特許 7558450 関連情報表示装置、プログラム及び関連情報表示方法

(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】2024-09-19

(45)【発行日】2024-09-30

(54)【発明の名称】関連情報表示装置、プログラム及び関連情報表示方法

(51)【国際特許分類】

   G06F 16/904 20190101AFI20240920BHJP

【ＦＩ】

G06F16/904

【請求項の数】 20

(21)【出願番号】P 2024511962

(86)(22)【出願日】2022-04-04

(86)【国際出願番号】 JP2022017063

(87)【国際公開番号】W WO2023195051

(87)【国際公開日】2023-10-12

【審査請求日】2024-02-21

【早期審査対象出願】

(73)【特許権者】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100116964

【弁理士】

【氏名又は名称】山形 洋一

(74)【代理人】

【識別番号】100120477

【弁理士】

【氏名又は名称】佐藤 賢改

(74)【代理人】

【識別番号】100135921

【弁理士】

【氏名又は名称】篠原 昌彦

(74)【代理人】

【識別番号】100203677

【弁理士】

【氏名又は名称】山口 力

(72)【発明者】

【氏名】池田 久美子

(72)【発明者】

【氏名】小路 悠介

(72)【発明者】

【氏名】斉藤 辰彦

(72)【発明者】

【氏名】成政 国郎

(72)【発明者】

【氏名】深川 浩史

(72)【発明者】

【氏名】伊藤 槙紀

【審査官】鹿野 博嗣

(56)【参考文献】

【文献】米国特許出願公開第２０２０／０３５６６０４（ＵＳ，Ａ１）

【文献】国際公開第２０２１／２３４８９６（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０２２／００６７０５６（ＵＳ，Ａ１）

【文献】国際公開第２０１７／２２１８５８（ＷＯ，Ａ１）

【文献】特開２００４－２８７８２７（ＪＰ，Ａ）

【文献】特表２００９－５１０５９１（ＪＰ，Ａ）

(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】

複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフを記憶する知識グラフ記憶部と、
キーワードに関連する関連情報を前記知識グラフから推論する関連情報推論部と、
前記キーワードと、前記関連情報との関連度を算出する関連度算出部と、
前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成する表示データ生成部と、を備え
前記帯の幅は、前記関連度が高いほど広いこと
を特徴とする関連情報表示装置。

【請求項2】

前記流量図は、サンキー図であること
を特徴とする請求項１に記載の関連情報表示装置。

【請求項3】

前記サンキー図では、前記帯の幅は、前記キーワードを表示する幅に基づいて、正規化されていること
を特徴とする請求項２に記載の関連情報表示装置。

【請求項4】

前記キーワード及び情報種別を取得するインターフェース部をさらに備え、
前記関連情報推論部は、前記キーワードに関連し、前記情報種別に属する情報を前記関連情報として推論すること
を特徴とする請求項１から３の何れか一項に記載の関連情報表示装置。

【請求項5】

テキスト文及び情報種別を取得するインターフェース部と、
前記テキスト文から前記キーワードを抽出するキーワード抽出部と、をさらに備え、
前記関連情報推論部は、前記キーワードに関連し、前記情報種別に属する情報を前記関連情報として推論すること
を特徴とする請求項１から３の何れか一項に記載の関連情報表示装置。

【請求項6】

前記インターフェース部は、前記表示データが生成された後に、新たな情報種別を取得し、
前記関連情報推論部は、前記関連情報を新たなキーワードとして、前記新たなキーワードに関連し、前記新たな情報種別に属する情報を新たな関連情報として推論し、
前記関連度算出部は、前記新たなキーワードと、前記新たな関連情報との関連度である新たな関連度を算出し、
前記表示データ生成部は、前記新たなキーワードと、前記新たなキーワードに関連する前記新たな関連情報とを帯でつなぐことで、前記新たなキーワードと前記新たな関連情報との関連性を示す新たな流量図を表示するための新たな表示データを生成し、
前記新たなキーワードと、前記新たな関連情報とをつなぐ前記帯の幅は、前記新たな関連度が高いほど広いこと
を特徴とする請求項４に記載の関連情報表示装置。

【請求項7】

前記インターフェース部は、前記表示データが生成された後に、新たな情報種別を取得し、
前記関連情報推論部は、前記関連情報を新たなキーワードとして、前記新たなキーワードに関連し、前記新たな情報種別に属する情報を新たな関連情報として推論し、
前記関連度算出部は、前記新たなキーワードと、前記新たな関連情報との関連度である新たな関連度を算出し、
前記表示データ生成部は、前記新たなキーワードと、前記新たなキーワードに関連する前記新たな関連情報とを帯でつなぐことで、前記新たなキーワードと前記新たな関連情報との関連性を示す新たな流量図を表示するための新たな表示データを生成し、
前記新たなキーワードと、前記新たな関連情報とをつなぐ前記帯の幅は、前記新たな関連度が高いほど広いこと
を特徴とする請求項５に記載の関連情報表示装置。

【請求項8】

複数の文書のそれぞれのテキストを示すテキスト情報を記憶するテキスト情報記憶部と、
前記キーワード又はテキスト文を取得するインターフェース部と、をさらに備え、
前記関連情報推論部は、前記キーワード又は前記テキスト文に関連する文書を前記複数の文書から推論し、前記関連する文書に関連する前記関連情報を前記知識グラフから推論すること
を特徴とする請求項１から３の何れか一項に記載の関連情報表示装置。

【請求項9】

前記インターフェース部は、前記関連情報又は前記帯に関する詳細情報を取得する指示を取得し、
前記指示に応じて、前記関連情報又は前記帯に関する詳細情報を取得する詳細情報取得部をさらに備えること
を特徴とする請求項４に記載の関連情報表示装置。

【請求項10】

前記インターフェース部は、前記関連情報又は前記帯に関する詳細情報を取得する指示を取得し、
前記指示に応じて、前記関連情報又は前記帯に関する詳細情報を取得する詳細情報取得部をさらに備えること
を特徴とする請求項５に記載の関連情報表示装置。

【請求項11】

前記インターフェース部は、前記関連情報又は前記帯に関する詳細情報を取得する指示を取得し、
前記指示に応じて、前記関連情報又は前記帯に関する詳細情報を取得する詳細情報取得部をさらに備えること
を特徴とする請求項６に記載の関連情報表示装置。

【請求項12】

前記インターフェース部は、前記関連情報又は前記帯に関する詳細情報を取得する指示を取得し、
前記指示に応じて、前記関連情報又は前記帯に関する詳細情報を取得する詳細情報取得部をさらに備えること
を特徴とする請求項７に記載の関連情報表示装置。

【請求項13】

前記インターフェース部は、前記関連情報又は前記帯に関する詳細情報を取得する指示を取得し、
前記指示に応じて、前記関連情報又は前記帯に関する詳細情報を取得する詳細情報取得部をさらに備えること
を特徴とする請求項８の何れか一項に記載の関連情報表示装置。

【請求項14】

前記詳細情報を用いて前記関連情報に対してフィルタリングを行うフィルタリング部をさらに備えること
を特徴とする請求項９に記載の関連情報表示装置。

【請求項15】

前記詳細情報を用いて前記関連情報に対してフィルタリングを行うフィルタリング部をさらに備えること
を特徴とする請求項１０に記載の関連情報表示装置。

【請求項16】

前記詳細情報を用いて前記関連情報に対してフィルタリングを行うフィルタリング部をさらに備えること
を特徴とする請求項１１に記載の関連情報表示装置。

【請求項17】

前記詳細情報を用いて前記関連情報に対してフィルタリングを行うフィルタリング部をさらに備えること
を特徴とする請求項１２に記載の関連情報表示装置。

【請求項18】

前記詳細情報を用いて前記関連情報に対してフィルタリングを行うフィルタリング部をさらに備えること
を特徴とする請求項１３に記載の関連情報表示装置。

【請求項19】

コンピュータを、
複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフを記憶する知識グラフ記憶部、
キーワードに関連する関連情報を前記知識グラフから推論する関連情報推論部、
前記キーワードと、前記関連情報との関連度を算出する関連度算出部、及び、
前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成する表示データ生成部、として機能させ、
前記帯の幅は、前記関連度が高いほど広いこと
を特徴とするプログラム。

【請求項20】

キーワードに関連する関連情報を、複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフから推論し、
前記キーワードと、前記関連情報との関連度を算出し、
前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成し、
前記帯の幅は、前記関連度が高いほど広いこと
を特徴とする関連情報表示方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、関連情報表示装置、プログラム及び関連情報表示方法に関する。

【背景技術】

【0002】

従来から、専門的な知識情報を、知識の関連する事象又は関連性を表す知識グラフを用いたデータベース（以下、ＤＢという）に保持し、その知識情報を検索して、検索された情報を提示する技術がある。例えば、特許文献１には、入力された文書の語句を抽出し、ユーザの指定した条件を元に、抽出された語句に関する概念構造情報である知識グラフから、検索条件又は検索するＤＢを指定し、知識を抽出し、グラフ構造又は文へと変換して提示する方法が示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２０－１４０６０４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来の技術は、知識グラフからデータを抽出した結果を、その関係性を示すために、グラフ構造のまま提示している。
しかしながら、グラフ構造のままでは、グラフ構造を理解していないと理解しづらい、又は、入力されたデータとの関係を読み取ることが難しいという問題点があった。

