ホーム > 特許ランキング > 株式会社ＮＴＴドコモ
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024176007
(43)【公開日】2024-12-19
(54)【発明の名称】ユーザ選択装置
(51)【国際特許分類】
G06Q 50/00 20240101AFI20241212BHJP
【ＦＩ】
G06Q50/00 300
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2023094187
(22)【出願日】2023-06-07
(71)【出願人】
【識別番号】392026693
【氏名又は名称】株式会社ＮＴＴドコモ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100121980
【弁理士】
【氏名又は名称】沖山 隆
(74)【代理人】
【識別番号】100128107
【弁理士】
【氏名又は名称】深石 賢治
(72)【発明者】
【氏名】古賀 彩夏
(72)【発明者】
【氏名】佐野 博之
【テーマコード（参考）】
5L049
5L050
【Ｆターム（参考）】
5L049CC17
5L049CC20
5L050CC17
5L050CC20
(57)【要約】
【課題】ユーザからの質問に対して適切な回答が期待できる他のユーザを選択することができるユーザ選択装置を提供すること。
【解決手段】本開示のユーザ選択装置１００において、類似度算出部１０３は、ユーザによって投稿された投稿Ｑ（投稿内容）と、他ユーザのユーザ情報（他ユーザのプロフィール、投稿内容など）との類似度を算出する。そして、関係性算出部１０５は、類似度をユーザと他ユーザとの間の関係性を算出する。選択部１０７は、算出した関係性および類似度に基づいて、他ユーザを候補ユーザとして選択する。この構成により、投稿内容の類似性に加えて、ユーザ間の関係性に基づいて候補ユーザを選択することができる。関係性を考慮して選択された候補ユーザは、一のユーザに対する投稿に対して回答することが期待される。
【選択図】図４
【解決手段】本開示のユーザ選択装置１００において、類似度算出部１０３は、ユーザによって投稿された投稿Ｑ（投稿内容）と、他ユーザのユーザ情報（他ユーザのプロフィール、投稿内容など）との類似度を算出する。そして、関係性算出部１０５は、類似度をユーザと他ユーザとの間の関係性を算出する。選択部１０７は、算出した関係性および類似度に基づいて、他ユーザを候補ユーザとして選択する。この構成により、投稿内容の類似性に加えて、ユーザ間の関係性に基づいて候補ユーザを選択することができる。関係性を考慮して選択された候補ユーザは、一のユーザに対する投稿に対して回答することが期待される。
【選択図】図４
【特許請求の範囲】
【請求項1】
ユーザによって投稿された投稿内容と、他ユーザのユーザ情報との類似度を算出する類似度算出部と、
前記ユーザと他ユーザとの間の関係性を算出する関係性算出部と、
前記関係性および前記類似度に基づいて、前記他ユーザを候補ユーザとして選択する選択部と、
を備えるユーザ選択装置。
前記ユーザと他ユーザとの間の関係性を算出する関係性算出部と、
前記関係性および前記類似度に基づいて、前記他ユーザを候補ユーザとして選択する選択部と、
を備えるユーザ選択装置。
【請求項2】
前記ユーザごとに、他ユーザとの関係性を算出するための根拠情報を記憶する記憶部をさらに備え、
前記関係性算出部は、前記根拠情報に基づいて、前記ユーザと前記他ユーザとの関係性を算出する、
請求項１に記載のユーザ選択装置。
前記関係性算出部は、前記根拠情報に基づいて、前記ユーザと前記他ユーザとの関係性を算出する、
請求項１に記載のユーザ選択装置。
【請求項3】
前記根拠情報は、前記ユーザから他ユーザに対する繋がりの方向性を有する情報である、
請求項２に記載のユーザ選択装置。
請求項２に記載のユーザ選択装置。
【請求項4】
前記記憶部は、前記根拠情報として、前記ユーザにより指定された指定ユーザ情報を予め記憶する、
請求項３に記載のユーザ選択装置。
請求項３に記載のユーザ選択装置。
【請求項5】
前記記憶部は、前記根拠情報として、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報を記憶する、
請求項３に記載のユーザ選択装置。
請求項３に記載のユーザ選択装置。
【請求項6】
前記記憶部は、前記根拠情報として、前記ユーザのプロフィールの閲覧者を示す閲覧履歴情報を記憶する、
請求項３に記載のユーザ選択装置。
請求項３に記載のユーザ選択装置。
【請求項7】
前記関係性算出部は、
前記ユーザにより指定された指定ユーザ情報、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報、および前記ユーザのプロファイルの閲覧者を示す閲覧履歴情報のうち少なくとも２つを用いて関係性を算出する場合、
前記指定ユーザ情報、前記回答履歴情報、および前記閲覧履歴情報のそれぞれにおいて、前記ユーザから前北ユーザに対する繋がりに対して重み付け処理を行って関係性を算出する、
請求項２に記載のユーザ選択装置。
前記ユーザにより指定された指定ユーザ情報、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報、および前記ユーザのプロファイルの閲覧者を示す閲覧履歴情報のうち少なくとも２つを用いて関係性を算出する場合、
前記指定ユーザ情報、前記回答履歴情報、および前記閲覧履歴情報のそれぞれにおいて、前記ユーザから前北ユーザに対する繋がりに対して重み付け処理を行って関係性を算出する、
請求項２に記載のユーザ選択装置。
【請求項8】
前記類似度を前記関係性に基づいて補正する補正部をさらに備え、
前記選択部は、前記補正された類似度を用いてユーザ選択を行う、
請求項１に記載のユーザ選択装置。
前記選択部は、前記補正された類似度を用いてユーザ選択を行う、
請求項１に記載のユーザ選択装置。
【請求項9】
前記類似度算出部は、前記類似度を予め定めた調整値に基づいて加工し、
前記関係性算出部は、前記関係性を予め定めた調整値に基づいて加工し、
前記補正部は、前記加工した類似度を前記加工した関係性を用いて補正する、
請求項８に記載のユーザ選択装置。
前記関係性算出部は、前記関係性を予め定めた調整値に基づいて加工し、
前記補正部は、前記加工した類似度を前記加工した関係性を用いて補正する、
請求項８に記載のユーザ選択装置。
【請求項10】
前記選択部は、
前記他ユーザを候補ユーザとした場合において、前記他ユーザの推薦順位を、前記類似度および前記関係性を用いて決定する、
請求項１に記載のユーザ選択装置。
前記他ユーザを候補ユーザとした場合において、前記他ユーザの推薦順位を、前記類似度および前記関係性を用いて決定する、
請求項１に記載のユーザ選択装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ユーザを選択するユーザ選択装置に関する。
【背景技術】
【0002】
特許文献１には、取得された質問情報と、ネットワーク上の行動履歴に関する行動情報とに基づいて、サービスを利用するユーザの中から、質問に対する回答を提供する回答者候補となるユーザを選択する、ことの記載がある。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－２００７１３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、質問者と面識のないユーザが回答者候補となっても、適切な回答が得られない可能性がある。
