JP5854957B2

JP5854957B2 - 情報処理装置および特徴語評価方法

Info

Publication number: JP5854957B2
Application number: JP2012204936A
Authority: JP
Inventors: 素平小野; 佑介深澤
Original assignee: NTT Docomo Inc
Current assignee: NTT Docomo Inc
Priority date: 2012-09-18
Filing date: 2012-09-18
Publication date: 2016-02-09
Anticipated expiration: 2032-09-18
Also published as: JP2014059763A

Description

本発明は、特徴語を評価する情報処理装置および特徴語評価方法に関する。なお、ここで「特徴語」とは、コンテンツの文章のうち、特徴を示す単語・用語をいう。

ユーザの閲覧コンテンツからコンテンツを並び替える技術としてコンテンツフィルタリング方式がある。コンテンツフィルタリング方式では、過去に閲覧したコンテンツ（つまり利用者が満足したと推定されるコンテンツ）と同じ特徴をもつコンテンツが上位にランキングされる。このコンテンツの特徴は、コンテンツに含まれる特徴語によって決定される。

異なるコンテンツ集合間では、同じ嗜好でも別の用語が用いられるケースが多い。そのため、用語が異なると意味的に近い単語であっても、全く別の嗜好と判断されるため、ユーザにコンテンツをレコメンドする際の精度が低下してしまう。

また、コンテンツフィルタリング方式を用いたレコメンドの場合、同一の特徴語を含むコンテンツの履歴を持たないユーザに対し、レコメンドを行うことができない。

そこで、予め関連語を定義しておき、当該関連語を利用してレコメンドすることにより、異なるコンテンツ集合間で、別の用語が用いられていても、適切にレコメンドすることが可能になる。ここで「関連語」とは、意味において一定の関連性を有する用語を意味し、同義語、類義語、上位語、及び下位語などが含まれる。

上記関連語の内、同義語を定義する技術として、評価表現毎にかつカテゴリ毎に集計された各文書データの被修飾語テキストの出現頻度数を集計し、集計した出現頻度数が予め定められた基準を具備した場合に、被修飾語セットに属する被修飾語セットテキストの組を同義語として定義する技術が存在する（例えば、特許文献１）。

特開２０１２−４８２９１号公報

しかし、特許文献１の方法では、評価語（例えば、親切、高い等）の被修飾語以外の単語については、抽出することはできず、汎用性に欠けるという問題点がある。

そこで、本発明においては、上記の課題を解決するために、より汎用性を有する関連語抽出手法を実行することを目的とする。

上述の課題を解決するために、本発明の情報処理装置は、種別が付された複数のコンテンツにおける、ユーザ単位の履歴を取得する履歴取得手段と、履歴取得手段が取得した履歴を用いて、関連する種別のそれぞれから選択したコンテンツの組み合わせを生成すると共に、当該組み合わせにおける双方のコンテンツを参照したユーザ数の情報である組み合わせ参照数を生成するコンテンツ組み合わせ生成手段と、関連する種別それぞれのコンテンツから特徴語を抽出する特徴語抽出手段と、特徴語抽出手段が抽出した特徴語について、関連する種別それぞれから選択した特徴語の組み合わせのコンテンツの組み合わせ内における出現度を生成する特徴語組み合わせ生成手段と、出現度と組み合わせ参照数とを少なくとも基礎として、当該特徴語の組み合わせの評価を行う評価手段と、評価手段による評価結果に基づいて、前記特徴語の組み合わせが関連語であるか否かを決定する関連語決定手段と、を備えている。

また、本発明の特徴語評価方法は、情報処理装置により実行される特徴語評価方法であって、種別が付された複数のコンテンツにおける、ユーザ単位の履歴を取得する履歴取得ステップと、履歴取得ステップで取得した履歴を用いて、関連する種別のそれぞれから選択したコンテンツの組み合わせを生成すると共に、当該組み合わせにおける双方のコンテンツを参照したユーザ数の情報である組み合わせ参照数を生成するコンテンツ組み合わせ生成ステップと、関連する種別それぞれのコンテンツから特徴語を抽出する特徴語抽出ステップと、特徴語抽出ステップで抽出した特徴語について、関連する種別それぞれから選択した特徴語の組み合わせのコンテンツの組み合わせ内における出現度を生成する特徴語組み合わせ生成ステップと、出現度と組み合わせ参照数とを少なくとも基礎として、当該特徴語の組み合わせの評価を行う評価ステップと、評価ステップによる評価結果に基づいて、特徴語の組み合わせが関連語であるか否かを決定する関連語決定ステップと、を含んでいる。

