質問推薦装置及び方法及びプログラム
【課題】 インターネット上のＱＡサービスにおいて、ユーザが興味を明示したり回答したりしなくても、ユーザが一度でも質問もしくは回答したことのあるユーザであれば、ユーザの知識及び興味に応じて回答を促すための質問を推薦する。
【解決手段】 本発明は、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出しておく。ユーザが質問も回答もしたことがある場合は、興味と知識の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識を用いて、推薦する質問を決定する。
【解決手段】 本発明は、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出しておく。ユーザが質問も回答もしたことがある場合は、興味と知識の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識を用いて、推薦する質問を決定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は質問推薦装置及び方法及びプログラムに係り、特に、インターネット上のＱＡ (Question/Answer)サービスで提供されるユーザ間の質問回答における、質問推薦装置及び方法及びプログラムに関する。
【背景技術】
【０００２】
情報推薦の手法はいくつも提案されている。例えば、ニュース記事を推薦するために、各ニュース記事についてユーザに５段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事を推薦する手法が提案されている（例えば、非特許文献１参照）。
【０００３】
また、上記の手法と同様に、各情報に対してユーザに評価をつけさせ、過去の評価履歴でユーザが評価している情報に含まれるテキストに着目する。そのテキストがユーザの興味を反映していると考え、そのテキストと同じような単語が出現している情報を推薦する手法が提案されている（例えば、非特許文献２参照）。
【０００４】
また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平１１-３３８８６９号公報
【非特許文献】
【０００６】
【非特許文献１】Resnick, P. et al., "GroupLens: An open architecture for collaborative filtering of netnews". CSCW '94: Proceedings of the 1994 ACM conference on Computersupported cooperative work, ACM Press New York, 1994.
【非特許文献２】Mooney R.J. et al, `` Content-Based Book Recommending Using Learning for Text Categorization'', Proceedings of the 5th ACM Conference on Digital Libraries, ACM Press New York, 2000
【発明の概要】
【発明が解決しようとする課題】
【０００７】
インターネット上のQAサービスにおいては、あるユーザの質問に対して別のユーザが回答することにより情報の共有が成り立っている。しかしながら、多くの質問に回答がついておらず、情報共有の場として成立していないことが多い。そこで、１質問あたりの回答を増やすために、ユーザに回答する可能性の高い質問を推薦し回答を促す。
【０００８】
特許文献１に記載の手法を用いて質問を推薦する場合、ユーザが質問の中で興味のある情報を指定しなければ、回答する可能性の高い質問を検索するための単語を抽出することができず、ユーザに質問を推薦することができない。
【０００９】
非特許文献２、３に記載の手法の場合、ユーザ毎の質問に対する回答を評価とみなせば、ユーザの回答履歴を用いてユーザに新規メッセージを推薦することができる。ただし、一度も回答したことのないユーザに質問の推薦を実現することができないという問題が生じる。このことは、ＱＡサービスにおける回答したことがない多くのユーザに適用できない問が存在する。
【００１０】
本発明は上記の点に鑑みなされたもので、インターネット上のＱＡサービスにおいて、ユーザが興味を明示したり回答したりしなくても、ユーザが一度でも質問もしくは回答したことのあるユーザであれば、ユーザの知識及び興味に応じて回答を促すための質問の推薦が実現可能な質問推薦装置及び方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
図１は、本発明の原理構成図である。
【００１２】
本発明（請求項１）は、インターネット上のＱＡサービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦装置であって、
インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段８１に格納する質問回答取得手段１１と、
各質問から単語を抽出する単語抽出手段１２と、
各質問における各単語の統計量を算出し、統計量記憶手段８７に格納する統計量算出手段１５と、
取得した回答からユーザと、回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段８２に格納する知識量算出手段２０と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段８３に格納する興味量算出手段３０と、
知識量記憶手段８２に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段８４に格納する知識合致度算出手段４０と、
興味量記憶手段８３に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段８５に格納する興味合致度算出手段５０と、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別手段７１と、
質問回答情報記憶手段８１に格納されている質問のうち、回答締切済のものと、質問回答記憶手段８１に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度と、重みタイプ判別手段７１により判別された重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段８６に格納する重みパラメータ算出手段と７２、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段８１に格納されている回答締切前の各質問に対して、知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度と、重みタイプ判別手段７１により判別された重みパラメータのタイプとを用いて、重みパラメータ記憶手段８６に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段と６０、を有する。
【００１３】
また、本発明（請求項２）は、統計量算出手段１５において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１４】
また、本発明（請求項３）は、重みパラメータ算出手段７２において、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む。
【００１５】
また、本発明（請求項４）は、重みタイプ判別手段７２と、重みパラメータ算出手段７２と、質問推薦手段６０において、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦する手段を含む。
【００１６】
図２は、本発明の原理を説明するための図である。
【００１７】
本発明（請求項５）は、インターネット上のＱＡサービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦方法であって、
質問と回答の情報と回答締切前か否かの情報を格納する質問回答記憶手段と、
各質問における各単語の統計量を格納する統計量記憶手段と、
ユーザの識別子、単語及び該単語に対する知識量を格納する知識量記憶手段と、
ユーザの識別子、単語及び該単語に対する興味量を格納する興味量記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する知識合致度を格納する知識合致度記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する興味合致度を格納する興味合致度記憶手段と、
重みパラメータを格納する重みパラメータ記憶手段と、
を有するコンピュータが、
インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段に格納する質問回答取得ステップ（ステップ１）と、
各質問から単語を抽出する単語抽出ステップ（ステップ２）と、
各質問における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップ（ステップ３）と、
取得した回答からユーザと、回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段に格納する知識量算出ステップ（ステップ４）と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出ステップ（ステップ５）と、
知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出ステップ（ステップ６）と、
興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段に格納する興味合致度算出ステップ（ステップ７）と、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別ステップ（ステップ８）と、
質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度と、重みタイプ判別ステップ（ステップ８）により判別された重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップ（ステップ９）と、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段に格納されている回答締切前の各質問に対して、知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度と、重みタイプ判別ステップ（ステップ９）により判別された重みパラメータのタイプとを用いて、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップ（ステップ１０）と、を行う。
【００１８】
また、本発明（請求項６）は、統計量算出ステップ（ステップ３）において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１９】
また、本発明（請求項７）は、重みパラメータ算出ステップ（ステップ９）において、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む。
【００２０】
また、本発明（請求項８）は、重みタイプ判別ステップ（ステップ８）と、重みパラメータ算出ステップ（ステップ９）と、質問推薦ステップ（ステップ１０）において、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦するステップを含む。
【００２１】
また、本発明（請求項９）は、請求項１乃至４のいずれか１項に記載の質問推薦装置を構成する各手段としてコンピュータを機能させるための質問推薦プログラムである。
【発明の効果】
【００２２】
上記のように本発明によれば、ユーザの回答について、質問者からのフィードバックを利用することにより、従来の技術では不可能であった、回答の質を考慮した（良回答に選択されそうな回答ができそうな）質問を推薦することが可能になる。これはＱＡシステムにおける良質な回答の増加につながり、従来の推薦技術では不可能であったＱＡサービスの活性化につながる。
【図面の簡単な説明】
【００２３】
【図１】本発明の原理構成図である。
【図２】本発明の原理を説明するための図である。
【図３】本発明の一実施の形態における質問推薦装置の構成図である。
【図４】本発明の一実施の形態における質問回答情報テーブルの例である。
【図５】本発明の一実施の形態における知識情報テーブルの例である。
【図６】本発明の一実施の形態における興味情報テーブルの例である。
