JP6271617B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、入力された情報の解析結果に基づいて、入力された情報と関連する情報を検索もしくは生成し、検索もしくは生成した情報を応答として出力する技術が知られている。

例えば、キーワードに応じて文書を検索し、ユーザに二者択一の問合わせを行いながら大量の検索結果を絞り込んで行く技術が提案されている（特許文献１）。

特開２００９−３０１２２１号公報

しかしながら、上記の従来技術では、コンテンツに対して精度よく地域情報を関連付けることができるとは限らない。具体的には、上記の従来技術は、分類された文書の最も多い最大クラスタを表す最大カテゴリ名を、最大クラスタに分類された文書に含まれる単語に基づいて決定し、最大カテゴリ名がユーザの意図に合致するか否かを示す選択情報の入力を受け付ける。そして、選択情報が意図に合致することを示す場合、最大クラスタに分類された文書の一覧を表示し、意図に合致しないことを示す場合、最大クラスタに分類されなかったものの一覧を表示する。

つまり、上記の従来技術は、ユーザに二者択一の問合わせを行いながら大量の検索結果を絞り込んでゆくものであり、また、地域情報に関して記載されていない。このため、上記の従来技術では、検索結果を容易に絞り込んでゆくことができたとしても、コンテンツに対して精度よく地域情報を関連付けることができるとは限らない。

本願は、上記に鑑みてなされたものであって、コンテンツに対して精度よく地域情報を関連付けることができる情報処理装置を提供することを目的とする。

本願にかかる情報処理装置は、コンテンツから地域を示す地域情報を抽出する抽出部と、前記抽出部により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出部と、前記抽出部により抽出された地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正部とを有することを特徴とする。

実施形態の一態様によれば、コンテンツに対して精度よく地域情報を関連付けることができるといった効果を奏する。

図１Ａは、実施形態にかかる情報処理の一例を示す図である。 図１Ｂは、実施形態にかかる情報処理の一例を示す図である。 図２は、実施形態にかかる情報処理装置の構成例を示す図である。 図３は、実施形態にかかるエンティティ辞書の一例を示す図である。 図４Ａは、情報処理装置によって行われる情報処理の概念図である。 図４Ｂは、都道府県地域と市区町村地域との地域体系を示す概念図である。 図５は、実施形態にかかる情報処理装置による情報処理手順を示すフローチャートである。 図６は、コンテンツ提供システムによる情報処理の流れを示す図である。 図７は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願にかかる情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願にかかる情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。

〔１．情報処理〕
図１Ａおよび図１Ｂを用いて、実施形態にかかる情報処理について説明する。図１Ａおよび図１Ｂは、実施形態にかかる情報処理の一例を示す図である。実施形態にかかる情報処理は、図１Ａに示す情報処理装置１００によって行われる。

情報処理装置１００は、実施形態にかかる情報処理を行うサーバ装置である。具体的には、情報処理装置１００は、コンテンツから地域を示す地域情報を抽出する。そして、情報処理装置１００は、抽出した地域情報毎に、地域情報によって示される地域とコンテンツとの関連度を算出する。そして、情報処理装置１００は、抽出した地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する。

なお、本実施形態では、第１の地域情報および第２の地域情報は、所定の地域区分を示すデータであるものとする。具体的には、第１の地域情報は、地域区分「都道府県」（以下では、「都道府県地域」と表記する場合がある）を示すデータである。言い換えれば、都道府県地域は、第１の地域情報によって示される地域である。また、都道府県地域とは、行政区画として定められている４７都道府県のいずれか（例えば、東京都、神奈川県等）である。

第２の地域情報とは、地域区分「市区町村」（以下では、「市区町村地域」と表記する場合がある）を示すデータである。言い換えれば、市区町村地域は、第２の地域情報によって示される地域である。また、市区町村地域とは、行政区画として定められている地域であって、都道府県地域に属する（都道府県地域に含まれる）地域である。このようなことから、第２の地域情報とは、第１の地域情報によって示される地域よりも行政区画が下位である地域のデータであるといえる。

また、以下の実施形態では、情報処理装置１００によって抽出される第１の地域情報を、単に都道府県名で示す場合がある。また、情報処理装置１００によって抽出される第２の地域情報を、単に市区町村名で示す場合がある。例えば、「福島県を抽出する」といった表現は、「第１の地域情報として福島県を示すデータを抽出する」に相当する。また、例えば、「佐倉村を抽出する」といった表現は、「第２の地域情報として佐倉村を示すデータを抽出する」に相当する。

また、本実施形態では、情報処理装置１００は、関連度として、関連度を示す指標値である関連度スコアを算出するものとする。つまり、関連度スコアとは、コンテンツが主題とする地域と、そのコンテンツから抽出した地域情報によって示される地域（都道府県地域や市区町村地域）とがどれほど関連しているかといった度合いを示す。

そして、情報処理装置１００は、都道府県地域の関連度スコアを用いて、その都道府県に属する市区町村地域の関連度スコアを補正することにより、コンテンツとより関連性の高い市区町村地域をコンテンツに付与する。以下では、情報処理装置１００によって行われる情報処理について具体的に説明する。

まず、情報処理装置１００は、端末装置１０から記事コンテンツＣ１の入力を受け付けたとする（ステップＳ１）。端末装置１０は、ユーザによって利用される端末装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。

また、図１Ａに示すように、記事コンテンツＣ１は、「小学校によると、教職員が校庭に入り込んだカモシカを発見し、福島署佐倉駐在所に通報した。」といったテキストを含む。

情報処理装置１００は、受け付けた記事コンテンツＣ１を形態素解析する（ステップＳ２）。図示しないが、情報処理装置１００は、形態素解析用の辞書を有しており、この形態素解析辞書に記事コンテンツＣ１を当てはめることにより、形態素解析する。

次に、情報処理装置１００は、形態素解析した記事コンテンツＣ１と、エンティティ辞書とのマッチングを行い、エンティティ辞書に記憶されているエンティティに一致するキーワードである形態素列を記事コンテンツＣ１から抽出する（ステップＳ３）。

ここで、実施形態にかかるエンティティ辞書について説明する。まず、エンティティとは、固有のキーワードを示し、本実施形態では、特に、そこから都道府県地域や市区町村地域を識別可能または連想させるようなキーワードがエンティティとして記憶される。

分類カテゴリは、エンティティが属するカテゴリを示す。例えば、エンティティ「福島」は分類カテゴリ「行政区画／県」に属し、エンティティ「福島署」は分類カテゴリ「警察機関」に属する。地域区分は、都道府県と、その下位の区分である市区町村とに分けられ、対応するエンティティが所在する地域として、都道府県地域および市区町村地域が記憶される。図１Ａの例では、エンティティ辞書は、地域区分「都道府県」において、都道府県地域「福島県」および「千葉県」を記憶し、地域区分「市区町村」において、市区町村地域「福島市」、「佐倉村」、「佐倉市」を記憶する。

重み値は、関連度スコアの算出に用いられる値であって、分類カテゴリに応じた値が設定される。具体的には、コンテンツが主題とする地域がどの地域であるかを判断するうえで、影響力の高い分類カテゴリほど高い重み値が設定される。

処理の説明に戻り、エンティティ辞書とのマッチングにより、図１Ａの例では、情報処理装置１００は、「福島、佐倉、福島署、佐倉駐在所、佐倉」といったキーワードを記事コンテンツＣ１から抽出する。また、情報処理装置１００は、このように抽出した各キーワードについて、対応する地域を特定する（ステップＳ４）。キーワードに対応する地域とは、エンティティ辞書において、キーワードに一致するエンティティの所在する地域であって、都道府県地域や市区町村地域である。

