JP2022087835A - コミュニティ分類方法、コンピュータプログラム、およびコンピュータ装置 - Google Patents

Abstract

【課題】コミュニティのカテゴリを設定するための方法、システム、およびコンピュータプログラムを提供する。【解決手段】コミュニティのカテゴリを設定するための方法は、コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する段階、および分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する段階を含む。【選択図】図４

Description

以下の説明は、コミュニティを分類する技術に関する。

一般的なコミュニケーションツールであるインスタントメッセンジャー（Iｎｓｔａｎｔ Ｍｅｓｓｅｎｇｅｒ）は、メッセージやデータをリアルタイムで送受信することのできるソフトウェアであって、ユーザがメッセンジャー上に会話相手を登録すると、会話リストに登録された相手とリアルタイムでメッセージをやり取りすることができる。

このようなメッセンジャー機能は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）はもちろん、移動通信端末のモバイル環境でもその使用が普遍化している。

例えば、特許文献１（公開日２００２年９月３０日）には、携帯端末機にインストールされたモバイルメッセンジャー間でメッセンジャーサービスを提供することができるようにした、無線通信網を利用した携帯端末機のモバイルメッセンジャーサービスシステムおよび方法が開示されている。

韓国公開特許第１０－２００２－００７４３０４号公報

本開示は、コミュニティ内の実際の活動を分析して、実際の活動に合ったカテゴリを設定することができるコミュニティ分類方法、コンピュータプログラムおよびコンピュータ装置を提供することを目的とする。

本開示に係るコンピュータ装置は、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する特性抽出部、および、分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦部、を含む。

一側面によると、前記特性抽出部は、前記コミュニティ内の実際の活動として前記コミュニティで共有される資料を分析して前記コミュニティ特性を示すキーワードリストを抽出してよい。

他の側面によると、前記少なくとも１つのプロセッサは、前記ターゲットコミュニティと基準コミュニティとのコミュニティ特性類似度を測定し、前記コミュニティ特性類似度を基準として、少なくとも１つの基準コミュニティのカテゴリを前記ターゲットコミュニティのカテゴリとして決定するコミュニティ分類部、を含んでよい。

また他の側面によると、前記コミュニティ分類部は、カテゴリが設定されているコミュニティのうちで一定の基準を満たすコミュニティを前記基準コミュニティとして選定してよい。

また他の側面によると、前記少なくとも１つのプロセッサは、前記コミュニティ特性を示すキーワードリストをトピックモデリングに適用して前記コミュニティに対するカテゴリ加重値の組み合わせを生成し、前記コミュニティに対して、前記カテゴリ加重値の組み合わせに基づいて少なくとも１つのカテゴリを前記コミュニティに割り当てるコミュニティ分類部、をさらに含んでよい。

また他の側面によると、前記推薦部は、前記コミュニティのカテゴリ改編のために、前記コミュニティに割り当てられたカテゴリを前記コミュニティの管理者に推薦してよい。

また他の側面によると、前記推薦部は、前記コミュニティ内のターゲットコンテンツとして、前記コミュニティに割り当てられたカテゴリに対応する情報がターゲティング要素として含まれた情報コンテンツを推薦してよい。

また他の側面によると、前記推薦部は、前記コミュニティに提供可能な情報コンテンツに対して、前記情報コンテンツを分析した特性として抽出されたキーワードリストをトピックモデリングに適用して前記情報コンテンツに対するトピック加重値の組み合わせを生成し、前記情報コンテンツに対するトピック加重値の組み合わせを前記コミュニティに対するカテゴリ加重値の組み合わせと比較して、少なくとも１つのコミュニティを前記情報コンテンツのターゲット対象として選定してよい。

また他の側面によると、前記推薦部は、利用者個人の活動特性として抽出されたキーワードリストをトピックモデリングに適用して前記利用者に対するトピック加重値の組み合わせを生成し、前記利用者に対するトピック加重値の組み合わせを前記コミュニティに対するカテゴリ加重値の組み合わせと比較して、少なくとも１つのコミュニティを前記利用者に推薦してよい。

また他の側面によると、前記推薦部は、前記利用者と関連する活動情報を分析して前記活動特性を示すキーワードリストを抽出してよい。

さらに他の側面によると、前記推薦部は、前記利用者が登録している少なくとも１つのコミュニティのカテゴリ加重値の組み合わせを利用して前記利用者に対するトピック加重値の組み合わせを算出してよい。

本開示に係るコンピュータ装置が実行するコミュニティ分類方法においては、前記コンピュータ装置は、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記コミュニティ分類方法は、前記少なくとも１つのプロセッサにより、コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する抽出段階、および、前記少なくとも１つのプロセッサにより、分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦段階を含む。

