JP5227146B2 - クラスタリング結果表示装置、その方法及びプログラム - Google Patents

Description

本発明は、任意の検索語に基づき通信ネットワーク上を検索して得られた多数の文書情報をクラスタリングした結果を表示する、クラスタリング結果表示装置、その方法及びプログラムに関する。

ネット情報検索におけるクラスタリングとは、任意の検索語による検索によりヒットした文書集合から、文書の何らかの類似性によって分類された複数の部分集合（クラスタ）を構成する手法をいう。代表的なクラスタリング手法は、例えば非特許文献１等で明らかにされている。また、特許文献１にはクラスタリング処理の結果として得られた各クラスタの表示順序を、検索されたそれぞれの文書に付されたスコアに基づき再構成する発明が開示されている。

近年、Ｗｅｂ検索エンジンの検索結果である文書集合に対してクラスタリングを行った結果を、各クラスタに属する文書を代表する代表語によって提示するサービスがいくつか生まれている（例えば、非特許文献２、３）。これらのサービスにおいては、代表語を選択することによって、検索文書全体から自分が求める部分集合を効率的に取得できる。
国際公開第００／０７５８０９号パンフレット 岸田和明、"文書クラスタリングの技法：文献レビュー"、[online]、Library and Information science、No.49、2003、[平成20年9月29日検索]、インターネット<URL: http://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?file_id=20480> グループネット株式会社、"クラスタリングとは？"、[online]、2008年、グループネット株式会社、[平成20年9月29日検索]、インターネット<URL: http://www.groupnet.co.jp/products/velocity/clustering.html> Cuil、"Drilldowns"、[online]、2008年、Cuil,Inc.、[平成20年9月29日検索]、インターネット<URL: http://www.cuil.com/info/features/>

特許文献１で開示された発明や、非特許文献２、３に係る従来のサービスにおいては、個々のユーザの興味や嗜好等について加味されることなく利用者一律に結果が表示される。

図２０(a)に、検索語「ジャガー」についての検索及びクラスタリング結果の例を示す
。この例は、１００の文書からなる文書集合が、５つのクラスタに分類された場合である。従来のサービスによると、図２０(a)に示すようなクラスタリング結果が表示される際
には、図２０(b)に示すように、単にクラスタを構成する文書数の順番で並べ替えて、各
クラスタ毎に適宜抽出された代表語をそのまま当該クラスタのインデックスとして表示される。そのため、以下のような問題が生じうる。

(1)ユーザの求めるクラスタが上位に表示されない
通常、クラスタの表示順は、そのクラスタに含まれる文書数などユーザ個々の興味や嗜好等とは無関係な尺度により定められ、誰にでも同じように表示される。そのため、ユーザがマイナーな話題や専門的な話題を求めている場合、ユーザが求める話題が多く含まれるクラスタがその文書数の少なさから表示が下位になってしまい、探索に手間がかかる。また、不適当な（自らが求めるクラスタと異なる）クラスタを選択してしまうことも多くなると考えられ、そのような場合、手戻りや再入力といった余分な検索コストが発生してしまう。以上のような問題は、クラスタリングを行った結果生まれたクラスタの数が多い場合に特に顕著である。

(2)クラスタの代表語がユーザにとって未知語
各クラスタは、各クラスタに属する文書を代表する代表語をインデックスとして表示される。この代表語がユーザにとって未知語である場合、ユーザはクラスタの内容を推定できず、自らが求めるクラスタを選択することが困難となる。

本発明の目的は、クラスタリング結果の表示に際し、個々のユーザの興味や嗜好等に合ったクラスタを上位に表示し、また、クラスタのインデックスをユーザの既知の語句等で表示することが可能な、クラスタリング結果表示装置及び方法の実現にある。

本発明のクラスタリング結果表示装置は、検索部とクラスタリング部と興味情報蓄積部と演算部と可視化出力部とから構成される。

検索部は、ユーザにより入力された検索語について、任意の検索エンジンを用いて通信ネットワーク上を検索し、該当する文書集合を収集する。

クラスタリング部は、収集した文書集合について、所定の方法によりクラスタリングを行って複数のクラスタに分類するとともに、各クラスタ毎に、１以上の代表要素を抽出しクラスタ代表要素スコアを付して出力する。

興味情報蓄積部は、ユーザ又はプロファイル毎に、１以上の興味要素をその興味要素スコアとともに蓄積する。

演算部は、上記興味情報蓄積部に蓄積された上記ユーザ又は上記ユーザに対応するプロファイルの各興味要素とその興味要素スコアを参照し、当該各興味要素と上記クラスタの各代表要素とが合致した各要素の、興味要素スコアとクラスタ代表要素スコアとの積の合計を当該クラスタのクラスタスコアとして、それを各クラスタ毎に求め、そのスコアに従い各クラスタに順位を付与する。

