JP7393923B2 - 情報収集装置およびそのプログラム - Google Patents

Description

本発明は、ソーシャルメディアから情報を収集する情報収集装置およびそのプログラムに関する。

近年、ソーシャル・ネットワーキング・サービス（ＳＮＳ：Social Networking Service）、ブログ（ｂｌｏｇ）等のソーシャルメディアから、所望の情報を収集して活用することが一般的に行われている。
例えば、放送事業者は、ソーシャルメディア上の放送番組への投稿を収集することで、視聴者の放送番組に対する意見、要望等の生の声を集めることができる。
このように、ソーシャルメディアから所望の情報を収集するには、例えば、ＳＮＳの一つであるツイッター（ＴＷＩＴＴＥＲ：登録商標）の場合、所望の情報に関連する文字列である番組名を表すハッシュタグが付与されたツイートを収集する。
これによって、放送事業者は、所望の放送番組に関連する投稿を収集することができる。

しかし、所望の放送番組に関連する投稿には、ハッシュタグを用いて検索するだけでは収集しきれない関連投稿が数多く存在する。
そこで、ソーシャルメディア上の情報を収集する場合、検索語（クエリ）として、元となる検索語と、その検索語と意味的な関連が深い語句を加えて検索語を拡張（クエリ拡張）する手法が提案されている（特許文献１参照）。

なお、情報検索において、データベースを検索するためのクエリを拡張する手法としては、ユーザがクエリを検討することなく、質問文の特徴量から質問文に対するクエリを生成する手法（特許文献２参照）や、地域に合わせて、ユーザが入力したクエリに関連したクエリを追加する手法（特許文献３参照）が提案されている。

特開２０１６－１２６５６７号公報 特開２０１７－２０８０４７号公報 特開２０１３－４５１８２号公報

前記した従来の手法は、ある時点におけるソーシャルメディア（あるいは静的なデータベース）から所望の情報を収集するものである。
例えば、放送番組として放送中のドラマに関する投稿を、ドラマ名をクエリとして収集する場合、従来の手法では、途中から登場する人物に対する投稿について、その人物名をクエリとして設定していないため、そのドラマに関連する投稿を十分に収集することができない。
このような従来の手法では、時々刻々と話題が変化する情報については、適切なクエリによる検索を行うことができないという問題がある。

本発明は、このような問題に鑑みてなされたものであり、ソーシャルメディアから情報を収集する際に、動的にクエリを拡張して情報を収集することが可能な情報収集装置およびそのプログラムを提供することを課題とする。

前記課題を解決するため、本発明に係る情報収集装置は、ソーシャルメディア情報提供装置に投稿される情報である投稿文を、クエリを拡張して収集する情報収集装置であって、設定クエリ投稿取得手段と、クエリ未設定投稿取得手段と、ダイナミックＩＤＦ算出手段と、単語スコア算出手段と、拡張クエリ選定手段と、拡張クエリ投稿取得手段と、を備える構成とした。

かかる構成において、情報収集装置は、設定クエリ投稿取得手段によって、ソーシャルメディア情報提供装置から、予め設定されたクエリを含む投稿文を設定クエリ投稿文として取得する。これによって、情報収集装置は、予め設定されたクエリを直接含む投稿文を取得することができる。
また、情報収集装置は、クエリ未設定投稿取得手段によって、クエリを設定せずに、ソーシャルメディア情報提供装置から投稿文をクエリ未設定投稿文として取得する。

そして、情報収集装置は、ダイナミックＩＤＦ算出手段によって、設定クエリ投稿文が予め定めた規定数に達する時間区間ごとに、直近の時間区間に近いほどクエリ未設定投稿文の重みを大きくした単語の逆文書頻度であるＩＤＦをダイナミックＩＤＦとして算出する。このダイナミックＩＤＦは、時間区間ごとに、投稿の内容や投稿数が変化するため、動的に変化する。

そして、情報収集装置は、単語スコア算出手段によって、設定クエリ投稿文が規定数に達する時間区間ごとに、ダイナミックＩＤＦとグローバルＩＤＦとから、単語ごとの重要度である単語スコアを算出する。このグローバルＩＤＦは、予め特定のコーパスから算出した時間変動のない静的なＩＤＦである。

さらに、情報収集装置は、拡張クエリ選定手段によって、単語スコア算出手段で算出された単語スコアが予め定めた基準よりも大きい単語を拡張クエリとして選定する。これによって、情報収集装置は、予め設定されたクエリに関連して動的に出現頻度が高くなった単語を、拡張クエリとする。
そして、情報収集装置は、拡張クエリ投稿取得手段によって、ソーシャルメディア情報提供装置から、拡張クエリを含む直近の時間区間に投稿された投稿文を拡張クエリ投稿文として取得する。

