JP2015225491A - バースト領域抽出装置、バースト領域抽出方法及びバースト領域抽出プログラム - Google Patents

Abstract

【課題】注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に抽出すること。【解決手段】ジオハッシュ変換部１３が、Ｗｅｂ文書データに含まれるスポット名や地名を当該名称の地理的な広さに応じたジオハッシュ又は住所に変換し、頻度計数部１４が、当該ジオハッシュ又は当該住所にスコアを加算し、当該ジオハッシュ又は当該住所を地理的に包含する、より広い地理範囲を表すジオハッシュ又は当該住所にもスコアを加算して、ジオハッシュ毎又は住所毎の総スコアを算出し、バースト判定部１５が、当該総スコアが時間の経過に伴い上昇したジオハッシュ又は住所の有無を判定し、バースト領域抽出部１６が、当該判定の結果、総スコアが時間の経過に伴い上昇したジオハッシュ又は住所を抽出する。【選択図】図１

Description

本発明は、バースト領域を抽出する技術に関する。

イベント場所や事件場所といった話題性の高い場所を抽出する技術が求められている。特許文献１，２によれば、Ｗｅｂ文書データ内の単語や検索エンジンに入力される検索クエリの出現頻度に基づき、当該出現頻度が時間の経過に伴い上昇した単語を抽出する方法を考案している。この技術を用いることにより、Ｗｅｂ文書データに出現するスポット名称（店舗名や駅名等のスポット名）や地域名称（地名）の出現頻度変化を分析し、当該出現頻度が急上昇したスポット名や地名を抽出することができる。

特許第５２０８２３２号公報 特許第５３８６５４８号公報

しかしながら、スポット名や地名のみが抽出されるため、それらを包含する最大の地理範囲を取得できないという課題があった。

本発明は、上記事情を鑑みてなされたものであり、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に抽出することを目的とする。

以上の課題を解決するため、請求項１に記載のバースト領域抽出装置は、Ｗｅｂ文書データに含まれる地点又は地域の名称を識別子に変換する変換手段と、前記地点又は地域の名称の出現回数を前記識別子に対するスコアとして集計し、前記地点又は地域を地理的に包含する、より広い地理範囲を表す識別子に対するスコアにも前記出現回数を加算して、識別子毎の総スコアを算出し、記憶手段に記憶させる算出手段と、前記記憶手段から各識別子の総スコアを読み出して、前記総スコアが時間の経過に伴い上昇した識別子を抽出する抽出手段と、を有することを特徴とする。

本発明によれば、Ｗｅｂ文書データに含まれる地点又は地域の名称を識別子に変換し、当該地点又は地域の名称の出現回数を前記識別子に対するスコアとして集計し、当該地点又は地域を地理的に包含する、より広い地理範囲を表す識別子に対するスコアにも上記出現回数を加算して、識別子毎の総スコアを算出し、当該総スコアが時間の経過に伴い上昇した識別子を抽出するため、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に抽出することができる。

請求項２に記載のバースト領域抽出装置は、請求項１に記載のバースト領域抽出装置において、前記抽出手段は、前記抽出した識別子に係る名称の地点又は地域を含むＷｅｂ文書データを更に抽出することを要旨とする。

本発明によれば、上記抽出した識別子に係る名称の地点又は地域を含むＷｅｂ文書データを更に抽出するため、注目度が高まっているスポットや地点、地域を把握可能なアプリケーションを容易に構築することができる。

請求項３に記載のバースト領域抽出装置は、請求項１又は２に記載のバースト領域抽出装置において、前記算出手段は、前記より広い地理範囲を表す識別子に対するスコアに、前記出現回数に減衰係数を掛けた値を加算することを要旨とする。

請求項４に記載のバースト領域抽出装置は、請求項１乃至３のいずれかに記載のバースト領域抽出装置において、前記識別子とは、前記名称の地理的な広さに応じたジオハッシュ、又は前記名称の地理的な位置を表す住所であることを要旨とする。

請求項５に記載のバースト領域抽出方法は、コンピュータにより、Ｗｅｂ文書データに含まれる地点又は地域の名称を識別子に変換する変換ステップと、前記地点又は地域の名称の出現回数を前記識別子に対するスコアとして集計し、前記地点又は地域を地理的に包含する、より広い地理範囲を表す識別子に対するスコアにも前記出現回数を加算して、識別子毎の総スコアを算出し、記憶手段に記憶させる算出ステップと、前記記憶手段から各識別子の総スコアを読み出して、前記総スコアが時間の経過に伴い上昇した識別子を抽出する抽出ステップと、を有することを要旨とする。

