JPWO2019234827A1 - 情報処理装置、判定方法、及びプログラム - Google Patents

情報処理装置、判定方法、及びプログラム Download PDF

Info

Publication number
JPWO2019234827A1
JPWO2019234827A1 JP2020523886A JP2020523886A JPWO2019234827A1 JP WO2019234827 A1 JPWO2019234827 A1 JP WO2019234827A1 JP 2020523886 A JP2020523886 A JP 2020523886A JP 2020523886 A JP2020523886 A JP 2020523886A JP WO2019234827 A1 JPWO2019234827 A1 JP WO2019234827A1
Authority
JP
Japan
Prior art keywords
information
identification information
account
similarity
position information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2020523886A
Other languages
English (en)
Other versions
JP7092194B2 (ja
Inventor
一郁 児島
一郁 児島
真宏 谷
真宏 谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2019234827A1 publication Critical patent/JPWO2019234827A1/ja
Application granted granted Critical
Publication of JP7092194B2 publication Critical patent/JP7092194B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2272—Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/222—Monitoring or handling of messages using geographical location information, e.g. messages transmitted or received in proximity of a certain spot or area
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能な情報処理装置を提供する。情報処理装置（１）は、コミュニケーションサービスにおいて利用者を識別する判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段（２）と、位置情報に基づいて位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段（３）と、階層化位置情報を用いて、識別情報間の類似度を算出する算出手段（４）と、算出された類似度に基づいて、複数の識別情報のうち同一ユーザが有する識別情報を特定する特定手段（５）と、を備える。

