特開 2024-160863 コンテンツ選定装置、及びプログラム

(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】P2024160863

(43)【公開日】2024-11-15

(54)【発明の名称】コンテンツ選定装置、及びプログラム

(51)【国際特許分類】

   G06F 16/53 20190101AFI20241108BHJP

   G06F 16/73 20190101ALI20241108BHJP

【ＦＩ】

G06F16/53

G06F16/73

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023076334

(22)【出願日】2023-05-02

(71)【出願人】

【識別番号】515203631

【氏名又は名称】ユニファ株式会社

(74)【代理人】

【識別番号】100104776

【弁理士】

【氏名又は名称】佐野 弘

(74)【代理人】

【識別番号】100119194

【弁理士】

【氏名又は名称】石井 明夫

(72)【発明者】

【氏名】西川 具亨

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA02

5B175DA04

5B175FB01

5B175HB03

(57)【要約】

【課題】 自然言語モデルを用いて指定期間の事象に関する文章から当該指定期間に撮影されたコンテンツを選定することができる、コンテンツ選定装置、及びプログラムを提供する。
【解決手段】
コンテンツ選定装置が、機械学習により生成された自然言語モデルを用いて、指定期間の事象に関する１又は２以上の文章を要約した要約文を生成する要約文生成部と、機械学習により生成された自然言語モデルを用いて、１又は２以上の静止画、及び／又は、動画であるコンテンツＤ２１の各々について当該コンテンツＤ２１の内容を説明する説明文Ｄ２２を生成する説明文生成部と、要約文Ｄ１２の内容に類似する説明文Ｄ２２を選定し、当該選定した説明文Ｄ２２に対応するコンテンツＤ２１を取得するコンテンツ選定部を備える。
【選択図】 図２

【特許請求の範囲】

【請求項1】

指定期間の事象に関する文章に基づいて、前記指定期間に撮影された静止画、及び／又は、動画であるコンテンツを選定するコンテンツ選定装置であって、
機械学習により生成された自然言語モデルを用いて、１又は２以上の前記文章を要約した要約文を生成する、要約文生成部と、
１又は２以上の前記コンテンツの各々について、機械学習により生成された自然言語モデルを用いて、前記コンテンツの内容を説明する説明文を生成する、説明文生成部と、
前記要約文の内容に類似する前記説明文を選定し、該選定した前記説明文に対応する前記コンテンツを取得する、コンテンツ選定部と、
を備えることを特徴とする、コンテンツ選定装置。

【請求項2】

前記コンテンツ選定装置は、
前記要約文生成部は、前記コンテンツを選定する対象に関する前記文章の前記要約文を生成し、
前記説明文生成部は、前記対象が撮影された前記コンテンツの各々について前記説明文を生成する
ことを特徴とする、請求項１記載のコンテンツ選定装置。

【請求項3】

前記対象が人物であることを特徴とする、請求項２記載のコンテンツ選定装置。

【請求項4】

前記要約文生成部は、前記１又は２以上の前記文章から前記コンテンツを選定する対象に関する前記文章を抽出し、該抽出した前記文章の前記要約文を生成する
ことを特徴とする、請求項１記載のコンテンツ選定装置。

【請求項5】

前記説明文生成部は、画像認識により前記１又は２以上の前記コンテンツから前記コンテンツを選定する対象が撮影された前記コンテンツを抽出し、該抽出した前記コンテンツのそれぞれについて前記説明文を説明する
ことを特徴とする、請求項１記載のコンテンツ選定装置。

【請求項6】

前記説明文生成部は、前記コンテンツの各々について生成された前記説明文から、前記コンテンツを選定する対象に関する前記説明文を抽出し、
前記コンテンツ選定部は、前記抽出された前記説明文から、前記要約文の内容に類似する前記説明文を選定する
ことを特徴とする、請求項１記載のコンテンツ選定装置。

【請求項7】

前記コンテンツ選定部は、前記要約文のベクトルを示す要約文ベクトルと、前記説明文のベクトルを示す説明文ベクトルのコサイン類似度に基づいて、前記説明文を選定する
ことを特徴とする、請求項１記載のコンテンツ選定装置。

【請求項8】

コンピュータを請求項１乃至７の何れか一つに記載のコンテンツ選定装置として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、自然言語モデルを用いて指定期間の事象に関する文章から当該指定期間に撮影されたコンテンツを選定できる、コンテンツ選定装置、及びプログラムに関する。

【背景技術】

【0002】

機械学習その他の方法により生成された学習モデルを用いて自然言語を処理する情報処理システムとして、例えば特許文献１の言語モデルを利用したデータ生成方法が知られている。特許文献１のデータ生成方法は、原本データを利用して言語モデルの入力文となるプロンプトを構成し、当該構成したプロンプトを言語モデルに入力して自然語を生成する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２３－０１８６２４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

昨今では前述の従来技術を含めた自然言語モデルに関する技術が飛躍的に発展している。例えば、大量のテキストデータを学習することによって生成される自然言語モデルは大規模言語モデルと呼称され、文章の生成や要約、画像のキャプショニング等に用いることが期待されている。

【0005】

一方で、大規模言語モデルを含めた自然言語モデルは、昨今になって急速に発展している技術であり、いかなる分野への活用が有効であるかが模索されている。このような状況において、自然言語モデルを有効に活用できる情報処理システムが求められていた。

【0006】

この発明は上記の問題に鑑みてなされたものであり、自然言語モデルを用いて指定期間の事象に関する文章から当該指定期間に撮影されたコンテンツを選定することができる、コンテンツ選定装置及びプログラムを提供することをその目的とするものである。

【課題を解決するための手段】

【0007】

かかる課題を解決するために、請求項１の発明に係るコンテンツ選定装置は、指定期間の事象に関する文章に基づいて、前記指定期間に撮影された静止画、及び／又は、動画であるコンテンツを選定するコンテンツ選定装置であって、機械学習により生成された自然言語モデルを用いて、１又は２以上の前記文章を要約した要約文を生成する、要約文生成部と、１又は２以上の前記コンテンツの各々について、機械学習により生成された自然言語モデルを用いて、前記コンテンツの内容を説明する説明文を生成する、説明文生成部と、前記要約文の内容に類似する前記説明文を選定し、該選定した前記説明文に対応する前記コンテンツを取得する、コンテンツ選定部と、を備えることを特徴とする。

