JP2020042707A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】エンティティとキーワードとの関係を適切に評価すること。【解決手段】エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択する選択部と、前記選択部によって選択された前記対象テキストデータに関連する第１種類の関連ウェブページを収集する収集部と、前記第１種類の関連ウェブページにおいて、前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、前記対象テキストデータに関連付けられるエンティティの評価を行う評価部と、を備える情報処理装置。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。

従来、ウェブからデータ（文書や画像など）を収集し、収集したデータを自動的にデータベース化するクローラが知られている（特許文献１参照）。クローラは、ウェブページ中のリンクを辿って、様々なＩＰアドレスのウェブページからデータを収集する。クローラによって収集されたデータは、ウェブ情報データベースに蓄積される。

一方、検索エンジンは、ユーザによって入力された検索ワード（以下、「クエリ」ともいう）を受信すると、受信した検索ワードに関連するウェブページやアプリページの情報（例えばＵＲＬ：Uniform Resource Locator）をウェブ情報データベースから取得し、取得した情報の一覧を検索結果として出力する。

特開２０１２−６９１７１号公報

検索エンジンは、ユーザ満足度を向上させるため、ユーザにより入力されたクエリに関連するデータを検索結果とともに出力するように運用されている場合がある。これを実現するために、テキストデータ（以下、「キーワード」ともいう）とエンティティとを互いに関連付けて記憶したデータベースが用いられる場合がある。ここで、データベースにおいて、ある特定のエンティティに関連付けられているテキストデータがクエリとして入力されると、その特定のエンティティに関する情報が検索結果とともに出力されることになる。

しかしながら、テキストデータが、エンティティに関する情報として適切ではない場合、不適切な情報が検索結果とともに出力される場合があった。また、テキストデータとエンティティとの関連付けの適切さの評価を行う方法が提案されているが、この評価が適切に行われておらず、テキストデータがエンティティに関する情報として適切であるにもかかわらず、そのエンティティに関する情報がユーザに提供されない場合があった。

本発明は、このような事情を考慮してなされたものであり、エンティティとキーワードとの関係を適切に評価することができる情報処理装置を提供することを目的の一つとする。

本発明の一態様は、エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択する選択部と、前記選択部によって選択された前記対象テキストデータに関連する第１種類の関連ウェブページを収集する収集部と、前記第１種類の関連ウェブページにおいて、前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、前記対象テキストデータに関連付けられるエンティティの評価を行う評価部と、を備える情報処理装置である。

本発明の一態様によれば、エンティティとキーワードとの関係を適切に評価することができる。

本実施形態に係るナレッジデータサーバの使用環境及び構成を示す図である。 本実施形態に係るナレッジグラフの一例を示す図である。 本実施形態に係る「東京タワー」のウェブページの一例を示す図である。 本実施形態に係るコンテンツ情報の一例を示す図である。 本実施形態に係る検索結果ウェブページの一例を示す図である。 本実施形態に係る関連ウェブページの一例を示す図である。 本実施形態に係る関連ウェブページの他の一例を示す図である。 本実施形態に係るコンテンツ情報及び総合得点の一例を示す図である。 本実施形態のナレッジデータサーバの総合得点を算出する動作の一例を示す流れ図である。 本実施形態のナレッジデータサーバの総合得点に基づく動作の一例を示す流れ図である。

以下、図面を参照し、本発明の情報処理装置、情報処理方法、及びプログラムの実施形態について説明する。本実施形態においては、情報処理装置が、ナレッジデータサーバの一部を構成するものとして説明する。ナレッジデータサーバは、例えば、収集対象データ（例えば、画像やテキストデータ）を収集し、収集したデータに基づいてナレッジグラフを生成するサーバである。本実施形態において、ナレッジグラフは、エンティティやクラス、プロパティと、エンティティに関連する関連データが記載されているウェブページの所在情報とが関連付けられたデータである。

エンティティとは、例えば、ある対象事物の実体（例えば、実世界で存在している物体）を表していてもよいし、ある対象事物の概念（例えば、実世界または仮想世界の中で定義された概念）を表していてもよい。例えば、対象事物が「建物」という概念である場合、エンティティは、「○○塔」や「○○ビルディング」などといった実体を表してよい。また、例えば、対象事物が「経済学」という概念である場合、エンティティは、「ミクロ経済学」や「マクロ経済学」などといった実体のない抽象的な概念を表してよい。以下、実施形態について詳細に説明する。

