JP5243783B2 - コミュニティ・システム、コミュニティ・システムの活動記録方法、及びコミュニティ・システムの活動記録用プログラム - Google Patents

Description

この発明は、ソーシャル・ネットワーキング・サービス（ＳＮＳ）等のように、ネットワークを介して、複数のユーザが、自らのクライアント・コンピュータを用いて、サーバ・システムにログインし、サーバ上で互いにコミュニケーションを図る、オンライン・コミュニティ・システムに関するものである。

Ｗｅｂ２．０技術が浸透するにつれて、ＣＧＭ（customer generated media = カスタマが生成したメディア）あるいは、ソーシャル・ネットワーキング・サービス（ＳＮＳ）のようなオンライン・コミュニティにおいて、一般ユーザがブログ（日記）を書く、ニュースを読む、商品情報を検索する、などの様々な活動を活発に行っている。

そこで、このような活動のログから、個々のユーザがもつ興味や関心を抽出し、マーケティングなどの企業活動に活用することが検討されている。

例えば、特開２００７−２４１７５３号公報は、サーバに、個人の興味情報が概念階層化されたパーソナルオントロジの雛形である雛形オントロジを保持し、パーソナルオントロジ抽出手段は、雛形オントロジのルートクラスから、そのクラスまたはインスタンスまでの直接的な子孫クラスおよびインスタンスをパーソナルオントロジとして抽出し、意外情報抽出手段は、近似度が所定値以上のパーソナルオントロジ間において、一方のパーソナルオントロジには含まれるが他方のパーソナルオントロジには含まれないクラスまたはインスタンスを意外情報として抽出し、意外情報提示手段は、意外情報抽出手段にて抽出された意外情報をその意外情報を持たないユーザに提示するようなシステムを開示する。

本出願人に係る特願２００７−１１０５５９号明細書は、ウエブページ、ブログなどの読者が違和感をもつような広告の出現を抑制するため、記事中で言及されている企業・人物・製品等の事物のうちの該当するものに対して、「加害者」、「被害者」、「受益者」のうちのどれかの利害ラベルをシステム的に付与する技術を開示する。そして、このような利害ラベルに関連付けられた広告の出現が抑制されるように、広告選択機構が制御される。この目的で使用される広告選択機構は、記事と広告の親和性または関連性を数値として計算することでできるものであり、よって、広告の抑制は、その親和性の数値を減じることによって、達成される。なお、好適には、利害ラベルによる抑制度合いは、時間とともに次第に減衰するようになされる。この開示技術は、ウエブページにアクセスするユーザの心理状況をシステム的にモデリングする１つの試みである、ということもできる。

特に、特開２００７−２４１７５３号公報の技術は、ユーザが書いたテキスト情報から興味を抽出しており、特願２００７−１１０５５９号明細書に記載されている技術では、ユーザが読んだテキスト情報から興味を抽出している。このように、オンライン・コミュニティ上でユーザが取り得る行動または活動には様々な種類があり、このような複数の行動を統一的に取り扱う技術が要望される。

特開２００５−３２７１０５号公報は、適切なコミュニティを見出すためのコミュニティ分析装置に関する。このコミュニティ分析装置は、少なくとも送信メールの発信者を識別する発信者識別記号と送信メールの受信者を識別する受信者識別記号とを含む情報を所定のメールサーバーから取得する取得部と、取得部が取得した情報から送受信者間に共通する興味度合いを表す共通興味度を計算する共通興味度分析部と、共通興味度分析部が求めた共通興味度から電子メール利用者が形成するコミュニティを分析する分析部を有する。分析部は、興味度行列を用いてコミュニティ間の関連度を計算することで電子メール利用者が形成するコミュニティを分析する。

特開２００５−３２７１０５号公報は、行列を用いてコミュニティ間の関連度を計算するという点で、有用な技法を示唆する。しかし、送信メールからの解析という単一動作に関るものであり、依然として、複数の行動を統一的に取り扱う技術を教示するものではない。
特開２００７−２４１７５３号公報 特願２００７−１１０５５９号明細書 特開２００５−３２７１０５号公報

この発明の目的は、ＳＮＳのようなオンライン・コミュニティにおいて、ブログを書く、ニュースを読む、メッセージを読むなどの複数の行動の指標を統一的に扱うことを可能とする技術を提供することにある。

この発明の他の目的は、オンライン・コミュニティにおいて、個人、グループまたはコミュニティにおいて計算された、複数の行動の指標を、個人間、グループまたはコミュニティ間、個人とグループまたはコミュニティの間で計算し、それによって有用な結果を与えるようにすることを可能とする技術を提供することにある。

本発明は、オンライン上における単一ユーザあるいは複数ユーザの行動を、その行動に伴って用いられるテキスト情報とともに蓄積し、嗜好の抽出やマッチングに用いるものである。これによって今まで行動あるいはテキストといった１次元的な情報に射影して行っていたユーザーの行動・嗜好の分析が、行動と嗜好の２つの観点あるいはそれを統合した観点で可能となり、より情報量の多い行動・嗜好分析を行うことを可能にする。ここで言う行動とは、これには限定されないが、ブログを書く／読む、メッセージを書く／読む、ニュースを読む、掲示板に書き込みをする／読む、商品を購入する、商品説明を読む、他ユーザのプロフィールを見る、などがある。

本発明における、テキスト情報とともにユーザの行動を蓄積するために、保持されるデータ形式を、便宜上、行動マトリクスと呼ぶことにする。行動マトリクスのデータは、好適には、オンライン・コミュニティのサーバのハードディスク・ドライブなどに保持される。行動マトリクスは、ユーザーの行動と、その行動とともに用いられたテキスト中から抽出されたキーワードより構成される行列であり、各要素にはある時刻までに蓄積されたキーワードの出現頻度に基づいた値が入る。キーワード抽出の対象となる行動は、上記に例示したように複数あり、行動A={a₁,a₂,a₃...}であるとする。行動マトリクスとは、ユーザーが行った行動aに伴うテキストdから抽出されるキーワードW={w₁, w₂, w₃,...}を、行動aに対応させる形で蓄積したものである。ある行動a_jにおいて伴われるテキストd中にキーワードw_iが1回出現すると、行動マトリクスの要素ijに１（あるいはこれに重みを乗算した値）が入る。

