JP2006331343A - Topic transition controller, topic transition control system, and topic transition control method - Google Patents

Abstract

<P>PROBLEM TO BE SOLVED: To guide a user to a target topic via keywords from various viewpoints which take conditions of a user into consideration while presenting the keywords for presenting the target topic. <P>SOLUTION: This topic transition controller 4 controls transition from a current topic to the target topic via a plurality of keywords and has a weight calculation part 41 and a co-occurrence relation adjustment part 42. The weight calculation part 41 calculates weight to a keyword matching a viewpoint for searching an optimum route based on a relation between the respective keywords. The co-occurrence relation adjustment part 42 regulates the intensity of a co-occurrence relation between the keywords by using the calculated weight for selecting the optimum route. <P>COPYRIGHT: (C)2007,JPO&INPIT

Description

本発明は、ネットワークを介してマン・マシン・インタラクションを行う情報通信技術に関する。   The present invention relates to an information communication technique for performing man-machine interaction via a network.

従来、ネットワークを経由して、ユーザにとって有益なサービスや情報を提供する技術が実用化されている。システムが、サービスや情報をユーザに提示する際には、ユーザの状況を踏まえた上で、適切なタイミングで適切な内容のものを提示する必要がある。タイミングの制御に関しては、デバイスの使用状況を基に制御したり、環境側に設置されたセンサから得られた位置情報を利用するものが多い。内容の制御に関しては、システムが、利用機能や操作の履歴からユーザの状況を把握し、所定のルールで設定された状況に適合した場合に、それに即したヘルプ情報を提示するソフトウェアなどがある。   2. Description of the Related Art Conventionally, a technology for providing services and information useful for users via a network has been put into practical use. When the system presents services and information to the user, it is necessary to present an appropriate content at an appropriate timing in consideration of the user's situation. Regarding timing control, there are many cases where control is performed based on the usage status of a device, or position information obtained from a sensor installed on the environment side is used. With regard to content control, there is software or the like in which the system grasps the user's situation from the usage function and operation history, and presents help information in accordance with the situation set according to a predetermined rule.

メールやスケジューラと連動した秘書エージェントでは、ユーザが入力しているキーワードについて、これに関連する事柄をその場で即時に提示する（例えば、特許文献１）。その内容は、タスクや操作など、入力内容に直接関連したものであるため、ユーザの関心はこれに引かれやすい。また、言葉の関連性を把握するために、シソーラス辞書や意味ベクトルを用いて、各言葉の意味的な繋がりを考慮するものも多い。更に、協調フィルタリングを用いて、多量のデータから、関連の強さを把握する方法もある。例えば、実際のサービスとしては、ネットショッピングにおいて、購入履歴や詳細閲覧履歴から、他人との協調フィルタリングで得られた、関連性の高い商品を推薦する方法が運用されている。
特開２００３−２９６３６７号公報 The secretary agent linked with the mail or the scheduler immediately presents the relevant matters for the keyword input by the user on the spot (for example, Patent Document 1). Since the contents are directly related to the input contents such as tasks and operations, the user's interest is easily attracted to this. In addition, in order to grasp the relevance of words, there are many that consider the semantic connection of each word using a thesaurus dictionary and a semantic vector. Further, there is a method of grasping the strength of association from a large amount of data using collaborative filtering. For example, as an actual service, a method of recommending highly relevant products obtained by collaborative filtering with others from a purchase history or a detailed browsing history is used in online shopping.
JP 2003-296367 A

上述の従来技術は何れも、１対１の共起関係を把握するものであることから、その共起関係の強い話題へと１ステップで誘導させることを行う。すなわち、目的のものへ複数回の誘導を経て移行するものではない。１回の誘導に対しては、共起関係が最も強い（最短距離の）ものを選択すればよいが、最終的な話題展開を考えると、目的の話題までの経路全体を考慮すべきである。このため、ユーザを目的の話題へと誘導させるには、１回の誘導ではなく、目的の話題までの全誘導行程までを評価した上で、最適な経路を設定する必要がある。   Since all of the above-described conventional techniques grasp the one-to-one co-occurrence relationship, the topic is guided to a topic having a strong co-occurrence relationship in one step. That is, it does not shift to the target through a plurality of inductions. For one guidance, the one with the strongest co-occurrence relationship (the shortest distance) may be selected, but considering the final topic development, the entire route to the target topic should be considered . For this reason, in order to guide the user to the target topic, it is necessary to set an optimum route after evaluating not only one guidance but all the guidance steps up to the target topic.

そこで、本発明の課題は、ユーザの状況を踏まえた様々な観点からのキーワードを提示しつつ、これらを経由して目的の話題までユーザを誘導することで、当該目的の話題を提示可能とすることである。   Thus, the problem of the present invention is that it is possible to present a target topic by guiding a user to a target topic via these while presenting keywords from various viewpoints based on the user's situation. That is.

本発明に係る話題遷移制御装置は、複数のキーワードを経由した、現在の話題から目的の話題への遷移を制御する話題遷移制御装置において、各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出する重み算出手段と、当該重み算出手段により算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択する経路選択手段とを備える。   The topic transition control device according to the present invention searches for an optimum route based on the relationship between keywords in a topic transition control device that controls transition from a current topic to a target topic via a plurality of keywords. A weight calculation unit that calculates a weight for a keyword that matches the viewpoint for the determination, and the weight calculated by the weight calculation unit is used to adjust the strength of the co-occurrence relationship between the keywords and select an optimum route Route selection means.

本発明に係る話題遷移制御システムは、ユーザの興味対象である現在の話題を抽出する抽出手段と、当該抽出手段により抽出された現在の話題から目的の話題を経由する各キーワード間の関連性が格納された関連性格納手段と、前記キーワード間の共起関係が格納された共起関係格納手段と、前記関連性格納手段に格納されている各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出する重み算出手段と、当該重み算出手段により算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択する経路選択手段と、当該経路選択手段により選択された経路上のキーワードに関連する情報を、前記目的の話題として提示する提示手段とを備える。   The topic transition control system according to the present invention includes an extraction unit that extracts a current topic that is a user's interest, and a relationship between each keyword that passes through the target topic from the current topic extracted by the extraction unit. Based on the relationship between the stored relationship storage means, the co-occurrence relationship storage means in which the co-occurrence relationship between the keywords is stored, and the relationship between the keywords stored in the relationship storage means, the optimum route is determined. A weight calculation unit that calculates a weight for a keyword that matches a viewpoint for searching, and a weight calculated by the weight calculation unit is used to adjust the strength of the co-occurrence relationship between the keywords and select an optimum route. Route selection means, and presenting means for presenting information relating to a keyword on the route selected by the route selection means as the target topic.