＜実施形態＞
＜１−１．ナレッジデータサーバの使用環境＞
図１は、本実施形態に係るナレッジデータサーバ１００の使用環境及び構成を示す図である。ナレッジデータサーバ１００は、端末装置２００と、ウェブサーバ３００と、クロール対象機器ＤＶと、ネットワークＮＷを介して通信可能に接続される。ネットワークＮＷは、ワールドワイドウェブ（World Wide Web）を意味し、インターネットやイントラネットで標準的に用いられるＨＴＭＬ（HyperText Markup Language）文書などを利用したシステムである。ネットワークＮＷは、無線基地局やプロバイダ装置、専用回線などを更に含んでよい。

端末装置２００は、ユーザによって使用される装置であり、例えば、スマートフォンなどの携帯電話、タブレット型コンピュータ、ノート型コンピュータ、デスクトップ型コンピュータなどである。ウェブサーバ３００は、検索エンジンを用いて検索結果を表示するためのウェブページを生成し、端末装置２００に提供する。

ナレッジデータサーバ１００は、例えば、制御部１１０と、記憶部１２０とを備える。記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、またはこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。また、記憶部１２０の一部または全部は、ＮＡＳ（Network Attached Storage）や外部のストレージサーバなど、ナレッジデータサーバ１００がアクセス可能な外部装置であってもよい。記憶部１２０には、ナレッジグラフＤ１と、コンテンツ情報Ｄ２とが記憶される。

図２は、本実施形態に係るナレッジグラフＤ１の一例を示す図である。ナレッジグラフＤ１において記述された事物は、オントロジーによって定義される。オントロジーとは、事物のクラスおよびプロパティを定義したものであり、クラスとプロパティとの間に成り立つ制約を集めたものである。

クラスとは、オントロジーにおいて、同じ性質を持つ事物同士を一つのグループにしたものである。事物の性質がどういったものであるのか、すなわち事物がどのクラスに属するのかは、後述するプロパティにより決定される。

例えば、くちばしを持ち、卵生の脊椎動物であり、前肢が翼になっている、という性質を持つ事物は、「鳥」というクラスに分類される。また、「鳥」というクラスの中で、飛べない、という性質を持つ事物は、例えば、「ペンギン」や「ダチョウ」という、より下位のクラスに分類される。このように、クラスの体系は、上位と下位の関係を有する階層構造となっていてよい。上位のクラスの性質は、下位のクラスに継承される。上述した例では、「鳥」というクラスの、「くちばしを持ち、卵生の脊椎動物であり、前肢が翼になっている」という性質は、「ペンギン」や「ダチョウ」という下位のクラスの性質にも含まれることになる。クラスを識別するためのクラス名は、例えば、「鳥」というクラスであれば、そのクラス名は「鳥」という文字列によって表されてよい。なお、クラス名は、必ずしも意味を表している必要はなく、例えば、「鳥」というクラスであっても、「情報１」や「Ｃ１」といった単なる識別情報を示す文字列が割り当てられてもよい。上述したエンティティ、すなわち事物は、オントロジーにより定義されたクラス体系の中に含まれる、いずれかのクラスに属するものとする。

プロパティとは、事物の性質や特徴、クラス間の関係を記述する属性である。例えば、プロパティは、「〜を体の構成要素としてもつ」という性質や、「〜に生息する」という性質を示す属性であってもよいし、「あるクラスが上位クラスであり、あるクラスが下位クラスである」というクラス間の上位下位の関係を示す属性であってもよい。プロパティを識別するためのプロパティ名は、上述したクラス名と同様に、そのプロパティ名自体が意味を表していてもよいし、意味を表していなくてもよい。

ナレッジグラフＤ１は、上述したクラスがノードとして表され、上述したプロパティがラベル付き、且つ方向性のあるエッジとして表された有向グラフである。このようなグラフ構造によって、事物についての情報がノードにより、事物間の関係がエッジによって判別可能となる。

