JP4906705B2 - デジタル地図内の関心領域を自動的に特定する方法及び装置 - Google Patents

Description

本発明はデジタル地図内の１つ以上の関心領域を自動的に特定する方法及び装置に関する。

ローカルセンサ及びリモートコンテキストプロバイダからのコンテキスト情報を収集し、この情報を種々の目的（たとえば、ウェブログ内のユーザの行動に関する日報の自動生成）のため使用する、「ＣｏｎｔｅｘｔＷａｔｃｈｅｒ」と呼ばれる移動体機器のための移動体アプリケーションが存在している。ＣｏｎｔｅｘｔＷａｔｃｈｅｒの説明は、たとえば、Ｓ．Ｂｏｈｍ ｅｔ ａｌ．，「ＣｏｎｔｅｘｔＷａｔｃｈｅｒ−Ｃｏｎｎｅｃｔｉｎｇ ｔｏ Ｐｌａｃｅｓ，Ｐｅｏｐｌｅ ａｎｄ Ｗｏｒｌｄ」，Ｔｈｅ ５^th Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｅｍａｎｔｉｃ Ｗｅｂ Ｃｏｎｆｅｒｅｎｃｅ，Ｎｏｖｅｍｂｅｒ ２００６、及び、Ｋｏｏｌｗａａｉｊ ｅｔ ａｌ．，「Ｃｏｎｔｅｘｔ Ｗａｔｃｈｅｒ−Ｓｈａｒｉｎｇ ｃｏｎｔｅｘｔ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｅｖｅｒｙｄａｙ ｌｉｆｅ」，Ｔｈｅ ２^nd ＩＡＳＴＥＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｅｂ Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ａｐｐｌｉｃａｔｉｏｎｓ，ａｎｄ Ｓｅｒｖｉｃｅｓ，Ｊｕｌｙ ２００６に見られる。

アプリケーションＣｏｎｔｅｘｔＷａｔｃｈｅｒを使用すると、ユーザは、たとえば、レストランのような近傍に位置している場所に、移動体機器の画面上でレストランのロケーションを正確に指摘し、その後にレストランの名称を記入することにより、マークを付けることが可能である。このような生成物は、その後に場所の概念（place concepts）、すなわち、記述的分類の一部であり、タグの意味論的意味の定性的記述である概念名に結び付けられている。図１は、アプリケーションＣｏｎｔｅｘｔＷａｔｃｈｅｒで定義されているこのような場所の概念の分類の例の一部を示している。ユーザはタグ付きのロケーションと最も良く一致する概念名、たとえば、本例では名称「レストラン」を選択し得るということが認められる。

記述語（すなわち、タグ）をユーザが共同して場所に関連付けるという場所の共同タグ付けによって上述の特徴が以下のように拡張される。図２は場所の共同タグ付けの概念を説明している。基本的に、タグは、地理的位置が分かっているか又は推定可能であるようなユーザに場所を結び付けている。場所は、数メートルのエリア（たとえば、観光スポット）から数キロメートル（たとえば、公園）まで広がってよい。このことが、図２において６個のロケーションが別々のユーザによってタグ付けされている矩形によって示されている。原理的には、別々の地理的位置に位置している数人のユーザによって同じ場所がタグ付けされてよく、又は、１つの固有ロケーションにいる同じユーザによって数回タグ付けされてもよい。

タグは個人的側面及び社会的側面を有するメタデータである。一方で、ユーザは自分自身の語彙を使用して対象物（たとえば、場所、ピクチャ、ビデオ）に自由にタグ付けできるので、タグは個人的側面を有する。タグは、ユーザに意味のある対象物を分類し、体系化し、または見つけるための簡単なツールである。他方で、タグは同じタグ語彙を共有するユーザの共同体、たとえば、飛行機愛好家を結び付ける可能性がある関心の標識として役に立ち得るので、タグは社会的側面を有する。

既存のマッピングマッシュアップの解決策は、衛星画像又は市街地図上の確定されているロケーションにタグ付けされた対象物の可視化を可能にする。たとえば、Ｆｌｉｃｋｒ（ｗｗｗ．ｆｌｉｃｋｒ．ｃｏｍを参照のこと）は、世界地図上に地理的にローカライズされたピクチャを表示する地理的タグ付けサービスを提供する写真共有システムである。地理的にローカライズされたピクチャは、ピクチャが撮影された実際の地理的位置（経度及び緯度情報）をタグのリストに含む。現在のところ、Ｆｌｉｃｋｒデータベースは、２０００００件を超える地理的にローカライズされたピクチャを収容し、ＦｌｉｃｋｒオープンＡＰＩを使用してプログラム的に検索可能である。

タグ付け方法もまた、地理的ロケーションと関連付けられたユーザ定義「コンテキストタグ情報」（たとえば、日付、近接性情報、環境情報など）を格納する方法が開示されている、米国特許出願第２００５／０２８９４６９号に開示されている。コンテキストタグ情報又はその部分集合は、他のユーザによりアクセスされることがある。

（たとえば、Ｆｌｉｃｋｒ，Ｄｅｌ．ｉｃｉｏ．ｕｓ（ｈｔｔｐ：／／ｄｅｌ．ｉｃｉｏ．ｕｓを参照）、Ｕｐｃｏｍｉｎｇ．ｏｒｇ（ｈｔｔｐ：／／ｕｐｃｏｍｉｎｇ．ｏｒｇ））のような）既存のウェブベースのタグ付けシステムの多くは、タグの検索を容易化するためにタグクラウドを定義する。タグクラウドは、通常、フォントサイズがあらゆるタグの間でのそのタグの人気を反映しているようなタグのリストを提供する（図３を参照のこと）。したがって、ユーザは、関連付けられている人気のあるタグを選択することによりウェブリソース（たとえば、Ｆｌｉｃｋｒの場合には写真、Ｄｅｌ．ｉｃｉｏ．ｕｓの場合にはウェブページ、Ｕｐｃｏｍｉｎｇ．ｏｒｇの場合にはイベントなど）を見つけることが可能である。

