JP3156703B1 - メトリック学習装置及びメトリック学習方法 - Google Patents

Abstract

【要約】 【課題】 提示された情報に対するユーザの応答と情報
につけられたキーワードとの関係をメトリック信号に反
映させることを目的とする。 【解決手段】 情報データを提示する情報提示手段と、
前記提示された情報データが必要か不要かを入力する入
力手段と、前記情報に付けられた一つ以上のキーワード
信号からなるキーワード群信号をベクトル信号に変換す
るベクトル変換手段と、情報データが必要か不要かとい
う入力と前記ベクトル信号とから前記キーワードへのユ
ーザの必要性を予測する値をメトリック信号に割り振る
メトリック学習手段と、前記メトリック信号を記憶する
メトリック記憶手段とを有するもので、ユーザーの必要
とする情報を取り出すために有効で、提示された情報に
対するユーザの応答と前記情報につけられたキーワード
との関係を反映させ、メトリック信号を得ることができ
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、提示された情報に
対するユーザの応答と前記情報につけられたキーワード
との関係をメトリック信号に反映させるメトリック学習
装置及びメトリック学習方法に関するものである。

【０００２】

【従来の技術】近年、情報フィルタ装置は、情報通信の
社会基盤の進展に伴い、情報通信網の大規模化と通信量
の著しい増大に対応する技術として、その実現が強く望
まれている。この背景には、今日、個人が処理可能な情
報量に対して、個人がアクセスできる情報量が上回るよ
うになっていることがある。このために、大量の情報の
中に必要と思う情報が埋没することが、しばしば起こ
る。

【０００３】情報フィルタ装置に関連する従来技術とし
ては、特許検索などに用いられるキーワード論理式をあ
げることができる。すなわち、数十万から数百万件に及
ぶ特許情報をキーワード論理式によりフィルターリング
するものである。

【０００４】

【発明が解決しようとする課題】しかしながら、キーワ
ード論理式を用いる従来の検索においては、使用者がキ
ーワードについての論理式を精度良く設定する必要があ
るので、使用者がファイリングされているデータ群の癖
（例えば、どのような条件の基に、当該データのキーワ
ードが決定されているのか等）やシステムの構造（例え
ば、キーワードがシソーラス体系のあるシステムである
か否か等）を十分に知り得ていなければ良い検索ができ
ない。このため、初心者には精度の高い情報フィルタリ
ングを行うことができないという課題があった。

【０００５】また、情報フィルタリングした結果もキー
ワードについての論理式に適合するという評価があるだ
けであり、たまたまキーワードでは合致しているが、内
容は求めているものとは異なるケースであったり、ある
いは多くの検索結果から使用者にとって必要度の高い情
報をその結果から順に取り出すことは容易でない。

【０００６】本発明は上記従来の課題を解決するもので
あり、提示された情報に対するユーザの応答と前記情報
につけられたキーワードとの関係をメトリック信号に反
映させるメトリック学習装置を提供することを目的とす
る。

【０００７】

【課題を解決するための手段】この目的を達成するため
に本発明のメトリック学習装置は、情報は情報データと
一つ以上のキーワード（文字列）を含むものであり、前
記情報データを提示する情報提示手段と、前記提示され
た情報データが必要か不要かを入力する入力手段と、前
記情報に付けられた一つ以上のキーワード信号からなる
キーワード群信号をベクトル信号に変換するベクトル変
換手段と、情報データが必要か不要かという入力と前記
ベクトル信号とから前記キーワードへのユーザの必要性
を予測する値をメトリック信号に割り振るメトリック学
習手段と、前記メトリック信号を記憶するメトリック記
憶手段とからなる構成を有している。

【０００８】

【発明の実施の形態】この構成によって、複数のキーワ
ードは、距離の定義ができない記号から、使用者の必要
度を反映したメトリックを用いて距離を定義できるベク
トル表現へと変換され、使用者の必要度を定量化するこ
とができ、使用者は必要性の高い情報から順に情報を得
ることができるようになる。

【０００９】本発明の請求項１に記載の発明は、提示さ
れた情報に対するユーザの応答と前記情報につけられた
キーワードとの関係をメトリック信号に反映させるメト
リック学習装置であって、前記情報は情報データと一つ
以上のキーワード（文字列）を含むものであり、前記情
報データを提示する情報提示手段と、前記提示された情
報データが必要か不要かを入力する入力手段と、前記情
報に付けられた一つ以上のキーワード信号からなるキー
ワード群信号をベクトル信号に変換するベクトル変換手
段と、情報データが必要か不要かという入力と前記ベク
トル信号とから前記キーワードへのユーザの必要性を予
測する値をメトリック信号に割り振るメトリック学習手
段と、前記メトリック信号を記憶するメトリック記憶手
段とを有することを特徴とするメトリック学習装置あ
り、ユーザーの必要とする情報を取り出すために有効
で、提示された情報に対するユーザの応答と前記情報に
つけられたキーワードとの関係を反映させ、メトリック
信号を得ることができるという作用を有する。

【００１０】本発明の請求項２に記載の発明は、メトリ
ック信号は、提示した情報データに対し入力手段から入
力される必要か不要かを示す信号とキーワード群信号か
ら変換されたベクトル信号とから計算される信号であ
り、前記入力手段から入力される信号が必要である場合
の情報から構成される肯定メトリック信号と、前記入力
手段から入力される信号が不要である場合の情報から構
成される否定メトリック信号であることを特徴とする請
求項１記載のメトリック学習装置であり、ユーザーの必
要とする情報を取り出すために有効で、提示された情報
に対するユーザの応答と前記情報につけられたキーワー
ドとの関係を反映させ、メトリック信号を得ることがで
きるという作用を有する。

【００１１】本発明の請求項３に記載の発明は、肯定メ
トリック信号は、入力手段から入力される信号が必要な
場合のベクトル信号の自己相関行列であり、否定メトリ
ック信号は、入力手段から入力される信号が不要である
場合のベクトル信号の自己相関行列であることを特徴と
する請求項２記載のメトリック学習装置であり、ユーザ
ーの必要とする情報を取り出すために有効で、提示され
た情報に対するユーザの応答と前記情報につけられたキ
ーワードとの関係を反映させ、メトリック信号を得るこ
とができるという作用を有する。

【００１２】本発明の請求項４に記載の発明は、肯定メ
トリック信号と否定メトリック信号はそれぞれ行列であ
り、前記行列の（ij）成分は、必要とされた情報の頻度
と、不要とされた情報の頻度と、ｉ番目のキーワード信
号とｊ番目のキーワード信号が同時に含まれた情報が必
要とされた頻度と、前記ｉ番目のキーワード信号と前記
ｊ番目のキーワード信号が同時に含まれた情報が不要と
された頻度とから計算されることを特徴とする請求項２
記載のメトリック学習装置であり、ユーザーの必要とす
る情報を取り出すために有効で、提示された情報に対す
るユーザの応答と前記情報につけられたキーワードとの
関係を反映させ、メトリック信号を得ることができると
いう作用を有する。

【００１３】本発明の請求項５に記載の発明は、行列の
(ij)成分は、情報が必要であるか不要であるかを示す確
率分布と、ｉ番目のキーワード信号とｊ番目のキーワー
ド信号が同時に含まれた情報が必要であるか不要である
かを示す確率分布との違いを定量的に評価する信号であ
ることを特徴とする請求項４記載のメトリック学習装置
であり、ユーザーの必要とする情報を取り出すために有
効で、提示された情報に対するユーザの応答と前記情報
につけられたキーワードとの関係を反映させ、メトリッ
ク信号を得ることができるという作用を有する。

【００１４】本発明の請求項６に記載の発明は、キーワ
ード信号は、分類コードを含むことを特徴とする請求項
１及至５のいずれかに記載のメトリック学習装置であ
り、ユーザーの必要とする情報を取り出すために有効
で、提示された情報に対するユーザの応答と前記情報に
つけられたキーワードとの関係を反映させ、メトリック
信号を得ることができるという作用を有する。

【００１５】本発明の請求項７に記載の発明は、提示さ
れた情報に対するユーザの応答と前記情報につけられた
キーワードとの関係をメトリック信号に反映させるメト
リック学習方法であって、前記情報は情報データと一つ
以上のキーワード（文字列）を含むものであり、前記情
報データを提示する情報提示ステップと、前記提示され
た情報データが必要か不要かを入力する入力ステップ
と、前記情報に付けられた一つ以上のキーワード信号か
らなるキーワード群信号をベクトル信号に変換するベク
トル変換ステップと、情報データが必要か不要かという
入力と前記ベクトル信号とから前記キーワードへのユー
ザの必要性を予測する値をメトリック信号に割り振るメ
トリック学習ステップと、前記メトリック信号を記憶す
るメトリック記憶ステップとを有することを特徴とする
メトリック学習方法であり、ユーザーの必要とする情報
を取り出すために有効で、提示された情報に対するユー
ザの応答と前記情報につけられたキーワードとの関係を
反映させ、メトリック信号を得ることができるという作
用を有する。

【００１６】本発明の請求項８に記載の発明は、メトリ
ック信号は、入力ステップで入力される信号が必要な場
合の情報から構成される肯定メトリック信号と、入力ス
テップで入力される信号が不要である場合の情報から構
成される否定メトリック信号であることを特徴とする請
求項７記載のメトリック学習方法であり、ユーザーの必
要とする情報を取り出すために有効で、提示された情報
に対するユーザの応答と前記情報につけられたキーワー
ドとの関係を反映させ、メトリック信号を得ることがで
きるという作用を有する。

【００１７】本発明の請求項９に記載の発明は、肯定メ
トリック信号は、入力ステップで入力される情報が必要
な場合のベクトル信号の自己相関行列であり、否定メト
リック信号は、入力ステップで入力される情報が不要で
ある場合のベクトル信号の自己相関行列であることを特
徴とする請求項８記載のメトリック学習方法であり、ユ
ーザーの必要とする情報を取り出すために有効で、提示
された情報に対するユーザの応答と前記情報につけられ
たキーワードとの関係を反映させ、メトリック信号を得
ることができるという作用を有する。

