JPWO2013094361A1 - ソーシャル・メデイアにおけるコミュニティを検出する方法、コンピュータ・プログラム、コンピュータ - Google Patents

Abstract

ソーシャル・メディアにおけるコミュニティをより精度良く検出する。複数のユーザがそれぞれメッセージを発信するソーシャル・メディアにおいて、コンピュータにより、複数のユーザをクラスタリングする方法である。この方法は、メッセージ同士の関係に基づいて、複数のユーザから複数の部分コミュニティを抽出するステップと、複数の部分コミュニティのうち、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとの関係に基づいて、両部分コミュニティ同士の類似性を示す第一類似度を演算するステップと、第一類似度が予め定められた第一閾値よりも高いことを条件に、両部分コミュニティに属するユーザが発信するメッセージ中の用語に基づいて、前記両部分コミュニティ同士の類似性を示す第二類似度を演算するステップと、第二類似度が予め定められた第二閾値よりも高いことを条件に、前記両部分コミュニティ同士を統合して統合コミュニティを生成するステップとを備える。

Description

本発明は、情報処理技術に関係し、より詳しくは、ソーシャル・メディアにおけるコミュニティ（興味・関心等の属性を共通にするソーシャル・メディアのユーザの集合）をより精度良く検出する技術に係る。

ソーシャル・メディアが広範に利用されるに従い、ソーシャル・メディア上で各ユーザーが発信する情報から、コミュニティ及びその共通の興味・関心等を抽出したい、とのビジネス上の要請が存在する。ソーシャル・メディアの情報すべてを対象としては、様々なコストが高いため、ソーシャル・メディアのサンプリングされた情報から、コミュニティとその興味・関心等を抽出するのが一般的である。コミュニティとその興味・関心等を抽出する技術としては、一般に、クラスタリングの手法が用いられる。すなわち、各情報内の単語を抽出して特徴ベクトルを計算し、そのベクトルをもとにクラスタリングを行うものである。

特許第４３６９１０４号公報 特開２００９−３０１３３４号公報

しかし、このような従来手法は、サンプリングされた情報であることと相まって、以下の理由により、本来なら同一コミュニティだったかもしれないノードも分断されてしまうおそれがある。すなわち、第一に、クラスタと無関係な単語が特徴ベクトルの主要部分と認定されてしまう。第二に、言い回しの異なる単語の出現頻度が少ないことから、クラスタリングへの影響少なく、拾われない可能性が高い。第三に、とりわけマイクロブログの場合は特に挨拶や日常生活などに関する記述が多く、意図した目的に一致しないも単語が特徴ベクトルに含まれる。

本発明はこのような課題に鑑みてなされたものであり、その目的の一つは、ソーシャル・メディアにおけるコミュニティをより精度良く検出することができる技術を提供することにある。

本発明は、複数のユーザがそれぞれメッセージを発信するソーシャル・メディアにおいて、コンピュータにより、前記複数のユーザをクラスタリングする方法である。この方法は、前記メッセージ同士の関係に基づいて、前記複数のユーザから複数の部分コミュニティを抽出するステップと、前記複数の部分コミュニティのうち、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとの関係に基づいて、両部分コミュニティ同士の類似性を示す第一類似度を演算するステップと、前記第一類似度が予め定められた第一閾値よりも高いことを条件に、両部分コミュニティに属するユーザが発信するメッセージ中の用語に基づいて、前記両部分コミュニティ同士の類似性を示す第二類似度を演算するステップと、前記第二類似度が予め定められた第二閾値よりも高いことを条件に、前記両部分コミュニティ同士を統合して統合コミュニティを生成するステップとを備える。

ここで、前記メッセージには、一のユーザの発信した一のメッセージに応答して他のユーザが発信する他のメッセージを含み、前記抽出するステップは、前記メッセージ同士が前記一のメッセージと前記一のメッセージに応答して発信された前記他のメッセージに該当するか否かに基づいて、前記複数のユーザから複数の部分コミュニティを抽出することができる。また、前記抽出するステップは、＜強連結成分＞であってもよいし、＜ｐクリーク＞であってもよい。