Ｇ．Ｂｅｇｅｌｍａｎ，Ｐ．Ｋｅｌｌｅｒ，Ｆ．Ｓｍａｄｊａ，「Ａｕｔｏｍａｔｅｄ Ｔａｇ Ｃｌｕｓｔｅｒｉｎｇ：Ｉｍｐｒｏｖｉｎｇ ｓｅａｒｃｈ ａｎｄ ｅｘｐｌｏｒａｔｉｏｎ ｉｎ ｔｈｅ ｔａｇ ｓｐａｃｅ」，Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｗｅｂ Ｔａｇｇｉｎｇ Ｗｏｒｋｓｈｏｐ，ＷＷＷ ２００６，Ｍａｙ ２００６には、タグをクラスタにグループ分けするためにグラフクラスタリングアルゴリズムを適用することが提案されている。これらのクラスタは類似タグ又は関連タグを含む。たとえば、ｈｔｔｐ：／／ｒａｗｓｕｇａｒ．ｃｏｍ／ｓｉｍｉｌａｒＴａｇｓを参照のこと。該当情報の検索は、同じクラスタに属する２個以上のタグを選択することによって改善される。図４は、ＲａｗＳｕｇａｒによって定義されているクラスタの一例を示している。このクラスタは、「Ａｊａｘ」、「Ｐｒｏｇｒａｍｍｉｎｇ」、「Ｗｅｂ２．０」、「Ｊａｖａ（登録商標）ｓｃｒｉｐｔ」、「Ｌａｎｇｕａｇｅｓ」というタグを含む。タグ「Ａｊａｘ」の検索クエリーは、６１０２件のウェブページを返し、一方、タグ「Ａｊａｘ」、「Ｐｒｏｇｒａｍｍｉｎｇ」、かつ、「Ｗｅｂ２．０」の検索クエリーは１３７件のウェブページを返す。

Ｆｌｉｃｋｒはさらに、人気のあるタグに数個のクラスタが関連付けられているタグクラスタリング機能を導入している。たとえば、Ｊａｐａｎというタグについて、４個のクラスタが特定されている。
クラスタ１：ｔｏｋｙｏ，ｎｉｇｈｔ，ｓｈｉｎｊｕｋｕ，ｔｒａｉｎ，ｓｈｉｂｕｙａ，ｓｔｒｅｅｔ，ｓｔａｔｉｏｎ，ｈａｒａｊｕｋｕ，ａｓａｋｕｓａ，ｂｕｉｌｄｉｎｇ
クラスタ２：ｋｙｏｔｏ，ｔｅｍｐｌｅ，ｓｈｒｉｎｅ，ｇａｒｄｅｎ，ｋａｍａｋｕｒａ，ｎａｒａ，ｋｉｎｋａｋｕｊｉ，ｇｉｏｎ，ｇｅｉｓｈａ，ｓｈｉｎｔｏ
クラスタ３：ｓａｋｕｒａ，ｃｈｅｒｒｙ，ｓｐｒｉｎｇ，ｆｌｏｗｅｒ，ｂｌｏｓｓｏｍ，ｃｈｅｒｒｙｂｌｏｓｓｏｍ，ｂｌｏｓｓｏｍｓ
クラスタ４：ｆｏｏｄ，ｊａｐａｎｅｓｅ，ｆｉｓｈ，ｓｕｓｈｉ，ｍａｒｋｅｔ，ｇｉｒｌ，ｒｅｓｔａｕｒａｎｔ

しかし、既存の解決策では、境界が明確に定められていない、特定のロケーション（たとえば、活気溢れるレストラン）へのタグの割当、又は、より広い空間エリア（たとえば、イタリア料理店エリア）へのタグの割当の間で区別が行われていない。さらに、マーク付けされている場所は、（たとえば、個人タグクラウドからタグを選択することにより）過去に既に訪問したことがある場所をもう一度見つけるためには役立つものの、既存の解決策においては、数人のユーザによって同じようにタグ付けされている場所がグループになっている空間エリアを発見する能力が欠けている。

一実施形態によれば、ロケーションの意味を意味論的に特定するために複数の個別のロケーションを別々のユーザが記述タグによりタグ付けしているデジタル地図内にて１つ以上の関心領域を自動的に特定する方法であって、
関心領域の検索が行われるべき検索エリアをデジタル地図内に定義するステップと、
検出対象のロケーションのタグが属することとなる１つ以上のタグのタイプを定義するステップと、
あるクラスタリングアルゴリズムを適用して、前記のタグのタイプを定義するステップにおいて定義されたタイプのタグによって別々のユーザがタグ付けしたロケーションがグループになっているか又は集中しているような関心領域として、１つ以上のクラスタを特定するステップと、
上記クラスタリングアルゴリズムによって検出された１つ以上の関心領域を、上記デジタル地図内の上記所定のタイプのタグを有するロケーションの標識と共に表示するステップと
を備える方法が提供される。

このようにして、別々のユーザが、その後に関心領域として現れるある一定のエリア内で、同じタイプのタグをロケーションに頻繁に付けている空間クラスタを特定することが可能になる。このようにして、多数の観光スポットを有するエリア、又は、公園もしくはその他の観光スポットのようなある一定のエリアに広がる関心領域などの、拡張された関心ロケーションが特定され得る。

一実施形態によれば、上記クラスタリングアルゴリズムは、
検索エリア上で移動窓を動かし、移動窓がある一定のロケーションにある間に移動窓内のタグの個数をカウントするステップと、
移動窓が探索エリア上を動いている間に、移動窓の内側にあるタグのカウント数に基づいて関心領域を決定するステップと、
を備える。

これは空間クラスタを特定する比較的簡単なアプローチである。

一実施形態によれば、上記方法は、
検索エリア内側のロケーションによってタグ密度を推定する密度推定関数を計算するステップと、
上記密度推定関数に基づいて１つ以上の関心領域の境界を決定するステップと、
を備える。