【0008】

請求項２の発明は、請求項１の発明において、前記コンテンツ選定装置が、前記要約文生成部は、前記コンテンツを選定する対象に関する前記文章の前記要約文を生成し、前記説明文生成部は、前記対象が撮影された前記コンテンツの各々について前記説明文を生成することを特徴とする。

【0009】

請求項３の発明は、請求項２の発明において、前記対象が人物であることを特徴とする。

【0010】

請求項４の発明は、請求項１の発明において、前記要約文生成部は、前記１又は２以上の前記文章から前記コンテンツを選定する対象に関する前記文章を抽出し、該抽出した前記文章の前記要約文を生成することを特徴とする。

【0011】

請求項５の発明は、請求項１の発明において、前記説明文生成部は、画像認識により前記１又は２以上の前記コンテンツから前記コンテンツを選定する対象が撮影された前記コンテンツを抽出し、該抽出した前記コンテンツのそれぞれについて前記説明文を説明する
ことを特徴とする。

【0012】

請求項６の発明は、請求項１の発明において、前記説明文生成部は、前記コンテンツの各々について生成された前記説明文から、前記コンテンツを選定する対象に関する前記説明文を抽出し、前記コンテンツ選定部は、前記抽出された前記説明文から、前記要約文の内容に類似する前記説明文を選定することを特徴とする。

【0013】

請求項７の発明は、請求項１の発明において、前記コンテンツ選定部は、前記要約文のベクトルを示す要約文ベクトルと、前記説明文のベクトルを示す説明文ベクトルのコサイン類似度に基づいて、前記説明文を選定することを特徴とする。

【0014】

請求項８の発明は、コンピュータ読み取り可能なプログラムであって、コンピュータを請求項１乃至７の何れか一つに記載のコンテンツ選定装置として機能させることを特徴とする。

【発明の効果】

【0015】

本発明の構成によれば、コンテンツ選定装置が、自然言語モデルを用いて指定期間の事象に関する１又は２以上の文章を要約した要約文を生成し、自然言語モデルを用いて１又は２以上のコンテンツの各々について説明文を生成し、要約文の内容に類似する説明文を選定して、当該選定した説明文に対応するコンテンツを取得する。この構成により、自然言語モデルを用いて指定期間の事象に関する文章から当該指定期間のコンテンツを選定することができる。

【図面の簡単な説明】

【0016】

【図1】本発明の実施の形態１に係るコンテンツ選定システム、及びコンテンツ選定装置の構成を概念的に示す図である。

【図2】本発明の実施の形態１におけるコンテンツ選定の概要を示す図である。

【図3】本発明の実施の形態１におけるコンテンツ選定の流れを示すフロー図である。

【図4】本発明の実施の形態２におけるコンテンツ選定の概要を示す図である。

【発明を実施するための形態】

【0017】

［発明の実施の形態１］
以下、本発明の各実施の形態について、図面を参照して説明する。図１は、本発明の実施の形態１に係るコンテンツ選定システム及びコンテンツ選定装置の構成を概念的に示す図である。

【0018】

［システムの用途］
例えば、図１に示すように、コンテンツ選定システム１Ａは、利用者２０１が利用者端末２を使用してコンテンツの作成や記録を行ったり、利用者２０２が利用者端末２を使用して記録されたコンテンツを取得したりするために用いられる。後述するが、この実施の形態１のコンテンツ選定システム１Ａは、利用者２０１によって作成され記録されたコンテンツの中から、利用者２０２が取得を希望する可能性の高いコンテンツを自動的に選定し、利用者２０２に受領させるための構成を備える。

【0019】

この実施の形態１のコンテンツ選定システム１Ａは、例えば保育園などの児童福祉施設や、幼稚園、小中学校等の教育機関等で、利用者２０２にコンテンツの販売を行ったり、利用者２０１，２０２間でコンテンツの授受を行うために用いられる。このコンテンツの授受は、対価を伴う売買でも、無償での譲渡でもよい。たとえば、コンテンツ選定システム１Ａが保育園で用いられる場合、利用者２０１は保育園で勤務する保育士や保育園の経営者や管理者で、利用者２０２は保育園に子供を預ける父兄であることが想定される。ただし利用者２０１，２０２が上述の者以外でもよい。

【0020】

また、コンテンツ選定システム１Ａは、利用者端末２を用いてコンテンツの販売やコンテンツの授受が行われるいかなる法人や社団や集団で用いられてもよい。例えば、企業、国や地方公共団体、学童野球や学童サッカーのチーム、スポーツや芸術や芸能の愛好者同士のコミュニティ、などで用いられてもよい。さらに、コンテンツ選定システム１Ａは、上述の法人や社団や集団が有償や無償で貸与されるものでもよい。

【0021】

［コンテンツ］
この実施の形態１のコンテンツ選定システム１Ａで用いられるコンテンツとは、たとえば、デジタル写真やデジタル動画やテキスト文章などの各種データである。すなわち、この実施の形態１におけるコンテンツとは、利用者端末２を用いる利用者２０２がネットワーク３を介して取得したり、利用者端末２を用いる利用者２０１，２０２同士がネットワーク３を介して授受したりできる各種データである。

【0022】

例えば、この実施の形態１のコンテンツ選定システム１Ａが保育園で用いられる場合、コンテンツは、例えば静止画、及び／又は、動画である。例えばこのコンテンツは、利用者２０１としての保育士等が利用者端末２のカメラ等で撮影した園児の画像である。このコンテンツは主に特定の父兄である利用者２０２の子供である特定の園児が写った写真や動画であるが、利用者２０２の子供以外の園児や風景等が写った写真や動画でもよい。この写真や動画には、撮影場所や撮影日時のような画像の属性情報や、写真や動画を撮影した保育士等が画像上に書き込んだ文字や絵などが付加されていてもよい。

【0023】

なお、この実施の形態１のコンテンツは、利用者端末２を用いて取得や授受が可能であり、コンテンツ選定システム１Ａを用いる法人や社団や集団の目的や性質、利用者２０１，２０２の用途等に適合するものならば、写真や動画以外のデータ、例えば各種文書を構成する文章のテキストデータや音声データなど、であってもよい。

【0024】

［文章］
この実施の形態１のコンテンツ選定システム１Ａで用いられる文章とは、任意の意味内容を示す一又は複数の文、及び／又は、任意の意味内容を示す一又は複数の図形や記号等である。後述する通り、実施の形態１のコンテンツ選定システム１Ａにおいて、文章はコンテンツ選定に用いる要約文を生成するために用いられる。

