JP2022144120A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】人物に特有の情報のうち本名以外の情報を取得するに際して、当該情報と人物との結びつきに関する精度を向上することができる情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】ＳＮＳ投稿情報Ｄ２を取得する第１取得手段（通信部１３０）と、ＳＮＳ投稿情報Ｄ２から、人名タグ含有投稿Ｐを抽出する第１抽出手段（制御部１１０）と、人名タグ含有投稿Ｐから、人名外タグＴ２を抽出する第２抽出手段（制御部１１０）と、記事情報Ｄ３を取得する第２取得手段（通信部１３０）と、記事情報Ｄ３から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出手段（制御部１１０）と、第２抽出手段が抽出した人名外タグＴ２の記載内容が、キーワード含有文に含まれているかを判定する第１判定手段（制御部１１０）と、を備える。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

検索エンジンにおいては、ユーザがウェブ検索を行うに際して、検索クエリ（検索エンジンを使用した検索の際にユーザが検索エンジンに入力する文字列）を入力した際に、このような検索クエリから、ユーザが検索対象として意図するエンティティ（実在する概念）の名称を解釈し、エンティティリンキング（エンティティ名称を知識ベース上のエントリと結び付けること）を行った上で、当該エンティティに係る構造化された情報を表示することがある。

この点、ユーザが、検索クエリとして、検索対象として意図するエンティティの正式名称を入力した場合には、このようなエンティティリンキングを行うことは比較的容易であるが、ユーザは、検索クエリとして、必ずしも検索対象として意図するエンティティの正式名称を入力するとは限らない。

ユーザが正式名称ではない検索クエリを入力した場合には、ユーザが検索対象として意図するエンティティの正式名称を予測した上で、エンティティリンキングを行うことが必要となるが、このような予測を行うためには、予めユーザが入力する可能性のある正式名称ではない検索クエリのサンプルを取得し、データベースを作成しておくことが好ましい。
そこで、ツイッター（登録商標）等の所定のＳＮＳ（Social networking service）から、所定のイベントに関連するキーワードを抽出し、取得するためのシステムが知られている（例えば、特許文献１参照）。

特許第５８５３６５３号公報

ユーザが正式名称ではない検索クエリを入力するケースのうち、最も頻繁に見られるものとしては、ユーザが著名な人物について検索する場合に、検索クエリとして、当該人物の正式名称（本名）ではない当該人物に特有の情報を入力するケースが挙げられる。
このような人物に特有の情報の代表的なものが、当該人物に付された愛称である。

そして、このような本名ではない人物に特有の情報については、当該人物が出演するテレビ番組の放送等の何らかのイベントの発生に応じて、突如として大量に検索クエリとして入力される可能性があることから、予めこのような本名ではない人物に特有の情報から、ユーザが検索対象として意図する人物の本名を高精度で予測できるようにしておく必要性が高い。

この点、本名ではない人物に特有の情報から当該人物の本名を予測する際の予測精度を向上するためには、予め、ユーザが検索クエリとして入力する可能性のある本名ではない人物に特有の情報のサンプルを数多く取得しておくことが求められるが、いかなる情報といかなる人物とが結びついているかの判別は容易ではなく、情報と人物との結びつきについて十分な精度でこのような人物に特有の情報を取得することは困難であった。

本発明の課題は、人物に特有の情報のうち本名以外の情報を取得するに際して、当該情報と人物との結びつきに関する精度を向上することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することである。

上記課題を解決するために、請求項１に記載の発明は、情報処理装置において、
インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得手段と、
前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出手段と、
前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出手段と、
所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得手段と、
前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出手段と、
前記第２抽出手段が抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する第１判定手段と、
を備えることを特徴とする。

請求項２に記載の発明は、請求項１に記載の情報処理装置において、
前記第１抽出手段は、前記所定の人物の人名を所定のタグの形式に変換してAho-Corasickに挿入した上で、前記投稿情報に係る各投稿を当該Aho-Corasickで検査することによって、前記人名タグ含有投稿を抽出することを特徴とする。

請求項３に記載の発明は、請求項１又は２に記載の情報処理装置において、
前記記事情報からCite要素を除去する除去手段を備え、
前記第３抽出手段は、前記除去手段がCite要素を除去した前記記事情報から、前記キーワード含有文を抽出することを特徴とする。

