JP2013225181A - Information recommendation system, method, and program - Google Patents
Information recommendation system, method, and program Download PDFInfo
- Publication number
- JP2013225181A JP2013225181A JP2012096120A JP2012096120A JP2013225181A JP 2013225181 A JP2013225181 A JP 2013225181A JP 2012096120 A JP2012096120 A JP 2012096120A JP 2012096120 A JP2012096120 A JP 2012096120A JP 2013225181 A JP2013225181 A JP 2013225181A
- Authority
- JP
- Japan
- Prior art keywords
- information
- article
- user
- software
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、ソフトウェア開発業務上で発生する問題点を解決するための情報共有方式に関し、特に、ライセンス管理システムや社内ＳＮＳ（Social Networking Service）などの社内情報システムを活用し、開発者のニーズに合致した情報を提示する技術に関する。 The present invention relates to an information sharing method for solving problems that occur in software development work, and in particular, uses an in-house information system such as a license management system or an in-house SNS (Social Networking Service) to meet the needs of developers. The present invention relates to a technique for presenting matched information.
ソフトウェア開発業務においては、顧客要件を基に要求仕様を定義し、外部設計、内部設計、プログラミングやテストといった工程を踏んで、顧客業務に資する業務システムを構築していく。このうち、特に内部設計以降の工程では、顧客要件の技術的な実現可能性の調査、プログラミングのための技術資料の検索、ソフトウェアの不良対策などのさまざまな場面で、技術的問題に関する調査が必要になってくる。この技術的問題の調査の手段の一つとして、インターネット上の検索エンジンにキーワードを入力し、その検索結果を精査するという手法が広く取られている。この手法によって調査を行う調査者は、一般に、検索結果を精査するという作業において、数多くの検索結果を開いて解読し、得られた情報が自分の抱えている問題に対して有効であるかどうかを判断しなくてはならない。 In software development work, requirements specifications are defined based on customer requirements, and a business system that contributes to customer work is built through steps such as external design, internal design, programming, and testing. Of these, especially in the processes after internal design, it is necessary to investigate technical issues in various situations such as investigation of technical feasibility of customer requirements, search of technical data for programming, countermeasures for software defects, etc. It becomes. As a means for investigating this technical problem, a technique is widely used in which a keyword is input to a search engine on the Internet and the search result is scrutinized. Investigators conducting research using this method generally open and decipher many search results in the task of examining the search results, and whether the obtained information is effective for the problems they have Must be judged.
技術的問題の調査に関する従来技術として、調査者が抱えている問題を解決するのに必要な情報だけを調査者に提供することにより、前述の調査者の負担を軽減する技術が提供されている（特許文献１を参照）。 As a conventional technique for investigating a technical problem, a technique for reducing the burden on the investigator is provided by providing the investigator with only information necessary for solving the problem the investigator has. (See Patent Document 1).
ソフトウェア開発業務においては、開発ツールやプログラミング言語、テストツールなどの開発支援ツールはもちろんのこと、典型的な企業向け情報システムでは、アプリケーションサーバやデータベースサーバ、それらを運用するサーバ機やその上のオペレーティングシステムなど、さまざまなツールを駆使しながら業務を遂行する。前述のツール群は、例えばアプリケーションサーバ一つを取ってみると、営利企業やオープンソースコミュニティなどの、アプリケーションサーバの開発を行っている団体が機能の改善を行い、新しいバージョンを公開するといったことを継続的に行っている。このことは、アプリケーションサーバに限らず、ソフトウェア開発業務において開発業務に従事する者が利用するツール群全般に言える。 In software development work, not only development support tools such as development tools, programming languages, and test tools, but also typical enterprise information systems include application servers, database servers, server machines that operate them, and operating systems on them. Work with various tools such as systems. For example, if you take one application server, the group that develops the application server, such as a commercial company or open source community, improves the function and releases a new version. It is ongoing. This is not limited to application servers, but can be applied to all tool groups used by those engaged in development work in software development work.
前述のツール群は、バージョンアップによって旧バージョンの不具合が解消されたり、逆に新しい不具合が作りこまれたりしている。従って、前述のツール群を駆使してソフトウェアを開発する業務における技術的問題の調査を行うときは、前述のツール群のバージョンも重要な手掛かりとなる。 The above-mentioned tools have been solved to solve the problems of the old version by upgrading the version, and conversely, new problems have been created. Therefore, the version of the above-mentioned tool group is also an important clue when investigating a technical problem in the task of developing software using the above-mentioned tool group.
さらに、前述の技術的問題の調査において、実際に調査を実施するのは、プログラマであることが多い。多くの場合、業務経験の浅い担当者がソフトウェア開発業務のうちプログラミングを任されるので、当該業務経験の浅い担当者が調査を実施することがしばしば起こる。しかし、業務経験の浅い担当者は、開発ツールやアプリケーションサーバなどがどのオペレーティングシステム向けのものであるかを意識しなかったり、開発ツールやアプリケーションサーバなどのバージョンを指定せずに情報を検索したりすることが多くある。このため、特許文献１に示す技術を利用して情報を得ても、それが技術的問題の解決に結びつかず、開発業務が停滞するという問題があった。 Further, in the investigation of the technical problem described above, it is often a programmer who actually conducts the investigation. In many cases, a person in charge of inexperienced work is assigned programming in the software development work, and therefore a person in charge of inexperienced work often conducts an investigation. However, a person with little work experience is not aware of which operating system the development tool or application server is for, or searches for information without specifying the version of the development tool or application server. There are many things to do. For this reason, even if information was obtained using the technique shown in Patent Document 1, it did not lead to the solution of the technical problem, and there was a problem that development work was stagnant.
また、ツールの名称に加えて、そのツールのバージョンを表す文字列を指定して検索を行った場合でも、バージョンを表す文字列は“１２．３．４５６７”のように、数字を並べたものとなり、検索キーワードとしては有効に機能しない場合がある。このため、調査担当者は、得られた検索結果を、自分が使用しているツール群のバージョンに従った形で得ることができず、調査担当者が使用している端末に表示された検索結果を順に精査し、自分が使用しているツール群のバージョンに合致したものかどうかを確認しなくてはならなかった。 In addition to the name of the tool, even when a search is performed by specifying a character string representing the version of the tool, the character string representing the version is a string in which numbers are arranged as "12.3.4567". Thus, it may not function effectively as a search keyword. For this reason, the researcher cannot obtain the search results obtained according to the version of the tool group he / she is using, and the search displayed on the terminal used by the researcher. I had to scrutinize the results in order and see if they matched the version of the tools I was using.
さらに、ソフトウェア開発業務を行う企業においては、開発対象ソフトウェアのエンドユーザの業種によって所属が別れていることが多い。しかし、金融業向けと製造業向けとで同じオープンソースのアプリケーションサーバを利用するなど、異なる業種を担当する技術者や異なる部門に所属する技術者が、同じ技術要素を利用していることが通常である。また、技術的問題の調査スキルは属人的である。したがって、例えば、金融業を担当業種とする技術者がある問題の調査を行い、不幸にして解決に結びつかなかった場合でも、あとで同じ技術要素を利用している製造業を担当業種とする技術者が同じ問題に遭遇し、調査の結果解決できたということが起こる。このような、技術的問題の解決に結びついた情報は、生産性向上の観点から、社内ＳＮＳに当該情報を投稿するなどの手段によって部門横断的に共有される。しかし、投稿された情報は、その情報を利用したいユーザによって検索されないと利用されることがないという問題があった。 Furthermore, companies that conduct software development work often have different affiliations depending on the type of end user of the development target software. However, it is common for engineers in different industries or engineers belonging to different departments to use the same technical elements, such as using the same open source application server for the financial industry and the manufacturing industry. It is. Also, technical problem investigation skills are personal. Therefore, for example, even if an engineer in charge of the financial industry investigates a problem and unfortunately does not lead to a solution, the technology in which the manufacturing industry that uses the same technical elements later is in charge Happens that the person encountered the same problem and was able to solve it as a result of the investigation. Information related to solving such technical problems is shared across departments by means such as posting the information to an in-house SNS from the viewpoint of improving productivity. However, there is a problem that posted information is not used unless it is searched by a user who wants to use the information.
本発明は、このような状況に鑑みなされたものであり、ソフトウェア開発業務において発生する問題点を解決するための情報共有方式のうち、ライセンス管理システムや社内ＳＮＳなどの社内情報システムを活用し、開発者のニーズに合致した情報を効率的に提示できるようにすることを目的とするものである。
The present invention has been made in view of such a situation. Among information sharing methods for solving problems that occur in software development work, an in-house information system such as a license management system or an in-house SNS is utilized. The purpose is to enable efficient presentation of information that meets the needs of developers.
上記課題を解決するために、請求項１に係る情報レコメンドシステムは、所定の組織内のユーザが記事を投稿し該記事を該組織内の他のユーザが参照できる機能を備える内部ネットワークシステムと、前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管手段と、前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定手段と、前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示手段とを備えることを特徴とする。 In order to solve the above-mentioned problem, an information recommendation system according to claim 1 is an internal network system having a function that allows a user in a predetermined organization to post an article so that other users in the organization can refer to the article. When an arbitrary user in the organization searches for information using the Internet, a search history storage means for storing the history of the information search, and an article of a posted article triggered by posting an article to the internal network system A search history that has been searched in the past with a search keyword similar to the content is searched from the search history storage means, and a user who has searched in the past with a search keyword similar to the posted article content is recommended information notification destination To the recommended information notification destination determining means determined as the recommended information notification destination and the user determined as the recommended information notification destination. Characterized in that it comprises a recommended information presenting means for presenting the article which is as recommendations.
請求項２に係る発明は、請求項１に記載の情報レコメンドシステムにおいて、前記おすすめ情報通知先決定手段は、前記投稿された記事の記事内容に含まれるソフトウェアのバージョンと、前記検索履歴に含まれる検索されたソフトウェアのバージョンとを比較して、それらのバージョンが近いほど高くなる類似度を求め、求めた類似度が所定値以上の場合に、当該検索履歴の検索を行ったユーザをおすすめ情報通知先として決定することを特徴とする。 The invention according to claim 2 is the information recommendation system according to claim 1, wherein the recommended information notification destination determination means is included in the version of software included in the article content of the posted article and the search history. Compared with the searched software versions, the similarity that is higher as those versions get closer is calculated, and when the calculated similarity is greater than or equal to a predetermined value, the user who searched the search history is notified of the recommended information It is characterized in that it is determined first.
請求項３に係る発明は、請求項１に記載の情報レコメンドシステムにおいて、前記おすすめ情報通知先決定手段は、前記投稿された記事の記事内容に含まれるソフトウェアのバージョンおよび機能と、前記検索履歴に含まれる検索されたソフトウェアのバージョンおよび機能とを比較して、それらのバージョンおよび機能が近いほど高くなる類似度を求め、求めた類似度が所定値以上の場合に、当該検索履歴の検索を行ったユーザをおすすめ情報通知先として決定することを特徴とする。 According to a third aspect of the present invention, in the information recommendation system according to the first aspect, the recommended information notification destination determination unit includes a version and a function of software included in the article content of the posted article, and the search history. The version and function of the searched software included are compared, the similarity that increases as the version and function are closer is obtained, and if the obtained similarity is equal to or greater than the predetermined value, the search history is searched. The user is determined as a recommended information notification destination.