また、前記ソーシャル・メディアは、ユーザのプロフィール情報を記憶しており、前記第一類似度を演算するステップは、前記一の部分コミュニティに属するユーザのプロフィール情報と、前記他の部分コミュニティに属するユーザのプロフィール情報との関係に基づいて、前記第一類似度を演算することもできる。

さらに、前記ソーシャル・メディアは、ある特定のユーザが発信するある特定のユーザをフォローする機能を提供し、前記第一類似度を演算するステップは、前記一の部分コミュニティに属するユーザと、前記他の部分コミュニティに属するユーザとのフォロー及び被フォロー関係に基づいて、前記第一類似度を演算することもできる。また、前記第一類似度は、前記一の部分コミュニティに属するユーザと、前記他の部分コミュニティに属するユーザとが何人のユーザを介してフォロー及び被フォロー関係にあるかを示し、前記第二類似度を演算するステップは、前記一の部分コミュニティに属するユーザと、前記他の部分コミュニティに属するユーザとが直接フォロー及び被フォロー関係にあることを条件に、前記第二類似度を演算することもできる。

また、前記第二類似度を演算するステップは、一の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語と、他の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語とが類似するか否かに基づいて、前記第二類似度を演算することもできる。ここで、前記特徴的な用語は、コミュニティのメッセージの特徴ベクトル＜ｔｆ＊idf＞により抽出することができる。

なお、前記メッセージは、前記ソーシャル・メディアに投稿されたメッセージから所定の条件の下にサンプリングされたメッセージとすることができる。また、前記メッセージは、前記ソーシャル・メディアに所定の期間内に投稿されたメッセージのうち、所定のキーワードを含む条件の下にサンプリングされたメッセージとすることもできる。また、前記ソーシャル・メディアがマイクロブログであってもよい。

さらに、前記ソーシャル・メディアをホストするコンピュータと、前記複数のユーザをクラスタリングするコンピュータとがネットワークを介して接続され、前記クラスタリングするコンピュータからの前記所定の条件付き要求に応答して、前記ホストするコンピュータから送信される前記メッセージを前記クラスタリングするコンピュータが受信するステップを更に備えることができる。また、前記受信した前記メッセージを、前記クラスタリングするコンピュータの記憶手段に記憶するステップを更に備えることもできる。

また、前記統合コミュニティをグラフィカル・ユーザ・インターフェイスを用いて出力するステップを更に備えることもできる。この際、前記統合コミュニティを前記特徴的な用語とともに出力することもできる。

本発明をこれらコンピュータ・プログラム、コンピュータ・システムとして把握した場合にも、上述した本発明を方法として把握した場合と実質的に同一の技術的特徴を備える事ができるのは当然である。

本発明によれば、ソーシャル・メディアにおけるコミュニティをより精度良く検出することができる。

マイクロブログのシステムを説明する概念図 マイクロブログのフォロー・被フォロー関係を説明する概念図 ユーザ端末としてのスマートフォンとその画面表示の説明図 マイクロブログ・サーバ内のハードディスク装置内に記憶されているデータのデータ構造の説明図 発信されるメッセージの種類の説明図 コンピュータのハードウェア構成を説明するブロック図 このコンピュータが実行する処理を説明するフローチャート 部分コミュニティから統合コミュニティを生成する過程の説明図

実施形態
以下、本発明を実施するための最良の形態を図面に基づいて詳細に説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではなく、また実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。また、本発明は多くの異なる態様で実施することが可能であり、実施の形態の記載内容に限定して解釈されるべきものではない。また、実施の形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須とは限らないことに留意されたい。実施の形態の説明の全体を通じて（特段の断りのない限り）同じ要素には同じ番号を付している。