請求項４に記載の発明は、請求項１から３のいずれか一項に記載の情報処理装置において、
前記記事情報から、他の記事へのリンクが張られた文字列であるアンカーテキストを抽出する第４抽出手段と、
前記人名外タグが、前記アンカーテキストと一致するかについて判定する第２判定手段と、
を備え、
前記第１判定手段は、前記第２判定手段が前記アンカーテキストと一致しないと判定した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定することを特徴とする。

請求項５に記載の発明は、請求項４に記載の情報処理装置において、
前記第２判定手段は、前記人名外タグの記載内容及び前記アンカーテキストを小文字とした上で、｜タグ｜－｜ＬＣＳ（タグ，ａ）｜＜＝０である場合に、前記人名外タグが、前記アンカーテキストと一致すると判定することを特徴とする。

請求項６に記載の発明は、請求項１から５のいずれか一項に記載の情報処理装置において、
前記第１判定手段が前記キーワード含有文に含まれていると判定した前記人名外タグの記載内容を、前記所定の人物の人名と紐づけて記憶手段に記憶させる記憶制御手段を備えることを特徴とする。

請求項７に記載の発明は、請求項１から６のいずれか一項に記載の情報処理装置において、
前記所定のキーワードは、前記所定の人物の愛称を示すキーワードであることを特徴とする。

請求項８に記載の発明は、請求項１から７のいずれか一項に記載の情報処理装置において、
前記第１取得手段は、所定の時間帯になされた投稿に係る情報のみを、前記投稿情報として取得することを特徴とする。

請求項９に記載の発明は、請求項１から７のいずれか一項に記載の情報処理装置において、
前記第１抽出手段は、所定の時間帯になされた投稿のみを、前記人名タグ含有投稿として前記投稿情報から抽出することを特徴とする。

請求項１０に記載の発明は、請求項１から９のいずれか一項に記載の情報処理装置において、
前記投稿情報から、所定の人物の画像を含む投稿を抽出する第４抽出手段と、
前記第４抽出手段が抽出した投稿から、当該投稿に付されたタグに係る情報を抽出する第５抽出手段と、
前記第５抽出手段が抽出したタグの記載内容が、前記キーワード含有文に含まれているかを判定する第３判定手段と、
を備えることを特徴とする。

請求項１１に記載の発明は、請求項１から１０のいずれか一項に記載の情報処理装置において、
前記投稿は、ツイッターでなされた投稿あることを特徴とする。

請求項１２に記載の発明は、請求項１から１１のいずれか一項に記載の情報処理装置において、
前記半構造化データは、ウィキペディアであることを特徴とする。

請求項１３に記載の発明は、請求項１から１２のいずれか一項に記載の情報処理装置において、
前記人名タグ及び前記人名外タグは、ハッシュタグであることを特徴とする。

請求項１４に記載の発明は、情報処理方法において、
インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得ステップと、
前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出ステップと、
前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出ステップと、
所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得ステップと、
前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出ステップと、
前記第２抽出ステップにおいて抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する判定ステップと、
を含むことを特徴とする。

請求項１５に記載の発明は、情報処理プログラムにおいて、
コンピュータを、
インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得手段、
前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出手段、
前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出手段、
所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得手段、
前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出手段、
前記第２抽出手段が抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する判定手段、
として機能させることを特徴とする。

本発明によれば、人物に特有の情報のうち本名以外の情報を取得するに際して、当該情報と人物との結びつきに関する精度を向上することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することができる。

実施形態に係る情報処理装置の構成を示すブロック図である。 実施形態に係る情報処理装置の動作の流れを示すフローチャートである。 人名情報をAho-Corasickに挿入した状態の一例を示す図である。 人名タグ含有投稿の一例を示す図である。

