特許 6860721 情報処理装置、情報処理方法、情報処理プログラム及び情報処理システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6860721

(24)【登録日】2021年3月30日

(45)【発行日】2021年4月21日

(54)【発明の名称】情報処理装置、情報処理方法、情報処理プログラム及び情報処理システム

(51)【国際特許分類】

   G06Q 50/00 20120101AFI20210412BHJP

   G06F 40/30 20200101ALI20210412BHJP

【ＦＩ】

   G06Q50/00 300

   G06F40/30

【請求項の数】7

【全頁数】17

(21)【出願番号】特願2020-37264(P2020-37264)

(22)【出願日】2020年3月4日

【審査請求日】2020年7月7日

【早期審査対象出願】

(73)【特許権者】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(73)【特許権者】

【識別番号】503194934

【氏名又は名称】アビームコンサルティング株式会社

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(74)【代理人】

【識別番号】100139066

【弁理士】

【氏名又は名称】伊藤 健太郎

(72)【発明者】

【氏名】鈴木 慶太

(72)【発明者】

【氏名】阿部 健太

(72)【発明者】

【氏名】織田 美穂

(72)【発明者】

【氏名】榎本 吉秀

(72)【発明者】

【氏名】田中 厚志

(72)【発明者】

【氏名】瓶子 正人

【審査官】 塩澤 如正

(56)【参考文献】

【文献】 特開２００９−２４５３４５（ＪＰ，Ａ）

【文献】 特開２０１４−１７１０６０（ＪＰ，Ａ）

【文献】 特開２０１２−０６８８６０（ＪＰ，Ａ）

【文献】 特開２０１４−１３７６３２（ＪＰ，Ａ）

【文献】 特開２０１８−０９２４６７（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００

Ｇ０６Ｆ ４０／３０

(57)【特許請求の範囲】

【請求項1】

ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を取得するＳＮＳ解析情報取得部と、
前記意味情報に関連付けられる客観的情報を取得する客観的情報取得部と、
前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する推定部と、を備え、
前記推定部は、所定の時間範囲内で前記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、前記所定の時間範囲内の前記客観的情報を前記所定の地理的区分毎に変換した客観的情報との関係に基づいて、前記特定の事象を推定する、
情報処理装置。

【請求項2】

前記所定の地理的区分を示す区分情報を取得する区分情報取得部を更に備える、
請求項１に記載の情報処理装置。

【請求項3】

推定部により推定された前記特定の事象に関する情報を通知する通知部を更に備える、
請求項１又は請求項２に記載の情報処理装置。

【請求項4】

前記意味情報は、前記特定の事象に関するオントロジーを用いて付与される、
請求項１から請求項３のいずれかに記載の情報処理装置。

【請求項5】

ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析
により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示
す意味情報が付与されたＳＮＳ解析情報を取得する工程と、
前記意味情報に関連付けられる客観的情報を取得する工程と、
前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する工程と、を有し、
前記推定する工程において、所定の時間範囲内で前記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、前記所定の時間範囲内の前記客観的情報を前記所定の地理的区分毎に変換した客観的情報との関係に基づいて、前記特定の事象を推定する、
情報処理方法。

【請求項6】

情報処理装置に、
ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析
により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示
す意味情報が付与されたＳＮＳ解析情報を取得することと、
前記意味情報に関連付けられる客観的情報を取得することと、
前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定することと、を実行させ、
前記特定の事象は、所定の時間範囲内で前記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、前記所定の時間範囲内の前記客観的情報を前記所定の地理的区分毎に変換した客観的情報との関係に基づいて、推定される、
情報処理プログラム。

【請求項7】

ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析
により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示
す意味情報が付与されたＳＮＳ解析情報を生成するＳＮＳ解析情報生成部と、
前記意味情報に関連付けられる客観的情報を取得する客観的情報取得部と、
前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する推定部と、を備え、
前記推定部は、所定の時間範囲内で前記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、前記所定の時間範囲内の前記客観的情報を前記所定の地理的区分毎に変換した客観的情報との関係に基づいて、前記特定の事象を推定する、
情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法、情報処理プログラム及び情報処理システムに関する。

【背景技術】

【0002】

近年、Twitter（登録商標）等のソーシャル・ネットワーキング・サービス（social networking service（ＳＮＳ））に投稿される自然言語の情報（以下、自然言語情報ともいう）の解析により、特定の事象（例えば、災害の発生等）を推定するシステムが検討されている。例えば、特許文献１では、単位時間内においてＳＮＳに投稿される自然言語情報を収集し、当該自然言語情報に含まれる単語の出現回数に基づいて、地震の発生等を推定する推定システムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９−１４４９０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ＳＮＳに投稿される自然言語情報は、投稿者の主観的情報にすぎず、必ずしも正確及び／又はタイムリーに投稿されるとは限らない。また、当該自然言語情報がデマである場合もある。したがって、特許文献１のように、ＳＮＳに投稿される自然言語情報のような主観的情報に基づくだけでは、特定の事象を高精度に推定できない恐れがある。