例えば、図１Ａに示すエンティティ辞書には、エンティティ「福島」に都道府県地域「福島県」が対応付けられている。このため、情報処理装置１００は、マッチングにより抽出したキーワード「福島」について、「福島県」を特定する。また、エンティティ辞書には、エンティティ「佐倉」に都道府県地域「福島県」および市区町村地域「佐倉村」が対応付けられている。このため、情報処理装置１００は、マッチングにより抽出したキーワード「佐倉」について、「福島県／佐倉村」を特定する。

また、エンティティ辞書によると、エンティティ「佐倉」には、都道府県地域「福島県」および市区町村地域「佐倉村」だけでなく、都道府県地域「千葉県」および地区町村地域「佐倉市」も対応付けられている。これは、「佐倉」という地域が、福島県だけでなく千葉県にも存在するからである。このため、情報処理装置１００は、マッチングにより抽出したキーワード「佐倉」について、「千葉県／佐倉市」も特定する。他の地域情報についても同様で、図１Ａに示す通りである。

そして、情報処理装置１００は、各キーワード「福島、佐倉、福島署、佐倉駐在所、佐倉」から特定した地域「福島県、福島市、佐倉村／千葉県、佐倉市」それぞれを示す地域情報をエンティティ辞書から抽出する（ステップＳ５）。なお、このように、エンティティ辞書から地域情報を抽出するといった処理は、コンテンツ（かかる例では、記事コンテンツＣ１）から地域情報を抽出することに対応するものである。

また、上記のように、情報処理装置１００が、「福島県、福島市、佐倉村／千葉県、佐倉市」を抽出したことにより、図１Ｂに示すように対応する地域同士の地域体系として、ツリー構造を生成することができる。具体的には、都道府県地域を上位層、市区町村地域を下位層として、福島県に関わる地域（福島県、福島市、佐倉村）のツリー構造と、千葉県に関わる地域（千葉県、佐倉市）のツリー構造とを作成することができる。

ここで、情報処理装置１００は、抽出した地域毎に、記事コンテンツＣ１との関連度スコアを算出する。例えば、まず、情報処理装置１００は、市区町村地域それぞれについて、記事コンテンツＣ１との関連度スコアを算出する（ステップＳ６）。かかる算出処理について、図１Ｂの概念図を用いて説明する。

情報処理装置１００は、エンティティ辞書を参照し、関連度スコア算出対象の市区町村地域に対応する分類カテゴリに付与されている重み値に基づいて、関連度スコアを算出する。また、このような関連度スコアを補正前の関連度スコアとする。

「福島市」の関連度スコア算出について説明する。図１Ａに示すエンティティ辞書の例では、「福島市」に対応する分類カテゴリは「警察機関」である。そして、「警察機関」に付与されている重み値は「０．９」である。このため、情報処理装置１００は、「福島市」の関連度スコアを「０．９」とする。

「佐倉村」の関連度スコア算出について説明する。図１Ａに示すエンティティ辞書の例では、「佐倉村」に対応する分類カテゴリは「行政区画／村」および「警察機関」である。そして、分類カテゴリ「行政区画／村」に付与されている重み値は「４」である。また、分類カテゴリ「警察機関」に付与されている重み値は「０．９」である。このため、情報処理装置１００は、重み値「４」と「０．９」とを合計することにより、「佐倉村」の関連度スコア「４．９」を算出する。

「佐倉市」の関連度スコア算出について説明する。図１Ａに示すエンティティ辞書の例では、「佐倉市」に対応する分類カテゴリは「行政区画／市」である。そして、分類カテゴリ「行政区画／市」に付与されている重み値は「４」である。このため、情報処理装置１００は、「佐倉市」の関連度スコアを「４」とする。

ここで、記事コンテンツＣ１を見ると、主題となっている地域は「福島県」であることは明らかである。しかしながら、上記のように算出された関連度スコアでは、「福島県」とは全く関係のない「千葉県／佐倉市」の関連度スコアが「４」と高く算出されている。これは、福島県と千葉県の両方の市区町村に「佐倉」という地域があり、エンティティ「佐倉」が属する分類カテゴリ「行政区画／市区町村」には、最も高い重み値が設定されているためである。

ここで、例えば、関連度スコアの高い上位２つの市区町村を記事コンテンツＣ１に付与するといった設定がなされていた場合、情報処理装置１００は、記事コンテンツＣ１に対して、「千葉県／佐倉市」を誤って付与してしまうことになる。このため情報処理装置１００は、上記のように市区町村地域について算出した関連度スコアを、当該市区町村地域が属する都道府県地域の関連度スコアを用いて補正する。このような補正処理を行うのは、都道府県地域の関連度スコアの精度は、市区町村地域の関連度スコアの精度より高い場合が多いためである。

このような考えに基づき、情報処理装置１００は、より高精度に算出可能な都道府県地域の関連度スコアを用いて、当該都道府県地域に属する市区町村地域の関連度スコアを補正することにより、市区町村地域の関連度スコアの精度を高める。

補正処理するにあたって、ステップＳ６に次いで、情報処理装置１００は、抽出した都道府県地域それぞれについて、記事コンテンツＣ１との関連度スコアを算出する（ステップＳ７）。具体的には、情報処理装置１００は、エンティティ辞書を参照し、関連度スコア算出対象の都道府県地域に対応する分類カテゴリに付与されている重み値に基づいて、関連度スコアを算出する。

「福島県」の関連度スコア算出について説明する。図１Ａに示すエンティティ辞書の例では、「福島県」に対応する分類カテゴリは「行政区画／県」、「行政区画／村」、「警察機関」である。そして、分類カテゴリ「行政区画／県」に付与されている重み値は「３」である。また、分類カテゴリ「行政区画／村」に付与されている重み値は「４」である。また、分類カテゴリ「警察機関」に付与されている重み値は「０．９」であり、これが２つ存在する。このため、情報処理装置１００は、重み値「３」、「４」、「０．９×２」を合計することにより、「福島県」の関連度スコア「８．８」を算出する。

「千葉県」の関連度スコア算出について説明する。図１Ａに示すエンティティ辞書の例では、「千葉県」に対応する分類カテゴリは「行政区画／市」である。また、分類カテゴリ「行政区画／市」に付与されている重み値は「４」である。このため、情報処理装置１００は、「千葉県」の関連度スコアを「４」とする。

このように、福島県の関連度スコアの方が、千葉県の関連度スコアよりも高いことからも、記事コンテンツＣ１が福島県を主題とする内容の記事であるといえる。

次に、情報処理装置１００は、上記のように算出した都道府県地域の関連度スコアを正規化する（ステップＳ８）。具体的には、情報処理装置１００は、記事コンテンツＣ１において、異なる都道府県地域、すなわち福島県と千葉県との関連度スコアの合計を用いて、福島県および千葉県の関連度スコアを正規化する。例えば、情報処理装置１００は、福島県の関連度スコア「８．８」を、福島県の関連度スコア「８．８」と千葉県の関連度スコア「４」との合計「１２．８」で除算することにより、福島県の関連度スコアを「０．７」へと正規化する。また、情報処理装置１００は、千葉県の関連度スコア「４」を、同様に「１２．８」で除算することにより、千葉県の関連度スコアを「０．３」へと正規化する。

