JP2017142669A - 情報出力システム、情報出力方法および情報出力プログラム - Google Patents

Abstract

【課題】出力されるデータの意外性を高めることができる情報出力システム、情報出力方法および情報出力プログラムを提供する。【解決手段】情報出力システムは、受付部と、設定部と、抽出部と、出力制御部とを有する。受付部は、処理対象とする第１のキーワードの入力と、第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける。設定部は、２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを参照し、第１のキーワードを起点として、範囲を特定する情報により特定される階層までにあるキーワード群を抽出して第２のキーワード群に設定する。抽出部は、コンテンツに関する情報を参照し、第１のキーワードと、第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する。出力制御部は、抽出したコンテンツの情報の一覧を出力する。【選択図】図１

Description

本発明は、情報出力システム、情報出力方法および情報出力プログラムに関する。

書店では、例えば、特定のジャンルの書籍を一部の書架に纏めて配置する企画棚を作成する際に、書店員のノウハウに基づいて書籍が選択されている。また、近年では、オンライン書店の売上や検索結果等に基づいて、書籍の仕入れや配置等を行うことも提案されている。これらの書籍を選択する場合に、例えば、書店員はキーワード検索を用いて選書作業を行っている。

特開２００９−２７１７９５号公報 特開２０１２−１６８９２５号公報

しかしながら、単なるキーワード検索では、キーワードに合致する書籍のみが検索される。また、検索を行うキーワードの選出についても、作業を行う書店員の知識や得意分野に応じた偏りが発生する。このため、例えば、ある企画に応じた書籍を検索する際に、当該企画に対して意外性のある書籍を検索結果のデータとして出力することは困難である。

一つの側面では、本発明は、出力されるデータの意外性を高めることができる情報出力システム、情報出力方法および情報出力プログラムを提供することにある。

一つの態様では、情報出力システムは、受付部と、設定部と、抽出部と、出力制御部とを有する。受付部は、処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける。設定部は、２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定する。抽出部は、コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する。出力制御部は、抽出した前記コンテンツの情報の一覧を出力する。

出力されるデータの意外性を高めることができる。

図１は、実施例の情報出力システムの構成の一例を示すブロック図である。 図２は、自動選書と人手による選書との比較の一例を示す図である。 図３は、関連語辞書記憶部の一例を示す図である。 図４は、書誌情報記憶部の一例を示す図である。 図５は、単語情報記憶部の一例を示す図である。 図６は、売上情報記憶部の一例を示す図である。 図７は、書誌マスタ記憶部の一例を示す図である。 図８は、階層的アクセスの一例を示す図である。 図９は、出力結果の一例を示す図である。 図１０は、入力画面の一例を示す図である。 図１１は、出力画面の一例を示す図である。 図１２は、実施例の単語情報生成処理の一例を示すフローチャートである。 図１３は、実施例の情報出力処理の一例を示すフローチャートである。 図１４は、情報出力プログラムを実行するコンピュータの一例を示す図である。

以下、図面に基づいて、本願の開示する情報出力システム、情報出力方法および情報出力プログラムの実施例を詳細に説明する。なお、本実施例により、開示技術が限定されるものではない。また、以下の実施例は、矛盾しない範囲で適宜組みあわせてもよい。

図１は、実施例の情報出力システムの構成の一例を示すブロック図である。図１に示す情報出力システム１は、端末装置１０と、サーバ１００とを有する。なお、図１では、端末装置１０の数が１つの例を示したが、端末装置１０の数は限定されず、任意の数の端末装置１０を有してもよい。また、図１では、サーバ１００は、１つの装置としたが、サーバ１００の各機能部および各記憶部は、ＳａａＳ（Software as a Service）等のクラウドコンピューティングサービスを用いて構成されてもよい。なお、本実施例では、コンテンツの一例として書籍を用いて説明する。

端末装置１０およびサーバ１００の間は、ネットワークＮを介して相互に通信可能に接続される。かかるネットワークＮには、有線または無線を問わず、インターネットを始め、ＬＡＮ（Local Area Network）やＶＰＮ（Virtual Private Network）などの任意の種類の通信網を採用できる。

端末装置１０は、例えば、書店の店員（以下、作業者ともいう。）が用いる端末装置であり、図示しない表示部に表示された入力画面において、選書に用いるキーワードおよび重視度情報が入力される。端末装置１０は、入力されたキーワードおよび重視度情報を、第１のキーワードおよび重視度情報として、ネットワークＮを介してサーバ１００に送信する。また、端末装置１０は、サーバ１００からネットワークＮを介して選書の結果を含む出力画面を受信する。端末装置１０は、受信した出力画面を図示しない表示部に表示させる。

ここで、第１のキーワードとしては、例えば、選書テーマに関連する語群であればよく、単語の他に、作業者がピックアップした書籍のあらすじが入力されてもよい。また、重視度情報は、例えば、意外性（セレンディピティ性）、売上重視度、著者人気重視度、対象ジャンルおよび対象出版年といった項目である。意外性、売上重視度および著者人気重視度は、例えば、高中低の３段階から選択可能とすることができる。

ここで、意外性とは、例えば、キーワードから想起し易いか否か、即ち、キーワードと直接的に関係するキーワードを含むか否かを示す項目である。売上重視度とは、例えば、売上額または売上数を重視するか否かを示す項目である。著者人気重視度とは、例えば、その著者による書籍の売上額または売上数を重視するか否かを示す項目である。意外性が「高」と指定された場合は「低」と指定された場合と比較して、キーワードと直接的に関係しないキーワードまで含む書籍まで選択されやすくなるように検索処理を実行する。売上重視度が「高」と指定された場合は「低」と指定された場合と比較して、売上額または売上数が多い書籍ほど、より選択されやすくなるように検索処理を実行する。著者人気重視度が「高」と指定された場合は「低」と指定された場合と比較して、その著者による書籍の売上額または売上数が大きい書籍ほど、より選択されやすくなるように検索処理を実行する。