また、本開示に係るコンピュータプログラムは、コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する特性抽出部、および、分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦部、をコンピュータ装置に実現させるためにコンピュータ読み取り可能な記録媒体に記録される、コンピュータプログラムである。

本発明の一実施形態における、ネットワーク環境の例を示した図である。 本発明の一実施形態における、コンピュータ装置の例を示したブロック図である。 本発明の一実施形態における、コンピュータ装置のプロセッサが含むことのできる構成要素の例を示した図である。 本発明の一実施形態における、コンピュータ装置が実行することのできるコミュニティ分類方法の一例を示したフローチャートである。 本発明の一実施形態における、コンピュータ装置が実行することのできるコミュニティ分類方法の他の例を示したフローチャートである。 本発明の一実施形態における、コミュニティ分類のためのトピックモデリング技法を説明するための図である。 本発明の一実施形態における、コミュニティ分類のためのトピックモデリング技法を説明するための図である。 本発明の一実施形態における、情報コンテンツ推薦方法の一例を説明するためのフローチャートである。 本発明の一実施形態における、コミュニティ推薦方法の一例を説明するためのフローチャートである。

以下、本発明の実施形態について、添付の図面を参照しながら詳しく説明する。

本発明の実施形態は、コミュニティを分類する技術に関する。

本明細書で具体的に開示される事項を含む実施形態は、コミュニティの効率的な管理とマーケティングのために実際の活動に合ったカテゴリを設定することができ、これにより、使用性、利便性、効率性、費用節減などの側面において相当な長所を達成することができる。

本発明の実施形態に係るコミュニティ分類システムは、少なくとも１つのコンピュータ装置によって実現されてよく、本発明の実施形態に係るコミュニティ分類方法は、コミュニティ分類システムに含まれる少なくとも１つのコンピュータ装置によって実行されてよい。このとき、コンピュータ装置においては、本発明の一実施形態に係るコンピュータプログラムがインストールされて実行されてよく、コンピュータ装置は、実行されたコンピュータプログラムの制御にしたがって本発明の実施形態に係るコミュニティ分類方法を実行してよい。上述したコンピュータプログラムは、コンピュータ装置と結合してコミュニティ分類方法をコンピュータに実行させるために、コンピュータ読み取り可能な記録媒体に記録されてよい。

図１は、本発明の一実施形態における、ネットワーク環境の例を示した図である。図１のネットワーク環境は、複数の電子機器１１０、１２０、１３０、１４０、複数のサーバ１５０、１６０、およびネットワーク１７０を含む例を示している。このような図１は、発明の説明のための一例に過ぎず、電子機器の数やサーバの数が図１のように限定されてはならない。また、図１のネットワーク環境は、本実施形態に適用可能な環境のうちの一例を説明するためのものに過ぎず、本実施形態に提供可能な環境が図１のネットワーク環境に限定されてはならない。

複数の電子機器１１０、１２０、１３０、１４０は、コンピュータ装置で実現される固定端末や移動端末であってよい。複数の電子機器１１０、１２０、１３０、１４０の例としては、スマートフォン、携帯電話、ナビゲーション、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノート型ＰＣ、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレットなどがある。一例として、図１では、電子機器１１０の例としてスマートフォンを示しているが、本発明の実施形態において、電子機器１１０は、実質的に無線または有線通信方式を利用し、ネットワーク１７０を介して他の電子機器１２０、１３０、１４０および／またはサーバ１５０、１６０と通信することのできる多様な物理的なコンピュータ装置のうちの１つを意味してよい。

通信方式が限定されることはなく、ネットワーク１７０が含むことのできる通信網（一例として、移動通信網、有線インターネット、無線インターネット、放送網）を利用する通信方式だけではなく、機器間の近距離無線通信が含まれてもよい。例えば、ネットワーク１７０は、ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＣＡＮ（Ｃａｍｐｕｓ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＭＡＮ（Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＢＢＮ（Ｂｒｏａｄｂａｎｄ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。さらに、ネットワーク１７０は、バスネットワーク、スターネットワーク、リングネットワーク、メッシュネットワーク、スター－バスネットワーク、ツリーまたは階層的ネットワークなどを含むネットワークトポロジのうちの任意の１つ以上を含んでもよいが、これらに限定されることはない。

サーバ１５０、１６０それぞれは、複数の電子機器１１０、１２０、１３０、１４０とネットワーク１７０を介して通信して命令、コード、ファイル、コンテンツ、サービスなどを提供する１つ以上のコンピュータ装置によって実現されてよい。例えば、サーバ１５０は、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０にサービス（一例として、コミュニティサービス（メッセンジャーやＳＮＳなど）、検索サービス、コンテンツ提供サービス、地図サービスなど）を提供するシステムであってよい。

図２は、本発明の一実施形態における、コンピュータ装置の例を示したブロック図である。上述した複数の電子機器１１０、１２０、１３０、１４０それぞれやサーバ１５０、１６０それぞれは、図２に示したコンピュータ装置２００によって実現されてよい。