可視化出力部は、それぞれのクラスタについて、上記代表要素スコアの最も大きい代表要素を当該クラスタのインデックスとして各クラスタの順位を可視化して出力する。

本発明のクラスタリング結果表示装置及び方法によれば、クラスタリング結果の表示に際し、個々のユーザの興味や嗜好に合ったクラスタを上位に表示し、また、クラスタのインデックスをユーザの既知の語句等で表示することができる。

〔第１実施形態〕
図１は、本発明のクラスタリング結果表示装置１０の機能構成例を示す図であり、図２はその処理フロー例である。クラスタリング結果表示装置１０は、検索部１１とクラスタリング部１２と興味情報蓄積部１３と演算部１４と可視化出力部１５とを備える。

検索部１１は、ユーザ端末１から通信ネットワーク２を介してユーザｕ（ｕはユーザ番号）により入力された検索語ｗについて、任意の検索エンジン３を用いて通信ネットワーク２を検索し、該当する文書集合Ｓを収集する（Ｓ１）。

クラスタリング部１２は、収集した文書集合Ｓについて、まず、クラスタリングを行って複数のクラスタＣ_ｎ（ｎはクラスタ番号）に分類する。そして、分類したそれぞれのクラスタＣ_ｎごとに、１以上のクラスタ代表要素Ｒ_ｎ,ｉ（ｉは代表要素番号）を抽出し、
Ｃ_ｎとＲ_ｎ,ｉを出力する（Ｓ２）。クラスタ代表要素としては、例えば代表語や代表Ｕ
ＲＬなどが考えられるが、そのクラスタの内容や特徴を表現するインデックスとなりうる要素であればいかなる要素を用いても構わない。抽出するクラスタ代表要素の個数は、代表要素という性質上、数個程度とすることが望ましい。また例えば、後述するクラスタ代表要素スコアが、任意に設定したしきい値の以上であるものを抽出することとしてもよい。

クラスタリングの手法及びクラスタ代表要素を抽出する手法は、いかなる手法を用いてもよく、例えば非特許文献１に記載されているＳＴＣ（Suffix Tree Clustering）などを用いることができる。

図３に、検索語ｗとして「ジャガー」について検索及びクラスタリングを行い、クラスタリング代表要素を抽出した例を示す。この例では、１００の文書からなる文書集合Ｓが、それぞれ文書数がＢ_ｎの５つのクラスタに分類され、例えばクラスタＣ_２については、文書数Ｂ_２が２６であり、２つのクラスタ代表要素（代表語）Ｒ_２,ｉが抽出されている
（Ｒ_２,１＝ネコ科、Ｒ_２,２＝ヒョウ）。

興味情報蓄積部１３には、ユーザ又はプロファイル毎に、１以上の興味要素Ａ_ｕ,ｊ（
ｕはユーザ番号又はユーザｕに対応するプロファイル番号、ｊは興味要素番号）を、その興味要素スコアＳＡ_ｕ,ｊとともに、予め蓄積しておく。ここで、興味要素の種別は、ク
ラスタ代表要素の種別と同じにする。例えば、代表要素を代表語とした場合には興味語とし、代表ＵＲＬとした場合は興味ＵＲＬとする。

なお、ユーザの興味要素とは、個々のユーザの趣味・嗜好等を示すキーワード等である。一方、プロファイルの興味要素とは、個々のユーザに係るものではなく、年齢層や性別や住所などの特定のプロファイルに属するユーザ群の趣味・嗜好等を示すキーワード等である。

また、興味要素スコアとは、個々のユーザ又は個々のプロファイルにおける、各興味要素の興味の度合を示すスコアであり、例えば、興味の大小をスコアの大小として表現する。

興味要素及び興味要素スコアを求める手法は、いかなる手法を用いてもよく、例えばユーザのＷｅｂ閲覧履歴に基づき、ＴＦ−ＩＤＦ法（例えば、参考文献１参照）を適用することにより求めることができる。
〔参考文献１〕徳永健伸著、「情報検索と言語処理」、言語と計算５、東京大学出版会、１９９９年１１月、ｐ．２７−３３

図４に、２ユーザ分の興味情報の例を示す。この例は興味の大小をスコアの大小として表現したものであり、スコア＝１が興味が最大、スコア＝０が興味が最小とした場合を示している。例えば、ユーザ１については、６つの興味要素（興味語）が抽出されており、４つ目の興味要素Ａ_１,４「プロレス」の興味要素スコアＳＡ_１,４は０．６、６つ目の興味要素Ａ_１,６「車」の興味要素スコアＳＡ_１,６は０．１であるため、「車」より「プロレス」に対する興味の度合が大きいことということになる。

