JP3810463B2 - 情報フィルタリング装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
この発明は、膨大なテキスト記事からユーザの要求・興味にあったものを選出して定期的にユーザに提供する情報フィルタリング装置に関する。
【０００２】
【従来の技術】
近年、ワードプロセッサーや電子計算機の普及、および計算機ネットワークを介した電子メールや電子ニュースの普及などに伴い、文書の電子化は加速的に進みつつある。
【０００３】
電子出版という言葉が示すように、今後は新聞、雑誌、本の情報も電子的に提供されることが一般的になると考えられる。これにより、個人にとってリアルタイムで入手可能となるテキスト情報の量は膨大になっていくと予測される。
【０００４】
これに伴い、新聞や雑誌などの膨大なテキスト記事からユーザの要求・興味にあったものを選出して定期的にユーザに提供する情報フィルタリングシステムあるいは情報フィルタリングサービスの需要が高まりつつある。
【０００５】
従来より実現されている情報フィルタリングシステムは、ユーザの要求や興味を表現したユーザプロファイルに合致する記事を検索し、これらの見出しのリストあるいは記事全体をならべてユーザに提示するものである。
【０００６】
通常、ユーザプロファイルは、ユーザが興味をもっているトピックをいくつか指定することにより作成される。
【０００７】
また、提示された記事の有用性の判定をユーザが行い、この情報をユーザプロファイルに反映させることにより、次回以降の情報フィルタリングの適合率を高めるというレレバンス・フィードバックという機能が実現されている。
【０００８】
【発明が解決しようとする課題】
しかし、従来のシステムでは、選定された記事が羅列されてユーザに提示されるだけであるので、今回提示された記事同士の関係や、今回提示された記事と前回までに提示された記事との関係を把握することがユーザにとっては難しいという問題点があった。
【０００９】
また、従来のような記事の単純な提示では、いかなるトピックのいかなる検索条件にマッチしたためにその記事がユーザに提示されるに至ったか、また、提示された記事を他のユーザはどのように読んでいるかなどの情報が欠落していたため、有用性の判定には多大な労力を必要とし、その一貫性を保つことが難しいという問題点があった。
【００１０】
また、情報フィルタリングシステムにおいては、重要記事を選出した後にさらに、その記事内の重要なテキストを部分的に選出するという二重のフィルタリングを行うことは、長い記事からの情報収集を効率的にするという点で有効である。しかし、従来では、機械的に適当な長さのテキストを抜粋表示しているにすぎなかったため、余分な情報が混在していたり、必要な情報が欠けていたりするという問題点があった。
【００１１】
また、従来では、ニュースソースから配信されるテキストと検索条件との類似度にしたがってユーザに提供するテキストを選択するだけであったため、同じ内容のテキストであってもばらばらに出力される等の問題があった。
【００１２】
この発明は上述の事情に鑑みてなされたものであり、情報フィルタリングによってユーザに提供される記事同士の関連性をユーザに提示できるようにし、ユーザに記事同士の関連性を把握させることが可能な情報フィルタリング装置を提供することを第１の目的とする。
【００１３】
また、この発明は、提示されている記事がいかなる検索条件を満足したのかがユーザにわかるようにすることにより、情報フィルタリングに対するユーザの理解と信頼を深めることが可能な情報フィルタリング装置を提供することを第２の目的とする。
【００１４】
さらに、この発明は、記事の種類に応じてユーザに提示する要約あるいは抄録の長さを調節できるようにし、２重フィルタリングを効率的に行うことができる情報フィルタリング装置を提供することを第３の目的とする。
【００１５】
また、この発明は、互いに内容が重複する記事同士をグループ化あるいは関連づけしてユーザに提供できるようにし、ユーザがテキスト記事を読むための手間を大幅に軽減することが可能な情報フィルタリング装置を提供することを第４の目的とする。
【００１６】
【課題を解決するための手段】
この発明は、複数の情報源からテキストやイメージなどの記事の配信を受け、それら配信された記事の中から所定の記事を選出してユーザに提示する情報フィルタリング装置において、ユーザ毎に予め指定された検索条件を保持する手段と、配信された記事を検索し、ユーザ毎に検索条件に合致する記事を選定する手段と、前記選定された記事群の中で、異なる情報源から得られた記事同士を対象として、それら記事間において重複する単語の比率を示す記事間類似度を算出する手段と、前記算出された記事間類似度に基づいて、互いに類似度が高く、かつ情報源が異なる記事の集合を、重複記事の集合として決定する手段と、前記決定された重複記事の集合の中から一部の記事をユーザに提示するための代表記事として選択する手段と、前記決定された前記重複記事の集合の中で選択されなかった記事に関する情報を前記選択された記事の関連記事情報として前記選択された記事に付加してユーザに提示する手段とを具備することを特徴とする。
【００１７】
この情報フィルタリング装置においては、異なる情報源から得られた記事同士を対象として、それら記事間において重複する単語の比率を示す記事間類似度を算出することにより、互いに類似度が高く、かつ情報源が異なる記事の集合が重複記事の集合として決定され、その重複記事の集合の中の一部の記事が代表記事として選択されると共に、選択されなかった記事に関する情報が前記選択された記事の関連記事情報として前記選択された記事に付加してユーザに提示される。これにより、例えば複数の新聞社などの複数の情報源から得られた同一内容に関する記事が重複してユーザに提示されることを自動的に回避することができる。さらに、選択されなかった記事については、その見出しなどの情報が関連記事情報として、選択された記事に付加してユーザに提示されるので、記事同士の関連性をユーザに知らせることが可能となる。
【００２９】
【発明の実施の形態】
以下、図面を参照してこの発明の実施の形態について説明する。
【００３０】
まず、図１を参照して、この発明の情報フィルタリングシステム全体の構成について説明する。
【００３１】
情報フィルタリングシステムは、新聞社、通信社、または出版社などの複数の情報源２からテキストやイメージを含むテキスト記事の配信を受け、それを定期的に加入ユーザ端末３それぞれに送信する情報提供システムであり、このシステムの情報提供サービスは情報フィルタリングセンタ１によって実現されている。情報フィルタリングセンタ１は、通信網を介して複数の情報源２および複数の加入ユーザ端末３に接続された１つの計算機システムによって実現されており、ここには、情報フィルタリングのための制御や処理を行う中央処理装置４、プログラム並びにデータを格納する半導体メモリ、磁気ディスク、光ディスクなどの記憶装置５、回線や電波などの通信網介して情報源２からテキスト記事を受信する受信部６、回線や電波などの通信網介してユーザ端末３にテキスト記事を送信する送信部７などから構成されている。
【００３２】
各ユーザ端末３は、例えばパーソナルコンピュータやワークステーションなどの情報処理端末であり、情報フィルタリングセンタ１から送信されたテキスト記事を受信するテキスト情報受信部８と、受信したテキスト記事を画面表示する表示部９などを備えている。
【００３３】
情報フィルタリングセンタ１は、図２に示されているように、ユーザプロファイル１０と称する一種の検索条件をユーザ毎に保持しており、そのユーザプロファイル１０に従って該当するユーザに提供すベき記事を検索する。ユーザプロファイル１０は、ユーザによって指定された複数のトピックなどから構成されており、それらトピックに合致する記事が検索および選出されてユーザに送られる。
次に、この情報フィルタリングセンタ１の具体的な構成について説明する。
【００３４】
（実施形態１）
図３には、この発明の第１実施形態に係わる情報フィルタリングセンタ１の構成が示されている。図中、実線の矢印はデータの流れを示している。
【００３５】
情報フィルタリングセンタ１は、図示のように、ユーザプロファイル生成部１１、ユーザプロファイル記憶部１２、記事情報抽出部１３、記事検索部１４、記事選出部１５、記事間類似度計算部１６、提示情報生成部１７、および記事情報記憶部１８から構成されている。これら構成要素のうち、破線で囲まれているユーザプロファイル生成部１１、記事情報抽出部１３、記事検索部１４、記事選出部１５、記事間類似度計算部１６、および提示情報生成部１７は、例えば図１の中央処理装置１４によって実行されるソフトウェアによって実現でき、またユーザプロファイル記憶部１２および記事情報記憶部１８は記憶装置５によって実現できる。
【００３６】
ユーザプロファイル生成部１１は、予め各ユーザによって指定される要求・興味などを解析して検索のために必要なユーザプロファイルをユーザ毎に生成する。これらユーザプロファイルはユーザプロファイル記憶部１２に記憶される。記事情報抽出部１３は、各情報源２から到着したテキスト記事から、検索や記事同士の類似度計算に必要な情報を抽出し、それを生のテキスト記事と共に記事情報記憶部１８に格納する。
【００３７】
記事検索部１４は、各情報源２から到着した記事の中からユーザプロファイルに合致するものを検索する。この検索処理では、ユーザプロファイルと到着記事との間の類似度が調べられ、類似度の高い順に記事がソートされる。記事選出部１５は、検索結果からユーザに提示する記事を選出するためのものであり、例えば類似度の値があるしきい値を越えた記事すべて、または類似度の高い上位のいくつかの記事が選択される。
【００３８】
記事間類似度計算部１６は、記事間の類似度を調べるためのものであり、選択された記事同志の類似度を算出する。提示情報生成部１７は、記事選出結果と記事間類似度計算結果をもとにユーザに提示する記事情報を生成する。記事情報記憶部１８には、検索のための記事情報や記事間類似度計算結果などが記憶される。以下、これらユーザプロファイル生成部１１、記事情報抽出部１３、記事検索部１４、記事選出部１５、記事間類似度計算部１６、および提示情報生成部１７それぞれの具体的な処理内容について説明する。
【００３９】
図５には、ユーザプロファイル生成部１１の処理の流れが示されている。
【００４０】
ユーザプロファイル生成部１１は、入力として個々のユーザの要求・興味を受けつける（ステップＳ１）。ユーザの要求・興味は、「○○と××に関する記事が読みたい」といった自然言語や、興味のあるトピック（話題）に頻出するキーワードの集合や、それらに優先順位や重みをつけたもの、または通常の文書検索における検索式のようなもので表される。
【００４１】
ユーザプロファイル生成部１１は、これに対して単語辞書、同義語辞書などを利用して単語抽出、同義語展開などの言語処理を行い（ステップＳ２）、検索が可能となるような形式に変換してユーザプロファイルを作成する（ステップＳ３、Ｓ４）。作成されたユーザプロファイルはユーザ毎にユーザプロファイル記憶部１２に記憶され、記事検索のための検索条件として利用される。
【００４２】
図５には、記事情報抽出部１３の処理の流れの一例が示されている。
【００４３】
記事情報抽出部１３は、入力として情報源から到着した記事を受けつけ（ステップＳ１１）、これに対して文書解析用の辞書や情報抽出用の辞書を用いて、形態素解析、構文解析、書式解析などを行い、記事の情報源や日付、文字や単語その他の文書構成要素の頻度情報や出現位置、５Ｗ１Ｈ的な情報などの抽出を行う（ステップＳ１２）。次いで、記事情報抽出部１３は、これらの抽出された情報の集合体として記事を表現する（ステップＳ１３）。例えば、出現した単語の頻度を要素とするベクトルにより記事を表現したり、５Ｗ１Ｈのテンプレートに実現値を代入したものにより表現したりする。このような記事の表現例をそれぞれ図６、図７に示す。図６は、その記事に出現した単語（半導体、メモリー、摩擦、不況、生産、…）の出現頻度（１４、９、５、２、３）を要素とした頻度ベクトルであり、また図７は、情報源、文字数、記事見出し、トピック、日時、場所、主語、主動詞……などを項目とするテンプレートである。
【００４４】
記事情報抽出部１３は、このようにして記事を表現した後、記事検索を高速に実現するための索引付け、つまりインデクシング処理も行い（ステップＳ１４）、そしてベクトルやテンプレートで表現して記事およびインデクシング情報を記事情報記憶部１８に記憶する（ステップＳ１５）。
【００４５】
図８には、記事検索部１４の処理の流れが示されている。
【００４６】
記事検索部１４は、記事情報抽出部１３によって抽出された記事情報を参照し、到着した記事の中からユーザプロファイルに適合するものを検索する。
【００４７】
これは、ユーザプロファイルと到着した記事の各々との類似度を算出することに相当する。この類似度は、検索の方式によって「ユーザプロファイルに適合する」「ユーザプロファイルに適合しない」などの離散値をとる場合もあるし、よく適合している記事ほど類似度の値が高くなるように連続値をとる場合もある。ここでは、より一般的である、類似度が連続値をとる場合について説明する。
【００４８】
記事検索部１４は、各ユーザのユーザプロファイルについて、以下の処理を行う。
【００４９】
まず、ユーザプロファイル記憶部１２からプロファイルを読み込む（ステップＳ２１）。次に、記事検索部１４は、変数ｉに１を代入した後（ステップＳ２２）、ｉ番目の記事（１番目の記事）とユーザプロファイルとの類似度を計算する（ステップＳ２３）。この類似度計算は、通常の検索処理に相当するもので、記事情報記憶部１８に格納されている記事の表現や検索インデックスが参照される。
【００５０】