請求項６に記載のバースト領域抽出方法は、請求項５に記載のバースト領域抽出方法において、前記抽出ステップでは、前記抽出した識別子に係る名称の地点又は地域を含むＷｅｂ文書データを更に抽出することを要旨とする。

請求項７に記載のバースト領域抽出方法は、請求項５又は６に記載のバースト領域抽出方法において、前記算出ステップでは、前記より広い地理範囲を表す識別子に対するスコアに、前記出現回数に減衰係数を掛けた値を加算することを要旨とする。

請求項８に記載のバースト領域抽出方法は、請求項５乃至７のいずれかに記載のバースト領域抽出方法において、前記識別子とは、前記名称の地理的な広さに応じたジオハッシュ、又は前記名称の地理的な位置を表す住所であることを要旨とする。

請求項９に記載のバースト領域抽出プログラムは、請求項５乃至８のいずれかに記載のバースト領域抽出方法をコンピュータに実行させることを要旨とする。

本発明によれば、注目度が高まっているスポットや地点を包含する最大の地理範囲を効率的に抽出することができる。

第１の実施の形態に係るバースト領域抽出装置の機能ブロック構成を示す図である。 バースト領域抽出装置のハードウェア構成を示す図である。 ジオハッシュ説明時の参照図である。 第１の実施の形態に係るバースト領域抽出方法の処理フローを示す図である。 ジオハッシュ変換部の処理フローを示す図である。 第１の実施の形態に係る頻度計数部の処理フローを示す図である。 時系列スコアデータ例を示す図である。 スポット名・地名と正規化住所との対応データ例を示す図である。 第２の実施の形態に係るバースト領域抽出装置の機能ブロック構成を示す図である。 第２の実施の形態に係るバースト領域抽出方法の処理フローを示す図である。 第２の実施の形態に係る頻度計数部の処理フローを示す図である。

以下、本発明を実施する一実施の形態について図面を用いて説明する。

〔第１の実施の形態〕
図１は、本実施の形態に係るバースト領域抽出装置１の機能ブロック構成を示す図である。当該バースト領域抽出装置１は、文書入力部１１と、文書データ蓄積部１２と、ジオハッシュ変換部１３と、頻度計数部１４と、バースト判定部１５と、バースト領域抽出部１６と、バースト領域表示部１７と、スポット名・地名データ記憶部１８と、時系列スコアデータ記憶部１９と、を備えて構成される。

文書入力部１１は、インターネット５に存在するＷｅｂサーバからＷｅｂ文書データを取得し、文書データ蓄積部１２に蓄積させる機能を備えている。

文書データ蓄積部１２は、インターネット５を介してＷｅｂサーバから取得したＷｅｂ文書データを蓄積する機能を備えている。

ジオハッシュ変換部１３は、文書データ蓄積部１２からＷｅｂ文書データを取得して、当該Ｗｅｂ文書データに含まれるスポット名や地名の名称を当該名称の地理的な広さに応じたジオハッシュに変換する機能を備えている。ジオハッシュについては後述する。

頻度計数部１４は、ジオハッシュにスコアを加算し、当該ジオハッシュを地理的に包含する、より広い地理範囲を表すジオハッシュにもスコアを加算してジオハッシュ毎の総スコアを算出し、当該ジオハッシュ毎の総スコアを時系列に記載した時系列スコアデータを時系列スコアデータ記憶部１９に記憶する機能を備えている。

バースト判定部１５は、時系列スコアデータ記憶部１９から時系列スコアデータを取得して、総スコアが時間の経過に伴い上昇したジオハッシュがあるか否か判定する機能を備えている。

バースト領域抽出部１６は、バースト判定部１５での判定結果に基づき、総スコアが時間の経過に伴い上昇したジオハッシュを抽出する機能を備えている。

バースト領域表示部１７は、上記抽出されたジオハッシュが表す地理範囲（バースト領域）をモニタの画面に表示する機能を備えている。

スポット名・地名データ記憶部１８は、予め設定された「横浜ランドマークタワー」等のスポット名と「横浜市」や「神奈川県」等の地名とを区別して記憶しておく機能を備えている。

時系列スコアデータ記憶部１９は、ジオハッシュと当該ジオハッシュの総スコアとを関連付けて時系列に記憶しておく機能を備えている。

このような機能を有するバースト領域抽出装置１は、図２に示すような、ＣＰＵ３１と、メモリ３２と、ハードディスク３３と、通信ＩＦ３４と、モニタ３５と、キーボード３６と、マウス３７と、ＣＰＵ３１〜マウス３７の各間を通信可能に接続するバス３９とを備えたコンピュータで実現される。メモリ３２やハードディスク３３は、文書データ蓄積部１２と、スポット名・地名データ記憶部１８と、時系列スコアデータ記憶部１９の各機能を実現する。ＣＰＵ３１は、それら以外の各部の機能を実現する。

