辞書作成装置および辞書作成方法
テキスト情報群の内容の変化に対応して、テキスト情報を分類、検索、または抽出するための辞書を最適に作成、および更新することができる辞書作成装置および辞書作成方法を提供する。辞書作成装置（１００）は、入力されたテキスト情報からキーワードを抽出するキーワード抽出部（１）、キーワードの出現に関する統計量を求めるキーワード統計部（２）、キーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出するキーワード評価値算出部（３）、算出された評価値に基づいてこのキーワードを登録するか否かまたは削除するか否かを判定する判定部（４）、判定部（４）が行った判定の結果によって辞書データベース（１０２）に対してキーワードの登録または削除を行う辞書登録削除部（５）、および辞書データベース（１０２）を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、テキストで記述された情報を検索、分類、またはフィルタリングするために用いる辞書を作成、更新する辞書作成装置に関する。
【背景技術】
【０００２】
近年、ハードディスクやＤＶＤ（ディジタル多用途ディスク）等が低価格化によって普及してきており、テレビ番組等の動画情報を簡単に蓄積できるようになってきている。さらに、これらハードディスクやＤＶＤの大容量化により、大量の動画コンテンツを蓄積できるようになってきている。
【０００３】
一方、テレビ番組等の電子プログラムガイドにより、各番組に関する情報がテキスト情報で取得できるようになってきた。そこで、テキスト情報を利用して、視聴者の嗜好にあった番組を蓄積したり、蓄積された番組を分類したりすることが可能になってきている。番組のテキスト情報を利用して番組の選択や、蓄積番組を分類するためには、番組ガイド情報から、どのキーワードが番組の特徴を表現しているのか、判断する必要がある。そこで、あらかじめ番組のテキスト情報から重要なキーワードを抽出したり、不要なキーワードを除外したりするために、あらかじめ辞書を構築するアプローチがとられる。
【０００４】
このような辞書として、テキスト情報を分類、検索、または抽出するにあたってどのキーワードで分類、検索または抽出するかを記述した切り出し辞書や、テキスト情報を分類、検索、または抽出するにあたって意味をなさないキーワードを除外するために、そのような不要なキーワードを集めた不要語辞書等がある。
【０００５】
切り出し辞書を作成するためには、分類や検索の対象となるテキスト情報群の多数のサンプルデータから、実際に出現するキーワードを拾い上げ、さらには対象とするテキスト情報群の分類や検索をする上で特徴的なキーワードだけを切り出し辞書として採用する。例えば、テキスト情報としてＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ：電子番組表）を対象とすると、分類や検索のために出演者名および一般名詞が有効であると考えた場合、実際のＥＰＧデータに出現する出演者名と一般名詞を抽出したものを切り出し辞書として作成する。
【０００６】
また、同様に不要語辞書の作成については、対象となるテキスト情報群のサンプルデータに出現するキーワードのうち、分類や検索に役に立たないもの、あるいはむしろその妨げにすらなるものを抽出して、それらのキーワードを不要語辞書として採用する。例えば、ほとんどのＥＰＧデータに出現するキーワードが存在した場合、そのキーワードは個別のＥＰＧデータを特徴づけることはできないので不要なキーワードであると考えることができる。
【０００７】
上記のようなアプローチとして、複数のテーマに関する辞書をあらかじめ設定しておき、そのテーマ辞書を用いて番組の分類を行ったり、検索を行ったりする番組推薦システムが提案されている（例えば、特許文献１参照。）。この番組推薦システムでは、例えば、「旅」のテーマに関しては、「旅館」、「宿」、「車窓」、「船旅」等の特徴的なキーワードを設定した辞書を利用することで、「旅」に関する番組を検索・分類することが可能になっている。さらに、ユーザからの操作情報を利用して嗜好に関するプロファイルを構築することで、そのユーザにあった番組提供を目指している。
【０００８】
また、あらかじめ設定されたテーマ（ジャンル）によって、番組表の番組の色を変化させ、ユーザにとってわかりやすく番組表示するデジタル放送受信装置が提案されている（例えば、特許文献２参照。）。
【特許文献１】特開２００２−３２０１５９号公報
【特許文献２】特開２００３−１３４４１２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００９】
