JP6373767B2 - 話題語ランキング装置、話題語ランキング方法、およびプログラム - Google Patents

Description

本発明は、インターネットの投稿者の偏りを是正した話題語のランキングを作成する話題語ランキング装置、話題語ランキング方法、およびプログラムに関する。

インターネット上では、Ｔｗｉｔｔｅｒ（登録商標）といったミニブログやブログ等のソーシャル・ネットワーキング・サービス（ＳＮＳ）において、不特定多数のユーザがコメントの投稿を介して活発にやり取りをしている。従来、このようなコメントから抽出したキーワードから盛り上がっている話題を分析し、話題のランキングをリアルタイムにユーザに提供する技術がある（非特許文献１参照）。

また、Ｙａｈｏｏ（登録商標）といった検索エンジンの検索結果を利用して、リアルタイム時系列検索数を集計し、急に検索数が増加したキーワードをランキング形式して話題のランキングを提供する技術も提案されている（特許文献１参照）。更に、情報検索結果に基づき作成されたランキングを、ユーザの検索結果履歴に基づいて修正する技術も提案されている（特許文献２参照）。

特開２０１３−１１９９８号公報 特開２０１３−１７８８３１号公報

ＢＩＧＬＯＢＥ、「ついっぷるトレンド」、インターネット［ＵＲＬ：ｈｔｔｐ：／／ｔｒ．ｔｗｉｐｐｌｅ．ｊｐ／］、＜平成２７年１月２０日検索＞

ところで、インターネット上の投稿にはアニメやＩＴといった特定ジャンルの投稿が多く、インターネットの投稿者には偏りがある。そのため、非特許文献１、特許文献１、および特許文献２のいずれの技術により作成した、インターネット上の話題のキーワードランキングでは、特定ジャンルのキーワードが上位となり、それ以外のジャンルのキーワードは上位になりにくかった。その結果、インターネット上の話題のキーワードランキングは、世間の話題とはずれが生じているという問題点があった。

そこで、本発明は、上記課題に鑑み、インターネットの投稿者の偏りを是正して、世間の話題に合ったキーワードのランキングを作成する話題語ランキング装置、話題語ランキング方法、およびプログラムに関する。

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、インターネット上の話題語のランキングを作成する話題語ランキング装置であって、前記インターネットへ投稿されたコメントを収集する収集手段（例えば、図１の収集部１１０に相当）と、前記収集手段で収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する話題語抽出手段（例えば、図１の話題語抽出部１４０に相当）と、前記話題語抽出手段で抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する話題語クラスタ特定手段（例えば、図１の話題語クラスタ特定部１５０に相当）と、前記話題語抽出手段で抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記話題語クラスタ特定手段で特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、前記話題語をランキングするランキング手段（例えば、図１のランキング部１６０に相当）と、を備えることを特徴とする話題語ランキング装置を提案している。

（２） 本発明は、（１）の話題語ランキングにおいて、前記収集手段で収集したコメントを蓄積する蓄積手段（例えば、図１の蓄積部１２０に相当）と、前記蓄積手段に蓄積されたコメントに基づいて、予め設定された前記クラスタの情報に基づいて当該クラスタに投稿者を分類し、全分類投稿者数と当該クラスタの投稿者数とに基づいて人数比率を算出して、前記投稿者分布情報を作成する投稿者クラスタ分類手段（例えば、図１の投稿者クラスタ分類部１３０に相当）と、を備えることを特徴とする話題語ランキング装置を提案している。

（３） 本発明は、（１）の話題語ランキングにおいて、前記収集手段で収集したコメントを蓄積する蓄積手段（例えば、図１の蓄積部１２０に相当）と、前記蓄積手段に蓄積されたコメントに基づいて、前記投稿者をクラスタリングして生成したクラスタの情報を抽出し、全分類投稿者数と当該クラスタの投稿者数とに基づいて人数比率を算出して、前記投稿者分布情報を作成する投稿者クラスタ分類手段（例えば、図１の投稿者クラスタ分類部１３０に相当）と、を備えることを特徴とする話題語ランキング装置を提案している。

