特許 7173331 情報抽出装置、情報抽出方法、及び情報抽出プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-11-08

(45)【発行日】2022-11-16

(54)【発明の名称】情報抽出装置、情報抽出方法、及び情報抽出プログラム

(51)【国際特許分類】

   G06F 16/29 20190101AFI20221109BHJP

   G06F 16/906 20190101ALI20221109BHJP

   G06F 16/909 20190101ALI20221109BHJP

【ＦＩ】

G06F16/29

G06F16/906

G06F16/909

【請求項の数】 6

(21)【出願番号】P 2021525891

(86)(22)【出願日】2019-06-14

(86)【国際出願番号】 JP2019023768

(87)【国際公開番号】W WO2020250448

(87)【国際公開日】2020-12-17

【審査請求日】2021-11-01

(73)【特許権者】

【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】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】阿部 直人

(72)【発明者】

【氏名】瀬下 仁志

(72)【発明者】

【氏名】小西 宏志

【審査官】早川 学

(56)【参考文献】

【文献】米国特許出願公開第２０１８／０１１３８８０（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１６／０１８９１８６（ＵＳ，Ａ１）

【文献】特開２０１８－７２９６８（ＪＰ，Ａ）

【文献】特表２０１３－５４３１６７（ＪＰ，Ａ）

【文献】山本千尋、外４名，バリアフリーマップをソーシャルにつくる技術の開発，ＮＴＴ技術ジャーナル，一般社団法人電気通信協会，2016年05月01日，第２８巻，第５号，ｐｐ．２１～２４

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００－１６／９５８

(57)【特許請求の範囲】

【請求項1】

情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得する取得部と、
前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成する生成部と、
前記単語ベクトル間の距離を算出する距離算出部と、
前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類する分類部と、
前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する抽出部と、
を含む情報抽出装置。

【請求項2】

前記日時に基づく重みは、処理時の現在の日時及び前記日時の差に基づく重みとし、前記単語ベクトルにおける前記内容に関する成分は、前記内容の出現頻度と前記日時に基づく重みとの積とする請求項１に記載の情報抽出装置。

【請求項3】

前記抽出部は、前記分類ごとに、前記分類に含まれる前記データの内容の種別ごとの分類であるサブ分類の各々について信頼度を算出し、前記サブ分類の各々の信頼度に基づいて、前記データ群からデータを抽出する請求項１又は請求項２に記載の情報抽出装置。

【請求項4】

前記抽出部は、前記分類ごとに、前記サブ分類における前記内容の出現頻度と、前記サブ分類における前記情報源のデータについて定められた重みの平均とに基づいて、前記サブ分類の各々について信頼度を算出し、閾値以上の前記信頼度に対応する前記内容を示すラベルを抽出し、前記ラベルと共に、前記ラベルの前記内容を含む前記データ群のデータを抽出して出力する請求項３に記載の情報抽出装置。

【請求項5】

情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、
前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、
前記単語ベクトル間の距離を算出し、
前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、
前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、
ことを含む処理をコンピュータが実行することを特徴とする情報抽出方法。

【請求項6】

情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、
前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、
前記単語ベクトル間の距離を算出し、
前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、
前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、
ことをコンピュータに実行させる情報抽出プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

開示の技術は、情報抽出装置、情報抽出方法、及び情報抽出プログラムに関する。

【背景技術】

【0002】

ある対象に対するデータを収集する技術がある。例えば、交通上の路面の状況に関する路面状況のデータを抽出する技術がある。

【0003】

例えば、路面推定に必要なセンサデータが不足している地理的な範囲を適切に抽出する技術がある（例えば、特許文献１を参照）。この技術では、推定された移動状態の推定結果と、予め求められた推定器の正解率とに基づいて、地理範囲ごとに、移動状態に対応する路面状況を、路面状況の確率と共に推定している。また、推定された路面状況の確率が、予め定められた閾値に満たない地理範囲を、センサデータが不足している地理範囲として抽出している。