しかしながら、従来の辞書作成方法では、切り出し辞書も不要語辞書もあらかじめ対象となるテキスト情報群のサンプルデータから作成する固定的なものであるため、対象となるテキスト情報群の変化に対応することができなかった。
【００１０】
例えば、政治における総理大臣の名前等は、その時代によって異なり、また、プロ野球の選手においても、トレード等により時代によってチームが異なる場合がある。また、ＥＰＧにおいて、出演者名は時代と共に変化していくものであり、辞書作成時には頻出していた出演者が数年後には全く出演しなくなったり、逆に辞書作成時には無名だった俳優が後に売れっ子になったりすることもある。さらに、大きなイベント（オリンピックなど）の時や、大事件が発生したときはそれに関連する番組が著しく増加し、出現するキーワードの傾向が大きく変わると考えられる。また、新しい放送形態の出現や放送文化の変化などによりＥＰＧの記述内容に大きな変動が見られる可能性も今後考えられる。
【００１１】
また、上記特許文献１で述べた「旅」に関しても、時代によって流行があり、各時代に応じた辞書の更新が必要な場合が多い。
【００１２】
そのため、このようなテキスト情報群の内容の変化に伴い、テキストの分類、検索、または抽出に利用するための辞書を適切なものに構築し直さねばならないという課題がある。
【００１３】
そこで、本発明は上記の事情に鑑みてなされたものであり、テキスト情報群の内容の変化に対応して、テキスト情報を分類、検索、または抽出するための辞書を最適に作成、および更新することができる辞書作成装置および辞書作成方法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】
【００１４】
上記目的を達成するため、本発明に係る辞書作成装置は、テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成装置であって、テキスト情報からキーワードを抽出するキーワード抽出手段と、前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除手段とを備えることを特徴とする。
【００１５】
これによって、テキスト情報の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。
【００１６】
また、前記辞書作成装置は、さらに、１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計手段と、前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出手段と、前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定手段とを備え、前記キーワード抽出手段は、前記テキスト情報群からキーワードを抽出し、前記辞書登録削除手段は、前記判定の結果によって前記キーワードを前記辞書に登録または削除してもよい。
【００１７】
これによって、テキスト情報群を構成するキーワードの出現傾向に応じて、効率的なキーワードが登録された辞書を適切に作成することができる。また、テキスト情報群の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。
【００１８】
ここで、前記辞書作成装置は、さらに、前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、前記キーワード評価値算出手段は、前記抽出されたキーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定してもよい。
【００１９】
これによって、前回の処理時の評価値が記憶されているキーワードについては、前回の処理時の評価値と今回算出した評価値との変化値に基づいて、辞書の更新を行っているので、テキスト情報群を構成するキーワードの出現傾向の変化が著しいキーワードについて辞書の内容を更新することが可能になる。
【００２０】
また、前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定してもよい。
【００２１】
また、前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定してもよい。
【００２２】
ｉｄｆ値は小さいほど、そのキーワードはどのテキスト情報にも出現する「めずらしくない」キーワードであり、逆に大きいほど一部のテキスト情報にしか含まれないキーワードである。よって、テキスト検索や分類等を行うのに効率的なキーワードが登録された辞書を適切に作成することが可能になる。
【００２３】
