JP2019046441A - 検索方法、検索装置及びプログラム - Google Patents

Abstract

【課題】特定のグループに対して購買履歴を用いなくても最適な商品又はサービス等を推薦することができる検索方法を提供する。【解決手段】プロセッサにより実行される単語拡張方法であって、プロセッサは、（ａ）検索単語を取得し、（ｂ）複数の単語と当該複数の単語の各々の間の意味的距離とを含む第１〜第３の概念マップをメモリから取得し、（ｃ）第１及び第２の概念マップの各々に含まれる意味的距離の近さを示す関連度を含む第１の関連度マップを取得し、（ｄ）第１〜第３の概念マップの各々に含まれる意味的距離の近さを示す関連度を含む第２の関連度マップを取得し、（ｅ）複数の単語の中から、第１の関連度マップに含まれる検索単語に対する関連度と、第２の関連度マップに含まれる検索単語に対する関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、（ｆ）検索単語及び関連単語に基づいて検索した結果を出力する。【選択図】図１１

Description

本開示は、検索方法、検索装置及びプログラムに関する。

ユーザがインターネット上の検索サービス等を利用して、商品又はサービス等に関する情報を検索する機会が多くなっている。例えば、特定のグループで訪れるための旅行先又は飲食店等の候補を検索する場合には、特定のグループに属する全てのユーザに共通の好みを満たす検索キーワードを情報端末等に入力する必要がある。

特許文献１には、特定のグループに属する全てのユーザが商品又はサービス等に対するスコアを予め入力しておくことにより、入力されたスコアの履歴から算出される評価値に基づいて、特定のグループに対して商品又はサービス等を推薦する技術が開示されている。

特開２０１５−１８４５３号公報

G. Linden, B. Smith, and J. York, "Amazon.com Recommendations: Item-to-Item Collaborative Filtering," IEEE Internet Computing, vol. 7, no. 1, 2003, pp. 76-80.

しかしながら、上述した特許文献１に開示された技術では、ユーザがスコアを予め入力しておく必要があるため、例えばユーザが購入したことのない商品又は利用したことのないサービス等のように、スコアが予め入力されていない商品又はサービス等を特定のグループに対して推薦することができない。

そのほかに、非特許文献１に開示された技術では、ユーザがスコアを予め入力する必要はないが、実際の購買行動をベースにしているため、購買行動の情報が存在しない商品分野においては、適用できなかった。

そこで、本開示は、特定のグループに対して購買履歴を用いなくても最適な商品又はサービス等を推薦することができる検索方法、検索装置及びプログラムを提供する。

本開示の一態様に係る検索方法は、プロセッサにより実行される検索方法であって、前記プロセッサは、（ａ）検索単語を取得し、（ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、をメモリから取得し、（ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、（ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、（ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、（ｆ）前記検索単語及び前記関連単語に基づいて検索した結果を出力する。

なお、これらの包括的又は具体的な態様は、装置、システム、集積回路、コンピュータプログラム又はコンピュータで読み取り可能な記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。コンピュータ読み取り可能な記録媒体は、例えばＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの不揮発性の記録媒体を含む。

本開示の一態様に係る検索方法等によれば、特定のグループに対して購買履歴を用いなくても最適な商品又はサービス等を推薦することができる。本開示の一態様の付加的な恩恵及び有利な点は本明細書及び図面から明らかとなる。この恩恵及び／又は有利な点は、本明細書及び図面に開示した様々な態様及び特徴により個別に提供され得るものであり、その１以上を得るために全てが必要ではない。

実施の形態１に係る検索システムの適用例を示す図である。 実施の形態１に係る検索システムの他の適用例を示す図である。 実施の形態１に係る検索システムの概要を示すブロック図である。 実施の形態１に係る検索システムの構成を示すブロック図である。 第１の概念マップの一例を示す図である。 第２の概念マップの一例を示す図である。 第３の概念マップの一例を示す図である。 第４の概念マップの一例を示す図である。 第１〜第４の概念マップを概念的に説明するための図である。 第１〜第４の概念マップを概念的に説明するための図である。 実施の形態１に係るグループ共通概念抽出部の動作の流れを示すフローチャートである。 実施の形態１に係るグループ共通概念抽出部による概念間距離の算出例を示す図である。 実施の形態１に係るグループ共通概念抽出部による関連度の算出例を示す図である。 実施の形態１に係る全体共通概念抽出部の動作の流れを示すフローチャートである。 実施の形態１に係る全体共通概念抽出部による概念間距離の算出例を示す図である。 実施の形態１に係る全体共通概念抽出部による関連度の算出例を示す図である。 実施の形態１に係る全体共通概念除外部の動作の流れを示すフローチャートである。 第１の概念マップから抽出された相関行列を模式的に示す図である。 第１の概念マップ及び第２の概念マップからそれぞれ抽出された相関行列を模式的に示す図である。 第１〜第４の概念マップからそれぞれ抽出された相関行列を模式的に示す図である。 実施の形態１に係る推薦要求部の動作例を示す図である。 実施の形態１に係る推薦対象ユーザ端末の表示部における推薦結果の表示例１を示す図である。 実施の形態１に係る推薦対象ユーザ端末の表示部における推薦結果の表示例１を示す図である。 実施の形態１に係る推薦対象ユーザ端末の表示部における推薦結果の表示例２を示す図である。 実施の形態１に係る推薦対象ユーザ端末の表示部における推薦結果の表示例３を示す図である。 実施の形態２に係る検索システムの構成を示すブロック図である。 実施の形態２に係る概念平均距離演算部による概念平均距離の算出例を示す図である。 実施の形態２に係る全体共通概念除外部の動作の流れを示すフローチャートである。 実施の形態３に係る検索システムの構成を示すブロック図である。 実施の形態４に係る検索システムの構成を示すブロック図である。

本開示の一態様に係る検索方法は、プロセッサにより実行される検索方法であって、前記プロセッサは、（ａ）検索単語を取得し、（ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、をメモリから取得し、（ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、（ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、（ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、（ｆ）前記検索単語及び前記関連単語に基づいて検索した結果を出力する。

本態様によれば、第１の概念マップ及び第２の概念マップに基づいて、第１のグループに属する第１のユーザ及び第２のユーザにとって検索単語に対する共通の概念を示す関連単語を抽出する。この抽出した関連単語と検索単語とに基づいて検索するので、第１のユーザ又は第２のユーザが購入したことのない商品又は利用したことのないサービス等であっても、第１のグループに対して最適な商品又はサービス等を推薦することができる。さらに、複数の単語の中から、第１の関連度マップに含まれる検索単語に対する関連度と、第２の関連度マップに含まれる検索単語に対する関連度との差分が第１の閾値以上である単語を、関連単語として抽出する。これにより、第１のグループに属する第１のユーザ及び第２のユーザにのみ共通の概念を示す関連単語を抽出することができ、関連単語の抽出精度を高めることができる。

例えば、前記（ｅ）において、前記差分が前記第１の閾値以上である前記少なくとも１つの単語について、前記第１の概念マップに含まれる前記検索単語に対する前記意味的距離と、前記第２の概念マップに含まれる前記検索単語に対する前記意味的距離との和に基づく値が第２の閾値以下である場合に、前記関連単語として抽出するように構成してもよい。

本態様によれば、第１のユーザ及び第２のユーザにとって検索単語に対して共通の概念を示すが、検索単語に対して意味的な距離が遠い単語を関連単語から除外することができる。これにより、第１のグループに対してより最適な商品又はサービス等を推薦することができる。

例えば、前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１のグループに属する前記第１のユーザ又は前記第２のユーザに対して表示するように構成してもよい。

