JP2005332080A

JP2005332080A - 視覚的情報分類方法及び装置及びプログラム及び視覚的情報分類プログラムを記録した記憶媒体

Info

Publication number: JP2005332080A
Application number: JP2004148236A
Authority: JP
Inventors: Yoshiyo Ikeda; 佳代池田; Shinji Abe; 伸治安部; Yoshihide Sato; 吉秀佐藤; Masakatsu Okubo; 雅且大久保
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: NTT Inc
Priority date: 2004-05-18
Filing date: 2004-05-18
Publication date: 2005-12-02
Anticipated expiration: 2024-05-18
Also published as: JP4453440B2

Abstract

【課題】コンテンツに付属するキーワードについて、分類カテゴリ情報を基に算出する重みを設け、キーワードに優先順位を付けることで、よりコンテンツの特色を表すことを可能にする。
【解決手段】本発明は、コンテンツが属する分類カテゴリとコンテンツが持つキーワードが属する分類カテゴリとを比較し、概念マップ上で、コンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離が遠いほど重み率は軽くなり、近いほど重くなるようなキーワードの重み率を算出し、コンテンツが持つキーワードそれぞれに対し、概念マップ上で当てはまるキーワードベクトルに重み率を掛けて、全てののキーワードの重心をとることで、コンテンツの配置座標を算出する。
【選択図】図１

Description

本発明は、視覚的情報分類方法及び装置及びプログラム及び視覚的情報分類プログラムを記録した記憶媒体に係り、特に、予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、その情報に付与されたキーワードを、各々の情報間の内容的類似性によって、その情報を視覚的に分類する視覚的情報分類方法及び装置及びプログラム及び視覚的情報分類プログラムを記録した記憶媒体に関する。

詳しくは、ユーザが大量の情報をその構造を概観または観察しながら、少しずつ情報要求を明確化し、興味ある情報に到達できるようにするためのブラウジングインタフェースに適用するのに有効な技術に関する。

近年では、電子化された情報の分類方法についてさまざまな方法が行われている。その中で代表的なものはディレクトリ形式のリスト表示であるが、情報が大量になると単なるディレクトリ形式の分類では階層構造が深くならざるを得なくなり、ユーザにとって使い勝手が悪いものとなってしまう。また、階層構造を深くしない場合でも、ディレクトリの最下層に多量の情報が属することとなり、リスト形式表示では、欲しい情報を探しにくいという欠点がある。その上、その分類方法がユーザの感覚と合っていない場合は、欲しい情報に辿り着きにくくなってしまう。

そこで、扱う情報が大量にある場合は、その情報を視覚的に分類配置し、ユーザに見える形で提供するコンテンツナビゲーションの方法が提供されている。

従来、大量のコンテンツを２次元上に視覚的に分類する配置技術が提案されている（例えば、非特許文献１参照）。この技術は、コンテンツがテキスト文書である場合を対象として、テキスト文書からのキーワード、並びに、キーワードの文書中の出現頻度を抽出して、キーワードベクトル（概念ベクトル）を生成し、これに多次元尺度法を適用してコンテンツの２次元配置及びそれを用いたブラウジングインタフェースを実現している。

また、ここで扱う概念ベクトルとしては、概要説明文からの概念ベクトル（事前に定められた語彙に関する重みベクトルとして与えられる）の算出方法とその概念ベクトルを集めた概念ベース（概念ベクトルの集まりで辞書のようなもの）の作成方法がある（例えば、非特許文献２参照）。

また、概念ベース（概念ベクトルの集まりで辞書のようなもの）に分類カテゴリの代表語が入力されると、その代表語から連想される語彙や説明文から概念ベクトルを算出するという方法がある（例えば、非特許文献３参照）。

