JP5478146B2 - Program search device and program search program - Google Patents

Program search device and program search program Download PDF

Info

Publication number
JP5478146B2
JP5478146B2 JP2009190237A JP2009190237A JP5478146B2 JP 5478146 B2 JP5478146 B2 JP 5478146B2 JP 2009190237 A JP2009190237 A JP 2009190237A JP 2009190237 A JP2009190237 A JP 2009190237A JP 5478146 B2 JP5478146 B2 JP 5478146B2
Authority
JP
Japan
Prior art keywords
program
expression
appearance frequency
information
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2009190237A
Other languages
Japanese (ja)
Other versions
JP2011043908A (en
Inventor
淳 後藤
英樹 住吉
勝 宮崎
正啓 柴田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Japan Broadcasting Corp
Original Assignee
Japan Broadcasting Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Japan Broadcasting Corp filed Critical Japan Broadcasting Corp
Priority to JP2009190237A priority Critical patent/JP5478146B2/en
Publication of JP2011043908A publication Critical patent/JP2011043908A/en
Application granted granted Critical
Publication of JP5478146B2 publication Critical patent/JP5478146B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

本発明は、放送等の番組を検索する番組検索装置および番組検索プログラムに関する。特に、本発明は、蓄積されたデータベースを検索して、指定された番組に関連する番組を取得する番組検索装置および番組検索プログラムに関する。   The present invention relates to a program search device and a program search program for searching programs such as broadcasts. In particular, the present invention relates to a program search apparatus and a program search program for searching a stored database and acquiring a program related to a designated program.

近年、放送された番組を蓄積しておくことにより、放送後の任意の時間に、インターネット等の通信回線を通じて、視聴者が求める番組を視聴することのできるサービスが普及しはじめている。また、これに伴い、番組のジャンルなどの情報を含む番組メタデータに基づき、視聴者に番組を推薦するシステムやサービスが提案されている。推薦する番組を選択するための手法は、例えば、視聴者の視聴履歴などに基づいてその嗜好を学習し、その学習結果に基づいて番組を推薦するものである。   2. Description of the Related Art In recent years, services that allow viewers to view programs desired by viewers via a communication line such as the Internet at an arbitrary time after broadcasting by accumulating broadcast programs have begun to spread. Along with this, systems and services for recommending programs to viewers based on program metadata including information such as program genres have been proposed. As a method for selecting a program to be recommended, for example, the preference is learned based on the viewing history of the viewer, and the program is recommended based on the learning result.

特許文献1には、番組内容を記述した番組情報を取得し、その番組情報からキーワードを抽出し、そのキーワードの出現数およびそのキーワードが属するカテゴリに属する異なるキーワードの出現数をカウントし、これらの数値に基づいて検索クエリと被検索番組との間の類似度を計算し、計算された類似度に基づいて特定の番組を出力するという技術が開示されている。   Patent Document 1 acquires program information describing program contents, extracts keywords from the program information, counts the number of appearances of the keyword and the number of appearances of different keywords belonging to the category to which the keyword belongs, A technique of calculating a similarity between a search query and a searched program based on a numerical value and outputting a specific program based on the calculated similarity is disclosed.

特開2009−043156号公報JP 2009-043156 A

特許文献1に開示されている技術では、EPGの情報(番組情報)から、タグに囲まれた文字列および記号に続く文字列、辞書に登録された文字列、品詞などの情報により得た文字列をキーワードとして抽出し、このキーワードに基づいて関連番組を検索している。しかしながら、キーワードが含まれていない関連番組があった場合は、検索漏れが生じる。
また、協調フィルタリングなど、履歴に基づいて番組を検索する方法では、指定された番組に関連している内容を有する番組が選択されるとは限らない。
In the technique disclosed in Patent Document 1, characters obtained from EPG information (program information) based on information such as character strings enclosed in tags and character strings, character strings registered in a dictionary, parts of speech, etc. A column is extracted as a keyword, and related programs are searched based on the keyword. However, if there is a related program that does not include a keyword, a search failure occurs.
Further, in a method of searching for a program based on a history such as collaborative filtering, a program having contents related to a designated program is not always selected.

本発明は、上記の課題を考慮して為されたものであり、指定された特定の番組と内容が類似する番組を精度よく検索することのできる番組検索装置および番組検索プログラムを提供することを目的とする。   The present invention has been made in consideration of the above-mentioned problems, and provides a program search device and a program search program capable of accurately searching for a program whose content is similar to that of a specified specific program. Objective.

[1]上記の課題を解決するため、本発明の一態様による番組検索装置は、番組の内容を表わすテキストを含む番組情報における前記番組ごとの表現の出現頻度を表わす出現頻度情報と、前記番組情報に含まれる固有表現と前記固有表現に対応する固有表現重み値とを関連付けて記憶する固有表現情報と、を記憶する番組情報記憶部と、前記番組情報を取得する番組情報取得部と、指定された指定番組に関して前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントする出現頻度カウント部と、前記指定番組に関する前記番組情報について前記出現頻度カウント部がカウントして得られた表現ごとの前記出現頻度と、前記番組情報記憶部から読み出した特定の検索対象番組に関する前記出現頻度情報と、前記番組情報記憶部から読み出した前記固有表現情報とに基づき、前記指定番組と前記検索対象番組との間での前記表現の共起の度合いを計算するとともに、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理をすることによって、前記指定番組と前記検索対象番組との間の関連度を算出する類似度計算部と、前記類似度計算部が算出した前記関連度に基づいて選択された前記検索対象番組を出力する検索結果提示部とを備えることを特徴とする。   [1] In order to solve the above-described problem, a program search device according to an aspect of the present invention includes appearance frequency information indicating the appearance frequency of the expression for each program in program information including text indicating the contents of the program, and the program A program information storage unit for storing the specific representation information included in the information and the specific representation information for storing the specific representation weight value corresponding to the specific representation in association with each other, a program information acquisition unit for acquiring the program information, and a designation An appearance frequency counting unit that counts the appearance frequency of the expression in the program information acquired by the program information acquisition unit with respect to the specified program, and the appearance frequency counting unit obtained by counting the program information related to the specified program. The appearance frequency for each expression, the appearance frequency information related to a specific search target program read from the program information storage unit, and the program information Based on the specific expression information read from the memory, the degree of co-occurrence of the expression between the designated program and the search target program is calculated, and the specific expression includes the expression in the specific expression information. A similarity calculation unit that calculates a degree of association between the designated program and the search target program by weighting the degree of co-occurrence with the specific expression weight value, and the similarity A search result presentation unit that outputs the search target program selected based on the degree of association calculated by the degree calculation unit.

この構成によれば、番組情報取得部が指定番組に関する番組情報を取得し、出現頻度カウント部がその番組情報における表現の出現頻度をカウントする。類似度計算部は、指定番組についての出現頻度と検索対象番組についての出現頻度との関係(表現の共起関係、共起の度合いを表わす尺度(例えば、Okapi BM25に基づく関数など))に基づき、また予め記憶された固有表現情報から読み出した固有表現重み値(番組情報に含まれる固有表現に対応するもの)に基づき、両者の関連度を算出する。これにより、単に出現頻度の統計的特徴のみによる関連度ではなく、固有表現の重みに基づいた関連度を計算することができる。
ここで、表現とは、番組情報のテキストに含まれる単語、あるいは単語の連鎖などである。複合語などの表現の出現頻度を統計的に扱うために、例えば、n個の単語の連鎖を表わすnグラム(n−gram,エヌグラム)を用いることは好適である。このとき、ストップワード(助詞等)を含むnグラムを除外したnグラムのみを用いても良い。
上記した共起の度合いを表わす尺度は、単に指定番組と特定の検索対象番組とにおける表現の出現頻度のみによって定まるものではなく、検索対象となるデータベース全体の番組における当該表現の出現頻度によっても変わる。つまり、ありふれた表現であるか番組特有の表現であるかに応じて、共起の度合いを表わす尺度の値は変わる。
なお、検索結果提示部は、1つの検索対象番組のみを選択して出力しても良く、複数の検索対象番組を選択して出力しても良い。通常は、計算された関連度が高いものを選択する。
指定番組および検索対象番組は、それぞれ、放送される番組や、通信回線等を介して配信される番組等の動画像コンテンツである。なお、指定番組あるいは検索対象番組は、番組全体を単位として扱っても良く、また、いわゆる番組を複数の項目(項目とは、番組内の意味的なまとまりの単位であり、例えば、ニュース番組における個々のニュース項目はここで言う項目である。)に分けて、個々の項目を単位として、出現頻度をカウントしたり、関連度の計算の対象としたり、選択して提示する対象とするようにしても良い。
According to this configuration, the program information acquisition unit acquires program information related to the designated program, and the appearance frequency counting unit counts the appearance frequency of the expression in the program information. The similarity calculation unit is based on the relationship between the appearance frequency of the designated program and the appearance frequency of the search target program (co-occurrence relationship of expressions, a scale indicating the degree of co-occurrence (for example, a function based on Okapi BM25)) In addition, the degree of relevance between the two is calculated based on the unique expression weight value (corresponding to the unique expression included in the program information) read from the unique expression information stored in advance. Thereby, it is possible to calculate the relevance based on the weight of the unique expression, not just the relevance based only on the statistical feature of the appearance frequency.
Here, the expression is a word or a word chain included in the text of the program information. In order to statistically handle the appearance frequency of expressions such as compound words, it is preferable to use, for example, an n-gram (n-gram) representing a chain of n words. At this time, only n-grams excluding n-grams including stop words (particles etc.) may be used.
The above-mentioned scale representing the degree of co-occurrence is not simply determined by the appearance frequency of the expression in the designated program and the specific search target program, but also varies depending on the appearance frequency of the expression in the entire database to be searched. . That is, the value of the scale representing the degree of co-occurrence changes depending on whether it is a common expression or a program-specific expression.
Note that the search result presentation unit may select and output only one search target program, or may select and output a plurality of search target programs. Usually, the one with a high calculated relevance is selected.
The designated program and the search target program are moving image contents such as a broadcast program and a program distributed via a communication line. Note that the designated program or the search target program may be handled as a whole program, and a so-called program is a plurality of items (the item is a unit of a semantic group in the program. For example, in a news program, Each news item is an item that is referred to here.) The frequency of appearance, the calculation of the degree of association, and the target of selection are presented for each item as a unit. May be.

[2]また、本発明の一態様は、上記の番組検索装置において、前記表現はnグラムであり、前記番組情報記憶部が記憶する前記出現頻度情報は、番組ごとのnグラムの出現頻度を表わすものであり、且つ前記出現頻度情報は、番組ごとの所定の複数の連鎖数の前記nグラムごとの出現頻度を含むものであり、前記出現頻度カウント部は、前記指定番組に関する前記番組情報における前記所定の複数の連鎖数の前記nグラムごとの出現頻度をカウントするものであり、前記類似度計算部は、前記指定番組と前記検索対象番組との間での前記所定の複数の連鎖数のnグラムの共起の度合いを計算するものであり、特定の連鎖数のnグラムの共起の度合いを、当該連鎖数に応じたnグラム重み値によって重み付ける処理をさらに行うことによって前記関連度を算出することを特徴とする。   [2] Further, according to one aspect of the present invention, in the program search device, the expression is n-grams, and the appearance frequency information stored in the program information storage unit is an n-gram appearance frequency for each program. And the appearance frequency information includes an appearance frequency for each of the n-grams of a predetermined plurality of chain numbers for each program, and the appearance frequency count unit is included in the program information related to the designated program. The frequency of occurrence of each of the predetermined plurality of chain numbers for each of the n-grams is counted, and the similarity calculation unit calculates the number of the predetermined plurality of chains between the designated program and the search target program. By calculating the degree of co-occurrence of n-grams, and further performing a process of weighting the degree of co-occurrence of n-grams with a specific chain number with an n-gram weight value corresponding to the chain number And calculates the serial relevance.

