JP2022115160A - 情報処理装置、情報処理システム、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】配信されるニュースの内容をユーザに信頼させることができる情報処理装置、情報処理システム、情報処理方法、及びプログラムを提供する。【解決手段】情報処理装置は、ネットワークを介して提供されるニュースの本文と、前記ニュースに付されたタイトルを収集する収集部と、前記本文と前記タイトルに含まれるワードに基づいて、前記本文と前記タイトルをそれぞれクラスタリングする分析部と、前記クラスタリングの結果に基づいて、前記本文と前記タイトルの合致度を導出する導出部と、を備える。【選択図】図５

Description

本発明は、情報処理装置、情報処理システム、情報処理方法、及びプログラムに関する。

近年、ニュース配信業者がニュースを収集し、収集したニュースを配信するサービスが提供されている。ニュース配信業者が収集するニュースには、偽のニュース、いわゆるフェイクニュースが含まれることがある。フェイクニュースの伝達を阻止するために、従来、人手を介して発見したフェイクニュースの特徴を学習し、学習結果に基づきフェイクニュースを自動的に検知する技術がある（例えば、特許文献１参照）。

特開２０２０－１１３１７９号公報

しかし、多数あるニュースの中からフェイクニュースを見抜くことは簡単ではない。このため、ニュース配信業者により配信されるニュースには、信用度の低いニュースから信用度の高いニュースまで様々なニュースがある。このよう様々なニュース配信業者からニュースを配信されたユーザは、ニュースの内容を見ても一律的にその内容を信頼することが難しいという問題があった。

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、配信されるニュースの内容をユーザに信頼させることができる情報処理装置、情報処理システム、情報処理方法、及びプログラムを提供することを目的の一つとする。

本発明の一態様は、ニュースの本文と、前記ニュースに付されたタイトルを収集する収集部と、前記本文と前記タイトルに含まれるワードに基づいて、前記本文と前記タイトルをそれぞれクラスタリングする分析部と、前記クラスタリングの結果に基づいて、前記本文と前記タイトルの合致度を求める分析部と、を備える、情報処理装置である。

本発明の一態様によれば、配信されるニュースの内容をユーザに信頼させることができる。

情報処理システムＭにおいて、情報処理装置１００が取り扱うニュースに関する情報の伝達の一例を示す図である。 ニュース配信サーバ２の構成の一例を示す図である。 端末装置１０に表示されたトップページＧ１の一例である。 端末装置１０に表示されたニュースページＧ２の一例を示す図である。 情報処理装置１００の構成の一例を示す図である。 図６は、学習済モデル１５１の機能を概念的に示す図である。 情報処理システムＭにより実行される処理の流れの一例を示すシーケンス図である。

以下、図面を参照し、本発明の情報処理装置、情報処理システム、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。

［概要］
図１は、情報処理システムＭにおいて、情報処理装置１００が取り扱うニュースに関する情報の伝達の一例を示す図である。情報処理システムＭは、例えば、一以上の投稿者端末１、ニュース配信サーバ２、端末装置１０、及び情報処理装置１００を含む。情報処理装置１００は、ネットワークを介して複数の投稿者端末１、ニュース配信サーバ２、及び複数の端末装置１０と接続される。ネットワークは、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、セルラー網などを含む。

投稿者は、投稿者端末１を用いて、世の中で起こる様々な事象に関するニュースを作成し、作成したニュースをニュース配信サーバ２に投稿する。投稿者端末１を用いてニュースを投稿する投稿者は、例えば、いわゆるメディアなどのニュースの投稿を業とする法人でもよいし、法人以外の自然人でもよい。ニュース配信サーバ２は、投稿者端末１により投稿されたニュースを端末装置１０に配信する。ニュース配信サーバ２は、ニュース配信装置の一例である。

端末装置１０は、例えば、ニュース配信サーバ２によりネットワークを介して配信されることによって提供されるニュースを表示する。端末装置１０を占有するユーザは、端末装置１０にニュースが表示されることにより、投稿者が投稿するニュースの内容を知ることができる。