続いて、ジオハッシュについて説明する。ジオハッシュとは、地理空間を分割しながらそれぞれの地理範囲を複数文字で表現するエンコード手法である。具体的には、緯度及び経度を所定の変換表に基づき文字列に置換する技術である。詳しくは“http://geohash.org/”や“http://ja.wikipedia.org/wiki/ジオハッシュ”を参照されたい。

このジオハッシュは、「文字列の末尾を削除していくと次第に精度が落ちるが、その反面、広い地理範囲を表すジオハッシュを容易に取得できる」、という特徴がある。例えば、図３に示すように、“ezs42dt”という文字列で表される地理範囲の末尾を例えば１文字削除することにより、当該“ezs42dt”の地理範囲を包含した“ezs42d”という広い地理範囲を表すジオハッシュを取得することができる。同様に、“ezs42d”という文字列で表される地理範囲の末尾を１文字削除することにより、当該“ezs42d”の地理範囲を包含した“ezs42”という更に広い地理範囲を表すジオハッシュを取得することができる。一方、“ezs42”という文字列で表される地理範囲は、その文字列の末尾に１文字を付加した“ezs42d”という文字列が表す地理範囲を包含するだけでなく、他の１文字を付加した“ezs427”という文字列が表す地理範囲も包含する。なお、２つのジオハッシュにおいて、前方から一致する文字列が長いほど、それらのジオハッシュの表す地理範囲が互いに近いことを意味することになる。

本発明では、このようなジオハッシュというコード体系を用い、スポット名称のように緯度経度で表される地点を例えば１０文字のジオハッシュで表現し、「横浜市」や「神奈川県」のような地名は、当該地理範囲を包含するような地域のジオハッシュで表現する。そして、あるジオハッシュで表されるスポット名や地名の出現頻度を、当該ジオハッシュの末尾の例えば１文字を削除したジオハッシュにも波及させ、加算する。同様に、２文字、３文字と末尾から１文字ずつ削除しながら、それぞれのジオハッシュのスコアとしても加算する。

次に、バースト領域抽出装置１で行うバースト領域抽出方法について説明する。図４は、バースト領域抽出方法の処理フローを示す図である。

最初に、ステップＳ１０１において、ジオハッシュ変換部１３は、文書データ蓄積部１２からＷｅｂ文書データを取得し、取得したＷｅｂ文書データに店舗名や駅名といったスポット名、又は横浜市や神奈川県といった地名が含まれる場合、その地理範囲を内包する広さに応じた最長文字数のジオハッシュを求める。

具体的には、地理範囲の狭い名称（スポット名）ほど長い文字数のジオハッシュに変換し、広い名称（地名）ほど短い文字列のジオハッシュに変換する。例えば、Ｗｅｂ文書データ内に「横浜ランドマークタワー」というスポット名が存在する場合、当該スポット名を“ezs42wbcde”という文字列のジオハッシュに変換する。一方、「横浜市」という地名については、“ezs42wb”という文字列のジオハッシュに変換する。このとき、スポット名の場合は１０文字、地名の場合は４文字〜７文字のように、名称の種別に応じて文字数の範囲に制約を設けてもよい。また、最短文字数のジオハッシュをはみ出すほど広い地名に対しては、ジオハッシュへの変換を行わないようにしてもよい。なお、ステップＳ１０１の処理については後で詳述する。

次に、ステップＳ１０２において、頻度計数部１４は、ステップＳ１０１で求めたジオハッシュの末尾を例えば１文字ずつ削除しながら、当該ジオハッシュと、末尾削除による上位の（当該ジオハッシュよりも広い地理範囲を表す）ジオハッシュとにスコアを１ずつ加算し、ジオハッシュ毎の総スコアを集計する。

なお、出現頻度を上位レベルへ波及させる際、減衰係数を乗じて波及させてもよい。また、最上位レベルまで波及させるのではなく、波及させるレベル数に制限を設けてもよい。ステップＳ１０２の処理についても後述する。

以上の処理を最新のＷｅｂ文書データを収集しながら繰り返し行い、ジオハッシュ毎の総スコアを時系列に記載した時系列スコアデータを時系列スコアデータ記憶部１９に蓄積する。