このようなコンピュータ装置２００は、図２に示すように、メモリ２１０、プロセッサ２２０、通信インタフェース２３０、および入力／出力インタフェース２４０を含んでよい。メモリ２１０は、コンピュータ読み取り可能な記録媒体であって、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、およびディスクドライブのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭやディスクドライブのような永続的大容量記録装置は、メモリ２１０とは区分される別の永続的記録装置としてコンピュータ装置２００に含まれてもよい。また、メモリ２１０には、オペレーティングシステムと、少なくとも１つのプログラムコードが記録されてよい。このようなソフトウェア構成要素は、メモリ２１０とは別のコンピュータ読み取り可能な記録媒体からメモリ２１０にロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読み取り可能な記録媒体ではない通信インタフェース２３０を通じてメモリ２１０にロードされてもよい。例えば、ソフトウェア構成要素は、ネットワーク１７０を介して受信されるファイルによってインストールされるコンピュータプログラムに基づいてコンピュータ装置２００のメモリ２１０にロードされてよい。

プロセッサ２２０は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ２１０または通信モジュール２３０によって、プロセッサ２２０に提供されてよい。例えば、プロセッサ２２０は、メモリ２１０のような記録装置に記録されたプログラムコードにしたがって受信される命令を実行するように構成されてよい。

通信インタフェース２３０は、ネットワーク１７０を介してコンピュータ装置２００が他の電子機器（一例として、上述した記録装置）と互いに通信するための機能を提供してよい。一例として、コンピュータ装置２００のプロセッサ２２０がメモリ２１０のような記録装置に記録されたプログラムコードにしたがって生成した要求や命令、データ、ファイルなどが、通信インタフェース２３０の制御にしたがってネットワーク１７０を介して他の装置に伝達されてよい。これとは逆に、他の装置からの信号や命令、データ、ファイルなどが、ネットワーク１７０を介してコンピュータ装置２００の通信インタフェース２３０を通じてコンピュータ装置２００に受信されてよい。通信インタフェース２３０を通じて受信された信号や命令、データなどは、プロセッサ２２０やメモリ２１０に伝達されてよく、ファイルなどは、コンピュータ装置２００がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

入力／出力インタフェース２４０は、入力／出力装置２５０とのインタフェースのための手段であってよい。例えば、入力装置は、マイク、キーボード、またはマウスなどの装置を、出力装置は、ディスプレイ、スピーカなどのような装置を含んでよい。他の例として、入力／出力インタフェース２４０は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置２５０は、コンピュータ装置２００と１つの装置で構成されてもよい。

また、他の実施形態において、コンピュータ装置２００は、図２の構成要素よりも少ないか多くの構成要素を含んでもよい。しかし、大部分の従来技術的な構成要素を明確に図に示す必要はない。例えば、コンピュータ装置２００は、上述した入力／出力装置２５０のうちの少なくとも一部を含むように実現されてもよいし、トランシーバやデータベースなどのような他の構成要素をさらに含んでもよい。

以下では、コミュニティのカテゴリを設定するための方法およびシステムの具体的な実施形態について説明する。

本明細書において、コミュニティとは、分類対象となるものであり、メッセンジャーまたはＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｓｅｒｖｉｃｅ）などのインターネット上のコミュニケーション空間を包括したものを意味してよい。例えば、電話番号やＩＤなどを利用した友達追加の過程を経ずにＵＲＬのようなリンクから直ぐにチャットすることが可能なオープンチャット（ｏｐｅｎｃｈａｔ）や、各種サービスやコンテンツを提供するボット（ｂｏｔ）形態のアカウントを意味する公式アカウントなどが本発明の分類対象に含まれてよい。ただし、これに限定されてはらならず、共通の関心事や環境をもつ利用者が、チャット、掲示文、ポスト、メッセージ、コメントなどの多様なコミュニケーション機能によって疏通することができる空間であれば、本発明の分類対象として拡大して適用することが可能である。

コミュニティは、単なるコミュニケーション機能の枠を越え、様々な情報を共有するための空間として利用されている。このようなコミュニティは、管理とマーケティングに活用するためにカテゴリの設定が必要となっている。

しかし、利用者の立場では、カテゴリを設定することへの必要性や利得を認識できずに設定しない場合が多く、カテゴリが設定されていたとしても設定されたカテゴリと実際の活動とに差がある場合が多い。