また、この行動マトリクスは、好適には、過去の蓄積も反映する。本発明の１つの側面によれば、ある時刻T_iにおける行動マトリクスは、次の時刻T_i+1においてΔT=T_i+1-T_iの間の行動マトリクス（一時行動マトリクスと呼ぶ）を重み付けして混合する形で更新される。

行動マトリクスは一人のユーザに一つ定義される。また、複数のユーザを一つの明示的コミュニティとする場合は、その行動を蓄積することによりコミュニティの行動マトリクスとして定義する。

このようにして作成された行動マトリクスを用いることにより、テキストの行動情報を伴った分析を行うことが可能である。例としては、二人のユーザを指定してその行動マトリクスを比較することにより、そのユーザーの行動、テキスト、また両方の観点からの重複している事象を発見するなどが挙げられる。

本発明は、２つのシステムによって実現される。１つ目はユーザーの行動に伴うテキストからユーザーの一時行動マトリクスを生成し、その時点までに蓄積されている行動マトリクスと統合するシステムである。これはテキストからキーワードや嗜好情報などを抽出する言語処理部と、それらのテキストと行動から一時行動マトリクスを生成し、次に述べる行動マトリクス蓄積部に蓄積された行動マトリクスと統合する行動マトリクス生成部からなる。２つ目はそれらの行動マトリクスをユーザーごと、あるいは静的なコミュニティごとに蓄積し、分析や検索に用いるシステムである。このシステムは、行動マトリクスに対する様々な分析のためのインターフェース（ＡＰＩ）を外部アプリケーション・プログラムに提供する。

行動マトリクスの分析に必要な演算として、この行動マトリクスに特有な和・差・積と行・列の縮退が定義される。二つの行動マトリクスの和とは、それぞれの行動マトリクスを持つユーザ（あるいはコミュニティ）から、その２ユーザ（または２コミュニティ）を統合するような擬似的なユーザ（あるいはコミュニティ）の行動マトリクスを作成することに匹敵する。また、行動マトリクスの積によって、二つの行動マトリクスの行動・キーワードそして行動とキーワードがどのくらいの割合で相関を持っているかを求めることができる。また行の縮退、列の縮退はそれぞれその行動マトリクスの重み付キーワードベクトルないし重み付行動ベクトルを意味する。

この発明によれば、ＳＮＳのようなオンライン・コミュニティにおいて、複数の行動と、複数のキーワードに跨る行動マトリクスを計算して、その結果を、コンピュータの記憶装置に保存し、ユーザまたはコミュニティ間で、行動マトリクスに対して、和、差、積、縮退などの様々な解析をコンピュータの演算によって行うことにより、従来知ることができなかった、複数の行動の中に隠れた統一的なユーザやコミュニティの傾向を明るみにすることができ、この結果は、マーケティング、セキュリティ、その他の目的で有効に使うことができるので、オンライン・コミュニティの価値自体も高まるのである。

以下、図面を参照して、本発明の実施例を説明する。特に断わらない限り、同一の参照番号は、図面を通して、同一の対象を指すものとする。また、以下で説明するのは、本発明の一実施形態であり、この発明を、この実施例で説明する内容に限定する意図はないことを理解されたい。

図１において、オンライン・コミュニティ・サーバ１０２には、インターネット１０４を介して、複数のクライアント・コンピュータ１０６ａ、１０６ｂ・・・１０６ｚが接続されている。図１のシステムにおいては、クライアント・コンピュータのユーザは、Ｗｅｂブラウザを通じて、インターネット１０４の回線を介して、オンライン・コミュニティ・サーバ１０２に、ログインする。具体的には、所定のＵＲＬをＷｅｂブラウザに打ち込んで、所定のページを表示する。なお、Ｗｅｂブラウザではなく、所定のクライアント・アプリケーション・プログラムを使ってログ・インするようにしてもよい。

ログインに当たっては、クライアント・コンピュータのユーザは、与えられたユーザＩＤと、それに関連付けられたパスワードを用いる。クライアント・コンピュータのユーザは、一旦ログインすると、オンライン・コミュニティ内で、日記を書いたり、アクセスを許可されている他人の日記を閲覧してコメントを書いたり、ニュースを見たり、気の合った仲間同士でグループを作成したり、チャットしたり、趣味のコミュニティを検索したり、などの活動を行う。

次に、図２を参照して、図１で参照番号１０６ａ、１０６ｂ・・・１０６ｚのように示されているクライアント・コンピュータのハードウェア・ブロック図について、説明する。図２において、クライアント・コンピュータは、メイン・メモリ２０６、ＣＰＵ２０４、ＩＤＥコントローラ２０８をもち、これらは、バス２０２に接続されている。バス２０２には更に、ディスプレイ・コントローラ２１４と、通信インターフェース２１８と、ＵＳＢインターフェース２２０と、オーディオ・インターフェース２２２と、キーボード・マウス・コントローラ２２８が接続されている。ＩＤＥコントローラ２０８には、ハードディスク・ドライブ（ＨＤＤ）２１０と、ＤＶＤドライブ２１２が接続されている。ＤＶＤドライブ２１２は、必要に応じて、ＣＤ−ＲＯＭやＤＶＤから、プログラムを導入するために使用する。ディスプレイ・コントローラ２１４には、好適には、ＬＣＤ画面をもつディスプレイ装置２１６が接続されている。ディスプレイ装置２１６には、Ｗｅｂブラウザを通じて、オンライン・コミュニティの画面が表示される。

ＵＳＢインターフェース２２０には、必要に応じて、専用コントローラ、加速度センサ・デバイスなどのデバイスを接続をすることができる。これらのデバイスは、オンライン・コミュニティ内での操作性を向上するために使用することができる。

オーディオ・インターフェース２２２には、スピーカ２２４と、マイク２２６が接続されている。このクライアント・コンピュータに、音声合成機能を備えることにより、オンライン・コミュニティ内で、相手とのチャット内容を、スピーカ２２４から音声化して出力することができる。また、さらに、音声認識機能を備えることにより、オンライン・コミュニティ内で、ユーザがマイク２２６に向かってしゃべった内容を、音声認識機能によってテキスト化し、相手に対して、チャットの内容として送出するようにすることができる。