密度推定関数は、検索エリア内のロケーションの関数として「タグ密度」のより複雑な計算を可能にする。

一実施形態によれば、上記密度推定関数は、
カーネル関数を利用するカーネル密度推定である上記密度推定関数と、
上記密度推定関数に適用される重み関数と
のうちの１つ以上を備えており、上記重み関数によって付けられる重み付け係数が、
現在ユーザと特別な関係を有するユーザによって作成されたタグをより強調することと、
タグが作成された時点に依存してタグを強調する程度が増減することと
のうちの１つ以上を備える。

カーネル関数は、強度計算に影響を与える「窓」を制限する効果的な手法である。カーネル関数の所望の重みに応じたさらなる影響を考慮するさらなる手法は、重み付け関数の適用にある。

一実施形態によれば、上記方法は、
計算された密度推定値のピーク及び／又は谷に基づいて、１つ以上の関心領域の境界を決定するステップをさらに備える。

ピーク及び谷は、クラスタ境界を決定する比較的簡単な手法を提供する。ピークはクラスタの「中心」として選択されてよく、ピークを取り囲む強度分布の谷は境界を形成する。

一実施形態によれば、上記方法は、
上記１つ以上の関心領域の境界を表示することにより上記検索エリア内の上記１つ以上の関心領域を表示するステップと、
あるグラフィック標識によって上記タグのロケーションを示すことにより、上記関心領域内のタグを示すステップと
をさらに備える。

一実施形態によれば、グラフィック標識は、
タグのロケーションを表現するグラフィック記号と、
タグのロケーションを表現する文字列と
のうちの１つ以上を備える。

四角形、円形又は三角形のようなグラフィック記号は、タグのロケーションをおおよそ正確に示すのに適している。これに対して、文字列は、タグのタイプに関する情報のようなさらなる情報を伝達可能である。

一実施形態によれば、上記グラフィック標識は、上記グラフィック標識に対応するロケーションに位置しているタグの個数の標識をさらに備える。

これは、多数のタグがそのロケーションに位置していることにより、ユーザが特有の関心領域を特定することを可能にさせる。

一実施形態によれば、上記タグの個数の上記標識は、
タグの個数が異なることを示すために異なるサイズのグラフィック標識を表示するステップと、
タグの個数を示す数を表示するステップと、
のうちの１つ以上を備える。

一実施形態によれば、この方法は、
別々のグラフィック標識によってタイプの異なるタグを表示するステップをさらに備える。

これは、たとえば、様々なタイプのタグを探すように検索規準が設定され、タグがその後にユーザによって特定され識別され得るならば、役に立つ。

関心領域をタグと共に表示することは、ユーザが望む情報を、すなわち、ユーザが関心をもっている粗い（クラスタ）ロケーション及び正確な（タグ）ロケーションをユーザに提供する。

一実施形態によれば、上記記号はグラフィック記号又は英数文字列のうちの一方である。

一実施形態によれば、上記方法は、
上記クラスタリングアルゴリズムに基づいて決定された結果の関心領域を、円形、四角形又は多角形のような所定の幾何形状によってフィッティングするステップをさらに備える。

一実施形態によれば、上記タグは可能なタグの分類を形成する１つ以上のカテゴリ又はタイプに属し、
上記タグは別々のロケーションにおいて別々のユーザによって上記ロケーションに割り当てられている。

一実施形態によれば、上記方法は、
ユーザの地理的ロケーションを決定するステップと、
ユーザが先行する請求項の一項に記載の方法によって決定された関心領域に入っているかどうかを、ユーザに通知するステップと
をさらに備える。

ユーザの自動通知は役に立ち、その理由は、ユーザは絶え間なく地図を注視する必要がなく、それにもかかわらず、新しい関心領域に入ったか、又は、所望の関心領域に入ったかを通知されるからである。

一実施形態によれば、上記方法は、
ユーザによってタグ付けされたロケーションが、対応するタグと共に記憶されているデータベースを提供するステップと、
関心領域の上記検索を可能にするため、上記データベースにアクセスするインターフェイスを提供するステップと、
ユーザがさらなるタグを上記データベースに追加することを可能にさせるインターフェイスを提供するステップと、
をさらに備える。

これは、ロケーションタグデータベースの使用と連続的な更新を可能にさせる。

一実施形態によれば、ロケーションの意味を意味論的に特定するために複数の個別のロケーションを別々のユーザが記述タグによりタグ付けしているデジタル地図内にて１つ以上の関心領域を自動的に特定する装置であって、
関心領域の検索が行われるべき検索エリアをデジタル地図内に定義するステップと、
検出対象のロケーションのタグが属することとなる１つ以上のタグのタイプを定義するステップと、
あるクラスタリングアルゴリズムを適用して、前記のタグのタイプを定義する動作において定義されたタイプのタグによって別々のユーザがタグ付けしたロケーションがグループになっているか又は集中しているような関心領域として、１つ以上のクラスタを特定するステップと、
上記クラスタリングアルゴリズムによって検出された１つ以上の関心領域を、上記デジタル地図内の上記所定のタイプのタグを有するロケーションの標識と共に表示するステップと、
を備える装置が提供される。

一実施形態によれば、上記装置は、発明の実施形態の方法のうちのいずれか１つによる方法を実行する手段をさらに備える。

一実施形態によれば、コンピュータ上で実行されると、上記コンピュータに発明の実施形態のうちの１つによる方法を実行させるプログラムコードを備える、コンピュータプログラムが提供される。

以下、本発明の実施形態が添付図面を参照して記載されている。

発明の一実施形態では、デジタル地図内で、ある一定の種類のタグ（たとえば、「レストラン」又は「ナイトライフ」、又は、「ダウンタウン」などのタイプのタグ）が、たとえば、エリア全体におけるこれらのタグの平均出現度より高い出現度によって蓄積されている１つ以上の空間エリアの決定が行われる。その目的のために、最初に、たとえば、タグの適切な分類である「レストラン」又は「バー」又は「スタジアム」などのような分類におけるタグの概念名によってタグを特定することにより、検索対象となるタグのタイプが決定される。この定義は、たとえば、ユーザが関心を抱いているタグのカテゴリを選択するために所与の分類に目を通すことをユーザに勧めるインターフェイスを用いて、ユーザによって行われることもある。さらに、検索が行われるべきデジタル地図の（サブ）エリアが決定される。このことは、たとえば地図は国全体を網羅しているが、ユーザは、サブエリアとして選択されている１つの都市だけに関心がある場合に役に立つ。

