JP6338618B2 - 生成装置、生成方法、及び生成プログラム - Google Patents

Description

本発明は、生成装置、生成方法、及び生成プログラムに関する。

現在、リアルタイムの情報共有サービスが多く利用されている。また、従来、ネットワーク上における主体（ユーザ）の相関関係を示すグラフ（ソーシャルグラフ）におけるノード間のエッジ（連結）の有無に基づいて、分類（以下、「クラスタ」ともいう）を行う技術が提供されている。例えば、グラフ中のあるノードおよびそのノードに接続したノードの集合に基づいて、クラスタ構造を抽出する技術が提供されている。また、例えば、グラフ中のあるノードに接続したノードの集合と他のノードに接続したノードの集合とにおいて共通するノードの数に基づいて、分類する技術が提供されている。

特開２０１５−１５６１６３号公報

Xiaowei Xu, Nurcan Yuruk, Zhidan Feng, Thomas A. J. Schweiger, "SCAN: A Structural Clustering Algorithm for Networks," SIGKDD’07, August 12-15, 2007, San Jose, CA, US. H. Shiokawa, Y. Fujiwara, and M. Onizuka, "Scan++: effecient algorithm for finding clusters, hubs and outliers on large-scale graphs," Proceedings of the VLDB Endowment, vol. 8, no. 11, pp. 1178-1189, 2015. M. E. Newman and M. Girvan, "Finding and evaluating community structure in networks," Physical review E, vol. 69, no. 2, p. 026113, 2004. L. Page, S. Brin, R. Motwani, and T. Winograd, "The pagerank citation ranking: bringing order to the web."1999.

しかしながら、上記の従来技術では、グラフに含まれるノードを適切に分類することができるとは限らない。例えば、グラフにおけるノード間の構造的な関係に基づくのみでは、グラフに含まれるノードを適切に分類することができるとは限らない。具体的には、あるノードに接続したノードの集合と他のノードに接続したノードの集合とにおいて共通するノードの数に基づいて分類するだけでは、グラフに含まれるノードを適切に分類することが難しい場合がある。

本願は、上記に鑑みてなされたものであって、グラフに含まれるノードを適切に分類する分類情報を生成する生成装置、生成方法、及び生成プログラムを提供することを目的とする。

本願に係る生成装置は、ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得部と、前記取得部により取得された前記グラフ情報における前記複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報を生成する第１生成部と、前記第１生成部により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成部と、を備えたことを特徴とする。

実施形態の一態様によれば、グラフに含まれるノードを適切に分類する分類情報を生成することができるという効果を奏する。

図１は、実施形態に係る生成処理の一例を示す図である。 図２は、実施形態に係る生成処理の一例を示す図である。 図３は、実施形態に係る生成処理の一例を示す図である。 図４は、実施形態に係る生成装置の構成例を示す図である。 図５は、実施形態に係る通信回数情報記憶部の一例を示す図である。 図６は、実施形態に係る通信内容情報記憶部の一例を示す図である。 図７は、実施形態に係るトピック記憶部の一例を示す図である。 図８は、実施形態に係るスコア情報記憶部の一例を示す図である。 図９は、実施形態に係る生成処理手順を示すフローチャートである。 図１０は、実施形態に係る第１クラスタリングの処理手順を示すフローチャートである。 図１１は、実施形態に係る第２クラスタリングの処理手順を示すフローチャートである。 図１２は、実施形態に係る第３クラスタリングの処理手順を示すフローチャートである。 図１３は、生成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、本願に係る生成装置、生成方法、及び生成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係る生成装置、生成方法、及び生成プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１−１．生成処理（第１クラスタリング）〕
図１〜図３では、ソーシャルネットワーキングサービス（以下、「ＳＮＳ」と記載する場合がある）におけるユーザ間の情報通信に基づくグラフ（ソーシャルグラフ）に関する情報（以下、「グラフ情報」ともいう）を対象に分類する場合を示す。なお、グラフ情報の取得元となるＳＮＳは、どのようなソーシャルネットワーキングサービスであってもよく、例えば、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等、どのようなサービスであってもよい。また、以下では、ノードを分類することをクラスタリングと称する場合がある。

まず、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。図１では、生成装置１００（図４参照）が、所定のＳＮＳにおけるグラフ情報を用いて、グラフに含まれるノード（ユーザ）をグラフ構造に基づいて分類する。具体的には、図１は、生成装置１００が、第１クラスタリングの処理により第１分類情報を生成する場合を示す。

図１に示すように、生成装置１００は、所定のＳＮＳにおけるグラフ情報Ｇ１１を取得する。グラフ情報Ｇ１１は、ネットワーク上における主体（ユーザ）の各々に対応する複数のノードと、ネットワーク上における情報通信に関する対応関係を有するノード間を連結するエッジとを含むグラフ情報である。すなわち、ノードは、ネットワーク上における主体（ユーザ）と読み替えてもよい。また、ここでいう対応関係は、ＳＮＳにおけるあるノードから他のノードへの投稿であってもよい。また、以下でいう通信回数は、ＳＮＳにおけるあるノードから他のノードへの投稿回数や、あるノードと他のノードとの間の投稿回数であってもよい。すなわち、通信回数は、投稿回数と読み替えてもよい。

例えば、グラフ情報Ｇ１１は、通信一覧表ＩＮ１１に示すような通信回数に関する情報のうち、各ノードが交差する領域に１以上の数値が割り当てられたノード間をエッジで連結する。以下、通信一覧表ＩＮ１１に示す通信回数に関する情報等の通信に関する情報を通信情報とする場合がある。例えば、通信一覧表ＩＮ１１において、ノードＮ１の行と、ノードＮ２の列が交差する領域には、「５」が割り当てられる。そのため、グラフ情報Ｇ１１では、ノードＮ１のユーザ、ノードＮ２のユーザとは、ネットワーク上における通信を行ったユーザ同士であるとして、ノードＮ１とノードＮ２は、エッジで連結される。なお、生成装置１００は、通信一覧表ＩＮ１１に示す通信情報からグラフ情報Ｇ１１を生成してもよい。

ここで、通信一覧表ＩＮ１１について説明する。例えば、通信一覧表ＩＮ１１は、図５に示す通信回数情報記憶部１２１に対応する。例えば、通信一覧表ＩＮ１１における行に示すノードは、情報の送信元となるノードに対応する。また、例えば、通信一覧表ＩＮ１１における列に示すノードは、情報の送信先となるノードに対応する。なお、図１〜図３に示す例において、説明を簡単にするために２５個のノードＮ１〜Ｎ２５のみを図示するが、ノード数は、広く用いられているＳＮＳのユーザ数のように多数（例えば１００万ユーザや１０００万ユーザ等）であってもよい。

通信一覧表ＩＮ１１において、縦の行に示すノードＮ１〜Ｎ４等と、横の列に示すノードＮ１〜Ｎ４との各々が交差する領域の数値は、縦の行に示すノードから横の列に示すノードへ情報通信を行った回数を示す。例えば、縦の行のノードＮ２と横の列のノードＮ１とが交差する領域の数値「１０」は、ノードＮ２のユーザがノードＮ１のユーザに対して情報を１０回送信したことを示す。また、例えば、縦の行のノードＮ１と横の列のノードＮ２とが交差する領域の数値「５」は、ノードＮ１のユーザがノードＮ２のユーザに対して情報を５回送信したことを示す。このように、図１に示す例では、通信一覧表ＩＮ１１には、情報の送信元と送信先を区別して各ノード間の通信情報が割り当てられる。なお、送信元から送信先への情報通信は、ＳＮＳに応じてどのような内容であってもよい。例えば、送信元から送信先への情報通信は、送信元から送信先へのメールの送信であってもよいし、送信元から送信先のタイムラインへの情報投稿であってもよいし、送信元から送信先へのリツイート等種々の内容であってもよい。また、情報通信の方向を考慮しない場合、通信一覧表ＩＮ１１には、交差する領域には同じ数値が割り当てられてもよいし、片方の領域にのみ数値が割り当てられてもよい。

