JP7352686B1 - 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

Abstract

【課題】ユーザによって強調表示の指定がされた部分を用いてコンテンツの解析を行うことができる情報処理装置、情報処理方法、および情報処理プログラムを提供すること。【解決手段】本願に係る情報処理装置は、取得部と、推定部とを備える。取得部は、コンテンツのうちユーザの指定によって強調表示された部分の情報と、コンテンツのタイトルの情報とを含むコンテンツ関連情報を取得する。推定部は、取得部によって取得されたコンテンツ関連情報に基づいて、強調表示された部分の要点とタイトルとの乖離性を推定する。情報処理装置は、例えば学習モデルを用いて処理を実現する。【選択図】図３

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、ニュース等のコンテンツを配信したユーザからコンテンツに対する評価（例えば、「いいね」等）の反応を受け付け、ユーザの反応を他のユーザが見ることができる技術がある。

特開２０１０－０６３００８号公報

しかしながら、従来技術では、上述したユーザの反応はコンテンツ全体を対象としたものであり、ユーザがコンテンツのうちどの部分に対して注目したかを把握することは難しかった。そこで、コンテンツの一部についてのユーザによる強調表示の指定を受け付け、指定されたコンテンツの一部を強調表示することが考えられるが、さらなる改善の余地がある。

本願は、上記に鑑みてなされたものであって、ユーザによって強調表示の指定がされた部分を用いてコンテンツの解析を行うことができる情報処理装置、情報処理方法、および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、取得部と、推定部とを備える。取得部は、コンテンツのうちユーザの指定によって強調表示された部分の情報と、コンテンツのタイトルの情報とを含むコンテンツ関連情報を取得する。推定部は、取得部によって取得されたコンテンツ関連情報に基づいて、強調表示された部分の要点とタイトルとの乖離性を推定する。

実施形態の一態様によれば、ユーザによって強調表示の指定がされた部分を用いてコンテンツの解析を行うことができるという効果を奏する。

図１は、実施形態に係る情報処理を示す図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、実施形態に係る情報処理装置の記憶部に記憶されるユーザ情報の一例を示す図である。 図５は、実施形態に係る情報処理装置の記憶部に記憶される強調表示情報の一例を示す図である。 図６は、実施形態に係る情報処理装置の記憶部に記憶されるコンテンツ情報の一例を示す図である。 図７は、実施形態に係る情報処理装置の配信部によって提供されるコンテンツの一例を示す図である。 図８は、実施形態に係る情報処理装置が実行する情報処理の処理手順を示すフローチャートである。 図９は、実施形態に係る情報処理装置のハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、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」と記載する）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。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）
まず、図１を用いて、実施形態に係る情報処理装置が実行する情報処理について説明する。図１は、実施形態に係る情報処理を示す図である。なお、図１では、実施形態に係る情報処理装置１を含む情報処理システムＳの動作例を示している。図１に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、提供者端末１００と、複数のユーザ端末５０とを含む。提供者端末１００は、コンテンツの提供者の端末装置であり、情報処理システムＳにおいて複数含まれる。

図１を用いた説明では、便宜上、複数のユーザ端末５０を、ユーザ端末５０ａとユーザ端末５０ｂとに分けて説明する。図１に示す例では、ユーザ端末５０ａおよびユーザ端末５０ｂの各々は１台のみ示されているが、情報処理システムＳには、ユーザ端末５０ａおよびユーザ端末５０ｂの各々が複数含まれる。ユーザ端末５０は、ユーザ端末５０ａおよびユーザ端末５０ｂのいずれにもなり得る。

図１に示すように、実施形態に係る情報処理システムＳでは、コンテンツの提供者が扱う提供者端末１００が、コンテンツを情報処理装置１へ提供する（ステップＳ１）。つづいて、情報処理装置１は、ユーザ端末５０ａに対してコンテンツを配信する（ステップＳ２）。図１では、コンテンツの一例として、ニュースを配信している例を示しているが、ニュースに限らず、投稿記事等のテキストや画像等が含まれるコンテンツであれば任意のものであってよい。

つづいて、ユーザ端末５０ａは、配信されたコンテンツを画面表示するとともに、ユーザから画面に表示されたコンテンツの一部について強調表示の指定を受け付ける（ステップＳ３）。図１では、コンテンツに含まれるテキストの一部、詳細には、「リモートワーク・・・可能性があります。」が指定された例を示している。なお、ユーザは、テキスト以外にも、コンテンツに含まれる画像（静止画や動画）を強調表示の対象として指定することも可能である。

また、図１では、文単位での指定が行われた例を示しているが、文字単位、単語単位、または文節単位等での指定が行われてもよく、１つのコンテンツにおいて複数の箇所に指定が行われてもよい。ユーザ端末５０ａは、コンテンツの一部について強調表示の指定を受け付けた場合、受け付けた強調表示の指定を示す指定情報を情報処理装置１に送信する。情報処理装置１は、ユーザ端末５０ａからの指定情報に基づいて、コンテンツの一部について強調表示の指定を受け付ける。

つづいて、情報処理装置１は、指定されたコンテンツの一部を強調表示する（ステップＳ４）。図１では、指定されたコンテンツの一部を、下線を付することで強調表示を行う例を示しているが、テキストの文字を太く表示したり、ハイライト表示したり、枠で囲ったりすることができる。また、情報処理装置１は、例えば、画面に表示されたカーソル（マウス等で移動可能）がコンテンツの一部に移動した際や、ユーザがコンテンツの一部を選択した際には、強調表示をさらに強める（下線かつ太字等）ようにすることができる。

