図面 (/)

技術 人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体

出願人 国立研究開発法人産業技術総合研究所
発明者 松尾豊橋田浩一
出願日 2007年8月31日 (14年5ヶ月経過) 出願番号 2007-226912
公開日 2007年12月6日 (14年2ヶ月経過) 公開番号 2007-317238
状態 特許登録済
技術分野 検索装置
主要キーワード 触れ合い エッジラベル 判別ルール 関係値 社会心理学 委員長 情報支援 社会ネットワーク
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2007年12月6日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (13)

課題

コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現する。

解決手段

複数のユーザ名を入力させるユーザ名入力手段20と、ユーザ名入力手段20により入力されたユーザ名を含む公開データ検索してヒット件数を取得する公開データ検索手段21と、公開データ検索手段21により取得されたヒット件数が既定値を超えるか否かを判定する既定値判断手段22と、既定値判断手段22により既定値を超えると判断されたユーザ名間に人間関係データを設定する人間関係設定手段23とを備える。

概要

背景

近年、多くのコンピュータセンサが環境や機器に埋め込まれ、多様な情報通信インフラシームレスに接続されるユビキタスネットワークを実現するための研究・開発が盛んに行われている。特に、センサネットワーク技術やユビキタスエージェント研究においては、ユーザの位置情報活動情報欲求嗜好履歴などを考慮し、ユーザの文脈に応じた情報支援が課題となっており、それを実現すべく、ユーザが入力した情報やセンサから読み取れる情報によってユーザの文脈を推定することがしばしば試みられている。

しかしながら、ユーザの側に立って考えると、自分の位置や活動情報、嗜好以外にも様々な要因が自分の文脈を決定していることが理解できる。その1つが、ユーザの人間関係である。

例えば、同じユーザでも、上司といる場合と友人といる場合では振る舞いや思考は異なる。また、初対面の人と会った場合には、自分とその人のつながりや、興味、共通の知人などが分かれば、コミュニケーションがより円滑に進むことなる。

このように、ユーザの社会的な人間関係は非常に重要なユーザの文脈の一つであると考えられる。

しかしながら、人間関係についてはこれまでの情報支援研究において着目されることは少なく、人間関係情報を取得することのできるコンピュータシステムは未だ知られていないのが現状である。

概要

コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現する。複数のユーザ名を入力させるユーザ名入力手段20と、ユーザ名入力手段20により入力されたユーザ名を含む公開データ検索してヒット件数を取得する公開データ検索手段21と、公開データ検索手段21により取得されたヒット件数が既定値を超えるか否かを判定する既定値判断手段22と、既定値判断手段22により既定値を超えると判断されたユーザ名間に人間関係データを設定する人間関係設定手段23とを備える。

目的

本発明は上記課題を解決するためになされたもので、その目的とするところは、コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現することのできる人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体を提供することにある。

効果

実績

技術文献被引用数
5件
牽制数
4件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

ユーザの人間関係データを作成するためにコンピュータを、ユーザ名A及びユーザ名Bを入力させるユーザ名入力手段と、前記ユーザ名入力手段により入力されたユーザ名A及びユーザ名Bを記憶する記憶手段と、前記記憶手段に記憶されたユーザ名A及びユーザ名Bを含む公開データネットワークを介して検索して、前記記憶されたユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1の#(A∪B)と、前記記憶されたユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数の相互情報量を示す第3のヒット件数log(#(A∩B)/#(A∪B))を取得する公開データ検索手段と、前記公開データ検索手段により取得され記憶手段に記憶された第3のヒット件数が、記憶手段に記憶されている既定値を超えるか否かを判定する既定値判断手段と、前記既定値を超えると判断されたユーザ名A及びユーザ名B間に人間関係データを設定する人間関係設定手段として機能させることを特徴とする人間関係データの作成プログラム

請求項2

前記コンピュータを、ユーザ名A及びユーザ名Bに関する既定属性の値を、ユーザ名A及びユーザ名Bを含む前記公開データから抽出し、抽出した既定属性の値を持つ既定の関係判別ルールに対応した既定のラベルを、前記人間関係設定手段により設定され記憶手段に記憶されたユーザ名A及びユーザ名B間の前記人間関係データの種類を特定するラベルとして、前記人間関係データに対して付加するラベル付加手段としてさらに機能させることを特徴とする請求項1に記載の人間関係データの作成プログラム。

請求項3

ユーザの人間関係データを作成するためにコンピュータを、ユーザA及びユーザ名Bを入力させるユーザ名入力手段と、前記ユーザ名入力手段により入力されたユーザ名A及びユーザ名Bを記憶する記憶手段と、前記記憶手段に記憶されたユーザ名A及びユーザ名Bを人間関係ネットワークを構成するノードに設定するノード設定手段と、前記記憶手段に記憶されたユーザ名A及びユーザ名Bを含む公開データをネットワークを介して検索して、前記記憶されたユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1の#(A∪B)と、前記記憶されたユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数の相互情報量を示す第3のヒット件数log(#(A∩B)/#(A∪B))を取得する公開データ検索手段と、前記公開データ検索手段により取得され記憶手段に記憶された第3のヒット件数が、記憶手段に記憶されている既定値を超えるか否かを判断する既定値判断手段と、前記既定値判断手段により既定値を超えると判断され記憶手段に記憶されたユーザ名A及びユーザ名Bのノード間にエッジを追加するエッジ追加手段として機能させることを特徴とする人間関係データの作成プログラム。

請求項4

前記コンピュータを、ユーザ名A及びユーザ名Bに関する既定属性の値を、ユーザ名A及びユーザ名Bを含む前記公開データから抽出し、抽出した既定属性の値を持つ既定の関係判別ルールに対応した既定のラベルを、前記エッジ追加手段により追加され記憶手段に記憶されたユーザ名A及びユーザ名Bのノード間の前記エッジの種類を特定するラベルとして、前記エッジに対して付加するエッジラベル付加手段としてさらに機能させることを特徴とする請求項3に記載の人間関係データの作成プログラム。

請求項5

ユーザの人間関係データを作成するためにコンピュータを、ユーザ名X及びユーザ名Yを入力させるユーザ名入力手段と、前記ユーザ名入力手段により入力されたユーザ名X及びユーザ名Yを記憶する記憶手段と、前記記憶手段に記憶されたユーザ名X及びユーザ名Yを含む公開データをネットワークを介して検索する公開データ検索手段と、前記公開データ検索手段により検索され記憶手段に記憶された前記公開データから、ユーザ名Xとユーザ名Yの共起回数、ユーザ名Xとユーザ名Yが同じ行に出現しているか否か、ユーザ名Xの出現回数、ユーザ名Yの出現回数、および既定の語群が含まれているか否かを、特徴量として算出する特徴量算出手段と、前記特徴量算出手段により算出され記憶手段に記憶された特徴量を持つ既定の関係判別ルールに対応した既定の人間関係を判別する人間関係判別手段と、前記人間関係判別手段により関係があると判別され記憶手段に記憶されたユーザ名X及びユーザ名Y間に、記憶手段に記憶されている人間関係データを設定する人間関係設定手段として機能させることを特徴とする人間関係データの作成プログラム。

請求項6

前記人間関係設定手段により設定され記憶手段に記憶された人間関係データに対して、各人間関係データに対応して予め記憶手段に記憶されているラベルの中から、該人間関係データの種類を特定するラベルを付加するラベル付加手段として機能させることを特徴とする請求項5に記載の人間関係データの作成プログラム。

