特許 7539685 ストーリーの展開をユーザに提示する方法、ストーリー展開提示装置、そのコンピュータプログラム、ストーリーの展開を解析する方法、ストーリー展開解析装置、そのコンピュータプログラム

(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】2024-08-16

(45)【発行日】2024-08-26

(54)【発明の名称】ストーリーの展開をユーザに提示する方法、ストーリー展開提示装置、そのコンピュータプログラム、ストーリーの展開を解析する方法、ストーリー展開解析装置、そのコンピュータプログラム

(51)【国際特許分類】

   G06T 11/20 20060101AFI20240819BHJP

【ＦＩ】

G06T11/20 600

【請求項の数】 14

(21)【出願番号】P 2020065530

(22)【出願日】2020-04-01

(65)【公開番号】P2021163292

(43)【公開日】2021-10-11

【審査請求日】2023-03-17

【新規性喪失の例外の表示】特許法第３０条第２項適用 令和２年３月２７日、ｈｔｔｐｓ：／／ｓｉｇ－ｃｃ．ｏｒｇ／？ｐ＝１６４（第３回コミック工学研究会予稿集にＷＥＢ掲載）

(73)【特許権者】

【識別番号】593006630

【氏名又は名称】学校法人立命館

(74)【代理人】

【識別番号】100111567

【弁理士】

【氏名又は名称】坂本 寛

(72)【発明者】

【氏名】西原 陽子

(72)【発明者】

【氏名】山西 良典

(72)【発明者】

【氏名】韓 毅弘

【審査官】益戸 宏

(56)【参考文献】

【文献】特開２０１４－１３９７３４（ＪＰ，Ａ）

【文献】特開２０１４－０６８２９０（ＪＰ，Ａ）

【文献】特開２００７－２８１６８０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ １１／２０

Ｈ０４Ｎ ５／７６

Ｇ０６Ｆ ３／０４８１

(57)【特許請求の範囲】

【請求項1】

複数のオブジェクトが登場するストーリーの展開をユーザに提示する方法であって、
プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから、前記時系列データを読み出し、
前記プロセッサが、読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、
前記プロセッサが、前記グラフィカルイメージを、前記ストーリーの前記展開として、前記ユーザに提示する
ことを備え、
前記プロセッサが、前記１つ以上のオブジェクトを、前記複数のオブジェクトの中から選択することを更に備え、
前記時系列データは、非負値行列データであり、
前記１つ以上のオブジェクトは、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される、
ストーリーの展開をユーザに提示する方法。

【請求項2】

前記グラフィカルイメージは、前記ストーリーを説明する文章が付属することなく、前記ユーザに提示される
請求項１に記載のストーリーの展開をユーザに提示する方法。

【請求項3】

前記プロセッサが、前記時系列データの全時間範囲のうちの一部の時間範囲を選択することを更に備え、
前記グラフィカルイメージは、前記時系列データのうち、前記一部の時間範囲における部分時系列データに基づいて生成される
請求項１又は請求項２に記載のストーリーの展開をユーザに提示する方法。

【請求項4】

前記一部の時間範囲は、前記ユーザから入力されたデータに基づいて選択される
請求項３に記載のストーリーの展開をユーザに提示する方法。

【請求項5】

前記一部の時間範囲は、前記時系列データを解析した結果に基づいて選択される
請求項３に記載のストーリーの展開をユーザに提示する方法。

【請求項6】

複数のオブジェクトが登場するストーリーの展開をユーザに提示する方法であって、
プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから、前記時系列データを読み出し、
前記プロセッサが、読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、
前記プロセッサが、前記グラフィカルイメージを、前記ストーリーの前記展開として、前記ユーザに提示する
ことを備え、
前記プロセッサが、前記時系列データの全時間範囲のうちの一部の時間範囲を選択することを更に備え、
前記グラフィカルイメージは、前記時系列データのうち、前記一部の時間範囲における部分時系列データに基づいて生成され、
前記時系列データは、非負値行列データであり、
前記一部の時間範囲は、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される
ストーリーの展開をユーザに提示する方法。

【請求項7】

前記プロセッサが、前記時系列データの全時間範囲のうちの一部の時間範囲を選択すること、
を更に備え、
前記グラフィカルイメージは、前記一部の時間範囲における前記１つ以上のオブジェクトの登場度の時間的変化を示すよう生成される
請求項１又は請求項２に記載のストーリー展開をユーザに提示する方法。

【請求項8】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースと、
前記データベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を実行するよう構成されたプロセッサと、
を備え、
前記プロセッサは、前記１つ以上のオブジェクトを、前記複数のオブジェクトの中から選択するよう構成され、
前記時系列データは、非負値行列データであり、
前記１つ以上のオブジェクトは、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される、
ストーリー展開提示装置。

【請求項9】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースと、
前記データベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を実行するよう構成されたプロセッサと、
を備え、
前記プロセッサは、前記時系列データの全時間範囲のうちの一部の時間範囲を選択するよう構成され、
前記グラフィカルイメージは、前記時系列データのうち、前記一部の時間範囲における部分時系列データに基づいて生成され、
前記時系列データは、非負値行列データであり、
前記一部の時間範囲は、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される
ストーリー展開提示装置。

【請求項10】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を、コンピュータに実行させるためのコンピュータプログラムであって、
前記処理は、前記１つ以上のオブジェクトを、前記複数のオブジェクトの中から選択することを含み、
前記時系列データは、非負値行列データであり、
前記１つ以上のオブジェクトは、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される、
コンピュータプログラム。

【請求項11】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を、コンピュータに実行させるためのコンピュータプログラムであって、
前記処理は、前記時系列データの全時間範囲のうちの一部の時間範囲を選択することを含み、
前記グラフィカルイメージは、前記時系列データのうち、前記一部の時間範囲における部分時系列データに基づいて生成され、
前記時系列データは、非負値行列データであり、
前記一部の時間範囲は、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択される、
コンピュータプログラム。

【請求項12】

複数のオブジェクトが登場するストーリーの展開を解析する方法であって、
プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから、前記時系列データを読み出し、
前記プロセッサが、前記時系列データに対して非負値行列因子分解アルゴリズムを適用することで求めた２つの非負値行列を、前記ストーリーの展開の解析結果として得る
ことを備える、ストーリーの展開を解析する方法。

【請求項13】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースと、
前記データベースから読み出した前記時系列データに対して非負値行列因子分解アルゴリズムを適用することで求めた２つの非負値行列を、前記ストーリーの展開の解析結果として得る処理を実行するよう構成されたプロセッサと、
を備えるストーリー展開解析装置。

【請求項14】

ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから読み出した前記時系列データに対して、非負値行列因子分解アルゴリズムを適用することで求めた２つの非負値行列を、前記ストーリーの展開の解析結果として得る処理を、コンピュータに実行させるためのコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、ストーリーの展開をユーザに提示する方法、ストーリー展開提示装置、そのコンピュータプログラム、ストーリーの展開を解析する方法、ストーリー展開解析装置、そのコンピュータプログラムに関する。

【背景技術】

【0002】

特許文献１は、文字、イメージ、図形及び音声といった各種メディアの出現時間関係情報の時間的変化を用い、複数のメディアを空間的且つ時間的に組み合わせてなる複数のシーンの中から条件に合ったシーンを検索することを開示している。

【先行技術文献】

【特許文献】

【0003】

【文献】特開平８－１３７９００号公報

【発明の概要】

【0004】

漫画、小説、映画などのコンテンツのストーリー展開の把握・解析が望まれる場合がある。ストーリー展開の把握には、ストーリー自体の概略を文章で記述した説明、すなわち「あらすじ」が用いられることがある。

【0005】

しかし、ストーリー自体の概略を文章で記述した説明は、ストーリー展開の客観的な把握に欠けることがある。しかも、ストーリーを説明する文章の安易な提示は、未読者又は未視聴者への、いわゆるネタバレにつながるおそれがある。

【0006】

したがって、ストーリー自体を説明した文章に依拠しなくても、ストーリー展開を把握又は解析できることが望まれる。

【0007】

本発明者らは、ストーリーに登場するオブジェクト（登場人物など）の登場度の時間的変化が、ストーリー展開に関する基礎的な因子である、という着想を得た。したがって、オブジェクトの登場度の時間的変化を用いると、ストーリー自体を説明した文章に依拠しなくてもストーリー展開の把握又は解析が可能になる。本開示は、かかる着想に基づくものである。

【0008】

本開示のある側面は、ストーリーの展開をユーザに提示する方法である。開示の方法は、複数のオブジェクトが登場するストーリーの展開をユーザに提示する方法であって、プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから、前記時系列データを読み出し、前記プロセッサが、読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記プロセッサが、前記グラフィカルイメージを、前記ストーリーの前記展開として、前記ユーザに提示することを備える。

【0009】

本開示の他の側面は、ストーリー展開提示装置である。開示の装置は、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースと、前記データベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を実行するよう構成されたプロセッサと、を備える。

