特開 2023-180592 選択装置、選択方法および選択プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023180592

(43)【公開日】2023-12-21

(54)【発明の名称】選択装置、選択方法および選択プログラム

(51)【国際特許分類】

   G06F 16/335 20190101AFI20231214BHJP

【ＦＩ】

G06F16/335

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022094017

(22)【出願日】2022-06-09

(71)【出願人】

【識別番号】000004226

【氏名又は名称】日本電信電話株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】山田 真徳

(72)【発明者】

【氏名】久保 祐喜

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175HA01

5B175HA02

(57)【要約】

【課題】チャットボットの特定の命令であるｓｋｉｌｌの拡張性を実現した上で、高精度にｓｋｉｌｌ選択を可能とする。
【解決手段】選択部１５ｂが、既知の命令を表すｓｋｉｌｌ文１４ａのうち、ユーザの属性情報を用いた所定の条件を表すフィルタ１４ｂに合致した候補のｓｋｉｌｌ文を選択する。算出部１５ｃが、ユーザにより入力された入力文の意味を表すベクトルと、選択された候補のｓｋｉｌｌ文の意味を表すベクトルとの間の距離を算出する。特定部１５ｄが、算出された距離が最短である候補のｓｋｉｌｌ文に対応する命令を特定する。
【選択図】図２

【特許請求の範囲】

【請求項1】

既知の命令を表す文のうち、ユーザの属性情報を用いた所定の条件に合致した命令を表す文の候補を選択する選択部と、
前記ユーザにより入力された文の意味を表すベクトルと、選択された前記候補の意味を表すベクトルとの間の距離を算出する算出部と、
算出された前記距離が最短である前記候補に対応する命令を特定する特定部と、
を有することを特徴とする選択装置。

【請求項2】

前記選択部は、さらに状況情報を用いた前記所定の条件に合致した候補を選択することを特徴とする請求項１に記載の選択装置。

【請求項3】

前記選択部は、前記ユーザの属性情報として、該ユーザによる前記命令の利用履歴を用いることを特徴とする請求項１に記載の選択装置。

【請求項4】

前記選択部は、前記状況情報として、前記命令の利用される時間を用いることを特徴とする請求項２に記載の選択装置。

【請求項5】

前記算出部は、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いて前記ベクトルを生成することを特徴とする請求項１に記載の選択装置。

【請求項6】

前記算出部は、前記距離として、前記ベクトルの間のコサイン距離を算出することを特徴とする請求項５に記載の選択装置。

【請求項7】

選択装置が実行する選択方法であって、
既知の命令を表す文のうち、ユーザの属性情報を用いた所定の条件に合致した命令を表す文の候補を選択する選択工程と、
前記ユーザにより入力された文の意味を表すベクトルと、選択された前記候補の意味を表すベクトルとの間の距離を算出する算出工程と、
算出された前記距離が最短である前記候補に対応する命令を特定する特定工程と、
を含んだことを特徴とする選択方法。

【請求項8】

既知の命令を表す文のうち、ユーザの属性情報を用いた所定の条件に合致した命令を表す文の候補を選択する選択ステップと、
前記ユーザにより入力された文の意味を表すベクトルと、選択された前記候補の意味を表すベクトルとの間の距離を算出する算出ステップと、
算出された前記距離が最短である前記候補に対応する命令を特定する特定ステップと、
をコンピュータに実行させるための選択プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、選択装置、選択方法および選択プログラムに関する。

【背景技術】

【0002】

近年、自然言語処理の性能が大幅に上昇したことにより、チャットボットのビジネス利用が拡がっている。チャットボットは、雑談を目的としたものと、特定の命令（ｓｋｉｌｌ）を実行するものとに大別される。