Description

本開示は、情報処理装置、判定方法、プログラムが格納された非一時的なコンピュータ可読媒体および情報処理システムに関する。
近年、複数のＳＮＳ（Social Networking Service）を利用するユーザが増加している。多くの企業がマーケティング、推薦システムに、プロフィール情報および投稿情報等のＳＮＳ情報を活用している。また、法執行機関が行う犯罪捜査等にも、上記ＳＮＳ情報が活用されている。
特に、複数のＳＮＳにおける利用者を識別する識別情報（例えば、アカウント）を有する利用者が同一であるか否かを判別し、判別結果を統合して利用することにより、ユーザの性別や年齢などの属性を推定するための情報が増える。ユーザの性別や年齢などの属性を推定するための情報が増えると、マーケティングおよび推薦システム等が出力する結果の精度向上が見込める。そのため、ＳＮＳ情報を用いて、ＳＮＳにおけるユーザが同一であるか否かを判別する技術の研究開発が進んでいる。
上記技術に関連して、特許文献１には、複数の識別情報（例えば、アカウント）のそれぞれのプロフィール情報を用いて、識別情報間の情報の一致度を算出する。そして、算出した一致度に基づいて識別情報を有している利用者が同一人物であるか否かを判定する技術が開示されている。
また、非特許文献１には、ユーザが投稿したジオロケーションを用いて、識別情報（例えば、アカウント）間の行動パターンの一致度を算出する。そして、算出した一致度に基づいて識別情報を有している利用者が同一人物であるか否かを判定する技術が開示されている。
特開２０１３−１２２６３０号公報
X. Han, X Liang and et al. "Linking social network accounts by modeling user spatiotemporal habits", Intelligence and Security Informatics (ISI), IEEE International Conference on, 2017
特許文献１および非特許文献１に開示された技術では、判定対象の識別情報に対応付けられた情報を用いて、識別情報間の情報の一致度を算出する。そのため、例えば、判定対象の識別情報に対応付けられた情報が誤っている場合や、虚偽の内容が登録または投稿されている場合等では、識別情報間の情報の一致度を精度良く算出することが出来ない。すなわち、特許文献１および非特許文献１に開示された技術を用いたとしても、同一人物が有する識別情報を精度良く特定することが出来ない場合がある。
本開示の目的は、このような課題を解決するためになされたものであり、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能な情報処理装置、判定方法およびプログラムが格納された非一時的なコンピュータ可読媒体を提供することにある。
本開示にかかる情報処理装置は、コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える。
また、本開示にかかる判定方法は、コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、前記階層化位置情報を用いて、識別情報間の類似度を算出することと、算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、を含む判定方法である。
また、本開示にかかる非一時的なコンピュータ可読媒体は、コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、前記階層化位置情報を用いて、識別情報間の類似度を算出することと、算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体である。
また、本開示にかかる情報処理システムは、コミュニケーションサービスを提供するサーバと、前記サーバと通信を行う情報処理装置と、を含み、前記情報処理装置は、前記コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える情報処理システムである。
本開示によれば、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能な情報処理装置、判定方法、プログラムが格納された非一時的なコンピュータ可読媒体および情報処理システムを提供できる。
本開示の実施の形態にかかる情報処理装置の概要を示す図である。 実施の形態１にかかる情報処理システムの構成例を示す図である。 実施の形態１にかかる階層化位置情報テーブルを説明する図である。 アカウント間の類似度の算出処理を説明する図である。 アカウント間の類似度の算出処理を説明する図である。 実施の形態１にかかる情報処理装置の動作例を示すフローチャートである。 実施の形態２にかかる情報処理装置の構成例を示す図である。 関連アカウント間の関係性を示すリンク情報を説明する図である。 実施の形態２にかかる情報処理装置の動作例を示すフローチャートである。 実施の形態２にかかる情報処理装置の動作例を示すフローチャートである。 実施の形態３にかかる情報処理装置の構成例を示す図である。 データペア間重要度テーブルを説明する図である。 実施の形態３にかかる情報処理装置の動作例を示すフローチャートである。 実施の形態３にかかる情報処理装置の動作例を示すフローチャートである。 他の実施の形態にかかる情報処理装置の構成例を示す図である。 他の実施の形態にかかる情報処理装置の構成例を示す概略構成図である。
（実施の形態の概要）
本開示の実施形態の説明に先立って、実施の形態の概要について説明する。
まず、図１を用いて、本開示の実施の形態にかかる情報処理装置１の概要について説明する。図１は、本開示の実施の形態にかかる情報処理装置の概要を示す図である。
情報処理装置１は、プロセッサがメモリに格納されたプログラムを実行することによって動作するコンピュータ装置であってもよい。情報処理装置１は、サーバ装置またはパーソナルコンピュータ装置等であってもよい。情報処理装置１は、ＳＮＳサーバであってもよい。情報処理装置１は、位置情報取得部２、位置情報処理部３、算出部４および特定部５を備える。位置情報取得部２、位置情報処理部３、算出部４および特定部５のそれぞれは、位置情報取得手段、位置情報処理手段、算出手段および特定手段として機能する。
位置情報取得部２は、コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する。コミュニケーションサービスは、ＳＮＳ、通信サービス等であってもよい。また、識別情報および関連識別情報は、アカウント、電話番号等であってもよい。アカウントは、ＩＤ（Identifier）、ユーザ名およびパスワードの少なくとも１つを含む情報であってもよい。なお、以降の実施の形態の説明では、コミュニケーションサービスをＳＮＳとし、識別情報および関連識別情報をアカウントとして説明する。
位置情報処理部３は、位置情報取得部２が取得した位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する。位置の粒度レベルは、複数の粒度レベルにより構成されていてもよい。複数の粒度レベルは、国単位、行政区画単位に対応するレベルであってもよい。
算出部４は、位置情報処理部３が特定した階層化位置情報を用いて、識別情報間の類似度を算出する。
特定部５は、算出部４が算出した識別情報間の類似度に基づいて、複数の識別情報のうち同一利用者が有する識別情報を特定する。
以上説明したように、実施の形態にかかる情報処理装置１は、判定対象の複数の識別情報に関連する関連識別情報に対応付けられた位置情報を取得し、取得した位置情報に基づいて階層化位置情報を特定する。そして、情報処理装置１は、階層化位置情報を用いて、識別情報間の類似度を算出して、算出された類似度に基づいて、複数の識別情報のうち、同一ユーザが有している識別情報を特定する。すなわち、実施の形態にかかる情報処理装置１は、判定対象の複数の識別情報に対応付けられた情報を用いずに、判定対象の識別情報に関連する関連識別情報に対応付けられた位置情報を用いて、同一ユーザが有する識別情報を特定する。そのため、実施の形態にかかる情報処理装置１によれば、判定対象の識別情報に対応付けられた情報が、誤っている場合または虚偽の情報を登録している場合であっても、同一ユーザが有する識別情報を特定することが可能となる。したがって、実施の形態にかかる情報処理装置１は、利用者が登録している情報に依らずに、利用者が同一であることを精度良く特定することが可能となる。
以下、図面を参照しつつ、実施の形態について説明する。なお、実施の形態において、同一の要素には、同一の符号を付し、重複する説明は省略される。
（実施の形態１）
以下、図面を参照して、実施の形態の詳細を説明する。
＜情報処理システムの構成例＞
まず、図２を用いて、情報処理システム１００の構成例を説明する。図２は、実施の形態１にかかる情報処理システムの構成例を示す図である。情報処理システム１００は、ＳＮＳサーバ２０と、ネットワーク３０と、情報処理装置４０とを備える。なお、図２において、情報処理システム１００は、ＳＮＳサーバを１つ備える構成となっているが、複数のＳＮＳサーバを備える構成であってもよい。
ＳＮＳサーバ２０は、ＳＮＳを当該ＳＮＳに加入している複数の利用者に提供するサーバである。ＳＮＳは、実施の形態の概要におけるコミュニケーションサービスに対応する。ＳＮＳサーバ２０は、ＳＮＳに加入している複数の利用者が登録したＩＤ、ユーザ名、パスワード、プロフィール情報を記憶する。また、ＳＮＳサーバ２０は、ＳＮＳに加入している複数の利用者が投稿した投稿情報を記憶する。なお、以降の説明において、ＩＤ、ユーザ名およびパスワードの少なくとも１つを含む情報をアカウントと称して説明する。アカウントは、実施の形態の概要における利用者の識別情報に対応する。また、ＩＤ、ユーザ名、パスワード、プロフィール情報および投稿情報を含む情報をアカウント情報と称して説明する。つまり、ＳＮＳサーバ２０は、ＳＮＳに加入している複数の利用者のアカウント情報を記憶する。
また、ＳＮＳサーバ２０は、ＳＮＳサーバ２０が提供するＳＮＳにおけるユーザ間の関連を表すユーザ関連情報を管理する。ユーザ関連情報は、各アカウントの「フレンド」、「フォロー」、「フォロワー」等の交友関係を有するアカウントに関する情報であってもよい。ユーザ関連情報は、各アカウントの投稿情報に関連する投稿情報を有するアカウントに関する情報を含んでもよい。ユーザ関連情報は、各アカウントの投稿情報を引用した、いわゆる「リツィート」された投稿情報を有しているアカウント、および各アカウントの投稿情報に「いいね」等を付与した履歴を有するアカウントに関する情報を含んでもよい。ユーザ関連情報は、各アカウントのプロフィールおよび投稿情報を含むアカウント情報を閲覧した履歴を有するアカウント、いわゆる「足あと」を残したアカウントに関する情報を含んでもよい。
情報処理装置４０は、実施の形態の概要における情報処理装置１に対応する。情報処理装置４０は、サーバ装置またはパーソナルコンピュータ装置等であってもよい。情報処理装置４０は、ネットワーク３０を介して、ＳＮＳサーバ２０に接続および通信を行う。
＜情報処理装置の構成例＞
続いて、情報処理装置４０の構成例について説明する。情報処理装置４０は、アカウント情報取得部４１、記憶部４２、位置情報取得部４３、位置情報処理部４４、算出部４５および特定部４６を備える。アカウント情報取得部４１、記憶部４２、位置情報取得部４３、位置情報処理部４４、算出部４５および特定部４６のそれぞれは、アカウント情報取得手段、記憶手段、位置情報取得手段、位置情報処理手段、算出手段および特定手段として機能する。また、上記の様に、アカウントは、実施の形態の概要における利用者の識別情報に対応することから、アカウント情報取得部４１は、識別情報取得手段とも言える。
アカウント情報取得部４１は、ＳＮＳサーバ２０から判定対象の複数のアカウントと、各アカウントのアカウント情報と、各アカウントに関連する関連アカウントと、関連アカウントに対応付けられた関連アカウント情報と、を取得する。アカウント情報取得部４１は、アカウント情報と、関連アカウント情報と、を取得すると、記憶部４２に関連付けて格納する。
アカウント情報取得部４１は、例えば、ユーザ間のつながりを表すデータであるソーシャルグラフを用いて、各アカウントに関連する関連アカウントを特定して、特定した関連アカウントおよび当該関連アカウントの関連アカウント情報を取得する。関連アカウントは、実施の形態の概要における関連識別情報に対応する。関連アカウント情報は、ＩＤ、ユーザ名、パスワード、プロフィール情報および投稿情報を含む情報であってもよい。
関連アカウントは、例えば、ＳＮＳにおける「フレンド」、「フォロワー」、「フォロー」等のＳＮＳにおいて交友関係を有しているアカウントであってもよい。また、関連アカウントは、各アカウントの投稿情報に反応したアカウントを含んでもよい。さらに、関連アカウントは、各アカウントのプロフィールおよび投稿情報を含むアカウント情報を閲覧した履歴を有するアカウント、いわゆる「足あと」を残したアカウントを含んでもよい。
各アカウントの投稿情報に反応したアカウントとは、各アカウントの投稿情報を閲覧した履歴を有するアカウントであってもよく、各アカウントの投稿情報に対するコメントを投稿したアカウントであってもよい。さらに、各アカウントの投稿情報に反応したアカウントは、各アカウントの投稿情報を引用した投稿情報、いわゆる「リツィート」を行ったアカウントであってもよいし、各アカウントの投稿情報に「いいね」等の反応を示したアカウントであってもよい。
記憶部４２は、アカウント情報取得部４１が取得した、アカウント情報と、関連アカウント情報と、を関連付けて記憶する。また、記憶部４２は、後述する位置情報処理部４４が特定した階層化位置情報テーブルＴ１を記憶する。
位置情報取得部４３は、記憶部４２に記憶された関連アカウント情報から、関連アカウントに対応付けられた位置情報を取得する。位置情報取得部４３は、関連アカウント情報に含まれるプロフィール情報の居住地、出身地等から位置情報を取得してもよい。もしくは、位置情報取得部４３は、関連アカウント情報に含まれる投稿情報のうち、位置を特定出来る単語から位置情報を取得してもよい。もしくは、位置情報取得部４３は、関連アカウント情報に含まれる投稿情報にＧＥＯタグと称される投稿者の現在の位置が特定出来る情報が付与されている場合、ＧＥＯタグから位置情報を取得してもよい。もしくは、位置情報取得部４３は、ジオロケーションを用いて位置情報を取得してもよい。位置情報取得部４３は、投稿情報およびジオロケーションのいずれかを用いる場合、取得した位置情報のうち、取得回数が最も多い位置情報を用いてもよい。位置情報取得部４３は、取得した位置情報を位置情報処理部４４に出力する。
位置情報処理部４４は、位置情報取得部４３が取得した位置情報に基づいて、予め定められた複数の位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する。そして、位置情報処理部４４は、関連アカウント情報毎の階層化位置情報が設定された階層化位置情報テーブルＴ１を生成する。位置情報処理部４４は、生成した階層化位置情報テーブルＴ１を記憶部４２に記憶すると共に、後述する算出部４５に出力する。
粒度レベルは、例えば、国単位、行政区画単位に対応するレベルであってもよい。粒度レベルは、例えば、３つのレベルが定められている場合、最も低いレベルの粒度レベルを国単位のレベルとし、２番目に低いレベルの粒度レベルを都道府県単位とし、３番目に低いレベルの粒度レベルを市区町村単位としてもよい。なお、以降の説明では、粒度レベルは、上記の様に３つのレベルであるとして説明を行うが、当然ながら、一例であって、これに限定されない。