演算部１４は、まず、興味情報蓄積部１３に蓄積されたユーザｕ又はユーザｕに対応するプロファイルの各興味要素Ａ_ｕ,ｊとその興味要素スコアＳＡ_ｕ,ｊを参照し、検索部１１で抽出したクラスタＣ_ｎの各クラスタ代表要素Ｒ_ｎ,ｉと各興味要素Ａ_ｕ,ｊとが合致している要素を抽出する。次にクラスタＣ_ｎ毎に、合致している各要素の興味要素スコアＳＡ_ｕ,ｊの合計を求め、これをユーザｕについてのクラスタＣ_ｎのクラスタスコアＳＣ_ｕ,ｎとする。そして、このように求めたクラスタスコアに従い付与した各クラスタの順位Ｐ_ｕを出力する（Ｓ４）。なお、合致する要素が全く無い場合には、例えば、クラスタ番号順やクラスタを構成する文書数順で順位を付与すればよい。

図３に示したクラスタリング結果例及び図４に示した興味情報例に基づいてユーザ１についてのクラスタ順位Ｐ_ｕを求める方法を、図５を用いて説明する。まず、検索部１１で抽出したクラスタＣ_ｎの各クラスタ代表要素Ｒ_ｎ,ｉと各興味要素Ａ_１,ｊとが合致している要素は、クラスタＣ_１については「車」、Ｃ_３については「ＭａｃＯＳ（登録商標）
Ｘ」と「ジョブズ」、Ｃ_４については「プロレス」であることから、これらの要素を抽出する。次にクラスタＣ_ｎ毎の当該合致している各要素の興味要素スコアＳＡ_１,ｊの合計
は、クラスタＣ_１については０．１（車）、Ｃ_３については０．７（＝０．５（ＭａｃＯＳ Ｘ）＋０．２（ジョブズ））、Ｃ_４については０．６（プロレス）であることから、
これらをそれぞれクラスタスコアＳＣ_１,１、ＳＣ_１、３、ＳＣ_１,４とする。なお、クラスタＣ_２とＣ_５については合致している要素が無いため、ＳＣ_１、２とＳＣ_１、５は０とする。そして、図４の例は、興味の大小をスコアの大小として表現したものであることから、ＳＣ_ｕ,ｎを数値の大きいものから順位付けをすれば、各クラスタＣ_ｎに対し、興味
の度合が大きい順に順位Ｐ_ｕが付与されたことになる。図５の例では、ＳＣ_１、３＞ＳＣ_１,４＞ＳＣ_１,１＞ＳＣ_１、２＝ＳＣ_１、５であることから、この順番に各クラスタＣ_ｎに順位Ｐ_ｕを付与すればよい。なお、Ｃ_２とＣ_５のように同順位となるものについては、例えばクラスタを構成する文書数の大小関係によるなど、適宜ルールを定めて順位付けをすればよい。

最後に、可視化出力部１５は、それぞれのクラスタＣ_ｎにおけるいずれかのクラスタ代表要素Ｒ_ｎ,ｉを、当該それぞれのクラスタＣ_ｎのインデックスとして、当該クラスタＣ
_ｎについて順位Ｐ_ｕを可視化して出力する（Ｓ４）。上記の例では、クラスタ順位Ｐ_ｕはＣ_３、Ｃ_４、Ｃ_１、Ｃ_２、Ｃ_５の順となることから、例えば図６に示すように、各クラスタの代表要素番号ｉが１の代表要素をインデックスとして、それらを単純にクラスタ順位に従い、「ＭａｃＯＳ Ｘ→プロレス→車→ネコ科→Ａｔａｒｉ（登録商標）」と並べる
ことでクラスタの順位Ｐ_ｕを可視化することができる。また、並べ方によらずタグクラウド的に、表示フォントをクラスタの順位Ｐ_ｕに応じて相違させることで可視化してもよい。図７は、従来のようにクラスタに含まれる文書数が多い順に各クラスタのインデックスを並べつつ、本発明の方法により求めたクラスタの順位Ｐ_ｕをフォントの大小によって可視化した例である。

クラスタリング結果の表示に際し、従来のようにクラスタに含まれる文書数が多い順に順位付けした場合には、クラスタの順位Ｐ_ｕはＣ_１、Ｃ_２、Ｃ_３、Ｃ_４、Ｃ_５の順となるのに対し、本発明のクラスタリング結果表示装置及び方法によれば、ユーザの趣味・嗜好が加味され、クラスタの順位Ｐ_ｕはＣ_３、Ｃ_４、Ｃ_１、Ｃ_２、Ｃ_５の順となる。そのため、ユーザがマイナーな話題や専門的な話題を求めている場合にも、個々のユーザの興味や嗜好に合ったクラスタが上位に表示されやすくなり、探索がしやすくなる。また、自らが求めるクラスタと異なるクラスタを選択することによる手戻りや再入力等の不要行為の抑制効果も期待できる。