【００１８】本発明の請求項１０に記載の発明は、肯定
メトリック信号と否定メトリック信号はそれぞれ行列で
あり、前記行列の（ij）成分は、必要とされた情報の頻
度と、不要とされた情報の頻度と、ｉ番目のキーワード
信号とｊ番目のキーワード信号が同時に含まれた情報が
必要とされた頻度と、前記ｉ番目のキーワード信号と前
記ｊ番目のキーワード信号が同時に含まれた情報が不要
とされた頻度とから計算されることを特徴とする請求項
８記載のメトリック学習方法であり、ユーザーの必要と
する情報を取り出すために有効で、提示された情報に対
するユーザの応答と前記情報につけられたキーワードと
の関係を反映させ、メトリック信号を得ることができる
という作用を有する。

【００１９】本発明の請求項１１に記載の発明は、行列
の(ij)成分は、情報が必要であるか不要であるかを示す
確率分布と、ｉ番目のキーワード信号とｊ番目のキーワ
ード信号が同時に含まれた情報が必要であるか不要であ
るかを示す確率分布との違いを定量的に評価する信号で
あることを特徴とする請求項１０記載のメトリック学習
方法であり、ユーザーの必要とする情報を取り出すため
に有効で、提示された情報に対するユーザの応答と前記
情報につけられたキーワードとの関係を反映させ、メト
リック信号を得ることができるという作用を有する。

【００２０】以下、本発明の実施の形態について、図１
から図１２を用いて説明する。

【００２１】（実施の形態１）以下、本発明の第一の実
施の形態について、図面を参照しながら説明する。図１
は本発明の実施の形態１の情報フィルタ装置の構成を示
すブロック図であり、図２はその構成と動作を分かりや
すくするために機能単位にまとめたブロック図である。

【００２２】まず、図２を用いて、本発明の基本概念を
説明する。

【００２３】本発明の基本概念の情報フィルタ装置は、
ユーザーがどんな「情報」を過去に必要としたかという
履歴に関する記録を記憶した複数の記憶部２、５、６、
８と、「情報」のフィルタリングを行う情報フィルタリ
ングユニット５０と、その情報フィルタリングユニット
５０により実際にフィルタリングされた未読の「情報」
（ユーザーがまだ読んでいない情報）を蓄積しておく未
読データ記憶部１０と、ユーザーが当該未読「情報」を
可視できるようにしたディスプレー等のインタフェース
ユニット５１と、ユーザーがどんな「情報」を必要とし
たかという履歴に関する学習を行う学習ユニット５２と
からなる。

【００２４】以下、上記構成の動作について説明する。
なお、以下の説明では既にユーザーがどんな「情報」を
過去に必要としたかという履歴は学習済みのこととして
説明する。また、以下に単に「情報」と称するものに
は、当該「情報」に対応する１つ以上のキーワードが付
されているものとする。そのキーワードとは、当該「情
報」を構成する各単語の一部あるいは全体であっても良
いし、当該「情報」を代表するために特別に付したもの
であっても良い。

【００２５】まず、情報フィルタリングユニット５０に
新たな「情報」が入力されると、情報フィルタリングユ
ニット５０は、記憶部２、５、６、８からユーザーがど
のような「情報」を過去に必要としたかという記録を読
みだし、前記新たな「情報」の必要性を必要性信号とし
て定量的に評価する。

【００２６】次に、その評価された新たな「情報」は、
未読データ記憶部１０に、必要性信号が大きい順に過去
からの未読「情報」を含めて並ぶように前記入力された
「情報」を当該順番に書き込む。

【００２７】そして、ユーザーが望めば、インタフェー
スユニット５１では、ユーザーに必要性信号の大きい順
に前記新たな「情報」を含めた未読「情報」を１つひと
つ提示（例えば、ディスプレーに表示）する。

【００２８】この際に、ユーザーに提示された前記新た
な「情報」を含めた未読「情報」の１つひとつがユーザ
ーにとって必要か不要かを示す教師信号をユーザーがイ
ンタフェースユニット５１を介して入力することによ
り、インタフェースユニット５１では、当該教師信号を
受け取り、当該「情報」とその教師信号を学習ユニット
５２に送る。なお、このユーザーによる教師信号の入力
は、学習ユニット５２の学習能力をより高めるために実
施するものであり、学習ユニット５２の学習能力（ユー
ザーがどんな「情報」を過去に必要としたかという履歴
の学習能力）が既に十分に高ければ行う必要はない。

【００２９】次に、学習ユニット５２では、前記提示し
た「情報」とその教師信号を用いて記憶部２、５、６、
８の履歴内容を書き換える。

【００３０】以上、本発明の情報フィルタ装置は、より
高い学習を通じてユーザーに適応し、ユーザーの求める
「情報」を優先的に提示することができる。また、当然
のことながら、学習を行っていない初期状態では、ユー
ザーがどんな「情報」を必要としているのか学習ユニッ
ト５２では分からないので、全ての入力される新たな
「情報」をインタフェースユニット５１でユーザーが提
示を受ける毎に上述したユーザーによる教師信号の入力
は必要であるが、随時実施する学習を通じてやがてユー
ザーに適応し、ユーザーの求める「情報」を優先的に提
示することができる。

【００３１】なお、ユーザーの求める「情報」を優先的
に提示するとは、より具体的な使用例で述べれば、ある
「情報」データベースの母集団Ａを特定のキーワードで
検索して「情報」の検索集合Ｂを得たとしても、当該検
索集合Ｂの「情報」の全てがユーザーにとっては必要で
あるとは限らないし、またユーザーにとっては「情報」
の全てが必要であってもその必要順位は当然存在するこ
とを前提としている。よって、必要から順に不要、ある
いはその必要順位に従って、インタフェースユニット５
１でユーザーに順に提示することを、ユーザーの求める
「情報」を優先的に提示することを意味する。

【００３２】さて、本発明において重要な点は、いかに
必要性信号（或「情報」が必要であったとの教師信号）
を計算するかである。

【００３３】好ましい実施の形態では、必要性信号は概
念的に次のような量として計算される。

【００３４】上述べた如く、入力された「情報」にキー
ワードが添付されている場合を考える。一人のユーザー
を考えると、そのユーザーが必要としている「情報」に
高い頻度または確率で付いているキーワード集合Ａと、
不要としている「情報」に高い頻度または確率で付いて
いるキーワード集合Ｂと、さらにはいずれにもよく付
く、または付かないキーワード集合Ｃとを考えることが
できる。

【００３５】したがって、前記キーワード集合Ａに属す
るキーワードには正の数値を、前記キーワード集合Ｂに
属するキーワードには負の値を、前記キーワード集合Ｃ
に属するキーワードには値０をそれぞれ割り振る。

【００３６】そして、新たに入力された「情報」につい
ている１つ以上のキーワードについてそれぞれが前記キ
ーワード集合Ａ、Ｂ、Ｃのどのキーワードグループに属
するかを判定し、前記割り振られた値を積算するように
構成する。

【００３７】このように構成すれば、前記新たに入力さ
れた「情報」に付いていた複数のキーワードを、キーワ
ード集合Ａに属するキーワードが数多く含まれた「情
報」（ユーザーが必要とする可能性の高い情報）に対し
ては大きな正の値を示し、キーワード集合Ｂに属するキ
ーワードが数多く付いている「情報」（ユーザーが不要
とする可能性の高い情報）に対しては大きな負の値を示
す数値に変換することができる。

【００３８】こうして、前記数値を用いてユーザーの必
要性に予測することができる。本発明では、提示した
「情報」とその「情報」に関するユーザーの必要／不要
の評価とからキーワード（キーワード共起を含む）への
値の割り振りを自動的に行い精度の高い必要性信号の計
算を実現し、精度高く必要性の高い順に「情報」を並べ
変えることを実現している。

【００３９】そのために、実施の形態１では、「情報」
に付けられた複数のキーワードを一つのベクトルに変換
し、ユーザーが必要とした場合と不要とした場合につい
て、別々に前記ベクトルの自己相関行列を計算してい
る。ユーザーが必要と答えた「情報」についていたキー
ワードから作られた自己相関行列ＭＹを用いて、ベクト
ルＶの長さＳＹを と計算する。

【００４０】なお、以下、必要と答えた「情報」につい
ていたキーワードから作られた自己相関行列ＭＹを「肯
定メトリック信号」、不要と答えた情報についていたキ
ーワードから作られた自己相関行列ＭＮを「否定メトリ
ック信号」と呼び、長さＳＹを肯定信号と呼ぶ。

【００４１】この長さＳＹは、ベクトルＶの元となった
複数のキーワードの中に、ユーザーが必要とする「情
報」によく含まれているキーワードが数多く含まれてい
れば、長さＳＹは大きな正の値をとり、そうでない場合
には０に近い値をとるから、必要性信号を計算する上で
有効である。

【００４２】本発明は、以下に図１を用いて詳細説明す
るように、さらに工夫を重ねて、精度の高い必要性信号
の計算を実現している。

【００４３】図１を用いて、図２に示した情報フィルタ
リングユニット５０に相当するブロックと、図２に示し
た学習ユニット５２に相当するブロックについて、機能
単位毎に説明しておく。

【００４４】まず、情報フィルタリングユニット５０に
相当するブロックの構成を説明する。

【００４５】情報フィルタリングユニット５０は、個々
の「情報」につけられた複数のキーワード（正確には、
分類コードを含む文字列）をベクトルに変換する部分
と、ユーザーがどんな「情報」を必要／不要としたとい
う履歴を表現した肯定メトリック信号及び否定メトリッ
ク信号を用いてある種のスコアを表す肯定信号と否定信
号を計算する部分と、この肯定信号と否定信号とから
「情報」の必要性をよく反映する必要性信号を計算する
部分と、この必要性信号の大きい順に情報を並べ変える
部分からなる。以下、情報フィルタリングユニット５０
に相当するブロックの構成を、図１に即して説明する。

【００４６】図１において、１は「情報」に付けられた
キーワードなどの複数の文字列をベクトルに変換するベ
クトル生成部、２はキーワードなどの複数の文字列をベ
クトルに変換するための符号辞書信号を記憶した符号辞
書記憶部である。この符号辞書記憶部２に記憶された符
号辞書信号は、「情報」についているキーワードなどの
文字列Ｗを数字Ｃに変換する対応表をnofDCK個有するコ
ードブック