また、図１に示す例においては、グラフ情報Ｇ１１は、２つのノード間における通信回数が１回以上であるノード間をエッジで連結した場合を示す。図１の例では、いずれのノードが送信元であるかを問わず１回以上通信回数がある２つのノード間をエッジで連結した場合を示す。なお、グラフ情報Ｇ１１は、２つのノード間の通信回数が所定の閾値以上である場合、２つのノード間をエッジで連結したグラフ情報であってもよい。

ここで、生成装置１００は、グラフ情報Ｇ１１における複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報Ｇ１２を生成する（ステップＳ１１）。具体的には、生成装置１００は、ノード間の構造的類似度に基づいて、第１分類情報Ｇ１２を生成する。なお、図１に示す例では、第１分類情報Ｇ１２にグラフ情報Ｇ１１が含まれる場合を示すが、第１分類情報Ｇ１２は、第１クラスタリングの結果を示す情報であれば、どのような情報であってもよい。例えば、第１分類情報Ｇ１２は、各第１分類Ｄ１１〜Ｄ１５の各々に含まれるノードを示す情報が含まれれば、どのような情報であってもよい。

ここで、第１クラスタリングにおいては、生成装置１００は、例えば、クラスタリング手法ＳＣＡＮ（非特許文献１参照）を用いてもよい。なお、生成装置１００は、クラスタリング手法ＳＣＡＮに限らず、グラフ中のノードを構造的な類似度に基づいてクラスタリングを行う手法であれば、どのような手法を用いてもよい。例えば、クラスタリング手法ＳＣＡＮ＋＋（非特許文献２参照）や他のクラスタリング手法（非特許文献３参照）等、種々の手法を適宜用いてもよい。

以下では、グラフ情報は、「Ｇ＝（Ｖ，Ｅ）」で示される。ここで、「Ｇ」は、グラフ情報に対応し、「Ｖ」はグラフ情報に含まれるノードを示し、「Ｅ」はグラフ情報に含まれるエッジを示す。例えば、「｜Ｖ｜」はグラフ情報に含まれるノードの数を示し、「｜Ｅ｜」はグラフ情報に含まれるエッジの数を示す。また、例えば、生成装置１００は、クラスタリング手法ＳＣＡＮを用いる場合、以下の式（１）を用いて各ノード間の構造的類似度を算出する。

上記式（１）において、「ｕ」及び「ｖ」は、類似度を算出する対象となるノードを示し、σ（ｕ,ｖ）は、ノードｕ、ｖ間の構造的類似度を示す。｜Γ（ｖ）｜は、ノードｖの隣接ノードの数を示し、以下の式（２）により算出される。

上記式（２）において、「ｖ∈Ｖ」とするとき、ノードｖの隣接ノード集合はノードｖとエッジで接続されるノードとノードｖ自身が含まれる。すなわち、上記式（２）の左辺「Γ（ｖ）」は、ノードｖの隣接ノード集合を示す。

上記式（１）の右辺の分母は、ノードｕの隣接ノードの数とノードｖの隣接ノードの数とを乗算して、ルート（平方根）をとった値に対応する。また、上記式（１）の右辺の分子は、ノードｕの隣接ノード集合とノードｖの隣接ノード集合との間に共通して含まれるノードの数（値）に対応する。

また、上記式（１）及び（２）により、ノードｕ、ｖ間の構造的類似度を示すσ（ｕ,ｖ）は、ノードｕ、ｖ間に共通の隣接ノードがない場合に「０」となる。また、σ（ｕ,ｖ）は、ノードｕの隣接ノードと、ノードｖの隣接ノードとが互いに全て共有する場合に「１」となる。すなわち、σ（ｕ,ｖ）は、０〜１の値となる。

生成装置１００は、上記式（１）により算出されるノード間の構造的類似度σに基づいて、グラフ情報Ｇ１１中のノードにおけるコアノードを抽出する。例えば、生成装置１００は、以下の式（３）及び式（４）を用いて、コアノードを抽出する。また、生成装置１００は、コアノードを抽出する際に、以下の２つのパラメータ「ε」、「μ」を用いる。

（パラメータ１） 「ε」：クラスタを構成するための構造的類似度の閾値
（パラメータ２） 「μ」：クラスタに含まれる最小ノード数

上記式（３）の左辺「Ｎ_ε［ｕ］」は、ノードｕの間の構造的類似度σが閾値「ε」以上であるノードの集合に対応する。以下では、「Ｎ_ε［ｕ］」をノードｕのε隣接ノードと称する場合がある。また、上記式（４）の左辺「｜Ｎ_ε［ｕ］｜」は、ノードｕのε隣接ノードの数を示す。そして、上記式（４）の右辺「μ」は、クラスタを構成するための構造的類似度の閾値に対応する。すなわち、生成装置１００は、上記式（４）を満たすノードをコアノードとして、第１クラスタリングを行う。例えば、生成装置１００は、クラスタリング手法ＳＣＡＮ（非特許文献１参照）により、グラフ情報Ｇ１１中のノードＮ１〜Ｎ２５を構造的に分類する。

上述した処理により、生成装置１００は、第１分類Ｄ１１にノードＮ１、Ｎ２、Ｎ３が含まれることや、第１分類Ｄ１２にノードＮ６、Ｎ７、Ｎ８、Ｎ９が含まれること等を示す第１分類情報Ｇ１２を生成する。例えば、生成装置１００は、上記２つのパラメータ「ε」、「μ」を適宜設定することにより適切なコアノードを抽出し、第１クラスタリングを行う。また、図１では、生成装置１００は、ノードＮ４、Ｎ１２、Ｎ１７等をハブ（以下、「ハブノード」ともいう）として抽出する。例えば、ハブノードは、グラフ構造において、複数のクラスタ（分類）間を連結するノードであり、周辺のクラスタに影響力のあるノードとされる場合がある。例えば、ノードＮ１２は、第１分類Ｄ１１（ノードＮ３）と第１分類Ｄ１３（ノードＮ１３）とを連結するハブノードである。また、生成装置１００は、ノードＮ５、Ｎ１０、Ｎ１１、Ｎ２５等をアウトライアー（以下、「外れノード」ともいう）として抽出する。例えば、外れノードは、ノイズとして扱われる場合がある。

なお、生成装置１００は、上記に限らず、種々の手法を適宜用いて、構造的にグラフ中のノードをクラスタリング（分類）する第１分類情報を生成してもよい。例えば、生成装置１００は、ノード間の通信回数に基づく重みを用いて、ノード間の構造的類似度を算出してもよい。例えば、生成装置１００は、以下の式（５）を用いて各ノード間の構造的類似度を算出してもよい。

上記式（５）において、「ｕ」及び「ｖ」は、類似度を算出する対象となるノードを示し、σ_ｗ（ｕ,ｖ）は、ノードｕ、ｖ間の通信回数に基づく重みを用いた構造的類似度を示す。ω（ｕ,ｖ）は、ノードｕ、ｖ間の通信回数を示す。例えば、図１に示す例において、ノードｕをノードＮ１とし、ノードｖをノードＮ２とした場合、ω（Ｎ１,Ｎ２）は、ノードＮ１からノードＮ２への通信回数「５」と、ノードＮ２からノードＮ１への通信回数「１０」とを合計した通信回数「１５」であってもよい。なお、上記式（５）において分母を「ω（ｕ,ｖ）＋１」とすることにより、通信回数が多い程、重みが大きくなり、通信回数が多くなる程、通信回数が少ない場合に比べて、二つの値はほとんど近似することになる。例えば、通信回数が「１０００」と「１００１」とを比較する場合、通信回数が「１」と「２」とを比較する場合に比べて、二つの値はほとんど近似することになる。