【0005】

そこで、本発明は、主観的情報に加えて客観的情報に基づいて特定の事象を推定することにより、当該特定の事象の推定精度を向上可能な情報処理装置、情報処理方法、情報処理プログラム及び情報処理システムを提供する。

【課題を解決するための手段】

【0006】

本発明の一態様に係る情報処理装置は、ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、当該自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を取得するＳＮＳ解析情報取得部と、当該意味情報に関連付けられる客観的情報を取得する客観的情報取得部と、当該ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する推定部と、を備える。

【0007】

この態様によれば、ＳＮＳに投稿された自然言語情報のような投稿者の主観的情報に加えて、当該自然言語情報の意味情報に関連付けられる客観的情報に基づいて特定の事象を推定するので、当該特定の事象の推定精度を向上できる。

【0008】

上記態様において、上記推定部は、所定の時間範囲内で上記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、上記所定の時間範囲内の前記客観的情報を前記所定の地理的区分毎に変換した客観的情報との関係に基づいて、上記特定の事象を推定してもよい。

【0009】

この態様によれば、地理的区分という同一の単位に基づくＳＮＳ件数情報と客観的情報との関係に基づいて、当該特定の事象を推定するので、異なる単位に基づく当該ＳＮＳ件数情報と当該客観的情報との関係を用いる場合と比較して、当該特定の事象を容易に推定できる。

【0010】

上記態様において、上記情報処理装置は、上記所定の地理的区分を示す区分情報を取得する区分情報取得部を更に備えてもよい。この構成によれば、上記ＳＮＳ件数情報と上記客観的情報との関係の決定に用いる地理的区分を区分情報により制御できる。

【0011】

上記態様において、上記情報処理装置は、上記推定部により推定された前記特定の事象に関する情報を通知する通知部を更に備えてもよい。この構成によれば、特定の事象に関する情報をユーザ又は他の装置に提供できる。

【0012】

上記態様において、上記意味情報は、上記特定の事象に関するオントロジーを用いて付与されてもよい。この構成によれば、ＳＮＳ解析情報に対して意味情報を適切に付与できる。

【0013】

本発明の他の態様に係る情報処理方法は、ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を取得する工程と、前記意味情報に関連付けられる客観的情報を取得する工程と、前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する工程と、を有する。

【0014】

本発明の他の態様に係る情報処理プログラムは、情報処理装置に、ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を取得することと、前記意味情報に関連付けられる客観的情報を取得することと、前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定することと、を実行させる。

【0015】

本発明の他の態様に係る情報処理システムは、ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を生成するＳＮＳ解析情報生成部と、前記意味情報に関連付けられる客観的情報を取得する客観的情報取得部と、前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する推定部と、を備える。

【発明の効果】

【0016】

本発明によれば、主観的情報に加えて客観的情報に基づいて特定の事象を推定することにより、当該特定の事象の推定精度を向上できる。

【図面の簡単な説明】

【0017】

【図1】本実施形態に係る情報処理システムの概略構成の一例を示す図である。

【図2】本実施形態に係る情報処理装置の機能構成の一例を示す図である。

【図3A】本実施形態に係る自然言語処理部による所定の解析処理の一例を示す図である。

【図3B】本実施形態に係る自然言語処理部による所定の解析処理の一例を示す図である。

【図3C】本実施形態に係る自然言語処理部による所定の解析処理の一例を示す図である。

【図3D】本実施形態に係る自然言語処理部による所定の解析処理の一例を示す図である。

【図4】本実施形態に係るオントロジーの一例を示す図である。

【図5】本実施形態に係るＳＮＳ解析情報記憶部の記憶内容の一例を示す図である。

【図6】本実施形態に係る関連付けテーブルの一例を示す図である。

【図7】本実施形態に係る推定部の詳細構成の一例を示す図である。

【図8】本実施形態に係るＳＮＳ件数情報と客観的情報とのマッチングの一例を示す図である。

【図9】本実施形態に係る情報処理装置の物理的構成を示す図である。

【図10】本実施形態に係る情報処理装置の一例を示すフローチャートである。

【図11A】本実施形態に係る特定の事象の推定に用いられる客観的情報の一例を示す図である。

【図11B】本実施形態に係る特定の事象の推定に用いられるＳＮＳ件数情報の一例を示す図である。

【発明を実施するための形態】

【0018】

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

【0019】

（情報処理システムの構成）
＜概略構成＞
図１は、本実施形態に係る情報処理システム１の概略構成の一例を示す図である。図１に示すように、情報処理システム１は、情報処理装置１０、ソーシャル・ネットワーキング・サービス（ＳＮＳ）サーバ２０、情報提供システム３０及びユーザ端末４０を備える。

【0020】

情報処理装置１０は、ＳＮＳサーバ２０に投稿（post）された自然言語で構成される情報（自然言語情報）のように投稿者の主観に基づく情報（主観的情報）と、客観的な数値や状況を示す情報（客観的情報）と、に基づいて、特定の事象（例えば、災害の発生等）を推定する装置である。当該客観的情報は、例えば、所定のメッシュ毎の降雨量を示す情報（降雨情報）、所定のエリア毎の震度を示す情報（震度情報）、避難所の状況（例えば、収容人数等）に関する情報（避難所情報）、診療の状況（例えば、負傷者数、病気等）に関する情報（診療情報）、被害状況又は被害想定に関する情報、各種警報（例えば、大雨洪水警報等）等であってもよい。