さらに、情報収集装置は、投稿スコア算出手段によって、拡張クエリ投稿文ごとに、すべての単語について単語スコアを加算した投稿スコアを算出し、投稿文選定手段によって、投稿スコアが予め定めた基準よりも大きい拡張クエリ投稿文を選定することとしてもよい。
これによって、情報収集装置は、予め設定したクエリを含まない投稿文であっても関連がある場合には精度よく収集することができる。
なお、情報収集装置は、コンピュータを、前記した各手段として機能させるための情報収集プログラムで動作させることができる。

本発明は、以下に示す優れた効果を奏するものである。
本発明によれば、予め設定したクエリを動的に拡張して投稿文を収集することができる。これによって、本発明は、設定したクエリに限定されずにそのクエリに関連する投稿文をより多く収集することができる。

本発明の実施形態に係る情報収集装置の構成を示すブロック図である。 投稿文の種類と時間区間との関係を説明するための説明図であって、（ａ）は設定クエリ投稿文と時間区間との関係を示す図、（ｂ）はクエリ未設定投稿文と時間区間との関係を示す図、（ｃ）は拡張クエリ投稿文と時間区間との関係を示す図である。 ダイナミックＩＤＦ算出手段でダイナミックＩＤＦを算出する際の過去の時間区間の投稿数に対して、現時間区間の投稿数の重みを大きくする概念を説明するための説明図である。 単語スコア算出手段で単語スコアを算出する際のクエリ未設定投稿文の集合と、クエリ未設定投稿文における特定の単語を含む投稿文の集合との関係を説明するための説明図である。 本発明の実施形態に係る情報収集装置の動作を示すフローチャートである。

以下、本発明の実施形態について図面を参照して説明する。
〔情報収集装置の構成〕
図１を参照して、本発明の実施形態に係る情報収集装置１の構成について説明する。

情報収集装置１は、ソーシャルメディアに投稿された情報である投稿文から、検索語（以下、クエリという）に関連する投稿文を収集するものである。
この情報収集装置１は、ＩＰ（Internet Protocol）ネットワーク等のネットワークＮｔに接続されたソーシャルメディア情報提供装置２から、ユーザが予め設定したクエリ（事前設定クエリ）に対応する投稿文を収集するとともに、動的にクエリを拡張して投稿文を収集する。

ソーシャルメディア情報提供装置２は、ソーシャルメディアの情報を提供する装置である。例えば、ソーシャルメディア情報提供装置２が提供する情報は、ＳＮＳ（例えば、ツイッター〔登録商標〕）、ブログ等の投稿文である。
なお、ここでは、情報収集装置１およびソーシャルメディア情報提供装置２を、それぞれ１台図示しているが、ネットワークＮｔ上には、それぞれ複数接続され得る。

図１に示すように、情報収集装置１は、設定クエリ投稿取得手段１０と、クエリ未設定投稿取得手段１１と、拡張クエリ投稿取得手段１２と、投稿文記憶手段１３と、ダイナミックＩＤＦ算出手段１４と、ＩＤＦ記憶手段１５と、クエリ拡張手段１６と、投稿文出力手段１７と、を備える。

設定クエリ投稿取得手段１０は、ソーシャルメディア情報提供装置２から、予め設定されたクエリ（事前設定クエリ）を含む投稿文を取得するものである。なお、事前設定クエリは、図示を省略したキーボード等の入力装置を介して入力される。
例えば、情報収集装置１において、ある放送番組のドラマに対する投稿文を収集する場合、事前設定クエリとして、具体的なドラマ名“ドラマＸ”とする。

この設定クエリ投稿取得手段１０は、事前設定クエリによる投稿文の取得をソーシャルメディア情報提供装置２に要求し、事前設定クエリを含んだ投稿文が投稿されるたびに、ソーシャルメディア情報提供装置２から投稿文を取得する。
設定クエリ投稿取得手段１０は、取得した投稿文を設定クエリ投稿文Ｓｔとして、投稿文記憶手段１３に記憶する。

また、設定クエリ投稿取得手段１０は、取得した投稿文の数が予め定めた数（以下、規定数という）に達した段階で、後記するダイナミックＩＤＦ算出手段１４にダイナミックＩＤＦの算出を指示する。この規定数は、例えば、３０件以上の任意の値とすることができる。

また、設定クエリ投稿取得手段１０は、規定数の投稿文を取得した時間区間を後記する拡張クエリ投稿取得手段１２に通知する。
この時間区間は、例えば、設定クエリ投稿取得手段１０が、最初に設定クエリ投稿文を要求した時間から規定数の投稿文を取得した時点までの区間、それ以降においては、前回の時間区間の最後に取得した投稿文の取得時間からさらに規定数の投稿文を取得した時点までの区間とする。

クエリ未設定投稿取得手段１１は、ソーシャルメディア情報提供装置２から、クエリを設定せずに投稿文を取得するものである。クエリ未設定投稿取得手段１１は、投稿文を全文取得してもよいし、大量の投稿文の取得を防止するため、ランダムに投稿文を取得してもよい。
ランダムに投稿文を取得する場合、クエリ未設定投稿取得手段１１は、ソーシャルメディア情報提供装置２が提供するランダムの定義に従って投稿文を取得するものであってもよいし、ソーシャルメディア情報提供装置２にランダムの割合（例えば、１００投稿から１投稿を抽出して提供）を要求し、その割合に応じて投稿文を取得するものであってもよい。