図１は、ソーシャル・メディアの一例として、マイクロブログのシステムを説明する概念図である。本システムは、マイクロブログ・サーバ２と、ユーザ端末とを含み、これらはインタネット４を介して互いに通信可能に接続されている。また、ユーザ端末としては、通信機能を備えたあらゆる形態のコンピュータを採用することができる。例えば、図示するスマートフォン３１、タブレット３２、（ノート型）パーソナル・コンピュータ３３の他にも、図示しないパーソナル・データ・アシスタント（ＰＤＡ、携帯情報端末）、車載コンピュータ、ネットブック等を採用することができる。

図２は、マイクロブログのフォロー・被フォロー関係を説明する概念図である。マイクロブログのユーザは、友人、知人、興味や関心の共通する他のユーザを予め登録しておくことができ、彼らの発信するメッセージを自動的に受信することができる。このような登録を“フォロー”と呼び、フォローの関係は、ユーザ同士が相互にフォローし合う関係、一のユーザが他のユーザを一方的にフォローする関係が存在する。例えば、図２における矢印は、ユーザＡＡＡとユーザＢＢＢとは相互にフォローし合っており、ユーザＢＢＢはユーザＣＣＣを一方的にフォローしており、ユーザＣＣＣはユーザＡＡＡを一方的にフォローしていることを示す。

図３は、一例として、ユーザ端末としてのスマートフォン３１とその画面表示を説明するものである。このスマートフォン３１のタッチスクリーンには、マイクロブログ・アプリケーションの画面が表示されており、当該アプリケーション画面は、上から順に、ホーム部分３１１、タイムライン部分３１２、操作部分３１３に分かれている。ホーム部分には、メニューボタンと、タイムライン部分３１２がユーザＡＡＡのタイムラインである旨が表示されている。タイムライン部分３１２には、上から順に、ユーザＡＡＡのメッセージ部分３１２ａ、３１２ｂ、ユーザＢＢＢのメッセージ部分３１２ｃが表示されている。これらのメッセージ部分３１２ａ〜ｃは、時系列沿って表示されている。つまり、最上部の発言部分３１２ａが最新のメッセージに対応している。

図４は、マイクロブログ・サーバ２内のハードディスク装置２０、２１、２２内に記憶されているデータのデータ構造を説明するものである。ハードディスク装置２０に記憶されているメッセージテーブル（図４（ａ））には、各メッセージが発信された日時を示す発信日時(created_at)、各メッセージを特定するメッセージＩＤ(id)と、そのメッセージを発信したユーザを特定するユーザＩＤ(user_id)と、メッセージの内容であるテキスト（text）を備えている。なお、テキストには文字数制限（例えば、１４０文字以内等）を設けることができる。一方、ハードディスク装置２１に記憶されているユーザ関係テーブル（図４（ｂ））には、フォロー関係を登録した日時を示す登録日時(registered_at)、フォロー元のユーザを特定するフォロー元ユーザＩＤ(following_user_id)、フォロー先のユーザを特定するフォロー先ユーザＩＤ(followed_user_id)を備えている。他方、ハードディスク装置２２に記憶されているプロフィールテーブル（図４（ｃ））には、各ユーザを特定するユーザＩＤ(user_id)、各ユーザの名前（図示せず）、場所を示すロケーション情報(location)、関連するウェブページのアドレスであるＵＲＬ情報(url)を備えている。

図５は、発信されるメッセージの種類を説明するものである。図５（ａ）は、通常のメッセージを説明するものである。ここでは、ユーザＡＡＡが自らのタイムラインにメッセージを発信しており、ユーザＡＡＡとユーザＡＡＡをフォローしているユーザ（図２の例ではユーザＢＢＢ及びユーザＣＣＣ）のタイムラインにこれらのメッセージが表示される。図５（ｂ）は、リプライメッセージを説明するものである。リプライメッセージは、特定のメッセージに対する返事であり、自分と、自分と返信先のユーザ両方をフォローしているユーザのタイムラインに表示される。ここでは、ユーザＢＢＢが、ユーザＡＡＡのメッセージに対する返事として、「やあ、こんにちは。」というリプライメッセージを発信し、そのリプライメッセージはユーザＢＢＢ本人の他、ユーザＢＢＢをフォローしているユーザ（図２の例ではユーザＡＡＡ）のタイムラインに表示される。