そこで、本開示では、実際の活動に基づいてコミュニティのカテゴリを設定する方法とシステムを提供する。

図３は、本発明の一実施形態における、コンピュータ装置のプロセッサが含むことのできる構成要素の例を示したブロック図である。

本実施形態に係るコンピュータ装置２００は、クライアントを対象に、クライアント上にインストールされた専用アプリケーションやコンピュータ装置２００と関連するウェブ／モバイルサイトへの接続によってコミュニティサービスを提供してよい。コンピュータ装置２００には、コンピュータで実現されたコミュニティ分類システムが構成されてよい。一例として、コミュニティ分類システムは、独立的に動作するプログラム形態で実現されてもよいし、特定のアプリケーションのイン－アプリ（ｉｎ－ａｐｐ）形態で構成されて前記特定のアプリケーション上で動作が可能なように実現されてもよい。

コンピュータ装置２００のプロセッサ２２０は、以下で説明するコミュニティ分類方法を実行するための構成要素として、図３に示すように、特性抽出部３１０、コミュニティ分類部３２０、および推薦部３３０を含んでよい。実施形態によって、プロセッサ２２０の構成要素は、選択的にプロセッサ２２０に含まれても除外されてもよい。また、実施形態によって、プロセッサ２２０の構成要素は、プロセッサ２２０の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ２２０およびプロセッサ２２０の構成要素は、以下で説明するコミュニティ分類方法に含まれる段階を実行するようにコンピュータ装置２００を制御してよい。例えば、プロセッサ２２０およびプロセッサ２２０の構成要素は、メモリ２１０が含むオペレーティングシステムのコードと、少なくとも１つのプログラムのコードとによる命令を実行するように実現されてよい。

ここで、プロセッサ２２０の構成要素は、コンピュータ装置２００に記録されたプログラムコードが提供する命令にしたがってプロセッサ２２０によって実行される、互いに異なる機能の表現であってよい。例えば、コンピュータ装置２００がコミュニティ特性を抽出するように上述した命令にしたがってコンピュータ装置２００を制御するプロセッサ２２０の機能的表現として、特性抽出部３１０が利用されてよい。

プロセッサ２２０は、コンピュータ装置２００の制御と関連する命令がロードされたメモリ２１０から必要な命令を読み取ってよい。この場合、前記読み取られた命令は、プロセッサ２２０が以下で説明するコミュニティ分類方法を実行するように制御するための命令を含んでよい。

以下で説明するコミュニティ分類方法が含む段階は、図に示した順序とは異なる順序で実行されてもよいし、段階の一部が省略されたり追加の過程がさらに含まれたりしてもよい。

図４は、本発明の一実施形態における、コンピュータ装置が実行することのできるコミュニティ分類方法の一例を示したフローチャートである。

プロセッサ２２０は、コミュニティ内の実際の活動を分析し、カテゴリが設定されていないコミュニティを対象に、活動が類似するコミュニティのカテゴリを推薦してよい。

図４を参照すると、段階４１０で、特性抽出部３１０は、コミュニティごとに当該コミュニティの活動情報を利用してコミュニティ特性を抽出してよい。コミュニティの活動情報とは、コミュニティ内でなされている実際の活動を意味するものであって、コミュニティで共有されるすべての資料を含んでよい。例えば、利用者がメッセージによって共有するテキスト、写真、動画などを含む対話内容、利用者がリンクなどによって共有するドキュメント、写真、動画などを含むコンテンツ、コミュニティ管理者が掲示する掲示文などを含んでよい。特性抽出部３１０は、コミュニティの活動情報を分析してコミュニティ特性を示すキーワードリストを抽出してよい。一例として、特性抽出部３１０は、自然語処理技術に基づいて、コミュニティ内でなされた対話内容を分析してキーワードリストを抽出してよい。他の例として、特性抽出部３１０は、イメージ分析技術やＯＣＲ（光学的文字認識）などに基づいて、コミュニティ内で共有される写真や動画を分析してキーワードリストを抽出してよい。また他の例として、特性抽出部３１０は、コミュニティ内で共有される写真や動画のカテゴリを抽出することによってキーワードリストを抽出してよい。このとき、特性抽出部３１０は、コミュニティの活動情報のうちでコミュニティ管理者の活動情報から抽出されたキーワードに対しては、他のキーワードに比べて高い加重値を付与してよい。また、特性抽出部３１０は、コミュニティで共有される資料から抽出されたキーワードに対し、資料のタイプによって異なる加重値を付与してよい。例えば、テキストタイプの資料から抽出されたキーワードよりも、動画や写真から抽出されたキーワードに高い加重値を付与してよい。特性抽出部３１０は、コミュニティで共有される資料から抽出されたキーワードリストを単語埋め込み（ｗｏｒｄ ｅｍｂｅｄｄｉｎｇ）などによってベクトル化することにより、該当のコミュニティに対する特性ベクトルセットを抽出してよい。