本発明に係る話題遷移制御方法は、複数のキーワードを経由した、現在の話題から目的の話題への遷移を制御する話題遷移制御方法において、各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出するステップと、算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択するステップとを含む。   The topic transition control method according to the present invention is a topic transition control method for controlling a transition from a current topic to a target topic via a plurality of keywords, and searches for an optimum route based on the relationship between the keywords. Calculating a weight for a keyword suitable for a viewpoint for adjusting, and adjusting a strength of a co-occurrence relationship between the keywords by using the calculated weight and selecting an optimum route.

現在のタスクに関連性の高い話題の中から、様々な観点に合った話題を選択するには、１ステップだけでなく、現在の話題から目的の話題までの全経由を踏まえて、最適な経路を選択する必要がある。そこで、本発明では、経路上の各キーワードに対して、共起関係のみならず、語彙の繋がりの概念的な関係に着目した重み付けを行う。これにより、ユーザの状況に応じた様々な観点が反映された最適な目的話題への誘導が実現される。   To select topics that meet various perspectives from topics that are highly relevant to the current task, the optimal route is based not only on one step, but also based on the entire route from the current topic to the target topic. It is necessary to select. Therefore, in the present invention, each keyword on the route is weighted not only for the co-occurrence relationship but also for the conceptual relationship of vocabulary connection. Thereby, the guidance to the optimal target topic reflecting various viewpoints according to the user's situation is realized.

上述した話題遷移制御装置において好適には、前記経路選択手段は、各キーワードの重みを共起関係の強さにマッピング（写像）することにより、前記現在の話題との共起関係が最も強い経路を選択する。本発明によれば、短時間で、より効率的な最適経路の算出が可能となる。   Preferably, in the above-described topic transition control device, the route selection unit maps (maps) the weight of each keyword to the strength of the co-occurrence relationship, so that the route having the strongest co-occurrence relationship with the current topic is obtained. Select. According to the present invention, it is possible to calculate an optimum route more efficiently in a short time.

本発明によれば、ユーザの状況を踏まえた様々な観点からのキーワードを提示しつつ、これらを経由して目的の話題までユーザを誘導することで、当該目的の話題を提示することができる。   According to the present invention, it is possible to present a target topic by guiding a user to a target topic via the keywords while presenting keywords from various viewpoints based on the user's situation.

以下、添付図面を参照しながら、本発明の一実施形態における話題遷移制御システムについて説明する。
話題遷移制御システム１は、図１に示すように、話題抽出部２（抽出手段に対応）と、キーワード関連把握部３と、話題遷移制御装置４と、話題提示部５（提示手段に対応）とを備える。これら各構成要素は、バスを介して、相互に信号の入出力が可能なように接続されている。 Hereinafter, a topic transition control system according to an embodiment of the present invention will be described with reference to the accompanying drawings.
As shown in FIG. 1, the topic transition control system 1 includes a topic extraction unit 2 (corresponding to extraction means), a keyword association grasping unit 3, a topic transition control device 4, and a topic presentation unit 5 (corresponding to presentation means). With. These components are connected to each other through a bus so that signals can be input and output.

以下、各構成要素について詳細に説明する。
話題抽出部２は、ユーザが利用中のコンテンツを入力とする。システムが、推薦するコンテンツまで誘導するためには、提示される内容がユーザの興味から大きく外れないことが必要であることから、話題抽出部２は、上記コンテンツの内容から現在の話題を抽出する。具体的には、話題抽出部２は、コンテンツの特徴を表すキーワードを“話題”として抽出する。 Hereinafter, each component will be described in detail.
The topic extraction unit 2 receives content being used by the user. In order for the system to guide to the recommended content, it is necessary that the presented content does not greatly deviate from the user's interest, so the topic extraction unit 2 extracts the current topic from the content of the content . Specifically, the topic extraction unit 2 extracts a keyword representing the feature of the content as “topic”.

話題抽出部２を構成する出現頻度算出部２１は、ユーザが実行しているタスクで用いているコンテンツのテキストから、その中で用いられている各キーワードの出現頻度を算出する。そのコンテンツとは、例えば、アプリケーションがブラウザソフトであればコンテンツはＷｅｂページであり、メールソフトであればメール文である。そして、そのコンテンツのキーワードの中で、出現頻度の高い方から所定順位内のキーワードを、話題「TopicＮ」として出力する。   The appearance frequency calculation unit 21 constituting the topic extraction unit 2 calculates the appearance frequency of each keyword used in the text of the content used in the task being executed by the user. The content is, for example, a web page if the application is browser software, or a mail text if the application is mail software. Then, among the keywords of the content, the keywords within the predetermined order from the one having the highest appearance frequency are output as the topic “TopicN”.

すなわち、出現頻度算出部２１は、Ｗｅｂページやメール文に含まれるテキストから、キーワード（例えば名詞）を抽出し、その出現頻度に基づいてランク付けを行う。ランク付けは、例えば、出現回数１回を１ポイントとするが、タイトル部分に含まれるキーワードに関しては、コンテンツの内容を直接的に示すものであるので２ポイントとし、各キーワードのポイント総数が算出される。また、“ドッグ”と“犬”のように同義異字のキーワードは表記を統一し、同一のキーワードとしてポイント換算することが望ましい。同義異字の検出に際しては、シソーラス辞書を使用することができる。シソーラス辞書は、単語辞書、対訳辞書、共起辞書の各辞書から参照される概念を規定するための辞書である。   That is, the appearance frequency calculation unit 21 extracts keywords (for example, nouns) from texts included in Web pages and email sentences, and ranks them based on the appearance frequencies. For example, the ranking is 1 point for the number of appearances, but the keyword included in the title part directly indicates the content of the content, so it is 2 points, and the total number of points for each keyword is calculated. The In addition, it is desirable to unify keywords for synonymous characters such as “dog” and “dog” and convert points as the same keyword. A thesaurus dictionary can be used for detecting synonymous characters. The thesaurus dictionary is a dictionary for prescribing concepts referred to from the word dictionary, the bilingual dictionary, and the co-occurrence dictionary.