請求項４に係る発明は、請求項１から３の何れか１つに記載の情報レコメンドシステムにおいて、前記検索履歴保管手段に保管される各検索履歴は、その検索履歴の新しさを示す指標である鮮度情報を含み、前記おすすめ情報通知先決定手段は、前記類似度と前記鮮度情報に基づいて、おすすめ情報通知先のユーザを決定することを特徴とする。 According to a fourth aspect of the present invention, in the information recommendation system according to any one of the first to third aspects, each search history stored in the search history storage means is an index indicating a newness of the search history. The recommendation information notification destination determination unit includes certain freshness information, and determines a recommended information notification destination user based on the similarity and the freshness information.
請求項５に係る発明は、請求項４に記載の情報レコメンドシステムにおいて、前記各検索履歴が含む鮮度情報を、各検索履歴の検索実行時からの経過時間によって定期的に更新する手段をさらに備えることを特徴とする。 The invention according to claim 5 is the information recommendation system according to claim 4, further comprising means for periodically updating the freshness information included in each search history according to the elapsed time from the search execution of each search history. It is characterized by that.
請求項６に係る発明は、請求項４または５に記載の情報レコメンドシステムにおいて、前記鮮度情報を、検索を行ったユーザの所属の変化や、グループウェアに登録されている会議の予約情報を基にした当該ユーザに業務上関連する人物の変化に応じて、更新する鮮度更新手段をさらに備えることを特徴とする。 According to a sixth aspect of the present invention, in the information recommendation system according to the fourth or fifth aspect, the freshness information is based on a change in affiliation of a user who has performed a search or conference reservation information registered in groupware. The apparatus further includes a freshness update means for updating the user according to a change in a person related to the user on the job.
請求項７に係る発明は、請求項１から６の何れか１つに記載の情報レコメンドシステムにおいて、前記内部ネットワークシステムに投稿された各記事に対し、ユーザがその記事に対する有用度を入力する手段と、前記有用度の入力をトリガーとして、該有用度が入力された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報再通知先として決定するおすすめ情報再通知先決定手段と、前記おすすめ情報再通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報再提示手段とをさらに備えることを特徴とする。 According to a seventh aspect of the present invention, in the information recommendation system according to any one of the first to sixth aspects, for each article posted to the internal network system, a means for a user to input a usefulness for the article Then, using the input of the usefulness as a trigger, the search history storage unit is searched for a search history that has been searched in the past with a search keyword similar to the article content of the article in which the usefulness is input, and the posted Recommended information re-notification destination determination means for determining a user who has searched in the past with a search keyword similar to the article content as a recommended information re-notification destination, and for the user determined as the recommended information re-notification destination, It further comprises recommended information re-presenting means for presenting posted articles as recommended information.
請求項８に係る情報レコメンド方法は、所定の組織内のユーザが記事を投稿し該記事を該組織内の他のユーザが参照できる機能を備える内部ネットワークシステムにおいて任意のユーザが記事を投稿する記事投稿工程と、前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管工程と、前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定工程と、前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示工程とを備えることを特徴とする。 The information recommendation method according to claim 8 is an article in which an arbitrary user posts an article in an internal network system having a function in which a user in a predetermined organization posts an article and the article can be referred to by other users in the organization. Posting process, when an arbitrary user in the organization searches for information using the Internet, a search history storage process for storing the history of the information search, and posting an article to the internal network system as a trigger Search history that was searched in the past with a search keyword similar to the article content of the posted article, and determine the user who had previously searched with the search keyword similar to the posted article content as the recommended information notification destination To the recommended information notification destination determination step and the user determined as the recommended information notification destination. Characterized in that it comprises a recommended information presentation step of presenting the articles as recommendations.
請求項９は、コンピュータを、所定の組織内のユーザが記事を投稿し該記事を該組織内の他のユーザが参照できる機能を備える内部ネットワークシステムと、前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管手段と、前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定手段と、前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示手段とを備える情報レコメンドシステムとして機能させることを特徴とする情報レコメンドプログラムである。 According to a ninth aspect of the present invention, there is provided an internal network system provided with a function of allowing a user in a predetermined organization to post an article and allowing other users in the organization to refer to the article; When searching for information, search history storage means for storing the history of the information search, and using the search keyword similar to the article content of the posted article as a trigger using the article posting to the internal network system as a trigger And a recommended information notification destination determination unit that searches the search history storage unit for the search history that has been performed and determines a user who has previously searched for a search keyword similar to the posted article content as a recommended information notification destination. The posted article is presented as recommended information to the user who is determined as the recommended information notification destination. Is information recommendation program for causing to function as an information recommendation system and a recommended information presentation unit.
本発明によれば、例えばソフトウェア開発業務における技術的問題の調査において、調査実施者は、業務経験の浅いソフトウェア開発者であっても、自身が利用している開発ツールのバージョンや組み合わせに適合した技術情報を得ることができるようになる。また、自身が利用している開発ツールのバージョンや組み合わせに適合した技術情報を得ることができるので、得られた情報をユーザが自分自身の目で精査する必要がなくなる。さらに、組織内での部門横断的な技術情報の共有が進み、組織全体の開発生産性を向上させることができる。 According to the present invention, for example, in the investigation of a technical problem in software development work, even if the investigator is a software developer who has little work experience, he or she has adapted to the version and combination of development tools used by himself / herself. Technical information can be obtained. Further, since it is possible to obtain technical information suitable for the version and combination of development tools used by the user, it is not necessary for the user to scrutinize the obtained information with his own eyes. Furthermore, cross-departmental sharing of technical information within the organization proceeds, and the development productivity of the entire organization can be improved.
以下、添付図面を参照して本発明の実施形態について説明する。本実施形態は、本発明を実現するための一例に過ぎず、本発明の技術的範囲を限定するものではない。また、各図において、共通の構成については同一の参照番号を付すものとする。 Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. This embodiment is merely an example for realizing the present invention, and does not limit the technical scope of the present invention. Moreover, in each figure, the same reference number is attached | subjected about a common structure.
（１）基本的な実施形態
後述する改良された実施形態の基本となる実施形態について以下説明する。
(1) Basic Embodiment The basic embodiment of the improved embodiment described later will be described below.
＜情報レコメンド方式の構成＞
図１は、本発明を適用した情報レコメンド方式におけるシステム構成例を示すブロック図である。この情報レコメンド方式は、１台または複数台のユーザ端末と社内ＳＮＳとライセンス管理システムとプロキシサーバを有し、それらがネットワークで接続された構成となっている。
<Configuration of information recommendation method>
FIG. 1 is a block diagram showing an example of a system configuration in an information recommendation system to which the present invention is applied. This information recommendation method has one or a plurality of user terminals, an in-house SNS, a license management system, and a proxy server, which are connected via a network.
ユーザ端末１は、インターネットの検索エンジンを利用するために検索キーワードを入力する検索キーワード入力部１０１−１と、社内ＳＮＳに投稿された技術情報のうち過去に検索キーワード入力部１０１−１で指定したキーワードに関連の深い情報をおすすめ情報として受信するおすすめ情報受信部１０２−１と、おすすめ情報受信部１０２−１で受信した情報をおすすめ情報として表示するおすすめ情報表示部１０３−１と、社内ＳＮＳに投稿する記事を入力するＳＮＳ投稿記事情報入力部１０４−１と、ユーザ端末１のユーザ以外によって社内ＳＮＳに投稿された記事への評価を入力するＳＮＳ投稿記事評価部１０５−１を有している。 The user terminal 1 is designated by the search keyword input unit 101-1 for inputting a search keyword to use a search engine of the Internet, and the search keyword input unit 101-1 in the past among the technical information posted to the in-house SNS. Recommended information receiving unit 102-1 that receives information closely related to keywords as recommended information, recommended information display unit 103-1 that displays information received by recommended information receiving unit 102-1 as recommended information, and in-house SNS It has the SNS contribution article information input part 104-1 which inputs the article to contribute, and the SNS contribution article evaluation part 105-1 which inputs the evaluation to the article contributed to the company SNS by a user other than the user of the user terminal 1. .
ユーザ端末２は、上記ユーザ端末１と同様のものである。ユーザ端末２の１０１ー２〜１０５ー２は、それぞれ、ユーザ端末１の１０１ー１〜１０５ー１に対応する。ここではユーザ端末が２台の場合を例として説明するが、ユーザ端末の台数は任意である。 The user terminal 2 is the same as the user terminal 1 described above. 101-2 to 105-2 of the user terminal 2 correspond to 101-1 to 105-1 of the user terminal 1, respectively. Here, a case where there are two user terminals will be described as an example, but the number of user terminals is arbitrary.
社内ＳＮＳ１１０は、当該社内ＳＮＳに投稿された記事の情報を格納するＳＮＳＤＢ（ＳＮＳデータベース）１１１と、ＳＮＳ投稿記事情報入力部１０４−１，１０４−２によって入力された記事を構内ネットワーク経由で受信し、受信した記事をＳＮＳＤＢ１１１に登録するＳＮＳ投稿記事登録部１１２と、社内ＳＮＳに記事が投稿されたときに、当該記事に関連する開発業務用ソフトウェアの情報を抽出するＳＮＳ投稿記事関連技術情報抽出部１１３と、前述の記事からＳＮＳ投稿記事関連技術情報抽出部１１３によって抽出された技術情報を基に、前述の記事を必要としているユーザの一覧を抽出するＳＮＳ投稿記事関連検索履歴抽出部１１４と、ＳＮＳ投稿記事関連検索履歴抽出部１１４によって抽出されたユーザの各々に対して前述の記事をおすすめ情報として構内ネットワークを通して通知する投稿記事情報通知部１１５と、ＳＮＳ投稿記事評価部１０５−１，１０５−２によって入力された社内ＳＮＳの記事への評価をＳＮＳＤＢ１１１に格納する記事評価更新部１１６と、記事評価更新部１１６によって記事の評価が更新されたときに、当該記事を必要としているユーザの一覧を再抽出し、当該記事をまだおすすめ記事として通知していないユーザにおすすめ記事として通知する評価記事情報通知部１１７とを有している。
The in-
ライセンス管理システム１２０は、構内ネットワークに接続されているユーザ端末と、各々のユーザ端末にインストールされているソフトウェアの情報と、構内ネットワークに接続されているユーザ端末にインストールすることができるソフトウェアの情報とを保管するライセンス管理ＤＢ１２１を有している。
The
プロキシサーバ１３０は、検索キーワード入力部１０１−１，１０１−２によって入力された検索キーワードを基にした技術情報の検索履歴を保管する検索履歴ＤＢ１３１と、検索キーワード入力部１０１−１，１０１−２からのインターネットの検索エンジンの利用を含む、構内ネットワークからのインターネットへの接続要求を受け付けるユーザリクエスト受信部１３２と、ユーザリクエスト受信部１３２によって受け付けられたユーザリクエストであって、インターネットの検索エンジンを利用することを要求するユーザリクエストから検索キーワードを抜き出し、技術情報の検索に当たるものを検索履歴ＤＢ１３１に保管する技術情報検索履歴保管部１３３と、技術情報検索履歴保管部１３３によって検索履歴ＤＢ１３１に保管された検索履歴の鮮度を定期的に更新する技術情報検索履歴鮮度更新部１３４とを有している。
The
＜データ構造＞
図２は、図１に示したＳＮＳＤＢ１１１、ライセンス管理ＤＢ１２１、および検索履歴ＤＢ１３１のデータ構造例を示す図である。
<Data structure>
FIG. 2 is a diagram illustrating a data structure example of the SNS DB 111, the license management DB 121, and the search history DB 131 illustrated in FIG.