【0005】

そこで、本開示の一又は複数の態様は、知識グラフの構造を理解していなくても、キーワードと、キーワードを用いて知識グラフから抽出された知識との関連性を分かりやすく提示できるようにすることを目的とする。

【課題を解決するための手段】

【0006】

本開示の一態様に係る関連情報表示装置は、複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフを記憶する知識グラフ記憶部と、キーワードに関連する関連情報を前記知識グラフから推論する関連情報推論部と、前記キーワードと、前記関連情報との関連度を算出する関連度算出部と、前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成する表示データ生成部と、を備え前記帯の幅は、前記関連度が高いほど広いことを特徴とする。

【0007】

本開示の一態様に係るプログラムは、コンピュータを、複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフを記憶する知識グラフ記憶部、キーワードに関連する関連情報を前記知識グラフから推論する関連情報推論部、前記キーワードと、前記関連情報との関連度を算出する関連度算出部、及び、前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成する表示データ生成部、として機能させ、前記帯の幅は、前記関連度が高いほど広いことを特徴とする。

【0008】

本開示の一態様に係る関連情報表示方法は、キーワードに関連する関連情報を、複数のノードと、前記複数のノードを連結するリンクとで知識情報を保持する知識グラフから推論し、前記キーワードと、前記関連情報との関連度を算出し、前記キーワードと、前記キーワードに関連する前記関連情報とを帯でつなぐことで、前記キーワードと、前記関連情報との関連性を示す流量図を表示するための表示データを生成し、前記帯の幅は、前記関連度が高いほど広いことを特徴とする。

【発明の効果】

【0009】

本開示の一又は複数の態様によれば、知識グラフの構造を理解していなくても、キーワードと、キーワードを用いて知識グラフから抽出された知識との関連性を分かりやすく提示することができる。

【図面の簡単な説明】

【0010】

【図1】実施の形態１に係る関連情報表示装置の構成を概略的に示すブロック図である。

【図2】文書を中心とした知識グラフの構造であるオントロジーを表す概略図である。

【図3】知識グラフの第１の例を表す概略図である。

【図4】サンキー図の第１の例を表す概略図である。

【図5】部分グラフの第１の例を表す概略図である。

【図6】部分グラフの第２の例を表す概略図である。

【図7】入力クエリと、検索結果である関連情報との関連度をまとめた表である。

【図8】知識グラフの第２の例を表す概略図である。

【図9】部分グラフの第３の例を表す概略図である。

【図10】サンキー図の第２の例を表す概略図である。

【図11】ハードウェア構成例を概略的に表すブロック図である。

【図12】実施の形態１に係る関連情報表示装置での動作を示すフローチャートである。

【図13】実施の形態２に係る関連情報表示装置の構成を概略的に示すブロック図である。

【図14】サンキー図の第３の例を表す概略図である。

【図15】サンキー図の第４の例を表す概略図である。

【図16】部分グラフの第４の例を表す概略図である。

【図17】実施の形態２に係る関連情報表示装置での動作を示すフローチャートである。

【図18】サンキー図の第５の例を表す概略図である。

【図19】サンキー図の第６の例を表す概略図である。

【図20】実施の形態３に係る関連情報表示装置の構成を概略的に示すブロック図である。

【図21】実施の形態３に係る関連情報表示装置での動作を示すフローチャートである。

【図22】実施の形態４に係る関連情報表示装置の構成を概略的に示すブロック図である。

【図23】実施の形態５に係る関連情報表示装置の構成を概略的に示すブロック図である。

【図24】ポップアップで詳細情報を表示する例を示す概略図である。

【図25】詳細情報として帯の情報を表示する例を示す概略図である。

【発明を実施するための形態】

【0011】

実施の形態１．
図１は、実施の形態１に係る関連情報表示装置１００の構成を概略的に示すブロック図である。
関連情報表示装置１００は、知識グラフＤＢ（Ｄａｔａ Ｂａｓｅ）１０１と、ＤＢ操作部１０２と、ユーザＩ／Ｆ（ｉｎｔｅｒＦａｃｅ）部１０３と、関連情報推論部１０４と、関連度算出部１０５と、表示データ生成部１０６とを備える。

【0012】

知識グラフＤＢ１０１は、知識情報を保持する。例えば、知識グラフＤＢ１０１は、事前に得られた知識情報をノードとし、そのノード間の関係をリンクとして、グラフ構造で知識情報を保持している知識グラフのデータベースである。言い換えると、知識グラフＤＢ１０１は、複数のノードと、その複数のノードを連結するリンクとで知識情報を保持する知識グラフを記憶する知識グラフ記憶部として機能する。

【0013】

知識グラフには、プロパティグラフ又はＲＤＦ（Ｒｅｓｏｕｒｃｅ Ｄｅｓｃｒｉｐｔｉｏｎ Ｆｒａｍｅｗｏｒｋ）等、様々な形式がある。ここでは、知識グラフは、プロパティグラフで表されているのとして説明を行う。但し、その他のグラフ形式で表されているものでもよい。さらに、ここでは、知識グラフＤＢ１０１は、設計書類又は論文等の業務文書から得られる知識情報を、知識グラフとして保持しているものとする。

【0014】

図２及び図３は、実施の形態１における知識グラフを説明するための概略図である。
図２は、文書を中心とした知識グラフの構造であるオントロジーを表す概略図である。
図３は、知識グラフの一例を表す概略図である。

【0015】

図２では、「文書」、「人物」、「部署」、「製品」及び「特徴語」といった情報種別の情報をノードとし、「文書」と「著者関係」を「ＷＲＩＴＴＥＮ」、「文書」とその「文書」を発行する「部署」の関係を「ＰＵＢＬＩＳＨ」、「製品」とその「製品」に関連する「文書」の関係を「ＲＥＬＡＴＥＤ」、「人物」とその「人物」が所属している「部署」の所属関係を「ＢＥＬＯＮＧ＿ＴＯ」、及び、「文書」とその「文書」に含まれる「特徴語」の関係を「ＣＯＮＴＡＩＮ」として表している。なお、「特徴語」は、ここでは、文書の内容を表すような単語を示している。知識グラフのノードには、必ず情報種別が定義されている。

【0016】

図３に示されている知識グラフ１０１＃１は、図２に示されているオントロジーに沿って、文書及びそれに関連する情報等から知識情報をグラフとして保持している。
なお、図３に示されている知識グラフ１０１＃１は、業務文書に関連した知識情報を保持する例を説明したが、このような知識グラフ１０１＃１は、一例であり、別の情報が保持されていてもよい。

【0017】

図１に戻り、ＤＢ操作部１０２は、知識グラフＤＢ１０１を操作する。例えば、ＤＢ操作部１０２は、知識グラフＤＢ１０１に対して、知識を登録、更新又は削除し、指定された条件で知識を検索する等の操作を行う。ＤＢ操作部１０２は、知識グラフＤＢ１０１の種類に応じた処理を行うものとし、関連情報推論部１０４から、入力クエリとなるキーワードと、検索する情報種別とを受け取り、指定された検索方法で検索を実施するものとする。例えば、ＤＢ操作部１０２は、検索方法として、知識グラフの構造を元に指定の経路パスを介してつながっている知識の検索を行う。

【0018】

ユーザＩ／Ｆ部１０３は、キーワード及び情報種別を取得するインターフェース部として機能する。ここで、ユーザＩ／Ｆ部１０３は、ユーザからの入力を受け付ける入力受付部、及び、関連情報を表示する表示処理部として機能する。例えば、ユーザＩ／Ｆ部１０３は、入力部として機能するキーボード又はマウス等の入力装置（図示せず）を介して、ユーザからの入力を受け付け、受け付けた入力クエリを関連情報推論部１０４へと渡す。そして、ユーザＩ／Ｆ部１０３は、表示データ生成部１０６より受け取った表示データに基づいて、表示部として機能するディスプレイで、関連情報とその関連度をユーザへと提示する。

【0019】

言い換えると、ユーザＩ／Ｆ部１０３は、ユーザに関連情報を検索するための検索画面を提示し、ユーザから検索に必要なデータとして、キーワードと、そのキーワードが属する情報の種別である情報種別と、検索したい情報の種別である情報種別との入力を受け付ける。そして、ユーザＩ／Ｆ部１０３は、表示データに基づいて、関連情報を、図４に示されているようなサンキー図ＩＭ１を代表とする工程間の流量を表すような流量図を用いて、入力クエリと、関連情報との関連度をユーザに提示する。

【0020】

ここで、表示データ生成部１０６から受け取る表示データには、少なくとも、入力クエリである各キーワードと、検索結果である関連情報と、キーワード及び検索結果をつなぐ帯の幅、並びに、キーワード及び検索結果を表示ための幅の情報とが含まれている。これらの情報を元に、ユーザＩ／Ｆ部１０３は、サンキー図ＩＭ１の形式で、表示部に関連情報を表示させる。

【0021】

サンキー図ＩＭ１では、入力クエリであるキーワードと、関連情報と、キーワード及び関連情報をつなぐ帯とが描画される。
入力クエリは、サンキー図ＩＭ１の左側に並べて表示され、関連情報は、サンキー図ＩＭ１の右側に並べて表示され、キーワード及び関連情報をつなぐ帯の幅は、キーワード及び関連情報の関連度が高いほど広くなる。