つづいて、情報処理装置１は、ユーザ端末５０ｂからコンテンツの閲覧要求を受け付けた場合、一部が強調表示されたコンテンツをユーザ端末５０ｂへ配信する（ステップＳ５）。一部が強調表示されたコンテンツは、強調表示の指定を行ったユーザと属性情報（ユーザの属性を示す情報）が類似する他のユーザのみへ配信されてもよい。また一部が、強調表示されたコンテンツは、かかるコンテンツに興味がある（行動情報等から興味があると推定された）他のユーザのみへ配信されてもよい。なお、ステップＳ４の処理は、ステップＳ５の処理の中で行われてもよい。また、以下において、一部が強調表示されたコンテンツを強調表示されたコンテンツと記載する場合がある。

つづいて、情報処理装置１は、ユーザ端末５０ｂを介して強調表示されたコンテンツの一部に対するユーザの反応を受け付ける（ステップＳ６）。例えば、情報処理装置１は、ユーザの反応として、コンテンツの一部に賛同（評価）する反応（例えば、「いいね」）や、コンテンツの一部に対するコメント等を受け付ける。例えば、情報処理装置１は、強調表示されたコンテンツの一部の近傍に、評価する反応を行うための評価ボタン（賛同および反対のボタン）や、コメントを入力するためのボタンを表示することでユーザの反応を受け付ける。また、情報処理装置１は、入力されたコメントに対する評価（賛同および反対）を受け付けるための評価ボタンを表示してもよい。

また、情報処理装置１は、強調表示されたコンテンツとともに、強調表示の指定を行ったユーザに関する情報（属性情報や、強調表示の指定を行ったユーザ数等）を併せて表示してもよい。

つづいて、情報処理装置１は、強調部分の情報とタイトルの情報とを含むコンテンツ関連情報を取得する（ステップＳ７）。強調部分は、ユーザの指定によって強調表示された部分であり、コンテンツにおいて、ユーザの指定によって強調表示された部分が複数ある場合、コンテンツ情報関連には、複数の強調部分の情報が含まれる。また、タイトルの情報には、例えば、タイトルを示す文字列の情報が含まれており、以下において、タイトルの情報を単にタイトルと記載する場合がある。

つづいて、情報処理装置１は、ステップＳ６で取得されたコンテンツ関連情報に基づいて、コンテンツの強調部分の要点とタイトルとの乖離性を推定する（ステップＳ８）。情報処理装置１は、コンテンツの強調部分の情報に基づいて、強調部分の要点を特定する。そして、情報処理装置１は、特定した要点とタイトルとの乖離性を推定する。

情報処理装置１は、例えば、テキストを入力し、入力したテキストを要約して入力したテキストの要点を出力する要約モデルを有している。情報処理装置１は、強調部分のテキストを要約モデルに入力することで、要約モデルから強調部分のテキストの要約を得ることができる。要約モデルは、抽出型モデルまたは抽象型モデルである。かかる要約モデルとして、例えば、Ｓｅｑ２Ｓｅｑ（sequence-to-sequence）等の公知の学習モデル（例えば、特開２０２１－１４９６０６号公報参照）を用いることができるが、かかる例に限定されない。

また、情報処理装置１は、例えば、コンテンツの強調部分のテキストに含まれる単語または語句のＴＦ－ＩＤＦ（Term Frequency-Inverse Document Frequency）値を計算し、かかるＴＦ－ＩＤＦ値に基づいて、強調部分の要点を特定することもできる。例えば、情報処理装置１は、ＴＦ－ＩＤＦ値が高い順に予め設定された数の単語または語句を強調部分の要点を示す単語または語句として特定することができる。また、情報処理装置１は、ＴＦ－ＩＤＦ値が閾値以上の単語または語句を強調部分の要点を示す単語または語句として特定することができる。

情報処理装置１は、コンテンツにおける強調部分のうち特定ユーザが強調表示した部分を優先して用いて要点を特定することができる。特定ユーザは、例えば、コンテンツで示される分野の専門家であるが、かかる例に限定されない。例えば、特定ユーザは、コンテンツの提供者が指定したユーザであってもよい。

例えば、情報処理装置１は、コンテンツにおける強調部分のうち特定ユーザが強調表示した部分のみを用いて要点を特定したり、特定ユーザが強調表示した部分の重みを他のユーザが強調表示した部分の重みよりも大きくして要点を特定したりすることができる。

また、情報処理装置１は、コンテンツにおける強調部分のうち強調表示の指定をしたユーザの数が多い部分を優先して用いて要点を特定することができる。例えば、情報処理装置１は、強調表示の指定をしたユーザの数が多い部分（例えば、ユーザの数が閾値以上の部分）のみを用いて要点を特定したり、強調表示の指定をしたユーザの数が多いほど重みを大きくして要点を特定したりすることができる。

また、情報処理装置１は、ユーザによって複数の部分に対する強調表示の指定がある場合、指定の順番に応じた重み付けを行ってもよい。例えば、情報処理装置１は、ユーザによる強調表示の指定の順番が遅い部分ほど重みを大きくしたりまたは小さくしたりすることができる。

また、情報処理装置１は、コンテンツに対する強調表示の指定頻度に応じた重み付けを行ってもよい。例えば、情報処理装置１は、強調表示の指定の頻度が高いユーザによって強調表示の指定がされた部分を強調表示の指定の頻度が高いユーザによって強調表示の指定がされた部分よりも重み付けを大きくしたりまたは小さくしたりすることができる。

また、情報処理装置１は、強調表示の指定を行ったユーザの属性毎の強調部分の情報に基づいて、ユーザの属性毎の要点を特定することができる。例えば、情報処理装置１は、男性が強調表示した部分の情報に基づいて、男性が強調表示を行った部分の要点を特定し、女性が強調表示した部分の情報に基づいて、女性が強調表示を行った部分の要点を特定することができる。

ユーザの属性毎の要点は、例えば、１つの属性項目で示される属性の要点、または複数の属性項目で示される属性の要点である。属性項目は、例えば、性別、年齢、職業、居住地等のデモグラフィック属性を示す項目、興味関心や思想の傾向等のサイコグラフィック属性を示す項目等である。

