専門家検索装置、および専門家検索方法
【課題】Ｗｅｂ文書を対象として、精度高く専門家を検索できなかった。
【解決手段】１以上のＷｅｂサーバ装置から、トピックに関連する１以上の文書を取得する文書検索部と、１以上の文書から１以上の専門家候補を抽出する専門家候補抽出部と、１以上の文書からトピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、１以上の意見文から意見情報を、１以上の各専門家候補ごとに取得する意見情報取得部と、１以上の各文書と専門家候補との関連度を、１以上の各専門家候補ごとに取得する関連度取得部と、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性スコアを算出するスコア算出部と、スコアを用いて、１以上の専門家を取得する専門家選択部と、専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【解決手段】１以上のＷｅｂサーバ装置から、トピックに関連する１以上の文書を取得する文書検索部と、１以上の文書から１以上の専門家候補を抽出する専門家候補抽出部と、１以上の文書からトピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、１以上の意見文から意見情報を、１以上の各専門家候補ごとに取得する意見情報取得部と、１以上の各文書と専門家候補との関連度を、１以上の各専門家候補ごとに取得する関連度取得部と、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性スコアを算出するスコア算出部と、スコアを用いて、１以上の専門家を取得する専門家選択部と、専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、Ｗｅｂ文書からトピックについての１以上の専門家を抽出する専門家検索システム等に関するものである。
【背景技術】
【０００２】
従来、組織内の文書を対象に専門家を検索する技術があった（例えば、非特許文献１、非特許文献２参照）。また、研究論文を対象に専門家を検索する技術があった（例えば、非特許文献３参照）。これらの従来技術に共通するのは、専門家候補の専門性の証拠として、専門家候補が出現する文書、または専門家候補が著者となっている文書について、トピックとの関連度を用いる点である。組織内文書や研究論文は、文書の品質が一定以上であることが仮定でき、専門家候補が関わる文書のトピックとの関連度を専門性の証拠と扱っても問題はない。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】Balog K, Azzopardi L, Rijke M de. Formal Models for Expert Finding in Enterprise Corpora. In: Proceedings of SIGIR’06.; 2006:43-50.
【非特許文献２】Macdonald C, Ounis I. Voting for Candidates : Adapting Data Fusion Techniques for an Expert Search Task. In: Proceedings of CIKM’06.; 2006:387-396.
【非特許文献３】Mimno D, Mccallum A. Expertise Modeling for Matching Papers with Reviewers. In: Proceedings of KDD’07.; 2007:500-509.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、専門家を検索する対象の文書を組織内の文書を対象にした場合には、一般のユーザは利用できない。また、トピックの中には、研究論文にならないトピックも存在する。また、研究論文は書かないが、専門家と呼ぶに相応しい人も居る。そこで、Ｗｅｂ上に存在する文書であるＷｅｂ文書を対象として、専門家を抽出することは有効である。
【０００５】
しかし、Ｗｅｂ文書を対象とした場合に、スパムなどのノイズとなる文書だけでなく、掲示板の書き込みやブログといった必ずしも品質が高くない文書も多く含まれており、トピックとの関連度だけでは専門性について十分な証拠とはならず、専門性検索の精度低下を招く。つまり、従来の専門家検索システムにおいては、Ｗｅｂ文書を対象として、精度高く専門家を検索できなかった。
【０００６】
また、従来技術では、専門性候補が所与のものとして扱われている。特定の組織を対象としたり、特定の研究分野を対象とする場合には専門家候補を特定でき、そのような仮定は妥当である。しかし、Ｗｅｂ文書を対象に不特定のトピックについて専門家検索を実施しようとしたとき、事前に専門家候補を得るのは現実的ではない。
【課題を解決するための手段】
【０００７】
本第一の発明の専門家検索装置は、トピックを受け付ける受付部と、１以上のＷｅｂサーバ装置から、トピックに関連する１以上の文書を取得する文書検索部と、１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、１以上の文書から、トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、１以上の各専門家候補ごとに取得する意見情報取得部と、１以上の各専門家候補ごとに、意見情報を用いて、トピックについての専門性のスコアを算出するスコア算出部と、スコアを用いて、１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置である。
【０００８】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【０００９】
また、本第二の発明の専門家検索装置は、第一の発明に対して、専門家候補抽出部が抽出した１以上の各専門家候補と、文書検索部が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、１以上の各専門家候補ごとに取得する関連度取得部をさらに具備し、スコア算出部は、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性のスコアを算出する専門家検索装置である。
【００１０】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【００１１】
また、本第三の発明の専門家検索装置は、第一または第二の発明に対して、専門家出力部は、スコアの高い順に、１以上の専門家をソートして出力する専門家検索装置である。
【００１２】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、適切に専門家を提示できる。
【００１３】
また、本第四の発明の専門家検索装置は、第一から第三いずれかの発明に対して、専門家出力部は、１以上の専門家の出力に代えて、専門家選択部が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または１以上の意見文を出力する専門家検索装置である。
【００１４】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、当該専門家が記載した文書を提示できる。
【００１５】
また、本第五の発明の専門家検索装置は、第一から第三いずれかの発明に対して、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する文書出力部をさらに具備する専門家検索装置である。
【００１６】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、当該専門家が記載した文書を提示できる。
【発明の効果】
【００１７】
本発明による専門家検索装置によれば、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【図面の簡単な説明】
【００１８】
【図１】実施の形態１における専門家検索システム１の概念図
【図２】同専門家検索システム１のブロック図
【図３】同専門家検索装置１３の動作について説明するフローチャート
【図４】同専門家候補抽出処理について説明するフローチャート
【図５】同意見情報取得処理について説明するフローチャート
【図６】同第一関連度取得処理について説明するフローチャート
【図７】同第二関連度取得処理について説明するフローチャート
【図８】同スコア算出処理について説明するフローチャート
【図９】同Ｗｅｂページの例を示す図
【図１０】同意見情報の例を示す図
【図１１】同コンピュータシステムの概観図
【図１２】同コンピュータシステムのブロック図
【発明を実施するための形態】
【００１９】
以下、専門家検索システム等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
【００２０】
（実施の形態１）
本実施の形態において、Ｗｅｂ文書からトピックについての１以上の専門家を抽出し、出力する専門家検索システムについて説明する。また、本実施の形態において、スコアの順に専門家をソートして出力する専門家検索システム１について説明する。また、本実施の形態において、専門家の書いた信頼性の高い文書を提示する専門家検索システムについて説明する。
【００２１】
図１は、本実施の形態における専門家検索システム１の概念図である。専門家検索システム１は、１以上の端末装置１１、１以上のＷｅｂサーバ装置１２、および専門家検索装置１３を具備する。端末装置１１は、ユーザが専門家の検索のために利用する端末である。Ｗｅｂサーバ装置１２は、いわゆるＷｅｂ上のＷｅｂサーバ装置であり、１以上の文書を格納している。専門家検索装置１３は、専門家を検索できる装置である。端末装置１１、Ｗｅｂサーバ装置１２、および専門家検索装置１３は、インターネット４により、通信可能である。
【００２２】
図２は、本実施の形態における専門家検索システム１のブロック図である。
【００２３】
専門家検索システム１を構成する端末装置１１は、端末受付部１１０、端末送信部１１１、端末受信部１１２、および端末出力部１１３を具備する。
【００２４】
Ｗｅｂサーバ装置１２は、文書格納部１２１、および文書送信部１２２を具備する。
【００２５】
専門家検索装置１３は、受付部１３０、文書検索部１３１、専門家候補抽出部１３２、意見文抽出部１３３、意見情報取得部１３４、関連度取得部１３５、スコア算出部１３６、専門家選択部１３７、専門家出力部１３８、および文書出力部１３９を具備する。
【００２６】
端末装置１１を構成する端末受付部１１０は、ユーザからトピックを受け付ける。トピックとは、用語と同意義であると考えても良い。トピックは、単語とは限らず、句や１以上の単語の集合などでも良い。また、トピックとは、検索したい専門家の専門領域を示す用語等である。トピックの入力手段は、キーボードやマウスやメニュー画面によるもの等、何でも良い。端末受付部１１０は、キーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
【００２７】
端末送信部１１１は、端末受付部１１０が受け付けたトピックを、専門家検索装置１３に送信する。
【００２８】
端末受信部１１２は、１以上の専門家、または１以上の文書、または１以上の意見文などを専門家検索装置１３から受信する。
【００２９】
端末出力部１１３は、端末受信部１１２が受信した１以上の専門家、または１以上の文書、または１以上の意見文などを出力する。ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。端末出力部１１３は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部１１３は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００３０】
Ｗｅｂサーバ装置１２を構成する文書格納部１２１は、１以上の文書を格納している。文書とは、Ｗｅｂ上の文書である。Ｗｅｂ上の文書をＷｅｂ文書ということとする。また、Ｗｅｂ文書は、研究論文なども含むが、いわゆるブログや、ミニブログや、ＳＮＳに投函した文書などのＣＧＭの文書も含む。文書は、一ファイルに分かれている必要はない。つまり、文書の区切りの識別情報は問わない。
【００３１】
文書送信部１２２は、文書格納部１２１の文書を専門家検索装置１３に送信する。通常、文書送信部１２２は、専門家検索装置１３の要求に応じて、文書格納部１２１の文書を専門家検索装置１３に送信する。
【００３２】
専門家検索装置１３を構成する受付部１３０は、トピックを受け付ける。通常、受付部１３０は、端末装置１１からトピックを受信する。ただし、専門家検索装置１３がスタンドアロンで動作する場合は、受付部１３０は、キーボードやマウスなどの入力デバイスからトピックを受け付ける。つまり、ここでの受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。
【００３３】