【0005】
そこで、本発明は、適切な他のユーザを選択することができるユーザ選択装置を提供することを目的とする。
【課題を解決するための手段】
【0006】
本発明のユーザ選択装置は、ユーザによって投稿された投稿内容と、他ユーザのユーザ情報との類似度を算出する類似度算出部と、前記ユーザと他ユーザとの間の関係性を算出する関係性算出部と、前記関係性および前記類似度に基づいて、前記他ユーザを候補ユーザとして選択する選択部と、を備える。
【発明の効果】
【0007】
本発明によると、適切なユーザを選択することができる。
【図面の簡単な説明】
【0008】
【図1】本開示の課題の概要を示す図である。
【図2】本開示のユーザ選択装置１００によるユーザ選択を行うことを示す概要図である。
【図3】本開示のユーザ選択装置１００を含むＱＡ投稿サービスシステムのシステム構成を示す図である。
【図4】本開示のユーザ選択装置１００の機能構成を示すブロック図である。
【図5】ユーザ選択装置１００の処理概要を示す概要図である。
【図6】ユーザの特徴ベクトル生成の概要を示した図である。
【図7】ユーザ選択装置１００の処理概要の後半部分を示す図である。
【図8】関係性算出部１０５の動作を示すフローチャートである。
【図9】入力データの一例を示す図である。
【図10】指名情報における整形処理を示す図である。
【図11】指名情報、ＱＡやり取り履歴、プロフィール閲覧履歴に対する整形処理を示す図である。
【図12】スケーリング処理を示す図である。
【図13】線形結合処理を示す図である。
【図14】線形結合後のデータのスケーリング処理を示す図である。
【図15】指名情報をさらに追加した場合の線形結合処理を示した概念図である。
【図16】関係性に基づいて類似度の補正処理を示すフローチャートである。
【図17】ユーザ間の関係性を用いて類似度を補正する例を示す図である。
【図18】関心度と類似度との乗算による補正を示す模式図である。
【図19】関心度および類似度のそれぞれに下駄を履かせた処理を示す模式図である。
【図20】本開示の一実施の形態に係るユーザ選択装置１００のハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【0009】
添付図面を参照しながら本開示の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
【0010】
図１は、本開示の課題の概要を示す図である。図において、ユーザＡは、投稿ＱをＱＡ投稿サービスサーバに投稿することを示す。従来技術においては、ＱＡ投稿サービスサーバは、類似度が高いユーザＣ・Ｄを候補者として選出した上で、ユーザＡに対してユーザＣ・Ｄをレコメンドする。そして、ＱＡ投稿サービスサーバは、ユーザＣ・Ｄに対してユーザＡの投稿した投稿Ｑをレコメンド（送信）する。
【0011】
ユーザＣ・Ｄが投稿Ｑに対して回答することが期待されるが、ユーザＡとユーザＣ・Ｄとの関係性によっては、ユーザＣ・Ｄからの回答が得られない状況が発生する。
【0012】
上記したとおり、他ユーザにとって、面識のないユーザ、不仲なユーザの投稿Ｑに対してはその回答が消極的になるといった、心理的ハードルが存在する。
【0013】
図２は、本開示のユーザ選択装置１００によるユーザ選択を行うことを示す概要図である。図に示されるとおり、ユーザ選択装置１００は、ユーザによって投稿された投稿Ｑの内容と他ユーザのユーザ情報とから算出された類似度を、ユーザ間の関係性に基づき補正した上で、候補者となるユーザを選出する。本開示のユーザ選択装置１００は、算出した類似度をそのまま用いてユーザ選出を行うのではなく、ユーザ間の関係性を表すスコアに基づき類似度を補正した上で、ユーザを選出する。
【0014】
図２（ａ）は、ユーザ間の関係性を示す図である。ユーザ選択装置１００は、この関係性に基づいてユーザＡ～ユーザＥから、適切と思われるいくつかのユーザを選択する。図２（ｂ）においては、ユーザ選択装置１００は、各ユーザの類似度を関係性に基づいて補正する。そして、ユーザ選択装置１００は、補正された類似度が最も高いユーザを選択する。本開示においては、ユーザ選択装置１００は、類似度０．６が補正された類似度０．８であるユーザＢを選択する。
【0015】
図３は、本開示のユーザ選択装置１００を含むＱＡ投稿サービスシステムのシステム構成を示す図である。図に示されるとおり、このＱＡ投稿サービスシステムは、ユーザ選択装置１００およびＱＡ投稿サービスサーバ２００を含む。ＱＡ投稿サービスサーバ２００は、ユーザ選択装置１００およびユーザ端末３００と通信接続可能に構成されている。このＱＡ投稿サービスサーバ２００は、一のユーザのユーザ端末３００からの投稿Ｑを受け付け、他ユーザのユーザ端末３００からその投稿Ｑに対する回答を受け付けることができる。
【0016】
ユーザ選択装置１００は、ＱＡ投稿サービスサーバ２００において一のユーザの投稿Ｑが受け付けられると、一のユーザに類似し、かつその関係性が所定条件を満たす他ユーザを選択して、当該他ユーザのユーザ端末３００に、投稿Ｑに対する回答を促すための通知を送信する。なお、本開示において、ユーザ選択装置１００とＱＡ投稿サービスサーバ２００とは、別の装置として表現されているが、これに限るものではなく、ユーザ選択装置１００の機能を、ＱＡ投稿サービスサーバ２００が含んでいてもよい。
【0017】
図４は、本開示のユーザ選択装置１００の機能構成を示すブロック図である。図に示されるとおり、ユーザ選択装置１００は、投稿情報特徴ベクトル化部１０１、ユーザ情報特徴ベクトル化部１０２、類似度算出部１０３、記憶部１０４、関係性算出部１０５、補正部１０６、および選択部１０７を含んで構成されている。
【0018】
投稿情報特徴ベクトル化部１０１は、ユーザが投稿した投稿Ｑの内容を、言語モデルによって特徴ベクトルに変換する部分である。投稿Ｑの内容には、タイトル、内容本文、タグ、添付ファイルの中身の文章等があり得る。言語モデルは、公知のものであり、本開示においては、Universal Sentence Encoderを用いるが、そのほかの公知のDoc2vecまたはSentence Bert、そのほか公知の言語モデルによって特徴ベクトル化することができる。なお、当然にこれらに限るものではない。
【0019】
ユーザ情報特徴ベクトル化部１０２は、他ユーザのユーザ情報に基づいて特徴ベクトルを生成する部分である。本開示においては、ユーザ情報は、他ユーザが登録した投稿内容、他ユーザのプロフィール情報である。プロフィール情報には、ユーザの所属、役職、特技、これまでの取り組み、受賞歴・資格・研修受講履歴、ハードスキル、ソフトスキル、ユーザがやりたい仕事内容、ハードスキル・ソフトスキル・やりたい仕事内容が一致する業務、自己紹介文、自己紹介用添付ファイルの中の文章、過去のＱＡ投稿内容、過去の投稿内容に対して「いいね」スタンプを獲得した数などがある。なお、「いいね」スタンプを獲得した投稿内容がユーザ特徴ベクトルに強く反映されるように重み付け処理をしてもよい。その他、他ユーザが生成した文章情報であればよい。また、投稿した日付に基づいて重み付け処理をしてもよい。
【0020】
