JP5708278B2 - 情報処理装置および情報処理方法 - Google Patents

Description

本開示は、情報処理装置および情報処理方法に関する。

クラスタリングは、位置情報を有するデータの分類方法として知られている。クラスタリングの例として、特許文献１では、写真を撮影した位置の情報に基づいて、互いに近い位置で撮影された写真を同じクラスタに分類する技術が開示されている。また、特許文献２では、写真を撮影した日時の情報に基づいて、互いに近い日時に撮影された写真を同じクラスタに分類する技術が開示されている。

さらに、クラスタに分類された写真の撮影位置を含む地域の名称をクラスタ名称として与えるといったように、クラスタリングの結果として得られたクラスタに所定の領域の名称を用いて名称を付与する技術も開発されている。

特開２００８−２５０６０５号公報 特許第４５７７１７３号公報

しかし、上記のような技術によってクラスタに与えられた名称は、必ずしも、ユーザが妥当だと感じるような自然な名称ではないことがあった。例えば、写真が撮影位置に基づいて分類されたクラスタの場合、地域の境界をまたいで互いに近い位置で撮影された写真が分類されたクラスタについて、クラスタの領域に比べて不自然に大きな地域の名称が与えられるような場合があった。

そこで、本開示では、所定の領域の名称を用いてより自然なクラスタの名称を生成することが可能な、新規かつ改良された情報処理装置および情報処理方法を提案する。

本開示によれば、特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、上記特徴空間に予め設定された名称つき領域を上記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、上記抽出された名称つき領域と上記クラスタとの間の関連性を、少なくとも上記名称つき領域における上記クラスタとの重複部分の割合に基づいて評価する関連性評価部と、上記評価された関連性に基づいて上記抽出された名称つき領域の名称から上記クラスタの名称を生成するクラスタ名称生成部とを含み、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性評価部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域と上記クラスタとの重複部分から上記第１の名称つき領域と上記クラスタとの重複部分を除いて上記第２の名称つき領域の上記関連性を再評価する情報処理装置が提供される。
また、本開示によれば、特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、上記特徴空間に予め設定された名称つき領域を上記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、上記抽出された名称つき領域と上記クラスタとの間の関連性を、少なくとも上記名称つき領域に含まれる上記位置データの数に基づいて評価する関連性評価部と、上記評価された関連性に基づいて上記抽出された名称つき領域の名称から上記クラスタの名称を生成するクラスタ名称生成部とを含み、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性評価部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域に含まれる上記位置データから上記第１の名称つき領域に含まれる上記位置データを除いて上記第２の名称つき領域の上記関連性を再評価する情報処理装置が提供される。

また、本開示によれば、コンピュータを用いて構築されたシステムにおいて、上記コンピュータが備える各手段が、特徴空間の位置データが分類されるクラスタの情報を取得することと、上記特徴空間に予め設定された名称つき領域を上記クラスタに分類される位置データごとに少なくとも１つ抽出することと、上記抽出された名称つき領域と上記クラスタとの間の関連性を、少なくとも上記名称つき領域における上記クラスタとの重複部分の割合に基づいて評価することと、上記評価された関連性に基づいて上記抽出された名称つき領域の名称から上記クラスタの名称を生成することとを含み、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性を評価することは、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域と上記クラスタとの重複部分から上記第１の名称つき領域と上記クラスタとの重複部分を除いて上記第２の名称つき領域の上記関連性を再評価することを含む、情報処理方法が提供される。
また、本開示によれば、コンピュータを用いて構築されたシステムにおいて、上記コンピュータが備える各手段が、特徴空間の位置データが分類されるクラスタの情報を取得することと、上記特徴空間に予め設定された名称つき領域を上記クラスタに分類される位置データごとに少なくとも１つ抽出することと、上記抽出された名称つき領域と上記クラスタとの間の関連性を、少なくとも上記名称つき領域に含まれる上記位置データの数に基づいて評価することと、上記評価された関連性に基づいて上記抽出された名称つき領域の名称から上記クラスタの名称を生成することとを含み、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性を評価することは、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域に含まれる上記位置データから上記第１の名称つき領域に含まれる上記位置データを除いて上記第２の名称つき領域の上記関連性を再評価することを含む、情報処理方法が提供される。

さらに、本開示によれば、特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、上記クラスタに分類される位置データごとに少なくとも１つ抽出された上記特徴空間上の名称つき領域と上記クラスタとの間の関連性に基づいて上記抽出された名称つき領域の名称から生成された上記クラスタの名称の情報を取得するクラスタ名称情報取得部と、上記クラスタおよび上記クラスタの名称の情報を表示部に表示させる表示制御部とを備え、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性は、少なくとも上記名称つき領域における上記クラスタとの重複部分の割合に基づいて評価され、上記クラスタ名称情報取得部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域と上記クラスタとの重複部分から上記第１の名称つき領域と上記クラスタとの重複部分を除いて再評価された上記第２の名称つき領域の上記関連性に基づいて生成された上記クラスタの名称の情報を取得する情報処理装置が提供される。
また、本開示によれば、特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、上記クラスタに分類される位置データごとに少なくとも１つ抽出された上記特徴空間上の名称つき領域と上記クラスタとの間の関連性に基づいて上記抽出された名称つき領域の名称から生成された上記クラスタの名称の情報を取得するクラスタ名称情報取得部と、上記クラスタおよび上記クラスタの名称の情報を表示部に表示させる表示制御部とを備え、上記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、上記関連性は、少なくとも上記名称つき領域に含まれる上記位置データの数に基づいて評価され、上記クラスタ名称情報取得部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域に含まれる上記位置データから上記第１の名称つき領域に含まれる上記位置データを除いて再評価された上記第２の名称つき領域の上記関連性に基づいて生成された上記クラスタの名称の情報を取得する情報処理装置が提供される。

本開示によれば、所定の名称つき領域の名称から、それぞれの名称つき領域とクラスタとの間の関連性に基づいて適切なクラスタの名称が生成される。

以上説明したように本開示によれば、所定の領域の名称を用いてより自然なクラスタの名称を生成することができる。

他の方法によるクラスタ名称生成の例を示す図である。 本開示の第１の実施形態によるクラスタ名称生成の例を示す図である。 本開示の第１の実施形態に係る情報処理装置の機能構成を概略的に示すブロック図である。 本開示の第１の実施形態におけるクラスタリング処理を示すフローチャートである。 本開示の第１の実施形態におけるクラスタリング結果の例を示す図である。 本開示の第１の実施形態におけるクラスタ名称生成処理の概要を示すフローチャートである。 本開示の第１の実施形態における候補領域抽出部の処理を示すフローチャートである。 本開示の第１の実施形態において領域名称データベースに格納される地域リストの例を示す図である。 本開示の第１の実施形態における画像コンテンツとクラスタと候補領域との関係について説明するための図である。 本開示の第１の実施形態における候補領域の一次リストの例を示す図である。 本開示の第１の実施形態における関連性評価部の処理を示すフローチャートである。 本開示の第１の実施形態における関連性評価部の処理について説明するための図である。 本開示の第１の実施形態における関連性評価部の処理について説明するための図である。 本開示の第１の実施形態における関連性評価部の処理について説明するための図である。 本開示の第１の実施形態におけるクラスタ名称生成部の処理を示すフローチャートである。 本開示の第１の実施形態において設定されうる閾値について説明するための図である。 本開示の第２の実施形態によるクラスタ名称生成の例を示す図である。 本開示の第３の実施形態における特徴マップ空間の例を示す図である。 本開示の第３の実施形態によるクラスタ名称生成の例を示す図である。 本開示の第４の実施形態に係る情報処理装置の機能構成を概略的に示すブロック図である。 本開示の実施形態に係る情報処理装置のハードウェア構成を説明するためのブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．第１の実施形態
１−１．概要
１−２．装置構成
１−３．候補領域抽出部
１−４．関連性評価部
１−５．クラスタ名称生成部
２．第２の実施形態
３．第３の実施形態
４．第４の実施形態
５．ハードウェア構成
６．補足

（１．第１の実施形態）
（１−１．概要）
最初に、図１および図２を参照して、本開示の第１の実施形態の概要について説明する。ここでは、本実施形態によって実現されるクラスタの名称生成についての概略的な理解のために、他の方法によるクラスタ名称生成の例と、本実施形態によるクラスタ名称生成の例とを対比説明する。図１には、他の方法によるクラスタ名称生成の例が示され、図２には、本実施形態によるクラスタ名称生成の例が示されている。

まず、図１に示される他の方法の例について説明する。画像コンテンツ１１０は、デジタルカメラや携帯電話などの撮影機能を有する機器によって撮影された画像コンテンツである。画像コンテンツ１１０には、メタ情報として撮影位置の情報が付加される。画像コンテンツ１１０は、その撮影位置によって地図１００上に表現される。また、画像コンテンツ１１０は、その撮影位置に基づいてクラスタ１２０に分類される。クラスタ１２０には、地図１００における地域の名称として予め設定された名称を用いて生成されたクラスタ名称１２２が与えられる。

ここで、地図１００における地域の名称は、市町村、都道府県、および地方について設定される。市町村は、いずれかの都道府県に属し、都道府県は、いずれかの地方に属する。つまり、市町村、都道府県、および地方の間には、木構造が存在し、互いに上位と下位の関係にある。図１の例では、クラスタ１２０に含まれる画像コンテンツ１１０が複数の地域にまたがる場合、それらの地域に共通する上位の地域の名称がクラスタ名称１２２として与えられる。

図１の（ａ）では、画像コンテンツ１１０が、クラスタ１２０ａとクラスタ１２０ｂとに分類される例が示されている。クラスタ１２０ａには、盛岡市に位置する１つの画像コンテンツ１１０が含まれるため、クラスタ名称１２２ａとして“盛岡市”が与えられる。また、クラスタ１２０ｂには、新潟県、福島県、および山形県に位置する３つの画像コンテンツ１１０が含まれるため、クラスタ名称１２２ｂとして、これらの都道府県に共通する上位の地域の名称である“北陸・東北地方”が与えられる。

一方、図１の（ｂ）では、画像コンテンツ１１０が、クラスタ１２０ｃとクラスタ１２０ｄとに分類される例が示されている。クラスタ１２０ｃには、クラスタ１２０ａと同様に、盛岡市に位置する１つの画像コンテンツ１１０が含まれ、クラスタ名称１２２ｃとして“盛岡市”が与えられる。クラスタ１２０ｄには、新潟県および福島県に位置する３つの画像コンテンツ１１０が含まれるため、クラスタ名称１２２ｄとして、これらの都道府県に共通する上位の地域の名称である“北陸・東北地方”が与えられる。

ここで、クラスタ１２０ａ，１２０ｃは、サイズが市町村の領域と同程度のクラスタである。従って、市町村の名称である“盛岡市”を用いたクラスタ名称１２２ａ，１２２ｃは、自然な名称と考えられる。また、クラスタ１２０ｂは、サイズが平均的な都道府県の領域よりも大きいクラスタである。従って、地方の名称である“北陸・東北地方”を用いたクラスタ名称１２２ｂも、自然な名称と考えられる。

しかし、クラスタ１２０ｄは、サイズが市町村の領域と同程度のクラスタであるにもかかわらず、サイズがずっと大きいクラスタ１２０ｂと同じように、地方の名称である“北陸・東北地方”を用いたクラスタ名称１２２ｄが与えられている。かかるクラスタ名称１２２ｄは、クラスタ１２０ｄのサイズとつり合っておらず、他のクラスタ名称１２２ａ〜１２２ｃに比べて不自然な印象をユーザに与えかねないものである。

このように、複数の地域にまたがって位置する画像コンテンツ１１０が分類されるクラスタ１２０に、クラスタ名称１２２として複数の地域に共通する上位の地域の名称を与えると、クラスタ１２０ｄの例のように、クラスタ１２０の大きさとクラスタ名称１２２の指す領域とがつり合わず、クラスタ名称１２２がユーザに不自然な印象を与える可能性がある。

