情報などに基づくユーザの位置情報をテキストと併せて発信することがある。このユーザがテキストとともに発信した位置情報を本明細書では「ジオタグ」と呼ぶ。大量のジオタグ付きマイクロブログデータが利用可能な際に、このジオタグを利用し、テキストに出現するオブジェクトを表す文字列を抽出し、その文字列とジオタグと結びつけることによって、自動的にオブジェクトの位置情報をＤＢ構築が可能となる。本明細書では、オブジェクトを表す文字列を「オブジェクト表現」と呼ぶ。例えば、非特許文献１の技術を用いることにより、オブジェクト表現とジオタグ情報を用いてオブジェクトの位置推定を行うことができる。

Cheng, Zhiyuan and Caverlee, James and Lee, Kyumin, "You are where you tweet: a content-based approach to geo-locating twitter users", In Proceedings of the 19th ACM international conference on Information and knowledge management, pp. 759-768, 2010.

しかしながら、上記従来技術では、例えば、ユーザがオブジェクト（位置情報を持つ建物または建造物）を訪れた後に感想を述べる場合や、これらからオブジェクトを訪れる際に言及するなど、ユーザは必ずしもオブジェクトが存在する位置でジオタグ付きテキストを発信するわけではないため、単純にテキストに含まれるオブジェクト表現とジオタグを利用してオブジェクトの位置推定を行うと推定精度が低下するおそれがある。例えば、図1に示すように、データ点がガウス分布に従うと仮定して、その平均である重心を推定に利用する場合は、オブジェクトが存在する位置ではない場所で生成されたデータ点（外れ値）の影響を受け、適切に推定できないという問題がある。

本発明は、上記の点に鑑みなされたもので、外れ値の影響を排除した平均パラメータの推定を可能とし、推定精度が低い推定結果を排除してオブジェクトの位置推定を高精度に行うことが可能な位置情報データベース生成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。

上記の課題を解決するため、本発明（請求項１）は、位置情報を有するオブジェクトを提供する地理情報検索サービスに用いる位置情報データベース（ＤＢ）を生成する位置情報データベース生成装置であって、
緯度経度情報（以下、「ジオタグ」と記す）が付与されたマイクロブログデータの短いテキストが入力されると、該テキストに出現する固有表現（以下「オブジェクト表現」と記す）に対応する複数のジオタグの集合であるジオタグセットを抽出して、ジオタグ付きオブジェクト情報記憶手段に格納するオブジェクト表現抽出手段と、
前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、ジオタグの緯度経度に基づいて統計処理を行い、オブジェクトの位置情報の分布から分散共分散パラメータと自由度パラメータと平均パラメータを含む分散パラメータを求め、分布情報をオブジェクト分布情報記憶手段に格納する分布推定手段と、
所定の閾値と、前記オブジェクト分布情報記憶手段の前記分散パラメータと前記自由度パラメータを比較して、所定の条件に合致する場合は、前記平均パラメータを位置情報として位置情報記憶手段に格納するオブジェクト分布情報解釈手段と、を有する。

また、本発明（請求項２）は、前記分布推定手段において、
前記分散パラメータを、前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、該ジオタグセットに含まれる緯度経度情報を２次元上の点の集合と見做して、該2次元上の点の集合から2次元ｔ分布の最尤推定により求める手段を含む。

また、本発明（請求項３）は、前記オブジェクト分布情報解釈手段において、
前記オブジェクト分布情報記憶手段の前記自由度パラメータが所定の範囲内で、かつ、該分散パラメータに含まれる分散共分散パラメータが該所定の範囲内である場合は、前記平均パラメータを前記位置情報とする手段を含む。

上記のように、本発明によれば、図２に示すように、分布推定手段によりオブジェクト表現を含むジオタグから得られたデータ点集合に対してt分布をフィティングすることで、外れ値の影響を排除した平均パラメータの推定が可能となり、また、オブジェクト分布情報解釈手段により、推定結果のうち、分散が大きなものを排除することで推定精度が低い推定結果を排除することが可能となり、オブジェクトの位置推定が高精度に可能となる。

従来技術の課題を示す図である。本発明の効果を示す図（ｔ分布の場合）である。本発明の一実施の形態における位置情報データベース生成装置の構成図である。本発明の一実施の形態におけるジオタグ付きテキストＤＢの例である。本発明の一実施の形態におけるジオタグ付きオブジェクト情報ＤＢの例である。本発明の一実施の形態におけるオブジェクト表現抽出部の処理の流れである。本発明の一実施の形態におけるオブジェクト分布情報ＤＢの例である。本発明の一実施の形態における分布推定部の処理の流れである。本発明の一実施の形態におけるオブジェクト位置情報ＤＢの例である。本発明の一実施の形態におけるオブジェクト分布情報解釈部の処理の流れである。本発明の一実施の形態におけるｔ分布フィッティングを用いた場合と従来技術のガウス分布を用いた場合の比較例である。