この発明によれば、関連する種別のコンテンツのそれぞれの組み合わせから抽出した特徴語の組み合わせが、上記コンテンツの組合せに出現する度合いと、当該コンテンツの組み合わせを利用者が利用した履歴の度合いとを用いて、特徴語の組み合わせが互いに関連するか否かを判断しているので、文章の構造に左右されることなく関連語を抽出するができ、汎用性のある関連語の抽出手法を実現できる。また、この発明によれば、ユーザの実際の履歴に基づいて精度の良い関連語を抽出することができる。

また、本発明の情報処理装置において、評価手段は、特徴語が一般語であるか否かを判別するための指標情報をさらに基礎として、特徴語の組み合わせの評価を行うようにしても良い。

この場合、特徴語が一般語であるか否かを判別するための指標情報をさらに基礎として評価するので、一般語が含まれる関連語を生成してしまうことを回避することができる。

また、本発明の情報処理装置において、コンテンツ組み合わせ生成手段が生成した組み合わせの信頼度を生成する組み合わせ信頼度生成手段、をさらに備え、評価手段は、組み合わせ信頼度生成手段が生成した信頼度をさらに基礎として、特徴語の組み合わせの評価を行うようにしても良い。

この場合、組み合わせの信頼度を基礎として、特徴語の組み合わせの評価を行うので、コンテンツの組み合わせの結びつきが強さに基づいて判断することになり、より関連語の精度を高めることができる。

また、本発明の情報処理装置において、組み合わせ信頼度生成手段は、コンテンツの組み合わせのうち、一方のコンテンツを参照することを前提としている度合いをさらに生成し、評価手段は、度合いをさらに基礎として、前記特徴語の組み合わせの評価を行うようにしても良い。

この場合、コンテンツの組み合わせのうち、一方のコンテンツを参照することを前提としている度合いを基礎として、特徴語の組み合わせの評価を行うので、コンテンツの組み合わせの結びつきが強さに基づいて判断することになり、より関連語の精度を高めることができる。

本発明によれば、関連する種別のコンテンツのそれぞれの組み合わせから抽出した特徴語の組み合わせが、上記コンテンツの組合せに出現する度合いと、当該コンテンツの組み合わせを利用者が利用した履歴の度合いとを用いて、特徴語の組み合わせが互いに関連するか否かを判断しているので、文章の構造に左右されることなく関連語を抽出でき、汎用性のある関連語の抽出手法を実現できる。

情報処理装置１００の処理概要を説明するための図である。情報処理装置１００の機能を示すブロック図である。情報処理装置１００のハードウェア構成図である。履歴テーブル１２０で保持しているデータの一例を示す図である。コンテンツ組合せ情報１３０の一例を示す図である。アソシエーション分析結果情報１２５の一例を示す図である。特徴語の特徴語情報１３５の一例を示す図である。特徴語組み合わせ情報１４０の一例を示す図である。評価結果テーブル１４５の一例を示す図である。関連語テーブル１５０の一例を示す図である。情報処理装置の処理を示すフローチャートである。

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一部分には同一の符号を付して、重複する説明を省略する。

図１は、本実施形態の情報処理装置１００の処理概要を説明するための図である。図１に示すように、情報処理装置１００は、ユーザ毎に過去に参照したコンテンツを履歴として管理する履歴テーブル１２０Ａや１２０Ｂを保持し、当該履歴テーブル１２０Ａ及び１２０Ｂは、種別毎に分けられたコンテンツ集合毎に管理されているものとする。上記種別は、提供する媒体（静止画、動画等）毎で分けても良いし、コンテンツのジャンル毎で分けても良い。

情報処理装置１００は、履歴テーブル１２０Ａ内のコンテンツと履歴テーブル１２０Ｂ内のコンテンツとの組み合わせ情報を生成する。次に、情報処理装置１００は、履歴テーブル１２０Ａ及び履歴テーブル１２０Ｂに含まれるコンテンツから特徴語を抽出すると共に、各履歴テーブル１２０から抽出した特徴語の組み合わせ情報も生成する。そして、情報処理装置１００は、特徴語の組み合わせがコンテンツの組み合わせ内でどの程度使用されているかを示す情報等を基礎として評価値を算出し、当該評価値に基づいて、上記特徴語の組み合わせが関連語となるか否かを判断する。

図２は、本実施形態の情報処理装置１００の機能を示すブロック図である。図２に示される通り、この情報処理装置１００は、履歴取得部１０１（履歴取得手段）、コンテンツ組み合わせ生成部１０２（コンテンツ組み合わせ生成手段）、アソシエーション分析処理部１０３（組み合わせ信頼度生成手段）、特徴語取得部１０４（特徴語抽出手段）、特徴語組み合わせリスト生成部１０５（特徴語組み合わせ生成手段）、特徴語組み合わせリスト評価計算部１０６（評価手段）、関連語決定部１０７（関連語決定手段）、コンテンツ集合Ａにおける履歴テーブル１２０Ａ、コンテンツ集合Ｂにおける履歴テーブル１２０Ｂ、評価結果テーブル１４５、及び関連語テーブル１５０を含んで構成されている。なお、コンテンツ集合Ａにおける履歴テーブル１２０Ａ及びコンテンツ集合Ｂにおける履歴テーブル１２０Ｂを合わせて、履歴テーブル１２０とも呼ぶ。