情報処理装置１００は、ニュース配信サーバ２に配信されたニュースを取得する。情報処理装置１００は、取得したニュースのタイトルと本文の合致度を示す情報を導出し、取得したニュースがフェイクニュースである信頼度を判定する。情報処理装置１００は、導出した合致度及び判定した信頼度の情報をニュース配信サーバ２に送信する。

［ニュース配信サーバ２］
ニュース配信サーバ２は、例えば、１以上のプロセッサにより実現される。図２は、ニュース配信サーバ２の構成の一例を示す図である。ニュース配信サーバ２は、例えば、通信部２１０と、処理部２２０と、を備える。通信部２１０は、例えば、ＮＩＣ等の通信インターフェースを含む。通信部２１０は、ネットワークを介して、端末装置１０や情報処理装置１００などと通信する。

処理部２２０は、例えば、収集部２２１と、決定部２２２と、配信部２２３と、を備える。処理部２２０の各構成要素は、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。これらの構成要素のうち一部または全部は、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。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶部装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。上記の全ての構成要素が一つのプロセッサにより実現される必要はなく、適宜、複数のプロセッサによる分散処理などがなされてもよい。

収集部２２１は、複数の投稿者端末１により投稿される複数のニュースを収集する。収集部２２１は、収集したニュースをまとめて決定部２２２に通知する。決定部２２２は、収集部２２１により通知されたニュースの内容を選別したり、複数のニュースをジャンルに応じて分類したりする。

決定部２２２は、収集部２２１が分類した複数のニュースを情報処理装置１００に送信する。決定部２２２は、収集部２２１が分類する前のニュースを情報処理装置１００に送信してもよい。情報処理装置１００は、ニュース配信サーバ２が送信したニュースの合致度を導出し、信頼度を判定してニュース配信サーバ２に送信する。ニュース配信サーバ２は、情報処理装置１００により送信される信頼度の情報に基づいて、分類したニュースの優先順位を決定する。

決定部２２２は、分類したジャンルを示すメタ情報をニュースに付与する。決定部２２２は、情報処理装置により送信される合致度をニュースに付与する。決定部２２２は、ニュースの情報を、付与した優先順位、メタ情報、及び情報処理装置１００により送信される合致度とともに配信部２２３に通知する。配信部２２３は、決定部２２２により通知されたニュースの情報を端末装置１０に配信する。

［端末装置１０］
端末装置１０は、例えば、スマートフォンであり、画像を表示する表示部と入力部とを兼用するタッチパネルを備える。端末装置１０は、スマートフォン以外の携帯電話やタブレット端末、ノート型あるいはデスクトップ型のパーソナルコンピュータ、ＰＤＡ（Personal Digital Assistant）などの、少なくとも通信機能と表示機能を有するものであればよい。

端末装置１０では、例えば、アプリケーションプログラムやブラウザなどのＵＡ（User Agent）が動作する。端末装置１０は、例えば、ニュースを表示させるＵＡが動作し、ニュース配信サーバ２にリクエストを送信することにより、ニュース配信サーバ２により配信される。そして、端末装置１０は、配信されたニュースをタッチパネルに表示可能となる。

端末装置１０のユーザは、ニュース配信サーバ２によるニュースの配信を受けたいときに、ＵＡを起動（動作）させる。端末装置１０のユーザは、ＵＡが動作中である端末装置１０を操作することにより、端末装置１０に対して、ニュース配信リクエストをニュース配信サーバ２に向けて送信させる。

ニュース配信サーバ２は、端末装置１０により送信されるニュース配信リクエストに応じて、ニュースコンテンツとしてのトップページを端末装置１０に配信する。端末装置１０は、ニュース配信サーバ２により配信されるトップページをタッチパネルに表示する。トップページは、ニュースのタイトルとサムネイルを含むフロント画像の一覧を含むコンテンツである。