情報処理装置１は、例えば、思想の傾向が第１傾向のユーザによって強調表示の指定がされた部分を用いた要点と、思想の傾向が第２傾向のユーザによって強調表示された部分を用いた要点とを特定することができる。

つづいて、情報処理装置１は、特定した強調部分の要点とコンテンツのタイトルとの乖離性を推定する。情報処理装置１は、例えば、自然言語処理技術を用いて、要点とタイトルとの乖離性を推定する。

例えば、情報処理装置１は、強調部分の要点およびタイトルの各々に含まれる単語または語句を、Ｗ２Ｖ（Ｗｏｒｄ２Ｖｅｃ）等のように意味が類似する単語を類似するベクトルへと変換する変換モデルを用いて、強調部分の要点およびタイトルの各々に含まれる単語または語句をベクトル化する。

そして、情報処理装置１は、例えば、タイトルに含まれる単語または語句のベクトルと、強調部分の要点に含まれる単語または語句のベクトルとの比較結果に基づいて、要点とタイトルとの乖離性を推定する。例えば、情報処理装置１は、タイトルに含まれる単語または語句のベクトルと強調部分の要点に含まれる単語または語句のベクトルとを入力とし、要点とタイトルとの類似度を出力する推定モデルを用いて、要点とタイトルとの乖離性を推定することができる。

また、情報処理装置１は、例えば、タイトルに含まれる単語または語句のベクトルの各々に対する強調部分の要点に含まれる単語または語句のベクトルの差の合計が小さいほど、要点とタイトルとの乖離性が小さいと推定する。

例えば、タイトルに含まれる単語または語句のベクトルを第１ベクトルとし、強調部分の要点に含まれる単語または語句のベクトルを第２ベクトルとする。そして、第１ベクトルが複数あり、第２ベクトルが複数あるとする。

この場合、情報処理装置１は、第１ベクトルに最も距離が近い第２ベクトルと第１ベクトルとの距離差を第１ベクトル毎に算出し、第１ベクトル毎の距離差に基づいて、要点とタイトルとの乖離性を推定する。例えば、情報処理装置１は、第１ベクトル毎の距離差の合計に係数を乗算して得られる値を要点とタイトルとの乖離度として算出し、かかる乖離度を乖離性として推定する。

なお、要点とタイトルとの乖離性の推定方法は、上述した方法に限定されず、種々の推定方法を用いることができる。例えば、タイトルに含まれる単語または語句のうち要点に含まれる単語または語句の割合が少ないほど、要点とタイトルとの乖離性が小さいと推定することもできる。

つづいて、情報処理装置１は、ステップＳ８で推定した強調部分の要点とコンテンツのタイトルとの乖離性を示す情報である乖離性情報を提供者端末１００に送信することで、乖離性情報をコンテンツの提供者に提供する（ステップＳ９）。

情報処理装置１は、ステップＳ８で推定した乖離性の高さが予め定められた高さ以上である場合に、ステップＳ９の処理を行うことができる。なお、乖離性情報の提供先は、コンテンツの管理者に限定されず、例えば、ユーザ端末５０のユーザであってもよく、コンテンツに関連付けられる広告の提供者や広告元の会社等であってもよい。

また、情報処理装置１は、ステップＳ８で推定した乖離性の高さが予め定められた高さ以上である場合、タイトルの修正をコンテンツの提供者に対して提案することもできる。情報処理装置１は、例えば、ステップＳ８で特定された要点の内容を示してタイトルの修正の提案を行うことができる。

なお、情報処理装置１は、例えば、評価ボタンを押下したユーザ数の情報を提供することもできる。また、情報処理装置１は、入力されたコメントのリストや、コメントの要約、コメントの分析結果（コメントの傾向等）等を提供することもできる。また、情報処理装置１は、反応したユーザに関する情報（属性情報等）を提供することもできる。

また、情報処理装置１は、賛同する評価ボタンを押下したユーザ数に応じたランキングを提供することもできる。かかるランキングは、例えば、コンテンツへのアクセス情報（例えば、ＵＲＬ）とともにタイムライン上に表示してもよい。

また、情報処理装置１は、入力されたコメントに対する評価が高い（賛同が閾値以上）コメントを強調表示して提供することもできる。また、情報処理装置１は、入力されたコメントを他のサービス（例えば、ＳＮＳ等）に提供することもできる。

このように、情報処理装置１は、コンテンツのうちユーザの指定によって強調表示された部分の情報とコンテンツのタイトルの情報とを含むコンテンツ関連情報に基づいて、強調表示された部分の要点とタイトルとの乖離性を推定する。したがって、実施形態に係る情報処理装置１によれば、ユーザによって強調表示の指定がされた部分を用いてコンテンツの解析を行うことができる。

次に、図２を用いて、実施形態に係る情報処理システムＳの構成例について説明する。図２は、実施形態に係る情報処理システムＳの構成例を示す図である。図２に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、複数のユーザ端末５０とがネットワークＮに対して有線または無線により接続される。ネットワークＮは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）等のネットワークである。

情報処理装置１は、情報処理方法を実行するサーバ装置である。情報処理装置１は、ユーザに配信したコンテンツの一部について強調表示の指定を受け付ける。また、情報処理装置１は、指定されたコンテンツの一部を強調表示するとともに、強調表示されたコンテンツの一部に対するユーザの反応を受け付ける。また、情報処理装置１は、受け付けたユーザの反応に基づいた情報提供を行う。また、情報処理装置１は、要点とタイトルとの乖離性を推定する。

なお、コンテンツは、情報処理装置１によって配信されてもよく、外部の配信サーバによって配信されてもよい。

また、情報処理装置１は、各ユーザのユーザ端末５０と連携し、各ユーザのユーザ端末５０に対して、各種アプリケーション（以下、アプリ）等に対するＡＰＩ（Application Programming Interface）サービス等と、各種データを提供する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。