【0004】

また、データを評価する手法に関して、ＳＮＳのユーザに関する情報から信頼度等を算出してデータを評価する技術がある（例えば、非特許文献１～３を参照）。

【先行技術文献】

【非特許文献】

【0005】

【文献】佐藤 澪、「ソーシャルメディアから発信された情報の信頼度について」、[online]、会津大学短期大学部産業情報学科経営情報コース、2011年度卒業研究論文要旨集、［平成 30 年 8 月 13 日検索］、インターネット〈URL：http://www.jc.u-aizu.ac.jp/department/management/youshi/2011/09.pdf〉

【文献】大塚 孝信 他2名、「ユーザー間実距離を用いたSNSユーザー評価手法とパラメータ評価」、人工知能学会第11回知識流通ネットワーク研究会、インターネット〈URL：http://sigksn.html.xdomain.jp/conf11/SIG-KSN-011-06.pdf〉

【文献】石垣 藍睦、沼尾 雅之、「Twitter 特有のネットワーク構造を用いたユーザ重要度評価法の提案」、DEIM Forum 2016 B7-4、インターネット〈URL：http://db-event.jpn.org/deim2016/papers/302.pdf〉

【特許文献】

【0006】

【文献】特開２０１８－１９５１１８号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

しかし、上記特許文献１に記載の手法では、ある場所における抽出に必要なデータを十分に確保できない場合がある。そのため、そもそもデータを抽出できない、データを抽出したとしても抽出結果の精度が低い、又はデータを抽出したとしても抽出結果が正しいか否かを判断できない等の場合がある。

【0008】

また、従来、信頼度が閾値以上のデータを抽出する手法では、複数のデータが閾値を超える場合もある。閾値を超えるデータが複数あった場合に、いずれの内容のデータを抽出結果として採用するかを人手で判断していた。

【0009】

開示の技術は、上記の点に鑑みてなされたものであり、適切な情報を効率よく抽出することができる情報抽出装置、情報抽出方法、及び情報抽出プログラム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】

【0010】

本開示の第１態様は、情報抽出装置であって、情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得する取得部と、前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成する生成部と、前記単語ベクトル間の距離を算出する距離算出部と、前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類する分類部と、前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する抽出部と、を含む。

【0011】

本開示の第２態様は、情報抽出方法であって、情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、前記単語ベクトル間の距離を算出し、前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、ことを含む処理をコンピュータが実行することを特徴とする。

【0012】

本開示の第３態様は、情報抽出プログラムであって、情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、前記単語ベクトル間の距離を算出し、前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、ことをコンピュータに実行させる。

【発明の効果】

【0013】

開示の技術によれば、適切な情報を効率よく抽出することができる。

【図面の簡単な説明】

【0014】

【図1】本開示の技術の全体の処理の流れを示すイメージ図である。

【図2】本実施形態の情報抽出システムの構成の一例を示すブロック図である。

【図3】情報抽出装置のハードウェア構成を示すブロック図である。

【図4】単語ベクトル間の距離の関係を表で表した場合の一例を示す図である。

【図5】階層的クラスタリングにより、距離に対する閾値でデータをクラスタに分類する場合の例である。

【図6】クラスタについてサブ分類ごとの単語列、出現頻度、重み平均、及び信頼度を表にした場合の例である。

【図7】情報抽出装置による情報抽出処理の流れを示すフローチャートである。

【発明を実施するための形態】

【0015】

以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

【0016】

本開示の技術は、データを抽出したい対象物について、日時、場所、及び内容等の複数の項目を考慮することで、確からしいデータを抽出する手法を提案する。図１は、本開示の技術の全体の処理の流れを示すイメージ図である。図１に示すように、本手法では、情報源の日時、場所、及び内容を含むデータを取得し、単語ベクトル化を行い、単語ベクトルを生成する。また、本手法では、単語ベクトルをクラスタリングし、クラスタの信頼度を判定して、データの内容を示すラベルを抽出する。内容は、Ｌ_ｉ,ｊで表される単語であり、本実施形態では、Ｌ_ｉ,ｊは路面状況の種別である。Ｌ_ｉ,ｊは、Ｌ_ｉ,ｊ＝（ｗ１，ｗ２，．．．，ｗ_Ｎｉ，ｊ）のＮ_ｉ，ｊ個の単語リストで表される。なお、日時は、図１中では日時の項目について日付までを表示しているが時間を用いてもよい。以下で説明する図面においても同様である。