類似度算出部１０３は、ユーザが投稿した投稿情報の特徴ベクトルと、他ユーザにより投稿された投稿情報および／またはプロフィール情報の特徴ベクトルとの類似度を算出する部分である。類似度は、例えば、コサイン類似度であるが、当然にそれに限定されるものではない。
【0021】
記憶部１０４は、ＱＡ投稿サービス内におけるユーザ間のインタラクション（例：ＱＡのやり取り、プロフィールページの閲覧履歴）、およびユーザが入力した繋がり情報である指名情報を記憶する部分である。すなわち、記憶部１０４は、各ユーザのプロフィール（繋がりを示す指名情報を含む）、ＱＡやり取り履歴（誰がどのユーザに投稿に対して回答したか）、プロフィール閲覧履歴（誰がどのユーザのプロフィールを閲覧したか）を記憶する。
【0022】
関係性算出部１０５は、記憶部１０４に記憶されているインタラクション、および繋がり情報に基づいて、一のユーザと他ユーザとの関係性を示す関係性情報を算出する部分である。例えば、この関係性情報は、重み付き有向グラフにより表現されるが、当然にこれに限るものではない。
【0023】
補正部１０６は、類似度算出部１０３により算出された類似度を、関係性算出部１０５により算出された関係性情報に基づいて補正する部分である。
【0024】
選択部１０７は、補正した類似度に基づいて一または複数の他ユーザを選択する部分である。
【0025】
通知部１０８は、選択した一または複数の他ユーザのユーザ端末３００に投稿Ｑに対する回答を促すための通知を送信する。なお、通知部１０８は、投稿Ｑに対する回答を促すための通知をするが、それ以外に、投稿Ｑが下書き状態である場合に、投稿前において、その通知をしてもよい。これにより、候補ユーザ以外のユーザからの回答前に、候補ユーザに対して通知を行い、その回答を期待することができる。
【0026】
つぎに、このように構成されたユーザ選択装置１００の処理概要について説明する。図５は、その処理概要を示す概要図である。図５（ａ）は、投稿情報特徴ベクトル化部１０１が、ユーザが投稿した投稿Ｑの内容を言語モデルによって特徴ベクトルに変換する様子を示す図である。
【0027】
図５（ｂ）は、ユーザ情報特徴ベクトル化部１０２が、ユーザ情報を言語モデルによって特徴ベクトルに変換する様子を示す図である。図においては、ユーザ情報特徴ベクトル化部１０２は、自己紹介文、業務履歴（文章で表された内容）、およびユーザが投稿した投稿情報または他のユーザの投稿情報に対する回答情報を、言語モデル（投稿情報特徴ベクトル化部１０１の言語モデルと同じ）に適用して、特徴ベクトルを算出する。
【0028】
そして、ユーザ情報特徴ベクトル化部１０２は、それぞれから求められた特徴ベクトルを重み付け処理して、ユーザの特徴ベクトルとする。
【0029】
図６は、ユーザの特徴ベクトル生成の概要を示した図である。図６においては、自己紹介文および２つの投稿内容を例にして特徴ベクトルを求める。図６に示される通り、ユーザ情報特徴ベクトル化部１０２は、自己紹介文から得られた特徴ベクトル、および投稿内容から得られた２つの特徴ベクトルに対して加重平均処理をして、ユーザの特徴ベクトルを生成する。
【0030】
ユーザ情報特徴ベクトル化部１０２は、加重平均する際には、最新の投稿内容に対して、より大きな重みが与えられるように設定する。例として、図６においては、更新されたばかりの自己紹介文、および2023/04/01などの、日付が現時点（現在日時が2023/04/20とする）に近い投稿内容に対しては0.5、および0.4という大きめの重みを与える。一方で、ユーザ情報特徴ベクトル化部１０２は、少し古い2023/03/16などの日付の投稿内容に対しては0.1という小さめの値を与える。このようにすることによって、ユーザ情報特徴ベクトル化部１０２は、ユーザの継時的な傾向の変化を抑えた上で（最近のユーザのトレンドを踏まえつつ）、ユーザ情報に基づいた特徴ベクトルを作成する。
【0031】
図５（ｃ）は、類似度算出部１０３による類似度算出処理を示す図である。図に示されるとおり、類似度算出部１０３は、ユーザＡによる投稿Ｑの特徴ベクトルと、ユーザＢの特徴ベクトルとの類似度０．６を算出する。同様に、類似度算出部１０３は、投稿Ｑの特徴ベクトルとユーザＣとの特徴ベクトルとの類似度を０．３と算出する。
【0032】
図７は、ユーザ選択装置１００の処理概要の後半部分を示す図である。図７（ａ）は、関係性算出部１０５によりユーザ間の関係性を重み付け有向グラフとして算出されたことを示す図である。図７（ａ）に示されるとおり、有効性グラフは、過去のインタラクションおよび入力された繋がり情報に基づく。インタラクションは、ＱＡのやり取り履歴、プロフィール閲覧履歴等である。また、繋がり情報は、ユーザによる自己申告により生成される指名情報である。指名情報の詳細は後述する。
【0033】
図７（ｂ）は、補正部１０６によりユーザ間関係性情報を用いて類似度の補正がされたことを示す図である。図に示されたとおり、補正部１０６は、例えば、ユーザＡとユーザＢとの類似度０．６が、関係性情報に基づいて０．８に補正される。同様に、ユーザＡとユーザＣとの類似度が補正される。
【0034】
図７（ｂ）に示される通り、補正された類似度が高い方のユーザＢが選択される。
【0035】
つぎに、ユーザ間の関係性算出処理の詳細について説明する。図８は、関係性算出部１０５の動作を示すフローチャートである。
【0036】
関係性算出部１０５は、記憶部１０４を参照して、一のユーザによる他ユーザの指名情報の取得、ＱＡやり取り履歴の集計、およびプロフィール閲覧履歴を集計して、入力データとして取得する（Ｓ１０１、Ｓ１０２、Ｓ１０３）。記憶部１０４には、各ユーザのプロフィール（繋がりを示す指名情報を含む）、ＱＡやり取り履歴（誰がどのユーザに投稿に対して回答したか）、プロフィール閲覧履歴（誰がどのユーザのプロフィールを閲覧したか）が記憶されている。
【0037】
入力データとしては、例えば、図９に示されるものが挙げられる。図９において、Ａ、Ｂ、Ｃ、Ｄ、Ｅの５人のユーザを考える。関係性算出部１０５は、ユーザ間の関係性を算出するために、３つのデータを使用するものとする。
【0038】
・プロフィールページに記入されている、自分と保有スキルが近いユーザ（指名情報）
・ＱＡやり取り履歴に記憶されている誰の投稿Ｑに対してどのユーザが回答したか（ＱＡやり取り履歴）
・プロフィールページ閲覧履歴に記憶されているどのユーザが、どのユーザのプロフィールページをどれだけ（回数・時間）閲覧しているか（プロフィール閲覧履歴）
本開示においては、入力データとして、図９（ａ）に示されるように、自分と保有スキルが近いことを示すデータ、図９（ｂ）に示される、ＱＡやり取り履歴を示すデータ、図９（ｃ）に示されるプロフィール閲覧履歴を示すデータがある。
・ＱＡやり取り履歴に記憶されている誰の投稿Ｑに対してどのユーザが回答したか（ＱＡやり取り履歴）
・プロフィールページ閲覧履歴に記憶されているどのユーザが、どのユーザのプロフィールページをどれだけ（回数・時間）閲覧しているか（プロフィール閲覧履歴）
本開示においては、入力データとして、図９（ａ）に示されるように、自分と保有スキルが近いことを示すデータ、図９（ｂ）に示される、ＱＡやり取り履歴を示すデータ、図９（ｃ）に示されるプロフィール閲覧履歴を示すデータがある。
【0039】
図９（ａ）において、指名者欄と被指名者欄とが対応付けられている。これはユーザＡが、ユーザＣおよびＤを指名して、自分と保有スキルが近いことを示している。このデータは、指名情報として、ユーザＡのプロフィールに記憶されており、各ユーザのプロフィールは、記憶部１０４に記憶されている。
