JP7059811B2 - 情報処理方法および情報処理装置 - Google Patents

Description

本発明は、複数の事象の間の相関を評価するための技術に関する。

複数の事象の間の相関を評価するための各種の技術が従来から提案されている。例えば特許文献１には、利用者が選択した楽曲に相関する他の楽曲を当該利用者に提案する技術が開示されている。楽曲間の相関は、演奏速度，調性，アーティストおよびジャンル等の類似の度合に応じて評価される。

特開２０１５－１７０２６４号公報

例えば各種の事象を適切に評価するためには、各事象を多様な観点から適切に表現する特徴量の生成が重要である。以上の事情を考慮して、本発明の好適な態様は、各種の事象の特徴を適切に表現する情報を提供することを目的とする。

以上の課題を解決するために、本発明の好適な態様に係る情報処理方法は、特定のアーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとを生成し、前記アーティストに関する特徴情報を前記第１ベクトルと前記第２ベクトルとに応じて生成する。また、本発明の他の態様に係る情報処理方法は、第１アーティストおよび第２アーティストの各々について、当該アーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとに応じた特徴情報を特定し、前記第１アーティストの特徴情報と前記第２アーティストの特徴情報との間の相関の度合を表す第１相関指標を算定する。

本発明の好適な態様に係る情報処理装置は、特定のアーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとを生成する言語解析部と、前記アーティストに関する特徴情報を前記第１ベクトルと前記第２ベクトルとに応じて生成する情報生成部とを具備する。また、本発明の他の態様に係る情報処理装置は、第１アーティストおよび第２アーティストの各々について、当該アーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとに応じた特徴情報を特定する情報特定部と、前記第１アーティストの特徴情報と前記第２アーティストの特徴情報との間の相関の度合を表す第１相関指標を算定する第１相関解析部とを具備する。

本発明の第１実施形態に係る情報処理装置の構成を例示するブロック図である。 情報処理装置の機能的な構成を例示するブロック図である。 言語解析部が実行する処理の説明図である。 制御装置が実行する処理の手順を例示するフローチャートである。 特徴情報の散布図である。 第２実施形態における情報処理装置の機能的な構成を例示するブロック図である。 第２実施形態の制御装置が実行する処理の手順を例示するフローチャートである。 第３実施形態における情報処理装置の機能的な構成を例示するブロック図である。 第２実施形態の制御装置が実行する処理の手順を例示するフローチャートである。

＜第１実施形態＞
図１は、本発明の第１実施形態に係る情報処理装置１００の構成を例示するブロック図である。図１に例示される通り、第１実施形態の情報処理装置１００は、制御装置１１と記憶装置１２と表示装置１３と入力装置１４とを具備するコンピュータシステムである。例えば携帯電話機，スマートフォン，タブレット端末，またはパーソナルコンピュータ等の各種の情報端末が、情報処理装置１００として好適に利用される。

表示装置１３は、例えば液晶表示パネルで構成され、制御装置１１から指示された画像を表示する。入力装置１４は、利用者からの指示を受付ける入力機器である。具体的には、利用者が操作可能な操作子、または、表示装置１３の表示面に対する接触を検知するタッチパネルが、入力装置１４として好適に利用される。利用者からの音声入力を受付ける収音装置を入力装置１４として利用してもよい。利用者は、入力装置１４を利用して、特定のアーティスト（以下「指定アーティスト」という）の名称Ｎを指定する。第１実施形態における「アーティスト」は、音楽を実演する者（すなわちミュージシャン）である。例えば楽曲を歌唱または演奏する個人またはグループがアーティストの典型例である。

制御装置１１は、例えばＣＰＵ（Central Processing Unit）等の処理回路であり、情報処理装置１００の各要素を統括的に制御する。第１実施形態の制御装置１１は、指定アーティストに関する特徴情報を生成する。特徴情報は、アーティストの属性，印象，性向等の特徴を表す情報である。

記憶装置１２は、制御装置１１が実行するプログラムと制御装置１１が使用する各種のデータとを記憶する。例えば磁気記録媒体もしくは半導体記録媒体等の公知の記録媒体、または複数種の記録媒体の組合せで記憶装置１２は構成される。なお、情報処理装置１００とは別体の記憶装置１２を用意し、制御装置１１が通信網を介して記憶装置１２に対する書込および読出を実行してもよい。すなわち、記憶装置１２を情報処理装置１００から省略してもよい。