（４） 本発明は、（３）の話題語ランキング装置において、前記投稿者クラスタ分類手段は、前記蓄積手段に蓄積されたコメントを参照して、潜在的意味解析に基づくトピック類似度、または単語類似度を利用して、前記投稿者をクラスタリングすることを特徴とする話題語ランキング装置を提案している。

（５） 本発明は、（２）から（４）の話題語ランキング装置において、前記投稿者クラスタ分類手段が、所定期間に所定数以上の投稿を行っているアクティブ投稿者を分類対象とすることを特徴とする話題語ランキング装置を提案している。

（６） 本発明は、（２）から（５）の話題語ランキング装置において、前記話題語クラスタ特定手段が、前記蓄積手段に蓄積されたコメントを参照して、前記クラスタに分類された投稿者のコメントから特徴語を抽出し、前記話題語を抽出した特徴語に含む前記クラスタを、当該話題語のクラスタとして特定することを特徴とする話題語ランキング装置を提案している。

（７） 本発明は、（２）から（６）の話題語ランキング装置において、前記話題語クラスタ特定手段が、前記蓄積手段に蓄積されたコメントを参照して、潜在的意味解析に基づくトピック類似度、または単語類似度を利用して、前記話題語のクラスタを特定することを特徴とする話題語ランキング装置を提案している。

（８） 本発明は、（１）から（７）の話題語ランキング装置において、前記ランキング手段が、前記抽出した話題語の出現頻度を、当該話題語について前記話題語クラスタ特定手段で特定したクラスタの人数比率で割った値を前記補正値として、当該補正値に基づいて前記話題語をランキングすることを特徴とする話題語ランキング装置を提案している。

（９） 本発明は、（１）から（８）の話題語ランキング装置において、前記話題語抽出手段が、前回算出した単語の出現頻度と今回算出した単語の出現頻度とを比較し、出現頻度が増加している単語を話題語として抽出することを特徴とする話題語ランキング装置を提案している。

（１０） 本発明は、（１）の話題語ランキング装置において、前記投稿者分布情報は、前記インターネットの利用者の行動履歴や公開情報を含む利用者情報に基づいて作成されることを特徴とする話題語ランキング装置を提案している。

（１１） 本発明は、インターネット上の話題語のランキングを作成する話題語ランキング装置における話題語ランキング方法であって、前記話題語ランキング装置は、収集手段、話題抽出手段、話題語クラスタ特定手段、およびランキング手段を備え、前記収集手段が、前記インターネットへ投稿されたコメントを収集する第１のステップ（図６のステップＳ１に相当）と、前記話題抽出手段が、前記第１のステップで収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する第２のステップ（図６のステップＳ４に相当）と、前記話題語クラスタ特定手段が、前記第２のステップで抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する第３のステップ（図６のステップＳ５に相当）と、前記ランキング手段が、前記第２のステップで抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記第３のステップで特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、当該話題語をランキングする第４のステップ（図６のステップＳ６に相当）と、を含むことを特徴とする話題語ランキング方法を提案している。

（１２） 本発明は、インターネット上の話題語のランキングを作成する話題語ランキング装置における話題語ランキング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、前記話題語ランキング装置は、収集手段、話題抽出手段、話題語クラスタ特定手段、およびランキング手段を備え、前記収集手段が、前記インターネットへ投稿されたコメントを収集する第１のステップ（図６のステップＳ１に相当）と、前記話題抽出手段が、前記第１のステップで収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する第２のステップ（図６のステップＳ４に相当）と、前記話題語クラスタ特定手段が、前記第２のステップで抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する第３のステップ（図６のステップＳ５に相当）と、前記ランキング手段が、前記第２のステップで抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記第３のステップで特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、当該話題語をランキングする第４のステップ（図６のステップＳ６に相当）と、をコンピュータに実行させることを特徴とするプログラムを提案している。

本発明によれば、インターネットの投稿者の偏りを是正して、世間の話題に合ったキーワードのランキングを作成することができる。

本発明の第１の実施形態に係る話題語ランキング装置の機能構成を示す図である。 本発明の第１の実施形態に係る投稿者分布情報の一例を示す図である。 本発明の第１の実施形態に係る話題語の抽出結果の一例を示す図である。 本発明の第１の実施形態に係る話題語の補正値の一例を示す図である。 本発明の第１の実施形態に係るランキング結果と従来のランキング結果を対比した図である。 本発明の第１の実施形態に係る話題語ランキング装置における話題語ランキング処理フローを示す図である。 本発明の第２の実施形態に係る話題語ランキング装置の機能構成を示す図である。