クエリ未設定投稿取得手段１１は、クエリを設定しないため、事前設定クエリとは関係なく、現時点で投稿される投稿文を取得することができる。もちろん、クエリ未設定投稿取得手段１１が取得する投稿文には、事前設定クエリを含んだ投稿文も含まれている。
これによって、クエリ未設定投稿取得手段１１が取得する投稿文は、ソーシャルメディア上で、動的に変化する話題に応じて、投稿文の内容も変化することになる。
クエリ未設定投稿取得手段１１は、取得した投稿文をクエリ未設定投稿文Ｒｔとして、投稿文記憶手段１３に記憶する。

拡張クエリ投稿取得手段１２は、ソーシャルメディア情報提供装置２から、事前設定クエリに対して拡張したクエリ（拡張クエリ）を含む投稿文を取得するものである。なお、拡張クエリは、後記するクエリ拡張手段１６から通知される。
この拡張クエリ投稿取得手段１２は、設定クエリ投稿取得手段１０が規定数の投稿文を取得した時間区間において、拡張クエリを含んだ投稿文を、ソーシャルメディア情報提供装置２に要求し、ソーシャルメディア情報提供装置２から取得する。

拡張クエリ投稿取得手段１２は、取得した投稿文を拡張クエリ投稿文Ｅｔとして、投稿文記憶手段１３に記憶する。
また、ここでは、拡張クエリ投稿取得手段１２は、拡張クエリ投稿文Ｅｔを投稿文記憶手段１３に記憶した旨を投稿文出力手段１７に通知する。

投稿文記憶手段１３は、設定クエリ投稿取得手段１０、クエリ未設定投稿取得手段１１および拡張クエリ投稿取得手段１２が取得した投稿文（設定クエリ投稿文Ｓｔ、クエリ未設定投稿文Ｒｔ、拡張クエリ投稿文Ｅｔ）を記憶するものである。
投稿文記憶手段１３は、半導体メモリ等の一般的な記憶装置で構成することができる。

ここで、図２を参照（適宜図１参照）して、設定クエリ投稿取得手段１０、クエリ未設定投稿取得手段１１および拡張クエリ投稿取得手段１２が取得する投稿文の関係について説明する。なお、時刻ｔ－２，ｔ－１，ｔは、設定クエリ投稿取得手段１０が取得した投稿文（設定クエリ投稿文Ｓｔ）の数が順次規定数に達した時刻を示す。
図２（ａ）は、設定クエリ投稿取得手段１０が取得する投稿文の投稿状況を経時的に示している。図２（ｂ）は、クエリ未設定投稿取得手段１１が取得する投稿文の投稿状況を経時的に示している。図２（ｃ）は、拡張クエリ投稿取得手段１２が取得する投稿文の投稿状況を経時的に示している。なお、図２中、下向き矢印は、投稿文が投稿されたタイミングを示している。

図２（ａ）に示すように、設定クエリ投稿取得手段１０は、事前設定クエリ（例えば、“ドラマＸ”）を含む設定クエリ投稿文Ｓｔを取得する。
それと並行して、図２（ｂ）に示すように、クエリ未設定投稿取得手段１１は、クエリを設定せずにクエリ未設定投稿文Ｒｔをランダムに取得する。
図２（ｃ）に示すように、拡張クエリ投稿取得手段１２は、設定クエリ投稿取得手段１０が設定クエリ投稿文Ｓｔを規定数Ｎだけ取得した時間区間Ｔ（ｔ１，ｔ２等）において、拡張クエリ（例えば、“人物ａ”，“人物ｂ”，…）を含む拡張クエリ投稿文Ｅｔを取得する。

なお、拡張クエリ投稿取得手段１２は、同じ時間区間Ｔ（例えば、Ｔ＝ｔ１）において取得される設定クエリ投稿文Ｓｔとクエリ未設定投稿文Ｒｔとから拡張クエリが生成されたタイミングで、その時間区間Ｔ＝ｔ１において投稿された拡張クエリを含む拡張クエリ投稿文Ｅｔを取得する。
図１に戻って、情報収集装置１の構成について説明を続ける。

ダイナミックＩＤＦ算出手段１４は、設定クエリ投稿文Ｓｔが規定数だけ取得された時間区間ごとに、直近の時間区間に近いほどクエリ未設定投稿文Ｒｔの重みを大きくしたダイナミックＩＤＦ（ＩＤＦ_Ｄ）を算出するものである。
このダイナミックＩＤＦ算出手段１４は、単語の重要度としてＩＤＦ（Inverse Document Frequency：逆文書頻度）を用い、時間区間ごとに動的に変化する単語のＩＤＦを算出する。
ダイナミックＩＤＦ算出手段１４は、時間区間ごとに動的に変化する単語ｗのＩＤＦとして、設定クエリ投稿文Ｓｔが規定数取得された時刻ｔにおいて、以下の式（１）に示すダイナミックＩＤＦ（ＩＤＦ_Ｄ（ｗ））を算出する。

