JP4625937B2 - 人間関係データの作成プログラム及び該プログラムを記録したコンピュータ読取可能な記録媒体、並びに人間関係データ作成装置 - Google Patents

Description

本発明は、人間関係データの作成方法、人間関係データの作成プログラム及び該作成プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。さらに詳細には、本発明は、学会や講演会、展示会、各種イベント会場などのイベント空間における参加者の個別情報支援に有用なユーザの人間関係を容易かつ正確、高速に把握し、その人間関係に基づく優れた情報支援を実現できる人間関係データの作成方法、人間関係データの作成プログラム及び該作成プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

近年、多くのコンピュータやセンサが環境や機器に埋め込まれ、多様な情報通信インフラがシームレスに接続されるユビキタスネットワークを実現するための研究・開発が盛んに行われている。特に、センサネットワーク技術やユビキタスエージェント研究においては、ユーザの位置情報、活動情報、欲求、嗜好、履歴などを考慮し、ユーザの文脈に応じた情報支援が課題となっており、それを実現すべく、ユーザが入力した情報やセンサから読み取れる情報によってユーザの文脈を推定することがしばしば試みられている。

しかしながら、ユーザの側に立って考えると、自分の位置や活動情報、嗜好以外にも様々な要因が自分の文脈を決定していることが理解できる。その１つが、ユーザの人間関係である。

例えば、同じユーザでも、上司といる場合と友人といる場合では振る舞いや思考は異なる。また、初対面の人と会った場合には、自分とその人のつながりや、興味、共通の知人などが分かれば、コミュニケーションがより円滑に進むことなる。

このように、ユーザの社会的な人間関係は非常に重要なユーザの文脈の一つであると考えられる。

しかしながら、人間関係についてはこれまでの情報支援研究において着目されることは少なく、人間関係情報を取得することのできるコンピュータシステムは未だ知られていないのが現状である。

以上詳しく説明したとおり、本発明により、コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現することのできる、人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体が提供される。

本発明は上記課題を解決するためになされたもので、その目的とするところは、コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現することのできる人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体を提供することにある。

本発明は、上記の課題を解決するものとして、第１には、図１にその処理フロー図を例示したような、処理部が、公開データ中のユーザ名と他のユーザ名との共起の強さを抽出するステップ（Ｓ１）と、処理部が、前記抽出した共起の強さに基づいて前記ユーザ名と前記他のユーザ名との間の人間関係を判断するステップ（Ｓ２）とを有することを特徴とする人間関係データの作成方法を提供する。

また本発明は、第２には、図２にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段（２０）と、ユーザ名入力手段（２０）により入力されたユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段（２１）と、公開データ検索手段（２１）により取得されたヒット件数が既定値を超えるか否かを判定する既定値判断手段（２２）と、既定値判断手段（２２）により既定値を超えると判断されたユーザ名間に人間関係データを設定する人間関係設定手段（２３）として機能させることを特徴とする人間関係データの作成プログラムを提供する。

第３には、図２にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段（２３）により設定された人間関係データに対して人間関係データの種類を特定するラベルを付加するラベル付加手段（２４）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第４には、図２にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段（２３）により設定された人間関係データ以外の人間関係データをさらに設定する第１の指示情報、人間関係設定手段（２３）により設定された人間関係データを削除する第２の指示情報及び人間関係設定手段（２３）により設定された人間関係データを修正する第３の指示情報のうちの少なくとも１つを入力させる指示情報入力手段（２５）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第５には、図２にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段（２０）により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段（２１）により検索された公開データから抽出するユーザ名抽出手段（２６）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第６には、図３にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段（２０）と、ユーザ名入力手段（２０）により入力されたユーザ名を人間関係ネットワークを構成するノードに設定するノード設定手段（３１）と、ユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段（２１）と、公開データ検索手段（２１）により取得されたヒット件数が既定値を超えるか否かを判断する既定値判断手段（２２）と、既定値判断手段（２２）により既定値を超えると判断されたユーザ名のノード間にエッジを追加するエッジ追加手段（３２）として機能させることを特徴とする人間関係データの作成プログラムを提供する。

第７には、図３にその機能ブロック図を例示したような、コンピュータを、エッジ追加手段（３２）により追加されたエッジに対して該エッジの種類を特定するエッジラベルを付加するエッジラベル付加手段（３３）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第８には、図３にその機能ブロック図を例示したような、コンピュータを、エッジ追加手段（３２）により追加されたエッジ以外のエッジをさらに追加する第１の指示情報、エッジ追加手段（３２）により追加されたエッジを削除する第２の指示情報及びエッジ追加手段（３２）により追加されたエッジを修正する第３の指示情報のうちの少なくとも１つを入力させる指示情報入力手段（２５）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第９には、図３にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段（２０）により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段（２１）により検索された公開データから抽出するユーザ名抽出手段（２６）としてさらに機能させ、ノード設定手段（３１）は、ユーザ名抽出手段（２６）により抽出されたユーザ名を人間関係ネットワークを構成するノードに設定することを特徴とする人間関係データの作成プログラムを提供する。

第１０には、ユーザ名はユーザ名Ａ及びユーザ名Ｂを含み、公開データ検索手段（２１）は、ユーザ名Ａ及びユーザ名Ｂのいずれか一方又は両方を含む公開データを検索してヒット件数を取得することを特徴とする人間関係データの作成プログラムを提供する。

第１１には、ユーザ名はユーザ名Ａ及びユーザ名Ｂを含み、ヒット件数は、ユーザ名Ａ及びユーザ名Ｂのいずれか一方を含むデータ件数を示す第１のヒット件数＃（Ａ∪Ｂ）と、ユーザ名Ａ及びユーザ名Ｂの両方を含むデータ件数を示す第２のヒット件数＃（Ａ∩Ｂ）と、第１及び第２のヒット件数のジャッカード係数を示す第３のヒット件数＃（Ａ∩Ｂ）／＃（Ａ∪Ｂ）を含むことを特徴とする人間関係データの作成プログラムを提供する。

第１２には、ユーザ名はユーザ名Ａ及びユーザ名Ｂを含み、ヒット件数は、ユーザ名Ａ及びユーザ名Ｂのいずれか一方を含むデータ件数を示す第１のヒット件数＃（Ａ∪Ｂ）と、ユーザ名Ａ及びユーザ名Ｂの両方を含むデータ件数を示す第２のヒット件数＃（Ａ∩Ｂ）と、第１及び第２のヒット件数の相互情報量を示す第３のヒット件数ｌｏｇ（＃（Ａ∩Ｂ）／＃（Ａ∪Ｂ））を含むことを特徴とする人間関係データの作成プログラムを提供する。

第１３には、図４にその処理フロー図を例示したような、処理部が、公開データ中のユーザ名と他のユーザ名を含むデータを抽出するステップ（Ｓ４１）と、処理部が、抽出したデータに基づいてユーザ名と他のユーザ名との間の人間関係を判断するステップ（Ｓ４２）とを有することを特徴とする人間関係データの作成方法を提供する。