〔１−２．生成処理（第２クラスタリング）〕
次に、図２を用いて、実施形態に係る生成処理の一例について説明する。図２は、実施形態に係る生成処理の一例を示す図である。図２では、生成装置１００が、第１分類情報Ｇ１２を用いて、第１分類Ｄ１１〜Ｄ１５等を通信内容に基づいて分類する。具体的には、図２は、生成装置１００が第２クラスタリングの処理により第２分類情報を生成する場合を示す。

生成装置１００は、第１分類情報Ｇ１２と、通信内容に関する分類とに基づいて、ノードを分類する第２分類情報Ｇ１３を生成する（ステップＳ１２）。具体的には、生成装置１００は、通信内容に関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成する。なお、図２に示す例では、第２分類情報Ｇ１３にグラフ情報Ｇ１１が含まれる場合を示すが、第２分類情報Ｇ１３は、第２クラスタリングの結果を示す情報であれば、どのような情報であってもよい。例えば、第２分類情報Ｇ１３は、各第２分類Ｃ１１、Ｃ１２等の各々に含まれるノードを示す情報が含まれれば、どのような情報であってもよい。

例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信における情報の内容を解析することにより、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間での通信内容のトピックを推定（抽出）してもよい。例えば、生成装置１００は、第１分類Ｄ１１に含まれるノードＮ１、Ｎ２、Ｎ３との間で通信される文字情報や画像情報等に基づいて、第１分類Ｄ１１内における通信のトピックを抽出してもよい。なお、生成装置１００は、トピック分析（解析）等の種々の従来手法を適宜用いて、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間での通信内容からトピックを抽出してもよい。例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間で通信される文字情報を形態素解析等の自然言語処理技術を適宜用いて解析することにより、その文字情報から重要なキーワードを対応する第１分類におけるトピックとして抽出してもよい。

また、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５における通信内容に関するコサイン類似度に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成してもよい。例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５におけるトピック間のコサイン類似度に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成する。例えば、生成装置１００は、ある第１分類と他の第１分類とのコサイン類似度が所定の閾値以上である場合、ある第１分類と他の第１分類とを同じクラスタ（第２分類）としてもよい。

なお、所定のＳＮＳがＴｗｉｔｔｅｒ（登録商標）である場合、生成装置１００は、ハッシュタグの類似性に基づいて、第２分類情報Ｇ１３を生成してもよい。例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグのうち、最も頻度の高いハッシュタグに関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグのうち、最も頻度の高いハッシュタグに関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。

また、例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグをトピックとし、その分布の類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。例えば、生成装置１００は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグ（トピック）の回数に基づく割合の類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。例えば、図２の例の場合、第１分類Ｄ１１に含まれるノード間の通信においては、トピックＡのスコアが「０．８」であり、トピックＣのスコアが「０．５」であるため、トピックＡがハッシュタグとして用いられた回数が、トピックＣがハッシュタグとして用いられた回数よりも多いことを示す。すなわち、図２の例の場合、トピックＡがトピックＣよりも、第１分類Ｄ１１に含まれるノード間の通信の内容が反映されたトピックであることを示す。また、例えば、図２の例の場合、第１分類Ｄ１１に含まれるノード間の通信においては、トピックＢのスコアが「０」であるため、トピックＢがハッシュタグとして用いられていないことを示す。例えば、生成装置１００の通信内容情報記憶部１２２（図５参照）に記憶された通信内容情報から抽出されたトピックＡは「歌手Ａ」であってもよく、通信内容情報記憶部１２２に記憶された通信内容情報から抽出されたトピックＢは「グループＢ」であってもよい。

ここで、図２に示す例では、トピック一覧ＩＮ１２に示すように、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信におけるトピックをスコアとして算出した場合を示す。例えば、トピック一覧ＩＮ１２は、図７に示すトピック記憶部１２３に対応する。例えば、スコアが大きいトピック程、対応する第１分類に含まれるノード間で通信された情報の内容に関する通信が多いことを示すものとする。例えば、トピック一覧ＩＮ１２では、クラスタＤ１２（第１分類Ｄ１２）に含まれるノード間では、トピックＢのスコアが最大の値「１．１」であり、第１分類Ｄ１２ではトピックＢの内容に関する通信が多いことを示す。また、例えば、トピック一覧ＩＮ１２では、クラスタＤ１４（第１分類Ｄ１４）に含まれるノード間では、トピックＢのスコアが最大の値「０．８」であり、第１分類Ｄ１４ではトピックＢの内容に関する通信が多いことを示す。そのため、生成装置１００は、第１分類Ｄ１２及び第１分類Ｄ１４を、同じ第２分類Ｃ１２に分類する。

上述した処理により、生成装置１００は、第２分類Ｃ１１に第１分類Ｄ１１、Ｄ１３が含まれることや、第２分類Ｃ１２に第１分類Ｄ１２、Ｄ１４、Ｄ１５が含まれること等を示す第２分類情報Ｇ１３を生成する。なお、生成装置１００は、上記に限らず、種々の手法を適宜用いて、通信の内容に基づいてグラフ中のノードをクラスタリング（分類）する第２分類情報を生成してもよい。

〔１−３．生成処理（第３クラスタリング）〕
次に、図３を用いて、実施形態に係る生成処理の一例について説明する。図３は、実施形態に係る生成処理の一例を示す図である。図２では、生成装置１００が、第２分類情報Ｇ１３を用いて、ノードＮ１〜Ｎ２５等を分類する。具体的には、図３は、生成装置１００が第３クラスタリングの処理により第３分類情報を生成する場合を示す。

生成装置１００は、第２分類情報Ｇ１３と、ノード間のエッジ（接続関係）を示す情報（例えばグラフ情報Ｇ１１）とにより算出されるスコアに基づいて、ノードを分類する第３分類情報Ｇ１４を生成する（ステップＳ１３）。例えば、第３クラスタリングにおいては、生成装置１００は、例えば、ページランク（非特許文献３参照）に関する技術を用いてもよい。なお、生成装置１００は、第３クラスタリングにおいては、ページランク（非特許文献３参照）に限らず、種々の手法を適宜用いてもよい。例えば、生成装置１００は、以下の式（６）〜（８）を用いて、第２分類ごとに各ノードのスコアを算出する。

上記式（６）における左辺「Ｐ_ｉ，ｊ」は、行列Ｐにおける各要素に対応する。例えば、行列Ｐはグラフ情報Ｇ１１におけるノード数が「ｍ（＝｜Ｖ｜）」である場合、ｍ行ｍ列の行列であってもよい。すなわち、上記式（６）は、行列Ｐ（例えば、下記の式（８）中の行列「Ｐ」）における各要素の値を算出するために用いられる。例えば、上記式（６）における左辺「Ｐ_ｉ，ｊ」は、下記の式（８）中の行列「Ｐ」中のｉ行ｊ列の要素であってもよい。

また、右辺「Ａ_ｉ，ｊ」は、行列Ａにおける各要素に対応する。ここで、行列Ａは、各行と列に対応するノード間での通信回数を示す。例えば、行列Ａはグラフ情報Ｇ１１におけるノード数が「ｍ（＝｜Ｖ｜）」である場合、ｍ行ｍ列の行列であってもよい。例えば、行列Ａにおける各行は、送信元となるノードに対応し、行列Ａにおける各列は、通信先となるノードに対応してもよい。

