JP7221430B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】新たな手法にて求める人物を検索することができるようにする。【解決手段】組織に関連する人員の検索を行う情報処理装置は、人員毎にその人員の特徴を表す特徴データを記憶する記憶部２２と、ユーザによって指定された人員と記憶部に特徴データが記憶された他の各人員との類似度を特徴データに基づいて算出する算出部２３３と、ユーザによって指定された人員との類似度に基づいて表示対象の人員を特定する特定部２３４と、特定された人員の情報を表示させるための表示データを生成する表示データ生成部２３５と、を有する。【選択図】図８

Description

本開示は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

検索語が入力されると、その検索語と関連性のある人物やグループを検索する人物検索システムが知られている（例えば、特許文献１）。特許文献１では、特徴語と人物又はグループとの関連性が日時情報と共に記憶されており、検索条件として検索語及び時間が指定されると、特徴語及び日時情報に基づいて指定された検索語及び時間に関連する人物が検索される。

特開２００９－４８３８５号公報

ところで、特許文献１に記載の人物検索システムにおいて人物の検索を行う場合、その人物の属性に関する適切な検索語を設定しないと求める人物を効率的に検索することができない。しかしながら、必ずしも適切な検索語を選定できない場合もあり、この場合、求める人物を検索できなかったり、求める人物の検索に時間がかかってしまったりすることになる。

上記課題に鑑みて、本開示の目的は、新たな手法にて求める人物を検索することができるようにすることにある。

本開示の要旨は以下のとおりである。

（１）組織に関連する人員の検索を行う情報処理装置であって、
人員毎にその人員の特徴を表す特徴データを記憶する記憶部と、
ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員との類似度を前記特徴データに基づいて算出する算出部と、
前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定する特定部と、
特定された人員の情報を表示させるための表示データを生成する表示データ生成部と、を有する、情報処理装置。
（２）各人員の前記特徴データは、それぞれがその人員の異なる属性を表す属性データを複数含む、上記（１）に記載の情報処理装置。
（３）前記算出部は、前記ユーザによって指定された人員の属性データと前記記憶部に記憶された他の各人員の属性データとの一致度が高いほど類似度が高くなるように、他の各人員との類似度を算出する、上記（２）に記載の情報処理装置。
（４）前記表示データは、前記ユーザによって指定された人員と前記表示対象の人員とで一致する属性データを含む、上記（２）又は（３）に記載の情報処理装置。
（５）前記特徴データは、人員に関連するテキストデータから算出されたその人員を表す特徴量を含む、上記（１）に記載の情報処理装置。
（６）前記テキストデータは、各人員について記述された文章のデータを含む、上記（５）に記載の情報処理装置。
（７）前記テキストデータは、各人員が前記組織内のコミュニケーションツールに書き込んだ文章のデータを含む、上記（５）又は（６）に記載の情報処理装置。
（８）前記算出部は、前記ユーザによって指定された人員についての特徴量と前記記憶部に記憶された他の各人員についての特徴量との類似度に基づいて、他の各人員との類似度を算出する、上記（５）～（７）のいずれか１つに記載の情報処理装置。
（９）前記記憶部は、前記組織内の人員同士のつながりの強さを表すつながりデータを更に記憶し、
前記算出部は、前記特徴データに加えて、前記ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員とのつながりの強さを表すつながりデータに基づいて、前記類似度を算出する、上記（１）～（８）のいずれか１つに記載の情報処理装置。
（１０）前記特定部は、今回ユーザによって指定された人員との類似度に加えて、過去にユーザによって指定された人員との類似度に基づいて前記表示対象の人員を特定する、上記（１）～（９）のいずれか１つに記載の情報処理装置。
（１１）前記特定部は、今回及び過去にユーザによって指定された各人員との類似度に重みを乗算して算出された値に基づいて前記表示対象の人員を特定し、過去にユーザによって指定された各人員の類似度に乗算される重みは、今回ユーザによって指定された人員の類似度に乗算される重みよりも小さい、上記（１０）に記載の情報処理装置。
（１２）前記人員の特徴は、該人員の名称を含まない、上記（１）～（１１）のいずれか１つに記載の情報処理装置。
（１３）プロセッサによって行われる、組織に関する人員の検索を行う情報処理方法であって、
人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
特定された人員の情報を表示させるための表示データを生成することと、を含む、情報処理方法。
（１４）組織に関する人員の検索を行う情報処理プログラムであって、
人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
特定された人員の情報を表示させるための表示データを生成することと、をコンピュータに実行させる、情報処理プログラム。

本開示によれば、新たな手法にて求める人物を検索することができるようになる。

図１は、第一実施形態に係る情報処理システムの概略構成の一例を示す図である。 図２は、端末装置の概略構成の一例を示す図である。 図３は、端末処理部における機能ブロックを示す図である。 図４は、サーバ装置の概略構成の一例を示す図である。 図５は、サーバ処理部における機能ブロックを示す図である。 図６は、サーバ記憶部に記憶される人員データテーブルの一つの例を示す図である。 図７は、サーバ装置における人員データテーブルの作成・更新処理の一例を示すフローチャートである。 図８は、サーバ装置のサーバ処理部において行われる検索・表示処理の流れの一例を示すフローチャートである。 図９は、表示部に表示された画像の一例である。 図１０は、サーバ装置における人員データテーブルの作成・更新処理の一例を示す、図７と同様なフローチャートである。 図１１は、サーバ装置のサーバ処理部において行われる検索・表示処理の流れの一例を示す、図８と同様なフローチャートである。 図１２は、サーバ装置のサーバ処理部において行われる検索・表示処理の流れの一例を示す、図８及び図１１と同様なフローチャートである。

以下、図面を参照して実施形態について詳細に説明する。なお、以下の説明では、同様な構成要素には同一の参照番号を付す。

第一実施形態
＜情報処理システムの構成＞
図１は、第一実施形態に係る情報処理システム１の概略構成の一例を示す図である。情報処理システム１は、任意の組織に関連する人員を検索して画面に表示するために用いられる。なお、「組織」という用語は、任意の共通の目的を達成するための任意の集合体を意味するものであり、営利、非営利、民営、公営のいずれも集合体であってもよい。したがって、「組織」は、例えば、一つの企業、一つの政府機関、複数の企業の共同体、複数の政府機関の共同体、企業及び政府機関の共同体を含む。また、組織に関連する人員は、組織に所属している人員、組織に所属する可能性のある人員、組織と取引がある人員など、組織と直接的又は間接的に関連性を有する人員を意味する。

情報処理システム１は、複数の端末装置１０と、サーバ装置２０とを含む。これら端末装置１０は、上述した任意の組織に帰属している。端末装置１０とサーバ装置２０とは、通信ネットワーク５を介して相互に通信可能に接続される。端末装置１０は、組織内の各人員に帰属する端末であり、例えば、ＰＣ（Personal Computer）又はタブレットである。サーバ装置２０は、上述した任意の組織によって管理される。図示した例では、情報処理システム１は、一つのサーバ装置２０を有するが、複数のサーバ装置２０を有しても良い。通信ネットワーク５は、インターネット、イントラネット又はＬＡＮ（Local Area Network）等である。なお、サーバ装置２０は、組織に関連する人員の検索を行う情報処理装置の一例である。