文書検索部１３１は、１以上のＷｅｂサーバ装置１２から、トピックに関連する１以上の文書を取得する。通常、文書検索部１３１は、Ｗｅｂサーバ装置１２から文書を受信する。ここで、文書検索部１３１は、トピックを含む文書をすべて取得しても良いし、所定のタグ（例えば、タイトルタグ）に対応する箇所にトピックを含む文書を取得しても良いし、トピックの出現回数が閾値以上の文書を取得するなどしても良い。その他、文書検索部１３１がトピックに関連する１以上の文書を取得するアルゴリズムは種々あり得る。なお、文書検索部１３１は、トピックをキーとして、いわゆるＷｅｂ検索する機能を有するものでも良い。かかる場合、文書検索部１３１は、いわゆるＷｅｂ検索エンジンである。
【００３４】
専門家候補抽出部１３２は、１以上の文書から、１以上の専門家候補を抽出する。専門家候補とは、人名でも組織名でも良い。また、専門家候補抽出部１３２は、例えば、固有表現抽出（ＮＥ）の技術を用いて固有名称（人名・組織名）する（例えば、「http://www.sophia-it.com/content/%E5%9B%BA%E6%9C%89%E8%A1%A8%E7%8F%BE%E6%8A%BD%E5%87%BA」「http://www.ntt.co.jp/journal/0806/files/jn200806020.pdf」参照）。さらに具体的には、専門家候補抽出部１３２は、１以上の各文書に対して形態素解析を行い、各文書を単語に分割した後に、機械学習（系列タギング)の手法を使って抽出する。また、専門家候補抽出部１３２は、例えば、特定のタグを手がかりに人名を取得しても良い。また、専門家候補抽出部１３２は、例えば、手がかり句「氏」「氏名」などを用いて、例えば、「山田○夫氏」から人名「山田○夫」を抽出したりしても良い。なお、文章から人名や組織名を取得する技術は公知技術である。
【００３５】
意見文抽出部１３３は、１以上の文書から、トピックの意見に関する文である１以上の意見文を抽出する。意見文抽出部１３３は、例えば、トピックと、主張を特定する用や句「である。」「と考えられる。」などを含む文を意見文として抽出する。また、意見文抽出部１３３は、例えば、「Tetsuji Nakagawa, Kentaro Inui and Sadao Kurohashi:Dependency Tree-based Sentiment Classification using CRFs with Hidden Variables, In Proceedings of Human Language Technologies: The 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL 2010), June 2010.」に記載されている技術を用いて、意見文を取得する。本論文に記載されている技術を用いれば、意見文抽出部１３３は、処理対象の文に対して構文解析を行った後、その結果得られる文に含まれる語の品詞や語の係り受け関係などを手がかりに、系列タギングに基づき意見を述べている箇所（句など）を抽出する。さらに、意見文抽出部１３３は、意見として抽出された句などについて、係り受け関係に加えて、極性に関する辞書や極Ｗ性を反転させる語の辞書を利用して、条件付き確率場の手法により意見文の極性を出力する。さらに、意見文抽出部１３３は、メリット、出来事、当為などの意見タイプを、構文解析の結果から素性を手がかりとした分類器により出力する。その他、意見文の抽出方法は問わない。
【００３６】
意見情報取得部１３４は、１以上の意見文から、１以上の各専門家候補ごとに意見情報を取得する。意見情報は、意見文抽出部１３３が取得した意見文に関する情報である。意見情報は、通常、１以上の意見文から取得できる数値情報である。また、意見情報は、通常、１以上の意見文に関する統計データである。意見情報は、通常、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む。意見情報取得部１３４は、例えば、「良い」「すばらしい」「悪い」「評価できない」などの評価語を格納している評価語ＤＢを保持しており、かかる評価語を用いて、意見文が肯定的な意見文か、否定的な意見文かを判断する。そして、かかる判断結果を用いて、意見情報を取得する。なお、意見情報には、肯定意見文数、否定意見文数の他、肯定・否定意見の数の合計、意見の偏り（総意見数に占める肯定意見の割合）などを含んでも良い。また、意見情報に、意見文または意見文が含まれる文書とトピックとの関連度や文書が格納されているサイトのドメイン種別（co.jp,go.jp,ac.jpなど）などを含んでも良い。
【００３７】
関連度取得部１３５は、専門家候補と文書との関連度を、１以上の専門家候補ごとに取得する。関連度取得部１３５は、例えば、専門家候補抽出部１３２が抽出した１以上の各専門家候補と、文書検索部１３１が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、１以上の各専門家候補ごとに取得する。
【００３８】
さらに具体的には、関連度取得部１３５は、文書検索部１３１が取得した１以上の各文書に対して、専門家候補抽出部１３２が抽出した専門家候補の数（Ｎ）を取得する。そして、関連度取得部１３５は、文書に出現する専門家候補に対して、当該文書との関連度を「１／Ｎ」と算出する。
【００３９】
なお、関連度取得部１３５は、文書とトピックとの関連度を取得しても良い。そして、関連度取得部１３５は、専門家候補ごとに、当該専門家候補が出現する文書とトピックとの関連度を取得しても良い。つまり、例えば、関連度取得部１３５は、１以上の各専門家候補に対応する１以上の文書を決定し、１以上の各文書とトピックとの関連度を、１以上の各専門家候補ごとに取得しても良い。かかる場合、例えば、関連度取得部１３５は、１以上の各専門家候補に対応する１以上の文書を決定する。そして、関連度取得部１３５は、専門家候補ごとに、当該専門家候補に対応する１以上の各文書とトピックとの関連度を取得する。ここで、関連度取得部１３５は、例えば、文書中のトピックの出現頻度を、当愛文書とトピックとの関連度として取得する。また、関連度取得部１３５は、ベクトル空間モデル用いたコサイン類似度や、Okapi BM25という方式を用いて、文書とトピックとの関連度を取得しても良い（例えば、「http://gihyo.jp/dev/serial/01/search-engine/0008」、「http://wpedia.goo.ne.jp/enwiki/Probabilistic_relevance_model_(BM25)」参照）。つまり、文書とトピックとの関連度を取得する技術は公知技術で実現され得る。
【００４０】
また、関連度取得部１３５は、専門家候補と文書との関連度（第一の関連度）、および文書とトピックとの関連度（第二の関連度）の両方を取得しても良い。
【００４１】
スコア算出部１３６は、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性のスコアを算出する。スコア算出部１３６は、例えば、肯定意見文数が大きいほど、また、関連度が大きいほど、大きなスコアを算出する。スコア算出部１３６は、意見情報に含まれる情報や、関連度をパラメータとする算出式を保持しており、かかる算出式を用いて、専門家候補ごとに、トピックについての専門性のスコアを算出する。なお、算出式の具体例は後述する。
【００４２】
専門家選択部１３７は、スコア算出部１３６が算出したスコアを用いて、１以上の専門家候補から、１以上の専門家を取得する。ここで、専門家とは、人名または組織名などである。専門家選択部１３７は、例えば、スコアが閾値以上の専門家候補を専門家として取得する。また、専門家選択部１３７は、例えば、スコアの上位Ｎ位までの専門家候補を専門家として取得しても良い。さらに、専門家選択部１３７は、例えば、スコアの順に、専門家または専門家候補をソートしても良い。
【００４３】
専門家出力部１３８は、専門家選択部１３７が取得した１以上の専門家を出力する。また、専門家出力部１３８は、スコアの高い順に、１以上の専門家をソートして出力することは好適である。また、専門家出力部１３８は、１以上の専門家の出力に代えて、専門家選択部１３７が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または1以上の意見文を出力しても良い。ここで、出力とは、通常、端末装置１１への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどでも良い。
【００４４】
文書出力部１３９は、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する。なお、専門家出力部１３８が文書やアクセス情報などを出力する場合、文書出力部１３９は不要である。また、文書出力部１３９は、専門家のスコアの順に、専門家の書いた文書やアクセス情報や意見文などを順位付けして出力しても良い。ここで、出力とは、通常、端末装置１１への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどでも良い。
【００４５】
端末送信部１１１、文書送信部１２２、専門家出力部１３８、および文書出力部１３９は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。
【００４６】
端末受信部１１２、および受付部１３０は、通常、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。
【００４７】
文書検索部１３１、専門家候補抽出部１３２、意見文抽出部１３３、意見情報取得部１３４、関連度取得部１３５、スコア算出部１３６、および専門家選択部１３７は、通常、ＭＰＵやメモリ等から実現され得る。文書検索部１３１等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００４８】
次に、専門家検索システム１の動作について説明する。まず、端末装置１１の動作について説明する。端末装置１１の端末受付部１１０は、ユーザからトピックを受け付ける。そして、端末送信部１１１は、端末受付部１１０が受け付けたトピックを、専門家検索装置１３に送信する。次に、トピックの送信に対応して、端末受信部１１２は、トピックの専門家、または文書、または意見文などを専門家検索装置１３から受信する。次に、端末出力部１１３は、端末受信部１１２が受信した専門家、または文書、または意見文などを出力する。
【００４９】
次に、Ｗｅｂサーバ装置１２の動作について説明する。Ｗｅｂサーバ装置１２の文書送信部１２２は、通常、専門家検索装置１３の要求に応じて、文書格納部１２１の文書を専門家検索装置１３に送信する。
【００５０】
次に、専門家検索装置１３の動作について、図３のフローチャートを用いて説明する。
【００５１】
（ステップＳ３０１）受付部１３０は、トピックを受け付けたか否かを判断する。トピックを受け付ければステップＳ３０２に行き、トピックを受け付けなければステップＳ３０１に戻る。
【００５２】
（ステップＳ３０２）文書検索部１３１は、１以上のＷｅｂサーバ装置１２から、ステップＳ３０１で受け付けられたトピックに関連する１以上の文書を取得する。
【００５３】
（ステップＳ３０３）専門家候補抽出部１３２は、ステップＳ３０２で取得された１以上の文書から、ステップＳ３０１で受け付けられたトピックに関する１以上の専門家候補を抽出する。かかる処理は、専門家候補抽出処理である。専門家候補抽出処理については、図４のフローチャートを用いて説明する。
【００５４】
（ステップＳ３０４）意見文抽出部１３３は、ステップＳ３０２で取得された１以上の文書から、ステップＳ３０１で受け付けられたトピックの意見文を、１以上、抽出する。そして、意見情報取得部１３４は、取得された１以上の意見文を用いて、意見情報を取得する。かかる処理は、意見情報取得処理である。意見情報取得処理については、図５のフローチャートを用いて説明する。
【００５５】
（ステップＳ３０５）関連度取得部１３５は、ステップＳ３０３で抽出された１以上の各専門家候補に対応する１以上の文書を決定し、１以上の各文書とトピックとの関連度を、１以上の専門家候補ごとに取得する。かかる処理は、関連度取得処理（第一関連度取得処理と言っても良い）である。また、第一関連度取得処理で取得する関連度を第一関連度と言っても良い。かかる第一関連度取得処理については、図６のフローチャートを用いて説明する。また、関連度取得部１３５は、専門家候補と文書との関連度を、１以上の専門家候補ごとに取得する。かかる処理も、関連度取得処理（第二関連度取得処理と言っても良い）と言える。また、第二関連度取得処理で取得する関連度を第二関連度と言っても良い。かかる第二関連度取得処理については、図７のフローチャートを用いて説明する。
【００５６】
（ステップＳ３０６）スコア算出部１３６は、ステップＳ３０４で取得された意見情報およびステップＳ３０５で取得された関連度（第一関連度または/および第二関連度）を用いて、１以上の専門家候補ごとに、トピックについての専門性のスコアを算出する。かかる処理は、スコア算出処理である。スコア算出処理については、図８のフローチャートを用いて説明する。
【００５７】
（ステップＳ３０７）専門家選択部１３７は、ステップＳ３０６で算出されたスコアを用いて、１以上の専門家候補から、１以上の専門家を取得する。なお、通常、専門家選択部１３７は、スコアが十分に高い（スコアが閾値以上の）専門家候補を、専門家として選択する。