ＳＮＳＤＢ１１１は、社内ＳＮＳに投稿された記事の内容を保管する記事情報２０１と、記事情報２０１に保管された記事に関連する開発業務用ソフトウェアの情報を保管する記事ソフト関連情報２０２と、社内ＳＮＳのユーザ情報を保管するユーザ情報２０３と、社内ＳＮＳのユーザと当該ユーザに対して通知済みの社内ＳＮＳの記事との対応関係の情報を保管する記事通知済みユーザ情報２０４を有している。 The SNS DB 111 includes article information 201 that stores the contents of articles posted to the in-house SNS, article software related information 202 that stores information on software for development related to articles stored in the article information 201, and internal SNS. User information 203 for storing user information, and article-notified user information 204 for storing information on the correspondence relationship between a user of an in-house SNS and an in-house SNS article notified to the user.
記事情報２０１は、データ項目として、記事を一意に識別する記事ＩＤ２０１−１と、記事ＩＤ２０１−１によって一意に識別される記事を投稿したユーザのＩＤを表す投稿ユーザＩＤ２０１−２と、前述の記事のタイトルを表す記事名２０１−３と、当該記事の本文を表すコンテンツ２０１−４と、当該記事に対して投稿ユーザＩＤ２０１−２が表すユーザが記事の分類を行うために付与する文字列を表すタグ２０１−５と、当該記事に対する、投稿ユーザＩＤ２０１−２のユーザ以外のユーザの評価結果を整数値で表す有用度２０１−６とを有する。タグ２０１−５は、投稿ユーザＩＤ２０１−２のユーザが、必要であれば一つの記事に対して２つ以上付与してもよい。有用度２０１−６は、記事作成時は０で設定されるが、社内ＳＮＳのユーザが当該記事を有効であると評価するごとに、数値１が加算される。同じユーザが同じ記事に対して有効であると評価することは、１回のみ可能である。 The article information 201 includes, as data items, an article ID 201-1 that uniquely identifies an article, a posting user ID 201-2 that represents an ID of a user who has posted an article uniquely identified by the article ID 201-1, and the above-described article. An article name 201-3 representing the title of the article, a content 201-4 representing the body of the article, and a character string assigned to the article by the user represented by the posting user ID 201-2 to classify the article A tag 201-5, and a usefulness 201-6 that represents an evaluation result of a user other than the user of the posting user ID 201-2 with respect to the article as an integer value Two or more tags 201-5 may be assigned to one article by the user of the posting user ID 201-2 if necessary. The usefulness 201-6 is set to 0 when an article is created, but a numerical value 1 is added every time a user of the in-house SNS evaluates the article as valid. Evaluating the same user as valid for the same article can only be done once.
記事ソフト関連情報２０２は、データ項目として、記事情報２０１の記事ＩＤ２０１−１で表される記事の関連情報であることを表す記事ＩＤ２０２−１と、記事ＩＤ２０２−１で表される記事に関連する開発業務用ソフトウェアを表すソフトＩＤ２０２−２と、記事ＩＤ２０２−１で表される記事に関連する開発業務用ソフトウェアであって、ソフトＩＤ２０２−２で表される開発業務用ソフトウェアのバージョンを表すバージョン２０２−３とを有する。記事ソフト関連情報２０２は、ひとつの記事ＩＤ２０２−１に対して、複数のソフトＩＤ２０２−２を持つことができる。この場合は、同じひとつの記事ＩＤ２０２−１に対して、関連するソフトＩＤ２０２−２の数だけ、記事ソフト関連情報２０２のレコードが存在することになる。 The article software related information 202 is related to an article ID 202-1 indicating that it is related information of an article represented by the article ID 201-1 of the article information 201 and an article represented by the article ID 202-1 as data items. Software ID 202-2 representing software for development work and software for development work related to the article represented by article ID 202-1, which is a version 202 representing the version of the software for development work represented by software ID 202-2 -3. The article software related information 202 can have a plurality of software IDs 202-2 for one article ID 202-1. In this case, there are as many records of the article software related information 202 as the number of related software IDs 202-2 for the same article ID 202-1.
ユーザ情報２０３は、データ項目として、社内ＳＮＳのユーザを一意に識別するユーザＩＤ２０３−１と、ユーザの名前を表すユーザ名２０３−２とを有する。ユーザ情報２０３は、前述のデータ項目の他、社内ＳＮＳへの認証に用いるパスワードや、所属部署、役職、性別、趣味、自己紹介などの情報を有していてもよい。記事通知済ユーザ情報２０４は、データ項目として、ユーザ情報２０３によって社内ＳＮＳのユーザを一意に識別するユーザＩＤ２０４−１と、ユーザＩＤ２０４−１のユーザに対して通知済みの記事を記事情報２０１によって一意に識別する記事ＩＤ２０４−２とを有する。 The user information 203 includes, as data items, a user ID 203-1 that uniquely identifies a user of the in-house SNS and a user name 203-2 that represents the name of the user. In addition to the data items described above, the user information 203 may include information such as a password used for authentication to the in-house SNS, department, job title, gender, hobby, and self-introduction. The article notified user information 204 includes, as data items, a user ID 204-1 for uniquely identifying a user of the in-house SNS by the user information 203, and an article notified to the user of the user ID 204-1 by the article information 201. And an article ID 204-2 for identification.
ライセンス管理ＤＢ１２１は、構内ネットワークに接続する端末の情報を保管する端末情報２１１と、構内ネットワークに接続する端末にインストールされているソフトウェアの情報を保管するライセンス情報２１２と、構内ネットワークに接続する端末にインストール可能なソフトウェアの情報を格納するソフト情報２１３とを有する。 The license management DB 121 includes terminal information 211 for storing information on terminals connected to the local network, license information 212 for storing software information installed on the terminals connected to the local network, and terminals connected to the local network. Software information 213 for storing information of installable software.
端末情報２１１は、データ項目として、当該端末を利用するユーザを識別するユーザＩＤ２１１−１と、当該端末を一意に識別する端末ＩＤ２１１−２と、当該端末の用途を表す用途２１１−３とを有する。ユーザＩＤ２１１−１は、前述のＳＮＳＤＢのユーザ情報２０３のデータ項目であるユーザＩＤ２０３−１と対応している。 The terminal information 211 includes, as data items, a user ID 211-1 that identifies a user who uses the terminal, a terminal ID 211-2 that uniquely identifies the terminal, and a use 211-3 that represents the use of the terminal. . The user ID 211-1 corresponds to the user ID 203-1, which is a data item of the above-described SNSDB user information 203.
ライセンス情報２１２は、データ項目として、ソフトウェアのインストール先の端末を識別する端末ＩＤ２１２−１と、端末ＩＤ２１２−１の端末にインストールされているソフトウェアを識別するソフトＩＤ２１２−２と、端末ＩＤ２１２−１の端末にインストールされている、ソフトＩＤ２１２−２で識別されるソフトウェアのバージョンを表すバージョン２１２−３とを有する。端末ＩＤ２１２−１は、端末情報２１１のデータ項目である端末ＩＤ２１１−２に対応している。ソフトＩＤ２１２−２は、後述のソフト情報２１３のデータ項目であるソフトＩＤ２１３−１に対応している。 The license information 212 includes, as data items, a terminal ID 212-1 for identifying a terminal on which software is installed, a software ID 212-2 for identifying software installed on the terminal with the terminal ID 212-1, and a terminal ID 212-1. And a version 212-3 representing the version of the software identified by the software ID 212-2 installed in the terminal. The terminal ID 212-1 corresponds to the terminal ID 211-2 which is a data item of the terminal information 211. The software ID 212-2 corresponds to a software ID 213-1 which is a data item of software information 213 described later.
ソフト情報２１３は、データ項目として、ソフトウェアを一意に識別するソフトＩＤ２１３−１と、ソフトＩＤ２１３−１で識別されるソフトウェアの名称を表すソフト名２１３−２と、ソフトＩＤ２１３−１で識別されるソフトウェアの種別を表すソフト種別２１３−３とを有する。ソフト種別２１３−３には、例えば、オペレーティングシステム、文書作成、電子メール、開発業務用などの種別を特定する値が格納される。 The software information 213 includes, as data items, a software ID 213-1 that uniquely identifies software, a software name 213-2 that represents the name of the software identified by the software ID 213-1, and software that is identified by the software ID 213-1. And a software type 213-3 representing the type. In the software type 213-3, for example, a value specifying the type such as operating system, document creation, e-mail, and development work is stored.
検索履歴ＤＢ１３１は、インターネット上の検索エンジンを用いた、構内ネットワークに接続されている端末のユーザによる技術情報検索の履歴を保管する技術情報検索履歴２２１と、技術情報検索履歴２２１に関連する開発業務用ソフトウェアの情報を保管する技術情報検索履歴関連ソフトウェア２２２とを有する。 The search history DB 131 uses a search engine on the Internet to store a technical information search history 221 for storing a history of technical information search by a user of a terminal connected to a local network, and development work related to the technical information search history 221. Technical information search history related software 222 for storing software information.
技術情報検索履歴２２１は、データ項目として、検索履歴を一意に識別する検索履歴ＩＤ２２１−１と、検索履歴ＩＤ２２１−１で識別される検索を実行したユーザを表すユーザＩＤ２２１−２と、検索履歴ＩＤ２２１−１で識別される検索で指定された検索キーワードを表す検索キーワード２２１−３と、検索履歴ＩＤ２２１−１で識別される検索を実行した日付および時刻を表す検索実行日時２２１−４と、検索履歴ＩＤ２２１−１で識別される検索を行うことでユーザＩＤ２２１−２のユーザが欲しかった情報が得られなかったとき、当該ユーザがその情報を今どの程度欲しがっているかを数値で表す鮮度２２１−５を有する。ユーザＩＤ２２１−２は、ＳＮＳＤＢ１１１のユーザ情報２０３のデータ項目であるユーザＩＤ２０３−１に対応する。鮮度２２１−５は、０．００以上１．００以下の浮動小数点数で表される。 The technical information search history 221 includes, as data items, a search history ID 221-1 that uniquely identifies a search history, a user ID 221-2 that represents a user who has performed a search identified by the search history ID 221-1, and a search history ID 221. Search keyword 221-3 representing the search keyword specified in the search identified by -1, search execution date and time 221-4 representing the date and time when the search identified by the search history ID 221-1 was performed, and search history When the information desired by the user of the user ID 221-2 is not obtained by performing the search identified by the ID 221-1, the freshness 221- representing the numerical value of how much the user wants the information now 5 The user ID 221-2 corresponds to the user ID 203-1, which is a data item of the user information 203 of the SNSDB 111. The freshness 221-5 is represented by a floating point number between 0.00 and 1.00.
技術情報検索履歴関連ソフトウェア２２２は、データ項目として、技術情報検索履歴２２１の検索履歴ＩＤ２２１−１で表される検索履歴の関連情報であることを表す検索履歴ＩＤ２２２−１と、検索履歴ＩＤ２２２−１で表される検索履歴に関連する開発業務用ソフトウェアを表す関連ソフトＩＤ２２２−２と、検索履歴ＩＤ２２１−１で表される検索履歴に関連するソフトウェアであって、関連ソフトＩＤ２２２−２で表されるソフトウェアのバージョンを表すバージョン２２２−３とを有する。 The technical information search history related software 222 includes, as data items, a search history ID 222-1 indicating that it is related information of a search history represented by a search history ID 221-1 of the technical information search history 221, and a search history ID 222-1. The related software ID 222-2 representing software for development work related to the search history represented by (2) and the software related to the search history represented by the search history ID 221-1, represented by the related software ID 222-2. And a version 222-3 representing the version of the software.