以下、図面を用いて、本発明の実施形態につ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は、本発明の第１の実施形態に係る話題語ランキング装置１００の機能構成を示す図である。話題語ランキング装置１００は、インターネット上に投稿されたコメントのみに基づいて、話題語のランキングを作成する装置であって、ミニブログサーバ２００と接続される。

ここで、ミニブログサーバ２００は、Ｔｗｉｔｔｅｒ（登録商標）といった、投稿されたコメントを介して投稿者同士がコミュニケーションを行うサービスを提供するソーシャルネットワークサービス（ＳＮＳ）のサーバである。本実施形態において、ミニブログサーバ２００は１台であるが複数台であってもよく、複数台の場合にはそれぞれ異なるＳＮＳのサーバであってもよい。

図１に示すように、話題語ランキング装置１００は、収集部１１０、蓄積部１２０、投稿者クラスタ分類部１３０、話題語抽出部１４０、話題語クラスタ特定部１５０、およびランキング部１６０を備える。

収集部１１０は、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を介して、ミニブログサーバ２００から、コメントを取得する。コメントは、テキスト文書であって、投稿者を一意に識別する投稿者ＩＤが対応付けられている。収集部１１０は、ランキング作成者の指示に応じてコメントを収集してもよいし、定期的にコメントを収集してもよい。なお、前回の収集時から今回の収集時までに投稿されたコメントのみを収集するのが望ましい。

蓄積部１２０は、収集部１１０で収集したコメントを蓄積する。蓄積部１２０は、記憶容量を超えた場合に古いコメントから順に削除するようにしてもよいし、所定期間経過したコメントを削除するようにしてもよい。

投稿者クラスタ分類部１３０は、蓄積部１２０に蓄積されているコメントに基づいて、蓄積部１２０にコメントが蓄積されている投稿者をクラスタに分類し、クラスタの情報とクラスタの人数比率とを含む投稿者分布情報を作成する。

投稿者クラスタ分類部１３０は、予め設定されたクラスタに投稿者を分類する「教師ありクラスタリング（いわゆるクラス分割）」、または、クラスタが予め設定されずにデータからクラスタを生成して投稿者を自動的に分類する「教師なしクラスタリング」を用いて、投稿者をクラスタに分類する。そして、投稿者クラスタ分類部１３０は、分類された全投稿者数と各クラスタの投稿者数に基づいて各クラスタの人数比率を算出し、クラスタの情報とあわせて投稿者分布情報を作成する。本実施形態において、クラスタの情報には、クラスタを一意に特定するクラスタＩＤと、各クラスタに分類された投稿者ＩＤが含まれる。

投稿者クラスタ分類部１３０が、「教師ありクラスタリング」を用いて、投稿者をクラスタに分類する具体例について説明する。予め設定されたクラスタには、例えば、アニメ、ＩＴ、スポーツ、テレビ・映画、グルメ等の趣味や、２０代、３０代、４０代以上といったように年代といった、投稿者を特徴付ける属性を設定することができる。

「教師ありクラスタリング」において、クラスタと、各クラスタの特徴語（コメントやテキスト文書であってもよい）が予め与えられる。投稿者クラスタ分類部１３０は、与えられた特徴語と予め設定されたクラスタとに基づいて、ＡＩＣ（Ａｋａｉｋｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ）により、蓄積部１２０に蓄積されているコメントから抽出した各クラスタの特徴語からなる学習モデルを作成する。次に、投稿者クラスタ分類部１３０は、蓄積部１２０に蓄積されているコメントから投稿者ＩＤを取得し、投稿者ＩＤ毎に、蓄積部１２０に蓄積されているコメントと作成した学習モデルに基づいて、従来技術（例えば、特開２０１３−１９６０７０号公報に記載の技術）を用いて、投稿者をクラスタに分類する。