次に、図２に示される本実施形態の例について説明する。図２の（ａ）では、図１の（ａ）と同様の画像コンテンツ１１０およびクラスタ１２０ａ，１２０ｂに対して、図１の例と同様にクラスタ名称１２２ａ，１２２ｂが与えられる例が示されている。また、図２の（ｂ）では、画像コンテンツ１１０およびクラスタ１２０ｃ，１２０ｄは図１の（ｂ）と同様であり、クラスタ名称１２２ｃも図１の例と同様であるが、クラスタ名称１２２ｄは、“北陸・東北地方”とはならず、“阿賀町，その他”となる例が示されている。

図２の例でも、図１の例と同様に、地図１００における地域の名称を用いてクラスタ名称１２２が生成される。例えばクラスタ１２０ｂでは、図１の例と同様に、画像コンテンツ１１０が位置する複数の地域に共通する上位の地域の名称である“北陸・東北地方”がクラスタ名称１２２ｂとして与えられる。一方、例えばクラスタ１２０ｄでは、図１の例とは異なるクラスタ名称１２２ｄが与えられる。これは、図２の例では、上位の地域の名称を与えることが適切であるか否かが判定されるためである。上位の地域の名称を与えることが適切ではないと判定された場合、クラスタ１２０に含まれる画像コンテンツ１１０が複数の地域にまたがる場合であっても、下位の地域の名称を用いてクラスタ名称１２２が生成されうる。

このことについて、クラスタ１２０ｄを例としてさらに詳しく説明する。クラスタ１２０ｄについてのクラスタ名称１２２ｄの生成にあたっては、市町村の名称“阿賀町”（新潟県にある町）、その上位の地域である都道府県の名称“新潟県”および“福島県”、さらに上位の地域である地方の名称“北陸・東北地方”などのうち、どの名称がより的確にクラスタ１２０ｄの領域を表現しうるかが判定される。図示された例では、クラスタ１２０ｄに含まれる３つの画像コンテンツ１１０のうちの２つの撮影位置が含まれる市町村の名称である“阿賀町”が最も的確であると判定され、クラスタ名称１２２ｄに用いられる。さらに、クラスタ１２０ｄには撮影位置が阿賀町の領域に含まれない画像コンテンツ１１０も含まれるため、クラスタ名称１２２ｄには“その他”が追加される。

上述のように、クラスタ１２０ｄは、サイズが市町村の領域と同程度のクラスタである。図２の例において与えられるクラスタ名称１２２ｄ“阿賀町，その他”は、クラスタ１２０ｄのサイズとつり合った大きさの地域である市町村の名称“阿賀町”を用いて生成されるため、ユーザにより自然な印象を与えうるものと考えられる。

本実施形態では、以上で説明した図２の例のようなクラスタ名称１２２の生成が実現される。以下では、そのための構成、およびクラスタ名称生成のより詳細な例について説明する。

（１−２．装置構成）
図３を参照して、本開示の第１の実施形態に係る情報処理装置１０の機能構成について説明する。図３のブロック図は、本開示の第１の実施形態に係る情報処理装置１０の機能構成を概略的に示す。情報処理装置１０は、例えばＰＣ（Personal Computer）として実現され、コンテンツ取得部１１と、クラスタリング部１３と、候補領域抽出部１５と、関連性評価部１７と、クラスタ名称生成部１９と、領域名称データベース２１と、クラスタ名称出力部２３とを含む。

コンテンツ取得部１１は、画像コンテンツ１１０の情報を取得する。画像コンテンツ１１０は、例えば、デジタルカメラや携帯電話などの撮影機能を有する機器において撮影されたものであり、撮影位置の情報がメタ情報として付加されている。コンテンツ取得部１１は、例えばこれらの機器と通信する接続ポート、または通信装置などによって実現されうる。なお、コンテンツ取得部１１は、画像コンテンツ１１０の画像データを含む全体を取得しなくてもよく、例えばコンテンツを特定するＩＤと撮影位置のメタ情報だけを取得してもよい。

クラスタリング部１３は、コンテンツ取得部１１によって取得された画像コンテンツ１１０をクラスタ１２０に分類する。候補領域抽出部１５と、関連性評価部１７と、クラスタ名称生成部１９とは、クラスタ１２０に与えられるクラスタ名称１２２を生成する。これらの各部の詳細な機能については後述する。クラスタリング部１３と、候補領域抽出部１５と、関連性評価部１７と、クラスタ名称生成部１９とは、例えばＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、およびＲＡＭ（Random Access Memory）などによって実現されうる。

領域名称データベース２１は、候補領域抽出部１５によって参照されるデータベースである。領域名称データベース２１は、例えば情報処理装置１０が有するストレージ装置などによって実現されうる。また、領域名称データベース２１は、情報処理装置１０の外部にあるストレージ装置によって実現され、情報処理装置１０は通信装置を用いてこれを参照してもよい。領域名称データベース２１に格納される情報については後述する。

クラスタ名称出力部２３は、生成されたクラスタ名称１２２の情報を出力する。例えば、クラスタ名称１２２の情報は、情報処理装置１０に画像コンテンツ１１０の情報を提供したデジタルカメラや携帯電話などの他の機器にクラスタ名称１２２を伴うクラスタ１２０の情報を送り返すことによって出力されてもよい。この場合、クラスタ名称出力部２３は、これらの機器と通信する接続ポート、または通信装置などによって実現されうる。また、クラスタ名称１２２の情報は、クラスタ１２０の情報とともに情報処理装置１０からユーザに出力されてもよい。この場合、クラスタ名称出力部２３は、情報処理装置１０が有するディスプレイなどの出力装置によって実現されうる。

なお、情報処理装置１０における画像コンテンツ１１０の取得、画像コンテンツ１１０をクラスタ１２０に分類するクラスタリング、およびクラスタ名称１２２の出力については、上記の例に限らず様々な構成が可能である。例えば、情報処理装置１０は、撮影機能を有し、自ら画像コンテンツ１１０を撮影してもよい。また、情報処理装置１０は、他の機器によるクラスタリングの結果を取得し、専らクラスタ名称１２２の生成を実行してもよい。それゆえ、情報処理装置１０は、ＰＣ以外にも、デジタルカメラ、ビデオカメラ、ゲーム機、携帯電話、スマートフォン、カーナビゲーションシステム、ＰＤＡ（Personal Digital Assistant）など、あらゆる種類の情報処理装置でありうる。

（クラスタリング処理）
次に、図４および図５を参照して、本実施形態に係る情報処理装置１０におけるクラスタリング処理について説明する。

図４は、本実施形態におけるクラスタリング処理を示すフローチャートである。まず、クラスタリング部１３は、コンテンツ取得部１１が取得した画像コンテンツ１１０を取得する（ステップＳ１０１）。次に、クラスタリング部１３は、画像コンテンツ１１０のメタ情報から位置情報を抽出する（ステップＳ１０３）。ここで抽出される位置情報は、画像コンテンツ１１０の撮影位置の情報として付加された情報である。

次に、クラスタリング部１３は、抽出された位置情報に基づいてクラスタリングを実行する（ステップＳ１０５）。クラスタリングによって、画像コンテンツ１１０がクラスタ１２０に分類される。クラスタリングには、例えば、位置情報に基づいて画像コンテンツ１１０の間の距離を算出し、互いに近い距離にある画像コンテンツ１１０を同じクラスタ１２０に分類する距離ベースの手法が用いられうるが、これには限られず、公知のあらゆる手法が用いられうる。

次に、クラスタリング部１３は、クラスタリングの結果を候補領域抽出部１５に出力する（ステップＳ１０７）。ここで出力される結果は、例えば図５に示されるようなものである。

図５は、本実施形態におけるクラスタリング結果の例を示す図である。クラスタリング結果は、地図１００上での画像コンテンツ１１０の位置と、画像コンテンツ１１０が分類されるクラスタ１２０の領域の情報とを含む。クラスタリング部１３から出力されるこれらの情報を、本明細書ではクラスタ情報ともいう。なお、地図１００は２次元の特徴空間であり、画像コンテンツ１１０は特徴空間の位置によって表現されるデータである。また、クラスタリング部１３は、クラスタリングを実行することによって上記のクラスタ情報を取得するクラスタ情報取得部である。

（クラスタ名称生成処理）
次に、図６を参照して、本実施形態におけるクラスタ名称生成処理について説明する。

図６は、本実施形態におけるクラスタ名称生成処理の概要を示すフローチャートである。まず、候補領域抽出部１５が、候補領域の一次リストを生成する（ステップＳ２０１）。次に、関連性評価部１７が、候補領域の一次リストから候補領域の二次リストを生成する（ステップＳ２０３）。次に、クラスタ名称生成部１９が、候補領域の二次リストに基づいて、クラスタ名称１２２を生成する（ステップＳ２０５）。

ここで、候補領域は、クラスタ名称１２２に名称が用いられる可能性がある領域であり、地図１００上に予め設定された地域から抽出される。地域は、地図１００上に予め設定された領域であり、例えば“日本国”や“東京都”などのように、それぞれが名称を有する。地図上の地域のように、名称が予め設定された特徴空間上の領域を、本明細書では名称つき領域という。本実施形態では、名称つき領域である地域から候補領域が抽出され、抽出された候補領域からさらに所定の基準に基づいて抽出された地域の名称がクラスタ名称１２２に用いられる。

この候補領域の抽出のために用いられるのが、候補領域の一次リストおよび二次リストである。これらのリストを、以下では単に一次リストおよび二次リストともいう。一次リストは、クラスタ１２０に分類される画像コンテンツ１１０ごとに、当該画像コンテンツ１１０の位置を包含する地域を少なくとも１つ抽出したリストである。つまり、一次リストに抽出された地域は、少なくとも１つの画像コンテンツ１１０の位置を包含する。二次リストは、一次リストに含まれるそれぞれの領域について、クラスタ１２０との関連性の評価値を関連付けたものである。これらのリストは、例えば情報処理装置１０が有するストレージ装置などに格納され、必要に応じて更新されうる。

以下で、図７〜図１６を参照して、ステップＳ２０１〜Ｓ２０５のそれぞれの処理について詳細に説明する。なお、ステップＳ２０１の処理は図７に、ステップＳ２０３の処理は図１１に、ステップＳ２０５の処理は図１５に、それぞれ対応する。

（１−３．候補領域抽出部）
図７は、本実施形態における候補領域抽出部１５の処理を示すフローチャートである。

候補領域抽出部１５は、クラスタ１２０に分類される各画像コンテンツ１１０についての繰り返し処理を実行する（ステップＳ３０１）。ここで、候補領域抽出部１５は、画像コンテンツ１１０のメタ情報から位置情報を抽出する（ステップＳ３０３）。ここで抽出される位置情報は、画像コンテンツ１１０の撮影位置の情報として付加された情報である。

さらに、候補領域抽出部１５は、抽出した位置情報に対応する地域を一次リストに追加する（ステップＳ３０５）。ここで、位置情報に対応する地域とは、地図１００上で画像コンテンツ１１０の撮影位置を包含する地域である。地域の情報は、地域リストとして領域名称データベース２１に格納されている。地域の情報は、例えば図８に示すようなリストでありうる。また、一次リストは、領域名称だけではなく、領域に含まれるコンテンツやクラスタ１２０の領域との重複面積などの情報を含み、例えば図１０に示すようなリストでありうる。

図８は、本実施形態において領域名称データベース２１に格納される地域リスト２５の例を示す図である。図８を参照すると、地域リスト２５は、ＩＤ、領域名称、領域データ、領域面積の情報を含む。

このうち、ＩＤは、地域の情報を識別するためのＩＤである。領域名称は、それぞれの地域に与えられた名称である。領域データは、例えば地図１００上の複数の位置を示す情報であり、これらの複数の位置を頂点とする多角形によって各地域の領域が定義される。領域面積は、地図１００上での各地域の大きさである。

図示された例において、地域リスト２５には、“富士山”、“幕張メッセ”、“海浜幕張駅とその周辺”などのようなランドマーク地域と、“関東地方”、“東京都”、“品川区”などのような住所地域とが両方含まれている。住所地域は、市町村（例えば品川区）、都道府県（例えば東京都）、および地方（例えば関東地方）のように木構造を有し、上位の地域は下位の地域を包含する。

