JP5048852B2 - 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 - Google Patents

Description

本発明は、蓄積された文書に基づく検索を実行する検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体に関する。

近年、ブログやマイクロブログなどの電子文書による情報発信が一般化している。また、その電子文書の分析手法についても様々なものが考えられている。文書分析手法の一つとして、トピックモデルと呼ばれる文書生成モデルを利用した手法がある。例えば下記非特許文献１には、そのトピックモデルに時系列情報を取り入れることで、時間情報を持った文書から流行の移り変わりを視覚的に提示することが記載されている。

Xuerui Wang and Andrew McCallum. Topics over time: a non-markovcontinuous-time model of topical trends. In Proceedings of the 12th ACM SICKDDinternational conference on Knowledge discovery and data mining, KDD '06, pp.424-433. New York, NY, USA, 2006. ACM.

ところで、電子文書の発信数は膨大であるため、個人が自分に必要な情報に出会うことは容易でない。上記非特許文献１に記載の手法は、影響力の高い筆者の発見や話題の抽出、コミュニティの抽出を主な目的としており、ユーザが探したい状況変化の情報を提供するものとはいえない。

そこで本発明は、所望の状況変化に対応する情報を提示することが可能な検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体を提供することを目的とする。

本発明の検索装置は、所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する検索対象を抽出する検索手段と、検索手段により抽出された検索対象をユーザに提示するために出力する出力手段とを備え、検索条件が、第１の指定時期における、ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、検索手段が、第１の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第２の出現頻度と同一又は類似する検索対象を抽出する。

本発明の検索方法は、検索装置により実行される検索方法であって、所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する検索対象を抽出する検索ステップと、検索ステップにおいて抽出された検索対象をユーザに提示するために出力する出力ステップとを含み、検索条件が、第１の指定時期における、ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、検索ステップでは、第１の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第２の出現頻度と同一又は類似する検索対象が抽出される。

本発明の検索プログラムは、コンピュータを、所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する検索対象を抽出する検索手段と、検索手段により抽出された検索対象をユーザに提示するために出力する出力手段として機能させ、検索条件が、第１の指定時期における、ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、検索手段が、第１の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第２の出現頻度と同一又は類似する検索対象を抽出する。

本発明のコンピュータ読取可能な記録媒体は、コンピュータを、所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する検索対象を抽出する検索手段と、検索手段により抽出された検索対象をユーザに提示するために出力する出力手段として機能させ、検索条件が、第１の指定時期における、ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、検索手段が、第１の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が第２の出現頻度と同一又は類似する検索対象を抽出する、検索プログラムを記憶する。

このような発明によれば、二つの時期における指定トピック別の出現頻度（第１及び第２の出現頻度）と同一又は類似する二つの出現頻度を有する検索対象が抽出される。そして、その検索対象がユーザに提示するために出力される。このように、指定されたトピックについての出現頻度の変化が検索条件と一致又は類似する検索対象を抽出することで、所望の状況変化に対応する情報をユーザに提示することができる。

本発明の検索装置では、検索条件が、更に、第１の指定時期と第２の指定時期との間における１以上の第３の指定時期のそれぞれについての指定トピック別の第３の出現頻度を含み、検索手段が、第１の検索対象時期における出現頻度が第１の出現頻度と同一又は類似し、第２の検索対象時期における出現頻度が第２の出現頻度と同一又は類似し、且つ、１以上の第３の指定時期と時間の前後関係が対応する１以上の第３の検索対象時期のそれぞれにおいて、該第３の検索対象時期におけるプロファイル・データから得られた指定トピック別の出現頻度が、対応する第３の出現頻度と同一又は類似する検索対象を抽出してもよい。

この場合には、３以上の時期における指定トピック別の出現頻度と同一又は類似する複数の出現頻度を有する検索対象が抽出され、その検索対象が出力される。これにより、状況変化の過程を考慮した検索を行うことができるので、所望の状況変化に対応する情報をユーザに提示することができる。

本発明の検索装置では、検索条件が、更に、隣接する指定時期間の時間間隔を更に含み、隣接する検索対象時期間の時間間隔が、対応する指定時期間の時間間隔と同じであってもよい。

この場合には、指定時期間の時間間隔が検索条件として更に指定されるので、所望の状況変化及びその変化の速度に対応する情報をユーザに提示することができる。

本発明の検索装置では、プロファイル・データで示される１以上のトピックが、所定のデータベースから抽出された文書に基づいて得られたトピック群から所定の不要トピックを除いた残りのトピックであってもよい。

この場合には、不要なトピックが予め取り除かれるので、検索の精度を上げることができる。

本発明の検索装置では、指定トピックが、プロファイル・データで示される１以上のトピックを含む上位階層トピックであってもよい。

この場合には、トピックを階層構造で表すことでプロファイル・データのトピックが上位階層トピックに集約され、その上位階層トピックを指定トピックとする検索が行われる。このような指定トピックを用いることで、検索操作の利便性が向上する。

本発明の検索装置では、指定トピックが複数ある場合に、一の指定時期における、指定トピック別の出現頻度の総和に対する一部の指定トピック別の出現頻度の比率が変更されると、該指定時期における残りの指定トピック別の出現頻度の比率が該変更に応じて調整されてもよい。

本発明の検索装置では、一の指定時期における一部の指定トピック別の出現頻度が変更された場合に、該一の指定時期に対応する一の探索時期におけるプロファイル・データから得られた一部の指定トピック別の出現頻度が、変更された一部の指定トピック別の出現頻度と同一又は類似し、且つ、他の指定時期に対応する他の探索時期におけるプロファイル・データから得られた指定トピック別の出現頻度が、該他の指定時期における指定トピック別の出現頻度と同一又は類似する検索対象が抽出され、一の探索時期における該検索対象のトピック別の出現頻度に基づいて残りの指定トピック別の出現頻度の比率が調整され、一の探索時期と他の探索時期との前後関係が、一の指定時期と他の指定時期との前後関係と対応してもよい。

本発明の検索装置では、語句が複数のトピックに重複して出現する頻度に基づいて設定される、指定トピックそれぞれの間の関連の強さを示す重みと、一部の指定トピック別の出現頻度の変更量とに基づいて、残りの指定トピック別の出現頻度の比率が調整されてもよい。

これらの場合には、ユーザがある指定トピックの出現頻度を変えるとその変更に応じて他の指定トピックの出現頻度が調整されるので、検索操作の利便性が向上する。

本発明の検索装置では、検索手段が、更に、抽出された検索対象に対応する付加情報を、又は第１の検索対象時期から第２の検索対象時期までの間における該検索対象の指定トピック別の出現頻度に対応する付加情報を、追加のデータベースから抽出し、出力手段が、更に、検索手段により抽出された付加情報をユーザに提示するために出力してもよい。

この場合には、抽出された検索対象に対応する付加情報も出力されるので、所望の状況変化に対応する情報だけでなく該付加情報もユーザに提示することができる。

本発明によれば、指定されたトピックについての出現頻度の推移が検索条件と一致又は類似する検索対象が抽出されるので、所望の状況変化に対応する情報を提示することができる。

第１実施形態に係る検索システムの全体構成を示す図である。 図１に示す検索サーバの機能構成を示す図である。 図１に示す検索サーバのハードウェア構成を示す図である。 プロファイル・データの構成例を示す図である。 プロファイル・データの作成について説明するための図である。 プロファイル・データの作成について説明するための図である。 親トピックの設定について説明するための図である。 図１に示すユーザ端末で表示される検索画面の例を示す図である。 ユーザ操作に応じて将来モデルを調整する方法の一例を説明するための図である。 ユーザ操作に応じて将来モデルを調整する方法の別の例を説明するための図である。 図１に示す検索システムの動作を示すシーケンス図である。 第１実施形態に係る検索プログラムの構成を示す図である。 第２実施形態に係る検索システムの全体構成を示す図である。 図１３に示す検索サーバの機能構成を示す図である。 第２実施形態に係る検索プログラムの構成を示す図である。