次に、投稿者クラスタ分類部１３０が、「教師なしクラスタリング」を用いて、投稿者をクラスタに分類する具体例について説明する。投稿者クラスタ分類部１３０は、まず、蓄積部１２０に蓄積されているコメントに基づいて、ＬＤＡ（Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ）に基づくトピック類似度を用いて、投稿者をクラスタに分類し、クラスタを生成する。生成するクラスタの数を限定してもよい。投稿者クラスタ分類部１３０は、生成されたクラスタに、クラスタを一意に識別するクラスタＩＤを付与する。なお、ＬＤＡの代わりに、ＬＳＩ、ｐＬＳＩ等の他の潜在的意味解析手法を用いてもよいし、トピック類似度の代わりに単語類似度を用いてもよい。

「教師なしクラスタリング」では、「教師ありクラスタリング」と比べて、予めクラスタを設定する必要がないという利点とともに、自動的にクラスタが設定されることで潜在的な類似性によって投稿者を分類することができるという利点がある。

図２に、投稿者クラスタ分類部１３０で作成される投稿者分布情報のクラスタＩＤと人数比率とを例示する。クラスタＩＤにはクラスタの特徴を括弧書きで示した。「教師ありクラスタリング」の場合にはクラスタＩＤで示されるクラスタは予め設定されており、一方、「教師なしクラスタリング」の場合には、クラスタＩＤで示されるクラスタは投稿者を分類した結果得られる。

話題語抽出部１４０は、収集部１１０で収集したコメントから、話題語を抽出する。具体的には、まず、話題語抽出部１４０は、収集部１１０で収集したコメントを形態素解析により細分化し、形容詞や名詞といった所定品詞の単語を抽出する。なお、形態素以外の従来技術を用いてもよい。次に、話題語抽出部１４０は、抽出した各単語の出現頻度を算出し、出現頻度の高い単語を話題語として抽出する。所定の出現頻度以上の単語を話題語として抽出してもよいし、出現頻度の高い順に所定数の単語を話題語として抽出してもよい。図３に抽出された話題語の一例を示す。図３において、話題語は出現頻度順に並べており、これが従来の話題語ランキングとなっていた。

また、話題語抽出部１４０は、前回の話題語抽出時に算出した各単語の出現頻度を一時記憶しておき、今回算出した出現頻度と前回算出した出現頻度とから得られる増加率が高い単語を、話題語として抽出してもよい。更に、古いコメントから抽出された単語は軽視し、新しいコメントから抽出された単語を重視するようにして出現頻度を算出してもよい。

話題語クラスタ特定部１５０は、話題語抽出部１４０で抽出された話題語が当てはまるクラスタを、投稿者クラスタ分類部１３０で作成された投稿者分布情報および蓄積部１２０に蓄積されたコメントに基づいて特定する。なお、蓄積部１２０に蓄積されたコメントの代わりに、収集部１１０で収集されたコメントを用いてもよい。

具体的には、まず、話題語クラスタ特定部１５０は、各クラスタに属する投稿者のコメントを、投稿者分布情報のクラスタの情報に含まれる投稿者ＩＤに基づいて蓄積部１２０から取得する。次に、話題語クラスタ特定部１５０は、取得したコメントから形態素解析により所定品詞の単語を抽出し、抽出した単語からＴＦ−ＩＤＦ法等により各クラスタを特徴付ける特徴語を抽出する。そして、話題語抽出部１４０で抽出された話題語を含む特徴語を有するクラスタを、話題語のクラスタとして特定する。

話題語を含む特徴語を有するクラスタが複数ある場合には、各クラスタにおける話題語の重要度、特徴語の抽出にＴＦ−ＩＤＦ法を利用した場合にはＴＦ−ＩＤＦ値、が最も高いクラスタを、話題語のクラスタとして特定する。

また、話題語クラスタ特定部１５０は、話題語を含む特徴語を有するクラスタがない場合には、ＬＤＡといった潜在的意味解析手法に基づくトピック類似度、または、コサイン類似度といった文書間の類似度算出に利用される単語類似度を用いて話題語のクラスタを特定する。なお、話題語クラスタ特定部１５０は、話題語を含む特徴語を有するクラスタの有無を判断せずに、トピック類似度またはコサイン類似度のみを用いて話題語のクラスタを特定してもよい。