【0040】
図９（ｂ）において、ＱＡやり取り履歴として、Ａ投稿者とＱ投稿者が対応付けられている。ユーザＣは、ユーザＤの投稿に対して４回回答し、ユーザＥの投稿に対して３回回答したことを示す。また、ユーザＡは、誰の投稿に対しても回答していないことを示す。φは無回答を示す。
【0041】
図９（ｃ）において、プロフィールの閲覧履歴として、閲覧者と被閲覧者とが対応付けられている。ユーザＡは、ユーザＢのプロフィールを１３秒閲覧し、ユーザＣを２１秒、ユーザＤを１４秒閲覧したことを示す。また、ユーザＤは、誰のプロフィールも閲覧をしなかったことを示す。φは無閲覧を示す。
【0042】
そして、関係性算出部１０５は、取得・集計したプロフィール・やり取り履歴・閲覧履歴等の入力データの整形処理を行う（Ｓ１０４）。
【0043】
ここで、整形処理について説明する。図１０は、指名情報における整形処理を示す図である。
【0044】
ＱＡやり取り履歴およびプロフィール閲覧履歴などの履歴情報については、以下の通り、ユーザと値とが組になって存在している。
【0045】
(u, n): ユーザuのQにn回回答した
(v, m): ユーザvのプロフィールを合計m秒閲覧した
それに対し、指名情報（保有スキルの指名）については、ユーザは存在するものの、値は存在しない。そのため、指名情報と履歴情報とを同じ枠組みで扱えるように、指名情報に対して、指名したことを表す値として１を持たせる。
(v, m): ユーザvのプロフィールを合計m秒閲覧した
それに対し、指名情報（保有スキルの指名）については、ユーザは存在するものの、値は存在しない。そのため、指名情報と履歴情報とを同じ枠組みで扱えるように、指名情報に対して、指名したことを表す値として１を持たせる。
【0046】
すなわち、指名情報については、ＱＡやり取り履歴およびプロフィール閲覧履歴と異なり、回数という概念がない。そのため、指名情報については、ＱＡやり取り履歴等の履歴情報とは、データ構造が異なっている。整形処理は、データ構造をそろえるための処理である。
【0047】
図１０（ａ）は、指名情報を示す図である。図１０（ｂ）は、指名情報について、値として１と付与した情報を示す。このように、指名情報における被指名者欄に、被指名者と値とを対応付けることで、他の履歴情報とデータ構造を同じにすることができる。
【0048】
さらに、関係性算出部１０５は、図１１に示される整形処理を行う。これまではデータが存在しない（誰も指名していない／誰の投稿にも回答していない／誰のプロフィールも閲覧していない）ことを表すために、空集合を表す記号φを使って表記をしていた。指名していない／回答していない／閲覧していないことを表す値として０を持たせることにすれば、上記データは、φを使わずに表現できる。
【0049】
すなわち、図１１において、データが存在していない項目については、０を付与する。例えば、図１１（ａ）において、指名者であるユーザＡは、ユーザＢおよびユーザＥを指名していない。そのため、関係性算出部１０５は、それらユーザに対しては、０を付与することで、指名していないことを示すデータを生成する。
【0050】
図１１（ｂ）においては、関係性算出部１０５は、やり取り履歴がないユーザ間について、０を付与する。例えば、ユーザＡによる投稿に対して、誰も回答をしていない。そのため、Ｑ投稿者欄においては、全てのユーザに対して０を付与する。ほかのユーザに対しても同様に、回答していないユーザに対して０を付与する。
【0051】
図１１（ｃ）においては、関係性算出部１０５は、プロフィール閲覧履歴がないユーザ間について、０を付与する。例えば、ユーザＤのプロフィールは、誰からも閲覧されていないため、各ユーザに対して０を付与する。
【0052】
つぎに、関係性算出部１０５は、データの整形処理の後、各データのスケーリング処理を行う（Ｓ１０５）。
【0053】
指名情報のデータは、値として０または１しか取らないのに対して、履歴情報のデータは、値として０またはＮ(Ｎは自然数）を取りうる。つまり、指名情報と履歴情報との間で値のスケールが大きく異なる可能性がある。特にプロフィールの閲覧履歴情報の値は他のデータと比較して特に大きな値を取る可能性が高い。このまま後段の処理を実施すると精度に影響が出るため、関係性算出部１０５は、履歴情報のデータに対して値のスケーリング処理を実施する。図１２の例ではスケーリング処理の方法としてMin-Max標準化を適用しているが、zスコア標準化やロバストzスコア標準化等の手法を用いてもよい。
【0054】
図１２（ａ）は、ＱＡやり取り履歴情報を対象にスケーリング処理（Min-Max標準化）を示した図である。図に示されるとおり、ユーザＣは、ユーザＤの投稿に対して回答が一番多かった。これを最大値として、０から１の間でスケーリング処理を行う。スケーリング処理は、最大値の逆数を、各回数に乗算することにより行われる。図１２（ｂ）は、そのスケーリング処理がされたＱＡやり取り履歴情報を示す図である。ここでは、ユーザＣのユーザＤに対する値は１である。一方で、ユーザＢのユーザＡに対する値は０．５になっている。
【0055】
図１２（ｃ）は、プロフィール閲覧履歴を対象にスケーリング処理を示した図である。図において、ユーザＣは、ユーザＤのプロフィールを見た時間が一番長く、１１６秒閲覧した。そのため、関係性算出部１０５は、図１２（ａ）と同様に、それを元にスケーリング処理を行う。
【0056】
つぎに、関係性算出部１０５は、各データに対して線形結合処理を行う（Ｓ１０６）。すなわち、関係性算出部１０５は、各データを線形結合（各データに対して重みｗを乗算した上で合算）し、ひとつのデータとしてまとめる。この重みｗは、どのデータを重視してユーザ間の関係性を算出するかを決めるためのパラメータであり、全パラメータを合計すると１になるような値が設定されている。たとえば図１３の例では、ｗ１＝０．１、ｗ２＝０．２、ｗ３＝０．７としており、プロフィール閲覧履歴のデータを最も重視した上でユーザ間の関係性を算出している。このパラメータは、ユーザ選択装置１００のオペレータにより設定される。
【0057】
図１３（ａ）は、自分と保有スキルが近いユーザを示す指名情報、ＱＡやり取り履歴情報、プロフィール閲覧履歴情報を示す。それぞれ重みｗ１＝０．１、重みｗ２＝０．２、重みｗ３＝０．７として、線形結合することによって、図１３（ｂ）のデータを得る。
【0058】
図１３（ｂ）は、線形結合処理されたデータを示す図であり、参照元と参照先とから構成されたデータを示す。参照元は、ユーザを示し、参照先は、参照元となるユーザが参照したユーザを示し、すなわち参照元ユーザにとって参照先のユーザに対する関心度（関心の程度）を示す。
【0059】
関係性算出部１０５は、線形結合後のデータのスケーリング処理を行う（Ｓ１０７）。すなわち、関係性算出部１０５は、得られたデータに対してMin-Max標準化を適用し、値の範囲を0-1の間におさめるようにする。図１３の例では、Min-Max標準化を用い、全ての重みｗの合計値が１になるように重みｗを設定したため、得られたデータは既に０～１の範囲におさまっている。しかしながら、処理Ｓ１０５でMin-Max標準化以外のスケーリング方法を用いた場合には、得られたデータが０～１の範囲におさまっていることが保証されないため、最終的なスケーリング処理が必要となる。したがって、Min-Max標準化にしたがったスケーリング方法を用いた場合には処理Ｓ１０７の処理は、必須ではない。