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位置情報データベース生成装置の構成を示す。

同図に示す位置情報データベース生成装置は、ジオタグ付きテキストＤＢ１０，オブジェクト表現抽出部２０、ジオタグ付きオブジェクト情報ＤＢ３０、分布推定部４０、オブジェクト分布情報ＤＢ５０、オブジェクト分布情報解釈部６０、オブジェクト位置情報ＤＢ７０から構成される。

ジオタグ付きテキストＤＢ１０は、図４に示すように、テキストとジオタグを対応付けて格納されている。ジオタグは緯度経度情報を表し、例えば、統計、北緯のミリ秒表示で表現することができる。図４の例では「三笠公園なう」というテキストと共に、東経502827789ミリ秒、北緯127026820ミリ秒という情報が格納されている。

＜オブジェクト表現抽出部２０＞
オブジェクト表現抽出部２０は、ジオタグ付きテキストＤＢ１０を入力とし、ジオタグ付きオブジェクト情報ＤＢ３０を出力する。

ジオタグ付きオブジェクト情報ＤＢ３０は、図５に示すように、建物や地名を表す文字列であるオブジェクト表現と、そのオブジェクト表現に対応したジオタグ集合を格納する。

図６は、本発明の一実施の形態におけるオブジェクト表現抽出部の処理の流れを示す。

ステップ１０１）オブジェクト表現抽出部２０は、ジオタグ付きテキストＤＢ１０から未処理のレコードを取得する。

ステップ１０２）当該レコードのテキストから固有表現を抽出し、オブジェクト表現とする。ここで固有表現の抽出には、例えば、非特許文献２「山田寛康，工藤拓，松本裕治，"Support Vector Machineを用いた日本語固有表現抽出"，情報処理学会論文誌43(1), 44-53, 2002-01-15」を用いることができ、固有物名（ART）、地名（LOC）、組織名（ORG）、人名（PSN）の中から予め選択されたクラスを固有表現とする。抽出された各固有表現について、ジオタグ付きオブジェクト情報ＤＢ３０のジオタグセットカラムに当該レコードのジオタグ情報を追記する。ジオタグ付きオブジェクト情報ＤＢ３０のオブジェクト表現カラムに、当該固有表現に対応するレコードが存在しない場合には、新たにレコードを作成し、ジオタグセットカラムにジオタグ情報を追記する。

ステップ１０３）ジオタグ付きテキストＤＢ１０に未処理のレコードがある場合にはステップ１０１に戻る。未処理のレコードがない場合には、処理を終了する。

＜分布推定部４０＞
分布推定部４０は、ジオタグ付きオブジェクト情報ＤＢ３０を入力とし、オブジェクト分布情報５０を出力する。

オブジェクト分布情報ＤＢ５０は、図７に示すように、オブジェクト表現と分布パラメータを格納する。分布パラメータは、推定された分布を表現するためのパラメータであり、２次元ｔ分布のパラメータを表し、平均パラメータμ（μ_１μ_２）^T、分散共分散パラメータ

と、自由パラメータμを持つ。

図８は、本発明の一実施の形態における分布推定部の処理の流れを示す。

ステップ２０１）分布推定部４０は、ジオタグ付きオブジェクト情報３０から未処理のレコードを取得する。

ステップ２０２）当該レコードのジオタグセットに含まれる経度緯度情報を２次元上の点の集合と見做し、これらの点の集合から２次元ｔ分布のパラメータ（分布パラメータ）を最尤推定によって求める。ｔ分布の最尤推定には、例えば、非特許文献２「Chuanhai Liu and Donald B. Rubin, "ML Estimation of the t Distribution Using EM and Its Extensions, ECM and ECME, Statistica Sinica, vol.5, pp. 19-39, 1995.」を用いることができる。得られた分布パラメータ（平均パラメータ、分散共分散パラメータ、自由度パラメータ）をオブジェクト表現に対応付けてオブジェクト分布情報ＤＢ５０に格納する。

ステップ２０３）ジオタグ付きオブジェクト情報ＤＢ３０に未処理のレコードがある場合はステップ２０１に戻り、そうでない場合は処理を終了する。

＜オブジェクト分布情報解釈部６０＞
オブジェクト分布情報解釈部６０は、オブジェクト分布情報５０を入力とし、オブジェクト位置情報ＤＢ７０を出力する。

オブジェクト位置情報ＤＢ７０は、図９に示すように、オブジェクト表現と、推定された位置情報を格納する。

図１０は、本発明の一実施の形態におけるオブジェクト分布情報解釈部の処理の流れを示す。

ステップ３０１）オブジェクト分布情報解釈部６０は、オブジェクト分布情報ＤＢ５０から未処理のレコードを取得する。

ステップ３０２）分布パラメータに含まれる当該レコードの自由度パラメータνが予め指定された範囲(Th_a〜Th_b)、かつ、分散パラメータΣ₁₁、Σ₁₂、Σ₂₁、Σ₂₂が予め指定された範囲(Th_x〜Th_y)である場合、当該分散パラメータに含まれる平均パラメータμ₁、μ₂を位置情報としてオブジェクト位置情報ＤＢ７０に出力する。上記のフィルタリングを行うことによって、推定されたt分布の分散が大きな推定結果を排除する。