図５（ｃ）及び図５（ｄ）は、いずれも転載メッセージを説明するものであり、ユーザCCCが自分のタイムラインに表示されているユーザAAAの元メッセージ「マイクロブログ始めました。」を転載メッセージとして、再発信する様子を示している。いずれの場合も、ユーザCCCをフォローしているユーザ（図２の例ではユーザBBB）のタイムラインに転載メッセージが表示されるが、図５（ｃ）に示す第一態様の場合は、元のユーザAAAの名前でユーザCCCをフォローしているユーザのタイムラインへ表示されるが、図５（ｄ）に示す第二態様の場合は、転送するユーザCCCの名前で表示される。図５（ｅ）は、引用メッセージを説明するものである。ユーザＣＣＣが自分のタイムライン表示されているユーザＡＡＡの元メッセージ「マイクロブログ始めました。」をそのまま引用し、更に自分のコメント「ようこそ！」を入力して引用メッセージとして、再発信する様子を示している。この引用メッセージは、ユーザＣＣＣをフォローしているユーザのタイムラインに表示される。

図６は、パーソナル・コンピュータ１のハードウェア構成を説明するブロック図である。コンピュータ１のハードウェア構成は、（低速及び高速の）バス１０、バス１０に接続されるＣＰＵ（演算制御装置）１１、ＲＡＭ（ランダム・アクセス・メモリ：記憶装置）１２、ＲＯＭ（リード・オンリ・メモリ：記憶装置）１３、ＨＤＤ（ハード・ディスク・ドライブ：記憶装置）１４、通信インタフェース１５、入出力インタフェース１６を備えている。さらに、入出力インタフェース１６に接続されるマウス１７、フラット・パネル・ディスプレイ（表示装置）１８、キーボード１９等を備えている。なお、コンピュータ１は一般的なパーソナル・コンピュータ・アーキテクチャを採用するものとして説明したが、例えば、より高いデータ処理能力や可用性を求めて、ＣＰＵ１１やＨＤＤ１４等を多重化することができる。また、デスクトップ型の他、様々なタイプのコンピュータ・システムを採用することができる。

このコンピュータ１のソフトウェア構成は、基本的な機能を提供するオペレーティング・システム（ＯＳ）と、OSの機能を利用するアプリケーション・ソフトウェアと、入出力装置のドライバ・ソフトウェアとを備えている。これらの各ソフトウェアは、各種データと共にRAM１２上にロードされ、CPU１１等により実行され、コンピュータ１は全体として、図７に示す処理を実行する。

図７は、このコンピュータ１が実行する処理を説明するフローチャートである。まずコンピュータ１からマイクロブログ・サーバ２に対して、条件を送信する（Ｓ１）。条件としては、例えば、メッセージが発信された期間を指定するものでもよいし、メッセージ中に特定のキーワードを含むものを指定するものでもよいし、リプライ、再発信されたメッセージのみを指定するものでもよいし、これらを組み合わせても良い。次に、コンピュータ１はマイクロブログ・サーバ２から上記条件に適合するメッセージ群のデータを受信する（Ｓ２）。この際、上記条件に適合するメッセージ群のデータ（図４（ａ）参照）の他、それらのメッセージに関連付けられるユーザのデータ（図４（ｂ）参照）およびメッセージに関連付けられるユーザのプロフィール（図４（ｃ）参照）を併せて受信してもよい。これら受信したデータは、コンピュータ１のＨＤＤ１４に記憶される。