【0003】

従来、ｓｋｉｌｌが増えると、ｓｋｉｌｌを呼び出すキーワードを人間が覚えるのは大変なため、自然言語の意味を捉えて柔軟にｓｋｉｌｌ選択を行えるように、機械学習が用いられる。その場合に、ｓｋｉｌｌが追加されるたびに再学習を行うことは、運用上困難である。そこで、再学習に依らずにｓｋｉｌｌを追加するｓｋｉｌｌの拡張性を実現するために、言語全体の関係において、任意の文同士の意味の距離を推定する学習を行うＳｅｎｔｅｎｃｅ ＢＥＲＴと呼ばれる技術が用いられる（非特許文献１参照）。これにより、入力文と既知のｓｋｉｌｌ文との間の意味の距離が最短のｓｋｉｌｌを選択することにより、ｓｋｉｌｌの拡張性を実現することが可能となる。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】Nils Reimers, Iryna Gurevych, “Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks”, [online], [２０２２年４月２０日検索]、インターネット＜URL:https://arxiv.org/abs/1908.10084＞

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、従来技術では、ｓｋｉｌｌの拡張性を実現するためには、言語（日本語）全体を学習対象とするため、ｓｋｉｌｌ選択の精度が低下するという問題があった。例えば、「勤務開始」「勤務終了」という２つのｓｋｉｌｌがある場合に、「イルカ」という単語と比較すると相対的に２つのｓｋｉｌｌの意味の距離が近いために区別が困難であり、その結果、２つのいずれかのｓｋｉｌｌ選択が困難であった。

【0006】

本発明は、上記に鑑みてなされたものであって、チャットボットの特定の命令であるｓｋｉｌｌの拡張性を実現した上で、高精度にｓｋｉｌｌ選択を可能とすることを目的とする。

【課題を解決するための手段】

【0007】

上述した課題を解決し、目的を達成するために、本発明に係る選択装置は、既知の命令を表す文のうち、ユーザの属性情報を用いた所定の条件に合致した命令を表す文の候補を選択する選択部と、前記ユーザにより入力された文の意味を表すベクトルと、選択された前記候補の意味を表すベクトルとの間の距離を算出する算出部と、算出された前記距離が最短である前記候補に対応する命令を特定する特定部と、を有することを特徴とする。

【発明の効果】

【0008】

本発明によれば、チャットボットの特定の命令であるｓｋｉｌｌの拡張性を実現した上で、高精度にｓｋｉｌｌ選択を行うことが可能となる。

【図面の簡単な説明】

【0009】

【図1】図１は、選択装置の概要を説明するための図である。

【図2】図２は、選択装置の概略構成を例示する模式図である。

【図3】図３は、選択装置の処理を説明するための図である。

【図4】図４は、選択処理手順を示すフローチャートである。

【図5】図５は、実施例を説明するための図である。

【図6】図６は、実施例を説明するための図である。

【図7】図７は、選択プログラムを実行するコンピュータを例示する図である。

【発明を実施するための形態】

【0010】

以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

【0011】

［選択装置の概要］
図１は、選択装置の概要を説明するための図である。本実施形態の選択装置は、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いて選択されたｓｋｉｌｌの候補を、命令を行うユーザの属性情報および状況情報を利用したフィルタリングで限定することにより、ｓｋｉｌｌ選択の精度を向上させる。

【0012】

具体的には、図１に示すように、選択装置は、まず、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いて、任意の文同士の意味の距離を推定する。例えば、選択装置は、入力文（ユーザ発話文）と既知のｓｋｉｌｌ文とをそれぞれＳｅｎｔｅｎｃｅ ＢＥＲＴを用いて意味を表すベクトルに変換し、入力文のベクトルとｓｋｉｌｌ文のベクトルとの間の距離を表すｃｏｓｉｎｅ ｌｏｓｓを算出する。そして、選択装置は、入力文のうち、算出した距離が所定の閾値以下であるｓｋｉｌｌ文をｓｋｉｌｌの候補として選択する。これにより、選択装置は、ｓｋｉｌｌの拡張性を実現する。

【0013】

一方、ここで選択されたｓｋｉｌｌの候補は、「勤務開始」、「勤務終了」のように異なるｓｋｉｌｌであっても、言語（日本語）全体においては意味の距離が近く区別が困難な場合があり、ｓｋｉｌｌ選択の精度を低下させる原因となっている。