【0021】

情報処理装置１０が客観的情報としてどのような情報を用いるかは、上記自然言語情報の解析により付与される意味を示す意味情報（例えば、後述するオントロジーにより付与される「災害→氾濫等」）に関連付けて予め定められてもよい。これにより、当該意味情報に最適な客観的情報を用いて特定の事象を推定できるので、当該特定の事象の推定精度を向上できる。情報処理装置１０は、例えば、インターネット等のネットワークＮを介して、ＳＮＳサーバ２０、情報提供システム３０及びユーザ端末４０と接続される。

【0022】

ＳＮＳサーバ２０は、ＳＮＳに投稿される情報（ＳＮＳ投稿情報）を管理するサーバである。ＳＮＳは、例えば、Twitter（登録商標）、Facebook（登録商標）、LINE（登録商標）の少なくとも一つ等であってもよいが、これらに限られない。当該ＳＮＳ投稿情報は、ＳＮＳに投稿される自然言語情報を含み、例えば、テキストデータ、画像データ、動画データ及び音声データの少なくとも一つで構成されてもよい。なお、ＳＮＳに対する投稿は、「つぶやき」、「ツィート」等と呼ばれてもよい。

【0023】

情報提供システム３０は、上記客観的情報を提供する一以上のシステムで構成される。情報提供システム３０は、例えば、防災情報共有システム（Shared Information Platform for Disaster management（ＳＩＰ４Ｄ））、災害時診療概況報告システム（Japan-Surveillance in Post Extreme Emergencies and Disasters（Ｊ−ＳＰＥＥＤ））、避難所状況応急評価システム（Rapid Assessment System of Evacuation Center Condition（Ｒａｓｅｃｃ））等の少なくとも一つによって構成されてもよい。

【0024】

ユーザ端末４０は、情報処理装置１０で推定される特定の事象に関する情報を取得する端末である。ユーザ端末４０は、情報処理装置１０に対して、当該特定の事象の推定を要求する情報（推定要求情報）を送信し、当該推定要求情報に応じた情報処理装置１０から送信される当該特定の事象に関する情報を取得してもよい。ユーザ端末４０は、ユーザ側のシステムであってもよいし、当該システムに接続する端末装置（スマートフォン端末、タブレット型端末、パーソナルコンピュータ装置）であってもよい。

【0025】

＜機能構成＞
図２は、本実施形態に係る情報処理装置１０の機能構成の一例を示す図である。情報処理装置１０は、ＳＮＳ投稿情報取得部１１、自然言語処理部１２、地名辞書記憶部１３、オントロジー記憶部１４、時間処理部１５、ＳＮＳ解析情報記憶部１６、客観的情報取得部１７、関連付けテーブル記憶部１８及び推定部１９を具備する。

【0026】

ＳＮＳ投稿情報取得部１１は、ＳＮＳサーバ２０で管理されるＳＮＳ投稿情報を取得する。当該ＳＮＳ投稿情報は、ＳＮＳに投稿される自然言語情報を含み、当該自然言語情報を投稿した時間を示す情報等を含んでもよい。ＳＮＳ投稿情報取得部１１は、所定のタイミングで当該ＳＮＳ投稿情報を取得してもよいし、後述する推定要求情報の取得に応じてＳＮＳ投稿情報を取得してもよい。なお、自然言語情報は、文字列等と言い換えられてもよい。

【0027】

自然言語処理部１２は、ＳＮＳ投稿情報取得部１１によって取得される自然言語情報に対して所定の解析処理を行うことによりＳＮＳ解析情報を取得してもよい。具体的には、自然言語処理部１２は、地名辞書記憶部１３に記憶される地名辞書を参照して、当該自然言語情報に関する場所を示す場所情報をＳＮＳ解析情報に付与してもよい。また、自然言語処理部１２は、オントロジー記憶部１４に記憶されるオントロジーを参照して、当該自然言語情報の意味を示す意味情報をＳＮＳ解析情報に付与してもよい。なお、当該地名辞書及び／又はオントロジーは、機械学習を用いて構築されてもよい。

【0028】

ここで、自然言語情報に対する所定の解析処理は、形態素解析、構文解析、意味解析及び文脈解析の少なくとも一つを含んでもよい。形態素解析とは、自然言語の文字列から一以上の形態素（Morpheme）を特定し、各形態素の品詞等を解析することである。形態素とは、言語で意味を持つ最小の構成要素であり、単語とも呼ばれる。

【0029】

構文解析とは、形態素解析で得られた構成要素間の関係性を解析し、構成要素間の係り受けの構造を示す構文木を構築することである。意味解析とは、辞書をもとに構成要素間の関係性を解析して、構文解析により得られた構文木の中から正しい構文木を選択することである。文脈解析とは、前後の複数の文を通して、形態素解析及び意味解析を行うことである。意味解析及び文脈解析は、機械学習を用いて実施されてもよい。なお、ここでは、日本語の解析処理を想定して説明するが、言語は日本語以外の言語であってよく、その場合、各言語に応じた解析処理を行えばよい。