出現頻度算出部２１は、算出されたポイント総数に基づいて各キーワードを順位付けし、例えば第１位のキーワードを、ユーザの現タスクにおける話題“TopicＮ”とする。また、出現頻度算出部２１は、ポイント総数が上位１０位以内のキーワードに関して、ユーザの現タスクの話題“TopicＮ”とする、あるいは、文章全体に対して所定値以上の重み値を有するキーワードを“TopicＮ”とすることもできる。   The appearance frequency calculation unit 21 ranks the keywords based on the calculated total points, and sets, for example, the first keyword as the topic “TopicN” in the user's current task. Further, the appearance frequency calculation unit 21 sets the topic “TopicN” of the user's current task for the keywords having the total number of points within the top ten, or selects a keyword having a weight value greater than or equal to a predetermined value for the entire sentence as “ It can also be “TopicN”.

出現頻度算出部２１は、コンテンツが音声データや動画像データである場合にも、そのメディアを説明するメタデータ内のキーワードを用いて、その特徴を表す重要な項目に含まれるキーワードを話題“TopicＮ”として出力する。例えば、ユーザが音楽を聴いたり動画像を見たりしている場合には、メディアファイルから、実行中のタスクに関連のあるキーワードが抽出される。キーワードは、例えば、メタデータに記述されているアーティスト名、ファイル名、会社名などのメディアの特徴に応じた重要度に基づいて、ランク付けされる。コンテンツは、ユーザが、情報検索時に入力したキーワードや、メール編集時に入力したメールの内容などのように、端末の備えるセンサから入力されるものであってもよい。   Even when the content is audio data or moving image data, the appearance frequency calculation unit 21 uses a keyword in metadata describing the medium, and uses the keyword “TopicN” as a keyword included in an important item representing the feature. "Is output. For example, when the user is listening to music or watching a moving image, keywords related to the task being executed are extracted from the media file. The keywords are ranked based on the importance according to the characteristics of the media such as artist name, file name, and company name described in the metadata. The content may be input from a sensor included in the terminal, such as a keyword input by the user at the time of information search or a content of mail input at the time of mail editing.

キーワード関連把握部３は、キーワード間の意味的な関連性が設定された辞書データベース３１（関連性格納手段に対応）と、キーワード間の共起関係が設定された共起関係データベース３２（共起関係格納手段に対応）とを備える。キーワード関連把握部３は、ユーザの操作履歴やコンテンツの内容から得られた、キーワード間における関連性の強弱を把握する。   The keyword relation grasping unit 3 includes a dictionary database 31 (corresponding to the relation storage means) in which semantic relations between keywords are set, and a co-occurrence relation database 32 (co-occurrence) in which co-occurrence relations between keywords are set. Corresponding to relationship storage means). The keyword relation grasping unit 3 grasps the strength of relevance between keywords obtained from the operation history of the user and the content.

辞書データベース３１には、各キーワードに関連する様々な単語が格納されている。シソーラス辞書の場合には、各キーワードの同義語、広義語、狭義語、反義語、関連語が格納されている。また、日本語語彙大系のように、体系的に分類された約３，０００のカテゴリに属するキーワードを、カテゴリ種別と対応付けて格納することもできる。例えば、カテゴリが“乗り物”の場合には「車」であり、“住居”の場合には「部屋」である。このように、上位概念や下位概念が把握される。
更に、連想概念辞書の場合には、上位概念、下位概念、部分・材料、類義、属性、動作、環境の概念が設定され、これら各概念に対するキーワードが格納される。 The dictionary database 31 stores various words related to each keyword. In the case of a thesaurus dictionary, synonyms, broader terms, narrower terms, antonyms, and related terms of each keyword are stored. In addition, keywords belonging to approximately 3,000 categories systematically classified, such as a large Japanese vocabulary system, can be stored in association with category types. For example, when the category is “vehicle”, it is “car”, and when it is “residence”, it is “room”. In this way, the superordinate concept and the subordinate concept are grasped.
Furthermore, in the case of an associative concept dictionary, superordinate concepts, subordinate concepts, parts / materials, synonyms, attributes, operations, and environmental concepts are set, and keywords for these concepts are stored.

共起関係データベース３２には、キーワード間の共起関係が設定されている。共起関係は、ユーザが入力したデータや閲覧したコンテンツから算出された、キーワード間における関連性の強弱を示す。コンテンツ内に含まれるキーワードをそれぞれ１ポイントとしたとき、様々なコンテンツから同様に獲得されたポイント数が高いものほど「共起関係が強い」とする。   In the co-occurrence relation database 32, co-occurrence relations between keywords are set. The co-occurrence relationship indicates the strength of relevance between keywords calculated from data input by a user or browsed content. Assuming that each keyword included in the content is 1 point, the higher the number of points similarly obtained from various content, the “co-occurrence relationship is stronger”.

例えば野球のニュース記事には、「プロ野球」、「楽天（登録商標）」、「選手」、「ＴＶ中継」、「仙台」というキーワードが含まれ、サッカーの記事には、「サッカー」、「ＴＶ中継」、「Ｊ１」、「レッズ」、「ボーダフォン（登録商標）」が含まれ、ショッピングサイトには、「楽天」、「ショッピング」、「お取寄せ」が含まれていたとする。「楽天」は「ショッピング」にも関連があり、かつ、「野球」、「ＴＶ中継」にも関連があるため、これらのキーワード間の共起関係は強いということになる。
また、「ショッピング」と「レッズ」は関係はあるが、共起関係は弱い。すなわち、その共起関係の程度は、「ＴＶ中継」のみを介する「レッズ」と「プロ野球」よりも、「楽天」、「ＴＶ中継」の２つを介する分弱くなる。
キーワードの関連付けの方法は、同一コンテンツ中におけるキーワードの出現回数や文章単位での出現回数に応じて関連の強さに影響を与える方法など、他の方法を用いてもよい。 For example, baseball news articles include the keywords “professional baseball”, “Rakuten (registered trademark)”, “players”, “TV relay”, and “Sendai”, and soccer articles include “soccer”, “ It is assumed that “TV relay”, “J1”, “Reds”, and “Vodafone (registered trademark)” are included, and the shopping site includes “Rakuten”, “Shopping”, and “Order”. Since “Rakuten” is related to “shopping” and also related to “baseball” and “TV relay”, the co-occurrence relationship between these keywords is strong.
“Shopping” and “Reds” are related, but the co-occurrence relationship is weak. That is, the degree of the co-occurrence relationship is weaker than “Reds” and “Professional baseball” only through “TV relay” by “Rakuten” and “TV relay”.
As a method of associating keywords, other methods such as a method of affecting the strength of association according to the number of appearances of keywords in the same content or the number of appearances in units of sentences may be used.