その後、ステップＳ１０３において、バースト判定部１５は、時系列スコアデータ記憶部１９から時系列スコアデータを取得して、バースト状態にあるジオハッシュの有無を判定（スコア値が急峻増加するジオハッシュの有無判定）する。例えば、過去のスコアと最近のスコアの比を算出し、その比が閾値以上のジオハッシュが存在するかを判定する。

最後に、ステップＳ１０４において、バースト領域抽出部１６は、バースト判定結果がＹｅｓのジオハッシュを抽出して地理範囲に変換し、バースト領域表示部１７は、当該ジオハッシュの地理範囲をモニタの画面に表示する。これにより、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に表示することができる。

また、ステップＳ１０４において、バースト領域抽出部１６は、ジオハッシュを抽出する際、当該ジオハッシュに係るスポット名又は地名を含むＷｅｂ文書データを文書データ記憶部１２から併せて抽出する。これにより、Ｗｅｂ文書データからは注目度の高まりの根拠を知ることができ、イベント等の発生により注目度が高まっているスポットや地点、地域を、当該根拠と同時に効率的に把握可能なアプリケーションを容易に構築することができる。

なお、画面への表示方法については任意の方法が考えられる。例えば、地理的に包含関係のある複数の地理範囲がいずれもバースト性がある場合、広いほうの地理範囲のみを表示してもよい。具体的には、中華街付近での春節イベントやみなとみらい地区での大道芸イベントにより２つの地点が盛り上がっていて、それらを包含した横浜市中区付近も盛り上がっているとしてバースト判定された場合に、横浜市中区付近のみを表示する。これにより、地図をズームアウトした状態で表示される情報量を削減し、盛り上がっている地域を効率的に絞り込むことができる。

その他、バースト状態にある地理範囲を全て表示してもよい。上記例の場合、横浜市中区付近に加えて、中華街付近やみなとみらい地区も併せて表示する。これにより、近隣の地域が異なる理由で盛り上がっていることを把握することができる。

続いて、前述したように、ステップＳ１０１の処理について詳述する。図５は、ジオハッシュ変換部１３の処理フローを示す図である。

最初に、ステップＳ１０１−１において、ジオハッシュ変換部１３は、Ｗｅｂ文書データから抽出した文字列が地名かスポット名かを判定する。具体的には、抽出した文字列がスポット名・地名データ記憶部１８でスポット名として登録されている場合にはスポット名と判定し、地名として登録されている場合には地名と判定する。その他、形態素解析等の既存技術を用いて文字列の意味を判定してもよい。そして、地名と判定した場合はステップＳ１０１−２へ進み、スポット名と判定した場合はステップＳ１０１−５へ進む。

次に、ステップＳ１０１−２において、ジオハッシュ変換部１３は、当該地名が表す地理範囲に外接する矩形を求め、当該外接矩形の南西端と北東端の緯度経度をそれぞれ取得する。あるいは、南東端と北西端の緯度経度をそれぞれ取得するとしてもよい。また、南西端と南東端と北西端と北東端の緯度経度をそれぞれ取得するとしてもよい。

次に、ステップＳ１０１−３において、ジオハッシュ変換部１３は、ステップＳ１０１−２で取得した２組又は４組の緯度経度の各地点を最長文字列のジオハッシュにそれぞれ変換する。

最大文字数のジオハッシュとは、バースト領域抽出装置１で扱うジオハッシュの文字列を列挙したリストであるジオハッシュレベル一覧に記録された文字列のうち値が最大のものである。例えば、ジオハッシュレベル一覧が「４文字、５文字、６文字、７文字、１０文字」と定義されている場合、１０文字のジオハッシュが最大文字数のジオハッシュとなる。

次に、ステップＳ１０１−４において、ジオハッシュ変換部１３は、ステップＳ１０１−３で生成された２つ又は４つのジオハッシュを先頭文字から順に比較し、最長一致文字列を新たなジオハッシュを求め、上記地名に対するジオハッシュとして出力する。

例えば、２つのジオハッシュが「ezs427bcde」と「ezs42dwxyz」である場合、前方から４文字「ezs4」までが一致し、５文字目が「7」と「d」で異なるため、最長一致文字列は「ezs4」という４文字が新たなジオハッシュとなる。但し、前方からの最長一致文字列がジオハッシュレベル一覧で定義された最短文字数よりも短い場合は、新たなジオハッシュは出力しない。その後、処理を終了する。

一方、ステップＳ１０１−１での判定の結果、Ｗｅｂ文書データから抽出した文字列がスポット名の場合には、ステップＳ１０１−５において、ジオハッシュ変換部１３は、当該スポット名の緯度経度の地点を最長文字列のジオハッシュに変換して出力する。その後、処理を終了する。