次いで、記事検索部１４は、変数ｉの値を＋１更新した後、そのときのｉの値が到着記事数よりも大きいか否かを調べ（ステップＳ２４，Ｓ２５）、大きくない場合には類似度計算されてない記事が残っていると認識し、ｉの値が到着記事数よりも大きくなるまで、ステップＳ２３〜Ｓ２５を繰り返す。到着した全ての記事に対してユーザプロファイルとの類似度の計算が終わると、すなわち、到着した全ての記事を検索対象とした検索処理が終わると、記事検索部１４は、到着した記事をユーザプロファイルとの類似度が高い順にソートし、記事のランキングを行う（ステップＳ２６）。このランキングの結果は、記事情報記憶部１８に記憶される。ランキング結果の一例を図９に示す。
【００５１】
図１０に、記事選出部１５の処理の流れを示す。
【００５２】
記事選出部１５は、記事検索部１４により検索されランキングされた到着記事を記事情報記憶部１８から読み込み（ステップＳ３１）、その中から、実際にユーザに提示するものを選出する（ステップＳ３２）。ユーザに提示することが決まった記事の情報は、再び記事情報記憶部１８に格納される。
【００５３】
記事の選出の方法としては、例えば、ユーザに提示する記事の件数Ｎをユーザ側があるいはセンタ側が予め定めておき、ランキング上位Ｎ件を提示することにしたり、あるいは、ユーザプロファイルとの類似度がある閾値以上の記事を提示することにするなどが考えられる。図１１は、図９のようなランキング結果が得られている場合にその上位１０件を選出した例を示している。
【００５４】
また図１２は、図９のようなランキング結果が得られている場合にユーザプロファイルとの類似度が０．８６以上の記事を選出した例を示している。
【００５５】
さらに、図１３は、一人のユーザに対して複数の検索及びランキングが行われた場合において、これら複数のランキング結果の上位部分をマージしてユーザに提示する記事を選出する例を示している。
【００５６】
この例では、「半導体技術」、「低価格パソコン」、「人工知能」の３つのトピックに関する検索が別個に行われており、３つのランキング結果の上位から、記事Ａ１、Ｂ１、Ｃ１、Ａ２、Ｂ２が選出されている。
【００５７】
記事Ａ１及びＡ２はトピック「半導体技術」に適合したもの、記事Ｂ１及びＢ２はトピック「低価格パソコン」に適合したもの、そして記事Ｃ１はトピック 「人工知能」に適合したものである。
【００５８】
ここでの記事の選出の方法としても、図１１のように一定件数を選出する、図１２のように類似度が一定値以上の記事を選出するなどが考えられる。
【００５９】
図１４には、記事間類似度計算部１６の処理の流れが示されている。
【００６０】
記事検索部１４が、ユーザプロファイルと記事との類似度を計算する、換言すれば、ユーザプロファイルを検索式とし、記事を検索対象とした通常の検索を行うのに対し、記事間類似度計算部１６は、記事同士の類似度を計算する。
【００６１】
類似度計算は、例えば図６や図７のような記事の表現同士を比較することにより行われ、計算結果は記事情報記憶部１８に記憶される。
【００６２】
ここでは、新聞社などの記事の情報源２は複数存在するものとし、記事間類似度計算の対象となるのは、異なる情報源から到着した記事同士、例えば、新聞社Ｍから到着した記事と新聞社Ｎから到着した記事とする。
【００６３】
異なる情報源から到着した記事同士の全ての組合せについて記事間類似度を計算してもよいが、ここでは、記事選出部１５により選出された記事に対してのみ記事間類似度を計算するという計算コストの低い方法について説明する。
【００６４】
すなわち、記事間類似度計算部１６は、まず、記事選出部１５により選出された記事を記事情報記憶部１８から読み込む（ステップＳ４１）。次いで、記事間類似度計算部１６は、読み込んだ記事のうち、異なる情報源から到着したもの同志の類似度を計算し、その結果を記事情報記憶部１８に格納する（ステップＳ４２）。
【００６５】
以下、記事間類似度計算の具体例を説明する。
【００６６】
図１５には、記事選出部１５により選出された、異なる情報源から到着した記事の例が示されている。この例では、記事Ａ〜Ｄの４つの記事がユーザに提示されることになっている。
【００６７】
記事Ａ及びＤは新聞社Ｍから到着した記事、記事Ｂは新聞社Ｎから到着した記事、そして記事Ｃは出版社Ｏから到着した記事である。
【００６８】
この場合、記事Ａと記事Ｂ、記事Ａと記事Ｃ、記事Ｂと記事Ｃ、記事Ｃと記事Ｄの組合せについて記事間類似度が計算される。記事Ａと記事Ｄは同一の情報源から到着した記事であるため、類似度計算を行わない。
【００６９】
図１６には、提示情報生成部１７の処理の流れが示されている。
【００７０】
提示情報生成部１７は、記事情報記憶部１８から、記事選出部１５により選出された記事の情報及び記事間類似度計算部１６により計算された記事間類似度を読み込む（ステップＳ５１、Ｓ５２）。
【００７１】
そして、提示情報生成部１７は、互いに類似度が高く、かつ情報源が異なる記事の集合を、重複記事の集合として分類する（ステップＳ５３）。ここで、重複記事とは、同じ出来事に対して複数の情報源が独自に作成した記事のことであり、内容的には同一あるいはほぼ同じと考えてよい記事をいう。
【００７２】
この後、提示情報生成部１７は、重複記事の提示を回避するために、重複記事集合から、代表としてユーザに提示する記事をひとつ、一般にはＮ個選択する （ステップＳ５４）。そして、提示情報生成部１７は、選択した記事の本文に対して、選択しなかった記事の情報を関連記事情報として付加することなどにより、ユーザに提示する情報を生成し、それを出力する（ステップＳ５５，Ｓ５６）。
【００７３】
ここで、重複記事と関連記事情報の具体例を説明する。
【００７４】
図１７は、一件のプレスリリースから重複記事が派生する例を示している。ある出来事について情報を記したプレスリリース記事Ｐが、新聞社Ｍ，Ｎ，Ｏに送られると、各新聞社はこれを編集し、コメントを加えるなどして、独自の記事Ｍ，Ｎ，Ｏを作成する。記事Ｍ，Ｎ，Ｏ，Ｐが各情報源から情報フィルタリングセンターに送られるとすると、記事Ｍ，Ｎ，Ｏ，Ｐは重複記事となる。
【００７５】
また、図１８は、一件の出来事から重複記事が作成される例を示している。
【００７６】
この例では、新聞社Ｍ，Ｎ，Ｏが同一の出来事に対して独自に取材を行い、記事Ｍ，Ｎ，Ｏが作成されている。これらが情報フィルタリングセンタ１に送られるとすると、記事Ｍ，Ｎ，Ｏは重複記事となる。
【００７７】
情報フィルタリングの本来の主旨は、膨大な情報の中にある所望の情報をできるだけ効率よくユーザにアクセスさせることであるから、一般には、ユーザに提示する記事に重複記事が多く含まれていることは好ましくないと考えられる。例えば、図１８の例において、ユーザに記事Ｍ，Ｎ，Ｏを全て提示してしまうと、ユーザはひとつの出来事についての情報を得るのに３つの記事を読まなければならなくなってしまう。
【００７８】
提示情報生成部１７は、以上のような重複記事の提示を回避するために、重複記事集合から、代表としてユーザに提示する記事をひとつ、一般にはＮ個選択する。以後、ひとつだけ選択する場合についてのみ説明する。
【００７９】
図１９に、図１５の４つの記事に対して記事間類似度計算を行った結果得られる重複記事集合の例を示す。
【００８０】
この例では、記事ＡとＣ、記事ＢとＤの類似度が高かったため、ふたつの重複記事集合が得られている。
【００８１】
提示情報生成部１７は、一定の戦略に従って、各重複記事集合から記事をひとつずつ選択する。
【００８２】
例えばユーザ側あるいはサービスセンタ側が新聞社Ｍを最優先するように予め決めておいたとすると、最終的にユーザに提示される記事は新聞社Ｍから到着した記事Ａ，Ｄとなる。
【００８３】
同様に、一般には情報量の一番多いプレスリリースを最優先して選択することも考えられる。
【００８４】
また、検索結果のランキングで最も上位にあったものを選択することも考えられる。
【００８５】
例えば図１９において、ユーザプロファイルと記事との類似度は重複記事集合１では記事Ｃが高く、重複記事集合２では記事Ｄが高いので、最終的にユーザに提示される記事は記事Ｃ，Ｄとなる。
【００８６】
さらに、記事の長さが最も長い、あるいは最も少ないものを選択するなどの戦略も考えられる。
【００８７】
これまで述べてきた処理により、ユーザに提示する記事の候補の中から重複記事が排除される。最終的に排除された重複記事に関する情報は、各記事の本文情報に付加してユーザに提示される。
【００８８】
図２０に、排除された重複記事に関する情報を記事の本文情報に付加して提示する例を示す。
【００８９】
この例では、ユーザに提示されている記事の本文情報に加えて、この記事と内容が同一と判断された他の情報源の記事に関する情報が付加情報として与えられている。具体的には、記事の見出しや情報源、文字数、そして現在本文が提示されている記事との類似度などがリストアップされている。
【００９０】
この例では、「○×社が情報サービス事業から撤退した」という内容の記事が○○新聞社、△△新聞社、□□新聞社の３つの情報源から得られたが、ユーザに提示する記事としては○○新聞社の記事が選ばれたということになる。
【００９１】
このように排除された重複記事に関する情報を記事の本文情報に付加して提示すると、内容的には同じだが情報源が異なる記事を何度も読むことを回避でき、かつ各情報源が同一の出来事に対してどのように報道しているかの概観を得ることができると考えられる。
【００９２】
図２１には、図２０の関連情報提示形態の変形例が示されている。
【００９３】
すなわち、図２０はべたテキストとして関連情報をユーザ端末に表示したが、図２１では、付加情報のテキスト部分がハイパーテキストなどで構造化されており、これを利用して排除された重複記事の本文にアクセスすることを可能にしている。
【００９４】
この例では、付加情報のエリアにおける記事見出しがマウスなどの装置により選択できるボタンになっており、ユーザは関連記事１を選択することによって、その関連記事１の本文を参照することができる。
【００９５】
図２２及び図２２に、図２１において関連記事１が選択された場合に関連記事１の本文を表示する例を示す。
【００９６】
図２１において本文が表示されていた「半導体協議の…」という記事は、図２２においては付加情報のエリアに見出しなどの情報のみが表示されており、その代わりに本文情報のエリアには関連記事１の本文が表示されている。
【００９７】
図２２から図２１の状態に戻すためには、ユーザは図２２の付加情報のエリアにおける「半導体協議の…（元の記事）」というボタンを選択すればよい。
【００９８】
また図２３においては、図２１で表示されている情報を保持しながら、関連記事１の本文情報を新たに開いたウィンドウ上に表示している。このような表示方法をとれば、複数の重複記事を比較することが可能となる。
【００９９】
図２１の画面から図２２の画面への移行は、図２４の処理の流れに従って次のように実行される。
【０１００】
提示情報生成部１７は、図２１に示されているように提示記事の本文情報に関連記事の情報を付加してユーザ端末３に画面表示させる（ステップＳ６１）。次いで、関連記事のボタンが選択されるというイベントが発生すると、提示情報生成部１７は、選択された関連記事の本文情報を記事情報記憶部１８から取り出し（ステップＳ６２，Ｓ６３）、図２２に示されているように、元の記事の情報を付加情報のエリアに、選択された関連記事の本文を本文情報エリアに表示する （ステップＳ６４）。
【０１０１】
なお、このような画面切り替えは、センタ１からユーザ端末３に予め関連記事の本文情報を送信しておけば、ユーザ端末３側の制御で行うこともできる。
【０１０２】
図２１の画面から図２３の画面への移行は、図２５の処理の流れに従って次のように実行される。
【０１０３】
提示情報生成部１７は、図２１に示されているように提示記事の本文情報に関連記事の情報を付加してユーザ端末３に画面表示させる（ステップＳ７１）。次いで、関連記事のボタンが選択されるというイベントが発生すると、提示情報生成部１７は、選択された関連記事の本文情報を記事情報記憶部１８から取り出し（ステップＳ７２，Ｓ７３）、図２３に示されているように、選択された関連記事の本文をウインドウ表示する（ステップＳ７４）。
【０１０４】
この画面切り替えについても、センタ１からユーザ端末３に予め関連記事の本文情報を送信しておけば、ユーザ端末３側の制御で行うことができる。
【０１０５】
また、図２０や図２１のように付加情報のエリアに付加する関連記事は、前述の重複記事集合から記事を選択するのと同様な戦略により絞り込みを行ってもよい。
【０１０６】
図２１〜２３のように、重複記事集合を代表して本文が表示されている記事から、それ以外の重複記事の本文にアクセスできるようにすると、情報フィルタリングシステムによって選択された代表記事が不適切なものであった場合にも、ユーザが他の重複記事を選択して読むことが可能となる。
【０１０７】
例えば、情報フィルタリングシステムがユーザの希望によりＮ新聞の記事を優先して選択する戦略をとっていたとしても、ユーザがある出来事に関してだけはＮ新聞の記事ではなくプレスリリースを読みたいといった場合に有効である。
【０１０８】
また、同一の出来事に対する複数の新聞社の見解などを比較することも可能となる。
【０１０９】
図２６には、記事の重複が起こっている場合に、ユーザに提示する記事の一覧表を重複記事情報とともに表示した例が示されている。
【０１１０】
この例では、ユーザに提示する記事は４件あるが、そのうちの３件目である 「○×社 情報サービスビジネスから撤退」という記事には重複記事が２件存在する。
【０１１１】
各記事の見出しの後にはユーザプロファイルと記事との類似度の値が表示されているが、重複記事に関してはそれとは別に、元の記事と重複記事との類似度の値も表示されている。これは重複記事である確からしさを示していると言える。ここで、元の記事とは「○×社 情報サービスビジネスから撤退」の記事などを指す。
【０１１２】
以上の説明では、ひとつのユーザプロファイルに対する処理を中心に述べてきた。
【０１１３】
一般には、情報フィルタリングサービスを受けるユーザは複数いるので、情報フィルタリングセンタは、ユーザ毎にユーザプロファイルを保持し、フィルタリングの各処理を行うことになる。
【０１１４】