共起関係データベース３２には、所定のキーワードが同一コンテンツに含まれた回数Ｄが格納される。更に、この回数Ｄを用いて、関連の強いキーワード間の距離を短く、関連の弱いキーワード間の距離を遠くとることで、関連の強さを距離で表すこともできる。例えば２つのキーワード間の距離をＬ、それらが同時に用いられる回数をＤとすると、その距離はＬ／Ｄと表すことができる。したがって、全く関係のないキーワード間の距離は無限となり、関係の強いキーワード間の距離は短くなる。   The co-occurrence relation database 32 stores the number D of times that a predetermined keyword is included in the same content. Further, by using this number of times D, the distance between strongly related keywords can be shortened, and the distance between weakly related keywords can be increased, so that the strength of the relation can be expressed as a distance. For example, if the distance between two keywords is L and the number of times they are used simultaneously is D, the distance can be expressed as L / D. Therefore, the distance between unrelated keywords is infinite, and the distance between strongly related keywords is shortened.

話題“TopicＮ”が決定されると、共起関係データベース３２が参照され、その“TopicＮ”と共起関係を有する全てのキーワードが選択される。また、共起関係の強さが所定値以上の評価値のキーワードや、評価値の高いものから所定数個のキーワードが選択されるものとしてもよい。以下、選択されたキーワード数をＭ個とするとともに、選択された各キーワードをＷ［ｍ］、関連の強さをＷ［ｍ］［ｗ］とする。   When the topic “TopicN” is determined, the co-occurrence relationship database 32 is referred to, and all keywords having the co-occurrence relationship with the “TopicN” are selected. Alternatively, a keyword with an evaluation value having a co-occurrence relationship strength equal to or greater than a predetermined value or a predetermined number of keywords having a high evaluation value may be selected. Hereinafter, the number of selected keywords is M, each selected keyword is W [m], and the related strength is W [m] [w].

経路探索の観点は、詳細や反意、類似、上位概念などである。話題“TopicＮ”の設定された概念に対応するキーワードは、上述の辞書データベース３１を基に選択される。観点が「詳細」の場合には、話題“TopicＮ”の下位概念にあたるキーワードが選択され、「類似」の場合には、関連語や同カテゴリに属するキーワードが選択される。共起関係データベース３２から得られたキーワードＷ［ｍ］に一致するキーワードがあれば、それらを優先的に選択するための重みＰが付加される。   The point of view of the route is details, antitrusts, similarities, superordinate concepts, and the like. A keyword corresponding to the concept set for the topic “TopicN” is selected based on the dictionary database 31 described above. When the viewpoint is “detail”, a keyword corresponding to a subordinate concept of the topic “TopicN” is selected, and when it is “similar”, a related word or a keyword belonging to the same category is selected. If there is a keyword that matches the keyword W [m] obtained from the co-occurrence relation database 32, a weight P for preferentially selecting them is added.

話題遷移制御装置４は、重み算出部４１（重み算出手段に対応）と最適経路探索部４２（経路選択手段に対応）とを更に備える。
重み算出部４１は、各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出する。最適経路探索部４２は、重み算出部４１により算出された重みを用いて、共起関係調整部４２ａによりキーワード間の共起関係の強さを調整し、最適経路を選択する。最適経路探索部４２は、各キーワードの重みを共起関係の強さにマッピング（写像）することにより、現在の話題との共起関係が最も強い経路を選択する。 The topic transition control device 4 further includes a weight calculation unit 41 (corresponding to the weight calculation unit) and an optimum route search unit 42 (corresponding to the route selection unit).
The weight calculation unit 41 calculates the weight for the keyword that matches the viewpoint for searching for the optimum route based on the relevance between the keywords. The optimum route search unit 42 uses the weight calculated by the weight calculation unit 41 to adjust the strength of the co-occurrence relationship between keywords by the co-occurrence relationship adjustment unit 42a, and selects the optimum route. The optimum route search unit 42 selects the route having the strongest co-occurrence relationship with the current topic by mapping (mapping) the weight of each keyword to the strength of the co-occurrence relationship.

最適経路探索部４２は、現在の話題“TopicＮ”から目的の話題である“TopicＧ”までの経路探索を行う。候補となる経路の選択に際しては、各観点ごとに最適なものを選択する。“TopicＮ”から“TopicＧ”までの経路は、シソーラス辞書内のキーワードをノードとし、概念間の関係の強さをリンクの距離として、概念間の繋がりにより形成される。このように、最適経路探索部４２は、各キーワードにリンクされる様々な概念を利用することにより、“TopicＮ”から“TopicＧ”までの様々な経路を作成することができる。   The optimum route searching unit 42 searches for a route from the current topic “TopicN” to the target topic “TopicG”. When selecting a candidate route, an optimum route is selected for each viewpoint. The path from “TopicN” to “TopicG” is formed by the connection between concepts, with the keywords in the thesaurus dictionary as nodes and the strength of the relationship between concepts as the link distance. As described above, the optimum route searching unit 42 can create various routes from “TopicN” to “TopicG” by using various concepts linked to each keyword.