図２に示されるナレッジグラフＤ１は、エンティティＥ１と、エンティティＥ２とが、「所在地」というプロパティ名のクラスに属する。本実施形態において、各エンティティには、各エンティティを識別することが可能な情報（以下、「エンティティ識別情報ＥＩＤ」という）と、エンティティ名と、エンティティのウェブページの所在情報とが関連付けられる。所在情報とは、ウェブ上の位置を特定するための情報であり、例えば、ＵＲＬである。所在情報が示すウェブページには、エンティティの関連データが記載されている。

図２に示されるナレッジグラフＤ１において、エンティティＥ１には、エンティティ識別情報ＥＩＤの「０００１」と、エンティティ名の「東京タワー」と、エンティティに関連する関連データが記載されているウェブページの所在情報である「ｈｔｔｐ：／／百科事典ウェブページ／東京タワー」及び「ｈｔｔｐ：／／地域情報ウェブページ／東京タワー」というＵＲＬとが関連付けられている。また、エンティティＥ２には、エンティティ識別情報ＥＩＤの「０００２」と、エンティティ名「東京都」と、このエンティティに関連する関連データが記載されているウェブページの所在情報である「ｈｔｔｐ：／／百科事典ウェブページ／東京都」というＵＲＬとが関連付けられている。以降の説明において、エンティティに関連する関連データをエンティティの関連データと記載する。また、エンティティの関連データが記載されているウェブページを、エンティティのウェブページとも記載する。

図３は、本実施形態に係る「東京タワー」のウェブページの一例を示す図である。「東京タワー」のウェブページには、「東京タワー」の関連データが記載されている。

図４は、本実施形態に係るコンテンツ情報Ｄ２の一例を示す図である。コンテンツ情報Ｄ２とは、エンティティと、テキストデータとが関連付けられた情報である。コンテンツ情報Ｄ２は、ウェブページに含まれる関連データを収集した収集結果又は検索エンジンの検索ログに基づいて生成される。コンテンツ情報Ｄ２は、例えば、エンティティのウェブページに含まれるテキストデータが収集され、収集されたテキストデータと、エンティティとが関連付けられた情報である。また、コンテンツ情報Ｄ２は、例えば、エンティティがクエリとして入力された際、当該エンティティと共に入力されたテキストデータと、エンティティとが関連付けられた情報である。図４に示される一例のコンテンツ情報Ｄ２において、「東京タワー」というエンティティには、「日本電波塔」というテキストデータが関連付けられ、「東京都」というエンティティには、「日本の首都」というテキストデータが関連付けられる。

＜１−２．検索結果ウェブページ＞
図５は、本実施形態に係る検索結果ウェブページの一例を示す図である。図５に示されるように、端末装置２００の表示部２１０には、クエリ入力領域２１１と、ナレッジパネル２２０と、検索結果２３０とが含まれる検索結果ウェブページが表示される。ナレッジパネル２２０には、クエリに対応するエンティティ２２１と、エンティティ２２１に関連する画像２２２と、エンティティ２２１に関連する関連情報２２３とが含まれる。ユーザは、端末装置２００を用いて、端末装置２００の表示部２１０に表示された検索ページにクエリを入力する。クエリとは、一つの検索ワードまたは複数の検索ワードの組み合わせである。端末装置２００は、ユーザによって入力されたクエリをウェブサーバ３００に送信する。

ウェブサーバ３００は、端末装置２００から受信したクエリをナレッジデータサーバ１００に送信する。ナレッジデータサーバ１００は、受信したクエリに対応するエンティティに関連する情報をウェブサーバ３００に送信する。ナレッジデータサーバ１００は、例えば、コンテンツ情報Ｄ２に基づいて、受信したクエリ（テキストデータ）に関連付けられたエンティティを判定する。また、ナレッジデータサーバ１００は、ナレッジグラフＤ１に基づいて、判定したエンティティに関連付けられた所在情報をウェブサーバ３００に送信する。ウェブサーバ３００は、受信した所在情報に基づいて、当該所在情報が示すウェブページのうち、エンティティの関連データを抽出する。ウェブサーバ３００は、抽出したエンティティの関連データ（この一例では、ナレッジパネル２２０に示す情報）を含めた検索結果ウェブページ（例えば、図５）を生成する。