位置情報処理部４４は、位置情報取得部４３が取得した位置情報が、どの粒度レベルの位置情報であるかを特定し、取得した位置情報に基づいて、「国」単位の位置情報、「都道府県」単位の位置情報、「市区町村」単位の位置情報を特定する。例えば、ＳＮＳが、プロフィール情報に含まれるユーザの居住地や出身地を、「国」、「都道府県」および「市区町村」の情報を登録するフォーマットとして用意しているとする。この場合、位置情報処理部４４は、上記フォーマットに従って、「国」、「都道府県」および「市区町村」の情報を取得することにより、各粒度レベルの階層化位置情報を特定する。
ＳＮＳが、上記フォーマットを用意せず、ユーザが任意の位置情報を居住地や出身地として登録出来るようにしているとする。この場合、位置情報処理部４４は、インターネットを自動的に検索し、「国」、「都道府県」および「市区町村」単位の対応表を取得する。そして、位置情報処理部４４は、位置情報取得部４３が取得した位置情報と、対応表とに基づいて、各粒度レベルの階層化位置情報を特定する。対応表は、例えば、地名または地域名が、どの「国」に属するのか、どの「都道府県」に属するのか、「市区町村」に属するのかを示す表であってもよい。また、ＳＮＳが用意したフォーマットが予め定められた粒度レベルと異なる場合についても、位置情報処理部４４は、上記対応表を用いて、各粒度レベルの階層化位置情報を特定する。なお、位置情報処理部４４は、インターネットを検索して上記対応表を取得せずに、例えば、情報処理装置４０の管理者または運用者が予め準備し登録した対応表を用いて、各粒度レベルの階層化位置情報を特定してもよい。
ここで、粒度レベルが高い（細かい粒度で分類された）位置情報は、粒度レベルが低い（粗い粒度で分類された）位置情報に包含される関係である。そのため、位置情報処理部４４は、位置情報取得部４３が取得した位置情報の粒度レベルが高い位置情報である場合、粒度レベルが低い位置情報を上記の対応表を用いて特定することが出来る。具体的に、位置情報取得部４３が取得した位置情報が、「府中市」であったとすると、位置情報処理部４４は、取得した位置情報が「市区町村」単位の粒度レベルの位置情報であると特定する。そして、「市区町村」単位よりも粒度レベルが低い粒度レベルは「国」単位、「都道府県」単位であることから、位置情報処理部４４は、取得した位置情報に基づいて、「都道府県」単位の階層化位置情報を「東京」と特定し、「国」単位の階層化位置情報を「日本」と特定する。
粒度レベルが低い（粗い粒度で分類された）位置情報から、粒度レベルが高い（細かい粒度で分類された）位置情報を具体的に特定することが出来ないため、本実施の形態では、位置情報処理部４４は、粒度レベルが高い階層化位置情報は特定しない。
なお、位置情報処理部４４は、例えば、「都道府県」単位の位置情報が取得された場合、取得された位置情報に対応する庁舎が存在する位置に基づいて、「市区町村」単位の位置情報として特定してもよい。例えば、位置情報取得部４３が「都道府県」単位の位置情報として「東京」を取得したとすると、位置情報処理部４４は、「東京」の庁舎が存在する位置を、粒度レベルが高い（細かい粒度で分類された）「市区町村」単位の階層化位置情報として決定してもよい。もしくは、位置情報処理部４４は、例えば、「都道府県」単位の位置情報が取得された場合、取得された位置情報の中で最も人口が多い位置を、粒度レベルが高い階層化位置情報として決定してもよい。位置情報処理部４４は、例えば、「都道府県」単位の位置情報が取得された場合、取得された位置情報の中で代表的な駅が存在する位置を、粒度レベルが高い階層化位置情報として決定してもよい。
ここで、図３を用いて、位置情報処理部４４が生成する階層化位置情報テーブルＴ１について説明する。図３は、実施の形態１にかかる階層化位置情報テーブルを説明する図である。図３に示す様に、階層化位置情報テーブルＴ１は、アカウント毎に生成され、関連アカウント毎の階層化位置情報を管理するテーブルである。階層化位置情報テーブルＴ１には、関連アカウント、「国」単位の階層化位置情報、「都道府県」単位の階層化位置情報および「市区町村」単位の階層化位置情報が設定されるテーブルである。
関連アカウントには、各アカウントに関連する関連アカウントが設定される。図３では、関連アカウントの総数がＭ（Ｍ：１以上の自然数）である場合を例にした図であり、各関連アカウントが左から順に設定される。なお、図３では、説明を行う上で便宜的に各関連アカウントを数字で示しているが、関連アカウントにはＩＤおよびユーザ名の少なくとも１つを含む情報が設定されていてもよい。
「国」単位の階層化位置情報には、位置情報処理部４４が特定した、粒度レベルが「国」単位の階層化位置情報が設定される。
「都道府県」単位の階層化位置情報には、位置情報処理部４４が特定した、粒度レベルが「都道府県」単位の階層化位置情報が設定される。
「市区町村」単位の階層化位置情報には、位置情報処理部４４が特定した、粒度レベルが「市区町村」単位の階層化位置情報が設定される。
上述したように、位置情報取得部４３が取得した位置情報から「国」、「都道府県」、「市区町村」単位の階層化位置情報が特定出来る場合、図３に示した関連アカウントＭ−１およびＭのように、位置情報処理部４４は、全ての階層化位置情報を設定する。また、位置情報取得部４３が取得した位置情報から「国」、「都道府県」、「市区町村」単位のうちのいずれかの階層化位置情報を特定出来ない場合、図３の関連アカウント１および２のように、位置情報処理部４４は、特定した階層化位置情報のみを設定する。そして、位置情報処理部４４は、特定出来ない階層化位置情報は、図３の斜線で示すように、階層化位置情報テーブルＴ１には設定を行わない。
図２に戻り、算出部４５について説明する。算出部４５は、実施の形態の概要における算出部４に対応する。算出部４５は、位置情報処理部４４が生成した階層化位置情報テーブルＴ１を受信し、階層化位置情報を用いて、アカウント間の類似度を算出する。
具体的には、算出部４５は、各アカウントにおいて、粒度レベル毎に、粒度レベルに対応付けられた階層化位置情報に含まれるデータ毎の数を計数し、計数したデータ毎の数を関連識別数により正規化した値を算出する。算出部４５は、アカウント間における粒度レベル毎の類似度の算出元である２つのアカウントに共通するデータのそれぞれに対して、当該２つのアカウントにおける正規化した値を乗算した値を各データの評価値として算出する。算出部４５は、当該２つのアカウントに共通する全てのデータの評価値の総和を、当該２つのアカウント間の粒度レベル毎の類似度として算出する。そして、算出部４５は、全ての粒度レベル毎の類似度の総和を、２つのアカウント間の類似度として算出する。
ここで、図４および図５を用いて、算出部４５が行うアカウント間の類似度の算出処理について説明する。図４および図５は、アカウント間の類似度の算出処理を説明する図である。
まず、図４を用いて、算出部４５が、アカウントＡとアカウントＢとの間の類似度を算出する場合を説明する。なお、図４ではアカウントＡとアカウントＢとの間の類似度を算出する場合を説明しているが、算出部４５は、全てのアカウントペアに対して、アカウント間の類似度を算出する。
図４の上図は、判定対象のアカウントＡの階層化位置情報テーブルＴ１を示している。具体的には、アカウントＡの関連アカウントＡ−１〜Ａ−６の階層化位置情報を示している。図４の下図は、判定対象のアカウントＢの階層化位置情報テーブルＴ１を示している。具体的には、アカウントＢの関連アカウントＢ−１〜Ｂ−６の階層化位置情報を示している。
算出部４５は、粒度レベル毎の階層化位置情報に含まれるデータの和集合を決定する。換言すると、算出部４５は、アカウント間の類似度の算出元であるアカウントＡおよびアカウントＢのいずれか一方に対応付けられた階層化位置情報に含まれるデータを抽出する。図４の上図および下図を参照すると、粒度レベルが「国」である階層化位置情報には、「日本」、「Ｓｉｎｇａｐｏｒｅ」および「ＵＳＡ」が含まれるため、算出部４５は、和集合として「日本」、「Ｓｉｎｇａｐｏｒｅ」および「ＵＳＡ」をデータとして抽出する。同様に、粒度レベルが「都道府県」である階層化位置情報には、「東京」および「Ｐｅｎｎｓｙｌｖａｎｉａ」が含まれるため、算出部４５は、和集合として「東京」および「Ｐｅｎｎｓｙｌｖａｎｉａ」をデータとして抽出する。同様に、粒度レベルが「市区町村」である階層化位置情報には、「府中市」および「Ｐｈｉｌａｄｅｌｐｈｉａ」が含まれるため、算出部４５は、「府中市」および「Ｐｈｉｌａｄｅｌｐｈｉａ」をデータとして抽出する。なお、階層化位置情報に含まれる、「日本」等の情報をデータとして記載をしているが、階層化位置情報を構成する情報要素または要素とも言える。
そして、算出部４５は、各粒度レベルの階層化位置情報に含まれるデータを抽出すると、抽出した各データに対して、当該データを有している関連アカウントの数を計数する（カウントする）。この際、いずれかのデータが、計数しているアカウントに存在しない場合、当該データの数を０にする。
図４に示す様に、アカウントＡについて、粒度レベルが「国」である場合、「日本」のカウント数は５となり、「Ｓｉｎｇａｐｏｒｅ」のカウント数は１となり、「ＵＳＡ」のカウント数は０となる。粒度レベルが「都道府県」である場合、「東京」のカウント数は４となり、「Ｐｅｎｎｓｙｌｖａｎｉａ」のカウント数は０となる。また、粒度レベルが「市区町村」である場合、「府中市」のカウント数は１となり、「Ｐｈｉｌａｄｅｌｐｈｉａ」のカウント数は１となる。
図４に示す様に、アカウントＢについて、粒度レベルが「国」である場合、「日本」のカウント数は５となり、「Ｓｉｎｇａｐｏｒｅ」のカウント数は０となり、「ＵＳＡ」のカウント数は１となる。粒度レベルが「都道府県」である場合、「東京」のカウント数は５となり、「Ｐｅｎｎｓｙｌｖａｎｉａ」のカウント数は１となる。また、粒度レベルが「市区町村」である場合、「府中市」のカウント数は０となり、「Ｐｈｉｌａｄｅｌｐｈｉａ」のカウント数は１となる。
次に、算出部４５は、粒度レベル毎に、各データのカウント数の二乗和が１になるように関連アカウント数により正規化を行い、粒度レベル毎の類似度を算出する。具体的には、算出部４５は、図５に示すように、各粒度レベルに対して、データ毎のカウント数を関連アカウント数により正規化した値を算出する。算出部４５は、データ毎に、アカウントＡの正規化された値と、アカウントＢの正規化された値と、を乗算した値を当該データに対する評価値とする。算出部４５は、各データの評価値を全てのデータに対して合計した値を、粒度レベル毎の類似度として算出する。
上記内容を計算式で表すと、粒度レベルが「国」である場合、粒度レベル毎の類似度は、以下の様に算出される。
Figure 2019234827
また、粒度レベルが「都道府県」である場合、粒度レベル毎の類似度は、以下の様に算出される。
Figure 2019234827
また、粒度レベルが「市区町村」である場合、粒度レベル毎の類似度は、以下の様に算出される。
Figure 2019234827
算出部４５は、粒度レベル毎の類似度を算出すると、粒度レベル毎の類似度に、粒度レベルに応じた重み付けを行った類似度を算出し、全ての粒度レベルの類似度の総和をアカウントＡとアカウントＢとの間の類似度を決定する。粒度レベル毎に予め定められた重み係数をα、β、γとし、α、β、γがα＋β＋γ＝１を満たす関係であるとすると、アカウントＡおよびアカウントＢの間の類似度を、以下の関係式（１）のように定義することが出来る。
（アカウント間の類似度）＝α×（粒度レベル「国」の類似度）＋β×（粒度レベル「都道府県」の類似度）＋γ×（粒度レベル「市区町村」の類似度） …（１）
重み係数α、β、γは、任意に設定できる係数であってもよい。重み係数α、β、γは、例えば、α＜β＜γのように、粒度レベルが高いほど大きな重み付けを行ってもよい。つまり、「市区町村」の類似度の重み付けを大きくし、粒度レベル「市区町村」の一致度を重要視するようにしてもよい。もしくは、重み係数α、β、γが、全て１であり、重み付けを行わないようにしてもよい。もしくは、重み係数α、β、γは、粒度レベルが低いほど大きな重み付けを行うような係数えあってもよい。
図２に戻り、特定部４６について説明する。特定部４６は、算出部４５が算出したアカウント間の類似度に基づいて、アカウント情報取得部４１が取得した複数のアカウントのうち同一利用者が有するアカウントを特定する。具体的には、特定部４６は、アカウント間の類似度が、所定の閾値以上である場合、アカウント間の類似度の算出元の２つのアカウントを有する利用者が同一であると判定する。特定部４６は、全てのアカウント間の類似度に対して、所定の閾値以上であるかを判定して、判定対象の複数のアカウントに対して、同一利用者が有するアカウントを特定する。
＜情報処理装置の動作例＞
続いて、図６を用いて、情報処理装置４０の動作例を説明する。図６は、実施の形態１にかかる情報処理装置の動作例を示すフローチャートである。
図６に示すように、ステップＳ１〜Ｓ４は、判定対象のアカウント数分の繰り返し処理となっている。また、ステップＳ２〜Ｓ４は、関連アカウント数分の繰り返し処理となっている。
まず、アカウント情報取得部４１は、判定対象の複数のアカウントおよびアカウント情報を取得し（ステップＳ１）、各アカウントに関連する関連アカウント情報を取得する（ステップＳ２）。具体的には、アカウント情報取得部４１が、ＳＮＳサーバ２０に接続および通信を行い、判定対象の複数のアカウントおよびアカウント情報を取得する。そして、アカウント情報取得部４１は、例えば、ソーシャルグラフを用いて、各アカウントに関連する関連アカウントおよび関連アカウントに対応付けられた関連アカウント情報を取得する。アカウント情報取得部４１は、アカウント情報と、関連アカウント情報と、を取得すると、記憶部４２に関連付けて格納する。
次に、位置情報取得部４３は、各関連アカウント情報から位置情報を取得する（ステップＳ３）。具体的には、位置情報取得部４３は、上述したように、各関連アカウント情報に含まれるプロフィール情報の居住地、出身地等、投稿情報に含まれる位置を特定出来る単語から位置情報を取得してもよい。もしくは、位置情報取得部４３は、各関連アカウント情報に含まれる投稿情報のＧＥＯタグから位置情報を取得してもよい。もしくは、位置情報取得部４３は、ジオロケーションを用いて位置情報を取得してもよい。位置情報取得部４３は、取得した位置情報を位置情報処理部４４に出力する。
次に、位置情報処理部４４は、位置情報取得部４３が取得した位置情報に基づいて、各関連アカウントに対して階層化位置情報を特定する（ステップＳ４）。位置情報処理部４４は、位置情報取得部４３が取得した位置情報から「国」、「都道府県」、「市区町村」単位の階層化位置情報を特定出来る場合、階層化位置情報テーブルＴ１に全ての階層化位置情報を設定する。また、位置情報処理部４４は、位置情報取得部４３が取得した位置情報から「国」、「都道府県」、「市区町村」単位のいずれかの階層化位置情報が特定出来ない場合、階層化位置情報テーブルＴ１に特定した階層化位置情報のみを設定する。
次に、ステップＳ５およびＳ６は、複数のアカウントのうちのいずれか２つのアカウント（アカウントペア）のそれぞれに対して実行する処理となっており、情報処理装置４０は、ステップＳ５およびＳ６の処理を全てのアカウントペアに対して実行する。
ステップＳ５として、算出部４５は、アカウントｘ（ｘ：１〜アカウント数）と、アカウントｙ（ｙ：１〜アカウント数、ただし、ｘ≠ｙ）との間の類似度を算出する（ステップＳ５）。具体的には、算出部４５は、粒度レベル毎に、アカウントｘおよびアカウントｙのいずれか一方に対応付けられた粒度レベル毎の階層化位置情報に含まれるデータを抽出する。算出部４５は、アカウントｘおよびアカウントｙのそれぞれに対して、抽出したデータ毎の数を計数し、関連アカウント数により正規化した値を算出する。そして、算出部４５は、アカウントｘの正規化した値と、アカウントｙの正規化した値とを乗算して算出された評価値の総和を、アカウントｘおよびアカウントｙの粒度レベル毎の類似度と決定する。算出部４５は、粒度レベル毎の類似度に、粒度レベルに応じた重み係数α、β、γを乗じた値を、全ての粒度レベルに対して合計し、アカウントｘおよびアカウントｙの間の類似度として決定する。