図３は、情報処理装置１００のハードウェア構成図である。図２に示される情報処理装置１００は、物理的には、図３に示すように、ＣＰＵ１１、主記憶装置であるＲＡＭ１２及びＲＯＭ１３、入力デバイスであるキーボード及びマウス等の入力装置１４、ディスプレイ等の出力装置１５、ネットワークカード等のデータ送受信デバイスである通信モジュール１６、ハードディスクまたは半導体メモリ等の補助記憶装置１７などを含むコンピュータシステムとして構成されている。図２における各機能は、図３に示すＣＰＵ１１、ＲＡＭ１２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１１の制御のもとで入力装置１４、出力装置１５、通信モジュール１６を動作させるとともに、ＲＡＭ１２や補助記憶装置１７におけるデータの読み出し及び書き込みを行うことで実現される。以下、図２に示す機能ブロックに基づいて各機能ブロックを説明する。

履歴取得部１０１は、履歴テーブル１２０から履歴を取得する。ここで、履歴テーブル１２０の例を図４（Ａ）、（Ｂ）に示す。図４（Ａ）は、コンテンツ集合Ａにおける履歴テーブル１２０Ａで保持している履歴を示し、図４（Ｂ）は、コンテンツ集合Ｂにおける履歴テーブル１２０Ｂで保持している履歴を示す。なお、前提として、コンテンツ集合Ａの種別とコンテンツ集合Ｂの種別とが関連しているものとする。

図４（Ａ）、（Ｂ）に示すように、履歴テーブル１２０は、ＵｓｅｒＩＤ１２１とコンテンツタイトル１２２とを有する。図４（Ａ）では、ＵｓｅｒＩＤ１２１が「ｕｓｅｒ０１」であるユーザが「節約レシピ」というコンテンツや「３００円レシピ」というコンテンツを参照したことを示している。図４（Ｂ）では、ＵｓｅｒＩＤ１２１が「ｕｓｅｒ０１」であるユーザが「献立スケジュール」というコンテンツや「今日の献立」というコンテンツを参照したことを示している。なお、本実施形態における履歴テーブル１２０は、コンテンツタイトル１２２を保持しているが、コンテンツ自体でも良い。また、ここでいうコンテンツは、Ｗｅｂ上の情報全般であり、ブログ、簡易投稿情報などを含んでも良い。

コンテンツ組み合わせ生成部１０２は、種別が関連しているコンテンツ集合のそれぞれのコンテンツタイトルの組み合わせを生成する。また、コンテンツ組み合わせ生成部１０２がコンテンツタイトルの組み合わせを生成する際に、当該コンテンツの組み合わせの双方のコンテンツを参照したユーザ数を算出する。ここで、コンテンツ組み合わせ生成部１０２が生成した情報であるコンテンツ組み合わせ情報の例を図５に示す。

コンテンツ組み合わせ情報１３０は、コンテンツ集合Ａにおけるコンテンツタイトル１３１と、コンテンツ集合Ｂにおけるコンテンツタイトル１３２と、ルール支持度Ｒ_ｉｊ１３３とを有する。ここでのルール支持度Ｒ_ｉｊは、コンテンツ集合Ａにおけるコンテンツタイトル１３１と、コンテンツ集合Ｂにおけるコンテンツタイトル１３２の双方を参照したユーザ数を意味し、後述する特徴語ｉと特徴語ｊとの組み合わせ参照数の基礎となる情報である。

コンテンツ組み合わせ生成部１０２は、コンテンツ集合Ａの全てのコンテンツタイトル（すなわち、履歴テーブル１２０Ａに含まれるコンテンツタイトル１２２の内、ユニークなコンテンツタイトル）と、コンテンツ集合Ｂの全てのコンテンツタイトル（すなわち、履歴テーブル１２０Ｂに含まれるコンテンツタイトル１２２の内、ユニークなコンテンツタイトル）との、全ての組み合わせを生成し、当該組み合わせの内、コンテンツ集合Ａにおけるコンテンツタイトルをコンテンツ集合Ａにおけるコンテンツタイトル１３１とし、コンテンツ集合Ｂにおけるコンテンツタイトルをコンテンツ集合Ｂにおけるコンテンツタイトル１３２とし、それぞれの組み合わせについて、双方のコンテンツを参照したユーザ数を算出し、当該算出結果をルール支持度Ｒ_ｉｊ１３３とすることにより、コンテンツ組み合わせ情報１３０を生成する。なお、情報処理装置１００は、コンテンツ組み合わせ生成部１０２が生成したコンテンツ組み合わせ情報１３０を、ＲＡＭ１２で保持する。