以下、図１から図４に基づいて、本発明の実施形態である情報処理装置１００について説明する。ただし、本発明の技術的範囲は、図示例に限定されるものではない。

［第１ 構成の説明］
情報処理装置１００は、検索エンジンにおいてユーザが検索クエリとして入力する可能性のある本名以外の人物に特有の情報として、人物の愛称を取得し、蓄積するための装置であり、ＰＣ（Personal Computer）、ＷＳ（Work Station）等の情報機器によって構成されている。
なお、本実施形態において「愛称」とは、特定の人物を指すために用いられる本名以外の文字列を広く含むものであり、例えば、姓又は名に、「君」、「先生」等の敬称が付された文字列が、一体として特定の人物を指すものとして使用される場合には、このような文字列も「愛称」に含まれるものとする。

情報処理装置１００は、例えば、図１に示すように、制御部１１０と、記憶部１２０と、通信部１３０と、表示部１４０と、操作部１５０と、を備えて構成されている。
なお、情報処理装置１００は、必ずしも単一のＰＣ、ＷＳ等の情報機器によって実現されることを要せず、複数台のＰＣ、ＷＳ等の情報機器がインターネット、電話回線網、携帯電話通信網、無線ＬＡＮ通信網等の通信ネットワークを介して接続されることで、複数台の情報機器により、情報処理装置１００としての機能が実現されていてもよい。この場合、このような複数の情報機器が接続されたものが、本実施形態における情報処理装置に該当することとなる。

［１ 制御部］
制御部１１０は、情報処理装置１００の動作を制御する部分であり、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等を備えて構成され、記憶部１２０に記憶されたプログラムデータ等とＣＰＵとの協働により、情報処理装置１００の各部を統括制御する。

［２ 記憶部］
記憶部１２０は、情報処理装置１００の運用に必要となる各種情報が記憶される部分であり、例えば、ＨＤＤ（Hard Disk Drive）、半導体メモリ等により構成され、プログラムデータ等の情報処理装置１００の運用に必要となるデータを、制御部１１０から読み書き可能に記憶する。

記憶部１２０は、情報処理プログラム１２１と、人名情報記憶部１２２と、ＳＮＳ投稿情報記憶部１２３と、記事情報記憶部１２４と、キーワード情報記憶部１２５と、愛称情報記憶部１２６と、を備える。

情報処理プログラム１２１は、情報処理装置１００を動作させるための制御部１１０への各種命令を含むプログラムであり、後述の動作の説明において述べる情報処理装置１００の動作は、情報処理プログラム１２１に従ってなされることとなる。
なお、各記憶部に記憶されるデータの詳細は、後述の動作の説明の中で説明する。

［３ 通信部］
通信部１３０は、情報処理装置１００と、外部の所定の装置等との間で通信を行う際に用いられる部分であり、例えば、通信用ＩＣ（Integrated Circuit）及び通信コネクタなどを有する通信インターフェイスであり、制御部１１０の制御の元、所定の通信プロトコルを用いて、インターネット、電話回線網、携帯電話通信網、無線ＬＡＮ通信網等の通信ネットワークを介したデータ通信を行う。

［４ 表示部］
表示部１４０は、例えば、ＬＣＤ（Liquid Crystal Display）等の表示画面を備え、制御部１１０から出力された表示制御信号に基づいた画像を表示画面に表示する。

［５ 操作部］
操作部１５０は、例えば、文字入力キー、数字入力キー、その他各種機能に対応付けられたキーを有するキーボード等を備え、例えば、情報処理装置１００の管理者からの操作入力を受け付けて、操作入力に応じた操作信号を制御部１１０へと出力する。操作部１５０は、例えば、表示部１４０と一体的に形成されたタッチパネル等であってもよい。

［第２ 動作の説明］
以下、本実施形態に係る情報処理装置１００の使用時の動作の流れについて説明する。情報処理装置１００の動作は、図２のフローチャートに示すように、ステップＳ１からステップＳ１０の１０個のステップからなる。

［１ ステップＳ１：人名情報の取得］
情報処理装置１００は、まず、愛称に係る情報の取得の対象となる人物の人名、すなわち当該人物の本名に係る情報である人名情報Ｄ１を取得し、取得した人名情報Ｄ１を、記憶部１２０の人名情報記憶部１２２に記憶させる。
人名情報Ｄ１の取得方法は特に限定されず、情報処理装置１００の外部の所定の装置から送信される情報を、通信ネットワークを介して通信部１３０によって受信することで取得してもよいし、情報処理装置１００の管理者が操作部１５０を用いて入力することによって取得するようにしてもよい。