次に、情報処理装置１００は、上記のように正規化した都道府県地域の関連度スコアを用いて、当該都道府県地域に属する市区町村の補正前の関連度スコアを補正する（ステップＳ９）。具体的には、情報処理装置１００は、正規化した都道府県地域の関連度スコアを、当該都道府県地域に属する市区町村地域の補正前の関連度スコアに乗じることにより補正する。ここで、都道府県地域に属する市区町村地域とは、対象となる都道府県地域内の市区町村である。図１Ａおよび図１Ｂの例では、都道府県地域「福島県」に属する市区町村地域は「福島市、佐倉村」であり、都道府県地域「千葉県」に属する市区町村地域は「佐倉市」である。

そして、図１Ｂの例では、情報処理装置１００は、「福島市」について、福島県の正規化後関連度スコア「０．７」を、福島市の補正前関連度スコア「０．９」に乗じることにより、福島市の関連度スコアを「０．６」に補正する。また、情報処理装置１００は、「佐倉村」について、福島県の正規化後関連度スコア「０．７」を、佐倉村の補正前関連度スコア「４．９」に乗じることにより、佐倉村の関連度スコアを「３．４」に補正する。

また、情報処理装置１００は、「佐倉市」について、千葉県の正規化後関連度スコア「０．３」を、佐倉市の補正前関連度スコア「４」に乗じることにより、佐倉市の関連度スコアを「１．２」に補正する。

そして、情報処理装置１００は、所定の閾値より高い関連度スコアを有する地域情報であって、市区町村地域を示す地域情報（第２の地域情報）を、記事コンテンツＣ１と関連性を有する地域の地域情報として付与する（ステップＳ１０）。例えば、関連度スコアに対し閾値「１．５」が設定されているとすると、情報処理装置１００は、閾値「１．５」より高い関連度スコアを有する市区町村地域「佐倉村」を示す地域情報を、記事コンテンツＣ１に関連付ける。

このように、情報処理装置１００は、コンテンツから地域情報を抽出し、抽出した地域情報毎に、コンテンツとの関連度スコアを算出する。そして、情報処理装置１００は、都道府県地域（第１の地域情報）の関連度スコアを用いて、当該都道府県地域に属する市区町村地域（第２の地域情報）の関連度スコアを補正する。

これにより、情報処理装置１００は、コンテンツに対して、市区町村単位の地域情報を精度よく関連付けることができる。また、情報処理装置１００は、コンテンツと関連しない地域を誤って関連付けてしまうといった事態を防ぐことができる。また、このような関連付けが可能となることで、情報処理装置１００は、ユーザの端末装置から、ユーザの所在地を判定し、その所在地に応じたコンテンツをより適切にユーザに提供することができる。例えば、情報処理装置１００は、都道府県だけでなく市区町村といったより範囲の狭い地域の情報を含むコンテンツを、適切にユーザに配信することができる。

〔２．情報処理装置の構成〕
次に、図２を用いて、実施形態にかかる情報処理装置１００について説明する。図２は、実施形態にかかる情報処理装置１００の構成例を示す図である。図２に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、例えば、端末装置１０との間で情報の送受信を行う。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、形態素解析辞書１２１と、エンティティ辞書１２２とを有する。

形態素解析辞書１２１は、後述する抽出部１３２によってコンテンツに含まれるテキストが形態素解析される際に用いられる辞書であり、各種形態素を記憶する記憶部である。なお、形態素解析辞書１２１については、図示することを省略する。

エンティティ辞書１２２は、後述する算出部１３３によって地域のコンテンツに対する関連度スコアが算出される際に用いられる辞書であり、エンティティに関する各種情報を記憶する記憶部である。

ここで、図３に実施形態にかかるエンティティ辞書１２２の一例を示す。図３の例では、エンティティ辞書１２２は、「エンティティ」と、「分類カテゴリ」と、「地域区分」と、「重み値」といった項目を有する。

「エンティティ」は、固有のキーワードを示し、本実施形態では、特に、そこから都道府県や市区町村等の地域を識別可能または連想させるようなキーワードがエンティティとして記憶される。例えば、まさに都道府県や市区町村を示す行政区画、山および河川、ランドマーク、寺社、駅、会社、教育機関等がエンティティとして記憶される。

「分類カテゴリ」は、エンティティが属するカテゴリを示す。図３の例では、エンティティ「福島」は分類カテゴリ「行政区画／県」に属し、エンティティ「福島署」は分類カテゴリ「警察機関」に属する。

「地域区分」は、都道府県と、その下位の区分である市区町村とに分けられ、対応するエンティティが所在する地域として、都道府県地域および市区町村地域が記憶される。図３の例では、エンティティ辞書１２２は、地域区分「都道府県」において、都道府県地域「福島県」および「千葉県」を記憶し、地域区分「市区町村」において、市区町村地域「福島市」、「佐倉村」、「千葉市」、「佐倉市」を記憶する。

「重み値」は、関連度スコアの算出に用いられる値であって、分類カテゴリに応じた値が設定される。具体的には、コンテンツが主題とする地域がどの地域であるかを判断するうえで、影響力の高い分類カテゴリほど高い重み値が設定される。

例えば、コンテンツに「福島県」といった分類カテゴリ「行政区画／県」に属するキーワード（エンティティ）が含まれている場合、そのコンテンツは、高確率で「福島県」に関する内容を示すといえる。同様に、コンテンツに「福島市」といった分類カテゴリ「行政区画／市」に属するキーワードが含まれている場合、そのコンテンツは、高確率で「福島市」に関する内容を示すといえる。また、コンテンツに「明治神宮」といった分類カテゴリ「建造物」に属するキーワードが含まれている場合、そのコンテンツは、高確率で「明治神宮」のある地域（例えば、東京都）に関する内容を示すといえる。

つまり、行政区画や建造物、その他ランドマーク等、所在地が一意に定まる分類カテゴリには、比較的高い重み値が設定される。中でも行政区画は、まさに地域そのものを示すものであるため、特に高い重み値が設定される。本実施形態では、分類カテゴリ「行政区画／市区町村」に最も高い重み値が設定され、分類カテゴリ「行政区画／都道府県」に次に高い重み値が設定される。

一方、例えば、コンテンツに「富士山」といった分類カテゴリ「日本の山」に属するキーワードが含まれていたとしても、そのコンテンツが静岡県に関する内容を示すものなのか、あるいは、山梨県に関する内容を示すものなのか判断しにくい。同様に、コンテンツに「Ｘ１株式会社」といった分類カテゴリ「日本の企業」に属するキーワードが含まれていたとしても、そのコンテンツがいずれの地域に関する内容を示すものなのか判断しにくい。そもそも全く地域に関する内容ではなく、「Ｘ１株式会社」に関する社会的ニュースである可能性も高い。

つまり、自然地名等の広範囲を示す分類カテゴリや、本社と営業所等複数の地域に点在していたり、地域とは関わりの薄いと考えられる企業を示す分類カテゴリには、比較的低い重み値が設定される。

また、小中高校のように所在地が一意に定まる分類カテゴリには、中間あたりの重み値が設定される一方で、大学のように複数の地域に点在していたり、共同研究や入試問題等の社会的ニュースで取り上げられることの多い分類カテゴリには、低めの重み値が設定される。

さて、ここまでエンティティ辞書１２２について説明してきたが、例えば、エンティティ辞書へのエンティティの登録や、どのような大きさの重み値を設定するかといった作業は、情報処理装置１００を管理する管理者によって手作業で行われてもよいし、情報処理装置１００によって自動で行われてもよい。