図５の例では、コンテンツ集合Ａにおけるコンテンツタイトル１３１が「節約レシピ」であり、コンテンツ集合Ｂにおけるコンテンツタイトル１３２が「献立スケジュール」であるコンテンツの組み合わせにおけるルール支持度Ｒ_ｉｊ１３３が「１０」であるので、「節約レシピ」を参照し、且つ「献立スケジュール」を参照したユーザ数が１０であることを示している。

アソシエーション分析処理部１０３は、コンテンツ組み合わせ生成部１０２が生成したコンテンツ組み合わせ情報１３０のコンテンツの組み合わせについて、アソシエーション分析を行う。なお、アソシエーション分析については、公知技術を流用できる（特開２００６−２８５３５９号公報参照）。

アソシエーション分析処理部１０３は、アソシエーション分析した結果情報であるアソシエーション分析結果情報１２５を生成する。ここで、アソシエーション分析結果情報１２５の例を図６に示す。

アソシエーション分析結果情報１２５は、コンテンツ集合Ａのコンテンツタイトル１２６、コンテンツ集合Ｂのコンテンツタイトル１２７、信頼度１２８、及びリフト値１２９を含む。ここでいう信頼度とは、コンテンツ間の相関の強さを表し、コンテンツ集合Ａのコンテンツを参照するユーザがコンテンツ集合Ｂのコンテンツを参照する割合のパーセント表示である。図６の例の場合、信頼度は、「節約レシピ」を参照したユーザ数に対する、「節約レシピ」及び「献立スケジュール」を参照したユーザ数の割合を算出することにより算出される。また、リフト値は、コンテンツ集合Ｂのコンテンツタイトル１２７を参照するユーザがコンテンツ集合Ａを参照することを前提としている度合いが高いか否かを示すものである。図６の例の場合、リフト値は、算出済みの信頼度を、「献立スケジュール」を参照したユーザ数で除算することにより算出することができる。

特徴語取得部１０４は、コンテンツ組み合わせ生成部１０２が生成したコンテンツ組み合わせ情報１３０に基づいて、コンテンツの組み合わせのそれぞれのコンテンツタイトル（すなわち、コンテンツ組合せ情報１３０のコンテンツ集合Ａにおけるコンテンツタイトル１３１及びコンテンツ集合Ｂにおけるコンテンツタイトル１３２）について、形態素解析を行い、特徴語を抽出する。なお、特徴語取得部１０４は、信頼度１２８又はリフト値１２９の高いコンテンツの組み合わせを有するコンテンツ組み合わせ情報１３０のそれぞれのコンテンツタイトルから特徴語を抽出する。これにより、特徴語取得部１０４は、相関性が高いコンテンツ同士の組み合わせの特徴語を抽出することができる。

そして、特徴語取得部１０４は、抽出した特徴語について、出現頻度を算出する。具体的に、特徴語取得部１０４は、コンテンツ集合Ａにおけるコンテンツタイトル１３１から特徴語を抽出した場合、コンテンツ集合Ａにおける履歴テーブル１２０Ａのコンテンツタイトル１２２の内、ユニークなコンテンツタイトルにおいて当該特徴語を含むレコード数を出現頻度として算出し、コンテンツ集合Ｂにおけるコンテンツタイトル１３２から特徴語を抽出した場合、コンテンツ集合Ｂにおける履歴テーブル１２０Ｂのコンテンツタイトル１２２の内、ユニークなコンテンツタイトルにおいて当該特徴語を含むレコード数を出現頻度として算出する。

特徴語取得部１０４は、抽出した特徴語と、当該特徴語の出現頻度を関連付けた情報である特徴語情報を生成する。なお、特徴語取得部１０４は、コンテンツ組合せ情報１３０のコンテンツ集合Ａにおけるコンテンツタイトル１３１から抽出した特徴語についての特徴語情報１３５Ａとし、コンテンツ組合せ情報１３０のコンテンツ集合Ｂにおけるコンテンツタイトル１３１から抽出した特徴語についての特徴語情報１３５Ｂとして、別々に特徴語情報を生成する。そして、情報処理装置１００は、特徴語取得部１０４が生成した特徴語情報１３５Ａ及び特徴語情報１３５ＢをＲＡＭ１２で保持する。続いて、図７（Ａ）、（Ｂ）に特徴語情報１３５Ａ及び特徴語情報１３５Ｂを示す。

図７（Ａ）、（Ｂ）に示すように、特徴語情報１３５Ａ及び特徴語情報１３５Ｂは、抽出した特徴語１３６と当該特徴語の出現頻度１３７とを有する。図７（Ａ）に示す特徴語情報１３５Ａは、コンテンツ組合せ情報１３０のコンテンツ集合Ａにおけるコンテンツタイトル１３１から抽出した特徴語に関する情報であり、図７（Ｂ）に示す特徴語情報１３５Ｂは、コンテンツ集合Ｂにおけるコンテンツタイトル１３２から抽出した特徴語に関する情報である。