この構成によれば、複数の連鎖数のnグラムのそれぞれの出現頻度に基づいて、指定番組と検索対象番組との間の関連度を算出する。また、nグラム重み値を適切に設定することにより、同一の単語の連鎖を含んで、連鎖数の異なる別のnグラムの出現頻度が多重に(過剰に)関連度に寄与することを防ぐことができる。   According to this configuration, the degree of association between the designated program and the search target program is calculated based on the appearance frequency of each of the plurality of chained n-grams. In addition, by appropriately setting the n-gram weight value, it is possible to prevent multiple (overly) contributions of the appearance frequency of different n-grams including the same word chain and having different chain numbers from contributing to the degree of association. Can do.

[3]また、本発明の一態様は、上記の番組検索装置において、前記指定番組と前記検索対象番組との間での表現の共起の度合いに対して、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理を行った結果に基づき、前記指定番組と前記検索対象番組との間の関係を表わす前記表現を関係ラベルとして決定する関係ラベル決定部を更に備え、前記検索結果提示部は、対応する前記関係ラベルと関連付けて選択された前記検索対象番組を出力することを特徴とする。   [3] In addition, according to one aspect of the present invention, in the program search device, the expression may be the specific expression information with respect to the degree of co-occurrence of the expression between the designated program and the search target program. If the specific expression is included, the expression representing the relationship between the designated program and the search target program is related based on the result of performing the process of weighting the degree of co-occurrence by the specific expression weight value. It further includes a related label determining unit for determining as a label, and the search result presenting unit outputs the search target program selected in association with the corresponding related label.

この構成によれば、指定番組と検索対象番組との関係を特徴付ける表現を関係ラベルとして決定する。両者間の表現の共起の度合いを固有表現重み値によって重み付ける処理とは、例えば、共起の度合いの尺度の値に単純に固有表現重み値を乗じることで良い。その結果が最も大きくなるような表現を、前記の関係ラベルとして決定することには合理性がある。関係ラベルは番組間の関係を示すラベルであるため、指定番組が変われば、検索結果が同じ番組であっても関係ラベルが異なることもある。
決定された関係ラベルを出力することにより、検索結果として選択された番組がなぜ選択されたかを説明付けることが可能となる。また、決定された関係ラベルごとに分類する形式で、複数の検索結果の番組を提示するようにできる。
According to this configuration, an expression characterizing the relationship between the designated program and the search target program is determined as the relationship label. The process of weighting the degree of co-occurrence of expressions between the two by the specific expression weight value may be, for example, simply multiplying the value of the scale of the degree of co-occurrence by the specific expression weight value. It is reasonable to determine the expression that maximizes the result as the relation label. Since the relationship label is a label indicating the relationship between programs, if the designated program changes, the relationship label may be different even if the search result is the same program.
By outputting the determined relation label, it is possible to explain why the program selected as the search result is selected. In addition, it is possible to present a plurality of search result programs in a format classified for each determined relation label.

[4]また、本発明の一態様は、上記の番組検索装置において、検索対象とするための番組に関して前記番組情報取得部が取得した前記番組情報から固有表現を抽出する処理を行なうとともに、抽出された前記固有表現に対応する前記固有表現重み値を決定し、前記固有表現情報を作成して前記番組情報記憶部に書き込む固有表現特定部、を更に備え、前記出現頻度カウント部は、検索対象とするための番組に関しても前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントし、前記出現頻度情報を作成して前記番組情報記憶部に書き込むことを特徴とする。   [4] Further, according to one aspect of the present invention, in the program search device described above, a process of extracting a specific expression from the program information acquired by the program information acquisition unit regarding a program to be searched is performed and extracted. A specific expression specifying unit that determines the specific expression weight value corresponding to the specific expression that has been generated, creates the specific expression information, and writes the specific expression information to the program information storage unit, and the appearance frequency counting unit includes a search target The appearance frequency of the expression in the program information acquired by the program information acquisition unit is counted, and the appearance frequency information is created and written in the program information storage unit.

この構成により、番組情報記憶部が保持すべき出現頻度情報と固有表現情報とを、与えられた番組情報から抽出することができる。つまり、番組検索のために必要な番組データベースを構築することができる。
固有表現重み値は、個々の固有表現ごとに決定しても良い。また例えば、固有表現の種別を決定し、この種別に応じて固有表現重み値を決定しても良い。また、固有表現の種別を、固有表現情報の一部として記憶するようにしても良い。
With this configuration, it is possible to extract appearance frequency information and unique expression information that should be held by the program information storage unit from given program information. That is, a program database necessary for program search can be constructed.
The specific expression weight value may be determined for each specific expression. Further, for example, the type of the specific expression may be determined, and the specific expression weight value may be determined according to the type. Further, the type of the unique expression may be stored as a part of the unique expression information.

[5]また、本発明の一態様による番組検索プログラムは、コンピュータを、番組の内容を表わすテキストを含む番組情報における前記番組ごとの表現の出現頻度を表わす出現頻度情報と、前記番組情報に含まれる固有表現と前記固有表現に対応する固有表現重み値とを関連付けて記憶する固有表現情報と、を記憶する番組情報記憶部と、前記番組情報を取得する番組情報取得部と、指定された指定番組に関して前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントする出現頻度カウント部と、前記指定番組に関する前記番組情報について前記出現頻度カウント部がカウントして得られた表現ごとの前記出現頻度と、前記番組情報記憶部から読み出した特定の検索対象番組に関する前記出現頻度情報と、前記番組情報記憶部から読み出した前記固有表現情報とに基づき、前記指定番組と前記検索対象番組との間での前記表現の共起の度合いを計算するとともに、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理をすることによって、前記指定番組と前記検索対象番組との間の関連度を算出する類似度計算部と、前記類似度計算部が算出した前記関連度に基づいて選択された前記検索対象番組を出力する検索結果提示部と、を備える番組検索装置として機能させる。   [5] Also, the program search program according to one aspect of the present invention includes a computer in the program information and the appearance frequency information indicating the appearance frequency of the expression for each program in the program information including text representing the contents of the program. Specific expression information that stores the specific expression and the specific expression weight value corresponding to the specific expression in association with each other, a program information storage unit that stores the program information acquisition unit that acquires the program information, and a designated designation An appearance frequency counting unit that counts the appearance frequency of the expression in the program information acquired by the program information acquisition unit regarding the program, and an expression frequency obtained by the appearance frequency counting unit counting the program information related to the designated program. The appearance frequency, the appearance frequency information relating to a specific search target program read from the program information storage unit, and the program information Based on the specific expression information read from the storage unit, the degree of co-occurrence of the expression between the designated program and the search target program is calculated, and the specific expression includes the expression in the specific expression information A similarity calculation unit that calculates a degree of association between the designated program and the search target program by weighting the degree of co-occurrence with the specific expression weight value, and the similarity And a search result presentation unit that outputs the search target program selected based on the degree of association calculated by the degree calculation unit.

本発明によれば、番組の内容を考慮して関連番組の検索を精度良く行うことができる。   According to the present invention, it is possible to accurately search for related programs in consideration of the contents of programs.

本発明の一実施形態による番組検索装置の機能構成を示したブロック図である。It is the block diagram which showed the function structure of the program search apparatus by one Embodiment of this invention. 同実施形態による番組取得部(10)内の詳細な機能構成を示したブロック図である。It is the block diagram which showed the detailed functional structure in the program acquisition part (10) by the embodiment. 同実施形態による電子番組ガイドデータ取得部(101)が取得する電子番組ガイド(EPG)データの一例を示した概略図である。It is the schematic which showed an example of the electronic program guide (EPG) data which the electronic program guide data acquisition part (101) by the embodiment acquires. 同実施形態によるウェブページデータ取得部(102)が取得するウェブページデータ(ホームページデータ)に基づいてマークアップされた画面表示例を示す概略図である。It is the schematic which shows the example of a screen display marked up based on the web page data (homepage data) which the web page data acquisition part (102) by the embodiment acquires. クローズドキャプションデータの放送番組の画面内での表示例を示す概略図である。It is the schematic which shows the example of a display in the screen of the broadcast program of closed caption data. 同実施形態によるクローズドキャプションデータ取得部(103)が取得するクローズドキャプションデータの構造の一例を示す概略図である。It is the schematic which shows an example of the structure of the closed caption data which the closed caption data acquisition part (103) by the embodiment acquires. 同実施形態による番組情報記憶部が記憶する出現頻度情報(121)のデータ構成を示す概略図である。It is the schematic which shows the data structure of the appearance frequency information (121) which the program information storage part by the same embodiment memorize | stores. 同実施形態による番組情報記憶部が記憶する固有表現情報(122)のデータ構成を示す概略図である。It is the schematic which shows the data structure of the specific expression information (122) which the program information storage part by the same embodiment memorize | stores. 同実施形態による番組データベース生成処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the program database production | generation process by the same embodiment. 同実施形態による番組検索処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the program search process by the embodiment. 同実施形態による番組検索結果の提示の画面表示の一例を示す概略図である。It is the schematic which shows an example of the screen display of the presentation of the program search result by the embodiment.

次に、本発明の一実施形態について、図面を参照しながら説明する。
図1は、本実施形態による番組検索装置の機能構成を示すブロック図である。同図において、符号1は番組検索装置である。図示するように、番組検索装置1は、番組情報取得部10と、出現頻度カウント部11と、番組情報記憶部12と、類似度計算部15と、検索結果提示部18と、固有表現特定部21と、関係ラベル決定部22とを含んで構成される。また、番組検索装置1は、外部記憶装置91やサーバコンピュータ92と接続されており、通信により、これらの外部の装置からデータを取得することが出来るように構成されている。
Next, an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a block diagram showing a functional configuration of the program search device according to the present embodiment. In the figure, reference numeral 1 denotes a program search device. As illustrated, the program search device 1 includes a program information acquisition unit 10, an appearance frequency counting unit 11, a program information storage unit 12, a similarity calculation unit 15, a search result presentation unit 18, and a specific expression specifying unit. 21 and a relation label determination unit 22. The program search device 1 is connected to an external storage device 91 and a server computer 92, and is configured to be able to acquire data from these external devices by communication.