段階４２０で、コミュニティ分類部３２０は、段階４１０で抽出されたコミュニティ特性を利用して、コミュニティ分類のためのターゲットコミュニティを対象に、カテゴリが既に設定されている少なくとも１つのコミュニティ（以下、「基準コミュニティ」とする）との類似度を測定してよい。コミュニティ分類部３２０は、カテゴリが既に設定されているコミュニティのうちから一定の基準を満たすコミュニティを基準コミュニティとして選定してよい。例えば、コミュニティ分類部３２０は、システム内部的に、コミュニティの登録会員数、やり取りした対話数、共有される資料数などが一定の基準を超える場合に、該当のコミュニティを基準コミュニティに自動で含ませてよい。一例として、コミュニティ分類部３２０は、カテゴリが設定されていないコミュニティをターゲットコミュニティとして選定し、ターゲットコミュニティと基準コミュニティとの間でコミュニティ特性を示すキーワードリストを比べることで類似度を測定してよい。コミュニティ分類部３２０は、ターゲットコミュニティと基準コミュニティの類似度を測定するにあたり、協調フィルタリング（ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ）アルゴリズムなどを活用してよい。協調フィルタリングとは、利用者の使用形態や消費記録などの活動情報を分析して利用者が選好する情報を予測する方法であって、コミュニティ分類部３２０は、コミュニティ特性に基づいて類似のパターンを有するコミュニティを識別してよい。協調フィルタリングは、ある程度の予測が可能なコミュニティと類似するパターンを有するコミュニティを検索した後、該当のコミュニティの行動を数値化して使用する方法と、アイテム同士の相関関係を決定するアイテムマトリックスを生成した後、マトリックスを利用しながらここ最近のコミュニティ特性に基づいて該当のコミュニティの特性を類推する方法、さらにコミュニティの行動に対する暗示的な観察に基づく方法などがある。上述したような協調フィルタリングに基づいて、ターゲットコミュニティと基準コミュニティの類似度を測定してよい。

上述した協調フィルタリングの他にも、公知のクラスタリングアルゴリズムや機械学習アルゴリズムなどを利用してコミュニティの類似度を測定することも可能である。

段階４３０で、コミュニティ分類部３２０は、基準コミュニティとの類似度に基づいてターゲットコミュニティのカテゴリを推定し、ターゲットコミュニティを少なくとも１つ以上のカテゴリに分類してよい。一例として、コミュニティ分類部３２０は、コミュニティ特性が最も類似する基準コミュニティのカテゴリをターゲットコミュニティのカテゴリとして決定してよい。他の例として、コミュニティ分類部３２０は、コミュニティ特性類似度を基準として選定された複数のコミュニティのカテゴリをターゲットコミュニティのカテゴリとして決定してよい。例えば、コミュニティ分類部３２０は、コミュニティ特性が一定のレベル以上類似するコミュニティのカテゴリにターゲットコミュニティを分類してよい。

推薦部３３０は、カテゴリが設定されていないコミュニティを対象にカテゴリ設定を提案してよく、カテゴリ設定を提案する過程において、基準コミュニティとの類似度に基づいて推定された少なくとも１つのカテゴリを推薦してよい。

したがって、プロセッサ２２０は、コミュニティ内の実際の活動を分析し、カテゴリが設定されていないコミュニティを対象に、活動が類似するコミュニティのカテゴリを推薦してよい。

図５は、本発明の一実施形態における、コンピュータ装置が実行することのできるコミュニティ分類方法の他の例を示したフローチャートである。図５のコミュニティ分類方法は、図４を参照しながら説明したコミュニティ分類方法に含まれてよく、実施形態によっては個別の過程として実行されてよい。

プロセッサ２２０は、コミュニティに設定されたカテゴリが実際の活動とは異なる場合、該当のコミュニティを対象に、カテゴリ変更を提案したり、システム内部的に実際の活動に合ったカテゴリを適用したりしてよい。

図５を参照すると、段階５４０で、コミュニティ分類部３２０は、各コミュニティのコミュニティ特性を示すキーワードリストをクラスタリング技法のうちのの１つであるトピックモデリングに適用して、該当のコミュニティに対するカテゴリの加重値の組み合わせを生成してよい。

図６および図７は、本発明の一実施形態における、コミュニティ分類のためのトピックモデリング技法を説明するための図である。図６に示すように、トピックモデリングとは、ドキュメント６０１からトピック６０２を検索する過程において、ドキュメント６０１を構成するキーワード６０３がどのトピック６０２に属するかを確率値で示す方法論である。トピック６０２は、ｋ個のキーワードの組み合わせによって定義されてよい。トピックモデリングはベイジアン確率モデルを使用し、モデリング結果は、ドキュメント６０１に存在する各キーワード６０３がトピック６０２それぞれに属する確率で表現されてよい。