次に、特定部４６は、ステップＳ４において算出したアカウントｘおよびアカウントｙの間の類似度と、所定の閾値とを比較して、アカウントｘとアカウントｙとを有する利用者が同一であるか否かを判定する（ステップＳ６）。具体的には、ステップＳ４において算出したアカウントｘおよびアカウントｙの間の類似度が所定の閾値以上である場合、アカウントｘとアカウントｙとを有する利用者が同一であると判定する。
以上説明したように、実施の形態１にかかる情報処理装置４０は、関連アカウントに対応付けられた位置情報に基づいて、階層化位置情報を特定し、階層化位置情報テーブルＴ１を生成する。情報処理装置４０は、階層化位置情報テーブルＴ１を用いて、粒度レベル毎の類似度を算出し、かつ粒度レベルに応じた重み係数を乗じて粒度レベル毎の類似度を、全ての粒度レベルに対して合計してアカウント間の類似度を算出する。そして、情報処理装置４０は、アカウント間の類似度に基づいて、複数のアカウントのうち、同一利用者が有するアカウントを特定する。すなわち、本実施の形態にかかる情報処理装置４０は、判定対象のアカウントのアカウント情報を用いずに、関連アカウント情報を用いて、同一利用者が有するアカウントを特定する。そのため、本実施の形態によれば、判定対象のアカウント情報に虚偽の内容が含まれている場合や実際の情報と異なる情報が登録されている場合であっても、同一利用者が有するアカウントを精度良く特定することが出来る。したがって、本実施の形態によれば、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能となる。
（実施の形態２）
続いて、実施の形態２について説明する。実施の形態２は、実施の形態１の改良例である。実施の形態１では、各アカウントに関連する全ての関連アカウント情報を用いて、アカウント間の類似度を算出した。実施の形態２では、各アカウントに関連する全ての関連アカウント情報のうち、関連アカウント間の関係性の深さ（関連度）に基づいて選択された関連アカウントに対応付けられた関連アカウント情報を用いてアカウント間の類似度を算出する。
実世界でも面識がある友人など、交友関係等を築いている場合、ＳＮＳ上においても交友関係等、アカウント間の関係性が深いと想定される。そのため、本実施の形態では、各関連アカウントに対して、ＳＮＳにおいて関係性が深い関連アカウントを特定し、関係性が深い関連アカウントの関連アカウント情報を用いて、複数のアカウントのうち、同一利用者が有しているアカウントを特定する。
実施の形態２にかかる情報処理システムの基本構成は、図２に示した実施の形態１と同様であるが、実施の形態１にかかる情報処理装置４０が情報処理装置５０に置き換わった構成である。そのため、情報処理システムに関する説明は割愛し、情報処理装置５０に関する構成例および動作例を説明する。
＜情報処理装置の構成例＞
図７を用いて、実施の形態２にかかる情報処理装置５０の構成例を説明する。図７は、実施の形態２にかかる情報処理装置の構成例を示す図である。実施の形態２にかかる情報処理装置５０は、実施の形態１の構成に、関連アカウント情報選択部５１が追加された構成である。なお、その他の構成は、実施の形態１と同様であるので適宜説明を割愛して、実施の形態１と異なる内容について説明する。
関連アカウント情報選択部５１は、関連アカウント情報選択手段として機能する。関連アカウントは、実施の形態の概要における関連識別情報に対応するので、関連アカウント情報選択部５１は、関連識別情報選択手段とも言える。
関連アカウント情報選択部５１は、アカウント情報取得部４１が取得した関連アカウント間の関連度を決定すると共に、決定した関連アカウント間の関連度に基づいて、関連アカウントのうちのいずれかを選択する。なお、以降の説明において、関連アカウントの集合を関連アカウント群と称して記載することがある。
具体的には、関連アカウント情報選択部５１は、関連アカウント群のそれぞれに対して、例えば、ソーシャルグラフ等を用いて、各関連アカウントに関連する関連アカウントを特定する。関連アカウント情報選択部５１は、ＳＮＳにおいて、関連アカウントの「フレンド」、「フォロワー」、「フォロー」に含まれるアカウントを、関連アカウント（第１の関連アカウント）に関連する関連アカウント（第２の関連アカウント）として特定してもよい。また、関連アカウント情報選択部５１は、関連アカウントの投稿情報に反応したアカウントを、関連アカウントに関連する関連アカウントとして特定してもよい。さらに、関連アカウント情報選択部５１は、関連アカウントのプロフィールおよび投稿情報を含む関連アカウント情報を閲覧したアカウント、いわゆる「足あと」を残したアカウントを、関連アカウントに関連するアカウントとして特定してもよい。
なお、投稿情報に反応したアカウントは、関連アカウントの投稿情報を閲覧した履歴を有するアカウント、関連アカウントの投稿情報にコメントを記載した履歴を有するアカウントであってもよい。さらに、投稿情報に反応したアカウントは、関連アカウントの投稿情報を「リツィート」したアカウント、関連アカウントの投稿情報に「いいね」等を行ったアカウントであってもよい。
関連アカウント情報選択部５１は、各関連アカウントに関連する関連アカウントを特定すると、特定した関連アカウントが、アカウント情報取得部４１が取得した関連アカウント群に含まれるかを判定する。そして、特定した関連アカウントが、アカウント情報取得部４１が取得した関連アカウント群に含まれる場合、関連アカウント情報選択部５１は、関連アカウントと、特定した関連アカウントとの関連度が高いと判定する。関連アカウント情報選択部５１は、関連アカウント間の関連度に基づいて、関連アカウント間の関係性を示すリンク情報を生成する。
ここで、図８を用いて、関連アカウント間の関係性を示すリンク情報について説明する。図８は、関連アカウント間の関係性を示すリンク情報を説明する図である。図８に示すように、関連アカウント情報選択部５１は、各アカウントを中心として、関連アカウント間の関係性を、関連度が高い関連アカウント同士をリンクさせたリンク情報を生成する。関連アカウント情報選択部５１は、関連度が高い関連アカウント間を実線で結ぶようにリンクさせ、関係性が高くない関連アカウント間をリンクさせない。
図８に示すように、アカウントａの関連アカウントが５つであるとし、当該５つの関連アカウントのそれぞれを関連１〜５とするノードとして表すとする。関連１である関連アカウントは、関連２〜５のいずれとも関係性がないとすると、関連アカウント情報選択部５１は、関連１に対して関連２〜５のいずれともリンクさせない。同様に、関連２である関連アカウントが、関連１および３〜５のいずれとも関係性がないとすると、関連アカウント情報選択部５１は、関連２に対して関連１および３〜５のいずれともリンクさせない。
一方、関連３である関連アカウントが、関連４および５と関連度が高いと判定されると、関連アカウント情報選択部５１は、関連３に対して関連４および５とリンクさせる。同様に、関連４である関連アカウントが、関連３および５と関連度が高いと判定されると、関連アカウント情報選択部５１は、関連４に対して関連３および５とリンクさせる。さらに、関連５である関連アカウントが、関連３および４と関連度が高いと判定されると、関連アカウント情報選択部５１は、関連５に対して関連３および４とリンクさせる。
関連アカウント情報選択部５１は、図８に示したリンク情報を生成すると、リンク情報に基づいて、関連１〜５の関連アカウントのうち、互いにリンクが設定されている関連アカウントを選択する。つまり、関連アカウント情報選択部５１は、関連アカウント群から関連度が高い関連アカウントを選択する。そして、関連アカウント情報選択部５１は、選択した関連アカウントを位置情報取得部４３に出力する。
位置情報取得部４３は、関連アカウント情報選択部５１が選択した関連アカウントの関連アカウント情報から位置情報を取得する。
＜情報処理装置の動作例＞
続いて、図９Ａおよび図９Ｂを用いて、実施の形態２にかかる情報処理装置５０の動作例について説明する。図９Ａおよび図９Ｂは、実施の形態２にかかる情報処理装置の動作例を示すフローチャートである。図９Ａおよび図９Ｂに示した処理内容のうち、図６と共通する処理内容については、同一の番号を付しており、適宜説明を割愛して説明する。図９Ａおよび図９Ｂと図６とを比較すると、図６の処理内容に、ステップＳ１１〜Ｓ１３の処理内容が追加されている。
まず、アカウント情報取得部４１は、判定対象の複数のアカウントおよびアカウント情報を取得する（ステップＳ１）。
次に、アカウント情報取得部４１は、各アカウントに対して、関連アカウント情報を取得する（ステップＳ２）。
次に、関連アカウント情報選択部５１は、取得した関連アカウントのそれぞれに対して、関連アカウントを特定する（ステップＳ１１）。具体的には、関連アカウント情報選択部５１は、ソーシャルグラフ等を用いて、各関連アカウントに関連する関連アカウントを特定する。
次に、関連アカウント情報選択部５１は、関連アカウントと、特定した関連アカウントとの関連度が高いかを判定する（ステップＳ１２）。具体的には、関連アカウント情報選択部５１は、ステップＳ１１において特定した関連アカウントが、ステップＳ２において取得された関連アカウントに含まれる場合、関連度が高いと判定する。
ステップＳ１２において、関連アカウント情報選択部５１は、関連アカウントと、特定した関連アカウントとの関連度が高いと判定すると（ステップＳ１２のＹＥＳ）、リンク情報において、関連アカウントと、特定した関連アカウントとの間にリンクを設定する。
一方、ステップＳ１２において、関連アカウント情報選択部５１は、関連アカウントと、特定した関連アカウントとの関連度が高くないと判定すると（ステップＳ１２のＮＯ）、リンク情報において、関連アカウントと、特定した関連アカウントとの間にリンクを設定せず、ステップＳ１１に戻る。
次に、関連アカウント情報選択部５１は、生成したリンク情報に基づいて、関連度の高い関連アカウントを選択する（ステップＳ１３）。具体的には、関連アカウント情報選択部５１は、生成したリンク情報に基づいて、互いにリンクが設定されている関連アカウントを関連度が高い関連アカウントとして決定し、選択する。そして、関連アカウント情報選択部５１は、選択した関連アカウントを位置情報取得部４３に出力する。
次に、ステップＳ３およびＳ４の処理内容を、選択された関連アカウント情報数分、繰り返し行う。位置情報取得部４３は、選択された各関連アカウント情報から位置情報を取得し（ステップＳ３）、位置情報処理部４４は、各関連アカウント情報から取得された位置情報に基づいて、階層化位置情報を特定する（ステップＳ４）。
次に、情報処理装置５０は、図９Ｂに示す処理内容を実行し、複数のアカウントのうち、同一利用者が有しているアカウントを特定する。なお、図９Ｂに示した処理内容は、図６に示した処理内容と共通するため、詳細な説明は割愛する。
以上説明したように、実施の形態２にかかる情報処理装置５０は、実施の形態１が備える構成を有している。そのため、実施の形態２にかかる情報処理装置５０を用いた場合でも、実施の形態１と同様に、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能となる。
また、本実施の形態にかかる情報処理装置５０は、実施の形態１にかかる情報処理装置４０の構成に加えて、関連アカウント情報選択部５１をさらに備えている。関連アカウント情報選択部５１は、関連アカウント間の関連度を決定し、関連度が高い関連アカウントを選択する。そして、特定部４６は、選択された関連度が高い関連アカウントの階層化位置情報を用いて算出されたアカウント間の類似度に基づいて、同一利用者が有しているアカウントを特定する。上述したように、実世界でも面識がある友人など、交友関係等を築いている場合、ＳＮＳ上においても交友関係等、アカウント間の関係性が深いと想定される。そのため、関連度が高い関連アカウントの関連アカウント情報を用いることにより、最適なアカウント間の類似度を算出することが可能となるので、同一利用者が有するアカウントを特定する精度を向上させることが可能となる。すなわち、本実施の形態にかかる情報処理装置５０によれば、関連度が高い関連アカウント情報を用いることにより、同一利用者が有するアカウントを特定する精度を向上させることが出来る。したがって、本実施の形態によれば、実施の形態１と比較して、さらに利用者が同一である識別情報を精度良く特定することが可能となる。
（実施の形態３）
続いて、実施の形態３について説明する。実施の形態３は、実施の形態１および２の改良例である。そのため、実施の形態３を、実施の形態１を用いて説明する。実施の形態３は、実施の形態１および２におけるアカウント間の類似度の算出方法が異なる。
実施の形態３は、実施の形態１と比較すると、情報処理装置４０が情報処理装置６０に置き換わった構成である。なお、情報処理システムの基本構成は、実施の形態１と同様であるので説明を割愛する。実施の形態３は、実施の形態１と比較すると、アカウント間の類似度の算出方法が異なる。
＜情報処理装置の構成例＞
図１０を用いて、実施の形態３にかかる情報処理装置６０の構成例について説明する。図１０は、実施の形態３にかかる情報処理装置の構成例を示す図である。実施の形態３にかかる情報処理装置６０は、実施の形態１の構成にかかる情報処理装置４０の記憶部４２および算出部４５がそれぞれ記憶部６１および算出部６２に置き換わった構成である。その他の構成は、実施の形態１と同様であるので適宜説明を割愛して、実施の形態１と異なる内容について説明する。
記憶部６１は、階層化位置情報テーブルＴ１に加えて、後述するデータペア間重要度テーブルＴ２を記憶する。
算出部６２は、各アカウントにおいて、粒度レベル毎に、当該粒度レベルに対応する階層化位置情報に含まれる各データペアに対して、データペア間の距離を算出して、算出された距離に応じたデータペアの重要度を決定する。データペア間の距離とは、データペアに対応する２つの場所（地名）間の距離であり、例えば、データペアが、府中市と、日野市と、であったとすると、府中市と日野市との間の距離である。これにより、算出部６２は、データペアの重要度に基づいて、関連アカウント特有のデータペアに重み付けを行って、より最適なアカウント間の類似度を算出する。
また、本実施の形態では、算出部６２は、データペアの重要度を決定する際、データペア間の距離に加えて、データペアの出現回数（データペア毎の数）に基づいて、データペアの重要度を決定する。距離が遠いデータペアを有しているアカウント同士は、関連アカウントとして出現し難いが、出現回数が多い場合、当該データペアは重要なデータペアであると考えられる。そのため、本実施の形態では、データペア間の距離が遠く、出現頻度が高いデータペアほど重要なデータペアとし、当該データペアにより大きな重み付けが行われるようにする。
算出部６２は、粒度レベル毎に、決定したデータペアの重要度を用いて、アカウント間における粒度レベル毎の類似度を算出し、全ての粒度毎の類似度の総和をアカウント間の類似度として算出する。
ここで、アカウントＡのある粒度レベルの階層化位置情報に含まれるデータｌ１およびｌ２のデータペアに対する重要度をｗ（ｌ１，ｌ２，Ａ）として表すとすると、重要度ｗ（ｌ１，ｌ２，Ａ）は、以下の関係式（２）のように表すことが出来る。
Figure 2019234827