図５に示される例においては、クエリとして「日本電波塔」が入力され、ナレッジパネル２２０には「日本電波塔」に関連する画像や様々な情報が表示されている。ナレッジパネル２２０には、例えば、「日本電波塔」を示す「東京タワー」の画像２２２や、「東京タワー」の高さや所在地等の関連情報２２３が表示される。このように、検索結果２３０だけでなく、ナレッジパネル２２０を表示部２１０に表示することで、検索結果に対するユーザ満足度を向上させることができる。

上記のようなナレッジパネル２２０を提供するためには、ナレッジグラフＤ１及びコンテンツ情報Ｄ２に含まれる情報量を充実化させておき、多様なクエリに対応可能であり且つ適切なエンティティの情報を提供できるようにしておく必要がある。そこで、本実施形態のナレッジデータサーバ１００は、エンティティに関連付けられるテキストデータが適切であるかを示す指標（以下、「得点」）を複数のサービスの利用状況に関する情報等に基づいて導出する。以下、ナレッジデータサーバ１００の詳細な構成について説明する。

＜１−３．ナレッジデータサーバ１００の構成＞
図１に戻り、制御部１１０は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。制御部１１０は、例えば、選択部１１１と、収集部１１２と、得点算出部１１３と、所在情報取得部１１４と、通信Ｉ／Ｆ（Interface）１１５を備える。また、これらの構成要素のうち一部または全部（内包する記憶部を除く）は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。通信Ｉ／Ｆ１１５は、ネットワークＮＷを介した各機能部と、他の機器（例えば、クロールの対象機器（以下、クロール対象機器ＤＶ）、端末装置２００、及びウェブサーバ３００）との通信を仲介する。

選択部１１１は、コンテンツ情報Ｄ２から得点算出対象の任意のテキストデータ（以下、「対象テキストデータ」）を選択する。収集部１１２は、選択部１１１によって選択された対象テキストデータに関連するウェブページ（以下、「関連ウェブページ」）を、ネットワークＮＷを介して収集する。収集部１１２は、例えば、利用者によって編集可能な百科事典のウェブページ、対象テキストデータをクエリとした場合の検索結果ウェブページ、この検索結果のウェブページに含まれるリンクのクリックログなどの利用状況に関する情報を収集する。以下、利用者によって編集可能な百科事典のウェブページを、百科事典ウェブページと記載する。

ここで、百科事典ウェブページは、第１のサービス（以下、百科事典提供サービス）によって提供されるページである。百科事典ウェブページは、第２種類の関連ウェブページの一例である。また、検索結果ウェブページとは、第１種類の関連ウェブページの一例である。検索結果ウェブページに含まれるリンクには、第１のサービスによって提供される百科事典ウェブページへのリンクの他、第１のサービスとは異なる第２のサービスによって提供されるウェブページへのリンク等が含まれる。第２のサービスは、例えば、ランドマーク情報等の地域情報、店舗情報、観光地情報、宿泊施設情報、映画館情報、病院・診療所情報、美容院情報、駐車場情報、レンタカー情報を提供するサービスや、ユーザに書籍などの商品またはサービスを販売するサービスである。以下においては、第２のサービスが、ランドマーク情報等の地域情報を提供する地域情報提供サービスである例を説明する。また、地域情報提供サービスにより提供されるウェブページを、地域情報ウェブページと記載する。

図６は、収集部１１２により収集された百科事典ウェブページの一例を示す図である。図６に示される例においては、収集部１１２は、百科事典ウェブページのうち、コンテンツ情報Ｄ２が示す「東京タワー」のエンティティに関連付けられる「日本電波塔」という対象テキストデータが記載された関連ウェブページを収集する。収集部１１２は、例えば、百科事典ウェブページのＨＴＭＬデータを含む収集対象データを、ネットワークＮＷを介してクロール対象機器ＤＶから収集する。収集部１１２は、いわゆるクローラプログラムにより実現される。ここで、収集対象データは、ネットワークＮＷ上（クロール対象機器ＤＶの記憶領域内）にあり、ブラウザで閲覧可能なデータである。なお、収集対象データは、ブラウザに限らず、アプリケーションプログラムによって再生されるデータであってもよい。収集対象データは、例えば、ＨＴＭＬのソースを示すテキストデータを含む関連ウェブページである。収集部１１２は、百科事典ウェブページのうち、対象テキストデータが記載された関連ウェブページが存在する場合、そのすべてを収集する。