【0060】
図１４（ａ）は、線形結合されたデータを示す。関係性算出部１０５は、このデータに対してMin-Max標準化を行う。図１４（ｂ）は、スケーリング処理されたデータを示す。図に示されるとおり、ユーザＣのユーザＤに対する値が最大値となっており、その値が１であることから、値自体に変更はない。
【0061】
図１４（ｃ）は、図１４（ｂ）のデータに基づいて有向グラフで表現した図である。矢印方向が参照先を示す。図１４（ｃ）において、例えば、ユーザＡは、ユーザＢに対して関係性の程度が０．０７８であることを示す。
【0062】
ところで、図１３において、自分と保有スキルが近いユーザを示す指名情報、ＱＡやり取り履歴情報、およびプロフィール閲覧履歴情報に基づいた線形結合処理を示したが、これに限るものではない。例えば、指名情報として、自分と価値観または考え方が近いユーザを、自分のプロフィール情報に記憶しておき、それをもう一つの指名情報として、線形結合処理に利用してもよい。
【0063】
図１５は、指名情報をさらに追加した場合の線形結合処理を示した概念図である。ここでは、重みｗ１－１（重みｗ１）とは別に重みｗ１－２追加されており、これを利用して線形結合処理が行われる。そのほか、指名情報として、業務上頻繁に連絡を取る他のユーザ、業務外でも頻繁に連絡を取る他ユーザをプロフィール情報に記憶しておき、これをさらに加えて、または相互に入替えて、データ整形処理、スケーリング処理、線形結合処理を行ってもよい。なお、図１５におけるペクトルの数値等は、作図の便宜上、図１３のものと同じとなっているが、図１３のものとは関連はないものとする。
【0064】
また、関係性を示す情報として、さらに、ＳＮＳのフォロー・フォローバック、またはそれらに準ずる情報があり、それらを入力データとして、データ整形処理等をして関係性を示す情報を生成することもできる。
【0065】
つぎに、上記説明したように求められた関係性に基づいて類似度の補正処理について説明する。図１６は、その補正処理を示すフローチャートである。補正部１０６は、関係性算出部１０５により算出されたユーザ間の関係性に対して、一定の値（下駄）を加算する（Ｓ２０１）。補正部１０６は、類似度算出部１０３により算出された類似度に対して一定の値（下駄）を加算する（Ｓ２０２）。補正部１０６は、ユーザ間の関係性と類似度とを乗算して、類似度を補正する（Ｓ２０３）。
【0066】
選択部１０７は、乗算後の値（補正された類似度）に基づいてユーザを選択する（Ｓ２０４）。
【0067】
このようにして、補正部１０６は、類似度を関係性に基づいて補正し、選択部１０７は、その補正後の値に基づいてユーザを選択する。これにより、関係性を考慮してユーザ選択を可能にする。
【0068】
図１７は、ユーザ間の関係性を用いて類似度を補正する例を示す図である。ここでは、Ａ、Ｂ、Ｃ、Ｄ、Ｅの５人のユーザを考える。これらユーザ間の関係性として、図１７（ａ）に示す表の値が得られているものとする。
【0069】
ユーザＡが投稿した投稿Ｑ（ＱＡ）と他ユーザ（ユーザＢ、Ｃ、Ｄ、Ｅ）との類似度（sim(QA, user)と表記）を算出したところ、下記の値が得られたと仮定する。
【0070】
sim(QA, B) =0.6
sim(QA, C) =0.9
sim(QA, D) =0.4
sim(QA, E) =0.3
図１７（ｂ）は、上記類似度を模式的に示したものである。図１７（ｂ）に示されるとおり、ユーザＡが登録した投稿Ｑの特徴ベクトルと、ユーザＢの特徴ベクトルとの類似度０．６と示されている。ほかのユーザＣからユーザＥについても同様である。
sim(QA, C) =0.9
sim(QA, D) =0.4
sim(QA, E) =0.3
図１７（ｂ）は、上記類似度を模式的に示したものである。図１７（ｂ）に示されるとおり、ユーザＡが登録した投稿Ｑの特徴ベクトルと、ユーザＢの特徴ベクトルとの類似度０．６と示されている。ほかのユーザＣからユーザＥについても同様である。
【0071】
図１８は、関心度と類似度との乗算によって補正を示す模式図である。図１８（ａ）は、ユーザ間の関係性のうち、ユーザＡに対する各ユーザの関心度を示した有向グラフを示す。この有効性グラフは、ユーザ間の関係性を表すデータの中で、参照先がユーザＡのものに着目したものであり、図１４（ｃ）に示される有向グラフのうち、ユーザＡに対する各ユーザの関心度を示した有向グラフである。すなわち、ユーザＡ以外の他ユーザがユーザＡに対してどれくらい関心を持っているかを表す値（関心度）である。値が大きいほどユーザの作成した投稿Ｑに対して回答をする可能性が高いと考えられる。本開示において、図１８（ａ）に示されるユーザＡと他ユーザと関係性を、各ユーザのユーザＡに対する関心度とする。
【0072】
図１８（ｂ）は、ユーザ間の類似度を示した図である。図１８（ｃ）は、各ユーザの特徴ベクトルの類似度と、関心度とを乗算して補正後の類似度を示した図である。この図において、ユーザＢは、ユーザＡに対して、関心度は０．２７５であり、これを類似度０．６に乗算して、補正後の類似度０．１６５が求められたことを示している。他のユーザについても同様である。
【0073】
選択部１０７は、この補正後の類似度を用いて、ユーザを選択することで、関心度（関係性）を考慮したユーザ選択を行うことができる。
【0074】
ところで、図１８に示されるとおり、関心度と類似度とを乗算することによって類似度の補正を行うのが直感的であるが、このまま乗算を行うと、関心度・類似度どちらかの値が０の値であった場合に、補正後の値も０になってしまう。たとえば、ユーザＡ（ユーザＡが投稿した投稿Ｑ）とユーザＣとの類似度は、０．９であるが、ユーザＣのユーザＡに対する関心度は０．０であるため、乗算を行った結果は０．０となる。その結果、類似度がどれだけ高くても、候補者としてユーザＣが選定されることはなくなってしまう。
【0075】
そのため、類似度算出部１０３および関係性算出部１０５において、それぞれ類似度および関係性を算出する際において、図１９に示される下駄を履かせる処理が考えられる。図１９は、関心度および類似度の両方を考慮した処理を示す模式図である。図１９（ａ）は、各ユーザのユーザＡに対する関心度に対して、０．１の下駄を履かせたことを示す図である。すなわち、それぞれの関心度に０．１が加算されている。図１９（ｂ）は、ユーザＡと各ユーザとの類似度に対して、０．１の下駄を履かせたことを示す図である。図において、それぞれの類似度に対して０．１が加算されている。
【0076】
図１９（ｃ）は、下駄付き関心度と下駄付き類似度とに基づいて類似度を補正したことを示す図である。図に示されるとおり、何れの関心度、類似度ともに、０ではないため、補正後の類似度も０より大きい値が求められている。選択部１０７は、この補正後の類似度に基づいてユーザを選択する。
【0077】
図１８（ｃ）の補正後の類似度と比較して、図１９（ｃ）におけるユーザＡとユーザＤとの間での補正後の類似度は０．１となっており、ユーザＤの推薦順位が３位である。図１８（ｃ）では、ユーザＣにおける補正後の類似度は０であるため、推薦順位は４位である。
【0078】
選択部１０７は、推薦順位にしたがって、一または複数のユーザを選択する。例えば、推薦順位１位および２位のユーザを選択する。また、選択部１０７が推薦順位にかかわらず全ユーザを選択し、通知部１０８が推薦順位にしたがって通知をしてもよい。例えば、推薦順位が一位のユーザに対して通知をし、所定時間内に回答がない場合には、次の順位のユーザに対して通知をするなどの処理をしてもよい。
