JP2022061935A - サーバおよびデータ割り当て方法 - Google Patents
サーバおよびデータ割り当て方法 Download PDFInfo
- Publication number
- JP2022061935A JP2022061935A JP2021051066A JP2021051066A JP2022061935A JP 2022061935 A JP2022061935 A JP 2022061935A JP 2021051066 A JP2021051066 A JP 2021051066A JP 2021051066 A JP2021051066 A JP 2021051066A JP 2022061935 A JP2022061935 A JP 2022061935A
- Authority
- JP
- Japan
- Prior art keywords
- data
- material content
- content data
- server
- identified information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000000463 material Substances 0.000 claims abstract description 70
- 238000013500 data storage Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 abstract description 30
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 101100008044 Caenorhabditis elegans cut-1 gene Proteins 0.000 description 1
- 101100008046 Caenorhabditis elegans cut-2 gene Proteins 0.000 description 1
- 101100008047 Caenorhabditis elegans cut-3 gene Proteins 0.000 description 1
- 241000102542 Kara Species 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】複合コンテンツデータを簡便に作成することを可能とするサーバおよびデータ割り当て方法（プログラム）を提供する。【解決手段】サーバ１と、管理者端末２と、ユーザ端末３とが、ネットワークを介して互いに通信可能に接続されているシステムにおいて、サーバ１は、少なくとも被識別情報を含む第１のデータの入力を受け付け、被識別情報の少なくとも一部を含む一以上の第２のデータを生成する第２のデータ生成部１３０と、１つ以上のカットを含む第３のデータのカットに第２のデータを割り当てる第２のデータ割り当て部１４２と、第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータから抽出された抽出情報に基づき、第２のデータと、素材コンテンツデータとを関連付ける関連付け部１５０と、関連付けに基づき、カットに素材コンテンツデータを割り当てる素材コンテンツデータ割り当て部１４４と、を備える。【選択図】図４
Description
本発明は、複合コンテンツデータを生成するサーバおよびデータ割り当て方法に関する
。
。
従来から、動画等コンテンツデータ作成が行われており、例えば、特許文献１には、複
数のチャプタを有する動画から所望のシーン画像を効率的に検索する動画処理装置が提案
されている。
数のチャプタを有する動画から所望のシーン画像を効率的に検索する動画処理装置が提案
されている。
動画等コンテンツデータを作成することには多大な手間がかかり、特に、テキストデー
タや画像、音データなどの複数の素材コンテンツデータが用いられた複合コンテンツデー
タを作成する場合には、最適な組み合わせを考慮することがユーザの技術レベルによって
は難しいため、簡便に複合コンテンツデータを作成することができる装置の提供が求めら
れていた。
タや画像、音データなどの複数の素材コンテンツデータが用いられた複合コンテンツデー
タを作成する場合には、最適な組み合わせを考慮することがユーザの技術レベルによって
は難しいため、簡便に複合コンテンツデータを作成することができる装置の提供が求めら
れていた。
そこで、本発明では、複合コンテンツデータを簡便に作成することを可能とするサーバ
およびプログラムを提供することを目的とする。
およびプログラムを提供することを目的とする。
上記課題を解決するための本発明の主たる発明は、少なくとも被識別情報を含む第１の
データの入力を受け付け、前記被識別情報の少なくとも一部を含む一以上の第２のデータ
を生成する第２のデータ生成部と、１つ以上のカットを含む第３のデータの前記カットに
前記第２のデータを割り当てる第２のデータ割り当て部と、前記第２のデータに含まれる
被識別情報の少なくとも一部と、素材コンテンツデータから抽出された抽出情報に基づき
、前記第２のデータと、前記素材コンテンツデータとを関連付ける関連付け部と、前記関
連付けに基づき、前記カットに前記素材コンテンツデータを割り当てる素材コンテンツデ
ータ割り当て部と、を備えることを特徴とするサーバ、である。
データの入力を受け付け、前記被識別情報の少なくとも一部を含む一以上の第２のデータ
を生成する第２のデータ生成部と、１つ以上のカットを含む第３のデータの前記カットに
前記第２のデータを割り当てる第２のデータ割り当て部と、前記第２のデータに含まれる
被識別情報の少なくとも一部と、素材コンテンツデータから抽出された抽出情報に基づき
、前記第２のデータと、前記素材コンテンツデータとを関連付ける関連付け部と、前記関
連付けに基づき、前記カットに前記素材コンテンツデータを割り当てる素材コンテンツデ
ータ割り当て部と、を備えることを特徴とするサーバ、である。
本発明によれば、複合コンテンツデータを簡便に作成することを可能とするサーバおよ
びデータ割り当て方法を提供することが可能となる。
びデータ割り当て方法を提供することが可能となる。
本発明の実施形態の内容を列記して説明する。本発明の実施の形態によるサーバ及びデ
ータ割り当て方法は、以下のような構成を備える。
［項目１］
少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成する第２のデータ生成部と、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てる第
２のデータ割り当て部と、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータか
ら抽出された抽出情報に基づき、前記第２のデータと、前記素材コンテンツデータとを関
連付ける関連付け部と、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てる素材コン
テンツデータ割り当て部と、
を備えることを特徴とするサーバ。
［項目２］
前記被識別情報は、言語モデルにより定義された単語形式または文全体を表すベクトル
である、
ことを特徴とする項目１に記載のサーバ。
［項目３］
前記第１のデータは、前記被識別情報を含むテキストデータ、前記被識別情報を含む画
像データ若しくは動画データ、前記被識別情報を含む音声データの少なくともいずれか１
つである、
ことを特徴とする項目１または２に記載のサーバ。
［項目４］
前記第２のデータは、前記第３のデータの各カットの最大文字数及び前記第１のデータ
の文節間の修飾関係を解析し、文章として自然な区間が各カットに収まるように文を区切
られたものである、
ことを特徴とする項目１ないし３に記載のサーバ。
［項目５］
素材コンテンツデータは、画像データ、動画データ、音データの少なくともいずれか１
つである、
ことを特徴とする項目１ないし４に記載のサーバ。
［項目６］
前記関連付け部は、前記第２のデータに含まれる被識別情報の少なくとも一部と、前記
素材コンテンツデータから抽出された抽出情報とを比較し、互いの類似度を判定して、前