図２は、情報処理装置１００の機能的な構成を例示するブロック図である。図２に例示される通り、制御装置１１は、記憶装置１２に記憶されたプログラムを実行することで、指定アーティストの特徴情報Ｆを生成する解析処理部２０を実現する。なお、相互に別体で構成された複数の装置で制御装置１１の機能を実現してもよいし、制御装置１１の機能の一部または全部を専用の電子回路で実現してもよい。図２に例示される通り、解析処理部２０は、言語解析部２１および情報生成部２２を含んで構成される。

図３は、言語解析部２１が実行する処理の説明図である。図２および図３に例示される通り、言語解析部２１は、指定アーティストに関する文章を表現するベクトル（第１ベクトルＶ1および第２ベクトルＶ2）を生成する。第１実施形態の言語解析部２１は、指定アーティストに関する第１ベクトルＶ1を生成する第１解析部３０と、指定アーティストに関する第２ベクトルＶ2を生成する第２解析部４０とを含んで構成される。

第１解析部３０が生成する第１ベクトルＶ1は、指定アーティストを解説する文章（以下「解説文」という）Ｍ1を表現するベクトルである。解説文Ｍ1は、例えば指定アーティストについて特定の解説サイトまたは辞書サイトに登録された文章である。解説サイトは、例えば指定アーティストが公式に解説したサイト（いわゆる公式ホームページ）である。また、辞書サイトは、各種の事柄の定義または説明が掲載されたオンライン辞書である。

他方、第２解析部４０が生成する第２ベクトルＶ2は、指定アーティストについて投稿された文章（以下「投稿文」という）Ｍ2を表現するベクトルである。投稿文Ｍ2は、例えば指定アーティストのファン等の利用者が指定アーティストについて特定の投稿サイトに投稿した文章である。具体的には、投稿文Ｍ2は、指定アーティストに関する感想，評価，意見または印象等の主観を表す文章である。以上に説明した通り、第１ベクトルＶ1で表現される解説文Ｍ1は、指定アーティストに関する客観的な情報であり、第２ベクトルＶ2で表現される投稿文Ｍ2は、指定アーティストに関する主観的な情報である。なお、解説文Ｍ1も、任意の利用者が投稿した情報であり得る。

図２に例示される通り、第１解析部３０は、第１情報取得部３１と第１言語処理部３２とを含んで構成される。第１情報取得部３１は、指定アーティストの解説文Ｍ1を取得する。具体的には、第１情報取得部３１は、利用者が指定した指定アーティストの名称Ｎについて解説サイトまたは辞書サイト等の特定のサイトに登録された解説文Ｍ1を、当該サイトを提供するサーバ（例えばウェブサーバ）から取得する。

第１言語処理部３２は、第１情報取得部３１が取得した解説文Ｍ1から第１ベクトルＶ1を特定する。第１ベクトルＶ1は、解説文Ｍ1の意味に応じて言語空間内に規定されるＫ1次元ベクトルである（Ｋ1は２以上の自然数）。例えばニューラルネットワーク等の統計的推定モデルが第１言語処理部３２として利用される。具体的には、Quoc Le, Tomas Mikolov, "Distributed Representations of Sentences and Documents," CoRR, abs/1405.4053, p.1-9, 2014に記載されたParagraph Vector等の統計的推定モデルが、第１言語処理部３２として好適である。Paragraph Vectorについては、文章の語順を加味するPV-DM（Paragraph Vector - Distributed Memory）と、文章の語順を加味しないPV-DBOW（Paragraph Vector - Distributed Bag-of-words）モデルとの何れを利用してもよい。

図２の第２解析部４０は、第２情報取得部４１と第２言語処理部４２と平均処理部４３とを含んで構成される。第２情報取得部４１は、指定アーティストの投稿文Ｍ2を取得する。具体的には、第２情報取得部４１は、指定アーティストの名称Ｎと「レビュー」または「感想」等の単語とを特定の検索サイトにより検索したときに検索結果の上位に位置する所定個の投稿サイトから複数の投稿文Ｍ2を取得する。

第２言語処理部４２は、第２情報取得部４１が取得した複数の投稿文Ｍ2の各々から投稿ベクトルＶ0を特定する。投稿ベクトルＶ0は、投稿文Ｍ2の意味に応じて言語空間内に規定されるＫ2次元ベクトルである（Ｋ2は２以上の自然数）。第１言語処理部３２と同様に、例えばParagraph Vector等の統計的推定モデルが第２言語処理部４２として好適に利用される。第１ベクトルＶ1の次元数Ｋ1と第２ベクトルＶ2の次元数Ｋ2との異同は不問である。なお、第１言語処理部３２および第２言語処理部４２に共通の統計的推定モデルを利用してもよい。