ここでは、ユーザが、他のユーザが（かつ、場合によってはユーザ自身もまた）定義済みのカテゴリに属しているタグで地理的エリア内のロケーションにタグ付けしているために、ユーザ自身によって定義されたカテゴリに属するタグがグループになっている地図のサブエリア内で地理的エリアを特定することを希望する場合を考える。

換言すると、ユーザによって選択されたタグタイプが「バー」であるならば、ある発明の実施形態においては、タイプ「バー」のタグが集中しているエリアを探索する。多数のバーが位置しているエリアは、過去にユーザがこのエリア内の場所にタグ「バー」でタグ付けをしているので、このタイプの多数のタグが存在していると仮定できる。タグは他のユーザによるタグ付けから生まれるだけでなく、システムのセットアップ中に割り当てられた所定のタグ（たとえば、あるロケーションを「バー」として特定する既存の地図から受け継がれたタグ）もまた関心エリアの決定に組み込まれていることが理解される。

その後に、実施形態は、これらのタグが蓄積しているか、又は、グループ化しているエリアを以下の方式で検索する。

図５を参照すると、一実施形態によれば、（たとえば、関心サブエリアとして地図から選択されているある都市のエリアのような）エリア５００が存在し、このエリアの内部で１つ以上のさらなるサブエリアが関心領域として特定されるべきであり、関心領域の内部では（ここでは、「バー」タグのような）あるタイプのタグが蓄積しているか、又は、「グループ化」している。

換言すると、解決されるべき問題は、タグが蓄積している１つ以上の「クラスタ」を特定することであると考えられる。この目的を達成する１つの方法がここで説明される。その目的のため、エリア５００のサブエリアであり、図５に示されているような増分幅でエリア５００の全体の上を移動する移動窓として使用される、所定の窓５１０が利用される。移動窓５１０のロケーション毎に、現在窓の範囲に含まれるタグの個数がカウントされ、その後に、移動窓は所定の増分幅ずつ次のロケーションへ前進する。このようにして、エリア５００全体が覆い尽くされ、移動窓のロケーション毎に、移動窓の現在ロケーション内部のタグ「バー」の出現カウント数が決定される。

カウント数の最大値を探索することにより、移動窓のロケーションは、タイプ「バー」のタグを最も多く収容していた場所に決定され得る。したがって、このロケーションは、ユーザが「バー密度」が最高であると想定し、かつ、ユーザが多種多様なバーが提供されるエリアを探索している場合に成功することを期待している可能性がある、検索された「関心領域」に対応している。

その後に、結果は、エリア５００全体と、その中で強調され、最高のタグカウント数を伴うロケーションにあるサブエリア５１０とを、移動体機器のディスプレイ上で見せることにより、ユーザに対して表示する。

一実施形態によれば、最高カウント数の移動窓が表示されるだけでなく、カウント数が２番目又は３番目であるロケーションもまた表示される。しかし、意味のある表示を達成するためには、重なり合わない移動窓のロケーションだけが混乱を避けるためユーザに表示されるべきである。

一実施形態によれば、ユーザは、インターフェイスを用いて、移動窓のサイズ及び形状を決定することができ、場合によっては、増分幅も決定することができる。したがって、このような決定は、検索アルゴリズムが実行される前に行われるべきである。

一実施形態によれば、関心領域のやや複雑な判断が行われる。この事例では、関心領域のため移動窓の２つ以上のロケーション、たとえば、３個又は５個（又は、その他の個数）の最も高いタグカウント数を伴うロケーションが選択される。これらの窓が重なり合うならば、連結された四角形の形状が関心領域として生じるように、重なり合う窓が１つに結合され得る。別の方式は、平均タグ密度（エリア単位当たりのタグの個数）を決定し、タグ密度が平均数を一定量上回る移動窓のロケーションを関心領域として選択することである。

関心領域を決定する方式とは独立に、関心領域はユーザのため、好ましくは地図上に、決定された関心領域に位置しているタグの標識と一緒に表示される。

以下、１つ以上の関心領域を決定する別の実施形態が記載されている。本実施形態は、数人のユーザによって同じ方式でタグ付けされた場所をグループ分けするクラスタを、２次元空間内で特定し境界画定することを目的とする。本実施形態は、タグの空間クラスタを特定するためにやや複雑なクラスタリングアルゴリズムを使用する。

空間クラスタは、単一のタグ（又は、同じタイプのタグ）によってタグ付けされている関連した場所の集合として定義される。クラスタは、１つのクラスタ中心と、クラスタ境界の集合とを有する。タグ付けされた場所の一部は、いずれのクラスタにも属さないことがある（すなわち、アウトライア）。本実施形態では、重み付き密度推定関数がクラスタ中心及びクラスタ境界を決定するために計算される。種々の重み付け係数が、他の場所ではなくタグ付けされた場所の一部をより強調するため密度関数に加えられ得る。たとえば、特別な関係（たとえば、現在ユーザとの仲間関係）を有するユーザによって作成されたタグ、又は、ある一定の時間間隔中に（たとえば、直近６時間に亘って）作成されたタグがより強調されることがある。

本実施形態は、カーネル関数を使用するカーネル密度推定方法を利用する。カーネル密度推定方法は、地理的領域Ｒの範囲内で空間クラスタを検出することを目的としている。この方法は、ｎ個のイベント（ｅ₁，ｅ₂，．．．，ｅ_n）が確定されたロケーションで観察されることを仮定している。この方法は、Ｒの範囲内でのイベント発生の強度
を推定するために使用されるカーネル関数
を適用する。このようなカーネル関数の使用の一例は、
であり、式中、βは帯域幅であり、ｅはＲの範囲内に位置している。このような種類のカーネル関数の一般的な紹介は、たとえば、Ｂ．Ｗ．Ｓｉｌｖｅｒｍａｎ，「Ｄｅｎｓｉｔｙ Ｅｓｔｉｍａｔｉｏｎ ｆｏｒ Ｓｔａｔｉｓｔｉｃｓ ａｎｄ Ｄａｔａ Ａｎａｌｙｓｉｓ」，Ｃｈａｐｍａｎ ＆ Ｈａｌｌ／ＣＲＣ，Ｍａｙ １９８６に見られる。