また、派生的な効果として、興味情報蓄積部１３にプロファイル興味要素を蓄積した場合には、ユーザに対してプロファイル横断的な情報を加工して提供することができる。例えば、ある興味語について男女別に興味語スコアが得られていた場合、男女のスコアを正規化してそれぞれの割合を求めることで、図８(a)に示すようにその興味語に対する男女
の興味の度合の相違を提示することができる。また、年齢層別に興味語スコアが得られていた場合には、年齢層ごとにスコアを正規化してそれぞれの割合を求めることで、図８(b)に示すようにその興味語に対する各年齢層の興味の度合の相違を提示することができる
。このような参考情報をユーザに提供することで、ユーザが検索を行う際の利便性を向上することができる。

〔第２実施形態〕
第１実施形態では、各クラスタに該当する興味要素スコアのみにより各クラスタのクラスタスコアを求めて各クラスタに順位を付与した。これに対し、第２実施形態では、更にクラスタ代表要素スコアを加味してクラスタスコアを求め、そのスコアに従い各クラスタに順位を付与する。

第１実施形態の方法により決定したクラスタの順位には、各クラスタに該当する興味要素スコアの大小がそのまま反映されるが、たとえ興味要素スコアが大きくても、そのクラスタを構成する文書集合において、その興味要素スコアに対応するクラスタ代表要素が含有されている度合が小さい場合には、ユーザが求める話題がそのクラスタに存在する可能性は低くなる。そのため、上位に表示されたクラスタであってもユーザが求める話題の絶対量が少なくなってしまい、探索の効率化等の効果が十分に得られない場合がある。そこで、クラスタスコアの決定に、クラスタを構成する文書集合におけるクラスタ代表要素の含有度合を示すクラスタ代表要素スコアを加味することで、ユーザが求める話題の絶対量が多いクラスタが上位に表示されやすくする。

図９に第２実施形態のクラスタリング結果表示装置２０の機能構成例を示す。また、図１０はその処理フロー例である。クラスタリング結果表示装置２０は、検索部１１とクラスタリング部２２と興味情報蓄積部１３と演算部２４と可視化出力部１５とから構成される。つまり、第１実施形態のクラスタリング結果表示装置１０のクラスタリング部１２がクラスタリング部２２に、演算部１４が演算部２４に置き換わった構成であるため、ここではその差分に重点を置いて説明する。

クラスタリング部２２は、クラスタリング部１２と同様な処理により分類した各クラスタＣ_ｎごとに、１以上のクラスタ代表要素Ｒ_ｎ,ｉを抽出するとともに、各クラスタ代表
要素ごとにクラスタ代表要素スコアＳＲ_ｎ,ｉを付与し、Ｃ_ｎとＲ_ｎ,ｉとＳＲ_ｎ,ｉとを
出力する（Ｓ５）。

クラスタ代表要素スコアＳＲ_ｎ,ｉは上記のとおり、クラスタＣ_ｎを構成する文書集合
におけるクラスタ代表要素Ｒ_ｎ,ｉの含有度合を示す値であるが、このような性質を満た
すものであれば、いかなる手法を用いて求めても構わない。例えば、クラスタリング手法と同様、ＳＴＣを用いて求めてもよいし、単純に、あるクラスタ代表要素がそのクラスタを構成する複数の文書のうち、どの程度の数の文書に含まれるかという比率によって求めてもよい。

図１１に、図３で示したクラスタリング結果例における各クラスタ代表要素Ｒ_ｎ,ｉに
、「要素の含まれる文書数÷クラスタ全文書数」により求めたクラスタ代表要素スコアＳＲ_ｎ,ｉをそれぞれ付与した例を示す。例えば、クラスタ２については、クラスタ代表要
素（代表語）Ｒ_２,１「ネコ科」のクラスタ代表要素スコアＳＲ_２,１は１．０であることから、この場合、「ネコ科」という語句はクラスタ２の全文書に含まれていることになる。また、Ｒ_２,２「ヒョウ」のクラスタ代表要素スコアＳＲ_２,２は０．６であることから、「ヒョウ」という語句はクラスタ２の全文書の６割に含まれていることになる。

演算部２４は、まず演算部１４での処理と同様に、クラスタＣ_ｎの各クラスタ代表要素Ｒ_ｎ,ｉとユーザｕの各興味要素Ａ_ｕ,ｊとが合致している要素を抽出する。次に合致している各要素のクラスタ代表要素スコアＳＲ_ｎ,ｉと興味要素スコアＡ_ｕ,ｊとを乗算して各要素の代表要素スコアＳＡＲ_{ｕ,ｊ,ｎ,ｉ}を求める。そして、その合計をユーザｕについ
てのクラスタＣ_ｎのクラスタスコアＳＣ_ｕ,ｎとし、このように求めたクラスタスコアに
従い各クラスタに順位Ｐ_ｕを付与し、順位Ｐ_ｕを出力する（Ｓ６）。

