JP2010198223A - 関連性解析システムおよび関連性解析方法 - Google Patents

Abstract

【課題】日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を、より少ない情報に基づいて解析することができる。
【解決手段】
スケジュール情報管理サーバ１０２は、複数のユーザのスケジュール情報を取得する。スケジュール情報解析システム１０４は、スケジュール情報管理サーバ１０２が取得したスケジュール情報に基づいて、複数のユーザ間の関連性を示す関連性情報を生成する。グラフ生成システム１０６と画像生成機能部１０７とは、スケジュール情報解析システム１０４が生成した関連性情報に基づいて、複数のユーザ間の関連性を示す画像を生成する。
【選択図】図１

Description

本発明は、ユーザ同士の関連性を解析する関連性解析システムおよび関連性解析方法に関する。

インターネット上では、ブログやＳＮＳを始めとした情報発信媒体により、様々なユーザの意見が発信されている。このようなユーザの意見に基づいて、ユーザ同士の関連性の強さの算出や、クラスタリング技術を利用したユーザコミュニティの抽出などが行われている（例えば、特許文献１、特許文献２参照）。

特開２００７−９４５５２号公報 特開２００８−５９４４２号公報

しかしながら、従来知られている、情報発信媒体が発信するユーザ情報に基づいてユーザ同士の関連性を解析した場合、考え方の近いユーザ同士の関連性や、性質の似通ったユーザ同士の関連性を発見することはできるが、日常生活において結び付きの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性などの発見を行うことができないという問題がある。また、情報発信媒体が発信するユーザ情報は、ノイズとなる情報を多く含んでいるため、解析精度を高めるには多くの情報が必要である。そのため、十分な解析結果を得るためには、多くの情報を取得し、解析しなければならないため、多くの手間を必要とするという問題がある。

本発明は、このような事情を考慮してなされたものであり、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を、より少ない情報に基づいて解析することができる関連性解析システムおよび関連性解析方法を提供することを目的とする。

本発明は、複数のユーザのスケジュール情報を取得するスケジュール情報管理部と、前記スケジュール情報管理部が取得した前記スケジュール情報に基づいて、前記複数のユーザ間の関連性を示す関連性情報を生成するスケジュール情報解析部と、前記スケジュール情報解析部が生成した前記関連性情報に基づいて、前記複数のユーザ間の関連性を示す画像を生成する画像生成部と、を備えることを特徴とする関連性解析システムである。

この構成によれば、スケジュール情報管理部は、複数のユーザのスケジュール情報を取得する。スケジュール情報解析部は、スケジュール情報管理部が取得したスケジュール情報に基づいて、複数のユーザ間の関連性を示す関連性情報を生成する。画像生成部は、スケジュール情報解析部が生成した関連性情報に基づいて、複数のユーザ間の関連性を示す画像を生成する。すなわち、ユーザの日常生活やユーザの行動を示すスケジュール情報のみを取得し、取得したスケジュール情報に基づいて複数のユーザ間の関連性を解析している。これにより、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を、より少ない情報に基づいて解析することができる。

また、本発明の関連性解析システムにおいて、前記関連性情報は、前記スケジュール情報解析部が、前記ユーザと、当該ユーザとは異なるユーザとが同一のスケジュールを実行する回数を示す情報を、当該ユーザと当該ユーザとは異なるユーザとの組み合わせ毎に生成した情報と、前記スケジュール情報解析部が、前記ユーザと同一のスケジュールを実行した当該ユーザとは異なるユーザの数を示す情報とを含んだことを特徴とする。

また、本発明は、スケジュール情報管理部が、複数のユーザのスケジュール情報を取得するスケジュール情報管理ステップと、スケジュール情報解析部が、前記スケジュール情報管理ステップで取得した前記スケジュール情報に基づいて、前記複数のユーザ間の関連性を示す関連性情報を生成するスケジュール情報解析ステップと、画像生成部が、前記スケジュール情報解析ステップで生成した前記関連性情報に基づいて、前記複数のユーザ間の関連性を示す画像を生成する画像生成ステップと、を含むことを特徴とする関連性解析方法である。