また、図７は、収集部１１２により収集された検索結果ウェブページの一例を示す図である。図７に示される例においては、検索結果ウェブページは、コンテンツ情報Ｄ２が示すエンティティ「東京タワー」が検索結果として表示される、「日本電波塔」というクエリ（図示するテキストＴＸ２１）が入力された場合の検索結果を示している。クエリは、対象テキストデータの一例である。

図１に戻り、得点算出部１１３は、収集部１１２により収集された関連ウェブページに基づいて、対象テキストデータとエンティティとの組の得点（評価結果）を算出する。収集部１１２は、例えば、式（１）が示すＰ（ｅ｜ｓ）の値を得点として算出する。式（１）における各種要素については、後述する式（２）、（３）並びに関連ウェブページの種類ごとに説明する。

以下、得点算出部１１３による得点算出処理の詳細について説明する。

＜１−４．第１のサービス（百科事典提供サービス）に関する得点算出＞
＜関連ウェブページが百科事典ウェブページの場合＞
得点算出部１１３は、百科事典ウェブページに含まれるテキストデータのうち、対象テキストデータと関連付けられたエンティティを示すテキストデータが、リンク先を示すテキスト（アンカーテキスト）として含まれる確率を算出する。関連ウェブページには、対象テキストデータ（この一例では、「日本電波塔」（図６に示されるテキストＴＸ１１）と関連付けられたエンティティ（この一例では、「東京タワー」）を示すテキストデータ（図６に示されるテキストＴＸ１２〜１４）が含まれる。また、テキストＴＸ１２〜１４のうち、テキストＴＸ１２は、アンカーテキストである。また、テキストＴＸ１２に付与された他のウェブページのリンクは、ナレッジグラフＤ１において、対象テキストデータに関連付けられたエンティティ（この一例では、「東京タワー」）に関連付けられた所在情報である。

ここで、得点算出部１１３は、以下の式（２）によって、対象テキストデータを含むすべての百科事典ウェブページにおける対象テキストの数に対して、アンカーテキストである対象テキストデータの数によって求められる確率（以下、「アンカーテキスト確率」）を算出する。式（２）におけるａ_ｓは、アンカーテキスト確率を示している。ここで、アンカーテキスト確率とは、第３確率の一例である。

また、得点算出部１１３は、以下の式（３）によって、当該アンカーテキストのリンク先が、ナレッジグラフＤ１において対象テキストデータと関連付けられた所在情報に対応するエンティティのウェブページ（以下、「特定のウェブページ」）である確率（以下、「第１エンティティ確率」）を算出する。式（３）におけるｅとは、第１エンティティ確率を示している。ここで、第１エンティティ確率とは、第４確率の一例である。

収集部１１２により収集された関連ウェブページが図６に示すウェブページのみである場合、得点算出部１１３は、すべての関連ウェブページに含まれる対象テキストデータのうち、当該対象テキストデータがアンカーテキストである確率（つまり、アンカーテキスト確率）を「１／３」と算出する。図示する対象テキストデータの中で、リンクが付与されるのは一つだからである。また、得点算出部１１３は、当該アンカーテキストのリンク先が、対象テキストデータと関連付けられるエンティティの特定のウェブページである確率（第１エンティティ確率）を「１」と算出する。

＜関連ウェブページが検索結果ウェブページの場合＞
得点算出部１１３は、検索結果ウェブページに含まれる対象テキストデータと関連付けられたエンティティをテキストとして含むリンク先が選択された確率を算出する。対象テキストデータは、「日本電波塔」（図示するテキストＴＸ２１）であり、対象テキストデータと関連付けられたエンティティは、「東京タワー」である。以降の説明において、対象テキストデータと関連付けられたエンティティに係るテキストを、対象エンティティテキストデータと記載する。図７の例では、関連ウェブページには、対象テキストデータの関連ウェブページのリンクが付与されたテキストデータ（図示するテキストＴＸ２２〜２４）が含まれる。ここで、テキストＴＸ２２に付与されたリンク先は、例えば、ナレッジグラフＤ１において、対象テキストデータに関連付けられたエンティティ（この一例では、「東京タワー」）に関連付けられた所在情報である。つまり、テキストＴＸ２２が有する他のウェブページのリンクは、特定のウェブページであり、一例として百科事典ウェブページである。なお、検索結果ウェブページには、リンクを有さないテキストであって、エンティティを示すテキストＴＸ２５が含まれてよい。