効果的に話題を遷移させるには、ユーザが最も想起し易い話題を経由することが望ましい。このため、最適経路探索部４２は、経路選択に際して、ユーザが思い出し易いキーワードを経由する経路を選択する。そして、観点ごとの総距離のうち、最も短いものを最適経路とする。
キーワードＷ［ｍ］、関連の強さＷ［ｍ］［ｗ］は、辞書データベース３１に含まれる情報である。観点に応じて連想されるキーワードは、優先的に選択されるため、関連の強さをより強く調整する。キーワードには、観点に応じて、優先度としてのみ重みＰが設定される。共起関係データベース３２から得られた共起関係の強さを示す距離を“Ｌ”とし、キーワードの重みを“Ｐ”とすると、その場における概念間の距離「Ｌ’」は、Ｌ’＝Ｌ＊１／（Ｐ＋１）と表すことができる。Ｌ’の合計値を、その経路の距離とする。 In order to change the topic effectively, it is desirable to go through the topic that is most easily recalled by the user. For this reason, the optimum route searching unit 42 selects a route that passes through a keyword that is easy for the user to remember when selecting a route. And the shortest thing is made into an optimal path | route among the total distance for every viewpoint.
The keyword W [m] and the related strength W [m] [w] are information included in the dictionary database 31. Since keywords associated with the viewpoint are preferentially selected, the strength of association is adjusted more strongly. The keyword is set with a weight P only as a priority according to the viewpoint. When the distance indicating the strength of the co-occurrence relation obtained from the co-occurrence relation database 32 is “L” and the weight of the keyword is “P”, the distance “L ′” between the concepts on the spot is L ′ = L * 1 / (P + 1). The total value of L ′ is the distance of the route.

最短経路の算出には、Ｄｉｊｋｓｔｒａ法を用いる。図２に示すように、Ｄｉｊｋｓｔｒａ法では、“TopicＮ”を中心にリンクが存在する全てのノードについてそれぞれの距離が参照される。全てのノードの値が調査されると、最短の経路に存在するノードは、同様に次のリンクの調査を行う。重みを距離に組み込むことで全経路が算出されるため、重みの計算をすることなく、“TopicＮ”からの距離が最短の経路に関してのみ、経路探索を進めていくことができる。その結果、短時間かつ効率的な、最適経路の探索が実現される。   The Dijkstra method is used to calculate the shortest path. As shown in FIG. 2, in the Dijkstra method, the distances of all nodes having links centered on “TopicN” are referred to. When the values of all the nodes are checked, the node existing in the shortest path similarly checks the next link. Since all routes are calculated by incorporating the weight into the distance, the route search can be advanced only for the route having the shortest distance from “TopicN” without calculating the weight. As a result, the search for the optimum route is realized in a short time and efficiently.

各概念には多数のリンクが貼られているため、キーワードの重みとリンクの距離の両方を考慮して経路の評価を行うことは難しい。しかし、話題遷移制御装置４は、リンク距離内に重みを付加することにより、Ｄｉｊｋｓｔｒａ法を用いることができる。好適には、経路距離の算出に時間をかけないため、該当するリンクにきた際に距離の調整を行う。まず、話題遷移制御装置４は、現在のノードにリンクが貼られている全ノードを調査し、ノード内に重みをもつリンクがあった場合に、リンクの距離を再計算する。   Since many links are attached to each concept, it is difficult to evaluate the route in consideration of both the keyword weight and the link distance. However, the topic transition control device 4 can use the Dijkstra method by adding a weight within the link distance. Preferably, since it does not take time to calculate the route distance, the distance is adjusted when the link is reached. First, the topic transition control device 4 investigates all the nodes with links attached to the current node, and recalculates the link distance when there is a link with a weight in the node.

話題提示部５は、最適経路探索部４２の探索した最適経路内に含まれるキーワードを含むコンテンツを探すため、多量のコンテンツが格納された話題データベース５１を有する。話題提示部５は、コンテンツの検索結果を受信する通信手段（図示せず）へ接続し、システムが推薦するコンテンツを出力する。
例えば、経路上のキーワードをタイトルに含むニュース記事やブログ記事が検索された場合には、話題提示部５は、これらの記事を提示する。 The topic presentation unit 5 includes a topic database 51 in which a large amount of content is stored in order to search for content including keywords included in the optimum route searched by the optimum route search unit 42. The topic presentation unit 5 connects to a communication means (not shown) that receives content search results, and outputs the content recommended by the system.
For example, when a news article or blog article that includes a keyword on the route in its title is searched, the topic presentation unit 5 presents these articles.

話題提示部５は、決定された経路に従って、所定のキーワードの前後のキーワードを含むコンテンツを検索する。この場合、前後両方のキーワードを含むコンテンツがない場合には、一方のキーワードを含むコンテンツを選択してもよい。   The topic presentation unit 5 searches for content including keywords before and after a predetermined keyword according to the determined route. In this case, if there is no content including both front and rear keywords, content including one keyword may be selected.

続いて、図３〜図８を参照しながら、本実施の形態における話題遷移制御システム１の動作を説明し、併せて、本発明に係る話題遷移制御方法を構成する各ステップについて説明する。
動作説明の前提として、話題遷移制御システム１が、ユーザが閲覧しているコンテンツに関連した情報を提示しつつ、目的の話題までユーザを誘導していく状況を想定する。その際、上記コンテンツの内容に対して「詳細である」、「類似している」、「反意である」といった観点ごとに最適な話題を提供していく。 Subsequently, the operation of the topic transition control system 1 in the present embodiment will be described with reference to FIGS. 3 to 8, and each step constituting the topic transition control method according to the present invention will be described.
As a premise for explaining the operation, it is assumed that the topic transition control system 1 guides the user to the target topic while presenting information related to the content being browsed by the user. At that time, an optimal topic is provided for each viewpoint such as “detailed”, “similar”, and “dislike” with respect to the content of the content.

まず図３のＳ１では、出現頻度算出部２１は、ユーザが利用しているアプリケーションのコンテンツから、そのタスクに関連する話題“TopicＮ”を取得する。最終的にユーザに提示したい目的話題“TopicＧ”が設定されると（Ｓ２）、話題遷移制御装置４は、以下の手順で、現在の話題“TopicＮ”から目的の話題“TopicＧ”を意味的に結ぶ経路の生成を開始する。   First, in S1 of FIG. 3, the appearance frequency calculation unit 21 acquires the topic “TopicN” related to the task from the content of the application used by the user. When the target topic “TopicG” to be finally presented to the user is set (S2), the topic transition control device 4 semantically changes the target topic “TopicG” from the current topic “TopicN” in the following procedure. Start generating the connecting route.