図２に戻り、制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図２に示すように、制御部１３０は、入力受付部１３１と、抽出部１３２と、算出部１３３と、補正部１３４と、付与部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

入力受付部１３１は、コンテンツの入力を受け付ける。例えば、図１Ａに示すように、入力受付部１３１は、端末装置１０からコンテンツの入力を受け付ける。また、コンテンツは、ニュース記事等の文書テキストを含む各種コンテンツであってもよいし、画像であってもよい。

抽出部１３２は、コンテンツから地域を示す地域情報を抽出する。例えば、抽出部１３２は、入力受付部１３１によってコンテンツの入力が受け付けられると、受け付けられたコンテンツに含まれるテキストを形態素解析辞書１２１に当てはめることにより、形態素解析する。そして、抽出部１３２は、テキストとエンティティ辞書１２２とのマッチングを行い、エンティティ辞書１２２に記憶されているエンティティに一致するキーワードである形態素列をコンテンツから抽出する。

そして、抽出部１３２は、抽出したキーワードに基づいて、地域情報を抽出する。例えば、抽出部１３２は、エンティティ辞書１２２を参照し、抽出したキーワードに対応する地域を特定し、特定した地域を示す地域情報をエンティティ辞書１２２から抽出する。なお、地域を示す地域情報とは、例えば、地域名の文字列（テキスト）であってもよいし、予め地域毎に対応付けられている識別子であってもよい。本実施形態では、説明を簡単にするために、抽出部１３２は、地域情報として、地域名の文字列を抽出するものとする。

算出部１３３は、抽出部１３２により抽出された地域情報毎に、当該地域情報によって示される地域と、地域情報抽出元のコンテンツとの関連度スコアを算出する。例えば、算出部１３３は、エンティティ辞書１２２を参照し、抽出部１３２により抽出されたキーワードに一致するエンティティが属する分類カテゴリに付与されている重み値に基づいて、抽出されたキーワードから特定された地域と、その地域の地域情報抽出元のコンテンツとの関連度スコアを算出する。

補正部１３４は、抽出部１３２により抽出された地域情報のうち、第１の地域情報に対応する関連度スコアを用いて、当該第１の地域情報によって示される地域（都道府県地域）に属する地域（市区町村地域）を示す第２の地域情報に対応する関連度スコアを補正する。具体的には、補正部１３４は、第１の地域情報に対応する関連度スコアを用いて、第１の地域情報によって示される地域よりも行政区画が下位である地域を示す第２の地域情報に対応する関連度スコアを補正する。

例えば、補正部１３４は、第１の地域情報に対応する関連度スコアに基づいて、当該第１の地域情報によって示される地域が、当該第１の地域情報抽出元のコンテンツが示す地域である確率を算出する。そして、補正部１３４は、算出した確率を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する。

付与部１３５は、補正部１３４により補正された関連度スコアに基づいて、第２の地域情報を、当該第２の地域情報抽出元のコンテンツに関連付ける。例えば、付与部１３５は、補正部１３４により補正された補正後の関連度スコアのうち、所定の閾値より高い関連度スコアを有する第２の地域情報を、当該第２の地域情報抽出元のコンテンツに関連付ける。

ここで、図１Ａの説明でも示したように、本実施形態において、第１の地域情報は、都道府県地域を示すデータであり、第２の地域情報は、都道府県地域に対して下位の地域である市区町村地域を示すデータである。そして、このようなデータは、上記のように、地域名の文字列（テキスト）であってもよいし、予め地域毎に対応付けられた所定の識別子であってもよい。以下では、図４Ａおよび図４Ｂを用いて、抽出部１３２、算出部１３３、補正部１３４および付与部１３５の処理の一例について具体的に説明する。

まず、図４Ａを用いて説明する。図４Ａは、情報処理装置１００によって行われる情報処理の概念図である。図４Ａは、図１Ａに対応する図であるが、ここでは情報処理をさらに詳細に説明するために、記事コンテンツＣ２が入力された場合を示す。また、図４Ａに示すエンティティ辞書１２２は、図３に示すものと同様である。

まず、情報処理装置１００の抽出部１３２は、コンテンツから地域を示す地域情報を抽出する。抽出部１３２による抽出処理の一例について説明する。抽出部１３２は、入力受付部１３１により記事コンテンツＣ２の入力が受け付けられると、受け付けた記事コンテンツＣ２に含まれるテキストを形態素解析する。図４Ａでは、抽出部１３２が、「福島Ａ１小学校によると、教職員が校庭に入り込んだカモシカを発見し、福島署佐倉駐在所に通報した。・・・なお、捕獲されたカモシカは、Ａ２大学に運ばれて検査される予定。」といったテキストを形態素解析する例を示す。例えば、抽出部１３２は、形態素解析辞書１２１に記事コンテンツＣ２のテキストを当てはめることにより、かかるテキストの形態素解析を行う。

次に、抽出部１３２は、形態素解析した記事コンテンツＣ２と、エンティティ辞書１２２とのマッチングを行い、エンティティ辞書１２２に記憶されているエンティティに一致するキーワードである形態素列を記事コンテンツＣ２から抽出する。つまり、図４Ａに示す例では、抽出部１３２は、マッチングにより「福島、佐倉、福島Ａ１小学校、福島署、佐倉駐在所、佐倉、Ａ２大学」といった７つのキーワードを記事コンテンツＣ２から抽出する。

次に、抽出部１３２は、エンティティ辞書１２２を参照し、抽出した７つのキーワードそれぞれに対応する地域を特定し、特定した地域を示す地域情報をエンティティ辞書１２２から抽出する。

例えば、図４Ａに示すエンティティ辞書１２２には、エンティティ「福島」に都道府県地域「福島県」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「福島」について、「福島県」を特定する。また、エンティティ辞書１２２には、エンティティ「佐倉」に都道府県地域「福島県」および市区町村地域「佐倉村」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「佐倉」について、「福島県／佐倉村」を特定する。

また、エンティティ「福島Ａ１小学校」に都道府県地域「福島県」および市区町村地域「福島市」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「福島Ａ１小学校」について、「福島県／福島市」を特定する。また、エンティティ「福島署」に都道府県地域「福島県」および市区町村地域「福島市」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「福島署」について、「福島県／福島市」を特定する。また、エンティティ「佐倉駐在所」に都道府県地域「福島県」および市区町村地域「佐倉村」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「佐倉駐在所」について、「福島県／佐倉村」を特定する。

また、エンティティ辞書１２２によるとエンティティ「佐倉」には、都道府県地域「福島県」および市区町村地域「佐倉村」だけでなく、都道府県地域「千葉県」および市区町村「佐倉市」も対応付けられている。このため、抽出部１３２は、マッチングにより抽出したキーワード「佐倉」について、「千葉県／佐倉市」も特定する。

また、エンティティ「Ａ２大学」に都道府県地域「千葉県」および市区町村地域「千葉市」が対応付けられている。このため、抽出部１３２は、マッチングにより抽出した地域情報「Ａ２大学」について、「千葉県／千葉市」を特定する。

そして、抽出部１３２は、上記のように特定した都道府県地域および市区町村地域それぞれを示す地域情報をエンティティ辞書１２２から抽出する。例えば、抽出部１３２は、各地域情報を示す地域情報として、地域名の文字列（テキスト）データを抽出する。なお、抽出部１３２は、地域を特定する度に、特定した地域の地域情報を抽出してもよいし、全ての地域を特定した後に、特定した全ての地域の地域情報を抽出してもよい。

