JP3203203B2 - 情報フィルタ装置及び情報フィルタリング方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、電子または光等を
媒体とする記憶装置や情報通信網から必要な情報を取り
出し易くする情報フィルタ装置及び情報フィルタリング
方法並びに情報フィルタリングプログラムを記録した記
録媒体に関するものである。

【０００２】

【従来の技術】近年の情報通信基盤の発展に伴う情報通
信網の大規模化及び通信量の著しい増大に対処するため
の技術として、情報フィルタ装置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、大量の情報の中にユ
ーザにとって必要な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リングす
るものである。

【０００４】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、ユーザ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、ユーザがフ
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はキー
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があったり、ある
いは多くの検索結果からユーザ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はない。

【０００６】そこで、本発明者らは、初心者にも精度の
高い情報フィルタリングが可能で、ユーザにとって必要
性の高い情報を容易に取り出すことのできる情報フィル
タ装置を開発し、特願平８―２３００１２号及び特願平
９−０４６３８４号として特許出願済みである。

【０００７】この情報フィルタ装置は、情報に割り振ら
れた複数のキーワードをベクトルに変換し、ベクトルと
ユーザがどんな情報を必要とし不要としたかを表現した
行列を用いてスコアを計算して、情報の必要性と信頼性
を計算する。必要性の大きい順に情報を並べ換え、ユー
ザから要求があれば必要性の大きい順に情報を提示す
る。さらに、提示した情報が必要か不要かというユーザ
の評価を入力して、ユーザの評価と前記複数のキーワー
ドとからスコア計算にもちいる行列を修正するものであ
る。

【０００８】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、ユーザの必要度を反映
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、ユーザの必要度を定量化することがで
き、ユーザ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】

【発明が解決しようとする課題】しかしながら、上記情
報フィルタ装置においては、複数の情報源（例えば、複
数の新聞社）から情報を集める場合、同じ内容の情報が
繰り返し現れ、十分な情報の一覧性が得られないという
課題があった。

【００１０】例えば、多くの新聞紙面で報じられるよう
な重大事故が発生した場合、ユーザにとっても興味深い
その重大事故（情報）に高いスコアが付けられることに
なる。その結果、必要性の大きい順に情報を提示する
と、情報提示内容がその重大事故（情報）の記事で占有
され、その他の情報を得るまでに同じ内容の記事が何度
も繰り返し提示されることになる。

【００１１】また、２つのキーワード集合の類似度を判
断する際によく用いられるベクトルの角度は、２つのキ
ーワード集合のベクトルが完全に等し場合しか０になら
ず、つけられたキーワードに違いがあるか否かを表現す
る上では有効であるが、２つのキーワード集合の間に一
方が他方を包含する場合と２つの集合が重ならない部分
を持つ場合とを区別できないという性質を持つ。このた
め、キーワードの包含関係を表現する上では適切でな
い。 本発明は以上のような実情に鑑みてなされたもので
あり、キーワードの包含関係に基づいて２つのキーワー
ド集合の類似度を判断して従属情報を選別できる情報フ
ィルタ装置及び情報フィルタリング方法を提供すること
を目的とする。 また本発明は、同じような情報が複数含
まれる場合には、代表的な情報と関連情報の件数表示す
ることにより、できる限り多くの種類の情報を一度に表
示でき一覧性の高い情報フィルタ装置及び情報フィルタ
リング方法を提供することを目的とする。

【００１２】

【課題を解決するための手段】上記課題を達成するため
に、本発明は以下のような手段を講じた。すなわち、情
報が蓄積される記憶部と、この記憶部から類似度判定対
象の情報及び比較対象の情報を読み出す読出制御手段
と、読み出された類似度判定対象情報と比較対象情報と
の包含関係を分析し類似度判定対象情報が比較対象情報
に包含されている場合に最大値をとるように類似度を計
算する類似度計算手段と、前記類似度判定対象情報に対
して類似度が所定値以上の比較対象情報を従属情報とし
て抽出する抽出手段と、を具備するものとした。 また、
前記記憶部に蓄積された情報を一覧表示する場合、類似
度判定対象情報及びその従属情報で構成する類似情報群
中の代表情報と、従属情報の存在しなかった類似度判定
対象情報からなる独立情報と、を一覧表示する提示手段
を具備するものとした。