一方、ランドマーク地域は、必ずしも木構造のような規則的な構造を有さない。例えば、図示された例において、“幕張メッセ”の領域と“海浜幕張駅とその周辺”の領域とは部分的に重なり合うが、包含関係にはない。また、ランドマーク地域は、住所地域の木構造とは独立して設定されうる。従って、ランドマーク地域と住所地域との関係も、不規則なものでありうる。

上記の理由によって、図７のステップＳ３０５において一次リストに追加される地域は、１つとは限らない。まず、住所地域の場合、木構造を有しているため、下位の地域に画像コンテンツ１１０の撮影位置が含まれる場合、当該位置はその上位の地域にも含まれることになる。例えば、画像コンテンツ１１０の撮影位置が“品川区”に含まれる場合、当該位置は“東京都”にも含まれ、さらに“関東地方”にも含まれる。

さらに、ランドマーク地域の場合、複数の地域が不規則に重なり合う可能性があるため、画像コンテンツ１１０の撮影位置が複数の地域に含まれる場合がある。例えば、画像コンテンツ１１０の撮影位置が幕張メッセと海浜幕張駅との中間付近である場合、当該位置を含むランドマーク地域として、“幕張メッセ”および“海浜幕張駅とその周辺”の両方が抽出されうる。

図９は、本実施形態における画像コンテンツ１１０と、クラスタ１２０と、候補領域１３０との関係について説明するための図である。図１０は、図９の例において生成されうる一次リスト１４０の例を示す図である。

図９では、画像コンテンツ１１０が分類されるクラスタ１２０と、クラスタ１２０に分類される画像コンテンツ１１０の撮影位置を少なくとも１つ含む地域である候補領域１３０ａ〜１３０ｃとが示されている。候補領域１３０ａは、領域名称が“Ａ”であり、“１”〜“５”の画像コンテンツ１１０の位置を包含する領域である。候補領域１３０ｂは、領域名称が“Ｂ”であり、“１”，“３”の画像コンテンツ１１０の位置を包含する領域である。候補領域１３０ｃは、領域名称が“Ｃ”であり、“２”〜“６”の画像コンテンツ１１０の位置を包含する領域である。

図１０では、候補領域抽出部１５が“１”〜“６”の画像コンテンツ１１０のそれぞれについて候補領域１３０を抽出することによって生成される一次リスト１４０の例が示されている。図示された例において、一次リスト１４０は、領域名称、領域面積、コンテンツＩＤ、コンテンツ数、およびクラスタ領域との重複面積の情報を含む。

このうち、領域名称および領域面積は、領域名称データベース２１に格納された地域リスト２５から取得されうる。コンテンツＩＤは、例えば、図７のステップＳ３０５において各画像コンテンツ１１０について候補領域１３０が抽出されるときに、当該画像コンテンツ１１０の情報から取得されうる。コンテンツ数は、同じくステップＳ３０５において、ある画像コンテンツ１１０についてある候補領域１３０が最初に抽出された場合のカウントを１とし、その後、他の画像コンテンツ１１０についても同じ候補領域１３０が抽出された場合にカウントを増加させることによって取得されうる。クラスタ領域との重複面積は、領域名称データベース２１に格納された地域リスト２５から取得される各領域の領域データと、クラスタリング部１３から提供されるクラスタの領域の情報とから算出されうる。

ここで、候補領域１３０ａ〜１３０ｃは、いずれも、クラスタ１２０に分類される画像コンテンツ１１０の位置を少なくとも１つ包含する領域であるが、この時点では、候補領域１３０の名称のうちのどれがクラスタ名称１２２として適切であるかはわからない。それゆえ、候補領域抽出部１５は、生成された一次リスト１４０の情報を関連性評価部１７に提供し、関連性評価部１７が各候補領域１３０のクラスタ１２０との間の関連性を評価する。

（１−４．関連性評価部）
図１１は、本実施形態における関連性評価部１７の処理を示すフローチャートである。

まず、関連性評価部１７は、一次リスト１４０内の各候補領域１３０について、関連性評価値を算出する（ステップＳ４０１）。本実施形態において、関連性評価値は、各候補領域１３０に位置が包含される画像コンテンツ１１０の数、および各候補領域１３０とクラスタ１２０の領域との重複面積に基づいて算出される。

次に、関連性評価部１７は、一次リスト１４０内で関連性評価値が最も高い候補領域１３０を二次リストに追加する（ステップＳ４０３）。二次リストに追加される候補領域１３０の情報には、ステップＳ４０１で算出された当該候補領域１３０の関連性評価値が関連付けられる。

次に、関連性評価部１７は、ステップＳ４０３において二次リストに追加された候補領域１３０に関する要素を一次リスト１４０から削除する（ステップＳ４０５）。後述するように、候補領域１３０に関する要素は、候補領域１３０に含まれる画像コンテンツ１１０と、候補領域１３０と重複するクラスタ１２０の部分とを含む。

次に、関連性評価部１７は、一次リスト１４０が空になったか否かを判定し（ステップＳ４０７）、空になっていれば、処理を終了する。そうでなければ、関連性評価部１７は、ステップＳ４０３で二次リストに追加された候補領域１３０に関する要素がステップＳ４０５で削除された一次リスト１４０について、再度、各候補領域１３０の関連性評価値を算出する（ステップＳ４０１）。

上記の処理を終了した関連性評価部１７は、生成された二次リストの情報をクラスタ名称生成部１９に提供し、クラスタ名称生成部１９は、二次リストに含まれる候補領域１３０の関連性評価値に基づいてクラスタ名称１２２を生成する。

このように、本実施形態における関連性評価部１７の処理では、一次リスト１４０から候補領域１３０が二次リストに追加される度に、当該候補領域１３０に関する要素を一次リスト１４０から削除し、削除後の一次リスト１４０に残った各候補領域１３０について、再度関連性評価値を算出する。かかる処理について、以下でさらに詳しく説明する。

図１２〜図１４は、図１１を参照して説明した関連性評価部１７の処理について、さらに詳しく説明するための図である。なお、図１２〜図１４に示される画像コンテンツ１１０、クラスタ１２０、および候補領域１３０は、図９および図１０の例と同様のものである。

図１２には、一次リスト１４０に対する最初の関連性評価値の算出が示されている。本実施形態において、各候補領域１３０の関連性評価値Ｅは、コンテンツ数ｎ、候補領域１３０の面積Ｓ、候補領域１３０とクラスタ１２０の領域との重複面積Ｄを用いて、以下の式１で求められる。

Ｅ＝ｎ×Ｄ／Ｓ ・・・（式１）

ここで、領域名称が“Ａ”の候補領域１３０ａは、５つの画像コンテンツ１１０を含み、領域面積５０のうち１５がクラスタ１２０と重複する。従って、候補領域１３０ａについて、関連性評価値Ｅは、５×１５／５０＝１．５になる。

同様に、領域名称が“Ｂ”の候補領域１３０ｂは、２つの画像コンテンツ１１０を含み、領域面積５５のうち７がクラスタ１２０と重複する。従って、候補領域１３０ｂについて、関連性評価値Ｅは、２×７／５５＝０．２５になる。

また、領域名称が“Ｃ”の候補領域１３０ｃは、５つの画像コンテンツ１１０を含み、領域面積５０のうち１４がクラスタ１２０と重複する。従って、候補領域１３０ｃについて、関連性評価値Ｅは、５×１４／５０＝１．４になる。

この結果、一次リスト１４０に含まれる候補領域１３０ａ〜１３０ｃの中では、候補領域１３０ａの関連性評価値Ｅが最も高く、次いで候補領域１３０ｃの関連性評価値Ｅが高く、また候補領域１３０ｂの関連性評価値Ｅが最も低いことがわかる。本実施形態では、この結果によって、一次リスト１４０に含まれる候補領域１３０のうちで、クラスタ１２０との関連性が最も高く、従って名称がクラスタ名称１２２に最も適するのは、候補領域１３０ａであると判定される。

図１３には、二次リスト１５０に対する最初の候補領域１３０の追加が示されている。上記の関連性評価値の算出の結果、一次リスト１４０の中では候補領域１３０ａの関連性評価値Ｅが最も高いことが示されたため、関連性評価部１７は、候補領域１３０ａの情報を二次リスト１５０に追加する。二次リスト１５０には、候補領域１３０ａの領域名称“Ａ”と、算出された関連性評価値“１．５”とが追加される。なお、二次リスト１５０には、これ以外の候補領域１３０ａに関する情報が追加されてもよい。

ここで、候補領域１３０ａの情報は、二次リスト１５０への追加に伴って一次リスト１４０から削除される。また、候補領域１３０ａに関する要素も、一次リスト１４０から削除される。具体的には、一次リスト１４０から候補領域１３０ａを示すレコードが削除される。さらに、候補領域１３０ｂ，１３０ｃの情報から、候補領域１３０ａに含まれていた“１”〜“５”の画像コンテンツ１１０の情報と、クラスタ１２０の領域のうち候補領域１３０ａと重複していた部分の面積が削除される。

上記の削除の結果が、図１３では抹消および訂正の記号によって示されている。候補領域１３０ｂに撮影位置が含まれていた“１”，“３”の画像コンテンツ１１０は、いずれも候補領域１３０ａにも撮影位置が含まれていたため、いずれも一次リスト１４０から情報が削除される。この結果、一次リスト１４０上で、候補領域１３０ｂには画像コンテンツ１１０の撮影位置が１つも含まれないことになる。また、クラスタ１２０の領域のうち、候補領域１３０ｂと重複していた部分は、すべて候補領域１３０ａとも重複していたため、これも削除される。この削除の結果、一次リスト１４０上で、候補領域１３０ｂはクラスタ１２０の領域とは重複しないことになる。

このように、画像コンテンツ１１０やクラスタ１２０の領域が削除された結果、画像コンテンツ１１０の撮影位置を含まなくなったり、クラスタ１２０の領域と重複しなくなったりした候補領域１３０については、一次リストから当該候補領域１３０を示すレコードが削除される。従って、候補領域１３０ｂのレコードも、一次リスト１４０から削除される。

一方、候補領域１３０ｃでは、“２”〜“６”の画像コンテンツ１１０のうち、候補領域１３０ａに含まれていた“２”〜“５”の画像コンテンツ１１０が削除される。これによって、一次リスト１４０上で、候補領域１３０ｃは、“６”の画像コンテンツ１１０だけを含むことになる。また、候補領域１３０ｃがクラスタ１２０と重複していた部分のうちの一部は、候補領域１３０ａとも重複していたため、この部分の面積が重複面積Ｄから除かれる。なお、この領域の面積は１１である。従って、候補領域１３０ａに関する要素が削除されると、一次リスト１４０上で、候補領域１３０ｃのクラスタ１２０の領域との重複面積Ｄは、１４−１１＝３になる。

図１４には、一次リスト１４０に対する２回目の関連性評価値の算出が示されている。上述のように、最初の関連性評価値の算出に基づく候補領域１３０ａの二次リスト１５０への追加の結果、一次リスト１４０からは候補領域１３０ａの情報、および候補領域１３０ａに関する要素が削除される。２回目の関連性評価値の算出は、この削除後の一次リスト１４０に対して実行される。

上述のように、最初の関連性評価値の算出の結果、一次リスト１４０では、候補領域１３０ａおよび候補領域１３０ｂのレコードが削除されている。従って、２回目の関連性評価値の算出では、候補領域１３０ｃについて関連性評価値が算出される。この時点での一次リスト１４０における候補領域１３０ｃは、１つの画像コンテンツ１１０を含み、領域面積５０のうち３がクラスタ１２０の領域と重複する。従って、候補領域１３０ｃについて、関連性評価値Ｅは、１×３／５０＝０．０６になる。

図示された例では、一次リスト１４０に候補領域１３０が１つしかないため、関連性評価部１７は、自動的に、関連性評価値Ｅが最も高い候補領域１３０として候補領域１３０ｃを二次リスト１５０に追加する。二次リスト１５０には、候補領域１３０ｃの領域名称“Ｃ”と、算出された関連性評価値“０．０６”とが追加される。

ここで、候補領域１３０ｃの情報は、二次リスト１５０への追加に伴って一次リスト１４０から削除される。これによって、一次リスト１４０からはすべての候補領域１３０の情報が削除され、関連性評価部１７は、一次リスト１４０から二次リスト１５０を生成する処理を終了する。