本例において、（ｅ−ｅ_i）は、強度Ｉが計算されるべきロケーションｅと、イベントのロケーションｅ_iとの間の距離であり、一方、本例では、イベントは、ロケーションｅ_iで発生する所望のタイプのタグに対応している。距離差
のカーネル関数値は、帯域幅βを平滑化因数として使用して、全イベント（＝所望のタイプのタグ）に関して、ｉ＝１からｎまで合計される。このようにして、検査されたエリア内のロケーションｅ毎に、強度値が取得される。この強度地図に基づいて、１つ以上の関心領域が１つ以上のクラスタの境界を特定することにより決定される。クラスタは、所望のタイプのタグが蓄積されているエリアに対応している。クラスタは（たとえば、クラスタの形状及びクラスタの境界を決定することによって）特定されてもよく、その後さらに、たとえば、クラスタの境界を地図上に表示することにより可視化されてもよい。

一実施形態では、図６に説明されているように、空間クラスタ境界の３つの可能な形状が区別されている。
形状は四角形：四角形は５個のパラメータ［北＝ｌａｔ＿ｎ、東＝ｌｏｎｇ＿ｅ、西＝ｌｏｎｇ＿ｗ、南＝ｌａｔ＿ｓ、回転＝４５°］によって定義される。
形状は円形：円は３個のパラメータ［経度＝ｌｏｎｇ＿ｃ、緯度＝ｌａｔ＿ｃ、半径＝ｒ］によって定義される。
形状は多角形：多角形は外側境界及び内側境界（図６における内側ドット及び外側ドット）によって定義される。

フィッティングのアルゴリズムを使用することにより、（ユーザによって予め決められているか、又は、選択されている可能性がある）クラスタ形状は、たとえば、クラスタの範囲内の統合強度がある所定のスレッショルドを超えるような方法で強度地図にフィッティングされる。別のアプローチは、強度が依然としてピーク強度のある一定のパーセンテージを超える境界として、強度地図のこれらのロケーションを選択することもある。その後に、このようにして選択されたロケーションに対し、四角形、円形、又は、多角形のような選択された境界形状を用いてフィッティングが行われる。その後に、結果として得られるクラスタは、地図上に表示されることがあり、一方、この地図では、その後に、クラスタ境界の範囲内に位置しているタグはタグの特有のロケーションに表示されることがある。

このような共同タグ付けのアプローチと一体となって、多数の利点が得られる。

たとえば、人は自分の経験を共有することを好む。提案された解決策は、人が容易な方法で経験を共有できるようにさせる基盤を提供する。ユーザは、他のユーザ又は全ユーザ共同体によって定義されたタグを利用する。さらに、タグは、既存データに新たな外観を与える概要を生成し、おそらく行動の変化を引き起こし、又は、自分がこれらの結果に寄与したために誇りの感情を引き起こす。

タグは、地理的場所だけでなく、人々がそこで行うこと（行動）、及び、人々がそれにどのように気付くか（経験）もまた記述するように意図されている。したがって、これらのタグのタイプから導出された領域は、実際には、経験又は行動領域である可能性があり、たとえば、この領域は、人が主にビールを飲む都市内のエリア対人が主にワイン又はコーヒーを飲むエリアである。「教養」又は「サイクリング」又は「スキー」のような行動ラベルでタグ付けされている特定されたエリアが存在する可能性があり、このようなラベルは全部がタグカテゴリ又はタイプ「行動」に属する可能性がある。

一旦、地理的関心領域が特定されると、これらの領域は、（Ｇｏｏｇｌｅ Ｅａｒｔｈのような）デスクトップクライアント、及び／又は、（ＣｏｎｔｅｘｔＷａｔｃｈｅｒのような）移動体クライアントの両方において可視化され得る。

一実施形態によれば、人は、新しい領域への立ち入りについて注意を喚起され、たとえば、人がある一定のクラスタに属する領域へ立ち入るならば、その人の携帯電話機がその人に通知し、クラスタ及びそのタイプ（＝タグのタイプ）をその人に表示し得る。この警報モードは、新たに立ち入ったクラスタがタイプ「行動」又はタイプ「教養」又はタイプ「観光」である場合に限り発行される警報のようなある種のフィルタリングと組み合わされることもある。

別の実施形態によれば、横断された領域（＝ユーザが通過したクラスタ）のリストは旅行を特徴付けるために使用されることがある。

一実施形態によれば、システムは、たとえば、ある種のタイプのタグのクラスタ（たとえば、「観光」クラスタ）が存在する場所をチェックすることにより、地方自治体内の都市の人々が何を行い、何を経験しているかについての概観を与えるために、地方自治体又は観光局によって使用される。一実施形態によれば、システムは、たとえば市役所によって宣言された「安全週間」の事例のように、地理ベースの世論調査を発行するために使用される。このような週間では、ユーザは、都市内の安全でないスポットを報告し、タグ付けし、投稿するために、自分の移動体機器上の「５を押す」ように要求され得る。この事例におけるタグのカテゴリは「安全でないロケーション」である。次の週に、安全でない場所（安全でないスポットがグループ化されている領域）の上位５件が公表され、次の週には、上位５件は、自治体の規制及び処分によってより安全にされる可能性がある。

上述された方法で、エリア及び領域に関する地理情報システムのボトムアップでの構築が行われ得る。

以下では、本発明のさらなる実施形態が図７を参照して説明されている。図７は、空間クラスタを特定し境界画定するために要求されるステップの系列、すなわち、前処理の第１のステップと、クラスタリングの第２のステップと、可視化の第３のステップとを説明するフローチャートを表している。

最初に前処理が説明される。第１のステップの目的は、見当違いのタグ（たとえば、図７にステップ７００として説明されているように、関心エリアの外側）をふるい落とすこと、及び、クラスタリングプロセス中に考慮される候補タグを定義すること（図７にステップ７１０として説明されている）である。