【0079】
また、通知部１０８は、投稿Ｑを投稿したユーザに対して、候補ユーザである他ユーザおよびその推薦順位を通知してもよい。
【0080】
また、通知部１０８は、推薦順位に基づいて、当該他ユーザを一のユーザによる投稿Ｑの公開対象としてもよい。通知部１０８は、ＱＡ投稿サービスサーバ２００に対して、所定順位のユーザのＩＤ等を通知することで、ＱＡ投稿サービスサーバ２００は、その所定順位内のユーザのみ、投稿Ｑを閲覧可能にし、または当該ユーザからの回答のみ受け付けるようにしてもよい。
【0081】
このように類似度、関心度に下駄を履かせることにより、類似度または関心度の値に応じた適切な選択処理を行うことができる。
【0082】
図１９においては、関心度・類似度ともに、下駄として同じ値（0.1）を採用したが、これらの値を下記のように調整することによって、補正度合いを調整可能である。
【0083】
・関心度の下駄大・類似度の下駄小：類似度を重視した候補者の決定が行われる
・関心度の下駄小・類似度の下駄大：関心度を重視した候補者の決定が行われる
関心度の下駄を類似度の下駄よりもある程度大きくすることにより、関係性の高い人間ばかりが候補者として推薦されることを防止できる。
・関心度の下駄小・類似度の下駄大：関心度を重視した候補者の決定が行われる
関心度の下駄を類似度の下駄よりもある程度大きくすることにより、関係性の高い人間ばかりが候補者として推薦されることを防止できる。
【0084】
つぎに本開示のユーザ選択装置１００の作用効果について説明する。本開示のユーザ選択装置１００において、類似度算出部１０３は、ユーザによって投稿された投稿Ｑ（投稿内容）と、他ユーザのユーザ情報（他ユーザのプロフィール、投稿内容など）との類似度を算出する。そして、関係性算出部１０５は、類似度をユーザと他ユーザとの間の関係性を算出する。選択部１０７は、算出した関係性および類似度に基づいて、他ユーザを候補ユーザとして選択する。この構成により、投稿内容の類似性に加えて、ユーザ間の関係性に基づいて候補ユーザを選択することができる。関係性を考慮して選択された候補ユーザは、一のユーザに対する投稿に対して回答することが期待される。
【0085】
このユーザ選択装置１００は、ユーザごとに、他ユーザとの関係性を算出するための根拠情報を記憶する記憶部１０４を備える。関係性算出部は、根拠情報に基づいて、ユーザと他ユーザとの関係性を算出する。この根拠情報は、ユーザから他ユーザに対する繋がりの方向性を有する情報である。
【0086】
例えば、記憶部１０４は、根拠情報として、前記ユーザにより指定された指定ユーザ情報を予め記憶する。指定ユーザ情報は、本開示における指名情報であり、ユーザにより事前に登録された情報である。ユーザは、自分と保有スキルが近い他ユーザ、自分と価値観または考え方が近い他ユーザ、業務上頻繁に連絡を取る他ユーザ、業務外で頻繁に連絡をとる他ユーザなどを登録してよい。
【0087】
また、記憶部１０４は、根拠情報として、ユーザからの投稿Ｑ（投稿内容）と他ユーザからの回答とを示す回答履歴情報であるＱＡやり取り履歴を記憶する。また、記憶部１０４は、根拠情報として、ユーザのプロフィールの閲覧者を示すプロフィール閲覧履歴を記憶する。
【0088】
これら構成により、指名情報、ＱＡやり取り履歴、プロフィール閲覧履歴は、ユーザ間の関係性を示しており、これらを利用することで、その関係性を求めることができる。
【0089】
また、本開示の関係性算出部１０５は、ユーザにより指定された指定ユーザ情報、ユーザからの投稿Ｑと他ユーザからの回答とを示すＱＡやり取り履歴、およびユーザのプロファイル閲覧履歴のうち少なくとも２つを用いて関係性を算出する場合、指名情報、ＱＡやり取り履歴、プロフィール閲覧履歴のそれぞれにおいて、ユーザから当該ユーザに対する繋がりに対して重み付け処理を行って関係性を算出してもよい。
【0090】
このようにして重み付け処理をすることで、どの情報を重視すべきか、ユーザ間の関係性を調整することができる。
【0091】
また、本開示において、ユーザ選択装置１００において、類似度算出部１０３および関係性算出部１０５は、類似度および関係性のそれぞれの値を予め定めた調整値に基づいて加工して、補正部１０６は、加工した類似度を、ユーザ間の関係性を用いて補正してもよい。これら調整値は、類似度および関係性のそれぞれに応じた値としてもよい。上記実施形態では一律に０．１を加算していたが、それに限るものではない。
【0092】
これにより、類似度または関係性の少なくともいずれかが０であったとして、それを０以外の値に調整することができ、乗算することにより補正をしたとしても、その類似度の補正を適切に行うことができる。
【0093】
また、本開示のユーザ選択装置１００において、選択部１０７は、他ユーザを候補ユーザとした場合において、当該他ユーザの推薦順位を、補正した類似度を用いて決定する。
【0094】
これにより、適切な類似度に基づいたユーザ選択を可能にする。
【0095】
本開示においては、一のユーザおよび他ユーザは、同じ組織に属することを想定している。例えば、このユーザ選択装置１００は、同じ会社内にいる同僚を他ユーザとして、何人かいる同僚から一または複数の同僚を選択する。同じ組織にいるユーザから投稿に対する回答を期待するユーザを選択しようとする場合、特にユーザ間の関係性は重要となる。そのため、記憶部１０４は、例えば、会社内におけるユーザリストのユーザ間におけるＱＡやり取り履歴およびプロフィール閲覧履歴、並びに指名情報を記憶している。
【0096】
また、本開示のユーザ選択装置１００において、ユーザによる投稿があった旨を通知する通知部１０８を備える。選択部１０７は、複数の他ユーザに対してそれぞれ推薦順位を決定し、通知部１０８は、複数の他ユーザに対して、推薦順位に従って通知処理を行う。例えば、通知部１０８は、とともに、所定時間間隔を空けて推薦順位順に通知処理を行うことが考えられる。
【0097】
また、通知部１０８は、投稿Ｑを投稿したユーザに対して、候補ユーザである他ユーザおよびその推薦順位を通知してもよい。これにより、どの他ユーザから回答が来るかをユーザは知ることができる。
【0098】
また、選択部１０７により決定された他ユーザの推薦順位に基づいて、当該他ユーザを一のユーザによる投稿Ｑの公開対象としてもよい。
【0099】
すなわち、一のユーザにより投稿Ｑがなされた場合に、候補者となった他ユーザのみが投稿内容を確認し、それに対して回答できるようにしてもよい。
【0100】
ユーザ選択装置１００は、ＱＡ投稿サービスサーバ２００に対して、他ユーザのＩＤを通知することで、ＱＡ投稿サービスサーバ２００は、そのＩＤに基づいて、アクセスの可否を制御することができる。
【0101】
本開示のユーザ選択装置１００は、以下の構成を有する。
【0102】
［１］
ユーザによって投稿された投稿内容と、他ユーザのユーザ情報との類似度を算出する類似度算出部と、
前記ユーザと他ユーザとの間の関係性を算出する関係性算出部と、
前記関係性および前記類似度に基づいて、前記他ユーザを候補ユーザとして選択する選択部と、
を備えるユーザ選択装置。
ユーザによって投稿された投稿内容と、他ユーザのユーザ情報との類似度を算出する類似度算出部と、
前記ユーザと他ユーザとの間の関係性を算出する関係性算出部と、