また、情報処理装置１は、各ユーザのユーザ端末５０に対して、オンラインで何らかのＷｅｂサービスを提供する情報処理装置であってもよい。例えば、情報処理装置１は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信、ニュース、地図、ルート検索、経路案内、路線情報、運行情報、天気予報等のサービスを提供してもよい。実際には、情報処理装置１は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよいし、Ｗｅｂサービスの処理を担当してもよい。

ユーザ端末５０は、ユーザが所持する端末装置である。ユーザ端末５０は、スマートフォン、デスクトップ型ＰＣ、ノート型ＰＣ（Personal Computer）、タブレット型ＰＣ等の任意のタイプの端末装置を用いることができる。ユーザ端末５０は、情報処理装置１へ各種情報を送信したり、情報処理装置１から提供される情報を受信したりする。

次に、図３を参照して、情報処理装置１の構成例について説明する。

図３は、実施形態に係る情報処理装置１の構成例を示す図である。図３に示されるように、情報処理装置１は、通信部２と、制御部３と、記憶部４とを有する。制御部３は、配信部３１と、受付部３２と、表示制御部３３と、取得部３４と、推定部３５と、提案部３６と、提供部３７とを備える。記憶部４は、ユーザ情報４１と、強調表示情報４２と、コンテンツ情報４３とを記憶する。

通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、有線または無線によりネットワーク網と接続される。

制御部３は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等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３は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＧＰＵ（General Purpose Graphic Processing Unit）等の集積回路により実現されてもよい。

記憶部４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。

ユーザ情報４１は、ユーザに関する情報である。図４は、実施形態に係る情報処理装置１の記憶部４に記憶されるユーザ情報４１の一例を示す図である。図４に示すように、ユーザ情報４１は、「ユーザＩＤ」、「属性情報」、「行動履歴情報」、「強調部分情報」等の項目を含む。

「ユーザＩＤ」は、ユーザを識別する識別情報である。「属性情報」は、ユーザの属性に関する情報であり、サイコグラフィック属性の情報や、デモグラフィック属性の情報等を含む。デモグラフィック属性は、例えば、性別、年齢、居住地、および職業等であり、サイコグラフィック属性は、旅行、服、車、宗教等の興味関心対象、生活スタイル、思想や思想の傾向等である。

「行動履歴情報」は、ユーザの行動に関する履歴情報であり、例えば、オンラインサービスでのユーザの行動、オフラインでのユーザの行動等の履歴情報である。「強調部分情報」は、ユーザによって強調表示の対象として指定されたコンテンツの部分（箇所）である強調部分を示す情報である。「強調部分情報」は、例えば、テキスト、静止画、動画等である。

強調表示情報４２は、強調表示されたコンテンツに関する情報である。図５は、実施形態に係る情報処理装置１の記憶部４に記憶される強調表示情報４２の一例を示す図である。図５に示すように、強調表示情報４２は、「指定ＩＤ」、「コンテンツＩＤ」、「強調部分情報」、「反応情報」等の項目を含む。

「指定ＩＤ」は、強調表示の対象として指定されたコンテンツの一部を識別する識別情報である。「コンテンツＩＤ」は、強調表示の対象として指定されたコンテンツを識別する識別情報である。「強調部分情報」は、強調表示の対象として指定されたコンテンツの部分（箇所）である強調部分を示す情報である。「反応情報」は、強調表示されたコンテンツの一部に対するユーザの反応を示す情報である。

コンテンツ情報４３は、コンテンツの情報である。図６は、実施形態に係る情報処理装置１の記憶部４に記憶されるコンテンツ情報４３の一例を示す図である。図６に示すように、強調表示情報４２は、「コンテンツＩＤ」、「コンテンツ」等の項目を含む。「コンテンツＩＤ」は、コンテンツを識別する識別情報である。

「コンテンツ」は、コンテンツの情報であり、例えば、コンテンツのレイアウト情報、コンテンツを構成するテキストの情報、コンテンツを構成する画像の情報等を含む。コンテンツを構成するテキストの情報には、例えば、コンテンツのタイトルを示すテキストの情報、コンテンツの詳細を示すテキストの情報等が含まれる。

次に、情報処理装置１の制御部３の各機能（配信部３１、受付部３２、表示制御部３３、取得部３４、推定部３５、提案部３６、および提供部３７）について説明する。

配信部３１は、コンテンツをユーザ端末５０へ配信する。例えば、配信部３１は、後述する表示制御部３３によって一部が強調表示されたコンテンツを配信する。強調表示されたコンテンツの配信先は、例えば、強調表示の指定を行ったユーザと属性情報が類似する他のユーザである。また、強調表示されたコンテンツの配信先は、強調表示したコンテンツに興味がある他のユーザである。

図７は、実施形態に係る情報処理装置１の配信部３１によって提供されるコンテンツの一例を示す図である。図７に示すコンテンツ６０は、ニュースコンテンツであり、画像６１と、テキスト６２とが含まれる。また、テキスト６２の一部は下線によって強調表示されている。図７に示す例では、強調表示されている箇所として強調部分６３ａ，６３ｂが示されている。

強調部分６３ａは、テキスト６２の一部「リモートワーク・・・可能性があります。」が強調表されている部分であり、強調部分６３ｂは、テキスト６２の一部「企業の中には・・・・います。」が強調表されている部分である。

これにより、ユーザは、他のユーザが強調表示した部分である強調部分６３ａ，６３ｂを容易に把握することができる。他のユーザが強調表示は、他のユーザが重要であると認識した部分であることから、情報処理装置１は、良質なコンテンツをユーザに提供することができる。以下において、強調部分６３ａ，６３ｂの各々を個別に区別せずに示す場合、強調部分６３と記載する場合がある。