【００１３】

【００１４】

【００１５】

【００１６】

【００１７】

【００１８】

【００１９】

【００２０】

【００２１】

【００２２】

【００２３】

【００２４】

【００２５】

【００２６】

【００２７】

【００２８】

【００２９】

【００３０】

【００３１】

【００３２】

【００３３】

【発明の実施の形態】本発明は、情報記録媒体又は情報
通信網から供給された情報が記憶される記憶部と、該記
憶部の情報を類似する情報でまとめて代表情報と従属情
報を決める類似判定手段と、前記記憶部の情報を提示す
る場合に類似する情報については代表情報を提示する提
示手段とを具備する構成を採る。また本発明は、情報記
録媒体又は情報通信網から供給された情報を類似する情
報でまとめて代表情報と従属情報を決め、前記情報を提
示する場合に類似する情報については代表情報を提示す
る構成を採る。本発明によれば、記憶部の情報を提示す
る場合に類似する情報については代表情報を提示するの
で、多くの種類の情報を一度に表示でき一覧性の改善を
図ることができる。また、本発明は、記憶部の情報を、
情報に割り振られた複数のキーワードと過去にそれらキ
ーワードの割り振られた情報を必要／不要とした履歴と
に基づいて計算された必要性の高さに応じた順序で並べ
る構成を採る。本発明によれば、記憶部の情報が必要性
の高さに応じた順序で並べられているので、ユーザの好
みに応じた順番で情報を提示できるとともに、類似する
情報については代表する代表情報だけを表示して一覧性
の改善を図ることができる。また、本発明は、類似判定
手段が、記憶部に記憶された各情報に付けられているキ
ーワードの一致度に基づいて代表情報に類似する情報を
検索する構成を採る。本発明によれば、キーワードの一
致度に基づいて代表情報に類似する情報を判断すること
ができ、記憶部の情報を提示する場合に類似する情報に
ついては代表情報を提示するので、多くの種類の情報を
一度に表示でき一覧性の改善を図ることができる。ま
た、本発明は、代表情報を必要性の高い順序で提示する
構成を採る。また、本発明は、必要性の高さに応じた順
番で情報が並べられた記憶部から情報を取り出し、情報
に付けられているキーワードの一致度に基づいて代表情
報に類似する従属情報を検索し、類似する情報について
は代表情報を提示対象として必要性の高い順序で情報を
提示する構成を採る。本発明によれば、代表情報を必要
性の高い順序で提示するので、ユーザの好みに応じた順
番で情報を提示でき、類似する情報については代表する
代表情報だけを表示して一覧性の改善を図ることができ
る。また、本発明は、代表情報を提示する際に、当該代
表情報に類似した従属情報の数又は有無を一緒に表示す
る構成を採る。本発明によれば、代表情報と共に従属情
報の数又は有無を表示するので、一覧性を確保しつつよ
り多くの関連情報を知ることができる。また、本発明
は、記憶部の情報を必要性の高い情報から順番にチェッ
クして未だ代表情報又は従属情報になっていない独立情
報があれば、その独立情報を代表情報とし類似する従属
情報を当該代表情報から必要性の低い方向に検索する構
成を採る。本発明によれば、情報が重要性の高い順序で
並んでいるので、代表情報よりも上に類似情報が存在し
ないことを利用して、類似情報を検索する際の検索範囲
の効率化を図ることができる。また、本発明は、類似す
る情報及び独立情報を検索する検索範囲が予め指示又は
設定され、当該検索範囲を必要性の低い方向へ順次シフ
トさせる構成を採る。本発明によれば、情報が重要性の
高い順序で並んでいる場合に検索範囲を定めると、類似
する情報は重要性が近似する特性が有り比較的近い位置
に存在することを利用して、検索の効率化を図ることが
できる。また、本発明は、情報に割り振られた複数のキ
ーワード信号をベクトル信号に変換する手段と、必要な
情報から構成される肯定メトリック信号、不要な情報か
ら構成される否定メトリック信号及び前記ベクトル信号
を用いて肯定スコア及び否定スコアを計算するスコア計
算部と、前記肯定スコア信号及び前記否定スコア信号か
らなる二次元平面の点の分布を必要な情報及び不要な情
報に分離する判定パラメータ信号、前記肯定スコア信号
及び前記否定スコア信号から必要性信号及び信頼性信号
を計算する必要性計算部と、情報を前記必要性信号の大
きさの順に並べて前記記憶部に書き込む手段とを具備す
る構成を採る。本発明によれば、複数のキーワードは、
距離の定義ができない記号から、ユーザの必要度を反映
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、ユーザの必要度を定量化することがで
き、ユーザ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。以下、本発明の実施の形態につい
て図面を参照して詳細に説明する。

【００３４】（実施の形態１）図１は実施の形態１に係
る情報フィルタ装置の構成を示すブロック図であり、図
２は情報フィルタ装置を機能単位にまとめたブロック図
である。

【００３５】この情報フィルタ装置は、ユーザーが過去
にどんな「情報」を必要としたかという履歴に基づいて
「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、フィルタリングした情報をユーザーに提示
するディスプレー等のインタフェースユニット５１、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、フィルタリングした
未読データ（ユーザーが未だ読んでいない情報）から内
容がよく似た未読データにまとめて各グループを代表す
る「情報」の一覧にする代表情報一覧ユニット５３に分
けられる。

【００３６】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替える
部分からなる。

【００３７】図１では、ベクトル生成部１が「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
変換し、符号辞書記憶部２が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
ている。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