上記の様に、ｗ（ｌ１，ｌ２，Ａ）は、ｆ（ｌ１，Ａ）およびｆ（ｌ２，Ａ）をｉｐ（ｌ１，ｌ２）で重み付けた値である。確率ｐは、確率変数にデータペアｌ１およびｌ２間の距離ｄｉｓｔ（ｌ１，ｌ２）が含まれており、アカウントＡの関連アカウントのある粒度レベルの階層化位置情報にデータ（地名）ｌ１およびｌ２が同時に含まれている確率を表している。確率ｐは、例えば、正規分布としてもよい。算出部６２は、上記の確率ｐの逆数に、粒度毎の階層化位置情報に含まれるデータｌ１およびｌ２の出現回数を乗算することにより、アカウントＡのある粒度レベルの階層化位置情報に含まれるデータペアの重要度を算出して決定する。
算出部６２は、データペアｌ１およびｌ２間の距離ｄｉｓｔ（ｌ１，ｌ２）を、それぞれのデータ（地名）ｌ１およびｌ２のＧＰＳ（Global Positioning System）データを用いて計算してもよい。算出部６２は、地名からＧＰＳデータに変換する場合、例えば、地名の首都および中心地等の地名における代表点のＧＰＳデータを、例えば、インターネット等から取得してもよい。
算出部６２は、粒度毎に、粒度レベルの階層化位置情報に含まれるデータペア間の重要度を、全てのデータペアに対して算出すると、データペア間重要度テーブルＴ２を生成する。
ここで、図１１を用いて、データペア間重要度テーブルＴ２について説明する。図１１は、データペア間重要度テーブルを説明する図である。図１１は、アカウントＡのデータペア間重要度テーブルＴ２を示している。データペア間重要度テーブルＴ２は、粒度レベル毎の階層化位置情報に含まれるデータペア間の重要度が１つのテーブルに設定される。本実施の形態では、粒度レベルは、「国」、「都道府県」および「市区町村」単位であるため、データペア間重要度テーブルＴ２は、３つのテーブルにより構成される。なお、当然ながら、図１１に示したデータペア間重要度テーブルＴ２は一例であるので、例えば、粒度レベルをインデックス情報として有し、全ての粒度レベル毎の階層化位置情報に含まれるデータペア間の重要度を１つのテーブルにより管理してもよい。
「国」単位の粒度レベルの階層化位置情報に含まれるデータペア間の重要度をまとめたテーブルを例に説明すると、当該テーブルの行および列には、それぞれ、「国」単位の粒度レベルの階層化位置情報に含まれる各データが設定される。図１１では、アカウントＡの階層化位置情報に含まれるデータ（地名）としてｌ１、ｌ２、ｌ３およびｌ４が含まれている場合のテーブルを示している。そして、例えば、ｌ１およびｌ２のデータペアに対する重要度は、ｗ（ｌ１，ｌ２，Ａ）であることを示している。図１１のテーブルの右上側の重要度は、斜線が引かれているが、左下側の折り返し、つまり、左下側のデータと同じ重要度が設定されるため、計算を省略していることを意味している。具体的には、ｗ（ｌ１，ｌ４，Ａ）とｗ（ｌ４，ｌ１，Ａ）とは同じ重要度であるため、ｗ（ｌ１，ｌ４，Ａ）のみを計算し、ｗ（ｌ４，ｌ１，Ａ）の計算を省略することを意味している。
算出部６２は、各アカウントの階層化位置情報に含まれるデータペア間の重要度を、「国」、「都道府県」および「市区町村」単位の全ての粒度レベルに対して算出し、データペア間重要度テーブルＴ２を生成する。さらに、算出部６２は、全てのアカウントに対して、データペア間重要度テーブルＴ２を生成する。
算出部６２は、データペア間重要度テーブルＴ２を生成すると、データペア間重要度テーブルＴ２を用いて、アカウント間の粒度レベル毎の類似度を算出する。例えば、アカウントＡおよびアカウントＡ’の間の粒度レベル毎の類似度を算出するとする。この場合、算出部６２は、アカウントＡおよびアカウントＡ’に共通する各データペアに対して、アカウントＡにおけるデータペアの重要度とアカウントＡ’におけるデータペアの重要度とを乗算し、当該データペアに対する評価値を算出する。そして、算出部６２は、アカウントＡおよびアカウントＡ’に共通する全てのデータペアの評価値の総和を、アカウントＡおよびアカウントＡ’の間における粒度レベル毎の類似度として算出する。そして、算出部６２は、アカウントＡおよびアカウントＡ’の粒度レベル毎の類似度に、粒度レベルに応じた重み付けを行った類似度を、全ての粒度レベルに対して合計して、アカウントＡおよびアカウントＡ’の間の類似度とする。
上記内容を数式で表すと、アカウントＡおよびアカウントＡ’の間の類似度は、粒度レベル毎の重み係数をα、β、γとし、α＋β＋γ＝１の関係を満たす重み係数であるとすると、以下の関係式（３）のように表すことが出来る。なお、重み係数α、β、γは、重要視したい粒度レベルに応じて自由に設定することができる。また、アカウントＡおよびアカウントＡ’の間の類似度を「統合スコア」として記載する。また、粒度レベル「国」の類似度を「国の類似度」と記載し、粒度レベル「都道府県」の類似度を「都道府県の類似度」と記載し、粒度レベル「市区町村」の類似度を「市区町村の類似度」と記載する。
（統合スコア）＝α×（国の類似度）＋β×（都道府県の類似度）＋γ×（市区町村の類似度） …（３）
ここで、ＬＡをアカウントＡおよびＡ’のいずれか一方に対応付けられた粒度レベルが国単位の階層化位置情報のデータ数とする。ｗ（ｌｉ，ｌｊ，国，Ａ）をアカウントＡの粒度レベルが国単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。ｗ（ｌｉ，ｌｊ，国，Ａ’）をアカウントＡ’の粒度レベルが国単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。この場合、国の類似度は、以下の関係式（４）のように表すことが出来る。
Figure 2019234827
また、ＭＡをアカウントＡおよびＡ’のいずれか一方に対応付けられた粒度レベルが都道府県単位の階層化位置情報のデータ数とする。ｗ（ｌｉ，ｌｊ，都道府県，Ａ）をアカウントＡの粒度レベルが都道府県単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。ｗ（ｌｉ，ｌｊ，都道府県，Ａ’）をアカウントＡ’の粒度レベルが都道府県単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。この場合、都道府県の類似度は、以下の関係式（５）のように表すことが出来る。
Figure 2019234827
また、ＮＡをアカウントＡおよびＡ’のいずれか一方に対応付けられた粒度レベルが市区町村単位の階層化位置情報のデータ数とする。ｗ（ｌｉ，ｌｊ，市区町村，Ａ）をアカウントＡの粒度レベルが市区町村単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。ｗ（ｌｉ，ｌｊ，市区町村，Ａ’）をアカウントＡ’の粒度レベルが市区町村単位の階層化位置情報に含まれるデータｌｉおよびｌｊのデータペアの重要度とする。この場合、市区町村の類似度は、以下の関係式（６）のように表すことが出来る。
Figure 2019234827
＜情報処理装置の動作例＞
続いて、図１２Ａおよび図１２Ｂを用いて、実施の形態３にかかる情報処理装置６０の動作例を説明する。図１２Ａおよび図１２Ｂは、実施の形態３にかかる情報処理装置の動作例を示すフローチャートである。図１２Ａおよび図１２Ｂに示した処理内容のうち、図６と共通する処理内容については、同一の番号を付しており、適宜説明を割愛して説明する。図９Ａおよび図９Ｂと図６とを比較すると、図６の処理内容に、ステップＳ２１の処理内容が追加されており、ステップＳ５がステップＳ２２に置き換わっている。
まず、アカウント情報取得部４１、位置情報取得部４３および位置情報処理部４４は、それぞれ、図９Ａに示したステップＳ１〜Ｓ４を実行する。
次に、算出部６２は、粒度レベル毎に、当該粒度レベルの階層化位置情報に含まれるデータペアの重要度を決定する（ステップＳ２１）。具体的には、算出部６２は、粒度レベル毎の階層化位置情報に含まれる各データペアに対して、上記関係式（２）を用いて、データペアの重要度を算出して決定する。算出部６２は、全てのデータペアに対して、データペアの重要度を算出して決定し、さらに、全ての粒度レベルに対して、同様の処理を行い、データペアの重要度を算出して決定する。
ステップＳ２１を実行すると、情報処理装置６０は、図９Ｂに示した処理を行う。ステップＳ２２において、算出部６２は、アカウントｘ（ｘ：１〜アカウント数）と、アカウントｙ（ｙ：１〜アカウント数、ただし、ｘ≠ｙ）との間の類似度を算出する（ステップＳ２２）。具体的には、算出部６２は、アカウントｘおよびアカウントｙに対して、粒度レベル毎の類似度を算出する。この際、算出部６２は、上記関係式（４）〜（６）に基づいて、粒度レベル毎の類似度を算出する。そして、算出部６２は、上記関係式（３）に基づいて、算出した粒度レベル毎の類似度に、粒度レベルに応じた重み係数を乗算した値の総和を、アカウントｘおよびアカウントｙの間の類似度として算出する。
以上説明したように、実施の形態３にかかる情報処理装置６０は、実施の形態１とアカウント間の類似度の算出方法は異なるが、実施の形態１が備える構成と同様の構成を有している。そのため、実施の形態３にかかる情報処理装置６０によれば、実施の形態１と同様に、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能となる。
また、本実施の形態にかかる情報処理装置６０は、粒度レベル毎の階層化位置情報に含まれるデータペアの重要度を用いて、アカウント間の類似度を算出する。データペアの重要度は、確率変数にデータペア間の距離ｄｉｓｔ（ｌ１，ｌ２）を持ち、あるアカウントＡ内の関連アカウントにデータ（地名）ｌ１およびｌ２が同時に含まれる確率ｐを活用して、アカウント特有のデータペアを見つけることができる。すなわち、本実施の形態にかかる情報処理装置６０は、アカウントに特有なデータペアに、大きな重み付けを行い、アカウント間の類似度を算出する。したがって、本実施の形態によれば、実施の形態１と比較して、より正確に同一人物が有するアカウントを特定することが可能となる。
（他の実施の形態）
＜１＞実施の形態１において、算出部４５は、アカウント間の粒度レベル毎の類似度を、粒度レベル毎の階層化位置情報に含まれるデータの和集合を用いて算出することで説明をした。しかし、これには限定されず、例えば、算出部４５は、アカウント間の粒度レベル毎の類似度を、粒度レベル毎の階層化位置情報に含まれるデータの積集合を用いて算出してもよい。
具体的には、図４の上図および下図を参照して説明すると、粒度レベルが「国」である階層化位置情報のデータのうち、アカウントＡおよびアカウントＢに共通するデータは、「日本」である。そのため、算出部４５は、積集合として「日本」を抽出する。同様に、算出部４５は、粒度レベルが「都道府県」である階層化位置情報のデータのうち、アカウントＡおよびアカウントＢに共通するデータである「東京」を抽出する。粒度レベルが「市区町村」である階層化位置情報のデータには、アカウントＡおよびアカウントＢに共通するデータが含まれないため、算出部４５は、何も抽出しない。
算出部４５は、アカウントＡおよびアカウントＢに対して、抽出したデータ毎の数を計数し、計数したデータ毎の数を関連情報数により正規化する。算出部４５は、データ毎に、アカウントＡの正規化された値と、アカウントＢの正規化された値と、を乗算して当該データに対する評価値を算出する。算出部４５は、全てのデータに対する評価値の総和を粒度レベル毎の類似度として決定する。このようにしても、算出部４５は、アカウントＡとアカウントＢとの間の粒度レベル毎の類似度を上記と同じように算出することが出来る。
＜２＞上述した実施の形態３では、データペアの重要度をデータペア間の距離に基づいて算出することで説明したが、例えば、各データに対応する場所の人口から算出される各データペアに対応する場所（地名）の人口比率、各データペアに対応する２つの場所（地名）間の移動容易性に関する指標値等を用いて算出してもよい。もしくは、データペアの重要度を、各データペアの総データペア数に対する割合に応じて決定してもよい。
移動容易性に関する指標値は、データペアとして含まれる２つの場所間を移動する場合に要する時間により決定されてもよい。もしくは、移動容易性に関する指標値は、データペアとして含まれる２つの場所間において、直行便が存在するか否か、直行便の便数により決定されてもよい。
データペア間の人口比率を用いてデータペアの重要度を算出する場合、上述した式（２）におけるｉｐ（ｌ１，ｌ２）およびｐを以下のように置き換えればよい。データ（地名）ｌ１に存在する人口をＮ１とし、データ（地名）ｌ２に存在する人口をＮ２とし、地球の総人口をＮとすると、式（７）を用いることにより計算することができる。
ｐ＝Ｎ１／Ｎ＊Ｎ２／Ｎ
ｉｐ（ｌ１，ｌ２）＝ｌｏｇ（１／ｐ） ・・・（７）
また、上述した実施の形態３において、確率ｐは正規分布であるとして説明をしたが、正規分布でなくてもよい。また、確率ｐの確率分布に関するパラメータは、事前に収集したアカウント情報と関連アカウント情報とから決定されてもよい。
各データペアの総データペア数に対する割合に応じてデータペアの重要度を算出する場合、上述した式（２）において、確率ｐをｐ（ｌ１，ｌ２）に置き換えればよい。すなわち、式（２）では、確率ｐは、確率変数にデータペアｌ１およびｌ２間の距離ｄｉｓｔ（ｌ１，ｌ２）を用いているが、距離ｄｉｓｔ（ｌ１，ｌ２）を用いなくてもよい。各データペアの総データペア数に対する割合は、判定対象のアカウントに関連する関連アカウントに対応するデータにより決定されてもよいし、判定対象のアカウントとは関連しないアカウントであって事前に収集されたアカウントに対応するデータにより決定されてもよい。
各データペアの総データペア数に対する割合が判定対象のアカウントに関連する関連アカウントに対応するデータにより決定される場合、以下の様に決定されてもよい。例えば、判定対象のアカウントがＡ、Ｂ、Ｃであるとし、アカウントＡの関連アカウントをＡ１’、Ａ２’とし、アカウントＢの関連アカウントをＢ１’、Ｂ２’とし、アカウントＣの関連アカウントをＣ１’、Ｃ２’とする。ある粒度レベルの階層化位置情報として、関連アカウントＡ１’にはｌ１が含まれており、関連アカウントＡ２’にはｌ２が含まれているとする。同様に、関連アカウントＢ１’にはｌ２が含まれており、関連アカウントＢ２’にはｌ３が含まれており、関連アカウントＣ１’にはｌ１が含まれており、関連アカウントＣ２’にはｌ３が含まれているとする。関連アカウントに含まれるデータペアは、アカウントＡであれば（ｌ１，ｌ２）の１つとなり、アカウントＢであれば（ｌ２，ｌ３）の１つとなり、アカウントＣであれば（ｌ１，ｌ３）の１つとなる。また、取り得る全てのデータペアは、（ｌ１，ｌ１）、（ｌ２，ｌ２）、（ｌ３，ｌ３）、（ｌ１，ｌ２）、（ｌ１，ｌ３）、（ｌ２，ｌ３）であり、総データペア数は６となる。この場合、各データペアの総データペア数に対する割合を計算すると、例えば、アカウントＡに対して、ｐ（ｌ１，ｌ２）＝１／６となる。同様に、アカウントＢに対して、ｐ（ｌ２，ｌ３）＝１／６となり、アカウントＣに対して、ｐ（ｌ１，ｌ３）＝１／６となるので、式（２）において、これらの値を用いてデータペアの重要度を算出してもよい。
また、各データペアの総データペア数に対する割合が判定対象のアカウントとは関連しないアカウントであって事前に収集されたアカウントに対応するデータにより決定される場合、以下の様に決定されてもよい。例えば、事前に収集したアカウントがＡ、Ｂ、Ｃであるとし、アカウントＡの関連アカウントをＡ１’、Ａ２’とし、アカウントＢの関連アカウントをＢ１’、Ｂ２’とし、アカウントＣの関連アカウントをＣ１’、Ｃ２’とする。ある粒度レベルの階層化位置情報として、関連アカウントＡ１’にはｌ１が含まれており、関連アカウントＡ２’にはｌ２が含まれているとする。同様に、関連アカウントＢ１’にはｌ２が含まれており、関連アカウントＢ２’にはｌ３が含まれており、関連アカウントＣ１’にはｌ１が含まれており、関連アカウントＣ２’にはｌ３が含まれているとする。関連アカウントに含まれるデータペアは、アカウントＡであれば（ｌ１，ｌ２）の１つとなり、アカウントＢであれば（ｌ２，ｌ３）の１つとなり、アカウントＣであれば（ｌ１，ｌ３）の１つとなる。また、取り得る全てのデータペアは、（ｌ１，ｌ１）、（ｌ２，ｌ２）、（ｌ３，ｌ３）、（ｌ１，ｌ２）、（ｌ１，ｌ３）、（ｌ２，ｌ３）であり、総データペア数は６となる。この場合、各データペアの総データペア数に対する割合を計算すると、例えば、アカウントＡに対して、ｐ（ｌ１，ｌ２）＝１／６となる。同様に、アカウントＢに対して、ｐ（ｌ２，ｌ３）＝１／６となり、アカウントＣに対して、ｐ（ｌ１，ｌ３）＝１／６となる。