第１４には、図５にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段（２０）と、ユーザ名入力手段により入力されたユーザ名を含む公開データを検索する公開データ検索手段（２１）と、公開データ検索手段（２１）により検索された公開データから既定の特徴量を算出する特徴量算出手段（５１）と、特徴量算出手段（５１）により算出された特徴量から既定の関係判別ルールにより人間関係を判別する人間関係判別手段（５２）と、人間関係判別手段（５２）により関係があると判別されたユーザ名間に人間関係データを設定する人間関係設定手段（２３）として機能させることを特徴とする人間関係データの作成プログラムを提供する。

第１５には、図５にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段（２３）により設定された人間関係データ以外の人間関係データをさらに設定する第１の指示情報、前記人間関係設定手段により設定された人間関係データを削除する第２の指示情報及び前記人間関係設定手段により設定された人間関係データを修正する第３の指示情報のうちの少なくとも１つを入力させる指示情報入力手段（２５）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第１６には、図５にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段（２０）により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段（２１）により検索された公開データから抽出するユーザ名抽出手段（２６）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第１７には、図６に示す機能ブロック図に例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段（２０）と、ユーザ名入力手段（２０）により入力されたユーザ名を人間関係ネットワークを構成するノードに設定するノード設定手段（３１）と、ユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段（２１）と、公開データ検索手段（２１）により検索された前記公開データから既定の特徴量を算出する特徴量算出手段（５１）と、特徴量算出手段（５１）により算出された特徴量から既定の関係判別ルールにより人間関係を判別する人間関係判別手段（５２）と、人間関係判別手段（５２）により関係があると判別されたユーザ名のノード間にエッジを追加するエッジ追加手段（３２）として機能させることを特徴とする人間関係データの作成プログラムを提供する。

第１８には、図６に示す機能ブロック図に例示したような、コンピュータを、エッジ追加手段（３２）により追加されたエッジ以外のエッジをさらに追加する第１の指示情報、エッジ追加手段（３２）により追加されたエッジを削除する第２の指示情報及びエッジ追加手段（３２）により追加されたエッジを修正する第３の指示情報のうちの少なくとも１つを入力させる指示情報入力手段（２５）としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

第１９には、図６に示す機能ブロック図に例示したような、コンピュータを、ユーザ名入力手段（２０）により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段（２１）により検索された公開データから抽出するユーザ名抽出手段（２６）としてさらに機能させ、ノード設定手段（３１）は、ユーザ名抽出手段（２６）により抽出されたユーザ名を人間関係ネットワークを構成するノードに設定することを特徴とする人間関係データの作成プログラムを提供する。

第２０には、人間関係判別手段（５２）は、機械学習で学習して得られた前記関係判別ルールを用いることを特徴とする人間関係データの作成プログラムを提供する。

第２１には、公開データはＷｅｂページであることを特徴とする人間関係データの作成プログラムを提供する。

第２２には、上記人間関係データの作成プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。

ユビキタスコンピュータ環境では、ユーザに時間、位置、ユーザの活動、社会の文脈などのユーザの状況に基づく情報を提供するのが望ましい。参加者が予め登録していなければならない学会や展示会などの会議では、参加者の文脈がその名前や交友関係を用いて、多くの質問をその人たちにすることなくＷｅｂから抽出可能である。本発明では、ノードが参加者を、エッジが２つの参加者の関係を表す参加者の社会ネットワークをＷｅｂから抽出する。各エッジは、サーチエンジンにより検索された双方の参加者の名前を含むページ数を用いて追加される。さらに、各エッジはページの内容に対して分類ルールを適用することにより「共著」及び「プロジェクトのメンバー」などのラベルを有する。このネットワークは、各参加者の位置と、参加者の集団を示す。さらに、このネットワークは、誰かに紹介し、あるいはその誰かと交渉するのに適切な人を捜し、またそのネットワークを効率的に拡張するために話すべき人を捜す等の多くのサービスで用いられ得る。

はじめに、本発明の概要を説明する。

本発明は、ユビキタス環境におけるユーザの文脈情報のひとつとして、ユーザ間の人間関係ネットワークをＷｅｂから自動的に抽出する技術を提供する。

任意のユーザの人間関係を把握することは困難である。そこで、本実施形態では一例として、学会や講演会、展示会など、匿名ではない人が集まる会場を想定する。このような会場では、あらかじめ少なくとも名前と所属を登録することが一般的であり、また、あらかじめ事前に登録されている場合も多い。したがって、登録者間の関係をＷｅｂから抽出しておくことで、会場内のさまざまな情報支援に利用することが可能である。

学会の会場に各種センサが取り付けられたユビキタスネットワーク環境を想定する。例えば、「２００４年度人工知能学会全国大会」では、このような環境が試験的に構築される。参加者はあらかじめ興味などのユーザ情報を登録しておき、位置センサが配置された会場内で、発表の推薦やナビゲーション、出会い支援などの情報支援が行われる。仮に「ユーザの興味に近い人を推薦する」サービスを想定する。このとき、支援システムがユーザの人間関係を理解していないと、自分の指導教官や同僚を興味が近いとして推薦してしまうかもしれない。人間関係を理解していれば、ユーザと関係が遠い人の中で共通の興味を持つ人を推薦することができる。また、会場内に位置センサを配置した場合、自分の位置情報はどこまで公開されるのだろうか。ユーザの人間関係に関する情報がなければ、自分の位置情報は会場内の参加者全てに見えるか、参加者全てに見えないかの２つしか選択肢がない。しかし、人間関係の情報があれば、自分と近い関係にある人にだけ位置を知らせるといったサービスが可能である。

人間関係のネットワークを利用することで、様々なサービスが可能となる。例えば、ある人が会場（もしくは近くに）来たことを通知するサービス、初対面の人と自動的に共通の知人を見つけたり、知り合い関係のパスを見せるサービス、紹介者を見つけるサービスなどである。また、人間関係に基づく認証やコンテンツ閲覧の制限、アドホックネットワークにおける効率的なメッセージ配信などが可能であろう。さらに、社会心理学的な視点からは、会場に来ている参加者の関係がどう変わっていくのか、どのグループとどのグループが交流しているのか、どのグループがどの講演を聞く傾向があるかなどの知見が得られると考えられる。

どのように人間関係ネットワークを抽出すればよいのか以下説明する。

Ｗｅｂ上には、例えば、研究室のホームページ、研究会や学会のページ、委員会のページ、論文のページなどさまざまなページがある。そして、そういったページ上には、メンバーの名前や共著者の名前が並んで書かれていたりする。関係の強い人同士は名前が同じページに載ることが多く、関係が薄い人は名前が同じページに載ることは少ない。このように名前の共起関係の強さを、関係性の強さの指標として用いることができる。