また、対象ジャンルは、小説、評論等のジャンルを選択可能とすることができる。さらに、対象出版年は、例えば、西暦で入力可能とすることができる。

端末装置１０の一例としては、タブレット端末を採用できる。端末装置１０には、上記のタブレット端末等の可搬型の端末のみならず、据置型のパーソナルコンピュータを端末装置１０として採用することもできる。また、端末装置１０は、可搬型の端末としては、上記のタブレット端末の他にも、例えば、可搬型のパーソナルコンピュータや、スマートフォン、携帯電話機等の移動体通信端末等を採用することもできる。

サーバ１００は、端末装置１０から第１のキーワードおよび重視度情報を受信する。なお、第１のキーワードは、処理対象とする第１のキーワードの一例である。また、重視度情報は、第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の一例である。サーバ１００は、処理対象とする第１のキーワードの入力と、第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける。サーバ１００は、２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、第１のキーワードを起点として、範囲を特定する情報により特定される階層までにあるキーワード群を抽出して第２のキーワード群に設定する。サーバ１００は、コンテンツごとにコンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、第１のキーワードと、第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する。サーバ１００は、抽出したコンテンツの情報の一覧、例えば選書の結果のデータを出力画面として端末装置１０に送信して出力する。これにより、情報出力システム１は、出力されるデータの意外性を高めることができる。換言すれば、作業者にとって意外性が高く感じられるであろう情報を検索結果に含ませる可能性を高めることができる。そして、そのような検索結果に示される書籍を、書籍の企画コーナーに配置すれば、書店の利用者から見ても、意外性に富み、興味を惹かれる品揃えである企画コーナーとすることができる。

本実施例では、キーワードとして入力される単語について、従来用いられているジャンルによる分類に加えて、購入時の気分、価値観、背景といった単語を用いて消費者の購入理由を捉える。例えば、従来用いられているジャンルとしては、「コミック」、「ノンフィクション」、「フィクション」、「実用書」などが一例として挙げられる。購入時の気分に関する単語としては、「笑いたいとき」、「泣きたいとき」などが一例として挙げられる。価値観に関する単語としては、「アウトドア」、「インドア」などが一例として挙げられる。背景に関する単語としては、「出産したとき」、「結婚したとき」などが一例として挙げられる。また、本実施例では、既存ジャンルについても、興味を細分化することで、より細かく消費者の購入理由を捉える。

次に、図２を用いて、自動選書と人手による選書との比較について説明する。図２は、自動選書と人手による選書との比較の一例を示す図である。図２に示すように、選書の対象となる書籍数は、自動選書が全書籍を母数とした選書が可能であるのに対し、人手による選書では、選書冊数に応じた作業量が発生するので、当該作業量に応じた冊数を母数とした選書となる。また、ジャンル等の偏りは、自動選書が優先する観点をパラメータ（重視度情報）により設定可能であるのに対し、人手による選書では、ジャンルや出版年代等の作業者の知識や得意分野に応じた偏りが発生する。さらに、売上や著者人気重視度の考慮度合いは、自動選書がパラメータを用いてロジックに織り込むことができるのに対し、人手による選書では、例えば売上であれば、正確な売上の考慮には都度情報の参照が求められる。

続いて、サーバ１００の構成について説明する。図１に示すように、サーバ１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、サーバ１００は、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば各種の入力デバイスや音声出力デバイス等の機能部を有することとしてもかまわない。

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、ネットワークＮを介して端末装置１０と有線または無線で接続され、端末装置１０との間で情報の通信を司る通信インタフェースである。通信部１１０は、端末装置１０から第１のキーワードおよび重視度情報を受信する。通信部１１０は、受信した第１のキーワードおよび重視度情報を制御部１３０に出力する。また、通信部１１０は、制御部１３０から入力された入力画面および出力画面等を端末装置１０に送信する。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、関連語辞書記憶部１２１と、書誌情報記憶部１２２と、単語情報記憶部１２３と、売上情報記憶部１２４と、書誌マスタ記憶部１２５とを有する。また、記憶部１２０は、制御部１３０での処理に用いる情報を記憶する。

関連語辞書記憶部１２１は、関連語データを記憶する。関連語辞書記憶部１２１は、第１の記憶部の一例である。関連語データは、２つのキーワード間の関係の近さを示す値と対応付けて、キーワード同士の階層的な関係を示すデータである。なお、階層的な関係とは、関連語辞書記憶部１２１の参照時に、階層的アクセスが可能であることである。図３は、関連語辞書記憶部の一例を示す図である。図３に示すように、関連語辞書記憶部１２１は、関連語データとして、縦軸および横軸のキーワード、ならびに、縦軸のキーワードと横軸のキーワードとの関係の近さを表す数値である単語間類似度を記憶する。

図３の例では、１行目の「真実」に対して、各列の「事実」、「過去」、「驚愕」、「衝撃」のそれぞれについて、例えば、単語間類似度を０〜１の範囲で表している。例えば、「真実」と「事実」とは、単語間類似度が「０．９１」であることを示す。なお、各列のキーワードは、単語間類似度が高い順にソートされている。

図１の説明に戻って、書誌情報記憶部１２２は、書籍名と当該書籍のあらすじとを対応付けて記憶する。書誌情報記憶部１２２は、第２の記憶部の一例である。図４は、書誌情報記憶部の一例を示す図である。図４に示すように、書誌情報記憶部１２２は、「書籍名」、「あらすじ」といった項目を有する。書誌情報記憶部１２２は、例えば、書籍名ごとに１レコードとして記憶する。

「書籍名」は、書籍の名称を示す情報である。「あらすじ」は、書籍のあらすじ、つまり書誌情報を示す情報である。なお、書誌情報は、要約情報の一例である。図４の１行目の例では、書籍名「科学捜査班ｘｘｘ」と、あらすじ「過去からよみがえる驚愕の真実。・・・」とが対応付けて記憶されている。