【0030】

図３Ａ〜３Ｄは、本実施形態に係る自然言語処理部１２による所定の解析処理の一例を示す図である。図３Ａでは、ＳＮＳに投稿された自然言語情報「先程の余震で益城町でがけ崩れが起きた。」が示される。当該自然言語情報は、図３Ｂに示すように、形態素解析により、「先程」、「の」、「余震」、「で」、「益城町」、「で」、「がけ崩れ」、「が」、「起きた」、「。」という複数の構成要素に分解される。

【0031】

図３Ｃに示すように、構文解析により、分解された複数の構成要素間の構文（構造）が解析される。例えば、図３Ｃでは、主語が「がけ崩れが」であること、述語が「起きた」であること、副詞句「余震で」及び「益城町で」が述語「起きた」を修飾すること、形容詞「先程の」が副詞句「余震で」を修飾すること等が解析される。

【0032】

図３Ｄに示すように、意味解析及び／又は文脈解析により、例えば、“どこで（where）”を示す場所情報と、例えば“何が（what）”示す意味情報とが付与されたＳＮＳ解析情報が生成される。ＳＮＳ解析情報は、例えば、“いつ（when）”を示す時間情報が付与されてもよい。図３Ｄに示すように、ＳＮＳ解析情報は、種々のメタデータが付与された構造化データであってもよい。

【0033】

例えば、図３Ｄでは、自然言語処理部１２は、地名辞書記憶部１３に記憶される地名辞書の検索により、「益城町」を示す場所情報（ここでは、市区町村レベルで「益城」、都道府県レベルで「熊本」、国レベルで「日本」）が付与されたＳＮＳ解析情報を生成する。また、自然言語処理部１２は、オントロジー記憶部１４に記憶されるオントロジーの検索により、意味情報（ここでは、第１レベルで「土砂災害」、第１レベルよりも上位の第２レベルで「地震」）が付与されたＳＮＳ解析情報を生成する。ここで、オントロジーとは、共通語彙(概念)を提供する体系的な辞書であり、概念と概念間の関係（意味リンク）を用いて記述されてもよい。

【0034】

図４は、本実施形態に係るオントロジーの一例を示す図である。図４に示すように、オントロジーは、Resource Description Framework（ＲＤＦ）のトリプルの集合で構成されてもよい。各トリプルは、主語（subject）と述語（predicate）と目的語（Object）という３つの要素で構成される、主語と目的語との間の関係の文を示してもよい。図４では、主語が矢印の始点に位置する楕円のノードによって示され、述語が矢印によって示され、目的語が矢印の終点に位置する長方形のノードによって示される。また、目的語が更に主語となる場合、当該目的語は長方形のノードの代わりに、楕円のノードで示される。

【0035】

例えば、図４に示されるオントロジーは、主語「災害が」、目的語「地震を」及び述語「を含む」により構成されるトリプル、主語「地震が」、目的語「土砂災害を」及び述語「を引き起こす」により構成されるトリプル、主語「災害が」、目的語「台風を」及び述語「を含む」により構成されるトリプル、主語「台風が」、目的語「土砂災害を」及び述語「を引き起こす」により構成されるトリプル等を含む。

【0036】

以上のようなオントロジーは、例えば、RDF Scheme（ＲＤＦＳ）、Web Ontology Language（ＯＷＬ）等の言語を用いて定義されてもよい。なお、図４に示すオントロジーは、例示にすぎず、図示するものに限られない。オントロジーは、主語・述語の関係に限られず、同義語、上位下位、対義語、因果性等のように構成要素間の種々の関係を記述したものであってもよい。

【0037】

以上のように、自然言語処理部１２は、ＳＮＳに投稿された自然言語情報から、地名辞書に基づく場所情報及びオントロジーに基づく意味情報が付与されたＳＮＳ解析情報を自ら生成して取得してもよい。なお、情報処理装置１０は、当該ＳＮＳ解析情報を自ら生成せずに、他のシステムで生成されたＳＮＳ解析情報を、通信部１０ｃを介して取得してもよい。当該他のシステムは、例えば、ディサーナ（DISAster information ANAlyzer（ＤＩＳＡＡＮＡ））（登録商標）（対災害ＳＮＳ情報分析システム、災害時ＳＮＳ情報分析システム等ともいう）、ディーサム（Disaster-information SUMMarizer（Ｄ−ＳＵＭＭ））（登録商標）（災害状況要約システム等ともいう）等であってもよい。このように、自然言語処理部１２は、本発明に係る「ＳＮＳ解析情報取得部」を構成してもよい。

【0038】

時間処理部１５は、自然言語処理部１２で取得されたＳＮＳ解析情報を、時間と関連付けて、ＳＮＳ解析情報記憶部１６に記憶させる。図５は、本実施形態に係るＳＮＳ解析情報記憶部１６の記憶内容の一例を示す図である。図５に示すように、ＳＮＳ解析情報に付与された場所情報及び意味情報は、当該自然言語情報に関する時間（例えば、投稿時間）と関連づけられて記憶されてもよい。また、当該場所情報及び意味情報は、当該自然言語情報と関連付けて記憶されてもよい。なお、図５は例示にすぎず、ＳＮＳ解析情報記憶部１６の記憶内容は図示するものに限られない。