式（１）の｜ＤＦ_ｔ′｜は、算出対象となる時間区間におけるクエリ未設定投稿文Ｒｔの数と、過去の時間区間におけるクエリ未設定投稿文Ｒｔの数とを、算出対象となる時間区間の重みを大きくして加算した値である。
例えば、｜ＤＦ_ｔ′｜は、以下の式（２）により算出された値とする。

式（２）の｜ＤＦ_ｔ｜は、算出対象となる時間区間（図２のｔ－１～ｔの時間区間Ｔ＝ｔ１）におけるクエリ未設定投稿文Ｒｔの数である。また、｜ＤＦ_ｔ－１′｜は、１時点前（時刻ｔ－１）において式（２）で算出された値である。
なお、過去の時間区間がまだ存在していない場合、｜ＤＦ_ｔ′｜＝｜ＤＦ_ｔ｜である。

また、式（１）のＤＦ_ｔ′（ｗ）は、算出対象となる時間区間における単語ｗを含むクエリ未設定投稿文Ｒｔの数と、過去の時間区間における単語ｗを含むクエリ未設定投稿文Ｒｔの数とを、算出対象となる時間区間の重みを大きくして加算した値である。
例えば、ＤＦ_ｔ′（ｗ）は、以下の式（３）により算出された値とする。

式（３）のＤＦ_ｔ（ｗ）は、算出対象となる時間区間（図２のｔ－１～ｔの時間区間Ｔ＝ｔ１）における単語ｗを含むクエリ未設定投稿文Ｒｔの数である。また、ＤＦ_ｔ′（ｗ）は、１時点前（時刻ｔ－１）において式（３）で算出された値である。
なお、式（３）における｜ＤＦ_ｔ｜および｜ＤＦ_ｔ－１′｜は、式（２）と同じものである。また、過去の時間区間がまだ存在していない場合、ＤＦ_ｔ′（ｗ）＝ＤＦ_ｔ（ｗ）である。

これによって、ダイナミックＩＤＦ算出手段１４は、現時点で投稿されているクエリ未設定投稿文Ｒｔの数の重みを大きくして、動的にクエリ未設定投稿文Ｒｔに含まれる単語の重要度を算出することができる。
なお、式（２）および式（３）の係数は、一例であって、係数“２”は１以上、係数“０．９”は、１未満の任意の値を用いればよい。

ここで、図３を参照し、式（３）を例として、過去の時間区間の投稿数に対して、現時間区間の投稿数の重みを大きくする概念について説明する。ここで、投稿数は、単語ｗを含むクエリ未設定投稿文Ｒｔの数である。なお、式（２）の場合であれば、投稿数は、クエリ未設定投稿文Ｒｔの数である。
Ａ１は、ＤＦｔ－１′（ｗ）を算出するために使用した投稿数を雲形状の大きさで模式的に示している。このＤＦｔ－１′（ｗ）は、式（３）において、（ｔ－１）の時点で算出した値である。また、Ｂ１は、（ｔ－１）からｔまでの時間区間で投稿された投稿数を雲形状の大きさで模式的に示している。

Ｂ２は、式（３）のＤＦ_ｔ（ｗ）に乗算する｜ＤＦ_ｔ｜／（０．９×｜ＤＦ_ｔ－１′｜）によって、Ｂ１の大きさがＡ１のサイズになるようにスケールを合わせた状態を示している。これによって、式（３）のＤＦ_ｔ（ｗ）とＤＦ_ｔ－１′（ｗ）とで、サイズが違いすぎる状態を解消させる。

Ａ２は、Ａ１の投稿数を０．９倍した大きさを模式的に示している。このＡ２は、式（３）のＤＦ_ｔ－１′（ｗ）に係数“０．９”を乗算したものである。これによって、過去に投稿された投稿を順次忘却させていく。
Ｂ３は、Ｂ２の投稿数を２倍した大きさを模式的に示している。このように、Ｂ２を２倍にすることで、現時間区間における投稿を強調させる。
図１に戻って、情報収集装置１の構成について説明を続ける。

ダイナミックＩＤＦ算出手段１４は、式（１）で算出したダイナミックＩＤＦ（ＩＤＦ_Ｄ）をＩＤＦ記憶手段１５に記憶する。
また、ダイナミックＩＤＦ算出手段１４は、ダイナミックＩＤＦ（ＩＤＦ_Ｄ）をＩＤＦ記憶手段１５に記憶した段階で、後記するクエリ拡張手段１６にクエリの拡張を指示する。