図２は、端末装置１０の概略構成の一例を示す図である。端末装置１０は、端末通信部１１と、端末記憶部１２と、操作部１３と、表示部１４と、端末処理部１５とを含む。

端末通信部１１は、通信ネットワーク５を介して端末装置１０をサーバ装置２０と通信可能にする通信インタフェース回路を有する。端末通信部１１が有する通信インタフェース回路は、有線ＬＡＮ、無線ＬＡＮ等の通信インタフェース回路である。端末通信部１１は、端末処理部１５から供給されたデータをサーバ装置２０に送信するとともに、サーバ装置２０から送信されたデータを端末処理部１５に供給する。

端末記憶部１２は、プログラム又はデータを記憶するためのデバイスであり、例えば、揮発性の半導体メモリ及び不揮発性の半導体メモリ、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等を有する。端末記憶部１２は、端末処理部１５による処理に用いられるオペレーティングシステムプログラム、ドライバプログラム、アプリケーションプログラム及びデータ等を記憶している。

操作部１３は、ユーザによる端末装置１０に対する操作を受付けるためのデバイスであり、例えば、マウス、キーボード及びタッチパネル等である。操作部１３は、ユーザによる入力操作を受付ける。ユーザによる入力操作は、キーボードによる文字、数字、記号等の入力操作、マウスやタッチパネルによるクリック操作やタッチ操作を含む。操作部１３は、ユーザによる操作を受付けた場合、その操作に対応する信号を生成し、生成した信号を端末処理部１５へ供給する。

表示部１４は、ユーザに対して画像等を表示するデバイスであり、例えば、液晶ディスプレイ又は有機ＥＬディスプレイ等である。表示部１４は、端末処理部１５から供給されたデータに応じた画像等を表示する。

端末処理部１５は、一又は複数のプロセッサ及びその周辺回路を有する。端末処理部１５は、例えばＣＰＵ（Central Processing Unit）であり、端末装置１０の動作を統括的に制御する。端末処理部１５は、ＤＳＰ（Digital Signal Processor）、ＬＳＩ（Large Scaled IC）、ＡＳＩＣ（Application Specific IC）、ＦＰＧＡ（Field Programmable Gate Array）等でもよい。端末処理部１５は、端末記憶部１２に記憶されているプログラムに基づいて端末装置１０の各種処理が適切な手順で実行されるように、端末通信部１１及び表示部１４の動作を制御する。端末処理部１５は、端末記憶部１２に記憶されているプログラムに基づいて処理を実行する。端末処理部１５は、複数のプログラムを並列に実行することができる。

図３は、端末処理部１５における機能ブロックを示す図である。図３に示したように、端末処理部１５は、送信処理部１５１及び表示処理部１５２を有する。これらの各部は、端末処理部１５によって実行されるプログラムによって実現される機能モジュールである。これらの各部は、ファームウェアとして端末装置１０に実装されてもよい。

図４は、サーバ装置２０の概略構成の一例を示す図である。サーバ装置２０は、サーバ通信部２１と、サーバ記憶部２２と、サーバ処理部２３とを備える。

サーバ通信部２１は、通信ネットワーク５を介してサーバ装置２０を端末装置１０と通信可能にする通信インタフェース回路を備える。サーバ通信部２１が備える通信インタフェース回路は、有線ＬＡＮ、無線ＬＡＮ等の通信インタフェース回路等である。サーバ通信部２１は、サーバ処理部２３から供給されたデータを端末装置１０に送信するとともに、端末装置１０から送信されたデータをサーバ処理部２３に供給する。

サーバ記憶部２２は、プログラム又はデータを記憶するためのデバイスであり、例えば、揮発性の半導体メモリ及び不揮発性の半導体メモリ、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等を有する。サーバ記憶部２２は、サーバ処理部２３による処理に用いられるオペレーティングシステムプログラム、ドライバプログラム、アプリケーションプログラム、データ等を記憶する。プログラムは、例えば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ等のコンピュータ読み取り可能な一時的でない可搬型記憶媒体から、公知のセットアッププログラム等を用いてサーバ記憶部２２にインストールされる。また、サーバ記憶部２２は、後述するように人員毎に人員の特徴を表す特徴データを含む人員データテーブルを記憶している。

サーバ処理部２３は、一又は複数のプロセッサ及びその周辺回路を備える。サーバ処理部２３は、例えばＣＰＵであり、サーバ装置２０の動作を統括的に制御する。サーバ処理部２３は、ＤＳＰ、ＬＳＩ、ＡＳＩＣ、ＦＰＧＡ等でもよい。サーバ処理部２３は、サーバ記憶部２２に記憶されているプログラムに基づいてサーバ装置２０の各種処理が適切な手順で実行されるように、サーバ通信部２１の動作を制御する。サーバ処理部２３は、サーバ記憶部２２に記憶されているプログラムに基づいて処理を実行する。また、サーバ処理部２３は、複数のプログラムを並列に実行することができる。

図５は、サーバ処理部２３における機能ブロックを示す図である。図５に示したように、サーバ処理部２３は、特徴データ抽出部２３１と、関連性指標値算出部２３２と、類似度算出部２３３と、対象特定部２３４、表示データ生成部２３５と、を有する。これらの各部は、サーバ処理部２３によって実行されるプログラムによって実現される機能モジュールである。これらの各部は、ファームウェアとしてサーバ装置２０に実装されてもよい。

＜情報処理システムにおける処理＞
このように構成された情報処理システム１では、サーバ装置２０のサーバ記憶部２２に、組織に関連する各人員の特徴を表す特徴データ及び組織に関連する人員同士のつながりの強さを表すつながりデータが記憶される。

端末装置１０の操作部１３によってユーザから人員を指定して検索要求が入力されると、サーバ装置２０は、指定された人員と類似度の高い人員を検索し、検索結果を端末装置１０に表示させる。具体的には、検索要求が入力されると、サーバ装置２０は、サーバ記憶部２２に記憶された特徴データ及びつながりデータに基づいて、ユーザによって指定された人員と組織に関連する他の人員との類似度を算出する。そして、サーバ装置２０は、算出された類似度の高い人員を表示させるための表示データを生成すると共に、生成した表示データを検索要求が入力された端末装置１０へ送信する。これにより、端末装置１０の表示部１４には、斯かる類似度の高い人員が表示される。

したがって、本実施形態に係る情報処理システム１では、ユーザが人員を指定して検索要求を入力すると、指定された人員と類似度の高い人員が検索されて、表示部１４に表示されることになる。以下では、情報処理システム１によって行われる処理について、より詳細に説明する。

≪人員データテーブルに関する処理≫
本実施形態では、上述したように、サーバ装置２０のサーバ記憶部２２には、組織の関連する各人員の特徴を表す特徴データ及び組織に関連する人員同士のつながりの強さを表すつながりデータが記憶される。特に、本実施形態では、これら特徴データ及びつながりデータは、人員データテーブルとしてサーバ記憶部２２に記憶される。以下では、図６及び図７を参照して、サーバ装置２０における人員データテーブルの作成及び更新に関する作成・更新処理について説明する。

図６は、サーバ記憶部２２に記憶される人員データテーブルの一つの例を示す図である。特に、図６は、３人の人員に対応する３つのＩＤ（ＩＤ００１、ＩＤ００２、ＩＤ００３）に関して記憶されているデータの例を示している。