【0014】

そこで、本実施形態の選択装置は、図１に波線で囲んで示すように、命令を行うユーザの属性情報および状況情報を利用してｓｋｉｌｌのフィルタリングを行って、ｓｋｉｌｌ選択の候補を限定することにより、ｓｋｉｌｌ選択の精度を向上させる。

【0015】

ここで、ユーザの属性情報とは、例えば、ユーザの過去のｓｋｉｌｌ選択履歴である。ユーザごとに利用するｓｋｉｌｌが限られている場合が多いことから、このユーザが過去の利用回数が多いｓｋｉｌｌに限定することは有効である。また、状況情報とは、例えば、ｓｋｉｌｌが利用される時間である。「勤務開始」というｓｋｉｌｌが利用されるのは朝の時間帯、「勤務終了」というｓｋｉｌｌが利用されるのは夕方以降の時間帯というように、時間により利用されるｓｋｉｌｌを限定することは有効である。

【0016】

このようにして、選択装置は、命令を行うユーザの属性情報および状況情報を利用したフィルタリングで、選択されたｓｋｉｌｌ候補を限定することにより、ｓｋｉｌｌ選択の精度を向上させる。

【0017】

［選択装置の構成］
図２は、選択装置の概略構成を例示する模式図である。また、図３は、選択装置の処理を説明するための図である、まず、図２に例示するように、選択装置１０は、パソコン等の汎用コンピュータで実現され、入力部１１、出力部１２、通信制御部１３、記憶部１４、および制御部１５を備える。

【0018】

入力部１１は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部１５に対して処理開始などの各種指示情報を入力する。出力部１２は、液晶ディスプレイなどの表示装置、プリンター等の印刷装置等によって実現される。

【0019】

通信制御部１３は、ＮＩＣ（Network Interface Card）等で実現され、ネットワークを介したサーバ等の外部の装置と制御部１５との通信を制御する。例えば、通信制御部１３は、後述する選択処理に用いられる入力文やｓｋｉｌｌ文、ユーザの属性情報等を管理する管理装置等と制御部１５との通信を制御する。

【0020】

記憶部１４は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現され、後述する選択処理に用いられるＳｅｎｔｅｎｃｅ ＢＥＲＴのモデル、ｓｋｉｌｌ文１４ａ、フィルタ１４ｂ等が記憶される。なお、記憶部１４は、通信制御部１３を介して制御部１５と通信する構成でもよい。

【0021】

制御部１５は、ＣＰＵ（Central Processing Unit）等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部１５は、図２に例示するように、取得部１５ａ、選択部１５ｂ、算出部１５ｃおよび特定部１５ｄとして機能して、選択処理を実行する。なお、これらの機能部は、それぞれあるいは一部が異なるハードウェアに実装されてもよい。例えば、選択部１５ｂと算出部１５ｃとは異なる装置に実装されてもよい。また、制御部１５は、その他の機能部を備えてもよい。

【0022】

取得部１５ａは、ユーザによる入力文を取得する。例えば、取得部１５ａは、入力部１１あるいは通信制御部１３を介して、ｂｏｌｔ ａｐｉと呼ばれるｓｌａｃｋ公式のａｐｉを用いてｓｌａｃｋで入力された文を入力文として受け付ける。

【0023】

また、取得部１５ａは、入力文を入力したユーザの属性情報を取得する。取得部１５ａは、当該ユーザの状況情報を取得してもよい。取得部１５ａは、これらの情報を、入力部１１あるいは通信制御部１３を介して取得する。また、取得部１５ａは、図３に例示するように、選択処理に先立って予め、属性情報や状況情報を取得して記憶部１４に記憶させてもよい。その場合には、属性情報や状況情報は、追加することも可能である。あるいは、取得部１５ａは、これらの情報を記憶部１４に記憶させずに、以下に説明する選択部１５ｂに転送してもよい。