【0025】

例えば、コンテンツ選定システム１Ａが保育園で用いられる場合、この文章には、利用者２０１である保育園の保育士と利用者２０２である園児の父兄とが交信する連絡帳に、保育士や父兄が記入した連絡用の文章が用いられる。また、利用者２０１である保育士が作成する保育園内の日誌や報告書等の文書中の文章や、利用者２０２である父兄が作成する私的な育児記録の文書中の文章等も該当する。これらの文章は保育園の園児に関連性の高い内容であり、園児の写真や動画を特定する際に有用である。なお、利用者２０１，２０２以外の者が作成した文章（例えばニュース記事やＳＮＳでの個人の投稿文章等）をこの文章として用いてもよい。この文章は日本語、英語、フランス語など、どのような言語で構成されてもよいし、図形や絵等が含まれてもよい。文章が文字である場合、文章は主にテキストデータで構成されるが、紙に手書きされた文字や、イメージ化された文字を用いてもよい。また、文章の作成に音声データや映像データ等を用いてもよい。

【0026】

［システム構成］
図１に、この実施の形態１のコンテンツ選定システムと、コンテンツ選定装置のシステム構成図及び機能ブロック図を示す。図１に示す、この実施の形態１のコンテンツ選定システム１Ａは、この実施の形態１のコンテンツ選定装置１と、利用者端末２とを備え、それらがネットワーク３で交信可能に接続されている。

【0027】

［コンテンツ選定装置］
図１に示す、この実施の形態１のコンテンツ選定装置１は、サーバ用コンピュータを用いて構成されている。コンテンツ選定装置１は、指定期間の事象に関する文章に基づいて、当該指定期間に撮影された静止画、及び／又は、動画であるコンテンツを選定する。図１に示すように、コンテンツ選定装置１は、要約文生成部１１と、説明文生成部１２と、コンテンツ選定部１３と、コンテンツ選定データベース１４を備える。

【0028】

要約文生成部１１は、指定期間の事象に関する１又は２以上の文章を要約した要約文を生成する。実施の形態１の要約文生成部１１は機械学習により生成された自然言語モデル１１ａを備え、当該自然言語モデル１１ａを用いて文章の要約文を生成する。なお、実施の形態１では、文章は後述する文章データベース４に記録されている。

【0029】

説明文生成部１２は、指定期間の事象に関する１又は２以上のコンテンツの各々について、当該コンテンツの内容を説明する説明文を生成する。実施の形態１における説明文生成部１２は機械学習により生成された自然言語モデル１２ａを備えており、当該自然言語モデル１２ａを用いて要約文を生成する。なお、実施の形態１では、コンテンツは後述するコンテンツデータベース５に記録されている。

【0030】

コンテンツ選定部１３は、前述の説明文生成部１２が生成した説明文の各々から、前述の要約文生成部１１が生成した要約文と類似する説明文を選定し、当該選定した説明文に対応するコンテンツを取得する。

【0031】

実施の形態１のコンテンツ選定部１３は、前述の要約文生成部１１が生成した要約文のベクトルを示す要約文ベクトルを生成する要約文ベクトル生成部１３ａと、前述の説明文生成部１２が生成した説明文の各々のベクトルを示す説明文ベクトルを生成する説明文ベクトル生成部１３ｂと、要約文ベクトルと説明文ベクトルの各々の類似度を生成する類似度生成部１３ｃと、生成した類似度に基づいて所定数の説明文を選定し、該選定した説明文に対応するコンテンツを取得する、コンテンツ取得部１３ｄを備える。

【0032】

コンテンツ選定データベース１４は、コンテンツ選定装置１の機能に必要な情報を管理するデータベースである。実施の形態１では、コンテンツ選定データベース１４はコンテンツ選定装置１が備えるＲＤＢＭＳ（Ｒｅｌａｔｉｏｎａｌ Ｄｅｔａｂａｓｅ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）として構成されている。コンテンツ選定データベース１４には、園児の氏名や園児の属性（たとえば園児の生年月日、所属する組、担当保育士の氏名、父兄の氏名などの情報）を特定する情報などが記録されている。

【0033】

なお、コンテンツ選定装置１の機能に必要な情報をどのように管理するかは任意に選択してよい。たとえば、コンテンツ選定データベース１４として、ＲＤＢＭＳに代えて、例えばコンテンツ選定装置１が備えるストレージ装置の所定の領域に、所定の形式でファイルを配置するようにしてもよい。また、実施の形態１では後述する文章データベース４及びコンテンツデータベース５を用いるが、当該データベースを用いてコンテンツ選定装置１の機能に必要な情報を管理するようにしてもよい。

【0034】

前述のように、実施の形態１では、要約文生成部１１が自然言語モデル１１ａを備えており、当該自然言語モデル１１ａを用いて要約文を生成する。自然言語モデル１１ａは、要約を生成する対象、すなわち、指定期間の事象に関する１又は２以上の文章から、当該１又は２以上の文章を要約した要約文を生成する、機械学習によって生成された学習済みモデルである。自然言語モデル１１ａは、１又は２以上の文章から要約文を生成可能な周知の自然言語モデルを用いてよく、大量の教師データを用いて機械学習により生成された、いわゆる大規模言語モデルを用いてよい。

【0035】

なお、この実施の形態１の自然言語モデル１１ａとしては、非常に多いパラメータ数をもつ学習済みモデルを使うことが考えられる。

【0036】

具体的には、例えば下記（モデル例１）－（モデル例５）に例示するような学習済みモデルの何れかを、自然言語モデル１１ａに適用することが考えられる。
・（モデル例１）BERT (Bidirectional Encoder Representations from Transformers)：入力文書全体を考慮しつつ、単語の文脈を学習し、文書のベクトル表現を得られるモデルである。
・（モデル例２）GPT (Generative Pre-trained Transformer)：文書中の単語の前後の文脈を学習し、文書のベクトル表現を得ることができるモデルである。
・（モデル例３）XLNet (eXtreme Multi-task Learning with a Language Model)：単語の位置情報を考慮し、文脈を学習することで、文書のベクトル表現を得られるモデルである。
・（モデル例４）RoBERTa (Robustly Optimized BERT Pretraining Approach)： BERTの学習データの前処理を改良し、より大規模なデータセットで学習したモデルである。
・（モデル例５）T5 (Text-to-Text Transfer Transformer)：テキストからテキストへの変換タスクを解決することに特化し、文書のベクトル表現を得ることもできるモデルである。