得点算出部１１３は、式（２）によって、すべての検索結果ウェブページに含まれるそれぞれのリンク先がクリックされた回数に対して、対象エンティティテキストデータを含む百科事典ウェブページに関するリンク先がクリックされた回数の比として求められる確率（以下、エンティティテキストクリック確率）を算出する。なお、「クリック」とは、選択することの一例であり、タッチ、タップその他の態様で選択されてもよい。以下の説明では代表してクリックと称する。式（２）におけるａ_ｓは、エンティティテキストクリック確率を示している。ここで、エンティティテキストクリック確率とは、第１確率の一例である。

また、得点算出部１１３は、式（３）によって、対象エンティティテキストデータを含むリンク先が、エンティティに関する特定のウェブページである確率（以下、「第２エンティティ確率」）を算出する。式（３）におけるｅは、第２エンティティ確率を示している。ここで、第２エンティティ確率とは、第４確率の他の一例である。

＜関連ウェブページ毎の重み付け＞
また、得点算出部１１３は、関連ウェブページが百科事典ウェブページである場合において算出されたアンカーテキスト確率に対して第１エンティティ確率を乗じた値に対して、以下の式（４）を更に乗じてもよい。また、得点算出部１１３は、関連ウェブページが検索結果ウェブページである場合において算出されたエンティティテキストクリック確率に対して第２エンティティ確率を乗じた値に対して、以下の式（４）を更に乗じてもよい。そして、得点算出部１１３は、例えば、両者を加算して対数を求めることで、得点（第１スコア）を算出する。

式（４）は、百科事典ウェブページを用いて式（２）および式（３）を計算したサンプル数と、検索結果ウェブページを用いて式（２）および式（３）を計算したサンプル数との割合を示す。

得点算出部１１３は、百科事典ウェブページを用いて式（２）および式（３）を計算したサンプル数の割合を、アンカーテキスト確率と、第１エンティティ確率とを乗じた値に更に乗じ、検索結果ウェブページを用いて式（２）および式（３）を計算したサンプル数の割合を、エンティティテキストクリック確率と、第２エンティティ確率とを乗じた値に更に乗じ、両者を加算することで、得点に重み付けを行う。

＜１−５．第２のサービス（地域情報提供サービス）に関する得点算出＞
＜関連ウェブページが検索結果ウェブページの場合＞
得点算出部１１３は、検索結果ウェブページに含まれる対象テキストデータと関連付けられたエンティティをテキストとして含むリンク先が選択された確率を算出する。対象テキストデータは、「日本電波塔」（図示するテキストＴＸ２１）であり、対象テキストデータと関連付けられたエンティティは、「東京タワー」である。図７の例では、関連ウェブページには、対象テキストデータの関連ウェブページのリンクが付与されたテキストデータ（図示するテキストＴＸ２２〜２４）が含まれる。このうち、地域情報提供サービスに関する対象エンティティテキストデータ（この一例では、「東京タワー」）が含まれるのは、テキストＴＸ２４である。テキストＴＸ２４に付与されたリンク先は、例えば、ナレッジグラフＤ１において、対象テキストデータに関連付けられたエンティティ（この一例では、「東京タワー」）に関連付けられた所在情報である。つまり、テキストＴＸ２４が有する他のウェブページのリンクは、特定のウェブページであり、一例として地域情報ウェブページである。

得点算出部１１３は、上記の式（２）によって、すべての検索結果ウェブページに含まれるそれぞれのリンク先がクリックされた回数に対して、対象エンティティテキストデータを含む地域情報提供サービスに関するリンク先がクリックされた回数の比として求められる確率（以下、「エンティティテキストクリック確率」）を算出する。ここで、エンティティテキストクリック確率とは、第１確率の一例である。