【0024】

また、取得部１５ａは、ｓｋｉｌｌ文を、入力部１１あるいは通信制御部１３を介して取得して、記憶部１４のｓｋｉｌｌ文１４ａに記憶させる。ｓｋｉｌｌ文とは、既知のｓｋｉｌｌを表す文であり、ｓｋｉｌｌとして利用可能な自然言語情報である。ｓｋｉｌｌ文は、例えば学習によりｓｋｉｌｌとして利用可能と判定された情報である。ｓｋｉｌｌ文は、図３に例示するように、追加することが可能である。なお、取得部１５ａは、取得したｓｋｉｌｌ文を記憶部１４に記憶させずに、選択部１５ｂに転送してもよい。

【0025】

選択部１５ｂは、既知の命令を表すｓｋｉｌｌ文１４ａのうち、ユーザの属性情報を用いた所定の条件を表すフィルタ１４ｂに合致した候補のｓｋｉｌｌ文を選択する。また、選択部１５ｂは、さらに状況情報を用いたフィルタ１４ｂに合致した候補のｓｋｉｌｌ文を選択する。

【0026】

具体的には、選択部１５ｂは、ユーザの属性情報として、該ユーザによるｓｋｉｌｌの利用履歴を用いる。また、選択部１５ｂは、状況情報として、ｓｋｉｌｌの利用される時間を用いる。

【0027】

その場合に、フィルタ１４ｂとは、例えば、入力文のユーザが過去に所定回数以上利用したｓｋｉｌｌというような、ユーザの属性情報を用いた条件である。フィルタ１４ｂは、ある役職のユーザが過去に利用したｓｋｉｌｌというような、ユーザの属性情報を用いたユーザのグループに対する条件であってもよい。

【0028】

あるいは、フィルタ１４ｂは、朝の時間帯に利用されるｓｋｉｌｌ、夕方以降の時間帯に利用されるｓｋｉｌｌというような、ｓｋｉｌｌの利用される時間等の状況情報を用いた条件である。選択部１５ｂは、入力文が受け付けられた時間と状況情報とを対比してフィルタ１４ｂの条件に合致するか否かを判定すればよい。

【0029】

また、属性情報や状況情報は、別途機械学習を用いて推定した情報を利用してもよい。例えば、カメラによる画像認識結果の服装の情報を用いて、外出用の服装であると推定された場合に、外出用の服装という状況情報を用いて、「勤務終了」および「物品購入」から「物品情報」をフィルタリングにより選択してもよい。

【0030】

算出部１５ｃは、ユーザにより入力された文の意味を表すベクトルと、選択された候補のｓｋｉｌｌ文の意味を表すベクトルとの間の距離を算出する。

【0031】

具体的には、算出部１５ｃは、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いて文の意味を表すベクトルを生成する。すなわち、算出部１５ｃは、学習済みのＳｅｎｔｅｎｃｅ ＢＥＲＴのモデルを用いて、文の意味を表すベクトルを生成する。例えば、算出部１５ｃは、次式（１）に示すように、入力文をベクトルに変換し、次式（２）に示すように、ｓｋｉｌｌ文をベクトルに変換する。

【0032】

【数1】

【数2】

【0033】

そして、算出部１５ｃは、ベクトルのコサイン距離を、入力文のベクトルとｓｋｉｌｌ文のベクトルとの間の距離として、ベクトル間のコサイン距離を算出する。具体的には、算出部１５ｃは、入力文のベクトルとｓｋｉｌｌ文のベクトルとの間の距離として、次式（３）に示すように、ベクトル間のコサイン距離を算出する。

【0034】

【数3】

【0035】

特定部１５ｄは、算出された距離が最短である候補のｓｋｉｌｌ文に対応する命令を特定する。特定部１５ｄは、図３に例示するように、特定したｓｋｉｌｌ文を入力文に対応するｓｋｉｌｌとして出力する。例えば、特定部１５ｄは、特定されたｓｋｉｌｌ文に対応するｓｋｉｌｌを発動し、ｂｏｌｔ ａｐｉを介してｓｌａｃｋに返す。これにより、選択装置１０は、入力文に対応するｓｋｉｌｌを高精度に選択することが可能となる。