［２ ステップＳ２：Aho-Corasickへの挿入］
人名情報Ｄ１を取得すると、制御部１１０は、取得した人名情報Ｄ１に含まれる人名を、それぞれハッシュタグの形式、すなわち、#＜人名＞＜スペース＞の形式に変換した上で、Aho-Corasickに挿入する。
例えば、鈴木■、佐藤▲という二人の人名が人名情報Ｄ１に含まれていたとすると、図３に示すように、それぞれ「#鈴木■ 」、「#佐藤▲ 」という形式（それぞれ、■又は▲の後にはスペースが含まれている。）に変換した上で、Aho-Corasickに挿入することとなる。

［３ ステップＳ３：ＳＮＳ投稿情報の取得］
制御部１１０は、例えば日に一度、週に一度等の所定のタイミングで、当該時点以前の所定の期間になされた所定のＳＮＳへの全ての投稿の内容を含む情報であるＳＮＳ投稿情報Ｄ２を取得し、取得したＳＮＳ投稿情報Ｄ２を、記憶部１２０のＳＮＳ投稿情報記憶部１２３に記憶させる。
例えば、一日に一度、取得時点までの２４時間になされた全ての投稿内容を取得するといった形で、ＳＮＳ投稿情報Ｄ２を取得すればよい。

情報を取得するＳＮＳとしては、ハッシュタグ等の投稿を分類するためのタグが含まれるものであればよく、例えば、ツイッターが挙げられる。この場合、所定の期間になされた全てのツイートの内容に係る情報を取得することとなる。
なお、本実施形態においてＳＮＳとは、ウェブ上にメッセージを投稿することで、他社とコミュニケーションをとることができるサービスであればよく、ツイッター、電子掲示板等のサービスを広く含むものである。

ＳＮＳ投稿情報Ｄ２の取得方法は特に限定されず、例えば、情報処理装置１００の管理者が、所定のＳＮＳの運営会社から、所定の期間における投稿内容に係るデータの提供を受けた上で、操作部１５０を用いて情報処理装置１００に入力するようにしてもよいし、外部の所定のシステムを利用して、所定のＳＮＳにおける投稿内容に係るデータを通信部１３０によって自動的に取得するようにしてもよい。

［４ ステップＳ４：人名タグ含有投稿の抽出］
ＳＮＳ投稿情報Ｄ２を取得すると、制御部１１０は、人名情報Ｄ１に含まれる人名に係るハッシュタグ（人名タグＴ１）が含まれる投稿である人名タグ含有投稿Ｐを抽出する。

具体的には、制御部１１０は、ステップＳ３で取得したＳＮＳ投稿情報Ｄ２を、ステップＳ２で人名情報Ｄ１に含まれる人名をハッシュタグの形式に変換した上で挿入したAho-Corasickで検査することによって、人名タグ含有投稿Ｐを抽出すればよい。

人名タグ含有投稿Ｐは、例えば図４に示すように、投稿中に、人名タグＴ１が含まれる投稿である。
例えば、ＳＮＳ投稿情報Ｄ２を取得したＳＮＳがツイッターであれば、人名情報Ｄ１に含まれる人名のハッシュタグを含むツイート（ツイッターの場合、リツイートを除くことが好ましい。）に係る情報を抽出すればよい。

［５ ステップＳ５：人名外タグの抽出］
人名タグ含有投稿Ｐを抽出すると、制御部１１０は、ステップＳ４で抽出した人名タグ含有投稿Ｐから、人名タグＴ１以外のハッシュタグである人名外タグＴ２を正規表現で抽出する。図４に示す例であれば、人名タグである「#鈴木■」以外のハッシュタグである「#○○〇」及び「#●●●」を、人名外タグＴ２として抽出することとなる。

［６ ステップＳ６：記事情報の取得］
続いて、制御部１１０は、例えば、ウィキペディア等の所定の半構造化データから、人名情報Ｄ１に係る人物の記事の内容（当該人物を紹介する記事の全文）に係る情報である記事情報Ｄ３を取得し、取得した記事情報Ｄ３を、記憶部１２０の記事情報記憶部１２４に記憶させる。
する。