コミュニティ分類部３２０は、トピックモデリングをコミュニティ分類に適用してよく、図７に示すように、トピックモデリングをコミュニティ分類に適用するために、ドキュメント６０１の代わりにコミュニティ７０１を、トピック６０２の代わりにカテゴリ７０２を、ドキュメント６０１に存在するキーワード６０３の代わりにカテゴリ特性を示すキーワード７０３を適用してよい。トピックモデリングの一例としてＬＳＩ（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ｉｎｄｅｘｉｎｇ）技法を利用することで、ドキュメント６０１－キーワード６０３行列のようにコミュニティ７０１－キーワード７０３行列にＳＶＤ（Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）を行ってよく、ＳＶＤによって低次元に変換されたベクトルがセマンティックス、すなわち、カテゴリ７０３を表現してよい。コミュニティ分類部３２０は、トピックモデリング技法によってコミュニティ７０１の実際の活動から抽出された各キーワード７０３がカテゴリ７０２それぞれに属する確率、すなわち、カテゴリ７０２の加重値の組み合わせを算出してよい。例えば、全体コミュニティ７０１から抽出されたキーワード７０３が１０件のカテゴリ７０２に分類されると仮定するとき、コミュニティ７０１それぞれに対するモデリング結果は、Ｗ１_Ｃ１、Ｗ２_Ｃ２、・・・、Ｗ１０_Ｃ１０（ここで、Ｃｎはｎ番目のカテゴリ、Ｗｎはｎ番目のカテゴリに対する加重値）のようにカテゴリ７０２の加重値の組み合わせとして出力されてよい。

コミュニティ分類部３２０は、トピックモデリングを利用して、コミュニティとの学習によって生成されたカテゴリ間の類似度集合を算出してよい。コミュニティに対するトピックモデリングによって生成されたトピックそれぞれは、目的に応じて適切なカテゴリタイトルとして選定されてよい。

再び図５を参照すると、段階５５０で、コミュニティ分類部３２０は、各コミュニティのカテゴリの加重値の組み合わせに基づいて、少なくとも１つのカテゴリを該当のコミュニティに割り当ててよい。一例として、コミュニティ分類部３２０は、カテゴリの加重値の組み合わせで加重値が最も高いカテゴリをコミュニティのカテゴリとして決定してよい。他の例として、コミュニティ分類部３２０は、カテゴリ加重値を基準として選定された複数のカテゴリをコミュニティのカテゴリとして決定してよい。例えば、コミュニティ分類部３２０は、カテゴリの加重値の組み合わせで加重値が一定のレベル以上のカテゴリにコミュニティを分類してよい。

プロセッサ２２０は、カテゴリ改編のための提案として、カテゴリの加重値の組み合わせに基づいて該当のコミュニティに割り当てられたカテゴリをコミュニティ管理者に推薦してよく、実施形態によっては、内部的に活用することも可能である。内部的に活用するということは、コミュニティ評価ロジックやコンテンツ推薦ロジックなどのように、内部的なロジックに必要な基準で活用することを意味してよい。コミュニティそれぞれに対しては、管理者が設定したカテゴリとともにカテゴリの加重値の組み合わせに基づいて割り当てられたカテゴリが管理されてよく、コミュニティに割り当てられたカテゴリを内部的に活用するためには、管理者が設定したカテゴリとは区分して管理されてよい。

プロセッサ２２０は、図５を参照しながら説明したコミュニティ分類方法により、コミュニティのカテゴリを周期的に改編してよい。コミュニティ分類のためのカテゴリセットをサービス運営者が直接設定する代わりに、コミュニティの実際の活動に基づいてカテゴリを自動生成してよい。トピックモデリングを適用しながらコミュニティの実際の活動に基づいてカテゴリを改編することはもちろん、１つのカテゴリが細分化されてもよく、活動のないカテゴリは削除するなど、コミュニティ分類のためのカテゴリセットが自動更新されてよい。ゲーム関連コミュニティが増加して利用者の活動が活発となる場合、ゲームカテゴリをコミュニティ特性に合うように細分化してよい。例えば、コミュニティ活動に基づいて、ゲームカテゴリを、ゲーム機種を基準としてコンソールゲーム、ＰＣゲーム、モバイルゲームなどに分けたり、ゲームジャンルを基準としてＲＰＧゲーム、リズムゲーム、アーケードゲーム、シミュレーションゲームなどに分けたりしてゲーム関連コミュニティを分類してよい。

段階５６０で、推薦部３３０は、コミュニティに割り当てられたカテゴリを内部的に活用するための一例として、コミュニティ内のターゲットコンテンツとして該当のコミュニティに割り当てられたカテゴリに対応する情報がターゲティング要素として含まれた情報コンテンツを推薦してよい。推薦部３３０は、コミュニティの実際の活動に合ったカテゴリを利用して、ターゲット広告などの情報コンテンツを提供してよい。

さらに、プロセッサ２２０は、情報コンテンツに対してトピックモデリングを利用して、正確なターゲット対象を決定してよい。

図８は、本発明の一実施形態において情報コンテンツ推薦方法の一例を説明するためのフローチャートである。図８の情報コンテンツ推薦方法は、図５を参照しながら説明したコミュニティ分類方法に含まれてよく、実施形態によっては個別の過程として実行されてよい。