【0039】

客観的情報取得部１７は、特定の意味情報に関連付けられる客観的情報を取得する。当該特定の意味情報は、オントロジーを用いて付与される少なくとも一つの意味情報(例えば、図４の「地震→土砂災害」など)であればよい。当該特定の意味情報は、特定の事象の推定を要求する情報（推定要求情報）内で指定されてもよい。当該推定要求情報は、ユーザ端末４０から送信又は入力部１０ｄから入力されてもよい。

【0040】

具体的には、客観的情報取得部１７は、オントロジーを用いて付与される意味情報と客観的情報とを関連づける関連付けテーブルを用いて、客観的情報を取得してもよい。図６は、本実施形態に係る関連付けテーブルの一例を示す図である。図６に示すように、関連付けテーブルでは、オントロジーの各ノードによって示される意味情報と、当該意味情報に適する客観的情報と、が関連付けられてもよい。

【0041】

図６に示すように、例えば、ＳＮＳ解析情報に意味情報「地震→土砂災害」が付与される場合、当該意味情報に関連付けられる客観的情報として、震度情報が取得されてもよい。一方、ＳＮＳ解析情報に意味情報「台風→土砂災害」が付与される場合、当該意味情報に関連付けられる客観的情報として、降雨情報が取得されてもよい。意味情報が同じ「土砂災害」を示す場合であっても、当該「土砂災害」の上位概念が「地震」又は「台風」のどちらであるかによって意味情報に関連付けられる客観的情報が異なってもよい。

【0042】

このように、オントロジー内の一以上のノードの組み合わせによって意味情報が付与され、当該意味情報に関連付けられる客観的情報が予め定められてもよい。なお、図６では、意味情報と客観的情報とを関連づける関連付けテーブルが示されるが、情報処理装置１０は、当該意味情報と当該客観的情報との関連付けを把握できれば、当該関連付けテーブルを記憶していなくともよく、関連付けテーブル記憶部１８は省略されてもよい。また、図６に示される意味情報と客観的情報の関連付けは、例示にすぎず、当該関連付けは図示するものに限られない。

【0043】

推定部１９は、特定の意味情報に基づいてＳＮＳ解析情報記憶部１６から抽出されるＳＮＳ解析情報と、客観的情報取得部１７によって取得される、当該特定の意味情報に関連付けられる客観的情報と、に基づいて、特定の事象を推定する。

【0044】

図７は、本実施形態に係る推定部１９の詳細構成の一例を示す図である。図７に示すように、推定部１９は、ＳＮＳ件数情報生成部１９１と、客観的情報変換部１９２と、マッチング推定部１９３と、を具備する。なお、マッチング推定部１９３は、本発明に係る「推定部」を構成してもよい。

【0045】

ＳＮＳ件数情報生成部１９１は、上記特定の意味情報に基づいてＳＮＳ解析情報記憶部１６から抽出されるＳＮＳ解析情報の件数を示すＳＮＳ件数情報を生成する。具体的には、ＳＮＳ件数情報生成部１９１は、特定の意味情報が付与されたＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報を生成してもよい。

【0046】

ここで、所定の地理的区分とは、例えば、行政の単位を示す行政区分であってもよい。行政区分は、例えば、国レベル、都道府県レベル、市区町村レベルのように、階層的に区分が定められてもよい。なお、所定の地理的区分は、行政区分に限られず、所定の領域を示すものであればよい。当該所定の地理的区分を示す区分情報は、ユーザ端末４０から送信又は入力部１０ｄから入力される上記推定要求情報内で指定されてもよい。

【0047】

客観的情報変換部１９２は、上記特定の意味情報に関連付けられる客観的情報を上記所定の地理的区分毎の客観的情報に変換する。例えば、客観的情報変換部１９２は、緯度及び経度に基づいて決定される所定四方（ここでは、１ｋｍ四方）のメッシュ毎の客観的情報（例えば、降雨情報や震度情報等）を、上記所定の地理的区分（例えば、行政区分）毎の客観的情報に変換してもよい。

【0048】

マッチング推定部１９３は、ＳＮＳ件数情報生成部１９１で生成されたＳＮＳ件数情報と客観的情報変換部１９２で変換された客観的情報とを上記所定の地理的区分毎にマッチングする。マッチング推定部１９３は、当該ＳＮＳ件数情報と当該客観的情報との関係に基づいて、特定の地理的区分における特定の事象を推定してもよい。なお、上記所定の地理的区分毎のＳＮＳ件数情報及び客観的情報は、それぞれ、第１及び第２のポリゴン情報等と呼ばれてもよい。