キーボード・マウス・コントローラ２２８には、キーボード２３０と、マウス２３２が接続されている。キーボード２３０は、典型的には、オンライン・コミュニティ内で、チャットのメッセージを書いたり、検索したいコミュニティ内容を記述したするために使用される。マウス２３２は、オンライン・コミュニティ内で、リンクをクリックしてニュースを読んだり、メニューから動作を選択し実行したり、読みたい日記を選んだりするために使用される。

ＣＰＵ２０４は、例えば、３２ビット・アーキテクチャまたは６４ビット・アーキテクチャに基づく任意のものでよく、インテル社のＰｅｎｔｉｕｍ（インテル・コーポレーションの商標）４、ＡＭＤ社のＡｔｈｌｏｎ（商標）などを使用することができる。

ハードディスク・ドライブ２１０には、少なくとも、オペレーティング・システムと、オペレーティング・システム上で動作するＷｅｂブラウザ（図示しない）が格納されており、システムの起動時に、オペレーティング・システムは、メインメモリ２０６にロードされる。オペレーティング・システムは、Ｗｉｎｄｏｗｓ ＸＰ（マイクロソフト・コーポレーションの商標）、Ｗｉｎｄｏｗｓ Ｖｉｓｔａ（マイクロソフト・コーポレーションの商標）、Ｌｉｎｕｘ（Linus Torvaldsの商標）などを使用することができる。

通信インターフェース２１８は、オペレーティング・システムが提供するＴＣＰ／ＩＰ通信機能を利用して、イーサネット（商標）・プロトコルなどにより、オンライン・コミュニティ・サーバ１０２と、通信する。

図３は、オンライン・コミュニティ・プロバイダ側のハードウェア構成の概要ブロック図である。図３に示すように、クライアント・コンピュータ１０６ａ、１０６ｂ・・・１０６ｚは、インターネット１０４を経由して、オンライン・コミュニティ・サーバ１０２の通信インターフェース３０２に接続される。通信通信インターフェース３０２はさらに、バス３０４に接続され、バス３０４には、ＣＰＵ３０６、主記憶（ＲＡＭ）３０８、及びハードディスク・ドライブ（ＨＤＤ）３１０が接続されている。

図示しないが、オンライン・コミュニティ・サーバ１０２にはさらに、キーボード、マウス、及びディスプレイが接続され、これらによって、オンライン・コミュニティ・サーバ１０２全体の管理やメンテナンス作業を行うようにしてもよい。

オンライン・コミュニティ・サーバ１０２のハードディスク・ドライブ３１０には、オペレーティング・システム、クライアント・コンピュータクライアント・コンピュータ１０６ａ、１０６ｂ・・・１０６ｚのログイン管理のための、ユーザＩＤとパスワードの対応テーブルが保存されている。ハードディスク・ドライブ３１０にはさらに、オンライン・コミュニティ・サーバ１０２をＷｅｂサーバとして機能させるためのＡｐａｃｈｅなどのソフトウェアが保存され、オンライン・コミュニティ・サーバ１０２の立ち上げ時に、主記憶３０８にロードされて、動作する。これによって、クライアント・コンピュータ１０６ａ、１０６ｂ・・・１０６ｚが、ＴＣＰ／ＩＰのプロトコルで、オンライン・コミュニティ・サーバ１０２にアクセスすることが可能となる。

オンライン・コミュニティ・サーバ１０２のハードディスク・ドライブ３１０にはさらに、このオンライン・コミュニティ・サービスの各ユーザのメッセージ、日記またはブログ、掲示板などの情報と、オンライン・コミュニティ・サービスの情報が、好適には、ＨＴＭＬファイルと、グラフィック・イメージ、動画ファイル、音楽ファイルなどのマルチメディア形式で、保存されている。

日記またはブログ、及び掲示板には、当該ユーザが書き込むことができ、他のユーザは、許された権限に応じて、ブログ、掲示板を読んだり、コメントを付けたりすることができる。

後で詳しく説明するが、ハードディスク・ドライブ３１０には、本発明に係る行動マトリクスを計算するためのモジュール、計算された行動マトリクスから、さまざまな情報を取り出すために演算を施すモジュール、などが保存されている。

ブログ、掲示板などの構成と、それらに対するユーザのアクセス制御は、Perl、Ruby、PHP、Servlet、JSPのような周知のプログラミング言語のツールで実現することができる。あるいは、C、C++、C#、Java（サン・マイクロシステムズの商標）などを用いることもできる。

さらに、ＨＴＭＬファイル中に適宜、JavaScript（商標）を埋め込んで、Perl、Ruby、PHPなどと協働するようにシステムを構成することもできる。

ブログ、掲示板、ニュースなどのコンテンツは、コンテンツ管理データベース（ＣＭＤＢ）に格納して、一元的に管理することも可能である。

尚、上記オンライン・コミュニティ・サーバ１０２として、インターナョナル・ビジネス・マシーンズ・コーポレーションから購入可能な、ＩＢＭ（インターナョナル・ビジネス・マシーンズ・コーポレーションの商標）Ｓｙｓｔｅｍ Ｘ、Ｓｙｓｔｅｍ ｉ、Ｓｙｓｔｅｍ ｐなどの機種のサーバを使うことができる。その際、使用可能なオペレーティング・システムは、ＡＩＸ（インターナョナル・ビジネス・マシーンズ・コーポレーションの商標）、ＵＮＩＸ（The Open Groupの商標）、Ｌｉｎｕｘ（商標）、Ｗｉｎｄｏｗｓ（商標）２００３ Ｓｅｒｖｅｒなどがある。

次に、図４を参照して、本発明に係る行動マトリクスの基本概念について説明する。
図４において、ユーザ４０２は、このオンライン・コミュニティ・サービスにおいて、行動４０４として示した、「メッセージを書く」４０４ａ、「掲示板に書き込む」４０４ｂ、「ブログを書く」４０４ｃ・・・「メッセージを読む」４０４ｉ、「掲示板を読む」４０４ｊ、「ブログを読む」４０４ｋ、「ニュースを読む」４０４ｌ・・などの行動（活動）をとり得るとする。このような、ユーザがオンライン・コミュニティ・サービス内でとり得る行動の種類は、オンライン・コミュニティ・サーバ１０２のプロバイダが提供する機能によって、予め決まっている。