前記関係性および前記類似度に基づいて、前記他ユーザを候補ユーザとして選択する選択部と、
を備えるユーザ選択装置。
【0103】
［２］
前記ユーザごとに、他ユーザとの関係性を算出するための根拠情報を記憶する記憶部をさらに備え、
前記関係性算出部は、前記根拠情報に基づいて、前記ユーザと前記他ユーザとの関係性を算出する、
［１］に記載のユーザ選択装置。
前記ユーザごとに、他ユーザとの関係性を算出するための根拠情報を記憶する記憶部をさらに備え、
前記関係性算出部は、前記根拠情報に基づいて、前記ユーザと前記他ユーザとの関係性を算出する、
［１］に記載のユーザ選択装置。
【0104】
［３］
前記根拠情報は、前記ユーザから他ユーザに対する繋がりの方向性を有する情報である、
［２］に記載のユーザ選択装置。
前記根拠情報は、前記ユーザから他ユーザに対する繋がりの方向性を有する情報である、
［２］に記載のユーザ選択装置。
【0105】
［４］
前記記憶部は、前記根拠情報として、前記ユーザにより指定された指定ユーザ情報を予め記憶する、
［３］に記載のユーザ選択装置。
前記記憶部は、前記根拠情報として、前記ユーザにより指定された指定ユーザ情報を予め記憶する、
［３］に記載のユーザ選択装置。
【0106】
［５］
前記記憶部は、前記根拠情報として、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報を記憶する、
［３］または［４］に記載のユーザ選択装置。
前記記憶部は、前記根拠情報として、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報を記憶する、
［３］または［４］に記載のユーザ選択装置。
【0107】
［６］
前記記憶部は、前記根拠情報として、前記ユーザのプロフィールの閲覧者を示す閲覧履歴情報を記憶する、
［３］から［５］のいずれか一に記載のユーザ選択装置。
前記記憶部は、前記根拠情報として、前記ユーザのプロフィールの閲覧者を示す閲覧履歴情報を記憶する、
［３］から［５］のいずれか一に記載のユーザ選択装置。
【0108】
［７］
前記関係性算出部は、
前記ユーザにより指定された指定ユーザ情報、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報、および前記ユーザのプロファイルの閲覧者を示す閲覧履歴情報のうち少なくとも２つを用いて関係性を算出する場合、
前記指定ユーザ情報、前記回答履歴情報、および前記閲覧履歴情報のそれぞれにおいて、前記ユーザから前北ユーザに対する繋がりに対して重み付け処理を行って関係性を算出する、
［２］に記載のユーザ選択装置。
前記関係性算出部は、
前記ユーザにより指定された指定ユーザ情報、前記ユーザからの投稿内容と前記他ユーザからの回答とを示す回答履歴情報、および前記ユーザのプロファイルの閲覧者を示す閲覧履歴情報のうち少なくとも２つを用いて関係性を算出する場合、
前記指定ユーザ情報、前記回答履歴情報、および前記閲覧履歴情報のそれぞれにおいて、前記ユーザから前北ユーザに対する繋がりに対して重み付け処理を行って関係性を算出する、
［２］に記載のユーザ選択装置。
【0109】
［８］
前記類似度を前記関係性に基づいて補正する補正部をさらに備え、
前記選択部は、前記補正された類似度を用いてユーザ選択を行う、
［１］から［７］のいずれか一に記載のユーザ選択装置。
前記類似度を前記関係性に基づいて補正する補正部をさらに備え、
前記選択部は、前記補正された類似度を用いてユーザ選択を行う、
［１］から［７］のいずれか一に記載のユーザ選択装置。
【0110】
［９］
前記類似度算出部は、前記類似度を予め定めた調整値に基づいて加工し、
前記関係性算出部は、前記関係性を予め定めた調整値に基づいて加工し、
前記補正部は、前記加工した類似度を前記加工した関係性を用いて補正する、
［８］に記載のユーザ選択装置。
前記類似度算出部は、前記類似度を予め定めた調整値に基づいて加工し、
前記関係性算出部は、前記関係性を予め定めた調整値に基づいて加工し、
前記補正部は、前記加工した類似度を前記加工した関係性を用いて補正する、
［８］に記載のユーザ選択装置。
【0111】
［１０］
前記選択部は、
前記他ユーザを候補ユーザとした場合において、前記他ユーザの推薦順位を、前記類似度および前記関係性を用いて決定する、
［１］から［９］のいずれか一に記載のユーザ選択装置。
前記選択部は、
前記他ユーザを候補ユーザとした場合において、前記他ユーザの推薦順位を、前記類似度および前記関係性を用いて決定する、
［１］から［９］のいずれか一に記載のユーザ選択装置。
【0112】
上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェアおよびソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的または論理的に結合した１つの装置を用いて実現されてもよいし、物理的または論理的に分離した２つ以上の装置を直接的または間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置または上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
【0113】
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
【0114】
例えば、本開示の一実施の形態におけるユーザ選択装置１００は、本開示のユーザ選択方法の処理を行うコンピュータとして機能してもよい。図２０は、本開示の一実施の形態に係るユーザ選択装置１００のハードウェア構成の一例を示す図である。上述のユーザ選択装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
【0115】
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。ユーザ選択装置１００のハードウェア構成は、図に示した各装置を１つまたは複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
【0116】
ユーザ選択装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２およびストレージ１００３におけるデータの読み出しおよび書き込みの少なくとも一方を制御したりすることによって実現される。
【0117】
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の投稿情報特徴ベクトル化部１０１、ユーザ情報特徴ベクトル化部１０２、類似度算出部１０３、関係性算出部１０５、補正部１０６、および選択部１０７などは、プロセッサ１００１によって実現されてもよい。
【0118】
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３および通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、投稿情報特徴ベクトル化部１０１、ユーザ情報特徴ベクトル化部１０２、類似度算出部１０３、関係性算出部１０５、補正部１０６、および選択部１０７は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時または逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