図３は、端末装置１０に表示されたトップページＧ１の一例である。図示するように、端末装置１０は、トップページＧ１に、ジャンルＧ１１と、フロント画像Ｇ１２と、を表示する。ジャンルＧ１１は、トップページＧ１の上方に表示される。ジャンルＧ１１には、メタ情報としてニュースに付与されるジャンルの内容が含まれる。ジャンルＧ１１は、例えば「主要」「エンタメ」「スポーツ」「国内」「経済」「国際」などのジャンルがタブに表示される。複数のジャンルＧ１１から１つのジャンルＧ１１の１つが選択されると、選択されたジャンルのタブが暗転し、選択されたジャンルのメタ情報が付与されたニュースのフロント画像Ｇ１２が順に複数表示される。

フロント画像Ｇ１２には、サムネイルＧ１３とタイトルＧ１４と合致度Ｇ１５とが含まれる。フロント画像Ｇ１２に含まれるタイトルＧ１４には、文字数の制限が課されている。このため、フロント画像Ｇ１２のタイトルＧ１４は、ニュースの本文に含まれるニュースのタイトルを簡素化したタイトルであることがある。フロント画像Ｇ１２は、ニュースに付与された表示優先度が高い順（ランキングが高い順）に上から表示される。

端末装置１０は、フロント画像Ｇ１２が操作されると、フロント画像Ｇ１２が示すニュースに応じた指定リクエストをニュース配信サーバ２に送信する。ニュース配信サーバ２は、例えば、端末装置１０により送信される指定リクエストを受信した場合に、指定リクエストに応じたニュースの本文を端末装置１０に配信する。ニュース配信サーバ２によりニュースの本文を配信された端末装置１０は、ニュース画像をタッチパネルに表示する。ニュース配信サーバ２は、トップページＧ１とともにニュースの本文を端末装置１０に配信してもよい。

図４は、端末装置１０に表示されたニュースページＧ２の一例を示す図である。図示するように、ニュースページＧ２には、拡大画像Ｇ２１と、タイトルＧ２２と、合致度Ｇ２３と、フロント本文Ｇ２４と、表示継続ボタンＧ２５とが含まれる。拡大画像Ｇ２１は、例えば、フロント画像Ｇ１２に含まれるサムネイルＧ１３を拡大した画像である。フロント画像Ｇ１２では、狭い領域で複数のニュースを表示することから、サムネイルＧ１３は小さな画像となる。ニュースページＧ２では、画像を表示する領域を広くとることができる。このため、ニュースページＧ２に含まれる拡大画像Ｇ２１は、サムネイルＧ１３より大きな画像とすることができる。

拡大画像Ｇ２１の下にタイトルＧ２２が表示される。タイトルＧ２２は、例えば、フロント画像Ｇ１２に含まれるタイトルＧ１４と共通の内容である。フロント画像Ｇ１２に含まれるタイトルＧ１４は、表示スペースが狭い場合には、長文を入れることができないことがある。このため、フロント画像Ｇ１２に含まれるタイトルＧ１４は、タイトルＧ２２を簡略化したタイトルとなる。

拡大画像Ｇ２１とタイトルＧ２２の間に合致度Ｇ２３が表示される。合致度Ｇ２３は、フロントページに表示される合致度と同一の合致度である。タイトルＧ２２の下にフロント本文Ｇ２４が表示される。フロント本文Ｇ２４は、ニュースの本文のうち、最初の数行を示す文章である。フロント本文Ｇ２４の下に表示継続ボタンＧ２５が表示される。表示継続ボタンＧ２５が操作されることにより、ニュースの本文が表示される。ニュースの本文が長い場合には、端末装置１０の表示がスクロールされることにより、ニュースの全文が順次表示される。ここで表示されるニュースの本文にも、タイトル及び拡大画像が合わせて表示される。

［情報処理装置１００の構成］
情報処理装置１００は、例えば、１以上のプロセッサにより実現される。図５は、情報処理装置１００の構成の一例を示す図である。情報処理装置１００は、例えば、通信部１１０と、処理部１２０と、記憶部１５０と、を備える。通信部１１０は、例えば、ＮＩＣ等の通信インターフェースを含む。通信部１１０は、ネットワークを介して、ニュース配信サーバ２などと通信する。