【0010】

本開示の他の側面は、コンピュータプログラムである。開示のコンピュータプログラムは、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を、コンピュータに実行させる。

【0011】

本開示の他の側面は、複数のオブジェクトが登場するストーリーの展開を解析する方法である。開示の方法は、プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから、前記時系列データを読み出し、前記プロセッサが、前記ストーリーを解析するために、前記時系列データに対して非負値行列因子分解アルゴリズムを適用することを備える。

【0012】

本開示の他の側面は、ストーリー展開解析装置である。開示の装置は、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースと、前記データベースから読み出した前記時系列データに対して非負値行列因子分解アルゴリズムを適用する処理を実行するよう構成されたプロセッサと、を備える。

【0013】

本開示の他の側面は、コンピュータプログラムである。開示のコンピュータプログラムは、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから読み出した前記時系列データに対して、非負値行列因子分解アルゴリズムを適用する処理を、コンピュータに実行させる。

【0014】

更なる詳細は、後述の実施形態として説明される。

【図面の簡単な説明】

【0015】

【図1】図１は、第１実施形態に係るストーリー展開提示装置を含むシステムの概略構成図である。

【図2】図２は、複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データのデータ構造図である。

【図3】図３は、ストーリー展開提示処理のフローチャートである。

【図4】図４は、ユーザ端末において表示される画面の一例を示す概略図である。

【図5】図５は、ユーザ端末において表示される画面の他の例を示す概略図である。

【図6】図６は、ユーザ端末において表示される画面のさらに他の例を示す概略図である。

【図7】図７は、第２実施形態に係る時系列データのデータ構造図である。

【図8】図８は、第１非負値行列データ（基底行列）のデータ構造図である。

【図9】図９は、第２非負値行列データ（アクティベーション行列）のデータ構造図である。

【図10】図１０は、第３実施形態に係るストーリー展開解析装置を含むシステムの概略構成図である。

【図11】図１１は、第３実施形態に係るストーリー展開解析処理のフローチャートである。

【図12】図１２は、ユーザ端末において表示される画面の一例を示す概略図である。

【図13】図１３は、ユーザ端末において表示される画面の一例を示す概略図である。

【発明を実施するための形態】

【0016】

＜１．ストーリーの展開をユーザに提示する方法、ストーリー展開提示装置、ストーリー展開提示のためのコンピュータプログラム、ストーリーの展開を解析する方法、ストーリー展開解析装置、ストーリー展開解析のためのコンピュータプログラムの概要＞

【0017】

（１）実施形態に係る方法は、複数のオブジェクトが登場するストーリーの展開をユーザに提示する方法である。前記方法は、プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから、前記時系列データを読み出すことを備える。複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データは、ストーリー展開を示す。前記方法は、前記プロセッサが、読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記プロセッサが、前記グラフィカルイメージを、前記ストーリーの前記展開として、前記ユーザに提示することを備える。オブジェクトの登場度がグラフィカルイメージによってユーザに提示されることで、ユーザは容易にストーリー展開を把握できる。

【0018】

（２）前記グラフィカルイメージは、前記ストーリーを説明する文章が付属することなく、前記ユーザに提示されるのが好ましい。ストーリーを説明する文章が付属することなく、オブジェクトの登場度の時間的変化が示されることで、ストーリー展開を示しつつもネタバレを防止することができる。

【0019】

（３）実施形態に係る前記方法は、前記プロセッサが、前記１つ以上のオブジェクトを、前記複数のオブジェクトの中から選択することを更に備えるのが好ましい。この場合、時系列データに含まれるオブジェクトの数が膨大であっても、選択されたオブジェクトの登場度の時間的変化だけがグラフィカルイメージとして提示される。したがって、オブジェクトの数が膨大であっても、視認性の低下を防止できる。

【0020】

（４）前記１つ以上のオブジェクトは、前記ユーザから入力されたデータに基づいて選択されてもよい。この場合、ユーザが任意にオブジェクトを選択できる。

【0021】

（５）前記１つ以上のオブジェクトは、前記時系列データを解析した結果に基づいて選択されてもよい。この場合、時系列データの内容に応じて、オブジェクトが選択される。

【0022】

（６）前記１つ以上のオブジェクトは、前記時系列データが示す前記登場度に基づいて選択されてもよい。この場合、時系列データが示す登場度に応じて、オブジェクトが選択される。

【0023】

（７）前記時系列データは、非負値行列データであってもよい。前記１つ以上のオブジェクトは、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択されるのが好ましい。この場合、オブジェクトは、非負値行列因子分解アルゴリズムによる解析結果に基づいて選択される。

【0024】

（８）実施形態に係る前記方法は、前記プロセッサが、前記時系列データの全時間範囲のうちの一部の時間範囲を選択することを更に備えるのが好ましい。前記グラフィカルイメージは、前記時系列データのうち、前記一部の時間範囲における部分時系列データに基づいて生成されてもよい。この場合、長いストーリーであっても、選択された一部の時間範囲における部分時系列データのグラフィカルイメージがユーザに示されるため、視認性の低下を防止できる。

【0025】

（９）前記一部の時間範囲は、前記ユーザから入力されたデータに基づいて選択されてもよい。この場合、ユーザが任意に一部の時間範囲を選択できる。

【0026】

（１０）前記一部の時間範囲は、前記時系列データを解析した結果に基づいて選択されてもよい。この場合、時系列データの内容に応じて、一部の時間範囲が選択される。

【0027】

（１１）前記時系列データは、非負値行列データであってもよい。前記一部の時間範囲は、非負値行列因子分解アルゴリズムによって前記時系列データから得られる２つの非負値行列の少なくともいずれか一方に基づいて選択されるのが好ましい。この場合、一部の時間範囲は、非負値行列因子分解アルゴリズムによる解析結果に基づいて選択される。

【0028】

（１２）実施形態に係る前記方法は、前記プロセッサが、前記１つ以上のオブジェクトを、前記複数のオブジェクトの中から選択すること、前記プロセッサが、前記時系列データの全時間範囲のうちの一部の時間範囲を選択すること、を更に備えることができる。前記グラフィカルイメージは、前記一部の時間範囲における前記１つ以上のオブジェクトの登場度の時間的変化を示すよう生成されるのが好ましい。

【0029】

（１３）実施形態に係るストーリー展開提示装置は、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースと、前記データベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を実行するよう構成されたプロセッサと、を備える。

【0030】

（１４）実施形態に係るコンピュータプログラムは、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データが格納されたデータベースから読み出した前記時系列データに基づいて、前記複数のオブジェクトに含まれる１つ以上のオブジェクトの登場度の時間的変化を示すグラフィカルイメージを生成し、前記グラフィカルイメージを、前記ストーリーの展開として、ユーザに提示する処理を、コンピュータに実行させる。

【0031】

（１５）実施形態に係る方法は、複数のオブジェクトが登場するストーリーの展開を解析する方法である。前記方法は、プロセッサが、前記複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから、前記時系列データを読み出し、前記プロセッサが、前記ストーリーを解析するために、前記時系列データに対して非負値行列因子分解アルゴリズムを適用することを備える。この場合、ストーリー展開の解析手法としては、新規な手法、すなわち、非負値行列因子分解アルゴリズムを用いた解析手法が得られる。後述のように、本発明者らは、非負値行列因子分解アルゴリズムを用いた解析手法が、ストーリー展開の解析に有用であることを見出した。

【0032】

（１６）実施形態に係るストーリー展開解析装置は、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースと、前記データベースから読み出した前記時系列データに対して非負値行列因子分解アルゴリズムを適用する処理を実行するよう構成されたプロセッサと、を備える。

【0033】

（１７）実施形態に係るコンピュータプログラムは、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示すとともに非負値行列データである時系列データが格納されたデータベースから読み出した前記時系列データに対して、非負値行列因子分解アルゴリズムを適用する処理を、コンピュータに実行させる。

【0034】

＜２．ストーリーの展開をユーザに提示する方法、ストーリー展開提示装置、ストーリー展開提示のためのコンピュータプログラム、ストーリーの展開を解析する方法、ストーリー展開解析装置、ストーリー展開解析のためのコンピュータプログラムの例＞

【0035】

＜２．１ 第１実施形態＞

【0036】

図１は、第１実施形態に係るシステム１０を示している。第１実施形態に係るシステム１０は、ストーリー展開提示装置１００を備える。ストーリー展開提示装置１００は、コンテンツのストーリー展開を示すデータを、ネットワーク４００を介して、ユーザに提示する。コンテンツは、例えば、漫画、小説、映画、テレビ番組などである。コンテンツは、漫画等に限られず、ストーリー性のあるコンテンツであれば足りる。ストーリー性のあるコンテンツの他の例は、チャットアプリにおける会話データである。チャットアプリにおける会話の流れは、漫画又は小説中の会話と同様に、ストーリー性を持つ。