以下、添付図面を参照しながら本発明の実施形態を詳細に説明する。なお、図面の説明において同一又は同等の要素には同一の符号を付し、重複する説明を省略する。

（第１実施形態）
まず、図１〜１０を用いて、第１実施形態に係る検索サーバ１０の機能及び構成を説明する。検索サーバ１０はユーザにより指定された検索条件に対応する筆者（文書作成者）を抽出してそのユーザに提示する検索装置である。図１に示すように、検索サーバ１０は、通信ネットワークＮを介して複数の文書データベース（所定のデータベース）Ｄ及び複数のユーザ端末Ｔと互いに通信可能に接続されている。図１に示す検索サーバ１０、文書データベースＤ、及びユーザ端末Ｔは検索システムを構成している。

検索サーバ１０について説明する前に、文書データベースＤ及びユーザ端末Ｔについて説明する。まず、文書データベースＤは、インターネット上に存在する文書（電子文書）を記憶するコンピュータである。文書の例としては、ブログやマイクロブログ、ソーシャル・ネットワーク・サービス（ＳＮＳ）、オンライン・ショッピング・サイトなどで投稿された記事が挙げられるが文書の種類や内容はなんら限定されない。図１では文書データベースＤを二つ示しているが、文書データベースＤの台数は任意である。また、文書データベースＤの設置箇所も任意であり、例えばブログ管理システムやＳＮＳシステム、オンライン・ショッピング・システムに配置されてもよい。

ユーザ端末Ｔは、検索条件の入力を受け付け、その条件に対応する検索結果を表示するコンピュータである。ユーザ端末Ｔの例としては、高機能携帯電話機（スマートフォン）や携帯情報端末（ＰＤＡ）、あるいは各種パーソナルコンピュータ（タブレットＰＣ、デスクトップＰＣ、ノートＰＣなど）が挙げられるが、ユーザ端末Ｔの例はこれらに限定されない。図１ではユーザ端末Ｔを３台示しているが、ユーザ端末Ｔの台数は任意である。

以上を前提として検索サーバ１０について説明する。図２に示すように、検索サーバ１０は機能的構成要素としてプロファイル・データベース１１、インタフェース提供部１２、第１検索部１３、モデル調整部１４、及び第２検索部１５を備えている。

この検索サーバ１０は、図３に示すように、オペレーティングシステムやアプリケーション・プログラムなどを実行するＣＰＵ１０１と、ＲＯＭ及びＲＡＭで構成される主記憶部１０２と、ハードディスクなどで構成される補助記憶部１０３と、ネットワークカードなどで構成される通信制御部１０４と、キーボードやマウスなどの入力部１０５と、モニタなどの出力部１０６とで構成される。検索サーバ１０の各機能は、ＣＰＵ１０１や主記憶部１０２の上に所定のソフトウェアを読み込ませ、ＣＰＵ１０１の制御の下で通信制御部１０４や入力部１０５、出力部１０６などを動作させ、主記憶部１０２や補助記憶部１０３におけるデータの読み出し及び書き込みを行うことで実現される。処理に必要なデータやデータベースは主記憶部１０２や補助記憶部１０３内に格納される。

なお、図３では検索サーバ１０が１台のコンピュータで構成されているように示しているが、このサーバの機能を複数台のコンピュータに分散させてもよい。例えば、プロファイル・データベース１１を備えるコンピュータとそれ以外の機能的構成要素を備えるコンピュータとにより検索サーバ１０を構成してもよい。

図２に戻って、プロファイル・データベース１１は、文書データベースＤから抽出された文書に基づいて生成されたプロファイル・データを記憶する手段である。

プロファイル・データは、文書がどのようなトピック（話題）を扱っているか、言い換えれば、筆者がどのようなトピックについて言及しているかを示すデータであり、文書毎に作成される。図４に示すように、このプロファイル・データは、文書の筆者を一意に特定する筆者ＩＤと、該文書自体を一意に特定する文書ＩＤと、該文書の作成時刻と、所定の１００個のトピック（トピック０〜９９）のそれぞれについて該トピックに割り当てられた単語の個数とを含んでいる。各トピックに割り当てられた単語の個数は、一の文書における該トピックの出現頻度とも言える。

プロファイル・データは、文書の集合を分析することで複数のトピックを決定し、そのトピック群と各文書とを照合することで生成される。この処理の詳細を説明する。

具体的には、ＬＤＡ（Latent Dirichlet Allocation）及びギブスサンプリングを用いて、まず１００個のトピックを決定する。まず、トピックを決定するために、所定の期間に作成された十分な数の文書を文書データベースＤから収集する。例えば、最近１週間に作成された５００万件の文書を収集する。収集する際には、所定のアプリケーション・プログラミング・インタフェース（ＡＰＩ）を利用してもよい。例えば、Ｔｗｉｔｔｅｒ（登録商標）内の記事を収集する際にはＳｔｒｅａｍｉｎｇ ＡＰＩを用いることができる。続いて、前処理として、本文に含まれるユーザ名やハッシュタグなどを除去し、形態素解析により名詞のみを文書から抽出する。

続いて、抽出された名詞の集合に対してＬＤＡを適用することで頻出単語とトピックとの対応表を生成し、１００個のトピックを決める。この際には、ＬＤＡ処理の収束のためにその処理を所定の回数だけ繰り返す。この繰り返し回数はサンプリング回数ともいうことができ、例えばこの回数を１０００に設定してもよい。生成された対応表の例を図５に示す。図５では、商品名ＡやチームＸなどの固有名詞を含む様々な名詞がトピック毎に集約されている。なお、図５の例では、便宜的に各トピックに「デジタル機器」のような名前を付している。

次に、上記と同様に所定のＡＰＩを用いて、検索サービスを提供するために必要な数のユーザのそれぞれについて、所定数の文書を文書データベースＤから収集する。例えば、１ユーザあたり１０００件の文書を収集する。ここで、この処理における収集対象期間はトピックを決定する際の期間（上記の例では最近１週間）とは異なり、検索サービスを提供するために必要な任意の期間（例えば３ヶ月、１年、３年など）である。続いて、各文書にＬＤＡ及びギブスサンプリングを適用することで該文書内の単語をトピック別に分類し、これにより各文書についてトピック別の出現頻度を求める。なお、この際には各文書についてのサンプリング回数を５０に設定している。ギブスサンプリングではランダム性を持つ要素が存在するので、その５０回１セットの処理を３回繰り返して得られた合計結果をトピック別の出現頻度としている。

続いて、検索サービスの目的に応じて不要なトピックを削除する。本実施形態では、端末ユーザ（検索者）により指定された興味を持つ筆者を検索結果として該ユーザに示すので、筆者の趣味や嗜好とは関係ない情報については無視してよい。そこで、趣味や嗜好とはいえないトピックを削除する。例えば、図６に示すようなトピックを削除してもよい。なお、図６の例でも便宜的に各トピックに「時間」などのような名前を付している。このような削除処理により、例えば１００個のトピックが４０個に絞られる。このように不要なトピックを予め取り除くことで、筆者検索の精度を上げることができる。

以上の処理により、図４に示すデータ構造を持つプロファイル・データが生成され、プロファイル・データベース１１に格納される。なお、このとき、削除されたトピックに対応する出現頻度は０に初期化されている。

ところで、いずれかの文書で出現するトピック数は比較的多い（例えば４０個）ので、本実施形態では、ユーザの検索操作を容易にするためにこれらのトピックをいくつかのグループに集約する。例えば図７に示すように、上記処理により抽出されたトピック（削除処理後に残ったトピック）を５個の親トピック（ＩＴ、生活、政治・経済、エンターテインメント、及びゲーム・アニメ）のいずれかと関連付け、この対応関係を検索サーバ１０内で保持しておく。ユーザには親トピックのみが示される。親トピックは、対応する抽出トピックの上位階層に位置する概念である。