【図７】本発明の一実施の形態における知識合致度テーブルの例である。
【図８】本発明の一実施の形態における興味合致度テーブルの例である。
【図９】本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。
【図１０】本発明の一実施の形態における図９のステップ１２０の詳細な処理のフローチャートである。
【図１１】本発明の一実施の形態における図９のステップ１３０の詳細な処理のフローチャートである。
【図１２】本発明の一実施の形態における図９のステップ１４０の詳細な処理のフローチャートである。
【図１３】本発明の一実施の形態における図９のステップ１５０の詳細な処理のフローチャートである。
【図１４】本発明の一実施の形態における図９のステップ１６０の詳細な処理のフローチャートである。
【図１５】本発明の一実施の形態における図９のステップ１７０の詳細な処理のフローチャートである。
【図１６】本発明の一実施の形態における質問推薦部の構成図である。
【図１７】本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【図１８】本発明の一実施の形態における図１７のステップ２４０の詳細な処理のフローチャートである。
【図１９】本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【発明を実施するための形態】
【００２４】
本発明は、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出しておく。ユーザが質問も回答もしたことがある場合は、興味と知識の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識を用いて、推薦する質問を決定する。質問の経験と回答の経験の有無でユーザを分類することにより、高精度な推薦が可能になる。
【００２５】
以下、図面と共に本発明の実施の形態を説明する。
【００２６】
図３は、本発明の一実施の形態における質問推薦装置の構成を示す。
【００２７】
同図に示す質問推薦装置１は、質問回答情報テーブル更新部１０、知識情報テーブル更新部２０、興味情報テーブル更新部３０、知識合致度テーブル更新部４０、興味合致度テーブル更新部５０、質問推薦部６０、重みパラメータ更新部７０、記憶部８０、通信部９０、入出力部９５から構成され、通信部９０はネットワーク３に接続されており、入出力部９５は、入力装置や表示装置等の外部装置４に接続されている。
【００２８】
記憶部８０は、質問回答情報テーブル８１、知識情報テーブル８２、興味情報テーブル８３、知識合致度テーブル８４、興味合致度テーブル８５、重みパラメータ記録部８６から構成される。以下に各テーブルについて説明する。
【００２９】
＜質問回答情報テーブル＞
質問回答情報テーブル８１には、図４に示すように、質問ＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、本文フィールド、メッセージ種別フィールド、回答締切フィールドが含まれる。
【００３０】
質問ＩＤフィールドは、質問ならばその質問を特定する識別子で、回答ならば対象となる質問を特定する識別子であり、質問回答情報テーブル更新部１０により設定される。新たなメッセージｍが投稿された場合、質問ＩＤフィールドはメッセージｍが質問であった場合は他の質問と識別するため新たなＩＤが、メッセージｍが回答であった場合はどの質問に対する回答かを識別するためのＩＤが、質問回答情報テーブル更新部１０により設定される。
【００３１】
メッセージＩＤフィールドは、個々のメッセージｍを特定する識別子が、質問回答情報テーブル更新部１０により設定される。
【００３２】
ユーザＩＤフィールドは、メッセージｍを投稿したユーザを特定する識別子が、質問回答情報テーブル更新部１０により設定される。
【００３３】
本文フィールドは、メッセージｍの本文が、質問回答情報テーブル更新部１０により設定される。
【００３４】
メッセージ種別フィールドは、メッセージｍが質問か、回答かが判定され、質問回答情報テーブル更新部１０により設定される。
【００３５】
回答締切フィールドは、メッセージmが質問の場合、回答がすでに締め切られているか否かの情報が、質問回答テーブル更新部１０により設定される。本実施の形態では、締め切られている場合は「１」を、締め切られていない場合は「０」を設定するものとする。
【００３６】
＜知識情報テーブル＞
知識情報テーブル８２には、図５に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３７】
ユーザＩＤフィールドは、ユーザＩＤが、知識情報テーブル更新部２０により設定される。
【００３８】
単語フィールドは、単語ｗが、知識情報テーブル更新部２０により設定される。
【００３９】
特徴量フィールドは、ユーザｕの回答中に出現する単語ｗの統計量knowledge(u,w)であり、知識情報テーブル更新部２０により設定される。
【００４０】
＜興味情報テーブル＞
興味情報テーブル８３には、図６に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００４１】
ユーザＩＤフィールドは、ユーザＩＤが、興味情報テーブル更新部３０により設定される。
【００４２】
単語フィールドは、単語ｗが、興味情報テーブル更新部３０により設定される。
【００４３】
特徴量フィールドは、ユーザｕの質問中に出現する単語ｗの統計量 interest(u,w)であり、興味情報テーブル更新部３０により設定される。
【００４４】
＜知識合致度テーブル＞
知識合致度テーブル８４には、図７に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、知識合致度フィールドとが含まれる。
【００４５】
知識合致度フィールドは、当該行のユーザｕの過去に回答した質問と、当該行の質問 qとの内容の類似度score0(q,u)が知識合致度テーブル更新部４０により設定される。
【００４６】
＜興味合致度テーブル＞
興味合致度テーブル８５には、図８に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、興味合致度フィールドとが含まれる。
【００４７】
興味合致度フィールドは、当該行のユーザｕの過去に質問した質問と、当該行の質問ｑとの内容の類似度score1(q,u)が興味合致度テーブル更新部５０により設定される。
【００４８】
＜重みパラメータ記録部＞
重みパラメータ記録部８６には、質問推薦部６０がユーザｕに質問ｑを推薦するための推薦スコアscore(q,u)を算出するための重み λ0、λ1 が格納されている。重みλ0、λ1は、重みパラメータ更新部７０によって設定される。
【００４９】
図９は、本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。
【００５０】
ステップ１１０） 質問回答情報テーブル更新部１０が、質問回答情報テーブル８１に、投稿したユーザ、投稿されたメッセージの本文、投稿されたメッセージが質問か回答かの情報に応じて質問ＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、本文フィールド、メッセージ種別フィールドを設定する。また、回答締切フィールドの値を「０」と設定する。そのような行ｍを質問回答情報テーブル８１に挿入する。今、投稿されたメッセージｍのユーザＩＤフィールドの値がｕであったとする。
【００５１】
メッセージｍが回答であった場合、
ステップ１２０） 知識情報テーブル更新部２０が、上記行ｍの情報を元にユーザｕの知識情報テーブル８２を更新する。
【００５２】
ステップ１３０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元にユーザｕの知識合致度テーブル８４を更新する。
【００５３】
メッセージｍが質問であった場合、
ステップ１４０） 興味情報テーブル更新部３０が、上記行ｍの情報を元にユーザｕの興味情報テーブル８３を更新する。
【００５４】
ステップ１５０） 興味合致度テーブル更新部５０が、上記行ｍの情報を元にユーザｕの興味合致度テーブル８５を更新する。
【００５５】
ステップ１６０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元にｕを除く他のユーザの知識合致度テーブル８４を更新する。
【００５６】
ステップ１７０） 興味合致度テーブル更新部５０が、上記行ｍの情報を元にｕを除く他のユーザの興味合致度テーブル８５を更新する。
【００５７】
次に、上記の図９のステップ１２０の処理を詳細に説明する。
【００５８】
図１０は、本発明の一実施の形態における図７のステップ１２０の詳細な処理のフローチャートである。今、メッセージｍの対象となっている質問（質問回答情報テーブル８１にて、行ｍと質問ＩＤを同じくし、かつメッセージ種別が「質問」である行）がｑであるとする。
【００５９】
ステップ１２１） 知識情報テーブル更新部２０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合ｗを取得する。
【００６０】
ステップ１２２） 知識情報テーブル更新部２０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｑの本文における統計量、例えば、単語の出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。単語ｗの質問ｑの本文における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００６１】
ステップ１２３） 知識情報テーブル更新部２０が、知識情報テーブル８２を参照し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値 knowledge(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はknowledge(u,w)の値は「０」とする。
【００６２】
ステップ１２４） 知識情報テーブル更新部２０が、知識情報テーブル８２に、ユーザＩＤフィールドの値ｕ、単語フィールドの値がｗの行の特徴量フィールドの値を knowledge(u,w)+ tf(m,w)とするように更新または挿入する。
【００６３】
次に、上記の図９のステップ１３０の処理を詳細に説明する。
【００６４】
図１１は、本発明の一実施の形態における図９のステップ１３０の詳細な処理のフローチャートである。
【００６５】
ステップ１３１） 知識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をｗとする。
【００６６】
ステップ１３２） 知識合致度テーブル更新部４０が、上記単語集合ｗに含まれる個々の単語ｗに対して、知識情報テーブル８２を参照し、ユーザＩＤがｕで単語がｗの行の特徴量フィールドの値 knowledge(u,w)を取得する。
【００６７】
ステップ１３３） 知識合致度テーブル更新部４０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が「０」である質問集合ｑを取得する。
【００６８】
ステップ１３４） 知識合致度テーブル更新部４０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合ｗ内の各単語ｗの統計量（例えば、文献３記載の「ＴＦ値」）tf(q,w)を算出する。もし質問ｑの本文フィールドに単語ｗが含まれない場合は、tf(q,w)=0とする。
【００６９】
ステップ１３５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｕに対する知識合致度score0(q,u)を以下の式を用いて算出する。
【００７０】
【数１】
式（１）におけるtf(q,w)は、統計量メモリ（図示せず）から取得した質問ｑにおける単語ｗの重みを意味し、知識情報テーブル８２の特徴量 knowledge(u,w)はユーザｕの単語ｗに対する知識量を表す。分子は、両者の内積であるが、内積は質問ｑに含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザｕの知識と質問ｑの関連の強さが求まる。
【００７１】
ステップ１３６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４を、ユーザＩＤがｕで、質問ＩＤがｑの行の知識合致度フィールドの値が前記知識合致度score0(q,u)となるように更新する。
【００７２】
次に、上記の図９のステップ１４０の処理を詳細に説明する。
【００７３】
図１２は、本発明の一実施の形態における図９のステップ１４０の詳細な処理のフローチャートである。
【００７４】