【0037】

第１実施形態において、ユーザは、例えば、漫画若しくは小説の読者、又は、映画若しくはテレビ番組の視聴者である。ユーザは、ユーザ端末３００を用いて、ストーリー展開提示装置１００にアクセスすることができる。ユーザ端末３００は、例えば、スマートフォン、タブレット、デスクトップコンピュータ、又はラップトップコンピュータである。ユーザ端末３００は、プロセッサ３１０と、記憶装置３２０と、入出力装置３３０と、を備えている。

【0038】

システム１０は、ストーリー展開提示装置１００に対してネットワーク４００を介して接続されるユーザ端末３００を備える。ネットワーク４００は、例えば、インターネットである。ストーリー展開提示装置１００は、例えば、インターネット上に設置されたサーバである。

【0039】

ストーリー展開提示装置１００は、プロセッサ１１０及び記憶装置１２０を備えるコンピュータによって構成されている。プロセッサ１１０は、例えば、ＣＰＵである。記憶装置１２０は、例えば、一次記憶装置及び二次記憶装置を有する。一次記憶装置は、例えば、ＲＡＭである。二次記憶装置は、例えば、ハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＤＤ）である。

【0040】

記憶装置１２０には、コンピュータをストーリー展開提示装置１００として動作させるためのコンピュータプログラム１２１が格納されている。コンピュータプログラム１２１は、ストーリー展開提示処理１１１をプロセッサ１１０に実行させるためのプログラムコードを備える。ストーリー展開提示処理１１１は、コンテンツのストーリー展開を示すデータを、ネットワーク４００を介して、ユーザに提示することを含む処理である。ストーリー展開提示処理１１１については、後述する。

【0041】

ストーリー展開提示装置１００は、データベース２００を備える。データベース２００は、記憶装置１２０内に格納されていてもよいし、プロセッサ１１０及び記憶装置１２０を備えるコンピュータに接続された他のコンピュータ（例えば、インターネット上のデータベースサーバ）に格納されていてもよい。

【0042】

データベース２００は、複数のコンテンツデータ２０１，２０２，２０３を備える。コンテンツが漫画であれば、コンテンツデータは、漫画のイメージデータ、及び、作品名などの作品情報を含む。コンテンツが、小説であれば、コンテンツデータは、小説のテキストデータ、及び作品名などの作品情報を含む。コンテンツが映画又テレビ番組であれば、コンテンツデータは、映像・音声データ、及び、作品名などの作品情報を含む。実施形態において、コンテンツは、デジタルコンテンツでもよいし、紙又はその他の媒体のコンテンツであってもよい。

【0043】

図１においては、第１コンテンツ（作品名：ｘｘｘ）の第１コンテンツデータ２０１と、第２コンテンツ（作品名：ｙｙｙ）の第２コンテンツデータ２０２と、第３コンテンツ（作品名：ｚｚｚ）の第３コンテンツデータ２０３と、が示されている。

【0044】

実施形態に係るコンテンツデータ２０１，２０２，２０３は、それぞれ、時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍを更に含む。各時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍは、コンテンツに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す。例えば、第１コンテンツデータ２０１は、第１コンテンツに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す第１時系列データ２０１Ｍを含む。第２コンテンツデータ２０２は、第２コンテンツに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す第２時系列データ２０２Ｍを含む。第３コンテンツデータ２０３は、第３コンテンツに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す第３時系列データ２０３Ｍを含む。

【0045】

オブジェクトは、例えば、コンテンツに登場する人（キャラクター）、動物、その他の物体、概念、決め言葉、その他の言葉、音、風景、背景である。オブジェクトは、図として表される物体又は映像中の物体であってもよいし、文章中の言葉、又は会話によって表される物体又は概念等であってもよい。

【0046】

登場度は、コンテンツにおいて、オブジェクトが登場する度合いを示す。登場度は、オブジェクトの登場回数であってもよいし、オブジェクトの登場割合であってもよい。登場度は、単に、登場の有無を示してもよい。

【0047】

コンテンツにおける「時間」は、コンテンツのストーリーの進行度を示す指標であれば足り、物理的な時間である必要はない。例えば、コンテンツが漫画又は小説であれば、ページ番号、話数、及び巻番号は、それぞれ、ストーリーの進行度を示す指標であり、コンテンツにおける「時間」として扱うことができる。コンテンツが映画又はテレビ番組であれば、そのコンテンツの開始からの経過時間を、コンテンツにおける「時間」として扱うことができる。また、コンテンツのストーリーが特定の日付と時間を示しつつ展開される場合、その日付等を、コンテンツにおける「時間」として扱ってもよい。

【0048】

登場度は、例えば、コンテンツのストーリーの流れにおける単位期間あたりの登場回数、登場割合、又は登場の有無である。単位期間は、例えば、１ページ、１話、１巻など、コンテンツが掲載された媒体の形態に基づく単位長さであってもよいし、１分、１０分、１時間などの単位時間長さであってもよい。

【0049】

単位期間における登場回数は、単位期間内において特定のオブジェクトが何回登場したかを示す。単位期間における登場頻度は、単位期間内において登場した全オブジェクトの登場総回数のうち、単位期間内における特定のオブジェクトの登場回数が占める割合である。単位期間における登場の有無は、単位期間内において特定のオブジェクトが登場したか否かを示す。

【0050】

図２は、第１コンテンツの第１時系列データ２０１Ｍのデータ構造の例を示している。他の時系列データ２０２Ｍ，２０３Ｍについては、図示を省略するが、同様のデータ構造を有している。ここで、第１コンテンツは、漫画とする。

【0051】

第１時系列データ２０１Ｍは、時間情報Ｔと、オブジェクト情報Ｓと、を備える。時間情報Ｔは、第１コンテンツのストーリーの進行度（進行位置）を示す指標であり、ページ番号、話数、巻番号の組み合わせによって表される。すなわち、時間情報Ｔは、第１時間情報であるページ番号Ｔ１と、第２時間情報である話数Ｔ２と、第３時間情報である巻番号Ｔ３と、を備える。ここでは、登場度のための単位期間は、時間情報Ｔにおける最小時間単位である１ページである。図２では、ｔ１からｔｘへと時間が進行する。

【0052】

オブジェクト情報Ｓは、複数のオブジェクトそれぞれの登場度を示す。オブジェクト情報Ｓには、第１コンテンツに登場する全オブジェクトについての登場度が含まれる。図２では、オブジェクトとして、キャラクターＡ、キャラクターＢ、キャラクターＣ、キャラクターＤ、建物Ｅ、建物Ｆ、道具Ｇ、及び道具Ｈが示されている。

【0053】

登場度は、各単位期間（各ページ）に対応付けられている。例えば、図２の第１行Ｐ１は、第１コンテンツの第１巻・第１話・第１ページという単位期間における各オブジェクトの登場度（登場回数）を示している。具体的には、図２の第１行ｐ１においては、第１巻・第１話・第１ページにおいて、キャラクターＡが２回、キャラクターＢが１回、キャラクターＣが１回、キャラクターＤが０回、建物Ｅが０回、建物Ｆが０回、道具Ｇが０回、道具Ｈが１回登場したことを示している。このように、図２の第１行Ｐ１では、第１コンテンツの第１巻・第１話・第１ページという単位期間に対して、その単位期間内における各オブジェクトの登場度が対応付けられている。同様に、他の単位期間にも、その単位期間内における各オブジェクトの登場度が対応付けられている。

【0054】

第１時系列データ２０１Ｍは、上記のように構成されているため、第１コンテンツに登場する複数のオブジェクトＡ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈそれぞれの登場度の時間的変化を示す。このような時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍは、オブジェクトの登場度の時間的変化を示すとともに、ストーリー展開の定量的に表したものになっている。したがって、時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍは、ストーリー展開の把握・解析に有用である。

【0055】

図３は、時系列データを用いたストーリー展開提示処理１１１の例を示している。ストーリー展開提示処理１１１は、ストーリー展開提示装置１００のプロセッサ１１０によって実行される。実施形態に係るストーリー展開提示装置１００は、ユーザから入力されるクエリに応じて読み出された時系列データから、ストーリー展開を示すグラフィカルイメージを生成する。ストーリー展開提示装置１００は、グラフィカルイメージを、コンテンツのストーリー展開を示す情報として、ユーザに提示する。

【0056】

時系列データがグラフィカルイメージとしてユーザに提示されることで、ユーザは、オブジェクトの登場度の時間的変化によって示されるストーリー展開を、グラフィカルイメージを介して、容易に認識することができる。グラフィカルイメージによるストーリー展開の提示は、文章又は数値によるストーリー展開の提示に比べて、視覚的、かつ、直感的な理解が可能である。

【0057】

第１実施形態に係るストーリー展開提示処理１１１においては、まず、ストーリー展開提示装置１００のプロセッサ１１０が、検索処理を実行する（ステップＳ１１１）。検索処理は、ユーザが探しているコンテンツを検索する処理である。検索処理においては、ストーリー展開提示装置１００が、ユーザ端末３００からのコンテンツ検索要求を受け付け、データベース２００において検索を実行する。以下では、検索されたコンテンツを、対象コンテンツということがある。