【0017】

以下では、対象を路面状況として、ユーザ端末の各々を１つの情報源として、ユーザ端末から路面状況の内容を含むデータを取得して抽出する場合を例に説明するが、他の対象であってもよい。例えば、対象を店舗とした店舗に関する店舗情報、対象を設備とした設備に関する設備情報等のデータを抽出する場合にも適用できる。

【0018】

以下、本実施形態の構成について説明する。

【0019】

図２は、本実施形態の情報抽出システム１０の構成の一例を示すブロック図である。図２に示すように、本実施形態に係る情報抽出システム１０は、複数のユーザ端末２０と、情報抽出装置２２とを備えている。複数のユーザ端末２０と情報抽出装置２２とは、所定のネットワークＮ（例えば、インターネット回線等）によって接続されている。

【0020】

図２に示すように、情報抽出装置２２は、取得部１２０と、生成部１２２と、距離算出部１２４と、分類部１２６と、抽出部１２８とを含んで構成されている。

【0021】

図３は、情報抽出装置２２のハードウェア構成を示すブロック図である。

【0022】

図３に示すように、情報抽出装置２２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。

【0023】

ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、情報抽出プログラムが格納されている。

【0024】

ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。

【0025】

入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。

【0026】

表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能してもよい。

【0027】

通信インタフェース１７は、端末等の他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。

【0028】

なお、ユーザ端末２０も情報抽出装置２２と同様のハードウェア構成によって構成できる。

【0029】

次に、情報抽出システム１０のユーザ端末２０及び情報抽出装置２２の各機能構成について説明する。情報抽出装置２２の各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された情報抽出プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。

【0030】

ユーザ端末２０は、任意のユーザが保有する端末である。ユーザ端末２０は、端末自体に備えられたセンサによって、対象に関する内容として、路面状況を計測する。路面状況の種別は、例えば、平坦、段差等である。ユーザ端末２０は、計測された路面状況の内容、路面状況が記録された場所、及び路面状況が記録された日時を含むデータからなるデータ群を情報抽出装置２２に送信する。データ群を送信するタイミングは、情報抽出システム１０でユーザ端末２０について定めた所定の間隔でよい。場所は、緯度であるｌａｔ及び経度であるｌｏｎを位置情報から取得する。日時は、日付及び時刻であり、例えば「ＹＹＹＹ／ＭＭ／ＤＤ／ｈｈ」の形式で取得する。

【0031】

次に、情報抽出装置２２の各部について説明する。

【0032】

取得部１２０は、ユーザ端末２０の各々を情報源として、情報源ごとのデータ群を取得する。

【0033】

生成部１２２は、データ群のデータの各々について、日時、場所、日時に基づく重みを用いた内容、及び内容の種別のそれぞれを成分とする単語ベクトルを生成する。日時に基づく重みを用いた内容に関する成分については、内容の出現頻度(０は無し、１はあり)と日時に基づく重みとの積を用いる。日時に基づく重みは、生成部１２２における処理時の現在の日時Ｔ及びデータにおける日時Ｔ_ｉ,ｊの差ｔ_ｉ,ｊ（ｔ_ｉ,ｊ＝Ｔ－Ｔ_ｉ,ｊ）に基づく重みｅ^－λｔ（ｔ＝ｔ_ｉ,ｊ）を用いる。また、後述する信頼度の算出において用いる情報源の重みは、重みｅ^－λｔと、情報源のデータについて定められた重みｗ_ｉ,ｊとの積とする。重みｗ_ｉ,ｊは、情報源ごとに手動で設定した重みを用いる。例えば、情報源として信頼性が高いと想定される情報源には高い値をｗ_ｉ,ｊに設定し、信頼性が低い情報源には低い値を重みｗ_ｉ,ｊに設定する。場所は緯度、経度に対して閾値Ｃ_Ｔに応じて小数点第Ｃ_Ｔ位よりも小さい値を削除した値を成分とする。

【0034】

距離算出部１２４は、生成部１２２でデータの各々について生成した単語ベクトルを用いて、単語ベクトル間の距離を算出する。距離算出部１２４は、単語ベクトル間の距離を、コサイン距離によって算出し、単語ベクトル間の近さを求める。単語ベクトル間の距離は、データの各々の単語ベクトルを、基準の単語ベクトルとして選び、基準の単語ベクトルと基準の単語ベクトル以外の単語ベクトルとの組み合わせの各々について、コサイン距離を算出して求めればよい。