記第２のデータに適した素材コンテンツデータと前記第２のデータとを互いに関連付けを
行う、
ことを特徴とする項目１ないし５に記載のサーバ。
［項目７］
学習データを用いて機械学習を行った学習済モデルであり、前記素材コンテンツデータ
の前記抽出情報を抽出する分類器を備え、
前記抽出情報は、前記分類器が出力したクラスラベルである、
ことを特徴とする項目６に記載のサーバ。
［項目８］
前記サーバは、さらに、前記第１のデータに含まれる文章情報を要約する機能を有し、
前記第２のデータ生成部は、前記要約から第２のデータを生成する、
ことを特徴とする項目１ないし７のいずれかに記載のサーバ。
［項目９］
前記素材コンテンツデータは、ネットワーク上から取得されて、素材コンテンツデータ
記憶部に格納される、
ことを特徴とする項目１ないし８のいずれかに記載のサーバ。
［項目１０］
少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成するステップと、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てるス
テップと、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータに
基づき、前記第２のデータと、前記素材コンテンツデータとを関連付けるステップと、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てるステップ
と、を含む、
ことを特徴とするデータ割り当て方法。
ータ割り当て方法は、以下のような構成を備える。
［項目１］
少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成する第２のデータ生成部と、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てる第
２のデータ割り当て部と、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータか
ら抽出された抽出情報に基づき、前記第２のデータと、前記素材コンテンツデータとを関
連付ける関連付け部と、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てる素材コン
テンツデータ割り当て部と、
を備えることを特徴とするサーバ。
［項目２］
前記被識別情報は、言語モデルにより定義された単語形式または文全体を表すベクトル
である、
ことを特徴とする項目１に記載のサーバ。
［項目３］
前記第１のデータは、前記被識別情報を含むテキストデータ、前記被識別情報を含む画
像データ若しくは動画データ、前記被識別情報を含む音声データの少なくともいずれか１
つである、
ことを特徴とする項目１または２に記載のサーバ。
［項目４］
前記第２のデータは、前記第３のデータの各カットの最大文字数及び前記第１のデータ
の文節間の修飾関係を解析し、文章として自然な区間が各カットに収まるように文を区切
られたものである、
ことを特徴とする項目１ないし３に記載のサーバ。
［項目５］
素材コンテンツデータは、画像データ、動画データ、音データの少なくともいずれか１
つである、
ことを特徴とする項目１ないし４に記載のサーバ。
［項目６］
前記関連付け部は、前記第２のデータに含まれる被識別情報の少なくとも一部と、前記
素材コンテンツデータから抽出された抽出情報とを比較し、互いの類似度を判定して、前
記第２のデータに適した素材コンテンツデータと前記第２のデータとを互いに関連付けを
行う、
ことを特徴とする項目１ないし５に記載のサーバ。
［項目７］
学習データを用いて機械学習を行った学習済モデルであり、前記素材コンテンツデータ
の前記抽出情報を抽出する分類器を備え、
前記抽出情報は、前記分類器が出力したクラスラベルである、
ことを特徴とする項目６に記載のサーバ。
［項目８］
前記サーバは、さらに、前記第１のデータに含まれる文章情報を要約する機能を有し、
前記第２のデータ生成部は、前記要約から第２のデータを生成する、
ことを特徴とする項目１ないし７のいずれかに記載のサーバ。
［項目９］
前記素材コンテンツデータは、ネットワーク上から取得されて、素材コンテンツデータ
記憶部に格納される、
ことを特徴とする項目１ないし８のいずれかに記載のサーバ。
［項目１０］
少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成するステップと、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てるス
テップと、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータに
基づき、前記第２のデータと、前記素材コンテンツデータとを関連付けるステップと、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てるステップ
と、を含む、
ことを特徴とするデータ割り当て方法。
＜実施の形態の詳細＞
以下、本発明の実施の形態による複合コンテンツデータを作成するためのシステム（以
下「本システム」という）等について説明する。添付図面において、同一または類似の要
素には同一または類似の参照符号及び名称が付され、各実施形態の説明において同一また
は類似の要素に関する重複する説明は省略することがある。また、各実施形態で示される
特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。
以下、本発明の実施の形態による複合コンテンツデータを作成するためのシステム（以
下「本システム」という）等について説明する。添付図面において、同一または類似の要
素には同一または類似の参照符号及び名称が付され、各実施形態の説明において同一また
は類似の要素に関する重複する説明は省略することがある。また、各実施形態で示される
特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。
＜構成＞
実施形態例に係る本システムは、図１に示すように、サーバ１と、管理者端末２と、ユ
ーザ端末３とを備えて構成される。サーバ１と、管理者端末２と、ユーザ端末３は、ネッ
トワークを介して互いに通信可能に接続されている。ネットワークは、ローカルネットワ
ークであってもよいし、外部ネットワークに接続可能なものであってもよい。図１の例で
は、サーバ１を１台で構成する例を説明しているが、複数台のサーバ装置によりサーバ１
を実現することも可能である。また、サーバ１と管理者端末２が共通化されていてもよい
。
実施形態例に係る本システムは、図１に示すように、サーバ１と、管理者端末２と、ユ
ーザ端末３とを備えて構成される。サーバ１と、管理者端末２と、ユーザ端末３は、ネッ
トワークを介して互いに通信可能に接続されている。ネットワークは、ローカルネットワ
ークであってもよいし、外部ネットワークに接続可能なものであってもよい。図１の例で
は、サーバ１を１台で構成する例を説明しているが、複数台のサーバ装置によりサーバ１
を実現することも可能である。また、サーバ１と管理者端末２が共通化されていてもよい
。
＜サーバ１＞
図２は、図１に記載のサーバ１のハードウェア構成を示す図である。なお、図示された
構成は一例であり、これ以外の構成を有していてもよい。また、サーバ１は、例えばワー
クステーションやパーソナルコンピュータのような汎用コンピュータとしてもよいし、或
いはクラウド・コンピューティングによって論理的に実現されてもよい。
図２は、図１に記載のサーバ１のハードウェア構成を示す図である。なお、図示された
構成は一例であり、これ以外の構成を有していてもよい。また、サーバ１は、例えばワー
クステーションやパーソナルコンピュータのような汎用コンピュータとしてもよいし、或
いはクラウド・コンピューティングによって論理的に実現されてもよい。
サーバ１は、少なくとも、プロセッサ１０、メモリ１１、ストレージ１２、送受信部１
３、入出力部１４等を備え、これらはバス１５を通じて相互に電気的に接続される。
３、入出力部１４等を備え、これらはバス１５を通じて相互に電気的に接続される。