続いて、ステップＳ１０２の処理について詳述する。図６は、頻度計数部１４の処理フローを示す図である。

最初に、ステップＳ１０２−１において、頻度計数部１４は、ステップＳ１０１で求めたジオハッシュに対して１を加算する。当該ジオハッシュが過去に１度も出現していない場合、当該ジオハッシュのスコアは１に設定される。

次に、ステップＳ１０２−２において、頻度計数部１４は、処理対象であるジオハッシュの文字数を、予め別途定められているジオハッシュのレベル一覧と照合し、１段階短いジオハッシュに変換可能か否かを判定する。前述の例で言えば、ジオハッシュから１文字削除できるか否かをここでは判定している。

例えば、ジオハッシュの文字数が１０文字であり、ジオハッシュレベル一覧が「４文字、５文字、６文字、７文字、１０文字」であれば、１段階短いジオハッシュは７文字であるため、変換可能と判定する。一方、１段階短いジオハッシュへの変換が不可能な場合には、処理を終了する。このとき、短縮する段階数に制限を持たせてもよい。例えば、段階数の制限を２とした場合、１０文字のジオハッシュは、最大で６文字まで変換可能であり、５文字以下への短縮は行わず、短縮処理を終了する。

次に、１段階短いジオハッシュへの変換が可能な場合、ステップＳ１０２−３において、頻度計数部１４は、処理対象のジオハッシュを１段階短縮する。例えば、１０文字のジオハッシュから１段階短い７文字のジオハッシュに変換する場合、１０文字のジオハッシュの末尾３文字を削除することにより７文字のジオハッシュを生成する。７文字から６文字、６文字から５文字など他の場合においても同様に、末尾から必要な文字数を削除することによりジオハッシュを短縮する。

その後、ステップＳ１０２−１に戻り、短縮されたジオハッシュに対して１を加算する。この際、短縮段階数に応じて加算スコアを減衰係数の短縮段階数（１０文字→７文字→６文字）の累乗としてもよい。例えば、減衰係数を０．９としたとき、１段階短縮して生成したジオハッシュにはスコア０．９を加算し、２段階短縮して生成したジオハッシュには０．９の２乗＝０．８１を加算する。また、短縮段階数は、短縮文字数としてもよい。

以降、ジオハッシュの短縮ができなくなるまでステップＳ１０２−１〜Ｓ１０２−３を繰り返し実行する。また、同じＷｅｂ文書データ内に含まれる他のジオハッシュ、更にはステップＳ１０１と同じタイミングで取得した他のＷｅｂ文書データ内のジオハッシュについても、ステップＳ１０２−１〜Ｓ１０２−３を繰り返し実行する。

ここで、ステップＳ１０２−１〜Ｓ１０２−３に基づきジオハッシュに付与されるスコアの具体例を説明する。但し、時刻ｔ１に２つのＷｅｂ文書データＤ１−１，Ｄ１−２を取得し、時刻ｔ２にＷｅｂ文書データＤ２−１を取得したと仮定する。また、ジオハッシュレベル一覧は「４文字、５文字、６文字、７文字、１０文字」であると仮定する。

まず、Ｗｅｂ文書データＤ１−１の中に「横浜ランドマークタワー」が出現し、そのジオハッシュは１０文字の“ezs42wbcde”と仮定する。ステップＳ１０２−１では当該“ezs42wbcde”に対して“１”を設定し、その後ステップＳ１０２−２からステップＳ１０２−３に進む。ステップＳ１０２−３では当該ジオハッシュを“ezs42wb”のように１段階短縮する。その後、再びステップＳ１０２−１に戻り、短縮後の“ezs42wb”に対して“１”を設定し、ステップＳ１０２−３では、当該ジオハッシュを“ezs42w”のように更に１段階短縮する。その後、同様の処理を繰り返し、“ezs4”に対して“１”が設定された時点でそれ以上の短縮はできないため、処理を終了する。

続いて、Ｗｅｂ文書データＤ１−２の中に「横浜市」が出現し、そのジオハッシュは７文字の“ezs42wb”と仮定する。ステップＳ１０２−１では当該“ezs42wb”に対して“１”を設定するため、“ezs42wb”の総スコアは“２”となる。その後も同様に、“ezs42w”→”ezs42”→”ezs4”と順次短くしながらステップＳ１０２−１で“１”加算する。