番組情報取得部10は、外部記憶装置91やサーバコンピュータ92(ウェブサーバなど)などといった外部の装置から番組情報を取得する。ここで、番組情報とは、番組内容に関するテキストを含むデータであり、例えば、電子番組ガイドデータ(EPG,Electronic Program Guide)や、ウェブページデータや、クローズドキャプションデータ(CC,Closed Caption)などである。なお、番組情報取得部10が、電子番組ガイドデータやクローズドキャプションデータを放送波から直接取得するようにしてもよい。このとき、放送局は、これらのデータを用いて変調した放送波を送信する。   The program information acquisition unit 10 acquires program information from an external device such as an external storage device 91 or a server computer 92 (such as a web server). Here, the program information is data including text relating to program contents, such as electronic program guide data (EPG, Electronic Program Guide), web page data, closed caption data (CC), and the like. . Note that the program information acquisition unit 10 may directly acquire electronic program guide data and closed caption data from a broadcast wave. At this time, the broadcast station transmits a broadcast wave modulated using these data.

出現頻度カウント部11は、指定された指定番組と検索対象となる検索対象番組のそれぞれに関して番組情報取得部10が取得した番組情報における表現(nグラム等)の出現頻度をカウントする。   The appearance frequency counting unit 11 counts the appearance frequency of the expression (n-gram or the like) in the program information acquired by the program information acquisition unit 10 for each of the specified designated program and the search target program to be searched.

番組情報記憶部12は、磁気ディスク装置や半導体メモリ等を用いて実現されており、番組データベースを記憶する。この番組データベースは、固有表現情報122や出現頻度情報121のデータを含んでいる。出現頻度情報121は、前記の番組情報における番組ごとの表現の出現頻度を表わす。固有表現情報122は、少なくとも、前記の番組情報に含まれる固有表現とそれに対応する固有表現重み値とを関連付けて記憶する。これらのデータの詳細については後述する。   The program information storage unit 12 is realized using a magnetic disk device, a semiconductor memory, or the like, and stores a program database. This program database includes data of specific expression information 122 and appearance frequency information 121. The appearance frequency information 121 represents the appearance frequency of the expression for each program in the program information. The specific expression information 122 stores at least a specific expression included in the program information and a specific expression weight value corresponding to the specific expression. Details of these data will be described later.

類似度計算部15は、指定番組に関する番組情報について出現頻度カウント部11がカウントして得られた表現ごとの出現頻度と、番組情報記憶部12から読み出した特定の検索対象番組に関する出現頻度情報121と、同じく番組情報記憶部12から読み出した固有表現情報122とに基づき、指定番組と検索対象番組との間での表現の共起の度合いの尺度を計算するとともに、当該表現が固有表現情報122に含まれる固有表現である場合には前記共起の度合いの尺度を固有表現情報122が有する固有表現重み値によって重み付ける処理をすることによって、指定番組と検索対象番組との間の関連度を算出する。また、前記表現の出現頻度としてnグラムの出現頻度を用いる場合、類似度計算部15は、複数の連鎖数のnグラムの共起の度合いを計算するものであり、それらのうちの特定の連鎖数のnグラムの共起の度合いを当該連鎖数に応じたnグラム重み値によって重み付ける処理を行う。   The similarity calculation unit 15 displays the appearance frequency for each expression obtained by the appearance frequency counting unit 11 counting the program information related to the designated program, and the appearance frequency information 121 related to a specific search target program read from the program information storage unit 12. Similarly, based on the unique expression information 122 read from the program information storage unit 12, a measure of the degree of co-occurrence of expressions between the designated program and the search target program is calculated, and the expression is represented by the unique expression information 122. In the case of the specific expression included in the specific expression, the relevance between the designated program and the search target program is determined by weighting the scale of the degree of co-occurrence with the specific expression weight value included in the specific expression information 122. calculate. Further, when using the appearance frequency of n-grams as the appearance frequency of the expression, the similarity calculation unit 15 calculates the degree of co-occurrence of n-grams having a plurality of chain numbers, and a specific chain among them. A process of weighting the degree of co-occurrence of n-grams by an n-gram weight value corresponding to the chain number is performed.

検索結果提示部18は、類似度計算部15が算出した関連度に基づいて、関連度の高い検索対象番組を選択し、選択された検索対象番組を出力する(例えば、画面に表示する)ものである。また、検索結果提示部18が、後述する関係ラベル決定部22が決定する関係ラベルと関連付けて、選択された検索対象番組を出力するようにしても良い。例えば、検索結果提示部18が、決定された関係ラベルごとに検索対象番組を分類した上で、関連度が上位の検索対象番組を選択して表示する。   The search result presentation unit 18 selects a search target program having a high degree of relevance based on the relevance calculated by the similarity calculation unit 15, and outputs the selected search target program (for example, displays on the screen). It is. Further, the search result presentation unit 18 may output the selected search target program in association with the relationship label determined by the relationship label determination unit 22 described later. For example, the search result presentation unit 18 classifies the search target programs for each determined relation label, and then selects and displays a search target program having a higher relevance level.

固有表現特定部21は、機械学習等の技術を用いて、前記の番組情報から固有表現を抽出する処理を行なう。また、固有表現特定部21は、機械学習の手法を用いることにより、固有表現を抽出する際に、その固有表現の種別を併せて決定する。また、個別の固有表現に応じた固有表現重み値あるいは固有表現種別に応じた固有表現重み値を決定し、これらを併せて固有表現情報122として番組情報記憶部12に書き込む。   The specific expression specifying unit 21 performs a process of extracting a specific expression from the program information using a technique such as machine learning. In addition, the specific expression specifying unit 21 uses a machine learning technique to determine the type of the specific expression when extracting the specific expression. In addition, a specific expression weight value corresponding to an individual specific expression or a specific expression weight value corresponding to a specific expression type is determined, and these are combined and written into the program information storage unit 12 as specific expression information 122.

関係ラベル決定部22は、指定番組と検索対象番組との間での表現の共起の度合いに基づいて、それらの番組のペアにおいて共起の度合いの尺度が大きい(つまり、それら番組の関係を良く表わす)表現を、関係ラベルとして決定する。このとき、関係ラベル決定部22が、前記共起の度合いの尺度の計算結果に対して固有表現情報122から得た固有表現重み値によって重み付ける処理を行っても良い。   Based on the degree of co-occurrence of expressions between the designated program and the search target program, the relationship label determination unit 22 has a large scale of the degree of co-occurrence in the pair of programs (that is, the relationship between the programs is determined). The expression (well expressed) is determined as a relation label. At this time, the relation label determination unit 22 may perform a process of weighting the calculation result of the scale of the degree of co-occurrence with the specific expression weight value obtained from the specific expression information 122.

図2は、番組情報取得部10の内部の機能構成を示すブロック図である。図示するように、番組情報取得部は、電子番組ガイドデータ取得部101と、ウェブページデータ取得部102と、クローズドキャプションデータ取得部103とを含んで構成される。   FIG. 2 is a block diagram showing an internal functional configuration of the program information acquisition unit 10. As illustrated, the program information acquisition unit includes an electronic program guide data acquisition unit 101, a web page data acquisition unit 102, and a closed caption data acquisition unit 103.

電子番組ガイドデータ取得部101は、外部から、電子番組ガイドデータを取得する。電子番組ガイドデータは、放送波の信号として伝送されたり、放送局等のウェブサーバ装置からインターネット等を経由して伝送されたりする。電子番組ガイドデータには、番組内容に関するテキストの他に、番組タイトルや、放送日および放送時間や、出演者などに関する情報が含まれている。ただし、電子番組ガイドデータに含まれる番組内容データの量や質は、放送局や番組ジャンルにより異なる。ドラマやドキュメンタリ番組の場合には、電子番組ガイドデータは、あらすじ等を記述した詳細な情報を含んでいる。   The electronic program guide data acquisition unit 101 acquires electronic program guide data from the outside. The electronic program guide data is transmitted as a broadcast wave signal, or transmitted from a web server device such as a broadcasting station via the Internet or the like. The electronic program guide data includes information on program titles, broadcast dates and times, performers, etc., in addition to text related to program contents. However, the amount and quality of the program content data included in the electronic program guide data vary depending on the broadcasting station and the program genre. In the case of a drama or documentary program, the electronic program guide data includes detailed information describing an outline and the like.

ウェブページデータ取得部102は、外部から、インターネット等を経由して、ウェブページデータを取得する。このとき、ウェブページデータ取得部102は、必要に応じて番組名や放送局名等をキーとした検索処理を行うことによって、目的とするウェブページデータを特定する場合もある。放送局のホームページのデータを提供するウェブサーバ装置は、放送前あるいは放送後の番組の内容に関する情報を有している。例えば時事番組などでは、放送時に提供される情報は少ないが、放送後にその番組の内容に関する詳細且つ豊富な情報がウェブサーバ装置から提供される場合がある。よって、ウェブページデータ取得部102が取得するデータは、他の番組情報を補完する役割として役立つ。   The web page data acquisition unit 102 acquires web page data from the outside via the Internet or the like. At this time, the web page data acquisition unit 102 may specify target web page data by performing a search process using a program name, a broadcasting station name, or the like as a key as necessary. A web server device that provides data on a homepage of a broadcasting station has information regarding the contents of a program before or after broadcasting. For example, in a current program, there is little information provided at the time of broadcasting, but detailed and abundant information regarding the contents of the program may be provided from the web server device after broadcasting. Therefore, the data acquired by the web page data acquisition unit 102 serves as a role of complementing other program information.

クローズドキャプションデータ取得部103は、外部の記憶装置等から、クローズドキャプションデータを取得する。報道番組等では、即時性が重視されるため、電子番組ガイドデータやウェブページデータには詳細な情報が含まれていないことが多い。しかしながら、アナウンサーや番組出演者の発話をテキスト化したクローズドキャプションデータは、報道番組の内容に関する詳細な情報を含むため、本装置において有用である。なお、クローズドキャプションデータ取得部103は、番組単位でクローズドキャプションデータを取得するだけでなく、番組内の項目単位(ここで、項目とは、番組内の話題やニュース項目等の、意味的なまとまりに対応するものである。)にクローズドキャプションデータを取得することもできる。   The closed caption data acquisition unit 103 acquires closed caption data from an external storage device or the like. In a news program or the like, since immediacy is important, electronic program guide data and web page data often do not contain detailed information. However, the closed caption data in which the utterances of the announcer and the program performers are converted into texts is useful in this apparatus because it includes detailed information regarding the contents of the news program. Note that the closed caption data acquisition unit 103 not only acquires closed caption data for each program, but also for each item in the program (here, the item is a semantic group of topics, news items, etc. in the program). Closed caption data can also be acquired.

図3は、電子番組ガイドデータ取得部101が取得する電子番組ガイドデータの一例を示す概略図である。図示するように、電子番組ガイドデータは、番組内容に関するテキストのデータを含んでいる。
図4は、ウェブページデータ取得部102が取得するウェブページデータに基づいてマークアップされた番組情報のウェブページの画面表示例を示す概略図である。図示するように、このウェブページデータは、番組内容に関するテキストのデータを含んでいる。
図5は、放送番組の画面内に表示されているクローズドキャプションデータの例を示す概略図である。図示するように、クローズドキャプションデータは、番組内での発話内容のテキストデータである。
FIG. 3 is a schematic diagram illustrating an example of electronic program guide data acquired by the electronic program guide data acquisition unit 101. As shown in the drawing, the electronic program guide data includes text data relating to program contents.
FIG. 4 is a schematic diagram illustrating a screen display example of a web page of program information marked up based on web page data acquired by the web page data acquisition unit 102. As shown in the figure, the web page data includes text data relating to program contents.
FIG. 5 is a schematic diagram showing an example of closed caption data displayed on the screen of a broadcast program. As shown in the figure, the closed caption data is text data of utterance contents in the program.