【００５８】
（ステップＳ３０８）専門家出力部１３８は、ステップＳ３０７で取得された１以上の専門家を出力する。
【００５９】
（ステップＳ３０９）文書出力部１３９は、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力し、ステップＳ３０１に戻る。
【００６０】
なお、図３のフローチャートにおいて、ステップＳ３０９の処理は行わなくても良い。
【００６１】
また、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【００６２】
次に、ステップＳ３０２の専門家候補抽出処理について、図４のフローチャートを用いて説明する。
【００６３】
（ステップＳ４０１）専門家候補抽出部１３２は、カウンタｉに１を代入する。
【００６４】
（ステップＳ４０２）専門家候補抽出部１３２は、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存すればステップＳ４０３に行き、存在しなければ上位処理（ステップＳ３０４）にリターンする。
【００６５】
（ステップＳ４０３）専門家候補抽出部１３２は、ｉ番目の文書に対して、形態素解析を行う。
【００６６】
（ステップＳ４０４）専門家候補抽出部１３２は、例えば、ステップＳ４０３における形態素解析の結果を用いて、例えば、機械学習（系列タギング)の手法を使って、１以上の専門家候補を取得する。
【００６７】
（ステップＳ４０５）専門家候補抽出部１３２は、カウンタｊに１を代入する。
【００６８】
（ステップＳ４０６）専門家候補抽出部１３２は、ｊ番目の専門家候補が存在するか否かを判断する。ｊ番目の専門家候補が存在すればステップＳ４０７に行き、存在しなければステップＳ４１１に行く。
【００６９】
（ステップＳ４０７）専門家候補抽出部１３２は、ｊ番目の専門家候補が、所定のバッファに存在するか否かを判断する。所定のバッファに存在すればステップＳ４０８に行き、存在しなければステップＳ４１０に行く。
【００７０】
（ステップＳ４０８）専門家候補抽出部１３２は、ｊ番目の専門家候補とｉ番目の文書の文書識別子とを対応付けて、所定のバッファに、少なくとも一時蓄積する。
【００７１】
（ステップＳ４０９）専門家候補抽出部１３２は、カウンタｊを１、インクリメントし、ステップＳ４０６に戻る。
【００７２】
（ステップＳ４１０）専門家候補抽出部１３２は、ｉ番目の文書の文書識別子を、所定のバッファに既に存在するｊ番目の専門家候補に対応付けて少なくとも一時蓄積する。
【００７３】
（ステップＳ４１１）専門家候補抽出部１３２は、カウンタｉを１、インクリメントし、ステップＳ４０２に戻る。
【００７４】
なお、図４のフローチャートにおいて、専門家候補抽出部１３２が各文書から専門家候補を抽出するアルゴリズムは問わない。
【００７５】
次に、ステップＳ３０３の意見情報取得処理については、図５のフローチャートを用いて説明する。
【００７６】
（ステップＳ５０１）意見文抽出部１３３は、カウンタｉに１を代入する。
【００７７】
（ステップＳ５０２）意見文抽出部１３３は、ステップＳ３０２で取得された文書のうち、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存在すればステップＳ５０３に行き、ｉ番目の文書が存在しなければステップＳ５１４に行く。
【００７８】
（ステップＳ５０３）意見文抽出部１３３は、カウンタｊに１を代入する。
【００７９】
（ステップＳ５０４）意見文抽出部１３３は、ｉ番目の文書のうち、ｊ番目の文が存在するか否かを判断する。ｊ番目の文が存在すればステップＳ５０５に行き、ｊ番目の文が存在しなければステップＳ５１３に行く。なお、ここでの文は、文の一部でも良い。つまり、文は、意見文か否かを判断する対象の単位で良い。
【００８０】
（ステップＳ５０５）意見文抽出部１３３は、ｉ番目の文書のｊ番目の文を取得する。
【００８１】
（ステップＳ５０６）意見文抽出部１３３は、ステップＳ５０５で取得した文が意見文か否かを判断し、判断結果をバッファに代入する。なお、意見文抽出部１３３は、文に対して構文解析を行い、その結果を用いて、文に含まれる語の品詞や語の係り受け関係などを手がかりに、系列タギングに基づき意見を述べている箇所を抽出し、意見文か否かを判断する。
【００８２】
（ステップＳ５０７）意見文抽出部１３３は、バッファの値が意見文であることを示す情報であればステップＳ５０８に行き、意見文でないことを示す情報であればステップＳ５１２に行く。
【００８３】
（ステップＳ５０８）意見情報取得部１３４は、ｉ番目の文書のｊ番目の文が肯定的な文である「肯定的」、否定的な文であるか「否定的」、どちらでもないか「中立」等を判断する。意見情報取得部１３４は、ｊ番目の文の極性を算出しても良い。意見情報取得部１３４は、例えば、語の係り受け関係や、極性に関する辞書や極性を反転させる語の辞書を利用して、条件付き確率場の手法により文の極性を算出する。なお、意見情報取得部１３４は、極性に関する辞書や極性を反転させる語の辞書を保持している、とする。また、極性とは、文の肯定の度合い、または／および否定の度合いを示す情報である。
【００８４】
（ステップＳ５０９）意見情報取得部１３４は、ステップＳ５０８における判断結果をフラグ（姿勢フラグという。）に代入し、当該姿勢フラグを意見文に付与する。
【００８５】
（ステップＳ５１０）意見情報取得部１３４は、ｉ番目の文書のｊ番目の文と、トピックとの関連度を取得し、意見文に付与する。
【００８６】
（ステップＳ５１１）意見情報取得部１３４は、ｉ番目の文書のドメイン種別を取得し、意見文に付与する。なお、ドメイン種別は、文書検索部１３１が文書を取得した際に、文書検索部１３１が取得する。
【００８７】
（ステップＳ５１２）意見文抽出部１３３は、カウンタｊを１、インクリメントし、ステップＳ５０４に戻る。
【００８８】
（ステップＳ５１３）意見文抽出部１３３は、カウンタｉを１、インクリメントし、ステップＳ５０２に戻る。
【００８９】
（ステップＳ５１４）意見情報取得部１３４は、カウンタｉに１を代入する。
【００９０】
（ステップＳ５１５）意見情報取得部１３４は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存在すればステップＳ５１６に行き、ｉ番目の専門家候補が存在しなければ上位処理（ステップＳ３０５）にリターンする。
【００９１】
（ステップＳ５１６）意見情報取得部１３４は、ｉ番目の専門家候補に対応するすべての文書識別子を取得する。
【００９２】
（ステップＳ５１７）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の姿勢フラグが「肯定的」である文の数を取得する。かかる文の数は、肯定文数である。
【００９３】
（ステップＳ５１８）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の姿勢フラグが「否定的」である文の数を取得する。かかる文の数は、否定文数である。
【００９４】
（ステップＳ５１９）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の意見の合計数を取得する。なお、ここで、意見の合計数とは、通常、すべての意見文の数である。
【００９５】
（ステップＳ５２０）意見情報取得部１３４は、肯定文数の割合を取得する。
【００９６】
（ステップＳ５２１）意見情報取得部１３４は、カウンタｉを１、インクリメントし、ステップＳ５１５に戻る。
【００９７】
なお、図５のフローチャートにおいて取得された、肯定意見文数、否定意見文数の他、肯定・否定意見の数の合計、肯定文数の割合、関連度、およびドメイン種別などは、意見情報の例である。
【００９８】
次に、ステップＳ３０５の第一関連度取得処理については、図６のフローチャートを用いて説明する。
【００９９】
（ステップＳ６０１）関連度取得部１３５は、カウンタｉに１を代入する。
【０１００】
（ステップＳ６０２）関連度取得部１３５は、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存すればステップＳ６０３に行き、存在しなければステップＳ６０６に行く。
【０１０１】
（ステップＳ６０３）関連度取得部１３５は、ｉ番目の文書とトピックとの関連度を取得する。
【０１０２】
（ステップＳ６０４）関連度取得部１３５は、ｉ番目の文書の文書識別子と関連度とを対応付けて蓄積する。
【０１０３】
（ステップＳ６０５）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ６０２に戻る。
【０１０４】
（ステップＳ６０６）関連度取得部１３５は、カウンタｉに１を代入する。
【０１０５】
（ステップＳ６０７）関連度取得部１３５は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ６０８に行き、存在しなければ上位処理（ステップＳ３０６）にリターンする。
【０１０６】
（ステップＳ６０８）関連度取得部１３５は、ｉ番目の専門家候補に対応するすべての文書識別子をバッファから取得する。
【０１０７】
（ステップＳ６０９）関連度取得部１３５は、ステップＳ６０８で取得したすべての文書識別子に対応する１以上の関連度を取得する。
【０１０８】
（ステップＳ６１０）関連度取得部１３５は、ｉ番目の専門家候補に対応付けて、ステップＳ６０９で取得した関連度をバッファに蓄積する。
【０１０９】
（ステップＳ６１１）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ５０２に戻る。
【０１１０】
次に、ステップＳ３０５の第二関連度取得処理については、図７のフローチャートを用いて説明する。
【０１１１】
（ステップＳ７０１）関連度取得部１３５は、カウンタｉに１を代入する。
【０１１２】
（ステップＳ７０２）ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ７０３に行き、存在しなければ上位処理（ステップＳ３０６）にリターンする。
【０１１３】
（ステップＳ７０３）関連度取得部１３５は、ｉ番目の専門家候補に対応するすべての文書識別子をバッファから取得する。
【０１１４】
（ステップＳ７０４）関連度取得部１３５は、カウンタｊに１を代入する。
【０１１５】
（ステップＳ７０５）関連度取得部１３５は、ステップＳ７０３で取得した文書識別子の中の、ｊ番目の文書識別子が存在するか否かを判断する。ｊ番目の文書識別子が存在すればステップＳ７０６に行き、存在しなければステップＳ７１０に行く。
【０１１６】
（ステップＳ７０６）関連度取得部１３５は、ｊ番目の文書識別子に対応する専門家候補の数を取得する。
【０１１７】
（ステップＳ７０７）関連度取得部１３５は、ステップＳ７０６で取得した専門家候補の数を用いて、ｊ番目の文書識別子で識別される文書と、ｉ番目の専門家候補との関連度を算出する。なお、文書と専門家候補との関連度を算出する演算式は、専門家候補の数をパラメータとする減少関数である。
【０１１８】
（ステップＳ７０８）関連度取得部１３５は、ｊ番目の文書識別子とｉ番目の専門家候補とに対応付けて、ステップＳ７０７で算出した関連度をバッファに一時蓄積する。
【０１１９】
（ステップＳ７０９）関連度取得部１３５は、カウンタｊを１、インクリメントし、ステップＳ７０５に戻る。
【０１２０】
（ステップＳ７１０）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ７０２に戻る。
【０１２１】
ステップＳ３０６のスコア算出処理については、図８のフローチャートを用いて説明する。
【０１２２】
（ステップＳ８０１）スコア算出部１３６は、カウンタｉに１を代入する。
【０１２３】
（ステップＳ８０２）スコア算出部１３６は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ８０３に行き、存在しなければ上位処理（ステップＳ３０７）にリターンする。
【０１２４】
（ステップＳ８０３）スコア算出部１３６は、ｉ番目の専門家候補に対応する意見情報を取得する。
【０１２５】
（ステップＳ８０４）スコア算出部１３６は、ｉ番目の専門家候補に対応する関連度を取得する。ここでの関連度は、第一関連度、または第二関連度、または第一関連度と第二関連度である。
【０１２６】
（ステップＳ８０５）スコア算出部１３６は、ステップＳ８０３で取得した意見情報、およびステップＳ８０４で取得した関連度を用いて、スコアを算出する。
【０１２７】
（ステップＳ８０６）スコア算出部１３６は、ｉ番目の専門家候補に対応付けて、ステップＳ８０５で算出したスコアを、バッファに蓄積する。
【０１２８】
（ステップＳ８０７）スコア算出部１３６は、カウンタｉを１、インクリメントし、ステップＳ８０２に戻る。
【０１２９】
以下、本実施の形態における専門家検索システム１の具体的な動作について説明する。
【０１３０】
今、ユーザは、端末装置１１に対して、トピック「ゆとり教育」を入力した、とする。そして、端末装置１１の端末受付部１１０は、トピック「ゆとり教育」を受け付ける。そして、端末送信部１１１は、端末受付部１１０が受け付けたトピック「ゆとり教育」を、専門家検索装置１３に送信する。