なお、このようなプロファイル・データの準備方法は上記の例に限定されず、下記のような変形が可能である。

まず、文書の収集方法は限定されず、所定のクローリングにより文書を収集してもよいし、人手による作業も利用して収集を行ってもよい。また、プロファイル・データは定期的に（動的に）行われてもよい。

各処理において収集する文書の個数や範囲（時間的範囲および筆者数）、サンプリング回数、所定のサンプリング回数を１セットの処理とした場合の当該処理の繰り返し回数は上記の例に限定されず、任意に設定してよい。また、不要なトピックの削除や、抽出されたトピックの集約（親トピックの設定）は省略可能である。更に、本実施形態では単語とトピックとの対応を求めているが、語句は単語に限定されず、例えば複数の単語から成る句であってもよい。

図２に戻って、インタフェース提供部１２は、検索処理用のユーザ・インタフェース、すなわち検索画面をユーザ端末Ｔに提供する手段である。検索サービスを利用しようとする端末ユーザが所定の操作を行うと、検索画面を要求する信号（例えばＨＴＴＰリクエスト）をユーザ端末Ｔが検索サーバ１０に送信する。インタフェース提供部１２はその信号に応じて、検索画面のデータ（例えばウェブページ）をユーザ端末Ｔに送信する。これにより、ユーザ端末Ｔ上に検索画面が表示される。なお、検索画面の実現方法は任意であり、例えばウェブアプリケーションではなくＪａｖａ（登録商標）アプリケーションにより実装されてもよい。

検索画面の例を図８に示す。検索画面１００は、検索条件（クエリ）を入力するための入力領域１１０と、検索結果を表示する表示領域１２０とに大きく分かれている。

入力領域１１０は、ユーザ入力欄１１１、期間入力欄１１２、現在モデル欄１１３、将来モデル欄１１４、検索ボタン１１５、及び文書表示欄１１６を含んでいる。

ユーザ入力欄１１１は、筆者検索の基準となるユーザ（基準ユーザ）を入力するためのインタフェースである。端末ユーザは誰を基準ユーザとして設定してもよく、例えば自分自身や他の筆者をユーザ入力欄１１１で指定してよい。

期間入力欄１１２は、後述する現在モデルを生成するために収集する文書の期間（現在からどれだけ遡って文書を収集するかを示す期間）を入力するためのインタフェースである。以下では、この期間を「収集期間」という。

現在モデル欄１１３は、指定された収集期間において基準ユーザにより作成された文書のプロファイル・データを集計して得られた親トピック別の出現頻度（第１の出現頻度）を百分率などの割合で表示する領域である。親トピック別の出現頻度は「興味モデル」や「出現頻度分布」ということもできる。以下では、この欄に示される親トピック別の出現頻度を「現在モデル」あるいは「現在の興味モデル」という。本実施形態では、現在モデルは後述する第１検索部１３により取得され、図８に示すようにヒストグラムで表示される。

将来モデル欄１１４は、端末ユーザによる親トピック別の出現頻度（第２の出現頻度）の入力を受け付ける領域である。以下では、この欄に示される親トピック別の出現頻度を「将来モデル」あるいは「将来の興味モデル」という。本実施形態では、将来モデルも割合で示され、ヒストグラムで表示される。

将来モデルの初期値として、現在モデルと同じ値が設定及び表示され、端末ユーザはこの欄内に表示されている各棒を上げ下げすることで、将来モデル（各親トピックの出現頻度の大きさ）を変えることができる。各親トピックの出現頻度は比率で示されるので、端末ユーザがある親トピックについての出現頻度の大きさを変えると、他のトピックの出現頻度が自動的に調整される。具体的には、ユーザ端末Ｔが、現在モデルと、変更された親トピックを示す変更情報と、該親トピックの変更後の出現頻度を含む未調整将来モデル（調整前の将来モデル）のデータとを検索サーバ１０に送信する。その後、ユーザ端末Ｔは検索サーバ１０のモデル調整部１４（後述）において調整された将来モデルのデータを受信して将来モデル欄１１４に表示する。このように、一部の指定トピックの出現頻度が変更されるとその変更に応じて他の指定トピックの出現頻度が調整されるので、検索操作の利便性が向上する。

検索ボタン１１５は、入力領域１１０において指定された検索条件に基づく検索処理を検索サーバ１０に指示するためのインタフェースである。

文書表示欄１１６は、現在モデルを得るために用いた文書を端末ユーザの指示入力に応じて表示する領域である。この欄に表示される文書は、筆者ＩＤが基準ユーザＩＤであり、且つ作成時期が収集期間に含まれる文書であり、文書データベースＤから読み出される。

表示領域１２０は、筆者選択欄１２１、変化前モデル欄１２２、変化後モデル欄１２３、及び文書表示欄１２４を含んでいる。

筆者選択欄１２１は、検索された１以上の筆者（検索条件と同一又は類似する興味モデルの変化を示した筆者）のうちの一人を選択するためのインタフェースである。

変化前モデル欄１２２は、筆者選択欄で選択された筆者についての、現在モデルと同一又は類似する興味モデル（以下では「変化前モデル」あるいは「変化前の興味モデル」という）を表示する領域である。

変化前モデル欄１２２は、筆者選択欄で選択された筆者についての、将来モデルと同一又は類似する興味モデル（以下では「変化後モデル」あるいは「変化後の興味モデル」という）を表示する領域である。

文書表示欄１２４は、筆者選択欄１２１で選択された筆者の文書を端末ユーザの指示入力に応じて表示する領域である。この欄に表示される文書は、筆者ＩＤが選択された筆者のものであり、且つ作成時期が変化前モデル又は変化後モデルに対応する期間に含まれる文書であり、文書データベースＤから読み出される。

なお、興味モデルの表現方法はヒストグラムに限定されず、任意に決めてよい。例えば、円グラフを用いて興味モデルを表現してもよい。

図２に戻って、第１検索部１３は、プロファイル・データベース１１内のプロファイル・データに基づいて現在モデルを生成する手段である。検索画面１００において基準ユーザ及び収集期間が入力されると、ユーザ端末Ｔは該基準ユーザのユーザＩＤと該収集期間とを示す検索条件（以下では「第１の検索条件」ともいう）を検索サーバ１０に送信する。第１検索部１３はその検索条件を受信すると、筆者ＩＤが基準ユーザのユーザＩＤであり、且つ作成時刻が収集期間に含まれるプロファイル・データをプロファイル・データベース１１から読み出す。続いて、第１検索部１３は抽出したプロファイル・データで示されるトピック０〜９９の出現頻度と、図７に示すような対応表とに基づいて、親トピック別に出現頻度を集計する。続いて、第１検索部１３は各親トピックの集計結果を割合に換算し、換算後の結果を興味モデルとしてユーザ端末Ｔに送信する。これにより、現在モデルがヒストグラムで現在モデル欄１１３に表示される。

モデル調整部１４は、検索画面１００上での将来モデルの変更操作に応じて、該将来モデルにおける各出現頻度を調整する手段である。モデル調整部１４は、ユーザ端末Ｔから受信した現在モデル、変更情報、及び未調整将来モデルに基づいて将来モデルの各出現頻度を調整する。調整の方法は任意に決めてよいが、ここでは二つの調整方法を説明する。

第１の方法は、他の筆者の興味モデルの推移を参照して、指定された変化に最も近い興味モデルを調整後の将来モデルとする類似興味モデル参照法である。図９を用いてこの方法を説明する。

現在モデル及び未調整将来モデルにおけるｉ番目の親トピックの出現頻度をそれぞれＴ_ｉ ^Ｃ，Ｔ_ｉ ^Ｄとすると、現在モデルはベクトルＴ^Ｃ＝｛Ｔ_０ ^Ｃ，Ｔ_１ ^Ｃ，Ｔ_２ ^Ｃ，Ｔ_３ ^Ｃ，Ｔ_４ ^Ｃ｝^ｔで表され、未調整将来モデル（希望の将来モデル）はベクトルＴ^Ｄ＝｛Ｔ_０ ^Ｄ，Ｔ_１ ^Ｄ，Ｔ_２ ^Ｄ，Ｔ_３ ^Ｄ，Ｔ_４ ^Ｄ｝^ｔで表される。なお、ｔは転置を表す。このとき、一部の親トピックについてのみ出現頻度が変更された場合には、モデル調整部１４は、現在興味モデルと、出現頻度が変更された親トピックにのみ注目した未調整将来モデルＴ^Ｄとに基づいてプロファイル・データベース１１を検索する。