処理部１２０は、例えば、収集部１２１と、分析部１２２と、導出部１２３と、生成部１２４と、判定部１２５と、を備える。処理部１２０の各構成要素は、例えば、ＣＰＵ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。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵ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。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶部装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。上記の全ての構成要素が一つのプロセッサにより実現される必要はなく、適宜、複数のプロセッサによる分散処理などがなされてもよい。

情報処理装置１００は、さらに、記憶部１５０を備える。記憶部１５０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などの記憶装置により実現される。記憶部１５０には、ファームウェアやアプリケーションプログラムなどの各種プログラムの他、学習済モデル１５１を記憶する。記憶部１５０は、情報処理装置１００に付随する装置ではなく、ネットワークなどを介して情報処理装置１００からアクセス可能なＮＡＳ（Network Attached Storage）であってもよい。

収集部１２１は、ニュース配信サーバ２により配信される複数のニュースを取得する。収集部１２１は、収集したニュースのそれぞれについて、ニュースのタイトル及び本文を抽出する。収集部１２１は、収集したニュースのタイトル及び本文を分析部１２２に通知する。

分析部１２２は、ニュースのタイトルと本文のそれぞれに対して、例えば自然言語処理を行い、タイトル及び本文に含まれるワードを抽出する。分析部１２２は、タイトル及び本文に含まれるワードの存在に基づいてタイトル及び本文をベクトル化してクラスタリングし、タイトルベクトル及び本文ベクトルを生成する。分析部１２２は、例えば、タイトルに含まれるワードに対応するベクトル要素を１、そうでないベクトル要素をゼロとした疎ベクトルであるタイトルベクトルを生成する。そして、分析部１２２は、タイトルベクトルのベクトル空間上の位置に基づいてタイトルをクラスタリングする。

分析部１２２は、同様に、例えば、本文に含まれるワードに対応するベクトル要素を１、そうでないベクトル要素をゼロとした疎ベクトルである本文ベクトルを生成する。そして、分析部１２２は、本文ベクトルのベクトル空間上の位置に基づいて本文をクラスタリングする。分析部１２２は、クラスタリングの結果として得られたタイトルベクトル及び本文ベクトルを導出部１２３に通知する。

分析部１２２は、クラスタリングとしてどのような手法を用いてもよい。分析部１２２は、例えば、単リンク法（最短距離法）、完全リンク法（最長距離法）、群平均法、Ｗｏｒｄ法（最小分散法）、セントロイド法（重心法）、重み付き平均法、メジアン法、Ｋ平均法など公知の手法を用いてよい。

導出部１２３は、分析部１２２におけるクラスタリングの結果に基づいて、ニュースのタイトルと本文の合致度を導出する。合致度は、ニュースのタイトルと本文の内容が合致する割合を表す指標値である。例えば、本文の内容を的確かつ端的に表しているタイトルが付与されたニュースでは、合致度が高く導出され、大げさな内容のタイトルが付与されているが本文の内容はタイトルとはかけ離れた内容である場合には、合致度は低く導出される。

導出部１２３は、ニュースのタイトルと本文の合致度として、例えば、分析部１２２が生成したタイトルベクトルと本文ベクトルのコサイン類似度を算出する。導出部１２３は、算出したコサイン類似度をニュースのタイトルと本文の合致度として導出する。ニュースのタイトルと本文の合致度は、他の手法により導出されてもよい。導出部１２３は、導出した合致度をニュース配信サーバ２に送信する。

生成部１２４は、収集部１２１が抽出したニュースのタイトル及び本文に基づいて、学習済モデル１５１を生成する。生成部１２４は、例えば、収集部１２１が収集したニュースから抽出したニュースのタイトル及び本文を学習データとした機械学習を行って最適化された学習済モデルを生成する。

図６は、学習済モデル１５１の機能を概念的に示す図である。学習済モデル１５１は、例えば、ニュースのタイトル及び本文を入力データとし、ニュースがフェイクニュースであるか否かを出力データとする。学習済モデル１５１は、例えば、入力層と中間層と出力層とを有する。