図６に示したように、人員データテーブルは、各ＩＤ（各人員）に関する個人識別データを含む。各ＩＤに関する個人識別データは、そのＩＤに対応する人員の名称（氏名）、アドレス、アイコンデータ（その人員を画面にアイコンとして表示するときに使用されるデータ。写真やアバター等）を含む。個人識別データは、人員を識別するためのデータであってその人員の特徴を表すデータではないため、本実施形態では、個人識別データは特徴データには含まれない。これら個人識別データは、各人員によって又はシステムの管理者によって、端末装置１０の操作部１３を用いて入力される。

また、人員データテーブルは、各ＩＤ（各人員）に関する複数の属性データを含む。属性データは、それぞれがＩＤに対応する人員の異なる属性を表すデータであり、よって人員の特徴を表す特徴データの一例である。属性データは、人員の属性に関する様々なカテゴリに関するデータを含む。図６に示した例では、人員の属性に関するカテゴリは、所属部署、専門スキル、ビジネススキル、言語スキル、資格、学歴、職歴、年齢、出身地、及び自己診断の結果を含む。一方で、属性データは、各ＩＤに関する個人識別データは含まず、よって各人員の名称やアドレスは含まない。

所属部署に関する属性データは、例えば、各人員が組織内で現在及び過去に所属した部署に関するデータを含む。専門スキルに関する属性データは、例えば、各人員が専門的な能力や知識を有する分野に関するデータを含む。ビジネススキルに関する属性データは、例えば、各人員が有するビジネス上の能力に関するデータを含む。言語スキルに関する属性データは、例えば、各人員が扱うことができる言語に関するデータを含む。資格に関する属性データは、例えば、各人員が保有している資格に関するデータを含む。学歴に関する属性データは、各人員の学歴に関するデータを含む。職歴に関する属性データは、各人員の過去の職歴に関するデータを含む。年齢に関する属性データは、各人員の現在の年齢や生年月日に関するデータを含む。出身地に関する属性データは、各人員の出身地に関するデータを含む。自己診断の結果に関する属性データは、自己診断ツール（例えば、ＤＩＳＣ（登録商標）、ストレングスファインダー（登録商標）、など）によって自己診断を行った結果に関するデータを含む。

加えて、人員データテーブルは、各ＩＤ（各人員）と他のＩＤ（他の人員）とのつながりの強さを表すつながりデータを含む。図６に示した例では、つながりデータは、各ＩＤと他のＩＤとの関連性を表す関連性指標値を含む。

関連性指標値は、組織内の人員同士の関連強さを表す指標値であり、本実施形態では、組織内の人員同士の関連強さが強くなるほど関連性指標値が大きくなる。関連性指標値は、任意の２人の人員同士の関連強さを表しているため、２人の人員の組み合わせ毎に算出される。本実施形態では、各人員に対応するＩＤ毎に、他の人員に対応するＩＤとの間の関連性指標値が算出される。換言すると、関連性指標値は、任意の２人の人員に対応する２つのＩＤの組み合わせ毎に算出される。

本実施形態では、各人員のスケジュールデータがサーバ記憶部２２に記憶されており、関連性指標値は、サーバ記憶部２２に記憶された各人員のスケジュールデータに基づいて、特に各人員が参加するイベントに関するデータに基づいて、算出される。イベントは、例えば、組織内及び組織外の人員が参加して行われる会議及び宴会等を含む。

具体的には、斯かる関連性指標値を算出するにあたって、各イベント毎にイベント指標値が算出される。イベント指標値は、各イベント毎の、任意の２人の人員同士の関連強さを表している。したがって、イベント指標値は、任意の２人の人員同士の関連強さが強くなるようなイベントほど大きくなるように算出される。例えば、イベントの種類が業務への関連性の低いものであるほど、イベント指標値が高く算出される。具体的には、イベントの種類が宴会であるときにはイベントの種類が会議であるときに比べて、イベント指標値が高く算出される。また、イベントへの参加人数が少ないほど、またイベントの開催時間が長いほど、イベント指標値が高く算出される。そして、任意の２人の人員同士の関連性指標値は、これら２人の人員が参加した各イベント毎に算出されたイベント指標値を、全てのイベントについて合計することによって算出される。

図７は、サーバ装置２０における人員データテーブルの作成・更新処理の一例を示すフローチャートである。図示した作成・更新処理は、例えば、一定時間間隔毎に行われる。本実施形態では、人員データテーブルの作成・更新処理は、サーバ装置２０のサーバ処理部２３の特徴データ抽出部２３１及び関連性指標値算出部２３２によって行われる。

人員データテーブルの作成・更新処理では、まず、サーバ処理部２３が、ＩＤカウンタＮｉｄをＩＤ００１に設定する（ステップＳ１１）。ここで、本実施形態では、人員データテーブルの作成は、ＩＤ毎に順番に行われる。ＩＤカウンタＮｉｄは、人員データテーブルが作成されるＩＤを表している。

次いで、サーバ処理部２３の特徴データ抽出部２３１が、ＩＤカウンタＮｉｄ（最初は、ＩＤ００１）で表されるＩＤに対応する人員に関する属性データ（特徴データ）を抽出する（ステップＳ１２）。ＩＤに対応する人員に関する属性データは、上述したように、例えば、ＩＤに対応する人員の、所属部署、専門スキル、ビジネススキル等を含む。特徴データ抽出部２３１は、例えば、サーバ記憶部２２に記憶されている人事データから、特徴データを抽出する。したがって、サーバ記憶部２２には、各人員について各カテゴリ毎の属性データが記憶されている。特に、本実施形態では、各人員についての属性データの入力は、予め用意された各カテゴリについての多数の属性の選択肢から該当するものを選択することによって行われる。したがって、サーバ記憶部２２には、各人員について、予め用意された属性の選択肢の中から選択された属性が属性データとして記憶されている。また、人員データテーブルを更新する場合には、特徴データ抽出部２３１は、前回の作成・更新処理以降にサーバ記憶部２２に記憶された人事データに基づいて属性データを抽出する。

特徴データが抽出されると、サーバ処理部２３の関連性指標値算出部２３２は、ＩＤカウンタＮｉｄで表されるＩＤに関連するスケジュールデータを、サーバ記憶部２２から抽出する（ステップＳ１３）。人員データテーブルを初回作成するときには、ＩＤカウンタＮｉｄで表されるＩＤに関連して記憶されている全てのスケジュールデータが抽出される。したがって、このＩＤに対応する人員について、サーバ記憶部２２に記憶されている全てのスケジュールデータが抽出される。一方、人員データテーブルを更新するときには、ＩＤカウンタＮｉｄで表されるＩＤに関連して記憶されているスケジュールデータのうち、前回の作成・更新処理以降にサーバ記憶部２２に記憶されたスケジュールデータが抽出される。したがって、このＩＤに対応する人員について、サーバ記憶部２２に期央されているスケジュールデータのうち、一部の新しいスケジュールデータが抽出される。

ＩＤカウンタＮｉｄで表されるＩＤに関連するスケジュールデータが抽出されると、サーバ処理部２３の関連性指標値算出部２３２は、Ｎｉｄで表されるＩＤに対応する人員が参加した各イベント毎に、Ｎｉｄで表されるＩＤと他のＩＤとの間のイベント指標値を算出する（ステップＳ１４）。