ＩＤＦ記憶手段１５は、単語ごとの重要度であるＩＤＦを記憶するものである。ＩＤＦ記憶手段１５は、半導体メモリ等の一般的な記憶装置で構成することができる。
このＩＤＦ記憶手段１５は、ダイナミックＩＤＦと、グローバルＩＤＦとを記憶する。

ダイナミックＩＤＦ（ＩＤＦ_Ｄ）は、ダイナミックＩＤＦ算出手段１４で算出された動的に変化するクエリ未設定投稿文Ｒｔに含まれる時刻ｔにおいて算出された単語ｗごとの重要度（ＩＤＦ_Ｄ（ｗ））である。

グローバルＩＤＦ（ＩＤＦ_Ｇ）は、特定のコーパスから予め算出した単語ごとの静的な重要度である。
ここで、コーパスは、大量の文章からなるデータベースであって、文章の集合から単語の重要度を算出可能なデータであれば特に限定されるものではない。例えば、データベースとして、ウィキペディア（Ｗｉｋｉｐｅｄｉａ）の記事を用いることができる。また、データベースは、情報収集装置１が収集する投稿に関連するものであってもよい。例えば、情報収集装置１が放送番組に関する投稿を収集するものであれば、データベースとして、過去に放送済みの放送番組の字幕データを用いることができる。
グローバルＩＤＦは、以下の式（４）により予めデータベースから単語ｗごとのＩＤＦ_Ｇ（ｗ）を算出したものを用いる。

式（４）の｜Ｄ｜は、データベース中の文書数である。また、式（４）のＤＦ_Ｇ（ｗ）は、データベースの文書中に単語ｗが出現する文書数である。
このように、ＩＤＦ記憶手段１５には、設定クエリ投稿文Ｓｔの投稿に応じて動的に変化するダイナミックＩＤＦ（ＩＤＦ_Ｄ）と、予め大量のコーパスから算出した静的なグローバルＩＤＦ（ＩＤＦ_Ｇ）とを記憶する。
ダイナミックＩＤＦ（ＩＤＦ_Ｄ）およびグローバルＩＤＦ（ＩＤＦ_Ｇ）は、クエリ拡張手段１６によって参照される。

クエリ拡張手段１６は、設定クエリ投稿文Ｓｔを規定数取得するごとに、ＩＤＦ記憶手段１５に記憶されているダイナミックＩＤＦ（ＩＤＦ_Ｄ）およびグローバルＩＤＦ（ＩＤＦ_Ｇ）を参照して、クエリを拡張するものである。
クエリ拡張手段１６は、単語スコア算出手段１６０と、拡張クエリ選定手段１６１と、を備える。

単語スコア算出手段１６０は、ダイナミックＩＤＦ（ＩＤＦ_Ｄ）およびグローバルＩＤＦ（ＩＤＦ_Ｇ）から、投稿数に応じて正規化した単語の重要度（単語スコア）を算出するものである。
この単語スコア算出手段１６０は、設定クエリ投稿文Ｓｔを規定数取得した時間区間ごとに、クエリ未設定投稿文Ｒｔの数に応じて単語スコアを算出する。

具体的には、単語スコア算出手段１６０は、以下の式（５）により、単語ｗのダイナミックＩＤＦ（ＩＤＦ_Ｄ（ｗ））を正規化した単語スコア（ＷｏｒｄＳｃｏｒｅ_Ｄ（ｗ））を算出する。また、単語スコア算出手段１６０は、以下の式（６）により、単語ｗのグローバルＩＤＦ（ＩＤＦ_Ｇ（ｗ））を正規化した単語スコア（ＷｏｒｄＳｃｏｒｅ_Ｇ（ｗ））を算出する。

この式（５）および式（６）中、｜Ｔ_Ｗ｜は、設定クエリ投稿文Ｓｔを規定数取得した時間区間におけるクエリ未設定投稿文Ｒｔの数、｜Ｔ_Ｗ（ｗ）｜は、｜Ｔ_Ｗ｜と同じ時間区間のクエリ未設定投稿文Ｒｔにおける単語ｗを含む投稿文の数である。

図４に示すように、Ｔ_Ｗは、設定クエリ投稿文Ｓｔを規定数取得した時間区間におけるクエリ未設定投稿文Ｒｔの集合であり、Ｔ_Ｗ（ｗ）は、同時間区間のクエリ未設定投稿文Ｒｔにおける単語ｗを含む投稿文の集合で、Ｔ_Ｗの部分集合である。
このように、単語スコア算出手段１６０は、設定クエリ投稿文Ｓｔの集合Ｔ_Ｗに対する単語ｗの投稿文の集合Ｔ_Ｗ（ｗ）の割合によって単語スコアを算出することで、時間経過による投稿数の増減の影響を抑えて、ダイナミックＩＤＦ（ＩＤＦ_Ｄ）およびグローバルＩＤＦ（ＩＤＦ_Ｇ）の単語スコアを算出することができる。