【0035】

図４は、単語ベクトル間の距離の関係を表で表した場合の一例を示す図である。図４の例では、１行目を基準の単語ベクトルとして、２行目以降の単語ベクトルの各々とのコサイン距離を求めている。単語ベクトルは、日時、場所、重みｅ^－λｔと内容との積、及び路面状況を要素としている。コサイン距離が１に近いほど、単語ベクトル同士が近いといえる。ここで、２行目のデータについては、２０１８年のデータであり、現在の日時Ｔとデータにおける日時Ｔ_ｉ,ｊの差が大きく、重みｅ^－λｔが低く設定される。そのため、例えばＴ＝２０１９年２月２１日、λ＝０．０１とした場合、内容に関する成分の値が０．０２６と低い値になっている。

【0036】

分類部１２６は、単語ベクトル間の距離に基づいて、データ群のデータの各々を分類する。分類部１２６は、階層的クラスタリングの手法を用いて、データの各々をクラスタの何れかに分類する。

【0037】

クラスタリング手法について説明する。クラスタリング手法は、階層的クラスタリング及び非階層的クラスタリングが知られている。階層的クラスタリングにおいては、デンドログラム（樹形図）が生成され、クラスタ数を予め決める必要はない。階層的クラスタリングとしては、ウォード法及び群平均法等がある。一方、非階層的クラスタリングにおいては、クラスタ数を予め決める必要がある。非階層的クラスタリングとしては、ｋ－ｍｅａｎｓ及びｆｕｚｚｙ ｃ－ｍｅａｎｓ等が知られている。なお、クラスタリングを行う前においては、一般的にクラスタ数は不明であることが多い。

【0038】

そこで、本実施形態では、階層的クラスタリングを用いてクラスタリングを行う。階層的クラスタリングでは、少なくとも１つのクラスタが複数のクラスタを含む。また、階層的クラスタリングでは、単語ベクトル間の距離の類似度合いに基づいてクラスタリングが行われる。

【0039】

図５は、階層的クラスタリングにより、コサイン距離に対する閾値でデータをクラスタに分類する場合の例である。図５の左は単語ベクトルに対応する単語列、図５の右はデータのＩＤごとの単語ベクトル間の距離による類似度合いを示す樹形図を示している。図５の縦軸（距離）は距離＝１－（コサイン距離）を示しており、二つの単語ベクトル同士が似ているほど０に近い値となる。図５の樹形図には距離の類似度合いを判定するための閾値として、閾値０．２及び閾値０．４が定められている。ここでは閾値０．４を類似するクラスタとして扱う。図５に示すように、樹形図において、ＩＤ１、２、７、及び９の単語ベクトル間の距離が近く、類似している。また、ＩＤ１、２、７、及び９に対して、ＩＤ６も閾値０．２未満で類似している。閾値０．４でみれば、ＩＤ４、及び８も類似している。よって、図５の左に示す太枠の囲ったＩＤ１、２、４、６、７、８、及び９の単語ベクトルを同一のクラスタとして判別して、分類する。

【0040】

以上のように、分類部１２６は、階層的クラスタリングの手法により、データの各々を、単語ベクトル間の距離の閾値により同一のクラスタとされるデータを判別し、当該クラスタに分類する。

【0041】

抽出部１２８は、分類についての信頼度を算出し、信頼度に基づいてデータ群からデータを抽出する。具体的には、抽出部１２８は、クラスタの分類ごとに、分類に含まれるデータの内容の種別（路面状況）ごとの分類であるサブ分類の各々の信頼度を算出する。サブ分類の信頼度は、当該サブ分類における内容の出現頻度と、当該サブ分類における情報源のデータについて定められた重みｗ_ｉ,ｊの平均とに基づいて算出する。抽出部１２８は、閾値以上の信頼度に対応する路面状況の内容を示すラベルを抽出し、ラベルと共に、ラベルの内容を含むデータ群のデータを抽出して出力する。ここで、サブ分類とは、クラスタの分類に含まれる内容の種類を指し、例えば、「階段」及び「平坦」である。