平均処理部４３は、複数の投稿文Ｍ2から特定された複数の投稿ベクトルＶ0に応じた第２ベクトルＶ2を生成する。具体的には、平均処理部４３は、複数の投稿ベクトルＶ0を平均することで第２ベクトルＶ2を生成する。なお、以上の説明では、相異なる投稿文Ｍ2に対応する複数の投稿ベクトルＶ0を生成する構成を例示したが、第２情報取得部４１が取得した１個の投稿文Ｍ2を表現する第２ベクトルＶ2を第２情報取得部４１が特定してもよい。すなわち、平均処理部４３を省略してもよい。

図２の情報生成部２２は、言語解析部２１が生成した第１ベクトルＶ1と第２ベクトルＶ2とに応じた特徴情報Ｆを生成する。第１実施形態の情報生成部２２は、合成処理部５１と次元圧縮部５２とを具備する。

合成処理部５１は、第１ベクトルＶ1と第２ベクトルＶ2とを含む中間ベクトルＶ12を生成する。具体的には、中間ベクトルＶ12は、図３に例示される通り、第１ベクトルＶ1と第２ベクトルＶ2とを連結したＫ次元（Ｋ＝Ｋ1＋Ｋ2）のベクトルである。以上の説明から理解される通り、中間ベクトルＶ12は、指定アーティストの解説文Ｍ1が表す客観的な情報と指定アーティストの投稿文Ｍ2が表す主観的な情報との双方を反映した特徴ベクトルである。

図２の次元圧縮部５２は、合成処理部５１が生成したＫ次元の中間ベクトルＶ12に対する次元圧縮により特徴情報Ｆを生成する。具体的には、次元圧縮部５２は、Ｋ次元の中間ベクトルＶ12を圧縮した２次元のベクトルを特徴情報Ｆとして生成する。次元圧縮部５２による次元圧縮には、t-SNE（t-distributed Stochastic Neighbor Embedding），主成分分析（PCA：Principle Component Analysis），多次元尺度構成法（MDS：Multi Dimensional Scaling），UMAP(Uniform Manifold Approximation and Projection)等の各種の圧縮技術が利用される。以上の説明から理解される通り、特徴情報Ｆは、指定アーティストの解説文Ｍ1が表す客観的な情報と指定アーティストの投稿文Ｍ2が表す主観的な情報との双方を反映した２次元の特徴ベクトルである。

図４は、制御装置１１が指定アーティストの特徴情報Ｆを生成する処理の具体的な手順を例示するフローチャートである。例えば入力装置１４に対する操作で利用者が指定アーティストを指定することを契機として図４の処理（情報処理方法の例示）が開始される。なお、図４の各処理の番号が図３に併記されている。

処理を開始すると、言語解析部２１は、指定アーティストに関する文章を表現する第１ベクトルＶ1と第２ベクトルＶ2とを生成する（Ｓa1～Ｓa3）。具体的には、第１解析部３０は、指定アーティストに関する解説文Ｍ1から第１ベクトルＶ1を生成する（Ｓa1）。第２解析部４０は、指定アーティストに関する各投稿文Ｍ2から投稿ベクトルＶ0を生成し（Ｓa2）、複数の投稿ベクトルＶ0から第２ベクトルＶ2を生成する（Ｓa3）。

情報生成部２２は、言語解析部２１が生成した第１ベクトルＶ1と第２ベクトルＶ2とから特徴情報Ｆを生成する（Ｓa4，Ｓa5）。具体的には、合成処理部５１は、第１ベクトルＶ1と第２ベクトルＶ2とを含む中間ベクトルＶ12を生成し（Ｓa4）、次元圧縮部５２は、中間ベクトルＶ12に対する次元圧縮により特徴情報Ｆを生成する（Ｓa5）。

図５は、複数のアーティストの各々について生成された２次元の特徴情報Ｆを座標平面に図示した散布図である。各特徴情報Ｆはアーティストのジャンル毎に相異なる態様で図示されている。第１実施形態の構成および処理で算定された複数の特徴情報Ｆは、座標平面内においてアーティストのジャンル毎に偏在する。すなわち、特徴情報Ｆがアーティストの特徴を表す情報として適切であることが図５から確認できる。なお、複数のアーティストの各々について第１実施形態の解析処理部２０が生成した特徴情報Ｆを座標平面に図示した図５の散布図を表示装置１３に表示させてもよい。すなわち、複数のアーティストの各々の特徴情報Ｆが可視化される。