本発明によれば、ユーザの日常生活やユーザの行動を示すスケジュール情報のみを取得し、取得したスケジュール情報に基づいて複数のユーザ間の関連性を解析している。これにより、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を、より少ない情報に基づいて解析することができる。

本発明の一実施形態における関連性解析システムの構成を示すブロック図である。 本実施形態におけるスケジュール情報テーブルのデータ構造を示した図である。 本実施形態におけるリンクスコアテーブルのデータ構造を示した図である。 本実施形態おけるキーワードスコアテーブルのデータ構造を示した図である。 本実施形態におけるユーザ情報テーブルのデータ構造を示した図である。 本実施形態におけるスケジュール情報管理サーバがスケジュール更新情報テーブルを更新する手順を示したフローチャートである。 本実施形態におけるスケジュール情報解析システムがリンクスコアテーブルとキーワードスコアテーブルを更新する手順を示したフローチャートである。 本実施形態におけるグラフ生成システムが、画像を生成するためのソースファイルを生成する手順を示したフローチャートである。 本実施形態における接続行列のデータ構造を示した図である。 本実施形態における画像生成機能部が生成したユーザ関連性グラフを示した図である。

以下、本発明の一実施形態について図面を参照して説明する。図１は本実施形態における関連性解析システムの構成を示すブロック図である。図示する例では、関連性解析システムは、スケジューラ１０１と、スケジュール情報管理サーバ１０２（スケジュール情報管理部）と、スケジュール情報データベース１０３と、スケジュール情報解析システム１０４（スケジュール情報解析部）と、ユーザ関連性データベース１０５と、グラフ生成システム１０６（画像生成部）と、画像生成機能部１０７（画像生成部）とを備えている。

スケジューラ１０１は、ユーザのスケジュール情報を記憶する。例えば、ユーザによって入力されたスケジュール情報を記憶する。スケジュール情報管理サーバ１０２は、スケジューラ１０１が記憶するスケジュール情報を定期的に取得する。スケジュール情報データベース１０３は、スケジュール情報管理サーバ１０３が取得したスケジュール情報を記憶する。

スケジュール情報解析システム１０４は、スケジュール情報データベース１０３が記憶するスケジュール情報を読み出し、ユーザ同士の関連性を解析する。ユーザ関連性データベース１０５は、スケジュール情報解析システム１０４が解析した結果（関連性情報）を記憶する。グラフ生成システム１０６は、ユーザ関連性データベース１０５が記憶する関連性情報を読み出し、ユーザ同士の関連性を示す画像を生成するための情報を生成する。画像生成機能部１０７は、グラフ生成システム１０６が生成した、ユーザ同士の関連性を示す画像を生成するための情報に基づいて、ユーザ同士の関連性を示す画像を生成する。

また、ユーザ端末１０８と、関連性解析システムが備えるスケジューラ１０１と、グラフ生成システム１０６とは、通信可能なネットワークで接続されており、互いに情報の送受信を行うことができる。これにより、ユーザ端末１０８は、スケジューラ１０１にユーザのスケジュール情報を入力することができる。また、ユーザ端末１０８は、グラフ生成システム１０６に対して、ユーザ同士の関連性を示す画像の送信を要求することができる。なお、関連性解析システムが備える各部は、１台または複数台のサーバ装置により実現される。

次に、スケジュール情報データベース１０３が記憶する情報について説明する。図２は、スケジュール情報データベース１０３が記憶するスケジュール情報テーブル２０１のデータ構造を示した図である。

スケジュール情報テーブル２０１は、ＩＤ２０２と、ユーザＩＤ２０３と、日付２０４と、開始時刻２０５と、終了時刻２０６と、イベント内容２０７と、参加者一覧２０８との属性を持つ。

ＩＤ２０２は、スケジュール情報テーブル２０１内のエントリ毎に与えられる識別子である。ユーザＩＤ２０３は、システム全体に渡り、ユーザ毎に一意に与えられる識別子である。日付２０４は、ユーザＩＤ２０３で特定されるユーザが、イベント内容２０７が記憶するイベントを実施する年月日である。開始時刻２０５は、ユーザＩＤ２０３で特定されるユーザが、イベント内容２０７を開始する時刻である。終了時刻２０６は、ユーザＩＤ２０３で特定されるユーザが、イベント内容２０７を終了する時刻である。イベント内容２０７は、スケジュールの件名である。参加者一覧２０８は、イベント内容２０７に参加したユーザを特定するユーザＩＤの一覧である。