【0037】

なお、上記（モデル例１）－（モデル例５）以外のいかなる言語モデルが自然言語モデル１１ａとして用いられてもよい。また、要約文生成部１１には、いわゆる大規模言語モデルに該当しない自然言語モデル１１ａが用いられてもよい。

【0038】

なお、実施の形態１では要約文生成部１１が自然言語モデル１１ａを備えるように構成しているが、自然言語モデル１１ａはコンテンツ選定装置１とは異なるコンピュータ又はコンピュータ群によって構成されていてもよい。例えば、コンテンツ選定装置１とは異なるコンピュータによって構成された情報処理システムにおいて自然言語モデルによって自然言語を処理する機能が提供されている場合に、当該情報処理システムの機能をもって自然言語モデル１１ａとしてもよい。また例えば、当該情報処理システムとのインタフェース、すなわち、当該情報処理システムに要約文の生成を要求し、処理の結果である要約文を当該情報処理システムから受領する機能をもって自然言語モデル１１ａとしてもよい。

【0039】

また、実施の形態１では、説明文生成部１２が自然言語モデル１２ａを備えている。自然言語モデル１２ａは、画像及び／又は動画であるコンテンツに基づいて、当該コンテンツの内容を示す説明文を生成する、機械学習により生成された学習済みモデルであり、コンテンツの具体的な構成に応じて自然言語モデル１２ａを構成してよい。

【0040】

また、実施の形態１で用いる自然言語モデル１１ａ、１２ａは、一部又は全部を共通の自然言語モデルによって構成してよく、例えば、一の自然言語モデルを、要約文生成部１１が用いる自然言語モデル１１ａ及び説明文生成部１２が用いる自然言語モデル１２ａとして用いるようにしてもよい。そして、説明文生成部１２が用いる自然言語モデル１２ａとして、前述の（モデル例１）－（モデル例５）に例示したモデルの何れかを用いることもできる。また、自然言語モデル１２ａも、上述の自然言語モデル１１ａと同様に、いかなる言語モデルを適用することもできる。

【0041】

また、実施の形態１では、前述のように要約文と説明文についてベクトルを生成して類似度を判定する構成である。しかし、言語の差に関わらず同一の内容から同一のベクトルが生成できる場合には、例えば、要約文生成部１１の自然言語モデル１１ａは日本語の文章から要約文を生成し、一方で説明文生成部１２の自然言語モデル１２ａはコンテンツの説明文を英語で生成する等、要約文と説明文の言語が異なる構成であってもよい（後述のステップＳ２２の説明参照）。或いは、要約文と説明文の言語が異なる場合に説明文を要約文の言語に翻訳してから類似を判定するように構成してもよい。

【0042】

実施の形態１において、コンテンツ選定装置１は周知のサーバ用コンピュータを用いて構成されている。サーバ用コンピュータのＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）その他のストレージ装置にはサーバ用コンピュータをコンテンツ選定装置１として機能させるプログラムが予め記憶されており、当該プログラムをサーバ用コンピュータのメモリにロードしてＣＰＵ（中央演算装置）が実行することにより、サーバ用コンピュータをコンテンツ選定装置１として機能させる。なお、コンテンツ選定装置１のハードウェア構成は任意に変更してよく、例えば、コンテンツ選定装置１を２台以上のコンピュータを用いて構成するようにしてもよい。

【0043】

文章データベース４は、前述の文章を管理するデータベースである。実施の形態１では、文章データベース４は日誌、報告書、連絡帳その他の文章に関するデータを管理するＲＤＢＭＳである。なお、文章データベース４は、コンテンツ選定装置１専用のデータベースであってもよいし、或いは他の情報処理システムの一部又は全部を前述のネットワーク３を介してコンテンツ選定装置１と通信可能に接続してもよい。

【0044】

コンテンツデータベース５は、前述のコンテンツを管理するデータベースである。実施の形態１におけるコンテンツデータベース５は、前述の文章データベース４と同様にＲＤＢＭＳとして構成されており、コンテンツ選定装置１専用のデータベースであってもよいし、或いは他の情報処理システムの一部又は全部を前述のネットワーク３を介してコンテンツ選定装置１と通信可能に接続してもよい。

【0045】

［利用者端末とネットワーク］
コンテンツ選定装置１を利用する利用者２０１，２０２は、コンテンツ選定装置１とネットワーク３を介して通信可能に接続された利用者端末２を用いる。利用者端末２は、周知のパーソナルコンピュータやスマートフォン、タブレット型コンピュータその他のコンピュータ等であり、コンテンツ選定装置１との間で文章やコンテンツを送受信する機能を有する。利用者端末２は、保育園の園児の写真や動画等、コンテンツを撮影するカメラ機能を備えることが望ましいが、同機能がなくてもよい。

【0046】

図１には図の簡略化のために１つの利用者端末２のみが記載されている。しかし、コンテンツ選定システム１Ａを実際に実施する際は、利用者端末２が複数存在してもよい。具体的には、個々の利用者２０１や個々の利用者２０２が、それぞれ所持又は管理する１又は複数のコンピュータ端末や携帯情報端末を利用者端末２として使用してもよい。

【0047】

ネットワーク３は、コンテンツ選定装置１と利用者端末２を通信可能に接続する計算機ネットワークである。ネットワーク３は周知の計算機ネットワークを用いてよく、例えば、いわゆるインターネットのような広域ネットワークを用いてもよいし、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を用いてもよいし、広域ネットワーク上の構築したＶＰＮ（Ｖｅｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）を用いてもよい。ネットワーク３は、有線ネットワーク、無線ネットワークのどちらを用いてもよいし、有線ネットワークと無線ネットワークを組み合わせて構成してもよい。

【0048】

［処理の内容］
次いで、実施の形態１におけるコンテンツ選定の処理の流れについて説明する。図２は、実施の形態１におけるコンテンツ選定の概要を示す図であり、図３は、実施の形態１におけるコンテンツ選定の流れを示すフロー図である。

【0049】

前述のように、実施の形態１におけるコンテンツ選定装置１は、指定期間の事象に関する文章に基づいて、当該指定期間に撮影されたコンテンツを選定する装置である。コンテンツ選定装置１によるコンテンツ選定は、図２及び図３で示すように、要約文Ｄ１２の生成と（ステップＳ１参照）、説明文Ｄ２２の生成と（ステップＳ２参照）、コンテンツＤ２１の選定（ステップＳ３参照）の３行程によって行われる。