次に、メッセージ同士の関係に基づいて、複数のユーザから複数の部分コミュニティを抽出する（Ｓ３）。ここで、メッセージは、一のユーザの発信した一のメッセージに応答して他のユーザが発信する他のメッセージ、つまり、リプライメッセージ（図５（ｂ））、転載メッセージ（図５（ｃ）、図５（ｄ））引用メッセージ（図５（e））のいずれかであるとする。そして、この抽出は、一のユーザの発信した一のメッセージと他のメッセージとの関係から定義されるユーザのネットワークから、深さ優先探索を行うことで，強連結成分となる部分ネットワークを抽出することにより行う。図８（ａ）は、部分ネットワークとして、Ｇ１とＧ２が抽出されたことを示す。各Ｇ１、Ｇ２内の丸印は個々のユーザを示し、矢印はメッセージのやり取りを示す。

次に、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとの関係に基づいて、両部分コミュニティ同士の類似性を示す第一類似度を演算する（Ｓ４）。ここでは、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとが、何ステップのフォロー及び被フォロー関係により結びつけることが出来るか、という観点から、そのステップ数を演算し、例えば、その逆数を類似度としている。図８（ｂ）は、部分ネットワークＧ１とＧ２とが、（一人の）第三のユーザを介して、一の部分コミュニティに属するユーザと第三のユーザとのフォロー・被フォロー関係、第三のユーザと他の部分コミュニティに属するユーザとのフォロー・被フォロー関係の２ステップで両部分コミュニティを結びつけることができることを示している。また、その類似度は（２の逆数の）１／２となる。なお、一の部分コミュニティに属するユーザのプロフィール情報と、他の部分コミュニティに属するユーザのプロフィール情報との関係に基づいて、前記第一類似度を演算してもよい。例えば、ロケーション情報が示す、国、行政区が同一であるユーザ同士の類似度をより高く設定したり、ウェブページ情報が示す、ＵＲＬの一部又は全部が一致するユーザ同士の類似度をより高く設定することができる。

次に、第一類似度が予め定められた第一閾値（例えば、１／３）よりも高いことを条件に、両部分コミュニティに属するユーザが発信するメッセージ中の用語に基づいて、両部分コミュニティ同士の類似性を示す第二類似度を演算する（Ｓ５）。ここでは、一の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語と、他の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語とが類似するか否かに基づいて、第二類似度を演算する。また、特徴的な用語は、深さ優先探索を行うことで，強連結成分となる部分ネットワークを抽出することにより行う。なお、さらにｔｆ＊idfを実施してもよい。

次に、第二類似度が予め定められた第二閾値よりも高いことを条件に、両部分コミュニティ同士を統合して統合コミュニティを生成する（Ｓ６）。図８（ｃ）は、部分ネットワークＧ１とＧ２とが統合され、統合コミュニティＧ１Ｇ２が生成された状態を示す。なお、統合コミュニティＧ１Ｇ２をフラット・パネル・ディスプレイ１８上にグラフィカル・ユーザ・インターフェイスを用いて出力し、併せて、特徴的な用語とともに出力することができる。

本発明は、全体がハードウェアの実施形態、全体がソフトウェアの実施形態、またはハードウェアおよびソフトウェア両方のエレメントを包含する実施形態の形を取ることができる。ある好適な実施形態において、本発明は、以下に限らないが、ファームウェア、常駐ソフトウェア、マイクロコード、構文解析ピココードなどを含めた、ソフトウェアに実装される。

さらに、本発明は、コンピュータまたは任意の命令実行システムによってまたはこれに関連させて使用するプログラム・コードを備えるコンピュータ・プログラム、コンピュータ可読媒体の形態を採ることもできる。本説明目的の上で、コンピュータ可読媒体は、任意の命令実行システム、装置、またはデバイスによってまたはこれに関連させて使用するためのプログラムを、収容、格納、通信、伝搬、または伝送できる任意の装置であり得る。具体的には、前述の構文解析制御モジュールは、この意味で命令実行システム、または「コンピュータ」を構成する。