そこで、上述した活動の各々に対して、ある一定期間に、当該ユーザ４０２が、メッセージとして読み書きしたテキスト４０６ａ、掲示板に読み書きしたテキスト４０６ｂ、ブログとして読み書きしたテキスト４０６ｃ、ニュースとして読んだテキスト４０６ｄ・・・を、テキスト情報４０６として、ハードディスク・ドライブ３１０（図３）に一旦保存する。このとき、メッセージとして読み書きしたテキスト４０６ａのように一括して呼んでいるが、読んだテキストと書いたテキストは、別個に識別可能に保存されることに留意されたい。このことは、掲示板やプログについても、同様である。そこで、特開２００１−８４２５０、特開２００２−２５１４０２、及び特開２００４−２４６４４０等から周知の構文解析技術などにより、そこに出現するキーワードや特定表現の頻度を、ハードディスク・ドライブ３１０に格納されている解析計算モジュールで計算することによって、当該ユーザ４０２に対する行動マトリクス４０８が得られる。

説明を補足すると、本発明の行動マトリクス４０８は、行をキーワード、列を行動とする。従って、一般的には、行が数千行あり、列が数十程度の、かなり縦長の行列になる。行に現れるキーワードは、テキスト情報４０６として保存された全てのテキストから構文解析により抽出されたキーワードの全てを網羅する。

すると、あるキーワードの行における、ある行動の列の成分の値は、その行動に関連するテキストに含まれる、当該キーワードの出現頻度をあらわす。

このように作成された行動マトリクスの値は、ユーザ毎に、個別のファイルとして、ハードディスク・ドライブ３１０に保存される。このとき、保存する形式は、例えば、ＣＳＶ、ＨＴＭＬ、ＸＭＬなど、行と列の値として、Ｃ、Ｃ＋＋、Ｃ＃、Ｊａｖａ（商標）、Ｐｅｒｌ、Ｒｕｂｙ、ＰＨＰなどのプログラミング・ツールによって識別可能な任意の形式でよい。

図５は、図４に説明した様式で作成した行動マトリクスのデータを格納する、行動マトリクスＤＢ５０２を示す図である。実際は、行動マトリクスＤＢ５０２は、好適には、ＣＭＤＢの形式であって、ハードディスク・ドライブ３１０に保存されている。上述のように、行動マトリクスＤＢ５０２には、各ユーザ毎の行動マトリクスのデータ５０４ａ、５０４ｂ、５０４ｃ・・・が、保存されている。

行動マトリクスＤＢ５０２にはさらに、ユーザ・コミュニティの行動マトリクスのデータ５０６ａ、５０６ｂ、５０６ｃ・・・が、保存されていてる。ユーザ・コミュニティの行動マトリクスのデータは、そのユーザ・コミュニティに所属するユーザの行動マトリクスのデータに対して、本発明の実施例で定義された演算を施すことによって計算される。この計算のアルゴリズムは、後で詳細に説明する。

さて、このように単一のユーザ各々の行動マトリクスのデータ５０４ａ、５０４ｂ、５０４ｃ・・・と、個々のユーザ・コミュニティの行動マトリクスのデータ５０６ａ、５０６ｂ、５０６ｃ・・・とが揃っていると、本発明の実施例で定義されたＡＰＩ５０８の演算を用いて、参照番号５１０で示す、あるユーザの興味の抽出、参照番号５１２で示す、あるユーザと類似した興味をもつユーザの抽出、参照番号５１４で示す、あるユーザと類似した興味をもつコミュニティの抽出、参照番号５１６で示す、あるコミュニティと類似した興味をもつコミュニティの抽出、などの処理を行うことができる。なお、本実施例で可能な処理は、図５に図示されているもので尽きる訳ではなく、これらは一例に過ぎないことを理解されたい。これらを実行する処理、あるいはここに記載する以外の処理について、後で詳細に説明する。

図６は、行動マトリクスの生成処理を、別の観点から説明するための図である。図６において、テキストデータ６０２は、ユーザが書き込み、あるいはアクセスしたコンテンツのテキスト・ファイルであり、図４にテキスト情報４０６と示されているのと同じものである。言語処理部６０４は、その処理モジュールは、ハードディスク・ドライブ３１０に保存され、必要に応じてＣＰＵ３０６によって、主記憶３０８に呼び出され実行される。

基本的に、言語依存の処理は全て、言語処理部６０４で行われる。具体的には、形態素解析、構文解析、キーワード抽出、固有名詞抽出、評判表現抽出などの処理を行う。また、言語処理部６０４は、必要に応じて、辞書や外部知識データベースを参照する。このため、ハードディスク・ドライブ３１０には、同義語辞書等の辞書（図示しない）が格納されている。外部知識データベースは、辞書と同様にハードディスク・ドライブ３１０に格納してもよいし、Ｗｅｂサービス的に、ネットワークを介して参照するようにしてもよい。

このあたりの処理は、特開２００１−８４２５０、特開２００２−２５１４０２、及び特開２００４−２４６４４０などで周知であるので、これ以上の詳しい説明を省略する。

行動マトリクス生成部６０６は、言語処理部６０４で抽出されたキーワードを、メッセージを書く、掲示板に書き込む、ブログを書く、メッセージを読む、掲示板を読む、ブログを読む、ニュースを読むなどの行動（活動）毎に整理し、重み付けし、行動マトリクスを生成する。

行動マトリクス生成部６０６は、そのようにして生成した行動マトリクスのデータを、行動マトリクスＤＢ５０２に蓄積する。行動マトリクスＤＢ５０２に格納されているデータは、図５に示すとおりである。

ＡＰＩ５０８は、行動マトリクスＤＢ５０２に蓄積されている行動マトリクスのデータを用いて、様々な複数のアプリケーション６１２ａ、６１２ｂ、６１２ｃ・・・を計算する。

図７は、行動マトリクス生成部６０６の処理をさらに詳細に説明するための模式図である。図７において、テキスト情報ブロック４０６は、図４に示すものと同じである。テキスト情報ブロック４０６には、特定のユーザが書いたブログ記事のテキスト７０２ａ、７０２ｂ、当該特定のユーザが読んだブログ記事７０４ａ、７０４ｂ・・・、当該特定のユーザが書いたメッセージ７０６ａ、７０６ｂ・・・、当該特定のユーザが読んだメッセージ７０８ａが格納されている。