図８を参照すると、段階８０１で、推薦部３３０は、情報コンテンツを分析した特性として抽出されたキーワードリストを図７で説明したトピックモデリング技法のような方式によって適用して、該当の情報コンテンツに対するトピックの加重値の組み合わせを生成してよい。例えば、広告の場合、広告のフレーズやカテゴリ、映像などを分析して該当の広告の特性を示すキーワードを抽出してよく、これをトピックモデリングに適用することで、広告から抽出された各キーワードがトピックそれぞれに属する確率、すなわち、トピックの加重値の組み合わせを算出してよい。

段階８０２で、推薦部３３０は、情報コンテンツに対するトピックの加重値の組み合わせと全体コミュニティに対して段階５４０で生成されたカテゴリの加重値の組み合わせとを比較し、同一あるいは類似するカテゴリの加重値の組み合わせを有する少なくとも１つのコミュニティを選定してよい。

段階８０３で、推薦部３３０は、段階８０２で選定されたコミュニティをターゲットとして情報コンテンツを推薦してよい。

したがって、プロセッサ２２０は、情報コンテンツを提供するターゲット対象として、全体コミュニティのうちから該当の情報コンテンツに対するトピックの加重値の組み合わせと同一あるいは類似するコミュニティを検索してよい。

図９は、本発明の一実施形態における、コミュニティ推薦方法の一例を説明するためのフローチャートである。図９のコミュニティ推薦方法は、図５を参照しながら説明したコミュニティ分類方法に含まれてよく、実施形態によっては個別の過程として実行されてよい。

プロセッサ２２０は、利用者個人の活動特性と類似性が高いカテゴリのコミュニティを推薦してよい。

図９を参照すると、段階９０１で、推薦部３３０は、利用者個人の活動特性として抽出されたキーワードリストをトピックモデリングに適用して、該当の利用者に対するトピックの加重値の組み合わせを生成してよい。一例として、推薦部３３０は、利用者と関連して取得することが可能な活動情報、例えば、利用者個人が他の利用者とやり取りした対話内容、利用者が撮影した写真や動画、利用者が消費した写真や動画などを分析して、利用者の活動特性を示すキーワードリストを抽出してよい。利用者と関連する活動情報は、プロセッサ２２０と連動可能なプラットフォーム（例えば、メッセンジャーやＳＮＳなど）から収集してもよいし、利用者の電子機器（例えば、電子機器１１０など）から収集してもよい。推薦部３３０は、利用者個人の活動特性として抽出されたキーワードリストを図７で説明したトピックモデリング技法のような方式で適用して、該当の利用者に対するトピックの加重値の組み合わせを生成してよい。他の例として、推薦部３３０は、利用者が既に登録しているコミュニティが存在する場合、該当のコミュニティに対して段階５４０で生成されたカテゴリの加重値の組み合わせを抽出して、該当の利用者に対するトピックの加重値の組み合わせとして活用してよい。推薦部３３０は、利用者が登録しているコミュニティが複数である場合、コミュニティそれぞれに対するカテゴリの加重値の組み合わせを結合して（ａｇｇｒｅｇａｔｉｏｎ）１つの加重値の組み合わせを算出してよい。例えば、推薦部３３０は、平均値、最大値、最小値、中間値などを利用して、利用者が登録している全体コミュニティのカテゴリの加重値の組み合わせを結合してよい。

段階９０２で、推薦部３３０は、利用者個人に対するトピックの加重値の組み合わせと全体コミュニティに対して段階５４０で生成されたカテゴリの加重値の組み合わせを比較し、同一あるいは類似するカテゴリの加重値の組み合わせを有する少なくとも１つのコミュニティを選定してよい。

段階９０３で、推薦部３３０は、利用者を対象に、段階９０２で選定されたコミュニティを推薦してよい。

したがって、プロセッサ２２０は、利用者個人の活動特性と類似するコミュニティを検索して推薦することができる。

このように、本発明の実施形態によると、コミュニティ内の実際の活動を分析して実際の活動に合ったカテゴリを設定することができ、コミュニティのカテゴリをコミュニティ特性に合わせて細分化したり、新たなカテゴリに更新したりすることができる。また、本発明の実施形態によると、コミュニティ内の実際の活動に基づいたカテゴリにターゲティングされた情報コンテンツを推薦することができ、利用者個人の活動特性と類似性が高いカテゴリのコミュニティを推薦することができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（Ａｒｉｔｈｍｅｔｉｃ Ｌｏｇｉｃ Ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＰＬＵ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、思うままに動作するように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。ここで、媒体は、コンピュータ実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時記録するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体に限定されることはなく、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ－ＲＯＭおよびＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が記録されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを配布するアプリケーションストアやその他の多様なソフトウェアを供給または配布するサイト、サーバなどで管理する記録媒体または格納媒体が挙げられる。