図6は、上記のクローズドキャプションデータの構造の一例を示す概略図である。図示するように、クローズドキャプションデータは、表形式のデータとして保持されており、日付、番組ID(識別情報)、項目ID、時刻、クローズドキャプションの各項目を含んでいる。この表形式のデータの各行は、適切な長さを有する個々の発話に対応する。日付は、番組が放送された日付を表わし、その形式は「年/月/日」である。番組IDは、番組を一意に識別するためのデータである。項目IDは、必要に応じて、番組内の項目(ニュース項目等)を一意に識別するためのデータである。なお、番組内を複数の項目に分けて管理する必要がない場合には、この項目IDのデータは使用されない。時刻は、番組内での当該発話が開始された時刻(または放送時に当該クローズドキャプションを表示開始する時刻)を表わし、その形式は「時:分:秒.フレーム番号」である。クローズドキャプションは、当該発話の内容のテキストである。
このように、クローズドキャプションデータが番組IDのデータを有していることにより、クローズドキャプションデータ取得部103は、特定の番組のデータのみを容易に取得することができる。また、クローズドキャプションデータが項目IDのデータを有していることにより、クローズドキャプションデータ取得部103は、番組内の特定の項目のデータのみを容易に取得することができる。
なお、クローズドキャプションデータ取得部103が、項目IDを含まない形式のクローズドキャプションデータを外部から取得し、分析結果に基づいて項目IDを付加するようにしても良く、また、クローズドキャプションデータ取得部103が、項目IDを含んだ形式のクローズドキャプションデータを外部から取得するようにしても良い。前者の場合には、クローズドキャプションデータ取得部103は、画像処理技術を用いて番組の映像に含まれるアナウンサーを識別したり、音声認識により所定の長さを有する無声区間を認識したり、クローズドキャプションに含まれるテキストや番組の音声を認識した結果を基にトピックを認識したりする方法で、番組を複数の項目に分割し、そして個々の項目に対してユニークな項目IDを付与する。
FIG. 6 is a schematic diagram showing an example of the structure of the above closed caption data. As shown in the figure, the closed caption data is held as tabular data and includes items of date, program ID (identification information), item ID, time, and closed caption. Each row of tabular data corresponds to an individual utterance having an appropriate length. The date represents the date when the program was broadcast, and the format is “year / month / day”. The program ID is data for uniquely identifying a program. The item ID is data for uniquely identifying an item (news item or the like) in the program as necessary. In addition, when it is not necessary to divide a program into a plurality of items for management, the data of this item ID is not used. The time indicates the time when the utterance in the program is started (or the time when the closed caption starts to be displayed during broadcasting), and the format is “hour: minute: second.frame number”. The closed caption is a text of the content of the utterance.
As described above, since the closed caption data includes the program ID data, the closed caption data acquisition unit 103 can easily acquire only data of a specific program. Further, since the closed caption data includes the item ID data, the closed caption data acquisition unit 103 can easily acquire only the data of a specific item in the program.
Note that the closed caption data acquisition unit 103 may acquire closed caption data in a format that does not include an item ID from the outside, and add an item ID based on the analysis result, or the closed caption data acquisition unit 103. However, you may make it acquire the closed caption data of the format containing item ID from the outside. In the former case, the closed caption data acquisition unit 103 identifies an announcer included in the video of the program using image processing technology, recognizes a silent section having a predetermined length by voice recognition, The program is divided into a plurality of items by a method of recognizing the topic based on the result of recognizing the text and the sound of the program, and a unique item ID is assigned to each item.

図7は、番組情報記憶部12が記憶する出現頻度情報121のデータ構成を示す概略図である。出現頻度情報121は、番組ごと(あるいは番組内の項目ごと)の単語のnグラム(n−gram)の出現頻度(出現回数)を表わすデータである。1種類の連鎖数(n)のnグラムの出現頻度のみを用いても良いし、複数種類の連鎖数のnグラムの出現頻度を利用しても良い。一例としては、1−グラム(ユニグラム)と2−グラム(バイグラム)と3−グラム(トライグラム)の3種類を用いるようにする。また、1−グラムからN−グラム(Nは2以上の整数)までのN種類を用いるようにしても良い。なお、複数種類のnグラムを利用する際に、必ずしもそれらの連鎖数が連続している必要はなく、また必ずしも1−グラムを含んでいる必要もない。
同図に示すように、出現頻度情報121は表形式のデータとして構成され、番組ID、項目ID、連鎖数(n)、nグラム、頻度の各項目を含んでいる。番組IDおよび項目IDは、既に説明した通りである。連鎖数は、1つのnグラムに含まれる単語数である。nグラムは、連鎖数の分の単語のつながりを表記した文字列データである。例えば、連鎖数が3である3−グラムを、「経済−産業−省」といったように「−」によって単語をつないで表記している。頻度は、当該番組内(あるいは当該番組における当該項目内)における当該nグラムの出現回数を表わす数値である。
FIG. 7 is a schematic diagram illustrating a data configuration of the appearance frequency information 121 stored in the program information storage unit 12. The appearance frequency information 121 is data representing the appearance frequency (number of appearances) of n-grams of words for each program (or for each item in the program). Only the appearance frequency of n-grams of one type of chain number (n) may be used, or the appearance frequency of n-grams of a plurality of types of chain numbers may be used. As an example, three types of 1-gram (unigram), 2-gram (bigram), and 3-gram (trigram) are used. Moreover, you may make it use N types from 1-gram to N-gram (N is an integer greater than or equal to 2). Note that when using a plurality of types of n-grams, the number of chains does not necessarily have to be continuous, and does not necessarily include 1-gram.
As shown in the figure, the appearance frequency information 121 is configured as tabular data, and includes program ID, item ID, chain number (n), n-gram, and frequency items. The program ID and item ID are as already described. The chain number is the number of words included in one n-gram. The n-gram is character string data that describes the connection of words corresponding to the number of chains. For example, 3-grams having a chain number of 3 are represented by connecting words with “-” such as “economy-industry-saving”. The frequency is a numerical value representing the number of appearances of the n-gram in the program (or the item in the program).

図8は、番組情報記憶部が記憶する固有表現情報122のデータ構成を示す概略図である。固有表現とは、固有名詞や数値表現などを含むものである。本実施形態では、拡張固有表現(Extended Named Entities)を用いる。固有表現情報122は、表形式のデータとして構成され、固有表現種別、重みwene、固有表現、の各データ項目を有する。固有表現種別は、固有表現の種別を表わすタグデータであり、例えば「PERSON」(人名)、「TITLE」(称号名)、「ORGANIZATION」(組織名)、「LIVING_THING」(生物名)、「GPE」(行政単位名)、「FACILITY」(施設名)などといったものがある。重みweneは、固有表現に応じた重みの数値である。この重みweneを決定する方法、およびこの重みweneを番組検索処理に用いる方法については後述する。固有表現のデータ項目に保持されるデータは、固有表現そのものを表わす文字列データである。 FIG. 8 is a schematic diagram illustrating a data configuration of the unique expression information 122 stored in the program information storage unit. The proper expression includes proper nouns and numerical expressions. In the present embodiment, extended named expressions (Extended Named Entities) are used. Named entity information 122 is configured as a tabular data has named entity types, weights w ene, named entity, each data item. The unique expression type is tag data representing the type of the specific expression. For example, “PERSON” (person name), “TITLE” (title name), “ORGANIZATION” (organization name), “LIVING_THING” (organism name), “GPE”. ”(Administrative unit name),“ FACILITY ”(facility name), and the like. The weight “ wene” is a numerical value of the weight according to the specific expression. A method for determining this weight window and a method for using this weight window for the program search process will be described later. The data held in the data item of the specific expression is character string data representing the specific expression itself.

次に、番組検索装置1による処理の手順について説明する。同装置による処理として主要なものは、番組データベース生成処理と、番組検索処理である。   Next, a processing procedure by the program search device 1 will be described. The main processes performed by the apparatus are a program database generation process and a program search process.

図9は、番組データベース生成処理の手順を示すフローチャートである。以下、このフローチャートに沿って、番組データベース生成の手順を説明する。
まずステップS101において、番組情報取得部10が、外部記憶装置91やサーバコンピュータ92などから番組情報を取得する。このとき、番組情報取得部10は、前述の電子番組ガイドデータやウェブページデータやクローズドキャプションデータを適宜選択して取得する。また、番組情報取得部10は、ある1つの番組に対して複数種類の番組情報(例えば、電子番組ガイドデータとウェブページデータ)を取得する場合もある。
FIG. 9 is a flowchart showing the procedure of the program database generation process. The procedure for generating the program database will be described below with reference to this flowchart.
First, in step S101, the program information acquisition unit 10 acquires program information from the external storage device 91, the server computer 92, or the like. At this time, the program information acquisition unit 10 appropriately selects and acquires the electronic program guide data, web page data, and closed caption data described above. Further, the program information acquisition unit 10 may acquire a plurality of types of program information (for example, electronic program guide data and web page data) for a certain program.

次にステップS102において、出現頻度カウント部11が、上で取得した番組情報に含まれるnグラムの出現頻度をカウントする。
具体的には、出現頻度カウント部11は、まず番組情報取得部10が取得した番組情報を読み込み、既存技術を用いて番組情報のテキストの形態素解析処理を行い、これらのテキストを形態素の列に分解する。そして、この形態素列から、予め定められた所定の連鎖数のnグラムを抽出する。例えば、連鎖数として、n=1,2,3を用いる場合、テキスト中の「・・・経済産業省・・・」という部分からは、「経済」、「産業」、「省」というそれぞれの1−グラムと、「経済−産業」、「産業−省」というそれぞれの2−グラムと、「経済−産業−省」という3−グラムが抽出される。そして、出現頻度カウント部11は、番組ごと(但し、番組内の項目ごとの場合もあり。以下で「番組ごと」と述べる処理についても同様に項目ごとの処理とすることができる。)の各々のnグラムの出現頻度をカウントする。出現頻度カウント部11は、その結果を番組情報記憶部12の出現頻度情報121に書き込む。これにより、あるnグラムTについて、そのTが含まれる番組数(番組内の項目ごとの処理の場合には「項目数」。以下では統一的に「番組数」と呼ぶ。なお、項目ごとの処理をする番組とそうでない番組が混在している場合も同様)mと、番組中に含まれるTの数tfが得られる。
なお、この処理において、出現頻度カウント部11は、予め定められたストップワード(助詞等)を含まないnグラムを抽出する。これにより、番組内容の特徴をより良く表わす出現頻度情報が得られる。
Next, in step S102, the appearance frequency counting unit 11 counts the appearance frequency of n-grams included in the program information acquired above.
Specifically, the appearance frequency counting unit 11 first reads the program information acquired by the program information acquisition unit 10, performs morphological analysis processing of the text of the program information using existing technology, and converts these texts into a morpheme string. Decompose. Then, n-grams having a predetermined predetermined number of chains are extracted from the morpheme string. For example, when n = 1, 2, 3 is used as the number of chains, from the part “... Ministry of Economy, Trade and Industry ...” in the text, each of “Economy”, “Industry”, 1-gram, 2-gram of “economy-industry” and “industry-province” and 3-gram of “economy-industry-province” are extracted. The appearance frequency counting unit 11 is for each program (however, it may be for each item in the program. The processing described below as “for each program” can be similarly set for each item). The frequency of appearance of n-grams is counted. The appearance frequency counting unit 11 writes the result in the appearance frequency information 121 of the program information storage unit 12. Thereby, for a certain n-gram T n , the number of programs including that T n (“number of items” in the case of processing for each item in the program. In the following, it is collectively referred to as “number of programs”. and similarly) m If the process is not the case with the program to be a program of each are mixed, the number tf of T n contained in the program is obtained.
In this process, the appearance frequency counting unit 11 extracts n-grams that do not include a predetermined stop word (particle, etc.). As a result, appearance frequency information that better represents the characteristics of the program content can be obtained.