入力層には、ニュースのタイトル及び本文のデータが入力される。出力層からは、ニュースがフェイクニュースであるか否かの結果が出力される。中間層は、例えば、入力層と出力層をつなぐ多層のニューラルネットワークを有する。学習済モデルとしては、例えば、トランスフォーマー、バートが用いられる。学習済モデルによる処理の前処理として、ＴＦ－ＩＤＦ（Term FrequencyーInverse Document Frequency）等でワードを絞り込む処理が行われてもよい。

生成部１２４は、例えば、何らかの手法でニュースがフェイクニュースであると判定されたときのデータを正解データとし、学習済モデル１５１の元となる機械学習モデルのパラメータを調整する。生成部１２４は、入力層への入力データを学習データとし、出力層から出力されるべきデータを正解データとして、バックプロパゲーション等により中間層のパラメータを調整することで、機械学習モデルを最適化することにより、学習済モデル１５１を生成する。生成部１２４は、生成した学習済モデル１５１を記憶部１５０に格納する。

判定部１２５は、例えば、記憶部１５０から学習済モデル１５１を読み出す。判定部１２５は、収集部１２１が抽出したニュースのタイトル及び本文を入力データとして学習済モデル１５１に入力することで、収集部１２１が収集したニュースがフェイクニュースである信頼度を判定する。さらに、判定部１２５は、例えば、導出部１２３が導出した合致度が低いほど、信頼度を大きく判定する。判定部１２５は、判定した信頼度をニュース配信サーバ２に送信する。

［処理シーケンス］
次に、情報処理システムＭによって実行される一連の処理について説明する。図７は、情報処理システムＭにより実行される処理の流れの一例を示すシーケンス図である。まず、投稿者端末１は、作成したニュースをニュース配信サーバ２に投稿する（ステップＳ１）。投稿者端末１は複数あり、ニュース配信サーバ２には、複数の投稿者端末１からニュースが投稿される。それぞれの投稿者端末１は、ニュース配信サーバ２に対して複数のニュースを投稿する。

ニュース配信サーバ２は、投稿者端末１により投稿されたニュースを収集部２２１においてし、続いて、決定部２２２は、収集部２２１が収集したニュースを分類する（ステップＳ１１）。ニュース配信サーバ２は、決定部２２２において分類したニュースを情報処理装置１００に送信する（ステップＳ２）。

ニュースを送信された情報処理装置１００は、収集部１２１においてニュースを収集し、収集したニュースのタイトルと本文を抽出する。続いて、分析部１２２は、収集部１２１が抽出したニュースのタイトルと本文をそれぞれクラスタリングして（ステップＳ２１）、タイトルベクトル及び本文ベクトルを生成する。

続いて、導出部１２３は、分析部１２２が生成したタイトルベクトル及び本文ベクトルを用いて、ニュースのタイトルと本文の合致度を導出する（ステップＳ２２）。続いて、生成部１２４は、ニュースのタイトル及び本文を学習データとした機械学習を行って最適化された学習済モデルを生成する（ステップＳ２３）。

続いて、判定部１２５は、学習済モデル１５１を記憶部１５０から読み出す。判定部１２５は、収集部１２１が抽出したニュースのタイトル及び本文を入力データとして学習済モデル１５１に入力する。こうして、判定部１２５は、収集部１２１が収集したニュースがフェイクニュースである信頼度を判定する（ステップＳ２４）。その後、情報処理装置１００は、導出部１２３が導出した導出度及び判定部１２５が判定した信頼度をニュース配信サーバ２に送信する（ステップＳ３）。

ニュース配信サーバ２は、決定部２２２において、情報処理装置１００により送信された信頼度に基づいて、ニュースの優先順位を決定する（ステップＳ１２）。続いて、ニュース配信サーバ２は、複数のニュースについて、優先順位とともに分類したジャンルを示すメタ情報及びタイトルと本文の合致度を付与して端末装置１０に配信する（ステップＳ４）。

ニュースの配信を受けた端末装置１０は、配信されたニュースを表示する（ステップＳ３１）。端末装置１０は、ニュースを表示するにあたり、ニュースに付与されたメタ情報に基づいてニュースを分類する。さらに、端末装置１０は、ニュースに付与された優先順位が高い順に上からニュースを並べて表示する。さらに、端末装置１０は、ニュースに付与された合致度をニュースとともに表示する。こうして、情報処理システムＭによって実行される一連の処理が終了する。