以上に説明した通り、第１実施形態では、指定アーティストに関する解説文Ｍ1を表現する第１ベクトルＶ1と、指定アーティストに関する投稿文Ｍ2を表現する第２ベクトルＶ2とに応じて特徴情報Ｆが生成されるから、解説文Ｍ1における客観的な観点と投稿文Ｍ2における主観的な観点との双方から指定アーティストを適切に表現することが可能である。また、第１実施形態では、第１ベクトルＶ1と第２ベクトルＶ2とを含む中間ベクトルＶ12を次元圧縮することで特徴情報Ｆが生成されるから、特徴情報Ｆを利用してアーティストを評価する処理の負荷が軽減されるという利点もある。

＜第２実施形態＞
本発明の第２実施形態を説明する。なお、以下の各例示において機能が第１実施形態と同様である要素については、第１実施形態の説明で使用した符号を流用して各々の詳細な説明を適宜に省略する。

図６は、第２実施形態における情報処理装置１００の機能的な構成を例示するブロック図である。図６に例示される通り、第２実施形態の記憶装置１２は、参照テーブルＴを記憶する。参照テーブルＴは、複数のアーティストの各々（以下「候補アーティスト」という）について名称Ｎと関連情報Ｒと特徴情報Ｆとが登録されたデータテーブルである。各候補アーティストの関連情報Ｒは、当該候補アーティストに関連する情報である。例えば、候補アーティストが出演するライブに関する情報（例えば日時，場所および演奏曲）が関連情報Ｒの好適例である。各候補アーティストの特徴情報Ｆは、当該候補アーティストについて解析処理部２０が生成した情報である。

図６に例示される通り、第２実施形態の制御装置１１は、記憶装置１２に記憶されたプログラムを実行することで、解析処理部２０と情報特定部６１と第１相関解析部６２と表示制御部６３とを含む複数の機能を実現する。解析処理部２０は、第１実施形態と同様の構成であり、任意のアーティストに関する特徴情報Ｆを生成する。

情報特定部６１は、利用者が入力装置１４を利用して指定した指定アーティストの特徴情報Ｆaを特定する。指定アーティストの名称Ｎが参照テーブルＴに登録されている場合、情報特定部６１は、当該指定アーティストの特徴情報Ｆaを参照テーブルＴから取得する。他方、指定アーティストが参照テーブルＴに登録されていない場合、情報特定部６１は、当該指定アーティストの名称Ｎから解析処理部２０が生成した特徴情報Ｆaを取得する。また、情報特定部６１は、複数の候補アーティストの各々について参照テーブルＴから特徴情報Ｆbを特定する。以上の説明から理解される通り、第２実施形態の情報特定部６１は、指定アーティストおよび候補アーティストの各々について、第１ベクトルＶ1と第２ベクトルＶ2とに応じた特徴情報Ｆを特定する。

第１相関解析部６２は、指定アーティストの特徴情報Ｆaと各候補アーティストの特徴情報Ｆbとの相関の度合を表す相関指標Ｘを算定する。複数の候補アーティストの各々について、指定アーティストの特徴情報Ｆaと当該候補アーティストの特徴情報Ｆbとに応じた相関指標Ｘが算定される。相関指標Ｘは、特徴情報Ｆaと特徴情報Ｆbとの距離または相関である。すなわち、解説文Ｍ1または投稿文Ｍ2に使用される語句が指定アーティストと候補アーティストとの間で類似または相違する度合の指標として相関指標Ｘが利用される。第２実施形態の第１相関解析部６２は、特徴情報Ｆaと特徴情報Ｆbとの距離（例えばユークリッド距離）を相関指標Ｘとして算定する。したがって、指定アーティストと候補アーティストとの間で特徴（特に解説文Ｍ1または投稿文Ｍ2に使用される語句の傾向）が類似するほど、相関指標Ｘは小さい数値に設定される。なお、指定アーティストは「第１アーティスト」の例示であり、候補アーティストは「第２アーティスト」の例示である。また、相関指標Ｘは「第１相関指標」の例示である。