例えば図９に示すように、３番目及び４番目の親トピックについての出現頻度のみが矢印Ａ１，Ａ２のようにユーザにより変更された場合には、モデル調整部１４は未調整将来モデルＴ^Ｄ＝｛Ｔ_０ ^Ｄ，Ｔ_１ ^Ｄ，Ｔ_２ ^Ｄ，Ｔ_３ ^Ｄ，Ｔ_４ ^Ｄ｝^ｔをＴ^Ｄ＝｛＊，＊，Ｔ_２ ^Ｄ，Ｔ_３ ^Ｄ，＊｝^ｔと置き換える。ここで、「＊」はワイルドカードである。そして、モデル調整部１４は、任意の期間（他の探索時期）における第１の興味モデルが現在モデルと同一又は類似し、且つ、該期間よりも後の期間（一の探索時期）における第２の興味モデルＴ^Ｆが置換後の未調整将来モデルと同一又は類似する筆者を特定する。ただし、Ｔ^Ｆ＝｛Ｔ_０ ^Ｆ，Ｔ_１ ^Ｆ，Ｔ_２ ^Ｆ，Ｔ_３ ^Ｆ，Ｔ_４ ^Ｆ｝^ｔである。ここで、同一性及び類似性を判定する際には、モデル調整部１４は下記第２検索部１５と同様にマンハッタン距離という概念を利用する。

置換後の未調整将来モデルと同一又は類似する第２の興味モデルＴ^Ｆを検索する際には、モデル調整部１４は変更された出現頻度についてのみ（上記の例ではＴ_２ ^Ｄ，Ｔ_３ ^Ｄについてのみ）マンハッタン距離を求める。なお、各モデルにおける出現頻度の総和は一定である必要があり、これは下記式（１）のように表される。

そして、モデル調整部１４は最も類似する筆者の第２の興味モデルＴ^Ｆを将来モデルとしてユーザ端末Ｔに送信する。したがって、検索画面１００では、現在モデルＴ^Ｃ＝｛Ｔ_０ ^Ｃ，Ｔ_１ ^Ｃ，Ｔ_２ ^Ｃ，Ｔ_３ ^Ｃ，Ｔ_４ ^Ｃ｝^ｔが将来モデルＴ^Ｆ＝｛Ｔ_０ ^Ｆ，Ｔ_１ ^Ｆ，Ｔ_２ ^Ｆ（≒Ｔ_２ ^Ｄ），Ｔ_３ ^Ｆ（≒Ｔ_３ ^Ｄ），Ｔ_４ ^Ｆ｝^ｔへと推移するように表示される。

このような第１の方法において、モデル調整部１４は、最も類似する興味モデルＴ^Ｆ以外を将来モデルとして設定してもよい。例えば、モデル調整部１４はマンハッタン距離が小さい順に抽出した所定数の興味モデルの平均を将来モデルとしてユーザ端末Ｔに送信してもよい。また、モデル調整部１４は、マンハッタン距離が所定値以下となる興味モデルの平均を将来モデルとしてユーザ端末Ｔに送信してもよい。

第２の方法は、親トピック間の関連性を考慮して将来モデルの各出現頻度を調整するトピック伝播法である。ＬＤＡにより各単語がトピックと対応付けられる際には、一つの単語が複数のトピックに所属する場合がある。このような単語の重複の頻度によりトピック間に関連が生まれ、したがって、親トピック間にも関連が生まれる。トピック伝播法では、親トピックそれぞれの間の関連の強さを示す重みを利用する。図１０を用いてこの方法を説明する。

図１０に示すように、５個の親トピックをノードｎ０〜ｎ４で表し、二つのトピック間の重みをｗ_ｉｊ（ｉ，ｊは互いに隣接するノードの番号）で表すものとする。なお、重みｗは予め検索サーバ１０内の所定の記憶手段に格納されており、モデル調整部１４により参照されるものとする。

これを前提として、例えば、ノードｎ２に対応する出現頻度がユーザ操作によりｖだけ変更されたとする。ノードｎ２に関連する重みはｗ_０２，ｗ_１２，ｗ_２３，ｗ_２４であるから、ノードｎ２の出現頻度を変えるためには、これらの重みを考慮して、他ノードｎ０，ｎ１，ｎ３，ｎ４との間で移動させる出現頻度の量を決めればよい。ｗ_Ｔ＝ｗ_０２＋ｗ_１２＋ｗ_２３＋ｗ_２４とすると、モデル調整部１４は他ノードとノードｎ２との間の移動量を以下のように決定する。
・ノードｎ０との間では、ｖ（ｗ_０２／ｗ_Ｔ）
・ノードｎ１との間では、ｖ（ｗ_１２／ｗ_Ｔ）
・ノードｎ３との間では、ｖ（ｗ_２３／ｗ_Ｔ）
・ノードｎ４との間では、ｖ（ｗ_２４／ｗ_Ｔ）

ただし、ｖ＞０、すなわちノードｎ２について出現頻度を増やした場合には、上記計算により出現頻度が負になる他ノードが現れることがある。その場合には、モデル調整部１４は該他ノードについての出現頻度が０に戻るまでノードｎ２から該他ノードに出現頻度を戻す。そして、モデル調整部１４は、ノードｎ２にとって不足分の量ｖ´を他ノード（出現頻度が０に戻されたノードは除く）から移す処理を上記と同様に実行する。なお、ユーザ操作により複数のトピックの出現頻度が変更された場合には、モデル調整部１４は各ノード（各トピック）の変更量ｖ_ｋ（ｋはノード番号）について上記の調整を行えばよい。モデル調整部１４は調整後の将来モデルをユーザ端末Ｔに送信する。これにより、検索画面１００に調整後の将来モデルが表示される。

図２に戻って、第２検索部１５は、検索画面１００の入力領域１１０で指定された検索条件（以下では「第２の検索条件」ともいう）に対応する筆者を検索する手段である。第２検索部１５は受信部１５ａ、抽出部（検索手段）１５ｂ、及び送信部（出力手段）１５ｃを備えている。

受信部１５ａは、ユーザ端末Ｔから検索条件を受信する手段である。検索画面１００上の検索ボタン１１５が端末ユーザによりクリックされると、ユーザ端末Ｔが検索条件を検索サーバ１０に送信し、受信部１５ａが該検索条件を受信する。受信部１５ａは受信した検索条件を抽出部１５ｂに出力する。

この検索条件（第２の検索条件）には、端末ユーザのユーザＩＤ、基準ユーザのユーザＩＤ、収集期間、該収集期間に対応する現在モデル、及び将来モデルが含まれている。収集期間に対応する現在モデルは、第１の指定時期（収集期間）における親トピック別の第１の出現頻度に相当する。また、将来モデルは、第２の指定時期（将来のある時点又は期間）における親トピック別の第２の出現頻度に相当する。本実施形態では５個の親トピックが指定トピックとして扱われている。

抽出部１５ｂは、プロファイル・データベース１１内のプロファイル・データに基づいて、入力された検索条件に対応する筆者を抽出する手段である。抽出部１５ｂは、端末ユーザ及び基準ユーザとは異なるユーザを検索対象の筆者として設定する。すなわち、抽出部１５ｂは入力された二つのユーザＩＤのいずれとも異なる筆者ＩＤを持つプロファイル・データに対して検索処理を実行する。したがって、検索対象を特定する識別子は筆者ＩＤである。