具体的には次のような方法で、人間関係のネットワークを抽出することができる。

・ノードの設定：あらかじめ登録されたユーザをノードとする。
・エッジの設定：２つのノードに対して、検索エンジンで検索を行い、エッジを張るかどうか決定する。２つのノードのユーザ名をＡ、Ｂとする。検索語「ＡまたはＢ」で検索をかけた場合のヒットページを＃（Ａ∪Ｂ）、検索語「ＡかつＢ」で検索をかけた場合のヒットページ数を＃（Ａ∩Ｂ）とすると、ＡとＢの共起の強さは次にジャッカード係数（Jaccard係数）
Ｊ（Ａ，Ｂ）＝＃（Ａ∩Ｂ）/＃（Ａ∪Ｂ）
で与えられる。つまり、ＡとＢが多くのページで同時に出現しているほど、ＡとＢの関係が強い。この値が閾値を超えたものは、エッジを追加する。

これは、最も簡単な人間関係ネットワークの生成法であるが、ある程度の精度でネットワークを抽出することができる。例として、予備的な実験により得られたネットワークを図７に示す。これは、２００３年度人工知能学会の参加者の氏名と所属を用い生成したものである。ノード間の距離は共起関係の強さを示している。この図は、全体のネットワークの一部分であるが、大小さまざまな参加者のグループがあること、各グループではコアと部分を中心に周辺にエッジが伸びていることが読み取れる。細かくみれば、誰と誰が強い関係にあるのか、同じグループかそうでないかを把握することができる。

また、上記方法は最も簡単なものであり、アルゴリズムをさらに洗練させることで、次に上げる点の解決を可能ならしめることもできる。

（１）ヒットするＷｅｂページがたくさんある人（教授など）と、ヒットするＷｅｂページの少ない人（学生など）の共起関係は非常に弱く評価されてしまう。これは、＃（Ａ∪Ｂ）が大きいのに対し、＃（Ａ∩Ｂ）が小さくなるためである。

（２）同姓同名の人を区別していない。

（３）検索エンジンに大量のクエリーを出さなければならないため、実行速度が遅い。

（１）に関しては、エッジを張るための計算を工夫すればよい。（２）に関しては、ユーザの所属情報を同時に且つ漏れが大きくならないように注意して用いればよい。（３）に対しては、あるノード単独の検索結果から他のノードとの共起の推定値を出すなどの工夫を行えばよい。

さらに次の段階として、エッジのラベルを抽出する。さまざまなアプリケーションで利用する価値の大きい情報とするためには、各ユーザ同士がどのような関係にあるのか、教授／学生か、同僚か、共著者の関係か、同じ委員会のメンバーかといった情報を抽出しなければならない。これを実現するためには、例えば『２つの名前が共起するページに「研究室」という語が含まれていれば、それは同じ研究室内の関係を表す』といった判別ルールを用いればよいと考えられる。この判別ルールを自動的に獲得するためには、サポートベクターマシン（ＳＶＭ：Support Vector Machine）を初めとする機械学習の手法を用いるのが有効であろう。そのために、実際の人間関係の「正解データ」をアンケート調査などで事前に用意しておく。

さらに、可能であれば、どこの大学の何研究室の教授／学生関係であるのか、どこの組織の同僚であるのか、何の論文について共著であるのかなど、粒度の細かい情報まで抽出できることがより好ましい。このために、情報抽出や質問応答の技術を発展的に利用する。

Ｗｅｂから抽出された人間関係のネットワークに関する情報は、たとえば人間関係ネットワークサーバの形で提供することができ、この人間関係ネットワークサーバは、学会や展示会の会場等において、人間関係のグラフィカルなマップを提供するとともに、ある人と近い関係のある人を挙げる、任意の２人がどういう関係であるか答えるなど、他のアプリケーションからのクエリーに答える機能を持ち得る。

Ｗｅｂから自動的に抽出した個人情報は、アプリケーションによっては有用な情報になり得る場合もある。したがって、個人情報を使わないという方向性よりも、ユーザ本人が閲覧、修正、削除、公開／非公開の設定などの操作を簡単に行えることが重要である。このようなユーザ情報の管理機能を人間関係ネットワークサーバに追加する。

本来、人間は他者との人間関係の中で生活している。いつでもどこでもユーザがストレスなく情報支援を受けられるためには、システムがユーザの人間関係という文脈を的確に把握する必要があると考えられる。情報端末に弱い老人が切符を買えなくて困っているとき、マルチモーダルなインターフェースにより、老人でも分りやすく機械が買い方を教えてあげるのもひとつの方法である。しかし、近くにいる知り合いを呼んであげる、近くを通りかかった福祉施設に勤めている人に知らせてあげるなど、人と人との触れ合いを支援するのもひとつの情報支援のあり方である。ユーザの立場から見たユビキタス技術において、本発明は必要性の高いものである。

最近では、展示会場でＲＦＩＤ（Radio Frequency Identification）つきのカードを配り、来場者の位置や見学履歴を管理することも珍しいことではなくなった。このような展示会場では、入場に際して名前と所属を書くことが一般的であり、本発明をそのまま用いることができる。来場者間の人間関係や来場者の詳細なプロファイルを作れば、適切な情報支援や顧客の分析が可能にもなる。

以下、本発明の実施形態の詳細を説明する。
図８は本発明の一実施形態に示す人間関係データ作成装置の全体構成の一例を示す図である。人間関係データ作成装置１は、バス１５に処理部（ＣＰＵ）１０、記憶部（内部メモリ・外部メモリ）１１、入力部（キーボード、マウス）１２、出力部（モニタ、プリンタ）１３及び通信制御部１４が接続される構成である。この人間関係データ作成装置１１は、通信制御部１４を介してネットワーク１６に接続されている。ネットワーク１６に接続された人間関係データ作成装置１などの端末から他の端末に格納された公開データを抽出することが可能である。公開データは、ネットワーク１６に接続された端末から検索可能なＨＴＭＬやＸＭＬ等により既述されたＷｅｂページなどである。

処理部１０は、前述の図１に示す人間関係データ作成処理を実行する。

具体的には処理部１０が、公開データ中のユーザ名と他のユーザ名との共起の強さを抽出し（Ｓ１）と、処理部１０が、前記抽出した共起の強さに基づいて前記ユーザ名と前記他のユーザ名との間の人間関係を判断する（Ｓ２）。共起の強さは、例えばユーザ名と他のユーザ名とのジャッカード係数などで表される。人間関係の判断は、例えば得られた共起の強さが既定の閾値を超えるか否かによって人間関係の有無が判断されることでなされる。

また、処理部１０は、記憶部１１に格納されたプログラムを読み出すことにより、図２に示す処理を実行する。図２に示す各処理は、図８に示した人間関係データ作成装置１の処理部１０が記憶部１１から人間関係データ作成プログラムを読み出すことで実行される。

具体的には、ユーザの人間関係データを作成するために、ユーザ名入力手段２０は、複数のユーザ名を入力させる入力画面を出力部１３に表示させ、ユーザ名の入力を促す。ユーザ名の入力は、入力部１２を用いて入力される。公開データ検索手段２１は、ユーザ名入力手段２０により入力されたユーザ名を含む公開データをネットワーク１６に接続されたデータベース等から抽出し、ヒット件数を取得する。公開データ検索手段２１は例えばＷＷＷブラウザのように、検索のためのキーワードをネットワーク１６に送信してネットワーク１６上の検索エンジンに検索の実行をさせ、検索結果をネットワーク１６から受信するものでもよいし、検索エンジン自体でもよい。検索結果は例えばユーザ名のヒット件数などで得られる。