図７（Ａ）によれば、特徴語「節約」は、出現頻度が「１」であることが示されており、図７（Ｂ）によれば、特徴語「献立」は、出現頻度が「２」であることが示されている。

特徴語組み合わせリスト生成部１０５は、特徴語取得部１０４が抽出した特徴語情報１３５Ａの特徴語１３６と、特徴語情報１３５Ｂの特徴語１３６との組み合わせを生成すると共に、それらの組み合わせがコンテンツ組み合わせ情報１３０に出現する回数を算出する。そして、情報処理装置１００は、特徴語組み合わせリスト生成部１０５が生成・算出した情報をＲＡＭ１２で保持する。ここで、特徴語組み合わせリスト生成部１０５が生成した情報である特徴語組み合わせ情報１４０の例を図８に示す。

図８に示すように、コンテンツ組み合わせ情報１４０は、コンテンツ集合Ａの履歴テーブルから抽出した特徴語１４１と、コンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４２と、出現度ｘ_ｉｊ１４３とを有する。ここで、出現度ｘ_ｉｊは、コンテンツ集合Ａの履歴テーブルから抽出した特徴語ｉと、コンテンツ集合Ｂの履歴テーブルから抽出した特徴語ｊとの組み合わせが、コンテンツ組み合わせ情報１３０に出現する回数を意味する。例えば、図８の例では、コンテンツ集合Ａの履歴テーブルから抽出した特徴語１４１が「レシピ」で、コンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４２が「献立」である特徴語の組み合わせの出現度ｘ_ｉｊ１４３が「６」であることが示されている。すなわち、コンテンツ組合せ情報１３０内において、「レシピ」「献立」の組み合わせを含むレコード数が６であることを示している。

特徴語組み合わせリスト評価値計算部１０６は、特徴語の組み合わせが関連語であるか否かを判断するための評価値を計算する。具体的には、コンテンツ集合Ａから抽出した特徴語ｉとコンテンツ集合Ｂから抽出した特徴語ｊとの組み合わせについて評価値を以下の式に基づいて算出する。

上記式中のｎ_ｉは、特徴語情報１３５Ａにおける特徴語ｉの出現度ｎ_ｉ１３７であり、ｎ_ｊは、特徴語情報１３５Ｂにおける特徴語ｊの出現度ｎ_ｊ１３７であり、ｘ_ｉｊは、特徴語ｉと特徴語ｊの組み合わせがコンテンツ組み合わせ情報１４０に出現する出現度ｘ_ｉｊ１４３であり、上記式中のＡは、コンテンツ組み合わせ情報１４０のレコード数である。

そして、上記式中のｒ_ｉｊは、コンテンツ集合Ａから抽出した特徴語ｉとコンテンツ集合Ｂから抽出した特徴語ｊとを含むコンテンツ組合せ情報１３０におけるルール支持度Ｒ_ｉｊ１３３の平均値である。例えば、特徴語ｉが「レシピ」で、特徴語ｊが「献立」である場合、特徴語組み合わせリスト評価値計算部１０６は、コンテンツ組合せ情報１３０を参照し、コンテンツ集合Ａにおけるコンテンツタイトル１３１に「レシピ」を含み、コンテンツ集合Ｂにおけるコンテンツタイトル１３２に「献立」を含むレコードのルール支持度Ｒ_ｉｊ１３３を取得し、取得したルール支持度Ｒ_ｉｊ１３３の平均値を算出する。上記ｒ_ｉｊが、組み合わせ参照数として機能する。なお、ｒ_ｉｊは、コンテンツ集合Ａから抽出した特徴語ｉとコンテンツ集合Ｂから抽出した特徴語ｊとを含むコンテンツ組合せ情報１３０におけるルール支持度Ｒ_ｉｊ１３３の平均値に限られず、コンテンツ集合Ａから抽出した特徴語ｉとコンテンツ集合Ｂから抽出した特徴語ｊとを含むコンテンツ組合せ情報１３０におけるルール支持度Ｒ_ｉｊ１３３の最大値等、他の種々の値でも良い。