また、概念ベース（概念ベクトルの集まりで辞書のようなもの）を基に多次元尺度法を用いて、予め決められた特徴的な単語で表された分類カテゴリの単語情報を基準マップと呼ばれる２次元マップ上に落とし込み、そのマップの上にコンテンツを配置するという方法が提案されている。この場合、コンテンツには予め付与された分類カテゴリと概要説明文などのテキストもしくは、キーワード（語彙）などのメタ情報があり、そのメタ情報と概念ベースや基準マップとの類似性すなわち、距離を算出し、コンテンツの概念ベクトルを計算し、多次元尺度法を用いて２次元平面上にコンテンツを分類配置することが行われる（例えば、非特許文献４参照）。

ある情報にメタ情報が付与されている場合、これをその情報の検索に利用することは効果的である。例えば、その情報をウェブページとした場合、ウェブページの検索では、多くのポータルサイトなどが提供している、各々のウェブページに付与されているメタ情報を利用したディレクトリサービスを用いることで、目的のウェブページを効率的に絞り込むということができる。

図１１に概念マップの概要を説明するための図を、図１２に従来の技術の概要を示す。

予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られた図１１に示すような概念マップに、コンテンツの持つキーワード（語彙）を基に分類配置しようとする時、コンテンツに付与されたキーワード（概念ベースに含まれる語彙）、もしくは、コンテンツに付与されたメタ情報を分析することによりその特徴を表すキーワードを抽出した後、従来の方法では、図１２に示すように、コンテンツを配置する際に、コンテンツに付属するメタ情報等にキーワードがどのくらい出現しているかという、出現頻度を算出し、キーワードに重みを付けるか、もしくは、キーワードの全てを同一の価値として扱い、概念ベース上に当てはまるそれらのキーワードの重心等にコンテンツを配置する。
James A. Wise, et. Al. Visualizing the non-visual: Spatial analysis and interaction with information from text documents Proc. Of IEEE Information Visualization ’95, pp. 51-58(1995) 熊本睦他、「概念ベースの情報検索への適用−概念ベースを用いた検索の特徴評価」、信学技報、AI98-63(1999) 笠原要他、「国語辞書を利用した日常語の類似性判別、情処論、Vol, 138,No7, pp. 1272-1283, (1997) 藤田悦郎他、「分類情報と言語情報の統合利用に基づくコンテンツ空間の可視化」、DEWS2003 1-P-03(2003,Mar.) http://www.ieice.org/iss/de/DEWS/proc/2003/program.html#1st-1-P

上記の図１２に示すような従来の方法の中で、単にコンテンツを表すキーワードの重心にコンテンツを配置するような方法では、コンテンツが属する分類カテゴリに関係なく、他の分類カテゴリに属するキーワードもそのコンテンツを表すキーワードとして、同等のものとして扱われていた。よって、キーワードがコンテンツの属さないカテゴリを持つとき、そのカテゴリ情報のほうへ必要以上に引っ張られて配置されることとなり、コンテンツの特色をゆがめてしまっていた。

また、出現頻度に応じて、キーワードに重みを付ける方法では、別々の分類カテゴリに属する複数のコンテンツを配置する際、それらが、同じ出現頻度を持つキーワードを持っていた場合、概念マップ上でほぼ同じ位置に配置されてしまうことになり、コンテンツを特徴付ける分類カテゴリの意図を反映できず、コンテンツの相違を表現することが困難である。

本発明は、上記の点に鑑みなされたもので、コンテンツに付属するキーワードについて、分類カテゴリ情報を基に算出する重みを設け、キーワードに優先順位を付けることで、よりコンテンツの特色を表すことが可能な視覚的分類方法及び装置及びプログラムを提供することを目的とする。