【数１】 である。ベクトル生成部１はキーワード数信号ｎｏｆＫ
s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。また、スコア計算部３
が、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の長さと肯定信号ＳＹと
否定信号ＳＮとに変換する。肯定メトリック記憶部５は
（ｎｏｆＤＣＫ×ｎｏｆＤＣＫ)行列である前記肯定メ
トリック信号ＭＹを記憶し、否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を記憶し、判定パラメータ記憶部８は
判定パラメータ信号Ｃを記憶する部分である。必要性計
算部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。さら
に、未読データ書き込み制御部９が「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Ｋｓ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。未読データ記憶部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

【数２】 を記憶する。

【００３８】代表情報一覧ユニット５３は、未読データ
記憶部１０に記憶された未読データ相互の類似度を計算
し、どの未読データが一まとめにできるかを決める未読
データ圧縮部７０、前記未読データ圧縮部７０の結果を
記憶する圧縮未読データ記憶部８１、圧縮未読データを
用いて未読データの読み出しを制御する圧縮未読データ
読み出し制御部８２等からなる。図１３に未読データ圧
縮部７０の構成が示されている。７１は類似度計算制御
部であり、７２は未読データ読み出し部であり、７３は
類似度ベクトル生成部であり、７４はスイッチ、７５は
参照ベクトル記憶部であり、７６は類似度計算部であ
り、７７は閾値記憶部であり、７８は比較部であり、７
９は圧縮未読データ書き込み制御部であり、８０はフラ
グ記憶部であり、８１は圧縮未読データ記憶部である。

【００３９】インターフェースユニット５１は、未読デ
ータ出力制御部１１が制御信号ＤＯを受け圧縮未読デー
タ読み出し制御部８２を通じて未読データ記憶部１０か
ら未読データ信号ＵＲＤ［１］を読み出して表示信号Ｄ
Ｄを出力する。また、その表示信号ＤＤがユーザーにと
って必要か否かを示す教師信号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Ｋ
ｓ［１］とを所定の手続きに従って教師データ記憶部１
３に書き込む。教師データ記憶部１３は、最大ｎｏｆTD
個の教師データ信号

【数３】 を記憶する。

【００４０】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。

【００４１】図１において、メトリック学習を行う部分
の構成は次の通りである。

【００４２】メトリック学習部１９において肯定メトリ
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。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。

【００４３】判定パラメータ信号の学習を行う部分の構
成は次の通りである。

【００４４】学習用スコア計算部２２が、学習用肯定信
号計算部２２１と学習用否定信号計算部２２２とから構
成される。学習用肯定信号計算部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を計算し、学習用否定信号計算部２２２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
受け学習用否定信号ＬＳＮを計算する。判定面学習部２
１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の書き換えを行う。学習制御部で
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２
０と学習用スコア計算部２２と学習用否定信号計算部２
３と判定面学習部２１とを制御する。

【００４５】以上のように構成された情報フィルタ装置
での概略的な処理の流れについて説明する。以下の説明
では、既にユーザがどんな「情報」を過去に必要とした
かという履歴は学習済みであるものとする。また、単に
「情報」と称するものには、「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。キーワード
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。

【００４６】情報フィルタリングユニット５０では、新
たな「情報」が入力されると、記憶部２、５、６、８か
らユーザがどのような「情報」を過去に必要としたかと
いう記録を読みだし、当該ユーザにとっての新たな「情
報」の必要性を必要性信号として定量的に評価する。

【００４７】次に、その評価された新たな「情報」は、
未読データ記憶部１０に過去からの未読「情報」を含め
て必要性信号が大きい順に並ぶように書き込まれる。

【００４８】代表情報一覧ユニット５３では、未読デー
タ記憶部１０への書き込みが終了すると、未読データ圧
縮部７０が未読データ記憶部１０に記憶された「情報」
の相互の類似度を計算し、どの情報が一まとめにできる
かという結果を圧縮未読データ信号として圧縮未読デー
タ記憶部８１に書き込む。

【００４９】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並べて、前記新たな「情
報」を含めた未読「情報」、類似の情報がある場合には
代表的な情報を提示（例えば、ディスプレー表示）す
る。

【００５０】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。

【００５１】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。

【００５２】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。

【００５３】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、かつ高い一覧性をもって提示する
ことができる。

【００５４】また、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ようになる。

【００５５】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が、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。

【００５６】以下、各ユニットごとの動作内容を図面を
用いて具体的に説明する。

【００５７】情報フィルタリングユニット５０では「情
報」の必要性信号を計算する。

【００５８】ここで、必要性信号を計算するための基本
概念を説明する。

【００５９】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。

【００６０】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。

【００６１】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。

【００６２】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。

【００６３】こうして、前記数値を用いてユーザーにと
っての必要性を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。

【００６４】そのために、「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

【数４】 と計算する。

【００６５】なお、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を肯定信号と呼んでいる。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。