Ｎｉｄで表されるＩＤに対応する人員と他のＩＤに対応する人員とが同一のイベントに参加すると、Ｎｉｄで表されるＩＤと他のＩＤとの間のイベント指標値が付与される。一方、Ｎｉｄで表されるＩＤに対応する人員が参加していなくて他のＩＤに対応する人員が参加したイベントがあっても、Ｎｉｄで表されるＩＤと他のＩＤとの間にイベント指標値は付与されない。また、本実施形態では、イベント指標値は、イベントに参加する人員に関するデータ、イベントが開催される時間に関するデータ、イベントの開催場所に関するデータに応じて、変わる。関連性指標値算出部２３２は、例えば、イベントに参加する人員の数が少ないほど、また、イベントの開催期間が長いほど、そのイベントに参加している人員同士の関連強さが強くなるように、イベント指標値を算出する。また、関連性指標値算出部２３２は、例えば、イベントの開催される場所が組織の業務と関連しない場所（例えば、お店）である場合には、組織の業務と関連する場所（例えば、会議室）である場合に比べて、そのイベントに参加している人員同士の関連強さが強くなるように、イベント指標値を算出する。

Ｎｉｄで表されるＩＤに対応する人員が参加した全てのイベントについてイベント指標値が算出されると、関連性指標値算出部２３２は、Ｎｉｄで表されるＩＤに対応する人員と他の各ＩＤに対応する人員とが参加した全てのイベント（或いは、前回の作成・更新処理以降に開催されたイベント）についてのイベント指標値を合計することによって、Ｎｉｄで表されるＩＤに対応する人員と他の各ＩＤに対応する人員との関連性指標値（つながりデータ）を算出する（ステップＳ１５）。

ステップＳ１２及びＳ１５において、Ｎｉｄで表されるＩＤに関する属性データ及び関連性指標値が抽出又は算出されると、これら属性データ及び関連性指標値が、人員データテーブルに記憶される（ステップＳ１６）。人員データテーブルを初回作成するときには、今回算出及び抽出されたデータのみによって人員データテーブルが作成される。人員データテーブルを更新するときには、それまでの人員データテーブルに今回抽出及び算出されたデータが新たに加えられる。

その後、サーバ処理部２３は、全てのＩＤについて、属性データの抽出及び関連性指標値の算出が完了したか否かを判定する（ステップＳ１７）。ステップＳ１７において、全てのＩＤについての抽出又は算出は完了していないと判定された場合には、サーバ処理部２３は、Ｎｉｄに１を加えたものを新たなＮｉｄとする（それまでのＮｉｄがＩＤ００１だった場合には、ＮｉｄをＩＤ００２する）（ステップＳ１８）。その後、全てのＩＤについて算出又は抽出が完了するまで、ステップＳ１１～Ｓ１６が繰り返される。一方、一方、ステップＳ２８において全てのＩＤについての算出又は抽出が完了したと判定された場合には、人員データテーブルの作成・更新処理が終了される。

なお、上記実施形態では、人員データテーブルは、各ＩＤ（人員）に関する属性データとして、その人員を表す属性の単語を複数含んでいる。しかしながら、人員データテーブルは、斯かる複数の単語をそれぞれ表す複数の多次元ベクトル（単語の分散表現。単語を表す特徴量）を含んでいてもよい。斯かる多次元ベクトルは、例えば、その人員を表す属性の単語からWord2Vec、Retrofittingなどの公知の手法によって算出される。

また、上記実施形態では、各人員についての属性データの入力は、予め用意された各カテゴリについての多数の属性の選択肢から該当するものを選択することによって行われる。しかしながら、属性データは、サーバ記憶部２２に記憶された、各人員に関連するテキストデータから抽出されてもよい。各人員に関連するテキストデータは、例えば、各人員について記述された文章のデータ、及び各人員が組織内のコミュニケーションツールに書き込んだ文章を含む。各人員について記述された文章は、例えば、各人員が担当する業務を記載した文章（Job Description）、各人員について上司等の第三者によって記載された文章、各人員の特性についてその人員自身が記載した文章などを含む。また、各人員が組織内のコミュニケーションツールに書き込んだ文章は、チャットツールなどにおける各人員の発内容などを含む。この場合、例えば、テキストデータからの属性データの抽出は、例えばTF-IDFやOkapi BM25など、特徴語を抽出する公知の手法によって行われる。

さらに、上記実施形態では、つながりデータとして関連性指標値を用いている。しかしながら、つながりデータとして、組織に関連する人員同士のつながりの強さを表す他の指標値が用いられてもよい。具体的には、つながりデータとして、対象とする人員同士がつながるにあたって介在する人員の数、より詳細には、関連性指標値が所定の基準値以上である人員同士をつなげていった結果、対象とする人員同士をつなげるにあたって対象とする人員同士の間に介在する人員の最小値が用いられてもよい。この場合、対象とする人員同士の関連性指標値が基準値以上である場合には、介在する人員の数はゼロとして算出される。また、対象とする人員同士の関連性指標は基準値未満であって、対象とする二人の人員との関連性指標値が共に基準値以上である人員がいる場合には介在する人員の数は１として算出される。

≪人員の検索≫
本実施形態では、端末装置１０の操作部１３によってユーザから人員を指定して検索要求が入力されると、サーバ装置２０は、指定された人員と類似度の高い人員を検索し、検索結果を端末装置１０に表示させる。以下では、図８を参照して、サーバ装置２０において行われる人員の検索・表示処理について説明する。図８は、サーバ装置２０のサーバ処理部２３において行われる検索・表示処理の流れの一例を示すフローチャートである。本実施形態では、検索・表示処理は、サーバ処理部２３の類似度算出部２３３、対象特定部２３４、及び表示データ生成部２３５によって行われる。

まず、サーバ処理部２３が、人員を指定した検索要求を、端末装置１０から受信したか否かを判定する（ステップＳ２１）。具体的には、まず、端末装置１０において、操作部１３によって対象の人員が指定される。対象の人員は、様々な方法で指定可能である。例えば、対象の人員は、ユーザが端末装置１０の表示部１４に表示された検索欄に対象の人員の氏名を操作部１３によってユーザが入力することによって指定されてもよい。或いは、対象の人員は、端末装置１０の表示部１４に表示された組織に関連する人員のリストから操作部１３によってユーザが一人の人員を選択することによって指定されてもよい。端末装置１０の操作部１３によって対象の人員が指定されると、検索要求と共に指定された人員のＩＤ（又は、その他の個人識別データ）が端末装置１０の送信処理部１５１よってサーバ装置２０へ送信される。

サーバ処理部２３は、ステップＳ２１において端末装置１０の送信処理部１５１から検索要求を受信しなかったと判定された場合には、検索・表示処理を終了する。一方、ステップＳ２１において送信処理部１５１から検索要求を受信したと判定された場合には、類似度算出部２３３が、人員データテーブルを用いて、指定された人員と組織に関連する他の各人員との属性データの一致度を算出する（ステップＳ２２）。