ステップ１４１） 興味情報テーブル更新部３０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００７５】
ステップ１４２） 興味情報テーブル更新部３０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｍの本文における統計量、例えば、単語出現頻度（文献３記載の「ＴＦ値」）tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。単語ｗの質問ｍの本文における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００７６】
ステップ１４３） 興味情報テーブル更新部３０が、興味情報テーブル８３を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値がｗの行の特徴量フィールドの値 interest(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はinterest(u,w)の値は「０」とする。
【００７７】
ステップ１４４） 興味情報テーブル更新部３０が、興味情報テーブル８３に、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値を interest(u,w)+ tf(m,w)とするように更新または挿入する。
【００７８】
次に、上記の図９のステップ１５０の処理を詳細に説明する。
【００７９】
図１３は、本発明の一実施の形態における図９のステップ１５０の詳細な処理のフローチャートである。
【００８０】
ステップ１５１） 興味合致度テーブル更新部５０が、興味情報テーブル８３を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をｗとする。
【００８１】
ステップ１５２） 興味合致度テーブル更新部５０が、上記単語集合ｗに含まれる個々の単語ｗに対して、興味情報テーブル８３を参照し、ユーザＩＤがｕで単語がｗの行の特徴量フィールドの値interest(u,w)を取得する。
【００８２】
ステップ１５３） 興味合致度テーブル更新部５０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が「０」である質問集合ｑを取得する。
【００８３】
ステップ１５４） 興味合致度テーブル更新部５０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合ｗ内の各単語ｗの統計量（例えば、文献３記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。もし質問ｑの本文フィールドに単語ｗが含まれない場合は、tf(q,w)=0とする。
【００８４】
ステップ１５５） 興味合致度テーブル更新部５０が、前記質問ｑのユーザｕに対する興味合致度score1(q,u)を以下の式を用いて算出する。
【００８５】
【数２】
式（２）の意味も、式（１）と同様である。すなわち、tf(q,w)は統計量メモリ（図示せず）から取得した質問ｑにおける単語ｗの重みであり、知識情報テーブル８２の特徴量 interest(u,w)はユーザｕの単語ｗに対する興味量である。その両者の、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度によって、ユーザｕの興味と質問ｑの関連の強さを求める。
【００８６】
ステップ１５６） 興味合致度テーブル更新部５０が、興味合致度テーブル８５を、ユーザＩＤがｕで、質問ＩＤがｑの行の興味合致度フィールドの値が前記興味合致度score1(q,u)となるように更新する。
【００８７】
次に、上記の図９のステップ１６０の処理を詳細に説明する。
【００８８】
図１４は、本発明の一実施の形態における図９のステップ１６０の詳細な処理のフローチャートである。
【００８９】
ステップ１６１）知識合致度テーブル更新部４０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００９０】
ステップ１６２）知識合致度テーブル更新部４０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｍの本文における統計量（例えば、文献３記載の「ＴＦ値」） tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。
【００９１】
ステップ１６３） 知識合致度テーブル更新部４０が、知識情報テーブル８２に出現するユーザ集合ｕを取得する。
【００９２】
ステップ１６４） 知識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、前記ユーザ集合ｕ内のユーザｖ毎に、前記単語集合ｗ中の各単語ｗについて、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行の特徴量フィールドの値 knowledge(v,w)を取得する。但し、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行が存在しない場合はknowledge(v,w)の値は「０」とする。
【００９３】
ステップ１６５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｖに対する知識合致度score0(q,v)を式（１）を用いて算出する。
【００９４】
ステップ１６６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４に、ユーザＩＤがｖ、質問ＩＤがｑ、知識合致度がscore0(q,v)となる行を挿入する。
【００９５】
次に、上記の図９のステップ１７０の処理を詳細に説明する。
【００９６】
図１５は、本発明の一実施の形態における図９のステップ１７０の詳細な処理のフローチャートである。
【００９７】
ステップ１７１） 興味合致度テーブル更新部５０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００９８】
ステップ１７２） 興味合致度テーブル更新部５０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｑの本文における統計量（例えば、文献３記載の「ＴＦ値」） tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。
【００９９】
ステップ１７３） 興味合致度テーブル更新部５０が、興味情報テーブル８３に出現するユーザ集合ｕを取得する。
【０１００】
ステップ１７４） 興味合致度テーブル更新部５０が、興味情報テーブル８３を参照し、前記ユーザ集合ｕ中のユーザｖ毎に、前記単語集合ｗ中の各単語ｗについて、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行の特徴量フィールドの値interest(v,w)を取得する。但し、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行が存在しない場合はinterest(v,w)の値は「０」とする。
【０１０１】
ステップ１７５） 興味合致度テーブル更新部５０が、前記質問ｑのユーザｖに対する興味合致度score1(q,v)を、前述の式（２）を用いて算出する。
【０１０２】
ステップ１７６） 興味合致度テーブル更新部５０が、興味合致度テーブル８５に、ユーザＩＤがｖ、質問ＩＤがｑ、良知識合致度がscore1(q,v)となる行を挿入する。
【０１０３】
図１６は、本発明の一実施の形態における質問推薦部の構成を示す。
【０１０４】
同図に示す質問推薦部６０は、質問取得部６１、知識合致度取得部６２、興味合致度取得部６３、重みタイプ判別部６４、重みパラメータ取得部６５、推薦スコア算出部６６、推薦質問決定部６７から構成される。
【０１０５】
質問取得部６１は、質問回答情報テーブル８１から、当該ユーザｕ以外の質問を読み込み、質問集合ｑをメモリ（図示せず）に格納する。
【０１０６】
知識合致度取得部６２は、当該ユーザｕの、メモリ（図示せず）に格納された質問集合ｑの各質問ｑに関する知識合致度score0(q,u)をメモリ（図示せず）に格納する。
【０１０７】
興味合致度取得部６３は、当該ユーザｕの、メモリ（図示せず）に格納された質問集合ｑの各質問ｑに関する興味合致度score1(q,u)をメモリ（図示せず）に格納する。
【０１０８】
重みタイプ判別部６４は、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する知識合致度score0(q,u)と、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する興味合致度score1(q,u)から重みタイプｔを決定し、メモリ（図示せず）に格納する。
【０１０９】
重みパラメータ取得部６５は、メモリ（図示せず）に格納されている重みタイプｔに基づき、重みパラメータを取得し、メモリ（図示せず）に格納する。
【０１１０】
推薦スコア算出部６６は、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する知識合致度score0(q,u)と、質問集合ｑの各質問ｑに関する興味合致度score1(q,u)と、重みタイプｔと、重みパラメータから推薦スコアscore(q,u)を算出し、メモリ（図示せず）に格納する。
【０１１１】
推薦質問決定部６７は、メモリ（図示せず）に格納されている該ユーザｕの質問集合ｑの各質問ｑに関する推薦スコアscore(q,u)から推薦する質問を決定し、出力する。
【０１１２】
図１７は、本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【０１１３】
ユーザｕがログオンすると、
ステップ２１０） 知識合致度取得部６２が、知識合致度テーブル８４を参照し、ユーザＩＤフィールドがｕの行Kuを取得する。
【０１１４】
ステップ２２０） 興味合致度取得部６３が、興味合致度テーブル８５を参照し、ユーザＩＤフィールドがｕの行Iuを取得する。
【０１１５】
ステップ２３０） 質問取得部６１が、質問回答情報テーブルから回答締切フィールドの値が「０」でメッセージ種別が質問である行集合ｑを取得する。
【０１１６】
ステップ２４０） 質問推薦部６０が、前記知識合致度テーブル８４に記載されているユーザＩＤフィールドがｕの行Kuと、前記興味合致度テーブル８５に記載されているユーザＩＤフィールドがｕの行 Iu とを用いて、前記質問集合ｑの各質問ｑについて、該ユーザｕへの推薦スコアscore(q,u)を算出する。
【０１１７】
ステップ２５０） 質問推薦部６０が、前記質問集合ｑ内の各質問ｑのユーザｕに対する推薦スコアscore(q,u)の値を用いてユーザｕに推薦すべき質問を決定する。その際、推薦スコアフィールドの値が大きいものから順に予め設定した任意の件数N(N=1,2,3,…)件を推薦すべき質問としてもよいし、推薦スコアに対し、ある閾値を設けて、推薦スコアがその値を超えるものを推薦すべき質問としてもよい。
【０１１８】
次に、上記の図１７のステップ２４０の処理を詳細に説明する。
【０１１９】
図１８は、本発明の一実施の形態における図１７のステップ２４０の詳細な処理のフローチャートである。
【０１２０】
ステップ２４１） 質問推薦部６０が、前記知識合致度テーブル８４のユーザＩＤフィールドがｕの行Kuから、質問ｑのユーザｕへの知識合致度score0(q,u)を取得する。
【０１２１】
ステップ２４２） 質問推薦部６０が、前記興味合致度テーブル８５のユーザＩＤフィールドがｕの行Iuから、質問ｑのユーザｕへの興味合致度score1(q,u)を取得する。
【０１２２】
ステップ２４３） 重みタイプ判別部６４が、前記質問ｑのユーザｕへの知識合致度score0(q,u)と、前記質問ｑのユーザｕへの興味合致度score1(q,u)から、使用する重みパラメータを決定する。例えば、後記のように人手にてルールを設定しておく。
【０１２３】
・score0(q,u)≠0かつscore1(q,u)≠0の場合、α=λ0、β=λ1。
【０１２４】
・score0(q,u)=0かつscore1(q,u)≠0の場合、α=1、β=0。
【０１２５】
・score0(q,u)≠0かつscore1(q,u)=0の場合、α=0、β=1。
【０１２６】
・score0(q,u)=0かつscore1(q,u)=0の場合、α=0、β=0。
使用するパラメータの決定は、例えば文献４（Jacobs, R.A. et al., "Adaptive mixtures of local experts", 1991）記載の混合エキスパートモデル等の手法を用いて自動化してもよい。
【０１２７】