【００６６】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１０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。このような初期状
態となっているものとする。

【００６７】情報フィルタリングユニット５０では、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［ｎｏｆＫs］）が
入力される。

【００６８】ベクトル生成部１によって、キーワード群
信号Ｋｓが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。

【００６９】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））。

【００７０】次に、内部にｎｏｆＤＣＫ個の符号辞書信
号ＤＣＫ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））。

【００７１】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））。

【００７２】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ｎｏｆＤＣ
Ｋ個の成分を持ったベクトル信号Ｖに変換される。

【００７３】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

【数５】 と計算する。

【００７４】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Ｍ
Ｎを読み出し、否定信号ＳＮを

【数６】 と計算する。

【００７５】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。

【００７６】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。

【００７７】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、ユーザーが必要とする情報
データＤと不要な情報データＤとを分離できる。

【００７８】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。

【００７９】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。

【００８０】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））。

【００８１】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。

【００８２】次に、代表情報一覧ユニット５３では、未
読データ記憶部７０に端子１７０から類似度計算開始信
号が入力されると、類似度計算制御部７１は、内部の情
報カウンタｎと圧縮情報カウンタａをそれぞれ１にセッ
トする（図１４ステップ（イ））。

【００８３】前記情報カウンタのカウンタ出力ｎと圧縮
情報カウンタのカウンタ出力ａの値を圧縮未読データ書
き込み制御部７９に送る。圧縮未読データ書き込み制御
部７９は、類似情報リスト信号ＡＤ［ａ］［１］に前記
情報カウンタｎの値を代入し、フラグＡ［ａ］に類似の
情報がないことを示す値１を代入し、比較回数カウンタ
のカウンタ出力ｌに１を代入し、比較対象情報番号差カ
ウンタΔｍに０、比較情報番号カウンタのカウンタ出力
ｍに前記情報カウンタの値に１を加えたものを代入する
（同図ステップ（ロ））。

【００８４】類似度計算制御部７１は、情報カウンタｎ
の値を未読データ読み出し部７２に送り、スイッチ７４
を参照ベクトル記憶部７５が接続するように切り替え
る。未読データ読み出し部７２は、未読データ記憶部１
０から、未読データＵＲＤ［ｎ］を読み出し（同図ステ
ップ（ハ））、類似度ベクトル生成部７３に送る。

【００８５】類似度ベクトル生成部７３は、前記ベクト
ル生成部１と同様にして類似度ベクトル信号を生成し
（同図ステップ（ニ））、参照ベクトル記憶部７５に送
る。参照ベクトル記憶部７５は、前記類似度ベクトル信
号を参照ベクトル信号Ｖｎとして記憶する。類似度計算
部７６は、参照ベクトル記憶７５から参照ベクトル信号
Ｖｎを読み出し、

【数７】 を計算する（同図ステップ（ホ））。

【００８６】類似度計算制御部７１は、スイッチ７４を
類似度計算部７６につながるように切り替え、比較情報
番号カウンタのカウンタ出力ｍの値を圧縮データ書き込
み制御部７９から読み出し、未読データ読み出し部７２
に送る。

【００８７】未読データ読み出し部７２は、未読データ
記憶部１０から未読データＵＲＤ［ｍ］を読み出し（同
図ステップ（へ））、その未読データＵＲＤ［ｍ］を類
似度ベクトル生成部７３に送る。

【００８８】類似度ベクトル生成部７３は、前記ベクト
ル生成部１と同様にして類似度ベクトル信号を生成し
（同図ステップ（ト））、比較ベクトル信号Ｖｍとして
類似度計算部７６に送る。

【００８９】類似度計算部７６は、比較ベクトル信号Ｖ
ｍから、

【数８】 と

【数９】 とを計算する（同図ステップ（ホ）、（リ））。類似度
計算部７６は、

【数１０】 が

【数１１】 より大きい場合には、類似度Ｃｈを

【数１２】 とし、その他の場合には、

【数１３】 とする。この類似度Ｃｈは、未読データＵＲＤ［ｎ］に
つけられたキーワードのすべてが、未読データＵＲＤ
［ｍ］につけられたキーワードに含まれる場合（また
は、未読データＵＲＤ［ｍ］につけられたキーワードの
すべてが、未読データＵＲＤ［ｎ］につけられたキーワ
ードに含まれる場合）に１となり、その他の場合には１
より小さくなるという性質を持っている。

【００９０】以下に、この類似度の性質について、従来
よく使われているベクトルの角度と比較して述べる。

【００９１】よく用いられるベクトルの角度は、２つの
ベクトルが完全に等し場合しか０にならず、つけられた
キーワードに違いがあるか否かを表現する上では有効で
あるが、２つのキーワード集合の間に一方が他方を包含
する場合（図１７（ａ））と２つの集合が重ならない部
分を持つ場合（図１７（ｂ））とを区別できないという
性質を持つ。このため、キーワードの包含関係を表現す
る上では適切でない。