行動マトリクス生成部６０６は、書いたブログ記事のテキスト７０２ａ、７０２ｂから、キーワード列７０２ｘと、それらのキーワードが使われた回数の列７０２ｙを取り出す。

また、行動マトリクス生成部６０６は、読んだブログ記事のテキスト７０４ａ、７０４ｂ・・・から、キーワード列７０４ｘと、それらのキーワードが使われた回数の列７０４ｙを取り出す。

さらに、行動マトリクス生成部６０６は、書いたメッセージのテキスト７０６ａ、７０６ｂ・・・から、キーワード列７０６ｘと、それらのキーワードが使われた回数の列７０６ｙを取り出す。

さらに、行動マトリクス生成部６０６は、読んだメッセージのテキスト７０８ａから、キーワード列７０８ｘと、それらのキーワードが使われた回数の列７０８ｙを取り出す。

行動マトリクス生成部６０６は、こうして得られた、行動毎のキーワード列７０２ｘ、７０４ｘ、７０６ｘ、７０８ｘと、それらのキーワードが使われた回数の列７０２ｙ、７０４ｙ、７０６ｙ、７０８ｙとから、行動マトリクス７１０を生成する。

すなわち、原則的には、対応する行動の、キーワードが使われた回数の列を、その行動に対応する列ベクトルとして配置する。このような列ベクトルが並ぶことで、マトリクスが形成される。但し、この実施例では、好適には、キーワードが使われた回数は、関連して見たり書いたりした文書数で割ることによって、正規化される。この結果、行動マトリクス７１０の「ブログを読む」の列と、「メッセージを書く」の列には、小数が入っている。

また、図７に示す行動マトリクスは、図式的に簡易的に示すもので、実際は、行数は、テキスト中に使用されるキーワードに依存しは数千行に達することもあり、また、列は、定義する行動の数に依存するため、量数とも、図示されているよりは多くなることに留意されたい。

次に、図８のフローチャートを使用して、行動マトリクス作成のための処理を説明する。この説明の前提として、行動ベクトル a ≡ {a₁, a₂, ... a_m}と定義する。ここで、a₁, a₂, ... a_mは、このコミュニティ・システム中で想定される行動であり、例えば、ブログを書く／読む、メッセージを書く／読む、ニュースを読む、掲示板に書き込みする／読む、商品を購入する、商品説明を読む、他ユーザのプロフィールを見る、などの行動を含む。

図８のフローチャートでは、ステップ８０２とステップ８１６の間で、このような各々の行動a_i( i = 1...m)につき、以下で説明する処理を行う。すなわち、ステップ８０４では、一定時間に行動a_iで生成された文書セットD_iが抽出される。ここでいう文書セットとは、例えば図７では、テキスト情報４０６において、書いたブログ記事７０２ａ、７０２ｂと示されているものである。これが、「ブログを書く」という行動に対する文書セットである。文書セットには、１つ乃至複数の文書が含まれる。図７のテキスト情報４０６では、「ブログを書く」に対応する文書セットに含まれる文書は、文書７０２ａ及び文書７０２ｂである。このような文書セットD_i中の各文書d_ij (j = 1 .. n )について、以下に示す処理を行う。

すなわち、ステップ８０８では、文書d_ijに対して、形態素解析、構文解析が適用され、文書d_ij中のキーワードと、それらの出現頻度が抽出される。

ステップ８１０では、こうして抽出されたキーワードと、その出現頻度が各々、Ｗ_iとＸ_iにそれぞれストアされる。Ｗ_iとＸ_iは、実際は、ベクトルである。なお、ステップ８１０の段階で、Ｘ_i中の数値を、文書セットD_i中の文書の数で割ることにより、正規化してもよい。

ステップ８１２で文書d_ij (j = 1 .. n )についての繰り返しが完了すると、ステップ８１４では、１つの行動a_iに対応するＷ_iとＸ_iが、完成される。

こうして、ステップ８１６で、すべての行動a_iについて、Ｗ_iとＸ_iが揃う。ステップ８１８では、すべてのＷ_iに含まれるキーワードのラベルを縦に並べる処理がまず行われ、次に、ステップ８２０で、行動a_i毎に、そのＷ_i内のキーワードに対応する行位置に、Ｘ_i中の対応する頻度を入れる処理が行われる。こうして、一時行動マトリクスが生成される。ここで、「一時」と呼ぶのは、後述の行動マトリクスの時間推移の計算に使われるものだからである。

図９は、図８のステップ８０４及び８０６で、具体的に文書にアクセスする方法を説明する図である。図３に示すコミュニティ・サーバ・システムは、そのハードディスク・ドライブ３１０に、アクセス・ログ９０２を記録する。アクセス・ログ９０２は、日付９０２ａ、時間９０２ｂ、処理９０２ｃ、ユーザＩＤ９０２ｄ、文書ＩＤ９０２ｅを含む。

例えば、014623というユーザＩＤをもつユーザが、画面９０４でブログのメッセージを書き、保存ボタン９０６をクリックすると、そのことは、PostBlogという処理を示すレコード９０２ｆとして、アクセス・ログ９０２に記録される。そして、レコード９０２ｆの文書ＩＤから、書かれたブログの内容を突き止め、そのテキストを、ファイル９０８として、ハードディスク・ドライブ３１０に保存する。同様にして、メッセージに関連するテキストファイル９１０も、ハードディスク・ドライブ３１０に保存される。

このようにして作成されたテキストファイル９０８、９１０は、図４及び図７に示すテキスト情報４０６として、一時行動マトリクスの作成に使用される。

次に、本実施例における、行動マトリクスの時間推移による更新について説明する。
この実施例では、時間推移は、次のように計算される。
Ａ_t+Δt = Ｗ_kＡ_tＷ_ａ＋Ｔ_Δt
ここで、Ａ_tは、時間tにおける行動マトリクスであり、Ｗ_kは、キーワード毎の重み付け係数であり、Ｗ_ａは、行動毎の忘却係数であり、Ｔ_Δtは、時間t+Δtにおける一時行動マトリクスである。一時行動マトリクスの生成方法は、図７〜図９を参照して説明したとおりである。