（実施形態１の変形例１）
次に、記事間類似度計算部１６及び提示情報生成部１７の他の構成例について説明する。
【０１１５】
図２７に、記事間類似度計算部１６の処理の流れを示す。
【０１１６】
記事検索部１４が、ユーザプロファイルと記事との類似度を計算する、換言すれば、ユーザプロファイルを検索式とし、記事を検索対象とした通常の検索を行うのに対し、記事間類似度計算部１６は、記事同士の類似度を計算する。
【０１１７】
類似度計算は、例えば図６や図７のような記事の表現同士を比較することにより行われ、計算結果は記事情報記憶部１８に記憶される。
【０１１８】
ここでは、Ｎ回前までの情報フィルタリングで得られた記事情報が記事情報記憶部１８に保存されているものとする。
【０１１９】
例えば、情報フィルタリングサービスが一日一回行われ、かつＮを１とした場合、昨日の情報フィルタリングで得られた記事情報は保存されているということを意味する。以後、主にＮ＝１として説明する。
【０１２０】
このシステムでは、記事間類似度計算の対象となるのは、今回到着した記事と、前回までに到着した記事との組である。
【０１２１】
今回到着した記事と、前回までに到着した記事との全ての組合せについて類似度計算を行ってもよいが、以後は、より計算コストの低い方式、つまり記事選出部により今回選出された記事と、前回までにユーザに提示された記事との組合せについてのみ類似度計算を行う場合について説明する。
【０１２２】
すなわち、記事間類似度計算部１６は、まず、記事選出部１５により選出された記事の情報を記事情報記憶部１８から読み込み、次いで、前回までのフィルタリングでユーザに提示した記事の情報を記事情報記憶部１８から読み取る（ステップＳ８１、Ｓ８２）。そして、記事間類似度計算部１６は、記事選出部１５により今回選出された記事と、前回までにユーザに提示された記事との組合せについて類似度計算を行い、その結果を記事情報記憶部１８に格納する（ステップＳ８３）。
【０１２３】
図２８には、今回記事選出部１５により選出された記事の集合と、前回ユーザに提示された記事の集合の例を示す。
【０１２４】
この例では、前回はユーザには記事Ａ，Ｂ，Ｃ，Ｄが提示されており、今回は記事Ｅ，Ｆ，Ｇ，Ｈが提示されようとしている。
【０１２５】
この場合、類似度計算は、記事Ａと記事Ｅ、記事Ａと記事Ｆといったように４×４＝１６の組合せについて計算されることになる。
【０１２６】
また、この変形例として、一定の条件を満たす記事のみ類似度計算の対象としてもよい。
【０１２７】
例えば、図２８において、情報源が同じ記事同士の類似度のみを計算することにすると、今回新聞社Ｍから到着した記事Ｅに関する類似度計算は、前回新聞社Ｍから到着した記事Ａ，Ｂのみについて行えばよいことになる。
【０１２８】
また、例えば、図２８において、ユーザプロファイルとの類似度が一定値以上の記事のみを類似度計算の対象とすることも考えられる。
【０１２９】
ユーザプロファイルとの類似度が０．８以上の記事のみを対象とすると、記事Ｅと記事Ａ、記事Ｇと記事Ａの組合せのみ計算すればよいことになる。
【０１３０】
図２９には、提示情報生成部１７の処理の流れが示されている。
【０１３１】
提示情報生成部１７は、記事情報記憶部１８から、今回記事情報選出部１５により選出された記事の情報及び前回までにユーザに提示された記事の情報及び記事間類似度計算部１６により計算された記事間類似度を読み込む（ステップＳ９１〜Ｓ９３）。そして、今回の記事の本文情報を前回までの関連記事の情報とともにユーザに提示する（ステップＳ９４，Ｓ９５）。
【０１３２】
図３０及び図３１には、今回の記事の本文情報に前回までの関連記事の情報を付加して提示する例が示されている。
【０１３３】
図３０では、ユーザに今回初めて提示された「半導体協議の…」という記事の本文情報に加えて、半導体に関する昨日までの記事の情報が付加情報として与えられている。具体的には、前回までの記事の見出しや情報源、文字数、そして今回提示された記事との類似度などがリストアップされている。
【０１３４】
この例では、今回提示されたのは○○新聞の１５日付の記事であり、前回までの関連記事としては○△新聞及び○○新聞の１４日付の記事が表示されている。
【０１３５】
また図３１では、ユーザに今回提示された「シリーズ：半導体摩擦（その３）」という記事の本文情報に加えて、同じ○○新聞社から昨日までに到着した「シリーズ：半導体摩擦（その１）」及び「シリーズ：半導体摩擦（その２）」という記事に関する情報が表示されている。
【０１３６】
また、実施形態１で示した図２１〜２３は、この例における図３０及び図３１の変形例にもなっている。
【０１３７】
すなわち、このシステムでも、実施形態１と同様に、ユーザが前回までの関連記事の本文にアクセスできるようにすることが考えられる。
【０１３８】
図２１〜２３では、本文情報と付加情報が完全に分離されているが、本文情報中に前回までの記事情報を埋め込んで提示することも考えれる。
【０１３９】
図３２に、今回の記事の本文情報中に前回までの関連記事の情報を埋め込んで提示する例を示す。
【０１４０】
この例では、「○○沖の××地震 再び活発化」という１９日付けの記事の本文が表示されているが、その第一文の「○○県○○沖で先月１４日から始まった××地震は…」の一部がマウスなどで選択できるボタンになっている。
【０１４１】
ユーザがこれを選択すると、前回までの記事のうちこの文と類似した情報を含む記事に関する情報が表示される。
【０１４２】
図３３は、図３１においてユーザが第一文を選択した場合に、その文と関係の深い前回までの記事のリストを表示した例である。
【０１４３】
この例では、「○○沖で地震 マグニチュード４」などの、１４日付の記事の見出しや情報源、文字数、今回の記事との類似度などがリストアップされている。
【０１４４】
図３４は、図３３においてユーザが「○○沖で地震 マグニチュード４」という関連記事を選択した場合に、その記事の本文を表示した例である。
【０１４５】
また、図３２においてユーザが第一文を選択した直後に、図３４のように関連記事の本文をひとつ以上表示してもよい。
【０１４６】
図３２のように、今回の記事の本文情報中に前回までの関連記事の情報を埋め込んで提示するという形態を実施するためには、今回の記事と前回までの記事との類似度を計算するかわりに、今回の記事の本文の各構成要素と前回までの記事との類似度を計算することになる。
【０１４７】
本文の構成要素としては、段落、文、節、句、単語、などが考えられる。
【０１４８】
また、これをさらに変形して、前回までの関連記事情報も記事単位ではなく本文の構成要素単位で提示してもよい。
【０１４９】
例えば、図３４のように関連記事の全文を表示するかわりに、第一段落のみを表示することが考えられる。
【０１５０】
以上のように、今回提示された記事からそれと関係のある前回までの記事にアクセスできるようにすれば、時間の経過とともに状況が変わっていくような出来事についてその経緯を把握することや、連載記事など複数の記事にわたる情報を把握することが容易になる。
【０１５１】
さらに、今回の記事を読んだときに、過去に提示された記事を思い出して、その内容を再確認したくなった場合などにも有効である。
【０１５２】
（実施形態１の変形例２）
次に、記事間類似度計算部１６及び提示情報生成部１７のさらに他の構成例について説明する。
【０１５３】
図３５には、記事間類似度計算部１６の処理の流れが示されている。
【０１５４】
記事検索部１４が、ユーザプロファイルと記事との類似度を計算する、換言すれば、ユーザプロファイルを検索式とし、記事を検索対象とした通常の検索を行うのに対し、記事間類似度計算部１６は、記事同士の類似度を計算する。
【０１５５】
類似度計算は、例えば図６や図７のような記事の表現同士を比較することにより行われ、計算結果は記事情報記憶部１８に記憶される。
【０１５６】
この例において記事間類似度計算の対象となるのは、今回到着した記事同士の組合せである。
【０１５７】
到着した記事全てについて類似度計算を行ってもよいが、以後、より計算コストの低い、今回記事選出部１５により選出された記事同士についてのみ類似度計算を行う場合について説明する。
【０１５８】
今回の記事同士について類似度計算を行う点では、実施形態１と同じであるが、実施形態１が情報源の異なる記事間に対して計算を行っていたのに対し、ここではそのような限定はしていない。
【０１５９】
図１５のように記事選出部１５により４つの記事が選出された場合、記事間類似度計算部１６は、それら記事を記事情報記憶部１８から読取り（ステップＳ１０１）、記事Ａと記事Ｂ、記事Ａと記事Ｃ、記事Ａと記事Ｄ、記事Ｂと記事Ｄといったように全ての組合せについて類似度計算を行う（ステップＳ１０２）。
【０１６０】
また、一定の条件を満たす記事のみ類似度計算の対象としてもよい。
【０１６１】
図３６には、提示情報生成部１７の処理の流れが示されている。
【０１６２】
提示情報生成部１７は、記事情報記憶部１８から、記事情報選出部１５により選出された記事の情報及び記事間類似度計算部１６により計算された記事間類似度を読み込む（ステップＳ１１１，Ｓ１１２）。そして、提示情報生成部１７は、今回の記事の本文情報を今回の他の関連記事の情報とともにユーザに提示する（ステップＳ１１３，Ｓ１１４）。
【０１６３】
図３７に、今回の記事の本文情報を今回の他の関連記事の情報とともに提示する例を示す。
【０１６４】
この例では、１５日付の「半導体協議の…」という記事の本文情報に加えて、同じ１５日付けの半導体に関する記事の情報が付加情報として与えられている。これにより、実施形態１における重複記事が表示されてしまう可能性があるが、このような場合には実施形態１の重複記事削除処理を行ってもよい。
【０１６５】
また、図３７の付加情報のエリアに表示されている「××社 半導体シェア独占…」という記事の本文情報を見るときには、図３８のように「半導体協議の…」という記事が付加情報のエリアに表示されることになる。
【０１６６】
また、実施形態１で示した図２１〜２３は、この例の図３７及び図３８の変形例にもなっている。
【０１６７】
すなわち、実施形態１と同様に、ユーザが当日の関連記事の本文に直接アクセスできるようにすることが考えられる。
【０１６８】
（記事間類似度の記事提示順序への反映）
これまでは、主に個々の記事をユーザに提示する際の関連記事情報の付加について述べてきたが、今回の記事同士の記事間類似度を利用して、ユーザに提示する記事の順序を決定することも可能である。
【０１６９】
図３９に、記事間類似度を記事の提示順序に反映させる例を示す。
【０１７０】
この例では、ユーザプロファイルは半導体技術、低価格パソコン、人工知能という３つの異なる分野に関する語の集合であるとする。
【０１７１】
これにより検索を行うと、図３９（ａ）のように、３つの異なる分野の記事が混在した検索結果が得られる。
【０１７２】
ここで、例えば上位８件、あるいはユーザプロファイルとの類似度が０．８０以上の記事を選択し、そのままの順序でユーザに提示すると、ユーザは半導体、低価格パソコン、人工知能、半導体、低価格パソコン、のような順序で記事を読むことになってしまう場合がある。
【０１７３】
ユーザプロファイルとの類似度が近い順に記事を読むことが有効な場合もあると考えられるが、このように複数分野の記事が混在している場合には、図３９（ｂ）のように、内容の類似した記事を集め、それをひとかたまりにして表示した方がユーザにとって分りやすいと考えられる。
【０１７４】
この例では、半導体に関する記事が初めの３件、低価格パソコンに関する記事が次の３件、そして残りの２件が人工知能に関するものとなっている。
【０１７５】
以上のように、この実施形態１のシステムでは、頻度ベクトルなどを使用して記事間でその表現を比較することによって記事同志の類似度が算出され、その類似度に従って、ユーザに提示される記事に関連する関連記事が決定される。この関連記事の情報は、ユーザに提示される記事の本文情報に付加されてユーザに送られる。類似度計算を行う対象としては、今回提示されている記事同士、または今回到着した記事と前回までに到着した記事との間で行うことが好ましい。これにより、今回提示されている記事同士の関係や、今回提示されている記事と過去のフィルタリングで提示された記事との関係が明確になり、記事同士の関連性などをユーザに知らせることができる。
【０１７６】
また、記事同志の類似度を算出することによって重複記事の存在を調べれば、重複記事の本文情報についてはユーザに提示せずに、その重複記事の見出しなどの情報だけを関連記事情報として付加してユーザに提示することもできる。これにより、例えば異なる複数の情報源から得られた同一内容に関する記事が、重複してユーザに提示されることを自動的に回避することができる。
【０１７７】
よって、一回の情報フィルタリングでユーザに複数の記事を提示する際、記事間の関係を明確にして提示できるようになり、ユーザにとって記事内容の理解が容易になると考えられる。
【０１７８】
（実施形態２）
次に、この発明の情報フィルタリングシステムの第２の実施形態について説明する。このシステム全体の構成は、図１と同様であり、ユーザ毎にユーザプロファイルが保持しており、そのユーザプロファイルを利用して記事の検索が行われる。ここで、ユーザプロファイルとは、前述したように、ユーザの関心が高いトピックに適合する記事を検索するための検索条件のことをいう。
【０１７９】
図４０に、実施形態２で使用されるユーザプロファイルの概念図を示す。
【０１８０】
この例では、あるユーザＡは「半導体技術」、「半導体貿易」という２つのトピックを選択している。また別のユーザＢは、「半導体貿易」、「低価格パソコン」、「人工知能」という３つのトピックを選択している。
【０１８１】
このとき、ユーザＡのユーザプロファイルは、「半導体技術」に関する記事を検索するための検索条件及び「半導体貿易」に関する記事を検索するための検索条件から構成される。同様に、ユーザＢのユーザプロファイルは、「半導体貿易」に関する記事の検索条件、「低価格パソコン」に関する記事の検索条件、及び「人工知能」に関する記事の検索条件から構成される。