（関連性の評価の基準について）
式１に示されるように、本実施形態において、候補領域１３０とクラスタ１２０との関連性は、候補領域１３０のクラスタ１２０との重複部分の割合と、候補領域１３０に含まれる画像コンテンツ１１０の数とに基づいて評価される。

候補領域１３０のクラスタ１２０との重複部分の割合に基づいて関連性を評価することによって、クラスタ１２０とより多くの部分で重複し、かつ、より小さいサイズの候補領域１３０について、関連性をより高く評価することができる。

また、候補領域１３０に含まれる画像コンテンツ１１０の数に基づいて関連性を評価することによって、より多くの画像コンテンツ１１０を含む候補領域１３０について、関連性をより高く評価することができる。

これらの２つの基準は、いずれかが単独で関連性の評価に用いられてもよく、また両方が組み合わせて用いられてもよい。いずれかを単独で用いる方が処理を簡単にする上では有利である。しかし、上記の２つの基準を組み合わせて候補領域１３０の関連性を評価することは、以下で説明するような利点を有する。

まず、候補領域１３０に含まれる画像コンテンツ１１０の数ｎだけに基づいて関連性が評価される場合を考える。この場合、より多くの画像コンテンツ１１０を含む候補領域１３０の関連性が高く評価される。それゆえ、例えば木構造を有する住所地域の場合、市町村よりも都道府県、都道府県よりも地方、といったように、上位の地域ほど関連性が高く評価されやすくなる。そうすると、複数の地域にまたがって位置する画像コンテンツ１１０が分類されたクラスタ１２０の場合、複数の地域の上位の地域の名称がクラスタ名称１２２に用いられることになる。この場合、クラスタ１２０のサイズと、クラスタ名称１２２に用いられる地域のサイズとが対応しなくなることがあり、自然なクラスタ名称１２２が生成されるとは限らない。

ここで、さらに候補領域１３０のクラスタ１２０との重複部分の割合Ｄ／Ｓに基づいて関連性を評価すると、上位の地域になるほど領域面積Ｓが大きくなるため、地域の大きさが大きくなるほど、重複部分の割合Ｄ／Ｓの値が小さくなり、関連性評価値Ｅが小さくなる。従って、より多くの画像コンテンツ１１０を含みつつも、クラスタ１２０の大きさに対応した大きさの候補領域１３０の関連性を最も高く評価することが可能になる。

次に、候補領域１３０のクラスタ１２０との重複部分の割合Ｄ／Ｓだけに基づいて関連性が評価される場合を考える。この場合、クラスタ１２０との重複部分の割合Ｄ／Ｓが大きい候補領域１３０の関連性が高く評価される。そうすると、例えばクラスタ１２０に包含されるような小さな地域では、重複部分の割合Ｄ／Ｓの値が１になる、つまり関連性評価値Ｅが最大になる。この場合、少数の画像コンテンツ１１０を含む小さな地域の名称が、クラスタ１２０の大きさに関わらずクラスタ名称１２２に列挙されてしまうことがあり、自然なクラスタ名称１２２が生成されるとは限らない。

ここで、さらに候補領域１３０に含まれる画像コンテンツ１１０の数ｎに基づいて関連性が評価すると、小さい地域ほど含まれる画像コンテンツ１１０の数ｎが少なくなるため、関連性評価値Ｅが小さくなる。従って、クラスタ１２０との重複部分の割合Ｄ／Ｓがある程度高い候補領域１３０の中で、より多くの画像コンテンツ１１０を含む候補領域１３０の関連性を最も高く評価することが可能になる。

このように、２つの基準を組み合わせて候補領域１３０の関連性を評価することによって、“より多くの画像コンテンツ１１０を含む”という観点と、“クラスタ１２０の大きさに近い”という観点の両方をバランスさせて、クラスタ名称１２２の生成に用いられる候補領域１３０を選定することが可能になる。

なお、本実施形態のように、木構造を有する住所地域や、不規則に重なり合うランドマーク地域の名称を用いてクラスタ名称１２２を生成する場合には、上記のように２つの基準を組み合わせて候補領域１３０とクラスタ１２０との関連性を評価することが有効である。しかし、例えば後述する他の実施形態の場合のように、名称つき領域の構成が異なれば、いずれか１つの基準を用いた関連性の評価も十分に有効でありうる。

（関連性評価値のバリエーションについて）
関連性評価値Ｅは、上記の式１以外の式によって算出されてもよい。例えば、関連性評価値Ｅは、所定の属性に基づく重みづけを含む式によって算出されてもよい。属性は、例えば、候補領域１３０のカテゴリ、候補領域１３０の人気度、候補領域１３０の人口または世帯数、候補領域１３０が首都や都道府県庁所在地、政令指定都市であるか否か、候補領域１３０のユーザの編集操作によって選択された回数などでありうる。

このうち、候補領域１３０のカテゴリは、商業施設、公共施設、住宅施設、観光名所などである。例えば、ユーザが画像コンテンツ１１０の撮影について設定した特定のカテゴリに重みをつけることにより、当該カテゴリの候補領域１３０の関連性評価値Ｅを大きくし、クラスタ名称１２２に用いられやすくすることができる。これによって、例えば、ユーザによって観光名所というカテゴリが選択されている場合、観光名所のランドマーク地域の名称が優先的にクラスタ名称１２２に含まれるようにすることが可能になる。

また、候補領域１３０の人気度、人口などは、候補領域１３０の重要度、知名度などを反映するものでありうる。これによって、例えば、より人気のあるテーマパークおよび観光名所などのランドマーク地域や、より大きな都市など、ユーザが名称を知っている可能性がより高い地域の名称が優先的にクラスタ名称１２２に含まれるようにすることが可能になる。

（１−５．クラスタ名称生成部）
図１５は、本実施形態におけるクラスタ名称生成部１９の処理を示すフローチャートである。

まず、クラスタ名称生成部１９は、二次リスト１５０に候補領域１３０が存在するか否かを判定する（ステップＳ５０１）。この判定が、関連性評価部１７から提供された二次リスト１５０について最初に実行される場合には、二次リスト１５０には少なくとも１つの候補領域１３０が存在する。ここで、二次リスト１５０に候補領域１３０が含まれていないと判定された場合、クラスタ名称生成部１９は、後述のステップＳ５２１にジャンプし、クラスタ名称生成の後処理に入る。

ステップＳ５０１で二次リスト１５０に候補領域１３０が存在すると判定された場合、クラスタ名称生成部１９は、二次リスト１５０内で関連性評価値が最も高い候補領域１３０を抽出する（ステップＳ５０３）。ここで抽出される候補領域１３０は、この時点で二次リスト１５０に存在する候補領域１３０の中でクラスタ１２０との関連性が最も高いと判定された領域である。つまり、クラスタ名称生成部１９は、関連性評価部１７によってクラスタ１２０との関連性が高いと判定されたものから順に、二次リスト１５０から候補領域１３０を抽出する。

続いて、クラスタ名称生成部１９は、ステップＳ５０３において抽出された候補領域１３０の下位の領域の名称が、既にクラスタ名称１２２に含まれるか否かを判定する（ステップＳ５０５）。下位の領域の名称が既にクラスタ名称に含まれる場合、クラスタ名称生成部１９は、抽出された候補領域１３０を二次リスト１５０から削除し、上下判定削除フラグを立てる（ステップＳ５０７）。上下判定削除フラグは、１つのクラスタ１２０に対する処理ごとに保持されるフラグであり、後述するステップＳ５２１で参照される。その後、クラスタ名称生成部１９は、ステップＳ５０１に戻り、二次リスト１５０から候補領域１３０を抽出する処理を繰り返す。

ここで、下位の領域とは、例えば“市町村−都道府県−地方”のような木構造を有する住所地域のような領域における領域間の上位下位関係によって定義される。例えば、“品川区”は“東京都”の下位の領域であり、“東京都”は“関東地方”の下位の領域である。本実施形態では、例えば、“品川区”が既にクラスタ名称１２２に含まれる場合に、二次リスト１５０から“東京都”の候補領域１３０が抽出されると、“東京都”の候補領域１３０の情報を二次リスト１５０から削除する。クラスタ名称１２２として、“品川区，東京都”のように、上位下位関係にある領域の名称が併記されるのは不自然と考えられるためである。

なお、抽出された候補領域１３０の上位の領域の名称が既にクラスタ名称１２２に含まれる状況は、本実施形態における処理では生じないため、判定されていない。また、上述のように、本実施形態では、住所地域とランドマーク地域との間には上位下位関係が設定されていないため、ランドマーク地域と、そのランドマーク地域を包含する住所地域とは、例えば“東京タワー，東京都”のように、クラスタ名称１２２において併記されうる。

ステップＳ５０５において、抽出された候補領域１３０の下位の領域の名称がクラスタ名称１２２に含まれないと判定された場合、クラスタ名称生成部１９は、抽出された候補領域１３０の名称をクラスタ名称１２２に追加するとともに、当該候補領域１３０を二次リスト１５０から削除する（ステップＳ５０９）。

ここで、本実施形態において、クラスタ名称１２２は、候補領域１３０の名称を順次連結することによって生成される。例えば、候補領域１３０の名称が、二次リスト１５０から“中華街”、“品川区”の順で抽出された場合、クラスタ名称１２２は“中華街，品川区”のように生成される。

次に、クラスタ名称生成部１９は、クラスタ名称１２２に含まれる候補領域１３０の名称の数が閾値に到達したか否かを判定する（ステップＳ５１１）。本実施形態では、クラスタ名称１２２に含まれうる名称の数に上限の閾値Ｔ１が設定される。これは、例えば、クラスタ名称１２２が長くなりすぎて、地図１００上に表示されたときにクラスタ１２０や画像コンテンツ１１０の視認性を損なうことを防ぐためである。クラスタ名称１２２に含まれる名称の数が閾値Ｔ１に到達したと判定された場合、クラスタ名称生成部１９は後述のステップＳ５１７に進み、クラスタ名称生成の後処理に入る。

なお、クラスタ名称１２２に含まれうる名称の数の閾値Ｔ１は、例えば地図１００の縮尺や、クラスタ１２０の大きさなどによって、表示のバランスを考慮して自動的に適切な値に設定されうる。例えば、地図１００の縮尺が比較的小さい場合には、閾値Ｔ１を比較的小さく設定することが適切であると考えられる。また、クラスタ１２０の大きさが比較的小さい場合にも、閾値Ｔ１を比較的小さく設定することが適切であると考えられる。閾値Ｔ１は、ユーザ操作によって任意の値にも設定されてもよい。

一方、ステップＳ５１１で、クラスタ名称１２２に含まれる名称の数が閾値Ｔ１に到達していないと判定された場合、クラスタ名称生成部１９は、これまでにクラスタ名称１２２に名称が追加された候補領域１３０の関連性評価値を積算する（ステップＳ５１３）。関連性評価値は、二次リスト１５０から取得されうる。

本実施形態において、関連性評価値の積算値は、クラスタ名称１２２がクラスタ１２０の領域を十分に表せているかの指標として用いられる。例えば、クラスタ１２０に分類される画像コンテンツ１１０の撮影位置が単一の候補領域１３０に集中して含まれる場合、当該候補領域１３０の名称が最初にクラスタ名称１２２に追加された時点で、関連性評価値の積算値がかなり高くなる。一方、クラスタ１２０に分類される画像コンテンツ１１０の撮影位置が複数の候補領域１３０に分散して含まれる場合、それぞれの候補領域１３０の関連性評価値は比較的低くなるため、例えば関連性評価値の積算値が最初の例と同じ値になるまでに複数の候補領域１３０がクラスタ名称１２２に追加されうる。

続いて、クラスタ名称生成部１９は、ステップＳ５１３で積算された関連性評価値が閾値に到達したか否かを判定する（ステップＳ５１５）。本実施形態では、クラスタ名称１２２に名称が含まれる候補領域１３０の関連性評価値の積算値に、下限の閾値Ｔ２が設定される。上記のように、関連性評価値の積算値は、クラスタ名称１２２がクラスタ１２０の領域を十分に表せているかの指標として用いられる。閾値Ｔ２は、不必要に多くの名称をクラスタ名称１２２に追加しないために設けられる。