図１は、本発明の原理を説明するための図である。

本発明は、予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類方法であって、
予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、
同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られ、該概念ベースの持つ概念ベクトルが配置されている概念マップ上に、コンテンツの持つキーワード（語彙）を基に分類配置する際に、
概念マップ上へのコンテンツ登録要求が発行されると、コンテンツのキーワードと分類カテゴリ情報、該概念マップの持つ分類カテゴリ情報、及び、キーワード（語彙）情報を記憶手段から取得する情報取得ステップと（ステップ１）、
分類カテゴリ情報と、キーワード情報を比較し、概念マップ上でコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離が遠いほど重み率は軽くなり、近いほど重くなるような重み率を算出する重み率算出ステップと（ステップ２）、
コンテンツが持つキーワードそれぞれに対し、概念マップ上で当てはまるキーワードベクトル（概念ベクトル）に重み率算出ステップで算出した重み率を掛けて、全てのキーワードの重心をとることで、コンテンツの配置座標を算出し、記憶手段に出力する配置座標算出ステップと（ステップ３）からなる。

図２は、本発明の原理構成図である。

本発明は、予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類装置であって、
予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、
同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られ、該概念ベースの持つ概念ベクトルが配置されている概念マップ上に、コンテンツの持つキーワード（語彙）を基に分類配置する際に、
マップ上への配置対象となるコンテンツと、該コンテンツの内容を表すテキストやキーワード、分類カテゴリ情報が格納されているコンテンツデータベース２０と、
分類カテゴリ情報が格納されているメタ情報データベース２１と、
分類カテゴリによって分類されたキーワード（語彙）がキーワードベクトル（概念ベクトル）として格納されている概念ベクトルデータベース２２と、
概念マップ上へのコンテンツ登録要求が発行されると、コンテンツデータベース２０からコンテンツのキーワードと分類カテゴリ情報を、メタ情報データベース２１から該概念マップの持つ分類カテゴリ情報を、概念ベクトルデータベース２２から、分類カテゴリとキーワード（語彙）の関係情報とキーワード（語彙）のベクトル情報をそれぞれ取得し、該分類カテゴリ情報と該キーワード情報とを比較し、該概念マップ上でコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離が遠いほど重み率は軽くなり、近いほど重くなるような重み率を算出する重み率算出手段３００と、
コンテンツが持つキーワードそれぞれに対し、概念マップ上で当てはまるキーワードベクトル（概念ベクトル）に重み率算出手段３００で算出した重み率を掛けて、全てのキーワードの重心をとることで、コンテンツの配置座標を算出し、座標配置データベースに出力する配置座標算出手段３１０と、を有する。

本発明は、予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類プログラムであって、上記の視覚的情報分類方法の実現に用いられる処理をコンピュータに実現させるための視覚的情報分類プログラムである。

本発明は、予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類プログラムを記録した記憶媒体であって、上記の視覚的情報分類方法の実現に用いられる処理をコンピュータに実現させるための視覚的情報分類プログラムを記録した記憶媒体である。

上述のように、本発明によれば、予め分類カテゴリ情報を持つようなコンテンツ配置に対して、コンテンツが属する分類カテゴリからの距離に応じて、コンテンツに付属するキーワードに優先度（重み）を設けることで、たとえキーワードの重心をとったとしても、よりコンテンツの特徴を表すキーワードに寄った配置となる。

また、コンテンツの特色を表すキーワードがコンテンツの配置算出に、より影響を与えることとなるため、従来の方法よりもコンテンツの特徴が現れやすくなる。

そして、同じキーワードを持つコンテンツであっても、そのキーワードの優先度に応じて、配置位置が異なるようになる。

以上のように、従来の技術よりも、より視覚的にコンテンツの特徴の現れる配置を行うことができる。

以下、図面と共に本発明の実施の形態を説明する。

最初に本発明の概要を説明する。

図３は、本発明の概要を説明するための図である。

本発明は、予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られた概念マップ上に、コンテンツの持つキーワード（語彙）を基に分類配置するものである。このとき、コンテンツが属する分類カテゴリからの距離に応じてコンテンツに属するキーワードに重みを儲け、キーワードの重心をとった場合に、当該コンテンツの特徴を表すキーワードに寄った配置となるようにする。