媒体は、電子的、磁気的、光学的、電磁気的、赤外的、または半導体のシステム（もしくは装置もしくはデバイス）または伝搬媒体とすることができる。コンピュータ可読媒体の例には、半導体または固体メモリ、磁気テープ、着脱可能コンピュータ・ディスケット、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ）、剛体磁気ディスク、および光ディスクが含まれる。光ディスクの現時点での例には、コンパクト・ディスク読み取り専用メモリ（ＣＤ−ＲＯＭ：ｃｏｍｐａｃｔ ｄｉｓｋ ｒｅａｄ ｏｎｌｙ
ｍｅｍｏｒｙ）、コンパクト・ディスク読み取り／書き込み（ＣＤ−Ｒ／Ｗ：ｃｏｍｐａｃｔ ｄｉｓｋ ｒｅａｄ／ｗｒｉｔｅ）メモリ、およびＤＶＤが含まれる。

プログラム・コードを格納もしくは実行またはその両方を行うのに適したデータ処理システムは、システム・バスを介して直接的または間接的にメモリ・エレメントに連結された少なくとも一つのプロセッサを含み得る。このメモリ・エレメントには、プログラム・コードの実際の実行の過程で使われるローカル・メモリ、バルク記憶装置、および、実行中にバルク記憶装置から読み出さねばならない回数を低減するために、少なくとも一部のプログラム・コードに一時的保管を提供するキャッシュ・メモリを含めることができる。

直接に、あるいは仲介Ｉ／Ｏコントローラを介して、入力／出力またはＩ／Ｏデバイス（以下に限らないが、キーボード、ディスプレイ、ポインティング・デバイスなどを含む）をシステムに連結することができる。

また、ネットワーク・アダプタをシステムに連結し、データ処理システムが、仲介の私有または公衆ネットワークを介して、他のデータ処理システムあるいは遠隔のプリンタまたは記憶デバイスに繋がるようにすることができる。モデム、ケーブル・モデム、およびイーサネット（Ｒ）カードは、現在入手可能なネットワーク・アダプタのごく一部である。

１…パーソナル・コンピュータ、
１１…ＣＰＵ（演算制御装置）
１２…ＲＡＭ（ランダム・アクセス・メモリ：記憶装置）
１３…ＲＯＭ（リード・オンリ・メモリ：記憶装置）
１４…ＨＤＤ（ハード・ディスク・ドライブ：記憶装置）
１５…通信インタフェース
１６…入出力インタフェース
１７…マウス
１８…フラット・パネル・ディスプレイ（表示装置）
２…マイクロブログ・サーバ
２０、２１…ハード・ディスク・ドライブ
３１…スマートフォン
３２…タブレット
３３…（ノート型）パーソナル・コンピュータ

Claims (17)