例えば、図１に示す例において、ノードＮ１が行列Ａのｉ行に対応し、ノードＮ２が行列Ａのｊ列に対応する場合、「Ａ_ｉ，ｊ」の値は、ノードＮ１からノードＮ２への通信回数「５」であってもよい。また、例えば、図１に示す例において、ノードＮ２が行列Ａのｉ行に対応し、ノードＮ１が行列Ａのｊ列に対応する場合、「Ａ_ｉ，ｊ」の値は、ノードＮ２からノードＮ１への通信回数「１０」であってもよい。

また、右辺中の分母「Σ_ｊＡ_ｉ，ｊ」は、行列Ａのｉ行に対応するノードから他のノードへの通信回数を合計した値であってもよい。この場合、上記式（６）における左辺「Ｐ_ｉ，ｊ」は、行列Ａのｉ行に対応するノードを送信元とする全通信回数に対する、行列Ａのｉ行に対応するノードを送信元とし、ｊ列に対応するノードを送信先とする通信回数の割合を示す。

上記式（７）における「Ｓ」は、ノード集合Ｖの部分集合であり、シードノード（ユーザ）の集合を示す。また、上記式（７）における左辺「ｓ_ｉ」は、ノード数が「ｍ（＝｜Ｖ｜）」である場合、ｍ次元のベクトルのｉ列目の要素であってもよい。また、上記式（７）における左辺「ｓ_ｉ」は、下記の式（８）中の行列「ｓ」のｉ列目の要素であってもよい。例えば、「ｓ_ｉ」に対応するノード「Ｖ_ｉ」が、部分集合Ｓに含まれる場合、「ｓ_ｉ」の値は、「１」を部分集合Ｓの数で除した値「１／｜Ｓ｜」となる。また、例えば、「ｓ_ｉ」に対応するノード「Ｖ_ｉ」が、部分集合Ｓに含まれない場合、「ｓ_ｉ」の値は、「０」となる。

例えば、上記式（８）中の左辺「ｍ_（ｔ）」は、時刻ｔにおける各ノードのスコア（確率値）に対応する。例えば、上記式（８）中の左辺「ｍ_（ｔ）」は、ある第２分類に含まれるノードをシードノードとした場合における、時刻ｔにおける各ノードのスコア（確率値）に対応する。

また、「α」は０〜１の値を取る確率値に対応する。例えば、生成装置１００は、上記式（８）が収束するまで計算を繰り返す。例えば、生成装置１００は、所定の値を超えた全時刻ｔに対して「ｍ_（ｔ）＝ｍ_{（ｔ−１）}」となるまで計算を繰り返す。

図３の例においては、生成装置１００は、上記式（６）〜（８）を用いて、各第２分類Ｃ１１、Ｃ１２等における各ノードのスコアを算出する。このように算出された各第２分類に対応する各ノードのスコアは、グラフ内のノードをランダムウォークした場合における、各ノードに位置する確率を示す。すなわち、各第２分類に対応する各ノードのスコアが高い程、グラフ内のノードをランダムウォークした場合において、そのノードに位置する確率が高いことを示す。そのため、例えば、各第２分類に対応する各ノードのスコアは、その第２分類における各ユーザの重要度を示す指標となる。例えば、各第２分類に対応する各ノードのスコアが大きい程、そのユーザは第２分類において重要なユーザとなる。

ここで、図３に示す例では、スコア一覧ＩＮ１３に示すように、各第２分類Ｃ１１、Ｃ１２等の各々における各ノードＮ１〜Ｎ２５等のスコアを算出した場合を示す。例えば、スコア一覧ＩＮ１３は、図８に示すスコア情報記憶部１２４に対応する。また、スコア一覧ＩＮ１３は、各第２分類Ｃ１１、Ｃ１２等の各々において、各ノードをスコアが高い方から順にランキングした状態を示す。そして、生成装置１００は、各第２分類Ｃ１１、Ｃ１２等の各々において、順位が高いほうから所定数のノードを各第２分類Ｃ１１、Ｃ１２に分類するノードとする。例えば、生成装置１００は、各第２分類Ｃ１１、Ｃ１２等の各々において、順位が高いほうから１００個のノードを各第２分類Ｃ１１、Ｃ１２に分類するノードとしてもよい。

図３に示す例において、生成装置１００は、各第２分類Ｃ１１に対応する順位が高いノードＮ１３、Ｎ２、Ｎ１２、Ｎ１等を第２分類Ｃ１１に分類するノードとする。このように、第３クラスタリングにおいて、第２クラスタリングでは第２分類Ｃ１１に含まれていなかったノードＮ１２（ハブノードＮ１２）が第２分類Ｃ１１に分類される。

図３に示す例において、生成装置１００は、各第２分類Ｃ１２に対応する順位が高いノードＮ１９、Ｎ７、Ｎ１７、Ｎ１１等を第２分類Ｃ１２に分類するノードとする。このように、第３クラスタリングにおいて、第２クラスタリングでは第２分類Ｃ１２に含まれていなかったノードＮ１７（ハブノードＮ１７）やノードＮ１１（外れノードＮ１１）が第２分類Ｃ１２に分類される。なお、各ノードは、第３クラスタリング後において、複数の第２分類Ｃ１１、Ｃ１２等に含まれてもよい。例えば、図３に示す例において、ノードＮ４は、２つの第２分類Ｃ１１、Ｃ１２の両方に分類されてもよい。

このように、生成装置１００は、第２分類Ｃ１１にノードＮ１３、Ｎ２、Ｎ１２、Ｎ１等が含まれることや、第２分類Ｃ１２にノードＮ１９、Ｎ７、Ｎ１７、Ｎ１１が含まれること等を示す第３分類情報Ｇ１４を生成する。これにより、生成装置１００は、グラフにおけるノード間の接続構造およびノード間において通信された情報の内容の両方に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

〔２．生成装置の構成〕
次に、図４を用いて、実施形態に係る生成装置１００の構成について説明する。図４は、実施形態に係る生成装置の構成例を示す図である。生成装置１００は、第１分類情報や第２分類情報や第３分類情報を生成する情報処理装置である。図４に示すように、生成装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、生成装置１００は、各種の情報を表示する表示部や、各種の情報を入力する入力部を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、所定のネットワークと有線または無線で接続され、外部の情報処理装置との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）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。実施形態に係る記憶部１２０は、図４に示すように、通信内容情報記憶部１２２と、通信回数情報記憶部１２１と、トピック記憶部１２３と、スコア情報記憶部１２４とを有する。

（通信回数情報記憶部１２１）
実施形態に係る通信回数情報記憶部１２１は、所定のＳＮＳにおける通信回数に関する情報（「通信回数情報」ともいう）を記憶する。図５は、実施形態に係る通信回数情報記憶部の一例を示す図である。例えば、通信回数情報記憶部１２１は、所定のＳＮＳにおける各ノード間の通信回数を記憶する。また、例えば、通信回数情報記憶部１２１は、グラフ情報Ｇ１１等を生成するために用いる情報を記憶する。図５に示すように、通信回数情報記憶部１２１は、通信回数情報として、ノードＩＤにより識別されるノード間の通信回数を記憶する。