【0050】

なお、ここでの指定期間とは、主としてコンテンツ選定に用いられる期間である。

【0051】

たとえば、コンテンツ選定システム１Ａが保育園で用いられる場合を考える。そして、特定の期間、たとえば令和５年度（２０２３年４月１日～２０２４年３月３１日）の保育園での園児の日常や各種イベントの状況などの写真や動画をコンテンツとして利用者２０２に提供する場合を考える。この場合は、コンテンツ選定の対象期間である令和５年度が指定期間として設定される。この指定期間の設定は、コンテンツ選定部１３が自動的に行ってもよいし、利用者２０１等が利用者端末２を用いて手動操作で行ってもよい。

【0052】

ステップＳ１において、コンテンツ選定装置１は、要約文生成部１１により指定期間の事象に関する文章Ｄ１１から要約文Ｄ１２を生成する。実施の形態１におけるコンテンツ選定装置１では、要約文生成部１１が、指定期間の事象に関する１又は２以上の文章Ｄ１１を取得し（ステップＳ１１参照）、次いで、取得した文章Ｄ１１の要約文Ｄ１２を生成する（ステップＳ１２参照）。

【0053】

文章Ｄ１１は、指定期間の事象に関する文章であり、当該指定期間の事象について自然言語によって記載された文章である。文章Ｄ１１は、例えば、日誌や報告書、連絡帳その他文章をもって文章Ｄ１１としてよい。

【0054】

ステップＳ１１において、要約文生成部１１は、指定期間の事象に関する文章Ｄ１１を取得する。実施の形態１では、文章Ｄ１１は前述の文章データベース４で管理されており、ステップＳ１１では指定期間の始期及び終期を条件として文章データベース４を検索し、該当する、すなわち指定期間の事象に関する１又は２以上の文章Ｄ１１を取得する。

【0055】

なお、ステップＳ１１におけて、要約文生成部１１における文章Ｄ１１の取得の方法は、任意に選択されてよい。例えば、ステップＳ１１においては、文章データベース４を用いず、利用者の操作により指定期間の事象に関する１又は２以上の文章Ｄ１１を利用者端末２からコンテンツ選定装置１に送信するようにしてもよい。

【0056】

この場合、要約文生成部１１は、当該送信された文章Ｄ１１を受信する。この場合、要約文生成部１１が受信した１又は２以上の文章Ｄ１１について、最も早いタイミングの事象の日時を始期、最も遅いタイミングの事象の日時を終期とする期間が指定されたものとして、以降の処理が行われるように構成されてもよい。

【0057】

また、要約文生成部１１が取得する文章Ｄ１１の何れの情報をもって指定期間に関する文章Ｄ１１であると判定するかについても任意に選択されてよい。例えば文章Ｄ１１が日誌である場合には当該日誌の作成日が指定期間に属するか否かによって判定するようにしてよい。また例えば、文章Ｄ１１が特定の日時に言及している場合に、当該言及した日時が指定期間に属するか否かによって判定するようにしてもよい。

【0058】

また、ステップＳ１１で要約文生成部１１が取得する１又は２以上の文章Ｄ１１の記録方式や記録媒体は任意に選択されてよい。実施の形態１では文章データベース４を用いているが、例えば、コンテンツ選定装置１その他のコンピュータのストレージ装置の所定の領域に、所定の文字コード及び所定の符号化方式を用いたテキストファイルを配置するようにしてもよい。

【0059】

なお、ステップＳ１１で要約文生成部１１が取得する文章Ｄ１１は、例えば手書きの紙媒体や当該紙媒体を撮影した画像であってもよいし、音声又は音声を含む動画であってもよい。この場合、例えば、利用者が利用者端末２を用いて紙媒体その他の形式の文章Ｄ１１をテキスト形式に変換してコンテンツ選定装置１に送信するように構成してもよい。

【0060】

また、コンテンツ選定装置１特定の構成たとえば要約文生成部１１が、画像中の文字を認識してテキスト形式に変換する文字認識部や、音声又は音声を含む動画から音声認識によりテキスト形式に変換する音声認識部を備えていてもよい。そして、この文字認識部や音声認識部の処理により、要約文生成部１１が、テキスト、画像、音声、動画その他の種々の形式のデータをステップＳ１１により文章Ｄ１１として取得可能に構成してもよい。

【0061】

また、ステップＳ１１で取得する文章Ｄ１１が、ステップＳ１２で要約文の生成に用いる自然言語モデル１１ａが対応する言語以外の言語で記載されている場合に、ステップＳ１１において、自然言語モデル１１ａが扱える言語に翻訳するようにしてもよい。

【0062】

ステップＳ１１において指定期間の事象に関する１又は２以上の文章Ｄ１１が取得されると、コンテンツ選定装置１の要約文生成部１１により、次いで、当該１又は２以上の文章Ｄ１１を要約した要約文Ｄ１２を生成する（ステップＳ１２参照）。前述のように、実施の形態１における要約文生成部１１は自然言語モデル１１ａを用いて、ステップＳ１１で取得した１又は２以上の文章Ｄ１１から、当該１又は２以上の文章Ｄ１１の要約を示す要約文Ｄ１２を生成する。

【0063】

ステップＳ１２で生成される要約文Ｄ１２は、例えば単一の文によって構成されていてもよいし、２以上の文によって構成されていてもよい。実施の形態１では、要約文Ｄ１２は、指定期間、及び、当該要約文Ｄ１２によって要約される１又は２以上の文章Ｄ１１を特定する情報と紐づけて、コンテンツ選定装置１のコンテンツ選定データベース１４に記録される。

【0064】

なお、実施の形態１では、ステップＳ１の処理が、指定期間の事象に関する１又は２以上の文章Ｄ１１を取得するステップＳ１１と、当該ステップＳ１１が取得した文章Ｄ１１を要約するステップＳ１２により構成されているが、１又は２以上の文章Ｄ１１に基づいてどのように要約文Ｄ１２を生成するかは前述の他、周知の方法を任意に選択してよい。例えば、ステップＳ１１では指定期間に属するか否かの判定を行わずに文章Ｄ１１を取得し、ステップＳ１２の要約文生成において、取得した文章Ｄ１１から指定期間の事象について要約文Ｄ１２を生成するように構成してもよい。