抽出部１５ｂは、検索対象の各筆者について次のような検索処理を実行する。すなわち、抽出部１５ｂは入力された収集期間に対応する任意の期間（以下では「開始期間」ともいう。第１の検索対象時期に相当する）に対応するプロファイル・データをプロファイル・データベース１１から読み出す。ここで、開始期間と収集期間とでは、期間の始点及び終点は互いに異なるが、期間の長さは同じである。ただし、厳密な長さは異なっていてもよい。例えば、収集期間が直近の１ヶ月であってそれが４月１日〜４月３０日の３０日間である場合に、開始期間が３月１日〜３月３１日の３１日間であったり２月１日〜２月２８日の２８日間であったりしてもよい。

続いて、抽出部１５ｂは読み出した１以上のプロファイル・データで示される出現頻度を親トピック別に集計することで、開始期間における興味モデルを生成する。続いて、抽出部１５ｂは生成された興味モデルが現在モデルと同一又は類似するか否かを判定する。

抽出部１５ｂは、興味モデルの同一性及び類似性を判定する際に、下記式（１）で示されるマンハッタン距離ｄ_１（ｘ，ｙ）を用いる。

ここで、左辺のｘは検索条件として設定された興味モデルのベクトル、左辺のｙは検索対象の筆者についての興味モデルのベクトルである。また、ｎは親トピックの個数であり、本実施形態ではｎ＝５である。右辺のｘ_ｋは検索条件として設定された興味モデルにおける親トピックｋの出現頻度（比率）であり、右辺のｙ_ｋは検索対象の筆者についての興味モデルにおける親トピックｋの出現頻度（比率）である。ベクトルｘ，ｙはそれぞれ、ｘ＝｛ｘ_１，ｘ_２，ｘ_３，ｘ_４，ｘ_５｝、ｙ＝｛ｙ_１，ｙ_２，ｙ_３，ｙ_４，ｙ_５｝と表される。

抽出部１５ｂは、上記マンハッタン距離が所定の閾値以下である場合に、開始期間における興味モデルが現在モデルと同一又は類似すると判定する。なお、閾値の決定方法は任意である。マンハッタン距離が０であれば、現在モデルと同一の興味モデルが得られたことになる。

また、抽出部１５ｂは、期間の長さが収集期間と同じであり、且つ始点が開始期間よりも後である任意の期間（以下では「終了期間」ともいう。第２の検索対象時期に相当する）に対応するプロファイル・データをプロファイル・データベース１１から読み出す。ここで、終了期間と収集期間との間における始点、終点、及び期間の長さの関係は、開始期間に関して述べたことと同様である。続いて、抽出部１５ｂは読み出した１以上のプロファイル・データで示される出現頻度を親トピック別に集計することで、終了期間における興味モデルを生成する。続いて、抽出部１５ｂは生成された興味モデルが将来モデルと同一又は類似するか否かを判定する。この判定を行う場合も、抽出部１５ｂは上記式（１）で示されるマンハッタン距離ｄ_１（ｘ，ｙ）を用いて開始期間の場合と同様に同一性及び類似性を判定する。

抽出部１５ｂは、一の筆者について開始期間及び終了期間を変えながら、これら二つの期間においてマンハッタン距離が所定の閾値以下となる興味モデルの組合せを抽出する。そして、この組合せに係る、開始期間及び終了期間に対応する二つの興味モデルを、それぞれ変化前モデル及び変化後モデルとして保持する。また、抽出部１５ｂは変化前後の興味モデルに対応する開始期間及び終了期間も保持する。なお、検索条件と同一又は類似する変化前及び変化後の興味モデルの組合せが複数得られた場合には、抽出部１５ｂは任意の方法で一の組合せを選択すればよい。例えば、抽出部１５ｂはマンハッタン距離の和又は平均値が最小の組合せを選択してもよい。

抽出部１５ｂは、各筆者についてこのような処理を行い、入力された検索条件に合致する１以上の筆者についての筆者ＩＤ、変更前モデル、変更後モデル、並びに、これらのモデルに対応する開始期間及び終了期間を取得する。そして、抽出部１５ｂは取得したこれらのデータを検索結果として送信部１５ｃに出力する。

送信部１５ｃは、入力された検索結果を端末ユーザに提示するために、該検索結果をユーザ端末Ｔに送信する手段である。これにより、ユーザ端末Ｔに表示されている検索画面１００の表示領域１２０に変更前モデル及び変更後モデルが表示される。

次に、図１１を用いて、検索システム（特に検索サーバ１０）の動作を説明するとともに本実施形態に係る検索方法について説明する。

以下では、ユーザ端末Ｔ上に検索画面１００が表示されたことを前提として説明する（ステップＳ１１）。端末ユーザにより現在モデルを得るための第１の検索条件、すなわち基準ユーザ及び収集期間が指定されると（ステップＳ１２）、ユーザ端末Ｔが該第１の検索条件を検索サーバ１０に送信する（ステップＳ１３）。検索サーバ１０では、第１検索部１３がその検索条件に基づいてプロファイル・データベース１１からプロファイル・データを抽出し、そのプロファイル・データに基づいて現在モデルを生成する（ステップＳ１４）。そして、第１検索部１３はその現在モデルをユーザ端末Ｔに送信する（ステップＳ１５）。ユーザ端末Ｔでは、その現在モデルが検索画面１００に表示される（ステップＳ１６）。この際に、本実施形態では現在モデルと同じ値が将来モデルの初期値として設定及び表示される。

その後、端末ユーザによりその将来モデル内の出現頻度が変更されると（ステップＳ１７）、ユーザ端末Ｔがその変更を示す未調整将来モデルを検索サーバ１０に送信する（ステップＳ１８）。検索サーバ１０では、モデル調整部１４がその未調整将来モデルに対して類似興味モデル参照法やトピック伝播法などの手法を適用することでその将来モデルを調整し（ステップＳ１９）、調整された将来モデルをユーザ端末Ｔに送信する（ステップＳ２０）。ユーザ端末Ｔでは調整後の将来モデルが検索画面１００に表示される（ステップＳ２１）。ステップＳ１７〜Ｓ２１の処理は、端末ユーザの操作に応じて繰り返し実行され得る。

その後、端末ユーザが検索ボタン１１５をクリックして検索を指示すると（ステップＳ２２）、ユーザ端末Ｔが、筆者を検索するための条件、すなわち、現在及び将来の興味モデルを含む第２の検索条件を検索サーバ１０に送信する（ステップＳ２３）。

検索サーバ１０では、受信部１５ａがその検索条件を受信する。続いて、抽出部１５ｂがその検索条件に基づいてプロファイル・データベース１１からプロファイル・データを抽出し、そのプロファイル・データに基づいて筆者を検索する（ステップＳ２４、検索ステップ）。具体的には、抽出部１５ｂは、マンハッタン距離という概念を用いて、開始期間における興味モデルが現在モデル同一又は類似し、且つ終了期間における興味モデルが将来モデルと同一又は類似する筆者を抽出する。この際に抽出部１５ｂは、生成及び判定した興味モデルを変化前モデル及び変化後モデルとして保持する。そして、送信部１５ｃが抽出された筆者をその変化前後の興味モデルと共に検索結果としてユーザ端末Ｔに送信する（ステップＳ２５、送信ステップ）。ユーザ端末Ｔでは、その検索結果が検索画面１００に表示される（ステップＳ２６）。これにより、端末ユーザは検索結果を得ることができる。

次に、図１２を用いて、コンピュータを検索サーバ１０として機能させるための検索プログラムＰ１を説明する。

検索プログラムＰ１は、メインモジュールＰ１０、プロファイル記憶モジュールＰ１１、インタフェース提供モジュールＰ１２、第１検索モジュールＰ１３、モデル調整モジュールＰ１４、及び第２検索モジュールＰ１５を備えている。第２検索モジュールＰ１５は、受信モジュールＰ１５ａ、抽出モジュールＰ１５ｂ、及び送信モジュールＰ１５ｃを備えている。