【００４７】

【数１】

【００４８】であり、ベクトル生成部１はキーワード数
信号nofKsとnofKs個のキーワード信号からなるキーワー
ド群信号Ks＝（Ｋ［１］，・・・，Ｋ［nofKs］）とを
受けキーワード群信号Ksと前記符号辞書信号DCKを用い
てベクトル信号Vに変換する。３はスコア計算部で、ユ
ーザーに提示された「情報」を必要／不要と評価した結
果から計算された肯定メトリック信号ＭＹ、否定メトリ
ック信号ＭＮを用いて、ベクトル生成部１で変換された
２つのベクトル信号Ｖの長さ、肯定信号ＳＹと否定信号
ＳＮに変換する。５は（nofDCK×nofDCK)行列である前
記肯定メトリック信号ＭＹを記憶する肯定メトリック記
憶部、６は（nofDCK×nofDCK)行列である前記否定メト
リック信号ＭＮを記憶する否定メトリック記憶部であ
る。８は判定パラメータ信号Ｃを記憶する判定パラメー
タ記憶部、７は前記肯定信号ＳＹと前記否定信号ＳＮを
受け前記判別パラメータ記憶部８から判定パラメータ信
号Ｃを読み出し必要性信号Ｎと信頼性信号Ｒを計算する
必要性計算部である。９は「情報」の本文である情報デ
ータＤとキーワード数信号nofKsとキーワード群信号Ｋ
ｓと必要性信号Ｎと信頼性信号Ｒとを所定の手続きに従
って後述する未読データ記憶部１０に書き込む味読デー
タ書き込み制御部、１０は前記「情報」の本文である情
報データＤと前記キーワード数信号nofKsと前記キーワ
ード群信号Ｋｓと前記必要性信号Ｎと前記信頼性信号Ｒ
とからなる最大nofURD個の未読データ

【００４９】

【数２】

【００５０】を記憶する未読データ記憶部、１３は最大
nofTD個の教師データ信号

【００５１】

【数３】

【００５２】を記憶する教師データ記憶部である。

【００５３】次に、図２で示したインタフェースユニッ
ト５１のブロックの構成を説明する。

【００５４】図１において、１１は制御信号ＤＯを受け
未読データ記憶部１０から未読データ信号ＵＲＤ［１］
を読み出し、表示信号ＤＤを出力し、その表示信号ＤＤ
がユーザーにとって必要か不要かを示す教師信号Ｔをユ
ーザーから受け、前記教師信号Ｔと前記未読データ信号
ＵＲＤ［１］のキーワード数信号nofKs［１］とキーワ
ード群信号Ｋｓ［１］とを所定の手続きに従って教師デ
ータ記憶部１３に書き込む未読データ出力制御部でああ
る。

【００５５】次に、図２で示した学習ユニット５２に相
当するブロックの構成を説明する。

【００５６】学習ユニット５２は、ユーザーから入力さ
れた教師信号Ｔを用いて肯定／否定メトリック信号を修
正するメトリック学習を行う部分と、肯定／否定信号か
ら必要性信号を計算するためのパラメータ、判定パラメ
ータ信号、を修正する部分からなり、各部分は学習制御
部によって制御される。

【００５７】図１に示したメトリック学習を行う部分の
構成は次のようである。

【００５８】図１において、１９は肯定メトリック記憶
部５に記憶された肯定メトリック信号ＭＹと前記否定メ
トリック記憶部６に記憶された否定メトリック信号ＭＮ
とを修正するメトリック学習部である。このメトリック
学習部１９は、教師データ記憶部１３から前記教師デー
タＴＤを読み出し、学習ユニット５０のベクトル生成部
１と同じ機能である学習用ベクトル生成部２０で複数の
キーワードをベクトルに変換し、自己相関行列を計算す
ることで、肯定／否定メトリック信号を修正する。

【００５９】判定パラメータ信号の学習を行う部分の構
成は次のようである。

【００６０】図１において、２２は学習用肯定信号計算
部２２１と学習用否定信号計算部２２２とからなる学習
用スコア計算部である。この学習用スコア計算部におい
て、２２１は学習用ベクトル生成部２０からの学習用ベ
クトル信号を受け、学習用肯定信号ＬＳＹを計算する学
習用肯定信号計算部、２２２は学習用ベクトル生成部２
０からの学習用ベクトル信号を受け、学習用否定信号Ｌ
ＳＮを計算する学習用否定信号計算部である。２１は学
習制御部１４からの判定パラメータ学習制御信号ＰＬＣ
を受けて所定の方法で判定パラメータ記憶部８の判定パ
ラメータ信号を書き換える判定面学習部、１４は学習開
始信号ＬＳを受けてスイッチ１６、１７、１８とメトリ
ック学習部１９と学習用ベクトル生成部２０と学習用ス
コア計算部２２と学習用否定信号計算部２３と判定面学
習部２１とを制御する学習制御部である。

【００６１】以上のように構成された情報フィルタ装置
について、各ユニットごとに図面を用いてその動作を説
明する。

【００６２】情報フィルタ装置の好ましい初期状態の一
例は、肯定メトリック信号ＭＹと否定メトリック信号Ｍ
Ｎとを（nofDCK×nofDCK）零行列、未読データ記憶部１
０の未読データＵＲＤ［ｉ］の全ての必要性信号Ｎ
［ｉ］（ｉ＝１,・・・,ｎｏｆＵＲＤ）を使用するハー
ドウエアが表現可能な最小の値Ｖｍｉｎ、教師データ記
憶部１３の教師データＴＤ［ｊ］の教師信号Ｔ［ｊ］を
全て−１とした状態である。

【００６３】最初に、情報フィルタリングユニット５０
の動作を説明する。まず、情報データ入力端子１００か
ら情報データＤが入力され、キーワード数信号入力端子
１０１から情報データに付けられたキーワードの個数を
表すキーワード数信号nofKsが入力され、キーワード信
号入力端子１０２から複数のキーワードであるキーワー
ド群信号Ｋｓ＝（Ｋ［１］，Ｋ［２］，・・・，Ｋ［no
fKs］）が入力される。

【００６４】ベクトル生成部１によってキーワード群信
号Ｋｓは、文字列の集まりからベクトル信号Ｖへと変換
される。この変換によって、キーワード群信号の類似性
をベクトルの距離として計算できるようになる。ベクト
ル生成部１の動作を図３に示すフローチャートを参照し
ながら説明する。まず、キーワード数信号nofKsとキー
ワード群信号Ｋｓを受けると（図３ステップ（イ））、
内部のベクトル信号Ｖ＝（Ｖ［１］，Ｖ［２］，・・
・，Ｖ［nofDic］）を（０，０，・・・，０）に、キー
ワードカウンタ信号ｉを１にセットする（同図ステップ
（ロ）、（ハ））。次に、辞書カウンタ信号ｊを０セッ
トした後辞書カウンタ信号ｊを１だけ増やす（同図ステ
ップ（ニ））。

【００６５】次に、内部にnofDCK個の符号辞書信号ＤＣ
Ｋを有する辞書記憶部２から辞書カウンタｊが指定する
キーワードと数字からなる符号辞書信号ＤＣＫ［ｊ］を
読み出し、符号辞書信号ＤＣＫの文字列部分Ｗ［ｊ］と
ｉ番目のキーワード信号Ｋ［ｉ］とを比較する（同図ス
テップ（ホ））。両者が等しくない場合には、辞書カウ
ンタｊを１だけ増やす（同図ステップ（ヘ））。両者が
一致するか、辞書カウンタｊの値が辞書記憶部２に格納
された符号辞書信号の個数nofDiCと等しくなるまで図３
ステップ（ホ）〜（ト）の処理を繰り返す（同図ステッ
プ（ト））。

【００６６】キーワード信号Ｋ［ｉ］と等しいＷ［ｊ］
が見つかると、ベクトル信号のｊ番目の成分Ｖ［ｊ］を
１にし（同図ステップ（チ））、キーワードカウンタ信
号ｉを１だけ増やす（同図ステップ（リ））。以下、同
様の処理をキーワードカウンタ信号ｉがキーワード数信
号nofKsより大きくなるまで実行する（同図ステップ
（ヌ））。

【００６７】こうして、ベクトル生成部１において、文
字列信号からなるキーワード信号の集合体であるキーワ
ード群信号Ｋｓは、０と１でコード化されたnofDCK個の
成分を持ったベクトル信号Ｖに変換される。

【００６８】次に、肯定信号計算部３１は、キーワード
群信号Ｋｓに過去にユーザーの必要とした情報に含まれ
ていたキーワードが数多く含まれる場合に、大きな値と
なる肯定信号ＳＹを計算する。この目的のために、肯定
信号計算部３１は、前記ベクトル信号Ｖを受けて、肯定
メトリック記憶部５から肯定メトリック信号ＭＹを読み
出し、肯定信号ＳＹを

【００６９】

【数４】

【００７０】と計算する。

【００７１】否定信号計算部３２は、キーワード群信号
Ksに過去にユーザーの不要とした情報に含まれていたキ
ーワードが数多く含まれる場合に、大きな値となる否定
信号ＳＮを計算する。この目的のために、否定信号計算
部３２は、否定メトリック記憶部６から否定メトリック
信号ＭＮを読み出し、否定信号ＳＮを

【００７２】

【数５】

【００７３】と計算する。

【００７４】肯定メトリック信号ＭＹと否定メトリック
信号ＭＮは、後述するようにキーワード群信号Ｋｓとユ
ーザーの応答に基づいて決められる。本発明では、この
ように計算された肯定信号ＳＹと否定信号ＳＮを用い
て、図９に示したように縦軸に肯定信号ＳＹをとり横軸
に否定信号ＳＮをとった２次元空間上の１点に、情報デ
ータＤを対応させることができる。この２次元空間にお
ける情報データＤの分布は、ユーザーが必要とするもの
（○で表示）は主に左上部に分布し、ユーザーが不要と
するもの（×で表示）は主に右下部に分布するようにな
る。したがって、図１０に示したように適切な係数Ｃを
定めることにより、ユーザーが必要とる情報データＤと
不要な情報データＤとを分離できる。

【００７５】さらに、以下に述べるこの係数Ｃを用いて
計算される必要性信号Ｎは、上述の２次元空間で左上に
ある程、すなわち、必要性の高いと予測される情報デー
タＤほど大きな値となる。したがって、必要性信号Ｎの
大きい順に情報データＤを並べて提示すれば、ユーザー
は必要な情報を効率よく手に入れることができる。必要
性信号Ｎと直交する方向の信頼性信号Ｒは、大まかには
キーワード群信号Ｋｓに含まれていたキーワードのうち
どのくらいのキーワード信号が辞書に含まれていたかを
示す信号である。したがって、この信頼性信号Ｒの大き
さは、情報フィルタが計算した必要性信号Ｎがどれだけ
信頼できるのかを示す。