実施形態の情報処理装置１００は、ニュースのタイトルと本文をクラスタリングしてタイトルベクトルと本文ベクトルを生成し、タイトルと本文の合致度を導出する。タイトルと本文の合致度が低いと、ニュースがフェイクニュースである可能性が高くなる傾向が見てとれる。このため、タイトルと本文の合致度を導出して、導出した合致度に応じてニュースを配信することにより、配信されるニュースの内容をユーザに信頼させることができる。

さらに、情報処理装置１００は、導出した合致度に基づいて、ニュースがフェイクニュースである信頼度を判定し、合致度が低いほど信頼度を大きく判定する。フェイクニュースである可能性を明確に認識することができる。さらに、本文及びタイトルを学習データとしてニュースがフェイクニュースであると判定されたときのニュースを正解データとした機械学習により、前記ニュースがフェイクニュースであるか否かを判定する学習済モデルを用いて、信頼度を判定する。このため、フェイクニュースの信頼度を容易かつ精度よく判定することができる。

さらに、情報処理システムＭは、端末装置１０において、ニュースを表示する際に、ニュースの合致度を表示する。このため、端末装置１０を占有するユーザは、合致度を確認することにより、ニュースの本文を読む価値があるか否かをおおよそ予想することができる。

［変形例］
上記の実施形態では、決定部２２２は、ニュースがフェイクニュースである信頼度に基づいて優先順位を決定する。これに対して、決定部２２２は、ニュースのタイトルと本文の合致度に基づいて優先順位を決定してもよい。この場合、決定部２２２は、合致度が高いほど優先順位を高く決定すればよい。さらに、決定部２２２は、ニュースがフェイクニュースである信頼度及びニュースのタイトルと本文の合致度に基づいて優先順位を決定してもよい。

上記の実施形態では、ニュース配信サーバ２は、ニュースに合致度を付与して端末装置１０に配信する。これに対して、ニュース配信サーバ２は、合致度に代えてまたは加えて、ニュースに信頼度を付与して端末装置１０に配信してもよい。この場合、端末装置１０には、ニュースとともに、そのニュースがフェイクニュースである信頼度が表示される。ニュース配信サーバ２は、合致度とともに信頼度を付与したニュースを端末装置１０に配信してもよい。

上記の実施形態では、判定部１２５は、学習済モデル１５１を用いてニュースがフェイクニュースである信頼度を判定する。これに対して、判定部１２５は、ニュースのタイトルと本文の合致度に基づいてニュースの信頼度を判定してもよい。判定部１２５は、例えば、ニュースのタイトルと本文の合致度の逆数をニュースがフェイクニュースである信頼度としてもよい。

上記の実施形態では、情報処理装置１００が生成部１２４を備え、情報処理装置１００において、学習済モデル１５１を生成する。これに対して、情報処理装置１００は、生成部１２４を備えることなく、学習済モデル１５１を生成しないものでもよい。この場合、情報処理装置１００は、別途生成される学習済モデル１５１を取得して、例えば記憶部１５０に記憶するようにすればよい。

フェイクニュースには、プロパガンダ、単純なデマ、悪意のある情報、ミスインフォメーション、ディスインフォメーション、マルインフォメーションなどの種類がある。情報処理装置１００は、フェイクニュースである信頼度として、これらの種類のフェイクニュースごとに信頼度を導出してもよい。

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。

１…投稿者端末
２…ニュース配信サーバ
１０…端末装置
１００…情報処理装置
１１０，２１０…通信部
１２０，２２０…処理部
１２１，２２１…収集部
１２２…分析部
１２３…導出部
１２４…生成部
１２５…判定部
１５０…記憶部
１５１…学習済モデル
２２２…決定部
２２３…配信部
Ｇ１…トップページ
Ｇ２…ニュースページ
Ｇ１１…ジャンル
Ｇ１２…フロント画像
Ｇ１３…サムネイル
Ｇ１４…タイトル
Ｇ１５…合致度
Ｇ２１…拡大画像
Ｇ２２…タイトル
Ｇ２３…合致度
Ｇ２４…フロント本文
Ｇ２５…表示継続ボタン
Ｍ…情報処理システム