＜情報レコメンド方式の概略＞
次に、上記のように構成された本実施形態の情報レコメンド方式において行われる処理について説明する。本実施形態の情報レコメンド方式では、図３Ａおよび３Ｂに示すように、ユーザがインターネットの検索エンジンを用いて端末のＷｅｂブラウザから検索したときに、当該検索が行われたという履歴情報を、当該検索に係る開発ツールとそのバージョンを表す情報とともに検索履歴ＤＢ１３１に保管する検索履歴ＤＢ保管処理を行う。この検索履歴ＤＢ１３１を用いて、図４Ａ〜４Ｃに示すように、社内ＳＮＳに記事が投稿されたときに、当該記事で触れている開発ツールについて過去にインターネット上の検索エンジンを用いて端末のＷｅｂブラウザから検索した技術情報検索履歴と照合し、投稿された記事と技術情報検索履歴との類似度や技術情報検索履歴の鮮度を基に評価値を計算し、一定以上の評価値が得られた技術情報検索履歴のユーザＩＤをもつユーザに対して当該記事が投稿されたことを通知するおすすめ情報通知処理を行う。ここで、投稿された記事と技術情報検索履歴との類似度は、図５に示す類似度計算処理によって行う。類似度計算処理の中では、図８の類似度乗数決定表を基にして類似度を計算する。
<Outline of information recommendation method>
Next, processing performed in the information recommendation method of the present embodiment configured as described above will be described. In the information recommendation method of this embodiment, as shown in FIGS. 3A and 3B, when a user searches from a Web browser of a terminal using a search engine of the Internet, the history information that the search is performed is A search history DB storage process for storing in the search history DB 131 together with information indicating the development tool and its version is performed. As shown in FIGS. 4A to 4C, when an article is posted to the in-house SNS using the search history DB 131, the development tool touched on the article is used to search the terminal Web using a search engine on the Internet in the past. The evaluation value was compared with the technical information search history searched from the browser, and the evaluation value was calculated based on the similarity between the posted article and the technical information search history and the freshness of the technical information search history, and an evaluation value above a certain level was obtained A recommended information notification process for notifying that a user having a user ID in the technical information search history has been posted is performed. Here, the similarity between the posted article and the technical information search history is performed by the similarity calculation process shown in FIG. In the similarity calculation process, the similarity is calculated based on the similarity multiplier determination table of FIG.
本実施形態の情報レコメンド方式においては、図３Ａおよび３Ｂの処理で検索履歴ＤＢ１３１に保管する技術情報検索履歴２２１は、検索履歴の鮮度という数値情報を持つ（図２の２２１−５）。この数値情報は、おすすめ情報を提示する先のユーザをよりよく選ぶことができるよう、図６に示す鮮度更新処理によって定期的に更新される。 In the information recommendation method of the present embodiment, the technical information search history 221 stored in the search history DB 131 by the processing of FIGS. 3A and 3B has numerical information called the freshness of the search history (221-5 in FIG. 2). This numerical information is periodically updated by the freshness update process shown in FIG. 6 so that the user to whom recommended information is presented can be selected better.
本実施形態の情報レコメンド方式においては、社内ＳＮＳに投稿された記事に対して、社内ＳＮＳのユーザが当該記事を有用であるとして評価する機能を持つ。社内ＳＮＳのユーザによって社内ＳＮＳの記事が有用であると評価されるということは、当該記事が実際に社内のユーザの役に立ったということなので、図７Ａおよび７Ｂに示すように、改めて当該記事をおすすめ情報として提示するユーザを求め、当該ユーザに対して当該記事をおすすめ情報として提示するおすすめ情報再通知処理を行う。 The information recommendation method of the present embodiment has a function of evaluating an article as useful by an in-house SNS user for an article posted to the in-house SNS. If an in-house SNS user evaluates that an in-house SNS article is useful, it means that the article has actually helped the in-house user, so that the article is recommended again as shown in FIGS. 7A and 7B. A user to be presented as information is obtained, and recommended information re-notification processing for presenting the article as recommended information to the user is performed.
以下において、上記概略に示した、検索履歴ＤＢ保管処理、おすすめ情報通知処理、類似度計算処理、類似度乗数決定表、鮮度更新処理、および、おすすめ情報再通知処理について説明する。 Hereinafter, the search history DB storage process, the recommended information notification process, the similarity calculation process, the similarity multiplier determination table, the freshness update process, and the recommended information re-notification process described above will be described.
＜検索履歴ＤＢ保管処理＞
図３Ａおよび３Ｂは、図１の技術情報検索履歴保管部１３３で実行される、検索履歴ＤＢ保管処理を説明するためのフローチャートである。ユーザ端末１においてユーザがインターネットの検索エンジンを用いてＷｅｂブラウザから検索を行う（ステップ３０１）と、ステップ３０１によって発生したインターネットへの接続要求をプロキシサーバ１３０のユーザリクエスト受信部１３２が受信する。このとき、プロキシサーバ１３０は、当該接続要求を発行したユーザＩＤを識別できているかどうかを判定する（ステップ３０２）。識別できていない場合は、ユーザ端末１に、プロキシサーバ１３０で認証を行うためのユーザＩＤとパスワードの入力を要求する（ステップ３０３）。ユーザからユーザＩＤとパスワードの入力を受け付け、認証が成功したときは、次のステップ３０４に進む。不図示だが、ステップ３０３で正当なユーザＩＤとパスワードの入力が無かったときは、処理を終了する。ステップ３０１以前にすでにプロキシサーバ１３０がユーザＩＤを識別できている場合は、ステップ３０２からステップ３０４に進む。
<Search history DB storage processing>
3A and 3B are flowcharts for explaining search history DB storage processing executed by the technical information search
プロキシサーバ１３０は、Ｗｅｂブラウザからのリクエストから検索キーワードを抽出する（ステップ３０４）。さらに、プロキシサーバ１３０での現在日時を求め、検索日時とする（ステップ３０５）。ステップ３０４で抽出した検索キーワードをライセンス管理ＤＢ１２１のソフト情報２１３のソフト名２１３−２と照合し、検索キーワードに含まれているソフト名２１３−２とソフトＩＤ２１３−１を抽出する（ステップ３０６）。ステップ３０６におけるソフト名２１３−２とソフトＩＤ２１３−１の抽出で、ソフト種別２１３−３が「開発ツール名」であるものが１件でも抽出されたかどうかを調べる（ステップ３０７）。ステップ３０６におけるソフト名２１３−２とソフトＩＤ２１３−１の抽出で、ソフト種別２１３−３が「開発ツール名」であるものが１件もないときは、処理を終了する。
The
ステップ３０６におけるソフト名２１３−２とソフトＩＤ２１３−１の抽出で、ソフト種別２１３−３が「開発ツール名」であるものが１件でもあるときは、検索履歴ＩＤを採番する（ステップ３０８）。ステップ３０８で採番した検索履歴ＩＤを検索履歴ＩＤ２２１−１に、識別されたユーザＩＤをユーザＩＤ２２１−２に、ステップ３０４で抽出された検索キーワードを検索キーワード２２１−３に、ステップ３０５で取得した検索日時を検索日時２２１−４に、固定の数値１．００を鮮度２２１−５に、それぞれ設定した技術情報検索履歴のレコードを作成し、技術情報検索履歴２２１に保管する（ステップ３０９）。
In the extraction of the software name 213-2 and the software ID 213-1 in
次に、ステップ３０６で抽出されたソフトＩＤとソフト名について、ステップ３１１で示す処理を繰り返し行う（ステップ３１０）。さらに、識別されたユーザＩＤに対して、端末情報２１１から、当該ユーザＩＤをユーザＩＤ２１１−１に持つ端末ＩＤ２１１−２を抽出し、抽出された端末ＩＤの分だけ、ステップ３１２からステップ３１４に示す処理を繰り返し行う（ステップ３１１）。ライセンス情報２１２のデータであって、現在の端末ＩＤと現在のソフトＩＤを持つライセンス情報２１２のデータを抽出する（ステップ３１２）。ステップ３１２でライセンス情報２１２のデータが抽出できた場合は、ステップ３０８で採番した検索履歴ＩＤを検索履歴ＩＤ２２２−１に、当該ソフトＩＤを関連ソフトＩＤ２２２−２に、抽出されたライセンス情報２１２のデータのバージョン２１２−３をバージョン２２２−３に、それぞれ設定した技術情報検索履歴関連ソフトウェアのレコードを作成し、技術情報検索履歴関連ソフトウェア２２２に格納する（ステップ３１３）。ステップ３１２でライセンス情報２１２のデータが抽出できなかった場合は、ステップ３０８で採番した検索履歴ＩＤを検索履歴ＩＤ２２２−１に、当該ソフトＩＤを関連ソフトＩＤ２２２−２に、空文字をバージョン２２２−３に、それぞれ設定した技術情報検索履歴関連ソフトウェアのレコードを作成し、技術情報検索履歴関連ソフトウェア２２２に格納する（ステップ３１４）。
Next, the process shown in
＜おすすめ情報通知処理＞
図４Ａ〜４Ｃは、図１のＳＮＳ投稿記事関連技術情報抽出部１１３、ＳＮＳ投稿記事関連検索履歴抽出部１１４、および投稿記事情報通知部１１５によって実行されるおすすめ情報通知処理を説明するためのフローチャートである。ＳＮＳ投稿記事関連技術情報抽出部１１３は、図４Ａのステップ４０１からステップ４０８に示す、社内ＳＮＳに投稿された記事を解析し、関連する開発ツールの情報を記事ソフト関連情報２０２に保管する処理を行う。ＳＮＳ投稿記事関連検索履歴抽出部１１４は、図４Ａ，４Ｂのステップ４０９からステップ４１４に示す、社内ＳＮＳに投稿された記事に関連する開発ツールの情報を過去にインターネットの検索エンジンを用いて検索した技術情報検索履歴２２１および技術情報検索履歴関連ソフトウェア２２２のデータを抽出する処理を行う。投稿記事情報通知部１１５は、図４Ｂ，４Ｃのステップ４１５からステップ４２１に示す、ＳＮＳ投稿記事関連検索履歴抽出部１１４によって抽出された技術情報検索履歴２２１および技術情報検索履歴関連ソフトウェア２２２のデータを基に、社内ＳＮＳに投稿された記事と技術情報検索履歴の類似度を求め、技術情報検索履歴２２１の鮮度２２１−５を考慮して評価値を求め、一定の評価値を上回った場合に、技術情報検索履歴２２１のユーザＩＤ２２１−２に該当するユーザに当該記事をおすすめ情報として通知する処理を行う。
<Recommended information notification processing>
4A to 4C are flowcharts for explaining recommended information notification processing executed by the SNS posted article related technical
（ＳＮＳ投稿記事関連技術情報抽出部１１３）
ＳＮＳ投稿記事関連技術情報抽出部１１３は、ＳＮＳ投稿記事登録部１１２によって社内ＳＮＳに新規記事が登録されると、投稿された記事のタイトル、コンテンツおよびタグを自然言語解析にかけ、単語のリストを抽出する（ステップ４０１）。ステップ４０１で抽出された各単語について、以下のステップ４０３からステップ４０８で構成される処理を繰り返し行う（ステップ４０２）。
(SNS post article related technical information extraction unit 113)
When a new article is registered in the in-house SNS by the SNS posted article registration unit 112, the SNS posted article related technical