Ｓ３では、最適経路探索部４２は、“TopicＮ”と“TopicＧ”とを結ぶ経路の中から、経由するキーワード数が最少の経路（最小付加経路）を発見する。最小付加経路の探索には、例えば、上述したＤｉｊｋｓｔｒａ法を用いることができる。
最小付加経路は複数存在することも多いため、最適経路探索部４２は、そのうちで最適な経路を更に選択する。その際、最適経路探索部４２は、ユーザの使用頻度の高いキーワードや、キーワード間の関連性が高い話題が優先的に選択されるよう、経路に含まれるキーワード毎に、重み算出部４１の算出した重みを付加する（Ｓ４）。 In S3, the optimum route searching unit 42 finds a route (minimum additional route) having the smallest number of keywords to pass through from the route connecting “TopicN” and “TopicG”. For the search for the minimum additional route, for example, the Dijkstra method described above can be used.
Since there are often a plurality of minimum additional routes, the optimum route search unit 42 further selects an optimum route. At that time, the optimum route search unit 42 calculates the weight calculation unit 41 for each keyword included in the route so that a keyword frequently used by the user or a topic with high relevance between keywords is preferentially selected. The added weight is added (S4).

Ｓ５では最小付加経路毎の重みが合計され、その合計値が最も高いものが最適経路に選定される（Ｓ６）。なお、最適経路が複数存在する場合には、最適経路探索部４２は、それらの経路上の１個目のキーワードに注目し、観点ごとの重みに応じて、各観点での最適経路を選択する。
Ｓ７では、話題提示部５は、Ｓ６で選択された最適経路の通知を受け、該経路に含まれるキーワードに関連した情報を目的の話題として提示する。関連した情報とは、例えば、上記キーワードを含むニュースやブログの記事である。 In S5, the weights for the minimum additional routes are summed, and the route with the highest total value is selected as the optimum route (S6). When there are a plurality of optimum routes, the optimum route search unit 42 pays attention to the first keyword on those routes, and selects the optimum route for each viewpoint according to the weight for each viewpoint. .
In S7, the topic presentation unit 5 receives the notification of the optimum route selected in S6, and presents information related to the keyword included in the route as a target topic. The related information is, for example, a news or blog article including the keyword.

最適経路の探索には、最小ホップ数を把握してから重みを算出する方法（図４参照）を採ってもよいし、重みを距離に組み込んだ上で最短距離を探索する方法（図５参照）を採ってもよい。   In searching for the optimum route, a method of calculating the weight after grasping the minimum number of hops (see FIG. 4) may be employed, or a method of searching for the shortest distance after incorporating the weight into the distance (see FIG. 5). ).

前者の方法では、最適経路探索部４２は、図４に示す以下の手順で最適経路の探索を行う。
まず、最小付加経路が探索された後（Ｓ１１）、ユーザの操作履歴やキーワード間の関連性の強さに基づき、キーワード毎の重みが付加される（Ｓ１２）。その後、各経路毎に重みの合計値が算出され（Ｓ１３）、重み合計値が最高の経路が特定される（Ｓ１４）。特定された経路は、観点別に調査された上で（Ｓ１５）、最適経路として選択される（Ｓ１６）。 In the former method, the optimum route searching unit 42 searches for the optimum route according to the following procedure shown in FIG.
First, after searching for the minimum additional route (S11), a weight for each keyword is added based on the user's operation history and the strength of relevance between keywords (S12). Thereafter, the total weight value is calculated for each route (S13), and the route having the highest weight total value is identified (S14). The identified route is investigated by viewpoint (S15) and then selected as the optimum route (S16).

後者の方法では、最適経路探索部４２は、図５に示す以下の手順で最適経路の探索を行う。
まず、ユーザの操作履歴やキーワード間の関連性の強さを問い合わせた後（Ｓ２１）、その回答に基づき、キーワード毎の重みが付加される（Ｓ２２）。続いて、付加された重みを使用して各経路の距離が計算された後（Ｓ２３）、各経路の１個目のキーワードに対してのみ、観点に応じた重みが付加される（Ｓ２４）。Ｓ２５では、その重みを基に各経路の距離が再び計算され、それらの経路のうち最短距離を有するものが最適経路として選択される（Ｓ２６）。 In the latter method, the optimum route searching unit 42 searches for the optimum route according to the following procedure shown in FIG.
First, after inquiring about the user's operation history and the strength of relevance between keywords (S21), a weight for each keyword is added based on the answer (S22). Subsequently, after the distance of each route is calculated using the added weight (S23), the weight corresponding to the viewpoint is added only to the first keyword of each route (S24). In S25, the distance of each route is calculated again based on the weight, and the route having the shortest distance is selected as the optimum route (S26).

更に、図６は、重みを距離にマッピングする場合における最適経路探索処理を説明するためのフローチャートである。
かかる手法では、重みを距離にマッピングして合計距離が最短となる経路のみを追跡していくため、最適経路探索部４２は、現在のノードに貼られているリンク数に“ｒ”を設定する（Ｓ３１）。 Furthermore, FIG. 6 is a flowchart for explaining the optimum route searching process in the case where weights are mapped to distances.
In this method, since the weight is mapped to the distance and only the route having the shortest total distance is tracked, the optimum route search unit 42 sets “r” as the number of links pasted to the current node. (S31).

Ｓ３２では、次ノードにおける重みＰの存否が判定され、存在する場合には上述の距離“Ｌ”（共起関係の強さを示す距離）が再設定される（Ｓ３３）。その後、上記重みＰと距離Ｌとを用いて、Ｌ＊１／（Ｐ＋１）から、概念間の距離“Ｌ’”が算出される（Ｓ３４）。Ｓ３５では、現時点で算出されている概念間の距離Ｌ’から経路の合計距離が算出される。
なお、次ノードにおける重みＰが存在しない場合には（Ｓ３２；ＮＯ）、Ｓ３３，Ｓ３４の各処理は省略され、Ｓ３５に移行する。 In S32, it is determined whether or not the weight P exists in the next node. If the weight P exists, the above-mentioned distance “L” (distance indicating the strength of the co-occurrence relationship) is reset (S33). Thereafter, using the weight P and the distance L, the distance “L ′” between the concepts is calculated from L * 1 / (P + 1) (S34). In S35, the total distance of the route is calculated from the distance L ′ between concepts calculated at the present time.
If there is no weight P in the next node (S32; NO), the processes of S33 and S34 are omitted, and the process proceeds to S35.