【0049】

図８は、本実施形態に係るＳＮＳ件数情報と客観的情報（ここでは、震度情報）とのマッチングの一例を示す図である。例えば、図８では、所定の時間範囲（ここでは、２０１６年４月１６日０時０分〜２４時０分）内における、意味情報「地震→土砂災害」が付与されたＳＮＳ解析情報を集計した件数を示すＳＮＳ件数情報と、当該意味情報に関連付けられる震度情報とが、所定の地理的区分（ここでは、熊本県内の市区町村レベル）毎に示される。なお、図８に示す数値、意味情報、時間範囲、所定の地理的区分は例示にすぎない。所定の地理的区分は、都道府県レベルの行政区分であってもよいし、その他の単位であってもよい。

【0050】

図８に示すように、マッチング推定部１９３は、所定の地理的区分（ここでは、熊本県内の市区町村レベル）毎のＳＮＳ件数情報と震度情報との関係に基づいて、特定の事象を推定してもよい。例えば、図８において、熊本県の益城町では、震度情報は７であり、意味情報「地震→土砂災害」が付与されたＳＮＳ解析情報が５０件検出されている。一方、熊本県の西原村では、震度情報は７であるので土砂災害等の被害が想定されるのに、意味情報「地震→土砂災害」が付与されたＳＮＳ解析情報が検出されていない。また、熊本県の荒尾市では、震度情報が２であり被害は想定されないのに、当該ＳＮＳ解析情報が３件検出されている。

【0051】

図８の益城町のように、客観的情報（ここでは、震度情報）による被害の予想通りに当該客観的情報に関連付けられる意味情報（ここでは、震度→土砂災害）が付与されるＳＮＳ解析情報が集計される場合、マッチング推定部１９３は、特定の地理的区分（ここでは、益城町）における当該意味情報に関する特定の事象（例えば、地震による土砂災害の発生）を推定できる。

【0052】

また、図８の西原村のように、客観的情報（ここでは、震度情報）による被害の予想通りに当該客観的情報に関連付けられる意味情報（ここでは、震度→土砂災害）が付与されるＳＮＳ解析情報が集計されない場合、マッチング推定部１９３は、特定の地理的区分（ここでは、西原村）における当該意味情報に関する特定の事象（例えば、地震による土砂災害による通信手段の遮断等）を推定できる。

【0053】

また、図８の荒尾市のように、客観的情報（ここでは、震度情報）による被害の予想がないのに当該客観的情報に関連付けられる意味情報（ここでは、震度→土砂災害）が付与されるＳＮＳ解析情報が集計される場合、マッチング推定部１９３は、特定の地理的区分（ここでは、荒尾市）における当該意味情報に関する特定の事象（例えば、地震による土砂災害に便乗したデマ等）を推定できる。

【0054】

このように、特定の地理的区分における、客観的情報（例えば、上記震度情報、降雨情報、各種警報など）による被害想定とＳＮＳ投稿件数との関係を考慮することで、当該特定の地理的区分における特定の事象の推定精度を向上できる。

【0055】

＜ハードウェア構成＞
次に、情報処理装置１０のハードウェア構成を説明する。図９に示すように、情報処理装置１０は、演算装置に相当するＣＰＵ（Central Processing Unit）１０ａと、記憶装置１０ｂと、通信部１０ｃと、入力部１０ｄと、出力部１０ｅとを有する。これらの各構成は、バスを介して相互にデータ送受信可能に接続される。なお、本例では、情報処理装置１０は、一台のコンピュータで構成されるが、複数のコンピュータで構成されてもよい。

【0056】

ＣＰＵ１０ａは、記憶装置１０ｂに記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である。ＣＰＵ１０ａは、ＳＮＳサーバ２０に投稿された自然言語情報のように投稿者の主観に基づく情報（主観的情報）と、客観的な数値や状況を示す情報（客観的情報）と、に基づいて、特定の事象（例えば、災害の発生等）を推定するプログラム（情報処理プログラム）を実行する演算装置（演算部）であってもよい。ＣＰＵ１０ａは、入力部１０ｄ及び／又は通信部１０ｃから種々の入力データを受け取り、入力データの演算結果を出力部１０ｅに出力（例えば、表示）したり、記憶装置１０ｂに格納したり、又は、通信部１０ｃを介して送信したりする。

【0057】

記憶装置１０ｂは、メモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、の少なくとも一つである。情報処理装置１０の記憶装置１０ｂは、地名辞書記憶部１３、オントロジー記憶部１４、ＳＮＳ解析情報記憶部１６を構成してもよい。また、情報処理装置１０の記憶装置１０ｂは、ＣＰＵ１０ａが実行する情報処理プログラムを記憶してもよい。

【0058】

通信部１０ｃは、情報処理システム１内の各装置を外部機器に接続するインターフェースである。通信部１０ｃは、情報提供システム３０から送信される客観的情報を受信して、客観的情報取得部１７に出力してもよい。通信部１０ｃは、ＳＮＳサーバ２０から送信されるＳＮＳ投稿情報を受信して、ＳＮＳ投稿情報取得部１１に出力してもよい。また、通信部１０ｃは、ＤＩＳＡＡＮＡ（登録商標）、Ｄ−ＳＵＭＭ（登録商標）等の他システムで生成されたＳＮＳ解析情報を受信して、ＣＰＵ１０ａの制御により、ＳＮＳ解析情報記憶部１６に記憶させてもよい。また、通信部１０ｃは、ユーザ端末４０からの推定要求情報を受信し、推定部１９で推定された特定の事象に関する情報をユーザ端末４０に送信してもよい。