現在の単語が、ライセンス管理ＤＢ１２１のソフト情報２１３に含まれるソフト名２１３−２に一致しているかを調べる（ステップ４０３）。一致していない場合は、現在の単語での後続の処理（ステップ４０４からステップ４０８）は行わず、次の単語を現在の単語として再びステップ４０３からの処理を開始する。現在の単語が、ライセンス管理ＤＢ１２１のソフト情報２１３に含まれる何れかのソフト名２１３−２に一致している場合は、当該一致しているソフト名２１３ー２に対応するソフトＩＤ２１３−１を取得する（ステップ４０４）。投稿された記事の本文中から現在の単語を検索し、その出現位置を求め、その出現位置の直後の単語がx.xx.xxxxのような、半角英数字と半角ピリオドで構成されている文字列かどうかを調べる（ステップ４０５）。ステップ４０５においては、抽出された単語がバージョン文字列であるかどうかの判定を行っているが、バージョン文字列であるかどうかの判定は、ソフトの名称と該名称に続く可能性のあるバージョン文字列の対応を別途持っておき、それと対比する方式など、任意の方式を採用してよい。
It is checked whether or not the current word matches the software name 213-2 included in the software information 213 of the license management DB 121 (step 403). If they do not match, the subsequent processing with the current word (
ステップ４０５における判定で、直後の単語が半角英数字と半角ピリオドで構成されている文字列である場合は、当該単語をバージョン文字列として設定する（ステップ４０６）。ステップ４０５における判定で、直後の単語が半角英数字と半角ピリオドで構成されている文字列でない場合は、空文字をバージョン文字列として設定する（ステップ４０７）。ステップ４０７においては、端末情報２１１から、記事投稿者のユーザＩＤをユーザＩＤ２１１−１に持ち、用途２１１−３が開発用であるレコードを抽出し、該レコードの端末ＩＤ２１１−２を端末ＩＤ２１２−１に持ち、ステップ４０４で取得したソフトＩＤをソフトＩＤ２１２−２に持つライセンス情報２１２からバージョン２１２−３を取得して設定してもよい。ステップ４０６，４０７の後、社内ＳＮＳに新規登録された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に、ステップ４０４で取得したソフトＩＤ２１３−１をソフトＩＤ２０２−２に、ステップ４０６またはステップ４０７で設定されたバージョン文字列をバージョン２０２−３に、それぞれ設定した記事ソフト関連情報のレコードを作成し、記事ソフト関連情報２０２に追加する（ステップ４０８）。
If it is determined in
以上のステップ４０３〜４０８の処理を、ステップ４０１で抽出された単語のリストの各単語ごとに繰り返し、全ての単語について処理が終了したら、当該繰り返し処理を終えてステップ４０９に進む。
The processing in
（ＳＮＳ投稿記事関連検索履歴抽出部１１４）
ＳＮＳ投稿記事関連技術情報抽出部１１３の処理により記事ソフト関連情報２０２に１件でもデータを追加したかどうかを調べる（ステップ４０９）。１件も追加していない場合は、おすすめ情報通知処理を終了する。記事ソフト関連情報２０２に１件でもデータを追加した場合は、記事ソフト関連情報２０２に追加した情報のうち、ソフトＩＤ２０２−２をソフトＩＤ２１３−１に持つソフト情報２１３のデータを検索し、ソフト種別２１３−３がＯＳであるソフト情報２１３のデータがないかどうか調べる（ステップ４１０）。ステップ４１０での条件に該当するソフト情報２１３のデータがあった場合（すなわち、記事ソフト関連情報２０２に、ソフト種別がＯＳであるソフトの情報が１件以上追加されていた場合）は、ステップ４１４に進む。
(SNS Post Article Related Search History Extraction Unit 114)
It is checked whether at least one piece of data has been added to the article software related information 202 by the processing of the SNS posted article related technical information extraction unit 113 (step 409). If no item has been added, the recommended information notification process is terminated. When at least one piece of data is added to the article software related information 202, the software information 213 data having the software ID 202-2 as the software ID 213-1 is retrieved from the information added to the article software related information 202, and the software type is searched. It is checked whether there is any data of software information 213 in which 213-3 is the OS (step 410). If there is data of software information 213 corresponding to the condition in step 410 (that is, if one or more pieces of software information whose software type is OS is added to the article software related information 202),
ステップ４１０の判別で、記事ソフト関連情報２０２に、ソフト種別がＯＳであるソフトの情報が全く追加されなかった場合は、ステップ４１１からステップ４１３の処理を行って記事ソフト関連情報２０２にソフト種別がＯＳであるソフトの情報を追加したうえで、ステップ４１４に進む。つまり、記事投稿者のユーザＩＤをユーザＩＤ２１１−１に持つ端末情報２１１であって、用途２１１−３が開発用である端末情報２１１を取得する（ステップ４１１）。ステップ４１１については、特定のＯＳ専用に設計されたソフトウェアなど、前提ＯＳが明確なものについては、ソフトウェアと前提ＯＳの対応関係を持ったテーブルなどから自動的に設定してもよい。次に、ステップ４１１で取得した端末情報２１１の端末ＩＤ２１１−２を端末ＩＤ２１２−１に持つライセンス情報２１２であって、そのソフトＩＤ２１２−２をソフトＩＤ２１３−１に持つソフト情報２１３のソフト種別２１３−３がＯＳであるライセンス情報２１２を取得する（ステップ４１２）。次に、社内ＳＮＳに新規登録された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に、ステップ４１２で取得したライセンス管理情報２１２のソフトＩＤ２１２−２をソフトＩＤ２０２−２に、前述のライセンス管理情報２１２のバージョン２１２−３をバージョン２０２−３に、それぞれ設定した記事ソフト関連情報のレコードを作成し、記事ソフト関連情報２０２に追加する（ステップ４１３）。
If it is determined in
次に、技術情報検索履歴２２１のレコードであって、該レコードの検索履歴ＩＤ２２１−１を検索履歴ＩＤ２２２−１に持つ技術情報検索履歴関連ソフトウェア２２２のレコードの集合に対し、関連ソフトＩＤ２２２−２に、ＳＮＳ投稿記事関連技術情報抽出部１１３において記事ソフト関連情報２０２に作成されたレコードのソフトＩＤ２０２−２がすべて含まれている、技術情報検索履歴２２１のレコードを抽出する（ステップ４１４）。要するに、上記ステップ４０８や４１３で記事ソフト関連情報２０２に追加されたレコードのソフトＩＤ２０２ー２をすべて関連ソフトＩＤ２２２ー２に持つ技術情報検索履歴関連ソフトウェア２２２のレコードを探索し、該技術情報検索履歴関連ソフトウェア２２２のレコードに対応する技術情報検索履歴２２１のレコードを抽出すればよい。
Next, a record of the technical information search history 221 and a set of records of the technical information search history related software 222 having the search history ID 221-1 of the record as the search history ID 222-1 is set to the related software ID 222-2. Then, a record of the technical information search history 221 that includes all the software IDs 202-2 of the records created in the article software related information 202 in the SNS post article related technical
（投稿記事情報通知部１１５）
ＳＮＳ投稿記事関連検索履歴抽出部１１４において、技術情報検索履歴２２１のレコードが１件でも抽出されているかどうかを調べる（ステップ４１５）。１件も抽出されていない場合は、おすすめ情報通知処理を終了する。ＳＮＳ投稿記事関連検索履歴抽出部１１４において、技術情報検索履歴２２１のレコードが１件でも抽出されている場合は、該当する技術情報検索履歴２２１の各レコードについて、ステップ４１７からステップ４２０に示す処理を繰り返し行う（ステップ４１６）。
(Posted Article Information Notification Unit 115)
The SNS post article related search
まず、ＳＮＳ投稿記事登録部１１２によって登録された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に持つ記事ソフト関連情報２０２のレコードと現在の技術情報検索履歴２２１のレコードを基に、類似度を計算する（ステップ４１７）。この類似度の計算例については、図５にて詳細に説明する。ステップ４１７で計算した類似度と現在の技術情報検索履歴２２１のレコードの鮮度２２１−５との積を計算し、評価値として設定する（ステップ４１８）。ステップ４１８で設定した評価値が所定の基準値（本例では基準値＝０．３０とした）以上であるかどうかを判定し（ステップ４１９）、そうであれば現在の技術情報検索履歴２２１のレコードのユーザＩＤ２２１−２をユーザ情報２０３のユーザＩＤ２０３−１に持つユーザに、当該記事をおすすめ情報として提示する（ステップ４２０）。
First, based on the record of the article software related information 202 having the article ID 201-1 of the article information 201 registered by the SNS posted article registration unit 112 as the article ID 202-1, and the record of the current technical information search history 221, the degree of similarity Is calculated (step 417). An example of calculating the similarity will be described in detail with reference to FIG. The product of the similarity calculated in step 417 and the freshness 221-5 of the record of the current technical information search history 221 is calculated and set as an evaluation value (step 418). It is determined whether or not the evaluation value set in
おすすめ情報をユーザに提示する手段は、おすすめ情報のタイトル、ＵＲＬや要約などの情報を、Ｅメールによって、提示先ユーザのメールアドレスに送付する手段が考えられる。他にも、社内イントラネットにユーザごとのＷｅｂによるポータル画面がある場合は、提示先ユーザがＷｅｂブラウザからポータル画面を開いたときに、おすすめ情報があることをポータル画面に表示し、具体的なおすすめ情報のタイトルを、おすすめ情報としているＳＮＳ記事へのハイパーリンクによって提示してもよい。 A means for presenting recommended information to the user may be a means for sending information such as the title, URL, and summary of the recommended information to the mail address of the presentation destination user by e-mail. In addition, if there is a web portal screen for each user on the company intranet, when the presentation user opens the portal screen from the web browser, the fact that there is recommended information is displayed on the portal screen, and specific recommendations are made. The title of the information may be presented by a hyperlink to the SNS article that is recommended information.
さらに、ステップ４２０でのユーザＩＤ２０３−１をユーザＩＤ２０４−１に、ＳＮＳ投稿記事登録部１１２によって登録された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０４−２に、それぞれ設定した記事通知済ユーザ情報のレコードを作成し、記事通知済ユーザ情報２０４に追加する（ステップ４２１)。ステップ４１８で設定した評価値が所定の基準値０以上でない場合、おすすめ情報の提示は行わず、次の技術情報検索履歴２２１のレコードについて続けて処理を行う。ステップ４１８で設定した評価値が所定の基準値以上でなく、現在の技術情報検索履歴２２１のレコードが最後のレコードである場合は、おすすめ情報通知処理を終了する。
Further, the article information notified user information set in
なお、本実施形態においては、おすすめ情報として通知するか否かを決定するためのしきい値である評価値の基準値を０．３０としたが、これはあくまで一例であり、システム導入時の設定などによって０．００以上１．００以下の任意の値で設定してよい。 In this embodiment, the reference value of the evaluation value, which is a threshold value for determining whether or not to notify as recommendation information, is set to 0.30. You may set by arbitrary values of 0.00 or more and 1.00 or less by setting etc.