請求項7

前記人間関係判別手段は、機械学習で学習して得られた前記関係判別ルールを用いることを特徴とする請求項5又は6に記載の人間関係データの作成プログラム。

請求項8

前記公開データはWebページであることを特徴とする請求項1乃至7のいずれかに記載の人間関係データの作成プログラム。

請求項9

請求項1乃至8のいずれかに記載の人間関係データの作成プログラムを記録したコンピュータ読み取り可能な記録媒体

請求項10

処理部、記憶部、入力部及び通信制御部を備えた、ユーザの人間関係データを作成する装置であって、入力部により、ユーザ名A及びユーザ名Bを入力し、記憶部により、前記入力されたユーザ名A及びユーザ名Bを記憶し、処理部により、前記記憶されたユーザ名A及びユーザ名Bを含む公開データをネットワークを介して検索して、ユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1のヒット件数#(A∪B)と、ユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数の相互情報量を示す第3のヒット件数log(#(A∩B)/#(A∪B))を取得し、該第3のヒット件数が記憶部に記憶されている既定値を超えるか否かを判定し、既定値を超えると判断されたユーザ名A及びユーザ名B間に人間関係データを設定する、ことを特徴とする人間関係データ作成装置

請求項11

処理部により、ユーザ名A及びユーザ名Bに関する既定属性の値を、ユーザ名A及びユーザ名Bを含む前記公開データから抽出し、抽出した既定属性の値を持つ既定の関係判別ルールに対応した既定のラベルを、前記設定され記憶部に記憶されたユーザ名A及びユーザ名B間の前記人間関係データの種類を特定するラベルとして、前記人間関係データに対して付加する、ことを特徴とする請求項10に記載の人間関係データ作成装置。

請求項12

処理部、記憶部、入力部及び通信制御部を備えた、ユーザの人間関係データを作成する装置であって、入力部により、ユーザ名A及びユーザ名Bを入力し、記憶部により、前記入力されたユーザ名A及びユーザ名Bを記憶し、処理部により、前記記憶されたユーザ名A及びユーザ名Bを人間関係ネットワークを構成するノードに設定し、前記記憶されたユーザ名A及びユーザ名Bを含む公開データをネットワークを介して検索して、ユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1のヒット件数#(A∪B)と、ユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数の相互情報量を示す第3のヒット件数log(#(A∩B)/#(A∪B))を取得し、該第3のヒット件数が記憶部に記憶されている既定値を超えるか否かを判断し、既定値を超えると判断され記憶部に記憶されたユーザ名A及びユーザ名Bのノード間にエッジを追加する、ことを特徴とする人間関係データ作成装置。

請求項13

処理部により、ユーザ名A及びユーザ名Bに関する既定属性の値を、ユーザ名A及びユーザ名Bを含む前記公開データから抽出し、抽出した既定属性の値を持つ既定の関係判別ルールに対応した既定のラベルを、前記追加され記憶部に記憶されたユーザ名A及びユーザ名Bのノード間の前記エッジの種類を特定するラベルとして、前記エッジに対して付加する、ことを特徴とする請求項12に記載の人間関係データ作成装置。

請求項14

処理部、記憶部、入力部及び通信制御部を備えた、ユーザの人間関係データを作成する装置であって、入力部により、ユーザ名X及びユーザ名Yを入力し、記憶部により、前記入力されたユーザ名X及びユーザ名Yを記憶し、処理部により、前記記憶されたユーザ名X及びユーザ名Yを含む公開データを検索し、該公開データから、ユーザ名Xとユーザ名Yの共起回数、ユーザ名Xとユーザ名Yが同じ行に出現しているか否か、ユーザ名Xの出現回数、前記記憶されたユーザ名Yの出現回数、および既定の語群が含まれているか否かを、特徴量として算出し、該特徴量を持つ既定の関係判別ルールに対応した既定の人間関係を判別し、関係があると判別され記憶されたユーザ名X及びユーザ名Y間に記憶部に記憶されている人間関係データを設定する、ことを特徴とする人間関係データ作成装置。

請求項15

処理部により、前記設定され記憶部に記憶された人間関係データに対して、各人間関係データに対応して予め記憶部に記憶されているラベルの中から、該人間関係データの種類を特定するラベルを付加する、ことを特徴とする請求項14に記載の人間関係データ作成装置。

請求項16

人間関係の判別に、機械学習で学習して得られた前記関係判別ルールを用いることを特徴とする請求項14又は15に記載の人間関係データ作成装置。

請求項17

前記公開データはWebページであることを特徴とする請求項10乃至16のいずれかに記載の人間関係データ作成装置。

技術分野

0001

本発明は、人間関係データ作成方法、人間関係データの作成プログラム及び該作成プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。さらに詳細には、本発明は、学会や講演会、展示会、各種イベント会場などのイベント空間における参加者の個別情報支援に有用なユーザの人間関係を容易かつ正確、高速に把握し、その人間関係に基づく優れた情報支援を実現できる人間関係データの作成方法、人間関係データの作成プログラム及び該作成プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

背景技術

0002

近年、多くのコンピュータセンサが環境や機器に埋め込まれ、多様な情報通信インフラシームレスに接続されるユビキタスネットワークを実現するための研究・開発が盛んに行われている。特に、センサネットワーク技術やユビキタスエージェント研究においては、ユーザの位置情報活動情報欲求嗜好履歴などを考慮し、ユーザの文脈に応じた情報支援が課題となっており、それを実現すべく、ユーザが入力した情報やセンサから読み取れる情報によってユーザの文脈を推定することがしばしば試みられている。

0003

しかしながら、ユーザの側に立って考えると、自分の位置や活動情報、嗜好以外にも様々な要因が自分の文脈を決定していることが理解できる。その1つが、ユーザの人間関係である。

0004

例えば、同じユーザでも、上司といる場合と友人といる場合では振る舞いや思考は異なる。また、初対面の人と会った場合には、自分とその人のつながりや、興味、共通の知人などが分かれば、コミュニケーションがより円滑に進むことなる。

0005

このように、ユーザの社会的な人間関係は非常に重要なユーザの文脈の一つであると考えられる。

0006

しかしながら、人間関係についてはこれまでの情報支援研究において着目されることは少なく、人間関係情報を取得することのできるコンピュータシステムは未だ知られていないのが現状である。

発明の効果

0007

以上詳しく説明したとおり、本発明により、コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現することのできる、人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体が提供される。

発明が解決しようとする課題

0008

本発明は上記課題を解決するためになされたもので、その目的とするところは、コンピュータによってユーザの人間関係を容易かつ正確、高速に把握し、その人間関係データに基づく優れた情報支援を実現することのできる人間関係データの作成方法、人間関係データの作成プログラム及び人間関係データの作成プログラムを記録したコンピュータ読取可能な記録媒体を提供することにある。

課題を解決するための手段

0009

本発明は、上記の課題を解決するものとして、第1には、図1にその処理フロー図を例示したような、処理部が、公開データ中のユーザ名と他のユーザ名との共起の強さを抽出するステップ(S1)と、処理部が、前記抽出した共起の強さに基づいて前記ユーザ名と前記他のユーザ名との間の人間関係を判断するステップ(S2)とを有することを特徴とする人間関係データの作成方法を提供する。

0010

また本発明は、第2には、図2にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段(20)と、ユーザ名入力手段(20)により入力されたユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段(21)と、公開データ検索手段(21)により取得されたヒット件数が既定値を超えるか否かを判定する既定値判断手段(22)と、既定値判断手段(22)により既定値を超えると判断されたユーザ名間に人間関係データを設定する人間関係設定手段(23)として機能させることを特徴とする人間関係データの作成プログラムを提供する。

0011

第3には、図2にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段(23)により設定された人間関係データに対して人間関係データの種類を特定するラベルを付加するラベル付加手段(24)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0012