ステップ２４４） 推薦スコア算出部６６が、前記質問ｑのユーザｕへの知識合致度score0(q,u)と、前記質問ｑのユーザｕへの興味合致度score1(q,u)と、前記αと、前記βから、前記質問ｑのユーザu への推薦スコアscore(q,u)を算出する。
【０１２８】
【数３】
式（３）で得られるscore(q,u)は、質問ｑをユーザｕに推薦すべきかどうかを決定する尺度であり、質問ｑとユーザｕの知識との関連の強さscore0(q,u)と、質問ｑとユーザｕの興味との関連の強さscore1(q,u)の重み付き和で得る。
【０１２９】
図１９は、本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【０１３０】
重みパラメータは本実施の形態のように、文献５（Hosmer, D.W. et al., "Applied logistic regression", 2000）記載のロジスティック回帰モデルを用いて自動で算出してもよいし、文献６（Cristianini, N. et al., "An introduction tosupport Vector Machines: and other kernel-based learning methods", 2000）記載のサポートベクトルマシン等を用いて自動で算出してもよいし、人手にて適当な重みパラメータを設定してもよい。重みパラメータの更新は、システムの管理者の明示的な入力で開始するようにしてもよいし、定期的にバッチ処理するようにしてもよい。
【０１３１】
ステップ３１０） 重みパラメータ更新部７０は、知識合致度テーブル８４のユーザＩＤフィールドに出現するユーザ集合ｕを取得する。
【０１３２】
ステップ３２０） 重みパラメータ更新部７０は、質問回答情報テーブル８１を参照し回答締切フィールドの値が「１」（締切後）でメッセージ種別フィールドの値が「質問」である行集合（すなわち、締切済みの質問集合）ｑを取得する。
【０１３３】
ステップ３３０） 重みパラメータ更新部７０は、知識合致度テーブル８４、良知識合致度テーブル８５を参照し、前記質問集合ｑの各質問と、前記ユーザ集合ｕの各ユーザとの各質問との組合せ (q,u)について、知識合致度score0(q,u)と、良知識合致度score1(q,u)を取得し、score0(q,u)≠0かつscore1(q,u)≠0の場合のみステップ３４０以下を行う。
ステップ３４０） 重みパラメータ更新部７０は、知識合致度テーブル８４、良知識合致度テーブル８５を参照し、前記質問集合ｑの各質問と、前記ユーザ集合ｕの各ユーザとの各質問との組合せ(q,u)について、知識合致度score0(q,u)と、良知識合致度score1(q,u)を取得し、以下の式を用いて p(q,u)を算出する。
【０１３４】
【数４】
式（４）は、Σiλiscorei(q,u)の値を確率化したもので、Σiλiscorei(q,u)の値が高ければ高いほど値が１に近づき、Σiλiscorei(q,u)の値が低ければ低いほど０に近づく。
【０１３５】
ステップ３５０） 重みパラメータ更新部７０は、前記質問集合ｑ内の各質問ｑと、前記ユーザ集合ｕ内の各ユーザｕについて、質問回答情報テーブル８１に、ユーザＩＤがｕで、質問ＩＤがｑで、メッセージ種別フィールドの値が「回答」の行が存在する場合は b(q,u)=1とし、ユーザＩＤがｕで、質問ＩＤがｑで、メッセージ種別フィールドの値が「回答」の行が存在しない場合はb(q,u)=0とする。このとき、L(λ0,λ1)を以下の式（５）を用いて算出する。
【０１３６】
【数５】
式（５）は、λ0とλ1の尤度と呼ばれる尺度で、過去の質問回答情報に回答したか否か b(q,u)と、各質問のユーザ毎の式（４）で表わされる p(q,u)から、設定したλ0とλ1がどれだけ過去の質問回答情報とマッチしているかを表す尺度である。従って、式（５）を最大にするようなλ0、λ1が最も適切な重みパラメータであると考えられる。
【０１３７】
ステップ３６０） 重みパラメータ更新部７０が、文献６（Liu, D.C. et al., "On the limited memory BFGS method for largescale optimization", 1989）記載の準ニュートン法等による最適化手法により、式（４）で表わされるL(λ0,λ1)を最大にするλ0、λ1を算出する。
【０１３８】
ステップ３７０） 重みパラメータ更新部７０が、重みパラメータ記録部８６にさきほど算出した重みパラメータλ0、λ1を記録する。
【０１３９】
上記のように、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し興味合致度テーブル８５に格納しておき、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出して知識合致度テーブル８４に格納しておく。ユーザが質問も回答もしたことがある場合は、興味合致度テーブルの興味合致度と知識合致度テーブルの知識合致度の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味合致度を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識合致度を用いて、推薦する質問を決定する。質問の経験と回答の経験の有無でユーザを分類することにより、高精度な推薦が可能になる。
【０１４０】
なお、上記の図３、図１６に示す質問推薦装置の各構成要素の動作をプログラムとして構築し、質問推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
【０１４１】
また、構築されたプログラムをハードディスクや、フレキシブルディスク・ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。
【０１４２】
なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。
【符号の説明】
【０１４３】
１ 質問推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
１０ 質問回答情報テーブル更新部
１１ 質問回答取得手段
１２ 単語抽出手段
１５ 統計量算出手段
２０ 知識量算出手段、知識情報テーブル更新部
３０ 興味量算出手段、興味情報テーブル更新部
４０ 知識合致度算出手段、知識合致度テーブル更新部
５０ 興味合致度算出手段、興味合致度テーブル更新部
６０ 質問推薦手段、質問推薦部
６１ 質問取得部
６２ 知識合致度取得部
６３ 興味合致度取得部
６４ 重みタイプ判別部
６５ 重みパラメータ取得部
６６ 推薦スコア算出部
６７ 推薦質問決定部
７０ 重みパラメータ更新部
７１ 重みタイプ判別手段
７２ 重みパラメータ算出手段
８０ 記憶部
８１ 質問回答記憶手段
８２ 知識量記憶手段
８３ 興味量記憶手段
８４ 知識合致度記憶手段
８５ 興味合致度記憶手段
８６ 重みパラメータ記憶手段
９０ 通信部
９５ 入出力部
【技術分野】
【０００１】
本発明は質問推薦装置及び方法及びプログラムに係り、特に、インターネット上のＱＡ (Question/Answer)サービスで提供されるユーザ間の質問回答における、質問推薦装置及び方法及びプログラムに関する。
【背景技術】
【０００２】
情報推薦の手法はいくつも提案されている。例えば、ニュース記事を推薦するために、各ニュース記事についてユーザに５段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事を推薦する手法が提案されている（例えば、非特許文献１参照）。
【０００３】
また、上記の手法と同様に、各情報に対してユーザに評価をつけさせ、過去の評価履歴でユーザが評価している情報に含まれるテキストに着目する。そのテキストがユーザの興味を反映していると考え、そのテキストと同じような単語が出現している情報を推薦する手法が提案されている（例えば、非特許文献２参照）。
【０００４】
また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平１１-３３８８６９号公報
【非特許文献】
【０００６】
【非特許文献１】Resnick, P. et al., "GroupLens: An open architecture for collaborative filtering of netnews". CSCW '94: Proceedings of the 1994 ACM conference on Computersupported cooperative work, ACM Press New York, 1994.
【非特許文献２】Mooney R.J. et al, `` Content-Based Book Recommending Using Learning for Text Categorization'', Proceedings of the 5th ACM Conference on Digital Libraries, ACM Press New York, 2000
【発明の概要】
【発明が解決しようとする課題】
【０００７】
インターネット上のQAサービスにおいては、あるユーザの質問に対して別のユーザが回答することにより情報の共有が成り立っている。しかしながら、多くの質問に回答がついておらず、情報共有の場として成立していないことが多い。そこで、１質問あたりの回答を増やすために、ユーザに回答する可能性の高い質問を推薦し回答を促す。
【０００８】
特許文献１に記載の手法を用いて質問を推薦する場合、ユーザが質問の中で興味のある情報を指定しなければ、回答する可能性の高い質問を検索するための単語を抽出することができず、ユーザに質問を推薦することができない。
【０００９】
非特許文献２、３に記載の手法の場合、ユーザ毎の質問に対する回答を評価とみなせば、ユーザの回答履歴を用いてユーザに新規メッセージを推薦することができる。ただし、一度も回答したことのないユーザに質問の推薦を実現することができないという問題が生じる。このことは、ＱＡサービスにおける回答したことがない多くのユーザに適用できない問が存在する。
【００１０】
本発明は上記の点に鑑みなされたもので、インターネット上のＱＡサービスにおいて、ユーザが興味を明示したり回答したりしなくても、ユーザが一度でも質問もしくは回答したことのあるユーザであれば、ユーザの知識及び興味に応じて回答を促すための質問の推薦が実現可能な質問推薦装置及び方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
図１は、本発明の原理構成図である。
【００１２】
本発明（請求項１）は、インターネット上のＱＡサービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦装置であって、
インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段８１に格納する質問回答取得手段１１と、
各質問から単語を抽出する単語抽出手段１２と、
各質問における各単語の統計量を算出し、統計量記憶手段８７に格納する統計量算出手段１５と、
取得した回答からユーザと、回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段８２に格納する知識量算出手段２０と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段８３に格納する興味量算出手段３０と、
知識量記憶手段８２に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段８４に格納する知識合致度算出手段４０と、
興味量記憶手段８３に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段８１に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段８５に格納する興味合致度算出手段５０と、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別手段７１と、
質問回答情報記憶手段８１に格納されている質問のうち、回答締切済のものと、質問回答記憶手段８１に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度と、重みタイプ判別手段７１により判別された重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段８６に格納する重みパラメータ算出手段と７２、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段８１に格納されている回答締切前の各質問に対して、知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度と、重みタイプ判別手段７１により判別された重みパラメータのタイプとを用いて、重みパラメータ記憶手段８６に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段と６０、を有する。