【0022】

この際、関連情報の並びは、帯の幅の大きい順に上から表示されてもよい。これにより、キーワードにより関連の深い情報が上位に来るため、結果が見やすくなる。
また、例えば、人物と、その所属情報とのように、関連情報がグルーピングできるような場合には、そのグループでまとめて表示されてもよい。これにより、ユーザが関連情報のまとまりを把握することができ、結果を見やすくすることができる。

【0023】

図１に戻り、例えば、ユーザＩ／Ｆ部１０３がＷｅｂアプリケーションとして実装された場合、ユーザがブラウザから指定のＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）にアクセスすることで、検索画面が表示される。そして、ユーザは、キーボードを使ってキーワードを入力する。ユーザからの入力を元に得られた関連情報は、ディスプレイに表示されたＷｅｂブラウザ上でサンキー図として描画される。他にも、ユーザからの入力を音声での受け付けるようにしてもよい。

【0024】

図４に示されている例では、流量図は二次元で表示されているが、それが三次元で表示されてもよい。例えば、入力されたキーワードに関連する人物と文書のように、複数種類の関連情報を一度に表示したい場合に、横方面には人物との関連性が示され、奥方向には、文書とのつながりが表されることで、情報種別毎に関連情報との関係性を表示することができる。

【0025】

関連情報推論部１０４は、キーワードに関連する関連情報を知識グラフＤＢ１０１に記憶されている知識グラフから推論する。ここでは、関連情報推論部１０４は、ユーザからの入力を受けて関連情報を推論する。例えば、関連情報推論部１０４は、ユーザからの入力された、入力クエリとしてのキーワードと、検索したい情報の情報種別とから、ＤＢ操作部１０２を使って、ユーザの望む関連情報を抽出する。ここでは、関連情報推論部１０４は、そのキーワードに関連し、その情報種別に属する情報を関連情報として推論する。

【0026】

具体的には、関連情報推論部１０４は、知識グラフの構造を元に、検索するパス経路を指定することで、関連情報を抽出する。例えば、ユーザが「音声認識」及び「対話」に詳しい「人物」の情報を知りたい場合に、関連情報推論部１０４は、「音声認識」を特徴語にもつ文書の著者と、「対話」を特徴語にもつ文書の著者とを、ＤＢ操作部１０２を使って抽出し、共通する人物を、関連情報である関連人物として推論する。言い換えると、関連情報推論部１０４は、ユーザの欲しい関連情報に応じた推論方法を選択して、関連情報を推論する。

【0027】

また、関連情報推論部１０４は、「音声認識」及び「対話」の両方を特徴語として含む文書の著者を関連人物としてもよい。さらに、ユーザが検索する情報として指定した情報種別毎に想定されるグラフ構造が保持されている場合には、関連情報推論部１０４は、そのグラフ構造と類似する部分グラフを抽出し、そこに含まれた、検索する情報として指定した情報種別のノードを関連情報として求めてもよい。また、関連情報推論部１０４は、入力クエリからの最短経路パスを算出して、関連情報を抽出してもよい。関連情報推論部１０４は、その他の方法を用いて関連情報を抽出してもよい。

【0028】

さらに、ユーザが特定の情報種別を指定するのではなく、関連情報推論部１０４が様々な情報種別の情報を関連情報として提示するようにしてもよい。例えば、関連情報推論部１０４は、グラフ構造を用いて、キーワードからの指定したホップ数以内の情報を関連情報として抽出してもよい。また、関連情報推論部１０４は、入力されたクエリの情報種別に応じて、抽出される情報種別を予め決めておき、そのデータのみを抽出するようにしてもよい。

【0029】

関連度算出部１０５は、キーワードと、関連情報との関連度を算出する。ここでは、関連度算出部１０５は、関連情報の推論結果から、入力されたキーワードとの関連度を算出する。例えば、関連度算出部１０５は、関連情報推論部１０４が抽出した関連情報の検索結果と、抽出を行った知識グラフのグラフ構造とを使って、入力されたクエリであるキーワードと、抽出された関連情報との関連度を算出する。

【0030】

ここで、具体例として、「対話」及び「音声認識」の関連情報である関連人物として、「人物Ａ」及び「人物Ｂ」が抽出された場合における、関連度の算出処理を説明する。
例えば、特徴語であるキーワードと、人物との間にある文書数を関連度とする場合、図３に示されている知識グラフ１０１＃１において、「対話」と。それぞれの関連人物との関連度は、図５に示されているような部分グラフ１０１＃２の構造を元に、「対話」から「人物Ａ」は、「文書４」及び「文書５」を介してつながっているため、関連度は「２」となる。また、「対話」から「人物Ｂ」は、「文書１」を介してつながっているため、関連度は「１」となる。

【0031】

同様に、図６に示されているような部分グラフ１０１＃３の構造を元に、「音声認識」から「文書４」を介して「人物Ａ」とつながっているため、関連度は、「１」となる。また、「音声認識」から「人物Ｂ」は、「文書１」を介してつながっているため、関連度は「１」となる。入力クエリと、検索結果である関連情報との関連度をまとめると図７のようになる。

【0032】

以上の例では、関連度算出部１０５は、ノード構造を元に、中継する文書数を関連度として算出したが、文書に重要度を設定し、関連度を、中継する文書の重要度の合計として算出してもよい。また、関連度算出部１０５は、キーワードの文書における重要度をｔｆ－ｉｄｆ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ － Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）等を用いて算出し、その結果を合計することで、関連度を算出してもよい。他にも、関連度算出部１０５は、ＰａｇｅＲａｎｋを用いて設定したリンクの重みの合計を、入力クエリと、関連情報との関連度として算出してもよい。また、関連度算出部１０５は、ノードの種別毎に算出方法を変えてもよい。さらに、関連度算出部１０５は、いくつかの方法を組み合わせて、関連度を算出してもよい。また、関連度算出部１０５は、ここに記載されている以外の情報を用いて算出してもよい。

【0033】

表示データ生成部１０６は、キーワードと、そのキーワードに関連する関連情報とを帯でつなぐことで、そのキーワードとその関連情報との関連性を示す流量図を表示するための表示データを生成する。ここでは、帯の幅は、その関連度が高いほど広くなっている。流量図は、例えば、サンキー図であり、その帯の幅は、キーワードを表示する幅に基づいて、正規化されているものとする。

【0034】

実施の形態１では、表示データ生成部１０６は、関連情報及び関連度を元に、表示用のデータである表示データを生成する。例えば、表示データ生成部１０６は、関連情報推論部１０４から受け取った関連情報と、関連度算出部１０５から受け取った関連度とに基づいて、キーワードと、関連情報との関連性を、サンキー図で表すための必要な表示データを生成する。表示データには、少なくとも、入力クエリとなる各キーワード、検索結果である関連情報、入力キーワードと検索結果とをつなぐ帯、及び、表示に必要なそれぞれの幅を示す情報が含まれている。その他、表示に必要な色、又は、表示位置関係を表す情報等が含まれていてもよい。

【0035】

具体的には、表示データ生成部１０６は、関連度算出部１０５で算出された関連度を用いて、各キーワードと、各関連情報との帯の幅を、キーワード毎に正規化する。言い換えると、表示データ生成部１０６は、キーワードの幅を、関連情報との関連度に比例して分割した値を、帯の幅として計算し、関連情報のノードの幅は、そのノードに接続される帯の幅の合計とする。この時、ユーザが入力するキーワードは、いずれも重要性は等しいものとして、キーワードの幅は、すべて同じとする。

【0036】

例えば、図８に示されている知識グラフ１０１＃４から、「特徴語Ｘ」と「特徴語Ｚ」に関連する製品を検索した場合を例に説明する。
まず、前提として、「特徴語Ｘ」及び「特徴語Ｚ」の幅を３０とする。
これらに関連する関連情報である関連製品は、図９に示されている部分グラフ１０１＃５に示されているように、「製品１」及び「製品２」である。「特徴語Ｘ」と「製品１」との関連度は「１」、「特徴語Ｘ」と「製品２」との関連度は「１」であるため、それぞれの帯の幅は、「特徴語Ｘ」の幅の１／２＝１５となる。

【0037】

また、「特徴語Ｚ」と「製品１」との関連度は「１」、「特徴語Ｚ」と「製品２」との関連度は「２」である。このため、「特徴語Ｚ」と「製品１」との間の帯の幅は、「特徴語Ｙ」の幅の１／３＝１０となり、「特徴語Ｚ」と「製品２」との間の帯の幅は、「特徴語Ｙ」の幅の２／３＝２０となる。

【0038】

以上から、「製品１」の幅は、１５＋１０＝２５であり、「製品２」の幅は、１５＋２０＝３５となる。このため、図１０に示されているように、表示されるサンキー図ＩＭ２では、製品１のノードの幅よりも、製品２のノードの幅の方が大きくなる。

【0039】

また、別の例として、一方の入力クエリからの関連度のみが大きい場合を説明する。ここでは、それぞれのキーワードに対して、帯の幅を正規化する。これにより、一方のキーワードからの関連度の値が大きい場合にも、それぞれのキーワードで幅を正規化することで、一方の入力クエリへの関連度の値のみが結果に影響しないようにすることができる。