【０１８２】
図４１には、実施形態２に係わる情報フィルタリングセンタ１の構成が示されている。情報フィルタリングセンタ１は、図示のように、ユーザプロファイル生成部２１、トピック記憶部２２、記事情報抽出部２３、記事検索部２４、記事選出部２５、付加情報生成部２６、および記事情報記憶部２７から構成されている。これら構成要素のうち、破線で囲まれているユーザプロファイル生成部２１、記事情報抽出部２３、記事検索部２４、記事選出部２５、付加情報生成部２６は、例えば図１の中央処理装置１４によって実行されるソフトウェアによって実現でき、またトピック記憶部２２および記事情報記憶部２７は記憶装置５によって実現できる。
【０１８３】
ユーザプロファイル生成部２１は、入力として個々のユーザの要求・興味を受けつける。ユーザの要求・興味は、「○○と××に関する記事が読みたい」といった自然言語や、興味のあるトピックに頻出するキーワードの集合や、それらに優先順位や重みをつけたもの、または通常の文書検索における検索式のようなもので表される。
【０１８４】
ユーザプロファイル生成部２１は、これに対して単語抽出、同義語展開などの言語処理を行い、検索が可能となるような形式に変換してユーザプロファイルを作成する。ユーザプロファイルはユーザ毎にトピック記憶部２２に記憶される。
また、ユーザプロファイル生成部２１は、既にユーザに送信された各記事がユーザにとって有用であったか否かなどの情報についてユーザからフィードバックを受け、その情報を反映してトピック記憶部２２の検索条件を修正するというレレバンスフィードバック機能も有している。
【０１８５】
記事情報抽出部２３は、入力として情報源から到着した記事を受けつけ、これに対して形態素解析、構文解析、書式解析などを行い、記事の情報源や日付、文字や単語その他の文書構成要素の頻度情報や出現位置、５Ｗ１Ｈ的な情報などの抽出を行う。そして、記事をこれらの抽出された情報の集合体として表現する。例えば、出現した単語の頻度を要素とするベクトルにより記事を表現したり、５Ｗ１Ｈのテンプレートに実現値を代入したものにより表現したりする。このような記事の表現例は、それぞれ図６および図７で説明した実施形態１のものと同じである。
【０１８６】
記事情報抽出部２３は、記事検索を高速に実現するためのインデクシング処理も行う。記事情報抽出部２３により抽出された記事情報は、記事情報記憶部２７に記憶される。
【０１８７】
次に、図４２を参照して、記事検索部２４の処理の流れを説明する。
【０１８８】
記事検索部２４は、トピック記憶部２２に記憶されている各トピックの検索条件と、記事情報抽出部２３によって抽出された記事情報とを参照し、各トピックに適合する到着記事を検索する。これは、トピックと到着記事との類似度を算出することに相当する。この類似度は、検索の方式によって「トピックに適合する」「トピックに適合しない」などの離散値をとる場合もあるし、よく適合している記事ほど類似度の値が高くなるように連続値をとる場合もあるが、ここでは、より一般的である類似度が連続値をとる場合について説明する。
【０１８９】
記事検索部２４は、各トピックについて、以下の処理を行う。
【０１９０】
まず、記事検索部２４は、変数ｉに１を代入した後（ステップＳ１２１）、ｉ番目のトピック（トピック１）の検索条件をトピック記憶部２２から取り出す （ステップＳ１２２）。この後、記事検索部２４は、変数ｊに１を代入した後 （ステップＳ１２３）、トピックｉ（トピック１）と到着記事ｊ（到着記事１）との類似度を計算し、満足された検索条件の情報と共に類似度を記事情報記憶部２７に格納する（ステップＳ１２４）。この類似度計算は、通常の検索処理に相当するもので、記事情報記憶部１８に格納されている記事の表現や検索インデックスが参照される。
【０１９１】
次いで、記事検索部２４は、変数ｊの値を＋１更新した後、そのときのｊの値が到着記事数よりも大きいか否かを調べ（ステップＳ１２５，Ｓ１２６）、大きくない場合には類似度計算されてない記事が残っていると認識し、ｊの値が到着記事数よりも大きくなるまで、ステップＳ１２４〜Ｓ１２６を繰り返す。到着した全ての記事に対してトピックｉとの類似度の計算が終わると、記事検索部２４は、到着した記事をユーザプロファイルとの類似度が高い順にソートし、記事のランキングを行う（ステップＳ１２７）。このランキングの結果は、記事情報記憶部２７に記憶される。
【０１９２】
この後、記事検索部２４は、変数ｉの値を＋１更新した後、そのときのｉの値が全トピック数よりも大きいか否かを調べ（ステップＳ１２８，Ｓ１２９）、大きくない場合には類似度計算されてないトピックが残っていると認識し、ｉの値が全トピック数よりも大きくなるまで、ステップＳ１２２〜Ｓ１２９を繰り返す。
【０１９３】
図４３は、記事検索部２４によりランキングされたトピックｉに対する到着記事の概念図を示す。このように、到着記事はトピック毎にランキングされる。
【０１９４】
図４４には、記事選出部２５の処理の流れが示されている。
【０１９５】
記事選出部２５は、記事検索部２４により記事情報記憶部２７に格納された各トピックの検索結果の中から、各ユーザに提示する記事を選出する。
【０１９６】
すなわち、まず、記事選出部２５は、変数ｉに１を代入した後（ステップＳ１３１）、ユーザｉ（ユーザ１）のユーザプロファイルをトピック記憶部２２から取り出す（ステップＳ１３２）。この後、記事選出部２５は、変数ｊに１を代入した後（ステップＳ１３３）、ユーザｉのトピックｊ（トピック１）の検索結果を記事情報記憶部２７から取り出し、その中からユーザに提示する記事を選出する（ステップＳ１３５）。記事の選出の方法としては、例えば、ユーザに提示する記事の件数Ｎをユーザ側があるいはセンタ側が予め定めておき、ランキング上位Ｎ件を提示することにしたり、あるいは、ユーザプロファイルとの類似度がある閾値以上の記事を提示することにするなどが考えられる。選出された記事の情報は、記事情報記憶部２７に格納される。
【０１９７】
次いで、記事選出部２５は、変数ｊの値を＋１更新した後、そのときのｊの値がユーザｉの指定したトピック数よりも大きいか否かを調べ（ステップＳ１３６，Ｓ１３７）、大きくない場合には選出されてない他のトピックの検索結果が残っていると認識し、ｊの値がユーザｉのトピック数よりも大きくなるまで、ステップＳ１３４〜Ｓ１３７を繰り返す。ユーザｉのすべてのトピックに対しての記事選出が終わると、記事選出部２５は、変数ｉの値を＋１更新した後、そのときのｉの値が全ユーザ数よりも大きいか否かを調べ（ステップＳ１３８，Ｓ１３９）、大きくない場合には記事選出されてないユーザが残っていると認識し、ｉの値が全ユーザ数よりも大きくなるまで、ステップＳ１３２〜Ｓ１３９を繰り返す。
【０１９８】
このような処理により、例えば、図４５のように、「半導体貿易」、「低価格パソコン」、「人工知能」という３つのトピックを選択しているユーザに対しては、「半導体貿易」の検索結果、「低価格パソコン」の検索結果、「人工知能」の検索結果の３つが取り出され、これらのうち上位の記事の中からユーザに提示するものが選出される。
【０１９９】
図４６には、付加情報生成部２６の処理の流れが示されている。
【０２００】
付加情報生成部２６は、全てのユーザに対して以下を行う。
【０２０１】
まず、付加情報生成部２６は、変数ｉに１を代入した後（ステップＳ１４１）、ユーザｉ（ユーザ１）のユーザプロファイルをトピック記憶部２２から取り出す（ステップＳ１４２）。次に、付加情報生成部２６は、記事選出部２５によって選出されたユーザ１に提示する記事と、これらの記事が満足した検索条件に関する情報とを記事情報記憶部２７から取り出す（ステップＳ１４３）。
【０２０２】
ここで、記事が満足した検索条件に関する情報とは、その記事がユーザの選択したトピックのうちいずれに適合したか、トピックの検索条件の中のどのような条件に適合したか、などの情報をいう。検索条件とは、どのような言語表現が記事中のどのような位置に、どのような頻度で含まれていたか、記事の主題・行為やその動作主は何かなどの記事が満たすべき条件を、通常の文書検索で用いるブール式や自然言語、その他の記事検索部により処理が可能な形式で記述したものをいう。
【０２０３】
この後、付加情報生成部２６は、記事選出部２５によって選出された記事に、これらの記事が満足した検索条件に関する情報を付加してユーザｉに提示する （ステップＳ１４４）。そして、付加情報生成部２６は、変数ｉの値を＋１更新した後、そのときのｉの値が全ユーザ数よりも大きいか否かを調べ（ステップＳ１４５，Ｓ１４６）、大きくない場合には付加情報が生成されてないユーザが残っていると認識し、ｉの値が全ユーザ数よりも大きくなるまで、ステップＳ１４２〜Ｓ１４６を繰り返す。
【０２０４】
図４７には、あるユーザのために選出された記事の記事見出しのリストに、各記事が適合したトピックの情報を付加してそのユーザに提示した表示例が示されている。
【０２０５】
ここでは、ユーザは「半導体貿易」、「低価格パソコン」、「人工知能」という３つのトピックを選択しているものとする。
【０２０６】
この例では、ユーザに６つの記事の記事見出しが提示されており、これらの記事のうち３つが「半導体貿易」に適合した記事、２つが「低価格パソコン」に適合した記事、そして残りの１つが「半導体貿易」と「低価格パソコン」の両方に適合した記事になっている。
【０２０７】
このように、ひとつの記事が複数のトピックに適合する場合があっても、その記事が提示された根拠が表示される。
【０２０８】
また、この例では、各行の最後の欄に、記事検索部２４により検索時に計算された、適合したトピックと記事との類似度の値が表示されている。
【０２０９】
記事番号６の記事は、２つのトピックに適合したため、「半導体貿易」との類似度は１．０５、「低価格パソコン」との類似度は０．８０、というように２つの類似度が表示されている。
【０２１０】
図４８に、図４７と同じユーザに対して各トピックに適合した記事の件数情報を提示した表示例を示す。
【０２１１】
図４８（ａ）では、ユーザの選択している各トピックに適合した記事の件数情報を表形式で表示している。
【０２１２】
「半導体貿易」に適合した記事は、図４７における記事番号１、２、３、及び６の記事であるので、記事数は４と表示されている。同様に、「低価格パソコン」に適合した記事は、図４７における記事番号４、５、及び６の記事であるので、記事数は３と表示されている。また、この例では「人工知能」に適合する記事はないので、記事数は０となっている。
【０２１３】
ユーザに提示された記事数は、「半導体貿易」の４件と「低価格パソコン」の３件のうち１件重複があるので６件となっている。
【０２１４】
また、この変形例として、図４７の記事番号６のように複数のトピックに適合した記事の件数は別個にカウントするようにしてもよい。
【０２１５】
この場合、例えば図４８（ａ）の「半導体貿易」の件数は、このトピックのみに適合した記事の件数という意味で３件となる。
【０２１６】
図４８（ｂ）では、ユーザの選択している各トピックに適合した記事の件数情報をベン図形式で表示している。
【０２１７】
この例では、図４７における記事番号１、２、３の３つの記事が「半導体貿易」のみに適合した記事であり、記事番号４、５の２つの記事が「低価格パソコン」のみに適合した記事であり、記事番号６の記事が両方に適合した記事であることが明示されている。
【０２１８】
この例では、図４８（ａ）に比べ、各トピックの適合件数と全記事数との関係がより明確になっている。
【０２１９】
図４９に、あるユーザのために選出された記事の要約文・抜粋文あるいは本文をトピック別にまとめてそのユーザに提示した表示例を示す。
【０２２０】
ここで、要約文とは、もとの記事の本文を加工して要点がつかめるようにしたテキストをいい、抜粋文とは、もとの記事の本文の一部を加工せずに抜き出したテキストをいう。
【０２２１】
この例では、「半導体貿易」に関する３つの記事が並べて最初に表示されており、その後に「低価格パソコン」に関する記事が続いている。
【０２２２】
以上の説明のように、ユーザに提示する各記事がどのトピックに適合したのかを明示することにより、ユーザは記事の内容理解や、どの記事を読み、どの記事を読まないかなどの判断が容易になり、より効率的な情報収集ができると考えられる。
【０２２３】
図５０に、記事が満足した検索条件に関する情報を記事本文のヘッダ情報として付加してユーザに提示した表示例を示す。
【０２２４】
この例では、表示中の記事が、ユーザの選択しているトピックのうち「半導体貿易」に適合したものであることが「該当トピック」の行に明示されている。
【０２２５】
その下には、「半導体貿易」と記事との類似度が１．３２であったことが表示されている。
【０２２６】
さらに、「半導体貿易」に関する記事を検索するために用いられた検索条件と、これらの条件のうち表示中の記事が満足したものが並べて表示されている。
【０２２７】
また、図５０の本文中では、テキストの一部が強調表示されている。
【０２２８】
ここで、強調表示とは、アンダーラインなどの付加記号を伴った表示、異なる字体や大きさの文字による表示、異なる色による表示など、一般にテキストの一部を他の部分よりも目立たせる手段を用いた表示をいう。
【０２２９】
この例では、「半導体貿易」というトピックに適合する記事を検索するための検索条件として、「半導体、ＩＣ、調達などの単語を本文中に含む」という条件が設定されていたものとする。
【０２３０】
記事は上記の条件を実際に満たしているので、このことを明示するために本文一文目の「半導体」、「ＩＣ」、「調達」という単語が強調表示されている。
【０２３１】
また、この変形例として、例えば「記事見出し」の行の「ＩＣ」という単語を強調表示してもよい。
【０２３２】
このような強調表示により、ユーザは、表示中の記事がどのような根拠に基づいて検索され、提示されたのか理解することができる。
【０２３３】