属性データの一致度は、指定された人員の属性データと組織に関連する他の各人員の属性データとが一致する割合を表している。したがって、属性データの一致度は、例えば、指定された人員を表す全ての属性データの数に対して、他の各人員の属性データと一致する属性データの数の割合として算出される。図６に示した例では、ＩＤ００１で表される人員の属性データは、ピープルアナリティクス、統計、課題設定力、傾聴力、博士号などが、ＩＤ００２で表される人員の属性データと一致する。このようにＩＤ００１で表される人員とＩＤ００２で表される人員とで一致する属性データの数を、ＩＤ００１で表される人員を表す全ての属性データの数で除算することで、ＩＤ００１の人員に対するＩＤ００２の人員の属性データの一致度が算出される。

指定された人員と組織に関連する他の全ての人員との属性データの一致度が算出されると、類似度算出部２３３が、指定された人員と組織に関連する他の各人員とのつながりデータを、人員データテーブルから取得する（ステップＳ２３）。上述したように、本実施形態では人員データテーブルにはつながりデータとして関連性指標値が含まれているため、類似度算出部２３３は、指定された人員と組織に関連する他の各人員との関連性指標値を、人員データテーブルから取得する。

指定された人員と組織に関連する他の各人員とのつながりデータが取得されると、類似度算出部２３３は、ステップＳ２２において算出された属性データの一致度とステップＳ２３において取得されたつながりデータとに基づいて、指定された人員と他の各人員との類似度を算出する（ステップＳ２４）。具体的には、本実施形態では、つながりデータである関連性指標値に基づいて係数が算出される。例えば、係数は、関連性指標値が大きいほど（すなわち、人員同士の関連強さが強くなるほど）大きくなるように段階的に算出される。例えば、関連性指標値が大きいときには係数として１が算出され、関連性指標値が小さいときには係数として１／４が算出され、関連性指標値が中程度のときには係数として１／２又は１／３が算出される。そして、本実施形態では、類似度算出部２３３は、このようにして算出された係数を、属性データの一致度に乗算することによって、類似度を算出する。例えば、指定された人員と組織に関連する他の或る人員との属性データの一致度が０．４であって且つ関連性指標値に基づいて算出された係数が１／２であるときには、指定された人員と上記或る人員との類似度は０．２として算出される。

したがって、類似度算出部２３３は、ステップＳ２２～Ｓ２４において、サーバ記憶部２２に記憶された各人員の属性データ、すなわち各人員の特徴データに基づいて、ユーザによって指定された人員と、サーバ記憶部２２に属性データ（すなわち、特徴データ）が記憶された各人員（本実施形態では、組織に関連する各人員）との類似度を算出する。特に、本実施形態では、ユーザによって指定された人員を含む組織に関連する各人員の属性データと、ユーザによって指定された人員と組織に関連する他の各人員とのつながり強さとに基づいて、類似度が算出される。具体的には、本実施形態では、ユーザによって指定された人員の属性データと組織に関連する他の各人員の属性データ（すなわち、サーバ記憶部２２に記憶された他の各人員の属性データ）との一致とが高いほど、他の各人員との類似度が高くなるように他の各人員との類似度が算出される。同様に、本実施形態では、ユーザによって指定された人員と他の各人員とのつながり強さが強いほど、他の各人員との類似度が高くなるように他の各人員との類似度が算出される。

指定された人員と組織に関連する他の全ての人員との類似度が算出されると、対象特定部２３４が、算出された類似度に基づいて、検索結果として端末装置１０の表示部１４に表示させるべき表示対象の人員を特定する（ステップＳ２５）。本実施形態では、対象特定部２３４は、ステップＳ２４で算出された類似度の高い方から順に所定の数（例えば、３人）の人員を表示対象として特定する。或いは、対象特定部２３４は、類似度の高い人員に加えて、属性データの一致度の高い人員を表示対象として特定してもよい。

表示部１４に表示させるべき表示対象の人員が特定されると、表示データ生成部２３５が、端末装置１０の表示部１４に、ステップＳ２５において特定された人員の情報を表示させるための表示データを生成する（ステップＳ２６）。図９は、ステップＳ２６において生成された表示データに基づいて表示部１４に表示された画像の一例である。特に、図９は、図６のＩＤ００１に対応する人員がユーザによって指定されたときに、表示部１４に表示される画像の一例である。図９に示したように、表示データは、ステップＳ２５によって特定された人員の個人識別データ、属性データの少なくとも一部を含む。特に、図９に示した例では、表示データは、特定された人員の氏名、アイコンデータ、所属部署、専門スキル、ビジネススキル、言語スキル、資格、年齢を含む。

本実施形態では、表示データは、表示対象の人員の属性データのうち、ユーザによって指定された人員の属性データと一致する属性データを含む。図９に示した例では、ユーザによって指定された人員と表示対象の人員とで一致する属性データが太字で且つ下線を引いて示されている。なお、表示データは、ユーザによって指定された人員と表示対象の人員とで一致しない属性データを含まなくてもよい。

表示データが生成されると、表示データ生成部２３５は、検索要求を送信した端末装置１０へ、ステップＳ２６において生成された表示データを送信する（ステップＳ２７）。表示データは、サーバ装置２０のサーバ通信部２１、通信ネットワーク５、端末装置１０の端末通信部１１を介して端末装置１０の端末処理部１５へ送信される。端末装置１０の端末処理部１５が表示データを受信すると、端末処理部１５の表示処理部１５２が、受信した表示データに基づいて、検索結果を表示する画像を表示部１４に表示させる。

以上より、本実施形態に係る情報処理システム１では、端末装置１０の操作部１３においてユーザによって指定された人員と類似度の高い人員が検索され、検索結果が表示部１４に表示される。このため、本実施形態に係る情報処理システム１によれば、ユーザが求める人物の属性に関する適切な検索語を入力せずに斯かる人物と同様なユーザの周りの人物を指定することで、その人物と類似の人物を検索することができる。したがって、本実施形態によれば、適切な検索語の入力が必要な従来の手法とは異なる新たな手法が提供される。

また、本実施形態では、類似度を算出するにあたって、属性データの一致度のみならずつながりデータを用いている。つながりデータにおいて表されるつながりの強さが強いほど共通の価値観を有している可能性が高いため、つながり強さを用いて類似度を算出することでより正確に人員同士の類似度を推定することができる。

なお、上記実施形態では、類似度算出部２３３は、属性データの一致度を、各属性データ同士が実際に一致するか否かに基づいて算出している。しかしながら、類似度算出部２３３は、同様な属性データについては、属性データ同士が完全に一致していなくても、これら属性データ同士が一致していると判定してもよい（例えば、法務知識と法律知識や、論理的思考力とロジカルシンキング能力、など）。この場合、例えば、人員データテーブルに人員の属性を表す単語が多次元ベクトルとして保存され、類似度算出部２３３はこれら多次元ベクトル同士の距離が所定の基準距離以下である場合に、両属性は一致すると判定する。多次元ベクトル同士の距離は、ユークリッド距離やマンハッタン距離等、公知の任意の距離であり、公知の手法によって算出される。このように同様な属性データを属性データが一致していると判定することにより、属性データの入力を曖昧に行っても高い精度で類似度を算出することができるようになる。