また、前記テキスト情報群は、あらかじめ所属するカテゴリの情報が付与された１つ以上のテキスト情報から構成され、前記キーワード統計手段は、前記テキスト情報群における前記カテゴリに関する統計量を求め、前記キーワード評価値算出手段は、前記抽出されたキーワードについて前記キーワードの出現に関する統計量および前記カテゴリに関する統計量に基づいて評価値を算出してもよい。
【００２４】
これによって、あらかじめ付与されているカテゴリ分類に対して依存性の低い評価値を算出でき、辞書に登録すべきキーワードについて、テキスト情報のカテゴリ分類に対する依存性の影響を減少させることが可能になる。
【００２５】
また、前記辞書にはカテゴリ毎にキーワードが登録され、前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録してもよい。
【００２６】
ここで、前記辞書には、あらかじめ前記カテゴリ毎に定常特徴キーワードが登録されており、前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードの中で、当該カテゴリの定常特徴キーワードとして登録されていないキーワードを当該カテゴリの前記時事的特徴キーワードとして前記辞書に登録してもよい。
【００２７】
これによって、時代の変化に対応した辞書、すなわち定常的な特徴キーワードとともに、例えばインターネットや電子新聞等のメディアから取得された時事的な固有名詞等の特徴キーワードを時事的特徴キーワードとして登録した辞書を作成することができる。さらに、このように作成された辞書を用いることによって、例えばＥＰＧ等で提供される番組情報を精度のよく実現することができる。
【００２８】
また、前記辞書にはカテゴリ毎にキーワードが登録され、前記辞書作成装置は、さらに、少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得手段を備え、前記辞書登録削除手段は、前記分類情報取得手段により取得された分類情報、および前記キーワード抽出手段により抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成してもよい。
【００２９】
これによって、複数の情報源の分類情報に対応する複数の辞書を作成することができる。また、日常的に利用しているなどユーザにとって理解しやすい分類情報を用いて、例えばＥＰＧ等で提供される番組情報を分類することができ、統一的な分類で番組や情報を管理することができる。
【００３０】
また、前記辞書作成装置は、さらに、前記それぞれ作成された各情報源に対応する辞書を、編集して融合する辞書融合編集手段を備えてもよい。
【００３１】
これによって、各分類辞書データベースの分類情報をまとめた新たな分類階層の辞書を構築することができる。また、このように作成された辞書を用いることによって、例えばＥＰＧの番組表を新たな観点で分類することが可能になる。
【００３２】
なお、本発明は、このような辞書作成装置として実現することができるだけでなく、このような辞書作成装置が備える特徴的な手段をステップとする辞書作成方法として実現したり、それらのステップをコンピュータに実行させるプログラムとして実現したりすることもできる。そして、そのようなプログラムは、ＣＤ−ＲＯＭ等の記録媒体やインターネット等の伝送媒体を介して配信することができるのは言うまでもない。また、本発明は、このような辞書作成装置を備えるＥＰＧ番組検索システムとして実現することもできる。
【発明の効果】
【００３３】
以上の説明から明らかなように、本発明に係る辞書作成装置および辞書作成方法によれば、テキスト情報群を構成するキーワードの出現傾向に応じて、効率的なキーワードが登録された辞書を適切に作成することができる。また、テキスト情報群の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。また、このように作成された辞書を用いることによって、例えばＥＰＧ等で提供される番組情報を効率的に検索、分類、またはフィルタリングすることができる。
【図面の簡単な説明】
【００３４】
【図１】本発明の実施の形態１に係る辞書作成装置の構成を示すブロック図である。
【図２】本発明の実施の形態１に係る辞書作成装置において辞書データベースとして切り出し辞書を作成する際の動作の流れを示すフローチャートである。
【図３】（ａ）テキスト情報およびテキスト情報群を説明するための図であり、（ｂ）キーワードの出現に関する統計量を説明するための図であり、（ｃ）キーワードの評価値の一例を示す図である。
【図４】本発明の実施の形態１に係る辞書作成装置において辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図５】本発明の実施の形態１におけるキーワードの評価値の時間変化の例を示す図である。
