JP6042188B2 - グループ抽出装置、グループ抽出方法およびプログラム - Google Patents

Description

本発明は、ソーシャルメディア上で、ユーザがつながる他者のアカウント集合から、特定の期間内での興味あるいは、関心が類似するアカウントグループを抽出し、更に当該グループ毎に興味・関心を表すキーワードを抽出するグループ抽出装置、グループ抽出方法およびプログラムに関する。

今まで接点の無かったユーザ同士をメンバに含むようなコミュニティを形成可能なコミュニティ形成システムを提供する技術が知られている。この従来技術の処理手順の概要は、（１）ある話題でコミュニケーションが頻繁なユーザ集合をクラスタとして抽出し、複数のクラスタから新規クラスタ形成の基になるクラスタ対の候補を選択する。次に（２）クラスタ対に属するユーザ情報（主に所属や趣味等のプロフィール属性）からコミュニティを特徴付けるよう共通するトピック属性を検出する。（３）トピック属性で対象のクラスタ対を選択的に併合してコミュニティ（本発明ではグループに相当）を形成、提示するものである（例えば、特許文献１参照。）。

また、ソーシャルメディア上でつながるアカウントを複数グループに分割し、各グループの特徴を表すキーワードをグループ内の投稿内容から抽出する技術が知られている。この従来技術の処理手順の概要は、（１）友人関係の有無の疎密に基づき、友人関係が密なアカウントの集合をクリーク（本発明ではグループに相当）として抽出する。次に、（２）各クリーク内で影響力の高いアカウント（グループ内での友人関係が多いアカウント、あるいはニュースソースらしいアカウント）が発した単語の重要度を高くし、クリーク内の投稿内容から総合的に重要度の高い単語をキーワードとして抽出、提示するものである（例えば、非特許文献１参照。）。

特開２０１０−２８６８６８号公報 Ｍａｉｋｅ Ｅｒｄｍａｎｎ, Ｔｏｍｏｙａ Ｔａｋｅｙｏｓｈｉ, Ｇｅｎ Ｈａｔｔｏｒｉ ａｎｄ Ｃｈｉｈｉｒｏ Ｏｎｏ, "Ｅｘｔｒａｃｔｉｏｎ ａｎｄ Ａｎｎｏｔａｔｉｏｎ ｏｆ Ｐｅｒｓｏｎａｌ Ｃｌｉｑｕｅｓ ｆｒｏｍ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｓ," Ｔｈｅ １２ｔｈ ＩＥＥＥ/ＩＰＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ｔｈｅ Ｉｎｔｅｒｎｅｔ （ＳＡＩＮＴ２０１２）, Ｊｕｌｙ, ２０１２.

ところが、上記の特許文献１および非特許文献１に記載の技術では、過去からこれまでの定常的な話題と特定の期間内（例えば、以下では、直近１週間を例にとって説明する）の話題の差異といった、時間変化に伴う興味、関心の変化（時系列性）を考慮していないため、特定の期間内の興味や関心に基づくグループが優先的に形成されない。また、グループを特徴付けるキーワードがプロフィール属性に基づくため、特定の期間内の興味・関心が正しくキーワードとして表されないという問題があった。

そこで、本発明は、上述の課題に鑑みてなされたものであり、時系列性を考慮する動的な友人グループの抽出、あるいはグループキーワードの抽出が可能なグループ抽出装置、グループ抽出方法およびプログラムを提供することを目的とする。

本発明は、上記の課題を解決するために、以下の事項を提案している。なお、理解を容易にするために、本発明の実施形態に対応する符号を付して説明するが、これに限定されるものではない。

（１）本発明は、ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間内の興味あるいは関心が類似するグループを抽出するグループ抽出装置であって、前記行動履歴から友人集合の定常的な特徴を算出する大域特徴算出部（例えば、図１の大域特徴算出部２０２に相当）と、前記定常的な特徴量と特定の期間内の行動履歴とに基づいて、定常的に出現せず、特定の期間内にのみ出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする重み算出部（例えば、図１の重み算出部２０３に相当）と、前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出するグループ抽出部（例えば、図１のグループ抽出部２０３に相当）と、を備えることを特徴とするグループ抽出装置を提案している。

この発明によれば、大域特徴算出部が、行動履歴から友人集合の定常的な特徴を算出し、重み算出部が、定常的な特徴量と特定の期間内の行動履歴とに基づいて、定常的に出現せず、特定の期間内にのみ出現する特徴を算出し、友人集合における友人間の関係性を重み付けし、グループ抽出部が、重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する。したがって、グループ抽出結果を提供することで、ソーシャルメディア上でつながる友人について、特定の期間内の興味・関心、およびその興味・関心を有する友人を概観することができる。

（２）本発明は、（１）のグループ抽出装置について、前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出するグループキーワード抽出部（例えば、図１のグループキーワード抽出部２０５に相当）を備えたことを特徴とするグループ抽出装置を提案している。

この発明によれば、グループキーワード抽出部が、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する。つまり、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出することから、特定の期間内の興味や関心に基づく、正確なキーワードを抽出することができる。

（３）本発明は、（２）のグループ抽出装置について、前記グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力するグループフィルタリング部（例えば、図９のグループフィルタリング部２０６に相当）を備えたことを特徴とするグループ抽出装置を提案している。

この発明によれば、グループフィルタリング部は、グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力する。したがって、グループ抽出結果を基にタイムラインのフィルタ機能を提供することで、ある興味、関心に基づく投稿内容をユーザが効率的に追うことができる。

（４）本発明は、（２）のグループ抽出装置について、前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めるキーワードマッチング部（例えば、図１２のキーワードマッチング部２０７に相当）を備えたことを特徴とするグループ抽出装置を提案している。