＜類似度計算処理＞
図５は、図４のフローチャートのステップ４１７における類似度の計算例を説明するためのフローチャートである。類似度計算処理では、類似度の初期値を浮動小数点数１．０に設定する（ステップ５０１）。ＳＮＳ投稿記事登録部１１２によって登録された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に持つ記事ソフト関連情報２０２のレコードについて、ステップ５０３からステップ５０５の処理を繰り返し行う（ステップ５０２）。
<Similarity calculation processing>
FIG. 5 is a flowchart for explaining an example of calculating the similarity in step 417 of the flowchart of FIG. In the similarity calculation process, the initial value of the similarity is set to a floating point number 1.0 (step 501). The processing from step 503 to step 505 is repeated for the record of the article software related information 202 having the article ID 201-1 of the article information 201 registered by the SNS posted article registration unit 112 as the article ID 202-1 (step 502).
まず、ステップ５０２で述べた記事ソフト関連情報２０２の現在のレコードのソフトＩＤ２０２−２を関連ソフトＩＤ２２２−２に持つ技術情報検索履歴関連ソフトウェア２２２のレコードからバージョン２２２−３を取得する（ステップ５０３）。記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値と、ステップ５０３で取得した、技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とを比較し、図８に示す類似度乗数決定表に従って類似度の乗数を求める（ステップ５０４）。ステップ５０４で求めた類似度の乗数を類似度の現在の値に乗じ、新しい類似度の値とする（ステップ５０５）。ステップ５０２で示す繰り返し処理をすべて行った後の類似度の値を返す（ステップ５０６）。ステップ５０４において述べた、図８の類似度乗数決定表については、この直後に説明する。
First, the version 222-3 is acquired from the record of the technical information search history related software 222 having the related software ID 222-2 as the software ID 202-2 of the current record of the article software related information 202 described in step 502 (step 503). . The value of the version 202-3 of the current record of the article software related information 202 is compared with the value of the version 222-3 of the record of the technical information search history related software 222 acquired in step 503, and the similarity shown in FIG. A multiplier for similarity is obtained according to the frequency multiplier determination table (step 504). The similarity multiplier obtained in
＜類似度乗数決定表＞
図８は、図５における類似度の計算例における類似度の乗数の求め方の一例を示す表である。この類似度乗数決定表は、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値と記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値とを比較して類似度の乗数を求める際に利用する表である。なお、ここでは、メジャーバージョンを表す数値、マイナーバージョンを表す数値、およびリビジョンやビルドを表す数値をこの順でドットで連結した文字列でバージョンを表すものとする。
<Similarity multiplier determination table>
FIG. 8 is a table showing an example of how to find a multiplier for similarity in the example of calculating similarity in FIG. This similarity multiplier determination table compares the value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値が完全に等しいときは、類似度の乗数は１．０とする。
When the value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がマイナーバージョンまで一致（すなわち、メジャーバージョンとマイナーバージョンは一致するが、リビジョンとビルドは異なる）し、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のバージョン２２２−３が、ステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも古いときは、類似度の乗数は０．９とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がマイナーバージョンまで一致（すなわち、メジャーバージョンとマイナーバージョンは一致するが、リビジョンとビルドは異なる）し、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３がステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも新しいときは、類似度の乗数は０．９５とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がメジャーバージョンまで一致（すなわち、メジャーバージョンは一致するが、マイナーバージョンおよびリビジョンとビルドは異なる）し、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３がステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも古いときは、類似度の乗数は０．８とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がメジャーバージョンまで一致（すなわち、メジャーバージョンは一致するが、マイナーバージョンおよびリビジョンとビルドは異なる）し、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３がステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも新しいときは、類似度の乗数は０．９とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３のうち、いずれかが指定なしのときは、類似度の乗数は０．７とする。
When any of the value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がメジャーバージョンも一致せず、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３がステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも古いときは、類似度の乗数は０．４とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３の値とステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３の値がメジャーバージョンも一致せず、ステップ５０４での技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２−３がステップ５０４での記事ソフト関連情報２０２の現在のレコードのバージョン２０２−３よりも新しいときは、類似度の乗数は０．６とする。
The value of the version 222-3 of the record of the technical information search history related software 222 in
＜鮮度更新処理＞
図６は、図１の技術情報検索履歴鮮度更新部１３４で実行される鮮度更新処理を説明するためのフローチャートである。この処理は、技術情報検索履歴２２１の各レコードに対し、例えば所定期間間隔で実行すればよい。
<Freshness update processing>
FIG. 6 is a flowchart for explaining a freshness update process executed by the technical information search history
鮮度更新処理では、技術情報検索履歴２２１のレコード１件に対し、検索日時２２１−４から現在日時までの経過週数を求める（ステップ６０１）。ステップ６０１で求めた経過週数を用いて、１．００−０．０３×経過週数の値を求め、これが０．００以上であればそれを鮮度２２１−５の値として、当該技術情報検索履歴２２１のレコードを更新する。１．００−０．０３×経過週数の値が０．００未満であるときは、０．００を鮮度２２１−５の値として、当該技術情報検索履歴２２１のレコードを更新する（ステップ６０２）。
In the freshness update process, the number of elapsed weeks from the search date 221-4 to the current date is obtained for one record in the technical information search history 221 (step 601). Using the elapsed week number obtained in
＜おすすめ情報再通知処理＞
図７Ａおよび７Ｂは、図１の記事評価更新部１１６によってＳＮＳ記事の評価が更新されたときに、評価記事情報通知部１１７で実行されるおすすめ情報再通知処理を説明するためのフローチャートである。本システムの社内ＳＮＳ１１０の例えばユーザ端末１のユーザは、ＳＮＳ投稿記事評価部１０５ー１を利用して、ＳＮＳ記事２０１の任意のレコードの有用度２０１ー６の更新を指示することができる。該指示を受けた社内ＳＮＳ１１０は、記事評価更新部１１６により、指示されたＳＮＳ記事２０１のレコードの有用度２０１ー６を更新する。該更新があったとき、評価記事情報通知部１１７により、本おすすめ情報再通知処理が実行される。
<Recommended information re-notification process>
7A and 7B are flowcharts for explaining recommended information re-notification processing executed by the evaluation article
記事情報２０１のレコードの有用度２０１−６が更新されたとき、当該記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に持つ記事ソフト関連情報２０２を探索し、１件以上データがあるかどうか調べる（ステップ７０１）。ステップ７０１で該当する記事ソフト関連情報２０２のデータがない場合は、おすすめ情報再通知処理を終了する。ステップ７０１で該当する記事ソフト関連情報２０２のデータがある場合は、技術情報検索履歴２２１のレコードであって、その検索履歴ＩＤ２２１−１を検索履歴ＩＤ２２２−１に持つ技術情報検索履歴関連ソフトウェア２２２の関連ソフトＩＤ２２２−２に、有用度２０１−６が更新された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０２−１に持つ記事ソフト関連情報２０２のレコードのソフトＩＤ２０２−２をすべて持つ技術情報検索履歴２２１のレコードを抽出する（ステップ７０２）。要するに、ステップ７０１で見つかった記事ソフト関連情報２０２のソフトＩＤ２２ー２を関連ソフトＩＤ２２２ー２に持つ技術情報検索履歴関連ソフトウェア２２２のレコードを探索し、該技術情報検索履歴関連ソフトウェア２２２のレコードに対応する技術情報検索履歴２２１のレコードを抽出すればよい。
When the usefulness 201-6 of the record of the article information 201 is updated, the article software related information 202 having the article ID 201-1 of the article information 201 as the article ID 202-1 is searched, and whether there is one or more data. Check (step 701). If there is no data of the corresponding article software related information 202 in
ステップ７０２で、該当する技術情報検索履歴２２１のレコードが抽出されたかどうかを調べる（ステップ７０３）。該当する技術情報検索履歴２２１のレコードが抽出されていない場合は、おすすめ情報再通知処理を終了する。該当する技術情報検索履歴２２１のレコードが抽出されている場合は、該当する技術情報検索履歴２２１の各レコードについて、ステップ７０５からステップ７１０までの処理を繰り返し行う（ステップ７０４）。
In
まず、ステップ７０１で抽出された記事ソフト関連情報２０２のレコードと現在の技術情報検索履歴２２１のレコードから、図５の類似度計算処理により類似度を計算する（ステップ７０５）。「ステップ７０５で計算された類似度」×「現在の技術情報検索履歴２２１のレコードの鮮度２２１−５」＋「ＳＮＳ記事の評価が更新されたあとの当該記事の記事情報２０１の有用度２０１−６」×０．１を評価値として設定する（ステップ７０６）。ステップ７０６で設定された評価値が所定値（ここでは０．３０とした）以上であるかどうかを調べる（ステップ７０７）。ステップ７０７で評価値が所定値以上であるときは、現在の技術情報検索履歴２２１のレコードのユーザＩＤ２２１−２をユーザＩＤ２０４−１に持ち、有用度２０１−６が更新された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０４−２に持つ記事通知済ユーザ情報２０４がないかどうか調べる（ステップ７０８）。そのような記事通知済ユーザ情報２０４がないとき（すなわち、当該ユーザに当該記事情報を未だおすすめ情報として提示していなかったとき）は、現在の技術情報検索履歴２２１のレコードのユーザＩＤ２２１−２をユーザ情報２０３のユーザＩＤ２０３−１に持つユーザに、当該記事をおすすめ情報として提示する（ステップ７０９）。さらに、ステップ７０９でのユーザＩＤ２０３−１をユーザＩＤ２０４−１に、有用度２０１−６が更新された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０４−２に、それぞれ設定した記事通知済ユーザ情報のレコードを作成し、記事通知済ユーザ情報２０４に追加する（ステップ７１０）。
First, the similarity is calculated from the record of the article software related information 202 extracted in
ステップ７０７で設定した評価値が所定値以上でない場合、おすすめ情報の提示は行わず、次の技術情報検索履歴２２１のレコードについて続けて処理を行う。ステップ７０８で、現在の技術情報検索履歴２２１のレコードのユーザＩＤ２２１−２をユーザＩＤ２０４−１に持ち、有用度２０１−６が更新された記事情報２０１の記事ＩＤ２０１−１を記事ＩＤ２０４−２に持つ記事通知済ユーザ情報２０４があった場合、当該ユーザには既に当該情報を通知済であるということであるから、おすすめ情報の提示は行わず、次の技術情報検索履歴２２１のレコードについて続けて処理を行う。ステップ７０２で抽出された技術情報検索履歴２２１の全レコードについて上記繰り返し処理が終了したら、おすすめ情報再通知処理を終了する。
If the evaluation value set in step 707 is not equal to or greater than the predetermined value, the recommended information is not presented, and the next record of the technical information search history 221 is processed. In
（２）改良された実施形態
上述の「（１）基本的な実施形態」において、鮮度は、検索実行時からの時間経過のみによって計算した。しかし、鮮度は、情報の新しさを示すとともに、検索を行ったユーザがどれだけその情報を必要としているかを表す指標である。この意味で、鮮度は、検索日時以外にも、検索を行ったユーザの所属や業務上で関連する人物の変更の影響を受けると考えられる。ユーザの所属や、業務上で関連する人物の変更（例えば、グループウェアに登録されている会議の予約情報などから業務上で関連する人物を認識できる）があるということは、当該ユーザの担当業務に変更があった可能性が高いと考えられ、担当業務の変更以前にインターネットの検索エンジンで調査した内容についておすすめ情報を通知しても意味がないことがあるからである。このような場面を想定すると、鮮度を計算するときには、検索を行ったユーザの所属や、業務上で関連する人物に変更があったかどうかを調べ、業務上意味のある変更が認められた場合は、鮮度の値を現在の値に０．５を乗じたもので更新するようにしてもよい。ユーザの所属の変更は例えば人事システムと連携することで調査できる。また、業務上で関連する人物に変更があったかどうかは、グループウェアなどによってスケジューラが導入されている社内であれば、当該ユーザを含む会議の予約データを参照し、同時に予約されている人物の構成を判断材料とすればよい。
(2) Improved Embodiment In the above-mentioned “(1) Basic embodiment”, the freshness is calculated only by the passage of time from the search execution time. However, the freshness is an index that indicates how new the information is needed as well as how much information the user who has searched for needs. In this sense, it is considered that the freshness is influenced by the change of the affiliation of the user who performed the search and the related person in the business in addition to the search date and time. A user's affiliation or a change in the person related to the job (for example, a person related to the job can be recognized from the conference reservation information registered in the groupware) This is because there is a high possibility that there has been a change, and it may not make sense to notify the recommended information about the contents investigated by the Internet search engine before the change in charge. Assuming such a situation, when calculating freshness, it is checked whether there is a change in the affiliation of the user who performed the search or the related person in the business, and if a meaningful change in business is found, The freshness value may be updated by multiplying the current value by 0.5. Changes in user affiliation can be investigated by, for example, linking with a personnel system. In addition, if there is a change in the related person in the business, if it is in-house where the scheduler is introduced by groupware etc., refer to the reservation data of the conference including the user and the composition of the person who is simultaneously reserved May be used as a judgment material.