【0119】
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係るユーザ選択方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
【0120】
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２およびストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
【0121】
通信装置１００４は、有線ネットワークおよび無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）および時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の通知部１０８は、通信装置１００４によって実現されてもよい。通信装置１００４は、送信部と受信部とで、物理的に、または論理的に分離された実装がなされてもよい。
【0122】
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５および出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
【0123】
また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
【0124】
また、ユーザ選択装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部または全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
【0125】
情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号またはこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。
【0126】
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
【0127】
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
【0128】
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
【0129】
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
【0130】
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨および範囲を逸脱することなく修正および変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
【0131】
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
【0132】
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）および無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、または他のリモートソースから送信される場合、これらの有線技術および無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
【0133】
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、またはこれらの任意の組み合わせによって表されてもよい。
【0134】
なお、本開示において説明した用語および本開示の理解に必要な用語については、同一のまたは類似する意味を有する用語と置き換えてもよい。例えば、チャネルおよびシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。
【0135】
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。
【0136】
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々なチャネル（例えば、ＰＵＣＣＨ、ＰＤＣＣＨなど）および情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネルおよび情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。
【0137】
本開示においては、「移動局（ＭＳ：Mobile Station）」、「ユーザ端末（user terminal）」、「ユーザ装置（ＵＥ：User Equipment）」、「端末」などの用語は、互換的に使用され得る。
【0138】
移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、またはいくつかの他の適切な用語で呼ばれる場合もある。
【0139】
本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベースまたは別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
【0140】
「接続された(connected)」、「結合された(coupled)」という用語、またはこれらのあらゆる変形は、２またはそれ以上の要素間の直接的または間接的なあらゆる接続または結合を意味し、互いに「接続」または「結合」された２つの要素間に１またはそれ以上の中間要素が存在することを含むことができる。要素間の結合または接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１またはそれ以上の電線、ケーブルおよびプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域および光（可視および不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」または「結合」されると考えることができる。
【0141】
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
【0142】
本開示において、「含む（include）」、「含んでいる（including）」およびそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。
【0143】
本開示において、例えば、英語でのa, anおよびtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
【0144】
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
【符号の説明】
【0145】
１００…ユーザ選択装置、２００…ＱＡ投稿サービスサーバ、３００…ユーザ端末、１０１…投稿情報特徴ベクトル化部、１０２…ユーザ情報特徴ベクトル化部、１０３…類似度算出部、１０４…記憶部、１０５…関係性算出部、１０６…補正部、１０７…選択部、１０８…通知部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】