表示制御部６３は、複数の候補アーティストの各々について算定された相関指標Ｘに応じて各候補アーティストの関連情報Ｒを表示装置１３に表示させる。具体的には、表示制御部６３は、複数の候補アーティストのうち相関指標Ｘの昇順で上位に位置する所定数の候補アーティストの関連情報Ｒを参照テーブルＴから取得して表示装置１３に表示する。すなわち、指定アーティストに特徴が類似する所定数の候補アーティストについて関連情報Ｒが表示装置１３に表示される。したがって、利用者は、自身が指定した指定アーティストに特徴が類似する各候補アーティストについて、当該候補アーティストが出演するライブの情報を確認することができる。以上の説明から理解される通り、各候補アーティストについて算定された相関指標Ｘは、当該候補アーティストと指定アーティストとの間で特徴が類似または相違する度合を評価するための指標である。

図７は、第２実施形態の制御装置１１が実行する処理の手順を例示するフローチャートである。例えば入力装置１４に対する操作で利用者が指定アーティストを指定することを契機として図７の処理（情報処理方法の例示）が開始される。

処理を開始すると、情報特定部６１は、指定アーティストの特徴情報Ｆaと各候補アーティストの特徴情報Ｆbとを特定する（Ｓb1）。第１相関解析部６２は、複数の候補アーティストの各々について、指定アーティストの特徴情報Ｆaと当該候補アーティストの特徴情報Ｆbとの間で相関指標Ｘを算定する（Ｓb2）。表示制御部６３は、相関指標Ｘに応じて選択した所定数の候補アーティストについて関連情報Ｒを表示装置１３に表示させる（Ｓb3）。

第２実施形態においても第１実施形態と同様の効果が実現される。また、第２実施形態では、アーティストに関する客観的な情報である第１ベクトルＶ1と主観的な情報である第２ベクトルＶ2とから生成された特徴情報Ｆを利用して、指定アーティストと各候補アーティストとの間の相関指標Ｘが算定される。したがって、客観的および主観的な観点から指定アーティストと候補アーティストとの間の相関を適切に評価することが可能である。

＜第３実施形態＞
図８は、第３実施形態における情報処理装置１００の機能的な構成を例示するブロック図である。図８に例示される通り、第３実施形態の記憶装置１２は、名称Ｎと関連情報Ｒと特徴情報Ｆと音楽情報Ｑとが候補アーティスト毎に登録された参照テーブルＴを記憶する。関連情報Ｒおよび特徴情報Ｆの内容は第２実施形態と同様である。

各候補アーティストの音楽情報Ｑは、当該候補アーティストが実演する楽曲の音楽的な特徴を表す情報である。例えば、候補アーティストの代表的な楽曲の調性，各音符の頻度の分布，楽曲内で多用されるコード進行，リズムの種類，演奏に使用される楽曲の種類等の種々の音楽的な特徴を表すベクトルが、音楽情報Ｑとして参照テーブルＴに登録される。

図８に例示される通り、第３実施形態の制御装置１１は、第２実施形態と同様の要素（解析処理部２０，情報特定部６１，第１相関解析部６２および表示制御部６３）に加えて第２相関解析部６４および指標算定部６５として機能する。解析処理部２０は、第１実施形態と同様に、任意のアーティストに関する特徴情報Ｆを生成する。

第２相関解析部６４は、指定アーティストの音楽情報Ｑa（第１音楽情報の例示）と各候補アーティストの音楽情報Ｑb（第２音楽情報の例示）との相関の度合を表す相関指標Ｙを算定する。指定アーティストについては、参照テーブルＴに登録された音楽情報Ｑa、または入力装置１４を利用して利用者が入力した音楽情報Ｑaが利用される。第２相関解析部６４は、複数の候補アーティストの各々について、指定アーティストの音楽情報Ｑaと当該候補アーティストの音楽情報Ｑbとに応じた相関指標Ｙを算定する。例えば、音楽情報Ｑaと音楽情報Ｑbとの距離または相関が相関指標Ｙとして算定される。すなわち、指定アーティストと候補アーティストとの間で楽曲が音楽的に類似または相違する度合の指標として相関指標Ｙが利用される。第３実施形態の第１相関解析部６２は、音楽情報Ｑaと音楽情報Ｑbとの距離（例えばユークリッド距離）を相関指標Ｙとして算定する。したがって、指定アーティストと候補アーティストとの間で楽曲の音楽的な特徴が類似するほど、相関指標Ｙは小さい数値に設定される。相関指標Ｙは「第２相関指標」の例示である。