第4には、図2にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段(23)により設定された人間関係データ以外の人間関係データをさらに設定する第1の指示情報、人間関係設定手段(23)により設定された人間関係データを削除する第2の指示情報及び人間関係設定手段(23)により設定された人間関係データを修正する第3の指示情報のうちの少なくとも1つを入力させる指示情報入力手段(25)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0013

第5には、図2にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段(20)により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段(21)により検索された公開データから抽出するユーザ名抽出手段(26)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0014

第6には、図3にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段(20)と、ユーザ名入力手段(20)により入力されたユーザ名を人間関係ネットワークを構成するノードに設定するノード設定手段(31)と、ユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段(21)と、公開データ検索手段(21)により取得されたヒット件数が既定値を超えるか否かを判断する既定値判断手段(22)と、既定値判断手段(22)により既定値を超えると判断されたユーザ名のノード間にエッジを追加するエッジ追加手段(32)として機能させることを特徴とする人間関係データの作成プログラムを提供する。

0015

第7には、図3にその機能ブロック図を例示したような、コンピュータを、エッジ追加手段(32)により追加されたエッジに対して該エッジの種類を特定するエッジラベルを付加するエッジラベル付加手段(33)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0016

第8には、図3にその機能ブロック図を例示したような、コンピュータを、エッジ追加手段(32)により追加されたエッジ以外のエッジをさらに追加する第1の指示情報、エッジ追加手段(32)により追加されたエッジを削除する第2の指示情報及びエッジ追加手段(32)により追加されたエッジを修正する第3の指示情報のうちの少なくとも1つを入力させる指示情報入力手段(25)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0017

第9には、図3にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段(20)により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段(21)により検索された公開データから抽出するユーザ名抽出手段(26)としてさらに機能させ、ノード設定手段(31)は、ユーザ名抽出手段(26)により抽出されたユーザ名を人間関係ネットワークを構成するノードに設定することを特徴とする人間関係データの作成プログラムを提供する。

0018

第10には、ユーザ名はユーザ名A及びユーザ名Bを含み、公開データ検索手段(21)は、ユーザ名A及びユーザ名Bのいずれか一方又は両方を含む公開データを検索してヒット件数を取得することを特徴とする人間関係データの作成プログラムを提供する。

0019

第11には、ユーザ名はユーザ名A及びユーザ名Bを含み、ヒット件数は、ユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1のヒット件数#(A∪B)と、ユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数のジャカード係数を示す第3のヒット件数#(A∩B)/#(A∪B)を含むことを特徴とする人間関係データの作成プログラムを提供する。

0020

第12には、ユーザ名はユーザ名A及びユーザ名Bを含み、ヒット件数は、ユーザ名A及びユーザ名Bのいずれか一方を含むデータ件数を示す第1のヒット件数#(A∪B)と、ユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)と、第1及び第2のヒット件数の相互情報量を示す第3のヒット件数log(#(A∩B)/#(A∪B))を含むことを特徴とする人間関係データの作成プログラムを提供する。

0021

第13には、図4にその処理フロー図を例示したような、処理部が、公開データ中のユーザ名と他のユーザ名を含むデータを抽出するステップ(S41)と、処理部が、抽出したデータに基づいてユーザ名と他のユーザ名との間の人間関係を判断するステップ(S42)とを有することを特徴とする人間関係データの作成方法を提供する。

0022

第14には、図5にその機能ブロック図を例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段(20)と、ユーザ名入力手段により入力されたユーザ名を含む公開データを検索する公開データ検索手段(21)と、公開データ検索手段(21)により検索された公開データから既定の特徴量を算出する特徴量算出手段(51)と、特徴量算出手段(51)により算出された特徴量から既定の関係判別ルールにより人間関係を判別する人間関係判別手段(52)と、人間関係判別手段(52)により関係があると判別されたユーザ名間に人間関係データを設定する人間関係設定手段(23)として機能させることを特徴とする人間関係データの作成プログラムを提供する。

0023

第15には、図5にその機能ブロック図を例示したような、コンピュータを、人間関係設定手段(23)により設定された人間関係データ以外の人間関係データをさらに設定する第1の指示情報、前記人間関係設定手段により設定された人間関係データを削除する第2の指示情報及び前記人間関係設定手段により設定された人間関係データを修正する第3の指示情報のうちの少なくとも1つを入力させる指示情報入力手段(25)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0024

第16には、図5にその機能ブロック図を例示したような、コンピュータを、ユーザ名入力手段(20)により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段(21)により検索された公開データから抽出するユーザ名抽出手段(26)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0025

第17には、図6に示す機能ブロック図に例示したような、ユーザの人間関係データを作成するためにコンピュータを、複数のユーザ名を入力させるユーザ名入力手段(20)と、ユーザ名入力手段(20)により入力されたユーザ名を人間関係ネットワークを構成するノードに設定するノード設定手段(31)と、ユーザ名を含む公開データを検索してヒット件数を取得する公開データ検索手段(21)と、公開データ検索手段(21)により検索された前記公開データから既定の特徴量を算出する特徴量算出手段(51)と、特徴量算出手段(51)により算出された特徴量から既定の関係判別ルールにより人間関係を判別する人間関係判別手段(52)と、人間関係判別手段(52)により関係があると判別されたユーザ名のノード間にエッジを追加するエッジ追加手段(32)として機能させることを特徴とする人間関係データの作成プログラムを提供する。

0026

第18には、図6に示す機能ブロック図に例示したような、コンピュータを、エッジ追加手段(32)により追加されたエッジ以外のエッジをさらに追加する第1の指示情報、エッジ追加手段(32)により追加されたエッジを削除する第2の指示情報及びエッジ追加手段(32)により追加されたエッジを修正する第3の指示情報のうちの少なくとも1つを入力させる指示情報入力手段(25)としてさらに機能させることを特徴とする人間関係データの作成プログラムを提供する。

0027

第19には、図6に示す機能ブロック図に例示したような、コンピュータを、ユーザ名入力手段(20)により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段(21)により検索された公開データから抽出するユーザ名抽出手段(26)としてさらに機能させ、ノード設定手段(31)は、ユーザ名抽出手段(26)により抽出されたユーザ名を人間関係ネットワークを構成するノードに設定することを特徴とする人間関係データの作成プログラムを提供する。

0028

第20には、人間関係判別手段(52)は、機械学習で学習して得られた前記関係判別ルールを用いることを特徴とする人間関係データの作成プログラムを提供する。

0029

第21には、公開データはWebページであることを特徴とする人間関係データの作成プログラムを提供する。

0030

第22には、上記人間関係データの作成プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。

0031

ユビキタスコンピュータ環境では、ユーザに時間、位置、ユーザの活動、社会の文脈などのユーザの状況に基づく情報を提供するのが望ましい。参加者が予め登録していなければならない学会や展示会などの会議では、参加者の文脈がその名前交友関係を用いて、多くの質問をその人たちにすることなくWebから抽出可能である。本発明では、ノードが参加者を、エッジが2つの参加者の関係を表す参加者の社会ネットワークをWebから抽出する。各エッジは、サーチエンジンにより検索された双方の参加者の名前を含むページ数を用いて追加される。さらに、各エッジはページの内容に対して分類ルールを適用することにより「共著」及び「プロジェクトメンバー」などのラベルを有する。このネットワークは、各参加者の位置と、参加者の集団を示す。さらに、このネットワークは、誰かに紹介し、あるいはその誰かと交渉するのに適切な人を捜し、またそのネットワークを効率的に拡張するために話すべき人を捜す等の多くのサービスで用いられ得る。