この発明によれば、キーワードマッチング部は、グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求める。したがって、キーワードマッチングを行い、合致した友人とキーワードを列挙し、これらのリストを提示すれば、ユーザの発信先設定が支援可能となる。

（５）本発明は、（１）から（４）のグループ抽出装置について、前記行動履歴は、ソーシャルメディア上の友人の投稿内容あるいは、コミュニケーション履歴であり、前記大域特徴算出部は、投稿内容に定常的に出現する単語群とその出現頻度、および定常的にコミュニケーションを行う友人の組み合わせとその頻度を抽出し、前記重み算出部は、前記定常的に出現する単語群に比して特定の期間内で出現頻度が向上した単語を、共に投稿内容に含む友人間の重みを高く設定し、更に定常的なコミュニケーション頻度に比して特定の期間内でコミュニケーション頻度が向上した友人間の重みを高く設定することを特徴とするグループ抽出装置を提案している。

この発明によれば、行動履歴は、ソーシャルメディア上の友人の投稿内容あるいは、コミュニケーション履歴であり、大域特徴算出部は、投稿内容に定常的に出現する単語群とその出現頻度、および定常的にコミュニケーションを行う友人の組み合わせとその頻度を抽出し、重み算出部は、定常的に出現する単語群に比して特定の期間内で出現頻度が向上した単語を、共に投稿内容に含む友人間の重みを高く設定し、更に定常的なコミュニケーション頻度に比して特定の期間内でコミュニケーション頻度が向上した友人間の重みを高く設定する。このような処理を行うことにより、類似する話題を発信し、かつ、コミュニケーションが活性化しやすいグループの抽出が容易となる。

（６）本発明は、（１）から（４）のグループ抽出装置について、前記重み算出部は、さらに、プロフィール属性の類似度が高い友人間の重みを高く設定することを特徴とするグループ抽出装置を提案している。

この発明によれば、重み算出部は、さらに、プロフィール属性の類似度が高い友人間の重みを高く設定する。これにより、類似あるいは同一の勤務先や類似あるいは同一の出身校である友人が所属するグループの抽出が容易となる。

（７）本発明は、ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間内の興味あるいは関心が類似するグループを抽出するグループ抽出装置におけるグループ抽出方法であって、前記行動履歴から友人集合の定常的な特徴を算出する第１のステップ（例えば、図２のステップＳ１００に相当）と、前記定常的な特徴量と特定の期間内の行動履歴を基に、定常的には出現せず、特定の期間内に出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする第２のステップ（例えば、図２のステップＳ２００に相当）と、前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する第３のステップ（例えば、図２のステップＳ３００に相当）と、を備えることを特徴とするグループ抽出方法を提案している。

この発明によれば、行動履歴から友人集合の定常的な特徴を算出し、定常的な特徴量と特定の期間内の行動履歴とに基づいて、定常的に出現せず、特定の期間内にのみ出現する特徴を算出し、友人集合における友人間の関係性を重み付けして、重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する。したがって、グループ抽出結果を提供することで、ソーシャルメディア上でつながる友人について、特定の期間内の興味・関心、およびその興味・関心を有する友人を概観することができる。

（８）本発明は、（７）のグループ抽出方法について、前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する第４のステップ（例えば、図２のステップＳ４００に相当）を備えたことを特徴とするグループ抽出方法を提案している。

この発明によれば、さらに、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する。つまり、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出することから、特定の期間内の興味や関心に基づく、正確なキーワードを抽出することができる。

（９）本発明は、（８）のグループ抽出方法について、前記第４のステップにおいて、前記グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力することを特徴とするグループ抽出方法を提案している。

この発明によれば、グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力する。したがって、グループ抽出結果を基にタイムラインのフィルタ機能を提供することで、ある興味、関心に基づく投稿内容をユーザが効率的に追うことができる。

（１０）本発明は、（８）のグループ抽出方法について、前記第４のステップにおいて、前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めることを特徴とするグループ抽出方法を提案している。

この発明によれば、グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求める。したがって、キーワードマッチングを行い、合致した友人とキーワードを列挙し、これらのリストを提示すれば、ユーザの発信先設定が支援可能となる。

（１１）本発明は、ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間内の興味あるいは関心が類似するグループを抽出するグループ抽出装置におけるグループ抽出方法をコンピュータに実行させるためのプログラムであって、前記行動履歴から友人集合の定常的な特徴を算出する第１のステップ（例えば、図２のステップＳ１００に相当）と、前記定常的な特徴量と特定の期間内の行動履歴を基に、定常的には出現せず、特定の期間内に出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする第２のステップ（例えば、図２のステップＳ２００に相当）と、前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する第３のステップ（例えば、図２のステップＳ３００に相当）と、をコンピュータに実行させるためのプログラムを提案している。

この発明によれば、行動履歴から友人集合の定常的な特徴を算出し、定常的な特徴量と特定の期間内の行動履歴とに基づいて、定常的に出現せず、特定の期間内にのみ出現する特徴を算出し、友人集合における友人間の関係性を重み付けして、重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する。したがって、グループ抽出結果を提供することで、ソーシャルメディア上でつながる友人について、特定の期間内の興味・関心、およびその興味・関心を有する友人を概観することができる。

（１２）本発明は、（１１）のプログラムについて、前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する第４のステップ（例えば、図２のステップＳ４００に相当）を備えたことを特徴とするプログラムを提案している。

この発明によれば、さらに、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する。つまり、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出することから、特定の期間内の興味や関心に基づく、正確なキーワードを抽出することができる。

（１３）本発明は、（１２）のプログラムについて、前記第４のステップにおいて、前記グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力することを特徴とするプログラムを提案している。