【図６】本発明の実施の形態１に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【図７】本発明の実施の形態２に係る辞書作成装置の構成を示すブロック図である。
【図８】本発明の実施の形態２に係る辞書作成装置において辞書データベースとして切り出し辞書を作成する際の動作の流れを示すフローチャートである。
【図９】本発明の実施の形態２に係る辞書作成装置において辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図１０】本発明の実施の形態２におけるキーワードの評価値の時間変化の例を示す図である。
【図１１】本発明の実施の形態２におけるキーワードの評価値の時間変化の例を示す図である。
【図１２】本発明の実施の形態４に係る辞書作成装置の構成を示すブロック図である。
【図１３】本発明の実施の形態４に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【図１４】本発明の実施の形態５に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図１５】本発明の実施の形態５に係るＥＰＧ番組検索システムをテレビに備えた場合のシステム構成の例を示すハードウエア構成図である。
【図１６】本発明の実施の形態５に係るＥＰＧ番組検索システムにおいて分類辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図１７】分類辞書データベースに記憶されているデータの一例を示す図である。
【図１８】各情報の分類例を示す図である。
【図１９】（ａ）ユーザによって分類する項目が選択される際の画面例、（ｂ）インターネット上のＵＲＬを設定した際の画面例を示す図である。
【図２０】テキスト情報の一例を示す図であり、（ａ）「映画」に関するテキスト情報の一例、（ｂ）「音楽」に関連するテキスト情報の一例である。
【図２１】テキスト情報から特徴的なキーワードを抽出した結果の一例を示す図である。
【図２２】分類辞書データベースに記憶されているデータの一例を示す図である。
【図２３】ユーザによって録画設定するための分類が選択される際の画面例を示す図である。
【図２４】ＥＰＧデータから取得した番組情報の一例を示す図である。
【図２５】時事的特徴キーワードの各期間毎の利用頻度の一例を示す図である。
【図２６】本発明の実施の形態６に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図２７】ユーザによって分類辞書データベース（情報源のサイト）が選択される際の画面例を示す図であり、（ａ）情報源が２つの場合の例、（ｂ）情報源が３つの場合の例である。
【図２８】分類辞書データベースの「分類」を示す図であり、（ａ）第１の情報源から取得された分類情報に基づく場合の例、（ｂ）第２の情報源から取得された分類情報に基づく場合の例、（ｃ）第３の情報源から取得された分類情報に基づく場合の例である。
【図２９】本発明の実施の形態７に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図３０】分類辞書データベースに記憶されているデータの一例を示す図であり、（ａ）第１の情報源から取得された分類情報に基づく場合の例、（ｂ）第２の情報源から取得された分類情報に基づく場合の例、（ｃ）第３の情報源から取得された分類情報に基づく場合の例である。
【図３１】２つの分類に含まれる特徴キーワードの集合関係を示す概略図であり、（ａ）一方の分類のほとんどの特徴キーワードが他方の分類に含まれる場合、（ｂ）２つの分類に含まれる特徴キーワードがほとんど同じの場合である。
【図３２】３つの分類辞書データベースの分類情報をまとめて、１つの分類辞書データベースに融合する際の分類の一例を示す図である。
【図３３】本発明の実施の形態８に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図３４】分類辞書データベースに記憶されているデータの一例を示す図である。
【図３５】本発明の実施の形態８における変形例の検索システムの構成を示す図である。
【符号の説明】
【００３５】
１ キーワード抽出部
２、２２ キーワード統計部
３、１２ キーワード評価値算出部
４、１３ 判定部
５ 辞書登録削除部
１１ キーワードデータベース
２１ 第２キーワード抽出部
１００、２００ ４００ 辞書作成装置
１０１、２０１ ４０１ 辞書更新部
１０２ 辞書データベース
１０３ ＥＰＧ受信部
１０４ ＥＰＧ記憶部
１０５ ＥＰＧ選択部
１０６ 文書ベクトル作成部