上記実施形態では、図５および図８で説明したように、バージョンの値がどの程度一致しているかに応じて類似度の乗数を決定し、決定した乗数を用いて類似度を計算した。しかし、類似度の計算方法はこれに限らず、検索履歴に係るソフトウェアとＳＮＳに投稿された記事に係るソフトウェアとの類似の程度を示す値を求めることができる任意の計算方法を用いて良い。また、多くの機能を備えたソフトウェアでは、ソフトウェアの機能ごとの互換性を考慮し、バージョンを単純に比較するだけでなく、ソフトウェア間の上位互換性や下位互換性を機能単位で評価して類似度の乗数を求めるようにしてもよい。 In the above embodiment, as described with reference to FIGS. 5 and 8, the similarity multiplier is determined according to how much the version values match, and the similarity is calculated using the determined multiplier. However, the calculation method of the similarity is not limited to this, and any calculation method capable of obtaining a value indicating the degree of similarity between the software related to the search history and the software related to the article posted to the SNS may be used. In addition, software with many functions considers compatibility for each function of the software, and not only simply compares versions, but also evaluates upward compatibility and backward compatibility between the software on a functional unit basis. A degree multiplier may be obtained.
図９と図１０は、ソフトウェアの機能ごとの互換性を考慮して類似度の乗数を求める際に使用する表の例を示す。上述の基本的な実施形態の変形例として、これらの表を用いて類似度の乗数を求める方法を説明する。本変形例では、検索履歴でのソフトウェアのバージョンと記事に関連するソフトウェアのバージョンに加え、検索時の検索キーワードも考慮して類似度の乗数を決定する。まず、図９の表Ａを用いて、検索されたソフトウェアのＩＤと検索キーワードを基に、当該検索キーワードが有効な、当該ソフトウェアの「バージョンの有効範囲」を決定する。次に、決定した「バージョンの有効範囲」内にあるバージョンに対して図１０の表Ｂで類似度の乗数が設定されているので、この表を用いて類似度の乗数を求める。 FIG. 9 and FIG. 10 show examples of tables used when obtaining a multiplier of similarity in consideration of compatibility for each function of software. As a modification of the above-described basic embodiment, a method of obtaining a similarity multiplier using these tables will be described. In this modification, the similarity multiplier is determined in consideration of the search keyword at the time of search in addition to the software version in the search history and the software version related to the article. First, using Table A in FIG. 9, based on the searched software ID and the search keyword, the “version effective range” of the software for which the search keyword is valid is determined. Next, since the multiplier of similarity is set in Table B of FIG. 10 for the version within the determined “valid range of version”, the multiplier of similarity is obtained using this table.
例えば、技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２ー３が上記「バージョンの有効範囲」の外であるとき、その検索は「バージョンの有効範囲」外で当該ソフトにおける当該検索キーワードの機能について検索したものであり、あまり意味のない検索であるから、類似度の乗数は「0.0」であるとする。技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２ー３が上記表Ａに基づいて決定した「バージョンの有効範囲」内にあるとき、記事ソフト関連情報２０２のレコードのバージョン２０２ー３と一致すれば、類似度の乗数は「1.0」であるとする。一致しないときは、図１０の表Ｂによって決める。表Ｂに設定するバージョンと乗数は、ソフトウェアやキーワードによって異なるものとする。 For example, when the version 223-3 of the record of the technical information search history related software 222 is out of the “valid range of version”, the search is outside the “valid range of version” and the function of the search keyword in the software is concerned. Since the search is a search that is not very meaningful, it is assumed that the similarity multiplier is “0.0”. If the version 223-3 of the record of the technical information search history related software 222 is within the “valid range of the version” determined based on the above table A, if it matches the version 202-3 of the record of the article software related information 202 The similarity multiplier is assumed to be “1.0”. If they do not match, it is determined according to Table B in FIG. The version and multiplier set in Table B are different depending on software and keywords.
具体例で説明する。例えば、ソフトウェアのＩＤが「ソフトＡ」、キーワード「機能Ｐ」のバージョン7.0について過去に検索を行ったユーザが存在し、ソフトウェアＩＤが「ソフトＡ」、キーワード「機能Ｐ」のバージョン6.0に関する記事が投稿されたとき、上記検索に係る技術情報検索履歴関連ソフトウェア２２２のレコードのバージョン２２２ー３は7.0であり、図９の表Ａから「バージョンの有効範囲」内にある。過去に検索を行ったユーザはバージョン7.0の情報を探していたので、表Ｂの「バージョン」7.0に対する類似度の乗数から、求める類似度の乗数は0.6となる。要するに、当該ソフトウェアの機能Ｐのバージョン6.0に関する記事が投稿されたときには、過去に当該ソフトウェアの機能Ｐのバージョン7.0について検索していたユーザに対して前記記事のお知らせ情報を提示する際の類似度としては、類似度の乗数は0.6程度であろうと考えられるということである。もし、同ソフトの同機能のバージョン5.0についての検索を過去に行っているユーザに対してであれば、当該機能が初めて実装されたバージョンにおいて当該機能について知りたいことがあったから検索したのだと考えられるので、前記記事をお知らせすることは有用と考えられるから、類似度の乗数は1.0としている。逆に、バージョン7.3について過去に検索していたユーザに対しては、既に当該機能が実装されてから幾度かのバージョンアップが為されているということであるから、該検索を行ったユーザも当該機能についてはある程度の知識を有しているものと考えられるので、前記記事をお知らせするか否か決定するための類似度を算出する元にな類似度の乗数は小さめの0.55としている。なお、このとき、表Ｂのバージョン6.0に対する類似度の乗数を1.0に更新してもよい。これは、バージョン6.0に関する記事情報が投稿されたということは、当該機能の当該バージョンに関して有用な情報があるから記事を投稿したと考えられるので、当該バージョン6.0について過去に検索したユーザがいれば、当該ユーザに対しては当該記事のお知らせ情報を提示する可能性を増加させるのが妥当と考えて、類似度の乗数を0.9から1.0に引き上げるものである。 A specific example will be described. For example, there is a user who has previously searched for version 7.0 of software ID “software A” and keyword “function P”, and an article related to version 6.0 of software ID “software A” and keyword “function P” exists. When posted, the version 222-3 of the record of the technical information search history related software 222 related to the search is 7.0, which is within the “version valid range” from Table A in FIG. Since the user who searched in the past was searching for version 7.0 information, the similarity multiplier to be obtained is 0.6 based on the similarity multiplier for “version” 7.0 in Table B. In short, when an article about the version 6.0 of the software function P is posted, the degree of similarity when the notification information of the article is presented to the user who has searched for the version 7.0 of the function P of the software in the past. This means that the similarity multiplier is considered to be about 0.6. If you are searching for a version 5.0 of the same software in the past, because you had something to know about the function in the version where the function was first implemented, Since it is considered, it is considered useful to notify the article, and the similarity multiplier is set to 1.0. Conversely, for users who have searched for version 7.3 in the past, this means that the version has been upgraded several times since the function was already implemented. Since it is considered that the user has a certain degree of knowledge about the function, the similarity multiplier used to calculate the similarity for determining whether or not to notify the article is set to 0.55, which is a small value. At this time, the similarity multiplier for version 6.0 in Table B may be updated to 1.0. This is because the article information about version 6.0 is posted because there is useful information about the version of the function, so if there is a user who searched for the version 6.0 in the past, For this user, it is considered appropriate to increase the possibility of presenting the notice information of the article, and the similarity multiplier is raised from 0.9 to 1.0.
（その他の実施形態）
以上、本発明者によってなされた発明を、前記実施例に基づき具体的に説明したが、本発明は、前記実施例に限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは勿論である。
(Other embodiments)
As mentioned above, the invention made by the present inventor has been specifically described based on the above embodiments. However, the present invention is not limited to the above embodiments, and various modifications can be made without departing from the scope of the invention. Of course.
１０１−１…検索キーワード入力部（ユーザ端末１）、１０２−１…おすすめ情報受信部（ユーザ端末１）、１０３−１…おすすめ情報表示部（ユーザ端末１）、１０４−１…ＳＮＳ投稿記事情報入力部（ユーザ端末１）、１０５−１…ＳＮＳ投稿記事評価部（ユーザ端末１）、１０１−２…検索キーワード入力部（ユーザ端末２）、１０２−２…おすすめ情報受信部（ユーザ端末２）、１０３−２…おすすめ情報表示部（ユーザ端末２）、１０４−２…ＳＮＳ投稿記事情報入力部（ユーザ端末２）、１０５−２…ＳＮＳ投稿記事評価部（ユーザ端末２）、１１１…ＳＮＳＤＢ、１１２…ＳＮＳ投稿記事登録部、１１３…ＳＮＳ投稿記事関連技術情報抽出部、１１４…ＳＮＳ投稿記事関連検索履歴抽出部、１１５…投稿記事情報通知部、１１６…記事評価更新部、１１７…評価記事情報通知部、１２１…ライセンス管理ＤＢ、１３１…検索履歴ＤＢ、１３２…ユーザリクエスト受信部、１３３…技術情報検索履歴保管１３４…技術情報検索履歴鮮度更新部。
101-1 ... Search keyword input part (user terminal 1), 102-1 ... Recommended information receiving part (user terminal 1), 103-1 ... Recommended information display part (user terminal 1), 104-1 ... SNS post article information Input unit (user terminal 1), 105-1 ... SNS post article evaluation unit (user terminal 1), 101-2 ... search keyword input unit (user terminal 2), 102-2 ... recommended information receiving unit (user terminal 2) 103-2 ... recommended information display section (user terminal 2), 104-2 ... SNS posted article information input section (user terminal 2), 105-2 ... SNS posted article evaluation section (user terminal 2), 111 ... SNSDB, 112 ... SNS post article registration part, 113 ... SNS post article related technical information extraction part, 114 ... SNS post article related search history extraction part, 115 ... post article information notification part, 11 ... Article evaluation updating unit, 117 ... evaluation article information notification unit, 121 ... license management DB, 131 ... search history DB, 132 ... user request receiving unit, 133 ... technical information
Claims (9)
前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管手段と、
前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定手段と、
前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示手段と
を備えることを特徴とする情報レコメンドシステム。 An internal network system having a function of allowing a user in a predetermined organization to post an article and refer to the article by other users in the organization;
When an arbitrary user in the organization searches for information using the Internet, search history storage means for storing a history of the information search;
Using the posting of the article to the internal network system as a trigger, the search history that has been searched in the past with a search keyword similar to the article content of the posted article is searched from the search history storage means, and the posted article content A recommended information notification destination determination means for determining a user who has previously searched for a similar search keyword as a recommended information notification destination,
An information recommendation system comprising: recommended information presenting means for presenting the posted article as recommended information to a user determined as the recommended information notification destination.