例えば、ＩＤ２０２が「１」で特定されるエントリは、ユーザＩＤ２０３が「３０２０」で特定されるユーザが、２００８年１０月１０日の１３：００から１４：００に打ち合わせを行い、この打ち合わせにユーザＩＤ２０３が「３０３０，３０４０，３０４１，３０４２」で特定されるユーザが参加することを示す。他のエントリについては図示するとおりである。

次に、ユーザ関連性データベース１０５が記憶する情報について説明する。図３は、ユーザ関連性データベース１０５が記憶するリンクスコアテーブル３０１のデータ構造を示した図である。

リンクスコアテーブル３０１は、ＩＤ３０２と、ユーザＩＤ３０３と、ユーザ名３０４と、リンクハッシュ３０５と、既知ユーザ配列３０６との属性を持つ。

ＩＤ３０２は、リンクスコアテーブル３０１内のエントリ毎に与えられる識別子である。ユーザＩＤ３０３は、スケジュール情報テーブル２０１のユーザＩＤ２０３と同様の情報であり、システム全体に渡り、ユーザ毎に一意に与えられる識別子である。ユーザ名３０４は、ユーザＩＤ３０３で特定されるユーザの名前である。リンクハッシュ３０５は、ユーザ名３０４に対するスケジュール共有ユーザのユーザＩＤ３０３と、共有回数との組み合わせをハッシュ化したハッシュ値である。このハッシュ値のキーはユーザＩＤ３０３であり、値は共有回数である。既知ユーザ配列３０６は、ユーザ名３０４がスケジュールを共有したことがあるユーザのユーザＩＤ３０３の一覧を配列化したものである。

なお、本実施形態では、ハッシュ値および配列の表現方法は、Ｒｕｂｙ言語のデータ構造表現を用いる。

例えば、ＩＤ３０２が「１」で特定されるエントリは、ユーザＩＤ３０３が「３０２０」で特定されるユーザのユーザ名３４０が「ｙａｍａｄａ．ｉｃｈｉｒｏｕ」であり、リンクハッシュ３０５が「｛“６０８０”：１０，“６０９０”：１５，“３０００”：３，“３０３０”：３０｝」であり、既知ユーザ配列３０６が「［６０８０，６０９０，３０００，３０３０］」である。他のエントリについては図示するとおりである。

図４は、ユーザ関連性データベース１０５が記憶するキーワードスコアテーブル４０１のデータ構造を示した図である。キーワードスコアテーブル４０１は、ＩＤ４０２と、ユーザＩＤ４０３と、共有者ユーザＩＤ４０４と、キーワードハッシュ４０５との属性を持つ。

ＩＤ４０２は、キーワードスコアテーブル４０１内のエントリ毎に与えられる識別子である。ユーザＩＤ４０３は、スケジュール情報テーブル２０１のユーザＩＤ２０３およびリンクスコアテーブル３０１のユーザＩＤ３０３と同様の情報であり、システム全体に渡り、ユーザ毎に一意に与えられる識別子である。共有者ユーザＩＤ４０４は、ユーザＩＤ４０３とスケジュールを共有するスケジュール共有ユーザのユーザＩＤ４０３である。キーワードハッシュ４０５は、ユーザＩＤ４０３で特定されるユーザと、共有者ユーザＩＤ４０４で特定されるユーザとが参加したイベント内容２０７に関して形態素解析を行い、形態素解析で得られた単語とその出現回数との組み合わせをハッシュ化したハッシュ値である。このハッシュ値のキーは形態素解析で得られた単語であり、値は出現回数である。

例えば、ＩＤ４０２が「１」で特定されるエントリは、ユーザＩＤ４０３が「３０２０」であり、共有者ユーザＩＤ４０４が「３０３０」であり、キーワードハッシュ４０５が「｛“打ち合わせ”：１２，“ミーティング”：８，“出張”：２０，“田中部長”：２０｝」である。他のエントリについては図示するとおりである。