この発明によれば、グループキーワードをユーザに提示し、ユーザの興味あるいは関心に合致するグループの指定をユーザから受け付け、指定されたグループに所属する友人の特定の期間内の投稿内容のみを取得し、出力する。したがって、グループ抽出結果を基にタイムラインのフィルタ機能を提供することで、ある興味、関心に基づく投稿内容をユーザが効率的に追うことができる。

（１４）本発明は、（１２）のプログラムについて、前記第４のステップにおいて、前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めることを特徴とするプログラムを提案している。

この発明によれば、グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求める。したがって、キーワードマッチングを行い、合致した友人とキーワードを列挙し、これらのリストを提示すれば、ユーザの発信先設定が支援可能となる。

本発明によれば、グループ抽出結果を提供することで、ソーシャルメディア上でつながる友人について、特定の期間内の興味・関心、およびその興味・関心を有する友人を概観することが可能になるという効果がある。また、グループ抽出結果を基にタイムラインのフィルタ機能を提供することで、ある興味、関心に基づく投稿内容をユーザが効率的に追うことができるという効果がある。

さらに、グループ抽出結果の提示（グループ構成アカウントとキーワードの提示）により、既知の友人に対する新たな気付きの提供が可能となり、コミュニケーションの活性化が期待できるという効果がある。また、ユーザがある内容（例：Ｗｅｂニュース）をシェア、あるいは送信する際に、上記グループ構成メンバのみを宛先とするシェア、送信を可能にすることで、ユーザの発信先設定が支援可能となるという効果がある。

本発明の第１の実施形態に係るグループ抽出装置の構成を示す図である。 本発明の第１の実施形態に係るグループ抽出装置の処理を示す図である。 本発明の第１の実施形態に係る重み算出の処理を示す図である。 本発明の第１の実施形態に係る投稿内容の類似度の算出処理を示す図である。 本発明の第１の実施形態に係るコミュニケーション頻度の算出処理を示す図である。 本発明の第１の実施形態に係る属性類似度の算出処理を示す図である。 本発明の概要を示す図である。 本発明の出力内容を示す図である。 本発明の第２の実施形態に係るグループ抽出装置の構成を示す図である。 本発明の第２の実施形態に係るグループ抽出装置の処理を示す図である。 本発明の第２の実施形態に係る入出力の関係を示す図である。 本発明の第３の実施形態に係るグループ抽出装置の構成を示す図である。 本発明の第３の実施形態に係るグループ抽出装置の処理を示す図である。 本発明の第４の実施形態に係るグループ抽出装置の構成を示す図である。 本発明の第４の実施形態に係るグループ抽出装置の処理を示す図である。

＜本発明の概要＞
実施形態の詳細な説明の前に、図７を用いて、本発明の概要について説明する。
まず、グループ抽出の対象とする特定の期間内（例えば、直近１週間）と、過去〜グループ抽出期間前とを分割（図７参照）し、後者の期間に含まれるソーシャルメディア上の行動（投稿やコミュニケーション）履歴から、定常的に出現する話題語や、定常的にコミュニケーションをとる友人間を表す特徴を抽出する。

次に、特定の期間内での興味・関心が類似する友人を同一グループのメンバとして抽出可能とするため、上記大域的特徴、および特定の期間内の特徴の比較から友人間で下記２種類（または３種類）の指標値を算出し、更にこれら指標値を用いて友人関係の重みを決定する。

友人関係の重みを決定するパラメータとして、投稿内容の類似度：Ｓ（Ａ、 Ｂ）、コミュニケーション頻度：Ｆ（Ａ、 Ｂ）または、プロフィール属性の類似度：Ｐ（Ａ、 Ｂ）が考えられる。

投稿内容の類似度：Ｓ（Ａ、 Ｂ）は、投稿内容について、ＡさんとＢさんとの間の類似度である。特定の期間内の投稿内容が類似する場合、友人関係の重みを高くする。その際、定常的には出現せず、特定の期間内になって出現頻度が高くなった単語が、ＡさんとＢさんの投稿内容にともに出現する場合、特に友人関係の重みを高くする。これにより、同じ話題に言及している友人が同一グループに含まれやすくする。

コミュニケーション頻度：Ｆ（Ａ、 Ｂ）は、ＡさんとＢさんの間でのコミュニケーション頻度である。特定の期間内のコミュニケーション頻度が高い場合、友人関係の重みを高くする。これにより、ある話題下でコミュニケーションをとる（＝興味を示す）友人が同一グループに含まれやすくする。例えば、Ａさんの「フットサル日本代表の試合感動したー」という投稿にたいし、Ｂさんが反応している場合、Ｂさんも「フットサル」あるいは「日本代表」に興味を示していると考える。

プロフィール属性の類似度：Ｐ（Ａ、 Ｂ）は、プロフィール属性について、ＡさんとＢさんとの間の類似度である。プロフィール属性の類似度が高い場合、友人関係の重みを高くする。友人グループに対し、勤務先や出身校といった属性を加味したい場合は、プロフィール属性の類似度を採用し、重み付けに対する重視度合を投稿内容の類似度：Ｓ（Ａ、 Ｂ）、コミュニケーション頻度：Ｆ（Ａ、 Ｂ）と同程度、もしくは、投稿内容の類似度：Ｓ（Ａ、 Ｂ）、コミュニケーション頻度：Ｆ（Ａ、 Ｂ）よりも高くする（つまり、後述のα、β、γについて、γ>=α、βとする）。

例えば、「サッカーといった同じ興味・関心でも、なるべく同僚だけのグループ、大学の同級生のグループに分けたい」といったケースである。ただし、プロフィール属性が取得可能な環境下では、これのみを用いてフィルタリングを行うことも可能であるため、本発明ではオプショナルの位置付けとする。