本態様によれば、検索結果を表示することにより、第１のグループに対して商品又はサービス等を推薦することができる。

例えば、前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１の関連度マップに含まれる前記検索単語と前記関連単語との前記関連度の高い順に表示するように構成してもよい。

本態様によれば、検索結果を第１のグループに対するお薦めの順に表示することができる。

例えば、前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、他のユーザによる評価の高いコンテンツよりも上位に表示するように構成してもよい。

本態様によれば、第１のグループに推薦すべき検索結果を優先的に表示することができる。

例えば、前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、脳計測の結果に基づいて生成されるように構成してもよい。

本態様によれば、脳計測の結果に基づいて、第１の概念マップ、第２の概念マップ及び第３の概念マップを生成することができる。

例えば、前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、ｆＭＲＩ（ｆｕｎｃｔｉｏｎａｌ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）を用いた脳計測の結果に基づいて生成されるように構成してもよい。

本態様によれば、ｆＭＲＩを用いた脳計測の結果に基づいて、第１の概念マップ、第２の概念マップ及び第３の概念マップを生成することができる。

本開示の一態様に係る検索装置は、プロセッサとメモリとを備えた検索装置であって、前記プロセッサは、（ａ）検索単語を取得し、（ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、を前記メモリから取得し、（ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、（ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、（ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、（ｆ）前記検索単語及び前記関連単語に基づいて検索用の単語を出力する。

本態様によれば、第１の概念マップ及び第２の概念マップに基づいて、第１のグループに属する第１のユーザ及び第２のユーザにとって検索単語に対する共通の概念を示す関連単語を抽出する。この抽出した関連単語と検索単語とに基づいて検索するので、第１のユーザ又は第２のユーザが購入したことのない商品又は利用したことのないサービス等であっても、第１のグループに対して最適な商品又はサービス等を推薦することができる。さらに、複数の単語の中から、第１の関連度マップに含まれる検索単語に対する関連度と、第２の関連度マップに含まれる検索単語に対する関連度との差分が第１の閾値以上である単語を、関連単語として抽出する。これにより、第１のグループに属する第１のユーザ及び第２のユーザにのみ共通の概念を示す関連単語を抽出することができ、関連単語の抽出精度を高めることができる。

例えば、前記（ｅ）において、前記差分が前記第１の閾値以上である前記少なくとも１つの単語について、前記第１の概念マップに含まれる前記検索単語に対する前記意味的距離と、前記第２の概念マップに含まれる前記検索単語に対する前記意味的距離との和に基づく値が第２の閾値以下である場合に、前記関連単語として抽出するように構成してもよい。

本態様によれば、第１のユーザ及び第２のユーザにとって検索単語に対して共通の概念を示すが、検索単語に対して意味的な距離が遠い単語を関連単語から除外することができる。これにより、第１のグループに対してより最適な商品又はサービス等を推薦することができる。

例えば、前記プロセッサは、さらに、（ｇ）前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１のグループに属する前記第１のユーザ又は前記第２のユーザに対して表示するように構成してもよい。

本態様によれば、検索結果を表示することにより、第１のグループに対して商品又はサービス等を推薦することができる。

例えば、前記（ｇ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１の関連度マップに含まれる前記検索単語と前記関連単語との前記関連度の高い順に表示するように構成してもよい。

本態様によれば、検索結果を第１のグループに対するお薦めの順に表示することができる。

例えば、前記（ｇ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、他のユーザによる評価の高いコンテンツよりも上位に表示するように構成してもよい。

本態様によれば、第１のグループに推薦すべき検索結果を優先的に表示することができる。

例えば、前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、脳計測の結果に基づいて生成されるように構成してもよい。

本態様によれば、脳計測の結果に基づいて、第１の概念マップ、第２の概念マップ及び第３の概念マップを生成することができる。

例えば、前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、ｆＭＲＩを用いた脳計測の結果に基づいて生成されるように構成してもよい。

本態様によれば、ｆＭＲＩを用いた脳計測の結果に基づいて、第１の概念マップ、第２の概念マップ及び第３の概念マップを生成することができる。

本開示の一態様に係るプログラムは、コンピュータに検索方法を実行させるプログラムであって、前記コンピュータに、（ａ）検索単語を取得し、（ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、をメモリから取得し、（ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、（ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、（ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、（ｆ）前記検索単語及び前記関連単語に基づいて検索した結果を出力することを実行させる。

本態様によれば、第１の概念マップ及び第２の概念マップに基づいて、第１のグループに属する第１のユーザ及び第２のユーザにとって検索単語に対する共通の概念を示す関連単語を抽出する。この抽出した関連単語と検索単語とに基づいて検索するので、第１のユーザ又は第２のユーザが購入したことのない商品又は利用したことのないサービス等であっても、第１のグループに対して最適な商品又はサービス等を推薦することができる。さらに、複数の単語の中から、第１の関連度マップに含まれる検索単語に対する関連度と、第２の関連度マップに含まれる検索単語に対する関連度との差分が第１の閾値以上である単語を、関連単語として抽出する。これにより、第１のグループに属する第１のユーザ及び第２のユーザにのみ共通の概念を示す関連単語を抽出することができ、関連単語の抽出精度を高めることができる。

なお、これらの包括的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラム又はコンピュータで読み取り可能なＣＤ−ＲＯＭ等の記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム又は記録媒体の任意な組み合わせで実現されてもよい。

以下、実施の形態について、図面を参照しながら具体的に説明する。

なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

（実施の形態１）
［１−１．検索システムの概要］
まず、図１Ａ〜図２を参照しながら、実施の形態１に係る検索システム２の概要について説明する。図１Ａは、実施の形態１に係る検索システム２の適用例を示す図である。図１Ｂは、実施の形態１に係る検索システム２の他の適用例を示す図である。図２は、実施の形態１に係る検索システム２の概要を示すブロック図である。

図１Ａ及び図１Ｂに示すように、実施の形態１に係る検索システム２は、特定のグループ４に属するユーザ６が検索単語を入力した際に、ＥＣ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｍｍｅｒｃｅ）サイト等で検索を実行して検索結果を出力するためのシステムである。これにより、検索システム２は、特定のグループ４に対して、特定のグループ４に属する全てのユーザ６に共通の好みを満たす商品又はサービス等を推薦する。

図１Ａに示す例では、検索システム２は、音声インタフェースを有する音声端末８を備えている。ユーザ６は、音声端末８に対して音声を発することにより、音声端末８に検索単語を入力する。これにより、音声端末８は、検索結果を音声により出力する。具体的には、ユーザ６がお薦めの飲食店等をリクエストするための検索単語を音声端末８に入力した場合には、音声端末８は、当該検索単語に対応した適切なサービスを音声により提供する。

図１Ｂに示す例では、検索システム２は、タッチパネルを有するタブレット又はスマートフォン等の情報端末１０を備えている。ユーザ６は、情報端末１０のタッチパネルを操作することにより検索単語を入力する。これにより、情報端末１０は、検索結果をタッチパネルに表示する。

図２に示すように、検索システム２は、推薦概念演算部１２（検索装置の一例）と、推薦サービス提供部１４と、複数の推薦対象ユーザ端末１６ａ及び１６ｂと、複数の推薦対象外ユーザ端末１８ａ及び１８ｂとを備えている。これらは、インターネット２０を介して相互に通信可能に接続されている。

複数の推薦対象ユーザ端末１６ａ及び１６ｂはそれぞれ、第１のグループに属する第１のユーザ及び第２のユーザにより操作される情報端末である。なお、第１のグループは、検索システム２による商品又はサービス等の推薦対象となるグループである。複数の推薦対象ユーザ端末１６ａ及び１６ｂはそれぞれ、第１のユーザ及び第２のユーザにより入力された検索単語を受け付け、受け付けた検索単語を推薦概念演算部１２に送信する。