【００１３】
また、本発明（請求項２）は、統計量算出手段１５において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１４】
また、本発明（請求項３）は、重みパラメータ算出手段７２において、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む。
【００１５】
また、本発明（請求項４）は、重みタイプ判別手段７２と、重みパラメータ算出手段７２と、質問推薦手段６０において、
知識合致度記憶手段８４に格納されている知識合致度と、興味合致度記憶手段８５に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦する手段を含む。
【００１６】
図２は、本発明の原理を説明するための図である。
【００１７】
本発明（請求項５）は、インターネット上のＱＡサービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦方法であって、
質問と回答の情報と回答締切前か否かの情報を格納する質問回答記憶手段と、
各質問における各単語の統計量を格納する統計量記憶手段と、
ユーザの識別子、単語及び該単語に対する知識量を格納する知識量記憶手段と、
ユーザの識別子、単語及び該単語に対する興味量を格納する興味量記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する知識合致度を格納する知識合致度記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する興味合致度を格納する興味合致度記憶手段と、
重みパラメータを格納する重みパラメータ記憶手段と、
を有するコンピュータが、
インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段に格納する質問回答取得ステップ（ステップ１）と、
各質問から単語を抽出する単語抽出ステップ（ステップ２）と、
各質問における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップ（ステップ３）と、
取得した回答からユーザと、回答の対象である質問の各単語の統計量から、該ユーザの該単語に対する知識量を算出し、ユーザの識別子と、単語と共に知識量記憶手段に格納する知識量算出ステップ（ステップ４）と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出ステップ（ステップ５）と、
知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出ステップ（ステップ６）と、
興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段に格納する興味合致度算出ステップ（ステップ７）と、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別ステップ（ステップ８）と、
質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度と、重みタイプ判別ステップ（ステップ８）により判別された重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップ（ステップ９）と、
ユーザの識別子が与えられると、該ユーザの質問回答情報記憶手段に格納されている回答締切前の各質問に対して、知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度と、重みタイプ判別ステップ（ステップ９）により判別された重みパラメータのタイプとを用いて、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップ（ステップ１０）と、を行う。
【００１８】
また、本発明（請求項６）は、統計量算出ステップ（ステップ３）において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１９】
また、本発明（請求項７）は、重みパラメータ算出ステップ（ステップ９）において、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む。
【００２０】
また、本発明（請求項８）は、重みタイプ判別ステップ（ステップ８）と、重みパラメータ算出ステップ（ステップ９）と、質問推薦ステップ（ステップ１０）において、
知識合致度記憶手段に格納されている知識合致度と、興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦するステップを含む。
【００２１】
また、本発明（請求項９）は、請求項１乃至４のいずれか１項に記載の質問推薦装置を構成する各手段としてコンピュータを機能させるための質問推薦プログラムである。
【発明の効果】
【００２２】
上記のように本発明によれば、ユーザの回答について、質問者からのフィードバックを利用することにより、従来の技術では不可能であった、回答の質を考慮した（良回答に選択されそうな回答ができそうな）質問を推薦することが可能になる。これはＱＡシステムにおける良質な回答の増加につながり、従来の推薦技術では不可能であったＱＡサービスの活性化につながる。
【図面の簡単な説明】
【００２３】
【図１】本発明の原理構成図である。
【図２】本発明の原理を説明するための図である。
【図３】本発明の一実施の形態における質問推薦装置の構成図である。
【図４】本発明の一実施の形態における質問回答情報テーブルの例である。
【図５】本発明の一実施の形態における知識情報テーブルの例である。
【図６】本発明の一実施の形態における興味情報テーブルの例である。
【図７】本発明の一実施の形態における知識合致度テーブルの例である。
【図８】本発明の一実施の形態における興味合致度テーブルの例である。
【図９】本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。
【図１０】本発明の一実施の形態における図９のステップ１２０の詳細な処理のフローチャートである。
【図１１】本発明の一実施の形態における図９のステップ１３０の詳細な処理のフローチャートである。
【図１２】本発明の一実施の形態における図９のステップ１４０の詳細な処理のフローチャートである。
【図１３】本発明の一実施の形態における図９のステップ１５０の詳細な処理のフローチャートである。
【図１４】本発明の一実施の形態における図９のステップ１６０の詳細な処理のフローチャートである。
【図１５】本発明の一実施の形態における図９のステップ１７０の詳細な処理のフローチャートである。
【図１６】本発明の一実施の形態における質問推薦部の構成図である。
【図１７】本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【図１８】本発明の一実施の形態における図１７のステップ２４０の詳細な処理のフローチャートである。
【図１９】本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【発明を実施するための形態】
【００２４】
本発明は、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出しておく。ユーザが質問も回答もしたことがある場合は、興味と知識の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識を用いて、推薦する質問を決定する。質問の経験と回答の経験の有無でユーザを分類することにより、高精度な推薦が可能になる。
【００２５】
以下、図面と共に本発明の実施の形態を説明する。
【００２６】
図３は、本発明の一実施の形態における質問推薦装置の構成を示す。
【００２７】
同図に示す質問推薦装置１は、質問回答情報テーブル更新部１０、知識情報テーブル更新部２０、興味情報テーブル更新部３０、知識合致度テーブル更新部４０、興味合致度テーブル更新部５０、質問推薦部６０、重みパラメータ更新部７０、記憶部８０、通信部９０、入出力部９５から構成され、通信部９０はネットワーク３に接続されており、入出力部９５は、入力装置や表示装置等の外部装置４に接続されている。
【００２８】
記憶部８０は、質問回答情報テーブル８１、知識情報テーブル８２、興味情報テーブル８３、知識合致度テーブル８４、興味合致度テーブル８５、重みパラメータ記録部８６から構成される。以下に各テーブルについて説明する。
【００２９】
＜質問回答情報テーブル＞
質問回答情報テーブル８１には、図４に示すように、質問ＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、本文フィールド、メッセージ種別フィールド、回答締切フィールドが含まれる。
【００３０】
質問ＩＤフィールドは、質問ならばその質問を特定する識別子で、回答ならば対象となる質問を特定する識別子であり、質問回答情報テーブル更新部１０により設定される。新たなメッセージｍが投稿された場合、質問ＩＤフィールドはメッセージｍが質問であった場合は他の質問と識別するため新たなＩＤが、メッセージｍが回答であった場合はどの質問に対する回答かを識別するためのＩＤが、質問回答情報テーブル更新部１０により設定される。
【００３１】
メッセージＩＤフィールドは、個々のメッセージｍを特定する識別子が、質問回答情報テーブル更新部１０により設定される。
【００３２】
ユーザＩＤフィールドは、メッセージｍを投稿したユーザを特定する識別子が、質問回答情報テーブル更新部１０により設定される。
【００３３】
本文フィールドは、メッセージｍの本文が、質問回答情報テーブル更新部１０により設定される。
【００３４】
メッセージ種別フィールドは、メッセージｍが質問か、回答かが判定され、質問回答情報テーブル更新部１０により設定される。
【００３５】
回答締切フィールドは、メッセージmが質問の場合、回答がすでに締め切られているか否かの情報が、質問回答テーブル更新部１０により設定される。本実施の形態では、締め切られている場合は「１」を、締め切られていない場合は「０」を設定するものとする。
【００３６】
＜知識情報テーブル＞
知識情報テーブル８２には、図５に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３７】
ユーザＩＤフィールドは、ユーザＩＤが、知識情報テーブル更新部２０により設定される。
【００３８】
単語フィールドは、単語ｗが、知識情報テーブル更新部２０により設定される。
【００３９】
特徴量フィールドは、ユーザｕの回答中に出現する単語ｗの統計量knowledge(u,w)であり、知識情報テーブル更新部２０により設定される。
【００４０】
＜興味情報テーブル＞
興味情報テーブル８３には、図６に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００４１】
ユーザＩＤフィールドは、ユーザＩＤが、興味情報テーブル更新部３０により設定される。
【００４２】
単語フィールドは、単語ｗが、興味情報テーブル更新部３０により設定される。
【００４３】
特徴量フィールドは、ユーザｕの質問中に出現する単語ｗの統計量 interest(u,w)であり、興味情報テーブル更新部３０により設定される。
【００４４】
＜知識合致度テーブル＞
知識合致度テーブル８４には、図７に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、知識合致度フィールドとが含まれる。
【００４５】
知識合致度フィールドは、当該行のユーザｕの過去に回答した質問と、当該行の質問 qとの内容の類似度score0(q,u)が知識合致度テーブル更新部４０により設定される。
【００４６】
＜興味合致度テーブル＞
興味合致度テーブル８５には、図８に示すように、ユーザＩＤフィールドと、質問ＩＤフィールドと、興味合致度フィールドとが含まれる。
【００４７】
興味合致度フィールドは、当該行のユーザｕの過去に質問した質問と、当該行の質問ｑとの内容の類似度score1(q,u)が興味合致度テーブル更新部５０により設定される。
【００４８】
＜重みパラメータ記録部＞
重みパラメータ記録部８６には、質問推薦部６０がユーザｕに質問ｑを推薦するための推薦スコアscore(q,u)を算出するための重み λ0、λ1 が格納されている。重みλ0、λ1は、重みパラメータ更新部７０によって設定される。
【００４９】
図９は、本発明の一実施の形態におけるメッセージ投稿時の処理のフローチャートである。
【００５０】