上記の値から、ＡさんとＢさんの間の「友人関係の重み」Ｗ（Ａ、 Ｂ）を式（１）により決定する。
Ｗ（Ａ、 Ｂ）＝α×Ｓ（Ａ、 Ｂ）＋β×Ｆ（Ａ、 Ｂ）＋γ×P（Ａ、 Ｂ）…（１）
ここで、α、β、γ（全て０以上）は各指標値の重みに与える影響度合いを表し、本発明をサービス、あるいはアプリケーションとして提供する際に、自由に設定可能とする。

具体的には、下記３種類のパターン、および抽出されるグループに対する効果が考えられる。
αの影響度合いが高い：投稿内容の類似性を重視し、類似する話題を発信するグループが抽出されやすくなる。
βの影響度合いが高い：コミュニケーションの発生を重視し、コミュニケーションが活性化しやすいグループが抽出されやすくなる。
γの影響度合いが高い：プロフィールの類似性を重視し、類似・同一の勤務先や出身校である友人が所属するグループが抽出されやすくなる。

次いで、重み付けされた友人関係（ソーシャルグラフ）から、グループ内の友人関係の数、あるいは重みの総計が高くなるようなグループを求める。そして、各グループに所属する友人の投稿内容から、グループを特徴付けるキーワードを抽出する。この時、定常的には出現せず、特定の期間内で出現した話題語を優先的に選択する。

以下、本発明の実施形態について、図面を用いて、詳細に説明する。
なお、本実施形態における構成要素は適宜、既存の構成要素等との置き換えが可能であり、また、他の既存の構成要素との組合せを含む様々なバリエーションが可能である。したがって、本実施形態の記載をもって、特許請求の範囲に記載された発明の内容を限定するものではない。

＜第１の実施形態＞
図１から図８を用いて、本発明の実施形態について説明する。

＜グループ抽出装置の構成＞
本実施形態に係るグループ抽出装置は、図１に示すように、ソーシャルメディアと、ＡＰＩ１００と、データ収集部２０１と、大域特徴算出部２０２と、重み算出部２０３と、グループ抽出部２０４と、グループキーワード抽出部２０５と、プロフィールＤＢ２１１と、投稿内容ＤＢ２１２と、コミュニケーション履歴ＤＢ２１３と、友人関係ＤＢ２１４と、表示部３００とから構成されている。

ソーシャルメディアは、アカウント間の関係性（例：友人関係）をベースにするサービスである。ＡＰＩ１００は、各種ソーシャルメディアが提供し、外部からソーシャルメディア上のデータを取得可能とするインターフェースである。表示部３００は、出力情報をユーザに提示する。

データ収集部２０１は、ＡＰＩ１００を通じ、各種ソーシャルメディアから必要なデータを収集する。大域特徴算出部２０２は。収集・蓄積済みデータから、大域特徴を算出する。ここで、大域特徴とは、時系列上、グループ抽出の対象外であり、かつ過去から蓄積されたデータを基に算出する特徴を指す（図７の「過去」に相当する期間、およびデータ）。グループ抽出は特定の期間内のデータ（例えば、最近１週間）を対象にする。

重み算出部２０３は、大域特徴、および特定の期間内のデータから、ソーシャルグラフ上の各友人関係について、重みを算出する。グループ抽出部２０４は、ソーシャルグラフ、および友人関係の重みから、動的な友人グループを抽出する。グループキーワード抽出部２０５は、各グループについて、グループ内の友人の投稿内容から、グループを特徴付けるキーワードを抽出する。

プロフィールＤＢ２１１は、ユーザの友人がソーシャルメディアに登録しているプロフィール（属性）情報を格納するデータベースである。投稿内容ＤＢ２１２は、ユーザの友人がソーシャルメディア上で投稿した内容を格納するデータベースである。コミュニケーション履歴ＤＢ２１３は、ユーザの友人がソーシャルメディア上で反応した履歴を格納するデータベースである。ここで反応とは、例えば、Ｆａｃｅｂｏｏｋであればコメント入力行動、「いいね！」ボタンの押下行動を指す。友人関係ＤＢ２１４は、ソーシャルグラフ（誰と誰が友人であるかを表すネットワーク）を格納するデータベースである。

＜グループ抽出装置の処理＞
図２から図６を用いて、本実施形態に係るグループ抽出装置の処理について説明する。

図１は、グループ抽出装置の処理の大きな流れを示したものである。
この図によれば、まず、大域特徴算出部２０２は、ＤＢ群に蓄積された各種データから、大域特徴量を算出する（図２のステップＳ１００）。算出対象となるデータは、過去から蓄積された全データより、グループ抽出の対象となる特定の期間内のデータを除いたデータである（図７の「過去」に相当する期間、およびデータ）。ここで算出された特徴量と特定の期間内のデータの比較により、図２のステップＳ２００において友人関係の重みを決定する。

ここで、ステップＳ１００において、算出する大域特徴は、Ａ）各単語に関する大域特徴、Ｂ）各友人に関する大域特徴であり、Ａ）各単語に関する大域特徴では、単語ｉが出現する投稿数ｄｆ（ｉ)、つまり、過去のデータ上、ある単語が出現する投稿の総数を単語ごとに集計して求める。

一方、Ｂ）各友人に関する大域特徴では、ユーザのある友人Ａの投稿数Ｐ（Ａ）つまり、過去のデータ上、ある友人の投稿の総数を友人毎に集計して求める。また、ユーザとある友人Ａさんとの共通友人の投稿総数Ｇ（Ａ）、ユーザとある友人Ａさんとの共通友人の投稿に対する、Ａさんのコミュニケーションの総数Ｃ（Ａ）、他者（例えば、共通友人Ｂさん）の投稿に対するＡさんのコミュニケーションの回数Ｃ（Ａ、Ｂ）を求める。ここで、共通友人とは、例えば、ユーザの友人Ａさんに着目する場合、ユーザとＡさんとの間での共通友人を指す。このとき、Ａさんが共通友人の投稿に対して行ったコミュニケーションの総数を集計して求める。（ＡさんとＢさんとの間、ＡさんとＣさんとの間、…と集計する）