図１の説明に戻って、単語情報記憶部１２３は、ベクトル化された単語情報を記憶する。単語情報記憶部１２３は、第３の記憶部の一例である。図５は、単語情報記憶部の一例を示す図である。図５に示すように、単語情報記憶部１２３は、「単語」、「ｖ１」、「ｖ２」、「ｖ３」・・・「ｖ１００」といった項目を有する。単語情報記憶部１２３は、例えば、単語ごとに１レコードとして記憶する。

「単語」は、書誌情報、つまりあらすじ等から抽出された単語を示す情報である。「ｖ１」、「ｖ２」、「ｖ３」・・・「ｖ１００」は、ベクトル化された単語情報である。ベクトル化された単語情報の「ｖ」の後の数字は、ベクトルの軸を表す数値である。単語のベクトル化については、例えば、文献「Mikolovら:Distributed Representations of Words and Phrases and their Compositionality (2013)」の手法を用いることができる。

図１の説明に戻って、売上情報記憶部１２４は、書籍ごとの売上冊数を、例えば、月ごとに記憶する。図６は、売上情報記憶部の一例を示す図である。図６に示すように、売上情報記憶部１２４は、「書籍名」、「売上冊数」といった項目を有する。売上情報記憶部１２４は、例えば、書籍名ごとに１レコードとして記憶する。

「書籍名」は、書籍の名称を示す情報である。「売上冊数」は、例えば、１ヶ月ごとに売り上げた冊数を示す情報である。図６の１行目の例では、書籍名「科学捜査班ｘｘｘ」は、２０１６年１月に「２５８」冊売り上げ、２０１６年２月に「３５７」冊売り上げたことを示す。

図１の説明に戻って、書誌マスタ記憶部１２５は、書籍名と、書籍の出版年、著者およびジャンルとを対応付けて記憶する。図７は、書誌マスタ記憶部の一例を示す図である。図７に示すように、書誌マスタ記憶部１２５は、「書籍名」、「出版年」、「著者」、「ジャンル」といった項目を有する。書誌マスタ記憶部１２５は、例えば、書籍名ごとに１レコードとして記憶する。

「書籍名」は、書籍の名称を示す情報である。「出版年」は、書籍が出版された年を示す情報である。「著者」は、書籍の著者を示す情報である。「ジャンル」は、例えば、小説、評論といった書籍のジャンルを示す情報である。図７の１行目の例では、書籍名「科学捜査班ｘｘｘ」は、「２００５」年に出版され、著者は「田中○○」、ジャンルは「評論」であることを示す。

図１の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。制御部１３０は、受付部１３１と、算出部１３２と、設定部１３３と、優先度算出部１３４と、抽出部１３５と、出力制御部１３６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

受付部１３１は、通信部１１０およびネットワークＮを介して、端末装置１０に入力画面を送信する。受付部１３１には、通信部１１０およびネットワークＮを介して、端末装置１０から入力画面において入力された、第１のキーワードおよび重視度情報が入力される。受付部１３１は、入力された第１のキーワードを処理対象として受け付ける。また、受付部１３１は、入力された重視度情報を、第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報として受け付ける。なお、以下の説明では、範囲を特定する情報を重視度情報ともいう。受付部１３１は、受け付けた第１のキーワードを算出部１３２および設定部１３３に出力する。また、受付部１３１は、受け付けた重視度情報を設定部１３３および優先度算出部１３４に出力する。

算出部１３２は、書誌情報記憶部１２２に記憶された書籍の書誌情報について、書誌情報に含まれる単語をベクトル化して単語情報記憶部１２３に記憶する単語情報生成処理を一度実行する。すなわち、単語情報生成処理は、検索対象の全書籍の書誌情報に基づいて、自動選書を行う際に用いる関連語辞書の基となる単語情報を生成する。

算出部１３２は、単語情報生成処理として、書誌情報記憶部１２２から全書籍の書誌情報を取得する。算出部１３２は、取得した書誌情報に含まれる単語をベクトル化する。算出部１３２は、単語とベクトルとを対応付けて単語情報記憶部１２３に記憶する。つまり、算出部１３２は、ベクトル化された単語情報を単語情報記憶部１２３に記憶する。

算出部１３２は、受付部１３１から第１のキーワードが入力されると、単語情報記憶部１２３を参照し、第１のキーワードに対応するベクトル化された単語情報の値を読み出す。算出部１３２は、読み出したベクトル化された単語情報の値に基づいて、単語間類似度を算出する。言い換えると、算出部１３２は、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する単語情報記憶部１２３を参照し、第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている当該値を読み出す。また、算出部１３２は、読み出した当該値に基づいて、第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出する。ここで、キーワードごとに複数の所定の項目に関する度合を示す値は、ベクトル化された単語情報の値に対応し、各キーワード間の関係の近さを示す値は、単語間類似度に対応する。

算出部１３２は、算出した単語間類似度に基づいて関連語データを生成する。すなわち、算出部１３２は、第１のキーワードに対応する関連語データを生成する。算出部１３２は、生成した関連語データを関連語辞書記憶部１２１に記憶する。これは、書誌情報に含まれる全ての単語について関連語データを生成すると、関連語データが膨大な量となってしまうためである。このため、算出部１３２は、処理に用いる第１のキーワードに対応するベクトル化された単語情報に基づいて、部分的な関連語データを生成する。

言い換えると、算出部１３２は、算出した単語間類似度に基づいて、第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する。すなわち、算出部１３２は、算出した関係の近さを示す値に基づいて、第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する生成部の一例である。なお、算出部１３２は、生成した関連語データを出力制御部１３６に出力し、出力制御部１３６が関連語データを関連語辞書記憶部１２１に記憶するようにしてもよい。また、算出部１３２は、生成した関連語データを関連語辞書記憶部１２１に記憶すると、設定部１３３に設定指示を出力する。