【0040】

例えば、「特徴語Ａ」と「製品Ｐ」との関連度が「１８」、「特徴語Ａ」と「製品Ｑ」との関連度が「１２」、「特徴語Ｂ」と「製品Ｐ」との関連度が「１」、「特徴語Ｂ」と「製品Ｑ」との関連度が「４」の場合、関連度の合計では、「製品Ｐ」が１８＋１＝１９、「製品Ｑ」が１２＋４＝１６となり、「製品Ｐ」の方が大きくなる。ここでは、「製品Ｐ」はあまり「特徴語Ｂ」と関連度が大きくないが、「特徴語Ａ」との関連度が大きいため、全体として関連度が大きいと判定されていることになる。

【0041】

しかしながら、本来ユーザの意図としては、「特徴語Ａ」及び「特徴語Ｂ」の何れにも関連している関連情報を検索したい。そのため、本実施の形態では、表示データ生成部１０６は、関連度から帯の幅を正規化する。この例では、「特徴語Ａ」と、「製品Ｐ」との帯の幅は、３０×１８÷（１８＋１２）＝１８、「特徴語Ａ」と、「製品Ｑ」との帯の幅は、３０×１２÷（１８＋１２）＝１２、「特徴語Ｂ」と「製品Ｐ」との帯の幅は、３０×１÷（１＋４）＝６、「特徴語Ｂ」と「製品Ｑ」との帯の幅は、３０×４÷（１＋４）＝２４となる。「製品Ｐ」の幅は、１８＋６＝２４となり、「製品Ｑ」の幅は、１２＋２４＝３６となる。これにより、製品Ｑの幅を、製品Ｐの幅よりも大きく表示することができる。以上により、表示データ生成部１０６は、ユーザに対して、本来検索したい、「特徴語Ａ」と、「特徴語Ｂ」とのいずれにも関連が強い関連情報を上位の結果として、表示することができる。そして、一方の入力クエリからの関連度が全体に影響してしまうのを防ぐことができる。

【0042】

ここでは、各入力キーワードの重要性は等しいとして、同じ幅としたが、例えば、ユーザがキーワード毎にその重要度を指定し、それに応じて入力キーワードの幅が変えられてもよい。その場合は、表示データ生成部１０６は、設定されたキーワードの幅に応じて各帯の幅を正規化して計算する。

【0043】

図１１は、実施の形態１に係る関連情報表示装置１００のハードウェア構成図である。
図１１に示されているように、関連情報表示装置１００は、入力Ｉ／Ｆ１２１と、出力Ｉ／Ｆ１２２と、補助記憶装置１２３と、メモリ１２４と、プロセッサ１２５とからなるコンピュータ１２０により実現することができる。

【0044】

入力Ｉ／Ｆ１２１は、ユーザからの入力を受け付けるための、例えば、キーボード又はマウス等の入力装置である。入力Ｉ／Ｆ１２１は、ユーザからの入力を受け付けるための入力部として機能する。
出力Ｉ／Ｆ１２２は、ユーザに情報を提供するための、例えば、ディスプレイのような出力装置である。出力Ｉ／Ｆ１２２は、ユーザに情報を表示するための表示部として機能する。

【0045】

補助記憶装置１２３は、知識グラフ等のように、関連情報表示装置１００での処理に必要な情報及びプログラムを記憶するためのＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置である。
メモリ１２４は、プロセッサ１２５に作業領域を提供する揮発性メモリ又は不揮発性メモリである。

【0046】

プロセッサ１２５は、補助記憶装置１２３に記憶されているプログラムをメモリ１２４にロードして、そのプログラムを実行することで、関連情報表示装置１００での処理を実行する。

【0047】

例えば、知識グラフＤＢ１０１は、補助記憶装置１２３により実現することができる。
また、ＤＢ操作部１０２、ユーザＩ／Ｆ部１０３、関連情報推論部１０４、関連度算出部１０５及び表示データ生成部１０６は、プロセッサ１２５が、補助記憶装置１２３に記憶されているプログラムをメモリ１２４にロードして、そのプログラムを実行することで、実現することができる。

【0048】

そのようなプログラムは、ネットワークを通じて提供されてもよく、また、記録媒体に記録されて提供されてもよい。即ち、このようなプログラムは、例えば、プログラムプロダクトとして提供されてもよい。

【0049】

図１２は、実施の形態１に係る関連情報表示装置１００での動作を示すフローチャートである。
まず、ユーザＩ／Ｆ部１０３は、ユーザから、入力部（図示せず）及び表示部（図示せず）を介して、キーワード、キーワードの情報種別及び検索対象の情報種別の入力を受け付ける（Ｓ１０）。言い換えると、ユーザＩ／Ｆ部１０３は、ユーザから入力されたキーワードと、ユーザから選択の入力を受けた情報種別とを受け取る。

【0050】

次に、関連情報推論部１０４は、キーワードの情報種別、及び、検索する情報の情報種別を元に、関連情報の推論方法を選択する（Ｓ１１）。関連情報推論部１０４は、ユーザＩ／Ｆ部１０３から受け取った情報種別に応じて、予め定められた複数の検索方法から、知識グラフＤＢへの検索方法を選択する。言い換えると、情報種別に応じて、使用する検索方法が予め定められている。

【0051】

次に、関連情報推論部１０４は、選択された推論方法を用いて、入力されたキーワードに関連する関連情報を推論する（Ｓ１２）。言い換えると、関連情報推論部１０４は、ユーザＩ／Ｆ部１０３から受け取ったキーワードに対して、選択された推論方法を用いることで、そのキーワードと関連する知識情報を、知識グラフより抽出する。

【0052】

次に、関連度算出部１０５は、推論された関連情報に対して、各キーワードとの関連度を、グラフ構造を用いて算出する（Ｓ１３）。言い換えると、関連度算出部１０５は、キーワードと、抽出された関連情報とを含む部分グラフの構造を元に、経由するノード数又はその重要度等の情報を用いて、関連度を算出する。

【0053】

次に、表示データ生成部１０６は、算出された関連度を用いて、サンキー図として必要な帯の幅及びノードの幅を算出し、表示データを生成する（Ｓ１４）。言い換えると、表示データ生成部１０６は、関連情報推論部１０４が抽出した関連情報と、関連度算出部１０５が算出した関連度とに基づいて、キーワードと、関連情報との関連性を表す帯の幅を算出し、表示データを生成する。表示データ生成部１０６は、キーワードと、関連情報との帯の幅を、入力側であるキーワードの幅を元に正規化した値とし、キーワードの幅及び帯の幅を合計したものを関連情報の幅の値とする。そして、表示データ生成部１０６は、以上の値を含む表示データを生成する。

【0054】

最後に、ユーザＩ／Ｆ部１０３は、生成された表示データに基づいて、図示しない表示部に、サンキー図を描画する（Ｓ１５）。言換えると、ユーザＩ／Ｆ部１０３は、受け取った表示データを元に、サンキー図を描画し、ユーザへと提示する。

【0055】

以上のように、実施の形態１によれば、ユーザにより入力されたキーワードと、推論された関連情報との関係性がサンキー図を用いて表すことで、入力されたキーワードと、得られた関連情報との関連性を帯の幅で表すことができる。このため、ユーザは、一目で入力されたキーワードと、得られた関連情報との関係性を把握することができる。

【0056】

さらに、キーワードと、関連情報との関係性を表す帯の幅の算出に、知識グラフから得られた関連度を正規化した値が用いられているため、両方のキーワードのいずれにも関連のあるものが上位に表示でき、ユーザがより欲しい情報を提示することができる。

【0057】

実施の形態２．
以上の実施の形態１では、キーワードからの関連情報を表示するようにしたものであるが、次に、キーワードから得られた関連情報を入力として、新たな関連情報を検索及び表示を行う場合を、実施の形態２として、説明する。

【0058】

図１３は、実施の形態２に係る関連情報表示装置２００の構成を概略的に示すブロック図である。
関連情報表示装置２００は、知識グラフＤＢ１０１と、ＤＢ操作部１０２と、ユーザＩ／Ｆ部２０３と、関連情報推論部２０４と、関連度算出部２０５と、表示データ生成部２０６と、表示データ記憶部２０７とを備える。
実施の形態２に係る関連情報表示装置２００の知識グラフＤＢ１０１及びＤＢ操作部１０２は、実施の形態１に係る関連情報表示装置１００の知識グラフＤＢ１０１及びＤＢ操作部１０２と同様である。

【0059】

ユーザＩ／Ｆ部２０３は、実施の形態１と同様に、ユーザからの入力を受け付ける入力受付部、及び、関連情報を表示する表示処理部として機能する。例えば、ユーザＩ／Ｆ部２０３は、実施の形態１と同様に、ユーザに関連情報を検索するための検索画面を提示し、ユーザから検索に必要なデータとして、キーワードと、そのキーワードが属する情報の種別である情報種別と、検索したい情報の種別である情報種別との入力を受け付ける。そして、ユーザＩ／Ｆ部２０３は、実施の形態１と同様に、表示データに基づいて、関連情報を、流量図を用いて、入力クエリと、関連情報との関連度をユーザに提示する。ここで、ユーザから入力されたキーワードに基づいて推論された関連情報を第１の関連情報ともいう。なお、第１の関連情報を推論する際に使用された、検索したい情報の情報種別を第１の情報種別ともいう。