【0042】

信頼度の算出手法について説明する。本実施形態では、確率統計を用いて信頼度を算出する。例えば、事象Ａを「ａ：バリアθがある」、事象Ｂを「ｂ：バリアθがない」とする。任意の地点において事象Ａである確率Ｐ_Ａ、任意の地点において事象Ｂである確率をＰ_Ｂとする。また、事象Ａ，Ｂが発生する地点において内容ａ，ｂがあり、データにａ，ｂが表れる確率を、それぞれｐ_Ａ（ａ），ｐ_Ａ（ｂ），ｐ_Ｂ（ａ），ｐ_Ｂ（ｂ）とする。なお、事象Ａ，Ｂに関する情報は、オープンデータ等の情報から設定される。また、ユーザ数ｎは計測により得られる。また、ｐ_Ａ（ａ），ｐ_Ａ（ｂ），ｐ_Ｂ（ａ），ｐ_Ｂ（ｂ）は、トライアル等の情報抽出の精度に応じて予め設定される。

【0043】

上記の条件下で、ある地点でｎ人中、あるクラスタＣ_ｉについて、事象Ａと識別したユーザがｒ人のとき、その地点が実際にＡである確率Ｑ（Ｃ_ｉ）を考える。この場合、ベイズの定理により、以下の式（１）によって確率Ｑ（Ｃ_ｉ）を算出できる。

【0044】

【数1】

・・・（１）

【0045】

ただし、Ｐ_Ａ＋Ｐ_Ｂ＝１，ｐ_Ａ（ａ）＋ｐ_Ａ（ｂ）＝１，ｐ_Ｂ（ａ）＋ｐ_Ｂ（ｂ）＝１とする。上記（１）式で確率Ｑ（Ｃ_ｉ）を求め、サブ分類の信頼度とする。

【0046】

次に、信頼度の算出の例を説明する。図６は、クラスタについてサブ分類ごとの単語列、出現頻度、情報源の重み平均、及び信頼度を表にした場合の例である。図６に示す例では、クラスタのクラスタＩＤであるＣＩＤが１～３ある。このうち、ＣＩＤ：１について、サブ分類として「階段」及び「平坦」で表にまとめる。ＣＩＤ：１のクラスタについてサブ分類「階段」及び「平均」のそれぞれについて、当該クラスタにおける出現頻度、情報源の重み平均、及び信頼度を算出する。出現頻度は、クラスタの全データ中のサブ分類の出現頻度である。重み平均は、クラスタの全データ中のサブ分類の情報源の重み平均である。信頼度は、クラスタの全データ中のサブ分類の信頼度である。ここで、上記（１）式でサブ分類の信頼度を計算するため確率値を説明する。サブ分類「階段」の重み平均が０．５６１、サブ分類「平坦」の重み平均が０．６００であるとする。この場合、サブ分類「階段」について、ｐ_Ａ（ａ）＝ｐ_Ｂ（ｂ）＝０．５６１，ｐ_Ａ（ｂ）＝ｐ_Ｂ（ａ）＝０．４３９とし、上記（１）式で信頼度を算出する。つまり、重み平均をｐ_Ａ（ａ）の値とする。ｎはデータの総数７、ｒは出現頻度５として算出する。また、サブ分類「平坦」について、ｐ_Ａ（ａ）＝ｐ_Ｂ（ｂ）＝０．６，ｐ_Ａ（ｂ）＝ｐ_Ｂ（ａ）＝０．４とし、上記（１）式で信頼度を算出する。ｎはデータの総数７、ｒは出現頻度２として算出する。以上の条件でサブ分類「階段」の信頼度は０．６７６、サブ分類「平坦」の信頼度は０．２２８と算出できる。

【0047】

次に、情報抽出システム１０の情報抽出装置２２の作用について説明する。

【0048】

図７は、情報抽出装置２２による情報抽出処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４から情報抽出プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、情報抽出処理が行なわれる。ここで、ユーザ端末２０は、計測された路面状況の内容、路面状況が記録された場所、及び路面状況が記録された日時を含むデータからなるデータ群を情報抽出装置２２に所定の間隔で送信している。