なお、音楽情報Ｑ（ＱaまたはＱb）を取得する方法は任意である。例えば、複数のアーティストの各々について代表的な楽曲（例えば再生回数が多い楽曲）の音楽情報Ｑを事前に解析してデータベースに登録し、当該データベースを利用して指定アーティストの音楽情報Ｑaと候補アーティストの音楽情報Ｑbとを特定してもよい。すなわち、例えばアーティストの名称Ｎから音楽情報Ｑが自動的に特定される。以上の構成によれば、利用者はアーティストの名称Ｎを指定すれば足り、指定アーティストの音楽情報Ｑaを利用者が入力する必要はない。

指標算定部６５は、第１相関解析部６２が算定した相関指標Ｘと第２相関解析部６４が算定した相関指標Ｙとに応じて評価指標Ｚを算定する。すなわち、複数の候補アーティストの各々について、当該候補アーティストの相関指標Ｘと当該候補アーティストの相関指標Ｙとに応じた評価指標Ｚが算定される。具体的には、例えば以下の数式で表現される通り、指標算定部６５は、相関指標Ｘと相関指標Ｙとの加重和を評価指標Ｚとして算定する。加重値ａおよび加重値ｂは、所定の正数であり、例えば入力装置１４に対する利用者からの指示に応じた可変値に設定される。
Ｚ＝ａＸ＋ｂＹ

各候補アーティストの評価指標Ｚは、指定アーティストと当該候補アーティストとの相関の度合を表す指標である。具体的には、アーティストについて記述された文章（解説文Ｍ1および投稿文Ｍ2）の傾向と楽曲の音楽的な傾向とから、指定アーティストと候補アーティストとが類似または相違する度合を表現する指標である。

表示制御部６３は、複数の候補アーティストの各々について算定された評価指標Ｚに応じて各候補アーティストの関連情報Ｒを表示装置１３に表示させる。具体的には、表示制御部６３は、複数の候補アーティストのうち評価指標Ｚの昇順で上位に位置する所定数の候補アーティストの関連情報Ｒを参照テーブルＴから取得して表示装置１３に表示させる。すなわち、指定アーティストに特徴が類似する所定数の候補アーティストについて関連情報Ｒが表示装置１３に表示される。したがって、利用者は、自身が指定した指定アーティストに特徴が類似する各候補アーティストについて、当該候補アーティストが出演するライブの情報を確認することができる。以上の説明から理解される通り、各候補アーティストについて算定された評価指標Ｚは、当該候補アーティストと指定アーティストとの間で特徴が類似または相違する度合を評価するための指標である。

図９は、第３実施形態の制御装置１１が実行する処理の手順を例示するフローチャートである。例えば入力装置１４に対する操作で利用者が指定アーティストを指定することを契機として図９の処理（情報処理方法の例示）が開始される。

処理を開始すると、情報特定部６１は、指定アーティストの特徴情報Ｆaと各候補アーティストの特徴情報Ｆbとを特定する（Ｓc1）。第１相関解析部６２は、複数の候補アーティストの各々について、指定アーティストの特徴情報Ｆaと当該候補アーティストの特徴情報Ｆbとの間で相関指標Ｘを算定する（Ｓc2）。

第２相関解析部６４は、複数の候補アーティストの各々について、指定アーティストの音楽情報Ｑaと当該候補アーティストの音楽情報Ｑbとの間で相関指標Ｙを算定する（Ｓc3）。なお、相関指標Ｘの算定（Ｓc1，Ｓc2）と相関指標Ｙの算定（Ｓc3）との順序を逆転してもよい。

指標算定部６５は、第１相関解析部６２が算定した相関指標Ｘと第２相関解析部６４が算定した相関指標Ｙとに応じて評価指標Ｚを算定する（Ｓc4）。表示制御部６３は、評価指標Ｚに応じて選択した所定数の候補アーティストについて関連情報Ｒを表示装置１３に表示させる（Ｓc5）。

第３実施形態においても第１実施形態と同様の効果が実現される。また、第３実施形態では、アーティストに関する文章から抽出される客観的および主観的な情報に加えて、アーティストが演奏する楽曲の音楽的な特徴も加味して、指定アーティストと候補アーティストとの間の相関を適切に評価することが可能である。

＜変形例＞
以上に例示した各態様に付加される具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２個以上の態様を、相互に矛盾しない範囲で適宜に併合してもよい。

（１）前述の各形態では、中間ベクトルＶ12に対する次元圧縮で特徴情報Ｆを生成したが、次元圧縮を省略してもよい。例えば第１ベクトルＶ1と第２ベクトルＶ2とを含むＫ次元の中間ベクトルＶ12を情報生成部２２が特徴情報Ｆとして生成してもよい。