投稿者クラスタ分類部１３０で、「教師なしクラスタリング」により投稿者を分類した場合には、潜在的意味解析手法に基づくトピック類似度を用いて、話題語のクラスタを特定するのが望ましい。具体的には、話題語クラスタ特定部１５０は、各クラスタに属する投稿者のコメントを、投稿者分布情報のクラスタの情報に含まれる投稿者ＩＤに基づいて蓄積部１２０から取得する。そして、各クラスタに属する投稿者のコメントのＬＤＡ解析の結果と、話題語を含むコメントのＬＤＡ解析の結果のトピック類似度とに基づいて、話題語のクラスタを特定する。

一方、投稿者クラスタ分類部１３０で、「教師ありクラスタリング」により投稿者を分類した場合には、文書間の類似度算出に利用される単語類似度を用いて、話題語のクラスタを特定するのが望ましい。具体的には、話題語クラスタ特定部１５０は、各クラスタに属する投稿者のコメントを、投稿者分布情報のクラスタの情報に含まれる投稿者ＩＤに基づいて蓄積部１２０から取得する。そして、各クラスタに属する投稿者のコメントと話題語を含むコメントとの間のコサイン類似度に基づいて、話題語のクラスタを特定する。

ランキング部１６０は、話題語抽出部１４０で抽出した話題語の出現頻度を、話題語クラスタ特定部１５０で特定された話題語が属するクラスタの人数比率で補正した補正値に基づいて、話題語をランキングする。具体的には、ランキング部１６０は、話題語抽出部１４０で抽出された話題語の出現頻度を、話題語クラスタ特定部１５０で特定された話題語が属するクラスタの人数比率で割った値を、補正値として算出する。

図２に示す投稿者分布情報と図３に示す話題語抽出結果を利用して算出した各話題語の補正値を図４に示す。図４には、話題語クラスタ特定部１５０で特定された各話題語のクラスタも合わせて示す。また、図５には、従来の話題語ランキングである図３の話題語抽出結果と、図４の補正値による話題語のランキングの対比を示す。このように、話題語の出現頻度を話題語のクラスタの人数比率で補正することで、投稿者の偏り、本例ではアニメに投稿者が偏っていることによりランキング１位、２位となっていた話題語を世間に合った適正な順位に修正されたことがわかる。

出現頻度を人数比率で補正した補正値により話題語をランキングすることにより、コメントの重さ、すなわち、母集団の大きいグループのコメントよりも母集団の小さいグループのコメントに価値があることが考慮されたランキングとなる。その結果、投稿者の偏りが是正され、世間にあった話題語のランキングを作成することができる。

図６は、本実施形態に係る話題語ランキング装置１００における話題語ランキング処理フローを示す図である。

まず、ステップＳ１において、収集部１１０は、ミニブログサーバ２００からコメントを収集する。

次に、ステップＳ２において、蓄積部１２０は、ステップＳ１で収集されたコメントを蓄積する。

次に、ステップＳ３において、投稿者クラスタ分類部１３０は、蓄積部１２０に蓄積されているコメントに基づいて、蓄積部１２０にコメントが蓄積されている投稿者をクラスタに分類し、投稿者分布情報を作成する。なお、ステップＳ３は、後述するステップＳ４と同時または後であってもよい。

次に、ステップＳ４において、話題語抽出部１４０は、ステップＳ１で収集したコメントから話題語を抽出する。

次に、ステップＳ５において、話題語クラスタ特定部１５０は、ステップＳ３で作成された投稿者分布情報と蓄積部１２０に蓄積されているコメントとに基づいて、ステップＳ３で投稿者を分類したクラスタの中から、ステップＳ４で抽出した話題語が当てはまるクラスタを特定する。

次に、ステップＳ６において、ランキング部１６０は、ステップＳ４で抽出した話題語の出現頻度を、ステップＳ５で特定した話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、話題語をランキングする。