１０７ 検索条件取得部
１０８ 文書評定値算出部
１０９ 検索結果出力部
１１０ ＣＤＤＢ受信部
１１００、１２００、１３００、１４００ ＥＰＧ番組検索システム
１１０１ 分類情報取得部
１１０２ 分類キーワード抽出部
１１０３ 分類辞書更新部
１１０４ 利用頻度集計部
１１０５ 判定部
１１０６、１４０２ 分類辞書データベース
１１０７、１２０８ ＥＰＧ受信部
１１０８、１２０９ 分類部
１１０９、１２１０ 番組選択部
１２０１ 第１の情報源の分類情報取得部
１２０２ 第２の情報源の分類情報取得部
１２０３ 分類キーワード抽出部
１２０４、１４０１ 分類辞書更新部
１２０５ 第１の情報源の分類辞書データベース
１２０６ 第２の情報源の分類辞書データベース
１２０７ 分類辞書選択部
１３０１ 第３の情報源の分類情報取得部
１３０２ 第３の情報源の分類辞書データベース
１３０３ 分類辞書融合編集部
１３０４ 融合分類辞書データベース
１４０３ ＥＰＧ蓄積部
【発明を実施するための最良の形態】
【００３６】
以下、本発明の各実施の形態について、それぞれ図面を参照しながら説明する。
（実施の形態１）
図１は、本発明の実施の形態１に係る辞書作成装置の構成を示すブロック図である。
【００３７】
辞書作成装置１００は、テキストで記述された情報を検索、分類、またはフィルタリング等を行うために用いられる辞書（辞書データベース）を作成するための装置であり、入力されたテキスト情報群から、辞書データベースに登録すべきキーワード（単語）を抽出し登録する辞書更新部１０１、および辞書データベース１０２を備えている。辞書データベース１０２は、その用途によって、切り出し辞書として用いられる場合と、不要語辞書として用いられる場合とがある。
【００３８】
まず、これらの辞書の用いられ方の例について説明する。
例えば、テキスト情報群がテレビ番組等に関する情報であるとすれば、視聴者が以前に見た番組のテキスト情報より特徴的なキーワードを抽出して視聴者の嗜好を表すプロファイル等を作成する際に、キーワード抽出用またはキーワード除外用の辞書として用いられる。また、これから放送される番組のテキスト情報より番組の特徴を表すキーワードを抽出する際に、キーワード抽出用またはキーワード除外用の辞書として用いられる。
【００３９】
また、例えばこれから放送される番組の中から視聴者の嗜好にあった番組を推薦するような場合に、上記のように作成されたプロファイルに基づいて、これから放送される番組の特徴を表すキーワードを検索することによって、視聴者の嗜好にあった番組を特定することができる。同様に、例えばＨＤＤ（ハードディスクドライブ）レコーダ等に大量に蓄積された番組から視聴者の嗜好にあった番組を特定することも可能である。
【００４０】
また、番組のテキスト情報を利用して、例えば「経済」、「スポーツ」、「生活」等のカテゴリに番組を分類する際に、カテゴリごとにそのカテゴリの特徴を表すキーワードが登録された分類辞書として用いられる。
【００４１】
辞書更新部１０１は、キーワード抽出部１、キーワード統計部２、キーワード評価値算出部３、判定部４、辞書登録削除部５を備えている。
【００４２】
キーワード抽出部１は、入力されたテキスト情報からキーワードを抽出する。キーワード統計部２は、例えば入力されたテキスト情報群におけるテキスト情報の総数および抽出されたキーワードを含むテキスト情報の数等の抽出されたキーワードの出現に関する統計量を求める。キーワード評価値算出部３は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出する。判定部４は、キーワード評価値算出部３により算出された評価値に基づいてこのキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。辞書登録削除部５は、判定部４が行った判定の結果によってこのキーワードを辞書データベース１０２に登録または辞書データベース１０２から削除する。
【００４３】
次に、上記のように構成された辞書作成装置１００の動作について説明する。
図２は辞書作成装置１００において辞書データベース１０２として切り出し辞書を作成する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、切り出し辞書の作成動作について説明する。
【００４４】
辞書更新部１０１に例えば図３（ａ）に示すように１つ以上のテキスト情報から構成されるテキスト情報群Ｂが入力されると、キーワード抽出部１は、テキスト情報群の中の全てのテキスト情報からキーワードの抽出を行う（ステップＳ１０１）。ここでのキーワード抽出は、汎用的な形態素解析、文字種（漢字、ひらがな、カタカナなど）の変わり目を端点とした切り出しルールによるものなど、一般に利用される方法で行えばよい。