記事情報Ｄ３の取得方法は特に限定されず、例えば、制御部１１０は、通信部１３０から通信ネットワークを介して、ウィキペディア等の所定ウェブサイトにアクセスの上、当該ウェブサイトにおいて人名情報Ｄ１に係る人物の人名について検索することで、通信ネットワークを介して通信部１３０により、記事情報Ｄ３を取得すればよい。

［７ ステップＳ７：アンカーテキストの取得及びCite要素の削除］
記事情報Ｄ３を取得すると、制御部１１０は、記事情報Ｄ３に係る全テキスト（文字列）から、アンカーテキスト（他の記事へのリンクが張られたテキスト）を抽出する。また制御部１１０は、記事情報Ｄ３に係る全テキストから、Cite要素（Citeタグ）を削除する。Cite要素を削除しておくことで、ステップＳ８における所定のキーワードを含む文の抽出等の工程を行い易くなる。

［８ ステップＳ８：所定のキーワードを含む文の抽出］
続いて、制御部１１０は、記事情報Ｄ３から、所定のキーワードを含む文を抽出する。この際には、「。」の区切りで一文とみなし、また、「。」の含まれない行がある場合には、行全体を一文とみなせばよい。

所定のキーワードとしては、一般に人物の愛称を示すことが多いキーワードを適宜設定の上、キーワード情報Ｄ４として記憶部１２０のキーワード情報記憶部１２５に記憶させておけばよく、制御部１１０は、記事情報Ｄ３に含まれる各文と、キーワード情報Ｄ４に含まれる各キーワードとを対照の上、キーワード情報Ｄ４に係るキーワードを含む文を抽出すればよい。
所定のキーワードとしては、例えば、「愛称」の他に、「別称」、「略称」、「表記」、「別名」、「名義」、「呼ぶ」、「呼ばれ」、「用いられ」等が挙げられる。

［９ ステップＳ９：アンカーテキストと一致するタグの除外］
続いて、制御部１１０は、ステップＳ５で人名タグ含有投稿Ｐから抽出した人名外タグＴ２について、タグの記載内容がステップＳ７で記事情報Ｄ３から抽出したアンカーテキストと一致するか否かについて判定の上、一致するものを除外する。
具体的には、タグの記載内容及びアンカーテキストの両者を小文字化した上で、
｜タグ｜－｜ＬＣＳ（タグ，ａ）｜＜＝０である場合に、タグとアンカーテキストとが一致したものと判定し、当該人名外タグＴ２を除外する。このような判定方法を用いることによって、人名外タグＴ２とアンカーテキストとの一致について容易に判定することができる。

例えば、ステップＳ８においてアンカーテキストとして「●●●」が抽出されていたとすると、図４に示す人名タグ含有投稿Ｐにおける２つの人名外タグＴ２のうち、「#●●●」は除外され、「#○○〇」のみが残ることとなる。

［１０ ステップＳ１０：人名外タグと記事情報との照合］
続いて、制御部１１０は、ステップＳ９でアンカーテキストと一致しないものと判定した人名外タグＴ２（ステップＳ９で除外されずに残った人名外タグＴ２）の記載内容を、ステップＳ８で抽出した所定のキーワードを含む文に対して照合する。すなわち、人名外タグＴ２の記載内容が、ステップＳ８で抽出した所定のキーワードを含む文に含まれているかを判定し、含まれていた場合、当該人名外タグＴ２の記載内容を、愛称情報Ｄ５として、人名情報Ｄ１に係る対応する人名（ステップＳ４で人名タグ含有投稿Ｐの抽出に用いた人名）と紐づけて、記憶部１２０の愛称情報記憶部１２６に記憶させる。