受付部３２は、配信部３１によって配信されたコンテンツ６０の一部について強調表示の指定を受け付ける。例えば、受付部３２は、コンテンツ６０に含まれるテキストや、画像（静止画や動画）を強調表示の指定として受け付ける。

なお、強調表示の指定は、文単位、文字単位、単語単位、文節単位等の任意の範囲での指定が可能である。また、１つのコンテンツ６０において複数の箇所に強調表示の指定が行われてもよい。

また、受付部３２は、文意が通らない範囲での指定を受け付けた場合には、ユーザに対して誤入力の有無を確認したり、文意が通るように指定範囲を補正したりしてもよい。

受付部３２は、表示制御部３３によって強調表示されたコンテンツ６０の一部に対するユーザの反応を受け付ける。例えば、受付部３２は、ユーザの反応として、コンテンツ６０の一部に賛同（評価）する反応（例えば、「いいね」）や、コンテンツ６０の一部に対するコメント等を受け付ける。

また、受付部３２は、強調部分６３の選択を受け付ける。例えば、受付部３２は、ユーザ端末５０からの選択情報をネットワークＮおよび通信部２を介して受信した場合、受信した選択情報に基づいて、強調部分６３の選択を受け付ける。

例えば、受付部３２は、強調表示されたコンテンツ６０の一部の近傍に、評価する反応を行うための評価ボタン（賛同および反対のボタン）や、コメントを入力するためのボタンを表示することでユーザの反応を受け付ける。これらのボタンは、例えば、強調表示されたコンテンツ６０の一部をユーザが選択した場合や、かかるコンテンツ６０の一部にカーソルを移動させた場合に表示することとしてもよい。また、受付部３２は、入力されたコメントに対する評価（賛同および反対）を受け付けるための評価ボタンを表示してもよい。

表示制御部３３は、受付部３２によって指定されたコンテンツ６０の一部を強調表示する。例えば、表示制御部３３は、指定されたコンテンツ６０の一部をハイライト表示したり、テキストの文字を太く表示したり、下線を付したり、枠で囲ったりしてもよい。また、表示制御部３３は、例えば、画面に表示されたカーソル（マウス等で移動可能）がコンテンツ６０の一部に移動した際や、ユーザがコンテンツ６０の一部を選択した際には、強調表示をさらに強める（ハイライト表示かつ太字等）ようにしてもよい。

また、表示制御部３３は、コンテンツ６０において受付部３２によって強調表示の指定が受け付けられた箇所のすべてを強調表示するが、かかる例に限定されない。例えば、表示制御部３３は、受付部３２によって強調表示の指定を受け付けられたコンテンツ６０の一部のうち、かかるコンテンツ６０を閲覧する閲覧ユーザと類似するユーザによって強調表示の指定が行われたコンテンツ６０の一部を強調表示することもできる。

例えば、表示制御部３３は、受付部３２によって強調表示の指定が受け付けられた部分のうち閲覧ユーザの属性情報と類似する属性情報を有するユーザによって強調表示の指定が行われたコンテンツ６０の一部を強調表示することもできる。これにより、閲覧ユーザが興味を持つ確度が高い箇所に強調表示を行うことができる。

また、表示制御部３３は、強調表示の指定を行ったユーザとの類似性に限らず、強調表示に対して評価やコメント等の反応を行った他のユーザとの類似性により強調表示を行ってもよい。つまり、表示制御部３３は、受付部３２によって強調表示の指定が受け付けられた部分のうち閲覧ユーザと類似する他のユーザの反応を受け付けたコンテンツ６０の一部を強調表示する。これにより、閲覧ユーザが興味を持つ確度が高い箇所に強調表示を行うことができる。

また、表示制御部３３は、受付部３２によって強調表示の指定が受け付けられた部分に対して反応を行った他のユーザが複数である場合には、かかる複数の他のユーザの傾向と閲覧ユーザとが類似する場合に、コンテンツ６０の一部を強調表示することもできる。これにより、閲覧ユーザが興味を持つ確度が高い箇所に強調表示を行うことができる。

また、表示制御部３３は、受付部３２によって強調表示の指定が受け付けられた部分のうち閲覧ユーザが過去に指定した強調表示の部分と類似する部分を過去に強調表示したユーザが指定したコンテンツ６０の一部を強調表示することもできる。これにより、閲覧ユーザが興味を持つ確度が高い箇所に強調表示を行うことができる。

また、表示制御部３３は、閲覧ユーザが過去に反応を行った強調表示に対して、類似する反応を行ったユーザが指定したコンテンツ６０の一部を強調表示することもできる。これにより、閲覧ユーザが興味を持つ確度が高い箇所に強調表示を行うことができる。

取得部３４は、強調部分６３の情報とタイトルの情報とを含むコンテンツ関連情報をコンテンツ６０毎に記憶部４から取得する。コンテンツ関連情報に含まれる強調部分６３の情報は、強調表示情報４２に含まれる情報であり、コンテンツ関連情報に含まれるタイトルの情報は、コンテンツ情報４３に含まれる情報である。

強調部分６３は、ユーザの指定によって強調表示された部分であり、コンテンツ６０において、ユーザの指定によって強調表示された部分が複数ある場合、コンテンツ関連情報には、複数の強調部分６３の情報が含まれる。

また、取得部３４は、推定部３５によって属性毎の乖離性を推定する場合、強調表示の指定を行ったユーザの属性毎に、強調部分６３の情報を取得する。

推定部３５は、取得部３４によって取得されたコンテンツ関連情報に基づいて、コンテンツ６０の強調部分６３の要点とタイトルとの乖離性を推定する。推定部３５は、コンテンツ６０の強調部分６３の情報に基づいて、強調部分６３の要点を特定する特定部３８と、特定部３８によって特定された要点とタイトルとの乖離性を推定する推定処理部３９とを備える。