ステップＳ２００では、重み算出部２０３が、ステップＳ１００で算出した大域特徴と、特定の期間内のデータとの比較から友人関係の重みを決定する。

ここで、図３を用いて、ステップＳ２００での処理を詳細に説明する。
まず、ステップＳ２１０では、友人関係の抽出を行う。具体的には、ユーザの各友人間について、ソーシャルメディア上での明示的な友人関係を友人関係ＤＢから取得し、友人同士である友人のペアを生成する。例えば、ユーザの友人Ａ、Ｂ、Ｃ、Ｄさんがいたとした場合、友人同士である下記ペアをリストアップする。（以下、下記のリストをリスト１とする）
１）ＡさんとＢさん
２）ＡさんとＣさん
３）ＢさんとＣさん

ステップＳ２２０では、投稿内容の類似度の算出を行う。具体的な内容については、図４を参照して説明する。
まず、ステップＳ２２１では、対象友人リストの作成を行う。つまり、ステップＳ２２０で処理対象となる友人のリストを、ステップＳ２１０で取得した友人関係（友人同士であるペア）から生成する。例えば、リスト１からはＡ、Ｂ、Ｃさんを抽出し、リスト（以下、このリストをリスト２とする）を生成する。

ステップＳ２２２では、ステップＳ２２３からステップＳ２２６の処理を実施していない友人が存在する場合は、ステップＳ２２３へ進む。存在しない場合は、ステップＳ２２７へ進む。ステップＳ２２３では、未処理友人の投稿内容の抽出を行う。つまり、投稿内容ＤＢから、対象となる友人の特定の期間内の投稿内容（テキスト）を抽出する。

ステップＳ２２４では、形態素解析を行う。つまり、投稿内容に形態素解析を適用し、投稿内容中に出現する単語を取得する。ステップＳ２２５では、単語の重要度の算出を行う。つまり、各単語について、大域特徴と比較し、友人Ａの投稿内における、ある単語ｉの重要度ｗ（ｉ、Ａ）を算出する。算出式は下記の通りとする。
ｗ（ｉ、Ａ）＝ ｄｆ（ｉ、Ａ）×ｉｄｆ（ｉ)…（２）
ここで、ｄｆ（ｉ、Ａ）は、友人Ａの特定の期間内の投稿内容のうち、単語ｉを含む投稿数を表し、ｉｄｆ（ｉ)は前述のｄｆ（ｉ)を用いて下記の式で算出されるＩｎｖｅｒｓｅｄ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙである。
ｉｄｆ（ｉ)＝ ｌｏｇ{ ｜Ｄ｜／ ｄｆ（ｉ) }…（３）
ここで、｜Ｄ｜は、過去のデータにおける、ユーザの友人の投稿総数である。また、ｄｆ（ｉ)＝０となる可能性がある場合には、ｄｆ（ｉ)＝１と読み替え、あるいは、ｄｆ（ｉ)をｄｆ（ｉ)＋１ と置き換える。

ステップＳ２２６では、特徴ベクトルを生成する。具体的には、友人Ａの特定の期間内の投稿内容に出現する単語ｉ、および単語の重要度ｗ（ｉ、Ａ）から、友人毎に特徴ベクトルを生成する。ステップＳ２２７では、ステップＳ２２８からステップＳ２２９の処理を実施していない友人関係（ペア）が存在する場合は、ステップＳ２２８へ進む。存在しない場合は、本処理フローを終了する。

ステップＳ２２８では、未処理２友人の特徴ベクトルを取得する。つまり、未処理の友人関係（ペア）について、対象となる友人それぞれの特徴ベクトル（ステップＳ２２３からステップＳ２２６で生成済）を取得する。

ステップＳ２２９では、特徴ベクトル間の類似度を算出する。具体的には、特徴ベクトル間の類似度を算出し、投稿内容の類似度Ｓ（Ａ、Ｂ）とする。例えば、ベクトル間の距離に相当するコサイン類似度を算出する。この類似度は、２友人間の投稿内容についての類似度に相当する。

ステップＳ２３０では、コミュニケーション頻度の算出を行う。この詳細について、図５を参照して説明する。
まず、ステップＳ２３１では、ステップＳ２３２からステップＳ２３３の処理を実施していない友人関係（ペア）が存在する場合は、ステップＳ２３２へ進む。存在しない場合は本処理フローを終了する。

ステップＳ２３２では、未処理２友人のコミュニケーション履歴・大域特徴を取得する。具体的には、未処理２友人を仮にＡさん、Ｂさんとする。過去のデータから、前述の大域特徴Ｐ（Ａ）、Ｐ（Ｂ）、Ｃ（Ａ）、Ｃ（Ｂ）、Ｃ（Ａ、Ｂ）、Ｃ（Ｂ、Ａ）、Ｇ（Ａ）、Ｇ（Ｂ）を取得する。次に、過去のデータにおけるＡさんからＢさんへのコミュニケーションの希少性を表す数値Ｒ（Ａ、Ｂ）を次式により算出する。
Ｒ（Ａ、Ｂ）＝ (Ｃ（Ａ）／Ｇ（Ａ）) × (Ｃ（Ａ、Ｂ）／Ｐ（Ｂ）) …（４）