発明を実施するための最良の形態

0032

はじめに、本発明の概要を説明する。

0033

本発明は、ユビキタス環境におけるユーザの文脈情報のひとつとして、ユーザ間の人間関係ネットワークをWebから自動的に抽出する技術を提供する。

0034

任意のユーザの人間関係を把握することは困難である。そこで、本実施形態では一例として、学会や講演会、展示会など、匿名ではない人が集まる会場を想定する。このような会場では、あらかじめ少なくとも名前と所属を登録することが一般的であり、また、あらかじめ事前に登録されている場合も多い。したがって、登録者間の関係をWebから抽出しておくことで、会場内のさまざまな情報支援に利用することが可能である。

0035

学会の会場に各種センサが取り付けられたユビキタスネットワーク環境を想定する。例えば、「2004年度人工知能学会全国大会」では、このような環境が試験的に構築される。参加者はあらかじめ興味などのユーザ情報を登録しておき、位置センサが配置された会場内で、発表推薦ナビゲーション出会い支援などの情報支援が行われる。仮に「ユーザの興味に近い人を推薦する」サービスを想定する。このとき、支援システムがユーザの人間関係を理解していないと、自分の指導教官や同僚を興味が近いとして推薦してしまうかもしれない。人間関係を理解していれば、ユーザと関係が遠い人の中で共通の興味を持つ人を推薦することができる。また、会場内に位置センサを配置した場合、自分の位置情報はどこまで公開されるのだろうか。ユーザの人間関係に関する情報がなければ、自分の位置情報は会場内の参加者全てに見えるか、参加者全てに見えないかの2つしか選択肢がない。しかし、人間関係の情報があれば、自分と近い関係にある人にだけ位置を知らせるといったサービスが可能である。

0036

人間関係のネットワークを利用することで、様々なサービスが可能となる。例えば、ある人が会場(もしくは近くに)来たことを通知するサービス、初対面の人と自動的に共通の知人を見つけたり、知り合い関係パスを見せるサービス、紹介者を見つけるサービスなどである。また、人間関係に基づく認証やコンテンツ閲覧の制限、アドホックネットワークにおける効率的なメッセージ配信などが可能であろう。さらに、社会心理学的な視点からは、会場に来ている参加者の関係がどう変わっていくのか、どのグループとどのグループが交流しているのか、どのグループがどの講演を聞く傾向があるかなどの知見が得られると考えられる。

0037

どのように人間関係ネットワークを抽出すればよいのか以下説明する。

0038

Web上には、例えば、研究室ホームページ研究会や学会のページ、委員会のページ、論文のページなどさまざまなページがある。そして、そういったページ上には、メンバーの名前や共著者の名前が並んで書かれていたりする。関係の強い人同士は名前が同じページに載ることが多く、関係が薄い人は名前が同じページに載ることは少ない。このように名前の共起関係の強さを、関係性の強さの指標として用いることができる。

0039

具体的には次のような方法で、人間関係のネットワークを抽出することができる。

0040

・ノードの設定:あらかじめ登録されたユーザをノードとする。
・エッジの設定:2つのノードに対して、検索エンジンで検索を行い、エッジを張るかどうか決定する。2つのノードのユーザ名をA、Bとする。検索語「AまたはB」で検索をかけた場合のヒットページを#(A∪B)、検索語「AかつB」で検索をかけた場合のヒットページ数を#(A∩B)とすると、AとBの共起の強さは次にジャッカード係数(Jaccard係数)
J(A,B)=#(A∩B)/#(A∪B)
で与えられる。つまり、AとBが多くのページで同時に出現しているほど、AとBの関係が強い。この値が閾値を超えたものは、エッジを追加する。

0041

これは、最も簡単な人間関係ネットワークの生成法であるが、ある程度の精度でネットワークを抽出することができる。例として、予備的な実験により得られたネットワークを図7に示す。これは、2003年度人工知能学会の参加者の氏名と所属を用い生成したものである。ノード間の距離は共起関係の強さを示している。この図は、全体のネットワークの一部分であるが、大小さまざまな参加者のグループがあること、各グループではコアと部分を中心に周辺にエッジが伸びていることが読み取れる。細かくみれば、誰と誰が強い関係にあるのか、同じグループかそうでないかを把握することができる。

0042

また、上記方法は最も簡単なものであり、アルゴリズムをさらに洗練させることで、次に上げる点の解決を可能ならしめることもできる。

0043

(1)ヒットするWebページがたくさんある人(教授など)と、ヒットするWebページの少ない人(学生など)の共起関係は非常に弱く評価されてしまう。これは、#(A∪B)が大きいのに対し、#(A∩B)が小さくなるためである。

0044

(2)同姓同名の人を区別していない。

0045

(3)検索エンジンに大量のクエリーを出さなければならないため、実行速度が遅い。

0046

(1)に関しては、エッジを張るための計算を工夫すればよい。(2)に関しては、ユーザの所属情報を同時に且つ漏れが大きくならないように注意して用いればよい。(3)に対しては、あるノード単独の検索結果から他のノードとの共起の推定値を出すなどの工夫を行えばよい。

0047

さらに次の段階として、エッジのラベルを抽出する。さまざまなアプリケーションで利用する価値の大きい情報とするためには、各ユーザ同士がどのような関係にあるのか、教授/学生か、同僚か、共著者の関係か、同じ委員会のメンバーかといった情報を抽出しなければならない。これを実現するためには、例えば『2つの名前が共起するページに「研究室」という語が含まれていれば、それは同じ研究室内の関係を表す』といった判別ルールを用いればよいと考えられる。この判別ルールを自動的に獲得するためには、サポートベクターマシンSVM:Support Vector Machine)を初めとする機械学習の手法を用いるのが有効であろう。そのために、実際の人間関係の「正解データ」をアンケート調査などで事前に用意しておく。

0048

さらに、可能であれば、どこの大学の何研究室の教授/学生関係であるのか、どこの組織の同僚であるのか、何の論文について共著であるのかなど、粒度の細かい情報まで抽出できることがより好ましい。このために、情報抽出質問応答の技術を発展的に利用する。

0049

Webから抽出された人間関係のネットワークに関する情報は、たとえば人間関係ネットワークサーバの形で提供することができ、この人間関係ネットワークサーバは、学会や展示会の会場等において、人間関係のグラフカルマップを提供するとともに、ある人と近い関係のある人を挙げる、任意の2人がどういう関係であるか答えるなど、他のアプリケーションからのクエリーに答える機能を持ち得る。

0050

Webから自動的に抽出した個人情報は、アプリケーションによっては有用な情報になり得る場合もある。したがって、個人情報を使わないという方向性よりも、ユーザ本人閲覧、修正、削除、公開/非公開の設定などの操作を簡単に行えることが重要である。このようなユーザ情報の管理機能を人間関係ネットワークサーバに追加する。

0051

本来、人間は他者との人間関係の中で生活している。いつでもどこでもユーザがストレスなく情報支援を受けられるためには、システムがユーザの人間関係という文脈を的確に把握する必要があると考えられる。情報端末に弱い老人切符を買えなくて困っているとき、マルチモーダルインターフェースにより、老人でも分りやすく機械買い方を教えてあげるのもひとつの方法である。しかし、近くにいる知り合いを呼んであげる、近くを通りかかった福祉施設に勤めている人に知らせてあげるなど、人と人との触れ合いを支援するのもひとつの情報支援のあり方である。ユーザの立場から見たユビキタス技術において、本発明は必要性の高いものである。

0052

最近では、展示会場RFID(Radio Frequency Identification)つきのカードを配り、来場者の位置や見学履歴を管理することも珍しいことではなくなった。このような展示会場では、入場に際して名前と所属を書くことが一般的であり、本発明をそのまま用いることができる。来場者間の人間関係や来場者の詳細なプロファイル作れば、適切な情報支援や顧客の分析が可能にもなる。