ここで、抽出部１３２により、特定された地域「福島県、福島市、佐倉村／千葉県、千葉市、佐倉市」について、対応する地域間での地域体系を図４Ｂに示す。図４Ｂは、都道府県地域と市区町村地域との地域体系を示す概念図である。図４Ｂに示すように、都道府県地域を上位層、市区町村地域を下位層として、福島県に関わる地域（福島県、福島市、佐倉村）のツリー構造と、千葉県に関わる地域（千葉県、千葉市、佐倉市）のツリー構造を作成することができる。そして、図４Ｂに示すツリー構造において、各都道府県地域および各市区町村地域に対応付けられている数値が、算出部１３３により算出された関連度スコアである。

以下では、算出部１３３による関連度スコアの算出処理について、具体的に説明する。算出部１３３は、エンティティ辞書１２２を参照し、抽出部１３２により特定された地域、すなわち抽出部１３２により抽出された地域情報によって示される地域に対応するエンティティが属する分類カテゴリに付与されている重み値に基づいて、関連度スコアを算出する。具体的には、算出部１３３は、以下に示す式（１）を用いて、関連度スコアを算出する。式（１）は、都道府県地域や市区町村地域に紐付くエンティティの集合に含まれる重み値を合計することにより関連度スコアを算出することを示す。

式（１）のうち、ｗ（ｘ）は、地域ｘの関連度スコアを示す。また、地域ｘは、抽出部１３２により、共通する１つのコンテンツから特定された各都道府県や市区町村を示し、上記例では、「福島県、福島市、佐倉村、千葉県、千葉市、佐倉市」を指す。

Ｅ_ｘは、地域ｘと紐付くエンティティの集合（エンティティ集合）を示す。ｅは、エンティティ集合Ｅ_ｘに含まれる１つのあるエンティティを示す。ｃ_ｅは、エンティティｅに対応する分類カテゴリを示す。θ（ｃ_ｅ）は、エンティティｅが属する分類カテゴリｃ_ｅに付与されている重み値を示す。

つまり、算出部１３３は、スコア算出対象の地域ｘと紐付くエンティティ集合Ｅ_ｘに含まれるエンティティｅそれぞれの属する分類カテゴリｃ_ｅに対応付けられる重み値を合計することにより、地域ｘのコンテンツとの関連度スコアｗ（ｘ）を算出する。

「福島市」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「福島市」に紐付くエンティティ集合は、「福島Ａ１小学校」および「福島署」である。そして、エンティティ「福島Ａ１小学校」が属する分類カテゴリ「教育機関／小学校」に付与されている重み値は「１．５」である。また、エンティティ「福島署」が属する分類カテゴリ「警察機関」に付与されている重み値は「０．９」である。このため、算出部１３３は、重み値「１．５」と「０．９」とを合計することにより、「福島市」の関連度スコア「２．４」を算出する。

「佐倉村」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「佐倉村」に紐付くエンティティの集合は、「佐倉」および「佐倉駐在所」である。そして、エンティティ「佐倉」が属する分類カテゴリ「行政区画／村」に付与されている重み値は「４」である。また、エンティティ「佐倉駐在所」が属する分類カテゴリ「警察機関」に付与されている重み値は「０．９」である。このため、算出部１３３は、重み値「４」と「０．９」とを合計することにより、「佐倉村」の関連度スコア「４．９」を算出する。

「千葉市」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「千葉市」に紐付くエンティティの集合は、「Ａ２大学」である。そして、エンティティ「Ａ２大学」が属する分類カテゴリ「教育機関／大学」に付与されている重み値は「０．８」である。このため、算出部１３３は、「千葉市」の関連度スコアを「０．８」とする。

「佐倉市」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「佐倉市」に紐付くエンティティの集合は、「佐倉」である。そして、エンティティ「佐倉」が属する分類カテゴリ「行政区画／市」に付与されている重み値は「４」である。このため、算出部１３３は、「佐倉市」の関連度スコアを「４」とする。

「福島県」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「福島県」に紐付くエンティティの集合は、「福島、佐倉、福島Ａ１小学校、福島署、佐倉駐在所」である。そして、エンティティ「福島」が属する分類カテゴリ「行政区画／県」に付与されている重み値は「３」である。また、エンティティ「佐倉」が属する分類カテゴリ「行政区画／村」に付与されている重み値は「４」である。また、エンティティ「福島Ａ１小学校」が属する分類カテゴリ「教育機関／小学校」に付与されている重み値は「１．５」である。また、エンティティ「福島署」が属する分類カテゴリ「警察機関」に付与されている重み値は「０．９」である。また、エンティティ「佐倉駐在所」が属する分類カテゴリ「警察機関」に付与されている重み値は「０．９」である。このため、算出部１３３は、重み値「３」と、「４」と、「１．５」と、「０．９」と、「０．９」とを合計することにより、「福島県」の関連度スコア「１０．３」を算出する。

「千葉県」の関連度スコア算出について説明する。図４Ａに示すエンティティ辞書１２２の例では、「千葉県」に紐付くエンティティの集合は、「佐倉、Ａ２大学」である。そして、エンティティ「佐倉」が属する分類カテゴリ「行政区画／市」に付与されている重み値は「４」である。また、エンティティ「Ａ２大学」が属する分類カテゴリ「教育機関／大学」に付与されている重み値は「０．８」である。このため、算出部１３３は、重み値「４」と「０．８」とを合計することにより、「千葉県」の関連度スコア「４．８」を算出する。

ここで、記事コンテンツＣ２を見ると、主題となっている地域は「福島県」であることは明らかである。しかしながら、上記のように算出された関連度スコアでは、「福島県」とは全く関係のない千葉県の「佐倉市」の関連度スコアが「４」と高く算出されている。これは、福島県と千葉県の両方に「佐倉」という地域があり、かつ、「佐倉」に対応する分類カテゴリ「行政区画／市区町村」には、最も高い重み値が設定されているためである。

実施形態にかかる情報処理装置１００は、コンテンツに対し、そのコンテンツが示す地域を市区町村単位で付与するものである。例えば、コンテンツに市区町村地域である「佐倉」が含まれている場合、そのコンテンツは、「佐倉」地域を主題とする内容を示している可能性が高い。このため、コンテンツに、市区町村地域（図４Ａでは「佐倉」）が含まれている場合には、算出部１３３が、その含まれている市区町村の関連度スコアを、市区町村以外の他のキーワードから特定された市区町村（図４Ａでは、例えば、キーワード「Ａ２大学」から特定された「千葉市」等）の関連度スコアより高く算出するように、分類カテゴリ「行政区画／市区町村」に対し最も高い重み値が設定される。

このため、算出部１３３により、例えば、千葉県の「佐倉市」の関連度スコアが「４」と高く算出されるといったように、コンテンツが主題とする地域とは無関係な地域の関連度スコアが高く算出される状況が起こる場合がある。そして、結果的に、コンテンツに対し、そのコンテンツとは無関係な地域が付与される（誤り付与）といった状況が起こる場合がある。このため、補正部１３４は、都道府県の関連度スコアを用いて、対応する市区町村の関連度スコアを補正する。