例えば、図５に示す例において、ノードＩＤ「Ｎ１」の行とノードＩＤ「Ｎ２」の列とが交差する領域の数値「５」は、ノードＮ１のユーザがノードＮ２のユーザに対して情報を５回送信したことを示す。ノードＩＤ「Ｎ２」の行とノードＩＤ「Ｎ１」の列とが交差する領域の数値「１０」は、ノードＮ２のユーザがノードＮ１のユーザに対して情報を１０回送信したことを示す。また、ノードＩＤは、図１〜図３に示す各ノードの符号に対応する。例えば、ノードＩＤ「Ｎ１」により識別されるユーザは、図１〜図３に示すノードＮ１に対応する。すなわち、ノードＩＤ「Ｎ１」により識別されるノードと、図１〜図３中のノードＮ１とは同じノードを示し、図１〜図３に示す他のノードについても同様である。また、図６や図８に示す例においても同様である。

なお、通信回数情報記憶部１２１は、通信方向を問わず通信回数の合計を記憶する場合、ノードＩＤ「Ｎ１」の行とノードＩＤ「Ｎ２」の列とが交差する領域かノードＩＤ「Ｎ２」の行とノードＩＤ「Ｎ１」の列とが交差する領域かのいずれか一方のみを記憶してもよい。また、図５に示す例においては、ノードＩＤとノードＩＤとの行列（マトリクス）の形状で記憶される場合を一例として図示したが、通信回数情報を記憶できれば、どのように記憶されてもよい。例えば、通信回数情報記憶部１２１は、各ノードＩＤのユーザが通信を行ったノードＩＤ及びその通信回数をリスト形式で記憶してもよい。例えば、通信回数情報記憶部１２１に記憶される通信回数情報は、各ノードＩＤのユーザと通信したことがあるユーザのノードＩＤ及びその通信回数のリストを保存する辞書の形状で記憶されてもよい。

（通信内容情報記憶部１２２）
実施形態に係る通信内容情報記憶部１２２は、所定のＳＮＳにおける通信内容に関する情報（「通信内容情報」ともいう）を記憶する。図６は、実施形態に係る通信内容情報記憶部の一例を示す図である。図６に示す例においては、通信内容情報として、所定のＳＮＳにおける各ノード間における通信の履歴情報が記憶される。例えば、通信内容情報記憶部１２２に記憶された通信内容情報は、第２クラスタリングの際に用いるトピックの抽出に用いられる。図６に示すように、通信内容情報記憶部１２２は、取引情報として、「通信ＩＤ」、「送信元ＩＤ（ノードＩＤ）」、「送信先ＩＤ（ノードＩＤ）」、「日時」、「内容」等の項目を有する。

「通信ＩＤ」は、所定のＳＮＳにおける各ノード間における通信を識別するための識別情報を示す。「送信元ＩＤ（ノードＩＤ）」は、対応する通信ＩＤにより識別される通信における送信元である主体（ユーザ）を識別するための識別情報を示す。また、「送信先ＩＤ（ノードＩＤ）」は、対応する通信ＩＤにより識別される通信における送信先である主体（ユーザ）を識別するための識別情報を示す。また、「日時」は、対応する通信ＩＤにより識別される通信が行われた日時を示す。また、「内容」は、対応する通信ＩＤにより識別される通信において送受信された文字情報を示す。

例えば、図６に示す例において、通信ＩＤ「Ｔ１１」により識別される取引は、送信元ＩＤ（ノードＩＤ）「Ｎ１」により識別されるノードに対応するユーザが、送信先ＩＤ「Ｎ２」により識別されるユーザへ、文字情報「歌手Ａのライブ…」を、日時「２０１６/５/１ １３:０５」に送信したことを示す。

なお、通信内容情報記憶部１２２は、上記に限らず、所定のＳＮＳにおける各ノード間における通信に関する項目であれば、目的に応じて種々の項目を有してもよい。また、例えば、一斉送信等のように送信先が複数である場合は、１つの「通信ＩＤ」に対応する「送信先（ノードＩＤ）」が複数であってもよい。また、「内容」には、対応する通信ＩＤにより識別される通信において送受信された文字情報に限らず、通信に関する情報であればどのような情報が含まれてもよい。例えば、「内容」には、画像情報や動画情報や位置情報や送信元のユーザのコンテキストに関する情報や送信先のユーザのコンテキストに関する情報等が含まれてもよい。

（トピック記憶部１２３）
実施形態に係るトピック記憶部１２３は、各第１分類（クラスタ）に含まれるノード間の通信におけるトピックに関する情報（「トピック情報」ともいう）を記憶する。図７は、実施形態に係るトピック記憶部の一例を示す図である。図７に示す例においては、トピック記憶部１２３には、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信におけるトピックごとに算出されるスコアがトピック情報として記憶される。図７に示すように、トピック記憶部１２３は、トピック情報として、「クラスタ」、「トピックＡ」、「トピックＢ」、「トピックＣ」等の項目を有する。

例えば、図７に示す例においては、クラスタ「Ｄ１１」により識別されるクラスタ（第１分類Ｄ１１）は、「トピックＡ」のスコアが「０．８」であり、「トピックＢ」のスコアが「０」であり、「トピックＣ」のスコアが「０．５」であることを示す。すなわち、第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信における内容としては、３つのトピックＡ〜Ｃの中では、スコアが最大であるトピックＡが適切であることを示す。

例えば、通信内容情報記憶部１２２に記憶された通信内容情報から抽出されたトピックＡは「歌手Ａ」であってもよく、通信内容情報記憶部１２２に記憶された通信内容情報から抽出されたトピックＢは「グループＢ」であってもよい。なお、トピック記憶部１２３は、項目は上記に限らず、各第１分類に含まれるノード間の通信に関するトピック情報であれば、目的に応じて種々の項目を有してもよい。

（スコア情報記憶部１２４）
実施形態に係るスコア情報記憶部１２４は、第２分類ごとに算出された各ノードのスコアに関する情報（「スコア情報」ともいう）と、スコア情報に基づくランキング（順位）に関する情報（「ランキング情報」ともいう）を記憶する。図８は、実施形態に係るスコア情報記憶部の一例を示す図である。図８に示す例においては、各第２分類Ｃ１１、Ｃ１２等の各々について、各ノードＮ１〜Ｎ２５をスコアに基づいてランキングした情報が記憶される。図８に示すように、スコア情報記憶部１２４は、「順位」、「Ｃ１１」、「Ｃ１２」の項目を有する。

「順位」は、第２分類ごとの各ノードの順位を示す。また、項目「Ｃ１１」及び「Ｃ１２」は、第２分類Ｃ１１、Ｃ１２に各々対応し、「ノードＩＤ」、「スコア」といった項目が含まれる。なお、項目は上記に限らず、スコア情報記憶部１２４は、目的に応じて種々の項目を有してもよい。

例えば、図８に示す例においては、第２分類Ｃ１１については、ノードＮ１３のスコアが最大の「０．０９」であり、ノードＮ１３の順位が１位である、すなわち最も順位が高いことを示す。また、例えば、図８に示す例においては、第２分類Ｃ１２については、ノードＮ１９のスコアが最大の「０．０８５」であり、ノードＮ１９の順位が１位であることを示す。

（制御部１３０）
図４の説明に戻って、制御部１３０は、例えば、コントローラ（Controller）であり、ＣＰＵやＭＰＵ等によって、生成装置１００内部の記憶装置に記憶されている各種プログラム（生成プログラムの一例に相当）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、コントローラ（Controller）であり、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図４に示すように、制御部１３０は、取得部１３１と、第１生成部１３２と、第２生成部１３３と、第３生成部１３４と、送信部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。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する。例えば、取得部１３１は、ネットワーク上におけるユーザの各々に対応する複数のノードと、ネットワーク上における情報通信に関する対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する。例えば、取得部１３１は、所定のＳＮＳにおける通信情報を取得する。例えば、取得部１３１は、所定のＳＮＳにおける通信回数情報や通信内容情報を取得する。例えば、取得部１３１は、グラフ情報や第１分類情報や第２分類情報を取得してもよい。