ステップ１１０） 質問回答情報テーブル更新部１０が、質問回答情報テーブル８１に、投稿したユーザ、投稿されたメッセージの本文、投稿されたメッセージが質問か回答かの情報に応じて質問ＩＤフィールド、メッセージＩＤフィールド、ユーザＩＤフィールド、本文フィールド、メッセージ種別フィールドを設定する。また、回答締切フィールドの値を「０」と設定する。そのような行ｍを質問回答情報テーブル８１に挿入する。今、投稿されたメッセージｍのユーザＩＤフィールドの値がｕであったとする。
【００５１】
メッセージｍが回答であった場合、
ステップ１２０） 知識情報テーブル更新部２０が、上記行ｍの情報を元にユーザｕの知識情報テーブル８２を更新する。
【００５２】
ステップ１３０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元にユーザｕの知識合致度テーブル８４を更新する。
【００５３】
メッセージｍが質問であった場合、
ステップ１４０） 興味情報テーブル更新部３０が、上記行ｍの情報を元にユーザｕの興味情報テーブル８３を更新する。
【００５４】
ステップ１５０） 興味合致度テーブル更新部５０が、上記行ｍの情報を元にユーザｕの興味合致度テーブル８５を更新する。
【００５５】
ステップ１６０） 知識合致度テーブル更新部４０が、上記行ｍの情報を元にｕを除く他のユーザの知識合致度テーブル８４を更新する。
【００５６】
ステップ１７０） 興味合致度テーブル更新部５０が、上記行ｍの情報を元にｕを除く他のユーザの興味合致度テーブル８５を更新する。
【００５７】
次に、上記の図９のステップ１２０の処理を詳細に説明する。
【００５８】
図１０は、本発明の一実施の形態における図７のステップ１２０の詳細な処理のフローチャートである。今、メッセージｍの対象となっている質問（質問回答情報テーブル８１にて、行ｍと質問ＩＤを同じくし、かつメッセージ種別が「質問」である行）がｑであるとする。
【００５９】
ステップ１２１） 知識情報テーブル更新部２０が、形態素解析器の分かち書き機能を用いて質問ｑの本文に含まれる単語集合ｗを取得する。
【００６０】
ステップ１２２） 知識情報テーブル更新部２０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｑの本文における統計量、例えば、単語の出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。単語ｗの質問ｑの本文における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００６１】
ステップ１２３） 知識情報テーブル更新部２０が、知識情報テーブル８２を参照し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値 knowledge(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はknowledge(u,w)の値は「０」とする。
【００６２】
ステップ１２４） 知識情報テーブル更新部２０が、知識情報テーブル８２に、ユーザＩＤフィールドの値ｕ、単語フィールドの値がｗの行の特徴量フィールドの値を knowledge(u,w)+ tf(m,w)とするように更新または挿入する。
【００６３】
次に、上記の図９のステップ１３０の処理を詳細に説明する。
【００６４】
図１１は、本発明の一実施の形態における図９のステップ１３０の詳細な処理のフローチャートである。
【００６５】
ステップ１３１） 知識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をｗとする。
【００６６】
ステップ１３２） 知識合致度テーブル更新部４０が、上記単語集合ｗに含まれる個々の単語ｗに対して、知識情報テーブル８２を参照し、ユーザＩＤがｕで単語がｗの行の特徴量フィールドの値 knowledge(u,w)を取得する。
【００６７】
ステップ１３３） 知識合致度テーブル更新部４０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が「０」である質問集合ｑを取得する。
【００６８】
ステップ１３４） 知識合致度テーブル更新部４０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合ｗ内の各単語ｗの統計量（例えば、文献３記載の「ＴＦ値」）tf(q,w)を算出する。もし質問ｑの本文フィールドに単語ｗが含まれない場合は、tf(q,w)=0とする。
【００６９】
ステップ１３５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｕに対する知識合致度score0(q,u)を以下の式を用いて算出する。
【００７０】
【数１】
式（１）におけるtf(q,w)は、統計量メモリ（図示せず）から取得した質問ｑにおける単語ｗの重みを意味し、知識情報テーブル８２の特徴量 knowledge(u,w)はユーザｕの単語ｗに対する知識量を表す。分子は、両者の内積であるが、内積は質問ｑに含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザｕの知識と質問ｑの関連の強さが求まる。
【００７１】
ステップ１３６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４を、ユーザＩＤがｕで、質問ＩＤがｑの行の知識合致度フィールドの値が前記知識合致度score0(q,u)となるように更新する。
【００７２】
次に、上記の図９のステップ１４０の処理を詳細に説明する。
【００７３】
図１２は、本発明の一実施の形態における図９のステップ１４０の詳細な処理のフローチャートである。
【００７４】
ステップ１４１） 興味情報テーブル更新部３０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００７５】
ステップ１４２） 興味情報テーブル更新部３０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｍの本文における統計量、例えば、単語出現頻度（文献３記載の「ＴＦ値」）tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。単語ｗの質問ｍの本文における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００７６】
ステップ１４３） 興味情報テーブル更新部３０が、興味情報テーブル８３を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値がｗの行の特徴量フィールドの値 interest(u,w)を取得する。但し、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行が存在しない場合はinterest(u,w)の値は「０」とする。
【００７７】
ステップ１４４） 興味情報テーブル更新部３０が、興味情報テーブル８３に、ユーザＩＤフィールドの値がｕ、単語フィールドの値がｗの行の特徴量フィールドの値を interest(u,w)+ tf(m,w)とするように更新または挿入する。
【００７８】
次に、上記の図９のステップ１５０の処理を詳細に説明する。
【００７９】
図１３は、本発明の一実施の形態における図９のステップ１５０の詳細な処理のフローチャートである。
【００８０】
ステップ１５１） 興味合致度テーブル更新部５０が、興味情報テーブル８３を参照し、ユーザＩＤがｕの行に出現する単語フィールドの値の集合をｗとする。
【００８１】
ステップ１５２） 興味合致度テーブル更新部５０が、上記単語集合ｗに含まれる個々の単語ｗに対して、興味情報テーブル８３を参照し、ユーザＩＤがｕで単語がｗの行の特徴量フィールドの値interest(u,w)を取得する。
【００８２】
ステップ１５３） 興味合致度テーブル更新部５０が、質問回答情報テーブル８１を参照し、回答締切フィールドの値が「０」である質問集合ｑを取得する。
【００８３】
ステップ１５４） 興味合致度テーブル更新部５０が、前記質問集合ｑ中の各質問ｑの本文フィールドにおける、前記単語集合ｗ内の各単語ｗの統計量（例えば、文献３記載の「ＴＦ値」）tf(q,w)を算出し、統計量メモリ（図示せず）に格納する。もし質問ｑの本文フィールドに単語ｗが含まれない場合は、tf(q,w)=0とする。
【００８４】
ステップ１５５） 興味合致度テーブル更新部５０が、前記質問ｑのユーザｕに対する興味合致度score1(q,u)を以下の式を用いて算出する。
【００８５】
【数２】
式（２）の意味も、式（１）と同様である。すなわち、tf(q,w)は統計量メモリ（図示せず）から取得した質問ｑにおける単語ｗの重みであり、知識情報テーブル８２の特徴量 interest(u,w)はユーザｕの単語ｗに対する興味量である。その両者の、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度によって、ユーザｕの興味と質問ｑの関連の強さを求める。
【００８６】
ステップ１５６） 興味合致度テーブル更新部５０が、興味合致度テーブル８５を、ユーザＩＤがｕで、質問ＩＤがｑの行の興味合致度フィールドの値が前記興味合致度score1(q,u)となるように更新する。
【００８７】
次に、上記の図９のステップ１６０の処理を詳細に説明する。
【００８８】
図１４は、本発明の一実施の形態における図９のステップ１６０の詳細な処理のフローチャートである。
【００８９】
ステップ１６１）知識合致度テーブル更新部４０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００９０】
ステップ１６２）知識合致度テーブル更新部４０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｍの本文における統計量（例えば、文献３記載の「ＴＦ値」） tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。
【００９１】
ステップ１６３） 知識合致度テーブル更新部４０が、知識情報テーブル８２に出現するユーザ集合ｕを取得する。
【００９２】
ステップ１６４） 知識合致度テーブル更新部４０が、知識情報テーブル８２を参照し、前記ユーザ集合ｕ内のユーザｖ毎に、前記単語集合ｗ中の各単語ｗについて、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行の特徴量フィールドの値 knowledge(v,w)を取得する。但し、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行が存在しない場合はknowledge(v,w)の値は「０」とする。
【００９３】
ステップ１６５） 知識合致度テーブル更新部４０が、前記質問ｑのユーザｖに対する知識合致度score0(q,v)を式（１）を用いて算出する。
【００９４】
ステップ１６６） 知識合致度テーブル更新部４０が、知識合致度テーブル８４に、ユーザＩＤがｖ、質問ＩＤがｑ、知識合致度がscore0(q,v)となる行を挿入する。
【００９５】
次に、上記の図９のステップ１７０の処理を詳細に説明する。
【００９６】
図１５は、本発明の一実施の形態における図９のステップ１７０の詳細な処理のフローチャートである。
【００９７】
ステップ１７１） 興味合致度テーブル更新部５０が、形態素解析器の分かち書き機能を用いて質問ｍの本文に含まれる単語集合ｗを取得する。
【００９８】
ステップ１７２） 興味合致度テーブル更新部５０が、上記単語集合ｗに含まれる個々の単語ｗに対して、質問ｑの本文における統計量（例えば、文献３記載の「ＴＦ値」） tf(m,w)を算出し、統計量メモリ（図示せず）に格納する。
【００９９】
ステップ１７３） 興味合致度テーブル更新部５０が、興味情報テーブル８３に出現するユーザ集合ｕを取得する。
【０１００】
ステップ１７４） 興味合致度テーブル更新部５０が、興味情報テーブル８３を参照し、前記ユーザ集合ｕ中のユーザｖ毎に、前記単語集合ｗ中の各単語ｗについて、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行の特徴量フィールドの値interest(v,w)を取得する。但し、ユーザＩＤフィールドの値がｖ、単語フィールドの値がｗの行が存在しない場合はinterest(v,w)の値は「０」とする。
【０１０１】
ステップ１７５） 興味合致度テーブル更新部５０が、前記質問ｑのユーザｖに対する興味合致度score1(q,v)を、前述の式（２）を用いて算出する。
【０１０２】
ステップ１７６） 興味合致度テーブル更新部５０が、興味合致度テーブル８５に、ユーザＩＤがｖ、質問ＩＤがｑ、良知識合致度がscore1(q,v)となる行を挿入する。
【０１０３】
図１６は、本発明の一実施の形態における質問推薦部の構成を示す。