【０１３１】
次に、専門家検索装置１３の受付部１３０は、トピック「ゆとり教育」を受信する。そして、文書検索部１３１は、トピック「ゆとり教育」をキーとして、いわゆるＷｅｂ検索を行い、１以上の文書を取得する。そして、文書検索部１３１は、２以上のＷｅｂページを取得する。ここで、一のＷｅｂページは、例えば、図９に示すＷｅｂページであった、とする。
【０１３２】
次に、専門家候補抽出部１３２は、例えば、図９の文書から、トピック「ゆとり教育」に関する専門家候補「山田○夫」を抽出する。専門家候補抽出部１３２は、固有名認識の技術を用いて、専門家候補「山田○夫」を抽出する。
【０１３３】
次に、意見文抽出部１３３は、図９の文書から、１以上の文を抽出する。そして、意見文抽出部１３３は、取得した各文が意見文に対して、構文解析を行う。構文解析は、例えば、ＫＮＰ(http://nlp.kuee.kyoto-u.ac.jp/nl-resource/knp.html参照)により行う。
【０１３４】
次に、意見文抽出部１３３は、各文が意見文か否かを判断し、判断結果をバッファに代入する。
【０１３５】
次に、意見文抽出部１３３は、各意見文のタイプ、および極性を取得する。具体的には、意見文抽出部１３３は、例えば、構文解析の結果から1以上の素性を取得し、当該1以上の素性を機械学習の分類器に与えて、タイプを取得する。また、意見文抽出部１３３は、例えば、文に対して構文解析を行い、極性の反転語、および係り受け関係も考慮した上で文の極性を取得する。なお、意見文の抽出、意見文のタイプ、および極性の取得に関する技術は、文献「Tetsuji Nakagawa, Kentaro Inui and Sadao Kurohashi:Dependency Tree-based Sentiment Classification using CRFs with Hidden Variables, In Proceedings of Human Language Technologies: The 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL 2010), June 2010.」に記載されている。なお、意見文の抽出、極性の取得について、上記文献以外の方法で行われても良い。
【０１３６】
そして、意見文抽出部１３３は、図９の文章に対して、バッファ内に、図１０に示す意見文の情報を得る。意見文の情報は、「タイプ」「極性」「意見文」を有するレコードの集合である。なお、意見文抽出部１３３が取得する文は、文の一部でも良い。
【０１３７】
次に、意見情報取得部１３４は、図９の文書に対して、専門家候補「山田○夫」の意見情報を、以下のように意見情報を取得する。つまり、意見情報取得部１３４は、図１０の表の極性がプラスの意見文の数「２」を、肯定的な意見数として取得する。また、意見情報取得部１３４は、図１０の表の極性がマイナスの意見文の数「１」を、否定的な意見数として取得する。さらに、意見情報取得部１３４は、図１０の表のレコード数「５」を、意見文の数として取得する。
【０１３８】
次に、関連度取得部１３５は、専門家候補と文書との関連度を、以下の数式１を用いて算出する。なお、関連度取得部１３５は、数式１の演算式の情報を予め保持している、とする。
【数１】
【０１３９】
なお、数式１において、ａｉｊは、文書ｉと専門家候補ｊの関連度である。ｎｉは、文書ｉから抽出された専門家候補の数である。
【０１４０】
つまり、例えば、図９の文書から、専門家候補｛山田○夫，寺田○和｝が検出された場合、関連度取得部１３５は、専門家候補「山田○夫」と図９の文書との関連度ａｉｊは、１／２となる。なお、例えば、図９の文書から、専門家候補｛山田○夫｝のみが検出された場合、関連度取得部１３５は、専門家候補「山田○夫」と図９の文書との関連度ａｉｊは、１となる。
【０１４１】
また、関連度取得部１３５は、各文書と、トピック「ゆとり教育」との関連度を算出する。例えば、関連度取得部１３５は、図９の文書において、トピック「ゆとり教育」の出現回数「１４」を取得する。そして、関連度取得部１３５は、出現回数をパラメータとする増加関数により、図９の文書とトピック「ゆとり教育」との関連度ｒｉを取得する。
【０１４２】
次に、スコア算出部１３６は、以下の数式２を用いて、専門家候補ｊのスコアＥｊを算出する、とする。
【数２】
【０１４３】
なお、文書ｉの品質スコアｑｉは、以下の数式３により算出される、とする。
【数３】
【０１４４】
数式３において用いられる素性種別は、バイアス項、肯定意見数、否定意見数、意見総数である。また、数式３において、ｗはモデルパラメータである。モデルパラメータとは、素性種別に与えられるパラメータである。モデルパラメータが（バイアス項のパラメータ，肯定意見数のパラメータ，否定意見数のパラメータ，意見総数のパラメータ）である場合、モデルパラメータｗは、例えば、ｗ＝（−１．４４，０．０６，０．３９０，０．２３９）である。また、数式３において、ｘｉは文書ｉの素性の集合である。ｘｉは、ここでは、（バイアス項，肯定意見数，否定意見数，意見総数）である。なお、バイアス項とは、文書とは独立のパラメータで、品質スコア関数の形状を決定するものである。
【０１４５】
また、スコア算出部１３６は、上述した意見情報を取得する。ここでの意見情報は、文書ｉの素性の集合ｘｉ（１，２，１，５）である。
【０１４６】
そして、スコア算出部１３６は、文書ｉの品質スコアｑｉを構成する「ｗ・ｘ」（数式３参照）を、「ｗｘ＝−１．４４＋０．１２＋０．３９０＋１．１９５＝０．２６５」と算出する。
【０１４７】
次に、スコア算出部１３６は、数式３に従って、文書ｉの品質スコアｑｉを「ｑｉ＝０．５６６」と算出する。
【０１４８】
次に、スコア算出部１３６は、数式２に従って、専門家候補「山田○夫」に対して、「山田○夫」が抽出された文書ｉのトピックとの関連度ｒｉ、文書ｉの品質スコアｑｉ、文書ｉと専門家候補「山田○夫」との関連度ａｉｊとを乗算する。そして、スコア算出部１３６は、数式２に従って、関連度ｒｉ、品質スコアｑｉ、および関連度ａｉｊとの積を、各文書に対して算出し、算出した値の和を、専門家候補「山田○夫」のスコアとして算出する。
【０１４９】
以上の処理を、他の専門家候補に対しても行い、各専門家候補のスコアが取得される。
【０１５０】
次に、専門家選択部１３７は、算出されたスコアを用いて、１以上の専門家候補から、例えば、スコアが閾値より高い１以上の専門家を取得する。そして、文書出力部１３９は、スコアの順に、専門家をソートして、端末装置１１に送信する。
【０１５１】
また、文書出力部１３９は、各専門家に対応する１以上の文書のＵＲＬ等を端末装置１１に送信する。
【０１５２】
次に、端末装置１１の端末受信部１１２は、スコア順にソートされた１以上の専門家および文書のＵＲＬを専門家検索装置１３から受信する。そして、端末出力部１１３は、端末受信部１１２が受信した１以上の専門家および文書のＵＲＬを出力する。
【０１５３】
以上、本実施の形態によれば、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【０１５４】
また、本実施の形態によれば、その玉石混淆のＷｅｂ上の多数の情報の中から専門家の書いた情報を順位付けして提示することができるので、Ｗｅｂ上の多数の情報の中からより信頼性の高い情報へのアクセスを可能とし、利用者の利便性を高めることができる。
【０１５５】
また、本実施の形態によれば、トピックについての専門家の一覧や，あるいは専門家が発信した情報を利用者に提示することが可能となる。
【０１５６】
なお、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における専門家検索装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、例えば、コンピュータを、トピックを受け付ける受付部と、１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索部と、前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、前記１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得部と、前記１以上の各専門家候補ごとに、前記意見情報を用いて、前記トピックについての専門性のスコアを算出するスコア算出部と、前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、前記専門家選択部が取得した１以上の専門家を出力する専門家出力部として機能させるプログラムである。
【０１５７】
また、図１１は、本明細書で述べたプログラムを実行して、上述した実施の形態の専門家検索装置等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１１は、このコンピュータシステム３４０の概観図であり、図１２は、コンピュータシステム３４０のブロック図である。
【０１５８】
図１１において、コンピュータシステム３４０は、ＦＤドライブ、ＣＤ−ＲＯＭドライブを含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４とを含む。
【０１５９】
図１２において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＭＰＵ３４１３と、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３４１５とに接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０１６０】
コンピュータシステム３４０に、上述した実施の形態の専門家検索装置等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０１６１】
プログラムは、コンピュータ３４１に、上述した実施の形態の専門家検索装置等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０１６２】
なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信するステップにおけるモデムやインターフェースカードなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。
【０１６３】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０１６４】
また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
【０１６５】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０１６６】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０１６７】
以上のように、本発明にかかる専門家検索装置は、Ｗｅｂ文書を対象として、精度高く専門家を検索できる、という効果を有し、専門家用のＷｅｂ検索エンジン等として有用である。
【符号の説明】
【０１６８】
１ 専門家検索システム
１１ 端末装置
１２ Ｗｅｂサーバ装置
１３ 専門家検索装置
１１０ 端末受付部
１１１ 端末送信部
１１２ 端末受信部
１１３ 端末出力部
１２１ 文書格納部
１２２ 文書送信部
１３０ 受付部
１３１ 文書検索部
１３２ 専門家候補抽出部
１３３ 意見文抽出部
１３４ 意見情報取得部
１３５ 関連度取得部
１３６ スコア算出部
１３７ 専門家選択部
１３８ 専門家出力部
１３９ 文書出力部
【技術分野】
【０００１】
本発明は、Ｗｅｂ文書からトピックについての１以上の専門家を抽出する専門家検索システム等に関するものである。
【背景技術】
【０００２】
従来、組織内の文書を対象に専門家を検索する技術があった（例えば、非特許文献１、非特許文献２参照）。また、研究論文を対象に専門家を検索する技術があった（例えば、非特許文献３参照）。これらの従来技術に共通するのは、専門家候補の専門性の証拠として、専門家候補が出現する文書、または専門家候補が著者となっている文書について、トピックとの関連度を用いる点である。組織内文書や研究論文は、文書の品質が一定以上であることが仮定でき、専門家候補が関わる文書のトピックとの関連度を専門性の証拠と扱っても問題はない。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】Balog K, Azzopardi L, Rijke M de. Formal Models for Expert Finding in Enterprise Corpora. In: Proceedings of SIGIR’06.; 2006:43-50.
【非特許文献２】Macdonald C, Ounis I. Voting for Candidates : Adapting Data Fusion Techniques for an Expert Search Task. In: Proceedings of CIKM’06.; 2006:387-396.