Ｗ_kと、Ｗ_ａの具体例を、図１０に示す。示されているように、Ｗ_kは、キーワード・ラベルの数をＮとすると、Ｎ×Ｎの正方行列である。最も簡易には、対角成分のみが非零の正の数で、それ以外の成分はゼロでよい。例えば、固有名詞のキーワードに対応する成分は、1.0またはそれに近い値にし、普通名詞あるいは、ありきたりなキーワードに対応する成分は、1.0よりかなり小さい値を選ぶ。こうすることにより、固有名詞のキーワードに対応する数値があまり減衰しないで残り、普通名詞のキーワードに対応する数値が速やかに減衰する。

Ｗ_ａは、行動の種別数をＭとすると、Ｍ×Ｍの正方行列である。最も簡易には、対角成分のみが非零の正の数で、それ以外の成分はゼロでよい。例えば、自分がブログに書くなど、比較的印象が強い行動に対応する成分は、1.0またはそれに近い値にし、ニュースを読むなど、比較的印象が弱い行動に対応する成分は、1.0よりかなり小さい値を選ぶ。

Ｗ_kＡ_tＷ_ａの演算は、通常の行列の掛け算でよいが、
Ｗ_kＡ_tＷ_ａ＋Ｔ_Δtの足し算は、必ずしも通常の行列の足し算が使えない。というのは、Ｔ_t+Δtの生成で、今まで出会った新しいキーワードが見つかることにより、Ａ_tとＴ_Δtで、必ずしもキーワードの行ラベルが一致するとは限らないからである。

そこで、一般的に、A_t + T = A_t+1として、拡張された行列の和を、次のように定義する。
行列A_t ≡ {a_n,m}とする。a_n,mは、行列のn,m成分である。
また、そのキーワード・ラベルを、w = {w₁,w₂,...,w_n}とする。
同様に、T ≡ {t_n',m}
そのキーワード・ラベル w = {w'₁,w'₂,...,w'_n'}
A_t+1≡ {a_n'',m}
そのキーワード・ラベル w = {w''₁,w''₂,...,w''_n''}

このように定義しておき、以下のように場合分けする。
・A_tにあって、Tにないキーワードw_i（以前に使われたが今回は使われなかった語）の場合の、w''_iとa'_ijの決定：
w''_i = w_i ( 1 <= i <= n )
a'_ij = a_ij ( 1 <= j <= m)
・A_tにもTにもあるキーワードw_i（以前に使われたが今回は使われなかった語）の場合の、w''_iとa'_ijの決定：
w''_i = w_i ( 1 <= i <= n )
a'_ij = a_ij + t_kj
(w_i = w'_k, 1 <= j <= m, i <= k <= n')
・A_tになく、Tにあるキーワードw'_k（以前は使わなかったが、今回は使われた語）の場合の、w''_iとa'_ijの決定：
w''_i = w'_k (n + 1 <= i <= n'' )
a'_ij = t_kj (1 <= j <= m)

このような拡張した和の演算により、
Ａ_t+Δt = Ｗ_kＡ_tＷ_ａ＋Ｔ_Δtの式に基づき、行動マトリクスＡ_tを時間の推移に従い、更新する。このような計算は、予め作成されたコンピュータ・プログラムにより自動計算される。当該分野の熟練した当業者なら、Ｃ＋＋、Ｃ＃、Ｊａｖａなどの任意のプログラミング言語で、そのようなコンピュータ・プログラムを作成することが可能であることが理解されよう。以下で定義される全ての演算も、同様にプログラミング言語で作成され、実行可能に保持されて、適時呼び出される。

なお、行動マトリクスの更新頻度は、典型的には、一日に一度であるが、一日に二度、週に一度など、コミュニティの活動の頻度に応じて、適宜選ぶことができる。

このように作成され時間とともに更新される行動マトリクスを使って、様々な有意義なアプリケーションへの適用をすることができる。以下、アプリケーションを説明する。

［行動マトリクスの絶対値］
行動マトリクスＡの絶対値を、下記の式で定義する。a_ijは、行動マトリクスＡのij成分である。

この絶対値自体を単独で使用することはあまりなく、その主要な用途は、他の計算における、値の正規化である。

［２つの行動マトリクスの和］
２つの行動マトリクスＡ_kとＡ_lの和は、下記の式で定義する。ここに出てくる行列の絶対値は、上記で定義したものである。下記の計算をする前に、キーワード・ラベルを揃える処理を行う。すなわち、Ａ_kとＡ_lのキーワード・ラベルに和集合をとる演算を行い、その結果のキーワード・ラベルに基づき、Ａ_kとＡ_lの行を拡張してから、すなわち、もともとなかったキーワードの行には、全て０を入れてから、下記の式を実行する。

このような行動マトリクスの和を、あるコミュニティ全体に属するユーザの行動マトリクス全体に適用することにより、コミュニティの行動マトリクスが得られる。

図１１に、２つの行動マトリクスＡ、Ｂの和の例を示す。この例から見て取れるように、行動マトリクスＡ、Ｂの和には、適切に正規化された値で、値の和が得られる。

［２つの行動マトリクスの差］
２つの行動マトリクスＡ_kとＡ_lの差は、下記の式で定義する。ここに出てくる行列の絶対値は、上記で定義したものである。下記の計算をする前に、キーワード・ラベルを揃える処理を行う。すなわち、Ａ_kとＡ_lのキーワード・ラベルに和集合をとる演算を行い、その結果のキーワード・ラベルに基づき、Ａ_kとＡ_lの行を拡張してから、すなわち、もともとなかったキーワードの行には、全て０を入れてから、下記の式を実行する。

このような行動マトリクスの差は、ユーザ間、ユーザとコミュニティ間、あるいはコミュニティ間の活動の差を求めるために使用することができる。なお、ここでの右辺の一番外側の絶対値は、単に行列の要素を全て正の値にする、という意味で、上記で定義した、マトリクスの絶対値でないことに留意されたい。