また、得点算出部１１３は、関連ウェブページが検索結果ウェブページである場合において算出されたエンティティテキストクリック確率に基づいて得点（第２スコア）を算出する。

＜１−６．総合得点算出＞
得点算出部１１３は、第１のサービス（百科事典提供サービス）に関して算出した第１スコアと、第２のサービス（地域情報提供サービス）に関して算出した第２スコアと、を加算することで総合得点を算出し、算出した総合得点をコンテンツ情報Ｄ２に関連付けて記憶させる。図８は、本実施形態に係るコンテンツ情報Ｄ２及び得点の一例を示す図である。

図１に戻り、所在情報取得部１１４は、記憶部１２０に記憶されたコンテンツ情報Ｄ２を参照して、ウェブサーバ３００から受信したクエリに対応するエンティティを取得する。所在情報取得部１１４は、受信したクエリと合致するテキストデータに所定の閾値以上の得点が関連付けられている場合、当該テキストデータに関連付けられているエンティティを、当該クエリに対応するエンティティとして判定する。所在情報取得部１１４は、ナレッジグラフＤ１に基づいて、判定したエンティティに関連付けられている所在情報を取得する。その後、所在情報取得部１１４は、取得した所在情報をウェブサーバ３００に送信する。所在情報取得部１１４は、判定部の一例である。

このように、所在情報取得部１１４は、ウェブサーバ３００からクエリを受信した場合、クエリに対応するテキストデータを特定する。このとき、クエリとテキストデータとが完全一致する場合だけでなく、部分一致または意味的に同一とみなされる程度の相違がある場合も、対応するテキストデータとみなしてよい。

＜１−７．ナレッジデータサーバ１００の動作＞
以下、ナレッジデータサーバ１００の動作について説明する。図９は、本実施形態のナレッジデータサーバ１００の総合得点を算出する動作の一例を示す流れ図である。選択部１１１は、コンテンツ情報Ｄ２のうち、得点算出対象の対象テキストデータを選択する（Ｓ１００）。次に、収集部１１２は、対象テキストデータに基づいて、関連ウェブページ（百科事典ウェブページ及び検索結果ウェブページ）を収集する（Ｓ１０２）。次に、得点算出部１１３は、第１のサービス（百科事典提供サービス）に関する第１スコアを算出する（Ｓ１０４）。

次に、得点算出部１１３は、第２のサービス（地域情報提供サービス）に関する第２スコアを算出する（Ｓ１０６）。次に、得点算出部１１３は、算出した第１スコアと、第２スコアとを加算することで総合得点を算出し（Ｓ１０８）、算出した総合得点をコンテンツ情報Ｄ２に関連付けて記憶部１２０に記憶させる。以上により、本フローチャートの処理が終了する。

図１０は、本実施形態のナレッジデータサーバ１００の得点に基づく動作の一例を示す流れ図である。所在情報取得部１１４は、ウェブサーバ３００からクエリを受信する（Ｓ２００）。次に、所在情報取得部１１４は、コンテンツ情報Ｄ２のうち、クエリと合致するテキストデータに関連付けられている総合得点を読み出す（Ｓ２０２）。次に、所在情報取得部１１４は、総合得点が所定の閾値以上であるかを判定する（Ｓ２０４）。所在情報取得部１１４は、総合得点が所定の閾値以上である場合、ナレッジグラフＤ１においてテキストデータに関連付けられているエンティティの所在情報をウェブサーバ３００に送信（出力）する（Ｓ２０６）。また、所在情報取得部１１４は、総合得点が所定の閾値未満である場合、ウェブサーバ３００に所在情報を送信（出力）しない（Ｓ２０８）。以上により、本フローチャートの処理が終了する。

以上、説明したように、本実施形態のナレッジデータサーバ１００は、エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択する選択部１１１と、選択部１１１によって選択された対象テキストデータに関連する第１種類の関連ウェブページを収集する収集部１１２と、第１種類の関連ウェブページにおいて、コンテンツ情報における対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、コンテンツ情報における対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、対象テキストデータに関連付けられるエンティティの評価を行う評価部（得点算出部１１３）と、を備える。これによって、本実施形態のナレッジデータサーバ１００は、エンティティとキーワードとの関係を適切に評価することができる。