【0058】

コンテンツ検索要求は、例えば、検索のためのクエリを含む。クエリは、コンテンツの検索のために用いられる検索データを含む。検索データは、コンテンツを識別するためのデータであり、例えば、作品名を示すデータである。クエリは、自然言語からなる文書であってもよい。

【0059】

プロセッサ１１０は、データベース２００における検索結果として、検索データに合致する特定のコンテンツデータを取得する。すなわち、プロセッサ１１０は、対象コンテンツのコンテンツデータをデータベース２００から読み出す。読み出したコンテンツデータには、前述の時系列データが含まれる。時系列データを含むコンテンツデータは、記憶装置１２０に保存される（ステップＳ１１２）。

【0060】

プロセッサ１１０は、保存された時系列データから、時系列データをグラフィカルに表すイメージデータ（グラフィカルイメージ）を生成する（ステップＳ１１５）。実施形態において、グラフィカルイメージは、登場度の時間的変化を示すグラフのイメージデータである（図４参照）。

【0061】

データベース２００に格納された時系列データは、対応するコンテンツの全オブジェクトの登場度の時間的変化を示すデータを含んでいる。しかし、ユーザの視認性又はストーリー展開の把握容易性の観点からは、対象コンテンツにおける全てのオブジェクトの登場度の時間的変化を示すよりも、少ない数のオブジェクトの登場度の時間的変化を示した方がよい場合がある。

【0062】

そこで、実施形態に係るプロセッサ１１０は、グラフィカルイメージにおいて示されるオブジェクトを絞り込むため、グラフィカルイメージの生成に用いられるオブジェクトを選択する（ステップＳ１１３）。ステップＳ１１３において選択されたオブジェクトを対象オブジェクトという。実施形態において、グラフィカルイメージは、対象オブジェクトの登場度の時間的変化を示すグラフのイメージデータとして生成される。なお、対象オブジェクトとして、全てのオブジェクトが選択されてもよい。

【0063】

対象オブジェクトの選択は、所定の選択アルゴリズムをプロセッサ１１０が実行することよって選択される自動選択であってもよいし、端末３００からのユーザ入力によって選択される手動選択であってもよい。自動選択であれば、ユーザ負担が軽減され、手動選択であれば、ユーザの関心に応じた自由な選択が可能になる。対象オブジェクトの自動選択には、ステップＳ１１１の検索処理の結果又は検索データが用いられてもよい。

【0064】

対象オブジェクトの自動選択は、対象コンテンツの時系列データを解析した結果に基づくことができる。時系列データの解析は、例えば、オブジェクト毎の登場度の解析である。プロセッサ１１０は、オブジェクト毎の登場度を解析し、オブジェクトの登場度の大きさ又は登場度の変化度合いに基づいて、対象オブジェクトを選択することができる。なお、時系列データの解析は、後述の第２実施形態において説明されるように、非負値行列因子分解によって行われてもよい。

【0065】

対象オブジェクトの選択基準は、例えば、オブジェクトの登場度が閾値よりも大きいこと、又はオブジェクトの登場度の大きさが上位所定数内（例えば、登場度の大きさが上位３位以内）にあること、である。登場度が高いオブジェクトは、対象コンテンツにおける主要なオブジェクトといえる。主要なオブジェクトの登場度の時間的変化を示すことで、主要なオブジェクトを軸にしたストーリー展開を示すことができる。

【0066】

対象オブジェクトの他の選択基準は、オブジェクトの登場度が閾値よりも小さいこと、又はオブジェクトの登場度の大きさが下位所定数内（例えば、登場度の大きさが下位３位以内）にあること、である。登場度が低いオブジェクトが、ストーリー展開における重要な地位を占めるキーオブジェクトであることもあるため、登場度が低いオブジェクトの登場度の時間的変化を示すことも有用である。

【0067】

また、データベース２００に格納された時系列データは、対応するコンテンツの全時間範囲（コンテンツの開始から終了まで）における登場度の時間的変化を示すデータを含んでいる。しかし、ユーザの視認性又はストーリー展開の把握容易性の観点からは、全時間範囲における登場度の時間的変化を示すよりも、より短い時間範囲（全時間範囲における一部の時間範囲）における登場度の時間的変化を示した方がよい場合がある。

【0068】

そこで、実施形態に係るプロセッサ１１０は、グラフィカルイメージにおいて示される時間範囲を一部の時間範囲に絞り込むため、グラフィカルイメージ生成に用いられる時間範囲を選択する（ステップＳ１１４）。ステップＳ１１４において選択された時間範囲を対象時間範囲という。時系列データにおいて対象時間範囲における登場度の時間的変化を示すデータを、部分時系列データという。実施形態において、グラフィカルイメージは、部分時系列データから、対象時間範囲における、オブジェクトの登場度の時間的変化を示すグラフのイメージデータとして生成される。なお、対象時間範囲として、対象コンテンツの全時間範囲が選択されてもよい。全時間範囲は、例えば、コンテンツの全巻、全話、及び全ページを示す。対象時間範囲となる一部の時間範囲は、例えば、特定の１又は複数の巻番号、特定の巻中の１又は複数の話数、特定の１又は複数のページ番号である。

【0069】

対象時間範囲の選択は、所定の選択アルゴリズムをプロセッサ１１０が実行することよって選択される自動選択であってもよいし、端末３００からのユーザ入力によって選択される手動選択であってもよい。自動選択であれば、ユーザ負担が軽減され、手動選択であれば、ユーザの関心に応じた自由な選択が可能になる。対象時間範囲の自動選択には、ステップＳ１１１の検索処理の結果又は検索データが用いられてもよい。

【0070】

対象時間範囲の自動選択は、対象コンテンツの時系列データを解析した結果に基づくことができる。時系列データの解析は、例えば、オブジェクト毎の登場度の解析である。プロセッサ１１０は、オブジェクト毎の登場度を解析し、オブジェクトの登場度の大きさ又は登場度の変化度合いに基づいて、対象時間範囲を選択することができる。解析対象となるオブジェクトは、対象オブジェクトであってもよいし、対象オブジェクト以外のオブジェクトを含んでもよい。なお、時系列データの解析は、後述の第２実施形態において説明されるように、非負値行列因子分解によって行われてもよい。

【0071】

対象時間範囲は、例えば、対象オブジェクトが閾値よりも多く登場する時間を含む時間範囲として選択される。また、対象時間範囲は、対象オブジェクトの登場度の変化度合いが閾値よりも大きくなった時間を含む時間範囲として選択される。対象オブジェクトが多く登場する時間範囲を選択することで、適切なストーリー展開提示となる。また、対象オブジェクトの登場度が変化（増加又は減少）したタイミングは、ストーリー展開の重要なタイミングであることがあるため、対象オブジェクトの登場度の変化度合いが大きい時間範囲を選択することで、適切なストーリー展開提示となる。

【0072】

なお、図３では、ステップＳ１１２において時系列データを読み出した後に、対象オブジェクトの選択（ステップＳ１１３）及び対象時間範囲（ステップＳ１１４）の選択を行ったが、逆でもよい。すなわち、対象オブジェクトの選択及び対象時間範囲の選択を行った後、データベース２００に格納されている時系列データのうち、対象時間範囲における対象オブジェクトの登場度の時間的変化を示すデータだけを読み出してもよい。

【0073】

ステップＳ１１５において、プロセッサ１１０は、対象時間範囲における、対象オブジェクトの登場度の時間的変化を示すグラフのイメージデータ（グラフィカルイメージ）を生成する。

【0074】

ステップＳ１１６において、プロセッサ１１０は、グラフィカルイメージを構成するイメージデータを、その他の必要なデータとともに、ユーザ端末３００へ送信する。ユーザ端末３００は、グラフィカルイメージのためのイメージデータを含むデータを受信する。ユーザ端末３００において、グラフィカルイメージ等を、提示対象のコンテンツのストーリー展開を示すデータとして、ユーザ端末３００が備えるディスプレイ（入出力装置３３０）に表示する（ステップＳ１３１）。

【0075】

その後、プロセッサ１１０は、ユーザ端末３００におけるユーザ操作を受け付けて、ユーザ端末３００に表示されるグラフィカルイメージ等を随時更新することができる（ステップＳ１１７）。

【0076】

図４は、ユーザ端末３００のディスプレイに表示される画面５００の例を示している。画面５００は、グラフィカルユーザインタフェース（ＧＵＩ）画面である。画面５００においては、時系列データのグラフィカルイメージ５１２等の表示と、ユーザ操作の受付と、が行われる。

【0077】

画面５００は、ストーリー展開提示装置１００から受信したデータの表示領域５０１を備えている。表示領域５０１は、時系列データのグラフィカルイメージ５１２を有する。グラフィカルイメージ５１２は、対象コンテンツにおけるオブジェクトの登場度の変化からみたストーリー展開を示している。