複数の推薦対象外ユーザ端末１８ａ及び１８ｂはそれぞれ、第１のグループと異なる第２のグループに属する第３のユーザ及び第４のユーザにより操作される情報端末である。なお、第２のグループは、検索システム２による商品又はサービス等の推薦対象外となるグループである。

推薦概念演算部１２は、複数の推薦対象ユーザ端末１６ａ及び１６ｂの各々から送信された検索単語を受信する。推薦概念演算部１２は、受信した検索単語に対して、第１のグループに属する第１のユーザ及び第２のユーザに共通するグループ共通概念を示す関連単語を付加し、これらの検索単語と関連単語との組み合わせである検索用の単語を推薦概念として推薦サービス提供部１４に送信する。

推薦サービス提供部１４は、推薦概念演算部１２から送信された推薦概念を受信する。推薦サービス提供部１４は、受信した推薦概念に基づいて検索を実行し、検索結果を推薦結果として複数の推薦対象ユーザ端末１６ａ及び１６ｂのうち少なくとも１つに送信する。

［１−２．推薦対象ユーザ端末の構成］
次に、図３を参照しながら、推薦対象ユーザ端末１６ａの構成について説明する。図３は、実施の形態１に係る検索システム２の構成を示すブロック図である。なお、複数の推薦対象ユーザ端末１６ａ及び１６ｂは同一の構成を有しているので、以下では、推薦対象ユーザ端末１６ａの構成についてのみ説明する。

図３に示すように、推薦対象ユーザ端末１６ａは、検索単語送信部２２と、概念マップ保持部２４と、推薦結果受信部２６とを有している。

検索単語送信部２２は、推薦対象ユーザ端末１６ａの利用者である第１のユーザが入力した検索単語を推薦概念演算部１２に送信する。

概念マップ保持部２４は、第１のユーザに固有の第１の概念マップを保持するメモリである。概念マップ保持部２４は、推薦概念演算部１２からの要求に基づいて、第１の概念マップを推薦概念演算部１２に送信する。

推薦結果受信部２６は、推薦サービス提供部１４から送信された推薦結果を受信する。なお、推薦結果受信部２６により受信された推薦結果は、例えば推薦対象ユーザ端末１６ａに搭載されたタッチパネル等の表示部７０（後述する図１６Ａ参照）に表示される。

なお、推薦対象ユーザ端末１６ｂの概念マップ保持部には、推薦対象ユーザ端末１６ｂの利用者である第２のユーザに固有の第２の概念マップが保持されている。また、複数の推薦対象外ユーザ端末１８ａ及び１８ｂの各々は、上述と同様に概念マップ保持部を有している。推薦対象外ユーザ端末１８ａの概念マップ保持部には、推薦対象外ユーザ端末１８ａの利用者である第３のユーザに固有の第３の概念マップが保持されている。また、推薦対象外ユーザ端末１８ｂの概念マップ保持部には、推薦対象外ユーザ端末１８ｂの利用者である第４のユーザに固有の第４の概念マップが保持されている。

ここで、図４Ａ〜図６を参照しながら、上述した第１〜第４の概念マップの各構成について説明する。図４Ａは、第１の概念マップの一例を示す図である。図４Ｂは、第２の概念マップの一例を示す図である。図４Ｃは、第３の概念マップの一例を示す図である。図４Ｄは、第４の概念マップの一例を示す図である。図５及び図６の各々は、第１〜第４の概念マップを概念的に説明するための図である。

第１〜第４の概念マップはそれぞれ、第１〜第４のユーザと対応付けられており、例えば図４Ａ〜図４Ｄに示す２次元のテーブルとして表現される。図４Ａ〜図４Ｄに示すように、第１〜第４の概念マップの各々は、複数の一般単語（単語の一例）と、複数の一般単語の各々の間の意味的距離とを含んでいる。

第１〜第４の概念マップの各々には、例えば１０００種類の一般単語が含まれている。この場合、第１〜第４の概念マップの各々は、１０００行×１０００列のサイズの２次元のテーブルとなる。複数の一般単語の各々は、例えば「ｈｏｍｅ」、「ｒｅｎｔ」、「ｏｗｎｅｒ」及び「ｈｏｕｓｅ」等の日常生活で使用される概念を示す英単語である。なお、説明の都合上、図４Ａ〜図４Ｄでは、第１〜第４の概念マップの各々を、８種類の単語を含む８行×８列サイズの２次元のテーブルとして表現してある。

意味的距離は、複数の一般単語の各々の間の意味的な距離の近さを、相対的な大きさで表現した値である。図４Ａ〜図４Ｄに示す例では、意味的距離は、「０」〜「１０」の整数値で表現される。意味的距離の値が小さいほど、複数の一般単語の各々の間の意味的な距離が近いことを表している。具体的には、意味的距離が「１」である場合には、異なる２種類の一般単語の間の意味的な距離は最も近く、意味的距離が「１０」である場合には、異なる２種類の一般単語の間の意味的な距離は最も遠い。なお、例えば「ｈｏｍｅ」と「ｈｏｍｅ」との間のように、同じ種類の一般単語の間の意味的距離は「０」であるとする。

第１ユーザの「第１の単語」と「第２の単語」の意味的距離は、ユーザが「第１の単語」と「第２の単語」をどの程度容易に連想するかの程度を示す情報であってもよい。

図４Ａに示す例では、「ｈｏｍｅ」に対する意味的距離は、「ｈｏｕｓｅ」、「ｃａｒ」及び「ｗｅｅｋｅｎｄ」が「１」であり、「ｒｅｎｔ」及び「ｐｌａｃｅ」が「２」であり、「ｏｗｎｅｒ」が「４」であり、「ｐａｒｋ」が「５」である。一方、図４Ｂに示す例では、「ｈｏｍｅ」に対する意味的距離は、「ｈｏｕｓｅ」及び「ｃａｒ」が「１」であり、「ｏｗｎｅｒ」及び「ｐｌａｃｅ」が「２」であり、「ｒｅｎｔ」が「３」であり、「ｐａｒｋ」及び「ｗｅｅｋｅｎｄ」が「５」である。

第１のユーザにとっては、例えば「ｈｏｍｅ」と「ｗｅｅｋｅｎｄ」とは意味的に近い概念であり、第１のユーザは週末を家で過ごすことが多いと考えられる。一方、第２のユーザにとっては、例えば「ｈｏｍｅ」と「ｗｅｅｋｅｎｄ」とは意味的に遠い概念であり、第２のユーザは週末に外出することが多いと考えられる。すなわち、図４Ａに示す第１の概念マップと図４Ｂに示す第２の概念マップとの間における意味的距離の違いは、第１のユーザと第２のユーザとの間における概念の個人差を表している。同様に、図４Ｃに示す第３の概念マップと図４Ｄに示す第４の概念マップとの間における意味的距離の違いは、第３のユーザと第４のユーザとの間における概念の個人差を表している。