【０１０４】
同図に示す質問推薦部６０は、質問取得部６１、知識合致度取得部６２、興味合致度取得部６３、重みタイプ判別部６４、重みパラメータ取得部６５、推薦スコア算出部６６、推薦質問決定部６７から構成される。
【０１０５】
質問取得部６１は、質問回答情報テーブル８１から、当該ユーザｕ以外の質問を読み込み、質問集合ｑをメモリ（図示せず）に格納する。
【０１０６】
知識合致度取得部６２は、当該ユーザｕの、メモリ（図示せず）に格納された質問集合ｑの各質問ｑに関する知識合致度score0(q,u)をメモリ（図示せず）に格納する。
【０１０７】
興味合致度取得部６３は、当該ユーザｕの、メモリ（図示せず）に格納された質問集合ｑの各質問ｑに関する興味合致度score1(q,u)をメモリ（図示せず）に格納する。
【０１０８】
重みタイプ判別部６４は、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する知識合致度score0(q,u)と、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する興味合致度score1(q,u)から重みタイプｔを決定し、メモリ（図示せず）に格納する。
【０１０９】
重みパラメータ取得部６５は、メモリ（図示せず）に格納されている重みタイプｔに基づき、重みパラメータを取得し、メモリ（図示せず）に格納する。
【０１１０】
推薦スコア算出部６６は、メモリ（図示せず）に格納されている質問集合ｑの各質問ｑに関する知識合致度score0(q,u)と、質問集合ｑの各質問ｑに関する興味合致度score1(q,u)と、重みタイプｔと、重みパラメータから推薦スコアscore(q,u)を算出し、メモリ（図示せず）に格納する。
【０１１１】
推薦質問決定部６７は、メモリ（図示せず）に格納されている該ユーザｕの質問集合ｑの各質問ｑに関する推薦スコアscore(q,u)から推薦する質問を決定し、出力する。
【０１１２】
図１７は、本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【０１１３】
ユーザｕがログオンすると、
ステップ２１０） 知識合致度取得部６２が、知識合致度テーブル８４を参照し、ユーザＩＤフィールドがｕの行Kuを取得する。
【０１１４】
ステップ２２０） 興味合致度取得部６３が、興味合致度テーブル８５を参照し、ユーザＩＤフィールドがｕの行Iuを取得する。
【０１１５】
ステップ２３０） 質問取得部６１が、質問回答情報テーブルから回答締切フィールドの値が「０」でメッセージ種別が質問である行集合ｑを取得する。
【０１１６】
ステップ２４０） 質問推薦部６０が、前記知識合致度テーブル８４に記載されているユーザＩＤフィールドがｕの行Kuと、前記興味合致度テーブル８５に記載されているユーザＩＤフィールドがｕの行 Iu とを用いて、前記質問集合ｑの各質問ｑについて、該ユーザｕへの推薦スコアscore(q,u)を算出する。
【０１１７】
ステップ２５０） 質問推薦部６０が、前記質問集合ｑ内の各質問ｑのユーザｕに対する推薦スコアscore(q,u)の値を用いてユーザｕに推薦すべき質問を決定する。その際、推薦スコアフィールドの値が大きいものから順に予め設定した任意の件数N(N=1,2,3,…)件を推薦すべき質問としてもよいし、推薦スコアに対し、ある閾値を設けて、推薦スコアがその値を超えるものを推薦すべき質問としてもよい。
【０１１８】
次に、上記の図１７のステップ２４０の処理を詳細に説明する。
【０１１９】
図１８は、本発明の一実施の形態における図１７のステップ２４０の詳細な処理のフローチャートである。
【０１２０】
ステップ２４１） 質問推薦部６０が、前記知識合致度テーブル８４のユーザＩＤフィールドがｕの行Kuから、質問ｑのユーザｕへの知識合致度score0(q,u)を取得する。
【０１２１】
ステップ２４２） 質問推薦部６０が、前記興味合致度テーブル８５のユーザＩＤフィールドがｕの行Iuから、質問ｑのユーザｕへの興味合致度score1(q,u)を取得する。
【０１２２】
ステップ２４３） 重みタイプ判別部６４が、前記質問ｑのユーザｕへの知識合致度score0(q,u)と、前記質問ｑのユーザｕへの興味合致度score1(q,u)から、使用する重みパラメータを決定する。例えば、後記のように人手にてルールを設定しておく。
【０１２３】
・score0(q,u)≠0かつscore1(q,u)≠0の場合、α=λ0、β=λ1。
【０１２４】
・score0(q,u)=0かつscore1(q,u)≠0の場合、α=1、β=0。
【０１２５】
・score0(q,u)≠0かつscore1(q,u)=0の場合、α=0、β=1。
【０１２６】
・score0(q,u)=0かつscore1(q,u)=0の場合、α=0、β=0。
使用するパラメータの決定は、例えば文献４（Jacobs, R.A. et al., "Adaptive mixtures of local experts", 1991）記載の混合エキスパートモデル等の手法を用いて自動化してもよい。
【０１２７】
ステップ２４４） 推薦スコア算出部６６が、前記質問ｑのユーザｕへの知識合致度score0(q,u)と、前記質問ｑのユーザｕへの興味合致度score1(q,u)と、前記αと、前記βから、前記質問ｑのユーザu への推薦スコアscore(q,u)を算出する。
【０１２８】
【数３】
式（３）で得られるscore(q,u)は、質問ｑをユーザｕに推薦すべきかどうかを決定する尺度であり、質問ｑとユーザｕの知識との関連の強さscore0(q,u)と、質問ｑとユーザｕの興味との関連の強さscore1(q,u)の重み付き和で得る。
【０１２９】
図１９は、本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【０１３０】
重みパラメータは本実施の形態のように、文献５（Hosmer, D.W. et al., "Applied logistic regression", 2000）記載のロジスティック回帰モデルを用いて自動で算出してもよいし、文献６（Cristianini, N. et al., "An introduction tosupport Vector Machines: and other kernel-based learning methods", 2000）記載のサポートベクトルマシン等を用いて自動で算出してもよいし、人手にて適当な重みパラメータを設定してもよい。重みパラメータの更新は、システムの管理者の明示的な入力で開始するようにしてもよいし、定期的にバッチ処理するようにしてもよい。
【０１３１】
ステップ３１０） 重みパラメータ更新部７０は、知識合致度テーブル８４のユーザＩＤフィールドに出現するユーザ集合ｕを取得する。
【０１３２】
ステップ３２０） 重みパラメータ更新部７０は、質問回答情報テーブル８１を参照し回答締切フィールドの値が「１」（締切後）でメッセージ種別フィールドの値が「質問」である行集合（すなわち、締切済みの質問集合）ｑを取得する。
【０１３３】
ステップ３３０） 重みパラメータ更新部７０は、知識合致度テーブル８４、良知識合致度テーブル８５を参照し、前記質問集合ｑの各質問と、前記ユーザ集合ｕの各ユーザとの各質問との組合せ (q,u)について、知識合致度score0(q,u)と、良知識合致度score1(q,u)を取得し、score0(q,u)≠0かつscore1(q,u)≠0の場合のみステップ３４０以下を行う。
ステップ３４０） 重みパラメータ更新部７０は、知識合致度テーブル８４、良知識合致度テーブル８５を参照し、前記質問集合ｑの各質問と、前記ユーザ集合ｕの各ユーザとの各質問との組合せ(q,u)について、知識合致度score0(q,u)と、良知識合致度score1(q,u)を取得し、以下の式を用いて p(q,u)を算出する。
【０１３４】
【数４】
式（４）は、Σiλiscorei(q,u)の値を確率化したもので、Σiλiscorei(q,u)の値が高ければ高いほど値が１に近づき、Σiλiscorei(q,u)の値が低ければ低いほど０に近づく。
【０１３５】
ステップ３５０） 重みパラメータ更新部７０は、前記質問集合ｑ内の各質問ｑと、前記ユーザ集合ｕ内の各ユーザｕについて、質問回答情報テーブル８１に、ユーザＩＤがｕで、質問ＩＤがｑで、メッセージ種別フィールドの値が「回答」の行が存在する場合は b(q,u)=1とし、ユーザＩＤがｕで、質問ＩＤがｑで、メッセージ種別フィールドの値が「回答」の行が存在しない場合はb(q,u)=0とする。このとき、L(λ0,λ1)を以下の式（５）を用いて算出する。
【０１３６】
【数５】
式（５）は、λ0とλ1の尤度と呼ばれる尺度で、過去の質問回答情報に回答したか否か b(q,u)と、各質問のユーザ毎の式（４）で表わされる p(q,u)から、設定したλ0とλ1がどれだけ過去の質問回答情報とマッチしているかを表す尺度である。従って、式（５）を最大にするようなλ0、λ1が最も適切な重みパラメータであると考えられる。
【０１３７】
ステップ３６０） 重みパラメータ更新部７０が、文献６（Liu, D.C. et al., "On the limited memory BFGS method for largescale optimization", 1989）記載の準ニュートン法等による最適化手法により、式（４）で表わされるL(λ0,λ1)を最大にするλ0、λ1を算出する。
【０１３８】
ステップ３７０） 重みパラメータ更新部７０が、重みパラメータ記録部８６にさきほど算出した重みパラメータλ0、λ1を記録する。
【０１３９】
上記のように、ユーザが投稿した質問の本文中の各単語の統計量からユーザの興味を算出し興味合致度テーブル８５に格納しておき、ユーザが回答した質問の本文中の各単語の統計量からユーザの知識を算出して知識合致度テーブル８４に格納しておく。ユーザが質問も回答もしたことがある場合は、興味合致度テーブルの興味合致度と知識合致度テーブルの知識合致度の両方を用いて、ユーザが質問はしたこともあるが回答したことはない場合は興味合致度を用いて、ユーザが質問はしたことがないが回答したことはある場合は知識合致度を用いて、推薦する質問を決定する。質問の経験と回答の経験の有無でユーザを分類することにより、高精度な推薦が可能になる。
【０１４０】
なお、上記の図３、図１６に示す質問推薦装置の各構成要素の動作をプログラムとして構築し、質問推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
【０１４１】
また、構築されたプログラムをハードディスクや、フレキシブルディスク・ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。
【０１４２】
なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。
【符号の説明】
【０１４３】
１ 質問推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
１０ 質問回答情報テーブル更新部
１１ 質問回答取得手段
１２ 単語抽出手段
１５ 統計量算出手段
２０ 知識量算出手段、知識情報テーブル更新部
３０ 興味量算出手段、興味情報テーブル更新部
４０ 知識合致度算出手段、知識合致度テーブル更新部
５０ 興味合致度算出手段、興味合致度テーブル更新部
６０ 質問推薦手段、質問推薦部
６１ 質問取得部
６２ 知識合致度取得部
６３ 興味合致度取得部
６４ 重みタイプ判別部
６５ 重みパラメータ取得部
６６ 推薦スコア算出部
６７ 推薦質問決定部
７０ 重みパラメータ更新部
７１ 重みタイプ判別手段
７２ 重みパラメータ算出手段
８０ 記憶部
８１ 質問回答記憶手段
８２ 知識量記憶手段
８３ 興味量記憶手段
８４ 知識合致度記憶手段
８５ 興味合致度記憶手段
８６ 重みパラメータ記憶手段
９０ 通信部
９５ 入出力部
【特許請求の範囲】
【請求項１】
インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦装置であって、
前記インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段に格納する質問回答取得手段と、
各質問から単語を抽出する単語抽出手段と、
各質問における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
取得した前記回答からユーザと、前記回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に知識量記憶手段に格納する知識量算出手段と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に興味量記憶手段に格納する興味量算出手段と、