前述の図２に従って本発明の視覚的分類装置の構成の概要を説明する。

視覚的分類装置は、キーワード重み率算出手段３００、コンテンツ座標算出手段３１０、コンテンツＤＢ２０，メタ情報ＤＢ２１，概念ベクトルＤＢ２２，配置座標ＤＢ２３から構成される。

キーワード重み率算出手段３００は、概念マップ上のコンテンツ登録要求により、未配置のコンテンツが与えられる場合に、その未配置コンテンツの持つメタ情報（キーワードと分類カテゴリ情報）をコンテンツＤＢ２０から取得し、概念マップの持つ分類カテゴリ情報とキーワード（語彙）情報（キーワードとそれに付随する概念ベクトル）、分類カテゴリとキーワード（語彙）との関係情報をメタ情報ＤＢ２１と概念ベクトルＤＢ２２とから取得する。

コンテンツが属する分類カテゴリとコンテンツが持つキーワードが概念マップ上で属する分類カテゴリとを比較し、同一カテゴリ内であれば、重み率を１とし、異なるカテゴリであれば、概念マップ上におけるコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離に応じて重み率を算出する。この距離が遠いほど重み率の値は小さくなり、近いほど１に近くなる。

コンテンツ座標算出手段３１０は、概念ベクトルＤＢ２２から、コンテンツが持つキーワードそれぞれに対するベクトル（概念ベクトル）を取得し、キーワード重み率算出手段３００で算出した重み率をそれぞれのキーワードベクトル（概念ベクトル）にかけ、それぞれの値すべての重心をとることで、コンテンツの配置座標を算出する。このようにして算出されたコンテンツ配置座標を配置座標ＤＢ２３に格納する。

次に、上記の構成における動作の概要を前述の図１に従って説明する。

ステップ１）キーワード重み算出手段３００において、概念マップ上へのコンテンツ登録要求が発行されると、コンテンツデータベース２０からコンテンツのキーワードと分類カテゴリ情報を、メタ情報データベース２１から該概念マップの持つ分類カテゴリ情報を、概念ベクトルデータベース２２から、分類カテゴリとキーワード（語彙）の関係情報とキーワード（語彙）のベクトル情報をそれぞれ取得する。

ステップ２）キーワード重み算出手段３００において、コンテンツが属する分類カテゴリとコンテンツが持つキーワードが概念マップ上で属する分類カテゴリとを比較し、同一カテゴリ内であれば、重み率を１とし、異なるカテゴリであれば、概念マップ上におけるコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離に応じて重み率を算出する。この距離が遠いほど重み率の値は小さくなり、近いほど１に近くなる。

ステップ３）コンテンツ座標算出手段３１０において、コンテンツが持つキーワードそれぞれに対し、概念マップ上で当てはまるキーワードベクトル（概念ベクトル）に、ステップ１で算出した重み率を掛けて、全てのキーワードの重心をとることで、コンテンツの配置座標を算出し、配置座標データベース２３に出力する。

次に、本発明の一実施の形態を詳細に説明する。

本発明の一実施の形態では、多次元または、２次元上にキーワードが配置された概念マップ上にメタ情報を持つようなコンテンツを配置するために、コンテンツ座標を求める。

図４は、本発明の一実施の形態における視覚的情報分類装置の具体的な構成を示す。

同図に示す視覚的情報分類装置は、コンピュータ１０とこのコンピュータ１０にネットワーク４０を介して接続されるコンテンツデータベース（コンテンツＤＢ）２０，メタ情報データベース（メタ情報ＤＢ）２１，概念ベクトルデータベース（概念ベクトルＤＢ）２２，及び、配置座標データベース（配置座標ＤＢ）２３から構成されている。

コンピュータ１０は、ＲＡＭ，ＲＯＭ、磁気ディスク等からなるメモリ、ＣＰＵ、ディスプレイによる表示部１１、及びマウスやキーボードなどからなる指示入力部１２から構成されており、ＣＰＵが実行するソフトウェアプログラムによって実現されるキーワード重み率算出処理部３００と、コンテンツ座標算出部３１０を備えている。