プロセッサ１０は、サーバ１全体の動作を制御し、各要素間におけるデータの送受信の
制御、及びアプリケーションの実行及び認証処理に必要な情報処理等を行う演算装置であ
る。例えばプロセッサ１０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ
）およびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、ストレ
ージ１２に格納されメモリ１１に展開された本システムのためのプログラム等を実行して
各情報処理を実施する。なお、プロセッサ１０の処理能力は、必要な情報処理を実行する
ために十分であればよいので、例えば、プロセッサ１０はＣＰＵのみで構成されていても
よいし、これに限るものでもない。
制御、及びアプリケーションの実行及び認証処理に必要な情報処理等を行う演算装置であ
る。例えばプロセッサ１０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ
）およびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、ストレ
ージ１２に格納されメモリ１１に展開された本システムのためのプログラム等を実行して
各情報処理を実施する。なお、プロセッサ１０の処理能力は、必要な情報処理を実行する
ために十分であればよいので、例えば、プロセッサ１０はＣＰＵのみで構成されていても
よいし、これに限るものでもない。
メモリ１１は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒ
ｙ）等の揮発性記憶装置で構成される主記憶と、フラッシュメモリやＨＤＤ（Ｈａｒｄ
Ｄｉｓｃ Ｄｒｉｖｅ）等の不揮発性記憶装置で構成される補助記憶と、を含む。メモリ
１１は、プロセッサ１０のワークエリア等として使用され、また、サーバ１の起動時に実
行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ ／ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）、及び
各種設定情報等を格納してもよい。
ｙ）等の揮発性記憶装置で構成される主記憶と、フラッシュメモリやＨＤＤ（Ｈａｒｄ
Ｄｉｓｃ Ｄｒｉｖｅ）等の不揮発性記憶装置で構成される補助記憶と、を含む。メモリ
１１は、プロセッサ１０のワークエリア等として使用され、また、サーバ１の起動時に実
行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ ／ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）、及び
各種設定情報等を格納してもよい。
ストレージ１２は、アプリケーション・プログラム等の各種プログラムを格納する。各
処理に用いられるデータを格納したデータベースがストレージ１２に構築されていてもよ
い。
処理に用いられるデータを格納したデータベースがストレージ１２に構築されていてもよ
い。
送受信部１３は、サーバ１をネットワークに接続する。
入出力部１４は、キーボード・マウス類等の情報入力機器、及びディスプレイ等の出力
機器である。
機器である。
バス１５は、上記各要素に共通に接続され、例えば、アドレス信号、データ信号及び各
種制御信号を伝達する。
種制御信号を伝達する。
＜管理者端末２、ユーザ端末３＞
図３に示される管理者端末２、ユーザ端末３もまた、プロセッサ２０、メモリ２１、ス
トレージ２２、送受信部２３、入出力部２４等を備え、これらはバス２５を通じて相互に
電気的に接続される。各要素の機能は、上述したサーバ１と同様に構成することが可能で
あることから、各要素の詳細な説明は省略する。管理者は、管理者端末２により、例えば
サーバ１の設定変更やデータベースの運用管理などを行う。ユーザは、ユーザ端末３によ
りサーバ１にアクセスして、例えば、作成された複合コンテンツデータを閲覧することな
どができる。
図３に示される管理者端末２、ユーザ端末３もまた、プロセッサ２０、メモリ２１、ス
トレージ２２、送受信部２３、入出力部２４等を備え、これらはバス２５を通じて相互に
電気的に接続される。各要素の機能は、上述したサーバ１と同様に構成することが可能で
あることから、各要素の詳細な説明は省略する。管理者は、管理者端末２により、例えば
サーバ１の設定変更やデータベースの運用管理などを行う。ユーザは、ユーザ端末３によ
りサーバ１にアクセスして、例えば、作成された複合コンテンツデータを閲覧することな
どができる。
＜サーバ１の機能＞
図４は、サーバ１に実装される機能を例示したブロック図である。本実施の形態におい
ては、サーバ１は、通信部１１０、被識別情報解析部１２０、第２のデータ生成部１３０
、複合コンテンツデータ生成部１４０、関連付け部１５０、記憶部１６０、分類器１７０
を備えている。複合コンテンツデータ生成部１４０は、第２のデータ割り当て部１４２、
素材コンテンツデータ割り当て部１４４を含む。また、記憶部１６０は、第３のデータ記
憶部１６２、素材コンテンツデータ記憶部１６４、複合コンテンツデータ記憶部１６６、
インターフェース情報記憶部１６８などの各種データベースを含む。
図４は、サーバ１に実装される機能を例示したブロック図である。本実施の形態におい
ては、サーバ１は、通信部１１０、被識別情報解析部１２０、第２のデータ生成部１３０
、複合コンテンツデータ生成部１４０、関連付け部１５０、記憶部１６０、分類器１７０
を備えている。複合コンテンツデータ生成部１４０は、第２のデータ割り当て部１４２、
素材コンテンツデータ割り当て部１４４を含む。また、記憶部１６０は、第３のデータ記
憶部１６２、素材コンテンツデータ記憶部１６４、複合コンテンツデータ記憶部１６６、
インターフェース情報記憶部１６８などの各種データベースを含む。
通信部１１０は、管理端末２や、ユーザ端末３と通信を行う。通信部１１０は、ユーザ
端末２から、少なくとも被識別情報を含む第１のデータを受け付ける受付部としても機能
する。そして、第１のデータは、例えば、被識別情報を含む記事（例えば、プレスリリー
スや、ニュースなど）などのテキストデータ、被識別情報を含む画像データ（例えば、写
真や、イラストなど）若しくは動画データ、被識別情報を含む音声データなどであっても
よい。なお、ここでいうテキストデータは、サーバ１に送信された時点においてテキスト
データであるものに限らず、例えば、サーバ１に送信された音声データを既知の音声認識
技術により生成されたテキストデータであってもよい。また、第１のデータは、例えば記
事などのテキストデータなどが、既存の抽出的要約若しくは生成的要約などの自動要約技
術により要約されたもの（被識別情報を含む）であってもよく、その場合、第３のデータ
に含まれるカット数が減り、複合コンテンツデータ全体のデータ容量を小さくすることが
でき、内容も簡潔なものとなり得る。
端末２から、少なくとも被識別情報を含む第１のデータを受け付ける受付部としても機能
する。そして、第１のデータは、例えば、被識別情報を含む記事（例えば、プレスリリー
スや、ニュースなど）などのテキストデータ、被識別情報を含む画像データ（例えば、写
真や、イラストなど）若しくは動画データ、被識別情報を含む音声データなどであっても
よい。なお、ここでいうテキストデータは、サーバ１に送信された時点においてテキスト
データであるものに限らず、例えば、サーバ１に送信された音声データを既知の音声認識
技術により生成されたテキストデータであってもよい。また、第１のデータは、例えば記
事などのテキストデータなどが、既存の抽出的要約若しくは生成的要約などの自動要約技
術により要約されたもの（被識別情報を含む）であってもよく、その場合、第３のデータ
に含まれるカット数が減り、複合コンテンツデータ全体のデータ容量を小さくすることが
でき、内容も簡潔なものとなり得る。
また、ここでいう音声データは、動画データから音声認識により抽出された音声データ
や、テキストデータから生成された音声データであってもよい。前者の場合、例えばラフ
スケッチなどの仮画像及び仮映像による動画といった仮動画から、ナレーションやセリフ