［第３ 効果の説明］
次に、本実施形態に係る情報処理装置１００の効果について説明する。

まず、本実施形態に係る情報処理装置１００によれば、ツイッター等のＳＮＳにおける投稿に係る情報であるＳＮＳ投稿情報Ｄ２に含まれる人名外タグＴ２と、ウィキペディア等の半構造化データの記事である記事情報Ｄ３から抽出した所定のキーワードを含む文と、の両者を照合して、人物の愛称に係る情報を取得する。
これによって、両者に含まれる情報を照合できた場合、すなわち、人名外タグＴ２の記載内容が、記事情報Ｄ３から抽出した所定のキーワードを含む文に含まれていた場合にのみ愛称に係る情報が正しいものと判定して、愛称情報Ｄ５として取得することとなるから、人名情報Ｄ１に係る人物の愛称ではない文字列を誤って愛称として取得してしまうおそれを低減することができ、愛称と人物との結びつき関する精度を向上することができる。

すなわち、ツイッター等のＳＮＳにおける投稿に付されたタグには、愛称以外のタグも多く含まれることから、ＳＮＳ投稿情報Ｄ２のみに基づくのでは、愛称でないものも抽出してしまう可能性が高く、愛称に係る情報のみを十分な精度で取得することは困難である。
また、ウィキペディア等の半構造化データの記事についても、愛称については、必ずしも独立の項目が設けられているわけではなく、種々の表現で愛称に該当する説明がなされていることから、ウィキペディア等の半構造化データに含まれる人物について紹介する記事のみに基づく場合にも、十分な精度で愛称に係る情報を取得することは困難である。

この点、本実施形態によれば、ツイッター等のＳＮＳにおける投稿に係る情報であるＳＮＳ投稿情報Ｄ２に含まれる人名外タグＴ２と、ウィキペディア等の半構造化データの記事である記事情報Ｄ３から抽出した所定のキーワードを含む文と、の両者を照合できた場合にのみ愛称情報Ｄ５として取得することから、いずれかにおいて愛称ではないものが抽出されたとしても、他方に含まれていない限り愛称情報Ｄ５として取得されることはないことから、人名情報Ｄ１に係る人物の愛称として、愛称ではない情報が取得されてしまうおそれを低減することができる。

また、記事情報Ｄ３に係るテキストからアンカーテキストを抽出した上で、人名外タグＴ２から、当該アンカーテキストと一致するものを除外し、除外されずに残った人名外タグＴ２のみを、記事情報Ｄ３から抽出した所定のキーワードを含む文と照合することで、さらに愛称と人物との結びつきに関する精度を向上することができる。

すなわち、愛称は、当該愛称がつけられた人物自身を指していることから、ウィキペディア等の半構造化データにおける当該人物に係る記事において、愛称についての記載に、他の記事に係るウェブページへのリンクが張られることは考え難い。
したがって、他の記事へのリンクが張られたテキストであるアンカーテキストと記載内容が一致する人名外タグＴ２を除外することで、明らかに愛称に係るものではないタグを一律に除外することができ、人名情報Ｄ１に係る人物の愛称として、愛称ではない情報が取得されてしまうおそれをさらに低減することができる。

また、人名情報Ｄ１に係る人名をハッシュタグの形式に変換した上で、Aho-Corasickに挿入しておき、これを用いてＳＮＳ投稿情報Ｄ２を検査して人名タグ含有投稿Ｐを抽出することで、人名情報Ｄ１に多数の人物が含まれ、かつ膨大な量の投稿がＳＮＳ投稿情報Ｄ２に含まれていても、容易に人名タグ含有投稿Ｐを抽出することができる。

［第４ 変形例］
次に、本実施形態に係る情報処理装置１００の変形例について説明する。

［１ ＳＮＳへの投稿時間の活用］
上記においては、ステップＳ３で、ＳＮＳ投稿情報Ｄ２として、所定の期間における所定のＳＮＳへの投稿の全てを取得する場合について説明したが、ＳＮＳ投稿情報Ｄ２として取得する投稿がなされた時間帯を限定してもよい。

例えば、特定の人物が出演中のテレビ番組の放送中には、当該人物に関係する投稿が増加することが想定されることから、あらかじめ特定のテレビ番組の放送時間を指定の上、情報処理装置１００が、ＳＮＳ投稿情報Ｄ２として、当該時間帯における投稿に係る情報のみを取得するようにすることで、ＳＮＳ投稿情報Ｄ２中に、当該人物の愛称に係るハッシュタグが含まれている可能性が高まり、愛称に係る情報の取得精度をさらに向上することができる。