0053

以下、本発明の実施形態の詳細を説明する。
図8は本発明の一実施形態に示す人間関係データ作成装置の全体構成の一例を示す図である。人間関係データ作成装置1は、バス15に処理部(CPU)10、記憶部(内部メモリ外部メモリ)11、入力部(キーボードマウス)12、出力部(モニタプリンタ)13及び通信制御部14が接続される構成である。この人間関係データ作成装置11は、通信制御部14を介してネットワーク16に接続されている。ネットワーク16に接続された人間関係データ作成装置1などの端末から他の端末に格納された公開データを抽出することが可能である。公開データは、ネットワーク16に接続された端末から検索可能なHTMLやXML等により既述されたWebページなどである。

0054

処理部10は、前述の図1に示す人間関係データ作成処理を実行する。

0055

具体的には処理部10が、公開データ中のユーザ名と他のユーザ名との共起の強さを抽出し(S1)と、処理部10が、前記抽出した共起の強さに基づいて前記ユーザ名と前記他のユーザ名との間の人間関係を判断する(S2)。共起の強さは、例えばユーザ名と他のユーザ名とのジャッカード係数などで表される。人間関係の判断は、例えば得られた共起の強さが既定の閾値を超えるか否かによって人間関係の有無が判断されることでなされる。

0056

また、処理部10は、記憶部11に格納されたプログラムを読み出すことにより、図2に示す処理を実行する。図2に示す各処理は、図8に示した人間関係データ作成装置1の処理部10が記憶部11から人間関係データ作成プログラムを読み出すことで実行される。

0057

具体的には、ユーザの人間関係データを作成するために、ユーザ名入力手段20は、複数のユーザ名を入力させる入力画面を出力部13に表示させ、ユーザ名の入力を促す。ユーザ名の入力は、入力部12を用いて入力される。公開データ検索手段21は、ユーザ名入力手段20により入力されたユーザ名を含む公開データをネットワーク16に接続されたデータベース等から抽出し、ヒット件数を取得する。公開データ検索手段21は例えばWWWブラウザのように、検索のためのキーワードをネットワーク16に送信してネットワーク16上の検索エンジンに検索の実行をさせ、検索結果をネットワーク16から受信するものでもよいし、検索エンジン自体でもよい。検索結果は例えばユーザ名のヒット件数などで得られる。

0058

ヒット件数は、ユーザ名Aとユーザ名Bがある場合に、ユーザ名A及びユーザ名Bのいずれか一方を含む公開データの件数として第1のヒット件数#(A∪B)、ユーザ名A及びユーザ名Bの両方を含むデータ件数を示す第2のヒット件数#(A∩B)、第1及び第2のヒット件数のジャッカード係数を示す第3のヒット件数#(A∩B)/#(A∪B)などとして得られる。また、第1及び第2のヒット件数の相互情報量を示す第4のヒット件数log(#(A∩B)/#(A∪B))を得てもよい。

0059

既定値判断手段22は、公開データ検索手段21が取得したヒット件数が既定の閾値を超えるか否かを判定する。人間関係設定手段23は、既定値を超えると判定されたユーザ名の間に人間関係データを設定し、既定値を超えないと判定されたユーザ名の間には人間関係データを設定しない。

0060

ラベル付加手段24は、人間関係データが設定された場合に、その人間関係データに対して、人間関係データの種類を特定するラベルを付加する。ラベルの種類としては、例えば「共著」、「研究室」、「プロジェクト」、「発表」等がある。

0061

人間関係設定手段23により設定された人間関係データに対しては、さらに別の人間関係データを設定することもできるし、設定された人間関係データを削除しあるいは修正することもできる。指示情報入力手段25は、例えば出力部13に人間関係データが表示された状態で、人間関係設定手段23により設定された人間関係データ以外の人間関係データをさらに設定する第1の指示情報、人間関係設定手段23により設定された人間関係データを削除する第2の指示情報、人間関係設定手段23により設定された人間関係データを修正する第3の指示情報の入力メッセージを表示させてユーザにこれら第1、第2及び第3の指示情報の入力を促し、これら第1、第2及び第3の指示情報の入力があった場合に、人間関係設定手段23にその指示内容に基づく別の人間関係データの設定や、既定の人間関係データの削除、修正等を実行させる。また、指示情報入力手段25は、ラベルについても人間関係データと同様に新たに設定、削除あるいは修正等をラベル付加手段24に指示することができる。

0062

ユーザ名抽出手段26は、公開データ検索手段21で検索された公開データから、ユーザ名入力手段20により入力されたユーザ名と関連する別のユーザ名を抽出する。抽出された別のユーザ名は、例えば既定値判断手段22で既定値との判定の対象とされ得る。

0063

また、処理部10は、記憶部11に格納されたプログラムを読み出すことにより、図3に示す処理を実行する。図3の処理では、ユーザ名をノードに対応させ、人間関係データをエッジに対応させて処理する。図2と同様の処理を実行するものには同一符号を付し、詳細な説明は省略する。

0064

ノード設定手段31は、ユーザ名入力手段20により入力された複数のユーザ名を人間関係ネットワークを構成するノードに設定する。公開データ検索手段21は、ノードに設定されたユーザ名を含む公開データを検索してヒット件数を取得する。この際に、ユーザ名抽出手段26は、公開データ検索手段21で検索された公開データから、ユーザ名入力手段20により入力されたユーザ名と関連する別のユーザ名を抽出する。抽出された別のユーザ名は、ノード設定手段31でノードに設定され得る。既定値判断手段22は、公開データ検索手段21により取得されたヒット件数が既定値を超えるか否かを判断する。エッジ追加手段32は、既定値判断手段22により既定値を超えると判断されたユーザ名のノード間にエッジを追加する(「設定する」ともいえる)。既定値を超えると判断されないユーザ名のノード間にはエッジは追加されない。好ましくは、エッジの大きさ(長さ)は、ヒット件数の大きさや、既定値に対するヒット件数の大きさの割合などで規定され得る。

0065

追加されたエッジには、エッジラベル付加手段33によりエッジラベルが付加される。エッジラベルの種類としては、例えば「共著」、「研究室」、「プロジェクト」、「発表」等がある。また、エッジ追加手段32により設定されたエッジに対しては、さらに別のエッジを設定することもできるし、設定されたエッジを削除しあるいは修正することもできる。指示情報入力手段25は、例えば出力部13にエッジが表示された状態で、エッジ追加手段32により設定されたエッジ以外のエッジをさらに設定する第1の指示情報、エッジ追加手段32により設定されたエッジを削除する第2の指示情報、エッジ追加手段32により設定されたエッジを修正する第3の指示情報の入力メッセージを表示させてユーザにこれら第1、第2及び第3の指示情報の入力を促し、これら第1、第2及び第3の指示情報の入力があった場合に、エッジ追加手段32にその指示内容に基づく別のエッジの設定や、既定のエッジの削除、修正等を実行させる。

0066

そしてこのとき、指示情報入力手段25は、たとえば入力部12から、エッジ追加手段32により追加されたエッジ以外のエッジをさらに追加する第1の指示情報が入力されると、エッジラベル付加手段33にエッジラベルの追加を実行させたり、エッジ追加手段32により追加されたエッジを削除する第2の指示情報が入力されると、エッジラベル付加手段33にエッジラベルを削除させたり、エッジ追加手段32により追加されたエッジを修正する第3の指示情報が入力されると、エッジラベル付加手段33にエッジラベルを修正させたりすることもでき、これにより、上記エッジラベルは、新たに追加し、また削除、修正等が可能とされる。このことは、前記ラベル付加手段24と指示情報入力手段25との間に対しても同様に行える。