（２）例えばインターネット等の通信網を介して端末装置（例えば携帯電話機またはスマートフォン）と通信するサーバ装置により情報処理装置１００を実現してもよい。例えば、情報処理装置１００は、指定アーティストの名称Ｎを端末装置から受信し、当該名称Ｎに対応する特徴情報Ｆを生成して端末装置に送信する。

（３）前述の各形態では、音楽的なアーティストについて特徴情報Ｆを生成したが、解説文Ｍ1および投稿文Ｍ2を取得可能な任意の事象について、同様の構成および処理により特徴情報Ｆを生成することができる。例えば俳優もしくは作家等の著名人、映画もしくは小説等の著作物等、任意の事象について特徴情報Ｆが生成される。

特徴情報Ｆの生成対象をアーティストに限定しない場合、本発明の好適な態様に係る情報処理方法は、特定の事象を解説する文章を表現する第１ベクトルＶ1と、当該事象について投稿された文章を表現する第２ベクトルＶ2とを生成し、第１ベクトルＶ1と第２ベクトルＶ2とに応じて、当該事象を表現する特徴情報Ｆを生成する方法、として表現される。

（４）複数のアーティストの間における相関の指標は、前述の各形態で例示した指標（相関指標Ｘおよび相関指標Ｙ）に限定されない。例えば、各利用者が自分の知人または興味のある他者を選択的に登録（いわゆるフォロー）できるＳＮＳ（Social Networking Service）を想定する。各利用者が自分の嗜好に応じて登録した複数のアーティストは、属性または性向等が相互に類似する可能性が高いという傾向がある。以上の傾向を考慮すると、指定アーティストを登録した利用者のうち候補アーティストも登録している利用者（共通フォロワー）の比率を、指定アーティストと候補アーティストとの間の相関指標として利用してもよい。以上に例示した相関指標は、前述の各形態で例示した相関指標Ｘまたは相関指標Ｙとともに利用される。

（５）前述の各形態に係る情報処理装置１００の機能は、コンピュータ（例えば制御装置１１）とプログラムとの協働により実現される。本発明の好適な態様に係るプログラムは、特定のアーティストを解説する文章を表現する第１ベクトルＶ1と、当該アーティストについて投稿された文章を表現する第２ベクトルＶ2とを生成する言語解析部２１、および、アーティストを表現する特徴情報Ｆを第１ベクトルＶ1と第２ベクトルＶ2とに応じて生成する情報生成部２２としてコンピュータを機能させる。

以上に例示したプログラムは、コンピュータが読取可能な記録媒体に格納された形態で提供されてコンピュータにインストールされる。記録媒体は、例えば非一過性（non-transitory）の記録媒体であり、ＣＤ-ＲＯＭ等の光学式記録媒体（光ディスク）が好例であるが、半導体記録媒体または磁気記録媒体等の公知の任意の形式の記録媒体を含む。なお、非一過性の記録媒体とは、一過性の伝搬信号（transitory, propagating signal）を除く任意の記録媒体を含み、揮発性の記録媒体を除外するものではない。また、通信網を介した配信の形態でプログラムをコンピュータに提供してもよい。

＜付記＞
以上に例示した形態から、例えば以下の構成が把握される。

本発明の好適な態様（第１態様）に係る情報処理方法は、特定のアーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとを生成し、前記アーティストに関する特徴情報を前記第１ベクトルと前記第２ベクトルとに応じて生成する。以上の態様では、特定のアーティストを解説する文章を表現する第１ベクトルと当該アーティストについて投稿された文章を表現する第２ベクトルとに応じて特徴情報が生成されるから、客観的および主観的な観点から当該アーティストを適切に表現することが可能である。

第１態様の好適例（第２態様）では、前記特徴情報の生成において、前記第１ベクトルと前記第２ベクトルとを含む中間ベクトルを生成し、前記中間ベクトルに対する次元圧縮により前記特徴情報を生成する。以上の態様では、第１ベクトルと第２ベクトルとを含む中間ベクトルを次元圧縮することで特徴情報が生成されるから、特徴情報を利用してアーティストを評価する処理（例えば複数のアーティストの間の相関を評価する処理）の負荷が軽減される。