また、上記実施形態では、つながりデータとして関連性指標値が用いられ、関連性指標値に基づいて算出された係数を属性データの一致度に乗算して類似度が算出されている。しかしながら、つながりデータから算出されることができれば、斯かる係数は任意の別の手法によって算出されてもよい。例えば、つながりデータとして上述した対象とする人員同士がつながるにあたって介在する人員の数が用いられている場合には、介在する人員の数に１以上の所定の数を加算した値の逆数が、属性データの一致度に乗算される係数とされてもよい。この場合、例えば、介在する人員の数が１である場合には、これに所定の数として例えば１を加えた値の逆数、すなわち１／２が係数とされる。

また、上記実施形態では、属性データの一致度に、つながりデータに基づいて算出された係数を乗算することによって類似度が算出される。しかしながら、属性データの一致度を類似度として算出してもよい。組織には属していない人員についてはつながり強さは算出することができないため、組織には属していない人員も含めて検索を行うような場合に人員同士の類似度を算出することができる。したがって、組織には属していない人員も含めて検索を行うか否かをユーザに入力させ、その入力結果に応じて、類似度の算出方法を切り替えるようにしてもよい。

さらに、上記実施形態では、対象特定部２３４は、類似度が高い所定数の人員を表示対象として特定している。しかしながら、対象特定部２３４は、類似度に加えて、類似度以外の指標にも基づいて表示対象を特定してもよい。この場合、例えば、つながり強さが弱いほど高くなるような係数（例えば、関連性指標値が小さいほど大きい係数）を類似度に乗算することによって算出する値に基づいて、斯かる値の大きい人員を表示対象として特定するようにしてもよい。これにより、本来であれば関係性が小さくて知りにくい人員を検索することができるようになる。なお、この場合には、類似度は、つながりデータに基づかずに属性データの一致度に基づいて算出されることが好ましい。

また、上記実施形態では、ユーザによって人員が指定されると、指定された人員と他の人員との類似度が算出される。しかしながら、全ての人員同士の類似度が予め算出されて、サーバ記憶部２２に記憶されていてもよい。この場合、ユーザによって人員が指定されてから検索結果が表示されるまでの時間が短縮される。

第二実施形態
次に、図９及び図１０を参照して、第二実施形態に係る情報処理システム１について説明する。第二実施形態に係る情報処理システム１の構成及び動作は基本的に第一実施形態に係る情報処理システム１の構成及び動作と同様である。したがって、以下では、第一実施形態に係る情報処理システム１の構成及び動作と異なる部分を中心に説明する。

上記第一実施形態では、人員データテーブルは、各ＩＤ（各人員）に関する属性データを含んでおり、属性データはそれぞれ人員の異なる属性を表すデータである。これに対して、本実施形態では、人員データテーブルは、属性データの代わりに、又は属性データに加えて、各人員を表す特徴ベクトルを含む。そして、ユーザによって指定された人員と組織に関連する人員との類似度の算出にあたっては、属性データの代わりに特徴ベクトルが用いられる。

特徴ベクトルは、各人員に関するテキストデータに基づいて算出される。各人員に関連するテキストデータは、上述したように、例えば、各人員について記述された文章のデータ、及び各人員が組織内のコミュニケーションツールに書き込んだ文章を含む。

また、特徴ベクトルは、各人員に関するテキストデータをベクトル化した一つの多次元ベクトルである。この場合、各人員に関連するテキストデータからの特徴ベクトルの算出は、文章からその文章を表すベクトルを算出する公知の手法によって行われる。具体的には、例えば、TF-IDF、LSI、Dock2Vec、Sent2Vec等、文章から直接的に多次元ベクトルが算出される。このようにして算出された特徴ベクトルは、各人員の特徴を表しており、よって各人員の特徴を表す特徴データの一例である。本実施形態では、類似度算出部２３３は、このようにして算出された各人員の特徴を表す特徴ベクトル同士の距離が近いほど、それら特徴ベクトルによって表される人員同士の類似度が高いものとして、類似度を算出する。特徴ベクトル同士の距離は、ユークリッド距離やマンハッタン距離等、公知の任意の距離であり、公知の手法によって算出される。

或いは、特徴ベクトルは、各人員に関するテキストデータに含まれる複数の単語をベクトル化した複数の多次元ベクトルの集合であってもよい。この場合、各人員に関連するテキストデータからの特徴ベクトルの算出は、各人員に関連するテキストデータからその中に含まれる複数の単語を抽出すると共に、抽出したそれぞれ単語からその単語を表すベクトルを算出する公知の手法によって行われる。具体的には、例えば、Word2Vec、Retrofitting等によって文章中の単語からその単語を表す多次元ベクトルが算出される。このようにして算出された特徴ベクトル（多次元ベクトルの集合）は、各人員の特徴を表しており、よって各人員の特徴を表す特徴データの一例である。本実施形態では、類似度算出部２３３は、このようにして算出された各人員についてのテキストデータに含まれる単語を表す特徴ベクトル（多次元ベクトルの集合）同士の距離をWord Mover’s Distance、LC-RWMD等の公知の手法によって算出し、このようにして算出された距離が近いほどそれら特徴ベクトルによって表される人員同士の類似度が高いものとして、類似度を算出する。

図１０は、サーバ装置２０における人員データテーブルの作成・更新処理の一例を示す、図７と同様なフローチャートである。図１０におけるステップＳ３１、Ｓ３３～Ｓ３８は、図７におけるステップＳ１１、Ｓ１３～Ｓ１８と同様であるため説明を省略する。

ステップＳ３１においてＩＤカウンタがＮｉｄに設定されると、次いで、サーバ処理部２３の特徴データ抽出部２３１が、ＩＤカウンタＮｉｄで表されるＩＤに対応する人員に関する特徴ベクトル（特徴データ）を算出する（ステップＳ３２）。特徴ベクトルの算出にあたっては、まず、ＩＤカウンタＮｉｄで表されるＩＤに対応する人員に関するテキストデータが抽出される。斯かるテキストデータは、サーバ記憶部２２に記憶されている人事データや、ＩＤカウンタＮｉｄで表されるＩＤに対応する人員によって組織内のコミュニケーションツールに書き込まれた文章に関するデータ等に基づいて抽出される。そして、特徴データ抽出部２３１は、このようにして抽出されたテキストデータに基づいて、このテキストデータを表す特徴ベクトル、又はこのテキストデータに含まれる単語を表す特徴ベクトルを算出する。

このようにして算出された特徴ベクトルは、ステップＳ３５において算出された関連性指標値と共に、人員データテーブルに記憶される（ステップＳ３６）。したがって、本実施形態では、人員データテーブルには、各人員について、個人識別データと、特徴ベクトルと、関連性指標値が記憶される。なお、上述したように、人員データテーブルには、さらに属性データが記憶されてもよい。この場合には、ステップＳ３２において、ステップＳ１２と同様に、属性データが抽出されて、ステップＳ３６において属性データも人員データテーブルに記憶される。

図１１は、サーバ装置２０のサーバ処理部２３において行われる検索・表示処理の流れの一例を示す、図８と同様なフローチャートである。図１１におけるステップＳ４１、Ｓ４３及びＳ４５～Ｓ４７は、図８におけるステップＳ２１、Ｓ２３及びＳ２５～Ｓ２７と同様であるため説明を省略する。