そして、単語スコア算出手段１６０は、式（５）および式（６）で算出したダイナミックＩＤＦ（ＩＤＦ_Ｄ）およびグローバルＩＤＦ（ＩＤＦ_Ｇ）ごとの単語スコアを、以下の式（７）により調和平均し、単語ｗごとの単語スコア（ＷｏｒｄＳｃｏｒｅ（ｗ））を算出する。

ここで、調和平均をとることで、単語スコア算出手段１６０は、ＷｏｒｄＳｃｏｒｅ_Ｄ（ｗ）およびＷｏｒｄＳｃｏｒｅ_Ｇ（ｗ）の両方の値が大きい単語について、より大きい単語スコアを求めることができる。

例えば、地震発生時には、事前設定クエリを“ドラマＸ”とした場合、「ドラマＸを見ていたら地震がきた」というように、ドラマＸの内容とは関係のない設定クエリ投稿文Ｓｔが増えることになる。しかし、「地震」という単語を含んだクエリ未設定投稿文Ｒｔも増えるため、ダイナミックＩＤＦ（ＩＤＦ_Ｄ）から算出される単語スコアＷｏｒｄＳｃｏｒｅ_Ｄ（地震）が低くなることになる。これによって、式（７）で算出される単語スコアＷｏｒｄＳｃｏｒｅ（地震）の値を下げることができる。

一方で、ドラマＸ上で地震が発生した場合、クエリ未設定投稿文Ｒｔにおいて、「地震」を含んだ投稿文は少ないため、単語スコアＷｏｒｄＳｃｏｒｅ_Ｄ（地震）の値が高くなる。これよって、式（７）で算出される単語スコアＷｏｒｄＳｃｏｒｅ（地震）の値を上げることができる。
単語スコア算出手段１６０は、式（７）で算出した単語スコアを拡張クエリ選定手段１６１に出力する。
また、単語スコア算出手段１６０は、式（７）で算出した単語スコアを投稿文出力手段１７にも出力する。

拡張クエリ選定手段１６１は、単語スコア算出手段１６０で算出された単語スコアに基づいて、拡張クエリを選定するものである。
ここでは、拡張クエリ選定手段１６１は、単語スコア算出手段１６０で算出された単語スコアが大きい順で予め定めた数以内、かつ、単語スコアが予め定めた閾値よりも大きい単語を拡張クエリとして選定する。
例えば、拡張クエリ選定手段１６１は、単語スコアが上位の１０位以内、かつ、単語スコアが１．０よりも大きい単語を拡張クエリとして選定する。
拡張クエリ選定手段１６１は、選定した拡張クエリを、拡張クエリ投稿取得手段１２に出力する。
なお、ここでは、拡張クエリ選定手段１６１は、拡張クエリに事前設定クエリが含まれる場合、事前設定クエリを除外することとする。これによって、事前設定クエリを含む投稿文を二重に取得することを防止することができる。

投稿文出力手段１７は、事前設定クエリで取得した設定クエリ投稿文Ｓｔと、拡張クエリで取得した拡張クエリ投稿文Ｅｔとを、事前設定クエリに関連する投稿文として外部に出力するものである。
ここでは、投稿文出力手段１７は、投稿スコア算出手段１７０と、投稿文選定手段１７１と、を備える。

投稿スコア算出手段１７０は、拡張クエリ投稿文Ｅｔの１投稿文ごとに、出現するすべての単語について、単語スコア算出手段１６０で算出された単語スコアを加算し、投稿文の重要度である投稿スコアを算出するものである。
すなわち、投稿スコア算出手段１７０は、以下の式（８）に示すように、拡張クエリ投稿文Ｅｔの１投稿文ごとに、当該投稿文に含まれるすべての単語ｗについて、式（７）で算出された単語スコア（ＷｏｒｄＳｃｏｒｅ（ｗ））を加算し、投稿スコア（ＴｗｅｅｔＳｃｏｒｅ）を算出する。

投稿スコア算出手段１７０は、拡張クエリ投稿文Ｅｔと対応する投稿スコア（ＴｗｅｅｔＳｃｏｒｅ）とを、投稿文選定手段１７１に出力する。

投稿文選定手段１７１は、投稿スコア算出手段１７０で算出された拡張クエリ投稿文Ｅｔごとの投稿スコアに基づいて、重要度の高い投稿文を選定するものである。
ここでは、投稿文選定手段１７１は、投稿スコア算出手段１７０で算出された投稿スコアが予め定めた基準値を上回る拡張クエリ投稿文Ｅｔを選定する。例えば、投稿文選定手段１７１は、投稿スコアが単語スコアの上位の１０件の平均値を上回る投稿文を選定する。これによって、投稿文選定手段１７１は、より事前設定クエリに関連する精度を高めた投稿文を選定することができる。
投稿文選定手段１７１は、拡張クエリ投稿文Ｅｔから選定した投稿文と、設定クエリ投稿文Ｓｔとを、事前設定クエリに関連する投稿文として外部に出力する。