特徴語ｉが「レシピ」で、特徴語ｊが「献立」である場合に評価値を求める例を説明する。前提として、コンテンツ組み合わせ情報１４０のレコード数は、「１０」とする。すなわち式中のＡは、「１０」になる。まず、特徴語組み合わせリスト評価値計算部１０６は、図５に示すコンテンツ組合せ情報１３０を参照し、コンテンツ集合Ａにおけるコンテンツタイトル１３１に「レシピ」を含み、コンテンツ集合Ｂにおけるコンテンツタイトル１３２に「献立」を含むレコードにおけるルール支持度Ｒ_ｉｊ１３３の平均値を算出する。図５の例では、図５に例示しているレコード全てが、コンテンツ集合Ａにおけるコンテンツタイトル１３１に「レシピ」を含み、コンテンツ集合Ｂにおけるコンテンツタイトル１３２に「献立」を含んでいるので、図５に例示しているレコードのルール支持度Ｒ_ｉｊ１３３の「１０」、「５」、「２０」、「５」を少なくとも用いてルール支持度Ｒ_ｉｊ１３３の平均値を算出する。ここで、当該ルール支持度Ｒ_ｉｊ１３３の平均値が１０であったとすると、上記式中のｒ_ｉｊは、「１０」になる。

次に、特徴語組み合わせリスト評価値計算部１０６は、図７（Ａ）に示す特徴語情報１３５Ａを参照し、特徴語１３６が「レシピ」である出現頻度ｎ_ｉ１３７を検索して、上記式中のｎ_ｉを特定する。この場合、特徴語１３６が「レシピ」である出現頻度ｎ_ｉ１３７が「３」であるので、上記式中のｎ_ｉは、「３」になる。そして、特徴語組み合わせリスト評価値計算部１０６は、図７（Ｂ）に示す特徴語情報１３５Ｂを参照し、特徴語１３６が「献立」である出現頻度ｎ_ｊ１３７を検索して、上記式中のｎ_ｊを特定する。この場合、特徴語１３６が「献立」である出現頻度ｎ_ｊ１３７が「２」であるので、上記式中のｎ_ｊは、「２」になる。

次に、特徴語組み合わせリスト評価値計算部１０６は、図８に示すコンテンツ組み合わせ情報１４０を参照し、コンテンツ集合Ａの履歴テーブルから抽出した特徴語１４１が「レシピ」であり、コンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４２が「献立」である出現度ｘ_ｉｊ１４３を検索し、上記式中のｘ_ｉｊを特定する。この場合、コンテンツ集合Ａの履歴テーブルから抽出した特徴語１４１が「レシピ」であり、コンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４２が「献立」である出現度ｘ_ｉｊ１４３が「６」であるので、上記式中のｘ_ｉｊは、「６」になる。

次に、特徴語組み合わせリスト評価値計算部１０６は、上記で特定した式中のそれぞれの値を式に代入して、評価値を算出する。上記の例の場合、上記式中のｒ_ｉｊが、「１０」であり、上記式中のｎ_ｉが、「３」であり、上記式中のｎ_ｊが、「２」であり、上記式中のｘ_ｉｊが、「６」であり、上記式中のＡが「１０」であるので、評価値は、「１」になる。

上記式に記載のように、特徴語情報１３５Ａの出現度ｎ_ｉ１３７や、特徴語情報１３５Ｂの出現度ｎ_ｊ１３７を除算している。特徴語ｉや特徴語ｊが一般語である場合、出現度ｎ_ｉ１３７や出現度ｎ_ｊ１３７の値が高くなり、この結果、評価値が低くなる。すなわち、特徴語情報１３５Ａの出現度ｎ_ｉ１３７や、特徴語情報１３５Ｂの出現度ｎ_ｊ１３７は、特徴語ｉや特徴語ｊが一般語であるか否かを判別するための指標情報として機能する。

特徴語組み合わせリスト評価値計算部１０６は、評価結果の情報を生成し、当該情報を評価結果テーブル１４５へ格納する。評価テーブル１４５の例を図９に示す。

図９に示す通り、評価結果テーブル１４５は、コンテンツ集合Ａの特徴語１４６、コンテンツ集合Ｂの特徴語１４７、及び評価値１４８を有する。特徴語組み合わせリスト評価値計算部１０６は、評価対象のコンテンツの組み合わせにおける、コンテンツ集合Ａ側から抽出した特徴語をコンテンツ集合Ａの履歴テーブルから抽出した特徴語１４６とし、コンテンツ集合Ｂ側から抽出した特徴語をコンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４７８とし、それぞれの特徴語についての評価値を、評価値１４８として、当該情報を評価テーブル１４５へ格納する。

図９では、コンテンツ集合Ａの履歴テーブルから抽出した特徴語１４６が「レシピ」であり、且つコンテンツ集合Ｂの履歴テーブルから抽出した特徴語１４７が「献立」である特徴語の組み合わせは、評価値が「１」になることが示されている。

関連語決定部１０７は、評価結果テーブル１４５内の情報を用いて、各特徴語の組み合わせが、関連語に該当するか否かを判断し、関連語に該当する特徴語の組み合わせを関連語管理テーブル１５０へ格納する。ここで、関連語管理テーブル１５０で保持している情報の例を図１０に示す。