設定部１３３には、受付部１３１から第１のキーワードおよび重視度情報が入力される。設定部１３３は、算出部１３２から設定指示が入力されると、関連語辞書記憶部１２１を参照し、入力された第１のキーワードを起点として、重視度情報のうち、意外性に基づいて特定される階層までにあるキーワード群を抽出する。なお、意外性は、例えば、高中低の３段階とすることができる。意外性における階層的アクセスは、例えば、意外性が高であれば「幅：５、深さ：５」とし、意外性が中であれば「幅：４、深さ：３」とし、意外性が低であれば「幅：３、深さ：１」とすることができる。すなわち、意外性は、高とすると関連する単語が多く抽出され、低とすると関連する単語が少なめに抽出される。なお、意外性は、幅と深さとが作業者によって直接指定されるようにしてもよい。

設定部１３３は、抽出したキーワード群を第２のキーワード群に設定する。すなわち、設定部１３３は、第１のキーワードと階層的な関係を有する第２のキーワード群を設定する。設定部１３３は、第１のキーワードおよび第２のキーワード群を抽出部１３５に出力する。

ここで、図８を用いて階層的な関係を用いた階層的アクセスについて説明する。図８は、階層的アクセスの一例を示す図である。図８の例は、第１のキーワードとして「真実」が入力され、重視度情報に基づく階層が「深さ：２、１階層目の幅：３、２階層目の幅：２」である場合におけるアクセス範囲を示すものである。設定部１３３は、例えば、図３に示す関連語辞書記憶部１２１を参照し、「真実」に対する単語間類似度が高い順に、「１階層目の幅：３」に対応する「事実」、「過去」、「驚愕」を抽出する。

さらに、設定部１３３は、抽出した「事実」、「過去」、「驚愕」に対する単語間類似度が高い順に、それぞれ、「２階層目の幅：２」に対応する単語を抽出する。設定部１３３は、「事実」に対する単語間類似度が高い順では、「理由」、「記憶」を抽出する。設定部１３３は、「驚愕」に対する単語間類似度が高い順では、「驚く」、「衝撃」を抽出する。設定部１３３は、「過去」に対する単語間類似度が高い順では、「忌まわしい」、「真相」を抽出する。設定部１３３は、１階層目および２階層目の抽出した単語、つまり、「事実」、「過去」、「驚愕」、「理由」、「記憶」、「驚く」、「衝撃」、「忌まわしい」、「真相」を第２のキーワード群に設定する。

図１の説明に戻って、優先度算出部１３４は、受付部１３１から重視度情報が入力されると、売上情報記憶部１２４および書誌マスタ記憶部１２５を参照し、重視度情報のうち、売上重視度、著者人気重視度、対象ジャンル、対象出版年等の情報に基づいて、書籍ごとの優先度を算出する。すなわち、優先度算出部１３４は、売上情報記憶部１２４および書誌マスタ記憶部１２５に記憶された全ての書籍について優先度を算出する。なお、優先度は、例えば売上に基づく場合には、全ての書籍の売上冊数をグラフ化し、さらにグラフを直線化して、当該直線の傾きによって優先度を算出する。また、優先度の算出では、売上の重視度を上げる場合には直線の傾きを大きくし、重視度を下げる場合には直線の傾きを小さくする。なお、優先度は、例えば０〜１の範囲の数値で表される。優先度算出部１３４は、算出した書籍ごとの優先度を抽出部１３５に出力する。

抽出部１３５は、設定部１３３から第１のキーワードおよび第２のキーワード群が入力されると、書誌情報記憶部１２２を参照し、第１のキーワードと、第２のキーワード群とに対する合致度を書籍ごとに算出する。すなわち、抽出部１３５は、書誌情報記憶部１２２に記憶された全ての書籍について合致度を算出する。言い換えると、抽出部１３５は、検索キーワードとして、第１のキーワードに第２のキーワード群を追加したキーワード群を用いる。なお、合致度は、例えば０〜１の範囲の数値で表される。

また、抽出部１３５は、優先度算出部１３４から書籍ごとの優先度が入力されると、書籍ごとに合致度と優先度とを足し合わせて抽出用スコアを算出する。抽出部１３５は、抽出用スコアを算出すると、書誌情報記憶部１２２を参照し、算出した抽出用スコアが所定以上の書籍の情報を抽出する。ここで、抽出用スコアが所定以上とは、例えば、上位３つの抽出用スコアが抽出される値とすることができる。なお、書籍の情報には、例えば、書籍名と、あらすじと、抽出用スコアとが含まれる。なお、抽出用スコアは、１を超えていてもよく、降順や昇順にソートができればよい。抽出部１３５は、抽出した書籍の情報を出力制御部１３６に出力する。

なお、第１のキーワードは、複数のキーワードを含む第１のキーワード群であってもよい。この場合には、抽出部１３５は、第１のキーワード群と、第２のキーワード群とに示されるキーワードの数に応じて、合致度が所定以上の書籍の情報の抽出の仕方を切り替える。抽出部１３５は、例えば、キーワード数が多い場合には、ナイーブベイズモデルを用いて抽出し、キーワード数が少ない場合には、文章間の距離を用いて抽出することができる。さらに、抽出部１３５は、複数種類の抽出の仕方のそれぞれで、合致度が所定以上の書籍の情報を抽出するようにしてもよい。なお、これらの場合における合致度は、上述の抽出用スコアを用いてもよい。また、合致度が所定以上とは、例えば、上位３つの合致度が抽出される値とすることができる。また、抽出部１３５は、書籍の情報の抽出の仕方を切り替えた場合には、抽出に用いたアルゴリズムを抽出した書籍の情報とともに出力制御部１３６に出力して出力画面に表示させてもよい。