図５は、ユーザ関連性データベース１０５が記憶するユーザ情報テーブル５０１のデータ構造を示した図である。ユーザ情報テーブル５０１は、ＩＤ５０２と、ユーザＩＤ５０３と、グループＩＤ５０４と、ユーザ名５０５と、所属グループ名５０６との属性を持つ。

ＩＤ５０２は、ユーザ情報テーブル５０１内のエントリ毎に与えられる識別子である。ユーザＩＤ５０３は、スケジュール情報テーブル２０１のユーザＩＤ２０３と、リンクスコアテーブル３０１のユーザＩＤ３０３と、キーワードスコアテーブル４０１のユーザＩＤ４０３と同様の情報であり、システム全体に渡り、ユーザ毎に一意に与えられる識別子である。グループＩＤ５０４は、システム全体に渡り、ユーザが所属するグループ毎に一意に与えられる識別子である。ユーザ名５０５は、リンクスコアテーブル３０１のユーザ名３０４と同様の情報であり、ユーザＩＤ５０３で特定されるユーザの名前である。所属グループ名５０６は、グループＩＤ５０４で特定されるグループの名前である。

例えば、ＩＤ５０２が「１」で特定されるエントリは、ユーザＩＤ５０３が「３０２０」であり、グループＩＤ５０４が「９９９」であり、ユーザ名５０５が「ｙａｍａｄａ．ｉｃｈｉｒｏｕ」であり、所属グループ５０６が「ｓｏｕｍｕ」である。他のエントリについては図示するとおりである。

なお、ユーザ情報テーブル５０１には、関連性解析システムを使用するユーザについての情報が予め定義されている。

次に、関連性解析システムの動作について説明する。
［スケジュール情報データベース１０３の更新処理］
はじめに、スケジュール情報データベース１０３が記憶するスケジュール情報テーブル２０１の更新方法について説明する。スケジュール更新情報テーブル２０１の更新は、スケジュール情報管理サーバ１０３が行う。図６は、スケジュール情報管理サーバ１０３がスケジュール更新情報テーブル２０１を更新する手順を示したフローチャートである。

（ステップＳ１０１）スケジュール情報管理サーバ１０３は、スケジューラ１０１が記憶するスケジュール情報を読み出す。その後、ステップＳ１０２に進む。スケジュール情報は、ユーザＩＤ２０３と、日付２０４と、開始時刻２０５と、終了時刻２０６と、イベント内容２０７と、参加者一覧２０８とを含んでいる。

例えば、スケジューラ１０１はＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ、アプリケーション・プログラミング・インタフェース）を提供しており、スケジュール情報管理サーバ１０３は、このＡＰＩを利用してスケジューラ１０１からスケジュール情報を読み出す。

（ステップＳ１０２）スケジュール情報管理サーバ１０３は、ステップＳ１０１で取得したスケジュール情報と、スケジュール情報データベース１０３のスケジュール更新情報テーブル２０１が記憶する情報とを比較する。その後、ステップＳ１０３に進む。

（ステップＳ１０３）スケジュール更新情報テーブル２０１は、ステップＳ１０２で比較した結果、ステップＳ１０１で取得したスケジュール情報がスケジュール更新情報テーブル２０１に記憶されていないと判断した場合、ステップＳ１０４に進み、それ以外はステップＳ１０５に進む。

（ステップＳ１０４）スケジュール情報管理サーバ１０３は、ステップＳ１０１で取得したスケジュール情報をスケジュール更新情報テーブル２０１に記憶させる。その後、ステップＳ１０５に進む。

（ステップＳ１０５）スケジュール情報管理サーバ１０３は、ステップＳ１０１において、スケジューラ１０１が記憶する全てのスケジュール情報を取得したか否かを判定する。スケジュール情報管理サーバ１０３が、ステップＳ１０１において、スケジューラ１０１が記憶する全てのスケジュール情報を取得したと判断した場合は処理を終了し、それ以外はステップＳ１０１に戻る。