Ｓ３２〜Ｓ３５の一連の処理は、Ｓ３１で設定されたｒ回分実行され、ｒ回目の実行が完了した時点で（Ｓ３６；ＹＥＳ）、Ｓ３７に移行する。Ｓ３７では、その時点における最短の経路が探索され、その経路が全経路中最短距離の経路であるか否かの判定が為される（Ｓ３８）。判定の結果、最短経路であればＳ３９に移行し、最短経路でなければＳ３１に戻る。
そして、現在のノードが目的の話題“TopicＧ”に一致したとき（Ｓ３９；ＹＥＳ）、一連の処理は終了する。 The series of processing of S32 to S35 is executed r times set in S31, and when the r-th execution is completed (S36; YES), the process proceeds to S37. In S37, the shortest route at that time is searched, and it is determined whether or not the route is the shortest route among all the routes (S38). If it is determined that the route is the shortest route, the process proceeds to S39, and if it is not the shortest route, the process returns to S31.
When the current node matches the target topic “TopicG” (S39; YES), a series of processing ends.

最適経路の探索手法に関して、図７を参照して詳述する。
図７において、観点なしの場合におけるキーワードｗ１とｗ２との距離Ｌ’は、Ｌ’＝Ｌ（ｗ１，ｗ２）と表すものとする。この場合、観点が「詳細」の距離Ｌ’（Ａ｜ｗ１，ｗ２）は、Ｌ（ｗ１，ｗ２）／ａと表すことができ、これと同様に、観点が「類似」、「反意」の距離Ｌ’（Ｂ｜ｗ１，ｗ２），Ｌ’（Ｃ｜ｗ１，ｗ２）は、それぞれＬ（ｗ１，ｗ２）／ｂ，Ｌ（ｗ１，ｗ２）／ｃと表すことができる。したがって、例えば観点Ａ（詳細）に関する経路評価値は、Ｌ’（Ａ｜ｗ１，ｗ２）＋Ｌ’（ｗ２，ｗ３）＋Ｌ’（ｗ３，ｗ４）＋…と表現することができる。最適経路探索部４２は、この値と、他の経路の評価値（例えば、Ｌ’（Ａ｜ｗ１，ｗ１１）＋Ｌ’（ｗ１１，ｗ１２）…）とを比較し、最小のものを最適経路とする。 The optimum route search method will be described in detail with reference to FIG.
In FIG. 7, it is assumed that the distance L ′ between the keywords w1 and w2 when there is no viewpoint is expressed as L ′ = L (w1, w2). In this case, the distance L ′ (A | w1, w2) whose viewpoint is “detail” can be expressed as L (w1, w2) / a, and similarly, the viewpoint is “similar”, “dislike”. Distances L ′ (B | w1, w2) and L ′ (C | w1, w2) can be expressed as L (w1, w2) / b and L (w1, w2) / c, respectively. Therefore, for example, the route evaluation value related to the viewpoint A (details) can be expressed as L ′ (A | w1, w2) + L ′ (w2, w3) + L ′ (w3, w4) +. The optimum route search unit 42 compares this value with the evaluation value of another route (for example, L ′ (A | w1, w11) + L ′ (w11, w12)...), And determines the smallest one as the optimum route. To do.

次に、図８を参照して、探索された最適経路で情報が提示されていく様子を、より具体的に説明する。
話題遷移制御システム１の管理者側は、新発売のビールの情報をユーザに提示したいとする。Ｗｅｂ上でスポーツニュースを閲覧しているユーザＡは、昨日行われたプロ野球の試合結果をチェックしており、「△△チームが勝利」という記事を読んでいた。すると、表示画面の端部に、「□□□ホークスの結果」や「△△イーグルス大敗の結果」、「△△イーグルスの選手紹介」、「△△市場のセール情報」といったリンクが表示された。そこで、ユーザＡは、「△△イーグルスの選手紹介」をクリックし、人気選手ランキング１位の一場選手の情報を見た。画面端部には更に、他の人気選手である「新庄選手のプロフィール」と、一場選手の出身地である「××市の案内」、及び、一場選手のグッズを売っているＷｅｂサイト「△△ショップ」のリンクが表示された。ユーザＡが「新庄選手のプロフィール」を選択すると、新庄選手の契約しているＣＭのビールに関する情報が表示された。 Next, the manner in which information is presented along the searched optimum route will be described more specifically with reference to FIG.
It is assumed that the manager of the topic transition control system 1 wants to present information on newly released beer to the user. User A who is viewing sports news on the Web is checking the results of a professional baseball game held yesterday and has read an article “△△ Team wins”. Then, links such as “□□□ Hawks result”, “△△ Eagles defeat result”, “△△ Eagles player introduction”, “△△ market sale information” are displayed at the end of the display screen. . Therefore, the user A clicks “△△ Eagles player introduction” and sees information on the first place player of the popular player ranking. At the end of the screen is “Shinjo's profile”, another popular player, “XX city guide”, the hometown of a single player, and a website “△ The link of “△ shop” was displayed. When the user A selects “Shinjo player's profile”, information on CM beer contracted by Shinjo player is displayed.

以上説明したように、話題遷移制御システム１によれば、語彙間の繋がりの強弱が反映された静的な距離を重み（優先度）により変更させる。そして、ユーザが閲覧中のコンテンツＣ１に関する現在の話題“TopicＮ”から目的の話題“TopicＧ”までの全経路の中から、キーワード間の関連性を保ちながら誘導するための最適な遷移経路を探索する。また、話題遷移制御システム１は、ある話題を基に、ユーザの意識が向けられている事柄を経由しながら、それに関連する情報を順次提示していく。したがって、ユーザの関心を保ちながら、その志向に沿った新たな話題への移行をスムーズに行うことが可能となる。
また、Ｗｅｂブラウザによるユーザ支援を行うのみならず、２つの概念に共通する概念を発見し、これを新たな知見としてユーザに与えることができる。 As described above, according to the topic transition control system 1, the static distance reflecting the strength of connection between vocabularies is changed by the weight (priority). Then, an optimum transition route for guiding while maintaining the relevance between keywords is searched from all the routes from the current topic “TopicN” to the target topic “TopicG” regarding the content C1 being browsed by the user. . Further, the topic transition control system 1 sequentially presents information related to a topic while passing through a matter to which the user's consciousness is directed. Therefore, it is possible to smoothly shift to a new topic in accordance with the intention while keeping the user's interest.
In addition to providing user support using a Web browser, a concept common to two concepts can be found and given to the user as new knowledge.