前記おすすめ情報通知先決定手段は、前記投稿された記事の記事内容に含まれるソフトウェアのバージョンと、前記検索履歴に含まれる検索されたソフトウェアのバージョンとを比較して、それらのバージョンが近いほど高くなる類似度を求め、求めた類似度が所定値以上の場合に、当該検索履歴の検索を行ったユーザをおすすめ情報通知先として決定することを特徴とする情報レコメンドシステム。 The information recommendation system according to claim 1,
The recommended information notification destination determination unit compares the software version included in the article content of the posted article with the searched software version included in the search history, and the higher the version is, the higher the version is. The information recommendation system is characterized in that, when the similarity is determined and the calculated similarity is equal to or greater than a predetermined value, the user who has searched the search history is determined as a recommended information notification destination.
前記おすすめ情報通知先決定手段は、前記投稿された記事の記事内容に含まれるソフトウェアのバージョンおよび機能と、前記検索履歴に含まれる検索されたソフトウェアのバージョンおよび機能とを比較して、それらのバージョンおよび機能が近いほど高くなる類似度を求め、求めた類似度が所定値以上の場合に、当該検索履歴の検索を行ったユーザをおすすめ情報通知先として決定することを特徴とする情報レコメンドシステム。 The information recommendation system according to claim 1,
The recommended information notification destination determination means compares the version and function of the software included in the article content of the posted article with the version and function of the searched software included in the search history, and compares those versions. An information recommendation system characterized in that a similarity that increases as the function is closer is obtained, and when the obtained similarity is a predetermined value or more, a user who has searched the search history is determined as a recommended information notification destination.
前記検索履歴保管手段に保管される各検索履歴は、その検索履歴の新しさを示す指標である鮮度情報を含み、
前記おすすめ情報通知先決定手段は、前記類似度と前記鮮度情報に基づいて、おすすめ情報通知先のユーザを決定することを特徴とする情報レコメンドシステム。 In the information recommendation system according to any one of claims 1 to 3,
Each search history stored in the search history storage means includes freshness information that is an index indicating the freshness of the search history,
The recommended information notification destination determination means determines a recommended information notification destination user based on the similarity and the freshness information.
前記各検索履歴が含む鮮度情報を、各検索履歴の検索実行時からの経過時間によって定期的に更新する手段をさらに備えることを特徴とする情報レコメンドシステム。 In the information recommendation system of Claim 4,
An information recommendation system further comprising means for periodically updating freshness information included in each search history according to an elapsed time from the search execution time of each search history.
前記鮮度情報を、検索を行ったユーザの所属の変化や、グループウェアに登録されている会議の予約情報を基にした当該ユーザに業務上関連する人物の変化に応じて、更新する鮮度更新手段をさらに備えることを特徴とする情報レコメンド方式。 In the information recommendation system according to claim 4 or 5,
Freshness update means for updating the freshness information in accordance with a change in affiliation of a user who has performed a search or a change in a person who is business related to the user based on conference reservation information registered in groupware An information recommendation method characterized by further comprising:
前記内部ネットワークシステムに投稿された各記事に対し、ユーザがその記事に対する有用度を入力する手段と、
前記有用度の入力をトリガーとして、該有用度が入力された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報再通知先として決定するおすすめ情報再通知先決定手段と、
前記おすすめ情報再通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報再提示手段と
をさらに備えることを特徴とする情報レコメンドシステム。 The information recommendation system according to any one of claims 1 to 6,
For each article posted to the internal network system, a means for the user to input the usefulness of the article;
Using the input of the usefulness as a trigger, the search history storage means is searched for a search history that has been searched in the past with a search keyword similar to the article content of the article in which the usefulness is input, and the posted article content A recommended information re-notification destination determination means for determining a user who has previously searched with a search keyword similar to as a recommended information re-notification destination,
An information recommendation system further comprising: recommended information re-presenting means for presenting the posted article as recommended information to a user determined as the recommended information re-notification destination.
前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管工程と、
前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定工程と、
前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示工程と
を備えることを特徴とする情報レコメンド方法。 An article posting step in which an arbitrary user posts an article in an internal network system provided with a function in which a user in a predetermined organization posts an article and the article can be referred to by other users in the organization;
When any user in the organization searches for information using the Internet, a search history storage step for storing a history of the information search;
Using the posting of an article to the internal network system as a trigger, the search history searched in the past with a search keyword similar to the article content of the posted article is searched, and the past with the search keyword similar to the posted article content A recommended information notification destination determination process for determining a user who has been searching for as a recommended information notification destination,
A recommended information presenting step of presenting the posted article as recommended information to the user determined as the recommended information notification destination.
所定の組織内のユーザが記事を投稿し該記事を該組織内の他のユーザが参照できる機能を備える内部ネットワークシステムと、
前記組織内の任意のユーザがインターネットを利用して情報検索したとき、当該情報検索の履歴を格納する検索履歴保管手段と、
前記内部ネットワークシステムへの記事投稿をトリガーとして、投稿された記事の記事内容に類似する検索キーワードで過去に検索されていた検索履歴を前記検索履歴保管手段から検索し、前記投稿された記事内容に類似する検索キーワードで過去に検索を行っていたユーザをおすすめ情報通知先として決定するおすすめ情報通知先決定手段と、
前記おすすめ情報通知先として決定されたユーザに対して、前記投稿された記事をおすすめ情報として提示するおすすめ情報提示手段と
を備える情報レコメンドシステムとして機能させることを特徴とする情報レコメンドプログラム。 Computer
An internal network system having a function of allowing a user in a predetermined organization to post an article and refer to the article by other users in the organization;
When an arbitrary user in the organization searches for information using the Internet, search history storage means for storing a history of the information search;
Using the posting of the article to the internal network system as a trigger, the search history that has been searched in the past with a search keyword similar to the article content of the posted article is searched from the search history storage means, and the posted article content A recommended information notification destination determination means for determining a user who has previously searched for a similar search keyword as a recommended information notification destination,
An information recommendation program that causes a user determined as the recommended information notification destination to function as an information recommendation system including recommended information presenting means for presenting the posted article as recommended information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012096120A JP2013225181A (en) | 2012-04-19 | 2012-04-19 | Information recommendation system, method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012096120A JP2013225181A (en) | 2012-04-19 | 2012-04-19 | Information recommendation system, method, and program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2013225181A true JP2013225181A (en) | 2013-10-31 |
Family
ID=49595204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012096120A Pending JP2013225181A (en) | 2012-04-19 | 2012-04-19 | Information recommendation system, method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2013225181A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016018115A (en) * | 2014-07-09 | 2016-02-01 | 株式会社オプティム | Learning state monitoring station, learning state monitoring method, and program for learning state monitoring station |
| JP2018032060A (en) * | 2016-08-22 | 2018-03-01 | 学校法人関西学院 | Submission information processing device, user terminal, submission information processing method, and program |
| WO2018035700A1 (en) * | 2016-08-23 | 2018-03-01 | 盛玉伟 | Method and system for recommending house to user in agent app |
| CN108256024A (en) * | 2018-01-10 | 2018-07-06 | 链家网（北京）科技有限公司 | A kind of source of houses recommends method |
| JP2019057029A (en) * | 2017-09-20 | 2019-04-11 | ヤフー株式会社 | Selection device, selection method, selection program, model and learning data |
| WO2022264316A1 (en) * | 2021-06-16 | 2022-12-22 | 富士通株式会社 | Information processing program, information processing method, and information processing device |
-
2012
- 2012-04-19 JP JP2012096120A patent/JP2013225181A/en active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016018115A (en) * | 2014-07-09 | 2016-02-01 | 株式会社オプティム | Learning state monitoring station, learning state monitoring method, and program for learning state monitoring station |
| JP2018032060A (en) * | 2016-08-22 | 2018-03-01 | 学校法人関西学院 | Submission information processing device, user terminal, submission information processing method, and program |
| WO2018035700A1 (en) * | 2016-08-23 | 2018-03-01 | 盛玉伟 | Method and system for recommending house to user in agent app |
| JP2019057029A (en) * | 2017-09-20 | 2019-04-11 | ヤフー株式会社 | Selection device, selection method, selection program, model and learning data |
| US11409773B2 (en) | 2017-09-20 | 2022-08-09 | Yahoo Japan Corporation | Selection device, selection method, and non-transitory computer readable storage medium |
| CN108256024A (en) * | 2018-01-10 | 2018-07-06 | 链家网（北京）科技有限公司 | A kind of source of houses recommends method |
| WO2022264316A1 (en) * | 2021-06-16 | 2022-12-22 | 富士通株式会社 | Information processing program, information processing method, and information processing device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Detecting similar repositories on GitHub | |
| US9785989B2 (en) | Determining a characteristic group | |
| US8719179B2 (en) | Recruiting service graphical user interface | |
| US20160328759A1 (en) | Method, apparatus, and a non-transitory computer-readable recording medium for providing review sharing service | |
| US10515091B2 (en) | Job posting data normalization and enrichment | |
| US20120330708A1 (en) | Perfect match for job description to job seeker resumes and job seeker resume to jobs. | |
| JP2013225181A (en) | Information recommendation system, method, and program | |
| US11086620B2 (en) | Systems and methods for automatic identification and recommendation of techniques and experts | |
| US20230169129A1 (en) | Method and system for providing alternative result for an online search previously with no result | |
| US20150242470A1 (en) | Systems and methods for recommending software applications | |
| EP2884451A1 (en) | Product and content association | |
| Tsaftaris et al. | Sharing the right data right: A symbiosis with machine learning | |
| Martin et al. | Trial2rev: Combining machine learning and crowd-sourcing to create a shared space for updating systematic reviews | |
| US20140379723A1 (en) | Automatic method for profile database aggregation, deduplication, and analysis | |
| US20160092960A1 (en) | Product recommendations over multiple stores | |
| US20150356640A1 (en) | Retrieving reviews based on user profile information | |
| US20200293581A1 (en) | Systems and methods for crawling web pages and parsing relevant information stored in web pages | |
| JP6655582B2 (en) | Data integration support system and data integration support method | |
| EP2908278A1 (en) | Scoring engine | |
| CN105224585A (en) | A kind of network high throughput experimental data management system | |
| US20100057733A1 (en) | Method, computer program product, and apparatus for enabling access to enterprise information | |
| CN114491238A (en) | Recommendation method and device for position information, electronic equipment and storage medium | |
| Pektor et al. | A data mining approach for finding similar job positions to upgrade a job position in a system for evaluating competencies | |
| US11687873B2 (en) | System for automated material master data harmonization | |
| KR101791784B1 (en) | Method and system for managing business card using hash tag |