また、強調表示されている部分のテキストは、内容的に重要であることが多いので、ユーザは拾い読みにより効率的に記事内容を把握することが可能になると考えられる。
【０２３４】
これは、例えば、レレバンス・フィードバックのために提示された記事の有用性を判定する作業の効率化にもつながる。
【０２３５】
図５１、５２、５３に、適合した検索条件を記事中に強調表示することにより記事の有用性の判定が効率的になる例を示す。
【０２３６】
図５１（ａ）は、「自然言語処理」というトピックに適合する記事を検索するための検索条件の例である。
【０２３７】
この例では、記事の本文中に「自然言語処理」、「ＮＬ」、「機械翻訳」、 「かな漢字変換」という言語表現が出現するとその記事の得点が高くなる。
【０２３８】
また、「自然言語」と「解析」という表現が同一の文中に出現すると、その記事の得点が高くなる。
【０２３９】
この他、記事を検索するための様々な条件が記されているものとする。
【０２４０】
図５１（ｂ）は、図５１（ａ）の検索条件を用いて検索され、ユーザに提示された記事の例である。この記事は「本文中に自然言語処理という言語表現を含む」という検索条件を満たしているので、記事中の「自然言語処理」という表現が強調表示されている。ここで、強調表示されている「自然言語処理」という表現を含む文の辺りを読んでみると、「このソフトウェアは、自然言語処理は用いずに、簡単な文字列マッチングにより検索を行う。」と書いてあるので、実際には自然言語処理に関する記事ではないことがすぐにわかる。
【０２４１】
ユーザはこの時点でこの記事を読む必要がないと判断できるので、有用そうな記事のみを読んで情報収集を行ったり、効率的にレレバンス・フィードバックを行ったりできる。
【０２４２】
図５２も、図５１と同様に、記事が有用でないことを迅速に判断する例である。
【０２４３】
この例での検索対象は英文テキストであり、「ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ（人工知能）」というトピックの検索条件が図５２（ａ）である。
【０２４４】
ここでは、「ａｒｔｉｆｉｃｉａｌ」、「ｉｎｔｅｌｌｉｇｅｎｃｅ」などの単語を含む記事の得点が高くなるようにしている。
【０２４５】
図５２（ｂ）は、図５２（ａ）の検索条件を用いて検索されユーザに提示された記事の例であり、「ａｒｔｉｆｉｃｉａｌ」という語が強調表示されている。
図５１と同様に、強調表示された語の周辺のみを拾い読みすることにより、この記事は「ａｒｔｉｆｉｃｉａｌ ｈａｎｄ（義手）」に関するものであって 「ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ」とは無関係であるということが瞬時にしてわかる。
【０２４６】
図５１、５２が有用でない記事の表示例であるのに対し、図５３はユーザにとって有用である記事の表示例である。
【０２４７】
図５３（ａ）は、「パソコン新製品」というトピックに適合する記事を検索するための検索条件であり、記事に出現する単語として「ノートパソコン」、「ラップトップ」、「デスクトップ」などのパソコンの種類を表す表現や、「○○社」、「△△社」など、パソコンメーカーの名前などが指定されている。
【０２４８】
図５３（ｂ）は、図５３（ａ）のような検索条件により検索を行った結果得られ、ユーザに提示された記事の表示例である。
【０２４９】
「△△社」が強調表示されているので、この記事で紹介されているパソコンのメーカーは○○社などのものではなく△△社のものであることがひと目でわかる。
【０２５０】
同様に、「ノートパソコン」が強調表示されているので、発売したパソコンの種類はラップトップやデスクトップなどではなくノートパソコンであることがひと目でわかる。このように、提示されている記事がユーザにとって有用である場合にも、記事の内容を把握することが容易になると考えられる。
【０２５１】
図５０において、トピック検索条件と、そのうち記事が満足した検索条件をユーザに提示する例を示したが、これらの表示方法の例を説明する。
【０２５２】
図５４は、「半導体貿易」というトピックに適合する文書を検索するための検索条件の具体例である。
【０２５３】
一行目の条件は、通常の文書検索で用いられるブール式の例であり、「半導体」「貿易」などの言語表現がＡＮＤやＯＲなどの演算子で結合されている。
【０２５４】
２行目の条件は、「半導体」と「貿易」という言語表現が同一文中に出現するという条件を表している。
【０２５５】
また、例えば４行目の条件は、記事の記事見出し文字列の中に「半導体」、 「メモリー」、「ＩＣ」などの言語表現が出現するという条件を表している。
【０２５６】
図５４のような検索条件により検索されユーザに提示された図５０のような記事には、例えば図５５のような情報を付加して表示する。
【０２５７】
この例では、現在表示中の記事は「半導体貿易」というトピックに適合したものであることが明示されており、図５４に示した「半導体貿易」のトピック検索条件がそのままユーザに提示されている。
【０２５８】
そして、その下には、実際に記事が満足した条件が列挙されている。例えば、図５０の第１文には「半導体」と「調達」という言語表現が出現しているので、図５５の「記事１が満足した検索条件」のところには、満足された条件である 「第１文：半導体（１回）、調達（１回）」が表示されている。
【０２５９】
ここで、「（１回）」は出現回数を表す。
【０２６０】
また、トピック検索条件の「単語：」という行に記された言語表現のうち、記事中に実際に出現したものは「半導体」、「ＩＣ」、「調達」の３つであったことが「記事１が満足した検索条件」の「単語：」という行に表示されている。
【０２６１】
同時に、これらの出現した位置や、出現回数などの情報が表示されている。
【０２６２】
さらに、トピック検索条件の１行目の「（半導体ＯＲメモリー）ＡＮＤ（貿易ＯＲ調達）」というブール式は、図５０の記事中に「半導体」と「調達」という表現が出現しているために満足されているので、「記事１が満足した検索条件」ではこのブール式が表示され、さらにその中の「半導体」と「調達」という表現が強調表示されている。
【０２６３】
図５６に、図５５の変形例を示す。
【０２６４】
図５５がトピック検索条件と記事が実際に満足した検索条件とを別々に表示しているのに対し、図５６ではトピック検索条件の中に記事が満足した検索条件を埋め込む形で表示している。
【０２６５】
この例では、「半導体」や「調達」などの実際に満足された条件の語が強調表示されている。
【０２６６】
これにより、トピック検索条件のうち何パーセントくらいの条件が記事によって満たされているかがおおまかに把握できる。
【０２６７】
以上のように、表示中のトピックの検索条件と、そのうち記事が実際に満足している検索条件の情報を提示することにより、その記事の有用性を判断しながら拾い読みをしたり、内容の把握を容易にすることが可能であると考えられる。
【０２６８】
また、記事がどのような根拠から検索され提示されたのかがユーザにわかるようになるので、ユーザはよりきめ細かで効果的なレレバンス・フィードバック用情報を情報フィルタリングサービス側に返すことが可能になると考えられる。
【０２６９】
（実施形態２の変形例１）
次に、記事検索部２４及び付加情報生成部２６の他の構成例について説明する。
【０２７０】
まず、記事検索部２４は、変数ｉに１を代入した後（ステップＳ１５１）、ｉ番目のトピック（トピック１）の検索条件をトピック記憶部２２から取り出す （ステップＳ１５２）。この後、記事検索部２４は、変数ｊに１を代入した後 （ステップＳ１５３）、トピックｉ（トピック１）と到着記事ｊ（到着記事１）との類似度を計算し、記事情報記憶部２７に格納する（ステップＳ１５４）。この類似度計算は、通常の検索処理に相当するもので、記事情報記憶部１８に格納されている記事の表現や検索インデックスが参照される。
【０２７１】
ここで、実施形態２の図４２との違いは、各記事が満足した検索条件に関する情報を必ずしも記事情報部２７に記憶する必要がないという点だけである。
【０２７２】
これは、実施形態２が、ユーザに提示する記事にその記事が何故検索されたかという情報を付加して提示するものであるのに対し、この変形例では、ユーザに提示する記事に、他のユーザがその記事をどのように読んでいるかという情報を付加して提示するものであるためである。
【０２７３】
次いで、記事検索部２４は、変数ｊの値を＋１更新した後、そのときのｊの値が到着記事数よりも大きいか否かを調べ（ステップＳ１５５，Ｓ１５６）、大きくない場合には類似度計算されてない記事が残っていると認識し、ｊの値が到着記事数よりも大きくなるまで、ステップＳ１５４〜Ｓ１５６を繰り返す。到着した全ての記事に対してトピックｉとの類似度の計算が終わると、記事検索部２４は、到着した記事をユーザプロファイルとの類似度が高い順にソートし、記事のランキングを行う（ステップＳ１５７）。このランキングの結果は、記事情報記憶部２７に記憶される。
【０２７４】
この後、記事検索部２４は、変数ｉの値を＋１更新した後、そのときのｉの値が全トピック数よりも大きいか否かを調べ（ステップＳ１５８，Ｓ１５９）、大きくない場合には類似度計算されてないトピックが残っていると認識し、ｉの値が全トピック数よりも大きくなるまで、ステップＳ１５２〜Ｓ１５９を繰り返す。
【０２７５】
図５８に、付加情報生成部２６の処理の流れを示す。
【０２７６】
付加情報生成部２６は、全てのユーザに対して以下の処理を行う。
【０２７７】
まず、付加情報生成部２６は、変数ｉに１を代入した後（ステップＳ１６１）、ユーザｉ（ユーザ１）のユーザプロファイルをトピック記憶部２２から取り出す（ステップＳ１６２）。次に、付加情報生成部２６は、記事選出部２５によって選出されたユーザ１に提示する記事と、これらの記事を受信する他のユーザに関する情報とを記事情報記憶部２７から取り出す（ステップＳ１６３）。
【０２７８】
この後、付加情報生成部２６は、記事選出部２５によって選出された記事に、これらの記事を受信する他のユーザに関する情報を付加してユーザｉに提示する（ステップＳ１６４）。そして、付加情報生成部２６は、変数ｉの値を＋１更新した後、そのときのｉの値が全ユーザ数よりも大きいか否かを調べ（ステップＳ１６５，Ｓ１６６）、大きくない場合には付加情報が生成されてないユーザが残っていると認識し、ｉの値が全ユーザ数よりも大きくなるまで、ステップＳ１６２〜Ｓ１６６を繰り返す。
【０２７９】
例えば、図５９のように、どのユーザにどの記事を送信するかという情報が記事選出部２５により格納されていたとする。
【０２８０】
この例では、例えばユーザ１には記事１、２を提示することが、ユーザ２には記事２、３、４を提示することが記されている。
【０２８１】
付加情報生成部２６は、ユーザ１に記事１を提示する際に、記事１を受信する他のユーザであるユーザ３、４に関する情報を付加して提示する。例えば記事１の受信人数を提示する場合、ユーザ１、３、４の３人という情報を付加したり、ユーザ１を除いた２人という情報を付加したりする。
【０２８２】
同様に、ユーザ１に記事２を提示する際には、ユーザ２、ユーザ４に関する情報を付加して提示する。
【０２８３】
図６０に、あるユーザのために選出された記事の記事見出しのリストに、記事を受信した他のユーザに関する情報を付加してそのユーザに提示した表示例を示す。
【０２８４】
この例では、情報フィルタリングサービスの全ユーザ数は４，０００人となっている。
【０２８５】
そして、例えば記事番号１の記事を受信したユーザ数は２５０人だということがわかる。
【０２８６】
図６１に、あるユーザのために選出された記事の要約文または抜粋文に記事を受信した他のユーザに関する情報を付加して提示した表示例を示す。
【０２８７】
図６０と同様に受信ユーザ数の情報が示されている。
【０２８８】
図６２に、記事を受信した他のユーザに関する情報を記事本文のヘッダ情報として付加しユーザに提示した例を示す。
【０２８９】
全４，０００人のユーザ中、２５０人が表示中の記事を受信していることが明示されている。
【０２９０】
図６３に図６２の変形例を示す。
【０２９１】
この例では、記事の受信ユーザ数の内訳が表示されている。
【０２９２】
表示中の記事を受信した２５０人のうち１５０人が男性、１００人が女性であり、２００人が日本人、３０人が米国人、２０人がその他の国のユーザであることがわかる。
【０２９３】
さらに、２５０人のうち、１８０人は「半導体貿易」というトピックを選択しているユーザ、５０人は「ＩＣ」というトピックを選択しているユーザ、２０人は「半導体貿易」と「ＩＣ」の両方を選択しているユーザであることがわかる。この他、受信者の所属や年齢層など、プライバシー侵害にならない程度の統計情報を表示するようにしてもよい。
【０２９４】
以上の説明のように、現在表示中の記事を、他のどのようなユーザが何人受信しているかという情報がわかれば、その記事がどのくらい一般的な記事であるか、または特殊なユーザ層にだけ読まれる記事であるかがわかり、ユーザにとってどれくらい有用な記事であるかの判断材料となると考えられる。
【０２９５】
例えば、図６０のような記事情報を受信したユーザが、６つの記事全てを読んでいる時間がない場合、とりあえず一般常識的な情報だけを収集しようとして、記事番号４の記事のように多くのユーザが読んでいる記事だけを読むといった使い方が考えられる。
【０２９６】
図６４に、あるユーザや他のユーザが前回に行ったレレバンス・フィードバック情報を今回提示する記事情報に付加して提示する表示例を示す。
【０２９７】
この例では、今回到着した記事はｂ１〜ｂ４の４件であり、ユーザはこれらの全てあるいは一部に対して有用性の判定を行い、レレバンス・フィードバックを行おうとしているものとする。
【０２９８】
例えば、ユーザが記事ｂ１に対して「有用ではない」という判定を行い、この情報を情報フィルタリングセンタ１側に送信すれば、情報フィルタリングセンタ１側は記事ｂ１のようなトピックの記事の優先度を下げるなどしてユーザプロファイルを修正し、次回からはユーザの要求に合致した記事がより多く提示されるようにすることが可能である。