なお、本実施形態に記載の態様は、本発明に係る話題遷移制御システムの好適な一例であり、本発明は、かかる態様に限定されるものではない。
例えば、上記実施の形態では、ユーザに対する情報の提示を目的とするものとして話題遷移制御システム１を構成したが、対話の活性化、あるいはエージェントとの会話を楽しむことを目的としてもよい。かかる構成とすることで、ユーザにとって、対話を通して新たな興味を発見する、あるいは、予定された流れの会話ではなく、関連性が保たれた種々多様な話題を題材とした会話を楽しむ、ことができるという効果がある。 The aspect described in the present embodiment is a preferred example of the topic transition control system according to the present invention, and the present invention is not limited to such an aspect.
For example, in the above-described embodiment, the topic transition control system 1 is configured for the purpose of presenting information to the user. However, the topic transition control system 1 may be used for the purpose of activating a conversation or enjoying a conversation with an agent. With this configuration, users can discover new interests through conversations, or enjoy conversations on a variety of topics that are not related to the scheduled flow of conversations. There is an effect that can be done.

本発明に係る話題遷移制御技術は、ユーザが端末装置との対話を通じて情報を獲得するマン・マシン・インタラクションを行うシステムに適用することができる。   The topic transition control technology according to the present invention can be applied to a system that performs man-machine interaction in which a user obtains information through interaction with a terminal device.

本発明の一実施形態における話題遷移制御システムの機能的構成を示す図である。It is a figure which shows the functional structure of the topic transition control system in one Embodiment of this invention. 最短経路を算出するためのＤｉｊｋｓｔｒａ法を説明するための図である。It is a figure for demonstrating the Dijkstra method for calculating the shortest path | route. 話題遷移制御システムの動作を説明するためのフローチャートである。It is a flowchart for demonstrating operation | movement of a topic transition control system. 第１の最適経路探索処理を説明するためのフローチャートである。It is a flowchart for demonstrating a 1st optimal route search process. 第２の最適経路探索処理を説明するためのフローチャートである。It is a flowchart for demonstrating a 2nd optimal route search process. 各キーワードの重みを距離にマッピングする場合の最適経路探索処理を説明するためのフローチャートである。It is a flowchart for demonstrating the optimal route search process in the case of mapping the weight of each keyword to distance. 最適経路を探索するための各経路の評価手順を説明するための図である。It is a figure for demonstrating the evaluation procedure of each path | route for searching an optimal path | route. キーワードの具体例が反映された経路の評価手順を説明するための図である。It is a figure for demonstrating the evaluation procedure of the path | route in which the specific example of the keyword was reflected.

符号の説明Explanation of symbols

１…話題遷移制御システム、２…話題抽出部、３…キーワード関連把握部、４…話題遷移制御装置、５…話題提示部、２１…出現頻度算出部、３１…辞書データベース、３２…共起関係データベース、４１…重み算出部、４２…最適経路探索部、４２ａ…共起関係調整部、５１…話題データベース、Ｃ１，Ｃ２…コンテンツ
DESCRIPTION OF SYMBOLS 1 ... Topic transition control system, 2 ... Topic extraction part, 3 ... Keyword related grasping part, 4 ... Topic transition control apparatus, 5 ... Topic presentation part, 21 ... Appearance frequency calculation part, 31 ... Dictionary database, 32 ... Co-occurrence relation Database, 41 ... Weight calculation unit, 42 ... Optimal route search unit, 42a ... Co-occurrence relationship adjustment unit, 51 ... Topic database, C1, C2 ... Content

Claims (4)

複数のキーワードを経由した、現在の話題から目的の話題への遷移を制御する話題遷移制御装置において、
各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出する重み算出手段と、
当該重み算出手段により算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択する経路選択手段と
を備えることを特徴とする話題遷移制御装置。 In the topic transition control device that controls the transition from the current topic to the target topic via a plurality of keywords,
A weight calculating means for calculating a weight for a keyword suitable for a viewpoint for searching for an optimum route based on a relationship between the keywords;
A topic transition control apparatus comprising: a route selection unit that adjusts the strength of the co-occurrence relationship between the keywords using the weight calculated by the weight calculation unit and selects an optimum route. 前記経路選択手段は、各キーワードの重みを共起関係の強さにマッピングすることにより、前記現在の話題との共起関係が最も強い経路を選択することを特徴とする請求項１に記載の話題遷移制御装置。   2. The route selection unit according to claim 1, wherein the route selection unit selects a route having the strongest co-occurrence relationship with the current topic by mapping the weight of each keyword to the strength of the co-occurrence relationship. Topic transition control device. ユーザの興味対象である現在の話題を抽出する抽出手段と、
当該抽出手段により抽出された現在の話題から目的の話題を経由する各キーワード間の関連性が格納された関連性格納手段と、
前記キーワード間の共起関係が格納された共起関係格納手段と、
前記関連性格納手段に格納されている各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出する重み算出手段と、
当該重み算出手段により算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択する経路選択手段と、
当該経路選択手段により選択された経路上のキーワードに関連する情報を、前記目的の話題として提示する提示手段と
を備えることを特徴とする話題遷移制御システム。 An extraction means for extracting the current topic of interest of the user;
Relevance storage means in which the relevance between each keyword passing through the target topic from the current topic extracted by the extraction means is stored;
A co-occurrence relationship storage means storing co-occurrence relationships between the keywords;
A weight calculating means for calculating a weight for a keyword in accordance with a viewpoint for searching for an optimum route based on a relation between each keyword stored in the relation storing means;
Route selection means for adjusting the strength of the co-occurrence relationship between the keywords using the weight calculated by the weight calculation means, and selecting an optimum route;
A topic transition control system comprising: presentation means for presenting information related to a keyword on a route selected by the route selection means as the target topic. 複数のキーワードを経由した、現在の話題から目的の話題への遷移を制御する話題遷移制御方法において、
各キーワード間の関連性に基づいて、最適経路を探索するための観点に合ったキーワードに対する重みを算出するステップと、
算出された重みを用いて、前記キーワード間の共起関係の強さを調整し、最適経路を選択するステップと
を含むことを特徴とする話題遷移制御方法。
In the topic transition control method for controlling the transition from the current topic to the target topic via multiple keywords,
Calculating a weight for a keyword that matches a viewpoint for searching for an optimum route based on a relationship between the keywords;
Adjusting the strength of the co-occurrence relationship between the keywords using the calculated weight and selecting an optimum route.

Images