【００７６】次に、必要性計算部７は、前記肯定信号計
算部３１から出力される前記肯定信号ＳＹと前記否定信
号計算部３２から出力される前記否定信号ＳＮとを受
け、判定パラメータ記憶部８から判定パラメータ信号Ｃ
を読み出し、過去必要であった情報についていたキーワ
ードが多数あり、不要であった情報についていたキーワ
ードがほとんどない時に大きな値となる必要性信号Ｎを Ｎ＝ＳＹ−Ｃ・ＳＮ と計算し、信頼性信号Ｒを Ｒ＝Ｃ・ＳＹ＋ＳＮ と計算する。

【００７７】未読データ書き込み制御部９の動作を、図
４に示したフローチャートを参照しながら説明する。ま
ず、それぞれの入力端子から前記情報データＤと前記キ
ーワード数信号nofKsと前記キーワード群信号Ｋｓと受
け、必要性計算部７から前記必要性信号Ｎと前記信頼性
信号Ｒとを受け、未読データ部指示端子１１０から出力
する未読データ処理信号ＷＩを０から１に変える（図４
ステップ（イ））。次に、ｉ＝１とし（同図ステップ
（ロ））、未読データ記憶部１０に記憶された未読デー
タＵＲＤ［ｉ］の必要性信号Ｎ［ｉ］（ｉ＝１，・・
・，ｎｏｆＵＲＤ）を順次読み出し、前記必要性信号Ｎ
と比較し（同図ステップ（ハ））、前記必要性信号Ｎが
未読データＵＲＤ［ｉ］の必要性信号Ｎ［ｉ］より大き
くなる（Ｎ≧Ｎ［ｉ］）最初の未読データの番号ｉ１を
検出する（同図ステップ（ニ）（ホ））。

【００７８】ｉ１番目以降の未読データを ＵＲＤ［ｉ＋１］＝ＵＲＤ［ｉ］ ｉ＝ｉ１，・・・，
ｎｏｆＵＲＤ と置き換え（同図ステップ（ヘ）〜（リ））、その後、
ｉ１番目の未読データＵＲＤ［ｉ１］を Ｎ［ｉ１］ ＝Ｎ Ｒ［ｉ１］ ＝Ｒ nofKs［ｉ１］ ＝nofKs Ｋｓ［ｉ１］ ＝Ｋｓ Ｄ［ｉ１］ ＝Ｄ と前記必要性信号Ｎ等で置き換える（同図ステップ
（ヌ））。この置き換えが終了すると、未読データ部指
示端子１１０から出力する未読データ部指示信号ＷＩを
０に戻し（同図ステップ（ル））、処理を終了する。

【００７９】次に、未読データＵＤＲを読みだし、ユー
ザーの応答（教師信号Ｔ）を付加して教師データ信号Ｔ
Ｄをつくるインターフェースユニット５１について説明
する。インターフェースユニット５１の動作を図５に示
したフローチャートを参照しながら説明する。

【００８０】データ読み出し開始信号入力端子１０３か
ら、データ読み出し開始信号ＤＯが入力される（図５ス
テップ（イ））。未読データ出力制御部１１は、前記未
読データ記憶部１０から１番目の未読データＵＲＤ
［１］を読み出し（同図ステップ（ロ））、未読データ
の必要性信号Ｎ［１］が最小値Ｖｍｉｎより大きい場合
には、未読データ信号ＵＲＤ［１］の情報信号Ｄ［１］
を表示情報信号ＤＤとしてデータ表示端子１０４に出力
し、待機する（同図ステップ（ハ）、（ニ））。未読デ
ータの必要性信号Ｎ［１］が最小値Ｖｍｉｎに等しい場
合には、表示情報信号ＤＤを「データなし」としてデー
タ表示端子１０４に出力し、待機する（同図ステップ
（ホ））。

【００８１】ユーザー（図示せず）は、データ表示装置
（図示せず）に表示された表示情報信号ＤＤを見て、そ
れが必要な情報である場合には教師信号Ｔ＝１、必要で
ない場合には教師信号Ｔ＝０、処理を終了する場合には
教師信号Ｔ＝−１として、教師信号入力端子１０５に返
す（同図ステップ（ヘ））。教師信号Ｔ＝−１の場合、
処理を終了し、教師信号Ｔ≠−１の場合には（同図ステ
ップ（ト））、未読データ出力制御部１１は、教師デー
タ記憶部１３の（数２）で表わされる教師データを ＴＤ［ｉ］＝ＴＤ［ｉ−１］， ｉ＝２，・・・，ｎｏ
ｆＴＤ と置き換え（同図ステップ（ル））、１番目の教師デー
タＴＤ［１］を前記教師信号Ｔと前記未読データのキー
ワード数信号nofKs［１］とキーワード群信号Ｋｓ
［１］とを用いて Ｔ［１］ ＝Ｔ ＴnofKs［１］ ＝nofKs［１］ ＴＫｓ［１］ ＝Ｋｓ［１］ と置き換え（同図ステップ（ル）、（ヲ））、前記未読
データ記憶部１０の未読データＵＲＤを ＵＲＤ［ｉ］＝ＵＲＤ［ｉ＋１］， ｉ＝１，・・・，
（ｎｏｆＵＲＤ−１） とし（同図ステップ（ワ）、（カ））、nofURD番目の未
読データの必要性信号を Ｎ［nofURD］＝（最小値Ｖｍｉｎ） とする（同図ステップ（ヨ）、（タ）、（レ））。

【００８２】次に、学習ユニット５２の動作について図
６〜図８に示したフローチャートを参照しながら説明す
る。

【００８３】図６に学習制御部１４の動作の概略を示す
フローチャート示し、詳しく説明する。

【００８４】図６において、まず、学習開始信号入力端
子１０６から学習開始信号ＬＳが入力され、学習制御部
指示信号出力端子１０７から出力される学習制御部指示
信号ＬＩを０から１に変え（図６ステップ（イ））、処
理中を示す。次に、スイッチ１６とスイッチ１７とスイ
ッチ１８とをメトリック学習部１９と学習用ベクトル生
成部２０が接続する様に切り替える（同図ステップ
（ロ））。

【００８５】次に、図７のステップ（ハ）に対応するメ
トリック学習部１９を動作し（同図ステップ（ハ）、判
定面学習部２１を動作させた後（同図ステップ
（ニ））、ＬＩを０として（同図ステップ（ホ））、処
理を終了する。

【００８６】次に、メトリック学習部１９がユーザーの
応答（教師信号Ｔ）とキーワード群信号Ｋｓとを用い
て、肯定／否定メトリック信号を修正する動作について
図７を用いて説明する。

【００８７】図７は、メトリック学習部１９の動作のフ
ローチャートであり、同図において、前記学習制御部１
４からメトリック学習制御信号ＭＬＣを受けた（図７ス
テップ（イ））メトリック学習部１９は、肯定メトリッ
ク記憶部５から肯定メトリック信号ＭＹを、否定メトリ
ック記憶部６から否定メトリック信号ＭＮをそれぞれ読
み出す。

【００８８】次に、メトリック学習部１９は、教師デー
タカウンタｃの値を１にする（同図ステップ（ロ））。
次に教師データ記憶部１３からｃ番目の教師データ信号
ＴＤ［ｃ］を読み出し（同図ステップ（ハ））、教師デ
ータＴＤ［ｃ］の教師信号Ｔ［ｃ］を調べる。前記教師
信号Ｔ［ｃ］が−１でない場合（Ｔ≠−１）には（同図
ステップ（ニ））、教師データＴＤ［ｃ］のキーワード
数信号ＴnofKs［ｃ］とキーワード群信号ＴＫｓ［ｃ］
とを出力する（同図ステップ（ホ））。前記教師データ
ＴＤ［ｃ］のキーワード数信号ＴnofKs［ｃ］とキーワ
ード群ＴＫｓ［ｃ］とを受けた学習用ベクトル生成部２
０は、前述の情報フィルタリングユニット５０のベクト
ル生成部１と同様の動作を行い、学習用ベクトル信号Ｌ
Ｖを出力する（同図ステップ（ヘ））。メトリック学習
部１９は、前記学習用ベクトル信号ＬＶを受け、前記教
師データＴＤ［ｃ］の教師信号Ｔ［ｃ］がＴ＝１である
場合には（同図ステップ（ト））、肯定メトリック信号
ＭＹを ＭＹ［ｉ］［ｊ］＝ＭＹ［ｉ］［ｊ］＋ＬＶ［ｉ］・Ｌ
Ｖ［ｊ］ （ここで、ｉ，ｊ＝１〜ｎｏｆＤｉＣ）と修正する（同
図ステップ（チ））。

【００８９】この処理により、肯定メトリック信号ＭＹ
は、ユーザーが必要とした情報データＤについていたキ
ーワード信号（複数）に対して大きな値を持つようにな
る。その結果、前述の肯定信号ＳＹが、ユーザーが必要
とする情報データＤに対して大きくなるようになる。否
定メトリック信号ＭＮも以下のように同様の処理がなさ
れる。

【００９０】前記教師データＴＤ［ｃ］の教師信号Ｔ
［ｃ］がＴ＝０である場合には、否定メトリック信号Ｍ
Ｎを ＭＮ［ｉ］［ｊ］＝ＭＮ［ｉ］［ｊ］＋ＬＶ［ｉ］・Ｌ
Ｖ［ｊ］ （ここで、ｉ，ｊ＝１〜ｎｏｆＤｉＣ）と修正する（同
図ステップ（リ））。

【００９１】教師データカウンタの値を ｃ＝ｃ＋１ と１だけ増やす（同図ステップ（ヌ））。

【００９２】以下、メトリック学習部１９は、同様の動
作を、教師データＴＤ［ｃ］の教師信号Ｔ［ｃ］がＴ
［ｃ］＝−１になるかまたはｃ＝ｎｏｆＴＤとなるまで
繰り返す。Ｔ［ｃ］＝−１またはｃ＝ｎｏｆＴＤとなる
と（同図ステップ（ヲ））、メトリック学習の処理を終
了し、メトリック学習制御信号ＭＬＣを学習制御部１４
に送る。

【００９３】学習制御部１４は、メトリック学習部１９
からのメトリック学習制御信号ＭＬＣを受けて、スイッ
チ１６を学習用ベクトル生成部２０とスコア計算部２２
とが接続するように切り替え、スイッチ１７とスイッチ
１８を学習用ベクトル生成部２０と判定面学習部２１と
が接続するように切り替える。学習制御部１４は、判定
面学習制御信号ＰＬＣを判定面学習部２１に送る。