コンテンツＤＢ２０には、配置対象となるコンテンツと、その内容を表すテキスト（概要説明文等）やキーワード、コンテンツが所属するカテゴリ情報などのメタ情報が格納されている。

メタ情報ＤＢ２１には、分類カテゴリ情報が格納されている。

この分類カテゴリの情報は、事前に与えられており、コンテンツ毎に付与される。本実施の形態では、分類カテゴリ情報は、深さＮ（Ｎは正の整数）の階層構造を有しているものとする。

図５に、本発明の一実施の形態におけるコンテンツを分類するための分類カテゴリの体系例を示す。この分類カテゴリ体系に従う場合、メタ情報ＤＢ２１に、このカテゴリ情報が格納されている。また、コンテンツＤＢ２０に格納されている、各コンテンツには、図５に示すＬ_ｉｊ（ｉ，ｊ＝１〜４）のいずれかの適切な分類カテゴリが事前に割り当てられており、その情報は、コンテンツのメタ情報として、コンテンツＤＢ２０にも格納されている。なお、図５における一階層目のカテゴリ及び二階層目のカテゴリに記載されている例えば、Ｌ１１の数字部分は、上記のｉ，ｊに対応する添え字である。

概念ベクトルＤＢ２２には、利用するサービスや分野に合わせて、指定された分類カテゴリによって分類されたキーワード（語彙）が、キーワードベクトル（概念ベクトル）として格納されている。また、その分類カテゴリとキーワード（語彙）の関係情報も格納されている。キーワードベクトル（概念ベクトル）は、分類カテゴリに適する情報源の内容的類似性（ＴＦ／ＩＤＦ等により算出されるキーワードの出現頻度等を利用）を基に算出される多次元または、２次元の概念ベクトルである。このベクトルは、すべて統一された次元数を持つ実数値ベクトルとして表される。この時、分類カテゴリ情報もベクトル化されて格納している場合もある。

この算出方法については、前述の非特許文献２，３，４のような方法でもよい。また、予め指定された分類カテゴリに合わせて、Ｗｅｂページなどの外部情報を収集し、その情報から語彙を切り出し、その語彙をすべての対象文章における出現頻度によって算出した概念ベクトルを集めて概念ベースを作成するという方法でもよい。

この概念ベクトルとメタ情報ＤＢ２１に格納されている分類カテゴリ情報を用いると概念マップとして利用することができる。概念マップは、コンテンツを配置するための地図であり、例えば、分類カテゴリやキーワード（語彙）の概念ベクトルが図６のように配置されている。なお、図６における「Ｌ１」「Ｌ２１」「Ｋ１１１」などの数字部分は、Ｌ_ｉ，Ｌ_ｉｊ，Ｋ_ｉｊｙそれぞれに対応する添え字である。

コンテンツの持つメタ情報（分類カテゴリ情報とキーワード）と概念マップの情報（分類カテゴリ情報とキーワード（語彙））との距離を両者の情報の一致度合に応じて、概念マップ上におけるコンテンツの配置座標を算出する。

配置座標ＤＢ２３には、以降に説明する処理によって、各々のコンテンツの配置座標が格納される。この座標においても概念ベクトルと同様の次元数を持つが、多次元である場合は、コンテンツ表現方法に合わせて、多次元尺度構成法等によって２次元もしくは３次元のベクトルとすることも可能である。

キーワード重み率算出処理部３００と、コンテンツ座標算出処理部３１０は、このように構成される視覚的情報分類システムのもとで、以降に説明する処理を実行することで本発明を実現するよう動作する。