出力制御部１３６は、抽出部１３５から抽出した書籍の情報が入力されると、入力された書籍の情報、つまり選書の結果を含む出力画面を生成する。出力制御部１３６は、生成した出力画面を通信部１１０およびネットワークＮを介して端末装置１０に送信し、端末装置１０の図示しない表示部に表示させる。また、出力制御部１３６は、抽出部１３５において、複数種類の抽出の仕方で書籍の情報の抽出を行った場合には、複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力画面を生成する。

ここで、図９を用いて出力結果について説明する。図９は、出力結果の一例を示す図である。図９は、第１のキーワードとして「真実」が入力された場合の出力結果の一例である。図９の１行目、つまり、最もスコアが高い書籍は「科学捜査班ｘｘｘ」であり、あらすじには、第１のキーワードである「真実」と、第２のキーワード群のうち「過去」および「驚愕」が含まれている。また、図９の２行目の書籍「中国経済のｘｘｘ」は、あらすじには、第２のキーワード群のうち「衝撃」および「事実」が含まれている。つまり、書籍「中国経済のｘｘｘ」は、第１のキーワードである「真実」は含まれていないが、第２のキーワード群に属する単語が含まれているので、抽出、つまり選書されている。

また、他の例としては、例えば第１のキーワードとして「サッパリ」および「整頓」が入力された場合、選書の出力結果として、掃除に関する実用本の他に、「子ネズミのおおそうじ」のような児童書や、「サッパリ」に関係を持つ別ジャンルからヨガやフィットネス関連の本等も選書される。すなわち、本実施例では、意外性を含んだ選書の出力結果となる。そのような出力結果に示される書籍を、書籍の企画コーナーに配置すれば、書店の利用者から見ても意外性に富み、興味を惹かれたり、来店時には購入意志は無かったが店頭で新たに興味を持ち購入したりすることを期待できる企画コーナーとすることができる。

続いて、図１０および図１１を用いて、入力画面および出力画面について説明する。図１０は、入力画面の一例を示す図である。図１０に示す入力画面３０は、端末装置１０の図示しない表示部に表示され、検索を行う単語または書籍名を入力するための入力欄３１と、重視度情報を入力するための入力欄３２と、選書を実行する選書実行ボタン３３とを有する。入力画面３０では、例えば、作業者によって入力欄３１に単語が入力され、入力欄３２の各項目のチェックボックスがチェックされた後に、選書実行ボタン３３が押下される。端末装置１０は、選書実行ボタン３３が押下されると、入力欄３１の単語を第１のキーワードとし、入力欄３２の入力内容を重視度情報として、サーバ１００に送信する。

図１１は、出力画面の一例を示す図である。図１１に示す出力画面４０は、端末装置１０の図示しない表示部に表示され、検索に用いた単語または書籍名を編集可能に表示する入力欄４１と、検索に用いた重視度情報を編集可能に表示する入力欄４２とを有する。また、出力画面４０は、選書に使用された関連単語を表示する関連単語欄４３と、入力欄４１、入力欄４２および関連単語欄４３において内容が編集された場合に選書を再度実行する選書再実行ボタン４４とを有する。また、出力画面４０は、選書の出力結果を表示する出力結果欄４５を有する。入力欄４１および入力欄４２には、入力画面３０で入力された内容が表示される。作業者は、出力結果欄４５の選書の出力結果に対して、例えば、入力欄４２の各項目のチェックボックスを変更したり、関連単語欄４３の関連単語をクリックすることで除外したりすることで、条件を変更して選書を再度実行することができる。

次に、実施例の情報出力システム１の動作について説明する。まず、単語情報生成処理について説明する。図１２は、実施例の単語情報生成処理の一例を示すフローチャートである。

サーバ１００の算出部１３２は、例えばサーバ１００の管理者から単語情報生成処理を実行する旨の指示を受け付けると、単語情報生成処理を一度実行する。算出部１３２は、書誌情報記憶部１２２から全書籍の書誌情報を取得する（ステップＳ１）。算出部１３２は、取得した書誌情報に含まれる単語をベクトル化する（ステップＳ２）。算出部１３２は、単語とベクトルとを対応付けて単語情報記憶部１２３に記憶する（ステップＳ３）。これにより、サーバ１００は、自動選書を行う際に用いる関連語辞書の基となる単語情報を生成できる。

続いて、情報出力処理について説明する。図１３は、実施例の情報出力処理の一例を示すフローチャートである。

サーバ１００の受付部１３１は、端末装置１０に入力画面を送信する。端末装置１０は、入力画面を受信すると、受信した入力画面を図示しない表示部に表示させ、作業者からのキーワードおよび重視度情報の入力を受け付ける。端末装置１０は、入力されたキーワードおよび重視度情報を、第１のキーワードおよび重視度情報として、サーバ１００に送信する。サーバ１００の受付部１３１は、受信して入力された第１のキーワードと、重視度情報とを処理対象として受け付ける（ステップＳ１１）。受付部１３１は、受け付けた第１のキーワードを算出部１３２および設定部１３３に出力する。また、受付部１３１は、受け付けた重視度情報を設定部１３３および優先度算出部１３４に出力する。

算出部１３２は、受付部１３１から第１のキーワードが入力されると、単語情報記憶部１２３を参照し、第１のキーワードに対応する単語間類似度を算出する（ステップＳ１２）。算出部１３２は、算出した単語間類似度に基づいて関連語データを生成する。算出部１３２は、生成した関連語データを関連語辞書記憶部１２１に記憶する（ステップＳ１３）。算出部１３２は、生成した関連語データを関連語辞書記憶部１２１に記憶すると、設定部１３３に設定指示を出力する。

設定部１３３は、算出部１３２から設定指示が入力されると、関連語辞書記憶部１２１を参照し、入力された第１のキーワードを起点として、重視度情報のうち、意外性に基づいて特定される階層までにあるキーワード群を抽出する。設定部１３３は、抽出したキーワード群を第２のキーワード群に設定する（ステップＳ１４）。設定部１３３は、第１のキーワードおよび第２のキーワード群を抽出部１３５に出力する。