特定部３８は、例えば、テキストを入力し、入力したテキストを要約して入力したテキストの要点を出力する要約モデルを有している。特定部３８は、強調部分６３のテキストを要約モデルに入力することで、要約モデルから強調部分６３のテキストの要約を得ることができる。要約モデルは、抽出型モデルまたは抽象型モデルである。かかる要約モデルとして、例えば、Ｓｅｑ２Ｓｅｑ等の公知の学習モデルを用いることができるが、かかる例に限定されない。

また、特定部３８は、例えば、コンテンツ６０の強調部分６３のテキストに含まれる単語または語句のＴＦ－ＩＤＦ値を計算し、かかるＴＦ－ＩＤＦ値に基づいて、強調部分６３の要点を特定することもできる。例えば、特定部３８は、ＴＦ－ＩＤＦ値が高い順に予め設定された数の単語または語句を強調部分６３の要点を示す単語または語句として特定することができる。また、特定部３８は、ＴＦ－ＩＤＦ値が閾値以上の単語または語句を強調部分６３の要点を示す単語または語句として特定することができる。

特定部３８は、コンテンツ６０における強調部分６３のうち特定ユーザが強調表示した部分を優先して用いて要点を特定する。特定ユーザは、例えば、コンテンツ６０で示される分野の専門家であるが、かかる例に限定されない。例えば、特定ユーザは、コンテンツ６０の提供者が指定したユーザであってもよい。

例えば、特定部３８は、コンテンツ６０における強調部分６３のうち特定ユーザが強調表示した部分のみを用いて要点を特定したり、特定ユーザが強調表示した部分の重みを他のユーザが強調表示した部分の重みよりも大きくして要点を特定したりすることができる。

また、特定部３８は、コンテンツ６０における強調部分６３のうち強調表示の指定をしたユーザの数が多い部分を優先して用いて要点を特定することができる。例えば、特定部３８は、強調表示の指定をしたユーザの数が多い部分（例えば、ユーザの数が閾値以上の部分）のみを用いて要点を特定したり、強調表示の指定をしたユーザの数が多いほど重みを大きくして要点を特定したりすることができる。

また、特定部３８は、ユーザによって複数の部分に対する強調表示の指定がある場合、指定の順番に応じた重み付けを行ってもよい。例えば、特定部３８は、ユーザによる強調表示の指定の順番が遅い部分ほど重みを大きくしたりまたは小さくしたりすることができる。

また、特定部３８は、コンテンツ６０に対する強調表示の指定頻度に応じた重み付けを行ってもよい。例えば、特定部３８は、強調表示の指定の頻度が高いユーザによって強調表示された部分を強調表示の指定の頻度が高いユーザによって強調表示の指定がされた部分よりも重み付けを大きくしたりまたは小さくしたりすることができる。

また、特定部３８は、強調表示の指定を行ったユーザの属性毎の強調部分６３の情報に基づいて、ユーザの属性毎の要点を特定することができる。例えば、特定部３８は、男性が強調表示した部分の情報に基づいて、男性が強調表示を行った部分の要点を特定し、女性が強調表示した部分の情報に基づいて、女性が強調表示を行った部分の要点を特定することができる。

ユーザの属性毎の要点は、例えば、１つの属性項目で示される属性の要点、または複数の属性項目で示される属性の要点である。属性項目は、例えば、性別、年齢、職業、居住地等のデモグラフィック属性を示す項目、興味関心や思想の傾向等のサイコグラフィック属性を示す項目等である。

また、特定部３８は、例えば、思想の傾向が第１傾向のユーザによって強調表示の指定がされた部分を用いた要点と、思想の傾向が第２傾向のユーザによって強調表示の指定がされた部分を用いた要点とを推定することができる。

推定部３５の推定処理部３９は、特定した強調部分６３の要点とコンテンツ６０のタイトルとの乖離性を推定する。推定処理部３９は、例えば、自然言語処理技術を用いて、要点とタイトルとの乖離性を推定する。

例えば、推定処理部３９は、強調部分６３の要点およびタイトルの各々に含まれる単語または語句を、Ｗ２Ｖ等のように意味が類似する単語を類似するベクトルへと変換する変換モデルを用いて、強調部分６３の要点およびタイトルの各々に含まれる単語または語句をベクトル化する。

そして、推定処理部３９は、例えば、タイトルに含まれる単語または語句のベクトルと、強調部分６３の要点に含まれる単語または語句のベクトルとの比較結果に基づいて、要点とタイトルとの乖離性を推定する。例えば、推定処理部３９は、タイトルに含まれる単語または語句のベクトルと強調部分６３の要点に含まれる単語または語句のベクトルとを入力とし、要点とタイトルとの類似度を出力する推定モデルを用いて、要点とタイトルとの乖離性を推定することができる。

また、推定処理部３９は、例えば、タイトルに含まれる単語または語句のベクトルの各々に対する強調部分６３の要点に含まれる単語または語句のベクトルの差の合計が小さいほど、要点とタイトルとの乖離性が小さいと推定する。

例えば、タイトルに含まれる単語または語句のベクトルを第１ベクトルとし、強調部分６３の要点に含まれる単語または語句のベクトルを第２ベクトルとする。そして、第１ベクトルが複数あり、第２ベクトルが複数あるとする。

この場合、推定処理部３９は、第１ベクトルに最も距離が近い第２ベクトルと第１ベクトルとの距離差を第１ベクトル毎に算出し、第１ベクトル毎の距離差に基づいて、要点とタイトルとの乖離性を推定する。例えば、推定処理部３９は、第１ベクトル毎の距離差の合計に係数を乗算して得られる値を要点とタイトルとの乖離度として算出し、かかる乖離度を乖離性として推定する。