【００９４】次に、判定面学習部２１について、図８を
用いて詳しく説明する。

【００９５】判定面学習部２１は、図１０に示したよう
に、肯定信号ＳＹと否定信号ＳＮを用いて２次元空間上
に表現されたユーザーが必要とする情報データＤとユー
ザーが不要とする情報データＤとをもっともよく分離す
る係数Ｃを求めるものである。 この目的のために、図
８に示したフローチャートに従って詳しく説明する。

【００９６】まず、前記判定面学習制御信号ＰＬＣを受
けて（図８ステップ（イ））、教師データカウンタｃの
値を１にする（同図ステップ（ロ））。教師データ記憶
部１３からｃ番目の教師データ信号ＴＤ［ｃ］を読み出
し（同図ステップ（ハ））、教師データＴＤ［ｃ］の教
師信号Ｔ［ｃ］を調べる（同図ステップ（ニ））。前記
教師信号Ｔ［ｃ］が−１でない場合（Ｔ≠−１）には、
教師データＴＤ［ｃ］のキーワード数信号ＴnofKs
［ｃ］とキーワード群信号ＴＫｓ［ｃ］とを出力する
（同図ステップ（ホ））。前記教師データＴＤ［ｃ］の
キーワード数信号ＴnofKs［ｃ］とキーワード群ＴＫｓ
［ｃ］とを受けた学習用ベクトル生成部２０は、前述し
た情報フィルタリングユニット５０のベクトル生成部１
と同様の動作を行い、学習用ベクトル信号ＬＶを出力す
る。

【００９７】学習用スコア計算部２２は、前述した情報
フィルタリングユニット５０のスコア計算部３と同様の
動作を行い、学習用肯定信号ＬＳＹ［ｃ］と学習用否定
信号ＬＳＮ［ｃ］とを出力し、判定面学習部２１がそれ
を受ける（同図ステップ（ヘ））。前記学習用肯定信号
ＬＳＹ［ｃ］と前記学習用否定信号ＬＳＮ［ｃ］と教師
データＴＤ［ｃ］の教師信号Ｔ［ｃ］と判定面学習用信
号ＴＣ［ｃ］＝（Ｔ［ｃ］，ＬＳＮ［ｃ］，ＬＳＹ
［ｃ］）を内部の記憶素子に記憶する（同図ステップ
（ト））。そして、教師データカウンタの値を ｃ＝ｃ＋１ と１だけ増やす（同図ステップ（チ））。

【００９８】以下、判定面学習部２１は、同様の動作
を、教師データＴＤ［ｃ］の教師信号Ｔ［ｃ］がＴ
［ｃ］＝−１になるかまたはｃ＝ｎｏｆＴＤ＋１となる
まで繰り返す（同図ステップ（リ））。Ｔ［ｃ］＝−１
またはｃ＝ｎｏｆＴＤとなると、学習用肯定信号ＬＳＹ
［ｃ］計算等の処理を終了する。

【００９９】次に、判定面学習部２１は、内部の記憶素
子に記憶された判定面学習用信号ＴＣ［ｃ］（ｃ＝１、
・・・）は、横軸をＬＳＮ［ｃ］、縦軸をＬＳＹ［ｃ］
とし、Ｔ［ｃ］＝１を○、Ｔ［ｃ］＝０を×で示すと、
図９に示すような分布となる。これらのうち、教師信号
Ｔ［ｃ］＝１であるものと前記教師信号Ｔ［ｃ］＝０で
あるものとが、図１０に示したように最もよく分離でき
る判定パラメータＣを、山登り法によって計算する（同
図ステップ（ヌ））。次に前記判定パラメータＣを判定
パラメータ記憶部８に書き込み、学習制御部１４に判定
面学習制御信号ＰＬＣを送り（同図ステップ（ル））、
処理を終了する。学習制御部１４は、判定面学習部２１
から判定面学習制御信号ＰＬＣを受け、学習制御部指示
信号は待機中を示す値にし、処理を終了する。

【０１００】図１０に示したように、上述の２つのメト
リック信号を用いてキーワード群信号を肯定信号ＳＹと
否定信号ＳＮとで表される２次元空間上で、ユーザーが
必要とする情報は主に左上に、不要な情報は右下に分布
するようになる。したがって、上記ように適切な係数Ｃ
を用いて必要性信号をＮ＝ＳＹ−Ｃ・ＳＮとすれば、必
要性信号は、ユーザーが必要とする情報に対して大きな
値をとるようになる。

【０１０１】なお、判定パラメータＣの計算方法とし
て、ここでは、山登り法を採用したが、判定面と学習用
必要性信号ＬＮと学習用信頼性信号ＬＲとの距離に基づ
いて構成されるコスト関数

【０１０２】

【数６】

【０１０３】を最大にする判定面パラメータＣをニュー
トン法、挟み撃ち法などで求める方法であってもよい。

【０１０４】また、肯定メトリック信号ＭＹと否定メト
リック信号ＭＮの学習を忘却の効果を入れた ＭＹ［ｉ］［ｊ］＝α・ＭＹ［ｉ］［ｊ］＋ＬＶ［ｉ］
・ＬＶ［ｊ］ ＭＮ［ｉ］［ｊ］＝β・ＭＮ［ｉ］［ｊ］＋ＬＶ［ｉ］
・ＬＶ［ｊ］ を用いてもよい結果が得られる。（ここで、αとβと
は、１より小さい正の数） さらに、文献「情報処理学会技術報告、自然言語処理１
０１−８（１９９４．５．２７）」などに記載された文
書からキーワード群信号とキーワード数信号を生成する
キーワード生成部を付加する構成をとれば、キーワード
が与えられていない情報に対しても適用できる情報フィ
ルタ装置を構成することができる。

【０１０５】タイトルがつけられた情報については、タ
イトルを構成する単語をもってキーワードとし、キーワ
ード数信号とキーワード群信号を生成してもよい。

【０１０６】加えて、キーワード信号は、国際特許分類
番号など分類記号を含むようにもしても、本発明の構成
を変更する必要はなく、よい結果をえることができる。

【０１０７】また、本発明の実施の形態１では、未読デ
ータＵＲＤを１つずつ提示する場合について示したが、
表示装置（図示せず）の大きさによっては、複数の未読
データＵＲＤを同時に表示し、使用者が複数表示された
どの未読データに対して応答したのかが正しく情報フィ
ルタ装置に伝えられるような構成を取ることは容易であ
る。

【０１０８】本発明の情報フィルタの根幹は、図７のフ
ローチャートのト、チ、リに示したように、ユーザーの
応答とキーワードとの関係をキーワードの同時出現に注
目した肯定メトリック信号ＭＹ、否定メトリック信号に
反映させ、この２つのメトリック信号を用いてキーワー
ド群信号を肯定信号ＳＹと否定信号ＳＮとに変換するこ
とで、キーワードという記号情報を距離の定義された空
間に射影したものである。これによって、キーワード群
の遠近を距離というアナログ尺度で評価することができ
るようになる。これを利用することにより、従来の技術
では必要か不要かの二者択一的な判定しかできなかった
必要性の評価が、ユーザーの必要性の順番に並べるとい
ったことが可能になる。

【０１０９】本発明の実施の形態１の情報フィルタ装置
によれば、ユーザーからの教師信号に基づいた学習によ
って、ユーザーの必要とする情報に対しては、必要性信
号が大きな値を取るようになり、その結果、表示装置等
のインターフェースユニットには、ユーザーにとって必
要性が高い情報が優先的に表示されるようになる。

【０１１０】（実施の形態２）以下、本発明の第２の実
施の形態について、図面を参照しながら説明する。実施
の形態２は、実施の形態１の構成に辞書学習部を付加
し、辞書記憶部２に記憶された符号辞書信号ＤＣＫが使
用者に適応するように更新し、かつ肯定メトリック信号
ＭＹと否定メトリック信号ＭＮを単純な頻度分布に対応
するキーワードの自己相関行列から、情報が必要／不要
の出現するキーワードの確率分布を考慮したものへと改
良したものである。

【０１１１】図１１に本発明の実施の形態２の情報フィ
ルタ装置のブロック結線図を示すが、前述した本発明の
実施の形態１の情報フィルタ装置のブロック結線図と異
なる構成について詳細に説明する。

【０１１２】図１１において、２３は学習制御部１４か
らの辞書学習信号ＤＬＣを受け辞書記憶部２の符号辞書
信号ＤＣＫを更新する辞書学習部、２４は文字列Ｗと数
字Ｃがキーワード群信号Ｋｓに含まれていたときに使用
者が情報データＤを必要と解答した回数を示す肯定回数
ＰＹと文字列Ｗがキーワード群信号Ｋｓに含まれていた
ときに使用者が情報データＤを不要と解答した回数を示
す否定回数ＰＮとからなる表をnofFDCK個有する適応符
号辞書信号

【０１１３】

【数７】

【０１１４】を記憶した適応符号辞書信号記憶部、２５
は使用者が必要と答えた回数を示す全肯定回数信号ＮＹ
と不要と答えた回数を示す全否定回数信号ＮＮを記憶す
る回数記憶部、２６は肯定メトリック更新用の１次肯定
メトリック信号ＭＹ１を記憶する１次肯定メトリック記
憶部、２７は否定メトリック更新用の１次否定メトリッ
ク信号ＭＮ１を記憶する１次否定メトリック記憶部、２
８は前記肯定回数信号と前記否定回数信号と前記１次肯
定メトリック信号ＭＹ１と前記１次否定メトリック信号
ＭＮ１とから改良された肯定メトリック信号ＭＹと否定
メトリック信号ＭＮを計算してそれぞれを肯定メトリッ
ク記憶部５と否定メトリック記憶部６に書き込むＫＤメ
トリック学習部である。