一般に、コンテンツが主題とする地域がどの地域であるか判定したい場合、市区町村よりは粒度の粗い（地域区分が示す範囲が広い）都道府県の方が判定し易く、判定精度も高いといえる。つまり、都道府県地域について算出された関連度スコアの精度は、市区町村地域について算出された関連度スコアの精度より高い場合が多いことが考えられる。例えば、記事コンテンツＣ２であれば、機械的な判定手段を用いずとも、「福島県」に関する記事であることは明らかであるが、「佐倉駐在所」といったキーワードが含まれているものの、ここから「佐倉村」は判別し難い。

このため、補正部１３４は、より高精度に算出可能な都道府県地域の関連度スコアを用いて、当該都道府県地域に属する市区町村地域の関連度スコアを補正することにより、市区町村地域の関連度スコアの精度を高める。

以下では、補正部１３４による関連度スコアの補正処理について、具体的に説明する。補正部１３４は、都道府県地域を示す地域情報（第１の地域情報）に対応する関連度スコアに基づいて、当該都道府県地域が、地域情報抽出元のコンテンツが示す地域である確率を算出する。そして、補正部１３４は、算出した確率を用いて、当該都道府県地域に属する市区町村地域を示す地域情報（第２の地域情報）に対応する関連度を補正する。

具体的には、補正部１３４は、以下に示す式（２）を用いて、都道府県地域に属する市区町村地域の関連度スコアを補正する。式（２）は、対象とする都道府県地域が、地域情報抽出元のコンテンツが示す地域である確率を、当該都道府県地域に属する市区町村地域の関連度スコアに乗じることにより、かかる市区町村地域の関連度スコアを補正することを示す。

式（２）のうち、ｗ（ｃ）は、市区町村ｃの補正前の関連度スコアを示す。また、市区町村ｃは、抽出部１３２により特定された各市区町村であって、関連度スコアｗ（ｃ）を補正する補正対象の市区町村地域を示す。図４Ａの例では、市区町村ｃは、「福島市、佐倉村、千葉市、佐倉市」を指す。

また、ｐ_Ｃは、市区町村ｃが属する都道府県地域を示す。つまり、ｐ_Ｃは、市区町村ｃを含む都道府県である。図４Ａの例では、都道府県地域「福島県」は、市区町村地域「福島市、佐倉村」を含む。また、都道府県地域「千葉県」は、市区町村地域「千葉市、佐倉市」を含む。また、ｗ（ｐ_Ｃ）は、都道府県ｐ_Ｃの関連度スコアを示す。

ｐは、１つのコンテンツから特定された都道府県地域を示し、図４Ａの例では、「福島県、千葉県」を指す。また、ｗ（ｐ）は、都道府県ｐの関連度スコアを示す。Ｐは、共通する１つのコンテンツから特定された各都道府県ｐの集合を示す。ｗ^´（ｃ）は、市区町村ｃの補正前の関連度スコアを示す。

つまり、補正部１３４は、関連度スコアｗ（ｃ）を補正する補正対象の市区町村ｃが属する都道府県ｐ_Ｃの関連度スコアｗ（ｐ_Ｃ）を、都道府県の集合Ｐに含まれる各都道府県ｐの関連度スコアｗ（ｐ）の合計値で除算することにより、都道府県ｐ_Ｃの関連度スコアの確率を算出する。そして、補正部１３４は、算出した確率を関連度スコアｗ（ｃ）に乗じることにより、関連度スコアｗ（ｃ）を、関連度スコアｗ^´（ｃ）へと補正する。

なお、このように確率を算出することは、都道府県の集合Ｐに含まれる各都道府県ｐの関連度スコアｗ（ｐ）の合計値を用いて、市区町村ｃが属する都道府県ｐ_Ｃの関連度スコアｗ（ｐ_Ｃ）を正規化することに相当する。つまり、本実施形態では、都道府県地域の関連度スコアを正規化し、正規化した値を用いて、当該都道府県地域に属する市区町村地域の関連度スコアを補正する。したがって、図４Ａおよび図４Ｂの例では、以下のようにして関連度スコアを補正することになる。

図４Ａおよび図４Ｂの例では、都道府県の集合Ｐに含まれる各都道府県ｐは、「福島県」と「千葉県」である。このため、補正部１３４は、「福島県」の関連度スコア「１０．３」を、「福島県」の関連度スコア「１０．３」と「千葉県」の関連度スコア「４．８」との合計「１５．１」で除算することにより、「福島県」の関連度スコアを「０．７」へと正規化する。また、補正部１３４は、「千葉県」の関連度スコア「４．８」を、同様に「１５．１」で除算することにより、「千葉県」の関連度スコアを「０．３」へと正規化する。

そして、補正部１３４は、「福島市」について、「福島県」の正規化後関連度スコア「０．７」を、「福島市」の補正前関連度スコア「２．４」に乗じることにより、「福島市」の関連度スコアを「１．７」へと補正する。また、補正部１３４は、「佐倉村」について、「福島県」の正規化後関連度スコア「０．７」を、「佐倉村」の補正前関連度スコア「４．９」に乗じることにより、「佐倉村」の関連度スコアを「３．４」へと補正する。

また、補正部１３４は、「千葉市」について、「千葉県」の正規化後関連度スコア「０．３」を、「千葉市」の補正前関連度スコア「０．８」に乗じることにより、「千葉市」の関連度スコアを「０．２」へと補正する。また、補正部１３４は、「佐倉市」について、「千葉県」の正規化後関連度スコア「０．３」を、「佐倉市」の補正前関連度スコア「４」に乗じることにより、「佐倉市」の関連度スコアを「１．２」へと補正する。

そして、付与部１３５は、補正部１３４により補正された補正後の関連度スコアに基づいて、市区町村地域を示す地域情報をコンテンツに関連付ける。ここで、例えば、補正後の関連度スコアについて、閾値「１．５」が予め設定されているとする。かかる場合、付与部１３５は、補正部１３４により補正された関連度スコアのうち、閾値「１．５」より高い関連度スコアを有する地域情報であって、市区町村地域を示す地域情報を記事コンテンツＣ２に関連付ける。

図４Ｂの例では、閾値「１．５」より高い補正後の関連度スコアを有する市区町村地域は、「福島市」と「佐倉村」である。このため、付与部１３５は、「福島市」および「佐倉村」それぞれを示す地域情報を記事コンテンツＣ２に関連付ける。

なお、付与部１３５は、コンテンツに関連付ける地域情報が示す地域と、当該地域情報に対応するキーワード（エンティティ）と、当該地域情報の補正後関連度スコアとを対応付けて端末装置１０に出力してもよい。例えば、図４Ｂの例では、付与部１３５は、地域情報「福島市」に対し、エンティティ「福島Ａ１小学校」および「福島署」と、補正後関連度スコア「１．７」とを対応付けて、端末装置１０に出力する。また、付与部１３５は、地域情報「佐倉村」に対し、キーワード「佐倉」および「佐倉駐在所」と、補正後関連度スコア「３．４」とを対応付けて、端末装置１０に出力する。

ここで、記事コンテンツＣ２を見ると、「福島」や「佐倉」に関する内容を示すことがわかる。そして、これまで説明してきたように、関連度スコアを補正し、閾値で絞り込むことにより、確かに、情報処理装置１００は、「福島市」と「佐倉村」とを記事コンテンツＣ２に関連付ける。また、一方で、情報処理装置１００は、同じ「佐倉」であっても、記事コンテンツＣ２が主題とする地域とは無関係な千葉県の「佐倉市」を誤って関連付けてしまうことが無い。

このように、実施形態にかかる情報処理装置１００は、コンテンツが主題とする地域が複数存在する場合であっても、その地域を精度よく、かかるコンテンツに関連付けることができる。また、情報処理装置１００は、かかるコンテンツとは無関係の地域を誤って関連付けてしまうことを防止することができる。