【0078】

表示領域５０１は、グラフィカルイメージ５１２以外に、作品名表示部５１０と、対象オブジェクトの名称表示部５１１と、シークバー５１６と、を有する。

【0079】

作品名表示部５１０は、対象コンテンツの作品名を表示するための領域である。名称表示部５１１は、対象コンテンツにおける対象オブジェクトの名称を表示するための領域である。対象オブジェクトの名称は、例えば、キャラクター名である。図４は、対象オブジェクトとして、キャラクターＡ、キャラクターＢ、及びキャラクターＣの３つのオブジェクトが選択された場合を示している。図４に示す表示領域５０１において、キャラクターＡには、「Ｏ－１」の参照記号が付され、キャラクターＢには、「Ｏ－２」の参照記号が付され、キャラクターＣには、「Ｏ－３」の参照記号が付されている。

【0080】

図４に示すグラフィカルイメージ５１２は、対象時間範囲における対象オブジェクトの登場度の時間的変動を示すグラフとして構成されている。グラフィカルイメージ５１２であるグラフの横軸は、時間を示し、縦軸は、各対象オブジェクトの登場度（登場割合）を示す。ここでは、複数（３個）の対象オブジェクトが選択されており、対象時間範囲は、第１話から第２０話である。

【0081】

図４に示すグラフィカルイメージ５１２は、各時間範囲（１話分の範囲）における、選択された全対象オブジェクトの登場総数に対して、各対象オブジェクトの登場回数が占める割合として示されている。つまり、各時間範囲（１話分の範囲）における３つの対象オブジェクトの登場総数を１００とした場合に、各対象オブジェクトがどの程度の割合で登場したかを示す。例えば、第９話においては、３つのキャラクターＡ，Ｂ，Ｃのうち、キャラクターＡ（Ｏ－１）の登場割合は５３．７７％であり、キャラクターＢ（Ｏ－２）の登場割合は４６．２３％であり、キャラクターＣ（Ｏ－３）の登場割合は０％であったことが示される。

【0082】

図４に示すグラフィカルイメージ５１２では、各対象オブジェクトの登場割合の大きさの時間的変化が、グラフにおいて各対象オブジェクトが占める面積の大きさの時間的変化によって示される。したがって、登場割合の時間的変化の視覚的かつ直感的な理解が容易である。しかも、図４に示すグラフィカルイメージ５１２では、選択された複数の対象オブジェクトだけに限って、登場割合の時間的変化が示されているため、選択された複数の対象オブジェクトによるストーリー展開の変化を、視覚的かつ直感的に把握することができる。

【0083】

実施形態に係るストーリー展開提示装置１００によれば、ユーザは、ストーリー展開の変化を、視覚的かつ直感的に把握できるため、コンテンツを直接見ることなく、ストーリー中の特定の箇所（特定のシーン）を探すことが可能となる。例えば、ユーザが、キャラクターＡとキャラクターＢとが共演する特定のシーンの箇所がどこにあるか思い出せない場合であっても、グラフィカルイメージ５１２を参照することで、キャラクターＡ及びキャラクターＢの登場度が共に高い箇所から、そのようなシーンを見つけることができる。

【0084】

図４に示す画面５００は、対象コンテンツのストーリーを説明する文章（例えば、あらすじ）が付属することなく、登場度のグラフィカルイメージ５１２がユーザに提示される。したがって、ユーザへのネタバレを防止しつつ、ユーザへストーリー展開を提示することができる。

【0085】

例えば、ユーザが、ユーザ端末３００を用いて、オンラインで閲覧されるコンテンツ（例えば、オンラインで読める漫画）の第１８話を読み、誤って第１９話を読み飛ばして第２０話を読もうとすることがある。そのような誤りの可能性が、コンテンツを提供するサーバによって検出された場合、ストーリー展開提示装置１００が、誤りである可能性の警告として、第１９話における各オブジェクトの登場度の時間的変化を示すグラフィカルイメージ５１２をユーザ端末３００に示すことができる。

【0086】

グラフィカルイメージ５１２を見たユーザは、もし第１９話を既読していれば、グラフィカルイメージ５１２が示す情報（各オブジェクトの登場割合、及びその時間的変化）をヒントにして、第１９話のストーリーを容易に思い出すことができる。反対に、ユーザが第１９話を既読していなければ、グラフィカルイメージ５１２が示す情報を見たとしても、第１９話のストーリーを思い出すことはない。このように、グラフィカルイメージ５１２を用いることで、ユーザは、コンテンツの特定の箇所が既読又は既視聴であるかを確認することができる。

【0087】

仮に、第１９話が既読かどうかの確認のために、第１９話のあらすじを確認する方法を採用した場合、ユーザは、既読ではない第１９話のあらすじを事前に知ってしまう、いわゆるネタバレが生じる。しかし、本実施形態によれば、ネタバレを防止しつつ、コンテンツの特定の箇所が既読又は既視聴であるかを確認することができる。

【0088】

なお、上記のような場合、コンテンツを提供するサーバ自体が、ストーリー展開提示装置１００としての機能を備えていても良いし、コンテンツを提供するサーバとストーリー展開提示装置１００とがネットワークを介して接続されていてもよい。ストーリー展開提示装置１００は、既読又は既視聴であるかの確認の必要性が検出されると、確認が必要な箇所のグラフィカルイメージ５１２をユーザ端末３００へ送信する。

【0089】

また、実施形態においては、グラフの横軸の各時点における登場割合を、より正確に把握できるようにするため、画面５００は、各対象オブジェクトの登場割合を数値で表示することができる。登場割合の数値表示のため、画面５００は、シークバー５１６及び選択線Ｒを備える。シークバー５１６は、グラフの横軸方向に沿って移動可能なスライダ５１６Ａを備える。

【0090】

ユーザは、ＧＵＩ機能によって、スライダ５１６Ａを移動させる操作を行うことで、グラフの横軸の各時点（話数）を選択することができる。図４では、第９話が選択されている。選択線Ｒは、スライダ５１６Ａと連動して移動する。ユーザは、ＧＵＩ機能によって、選択線を移動させることもできる。シークバー５１６は、グラフ外に配置されているのに対して、選択線Ｒは、グラフ上に配置されており、どの話数が選択されているのかをより明確に示すことができる。

【0091】

画面５００は、選択された時点（話数）における登場度（登場割合）を示す表示部５１３，５１４，５１５を表示することができる。表示部５１３，５１４，５１５は、例えば、吹き出しの形状を持つことができる。図４では、選択された第９話における登場割合を示す第１表示部５１３、第２表示部５１４、及び第３表示部５１５が示されている。第１表示部５１３は、キャラクターＡ（Ｏ－１）の登場割合を数値（５３．７７％）で示す。第２表示部５１４は、キャラクターＢ（Ｏ－２）の登場割合を数値（４６．２３％）で示す。第３表示部５１５は、キャラクターＣ（Ｏ－３）の登場割合を数値（０％）で示す。これにより、対象コンテンツにおける第９巻において、キャラクターＡとキャラクターＢの登場頻度が高く、キャラクターＣは登場していないことがわかる。

【0092】

図５は、スライダ５１６Ａを第１３話の位置に移動させるユーザ操作が行われた後の画面５００の表示領域５０１を示している。第１３話においては、第１表示部５１３によって示されるキャラクターＡの登場割合は５８．７７％であり、第２表示部５１４によって示されるキャラクターＢの登場割合は２３．１６％であり、第３表示部５１５によって示されるキャラクターＣの登場割合は、２１．３５％である。第１３話においては、キャラクターＡとキャラクターＢに加え、キャラクターＣが登場していることがわかる。また、図５に示すグラフィカルイメージ５１２によれば、第１２話まではキャラクターＣが登場していなかったが、第１３話から登場していたことがわかる。

【0093】

このように、登場度の時間的変化をイメージデータでユーザに提示することで、ストーリー自体を示さなくても、対象オブジェクトの登場話数（登場時点）をユーザに提示できる。また、時系列データに含まれるオブジェクトが膨大であっても、選択された対象オブジェクトの登場度の時間的変化だけがイメージデータとして提示されるため、視認性が向上する。

【0094】

図６は、画面５００における表示領域５０１の他の例を示している。図６は、対象オブジェクトとして、キャラクター以外の物も選択されている場合を示している。図６は、対象オブジェクトとして、キャラクターＤ、建物Ｅ、及び道具Ｇの３つのオブジェクトが選択された場合を示している。図６に示す表示領域５０１において、キャラクターＤには、「Ｏ－１」の参照記号が付され、建物Ｅには、「Ｏ－２」の参照記号が付され、道具Ｇには、「Ｏ－３」の参照記号が付されている。

【0095】

このように、実施形態によれば、自動的選択された、又はユーザが任意に選択した対象オブジェクトの登場度の時系列データをグラフィカルイメージ５１２として表示できるため、任意のオブジェクトからみたストーリー展開を容易に提示することができる。

【0096】

＜２．２ 第２実施形態＞

【0097】

第２実施形態においては、対象オブジェクトの選択（図３のステップＳ１１３）及び対象時間範囲の選択（図３のステップＳ１１４）の少なくともいずれか一方の選択が、対象コンテンツの時系列データ２０１Ｍに対して非負値行列因子分解（ＮＭＦ）アルゴリズムを適用した結果に基づいて行われる。つまり、第２実施形態は、第１実施形態における時系列データ２０１Ｍの解析を、ＮＭＦによって行ったものである。なお、第２実施形態において特に説明しない点については、第１実施形態と同様である。