（第１生成部１３２）
第１生成部１３２は、第１分類情報を生成する。例えば、第１生成部１３２は、取得部１３１により取得されたグラフ情報における複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報を生成する。例えば、第１生成部１３２は、ノード間における情報通信の回数に基づいて、第１分類情報を生成する。例えば、第１生成部１３２は、図１に示す第１クラスタリングに関する処理を行う。

図１の例では、第１生成部１３２は、グラフ情報Ｇ１１から第１分類情報Ｇ１２を生成する。例えば、第１生成部１３２は、ノード間の構造的類似度に基づいて、第１分類情報Ｇ１２を生成する。例えば、第１生成部１３２は、クラスタリング手法ＳＣＡＮ（非特許文献１参照）を用いて第１クラスタリングに関する処理を行ってもよい。

また、図１の例では、第１生成部１３２は、上記式（１）により算出されるノード間の構造的類似度σに基づいて、グラフ情報Ｇ１１中のノードにおけるコアノードを抽出する。例えば、第１生成部１３２は、上記式（３）及び式（４）を用いて、コアノードを抽出する。第１生成部１３２は、上記式（４）を満たすノードをコアノードとして、第１クラスタリングを行う。例えば、第１生成部１３２は、クラスタリング手法ＳＣＡＮ（非特許文献１参照）により、グラフ情報Ｇ１１中のノードＮ１〜Ｎ２５を構造的に分類する。

また、図１の例では、第１生成部１３２は、第１分類Ｄ１１にノードＮ１、Ｎ２、Ｎ３が含まれることや、第１分類Ｄ１２にノードＮ６、Ｎ７、Ｎ８、Ｎ９が含まれること等を示す第１分類情報Ｇ１２を生成する。例えば、第１生成部１３２は、上記２つのパラメータ「ε」、「μ」を適宜設定することにより適切なコアノードを抽出し、第１クラスタリングを行う。

なお、第１生成部１３２は、上記に限らず、種々の手法を適宜用いて、構造的にグラフ中のノードをクラスタリング（分類）する第１分類情報を生成してもよい。例えば、第１生成部１３２は、ノード間の通信回数に基づく重みを用いて、ノード間の構造的類似度を算出してもよい。例えば、第１生成部１３２は、以下の式（５）を用いて各ノード間の構造的類似度を算出してもよい。

（第２生成部１３３）
第２生成部１３３は、第２分類情報を生成する。例えば、第２生成部１３３は、第１生成部１３２により生成された第１分類情報と、所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する。また、例えば、第２生成部１３３は、取得部１３１により取得された第１分類情報と、所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する。例えば、第２生成部１３３は、ノード間における情報通信の内容に基づいて、第２分類情報を生成する。また、例えば、第２生成部１３３は、ノード間の情報通信に含まれる内容に関する分類に基づいて、第２分類情報を生成する。例えば、第２生成部１３３は、ノード間の情報通信の内容から推定（抽出）されるトピックを分類として、第２分類情報を生成する。例えば、第２生成部１３３は、図２に示す第２クラスタリングに関する処理を行う。

図２の例では、第２生成部１３３は、第１分類情報Ｇ１２と、通信内容に関する分類とに基づいて、ノードを分類する第２分類情報Ｇ１３を生成する。例えば、第２生成部１３３は、通信内容に関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成する。

例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信における情報の内容を解析することにより、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間での通信内容のトピックを抽出してもよい。例えば、第２生成部１３３は、第１分類Ｄ１１に含まれるノードＮ１、Ｎ２、Ｎ３との間で通信される文字情報や画像情報等に基づいて、第１分類Ｄ１１内における通信のトピックを抽出してもよい。なお、第２生成部１３３は、トピック分析（解析）等の種々の従来手法を適宜用いて、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間での通信内容からトピックを抽出してもよい。例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間で通信される文字情報を形態素解析等の自然言語処理技術を適宜用いて解析することにより、その文字情報から重要なキーワードを対応する第１分類におけるトピックとして抽出してもよい。

また、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５における通信内容に関するコサイン類似度に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成してもよい。例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５におけるトピック間のコサイン類似度に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類する第２分類情報Ｇ１３を生成する。例えば、第２生成部１３３は、ある第１分類と他の第１分類とのコサイン類似度が所定の閾値以上である場合、ある第１分類と他の第１分類とを同じクラスタ（第２分類）としてもよい。

なお、所定のＳＮＳがＴｗｉｔｔｅｒ（登録商標）である場合、第２生成部１３３は、ハッシュタグの類似性に基づいて、第２分類情報Ｇ１３を生成してもよい。例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグのうち、最も頻度の高いハッシュタグに関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグのうち、最も頻度の高いハッシュタグに関するトピックの類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。

また、例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグをトピックとし、その分布の類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。例えば、第２生成部１３３は、各第１分類Ｄ１１〜Ｄ１５に含まれるノード間の通信において用いられたハッシュタグ（トピック）の回数に基づく割合の類似性に基づいて、第１分類Ｄ１１〜Ｄ１５等を分類することにより、第２分類情報Ｇ１３を生成してもよい。

図２の例では、第２生成部１３３は、第２分類Ｃ１１に第１分類Ｄ１１、Ｄ１３が含まれることや、第２分類Ｃ１２に第１分類Ｄ１２、Ｄ１４、Ｄ１５が含まれること等を示す第２分類情報Ｇ１３を生成する。なお、第２生成部１３３は、上記に限らず、種々の手法を適宜用いて、通信の内容に基づいてグラフ中のノードをクラスタリング（分類）する第２分類情報を生成してもよい。

（第３生成部１３４）
第３生成部１３４は、第３分類情報を生成する。例えば、第３生成部１３４は、第２生成部１３３により生成された第２分類情報と、ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報Ｇ１４を生成する。例えば、第３生成部１３４は、スコアを算出してもよい。また、例えば、第３生成部１３４は、取得部１３１により取得された第２分類情報により第３分類情報を生成してもよい。例えば、第３生成部１３４は、第２分類情報に含まれるクラスタ毎に算出されるスコアに基づいて、スコアが所定の条件を満たすノードが各クラスタに含まれる第３分類情報を生成する。例えば、第３生成部１３４は、第２分類情報に含まれるクラスタ毎に算出されるスコアに基づいて、スコアに基づく順位が所定の閾値以上のノードが各クラスタに含まれる第３分類情報を生成する。なお、第３生成部１３４は、上記に限らず、種々の基準に基づいて第３分類情報を生成してもよい。例えば、第３生成部１３４は、スコアが所定の閾値以上であるノードが各クラスタに含まれる第３分類情報を生成してもよい。また、例えば、第３生成部１３４は、スコアが所定の閾値以下であるノードが各クラスタに含まれる第３分類情報を生成してもよい。また、第３生成部１３４は、複数の閾値を用いて第３分類情報を生成してもよい。例えば、第３生成部１３４は、第１閾値以上かつ第２閾値以下であるノードが各クラスタに含まれる第３分類情報を生成してもよい。第３生成部１３４は、確率値や尤度をスコアとして算出し、算出したスコアが所定の条件を満たすノードが各クラスタに含まれる第３分類情報を生成してもよい。このように、第３生成部１３４は、種々の情報をスコアとして算出してもよい。また、例えば、第３生成部１３４は、ノードから選択されたシードノードからのエッジの連結に基づいて、第３分類情報を生成する。例えば、第３生成部１３４は、図３に示す第３クラスタリングに関する処理を行う。