などの音声データだけを抽出し、後述されるように当該音声データを基に素材コンテンツ
データと共に複合コンテンツデータを生成するようにしてもよい。後者の場合、例えば、
ストーリーのあるテキストデータから音声データを作成し、例えば童話であれば、読み上
げられたストーリーと素材コンテンツデータによる紙芝居や動画を複合コンテンツデータ
として生成するようにしてもよい。
や、テキストデータから生成された音声データであってもよい。前者の場合、例えばラフ
スケッチなどの仮画像及び仮映像による動画といった仮動画から、ナレーションやセリフ
などの音声データだけを抽出し、後述されるように当該音声データを基に素材コンテンツ
データと共に複合コンテンツデータを生成するようにしてもよい。後者の場合、例えば、
ストーリーのあるテキストデータから音声データを作成し、例えば童話であれば、読み上
げられたストーリーと素材コンテンツデータによる紙芝居や動画を複合コンテンツデータ
として生成するようにしてもよい。
第２のデータ生成部１３０は、例えば第１のデータを分割する必要がないと判定した場
合（例えば、テキストデータが予め設定された文字数以下の短文であったりするなど）に
は、第２のデータ生成部１３０は、そのまま第１のデータを第２のデータとして生成する
。一方で、例えば第１のデータを分割する必要があると判定した場合（例えば、予め設定
された文字数よりも長文であったりするなど）には、第２のデータ生成部１３０は、第１
のデータを分割し、それぞれ第１のデータの被識別情報の少なくとも一部を含む第２のデ
ータとして生成する。なお、第２のデータ生成部１３０による第１のデータ分割の方法は
、既知の何れの技術を利用してもよく、例えば、後述するように、第１のデータがテキス
ト化できるものであれば、第３のデータの各カットの最大文字数及び文節間の修飾関係を
解析し、文章として自然な区間が各カットに収まるように文を区切るようにしてもよい。
合（例えば、テキストデータが予め設定された文字数以下の短文であったりするなど）に
は、第２のデータ生成部１３０は、そのまま第１のデータを第２のデータとして生成する
。一方で、例えば第１のデータを分割する必要があると判定した場合（例えば、予め設定
された文字数よりも長文であったりするなど）には、第２のデータ生成部１３０は、第１
のデータを分割し、それぞれ第１のデータの被識別情報の少なくとも一部を含む第２のデ
ータとして生成する。なお、第２のデータ生成部１３０による第１のデータ分割の方法は
、既知の何れの技術を利用してもよく、例えば、後述するように、第１のデータがテキス
ト化できるものであれば、第３のデータの各カットの最大文字数及び文節間の修飾関係を
解析し、文章として自然な区間が各カットに収まるように文を区切るようにしてもよい。
被識別情報解析部１２０は、上述の第２のデータを解析し、被識別情報を取得する。こ
こで、被識別情報は、被識別情報解析部１２０により解析可能であれば、どのような情報
であってもよい。一つの態様としては、被識別情報は、言語モデルにより定義された単語
形式であり得る。より具体的には、後述の単語ベクトルを伴う一以上の単語（例えば、「
渋谷、新宿、六本木」や「渋谷、ランドマーク、若者」など）であってもよい。なお、当
該単語には、言語モデルに応じて「ん」などの通常はそれ単体では利用されない単語も含
み得る。また、上記単語形式の代わりに文全体を表すベクトルを伴う文書、または画像や
動画から抽出された特徴ベクトルであってもよい。
こで、被識別情報は、被識別情報解析部１２０により解析可能であれば、どのような情報
であってもよい。一つの態様としては、被識別情報は、言語モデルにより定義された単語
形式であり得る。より具体的には、後述の単語ベクトルを伴う一以上の単語（例えば、「
渋谷、新宿、六本木」や「渋谷、ランドマーク、若者」など）であってもよい。なお、当
該単語には、言語モデルに応じて「ん」などの通常はそれ単体では利用されない単語も含
み得る。また、上記単語形式の代わりに文全体を表すベクトルを伴う文書、または画像や
動画から抽出された特徴ベクトルであってもよい。
複合コンテンツデータ生成部１４０は、第３のデータ記憶部１６２から一以上のカット
を含む第３のデータを読み出し、素材コンテンツデータ記憶部１６４に記憶された素材コ
ンテンツデータと上述の第２のデータが割り当てられた第３のデータを複合コンテンツデ
ータとして生成するとともに複合コンテンツデータ記憶部１６６に記憶し、ユーザ端末２
に複合コンテンツデータを表示する。なお、図５は、第３のデータを構成するカットの画
面レイアウトの一例である。同図中第２のデータフィールド３１に編集された第２のデー
タ（例えば、区切られたテキスト文章など）が挿入され、素材コンテンツデータフィール
ド３２に選択された素材コンテンツデータが挿入される。第３のデータの各カットには、
予め設定されている上述の最大文字数（テキストデータの場合）や、画面レイアウト、再
生時間（動画の場合）が規定されている。また、複合コンテンツデータは、必ずしも複合
コンテンツデータ記憶部１６６に保存される必要はなく、適当なタイミングで記憶されて
もよい。また、第２のデータのみが割り当てられた第３のデータを複合コンテンツデータ
の経過情報としてユーザ端末３に表示するようにしてもよい。
を含む第３のデータを読み出し、素材コンテンツデータ記憶部１６４に記憶された素材コ
ンテンツデータと上述の第２のデータが割り当てられた第３のデータを複合コンテンツデ
ータとして生成するとともに複合コンテンツデータ記憶部１６６に記憶し、ユーザ端末２
に複合コンテンツデータを表示する。なお、図５は、第３のデータを構成するカットの画
面レイアウトの一例である。同図中第２のデータフィールド３１に編集された第２のデー
タ（例えば、区切られたテキスト文章など）が挿入され、素材コンテンツデータフィール
ド３２に選択された素材コンテンツデータが挿入される。第３のデータの各カットには、
予め設定されている上述の最大文字数（テキストデータの場合）や、画面レイアウト、再
生時間（動画の場合）が規定されている。また、複合コンテンツデータは、必ずしも複合
コンテンツデータ記憶部１６６に保存される必要はなく、適当なタイミングで記憶されて
もよい。また、第２のデータのみが割り当てられた第３のデータを複合コンテンツデータ
の経過情報としてユーザ端末３に表示するようにしてもよい。
第２のデータ割り当て部１４２は、例えば複数のカットに、カット１、カット２、カッ
ト３といったように番号がふられており、この番号順に、第２のデータを順次割り当てて
いく。なお、このような割り当て方法に限定されず、例えば、第２のデータ割り当て部１
４２は、第２のデータの数に合わせて、第３のデータに含まれるカット数を予め設定され
た数から増減し、第２のデータを割り当てるようにしてもよい。
ト３といったように番号がふられており、この番号順に、第２のデータを順次割り当てて
いく。なお、このような割り当て方法に限定されず、例えば、第２のデータ割り当て部１
４２は、第２のデータの数に合わせて、第３のデータに含まれるカット数を予め設定され
た数から増減し、第２のデータを割り当てるようにしてもよい。
関連付け部１５０は、上述の第２のデータに含まれる被識別情報の少なくとも一部と、
例えば、素材コンテンツデータから抽出される抽出情報（例えば、分類器が抽出したクラ
スラベルなど）と比較し、例えば、互いの類似度などを判定して、第２のデータに適した
素材コンテンツデータ（例えば、類似度が高いものなど）と第２のデータとを互いに関連
付けを行う。より具体的な例としては、例えば、第２のデータに含まれる被識別情報が「
先生」を表し、抽出情報が「顔」である素材コンテンツデータＡ（例えば、女性の画像）
と「山」である素材コンテンツデータＢ（例えば、富士山の画像）が用意されている場合
、「先生」から得られる単語ベクトルと「顔」から得られる単語ベクトルの関連は、「先
生」から得られる単語ベクトルと「山」から得られる単語ベクトルの関連よりも類似して
いるため、第２のデータは素材コンテンツデータＡと関連付けられる。なお、素材コンテ
ンツデータの抽出情報は、ユーザが予め抽出して素材コンテンツデータ記憶部１６４に記