【0059】

入力部１０ｄは、ユーザからデータの入力を受け付けるものであり、例えば、キーボード、マウス、タッチパネル、マイクの少なくとも一つを含んでよい。入力部１０ｄは、ユーザにより入力される推定要求情報を受け付けてもよい。

【0060】

出力部１０ｅは、ＣＰＵ１０ａによる演算結果を出力するものであり、例えば、ＬＣＤ（Liquid Crystal Display）等のディスプレイ及びスピーカの少なくとも一つにより構成されてよい。出力部１０ｅは、推定部１９で推定された特定の事象に関する情報を出力してもよい。なお、通信部１０ｃ又は出力部１０ｅは、「特定の事象に関する情報を通知する通知部」及び／又は「区分情報を取得する区分情報取得部」を構成してもよい。

【0061】

情報処理プログラムは、記憶装置１０ｂ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信部１０ｃにより接続されるネットワークを介して提供されてもよい。当該情報提供プログラムを格納した記憶媒体は、コンピュータ読み取り可能な非一時的な記憶媒体（Non-transitory computer readable medium）であってもよい。非一時的な記憶媒体は特に限定されないが、例えば、ＵＳＢメモリ、ＣＤ−ＲＯＭ又はＤＶＤ等の記憶媒体であってもよい。

【0062】

情報処理装置１０では、ＣＰＵ１０ａが情報処理プログラムを実行することにより、推定部１９等の動作が実現される。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、情報処理装置１０は、ＣＰＵ１０ａと記憶装置１０ｂが一体化したＬＳＩ（Large-Scale Integration）を備えていてもよい。

【0063】

（情報処理システムの動作）
図１０は、本実施形態に係る情報処理動作の一例を示すフローチャートである。なお、図１０に示されるステップは例示にすぎず、図示するものに限られない。例えば、ＤＩＳＡＡＮＡ（登録商標）、Ｄ−ＳＵＭＭ（登録商標）等の他システムで生成されたＳＮＳ解析情報を受信する場合、ステップＳ１０１、Ｓ１０２は省略されてもよい。また、ステップＳ１０３の推定要求情報の取得なしに、ステップＳ１０４〜Ｓ１０６が実施されてもよい。また、ステップＳ１０４及びＳ１０５の順序は変更されてもよい。

【0064】

図１０に示すように、ステップＳ１０１において、情報処理装置１０は、ＳＮＳサーバ２０からＳＮＳに投稿された自然言語情報を取得する。

【0065】

ステップＳ１０２において、情報処理装置１０は、ステップＳ１０１で取得された自然言語情報に関する場所を示す場所情報及び当該自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報（例えば、図３Ｄ）を生成し、生成したＳＮＳ解析情報をＳＮＳ解析情報記憶部１６に蓄積する。例えば、図５に示すように、ＳＮＳ解析情報は、時間（例えば、ＳＮＳの投稿時間）を示す情報と関連付けて蓄積されてもよい。

【0066】

ステップＳ１０３において、情報処理装置１０は、特定の事象の推定を要求する推定要求情報を取得したか否かを判定する。情報処理装置１０は、ユーザ端末４０から送信された推定要求情報を取得してもよいし、入力部１０ｄから入力された推定要求情報を取得してもよい。情報処理装置１０が推定要求情報を取得していない場合（ステップＳ１０３；Ｎｏ）、本動作は、ステップＳ１０１に戻る。

【0067】

情報処理装置１０が推定要求情報を取得した場合（ステップＳ１０３；Ｙｅｓ）、ステップＳ１０４において、情報処理装置１０は、特定の意味情報が付与されたＳＮＳ解析情報を、ＳＮＳ解析情報記憶部１６から抽出する。当該特定の意味情報は、ステップＳ１０３で取得される推定要求情報によって指定されてもよい。或いは、当該特定の意味情報は、ＳＮＳ解析情報記憶部１６に記憶されているＳＮＳ解析情報に付与された各意味情報であってもよい。また、情報処理装置１０は、所定の時間範囲内の上記ＳＮＳ解析情報をＳＮＳ解析情報記憶部１６から抽出してもよい。

【0068】

ステップＳ１０５において、情報処理装置１０は、上記特定の意味情報に関連付けられる客観的情報（例えば、図６に示される震度情報、避難所情報及び降雨情報の少なくとも一つなど）を情報提供システム３０から取得してもよい。情報提供システム３０は、一以上のシステムを含んでよい。情報処理装置１０は、システム毎に異なる客観的情報を情報提供システム３０から取得してもよい。