ステップＳ２３３では、２友人間のコミュニケーション頻度を算出する。ここで、２友人間のコミュニケーション頻度Ｆ（Ａ、Ｂ）を次式により算出する。
Ｆ（Ａ、Ｂ）＝
( ｉＲ（Ａ、Ｂ）× Ｒ‘（Ａ、Ｂ）＋ ｉＲ（Ｂ、Ａ）×Ｒ’（Ｂ、 Ａ）)／２…（５）
ここで、ｉＲ（Ａ、Ｂ） は式（４）の逆数を表し、Ｒ‘（Ａ、Ｂ）は特定の期間内の友人の投稿のみを用いてＲ（Ａ、Ｂ） を算出した値を表す。なお、式（４）と式（５）との適用に際し、分母が０となる可能性がある場合には、１と読み替え、あるいはデフォルトで１を加算して適用する。

ステップＳ２４１では、属性の類似度の算出を行う。具体的な内容について、図６を参照して説明する。

ステップＳ２４１では、ステップＳ２４２からステップＳ２４４の処理を実施していない友人関係（ペア）が存在する場合は、ステップＳ２４２へ進む。一方で、存在しない場合は、本処理フローを終了する。

ステップＳ２４２では、未処理２友人の属性情報を取得する。つまり、未処理２友人を仮にＡさん、Ｂさんとすると、両者のプロフィールおよび属性情報をプロフィールＤＢから取得する。

ステップＳ２４３では、各友人の属性ベクトルを生成する。具体的には、取得可能なプロフィールおよび属性項目に応じて、Ａさん、Ｂさんのプロフィール属性をベクトル化する。例えば、性別、出身地、勤務先が取得可能な場合には、属性ベクトルは 、「男性、 ○○県、××会社」 とする。

ステップＳ２４４では、属性ベクトル間の類似度を算出する。例えば、ＡさんとＢさんの属性ベクトル間で類似度を算出し、プロフィール属性の類似度Ｐ（Ａ、Ｂ）とする。このとき、シンプソン係数を算出して、プロフィール属性の類似度Ｐ（Ａ、Ｂ）を求めてもよい。

ステップＳ２５０では、友人関係の重みを出力する。つまり、ステップＳ２２０からステップＳ２４０において算出したＳ（Ａ、Ｂ）、Ｆ（Ａ、Ｂ）、Ｐ（Ａ、Ｂ）を式（１）に代入し、ＡさんとＢさんとの間の友人関係の重みＷ（Ａ、Ｂ）とする。

ステップＳ３００では、グループの抽出を行う。グループ抽出部２０４は、ソーシャルグラフ上の友人関係をステップＳ２００で出力された値で重み付けし、重み付きグラフから動的にグループを抽出する。ここでは、グループ内のエッジ数、および重みの総計が高くなるようなグループを抽出することが、特定の期間内の興味、関心が類似するグループを抽出することに相当する。例えば、文献「Ａ．Ｃｌａｕｓｅｔ，Ｍ．Ｅ．Ｊ．Ｎｅｗｍａｎ ａｎｄ Ｃ．Ｍｏｏｒｅ，“Ｆｉｎｄｉｎｇ ｃｏｍｍｕｎｉｔｙ ｓｔｒｕｃｔｕｒｅ ｉｎ ｖｅｒｙ ｌａｒｇｅ ｎｅｔｗｏｒｋｓ，” Ｐｈｙｓ．Ｒｅｖ．Ｅ７０，０６６１１１ （２００４）．」に示されている方法を適用することで、上記のようなグループを抽出可能である。

ステップＳ４００では、グループキーワードを抽出する。グループキーワード抽出部２０５は、ステップＳ３００で抽出された各グループについて、グループ内の友人の特定の期間内の投稿内容から、グループを特徴付けるキーワードを抽出する。例えば、算出対象となるグループにＡさんが所属する場合、Ａさんの特定の期間内の投稿内容に含まれる各単語について、単語の重要度ｗ（ｉ、Ａ）を総計し、その値が高い単語をグループキーワードとして抽出する。

つまり、図８に示すように、ソーシャルグラフの構造から所属や興味が似ているアカウントをグループ化し、グループに所属する友人の投稿内容からグループを特徴づけるキーワードを抽出する。したがって、友人リストを自動生成することにより、興味や関心が類似するアカウントごとに投稿内容を確認することができる。

以上、説明したように、本実施形態によれば、グループ抽出結果を提供することで、ソーシャルメディア上でつながる友人について、特定の期間内の興味・関心、およびその興味・関心を有する友人を概観することができる。また、グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出することから、特定の期間内の興味や関心に基づく、正確なキーワードを抽出することができる。

＜第２の実施形態＞
図９から図１１を用いて、本発明の実施形態について説明する。

＜グループ抽出装置の構成＞
本実施形態に係るグループ抽出装置は、図９に示すように、ソーシャルメディアと、ＡＰＩ１００と、データ収集部２０１と、大域特徴算出部２０２と、重み算出部２０３と、グループ抽出部２０４と、グループキーワード抽出部２０５と、グループフィルタ部２０６と、プロフィールＤＢ２１１と、投稿内容ＤＢ２１２と、コミュニケーション履歴ＤＢ２１３と、友人関係ＤＢ２１４と、表示部３００とから構成されている。なお、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有することから、その詳細な説明は省略する。

グループフィルタ部２０６は、ユーザの指定したグループに所属する友人の投稿内容のみを取得し、提示する。なお、本実施形態は、第１の実施形態で取得したグループを基に、ユーザが閲覧可能なソーシャルストリーム（友人の更新情報の流れ）をフィルタリングする機能を提供するものである。なお、グループの指定からフィルタリング適用結果までの具体例を画面イメージとして図１１に示す。