憶したものであってもよく、後述の分類器１７０により抽出されたものであってもよい。
また、上記類似度の判定は、単語ベクトルを学習した学習済モデルを用意し、そのベクト
ルを利用してコサイン類似度やWord Mover’s Distanceなどの方法により単語の類似度を
判定してもよい。
例えば、素材コンテンツデータから抽出される抽出情報（例えば、分類器が抽出したクラ
スラベルなど）と比較し、例えば、互いの類似度などを判定して、第２のデータに適した
素材コンテンツデータ（例えば、類似度が高いものなど）と第２のデータとを互いに関連
付けを行う。より具体的な例としては、例えば、第２のデータに含まれる被識別情報が「
先生」を表し、抽出情報が「顔」である素材コンテンツデータＡ（例えば、女性の画像）
と「山」である素材コンテンツデータＢ（例えば、富士山の画像）が用意されている場合
、「先生」から得られる単語ベクトルと「顔」から得られる単語ベクトルの関連は、「先
生」から得られる単語ベクトルと「山」から得られる単語ベクトルの関連よりも類似して
いるため、第２のデータは素材コンテンツデータＡと関連付けられる。なお、素材コンテ
ンツデータの抽出情報は、ユーザが予め抽出して素材コンテンツデータ記憶部１６４に記
憶したものであってもよく、後述の分類器１７０により抽出されたものであってもよい。
また、上記類似度の判定は、単語ベクトルを学習した学習済モデルを用意し、そのベクト
ルを利用してコサイン類似度やWord Mover’s Distanceなどの方法により単語の類似度を
判定してもよい。
素材コンテンツデータは、例えば、画像データや、動画データ、音データ（例えば、音
楽データ、音声データ、効果音など）などであり得るが、これに限定されない。また、素
材コンテンツデータは、ユーザまたは管理者が素材コンテンツデータ記憶部１６４に格納
するものであってもよいし、ネットワーク上から、素材コンテンツデータを取得し、素材
コンテンツデータ記憶部１６４に格納するものであってもよい。
楽データ、音声データ、効果音など）などであり得るが、これに限定されない。また、素
材コンテンツデータは、ユーザまたは管理者が素材コンテンツデータ記憶部１６４に格納
するものであってもよいし、ネットワーク上から、素材コンテンツデータを取得し、素材
コンテンツデータ記憶部１６４に格納するものであってもよい。
素材コンテンツデータ割り当て部１４４は、上述の関連付けに基づき、対応する第２の
データが割り当てられたカットに、適した素材コンテンツデータを割り当てる。
データが割り当てられたカットに、適した素材コンテンツデータを割り当てる。
インターフェース情報記憶部１６８は、管理端末２若しくはユーザ端末２の表示部（デ
ィスプレイ等）に表示するための各種制御情報を格納している。
ィスプレイ等）に表示するための各種制御情報を格納している。
分類器１７０は、学習データを学習データ記憶部（不図示）から取得し、機械学習させ
ることで、学習済モデルとして作成される。分類器１７０の作成は、定期的に行われる（
例えば、年に数回程度）。分類器作成用の学習データは、ネットワークから収集したデー
タやユーザ保有のデータにクラスラベルをつけたものを利用してもよいし、クラスラベル
のついたデータセットを調達して利用してもよい。そして、分類器１７０は、例えば、畳
み込みニューラルネットワークを利用した学習済モデルであり、素材コンテンツデータを
入力すると、１つまたは複数の抽出情報（例えば、クラスラベルなど）を抽出する。分類
器１７０は、例えば、素材コンテンツデータに関連するオブジェクトを表すクラスラベル
（例えば、魚介、焼肉、人物、家具）を抽出する。
ることで、学習済モデルとして作成される。分類器１７０の作成は、定期的に行われる（
例えば、年に数回程度）。分類器作成用の学習データは、ネットワークから収集したデー
タやユーザ保有のデータにクラスラベルをつけたものを利用してもよいし、クラスラベル
のついたデータセットを調達して利用してもよい。そして、分類器１７０は、例えば、畳
み込みニューラルネットワークを利用した学習済モデルであり、素材コンテンツデータを
入力すると、１つまたは複数の抽出情報（例えば、クラスラベルなど）を抽出する。分類
器１７０は、例えば、素材コンテンツデータに関連するオブジェクトを表すクラスラベル
（例えば、魚介、焼肉、人物、家具）を抽出する。
図６は、複合コンテンツデータを作成する流れの一例を説明する図である。
まず、サーバ１は、少なくとも被識別情報を含む第１のデータをユーザ端末２より通信
部１１０を介して受け付ける（ステップＳ１０１）。本例においては、被識別情報は、例
えば一以上の単語であり、第１のデータは、例えば一以上の単語を含む記事からなるテキ
ストデータまたはそのテキストデータを要約したものであり得る。
部１１０を介して受け付ける（ステップＳ１０１）。本例においては、被識別情報は、例
えば一以上の単語であり、第１のデータは、例えば一以上の単語を含む記事からなるテキ
ストデータまたはそのテキストデータを要約したものであり得る。
次に、サーバ１は、複合コンテンツデータ生成部１４０により、一以上のカットを含む
第３のデータを第３のデータ記憶部１６２から読み出す（ステップＳ１０２）。本例にお
いては、第３のデータは、例えば複数のカットを含むテンプレートデータであり得る。
第３のデータを第３のデータ記憶部１６２から読み出す（ステップＳ１０２）。本例にお
いては、第３のデータは、例えば複数のカットを含むテンプレートデータであり得る。
次に、サーバ１は、被識別情報解析部１２０により、第１のデータを解析して被識別情
報を取得し、第２のデータ生成部１３０により、被識別情報の少なくとも一部を含む一以
上の第２のデータを生成する（ステップＳ１０３）。第２のデータは、第３のデータの各
カットの最大文字数及び文節間の修飾関係を解析し、文章として自然な区間が各カットに
収まるように文を区切った個々のテキストデータであり得る。
報を取得し、第２のデータ生成部１３０により、被識別情報の少なくとも一部を含む一以
上の第２のデータを生成する（ステップＳ１０３）。第２のデータは、第３のデータの各
カットの最大文字数及び文節間の修飾関係を解析し、文章として自然な区間が各カットに
収まるように文を区切った個々のテキストデータであり得る。
次に、サーバ１は、第２のデータ割り当て部により、第２のデータをカットに割り当て
る（ステップＳ１０４）。なお、この状態の第３のデータをユーザ端末３にて表示をする
ようにして、経過を確認可能にしてもよい。
る（ステップＳ１０４）。なお、この状態の第３のデータをユーザ端末３にて表示をする
ようにして、経過を確認可能にしてもよい。
次に、サーバ１は、第２のデータに含まれる被識別情報の少なくとも一部と、素材コン
テンツデータから抽出された抽出情報に基づき、関連付け部１５０により、素材コンテン
ツデータ記憶部１６４の素材コンテンツデータと第２のデータとを互いに関連付けし（ス
テップＳ１０５）、素材コンテンツデータ割り当て部１４４によりその素材コンテンツデ
ータをカットに割り当てる（ステップＳ１０６）。
テンツデータから抽出された抽出情報に基づき、関連付け部１５０により、素材コンテン
ツデータ記憶部１６４の素材コンテンツデータと第２のデータとを互いに関連付けし（ス
テップＳ１０５）、素材コンテンツデータ割り当て部１４４によりその素材コンテンツデ
ータをカットに割り当てる（ステップＳ１０６）。
そして、サーバ１は、第２のデータ及び素材コンテンツデータが割り当てられた第３の
データを複合コンテンツデータとして生成するとともに複合コンテンツデータ記憶部１６
６に記憶し、ユーザ端末２に複合コンテンツデータを表示する（ステップＳ１０７）。な
お、複合コンテンツデータの表示は、図７に例示するように、複合コンテンツデータを構
成する複数のカットを画面上に一覧表示することができる。各カットには、表示される素
材コンテンツデータおよび第２データと共に各カットの再生時間（秒数）の情報も表示さ
れてもよい。ユーザは、例えば、第２のデータフィールド３１や対応するボタンをクリッ
クすることで、その内容を修正することができ、素材コンテンツデータフィールド３２や
対応するボタンをクリックすることで素材コンテンツデータを差し替えることができる。