【０２９９】
図６４では、この有用性の判定の参考情報として、ユーザが前回あるいはそれ以前に行った有用性判定に関する情報と、他のユーザの有用性判定に関する情報が提示されている。
【０３００】
この例では、ユーザが前回受信し、有用性判定を行った記事はａ１〜ａ６の６件あり、例えばユーザは記事ａ１に対しては「有用である」、記事ａ３に対しては「不要である」という判定をしたことがわかる。
【０３０１】
一般に、人間による有用性の判定には一貫性がなく、同じような記事に対してもあるときは「有用である」とし、またあるときは「やや有用である」、というように違った判断をしてしまうことがあると考えられる。
【０３０２】
このように一貫性に欠ける判定情報をフィードバックしてユーザプロファイルを修正しても、よりよいフィルタリングが行われるようになる保証はない。
【０３０３】
この例のように、本人がこれまでに行ってきた有用性判定情報にアクセスを許すことにより、今回の有用性の判定の信頼性や効率を高めることができると考えられる。また、ユーザの要求が時とともに変化した場合でも、自分の過去のフィードバック結果を参照しながら意識的に有用性判定の方針を変えるといった使いかたも考えられる。
【０３０４】
また、図６４では、本人の過去の判定情報に加えて、他のユーザの判定情報が表示されている。
【０３０５】
例えば、記事ａ１は、他の２５０人のユーザによっても受信され、有用性の判定が行われており、このうち１００人が「有用である」と判定し、１００人が「やや有用である」と判定し、５０人が「不要である」と判定したことがわかる。
このように、他のユーザが過去に行った有用性判定の情報を参照して、自分のこれからの有用性判定の参考にしたり、また、自分が過去に行った有用性判定を直接訂正し、レレバンス・フィードバックを再度実行してもらうなどが可能となる。
【０３０６】
これによりより信頼性が高く効率のよいレレバンス・フィードバックが行えると考えられる。
【０３０７】
図６４の変形例を図６５に示す。
【０３０８】
図６４ではユーザが「有用」「やや有用」「不要」という離散的な評価値により有用性を判定しているのに対し、図６５では連続的な得点により判定している。
【０３０９】
「前回のｒｅｌｅｖａｎｃｅ ｆｅｅｄｂａｃｋ情報」の、他のユーザの判定情報のところには、他のユーザがつけた得点の平均値が表示されている。
【０３１０】
例えば、今回の記事ｂ１の内容が、前回の記事ａ１の内容に似たものである場合、ユーザは、前回のａ１に対する自分の判定が１０点であったことから、今回のｂ１に対しても高得点を与えるといった使い方が考えられる。
【０３１１】
また、前回の記事ａ５の行を見ると、自分は１点という低い評価を行ったのに対して、他のユーザの平均値は７．４点と比較的高い値になっている。
【０３１２】
そこで、ユーザは、自分のａ５に対する有用性の評価を撤回して、新たに評価値を付与しなおすといった使い方が考えられる。
【０３１３】
このように、実施形態２のシステムでは、提示されている記事がユーザの選択したトピックのうちいずれに適合したものであるかなど、提示されている記事がいかなる検索条件を満足したのかがユーザに明示されるため、何故その記事が提示されているかがユーザに分かりやすくなり、記事の有用性の判定が容易になる。したがって、既にユーザに送信された各記事がユーザにとって有用であったか否かなどの情報についてユーザからフィードバックを受け、その情報を反映して検索条件を修正するレレバンスフィードバック機能をより有効利用できるようになる。
【０３１４】
また、記事が選択された根拠の代わりに、提示されている記事が他のユーザによってどのように読まれているかをユーザに提示することによっても、他のユーザの判断を参考にしたレレバンス・フィードバックが可能になり、レレバンスフィードバックの有効利用を図ることができる。
【０３１５】
（実施形態３）
次に、この発明の情報フィルタリングシステムの第３の実施形態について説明する。このシステム全体の構成は、図１と同様であり、ユーザ毎にユーザプロファイルを保持しており、そのユーザプロファイルを利用して記事の検索が行われる。ここで、ユーザプロファイルとは、前述したように、ユーザの関心が高いトピックに適合する記事を検索するための検索条件のことをいう。
【０３１６】
図６６には、実施形態３に係わる情報フィルタリングセンタ１の構成が示されている。情報フィルタリングセンタ１は、図示のように、ユーザプロファイル生成部３１、トピック記憶部３２、記事情報抽出部３３、記事検索部３４、記事選出部３５、要約・抄録生成部３６、および記事情報記憶部３７から構成されている。これら構成要素のうち、破線で囲まれているユーザプロファイル生成部３１、記事情報抽出部３３、記事検索部３４、記事選出部３５、要約・抄録生成部３６は、例えば図１の中央処理装置１４によって実行されるソフトウェアによって実現でき、またトピック記憶部３２および記事情報記憶部３７は記憶装置５によって実現できる。
【０３１７】
ユーザプロファイル生成部３１は、入力として個々のユーザの要求・興味を受けつける。ユーザの要求・興味は、「○○と××に関する記事が読みたい」といった自然言語や、興味のあるトピックに頻出するキーワードの集合や、それらに優先順位や重みをつけたもの、または通常の文書検索における検索式のようなもので表される。
【０３１８】
ユーザプロファイル生成部３１は、これに対して単語抽出、同義語展開などの言語処理を行い、検索が可能となるような形式に変換してユーザプロファイルを作成する。ユーザプロファイルはユーザ毎にトピック記憶部３２に記憶される。
また、ユーザプロファイル生成部３１は、既にユーザに送信された各記事がユーザにとって有用であったか否かなどの情報についてユーザからフィードバックを受け、その情報を反映してトピック記憶部３２の検索条件を修正するというレレバンスフィードバック機能も有している。
【０３１９】
図６７に、キーワードとその重みで表現されたユーザプロファイルの例を示す。
【０３２０】
この例では、ユーザが半導体に関する記事に興味をもっているために「メモリー」などの関連用語が羅列されており、それぞれの用語に類似度計算に利用する重みが定義されている。。
【０３２１】
記事情報抽出部３３は、入力として情報源から到着した記事を受けつけ、これに対して形態素解析、構文解析、書式解析などを行い、記事の情報源や日付、文字や単語その他の文書構成要素の頻度情報や出現位置、５Ｗ１Ｈ的な情報などの抽出を行う。そして、記事をこれらの抽出された情報の集合体として表現する。例えば、出現した単語の頻度を要素とするベクトルにより記事を表現したり、５Ｗ１Ｈのテンプレートに実現値を代入したものにより表現したりする。記事情報抽出部３３はまた、記事検索を高速に実現するためのインデクシング処理も行う。記事情報抽出部３３により抽出された記事情報は、記事情報記憶部３７に記憶される。
【０３２２】
記事検索部３４は、トピック記憶部３２に記憶されている各トピックの検索条件と、記事情報抽出部３３によって抽出された記事情報とを参照し、各トピックに適合する到着記事を検索する。これは、トピックと到着記事との類似度を算出することに相当する。この類似度は、検索の方式によって「トピックに適合する」「トピックに適合しない」などの離散値をとる場合もあるし、よく適合している記事ほど類似度の値が高くなるように連続値をとる場合もあるが、ここでは、より一般的である類似度が連続値をとる場合について説明する。この場合には、記事検索部３４が各トピックについて行う処理は実施形態１、２と同様であり、まず、トピック記憶部３２からトピックに適合する記事を検索するための検索条件を読み込む。次に、到着した記事の各々に対して、そのトピックとの類似度を計算する。この類似度計算は、通常の検索処理に相当するもので、記事情報記憶部に格納されている記事の表現や検索インデックスが参照される。記事の類似度、及びその記事が満足した検索条件の情報は記事情報記憶部３７に記憶される。
到着した全ての記事に対して類似度の計算が終わると、すなわち、到着した全ての記事を検索対象とした検索処理が終わると、到着した記事はトピックとの類似度が高い順にソートされる。すなわち、記事のランキングが行われる。ランキングの結果も記事情報記憶部３７に記憶される。
【０３２３】
記事選出部３５は、記事検索部３４により記事情報記憶部３７に格納された各トピックの検索結果の中から、各ユーザに提示する記事を選出する。例えば、 「半導体貿易」、「低価格パソコン」、「人工知能」という３つのトピックを選択しているユーザに対しては、「半導体貿易」の検索結果、「低価格パソコン」の検索結果、「人工知能」の検索結果の３つを取り出し、これらのうち上位の記事の中からユーザに提示するものを選出する。
【０３２４】
図６８に、本実施形態３における要約・抄録生成部３６の処理の流れを示す。
要約・抄録生成部３６は、各ユーザに対して以下の処理を行う。
【０３２５】
まず、要約・抄録生成部３６は、変数ｉに１を代入し（ステップＳ１７１）、ユーザｉのユーザプロファイルをトピック記憶部３２から取り出す（ステップＳ１７２）。次に、要約・抄録生成部３６は、ユーザｉに提示する記事の集合と、各記事がユーザの選んだトピックのうちいずれに適合したかを示す情報とを記事情報記憶部３７から取り出す。そして、要約・抄録生成部３６は、変数ｊに１を代入し、ユーザに提示する記事ｊに対して、適合したトピックの情報を参照しながら、そのトピックに応じた長さの要約あるいは抄録を生成する（ステップＳ１７５）。
【０３２６】
ここで、要約とは、記事の主題を端的に表すために原文をもとに生成したテキストをいい、抄録とは、重要文など、記事の原文テキストの一部をそのまま抜きだしたものをいう。
【０３２７】
また、要約・抄録の「長さ」とは、原文に対する圧縮率、文数、段落数、文字数、あるいは提示するテキスト全体に占める割合などをいう。
【０３２８】
本実施形態３で用いる要約・抄録生成の方法は、長さを２段階以上に調節できるものであれば、どのような方法であってもよい。
【０３２９】
例えば、自然言語解析を用いた自動要約生成技術でもよいし、初めの一段落目のみ表示するかもしくは全文を表示するかという単純な方法でもよい。
【０３３０】
次に、要約・抄録生成部３６は、現在のｊの値がユーザｉに提示する記事数よりも大きいか否かを調べ（ステップＳ１７６）、大きくないならば、要約・抄録生成処理を行っていない記事が残っていると判断し、ｊの値がユーザｉに提示する記事数よりも大きくなるまでステップＳ１７５、Ｓ１７６を繰り返す。
【０３３１】
この後、要約・抄録生成部３６は、ユーザｉに該当記事の要約または抄録を提示し（ステップＳ１７７）、その後、現在のｉの値が全ユーザ数よりも大きいか否かを調べる（ステップＳ１７８）。現在のｉの値が全ユーザ数よりも大きくないならば、大きくなるまでステップＳ１７２〜Ｓ１７８の処理が繰り返される。
次に、記事の適合したトピックに応じた長さの要約・抄録を生成する手順を図を用いて説明する。
【０３３２】
図６９は、あるユーザが選択したトピックと、それらの間の優先度の例を示す。
【０３３３】
この例では、ユーザはトピックＡ，Ｂ，Ｃ，Ｄの４トピックを選択しており、これらに関する記事を求めている。また、トピックＡ，Ｂ，Ｃ，Ｄの順で優先度が高くなっている。
【０３３４】
この優先度は、情報フィルタリングサービスセンタ１側が設定してもよいし、ユーザが指定してもよい。ここでは、ユーザが指定したものであるとすると、このユーザは、例えばトピックＢに適合する記事よりもトピックＡに適合する記事により興味があるということになる。
【０３３５】
図７０に、図６９のトピックを選択しているユーザに提示する記事のリストとそれらに適合したトピックの例を示す。
【０３３６】
この例では、ユーザのために記事１〜４の４つの記事が選出されている。記事１、２はトピックＡに、記事３はトピックＢに、記事４はトピックＣおよびＤに適合したものである。
【０３３７】
図７１に、図７０のような場合にユーザに提示する記事情報の概念図を示す。
記事１、２は、ユーザの選んだトピックのうちもっとも優先度が高いトピックＡに適合したものであるため、比較的長い要約あるいは抄録が提示されている。これに対して、記事４は、ユーザの選んだトピックのうちもっとも優先度が低いトピックＣ，Ｄに適合したものであるため、非常に短い要約あるいは抄録が提示されている。
【０３３８】
このように、トピックの優先度に応じて段階的に抄録の長さを変化させる。
【０３３９】
なお、図７１では、要約あるいは抄録の長さを図中の面積であらわしているが、優先度の最も高いトピックに適合した記事の要約・抄録が必ずしも最も長くなるとは限らない。
【０３４０】
例えば、抄録の長さとして、原文の文数をもとにした圧縮率を採用するとし、記事１の原文が５文、記事４の原文が２０文であったとする。
【０３４１】
このとき、記事１は優先度の高いトピックＡの記事なので圧縮率１００％とし、記事４は優先度の低いトピックＣ，Ｄの記事なので圧縮率５０％として表示したとすると、記事１の抄録は原文のままなので５文となり、一方、記事４の抄録は１０文となる。
【０３４２】
以上のような機能により、ユーザはトピック毎に異なる詳細度の記事を読むことができる。
【０３４３】
ユーザが選択したトピック間に明確な優先度がある場合には有効であると考えられる。
【０３４４】
（レレバンス・フィードバック）
文書検索における技術に、検索結果の文書に対してユーザに有用性の判定を行ってもらい、その結果を利用して検索式中の単語の重み値を変更することにより、ユーザの求めるものにより近い文書を検索するレレバンス・フィードバックがある。
【０３４５】
情報フィルタリングの分野でもこの機能は実現されつつある。
【０３４６】
本実施例においては、レレバンス・フィードバックの際に得られる有用性判定情報を、要約・抄録の長さに反映させることが可能である。
【０３４７】
例えば、既に説明した図７１のような情報提示に対して、ユーザが「記事３が非常に有用であった」という情報を返したとする。