【００９２】実際、ある事件や事柄について、詳しい情
報とおおまかな情報とがある場合を考えると、詳しい情
報につけられたキーワードの集合がおおまかな情報につ
けられたキーワードを含むということはしばしば見られ
る。

【００９３】したがって、情報の類似度考える場合、上
の類似度Ｃｈは、情報の類似度を評価するために、従来
よく使われているベクトルの角度より有効である。

【００９４】さて、比較部７８は、こうして得られた類
似度Ｃｈをあらかじめ閾値記憶部７７に書き込んでいた
閾値θｃｈと比較する（図１５ステップ（ワ））。

【００９５】類似度Ｃｈが閾値θｃｈより大きい場合、
圧縮未読データ書き込み制御部７９は、２つ未読データ
ＵＲＤ［ｎ］，ＵＲＤ［ｍ］は同じ内容の情報とし、未
読データＵＲＤ［ｍ］を未読データＵＲＤ［ｎ］の従属
情報とする。このために、フラグ信号ｆｆｌａｇ［ｍ］
を従属情報であることをあらわす値１にし、圧縮情報カ
ウンタＡ［ａ］の値を１だけ増やし、類似情報リスト信
号ＡＤ［ａ］［Ａ［ａ］］に比較情報番号カウンタｍの
値を書き込む（同図ステップ（カ））。

【００９６】類似度Ｃｈが閾値θｃｈより小さい場合、
２つ未読データＵＲＤ［ｎ］，ＵＲＤ［ｍ］は異なる内
容の情報とし、未読データＵＲＤ［ｍ］を未読データＵ
ＲＤ［ｎ］の独立情報とする。このために、フラグ信号
ｆｆｌａｇ［ｍ］を独立情報であることをあらわす値０
にする（同図ステップ（ヨ））。

【００９７】次に、比較対象情報番号差カウンタΔｍに
１を加える（同図ステップ（タ））。

【００９８】比較情報番号カウンタｍに比較対象情報番
号差カウンタの値Δｍを加え、未読データ数ｎｏｆＵＲ
Ｄと比較する（同図ステップ（レ））。（ｍ＋Δｍ）が
ｎｏｆＵＲＤであればまだ比較すべき未読データがある
ことになる。そこで、未読データＵＲＤ［ｍ＋Δｍ］が
独立データであるか否かを調べる（同図ステップ
（ソ））。つまり、すでに従属情報となった情報につい
ては、重ねて従属情報とする処理は行わないということ
である。

【００９９】独立情報でない場合には、比較対象情報番
号差カウンタΔｍに１を加え（同図ステップ（タ））、
独立情報が見つかるか、未読データがなくなるまで同様
の処理を行う。独立情報が見つかると、比較回数カウン
タｌの値を１だけ増やし、比較情報番号カウンタｍに
（ｍ＋Δｍ）を代入する（同図ステップ（ツ））。比較
回数カウンタｌの値があらかじめ設定しておいた最大比
較回数ｌｍａｘ以下ならば、新たに未読データＵＲＤ
［ｍ］を読み出して同様の処理を行う（同図ステップ
（ネ））。

【０１００】こうして、未読データＵＲＤ［ｎ］を代表
の情報とする従属情報のリストが、類似情報リスト信号
ＡＤ［ａ］［Ａ［ａ］］として作られる。

【０１０１】比較回数カウンタｌの値があらかじめ設定
しておいた最大比較回数ｌｍａｘより大きくなる（同図
ステップ（ネ））と、新たな未読データを代表の情報と
する従属情報を探す手続きが始まる。そのためには、上
と同様に、従属情報として処理されていない未読データ
を探す（同図ステップ（ナ）、（ラ）、（ム）、
（ウ））。

【０１０２】新たに、従属情報として処理されていない
未読データが見つかると、情報カウンタｎの値を（ｎ＋
Δｎ）、圧縮情報カウンタａの値を１だけ増やし、ステ
ップ（ロ）に戻り上記の処理を行う。

【０１０３】この処理を、情報カウンタｎが未読データ
の数ｎｏｆＵＲＤ以上となるまで繰り返す。

【０１０４】この処理で得られる類似情報リスト信号Ａ
Ｄは、図１６のようなものとなる。圧縮未読データ書き
込み部７９は、類似度情報信号ＡＤと圧縮情報カウンタ
の値、すなわち独立情報の数とを圧縮未読データおよび
圧縮未読データ数ｎｏｆａとして、圧縮未読データ記憶
部８１に書き込む。

【０１０５】次に、圧縮未読データ読み出し制御部と、
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ＴＤをつくるインター
フェースユニット５１ついて説明する。