＜グループ抽出装置の処理＞
図１０を用いて、本実施形態に係るグループ抽出装置の処理について説明する。

まず、ステップＳ１００からステップＳ４００の処理内容については、第１の実施形態と同様である。

ステップＳ５００では、グループ指定の受付を行う。つまり、ユーザのフィルタリング要求に応じて、ステップＳ４００で抽出したグループ毎に、グループキーワード一覧を提示し、ユーザがキーワードを選択することにより、グループの指定が可能となる。ここで、グループキーワードが複数個存在する場合には、所定の個数（例：１個）を提示することとし、選択基準はグループキーワード抽出時に採用した重要度を用いる。

ステップＳ６００では、グループフィルタの適用を行う。具体的には、ユーザの指定したグループに所属する友人の投稿内容のみを取得し、提示する。

以上、説明したように、本実施形態によれば、第１の実施形態で取得したグループを基に、ユーザが閲覧可能なソーシャルストリーム（友人の更新情報の流れ）をフィルタリングする機能を提供することにより、抽出および提示されたグループキーワードを選択することによって、ユーザは自身の興味・関心に合致するグループを選択し、指定されたグループに所属する友人の投稿内容のみを閲覧することが可能となる。

＜第３の実施形態＞
図１２および図１３を用いて、本発明の実施形態について説明する。

＜グループ抽出装置の構成＞
本実施形態に係るグループ抽出装置は、図１２に示すように、ソーシャルメディアと、ＡＰＩ１００と、データ収集部２０１と、大域特徴算出部２０２と、重み算出部２０３と、グループ抽出部２０４と、グループキーワード抽出部２０５と、キーワードマッチング部２０７と、プロフィールＤＢ２１１と、投稿内容ＤＢ２１２と、コミュニケーション履歴ＤＢ２１３と、友人関係ＤＢ２１４と、表示部３００とから構成されている。なお、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有することから、その詳細な説明は省略する。

キーワードマッチング部２０７は、ユーザのプロフィール情報、またはユーザの投稿内容から、ユーザの興味・関心を表すキーワードを取得する。なお、本実施形態は、第１の実施形態で取得したグループ、およびグループキーワードから、友人に対する特定の期間内の興味・関心についてのラベリングを行い、ユーザの興味・関心に合致しそうな友人とその理由（グループキーワード）を提示する機能を提供する。

＜グループ抽出装置の処理＞
図１３を用いて、本実施形態に係るグループ抽出装置の処理について説明する。

まず、ステップＳ１００からステップＳ４００の処理内容については、第１の実施形態と同様である。

ステップＳ７００では、ユーザキーワードの取得を行う。具体的には、ユーザのプロフィール情報、またはユーザの投稿内容から、ユーザの興味・関心を表すキーワードを取得する。なお、「趣味」や「興味」、「関心」といったカテゴリに対し、ユーザ自身が特定のキーワード（例えば、アーティスト名といった固有名詞）を登録済みの場合は、該当するキーワードを列挙する。また、ユーザの投稿内容を取得可能な場合は、友人の投稿内容に対して、単語の重要度を算出した際の処理（図４のステップＳ２２４からステップＳ２２５）と同様の処理により、投稿内容に含まれる各単語に重要度を割り振り、重要度の高い単語をキーワードとする。

ステップＳ８００では、キーワードマッチングを行う。具体的には、グループに所属する友人それぞれに対して、友人の興味・関心を表すキーワードを割り当てる。例えば、グループキーワードとして抽出された単語を特定の期間内の投稿内容に含む場合は、その友人に当該単語をキーワードとして割り当てる。次に、ユーザと各友人との間で、キーワードのマッチングを行い、合致した友人、およびキーワードを列挙する。

ステップＳ９００では、友人およびキーワードの対を提示する。つまり、ステップＳ８００において、合致した友人、およびキーワードのリストを提示する。

以上、説明したように、本実施形態によれば、第１の実施形態で取得したグループ、およびグループキーワードから、友人に対する特定の期間内の興味・関心についてのラベリングを行い、ユーザの興味・関心に合致しそうな友人とその理由（グループキーワード）を提示する機能を提供することにより、友人の興味や関心が変化する中で、ユーザ自身とコミュニケーションの活性化が期待できる友人を容易に知ることが可能となる。

＜第４の実施形態＞
図１４および図１５を用いて、本発明の実施形態について説明する。

本実施形態は、グループ抽出の対象となる期間をずらしつつ（例えば、１週間前、２週間前、…）、第１の実施形態に示したグループ抽出手段、およびグループキーワード抽出手段を蓄積済みデータに適用し、各期間におけるグループ抽出結果を取得する。更に、各グループのバースト性（盛り上がり度合い）を評価することで、友人間で発生・共有された特殊なイベント（例えば、サッカーＷ杯や友人の記念日）に係るグループを抽出、列挙する。つまり、第１の実施形態から第３の実施形態では、特定の期間から、共通の話題やコミュニケーション頻度の向上にフォーカスしてグループを抽出するが、本実施形態では更に個人、あるいは世間一般の間で特に盛り上がっている話題に関連するグループが存在する場合に、特殊なイベント関連グループとして抽出することを特徴とする。

＜グループ抽出装置の構成＞
本実施形態に係るグループ抽出装置は、図１４に示すように、ソーシャルメディアと、ＡＰＩ１００と、データ収集部２０１と、大域特徴算出部２０２と、重み算出部２０３と、グループ抽出部２０４と、グループキーワード抽出部２０５と、グループ評価部２０８と、プロフィールＤＢ２１１と、投稿内容ＤＢ２１２と、コミュニケーション履歴ＤＢ２１３と、友人関係ＤＢ２１４と、表示部３００とから構成されている。なお、第１の実施形態と同一の符号を付す構成要素については、同様の機能を有することから、その詳細な説明は省略する。