上述した第１〜第４の概念マップの各々は、例えば脳計測の結果に基づいて生成される。具体的には、第１〜第４のユーザが複数の物語を音声で聞いている時、第１〜第４のユーザの脳反応をｆＭＲＩ（機能的磁気共鳴画像法；ｆｕｎｃｔｉｏｎａｌ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）により計測する。複数の物語には、約１０００種類の英単語が含まれている。脳反応の計測結果に基づいて、複数の英単語の各々の間の関係性を、視覚的に大脳皮質上にマッピングする。例えば下記文献に記載の方法により、１０００種類の英単語の各々の間の意味的距離を定義することができる。すなわち、例えば図５及び図６に示すように、複数の英単語の各々の間の意味的距離を有する概念マップを生成することができる。なお、図５及び図６はそれぞれ異なるユーザに固有の概念マップであり、図５及び図６における複数の英単語の各々の間の物理的な距離は、ユーザ間における概念の個人差を表している。例えば、大脳皮質上における複数の英単語の各々の間の物理的な距離を正規化して、「０．０」〜「１．０」の範囲の意味的距離を定義することもできる。

上述した脳計測については、例えば、「Ａｌｅｘａｎｄｅｒ Ｇ．Ｈｕｔｈ，Ｗｅｎｄｙ Ａ．ｄｅ Ｈｅｅｒ，Ｔｈｏｍａｓ Ｌ．Ｇｒｉｆｆｉｔｈｓ，Ｆｒｅｄｅｒｉｃ Ｅ．Ｔｈｅｕｎｉｓｓｅｎ，Ｊａｃｋ Ｌ．Ｇａｌｌａｎｔ，“Ｎａｔｕｒａｌ ｓｐｅｅｃｈ ｒｅｖｅａｌｓ ｔｈｅ ｓｅｍａｎｔｉｃ ｍａｐｓ ｔｈａｔ ｔｉｌｅ ｈｕｍａｎ ｃｅｒｅｂｒａｌ ｃｏｒｔｅｘ”，Ｎａｔｕｒｅ，Ｖｏｌ．５３２，ｐ．４５３−４５８、２０１６年４月２８日、Ｎａｔｕｒｅ Ｐｕｂｌｉｓｈｉｎｇ Ｇｒｏｕｐ」等の文献に開示された、公知の方法を用いることができる。

なお、概念マップは、上述した脳計測の結果に基づいて生成する方法以外にも、複数の概念の各々の間の意味的距離が定義されていれば他の方法により生成してもよい。例えば、第１〜第４のユーザの日常生活における発言及び行動等に基づいて、複数の概念の各々の間の意味的距離を推定することにより概念マップを生成してもよい。

［１−３．推薦概念演算部の構成］
次に、図３を参照しながら、推薦概念演算部１２の構成について説明する。図３に示すように、推薦概念演算部１２は、検索単語受信部２８と、推薦対象端末概念マップ受信部３０と、推薦対象外端末概念マップ受信部３２と、グループ共通概念抽出部３４と、全体共通概念抽出部３６と、全体共通概念除外部３８と、推薦概念送信部４０とを有している。

検索単語受信部２８は、推薦対象ユーザ端末１６ａの検索単語送信部２２及び推薦対象ユーザ端末１６ｂの検索単語送信部の各々から送信された検索単語を受信する。

推薦対象端末概念マップ受信部３０は、推薦対象ユーザ端末１６ａの概念マップ保持部２４及び推薦対象ユーザ端末１６ｂの概念マップ保持部からそれぞれ送信された第１の概念マップ及び第２の概念マップを受信する。

推薦対象外端末概念マップ受信部３２は、推薦対象外ユーザ端末１８ａの概念マップ保持部及び推薦対象外ユーザ端末１８ｂの概念マップ保持部からそれぞれ送信された第３の概念マップ及び第４の概念マップを受信する。

グループ共通概念抽出部３４は、推薦対象端末概念マップ受信部３０により受信された第１の概念マップ及び第２の概念マップに基づいて、第１の概念マップ及び第２の概念マップに共通する少なくとも１つの一般単語をグループ共通概念として抽出する。

全体共通概念抽出部３６は、推薦対象端末概念マップ受信部３０により受信された第１の概念マップ及び第２の概念マップと、推薦対象外端末概念マップ受信部３２により受信された第３の概念マップ及び第４の概念マップとに基づいて、第１の概念マップ、第２の概念マップ、第３の概念マップ及び第４の概念マップに共通する少なくとも１つの一般単語を全体共通概念として抽出する。

全体共通概念除外部３８は、グループ共通概念抽出部３４で抽出されたグループ共通概念から全体共通概念抽出部３６で抽出された全体共通概念を除外することにより、検索単語受信部２８により受信された検索単語と関連性の高い、且つ、第１のグループにのみ共通の概念を示す関連単語を抽出する。全体共通概念除外部３８は、検索単語と関連単語との組み合わせを推薦概念として推薦概念送信部４０に出力する。

推薦概念送信部４０は、全体共通概念除外部３８から出力された推薦概念を推薦サービス提供部１４に送信する。

［１−４．推薦サービス提供部の構成］
次に、図３を参照しながら、推薦サービス提供部１４の構成について説明する。図３に示すように、推薦サービス提供部１４は、推薦概念受信部４２と、データベース４４と、推薦要求部４６と、推薦内容生成部４８と、推薦結果送信部５０とを有している。

推薦概念受信部４２は、推薦概念演算部１２から送信された推薦概念を受信し、受信した推薦概念を推薦要求部４６に出力する。

データベース４４は、第１のグループ等に推薦するための例えば住宅物件等に関するデータを記憶する。

推薦要求部４６は、データベース４４を参照することにより、推薦概念受信部４２から出力された推薦概念と最も関連性の高いデータを抽出する。

推薦内容生成部４８は、推薦要求部４６により抽出されたデータを、推薦対象ユーザ端末１６ａの表示部７０（後述する図１６Ａ参照）に表示するのに適切な形式に変換する。推薦内容生成部４８は、この変換したデータを、第１のグループに推薦するための推薦内容として推薦結果送信部５０に出力する。

推薦結果送信部５０は、推薦内容生成部４８から出力された推薦内容を、例えば検索単語が入力された推薦対象ユーザ端末１６ａに推薦結果として送信する。

［１−５．検索システムの動作］
［１−５−１．グループ共通概念抽出部の動作］
図７〜図８Ｂを参照しながら、グループ共通概念抽出部３４の動作について説明する。図７は、実施の形態１に係るグループ共通概念抽出部３４の動作の流れを示すフローチャートである。図８Ａは、実施の形態１に係るグループ共通概念抽出部３４による概念間距離の算出例を示す図である。図８Ｂは、実施の形態１に係るグループ共通概念抽出部３４による関連度の算出例を示す図である。

以下、例えば第１のグループに適した住宅物件を検索するために、第１のグループに属する第１のユーザが検索単語「ｈｏｍｅ」を推薦対象ユーザ端末１６ａに入力した場合について説明する。

図７に示すように、まず、グループ共通概念抽出部３４は、推薦対象端末概念マップ受信部３０から第１の概念マップ及び第２の概念マップを取得する（Ｓ１０１）。次に、グループ共通概念抽出部３４は、次式１に基づいて、第１の概念マップと第２の概念マップとの間の概念間距離を算出する（Ｓ１０２）。

上式１において、Ｄ_ｉｊはｉ行ｊ列の概念間距離であり、ｄ_Ａｉｊは第１の概念マップのｉ行ｊ列の意味的距離であり、ｄ_Ｂｉｊは第２の概念マップのｉ行ｊ列の意味的距離である。例えば、図４Ａに示す第１の概念マップのｉ行ｊ列の意味的距離とは、第１の概念マップのｉ行の一般単語（例えば「ｈｏｍｅ」）と、第１の概念マップのｊ列の一般単語（例えば「ｒｅｎｔ」）との間の意味的距離（例えば「２」）である。