【０３４８】
同時に、図７０で示したトピック間の優先度が具体的には図７２のように重要度の値の大小で定義されていたとする。
【０３４９】
このとき、ユーザによって特に有用であるとされた記事３は、トピックＢに適合した記事であるので、何らかの計算によりトピックＢの重要度の値をより大きくし、今度はトピックＢに適合する記事の長さをより長くして提示することが有用である。
【０３５０】
図７３に、このようなフィードバックを行った場合に、次回のフィルタリングでユーザに提示される記事情報の例を示す。
【０３５１】
図７１ではトピックＡの優先度が最も高かったが、この図ではフィードバックによりトピックＢの優先度がもっとも高くなっており、トピックＢに適合した記事１′の要約あるいは抄録が最も長くなっている。
【０３５２】
（実施形態３の変形例１）
次に、要約・抄録生成部３６の他の構成例について説明する。
【０３５３】
図７４に、本変形例における要約・抄録生成部３６の処理の流れを示す。
【０３５４】
要約・抄録生成部３６は、各ユーザに対して以下の処理を行う。
【０３５５】
まず、ユーザｉのユーザプロファイルをトピック記憶部３２から取り出す（ステップＳ１８１，Ｓ１８２）。次に、ユーザｉに提示する記事の集合と、各記事に予め付加されている日付、新聞社、朝刊／夕刊、見出しの大きさや行数、何面に掲載されたか、などの属性情報とを記事情報記憶部３７から取り出す（ステップＳ１８３）。そして、ユーザｉに提示する各記事に対して、属性情報を参照しながら、それに応じた長さの要約あるいは抄録を生成する（ステップＳ１８５）。ここで、「要約」、「抄録」、および「長さ」の意味は、実施形態３と同様である。また、以下の処理も実施形態３と同様である。
【０３５６】
以下に、記事の属性に応じた長さの要約・抄録を生成する手順を図を用いて説明する。
【０３５７】
図７５に、あるユーザに提示するために記事選出部３５により選出された記事の例を示す。この例では、記事に予め付加されている属性として、発行日などの日付の情報を採用している。
【０３５８】
記事１〜４の日付は、それぞれ５月２６日、２３日、２３日、２０日となっている。
【０３５９】
例えば一週間毎に情報をまとめて配信するような形態のサービスでは、このように、記事には新しいものと古いものが混在している可能性がある。
【０３６０】
図７６に、図７５のような場合にユーザに提示する記事情報の概念図を示す。この例では、新しい記事ほど要約あるいは抄録の長さを長くして表示している。
【０３６１】
例えば、５月２６日付けの記事１は詳しく表示されているが、５月２０日付けの記事４は簡単に表示されている。
【０３６２】
同様に、記事が情報フィルタリングセンターに到着した時間や朝刊／夕刊の情報などに応じて要約あるいは抄録の長さを変えてもよい。
【０３６３】
また、時間的属性として曜日を採用し、例えば「月曜日の記事は他の曜日の記事よりも詳しく表示する」などといった処理も可能である。
【０３６４】
図７７に、属性として新聞社が採用されている場合の、あるユーザに提示するために選出された記事の例を示す。
【０３６５】
この例では、記事１は○○新聞から到着したもの、記事２、３は△△新聞から到着したもの、記事４は××新聞から到着したものである。
【０３６６】
ここで、ユーザあるいは情報フィルタリングサービス側が、○○新聞、△△新聞、××新聞の順で優先度を定めていたとすると、ユーザには例えば図７８のような情報が提示される。
【０３６７】
記事１はもっとも優先度の高い○○新聞の記事なので、長い要約あるいは抄録が提示されており、一方記事４はもっとも優先度の低い××新聞の記事なので、短い要約あるいは抄録が提示されている。
【０３６８】
ここでは新聞社で説明したが、何面の記事か、位置、社会面などの分類など、各記事の発信者によって予め付与されている様々な属性に応じて要約あるいは抄録の長さを変化させることが可能である。
【０３６９】
（レレバンス・フィードバック）
本変形例においても実施形態３と同様に、レレバンス・フィードバックの際に得られる有用性判定情報を、要約・抄録の長さに反映させることが可能である。例えば、既に説明した図７８のような情報提示に対して、ユーザが「記事２、３が非常に有用であった」という情報を返したとする。
【０３７０】
記事２、３は共に「△△新聞」という属性をもつ記事であるので、何らかの計算により△△新聞の重要度の値をより大きくし、今度は△△新聞に適合する記事の長さをより長くして提示することが有用であるかも知れない。
【０３７１】
図７９に、このようなフィードバックを行った場合に、次回のフィルタリングでユーザに提示される記事情報の例を示す。
【０３７２】
図７８では○○新聞の優先度が最も高かったが、この図ではフィードバックにより△△新聞の優先度がもっとも高くなっており、△△新聞という属性をもつ記事１′の要約あるいは抄録が最も長くなっている。
【０３７３】
以上のように、実施形態３のシステムでは、記事の種類（その記事が満足したトピックなどの検索条件、またはその記事の発行日時などの記事そのものの属性）に応じた長さの要約あるいは抄録が作成されてそれがユーザに提示されるため、ユーザに提示されるテキストのうち、ユーザにとって有用であるテキスト情報の占める割合が高くなる。これにより、効率的な情報収集が可能になる。
【０３７４】
（実施形態４）
次に、この発明の第４の実施形態に係る情報フィルタリングシステムを説明する。全体的なシステム構成は実施形態１と同じであるので、ここでは、実施形態１との差異について説明する。
【０３７５】
図３の記事間類似度計算部１６は図１４で示したような記事間類似度計算処理を行うが、ある記事ｉと記事ｊとの記事間類似度計算には、次の計算式が使用される。
【０３７６】
【数１】

類似度計算式の変形例として、例えば以下の式があげられる。
【０３７７】
【数２】

上記の類似度計算式の変形例の中で、ｘi とｘj はそれぞれ記事ｉと記事ｊに含まれる単語の頻度ベクトルである。
【０３７８】
上記の類似度計算では、記事中の全単語を対象にしているが、これを数種の品詞の単語に限定することも可能である。例えば、品詞を名詞と動詞だけに限定して類似度を計算することにしても構わない。
【０３７９】
また、記事間の類似度計算においては、見出しや一文目など書式上のフィールドごとに類似度を求め、その類似度の荷重平均を全体の記事間類似度として定義することもできる。この場合、式１に対応する類似度としては、以下の通りになる。
【０３８０】
【数３】

ここで、Ｃfiは記事ｉのフィールドｆに含まれる単語の集合、Ｃfjは記事ｊのフィールドｆに含まれる単語の集合である。
【０３８１】
フィールドとしては、見出しや一文目、一段落目など、文書の先頭文字の空白やインデントの情報、句点などの存在によって検出することができる。式２から８についても同様の変形が可能である。
【０３８２】
また、上記のような数値的な類似度計算を情報をした後、構文情報などのチェックの過程を設け、ある閾値以上の類似度を持つ記事間であっても、類似記事としないとするように変形が可能である。例えば、新聞記事においては、一文目の主語（具体的には助詞「は」に前接している固有名詞）が重要な役割を果たす。この主語が記事同士異なる場合、類似記事としないようにする。
【０３８３】
次に、図８０を参照して、図３の提示情報生成部１７による提示情報生成処理について説明する。
【０３８４】
実施形態１では、重複記事の提示を回避するために、重複記事集合から、代表としてユーザに提示する記事を選択する場合について説明したが、ここでは、関連記事同士がグループ化あるいは関連づけされてユーザに提示される。
【０３８５】
すなわち、まず、記事情報記憶部１８から記事選出部１５により選択された記事の情報が読み込まれる（ステップＳ２０１）。次いで、上述の式を用いることにより記事間類似度計算部１６によって、選択された記事間の類似度計算が行われ、互いに類似度の高い記事の集合が求められる（ステップＳ２０２）。そして、関連記事同士のグループ化、関連づけ、あるいは特定の記事の選択といった出力制御が行われ、それがユーザに提示される（ステップＳ２０３）。
【０３８６】
ここで、グループ化とは、関連記事同士が並んでユーザに提示されるように記事の出力リストを揃えることを意味する。また、関連づけとしては、例えば、ある記事とそれに関連する記事とを連結するリンク情報を用いてハイパーテキストを生成し、それをユーザに提示することなどがあげられる。また、特定記事選択では、関連記事の中から１つまたは幾つか記事が選択し、選択された記事だけがユーザに提示される。
【０３８７】
この様なグループ化、関連づけなどを行うことにより、関連のあるテキスト記事が順不同でバラバラにユーザに出力されるといった事態を防止できる。よって、利用者は、関連記事を効率よく整理して読むことが可能となる。
【０３８８】
（実施形態５）
次に、この発明の第５の実施形態に係る情報フィルタリングシステムについて、実施形態１との差異を中心に説明する。実施形態５の構成を図８１に示す。実施形態との相違は、利用者に出力した記事を格納する送付記事記憶部１９を有することにある。
【０３８９】
送付記事記憶部１９には、記事を提供した日付情報と共に利用者に提供された記事が、利用者と対応づけて記憶される。これは、利用者への記事の提供時に行われるものである。
【０３９０】
図８２に提示情報生成部の処理の流れを図示する。まず始めに、記事選択部１５により選出された記事の情報を読み込む（ステップＳ２１１）。そして、記事情報記憶部１８に格納されている選出された当日記事と送付記事記憶部１９に格納されている前日以前の記事とを参照し、記事間類似度計算部１６により前日以前の記事をも対象とした記事間類似度計算が行われて、重複記事集合が求められる（ステップＳ２１２）。
【０３９１】
この場合、重複記事集合φk は、ある記事ｊを核にして、以下のように定義することができる。
【０３９２】
【数４】

すなわち、具体的には、記事選出部１５により選出された記事を上位からスキャンし、その記事ｊに対して類似度が一定の閾値以上に入る記事を求め、その記事を重複記事とし重複記事集合を求めるものである。
【０３９３】
この後、前述したような関連する記事同士のグループ化、関連づけ、あるいは特定の記事の選択といった出力制御が行われ、それがユーザにフィルタリング結果として提示される（ステップＳ２１３）。
【０３９４】
図８３には、ユーザに出力するフィルタリング結果の出力処理の流れが示されている。選出されている上位の記事から順に、重複記事集合を持つか否かを判定し（ステップＳ２２１，Ｓ２２２）、重複記事を持たない場合は、その記事（例えばタイトルと新聞社の情報など）を出力する（ステップＳ２２３）。一方、重複記事を持つ場合、その重複記事集合が当日記事のみからなるか否かを調べ（ステップＳ２２４）、当日記事のみからなる場合はマーク２を、それ以前の記事も含む場合はマーク１を出力するとともに重複記事集合を出力する（ステップＳ２２５，Ｓ２２６，Ｓ２２７）。選出されている残りの記事についても、ステップＳ２２２〜Ｓ２２７の処理が同様に行われる（ステップＳ２２８，Ｓ２２９）。重複記事集合を出力する際には、タイトルをフラットなテキストとして出力する場合は、重複記事を並べて出力することになる（グループ化）。図８４はその出力例である。直線で囲まれている記事同士が、重複記事であることを意味している。また、□は当日の記事のみからなる重複記事集合であり、△はそれ以前の記事を含むことを意味するマークである。「８／４」などは記事の日付である。一方、ハイパーテキストとして出力できる場合、代表記事だけを一番上の階層に表示し、その代表記事に他の重複記事を関連づけしておくことができる。このハイパーテキストの表示例を図８５〜図８７に示す。
【０３９５】
図８５において、□は当日の重複記事集合を、△はそれ以前の重複記事集合を持ったことを意味しており、それぞれその代表記事のタイトルが表示されている。図８５に示した最上位階層の記事リストを出力する際に、それぞれのマークには、図８６や図８７に示す重複記事集合の情報へのリンク情報を付与しておくことになる。これは、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）の記法を用いること等、公知の技術によって実現可能である。この場合、図８５のマーク□を利用者が画面上で選択すると、図８６の重複記事情報が表示され、また図８５のマーク△を利用者が画面上で選択すると、図８７の重複記事情報が表示されることになる。
【０３９６】
このように、当日の記事だけからなる記事グループか、それ以前の日の記事も含まれているのかを区別するための情報を付加して送ることにより、利用者は、関連記事をさらに効率よく整理して読むことが可能となる。
【０３９７】
なお、以上の実施形態１〜５およびそれらの変形例は必要に応じて種々組み合わせて利用することができる。また、以上の説明は、通信網を介してフィルタリング結果をセンタからユーザに送るネットワークシステムとして実現した例について述べたが、この発明の情報フィルタリングシステムの中枢をなすセンタの機能は個人の計算機上で構築することもできる。この場合、ユーザ端末とフィルタリングシステムが一体となった形態となり、ユーザ端末とフィルタリングシステム間には通信網は存在しないことになる。
【０３９８】
【発明の効果】
以上説明したように、本発明によれば、情報フィルタリングによってユーザに提示される記事同士の関連性がユーザにとって明確になり、記事内容の理解が容易になる。特に時間の経過と共に状況が変わっていくような出来事についてその経緯を把握することや、連載記事など複数の記事にわたる情報を把握することが容易になり、フィルタリングシステムの性能向上を図ることができる。また、複数の情報源から得られた同一内容に関する記事が、重複してユーザに提示されることが自動的に回避できる。
【０３９９】