データを複合コンテンツデータとして生成するとともに複合コンテンツデータ記憶部１６
６に記憶し、ユーザ端末２に複合コンテンツデータを表示する（ステップＳ１０７）。な
お、複合コンテンツデータの表示は、図７に例示するように、複合コンテンツデータを構
成する複数のカットを画面上に一覧表示することができる。各カットには、表示される素
材コンテンツデータおよび第２データと共に各カットの再生時間（秒数）の情報も表示さ
れてもよい。ユーザは、例えば、第２のデータフィールド３１や対応するボタンをクリッ
クすることで、その内容を修正することができ、素材コンテンツデータフィールド３２や
対応するボタンをクリックすることで素材コンテンツデータを差し替えることができる。
なお、上述の複合コンテンツデータを作成する流れは一例であり、例えば、第３のデー
タを読み出すためのステップＳ１０２は、第２のデータまたは素材コンテンツデータの割
り当てまでに読み出されていればいつ実行されていてもよい。また、例えば、第２のデー
タの割り当てのためのステップＳ１０４と、関連付けのためのステップＳ１０５と、素材
コンテンツデータの割り当てのためのステップＳ１０６の順番も、互いに齟齬が生じなけ
れば何れの順番で実行されてもよい。
タを読み出すためのステップＳ１０２は、第２のデータまたは素材コンテンツデータの割
り当てまでに読み出されていればいつ実行されていてもよい。また、例えば、第２のデー
タの割り当てのためのステップＳ１０４と、関連付けのためのステップＳ１０５と、素材
コンテンツデータの割り当てのためのステップＳ１０６の順番も、互いに齟齬が生じなけ
れば何れの順番で実行されてもよい。
（要約文作成機能）
図８～図１０を参照しながら、第１のデータがテキストデータを含むものである場合に
、サーバ１がテキストデータから要約文作成し、その要約文を含む第１のデータから第２
のデータを作成する一例について説明する。
図８～図１０を参照しながら、第１のデータがテキストデータを含むものである場合に
、サーバ１がテキストデータから要約文作成し、その要約文を含む第１のデータから第２
のデータを作成する一例について説明する。
ＳＴＥＰ９１：段落分割・文書分割
サーバ１は、入力されたテキストデータの文書を段落に分割し、各段落内の文書を文に
分割する。また、動画のテロップとして１シーンで表示すると長すぎて可読性を落とす文
章（例えば８０文字以上）については、特定の品詞、表記等の条件を満たす箇所で、さら
に複数の文章に分割する。
サーバ１は、入力されたテキストデータの文書を段落に分割し、各段落内の文書を文に
分割する。また、動画のテロップとして１シーンで表示すると長すぎて可読性を落とす文
章（例えば８０文字以上）については、特定の品詞、表記等の条件を満たす箇所で、さら
に複数の文章に分割する。
ＳＴＥＰ９２：文書の形態素解析
サーバ１は、各文を形態素解析にかけ、構文解析の最小単位となるトークンを取り出す
。図９に示すように、各トークンには品詞が付与されている。
サーバ１は、各文を形態素解析にかけ、構文解析の最小単位となるトークンを取り出す
。図９に示すように、各トークンには品詞が付与されている。
ＳＴＥＰ９３：不要語・不要段落の削除
サーバ１は、予め定義された無効な文の判定ルールより、無効と定義される文、段落を
削除する。例えば、「■」、「▼」などの特定記号から始まる行、特定記号で囲まれた段
落、ＵＲＬ、メールアドレス、住所・電話番号などが記載された段落を削除する。
サーバ１は、予め定義された無効な文の判定ルールより、無効と定義される文、段落を
削除する。例えば、「■」、「▼」などの特定記号から始まる行、特定記号で囲まれた段
落、ＵＲＬ、メールアドレス、住所・電話番号などが記載された段落を削除する。
ＳＴＥＰ９４：ストップワード等の削除
サーバ１は、トークンから「に」、「から」、「これ」、「さん」などのあまり意味と
しては重要でないワード（ストップワード）や助詞などの特定品詞を削除する。
サーバ１は、トークンから「に」、「から」、「これ」、「さん」などのあまり意味と
しては重要でないワード（ストップワード）や助詞などの特定品詞を削除する。
ＳＴＥＰ９５：トークンバイグラムの作成
特定の条件（例えば、予め定義された品詞条件）を満たす複数のトークンを繋げ、トー
クンバイグラムを得る。例えば、「２０１４年」（名詞、固有名詞、一般）と「６月」（
名詞、固有名詞、一般）を繋げて「２０１４年６月」としたり、「ヴェルディ」（固有名
詞）と「協賛」（普通名詞）を繋げ、「ヴェルディ協賛」としたりする。
特定の条件（例えば、予め定義された品詞条件）を満たす複数のトークンを繋げ、トー
クンバイグラムを得る。例えば、「２０１４年」（名詞、固有名詞、一般）と「６月」（
名詞、固有名詞、一般）を繋げて「２０１４年６月」としたり、「ヴェルディ」（固有名
詞）と「協賛」（普通名詞）を繋げ、「ヴェルディ協賛」としたりする。
ＳＴＥＰ９６：重要文の抽出
トークンおよびトークンバイグラムを元にＴＦ－ＩＤＦなど単語の重要度を評価する指
標から特徴語となるトークンおよびトークンバイアグラムを抽出し、前述の単語類似度判
定などからテキストのセグメンテーションを行い、各セグメントから重要文を抽出するこ
とで要約とする。
トークンおよびトークンバイグラムを元にＴＦ－ＩＤＦなど単語の重要度を評価する指
標から特徴語となるトークンおよびトークンバイアグラムを抽出し、前述の単語類似度判
定などからテキストのセグメンテーションを行い、各セグメントから重要文を抽出するこ
とで要約とする。
ＳＴＥＰ９７：テンプレートへの当てはめ
要約（重要文）を構文解析にかけ、文節と構文木に別ける。上述の第３のデータ（例え
ばテンプレートデータ）は各カットに挿入できる文字数が定義されているところ、文節間
の修飾関係から、文章として自然な区間が各テンプレートに収まるように文を区切り、第
３のデータに当てはめる。図１０に、第３のデータの各カットへの文章の挿入例を示す。
以上に説明した要約文作成機能は、日本語のみならず、英語をはじめとする多言語に対応
が可能である。
要約（重要文）を構文解析にかけ、文節と構文木に別ける。上述の第３のデータ（例え
ばテンプレートデータ）は各カットに挿入できる文字数が定義されているところ、文節間
の修飾関係から、文章として自然な区間が各テンプレートに収まるように文を区切り、第
３のデータに当てはめる。図１０に、第３のデータの各カットへの文章の挿入例を示す。
以上に説明した要約文作成機能は、日本語のみならず、英語をはじめとする多言語に対応
が可能である。
以上に説明した実施形態例の本システムによれば、編集用ソフト、サーバ、専門技術を
持った編集者などを自前で揃えなくとも、簡単に複合コンテンツデータを作成することが
可能となる。例えば、下記のような場面での活用が想定される。
１）ＥＣショップで販売している商品情報の動画化
２）プレスリリース情報、ＣＳＲ情報などを動画で配信
３）利用方法・オペレーションフローなどのマニュアルを動画化
４）動画広告として活用できるクリエイティブを制作
持った編集者などを自前で揃えなくとも、簡単に複合コンテンツデータを作成することが
可能となる。例えば、下記のような場面での活用が想定される。
１）ＥＣショップで販売している商品情報の動画化
２）プレスリリース情報、ＣＳＲ情報などを動画で配信
３）利用方法・オペレーションフローなどのマニュアルを動画化
４）動画広告として活用できるクリエイティブを制作
以上、本発明の好ましい実施形態例について説明したが、本発明の技術的範囲は上記実
施形態の記載に限定されるものではない。上記実施形態例には様々な変更・改良を加える
ことが可能であり、そのような変更または改良を加えた形態のものも本発明の技術的範囲
に含まれる。
施形態の記載に限定されるものではない。上記実施形態例には様々な変更・改良を加える
ことが可能であり、そのような変更または改良を加えた形態のものも本発明の技術的範囲
に含まれる。
１ サーバ
２ 管理者端末
３ ユーザ端末
２ 管理者端末
３ ユーザ端末
Claims (10)
- 少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成する第２のデータ生成部と、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てる第