メインモジュールＰ１０は、検索機能を統括的に制御する部分である。プロファイル記憶モジュールＰ１１、インタフェース提供モジュールＰ１２、第１検索モジュールＰ１３、モデル調整モジュールＰ１４、及び第２検索モジュールＰ１５を実行することにより実現される機能はそれぞれ、上記のプロファイル・データベース１１、インタフェース提供部１２、第１検索部１３、モデル調整部１４、及び第２検索部１５の機能と同様である。受信モジュールＰ１５ａ、抽出モジュールＰ１５ｂ、及び送信モジュールＰ１５ｃを実行することにより実現される機能はそれぞれ、上記の受信部１５ａ、抽出部１５ｂ、及び送信部１５ｃの機能と同様である。

検索プログラムＰ１は、例えば、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ、半導体メモリ等の有形の記録媒体に固定的に記録された上で提供される。また、検索プログラムＰ１は、搬送波に重畳されたデータ信号として通信ネットワークを介して提供されてもよい。

以上説明したように、本実施形態によれば、二つの時期における指定トピック別の出現頻度（現在及び将来の興味モデル）と同一又は類似する二つの出現頻度（変化前及び変化後の興味モデル）を有する筆者が抽出される。そして、抽出された筆者が検索結果としてユーザ端末Ｔに送信され、検索画面１００上に表示される。このように、指定されたトピックについての出現頻度の変化が検索条件と一致又は類似する筆者を抽出することで、ユーザに指定されたように興味が変化した筆者の情報をそのユーザに提示することができる。なお、筆者の興味の変化は状況変化の一種である。

（第２実施形態）
次に、図１３，１４を用いて、第２実施形態に係る検索サーバ１０Ａの機能及び構成を説明する。この検索サーバ１０Ａは、筆者検索だけでなく、検索された筆者により購入された商品や該筆者の興味モデルの変化に対応する商品の情報をユーザ端末に提供する点で、第１実施形態における検索サーバ１０と異なる。以下では、第１実施形態と同一又は同等の事項については説明を省略する。

図１３に示すように、本実施形態の検索システムは、追加のデータベースである商品データベースＰ及び購入履歴データベースＲを更に備えている。商品データベースＰは、商品を特定する商品ＩＤと、その商品の名前やカテゴリ、価格、商品画像などの任意の商品属性とを含む商品データを記憶する手段である。また、購入履歴データベースＲは、商品を購入したユーザを特定するユーザＩＤと、その商品の商品ＩＤと、購入日時とを含む購入データを記憶する手段である。商品データベースＰ及び購入履歴データベースＲの設置箇所としては、例えばオンライン・ショッピング・システム内が挙げられるが、これらのデータベースはどこに設けられてもよく、同一のシステム内に設けられる必要もない。また、図１では商品データベースＰ及び購入履歴データベースＲを一つのみ示しているが、これらのデータベースの台数も何ら限定されない。検索サーバ１０Ａは、商品データベースＰ及び購入履歴データベースＲとも通信ネットワークＮを介して通信可能である。

図１４に示すように、検索サーバ１０Ａは機能的構成要素としてプロファイル・データベース１１、インタフェース提供部１２、第１検索部１３、モデル調整部１４、及び第２検索部１５Ａを備えている。以下では、第１実施形態とは異なる第２検索部１５Ａについて説明する。

第２検索部１５Ａは、受信部１５ａ、抽出部１５ｂ、レコメンド部（検索手段）１５ｄ、及び送信部１５ｃを備えている。受信部１５ａ及び送信部１５ｃの機能は第１実施形態で説明したものと同様である。また、抽出部１５ｂは、検索結果をレコメンド部１５ｄに出力するという点では第１実施形態と異なるが、該検索結果を得る機能の詳細は第１実施形態で説明したものと同様である。したがって、以下では受信部１５ａ、抽出部１５ｂ、及び送信部１５ｃの説明を省略し、レコメンド部１５ｄについてのみ説明する。

レコメンド部１５ｄは、端末ユーザに提示するレコメンド商品（推奨商品）を抽出する手段である。ここでは、二つの抽出方法を説明する。

第１の方法は、検索された筆者に関連する商品を抽出する方法である。レコメンド部１５ｄは、入力された検索結果で示される各筆者について次の処理を実行する。

レコメンド部１５ｄは、一の筆者の変化前モデル及び変化後モデルに対応する開始期間及び終了期間を参照して、これら二つの期間の時間間隔を推移期間として取得する。なお、推移期間の始点は開始期間の始点又は終点であり、推移期間の終点は終了期間の始点又は終点である。

続いて、レコメンド部１５ｄはユーザＩＤが筆者のユーザＩＤであり、且つ購入日時がその推移期間に含まれる購入データを購入履歴データベースから読み出すことで、筆者が該推移期間に購入した商品の商品ＩＤを取得する。

このときに１以上の商品ＩＤを取得できた場合には、レコメンド部１５ｄは該商品ＩＤに対応する商品データを商品データベースＰから読み出し、商品名や価格、商品画像などを含むレコメンド情報（付加情報）を生成する。なお、この際には、レコメンド部１５ｄは商品データで示される商品のカテゴリと５個の親トピックとを比較して、いずれかの親トピックに対応するカテゴリに属する商品のみについてレコメンド情報を生成してもよい。

例えば、レコメンド部１５ｄは、変化後モデルの中で出現頻度が最も高い親トピックに対応するカテゴリに属する商品のみを抽出してもよい。また、レコメンド部１５ｄは、変化後モデルの中で出現頻度が所定値以上である親トピックに対応するカテゴリに属する商品のみを抽出してもよい。更に、レコメンド部１５ｄは、変化前モデルから変化後モデルに推移する過程で出現頻度が最も増大したトピックに対応するカテゴリに属する商品のみを抽出してもよい。トピックと商品カテゴリとの対応は任意に定めてよく、レコメンド部１５ｄはその対応を示すデータを予め内部に保持している。

このようにレコメンド情報を生成すると、レコメンド部１５ｄはそのレコメンド情報を入力された検索結果に含めて送信部１５ｃに出力する。

一方、商品ＩＤを一つも取得できなかった場合には、レコメンド部１５ｄは入力された検索結果をそのまま送信部１５ｃに出力する。

第２の方法は、変化前モデルから変化後モデルにどのように推移したかを示す推移パターンに基づいて、これらのモデルで示されるトピックに対応するカテゴリの商品を抽出する方法である。

変化前モデルから変化後モデルに達するまでに時間ｓを要するとし、変化前モデルの時点をｔ＝０、変化後モデルの時点をｔ＝ｓとする。そして、変化前及び変化後の興味モデル及びをそれぞれＫ（０）、Ｋ（ｓ）と表し、時刻ｔにおける興味モデルを示す関数Ｋ（ｔ）＝｛Ｋ_０ ^ｔ，Ｋ_１ ^ｔ，Ｋ_２ ^ｔ，Ｋ_３ ^ｔ，Ｋ_４ ^ｔ｝^Ｔと表す。なお、Ｔは転置を示す。このとき、値Ｋ（ｔ）は任意の関数ｆ（ｔ）を用いて下記式（３）のように規定することができる。
Ｋ（ｔ）＝Ｋ（０）＋（Ｋ（ｓ）−Ｋ（０））・ｆ（ｔ）

ここで、関数ｆ（ｔ）は単純な線形関数（ｔ／ｓ）であってもよいし、指数関数的あるいは対数関数的に推移する関数であってもよい。例えば、関数ｆ（ｔ）が線形関数であれば、関数Ｋ（ｔ）は「一定のスピードで増大する」推移モデル（線形モデル）を示すといえる。また、関数ｆ（ｔ）が指数関数的なものであれば、関数Ｋ（ｔ）は「当初は緩やかに増大して、その後急激に増大する」推移モデル（指数関数的モデル）を示すといえる。また、関数ｆ（ｔ）が対数関数的なものであれば、関数Ｋ（ｔ）は「当初は急激に増大して、その後緩やかに増大する」推移モデル（対数関数的モデル）を示すといえる。なお、レコメンド部１５ｄは複数の関数Ｋ（ｔ）を取得してもよい。