ステップＳ４１において送信処理部１５１から検索要求を受信したと判定された場合には、類似度算出部２３３が、人員データテーブルを用いて、指定された人員と組織に関連する他の各人員との特徴ベクトルの距離を算出する（ステップＳ４２）。上述したように、類似度算出部２３３は、指定された人員の特徴ベクトルと他の各人員の特徴ベクトルとを人員データテーブルから取得すると共に、取得した特徴ベクトル同士の距離を上述したように公知の手法によって算出する。

その後、ステップＳ４３においてつながりデータが取得されると、類似度算出部２３３は、ステップＳ４２において算出された特徴ベクトル同士の距離とステップＳ４３において取得されたつながりデータとに基づいて、指定された人員と他の各人員との類似度を算出する（ステップＳ４４）。具体的には、本実施形態でも、つながりデータである関連性指標値に基づいて係数が算出される。例えば、係数は、関連性指標値が大きいほど大きくなるように段階的に算出される。そして、本実施形態では、類似度算出部２３３は、このようにして算出された係数を、特徴ベクトル同士の距離に乗算することによって、類似度を算出する。

なお、本実施形態では、各人員を表す特徴ベクトルが用いられているが、各人員の特徴を表す特徴データとして、特徴ベクトル以外の特徴量が用いられてもよい。したがって、類似度算出部２３３は、ユーザによって指定された人員についての特徴量と、組織に関連する他の各人員についての特徴量との類似度に基づいて、各人員との類似度を算出しているといえる。

また、本実施形態においても、特徴ベクトル同士の距離及びつながりデータに基づいて算出された係数を乗算することによって人員同士の類似度が算出される。しかしながら、つながりデータを用いずに、特徴ベクトル同士の距離（すなわち、特徴量同士の類似度）を人員同士の類似度として算出してもよい。

第三実施形形態
次に、図１２を参照して、第三実施形態に係る情報処理システム１について説明する。第三実施形態に係る情報処理システム１の構成及び動作は基本的に第一実施形態又は第二実施形態に係る情報処理システム１の構成及び動作と同様である。したがって、以下では、第一実施形態又は第二実施形態に係る情報処理システム１の構成及び動作と異なる部分を中心に説明する。

本実施形態では、ユーザによって今回指定された人員のみならず、ユーザによって過去に指定された人員に基づいて、人員の検索が行われる。特に、本実施形態では、ユーザによって今回指定された人員と組織に関連する他の各人員との類似度と、ユーザによって過去に指定された人員と組織に関連する他の各人員との類似度とに基づいて表示対象の人員が特定される。また、本実施形態では、今回及び過去にユーザによって指定された人員と組織に関連する他の各人員との類似度に重みを乗算して算出された値に基づいて表示対象の人員が特定される。このとき、過去にユーザによって指定された各人員の類似度に乗算される重みは、今回ユーザによって指定された各人員の類似度に乗算される重みよりも小さい値とされる。この結果、ユーザによって指定された一連の人員との類似度が高い人員を検索結果として表示することができるようになる。

図１２は、サーバ装置２０のサーバ処理部２３において行われる検索・表示処理の流れの一例を示す、図８及び図１１と同様なフローチャートである。図１２におけるステップＳ５１、Ｓ５７及びＳ５８は、それぞれステップＳ１１、Ｓ１６、Ｓ１７と同様であるため説明を省略する。

ステップＳ５１において送信処理部１５１から検索要求を受信したと判定された場合には、類似度算出部２３３が、人員データテーブルを用いて、今回指定された人員と組織に関連する他の各人員との特徴ベクトルの距離、及び過去に指定された人員と組織に関連する他の人員との特徴ベクトルの距離を算出する（ステップＳ５２）。過去に指定された人員について、具体的には、類似度算出部２３３は、１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員の特徴ベクトルと組織に関連する他の各人員の特徴ベクトルとの距離を算出する。特徴ベクトル同士の距離は、図１１のステップＳ４２と同様にして算出される。

今回及び過去に指定された人員と組織に関連する他の各人員との特徴ベクトルの距離が算出されると、類似度算出部２３３が、今回指定された人員と組織に関連する他の各人員とのつながりデータ、及び過去に指定された人員と組織に関連する他の人員とのつながりデータを、人員データテーブルから取得する（ステップＳ５３）。過去に指定された人員について、具体的には、類似度算出部２３３は、１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員と組織に関連する他の各人員とのつながりデータを取得する。

今回及び過去に指定された人員と組織に関連する他の各人員とのつながりデータが取得されると、類似度算出部２３３は、ステップＳ５２において算出された特徴ベクトル同士の距離とステップＳ５３において取得されたつながりデータとに基づいて、今回及び過去に指定された人員と他の各人員との類似度を算出する（ステップＳ５４）。具体的には、類似度算出部２３３は、今回指定された人員と他の各人員との特徴ベクトル同士の距離と今回指定された人員と他の各人員のつながりデータとに基づいて、今回指定された人員と他の各人員との類似度を算出する。加えて、類似度算出部２３３は、１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員と他の各人員との特徴ベクトル同士の距離と、１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員と他の各人員とのつながりデータとに基づいて、１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員と他の各人員との類似度を算出する。類似度は、図１１のステップＳ４４と同様にして算出される。

今回及び過去に指定された人員と他の各人員との類似度が算出されると、類似度算出部２３３が、算出された類似度に基づいて各人員について類似度合計値を算出する（ステップＳ５５）。具体的には、類似度算出部２３３は、ステップＳ５４において算出された今回指定された人員と組織に関連する他の各人員との類似度に第１の重みを乗算した値を第１類似度として算出する。加えて、対象特定部２３４は、ステップＳ５４において算出された１回前、２回前、・・・ｎ回前（ｎは１以上の整数）に指定された人員と組織に関連する他の各人員との類似度に第２の重み、第３の重み、・・・第ｎ＋１の重みを乗算した値をそれぞれ第２類似度、第３類似度、第ｎ＋１類似度として算出する。そして、類似度算出部２３３は、組織に関連する他の各人員について、第１類似度から第ｎ＋１類似度を合計して類似度合計値を算出する。このとき、第２の重みから第ｎ＋１の重みは、第１おｎ重みよりも小さい値に設定される。特に、本実施形態では、第１の重みから第ｎ＋１の重みは、第１の重みから第ｎ＋１の重みに向かって徐々に小さくなるように設定される。

類似度合計値が算出されると、対象特定部２３４が、ステップＳ５５において算出された類似度合計値に基づいて表示対象の人員を特定する（ステップＳ５６）。特に、本実施形態では、対象特定部２３４は、類似度合計値の高い方から順に所定の数（例えば、３人）の人員を表示対象として特定する。或いは、対象特定部２３４は、類似度合計値の高い人員に加えて、属性データの一致度の高い人員を表示対象として特定してもよい。

なお、本実施形態では、各人員の特徴を表す特徴データとして各人員を表す特徴ベクトルが用いられているが、類似度を算出することができる特徴ベクトル以外の特徴量が用いられてもよい。また、各人員の特徴を表す特徴データとして、第１実施形態と同様に、属性データが用いられてもよい。