【0060】

また、ユーザＩ／Ｆ部２０３は、図示しない入力部を介して、ユーザから、第１の関連情報を表示する画面において、第１の関連情報から検索を行う情報種別の入力を受け付ける。
例えば、図１４に示されているように、第１の関連情報を推論した際のサンキー図ＩＭ３が表示されている画面において、第１の関連情報をキーワードとして、さらに検索する情報の情報種別を選択するための選択領域ＳＡ１において、情報種別が選択されると、ユーザＩ／Ｆ部２０３は、第１の関連情報をキーワードとし、選択された情報種別の情報の検索を行うように、関連情報推論部２０４にそれらの情報を与える。ここで選択される情報種別を、新たな情報種別又は第２の情報種別ともいう。言い換えると、実施の形態２では、ユーザＩ／Ｆ部２０３は、表示データが生成された後に、新たな情報種別を取得する。

【0061】

関連情報推論部２０４は、実施の形態１と同様に、ユーザからの入力を受けて第１の関連情報を推論する。
そして、関連情報推論部２０４は、ユーザＩ／Ｆ部２０３から、第１の関連情報であるキーワードと、選択された情報種別とを受け取ると、それらに基づいて、そのキーワードに関連する関連情報である第２の関連情報を推論する。例えば、関連情報推論部２０４は、図１４における第１の検索結果である第１の関連情報としての人物１～５を入力キーワードとして、ＤＢ操作部１０２及び知識グラフＤＢ１０１を用いて、選択された情報種別の関連情報を知識グラフから抽出する。言い換えると、関連情報推論部２０４は、第１の関連情報を新たなキーワードとして、その新たなキーワードに関連し、新たな情報種別に属する情報を新たな関連情報である第２の関連情報として推論する。

【0062】

具体的には、第１の関連情報が「人物」の場合に、さらにその人物に関連する関連情報として、情報種別「製品」を検索する場合には、関連情報推論部２０４は、知識グラフの構造を用いて、入力された人物のいずれかが著者である文書に関連する製品を、関連情報とするように推論方法を選択する。

【0063】

関連度算出部２０５は、第１の関連情報又は第２の関連情報の推論結果から、キーワードとの関連度を算出する。例えば、関連度算出部２０５は、第１の関連情報を入力ノードとし、第２の関連情報を出力ノードとした場合にグラフ上で経由するノード数又はその経由ノードの重要度を用いて計算する。具体的には、関連度算出部２０５は、入力ノードと、出力ノードとの間にあるノード数の合計を関連度として算出する。また、関連度算出部２０５は、経由するノードの重要度の合計を関連度として算出してもよい。
なお、第１の関連情報における関連度を第１の関連度ともいい、第２の関連情報における関連度を新たな関連度又は第２の関連度ともいう。

【0064】

表示データ記憶部２０７は、表示データ生成部２０６で生成された表示データを記憶する。

【0065】

表示データ生成部２０６は、実施の形態１と同様に、第１の関連情報及びその関連度を元に表示データを生成する。ここで生成される表示データを第１の表示データともいう。
また、表示データ生成部２０６は、第１の関連情報、第２の関連情報及びそれらの関連度を元に表示データを生成する。ここで生成される表示データを新たな表示データ又は第２の表示データともいう。
但し、第１の表示データには、第１の関連情報に基づいて、さらに推論を行うための選択領域を表示するためのデータも含まれている。

【0066】

例えば、表示データ生成部２０６は、実施の形態１と同様の処理により、第１の表示データを生成すると、その第１の表示データをユーザＩ／Ｆ部２０３に与えるとともに、その第１の表示データを表示データ記憶部２０７に記憶させる。

【0067】

具体的には、表示データ生成部２０６は、関連情報推論部２０４からの第２の関連情報及び関連度算出部２０５からの第２の関連度を受け取ると、キーワードとしての第１の関連情報と第２の関連情報との間の帯の幅、及び、第２の関連情報の幅を、第１の実施の形態と同様の処理により算出する。そして、表示データ生成部２０６は、表示データ記憶部２０７に記憶されている第１の表示データを読み出し、その第１の表示データで示されているキーワードの幅、キーワード及び第１の関連情報の帯の幅、第１の関連情報のノードの幅、第１の関連情報及び第２の関連情報の帯の幅、並びに、第２の関連情報のノードの幅を示す第２の表示データを生成する。

【0068】

例えば、表示データ生成部２０６は、第１の関連情報のノードの幅をもとに、第１の関連情報と第２の関連情報とをつなぐ帯の幅を、第１の関連情報のノードの幅に対して、関連度計算部で算出した関連度に応じて正規化することで、決定する。言い換えると、表示データ生成部２０６は、第１の関連情報の幅を、第２の関連情報との関連度に比例して分割した値を帯の幅として算出し、第２の関連情報のノードの幅は、帯の幅の合計とする。言い換えると、表示データ生成部２０６は、新たなキーワードと、新たなキーワードに関連する新たな関連情報とを帯でつなぐことで、その新たなキーワードとその新たな関連情報との関連性を示す新たな流量図を表示するための新たな表示データを生成する。ここで、新たなキーワードと、新たな関連情報とをつなぐ帯の幅は、新たな関連度が高いほど広くなる。

【0069】

なお、第２の表示データには、第１の関連情報、第２の関連情報を表示するための順序情報として、第何列目のデータであるかを示すオーダ情報、上から順に幅の大きいノードから表示するための情報、又は、グルーピング表示するための表示順序を表す情報等が含まれてもよい。

【0070】

以上のような第２の表示データを受け取ることで、ユーザＩ／Ｆ部２０３は、図１５に示されているように、キーワード、第１の関連情報及び第２の関連情報を含むサンキー図ＩＭ４を、図示しない表示部に表示させる。

【0071】

サンキー図ＩＭ４では、左端に入力キーワード、真ん中に第１の関連情報、その左側に第２の関連情報が表示される。そして、各検索結果との関連度が帯の幅で表される。
具体的には、入力キーワードである「キーワードＸ」及び「キーワードＹ」の関連人物として、第１の関連情報である「人物１」、「人物２」、「人物３」、「人物４」及び「人物５」がそれぞれ表示されている。

【0072】

そして、「人物１」、「人物２」、「人物３」、「人物４」及び「人物５」のそれぞれの関連情報である「製品」が第２の関連情報として表示される。例えば、右側に第２の関連情報として、「人物１」の関連する製品として、「製品Ａ」及び「製品Ｄ」、「人物２」の関連する製品として、「製品Ａ」及び「製品Ｃ」、「人物３」の関連する製品として、「製品Ｂ」及び「製品Ｅ」、「人物４」に関連する製品として、「製品Ｃ」及び「製品Ｄ」、並びに、「人物５」の関連する製品として、「製品Ｄ」及び「製品Ｅ」がそれぞれ帯でつながっており、その帯の幅で関連の強さが表される。

【0073】

ここでは、関連情報推論部２０４は、第１の関連情報が「人物」で、その人物に関連する「製品」を検索する場合、知識グラフの構造を用いて、人物のいずれかが著者である文書に関連する製品を関連情報とするように推論方法を選択する。例えば、図１６に示されている部分グラフ１０１＃６では、「人物Ａ」を著者とする「文書２」、「文書３」、「文書４」及び「文書５」に関連する「製品１」、「製品２」及び「製品３」と、「人物Ｂ」を著者とする「文書１」及び「文書６」に関連する「製品１」及び「製品４」が、関連する第２の製品情報として推論される。他にも、推論方法を、ＰａｇｅＲａｎｋ等を用いて知識グラフから算出する方式が選択されてもよく、その他の推論方法が使用されてもよい。

【0074】

以上に記載された関連情報表示装置２００も、図１１に示されているようなコンピュータ１２０で実現することができる。例えば、表示データ記憶部２０７は、補助記憶装置１２３で実現することができる。

【0075】

図１７は、実施の形態２に係る関連情報表示装置２００での動作を示すフローチャートである。
実施の形態２に係る関連情報表示装置２００において、第１の関連情報を表示するまでの動作は、実施の形態１に係る関連情報表示装置１００の動作と同様であるため、ここでは、第１の関連情報が表示されてから、第２の関連情報を表示するまでの動作を説明する。

【0076】

まず、ユーザＩ／Ｆ部２０３は、第１の関連情報を表す流量図を含む画面を介して、ユーザから第２の関連情報を検索する情報種別の入力を受け付ける（Ｓ２０）。ここでは、ユーザＩ／Ｆ部２０３は、ユーザから、第１の関連情報に関連する情報を表示するため、第２の関連情報の情報種別の選択を受け付ける。例えば、図１８に示されている例では、「キーワードＸ」及び「キーワードＹ」に関連する第１の関連情報「人物Ａ」及び「人物Ｂ」がサンキー図ＩＭ５に示されており、ユーザは、選択領域ＳＡ２において、第１の関連情報「人物Ａ」及び「人物Ｂ」に関連する第２の関連情報を検索するための情報種別を選択する。ここでは、第２の関連情報の情報種別として、「製品」が選択されている。

【0077】

次に、関連情報推論部２０４は、第１の関連情報の情報種別と、第２の関連情報の情報種別とに基づいて、推論方法を選択する（Ｓ２１）。言い換えると、関連情報推論部２０４は、ユーザＩ／Ｆ部２０３から受け取った第１の関連情報の情報種別と、第２の関連情報の情報種別とに応じて予め定められている、知識グラフの推論方法を選択する。図１８に示されている例では、「人物」から関連する「製品」を推論するため、「人物」を著者として持つ「文書」を検索し、さらにその「文書」に関連する「製品」を第２の関連情報として抽出する推論方法が選択される。