図１２に、２つの行動マトリクスＡ、Ｂの差の例を示す。この例から見て取れるように、行動マトリクスＡ、Ｂの和には、適切に正規化された値で、値の差が得られる。

［２つの行動マトリクスの積］
ここでは、行動マトリクスの積として、行動キーワード相関、行動相関、キーワード相関、の３種類を考える。なお、これらのどの計算においても、計算をする前に、キーワード・ラベルを揃える処理を行う。すなわち、Ａ_kとＡ_lのキーワード・ラベルに和集合をとる演算を行い、その結果のキーワード・ラベルに基づき、Ａ_kとＡ_lの行を拡張してから、すなわち、もともとなかったキーワードの行には、全て０を入れてから、下記の式を実行する。

行動キーワード相関は、下記のような数式で定義する。

その具体的な計算は、下記のとおりである。

この計算は、２つの行動マトリクスが示す興味と行動の共通項を出力する。これによって、興味と行動の両方の側面で関連する項目を抽出することができる。
ここで、a^k _ij、a^l _ijは、それぞれ、マトリクスＡ_k、Ａ_lのij成分である。

図１３に、２つの行動マトリクスＡ、Ｂの行動キーワード相関行列の計算の例を示す。

行動相関は、下記のような数式で定義する。Ａ^Tは、転置行列である。演算は、通常の行列の掛け算である。行動マトリクスを、ｍ×ｎの行列とすると、結果は、ｎ×ｎの行列となる。

この計算は、２つの行動マトリクスが示す行動の共通項を出力する。これによって、どのような行動について共通のキーワードを用いているかを知ることができる。

図１４に、２つの行動マトリクスＡ、Ｂのキーワード相関行列の計算の例を示す。

キーワード相関は、下記のような数式で定義する。Ｂ^Tは、転置行列である。演算は、通常の行列の掛け算である。行動マトリクスを、ｍ×ｎの行列とすると、結果は、ｍ×ｍの行列となる。

この計算は、２つの行動マトリクスが示すキーワードの共通項を出力する。これによって、どのようなキーワードについて共通の行動をとっているかを知ることができる。
図１５に、２つの行動マトリクスＡ、Ｂの行動相関行列の計算の例を示す。

［行動マトリクスの縮退］
行動マトリクスの縮退には、行方向の縮退と、列方向の縮退がある。行方向の縮退は、興味キーワード・リストとも呼ぶことができ、下記のような式で与えられる。
Ｖ_word = ＡＷ_act ^T
ここで、Ａは行動マトリクスであり、Ｗ_actは、行動重みベクトル、Ｗ_act ^Tは、その転置ベクトルである。Ｗ_actの次元数は、行動の種類の数と等しく、その成分は原則として、0から1までの間の数である。その値は、重視される行動により大きい値（重み）を付与するように決める。例えば、ブログを書くことには、ブログを読むよりも大きい重みを与える。こうして、ある個人またはコミュニティに関連する、重み付きのキーワードの列を得ることができる。

図１６に、行動マトリクスＡの行方向の縮退、すなわち、興味キーワード・リストを求める例を示す。

列方向の縮退は、行動パターン・リストとも呼ぶことができ、下記のような式で与えられる。
Ｖ_act = Ｗ_word ^TＡ
ここで、Ａは行動マトリクスであり、Ｗ_wordは、キーワード重みベクトル、Ｗ_word ^Tは、その転置ベクトルである。Ｗ_wordの次元数は、抽出されたキーワードの数と等しく、その成分は原則として、0から1までの間の数である。その値は、特に注目したいキーワードに、より大きい値（重み）を付与するように決める。

図１７に、行動マトリクスＡの列方向の縮退、すなわち、行動パターン・リストを求める例を示す。

以下、発明の理解を助けるために、典型的ないくつかの応用例について述べる。
［応用例１］
あるユーザが、コミュニティ・システムで、自分の興味と近いコミュニティを探したいとする。このような目的を達成するために、コミュニティ・システムは、そのユーザの行動マトリクスと、ハードディスク・ドライブ３１０に保存されている、既存のコミュニティの行動マトリクスとの間で、キーワード相関を求める演算を行う。コミュニティ・システムは、得られたキーワード相関マトリクスのうち、ある値以上の成分をもつキーワードだけを、適当なＧＵＩで、当該ユーザに提示する。その結果、当該ユーザは、自分が今まであまり興味をもっておらず、しかし今後取り組んでみたいキーワードに特徴付けられたコミュニティを探すことができる。

［応用例２］
あるコミュニティ・システムでは、スパムの書き込みに苦しめられていた。しかし、システム全体で、誰がスパマーか、自明な方法では、判別が難しい。そこで、システム管理者は、本発明の機能を使って、各ユーザの行動マトリクスの列方向の縮退をとることによって、行動パターン・リストを作成してみた。これにより、ブログに対するコメントの書き込みだけが異常に多い行動パターン・リストをもつユーザを、潜在的なスパマーと想定することができた。

［応用例３］
コミュニティ・システムでは、主要な収入源の１つに広告収入がある。しかし、どのような広告が、コミュニティに有効か、従来の方法では、判別が難しい。ところが、この実施例によれば、個人の行動マトリクスを生成し、それに基づいてさらに、コミュニティの行動マトリクスを生成することができる。すると、そのコミュニティで行方向の縮退、すなわち、興味キーワード・リストを生成することにより、重み付きキーワード・リストが得られるので、既存のキーワード依存広告スキームを使って、有効な広告を、そのコミュニティの画面に表示することができる。

尚、上記実施例で示した、行列の和、差、積などの演算は、本発明を実施するための一例であって、これらの具体的な式に限定されるものではないことを理解されたい。例えば、和及び差の演算は、実際の行列の和及び差の演算と、演算の結果生じる値を、妥当な範囲で正規化する演算を含むなら、任意のアルゴリズムを選ぶことができる。