ここで、概念間距離とは、第１の概念マップと第２の概念マップとの間における意味的距離の近さを表す。概念間距離が小さいほど、第１の概念マップのｉ行の一般単語とｊ列の一般単語との間の意味的距離と、第２の概念マップのｉ行の一般単語とｊ列の一般単語との間の意味的距離とが近いことを表す。図８Ａに示すように、グループ共通概念抽出部３４は、上式１に基づいて、図４Ａに示す第１の概念マップと図４Ｂに示す第２の概念マップとの間の概念間距離を算出する。

なお、本実施の形態では、第１のグループに２人のユーザが属する場合について説明したが、第１のグループに３人以上のユーザが属する場合には、グループ共通概念抽出部３４は、３つ以上の概念マップから抽出した任意の２つの概念マップに対して概念間距離を算出してもよい。

次に、グループ共通概念抽出部３４は、次式２に基づいて、ステップＳ１０２で算出した概念間距離Ｄ_ｉｊを関連度ｖ_ｉｊに変換する(Ｓ１０３)。

ここで、関連度とは、第１の概念マップと第２の概念マップとの間における意味的距離の近さを表す。例えば、グループ共通概念抽出部３４は、上式２に基づいて、図８Ａに示す概念間距離を関連度に変換することにより、図８Ｂに示す第１の関連度マップを取得する。第１の関連度マップとは、第１の概念マップと第２の概念マップとの間の概念間距離を関連度に変換した２次元のテーブルである。

図８Ｂに示す例では、関連度は、「１．００」以下の正の値である。関連度が大きいほど、第１の概念マップのｉ行の一般単語とｊ列の一般単語との間の意味的距離と、第２の概念マップのｉ行の一般単語とｊ列の一般単語との間の意味的距離とが近いことを表す。例えば、「ｈｏｍｅ」に対する「ｃａｒ」の関連度は「１．００」であり、これは、第１のユーザ及び第２のユーザにとって、「ｈｏｍｅ」と「ｃａｒ」とは関連性が最も高いことを表している。なお、図８Ｂにおいて破線の枠線５２で囲まれた行は、第１の関連度マップにおける検索単語「ｈｏｍｅ」に対する複数の一般単語の各々の関連度を表している。

本実施の形態では、グループ共通概念抽出部３４は、図８Ｂに示す全ての一般単語をグループ共通概念として抽出する。なお、グループ共通概念抽出部３４は、所定の閾値（例えば「０．５０」）以上の関連度を有する一般単語をグループ共通概念として抽出してもよい。

最後に、グループ共通概念抽出部３４は、ステップＳ１０３で取得した第１の関連度マップを全体共通概念除外部３８に出力する（Ｓ１０４）。

［１−５−２．全体共通概念抽出部の動作］
図９〜図１０Ｂを参照しながら、全体共通概念抽出部３６の動作について説明する。図９は、実施の形態１に係る全体共通概念抽出部３６の動作の流れを示すフローチャートである。図１０Ａは、実施の形態１に係る全体共通概念抽出部３６による概念間距離の算出例を示す図である。図１０Ｂは、実施の形態１に係る全体共通概念抽出部３６による関連度の算出例を示す図である。

図９に示すように、まず、全体共通概念抽出部３６は、推薦対象端末概念マップ受信部３０から第１の概念マップ及び第２の概念マップを取得する（Ｓ２０１）。次に、全体共通概念抽出部３６は、推薦対象外端末概念マップ受信部３２から第３の概念マップ及び第４の概念マップを取得する（Ｓ２０２）。次に、全体共通概念抽出部３６は、次式３に基づいて、第１〜第４の概念マップの間の概念間距離を算出する（Ｓ２０３）。

上式３において、Ｄ’_ｉｊはｉ行ｊ列の概念間距離であり、ｄ_ｘｉｊ及びｄ_ｙｉｊはそれぞれ、第１〜第４の概念マップのうち任意の２つの概念マップの各々のｉ行ｊ列の意味的距離である。図１０Ａに示すように、全体共通概念抽出部３６は、上式３に基づいて、図４Ａ〜図４Ｄにそれぞれ示す第１〜第４の概念マップの間の概念間距離を算出する。

例えば、「ｃａｒ」と「ｗｅｅｋｅｎｄ」の場合は、Ｄ’₇₈ =|d₁₇₈-d₂₇₈|²+|d₁₇₈-d₃₇₈|²+|d₁₇₈-d₄₇₈|²+|d₂₇₈-d₃₇₈|²+|d₂₇₈-d₄₇₈|²++|d₃₇₈-d₄₇₈|²=|2-1|²+|2-4|²+|2-1|²+|1-4|²+|1-1|²+|4-1|²である。

次に、全体共通概念抽出部３６は、次式４に基づいて、ステップＳ２０３で算出した概念間距離Ｄ’_ｉｊを関連度ｖ’_ｉｊに変換する(Ｓ２０４)。

例えば、全体共通概念抽出部３６は、上式４に基づいて、図１０Ａに示す概念間距離を関連度に変換することにより、図１０Ｂに示す第２の関連度マップを取得する。第２の関連度マップとは、第１〜第４の概念マップの間の概念間距離を関連度に変換した２次元のテーブルである。例えば、「ｈｏｍｅ」に対する「ｈｏｕｓｅ」の関連度は「１．００」であり、これは、第１〜第４のユーザにとって、「ｈｏｍｅ」と「ｈｏｕｓｅ」とは関連性が最も高いことを表している。なお、図１０Ｂにおいて破線の枠線５４で囲まれた行は、第２の関連度マップにおける検索単語「ｈｏｍｅ」に対する複数の一般単語の各々の関連度を表している。

本実施の形態では、全体共通概念抽出部３６は、図１０Ｂに示す全ての一般単語を全体共通概念として抽出する。なお、全体共通概念抽出部３６は、所定の閾値（例えば「０．５０」）以上の関連度を有する一般単語を全体共通概念として抽出してもよい。

最後に、全体共通概念抽出部３６は、ステップＳ２０４で取得した第２の関連度マップを全体共通概念除外部３８に出力する（Ｓ２０５）。

［１−５−３．全体共通概念除外部の動作］
図１１を参照しながら、全体共通概念除外部３８の動作について説明する。図１１は、実施の形態１に係る全体共通概念除外部３８の動作の流れを示すフローチャートである。

図１１に示すように、まず、全体共通概念除外部３８は、グループ共通概念抽出部３４及び全体共通概念抽出部３６からそれぞれ第１の関連度マップ及び第２の関連度マップを取得する（Ｓ３０１）。次に、全体共通概念除外部３８は、検索単語受信部２８から検索単語「ｈｏｍｅ」を取得する（Ｓ３０２）。

次に、全体共通概念除外部３８は、第１の関連度マップから、検索単語「ｈｏｍｅ」に対する複数の一般単語の各々の関連度ｖを取得する（Ｓ３０３）。具体的には、全体共通概念除外部３８は、図８Ｂに示す第１の関連度マップから、破線の枠線５２で囲まれた行における複数の一般単語の各々の関連度ｖを取得する。

次に、全体共通概念除外部３８は、第２の関連度マップから、検索単語「ｈｏｍｅ」に対する複数の一般単語の各々の関連度ｖ’を取得する（Ｓ３０４）。具体的には、全体共通概念除外部３８は、図１０Ｂに示す第２の関連度マップから、破線の枠線５４で囲まれた行における複数の一般単語の各々の関連度ｖ’を取得する。

次に、全体共通概念除外部３８は、複数の一般単語のうち１つの一般単語を抽出し、抽出した一般単語について、関連度ｖと関連度ｖ’との差分ｖ−ｖ’を算出する（Ｓ３０５）。全体共通概念除外部３８は、算出した差分ｖ−ｖ’が第１の閾値（例えば「０．２０」）以上であるか否かを判定する（Ｓ３０６）。