判定対象のアカウントがアカウントＤ及びアカウントＥであるとする。また、それぞれの関連アカウントが関連アカウントＤ１’、Ｄ２’及び関連アカウントをＥ１’、Ｅ２’であるとする。そして、関連アカウントＤ１’にはｌ１が含まれ、関連アカウントＤ２’にはｌ２が含まれ、関連アカウントＥ１’にはｌ２が含まれ、関連アカウントＥ２’にはｌ３が含まれているとする。この場合、アカウントＤに対して、事前に収集したアカウントから求まるデータペアの確率ｐを設定する。同様に、アカウントＥに対して、事前に収集したアカウントから求まるデータペアの確率ｐを設定する。具体的には、アカウントＤに対して、ｐ（ｌ１，ｌ２）＝１／６を設定し、アカウントＥに対して、ｐ（ｌ１，ｌ２）＝１／６を設定する。そして、式（２）において、これらの値を用いてデータペアの重要度を算出してもよい。
＜３＞上述した実施の形態では、情報処理装置とＳＮＳサーバとが異なる装置として説明を行ったが、情報処理装置の各機能をＳＮＳサーバに実装して構成されてもよい。図１３は、他の実施の形態にかかる情報処理装置の構成例を示す図である。情報処理装置７０は、記憶部７１、アカウント情報取得部７２、位置情報取得部７３、位置情報処理部７４、算出部７５および特定部７６を備える。情報処理装置７０の基本構成は、実施の形態１にかかる情報処理装置４０と同様の構成をしているが、実施の形態２および３と同様の構成をしていてもよい。
記憶部７１は、ＳＮＳに加入している全てのアカウントおよび各アカウントのアカウント情報を記憶する。
アカウント情報取得部７２は、例えば、キーボード、マウス等の入力手段として構成され、ユーザから入力された判定対象のアカウントおよび当該アカウントに関連する関連アカウント情報が入力されるように構成される。また、アカウント情報取得部７２は、記憶部７１に記憶された各アカウントに対して、関連アカウントを特定し、特定した関連アカウントに対応付けられた関連アカウント情報を取得する。そして、アカウント情報取得部７２は、記憶部７１に、各アカウント情報と関連アカウント情報とを対応付ける。
位置情報取得部７３は、アカウント情報取得部７２に入力されたた関連アカウント情報から位置情報を取得する。また、位置情報取得部７３は、記憶部７１に記憶された全てのアカウントに対して、各アカウントに関連する関連アカウント情報から位置情報を取得する。
位置情報処理部７４は、全ての関連アカウント情報の階層化位置情報を特定する。
算出部７５は、アカウント情報取得部７２に入力されたアカウントと、記憶部７１に記憶された全てのアカウントとの間の類似度を算出する。
特定部７６は、算出部７５が算出したアカウント間の類似度に基づいて、記憶部７１に記憶された全てのアカウントのうち、アカウント情報取得部７２に入力されたアカウントと、利用者が同一であるアカウントを特定する。また、特定部７６は、特定した同一利用者が有するアカウントを出力するように構成されてもよい。このようにしても、上述した実施の形態と同様に、利用者が登録している情報に依らずに、利用者が同一である識別情報を精度良く特定することが可能となる。
＜４＞図１４は、上述した実施の形態において説明した情報処理装置１、４０、５０、６０および７０（以下、情報処理装置１等と称する）の構成例を示すブロック図である。図１４を参照すると、情報処理装置１等は、ネットワーク・インターフェース１２０１、プロセッサ１２０２、およびメモリ１２０３を含む。ネットワーク・インターフェース１２０１は、ＳＮＳサーバ２０等と通信するために使用される。ネットワーク・インターフェース１２０１は、例えば、IEEE 802.11 seriesまたはIEEE 802.3 seriesに準拠したネットワークインターフェースカード（NIC）を含んでもよい。
プロセッサ１２０２は、メモリ１２０３からソフトウェア（コンピュータプログラム）を読み出して実行することで、上述の実施形態においてフローチャートを用いて説明された情報処理装置１等の処理を行う。プロセッサ１２０２は、例えば、マイクロプロセッサ、MPU（Micro Processing Unit）、またはCPU（Central Processing Unit）であってもよい。プロセッサ１２０２は、複数のプロセッサを含んでもよい。
メモリ１２０３は、揮発性メモリ及び不揮発性メモリの組み合わせによって構成される。メモリ１２０３は、プロセッサ１２０２から離れて配置されたストレージを含んでもよい。この場合、プロセッサ１２０２は、図示されていないI/Oインタフェースを介してメモリ１２０３にアクセスしてもよい。
図１４の例では、メモリ１２０３は、ソフトウェアモジュール群を格納するために使用される。プロセッサ１２０２は、これらのソフトウェアモジュール群をメモリ１２０３から読み出して実行することで、上述の実施形態において説明された情報処理装置１等の処理を行うことができる。
図１４を用いて説明したように、情報処理装置１等が有するプロセッサの各々は、図面を用いて説明されたアルゴリズムをコンピュータに行わせるための命令群を含む１または複数のプログラムを実行する。
上述の例において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）を含む。さらに、非一時的なコンピュータ可読媒体の例は、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗを含む。さらに、非一時的なコンピュータ可読媒体の例は、半導体メモリを含む。半導体メモリは、例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
なお、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。また、本開示は、それぞれの実施の形態を適宜組み合わせて実施されてもよい。
また、上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、
前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、
前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、
算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える情報処理装置。
（付記２）
前記算出手段は、前記粒度レベル毎の階層化位置情報を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出し、算出された前記粒度レベル毎の類似度に前記粒度レベルに応じた重み係数を乗じた類似度の総和を、前記識別情報間の類似度として算出する、付記１に記載の情報処理装置。
（付記３）
前記算出手段は、各識別情報において、前記粒度レベル毎に、前記粒度レベルに対応付けられた階層化位置情報に含まれるデータ毎の数を計数すると共に、計数した前記データ毎の数を前記関連識別数により正規化した値を算出し、算出された前記正規化した値を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出する、付記２に記載の情報処理装置。
（付記４）
前記算出手段は、前記識別情報間における前記粒度レベル毎の類似度の算出元である第１の識別情報および第２の識別情報に共通するデータの各々に対して、前記第１の識別情報における前記正規化した値と、前記第２の識別情報における前記正規化した値とを乗算して、前記データに対する評価値を算出し、前記第１の識別情報および前記第２の識別情報に共通する全てのデータに対する前記評価値の総和を、前記第１の識別情報と前記第２の識別情報との間における前記粒度レベル毎の類似度として算出する、付記３に記載の情報処理装置。
（付記５）
前記算出手段は、各識別情報において、前記粒度レベル毎に、前記粒度レベルに対応する階層化位置情報に含まれる各データペアに対して、データペア間の重要度を決定し、前記データペアの重要度を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出する、付記２に記載の情報処理装置。
（付記６）
前記データペアの重要度は、前記データペアの重要度は、前記データペアに対応する２つの地名間の距離、前記データペアに対応する２つの地名の人口比率、前記データペアに対応する２つの地名間の移動容易性に関する指標値、及び前記データペアの総データペア数に対する割合の少なくとも１つに応じて決定される、付記５に記載の情報処理装置。
（付記７）
前記データペアの重要度は、前記距離、前記移動容易性に関する指標値及び前記人口比率の少なくとも１つと、前記データペアの出現回数と、に基づいて決定される、付記６に記載の情報処理装置。
（付記８）
前記算出手段は、前記識別情報間における前記粒度レベル毎の類似度の算出元である第１の識別情報および第２の識別情報に共通するデータペアの各々に対して、前記第１の識別情報における前記データペアの重要度と、前記第２の識別情報における前記データペアの重要度とを乗算して、前記データペアに対する評価値を算出し、前記第１の識別情報および前記第２の識別情報に共通する全てのデータペアに対する前記評価値の総和を、前記第１の識別情報と前記第２の識別情報との間における前記粒度レベル毎の類似度として算出する、付記５〜７のいずれか１項に記載の情報処理装置。
（付記９）
前記算出手段は、前記粒度レベルが高いほど大きな重み付けを行う、付記２〜８のいずれか１項に記載の情報処理装置。
（付記１０）
関連識別情報間の関連度を決定すると共に、前記関連度に基づいて前記少なくとも１つの関連識別情報のうちのいずれかを選択する関連識別情報選択手段をさらに備え、
前記位置情報取得手段は、前記関連識別情報選択手段が選択した関連識別情報に対応付けられた位置情報を取得する、付記１〜９のいずれか１項に記載の情報処理装置。
（付記１１）
前記関連識別情報選択手段は、前記少なくとも１つの関連識別情報のうちの第１の関連識別情報に関連する第２の関連識別情報を特定し、前記第２の関連識別情報が前記少なくとも１つの関連識別情報に含まれる場合、前記第１の関連識別情報と前記第２の関連識別情報との間の関連度が高いと決定し、前記少なくとも１つの関連識別情報のうち、前記関連度が高い関連識別情報を選択する、付記１０に記載の情報処理装置。
（付記１２）
前記特定手段は、算出された前記類似度が所定の閾値以上である場合、前記類似度の算出元の２つの識別情報を有する利用者が同一であると判定する、付記１〜１１のいずれか１項に記載の情報処理装置。
（付記１３）
前記複数の識別情報と、前記関連識別情報と、前記関連識別情報に対応付けられた情報とを取得する識別情報取得手段と、
前記複数の識別情報と、前記関連識別情報と、前記関連識別情報に対応付けられた情報と関連付けて記憶する記憶手段と、をさらに備え、
位置情報取得手段は、記憶された前記関連識別情報に対応付けられた情報から前記位置情報を取得する、付記１〜１２のいずれか１項に記載の情報処理装置。
（付記１４）
前記関連識別情報に対応付けられた情報は、プロフィール情報および投稿情報の少なくとも１つを含む、付記１３に記載の情報処理装置。
（付記１５）
前記識別情報は、アカウントおよび電話番号の少なくとも１つを含む、付記１〜１４のいずれか１項に記載の情報処理装置。
（付記１６）
コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、
前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、
前記階層化位置情報を用いて、識別情報間の類似度を算出することと、
算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、を含む判定方法。
（付記１７）
コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、
前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、
前記階層化位置情報を用いて、識別情報間の類似度を算出することと、
算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体。
（付記１８）
コミュニケーションサービスを提供するサーバと、
前記サーバと通信を行う情報処理装置と、を含み、
前記情報処理装置は、
前記コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、
前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、
前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、
算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える情報処理システム。
（付記１９）
前記算出手段は、前記粒度レベル毎の階層化位置情報を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出し、算出された前記粒度レベル毎の類似度に前記粒度レベルに応じた重み係数を乗じた類似度の合計値を、前記識別情報間の類似度として算出する、付記１８に記載の情報処理システム。
１、４０、５０、６０、７０ 情報処理装置
２、４３、７３ 位置情報取得部
３、４４、７４ 位置情報処理部
４、４５、６２、７５ 算出部
５、４６、７６ 特定部
２０ ＳＮＳサーバ
３０ ネットワーク
４１、７２ アカウント情報取得部
４２、６１、７１ 記憶部
５１ 関連アカウント情報選択部
１００ 情報処理システム
図４に示す様に、アカウントＡについて、粒度レベルが「国」である場合、「日本」のカウント数は５となり、「Ｓｉｎｇａｐｏｒｅ」のカウント数は１となり、「ＵＳＡ」のカウント数は０となる。粒度レベルが「都道府県」である場合、「東京」のカウント数は４となり、「Ｐｅｎｎｓｙｌｖａｎｉａ」のカウント数は０となる。また、粒度レベルが「市区町村」である場合、「府中市」のカウント数は１となり、「Ｐｈｉｌａｄｅｌｐｈｉａ」のカウント数は０となる。
ステップＳ１２において、関連アカウント情報選択部５１は、関連アカウントと、特定した関連アカウントとの関連度が高いと判定すると（ステップＳ１２のＹＥＳ）、リンク情報において、関連アカウントと、特定した関連アカウントとの間にリンクを設定する（ステップＳ１２１）。
ステップＳ２１を実行すると、情報処理装置６０は、図１２Ｂに示した処理を行う。ステップＳ２２において、算出部６２は、アカウントｘ（ｘ：１〜アカウント数）と、アカウントｙ（ｙ：１〜アカウント数、ただし、ｘ≠ｙ）との間の類似度を算出する（ステップＳ２２）。具体的には、算出部６２は、アカウントｘおよびアカウントｙに対して、粒度レベル毎の類似度を算出する。この際、算出部６２は、上記関係式（４）〜（６）に基づいて、粒度レベル毎の類似度を算出する。そして、算出部６２は、上記関係式（３）に基づいて、算出した粒度レベル毎の類似度に、粒度レベルに応じた重み係数を乗算した値の総和を、アカウントｘおよびアカウントｙの間の類似度として算出する。