1. 複数のユーザがそれぞれメッセージを発信するソーシャル・メディアにおいて、コンピュータにより、前記複数のユーザをクラスタリングする方法であり、
   前記メッセージ同士の関係に基づいて、前記複数のユーザから複数の部分コミュニティを抽出するステップと、
   前記複数の部分コミュニティのうち、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとの関係に基づいて、両部分コミュニティ同士の類似性を示す第一類似度を演算するステップと、
   前記第一類似度が予め定められた第一閾値よりも高いことを条件に、両部分コミュニティに属するユーザが発信するメッセージ中の用語に基づいて、前記両部分コミュニティ同士の類似性を示す第二類似度を演算するステップと、
   前記第二類似度が予め定められた第二閾値よりも高いことを条件に、前記両部分コミュニティ同士を統合して統合コミュニティを生成するステップと
   を備える方法。
2. 前記メッセージには、一のユーザの発信した一のメッセージに応答して他のユーザが発信する他のメッセージを含み、
   前記抽出するステップは、前記メッセージ同士が前記一のメッセージと前記一のメッセージに応答して発信された前記他のメッセージに該当するか否かに基づいて、前記複数のユーザから複数の部分コミュニティを抽出する請求項１に記載の方法。
3. 前記抽出するステップは、＜強連結成分＞である請求項１に記載の方法。
4. 前記ソーシャル・メディアは、ユーザのプロフィール情報を記憶しており、
   前記第一類似度を演算するステップは、前記一の部分コミュニティに属するユーザのプロフィール情報と、前記他の部分コミュニティに属するユーザのプロフィール情報との関係に基づいて、前記第一類似度を演算する請求項１に記載の方法。
5. 前記ソーシャル・メディアは、ある特定のユーザが他の特定のユーザをフォローする機能を提供し、
   前記第一類似度を演算するステップは、前記一の部分コミュニティに属するユーザと、前記他の部分コミュニティに属するユーザとのフォロー及び被フォロー関係に基づいて、前記第一類似度を演算する請求項１に記載の方法。
6. 前記第二類似度を演算するステップは、一の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語と、他の部分コミュニティに属するユーザが発信するメッセージ中に特徴的な用語とが類似するか否かに基づいて、前記第二類似度を演算する請求項１に記載の方法。
7. 前記特徴的な用語は、メッセージの特徴ベクトル生成により抽出される請求項６に記載の方法。
8. 前記メッセージは、前記ソーシャル・メディアに投稿されたメッセージから所定の条件の下にサンプリングされたメッセージである請求項１に記載の方法。
9. 前記メッセージは、前記ソーシャル・メディアに所定の期間内に投稿されたメッセージのうち、所定のキーワードを含む条件の下にサンプリングされたメッセージである請求項１に記載の方法。
10. 前記ソーシャル・メディアをホストするコンピュータと、前記複数のユーザをクラスタリングするコンピュータとがネットワークを介して接続され、
    前記クラスタリングするコンピュータからの前記所定の条件付き要求に応答して、前記ホストするコンピュータから送信される前記メッセージを前記クラスタリングするコンピュータが受信するステップを更に備える請求項８に記載の方法。
11. 前記受信した前記メッセージを、前記クラスタリングするコンピュータの記憶手段に記憶するステップを更に備える請求項１０に記載の方法。
12. 前記ソーシャル・メディアがマイクロブログである請求項１に記載の方法。
13. 前記統合コミュニティをグラフィカル・ユーザ・インターフェイスを用いて出力するステップを更に備える請求項１に記載の方法。
14. 前記統合コミュニティを前記特徴的な用語とともに出力する請求項６に記載の方法。
15. コンピュータに実行されることで、請求項１乃至１４のいずれかに記載の方法のすべてのステップを前記コンピュータに実行させるコンピュータ・プログラム。
16. 複数のユーザがそれぞれメッセージを発信するソーシャル・メディアに対し、前記複数のユーザをクラスタリングするコンピュータであり、
    前記コンピュータの記憶手段には、前記メッセージが記憶されており、
    前記コンピュータの演算制御制御手段が、
    前記メッセージ同士の関係に基づいて、前記複数のユーザから複数の部分コミュニティを抽出し、
    前記複数の部分コミュニティのうち、一の部分コミュニティに属するユーザと、他の部分コミュニティに属するユーザとの関係に基づいて、両部分コミュニティ同士の類似性を示す第一類似度を演算し、
    前記第一類似度が予め定められた第一閾値よりも高いことを条件に、両部分コミュニティに属するユーザが発信するメッセージ中の用語に基づいて、前記両部分コミュニティ同士の類似性を示す第二類似度を演算し、
    前記第二類似度が予め定められた第二閾値よりも高いことを条件に、前記両部分コミュニティ同士を統合して統合コミュニティを生成する
    コンピュータ。
17. 前記記憶手段に記憶されるメッセージは、前記ソーシャル・メディアに投稿されるメッセージからサンプリングされたメッセージである請求項１６に記載のコンピュータ。

Images