図１０に示すように、関連語管理テーブル１５０は、コンテンツ集合Ａを意味する第１集合の特徴語１５１、コンテンツ集合Ｂを意味する第２集合の特徴語１５２、及び評価値１５３を有する。図１０によれば、第１集合の特徴語１５１が「レシピ」で、第２集合の特徴語１５２が「献立」である、特徴語の組み合わせが関連語として登録されていることが示されている。

このように構成された情報処理装置１００の動作について説明する。図１１は、情報処理装置１００の処理を示すフローチャートである。

履歴取得部１０１は、互いに種別が関連するコンテンツ集合Ａにおける履歴テーブル１２０Ａ及びコンテンツ集合Ｂにおける履歴テーブル１２０Ｂから履歴を取得する（Ｓ１）。

次に、コンテンツ組み合わせ生成部１０２は、コンテンツ集合Ａに属するコンテンツと、コンテンツ集合Ｂに属するコンテンツとの全ての組み合わせを生成すると共に、当該組み合わせの双方のコンテンツを参照したユーザ数を算出する（Ｓ２）。

次に、アソシエーション分析処理部１０３は、コンテンツ組み合わせ生成部１０２が生成したコンテンツの組み合わせについて、各コンテンツの利用ユーザ数と、上記ルール支持度を入力パラメタとして用いて、各コンテンツのアソシエーション分析を行い、情報処理装置１００は、アソシエーション分析結果である信頼度等を保持する（Ｓ３）。

次に、特徴語取得部１０４は、相関性が高いコンテンツ同士の組み合わせを特定し、当該コンテンツの組み合わせにおける、それぞれのコンテンツタイトルについて、形態素解析を行い、特徴語を抽出する（Ｓ４）。ここで、相関性が高いとは、上記アソシエーション分析処理部１０３が行ったアソシエーション分析処理による信頼度が高いこと又は／及びリフト値が高いことをいう。よって、特徴語取得部１０４は、信頼度１２８又は／及びリフト値１２９が所定値より高いコンテンツの組み合わせを特定する。なお、相関性が高いコンテンツだけでなく、全てのコンテンツの組み合わせを算出するようにしても良い。この場合は、アソシエーション分析処理を行う必要がない。すなわち、ステップＳ３を省略することができる。

次に、特徴語組み合わせリスト生成部１０５は、抽出された特徴語についてすべての組み合わせを生成する（Ｓ５）。特徴語組み合わせリスト評価計算部１０６は、前述の式に基づいて、各特徴語の組み合わせについて評価値を算出する（Ｓ６）。

次に、関連語決定部１０７は、評価値に基づいて関連語を決定し（Ｓ７）、処理を終了する。なお、情報処理装置１００は、関連語決定部１０７が決定した関連語を、検索結果の順位を決める際に利用しても良いし、利用者端末へコンテンツのレコメンドをする際に利用しても良い。

以上説明したように、情報処理装置１００では、履歴取得部１０１が、種別が付された複数のコンテンツにおける、ユーザ単位の履歴テーブル１２０から履歴を取得し、コンテンツ組み合わせ生成部１０２が、当該履歴を用いて、関連する種別のそれぞれから選択したコンテンツの組み合わせを生成すると共に、当該組み合わせにおける双方のコンテンツを参照したユーザ数の情報である組み合わせ参照数を生成し、特徴語取得部１０４が、関連する種別それぞれのコンテンツから特徴語を抽出し、特徴語組み合わせリスト生成部１０５が、関連する種別それぞれから選択した特徴語の組み合わせのコンテンツの組み合わせ内における出現度を生成し、特徴語組み合わせリスト評価値計算部１０６が、出現度と組み合わせ参照数とを少なくとも基礎として、当該特徴語の組み合わせの評価を行い、関連語決定部１０７が、当該評価の結果に基づいて、特徴語の組み合わせが関連語であるか否かを決定する。

このように、情報処理装置１００は、関連する種別のコンテンツのそれぞれの組み合わせから抽出した特徴語の組み合わせが、上記コンテンツの組合せに出現する度合いと、当該コンテンツの組み合わせを利用者が利用した履歴の度合いとを用いて、特徴語の組み合わせが互いに関連するか否かを判断しているので、文章の構造に左右されることなく、関連語を抽出することができ、汎用性のある関連語の抽出手法を実現できる。また、情報処理装置１００は、ユーザの実際の履歴に基づいて精度の良い関連語を抽出することができる。

また、本実施形態の情報処理装置１００において、特徴語組み合わせリスト評価値計算部１０６は、特徴語が一般語であるか否かを判別するための指標情報をさらに基礎とする。これにより、特徴語が一般語であるか否かを判別するための指標情報をさらに基礎として評価するので、一般語が含まれる関連語を生成してしまうことを回避することができる。

以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されないことは言うまでもない。

上述の実施形態では、特徴語組み合わせリスト評価値計算部１０６が、上記数式に基づいて評価値を算出する場合について述べたが、上記数式にさらにアソシエーション分析処理部１０３が生成した信頼度１２８及び／又はリフト値１２９を積算した値を評価値とするようにしても良い。