差分ｖ−ｖ’が第１の閾値以上である場合には（Ｓ３０６でＹＥＳ）、全体共通概念除外部３８は、抽出した一般単語を関連単語として採用する（Ｓ３０７）。一方、差分ｖ−ｖ’が第１の閾値未満である場合には（Ｓ３０６でＮＯ）、全体共通概念除外部３８は、抽出した一般単語を関連単語として採用しない（Ｓ３０８）。なお、図８Ｂ及び図１０Ｂに示す例では、「ｒｅｎｔ」（ｖ−ｖ’＝０．３０）、「ｐａｒｋ」（ｖ−ｖ’＝０．９６）及び「ｃａｒ」（ｖ−ｖ’＝０．９６）が関連単語として採用される。

全ての一般単語について差分ｖ−ｖ’を算出していない場合には（Ｓ３０９でＮＯ）、ステップＳ３０５を再度実行する。一方、全ての一般単語について差分ｖ−ｖ’を算出した場合には（Ｓ３０９でＹＥＳ）、全体共通概念除外部３８は、検索単語「ｈｏｍｅ」と関連単語「ｒｅｎｔ」、「ｐａｒｋ」及び「ｃａｒ」との組み合わせを推薦概念として推薦概念送信部４０に出力する（Ｓ３１０）。

ここで、図１２〜図１４を参照しながら、全体共通概念除外部３８の処理について概念的に説明する。図１２は、第１の概念マップから生成される相関行列を模式的に示す図である。図１３は、第１の概念マップ及び第２の概念マップからそれぞれ抽出された相関行列を模式的に示す図である。図１４は、第１〜第４の概念マップからそれぞれ抽出された相関行列を模式的に示す図である。

図１２には、第１の概念マップから生成された、検索単語「ｈｏｍｅ」と複数の一般単語の各々との相関行列が図示されている。図１２の横軸は、複数の一般単語を横一列に並べたリストを表している。図１２において、検索単語「ｈｏｍｅ」との間の意味的距離が近い一般単語には網掛け模様が付されている。

図１３には、第１の概念マップから生成された相関行列と、第２の概念マップから生成された相関行列とが図示されている。これら２つの相関行列は、図１２に示す相関行列と同じ手順で生成されたものとする。図１３に示す２つの相関行列を比較することにより、第１のユーザと第２のユーザとの間で共通する、検索単語「ｈｏｍｅ」との間の意味的距離が近い一般単語を抽出することができる。しかしながら、このように抽出した一般単語は、第１のユーザと第２のユーザとの間でのみ共通するグループ共通概念５６（例えば「ｒｅｎｔ」等）だけでなく、第１〜第４のユーザの間で共通する全体共通概念５８（例えば「ｈｏｕｓｅ」）も含む可能性があり、グループ共通概念５６と全体共通概念５８とを区別することができない。抽出した一般単語が全体共通概念５８を含む場合には、第１のユーザ及び第２のユーザにのみ共通する概念を示す一般単語を関連単語として採用することができないという課題が生じる。

図１４には、第１〜第４の概念マップからそれぞれ生成された相関行列が図示されている。図１４に示す４つの相関行列を比較することにより、第１〜第４のユーザの間で共通する、検索単語「ｈｏｍｅ」との間の意味的距離が近い一般単語を抽出することができる。このように抽出した一般単語は、第１〜第４のユーザの間で共通する全体共通概念６０を含まず、第１のユーザと第２のユーザとの間でのみ共通するグループ共通概念６２が含まれる。そのため、第１のユーザ及び第２のユーザにのみ共通する概念を示す一般単語を関連単語として採用することができる。すなわち、全体共通概念除外部３８が上述したステップＳ３０１〜Ｓ３１０を実行することにより、上述した図１３に示すような課題を解決することができる。

［１−５−４．推薦要求部の動作例］
図１５を参照しながら、推薦サービス提供部１４の推薦要求部４６の動作例について説明する。図１５は、実施の形態１に係る推薦要求部４６の動作例を示す図である。

推薦要求部４６は、複数の一般単語の各々と最も関連性の高い検索クエリに関する情報を保持している。図１５に示すように、推薦要求部４６は、当該情報に基づいて、推薦概念受信部４２から出力された推薦概念に含まれる関連単語６４（例えば、「ｒｅｎｔ」、「ｐａｒｋ」及び「ｃａｒ」）と最も関連性の高い検索クエリ６６を優先するように、データベース４４内の物件データベース６８に問い合わせる。図１５に示す例では、検索クエリ６６は、「ｒｅｎｔ」に対しては契約条件、「ｐａｒｋ」に対しては近隣の公園までの距離、「ｃａｒ」に対しては駐車場の有無である。

推薦要求部４６は、物件データベース６８への問い合わせの結果、例えば物件データベース６８に記憶された「物件Ａ」〜「物件Ｆ」の中から、「物件Ｅ」を推薦概念と最も関連性の高いデータとして抽出する。

［１−５−５．推薦結果の表示例］
次に、図１６Ａ〜図１８を参照しながら、推薦対象ユーザ端末１６ａの表示部７０における推薦結果の表示例について説明する。図１６Ａ及び図１６Ｂの各々は、実施の形態１に係る推薦対象ユーザ端末１６ａの表示部７０における推薦結果の表示例１を示す図である。図１７は、実施の形態１に係る推薦対象ユーザ端末１６ａの表示部７０における推薦結果の表示例２を示す図である。図１８は、実施の形態１に係る推薦対象ユーザ端末１６ａの表示部７０における推薦結果の表示例３を示す図である。

図１６Ａに示す表示例１では、推薦対象ユーザ端末１６ａの表示部７０には、入力された検索単語（例えば「ｈｏｍｅ」）を表示するための表示エリア７２と、推薦結果に含まれる関連単語（例えば「ｒｅｎｔ」、「ｐａｒｋ」及び「ｃａｒ」）を表示するための表示エリア７４と、選択肢ボタン７６及び７８とが表示されている。第１のユーザは、推薦結果の表示を希望する場合には選択肢ボタン７６にタッチし、推薦結果の表示を希望しない場合には選択肢ボタン７８にタッチする。

第１のユーザが選択肢ボタン７６にタッチした場合には、図１６Ｂに示すように、推薦対象ユーザ端末１６ａの表示部７０に推薦結果表示画面８０が表示される。推薦結果表示画面８０には、１番目の推薦結果８２からＮ番目の推薦結果８４までの各推薦結果が表示されている。例えば１番目の推薦結果８２には、１番目の推薦物件の写真及び説明文が含まれている。なお、推薦結果表示画面８０における複数の推薦結果の表示順は、第１の関連度マップに含まれる関連度の高い順であってもよい。

図１７に示す表示例２では、推薦対象ユーザ端末１６ａの表示部７０には、入力された検索単語を表示するための表示エリア７２と、推薦結果に含まれる関連単語を表示するための表示エリア７４と、推薦結果を表示するための表示エリア８６とが表示されている。表示エリア８６には、１番目の推薦結果８２からＮ番目の推薦結果８４までの各推薦結果が表示されている。

図１８に示す表示例３では、推薦対象ユーザ端末１６ａの表示部７０には、入力された検索単語を表示するための表示エリア７２と、推薦結果に含まれる関連単語を表示するための表示エリア７４と、推薦結果を表示するための表示エリア８６と、一般ユーザによる評価の高い物件を表示するための表示エリア８８とが表示されている。表示エリア８６は、表示エリア８８よりも上位に表示されている。なお、表示エリア８８には、検索システム２を利用する複数のユーザ６の間で人気の高いコンテンツが表示される。