次にステップS103において、固有表現特定部21は、上で取得した番組情報に含まれる固有表現を抽出する。固有表現とは、人名、地名、組織名などといった固有名詞と数値表現を意味するものであり、テギスドの理解において必要な表現である。またこのとき固有表現特定部21は、抽出した固有表現に対して、固有表現の種類を表わすタグデータを付与する。その結果、出現頻度カウント部が抽出したnグラムに、固有表現タグを付与することができる。   In step S103, the specific expression specifying unit 21 extracts the specific expression included in the program information acquired above. The proper expression means a proper noun such as a person name, a place name, and an organization name and a numerical expression, and is an expression necessary for understanding Teguisudo. At this time, the specific expression specifying unit 21 adds tag data representing the type of specific expression to the extracted specific expression. As a result, the unique expression tag can be assigned to the n-gram extracted by the appearance frequency counting unit.

固有表現の種類は、様々に定義されている。情報抽出・情報検索の技術に関するワークショップIREX(Information Retrieval and Extraction Exercise)は、組織名(ORGANIZATION)、人名(PERSON)、地名(LOCATION)、日付表現(DATE)、時間表現(TIME)、金額表現(MONEY)、割合表現(PERCENT)、人工物(ARTIFACT)の8種類を定義した。
また、文献(関根聡,「関根の拡張固有表現階層」定義 Version 7.0.0,2007年3月8日,URL:http://nlp.cs.nyu.edu/ene/version7_0_0.html)は、拡張固有表現として、概念的に階層化された200種類の固有表現タグを定義している。その最も上の階層で定義されている固有表現の種類は、名前その他、人名、神名、組織名、地名、施設名、製品名、イベント名、自然物名、病気名、色名である。
なお、固有表現の種類の定義を適宜選択して用いるようにすれば良いが、一実施例としては、上記の拡張固有表現に定義されている200種類の中から、PERSON(人名)、TITLE(称号名)、ORGANIZATION(組織名)、LIVING_THING(生物名)、GPE(Geological Political Entity、政治的地名(国名、都道府県名、州名、郡名、市区町村名など))、FACILITY(施設名)を用いる。
There are various types of proper expressions. Workshop on Information Extraction and Information Retrieval Technology IREX (Information Retrieval and Extraction Exercise) consists of organization name (ORGANIZATION), person name (PERSON), place name (LOCATION), date expression (DATE), time expression (TIME), monetary expression Eight types were defined: (MONEY), ratio expression (PERCENT), and artifact (ARTIFACT).
In addition, a document (Akira Sekine, “Sekine Extended Specific Expression Hierarchy” Definition Version 7.0.0, March 8, 2007, URL: http://nlp.cs.nyu.edu/ene/version7_0_0.html) Defines 200 specific expression tags that are conceptually hierarchized as extended specific expressions. The types of proper expressions defined in the uppermost hierarchy are names, personal names, god names, organization names, place names, facility names, product names, event names, natural object names, disease names, and color names.
The definition of the type of the specific expression may be appropriately selected and used. However, as an example, the PERSON (person name), TITLE (from the 200 types defined in the above extended specific expression may be used. Title), ORGANIZATION (organization name), LIVING_THING (biological name), GPE (Geological Political Entity, political place name (country name, prefecture name, state name, county name, city name, etc.)), FACILITY (facility name) ) Is used.

同ステップにおいて固有表現特定部21が固有表現を抽出する具体的処理としては、
SVM(Support Vector Machine、サポートベクターマシン)やCRF(Conditional Random Fields、条件付確率場)などといった既存の機械学習技術を用いて抽出する方法や、辞書やルールなど事前に与えられた情報に基づいて抽出する方法、あるいはそれらを組み合わせた方法がある。
機械学習技術を用いて固有表現を抽出する方法の概略は次の通りである。即ち、まず、番組情報のテキストの形態素解析を行う。そして、その結果得られる各形態素の素性を抽出する。ここで、素性とは、形態素の読み(辞書データから得られる)や、概念(概念辞書データから得られる)や、品詞などであり、これらの素性を組み合わせて、個々の形態素に対して数十次元の素性ベクトルを作る。一実施例としては、57次元の素性ベクトルを用いた。これにより、テキストから固有表現を抽出するという問題は、ある形態素に対応する素性ベクトルが特定のラベルを有するか否か(拡張固有表現の一種に該当するか否か)を識別する問題に還元される。そこで、学習用データに対して、人がラベル付けを行う。これを教師データとして、SVMやCRFによって学習を行う。この学習を行っておくことによって、与えられる任意の形態素に対応する素性ベクトルが特定のラベルを有するか否かを識別できるようになる。つまり、機械学習の結果を用いることにより、任意の入力テキストに含まれる形態素に、固有表現のラベル付けを行なうことができる。即ち、取得した番組情報から固有表現の抽出を行い、同時に抽出された固有表現の種類を特定することができる。
In the same step, the specific expression specifying unit 21 extracts specific expressions as follows:
Extraction methods using existing machine learning technologies such as SVM (Support Vector Machine) and CRF (Conditional Random Fields), and information given in advance such as dictionaries and rules There are methods of extracting or combining them.
An outline of a method for extracting a specific expression using machine learning technology is as follows. That is, first, morphological analysis of program information text is performed. And the feature of each morpheme obtained as a result is extracted. Here, the features are morpheme reading (obtained from dictionary data), concept (obtained from concept dictionary data), part of speech, etc. Create a dimension feature vector. As an example, a 57-dimensional feature vector was used. As a result, the problem of extracting a specific expression from text is reduced to the problem of identifying whether or not a feature vector corresponding to a certain morpheme has a specific label (whether it corresponds to a kind of extended specific expression). The Therefore, a person labels the learning data. Learning is performed by SVM or CRF using this as teacher data. By performing this learning, it becomes possible to identify whether or not a feature vector corresponding to a given morpheme has a specific label. In other words, by using the result of machine learning, it is possible to label a specific expression to a morpheme included in an arbitrary input text. That is, it is possible to extract a specific expression from the acquired program information and specify the type of the specific expression extracted at the same time.

次にステップS104において、固有表現特定部21は、上で抽出した固有表現に対する重みweneを決定する。
具体的には、固有表現特定部21は、固有表現の種類(タグ)ごとに予め定められた重みを付与するようにする。このとき、例えば人名を重視する場合には、タグ「PERSON」に対する重みの値を相対的に大きく設定する。また、固有表現の種類ごとにではなく、個々の固有表現ごとに重みの値を決定するようにしても良い。
また、重みの値の決定方法としては、予め人手で番組間の類似性の評価を行い、その結果(番組Aと番組Bがどの程度類似しているかを表わす指標)を学習のための教師データとする。この教師データには、人手若しくは機械学習により固有表現のタグを付与しておく。そして、各固有表現の重みの初期値を適宜設定し、その重みを用いて類似度計算部15の処理(後述する)によって番組間の類似度を計算する。その計算結果を、上記の教師データと比較して、評価関数により評価する。そして、評価関数の値が良くなる方向に、最急勾配法などを用いて、重みを変化させていく。その結果得られた最適な各固有表現の重みを採用する。
In step S <b> 104, the specific expression specifying unit 21 determines a weight window for the specific expression extracted above.
Specifically, the specific expression specifying unit 21 assigns a predetermined weight to each type (tag) of the specific expression. At this time, for example, when importance is placed on the name of the person, the value of the weight for the tag “PERSON” is set to be relatively large. Further, the weight value may be determined for each unique expression instead of for each kind of specific expression.
As a method for determining the weight value, the similarity between programs is evaluated manually in advance, and the result (an index indicating how similar the program A and the program B are) is used as teaching data for learning. And This teacher data is given a tag of specific expression by hand or machine learning. Then, an initial value of the weight of each unique expression is set as appropriate, and the similarity between programs is calculated by processing (to be described later) of the similarity calculation unit 15 using the weight. The calculation result is compared with the teacher data and evaluated by an evaluation function. Then, the weight is changed in the direction in which the value of the evaluation function is improved by using the steepest gradient method or the like. The optimum weight of each proper expression obtained as a result is adopted.

固有表現特定部21は、ステップS103およびS104で得られた結果を、番組情報記憶部12の固有表現情報122に書き込む。以上が、番組データベース生成の処理である。   The specific expression specifying unit 21 writes the results obtained in steps S103 and S104 into the specific expression information 122 of the program information storage unit 12. The above is the program database generation process.

図10は、番組検索処理の手順を示すフローチャートである。以下、このフローチャートに沿って、番組検索の手順を説明する。
まずステップS201において、番組指定手段(不図示)が検索の基となる番組Qを指定する。本実施形態による番組検索装置1が、放送信号を受信してその映像を画面に表示する機能(テレビ受信機機能)を兼ね備えている場合には、この番組指定手段は、例えば現在表示中の番組を番組Qとして指定する。また、番組検索装置1の外部からの信号や、操作者による操作に基づいて、番組指定手段が検索の基となる番組Qを指定するようにしても良い。
FIG. 10 is a flowchart showing the procedure of the program search process. The program search procedure will be described below with reference to this flowchart.
First, in step S201, program designation means (not shown) designates a program Q as a search base. When the program search device 1 according to the present embodiment also has a function (television receiver function) for receiving a broadcast signal and displaying the video on the screen, this program designating means is, for example, a program currently being displayed. Is designated as the program Q. Further, the program designating unit may designate the program Q as a search base based on a signal from the outside of the program search device 1 or an operation by the operator.

次にステップS202において、番組情報取得部10は、上で指定された番組Qについての番組情報を、外部記憶装置91やサーバコンピュータ92や現在受信中の番組Qに付加されているデジタルデータ信号などから取得する。番組情報取得部10による具体的な番組情報の取得の動作は、前図のステップS101についての説明で述べた通りである。
次にステップS203において、出現頻度カウント部11が、上で取得した番組Qについての番組情報に基づき、そのデータに含まれるnグラムを抽出するとともに、それらのnグラムの出現頻度をカウントする。出現頻度カウント部11による具体的な動作は、前図のステップS102についての説明で述べた通りである。
In step S202, the program information acquisition unit 10 adds program information about the program Q specified above to the external storage device 91, the server computer 92, the digital data signal added to the currently received program Q, and the like. Get from. The specific program information acquisition operation by the program information acquisition unit 10 is as described in the description of step S101 in the previous figure.
Next, in step S203, the appearance frequency counting unit 11 extracts n-grams included in the data based on the program information about the program Q acquired above, and counts the appearance frequency of those n-grams. The specific operation by the appearance frequency counting unit 11 is as described in the description of step S102 in the previous figure.