図１１に示したクラスタリング結果例及び図４に示した興味情報例に基づいてユーザ１についてのクラスタ順位Ｐ_１を求める方法を、図１２を用いて説明する。まず、検索部１１で抽出したクラスタＣ_ｎの各クラスタ代表要素Ｒ_ｎ,ｉと各興味要素Ａ_１,ｊとが合致している要素は、クラスタＣ_１については車、Ｃ_３についてはＭａｃＯＳ Ｘとジョブズ、
Ｃ_４についてはプロレスであることから、これらを抽出する。次に合致している各要素のクラスタ代表要素スコアＳＲ_ｎ,ｉと興味要素スコアＳＡ_ｕ,ｊとを乗算し、代表要素スコアＳＡＲ_{ｕ,ｊ,ｎ,ｉ}を求める。具体的には、「車」については０．１（＝１．０×０．
１）、「ＭａｃＯＳ Ｘ」については０．５（＝１．０×０．５）、「ジョブズ」につい
ては０．０８（＝０．４×０．２）、「プロレス」については０．６（＝１．０×０．６）となる。そして、クラスタＣ_ｎ毎に代表要素スコアの合計を求める。具体的には、クラスタＣ_１については０．１（車）、Ｃ_３については０．５８（＝０．５（ＭａｃＯＳ Ｘ
）＋０．０８（ジョブズ））、Ｃ_４については０．６（プロレス）であることから、これらをそれぞれクラスタスコアＳＣ_１,１、ＳＣ_１、３、ＳＣ_１,４とする。なお、クラスタＣ_２とＣ_５については合致している要素が無く、代表要素スコアは共に０であるため、ＳＣ_１、２とＳＣ_１、５も共に０となる。その結果、ＳＣ_１、４＞ＳＣ_１,３＞ＳＣ_１,１＞ＳＣ_１、２＝ＳＣ_１、５であることから、この順番に各クラスタＣ_ｎに順位Ｐ_１を付与すればよい。

以上のように、クラスタ代表要素スコアを加味して求めたクラスタスコアによりクラスタの順位を付与することで、そのクラスタを構成する文書集合における当該要素の含有度合がクラスタへの順位の付与に際して考慮されるため、ユーザが求める話題の絶対量が多いクラスタが上位に表示されやすくすることができる。

〔第３実施形態〕
第２実施形態は、クラスタスコアを求めるのにあたり、各クラスタに該当する興味要素スコアに加え、各クラスタ代表要素のスコアを加味することにより、ユーザが求める話題の絶対量が多いクラスタが上位に表示されやすくするものである。第３実施形態は、各クラスタスコアに対して、更に各クラスタに含まれる文書数に応じて重み付けをして、その重み付け後のスコアによりクラスタの順位を決定するものである。

第２実施形態の方法に求めたクラスタスコアは、ユーザが求める話題の絶対量の大小が反映されやすくなるよう、各クラスタ内で値の調整を図ったものである。しかし、各クラスタを構成する文書数はそれぞれ異なっているため、より適切にユーザが求める話題の絶対量の大小がより反映された形でクラスタの順位付けをするには、各クラスタの文書数についても加味することが望ましい。そこで、第３実施形態では、上記各実施形態の方法により求めたクラスタスコアに対して、更にそのクラスタに含まれる文書数に応じて重み付けをして、重み付けしたスコアにより順位付けする。このように順位付けすることで、ユーザが求める話題の絶対量が多いクラスタを上位に、より表示されやすくすることができる。

図１３に第３実施形態のクラスタリング結果表示装置３０の機能構成例を示す。また、図１４はその処理フロー例である。クラスタリング結果表示装置３０は、検索部１１とクラスタリング部３２と興味情報蓄積部１３と演算部３４と可視化出力部１５とから構成される。つまり、上記各実施形態のクラスタリング結果表示装置との相違部分は、クラスタリング部３２と演算部３４であることから、ここではその差分に重点を置いて説明する。なお、ここでは第２実施形態を基礎として説明する。

クラスタリング部３２は、クラスタリング部２２と同様な処理により得られた、クラスタＣ_ｎ、クラスタ代表要素Ｒ_ｎ,ｉ、クラスタ代表要素スコアＳＲ_ｎ,ｉとともに、各クラスタの文書数Ｂ_ｎを出力する（Ｓ７）。