以上説明したように情報収集装置１を構成することで、情報収集装置１は、事前設定クエリを設定するだけで、それに関連するクエリを動的に拡張して、事前設定クエリに関連する投稿文を収集することができる。
なお、情報収集装置１は、コンピュータを、前記した各手段として機能させるための情報収集プログラムで動作させることができる。

〔情報収集装置の動作〕
次に、図５を参照（構成については適宜図１参照）して、本発明の実施形態に係る情報収集装置１の動作について説明する。なお、ＩＤＦ記憶手段１５には、予め特定のデータベースから算出したグローバルＩＤＦ（ＩＤＦ_Ｇ）が記憶されているものとする。

ステップＳ１において、情報収集装置１は外部から事前設定クエリを入力する。
ステップＳ２において、設定クエリ投稿取得手段１０は、ソーシャルメディア情報提供装置２から、ステップＳ１で入力された事前設定クエリを含む投稿文（設定クエリ投稿文Ｓｔ）を、予め定めた数（規定数）になるまで取得する。

また、ステップＳ２と並列して、ステップＳ３において、クエリ未設定投稿取得手段１１は、ソーシャルメディア情報提供装置２から、クエリを設定せずにランダムに投稿文（クエリ未設定投稿文Ｒｔ）を取得する。

ステップＳ２における規定数の設定クエリ投稿文Ｓｔを取得後、ステップＳ４において、ダイナミックＩＤＦ算出手段１４は、ステップＳ２で規定数の投稿文を取得した時間区間ごとに、直近の時間区間に近いほどクエリ未設定投稿文Ｒｔの重みを大きくしたダイナミックＩＤＦ（ＩＤＦ_Ｄ）を算出する（前記式（１）～式（３）参照）。

ステップＳ５において、クエリ拡張手段１６の単語スコア算出手段１６０は、ステップＳ４で算出したダイナミックＩＤＦ（ＩＤＦ_Ｄ）と、予めＩＤＦ記憶手段１５に記憶されているグローバルＩＤＦ（ＩＤＦ_Ｇ）とから、単語の重要度（単語スコア）を算出する（前記式（５）～式（７）参照）。

ステップＳ６において、クエリ拡張手段１６の拡張クエリ選定手段１６１は、ステップＳ５で算出された単語スコアに基づいて、単語スコアが大きい順で予め定めた数以内、かつ、単語スコアが予め定めた閾値よりも大きい単語を拡張クエリとして選定する。

ステップＳ７において、拡張クエリ投稿取得手段１２は、ソーシャルメディア情報提供装置２から、ステップＳ２で規定数の設定クエリ投稿文Ｓｔを取得した時間区間に投稿された、ステップＳ６で選定された拡張クエリを含む投稿文（拡張クエリ投稿文Ｅｔ）を取得する。

ステップＳ８において、投稿文出力手段１７の投稿スコア算出手段１７０は、ステップＳ７で取得した拡張クエリ投稿文Ｅｔの１投稿文ごとに、当該投稿文に含まれるすべての単語について、ステップＳ５で算出された単語スコアを加算して投稿スコアを算出する（前記式（８）参照）。

ステップＳ９において、投稿文選定手段１７１は、ステップＳ８で算出された投稿スコアが予め定めた基準値を上回る拡張クエリ投稿文Ｅｔを選定する。
ステップＳ１０において、投稿文選定手段１７１は、ステップＳ９で選定した拡張クエリ投稿文Ｅｔと、事前設定クエリで取得した設定クエリ投稿文Ｓｔとを、事前設定クエリに関連する投稿文として外部に出力する。

ステップＳ１１において、設定クエリ投稿取得手段１０は、投稿文の収集を終了する旨の指示、あるいは、予め設定された終了時間により投稿文の収集の終了を判定する。
ここで、まだ、投稿文の収集が終了していない場合（ステップＳ１１でＮｏ）、情報収集装置１は、ステップＳ２に戻って動作を継続する。
一方、投稿文の収集が終了した場合（ステップＳ１１でＹｅｓ）、情報収集装置１は、動作を終了する。

以上の動作によって、情報収集装置１は、過去の時間区間で取得した投稿文の重みを低下させ、現時点の投稿文の重みを高めて、事前設定クエリに関連するクエリを動的に拡張して、事前設定クエリに関連する投稿文を収集することができる。
これによって、情報収集装置１は、例えば、事前設定クエリとして、“ドラマＸ”を設定した場合、時間経過に伴い投稿文の内容から、例えば、ある時点においては、ドラマ内の登場人物にクエリを拡張したり、また、別の時点においては、ドラマ内の事象にクエリを拡張したりすることができる。
このように、情報収集装置１は、事前設定クエリを設定するだけで、動的にクエリを拡張して投稿文を収集することができる。