前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出手段と、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別手段と、
前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別手段により判別された前記重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別手段により判別された前記重みパラメータのタイプとを用いて、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段と、
を有することを特徴とする質問推薦装置。
【請求項２】
前記統計量算出手段は、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項１記載の情報推薦装置。
【請求項３】
前記重みパラメータ算出手段は、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む
請求項１記載の質問推薦装置。
【請求項４】
前記重みタイプ判別手段と、前記重みパラメータ算出手段と、前記質問推薦手段は、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦する手段を含む
請求項１記載の質問推薦装置。
【請求項５】
インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦方法であって、
質問と回答の情報と回答締切前か否かの情報を格納する質問回答記憶手段と、
各質問における各単語の統計量を格納する統計量記憶手段と、
ユーザの識別子、単語及び該単語に対する知識量を格納する知識量記憶手段と、
ユーザの識別子、単語及び該単語に対する興味量を格納する興味量記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する知識合致度を格納する知識合致度記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する興味合致度を格納する興味合致度記憶手段と、
重みパラメータを格納する重みパラメータ記憶手段と、
を有するコンピュータが、
前記インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に前記質問回答記憶手段に格納する質問回答取得ステップと、
各質問から単語を抽出する単語抽出ステップと、
各質問における各単語の統計量を算出し、前記統計量記憶手段に格納する統計量算出ステップと、
取得した前記回答からユーザと、前記回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に前記知識量記憶手段に格納する知識量算出ステップと、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に前記興味量記憶手段に格納する興味量算出ステップと、
前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記知識合致度記憶手段に格納する知識合致度算出ステップと、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記興味合致度記憶手段に格納する興味合致度算出ステップと、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別ステップと、
前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別ステップにより判別された前記重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別ステップにより判別された前記重みパラメータのタイプとを用いて、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップと、
を行うことを特徴とする質問推薦方法。
【請求項６】
前記統計量算出ステップにおいて、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項５記載の情報推薦方法。
【請求項７】
前記重みパラメータ算出ステップにおいて、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む
請求項５記載の質問推薦方法。
【請求項８】
前記重みタイプ判別ステップと、前記重みパラメータ算出ステップと、前記質問推薦ステップにおいて、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦するステップを含む
請求項５記載の質問推薦方法。
【請求項９】
請求項１乃至４のいずれか１項に記載の質問推薦装置を構成する各手段としてコンピュータを機能させるための質問推薦プログラム。
【請求項１】
インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦装置であって、
前記インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に質問回答記憶手段に格納する質問回答取得手段と、
各質問から単語を抽出する単語抽出手段と、
各質問における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
取得した前記回答からユーザと、前記回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に知識量記憶手段に格納する知識量算出手段と、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に興味量記憶手段に格納する興味量算出手段と、
前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に知識合致度記憶手段に格納する知識合致度算出手段と、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別手段と、
前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別手段により判別された前記重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別手段により判別された前記重みパラメータのタイプとを用いて、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦手段と、
を有することを特徴とする質問推薦装置。
【請求項２】
前記統計量算出手段は、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項１記載の情報推薦装置。
【請求項３】
前記重みパラメータ算出手段は、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む
請求項１記載の質問推薦装置。
【請求項４】
前記重みタイプ判別手段と、前記重みパラメータ算出手段と、前記質問推薦手段は、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦する手段を含む
請求項１記載の質問推薦装置。
【請求項５】
インターネット上のＱＡ（Question/Answer）サービスにおいて、利用者の質問履歴、回答履歴を利用する質問推薦方法であって、
質問と回答の情報と回答締切前か否かの情報を格納する質問回答記憶手段と、
各質問における各単語の統計量を格納する統計量記憶手段と、
ユーザの識別子、単語及び該単語に対する知識量を格納する知識量記憶手段と、
ユーザの識別子、単語及び該単語に対する興味量を格納する興味量記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する知識合致度を格納する知識合致度記憶手段と、
ユーザ識別子、質問の識別子及び該質問に対する興味合致度を格納する興味合致度記憶手段と、
重みパラメータを格納する重みパラメータ記憶手段と、
を有するコンピュータが、
前記インターネット上のＱＡサービスにおける質問と回答を取得し、回答締切前か否かの情報と共に前記質問回答記憶手段に格納する質問回答取得ステップと、
各質問から単語を抽出する単語抽出ステップと、
各質問における各単語の統計量を算出し、前記統計量記憶手段に格納する統計量算出ステップと、
取得した前記回答からユーザと、前記回答の対象である質問の前記各単語の統計量から、該ユーザの該単語に対する知識量を算出し、前記ユーザの識別子と、前記単語と共に前記知識量記憶手段に格納する知識量算出ステップと、
各質問から該質問を投稿したユーザと、該質問内の各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に前記興味量記憶手段に格納する興味量算出ステップと、
前記知識量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する知識合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記知識合致度記憶手段に格納する知識合致度算出ステップと、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記質問回答記憶手段に格納されている質問のうち、回答締切前のもののみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該質問の識別子と共に前記興味合致度記憶手段に格納する興味合致度算出ステップと、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度とを用いて、ユーザと質問の組合せごとに使用する重みパラメータのタイプを決定する重みタイプ判別ステップと、
前記質問回答情報記憶手段に格納されている質問のうち、回答締切済のものと、前記質問回答記憶手段に格納されているユーザのうち、回答したことのあるものとの全ての組合せについて、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別ステップにより判別された前記重みパラメータのタイプとを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
ユーザの識別子が与えられると、該ユーザの前記質問回答情報記憶手段に格納されている回答締切前の各質問に対して、前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度と、前記重みタイプ判別ステップにより判別された前記重みパラメータのタイプとを用いて、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各質問に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦質問として選択する質問推薦ステップと、
を行うことを特徴とする質問推薦方法。
【請求項６】
前記統計量算出ステップにおいて、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項５記載の情報推薦方法。
【請求項７】
前記重みパラメータ算出ステップにおいて、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出するステップを含む
請求項５記載の質問推薦方法。
【請求項８】
前記重みタイプ判別ステップと、前記重みパラメータ算出ステップと、前記質問推薦ステップにおいて、
前記知識合致度記憶手段に格納されている知識合致度と、前記興味合致度記憶手段に格納されている興味合致度に基づいて、混合エキスパートモデルによって重みタイプを判別し、重みパラメータを算出し、質問を推薦するステップを含む
請求項５記載の質問推薦方法。
【請求項９】
請求項１乃至４のいずれか１項に記載の質問推薦装置を構成する各手段としてコンピュータを機能させるための質問推薦プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【公開番号】特開２０１１−１８６８５４（Ｐ２０１１−１８６８５４Ａ）
【公開日】平成２３年９月２２日（２０１１．９．２２）
【国際特許分類】
【出願番号】特願２０１０−５２２６８（Ｐ２０１０−５２２６８）
【出願日】平成２２年３月９日（２０１０．３．９）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
【公開日】平成２３年９月２２日（２０１１．９．２２）
【国際特許分類】
【出願日】平成２２年３月９日（２０１０．３．９）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
[ Back to top ]