なお、閾値Ｔ２は、例えば地図１００の縮尺や、クラスタ１２０の大きさなどによって、自動的に適切な値に設定されうる。また、閾値Ｔ２の適切な値は、二次リスト１５０に含まれる候補領域１３０の関連性評価値の平均値によって動的に設定されてもよい。閾値Ｔ２は、ユーザ操作によって任意の値に設定されてもよい。

ステップＳ５１５において、積算された関連性評価値が閾値Ｔ２に到達したと判定された場合、クラスタ名称生成部１９は後述のステップＳ５１７に進み、クラスタ名称生成の後処理に入る。一方、積算された関連性評価値が閾値Ｔ２に到達していないと判定された場合、クラスタ名称生成部１９は、ステップＳ５０１に戻り、二次リスト１５０から候補領域１３０を抽出する処理を繰り返す。

ステップＳ５１１でクラスタ名称に含まれる名称の数が閾値Ｔ１に到達したと判定された場合、およびステップＳ５１５で関連性評価値の積算値が閾値Ｔ２に到達したと判定された場合、クラスタ名称生成部１９は、二次リスト１５０に候補領域１３０が残っているか否かを判定する（ステップＳ５１７）。二次リスト１５０に候補領域１３０の情報が残っていると判定された場合、クラスタ名称生成部１９は、クラスタ名称１２２に“その他”を追加する（ステップＳ５１９）。

一方、ステップＳ５１７において二次リスト１５０に候補領域１３０の情報が残っていないと判定された場合、クラスタ名称生成部１９は、上下判定削除フラグが立っているか否かを判定する（ステップＳ５２１）。上下判定削除フラグは、上記のステップＳ５０７において、候補領域１３０がクラスタ名称１２２に名称を追加されることなく二次リスト１５０から削除されるときに立てられるフラグである。ステップＳ５２１で上下判定削除フラグが立っていると判定された場合も、クラスタ名称生成部１９は、クラスタ名称１２２に“その他”を追加する（ステップＳ５１９）。

このように、ステップＳ５１９でクラスタ名称１２２に“その他”が追加されるのは、関連性評価部１７によって生成された二次リスト１５０（以下、当初の二次リスト１５０ともいう）に含まれるものの、クラスタ名称１２２には名称が含まれない候補領域１３０が存在する場合である。

上述の関連性評価部１７による二次リスト１５０の生成処理から明らかなように、当初の二次リスト１５０に含まれる各候補領域１３０は、二次リスト１５０内の他の候補領域１３０には包含されない画像コンテンツ１１０の撮影位置を少なくとも１つ包含する。従って、当初の二次リスト１５０に含まれるがクラスタ名称１２２に名称が含まれない候補領域１３０が存在するということは、その候補領域１３０に含まれる画像コンテンツ１１０の撮影位置に対応する名称がクラスタ名称１２２には含まれないということである。

それゆえ、クラスタ名称生成部１９は、このような場合に、“その他”をクラスタ名称１２２に付加することによって、クラスタ名称１２２に名称が現れている領域以外の領域に撮影位置を有する画像コンテンツ１１０がクラスタ１２０に含まれることを示す。

図１６は、本実施形態でクラスタ名称生成部１９の処理のために設定される閾値について説明するための図である。なお、図１６に示される二次リスト１５０は、図１２〜図１４の例で生成される二次リスト１５０と同様のものである。なお、以下の説明では、図１５で説明されたステップを適宜参照する。

図示された例において、当初の二次リスト１５０には、領域名称が“Ａ”、関連性評価値が“１．５”である候補領域１３０ａの情報と、領域名称が“Ｃ”、関連性評価値が“０．０６”である候補領域１３０ｃの情報とが含まれている。

まず、クラスタ名称１２２に含まれうる名称の数の閾値Ｔ１が２以上ではない場合、すなわち、クラスタ名称１２２に１つの名称しか含められない場合、ステップＳ５０９で名称“Ａ”がクラスタ名称１２２に追加された後のステップＳ５１１で、クラスタ名称１２２に含まれる名称の数が閾値Ｔ１に到達したと判定される。従って、この時点でクラスタ名称１２２に名称を追加する処理が終了し、候補領域１３０ｃの名称“Ｃ”はクラスタ名称１２２には含まれない。

しかし、候補領域１３０ａには、図１２において“６”として示される画像コンテンツ１１０の撮影位置が含まれていない。そのため、クラスタ名称１２２を単に“Ａ”とすると、クラスタ１２０に“６”の画像コンテンツ１１０が含まれることはクラスタ名称１２２には現れなくなってしまう。それゆえ、クラスタ名称生成部１９は、ステップＳ５１９で、クラスタ名称１２２に“その他”を追加する。この結果、“Ａ，その他”というクラスタ名称１２２ｙが生成される。

一方、閾値Ｔ１が２以上である場合、候補領域１３０ｃの領域名称“Ｃ”も、クラスタ名称１２２に含まれる可能性がある。しかし、関連性評価値の積算値の閾値Ｔ２が１．５以下である場合、ステップＳ５０９で名称“Ａ”がクラスタ名称１２２に追加された後のステップＳ５１５で、関連性評価値の積算値（この時点では候補領域１３０ａの関連性評価値に等しく、１．５である）が閾値Ｔ２に到達したと判定される。従って、上記の場合と同様に、“Ａ，その他”というクラスタ名称１２２ｙが生成される。

一方、閾値Ｔ２が１．５よりも大きい場合、上記のステップＳ５１５で積算値が閾値Ｔ２に到達したとは判定されず、処理がステップＳ５０１に戻って、再度クラスタ名称１２２に名称を追加する処理が実行される。この結果、２回目のステップＳ５０９で、候補領域１３０ｃの名称“Ｃ”がクラスタ名称１２２に追加される。その結果、“Ａ，Ｃ”というクラスタ名称１２２ｘが生成される。

（２．第２の実施形態）
次に、図１７を参照して、本開示の第２の実施形態について説明する。図１７には、本実施形態によるクラスタ名称生成の例が示されている。

図１７を参照すると、画像コンテンツ２１０は、デジタルカメラや携帯電話などの撮影機能を有する機器によって撮影された画像コンテンツである。画像コンテンツ２１０には、メタ情報として撮影日時の情報が付加される。画像コンテンツ２１０は、その撮影日時によって時間軸２００上に表現される。また、画像コンテンツ２１０は、その撮影日時に基づいて、クラスタ２２０に分類される。

ここで、時間軸２００は１次元の特徴空間であり、画像コンテンツ２１０は特徴空間の位置によって表現されるデータであるといえる。また、時間軸２００上には、イベント期間２３０が予め設定される。イベント期間２３０は、例えば季節やイベントなどに基づいて、期間と名称とによって定義される。期間は、時間軸２００上の領域といえる。従って、イベント期間２３０は、名称つき領域といえる。

本実施形態では、上述の第１の実施形態における地理的な領域を、時間的な領域すなわち期間に置き換えて、クラスタ名称が生成される。

具体的には、まず、情報処理装置１０の候補領域抽出部１５が、イベント期間２３０から候補領域の一次リスト１４０を生成する。一次リスト１４０には、クラスタ２２０に分類される画像コンテンツ２１０の撮影日時を少なくとも１つ含むイベント期間２３０が抽出される。イベント期間２３０の期間および名称は、領域名称データベース２１から取得される。

次に、関連性評価部１７が、一次リスト１４０に含まれる各イベント期間２３０について、クラスタ２２０との関連性評価値を算出する。関連性評価値は、各イベント期間２３０に撮影日時が含まれる画像コンテンツ２１０の数、および各イベント期間２３０の期間とクラスタ２２０の期間との重複期間の長さに基づいて算出されうる。関連性評価部１７は、一次リスト１４０の中で関連性評価値が最も高いイベント期間２３０を関連性評価値の情報とともに二次リスト１５０に追加するとともに当該イベント期間２３０に関する情報を一次リスト１４０から削除する処理を、一次リスト１４０が空になるまで繰り返す。

次に、クラスタ名称生成部１９が、二次リスト１５０に含まれる各イベント期間２３０について、関連性評価値が高いものから順に、名称をクラスタ名称２２２に追加する。本実施形態でも、クラスタ名称２２２に含まれうる名称の数の閾値Ｔ１と、クラスタ名称２２２に名称が含まれるイベント期間２３０の関連性評価値の積算値の閾値Ｔ２とが設定されうる。クラスタ名称生成部１９は、クラスタ名称２２２へのイベント期間２３０の名称の追加を、クラスタ名称２２２に含まれる名称の数が閾値Ｔ１に到達するか、関連性評価値の積算値が閾値Ｔ２に到達するか、または二次リスト１５０が空になるまで繰り返す。

なお、上記のクラスタ名称生成処理の細部は、第１の実施形態と同様であるため、詳細な説明を省略する。撮影日時による画像コンテンツのクラスタリングについては、例えば特許第４５７７１７３号公報などにおいて紹介されている。本実施形態においても、クラスタリングにはこれらの文献に紹介されたような方法が適宜用いられうるため、クラスタリング処理についても、詳細な説明を省略する。

図１７では、画像コンテンツ２１０が下位のクラスタ２２０ａ〜２２０ｄと、上位のクラスタ２２０ｅ，２２０ｆとに分類される例が示されている。画像コンテンツ２１０は、このように、木構造を有するクラスタ２２０に分類されてもよい。

図示された例において設定されるイベント期間２３０のうち、イベント期間２３０ａ，２３０ｂは、“春”、“夏”といった“season”属性のイベント期間である。また、イベント期間２３０ｃ〜２３０ｅは、“ひな祭り”、“子供の日”といった“public event”属性のイベント期間である。イベント期間２３０ｆ〜２３０ｊは、“卒業式”、“花見”といった“private event”属性のイベント期間である。“public event”属性および“private event”属性のイベント期間２３０ｃ〜２３０ｊは、“season”属性のイベント期間２３０ａ，２３０ｂのいずれかに包含されている。つまり、イベント期間２３０ａ，２３０ｂと、イベント期間２３０ｃ〜２３０ｊとの間には、木構造が存在するともいえる。一方、イベント期間２３０ｃ〜２３０ｊ同士の間では、必ずしも規則的な構造はなく、それぞれの期間は離散的に分布し、一部では重なり合っている。

以下、それぞれのクラスタ２２０についてのクラスタ名称２２２の生成を具体的に説明することによって、本実施形態におけるクラスタ名称生成の処理について説明する。

（クラスタ名称の生成例１）
まず、クラスタ２２０ａを例として説明する。クラスタ２２０ａは、“ひな祭り”のイベント期間２３０ｃに撮影された２つの画像コンテンツ２１０と、その少し後に撮影された１つの画像コンテンツ２１０とを含む。３つの画像コンテンツ２１０は、“春”のイベント期間２３０ａにすべて含まれる。この場合、候補領域抽出部１５は、“ひな祭り”のイベント期間２３０ｃと、“春”のイベント期間２３０ａとを、一次リスト１４０に抽出する。

ここで一次リスト１４０に抽出されたイベント期間２３０のうちでは、“ひな祭り”のイベント期間２３０ｃが、含まれる画像コンテンツ２１０が比較的多く、クラスタ２２０ａとの重複領域の割合も大きいため、関連性評価値がより高くなる。一方、“春”のイベント期間２３０ａは、クラスタ２２０ａのすべての画像コンテンツ２１０を含むが、クラスタ２２０ａに対してイベント期間２３０ａの期間が長いため、クラスタ２２０ａとの重複期間の割合が小さくなり、関連性評価値はより低くなる。従って、関連性評価部１７の処理では、イベント期間２３０ｃ“ひな祭り”が、最初に二次リスト１５０に追加される。イベント期間２３０ａ“春”も、残る１つの画像コンテンツ２１０を含むイベント期間２３０として二次リスト１５０に追加される。

上述のように、イベント期間２３０ｃは、木構造においてイベント期間２３０ａの下位にあたるともいえる。そこで、クラスタ名称生成部１９は、二次リスト１５０に含まれるイベント期間２３０の名称のうち、上位にあたるイベント期間２３０ａの名称“春”を、クラスタ名称２２２ａには含められず、代わりに“その他”が加え、図示されているようにクラスタ名称２２２ａを“ひな祭り，その他”としてもよい。また、地域の名称の場合と異なり、上位下位の関係にある名称が併記されることによる違和感が少ないと考えられる場合には、イベント期間２３０ａの名称“春”をもクラスタ名称２２２ａに含めて、クラスタ名称２２２ａを“ひな祭り，春”としてもよい。