【非特許文献３】Mimno D, Mccallum A. Expertise Modeling for Matching Papers with Reviewers. In: Proceedings of KDD’07.; 2007:500-509.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、専門家を検索する対象の文書を組織内の文書を対象にした場合には、一般のユーザは利用できない。また、トピックの中には、研究論文にならないトピックも存在する。また、研究論文は書かないが、専門家と呼ぶに相応しい人も居る。そこで、Ｗｅｂ上に存在する文書であるＷｅｂ文書を対象として、専門家を抽出することは有効である。
【０００５】
しかし、Ｗｅｂ文書を対象とした場合に、スパムなどのノイズとなる文書だけでなく、掲示板の書き込みやブログといった必ずしも品質が高くない文書も多く含まれており、トピックとの関連度だけでは専門性について十分な証拠とはならず、専門性検索の精度低下を招く。つまり、従来の専門家検索システムにおいては、Ｗｅｂ文書を対象として、精度高く専門家を検索できなかった。
【０００６】
また、従来技術では、専門性候補が所与のものとして扱われている。特定の組織を対象としたり、特定の研究分野を対象とする場合には専門家候補を特定でき、そのような仮定は妥当である。しかし、Ｗｅｂ文書を対象に不特定のトピックについて専門家検索を実施しようとしたとき、事前に専門家候補を得るのは現実的ではない。
【課題を解決するための手段】
【０００７】
本第一の発明の専門家検索装置は、トピックを受け付ける受付部と、１以上のＷｅｂサーバ装置から、トピックに関連する１以上の文書を取得する文書検索部と、１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、１以上の文書から、トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、１以上の各専門家候補ごとに取得する意見情報取得部と、１以上の各専門家候補ごとに、意見情報を用いて、トピックについての専門性のスコアを算出するスコア算出部と、スコアを用いて、１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置である。
【０００８】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【０００９】
また、本第二の発明の専門家検索装置は、第一の発明に対して、専門家候補抽出部が抽出した１以上の各専門家候補と、文書検索部が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、１以上の各専門家候補ごとに取得する関連度取得部をさらに具備し、スコア算出部は、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性のスコアを算出する専門家検索装置である。
【００１０】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【００１１】
また、本第三の発明の専門家検索装置は、第一または第二の発明に対して、専門家出力部は、スコアの高い順に、１以上の専門家をソートして出力する専門家検索装置である。
【００１２】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、適切に専門家を提示できる。
【００１３】
また、本第四の発明の専門家検索装置は、第一から第三いずれかの発明に対して、専門家出力部は、１以上の専門家の出力に代えて、専門家選択部が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または１以上の意見文を出力する専門家検索装置である。
【００１４】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、当該専門家が記載した文書を提示できる。
【００１５】
また、本第五の発明の専門家検索装置は、第一から第三いずれかの発明に対して、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する文書出力部をさらに具備する専門家検索装置である。
【００１６】
かかる構成により、Ｗｅｂ文書を対象として、精度高く専門家を検索し、当該専門家が記載した文書を提示できる。
【発明の効果】
【００１７】
本発明による専門家検索装置によれば、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【図面の簡単な説明】
【００１８】
【図１】実施の形態１における専門家検索システム１の概念図
【図２】同専門家検索システム１のブロック図
【図３】同専門家検索装置１３の動作について説明するフローチャート
【図４】同専門家候補抽出処理について説明するフローチャート
【図５】同意見情報取得処理について説明するフローチャート
【図６】同第一関連度取得処理について説明するフローチャート
【図７】同第二関連度取得処理について説明するフローチャート
【図８】同スコア算出処理について説明するフローチャート
【図９】同Ｗｅｂページの例を示す図
【図１０】同意見情報の例を示す図
【図１１】同コンピュータシステムの概観図
【図１２】同コンピュータシステムのブロック図
【発明を実施するための形態】
【００１９】
以下、専門家検索システム等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
【００２０】
（実施の形態１）
本実施の形態において、Ｗｅｂ文書からトピックについての１以上の専門家を抽出し、出力する専門家検索システムについて説明する。また、本実施の形態において、スコアの順に専門家をソートして出力する専門家検索システム１について説明する。また、本実施の形態において、専門家の書いた信頼性の高い文書を提示する専門家検索システムについて説明する。
【００２１】
図１は、本実施の形態における専門家検索システム１の概念図である。専門家検索システム１は、１以上の端末装置１１、１以上のＷｅｂサーバ装置１２、および専門家検索装置１３を具備する。端末装置１１は、ユーザが専門家の検索のために利用する端末である。Ｗｅｂサーバ装置１２は、いわゆるＷｅｂ上のＷｅｂサーバ装置であり、１以上の文書を格納している。専門家検索装置１３は、専門家を検索できる装置である。端末装置１１、Ｗｅｂサーバ装置１２、および専門家検索装置１３は、インターネット４により、通信可能である。
【００２２】
図２は、本実施の形態における専門家検索システム１のブロック図である。
【００２３】
専門家検索システム１を構成する端末装置１１は、端末受付部１１０、端末送信部１１１、端末受信部１１２、および端末出力部１１３を具備する。
【００２４】
Ｗｅｂサーバ装置１２は、文書格納部１２１、および文書送信部１２２を具備する。
【００２５】
専門家検索装置１３は、受付部１３０、文書検索部１３１、専門家候補抽出部１３２、意見文抽出部１３３、意見情報取得部１３４、関連度取得部１３５、スコア算出部１３６、専門家選択部１３７、専門家出力部１３８、および文書出力部１３９を具備する。
【００２６】
端末装置１１を構成する端末受付部１１０は、ユーザからトピックを受け付ける。トピックとは、用語と同意義であると考えても良い。トピックは、単語とは限らず、句や１以上の単語の集合などでも良い。また、トピックとは、検索したい専門家の専門領域を示す用語等である。トピックの入力手段は、キーボードやマウスやメニュー画面によるもの等、何でも良い。端末受付部１１０は、キーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
【００２７】
端末送信部１１１は、端末受付部１１０が受け付けたトピックを、専門家検索装置１３に送信する。
【００２８】
端末受信部１１２は、１以上の専門家、または１以上の文書、または１以上の意見文などを専門家検索装置１３から受信する。
【００２９】
端末出力部１１３は、端末受信部１１２が受信した１以上の専門家、または１以上の文書、または１以上の意見文などを出力する。ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。端末出力部１１３は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部１１３は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００３０】
Ｗｅｂサーバ装置１２を構成する文書格納部１２１は、１以上の文書を格納している。文書とは、Ｗｅｂ上の文書である。Ｗｅｂ上の文書をＷｅｂ文書ということとする。また、Ｗｅｂ文書は、研究論文なども含むが、いわゆるブログや、ミニブログや、ＳＮＳに投函した文書などのＣＧＭの文書も含む。文書は、一ファイルに分かれている必要はない。つまり、文書の区切りの識別情報は問わない。
【００３１】
文書送信部１２２は、文書格納部１２１の文書を専門家検索装置１３に送信する。通常、文書送信部１２２は、専門家検索装置１３の要求に応じて、文書格納部１２１の文書を専門家検索装置１３に送信する。
【００３２】
専門家検索装置１３を構成する受付部１３０は、トピックを受け付ける。通常、受付部１３０は、端末装置１１からトピックを受信する。ただし、専門家検索装置１３がスタンドアロンで動作する場合は、受付部１３０は、キーボードやマウスなどの入力デバイスからトピックを受け付ける。つまり、ここでの受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。
【００３３】
文書検索部１３１は、１以上のＷｅｂサーバ装置１２から、トピックに関連する１以上の文書を取得する。通常、文書検索部１３１は、Ｗｅｂサーバ装置１２から文書を受信する。ここで、文書検索部１３１は、トピックを含む文書をすべて取得しても良いし、所定のタグ（例えば、タイトルタグ）に対応する箇所にトピックを含む文書を取得しても良いし、トピックの出現回数が閾値以上の文書を取得するなどしても良い。その他、文書検索部１３１がトピックに関連する１以上の文書を取得するアルゴリズムは種々あり得る。なお、文書検索部１３１は、トピックをキーとして、いわゆるＷｅｂ検索する機能を有するものでも良い。かかる場合、文書検索部１３１は、いわゆるＷｅｂ検索エンジンである。
【００３４】
専門家候補抽出部１３２は、１以上の文書から、１以上の専門家候補を抽出する。専門家候補とは、人名でも組織名でも良い。また、専門家候補抽出部１３２は、例えば、固有表現抽出（ＮＥ）の技術を用いて固有名称（人名・組織名）する（例えば、「http://www.sophia-it.com/content/%E5%9B%BA%E6%9C%89%E8%A1%A8%E7%8F%BE%E6%8A%BD%E5%87%BA」「http://www.ntt.co.jp/journal/0806/files/jn200806020.pdf」参照）。さらに具体的には、専門家候補抽出部１３２は、１以上の各文書に対して形態素解析を行い、各文書を単語に分割した後に、機械学習（系列タギング)の手法を使って抽出する。また、専門家候補抽出部１３２は、例えば、特定のタグを手がかりに人名を取得しても良い。また、専門家候補抽出部１３２は、例えば、手がかり句「氏」「氏名」などを用いて、例えば、「山田○夫氏」から人名「山田○夫」を抽出したりしても良い。なお、文章から人名や組織名を取得する技術は公知技術である。
【００３５】
意見文抽出部１３３は、１以上の文書から、トピックの意見に関する文である１以上の意見文を抽出する。意見文抽出部１３３は、例えば、トピックと、主張を特定する用や句「である。」「と考えられる。」などを含む文を意見文として抽出する。また、意見文抽出部１３３は、例えば、「Tetsuji Nakagawa, Kentaro Inui and Sadao Kurohashi:Dependency Tree-based Sentiment Classification using CRFs with Hidden Variables, In Proceedings of Human Language Technologies: The 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL 2010), June 2010.」に記載されている技術を用いて、意見文を取得する。本論文に記載されている技術を用いれば、意見文抽出部１３３は、処理対象の文に対して構文解析を行った後、その結果得られる文に含まれる語の品詞や語の係り受け関係などを手がかりに、系列タギングに基づき意見を述べている箇所（句など）を抽出する。さらに、意見文抽出部１３３は、意見として抽出された句などについて、係り受け関係に加えて、極性に関する辞書や極Ｗ性を反転させる語の辞書を利用して、条件付き確率場の手法により意見文の極性を出力する。さらに、意見文抽出部１３３は、メリット、出来事、当為などの意見タイプを、構文解析の結果から素性を手がかりとした分類器により出力する。その他、意見文の抽出方法は問わない。
【００３６】
意見情報取得部１３４は、１以上の意見文から、１以上の各専門家候補ごとに意見情報を取得する。意見情報は、意見文抽出部１３３が取得した意見文に関する情報である。意見情報は、通常、１以上の意見文から取得できる数値情報である。また、意見情報は、通常、１以上の意見文に関する統計データである。意見情報は、通常、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む。意見情報取得部１３４は、例えば、「良い」「すばらしい」「悪い」「評価できない」などの評価語を格納している評価語ＤＢを保持しており、かかる評価語を用いて、意見文が肯定的な意見文か、否定的な意見文かを判断する。そして、かかる判断結果を用いて、意見情報を取得する。なお、意見情報には、肯定意見文数、否定意見文数の他、肯定・否定意見の数の合計、意見の偏り（総意見数に占める肯定意見の割合）などを含んでも良い。また、意見情報に、意見文または意見文が含まれる文書とトピックとの関連度や文書が格納されているサイトのドメイン種別（co.jp,go.jp,ac.jpなど）などを含んでも良い。