２のデータ割り当て部と、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータか
ら抽出された抽出情報に基づき、前記第２のデータと、前記素材コンテンツデータとを関
連付ける関連付け部と、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てる素材コン
テンツデータ割り当て部と、
を備えることを特徴とするサーバ。 - 前記被識別情報は、言語モデルにより定義された単語形式または文全体を表すベクトル
である、
ことを特徴とする請求項１に記載のサーバ。 - 前記第１のデータは、前記被識別情報を含むテキストデータである、
ことを特徴とする請求項１または２に記載のサーバ。 - 前記第２のデータは、前記第３のデータの各カットの最大文字数及び前記第１のデータ
の文節間の修飾関係を解析し、文章として自然な区間が各カットに収まるように文を区切
られたものである、
ことを特徴とする請求項１ないし３に記載のサーバ。 - 素材コンテンツデータは、画像データ、動画データ、音データの少なくともいずれか１
つである、
ことを特徴とする請求項１ないし４に記載のサーバ。 - 前記関連付け部は、前記第２のデータに含まれる被識別情報の少なくとも一部と、前記
素材コンテンツデータから抽出された抽出情報とを比較し、互いの類似度を判定して、前
記第２のデータに適した素材コンテンツデータと前記第２のデータとを互いに関連付けを
行う、
ことを特徴とする請求項１ないし５に記載のサーバ。 - 学習データを用いて機械学習を行った学習済モデルであり、前記素材コンテンツデータ
の前記抽出情報を抽出する分類器を備え、
前記抽出情報は、前記分類器が出力したクラスラベルである、
ことを特徴とする請求項６に記載のサーバ。 - 前記サーバは、さらに、前記第１のデータに含まれる文章情報を要約する機能を有し、
前記第２のデータ生成部は、前記要約から第２のデータを生成する、
ことを特徴とする請求項１ないし７のいずれかに記載のサーバ。 - 前記素材コンテンツデータは、ネットワーク上から取得されて、素材コンテンツデータ
記憶部に格納される、
ことを特徴とする請求項１ないし８のいずれかに記載のサーバ。 - 少なくとも被識別情報を含む第１のデータの入力を受け付け、前記被識別情報の少なく
とも一部を含む一以上の第２のデータを生成するステップと、
１つ以上のカットを含む第３のデータの前記カットに前記第２のデータを割り当てるス
テップと、
前記第２のデータに含まれる被識別情報の少なくとも一部と、素材コンテンツデータに
基づき、前記第２のデータと、前記素材コンテンツデータとを関連付けるステップと、
前記関連付けに基づき、前記カットに前記素材コンテンツデータを割り当てるステップ
と、を含む、
ことを特徴とするデータ割り当て方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021051066A JP6903365B1 (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020555080A JP6863648B1 (ja) | 2019-11-25 | 2019-11-25 | サーバおよびデータ割り当て方法 |
| PCT/JP2019/046027 WO2021106051A1 (ja) | 2019-11-25 | 2019-11-25 | サーバおよびデータ割り当て方法 |
| JP2021050999A JP2021097417A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051066A JP6903365B1 (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021050999A Division JP2021097417A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6903365B1 JP6903365B1 (ja) | 2021-07-14 |
| JP2022061935A true JP2022061935A (ja) | 2022-04-19 |
Family
ID=75520990
Family Applications (7)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020555080A Active JP6863648B1 (ja) | 2019-11-25 | 2019-11-25 | サーバおよびデータ割り当て方法 |
| JP2021051062A Pending JP2021119662A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021050999A Pending JP2021097417A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051063A Pending JP2021106397A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051065A Pending JP2021106398A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051066A Active JP6903365B1 (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051064A Active JP6903364B1 (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Family Applications Before (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020555080A Active JP6863648B1 (ja) | 2019-11-25 | 2019-11-25 | サーバおよびデータ割り当て方法 |
| JP2021051062A Pending JP2021119662A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021050999A Pending JP2021097417A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051063A Pending JP2021106397A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
| JP2021051065A Pending JP2021106398A (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021051064A Active JP6903364B1 (ja) | 2019-11-25 | 2021-03-25 | サーバおよびデータ割り当て方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (7) | JP6863648B1 (ja) |
| WO (1) | WO2021106051A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7030296B1 (ja) * | 2021-05-26 | 2022-03-07 | 株式会社エス・ケイ通信 | プログラム、方法、情報処理装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4865469B2 (ja) * | 2006-09-20 | 2012-02-01 | 日本放送協会 | コンテンツ制作サーバ、コンテンツ提示装置、コンテンツ制作プログラム、及びコンテンツ提示プログラム |