0067

次に、別の実施形態を説明する。

0068

処理部10は、図4に示す人間関係データ作成処理を実行する。

0069

具体的には処理部10が、公開データ中のユーザ名と他のユーザ名とを含むデータを抽出し(S41)、処理部10が、前記抽出した共起の強さに基づいてユーザ名と他のユーザ名との間の人間関係を判断する(S42)。

0070

また、処理部10は、記憶部11に格納されたプログラムを読み出すことにより、図5に示す処理を実行する。図5に示す各処理は、図8に示した人間関係データ作成装置1の処理部10が記憶部11から人間関係データ作成プログラムを読み出すことで実行される。図2図3と共通する処理には同一符号を付し、詳細な説明は省略する。

0071

具体的には、ユーザの人間関係データを作成するために、ユーザ名入力手段20がユーザ名を入力させ、公開データ検索手段21が入力ユーザ名を含む公開データを検索するまでのステップは図2と共通する。

0072

特徴量算出手段51は、公開データ検索手段21により検索された公開データから既定の特徴量を算出する。特徴量は、例えば後述する表1に示す属性値などが該当する。すなわち、表1に示すように、ページ内でのユーザ名Xとユーザ名Yの(同文内)共起回数、ユーザ名Xとユーザ名Yが同じ行に出現しているか否か、ユーザ名Xの出現回数、ユーザ名Yの出現回数、語群(A〜F)がタイトルに含まれるか否か、語群(A〜F)が最初の5行にあるかどうかが、特徴量として算出される。なお、語群(A〜F)の一例は、後述する表2に示される。

0073

人間関係判別手段52は、特徴量算出手段51により算出された特徴量から既定の関係判別ルールにより人間関係を判別する。関係判別ルールの一例を後述する表3に示す。表3に示すように、付加すべきラベル毎に、特徴量で判別ルールが示されている。例えばSameLineで定義された「ユーザ名Xとユーザ名Yが同じ行に出現しているか否か」において、yesという特徴量が算出されている場合には、「共著」というラベルで示される人間関係があると判別される。同様に、他のラベル「メンバー」、「プロジェクト」、「発表」についても特徴量に基づき判別される。

0074

人間関係設定手段23は、人間関係判別手段52により関係があると判別されたユーザ名間に人間関係データを設定する。この設定はラベル毎になされてもよいし、そうでなくてもよい。

0075

指示情報入力手段25は、人間関係設定手段23により設定された人間関係データ以外の人間関係データをさらに設定する第1の指示情報、人間関係設定手段23により設定された人間関係データを削除する第2の指示情報及び人間関係設定手段23により設定された人間関係データを修正する第3の指示情報のいずれかが入力部12から入力されると、これらの指示に基づく人間関係データの追加、削除、修正を人間関係設定手段23に指示する。

0076

ユーザ名抽出手段26は、ユーザ名入力手段20により入力されたユーザ名と関連する別のユーザ名を、公開データ検索手段21により検索された公開データから抽出する。

0077

また、処理部10は、記憶部11に格納されたプログラムを読み出すことにより、図6に示す処理を実行する。図6の処理では、ユーザ名をノードに対応させ、人間関係データをエッジに対応させて処理する。図5と同様の処理を実行するものには同一符号を付し、詳細な説明は省略する。

0078

ユーザ名入力手段20、ノード設定手段31、ユーザ名抽出手段26の各処理については図2に示す処理と共通する。特徴量算出手段51、人間関係判別手段52の処理については図5に示す処理と共通する。エッジ追加手段32、指示情報入力手段25による処理は、図3に示す処理と共通する。

0079

以下、上記図1図6で示される処理フローや機能ブロックに基づき実行された実施例について説明する。

0080

[実施例1]
1.はじめに
学会や講演会などのイベント空間では、「人」が主役である。論文や資料電子的に入手し後で目を通すのではなく、多くの人が多忙な時間を割いて実際に学会会場に足を運ぶ。これは、単に研究内容を理解するだけではなく、研究者が実際に話すのを聞いて、研究の背景や状況をよりよく把握するためである。さらに、会場の盛り上がりを肌で感じたり、多くの研究トピック概観することができる。そして、他の研究者と会って話をしたり飲みに行くことによって、新しい情報を入手し、意見交換し、次の研究や実用化のが生まれていく。

0081

このように「人」が主役の場では、やはり「人」の関係が重要である。例えば、初対面の人と会った場合には、自分とその人とのつながりや、興味、共通の知人などが分かれば、コミュニケーションがよりスムーズに進むだろう。また、学会というコミュニティ全体の人間関係を見れば、どういう主要なグループがあり、自分はどこにいて、どういうグループの人とはあまり知り合いがいないのか理解できれば役に立つだろう。自分とある程度近い人の発表を推薦してあげればユーザはうれしいかもしれないし、人間関係は遠いけれども近い内容の研究をしている人との出会い支援は効果的かもしれない。

0082

このように、ユーザの社会的な人間関係は非常に重要なユーザの文脈のひとつであると考えられるが、これまで情報支援の研究において着目されることは少なかった。それは、ユーザの人間関係の情報をシステムが獲得することが困難であるためである。例えば、各ユーザが自分と知り合い関係の人を明示的に入力し、知り合い関係のネットワークを構築する枠組みも提案されているが、ユーザにとっては大変な作業である。一方、Webマイニング研究分野では、従来から、Webのリンク関係から重要なページを発見したり、あるトピックに関するWeb上のコミュニティを発見する研究が行われている。近年では、特定の2人の人間をつなぐ知り合い関係のパスを抽出したり、参照の共起性からコミュニティを発見する、またあるページの評判情報を抽出する研究も行われている。

0083

本実施例では、ユーザ間の人間関係ネットワークをWebから自動的に抽出する手法を提供する。人間関係ネットワークは、社会ネットワーク(ソーシャルネットワーク)と呼んでもよいが、社会心理学におけるこの用語はより多様な関係を含んでいるため、ここでは謙虚に、人間関係の一部を表すネットワークという意味で、人間関係ネットワークと呼ぶことにする。検索エンジンを用いて人間関係のつながりの強さとその種類を判断する。

0084

2.人間関係ネットワークの作成
実世界やネットワーク上には多くの組織やコミュニティが存在し、それぞれに人間関係のネットワークがあると考えられる。本稿では、特に人工知能学会を対象にその人間関係ネットワークを抽出するが、他の学会やさまざまなコミュニティにも応用が可能である。

0085

2.1ノードとエッジの作成
さて、人間関係ネットワークは、ノードが人、エッジが人間関係を表すネットワークである。まず、ノードについては、全国大会のプログラムから入手した参加者(発表者)をノードとして設定した。さらに、できるだけ網羅的な関係を知りたいので、過去4年の全国大会に参加した人も、ノードとして設定した。(これもWebで入手できる情報である。)各ノードには、氏名に相当するラベルがつけられる。なお、氏名の他に所属情報も大会プログラムから抽出しているが、本システムで用いているのは参加者の氏名と所属情報だけである。

0086

次に、ノード間にエッジを張る。ここでは、検索エンジンによる検索ヒット数に基づいて2つのノードの関係の強さを測り、それに応じてエッジを張る。2人の氏名(XとY)を検索クエリーとしたときの検索ヒット数が、偶然よりも多ければ、その2人の関係は強いと判断できる。つまり、XとYに人間関係があるなら、“X and Y”で検索されたページには、それぞれのホームページや業績のページ、研究室のメンバーリストのページ、委員会や研究会などのページなどが含まれ、ヒット件数が多くなる。

0087

このようなWebページにおける氏名の共起関係の強さは、例えば共起頻度や相互情報量、Jaccard係数などで測ることができる。基本的に、我々が用いたのはJaccard係数を改良したものである。“X and Y”をクエリーとしたときの検索ヒット件数を#(X∩Y)、“X or Y”をクエリーとしたときの検索ヒット件数を#(X∪Y)とすると、Jaccard係数は、

0088

となる。ここで、rel(x,y)はノードxとyの関係の強さを表す。全てのノードの組に対してこの値を計算し、rel(x,y)が与えられた閾値を越えたらエッジを張る。

0089

基本的にはこのように簡単な手法であるが、精度を上げるために次のような改良を行う。

0090

(A)Web上では同姓同名の人が多くいるため、目的とする人以外の関係が抽出されてしまったり、本来の関係が弱められてしまう可能性がある。そこで、名前に加えて所属情報も用いることで検索精度を上げる。所属機関に関して、複数の所属がある場合や、所属の変更がある場合、また所属機関に複数の名称略称がある場合があるため、次のような工夫を行った。例えば、氏名がN、所属がAとBとCである場合には、“N and (A or B or C)”を検索クエリーXとして用いる。たとえば、“尾豊”の場合には、検索語は“松尾豊and (産業技術総合研究所orサイバーアシスト研究センターor東京大学)”となる。略称に関しては「産業技術総合研究所=産総研」、「東京大学=東大」などのように事前にシステムに登録しておく。

0091

(B)一般的に、Jaccard係数は有名な人物のノードからは、あまりエッジを生成しない。これは、有名な人物ほどサーチエンジンによる検索件数が多くなるため、分母となる#X∪Yが分子となる#X∩Yに比べ非常に大きくなるためである。そこで、#X∪Yをmin(#X,#Y)とする。ただし、このままでは、逆に検索ヒット件数が少ないマイナーな人物ほど分子が小さくなり、値が高くなりやすいので、最終的に次のような式を用いた。

0092

0093

kは定数である(ここでは30とする)。rel(x,y)が閾値を越えた場合、ノードxとyの間にエッジを生成する。このエッジの長さは、関係が強くなるほど二つのノードの距離が短くなるように、関係の重みの逆数とする。ここで用いている式は、基本的にはJaccard係数を改良した式であるが、相互情報量で得られた方向つきエッジの距離の短い方によりエッジのあるなしを決めているとも解釈することができる。

0094

人間関係ネットワークは、(i)図示してユーザに提示する、(ii)情報支援に用いる、という2つの用い方があるが、(ii)の場合には、閾値を定めてノード間にエッジを張るかを必ずしも決める必要はない。(i)の場合には、ユーザに見やすいようにエッジの数を調整することが必要である。例えば、本システムでは、検索件数が多い有名な人物同士のエッジは現実的には重要であると考えられるので、Jaccard係数に関わらず、#X∪Yが閾値(70件)を越えるエッジは表示するようにしている。

0095

3.機械学習による人間関係の分類
さて、人間関係ネットワークにおいて2つのノードを結ぶエッジが短いほど2人の関係が強いわけだが、実際の人間関係には関係の強さだけでなく、「同僚」や「委員会のメンバー」といった種類がある。各エッジにその関係の種類を表すラベルを付加することで、人間関係ネットワークの利用可能性が広がると考えられる。例えば「同僚」である2人より、「同じ研究会の発表者」である2人の方が関係が弱いだろうし、論文を推薦する際に同僚の論文を推薦するのは少しナンセンスである。このような人間関係の種類は、検索のヒット数だけでは捉えられない。そこで、本節では、人間関係の種類の判別するために、検索されたページの内容を見て、機械学習により得られたルールで判別する手法について述べる。

0096

まず、それぞれのエッジに付加するラベル(クラス)を次のように定める。重複可能である。

0097

・共著:共著関係である。
・研究室:同じ研究室や研究所のメンバーである。
・プロジェクト:同じプロジェクトや委員会のメンバーである。
・発表:同じ研究会や全国大会で発表している。
人間関係ネットワークを作成する際に、“X and Y”をクエリーとして検索ヒット数を得るが、その検索上位3ページを取得する。それぞれのページから表1のような属性の値を抽出する。

0098

0099

語群は文書特徴づけるものとして選択したものである。語群は、判別ルールの訓練データを用い、クラスごとの頻出語から選択している。その語群を表2に示す。

0100

0101

これらの属性とクラス(人間関係のラベル)を与え、C4.5の帰納学習によって判別ルールを獲得する。他の学習アルゴリズムでもよいが、解釈の容易性からまずはC4.5を用いている。

0102

本実施例では、人間関係ネットワーク生成のために収集したページのうち、ランダムに選んだ275ページに対して、正解となる人間関係のラベルを人手で与えた。得られた判別ルールの例を表3に示す。

0103

0104

例えば、最も簡単なルールは、もし2つの名前が同じ行で出現していれば、共著関係と判断するというものである。獲得した判別ルールを用いてエッジにラベルを付加する。

0105

5分割のクロスバリデーションによる評価を表4に示す。

0106

0107

「研究室」ラベルに関してエラー率が高いものの、全体的には判別精度が良い。また、表5にラベル判別の再現率適合率を示す。

0108

0109

評価に用いたのは、人手で判別した約500ラベルであり、判別ルール作成には使用していない。

0110

4.例
図9に、本年度および過去4年間の人工知能学会全国大会の参加者間の人間関係ネットワークを示す。実際には1500人程度のノード数を持つグラフとなるが、全体の図示は困難であるので、中心的な(ヒット件数の多い)約150人からなるネットワークを示している。中心的なクラスタと、周辺のノードがある様子が分かる。

0111

図10に、一部を拡大したものを示す。それぞれのノードは参加者に対応しており、エッジには「共著」「研究室」「プロジェクト」「発表」のラベルがつけられている。距離が近いほど、関係が強いと判断されていることを示している。図12は、さらに図10の一部を拡大して簡略化して示した図である。

0112

社会ネットワークには、ある領域全体を見るソシオセントリックネットワークと、ある個人を中心に見るエゴセントリックネットワークという分類がある。図9及び図10は、ソシオセントリックネットワークと考えられるが、図11は1人の参加者を中心にしたエゴセントリックネットワークである。特定の参加者を中心に、そこから2エッジで到達できる参加者を表示している。

0113

5.結論
本実施例は、従来のWebマイニングの研究と近い点もあるが、所与の名前と所属情報のリストから、その間の関係を網羅的に取り出すという点、ページの内容まで踏み込んで関係を判断している点で特徴的である。

0114

もちろん、Webページだけからでは推測できない関係も存在する。例えば、Web上に情報がないほど新しい関係や、フォーマルにWebに現れないような関係(例えば友人関係)、昔の共著や所属の関係はWebから取得するのは難しい。しかし、現在でも人間関係を近似的に取り出すには十分な情報がWeb上にあり、また、今後ますます多くの情報が電子的に利用可能になると思われる。

0115

近年、多くのコンピュータやセンサが環境や機器に埋め込まれ、多様な情報通信インフラがシームレスに接続されるユビキタスネットワークに関する研究が行われている。特に、ユーザの位置情報、活動情報、欲求、嗜好、これまでの履歴などを考慮し、ユーザの文脈に応じた情報支援を行うことが、大きな課題の1つである。基本的に、ユーザが入力した情報やセンサ情報によりユーザの文脈を推定することが試みられているが、ユーザを取り巻く人間関係も非常に重要な文脈のひとつであろう。

0116

[実施例2]
本発明の作用効果を人間関係ネットワークを利用した情報サービスを例に説明する。

0117

××学会全国大会の会場を想定する。会場内ではセンサによりユーザの位置情報が管理されている。参加者の多くは、あらかじめWeb上でこの大会へ登録している。

0118

Aさんは、××学会全国大会の会場にやってきた。受付で名札とPDAを受け取ると早速、次のようなメッセージが配信されている。「Bさんも、ちょうど来られたところですよ。」周りを見回すと、Aさんと同じ職場のBさんがちょうど受付で名札をもらっているところであった。