【０１０６】次に、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。

【０１０７】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、圧縮未
読データ制御部８２を通じて、前記未読データ記憶部１
０から１番目の独立情報である未読データＵＲＤ［ＡＤ
［１］［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１０
４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Ｖ
ｍｉｎ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））。

【０１０８】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［ＡＤ［ａ］［ｂ］］＝ＵＲＤ［ＡＤ［ａ＋１］
［ｂ］］，ａ＝１，・・・，（ｎｏｆａ−１）、ｂ＝
１，２、… とし（同図ステップ（ワ）、（カ））、ｎｏｆａ番目の
独立した未読データＵＲＤ［ＡＤ［ｎｏｆａ］［１］の
必要性信号を Ｎ［ｎｏｆａ］＝（最小値Ｖｍｉｎ） とする（同図ステップ（ヨ）、（タ）、（レ））。

【０１０９】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。

【０１１０】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。

【０１１１】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））。

【０１１２】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。

【０１１３】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を図７を
用いて説明する。

【０１１４】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。

【０１１５】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２０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ＬＶ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））。

【０１１６】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。

【０１１７】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））。

【０１１８】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））。

【０１１９】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。

【０１２０】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。

【０１２１】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。

【０１２２】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。

【０１２３】このための処理を、図８に示したフローチ
ャートに従って詳しく説明する。

【０１２４】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Ｔ
Ｋｓ［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。

【０１２５】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））。

【０１２６】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。

【０１２７】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
信号を待機中を示す値にし、処理を終了する。

【０１２８】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。

【０１２９】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

【数１４】 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。

【０１３０】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１０１−８（１９９４．５．２
７）」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。

【０１３１】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。

【０１３２】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。

【０１３３】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、ユーザが複数表示された
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。

【０１３４】また、本発明の実施の形態１では、代表情
報を含む独立情報だけを表示するように構成したが、ユ
ーザーの要求によって、従属情報の数又は有無を合わせ
て表示させるようにしてもよい。また、必要に応じて、
独立情報の一覧性を損なわない範囲で、従属情報を小さ
な文字、画像で表示してもよい。

【０１３５】実施の形態１の情報フィルタ装置によれ
ば、情報相互の類似度を計算して類似情報をひとまとめ
にするとともに、代表情報及び独立情報を一覧表示する
ようにしたので、ユーザーに必要性の順に情報を提示す
る場合に、同じ内容の情報が何度も繰り返し提示される
といった不具合いを防止できる。さらに、本発明の主た
る目的ではないが、本発明を単純な「類似情報を一まと
めにする装置」として用いることも可能である。

【０１３６】実施の形態１の情報フィルタ装置によれ
ば、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。

【０１３７】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、かつ類似の情報は代表的なものが
一つ表示されるようになる。

【０１３８】（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がユ
ーザ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。

【０１３９】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。

【０１４０】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ユー
ザが情報データ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
ときにユーザが情報データＤが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

【数１５】 を記憶した適応符号辞書信号記憶部、２５はユーザが必
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ＭＮ
１を記憶する１次否定メトリック記憶部、２８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。

【０１４１】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。

【０１４２】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１０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。

【０１４３】まず、情報フィルタリングユニット５０の
動作を説明する。

【０１４４】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。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、ユーザ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。

【０１４５】未読データ圧縮部７０の動作も、実施の形
態１と同様である。

【０１４６】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。

【０１４７】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））。

【０１４８】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））。

【０１４９】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））。

【０１５０】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、ｎｏｆ
FDCKtmp+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。

【０１５１】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））。

【０１５２】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Ｔ
Ｄ［ｃ］を読み出し同様の処理を行う。

【０１５３】以上の処理が、全ての教師データＴＤに対
して行われる。

【０１５４】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。

【０１５５】ところで、ユーザ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
がユーザ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がユーザにとって不要
と判定する上で有効である。同様に、ユーザの必要な情
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
がユーザ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がユーザにとって必要
と判定する上で有効である。

【０１５６】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

【数１６】 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

【数１７】 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、３−２０程度の値とするとよい。

【０１５７】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））。

【０１５８】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。

【０１５９】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２６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））。

【０１６０】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。

【０１６１】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。

【０１６２】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。

【０１６３】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。

【０１６４】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２８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。

【０１６５】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。

【０１６６】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。

【０１６７】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、ユーザ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
がユーザ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、ユ
ーザ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
がユーザ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

【数１８】 と計算し、否定メトリック信号ＭＮを

【数１９】 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。

【０１６８】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。

【０１６９】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。

【０１７０】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。

【０１７１】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、ユーザ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。

【０１７２】以後、上記処理を繰り返すことにより、ユ
ーザが必要とする情報か否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。

【０１７３】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。

【０１７４】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これた場合
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。さらに、文献「情報処理学会技術
報告、自然言語処理１０１−８（１９９４．５．２
７）」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。

【０１７５】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。

【０１７６】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。

【０１７７】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、ユーザがどの未読データ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。