〔性能評価〕
この情報収集装置１を用いて、特定のドラマについて、投稿文を収集した結果について説明する。

事前設定クエリをドラマ名である「＃なつぞら」として、時刻０８：００～０８：１６に取得した投稿文のうちで、「＃なつぞら」を含まない投稿文について、当該投稿文が「＃なつぞら」に関連するものであるか否かを２人の評価者（Ａ，Ｂ）により人手で評価した。その結果、収集した投稿文のうち、「＃なつぞら」を含む投稿文の数は“１２５９”であった。また、「＃なつぞら」を含まない投稿文の数は“４３９”であった。この「＃なつぞら」を含まない投稿文のうち、このドラマに関連する投稿であると評価者Ａが判定した数は“３２１”、評価者Ｂが判定した数は“２７６”となった。

このように、情報収集装置１は、事前設定クエリを拡張して収集した投稿文において、７５％程度の投稿文を、事前設定クエリに関連した投稿文として収集することができた。また、情報収集装置１は、「＃なつぞら」を含む投稿文に対して２５％程度取得する投稿文を増加させることができた。

以上、本発明の実施形態について説明したが、本発明はこの実施形態に限定されるものではない。
例えば、ここでは、投稿文出力手段１７が、拡張クエリ投稿取得手段１２が取得した拡張クエリ投稿文Ｅｔから、さらに、投稿スコアを算出して投稿文を選定することした。
しかし、単に、クエリを拡張するだけであれば、投稿文出力手段１７は、投稿スコアによる選定を行わず、拡張クエリ投稿文Ｅｔをそのまま出力することとしてもよい。

また、ここでは、投稿文出力手段１７が、事前設定クエリで取得した設定クエリ投稿文Ｓｔと、拡張クエリで取得した拡張クエリ投稿文Ｅｔとを、事前設定クエリに関連する投稿文として外部に出力した。
しかし、拡張クエリ投稿取得手段１２が、拡張クエリに事前設定クエリを加えて拡張クエリ投稿文Ｅｔを取得し、投稿文出力手段１７が、拡張クエリ投稿文Ｅｔを、事前設定クエリに関連する投稿文として外部に出力することとしてもよい。

１ 情報取集装置
１０ 設定クエリ投稿取得手段
１１ クエリ未設定投稿取得手段
１２ 拡張クエリ投稿取得手段
１３ 投稿文記憶手段
１４ ダイナミックＩＤＦ算出手段
１５ ＩＤＦ記憶手段
１６ クエリ拡張手段
１６０ 単語スコア算出手段
１６１ 拡張クエリ選定手段
１７ 投稿文出力手段
１７０ 投稿スコア算出手段
１７１ 投稿文選定手段

Claims (5)

1. ソーシャルメディア情報提供装置に投稿される情報である投稿文を、クエリを拡張して収集する情報収集装置であって、
   予め設定されたクエリを含む投稿文を設定クエリ投稿文として取得する設定クエリ投稿取得手段と、
   前記クエリを設定せずに投稿文をクエリ未設定投稿文として取得するクエリ未設定投稿取得手段と、
   前記設定クエリ投稿文が予め定めた規定数に達する時間区間ごとに、直近の時間区間に近いほど前記クエリ未設定投稿文の重みを大きくした単語の逆文書頻度であるＩＤＦを、ダイナミックＩＤＦとして算出するダイナミックＩＤＦ算出手段と、
   前記時間区間ごとに、前記ダイナミックＩＤＦと、予め特定のコーパスから算出したＩＤＦであるグローバルＩＤＦとから、単語ごとの重要度である単語スコアを算出する単語スコア算出手段と、
   前記単語スコア算出手段で算出された単語スコアが予め定めた基準よりも大きい単語を拡張クエリとして選定する拡張クエリ選定手段と、
   前記拡張クエリ選定手段で選定された拡張クエリを含む前記直近の時間区間に投稿された投稿文を拡張クエリ投稿文として取得する拡張クエリ投稿取得手段と、
   を備えることを特徴とする情報収集装置。
2. 前記単語スコア算出手段は、前記ダイナミックＩＤＦと前記グローバルＩＤＦとを正規化して調和平均をとることで前記単語スコアを算出することを特徴とする請求項１に記載の情報収集装置。
3. 前記拡張クエリ投稿文ごとに、すべての単語について前記単語スコア算出手段で算出された単語スコアを加算した投稿スコアを算出する投稿スコア算出手段と、
   前記投稿スコア算出手段で算出された投稿スコアが予め定めた基準よりも大きい拡張クエリ投稿文を選定する投稿文選定手段と、
   をさらに備えることを特徴とする請求項１または請求項２に記載の情報収集装置。
4. 前記クエリ未設定投稿取得手段は、前記ソーシャルメディア情報提供装置に投稿された投稿文からランダムに投稿文を取得することを特徴とする請求項１から請求項３のいずれか一項に記載の情報収集装置。
5. コンピュータを、請求項１から請求項４のいずれか一項に記載の情報収集装置として機能させるための情報収集プログラム。

Images