これにより、２つのＷｅｂ文書データＤ−１，Ｄ−２に基づく時系列頻度データは図７（ａ）となる。ここで、時刻ｔ１より後の時刻ｔ２を持つＷｅｂ文書データＤ２−１に、“ezs42”のジオハッシュに対応する地名が出現した場合、時刻ｔ２でのスコア集計結果は、“ezs42”＝１、“ezs4”＝１、他のジオハッシュは“０”となるため、時刻ｔ２における時系列頻度データは図７（ｂ）となる。

本実施の形態によれば、ジオハッシュ変換部１３が、Ｗｅｂ文書データに含まれるスポット名や地名を当該名称の地理的な広さに応じたジオハッシュに変換し、頻度計数部１４が、当該ジオハッシュにスコアを加算し、当該ジオハッシュを地理的に包含する、より広い地理範囲を表すジオハッシュにもスコアを加算して、ジオハッシュ毎の総スコアを算出し、バースト判定部１５が、当該総スコアが時間の経過に伴い上昇したジオハッシュの有無を判定し、バースト領域抽出部１６が、当該判定の結果、総スコアが時間の経過に伴い上昇したジオハッシュを抽出するので、下位の（狭い）スポットや地域に加えて、これらを地理的に包含する上位の（広い）地域に対する注目度も高い場合には、該当の上位地域もバースト判定され、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に抽出することができる。

また、本実施の形態によれば、バースト領域抽出部１６が、抽出したジオハッシュに係るスポット名又は地名を含むＷｅｂ文書データを更に抽出するので、イベント等の発生により注目度が高まっているスポットや地点、地域を把握可能なアプリケーションを容易に構築することができる。

〔第２の実施の形態〕
第１の実施の形態では、スポット名や地名をジオハッシュに一旦変換し、その末尾の一定文字数を削除することにより上位レベルの地理範囲を取得し、各レベルでのジオハッシュのスコアをカウントする方法について説明した。

一方、本発明は、スポット名や地名を地理的に内包する上位レベルの地域のスコアにもスコアを加算することがポイントであるため、必ずしもジオハッシュを使用する必要はない。そこで、第２の実施の形態では、ジオハッシュに変換することなく上位レベルの地理範囲を取得し、各レベルの地理範囲にスコアをカウントする方法について説明する。

具体的には、（１）まず、スポット名や地名を区切り位置付きの正規化住所に変換するための対応表（図８）をスポット名・地名データ記憶部１８で保持しておく。当該スポット名・地名データ記憶部１８で保持する正規化住所には、「神奈川県横浜市中区１−２−ｘｘ」であれば「神奈川県／横浜市／中区／１−２−ｘｘ」のように、住所体系に基づく区切り位置を予め設定しておく。

（２）次に、スポット名を住所に変換する。例えば、「神奈川県横浜市中区１−２−ｘｘ」に変換する。「横浜」等の地名についても、都道府県から始まる住所に変換する。例えば、「横浜」を「神奈川県横浜市」に変換する。

（３）続いて、ジオハッシュの末尾を削除するのと同様に、末尾から決まった一定単位の文字列を削除することにより上位レベルの住所を取得する。一定単位の文字列とは、スポット名・地名データ記憶部１８に記録されている正規化住所において、１つ左の区切り位置までの文字列を指す。例えば、「神奈川県横浜市中区１−２−ｘｘ」を「神奈川県横浜市中区」に変換し、「神奈川県横浜市中区」を「神奈川県横浜市」に変換し、「神奈川県横浜市」を「神奈川県」に変換する。

（４）最後に、住所毎にスコアを加算する。

図９は、本実施の形態に係るバースト領域抽出装置１の機能ブロック構成を示す図である。ジオハッシュ変換部１３に代えて、住所正規化部２０を備えて構成される。

住所正規化部２０は、文書データ蓄積部１２からＷｅｂ文書データを取得して、当該Ｗｅｂ文書データに含まれるスポット名や地名の名称を当該名称の地理的な位置を表す住所に変換する機能を備えている。

頻度計数部１４は、住所にスコアを加算し、当該住所が示す地理範囲を包含する、より広い地理範囲を表す住所にもスコアを加算して住所毎の総スコアを算出し、当該住所毎の総スコアを時系列に記載した時系列スコアデータを時系列スコアデータ記憶部１９に記憶する機能を備えている。