ヒット件数は、ユーザ名Ａとユーザ名Ｂがある場合に、ユーザ名Ａ及びユーザ名Ｂのいずれか一方を含む公開データの件数として第１のヒット件数＃（Ａ∪Ｂ）、ユーザ名Ａ及びユーザ名Ｂの両方を含むデータ件数を示す第２のヒット件数＃（Ａ∩Ｂ）、第１及び第２のヒット件数のジャッカード係数を示す第３のヒット件数＃（Ａ∩Ｂ）／＃（Ａ∪Ｂ）などとして得られる。また、第１及び第２のヒット件数の相互情報量を示す第４のヒット件数ｌｏｇ（＃（Ａ∩Ｂ）／＃（Ａ∪Ｂ））を得てもよい。

既定値判断手段２２は、公開データ検索手段２１が取得したヒット件数が既定の閾値を超えるか否かを判定する。人間関係設定手段２３は、既定値を超えると判定されたユーザ名の間に人間関係データを設定し、既定値を超えないと判定されたユーザ名の間には人間関係データを設定しない。

ラベル付加手段２４は、人間関係データが設定された場合に、その人間関係データに対して、人間関係データの種類を特定するラベルを付加する。ラベルの種類としては、例えば「共著」、「研究室」、「プロジェクト」、「発表」等がある。

人間関係設定手段２３により設定された人間関係データに対しては、さらに別の人間関係データを設定することもできるし、設定された人間関係データを削除しあるいは修正することもできる。指示情報入力手段２５は、例えば出力部１３に人間関係データが表示された状態で、人間関係設定手段２３により設定された人間関係データ以外の人間関係データをさらに設定する第１の指示情報、人間関係設定手段２３により設定された人間関係データを削除する第２の指示情報、人間関係設定手段２３により設定された人間関係データを修正する第３の指示情報の入力メッセージを表示させてユーザにこれら第１、第２及び第３の指示情報の入力を促し、これら第１、第２及び第３の指示情報の入力があった場合に、人間関係設定手段２３にその指示内容に基づく別の人間関係データの設定や、既定の人間関係データの削除、修正等を実行させる。また、指示情報入力手段２５は、ラベルについても人間関係データと同様に新たに設定、削除あるいは修正等をラベル付加手段２４に指示することができる。

ユーザ名抽出手段２６は、公開データ検索手段２１で検索された公開データから、ユーザ名入力手段２０により入力されたユーザ名と関連する別のユーザ名を抽出する。抽出された別のユーザ名は、例えば既定値判断手段２２で既定値との判定の対象とされ得る。

また、処理部１０は、記憶部１１に格納されたプログラムを読み出すことにより、図３に示す処理を実行する。図３の処理では、ユーザ名をノードに対応させ、人間関係データをエッジに対応させて処理する。図２と同様の処理を実行するものには同一符号を付し、詳細な説明は省略する。

ノード設定手段３１は、ユーザ名入力手段２０により入力された複数のユーザ名を人間関係ネットワークを構成するノードに設定する。公開データ検索手段２１は、ノードに設定されたユーザ名を含む公開データを検索してヒット件数を取得する。この際に、ユーザ名抽出手段２６は、公開データ検索手段２１で検索された公開データから、ユーザ名入力手段２０により入力されたユーザ名と関連する別のユーザ名を抽出する。抽出された別のユーザ名は、ノード設定手段３１でノードに設定され得る。既定値判断手段２２は、公開データ検索手段２１により取得されたヒット件数が既定値を超えるか否かを判断する。エッジ追加手段３２は、既定値判断手段２２により既定値を超えると判断されたユーザ名のノード間にエッジを追加する（「設定する」ともいえる）。既定値を超えると判断されないユーザ名のノード間にはエッジは追加されない。好ましくは、エッジの大きさ（長さ）は、ヒット件数の大きさや、既定値に対するヒット件数の大きさの割合などで規定され得る。

追加されたエッジには、エッジラベル付加手段３３によりエッジラベルが付加される。エッジラベルの種類としては、例えば「共著」、「研究室」、「プロジェクト」、「発表」等がある。また、エッジ追加手段３２により設定されたエッジに対しては、さらに別のエッジを設定することもできるし、設定されたエッジを削除しあるいは修正することもできる。指示情報入力手段２５は、例えば出力部１３にエッジが表示された状態で、エッジ追加手段３２により設定されたエッジ以外のエッジをさらに設定する第１の指示情報、エッジ追加手段３２により設定されたエッジを削除する第２の指示情報、エッジ追加手段３２により設定されたエッジを修正する第３の指示情報の入力メッセージを表示させてユーザにこれら第１、第２及び第３の指示情報の入力を促し、これら第１、第２及び第３の指示情報の入力があった場合に、エッジ追加手段３２にその指示内容に基づく別のエッジの設定や、既定のエッジの削除、修正等を実行させる。

そしてこのとき、指示情報入力手段２５は、たとえば入力部１２から、エッジ追加手段３２により追加されたエッジ以外のエッジをさらに追加する第１の指示情報が入力されると、エッジラベル付加手段３３にエッジラベルの追加を実行させたり、エッジ追加手段３２により追加されたエッジを削除する第２の指示情報が入力されると、エッジラベル付加手段３３にエッジラベルを削除させたり、エッジ追加手段３２により追加されたエッジを修正する第３の指示情報が入力されると、エッジラベル付加手段３３にエッジラベルを修正させたりすることもでき、これにより、上記エッジラベルは、新たに追加し、また削除、修正等が可能とされる。このことは、前記ラベル付加手段２４と指示情報入力手段２５との間に対しても同様に行える。

次に、別の実施形態を説明する。

処理部１０は、図４に示す人間関係データ作成処理を実行する。

具体的には処理部１０が、公開データ中のユーザ名と他のユーザ名とを含むデータを抽出し（Ｓ４１）、処理部１０が、前記抽出した共起の強さに基づいてユーザ名と他のユーザ名との間の人間関係を判断する（Ｓ４２）。

また、処理部１０は、記憶部１１に格納されたプログラムを読み出すことにより、図５に示す処理を実行する。図５に示す各処理は、図８に示した人間関係データ作成装置１の処理部１０が記憶部１１から人間関係データ作成プログラムを読み出すことで実行される。図２、図３と共通する処理には同一符号を付し、詳細な説明は省略する。

具体的には、ユーザの人間関係データを作成するために、ユーザ名入力手段２０がユーザ名を入力させ、公開データ検索手段２１が入力ユーザ名を含む公開データを検索するまでのステップは図２と共通する。