（クラスタ名称の生成例２）
次に、クラスタ２２０ｂを例として説明する。クラスタ２２０ｂは、“卒業式”のイベント期間２３０ｆに撮影された２つの画像コンテンツ２１０と、“花見”のイベント期間２３０ｇと“春休み”のイベント期間２３０ｈとが重複する期間に撮影された２つの画像コンテンツ２１０とを含む。４つの画像コンテンツ２１０は、“春”のイベント期間２３０ａにすべて含まれる。この場合、候補領域抽出部１５は、“卒業式”のイベント期間２３０ｆと、“花見”のイベント期間２３０ｇと、“春休み”のイベント期間２３０ｈと、“春”のイベント期間２３０ａとを、一次リスト１４０に抽出する。

ここで一次リスト１４０に抽出されたイベント期間２３０のうちでは、“卒業式”のイベント期間２３０ｆと“花見”のイベント期間２３０ｇとが、クラスタ２２０ｂとの重複領域の割合が大きく、含まれる画像コンテンツ２１０が比較的多いため、関連性評価値がより高くなる。一方、“春休み”のイベント期間２３０ｈは、含まれる画像コンテンツ２１０の数はイベント期間２３０ｇと同じだが、期間がより長いため、クラスタ２２０ｂとの重複期間の割合が小さくなり、関連性評価値はより低くなる。また、“春”のイベント期間２３０ａは、クラスタ２２０ｂのすべての画像コンテンツ２１０を含むが、クラスタ２２０ｂに対してイベント期間２３０ａの期間が長いため、クラスタ２２０ｂとの重複期間の割合が小さくなり、関連性評価値はより低くなる。

従って、関連性評価部１７の処理では、イベント期間２３０ｆ“卒業式”とイベント期間２３０ｇ“花見”とが、最初に二次リスト１５０に追加される。これらのイベント期間２３０を合わせると、クラスタ２２０ｂに含まれる画像コンテンツ２１０の撮影日時がすべて包含される。そのため、これらのイベント期間２３０の二次リスト１５０への追加に伴って、残りのイベント期間２３０ｈ“春休み”とイベント期間２３０ａ“春”とのレコードは一次リスト１４０から削除される。それゆえ、二次リスト１５０には、イベント期間２３０ｆ“卒業式”とイベント期間２３０ｇ“花見”とが追加される。閾値Ｔ１および閾値Ｔ２の設定値にもよるが、図示された例では、クラスタ名称２２２ｂにこれらのイベント期間２３０の名称が併記され、“卒業式，花見”となる。

上記のクラスタ２２０ｂの例において、イベント期間２３０とクラスタ２２０との関連性評価値を、第１の実施形態と同様に、コンテンツ数と、イベント期間２３０のうちクラスタ２２０と重複する期間の割合とを用いて算出する場合を考える。この場合、イベント期間２３０ｆ“卒業式”とイベント期間２３０ｇ“花見”とは、いずれも２つの画像コンテンツ２１０を含み、かつすべての期間がクラスタ２２０ｂと重複するため、関連性評価値が同じ値になる。このような場合のために、例えば、“複数のイベント期間２３０が同じ関連性評価値を有する場合、より前にあるイベント期間２３０を優先して二次リスト１５０に加える”という設定がされていてもよい。これによって、クラスタ名称２２２ｂの“卒業式，花見”のように、クラスタ２２０に対して同程度の関連性のあるイベント期間２３０がある場合、より前にあるイベント期間２３０から名称を列挙することによってクラスタ名称２２２が生成されうる。

（クラスタ名称の生成例３）
次に、クラスタ２２０ｃを例として説明する。クラスタ２２０ｃは、“七夕”のイベント期間２３０ｅに撮影された１つの画像コンテンツ２１０と、その前に撮影された６つの画像コンテンツ２１０とを含む。７つの画像コンテンツ２１０が、“夏”のイベント期間２３０ｂにすべて含まれる。この場合、候補領域抽出部１５は、“七夕”のイベント期間２３０ｅと、“夏”のイベント期間２３０ｂとを、一次リスト１４０に抽出する。

ここで一次リスト１４０に抽出されたイベント期間２３０のうち、“七夕”のイベント期間２３０ｅは、その期間の全体がクラスタ２２０ｃと重複するが、クラスタ２２０ｃに含まれる７つの画像コンテンツ２１０のうちの１つが含まれるにすぎない。一方、“夏”のイベント期間２３０ｂは、クラスタ２２０ｃと重複しているのはその期間の一部であるが、クラスタ２２０ｃに含まれる７つの画像コンテンツのすべてを含む。

従って、関連性評価値の算出の設定にもよるが、図示された例では、イベント期間２３０ｂ“夏”の関連性評価値の方が高くなり、イベント期間２３０ｂ“夏”が最初に候補領域の二次リストに追加される。イベント期間２３０ｂ“夏”は、クラスタ２２０ｃに含まれる画像コンテンツ２１０のすべてを含む。そのため、イベント期間２３０ｂ“夏”の二次リスト１５０への追加に伴って、イベント期間２３０ｅ“七夕”のレコードは一次リスト１４０から削除される。それゆえ、二次リスト１５０には、イベント期間２３０ｂ“夏”だけが追加される。結果として、クラスタ名称２２２ｃは、“夏”になる。

以上の例と同様にして、クラスタ２２０ｄ〜２２０ｆについてもクラスタ名称２２２ｄ〜２２２ｆが生成される。

クラスタ２２０ｄは、“夏休み”のイベント期間２３０ｊに含まれる画像コンテンツ２１０を主に含むが、それに含まれない画像コンテンツ２１０をも含む。従って、クラスタ名称２２２ｄは“夏休み，その他”になる。

クラスタ２２０ｅは、“ひな祭り”、“卒業式”、“花見”のイベント期間２３０ｃ，２３０ｆ，２３０ｇにそれぞれ含まれる画像コンテンツ２１０を含む。図示された例では、イベント期間２３０ｃ，２３０ｆ，２３０ｇは、いずれもクラスタ２２０ｅ全体の画像コンテンツ２１０に比べると少しの画像コンテンツ２１０しか含まないため、上位のイベント期間２３０ａの関連性評価値の方が高くなる。結果として、クラスタ名称２２２ｅは“春”になる。

クラスタ２２０ｆは、“七夕”、“夏休み”のイベント期間２３０ｅ，２３０ｊにそれぞれ含まれる画像コンテンツ２１０と、いずれにも含まれない画像コンテンツ２１０とを含む。図示された例では、上位のイベント期間２３０ｂの関連性評価値の方がイベント期間２３０ｅ，２３０ｊよりも高くなる。結果として、クラスタ名称２２２ｆは“夏”になる。

（３．第３の実施形態）
次に、図１８および図１９を参照して、本開示の第３の実施形態について説明する。図１８には、本実施形態に係る特徴空間の例が示されている。

図１８には、楽曲コンテンツ３１０が分布する特徴マップ空間３００が示されている。楽曲コンテンツ３１０は、楽曲の音声データを含むコンテンツである。楽曲コンテンツ３１０には、メタ情報として、例えばテンポ、雰囲気などの楽曲の特徴の情報が付加される。図示された例において、特徴マップ空間３００には、楽曲の雰囲気を表す“幸せ”、“悲しい”というパラメータの座標軸と、楽曲のテンポを表す“高速”、“低速”というパラメータの座標軸とが設定され、楽曲コンテンツ３１０は、それぞれの特徴の情報によって特徴マップ空間３００上に表現される。

ここで、特徴マップ空間３００は、２次元の特徴空間である。また、楽曲コンテンツ３１０は、特徴空間の位置によって表現されるデータである。このような特徴マップ空間３００を用いた楽曲コンテンツ３１０の表示は、例えばユーザが楽曲コンテンツ３１０を検索するためのインターフェースとして用いられる。

図１９には、本実施形態によるクラスタ名称生成の例が示されている。特徴マップ空間３００上の楽曲コンテンツ３１０は、クラスタ３２０に分類される。また、特徴マップ空間３００上には、名称つき領域であるカテゴリ領域３３０が予め設定され、クラスタ３２０には、カテゴリ領域３３０の名称を用いたクラスタ名称３２２が与えられる。

本実施形態では、上述の第１の実施形態における地理的な領域を、特徴マップ空間という仮想的な領域に置き換えてクラスタ名称生成処理が実行される。具体的には、まず、情報処理装置１０の候補領域抽出部１５が、カテゴリ領域３３０の中から候補領域の一次リスト１４０を生成する。一次リスト１４０には、クラスタ３２０に分類される楽曲コンテンツ３１０ごとに少なくとも１つのカテゴリ領域３３０が抽出される。カテゴリ領域３３０の領域範囲および名称は、領域名称データベース２１から取得される。

次に、関連性評価部１７が、一次リスト１４０に含まれる各カテゴリ領域３３０について、クラスタ３２０との関連性評価値を算出する。関連性評価値は、各カテゴリ領域３３０に位置が含まれる楽曲コンテンツ３１０の数、または各カテゴリ領域３３０の領域とクラスタ３２０の領域との重複の大きさに基づいて算出されうる。関連性評価部１７は、一次リスト１４０の中で関連性評価値が最も高いカテゴリ領域３３０を関連性評価値の情報とともに二次リスト１５０に追加するとともに当該カテゴリ領域３３０に関する情報を一次リスト１４０から削除する処理を、一次リスト１４０が空になるまで繰り返す。

次に、クラスタ名称生成部１９が、二次リスト１５０に含まれる各カテゴリ領域３３０について、関連性評価値が高いものから順に、名称をクラスタ名称３２２に追加する。本実施形態でも、クラスタ名称３２２に含まれうる名称の数の閾値Ｔ１と、クラスタ名称３２２に名称が含まれるカテゴリ領域３３０の関連性評価値の積算値の閾値Ｔ２とが設定されうる。クラスタ名称生成部１９は、クラスタ名称３２２へのカテゴリ領域３３０の名称の追加を、クラスタ名称３２２に含まれる名称の数が閾値Ｔ１に到達するか、関連性評価値の積算値が閾値Ｔ２に到達するか、あるいは二次リスト１５０が空になるまで繰り返す。

なお、上記の処理の細部は、第１の実施形態と同様であるため、詳細な説明を省略する。楽曲の特徴による楽曲コンテンツのクラスタリングについては、例えば特開２００８−２５０８５７号公報などにおいて紹介されている。本実施形態においても、クラスタリングにはこれらの文献に紹介されたような方法が適宜用いられうるため、クラスタリング処理についても、詳細な説明を省略する。

図１９に示された例では、カテゴリ領域３３０として、テンポが“高速”に近く雰囲気が“悲しい”に近い“emotional”のカテゴリ領域３３０ａ、テンポが“高速”に近く雰囲気が“幸せ”に近い“extreme”のカテゴリ領域３３０ｂ、テンポが中程度で雰囲気が“悲しい”に近い“sad”のカテゴリ領域３３０ｃ、テンポが中程度で雰囲気が“幸せ”に近い“happy”のカテゴリ領域３３０ｄ、テンポが“低速”に近く雰囲気が“悲しい”に近い“mellow”のカテゴリ領域３３０ｅ、テンポが“低速”に近く雰囲気が“幸せ”に近い“relax”のカテゴリ領域３３０ｆが設定される。

本実施形態において、これらのカテゴリ領域３３０は、互いに重複することなく設定されている。このような場合、各カテゴリ領域３３０に位置が含まれる楽曲コンテンツ３１０の数と、各カテゴリ領域３３０とクラスタ３２０の領域との重複面積とは、いずれも同じような傾向を示す。つまり、楽曲コンテンツ３１０の数が多いカテゴリ領域３３０ほど、クラスタ３２０の領域との重複面積も大きくなり、逆もまた真である。従って、本実施形態では、カテゴリ領域３３０とクラスタ３２０との関連性を、上記の２つの基準のいずれか一方に基づいて評価してもよい。