演算部３４は、演算部２４と同様な処理により得られた、ユーザｕの各クラスタＣ_ｎのクラスタスコアＳＣ_ｕ,ｎに、各クラスタの文書数Ｂ_ｎをそれぞれ乗算し、その結果得ら
れた各スコアＳＢＣ_ｕ,ｎに従い各クラスタに順位Ｐ_ｕを付与し、順位Ｐ_ｕを出力する（
Ｓ８）。

図１１に示したクラスタリング結果例及び図４に示した興味情報例に基づき、ユーザ１についてのクラスタ順位Ｐ_１を求める方法を、図１５を用いて説明する。演算部２４と同様な処理の結果、ユーザ１の各クラスタスコアＳＣ_１,ｎは、ＳＣ_１,１＝０．１、ＳＣ_１,２＝０、ＳＣ_１,３＝０．５８、ＳＣ_１,４＝０．６、ＳＣ_１,５＝０となる。これらにそれぞれ、各クラスタＣ_ｎの文書数Ｂ_ｎをそれぞれ乗算してＳＢＣ_１,ｎを求めると、ＳＢ
Ｃ_１,１＝４（＝０．１×４０）、ＳＢＣ_１,２＝０、ＳＢＣ_１,３＝１２．１８（＝０．
５８×２１）、ＳＢＣ_１,４＝６（＝０．６×１０）、ＳＢＣ_１,５＝０となる。その結果、ＳＢＣ_１、３＞ＳＢＣ_１,４＞ＳＢＣ_１,１＞ＳＢＣ_１、２＝ＳＢＣ_１、５となることから、この順番に各クラスタＣ_ｎに順位Ｐ_１を付与すればよい。

以上のように、各クラスタスコアについて、更に各クラスタに含まれる文書数に応じて重み付けをして、重み付けしたスコアにより順位付けすることにより、ユーザが求める話題の絶対量が多いクラスタを上位に、より表示されやすくすることができる。

〔第４実施形態〕
各クラスタは、それぞれのクラスタにおける、クラスタ代表要素のいずれかをインデックスとして表示される。しかし、クラスタ代表要素がユーザにとって未知の語句等であった場合、ユーザはクラスタの内容を推定できず、求めるクラスタを選択することが困難となる。そこで第４実施形態は、第２実施形態における処理の際にそれぞれのクラスタごとに得られた各クラスタ代表要素の中で、代表要素スコアが最も大きいクラスタ代表要素を当該クラスタのインデックスとする構成である。

代表要素スコアＳＡＲ_{ｕ,ｊ,ｎ,ｉ}は、ユーザｕの興味要素スコアＡ_ｕ,ｊとクラスタＣ_ｎのクラスタ代表要素スコアＳＲ_ｎ,ｉとを乗算することで得られる値であり、ユーザの
趣味・嗜好が反映された値であるとともに、クラスタを構成する文書集合におけるクラスタ代表要素Ｒ_ｎ,ｉの含有度合が反映された値であると言える。そのため、代表要素スコ
アが最も大きいクラスタ代表要素をインデックスとすることで、インデックスがユーザにとって既知の語句等で表示されるとともに、そのクラスタの内容がインデックスに適切に反映され、探索の効率化を図ることができる。

図１６に第４実施形態のクラスタリング結果表示装置４０の機能構成例を示す。また、図１７はその処理フロー例である。クラスタリング結果表示装置４０は、第２実施形態のクラスタリング結果表示装置２０を基礎とした構成例であり、検索部１１とクラスタリング部２２と興味情報蓄積部１３と演算部４４と可視化出力部４５とから構成される。つまり、第２実施形態の構成とは演算部４４と可視化出力部４５とが異なる。なお、クラスタリング結果表示装置４０に、第３実施形態の構成を組み込むことも可能である。

演算部４４は、演算部２４と同様な処理により得られた各クラスタの順位Ｐ_ｕを出力するとともに、代表要素スコアＳＡＲ_{ｕ,ｊ,ｎ,ｉ}を出力する（Ｓ９）。

可視化出力部４５は、それぞれのクラスタＣ_ｎごとに得られた各クラスタ代表要素Ｒ_ｎ,ｉの中で、代表要素スコアＳＡＲ_{ｕ,ｊ,ｎ,ｉ}が最大のクラスタ代表要素Ｒ_ｎ,ｉを当該
クラスタのインデックスとして、各クラスタの順位Ｐ_ｕを可視化して出力する（Ｓ１０）。