本実施形態においては、複数のサービスの利用情報に関する情報に基づいて、エンティティとキーワードとの関係を評価する。このため、例えば、エンティティに関する情報が第１のサービス（百科事典情報提供サービス）に掲載されておらず、この第１のサービスの利用情報に関する情報が取得できない場合であっても、第２のサービス（地域情報提供サービス）の利用情報に関する情報が取得できれば、エンティティとキーワードとの関係を適切に評価することができる。

尚、上記の実施形態においては、第１のサービス（百科事典情報提供サービス）と、第２のサービス（地域情報提供サービス）との２つのサービスの利用情報に関する情報に基づいて、エンティティとキーワードとの関係を評価する例について説明した。しかしながら、３つ以上のサービスの利用情報に関する情報に基づいてエンティティとキーワードとの関係を評価してもよい。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１００…ナレッジデータサーバ
１１０…制御部
１１１…選択部
１１２…収集部
１１３…得点算出部
１１４…所在情報取得部
１２０…記憶部
２００…端末装置
２１０…表示部
２１１…クエリ入力領域
２２０…ナレッジパネル
２２１…エンティティ
２２２…画像
２２３…関連情報
２３０…検索結果
３００…ウェブサーバ
Ｄ１…ナレッジグラフ
Ｄ２…コンテンツ情報

Claims (9)

1. エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択する選択部と、
   前記選択部によって選択された前記対象テキストデータに関連する第１種類の関連ウェブページを収集する収集部と、
   前記第１種類の関連ウェブページにおいて、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、
   前記対象テキストデータに関連付けられるエンティティの評価を行う評価部と、
   を備える情報処理装置。
2. 前記収集部は、前記選択部によって選択された前記対象テキストデータに関連する第２種類の関連ウェブページを収集し、
   前記評価部は、前記収集部によって収集された前記第２種類の関連ウェブページにおいて、前記対象テキストデータが前記第１サービスへのリンク先を示すテキストとして含まれる第３確率に基づいて、前記評価を行う、
   請求項１に記載の情報処理装置。
3. 前記評価部は、前記第２種類の関連ウェブページにおける前記テキストにより示される前記第１サービスへのリンク先にあるウェブページが、前記コンテンツ情報において前記対象テキストデータと関連付けられるエンティティのウェブページである第４確率に基づいて、前記評価を行う、
   請求項２に記載の情報処理装置。
4. 前記第１種類の関連ウェブページは、前記対象テキストデータをクエリとして用いた場合の検索結果を表示するウェブページである、
   請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記第２種類の関連ウェブページは、利用者によって編集可能な百科事典のウェブページである、
   請求項２または３に記載の情報処理装置。
6. 入力されたクエリに対して、前記評価部による評価結果を参照し、前記エンティティに関する情報を出力すべきか否かを判定する判定部を更に備える、
   請求項１から請求項５のいずれか一項に記載の情報処理装置。
7. 前記評価部は、前記第１確率と、前記第２確率とを加算することで、前記対象テキストデータに対応するエンティティの得点を算出し、
   前記判定部は、前記得点が所定の閾値以上である場合、当該得点が関連付けられたエンティティの情報を出力し、前記得点が所定の閾値より少ない場合、当該得点が関連付けられたエンティティの情報を出力しないと決定する、
   請求項６に記載の情報処理装置。
8. コンピュータが、
   エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択し、
   選択された前記対象テキストデータに関連する第１種類の関連ウェブページを収集し、
   前記第１種類の関連ウェブページにおいて、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、
   前記対象テキストデータに関連付けられるエンティティの評価を行う、
   情報処理方法。
9. コンピュータに、
   エンティティとテキストデータとが関連付けられたコンテンツ情報のうち、対象テキストデータを選択させ、
   選択された前記対象テキストデータに関連する第１種類の関連ウェブページを収集させ、
   前記第１種類の関連ウェブページにおいて、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第１サービスへのリンク先が選択された第１確率と、
   前記コンテンツ情報における前記対象テキストデータと関連付けられたエンティティをテキストとして含む第２サービスへのリンク先が選択された第２確率とに基づいて、
   前記対象テキストデータに関連付けられるエンティティの評価を行わせる、
   プログラム。

Images