以下にそのコンテンツの配置座標の算出方法を説明する。

［１］キーワード重み率算出処理部３００の処理：
図７に、本発明の一実施の形態におけるキーワード重み算出処理のフローチャートを示す。

次のような方法により、キーワードＫ_ｔ（ｔ＞０）にかかる重み率Ｗ（Ｋ_ｔ）を求める。

概念マップ上へのコンテンツ登録要求により、未配置のコンテンツが与えられる場合に、その未配置コンテンツの持つメタ情報（キーワードと分類カテゴリ情報）をコンテンツＤＢ２０から取得し（ステップ７０１）、概念マップの持つ分類カテゴリ情報とキーワード（語彙）情報（キーワードとそれに付随する概念ベクトル）、分類カテゴリとキーワード（語彙）との関係情報をメタ情報ＤＢ２１と概念ベクトルＤＢ２２とから取得する（ステップ７０２）。

次に、両者から集めた分類カテゴリ情報とキーワード情報とを照合し、共通するキーワード情報のベクトルを取得する（ステップ７０３）。

この際、キーワードＫ_ｔ（ｔ＞０）がコンテンツの内容を表す概要説明文等のテキストｄ中に多用され、ある閾値回数を超えて出現するような場合は、そのコンテンツにおいてのみ、テキストｄの特色を表すにはふさわしくないキーワードとしてＫ_ｔをキーワード算出対象としないといように指定することもできる。

また、登録したいコンテンツの内容を表す概要説明文等に出現するキーワードの出現頻度を求め、その出現頻度に応じて、重みを加減することも可能である（ステップ７０５）。例えば、対象とする概要説明文等のテキストｄを形態素解析し、その中に出現するキーワードＫ_ｔに対する重みＷ（Ｋ_ｔ，ｄ）は、
Ｗ（Ｋ_ｔ，ｄ）＝（ｄの中でのＫ_ｔの生起数）／（ｄのキーワードの出現総数）
といった式で算出できる。

ここでのｄのキーワード出現総数とは、例えば、キーワード「イチロー」という言葉が３回出現し、別のキーワード「松井」が２回出現した場合は、『５』となる。このとき、キーワード「イチロー」の生起数は、『３』となる。

このような事前処理を行った後、決定されたキーワードそれぞれに対し、以下に示す分類カテゴリに応じたキーワードの重み率算出処理を行う。上記、事前処理を行わない場合は、Ｗ（Ｋ_ｔ、ｄ）＝１となる。コンテンツの内容を表す概要説明文等のテキストｄ中に出現するキーワードＫ_ｔに対する重み率Ｗ（Ｋ_ｔ）は、以下の２通りの場合に分けられて決定される。

・コンテンツの属する分類カテゴリに含まれるキーワード（ステップ７０６）。

Ｗ（Ｋ_ｔ）＝Ｗ（Ｋ_ｔ，ｄ）
・コンテンツの属さない分類カテゴリに含まれるキーワード（ステップ７０７）。

図８に、本発明の一実施の形態におけるキーワードの重み率算出のための変数の説明を示す。

Ｄ_ｉｊ：コンテンツが属するカテゴリの重心Ｇ_ｉからキーワードが属するカテゴリの重心Ｇ_ｊまでの距離（ｉ，ｊ≧１）；
ＷＤ（Ｋ_ｔ，Ｄ_ｉｊ）：上記で示した重心からの距離Ｄ_ｉｊを持つときのキーワードＫ_ｔが分類カテゴリに含まれない場合にかかる重み率；
ＬＤ：概念マップ上でカテゴリ重心同士が最も遠くなる組み合わせの距離としたとき、
Ｗ（Ｋ_ｔ）＝Ｗ（Ｋ_ｔ，ｄ）×ＷＤ（Ｋ_ｔ、Ｄ_ｉｊ）
ＷＤ（Ｋ_ｔ，Ｄ_ｉｊ）＝−（１／ＬＤ）×Ｄ_ｉｊ＋１ＷＤ（Ｋ_ｔ、Ｄ_ｉｊ）≧０
として、Ｄ_ｉｊ距離が遠くなるほど、キーワードにかかる重み率の値が小さくなるように決定する。