図１１に示したクラスタリング結果例及び図４に示した興味情報例に基づいて、第２実施形態と同様な方法により、ユーザ２についてのクラスタ毎の、合致要素、代表要素スコア、クラスタスコア、クラスタ順位を求めた結果を図１８に示す。ここで、クラスタスコアが０のクラスタは文書数の多いものを上位にして順位付けしている。これに基づき、単純に各クラスタの代表要素番号ｉが１のクラスタ代表要素をインデックスとして結果を表示すると、図１９(a)に示すように「Ａｔａｒｉ→車→ネコ科→ＭａｃＯＳ Ｘ→プロレス」という表示順となる。これに対し、代表要素スコアが最大のクラスタ代表要素をインデックスとして結果を表示すると、図１９(b)に示すように「ゲーム機→ジャガーＸＪ→ネ
コ科→ＭａｃＯＳ Ｘ→プロレス」というように表示される。このように、第４実施形態
の方法によれば、ユーザ２の興味語に無い「Ａｔａｒｉ」の代わりに興味語にある「ゲーム機」が表示され、興味語にあるが興味要素スコアが相対的に低い「車」の代わりに興味要素スコアが相対的に高い「ジャガーＸＪ」が表示される。

以上のように、代表要素スコアが最も大きいクラスタ代表要素をインデックスとすることで、インデックスがユーザにとって既知の語句等で表示されるとともに、そのクラスタの内容がインデックスに適切に表現され、探索の効率化を図ることができる。

本発明のクラスタリング結果表示装置及び方法は、上記の実施形態に限定されるものではなく、本発明を逸脱しない範囲で適宜変更が可能である。また、上記説明した各処理は記載の順に従った時系列において実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

また、本発明のクラスタリング結果表示装置及び方法の処理機能をコンピュータによって実現する場合、当該クラスタリング結果表示装置及び方法が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより当該クラスタリング結果表示装置及び方法における処理機能がコンピュータ上で実現される。なお、処理内容の一部をハードウェア的に実現しても構わない。

第１実施形態のクラスタリング結果表示装置の構成例を示す図。 第１実施形態のクラスタリング結果表示装置の処理フロー例を示す図。 第１実施形態のクラスタリング結果表示装置におけるクラスタリング結果の例を示す図（ＭａｃＯＳ、アップル、Ａｔａｒｉは登録商標）。 ユーザ興味情報の一例を示す図（ＭａｃＢｏｏｋは登録商標）。 第１実施形態のクラスタリング結果表示装置によりユーザ１のクラスタ順位を求める演算イメージを示す図。 第１実施形態のクラスタリング結果表示装置によるクラスタリング結果表示イメージを示す図。 第１実施形態のクラスタリング結果表示装置による別のクラスタリング結果表示イメージを示す図。 興味情報蓄積部に蓄積されたユーザプロファイルに基づき加工した情報の提供イメージを示す図。 第２実施形態のクラスタリング結果表示装置の構成例を示す図。 第２実施形態のクラスタリング結果表示装置の処理フロー例を示す図。 第２実施形態のクラスタリング結果表示装置におけるクラスタリング結果の例を示す図。 第２実施形態のクラスタリング結果表示装置によりユーザ１のクラスタ順位を求める演算イメージを示す図。 第３実施形態のクラスタリング結果表示装置の構成例を示す図。 第３実施形態のクラスタリング結果表示装置の処理フロー例を示す図。 第３実施形態のクラスタリング結果表示装置によりユーザ１のクラスタ順位を求める演算イメージを示す図。 第４実施形態のクラスタリング結果表示装置の構成例を示す図。 第４実施形態のクラスタリング結果表示装置の処理フロー例を示す図。 第４実施形態のクラスタリング結果表示装置によりユーザ２のクラスタ順位及び表示インデックスを求める演算イメージを示す図。 第２実施形態のクラスタリング結果表示装置によるクラスタリング結果表示と第４実施形態のクラスタリング結果表示装置によるクラスタリング結果表示の相違を示す図。 従来技術によるクラスタリング結果表示イメージを示す図。

１ ユーザ端末 ２ 通信ネットワーク ３ 検索エンジン
１０、２０、３０、４０ クラスタリング結果表示装置
１１ 検索部 １２、２２、３２ クラスタリング部
１３ 興味情報蓄積部 １４、２４、３４、４４ 演算部
１５、４５ 可視化出力部

Claims (13)