| JP5801104B2 (ja) * | 2011-06-06 | 2015-10-28 | アビックス株式会社 | Ｈｔｍｌ文書に基づく短編動画作品の自動制作 |
| JP6141167B2 (ja) * | 2013-10-21 | 2017-06-07 | 東芝テック株式会社 | コンテンツ作成装置及びプログラム |
| EP2869546B1 (en) * | 2013-10-31 | 2018-12-26 | Alcatel Lucent | Method and system for providing access to auxiliary information |
| JP6621054B2 (ja) * | 2016-06-27 | 2019-12-18 | ブラザー工業株式会社 | テープ印字装置及びトークデータ処理プログラム |
| JP7009840B2 (ja) * | 2017-08-30 | 2022-01-26 | 富士通株式会社 | 情報処理装置、情報処理方法及び対話制御システム |
| JP6485977B2 (ja) * | 2017-12-25 | 2019-03-20 | 株式会社フェイス | 字幕制作装置および字幕制作方法 |
| JP2019193023A (ja) * | 2018-04-20 | 2019-10-31 | Jcc株式会社 | 希望映像情報報知システム |
| JP6603925B1 (ja) * | 2018-06-22 | 2019-11-13 | 株式会社オープンエイト | 動画編集サーバおよびプログラム |
-
2019
- 2019-11-25 JP JP2020555080A patent/JP6863648B1/ja active Active
- 2019-11-25 WO PCT/JP2019/046027 patent/WO2021106051A1/ja active Application Filing
-
2021
- 2021-03-25 JP JP2021051062A patent/JP2021119662A/ja active Pending
- 2021-03-25 JP JP2021050999A patent/JP2021097417A/ja active Pending
- 2021-03-25 JP JP2021051063A patent/JP2021106397A/ja active Pending
- 2021-03-25 JP JP2021051065A patent/JP2021106398A/ja active Pending
- 2021-03-25 JP JP2021051066A patent/JP6903365B1/ja active Active
- 2021-03-25 JP JP2021051064A patent/JP6903364B1/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021119662A (ja) | 2021-08-12 |
| JP6863648B1 (ja) | 2021-04-21 |
| JP2021106398A (ja) | 2021-07-26 |
| JP2022061934A (ja) | 2022-04-19 |
| JP6903364B1 (ja) | 2021-07-14 |
| JP2021097417A (ja) | 2021-06-24 |
| JP6903365B1 (ja) | 2021-07-14 |
| WO2021106051A1 (ja) | 2021-06-03 |
| JP2021106397A (ja) | 2021-07-26 |
| JPWO2021106051A1 (ja) | 2021-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10096145B2 (en) | Method and system for assembling animated media based on keyword and string input | |
| JP2020005309A (ja) | 動画編集サーバおよびプログラム | |
| WO2019245033A1 (ja) | 動画編集サーバおよびプログラム | |
| CN112689189A (zh) | 一种视频展示、生成方法及装置 | |
| JP6730760B2 (ja) | サーバおよびプログラム、動画配信システム | |
| JP6730757B2 (ja) | サーバおよびプログラム、動画配信システム | |
| JP6903365B1 (ja) | サーバおよびデータ割り当て方法 | |
| US10691871B2 (en) | Devices, methods, and systems to convert standard-text to animated-text and multimedia | |
| Greenbacker et al. | A corpus of human-written summaries of line graphs | |
| JP6603929B1 (ja) | 動画編集サーバおよびプログラム | |
| JP2006050469A (ja) | コンテンツ生成装置、コンテンツ生成方法、プログラムおよび記録媒体 | |
| JP2007079736A (ja) | データ編集装置、データ編集方法およびデータ編集プログラム | |
| JP6713183B1 (ja) | サーバおよびプログラム | |
| KR102368823B1 (ko) | 뉴스 기사 기반 소셜 컨텐츠 서비스 장치 및 방법 | |
| WO2022003798A1 (ja) | サーバおよび複合コンテンツデータ作成システム、複合コンテンツデータ作成方法、プログラム | |
| KR20210136609A (ko) | 영상 뉴스 콘텐츠 생성 장치 및 방법 | |
| WO2022201236A1 (ja) | サーバおよびシステム、画像切り抜き方法、プログラム | |
| JP6979738B1 (ja) | サーバおよびアニメーション推薦システム、アニメーション推薦方法、プログラム | |
| JP2021117759A (ja) | テキスト情報編集装置及びテキスト情報編集方法 | |
| JP2020129357A (ja) | 動画編集サーバおよびプログラム | |
| JP6710884B2 (ja) | サーバおよびプログラム | |
| CN116680440A (zh) | 区段分割处理装置、方法以及存储介质 | |
| JP2016027415A (ja) | 文書読み上げ支援装置、方法及びプログラム | |
| TWM650984U (zh) | 簡報自動生成裝置 | |
| CN113569064A (zh) | 多媒体列表的名称生成方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210325 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210325 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210325 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210405 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210408 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210506 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210603 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210616 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6903365 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |