JPH09101990A - 情報フィルタリング装置 - Google Patents

Abstract

(57)【要約】 【課題】情報フィルタリングによって選択された記事に
関連記事の情報を付加してユーザに送信し、送信記事の
有効利用を図る。 【解決手段】情報フィルタリングセンタ１内には記事間
の類似度を算出する記事間類似度計算部１６が設けられ
ており、この記事間類似度計算部１６によって重複記事
の存在が調べられる。重複記事を構成する記事群の１つ
がユーザに提示する記事として選択され、他の記事は排
除される。この場合、排除された記事に関する情報は、
関連記事情報として選択記事に付加されてユーザに送ら
れる。よって、ユーザに提供される記事同士の関連性を
ユーザに提示できるようになり、ユーザによる送信記事
の有効利用を図る事が可能になる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、膨大なテキスト
記事からユーザの要求・興味にあったものを選出して定
期的にユーザに提供する情報フィルタリング装置に関す
る。

【０００２】

【従来の技術】近年、ワードプロセッサーや電子計算機
の普及、および計算機ネットワークを介した電子メール
や電子ニュースの普及などに伴い、文書の電子化は加速
的に進みつつある。

【０００３】電子出版という言葉が示すように、今後は
新聞、雑誌、本の情報も電子的に提供されることが一般
的になると考えられる。これにより、個人にとってリア
ルタイムで入手可能となるテキスト情報の量は膨大にな
っていくと予測される。

【０００４】これに伴い、新聞や雑誌などの膨大なテキ
スト記事からユーザの要求・興味にあったものを選出し
て定期的にユーザに提供する情報フィルタリングシステ
ムあるいは情報フィルタリングサービスの需要が高まり
つつある。

【０００５】従来より実現されている情報フィルタリン
グシステムは、ユーザの要求や興味を表現したユーザプ
ロファイルに合致する記事を検索し、これらの見出しの
リストあるいは記事全体をならべてユーザに提示するも
のである。

【０００６】通常、ユーザプロファイルは、ユーザが興
味をもっているトピックをいくつか指定することにより
作成される。

【０００７】また、提示された記事の有用性の判定をユ
ーザが行い、この情報をユーザプロファイルに反映させ
ることにより、次回以降の情報フィルタリングの適合率
を高めるというレレバンス・フィードバックという機能
が実現されている。

【０００８】

【発明が解決しようとする課題】しかし、従来のシステ
ムでは、選定された記事が羅列されてユーザに提示され
るだけであるので、今回提示された記事同士の関係や、
今回提示された記事と前回までに提示された記事との関
係を把握することがユーザにとっては難しいという問題
点があった。

【０００９】また、従来のような記事の単純な提示で
は、いかなるトピックのいかなる検索条件にマッチした
ためにその記事がユーザに提示されるに至ったか、ま
た、提示された記事を他のユーザはどのように読んでい
るかなどの情報が欠落していたため、有用性の判定には
多大な労力を必要とし、その一貫性を保つことが難しい
という問題点があった。

【００１０】また、情報フィルタリングシステムにおい
ては、重要記事を選出した後にさらに、その記事内の重
要なテキストを部分的に選出するという二重のフィルタ
リングを行うことは、長い記事からの情報収集を効率的
にするという点で有効である。しかし、従来では、機械
的に適当な長さのテキストを抜粋表示しているにすぎな
かったため、余分な情報が混在していたり、必要な情報
が欠けていたりするという問題点があった。

【００１１】また、従来では、ニュースソースから配信
されるテキストと検索条件との類似度にしたがってユー
ザに提供するテキストを選択するだけであったため、同
じ内容のテキストであってもばらばらに出力される等の
問題があった。

【００１２】この発明は上述の事情に鑑みてなされたも
のであり、情報フィルタリングによってユーザに提供さ
れる記事同士の関連性をユーザに提示できるようにし、
ユーザに記事同士の関連性を把握させることが可能な情
報フィルタリング装置を提供することを第１の目的とす
る。

【００１３】また、この発明は、提示されている記事が
いかなる検索条件を満足したのかがユーザにわかるよう
にすることにより、情報フィルタリングに対するユーザ
の理解と信頼を深めることが可能な情報フィルタリング
装置を提供することを第２の目的とする。

【００１４】さらに、この発明は、記事の種類に応じて
ユーザに提示する要約あるいは抄録の長さを調節できる
ようにし、２重フィルタリングを効率的に行うことがで
きる情報フィルタリング装置を提供することを第３の目
的とする。

【００１５】また、この発明は、互いに内容が重複する
記事同士をグループ化あるいは関連づけしてユーザに提
供できるようにし、ユーザがテキスト記事を読むための
手間を大幅に軽減することが可能な情報フィルタリング
装置を提供することを第４の目的とする。

【００１６】

【課題を解決するための手段】この発明は、複数の情報
源からテキストやイメージなどの記事の配信を受け、そ
れら配信された記事の中から所定の記事を選出してユー
ザに提示する情報フィルタリング装置において、ユーザ
毎に予め指定された検索条件を保持する手段と、配信さ
れた記事を検索し、ユーザ毎に検索条件に合致する記事
を選定する記事検索手段と、この記事検索手段によって
選定された記事同志または選定された記事と他の記事と
の間の類似度を算出し、その類似度に従って記事毎に関
連記事を決定する手段と、決定された関連記事の情報を
前記選定された記事に付加してユーザに提示する手段と
を具備することを特徴とする。

【００１７】この情報フィルタリング装置においては、
例えば記事表現を記事間で比較することによって記事同
志の類似度が算出され、その類似度に従って、ユーザに
提示される記事とそれに関連する関連記事が決定され
る。この関連記事の情報は、ユーザに提示される記事の
本文情報などに付加されてユーザに送られる。類似度計
算を行う対象としては、今回到着した記事同士、または
今回到着した記事と前回までに到着した記事との間で行
うことが好ましい。これにより、記事検索手段によって
選定されている記事同士の関係や、今回選定された記事
と過去のフィルタリングで選定された記事との関係など
が明確になり、記事同士の関連性などをユーザに知らせ
ることができる。

【００１８】また、記事検索手段によって選定された記
事同志の類似度を算出することによって重複記事の存在
を調べれば、重複記事の本文情報についてはユーザに提
示せずに、その重複記事の見出しなどの情報だけを関連
記事情報として付加してユーザに提示することもでき
る。これにより、例えば異なる複数の情報源から得られ
た同一内容に関する記事が、重複してユーザに提示され
ることを自動的に回避することができる。

【００１９】また、この発明は、複数の情報源からテキ
ストやイメージなどの記事の配信を受け、それら配信さ
れた記事の中から所定の記事を選出してユーザに提示す
る情報フィルタリング装置において、ユーザ毎に予め指
定された検索条件を保持する手段と、配信された記事を
検索し、ユーザ毎に検索条件に合致する記事を選定して
ユーザに提示する記事検索手段と、この記事検索手段に
よって選定された記事が満足した検索条件を示す情報を
各記事に付加してユーザに提示する手段を具備し、その
記事が選択された根拠をユーザに知らせることができる
ようにしたことを特徴とする。

【００２０】この構成によれば、提示されている記事が
ユーザの選択したトピックのうちいずれに適合したもの
であるかなど、提示されている記事がいかなる検索条件
を満足したのかがユーザに明示されるため、何故その記
事が提示されているかがユーザに分かりやすくなり、記
事の有用性の判定が容易になる。

【００２１】したがって、既にユーザに送信された各記
事がユーザにとって有用であったか否かなどの情報につ
いてユーザからフィードバックを受け、その情報を反映
して検索条件を修正するレレバンス・フィードバック機
能をさらに設けることにより、記事が選択された根拠の
提示を、そのレレバンス・フィードバック機能に有効利
用できるようになる。

【００２２】また、記事が選択された根拠の代わりに、
提示されている記事が他のユーザによってどのように読
まれているかをユーザに提示することによっても、他の
ユーザの判断を参考にしたレレバンス・フィードバック
が可能になり、レレバンス・フィードバックの有効利用
を図ることができる。

【００２３】また、この発明は、複数の情報源からテキ
ストやイメージなどの記事の配信を受け、それら配信さ
れた記事の中から所定の記事を選出してユーザに提示す
る情報フィルタリング装置において、ユーザ毎に予め指
定された検索条件を保持する手段と、配信された記事を
検索し、ユーザ毎に検索条件に合致する記事を選定して
ユーザに提示する記事検索手段と、この記事検索手段に
よって選定された記事の種類に応じた長さの要約または
抄録を生成し、その要約または抄録をユーザに提示する
手段を具備することを特徴とする。

【００２４】この構成によれば、記事の種類に応じた長
さの要約あるいは抄録が作成されてそれがユーザに提示
されるため、ユーザに提示されるテキストのうち、ユー
ザにとって有用であるテキスト情報の占める割合が高く
なる。これにより、効率的な情報収集が可能になる。

【００２５】記事の種類の区分としては、その記事が満
足したトピックなどの検索条件の違いや、その記事の発
行日時などの記事そのものの属性の違いなどを利用する
ことが好ましい。例えば、ユーザが検索条件として複数
のトピックを指定し、且つそれらトピックに優先度を設
定した場合には、優先度の高いトピックに該当する記事
が検索される程、要約・抄録のサイズを長くでき、ユー
ザにとって有用であるテキスト情報の占める割合が高く
なる。

【００２６】また、この発明は、少なくとも１つ以上の
情報源からテキストやイメージなどの記事の配信を受け
る手段と、あらかじめユーザが指定した検索条件と配信
された記事との類似度を算出する手段と、算出した類似
度の順に記事をソートして、一定の数の記事、あるいは
あらかじめ定めた閾値以上の類似度を有する記事のみを
類似度の順で出力する出力手段を有する情報フィルタリ
ング装置において、記事間の類似度を算出する手段を具
備し、その算出した記事間類似度にしたがって記事のグ
ループ化、関連づけ、あるいは出力記事の選択制御を行
うことを特徴とする。

【００２７】この情報フィルタリング装置においては、
関連する記事同士がグループ化あるいは関連づけて利用
者に提供することが可能となる。従来のように関連のあ
るテキストが、順不同で出力された場合には、利用者は
テキストごとに内容を理解するために頭を切り替える必
要が生じ、フィルタリング結果全体を理解するための手
間がかかることになるが、この発明の情報フィルタリン
グ装置では、関連する記事同士がグループ化あるいは関
連づけて利用者に提供されるため、利用者の手間を大幅
に軽減することができる。

【００２８】記事間類似度は当日配信された記事間のみ
でなく、前日以前にユーザに出力した記事との間の類似
度も求め、出力記事には、当日の記事だけからなる記事
グループか、それ以前の日の記事も含まれているのかを
区別するための情報を付加することが好ましい。これに
より、利用者は、関連記事をさらに効率よく整理して読
むことが可能となる。

【００２９】

【発明の実施の形態】以下、図面を参照してこの発明の
実施の形態について説明する。

【００３０】まず、図１を参照して、この発明の情報フ
ィルタリングシステム全体の構成について説明する。

【００３１】情報フィルタリングシステムは、新聞社、
通信社、または出版社などの複数の情報源２からテキス
トやイメージを含むテキスト記事の配信を受け、それを
定期的に加入ユーザ端末３それぞれに送信する情報提供
システムであり、このシステムの情報提供サービスは情
報フィルタリングセンタ１によって実現されている。情
報フィルタリングセンタ１は、通信網を介して複数の情
報源２および複数の加入ユーザ端末３に接続された１つ
の計算機システムによって実現されており、ここには、
情報フィルタリングのための制御や処理を行う中央処理
装置４、プログラム並びにデータを格納する半導体メモ
リ、磁気ディスク、光ディスクなどの記憶装置５、回線
や電波などの通信網介して情報源２からテキスト記事を
受信する受信部６、回線や電波などの通信網介してユー
ザ端末３にテキスト記事を送信する送信部７などから構
成されている。

【００３２】各ユーザ端末３は、例えばパーソナルコン
ピュータやワークステーションなどの情報処理端末であ
り、情報フィルタリングセンタ１から送信されたテキス
ト記事を受信するテキスト情報受信部８と、受信したテ
キスト記事を画面表示する表示部９などを備えている。

【００３３】情報フィルタリングセンタ１は、図２に示
されているように、ユーザプロファイル１０と称する一
種の検索条件をユーザ毎に保持しており、そのユーザプ
ロファイル１０に従って該当するユーザに提供すベき記
事を検索する。ユーザプロファイル１０は、ユーザによ
って指定された複数のトピックなどから構成されてお
り、それらトピックに合致する記事が検索および選出さ
れてユーザに送られる。次に、この情報フィルタリング
センタ１の具体的な構成について説明する。

【００３４】（実施形態１）図３には、この発明の第１
実施形態に係わる情報フィルタリングセンタ１の構成が
示されている。図中、実線の矢印はデータの流れを示し
ている。

【００３５】情報フィルタリングセンタ１は、図示のよ
うに、ユーザプロファイル生成部１１、ユーザプロファ
イル記憶部１２、記事情報抽出部１３、記事検索部１
４、記事選出部１５、記事間類似度計算部１６、提示情
報生成部１７、および記事情報記憶部１８から構成され
ている。これら構成要素のうち、破線で囲まれているユ
ーザプロファイル生成部１１、記事情報抽出部１３、記
事検索部１４、記事選出部１５、記事間類似度計算部１
６、および提示情報生成部１７は、例えば図１の中央処
理装置１４によって実行されるソフトウェアによって実
現でき、またユーザプロファイル記憶部１２および記事
情報記憶部１８は記憶装置５によって実現できる。

【００３６】ユーザプロファイル生成部１１は、予め各
ユーザによって指定される要求・興味などを解析して検
索のために必要なユーザプロファイルをユーザ毎に生成
する。これらユーザプロファイルはユーザプロファイル
記憶部１２に記憶される。記事情報抽出部１３は、各情
報源２から到着したテキスト記事から、検索や記事同士
の類似度計算に必要な情報を抽出し、それを生のテキス
ト記事と共に記事情報記憶部１８に格納する。

【００３７】記事検索部１４は、各情報源２から到着し
た記事の中からユーザプロファイルに合致するものを検
索する。この検索処理では、ユーザプロファイルと到着
記事との間の類似度が調べられ、類似度の高い順に記事
がソートされる。記事選出部１５は、検索結果からユー
ザに提示する記事を選出するためのものであり、例えば
類似度の値があるしきい値を越えた記事すべて、または
類似度の高い上位のいくつかの記事が選択される。

【００３８】記事間類似度計算部１６は、記事間の類似
度を調べるためのものであり、選択された記事同志の類
似度を算出する。提示情報生成部１７は、記事選出結果
と記事間類似度計算結果をもとにユーザに提示する記事
情報を生成する。記事情報記憶部１８には、検索のため
の記事情報や記事間類似度計算結果などが記憶される。
以下、これらユーザプロファイル生成部１１、記事情報
抽出部１３、記事検索部１４、記事選出部１５、記事間
類似度計算部１６、および提示情報生成部１７それぞれ
の具体的な処理内容について説明する。

【００３９】図５には、ユーザプロファイル生成部１１
の処理の流れが示されている。

【００４０】ユーザプロファイル生成部１１は、入力と
して個々のユーザの要求・興味を受けつける（ステップ
Ｓ１）。ユーザの要求・興味は、「○○と××に関する
記事が読みたい」といった自然言語や、興味のあるトピ
ック（話題）に頻出するキーワードの集合や、それらに
優先順位や重みをつけたもの、または通常の文書検索に
おける検索式のようなもので表される。

【００４１】ユーザプロファイル生成部１１は、これに
対して単語辞書、同義語辞書などを利用して単語抽出、
同義語展開などの言語処理を行い（ステップＳ２）、検
索が可能となるような形式に変換してユーザプロファイ
ルを作成する（ステップＳ３、Ｓ４）。作成されたユー
ザプロファイルはユーザ毎にユーザプロファイル記憶部
１２に記憶され、記事検索のための検索条件として利用
される。

【００４２】図５には、記事情報抽出部１３の処理の流
れの一例が示されている。

【００４３】記事情報抽出部１３は、入力として情報源
から到着した記事を受けつけ（ステップＳ１１）、これ
に対して文書解析用の辞書や情報抽出用の辞書を用い
て、形態素解析、構文解析、書式解析などを行い、記事
の情報源や日付、文字や単語その他の文書構成要素の頻
度情報や出現位置、５Ｗ１Ｈ的な情報などの抽出を行う
（ステップＳ１２）。次いで、記事情報抽出部１３は、
これらの抽出された情報の集合体として記事を表現する
（ステップＳ１３）。例えば、出現した単語の頻度を要
素とするベクトルにより記事を表現したり、５Ｗ１Ｈの
テンプレートに実現値を代入したものにより表現したり
する。このような記事の表現例をそれぞれ図６、図７に
示す。図６は、その記事に出現した単語（半導体、メモ
リー、摩擦、不況、生産、…）の出現頻度（１４、９、
５、２、３）を要素とした頻度ベクトルであり、また図
７は、情報源、文字数、記事見出し、トピック、日時、
場所、主語、主動詞……などを項目とするテンプレート
である。

【００４４】記事情報抽出部１３は、このようにして記
事を表現した後、記事検索を高速に実現するための索引
付け、つまりインデクシング処理も行い（ステップＳ１
４）、そしてベクトルやテンプレートで表現して記事お
よびインデクシング情報を記事情報記憶部１８に記憶す
る（ステップＳ１５）。

【００４５】図８には、記事検索部１４の処理の流れが
示されている。

【００４６】記事検索部１４は、記事情報抽出部１３に
よって抽出された記事情報を参照し、到着した記事の中
からユーザプロファイルに適合するものを検索する。

【００４７】これは、ユーザプロファイルと到着した記
事の各々との類似度を算出することに相当する。この類
似度は、検索の方式によって「ユーザプロファイルに適
合する」「ユーザプロファイルに適合しない」などの離
散値をとる場合もあるし、よく適合している記事ほど類
似度の値が高くなるように連続値をとる場合もある。こ
こでは、より一般的である、類似度が連続値をとる場合
について説明する。

【００４８】記事検索部１４は、各ユーザのユーザプロ
ファイルについて、以下の処理を行う。

【００４９】まず、ユーザプロファイル記憶部１２から
プロファイルを読み込む（ステップＳ２１）。次に、記
事検索部１４は、変数ｉに１を代入した後（ステップＳ
２２）、ｉ番目の記事（１番目の記事）とユーザプロフ
ァイルとの類似度を計算する（ステップＳ２３）。この
類似度計算は、通常の検索処理に相当するもので、記事
情報記憶部１８に格納されている記事の表現や検索イン
デックスが参照される。

【００５０】次いで、記事検索部１４は、変数ｉの値を
＋１更新した後、そのときのｉの値が到着記事数よりも
大きいか否かを調べ（ステップＳ２４，Ｓ２５）、大き
くない場合には類似度計算されてない記事が残っている
と認識し、ｉの値が到着記事数よりも大きくなるまで、
ステップＳ２３〜Ｓ２５を繰り返す。到着した全ての記
事に対してユーザプロファイルとの類似度の計算が終わ
ると、すなわち、到着した全ての記事を検索対象とした
検索処理が終わると、記事検索部１４は、到着した記事
をユーザプロファイルとの類似度が高い順にソートし、
記事のランキングを行う（ステップＳ２６）。このラン
キングの結果は、記事情報記憶部１８に記憶される。ラ
ンキング結果の一例を図９に示す。

【００５１】図１０に、記事選出部１５の処理の流れを
示す。

【００５２】記事選出部１５は、記事検索部１４により
検索されランキングされた到着記事を記事情報記憶部１
８から読み込み（ステップＳ３１）、その中から、実際
にユーザに提示するものを選出する（ステップＳ３
２）。ユーザに提示することが決まった記事の情報は、
再び記事情報記憶部１８に格納される。

【００５３】記事の選出の方法としては、例えば、ユー
ザに提示する記事の件数Ｎをユーザ側があるいはセンタ
側が予め定めておき、ランキング上位Ｎ件を提示するこ
とにしたり、あるいは、ユーザプロファイルとの類似度
がある閾値以上の記事を提示することにするなどが考え
られる。図１１は、図９のようなランキング結果が得ら
れている場合にその上位１０件を選出した例を示してい
る。

【００５４】また図１２は、図９のようなランキング結
果が得られている場合にユーザプロファイルとの類似度
が０．８６以上の記事を選出した例を示している。

【００５５】さらに、図１３は、一人のユーザに対して
複数の検索及びランキングが行われた場合において、こ
れら複数のランキング結果の上位部分をマージしてユー
ザに提示する記事を選出する例を示している。

【００５６】この例では、「半導体技術」、「低価格パ
ソコン」、「人工知能」の３つのトピックに関する検索
が別個に行われており、３つのランキング結果の上位か
ら、記事Ａ１、Ｂ１、Ｃ１、Ａ２、Ｂ２が選出されてい
る。

【００５７】記事Ａ１及びＡ２はトピック「半導体技
術」に適合したもの、記事Ｂ１及びＢ２はトピック「低
価格パソコン」に適合したもの、そして記事Ｃ１はトピ
ック「人工知能」に適合したものである。

【００５８】ここでの記事の選出の方法としても、図１
１のように一定件数を選出する、図１２のように類似度
が一定値以上の記事を選出するなどが考えられる。

【００５９】図１４には、記事間類似度計算部１６の処
理の流れが示されている。

【００６０】記事検索部１４が、ユーザプロファイルと
記事との類似度を計算する、換言すれば、ユーザプロフ
ァイルを検索式とし、記事を検索対象とした通常の検索
を行うのに対し、記事間類似度計算部１６は、記事同士
の類似度を計算する。

【００６１】類似度計算は、例えば図６や図７のような
記事の表現同士を比較することにより行われ、計算結果
は記事情報記憶部１８に記憶される。

【００６２】ここでは、新聞社などの記事の情報源２は
複数存在するものとし、記事間類似度計算の対象となる
のは、異なる情報源から到着した記事同士、例えば、新
聞社Ｍから到着した記事と新聞社Ｎから到着した記事と
する。

【００６３】異なる情報源から到着した記事同士の全て
の組合せについて記事間類似度を計算してもよいが、こ
こでは、記事選出部１５により選出された記事に対して
のみ記事間類似度を計算するという計算コストの低い方
法について説明する。

【００６４】すなわち、記事間類似度計算部１６は、ま
ず、記事選出部１５により選出された記事を記事情報記
憶部１８から読み込む（ステップＳ４１）。次いで、記
事間類似度計算部１６は、読み込んだ記事のうち、異な
る情報源から到着したもの同志の類似度を計算し、その
結果を記事情報記憶部１８に格納する（ステップＳ４
２）。

【００６５】以下、記事間類似度計算の具体例を説明す
る。

【００６６】図１５には、記事選出部１５により選出さ
れた、異なる情報源から到着した記事の例が示されてい
る。この例では、記事Ａ〜Ｄの４つの記事がユーザに提
示されることになっている。

【００６７】記事Ａ及びＤは新聞社Ｍから到着した記
事、記事Ｂは新聞社Ｎから到着した記事、そして記事Ｃ
は出版社Ｏから到着した記事である。

【００６８】この場合、記事Ａと記事Ｂ、記事Ａと記事
Ｃ、記事Ｂと記事Ｃ、記事Ｃと記事Ｄの組合せについて
記事間類似度が計算される。記事Ａと記事Ｄは同一の情
報源から到着した記事であるため、類似度計算を行わな
い。

【００６９】図１６には、提示情報生成部１７の処理の
流れが示されている。

【００７０】提示情報生成部１７は、記事情報記憶部１
８から、記事選出部１５により選出された記事の情報及
び記事間類似度計算部１６により計算された記事間類似
度を読み込む（ステップＳ５１、Ｓ５２）。

【００７１】そして、提示情報生成部１７は、互いに類
似度が高く、かつ情報源が異なる記事の集合を、重複記
事の集合として分類する（ステップＳ５３）。ここで、
重複記事とは、同じ出来事に対して複数の情報源が独自
に作成した記事のことであり、内容的には同一あるいは
ほぼ同じと考えてよい記事をいう。

【００７２】この後、提示情報生成部１７は、重複記事
の提示を回避するために、重複記事集合から、代表とし
てユーザに提示する記事をひとつ、一般にはＮ個選択す
る（ステップＳ５４）。そして、提示情報生成部１７
は、選択した記事の本文に対して、選択しなかった記事
の情報を関連記事情報として付加することなどにより、
ユーザに提示する情報を生成し、それを出力する（ステ
ップＳ５５，Ｓ５６）。

【００７３】ここで、重複記事と関連記事情報の具体例
を説明する。

【００７４】図１７は、一件のプレスリリースから重複
記事が派生する例を示している。ある出来事について情
報を記したプレスリリース記事Ｐが、新聞社Ｍ，Ｎ，Ｏ
に送られると、各新聞社はこれを編集し、コメントを加
えるなどして、独自の記事Ｍ，Ｎ，Ｏを作成する。記事
Ｍ，Ｎ，Ｏ，Ｐが各情報源から情報フィルタリングセン
ターに送られるとすると、記事Ｍ，Ｎ，Ｏ，Ｐは重複記
事となる。

【００７５】また、図１８は、一件の出来事から重複記
事が作成される例を示している。

【００７６】この例では、新聞社Ｍ，Ｎ，Ｏが同一の出
来事に対して独自に取材を行い、記事Ｍ，Ｎ，Ｏが作成
されている。これらが情報フィルタリングセンタ１に送
られるとすると、記事Ｍ，Ｎ，Ｏは重複記事となる。

【００７７】情報フィルタリングの本来の主旨は、膨大
な情報の中にある所望の情報をできるだけ効率よくユー
ザにアクセスさせることであるから、一般には、ユーザ
に提示する記事に重複記事が多く含まれていることは好
ましくないと考えられる。例えば、図１８の例におい
て、ユーザに記事Ｍ，Ｎ，Ｏを全て提示してしまうと、
ユーザはひとつの出来事についての情報を得るのに３つ
の記事を読まなければならなくなってしまう。

【００７８】提示情報生成部１７は、以上のような重複
記事の提示を回避するために、重複記事集合から、代表
としてユーザに提示する記事をひとつ、一般にはＮ個選
択する。以後、ひとつだけ選択する場合についてのみ説
明する。

【００７９】図１９に、図１５の４つの記事に対して記
事間類似度計算を行った結果得られる重複記事集合の例
を示す。

【００８０】この例では、記事ＡとＣ、記事ＢとＤの類
似度が高かったため、ふたつの重複記事集合が得られて
いる。

【００８１】提示情報生成部１７は、一定の戦略に従っ
て、各重複記事集合から記事をひとつずつ選択する。

【００８２】例えばユーザ側あるいはサービスセンタ側
が新聞社Ｍを最優先するように予め決めておいたとする
と、最終的にユーザに提示される記事は新聞社Ｍから到
着した記事Ａ，Ｄとなる。

【００８３】同様に、一般には情報量の一番多いプレス
リリースを最優先して選択することも考えられる。

【００８４】また、検索結果のランキングで最も上位に
あったものを選択することも考えられる。

【００８５】例えば図１９において、ユーザプロファイ
ルと記事との類似度は重複記事集合１では記事Ｃが高
く、重複記事集合２では記事Ｄが高いので、最終的にユ
ーザに提示される記事は記事Ｃ，Ｄとなる。

【００８６】さらに、記事の長さが最も長い、あるいは
最も少ないものを選択するなどの戦略も考えられる。

【００８７】これまで述べてきた処理により、ユーザに
提示する記事の候補の中から重複記事が排除される。最
終的に排除された重複記事に関する情報は、各記事の本
文情報に付加してユーザに提示される。

【００８８】図２０に、排除された重複記事に関する情
報を記事の本文情報に付加して提示する例を示す。

【００８９】この例では、ユーザに提示されている記事
の本文情報に加えて、この記事と内容が同一と判断され
た他の情報源の記事に関する情報が付加情報として与え
られている。具体的には、記事の見出しや情報源、文字
数、そして現在本文が提示されている記事との類似度な
どがリストアップされている。

【００９０】この例では、「○×社が情報サービス事業
から撤退した」という内容の記事が○○新聞社、△△新
聞社、□□新聞社の３つの情報源から得られたが、ユー
ザに提示する記事としては○○新聞社の記事が選ばれた
ということになる。

【００９１】このように排除された重複記事に関する情
報を記事の本文情報に付加して提示すると、内容的には
同じだが情報源が異なる記事を何度も読むことを回避で
き、かつ各情報源が同一の出来事に対してどのように報
道しているかの概観を得ることができると考えられる。

【００９２】図２１には、図２０の関連情報提示形態の
変形例が示されている。

【００９３】すなわち、図２０はべたテキストとして関
連情報をユーザ端末に表示したが、図２１では、付加情
報のテキスト部分がハイパーテキストなどで構造化され
ており、これを利用して排除された重複記事の本文にア
クセスすることを可能にしている。

【００９４】この例では、付加情報のエリアにおける記
事見出しがマウスなどの装置により選択できるボタンに
なっており、ユーザは関連記事１を選択することによっ
て、その関連記事１の本文を参照することができる。

【００９５】図２２及び図２２に、図２１において関連
記事１が選択された場合に関連記事１の本文を表示する
例を示す。

【００９６】図２１において本文が表示されていた「半
導体協議の…」という記事は、図２２においては付加情
報のエリアに見出しなどの情報のみが表示されており、
その代わりに本文情報のエリアには関連記事１の本文が
表示されている。

【００９７】図２２から図２１の状態に戻すためには、
ユーザは図２２の付加情報のエリアにおける「半導体協
議の…（元の記事）」というボタンを選択すればよい。

【００９８】また図２３においては、図２１で表示され
ている情報を保持しながら、関連記事１の本文情報を新
たに開いたウィンドウ上に表示している。このような表
示方法をとれば、複数の重複記事を比較することが可能
となる。

【００９９】図２１の画面から図２２の画面への移行
は、図２４の処理の流れに従って次のように実行され
る。

【０１００】提示情報生成部１７は、図２１に示されて
いるように提示記事の本文情報に関連記事の情報を付加
してユーザ端末３に画面表示させる（ステップＳ６
１）。次いで、関連記事のボタンが選択されるというイ
ベントが発生すると、提示情報生成部１７は、選択され
た関連記事の本文情報を記事情報記憶部１８から取り出
し（ステップＳ６２，Ｓ６３）、図２２に示されている
ように、元の記事の情報を付加情報のエリアに、選択さ
れた関連記事の本文を本文情報エリアに表示する（ステ
ップＳ６４）。

【０１０１】なお、このような画面切り替えは、センタ
１からユーザ端末３に予め関連記事の本文情報を送信し
ておけば、ユーザ端末３側の制御で行うこともできる。

【０１０２】図２１の画面から図２３の画面への移行
は、図２５の処理の流れに従って次のように実行され
る。

【０１０３】提示情報生成部１７は、図２１に示されて
いるように提示記事の本文情報に関連記事の情報を付加
してユーザ端末３に画面表示させる（ステップＳ７
１）。次いで、関連記事のボタンが選択されるというイ
ベントが発生すると、提示情報生成部１７は、選択され
た関連記事の本文情報を記事情報記憶部１８から取り出
し（ステップＳ７２，Ｓ７３）、図２３に示されている
ように、選択された関連記事の本文をウインドウ表示す
る（ステップＳ７４）。

【０１０４】この画面切り替えについても、センタ１か
らユーザ端末３に予め関連記事の本文情報を送信してお
けば、ユーザ端末３側の制御で行うことができる。

【０１０５】また、図２０や図２１のように付加情報の
エリアに付加する関連記事は、前述の重複記事集合から
記事を選択するのと同様な戦略により絞り込みを行って
もよい。

【０１０６】図２１〜２３のように、重複記事集合を代
表して本文が表示されている記事から、それ以外の重複
記事の本文にアクセスできるようにすると、情報フィル
タリングシステムによって選択された代表記事が不適切
なものであった場合にも、ユーザが他の重複記事を選択
して読むことが可能となる。

【０１０７】例えば、情報フィルタリングシステムがユ
ーザの希望によりＮ新聞の記事を優先して選択する戦略
をとっていたとしても、ユーザがある出来事に関してだ
けはＮ新聞の記事ではなくプレスリリースを読みたいと
いった場合に有効である。

【０１０８】また、同一の出来事に対する複数の新聞社
の見解などを比較することも可能となる。

【０１０９】図２６には、記事の重複が起こっている場
合に、ユーザに提示する記事の一覧表を重複記事情報と
ともに表示した例が示されている。

【０１１０】この例では、ユーザに提示する記事は４件
あるが、そのうちの３件目である「○×社 情報サービ
スビジネスから撤退」という記事には重複記事が２件存
在する。

【０１１１】各記事の見出しの後にはユーザプロファイ
ルと記事との類似度の値が表示されているが、重複記事
に関してはそれとは別に、元の記事と重複記事との類似
度の値も表示されている。これは重複記事である確から
しさを示していると言える。ここで、元の記事とは「○
×社 情報サービスビジネスから撤退」の記事などを指
す。

【０１１２】以上の説明では、ひとつのユーザプロファ
イルに対する処理を中心に述べてきた。

【０１１３】一般には、情報フィルタリングサービスを
受けるユーザは複数いるので、情報フィルタリングセン
タは、ユーザ毎にユーザプロファイルを保持し、フィル
タリングの各処理を行うことになる。

【０１１４】（実施形態１の変形例１）次に、記事間類
似度計算部１６及び提示情報生成部１７の他の構成例に
ついて説明する。

【０１１５】図２７に、記事間類似度計算部１６の処理
の流れを示す。

【０１１６】記事検索部１４が、ユーザプロファイルと
記事との類似度を計算する、換言すれば、ユーザプロフ
ァイルを検索式とし、記事を検索対象とした通常の検索
を行うのに対し、記事間類似度計算部１６は、記事同士
の類似度を計算する。

【０１１７】類似度計算は、例えば図６や図７のような
記事の表現同士を比較することにより行われ、計算結果
は記事情報記憶部１８に記憶される。

【０１１８】ここでは、Ｎ回前までの情報フィルタリン
グで得られた記事情報が記事情報記憶部１８に保存され
ているものとする。

【０１１９】例えば、情報フィルタリングサービスが一
日一回行われ、かつＮを１とした場合、昨日の情報フィ
ルタリングで得られた記事情報は保存されているという
ことを意味する。以後、主にＮ＝１として説明する。

【０１２０】このシステムでは、記事間類似度計算の対
象となるのは、今回到着した記事と、前回までに到着し
た記事との組である。

【０１２１】今回到着した記事と、前回までに到着した
記事との全ての組合せについて類似度計算を行ってもよ
いが、以後は、より計算コストの低い方式、つまり記事
選出部により今回選出された記事と、前回までにユーザ
に提示された記事との組合せについてのみ類似度計算を
行う場合について説明する。

【０１２２】すなわち、記事間類似度計算部１６は、ま
ず、記事選出部１５により選出された記事の情報を記事
情報記憶部１８から読み込み、次いで、前回までのフィ
ルタリングでユーザに提示した記事の情報を記事情報記
憶部１８から読み取る（ステップＳ８１、Ｓ８２）。そ
して、記事間類似度計算部１６は、記事選出部１５によ
り今回選出された記事と、前回までにユーザに提示され
た記事との組合せについて類似度計算を行い、その結果
を記事情報記憶部１８に格納する（ステップＳ８３）。

【０１２３】図２８には、今回記事選出部１５により選
出された記事の集合と、前回ユーザに提示された記事の
集合の例を示す。

【０１２４】この例では、前回はユーザには記事Ａ，
Ｂ，Ｃ，Ｄが提示されており、今回は記事Ｅ，Ｆ，Ｇ，
Ｈが提示されようとしている。

【０１２５】この場合、類似度計算は、記事Ａと記事
Ｅ、記事Ａと記事Ｆといったように４×４＝１６の組合
せについて計算されることになる。

【０１２６】また、この変形例として、一定の条件を満
たす記事のみ類似度計算の対象としてもよい。

【０１２７】例えば、図２８において、情報源が同じ記
事同士の類似度のみを計算することにすると、今回新聞
社Ｍから到着した記事Ｅに関する類似度計算は、前回新
聞社Ｍから到着した記事Ａ，Ｂのみについて行えばよい
ことになる。

【０１２８】また、例えば、図２８において、ユーザプ
ロファイルとの類似度が一定値以上の記事のみを類似度
計算の対象とすることも考えられる。

【０１２９】ユーザプロファイルとの類似度が０．８以
上の記事のみを対象とすると、記事Ｅと記事Ａ、記事Ｇ
と記事Ａの組合せのみ計算すればよいことになる。

【０１３０】図２９には、提示情報生成部１７の処理の
流れが示されている。

【０１３１】提示情報生成部１７は、記事情報記憶部１
８から、今回記事情報選出部１５により選出された記事
の情報及び前回までにユーザに提示された記事の情報及
び記事間類似度計算部１６により計算された記事間類似
度を読み込む（ステップＳ９１〜Ｓ９３）。そして、今
回の記事の本文情報を前回までの関連記事の情報ととも
にユーザに提示する（ステップＳ９４，Ｓ９５）。

【０１３２】図３０及び図３１には、今回の記事の本文
情報に前回までの関連記事の情報を付加して提示する例
が示されている。

【０１３３】図３０では、ユーザに今回初めて提示され
た「半導体協議の…」という記事の本文情報に加えて、
半導体に関する昨日までの記事の情報が付加情報として
与えられている。具体的には、前回までの記事の見出し
や情報源、文字数、そして今回提示された記事との類似
度などがリストアップされている。

【０１３４】この例では、今回提示されたのは○○新聞
の１５日付の記事であり、前回までの関連記事としては
○△新聞及び○○新聞の１４日付の記事が表示されてい
る。

【０１３５】また図３１では、ユーザに今回提示された
「シリーズ：半導体摩擦（その３）」という記事の本文
情報に加えて、同じ○○新聞社から昨日までに到着した
「シリーズ：半導体摩擦（その１）」及び「シリーズ：
半導体摩擦（その２）」という記事に関する情報が表示
されている。

【０１３６】また、実施形態１で示した図２１〜２３
は、この例における図３０及び図３１の変形例にもなっ
ている。

【０１３７】すなわち、このシステムでも、実施形態１
と同様に、ユーザが前回までの関連記事の本文にアクセ
スできるようにすることが考えられる。

【０１３８】図２１〜２３では、本文情報と付加情報が
完全に分離されているが、本文情報中に前回までの記事
情報を埋め込んで提示することも考えれる。

【０１３９】図３２に、今回の記事の本文情報中に前回
までの関連記事の情報を埋め込んで提示する例を示す。

【０１４０】この例では、「○○沖の××地震 再び活
発化」という１９日付けの記事の本文が表示されている
が、その第一文の「○○県○○沖で先月１４日から始ま
った××地震は…」の一部がマウスなどで選択できるボ
タンになっている。

【０１４１】ユーザがこれを選択すると、前回までの記
事のうちこの文と類似した情報を含む記事に関する情報
が表示される。

【０１４２】図３３は、図３１においてユーザが第一文
を選択した場合に、その文と関係の深い前回までの記事
のリストを表示した例である。

【０１４３】この例では、「○○沖で地震 マグニチュ
ード４」などの、１４日付の記事の見出しや情報源、文
字数、今回の記事との類似度などがリストアップされて
いる。

【０１４４】図３４は、図３３においてユーザが「○○
沖で地震 マグニチュード４」という関連記事を選択し
た場合に、その記事の本文を表示した例である。

【０１４５】また、図３２においてユーザが第一文を選
択した直後に、図３４のように関連記事の本文をひとつ
以上表示してもよい。

【０１４６】図３２のように、今回の記事の本文情報中
に前回までの関連記事の情報を埋め込んで提示するとい
う形態を実施するためには、今回の記事と前回までの記
事との類似度を計算するかわりに、今回の記事の本文の
各構成要素と前回までの記事との類似度を計算すること
になる。

【０１４７】本文の構成要素としては、段落、文、節、
句、単語、などが考えられる。

【０１４８】また、これをさらに変形して、前回までの
関連記事情報も記事単位ではなく本文の構成要素単位で
提示してもよい。

【０１４９】例えば、図３４のように関連記事の全文を
表示するかわりに、第一段落のみを表示することが考え
られる。

【０１５０】以上のように、今回提示された記事からそ
れと関係のある前回までの記事にアクセスできるように
すれば、時間の経過とともに状況が変わっていくような
出来事についてその経緯を把握することや、連載記事な
ど複数の記事にわたる情報を把握することが容易にな
る。

【０１５１】さらに、今回の記事を読んだときに、過去
に提示された記事を思い出して、その内容を再確認した
くなった場合などにも有効である。

【０１５２】（実施形態１の変形例２）次に、記事間類
似度計算部１６及び提示情報生成部１７のさらに他の構
成例について説明する。

【０１５３】図３５には、記事間類似度計算部１６の処
理の流れが示されている。

【０１５４】記事検索部１４が、ユーザプロファイルと
記事との類似度を計算する、換言すれば、ユーザプロフ
ァイルを検索式とし、記事を検索対象とした通常の検索
を行うのに対し、記事間類似度計算部１６は、記事同士
の類似度を計算する。

【０１５５】類似度計算は、例えば図６や図７のような
記事の表現同士を比較することにより行われ、計算結果
は記事情報記憶部１８に記憶される。

【０１５６】この例において記事間類似度計算の対象と
なるのは、今回到着した記事同士の組合せである。

【０１５７】到着した記事全てについて類似度計算を行
ってもよいが、以後、より計算コストの低い、今回記事
選出部１５により選出された記事同士についてのみ類似
度計算を行う場合について説明する。

【０１５８】今回の記事同士について類似度計算を行う
点では、実施形態１と同じであるが、実施形態１が情報
源の異なる記事間に対して計算を行っていたのに対し、
ここではそのような限定はしていない。

【０１５９】図１５のように記事選出部１５により４つ
の記事が選出された場合、記事間類似度計算部１６は、
それら記事を記事情報記憶部１８から読取り（ステップ
Ｓ１０１）、記事Ａと記事Ｂ、記事Ａと記事Ｃ、記事Ａ
と記事Ｄ、記事Ｂと記事Ｄといったように全ての組合せ
について類似度計算を行う（ステップＳ１０２）。

【０１６０】また、一定の条件を満たす記事のみ類似度
計算の対象としてもよい。

【０１６１】図３６には、提示情報生成部１７の処理の
流れが示されている。

【０１６２】提示情報生成部１７は、記事情報記憶部１
８から、記事情報選出部１５により選出された記事の情
報及び記事間類似度計算部１６により計算された記事間
類似度を読み込む（ステップＳ１１１，Ｓ１１２）。そ
して、提示情報生成部１７は、今回の記事の本文情報を
今回の他の関連記事の情報とともにユーザに提示する
（ステップＳ１１３，Ｓ１１４）。

【０１６３】図３７に、今回の記事の本文情報を今回の
他の関連記事の情報とともに提示する例を示す。

【０１６４】この例では、１５日付の「半導体協議の
…」という記事の本文情報に加えて、同じ１５日付けの
半導体に関する記事の情報が付加情報として与えられて
いる。これにより、実施形態１における重複記事が表示
されてしまう可能性があるが、このような場合には実施
形態１の重複記事削除処理を行ってもよい。

【０１６５】また、図３７の付加情報のエリアに表示さ
れている「××社 半導体シェア独占…」という記事の
本文情報を見るときには、図３８のように「半導体協議
の…」という記事が付加情報のエリアに表示されること
になる。

【０１６６】また、実施形態１で示した図２１〜２３
は、この例の図３７及び図３８の変形例にもなってい
る。

【０１６７】すなわち、実施形態１と同様に、ユーザが
当日の関連記事の本文に直接アクセスできるようにする
ことが考えられる。

【０１６８】（記事間類似度の記事提示順序への反映）
これまでは、主に個々の記事をユーザに提示する際の関
連記事情報の付加について述べてきたが、今回の記事同
士の記事間類似度を利用して、ユーザに提示する記事の
順序を決定することも可能である。

【０１６９】図３９に、記事間類似度を記事の提示順序
に反映させる例を示す。

【０１７０】この例では、ユーザプロファイルは半導体
技術、低価格パソコン、人工知能という３つの異なる分
野に関する語の集合であるとする。

【０１７１】これにより検索を行うと、図３９（ａ）の
ように、３つの異なる分野の記事が混在した検索結果が
得られる。

【０１７２】ここで、例えば上位８件、あるいはユーザ
プロファイルとの類似度が０．８０以上の記事を選択
し、そのままの順序でユーザに提示すると、ユーザは半
導体、低価格パソコン、人工知能、半導体、低価格パソ
コン、のような順序で記事を読むことになってしまう場
合がある。

【０１７３】ユーザプロファイルとの類似度が近い順に
記事を読むことが有効な場合もあると考えられるが、こ
のように複数分野の記事が混在している場合には、図３
９（ｂ）のように、内容の類似した記事を集め、それを
ひとかたまりにして表示した方がユーザにとって分りや
すいと考えられる。

【０１７４】この例では、半導体に関する記事が初めの
３件、低価格パソコンに関する記事が次の３件、そして
残りの２件が人工知能に関するものとなっている。

【０１７５】以上のように、この実施形態１のシステム
では、頻度ベクトルなどを使用して記事間でその表現を
比較することによって記事同志の類似度が算出され、そ
の類似度に従って、ユーザに提示される記事に関連する
関連記事が決定される。この関連記事の情報は、ユーザ
に提示される記事の本文情報に付加されてユーザに送ら
れる。類似度計算を行う対象としては、今回提示されて
いる記事同士、または今回到着した記事と前回までに到
着した記事との間で行うことが好ましい。これにより、
今回提示されている記事同士の関係や、今回提示されて
いる記事と過去のフィルタリングで提示された記事との
関係が明確になり、記事同士の関連性などをユーザに知
らせることができる。

【０１７６】また、記事同志の類似度を算出することに
よって重複記事の存在を調べれば、重複記事の本文情報
についてはユーザに提示せずに、その重複記事の見出し
などの情報だけを関連記事情報として付加してユーザに
提示することもできる。これにより、例えば異なる複数
の情報源から得られた同一内容に関する記事が、重複し
てユーザに提示されることを自動的に回避することがで
きる。

【０１７７】よって、一回の情報フィルタリングでユー
ザに複数の記事を提示する際、記事間の関係を明確にし
て提示できるようになり、ユーザにとって記事内容の理
解が容易になると考えられる。

【０１７８】（実施形態２）次に、この発明の情報フィ
ルタリングシステムの第２の実施形態について説明す
る。このシステム全体の構成は、図１と同様であり、ユ
ーザ毎にユーザプロファイルが保持しており、そのユー
ザプロファイルを利用して記事の検索が行われる。ここ
で、ユーザプロファイルとは、前述したように、ユーザ
の関心が高いトピックに適合する記事を検索するための
検索条件のことをいう。

【０１７９】図４０に、実施形態２で使用されるユーザ
プロファイルの概念図を示す。

【０１８０】この例では、あるユーザＡは「半導体技
術」、「半導体貿易」という２つのトピックを選択して
いる。また別のユーザＢは、「半導体貿易」、「低価格
パソコン」、「人工知能」という３つのトピックを選択
している。

【０１８１】このとき、ユーザＡのユーザプロファイル
は、「半導体技術」に関する記事を検索するための検索
条件及び「半導体貿易」に関する記事を検索するための
検索条件から構成される。同様に、ユーザＢのユーザプ
ロファイルは、「半導体貿易」に関する記事の検索条
件、「低価格パソコン」に関する記事の検索条件、及び
「人工知能」に関する記事の検索条件から構成される。

【０１８２】図４１には、実施形態２に係わる情報フィ
ルタリングセンタ１の構成が示されている。情報フィル
タリングセンタ１は、図示のように、ユーザプロファイ
ル生成部２１、トピック記憶部２２、記事情報抽出部２
３、記事検索部２４、記事選出部２５、付加情報生成部
２６、および記事情報記憶部２７から構成されている。
これら構成要素のうち、破線で囲まれているユーザプロ
ファイル生成部２１、記事情報抽出部２３、記事検索部
２４、記事選出部２５、付加情報生成部２６は、例えば
図１の中央処理装置１４によって実行されるソフトウェ
アによって実現でき、またトピック記憶部２２および記
事情報記憶部２７は記憶装置５によって実現できる。

【０１８３】ユーザプロファイル生成部２１は、入力と
して個々のユーザの要求・興味を受けつける。ユーザの
要求・興味は、「○○と××に関する記事が読みたい」
といった自然言語や、興味のあるトピックに頻出するキ
ーワードの集合や、それらに優先順位や重みをつけたも
の、または通常の文書検索における検索式のようなもの
で表される。

【０１８４】ユーザプロファイル生成部２１は、これに
対して単語抽出、同義語展開などの言語処理を行い、検
索が可能となるような形式に変換してユーザプロファイ
ルを作成する。ユーザプロファイルはユーザ毎にトピッ
ク記憶部２２に記憶される。また、ユーザプロファイル
生成部２１は、既にユーザに送信された各記事がユーザ
にとって有用であったか否かなどの情報についてユーザ
からフィードバックを受け、その情報を反映してトピッ
ク記憶部２２の検索条件を修正するというレレバンスフ
ィードバック機能も有している。

【０１８５】記事情報抽出部２３は、入力として情報源
から到着した記事を受けつけ、これに対して形態素解
析、構文解析、書式解析などを行い、記事の情報源や日
付、文字や単語その他の文書構成要素の頻度情報や出現
位置、５Ｗ１Ｈ的な情報などの抽出を行う。そして、記
事をこれらの抽出された情報の集合体として表現する。
例えば、出現した単語の頻度を要素とするベクトルによ
り記事を表現したり、５Ｗ１Ｈのテンプレートに実現値
を代入したものにより表現したりする。このような記事
の表現例は、それぞれ図６および図７で説明した実施形
態１のものと同じである。

【０１８６】記事情報抽出部２３は、記事検索を高速に
実現するためのインデクシング処理も行う。記事情報抽
出部２３により抽出された記事情報は、記事情報記憶部
２７に記憶される。

【０１８７】次に、図４２を参照して、記事検索部２４
の処理の流れを説明する。

【０１８８】記事検索部２４は、トピック記憶部２２に
記憶されている各トピックの検索条件と、記事情報抽出
部２３によって抽出された記事情報とを参照し、各トピ
ックに適合する到着記事を検索する。これは、トピック
と到着記事との類似度を算出することに相当する。この
類似度は、検索の方式によって「トピックに適合する」
「トピックに適合しない」などの離散値をとる場合もあ
るし、よく適合している記事ほど類似度の値が高くなる
ように連続値をとる場合もあるが、ここでは、より一般
的である類似度が連続値をとる場合について説明する。

【０１８９】記事検索部２４は、各トピックについて、
以下の処理を行う。

【０１９０】まず、記事検索部２４は、変数ｉに１を代
入した後（ステップＳ１２１）、ｉ番目のトピック（ト
ピック１）の検索条件をトピック記憶部２２から取り出
す（ステップＳ１２２）。この後、記事検索部２４は、
変数ｊに１を代入した後（ステップＳ１２３）、トピッ
クｉ（トピック１）と到着記事ｊ（到着記事１）との類
似度を計算し、満足された検索条件の情報と共に類似度
を記事情報記憶部２７に格納する（ステップＳ１２
４）。この類似度計算は、通常の検索処理に相当するも
ので、記事情報記憶部１８に格納されている記事の表現
や検索インデックスが参照される。

【０１９１】次いで、記事検索部２４は、変数ｊの値を
＋１更新した後、そのときのｊの値が到着記事数よりも
大きいか否かを調べ（ステップＳ１２５，Ｓ１２６）、
大きくない場合には類似度計算されてない記事が残って
いると認識し、ｊの値が到着記事数よりも大きくなるま
で、ステップＳ１２４〜Ｓ１２６を繰り返す。到着した
全ての記事に対してトピックｉとの類似度の計算が終わ
ると、記事検索部２４は、到着した記事をユーザプロフ
ァイルとの類似度が高い順にソートし、記事のランキン
グを行う（ステップＳ１２７）。このランキングの結果
は、記事情報記憶部２７に記憶される。

【０１９２】この後、記事検索部２４は、変数ｉの値を
＋１更新した後、そのときのｉの値が全トピック数より
も大きいか否かを調べ（ステップＳ１２８，Ｓ１２
９）、大きくない場合には類似度計算されてないトピッ
クが残っていると認識し、ｉの値が全トピック数よりも
大きくなるまで、ステップＳ１２２〜Ｓ１２９を繰り返
す。

【０１９３】図４３は、記事検索部２４によりランキン
グされたトピックｉに対する到着記事の概念図を示す。
このように、到着記事はトピック毎にランキングされ
る。

【０１９４】図４４には、記事選出部２５の処理の流れ
が示されている。

【０１９５】記事選出部２５は、記事検索部２４により
記事情報記憶部２７に格納された各トピックの検索結果
の中から、各ユーザに提示する記事を選出する。

【０１９６】すなわち、まず、記事選出部２５は、変数
ｉに１を代入した後（ステップＳ１３１）、ユーザｉ
（ユーザ１）のユーザプロファイルをトピック記憶部２
２から取り出す（ステップＳ１３２）。この後、記事選
出部２５は、変数ｊに１を代入した後（ステップＳ１３
３）、ユーザｉのトピックｊ（トピック１）の検索結果
を記事情報記憶部２７から取り出し、その中からユーザ
に提示する記事を選出する（ステップＳ１３５）。記事
の選出の方法としては、例えば、ユーザに提示する記事
の件数Ｎをユーザ側があるいはセンタ側が予め定めてお
き、ランキング上位Ｎ件を提示することにしたり、ある
いは、ユーザプロファイルとの類似度がある閾値以上の
記事を提示することにするなどが考えられる。選出され
た記事の情報は、記事情報記憶部２７に格納される。

【０１９７】次いで、記事選出部２５は、変数ｊの値を
＋１更新した後、そのときのｊの値がユーザｉの指定し
たトピック数よりも大きいか否かを調べ（ステップＳ１
３６，Ｓ１３７）、大きくない場合には選出されてない
他のトピックの検索結果が残っていると認識し、ｊの値
がユーザｉのトピック数よりも大きくなるまで、ステッ
プＳ１３４〜Ｓ１３７を繰り返す。ユーザｉのすべての
トピックに対しての記事選出が終わると、記事選出部２
５は、変数ｉの値を＋１更新した後、そのときのｉの値
が全ユーザ数よりも大きいか否かを調べ（ステップＳ１
３８，Ｓ１３９）、大きくない場合には記事選出されて
ないユーザが残っていると認識し、ｉの値が全ユーザ数
よりも大きくなるまで、ステップＳ１３２〜Ｓ１３９を
繰り返す。

【０１９８】このような処理により、例えば、図４５の
ように、「半導体貿易」、「低価格パソコン」、「人工
知能」という３つのトピックを選択しているユーザに対
しては、「半導体貿易」の検索結果、「低価格パソコ
ン」の検索結果、「人工知能」の検索結果の３つが取り
出され、これらのうち上位の記事の中からユーザに提示
するものが選出される。

【０１９９】図４６には、付加情報生成部２６の処理の
流れが示されている。

【０２００】付加情報生成部２６は、全てのユーザに対
して以下を行う。

【０２０１】まず、付加情報生成部２６は、変数ｉに１
を代入した後（ステップＳ１４１）、ユーザｉ（ユーザ
１）のユーザプロファイルをトピック記憶部２２から取
り出す（ステップＳ１４２）。次に、付加情報生成部２
６は、記事選出部２５によって選出されたユーザ１に提
示する記事と、これらの記事が満足した検索条件に関す
る情報とを記事情報記憶部２７から取り出す（ステップ
Ｓ１４３）。

【０２０２】ここで、記事が満足した検索条件に関する
情報とは、その記事がユーザの選択したトピックのうち
いずれに適合したか、トピックの検索条件の中のどのよ
うな条件に適合したか、などの情報をいう。検索条件と
は、どのような言語表現が記事中のどのような位置に、
どのような頻度で含まれていたか、記事の主題・行為や
その動作主は何かなどの記事が満たすべき条件を、通常
の文書検索で用いるブール式や自然言語、その他の記事
検索部により処理が可能な形式で記述したものをいう。

【０２０３】この後、付加情報生成部２６は、記事選出
部２５によって選出された記事に、これらの記事が満足
した検索条件に関する情報を付加してユーザｉに提示す
る（ステップＳ１４４）。そして、付加情報生成部２６
は、変数ｉの値を＋１更新した後、そのときのｉの値が
全ユーザ数よりも大きいか否かを調べ（ステップＳ１４
５，Ｓ１４６）、大きくない場合には付加情報が生成さ
れてないユーザが残っていると認識し、ｉの値が全ユー
ザ数よりも大きくなるまで、ステップＳ１４２〜Ｓ１４
６を繰り返す。

【０２０４】図４７には、あるユーザのために選出され
た記事の記事見出しのリストに、各記事が適合したトピ
ックの情報を付加してそのユーザに提示した表示例が示
されている。

【０２０５】ここでは、ユーザは「半導体貿易」、「低
価格パソコン」、「人工知能」という３つのトピックを
選択しているものとする。

【０２０６】この例では、ユーザに６つの記事の記事見
出しが提示されており、これらの記事のうち３つが「半
導体貿易」に適合した記事、２つが「低価格パソコン」
に適合した記事、そして残りの１つが「半導体貿易」と
「低価格パソコン」の両方に適合した記事になってい
る。

【０２０７】このように、ひとつの記事が複数のトピッ
クに適合する場合があっても、その記事が提示された根
拠が表示される。

【０２０８】また、この例では、各行の最後の欄に、記
事検索部２４により検索時に計算された、適合したトピ
ックと記事との類似度の値が表示されている。

【０２０９】記事番号６の記事は、２つのトピックに適
合したため、「半導体貿易」との類似度は１．０５、
「低価格パソコン」との類似度は０．８０、というよう
に２つの類似度が表示されている。

【０２１０】図４８に、図４７と同じユーザに対して各
トピックに適合した記事の件数情報を提示した表示例を
示す。

【０２１１】図４８（ａ）では、ユーザの選択している
各トピックに適合した記事の件数情報を表形式で表示し
ている。

【０２１２】「半導体貿易」に適合した記事は、図４７
における記事番号１、２、３、及び６の記事であるの
で、記事数は４と表示されている。同様に、「低価格パ
ソコン」に適合した記事は、図４７における記事番号
４、５、及び６の記事であるので、記事数は３と表示さ
れている。また、この例では「人工知能」に適合する記
事はないので、記事数は０となっている。

【０２１３】ユーザに提示された記事数は、「半導体貿
易」の４件と「低価格パソコン」の３件のうち１件重複
があるので６件となっている。

【０２１４】また、この変形例として、図４７の記事番
号６のように複数のトピックに適合した記事の件数は別
個にカウントするようにしてもよい。

【０２１５】この場合、例えば図４８（ａ）の「半導体
貿易」の件数は、このトピックのみに適合した記事の件
数という意味で３件となる。

【０２１６】図４８（ｂ）では、ユーザの選択している
各トピックに適合した記事の件数情報をベン図形式で表
示している。

【０２１７】この例では、図４７における記事番号１、
２、３の３つの記事が「半導体貿易」のみに適合した記
事であり、記事番号４、５の２つの記事が「低価格パソ
コン」のみに適合した記事であり、記事番号６の記事が
両方に適合した記事であることが明示されている。

【０２１８】この例では、図４８（ａ）に比べ、各トピ
ックの適合件数と全記事数との関係がより明確になって
いる。

【０２１９】図４９に、あるユーザのために選出された
記事の要約文・抜粋文あるいは本文をトピック別にまと
めてそのユーザに提示した表示例を示す。

【０２２０】ここで、要約文とは、もとの記事の本文を
加工して要点がつかめるようにしたテキストをいい、抜
粋文とは、もとの記事の本文の一部を加工せずに抜き出
したテキストをいう。

【０２２１】この例では、「半導体貿易」に関する３つ
の記事が並べて最初に表示されており、その後に「低価
格パソコン」に関する記事が続いている。

【０２２２】以上の説明のように、ユーザに提示する各
記事がどのトピックに適合したのかを明示することによ
り、ユーザは記事の内容理解や、どの記事を読み、どの
記事を読まないかなどの判断が容易になり、より効率的
な情報収集ができると考えられる。

【０２２３】図５０に、記事が満足した検索条件に関す
る情報を記事本文のヘッダ情報として付加してユーザに
提示した表示例を示す。

【０２２４】この例では、表示中の記事が、ユーザの選
択しているトピックのうち「半導体貿易」に適合したも
のであることが「該当トピック」の行に明示されてい
る。

【０２２５】その下には、「半導体貿易」と記事との類
似度が１．３２であったことが表示されている。

【０２２６】さらに、「半導体貿易」に関する記事を検
索するために用いられた検索条件と、これらの条件のう
ち表示中の記事が満足したものが並べて表示されてい
る。

【０２２７】また、図５０の本文中では、テキストの一
部が強調表示されている。

【０２２８】ここで、強調表示とは、アンダーラインな
どの付加記号を伴った表示、異なる字体や大きさの文字
による表示、異なる色による表示など、一般にテキスト
の一部を他の部分よりも目立たせる手段を用いた表示を
いう。

【０２２９】この例では、「半導体貿易」というトピッ
クに適合する記事を検索するための検索条件として、
「半導体、ＩＣ、調達などの単語を本文中に含む」とい
う条件が設定されていたものとする。

【０２３０】記事は上記の条件を実際に満たしているの
で、このことを明示するために本文一文目の「半導
体」、「ＩＣ」、「調達」という単語が強調表示されて
いる。

【０２３１】また、この変形例として、例えば「記事見
出し」の行の「ＩＣ」という単語を強調表示してもよ
い。

【０２３２】このような強調表示により、ユーザは、表
示中の記事がどのような根拠に基づいて検索され、提示
されたのか理解することができる。

【０２３３】また、強調表示されている部分のテキスト
は、内容的に重要であることが多いので、ユーザは拾い
読みにより効率的に記事内容を把握することが可能にな
ると考えられる。

【０２３４】これは、例えば、レレバンス・フィードバ
ックのために提示された記事の有用性を判定する作業の
効率化にもつながる。

【０２３５】図５１、５２、５３に、適合した検索条件
を記事中に強調表示することにより記事の有用性の判定
が効率的になる例を示す。

【０２３６】図５１（ａ）は、「自然言語処理」という
トピックに適合する記事を検索するための検索条件の例
である。

【０２３７】この例では、記事の本文中に「自然言語処
理」、「ＮＬ」、「機械翻訳」、「かな漢字変換」とい
う言語表現が出現するとその記事の得点が高くなる。

【０２３８】また、「自然言語」と「解析」という表現
が同一の文中に出現すると、その記事の得点が高くな
る。

【０２３９】この他、記事を検索するための様々な条件
が記されているものとする。

【０２４０】図５１（ｂ）は、図５１（ａ）の検索条件
を用いて検索され、ユーザに提示された記事の例であ
る。この記事は「本文中に自然言語処理という言語表現
を含む」という検索条件を満たしているので、記事中の
「自然言語処理」という表現が強調表示されている。こ
こで、強調表示されている「自然言語処理」という表現
を含む文の辺りを読んでみると、「このソフトウェア
は、自然言語処理は用いずに、簡単な文字列マッチング
により検索を行う。」と書いてあるので、実際には自然
言語処理に関する記事ではないことがすぐにわかる。

【０２４１】ユーザはこの時点でこの記事を読む必要が
ないと判断できるので、有用そうな記事のみを読んで情
報収集を行ったり、効率的にレレバンス・フィードバッ
クを行ったりできる。

【０２４２】図５２も、図５１と同様に、記事が有用で
ないことを迅速に判断する例である。

【０２４３】この例での検索対象は英文テキストであ
り、「ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃ
ｅ（人工知能）」というトピックの検索条件が図５２
（ａ）である。

【０２４４】ここでは、「ａｒｔｉｆｉｃｉａｌ」、
「ｉｎｔｅｌｌｉｇｅｎｃｅ」などの単語を含む記事の
得点が高くなるようにしている。

【０２４５】図５２（ｂ）は、図５２（ａ）の検索条件
を用いて検索されユーザに提示された記事の例であり、
「ａｒｔｉｆｉｃｉａｌ」という語が強調表示されてい
る。図５１と同様に、強調表示された語の周辺のみを拾
い読みすることにより、この記事は「ａｒｔｉｆｉｃｉ
ａｌ ｈａｎｄ（義手）」に関するものであって「ａｒ
ｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ」とは無
関係であるということが瞬時にしてわかる。

【０２４６】図５１、５２が有用でない記事の表示例で
あるのに対し、図５３はユーザにとって有用である記事
の表示例である。

【０２４７】図５３（ａ）は、「パソコン新製品」とい
うトピックに適合する記事を検索するための検索条件で
あり、記事に出現する単語として「ノートパソコン」、
「ラップトップ」、「デスクトップ」などのパソコンの
種類を表す表現や、「○○社」、「△△社」など、パソ
コンメーカーの名前などが指定されている。

【０２４８】図５３（ｂ）は、図５３（ａ）のような検
索条件により検索を行った結果得られ、ユーザに提示さ
れた記事の表示例である。

【０２４９】「△△社」が強調表示されているので、こ
の記事で紹介されているパソコンのメーカーは○○社な
どのものではなく△△社のものであることがひと目でわ
かる。

【０２５０】同様に、「ノートパソコン」が強調表示さ
れているので、発売したパソコンの種類はラップトップ
やデスクトップなどではなくノートパソコンであること
がひと目でわかる。このように、提示されている記事が
ユーザにとって有用である場合にも、記事の内容を把握
することが容易になると考えられる。

【０２５１】図５０において、トピック検索条件と、そ
のうち記事が満足した検索条件をユーザに提示する例を
示したが、これらの表示方法の例を説明する。

【０２５２】図５４は、「半導体貿易」というトピック
に適合する文書を検索するための検索条件の具体例であ
る。

【０２５３】一行目の条件は、通常の文書検索で用いら
れるブール式の例であり、「半導体」「貿易」などの言
語表現がＡＮＤやＯＲなどの演算子で結合されている。

【０２５４】２行目の条件は、「半導体」と「貿易」と
いう言語表現が同一文中に出現するという条件を表して
いる。

【０２５５】また、例えば４行目の条件は、記事の記事
見出し文字列の中に「半導体」、「メモリー」、「Ｉ
Ｃ」などの言語表現が出現するという条件を表してい
る。

【０２５６】図５４のような検索条件により検索されユ
ーザに提示された図５０のような記事には、例えば図５
５のような情報を付加して表示する。

【０２５７】この例では、現在表示中の記事は「半導体
貿易」というトピックに適合したものであることが明示
されており、図５４に示した「半導体貿易」のトピック
検索条件がそのままユーザに提示されている。

【０２５８】そして、その下には、実際に記事が満足し
た条件が列挙されている。例えば、図５０の第１文には
「半導体」と「調達」という言語表現が出現しているの
で、図５５の「記事１が満足した検索条件」のところに
は、満足された条件である「第１文：半導体（１回）、
調達（１回）」が表示されている。

【０２５９】ここで、「（１回）」は出現回数を表す。

【０２６０】また、トピック検索条件の「単語：」とい
う行に記された言語表現のうち、記事中に実際に出現し
たものは「半導体」、「ＩＣ」、「調達」の３つであっ
たことが「記事１が満足した検索条件」の「単語：」と
いう行に表示されている。

【０２６１】同時に、これらの出現した位置や、出現回
数などの情報が表示されている。

【０２６２】さらに、トピック検索条件の１行目の
「（半導体ＯＲメモリー）ＡＮＤ（貿易ＯＲ調達）」と
いうブール式は、図５０の記事中に「半導体」と「調
達」という表現が出現しているために満足されているの
で、「記事１が満足した検索条件」ではこのブール式が
表示され、さらにその中の「半導体」と「調達」という
表現が強調表示されている。

【０２６３】図５６に、図５５の変形例を示す。

【０２６４】図５５がトピック検索条件と記事が実際に
満足した検索条件とを別々に表示しているのに対し、図
５６ではトピック検索条件の中に記事が満足した検索条
件を埋め込む形で表示している。

【０２６５】この例では、「半導体」や「調達」などの
実際に満足された条件の語が強調表示されている。

【０２６６】これにより、トピック検索条件のうち何パ
ーセントくらいの条件が記事によって満たされているか
がおおまかに把握できる。

【０２６７】以上のように、表示中のトピックの検索条
件と、そのうち記事が実際に満足している検索条件の情
報を提示することにより、その記事の有用性を判断しな
がら拾い読みをしたり、内容の把握を容易にすることが
可能であると考えられる。

【０２６８】また、記事がどのような根拠から検索され
提示されたのかがユーザにわかるようになるので、ユー
ザはよりきめ細かで効果的なレレバンス・フィードバッ
ク用情報を情報フィルタリングサービス側に返すことが
可能になると考えられる。

【０２６９】（実施形態２の変形例１）次に、記事検索
部２４及び付加情報生成部２６の他の構成例について説
明する。

【０２７０】まず、記事検索部２４は、変数ｉに１を代
入した後（ステップＳ１５１）、ｉ番目のトピック（ト
ピック１）の検索条件をトピック記憶部２２から取り出
す（ステップＳ１５２）。この後、記事検索部２４は、
変数ｊに１を代入した後（ステップＳ１５３）、トピッ
クｉ（トピック１）と到着記事ｊ（到着記事１）との類
似度を計算し、記事情報記憶部２７に格納する（ステッ
プＳ１５４）。この類似度計算は、通常の検索処理に相
当するもので、記事情報記憶部１８に格納されている記
事の表現や検索インデックスが参照される。

【０２７１】ここで、実施形態２の図４２との違いは、
各記事が満足した検索条件に関する情報を必ずしも記事
情報部２７に記憶する必要がないという点だけである。

【０２７２】これは、実施形態２が、ユーザに提示する
記事にその記事が何故検索されたかという情報を付加し
て提示するものであるのに対し、この変形例では、ユー
ザに提示する記事に、他のユーザがその記事をどのよう
に読んでいるかという情報を付加して提示するものであ
るためである。

【０２７３】次いで、記事検索部２４は、変数ｊの値を
＋１更新した後、そのときのｊの値が到着記事数よりも
大きいか否かを調べ（ステップＳ１５５，Ｓ１５６）、
大きくない場合には類似度計算されてない記事が残って
いると認識し、ｊの値が到着記事数よりも大きくなるま
で、ステップＳ１５４〜Ｓ１５６を繰り返す。到着した
全ての記事に対してトピックｉとの類似度の計算が終わ
ると、記事検索部２４は、到着した記事をユーザプロフ
ァイルとの類似度が高い順にソートし、記事のランキン
グを行う（ステップＳ１５７）。このランキングの結果
は、記事情報記憶部２７に記憶される。

【０２７４】この後、記事検索部２４は、変数ｉの値を
＋１更新した後、そのときのｉの値が全トピック数より
も大きいか否かを調べ（ステップＳ１５８，Ｓ１５
９）、大きくない場合には類似度計算されてないトピッ
クが残っていると認識し、ｉの値が全トピック数よりも
大きくなるまで、ステップＳ１５２〜Ｓ１５９を繰り返
す。

【０２７５】図５８に、付加情報生成部２６の処理の流
れを示す。

【０２７６】付加情報生成部２６は、全てのユーザに対
して以下の処理を行う。

【０２７７】まず、付加情報生成部２６は、変数ｉに１
を代入した後（ステップＳ１６１）、ユーザｉ（ユーザ
１）のユーザプロファイルをトピック記憶部２２から取
り出す（ステップＳ１６２）。次に、付加情報生成部２
６は、記事選出部２５によって選出されたユーザ１に提
示する記事と、これらの記事を受信する他のユーザに関
する情報とを記事情報記憶部２７から取り出す（ステッ
プＳ１６３）。

【０２７８】この後、付加情報生成部２６は、記事選出
部２５によって選出された記事に、これらの記事を受信
する他のユーザに関する情報を付加してユーザｉに提示
する（ステップＳ１６４）。そして、付加情報生成部２
６は、変数ｉの値を＋１更新した後、そのときのｉの値
が全ユーザ数よりも大きいか否かを調べ（ステップＳ１
６５，Ｓ１６６）、大きくない場合には付加情報が生成
されてないユーザが残っていると認識し、ｉの値が全ユ
ーザ数よりも大きくなるまで、ステップＳ１６２〜Ｓ１
６６を繰り返す。

【０２７９】例えば、図５９のように、どのユーザにど
の記事を送信するかという情報が記事選出部２５により
格納されていたとする。

【０２８０】この例では、例えばユーザ１には記事１、
２を提示することが、ユーザ２には記事２、３、４を提
示することが記されている。

【０２８１】付加情報生成部２６は、ユーザ１に記事１
を提示する際に、記事１を受信する他のユーザであるユ
ーザ３、４に関する情報を付加して提示する。例えば記
事１の受信人数を提示する場合、ユーザ１、３、４の３
人という情報を付加したり、ユーザ１を除いた２人とい
う情報を付加したりする。

【０２８２】同様に、ユーザ１に記事２を提示する際に
は、ユーザ２、ユーザ４に関する情報を付加して提示す
る。

【０２８３】図６０に、あるユーザのために選出された
記事の記事見出しのリストに、記事を受信した他のユー
ザに関する情報を付加してそのユーザに提示した表示例
を示す。

【０２８４】この例では、情報フィルタリングサービス
の全ユーザ数は４，０００人となっている。

【０２８５】そして、例えば記事番号１の記事を受信し
たユーザ数は２５０人だということがわかる。

【０２８６】図６１に、あるユーザのために選出された
記事の要約文または抜粋文に記事を受信した他のユーザ
に関する情報を付加して提示した表示例を示す。

【０２８７】図６０と同様に受信ユーザ数の情報が示さ
れている。

【０２８８】図６２に、記事を受信した他のユーザに関
する情報を記事本文のヘッダ情報として付加しユーザに
提示した例を示す。

【０２８９】全４，０００人のユーザ中、２５０人が表
示中の記事を受信していることが明示されている。

【０２９０】図６３に図６２の変形例を示す。

【０２９１】この例では、記事の受信ユーザ数の内訳が
表示されている。

【０２９２】表示中の記事を受信した２５０人のうち１
５０人が男性、１００人が女性であり、２００人が日本
人、３０人が米国人、２０人がその他の国のユーザであ
ることがわかる。

【０２９３】さらに、２５０人のうち、１８０人は「半
導体貿易」というトピックを選択しているユーザ、５０
人は「ＩＣ」というトピックを選択しているユーザ、２
０人は「半導体貿易」と「ＩＣ」の両方を選択している
ユーザであることがわかる。この他、受信者の所属や年
齢層など、プライバシー侵害にならない程度の統計情報
を表示するようにしてもよい。

【０２９４】以上の説明のように、現在表示中の記事
を、他のどのようなユーザが何人受信しているかという
情報がわかれば、その記事がどのくらい一般的な記事で
あるか、または特殊なユーザ層にだけ読まれる記事であ
るかがわかり、ユーザにとってどれくらい有用な記事で
あるかの判断材料となると考えられる。

【０２９５】例えば、図６０のような記事情報を受信し
たユーザが、６つの記事全てを読んでいる時間がない場
合、とりあえず一般常識的な情報だけを収集しようとし
て、記事番号４の記事のように多くのユーザが読んでい
る記事だけを読むといった使い方が考えられる。

【０２９６】図６４に、あるユーザや他のユーザが前回
に行ったレレバンス・フィードバック情報を今回提示す
る記事情報に付加して提示する表示例を示す。

【０２９７】この例では、今回到着した記事はｂ１〜ｂ
４の４件であり、ユーザはこれらの全てあるいは一部に
対して有用性の判定を行い、レレバンス・フィードバッ
クを行おうとしているものとする。

【０２９８】例えば、ユーザが記事ｂ１に対して「有用
ではない」という判定を行い、この情報を情報フィルタ
リングセンタ１側に送信すれば、情報フィルタリングセ
ンタ１側は記事ｂ１のようなトピックの記事の優先度を
下げるなどしてユーザプロファイルを修正し、次回から
はユーザの要求に合致した記事がより多く提示されるよ
うにすることが可能である。

【０２９９】図６４では、この有用性の判定の参考情報
として、ユーザが前回あるいはそれ以前に行った有用性
判定に関する情報と、他のユーザの有用性判定に関する
情報が提示されている。

【０３００】この例では、ユーザが前回受信し、有用性
判定を行った記事はａ１〜ａ６の６件あり、例えばユー
ザは記事ａ１に対しては「有用である」、記事ａ３に対
しては「不要である」という判定をしたことがわかる。

【０３０１】一般に、人間による有用性の判定には一貫
性がなく、同じような記事に対してもあるときは「有用
である」とし、またあるときは「やや有用である」、と
いうように違った判断をしてしまうことがあると考えら
れる。

【０３０２】このように一貫性に欠ける判定情報をフィ
ードバックしてユーザプロファイルを修正しても、より
よいフィルタリングが行われるようになる保証はない。

【０３０３】この例のように、本人がこれまでに行って
きた有用性判定情報にアクセスを許すことにより、今回
の有用性の判定の信頼性や効率を高めることができると
考えられる。また、ユーザの要求が時とともに変化した
場合でも、自分の過去のフィードバック結果を参照しな
がら意識的に有用性判定の方針を変えるといった使いか
たも考えられる。

【０３０４】また、図６４では、本人の過去の判定情報
に加えて、他のユーザの判定情報が表示されている。

【０３０５】例えば、記事ａ１は、他の２５０人のユー
ザによっても受信され、有用性の判定が行われており、
このうち１００人が「有用である」と判定し、１００人
が「やや有用である」と判定し、５０人が「不要であ
る」と判定したことがわかる。このように、他のユーザ
が過去に行った有用性判定の情報を参照して、自分のこ
れからの有用性判定の参考にしたり、また、自分が過去
に行った有用性判定を直接訂正し、レレバンス・フィー
ドバックを再度実行してもらうなどが可能となる。

【０３０６】これによりより信頼性が高く効率のよいレ
レバンス・フィードバックが行えると考えられる。

【０３０７】図６４の変形例を図６５に示す。

【０３０８】図６４ではユーザが「有用」「やや有用」
「不要」という離散的な評価値により有用性を判定して
いるのに対し、図６５では連続的な得点により判定して
いる。

【０３０９】「前回のｒｅｌｅｖａｎｃｅ ｆｅｅｄｂ
ａｃｋ情報」の、他のユーザの判定情報のところには、
他のユーザがつけた得点の平均値が表示されている。

【０３１０】例えば、今回の記事ｂ１の内容が、前回の
記事ａ１の内容に似たものである場合、ユーザは、前回
のａ１に対する自分の判定が１０点であったことから、
今回のｂ１に対しても高得点を与えるといった使い方が
考えられる。

【０３１１】また、前回の記事ａ５の行を見ると、自分
は１点という低い評価を行ったのに対して、他のユーザ
の平均値は７．４点と比較的高い値になっている。

【０３１２】そこで、ユーザは、自分のａ５に対する有
用性の評価を撤回して、新たに評価値を付与しなおすと
いった使い方が考えられる。

【０３１３】このように、実施形態２のシステムでは、
提示されている記事がユーザの選択したトピックのうち
いずれに適合したものであるかなど、提示されている記
事がいかなる検索条件を満足したのかがユーザに明示さ
れるため、何故その記事が提示されているかがユーザに
分かりやすくなり、記事の有用性の判定が容易になる。
したがって、既にユーザに送信された各記事がユーザに
とって有用であったか否かなどの情報についてユーザか
らフィードバックを受け、その情報を反映して検索条件
を修正するレレバンスフィードバック機能をより有効利
用できるようになる。

【０３１４】また、記事が選択された根拠の代わりに、
提示されている記事が他のユーザによってどのように読
まれているかをユーザに提示することによっても、他の
ユーザの判断を参考にしたレレバンス・フィードバック
が可能になり、レレバンスフィードバックの有効利用を
図ることができる。

【０３１５】（実施形態３）次に、この発明の情報フィ
ルタリングシステムの第３の実施形態について説明す
る。このシステム全体の構成は、図１と同様であり、ユ
ーザ毎にユーザプロファイルを保持しており、そのユー
ザプロファイルを利用して記事の検索が行われる。ここ
で、ユーザプロファイルとは、前述したように、ユーザ
の関心が高いトピックに適合する記事を検索するための
検索条件のことをいう。

【０３１６】図６６には、実施形態３に係わる情報フィ
ルタリングセンタ１の構成が示されている。情報フィル
タリングセンタ１は、図示のように、ユーザプロファイ
ル生成部３１、トピック記憶部３２、記事情報抽出部３
３、記事検索部３４、記事選出部３５、要約・抄録生成
部３６、および記事情報記憶部３７から構成されてい
る。これら構成要素のうち、破線で囲まれているユーザ
プロファイル生成部３１、記事情報抽出部３３、記事検
索部３４、記事選出部３５、要約・抄録生成部３６は、
例えば図１の中央処理装置１４によって実行されるソフ
トウェアによって実現でき、またトピック記憶部３２お
よび記事情報記憶部３７は記憶装置５によって実現でき
る。

【０３１７】ユーザプロファイル生成部３１は、入力と
して個々のユーザの要求・興味を受けつける。ユーザの
要求・興味は、「○○と××に関する記事が読みたい」
といった自然言語や、興味のあるトピックに頻出するキ
ーワードの集合や、それらに優先順位や重みをつけたも
の、または通常の文書検索における検索式のようなもの
で表される。

【０３１８】ユーザプロファイル生成部３１は、これに
対して単語抽出、同義語展開などの言語処理を行い、検
索が可能となるような形式に変換してユーザプロファイ
ルを作成する。ユーザプロファイルはユーザ毎にトピッ
ク記憶部３２に記憶される。また、ユーザプロファイル
生成部３１は、既にユーザに送信された各記事がユーザ
にとって有用であったか否かなどの情報についてユーザ
からフィードバックを受け、その情報を反映してトピッ
ク記憶部３２の検索条件を修正するというレレバンスフ
ィードバック機能も有している。

【０３１９】図６７に、キーワードとその重みで表現さ
れたユーザプロファイルの例を示す。

【０３２０】この例では、ユーザが半導体に関する記事
に興味をもっているために「メモリー」などの関連用語
が羅列されており、それぞれの用語に類似度計算に利用
する重みが定義されている。。

【０３２１】記事情報抽出部３３は、入力として情報源
から到着した記事を受けつけ、これに対して形態素解
析、構文解析、書式解析などを行い、記事の情報源や日
付、文字や単語その他の文書構成要素の頻度情報や出現
位置、５Ｗ１Ｈ的な情報などの抽出を行う。そして、記
事をこれらの抽出された情報の集合体として表現する。
例えば、出現した単語の頻度を要素とするベクトルによ
り記事を表現したり、５Ｗ１Ｈのテンプレートに実現値
を代入したものにより表現したりする。記事情報抽出部
３３はまた、記事検索を高速に実現するためのインデク
シング処理も行う。記事情報抽出部３３により抽出され
た記事情報は、記事情報記憶部３７に記憶される。

【０３２２】記事検索部３４は、トピック記憶部３２に
記憶されている各トピックの検索条件と、記事情報抽出
部３３によって抽出された記事情報とを参照し、各トピ
ックに適合する到着記事を検索する。これは、トピック
と到着記事との類似度を算出することに相当する。この
類似度は、検索の方式によって「トピックに適合する」
「トピックに適合しない」などの離散値をとる場合もあ
るし、よく適合している記事ほど類似度の値が高くなる
ように連続値をとる場合もあるが、ここでは、より一般
的である類似度が連続値をとる場合について説明する。
この場合には、記事検索部３４が各トピックについて行
う処理は実施形態１、２と同様であり、まず、トピック
記憶部３２からトピックに適合する記事を検索するため
の検索条件を読み込む。次に、到着した記事の各々に対
して、そのトピックとの類似度を計算する。この類似度
計算は、通常の検索処理に相当するもので、記事情報記
憶部に格納されている記事の表現や検索インデックスが
参照される。記事の類似度、及びその記事が満足した検
索条件の情報は記事情報記憶部３７に記憶される。到着
した全ての記事に対して類似度の計算が終わると、すな
わち、到着した全ての記事を検索対象とした検索処理が
終わると、到着した記事はトピックとの類似度が高い順
にソートされる。すなわち、記事のランキングが行われ
る。ランキングの結果も記事情報記憶部３７に記憶され
る。

【０３２３】記事選出部３５は、記事検索部３４により
記事情報記憶部３７に格納された各トピックの検索結果
の中から、各ユーザに提示する記事を選出する。例え
ば、「半導体貿易」、「低価格パソコン」、「人工知
能」という３つのトピックを選択しているユーザに対し
ては、「半導体貿易」の検索結果、「低価格パソコン」
の検索結果、「人工知能」の検索結果の３つを取り出
し、これらのうち上位の記事の中からユーザに提示する
ものを選出する。

【０３２４】図６８に、本実施形態３における要約・抄
録生成部３６の処理の流れを示す。要約・抄録生成部３
６は、各ユーザに対して以下の処理を行う。

【０３２５】まず、要約・抄録生成部３６は、変数ｉに
１を代入し（ステップＳ１７１）、ユーザｉのユーザプ
ロファイルをトピック記憶部３２から取り出す（ステッ
プＳ１７２）。次に、要約・抄録生成部３６は、ユーザ
ｉに提示する記事の集合と、各記事がユーザの選んだト
ピックのうちいずれに適合したかを示す情報とを記事情
報記憶部３７から取り出す。そして、要約・抄録生成部
３６は、変数ｊに１を代入し、ユーザに提示する記事ｊ
に対して、適合したトピックの情報を参照しながら、そ
のトピックに応じた長さの要約あるいは抄録を生成する
（ステップＳ１７５）。

【０３２６】ここで、要約とは、記事の主題を端的に表
すために原文をもとに生成したテキストをいい、抄録と
は、重要文など、記事の原文テキストの一部をそのまま
抜きだしたものをいう。

【０３２７】また、要約・抄録の「長さ」とは、原文に
対する圧縮率、文数、段落数、文字数、あるいは提示す
るテキスト全体に占める割合などをいう。

【０３２８】本実施形態３で用いる要約・抄録生成の方
法は、長さを２段階以上に調節できるものであれば、ど
のような方法であってもよい。

【０３２９】例えば、自然言語解析を用いた自動要約生
成技術でもよいし、初めの一段落目のみ表示するかもし
くは全文を表示するかという単純な方法でもよい。

【０３３０】次に、要約・抄録生成部３６は、現在のｊ
の値がユーザｉに提示する記事数よりも大きいか否かを
調べ（ステップＳ１７６）、大きくないならば、要約・
抄録生成処理を行っていない記事が残っていると判断
し、ｊの値がユーザｉに提示する記事数よりも大きくな
るまでステップＳ１７５、Ｓ１７６を繰り返す。

【０３３１】この後、要約・抄録生成部３６は、ユーザ
ｉに該当記事の要約または抄録を提示し（ステップＳ１
７７）、その後、現在のｉの値が全ユーザ数よりも大き
いか否かを調べる（ステップＳ１７８）。現在のｉの値
が全ユーザ数よりも大きくないならば、大きくなるまで
ステップＳ１７２〜Ｓ１７８の処理が繰り返される。次
に、記事の適合したトピックに応じた長さの要約・抄録
を生成する手順を図を用いて説明する。

【０３３２】図６９は、あるユーザが選択したトピック
と、それらの間の優先度の例を示す。

【０３３３】この例では、ユーザはトピックＡ，Ｂ，
Ｃ，Ｄの４トピックを選択しており、これらに関する記
事を求めている。また、トピックＡ，Ｂ，Ｃ，Ｄの順で
優先度が高くなっている。

【０３３４】この優先度は、情報フィルタリングサービ
スセンタ１側が設定してもよいし、ユーザが指定しても
よい。ここでは、ユーザが指定したものであるとする
と、このユーザは、例えばトピックＢに適合する記事よ
りもトピックＡに適合する記事により興味があるという
ことになる。

【０３３５】図７０に、図６９のトピックを選択してい
るユーザに提示する記事のリストとそれらに適合したト
ピックの例を示す。

【０３３６】この例では、ユーザのために記事１〜４の
４つの記事が選出されている。記事１、２はトピックＡ
に、記事３はトピックＢに、記事４はトピックＣおよび
Ｄに適合したものである。

【０３３７】図７１に、図７０のような場合にユーザに
提示する記事情報の概念図を示す。記事１、２は、ユー
ザの選んだトピックのうちもっとも優先度が高いトピッ
クＡに適合したものであるため、比較的長い要約あるい
は抄録が提示されている。これに対して、記事４は、ユ
ーザの選んだトピックのうちもっとも優先度が低いトピ
ックＣ，Ｄに適合したものであるため、非常に短い要約
あるいは抄録が提示されている。

【０３３８】このように、トピックの優先度に応じて段
階的に抄録の長さを変化させる。

【０３３９】なお、図７１では、要約あるいは抄録の長
さを図中の面積であらわしているが、優先度の最も高い
トピックに適合した記事の要約・抄録が必ずしも最も長
くなるとは限らない。

【０３４０】例えば、抄録の長さとして、原文の文数を
もとにした圧縮率を採用するとし、記事１の原文が５
文、記事４の原文が２０文であったとする。

【０３４１】このとき、記事１は優先度の高いトピック
Ａの記事なので圧縮率１００％とし、記事４は優先度の
低いトピックＣ，Ｄの記事なので圧縮率５０％として表
示したとすると、記事１の抄録は原文のままなので５文
となり、一方、記事４の抄録は１０文となる。

【０３４２】以上のような機能により、ユーザはトピッ
ク毎に異なる詳細度の記事を読むことができる。

【０３４３】ユーザが選択したトピック間に明確な優先
度がある場合には有効であると考えられる。

【０３４４】（レレバンス・フィードバック）文書検索
における技術に、検索結果の文書に対してユーザに有用
性の判定を行ってもらい、その結果を利用して検索式中
の単語の重み値を変更することにより、ユーザの求める
ものにより近い文書を検索するレレバンス・フィードバ
ックがある。

【０３４５】情報フィルタリングの分野でもこの機能は
実現されつつある。

【０３４６】本実施例においては、レレバンス・フィー
ドバックの際に得られる有用性判定情報を、要約・抄録
の長さに反映させることが可能である。

【０３４７】例えば、既に説明した図７１のような情報
提示に対して、ユーザが「記事３が非常に有用であっ
た」という情報を返したとする。

【０３４８】同時に、図７０で示したトピック間の優先
度が具体的には図７２のように重要度の値の大小で定義
されていたとする。

【０３４９】このとき、ユーザによって特に有用である
とされた記事３は、トピックＢに適合した記事であるの
で、何らかの計算によりトピックＢの重要度の値をより
大きくし、今度はトピックＢに適合する記事の長さをよ
り長くして提示することが有用である。

【０３５０】図７３に、このようなフィードバックを行
った場合に、次回のフィルタリングでユーザに提示され
る記事情報の例を示す。

【０３５１】図７１ではトピックＡの優先度が最も高か
ったが、この図ではフィードバックによりトピックＢの
優先度がもっとも高くなっており、トピックＢに適合し
た記事１′の要約あるいは抄録が最も長くなっている。

【０３５２】（実施形態３の変形例１）次に、要約・抄
録生成部３６の他の構成例について説明する。

【０３５３】図７４に、本変形例における要約・抄録生
成部３６の処理の流れを示す。

【０３５４】要約・抄録生成部３６は、各ユーザに対し
て以下の処理を行う。

【０３５５】まず、ユーザｉのユーザプロファイルをト
ピック記憶部３２から取り出す（ステップＳ１８１，Ｓ
１８２）。次に、ユーザｉに提示する記事の集合と、各
記事に予め付加されている日付、新聞社、朝刊／夕刊、
見出しの大きさや行数、何面に掲載されたか、などの属
性情報とを記事情報記憶部３７から取り出す（ステップ
Ｓ１８３）。そして、ユーザｉに提示する各記事に対し
て、属性情報を参照しながら、それに応じた長さの要約
あるいは抄録を生成する（ステップＳ１８５）。ここ
で、「要約」、「抄録」、および「長さ」の意味は、実
施形態３と同様である。また、以下の処理も実施形態３
と同様である。

【０３５６】以下に、記事の属性に応じた長さの要約・
抄録を生成する手順を図を用いて説明する。

【０３５７】図７５に、あるユーザに提示するために記
事選出部３５により選出された記事の例を示す。この例
では、記事に予め付加されている属性として、発行日な
どの日付の情報を採用している。

【０３５８】記事１〜４の日付は、それぞれ５月２６
日、２３日、２３日、２０日となっている。

【０３５９】例えば一週間毎に情報をまとめて配信する
ような形態のサービスでは、このように、記事には新し
いものと古いものが混在している可能性がある。

【０３６０】図７６に、図７５のような場合にユーザに
提示する記事情報の概念図を示す。この例では、新しい
記事ほど要約あるいは抄録の長さを長くして表示してい
る。

【０３６１】例えば、５月２６日付けの記事１は詳しく
表示されているが、５月２０日付けの記事４は簡単に表
示されている。

【０３６２】同様に、記事が情報フィルタリングセンタ
ーに到着した時間や朝刊／夕刊の情報などに応じて要約
あるいは抄録の長さを変えてもよい。

【０３６３】また、時間的属性として曜日を採用し、例
えば「月曜日の記事は他の曜日の記事よりも詳しく表示
する」などといった処理も可能である。

【０３６４】図７７に、属性として新聞社が採用されて
いる場合の、あるユーザに提示するために選出された記
事の例を示す。

【０３６５】この例では、記事１は○○新聞から到着し
たもの、記事２、３は△△新聞から到着したもの、記事
４は××新聞から到着したものである。

【０３６６】ここで、ユーザあるいは情報フィルタリン
グサービス側が、○○新聞、△△新聞、××新聞の順で
優先度を定めていたとすると、ユーザには例えば図７８
のような情報が提示される。

【０３６７】記事１はもっとも優先度の高い○○新聞の
記事なので、長い要約あるいは抄録が提示されており、
一方記事４はもっとも優先度の低い××新聞の記事なの
で、短い要約あるいは抄録が提示されている。

【０３６８】ここでは新聞社で説明したが、何面の記事
か、位置、社会面などの分類など、各記事の発信者によ
って予め付与されている様々な属性に応じて要約あるい
は抄録の長さを変化させることが可能である。

【０３６９】（レレバンス・フィードバック）本変形例
においても実施形態３と同様に、レレバンス・フィード
バックの際に得られる有用性判定情報を、要約・抄録の
長さに反映させることが可能である。例えば、既に説明
した図７８のような情報提示に対して、ユーザが「記事
２、３が非常に有用であった」という情報を返したとす
る。

【０３７０】記事２、３は共に「△△新聞」という属性
をもつ記事であるので、何らかの計算により△△新聞の
重要度の値をより大きくし、今度は△△新聞に適合する
記事の長さをより長くして提示することが有用であるか
も知れない。

【０３７１】図７９に、このようなフィードバックを行
った場合に、次回のフィルタリングでユーザに提示され
る記事情報の例を示す。

【０３７２】図７８では○○新聞の優先度が最も高かっ
たが、この図ではフィードバックにより△△新聞の優先
度がもっとも高くなっており、△△新聞という属性をも
つ記事１′の要約あるいは抄録が最も長くなっている。

【０３７３】以上のように、実施形態３のシステムで
は、記事の種類（その記事が満足したトピックなどの検
索条件、またはその記事の発行日時などの記事そのもの
の属性）に応じた長さの要約あるいは抄録が作成されて
それがユーザに提示されるため、ユーザに提示されるテ
キストのうち、ユーザにとって有用であるテキスト情報
の占める割合が高くなる。これにより、効率的な情報収
集が可能になる。

【０３７４】（実施形態４）次に、この発明の第４の実
施形態に係る情報フィルタリングシステムを説明する。
全体的なシステム構成は実施形態１と同じであるので、
ここでは、実施形態１との差異について説明する。

【０３７５】図３の記事間類似度計算部１６は図１４で
示したような記事間類似度計算処理を行うが、ある記事
ｉと記事ｊとの記事間類似度計算には、次の計算式が使
用される。

【０３７６】

【数１】 類似度計算式の変形例として、例えば以下の式があげら
れる。

【０３７７】

【数２】 上記の類似度計算式の変形例の中で、ｘi とｘj はそれ
ぞれ記事ｉと記事ｊに含まれる単語の頻度ベクトルであ
る。

【０３７８】上記の類似度計算では、記事中の全単語を
対象にしているが、これを数種の品詞の単語に限定する
ことも可能である。例えば、品詞を名詞と動詞だけに限
定して類似度を計算することにしても構わない。

【０３７９】また、記事間の類似度計算においては、見
出しや一文目など書式上のフィールドごとに類似度を求
め、その類似度の荷重平均を全体の記事間類似度として
定義することもできる。この場合、式１に対応する類似
度としては、以下の通りになる。

【０３８０】

【数３】 ここで、Ｃfiは記事ｉのフィールドｆに含まれる単語の
集合、Ｃfjは記事ｊのフィールドｆに含まれる単語の集
合である。

【０３８１】フィールドとしては、見出しや一文目、一
段落目など、文書の先頭文字の空白やインデントの情
報、句点などの存在によって検出することができる。式
２から８についても同様の変形が可能である。

【０３８２】また、上記のような数値的な類似度計算を
情報をした後、構文情報などのチェックの過程を設け、
ある閾値以上の類似度を持つ記事間であっても、類似記
事としないとするように変形が可能である。例えば、新
聞記事においては、一文目の主語（具体的には助詞
「は」に前接している固有名詞）が重要な役割を果た
す。この主語が記事同士異なる場合、類似記事としない
ようにする。

【０３８３】次に、図８０を参照して、図３の提示情報
生成部１７による提示情報生成処理について説明する。

【０３８４】実施形態１では、重複記事の提示を回避す
るために、重複記事集合から、代表としてユーザに提示
する記事を選択する場合について説明したが、ここで
は、関連記事同士がグループ化あるいは関連づけされて
ユーザに提示される。

【０３８５】すなわち、まず、記事情報記憶部１８から
記事選出部１５により選択された記事の情報が読み込ま
れる（ステップＳ２０１）。次いで、上述の式を用いる
ことにより記事間類似度計算部１６によって、選択され
た記事間の類似度計算が行われ、互いに類似度の高い記
事の集合が求められる（ステップＳ２０２）。そして、
関連記事同士のグループ化、関連づけ、あるいは特定の
記事の選択といった出力制御が行われ、それがユーザに
提示される（ステップＳ２０３）。

【０３８６】ここで、グループ化とは、関連記事同士が
並んでユーザに提示されるように記事の出力リストを揃
えることを意味する。また、関連づけとしては、例え
ば、ある記事とそれに関連する記事とを連結するリンク
情報を用いてハイパーテキストを生成し、それをユーザ
に提示することなどがあげられる。また、特定記事選択
では、関連記事の中から１つまたは幾つか記事が選択
し、選択された記事だけがユーザに提示される。

【０３８７】この様なグループ化、関連づけなどを行う
ことにより、関連のあるテキスト記事が順不同でバラバ
ラにユーザに出力されるといった事態を防止できる。よ
って、利用者は、関連記事を効率よく整理して読むこと
が可能となる。

【０３８８】（実施形態５）次に、この発明の第５の実
施形態に係る情報フィルタリングシステムについて、実
施形態１との差異を中心に説明する。実施形態５の構成
を図８１に示す。実施形態との相違は、利用者に出力し
た記事を格納する送付記事記憶部１９を有することにあ
る。

【０３８９】送付記事記憶部１９には、記事を提供した
日付情報と共に利用者に提供された記事が、利用者と対
応づけて記憶される。これは、利用者への記事の提供時
に行われるものである。

【０３９０】図８２に提示情報生成部の処理の流れを図
示する。まず始めに、記事選択部１５により選出された
記事の情報を読み込む（ステップＳ２１１）。そして、
記事情報記憶部１８に格納されている選出された当日記
事と送付記事記憶部１９に格納されている前日以前の記
事とを参照し、記事間類似度計算部１６により前日以前
の記事をも対象とした記事間類似度計算が行われて、重
複記事集合が求められる（ステップＳ２１２）。

【０３９１】この場合、重複記事集合φk は、ある記事
ｊを核にして、以下のように定義することができる。

【０３９２】

【数４】 すなわち、具体的には、記事選出部１５により選出され
た記事を上位からスキャンし、その記事ｊに対して類似
度が一定の閾値以上に入る記事を求め、その記事を重複
記事とし重複記事集合を求めるものである。

【０３９３】この後、前述したような関連する記事同士
のグループ化、関連づけ、あるいは特定の記事の選択と
いった出力制御が行われ、それがユーザにフィルタリン
グ結果として提示される（ステップＳ２１３）。

【０３９４】図８３には、ユーザに出力するフィルタリ
ング結果の出力処理の流れが示されている。選出されて
いる上位の記事から順に、重複記事集合を持つか否かを
判定し（ステップＳ２２１，Ｓ２２２）、重複記事を持
たない場合は、その記事（例えばタイトルと新聞社の情
報など）を出力する（ステップＳ２２３）。一方、重複
記事を持つ場合、その重複記事集合が当日記事のみから
なるか否かを調べ（ステップＳ２２４）、当日記事のみ
からなる場合はマーク２を、それ以前の記事も含む場合
はマーク１を出力するとともに重複記事集合を出力する
（ステップＳ２２５，Ｓ２２６，Ｓ２２７）。選出され
ている残りの記事についても、ステップＳ２２２〜Ｓ２
２７の処理が同様に行われる（ステップＳ２２８，Ｓ２
２９）。重複記事集合を出力する際には、タイトルをフ
ラットなテキストとして出力する場合は、重複記事を並
べて出力することになる（グループ化）。図８４はその
出力例である。直線で囲まれている記事同士が、重複記
事であることを意味している。また、□は当日の記事の
みからなる重複記事集合であり、△はそれ以前の記事を
含むことを意味するマークである。「８／４」などは記
事の日付である。一方、ハイパーテキストとして出力で
きる場合、代表記事だけを一番上の階層に表示し、その
代表記事に他の重複記事を関連づけしておくことができ
る。このハイパーテキストの表示例を図８５〜図８７に
示す。

【０３９５】図８５において、□は当日の重複記事集合
を、△はそれ以前の重複記事集合を持ったことを意味し
ており、それぞれその代表記事のタイトルが表示されて
いる。図８５に示した最上位階層の記事リストを出力す
る際に、それぞれのマークには、図８６や図８７に示す
重複記事集合の情報へのリンク情報を付与しておくこと
になる。これは、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍ
ａｒｋｕｐ Ｌａｎｇｕａｇｅ）の記法を用いること
等、公知の技術によって実現可能である。この場合、図
８５のマーク□を利用者が画面上で選択すると、図８６
の重複記事情報が表示され、また図８５のマーク△を利
用者が画面上で選択すると、図８７の重複記事情報が表
示されることになる。

【０３９６】このように、当日の記事だけからなる記事
グループか、それ以前の日の記事も含まれているのかを
区別するための情報を付加して送ることにより、利用者
は、関連記事をさらに効率よく整理して読むことが可能
となる。

【０３９７】なお、以上の実施形態１〜５およびそれら
の変形例は必要に応じて種々組み合わせて利用すること
ができる。また、以上の説明は、通信網を介してフィル
タリング結果をセンタからユーザに送るネットワークシ
ステムとして実現した例について述べたが、この発明の
情報フィルタリングシステムの中枢をなすセンタの機能
は個人の計算機上で構築することもできる。この場合、
ユーザ端末とフィルタリングシステムが一体となった形
態となり、ユーザ端末とフィルタリングシステム間には
通信網は存在しないことになる。

【０３９８】

【発明の効果】以上説明したように、本発明によれば、
情報フィルタリングによってユーザに提示される記事同
士の関連性がユーザにとって明確になり、記事内容の理
解が容易になる。特に時間の経過と共に状況が変わって
いくような出来事についてその経緯を把握することや、
連載記事など複数の記事にわたる情報を把握することが
容易になり、フィルタリングシステムの性能向上を図る
ことができる。また、複数の情報源から得られた同一内
容に関する記事が、重複してユーザに提示されることが
自動的に回避できる。

【０３９９】また、提示されている記事がユーザの選択
したトピックのうちいずれに適合したものであるかがユ
ーザに明示されるため、ユーザが記事内容を理解するこ
とが容易になる。また、提示されている記事が他のユー
ザによってどのように読まれているかが明示されるた
め、ユーザは一般的に読まれている記事や一部のユーザ
に読まれている記事などを識別することができる。さら
に、過去に提示された記事に対してユーザが行った有用
性の判定、及び他のユーザが行った有用性の判定情報へ
のユーザのアクセスを許すことにより、一貫性を保った
レレバンス・フィードバックや他のユーザの判断を参考
にしたレレバンス・フィードバック、さらには過去に行
った有用性判定を修正してレレバンス・フィードバック
をかけ直すことが可能となる。

【０４００】また、さらに、記事に適合したトピックに
応じた長さの要約あるいは抄録や、記事の持つ属性に応
じた長さの要約あるいは抄録がユーザに提示されるた
め、ユーザに提示されるテキストのうち、ユーザにとっ
て有用であるテキスト情報の占める割合を高くでき、効
率的な情報収集が可能になる。

【０４０１】また、関連する記事同士がグループ化ある
いは関連づけされて利用者に提供されるため、利用者の
手間を大幅に軽減することができる。さらに、当日配信
された記事間のみでなく、前日以前にユーザに出力した
記事との間の類似度も求め、出力記事には、当日の記事
だけからなる記事グループか、それ以前の日の記事も含
まれているのかを区別するための情報を付加することに
より、利用者は、関連記事をさらに効率よく整理して読
むことが可能となる。

【図面の簡単な説明】

【図１】この発明の各実施形態が適用される情報フィル
タリングシステム全体のシステム構成を示すブロック
図。

【図２】図１の情報フィルタリングシステムの運用形態
を概念的に示す図。

【図３】この発明の第１の実施形態に係わる情報フィル
タリングシステムに設けられる情報フィルタリングセン
タの構成を示すブロック図。

【図４】同第１実施形態のシステムにおけるユーザプロ
ファイル生成処理の流れを示すフローチャート。

【図５】同第１実施形態のシステムにおける記事情報抽
出処理の流れを示すフローチャート。

【図６】同第１実施形態のシステムにおける記事の表現
例を示す図。

【図７】同第１実施形態のシステムにおける記事の他の
表現例を示す図。

【図８】同第１実施形態のシステムにおける記事検索処
理の流れを示すフローチャート。

【図９】同第１実施形態のシステムにおいて記事検索処
理によってランキングされた到着記事の様子を示す図。

【図１０】同第１実施形態のシステムにおける記事選出
処理の流れを示すフローチャート。

【図１１】同第１実施形態のシステムにおいて図９のよ
うなランキング結果が得られている場合にその上位１０
件を選出した例を示す図。

【図１２】同第１実施形態のシステムにおいて図８のよ
うなランキング結果が得られている場合にユーザプロフ
ァイルとの類似度が０．８６以上の記事を選出した例を
示す図。

【図１３】同第１実施形態のシステムにおいて一人のユ
ーザに対して複数の検索及びランキングが行われる場合
にこれら複数のランキング結果の上位部分をマージして
ユーザに提示する記事を選出する様子を示す図。

【図１４】同第１実施形態のシステムにおける記事間類
似度計算処理の流れを示すフローチャート。

【図１５】同第１実施形態のシステムにおいて異なる情
報源から到着した記事の例を示す図。

【図１６】同第１実施形態のシステムにおける提示情報
生成処理の流れを示すフローチャート。

【図１７】同第１実施形態のシステムにおいて一件のプ
レスリリースから重複記事が派生する様子を示す図。

【図１８】同第１実施形態のシステムにおいて一件の出
来事から重複記事が作成される様子を示す図。

【図１９】同第１実施形態のシステムにおいて図１５の
４つの記事に対して記事間類似度計算を行った結果得ら
れる重複記事集合の例を示す図。

【図２０】同第１実施形態のシステムにおいて排除され
た重複記事に関する情報を記事の本文情報に付加して提
示する例を示す図。

【図２１】同第１実施形態のシステムにおける関連記事
情報の表示形態を示す図。

【図２２】同第１実施形態のシステムにおける関連記事
情報の他の表示形態を示す図。

【図２３】同第１実施形態のシステムにおける関連記事
情報のさらに他の表示形態を示す図。

【図２４】同第１実施形態のシステムにおける関連記事
情報の表示画面切り替え処理の流れを示すフローチャー
ト。

【図２５】同第１実施形態のシステムにおける関連記事
情報の他の表示画面切り替え処理の流れを示すフローチ
ャート。

【図２６】同第１実施形態のシステムにおいて図２０の
ような記事の重複が起こっている場合にユーザに提示す
る記事の一覧表を重複記事情報とともに表示した例を示
す図。

【図２７】同第１実施形態のシステムにおける記事間類
似度計算処理の流れを示すフローチャート。

【図２８】同第１実施形態のシステムにおいて今回記事
選出部により選出された記事の集合と前回ユーザに提示
された記事の集合の例を示す図。

【図２９】同第１実施形態のシステムにおける提示情報
生成処理の流れを示すフローチャート。

【図３０】同第１実施形態のシステムにおいて今回の記
事の本文情報に前回までの関連記事の情報を付加して提
示する例を示す図。

【図３１】同第１実施形態のシステムにおいて今回の記
事の本文情報に前回までの関連記事の情報を付加して提
示する他の例を示す図。

【図３２】同第１実施形態のシステムにおいて今回の記
事の本文情報中に前回までの関連記事の情報を埋め込ん
で提示する例を示す図。

【図３３】同第１実施形態のシステムにおいて図３２の
第一文が選択された場合にその文と関係の深い前回まで
の記事のリストが表示される様子を示す図。

【図３４】同第１実施形態のシステムにおいて図３３の
「○○沖で地震 マグニチュード４」という関連記事を
選択した場合にその記事の本文を表示した例を示す図。

【図３５】同第１実施形態のシステムにおける記事間類
似度計算処理の流れの他の例を示すフローチャート。

【図３６】同第１実施形態のシステムにおける提示情報
生成処理の流れの他の例を示す図。

【図３７】同第１実施形態のシステムにおいて今回の記
事の本文情報を今回の他の関連記事の情報とともに提示
する他の例を示す図。

【図３８】同第１実施形態のシステムにおいて今回の記
事の本文情報を今回の他の関連記事の情報とともに提示
する他の例を示す図。

【図３９】同第１実施形態のシステムにおいて記事間類
似度を記事の提示順序に反映させる例を示す図。

【図４０】この発明の第２の実施形態に係わる情報フィ
ルタリングシステムで使用されるユーザプロファイルを
概念的を示す図。

【図４１】同第２実施形態のシステムに設けられる情報
フィルタリングセンタの構成を示すブロック図。

【図４２】同第２実施形態のシステムにおける記事検索
処理の流れを示すフローチャート。

【図４３】同第２実施形態のシステムにおいてランキン
グされた到着記事を概念的に示す図。

【図４４】同第２実施形態のシステムにおける記事選出
処理の流れを示すフローチャート。

【図４５】同第２実施形態のシステムにおけるトピック
とその検索結果の例を示す図。

【図４６】同第２実施形態のシステムにおける付加情報
生成処理の流れを示すフローチャート。

【図４７】同第２実施形態のシステムにおいてユーザの
ために選出された記事の記事見出しのリストに各記事が
適合したトピックの情報を付加してそのユーザに提示す
る様子を示す図。

【図４８】同第２実施形態のシステムにおいてユーザに
対して各トピックに適合した記事の件数情報を提示する
様子を示す図。

【図４９】同第２実施形態のシステムにおいてユーザの
ために選出された記事の要約文・抜粋文あるいは本文を
トピック別にまとめてそのユーザに提示する様子を示す
図。

【図５０】同第２実施形態のシステムにおいて記事が満
足した検索条件に関する情報を記事本文のヘッダ情報と
して付加してユーザに提示する様子を示す図。

【図５１】同第２実施形態のシステムにおいて適合した
検索条件を記事中に強調表示する様子を示す図。

【図５２】同第２実施形態のシステムにおいて適合した
検索条件を記事中に強調表示する他の列を示す図。

【図５３】同第２実施形態のシステムにおいて適合した
検索条件を記事中に強調表示するさらに他の列を示す
図。

【図５４】同第２実施形態のシステムにおいてあるトピ
ックに適合する文書を検索するための検索条件の具体例
を示す図。

【図５５】同第２実施形態のシステムにおいて図５４の
検索条件により検索されユーザに提示された記事に対し
て付加する検索条件の表示例を示す図。

【図５６】同第２実施形態のシステムにおいて図５４の
検索条件により検索されユーザに提示された記事に対し
て付加する検索条件の他の表示例を示す図。

【図５７】同第２実施形態のシステムおける記事検索処
理の他の例を示すフローチャート。

【図５８】同第２実施形態のシステムおける付加情報生
成処理の他の例を示すフローチャート。

【図５９】同第２実施形態のシステムにおいて複数のユ
ーザそれぞれとそれらユーザに送信する記事との関係を
示す図。

【図６０】同第２実施形態のシステムにおいてあるユー
ザに対して選出された記事の記事見出しのリストに、記
事を受信した他のユーザに関する情報を付加して提示す
る様子を示す図。

【図６１】同第２実施形態のシステムにおいてあるユー
ザに対して選出された記事の要約文または抜粋文に記事
を受信した他のユーザに関する情報を付加して提示する
様子を示す図。

【図６２】同第２実施形態のシステムにおいて記事を受
信した他のユーザに関する情報を記事本文のヘッダ情報
として付加しユーザに提示する様子を示す図。

【図６３】同第２実施形態のシステムにおいて記事を受
信した他のユーザに関する情報を記事本文のヘッダ情報
として付加しユーザに提示する他の例を示す図。

【図６４】同第２実施形態のシステムにおいてあるユー
ザや他のユーザが前回に行ったレレバンス・フィードバ
ック情報を今回提示する記事情報に付加して提示する表
示例を示す図。

【図６５】同第２実施形態のシステムにおいてあるユー
ザや他のユーザが前回に行ったレレバンス・フィードバ
ック情報を今回提示する記事情報に付加して提示する他
の表示例を示す図。

【図６６】この発明の第３の実施形態に係わる情報フィ
ルタリングシステムに設けられる情報フィルタリングセ
ンタの構成を示すブロック図。

【図６７】同第３実施形態のシステムにおけるキーワー
ドとその重みで表現されたユーザプロファイルの例を示
す図。

【図６８】同第３実施形態のシステムにおける要約・抄
録生成処理の流れを示すフローチャート。

【図６９】同第３実施形態のシステムにおいてユーザが
選択したトピックとそれらの間の優先度の例を示す図。

【図７０】同第３実施形態のシステムにおいて図６９の
トピックを選択しているユーザに提示する記事のリスト
とそれらに適合したトピックの例を示す図。

【図７１】同第３実施形態のシステムにおいてユーザに
提示される記事情報を概念的に示す図。

【図７２】同第３実施形態のシステムにおいてユーザが
選択したトピックとそれらの間の優先度の例を示す図。

【図７３】同第３実施形態のシステムにおいてフィード
バックを行った場合に次回のフィルタリングでユーザに
提示される記事情報の例を示す図。

【図７４】同第３実施形態のシステムにおける要約・抄
録生成処理の流れの他の例を示すフローチャート。

【図７５】同第３実施形態のシステムにおいて記事選出
部により選出された記事の例を示す図。

【図７６】同第３実施形態のシステムにおいてユーザに
提示される記事情報の他の例を概念的に示す図。

【図７７】同第３実施形態のシステムにおいて属性とし
て新聞社が採用されている場合にあるユーザに提示する
ために選出された記事の例を示す図。

【図７８】同第３実施形態のシステムにおいて図７７の
場合にユーザに提示される記事情報を概念的に示す図。

【図７９】同第３実施形態のシステムにおいてフィード
バックを行った場合に次回のフィルタリングでユーザに
提示される記事情報の他の例を示す図。

【図８０】この発明の第４の実施形態に係わる情報フィ
ルタリングシステムにおける提示情報生成処理の流れを
示すフローチャート。

【図８１】この発明の第５の実施形態に係わる情報フィ
ルタリングシステムに設けられた情報フィルタリングセ
ンタの構成を示すブロック図。

【図８２】同第５実施形態のシステムにおける提示情報
生成処理の流れを示すフローチャート。

【図８３】同第５実施形態のシステムにおける重複記事
集合の出力処理の流れを示すフローチャート。

【図８４】同第５実施形態のシステムにおける利用者へ
の記事提示例を示す図。

【図８５】同第５実施形態のシステムにおけるハイパー
テキストによる利用者への記事提示例を示す図。

【図８６】同第５実施形態のシステムにおけるハイパー
テキストによる利用者への記事提示例を示す図。

【図８７】同第５実施形態のシステムにおけるハイパー
テキストによる利用者への記事提示例を示す図。

【符号の説明】

１…情報フィルタリングセンタ、２…情報源、３…ユー
ザ端末、１０…ユーザプロファイル、１１，２１，３１
…ユーザプロファイル生成部、１２…ユーザプロファイ
ル記憶部、１３，２３，３３…記事情報抽出部、１４，
２４，３４…記事検索部、１５，２５，３５…記事選出
部、１６…記事間類似度計算部、１７…提示情報生成
部、１９…送付記事記憶部、２２，３２…トピック記憶
部、２６…付加情報生成部、３６…要約・抄録生成部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 梶浦 正浩 神奈川県川崎市幸区小向東芝町１番地 株 式会社東芝研究開発センター内 (72)発明者 小野 顕司 神奈川県川崎市幸区小向東芝町１番地 株 式会社東芝研究開発センター内

Claims (6)

【特許請求の範囲】
1. 【請求項１】 複数の情報源からテキストやイメージな
   どの記事の配信を受け、それら配信された記事の中から
   所定の記事を選出してユーザに提示する情報フィルタリ
   ング装置において、 ユーザ毎に予め指定された検索条件を保持する手段と、 配信された記事を検索し、ユーザ毎に検索条件に合致す
   る記事を選定する記事検索手段と、 この記事検索手段によって選定された記事同志または選
   定された記事と他の記事との間の類似度を算出し、その
   類似度に従って記事毎に関連記事を決定する手段と、 決定された関連記事の情報を前記選定された記事に付加
   してユーザに提示する手段とを具備することを特徴とす
   る情報フィルタリング装置。
2. 【請求項２】 複数の情報源からテキストやイメージな
   どの記事の配信を受け、それら配信された記事の中から
   所定の記事を選出してユーザに提示する情報フィルタリ
   ング装置において、 ユーザ毎に予め指定された検索条件を保持する手段と、 配信された記事を検索し、ユーザ毎に検索条件に合致す
   る記事を選定してユーザに提示する記事検索手段と、 この記事検索手段によって選定された記事が満足した検
   索条件を示す情報を各記事に付加してユーザに提示する
   手段を具備することを特徴とする情報フィルタリング装
   置。
3. 【請求項３】 複数の情報源からテキストやイメージな
   どの記事の配信を受け、それら配信された記事の中から
   所定の記事を選出してユーザに提示する情報フィルタリ
   ング装置において、 ユーザ毎に予め指定された検索条件を保持する手段と、 配信された記事を検索し、ユーザ毎に検索条件に合致す
   る記事を選定してユーザに提示する記事検索手段と、 この記事検索手段によって選定された記事の種類に応じ
   た長さの要約または抄録を生成し、その要約または抄録
   をユーザに提示する手段を具備することを特徴とする情
   報フィルタリング装置。
4. 【請求項４】 少なくとも１つ以上の情報源からテキス
   トやイメージなどの記事の配信を受ける手段と、あらか
   じめユーザが指定した検索条件と配信された記事との類
   似度を算出する手段と、算出した類似度の順に記事をソ
   ートして、一定の数の記事、あるいはあらかじめ定めた
   閾値以上の類似度を有する記事のみを類似度の順で出力
   する出力手段を有する情報フィルタリング装置におい
   て、 記事間の類似度を算出する手段を具備し、その算出した
   記事間類似度にしたがって記事のグループ化、関連づ
   け、あるいは出力記事の選択制御を行うことを特徴とす
   る情報フィルタリング装置。
5. 【請求項５】 前記記事間の類似度を算出する手段は、 一文目、一段落目、見出しといった書式上のフィールド
   ごとに記事間で類似度を求め、それらの荷重平均を記事
   間の類似度とすることを特徴とする請求項４記載の情報
   フィルタリング装置。
6. 【請求項６】 少なくとも１つ以上の情報源からテキス
   トやイメージなどの記事の配信を毎日定期的に受ける手
   段と、あらかじめユーザが指定した検索条件と配信され
   た記事との類似度を算出する手段と、算出した類似度の
   順に記事をソートして、一定の数の記事、あるいはあら
   かじめ定めた閾値以上の類似度を有する記事のみを選択
   する情報フィルタリング装置において、 フィルタリング結果としてユーザに出力した記事を記憶
   する出力記事記憶手段と、 この出力記事記憶手段に記憶されている記事と当日配信
   された記事とを合わせてそれら記事間で類似度を算出
   し、その類似度にしたがって記事のグループ化あるいは
   関連づけを行ってユーザに出力する手段とを具備し、 当日の記事だけからなる記事グループか、それ以前の日
   の記事も含まれているのかを区別するための情報を出力
   記事に付加することを特徴とする情報フィルタリング装
   置。