特徴量算出手段５１は、公開データ検索手段２１により検索された公開データから既定の特徴量を算出する。特徴量は、例えば後述する表１に示す属性値などが該当する。すなわち、表１に示すように、ページ内でのユーザ名Ｘとユーザ名Ｙの（同文内）共起回数、ユーザ名Ｘとユーザ名Ｙが同じ行に出現しているか否か、ユーザ名Ｘの出現回数、ユーザ名Ｙの出現回数、語群（Ａ〜Ｆ）がタイトルに含まれるか否か、語群（Ａ〜Ｆ）が最初の５行にあるかどうかが、特徴量として算出される。なお、語群（Ａ〜Ｆ）の一例は、後述する表２に示される。

人間関係判別手段５２は、特徴量算出手段５１により算出された特徴量から既定の関係判別ルールにより人間関係を判別する。関係判別ルールの一例を後述する表３に示す。表３に示すように、付加すべきラベル毎に、特徴量で判別ルールが示されている。例えばSameLineで定義された「ユーザ名Ｘとユーザ名Ｙが同じ行に出現しているか否か」において、yesという特徴量が算出されている場合には、「共著」というラベルで示される人間関係があると判別される。同様に、他のラベル「メンバー」、「プロジェクト」、「発表」についても特徴量に基づき判別される。

人間関係設定手段２３は、人間関係判別手段５２により関係があると判別されたユーザ名間に人間関係データを設定する。この設定はラベル毎になされてもよいし、そうでなくてもよい。

指示情報入力手段２５は、人間関係設定手段２３により設定された人間関係データ以外の人間関係データをさらに設定する第１の指示情報、人間関係設定手段２３により設定された人間関係データを削除する第２の指示情報及び人間関係設定手段２３により設定された人間関係データを修正する第３の指示情報のいずれかが入力部１２から入力されると、これらの指示に基づく人間関係データの追加、削除、修正を人間関係設定手段２３に指示する。

ユーザ名抽出手段２６は、ユーザ名入力手段２０により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段２１により検索された公開データから抽出する。

また、処理部１０は、記憶部１１に格納されたプログラムを読み出すことにより、図６に示す処理を実行する。図６の処理では、ユーザ名をノードに対応させ、人間関係データをエッジに対応させて処理する。図５と同様の処理を実行するものには同一符号を付し、詳細な説明は省略する。

ユーザ名入力手段２０、ノード設定手段３１、ユーザ名抽出手段２６の各処理については図２に示す処理と共通する。特徴量算出手段５１、人間関係判別手段５２の処理については図５に示す処理と共通する。エッジ追加手段３２、指示情報入力手段２５による処理は、図３に示す処理と共通する。

以下、上記図１〜図６で示される処理フローや機能ブロックに基づき実行された実施例について説明する。

［実施例１］
１．はじめに
学会や講演会などのイベント空間では、「人」が主役である。論文や資料を電子的に入手し後で目を通すのではなく、多くの人が多忙な時間を割いて実際に学会会場に足を運ぶ。これは、単に研究内容を理解するだけではなく、研究者が実際に話すのを聞いて、研究の背景や状況をよりよく把握するためである。さらに、会場の盛り上がりを肌で感じたり、多くの研究トピックを概観することができる。そして、他の研究者と会って話をしたり飲みに行くことによって、新しい情報を入手し、意見を交換し、次の研究や実用化の芽が生まれていく。

このように「人」が主役の場では、やはり「人」の関係が重要である。例えば、初対面の人と会った場合には、自分とその人とのつながりや、興味、共通の知人などが分かれば、コミュニケーションがよりスムーズに進むだろう。また、学会というコミュニティ全体の人間関係を見れば、どういう主要なグループがあり、自分はどこにいて、どういうグループの人とはあまり知り合いがいないのか理解できれば役に立つだろう。自分とある程度近い人の発表を推薦してあげればユーザはうれしいかもしれないし、人間関係は遠いけれども近い内容の研究をしている人との出会い支援は効果的かもしれない。

このように、ユーザの社会的な人間関係は非常に重要なユーザの文脈のひとつであると考えられるが、これまで情報支援の研究において着目されることは少なかった。それは、ユーザの人間関係の情報をシステムが獲得することが困難であるためである。例えば、各ユーザが自分と知り合い関係の人を明示的に入力し、知り合い関係のネットワークを構築する枠組みも提案されているが、ユーザにとっては大変な作業である。一方、Ｗｅｂマイニングの研究分野では、従来から、Ｗｅｂのリンク関係から重要なページを発見したり、あるトピックに関するＷｅｂ上のコミュニティを発見する研究が行われている。近年では、特定の２人の人間をつなぐ知り合い関係のパスを抽出したり、参照の共起性からコミュニティを発見する、またあるページの評判情報を抽出する研究も行われている。

本実施例では、ユーザ間の人間関係ネットワークをＷｅｂから自動的に抽出する手法を提供する。人間関係ネットワークは、社会ネットワーク（ソーシャルネットワーク）と呼んでもよいが、社会心理学におけるこの用語はより多様な関係を含んでいるため、ここでは謙虚に、人間関係の一部を表すネットワークという意味で、人間関係ネットワークと呼ぶことにする。検索エンジンを用いて人間関係のつながりの強さとその種類を判断する。

２．人間関係ネットワークの作成
実世界やネットワーク上には多くの組織やコミュニティが存在し、それぞれに人間関係のネットワークがあると考えられる。本稿では、特に人工知能学会を対象にその人間関係ネットワークを抽出するが、他の学会やさまざまなコミュニティにも応用が可能である。

２．１ ノードとエッジの作成
さて、人間関係ネットワークは、ノードが人、エッジが人間関係を表すネットワークである。まず、ノードについては、全国大会のプログラムから入手した参加者（発表者）をノードとして設定した。さらに、できるだけ網羅的な関係を知りたいので、過去４年の全国大会に参加した人も、ノードとして設定した。（これもＷｅｂで入手できる情報である。）各ノードには、氏名に相当するラベルがつけられる。なお、氏名の他に所属情報も大会プログラムから抽出しているが、本システムで用いているのは参加者の氏名と所属情報だけである。

次に、ノード間にエッジを張る。ここでは、検索エンジンによる検索ヒット数に基づいて２つのノードの関係の強さを測り、それに応じてエッジを張る。２人の氏名（ＸとＹ）を検索クエリーとしたときの検索ヒット数が、偶然よりも多ければ、その２人の関係は強いと判断できる。つまり、ＸとＹに人間関係があるなら、“Ｘ and Ｙ”で検索されたページには、それぞれのホームページや業績のページ、研究室のメンバーリストのページ、委員会や研究会などのページなどが含まれ、ヒット件数が多くなる。

このようなＷｅｂページにおける氏名の共起関係の強さは、例えば共起頻度や相互情報量、Jaccard係数などで測ることができる。基本的に、我々が用いたのはJaccard係数を改良したものである。“Ｘ and Ｙ”をクエリーとしたときの検索ヒット件数を＃（Ｘ∩Ｙ）、“Ｘ or Ｙ”をクエリーとしたときの検索ヒット件数を＃（Ｘ∪Ｙ）とすると、Jaccard係数は、