図３の例では、第３生成部１３４は、第２分類情報Ｇ１３と、ノード間のエッジ（接続関係）を示す情報（例えばグラフ情報Ｇ１１）とにより算出されるスコアに基づいて、ノードを分類する第３分類情報を生成する。例えば、第３生成部１３４は、第３クラスタリングにおいては、ページランク（非特許文献３参照）に関する技術を用いてもよい。なお、第３生成部１３４は、第３クラスタリングにおいては、ページランク（非特許文献３参照）に限らず、種々の手法を適宜用いてもよい。例えば、第３生成部１３４は、上記式（６）〜（８）を用いて、第２分類ごとに各ノードのスコアを算出する。例えば、第３生成部１３４は、上記式（６）〜（８）を用いて、各第２分類Ｃ１１、Ｃ１２等における各ノードのスコアを算出する。例えば、第３生成部１３４は、上記式（８）が収束するまで計算を繰り返すことにより、第２分類ごとに各ノードのスコアを算出する。

図３の例では、第３生成部１３４は、各第２分類Ｃ１１に対応する順位が高いノードＮ１３、Ｎ２、Ｎ１２、Ｎ１等を第２分類Ｃ１１に分類するノードとする。また、第３生成部１３４は、各第２分類Ｃ１２に対応する順位が高いノードＮ１９、Ｎ７、Ｎ１７、Ｎ１１等を第２分類Ｃ１２に分類するノードとする。このように、図３の例では、第３生成部１３４は、第２分類Ｃ１１にノードＮ１３、Ｎ２、Ｎ１２、Ｎ１等が含まれることや、第２分類Ｃ１２にノードＮ１９、Ｎ７、Ｎ１７、Ｎ１１が含まれること等を示す第３分類情報Ｇ１４を生成する。

（送信部１３５）
送信部１３５は、各種情報を外部装置へ送信する。例えば、送信部１３５は、外部の情報処理装置に第３生成部１３４により生成された第３分類情報を送信してもよい。

〔３．生成処理のフロー〕
次に、図９を用いて、実施形態に係る生成装置１００による生成処理の手順について説明する。図９は、実施形態に係る生成装置１００による生成処理手順を示すフローチャートである。

図９に示すように、生成装置１００の取得部１３１は、通信情報を取得する（ステップＳ１０１）。例えば、取得部１３１は、所定のＳＮＳにおける通信情報を取得する。その後、生成装置１００の第１生成部１３２は、第１クラスタリングの処理を行う（ステップＳ１０２）。例えば、第１生成部１３２は、第１クラスタリングの処理により第１分類情報を生成するが、詳細は図１０において説明する。

その後、生成装置１００の第２生成部１３３は、第２クラスタリングの処理を行う（ステップＳ１０３）。例えば、第２生成部１３３は、第２クラスタリングの処理により第２分類情報を生成するが、詳細は図１１において説明する。その後、生成装置１００の第３生成部１３４は、第３クラスタリングの処理を行う（ステップＳ１０４）。例えば、第３生成部１３４は、第３クラスタリングの処理により第３分類情報を生成するが、詳細は図１２において説明する。

〔３−１．第１クラスタリング〕
次に、図１０を用いて、実施形態に係る生成装置１００による第１クラスタリングの処理の手順について説明する。図１０は、実施形態に係る第１クラスタリングの処理手順を示すフローチャートである。

図１０に示すように、生成装置１００の取得部１３１は、グラフの構造に関する情報を取得する（ステップＳ２０１）。例えば、取得部１３１は、グラフ情報や通信回数情報を取得する。例えば、取得部１３１は、通信回数情報記憶部１２１から通信回数情報を取得する。

そして、生成装置１００の第１生成部１３２は、グラフの構造に基づいてノードを分類する（ステップＳ２０２）。例えば、第１生成部１３２は、取得部１３１により取得されたグラフ情報Ｇ１１や通信回数情報に基づいてノードを分類する。

そして、第１生成部１３２は、第１分類情報を生成する（ステップＳ２０３）。例えば、第１生成部１３２は、第１分類情報Ｇ１２を生成する。

〔３−２．第２クラスタリング〕
次に、図１１を用いて、実施形態に係る生成装置１００による第２クラスタリングの処理の手順について説明する。図１１は、実施形態に係る第２クラスタリングの処理手順を示すフローチャートである。

図１１に示すように、生成装置１００の取得部１３１は、第１分類情報を取得する（ステップＳ３０１）。例えば、取得部１３１は、第１生成部１３２から第１分類情報Ｇ１２を取得する。また、取得部１３１は、ノード間の通信内容に関する情報を取得する（ステップＳ３０２）。例えば、取得部１３１は、通信内容情報記憶部１２２から通信内容情報を取得する。

そして、生成装置１００の第２生成部１３３は、ノード間の通信内容に基づいてノードを分類する（ステップＳ３０３）。第２生成部１３３は、ノード間の通信内容に基づいて推定される第１分類ごとのトピックに基づいてノードを分類する。

そして、第２生成部１３３は、第２分類情報を生成する（ステップＳ３０４）。例えば、第２生成部１３３は、第２分類情報Ｇ１３を生成する。

〔３−３．第３クラスタリング〕
次に、図１２を用いて、実施形態に係る生成装置１００による第３クラスタリングの処理の手順について説明する。図１２は、実施形態に係る第３クラスタリングの処理手順を示すフローチャートである。

図１２に示すように、生成装置１００の取得部１３１は、第２分類情報を取得する（ステップＳ４０１）。例えば、取得部１３１は、第２生成部１３３から第２分類情報Ｇ１３を取得する。また、取得部１３１は、グラフの構造に関する情報を取得する（ステップＳ４０２）。例えば、取得部１３１は、グラフ情報Ｇ１１を取得する。

そして、生成装置１００の第３生成部１３４は、第２分類ごとに各ノードのスコアを算出する（ステップＳ４０３）。例えば、第３生成部１３４は、各第２分類Ｃ１１、Ｃ１２等の各々における各ノードＮ１〜Ｎ２５等のスコアを算出する。

そして、第３生成部１３４は、第３分類情報を生成する（ステップＳ４０４）。例えば、第３生成部１３４は、第３分類情報Ｇ１４を生成する。

〔４．通信情報について〕
なお、生成装置１００は、情報の種別に基づいて、通信される情報を分類して、上記の処理を行ってもよい。例えば、生成装置１００は、情報の種別に応じて割り当てられる各種別の重みと、各種別の通信回数とに基づいて上記の処理を行ってもよい。

例えば、生成装置１００は、情報の種別に基づいて、第１種別通信と第２種別通信とに通信を分類し、上記の処理を行ってもよい。例えば、通信が電子メールである場合、生成装置１００は、宛先が１つ（送信先は一のユーザのみ）である場合を第１種別通信とし、宛先が複数である場合（例えば一斉送信等の場合）を第２種別通信として、上記の処理を行ってもよい。例えば、対象とするＳＮＳがＴｗｉｔｔｅｒ（登録商標）である場合、リプとリツイートとを別の種別の通信に分類して、上記の処理を行ってもよい。また、生成装置１００は、３種類以上ある場合は、その通信内容に応じて第１種別通信〜第Ｎ種別通信に通信を分類して、上記の処理を行ってもよい。