ステップＳ１０１からステップＳ１０５の動作により、スケジューラ１０１が記憶するスケジュール情報を、スケジュール更新情報テーブル２０１が記憶することができる。

［ユーザ関連性データベース１０５の更新処理］
次に、ユーザ関連性データベース１０５のリンクスコアテーブル３０１とキーワードスコアテーブル４０１の更新方法について説明する。リンクスコアテーブル３０１とキーワードスコアテーブル４０１の更新は、スケジュール情報解析システム１０４が行う。図７は、スケジュール情報解析システム１０４がリンクスコアテーブル３０１とキーワードスコアテーブル４０１を更新する手順を示したフローチャートである。

（ステップＳ２０１）スケジュール情報解析システム１０４は、スケジュール情報データベース１０３のスケジュール情報テーブル２０１が記憶するスケジュール情報を全て読み出す。その後、ステップＳ２０２に進む。

（ステップＳ２０２）スケジュール情報解析システム１０４は、ステップＳ２０１で読み出したスケジュール情報に含まれるユーザＩＤ２０３のうち、特定のユーザＩＤ２０３を１つ決定する。続いて、スケジュール情報解析システム１０４は、ステップＳ２０１で取得したスケジュール情報に含まれる、ユーザＩＤ２０３と、参加者一覧２０８との組み合わせから、特定のユーザＩＤ２０３に対して、他のユーザＩＤ毎にスケジュールを共有している回数を算出する。その後、ステップＳ２０３に進む。

例えば、図２に示したスケジュール情報テーブル２０１に基づいて、特定のユーザＩＤ「３０２０」に対して、他のユーザＩＤ毎にスケジュールを共有している回数をスケジュール情報解析システム１０４が算出した結果は以下の通りである。

ユーザＩＤ「３０２０」は、ユーザＩＤ「３０３０」と１回スケジュールを共有しており、ユーザＩＤ「３０４０」と１回スケジュールを共有しており、ユーザＩＤ「３０４１」と１回スケジュールを共有しており、ユーザＩＤ「３０４２」と１回スケジュールを共有しており、ユーザＩＤ「２０００」と１回スケジュールを共有しており、ユーザＩＤ「２０１０」と１回スケジュールを共有している。

（ステップＳ２０３）スケジュール情報解析システム１０４は、ステップＳ２０２で算出した結果に基づいて、特定のユーザＩＤ２０３のリンクハッシュ３０５と既知ユーザ配列３０６とを生成する。その後、ステップＳ２０４に進む。

（ステップＳ２０４）スケジュール情報解析システム１０４は、ユーザ関連性データベース１０５のユーザ情報テーブル５０１から、特定のユーザＩＤ２０３に関連付けられているユーザ名５０５を読み出す。続いて、スケジュール情報解析システム１０４は、特定のユーザＩＤ２０３と、ユーザ情報テーブル５０１から読み出したユーザ名５０５と、ステップＳ２０３で生成したリンクハッシュ３０５と、既知ユーザ配列３０６とを関連付けて、ユーザ関連性データベース１０５のリンクスコアテーブル３０１に記憶させる。その後、ステップＳ２０５に進む。

（ステップＳ２０５）スケジュール情報解析システム１０４は、ステップＳ２０１で読み込んだスケジュール情報に基づいて、特定のユーザＩＤ２０３と、他のユーザＩＤ（共有者ユーザＩＤ４０４）とで共有しているイベント内容２０７の形態素解析を他のユーザＩＤ毎に行い、イベント内容２０７に含まれる単語を抽出し、さらに、抽出した単語の出現回数を算出する。その後、ステップＳ２０６に進む。

（ステップＳ２０６）スケジュール情報解析システム１０４は、ステップＳ２０５で抽出した、特定のユーザＩＤ２０３と他のユーザＩＤとで特定される、イベント内容２０７に含まれる単語と、この単語が出現した回数とからキーワードハッシュ４０５を生成する。続いて、スケジュール情報解析システム１０４は、特定のユーザＩＤ２０３（ユーザＩＤ４０３）と、他のユーザＩＤ（共有者ユーザＩＤ４０４）と生成したキーワードハッシュ４０５とを関連付けて、ユーザ関連性データベース１０５のキーワードスコアテーブル４０１に記憶させる。その後、ステップＳ２０７に進む。