【0069】

ステップＳ１０６において、情報処理装置１０は、ＳＮＳ解析情報記憶部１６から抽出されたＳＮＳ解析情報と、情報提供システム３０から取得された客観的情報とに基づいて、特定の事象を推定してもよい。具体的には、情報処理装置１０は、上記ＳＮＳ解析情報を所定の地理的区分毎に集計した件数を示すＳＮＳ件数情報と、上記客観的情報を当該所定の地理的区分毎に変換した客観的情報との関係に基づいて、当該特定の事象を推定してもよい。当該所定の地理的区分は、ステップＳ１０３で取得される推定要求情報によって指定されてもよい。

【0070】

図１１Ａ及び１１Ｂは、本実施形態に係る特定の事象の推定に用いられる客観的情報及びＳＮＳ件数情報の一例を示す図である。図１１Ａでは、ステップＳ１０５で取得される客観的情報の一例として、意味情報「台風→氾濫」に関連付けられる降雨情報が示される。図１１Ａに示すように、当該降雨情報は、例えば、緯度及び経度に基づいて決定される所定四方（ここでは、１ｋｍ四方）のメッシュ毎の降雨量を示す情報であってもよい。

【0071】

図１１Ｂでは、ステップＳ１０４において意味情報「台風→氾濫」が付与されたＳＮＳ解析情報を、所定の時間範囲及び所定の地理的区分（ここでは、一例として、佐賀県の市区町村レベル）毎に集計した件数が示される。図１１Ｂでは、図１１Ａにおける範囲Ａにおける所定の地理的区分毎のＳＮＳ件数情報が示される。なお、図１１Ｂでは、０件の地理的区分は表示されていない。

【0072】

上記の通り、図１１Ａに示す降雨情報は、１ｋｍ四方のメッシュ毎の降雨量を示し、図１１Ｂに示される所定の地理的区分の単位（ここでは、佐賀県の市町村レベル）とは異なる。そこで、情報処理装置１０は、図１１Ａのメッシュ毎の降雨量を、図１１ＢのＳＮＳ件数情報の集計に用いる所定の地理的区分（ここでは、佐賀県の市区町村レベル）毎の降雨量に変換してもよい。これにより、降雨情報とＳＮＳ件数情報を同一の単位でマッチングできるので、特定の事象を簡便に推定できるとともに、推定精度の向上も期待できる。

【0073】

情報処理装置１０は、変換された降雨情報が示す所定の地理的区分毎の１時間あたりの降雨量と、当該所定の地理的区分毎のＳＮＳ件数情報と、の関係に基づいて、特定の事象を推定してもよい。例えば、図８で説明したように、特定の地理的区分における客観的情報（図１１Ａでは、降雨情報）に基づく被害想定と図１１Ｂに示されるＳＮＳ投稿件数との関係から、当該特定の地理的区分における特定の事象（例えば、洪水の発生、通信手段の遮断、デマ等）を推定してもよい。

【0074】

以上のように、本実施形態に係る情報処理システム１では、ＳＮＳに投稿される主観的な自然言語情報に加えて、当該自然言語情報の解析により付与される意味情報（例えば、「災害→氾濫等」）に関連付けられる客観的情報（例えば、降雨情報、震度情報等）に基づいて、特定の事象が推定されるので、当該特定の事象の推定精度を向上できる。

【0075】

なお、上記では、災害に関するオントロジーを用いて付与される意味情報と、当該意味情報に関連付けられる客観的情報（例えば、降雨情報、震度情報等）とを用いて災害に関する事象を推定する例について説明したが、これに限られない。例えば、商品やサービス等に関するオントロジーを用いて付与される意味情報と、当該意味情報に関連付けられる客観的情報（例えば、購買履歴、売り上げ額など）とを用いて、当該商品やサービス等に関する事象を推定することもできる。

【0076】

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

【符号の説明】

【0077】

１…情報処理システム、１０…情報処理装置、２０…ＳＮＳサーバ、３０…情報提供システム、４０…ユーザ端末、Ｎ…ネットワーク、１１…ＳＮＳ投稿情報取得部、１２…自然言語処理部、１３…地名辞書記憶部、１４…オントロジー記憶部、１５…時間処理部、１６…ＳＮＳ解析情報記憶部、１７…客観的情報取得部、１８…関連付けテーブル記憶部、１９…推定部、１９１…ＳＮＳ件数情報生成部、１９２…客観的情報変換部、１９３…マッチング推定部、Ａ…範囲、１０ａ…ＣＰＵ、１０ｂ…記憶装置、１０ｃ…通信部、１０ｄ…入力部、１０ｅ…出力部

【要約】

【課題】主観的情報に加えて客観的情報に基づいて特定の事象を推定することにより、当該特定の事象の推定精度を向上する。
【解決手段】情報処理装置１０は、ソーシャル・ネットワーキング・サービス（ＳＮＳ）に投稿された自然言語情報の解析により、前記自然言語情報に関する場所を示す場所情報及び前記自然言語情報の意味を示す意味情報が付与されたＳＮＳ解析情報を取得する自然言語処理部１２と、前記意味情報に関連付けられる客観的情報を取得する客観的情報取得部と、前記ＳＮＳ解析情報と前記客観的情報とに基づいて、特定の事象を推定する推定部１９と、を備える。
【選択図】図２

【図1】

【図2】

【図3A】

【図3B】

【図3C】

【図3D】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11A】

【図11B】