〔３．処理手順〕
次に、図５を用いて、実施形態にかかる情報処理装置１００が実行する情報処理の手順について説明する。図５は、実施形態にかかる情報処理装置１００による情報処理手順を示すフローチャートである。

まず、情報処理装置１００の入力受付部１３１は、所定のコンテンツ（「コンテンツｉ」とする）の入力を受け付けたか否かを判定する（ステップＳ１０１）。入力受付部１３１によりコンテンツｉの入力が受け付けられたと判定された場合には（ステップＳ１０１；Ｙｅｓ）、抽出部１３２は、コンテンツｉに含まれるテキストの形態素解析を行う（ステップＳ１０２）。一方、入力受付部１３１は、コンテンツｉの入力を受け付けていないと判定した場合には（ステップＳ１０１；Ｎｏ）、受け付けるまで待機する。

次に、抽出部１３２は、形態素解析を行ったテキストと、エンティティ辞書１２２とのマッチングにより、エンティティ辞書１２２に記憶されているエンティティと一致するキーワードである形態素列をコンテンツｉから抽出する（ステップＳ１０３）。

また、抽出部１３２は、エンティティ辞書１２２を参照し、抽出した各キーワードに一致するエンティティそれぞれに対応する地域を特定する（ステップＳ１０４）。ここで、抽出部１３２により特定される地域とは、都道府県地域および市区町村地域である。また、抽出部１３２は、特定した地域を示す地域情報をエンティティ辞書１２２から抽出する（ステップＳ１０５）。

そして、算出部１３３は、抽出部１３２により特定された地域毎に、コンテンツｉとの関連度スコアを算出する（ステップＳ１０６）。

次に、補正部１３４は、ステップＳ１０６において算出された関連度スコアのうち、都道府県地域の関連度スコアを正規化し、正規化した値を用いて、各都道府県地域に属する市区町村地域の関連度スコアを補正する（ステップＳ１０７）。

次に、付与部１３５は、ステップＳ１０７において、補正部１３４により補正された補正後の関連度スコアのうち、所定の閾値より高い関連度スコアを有する地域情報であって、市区町村地域を示す地域情報をコンテンツｉに関連付ける（ステップＳ１０８）。

〔４．変形例〕
上述した実施形態は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、他の実施形態について説明する。

〔４−１．付与部について〕
上記実施形態では、情報処理装置１００の付与部１３５が、所定の閾値より高い関連度スコアを有する地域情報をコンテンツに関連付ける例について説明した。しかし、付与部１３５は、補正後の関連度スコアの大きさに応じて、各市区町村地域を示す地域情報に順位付けし、所定の順位以上の関連度スコアを有する地域情報をコンテンツに対応付けてもよい。この点について、図４Ｂを用いて説明する。

図４Ｂの例では、付与部１３５は、補正後の関連度スコアが大きい順に、「佐倉村：１位」、「福島市：２位」、「佐倉市：３位」、「千葉市：４位」といった順位付けを行う。ここで、例えば、「順位２位以上」が設定されているとすると、付与部１３５は、「佐倉村」および「福島市」それぞれを示す地域情報を記事コンテンツＣ２に関連付ける。

〔４−２．コンテンツ提供システム〕
上記実施形態では、情報処理装置１００が、入力されたコンテンツから地域情報を抽出し、抽出した地域情報によって示される地域とコンテンツとの関連度スコアを算出し、算出した関連度スコアに基づいて、コンテンツに地域情報を関連付ける例について説明した。ここで、情報処理装置１００は、さらに、コンテンツをユーザに提供するコンテンツサーバとして機能することにより、ユーザの位置情報と連携したコンテンツ配信を行ってもよい。この点について、図６を用いて説明する。

図６は、コンテンツ提供システム１による情報処理の流れを示す図である。図６に示すように、コンテンツ提供システム１は、端末装置１０と、提供者端末３０と、情報処理装置１００とを含む。端末装置１０、提供者端末３０、情報処理装置１００は、ネットワークを介して有線または無線により通信可能に接続される。なお、図６に示すコンテンツ提供システム１には、複数台の端末装置１０や、複数台の提供者端末３０や、複数台の情報処理装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される端末装置である。また、提供者端末３０は、コンテンツを提供する提供者（コンテンツプロバイダー等と呼ばれる）によって利用される端末装置である。

まず、図６に示すように、提供者は、提供者端末３０を用いて、情報処理装置１００へ各種コンテンツを入稿する（ステップＳ３１）。例えば、提供者とは、新聞社や雑誌社等であり、提供者端末３０を用いて、自社の記事コンテンツを情報処理装置１００へ入稿する。

情報処理装置１００は、提供者端末３０からコンテンツの入稿を受け付けると、受け付けたコンテンツそれぞれについて、地域情報を関連付ける（ステップＳ３２）。情報処理装置１００によって、各コンテンツについて行われる処理は、これまで説明してきた抽出部１３２、算出部１３３、補正部１３４、付与部１３５による処理であるため、ここでの詳細な説明を省略する。

ここで、端末装置１０は、ユーザ操作に従い、ウェブページの取得要求を情報処理装置１００に送信したとする（ステップＳ３３）。例えば、端末装置１０は、ＧＰＳ機能により自装置の現在位置を取得し、取得した現在位置を含む取得要求を情報処理装置１００に送信する。なお、かかる例に限らず、情報処理装置１００が、定期的に端末装置１０にアクセスすることで、端末装置１０の位置情報を取得してもよい。また、図６において、端末装置１０から要求されるウェブページは、情報処理装置１００の管理者によって提供されるポータルサイトであるものとする。

情報処理装置１００は、ウェブページの取得要求を受け付けると、かかる取得要求に含まれる現在位置に基づいて、コンテンツを抽出する（ステップＳ３４）。例えば、情報処理装置１００は、自装置内の所定の記憶部内から、現在位置を示す地域情報が付与されているコンテンツを特定し、特定したコンテンツのリンク情報（例えば、ＵＲＬ）を抽出する。

そして、情報処理装置１００は、抽出したリンク情報を含むウェブページを端末装置１０に配信する（ステップＳ３５）。例えば、情報処理装置１００は、「周辺の地域情報」といった項目欄に、抽出したリンク情報を含めたウェブページを生成し、生成したウェブページを端末装置１０に配信する。なお、情報処理装置１００は、端末装置１０からユーザの出身地情報を取得しておくことで、出身地と一致するコンテンツのリンク情報を含むウェブページを配信してもよい。

〔４−３．プログラム〕
また、上述してきた実施形態にかかる情報処理装置１００は、例えば図７に示すような構成のコンピュータ１０００によって実現される。図７は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５０を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態にかかる情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部２２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５０を介してこれらのプログラムを取得してもよい。

〔４−４．その他〕
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔５．効果〕
上述してきたように、情報処理装置１００は、抽出部１３２と、算出部１３３と、補正部１３４とを有する。抽出部１３２は、コンテンツから地域を示す地域情報を抽出する。算出部１３３は、抽出部１３２により抽出された地域情報毎に、当該地域情報によって示される地域とコンテンツとの関連度を算出する。補正部１３４は、抽出部１３２により抽出された地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する。

これにより、実施形態にかかる情報処理装置１００は、コンテンツに対して、市区町村単位の地域情報を精度よく関連付けることができる。また、情報処理装置１００は、コンテンツと関連しない地域を誤って関連付けてしまうといった事態を防ぐとこができる。