ここで、重心同士の距離Ｄ_ｉｊがあまりに遠くになると、コンテンツの特色を表すのにふさわしくないキーワードである可能性があるため、
ＴＤ：キーワード算出対象範囲；
ＷＰ：計算対象範囲決定値（０≦ＷＰ≦１）
としたとき、次のようにも設定することができる。

ＷＤ（Ｋ_ｔ，Ｄ_ｉｊ）＝−（１／ＴＤ）×Ｄ_ｉｊ＋１Ｄ（Ｋ_ｔ，Ｄ_ｉｊ）≧０
ＴＤ＝ＬＤ×ＷＰ
このとき、ＷＰは、事前に設定されており、概念マップ上で最も遠くなるカテゴリ重心同士の距離ＬＤを基準として、コンテンツの属するカテゴリからどの程度の距離範囲に含まれるカテゴリのキーワードを重み算出対象にするかを決定する値である。ＷＰ＝０であれば、コンテンツが属するカテゴリ以外に含まれるキーワードは、重み算出対象外であり、ＷＰ＝１であれば、概念マップ上のすべてのキーワードを算出対象とするように設定できる。

以上のようにして全ての重み率を算出した後に、この値を正規化して以降の計算に用いることができる（ステップ７０８）。

Ｗ（Ｋ_ｔ）＝Ｗ（Ｋ_ｔ，ｄ）×｛ＷＤ（Ｋ_ｔ，Ｄ_ｉｊ）／ΣＷＤ（Ｋ_ｔ，Ｄ_ｉｊ）｝
以上のようにして、コンテンツに付属するキーワード全てに対して、重み率を決定する。

［２］コンテンツ座標算出処理部３１０の処理：
コンテンツが持つ各キーワードにキーワード重み率算出処理部３００で算出した重み率を掛け、すべてのキーワードの重心をとることで、コンテンツの配置座標を算出することができる。式で表すと以下のようになる。

ＶＣ：コンテンツのベクトル座標
ＶＫ_ｔ：キーワードＫ_ｔのベクトル座標
ＶＣ＝Σ（Ｗ（Ｋ_ｔ）×ＶＫ_ｔ）
このようにして、算出されたコンテンツ配置座標は、配置座標ＤＢ２３に格納される。

以上のようにして、算出されたコンテンツ配置座標は、概念マップ上に表現され、コンテンツマップとして見ることができる。図９に、本発明の一実施の形態におけるコンテンツマップ（その１）を示し、図１０に、本発明の一実施の形態におけるコンテンツマップ（その２）を示す。図９は、２次元表現であり、図１０は、３次元表現である。また、この表示方法は、前述の非特許文献４のような表示方法を利用してもよい。

これらのマップは、Ｗｅｂブラウザなどを利用してコンピュータのディスプレイ（表示部１１）上に表示することや、印刷して表示することができる。また、このコンテンツの表示方法については、２次元や３次元等様々な表現方法に適用することができる。

なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

本発明は、ユーザが大量の情報をその構造を概観または観察しながら、興味ある情報に到達できるようにするためのブラウジングインタフェース技術に適用可能である。

本発明の原理を説明するための図である。本発明の原理構成図である。本発明の概要を説明するための図である。本発明の一実施の形態における視覚的情報分類装置の構成図である。本発明の一実施の形態におけるコンテンツを分類するための分類カテゴリの体系例である。本発明の一実施の形態における概念マップの例である。本発明の一実施の形態におけるキーワード重み率算出処理のフローチャートである。本発明の一実施の形態におけるキーワードの重み率算出のための変数を説明するための図である。本発明の一実施の形態におけるコンテンツマップ（その１）である。本発明の一実施の形態におけるコンテンツマップ（その２）である。概念マップの概要を説明するための図である。従来の技術の概要を説明するための図である。