ステップ３０３）オブジェクト分布情報ＤＢ５０に未処理のレコードがある場合、ステップ３０１に戻る。そうでない場合、処理を終了する。

図１１に、本発明のｔ分布フィッティングを用いた場合と従来技術のガウス分布を用いた場合の比較を示す。本発明は、等しい平均と異なる分散を持つガウス分布の無限混合分布というｔ分布の外れ値にロバストであるという性質を利用することにより、オブジェクトに対するデータ点に対してｔ分布フィッティングの推定を行うことにより、外れ値の影響を受けずに平均パラメータの推定が可能となる。

なお、上記の図３に示す位置情報データベース生成装置の各構成要素の動作をプログラムとして構築し、位置情報データベース生成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。

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。

１０ジオタグ付きテキストＤＢ（データベース）
２０オブジェクト表現抽出部
３０ジオタグ付きオブジェクト情報ＤＢ
４０分布推定部
５０オブジェクト分布情報ＤＢ
６０オブジェクト分布情報解釈部
７０オブジェクト一情報ＤＢ

Claims

位置情報を有するオブジェクトを提供する地理情報検索サービスに用いる位置情報データベース（ＤＢ）を生成する位置情報データベース生成装置であって、
緯度経度情報（以下、「ジオタグ」と記す）が付与されたマイクロブログデータの短いテキストが入力されると、該テキストに出現する固有表現（以下「オブジェクト表現」と記す）に対応する複数のジオタグの集合であるジオタグセットを抽出して、ジオタグ付きオブジェクト情報記憶手段に格納するオブジェクト表現抽出手段と、
前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、ジオタグの緯度経度に基づいて統計処理を行い、オブジェクトの位置情報の分布から分散共分散パラメータと自由度パラメータと平均パラメータを含む分散パラメータを求め、分布情報をオブジェクト分布情報記憶手段に格納する分布推定手段と、
所定の閾値と、前記オブジェクト分布情報記憶手段の前記分散パラメータと前記自由度パラメータを比較して、所定の条件に合致する場合は、前記平均パラメータを位置情報として位置情報記憶手段に格納するオブジェクト分布情報解釈手段と、
を有することを特徴とする位置情報データベース生成装置。
前記分布推定手段は、
前記分散パラメータを、前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、該ジオタグセットに含まれる緯度経度情報を２次元上の点の集合と見做して、該2次元上の点の集合から2次元ｔ分布の最尤推定により求める手段を含む
請求項1記載の位置情報データベース生成装置。
前記オブジェクト分布情報解釈手段は、
前記オブジェクト分布情報記憶手段の前記自由度パラメータが所定の範囲内で、かつ、該分散パラメータに含まれる分散共分散パラメータが該所定の範囲内である場合は、前記平均パラメータを前記位置情報とする手段を含む
請求項1記載の位置情報データベース生成装置。
位置情報を有するオブジェクトを提供する地理情報検索サービスに用いる位置情報データベース（ＤＢ）を生成する位置情報データベース生成方法であって、
ジオタグ付きオブジェクト情報記憶手段、オブジェクト分布情報記憶手段、位置情報記憶手段、オブジェクト表現抽出手段、分布推定手段、オブジェクト分布情報解釈手段と、を有する装置において、
前記オブジェクト表現抽出手段が、緯度経度情報（以下、「ジオタグ」と記す）が付与されたマイクロブログデータの短いテキストが入力されると、該テキストに出現する固有表現（以下「オブジェクト表現」と記す）に対応する複数のジオタグの集合であるジオタグセットを抽出して、前記ジオタグ付きオブジェクト情報記憶手段に格納するオブジェクト表現抽出ステップと、
前記分布推定手段が、前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、ジオタグの緯度経度に基づいて統計処理を行い、オブジェクトの位置情報の分布から分散共分散パラメータと自由度パラメータと平均パラメータを含む分散パラメータを求め、分布情報を前記オブジェクト分布情報記憶手段に格納する分布推定ステップと、
前記オブジェクト分布情報解釈手段が、所定の閾値と、前記オブジェクト分布情報記憶手段の前記分散パラメータと前記自由度パラメータを比較して、所定の条件に合致する場合は、前記平均パラメータを位置情報として位置情報記憶手段に格納するオブジェクト分布情報解釈ステップと、
を行うことを特徴とする位置情報データベース生成方法。
前記分布推定ステップにおいて、
前記分散パラメータを、前記ジオタグ付きオブジェクト情報記憶手段から前記ジオタグセットを取得し、該ジオタグセットに含まれる緯度経度情報を２次元上の点の集合と見做して、該2次元上の点の集合から2次元ｔ分布の最尤推定により求める
請求項４記載の位置情報データベース生成方法。
前記オブジェクト分布情報解釈ステップにおいて、
前記オブジェクト分布情報記憶手段の前記自由度パラメータが所定の範囲内で、かつ、該分散パラメータに含まれる分散共分散パラメータが該所定の範囲内である場合は、前記平均パラメータを前記位置情報とする
請求項４記載の位置情報データベース生成方法。
コンピュータを、
請求項1乃至３のいずれか1項に記載の位置情報データベース生成装置の各手段として機能させるための位置情報データベース生成プログラム。