（ステップＳ２０７）スケジュール情報解析システム１０４は、ステップＳ２０１で読み出したスケジュール情報に含まれるユーザＩＤ２０３全てを、ステップＳ２０２で特定のユーザＩＤ２０３としたか否かを判定する。すなわち、ステップＳ２０１で読み出したスケジュール情報に含まれるユーザＩＤ２０３全てに対して、共有者ユーザＩＤ４０４と、キーワードハッシュ４０５を生成したか否かを判定する。ステップＳ２０１で読み出したスケジュール情報に含まれるユーザＩＤ２０３全てを、ステップＳ２０２で特定のユーザＩＤ２０３としたとスケジュール情報解析システム１０４が判定した場合は処理を終了し、それ以外はステップＳ２０１に戻る。

これにより、ユーザＩＤ２０３に関連する、共有者ユーザＩＤ４０４と生成したキーワードハッシュ４０５と生成することができる。

［画像の生成］
次に、グラフ生成システム１０６と画像生成機能部１０７とによるユーザ関連性グラフを示す画像の生成方法について説明する。このユーザ関連性グラフは、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を示したグラフである。

図８は、画像生成機能部１０７が画像を生成するためのソースファイルを、グラフ生成システム１０６が生成する手順を示したフローチャートである。

（ステップＳ３０１）グラフ生成システム１０６は、ユーザ関連性データベース１０５のリンクスコアテーブル３０１が記憶する全ての情報を読み出す。その後、ステップＳ３０２に進む。

（ステップＳ３０２）グラフ生成システム１０６は、ステップＳ３０１で読み出した情報のうち、ユーザＩＤ３０３とリンクハッシュ３０５に含まれるユーザＩＤに基づいて、接続行列を生成する。接続行列は、ユーザＩＤ３０３が特定するユーザと他のユーザＩＤ３０３が特定するユーザとがスケジュールを共有した回数を示す行列である。その後、ステップＳ３０３に進む。

ここで、接続行列について図９を参照して説明する。図９は、接続行列９０１のデータ構造を示した図である。図示する例では、接続行列９０１の第１列目と第１行目はユーザＩＤ２０３である。その他の行および列は、第１列目が示すユーザＩＤ２０３が特定するユーザと第１行目が示すユーザＩＤ２０３が特定するユーザとがスケジュールを共有した回数である。例えば、ユーザＩＤ「２０１０」が特定するユーザと、ユーザＩＤ「２０２０」が特定するユーザとがスケジュールを共有した回数は「４０」回である。

なお、接続行列をＡとし、接続行列Ａの要素をＡｉｊと表す（但し、ｉ≠１，ｊ≠１とする）と、Ａｉｉは、ユーザＩＤ２０３で特定されるユーザのみが参加し、他のユーザＩＤ２０３で特定されるユーザは参加していないスケジュールの回数である。また、Ａｉｊ＝Ａｊｉである。

以下、図８の説明に戻る。
（ステップＳ３０３）グラフ生成システム１０６は、ステップＳ３０１で読み出した情報に含まれる既知ユーザ配列３０６に基づいて、ユーザＩＤ３０３毎の重みを算出する。その後、ステップＳ３０４に進む。本実施形態では、ユーザＩＤ３０３の重みは、既知ユーザ配列３０６の大きさに比例する値である。

（ステップＳ３０４）グラフ生成システム１０６は、ステップＳ３０２で生成した接続行列と、ステップＳ３０３で生成したユーザＩＤ３０３毎の重みとに基づいて、画像生成機能部１０７が用いる描画ツールに応じたソースファイルを生成する。その後、処理を終了する。

例えば、画像生成機能部１０７が描画ツールとしてＧｒａｐｈｖｉｚを用いる場合、グラフ生成システム１０６は、ステップＳ３０２で生成した接続行列と、ステップＳ３０３で生成したユーザＩＤ３０３毎の重みとに基づいて、Ｇｒａｐｈｖｉｚ形式の画像のソースファイルを生成する。

画像生成機能部１０７は、グラフ生成システム１０６が生成したソースファイルに基づいて、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を示したユーザ関連性グラフを示す画像を生成する。