符号の説明

１０コンピュータ
１１表示部
１２指示入力部
２０コンテンツデータベース（ＤＢ）
２１メタ情報データベース（ＤＢ）
２２概念ベクトルデータベース（ＤＢ）
２３配置座標データベース（ＤＢ）
４０ネットワーク
３００キーワード重み率算出手段、キーワード重み率算出処理部
３１０コンテンツ座標算出手段、コンテンツ座標算出処理部

Claims

予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類方法であって、
予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、
同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られ、該概念ベースの持つ概念ベクトルが配置されている概念マップ上に、コンテンツの持つキーワード（語彙）を基に分類配置する際に、
前記概念マップ上へのコンテンツ登録要求が発行されると、コンテンツのキーワードと分類カテゴリ情報、該概念マップの持つ分類カテゴリ情報、及び、キーワード（語彙）情報を記憶手段から取得する情報取得ステップと、
前記分類カテゴリ情報と、前記キーワード情報を比較し、前記概念マップ上でコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離が遠いほど重み率は軽くなり、近いほど重くなるような重み率を算出する重み率算出ステップと、
前記コンテンツが持つキーワードそれぞれに対し、前記概念マップ上で当てはまるキーワードベクトル（概念ベクトル）に前記重み率算出ステップで算出した前記重み率を掛けて、全てのキーワードの重心をとることで、コンテンツの配置座標を算出し、記憶手段に出力する配置座標算出ステップと、
からなることを特徴とする視覚的情報分類方法。
予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類装置であって、
予め決められた特徴的な単語で表された分類カテゴリの単語情報によって分類されたコンテンツを、
同様の分類カテゴリによって分類された大量の語彙情報（概念ベクトル）によって作られた概念ベース（概念ベクトルの集まりで辞書のようなもの）で作られ、該概念ベースの持つ概念ベクトルが配置されている概念マップ上に、コンテンツの持つキーワード（語彙）を基に分類配置する際に、
前記マップ上への配置対象となるコンテンツと、該コンテンツの内容を表すテキストやキーワード、分類カテゴリ情報が格納されているコンテンツデータベースと、
分類カテゴリ情報が格納されているメタ情報データベースと、
分類カテゴリとそれによって分類されたキーワード（語彙）との関係情報や前記キーワードのベクトル（概念ベクトル）座標とが格納されている概念ベクトルデータベース、
前記概念マップ上へのコンテンツ登録要求が発行されると、前記コンテンツデータベースからコンテンツのキーワードと分類カテゴリ情報を、前記メタ情報データベースから該概念マップの持つ分類カテゴリ情報を、前記概念ベクトルデータベースからキーワード（語彙）情報をそれぞれ取得し、該分類カテゴリ情報と該キーワード情報とを比較し、該概念マップ上でコンテンツが属するカテゴリからキーワードが属するカテゴリまでの距離が遠いほど重み率は軽くなり、近いほど重くなるような重み率を算出する重み率算出手段と、
前記コンテンツが持つキーワードそれぞれに対し、前記概念マップ上で当てはまるキーワードベクトル（概念ベクトル）に前記重み率算出手段で算出した前記重み率を掛けて、全てのキーワードの重心をとることで、コンテンツの配置座標を算出し、座標配置データベースに出力する配置座標算出手段と、
を有することを特徴とする視覚的情報分類装置。
予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類プログラムであって、
請求項１に記載の視覚的情報分類方法の実現に用いられる処理をコンピュータに実現させるための視覚的情報分類プログラム。
予め特徴的な単語で表された分類カテゴリ情報（単語情報）が付与された大量の情報において、該情報に付与されたキーワードを、各々の情報間の内容的類似性によって、該情報を視覚的に分類配置する視覚的情報分類プログラムを記録した記憶媒体であって、
請求項１に記載の視覚的情報分類方法の実現に用いられる処理をコンピュータに実現させるための視覚的情報分類プログラムを記録した記憶媒体。