【0098】

図７は、第２実施形態に係るストーリー展開提示処理１１１において用いられる時系列データ２０１Ｍのデータ構造を示している。第２実施形態において、時系列データ２０１Ｍは、行列データとして扱われる。

【0099】

図７に示す時系列データ２０１Ｍにおいては、複数の行それぞれが、各オブジェクトの登場度の時間的変化を示しており、複数の列それぞれが、コンテンツにおける「時間」を示している。図７では、オブジェクトとして、第１実施形態と同様に、キャラクターＡ、キャラクターＢ、キャラクターＣ、キャラクターＤ、建物Ｅ、建物Ｆ、道具Ｇ、及び道具Ｈが含まれている。時間は、簡略化のため、１以上の整数で示されているが、第１実施形態における時間情報Ｔと同様に、ページ番号、話数、巻番号の組み合わせによって表されてもよい。以下では、時間を示す数値は、話数を表しているものとする。

【0100】

例えば、キャラクターＡについては、第１話における登場度がｍ_Ａ１で表され、第２話における登場度がｍ_Ａ２で表され、第３話における登場度がｍ_Ａ３で表され、第４話における登場度がｍ_Ａ４で表され、第５話における登場度がｍ_Ａ５で表され、第ｔｘ話における登場度がｍ_Ａｘで表される。これにより、キャラクターＡの登場度の時間的変化が表されている。キャラクターＡの登場度の時間的変化は、ｘ次元のベクトルとして表されている。同様に、他のオブジェクトについても登場度の時間的変化が表されている。

【0101】

第２実施形態においては、時系列データ２０１Ｍは、オブジェクトの数×時間数（１からｔｘ）の大きさを持つ行列データとして扱われる。行列データにおける行列要素は、前述のｍ_Ａ１等の登場度を示す。

【0102】

行列データとして扱われる時系列データ２０１Ｍは、その全ての行列要素（登場度ｍ_Ａ１等）が非負値である非負値行列データとして作成される。時系列データ２０１Ｍが非負値行列データであることで、非負値行列因子分解（ＮＭＦ）アルゴリズムの適用が可能になる。

【0103】

ＮＭＦアルゴリズムでは、与えられた非負値行列Ｘから、第１非負値行列Ｗ及び第２非負値行列Ｈという２つの非負値行列を得ることができる。つまり、ＮＭＦアルゴリズムは、与えられた非負値行列Ｘを、第１非負値行列Ｗ及び第２非負値行列Ｈという２つの非負値行列の積で近似するためのアルゴリズムである。

【0104】

与えられた非負値行列Ｘが、Ｎ×Ｍ行列である場合、第１非負値行列Ｗは、Ｎ×ｒ行列となり、第２非負値行列Ｈは、ｒ×Ｍ行列となる。ｒは、事前に与えられる値であり、好ましくは、２以上の整数である。第１非負値行列Ｗは、ｒ個の基底ベクトルを有する基底行列である。第２非負値行列Ｈは、各基底ベクトルの重みを示すアクティベーション行列である。

【0105】

図８は、非負値行列データである時系列データ２０１Ｍに対して、ＮＭＦアルゴリズムを適用して得られた第１非負値行列データＷ（基底行列）の例を示している。ここでは、ｒ＝３である。したがって、図８に示す第１非負値行列データＷは、３個の基底ベクトルＦ１，Ｆ２，Ｆ３を有している。ここでは、複数の基底ベクトルＦ１，Ｆ３，Ｆ３を、トピックと呼ぶ。

【0106】

本発明者らは、ストーリーに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す時系列データに対して、ＮＭＦを適用することで、ストーリー展開において重要な複数のトピックＦ１，Ｆ２，Ｆ３を分解して抽出できることを見出した。抽出されたトピックＦ１，Ｆ２，Ｆ３は、コンテンツのストーリー展開を基底する重要な因子である。時系列データ２０１Ｍに対してＮＭＦを適用することで、人間がコンテンツを直接読んだり視聴したりしても容易には得られないストーリー展開解析結果を、容易に得ることができる。

【0107】

複数のトピックＦ１，Ｆ２，Ｆ３は、ストーリーを構成するメインストーリー及びサブストーリーとして解釈することもできる。これは、一つのコンテンツであっても、複数のストーリーが混在している場合に当てはまる。例えば、漫画であれば、１話又は数話ごとに、単発的なストーリーは完結するものの、コンテンツ全体を通じた基軸的なストーリーが設定されていることがある。このような場合、一つのコンテンツの中で、単発的なストーリーと基軸的なストーリーとが混在してストーリーが進行することになる。ＮＭＦを利用することで、一つのコンテンツの中に混在する複数のストーリーを、トピックＦ１，Ｆ２，Ｆ３として抽出することができる。

【0108】

図８に示す第１トピックＦ１（基底ベクトル）は、第１トピックＦ１における各オブジェクトの登場度を示しており、全オブジェクトの中でキャラクターＢの登場度が最も大きい。したがって、第１トピックＦ１は、キャラクターＢを主とするトピックであることがわかる。

【0109】

第２トピックＦ２（基底ベクトル）は、第２トピックＦ２における各オブジェクトの登場度を示しており、全オブジェクトの中でキャラクターＡの登場度が最も大きい。したがって、第２トピックＦ２は、キャラクターＡを主とするトピックであることがわかる。

【0110】

第３トピックＦ３（基底ベクトル）は、第３トピックＦ３における各オブジェクトの登場度を示しており、全オブジェクトの中で、キャラクターＣの登場度が最も大きく、キャラクターＢもある程度登場している。したがって、第３トピックは、キャラクターＢ及びキャラクターＣを主とし、キャラクターＣのほうが、キャラクターＢよりも重要度が高いことがわかる。

【0111】

図９は、非負値行列データである時系列データ２０１Ｍに対して、ＮＭＦアルゴリズムを適用して得られた第２非負値行列データＨ（アクティベーション行列）の例を示している。ここでは、ｒ＝３であるため、第２非負値行列データＨは、各時間における３個のトピックＦ１，Ｆ２，Ｆ３それぞれの重み（活性化度）を示している。つまり、第２非負値行列データＨ（アクティベーション行列）は、各時間（話数）において、各トピックＦ１，Ｆ２，Ｆ３がどの程度の重みを持つかの時間的変化、換言すると、どの程度活性化しているかの時間的変化、を示す。

【0112】

第２実施形態のストーリー展開提示処理１１１においては、プロセッサ１１０は、第１非負値行列Ｗを用いて、対象オブジェクトを選択する（図３のステップＳ１１３）。例えば、プロセッサ１１０は、複数のトピックＦ１，Ｆ２，Ｆ３の中から、いずれかのトピックを自動選択する。

【0113】

なお、トピックＦ１，Ｆ２，Ｆ３の選択は、ユーザ端末３００に表示されたＮＭＦの結果を参照したユーザの操作による手動選択でもよい。この場合、ユーザによる選択に先立って、ＮＭＦの結果が、ユーザ端末３００に表示される（後述の第３実施形態参照）。

【0114】

そして、プロセッサ１１０は、第１非負値行列Ｗにおいて、選択されたトピックにおいて登場度の高い１又は複数のオブジェクトを選択する。なお、登場度の低い１又は複数のオブジェクトが選択されてもよい。以上の処理により、選択されたトピックに関連するオブジェクトが自動的に、対象オブジェクトとして選択される。

【0115】

また、第２実施形態のストーリー展開提示処理１１１においては、プロセッサ１１０は、第２非負値行列Ｈを用いて、対象時間範囲を選択する（図３のステップＳ１１４）。例えば、プロセッサ１１０は、第２非負値行列Ｈを参照し、前述のようにして選択されたトピックの重み（活性化度）が閾値よりも大きい時間を含む時間範囲を、対象時間範囲として選択する。対象時間範囲の選択は、ユーザ端末３００に表示されたＮＭＦの結果を参照したユーザの操作による手動選択でもよい。

【0116】

第２実施形態において生成されるグラフィカルイメージ５１２は、ＮＭＦの結果を用いて選択された対象時間範囲において、ＮＭＦの結果を用いて選択された対象オブジェクトの登場度の時間的変化を示すことができる。つまり、第２実施形態では、選択された特定のトピックにおけるストーリー展開が提示されることになる。

【0117】

＜２．３ 第３実施形態＞

【0118】

図１０は、第３実施形態に係るシステム１０を示している。第３実施形態において、特に説明しない点については、第１実施形態及び第２実施形態と同様である。

【0119】

第３実施形態に係るシステム１０は、ストーリー展開解析装置１００Ａを備える。ストーリー展開解析装置１００Ａは、コンテンツのストーリー展開を解析し、解析結果としてストーリー展開を示すデータを生成する。第３実施形態に係るストーリー展開解析装置１００Ａは、一例として、非負値行列因子分解（ＮＭＦ）を用いて、コンテンツのストーリー展開を解析する。ストーリー展開解析装置１００Ａは、解析結果として得られたストーリー展開を示すデータを、ネットワーク４００を介して、ユーザに提示するストーリー展開提示装置としても動作する。