また、実施形態にかかる情報処理装置１００において、補正部１３４は、第１の地域情報に対応する関連度を用いて、第１の地域情報によって示される地域よりも行政区画が下位である地域を示す第２の地域情報に対応する関連度を補正する。

これにより、実施形態にかかる情報処理装置１００は、コンテンツに対して、市区町村単位の地域情報を精度よく関連付けることができる。

また、実施形態にかかる情報処理装置１００において、付与部１３５は、補正部１３４により補正された補正後の関連度に基づいて、第２の地域情報をコンテンツに関連付ける。

これにより、実施形態にかかる情報処理装置１００は、コンテンツが主題とする市区町村地域を示す地域情報を、精度よく当該コンテンツに関連付けることができるため、例えば、ユーザの所在地に関するコンテンツをより適切にユーザに提供することができる。

また、付与部１３５は、補正部１３４により補正された補正後の関連度のうち、所定の閾値より高い関連度を有する第２の地域情報をコンテンツに関連付ける。

このように、実施形態にかかる情報処理装置１００は、閾値と第２の地域情報に対応する関連度に基づいて、第２の地域情報をコンテンツに関連付けるため、例えば、コンテンツが主題とする市区町村地域が複数存在する場合であっても、その複数の市区町村地域それぞれを示す地域情報を、精度よく当該コンテンツに関連付けることができる。

また、抽出部１３２は、コンテンツに含まれるキーワードに基づいて、地域情報を抽出し、算出部１３３は、キーワードが属するカテゴリに付与されている重み値に基づいて、当該キーワードに対応する地域情報によって示される地域の関連度を算出する。

これにより、実施形態にかかる情報処理装置１００は、コンテンツが主題とする可能性がある地域それぞれについて、関連度を算出することができる。

また、算出部１３３は、カテゴリそれぞれの重み値のうち、市区町村を示すカテゴリに最も高い値が付与されている重み値に基づいて、関連度を算出する。

これにより、実施形態にかかる情報処理装置１００は、コンテンツに対して、市区町村単位の地域情報を精度よく関連付けることができる。

また、補正部１３４は、第１の地域情報に対応する関連度に基づいて、当該第１の地域情報によって示される地域がコンテンツが示す地域である確率を算出し、当該確率を用いて、第２の地域情報に対応する関連度を補正する。

このように、実施形態にかかる情報処理装置１００は、単に算出した市区町村地域の関連度は精度が低い可能性があるため、市区町村地域の関連度より高精度に算出可能な都道府県地域の関連度を用いて、その都道府県地域がコンテンツが示す地域である確率を算出する。そして、情報処理装置１００は、算出した確率を用いて、市区町村地域の関連度を補正するため、補正前の市区町村地域の関連度を精度の高い値へ変更することができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、抽出部は、抽出手段や抽出回路に読み替えることができる。

１ コンテンツ提供システム
１０ 端末装置
３０ 提供者端末
１００ 情報処理装置
１２２ エンティティ辞書
１３０ 制御部
１３２ 抽出部
１３３ 算出部
１３４ 補正部
１３５ 付与部

Claims (12)

1. コンテンツに含まれるキーワードに基づいて、当該コンテンツから地域を示す地域情報を抽出する抽出部と、
   前記抽出部により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出部と、
   前記抽出部により抽出された地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正部と
   を有し、
   前記算出部は、前記キーワードが属するカテゴリに付与されている重み値であって、コンテンツの内容が示す地域を判断するうえでの影響力がより高いカテゴリほど高い値となる重み値に基づいて、前記関連度を算出する
   ことを特徴とする情報処理装置。
2. コンテンツから地域を示す地域情報を抽出する抽出部と、
   前記抽出部により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出部と、
   前記抽出部により抽出された地域情報のうち、第１の地域情報に対応する関連度に基づいて、当該第１の地域情報によって示される地域が前記コンテンツが示す地域である確率を算出し、当該確率を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正部と
   を有することを特徴とする情報処理装置。
3. 前記補正部は、前記第１の地域情報に対応する関連度を用いて、前記第１の地域情報によって示される地域よりも行政区画が下位である地域を示す前記第２の地域情報に対応する関連度を補正する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記補正部により補正された補正後の関連度に基づいて、前記第２の地域情報を前記コンテンツに関連付ける付与部をさらに有する
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。
5. 前記付与部は、前記補正部により補正された補正後の関連度のうち、所定の閾値より高い関連度を有する前記第２の地域情報を前記コンテンツに関連付ける
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記抽出部は、前記コンテンツに含まれるキーワードに基づいて、前記地域情報を抽出し、
   前記算出部は、前記キーワードが属するカテゴリに付与されている重み値に基づいて、当該キーワードに対応する地域情報によって示される地域の関連度を算出する
   ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。
7. 前記算出部は、前記カテゴリそれぞれの重み値のうち、市区町村を示すカテゴリに最も高い値が付与されている重み値に基づいて、前記関連度を算出する
   ことを特徴とする請求項１または６に記載の情報処理装置。
8. 前記補正部は、前記第１の地域情報に対応する関連度に基づいて、当該第１の地域情報によって示される地域が前記コンテンツが示す地域である確率を算出し、当該確率を用いて、前記第２の地域情報に対応する関連度を補正する
   ことを特徴とする請求項１または３〜７に記載の情報処理装置。
9. 情報処理装置が実行する情報処理方法であって、
   コンテンツに含まれるキーワードに基づいて、当該コンテンツから地域を示す地域情報を抽出する抽出工程と、
   前記抽出工程により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出工程と、
   前記抽出工程により抽出された地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正工程と
   を含み、
   前記算出工程は、前記キーワードが属するカテゴリに付与されている重み値であって、コンテンツの内容が示す地域を判断するうえでの影響力がより高いカテゴリほど高い値となる重み値に基づいて、前記関連度を算出する
   ことを特徴とする情報処理方法。
10. 情報処理装置が実行する情報処理方法であって、
    コンテンツから地域を示す地域情報を抽出する抽出工程と、
    前記抽出工程により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出工程と、
    前記抽出工程により抽出された地域情報のうち、第１の地域情報に対応する関連度に基づいて、当該第１の地域情報によって示される地域が前記コンテンツが示す地域である確率を算出し、当該確率を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正工程と
    を含むことを特徴とする情報処理方法。
11. コンテンツに含まれるキーワードに基づいて、当該コンテンツから地域を示す地域情報を抽出する抽出手順と、
    前記抽出手順により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出手順と、
    前記抽出手順により抽出された地域情報のうち、第１の地域情報に対応する関連度を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正手順と
    をコンピュータに実行させ、
    前記算出手順は、前記キーワードが属するカテゴリに付与されている重み値であって、コンテンツの内容が示す地域を判断するうえでの影響力がより高いカテゴリほど高い値となる重み値に基づいて、前記関連度を算出する
    ことを特徴とする情報処理プログラム。
12. コンテンツから地域を示す地域情報を抽出する抽出手順と、
    前記抽出手順により抽出された地域情報毎に、当該地域情報によって示される地域と前記コンテンツとの関連度を算出する算出手順と、
    前記抽出手順により抽出された地域情報のうち、第１の地域情報に対応する関連度に基づいて、当該第１の地域情報によって示される地域が前記コンテンツが示す地域である確率を算出し、当該確率を用いて、当該第１の地域情報によって示される地域に属する地域を示す第２の地域情報に対応する関連度を補正する補正手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images