抽出部１３５は、設定部１３３から第１のキーワードおよび第２のキーワード群が入力されると、書誌情報記憶部１２２を参照し、第１のキーワードと、第２のキーワード群とに対する合致度を書籍ごとに算出する（ステップＳ１５）。

優先度算出部１３４は、受付部１３１から重視度情報が入力されると、売上情報記憶部１２４および書誌マスタ記憶部１２５を参照し、重視度情報に基づいて、書籍ごとの優先度を算出する（ステップＳ１６）。優先度算出部１３４は、算出した書籍ごとの優先度を抽出部１３５に出力する。

抽出部１３５は、優先度算出部１３４から書籍ごとの優先度が入力されると、書籍ごとに合致度と優先度とに基づいて抽出用スコアを算出する（ステップＳ１７）。抽出部１３５は、抽出用スコアを算出すると、書誌情報記憶部１２２を参照し、算出した抽出用スコアが所定以上の書籍の情報を抽出する（ステップＳ１８）。抽出部１３５は、抽出した書籍の情報を出力制御部１３６に出力する。

出力制御部１３６は、抽出部１３５から抽出した書籍の情報が入力されると、入力された書籍の情報を含む出力画面を生成する。出力制御部１３６は、生成した出力画面を端末装置１０に送信して出力し、端末装置１０の図示しない表示部に表示させる（ステップＳ１９）。これにより、情報出力システム１は、出力されるデータの意外性を高めることができる。すなわち、情報出力システム１は、全あらすじ情報から関連語辞書を生成して関連語も含めた選書が可能となるので、より曖昧度の高いテーマに対応する選書が可能となる。また、情報出力システム１は、関連語辞書に指定された幅や深さをもとに階層的にアクセスするので、関連語の参考度合いを変化させ、選書の出力結果における意外性の度合いをコントロールできる。さらに、情報出力システム１は、入力される単語数に応じて合致度を算出するアルゴリズムを切り替えたり、優先度と合致度とを合算できたりするので、作業者の求める選書の意外性に対応できる。

このように、情報出力システム１は、処理対象とする第１のキーワードの入力と、第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける。また、情報出力システム１は、２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、第１のキーワードを起点として、範囲を特定する情報により特定される階層までにあるキーワード群を抽出して第２のキーワード群に設定する。また、情報出力システム１は、コンテンツごとにコンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、第１のキーワードと、第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する。また、情報出力システム１は、抽出したコンテンツの情報の一覧を出力する。その結果、出力されるデータの意外性を高めることができる。

また、情報出力システム１では、コンテンツは、書籍である。また、情報出力システム１は、書籍ごとに書籍に関する情報を書誌情報として記憶する第２の記憶部を参照し、第１のキーワードと、第２のキーワード群とに対する合致度が所定以上の書籍の情報を抽出する。その結果、選書の出力結果として出力されるデータの意外性を高めることができる。

また、情報出力システム１は、さらに、第１のキーワードの入力を受け付けると、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する第３の記憶部を参照し、第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている値を読み出し、読み出した値に基づいて、第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出する。また、情報出力システム１は、算出した関係の近さを示す値に基づいて、第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する。また、情報出力システム１は、生成した階層的な関係を、関連語データとして第１の記憶部に出力する。その結果、最小限の関連語データに基づく関連語辞書を参照するので、選書の処理時間を短縮できる。

また、情報出力システム１では、第１のキーワードは、複数のキーワードを含む第１のキーワード群である。また、情報出力システム１は、第１のキーワード群と、第２のキーワード群とに示されるキーワードの数に応じて、合致度が所定以上のコンテンツの情報の抽出の仕方を切り替える。その結果、キーワードの数に応じて適切な抽出の仕方を取ることができる。

また、情報出力システム１は、複数種類の抽出の仕方のそれぞれで、合致度が所定以上のコンテンツの情報を抽出する。また、情報出力システム１は、複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力する。その結果、作業者に対して抽出の仕方に応じた出力結果を提示できる。

また、情報出力システム１は、合致度に、売上重視度、著者人気重視度、ジャンル、および、日付のうち１つ以上に基づいて算出されたコンテンツごとの優先度を足し合わせたスコアが所定以上のコンテンツの情報を抽出する。その結果、これらの項目をどの程度参考にするかを設定できる。

また、上記実施例では、作業者として書店の店員を挙げたが、これに限定されない。例えば、各書店に書籍を配本する出版取次が、書店に対して書籍を提案する際に用いてもよい。

また、上記実施例では、コンテンツの一例として、書籍を挙げて説明したが、コンテンツは、これに限定されない。例えば、コンテンツとして、書籍以外の商品でもよいし、ＷｅｂサイトやコールセンタのログまたはＱ＆Ａ検索等に対して適用してもよい。Ｗｅｂサイトの場合には、Ｗｅｂ記事をそのまま要約情報として用いてもよい。著者人気としては、Ｗｅｂサイトの記事執筆者に対するフォロー読者数を利用してもよい。売上としては、ＰＶ（Page View）数を利用してもよい。日付としては、Ｗｅｂページの公開年月日等を用いることができる。つまり、Ｗｅｂサイトの場合には、Ｗｅｂ記事や商品に対するタグ付与、および、新たな軸での分類等を行うことができる。コールセンタの場合には、問い合わせ情報やＱ＆Ａに基づく要約情報を用い、重視度情報として、アクセス回数、問い合わせ年月日等を用いることができる。つまり、コールセンタの場合には、曖昧度の高いキーワードでの検索を行って、参照する問い合わせ情報やＱ＆Ａを絞り込むことができる。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、受付部１３１と算出部１３２とを統合してもよい。例えば、記憶部１２０に記憶されているデータの全部または一部を、サーバ１００と通信可能に接続されている他のコンピュータの記憶部に格納させてもよい。また、図示した各処理は、上記の順番に限定されるものではなく、処理内容を矛盾させない範囲において、同時に実施してもよく、順序を入れ替えて実施してもよい。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の各実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の各実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図１４は、情報出力プログラムを実行するコンピュータの一例を示す図である。