以上、説明したように、本実施形態によれば、インターネットの投稿者の偏りを是正して、世間の話題に合ったキーワードのランキングを作成することができる。

＜第２の実施形態＞
図７を用いて、本発明の第２の実施形態について説明する。本実施形態においては、話題語ランキング装置は、投稿者分布情報に外部情報を用いる。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、同一の機能を有することから、その詳細な説明は省略する。

図７は、本発明の第１の実施形態に係る話題語ランキング装置１０１の機能構成を示す図である。話題語ランキング装置１０１は、インターネット上のコメントに基づいて、話題語のランキングを作成する装置であって、ミニブログサーバ２００および外部利用者分布情報サーバ３００と接続される。

外部利用者分布情報サーバ３００は、インターネット利用者の行動履歴や公開情報といったインターネット上の利用者に関する情報（以下、利用者情報）を少なくとも蓄積しているサーバであって、いわゆるビッグデータを蓄積するサーバであってもよい。ここで、行動履歴とは、コンテンツの検索履歴、コンテンツの閲覧・視聴履歴、商品の購入履歴、インターネット上での入力アンケート等である。また、公開情報とは、ＳＮＳ等に公開しているプロフィールや交友関係情報等である。

外部利用者分布情報サーバ３００は、蓄積している利用者情報に基づいて、インターネット利用者をクラスタに分類し、クラスタの情報とクラスタの人数比率とを含む利用者分布情報を作成する。クラスタ分類や利用者投稿情報の作成方法は、第１の実施形態の投稿者クラスタ分類部１３０で説明したとおりである。本実施形態においては、作成された利用者分布情報を第１の実施形態の投稿者分布情報として利用する。なお、外部利用者分布情報サーバ３００が、利用者情報を蓄積する機能のみの場合には、話題語ランキング装置１０１は、第１の実施形態の投稿者クラスタ分類部１３０を備え、投稿者クラスタ分類部１３０で外部利用者分布情報サーバ３００から取得した利用者情報に基づいて、利用者のクラスタ分類や利用者分布情報の作成を行う。

図７に示すように、話題語ランキング装置１０１は、収集部１１０、話題語抽出部１４０、話題語クラスタ特定部１５１、およびランキング部１６１を備える。話題語クラスタ特定部１５１およびランキング部１６１は、外部利用者分布情報サーバ３００から利用者分布情報を取得し、外部利用者分布情報サーバ３００から取得した利用者分布情報を投稿者分布情報の代わりに用いる点以外は、第１の実施形態の話題語クラスタ特定部１５０およびランキング部１６０と同様である。

以上、説明したように、本実施形態によれば、ＳＮＳのコメント以外のインターネット利用者の様々な情報を用いて、クラスタ分類の精度を向上させることで、投稿者の偏りをより正確に把握することができる。その結果、世間の話題により合致したキーワードのランキングを作成することができる。

なお、話題語ランキング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話題語ランキングに読み込ませ、実行することによって本発明の話題語ランキング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。更に、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合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。

１００，１０１ 話題語ランキング装置
１１０ 収集部
１２０ 蓄積部
１３０ 投稿者クラスタ分類部
１４０ 話題語抽出部
１５０，１５１ 話題語クラスタ特定部
１６０，１６１ ランキング部
２００ ミニブログサーバ
３００ 外部利用者分布情報サーバ

Claims (12)