Claims (18)

  1. コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、
    前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、
    前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、
    算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える情報処理装置。
  2. 前記算出手段は、前記粒度レベル毎の階層化位置情報を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出し、算出された前記粒度レベル毎の類似度に前記粒度レベルに応じた重み係数を乗じた類似度の総和を、前記識別情報間の類似度として算出する、請求項１に記載の情報処理装置。
  3. 前記算出手段は、各識別情報において、前記粒度レベル毎に、前記粒度レベルに対応付けられた階層化位置情報に含まれるデータ毎の数を計数すると共に、計数した前記データ毎の数を前記関連識別数により正規化した値を算出し、算出された前記正規化した値を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出する、請求項２に記載の情報処理装置。
  4. 前記算出手段は、前記識別情報間における前記粒度レベル毎の類似度の算出元である第１の識別情報および第２の識別情報に共通するデータの各々に対して、前記第１の識別情報における前記正規化した値と、前記第２の識別情報における前記正規化した値とを乗算して、前記データに対する評価値を算出し、前記第１の識別情報および前記第２の識別情報に共通する全てのデータに対する前記評価値の総和を、前記第１の識別情報と前記第２の識別情報との間における前記粒度レベル毎の類似度として算出する、請求項３に記載の情報処理装置。
  5. 前記算出手段は、各識別情報において、前記粒度レベル毎に、前記粒度レベルに対応する階層化位置情報に含まれる各データペアに対して、データペア間の重要度を決定し、前記データペアの重要度を用いて、前記識別情報間における前記粒度レベル毎の類似度を算出する、請求項２に記載の情報処理装置。
  6. 前記データペアの重要度は、前記データペアに対応する２つの地名間の距離、前記データペアに対応する２つの地名の人口比率、前記データペアに対応する２つの地名間の移動容易性に関する指標値、及び前記データペアの総データペア数に対する割合の少なくとも１つに応じて決定される、請求項５に記載の情報処理装置。
  7. 前記データペアの重要度は、前記距離、前記移動容易性に関する指標値及び前記人口比率の少なくとも１つと、前記データペアの出現回数と、に基づいて決定される、請求項６に記載の情報処理装置。
  8. 前記算出手段は、前記識別情報間における前記粒度レベル毎の類似度の算出元である第１の識別情報および第２の識別情報に共通するデータペアの各々に対して、前記第１の識別情報における前記データペアの重要度と、前記第２の識別情報における前記データペアの重要度とを乗算して、前記データペアに対する評価値を算出し、前記第１の識別情報および前記第２の識別情報に共通する全てのデータペアに対する前記評価値の総和を、前記第１の識別情報と前記第２の識別情報との間における前記粒度レベル毎の類似度として算出する、請求項５〜７のいずれか１項に記載の情報処理装置。
  9. 前記算出手段は、前記粒度レベルが高いほど大きな重み付けを行う、請求項２〜８のいずれか１項に記載の情報処理装置。
  10. 関連識別情報間の関連度を決定すると共に、前記関連度に基づいて前記少なくとも１つの関連識別情報のうちのいずれかを選択する関連識別情報選択手段をさらに備え、
    前記位置情報取得手段は、前記関連識別情報選択手段が選択した関連識別情報に対応付けられた位置情報を取得する、請求項１〜９のいずれか１項に記載の情報処理装置。
  11. 前記関連識別情報選択手段は、前記少なくとも１つの関連識別情報のうちの第１の関連識別情報に関連する第２の関連識別情報を特定し、前記第２の関連識別情報が前記少なくとも１つの関連識別情報に含まれる場合、前記第１の関連識別情報と前記第２の関連識別情報との間の関連度が高いと決定し、前記少なくとも１つの関連識別情報のうち、前記関連度が高い関連識別情報を選択する、請求項１０に記載の情報処理装置。
  12. 前記特定手段は、算出された前記類似度が所定の閾値以上である場合、前記類似度の算出元の２つの識別情報を有する利用者が同一であると判定する、請求項１〜１１のいずれか１項に記載の情報処理装置。
  13. 前記複数の識別情報と、前記関連識別情報と、前記関連識別情報に対応付けられた情報とを取得する識別情報取得手段と、
    前記複数の識別情報と、前記関連識別情報と、前記関連識別情報に対応付けられた情報と関連付けて記憶する記憶手段と、をさらに備え、
    位置情報取得手段は、記憶された前記関連識別情報に対応付けられた情報から前記位置情報を取得する、請求項１〜１２のいずれか１項に記載の情報処理装置。
  14. 前記関連識別情報に対応付けられた情報は、プロフィール情報および投稿情報の少なくとも１つを含む、請求項１３に記載の情報処理装置。
  15. 前記識別情報は、アカウントおよび電話番号の少なくとも１つを含む、請求項１〜１４のいずれか１項に記載の情報処理装置。
  16. コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、
    前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、
    前記階層化位置情報を用いて、識別情報間の類似度を算出することと、
    算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、を含む判定方法。
  17. コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得することと、
    前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定することと、
    前記階層化位置情報を用いて、識別情報間の類似度を算出することと、
    算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定することと、をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体。
  18. コミュニケーションサービスを提供するサーバと、
    前記サーバと通信を行う情報処理装置と、を含み、
    前記情報処理装置は、
    前記コミュニケーションサービスにおいて利用者を識別する識別情報であって、判定対象の複数の識別情報の各々に関連する少なくとも１つの関連識別情報に対応付けられた位置情報を取得する位置情報取得手段と、
    前記位置情報に基づいて、位置の粒度レベルに応じて階層化された位置情報を示す階層化位置情報を特定する位置情報処理手段と、
    前記階層化位置情報を用いて、識別情報間の類似度を算出する算出手段と、
    算出された前記類似度に基づいて、前記複数の識別情報のうち同一利用者が有する識別情報を特定する特定手段と、を備える情報処理システム。
JP2020523886A 2018-06-05 2018-06-05 情報処理装置、判定方法、及びプログラム Active JP7092194B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/021567 WO2019234827A1 (ja) 2018-06-05 2018-06-05 情報処理装置、判定方法、プログラムが格納された非一時的なコンピュータ可読媒体および情報処理システム