［１−６．効果］
上述したように、第１の概念マップ及び第２の概念マップに基づいて、第１のグループに属する第１のユーザ及び第２のユーザにとって検索単語に対する共通の概念を示す関連単語を抽出する。この抽出した関連単語と検索単語とに基づいて検索するので、第１のユーザ又は第２のユーザが購入したことのない商品又は利用したことのないサービス等であっても、第１のグループに対して最適な商品又はサービス等を推薦することができる。

さらに、上述したように、複数の一般単語の中から、第１の関連度マップに含まれる検索単語に対する関連度と、第２の関連度マップに含まれる検索単語に対する関連度との差分ｖ−ｖ’が第１の閾値以上である一般単語を関連単語として採用する。これにより、第１のグループに属する第１のユーザ及び第２のユーザにのみ共通の概念を示す関連単語を抽出することができ、関連単語の抽出精度を高めることができる。

（実施の形態２）
［２−１．推薦概念演算部の構成］
図１９及び図２０を参照しながら、実施の形態２に係る検索システム２Ａの推薦概念演算部１２Ａの構成について説明する。図１９は、実施の形態２に係る検索システム２Ａの構成を示すブロック図である。図２０は、実施の形態２に係る概念平均距離演算部９０による概念平均距離の算出例を示す図である。なお、以下の各実施の形態において、上記実施の形態１と同一の構成要素には同一の符号を付して、その説明を省略する。

図１９に示すように、実施の形態２に係る検索システム２Ａでは、推薦概念演算部１２Ａの構成が上記実施の形態１と異なっている。具体的には、推薦概念演算部１２Ａは、上記実施の形態１で説明した構成要素に加えて、概念平均距離演算部９０を有している。

概念平均距離演算部９０は、推薦対象端末概念マップ受信部３０により受信された第１の概念マップ及び第２の概念マップに基づいて概念平均距離を算出し、算出した概念平均距離を全体共通概念除外部３８Ａに出力する。具体的には、概念平均距離演算部９０は、次式５に基づいて、概念平均距離Ｄ_{ａｖｅｉｊ}を算出する。

上式５において、Ｄ_{ａｖｅｉｊ}はｉ行ｊ列の概念平均距離であり、ｄ_ｘｉｊは第１の概念マップのｉ行ｊ列の意味的距離であり、ｄ_ｙｉｊは第２の概念マップのｉ行ｊ列の意味的距離である。ここで、概念平均距離とは、第１の概念マップの意味的距離と第２の概念マップの意味的距離との和に基づく値である。概念平均距離が大きいほど、第１の概念マップのｉ行の一般単語とｊ列の一般単語と間の意味的距離、及び、第２の概念マップのｉ行の一般単語とｊ列の一般単語との間の意味的距離のうち少なくとも一方が大きいことを表す。すなわち、概念平均距離が大きいほど、第１のユーザ及び第２のユーザの少なくとも一方にとって、検索単語と一般単語との間の意味的な距離が遠いことを表す。図２０に示すように、概念平均距離演算部９０は、上式５に基づいて、図４Ａに示す第１の概念マップの意味的距離と図４Ｂに示す第２の概念マップの意味的距離との間の概念平均距離を算出する。なお、図２０において破線の枠線９２で囲まれた行は、検索単語「ｈｏｍｅ」に対する複数の一般単語の各々の概念平均距離を表している。

［２−２．全体共通概念除外部の動作］
次に、図２１を参照しながら、全体共通概念除外部３８Ａの動作について説明する。図２１は、実施の形態２に係る全体共通概念除外部３８Ａの動作の流れを示すフローチャートである。なお、図２１のフローチャートにおいて、上述した図１１のフローチャートの処理と同一の処理には同一のステップ番号を付し、その説明を省略する。

まず、上記実施の形態１と同様に、ステップＳ３０１〜Ｓ３０６が実行される。ステップＳ３０６において、差分ｖ−ｖ’が第１の閾値以上である場合には（Ｓ３０６でＹＥＳ）、全体共通概念除外部３８Ａは、概念平均距離が第２の閾値（例えば「１０」）以下であるか否かを判定する（Ｓ４０１）。

概念平均距離が第２の閾値以下である場合には（Ｓ４０１でＹＥＳ）、全体共通概念除外部３８Ａは、抽出した一般単語を関連単語として採用する（Ｓ３０７）。一方、概念平均距離が第２の閾値を超える場合には（Ｓ４０１でＮＯ）、全体共通概念除外部３８Ａは、抽出した一般単語を関連単語として採用しない（Ｓ３０８）。

［２−３．効果］
上述したように、概念平均距離が第２の閾値を超える場合には、全体共通概念除外部３８Ａは、抽出した一般単語を関連単語として採用しない。これにより、第１のユーザ及び第２のユーザにとって検索単語に対して共通の概念を示すが、検索単語に対して意味的な距離が遠い一般単語を関連単語から除外することができる。その結果、第１のグループに対してより最適な商品又はサービス等を推薦することができる。

（実施の形態３）
図２２を参照しながら、実施の形態３に係る検索システム２Ｂの構成について説明する。図２２は、実施の形態３に係る検索システム２Ｂの構成を示すブロック図である。

図２２に示すように、実施の形態３に係る検索システム２Ｂでは、推薦概念演算部１２及び推薦サービス提供部１４が同一の中継装置９４（検索装置の一例）に搭載されている。このような構成であっても、上記実施の形態１と同様の効果を得ることができる。

（実施の形態４）
図２３を参照しながら、実施の形態４に係る検索システム２Ｃの構成について説明する。図２３は、実施の形態４に係る検索システム２Ｃの構成を示すブロック図である。

図２３に示すように、実施の形態４に係る検索システム２Ｃでは、推薦概念演算部１２は、推薦対象ユーザ端末１６Ｃａ及び１６Ｃｂ（検索装置の一例）の各々に搭載されている。推薦対象ユーザ端末１６Ｃａから送信された推薦概念は、推薦サービス提供部１４により受信される。このような構成であっても、上記実施の形態１と同様の効果を得ることができる。

（他の変形例）
以上、一つ又は複数の態様に係る単語拡張方法等について、上記実施の形態１〜４に基づいて説明したが、本開示は、上記実施の形態１〜４に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思い付く各種変形を実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つ又は複数の態様の範囲内に含まれてもよい。

上記各実施の形態では、全体共通概念抽出部３６は、関連単語を抽出する際に第１〜第４の概念マップを利用したが、第１〜第４の概念マップに代えて、例えばｗｏｒｄｎｅｔのような概念辞書を利用してもよい。なお、ｗｏｒｄｎｅｔは、例えば「Ｇｅｏｒｇｅ Ａ．Ｍｉｌｌｅｒ “ＷｏｒｄＮｅｔ：Ａ Ｌｅｘｉｃａｌ Ｄａｔａｂａｓｅ ｆｏｒ
Ｅｎｇｌｉｓｈ”，Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＣＭ，Ｖｏｌｕｍｅ ３８ Ｉｓｓｕｅ １１，Ｎｏｖ．１９９５」の文献に開示されている公知の概念辞書である。

上記各実施の形態では、全体共通概念抽出部３６は、関連単語を抽出する際に第１〜第４の概念マップを利用したが、第４の概念マップを省略し、少なくとも第１〜第３の概念マップを利用してもよい。

上記各実施の形態では、推薦サービス提供部１４のデータベース４４は、住宅物件に関する情報を記憶したが、これに限定されず、例えば旅行先、宿泊先又は飲食店等に関する各種情報を記憶してもよい。