以上のように、実施形態を、限定された実施形態および図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって対置されたり置換されたとしても、適切な結果を達成することができる。

１１０、１２０、１３０、１４０ 電子機器
１５０、１６０ サーバ
１７０ ネットワーク
２００ コンピュータ装置
２１０ メモリ
２２０ プロセッサ
２３０ 通信インタフェース
２４０ 入力／出力インタフェース
２５０ 入力／出力装置
３１０ 特性抽出部
３２０ コミュニティ分類部
３３０ 推薦部
６０１ ドキュメント
６０２ トピック
６０３ キーワード
７０１ コミュニティ
７０２ カテゴリ
７０３ キーワード

Claims (13)

1. コンピュータ装置であって、
   メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
   前記少なくとも１つのプロセッサは、
   コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する特性抽出部、および、
   分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦部、
   を含む、コンピュータ装置。
2. 前記特性抽出部は、
   前記コミュニティ内の実際の活動として前記コミュニティで共有される資料を分析して前記コミュニティ特性を示すキーワードリストを抽出する請求項１に記載のコンピュータ装置。
3. 前記少なくとも１つのプロセッサは、
   前記ターゲットコミュニティと基準コミュニティとのコミュニティ特性類似度を測定し、前記コミュニティ特性類似度を基準として、少なくとも１つの基準コミュニティのカテゴリを前記ターゲットコミュニティのカテゴリとして決定するコミュニティ分類部、
   を含む、請求項１に記載のコンピュータ装置。
4. 前記コミュニティ分類部は、
   カテゴリが設定されているコミュニティのうちで一定の基準を満たすコミュニティを前記基準コミュニティとして選定する請求項３に記載のコンピュータ装置。
5. 前記少なくとも１つのプロセッサは、
   前記コミュニティ特性を示すキーワードリストをトピックモデリングに適用して前記コミュニティに対するカテゴリ加重値の組み合わせを生成し、前記コミュニティに対して、前記カテゴリ加重値の組み合わせに基づいて少なくとも１つのカテゴリを前記コミュニティに割り当てるコミュニティ分類部、
   をさらに含む、コンピュータ装置。
6. 前記推薦部は、
   前記コミュニティのカテゴリ改編のために、前記コミュニティに割り当てられたカテゴリを前記コミュニティの管理者に推薦する請求項５に記載のコンピュータ装置。
7. 前記推薦部は、
   前記コミュニティ内のターゲットコンテンツとして、前記コミュニティに割り当てられたカテゴリに対応する情報がターゲティング要素として含まれた情報コンテンツを推薦する請求項５に記載のコンピュータ装置。
8. 前記推薦部は、
   前記コミュニティに提供可能な情報コンテンツに対して、前記情報コンテンツを分析した特性として抽出されたキーワードリストをトピックモデリングに適用して前記情報コンテンツに対するトピック加重値の組み合わせを生成し、前記情報コンテンツに対するトピック加重値の組み合わせを前記コミュニティに対するカテゴリ加重値の組み合わせと比較して、少なくとも１つのコミュニティを前記情報コンテンツのターゲット対象として選定する請求項５に記載のコンピュータ装置。
9. 前記推薦部は、利用者個人の活動特性として抽出されたキーワードリストをトピックモデリングに適用して、前記利用者に対するトピック加重値の組み合わせを生成し、前記利用者に対するトピック加重値の組み合わせを前記コミュニティに対するカテゴリ加重値の組み合わせと比較して、少なくとも１つのコミュニティを前記利用者に推薦する請求項５に記載のコンピュータ装置。
10. 前記推薦部は、
    前記利用者と関連する活動情報を分析して、前記活動特性を示すキーワードリストを抽出する請求項９に記載のコンピュータ装置。
11. 前記推薦部は、
    前記利用者が登録した少なくとも１つのコミュニティのカテゴリ加重値の組み合わせを利用して、前記利用者に対するトピック加重値の組み合わせを算出する請求項９に記載のコンピュータ装置。
12. コンピュータ装置が実行するコミュニティ分類方法であって、
    前記コンピュータ装置は、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
    前記少なくとも１つのプロセッサにより、コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する抽出段階、および、
    前記少なくとも１つのプロセッサにより、分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦段階
    を含む、コミュニティ分類方法。
13. コミュニティごとに当該コミュニティの活動情報からコミュニティ特性を抽出する特性抽出部、および、
    分類しようとするターゲットコミュニティに対する少なくとも１つのカテゴリを、前記コミュニティ特性に基づいて推薦する推薦部、
    をコンピュータ装置に実現させるためのコンピュータプログラム。

Images