なお、ＳＮＳ投稿情報Ｄ２として取得する投稿がなされた時間帯を限定する要素としては、特定の人物に関する投稿が増加することが想定されるものであればよく、テレビ番組の放送には限られない。
例えば、スポーツや音楽関係のイベント等、何らかのイベントが開催中の時間帯における投稿に係る情報のみを取得することで、当該イベントの出演者の愛称に係る情報の取得精度の向上を図ることが可能となる。

また、ＳＮＳ投稿情報Ｄ２としては、時間帯を指定することなく所定の期間における所定のＳＮＳへの投稿の全てを取得した上で、ステップＳ４で、特定の時間帯になされた投稿のみを、人名タグ含有投稿Ｐとして抽出するようにしてもよい。

［２ 画像の活用］
ＳＮＳ投稿情報Ｄ２に、テキストのみでなく、画像も含まれている場合、当該画像も愛称に係る情報の取得に使用してもよい。

具体的には、ＳＮＳ投稿情報Ｄ２として、投稿中に含まれる画像に係る情報も取得した上で、制御部１１０は、所定の顔認識に係るソフトウェアを使用して、当該画像中に、人名情報Ｄ１に係る人物の顔が含まれているかを判別し、含まれていた場合に、ステップＳ４における人名タグＴ１を含む投稿である人名タグ含有投稿Ｐの抽出に加えて、このような人名情報Ｄ１に含まれる人物の顔に係る画像を含む投稿を抽出するようにする。
さらに、この場合、制御部１１０は、ステップＳ５においては、このような人名情報Ｄ１に係る人物の顔の画像を含む投稿中に含まれているハッシュタグの記載内容に係る情報を取得し、ステップＳ１０においては、このようなハッシュタグの記載内容が、ステップＳ８で抽出した所定のキーワードを含む文に含まれているかについて判定することとなる。

この点、人名情報Ｄ１に係る人名のハッシュタグである人名タグＴ１が含まれていない投稿であっても、人名情報Ｄ１に係る人物の顔に係る画像が含まれていれば、当該投稿中には、当該人物の愛称が含まれている蓋然性が存在するところ、上記のようにして画像に基づく投稿の抽出も行うことで、このような人名情報Ｄ１に係る人物の顔の画像が含まれている投稿からも、愛称に係る情報を取得することが可能となる。

［３ 愛称以外の情報の取得］
上記においては、愛称に係る情報を取得する場合について説明したが、取得する情報は、本名以外の人名情報Ｄ１に含まれる人物に特有の情報であればよく、愛称には限られない。
愛称以外の人名情報Ｄ１に含まれる人物に特有の情報を取得する場合、ステップＳ８において文を抽出する際に使用するキーワード情報Ｄ４を、取得する情報に応じたものとすることで、当該情報が含まれている蓋然性が高い文を記事情報Ｄ３から抽出し、これと人名外タグＴ２の記載内容を照合するようにすればよい。

［４ ＳＮＳ以外における投稿の活用］
上記においては、ステップＳ３でＳＮＳ投稿情報Ｄ２を取得し、これを愛称に係る情報の取得に活用する場合について説明したが、ステップＳ３で取得する情報は、ハッシュタグ等の投稿を分類するためのタグを含んでインターネット上でなされた投稿に係る情報であればよく、必ずしもＳＮＳの定義に当てはまるサービスにおいてなされた投稿に限られない。

１００ 情報処理装置
１１０ 制御部（第１抽出手段、第２抽出手段、第３抽出手段、第１判定手段、除去手段、第４抽出手段、第２判定手段、記憶制御手段、第４抽出手段、第５抽出手段、第３判定手段、判定手段）
１２０ 記憶部（記憶手段）
１２１ 情報処理プログラム
１３０ 通信部（第１取得手段、第２取得手段）
１４０ 表示部
１５０ 操作部（第１取得手段）
Ｄ１ 人名情報
Ｄ２ ＳＮＳ投稿情報（投稿情報）
Ｄ３ 記事情報
Ｄ４ キーワード情報
Ｄ５ 愛称情報
Ｔ１ 人名タグ
Ｔ２ 人名外タグ
Ｐ 人名タグ含有投稿

Claims (15)

1. インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得手段と、
   前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出手段と、
   前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出手段と、
   所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得手段と、
   前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出手段と、
   前記第２抽出手段が抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する第１判定手段と、
   を備えることを特徴とする情報処理装置。
2. 前記第１抽出手段は、前記所定の人物の人名を所定のタグの形式に変換してAho-Corasickに挿入した上で、前記投稿情報に係る各投稿を当該Aho-Corasickで検査することによって、前記人名タグ含有投稿を抽出することを特徴とする請求項１に記載の情報処理装置。
3. 前記記事情報からCite要素を除去する除去手段を備え、
   前記第３抽出手段は、前記除去手段がCite要素を除去した前記記事情報から、前記キーワード含有文を抽出することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記記事情報から、他の記事へのリンクが張られた文字列であるアンカーテキストを抽出する第４抽出手段と、
   前記人名外タグが、前記アンカーテキストと一致するかについて判定する第２判定手段と、
   を備え、
   前記第１判定手段は、前記第２判定手段が前記アンカーテキストと一致しないと判定した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定することを特徴とする請求項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判定手段は、前記人名外タグの記載内容及び前記アンカーテキストを小文字とした上で、｜タグ｜－｜ＬＣＳ（タグ，ａ）｜＜＝０である場合に、前記人名外タグが、前記アンカーテキストと一致すると判定することを特徴とする請求項４に記載の情報処理装置。
6. 前記第１判定手段が前記キーワード含有文に含まれていると判定した前記人名外タグの記載内容を、前記所定の人物の人名と紐づけて記憶手段に記憶させる記憶制御手段を備えることを特徴とする請求項１から５のいずれか一項に記載の情報処理装置。
7. 前記所定のキーワードは、前記所定の人物の愛称を示すキーワードであることを特徴とする請求項１から６のいずれか一項に記載の情報処理装置。
8. 前記第１取得手段は、所定の時間帯になされた投稿に係る情報のみを、前記投稿情報として取得することを特徴とする請求項１から７のいずれか一項に記載の情報処理装置。
9. 前記第１抽出手段は、所定の時間帯になされた投稿のみを、前記人名タグ含有投稿として前記投稿情報から抽出することを特徴とする請求項１から７のいずれか一項に記載の情報処理装置。
10. 前記投稿情報から、所定の人物の画像を含む投稿を抽出する第４抽出手段と、
    前記第４抽出手段が抽出した投稿から、当該投稿に付されたタグに係る情報を抽出する第５抽出手段と、
    前記第５抽出手段が抽出したタグの記載内容が、前記キーワード含有文に含まれているかを判定する第３判定手段と、
    を備えることを特徴とする請求項１から９のいずれか一項に記載の情報処理装置。
11. 前記投稿は、ツイッターでなされた投稿であることを特徴とする請求項１から１０のいずれか一項に記載の情報処理装置。
12. 前記半構造化データは、ウィキペディアであることを特徴とする請求項１から１１のいずれか一項に記載の情報処理装置。
13. 前記人名タグ及び前記人名外タグは、ハッシュタグであることを特徴とする請求項１から１２のいずれか一項に記載の情報処理装置。
14. インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得ステップと、
    前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出ステップと、
    前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出ステップと、
    所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得ステップと、
    前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出ステップと、
    前記第２抽出ステップにおいて抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する判定ステップと、
    を含むことを特徴とする情報処理方法。
15. コンピュータを、
    インターネット上でなされた投稿に係る情報である投稿情報を取得する第１取得手段、
    前記投稿情報から、所定の人物の人名に係るタグである人名タグを含む投稿である人名タグ含有投稿を抽出する第１抽出手段、
    前記人名タグ含有投稿から、当該投稿に付された前記人名タグ以外のタグである人名外タグを抽出する第２抽出手段、
    所定の半構造化データに含まれる前記所定の人物に係る記事の記載内容に係る情報である記事情報を取得する第２取得手段、
    前記記事情報から、所定のキーワードを含む文であるキーワード含有文を抽出する第３抽出手段、
    前記第２抽出手段が抽出した前記人名外タグの記載内容が、前記キーワード含有文に含まれているかを判定する判定手段、
    として機能させることを特徴とする情報処理プログラム。

Images