【０１１５】以上のように構成された情報フィルタ装置
について、図面を用いて動作を説明する。ただし、動作
が実施の形態１と同様の個所は説明を省略する。

【０１１６】情報フィルタ装置の好ましい初期状態の一
例は、肯定メトリック信号ＭＹと否定メトリック信号Ｍ
Ｎとを（nofDCK×nofDCK）零行列、未読データ記憶部１
０の未読データＵＲＤ［ｉ］の全ての必要性信号Ｎ
［ｉ］（ｉ＝１,・・・,ｎｏｆＵＲＤ）を使用するハー
ドウエアが表現可能な最小の値Ｖｍｉｎ、教師データ記
憶部１３の教師データＴＤ［ｊ］の教師信号Ｔ［ｊ］を
全て−１、適応符号辞書信号の文字列Ｗを全てブラン
ク、数字Ｃを符号辞書信号ＦＤＣＫの上から順に１、
２、・・・・、nofFDCK、肯定回数ＰＹと否定回数ＰＮ
を０、適応符号辞書に対応して、符号辞書の文字列も全
てブランクとした状態である。

【０１１７】まず、情報フィルタリングユニット５０の
動作を説明する。

【０１１８】上述の初期状態の場合、実施の形態１に記
載した通りの動作を情報フィルタリングユニット５０は
行い、入力されたキーワード数信号nofKs、キーワード
群信号Ks、情報データＤから必要性信号Ｎ、信頼性信号
Ｒをともに０と計算し、未読データ記憶部１０に格納す
る。

【０１１９】次に、インタフェースユニット５１は、実
施の形態１と同じ動作を行い、使用者の応答が付いた教
師データＴＤを教師データ記憶部１３に送る。

【０１２０】学習ユニット５２の動作は、まず、学習開
始信号入力端子１０６から学習開始信号ＬＳが入力され
る。学習制御部１４は、前記学習開始信号ＬＳを受け
て、学習制御部指示信号出力端子１０７から出力される
学習制御部指示信号ＬＩを０から１に変え、処理中を示
す。更に、辞書学習信号ＤＬＣを辞書学習部２３に送
る。

【０１２１】以下、図１２に示したフローチャートを参
照しながら辞書学習部２３の動作を説明する。まず、辞
書学習信号ＤＬＣを受けて（図１２ステップ（イ））、
適応符号辞書記憶部２４から適応符号辞書ＦＤＣＫを最
大nofFDCKtmp個の適応符号信号を記憶できる適応符号信
号バッファに読み込み、回数記憶部２５から全肯定回数
信号ＮＹと全否定回数信号ＮＮとを、１次肯定メトリッ
ク記憶部２６から１次肯定メトリック信号ＭＹ１を、１
次否定メトリック信号記憶部２７から１次否定メトリッ
ク信号ＭＮ１を読み出す（同図ステップ（ロ））。次に
内部の教師データカウンタｃの値を１にし（同図ステッ
プ（ハ））、教師信号記憶部１３から教師データＴＤ
［ｃ］を読み出し（同図ステップ（ニ））、その教師信
号Ｔ［ｃ］が−１であるか否かを判定する（同図ステッ
プ（ホ））。

【０１２２】Ｔ［ｃ］≠−１の場合、以下の処理を行
う。まず、内部のキーワード数カウンタｉの値を１にセ
ットし（同図ステップ（ヘ））、適応符号辞書カウンタ
ｊの値を１にセットする（同図ステップ（ト））。次
に、前記文字列Ｗ［ｊ］がブランクであるかないかを判
定し（同図ステップ（チ））、ブランクである場合に
は、前記文字列Ｗ［ｊ］を前記キーワード信号ＴＫ
［ｉ］で置き換える（同図ステップ（リ））。ブランク
でない場合には、教師データＴＤ［ｃ］のｉ番目のキー
ワード信号ＴＫ［ｉ］とｊ番目の適応符号辞書信号ＦＤ
ＣＫ［ｊ］の文字列Ｗ［ｊ］とを比較する（同図ステッ
プ（ヌ））。

【０１２３】前記文字列Ｗ［ｊ］がブランクの場合、ま
たは、ブランクでなくかつ前記キーワード信号ＴＫ
［ｉ］と前記文字列Ｗ［ｊ］が一致した場合、Ｔ［ｃ］
の値に応じて以下の処理を行う。Ｔ［ｃ］＝１の場合
（同図ステップ（ル））、全肯定信号ＮＹに１を加え
（同図ステップ（ヲ））、適応符号辞書信号ＦＤＣＫ
［ｊ］の肯定回数ＰＹ［ｊ］に１を加える（同図ステッ
プ（ワ））。Ｔ［ｃ］≠１、これはＴ［ｃ］＝０の場合
であるが、全否定信号ＮＮに１を加え（同図ステップ
（カ））、適応符号辞書信号ＦＤＣＫ［ｊ］の否定回数
ＰＮ［ｊ］に１を加える（同図ステップ（ヨ））。

【０１２４】前記Ｗ［ｊ］がブランクでなくかつ前記キ
ーワード信号ＴＫ［ｉ］と前記文字列Ｗ［ｊ］が一致し
ない場合、適応符号辞書カウンタｊの値を１増やす（同
図ステップ（タ））。適応符号辞書カウンタｊの値が適
応符号辞書信号バッファに記憶できる適応符号信号の数
に１を加えた値nofFDCKtmp+1と比較する（同図ステップ
（レ））。適応符号辞書カウンタｊの値が、nofFDCKtmp
+1以下の場合、文字列Ｗ［ｊ］がブランクかどうかの判
定に戻る。

【０１２５】それ以外の場合は、前記キーワードカウン
タｉの値を１だけ増やす（同図ステップ（ソ））。

【０１２６】前記キーワードカウンタｉの値が、前記教
師データＴＤ［ｃ］のキーワード数信号TnofKSに１を加
えた値TnofKs+1と比較して小さい場合（同図ステップ
（ツ））、辞書カウンタｊを１にセットし、同様の処理
を行う。それ以外の場合、教師データカウンタｃの値を
１だけ増やす（同図ステップ（ネ））。教師データカウ
ンタｃの値と教師データ数nofTDに１を加えた値nofTD+1
とを比較し（同図ステップ（ナ））、教師データカウン
タｃの値が小さい場合、次の教師データＴＤ［ｃ］を読
み出し同様の処理を行う。

【０１２７】以上の処理が、全ての教師データＴＤに対
して行われる。

【０１２８】次に、辞書学習部２３は、各々の適応符号
辞書信号ＦＤＣＫ［ｊ］に対し、キーワードコスト信号
ＫＤを計算する。このキーワードコスト信号は、文字列
Ｗ［ｊ］がキーワードとして有効であるか否かを判断す
るために用いられる量である。

【０１２９】ところで、使用者の不要な情報データＤが
出現する確率 ＮＮ／（ＮＹ＋ＮＮ） と比較して、文字列Ｗ［ｊ］が付いている情報データＤ
が使用者にとって不要である場合の確率 ＰＮ［ｊ］／（ＰＹ［ｊ］＋ＰＮ［ｊ］） が大きく異なる場合に、大きくなるようものであれば、
文字列Ｗ［ｊ］は、情報データＤが使用者にとって不要
と判定する上で有効である。同様に、使用者の必要な情
報データＤが出現する確率 ＮＹ／（ＮＹ＋ＮＮ） と比較して、文字列Ｗ［ｊ］が付いている情報データＤ
が使用者にとって必要である場合の確率 ＰＹ［ｊ］／（ＰＹ［ｊ］＋ＰＮ［ｊ］） が大きく異なる場合に、大きくなるようものであれば、
文字列Ｗ［ｊ］は、情報データＤが使用者にとって必要
と判定する上で有効である。

【０１３０】キーワードコスト信号ＫＤは、この性質を
反映している量で有ればなんでもよいが、好ましい例の
一つとして、カルバックダイバージェンスと呼ばれる

【０１３１】

【数８】

【０１３２】が考えられる。しかし、これは、そのまま
では、本情報フィルタ装置の初期状態など、全肯定回数
信号ＮＹ、全否定回数信号ＮＮ、肯定回数ＰＹ［ｊ］、
否定回数ＰＮ［ｊ］が０のときには、log()の計算がで
きない、 ＰＹ［ｊ］＋ＰＮ［ｊ］≒１ を満たす適応符号辞書信号ＦＤＣＫ［ｊ］のキーワード
コスト信号を過大評価する等不適切な場合がある。これ
を回避する好ましい実施の形態の一つは、キーワードコ
スト信号を

【０１３３】

【数９】

【０１３４】とするものである。ここで、εは０でのわ
り算、log0を避けるための小さな正の値を持つパラメー
タである。パラメータＰＣは、３程度の値とするとよ
い。

【０１３５】次に、適応符号辞書信号ＦＤＣＫ［ｊ］の
文字列Ｗ［ｊ］と肯定回数ＰＹ［ｊ］と否定回数ＰＮ
［ｊ］とをキーワードコスト信号ＫＤの大きい順に並べ
替える（同図ステップ（ラ））。このとき、適応符号辞
書ＦＤＣＫ［ｊ］の数字Ｃ［ｊ］には、最初の並び順が
残っている。これを利用して、１次肯定メトリック信号
ＭＹ１とＣ［ｊ］から、Ｃ［ｉ］、Ｃ［ｊ］の値がとも
に符号辞書ＤＣＫの数nofDCKより小さい場合、 Ｍ［ｉ］［ｊ］＝ＭＹ１［Ｃ［ｉ］］［Ｃ［ｊ］］，
ｉ，ｊ＝１、・・nofDCK その他の場合は、ｉ＝ｊの場合は、 Ｍ［ｉ］［ｉ］＝ＰＹ［Ｃ［ｉ］］， ｉ，＝１、・・
nofDCK ｉ≠ｊの場合は、 Ｍ［ｉ］［ｊ］＝０， ｉ，ｊ＝１、・・nofDCK とした上で、 ＭＹ１［ｉ］［ｊ］＝Ｍ［ｉ］［ｊ］、ｉ，ｊ＝１、・
・nofDCK と１次肯定メトリック信号ＭＹ１の置き換えを行う。１
次否定メトリック信号ＭＮ１に対しても、同様の置き換
えを行う（同図ステップ（ム））。

【０１３６】そして、適応符号辞書信号バッファ内の適
応符号辞書ＦＤＣＫ［ｊ］の数字Ｃ［ｊ］を Ｃ［ｊ］＝ｊ、ｊ＝１、・・・、nofFCKtmp と置き換える。

【０１３７】以上の処理を終えると、辞書学習部２３
は、適応符号辞書バッファ内の適応符号辞書ＦＤＣＫの
上位nofDCK個の文字列Ｗ［ｊ］と数字Ｃ［ｊ］を辞書記
憶部２に書き込み、適応符号辞書バッファ内の適応符号
辞書信号ＦＤＣＫ［ｊ］の上位nofFDCK個を適応符号辞
書記憶部２４に書き込み、全肯定回数信号ＮＹと全否定
回数信号ＮＮを回数記憶部２５に書き込み、１次肯定メ
トリック信号ＭＹ１を１次肯定メトリック信号記憶部２
６に１次否定メトリック信号ＭＮ１を１次否定メトリッ
ク信号記憶部２７に書き込む（同図ステップ（ウ））。