Claims (14)

1. ネットワークを介して提供されるニュースの本文と、前記ニュースに付されたタイトルを収集する収集部と、
   前記本文と前記タイトルに含まれるワードに基づいて、前記本文と前記タイトルをそれぞれクラスタリングする分析部と、
   前記クラスタリングの結果に基づいて、前記本文と前記タイトルの合致度を導出する導出部と、を備える、
   情報処理装置。
2. 前記合致度に基づいて、前記ニュースがフェイクニュースである信頼度を判定する判定部と、をさらに備え、
   前記判定部は、前記合致度が低いほど、前記信頼度を大きく判定する、
   請求項１に記載の情報処理装置。
3. 前記判定部は、前記タイトル及び前記本文を学習データとして、前記ニュースがフェイクニュースであると判定されたときのニュースを正解データとした機械学習により、前記ニュースがフェイクニュースであるか否かを判定する学習済モデルを用いて、前記信頼度を判定する、
   請求項２に記載の情報処理装置。
4. 前記タイトル及び前記本文を学習データとして、前記ニュースがフェイクニュースであると判定されたときのニュースを正解データとした機械学習により、前記ニュースがフェイクニュースであるか否かを判定する学習済モデルを生成する生成部、をさらに備える、
   請求項２または３に記載の情報処理装置。
5. 請求項１から４のうちいずれか１項に記載された情報処理装置と、
   ネットワークを介して提供されるニュースを収集し、収集したニュースを分類して端末装置に配信するニュース配信装置と、を備え、
   前記導出部は、前記合致度を前記ニュース配信装置に提供する、
   情報処理システム。
6. 前記ニュース配信装置は、分類した前記ニュースの優先順位を決定する決定部を備え、
   前記決定部は、前記導出部により提供される前記合致度に基づいて、前記優先順位を決定する、
   請求項５に記載の情報処理システム。
7. 前記決定部は、前記合致度が高いほど、前記優先順位を高く決定する、
   請求項６に記載の情報処理システム。
8. 前記ニュース配信装置は、前記合致度を付した前記ニュースを配信する、
   請求項５から７のうちいずれか１項に記載の情報処理システム。
9. 請求項２から４のうちいずれか１項に記載された情報処理装置と、
   ネットワークを介して提供されるニュースを収集し、収集したニュースを分類して端末装置に配信するニュース配信装置と、を備え、
   前記判定部は、前記信頼度を前記ニュース配信装置に提供する、
   情報処理システム。
10. 前記ニュース配信装置は、分類した前記ニュースの優先順位を決定する決定部を備え、
    前記決定部は、前記情報処理装置により提供される前記信頼度に基づいて、前記優先順位を決定する、
    請求項９に記載の情報処理システム。
11. 前記決定部は、前記信頼度が高いほど、前記優先順位を低く決定する、
    請求項１０に記載の情報処理システム。
12. 前記ニュース配信装置は、前記信頼度を付した前記ニュースを配信する、
    請求項９から１１のうちいずれか１項に記載の情報処理システム。
13. コンピュータが、
    ネットワークを介して提供されるニュースの本文と、前記ニュースに付されたタイトルを収集し、
    前記本文と前記タイトルに含まれるワードに基づいて、前記本文と前記タイトルをそれぞれクラスタリングし、
    前記クラスタリングの結果に基づいて、前記本文と前記タイトルの合致度を導出する、
    情報処理方法。
14. コンピュータに、
    ネットワークを介して提供されるニュースの本文と、前記ニュースに付されたタイトルを収集させ、
    前記本文と前記タイトルに含まれるワードに基づいて、前記本文と前記タイトルをそれぞれクラスタリングさせ、
    前記クラスタリングの結果に基づいて、前記本文と前記タイトルの合致度を導出させる、
    プログラム。

Images