バースト判定部１５は、時系列スコアデータ記憶部１９から時系列スコアデータを取得して、総スコアが時間の経過に伴い上昇した住所があるか否か判定する機能を備えている。

バースト領域抽出部１６は、バースト判定部１５での判定結果に基づき、総スコアが時間の経過に伴い上昇した住所を抽出する機能を備えている。

バースト領域表示部１７は、上記抽出された住所が表す地理範囲（バースト領域）をモニタの画面に表示する機能を備えている。

スポット名・地名データ記憶部１８は、予め設定された「横浜ランドマークタワー」等のスポット名と「横浜市」や「神奈川県」等の地名とを区別しておく機能を備えている。また、「横浜ランドマークタワー」に対しては該当のスポットが存在する「神奈川県横浜市中区１−２−ｘｘ」のような住所を対応付け、「横浜市」に対しては「神奈川県横浜市」のように正確な住所表記を対応付けて記憶しておく機能を備えている。

時系列スコアデータ記憶部１９は、住所と当該住所の総スコアとを関連付けて時系列に記憶しておく機能を備えている。

なお、文書入力部１１と文書データ蓄積部１２の機能については第１の実施の形態で説明した内容と同じである。

次に、バースト領域抽出装置１で行うバースト領域抽出方法について説明する。図１０は、バースト領域抽出方法の処理フローを示す図である。

最初に、ステップＳ２０１において、住所正規化部２０は、文書データ蓄積部１２からＷｅｂ文書データを取得し、取得したＷｅｂ文書データにスポット名又は地名が含まれる場合、その名称を正規化住所に変換する。正規化住所とは、都道府県から始まる住所文字列、又はその末尾を削除した部分文字列である。スポット名に対しては、該当のスポットが存在する住所が正規化住所であり、地名に対しては、「横浜市」や「横浜」であれば「神奈川県横浜市」が正規化住所である。「神奈川県」に対しては、「神奈川県」自体が正規化住所となる。

次に、ステップＳ２０２において、頻度計数部１４は、ステップＳ２０１で求めた住所の末尾を一定単位ずつ削除しながら、当該住所と、末尾削除による上位の（当該住所よりも広い地理範囲を表す）住所とにスコアを１ずつ加算し、住所毎の総スコアを集計する。ステップＳ２０２の処理については後述する。

以上の処理を最新のＷｅｂ文書データを収集しながら繰り返し行い、住所毎の総スコアを時系列に記載した時系列スコアデータを時系列スコアデータ記憶部１９に蓄積する。

その後、ステップＳ２０３において、バースト判定部１５は、時系列スコアデータ記憶部１９から時系列スコアデータを取得して、バースト状態にある住所の有無を判定する。

最後に、ステップＳ２０４において、バースト領域抽出部１６は、バースト判定結果がＹｅｓの住所を抽出して地理範囲に変換し、バースト領域表示部１７は、当該住所の地理範囲をモニタの画面に表示する。これにより、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に表示することができる。

また、ステップＳ２０４において、バースト領域抽出部１６は、住所を抽出する際、当該住所に係るスポット名又は地名を含むＷｅｂ文書データを、文書データ蓄積部１２から併せて抽出する。これにより、Ｗｅｂ文書データからは、注目度の高まりの根拠を知ることができ、イベント等の発生により注目度が高まっているスポットや地点、地域を、当該根拠と同時に効率的に把握可能なアプリケーションを容易に構築することができる。

続いて、ステップＳ２０２の処理について詳述する。図１１は、頻度計数部１４の処理フローを示す図である。

最初に、ステップＳ２０２−１において、頻度計数部１４は、ステップＳ２０１で求めた住所に対して１を加算する。当該住所が過去に１度も出現していない場合、当該住所のスコアは１に設定される。

次に、ステップＳ２０２−２において、頻度計数部１４は、処理対象である住所の文字数を、予め設定されている区切り位置に基づき末尾から１段階削除可能か否かを判定する。

例えば、住所が「神奈川県横浜市中区１−２−ｘｘ」であれば、１段階短い住所は「神奈川県横浜市中区」であるため、変換可能と判定する。一方、１段階短い住所への変換が不可能な場合には、処理を終了する。このとき、短縮する段階数に制限を持たせてもよい。例えば、段階数の制限を２とした場合、「神奈川県横浜市中区１−２−ｘｘ」という住所は、「神奈川県横浜市中区」「神奈川県横浜市」までの２段階の短縮を行うが、「神奈川県」という３段階の短縮は行わない。