また、提示されている記事がユーザの選択したトピックのうちいずれに適合したものであるかがユーザに明示されるため、ユーザが記事内容を理解することが容易になる。また、提示されている記事が他のユーザによってどのように読まれているかが明示されるため、ユーザは一般的に読まれている記事や一部のユーザに読まれている記事などを識別することができる。さらに、過去に提示された記事に対してユーザが行った有用性の判定、及び他のユーザが行った有用性の判定情報へのユーザのアクセスを許すことにより、一貫性を保ったレレバンス・フィードバックや他のユーザの判断を参考にしたレレバンス・フィードバック、さらには過去に行った有用性判定を修正してレレバンス・フィードバックをかけ直すことが可能となる。
【０４００】
また、さらに、記事に適合したトピックに応じた長さの要約あるいは抄録や、記事の持つ属性に応じた長さの要約あるいは抄録がユーザに提示されるため、ユーザに提示されるテキストのうち、ユーザにとって有用であるテキスト情報の占める割合を高くでき、効率的な情報収集が可能になる。
【０４０１】
また、関連する記事同士がグループ化あるいは関連づけされて利用者に提供されるため、利用者の手間を大幅に軽減することができる。さらに、当日配信された記事間のみでなく、前日以前にユーザに出力した記事との間の類似度も求め、出力記事には、当日の記事だけからなる記事グループか、それ以前の日の記事も含まれているのかを区別するための情報を付加することにより、利用者は、関連記事をさらに効率よく整理して読むことが可能となる。
【図面の簡単な説明】
【図１】この発明の各実施形態が適用される情報フィルタリングシステム全体のシステム構成を示すブロック図。
【図２】図１の情報フィルタリングシステムの運用形態を概念的に示す図。
【図３】この発明の第１の実施形態に係わる情報フィルタリングシステムに設けられる情報フィルタリングセンタの構成を示すブロック図。
【図４】同第１実施形態のシステムにおけるユーザプロファイル生成処理の流れを示すフローチャート。
【図５】同第１実施形態のシステムにおける記事情報抽出処理の流れを示すフローチャート。
【図６】同第１実施形態のシステムにおける記事の表現例を示す図。
【図７】同第１実施形態のシステムにおける記事の他の表現例を示す図。
【図８】同第１実施形態のシステムにおける記事検索処理の流れを示すフローチャート。
【図９】同第１実施形態のシステムにおいて記事検索処理によってランキングされた到着記事の様子を示す図。
【図１０】同第１実施形態のシステムにおける記事選出処理の流れを示すフローチャート。
【図１１】同第１実施形態のシステムにおいて図９のようなランキング結果が得られている場合にその上位１０件を選出した例を示す図。
【図１２】同第１実施形態のシステムにおいて図８のようなランキング結果が得られている場合にユーザプロファイルとの類似度が０．８６以上の記事を選出した例を示す図。
【図１３】同第１実施形態のシステムにおいて一人のユーザに対して複数の検索及びランキングが行われる場合にこれら複数のランキング結果の上位部分をマージしてユーザに提示する記事を選出する様子を示す図。
【図１４】同第１実施形態のシステムにおける記事間類似度計算処理の流れを示すフローチャート。
【図１５】同第１実施形態のシステムにおいて異なる情報源から到着した記事の例を示す図。
【図１６】同第１実施形態のシステムにおける提示情報生成処理の流れを示すフローチャート。
【図１７】同第１実施形態のシステムにおいて一件のプレスリリースから重複記事が派生する様子を示す図。
【図１８】同第１実施形態のシステムにおいて一件の出来事から重複記事が作成される様子を示す図。
【図１９】同第１実施形態のシステムにおいて図１５の４つの記事に対して記事間類似度計算を行った結果得られる重複記事集合の例を示す図。
【図２０】同第１実施形態のシステムにおいて排除された重複記事に関する情報を記事の本文情報に付加して提示する例を示す図。
【図２１】同第１実施形態のシステムにおける関連記事情報の表示形態を示す図。
【図２２】同第１実施形態のシステムにおける関連記事情報の他の表示形態を示す図。
【図２３】同第１実施形態のシステムにおける関連記事情報のさらに他の表示形態を示す図。
【図２４】同第１実施形態のシステムにおける関連記事情報の表示画面切り替え処理の流れを示すフローチャート。
【図２５】同第１実施形態のシステムにおける関連記事情報の他の表示画面切り替え処理の流れを示すフローチャート。
【図２６】同第１実施形態のシステムにおいて図２０のような記事の重複が起こっている場合にユーザに提示する記事の一覧表を重複記事情報とともに表示した例を示す図。
【図２７】同第１実施形態のシステムにおける記事間類似度計算処理の流れを示すフローチャート。
【図２８】同第１実施形態のシステムにおいて今回記事選出部により選出された記事の集合と前回ユーザに提示された記事の集合の例を示す図。
【図２９】同第１実施形態のシステムにおける提示情報生成処理の流れを示すフローチャート。
【図３０】同第１実施形態のシステムにおいて今回の記事の本文情報に前回までの関連記事の情報を付加して提示する例を示す図。
【図３１】同第１実施形態のシステムにおいて今回の記事の本文情報に前回までの関連記事の情報を付加して提示する他の例を示す図。
【図３２】同第１実施形態のシステムにおいて今回の記事の本文情報中に前回までの関連記事の情報を埋め込んで提示する例を示す図。
【図３３】同第１実施形態のシステムにおいて図３２の第一文が選択された場合にその文と関係の深い前回までの記事のリストが表示される様子を示す図。
【図３４】同第１実施形態のシステムにおいて図３３の「○○沖で地震 マグニチュード４」という関連記事を選択した場合にその記事の本文を表示した例を示す図。
【図３５】同第１実施形態のシステムにおける記事間類似度計算処理の流れの他の例を示すフローチャート。
【図３６】同第１実施形態のシステムにおける提示情報生成処理の流れの他の例を示す図。
【図３７】同第１実施形態のシステムにおいて今回の記事の本文情報を今回の他の関連記事の情報とともに提示する他の例を示す図。
【図３８】同第１実施形態のシステムにおいて今回の記事の本文情報を今回の他の関連記事の情報とともに提示する他の例を示す図。
【図３９】同第１実施形態のシステムにおいて記事間類似度を記事の提示順序に反映させる例を示す図。
【図４０】この発明の第２の実施形態に係わる情報フィルタリングシステムで使用されるユーザプロファイルを概念的を示す図。
【図４１】同第２実施形態のシステムに設けられる情報フィルタリングセンタの構成を示すブロック図。
【図４２】同第２実施形態のシステムにおける記事検索処理の流れを示すフローチャート。
【図４３】同第２実施形態のシステムにおいてランキングされた到着記事を概念的に示す図。
【図４４】同第２実施形態のシステムにおける記事選出処理の流れを示すフローチャート。
【図４５】同第２実施形態のシステムにおけるトピックとその検索結果の例を示す図。
【図４６】同第２実施形態のシステムにおける付加情報生成処理の流れを示すフローチャート。
【図４７】同第２実施形態のシステムにおいてユーザのために選出された記事の記事見出しのリストに各記事が適合したトピックの情報を付加してそのユーザに提示する様子を示す図。
【図４８】同第２実施形態のシステムにおいてユーザに対して各トピックに適合した記事の件数情報を提示する様子を示す図。
【図４９】同第２実施形態のシステムにおいてユーザのために選出された記事の要約文・抜粋文あるいは本文をトピック別にまとめてそのユーザに提示する様子を示す図。
【図５０】同第２実施形態のシステムにおいて記事が満足した検索条件に関する情報を記事本文のヘッダ情報として付加してユーザに提示する様子を示す図。
【図５１】同第２実施形態のシステムにおいて適合した検索条件を記事中に強調表示する様子を示す図。
【図５２】同第２実施形態のシステムにおいて適合した検索条件を記事中に強調表示する他の列を示す図。
【図５３】同第２実施形態のシステムにおいて適合した検索条件を記事中に強調表示するさらに他の列を示す図。
【図５４】同第２実施形態のシステムにおいてあるトピックに適合する文書を検索するための検索条件の具体例を示す図。
【図５５】同第２実施形態のシステムにおいて図５４の検索条件により検索されユーザに提示された記事に対して付加する検索条件の表示例を示す図。
【図５６】同第２実施形態のシステムにおいて図５４の検索条件により検索されユーザに提示された記事に対して付加する検索条件の他の表示例を示す図。
【図５７】同第２実施形態のシステムおける記事検索処理の他の例を示すフローチャート。
【図５８】同第２実施形態のシステムおける付加情報生成処理の他の例を示すフローチャート。
【図５９】同第２実施形態のシステムにおいて複数のユーザそれぞれとそれらユーザに送信する記事との関係を示す図。
【図６０】同第２実施形態のシステムにおいてあるユーザに対して選出された記事の記事見出しのリストに、記事を受信した他のユーザに関する情報を付加して提示する様子を示す図。
【図６１】同第２実施形態のシステムにおいてあるユーザに対して選出された記事の要約文または抜粋文に記事を受信した他のユーザに関する情報を付加して提示する様子を示す図。
【図６２】同第２実施形態のシステムにおいて記事を受信した他のユーザに関する情報を記事本文のヘッダ情報として付加しユーザに提示する様子を示す図。
【図６３】同第２実施形態のシステムにおいて記事を受信した他のユーザに関する情報を記事本文のヘッダ情報として付加しユーザに提示する他の例を示す図。
【図６４】同第２実施形態のシステムにおいてあるユーザや他のユーザが前回に行ったレレバンス・フィードバック情報を今回提示する記事情報に付加して提示する表示例を示す図。
【図６５】同第２実施形態のシステムにおいてあるユーザや他のユーザが前回に行ったレレバンス・フィードバック情報を今回提示する記事情報に付加して提示する他の表示例を示す図。
【図６６】この発明の第３の実施形態に係わる情報フィルタリングシステムに設けられる情報フィルタリングセンタの構成を示すブロック図。
【図６７】同第３実施形態のシステムにおけるキーワードとその重みで表現されたユーザプロファイルの例を示す図。
【図６８】同第３実施形態のシステムにおける要約・抄録生成処理の流れを示すフローチャート。
【図６９】同第３実施形態のシステムにおいてユーザが選択したトピックとそれらの間の優先度の例を示す図。
【図７０】同第３実施形態のシステムにおいて図６９のトピックを選択しているユーザに提示する記事のリストとそれらに適合したトピックの例を示す図。
【図７１】同第３実施形態のシステムにおいてユーザに提示される記事情報を概念的に示す図。
【図７２】同第３実施形態のシステムにおいてユーザが選択したトピックとそれらの間の優先度の例を示す図。
【図７３】同第３実施形態のシステムにおいてフィードバックを行った場合に次回のフィルタリングでユーザに提示される記事情報の例を示す図。
【図７４】同第３実施形態のシステムにおける要約・抄録生成処理の流れの他の例を示すフローチャート。
【図７５】同第３実施形態のシステムにおいて記事選出部により選出された記事の例を示す図。
【図７６】同第３実施形態のシステムにおいてユーザに提示される記事情報の他の例を概念的に示す図。
【図７７】同第３実施形態のシステムにおいて属性として新聞社が採用されている場合にあるユーザに提示するために選出された記事の例を示す図。
【図７８】同第３実施形態のシステムにおいて図７７の場合にユーザに提示される記事情報を概念的に示す図。
【図７９】同第３実施形態のシステムにおいてフィードバックを行った場合に次回のフィルタリングでユーザに提示される記事情報の他の例を示す図。
【図８０】この発明の第４の実施形態に係わる情報フィルタリングシステムにおける提示情報生成処理の流れを示すフローチャート。
【図８１】この発明の第５の実施形態に係わる情報フィルタリングシステムに設けられた情報フィルタリングセンタの構成を示すブロック図。
【図８２】同第５実施形態のシステムにおける提示情報生成処理の流れを示すフローチャート。
【図８３】同第５実施形態のシステムにおける重複記事集合の出力処理の流れを示すフローチャート。
【図８４】同第５実施形態のシステムにおける利用者への記事提示例を示す図。
【図８５】同第５実施形態のシステムにおけるハイパーテキストによる利用者への記事提示例を示す図。
【図８６】同第５実施形態のシステムにおけるハイパーテキストによる利用者への記事提示例を示す図。
【図８７】同第５実施形態のシステムにおけるハイパーテキストによる利用者への記事提示例を示す図。
【符号の説明】
１…情報フィルタリングセンタ、２…情報源、３…ユーザ端末、１０…ユーザプロファイル、１１，２１，３１…ユーザプロファイル生成部、１２…ユーザプロファイル記憶部、１３，２３，３３…記事情報抽出部、１４，２４，３４…記事検索部、１５，２５，３５…記事選出部、１６…記事間類似度計算部、１７…提示情報生成部、１９…送付記事記憶部、２２，３２…トピック記憶部、２６…付加情報生成部、３６…要約・抄録生成部。

Claims (1)

1. 複数の情報源からテキストやイメージなどの記事の配信を受け、それら配信された記事の中から所定の記事を選出してユーザに提示する情報フィルタリング装置において、
   ユーザ毎に予め指定された検索条件を保持する手段と、
   配信された記事を検索し、ユーザ毎に検索条件に合致する記事を選定する手段と、
   前記選定された記事群の中で、異なる情報源から得られた記事同士を対象として、それら記事間において重複する単語の比率を示す記事間類似度を算出する手段と、
   前記算出された記事間類似度に基づいて、互いに類似度が高く、かつ情報源が異なる記事の集合を、重複記事の集合として決定する手段と、
   前記決定された重複記事の集合の中から一部の記事をユーザに提示するための代表記事として選択する手段と、
   前記決定された前記重複記事の集合の中で選択されなかった記事に関する情報を前記選択された記事の関連記事情報として前記選択された記事に付加してユーザに提示する手段とを具備することを特徴とする情報フィルタリング装置。

Images