次にステップS204において、類似度計算部15は、上で指定された番組Qと、予め番組情報記憶部12の番組データベースに記憶されていた番組との関連度を計算する。このとき、類似度計算部15は、番組Qと、他のある番組Dとの関連度を下の式(1)で表わす計算によって計算する。   Next, in step S <b> 204, the similarity calculation unit 15 calculates the degree of association between the program Q specified above and the program previously stored in the program database of the program information storage unit 12. At this time, the similarity calculation unit 15 calculates the degree of association between the program Q and another program D by calculation represented by the following equation (1).

ここで、Tは、番組Qに含まれるnグラムである。また、nは、そのnグラムの連鎖数である。
また、weneは前述した通り拡張固有表現に対応する重みであり。この重みweneを用いて関連度を計算することにより、単に出現頻度の統計的特徴だけによらず、語の意味にも基づいた関連度を算出することができる。
また、wngは、nグラムの連鎖数に対応する重みであり、具体的には例えば、
ng=1/n
あるいは、
ng=1/(2
などといったように、nが大きくなるほど重みwngが小さくなるようにする。この重みwngを用いることにより、番組情報に含まれる複合語に対して過剰に高い関連度が算出されることを防ぐことができる。例えば、番組Qと番組Dの両方の番組情報に「経済産業省」という単語が含まれていた場合に、3−グラムの「経済−産業−省」だけでなく、2−グラムの「経済−産業」、「産業−省」や、1−グラムの「経済」、「産業」,「省」なども両番組情報間で共起する。このような場合にも、式(1)において重みwngの要素が作用することによって、これらのnグラムが関連度に対して過剰に作用することを防ぐ。
Here, T n is an n-gram included in the program Q. N is the chain number of the n-gram.
Further, the window is a weight corresponding to the extended specific expression as described above. By calculating the relevance using this weight “ wene” , it is possible to calculate the relevance based not only on the statistical characteristics of the appearance frequency but also on the meaning of the word.
In addition, w ng is a weight corresponding to the chain number of n-grams.
w ng = 1 / n
Or
w ng = 1 / (2 n )
As described above, the weight w ng decreases as n increases. By using this weight w ng , it is possible to prevent an excessively high degree of association from being calculated for the compound word included in the program information. For example, when the word “Ministry of Economy, Trade and Industry” is included in the program information of both program Q and program D, not only 3-gram “economy-industry-ministry” but also 2-gram “economy— “Industry”, “Industry-Ministry”, 1-gram “Economy”, “Industry”, “Ministry”, etc. co-occur between both program information. Even in such a case, the element of the weight w ng acts in the equation (1) to prevent these n-grams from acting excessively on the relevance.

式(1)におけるSBM25(T,D)は、検索エンジン等で用いられ、語と文書との関連性をランク付けるためのOkapi BM25に基づく関数を利用している。このSBM25(T,D)は、あるnグラムTの番組Dにおけるスコアを計算するものであり、下の式(2)によって表わされる。 S BM25 (T n , D) in Expression (1) is used in a search engine or the like, and uses a function based on Okapi BM25 for ranking the relevance between words and documents. This S BM25 (T n , D) calculates a score in a program D of a certain n-gram T n and is expressed by the following equation (2).

ここで、Mは、番組情報データベースに記憶されている全ての番組の番組数である。また、mは、それらのうちnグラムTを含む番組の番組数である。また、tfは、番組Dの番組情報の中のnグラムTの頻度であり、そのデータは番組情報記憶部12の出現頻度情報121から読み出される。また、qtfは番組Qの番組情報の中のnグラムTの頻度であり、そのデータは上のステップS203で求められたものである。
また、Kは、下の式(3)によって表わされる。
Here, M is the number of programs of all programs stored in the program information database. M is the number of programs including n-gram T n among them. Further, tf is the frequency of the n-gram T n in the program information of the program D, and the data is read from the appearance frequency information 121 of the program information storage unit 12. Qtf is the frequency of n-gram T n in the program information of program Q, and the data is obtained in step S203 above.
K is expressed by the following equation (3).

ここで、dlは、番組Dの番組情報の説明文長(つまり、そのテキストに含まれる語数)である。また、avdlは、番組情報データベースに記憶されている全ての番組の番組情報の説明文長(語数)の平均である。
また、式(2)および式(3)における、bや、kや、kは、適宜設定されるパラメータである。これらのパラメータの一例としては、
b=0.75,
=1.2,
=7
といった値を用いる。
Here, dl is the explanatory sentence length of the program information of the program D (that is, the number of words included in the text). Moreover, avdl is the average of the description sentence length (number of words) of the program information of all programs stored in the program information database.
Further, b, k 1 , and k 3 in the expressions (2) and (3) are parameters that are set as appropriate. An example of these parameters is:
b = 0.75
k 1 = 1.2,
k 3 = 7
The value is used.

類似度計算部15は、上述した計算方法により、番組データベースに格納されている全ての番組Dについて、番組Qとの関連度S(D,Q)を計算する。その結果のスコアに基づき、類似度計算部15は、関連度の高い上位の番組を出力する。   The similarity calculation unit 15 calculates the degree of association S (D, Q) with the program Q for all the programs D stored in the program database by the calculation method described above. Based on the score of the result, the similarity calculation unit 15 outputs an upper program having a high degree of relevance.

次にステップS205において、関係ラベル決定部22は、検索元の番組Qと検索結果として得られる番組との関係を示す関係ラベルを決定する。具体的には、関係ラベル決定部22は、検索元の番組Qと、番組データベースに記憶されている番組Dとの関係を示すラベルL(D,Q)を、下の式(4)によって求める。   In step S205, the relationship label determination unit 22 determines a relationship label indicating the relationship between the search source program Q and the program obtained as a search result. Specifically, the relation label determination unit 22 obtains a label L (D, Q) indicating a relation between the program Q as a search source and the program D stored in the program database by the following equation (4). .

つまり、番組Qと番組Dとが与えられたとき、関係ラベル決定部22は、式(2)で示した関数SBM25(T,D)を用いてSBM25(T,D)×wene(T)を計算し、この値が最大となるようなnグラムTを、番組Qと番組Dとの関係を表わすラベルとして決定する。このような決定方法から明らかなように、番組データベースに保持されているある番組Dについて、指定される番組Qに応じて異なるラベルが決定される場合もある。
またこのとき、上で決定されたラベルが固有表現に該当する場合には、番組情報記憶部12の固有表現情報122から読み出された情報に基づいて、関係ラベル決定部22が、そのラベルに対応する固有表現種別を併せて決定するようにしても良い。
That is, when the program Q and the program D are given, the relationship label determination unit 22 uses the function S BM25 (T n , D) expressed by the equation (2) to obtain S BM25 (T n , D) × w. ene (T n ) is calculated, and an n-gram T n that maximizes this value is determined as a label representing the relationship between the program Q and the program D. As is clear from such a determination method, a different label may be determined for a certain program D held in the program database depending on the designated program Q.
At this time, if the label determined above corresponds to the specific expression, the related label determination unit 22 uses the information read from the specific expression information 122 of the program information storage unit 12 as the label. The corresponding unique expression type may be determined together.

なお、番組検索装置1が関係ラベル決定部22を持たないような構成としても良い。このような構成の場合には、ここで説明している番組検索の処理の手順からステップS205の処理のみを省略する。関係ラベルを必要としない場合にはこのように関係ラベル決定部22を省略してもよく、その場合には、番組検索装置1は、類似度計算部15による計算結果のみに基づいて検索結果を操作者に対して提示する。   The program search device 1 may be configured not to have the related label determination unit 22. In the case of such a configuration, only the process of step S205 is omitted from the program search process described here. When the relationship label is not required, the relationship label determination unit 22 may be omitted as described above. In this case, the program search device 1 obtains the search result based only on the calculation result by the similarity calculation unit 15. Present to the operator.

次にステップS206において、検索結果提示部18は、上述した一連の処理の結果に基づいて、検索結果をコンピュータの画面に表示することによって、操作者に対する提示を行う。具体的には、検索結果提示部18は、上で計算された関連度スコアに基づき、上位P個(Pは正整数)までの番組を結果に出力する。   Next, in step S206, the search result presentation unit 18 presents the search result to the operator by displaying the search result on the computer screen based on the result of the series of processes described above. Specifically, the search result presentation unit 18 outputs up to the top P programs (P is a positive integer) based on the relevance score calculated above.

図11は、検索結果提示部18による検索結果の提示の画面表示の一例を示す概略図である。同図に示す例では、検索結果提示部18は、指定された番組Qを画面の中心部付近に、その番組Qのタイトル等(「天〇人」等)とともに表示している。また、番組Qを表示している場所の周辺に、番組Qとの関連度が高い他の番組を表示している。同図では、番組Qとの関連度の高い他の番組が、ラベルごとに分類されて、且つそれらのラベルにそれぞれ対応する固有表現種別とともに表示されている。得られたラベルが固有表現でない場合は、「Topic:」と表示される。即ち、ラベル「謙信」は固有表現種別「Person」に対応し、ラベル「信長」は固有表現種別「Person」に対応し、ラベル「兼続」は固有表現種別「Person」に対応し、ラベル「岐阜城」は固有表現種別「Facility」に対応している。例では、ラベル「鉄砲」は固有表現タグが付与されていないため、「Topic」に対応させる。そして、これらそれぞれのラベルにそれぞれ対応して該当する番組のうち、番組Qとの間の関連度が高い番組が、上位順に表示されている(その検索結果の各番組に対応するサムネール画像を表示しても良い)。   FIG. 11 is a schematic diagram illustrating an example of a screen display of search result presentation by the search result presentation unit 18. In the example shown in the figure, the search result presentation unit 18 displays the designated program Q in the vicinity of the center of the screen together with the title of the program Q (“ten people”, etc.). Also, other programs having a high degree of association with the program Q are displayed around the place where the program Q is displayed. In the figure, other programs having a high degree of association with the program Q are classified for each label and displayed together with the unique expression types corresponding to the labels. If the obtained label is not a unique expression, “Topic:” is displayed. That is, the label “Kenshin” corresponds to the specific expression type “Person”, the label “Nobunaga” corresponds to the specific expression type “Person”, the label “Kanetsu” corresponds to the specific expression type “Person”, and the label “ “Gifu Castle” corresponds to the specific expression type “Facility”. In the example, the label “Gun” is not assigned a unique expression tag, and therefore corresponds to “Topic”. Of the corresponding programs corresponding to the respective labels, the programs having the highest degree of relevance with the program Q are displayed in order from the top (display thumbnail images corresponding to the respective programs in the search results). You may).