見当違いのタグをふるい落とすため、１つ以上の空間フィルタが適用される。たとえば、関心エリアは、調節可能な半径をもち、ユーザの現在の地理的位置に中心が置かれている円形である。別の可能性は、空間データベース又は地理情報システムＧＩＳに記憶されている空間対象物（たとえば、図７に示されているように、区域：「ミュンヘン中心エリア」）をユーザに選択させることである。このようにして選択されたエリアは、したがって、検索されたタグが蓄積されている特有の関心の「サブエリア」を特定するために、タグのクラスタの検索が内部で実行されるエリアである。

次の前処理ステップ７１０は、１つ以上のタグ選択規準の適用を伴っている。本ステップでは、ユーザは、自分が関心を抱いているタグのタイプを定義し得る。その目的のため、ユーザは、時間的限定（たとえば、過去１週間）、ユーザ空間上の限定（たとえば、ユーザが知っていて、かつ、特別な関係を持っている人である仲間を含む／除外する）、又は、タグ空間上の限定（たとえば、図７に示されているように、「行動」というタグをもち、関連した場所のタイプが「公共空間」である人気のあるタグを含む）を課す。

このような「タグ空間」の制限を用いて、ユーザはタグの意味的制限を定義し、この意味的制限の範囲内で、検索は、検索の際に考慮されるべきタグの部分集合を選択することにより実行される。

説明されている実施例と同じように、表１は、Ｆｌｉｃｋｒ公開データベースから取り出された「ダウンタウン」によってタグ付けされているピクチャのリストを与える。

表１は、［経度＝−１１８．２４７２、緯度＝３４．０５３７５］に中心が置かれた、半径１０ｋｍの円内（関心エリア：ロサンゼルス）のロケーションで撮影された地理タグ付きのピクチャを収容している。

このようにして定義された地理的関心領域、及び同様に定義されたタグの意味的部分集合を用いて、ユーザは地理的かつ意味的空間を定義し、その空間の範囲内で、クラスタの検索が、特有の関心領域として、その領域内のタグのクラスタリングに起因して、「サブエリア」を特定するために、実行されるべきである。

以下では、ｐ箇所の場所ｔｐ_iは、関心エリアの範囲内で同じタグ（又は、同じタイプのタグ）によってタグ付けされていると仮定する。空間クラスタを特定するために、一実施形態では、重み付き密度推定関数がこのときＮ個のロケーションで計算される：

図８は、
を決定する方法の一例を示している。ここで、ｌは強度が決定されるロケーションであり、ｔは時刻であり、ｕｓｅｒは計算に寄与するタグを生成したユーザである。たとえば、タグは、タグを生成したユーザに依存して別々に重み付けされる。一実施形態で使用されるカーネル関数
は４次カーネルであり、
はタグ付けされた場所ｔｐ_iにおる寄与度の合計であり、その距離ｄ_i＝ｄｉｓｔ（ｌ，ｔｐ_i）は帯域幅βより小さい。したがって、強度計算は、
として記述される。

関数ｆ（ｔ）は、最近のタグをより強調するために指数関数でもよい（すなわち、ｆ（ｔ）＝ｅｘｐ（−μ（ｔ０−ｔ））、式中、ｔ０−ｔは、現在時刻ｔ０と、タグが作成された時刻ｔとの間の時間差である）。関数ｇ（ｕｓｅｒ）は、考慮されているユーザのタイプに依存して離散的な値をとる（たとえば、ｇ（ｕｓｅｒ＝自分自身）＝１；ｇ（ｕｓｅｒ＝地方自治体）＝０．８；ｇ（ｕｓｅｒ＝自分の仲間）＝０．５など）。本実施例は、例示の目的のためだけに記載され、具体的なパラメータがこれとは違って選択されても構わないことを理解されたい。さらに使用されるカーネル関数は、たとえば、ガウシアンカーネルのような別々のカーネル関数でもよい。

表２は、Ｎ＝６５ロケーションで表１に定義されたデータに関して密度推定関数の値を示している。

図９は強度計算の結果の可視化を示し、典型的にこの可視化はユーザに表示されない。ピンは強度密度関数が計算されるロケーションを示している。円（白い正方形内の黒い円）は、少なくとも１人のユーザがタグを付けたロケーションを示している。一実施形態では、数はタグの識別子であり、別の実施形態では、数は示されているロケーションにおける個別のタグの個数に対応している。これらの記号が２個以上のタグが位置しているロケーションの標識に対応するならば、これらの記号は、所定のエリア（たとえば、地図のグリッドサイズ）の範囲内で、２個以上のタグが位置しているロケーションに表示される。クラスタの範囲内には２個の領域が存在することがわかる。（数１３によって示されているように１３個のタグが位置している）ロサンゼルスの中心にある１個と、（数２によって示されているように、そこに位置している２個のタグを有する）東ロサンゼルスにある１個とからなる、２個以上のタグをもつ場所が存在することがわかる。数１が付随する３番目の記号は、１個のタグだけが位置しているロケーションを示している。しかし、上述されているように、この強度地図の可視化は表示され得るが、一実施形態では、この強度地図は実際にはユーザへ表示されない。

結果として得られた強度地図に基づいて、空間クラスタはその後に密度推定値のピーク及び谷を見つけることによって特定される。ピークスレッショルド及び谷スレッショルドは、クラスタ中心（すなわち、密度推定値のピーク）の個数を制限し、定義上はいずれのクラスタにも属していないアウトライアを検出するため、事前に設定されてもよい。

上述されているように、様々なクラスタ境界形状、すなわち、四角形、円形又は多角形が選択され得る。ある種のアプリケーションでは、（たとえば、タグ付けされたエリアに基づいて移動体サービスの方へユーザを案内する事例では）クラスタの精度は重要なパラメータのうちの１つである。その他のアプリケーション（たとえば、短時間に亘ってタグ付けされたエリアを検出するアプリケーション）では、クラスタを境界画定する計算時間は重要なパラメータになる。クラスタ境界を四角形又は円形として近似することにより、クラスタを境界画定するプロセスは、密度推定値のピークを特定し、密度推定値の谷が検出されるまで密度推定値の判定を近傍ロケーションへ拡張することにより、高速化され得る。