【０１７８】また、本発明の実施の形態１では、独立情
報だけを表示するように構成したが、ユーザーの要求に
よって、従属情報も表示できるように構成することは、
容易である。

【０１７９】実施の形態２の情報フィルタ装置によれ
ば、情報相互の類似度を計算して類似情報をひとまとめ
にするとともに、代表情報及び独立情報を一覧表示する
ようにしたので、ユーザーに必要性の順に情報を提示す
る場合に、同じ内容の情報が何度も繰り返し提示される
といった不具合いを防止できる。

【０１８０】実施の形態２の情報フィルタ装置によれ
ば、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。

【０１８１】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、かつ類
似の情報は代表的なものが一つ表示されるようになる。

【０１８２】

【発明の効果】以上のように、本発明は、情報記録媒体
又は情報通信網から供給された情報が記憶される記憶部
と、該記憶部の情報を類似する情報でまとめて代表情報
と従属情報を決める類似判定手段と、前記記憶部の情報
を提示する場合に類似する情報については代表情報を提
示する提示手段とを具備することで、同じような情報が
複数含まれる場合には、代表的な情報と関連情報の件数
表示することにより、できる限り多くの種類の情報を一
度に表示でき一覧性の高い情報フィルタリングを実現で
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

【図１３】本発明の実施の形態１の未読データ圧縮部の
概略を示すブロック結線図

【図１４】本発明の実施の形態１の未読データ圧縮部の
動作の前半を説明するためのフローチャート

【図１５】本発明の実施の形態１の未読データ圧縮部の
動作の後半を説明するためのフローチャート

【図１６】本発明の実施の形態１の類似情報リスト信号
ＡＤの内容を示す概念図

【図１７】（ａ），（ｂ）は本発明の実施の形態１の類
似度の特徴を説明するための２つの情報に付されたキー
ワードの包含関係を示す概念図

【符号の説明】

１ ベクトル生成部 ２ 符号辞書記憶部 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 ３１ 肯定信号計算部 ３２ 否定信号計算部 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 ５３ 代表情報一覧ユニット ７０ 未読データ圧縮部 ７１ 類似度計算制御部 ７２ 未読データ読み出し部 ７３ 類似度ベクトル生成部 ７４ スイッチ ７５ 参照ベクトル記憶部 ７６ 類似度計算部 ７７ 閾値記憶部 ７８ 比較部 ７９ 圧縮未読データ書き込み制御部 ８０ フラグ記憶部 ８１ 圧縮未読データ記憶部 ８２ 圧縮未読データ読み出し制御部 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９−101990（ＪＰ，Ａ) 特開 平７−295994（ＪＰ，Ａ) 特開 平５−204975（ＪＰ，Ａ) 特開 平３−94375（ＪＰ，Ａ) 住田，三池「情報フィルタリング技 術」東芝レビュー，Ｖｏｌ．51，Ｎｏ. １，1996（平８−１−１）ｐｐ．42−44 菅井，和田「ＷＷＷ上の電子新聞に対 する情報フィルタリングとその評価」情 報処理学会研究報告（96−ＦＩ−43− 13），Ｖｏｌ．96，Ｎｏ．88，1996，ｐ ｐ．89−96（平８−９−12) 野美山，外４名「個人適用型情報検索 システム−個人の興味を学習する階層記 憶モデルとその協調的フィルタリングへ の適用−」情報処理学会研究報告（96− ＦＩ−42−８) 神場「Ｔｈｅ Ｋｒａｋａｔａｏａ Ｃｈｒｏｎｉｃｌｅ：ＷＷＷ上のエージ ェント機能を利用した、対話型パーソナ ル新聞」情報処理学会研究報告（ＯＳ− 71−３，ＤＰＳ−73−３），Ｖｏｌ. 95，Ｎｏ．115，ｐｐ．13−18 中島，外３名「ニュースフィルタリン グエージェントにおける協調」情報処理 学会ワークショップ論文集，Ｖｏｌ. 95，Ｎｏ．２，ｐｐ．63−69，1995 宮原，岡本「協調フィルタリングにお ける個人の興味領域の表現とその獲得 法」電子情報通信学会技術研究報告（Ａ Ｉ96−32) 住田，外５名「ＷＷＷ上のフロー情報 を対象にした情報フィルタ（Ｆｒｅｓｈ Ｅｙｅ）」情報処理学シンポジウム論文 集，Ｖｏｌ．97，Ｎｏ．１，ｐｐ．63− 64，1997 菅井，和田「インターネット上の情報 フィルタリング（２）−情報の整理方 法」情報処理学会第51回（平成７年後 期）全国大会講演論文集（４）ｐｐ．87 −88 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 G06N 3/00 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (11)