【0065】

ステップＳ２では、コンテンツ選定装置１の説明文生成部１２により、１又は２以上のコンテンツＤ２１の各々について、当該コンテンツの内容を示す説明文Ｄ２２を生成する。実施の形態１におけるコンテンツ選定装置１では、説明文生成部１２が、１又は２以上のコンテンツＤ２１を取得し（ステップＳ２１参照）、次いで、取得したコンテンツＤ２１の各々について説明文Ｄ２２を生成する（ステップＳ２２参照）。

【0066】

ステップＳ２１で取得されるコンテンツＤ２１は、前述のように静止画、及び／又は、動画である。実施の形態１では前述のようにコンテンツデータベース５によってコンテンツＤ２１が管理されており、ステップＳ２１では、当該コンテンツデータベース５からコンテンツＤ２１を取得する。なお、ステップＳ２１におけるコンテンツＤ２１の取得方法は任意に変更してよい。例えば、利用者が利用者端末２を操作して、コンテンツＤ２１をコンテンツ選定装置１に送信し、ステップＳ１１では当該送信されたコンテンツＤ２１を受信する処理として構成するようにしてもよい。

【0067】

実施の形態１における説明文生成部１２は、ステップＳ２１によって取得したコンテンツＤ２１の各々について、自然言語モデル１２ａを用いて説明文Ｄ２２を生成する（ステップＳ２２参照）。実施の形態１において、ステップＳ２２で生成される説明文Ｄ２２はコンテンツＤ２１の内容を単一の文によって表すデータである。ただし、説明文Ｄ２２の構成は任意に変更してよく、例えば２以上の文から説明文Ｄ２２を構成するようにしてよい。

【0068】

また、ステップＳ２２において、説明文生成部１２は、説明文Ｄ２２の言語、記録方式その他についても任意に選択してよい。例えば、後述する説明文ベクトルが、言語によらず説明文Ｄ２２の内容に応じて同一又は非常に近似したベクトルを生成できる場合には、説明文生成部１２は、説明文Ｄ２２の言語を、要約文Ｄ１２の言語が異なる構成としてもよい。

【0069】

ここでの言語が異なる構成とは、たとえば英語の要約文Ｄ１２を日本語の説明文Ｄ２２にする、日本語の漢字の要約文Ｓ１２をひらがなやカタカナの説明文Ｄ２２とする、などが考えられる。また、言語によりベクトルに差異が生じる場合は、説明文生成部１２は、要約文Ｄ１２と異なる言語で説明文Ｄ２２を生成した後に、当該説明文Ｄ２２を要約文Ｄ１２と同一の言語に翻訳するように構成してもよい。

【0070】

実施の形態１では、生成した説明文Ｄ２２は、当該説明文Ｄ２２に対応するコンテンツＤ２１、すなわち、当該説明文Ｄ２２の生成元となるコンテンツＤ２１であり当該説明文Ｄ２２によって内容が説明されるコンテンツＤ２１を特定する情報と紐づけて、コンテンツ選定装置１のコンテンツ選定データベース１４に記録される。

【0071】

なお、実施の形態１におけるコンテンツ選定では、要約文生成ステップＳ１の要約文生成の処理を前工程、ステップＳ２の説明文生成の処理を後工程としているが、当該行程の先後関係は任意に変更してよい。すなわち、ステップＳ２の説明文生成の処理の後にステップＳ１の要約文生成の処理を実行させてもよい。また、ステップＳ１の要約文生成の処理とステップＳ２の説明文生成の処理とを並列して実行させてもよい。

【0072】

また、実施の形態１におけるコンテンツ選定では、ステップＳ２の説明文生成の処理を、例えば日次や週次その他の所定期間ごとに自動的に実行されるように構成してもよい。この場合、ステップＳ２１で、コンテンツデータベース５から説明文Ｄ２２が生成されていないコンテンツＤ２１を取得して、ステップＳ２２が生成した説明文Ｄ２２をコンテンツＤ２１と紐づけてコンテンツ選定データベース１４に記録するように構成してもよい。

【0073】

ステップＳ１により要約文Ｄ１２を生成し、ステップＳ２により説明文Ｄ２２を生成すると、コンテンツ選定装置１は、次いで、コンテンツ選定部１３によるコンテンツＤ２１の選定を行う（ステップＳ３参照）。実施の形態１におけるステップＳ３は、要約文ベクトルの生成（ステップＳ３１参照）、説明文ベクトルの生成（ステップＳ３２参照）、類似度の生成（ステップＳ３３参照）、説明文の選定（ステップＳ３４参照）、コンテンツの取得（ステップＳ３５参照）から構成されている。

【0074】

ステップＳ３１では、要約文ベクトル生成部１３ａが、前述のステップＳ１により要約文生成部１１が生成した要約文Ｄ１２について、当該要約文Ｄ１２のベクトルを示す要約文ベクトルを生成する。要約文Ｄ１２のベクトルを生成する方法は周知の文章をベクトル化する方法を用いてよい。例えば、要約文Ｄ１２に含まれる単語の数や出現頻度を特徴量としてベクトル化してもよい。或いは、要約文Ｄ１２に含まれる単語の一部又は全部をベクトル空間にマッピングして、当該ベクトル化された単語から成る要約文Ｄ１２のベクトルを求めてもよい。

【0075】

要約文ベクトルは、当該要約文ベクトルの生成元となる要約文Ｄ１２を特定する情報と紐づけてコンテンツ選定装置１のコンテンツ選定データベース１４に記録される。

【0076】

ステップＳ３２では、説明文ベクトル生成部１３ｂが、前述のステップＳ２により説明文生成部１２が生成した説明文Ｄ２２の各々について、当該説明文Ｄ２２の各々のベクトルを示す説明文ベクトルを生成する。説明文Ｄ２２のベクトルを生成する方法は、ステップＳ３１で要約文Ｄ１２をベクトル化した方法と同一の方法や、要約文ベクトルとの類似性を判定可能なベクトルを生成できる周知のベクトル化方法を用いられる。説明文ベクトルは、当該説明文ベクトルの生成元となる説明文Ｄ２２を特定する情報と紐づけてコンテンツ選定装置１のコンテンツ選定データベース１４に記録される。

【0077】

要約文Ｄ１２のベクトルを示す要約文ベクトルと、説明文Ｄ２２のベクトルを示す説明文ベクトルが生成されると、次いで、要約文ベクトルと説明文ベクトルの各々の類似度を生成する（ステップＳ３３参照）。