【０１３８】最後に、辞書学習信号ＤＣＬを学習制御部
１４に戻して（同図ステップ（ヒ））、処理を終了す
る。

【０１３９】次に、前記学習制御部１４は、スイッチ１
６とスイッチ１７とスイッチ１８とをメトリック学習部
１９と学習用ベクトル生成部２０が接続する様に切り替
える。前記学習制御部１４は、ＫＤメトリック学習部２
８にメトリック学習制御信号ＭＬＣを送る。

【０１４０】前記メトリック学習制御信号ＭＬＣを受け
たＫＤメトリック学習部２８は、まず、１次肯定メトリ
ック記憶部２６から１次肯定メトリック信号ＭＹ１を、
１次否定メトリック記憶部２７から１次否定メトリック
信号ＭＮ１をそれぞれ読み出す。

【０１４１】次に、ＫＤメトリック学習部２８は、教師
データカウンタｃの値を１にする。

【０１４２】教師データ記憶部１３からｃ番目の教師デ
ータ信号ＴＤ［ｃ］を読み出し、教師データＴＤ［ｃ］
の教師信号Ｔ［ｃ］を調べる。前記教師信号Ｔ［ｃ］が
−１でない場合（Ｔ≠−１）には、教師データＴＤ
［ｃ］のキーワード数信号ＴnofKs［ｃ］とキーワード
群信号ＴＫｓ［ｃ］とを出力する。前記教師データＴＤ
［ｃ］のキーワード数信号ＴnofKs［ｃ］とキーワード
群ＴＫｓ［ｃ］とを受けた学習用ベクトル生成部２０
は、前述した実施の形態１の情報フィルタリングユニッ
ト５０のベクトル生成部１と同様の動作を行い、学習用
ベクトル信号ＬＶを出力する。ＫＤメトリック学習部２
８は、前記学習用ベクトル信号ＬＶを受け、前記教師デ
ータＴＤ［ｃ］の教師信号Ｔ［ｃ］がＴ＝１である場合
には、１次肯定メトリック信号ＭＹ１を ＭＹ１［ｉ］［ｊ］＝ＭＹ１［ｉ］［ｊ］＋ＬＶ［ｉ］
・ＬＶ［ｊ］ （ここで、ｉ，ｊ＝１〜ｎｏｆＤｉＣ）と修正する。前
記教師データＴＤ［ｃ］の教師信号Ｔ［ｃ］がＴ＝０で
ある場合には、１次否定メトリック信号ＭＮ１を ＭＮ１［ｉ］［ｊ］＝ＭＮ１［ｉ］［ｊ］＋ＬＶ［ｉ］
・ＬＶ［ｊ］ （ここで、ｉ，ｊ＝１〜ｎｏｆＤｉＣ）と修正する。教
師データカウンタの値を ｃ＝ｃ＋１ と１だけ増やす。

【０１４３】以下、ＫＤメトリック学習部２８は、同様
の動作を、教師データＴＤ［ｃ］の教師信号Ｔ［ｃ］が
Ｔ［ｃ］＝−１になるかまたはｃ＝ｎｏｆＴＤとなるま
で繰り返す。Ｔ［ｃ］＝−１またはｃ＝ｎｏｆＴＤとな
ると、１次肯定メトリック信号ＭＹ１と１次否定メトリ
ック信号ＭＮ１の学習を終える。

【０１４４】次に、回数記憶部２５から全肯定回数信号
ＮＹと全否定回数信号ＮＮを読み出し、１次肯定メトリ
ック信号ＭＹ１と１次否定メトリック信号ＭＮ１とを用
いて、肯定メトリック信号ＭＹを計算する。

【０１４５】こうして計算される肯定メトリック信号Ｍ
Ｙ、否定メトリック信号ＭＮは、キーワードコスト信号
ＫＤと同様、計算される肯定信号ＳＹと否定信号ＳＮ
が、使用者の不要な情報データＤが出現する確率 ＮＮ／（ＮＹ＋ＮＮ） と比較して、文字列Ｗ［ｊ］が付いている情報データＤ
が使用者にとって不要である場合の確率 ＰＮ［ｊ］／（ＰＹ［ｊ］＋ＰＮ［ｊ］） が大きく異なる場合に、大きくなるようものであり、使
用者の必要な情報データＤが出現する確率 ＮＹ／（ＮＹ＋ＮＮ） と比較して、文字列Ｗ［ｊ］が付いている情報データＤ
が使用者にとって必要である場合の確率 ＰＹ［ｊ］／（ＰＹ［ｊ］＋ＰＮ［ｊ］） が大きく異なる場合に、大きくなるようものであるとい
った性質を持っていれば、なんでもよい。これを満たす
好ましいのは、肯定メトリック信号ＭＹを

【０１４６】

【数１０】

【０１４７】と計算し、否定メトリック信号ＭＮを

【０１４８】

【数１１】

【０１４９】と計算する。ここで、εは０でのわり算、
log0を避けるための小さな正の値を持つパラメータであ
る。

【０１５０】そして、更新された１次肯定メトリック信
号ＭＹ１を１次肯定メトリック信号記憶部２６に、更新
された１次否定メトリック信号ＭＮ１を１次否定メトリ
ック信号記憶部２７に、新たに計算れた肯定メトリック
信号ＭＹを肯定メトリック記憶部５へ、新たに計算され
た否定メトリック信号ＭＮを否定メトリック記憶部６へ
書き込む。以上で、ＫＤメトリック学習部２８は、メト
リック学習の処理を終了し、メトリック学習制御信号Ｍ
ＬＣを学習制御部１４に送る。

【０１５１】学習制御部１４は、ＫＤメトリック学習部
２８からのメトリック学習制御信号ＭＬＣを受けて、ス
イッチ１６を学習用ベクトル生成部２０とスコア計算部
２２とが接続するように切り替え、スイッチ１７とスイ
ッチ１８を学習用ベクトル生成部２０と判定面学習部２
１とが接続するように切り替える。学習制御部１４は、
判定面学習制御信号ＰＬＣを判定面学習部２１に送る。

【０１５２】判定面学習部２１の動作は、実施の形態１
と全く同じであるので、説明は繰り返さない。

【０１５３】一度、以上の処理が行われると、辞書記憶
部２の符号辞書が空でなくなるので、情報フィルタリン
グユニット５０から出力される必要性信号Ｎ、信頼性信
号Ｒは、０でなくなり、使用者の必要性の高い情報デー
タが、未読データ記憶部１０の上位に書き込まれるよう
になる。

【０１５４】以後、上記処理を繰り返すことにより、使
用者が必要とする情報か不要かを判定するために有効な
キーワードが優先的に辞書記憶部２に記憶されるように
なり、小規模な辞書であっても、精度の高い情報フィル
タリングが可能となる。

【０１５５】なお、判定パラメータＣの計算方法とし
て、ここでは、山登り法を採用したが、実施の形態１と
同様、判定面と学習用必要性信号ＬＮと学習用信頼性信
号ＬＲとの距離に基づいて構成されるコスト関数を最大
にする判定面パラメータＣをニュートン法、挟み撃ち法
などで求める方法であってもよい。さらに、簡便な方法
として、 Ｃ＝tanθi ここで、 θi＝0.5・π（i/90） i＝１，・・・,９０ の中から、Ｔ［ｃ］＝１である情報とＴ［ｃ］＝０であ
る情報をもっともよく分離できるＣを選ぶと言う方法も
考えることができる。

【０１５６】また、１次肯定メトリック信号ＭＹ１と１
次否定メトリック信号ＭＮ１の学習を忘却の効果を入れ
た ＭＹ１［ｉ］［ｊ］＝α・ＭＹ１［ｉ］［ｊ］＋ＬＶ
［ｉ］・ＬＶ［ｊ］ ＭＮ１［ｉ］［ｊ］＝α・ＭＮ１［ｉ］［ｊ］＋ＬＶ
［ｉ］・ＬＶ［ｊ］ を用いてもよい結果が得られる。（ここで、αは、１よ
り小さい正の数） もしくは、ＭＹ１［ｉ］［ｊ］またはＭＮ１［ｉ］
［ｊ］のいずれかが一定値を越えた場合に、 ＭＹ１［ｉ］［ｊ］＝ＭＹ１［ｉ］［ｊ］／２ ＭＮ１［ｉ］［ｊ］＝ＭＮ１［ｉ］［ｊ］／２ として、信号のオーバーフローを防ぐように構成するこ
とは、実施上好ましい。これは、適応符号辞書信号ＦＤ
ＣＫ［ｊ］の肯定回数ＰＹ［ｊ］と否定回数ＰＮ
［ｊ］、および全肯定回数信号ＮＹと全否定回数ＮＮに
ついても同様である。

【０１５７】さらに、文献「情報処理学会技術報告、自
然言語処理１０１−８（１９９４．５．２７）」などに
記載された文書からキーワード群信号とキーワード数信
号を生成するキーワード生成部を付加する構成をとれ
ば、キーワードが与えられていない情報に対しても適用
できる情報フィルタ装置を構成することができる。

【０１５８】タイトルがつけられた情報については、タ
イトルを構成する単語をもってキーワードとし、キーワ
ード数信号とキーワード群信号を生成してもよい。

【０１５９】加えて、キーワード信号は、国際特許分類
番号など分類記号を含むようにもしても、本発明の構成
を変更する必要はなく、よい結果を得ることができる。

【０１６０】また、本実施の形態では、未読データＵＲ
Ｄを一つづつ提示する場合について示したが、表示装置
（図示せず）の大きさによっては複数の未読データＵＲ
Ｄを同時に表示し、使用者がどの未読データＵＲＤにつ
いて応答したのかを正しく情報フィルタ装置に伝える構
成をとることは容易である。

【０１６１】以上、本発明の実施の形態２の情報フィル
タの根幹は、キーワードの同時出現に注目したメトリッ
クを導入することにより、キーワードという記号情報を
距離の定義された空間に射影したことにある。これによ
って、キーワード群の遠近を距離というアナログ尺度で
評価することができるようになる。これを利用すること
により、従来の技術では必要か不要かの二者択一的な判
定しかできなかった必要性の評価が、ユーザーの必要性
の順番に並べるといったことが可能になる。