【００３７】
関連度取得部１３５は、専門家候補と文書との関連度を、１以上の専門家候補ごとに取得する。関連度取得部１３５は、例えば、専門家候補抽出部１３２が抽出した１以上の各専門家候補と、文書検索部１３１が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、１以上の各専門家候補ごとに取得する。
【００３８】
さらに具体的には、関連度取得部１３５は、文書検索部１３１が取得した１以上の各文書に対して、専門家候補抽出部１３２が抽出した専門家候補の数（Ｎ）を取得する。そして、関連度取得部１３５は、文書に出現する専門家候補に対して、当該文書との関連度を「１／Ｎ」と算出する。
【００３９】
なお、関連度取得部１３５は、文書とトピックとの関連度を取得しても良い。そして、関連度取得部１３５は、専門家候補ごとに、当該専門家候補が出現する文書とトピックとの関連度を取得しても良い。つまり、例えば、関連度取得部１３５は、１以上の各専門家候補に対応する１以上の文書を決定し、１以上の各文書とトピックとの関連度を、１以上の各専門家候補ごとに取得しても良い。かかる場合、例えば、関連度取得部１３５は、１以上の各専門家候補に対応する１以上の文書を決定する。そして、関連度取得部１３５は、専門家候補ごとに、当該専門家候補に対応する１以上の各文書とトピックとの関連度を取得する。ここで、関連度取得部１３５は、例えば、文書中のトピックの出現頻度を、当愛文書とトピックとの関連度として取得する。また、関連度取得部１３５は、ベクトル空間モデル用いたコサイン類似度や、Okapi BM25という方式を用いて、文書とトピックとの関連度を取得しても良い（例えば、「http://gihyo.jp/dev/serial/01/search-engine/0008」、「http://wpedia.goo.ne.jp/enwiki/Probabilistic_relevance_model_(BM25)」参照）。つまり、文書とトピックとの関連度を取得する技術は公知技術で実現され得る。
【００４０】
また、関連度取得部１３５は、専門家候補と文書との関連度（第一の関連度）、および文書とトピックとの関連度（第二の関連度）の両方を取得しても良い。
【００４１】
スコア算出部１３６は、１以上の各専門家候補ごとに、意見情報および関連度を用いて、トピックについての専門性のスコアを算出する。スコア算出部１３６は、例えば、肯定意見文数が大きいほど、また、関連度が大きいほど、大きなスコアを算出する。スコア算出部１３６は、意見情報に含まれる情報や、関連度をパラメータとする算出式を保持しており、かかる算出式を用いて、専門家候補ごとに、トピックについての専門性のスコアを算出する。なお、算出式の具体例は後述する。
【００４２】
専門家選択部１３７は、スコア算出部１３６が算出したスコアを用いて、１以上の専門家候補から、１以上の専門家を取得する。ここで、専門家とは、人名または組織名などである。専門家選択部１３７は、例えば、スコアが閾値以上の専門家候補を専門家として取得する。また、専門家選択部１３７は、例えば、スコアの上位Ｎ位までの専門家候補を専門家として取得しても良い。さらに、専門家選択部１３７は、例えば、スコアの順に、専門家または専門家候補をソートしても良い。
【００４３】
専門家出力部１３８は、専門家選択部１３７が取得した１以上の専門家を出力する。また、専門家出力部１３８は、スコアの高い順に、１以上の専門家をソートして出力することは好適である。また、専門家出力部１３８は、１以上の専門家の出力に代えて、専門家選択部１３７が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または1以上の意見文を出力しても良い。ここで、出力とは、通常、端末装置１１への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどでも良い。
【００４４】
文書出力部１３９は、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する。なお、専門家出力部１３８が文書やアクセス情報などを出力する場合、文書出力部１３９は不要である。また、文書出力部１３９は、専門家のスコアの順に、専門家の書いた文書やアクセス情報や意見文などを順位付けして出力しても良い。ここで、出力とは、通常、端末装置１１への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどでも良い。
【００４５】
端末送信部１１１、文書送信部１２２、専門家出力部１３８、および文書出力部１３９は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。
【００４６】
端末受信部１１２、および受付部１３０は、通常、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。
【００４７】
文書検索部１３１、専門家候補抽出部１３２、意見文抽出部１３３、意見情報取得部１３４、関連度取得部１３５、スコア算出部１３６、および専門家選択部１３７は、通常、ＭＰＵやメモリ等から実現され得る。文書検索部１３１等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００４８】
次に、専門家検索システム１の動作について説明する。まず、端末装置１１の動作について説明する。端末装置１１の端末受付部１１０は、ユーザからトピックを受け付ける。そして、端末送信部１１１は、端末受付部１１０が受け付けたトピックを、専門家検索装置１３に送信する。次に、トピックの送信に対応して、端末受信部１１２は、トピックの専門家、または文書、または意見文などを専門家検索装置１３から受信する。次に、端末出力部１１３は、端末受信部１１２が受信した専門家、または文書、または意見文などを出力する。
【００４９】
次に、Ｗｅｂサーバ装置１２の動作について説明する。Ｗｅｂサーバ装置１２の文書送信部１２２は、通常、専門家検索装置１３の要求に応じて、文書格納部１２１の文書を専門家検索装置１３に送信する。
【００５０】
次に、専門家検索装置１３の動作について、図３のフローチャートを用いて説明する。
【００５１】
（ステップＳ３０１）受付部１３０は、トピックを受け付けたか否かを判断する。トピックを受け付ければステップＳ３０２に行き、トピックを受け付けなければステップＳ３０１に戻る。
【００５２】
（ステップＳ３０２）文書検索部１３１は、１以上のＷｅｂサーバ装置１２から、ステップＳ３０１で受け付けられたトピックに関連する１以上の文書を取得する。
【００５３】
（ステップＳ３０３）専門家候補抽出部１３２は、ステップＳ３０２で取得された１以上の文書から、ステップＳ３０１で受け付けられたトピックに関する１以上の専門家候補を抽出する。かかる処理は、専門家候補抽出処理である。専門家候補抽出処理については、図４のフローチャートを用いて説明する。
【００５４】
（ステップＳ３０４）意見文抽出部１３３は、ステップＳ３０２で取得された１以上の文書から、ステップＳ３０１で受け付けられたトピックの意見文を、１以上、抽出する。そして、意見情報取得部１３４は、取得された１以上の意見文を用いて、意見情報を取得する。かかる処理は、意見情報取得処理である。意見情報取得処理については、図５のフローチャートを用いて説明する。
【００５５】
（ステップＳ３０５）関連度取得部１３５は、ステップＳ３０３で抽出された１以上の各専門家候補に対応する１以上の文書を決定し、１以上の各文書とトピックとの関連度を、１以上の専門家候補ごとに取得する。かかる処理は、関連度取得処理（第一関連度取得処理と言っても良い）である。また、第一関連度取得処理で取得する関連度を第一関連度と言っても良い。かかる第一関連度取得処理については、図６のフローチャートを用いて説明する。また、関連度取得部１３５は、専門家候補と文書との関連度を、１以上の専門家候補ごとに取得する。かかる処理も、関連度取得処理（第二関連度取得処理と言っても良い）と言える。また、第二関連度取得処理で取得する関連度を第二関連度と言っても良い。かかる第二関連度取得処理については、図７のフローチャートを用いて説明する。
【００５６】
（ステップＳ３０６）スコア算出部１３６は、ステップＳ３０４で取得された意見情報およびステップＳ３０５で取得された関連度（第一関連度または/および第二関連度）を用いて、１以上の専門家候補ごとに、トピックについての専門性のスコアを算出する。かかる処理は、スコア算出処理である。スコア算出処理については、図８のフローチャートを用いて説明する。
【００５７】
（ステップＳ３０７）専門家選択部１３７は、ステップＳ３０６で算出されたスコアを用いて、１以上の専門家候補から、１以上の専門家を取得する。なお、通常、専門家選択部１３７は、スコアが十分に高い（スコアが閾値以上の）専門家候補を、専門家として選択する。
【００５８】
（ステップＳ３０８）専門家出力部１３８は、ステップＳ３０７で取得された１以上の専門家を出力する。
【００５９】
（ステップＳ３０９）文書出力部１３９は、１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または１以上の文書にアクセスするための情報である１以上のアクセス情報を出力し、ステップＳ３０１に戻る。
【００６０】
なお、図３のフローチャートにおいて、ステップＳ３０９の処理は行わなくても良い。
【００６１】
また、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【００６２】
次に、ステップＳ３０２の専門家候補抽出処理について、図４のフローチャートを用いて説明する。
【００６３】
（ステップＳ４０１）専門家候補抽出部１３２は、カウンタｉに１を代入する。
【００６４】
（ステップＳ４０２）専門家候補抽出部１３２は、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存すればステップＳ４０３に行き、存在しなければ上位処理（ステップＳ３０４）にリターンする。
【００６５】
（ステップＳ４０３）専門家候補抽出部１３２は、ｉ番目の文書に対して、形態素解析を行う。
【００６６】
（ステップＳ４０４）専門家候補抽出部１３２は、例えば、ステップＳ４０３における形態素解析の結果を用いて、例えば、機械学習（系列タギング)の手法を使って、１以上の専門家候補を取得する。
【００６７】
（ステップＳ４０５）専門家候補抽出部１３２は、カウンタｊに１を代入する。
【００６８】
（ステップＳ４０６）専門家候補抽出部１３２は、ｊ番目の専門家候補が存在するか否かを判断する。ｊ番目の専門家候補が存在すればステップＳ４０７に行き、存在しなければステップＳ４１１に行く。
【００６９】
（ステップＳ４０７）専門家候補抽出部１３２は、ｊ番目の専門家候補が、所定のバッファに存在するか否かを判断する。所定のバッファに存在すればステップＳ４０８に行き、存在しなければステップＳ４１０に行く。
【００７０】
（ステップＳ４０８）専門家候補抽出部１３２は、ｊ番目の専門家候補とｉ番目の文書の文書識別子とを対応付けて、所定のバッファに、少なくとも一時蓄積する。
【００７１】
（ステップＳ４０９）専門家候補抽出部１３２は、カウンタｊを１、インクリメントし、ステップＳ４０６に戻る。
【００７２】
（ステップＳ４１０）専門家候補抽出部１３２は、ｉ番目の文書の文書識別子を、所定のバッファに既に存在するｊ番目の専門家候補に対応付けて少なくとも一時蓄積する。
【００７３】
（ステップＳ４１１）専門家候補抽出部１３２は、カウンタｉを１、インクリメントし、ステップＳ４０２に戻る。
【００７４】
なお、図４のフローチャートにおいて、専門家候補抽出部１３２が各文書から専門家候補を抽出するアルゴリズムは問わない。
【００７５】
次に、ステップＳ３０３の意見情報取得処理については、図５のフローチャートを用いて説明する。
【００７６】
（ステップＳ５０１）意見文抽出部１３３は、カウンタｉに１を代入する。
【００７７】
（ステップＳ５０２）意見文抽出部１３３は、ステップＳ３０２で取得された文書のうち、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存在すればステップＳ５０３に行き、ｉ番目の文書が存在しなければステップＳ５１４に行く。
【００７８】
（ステップＳ５０３）意見文抽出部１３３は、カウンタｊに１を代入する。
【００７９】
（ステップＳ５０４）意見文抽出部１３３は、ｉ番目の文書のうち、ｊ番目の文が存在するか否かを判断する。ｊ番目の文が存在すればステップＳ５０５に行き、ｊ番目の文が存在しなければステップＳ５１３に行く。なお、ここでの文は、文の一部でも良い。つまり、文は、意見文か否かを判断する対象の単位で良い。
【００８０】
（ステップＳ５０５）意見文抽出部１３３は、ｉ番目の文書のｊ番目の文を取得する。
【００８１】
（ステップＳ５０６）意見文抽出部１３３は、ステップＳ５０５で取得した文が意見文か否かを判断し、判断結果をバッファに代入する。なお、意見文抽出部１３３は、文に対して構文解析を行い、その結果を用いて、文に含まれる語の品詞や語の係り受け関係などを手がかりに、系列タギングに基づき意見を述べている箇所を抽出し、意見文か否かを判断する。
【００８２】
（ステップＳ５０７）意見文抽出部１３３は、バッファの値が意見文であることを示す情報であればステップＳ５０８に行き、意見文でないことを示す情報であればステップＳ５１２に行く。
【００８３】
（ステップＳ５０８）意見情報取得部１３４は、ｉ番目の文書のｊ番目の文が肯定的な文である「肯定的」、否定的な文であるか「否定的」、どちらでもないか「中立」等を判断する。意見情報取得部１３４は、ｊ番目の文の極性を算出しても良い。意見情報取得部１３４は、例えば、語の係り受け関係や、極性に関する辞書や極性を反転させる語の辞書を利用して、条件付き確率場の手法により文の極性を算出する。なお、意見情報取得部１３４は、極性に関する辞書や極性を反転させる語の辞書を保持している、とする。また、極性とは、文の肯定の度合い、または／および否定の度合いを示す情報である。
【００８４】