次に、１段階短い住所への変換が可能な場合、ステップＳ２０２−３において、頻度計数部１４は、処理対象の住所を１段階短縮する。

その後、ステップＳ２０２−１に戻り、短縮された住所に対し１を加算する。

本実施の形態によれば、住所正規化部２０が、Ｗｅｂ文書データに含まれるスポット名や地名を正規化住所に変換し、頻度計数部１４が、当該住所にスコアを加算し、当該住所を地理的に包含する、より広い地理範囲を表す住所にもスコアを加算して、住所毎の総スコアを算出し、バースト判定部１５が、当該総スコアが時間の経過に伴い上昇した住所の有無を判定し、バースト領域抽出部１６が、当該判定の結果、総スコアが時間の経過に伴い上昇した住所を抽出するので、下位の（狭い）スポットや地域に加えて、これらを地理的に包含する上位の（広い）地域に対する注目度も高い場合には、該当の上位地域もバースト判定され、注目度が高まっているスポットや地点、地域を包含する最大の地理範囲を効率的に抽出することができる。

また、本実施の形態によれば、バースト領域抽出部１６が、抽出した住所に係るスポット名又は地名を含むＷｅｂ文書データを更に抽出するので、イベント等の発生により注目度が高まっているスポットや地点、地域を把握可能なアプリケーションを容易に構築することができる。

最後に、各実施の形態で説明したバースト領域抽出装置１をプログラムとして構築し、コンピュータにインストールして実行させることや、通信ネットワークを介して流通させることも可能である。

１…バースト領域抽出装置
１１…文書入力部
１２…文書データ蓄積部
１３…ジオハッシュ変換部
１４…頻度計数部
１５…バースト判定部
１６…バースト領域抽出部
１７…バースト領域表示部
１８…スポット名・地名データ記憶部
１９…時系列スコアデータ記憶部
２０…住所正規化部
３１…ＣＰＵ
３２…メモリ
３３…ハードディスク
３４…通信ＩＦ
３５…モニタ
３６…キーボード
３７…マウス
Ｓ１０１〜Ｓ１０４、Ｓ１０１−１〜Ｓ１０１−５、Ｓ１０２−１〜Ｓ１０２−３、Ｓ２０１〜Ｓ２０４、Ｓ２０２−１〜Ｓ２０２−３…ステップ

Claims (9)

1. Ｗｅｂ文書データに含まれる地点又は地域の名称を識別子に変換する変換手段と、
   前記地点又は地域の名称の出現回数を前記識別子に対するスコアとして集計し、前記地点又は地域を地理的に包含する、より広い地理範囲を表す識別子に対するスコアにも前記出現回数を加算して、識別子毎の総スコアを算出し、記憶手段に記憶させる算出手段と、
   前記記憶手段から各識別子の総スコアを読み出して、前記総スコアが時間の経過に伴い上昇した識別子を抽出する抽出手段と、
   を有することを特徴とするバースト領域抽出装置。
2. 前記抽出手段は、
   前記抽出した識別子に係る名称の地点又は地域を含むＷｅｂ文書データを更に抽出することを特徴とする請求項１に記載のバースト領域抽出装置。
3. 前記算出手段は、
   前記より広い地理範囲を表す識別子に対するスコアに、前記出現回数に減衰係数を掛けた値を加算することを特徴とする請求項１又は２に記載のバースト領域抽出装置。
4. 前記識別子とは、
   前記名称の地理的な広さに応じたジオハッシュ、又は前記名称の地理的な位置を表す住所であることを特徴とする請求項１乃至３のいずれかに記載のバースト領域抽出装置。
5. コンピュータにより、
   Ｗｅｂ文書データに含まれる地点又は地域の名称を識別子に変換する変換ステップと、
   前記地点又は地域の名称の出現回数を前記識別子に対するスコアとして集計し、前記地点又は地域を地理的に包含する、より広い地理範囲を表す識別子に対するスコアにも前記出現回数を加算して、識別子毎の総スコアを算出し、記憶手段に記憶させる算出ステップと、
   前記記憶手段から各識別子の総スコアを読み出して、前記総スコアが時間の経過に伴い上昇した識別子を抽出する抽出ステップと、
   を有することを特徴とするバースト領域抽出方法。
6. 前記抽出ステップでは、
   前記抽出した識別子に係る名称の地点又は地域を含むＷｅｂ文書データを更に抽出することを特徴とする請求項５に記載のバースト領域抽出方法。
7. 前記算出ステップでは、
   前記より広い地理範囲を表す識別子に対するスコアに、前記出現回数に減衰係数を掛けた値を加算することを特徴とする請求項５又は６に記載のバースト領域抽出方法。
8. 前記識別子とは、
   前記名称の地理的な広さに応じたジオハッシュ、又は前記名称の地理的な位置を表す住所であることを特徴とする請求項５乃至７のいずれかに記載のバースト領域抽出方法。
9. 請求項５乃至８のいずれかに記載のバースト領域抽出方法をコンピュータに実行させることを特徴とするバースト領域抽出プログラム。

Images