【0036】

なお、特定部１５ｄは、入力文を、特定したｓｋｉｌｌ文に対応するｓｋｉｌｌの新たなｓｋｉｌｌ文として、記憶部１４のｓｋｉｌｌ文１４ａを更新してもよい。

【0037】

［選択処理］
次に、図４を参照して、本実施形態に係る選択装置１０による選択処理について説明する。図４は、選択処理手順を示すフローチャートである。図４のフローチャートは、例えば、処理の開始を指示する操作入力があったタイミングで開始される。

【0038】

まず、取得部１５ａが、ユーザによる入力文、入力文を入力したユーザの属性情報、当該ユーザの状況情報を取得する（ステップＳ１）。例えば、取得部１５ａは、ｂｏｌｔ ａｐｉを用いてｓｌａｃｋで入力された文を入力文として受け付ける。また、取得部１５ａは、既知の命令を表すｓｋｉｌｌ文１４ａを取得する。

【0039】

次に、選択部１５ｂが、既知の命令を表すｓｋｉｌｌ文１４ａのうち、ユーザの属性情報や状況情報を用いた所定の条件を表すフィルタ１４ｂに合致した候補のｓｋｉｌｌ文を選択する（ステップＳ２）。例えば、選択部１５ｂは、入力文のユーザが過去に所定回数以上利用したｓｋｉｌｌ、ある役職のユーザが過去に利用したｓｋｉｌｌ、あるいはｓｋｉｌｌの利用される時間等の条件を示すフィルタ１４ｂを用いて、ｓｋｉｌｌ文１４ａのフィルタリングを行う。

【0040】

算出部１５ｃは、ユーザによる入力文の意味を表すベクトルと、選択された候補のｓｋｉｌｌ文の意味を表すベクトルとの間の距離を算出する（ステップＳ３）。例えば、算出部１５ｃは、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いて文の意味を表すベクトルを生成し、ベクトル間のコサイン距離を算出する。

【0041】

特定部１５ｄは、算出された距離が最短である候補のｓｋｉｌｌ文に対応する命令を特定する（ステップＳ４）。例えば、特定部１５ｄは、特定したｓｋｉｌｌ文に対応するｓｋｉｌｌを発動し、ｂｏｌｔ ａｐｉを介してｓｌａｃｋに返す。これにより、一連の選択処理が終了する。

【0042】

［効果］
以上、説明したように、選択装置１０において、選択部１５ｂが、既知の命令を表すｓｋｉｌｌ文１４ａのうち、ユーザの属性情報を用いた所定の条件を表すフィルタ１４ｂに合致した候補のｓｋｉｌｌ文を選択する。また、算出部１５ｃが、ユーザにより入力された入力文の意味を表すベクトルと、選択された候補のｓｋｉｌｌ文の意味を表すベクトルとの間の距離を算出する。また、特定部１５ｄが、算出された距離が最短である候補のｓｋｉｌｌ文に対応する命令を特定する。

【0043】

具体的には、選択部１５ｂは、ユーザの属性情報として、該ユーザによる命令の利用履歴を用いる。また、算出部１５ｃは、Ｓｅｎｔｅｎｃｅ ＢＥＲＴを用いてベクトルを生成する。また、算出部１５ｃは、ベクトル間の距離として、ベクトル間のコサイン距離を算出する。

【0044】

これにより、選択装置１０は、命令を行うユーザの属性情報および状況情報を利用したフィルタリングで、選択されたｓｋｉｌｌ候補を限定することにより、ｓｋｉｌｌ選択の精度を向上させることが可能となる。このように、チャットボットの特定の命令であるｓｋｉｌｌの拡張性を実現した上で、高精度にｓｋｉｌｌ選択を行うことが可能となる。

【0045】

また、選択部１５ｂは、さらに状況情報を用いたフィルタ１４ｂの条件に合致した候補のｓｋｉｌｌ文を選択する。具体的には、選択部１５ｂは、状況情報として、命令の利用される時間を用いる。これにより、さらにｓｋｉｌｌ選択の精度が向上する。