Publications (2)

Publication Number Publication Date
JPWO2019234827A1 true JPWO2019234827A1 (ja) 2021-07-01
JP7092194B2 JP7092194B2 (ja) 2022-06-28

Family

ID=68770869

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020523886A Active JP7092194B2 (ja) 2018-06-05 2018-06-05 情報処理装置、判定方法、及びプログラム

Country Status (3)

Country Link
US (1) US11561970B2 (ja)
JP (1) JP7092194B2 (ja)
WO (1) WO2019234827A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021255909A1 (ja) 2020-06-18 2021-12-23 日本電気株式会社 投稿位置の日常・非日常性判定システム
JP7110293B2 (ja) 2020-09-28 2022-08-01 楽天グループ株式会社 情報処理装置、情報処理方法およびプログラム
WO2022074807A1 (ja) * 2020-10-09 2022-04-14 日本電気株式会社 支援装置、システム、支援方法及び非一時的なコンピュータ可読媒体

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012500427A (ja) * 2008-08-13 2012-01-05 アリババ グループ ホールディング リミテッド 地理的特性の一致による地域的コンテンツの提供

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003107321A1 (en) * 2002-06-12 2003-12-24 Jena Jordahl Data storage, retrieval, manipulation and display tools enabling multiple hierarchical points of view
US7403942B1 (en) * 2003-02-04 2008-07-22 Seisint, Inc. Method and system for processing data records
US20080208735A1 (en) * 2007-02-22 2008-08-28 American Expresstravel Related Services Company, Inc., A New York Corporation Method, System, and Computer Program Product for Managing Business Customer Contacts
US20100111372A1 (en) * 2008-11-03 2010-05-06 Microsoft Corporation Determining user similarities based on location histories
US20100153292A1 (en) * 2008-12-11 2010-06-17 Microsoft Corporation Making Friend and Location Recommendations Based on Location Similarities
JP5881396B2 (ja) 2011-12-09 2016-03-09 ビッグローブ株式会社 識別情報管理支援システム、識別情報管理支援方法およびプログラム
CN103793420B (zh) * 2012-10-31 2017-04-12 国际商业机器公司 用于跨站点数据分析的方法和系统
CN104573057B (zh) * 2015-01-22 2017-10-27 电子科技大学 一种用于跨ugc网站平台的帐户关联方法
CN106034149B (zh) * 2015-03-13 2019-06-18 阿里巴巴集团控股有限公司 一种账户识别方法及装置
CN107766322A (zh) * 2017-08-31 2018-03-06 平安科技（深圳）有限公司 同名实体识别方法、电子设备及计算机可读存储介质
US11556845B2 (en) * 2019-08-29 2023-01-17 International Business Machines Corporation System for identifying duplicate parties using entity resolution

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012500427A (ja) * 2008-08-13 2012-01-05 アリババ グループ ホールディング リミテッド 地理的特性の一致による地域的コンテンツの提供

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAN, XIAOHUI, WANG, LIANHAI, XU, LIJUAN AND ZHANG, SHUIHUI: "Social Media Account Linkage Using User-generated Geo-location Data", IEEE INTERNATIONAL CONFERENCE ON INTELLIGENCE AND SECURITY INFORMATICS, JPN6021051849, September 2016 (2016-09-01), pages 157 - 162, XP033005773, ISSN: 0004673467, DOI: 10.1109/ISI.2016.7745460 *
HAN, XIAOHUI, WANG, LIANHAI, XU, SHUJIANG, LIU, GUANGQI AND ZHAO, DAWEI: "Linking Social Network Accounts by Modeling User Spatiotemporal Habits", IEEE INTERNATIONAL CONFERENCE ON INTELLIGENCE AND SECURITY INFORMATICS, JPN6021051850, 2017, pages 19 - 24, XP033138386, ISSN: 0004673466, DOI: 10.1109/ISI.2017.8004868 *

Also Published As

Publication number Publication date
JP7092194B2 (ja) 2022-06-28
US11561970B2 (en) 2023-01-24
WO2019234827A1 (ja) 2019-12-12
US20210240701A1 (en) 2021-08-05

Similar Documents

Publication Publication Date Title
McKenzie et al. Weighted multi-attribute matching of user-generated points of interest
Peled et al. Entity matching in online social networks
CN107862022B (zh) 文化资源推荐系统
JP6098600B2 (ja) 評価対象者の評価装置、評価方法及び評価システム
JP2016177764A (ja) 施設推定方法、デバイス及びプログラム
CN112148843B (zh) 文本处理方法、装置、终端设备和存储介质
JP2021111367A (ja) Ａｐｉ評価のための自動パラメータ値解決
JP7092194B2 (ja) 情報処理装置、判定方法、及びプログラム
JP6488753B2 (ja) 情報処理方法
Ju et al. Relationship strength estimation based on Wechat Friends Circle
KR20120087214A (ko) 소셜 네트워킹 서비스 사용자를 위한 친구 추천 방법, 이를 위한 기록 매체 및 이를 이용하는 소셜 네트워킹 서비스 및 서버
CN106708871A (zh) 一种社交业务特征用户的识别方法和装置
CN109885797B (zh) 一种基于多身份空间映射的关系网络构建方法
JP5734118B2 (ja) ソーシャルネットワークから小集団を抽出し、名前付け、並びに可視化する方法およびプログラム
CN112163098A (zh) 一种知识图谱的创建方法、装置、存储介质和服务器
Tournier et al. Expanding the attack surface: Robust profiling attacks threaten the privacy of sparse behavioral data
Heravi et al. Tweet location detection
CN109902129A (zh) 基于大数据分析的保险代理人归类方法及相关设备
KR102296420B1 (ko) 개인정보보호 정책서 분석 기반 개인정보 수집/활용자의 신뢰도 평가 방법 및 장치
CN111177526B (zh) 网络意见领袖识别方法及装置
He et al. POI Alias Discovery in Delivery Addresses using User Locations
CN114357184A (zh) 事项推荐方法及相关装置、电子设备和存储介质
Zeng et al. Model-Stacking-based network user portrait from multi-source campus data
CN111859146A (zh) 信息挖掘方法、装置及电子设备
US20150324813A1 (en) System and method for determining by an external entity the human hierarchial structure of an rganization, using public social networks

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201201

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201201

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220225

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220517

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220530

R151 Written notification of patent or utility model registration

Ref document number: 7092194

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151