続いて、レコメンド部１５ｄは、取得した推移モデルに対応する商品を商品データベースＰから読み出す。ここで、この処理の前提として、商品データには、商品のカテゴリだけでなく、対応する推移モデルの種類（例えば、線形モデル、指数関数的モデル、対数関数的モデル）や、該推移モデルのどの時点（例えば前半、中盤、後半など）に商品が対応するかを示すデータも含まれているものとする。例えば、レコメンド部１５ｄは、取得した推移モデル（関数Ｋ（ｔ））毎に、該推移モデルで示される親トピックに対応するカテゴリを有し、且つその関数Ｋ（ｔ）に対応する推移モデルの種類が指定されている商品を商品データベースＰから読み出す。１以上の商品データを取得できた場合には、レコメンド部１５ｄはその商品データに基づいて各推移モデルについてのレコメンド情報（付加情報）を生成する。そして、レコメンド部１５ｄは生成したレコメンド情報を入力された検索結果に含めて送信部１５ｃに出力する。

レコメンド商品情報を含む検索結果はユーザ端末Ｔにより受信及び表示される。この際に、レコメンド商品情報をどのように表示させるかは任意に決めてよい。例えば、レコメンド商品を表示するための領域を検索画面内に設けたり、別の画面にレコメンド商品を表示させてもよい。いずれにせよ、端末ユーザは、検索された筆者の興味が変化する課程で該筆者がどのような商品を購入したかを知ることができる。

次に、図１５を用いて、コンピュータを検索サーバ１０Ａとして機能させるための検索プログラムＰ２を説明する。

検索プログラムＰ２は、第２検索モジュールＰ１５に代えて、レコメンドモジュールＰ１５ｄを含む第２検索モジュールＰ１５Ａを備える点で、第１実施形態における検索プログラムＰ１と異なる。第２検索モジュールＰ１５Ａを実行することにより実現される機能は第２検索部１５Ａの機能と同様である。レコメンドモジュールＰ１５ｄを実行することにより実現される機能は上記レコメンド部１５ｄの機能と同様である。検索プログラムＰ２も検索プログラムＰ１と同様に提供される。

本実施形態においても、第１実施形態と同様の効果を得ることができる。加えて、本実施形態では、筆者あるいは推移パターンに対応するレコメンド情報も付加情報としてユーザ端末Ｔに送信される。したがって、ユーザは、検索条件で指定したように興味モデルが変化した筆者の情報だけでなく、その筆者あるいは推移パターンに関連する情報も得ることができる。

以上、本発明をその実施形態に基づいて詳細に説明した。しかし、本発明は上記実施形態に限定されるものではない。本発明は、その要旨を逸脱しない範囲で様々な変形が可能である。

上記各実施形態では、検索条件が現在モデル及び将来モデルという二つの興味モデルを含んでいたが、検索条件に含める興味モデル（指定トピック別の出現頻度）の個数は３以上でもよい。すなわち、現在モデルと最終到達時点での将来モデルだけでなく、現在から該最終到達時点までの間に設けられた１以上の中間点での興味モデル（第３の指定時期における指定トピック別の第３の出現頻度。以下では「中間モデル」という）も検索条件に含めてよい。

上記各実施形態では、現在モデルに対応する収集期間（第１の指定時期）が所定の過去の時点から現在までの期間であり、将来モデルに対応する期間（第２の指定時期）が将来の一時点又は一期間であったが、これら指定時期は任意に設定してよい。例えば、現在から３〜２ヶ月前までの１ヶ月間を第１の指定時期とし、現在から２〜１ヶ月前までの１ヶ月間を第２の指定時期としてもよい。すなわち、検索条件として設定する指定時期がいずれも過去の時期であってもよい。これとは逆に、各指定時期がいずれも将来の時期であってもよい。また、各指定時期は、幅を持った時間でなくてもよく、ある一時点（時刻）であってもよい。これに応じて、検索結果で示される各興味モデルに対応する期間（検索対象期間）も、時間ではなくある一時点（時刻）であってもよい。

この場合、抽出部１５ｂは一の筆者について開始期間、終了期間、及びこれらの期間の間に位置する１以上の中間期間（第３の検索対象時期）を変えながら、これら複数の期間においてマンハッタン距離が所定の閾値以下となる興味モデルの組合せを抽出する。中間期間における興味モデルの同一性及び類似性の判定方法は、上述した変化前後の興味モデルに対して行われる方法と同様である。そして、抽出部１５ｂは抽出した組合せに係る、開始期間、終了期間、及び１以上の中間期間についての複数の興味モデルを、それぞれ変化前モデル、変化後モデル、及び１以上の中間結果モデルとして保持する。そして、抽出部１５ｂは検索した興味モデルをその対応期間と共に検索結果として送信部１５ｃに出力する。

例えば、現在モデル及び将来モデルに加えて、時点Ｔａ，Ｔｂ，Ｔｃ（ただし、Ｔａ＜Ｔｂ＜Ｔｃ）に対応する三つの中間モデルＭａ，Ｍｂ，Ｍｃが検索条件として抽出部１５ｂに入力されたとする。この場合には、抽出部１５ｂはこれら３モデルと同一又は類似する三つの中間結果モデルＭａ´，Ｍｂ´，Ｍｃ´を抽出する。このとき、各中間結果モデルに対応する検索対象時期がそれぞれＴａ´，Ｔｂ´，Ｔｃ´とすれば、Ｔａ´＜Ｔｂ´＜Ｔｃ´の関係が成り立つ。すなわち、検索対象となる複数の中間期間は、検索条件で指定された中間点の前後関係を維持している。

このように３以上の興味モデルを用いて検索することで、状況変化の過程を考慮した検索を行うことができるので、ユーザに指定されたように興味モデルが徐々に変化した筆者の情報をそのユーザに提示することができる。

上記各実施形態において、現在モデルから将来モデルに移るまでの期間（推移期間）を検索条件に含めてよい。この場合には、抽出部１５ｂは、開始期間から終了期間までの時間間隔が推移期間と一致することも条件に変化前後の興味モデルを抽出し、マンハッタン距離を用いて興味モデルの同一性及び類似性を判定する。これにより、指定された時間範囲内で指定されたように興味モデルが変化した筆者の情報をユーザに提示することができる。

上記各実施形態では複数のトピックを含む興味モデルを用いたが、１トピックのみの出現頻度から成るモデルを用いてもよい。この場合には、モデルの推移は、各出現頻度の比率の変化ではなく、一つの出現頻度の増加率または減少率で表される。例えば、特定の資格試験のテストの評価値（例えば点数や偏差値）に関する１トピックから成るモデルを用いてもよい。１トピックのみのモデルを扱う場合には、上述したモデル調整部１４は不要となるが、筆者検索の手法自体は上記実施形態と同様である。

上記各実施形態では検索画面１００の将来モデル欄１１４で一部の出現頻度がユーザ操作により変更されると他の出現頻度が自動的に調整されたが、このような調整機能を省略し、ユーザに調整を任せてもよい。この場合には、モデル調整部１４を省略することができる。また、現在モデル欄１１３内の出現頻度もユーザ操作により変更可能としてもよい。この場合には、モデル調整部１４は未調整現在モデルと将来モデルとに対して上記類似興味モデル参照法を適用することで現在モデルを調整してもよいし、未調整現在モデルに対して上記トピック伝播法を適用することで現在モデルを調整してもよい。上記のように中間モデルを検索条件に含める場合にも同様に、モデル調整部１４はユーザ操作に応じてその中間モデルを調整することができる。

上記各実施形態では文書の筆者を検索対象としたが、検索対象は何ら限定されない。例えば、商品やサービスなどを検索対象としてもよい。この場合には、文書データベースから収集した口コミ情報や商品レビューなどに基づいて、その検索対象に適したトピックを有するプロファイル・データを生成してもよい。これによりユーザは、例えば、最近人気が出てきた商品や、以前よりも評判が良いホテルなどを見つけることが可能になる。