（ステップＳ５０９）意見情報取得部１３４は、ステップＳ５０８における判断結果をフラグ（姿勢フラグという。）に代入し、当該姿勢フラグを意見文に付与する。
【００８５】
（ステップＳ５１０）意見情報取得部１３４は、ｉ番目の文書のｊ番目の文と、トピックとの関連度を取得し、意見文に付与する。
【００８６】
（ステップＳ５１１）意見情報取得部１３４は、ｉ番目の文書のドメイン種別を取得し、意見文に付与する。なお、ドメイン種別は、文書検索部１３１が文書を取得した際に、文書検索部１３１が取得する。
【００８７】
（ステップＳ５１２）意見文抽出部１３３は、カウンタｊを１、インクリメントし、ステップＳ５０４に戻る。
【００８８】
（ステップＳ５１３）意見文抽出部１３３は、カウンタｉを１、インクリメントし、ステップＳ５０２に戻る。
【００８９】
（ステップＳ５１４）意見情報取得部１３４は、カウンタｉに１を代入する。
【００９０】
（ステップＳ５１５）意見情報取得部１３４は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存在すればステップＳ５１６に行き、ｉ番目の専門家候補が存在しなければ上位処理（ステップＳ３０５）にリターンする。
【００９１】
（ステップＳ５１６）意見情報取得部１３４は、ｉ番目の専門家候補に対応するすべての文書識別子を取得する。
【００９２】
（ステップＳ５１７）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の姿勢フラグが「肯定的」である文の数を取得する。かかる文の数は、肯定文数である。
【００９３】
（ステップＳ５１８）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の姿勢フラグが「否定的」である文の数を取得する。かかる文の数は、否定文数である。
【００９４】
（ステップＳ５１９）意見情報取得部１３４は、ステップＳ５１６で取得したすべての文書識別子に対応するすべての文書の中の意見の合計数を取得する。なお、ここで、意見の合計数とは、通常、すべての意見文の数である。
【００９５】
（ステップＳ５２０）意見情報取得部１３４は、肯定文数の割合を取得する。
【００９６】
（ステップＳ５２１）意見情報取得部１３４は、カウンタｉを１、インクリメントし、ステップＳ５１５に戻る。
【００９７】
なお、図５のフローチャートにおいて取得された、肯定意見文数、否定意見文数の他、肯定・否定意見の数の合計、肯定文数の割合、関連度、およびドメイン種別などは、意見情報の例である。
【００９８】
次に、ステップＳ３０５の第一関連度取得処理については、図６のフローチャートを用いて説明する。
【００９９】
（ステップＳ６０１）関連度取得部１３５は、カウンタｉに１を代入する。
【０１００】
（ステップＳ６０２）関連度取得部１３５は、ｉ番目の文書が存在するか否かを判断する。ｉ番目の文書が存すればステップＳ６０３に行き、存在しなければステップＳ６０６に行く。
【０１０１】
（ステップＳ６０３）関連度取得部１３５は、ｉ番目の文書とトピックとの関連度を取得する。
【０１０２】
（ステップＳ６０４）関連度取得部１３５は、ｉ番目の文書の文書識別子と関連度とを対応付けて蓄積する。
【０１０３】
（ステップＳ６０５）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ６０２に戻る。
【０１０４】
（ステップＳ６０６）関連度取得部１３５は、カウンタｉに１を代入する。
【０１０５】
（ステップＳ６０７）関連度取得部１３５は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ６０８に行き、存在しなければ上位処理（ステップＳ３０６）にリターンする。
【０１０６】
（ステップＳ６０８）関連度取得部１３５は、ｉ番目の専門家候補に対応するすべての文書識別子をバッファから取得する。
【０１０７】
（ステップＳ６０９）関連度取得部１３５は、ステップＳ６０８で取得したすべての文書識別子に対応する１以上の関連度を取得する。
【０１０８】
（ステップＳ６１０）関連度取得部１３５は、ｉ番目の専門家候補に対応付けて、ステップＳ６０９で取得した関連度をバッファに蓄積する。
【０１０９】
（ステップＳ６１１）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ５０２に戻る。
【０１１０】
次に、ステップＳ３０５の第二関連度取得処理については、図７のフローチャートを用いて説明する。
【０１１１】
（ステップＳ７０１）関連度取得部１３５は、カウンタｉに１を代入する。
【０１１２】
（ステップＳ７０２）ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ７０３に行き、存在しなければ上位処理（ステップＳ３０６）にリターンする。
【０１１３】
（ステップＳ７０３）関連度取得部１３５は、ｉ番目の専門家候補に対応するすべての文書識別子をバッファから取得する。
【０１１４】
（ステップＳ７０４）関連度取得部１３５は、カウンタｊに１を代入する。
【０１１５】
（ステップＳ７０５）関連度取得部１３５は、ステップＳ７０３で取得した文書識別子の中の、ｊ番目の文書識別子が存在するか否かを判断する。ｊ番目の文書識別子が存在すればステップＳ７０６に行き、存在しなければステップＳ７１０に行く。
【０１１６】
（ステップＳ７０６）関連度取得部１３５は、ｊ番目の文書識別子に対応する専門家候補の数を取得する。
【０１１７】
（ステップＳ７０７）関連度取得部１３５は、ステップＳ７０６で取得した専門家候補の数を用いて、ｊ番目の文書識別子で識別される文書と、ｉ番目の専門家候補との関連度を算出する。なお、文書と専門家候補との関連度を算出する演算式は、専門家候補の数をパラメータとする減少関数である。
【０１１８】
（ステップＳ７０８）関連度取得部１３５は、ｊ番目の文書識別子とｉ番目の専門家候補とに対応付けて、ステップＳ７０７で算出した関連度をバッファに一時蓄積する。
【０１１９】
（ステップＳ７０９）関連度取得部１３５は、カウンタｊを１、インクリメントし、ステップＳ７０５に戻る。
【０１２０】
（ステップＳ７１０）関連度取得部１３５は、カウンタｉを１、インクリメントし、ステップＳ７０２に戻る。
【０１２１】
ステップＳ３０６のスコア算出処理については、図８のフローチャートを用いて説明する。
【０１２２】
（ステップＳ８０１）スコア算出部１３６は、カウンタｉに１を代入する。
【０１２３】
（ステップＳ８０２）スコア算出部１３６は、ｉ番目の専門家候補が存在するか否かを判断する。ｉ番目の専門家候補が存すればステップＳ８０３に行き、存在しなければ上位処理（ステップＳ３０７）にリターンする。
【０１２４】
（ステップＳ８０３）スコア算出部１３６は、ｉ番目の専門家候補に対応する意見情報を取得する。
【０１２５】
（ステップＳ８０４）スコア算出部１３６は、ｉ番目の専門家候補に対応する関連度を取得する。ここでの関連度は、第一関連度、または第二関連度、または第一関連度と第二関連度である。
【０１２６】
（ステップＳ８０５）スコア算出部１３６は、ステップＳ８０３で取得した意見情報、およびステップＳ８０４で取得した関連度を用いて、スコアを算出する。
【０１２７】
（ステップＳ８０６）スコア算出部１３６は、ｉ番目の専門家候補に対応付けて、ステップＳ８０５で算出したスコアを、バッファに蓄積する。
【０１２８】
（ステップＳ８０７）スコア算出部１３６は、カウンタｉを１、インクリメントし、ステップＳ８０２に戻る。
【０１２９】
以下、本実施の形態における専門家検索システム１の具体的な動作について説明する。
【０１３０】
今、ユーザは、端末装置１１に対して、トピック「ゆとり教育」を入力した、とする。そして、端末装置１１の端末受付部１１０は、トピック「ゆとり教育」を受け付ける。そして、端末送信部１１１は、端末受付部１１０が受け付けたトピック「ゆとり教育」を、専門家検索装置１３に送信する。
【０１３１】
次に、専門家検索装置１３の受付部１３０は、トピック「ゆとり教育」を受信する。そして、文書検索部１３１は、トピック「ゆとり教育」をキーとして、いわゆるＷｅｂ検索を行い、１以上の文書を取得する。そして、文書検索部１３１は、２以上のＷｅｂページを取得する。ここで、一のＷｅｂページは、例えば、図９に示すＷｅｂページであった、とする。
【０１３２】
次に、専門家候補抽出部１３２は、例えば、図９の文書から、トピック「ゆとり教育」に関する専門家候補「山田○夫」を抽出する。専門家候補抽出部１３２は、固有名認識の技術を用いて、専門家候補「山田○夫」を抽出する。
【０１３３】
次に、意見文抽出部１３３は、図９の文書から、１以上の文を抽出する。そして、意見文抽出部１３３は、取得した各文が意見文に対して、構文解析を行う。構文解析は、例えば、ＫＮＰ(http://nlp.kuee.kyoto-u.ac.jp/nl-resource/knp.html参照)により行う。
【０１３４】
次に、意見文抽出部１３３は、各文が意見文か否かを判断し、判断結果をバッファに代入する。
【０１３５】
次に、意見文抽出部１３３は、各意見文のタイプ、および極性を取得する。具体的には、意見文抽出部１３３は、例えば、構文解析の結果から1以上の素性を取得し、当該1以上の素性を機械学習の分類器に与えて、タイプを取得する。また、意見文抽出部１３３は、例えば、文に対して構文解析を行い、極性の反転語、および係り受け関係も考慮した上で文の極性を取得する。なお、意見文の抽出、意見文のタイプ、および極性の取得に関する技術は、文献「Tetsuji Nakagawa, Kentaro Inui and Sadao Kurohashi:Dependency Tree-based Sentiment Classification using CRFs with Hidden Variables, In Proceedings of Human Language Technologies: The 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL 2010), June 2010.」に記載されている。なお、意見文の抽出、極性の取得について、上記文献以外の方法で行われても良い。
【０１３６】
そして、意見文抽出部１３３は、図９の文章に対して、バッファ内に、図１０に示す意見文の情報を得る。意見文の情報は、「タイプ」「極性」「意見文」を有するレコードの集合である。なお、意見文抽出部１３３が取得する文は、文の一部でも良い。
【０１３７】
次に、意見情報取得部１３４は、図９の文書に対して、専門家候補「山田○夫」の意見情報を、以下のように意見情報を取得する。つまり、意見情報取得部１３４は、図１０の表の極性がプラスの意見文の数「２」を、肯定的な意見数として取得する。また、意見情報取得部１３４は、図１０の表の極性がマイナスの意見文の数「１」を、否定的な意見数として取得する。さらに、意見情報取得部１３４は、図１０の表のレコード数「５」を、意見文の数として取得する。
【０１３８】
次に、関連度取得部１３５は、専門家候補と文書との関連度を、以下の数式１を用いて算出する。なお、関連度取得部１３５は、数式１の演算式の情報を予め保持している、とする。
【数１】
【０１３９】
なお、数式１において、ａｉｊは、文書ｉと専門家候補ｊの関連度である。ｎｉは、文書ｉから抽出された専門家候補の数である。
【０１４０】
つまり、例えば、図９の文書から、専門家候補｛山田○夫，寺田○和｝が検出された場合、関連度取得部１３５は、専門家候補「山田○夫」と図９の文書との関連度ａｉｊは、１／２となる。なお、例えば、図９の文書から、専門家候補｛山田○夫｝のみが検出された場合、関連度取得部１３５は、専門家候補「山田○夫」と図９の文書との関連度ａｉｊは、１となる。
【０１４１】
また、関連度取得部１３５は、各文書と、トピック「ゆとり教育」との関連度を算出する。例えば、関連度取得部１３５は、図９の文書において、トピック「ゆとり教育」の出現回数「１４」を取得する。そして、関連度取得部１３５は、出現回数をパラメータとする増加関数により、図９の文書とトピック「ゆとり教育」との関連度ｒｉを取得する。
【０１４２】
次に、スコア算出部１３６は、以下の数式２を用いて、専門家候補ｊのスコアＥｊを算出する、とする。
【数２】
【０１４３】
なお、文書ｉの品質スコアｑｉは、以下の数式３により算出される、とする。
【数３】
【０１４４】
数式３において用いられる素性種別は、バイアス項、肯定意見数、否定意見数、意見総数である。また、数式３において、ｗはモデルパラメータである。モデルパラメータとは、素性種別に与えられるパラメータである。モデルパラメータが（バイアス項のパラメータ，肯定意見数のパラメータ，否定意見数のパラメータ，意見総数のパラメータ）である場合、モデルパラメータｗは、例えば、ｗ＝（−１．４４，０．０６，０．３９０，０．２３９）である。また、数式３において、ｘｉは文書ｉの素性の集合である。ｘｉは、ここでは、（バイアス項，肯定意見数，否定意見数，意見総数）である。なお、バイアス項とは、文書とは独立のパラメータで、品質スコア関数の形状を決定するものである。
【０１４５】
また、スコア算出部１３６は、上述した意見情報を取得する。ここでの意見情報は、文書ｉの素性の集合ｘｉ（１，２，１，５）である。
【０１４６】
そして、スコア算出部１３６は、文書ｉの品質スコアｑｉを構成する「ｗ・ｘ」（数式３参照）を、「ｗｘ＝−１．４４＋０．１２＋０．３９０＋１．１９５＝０．２６５」と算出する。
【０１４７】
次に、スコア算出部１３６は、数式３に従って、文書ｉの品質スコアｑｉを「ｑｉ＝０．５６６」と算出する。
【０１４８】
次に、スコア算出部１３６は、数式２に従って、専門家候補「山田○夫」に対して、「山田○夫」が抽出された文書ｉのトピックとの関連度ｒｉ、文書ｉの品質スコアｑｉ、文書ｉと専門家候補「山田○夫」との関連度ａｉｊとを乗算する。そして、スコア算出部１３６は、数式２に従って、関連度ｒｉ、品質スコアｑｉ、および関連度ａｉｊとの積を、各文書に対して算出し、算出した値の和を、専門家候補「山田○夫」のスコアとして算出する。
【０１４９】
以上の処理を、他の専門家候補に対しても行い、各専門家候補のスコアが取得される。
【０１５０】