図１４に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、データ入力を受け付ける入力装置２０２と、モニタ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る媒体読取装置２０４と、各種装置と接続するためのインタフェース装置２０５と、他の情報処理装置等と有線または無線により接続するための通信装置２０６とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０７と、ハードディスク装置２０８とを有する。また、各装置２０１〜２０８は、バス２０９に接続される。

ハードディスク装置２０８には、図１に示した受付部１３１、算出部１３２、設定部１３３、優先度算出部１３４、抽出部１３５および出力制御部１３６の各処理部と同様の機能を有する情報出力プログラムが記憶される。また、ハードディスク装置２０８には、関連語辞書記憶部１２１、書誌情報記憶部１２２、単語情報記憶部１２３、売上情報記憶部１２４、書誌マスタ記憶部１２５、および、情報出力プログラムを実現するための各種データが記憶される。入力装置２０２は、例えば、コンピュータ２００の管理者から操作情報等の各種情報の入力を受け付ける。モニタ２０３は、例えば、コンピュータ２００の管理者に対して出力画面等の各種画面を表示する。インタフェース装置２０５は、例えば印刷装置等が接続される。通信装置２０６は、例えば、図１に示した通信部１１０と同様の機能を有しネットワークＮと接続され、端末装置１０と各種情報をやりとりする。

ＣＰＵ２０１は、ハードディスク装置２０８に記憶された各プログラムを読み出して、ＲＡＭ２０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を図１に示した受付部１３１、算出部１３２、設定部１３３、優先度算出部１３４、抽出部１３５および出力制御部１３６として機能させることができる。

なお、上記の情報出力プログラムは、必ずしもハードディスク装置２０８に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこの情報出力プログラムを記憶させておき、コンピュータ２００がこれらから情報出力プログラムを読み出して実行するようにしてもよい。

以上、本実施例を含む実施の形態に関し、さらに以下の付記を開示する。

（付記１）処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける受付部と、
２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定する設定部と、
コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する抽出部と、
抽出した前記コンテンツの情報の一覧を出力する出力制御部と、
を有することを特徴とする情報出力システム。

（付記２）前記コンテンツは、書籍であり、
前記抽出部は、前記書籍ごとに前記書籍に関する情報を書誌情報として記憶する前記第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上の書籍の情報を抽出する、
ことを特徴とする付記１に記載の情報出力システム。

（付記３）さらに、前記第１のキーワードの入力を受け付けると、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する第３の記憶部を参照し、前記第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている前記値を読み出し、読み出した前記値に基づいて、前記第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出する算出部と、
算出した前記関係の近さを示す値に基づいて、前記第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する生成部と、
を有し、
前記出力制御部は、生成した前記階層的な関係を、前記関連語データとして前記第１の記憶部に出力する、
ことを特徴とする付記１または２に記載の情報出力システム。

（付記４）前記第１のキーワードは、複数のキーワードを含む第１のキーワード群であり、
前記抽出部は、前記第１のキーワード群と、前記第２のキーワード群とに示されるキーワードの数に応じて、前記合致度が所定以上のコンテンツの情報の抽出の仕方を切り替える、
ことを特徴とする付記１〜３のいずれか１つに記載の情報出力システム。

（付記５）前記抽出部は、複数種類の抽出の仕方のそれぞれで、前記合致度が所定以上のコンテンツの情報を抽出し、
前記出力制御部は、前記複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力する、
ことを特徴とする付記１〜４のいずれか１つに記載の情報出力システム。

（付記６）前記抽出部は、前記合致度に、売上重視度、著者人気重視度、ジャンル、および、日付のうち１つ以上に基づいて算出された前記コンテンツごとの優先度を足し合わせたスコアが所定以上のコンテンツの情報を抽出する、
ことを特徴とする付記２〜５のいずれか１つに記載の情報出力システム。

（付記７）処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付け、
２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定し、
コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出し、
抽出した前記コンテンツの情報の一覧を出力する、
処理をコンピュータが実行することを特徴とする情報出力方法。

（付記８）前記コンテンツは、書籍であり、
前記抽出する処理は、前記書籍ごとに前記書籍に関する情報を書誌情報として記憶する前記第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上の書籍の情報を抽出する、
ことを特徴とする付記７に記載の情報出力方法。

（付記９）さらに、前記第１のキーワードの入力を受け付けると、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する第３の記憶部を参照し、前記第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている前記値を読み出し、読み出した前記値に基づいて、前記第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出し、
算出した前記関係の近さを示す値に基づいて、前記第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する、
処理をコンピュータが実行し、
前記出力する処理は、生成した前記階層的な関係を、前記関連語データとして前記第１の記憶部に出力する、
ことを特徴とする付記７または８に記載の情報出力方法。

（付記１０）前記第１のキーワードは、複数のキーワードを含む第１のキーワード群であり、
前記抽出する処理は、前記第１のキーワード群と、前記第２のキーワード群とに示されるキーワードの数に応じて、前記合致度が所定以上のコンテンツの情報の抽出の仕方を切り替える、
ことを特徴とする付記７〜９のいずれか１つに記載の情報出力方法。

（付記１１）前記抽出する処理は、複数種類の抽出の仕方のそれぞれで、前記合致度が所定以上のコンテンツの情報を抽出し、
前記出力する処理は、前記複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力する、
ことを特徴とする付記７〜１０のいずれか１つに記載の情報出力方法。

（付記１２）前記抽出する処理は、前記合致度に、売上重視度、著者人気重視度、ジャンル、および、日付のうち１つ以上に基づいて算出された前記コンテンツごとの優先度を足し合わせたスコアが所定以上のコンテンツの情報を抽出する、
ことを特徴とする付記８〜１１のいずれか１つに記載の情報出力方法。