上記各実施形態では、端末ユーザの目的は所望の興味変化を経験した筆者を検索することにあったが、検索の目的は任意である。これに関連して、設定するトピックも任意に設定可能である。また、トピック別の出現頻度、すなわちモデルは「興味」以外の要素を示すものであってよい。例えば、学力の推移を把握するのに適したトピックを有するプロファイル・データを用意しておき、教師が生徒に対して目標設定を指導する目的や、ある個人が自身で目標を設定する目的で上記のような検索システムを活用してもよい。

上記各実施形態では、マンハッタン距離を用いて興味モデルの同一性及び類似性を判定したが、ユークリッド距離などのような他の尺度や指標を用いてその同一性及び類似性を判定してもよい。

上記各実施形態ではプロファイル・データベース１１を検索サーバ１０，１０Ａ内に設けたが、プロファイル・データベースは検索サーバの外部や、検索サーバを含むシステムの外部に設けられていてもよい。

上記各実施形態では、ユーザ端末Ｔと検索サーバ１０，１０Ａとにより、いわゆるクライアント・サーバ型の検索システムが構築されていたが、上述した検索サーバ１０，１０Ａの機能をユーザ端末に組み込んでもよい。この場合には、ユーザ端末内で抽出された検索結果が所定のモニタ上に出力（表示）される。

１０，１０Ａ…検索サーバ（検索装置）、１１…プロファイル・データベース、１２…インタフェース提供部、１３…第１検索部、１４…モデル調整部、１５，１５Ａ…第２検索部、１５ａ…受信部、１５ｂ…抽出部（検索手段）、１５ｃ…送信部（出力手段）、１５ｄ…レコメンド部（検索手段）、Ｄ…文書データベース（所定のデータベース）、Ｐ…商品データベース（追加のデータベース）、Ｒ…購入履歴データベース（追加のデータベース）、Ｐ１，Ｐ２…検索プログラム、Ｐ１０…メインモジュール、Ｐ１１…プロファイル記憶モジュール、Ｐ１２…インタフェース提供モジュール、Ｐ１３…第１検索モジュール、Ｐ１４…モデル調整モジュール、Ｐ１５，Ｐ１５Ａ…検索モジュール、Ｐ１５ａ…受信モジュール、Ｐ１５ｂ…抽出モジュール、Ｐ１５ｃ…送信モジュール、Ｐ１５ｄ…レコメンドモジュール、Ｔ…ユーザ端末。

Claims (12)

1. 所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する前記検索対象を抽出する検索手段と、
   前記検索手段により抽出された検索対象を前記ユーザに提示するために出力する出力手段と
   を備え、
   前記検索条件が、第１の指定時期における、前記ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、
   前記検索手段が、第１の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第２の出現頻度と同一又は類似する前記検索対象を抽出する、
   検索装置。
2. 前記検索条件が、更に、前記第１の指定時期と前記第２の指定時期との間における１以上の第３の指定時期のそれぞれについての前記指定トピック別の第３の出現頻度を含み、
   前記検索手段が、前記第１の検索対象時期における前記出現頻度が前記第１の出現頻度と同一又は類似し、前記第２の検索対象時期における前記出現頻度が前記第２の出現頻度と同一又は類似し、且つ、前記１以上の第３の指定時期と時間の前後関係が対応する１以上の第３の検索対象時期のそれぞれにおいて、該第３の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が、対応する前記第３の出現頻度と同一又は類似する前記検索対象を抽出する、
   請求項１に記載の検索装置。
3. 前記検索条件が、隣接する前記指定時期間の時間間隔を更に含み、
   隣接する前記検索対象時期間の時間間隔が、対応する前記指定時期間の時間間隔と同じである、
   請求項１又は２に記載の検索装置。
4. 前記プロファイル・データで示される１以上の前記トピックが、前記所定のデータベースから抽出された前記文書に基づいて得られたトピック群から所定の不要トピックを除いた残りのトピックである、
   請求項１〜３のいずれか一項に記載の検索装置。
5. 前記指定トピックが、前記プロファイル・データで示される１以上のトピックを含む上位階層トピックである、
   請求項１〜４のいずれか一項に記載の検索装置。
6. 前記指定トピックが複数ある場合に、一の前記指定時期における、前記指定トピック別の出現頻度の総和に対する一部の前記指定トピック別の出現頻度の比率が変更されると、該指定時期における残りの前記指定トピック別の出現頻度の比率が該変更に応じて調整される、
   請求項１〜５のいずれか一項に記載の検索装置。
7. 前記一の指定時期における前記一部の指定トピック別の出現頻度が変更された場合に、該一の指定時期に対応する一の探索時期における前記プロファイル・データから得られた前記一部の指定トピック別の出現頻度が、変更された前記一部の指定トピック別の出現頻度と同一又は類似し、且つ、他の前記指定時期に対応する他の探索時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が、該他の指定時期における前記指定トピック別の出現頻度と同一又は類似する前記検索対象が抽出され、前記一の探索時期における該検索対象の前記トピック別の出現頻度に基づいて前記残りの指定トピック別の出現頻度の比率が調整され、
   前記一の探索時期と前記他の探索時期との前後関係が、前記一の指定時期と前記他の指定時期との前後関係と対応する、
   請求項６に記載の検索装置。
8. 前記語句が複数の前記トピックに重複して出現する頻度に基づいて設定される、前記指定トピックそれぞれの間の関連の強さを示す重みと、前記一部の指定トピック別の出現頻度の変更量とに基づいて、前記残りの指定トピック別の出現頻度の比率が調整される、
   請求項６に記載の検索装置。
9. 検索手段が、更に、前記抽出された検索対象に対応する付加情報を、又は前記第１の検索対象時期から前記第２の検索対象時期までの間における該検索対象の前記指定トピック別の出現頻度に対応する付加情報を、追加のデータベースから抽出し、
   前記出力手段が、更に、前記検索手段により抽出された付加情報を前記ユーザに提示するために出力する、
   請求項１〜８のいずれか一項に記載の検索装置。
10. 検索装置により実行される検索方法であって、
    所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する前記検索対象を抽出する検索ステップと、
    前記検索ステップにおいて抽出された検索対象を前記ユーザに提示するために出力する出力ステップと
    を含み、
    前記検索条件が、第１の指定時期における、前記ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、
    前記検索ステップでは、第１の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第２の出現頻度と同一又は類似する前記検索対象が抽出される、
    検索方法。
11. コンピュータを、
    所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する前記検索対象を抽出する検索手段と、
    前記検索手段により抽出された検索対象を前記ユーザに提示するために出力する出力手段と
    して機能させ、
    前記検索条件が、第１の指定時期における、前記ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、
    前記検索手段が、第１の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第２の出現頻度と同一又は類似する前記検索対象を抽出する、
    検索プログラム。
12. コンピュータを、
    所定のデータベースから抽出された文書に基づいて生成されたプロファイル・データであって、検索対象を特定する識別子と、該文書の作成時刻と、該文書内の語句を１以上のトピック別に分類することで求めた該トピック別の出現頻度とを含む該プロファイル・データに基づいて、ユーザにより指定された検索条件に対応する前記検索対象を抽出する検索手段と、
    前記検索手段により抽出された検索対象を前記ユーザに提示するために出力する出力手段と
    して機能させ、
    前記検索条件が、第１の指定時期における、前記ユーザにより指定された１以上の指定トピック別の第１の出現頻度と、該第１の指定時期よりも後の第２の指定時期における該指定トピック別の第２の出現頻度とを含み、
    前記検索手段が、第１の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第１の出現頻度と同一又は類似し、且つ、該第１の検索対象時期よりも後の第２の検索対象時期における前記プロファイル・データから得られた前記指定トピック別の出現頻度が前記第２の出現頻度と同一又は類似する前記検索対象を抽出する、
    検索プログラムを記憶するコンピュータ読取可能な記録媒体。

Images