となる。ここで、ｒｅｌ（ｘ，ｙ）はノードｘとｙの関係の強さを表す。全てのノードの組に対してこの値を計算し、ｒｅｌ（ｘ，ｙ）が与えられた閾値を越えたらエッジを張る。

基本的にはこのように簡単な手法であるが、精度を上げるために次のような改良を行う。

（Ａ）Ｗｅｂ上では同姓同名の人が多くいるため、目的とする人以外の関係が抽出されてしまったり、本来の関係が弱められてしまう可能性がある。そこで、名前に加えて所属情報も用いることで検索精度を上げる。所属機関に関して、複数の所属がある場合や、所属の変更がある場合、また所属機関に複数の名称や略称がある場合があるため、次のような工夫を行った。例えば、氏名がＮ、所属がＡとＢとＣである場合には、“Ｎ and （Ａ or Ｂ or Ｃ）”を検索クエリーＸとして用いる。たとえば、“松尾豊”の場合には、検索語は“松尾豊and (産業技術総合研究所orサイバーアシスト研究センターor東京大学)”となる。略称に関しては「産業技術総合研究所＝産総研」、「東京大学＝東大」などのように事前にシステムに登録しておく。

（Ｂ）一般的に、Jaccard係数は有名な人物のノードからは、あまりエッジを生成しない。これは、有名な人物ほどサーチエンジンによる検索件数が多くなるため、分母となる＃Ｘ∪Ｙが分子となる＃Ｘ∩Ｙに比べ非常に大きくなるためである。そこで、＃Ｘ∪Ｙをｍｉｎ（＃Ｘ，＃Ｙ）とする。ただし、このままでは、逆に検索ヒット件数が少ないマイナーな人物ほど分子が小さくなり、値が高くなりやすいので、最終的に次のような式を用いた。

ｋは定数である（ここでは３０とする）。ｒｅｌ（ｘ，ｙ）が閾値を越えた場合、ノードｘとｙの間にエッジを生成する。このエッジの長さは、関係が強くなるほど二つのノードの距離が短くなるように、関係の重みの逆数とする。ここで用いている式は、基本的にはJaccard係数を改良した式であるが、相互情報量で得られた方向つきエッジの距離の短い方によりエッジのあるなしを決めているとも解釈することができる。

人間関係ネットワークは、（ｉ）図示してユーザに提示する、（ｉｉ）情報支援に用いる、という２つの用い方があるが、（ｉｉ）の場合には、閾値を定めてノード間にエッジを張るかを必ずしも決める必要はない。（ｉ）の場合には、ユーザに見やすいようにエッジの数を調整することが必要である。例えば、本システムでは、検索件数が多い有名な人物同士のエッジは現実的には重要であると考えられるので、Jaccard係数に関わらず、＃Ｘ∪Ｙが閾値（７０件）を越えるエッジは表示するようにしている。

３．機械学習による人間関係の分類
さて、人間関係ネットワークにおいて２つのノードを結ぶエッジが短いほど２人の関係が強いわけだが、実際の人間関係には関係の強さだけでなく、「同僚」や「委員会のメンバー」といった種類がある。各エッジにその関係の種類を表すラベルを付加することで、人間関係ネットワークの利用可能性が広がると考えられる。例えば「同僚」である２人より、「同じ研究会の発表者」である２人の方が関係が弱いだろうし、論文を推薦する際に同僚の論文を推薦するのは少しナンセンスである。このような人間関係の種類は、検索のヒット数だけでは捉えられない。そこで、本節では、人間関係の種類の判別するために、検索されたページの内容を見て、機械学習により得られたルールで判別する手法について述べる。

まず、それぞれのエッジに付加するラベル（クラス）を次のように定める。重複可能である。

・共著：共著関係である。
・研究室：同じ研究室や研究所のメンバーである。
・プロジェクト：同じプロジェクトや委員会のメンバーである。
・発表：同じ研究会や全国大会で発表している。
人間関係ネットワークを作成する際に、“Ｘ and Ｙ”をクエリーとして検索ヒット数を得るが、その検索上位３ページを取得する。それぞれのページから表１のような属性の値を抽出する。

語群は文書を特徴づけるものとして選択したものである。語群は、判別ルールの訓練データを用い、クラスごとの頻出語から選択している。その語群を表２に示す。

これらの属性とクラス（人間関係のラベル）を与え、Ｃ４．５の帰納学習によって判別ルールを獲得する。他の学習アルゴリズムでもよいが、解釈の容易性からまずはＣ４．５を用いている。

本実施例では、人間関係ネットワーク生成のために収集したページのうち、ランダムに選んだ２７５ページに対して、正解となる人間関係のラベルを人手で与えた。得られた判別ルールの例を表３に示す。

例えば、最も簡単なルールは、もし２つの名前が同じ行で出現していれば、共著関係と判断するというものである。獲得した判別ルールを用いてエッジにラベルを付加する。

５分割のクロスバリデーションによる評価を表４に示す。

「研究室」ラベルに関してエラー率が高いものの、全体的には判別精度が良い。また、表５にラベル判別の再現率と適合率を示す。

評価に用いたのは、人手で判別した約５００ラベルであり、判別ルール作成には使用していない。

４．例
図９に、本年度および過去４年間の人工知能学会全国大会の参加者間の人間関係ネットワークを示す。実際には１５００人程度のノード数を持つグラフとなるが、全体の図示は困難であるので、中心的な（ヒット件数の多い）約１５０人からなるネットワークを示している。中心的なクラスタと、周辺のノードがある様子が分かる。

図１０に、一部を拡大したものを示す。それぞれのノードは参加者に対応しており、エッジには「共著」「研究室」「プロジェクト」「発表」のラベルがつけられている。距離が近いほど、関係が強いと判断されていることを示している。図１２は、さらに図１０の一部を拡大して簡略化して示した図である。

社会ネットワークには、ある領域全体を見るソシオセントリックネットワークと、ある個人を中心に見るエゴセントリックネットワークという分類がある。図９及び図１０は、ソシオセントリックネットワークと考えられるが、図１１は１人の参加者を中心にしたエゴセントリックネットワークである。特定の参加者を中心に、そこから２エッジで到達できる参加者を表示している。

５．結論
本実施例は、従来のＷｅｂマイニングの研究と近い点もあるが、所与の名前と所属情報のリストから、その間の関係を網羅的に取り出すという点、ページの内容まで踏み込んで関係を判断している点で特徴的である。

もちろん、Ｗｅｂページだけからでは推測できない関係も存在する。例えば、Ｗｅｂ上に情報がないほど新しい関係や、フォーマルにＷｅｂに現れないような関係（例えば友人関係）、昔の共著や所属の関係はＷｅｂから取得するのは難しい。しかし、現在でも人間関係を近似的に取り出すには十分な情報がＷｅｂ上にあり、また、今後ますます多くの情報が電子的に利用可能になると思われる。