（付記１３）処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付け、
２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定し、
コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出し、
抽出した前記コンテンツの情報の一覧を出力する、
処理をコンピュータに実行させることを特徴とする情報出力プログラム。

（付記１４）前記コンテンツは、書籍であり、
前記抽出する処理は、前記書籍ごとに前記書籍に関する情報を書誌情報として記憶する前記第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上の書籍の情報を抽出する、
ことを特徴とする付記１３に記載の情報出力プログラム。

（付記１５）さらに、前記第１のキーワードの入力を受け付けると、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する第３の記憶部を参照し、前記第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている前記値を読み出し、読み出した前記値に基づいて、前記第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出し、
算出した前記関係の近さを示す値に基づいて、前記第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する、
処理をコンピュータに実行させ、
前記出力する処理は、生成した前記階層的な関係を、前記関連語データとして前記第１の記憶部に出力する、
ことを特徴とする付記１３または１４に記載の情報出力プログラム。

（付記１６）前記第１のキーワードは、複数のキーワードを含む第１のキーワード群であり、
前記抽出する処理は、前記第１のキーワード群と、前記第２のキーワード群とに示されるキーワードの数に応じて、前記合致度が所定以上のコンテンツの情報の抽出の仕方を切り替える、
ことを特徴とする付記１３〜１５のいずれか１つに記載の情報出力プログラム。

（付記１７）前記抽出する処理は、複数種類の抽出の仕方のそれぞれで、前記合致度が所定以上のコンテンツの情報を抽出し、
前記出力する処理は、前記複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力する、
ことを特徴とする付記１３〜１６のいずれか１つに記載の情報出力プログラム。

（付記１８）前記抽出する処理は、前記合致度に、売上重視度、著者人気重視度、ジャンル、および、日付のうち１つ以上に基づいて算出された前記コンテンツごとの優先度を足し合わせたスコアが所定以上のコンテンツの情報を抽出する、
ことを特徴とする付記１４〜１７のいずれか１つに記載の情報出力プログラム。

１ 情報出力システム
１０ 端末装置
１００ サーバ
１１０ 通信部
１２０ 記憶部
１２１ 関連語辞書記憶部
１２２ 書誌情報記憶部
１２３ 単語情報記憶部
１２４ 売上情報記憶部
１２５ 書誌マスタ記憶部
１３０ 制御部
１３１ 受付部
１３２ 算出部
１３３ 設定部
１３４ 優先度算出部
１３５ 抽出部
１３６ 出力制御部
Ｎ ネットワーク

Claims (8)

1. 処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付ける受付部と、
   ２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定する設定部と、
   コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出する抽出部と、
   抽出した前記コンテンツの情報の一覧を出力する出力制御部と、
   を有することを特徴とする情報出力システム。
2. 前記コンテンツは、書籍であり、
   前記抽出部は、前記書籍ごとに前記書籍に関する情報を書誌情報として記憶する前記第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上の書籍の情報を抽出する、
   ことを特徴とする請求項１に記載の情報出力システム。
3. さらに、前記第１のキーワードの入力を受け付けると、キーワードごとに複数の所定の項目に関する度合を示す値を記憶する第３の記憶部を参照し、前記第１のキーワードを含んだ複数のキーワードのそれぞれについて対応付けて記憶されている前記値を読み出し、読み出した前記値に基づいて、前記第１のキーワードを含んだ各キーワード間の関係の近さを示す値を算出する算出部と、
   算出した前記関係の近さを示す値に基づいて、前記第１のキーワードと関係を有する他のキーワードとの階層的な関係を生成する生成部と、
   を有し、
   前記出力制御部は、生成した前記階層的な関係を、前記関連語データとして前記第１の記憶部に出力する、
   ことを特徴とする請求項１または２に記載の情報出力システム。
4. 前記第１のキーワードは、複数のキーワードを含む第１のキーワード群であり、
   前記抽出部は、前記第１のキーワード群と、前記第２のキーワード群とに示されるキーワードの数に応じて、前記合致度が所定以上のコンテンツの情報の抽出の仕方を切り替える、
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報出力システム。
5. 前記抽出部は、複数種類の抽出の仕方のそれぞれで、前記合致度が所定以上のコンテンツの情報を抽出し、
   前記出力制御部は、前記複数種類の抽出の仕方のそれぞれによる抽出の結果を合せて出力する、
   ことを特徴とする請求項１〜４のいずれか１つに記載の情報出力システム。
6. 前記抽出部は、前記合致度に、売上重視度、著者人気重視度、ジャンル、および、日付のうち１つ以上に基づいて算出された前記コンテンツごとの優先度を足し合わせたスコアが所定以上のコンテンツの情報を抽出する、
   ことを特徴とする請求項２〜５のいずれか１つに記載の情報出力システム。
7. 処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付け、
   ２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定し、
   コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出し、
   抽出した前記コンテンツの情報の一覧を出力する、
   処理をコンピュータが実行することを特徴とする情報出力方法。
8. 処理対象とする第１のキーワードの入力と、前記第１のキーワードとともに処理対象にする第２のキーワード群に含める範囲を特定する情報の入力とを受け付け、
   ２つのキーワード間の関係の近さを示す値と対応付けてキーワード同士の階層的な関係を示す関連語データを記憶する第１の記憶部を参照し、前記第１のキーワードを起点として、前記範囲を特定する情報により特定される階層までにあるキーワード群を抽出して前記第２のキーワード群に設定し、
   コンテンツごとに前記コンテンツに関する情報を要約情報として記憶する第２の記憶部を参照し、前記第１のキーワードと、前記第２のキーワード群とに対する合致度が所定以上のコンテンツの情報を抽出し、
   抽出した前記コンテンツの情報の一覧を出力する、
   処理をコンピュータに実行させることを特徴とする情報出力プログラム。

Images