なお、要点とタイトルとの乖離性の推定方法は、上述した方法に限定されず、種々の推定方法を用いることができる。例えば、タイトルに含まれる単語または語句のうち要点に含まれる単語または語句の割合が少ないほど、要点とタイトルとの乖離性が小さいと推定することもできる。

また、提案部３６は、推定部３５によって推定された乖離性の高さが予め定められた高さ以上である場合、タイトルの修正をコンテンツ６０の提供者に対して提案する。提案部３６は、例えば、推定部３５によって特定された要点の内容を示してタイトルの修正の提案を行う。

また、提案部３６は、例えば、推定部３５によってユーザの属性毎の乖離性が推定された場合、ユーザの属性毎の乖離性のいずれかの乖離性の高さが予め定められた高さ以上である場合、タイトルの修正をコンテンツ６０の提供者に対して提案することができる。

また、提案部３６は、例えば、推定部３５によってユーザの属性毎の乖離性が推定された場合、ユーザの属性毎の乖離性の高さがすべて予め定められた高さ以上である場合、タイトルの修正をコンテンツ６０の提供者に対して提案することもできる。

提供部３７は、推定部３５によって推定された強調部分６３の要点とコンテンツ６０のタイトルとの乖離性を示す情報である乖離性情報を提供する。提供部３７は、例えば、推定部３５によって推定された乖離性の高さが予め定められた高さ以上である場合に、乖離性情報を提供する。

また、提供部３７は、推定部３５によってユーザの属性毎の乖離性が推定された場合、ユーザの属性毎の乖離性を示す情報を乖離性情報として提供する。提供部３７は、例えば、ユーザの属性毎の乖離性のうち推定部３５によって推定された高さが予め定められた高さ以上である乖離性を示す情報を乖離性情報として提供することができる。

また、提供部３７は、受付部３２が受け付けたユーザの反応に基づいた情報提供を行う。例えば、提供部３７は、評価ボタンを押下したユーザ数の情報を提供する。これにより、強調表示されたコンテンツ６０の一部に対する他のユーザの賛同数または反対数を容易に把握することができる。

また、提供部３７は、入力されたコメントのリストや、コメントの要約、コメントの分析結果（コメントの傾向等）等を提供してもよい。このようなコメントに関する情報を提供することで、強調表示されたコンテンツ６０の一部に対する他のユーザの意見を容易に把握することができる。

また、提供部３７は、反応したユーザに関する情報（属性情報等）を提供してもよい。これにより、どのような属性のユーザが反応したかを容易に把握することができる。

また、提供部３７は、配信部３１の機能を含んでいてもよい。この場合、提供部３７は、表示制御部３３によって一部が強調表示されたコンテンツ６０を配信する。

また、提供部３７は、強調表示されたコンテンツ６０とともに、強調表示の指定を行ったユーザに関する情報（属性情報や、強調表示の指定を行ったユーザ数等）を併せて提供してもよい。これにより、強調表示されたコンテンツ６０を配信されたユーザが強調表示の指定を行ったユーザに関する情報を容易に把握することができる。

なお、提供部３７は、上記した各種情報を、例えば、強調表示されたコンテンツ６０の一部をユーザが選択した場合や、かかるコンテンツ６０の一部にカーソルを移動させた場合に表示（提供）する。

また、提供部３７は、賛同する評価ボタンを押下したユーザ数に応じたランキングを提供してもよい。かかるランキングは、例えば、コンテンツ６０へのリンク情報（例えば、ＵＲＬ）とともにニュース等のサービスにおけるタイムライン上に表示してもよい。これにより、他のユーザの賛同数または反対数が多い（または少ない）コンテンツ６０を容易に把握することができる。

また、提供部３７は、入力されたコメントに対する評価が高い（賛同が閾値以上）コメントを強調表示して提供してもよい。これにより、強調表示されたコンテンツ６０の一部に対する他のユーザの主な意見を容易に把握することができる。

また、提供部３７は、入力されたコメントを他のサービス（例えば、ＳＮＳ等）に提供してもよい。これにより、強調表示されたコンテンツ６０の一部に対するコメントを他のサービスにおいて共有することができる。

次に、図８を用いて、実施形態に係る情報処理装置１が実行する情報処理の処理手順について説明する。図８は、実施形態に係る情報処理装置１が実行する情報処理の処理手順を示すフローチャートである。

図８に示すように、制御部３は、コンテンツ６０をユーザ端末５０へ配信する（ステップＳ１０１）。つづいて、制御部３は、配信されたコンテンツ６０の一部について強調表示の指定を受け付ける（ステップＳ１０２）。

つづいて、制御部３は、閲覧ユーザと類似するユーザにより強調表示の指定が行われたコンテンツ６０の一部を強調表示し（ステップＳ１０３）、強調表示されたコンテンツ６０の一部に対するユーザの反応を受け付ける（ステップＳ１０４）。そして、制御部３は、受け付けたユーザの反応に基づいた情報提供を行う（ステップＳ１０５）。

つづいて、制御部３は、強調部分６３の情報とタイトルの情報とを含むコンテンツ関連情報を記憶部４から取得し（ステップＳ１０６）、取得したコンテンツ関連情報に基づいて、強調部分６３の要点とタイトルとの乖離性を推定する（ステップＳ１０７）。そして、制御部３は、ステップＳ１０７で推定した乖離性を示す情報を提供し（ステップＳ１０８）、図８に示す処理を終了する。

〔その他〕
また、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一部を手動的に行うこともできる。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等に応じて、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、図３に示した記憶部４の一部または全部は、各装置によって保持されるのではなく、ストレージサーバ等に保持されてもよい。この場合、各装置は、ストレージサーバにアクセスすることで、各種情報を取得する。

〔ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１は、例えば図９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９は、実施形態に係る情報処理装置１のハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一時的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、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演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が情報処理装置１として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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３の機能を実現する。