1. インターネット上の話題語のランキングを作成する話題語ランキング装置であって、
   前記インターネットへ投稿されたコメントを収集する収集手段と、
   前記収集手段で収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する話題語抽出手段と、
   前記話題語抽出手段で抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する話題語クラスタ特定手段と、
   前記話題語抽出手段で抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記話題語クラスタ特定手段で特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、当該話題語をランキングするランキング手段と、
   を備えることを特徴とする話題語ランキング装置。
2. 前記収集手段で収集したコメントを蓄積する蓄積手段と、
   前記蓄積手段に蓄積されたコメントを参照して、予め設定された前記クラスタの情報に基づいて当該クラスタに投稿者を分類し、全分類投稿者数と当該クラスタの投稿者数とに基づいて人数比率を算出して、前記投稿者分布情報を作成する投稿者クラスタ分類手段と、
   を備えることを特徴とする請求項１に記載の話題語ランキング装置。
3. 前記収集手段で収集したコメントを蓄積する蓄積手段と、
   前記蓄積手段に蓄積されたコメントを参照して、前記投稿者をクラスタ分類して生成したクラスタの情報を抽出し、全分類投稿者数と当該クラスタの投稿者数とに基づいて人数比率を算出して、前記投稿者分布情報を作成する投稿者クラスタ分類手段と、
   を備えることを特徴とする請求項１に記載の話題語ランキング装置。
4. 前記投稿者クラスタ分類手段は、前記蓄積手段に蓄積されたコメントを参照して、潜在的意味解析に基づくトピック類似度、または単語類似度を利用して、前記投稿者をクラスタリングすることを特徴とする請求項３に記載の話題語ランキング装置。
5. 前記投稿者クラスタ分類手段が、所定期間に所定数以上の投稿を行っているアクティブ投稿者を分類対象とすることを特徴とする請求項２から請求項４のいずれかに記載の話題語ランキング装置。
6. 前記話題語クラスタ特定手段が、前記蓄積手段に蓄積されたコメントを参照して、前記クラスタに分類された投稿者のコメントから特徴語を抽出し、前記話題語を抽出した特徴語に含む前記クラスタを、当該話題語のクラスタとして特定することを特徴とする請求項２から請求項５のいずれかに記載の話題語ランキング装置。
7. 前記話題語クラスタ特定手段が、前記蓄積手段に蓄積されたコメントを参照して、潜在的意味解析に基づくトピック類似度、または単語類似度を利用して、前記話題語のクラスタを特定することを特徴とする請求項２から請求項６のいずれかに記載の話題語ランキング装置。
8. 前記ランキング手段が、前記抽出した話題語の出現頻度を、当該話題語について前記話題語クラスタ特定手段で特定したクラスタの人数比率で割った値を前記補正値として、当該補正値に基づいて前記話題語をランキングすることを特徴とする請求項１から請求項７のいずれかに記載の話題語ランキング装置。
9. 前記話題語抽出手段が、前回算出した単語の出現頻度と今回算出した単語の出現頻度とを比較し、出現頻度が増加している単語を話題語として抽出することを特徴とする請求項１から請求項８のいずれかに記載の話題語ランキング装置。
10. 前記投稿者分布情報は、前記インターネットの利用者の行動履歴や公開情報を含む利用者情報に基づいて作成されることを特徴とする請求項１に記載の話題語ランキング装置。
11. インターネット上の話題語のランキングを作成する話題語ランキング装置における話題語ランキング方法であって、
    前記話題語ランキング装置は、収集手段、話題語抽出手段、話題語クラスタ特定手段、およびランキング手段を備え、
    前記収集手段が、前記インターネットへ投稿されたコメントを収集する第１のステップと、
    前記話題語抽出手段が、前記第１のステップで収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する第２のステップと、
    前記話題語クラスタ特定手段が、前記第２のステップで抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する第３のステップと、
    前記ランキング手段が、前記第２のステップで抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記第３のステップで特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、当該話題語をランキングする第４のステップと、
    を含むことを特徴とする話題語ランキング方法。
12. インターネット上の話題語のランキングを作成する話題語ランキング装置における話題語ランキング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、
    前記話題語ランキング装置は、収集手段、話題語抽出手段、話題語クラスタ特定手段、およびランキング手段を備え、
    前記収集手段が、前記インターネットへ投稿されたコメントを収集する第１のステップと、
    前記話題語抽出手段が、前記第１のステップで収集されたコメントに含まれる単語の出現頻度に基づいて、話題語を抽出する第２のステップと、
    前記話題語クラスタ特定手段が、前記第２のステップで抽出した話題語が、投稿者を分類したクラスタの情報および当該クラスタの人数比率含む投稿者分布情報と、前記収集手段で収集されたコメントと、を参照して当該話題語が当てはまるクラスタを特定する第３のステップと、
    前記ランキング手段が、前記第２のステップで抽出した話題語の出現頻度を、前記投稿者分布情報を参照して、前記第３のステップで特定した当該話題語が当てはまるクラスタの人数比率で補正した補正値に基づいて、当該話題語をランキングする第４のステップと、
    をコンピュータに実行させることを特徴とするプログラム。

Images