近年、多くのコンピュータやセンサが環境や機器に埋め込まれ、多様な情報通信インフラがシームレスに接続されるユビキタスネットワークに関する研究が行われている。特に、ユーザの位置情報、活動情報、欲求、嗜好、これまでの履歴などを考慮し、ユーザの文脈に応じた情報支援を行うことが、大きな課題の１つである。基本的に、ユーザが入力した情報やセンサ情報によりユーザの文脈を推定することが試みられているが、ユーザを取り巻く人間関係も非常に重要な文脈のひとつであろう。

［実施例２］
本発明の作用効果を人間関係ネットワークを利用した情報サービスを例に説明する。

××学会全国大会の会場を想定する。会場内ではセンサによりユーザの位置情報が管理されている。参加者の多くは、あらかじめＷｅｂ上でこの大会へ登録している。

Ａさんは、××学会全国大会の会場にやってきた。受付で名札とＰＤＡを受け取ると早速、次のようなメッセージが配信されている。「Ｂさんも、ちょうど来られたところですよ。」周りを見回すと、Ａさんと同じ職場のＢさんがちょうど受付で名札をもらっているところであった。

ＡさんはＢさんと講演会場に向かう。ＡさんのＰＤＡには、次のようなメッセージが配信されている。

「Ｘ会場では『セマンティックウェブとは』という招待講演が行われています。Ｙ会場はＣさんの発表があるオントロジのセッションです。」ＣさんはＡさんと同じ研究室の出身だ。

一方、ＢさんのＰＤＡには、次のようなメッセージが配信されている。

「Ｘ会場ではＤ先生のご講演が行われています。Ｙ会場はオントロジのセッションです。」
Ｄ先生は、Ｂさんの共同研究者である。同じ情報でも、人間関係の情報を利用して、ユーザにわかりやすいように提示されている。

そして、Ａさん、Ｂさん両方のＰＤＡに、「Ｅさん、ＦさんはＹ会場の方におられるようです。」と表示された。ＡさんとＢさんが一緒にいることから、同じ職場の仲間であるという文脈を利用し、同じ職場のＥさん、Ｆさんの情報を提示したのである。

さて、セッションがおわるとコーヒーブレイクである。各ユーザのＰＤＡには次のようなメッセージが表示される。

自分の知り合いの情報提示
「・・・さんが今、会場にお見えになったようです。」
「あちらに・・・さんがいますよ。」
近くにいる人の情報提示
「あなたの右手にいる東京大の・・・先生は、・・・先生と同じプロジェクトで、ＸＭＬの研究をされています。話してみてはいかがですか？」
「今、あなたが話している・・・さんは、昔、∪∪会社で・・・先輩の同僚だった人です。」
「今、あなたが話している・・・さんは、あなたと同じ・・・国際会議にいっておられます。」
このように人間関係ネットワークを利用し、知り合いの情報を提示したり、新しい知り合いと話題を共有するためのさまざまな情報を提示する。
１日目のセッションが終わり、レセプションパーティが行われる。会場の入り口では、人間関係ネットワーク図が入り口に大きく表示されており、どのようなコミュニケーションが学会に参加しているのか、自分のネットワーク上の位置がどこなのかを見ることができる。そして、現在、だれとだれが話しており、コミュニケーションがどのように情報交換しているのかを見ることができる。適当な話す相手がいないひとには「会場の右手奥で、あなたの知り合いの・・・さんと・・・先生が話しておられます。参加してはどうですか？」と表示される。

さて、学会も２日目、３日目になると、新しい人間関係が次々と成長する。それにしたがって、情報提示の内容も以下のように変化する。

「この講演の発表者の・・・さんは、あなたが初日に話をした・・・さんと同じ研究室の方で、・・・の研究をされています。」
「・・・さんと・・・さんと話をしましたね。それなら、そのプロジェクトのリーダーである・・・さんと是非お話してはどうですか」。
「・・・さん達と話してませんね。ちょうどあちらにおられますよ。」
こうして、ユーザは多くの人と話すことができ、より充実した情報や意見の交換をすることができる。会場を去るときには、各参加者が自分がどのような人と話したか、どのくらい自分のネットワークが広がったか、見ることができる。

この他にも、人間関係ネットワークは学会でさまざまな用途に利用される。例えば、優秀発表会の投票では、ネットワーク上で近い人からの票は割り引かれてカウントされる。

そして、人間関係ネットワークを考慮しながら、さまざまなコミュニケーションをうまくカバーするように、次回の開催の実行委員長や委員が選出される。

もちろん、本発明は上記実施形態及び実施例に限定されるものではない。

上記実施形態では、ユーザ名の共起の強さを抽出し、それに基づき人間関係を判断する例を示したが、これに限定されない。他の２つの概念同士の関係の判断にも適用可能である。例えばユーザ名以外の他の概念として、書籍名の共起の強さを抽出し、それに基づき書籍同士の関係を判断する場合に適用することにより、図１〜図１１で人間関係について示したのと同様にある分野における書籍のマッピングを行うことができる。もちろん、氏名や書籍以外にも、例えば自動車、技術内容などの関係の判断にも適用可能である。従って、本発明には以下の発明が含まれることを確認する。

処理部が、公開データ中の第１の情報と第２の情報との共起の強さを抽出するステップと、
前記処理部が、前記抽出した共起の強さに基づいて前記第１の情報と前記第２の情報との間の関係を判断するステップと
を有することを特徴とする関係データの作成方法。

また、上記実施形態では処理部１０が記憶部１１から人間関係データ作成プログラムを実行することにより人間関係データ作成処理を実行する場合を示したがこれに限定されない。バス１５に接続された記録媒体記録媒体読取装置（不図示）からコンピュータ読み取り可能な記録媒体から人間関係データ作成プログラムを読み出し処理部１０が実行してもよい。

また、人間関係データ作成の対象とするユーザ名の入力は、入力部１２を用いた入力に限られない。例えば、ユーザ名を記憶部１１から読み出してもよいし、ネットワーク１６を介して受信してもよい。

また、図２及び図４は、人間関係データがどのように可視化されるか明示してはいないが、ユーザ名とそのユーザ名同士の間の人間関係データが可視化できるものであればいかなる手法で可視化してもよい。例えば、ユーザ名を列方向と行方向に列挙して２つのユーザ名の関係値欄をマトリクス配置し、そのマトリクスに得られた人間関係データを数値等の指標により設定して可視化してもよい。また、エゴセントリックネットワークを表現する場合であれば、あるユーザ名に対する他のユーザ名の人間関係データを数値化したものを棒グラフ等で表示して可視化してもよい。もちろん、これらはほんの一例にすぎず、他
のいかなる方法も適用可能である。

本発明を説明するための処理フロー図。 本発明を説明するための機能ブロック図。 本発明を説明するための機能ブロック図。 本発明を説明するための処理フロー図。 本発明を説明するための機能ブロック図。 本発明を説明するための機能ブロック図。 人間関係ネットワークの一例を示す図。 本発明の一実施形態に示す人間関係データ作成装置の全体構成の一例を示す図。 ソシオセントリックネットワークの一例を示す図。 ソシオセントリックネットワークの一部を拡大して示した図。 エゴセントリックネットワークの一例を示す図。 ソシオセントリックネットワークの一部をさらに拡大して簡略図示した図。