〔５．効果〕
上述してきたように、実施形態に係る生成装置１００は、取得部１３１と、第１生成部１３２と、第２生成部１３３とを有する。取得部１３１は、ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報（図１では「グラフ情報Ｇ１１」。以下同じ）を取得する。第１生成部１３２は、取得部１３１により取得されたグラフ情報における複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報（図１では「第１分類情報Ｇ１２」。以下同じ）を生成する。第２生成部１３３は、第１生成部１３２により生成された第１分類情報と、所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報（図２では「第２分類情報Ｇ１３」。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間の接続構造およびノード間において通信された情報の内容の両方に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００は、第３生成部１３４を有する。第３生成部１３４は、第２分類情報と、ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報（図３では「第３分類情報Ｇ１４」。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間の接続構造およびノード間において通信された情報の内容の両方に基づく第２分類情報と、ノード間のエッジとにより算出されるスコアを用いて、さらにノードを分類することにより、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第３生成部１３４は、第２分類情報に含まれるクラスタ毎に算出されるスコアに基づいて、スコアが所定の条件を満たすノードが各クラスタに含まれる第３分類情報を生成する。

これにより、実施形態に係る生成装置１００は、第２分類に基づいて算出された第２分類ごとの各ノードのスコアに基づく順位（ランキング）が上位のノードをその第２分類に含まれるノードとして分類することにより、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第３生成部１３４は、ノードから選択されたシードノードからのエッジの連結に基づいて、第３分類情報を生成する。

これにより、実施形態に係る生成装置１００は、ノードから選択されたシードノードからのエッジの連結に基づいて、ノードを分類することにより、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、取得部１３１は、ネットワーク上におけるユーザの各々に対応する複数のノードと、ネットワーク上における情報通信に関する対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する。

これにより、実施形態に係る生成装置１００は、ネットワーク上におけるユーザの各々に対応する複数のノードと、ネットワーク上における情報通信に関する対応関係を有するノード間を連結するエッジとを含むグラフ情報に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第１生成部１３２は、ノード間の構造的類似度に基づいて、第１分類情報を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間の構造的類似度に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第１生成部１３２は、ノード間における情報通信の回数に基づいて、第１分類情報を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間の通信回数に基づくグラフの構造的情報に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第２生成部１３３は、ノード間の情報通信に含まれる内容に関する分類に基づいて、第２分類情報を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間において通信された情報の内容に関する分類に基づいて、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

また、実施形態に係る生成装置１００において、第２生成部１３３は、ノード間の情報通信の内容から推定されるトピックを分類として、第２分類情報を生成する。

これにより、実施形態に係る生成装置１００は、グラフにおけるノード間において通信された情報の内容から推定されたトピックによりノードを分類することにより、グラフに含まれるノードを適切に分類する分類情報を生成することができる。

〔６．ハードウェア構成〕
上述してきた実施形態に係る生成装置１００は、例えば図１３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１３は、生成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。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または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、所定のネットワークＮ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所定のネットワークＮ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また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が実施形態に係る生成装置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。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、他の装置から所定のネットワークＮを介してこれらのプログラムを取得してもよい。

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、発明の開示の行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。

〔７．その他〕
また、上記各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。例えば、各図に示した各種情報は、図示した情報に限られない。

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。例えば、第１分類情報を生成する装置と、第２分類情報を生成する装置と、第３分類情報を生成する装置とは別体であってもよい。

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。

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、取得部は、取得手段や取得回路に読み替えることができる。

１００ 生成装置
１２１ 通信回数情報記憶部
１２２ 通信内容情報記憶部
１２３ トピック記憶部
１２４ スコア情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 第１生成部
１３３ 第２生成部
１３４ 第３生成部
１３５ 送信部

Claims (14)

1. ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得部と、
   前記取得部により取得された前記グラフ情報における前記複数のノード間のエッジの連結と、各ノードに対応する各主体間における所定の行動が多い程大きくなる重み値であって、２つのノードの組合せごとに算出される重み値と、に基づいてノードを分類する第１分類情報を生成する第１生成部と、
   前記第１生成部により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成部と、
   を備えたことを特徴とする生成装置。
2. ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得部と、
   前記取得部により取得された前記グラフ情報における前記複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報を生成する第１生成部と、
   前記第１生成部により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成部と、
   前記第２分類情報と、前記ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報を生成する第３生成部と、
   を備えたことを特徴とする生成装置。
3. 前記第２分類情報と、前記ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報を生成する第３生成部、
   をさらに備えることを特徴とする請求項１に記載の生成装置。
4. 前記第３生成部は、
   前記第２分類情報に含まれるクラスタ毎に算出される前記スコアに基づいて、前記スコアが所定の条件を満たすノードが各クラスタに含まれる前記第３分類情報を生成する
   ことを特徴とする請求項２または請求項３に記載の生成装置。
5. 前記第３生成部は、
   前記ノードから選択されたシードノードからのエッジの連結の情報を用いて算出される前記スコアに基づいて、前記第３分類情報を生成する
   ことを特徴とする請求項２〜４のいずれか１項に記載の生成装置。
6. 前記取得部は、
   ネットワーク上におけるユーザの各々に対応する複数のノードと、前記ネットワーク上における情報通信に関する対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する
   ことを特徴とする請求項１〜５のいずれか１項に記載の生成装置。
7. 前記第１生成部は、
   前記ノード間の構造的類似度に基づいて、前記第１分類情報を生成する
   ことを特徴とする請求項６に記載の生成装置。
8. 前記第１生成部は、
   前記ノード間における前記情報通信の回数に基づいて、前記第１分類情報を生成する
   ことを特徴とする請求項６または請求項７に記載の生成装置。
9. 前記第２生成部は、
   前記ノード間の情報通信に含まれる内容に関する分類に基づいて、前記第２分類情報を生成する
   ことを特徴とする請求項６〜８のいずれか１項に記載の生成装置。
10. 前記第２生成部は、
    前記ノード間の情報通信の内容から推定されるトピックを分類として、前記第２分類情報を生成する
    ことを特徴とする請求項９に記載の生成装置。
11. コンピュータが実行する生成方法であって、
    ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得工程と、
    前記取得工程により取得された前記グラフ情報における前記複数のノード間のエッジの連結と、各ノードに対応する各主体間における所定の行動が多い程大きくなる重み値であって、２つのノードの組合せごとに算出される重み値と、に基づいてノードを分類する第１分類情報を生成する第１生成工程と、
    前記第１生成工程により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成工程と、
    を含むことを特徴とする生成方法。
12. ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得手順と、
    前記取得手順により取得された前記グラフ情報における前記複数のノード間のエッジの連結と、各ノードに対応する各主体間における所定の行動が多い程大きくなる重み値であって、２つのノードの組合せごとに算出される重み値と、に基づいてノードを分類する第１分類情報を生成する第１生成手順と、
    前記第１生成手順により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成手順と、
    をコンピュータに実行させることを特徴とする生成プログラム。
13. コンピュータが実行する生成方法であって、
    ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得工程と、
    前記取得工程により取得された前記グラフ情報における前記複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報を生成する第１生成工程と、
    前記第１生成工程により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成工程と、
    前記第２分類情報と、前記ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報を生成する第３生成工程と、
    を含むことを特徴とする生成方法。
14. ネットワーク上における主体の各々に対応する複数のノードと、所定の対応関係を有するノード間を連結するエッジとを含むグラフ情報を取得する取得手順と、
    前記取得手順により取得された前記グラフ情報における前記複数のノード間のエッジの連結に基づいてノードを分類する第１分類情報を生成する第１生成手順と、
    前記第１生成手順により生成された第１分類情報と、前記所定の対応関係に関する分類とに基づいて、ノードを分類する第２分類情報を生成する第２生成手順と、
    前記第２分類情報と、前記ノード間のエッジとにより算出されるスコアに基づいて、ノードを分類する第３分類情報を生成する第３生成手順と、
    をコンピュータに実行させることを特徴とする生成プログラム。

Images