上述の他の実施形態によれば、情報処理装置１００において、アソシエーション分析処理部１０３は、コンテンツ組み合わせ生成部１０２が生成した組み合わせの信頼度を生成し、特徴語組み合わせリスト評価値計算部１０６は、アソシエーション分析処理部１０３が生成した信頼度及び／又は「コンテンツの組み合わせのうち、一方のコンテンツを参照することを前提としている度合い」をさらに基礎として、特徴語の組み合わせの評価を行うことになる。

このように、情報処理装置１００は、組み合わせの信頼度及び／又は「コンテンツの組み合わせのうち、一方のコンテンツを参照することを前提としている度合い」を基礎として、特徴語の組み合わせの評価を行うので、コンテンツの組み合わせの結びつきが強さに基づいて判断することになり、より関連語の精度を高めることができる。

上述の実施形態では、上記数式において、特徴語情報１３５Ａの出現度ｎ_ｉ１３７や、特徴語情報１３５Ｂの出現度ｎ_ｊ１３７を除算する場合について述べたが、本発明は、これに限られず、特徴語情報１３５Ａの出現度ｎ_ｉ１３７や、特徴語情報１３５Ｂの出現度ｎ_ｊ１３７を用いずに評価値を算出するようにしても良い。

１００…情報処理装置、１０１…履歴取得部、１０２…コンテンツ組合せ生成部、１０３…アソシエーション分析処理部、１０４…特徴語取得部、１０５…特徴語組み合わせリスト生成部、１０６…特徴語組み合わせリスト評価計算部、１０７…関連語決定部、１２０…履歴テーブル、１４５…評価結果テーブル、１５０…関連語管理テーブル。

Claims

種別が付された複数のコンテンツにおける、ユーザ単位の履歴を取得する履歴取得手段と、
前記履歴取得手段が取得した履歴を用いて、関連する種別のそれぞれから選択したコンテンツの組み合わせを生成すると共に、当該組み合わせにおける双方のコンテンツを参照したユーザ数の情報である組み合わせ参照数を生成するコンテンツ組み合わせ生成手段と、
前記関連する種別それぞれのコンテンツから特徴語を抽出する特徴語抽出手段と、
前記特徴語抽出手段が抽出した特徴語について、前記関連する種別それぞれから選択した特徴語の組み合わせの前記コンテンツの組み合わせ内における出現度を生成する特徴語組み合わせ生成手段と、
前記出現度と、前記組み合わせ参照数とを少なくとも基礎として、当該特徴語の組み合わせの評価を行う評価手段と、
前記評価手段による評価結果に基づいて、前記特徴語の組み合わせが関連語であるか否かを決定する関連語決定手段と、
を備えることを特徴とする情報処理装置。
前記評価手段は、前記特徴語が一般語であるか否かを判別するための指標情報をさらに基礎として、前記特徴語の組み合わせの評価を行うことを特徴とする請求項１に記載の情報処理装置。
前記情報処理装置は、前記コンテンツ組み合わせ生成手段が生成したコンテンツの組み合わせの信頼度を生成する組み合わせ信頼度生成手段、をさらに備え、
前記評価手段は、前記組み合わせ信頼度生成手段が生成した信頼度をさらに基礎として、前記特徴語の組み合わせの評価を行うことを特徴とする請求項１又は２に記載の情報処理装置。
前記組み合わせ信頼度生成手段は、前記コンテンツの組み合わせのうち、一方のコンテンツを参照することを前提としている度合いをさらに生成し、
前記評価手段は、前記度合いをさらに基礎として、前記特徴語の組み合わせの評価を行うことを特徴とする請求項３に記載の情報処理装置。
情報処理装置により実行される特徴語評価方法であって、
種別が付された複数のコンテンツにおける、ユーザ単位の履歴を取得する履歴取得ステップと、
前記履歴取得ステップで取得した履歴を用いて、関連する種別のそれぞれから選択したコンテンツの組み合わせを生成すると共に、当該組み合わせにおける双方のコンテンツを参照したユーザ数の情報である組み合わせ参照数を生成するコンテンツ組み合わせ生成ステップと、
前記関連する種別それぞれのコンテンツから特徴語を抽出する特徴語抽出ステップと、
前記特徴語抽出ステップで抽出した特徴語について、前記関連する種別それぞれから選択した特徴語の組み合わせの前記コンテンツの組み合わせ内における出現度を生成する特徴語組み合わせ生成ステップと、
前記出現度と、前記組み合わせ参照数とを少なくとも基礎として、当該特徴語の組み合わせの評価を行う評価ステップと、
前記評価ステップによる評価結果に基づいて、前記特徴語の組み合わせが関連語であるか否かを決定する関連語決定ステップと、
を含む特徴語評価方法。