(57)【特許請求の範囲】
1. 【請求項１】 情報が蓄積される記憶部と、この記憶部
   から類似度判定対象の情報及び比較対象の情報を読み出
   す読出制御手段と、読み出された類似度判定対象情報と
   比較対象情報との包含関係を分析し類似度判定対象情報
   が比較対象情報に包含されている場合に最大値をとるよ
   うに類似度を計算する類似度計算手段と、前記類似度判
   定対象情報に対して類似度が所定値以上の比較対象情報
   を従属情報として抽出する抽出手段と、を具備する情報
   フィルタ装置。
2. 【請求項２】 前記記憶部に蓄積された情報を一覧表示
   する場合、類似度判定対象情報及びその従属情報で構成
   する類似情報群中の代表情報と、従属情報の存在しなか
   った類似度判定対象情報からなる独立情報と、を一覧表
   示する提示手段を具備することを特徴とする請求項１記
   載の情報フィルタ装置。
3. 【請求項３】 前記提示手段は、代表情報を提示する際
   に、当該代表情報が属する類似情報群中の従属情報の数
   又は有無を一緒に表示することを特徴とする請求項２記
   載の情報フィルタ装置。
4. 【請求項４】 前記提示手段は、独立情報の一覧性を損
   なわない範囲で従属情報を、独立情報よりも小さな文字
   又は画像で一緒に表示することを特徴とする請求項２記
   載の情報フィルタ装置。
5. 【請求項５】 ユーザ毎に固有の符号辞書信号が記憶さ
   れた符号辞書記憶部と、前記符号辞書信号を用いてフィ
   ルタリング対象となる情報からキーワードを抽出してベ
   クトルデータに変換するベクトル生成手段と、ユーザが
   過去に「必要」と評価した情報及び「不要」と評価した
   情報から得たキーワードに基づいて生成したメトリック
   信号が記憶されたメトリック記憶部と、前記ベクトルデ
   ータ及びメトリック信号を用いてフィルタリング対象情
   報を当該ユーザが必要とする必要性の高さに基づいてフ
   ィルタリングして前記記憶部へ蓄積する制御手段と、を
   有することを特徴とする請求項１から請求項４のいずれ
   かに記載の情報フィルタ装置。
6. 【請求項６】 前記符号辞書記憶部に記憶される符号辞
   書信号をユーザ個人に適応するように更新する辞書学習
   手段を備えたことを特徴とする請求項５記載の情報フィ
   ルタ装置。
7. 【請求項７】 前記符号辞書記憶部に記憶される符号辞
   書信号を用いて、前記類似度判定対象情報のキーワード
   群及び前記比較対象情報のキーワード群を生成すること
   を特徴とする請求項５又は請求項６記載の情報フィルタ
   装置。
8. 【請求項８】 前記メトリック記憶部は、ユーザが過去
   に「必要」と評価した情報のキーワードの自己相関行列
   からなる肯定メトリック信号および前記ユーザが過去に
   「不要」と評価した情報のキーワードの自己相関行列か
   らなる否定メトリック信号が、前記メトリック信号とし
   て記憶され、 前記制御手段は、前記ベクトルデータ、肯定メトリック
   信号及び否定メトリック信号を用いて、前記ベクトル変
   換されたキーワードに過去にユーザが「必要」とした情
   報のキーワードが多く含まれる程数値が大きくなる肯定
   スコア信号と、前記ベクトル変換されたキーワードに過
   去にユーザが「不要」とした情報のキーワードが多く含
   まれる程数値が大きくなる否定スコア信号とを計算する
   スコア計算手段と、前記肯定スコア信号及び否定スコア
   信号に基づいて、前記ユーザからみたフィルタリング対
   象情報の必要性の大きさを計算する必要性計算手段とを
   有する、ことを特徴とする請求項５記載の情報フィルタ
   装置。
9. 【請求項９】 前記必要性計算手段は、前記肯定スコア
   信号及び前記否定スコア信号からなる二次元平面におい
   て必要な情報及び不要な情報に分離する判定パラメータ
   信号を用いて、前記ユーザが過去に「必要」と評価した
   情報のキーワードがより多数になり、かつ前記ユーザが
   過去に「不要」と評価した情報のキーワードがより少数
   になる程大きな必要性を示す必要性信号を計算すること
   を特徴とする請求項８記載の情報フィルタ装置。
10. 【請求項１０】 記憶部から類似度判定対象の情報及び
    比較対象の情報を読み出し、この読み出された類似度判
    定対象情報と比較対象情報との包含関係を分析して類似
    度判定対象情報が比較対象情報に包含されている場合に
    最大値をとるように類似度を計算し、前記類似度判定対
    象情報に対して類似度が所定値以上の比較対象情報を従
    属情報として抽出することを特徴とする情報フィルタリ
    ング方法。
11. 【請求項１１】 類似度判定対象情報及びその従属情報
    で構成する類似情報群中の代表情報と、従属情報の存在
    しなかった類似度判定対象情報からなる独立情報と、を
    一覧表示することを特徴とする請求項１０記載の情報フ
    ィルタリング方法。