以下、それぞれのクラスタ３２０についてのクラスタ名称３２２の生成を具体的に説明することによって、本実施形態におけるクラスタ名称生成の処理について説明する。

（クラスタ名称の生成例１）
まず、クラスタ３２０ａを例として説明する。クラスタ３２０ａは、“sad”のカテゴリ領域に含まれる７つの楽曲コンテンツ３１０と、“emotional”のカテゴリ領域に含まれる１つの楽曲コンテンツ３１０とを含む。この場合、候補領域抽出部１５は、“sad”のカテゴリ領域３３０ｃと、“emotional”のカテゴリ領域３３０ａとを一次リスト１４０に抽出する。

ここで一次リスト１４０に抽出されたカテゴリ領域３３０のうちでは、“sad”のカテゴリ領域３３０ｃが、含まれる楽曲コンテンツ３１０が多く、クラスタ３２０ａとの重複領域の割合も大きいため、関連性評価値がより高くなる。一方、“emotional”のカテゴリ領域３３０ａは、含まれる楽曲コンテンツ３１０が少なく、クラスタ３２０ａとの重複領域の割合も小さいため、関連性評価値がより低くなる。

従って、関連性評価部１７の処理では、カテゴリ領域３３０ｃが、最初に二次リスト１５０に追加される。カテゴリ領域３３０ａも、カテゴリ領域３３０ｃには含まれない１つの楽曲コンテンツ３１０を含むため、続いて二次リスト１５０に追加される。しかし、カテゴリ領域３３０ｃ“sad”は、クラスタ３２０ａに含まれる楽曲コンテンツ３１０のほとんどを包含するため、関連性評価値がかなり高い値になる。それゆえ、例えばカテゴリ領域３３０ｃ“sad”の関連性評価値が単独で閾値Ｔ２に到達するような場合には、カテゴリ領域３３０ａ“emotional”はクラスタ名称３２２ａの生成に用いられず、代わりに“others”が加えられる。この結果、図示された例では、クラスタ名称３２２ａが“sad，others”になる。

（クラスタ名称の生成例２）
次に、クラスタ３２０ｂを例として説明する。クラスタ３２０ｂは、“happy”のカテゴリ領域に含まれる５つの楽曲コンテンツ３１０と、“relax”のカテゴリ領域に含まれる５つの楽曲コンテンツ３１０とを含む。この場合、候補領域抽出部１５は、“happy”のカテゴリ領域３３０ｄと、“relax”のカテゴリ領域３３０ｆとを一次リスト１４０に抽出する。これらのカテゴリ領域３３０は、いずれも同じ数の楽曲コンテンツ３１０を含み、同程度の関連性評価値を有するが、カテゴリ領域３３０ｄの方が、クラスタ３２０ｂとの重複領域の割合が大きいため、関連性評価値がより高くなる。従って、関連性評価部１７は、まずカテゴリ領域３３０ｄを、次いでカテゴリ領域３３０ｆを二次リスト１５０に追加する。結果として、クラスタ名称３２２ｂは“happy，relax”になる。

（４．第４の実施形態）
次に、図２０を参照して、本開示の第４の実施形態について説明する。上述の第１〜第３の実施形態は、いずれも、クラスタの情報を取得してクラスタ名称の情報を生成する情報処理装置１０に係る実施形態であったが、本実施形態は、生成されたクラスタ名称の情報を取得する情報処理装置３０に係る。

図２０のブロック図は、本開示の第４の実施形態に係る情報処理装置３０の機能構成を概略的に示す。情報処理装置３０は、例えばデジタルカメラや携帯電話などとして実現され、コンテンツ情報提供部３１と、クラスタ情報取得部３３と、クラスタ名称情報取得部３５と、表示制御部３７と、表示部３９とを含む。情報処理装置３０は、例えば、サーバとして用いられる情報処理装置１０と通信してクライアントとして用いられる情報処理装置でありうる。

コンテンツ情報提供部３１は、コンテンツの情報をサーバに提供する。コンテンツは、例えば画像コンテンツまたは楽曲コンテンツなどである。画像コンテンツは、例えば情報処理装置３０が有する撮像部によって撮影されたものであってもよいし、また他の機器によって撮影されて情報処理装置３０に提供されたものであってもよい。楽曲コンテンツは、情報処理装置３０が有するドライブを用いてリムーバブル記憶媒体から取得されたものであってもよいし、インターネットなどのネットワークからダウンロードされたものであってもよい。コンテンツ情報提供部３１は、例えばコンテンツの情報をサーバに提供するための通信装置などによって実現されうる。コンテンツ情報提供部３１によってサーバに提供される情報には、コンテンツの位置情報がメタ情報として付加されている。他の実施形態の例にもあるように、コンテンツの位置情報は、例えば画像コンテンツの撮影位置や撮影日時、楽曲コンテンツの特徴情報などでありうる。

クラスタ情報取得部３３は、コンテンツ情報提供部３１によってサーバに提供されたコンテンツの情報に基づいてサーバがコンテンツを分類したクラスタの情報を取得する。クラスタは、他の実施形態の例にもあるように、例えば地図上の領域、時間軸上の期間、または特徴マップ空間上の領域などでありうる。クラスタ情報取得部３３は、このようなクラスタの範囲を定義する情報と、クラスタに分類されるコンテンツの情報とをサーバから取得して、表示制御部３７に提供する。クラスタ情報取得部３３は、例えばクラスタの情報をサーバから取得する通信装置などによって実現されうる。

クラスタ名称情報取得部３５は、クラスタ情報取得部３３によって取得されたクラスタの情報に対応するクラスタ名称の情報を取得する。クラスタ名称は、例えば他の実施形態の例と同様に、サーバで生成されうる。つまり、クラスタ名称は、特徴空間上の名称つき領域とクラスタとの間の関連性に基づいて抽出された名称つき領域の名称に基づいて生成されうる。クラスタ名称情報取得部３５は、このようなクラスタ名称の情報をサーバから取得して、表示制御部３７に提供する。クラスタ名称情報取得部３５は、例えばクラスタ名称の情報をサーバから取得する通信装置などによって実現されうる。

表示制御部３７は、クラスタの情報をクラスタ情報取得部３３から取得し、クラスタ名称の情報をクラスタ名称情報取得部３５から取得して、これらの情報を表示部３９に表示させる。表示制御部３７は例えばＣＰＵ、ＲＯＭ、ＲＡＭなどによって実現され、表示部３９は例えばＬＣＤ（Liquid Crystal Display）などのディスプレイによって実現されうる。

上述のように、情報処理装置３０は、例えば、上記の第１〜第３の実施形態における情報処理装置１０がサーバである場合に、そのサーバに対するクライアントとして機能する装置として実現されうる。つまり、情報処理装置３０は、情報処理装置１０と通信し、情報処理装置１０によって生成されたクラスタ名称をクラスタとともに表示部３９に表示する装置でありうる。

また、情報処理装置３０は、例えば、上記の第１〜第３の実施形態における情報処理装置１０と同一の装置としても実現されうる。つまり、情報処理装置３０は、自ら生成したクラスタ名称をクラスタとともに表示部３９に表示する装置でもありうる。

このように、情報処理装置３０は、多様な装置の形態で実現されうるものである。従って、情報処理装置３０は、デジタルカメラや携帯電話以外にも、ＰＣ、ビデオカメラ、ゲーム機、スマートフォン、カーナビゲーションシステム、ＰＤＡなど、あらゆる種類の情報処理装置でありうる。

いずれの場合も、情報処理装置３０の表示部３９には、例えば図２、図１７、図１９などに示されるような、クラスタおよびクラスタ名称が表示される。

（５．ハードウェア構成）
次に、図２１を参照しながら、上記で説明された本開示の一実施形態に係る情報処理装置１０のハードウェア構成について詳細に説明する。なお、情報処理装置３０も、同様のハードウェア構成によって実現されうる。

図２１は、本開示の実施形態に係る情報処理装置１０のハードウェア構成を説明するためのブロック図である。

情報処理装置１０は、ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５を含む。さらに、情報処理装置１０は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、および通信装置９２５を含んでもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置１０内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス９０７により相互に接続されている。

ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザが操作する操作手段である。また、入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール手段であってもよいし、情報処理装置１０の操作に対応した携帯電話やＰＤＡ等の外部接続機器９２９であってもよい。さらに、入力装置９１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。情報処理装置１０のユーザは、この入力装置９１５を操作することにより、情報処理装置１０に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９１７は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプなどの表示装置や、スピーカおよびヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなどがある。出力装置９１７は、例えば、情報処理装置１０が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置１０が行った各種処理により得られた結果を、テキストまたはイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置９１９は、情報処理装置１０の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイス等により構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、記録媒体用リーダライタであり、情報処理装置１０に内蔵、あるいは外付けされる。ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体９２７に記録を書き込むことも可能である。リムーバブル記録媒体９２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体９２７は、コンパクトフラッシュ（登録商標）（Compact Flash：ＣＦ）、フラッシュメモリ、または、ＳＤメモリカード（Secure Digital memory card）等であってもよい。また、リムーバブル記録媒体９２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Integrated Circuit card）または電子機器等であってもよい。

接続ポート９２３は、機器を情報処理装置１０に直接接続するためのポートである。接続ポート９２３の一例として、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポート等がある。接続ポート９２３の別の例として、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（High-Definition Multimedia Interface）ポート等がある。この接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置１０は、外部接続機器９２９から直接各種のデータを取得したり、外部接続機器９２９に各種のデータを提供したりする。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイス等で構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Wireless USB）用の通信カード等である。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデム等であってもよい。この通信装置９２５は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等であってもよい。

以上、情報処理装置１０のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。従って、上記各実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。

（６．補足）
以上で説明した本開示の実施形態では、特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、上記特徴空間に予め設定された名称つき（named）領域を上記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、上記抽出された名称つき領域と上記クラスタとの間の関連性を評価する関連性評価部と、上記評価された関連性に基づいて上記抽出された名称つき領域の名称から上記クラスタの名称を生成するクラスタ名称生成部と、を含む情報処理装置が提供される。

これによって、予め設定された名称つき領域の名称から、それぞれの名称つき領域とクラスタとの間の関連性に基づいて適切なクラスタの名称が生成される。候補領域抽出部がクラスタに分類される位置データごとに少なくとも１つの候補領域を抽出することによって、クラスタに含まれる位置データの一部を含む名称つき領域も、候補領域として抽出されうる。従って、例えば複数の名称つき領域にまたがる比較的小さなクラスタについても適切な名称が生成されうる。

上記関連性評価部は、少なくとも上記名称つき領域における上記クラスタとの重複部分の割合に基づいて上記関連性を評価してもよい。

これによって、例えば、クラスタの大きさに比較して大きすぎる名称つき領域がクラスタ名称の生成に用いられることを防ぎ、クラスタと同程度の大きさの名称つき領域の名称を用いることで、クラスタの大きさに対応した大きさの自然なクラスタ名称が付与されうる。

上記候補領域抽出部は、第１の名称つき領域と第２の名称つき領域とを抽出し、上記関連性評価部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域の上記クラスタとの重複部分から上記第１の名称つき領域の上記クラスタとの重複部分を除いて上記第２の名称つき領域の上記関連性を再評価してもよい。

これによって、各名称つき領域の関連性の評価において、より関連性が高い他の名称つき領域に含まれるクラスタの部分が除外される。従って、大部分が重なっている、または包含関係にあるような名称つき領域の間でも、よりクラスタとの間の関連性が高い名称つき領域が抽出されてクラスタ名称に用いられうる。

上記関連性評価部は、少なくとも上記名称つき領域に含まれる上記位置データの数に基づいて上記関連性を評価してもよい。

これによって、例えば、クラスタの大きさに比較して小さすぎる名称つき領域がクラスタ名称の生成に用いられることを防ぎ、クラスタと同程度の大きさの名称つき領域の名称を用いることで、クラスタの大きさに対応した大きさの自然なクラスタ名称が付与されうる。