以下の表３には、四角形クラスタの事例におけるクラスタ境界形状が示されている。

検出されたクラスタは、ユーザが検索エリア内で検索された関心領域を容易に特定できるように、ユーザへ可視化され得る。可視化の一部の実施例は後述されている。

クラスタリング検索の結果を表示する別の方法は図１０に示されている。クラスタの四角形形状を認めることができる。クラスタの範囲内では、白い背景上の黒い円が、２個以上のタグが検出されたロケーションに表示されていることがわかる。記号の隣にある数字は、記号によって強調されているロケーションにおけるタグの個数を示している。

図１０に示されている実施形態では、クラスタの内側のタグが表示されるだけでなく、もっと南の方へ向かってクラスタの外側に位置している一部のアウトライアもまた表示される。記号の隣にある数字によって示されているように、２個のアウトライアタグが位置している場所に１つのロケーションが存在し、１個のアウトライアだけが位置している場所に１つのロケーションが存在することがわかる（白い正方形上の黒い円）。

一実施形態によれば、アウトライアは、その個数がある一定のスレッショルドを超える場合に限り表示され、たとえば、１個のアウトライアは表示されないが、２個以上のタグが位置している場所のアウトライアだけが表示される。

図１１はクラスタ検出の結果を表示するさらに別の方法を示している。図１１におけるクラスタの形状は多角形であり、（たとえば、１個のグリッドセルが「ロケーション」を定義するグリッドによって定義されるように）単一ロケーションに２個以上のタグが存在するクラスタには３つのエリアが存在することがわかる。１つのエリアはロサンゼルスの中心にあり、他の２つは東ロサンゼルスにある。他の２つのロケーションは、数字１によって示されているように、ちょうど１個のタグを有する。

図１２はクラスタ検出の結果を表示するさらなる方法を示している。図１２は、一方が「ｄｏｗｎｔｏｗｎ」というタグであり、もう一方が「ｃｈｉｎａｔｏｗｎ」というタグである２個のタグのため、クラスタが検索される実施例である。これは結果として２つのクラスタを生じ、２つのクラスタは実際には重なり合い、タグのリストが重複するエリア（たとえば、サンフランシスコの中心における「ｄｏｗｎｔｏｗｎ，ｃｈｉｎａｔｏｗｎ」）に表示されている。別々のタイプのタグは、別々の記号によって表現され、たとえば、ダウンタウンタグのロケーションは円によって表現され、チャイナタウンタグのロケーションは正方形によって表現される。しかし、図１２においてわかるように、ロケーションは、ユーザが別々のタグを区別することを可能にさせるある標識が存在する限り、同じタグ（図１２中の円）によって特定され得る。図１２に示されている可視化において、この標識は、図１２においてわかるように、タグの隣にある文字列（「ｄｏｗｎｔｏｗｎ」又は「ｃｈｉｎａｔｏｗｎ」によって行われている。代替的に、又は、付加的に、様々なタグタイプは、ユーザがそれらを区別できるように別々の色によって表示され得る。

一実施形態では、可視化はある一定のロケーションにおけるタグの個数の標識をさらに含む。これは、たとえば、図１０及び１１において数字によって示されているように、記号の隣に数字を示すことによって行われ、又は、そのロケーションに位置しているタグの個数に応じて様々なサイズでタグロケーション記号を表示することによって行われる。付加的に、又は、代替的に、文字列はタグの個数に応じたフォントサイズで表示されることもある。

図１２に示されている実施形態では、ユーザは、たとえば、あるクラスタに関連したタグをクリックすることにより、そのクラスタを最前面に表示し得る。

図１０〜１２に示されている実施例の全てにおいて、クラスタはクラスタの境界と共に表示されている。このことは、ユーザが、個々のタグとは独立に、自分が「関心エリア」内に居るかどうかをチェックすることが可能であるという効果があり、もし、ユーザがそこに居るならば、ユーザが「バー」又は「観光」のような検索タグのカテゴリと一致する場所を見つける可能性は比較的高い。

クラスタ探索の結果を表示するさらに他の可能性がある。たとえば、ある種の文字列によってタグのロケーションを示し、文字列のフォントのサイズによってこのようなロケーションにおけるタグの個数を示すことが可能である。

一実施形態によれば、ユーザは、図１０〜１２のうちの１つの地図内の記号をクリックすることにより、たとえば、詳細情報付きのリストの形式で、装置にタグの詳細を表示させ得る。代替的に、又は、付加的に、このようなクリックは、個々のタグが図１０〜１２に示されているような大型地図上より容易に特定され得るように、複数のタグが位置しているロケーションへのズームインを引き起こし得る。

以上、移動体端末を携帯しているユーザに、ユーザの近傍に位置している場所に記述語（すなわち、タグ）を関連付けさせることが可能であり、ユーザによって同じようにタグ付けされた場所を備える空間エリアを決定し、定義し、かつ、可視化する実施形態が説明された。

本発明の実施形態と関連して説明された方法、要素、ユニット、及び、装置が、ハードウェア、ソフトウェア、又は、両者の組み合わせで実施され得ることは、当業者に容易に明らかになる。特に、本発明の実施形態、及び、本発明の実施形態と関連して説明されたモジュールの要素は、コンピュータ上で動くか、又は、マイクロプロセッサによって実行されるコンピュータプログラムによって実施され得ることが理解される。本発明を実施するあらゆる装置は、特に、携帯電話機、スマートフォン、ＰＤＡなどのような移動体機器の形をしていることがある。

タグ付けのため使用され得る分類の一例を示す図である。 場所がユーザによってタグ付けされる方法の一例を示す図である。 タグクラウドの可視化を示す図である。 タグクラスタの一例を示す図である。 本発明の実施形態の動作を概略的に説明する図である。 空間クラスタ境界の可能な形状を概略的に説明する図である。 本発明の実施形態を説明するフローチャートである。 本発明の実施形態によるクラスタの可能な形状を説明する図である。 計算されたタグ密度の表示を示す図である。 クラスタ検索の結果の可能な表示を説明する図である。 クラスタ検索の結果の可能な表示を説明する図である。 クラスタ検索の結果の可能な表示を説明する図である。