次に、専門家選択部１３７は、算出されたスコアを用いて、１以上の専門家候補から、例えば、スコアが閾値より高い１以上の専門家を取得する。そして、文書出力部１３９は、スコアの順に、専門家をソートして、端末装置１１に送信する。
【０１５１】
また、文書出力部１３９は、各専門家に対応する１以上の文書のＵＲＬ等を端末装置１１に送信する。
【０１５２】
次に、端末装置１１の端末受信部１１２は、スコア順にソートされた１以上の専門家および文書のＵＲＬを専門家検索装置１３から受信する。そして、端末出力部１１３は、端末受信部１１２が受信した１以上の専門家および文書のＵＲＬを出力する。
【０１５３】
以上、本実施の形態によれば、Ｗｅｂ文書を対象として、精度高く専門家を検索できる。
【０１５４】
また、本実施の形態によれば、その玉石混淆のＷｅｂ上の多数の情報の中から専門家の書いた情報を順位付けして提示することができるので、Ｗｅｂ上の多数の情報の中からより信頼性の高い情報へのアクセスを可能とし、利用者の利便性を高めることができる。
【０１５５】
また、本実施の形態によれば、トピックについての専門家の一覧や，あるいは専門家が発信した情報を利用者に提示することが可能となる。
【０１５６】
なお、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における専門家検索装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、例えば、コンピュータを、トピックを受け付ける受付部と、１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索部と、前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、前記１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得部と、前記１以上の各専門家候補ごとに、前記意見情報を用いて、前記トピックについての専門性のスコアを算出するスコア算出部と、前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、前記専門家選択部が取得した１以上の専門家を出力する専門家出力部として機能させるプログラムである。
【０１５７】
また、図１１は、本明細書で述べたプログラムを実行して、上述した実施の形態の専門家検索装置等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１１は、このコンピュータシステム３４０の概観図であり、図１２は、コンピュータシステム３４０のブロック図である。
【０１５８】
図１１において、コンピュータシステム３４０は、ＦＤドライブ、ＣＤ−ＲＯＭドライブを含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４とを含む。
【０１５９】
図１２において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＭＰＵ３４１３と、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３４１５とに接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０１６０】
コンピュータシステム３４０に、上述した実施の形態の専門家検索装置等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０１６１】
プログラムは、コンピュータ３４１に、上述した実施の形態の専門家検索装置等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０１６２】
なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信するステップにおけるモデムやインターフェースカードなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。
【０１６３】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０１６４】
また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
【０１６５】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０１６６】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０１６７】
以上のように、本発明にかかる専門家検索装置は、Ｗｅｂ文書を対象として、精度高く専門家を検索できる、という効果を有し、専門家用のＷｅｂ検索エンジン等として有用である。
【符号の説明】
【０１６８】
１ 専門家検索システム
１１ 端末装置
１２ Ｗｅｂサーバ装置
１３ 専門家検索装置
１１０ 端末受付部
１１１ 端末送信部
１１２ 端末受信部
１１３ 端末出力部
１２１ 文書格納部
１２２ 文書送信部
１３０ 受付部
１３１ 文書検索部
１３２ 専門家候補抽出部
１３３ 意見文抽出部
１３４ 意見情報取得部
１３５ 関連度取得部
１３６ スコア算出部
１３７ 専門家選択部
１３８ 専門家出力部
１３９ 文書出力部
【特許請求の範囲】
【請求項１】
トピックを受け付ける受付部と、
１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索部と、
前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、
前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、
前記１以上の意見文から、意見文に関する情報である意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得部と、
前記１以上の各専門家候補ごとに、前記意見情報を用いて、前記トピックについての専門性のスコアを算出するスコア算出部と、
前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、
前記専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置。
【請求項２】
前記専門家候補抽出部が抽出した１以上の各専門家候補と、前記文書検索部が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、前記１以上の各専門家候補ごとに取得する関連度取得部をさらに具備し、
前記スコア算出部は、
前記１以上の各専門家候補ごとに、前記意見情報および関連度を用いて、前記トピックについての専門性のスコアを算出する請求項１記載の専門家検索装置。
【請求項３】
前記専門家出力部は、
前記スコアの高い順に、１以上の専門家をソートして出力する請求項１または請求項２記載の専門家検索装置。
【請求項４】
前記専門家出力部は、
前記１以上の専門家の出力に代えて、前記専門家選択部が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または１以上の意見文を出力する請求項１から請求項３いずれか記載の専門家検索装置。
【請求項５】
前記１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または当該１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する文書出力部をさらに具備する請求項１から請求項３いずれか記載の専門家検索装置。
【請求項６】
受付部、文書検索部、専門家候補抽出部、意見文抽出部、意見情報取得部、関連度取得部、スコア算出部、専門家選択部、および専門家出力部により実現される専門家検索方法であって、
前記受付部が、トピックを受け付ける受付ステップと、
前記文書検索部が、１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索ステップと、
前記専門家候補抽出部が、前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出ステップと、
前記意見文抽出部が、前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出ステップと、
前記意見情報取得部が、前記１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得ステップと、
前記関連度取得部が、前記１以上の各専門家候補に対応する１以上の文書を決定し、前記１以上の各文書と前記トピックとの関連度を、前記１以上の各専門家候補ごとに取得する関連度取得ステップと、
前記スコア算出部が、前記１以上の各専門家候補ごとに、前記意見情報および関連度を用いて、前記トピックについての専門性のスコアを算出するスコア算出ステップと、
前記専門家選択部が、前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択ステップと、
前記専門家出力部が、前記専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索ステップとを具備する専門家検索方法。
【請求項１】
トピックを受け付ける受付部と、
１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索部と、
前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出部と、
前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出部と、
前記１以上の意見文から、意見文に関する情報である意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得部と、
前記１以上の各専門家候補ごとに、前記意見情報を用いて、前記トピックについての専門性のスコアを算出するスコア算出部と、
前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択部と、
前記専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索装置。
【請求項２】
前記専門家候補抽出部が抽出した１以上の各専門家候補と、前記文書検索部が取得した１以上の文書のうち、各専門家候補が出現する文書に対して、専門家候補と文書との関連度を、前記１以上の各専門家候補ごとに取得する関連度取得部をさらに具備し、
前記スコア算出部は、
前記１以上の各専門家候補ごとに、前記意見情報および関連度を用いて、前記トピックについての専門性のスコアを算出する請求項１記載の専門家検索装置。
【請求項３】
前記専門家出力部は、
前記スコアの高い順に、１以上の専門家をソートして出力する請求項１または請求項２記載の専門家検索装置。
【請求項４】
前記専門家出力部は、
前記１以上の専門家の出力に代えて、前記専門家選択部が取得した１以上の各専門家のスコアを算出する元になった１以上の文書または１以上の意見文を出力する請求項１から請求項３いずれか記載の専門家検索装置。
【請求項５】
前記１以上の専門家のうちの一部または全部の専門家に対応する１以上の文書、または当該１以上の文書にアクセスするための情報である１以上のアクセス情報を出力する文書出力部をさらに具備する請求項１から請求項３いずれか記載の専門家検索装置。
【請求項６】
受付部、文書検索部、専門家候補抽出部、意見文抽出部、意見情報取得部、関連度取得部、スコア算出部、専門家選択部、および専門家出力部により実現される専門家検索方法であって、
前記受付部が、トピックを受け付ける受付ステップと、
前記文書検索部が、１以上のＷｅｂサーバ装置から、前記トピックに関連する１以上の文書を取得する文書検索ステップと、
前記専門家候補抽出部が、前記１以上の文書から、１以上の専門家候補を抽出する専門家候補抽出ステップと、
前記意見文抽出部が、前記１以上の文書から、前記トピックの意見に関する文である１以上の意見文を抽出する意見文抽出ステップと、
前記意見情報取得部が、前記１以上の意見文から、肯定的な意見文の数である肯定意見文数、および否定的な意見文の数である否定意見文数を含む意見情報を、前記１以上の各専門家候補ごとに取得する意見情報取得ステップと、
前記関連度取得部が、前記１以上の各専門家候補に対応する１以上の文書を決定し、前記１以上の各文書と前記トピックとの関連度を、前記１以上の各専門家候補ごとに取得する関連度取得ステップと、
前記スコア算出部が、前記１以上の各専門家候補ごとに、前記意見情報および関連度を用いて、前記トピックについての専門性のスコアを算出するスコア算出ステップと、
前記専門家選択部が、前記スコアを用いて、前記１以上の専門家候補から、１以上の専門家を取得する専門家選択ステップと、
前記専門家出力部が、前記専門家選択部が取得した１以上の専門家を出力する専門家出力部とを具備する専門家検索ステップとを具備する専門家検索方法。
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図１０】
【図１１】
【図１２】
【図１】
【図９】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図１０】
【図１１】
【図１２】
【図１】
【図９】
【公開番号】特開２０１２−２０８７２８（Ｐ２０１２−２０８７２８Ａ）
【公開日】平成２４年１０月２５日（２０１２．１０．２５）
【国際特許分類】
【出願番号】特願２０１１−７３８１１（Ｐ２０１１−７３８１１）
【出願日】平成２３年３月３０日（２０１１．３．３０）
【出願人】（３０１０２２４７１）独立行政法人情報通信研究機構 (1,071)
【Ｆターム（参考）】
【公開日】平成２４年１０月２５日（２０１２．１０．２５）
【国際特許分類】
【出願日】平成２３年３月３０日（２０１１．３．３０）
【出願人】（３０１０２２４７１）独立行政法人情報通信研究機構 (1,071)
【Ｆターム（参考）】
[ Back to top ]