つまり、このとき、検索結果提示部18は、番組Dと、類似度計算部15によって計算された番組Qと番組Dとの関連度のスコアS(D,Q)と、関係ラベル決定部22によって決定された番組Qと番組Dとの関係を表わす関係ラベルL(D,Q)とに基づき、番組データベース内の番組(D)をラベルごとに分類し、それらの各ラベルに属する上位の所定個の番組(D)のスコアの合計が上位となる所定個のラベルを決定する。そして、決定された各ラベルに属する上位の番組(D)を表示する。
また、このとき、検索結果提示部18は、画面中央に表示された番組Qの動画コンテンツを再生表示しながら、その周辺に、上述した関連番組のサムネール画像を表示し、操作者がそれらのサムネール画像のいずれかをクリックする操作をした場合には、今度はその選択された関連番組を指定番組Qとして、画面中央に表示再生するように切り替える。
That is, at this time, the search result presentation unit 18 uses the program D, the score S (D, Q) of the degree of association between the program Q and the program D calculated by the similarity calculation unit 15, and the relationship label determination unit 22. Based on the determined relationship label L (D, Q) indicating the relationship between the program Q and the program D, the program (D) in the program database is classified for each label, and a predetermined upper number belonging to each of these labels A predetermined number of labels having the highest total score of the program (D) are determined. Then, the upper program (D) belonging to each determined label is displayed.
At this time, the search result presentation unit 18 displays the thumbnail images of the related programs described above around the video content of the program Q displayed at the center of the screen, and the operator displays those thumbnails. When an operation for clicking one of the images is performed, the selected related program is changed to display and reproduction at the center of the screen as the designated program Q.

以上まとめると、検索結果提示部18は、下の(a)の方法で検索結果を画面に表示する。
(a)検索結果提示部18は、指定された番組Qを表示し、また、上位所定個の番組の関連度の合計が高いラベルと、そのラベルに対応する固有表現種別と、そのラベルに属する番組のうち関連度が上位の番組を表示する。
また、この方法だけでなく、検索結果提示部18が下の(b)〜(f)などのいずれかの方法で検索結果を画面に表示するようにしても良い。
(b)検索結果提示部18は、上記(a)と同様の表示をするが、但し、固有表現種別の表示を行なわない。
(c)検索結果提示部18は、上記(a)または(b)のいずれかの表示に加えて、ラベルに含まれる番組の関連度の合計値としては上位のラベルに含まれないが、各番組単独での番組Qとの関連度が高いような番組がある場合には、そのような単数又は複数の番組を併せて表示する。また、それらの番組は共通のラベルを持たないため、ラベルの代わりに「その他」などといった文言を併せて表示するようにしても良い。
(d)検索結果提示部18は、ラベルを考慮せず、単純に番組データベース中の全番組から関連度S(D,Q)が上位の所定個の番組を選んで表示する。この場合には、番組検索装置1が関係ラベル決定部22を含まない構成でも良い。
(e)検索結果提示部18は、番組をラベルごとに分類して並べることはないが、番組データベース中の全番組から関連度S(D,Q)が上位の所定個の番組を選んでスコアで順序付けて表示し、各番組に対応するラベルの文字列を表示する。
(f)検索結果提示部18は、上記(e)の表示に加えて、ラベルに対応する固有表現種別がある場合には、それを併せて表示する。
また、検索結果提示部18は、上記の(a)〜(f)のさらなるバリエーションによる表示を行っても良い。
In summary, the search result presentation unit 18 displays the search result on the screen by the method (a) below.
(A) The search result presentation unit 18 displays the designated program Q, and also includes a label having a high total relevance of the upper predetermined number of programs, a unique expression type corresponding to the label, and the label Of programs, programs with the highest degree of relevance are displayed.
In addition to this method, the search result presentation unit 18 may display the search result on the screen by any one of the methods (b) to (f) below.
(B) The search result presentation unit 18 displays the same as in (a) above, but does not display the unique expression type.
(C) In addition to the display of either (a) or (b) above, the search result presentation unit 18 does not include the total level of relevance of the programs included in the label, When there is a program that has a high degree of association with the program Q alone, such a single program or a plurality of programs are displayed together. In addition, since these programs do not have a common label, words such as “others” may be displayed together instead of the label.
(D) The search result presentation unit 18 simply selects and displays a predetermined number of programs having higher relevance S (D, Q) from all programs in the program database without considering the labels. In this case, the program search device 1 may not include the related label determination unit 22.
(E) The search result presentation unit 18 does not classify the programs into labels and arranges them, but selects a predetermined number of programs having a higher relevance S (D, Q) from all programs in the program database and scores them. Are displayed in order, and a character string with a label corresponding to each program is displayed.
(F) In addition to the display of (e) above, the search result presentation unit 18 also displays a specific expression type corresponding to the label, if any.
In addition, the search result presentation unit 18 may perform display by further variations of the above (a) to (f).

なお、上述した実施形態における番組検索装置の一部又は全部の機能をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時刻の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時刻プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、上述した実施形態における番組検索装置の機能を放送受信機に組み込むことによって実現しても良い。
In addition, you may make it implement | achieve a part or all function of the program search apparatus in embodiment mentioned above with a computer. In that case, the program for realizing the control function may be recorded on a computer-readable recording medium, and the program recorded on the recording medium may be read by a computer system and executed. Here, the “computer system” includes an OS and hardware such as peripheral devices. The “computer-readable recording medium” refers to a storage device such as a flexible medium, a magneto-optical disk, a portable medium such as a ROM and a CD-ROM, and a hard disk incorporated in a computer system. Further, the “computer-readable recording medium” dynamically holds a program for a short time, like a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line. It is also possible to include those that hold a program for a certain time, such as a volatile memory inside a computer system serving as a server or client in that case. The program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
Moreover, you may implement | achieve by incorporating the function of the program search device in embodiment mentioned above in a broadcast receiver.

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。   The embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to this embodiment, and includes designs and the like that do not depart from the gist of the present invention.

<評価実験の結果>
視聴者が視聴中の番組に関連する番組をどの程度良い精度で検索できるかを調べるため、上記実施形態の試作システムを用いた関連番組検索の評価実験を行なった。実験では、種類に重複のない15番組を検索元とし、検索結果の上位10番組を評価した。番組間の関連性を4段階(4:関連ある,3:少し関連ある,2:あまり関連ない,1:関連ない)で、関係の種類を示す関係ラベルを3段階(3:適切,2:ほぼ適切,1:不適切)で、それぞれ主観評価した。ベースラインとして、形態素のtf−idf値を素性としたCosine類似度を用いた。ラベルには、tf−idf値が最も高い形態素を付与した。
<Results of evaluation experiment>
In order to examine how accurately the program related to the program being viewed by the viewer can be searched, an evaluation experiment of related program search using the prototype system of the above embodiment was performed. In the experiment, 15 programs with no overlapping types were used as search sources, and the top 10 programs in the search results were evaluated. There are 4 levels of relevance between programs (4: related, 3: slightly related, 2: not very related, 1: not related), and 3 levels of relationship labels (3: appropriate, 2: (Substantially appropriate, 1: inappropriate). As a baseline, Cosine similarity with morpheme tf-idf values as features was used. A morpheme having the highest tf-idf value was assigned to the label.

この実験の結果、上記実施形態の試作システムが、ベースラインに比べ、関連性および関係ラベルの双方において上回った。具体的には、関連性については、ベースラインの評価結果が3.26に対して本試作システムのそれが3.35となった。関係ラベルについては、ベースラインの評価結果が2.25に対して本試作システムのそれが2.49となった。これは、本試作システムの手法では、ENE(拡張固有表現)や複合語が評価され、ユーザが「関連がある」と判断する意味のある語彙を持つ番組が上位に集まったためと分析できる。一方で、少数ではあるが、番組情報内で例示された国名など、内容とは直接関係ないENEの重みがスコアに寄与してしまった場合もあった。これは、検索元コンテンツの文脈を考慮した選択的なENEの重み付け(固有表現重み値の設定)を行うことによって改善できる。また、関係ラベルの評価においても、複合語やENEなど意味のある語が関係ラベルとして決定されたことで、ユーザの評価を上げることができたと分析できる。つまり、本発明の実施形態の有効性が実験によって確認された。   As a result of this experiment, the prototype system of the above embodiment exceeded both the relevance and the relation label compared to the baseline. Specifically, regarding relevance, the baseline evaluation result was 3.26, while that of the prototype system was 3.35. Regarding the relation label, the baseline evaluation result was 2.25, while that of the prototype system was 2.49. This can be analyzed because the prototyping system technique evaluates ENE (extended specific expressions) and compound words, and programs having meaningful vocabulary that the user judges to be “related” are gathered at the top. On the other hand, although it is a small number, the weight of the ENE that is not directly related to the content, such as the country name exemplified in the program information, may have contributed to the score. This can be improved by performing selective ENE weighting (setting of specific expression weight values) in consideration of the context of the search source content. In relation label evaluation, it can be analyzed that a meaningful word such as a compound word or ENE has been determined as a relation label, thereby improving the user's evaluation. That is, the effectiveness of the embodiment of the present invention was confirmed by experiments.

本発明は、放送番組や、通信回線等を介して配信される映像番組などを視聴する視聴者に対して、他の関連する番組をレコメンドするために利用できる。また、そのような機能は、例えば多数の豊富な映像番組などを視聴者の要求に基づいて提供するサービスに適用することが産業上有用である。   INDUSTRIAL APPLICABILITY The present invention can be used for recommending other related programs to viewers who view broadcast programs and video programs distributed via communication lines. In addition, it is industrially useful to apply such a function to a service that provides, for example, a large number of abundant video programs based on the viewer's request.

1 番組検索装置
10 番組情報取得部
11 出現頻度カウント部
12 番組情報記憶部
15 類似度計算部
18 検索結果提示部
21 固有表現特定部
22 関係ラベル決定部
DESCRIPTION OF SYMBOLS 1 Program search device 10 Program information acquisition part 11 Appearance frequency counting part 12 Program information storage part 15 Similarity degree calculation part 18 Search result presentation part 21 Specific expression specific | specification part 22 Relation label determination part

Claims (4)