【0046】

［実施例］
図５および図６は、実施例を説明するための図である。本実施例では、Ｗｉｋｉｐｅｄｉａｄで学習済みのＳｅｎｔｅｎｃｅ ＢＥＲＴを用いて、テストデータを入力し、入力文と既知のｓｋｉｌｌを表す文とをベクトルに変換して、入力文とｓｋｉｌｌを表す文との距離を算出した。

【0047】

なお、Ｓｅｎｔｅｎｃｅ ＢＥＲＴの学習には、ｓｋｉｌｌを使用するユーザを決定し、ｓｋｉｌｌを連想しやすい１００個の発話を学習データとして生成して用いた。また、検証のために、同様にｓｋｉｌｌを使用するユーザを決定し、ｓｋｉｌｌを連想しにくい発話をテストデータとして生成した。学習データ、テストデータはそれぞれ、各ｓｋｉｌｌに対応して１０個の発話を生成した。

【0048】

そして、テストデータにおいて、距離が所定の閾値以下であるものを、選択するｓｋｉｌｌの候補とする。その際に、ｓｋｉｌｌを使用するユーザによって、選択するｓｋｉｌｌは限定される。

【0049】

そこで、本実施例では、ユーザの属性情報として、過去のｓｋｉｌｌ選択履歴と、ユーザの役職とを用いてフィルタリングを行った。具体的には、学習データから過去に選択されたｓｋｉｌｌを集計する。そして、図５に例示するように、各ユーザが過去に選択したｓｋｉｌｌと、テストデータから選択するｓｋｉｌｌとを用いて、ｓｋｉｌｌ選択の正解率を求めた。その際に、図６に例示するように、（１）フィルタリングを行わないケース（既存技術）、（２）ユーザごとに過去のｓｋｉｌｌ選択でフィルタリングを行ったケース、（３）役職ごとに過去のｓｋｉｌｌ選択でフィルタリングを行ったケースについて、ｓｋｉｌｌ選択の正解率を求めた。

【0050】

その結果、図６に示すように、（２）ユーザごとのフィルタリング、（３）ユーザの役職ごとのフィルタリングにおいて、（１）の既存技術よりｓｋｉｌｌ選択の精度が向上した。このように、ユーザの属性情報によるフィルタリングが有効であることが確認された。

【0051】

［プログラム］
上記実施形態に係る選択装置１０が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。一実施形態として、選択装置１０は、パッケージソフトウェアやオンラインソフトウェアとして上記の選択処理を実行する選択プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の選択プログラムを情報処理装置に実行させることにより、情報処理装置を選択装置１０として機能させることができる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）等のスレート端末等がその範疇に含まれる。また、選択装置１０の機能を、クラウドサーバに実装してもよい。

【0052】

図７は、選択プログラムを実行するコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

【0053】

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０３１に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１０４１に接続される。ディスクドライブ１０４１には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１０５１およびキーボード１０５２が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１０６１が接続される。

【0054】

ここで、ハードディスクドライブ１０３１は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。上記実施形態で説明した各情報は、例えばハードディスクドライブ１０３１やメモリ１０１０に記憶される。

【0055】

また、選択プログラムは、例えば、コンピュータ１０００によって実行される指令が記述されたプログラムモジュール１０９３として、ハードディスクドライブ１０３１に記憶される。具体的には、上記実施形態で説明した選択装置１０が実行する各処理が記述されたプログラムモジュール１０９３が、ハードディスクドライブ１０３１に記憶される。

【0056】

また、選択プログラムによる情報処理に用いられるデータは、プログラムデータ１０９４として、例えば、ハードディスクドライブ１０３１に記憶される。そして、ＣＰＵ１０２０が、ハードディスクドライブ１０３１に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

【0057】

なお、選択プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０３１に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１０４１等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、選択プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

【0058】

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本発明の範疇に含まれる。

【符号の説明】

【0059】

１０ 選択装置
１１ 入力部
１２ 出力部
１３ 通信制御部
１４ 記憶部
１４ａ ｓｋｉｌｌ文
１４ｂ フィルタ
１５ 制御部
１５ａ 取得部
１５ｂ 選択部
１５ｃ 算出部
１５ｄ 特定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】