【0078】

次に、関連情報推論部２０４は、第１の関連情報に対して、選択された推論方法を用いて、第２の関連情報を推論する（Ｓ２２）。言い換えると、関連情報推論部２０４は、ユーザＩ／Ｆ部２０３から受け取った第１の関連情報に対して、選択された推論方法を用いることで、関連する知識情報を知識グラフより抽出する。図１６に示されている例では、人物Ａを著者とする文書は、「文書２」、「文書３」、「文書４」及び「文書５」であり、これらの文書に関連する製品は、「製品１」、「製品２」及び「製品３」であるため、「人物Ａ」に関連する製品情報は、「製品１」、「製品２」及び「製品３」である。

【0079】

また、「人物Ｂ」を著者とする文書は、「文書１」及び「文書６」であり、これらの文書に関連する製品が、「製品１」及び「製品４」であるため、「人物Ｂ」に関連する製品は、「製品１」及び「製品４」である。

【0080】

次に、関連度算出部２０５は、推論された第２の関連情報に対して、第１の関連情報との関連度を、グラフ構造を用いて、算出する（Ｓ２３）。言い換えると、関連度算出部２０５は、キーワードである第１の関連情報と、抽出された第２の関連情報とを含む部分グラフの構造を元に、経由するノード数又はその重要度等の情報を用いて、関連度を算出する。

【0081】

図１６に示されている部分グラフ１０１＃６では、「人物Ａ」と「製品１」とは、「文書２」を介して関連しているため、経由ノード数は「１」であり、「文書２」は、他の文書から参照されている重要度が高い文書であるため、重要度が「２」となっている。このため、関連度算出部２０５は、その関連度を２×１＝２と算出する。

【0082】

また、「人物Ａ」と「製品２」とは、「文書３」及び「文書４」を介して関連しているため、経由ノード数は「２」であり、これらの文書の重要度は「１」となっている。このため、関連度算出部２０５は、その関連度を１×２＝２と算出する。

【0083】

「人物Ａ」と「製品３」とは、「文書５」を介して関連しているため、経由ノード数は「１」であり、その重要度は「１」となっている。このため、関連度算出部２０５は、その関連度を１×１＝１と算出する。

【0084】

同様に、「人物Ｂ」と「製品１」とは、「文書１」を介して関連しているため、経由ノード数は「１」であり、その重要度は「１」となっている。このため、関連度算出部２０５は、その関連度を１×１＝１と算出する。

【0085】

図１７に戻り、次に、表示データ生成部２０６は、表示データ記憶部２０７に記憶されている第１の関連情報の表示データを取得する（Ｓ２４）。そして、表示データ生成部２０６は、すでにユーザに表示している入力クエリのキーワードと、第１の関連情報との表示データとして、キーワードのノードの幅と、第１の関連情報のノードの幅と、キーワード及び第１の関連情報の帯の幅とを特定する。

【0086】

例えば、図１８に示されている例では、特徴語である「キーワードＸ」及び「キーワードＹ」のノードの幅はそれぞれ「５０」であり、第１の関連情報である「人物Ａ」のノードの幅は「６５」、「人物Ｂ」のノードの幅は「３５」である。「キーワードＸ」及び「人物Ａ」の帯の幅は「３５」であり、「キーワードＹ」及び「人物Ａ」の帯の幅は「３０」であり、「キーワードＸ」及び「人物Ｂ」の帯の幅は「１５」であり、「キーワードＹ」及び「人物Ｂ」の帯の幅は「２０」である。

【0087】

次に、表示データ生成部２０６は、算出された関連度を用いて、サンキー図として必要な帯の幅及びノードの幅を算出して、新たな表示データを生成する（Ｓ２５）。例えば、表示データ生成部２０６は、関連情報推論部２０４により推論された第２の関連情報と、関連度算出部２０５により算出された関連度とを元に、第１の関連情報と、第２の関連情報との関連性を表す帯の幅を算出し、新たな表示データを生成する。ここでは、表示データ生成部２０６は、第１の関連情報と、第２の関連情報との帯の幅を、入力側である第１の関連情報のノードの幅を元に正規化した値とし、各帯の幅を合計した値を、第２の関連情報のノードの幅とする。

【0088】

図１９は、新たな表示データを用いて描画されたサンキー図ＩＭ６を含む画面の一例を示す概略図である。
図１９に示されている例では、第１の関連情報と第２の関連情報とをつなぐ帯の幅、及び、第２の関連情報のノードの幅は、以下のようにして決定されている。
「人物Ａ」のノードの幅が「６５」であり、「人物Ａ」に関連する製品は、関連度２の「製品１」、関連度２の「製品２」及び関連度１の「製品３」である。表示データ生成部２０６は、関連する製品の関連度に応じて帯の幅を正規化するため、（入力側のノード幅）×（関連度）／（関連度の合計）を算出する。このため、「人物Ａ」から「製品１」への帯の幅は、６５×２／（２＋２＋１）＝２６となる。同様に、「人物Ａ」から「製品２」への帯の幅は、６５×２／（２＋２＋１）＝２６となり、「人物Ａ」から「製品１」への帯の幅は、６５×１／（２＋２＋１）＝１３となる。
また、「人物Ｂ」から「製品１」への帯の幅は、３５×１/（１＋１）＝１７．５であり、「人物Ｂ」から「製品４」への幅も、３５×１/（１＋１）＝１７．５となる。

【0089】

以上から、「製品１」のノードの幅は、「人物Ａ」及び「人物Ｂ」のそれぞれからの帯の幅の合計となるため、２６＋１７．５＝４３．５となる。また、「製品２」、「製品３」及び「製品４」のノード幅は、それぞれ、２６、１３、１７．５となる。

【0090】

図１７に戻り、最後に、ユーザＩ／Ｆ部２０３は、新たな表示データを元にサンキー図を描画する（Ｓ２６）。例えば、ユーザＩ／Ｆ部２０３は、受け取った表示データを元に、サンキー図を描画し、ユーザへと提示する。

【0091】

以上のように、実施の形態２によれば、検索された結果を入力として、関連情報に関連する関連情報をさらに表示することで、検索を最初からやり直すことなく、更なる関連情報を検索し、関連情報同士の関係性を提示できるため、よりユーザの所望する関連情報を効率的に見つけることができる。

【0092】

また、入力クエリから第１の関連の深い情報のノードの幅が大きくなり、その幅の大きさを使って、さらに関連する情報の幅を表していくため、帯の幅を見ることで、入力したクエリから関連の度合いをわかりやすく読み取ることができる。

【0093】

実施の形態２では、第１の関連情報を用いて、第２の関連情報を表示する方法を説明したが、同様に、さらに、第２の関連情報を入力クエリとして第３の関連情報を表示、さらに、第３の関連情報を入力クエリとして第４の関連情報を表示することができる。言い換えると、関連情報の検索結果を用いて、次々と関連情報の検索を行うことができる。

【0094】

実施の形態３．
実施の形態１では、ユーザが、キーワードを入力していたが、実施の形態３は、文又は文書を入力とし、キーワードを自動的に抽出することで、そのキーワードと特徴語として関連情報を提示できるようにする。

【0095】

図２０は、実施の形態３に係る関連情報表示装置３００の構成を概略的に示すブロック図である。
関連情報表示装置３００は、知識グラフＤＢ１０１と、ＤＢ操作部１０２と、ユーザＩ／Ｆ部３０３と、関連情報推論部３０４と、関連度算出部１０５と、表示データ生成部１０６と、重要語抽出部３０８とを備える。
実施の形態３に係る関連情報表示装置３００の知識グラフＤＢ１０１、ＤＢ操作部１０２、関連度算出部１０５及び表示データ生成部１０６は、実施の形態１に係る関連情報表示装置１００の知識グラフＤＢ１０１、ＤＢ操作部１０２、関連度算出部１０５及び表示データ生成部１０６と同様である。

【0096】

ユーザＩ／Ｆ部３０３は、実施の形態１と同様に、ユーザからキーワード及びそのキーワードの情報種別の入力を受け付ける。この場合における関連情報表示装置３００の動作は、実施の形態１における関連情報表示装置３００と同様であるため、以下、説明を省略する。

【0097】

実施の形態３におけるユーザＩ／Ｆ部３０３は、ユーザからキーワード及び情報種別の代わりに、文又は文書と、検索したい情報の情報種別との入力を受け付けることもできる。これにより、ユーザＩ／Ｆ部３０３は、テキスト文及び情報種別を取得する。そして、ユーザＩ／Ｆ部３０３は、取得されたテキスト文を関連情報推論部３０４に与える。ユーザからの入力は、テキストデータ又は文書ファイル等、その形式はどのようなものであってもよく、テキスト文を取得できるものであればよい。例えば、ユーザからテキスト文を受け付ける方法としては、入力ボックスに文字列の入力を受け付けてもよく、また、文書ファイルのファイル名の入力を受け付けてもよい。文書ファイルのファイル名を受け付けた場合には、ユーザＩ／Ｆ部３０３は、そのファイル名の文書ファイルからテキストデータをテキスト文として抽出し、そのテキスト文を関連情報推論部３０４に与えればよい。