【0120】

第２実施形態においては、時系列データにＮＭＦを適用することにより得られる解析結果が、対象オブジェクト又は対象時間範囲の選択に用いられていたが、第３実施形態においては、時系列データにＮＭＦを適用することにより得られる解析結果が、ストーリー展開を示すデータとして用いられる。ストーリー展開解析装置１００Ａは、ＮＭＦにより得られた解析結果から、ストーリー展開を示すグラフィカルイメージを生成する。ストーリー展開解析装置１００Ａは、グラフィカルイメージを、コンテンツのストーリー展開を示す情報として、ユーザに提示する。

【0121】

第３実施形態において、ユーザは、例えば、コンテンツの作者及び編集者など、コンテンツの制作にかかわる者である。ユーザは、漫画若しくは小説の読者、又は、映画若しくはテレビ番組の視聴者であってもよい。ストーリー展開解析装置１００Ａは、ユーザに対して、ストーリー展開の解析結果を提示することで、ストーリー展開の発案又は変更を行うユーザを支援する。

【0122】

システム１０は、ストーリー展開解析装置１００Ａに対してネットワーク４００を介して接続されるユーザ端末３００を備える。ユーザは、ユーザ端末３００を用いて、ストーリー展開解析装置１００Ａにアクセスすることができる。ユーザ端末３００は、プロセッサ３１０と、記憶装置３２０と、入出力装置３３０と、を備えている。

【0123】

ストーリー展開解析装置１００Ａは、プロセッサ１１０及び記憶装置１２０を備えるコンピュータによって構成されている。記憶装置１２０には、コンピュータをストーリー展開解析装置１００Ａ（ストーリー展開提示装置）として動作させるためのコンピュータプログラム１２１Ａが格納されている。コンピュータプログラム１２１Ａは、ストーリー展開解析処理１１１Ａ（ストーリー展開提示処理）をプロセッサ１１０に実行させるためのプログラムコードを備える。ストーリー展開解析処理１１１Ａは、コンテンツのストーリー展開を解析することを含む処理である。ストーリー展開解析処理１１１Ａについては、後述する。

【0124】

ストーリー展開解析装置１００Ａは、データベース２００を備える。データベース２００は、複数のコンテンツデータ２０１，２０２，２０３を備える。図１０においては、図１と同様に、第１コンテンツ（作品名：ｘｘｘ）の第１コンテンツデータ２０１と、第２コンテンツ（作品名：ｙｙｙ）の第２コンテンツデータ２０２と、第３コンテンツ（作品名：ｚｚｚ）の第３コンテンツデータ２０３と、が示されている。実施形態に係るコンテンツデータ２０１，２０２，２０３は、それぞれ、時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍを更に含む。各時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍは、コンテンツに登場する複数のオブジェクトそれぞれの登場度の時間的変化を示す。

【0125】

第３実施形態に係る各時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍのデータ構造は、第２実施形態における時系列データ２０１Ｍのデータ構造（図７参照）と同様である。第３実施形態に係る各時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍは、第２実施形態と同様に、非負値行列データである。

【0126】

図１１は、時系列データを用いたストーリー展開解析処理１１１Ａの例を示している。ストーリー展開解析処理１１１Ａは、ストーリー展開解析装置１００Ａのプロセッサ１１０によって実行させる。実施形態に係るストーリー展開解析装置１００Ａは、ストーリー展開の解析のため、非負値行列データである時系列データ２０１Ｍ，２０２Ｍ，２０３Ｍに対して、ＮＭＦアルゴリズムを適用する。

【0127】

第３実施形態に係るストーリー展開解析処理１１１Ａにおいては、まず、プロセッサ１１０が、検索処理を実行する（ステップＳ３１１）。検索処理は、第１実施形態と同様に、検索処理は、データベース２００から、ユーザが探しているコンテンツ（対象コンテンツ）を検索する処理である。

【0128】

プロセッサ１１０は、データベース２００における検索結果として、検索データに合致する特定のコンテンツのデータを取得する。すなわち、プロセッサ１１０は、対象コンテンツのデータをデータベース２００から読み出す。読み出したコンテンツデータには、前述の時系列データが含まれる。時系列データを含むコンテンツデータは、記憶装置１２０に保存される（ステップＳ３１２）。

【0129】

プロセッサ１１０は、保存された時系列データ（図７参照）に対して、ＮＭＦアルゴリズムを適用する（ステップＳ３１３）。プロセッサ１１０は、ＮＭＦによる解析結果として、図８に示す第１非負値行列データＷと、図９に示す第２非負値行列データＨと、を得る。前述のように、第１非負値行列Ｗは、ｒ個の基底ベクトルを有する基底行列である。第２非負値行列Ｈは、各基底ベクトルの重みを示すアクティベーション行列である。

【0130】

プロセッサ１１０は、第１非負値行列データＷ及び第２非負値行列データＨから、対象コンテンツのストーリー展開を示すイメージデータ（グラフィカルイメージ）を生成する（ステップＳ３１４）。プロセッサ１１０は、グラフィカルイメージを構成するイメージデータを、その他の必要なデータとともに、ユーザ端末３００へ送信する。

【0131】

ユーザ端末３００は、グラフィカルイメージのためのイメージデータを含むデータを受信する。ユーザ端末３００において、グラフィカルイメージ等を、提示対象のコンテンツのストーリー展開の解析結果を示すデータとして、ユーザ端末３００が備えるディスプレイ（入出力装置３００）に表示する。

【0132】

図１２は、ユーザ端末３００のディスプレイに表示される画面５００Ａの例を示している。画面５００Ａは、グラフィカルユーザインタフェース（ＧＵＩ）画面である。画面５００Ａにおいては、解析結果の表示と、ユーザ操作の受付とが行われる。

【0133】

画面５００Ａは、作品名表示部５１０と、トピック表示部６０１と、ストーリー展開表示部６０２と、を有する。

【0134】

トピック表示部６０１は、対象コンテンツに含まれる１又は複数のトピックを表示する。トピック表示部６０１は、ストーリー展開表示部６０２において表示されるグラフの凡例表示にもなっている。

【0135】

トピック表示部６０１において表示されるトピックは、第１非負値行列データＷから生成される。図８に示す第１非負値行列データＷは、３個の基底ベクトルＦ１，Ｆ２，Ｆ３を有している。したがって、トピック表示部６０１には、３つのトピックＦ１，Ｆ２，Ｆ３が、表示される。

【0136】

トピック表示部６０１は、各トピックＦ１，Ｆ２，Ｆ３におけるオブジェクトを示す。図１２に示すトピック表示部６０１では、第１トピックＦ１における主要なオブジェクトはキャラクターＢであり、第２トピックＦ２における主要なオブジェクトはキャラクターＡであり、第３トピックＦ３における主要なオブジェクトはキャラクターＢ及びキャラクターＣであることが示されている。トピック表示部６０１に各トピックＦ１，Ｆ２，Ｆ３における主要なオブジェクトが表示されていることで、ユーザは、各トピックＦ１，Ｆ２，Ｆ３に寄与する主要なオブジェクトを把握できる。

【0137】

プロセッサ１１０は、トピック表示部６０１に表示される主要なオブジェクトを、第１非負値行列Ｗに基づいて決定する。主要なオブジェクトは、第１非負値行列Ｗの行列要素の値に基づいて、決定される。第１非負値行列Ｗの行列要素の値は、各トピックにおけるオブジェクトの寄与度を示している。したがって、プロセッサ１１０は、各基底ベクトル（トピック）において、例えば、寄与度が最も大きいオブジェクト、又は、寄与度が閾値よりも大きいオブジェクトを、そのトピックにおける主要なオブジェクトとして決定できる。

【0138】

ストーリー展開表示部６０２は、各トピックＦ１，Ｆ２，Ｆ３の活性化度（以下、「アクティベーション値」ともいう）の時間的変化をグラフィカルイメージであるグラフによって示す。図１０のストーリー展開表示部６０２において、横軸は、時間の一例として話数を示し、縦軸は、活性化度を示す。図１０のストーリー展開表示部６０２では、３つのトピックＦ１，Ｆ２，Ｆ３それぞれの活性化度の時間的変化を可視化した折れ線グラフのイメージデータとして示されている。

【0139】

図１２のストーリー展開表示部６０２において、キャラクターＢが主要なオブジェクトである第１トピックＦ１とキャラクターＡが主要なオブジェクトである第２トピックＦ２については、時間的に安定した活性化度を示している。したがって、ストーリー展開表示部６０２を観察したユーザは、キャラクターＡ及びキャラクターＢが、対象コンテンツにおいて常に登場する主要なオブジェクト（いわゆる主人公）であることを把握できる。また、対象コンテンツにおいて、キャラクターＡ，Ｂに関するトピックＦ１，Ｆ２は、時間的に安定した活性化度を示していることから、対象コンテンツにおいては、主人公であるキャラクターＡ，Ｂは、ストーリー展開の起伏にかかわらず、安定的に登場していることがわかる。