グループ評価部２０８は、抽出された各グループのデータからバースト性（盛り上がり）を判定し、特に盛り上がっているグループをイベント連動グループと判定する。

＜グループ抽出装置の処理＞
図１５を用いて、本実施形態に係るグループ抽出装置の処理について説明する。

まず、ステップＳ１００からステップＳ４００の処理内容については、第１の実施形態と同様である。

ステップＳ１１００では、グループ抽出処理が未実施の期間が存在する場合には、ステップＳ１２００へ進み、存在しない場合には本処理フローを終了する。

ステップＳ１２００では、データの分割を行う。具体的には、グループ抽出対象となる期間に係るデータと、大域特徴の算出対象となる期間に係るデータとを分割する。分割単位は任意のもの（例えば、１週間）とし、サービスやアプリケーション提供者、またはユーザが指定可能としても良い。

ステップＳ１３００では、キーワードグループの評価を行う。具体的には、抽出された各グループのデータからバースト性（盛り上がり）を判定し、特に盛り上がっているグループをイベント連動グループと判定する。ここで、盛り上がりの判定には閾値処理を適用し、例えば「全グループから算出する盛り上がり指標の平均値に比して、あるグループの盛り上がり指標の値がＸ倍以上の場合にイベント関連グループと判定」、といった処理を行う。なお、盛り上がり指標としては、例えば、「グループ内の投稿総数」、「グループ内のコミュニケーション回数の総数」のうちいずれか１種類、あるいは複数を組み合わせて判定する。

以上、説明したように、本実施形態によれば、グループ抽出の対象となる期間をずらしつつ（例えば、１週間前、２週間前、…）、第１の実施形態に示したグループ抽出手段、およびグループキーワード抽出手段を蓄積済みデータに適用し、各期間におけるグループ抽出結果を取得し、更に、各グループのバースト性（盛り上がり度合い）を評価することで、友人間で発生・共有された特殊なイベント（例えば、サッカーＷ杯や友人の記念日）に係るグループを抽出、列挙することから、個人（友人）、あるいは世間一般に発生している特殊なイベントについて、これに関連するグループを概観可能となる。

なお、グループ抽出装置の処理をコンピュータシステムが読み取り可能な記録媒体に記録し、この記録媒体に記録されたプログラムをグループ抽出装置に読み込ませ、実行することによって本発明のグループ抽出装置を実現することができる。ここでいうコンピュータシステムとは、ＯＳや周辺装置等のハードウェアを含む。

また、「コンピュータシステム」は、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）システムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。

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よい。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合せで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、この発明の実施形態につき、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。

１００；ＡＰＩ
２０１；データ収集部
２０２；大域特徴算出部
２０３；重み算出部
２０４；グループ抽出部
２０５；グループキーワード抽出部
２０６；グループフィルタ部
２０７；キーワードマッチング部
２０８：グループ評価部
２１１；プロフィールＤＢ
２１２；投稿内容ＤＢ
２１３；コミュニケーション履歴ＤＢ
２１４；友人関係ＤＢ
３００；表示部

Claims (4)

1. ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間の興味あるいは関心が類似するグループを抽出するグループ抽出装置であって、
   前記行動履歴から友人集合の定常的な特徴を算出する大域特徴算出部と、
   前記定常的な特徴量と特定の期間の行動履歴とに基づいて、定常的に出現せず、特定の期間にのみ出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする重み算出部と、
   前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出するグループ抽出部と、
   前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出するグループキーワード抽出部と、
   前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めるキーワードマッチング部と、
   を備えることを特徴とするグループ抽出装置。
2. 前記行動履歴は、ソーシャルメディア上の友人の投稿内容あるいは、コミュニケーション履歴であり、
   前記大域特徴算出部は、投稿内容に定常的に出現する単語群とその出現頻度、および定常的にコミュニケーションを行う友人の組み合わせとその頻度を抽出し、
   前記重み算出部は、前記定常的に出現する単語群に比して特定の期間内で出現頻度が向上した単語を、共に投稿内容に含む友人間の重みを高く設定し、更に定常的なコミュニケーション頻度に比して特定の期間内でコミュニケーション頻度が向上した友人間の重みを高く設定することを特徴とする、請求項１に記載のグループ抽出装置。
3. ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間内の興味あるいは関心が類似するグループを抽出するグループ抽出装置におけるグループ抽出方法であって、
   前記行動履歴から友人集合の定常的な特徴を算出する第１のステップと、
   前記定常的な特徴量と特定の期間内の行動履歴を基に、定常的には出現せず、特定の期間内に出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする第２のステップと、
   前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する第３のステップと、
   前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する第４のステップとを備え、
   前記第４のステップにおいて、前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めることを特徴とするグループ抽出方法。
4. ソーシャルメディア上の友人集合と友人の行動履歴から、特定の期間内の興味あるいは関心が類似するグループを抽出するグループ抽出装置におけるグループ抽出方法をコンピュータに実行させるためのプログラムであって、
   前記行動履歴から友人集合の定常的な特徴を算出する第１のステップと、
   前記定常的な特徴量と特定の期間内の行動履歴を基に、定常的には出現せず、特定の期間内に出現する特徴を算出し、前記友人集合における友人間の関係性を重み付けする第２のステップと、
   前記重み付けされた友人関係から、特定の期間内の興味あるいは関心が類似する友人のグループを抽出する第３のステップと、
   前記グループ毎に、特定の期間内の友人の投稿内容からグループを特徴付けるキーワードを抽出する第４のステップとを備え、
   前記第４のステップにおいて、前記グループキーワードのうち、ユーザがプロフィール（属性）情報として登録する興味あるいは関心を表す単語、あるいはユーザの投稿内容から抽出された単語に合致するグループキーワードを友人毎に求めることを特徴とするプログラム。