符号の説明

２０ ユーザ名入力手段
２１ 公開データ検索手段
２２ 既定値判断手段
２３ 人間関係設定手段
２４ ラベル付加手段
２５ 指示情報入力手段
２６ ユーザ名抽出手段
３１ ノード設定手段
３２ エッジ追加手段
３３ エッジラベル付加手段
５１ 特徴量算出手段
５２ 人間関係判別手段

Claims (17)

1. ユーザの人間関係データを作成するためにコンピュータを、
   ユーザ名Ｘ及びユーザ名Ｙを入力させるユーザ名入力手段と、
   前記ユーザ名入力手段により入力されたユーザ名Ｘ及びユーザ名Ｙを記憶する記憶手段と、
   前記記憶手段に記憶されたユーザ名Ｘ及びユーザ名Ｙを含む公開データをネットワークを介して検索して、
   ユーザ名Ｘ及びユーザ名Ｙのデータ件数の最小値を示す第１のヒット件数ｍｉｎ（＃Ｘ，＃Ｙ）と、
   ユーザ名Ｘ及びユーザ名Ｙの両方を含むデータ件数を示す第２のヒット件数＃（Ｘ∩Ｙ）と、
   第１のヒット件数ｍｉｎ（＃Ｘ，＃Ｙ）が記憶手段に記憶されている定数ｋより大きい場合に第１及び第２のヒット件数の相互情報量を示す第３のヒット件数＃（Ｘ∩Ｙ）／ｍｉｎ（＃Ｘ，＃Ｙ）と
   を取得する公開データ検索手段と、
   前記公開データ検索手段により取得され記憶手段に記憶された第３のヒット件数＃（Ｘ∩Ｙ）／ｍｉｎ（＃Ｘ，＃Ｙ）が、記憶手段に記憶されている既定値を超えるか否かを判定する既定値判断手段と、
   前記既定値判断手段により既定値を超えると判断されたユーザ名Ｘ及びユーザ名Ｙ間に人間関係データを設定する人間関係設定手段
   として機能させることを特徴とする人間関係データの作成プログラム。
2. 前記コンピュータを、
   前記既定値判断手段により既定値を超えると判断されたユーザ名Ｘ及びユーザ名Ｙのノード間にエッジを追加するエッジ追加手段
   として機能させることを特徴とする請求項１に記載の人間関係データの作成プログラム。
3. 前記コンピュータを、
   ユーザ名Ｘとユーザ名Ｙが同じ行に出現しているか否かを前記公開データから抽出し、出現している場合に該出現を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
   として機能させることを特徴とする請求項１又は２に記載の人間関係データの作成プログラム。
4. 前記コンピュータを、
   ユーザ名Ｘとユーザ名Ｙの共起回数を前記公開データから抽出し、該共起回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
   として機能させることを特徴とする請求項１乃至３のいずれかに記載の人間関係データの作成プログラム。
5. 前記コンピュータを、
   ユーザ名Ｘの出現回数を前記公開データから抽出し、該出現回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
   として機能させることを特徴とする請求項１乃至４のいずれかに記載の人間関係データの作成プログラム。
6. 前記コンピュータを、
   ユーザ名Ｙの出現回数を前記公開データから抽出し、該出現回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
   として機能させることを特徴とする請求項１乃至５のいずれかに記載の人間関係データの作成プログラム。
7. 前記コンピュータを、
   前記公開データ中の文書を特徴づける語群が含まれているか否かを前記公開データから抽出し、含まれている場合に該含まれていることを表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
   として機能させることを特徴とする請求項１乃至６のいずれかに記載の人間関係データの作成プログラム。
8. 前記公開データはＷｅｂページであることを特徴とする請求項１乃至７のいずれかに記載の人間関係データの作成プログラム。
9. 請求項１乃至８のいずれかに記載の人間関係データの作成プログラムを記録したコンピュータ読み取り可能な記録媒体。
10. 処理部、記憶部、入力部及び通信制御部を備えた、ユーザの人間関係データを作成する装置であって、
    入力部により、ユーザ名Ｘ及びユーザ名Ｙを入力し、
    記憶部により、前記入力されたユーザ名Ｘ及びユーザ名Ｙを記憶し、
    処理部により、前記記憶されたユーザ名Ｘ及びユーザ名Ｙを含む公開データをネットワークを介して検索して、
    ユーザ名Ｘ及びユーザ名Ｙのデータ件数の最小値を示す第１のヒット件数ｍｉｎ（＃Ｘ，＃Ｙ）と、
    ユーザ名Ｘ及びユーザ名Ｙの両方を含むデータ件数を示す第２のヒット件数＃（Ｘ∩Ｙ）と、
    第１のヒット件数ｍｉｎ（＃Ｘ，＃Ｙ）が記憶手段に記憶されている定数ｋより大きい場合に第１及び第２のヒット件数の相互情報量を示す第３のヒット件数＃（Ｘ∩Ｙ）／ｍｉｎ（＃Ｘ，＃Ｙ）と
    を取得し、該第３のヒット件数＃（Ｘ∩Ｙ）／ｍｉｎ（＃Ｘ，＃Ｙ）が記憶部に記憶されている既定値を超えるか否かを判定し、既定値を超えると判断されたユーザ名Ｘ及びユーザ名Ｙ間に人間関係データを設定する、
    ことを特徴とする人間関係データ作成装置。
11. 処理部により、既定値を超えると判断されたユーザ名Ｘ及びユーザ名Ｙのノード間にエッジを追加する、
    ことを特徴とする請求項１０に記載の人間関係データ作成装置。
12. 処理部により、ユーザ名Ｘとユーザ名Ｙが同じ行に出現しているか否かを前記公開データから抽出し、出現している場合に該出現を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
    として機能させることを特徴とする請求項１０又は１１に記載の人間関係データ作成装置。
13. 前記コンピュータを、
    ユーザ名Ｘとユーザ名Ｙの共起回数を前記公開データから抽出し、該共起回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
    として機能させることを特徴とする請求項１０乃至１２のいずれかに記載の人間関係データ作成装置。
14. 前記コンピュータを、
    ユーザ名Ｘの出現回数を前記公開データから抽出し、該出現回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
    として機能させることを特徴とする請求項１０乃至１３のいずれかに記載の人間関係データ作成装置。
15. 前記コンピュータを、
    ユーザ名Ｙの出現回数を前記公開データから抽出し、該出現回数を表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
    として機能させることを特徴とする請求項１０乃至１４のいずれかに記載の人間関係データ作成装置。
16. 前記コンピュータを、
    前記公開データ中の文書を特徴づける語群が含まれているか否かを前記公開データから抽出し、含まれている場合に該含まれていることを表すラベルを前記人間関係データ又は前記エッジに対して付加するラベル付加手段
    として機能させることを特徴とする請求項１０乃至１５のいずれかに記載の人間関係データ作成装置。
17. 前記公開データはＷｅｂページであることを特徴とする請求項１０乃至１６のいずれかに記載の人間関係データ作成装置。

Images