【0140】

また、ストーリー展開表示部６０２において、第３トピックＦ３は、時間的に大きく変動して起伏が生じていることを示している。したがって、ストーリー展開表示部６０２を観察したユーザは、キャラクターＣ（メイン）及びキャラクターＢ（サブ）の絡みによってストーリー展開の起伏が作られていることを把握できる。

【0141】

つまり、ユーザは、キャラクターＡ，Ｂが主人公である一方、ストーリー展開の肝は、キャラクターＣ（メイン）及びキャラクターＢ（サブ）の絡みにあることを客観的に把握できる。このように、ユーザは、対象コンテンツのストーリー展開のパターンを容易に把握することができる。このようなストーリー展開のパターンは、人間がコンテンツを直接読んだり視聴したりしても容易には得られないおそれがあるが、ＮＭＦアルゴリズムを用いた解析により、ストーリー展開のパターンを容易に得ることができる。

【0142】

しかも、ＮＭＦアルゴリズムにより得られたストーリー展開の解析結果は、数値データであるため、異なるコンテンツ間のストーリー展開の類似性の検討に有用である。例えば、制作しようとするコンテンツを、他のコンテンツのストーリーに似せたい場合、又は、他のコンテンツのストーリーに似せたくない場合、ユーザである制作者は、ストーリー展開解析装置１００Ａにより得られた他のコンテンツのストーリー展開を参考に、制約しようとするコンテンツのストーリー展開を考えることができる。

【0143】

また、ＮＭＦアルゴリズムにより得られたストーリー展開の解析結果は、数値データであって、コンテンツのストーリー展開を定量的に表したものである。したがって、コンテンツの解析結果間の同一性又は類似性を用いて、あるコンテンツに似た他のコンテンツを検索することもできる。

【0144】

なお、画面５００Ａは、図８に示す第１非負値行列データＷ及び図９に示す第２非負値行列Ｈを数値データとして示す表示を含んでもよい。この場合、ユーザは、解析結果の詳細を確認することができる。

【0145】

さらに、第３実施形態に係るストーリー展開解析装置１００Ａは、ストーリー展開の見直し又は修正のために、対象コンテンツにおけるオブジェクト（キャラクター）の登場度をどのように調整すればよいかという値を表示する機能も有する。かかる機能によって、制作者等であるユーザは、ストーリー展開を変更した際のシミュレーションをすることができる。また、ユーザは、ストーリー展開の提案のヒントを得ることができる。

【0146】

オブジェクトの登場度の調整を支援するため、第３実施形態に係るプロセッサ１１０は、ストーリー展開解析処理１１１Ａにおいて、ステップＳ３１５以降の処理を実行可能である。ここでは、ＮＭＦにより得られた各トピックのアクティベーション値（活性化度）を変更することで、調整後のオブジェクト登場度を得る。

【0147】

図１３は、オブジェクトの登場度の調整を支援する機能を含む画面５００Ａを示している。この画面５００Ａは、図１２と同様に、作品名表示部５１０と、トピック表示部６０１と、ストーリー展開表示部６０２と、を備える。更に、図１３に示す画面５００Ａは、オブジェクト寄与度表示部７０１と、ストーリー展開調整部７０２と、調整結果表示部７０３と、を備える。

【0148】

オブジェクト寄与度表示部７０１は、第１非負値行列Ｗを示す数値データを表示する領域である。ユーザは、ストーリー展開表示部６０２に加えて、オブジェクト寄与度表示部７０１を参照することで、ＮＭＦアルゴリズムによる解析結果をより詳細に把握できる。

【0149】

ストーリー展開調整部７０２は、調整の対象トピックの選択部７０２Ａと、調整の対象話数（対象時間範囲）の選択部７０２Ｂと、アクティベーション値の入力部７０２Ｃと、を備える。トピックの選択部７０２Ａでは、ＮＭＦにより得られた複数のトピックＦ１，Ｆ２，Ｆ３のうち、アクティベーション値（活性化度）が調整されるトピックが選択される。トピックの選択部７０２Ａでは、抽出されたトピックＦ１，Ｆ２，Ｆ３がラジオボタン等を用いて選択可能に示されている。

【0150】

ストーリー展開解析装置１００Ａのプロセッサ１１０は、ユーザ端末３００から、選択された対象トピックＦ３に示すデータを受け付ける。プロセッサ１１０は、ユーザ端末３００から受け付けたデータに基づいて、第２非負値行列Ｈにおいてアクティベーション値が変更される対象トピックとして、例えば、第３トピックＦ３を選択する（ステップＳ３１５）。

【0151】

話数の選択部７０２Ｂでは、対象コンテンツにおいてオブジェクトの登場度が調整される対象話数が、例えば数値で、ユーザによって入力される。プロセッサ１１０は、ユーザ端末３００から、選択された対象話数（対象時間範囲）を示すデータを受け付ける。プロセッサ１１０は、ユーザ端末３００あら受け付けたデータに基づいて、第２非負値行列Ｈにおいてアクティベーション値が変更される話数（時間範囲）として、例えば、第３話を選択する（ステップＳ３１６）。

【0152】

アクティベーション値の入力部７０２Ｃでは、変更後のアクティベーション値が、例えば数値で、ユーザによって入力される。変更後のアクティベーション値は、ユーザにより、任意の値が入力される。変更後のアクティベーション値としては、例えば、ＮＭＦにより得られた対象トピックのアクティベーション値（例えば、０）とは異なる値（例えば、０．７）に設定される。

【0153】

プロセッサ１１０は、ユーザ端末３００から、変更後のアクティベーション値を受け付ける。プロセッサ１１０は、第２非負値行列Ｈにおいて、対象トピックＦ３の対象話数（第３話）のアクティベーション値だけを、変更前の０（図９参照）から変更後の値（０．７）に変更した、変更後の第２非負値行列Ｈを生成する。プロセッサ１１０は、図８に示す第１非負値行列Ｗに変更後の第２非負値行列を乗じる行列演算を実行する。この行列演算によって、図７に示す時系列データ２０１Ｍ（非負値行列データ）のうち、対象話数である第３話における各オブジェクトの登場度が更新される（ステップＳ３１７）。なお、更新後の時系列データ２０１Ｍにおいて、対象話数以外の各オブジェクトの登場度に変化はないため、行列演算において、対象話数以外の登場度を更新する演算は省略してもよい。

【0154】

プロセッサ１１０は、対象話数である第３話における各オブジェクトの更新後の登場度を調整結果として、ユーザ端末３００へ送信する（ステップＳ３１８）。ユーザ端末３００は、調整結果を受信し、その調整結果を、画面５００Ａの調整結果表示部７０３に表示させる。調整結果表示部７０３では、対象話数である第３話における第３トピックＦ３のアクティベーション値を０．７にするための各オブジェクトの登場度（登場回数）が表示される。ユーザは、調整結果表示部７０３を参照することで、調整後のオブジェクトの登場度を把握することができる。

【0155】

＜３．付記＞

【0156】

本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。

【符号の説明】

【0157】

１０ ：システム
１００ ：ストーリー展開提示装置
１００Ａ ：ストーリー展開解析装置
１１０ ：プロセッサ
１１１ ：ストーリー展開提示処理
１１１Ａ ：ストーリー展開解析処理
１２０ ：記憶装置
１２１ ：コンピュータプログラム
１２１Ａ ：コンピュータプログラム
２００ ：データベース
２０１ ：第１コンテンツデータ
２０１Ｍ ：第１時系列データ
２０２ ：第２コンテンツデータ
２０２Ｍ ：第２時系列データ
２０３ ：第３コンテンツデータ
２０３Ｍ ：第３時系列データ
３００ ：ユーザ端末
３１０ ：プロセッサ
３２０ ：記憶装置
３３０ ：入出力装置
４００ ：ネットワーク
５００ ：画面
５００Ａ ：画面
５０１ ：表示領域
５１０ ：作品名表示部
５１１ ：名称表示部
５１２ ：グラフィカルイメージ
５１３ ：第１表示部
５１４ ：第２表示部
５１５ ：第３表示部
５１６ ：シークバー
５１６Ａ ：スライダ
６０１ ：トピック表示部
６０２ ：ストーリー展開表示部
７０１ ：オブジェクト寄与度表示部
７０２ ：ストーリー展開調整部
７０２Ａ ：選択部
７０２Ｂ ：選択部
７０２Ｃ ：入力部
７０３ ：調整結果表示部
Ａ ：キャラクター
Ｂ ：キャラクター
Ｃ ：キャラクター
Ｄ ：キャラクター
Ｅ ：建物
Ｆ ：建物
Ｇ ：道具
Ｈ ：道具
Ｆ１ ：第１トピック
Ｆ２ ：第２トピック
Ｆ３ ：第３トピック
Ｒ ：選択線
Ｓ ：オブジェクト情報
Ｔ ：時間情報

【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】