図１０は、画像生成機能部１０７が生成したユーザ関連性グラフを示した図である。図示する例では、ノード１００２はユーザを表しており、ノード１００２内に示されている数値はユーザＩＤ２０３である。ノード１００２の大きさは、ステップＳ３０３で算出したユーザＩＤ３０３の重みに応じた大きさである。すなわち、ノード１００２の大きさは、リンクスコアテーブル３０１において、ユーザＩＤ２０３に関連付けられている既知ユーザ配列３０６の大きさと比例している。これにより、ノード１００２の大きさを確認することで、そのノードが示しているユーザＩＤ２０３に関連付けられている既知ユーザの多さを確認することができる。

例えば、ノード１００２のうち、ユーザＩＤ「６０２０」を示すノード１００２は、他のノード１００２よりも大きい。これにより、ユーザＩＤ「６０２０」に関連付けられている既知ユーザの数が他のユーザＩＤに関連付けられている既知ユーザの数よりも大きいことがわかる。

また、リンク１００３は、ノード１００２同士を接続する線であり、接続しているノード１００２が示すユーザが、スケジュールを共有したことを示す。また、リンク１００３に付されている数値は、スケジュールを共有した回数を示す。このリンク１００３と、リンク１００３に付されている数値は、ステップＳ３０２で算出した接続行列に基づいて描画されている。

例えば、ユーザＩＤ「６０２０」を示すノード１００２と、ユーザＩＤ「６０６０」を示すノード１００２とがリンク１００３で接続されている。また、このリンク１００３に付されている数値は「８」である。これにより、ユーザＩＤ「６０２０」で特定されるユーザと、ユーザＩＤ「６０６０」で特定されるユーザとは、スケジュールを８回共有していることがわかる。

上述したとおり、本実施形態によれば、ユーザの日常生活やユーザの行動を示すスケジュール情報のみを取得し、取得したスケジュール情報に基づいて複数のユーザ間の関連性を解析している。そのため、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を、より少ない情報に基づいて解析することができる。また、解析した情報に基づいて、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を示すグラフを生成することができる。これにより、日常生活において結びつきの強いユーザ同士の関連性や、同じような行動をとっているユーザ同士の関連性を視覚的に知ることができる。また、日常のユーザ同士の繋がりを視覚的に知ることができ、コミュニティ内における主要ユーザを発見することができる。また、例えば、本実施形態を企業内のオンラインスケジューラに適用することにより、組織診断や、組織マネジメントへ応用することができる。

以上、図面を参照して本発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

また、関連性解析システムの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、関連性解析システムを実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１０１・・・スケジューラ、１０２・・・スケジュール情報管理サーバ、１０３・・・スケジュール情報データベース、１０４・・・スケジュール情報解析システム、１０５・・・ユーザ関連性データベース、１０６・・・グラフ生成システム、１０７・・・画像生成機能部、１０８・・・ユーザ端末

Claims (3)

1. 複数のユーザのスケジュール情報を取得するスケジュール情報管理部と、
   前記スケジュール情報管理部が取得した前記スケジュール情報に基づいて、前記複数のユーザ間の関連性を示す関連性情報を生成するスケジュール情報解析部と、
   前記スケジュール情報解析部が生成した前記関連性情報に基づいて、前記複数のユーザ間の関連性を示す画像を生成する画像生成部と、
   を備えることを特徴とする関連性解析システム。
2. 前記関連性情報は、前記スケジュール情報解析部が、前記ユーザと、当該ユーザとは異なるユーザとが同一のスケジュールを実行する回数を示す情報を、当該ユーザと当該ユーザとは異なるユーザとの組み合わせ毎に生成した情報と、前記スケジュール情報解析部が、前記ユーザと同一のスケジュールを実行した当該ユーザとは異なるユーザの数を示す情報と
   を含んだことを特徴とする請求項１に記載の関連性解析システム。
3. スケジュール情報管理部が、複数のユーザのスケジュール情報を取得するスケジュール情報管理ステップと、
   スケジュール情報解析部が、前記スケジュール情報管理ステップで取得した前記スケジュール情報に基づいて、前記複数のユーザ間の関連性を示す関連性情報を生成するスケジュール情報解析ステップと、
   画像生成部が、前記スケジュール情報解析ステップで生成した前記関連性情報に基づいて、前記複数のユーザ間の関連性を示す画像を生成する画像生成ステップと、
   を含むことを特徴とする関連性解析方法。

Images