1. ユーザにより入力された検索語について、任意の検索エンジンを用いて通信ネットワーク上を検索し、該当する文書集合を収集する検索部と、
   上記文書集合について、所定の方法によりクラスタリングを行って複数のクラスタに分類するとともに、各クラスタ毎に１以上のクラスタ代表要素を抽出し、上記各クラスタ代表要素にそれぞれ上記各クラスタ代表要素の文書集合における含有度合を示す値であるクラスタ代表要素スコアを付して出力するクラスタリング部と、
   ユーザ又はプロファイル毎に、１以上の興味要素がその興味要素スコアとともに蓄積された興味情報蓄積部と、
   上記興味情報蓄積部に蓄積された上記ユーザ又は上記ユーザに対応するプロファイルの各興味要素とその興味要素スコアを参照し、当該各興味要素と上記クラスタの各クラスタ代表要素とが合致した各要素の興味要素スコアに、上記各要素のクラスタ代表要素スコアをそれぞれ乗算して当該各要素の代表要素スコアを求め、その合計を当該クラスタのクラスタスコアとして、それを各クラスタ毎に求め、そのスコアに従い付与した各クラスタの順位と、上記代表要素スコアとを出力する演算部と、
   それぞれのクラスタについて、上記代表要素スコアの最も大きいクラスタ代表要素を当該それぞれのクラスタのインデックスとして、各クラスタについて上記順位を可視化して出力する可視化出力部と、
   を備えるクラスタリング結果表示装置。
2. 請求項１に記載のクラスタリング結果表示装置において、
   上記クラスタリング部は、更に各クラスタを構成する文書数を出力し、
   上記演算部は、各クラスタ毎に求めた上記クラスタスコアに、更に各クラスタを構成する文書数をそれぞれ乗算して得られたスコアに従い、各クラスタに順位を付与することを特徴とするクラスタリング結果表示装置。
3. 請求項１または２に記載のクラスタリング結果表示装置において、
   上記可視化出力部は、上記順位に従って各クラスタを整列することにより上記順位を可視化することを特徴とするクラスタリング結果表示装置。
4. 請求項１または２に記載のクラスタリング結果表示装置において、
   上記可視化出力部は、各クラスタのインデックスを表示するフォントを上記順位に応じて相違させることにより上記順位を可視化することを特徴とするクラスタリング結果表示装置。
5. 請求項１乃至４のいずれかに記載のクラスタリング結果表示装置において、
   上記クラスタ代表要素は代表語であり、上記興味要素は興味語であることを特徴とする
   クラスタリング結果表示装置。
6. 請求項１乃至４のいずれかに記載のクラスタリング結果表示装置において、
   上記クラスタ代表要素は代表ＵＲＬであり、上記興味要素は興味ＵＲＬであることを特徴とするクラスタリング結果表示装置。
7. ユーザにより入力された検索語について、任意の検索エンジンを用いて通信ネットワーク上を検索し、該当する文書集合を収集する検索ステップと、
   上記文書集合について、所定の方法によりクラスタリングを行って複数のクラスタに分類するとともに、各クラスタ毎に１以上のクラスタ代表要素を抽出し、上記各クラスタ代表要素にそれぞれ上記各クラスタ代表要素の文書集合における含有度合を示す値であるクラスタ代表要素スコアを付して出力するクラスタリングステップと、
   上記クラスタの各クラスタ代表要素と上記ユーザ又は上記ユーザに対応するプロファイルの各興味要素とが合致した各要素の興味要素スコアに、上記各要素のクラスタ代表要素スコアをそれぞれ乗算して当該各要素の代表要素スコアを求め、その合計を当該クラスタのクラスタスコアとして、それを各クラスタ毎に求め、そのスコアに従い付与した各クラスタの順位と、上記代表要素スコアとを出力する演算ステップと、
   それぞれのクラスタについて、上記代表要素スコアの最も大きいクラスタ代表要素を当該それぞれのクラスタのインデックスとして、各クラスタについて上記順位を可視化して出力する可視化出力ステップと、
   を実行するクラスタリング結果表示方法。
8. 請求項７に記載のクラスタリング結果表示方法において、
   上記クラスタリングステップは、更に各クラスタを構成する文書数を出力し、
   上記演算ステップは、各クラスタ毎に求めた上記クラスタスコアに、更に各クラスタを構成する文書数をそれぞれ乗算して得られたスコアに従い、各クラスタに順位を付与することを特徴とするクラスタリング結果表示方法。
9. 請求項７または８に記載のクラスタリング結果表示方法において、
   上記可視化出力ステップは、上記順位に従って各クラスタを整列することにより上記順位を可視化することを特徴とするクラスタリング結果表示方法。
10. 請求項７または８に記載のクラスタリング結果表示方法において、
    上記可視化出力ステップは、各クラスタのインデックスを表示するフォントを上記順位に応じて相違させることにより上記順位を可視化することを特徴とするクラスタリング結果表示方法。
11. 請求項７乃至１０のいずれかに記載のクラスタリング結果表示方法において、
    上記クラスタ代表要素は代表語であり、上記興味要素は興味語であることを特徴とするクラスタリング結果表示方法。
12. 請求項７乃至１０のいずれかに記載のクラスタリング結果表示方法において、
    上記クラスタ代表要素は代表ＵＲＬであり、上記興味要素は興味ＵＲＬであることを特徴とするクラスタリング結果表示方法。
13. 請求項１〜６のいずれかに記載した装置としてコンピュータを機能させるためのプログラム。