また、本実施形態においても、特徴ベクトル同士の距離及びつながりデータに基づいて算出された係数を乗算することによって人員同士の類似度が算出される。しかしながら、つながりデータを用いずに、特徴ベクトル同士の距離（すなわち、特徴データに基づいて算出される類似度）を人員同士の類似度として算出してもよい。

以上、本発明に係る好適な実施形態を説明したが、本発明はこれら実施形態に限定されるものではなく、特許請求の範囲の記載内で様々な修正及び変更を施すことができる。

１ 情報処理システム
５ 通信ネットワーク
１０ 端末装置
２０ サーバ装置

Claims (17)

1. 組織に関連する人員の検索を行う情報処理装置であって、
   人員毎にその人員の特徴を表す特徴データを記憶する記憶部と、
   ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員との類似度を前記特徴データに基づいて算出する算出部と、
   前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定する特定部と、
   特定された人員の情報を表示させるための表示データを生成する表示データ生成部と、を有し、
   各人員の前記特徴データは、それぞれがその人員を表す異なる属性の単語を表す属性データを複数含み、
   前記算出部は、前記ユーザによって指定された人員の属性データによって表される単語と前記記憶部に記憶された他の各人員の属性データによって表される単語とが一致する割合が算出され、該割合が高いほど類似度が高くなるように、他の各人員との類似度を算出する、情報処理装置。
2. 前記表示データは、前記ユーザによって指定された人員と前記表示対象の人員とで一致する属性データを含む、請求項１に記載の情報処理装置。
3. 組織に関連する人員の検索を行う情報処理装置であって、
   人員毎にその人員の特徴を表す特徴データを記憶する記憶部と、
   ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員との類似度を前記特徴データに基づいて算出する算出部と、
   前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定する特定部と、
   特定された人員の情報を表示させるための表示データを生成する表示データ生成部と、を有し、
   前記特徴データは、人員に関連するテキストデータから算出されたその人員を表す特徴量を含み、
   前記テキストデータは、各人員が前記組織内のコミュニケーションツールに書き込んだ文章のデータを含む、情報処理装置。
4. 前記テキストデータは、各人員について記述された文章のデータを含む、請求項３に記載の情報処理装置。
5. 前記算出部は、前記ユーザによって指定された人員についての特徴量と前記記憶部に記憶された他の各人員についての特徴量との類似度に基づいて、他の各人員との類似度を算出する、請求項３又は４に記載の情報処理装置。
6. 組織に関連する人員の検索を行う情報処理装置であって、
   人員毎にその人員の特徴を表す特徴データを記憶する記憶部と、
   ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員との類似度を前記特徴データに基づいて算出する算出部と、
   前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定する特定部と、
   特定された人員の情報を表示させるための表示データを生成する表示データ生成部と、を有し、
   前記記憶部は、前記組織内の人員同士のつながりの強さを表すつながりデータを更に記憶し、
   前記算出部は、前記特徴データに加えて、前記ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員とのつながりの強さを表すつながりデータに基づいて、前記類似度を算出する、情報処理装置。
7. 組織に関連する人員の検索を行う情報処理装置であって、
   人員毎にその人員の特徴を表す特徴データを記憶する記憶部と、
   ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員との類似度を前記特徴データに基づいて算出する算出部と、
   前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定する特定部と、
   特定された人員の情報を表示させるための表示データを生成する表示データ生成部と、を有し、
   前記特定部は、今回ユーザによって指定された人員との類似度に加えて、過去にユーザによって指定された人員との類似度に基づいて前記表示対象の人員を特定する、情報処理装置。
8. 前記特定部は、今回及び過去にユーザによって指定された各人員との類似度に重みを乗算して算出された値に基づいて前記表示対象の人員を特定し、過去にユーザによって指定された各人員の類似度に乗算される重みは、今回ユーザによって指定された人員の類似度に乗算される重みよりも小さい、請求項７に記載の情報処理装置。
9. 前記人員の特徴は、該人員の名称を含まない、請求項１～８のいずれか１項に記載の情報処理装置。
10. プロセッサによって行われる、組織に関する人員の検索を行う情報処理方法であって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、を含み、
    各人員の前記特徴データは、それぞれがその人員を表す異なる属性の単語を表す属性データを複数含み、
    当該情報処理方法は、前記ユーザによって指定された人員の属性データによって表される単語と前記記憶部に記憶された他の各人員の属性データによって表される単語とが一致する割合を算出することを更に含み、前記類似度は該割合が高いほど高くなるように算出される、情報処理方法。
11. プロセッサによって行われる、組織に関する人員の検索を行う情報処理方法であって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、を含み、
    前記特徴データは、人員に関連するテキストデータから算出されたその人員を表す特徴量を含み、
    前記テキストデータは、各人員が前記組織内のコミュニケーションツールに書き込んだ文章のデータを含む、情報処理方法。
12. プロセッサによって行われる、組織に関する人員の検索を行う情報処理方法であって、
    人員毎にその人員の特徴を表す特徴データを記憶し且つ前記組織内の人員同士のつながりの強さを表すつながりデータを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、を含み、
    前記類似度は、前記特徴データに加えて、前記ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員とのつながりの強さを表すつながりデータに基づいて算出される、情報処理方法。
13. プロセッサによって行われる、組織に関する人員の検索を行う情報処理方法であって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、を含み、
    前記表示対象の人員は、今回ユーザによって指定された人員との類似度に加えて、過去にユーザによって指定された人員との類似度に基づいて特定される、情報処理方法。
14. 組織に関する人員の検索を行う情報処理プログラムであって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、をコンピュータに実行させ、
    各人員の前記特徴データは、それぞれがその人員を表す異なる属性の単語を表す属性データを複数含み、
    当該プログラムは、前記ユーザによって指定された人員の属性データによって表される単語と前記記憶部に記憶された他の各人員の属性データによって表される単語とが一致する割合を算出することをさらにコンピュータに実行させ、前記類似度は前記割合が高いほど高くなるように算出される、情報処理プログラム。
    
15. 組織に関する人員の検索を行う情報処理プログラムであって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、をコンピュータに実行させ、
    前記特徴データは、人員に関連するテキストデータから算出されたその人員を表す特徴量を含み、
    前記テキストデータは、各人員が前記組織内のコミュニケーションツールに書き込んだ文章のデータを含む、情報処理プログラム。
16. 組織に関する人員の検索を行う情報処理プログラムであって、
    人員毎にその人員の特徴を表す特徴データを記憶し且つ前記組織内の人員同士のつながりの強さを表すつながりデータを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、をコンピュータに実行させ、
    前記類似度は、前記特徴データに加えて、前記ユーザによって指定された人員と前記記憶部に前記特徴データが記憶された他の各人員とのつながりの強さを表すつながりデータに基づいて算出される、情報処理プログラム。
17. 組織に関する人員の検索を行う情報処理プログラムであって、
    人員毎にその人員の特徴を表す特徴データを記憶する記憶部に該特徴データが記憶された各人員とユーザによって指定された人員との類似度を前記特徴データに基づいて算出することと、
    前記ユーザによって指定された人員との前記類似度に基づいて表示対象の人員を特定することと、
    特定された人員の情報を表示させるための表示データを生成することと、をコンピュータに実行させ、
    前記表示対象の人員は、今回ユーザによって指定された人員との類似度に加えて、過去にユーザによって指定された人員との類似度に基づいて特定される、情報処理プログラム。

Images