番組の内容を表わすテキストを含む番組情報における前記番組ごとの表現の出現頻度を表わす出現頻度情報と、前記番組情報に含まれる固有表現と前記固有表現に対応する固有表現重み値とを関連付けて記憶する固有表現情報と、を記憶する番組情報記憶部と、
前記番組情報を取得する番組情報取得部と、
指定された指定番組に関して前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントする出現頻度カウント部と、
前記指定番組に関する前記番組情報について前記出現頻度カウント部がカウントして得られた表現ごとの前記出現頻度と、前記番組情報記憶部から読み出した特定の検索対象番組に関する前記出現頻度情報と、前記番組情報記憶部から読み出した前記固有表現情報とに基づき、前記指定番組と前記検索対象番組との間での前記表現の共起の度合いを計算するとともに、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理をすることによって、前記指定番組と前記検索対象番組との間の関連度を算出する類似度計算部と、
前記類似度計算部が算出した前記関連度に基づいて選択された前記検索対象番組を出力する検索結果提示部と、
を備えることを特徴とする番組検索装置であって、
前記表現は単語のnグラムであり、
前記番組情報記憶部が記憶する前記出現頻度情報は、番組ごとの単語のnグラムの出現頻度を表わすものであり、且つ前記出現頻度情報は、番組ごとの所定の複数の連鎖数の前記単語のnグラムごとの出現頻度を含むものであり、
前記出現頻度カウント部は、前記指定番組に関する前記番組情報における前記所定の複数の連鎖数の前記単語のnグラムごとの出現頻度をカウントするものであり、
前記類似度計算部は、前記指定番組と前記検索対象番組との間での前記所定の複数の連鎖数の単語のnグラムの共起の度合いを計算するものであり、特定の連鎖数の単語のnグラムの共起の度合いを、当該連鎖数に応じて、当該連鎖数が大きくなるほど重みが小さくなるようなnグラム重み値によって重み付ける処理をさらに行うことによって前記関連度を算出する、
ことを特徴とする番組検索装置。
Appearance frequency information indicating the appearance frequency of the expression for each program in the program information including text representing the contents of the program, the specific expression included in the program information, and the specific expression weight value corresponding to the specific expression are stored in association with each other. A program information storage section for storing
A program information acquisition unit for acquiring the program information;
An appearance frequency counting unit that counts the appearance frequency of the expression in the program information acquired by the program information acquisition unit with respect to the specified program;
The appearance frequency for each expression obtained by the appearance frequency counting unit counting the program information related to the designated program, the appearance frequency information related to a specific search target program read from the program information storage unit, and the program Based on the specific expression information read from the information storage unit, the degree of co-occurrence of the expression between the designated program and the search target program is calculated, and the expression is included in the specific expression information. If it is an expression, a similarity calculation unit that calculates a degree of association between the designated program and the search target program by weighting the degree of co-occurrence with the specific expression weight value;
A search result presentation unit that outputs the search target program selected based on the relevance calculated by the similarity calculation unit;
A program search device characterized by comprising :
The expression is an n-gram of a word ;
The appearance frequency information stored in the program information storage unit represents an appearance frequency of an n-gram of a word for each program, and the appearance frequency information is a predetermined plurality of chain numbers of words for each program . including the frequency of appearance every n grams,
The appearance frequency counting unit counts the appearance frequency for each n-gram of the word of the predetermined plurality of chain numbers in the program information related to the designated program,
The similarity calculation unit calculates a degree of co-occurrence of n-grams of the predetermined plurality of chain words between the designated program and the search target program, and a word having a specific chain number The degree of co-occurrence of n-grams is calculated by further performing a process of weighting the degree of co-occurrence with n-gram weight values such that the weight decreases as the number of chains increases ,
A program search device characterized by that.
前記指定番組と前記検索対象番組との間での表現の共起の度合いに対して、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理を行った結果に基づき、前記指定番組と前記検索対象番組との間の関係を表わす前記表現を関係ラベルとして決定する関係ラベル決定部を更に備え、
前記検索結果提示部は、対応する前記関係ラベルと関連付けて選択された前記検索対象番組を出力する、
ことを特徴とする請求項1記載の番組検索装置。
In contrast to the degree of co-occurrence of expressions between the designated program and the search target program, if the expression is a specific expression included in the specific expression information, the degree of co-occurrence is set as the specific expression weight. A relation label determination unit for determining, as a relation label, the expression representing a relation between the designated program and the search target program based on a result of performing a weighting process by a value;
The search result presentation unit outputs the search target program selected in association with the corresponding relation label.
The program search device according to claim 1 , wherein:
検索対象とするための番組に関して前記番組情報取得部が取得した前記番組情報から固有表現を抽出する処理を行なうとともに、抽出された前記固有表現に対応する前記固有表現重み値を決定し、前記固有表現情報を作成して前記番組情報記憶部に書き込む固有表現特定部、を更に備え、
前記出現頻度カウント部は、検索対象とするための番組に関しても前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントし、前記出現頻度情報を作成して前記番組情報記憶部に書き込む、
ことを特徴とする請求項1または2に記載の番組検索装置。
A process for extracting a specific expression from the program information acquired by the program information acquisition unit for a program to be searched is performed, and the specific expression weight value corresponding to the extracted specific expression is determined, and the specific expression is determined. A unique expression specifying unit that creates expression information and writes it in the program information storage unit;
The appearance frequency counting unit counts the appearance frequency of the expression in the program information acquired by the program information acquisition unit for the program to be searched, and creates the appearance frequency information in the program information storage unit. Write,
Program search apparatus according to claim 1 or 2, characterized in that.
コンピュータを、
番組の内容を表わすテキストを含む番組情報における前記番組ごとの表現の出現頻度を表わす出現頻度情報と、前記番組情報に含まれる固有表現と前記固有表現に対応する固有表現重み値とを関連付けて記憶する固有表現情報と、を記憶する番組情報記憶部と、
前記番組情報を取得する番組情報取得部と、
指定された指定番組に関して前記番組情報取得部が取得した前記番組情報における表現の出現頻度をカウントする出現頻度カウント部と、
前記指定番組に関する前記番組情報について前記出現頻度カウント部がカウントして得られた表現ごとの前記出現頻度と、前記番組情報記憶部から読み出した特定の検索対象番組に関する前記出現頻度情報と、前記番組情報記憶部から読み出した前記固有表現情報とに基づき、前記指定番組と前記検索対象番組との間での前記表現の共起の度合いを計算するとともに、当該表現が前記固有表現情報に含まれる固有表現である場合には前記共起の度合いを前記固有表現重み値によって重み付ける処理をすることによって、前記指定番組と前記検索対象番組との間の関連度を算出する類似度計算部と、
前記類似度計算部が算出した前記関連度に基づいて選択された前記検索対象番組を出力する検索結果提示部と、
を備える番組検索装置として機能させる番組検索プログラムであって、
前記表現は単語のnグラムであり、
前記番組情報記憶部が記憶する前記出現頻度情報は、番組ごとの単語のnグラムの出現頻度を表わすものであり、且つ前記出現頻度情報は、番組ごとの所定の複数の連鎖数の前記単語のnグラムごとの出現頻度を含むものであり、
前記出現頻度カウント部は、前記指定番組に関する前記番組情報における前記所定の複数の連鎖数の前記単語のnグラムごとの出現頻度をカウントするものであり、
前記類似度計算部は、前記指定番組と前記検索対象番組との間での前記所定の複数の連鎖数の単語のnグラムの共起の度合いを計算するものであり、特定の連鎖数の単語のnグラムの共起の度合いを、当該連鎖数に応じて、当該連鎖数が大きくなるほど重みが小さくなるようなnグラム重み値によって重み付ける処理をさらに行うことによって前記関連度を算出する、
ことを特徴とする番組検索プログラム。
Computer
Appearance frequency information indicating the appearance frequency of the expression for each program in the program information including text representing the contents of the program, the specific expression included in the program information, and the specific expression weight value corresponding to the specific expression are stored in association with each other. A program information storage section for storing
A program information acquisition unit for acquiring the program information;
An appearance frequency counting unit that counts the appearance frequency of the expression in the program information acquired by the program information acquisition unit with respect to the specified program;
The appearance frequency for each expression obtained by the appearance frequency counting unit counting the program information related to the designated program, the appearance frequency information related to a specific search target program read from the program information storage unit, and the program Based on the specific expression information read from the information storage unit, the degree of co-occurrence of the expression between the designated program and the search target program is calculated, and the expression is included in the specific expression information. If it is an expression, a similarity calculation unit that calculates a degree of association between the designated program and the search target program by weighting the degree of co-occurrence with the specific expression weight value;
A search result presentation unit that outputs the search target program selected based on the relevance calculated by the similarity calculation unit;
A program search program that functions as a program search device comprising :
The expression is an n-gram of a word;
The appearance frequency information stored in the program information storage unit represents an appearance frequency of an n-gram of a word for each program, and the appearance frequency information is a predetermined plurality of chain numbers of words for each program. including the frequency of appearance every n grams,
The appearance frequency counting unit counts the appearance frequency for each n-gram of the word of the predetermined plurality of chain numbers in the program information related to the designated program,
The similarity calculation unit calculates a degree of co-occurrence of n-grams of the predetermined plurality of chain words between the designated program and the search target program, and a word having a specific chain number The degree of co-occurrence of n-grams is calculated by further performing a process of weighting the degree of co-occurrence with n-gram weight values such that the weight decreases as the number of chains increases,
A program search program characterized by that.
JP2009190237A 2009-08-19 2009-08-19 Program search device and program search program Active JP5478146B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009190237A JP5478146B2 (en) 2009-08-19 2009-08-19 Program search device and program search program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009190237A JP5478146B2 (en) 2009-08-19 2009-08-19 Program search device and program search program

Publications (2)

Publication Number Publication Date
JP2011043908A JP2011043908A (en) 2011-03-03
JP5478146B2 true JP5478146B2 (en) 2014-04-23

Family

ID=43831307

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009190237A Active JP5478146B2 (en) 2009-08-19 2009-08-19 Program search device and program search program

Country Status (1)

Country Link
JP (1) JP5478146B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5982174B2 (en) * 2012-05-17 2016-08-31 日本放送協会 Similarity calculation device, similar program search device, and program thereof
AU2013312742B2 (en) * 2012-09-07 2018-08-02 Kroll Information Assurance, Llc Snippet matching in file sharing networks

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004252892A (en) * 2003-02-21 2004-09-09 Ntt Data Technology Corp Similar document retrieval method and system
JP2006235875A (en) * 2005-02-23 2006-09-07 Nippon Telegr & Teleph Corp <Ntt> Information navigation method, device and program
EP1963959A2 (en) * 2005-12-09 2008-09-03 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. A method and apparatus for automatic comparison of data sequences
JP4525711B2 (en) * 2007-07-24 2010-08-18 ソニー株式会社 Program information processing apparatus and program information processing method

Also Published As

Publication number Publication date
JP2011043908A (en) 2011-03-03

Similar Documents

Publication Publication Date Title
US9256679B2 (en) Information search method and system, information provision method and system based on user&#39;s intention
US8352321B2 (en) In-text embedded advertising
US9195741B2 (en) Triggering music answer boxes relevant to user search queries
US8306962B1 (en) Generating targeted paid search campaigns
JP4365074B2 (en) Document expansion system with user-definable personality
US7624093B2 (en) Method and system for automatic summarization and digest of celebrity news
WO2017132228A1 (en) Digital media content extraction natural language processing system
US20070192309A1 (en) Method and system for identifying sentence boundaries
WO2006019101A1 (en) Content-related information acquiring device, method and program
JP2010066870A (en) Information recommendation device and information recommendation method
JP2009043156A (en) Apparatus and method for searching for program
JP2011529600A (en) Method and apparatus for relating datasets by using semantic vector and keyword analysis
JP6429382B2 (en) Content recommendation device and program
JP2007018285A (en) System, method, device, and program for providing information
Broughton A faceted classification as the basis of a faceted terminology: conversion of a classified structure to thesaurus format in the Bliss Bibliographic Classification
JP2011108053A (en) System for evaluating news article
JP5964149B2 (en) Apparatus and program for identifying co-occurrence words
Welch Addressing the challenges of underspecification in web search
JP4883644B2 (en) RECOMMENDATION DEVICE, RECOMMENDATION SYSTEM, RECOMMENDATION DEVICE CONTROL METHOD, AND RECOMMENDATION SYSTEM CONTROL METHOD
KR20120071194A (en) Apparatus of recommending contents using user reviews and method thereof
JP5478146B2 (en) Program search device and program search program
Strzelecki et al. Direct answers in Google search results
CN108140034B (en) Selecting content items based on received terms using a topic model
JP5415369B2 (en) Program search device and program search program
Gottron Content extraction-identifying the main content in HTML documents.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120113

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130419

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130507

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130704

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20140114

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140210

R150 Certificate of patent or registration of utility model

Ref document number: 5478146

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250