【0049】

ステップＳ１００において、ＣＰＵ１１は、ユーザ端末２０の各々を情報源として、情報源ごとのデータ群を取得する。

【0050】

ステップＳ１０２において、ＣＰＵ１１は、データ群のデータの各々について、日時、場所、日時に基づく重みを用いた内容、及び内容の種別のそれぞれを成分とする単語ベクトルを生成する。日時に基づく重みを用いた内容に関する成分については、内容の出現頻度(０は無し、１はあり)と日時に基づく重みとの積を用いる。日時に基づく重みは、処理時の現在の日時Ｔ及びデータにおける日時Ｔ_ｉ,ｊの差ｔ_ｉ,ｊ（ｔ_ｉ,ｊ＝Ｔ－Ｔ_ｉ,ｊ）に基づく重みｅ^－λｔ（ｔ＝ｔ_ｉ,ｊ）を用いる。

【0051】

ステップＳ１０４において、ＣＰＵ１１は、データの各々について生成した単語ベクトルを用いて、単語ベクトル間の距離を算出する。

【0052】

ステップＳ１０６において、ＣＰＵ１１は、単語ベクトル間の距離に基づいて、階層的クラスタリングの手法を用いて、データ群のデータの各々をクラスタの何れかに分類する。

【0053】

ステップＳ１０８において、ＣＰＵ１１は、クラスタの分類ごとに、分類に含まれるデータの内容の種別（路面状況）ごとの分類であるサブ分類の各々について信頼度を算出する。サブ分類の信頼度は、上記（１）式に従って、当該サブ分類における内容の出現頻度と、当該サブ分類における情報源のデータについて定められた重みｗ_ｉ,ｊの平均とに基づいて算出する。

【0054】

ステップＳ１１０において、ＣＰＵ１１は、閾値以上の信頼度に対応する路面状況の内容を示すラベルを抽出する。

【0055】

ステップＳ１１２において、ＣＰＵ１１は、抽出したラベルと共に、ラベルの内容を含むデータ群のデータを抽出して出力する。

【0056】

以上説明したように本実施形態の情報抽出装置２２によれば、適切な情報を効率よく抽出することができる。

【0057】

また、従来の手法では文字列と数値とを同時に扱うことは難しかったが、本手法によって、日時、場所、及び内容をまとめて考慮したクラスタリングが可能となる。また、情報源について定めた重み及び出現頻度に基づく信頼度を利用するためで、複数の情報源から確からしい情報の抽出が可能となる。

【0058】

また、上述した実施形態では、サブ分類ごとに信頼度を算出してデータを抽出する場合について説明したが、これに限定されるものではない。例えば、クラスタの分類について、サブ分類の信頼度を統合して、閾値以上のクラスタの分類に含まれるデータの内容の内訳、及びサブ分類の信頼度を抽出するようにしてもよい。

【0059】

なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した情報抽出処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、情報抽出処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。

【0060】

また、上記各実施形態では、情報抽出プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

【0061】

以上の実施形態に関し、更に以下の付記を開示する。

【0062】

（付記項１）
メモリと、
前記メモリに接続された少なくとも１つのプロセッサと、
を含み、
前記プロセッサは、
情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、
前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、
前記単語ベクトル間の距離を算出し、
前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、
前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、
ように構成されている情報抽出装置。

【0063】

（付記項２）
情報源ごとの、対象に関する内容、前記内容が記録された場所、及び前記内容が記録された日時を含むデータからなるデータ群を取得し、
前記データ群の前記データの各々について、前記日時、前記場所、前記日時に基づく重みを用いた内容、及び前記内容の種別のそれぞれを成分とする単語ベクトルを生成し、
前記単語ベクトル間の距離を算出し、
前記単語ベクトル間の距離に基づいて前記データ群のデータの各々を分類し、
前記分類についての信頼度を算出し、前記信頼度に基づいて前記データ群からデータを抽出する、
ことをコンピュータに実行させる情報抽出プログラムを記憶した非一時的記憶媒体。

【符号の説明】

【0064】

１０ 情報抽出システム
２０ ユーザ端末
２２ 情報抽出装置
１２０ 取得部
１２２ 生成部
１２４ 距離算出部
１２６ 分類部
１２８ 抽出部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】