【0078】

類似度を生成する方法は周知の方法を任意に用いて良いが、実施の形態１では要約文ベクトルと説明文ベクトルがなす角のコサイン値をコサイン類似度として算出し、類似度としている。実施の形態１では類似度としてコサイン類似度を用いており、要約文ベクトルと説明文ベクトルの内積をノルムすなわち要約文ベクトルと説明文ベクトルの大きさで割ることにより、類似度を－１～１の範囲に正規化した値として生成する。生成した類似度は、当該類似度の生成元となる要約文ベクトル及び説明文ベクトルをそれぞれ特定する情報と紐づけて、コンテンツ選定装置１のコンテンツ選定データベース１４に記録される。

【0079】

なお、この実施の形態１では、要約文ベクトルや説明文ベクトルを、下記（手法例１）－（手法例４）に例示するモデルや方法に基づいて得ることができる。
・（手法例１）Bag-of-words (BoW) モデル：文書中の単語を数えて、それらを特徴量としてベクトル化する。
・（手法例２）TF-IDF：BoW モデルの改良版で、単語の出現頻度に加えて、文書集合全体での単語の出現頻度を考慮することで、重要度を判断する。
・（手法例３）Word2Vec：ニューラルネットワークを用いた手法で、単語をベクトル空間にマッピングすることで、単語の意味を捉えたベクトル表現を得る。
・（手法例４）Doc2Vec：Word2Vec を拡張し、文書全体をベクトル表現に変換する。

【0080】

説明文ベクトルの各々について要約文ベクトルとの類似度を生成すると、次いで、コンテンツ選定装置１は当該類似度により要約文Ｄ１２と類似する所定数の説明文Ｄ２２を選定し（ステップＳ３４参照）、当該選定した説明文Ｄ２２に対応する、すなわち、コンテンツ選定装置１は、説明文Ｄ２２の生成元であり、説明文Ｄ２２により内容が説明されるコンテンツＤ２１を取得する（ステップＳ３４参照）。

【0081】

ステップＳ３４における説明文Ｄ２２の選定の方法は任意に選択してよいが、実施の形態１では、前述のとおり類似度として－１～１の範囲に正規化されたコサイン類似度が生成されており、当該コサイン類似度が１に近い順、すなわち、類似度が高い順に所定数の説明文Ｄ２２を選定する。

【0082】

実施の形態１では、前述のように、説明文Ｄ２２は当該説明文Ｄ２２に対応するコンテンツＤ２１を特定する情報と紐づけてコンテンツ選定データベース１４に記録されており、選定した説明文Ｄ２２に紐づけられた情報を用いて、当該説明文Ｄ２２に対応する、すなわち、当該説明文Ｄ２２の生成元であり、当該説明文Ｄ２２により内容が説明されるコンテンツＤ２１を取得する。

【0083】

実施の形態１の説明は以上である。実施の形態１では、要約文生成部１１が自然言語モデル１１ａを用いて１又は２以上の文章Ｄ１１を要約した要約文Ｄ１２を生成し、説明文生成部１２が自然言語モデル１２ａを用いて１又は２以上のコンテンツＤ２１の各々について説明文Ｄ２２を生成し、コンテンツ選定部１３が要約文Ｄ１２と類似する説明文Ｄ２２を選定し、当該選定した説明文Ｄ２２に対応するコンテンツＤ２１を取得する。

【0084】

実施の形態１では、この構成により、自然言語モデルを活用してコンテンツを選定することができる。実施の形態１におけるコンテンツ選定装置１は、例えば、学校その他の組織におけるクラスのアルバムを作成する場合において、月ごとや学期ごとの写真を選定する用途で使用することができる。

【0085】

［発明の実施の形態２］
以下、本発明の実施の形態２を説明する。実施の形態２では、実施の形態１のコンテンツの選定に加え、人物その他の対象への画像認識を用いてコンテンツを選定する。

【0086】

［基本構成］
この実施の形態２のコンテンツ選定システムは、図１に示すコンテンツ選定システム１Ａと基本的な構成は同じである。ただし、実施の形態２において、コンテンツ選定システム１Ａを構成するコンテンツ選定装置１は、要約文生成部１１や説明文生成部１２が画像認識機能を有する。実施の形態２のコンテンツ選定装置１は、要約文Ｄ１２や説明文Ｄ２２を生成する際に画像認識の結果を用いることができる。

【0087】

たとえば、この実施の形態２のコンテンツ選定システム１Ａが保育園で用いられており、特定の対象、例えば園児の画像を中心としたコンテンツを選定する場合を考える。ここで、実施の形態２のコンテンツ選定装置１の要約文生成部１１や説明文生成部１２が写真や動画に写った園児の顔（顔の特定の部位や顔以外の身体的特徴でもよい。）を認識する機能を有する。また、要約文生成部１１や説明文生成部１２は、顔を認識した園児の氏名を特定する機能を有する。認識した園児の顔から園児の氏名や園児の属性（たとえば園児の生年月日、所属する組、担当保育士の氏名、父兄の氏名などの情報）を特定する情報は、コンテンツ選定データベース１４に記録されている。

【0088】

要約文生成部１１や説明文生成部１２は、写真や動画に写った園児の顔からその園児の氏名を特定し、その園児の氏名や園児の属性等の情報を用いて、要約文Ｄ１２や説明文Ｄ２２を生成できる。

【0089】

［処理手順］
上述の、コンテンツ選定システム１Ａが保育園で用いられる事例を用いて、この実施の形態２のコンテンツ選定システム１Ａの処理手順を説明する。

【0090】

図４は、実施の形態２におけるコンテンツ選定の概要を示す図である。図４で示すように、実施の形態２では、指定期間の事象に関する１又は２以上の文章Ｄ１１、及び、コンテンツＤ２１を、対象Ｄ３で絞り込む。

【0091】

対象Ｄ３は、例えば保育園で保育されている個々の園児の顔である。要約文生成部１１や説明文生成部１２は、画像認識機能によって個々の園児の顔を認識し、対象Ｄ３と設定する。要約文生成部１１や説明文生成部１２は、対象Ｄ３として設定された園児の顔画像を認識すると、認識結果を用いてその園児の氏名を特定する。

【0092】

図４に示すように、要約文生成部１１は、文章Ｄ１１全体の中から、対象Ｄ３である園児の氏名（図４では氏名Ａ）を含む文章Ｄ１１や対象Ｄ３である園児に関する連絡帳や日誌を抽出し、抽出した文章Ｄ１１から要約文Ｄ１２を生成できる。図４に示すように、説明文生成部１２は、コンテンツＤ２１全体の中から、対象Ｄ３である園児の顔や姿が写った写真や動画のコンテンツＤ２１を抽出し、抽出したコンテンツＤ２１から説明文Ｄ２２を生成できる。