上記候補領域抽出部は、第１の名称つき領域と第２の名称つき領域とを抽出し、上記関連性評価部は、上記第１の名称つき領域の上記関連性が上記第２の名称つき領域の上記関連性よりも高い場合に、上記第２の名称つき領域に含まれる上記位置データから上記第１の名称つき領域に含まれる上記位置データを除いて上記第２の名称つき領域の上記関連性を再評価してもよい。

これによって、ある時点で関連性が最も高いと評価された名称つき領域に含まれる位置データは、それ以降の関連性の評価では考慮されなくなる。従って、それ以降の関連性の評価では、他の位置データを有する名称つき領域の関連性が相対的に高く評価される。

上記候補領域抽出部は、複数の上記名称つき領域を抽出し、上記クラスタ名称生成部は、上記名称つき領域の名称を上記関連性が高い順に併記することによって上記クラスタの名称を生成してもよい。

これによって、クラスタの領域を単一の名称で表現することが難しい場合も、名称を併記することでクラスタの領域を的確に表現することができる。

上記関連性評価部は、上記関連性の評価値を算出し、上記クラスタ名称生成部は、上記名称つき領域の上記評価値の積算値が第１の閾値に到達するまで上記名称つき領域の名称を併記することによって上記クラスタの名称を生成してもよい。

これによって、例えば、クラスタとの間の関連性が低いが０ではない名称つき領域の名称が際限なくクラスタ名称に追加されることを防ぎ、クラスタ名称を適切な長さに保つことができ、表示時の視認性を確保することができる。

上記クラスタ名称生成部は、数が第２の閾値に到達するまで上記名称つき領域の名称を併記することによって上記クラスタの名称を生成してもよい。

これによって、クラスタ名称の長さを所定の範囲に制限し、表示時の視認性を確保することができる。

上記クラスタ名称生成部は、上位下位関係にある上記名称つき領域のうち、下位の名称つき領域の名称を優先的に用いて上記クラスタの名称を生成してもよい。

これによって、上位下位関係にある領域の名称がクラスタ名称に併記されてユーザに違和感を与えることを防ぐことができる。

上記クラスタ名称生成部は、上記抽出された名称つき領域のうち上記クラスタの名称に名称が用いられない領域が存在する場合、上記クラスタの名称に“その他”を意味する文言を付加してもよい。

これによって、何らかの理由ですべての位置データに対応する領域の名称をクラスタ名称に含められない場合でも、クラスタ名称に現れている以外の位置データがクラスタに含まれることを示すことができる。

上記の実施形態の説明では、特徴空間として２次元（地図、特徴マップ空間）、および１次元（時間軸）の例を示したが、本技術はこれに限定されるものではない。本技術は、特徴空間上の位置と、この位置が分類されるクラスタと、特徴空間上の所定の領域とが存在すれば、どのような場合にも適用されうるものである。すなわち、本技術は、３次元、またはそれ以上の任意の次元の特徴空間においても、上記の例と同様に適用されうる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、
前記抽出された名称つき領域と前記クラスタとの間の関連性を評価する関連性評価部と、
前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成するクラスタ名称生成部と、
を備える情報処理装置。
（２）前記関連性評価部は、少なくとも前記名称つき領域における前記クラスタとの重複部分の割合に基づいて前記関連性を評価する、前記（１）に記載の情報処理装置。
（３）前記候補領域抽出部は、第１の名称つき領域と第２の名称つき領域とを抽出し、
前記関連性評価部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域と前記クラスタとの重複部分から前記第１の名称つき領域と前記クラスタとの重複部分を除いて前記第２の名称つき領域の前記関連性を再評価する、前記（２）に記載の情報処理装置。
（４）前記関連性評価部は、少なくとも前記名称つき領域に含まれる前記位置データの数に基づいて前記関連性を評価する、前記（１）〜（３）のいずれか１項に記載の情報処理装置。
（５）前記候補領域抽出部は、第１の名称つき領域と第２の名称つき領域とを抽出し、
前記関連性評価部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域に含まれる前記位置データから前記第１の名称つき領域に含まれる前記位置データを除いて前記第２の名称つき領域の前記関連性を再評価する、前記（４）に記載の情報処理装置。
（６）前記候補領域抽出部は、複数の前記名称つき領域を抽出し、
前記クラスタ名称生成部は、前記名称つき領域の名称を前記関連性が高い順に併記することによって前記クラスタの名称を生成する、前記（１）〜（５）のいずれか１項に記載の情報処理装置。
（７）前記関連性評価部は、前記関連性の評価値を算出し、
前記クラスタ名称生成部は、前記名称つき領域の前記評価値の積算値が第１の閾値に到達するまで前記名称つき領域の名称を併記することによって前記クラスタの名称を生成する、前記（６）に記載の情報処理装置。
（８）前記クラスタ名称生成部は、数が第２の閾値に到達するまで前記名称つき領域の名称を併記することによって前記クラスタの名称を生成する、前記（６）または（７）に記載の情報処理装置。
（９）前記クラスタ名称生成部は、上位下位関係にある前記名称つき領域のうち、下位の名称つき領域の名称を優先的に用いて前記クラスタの名称を生成する、前記（１）〜（８）のいずれか１項に記載の情報処理装置。
（１０）前記クラスタ名称生成部は、前記抽出された名称つき領域のうち前記クラスタの名称に名称が用いられない領域が存在する場合、前記クラスタの名称に“その他”を意味する文言を付加する、前記（１）〜（９）のいずれか１項に記載の情報処理装置。
（１１）特徴空間の位置データが分類されるクラスタの情報を取得することと、
前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出することと、
前記抽出された名称つき領域と前記クラスタとの間の関連性を評価することと、
前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成することと、
を含む情報処理方法。
（１２）特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
前記クラスタに分類される位置データごとに少なくとも１つ抽出された前記特徴空間上の名称つき領域と前記クラスタとの間の関連性に基づいて前記抽出された名称つき領域の名称から生成された前記クラスタの名称の情報を取得するクラスタ名称情報取得部と、
前記クラスタおよび前記クラスタの名称の情報を表示部に表示させる表示制御部と、
を備える情報処理装置。

１０，３０ 情報処理装置
１１ コンテンツ取得部
１３ クラスタリング部
１５ 候補領域抽出部
１７ 関連性評価部
１９ クラスタ名称生成部
２１ 領域名称データベース
２３ クラスタ名称出力部
３３ クラスタ情報取得部
３５ クラスタ名称情報取得部
３７ 表示制御部
３９ 表示部
１００ 地図
１１０，２１０ 画像コンテンツ
１２０，２２０，３２０ クラスタ
１２２，２２２，３２２ クラスタ名称
１３０ 候補領域
１４０ 候補領域の一次リスト
１５０ 候補領域の二次リスト
２００ 時間軸
２３０ イベント期間
３００ 特徴マップ空間
３１０ 楽曲コンテンツ
３３０ カテゴリ領域

Claims (11)

1. 特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
   前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、
   前記抽出された名称つき領域と前記クラスタとの間の関連性を、少なくとも前記名称つき領域における前記クラスタとの重複部分の割合に基づいて評価する関連性評価部と、
   前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成するクラスタ名称生成部と
   を備え、
   前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
   前記関連性評価部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域と前記クラスタとの重複部分から前記第１の名称つき領域と前記クラスタとの重複部分を除いて前記第２の名称つき領域の前記関連性を再評価する情報処理装置。
2. 特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
   前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出する候補領域抽出部と、
   前記抽出された名称つき領域と前記クラスタとの間の関連性を、少なくとも前記名称つき領域に含まれる前記位置データの数に基づいて評価する関連性評価部と、
   前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成するクラスタ名称生成部と
   を備え、
   前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
   前記関連性評価部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域に含まれる前記位置データから前記第１の名称つき領域に含まれる前記位置データを除いて前記第２の名称つき領域の前記関連性を再評価する情報処理装置。
3. 前記候補領域抽出部は、複数の前記名称つき領域を抽出し、
   前記クラスタ名称生成部は、前記名称つき領域の名称を前記関連性が高い順に併記することによって前記クラスタの名称を生成する、請求項１または２に記載の情報処理装置。
4. 前記関連性評価部は、前記関連性の評価値を算出し、
   前記クラスタ名称生成部は、前記名称つき領域の前記評価値の積算値が第１の閾値に到達するまで前記名称つき領域の名称を併記することによって前記クラスタの名称を生成する、請求項３に記載の情報処理装置。
5. 前記クラスタ名称生成部は、数が第２の閾値に到達するまで前記名称つき領域の名称を併記することによって前記クラスタの名称を生成する、請求項３または４に記載の情報処理装置。
6. 前記クラスタ名称生成部は、上位下位関係にある前記名称つき領域のうち、下位の名称つき領域の名称を優先的に用いて前記クラスタの名称を生成する、請求項１〜５のいずれか１項に記載の情報処理装置。
7. 前記クラスタ名称生成部は、前記抽出された名称つき領域のうち前記クラスタの名称に名称が用いられない領域が存在する場合、前記クラスタの名称に“その他”を意味する文言を付加する、請求項１〜６のいずれか１項に記載の情報処理装置。
8. コンピュータを用いて構築されたシステムにおいて、前記コンピュータが備える各手段が、
   特徴空間の位置データが分類されるクラスタの情報を取得することと、
   前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出することと、
   前記抽出された名称つき領域と前記クラスタとの間の関連性を、少なくとも前記名称つき領域における前記クラスタとの重複部分の割合に基づいて評価することと、
   前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成することと
   を含み、
   前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
   前記関連性を評価することは、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域と前記クラスタとの重複部分から前記第１の名称つき領域と前記クラスタとの重複部分を除いて前記第２の名称つき領域の前記関連性を再評価することを含む、情報処理方法。
9. コンピュータを用いて構築されたシステムにおいて、前記コンピュータが備える各手段が、
   特徴空間の位置データが分類されるクラスタの情報を取得することと、
   前記特徴空間に予め設定された名称つき領域を前記クラスタに分類される位置データごとに少なくとも１つ抽出することと、
   前記抽出された名称つき領域と前記クラスタとの間の関連性を、少なくとも前記名称つき領域に含まれる前記位置データの数に基づいて評価することと、
   前記評価された関連性に基づいて前記抽出された名称つき領域の名称から前記クラスタの名称を生成することと
   を含み、
   前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
   前記関連性を評価することは、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域に含まれる前記位置データから前記第１の名称つき領域に含まれる前記位置データを除いて前記第２の名称つき領域の前記関連性を再評価することを含む、情報処理方法。
10. 特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
    前記クラスタに分類される位置データごとに少なくとも１つ抽出された前記特徴空間上の名称つき領域と前記クラスタとの間の関連性に基づいて前記抽出された名称つき領域の名称から生成された前記クラスタの名称の情報を取得するクラスタ名称情報取得部と、
    前記クラスタおよび前記クラスタの名称の情報を表示部に表示させる表示制御部と
    を備え、
    前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
    前記関連性は、少なくとも前記名称つき領域における前記クラスタとの重複部分の割合に基づいて評価され、
    前記クラスタ名称情報取得部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域と前記クラスタとの重複部分から前記第１の名称つき領域と前記クラスタとの重複部分を除いて再評価された前記第２の名称つき領域の前記関連性に基づいて生成された前記クラスタの名称の情報を取得する情報処理装置。
11. 特徴空間の位置データが分類されるクラスタの情報を取得するクラスタ情報取得部と、
    前記クラスタに分類される位置データごとに少なくとも１つ抽出された前記特徴空間上の名称つき領域と前記クラスタとの間の関連性に基づいて前記抽出された名称つき領域の名称から生成された前記クラスタの名称の情報を取得するクラスタ名称情報取得部と、
    前記クラスタおよび前記クラスタの名称の情報を表示部に表示させる表示制御部と
    を備え、
    前記名称つき領域は、第１の名称つき領域と第２の名称つき領域とを含み、
    前記関連性は、少なくとも前記名称つき領域に含まれる前記位置データの数に基づいて評価され、
    前記クラスタ名称情報取得部は、前記第１の名称つき領域の前記関連性が前記第２の名称つき領域の前記関連性よりも高い場合に、前記第２の名称つき領域に含まれる前記位置データから前記第１の名称つき領域に含まれる前記位置データを除いて再評価された前記第２の名称つき領域の前記関連性に基づいて生成された前記クラスタの名称の情報を取得する情報処理装置。

Images