〔効果〕
上述してきたように、実施形態に係る情報処理装置１は、取得部３４と、推定部３５とを備える。取得部３４は、コンテンツ６０のうちユーザの指定によって強調表示された部分の情報と、コンテンツ６０のタイトルとを含むコンテンツ関連情報を取得する。推定部３５は、取得部３４によって取得されたコンテンツ関連情報に基づいて、強調表示された部分の要点とタイトルとの乖離性を推定する。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を行うことができる。

また、推定部３５は、強調表示された部分の情報に基づいて、要点を特定する特定部３８と、特定部３８によって特定された要点に基づいて、乖離性を推定する推定処理部３９とを備える。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を行うことができる。

また、特定部３８は、強調表示された部分のうち特定ユーザが強調表示した部分を優先して用いて要点を特定する。これにより、情報処理装置１は、特定ユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を行うことができる。

また、特定部３８は、強調表示された部分のうち強調表示の指定をしたユーザの数が多い部分を優先して用いて要点を特定する。これにより、情報処理装置１は、多くのユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を行うことができる。

また、特定部３８は、強調表示された部分を要約して要点を特定する。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を精度よく行うことができる。

また、特定部３８は、強調表示された部分の情報を入力とし、強調表示された部分を要約して要点を出力する学習モデルを用いて、要点を特定する。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いてコンテンツ６０の解析を精度よく行うことができる。

また、情報処理装置１は、推定部３５によって推定された乖離性の高さが予め定められた高さ以上である場合、タイトルの修正をコンテンツ６０の提供者に対して提案する提案部３６を備える。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いたコンテンツ６０の解析結果に応じた提案を行うことができる。

また、情報処理装置１は、推定部３５によって推定された乖離性の高さが予め定められた高さ以上である場合、乖離性に関する情報をコンテンツ６０の提供者に対して提供する提供部３７を備える。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いたコンテンツ６０の解析結果を提供することができる。

また、取得部３４は、強調表示の指定を行ったユーザの属性毎に、強調表示された部分の情報を取得し、推定部３５は、属性毎の強調表示された部分の情報に基づいて、属性毎の乖離性を推定する。これにより、情報処理装置１は、ユーザによって強調表示の指定がされた部分を用いたコンテンツ６０のより詳細の解析結果を提供することができる。

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、上記してきた「部（section、module、unit）」は、「手段」や「回路」等に読み替えることができる。例えば、制御部３は、制御手段や制御回路に読み替えることができる。

１ 情報処理装置
２ 通信部
３ 制御部
４ 記憶部
３１ 配信部
３２ 受付部
３３ 表示制御部
３４ 取得部
３５ 推定部
３６ 提案部
３７ 提供部
３８ 特定部
３９ 推定処理部
４１ ユーザ情報
４２ 強調表示情報
４３ コンテンツ情報
５０，５０ａ，５０ｂ ユーザ端末
６０ コンテンツ
６１ 画像
６２ テキスト
６３，６３ａ，６３ｂ 強調部分
Ｎ ネットワーク
Ｓ 情報処理システム

Claims (11)

1. コンテンツのうちユーザの指定によって強調表示された部分の情報と、前記コンテンツのタイトルの情報とを含むコンテンツ関連情報を取得する取得部と、
   前記取得部によって取得された前記コンテンツ関連情報に基づいて、前記強調表示された部分の要点と前記タイトルとの乖離性を推定する推定部と、を備える
   ことを特徴とする情報処理装置。
2. 前記推定部は、
   前記強調表示された部分の情報に基づいて、前記要点を特定する特定部と、
   前記特定部によって特定された前記要点に基づいて、前記乖離性を推定する推定処理部と、を備える
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記特定部は、
   前記強調表示された部分のうち特定ユーザが強調表示した部分を優先して用いて前記要点を特定する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記特定部は、
   前記強調表示された部分のうち前記強調表示の指定をしたユーザの数が多い部分を優先して用いて前記要点を特定する
   ことを特徴とする請求項２に記載の情報処理装置。
5. 前記特定部は、
   前記強調表示された部分を要約して前記要点を特定する
   ことを特徴とする請求項２～４のいずれか１つに記載の情報処理装置。
6. 前記特定部は、
   前記強調表示された部分の情報を入力とし、前記強調表示された部分を要約して前記要点を出力する学習モデルを用いて、前記要点を特定する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記推定部によって推定された前記乖離性の高さが予め定められた高さ以上である場合、前記タイトルの修正を前記コンテンツの提供者に対して提案する提案部を備える
   ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
8. 前記推定部によって推定された前記乖離性の高さが予め定められた高さ以上である場合、前記乖離性に関する情報を前記コンテンツの提供者に対して提供する提供部を備える
   ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
9. 前記取得部は、
   前記強調表示の指定を行ったユーザの属性毎に、前記強調表示された部分の情報を取得し、
   前記推定部は、
   前記属性毎の前記強調表示された部分の情報に基づいて、前記属性毎の前記乖離性を推定する
   ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
10. コンピュータが実行する情報処理方法であって、
    コンテンツのうちユーザの指定によって強調表示された部分の情報と、前記コンテンツのタイトルの情報とを含むコンテンツ関連情報を取得する取得工程と、
    前記取得工程によって取得された前記コンテンツ関連情報に基づいて、前記強調表示された部分の要点と前記タイトルとの乖離性を推定する推定工程と、を含む
    ことを特徴とする情報処理方法。
11. コンテンツのうちユーザの指定によって強調表示された部分の情報と、前記コンテンツのタイトルの情報とを含むコンテンツ関連情報を取得する取得手順と、
    前記取得手順によって取得された前記コンテンツ関連情報に基づいて、前記強調表示された部分の要点と前記タイトルとの乖離性を推定する推定手順と、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