【0093】

なお、この実施の形態２において、要約文生成部１１や説明文生成部１２が用いる対象Ｄ３は、園児の顔以外、例えば、特定の保育士や父兄等の園児以外の人物、特定の建物や特定の場所や特定のイベント等でもよい。例えば、前述の実施の形態１において、コンテンツ選定装置１を使用して、学校その他のクラスのアルバムに使用する写真を選定できる旨説明したが、実施の形態２では、さらに、特定のクラスのアルバムにおいて、生徒や教師その他の人物の写った写真を選定でき、また、修学旅行や学園祭、体育祭その他のイベントや当該イベントで訪問した場所、建物等の写った写真を選定できる。

【0094】

なお、対象Ｄ３を指定する方法は任意の方法を選択してよく、例えば対象Ｄ３が人物である場合に、氏名及び／又は顔写真を用いて指定してもよいし、或いは、当該人物に関する情報がデータベースによって管理されている場合に、当該データベースにおいて当該人物を特定するＩＤその他の情報を用いて指定してもよい。これらの指定は、要約文生成部１１や説明文生成部１２の自動処理によるものでもよいし、利用者２０１，２０２の利用者端末２を用いた手動操作によるものでもよい。

【0095】

実施の形態２では、要約文Ｄ１２の生成に際して、先ず、指定期間の事象に関する１又は２以上の文章Ｄ１１から対象Ｄ３に関する１又は２以上の文章Ｄ１１を抽出し、次いで、当該抽出した１又は２以上の文章Ｄ１１の要約文Ｄ１２を生成する。

【0096】

実施の形態２において、文章Ｄ１１の抽出の方法は周知の方法を任意に選択してよい。たとえば、文章データベース４で管理される文章Ｄ１１を、指定期間に加えて対象Ｄ３を条件として検索するようにしてもよい。またたとえば、実施の形態１と同様に指定期間によって文章Ｄ１１を取得した後に、対象Ｄ３による抽出を行うようにしてもよい。この場合、文章Ｄ１１に対象Ｄ３を示す語が含まれているかによって抽出するようにしてもよい。またたとえば、対象Ｄ３を示す語のベクトルを生成して、文章Ｄ１１のベクトルとの類似度が所定以上の類似性を示す場合に当該文章Ｄ１１を抽出するようにしてもよい。

【0097】

なお、実施の形態２において、対象Ｄ３を用いて抽出した文章Ｄ１１から要約文Ｄ１２を生成する方法は、前述の実施の形態１と同様である。

【0098】

また、実施の形態２では、コンテンツＤ２１の説明文Ｄ２２の生成に際して、先ず、１又は２以上のコンテンツＤ２１から画像認識により対象Ｄ３が撮影された１又は２以上のコンテンツＤ２１を抽出し、次いで、当該抽出した１又は２以上のコンテンツＤ２１の各々について説明文Ｄ２２を生成する。

【0099】

実施の形態２における、画像認識の具体的な方法は、周知の画像処理技術を任意に選択してよい。また、実施の形態２において、抽出したコンテンツＤ２１から説明文Ｄ２２を生成する方法は、前述の実施の形態１と同様である。なお、説明文Ｄ２２の生成における抽出の方法は任意に選択してよい。

【0100】

実施の形態２では前述のように画像認識による抽出を行っているが、例えば説明文Ｄ２２の生成までは実施の形態１と同様に行い、生成した説明文Ｄ２２から対象Ｄ３に関する説明文Ｄ２２を抽出して、当該抽出された説明文Ｄ２２の各々について以降の処理を実行するようにしてもよい。

【0101】

例えば対象Ｄ３の画像等が存在せず、氏名や名称その他の文字情報によってのみ指定可能な場合には、説明文Ｄ２２を生成した後に、対象Ｄ３に関する説明文Ｄ２２を抽出するように構成することで、対象Ｄ３による絞り込みを行うことができる。

【0102】

実施の形態２では、要約文Ｄ１２の生成、及び、説明文Ｄ２２の生成を行った後は、実施の形態１と同様の行程によってコンテンツＤ２１を選定する。すなわち、要約文Ｄ１２のベクトルを示す要約文ベクトルと、説明文Ｄ２２のベクトルを示す説明文ベクトルを生成した後に、要約文ベクトルと説明文ベクトルの類似度をコサイン類似度として生成し、当該コサイン類似度が１に近い順、すなわち要約文Ｄ１２と説明文Ｄ２２の類似度が高い順に、所定数の説明文Ｄ２２を選定する。

【0103】

本発明の実施の形態２の説明は以上である。実施の形態２では、指定期間に加えて、さらに人物や場所、イベントその他の対象Ｄ３によりコンテンツＤ２１を選定できる。

【0104】

なお、本発明の実施形態は発明の実施の形態１及び２のみには限られない。例えば、実施の形態２では要約文Ｄ１２及び説明文Ｄ２２の双方について、前述の対象Ｄ３による絞り込みを行っているが、要約文ベクトルの生成に際して、要約文Ｄ１２における対象Ｄ３への言及が生成されるベクトルの値に十分に反映されている場合には、要約文Ｄ１２と類似性が高い説明文Ｄ２２及びコンテンツＤ２１も、対象Ｄ３と関連している可能性が高いことが推測される。この場合、対象Ｄ３による抽出は要約文Ｄ１２の生成のみで行い、説明文Ｄ２２の生成、及び、以降の選定処理では実施の形態１と同様の構成とし、要約文Ｄ１２との類似性をもって、コンテンツＤ２１を対象Ｄ３と関連するコンテンツとして選定してもよい。

【0105】

その他の具体的な構成も本実施の形態に限られるものではなく、本発明の趣旨を逸脱しない範囲において様々な変更が可能である。

【符号の説明】

【0106】

１ コンテンツ選定装置
２ 利用者端末
３ ネットワーク
４ 文章データベース
５ コンテンツデータベース
１１ 要約文生成部
１１ａ 自然言語モデル
１２ 説明文生成部
１２ａ 自然言語モデル
１３ コンテンツ選定部
１３ａ 要約文ベクトル生成部
１３ｂ 説明文ベクトル生成部
１３ｃ 類似度生成部
１３ｄ コンテンツ取得部
１４ コンテンツ選定データベース

【図1】

【図2】

【図3】

【図4】