Claims (16)

1. ロケーションの意味を意味論的に特定するために複数の個別のロケーションを別々のユーザが記述タグによりタグ付けしているデジタル地図内にて１つ以上の関心領域を自動的に特定する方法であって、
   関心領域の検索が行われるべき検索エリアをデジタル地図内に定義するステップと、
   検出対象のロケーションのタグが属することとなる１つ以上のタグのタイプを定義するステップと、
   前記検索エリア内のロケーションごとにタグの個数あるいはタグ密度を計算するクラスタリングアルゴリズムを適用して、前記タグのタイプを定義するステップにおいて定義されたタイプのタグによって別々のユーザがタグ付けしたロケーションがグループになっているか又は集中しているような関心領域として、１つ以上のクラスタを特定するステップと、
   前記クラスタリングアルゴリズムによって検出された１つ以上の関心領域を、前記デジタル地図内の前記タイプのタグを有するロケーションの標識と共に表示するステップと
   を備える方法。
2. 前記クラスタリングアルゴリズムが、
   検索エリア上で移動窓を動かし、あるロケーションに移動窓がある間に移動窓内のタグの個数をカウントするステップと、
   移動窓が探索エリア上を動いている間に、あるロケーションでの移動窓の内側にあるタグのカウント数を他のロケーションのタグのカウント数と比較することによって関心領域を決定するステップと、
   を備える、請求項１に記載の方法。
3. 前記クラスタを特定するステップは、
   検索エリアの内側のロケーションによってタグ密度を推定する密度推定関数を計算するステップと、
   前記密度推定関数に基づいて１つ以上の関心領域の境界を決定するステップと
   を含む、請求項１又は２に記載の方法。
4. 前記密度推定関数は、
   カーネル関数を利用するカーネル密度推定関数と、
   重み関数が適用される密度推定関数と、
   カーネル関数を利用するカーネル密度推定関数と該カーネル密度関数に適用される重み関数とを組み合わせたものと
   のうちのいずれかであり、
   前記重み関数によって付けられる重み付け係数が、
   現在ユーザと特別な関係を有するユーザによって作成されたタグをより強調することと、
   タグが作成された時点に依存してタグを強調する程度が増減することと、
   のうちの１つ以上を備える、請求項３に記載の方法。
5. 前記関心領域の境界を決定するステップは、
   前記密度推定関数から計算された密度推定値のピーク及び／又は谷に基づいて、１つ以上の関心領域の境界を決定するステップを含む、請求項３又は４に記載の方法。
6. 前記表示するステップは、
   前記１つ以上の関心領域の境界を表示することにより前記検索エリア内の前記１つ以上の関心領域を表示するステップと、
   あるグラフィック標識によって前記タグのロケーションを示すことにより、前記関心領域内のタグを示すステップと
   をさらに備える請求項３〜５の一項に記載の方法。
7. 前記グラフィック標識が、
   タグのロケーションを表現するグラフィック記号と、
   タグのロケーションを表現する文字列と
   のうちの１つ以上を備える、請求項６に記載の方法。
8. 前記グラフィック標識が、前記グラフィック標識に対応するロケーションに位置しているタグの個数の標識をさらに備える、請求項６又は７に記載の方法。
9. 前記タグの個数の前記標識が、
   タグの個数が異なることを示すためにサイズの異なるグラフィック標識を表示することと、
   タグの個数を示す数を表示することと、
   のうちの１つ以上を備える、請求項８に記載の方法。
10. 前記タグを示すステップは、
    別々のグラフィック標識によってタイプの異なるタグを示すことをさらに備える請求項６〜９の一項に記載の方法。
11. 前記表示するステップは、
    前記クラスタリングアルゴリズムに基づいて決定された結果の関心領域を、円形、四角形又は多角形のような所定の幾何形状によってフィッティングするステップと、
    前記フィッティングされた関心領域を、前記デジタル地図内の前記所定のタイプのタグを有するロケーションの標識と共に表示するステップと
    を備える請求項１〜１０の一項に記載の方法。
12. タグの分類を形成する１つ以上のカテゴリ又はタイプに前記タグが属しており、
    前記タグが、別々のロケーションにおいて別々のユーザによって前記ロケーションに割り当てられている、請求項１〜１１の一項に記載の方法。
13. ユーザの地理的ロケーションを決定するステップと、
    ユーザが請求項１〜１２の一項に記載の方法によって決定された関心領域に入っているかどうかを、ユーザに通知するステップと
    をさらに備える請求項１〜１２の一項に記載の方法。
14. ユーザによってタグ付けされたロケーションが対応するタグと共に記憶されているデータベースを提供するステップと、
    関心領域の前記検索を可能にするため、前記データベースにアクセスするインターフェイスを提供するステップと、
    ユーザがさらなるタグを前記データベースに追加することを可能にさせるインターフェイスを提供するステップと
    をさらに備える請求項１〜１３の一項に記載の方法。
15. ロケーションの意味を意味論的に特定するために複数の個別のロケーションを別々のユーザが記述タグによりタグ付けしているデジタル地図内にて１つ以上の関心領域を自動的に特定する装置であって、
    当該装置は、
    関心領域の検索が行われるべき検索エリアをデジタル地図内に定義し、
    検出対象のロケーションのタグが属することとなる１つ以上のタグのタイプを定義し、
    前記検索エリア内のロケーションごとにタグの個数あるいはタグ密度を計算するクラスタリングアルゴリズムを適用して、前記定義されたタイプのタグを用いて、別々のユーザがタグ付けしたロケーションがグループになっているか又は集中しているような関心領域として、１つ以上のクラスタを特定し、
    前記クラスタリングアルゴリズムによって検出された１つ以上の関心領域を、前記デジタル地図内の前記タイプのタグを有するロケーションの標識と共に表示するように構成されている、装置。
16. コンピュータ上で実行されるとき、前記コンピュータに請求項１〜１４の一項に記載の方法を実行させるプログラムコードを備える、コンピュータプログラム。