【0098】

また、ユーザＩ／Ｆ部３０３は、実施の形態１と同様に、表示データ生成部１０６から表示データを受け取り、その表示データに基づいて、関連情報を、流量図を用いて、入力クエリと、関連情報との関連度をユーザに提示する。
なお、ユーザＩ／Ｆ部３０３は、実施の形態２と同様に、関連情報を表示する画面において、さらなる検索を行う情報種別の入力を受け付けることで、関連情報に関連する関連情報をさらに提供することもできる。

【0099】

関連情報推論部３０４は、ユーザＩ／Ｆ部３０３から受け取ったテキスト文を重要語抽出部３０８へと渡す。そして、関連情報推論部３０４は、重要語抽出部３０８から、抽出された重要語を受け取る。
関連情報推論部３０４は、受け取った重要語をキーワードとし、その情報種別を「特徴語」とし、ユーザから入力された検索する情報の情報種別をもとに、推論方法を決定し、関連情報を推論する。ここでは、関連情報推論部３０４は、キーワードに関連し、検索情報の情報種別に属する情報を関連情報として推論する。
そして、関連情報推論部３０４は、推論された関連情報を関連度算出部１０５へと渡す。

【0100】

重要語抽出部３０８は、関連情報推論部３０４から受け取ったテキスト文から、重要語の抽出を行う。抽出した重要語は、関連情報推論部３０４へ渡される。重要語の抽出は、公知の技術が用いられればよい。例えば、重要語抽出部３０８は、テキスト文を形態素解析し、ＴＦ－ＩＤＦ（ＴｅｒｍＦｒｅｑｕｅｎｃｙ － Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）を用いて、テキスト文から重要語を抽出する。他にも、予め登録された単語が重要語として抽出されてもよく、名詞が重要語として抽出されてもよい。ここで抽出された重要語は、キーワードとして扱われるため、重要語抽出部３０８は、テキスト文からキーワードを抽出するキーワード抽出部として機能する。

【0101】

関連度算出部１０５及び表示データ生成部１０６での処理については、実施の形態１と同様である。但し、表示データ生成部１０６は、重要語抽出部３０８での重要語の抽出における重要度（例えば、ＴＦ－ＩＤＦで算出された重要度）によって、重要語であるキーワードの幅を変えるようにしてもよい。また、ユーザが入力キーワードの帯の幅を決めてもよい。

【0102】

以上に記載された関連情報表示装置３００も、図１１に示されているようなコンピュータ１２０で実現することができる。例えば、重要語抽出部３０８は、プロセッサ１２５が、補助記憶装置１２３に記憶されているプログラムをメモリ１２４にロードして、そのプログラムを実行することで実現することができる。

【0103】

図２１は、実施の形態３に係る関連情報表示装置３００での動作を示すフローチャートである。
図２１に示されているフローチャートにおいて、図１２に示されている実施の形態１におけるフローチャートと同じ処理を行うステップについては、図１２と同じ符号を付す。

【0104】

まず、ユーザＩ／Ｆ部２０３は、ユーザからテキスト文及び検索した情報種別を取得する（Ｓ３０）。例えば、ユーザＩ／Ｆ部２０３は、ユーザから入力ボックスに文字列の入力、又は、文書ファイルのファイル名の入力を受け付ける。ここで、ユーザからの入力が文書ファイルのファイル名であった場合には、ユーザＩ／Ｆ部２０３は、その文書ファイルからテキスト文を抽出する。具体的には、ユーザＩ／Ｆ部２０３は、その文書ファイルにアクセスし、その文書ファイルからテキスト文を抽出する。テキスト文は、関連情報推論部３０４を介して、重要語抽出部３０８に与えられる。

【0105】

次に、重要語抽出部３０８は、関連情報推論部３０４からのテキスト文から重要語を抽出する（Ｓ３１）。例えば、重要語抽出部３０８は、そのテキスト文に対し、重要語抽出処理を実施し、重要語を抽出し、関連情報に用いる入力キーワードとして、関連情報推論部３０４に与える。

【0106】

図２１のステップＳ１１～Ｓ１５の処理については、図１２のステップＳ１１～Ｓ１５の処理と同じである。
但し、関連情報推論部３０４は、重要語抽出部３０８からの重要語を、情報種別「特徴語」のキーワードとして関連情報の推論を行う。

【0107】

以上のように、実施の形態３は、テキスト文から関連情報を検索できるようにすることで、ユーザがキーワードを検討することなく、関連する情報を得ることができ、ユーザの所望する情報を簡単に得ることができる。

【0108】

また、自動抽出された重要語を提示し、ユーザが削除等の修正できるようにすることで、よりユーザにとって重要なキーワードのみを用いて検索することができ、よりユーザの所望する結果を提示することができる。

【0109】

なお、ここではテキスト文から自動抽出された重要語を入力ノードとして表示するようにしたが、文書ファイルを入力ノードとして表示し、重要語から得られた関連情報を、そのファイルに関連する情報としてサンキー図が表示されてもよい。これにより、複数の文書ファイルを入力とした場合に、ユーザが重要なキーワードを取り出すことなく、ファイルとの関連情報を得ることができる。

【0110】

実施の形態４．
以上に記載された実施の形態１又は３では、知識グラフ上のデータ構造を使って、関連情報を検索しているが、知識グラフＤＢ１０１以外のデータベースを併用して関連情報の検索を行う場合を、実施の形態４として説明する。

【0111】

図２２は、実施の形態４に係る関連情報表示装置４００の構成を概略的に示すブロック図である。
関連情報表示装置４００は、知識グラフＤＢ１０１と、ＤＢ操作部４０２と、ユーザＩ／Ｆ部３０３と、関連情報推論部４０４と、関連度算出部１０５と、表示データ生成部１０６と、全文検索ＤＢ４０９とを備える。
実施の形態４に係る関連情報表示装置４００の知識グラフＤＢ１０１、関連度算出部１０５及び表示データ生成部１０６は、実施の形態１に係る関連情報表示装置１００の知識グラフＤＢ１０１、関連度算出部１０５及び表示データ生成部１０６と同様である。
また、実施の形態４に係る関連情報表示装置４００のユーザＩ／Ｆ部３０３は、実施の形態３に係る関連情報表示装置３００のユーザＩ／Ｆ部３０３と同様である。このため、実施の形態４におけるユーザＩ／Ｆ部３０３は、キーワード及びその情報種別、又は、文若しくは文章と、検索を行う情報の情報種別との入力を受け付ける。言い換えると、ユーザＩ／Ｆ部３０３は、キーワード又はテキスト文を取得するインターフェース部として機能する。

【0112】

関連情報推論部４０４は、ユーザＩ／Ｆ部３０３から、キーワード又はテキスト文と、情報種別とを受け取り、これらに応じて、全文検索を併用した推論方法を選択する。言い換えると、関連情報推論部４０４は、キーワード又はテキスト文と関連する文書を、全文検索ＤＢ４０９を用いて検索し、検索された文書に関連する関連情報を、知識グラフの構造を用いて推論する。

【0113】

例えば、関連情報推論部４０４は、ＤＢ操作部４０２に、入力されたキーワード又はテキスト文をクエリとして全文検索を行わせ、ＤＢ操作部４０２から、関連度順に関連する文書を示す文書情報を取得する。そして、関連情報推論部４０４は、ＤＢ操作部４０２に、検索結果である文書情報で示される文書を知識グラフＤＢ１０１への入力として、関連情報を検索させる。

【0114】

具体的には、入力キーワードが「知識グラフ」及び「要約」であり、検索する情報の情報種別が「人物」である場合、関連情報推論部４０４は、ＤＢ操作部４０２に対して、全文検索ＤＢ４０９において、「知識グラフ」及び「要約」という単語を用いて、それぞれ関連する文書を検索させる。検索の結果、関連度の高い文書として、「知識グラフ」では、「文書１」、「文書２」及び「文書３」が検索され、「要約」では、「文書２」、「文書４」及び「文書５」が検索されたものとする。関連情報推論部４０４は、関連度の高い文書を、閾値を用いて特定してもよく、予め定められた数の文書を、関連度の高い順に特定してもよい。

【0115】

次に、関連情報推論部４０４は、ＤＢ操作部４０２に対して、知識グラフＤＢ１０１において、「文書１」、「文書２」及び「文書３」を入力とし、これらの文書に関連する人物（例えば、文書の著者情報）を検索させる。なお、「文書１」、「文書２」及び「文書３」の情報種別は、「文書」である。ここでは、「人物Ａ」及び「人物Ｂ」が検索されたものとする。同様に、ＤＢ操作部４０２に対して、知識グラフＤＢ１０１において、「文書２」、「文書４」及び「文書５」を入力とし、これらの文書に関連する人物を検索させる。ここでは、「人物Ａ」、「人物Ｂ」及び「人物Ｃ」が検索されたものとする。この場合、ＤＢ操作部４０２は、検索結果として、関連情報推論部４０４に、「知識グラフ」及び「要約」に関連する人物として、「人物Ａ」及び「人物Ｂ」を返す。
以上のように、実施の形態４における関連情報推論部４０４は、キーワード又はテキスト文に関連する文書を、全文検索ＤＢ４０９に記憶されているテキスト情報でテキストが示されている複数の文書から推論し、その関連する文書に関連する関連情報を知識グラフから推論する。