オンライン・コミュニティ・サーバに、インターネットを介して、クライアント・コンピュータが接続されることを示す図である。 クライアント・コンピュータのハードウェア構成を示す図である。 オンライン・コミュニティ・サーバのハードウェア構成を示す図である。 行動マトリクス生成を概念的に示す図である。 行動マトリクスＤＢと、そのデータを利用したＡＰＩの機能を示す図である。 行動マトリクス生成処理の機能ブロック図である。 行動マトリクス生成処理を具体的に示す図である。 行動マトリクス生成の処理を示すフローチャートである。 アクセスログを用いた、文書へのアクセスを示す図である。 行動マトリクスの時間推移の処理の例を示す図である。 行動マトリクスの和の実例を示す図である。 行動マトリクスの差の実例を示す図である。 行動キーワード相関行列の計算の実例を示す図である。 キーワード相関行列の計算の実例を示す図である。 行動相関行列の計算の実例を示す図である。 興味キーワード・リストの計算の実例を示す図である。 行動パターン・リストの計算の実例を示す図である。

Claims (14)

1. 複数のユーザが各々、個別のクライアント・コンピュータを介して接続し、文書の読み書き等の活動によりコミュニケーションを図るためのコミュニティ・サーバ・システムであって、
   前記システムによりデータを読み書き可能な記憶装置と、
   個々のユーザの活動と、その活動に関連する文書を、個々のユーザのＩＤと活動内容とともに、前記記憶装置にログとして記憶する手段と、
   前記ログに基づき、個々のユーザの活動毎に読み書きした文書を解析して、個々のユーザの活動毎に文書中のキーワードとその出現頻度を求めて、前記記憶装置に書き出す手段とを有し、
   前記ユーザの活動毎に読み書きした文書の解析結果は、第１の方向にキーワードがラベルされ、該第１の方向と直交する第２の方向に行動がラベルされ、ラベルが指し示す交点には、キーワードの出現頻度が格納される、マトリックス構造のデータとして、前記記憶装置に保存され、
   前記マトリクス構造のデータに、減衰させるパラメータを掛ける手段と、該減衰させるパラメータを掛けた該マトリクス構造のデータに、新たに計算されたマトリクス構造のデータを加える手段をさらに有する、
   コミュニティ・サーバ・システム。
2. 前記活動は、コミュニティ・サーバ内でのブログの書き込み、ブログの読み取り、メッセージの書き込み、及びメッセージの読み取りを含む、請求項１のシステム。
3. 前記活動に関連する文書数で、前記キーワードの出現頻度を割ることによって正規化する手段をさらに有する、請求項１のシステム。
4. コミュニティ内のユーザの前記マトリックス構造のデータの和を計算することにより、該コミュニティ内のユーザに関連するマトリックス構造のデータを得る手段をさらに有する、請求項１のシステム。
5. 前記コミュニティのマトリックス構造のデータと、特定のユーザのマトリックス構造のデータとの差を計算する手段をさらに有する、請求項４のシステム。
6. 複数のユーザが各々、個別のクライアント・コンピュータを介して接続し、文書の読み書き等の活動によりコミュニケーションを図るためのコミュニティ・サーバ・システムの活動記録方法であって、
   個々のユーザの活動と、その活動に関連する文書を、個々のユーザのＩＤと活動内容とともに、前記コミュニティ・サーバ・システムの記憶装置にログとして記憶するステップと、
   前記ログに基づき、個々のユーザの活動毎に読み書きした文書を解析して、個々のユーザの活動毎に文書中のキーワードとその出現頻度を求めて、前記記憶装置に書き出すステップとを有し、
   前記ユーザの活動毎に読み書きした文書の解析結果は、第１の方向にキーワードがラベルされ、該第１の方向と直交する第２の方向に行動がラベルされ、ラベルが指し示す交点には、キーワードの出現頻度が格納される、マトリクス構造のデータとして、前記記憶装置に保存され、
   前記マトリクス構造のデータに、減衰させるパラメータを掛けるステップと、該減衰させるパラメータを掛けた該マトリクス構造のデータに、新たに計算されたマトリクス構造のデータを加えるステップをさらに有する、
   コミュニティ・サーバ・システムの活動記録方法。
7. 前記活動は、コミュニティ・サーバ内でのブログの書き込み、ブログの読み取り、メッセージの書き込み、及びメッセージの読み取りを含む、請求項６の方法。
8. 前記活動に関連する文書数で、前記キーワードの出現頻度を割ることによって正規化するステップをさらに有する、請求項６の方法。
9. コミュニティ内のユーザの前記マトリクス構造のデータの和を計算することにより、該コミュニティ内のユーザに関連するマトリクス構造のデータを得るステップをさらに有する、請求項６の方法。
10. 前記コミュニティのマトリクス構造のデータと、特定のユーザのマトリクス構造のデータとの差を計算するステップをさらに有する、請求項９の方法。
11. 複数のユーザが各々、個別のクライアント・コンピュータを介して接続し、文書の読み書き等の活動によりコミュニケーションを図るためのコミュニティ・サーバ・システムにおいて、活動を記録するプログラムであって、
    前記コミュニティ・サーバ・システムをして、
    個々のユーザの活動と、その活動に関連する文書を、個々のユーザのＩＤと活動内容とともに、前記コミュニティ・サーバ・システムの記憶装置にログとして記憶するステップと、
    前記ログに基づき、個々のユーザの活動毎に読み書きした文書を解析して、個々のユーザの活動毎に文書中のキーワードとその出現頻度を求めて、前記記憶装置に書き出すステップとを実行させ、
    前記ユーザの活動毎に読み書きした文書の解析結果は、第１の方向にキーワードがラベルされ、第１の方向と直交する第２の方向に行動がラベルされ、ラベルが指し示す交点には、キーワードの出現頻度が格納される、マトリクス構造のデータとして、前記記憶装置に保存され、
    前記マトリクス構造のデータに、減衰させるパラメータを掛けるステップと、該減衰させるパラメータを掛けた該マトリクス構造のデータに、新たに計算されたマトリクス構造のデータを加えるステップをさらに実行させる、
    プログラム。
12. 前記活動は、コミュニティ・サーバ内でのブログの書き込み、ブログの読み取り、メッセージの書き込み、及びメッセージの読み取りを含む、請求項１１のプログラム。
13. 前記活動に関連する文書数で、前記キーワードの出現頻度を割ることによって正規化するステップをさらに有する、請求項１１のプログラム。
14. コミュニティ内のユーザの前記マトリクス構造のデータの和を計算することにより、該コミュニティ内のユーザに関連するマトリクス構造のデータを得るステップをさらに有する、請求項１１のプログラム。

Images