本発明の好適な態様（第３態様）は、第１アーティストおよび第２アーティストの各々について、当該アーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとに応じた特徴情報を特定し、前記第１アーティストの特徴情報と前記第２アーティストの特徴情報との間の相関の度合を表す第１相関指標を算定する。以上の態様では、アーティストに関する客観的な情報である第１ベクトルと主観的な情報である第２ベクトルとから生成された特徴情報を利用して、第１アーティストと第２アーティストとの間の第１相関指標が算定される。したがって、客観的および主観的な観点から第１アーティストと第２アーティストとの間の相関を適切に評価することが可能である。

第３態様の好適例（第４態様）において、前記第１アーティストが演奏する楽曲の音楽的な特徴を表す第１音楽情報と、前記第２アーティストが演奏する楽曲の音楽的な特徴を表す第２音楽情報との相関の度合を表す第２相関指標を算定し、前記第１アーティストと前記第２アーティストとの間の相関の度合を表す評価指標を前記第１相関指標と前記第２相関指標とに応じて算定する。以上の態様によれば、アーティストに関する文章から抽出される客観的および主観的な情報に加えて、アーティストが演奏する楽曲の音楽的な特徴も加味して、第１アーティストと第２アーティストとの間の相関を適切に評価することが可能である。

以上に例示した各態様の情報処理方法を実行する情報処理装置、または、以上に例示した各態様の情報処理方法をコンピュータに実行させるプログラムとしても、本発明の好適な態様は実現される。

１００…情報処理装置、１１…制御装置、１２…記憶装置、１３…表示装置、１４…入力装置、２０…解析処理部、２１…言語解析部、２２…情報生成部、３０…第１解析部、３１…第１情報取得部、３２…第１言語処理部、４０…第２解析部、４１…第２情報取得部、４２…第２言語処理部、４３…平均処理部、５１…合成処理部、５２…次元圧縮部、６１…情報特定部、６２…第１相関解析部、６３…表示制御部、６４…第２相関解析部、６５…指標算定部。

Claims (8)

1. 特定のアーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとを生成し、
   前記アーティストに関する特徴情報を前記第１ベクトルと前記第２ベクトルとに応じて生成する
   コンピュータにより実現される情報処理方法。
2. 前記特徴情報の生成においては、
   前記第１ベクトルと前記第２ベクトルとを含む中間ベクトルを生成し、
   前記中間ベクトルに対する次元圧縮により前記特徴情報を生成する
   請求項１の情報処理方法。
3. 第１アーティストおよび第２アーティストの各々について、当該アーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとに応じた特徴情報を特定し、
   前記第１アーティストの特徴情報と前記第２アーティストの特徴情報との間の相関の度合を表す第１相関指標を算定する
   コンピュータにより実現される情報処理方法。
4. 前記第１アーティストが演奏する楽曲の音楽的な特徴を表す第１音楽情報と、前記第２アーティストが演奏する楽曲の音楽的な特徴を表す第２音楽情報との相関の度合を表す第２相関指標を算定し、
   前記第１アーティストと前記第２アーティストとの間の相関の度合を表す評価指標を前記第１相関指標と前記第２相関指標とに応じて算定する
   請求項３の情報処理方法。
5. 特定のアーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとを生成する言語解析部と、
   前記アーティストに関する特徴情報を前記第１ベクトルと前記第２ベクトルとに応じて生成する情報生成部と
   を具備する情報処理装置。
6. 前記情報生成部は、
   前記第１ベクトルと前記第２ベクトルとを含む中間ベクトルを生成する合成処理部と、
   前記中間ベクトルに対する次元圧縮により前記特徴情報を生成する次元圧縮部とを含む
   請求項５の情報処理装置。
7. 第１アーティストおよび第２アーティストの各々について、当該アーティストを解説する文章を表現する第１ベクトルと、当該アーティストについて投稿された文章を表現する第２ベクトルとに応じた特徴情報を特定する情報特定部と、
   前記第１アーティストの特徴情報と前記第２アーティストの特徴情報との間の相関の度合を表す第１相関指標を算定する第１相関解析部と
   を具備する情報処理装置。
8. 前記第１アーティストが演奏する楽曲の音楽的な特徴を表す第１音楽情報と、前記第２アーティストが演奏する楽曲の音楽的な特徴を表す第２音楽情報との相関の度合を表す第２相関指標を算定する第２相関解析部と、
   前記第１アーティストと前記第２アーティストとの間の相関の度合を表す評価指標を前記第１相関指標と前記第２相関指標とに応じて算定する指標算定部と
   を具備する請求項７の情報処理装置。
   

Images