【0116】

全文検索ＤＢ４０９は、知識グラフＤＢ１０１において、「文書」の情報種別のノードで示される文書のテキストを示すテキスト情報を記憶するデータベースである。言い換えると、全文検索ＤＢ４０９は、複数の文書のそれぞれのテキストを示すテキスト情報を記憶するテキスト情報記憶部として機能する。

【0117】

ＤＢ操作部４０２は、関連情報推論部４０４からキーワード又はテキスト文を受け取り、そのキーワード又はテキスト文を用いて、全文検索ＤＢ４０９に記憶されているテキスト情報に対して全文検索を行うことで、そのキーワード又はテキスト文に関連する度合いを示す関連度の順で、文書を検索する。そして、ＤＢ操作部４０２は、検索された文書を示す文書情報を関連情報推論部４０４に与える。

【0118】

以上に記載された関連情報表示装置４００も、図１１に示されているようなコンピュータ１２０で実現することができる。例えば、全文検索ＤＢ４０９は、補助記憶装置１２３で実現することができる。

【0119】

以上のように、実施の形態４によれば、関連情報の推論に、全文検索ＤＢ４０９を併用することで、知識グラフ上では表示されていない関連する文書の抽出を行うことができる。このため、ユーザに関連情報をより多く提示することができ、所望する情報を抜けなく提示することができる。

【0120】

また、実施の形態３のように、文書ファイルのファイル名が入力された場合、実施の形態３では、文書のテキスト文から重要語を抽出し、その重要語であるキーワードから検索することで関連情報を抽出している。実施の形態４では、関連情報推論部４０４で受け取ったテキスト文を、全文検索における入力とし、類似文書を抽出することで、関連情報を抽出する。これにより、ユーザが重要語を検討する必要もなく、またテキスト文全体を入力とすることで、入力されたテキスト文により類似した文書を抽出することができるため、よりユーザの所望する関連情報を提示することができる。

【0121】

実施の形態５．
実施の形態５は、実施の形態１～４において表示される関連情報について、さらなる詳細情報を提供する場合について示したものである。

【0122】

図２３は、実施の形態５に係る関連情報表示装置５００の構成を概略的に示すブロック図である。
関連情報表示装置５００は、知識グラフＤＢ５０１と、ＤＢ操作部５０２と、ユーザＩ／Ｆ部５０３と、関連情報推論部１０４と、関連度算出部１０５と、表示データ生成部１０６と、詳細情報取得部５１０とを備える。
実施の形態５に係る関連情報表示装置５００の関連情報推論部１０４、関連度算出部１０５及び表示データ生成部１０６は、実施の形態１に係る関連情報表示装置１００の関連情報推論部１０４、関連度算出部１０５及び表示データ生成部１０６と同様である。

【0123】

知識グラフＤＢ５０１は、実施の形態１と同様に、知識情報を保持する。
実施の形態５における知識グラフＤＢ５０１は、知識情報としての知識グラフを構成する各ノードに関する詳細情報も記憶する。詳細情報は、例えば、ノードのプロパティ情報又は隣接ノード情報である。関連情報が「文書」であった場合、そのプロパティ情報は、例えば、文書のタイトル、作成日、更新日時又はページ数等の情報であり、隣接ノード情報として、著者、検収者又は更新者等である人物のノード、発行部署のノード、関連する製品やプロジェクト、ソリューション等のノード等のように関連情報に対応するノードに隣接するノードを示す情報である。

【0124】

ＤＢ操作部５０２は、実施の形態１と同様の処理を行う他、詳細情報取得部５１０からの指示に応じて、詳細情報取得部５１０から与えられた関連情報に関係する詳細情報を知識グラフＤＢ５０１から取得して、その詳細情報を詳細情報取得部５１０に与える。

【0125】

ユーザＩ／Ｆ部５０３は、実施の形態１におけるユーザＩ／Ｆ部１０３と同様の処理を行う他、以下の処理を行う。
ユーザＩ／Ｆ部５０３は、表示データ生成部１０６から表示データを受け取ると、詳細情報取得部５１０から、表示データに含まれている関連情報及び帯の詳細情報を受け取る。そして、ユーザＩ／Ｆ部５０３は、実施の形態１と同様に、表示データに基づいて流量図を、図示しない表示部に表示させ、その流量図において、ユーザから指示があった場合に、関連情報又は帯の詳細情報を、図示しない表示部に表示させる。

【0126】

詳細情報取得部５１０は、ユーザＩ／Ｆ部５０３から関連情報を受け取り、ＤＢ操作部５０２を用いて知識グラフＤＢ５０１から詳細情報を取得する。言い換えると、詳細情報取得部５１０は、ユーザＩ／Ｆ部５０３から受け取った関連情報に関する詳細情報を得るために、ＤＢ操作部５０２を用いて、知識グラフＤＢ５０１から詳細情報を取得する。

【0127】

また、詳細情報取得部５１０は、詳細情報として、キーワードと関連情報との関係を表す帯の情報を取得するようにしてもよい。帯の情報とは、関連情報推論部１０４にて、関連情報の推論方法に用いた情報である。言い換えると、知識グラフの構造を用いて、経由するノードを決めて推論を行った場合には、その経由するノードを示す情報が帯の情報となる。さらに経由するノードのプロパティ情報及び隣接ノード情報が、帯の情報に含められてもよい。また、帯の関連度の情報が、帯の情報に含まれてもよい。
詳細情報取得部５１０は、以上のような詳細情報を、ユーザＩ／Ｆ部５０３に与える。

【0128】

ユーザＩ／Ｆ部５０３は、取得された詳細情報をユーザへと提示する。例えば、図示しない表示部にサンキー図が表示されている場合に、サンキー図に含まれている関連情報を、図示しない入力部を介して、ユーザがクリックした際に、ポップアップで、その関連情報の詳細情報を表示させる。例えば、図２４は、ポップアップで詳細情報を表示する例を示す概略図である。また、ユーザＩ／Ｆ部５０３は、図示しない表示部に、ブラウザを介してサンキー図を表示している場合には、そのブラウザのタブで、詳細情報を表示させてもよい。言い換えると、実施の形態５におけるユーザＩ／Ｆ部５０３は、関連情報又は帯に関する詳細情報を取得する指示を取得し、その指示に応じて、詳細情報取得部５１０に、対応する詳細情報を取得させる。

【0129】

また、ユーザＩ／Ｆ部５０３は、図示しない表示部にサンキー図が表示されている場合に、サンキー図に含まれている帯を、図示しない入力部を介して、ユーザがクリックした際に、その帯の情報に基づいて、経由するノードの詳細情報を一覧表としてポップアップで表示させたり、そこから詳細な経由ノードの情報を表示させたりしてもよい。図２５は、詳細情報として帯の情報を表示する例を示す概略図である。

【0130】

以上に記載された関連情報表示装置５００も、図１１に示されているようなコンピュータ１２０で実現することができる。例えば、詳細情報取得部５１０は、プロセッサ１２５が、補助記憶装置１２３に記憶されているプログラムをメモリ１２４にロードして、そのプログラムを実行することで実現することができる。

【0131】

以上のように、実施の形態５によれば、ユーザは、関連情報の詳細情報を得ることで、よりほしい関連情報がどれであるかを容易に見つけ出すことができる。

【0132】

なお、ユーザＩ／Ｆ部５０３は、詳細情報を使って、図示しない表示部に表示させる関連情報をフィルタリングして、指定された表示データに関連する部分のみを抽出するフィルタであるフィルタリング部（図示せず）を持つようにしてもよい。フィルタリング部は、詳細情報を用いて関連情報に対してフィルタリングを行う。

【0133】

そのフィルタリング部は、表示データの内、ユーザが図示しない入力部を介して指定した条件を満たす部分のみを抽出し、ユーザＩ／Ｆ部５０３は、その抽出された部分のみを用いて表示データを更新する。言い換えると、ユーザＩ／Ｆ部５０３は、詳細情報で得られたプロパティ情報又は隣接ノード情報をフィルタ情報として、ユーザへと提示し、ユーザがフィルタ部における条件を選択することで、特定の条件を満たした関連情報のみを表示させることができる。その際、フィルタ部は、帯の情報を使ったフィルタリングを行うようにしてもよい。例えば、プロパティに、ある値を持つ結果のみを表示したり、指定されたプロパティを詳細情報に含む帯のみを表示させたり、指定した値以上の関連度を持つ関連情報のみを表示させるようにする。

【0134】

ユーザが指定した条件を満たす関連情報のみを提示することで、ユーザが関連情報を探す際に、不要な情報を見ることなく、必要な情報のみを取り出すことが容易となる。

【符号の説明】

【0135】

１００，２００，３００，４００，５００ 関連情報表示装置、 １０１，５０１ 知識グラフＤＢ、 １０２，４０２，５０２ ＤＢ操作部、 １０３，２０３，３０３，５０３ ユーザＩ／Ｆ部、 １０４，２０４，３０４，４０４ 関連情報推論部、 １０５，２０５ 関連度算出部、 １０６，２０６ 表示データ生成部、 ２０７ 表示データ記憶部、 ３０８ 重要語抽出部、 ４０９ 全文検索ＤＢ、 ５１０ 詳細情報取得部。

【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】

【図21】

【図22】

【図23】

【図24】

【図25】