0119

AさんはBさんと講演会場に向かう。AさんのPDAには、次のようなメッセージが配信されている。

0120

「X会場では『セマンティックウェブとは』という招待講演が行われています。Y会場はCさんの発表があるオントロジセッションです。」CさんはAさんと同じ研究室の出身だ。

0121

一方、BさんのPDAには、次のようなメッセージが配信されている。

0122

「X会場ではD先生のご講演が行われています。Y会場はオントロジのセッションです。」
D先生は、Bさんの共同研究者である。同じ情報でも、人間関係の情報を利用して、ユーザにわかりやすいように提示されている。

0123

そして、Aさん、Bさん両方のPDAに、「Eさん、FさんはY会場の方におられるようです。」と表示された。AさんとBさんが一緒にいることから、同じ職場の仲間であるという文脈を利用し、同じ職場のEさん、Fさんの情報を提示したのである。

0124

さて、セッションがおわるとコーヒーブレイクである。各ユーザのPDAには次のようなメッセージが表示される。

0125

自分の知り合いの情報提示
「・・・さんが今、会場にお見えになったようです。」
「あちらに・・・さんがいますよ。」
近くにいる人の情報提示
「あなたの右手にいる東京大の・・・先生は、・・・先生と同じプロジェクトで、XMLの研究をされています。話してみてはいかがですか?」
「今、あなたが話している・・・さんは、昔、∪∪会社で・・・先輩の同僚だった人です。」
「今、あなたが話している・・・さんは、あなたと同じ・・・国際会議にいっておられます。」
このように人間関係ネットワークを利用し、知り合いの情報を提示したり、新しい知り合いと話題共有するためのさまざまな情報を提示する。
1日目のセッションが終わり、レセプションパーティが行われる。会場の入り口では、人間関係ネットワーク図が入り口に大きく表示されており、どのようなコミュニケーションが学会に参加しているのか、自分のネットワーク上の位置がどこなのかを見ることができる。そして、現在、だれとだれが話しており、コミュニケーションがどのように情報交換しているのかを見ることができる。適当な話す相手がいないひとには「会場の右手奥で、あなたの知り合いの・・・さんと・・・先生が話しておられます。参加してはどうですか?」と表示される。

0126

さて、学会も2日目、3日目になると、新しい人間関係が次々成長する。それにしたがって、情報提示の内容も以下のように変化する。

0127

「この講演の発表者の・・・さんは、あなたが初日に話をした・・・さんと同じ研究室の方で、・・・の研究をされています。」
「・・・さんと・・・さんと話をしましたね。それなら、そのプロジェクトのリーダーである・・・さんと是非お話してはどうですか」。
「・・・さん達と話してませんね。ちょうどあちらにおられますよ。」
こうして、ユーザは多くの人と話すことができ、より充実した情報や意見の交換をすることができる。会場を去るときには、各参加者が自分がどのような人と話したか、どのくらい自分のネットワークが広がったか、見ることができる。

0128

この他にも、人間関係ネットワークは学会でさまざまな用途に利用される。例えば、優秀発表会投票では、ネットワーク上で近い人からの票は割り引かれてカウントされる。

0129

そして、人間関係ネットワークを考慮しながら、さまざまなコミュニケーションをうまくカバーするように、次回の開催の実行委員長委員選出される。

0130

もちろん、本発明は上記実施形態及び実施例に限定されるものではない。

0131

上記実施形態では、ユーザ名の共起の強さを抽出し、それに基づき人間関係を判断する例を示したが、これに限定されない。他の2つの概念同士の関係の判断にも適用可能である。例えばユーザ名以外の他の概念として、書籍名の共起の強さを抽出し、それに基づき書籍同士の関係を判断する場合に適用することにより、図1図11で人間関係について示したのと同様にある分野における書籍のマッピングを行うことができる。もちろん、氏名や書籍以外にも、例えば自動車技術内容などの関係の判断にも適用可能である。従って、本発明には以下の発明が含まれることを確認する。

0132

処理部が、公開データ中の第1の情報と第2の情報との共起の強さを抽出するステップと、
前記処理部が、前記抽出した共起の強さに基づいて前記第1の情報と前記第2の情報との間の関係を判断するステップと
を有することを特徴とする関係データの作成方法。

0133

また、上記実施形態では処理部10が記憶部11から人間関係データ作成プログラムを実行することにより人間関係データ作成処理を実行する場合を示したがこれに限定されない。バス15に接続された記録媒体記録媒体読取装置(不図示)からコンピュータ読み取り可能な記録媒体から人間関係データ作成プログラムを読み出し処理部10が実行してもよい。

0134

また、人間関係データ作成の対象とするユーザ名の入力は、入力部12を用いた入力に限られない。例えば、ユーザ名を記憶部11から読み出してもよいし、ネットワーク16を介して受信してもよい。

0135

また、図2及び図4は、人間関係データがどのように可視化されるか明示してはいないが、ユーザ名とそのユーザ名同士の間の人間関係データが可視化できるものであればいかなる手法で可視化してもよい。例えば、ユーザ名を列方向と行方向に列挙して2つのユーザ名の関係値欄をマトリクス配置し、そのマトリクスに得られた人間関係データを数値等の指標により設定して可視化してもよい。また、エゴセントリックネットワークを表現する場合であれば、あるユーザ名に対する他のユーザ名の人間関係データを数値化したものを棒グラフ等で表示して可視化してもよい。もちろん、これらはほんの一例にすぎず、他
のいかなる方法も適用可能である。

図面の簡単な説明

0136

本発明を説明するための処理フロー図。
本発明を説明するための機能ブロック図。
本発明を説明するための機能ブロック図。
本発明を説明するための処理フロー図。
本発明を説明するための機能ブロック図。
本発明を説明するための機能ブロック図。
人間関係ネットワークの一例を示す図。
本発明の一実施形態に示す人間関係データ作成装置の全体構成の一例を示す図。
ソシオセントリックネットワークの一例を示す図。
ソシオセントリックネットワークの一部を拡大して示した図。
エゴセントリックネットワークの一例を示す図。
ソシオセントリックネットワークの一部をさらに拡大して簡略図示した図。

符号の説明

0137

20 ユーザ名入力手段
21公開データ検索手段
22既定値判断手段
23人間関係設定手段
24 ラベル付加手段
25指示情報入力手段
26 ユーザ名抽出手段
31ノード設定手段
32エッジ追加手段
33エッジラベル付加手段
51特徴量算出手段
52 人間関係判別手段

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 株式会社日立製作所の「 検索支援システム、及び検索支援方法」が 公開されました。( 2021/09/30)

    【課題】ユーザによる情報検索を容易にする検索支援システム及び検索支援方法を提供する。【解決手段】検索支援システム1は、1又は複数の項目と、その項目の内容を示す情報とを対応づけた検索対象情報を作成するデ... 詳細

  • 株式会社日立製作所の「 画像取得装置及び画像取得方法」が 公開されました。( 2021/09/30)

    【課題】パンチアウト先の運用負荷を低減しつつ、認証が必要なWebページからも画像を収集して商品と商品画像との紐づけ精度を向上させる。【解決手段】画像取得装置は、商品を特定する商品特定情報と、商品につい... 詳細

  • カシオ計算機株式会社の「 情報処理装置、表示方法、及びプログラム」が 公開されました。( 2021/09/30)

    【課題】入力された語句と該語句に関する詳細情報とを表示する情報処理装置において、現在表示されている語句と以前に表示されていた語句との対応関係を把握しやすくする。【解決手段】情報処理装置1は、入力情報に... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