【０１６２】本実施の形態による情報フィルタによれ
ば、ユーザーからの教師信号に基づいた学習によって、
ユーザーの必要とする情報に対しては、必要性信号が大
きな値を取るようになり、その結果、表示装置等には、
ユーザーにとって必要性が高い情報が優先的に表示され
るようになる。

【０１６３】

【発明の効果】以上のように、本発明は、提示された情
報に対するユーザの応答と前記情報につけられたキーワ
ードとの関係をメトリック信号に反映させるメトリック
学習装置であって、前記情報は情報データと一つ以上の
キーワード（文字列）を含むものであり、前記情報デー
タを提示する情報提示手段と、前記提示された情報デー
タが必要か不要かを入力する入力手段と、前記情報に付
けられた一つ以上のキーワード信号からなるキーワード
群信号をベクトル信号に変換するベクトル変換手段と、
情報データが必要か不要かという入力と前記ベクトル信
号とから前記キーワードへのユーザの必要性を予測する
値をメトリック信号に割り振るメトリック学習手段と、
前記メトリック信号を記憶するメトリック記憶手段とを
有することを特徴とするものであり、ユーザーの必要と
する情報を取り出すために有効で、提示された情報に対
するユーザの応答と前記情報につけられたキーワードと
の関係を反映させ、メトリック信号を得ることができる
メトリック学習装置を提供することができる。

【図面の簡単な説明】

【図１】本発明の実施の形態１の情報フィルタ装置のブ
ロック結線図

【図２】本発明の実施の形態１の情報フィルタ装置の概
略を示すブロック結線図

【図３】本発明の実施の形態１の情報フィルタ装置のベ
クトル生成部の動作を説明するフローチャート

【図４】本発明の実施の形態１の情報フィルタ装置の未
読データ書き込み制御部の動作を説明するフローチャー
ト

【図５】本発明の実施の形態１の情報フィルタ装置の未
読データ出力制御部の動作を説明するフローチャート

【図６】本発明の実施の形態１の情報フィルタ装置の学
習制御部の動作を説明するフローチャート

【図７】本発明の実施の形態１の情報フィルタ装置のメ
トリック学習部の動作を説明するフローチャート

【図８】本発明の実施の形態１の情報フィルタ装置の判
定面学習部の動作を説明するフローチャート

【図９】本発明の実施の形態１の情報フィルタ装置の判
定面学習部の動作を説明するための図

【図１０】本発明の実施の形態１の情報フィルタ装置の
判定面学習部の動作を説明するための図

【図１１】本発明の実施の形態２の情報フィルタ装置の
ブロック結線図

【図１２】本発明の実施の形態２の情報フィルタ装置の
辞書学習部の動作を説明するフローチャート

【符号の説明】

１ ベクトル生成部 ２ 辞書記憶部 ３ スコア計算部 ５ 肯定メトリック記憶部 ６ 否定メトリック記憶部 ７ 必要性計算部 ８ 判定パラメータ記憶部 ９ 未読データ書き込み制御部 １０ 未読データ記憶部 １１ 未読データ出力制御部 １２ 教師データ制御部 １３ 教師データ記憶部 １４ 学習制御部 １６ スイッチ １７ スイッチ １８ スイッチ １９ メトリック学習部 ２０ 学習用ベクトル生成部 ２１ 判定面学習部 ２２ スコア計算部 ２３ 辞書学習部 ２４ 適応符号辞書記憶部 ２５ 回数記憶部 ２６ １次肯定メトリック記憶部 ２７ １次否定メトリック記憶部 ２８ ＫＤメトリック学習部 ３０ キーワード評価部 ３１ キーワード評価信号ソート部 ３２ キーワード検索式生成部 ５０ 情報フィルタリングユニット ５１ インタフェースユニット ５２ 学習ユニット １００ 情報入力端子 １０１ キーワード数信号入力端子 １０２ キーワード信号入力端子 １０３ データ読み出し開始信号入力端子 １０４ データ表示端子 １０５ 教師信号入力端子 １０６ 学習開始信号入力端子 １０７ 学習制御部指示信号出力端子 １１０ 未読データ部指示端子

フロントページの続き (56)参考文献 特開 平６−243173（ＪＰ，Ａ) 特開 平６−75999（ＪＰ，Ａ) 特開 平２−125363（ＪＰ，Ａ) 野村、宮里、菅谷，「目的画に対する 類似画／非類似画の指定による静止画像 検索の一手法」，情報処理学会第45回 （平成４年後期）全国大会講演論文集, Ｎｏ．４，平成４年10月11日，ｐ．４− 205〜４−206 Ｂ．Ｓｈｅｔｈ ａｎｄ Ｐ．Ｍａｅ ｓ，”Ｅｖｏｌｖｉｎｇ Ａｇｅｎｔｓ Ｆｏｒ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｉｌｔｅｒ ｉｎｇ，”Ｉｎ Ｐｒｏｃｅｅｄｉｎｇ ｓ ｏｆ ｔｈｅ Ｎｉｎｔｈ Ｃｏｎ ｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃ ｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ｆ ｏｒ Ａｐｐｌｉｃａｔｉｏｎｓ，ＩＥ ＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔ ｙ Ｐｒｅｓｓ，1993年，ｐ．345−352 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (11)

(57)【特許請求の範囲】
1. 【請求項１】 提示された情報に対するユーザの応答と
   前記情報につけられたキーワードとの関係をメトリック
   信号に反映させるメトリック学習装置であって、前記情
   報は情報データと一つ以上のキーワード（文字列）を含
   むものであり、前記情報データを提示する情報提示手段
   と、前記提示された情報データが必要か不要を入力する
   入力手段と、前記情報に付けられた一つ以上のキーワー
   ド信号からなるキーワード群信号をベクトル信号に変換
   するベクトル変換手段と、情報データが必要か不要かと
   いう入力と前記ベクトル信号とから前記キーワードへの
   ユーザの必要性を予測する値をメトリック信号に割り振
   るメトリック学習手段と、前記メトリック信号を記憶す
   るメトリック記憶手段とを有することを特徴とするメト
   リック学習装置。
2. 【請求項２】 メトリック信号は、提示した情報データ
   に対し入力手段から入力される必要か不要かを示す信号
   とキーワード群信号から変換されたベクトル信号とから
   計算される信号であり、前記入力手段から入力される信
   号が必要である場合の情報から構成される肯定メトリッ
   ク信号と、前記入力手段から入力される信号が不要であ
   る場合の情報から構成される否定メトリック信号である
   ことを特徴とする請求項１記載のメトリック学習装置。
3. 【請求項３】 肯定メトリック信号は、入力手段から入
   力される信号が必要な場合のベクトル信号の自己相関行
   列であり、否定メトリック信号は、入力手段から入力さ
   れる信号が不要である場合のベクトル信号の自己相関行
   列であることを特徴とする請求項２記載のメトリック学
   習装置。
4. 【請求項４】 肯定メトリック信号と否定メトリック信
   号はそれぞれ行列であり、前記行列の（ij）成分は、必
   要とされた情報の頻度と、不要とされた情報の頻度と、
   ｉ番目のキーワード信号とｊ番目のキーワード信号が同
   時に含まれた情報が必要とされた頻度と、前記ｉ番目の
   キーワード信号と前記ｊ番目のキーワード信号が同時に
   含まれた情報が不要とされた頻度とから計算されること
   を特徴とする請求項２記載のメトリック学習装置。
5. 【請求項５】 行列の(ij)成分は、情報が必要であるか
   不要であるかを示す確率分布と、ｉ番目のキーワード信
   号とｊ番目のキーワード信号が同時に含まれた情報が必
   要であるか不要であるかを示す確率分布との違いを定量
   的に評価する信号であることを特徴とする請求項４記載
   のメトリック学習装置。
6. 【請求項６】 キーワード信号は、分類コードを含むこ
   とを特徴とする請求項１及至５のいずれかに記載のメト
   リック学習装置。
7. 【請求項７】 提示された情報に対するユーザの応答と
   前記情報につけられたキーワードとの関係をメトリック
   信号に反映させるメトリック学習方法であって、前記情
   報は情報データと一つ以上のキーワード（文字列）を含
   むものであり、前記情報データを提示する情報提示ステ
   ップと、前記提示された情報データが必要か不要かを入
   力する入力ステップと、前記情報に付けられた一つ以上
   のキーワード信号からなるキーワード群信号をベクトル
   信号に変換するベクトル変換ステップと、情報データが
   必要か不要かという入力と前記ベクトル信号とから前記
   キーワードへのユーザの必要性を予測する値をメトリッ
   ク信号に割り振るメトリック学習ステップと、前記メト
   リック信号を記憶するメトリック記憶ステップとを有す
   ることを特徴とするメトリック学習方法。
8. 【請求項８】 メトリック信号は、入力ステップで入力
   される信号が必要な場合の情報から構成される肯定メト
   リック信号と、入力ステップで入力される信号が不要で
   ある場合の情報から構成される否定メトリック信号であ
   ることを特徴とする請求項７記載のメトリック学習方
   法。
9. 【請求項９】 肯定メトリック信号は、入力ステップで
   入力される情報が必要な場合のベクトル信号の自己相関
   行列であり、否定メトリック信号は、入力ステップで入
   力される情報が不要である場合のベクトル信号の自己相
   関行列であることを特徴とする請求項８記載のメトリッ
   ク学習方法。
10. 【請求項１０】 肯定メトリック信号と否定メトリック
    信号はそれぞれ行列であり、前記行列の（ij）成分は、
    必要とされた情報の頻度と、不要とされた情報の頻度
    と、ｉ番目のキーワード信号とｊ番目のキーワード信号
    が同時に含まれた情報が必要とされた頻度と、前記ｉ番
    目のキーワード信号と前記ｊ番目のキーワード信号が同
    時に含まれた情報が不要とされた頻度とから計算される
    ことを特徴とする請求項８記載のメトリック学習方法。
11. 【請求項１１】 行列の(ij)成分は、情報が必要である
    か不要であるかを示す確率分布と、ｉ番目のキーワード
    信号とｊ番目のキーワード信号が同時に含まれた情報が
    必要であるか不要であるかを示す確率分布との違いを定
    量的に評価する信号であることを特徴とする請求項１０
    記載のメトリック学習方法。