上記各実施の形態では、第１〜第４の概念マップの各々における意味的距離を「０」〜「１０」の整数値で表現したが、これに限定されず、例えば「０．０」〜「１．０」の小数値等で表現してもよい。

上記各実施の形態では、意味的距離の値が小さいほど、複数の一般単語の各々の間の意味的な距離が近いことを表したが、これに限定されず、例えば意味的距離の値が大きいほど、複数の一般単語の各々の間の意味的な距離が近いことを表してもよい。

なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサ等のプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

また、上記各実施の形態に係る検索装置の機能の一部又は全てを、ＣＰＵ等のプロセッサがプログラムを実行することにより実現してもよい。

上記の各装置を構成する構成要素の一部又は全部は、各装置に脱着可能なＩＣカード又は単体のモジュールから構成されているとしても良い。前記ＩＣカード又は前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭ等から構成されるコンピュータシステムである。前記ＩＣカード又は前記モジュールは、上記の超多機能ＬＳＩを含むとしても良い。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカード又は前記モジュールは、その機能を達成する。このＩＣカード又はこのモジュールは、耐タンパ性を有するとしても良い。

本開示は、上記に示す方法であるとしても良い。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしても良いし、前記コンピュータプログラムからなるデジタル信号であるとしても良い。また、本開示は、前記コンピュータプログラム又は前記デジタル信号をコンピュータ読み取り可能な記録媒体、例えばフレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリ等に記録したものとしても良い。また、これらの記録媒体に記録されている前記デジタル信号であるとしても良い。また、本開示は、前記コンピュータプログラム又は前記デジタル信号を、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしても良い。また、本開示は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしても良い。また、前記プログラム又は前記デジタル信号を前記記録媒体に記録して移送することにより、又は前記プログラム又は前記デジタル信号を前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしても良い。

本開示に係る検索方法は、特定のグループに対して商品又はサービス等を推薦するための検索システム等に有用である。

２，２Ａ，２Ｂ，２Ｃ 検索システム
４ グループ
６ ユーザ
８ 音声端末
１０ 情報端末
１２，１２Ａ 推薦概念演算部
１４ 推薦サービス提供部
１６ａ，１６ｂ，１６Ｃａ，１６Ｃｂ 推薦対象ユーザ端末
１８ａ，１８ｂ 推薦対象外ユーザ端末
２０ インターネット
２２ 検索単語送信部
２４ 概念マップ保持部
２６ 推薦結果受信部
２８ 検索単語受信部
３０ 推薦対象端末概念マップ受信部
３２ 推薦対象外端末概念マップ受信部
３４ グループ共通概念抽出部
３６ 全体共通概念抽出部
３８，３８Ａ 全体共通概念除外部
４０ 推薦概念送信部
４２ 推薦概念受信部
４４ データベース
４６ 推薦要求部
４８ 推薦内容生成部
５０ 推薦結果送信部
５２，５４，９２ 枠線
５６，６２ グループ共通概念
５８，６０ 全体共通概念
６４ 関連単語
６６ 検索クエリ
６８ 物件データベース
７０ 表示部
７２，７４，８６，８８ 表示エリア
７６，７８ 選択肢ボタン
８０ 推薦結果表示画面
８２，８４ 推薦結果
９０ 概念平均距離演算部
９４ 中継装置

Claims (15)

1. プロセッサにより実行される検索方法であって、
   前記プロセッサは、
   （ａ）検索単語を取得し、
   （ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、をメモリから取得し、
   （ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、
   （ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、
   （ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、
   （ｆ）前記検索単語及び前記関連単語に基づいて検索した結果を出力する
   検索方法。
2. 前記（ｅ）において、前記差分が前記第１の閾値以上である前記少なくとも１つの単語について、前記第１の概念マップに含まれる前記検索単語に対する前記意味的距離と、前記第２の概念マップに含まれる前記検索単語に対する前記意味的距離との和に基づく値が第２の閾値以下である場合に、前記関連単語として抽出する
   請求項１に記載の検索方法。
3. 前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１のグループに属する前記第１のユーザ又は前記第２のユーザに対して表示する
   請求項１又は２に記載の検索方法。
4. 前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１の関連度マップに含まれる前記検索単語と前記関連単語との前記関連度の高い順に表示する
   請求項３に記載の検索方法。
5. 前記（ｆ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、他のユーザによる評価の高いコンテンツよりも上位に表示する
   請求項４に記載の検索方法。
6. 前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、脳計測の結果に基づいて生成される
   請求項１〜５のいずれか１項に記載の検索方法。
7. 前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、ｆＭＲＩ（ｆｕｎｃｔｉｏｎａｌ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）を用いた脳計測の結果に基づいて生成される
   請求項６に記載の検索方法。
8. プロセッサとメモリとを備えた検索装置であって、
   前記プロセッサは、
   （ａ）検索単語を取得し、
   （ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、を前記メモリから取得し、
   （ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、
   （ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、
   （ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、
   （ｆ）前記検索単語及び前記関連単語に基づいて検索用の単語を出力する
   検索装置。
9. 前記（ｅ）において、前記差分が前記第１の閾値以上である前記少なくとも１つの単語について、前記第１の概念マップに含まれる前記検索単語に対する前記意味的距離と、前記第２の概念マップに含まれる前記検索単語に対する前記意味的距離との和に基づく値が第２の閾値以下である場合に、前記関連単語として抽出する
   請求項８に記載の検索装置。
10. 前記プロセッサは、さらに、
    （ｇ）前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１のグループに属する前記第１のユーザ又は前記第２のユーザに対して表示する
    請求項８又は９に記載の検索装置。
11. 前記（ｇ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、前記第１の関連度マップに含まれる前記検索単語と前記関連単語との前記関連度の高い順に表示する
    請求項１０に記載の検索装置。
12. 前記（ｇ）において、前記検索単語及び前記関連単語に基づいて検索した結果を、他のユーザによる評価の高いコンテンツよりも上位に表示する
    請求項１１に記載の検索装置。
13. 前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、脳計測の結果に基づいて生成される
    請求項８〜１２のいずれか１項に記載の検索装置。
14. 前記第１の概念マップ、前記第２の概念マップ及び前記第３の概念マップの各々は、ｆＭＲＩを用いた脳計測の結果に基づいて生成される
    請求項１３に記載の検索装置。
15. コンピュータに検索方法を実行させるプログラムであって、
    前記コンピュータに、
    （ａ）検索単語を取得し、
    （ｂ）複数の単語と、前記複数の単語の各々の間の意味的距離と、を含む第１の概念マップ、第２の概念マップ及び第３の概念マップであって、第１のグループに属する第１のユーザに固有の第１の概念マップと、前記第１のグループに属する第２のユーザに固有の第２の概念マップと、前記第１のグループと異なる第２のグループに属する第３のユーザに固有の第３の概念マップと、をメモリから取得し、
    （ｃ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第１の関連度マップを取得し、
    （ｄ）前記第１の概念マップに含まれる前記意味的距離と、前記第２の概念マップに含まれる前記意味的距離と、前記第３の概念マップに含まれる前記意味的距離との近さを示す関連度を含む第２の関連度マップを取得し、
    （ｅ）前記複数の単語の中から、前記第１の関連度マップに含まれる前記検索単語に対する前記関連度と、前記第２の関連度マップに含まれる前記検索単語に対する前記関連度との差分が第１の閾値以上である少なくとも１つの単語を関連単語として抽出し、
    （ｆ）前記検索単語及び前記関連単語に基づいて検索した結果を出力する
    ことを実行させるプログラム。

Images