【００４５】
このとき、キーワード統計部２は、キーワード抽出部１により抽出されたキーワードの出現に関する統計量を求め、キーワード評価値算出部３へ通知する（ステップＳ１０２）。ここでは、キーワード統計部２は、入力されたテキスト情報群Ｂにおけるテキスト情報Ａの総数、および例えば図３（ｂ）に示すように抽出されたキーワードを含むテキスト情報の数を求める。
【００４６】
次に、キーワード評価値算出部３は、キーワード統計部２より通知されたキーワードの出現に関する統計量に基づいて、キーワード抽出部１により抽出されたキーワードについて、例えば図３（ｃ）に示すように評価値を算出する（ステップＳ１０３）。ここで、キーワード評価値算出部３は、評価値としてｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値を算出する。キーワードｔについてのｉｄｆ値ｉｄｆ（ｔ）は、次の式（１）に示すようにテキスト情報群中に含まれるテキスト情報の総数Ｎと、Ｎ個のテキスト情報のうち、キーワードｔを含んでいるテキストの数ｎ（ｔ）とから求められる。
【００４７】
【数１】
ｉｄｆ値は、キーワードｔがＮ個のテキスト情報群の全てのテキスト情報に出現する場合に１となり、キーワードｔが出現するテキスト数ｎ（ｔ）の減少に伴い単調増加する傾向がある。すなわち、このｉｄｆ値が小さいほど、キーワードｔはどのテキスト情報にも出現する「めずらしくない」キーワードであり、逆に大きいほど一部のテキスト情報にしか含まれないキーワードであると言える。
【００４８】
次に、判定部４は、評価値として算出されたｉｄｆ値が所定のしきい値Ｃ以上であるか否かの判定を行う（ステップＳ１０４）。ここで、所定のしきい値Ｃ以上であるキーワードを、切り出し辞書を構成するキーワードとして採用するものとしている。この切り出し辞書は、テキスト情報の検索や分類に利用するためのものであるから、テキスト情報群中に偏りを持って存在しており、テキスト情報群における個別のテキスト情報について相対的な特徴を表現しているキーワードから構成されている必要がある。したがって、ｉｄｆ（ｔ）がある一定の値以上という判断基準を採用している。
【００４９】
よって、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ以上である場合（ステップＳ１０４でＹＥＳ）に、判定部４は、そのキーワードｔを辞書データベース１０２（本実施の形態では切り出し辞書）に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に登録する（ステップＳ１０５）。一方、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ未満である場合（ステップＳ１０４でＮＯ）に、判定部４は、そのキーワードｔを辞書データベース１０２に登録するものする辞書登録削除部５への通知は行わない。
【００５０】
次に、判定部４は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ１０６）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ１０６でＹＥＳ）には、判定部４は、次のキーワードについての評価値の算出処理（ステップＳ１０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ１０６でＮＯ）には、一連の動作を終了する。
【００５１】
以上のように、テキスト情報群から抽出したキーワードの評価値に基づいてキーワードを辞書に登録しているので、テキスト検索や分類等を行うのに効率的なキーワードが登録された辞書データベース１０２を適切に作成することが可能になる。
【００５２】
図４は辞書作成装置１００において一旦作成された辞書データベース１０２を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って更新動作について説明する。なお、図２に示す辞書データベース１０２を作成する場合と同様の動作については説明を省略する。
【００５３】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ２０１）から判定部４による評価値の判定処理（ステップＳ２０４）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０４）と同様である。
【００５４】
次に、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ以上である場合（ステップＳ２０４でＹＥＳ）に、判定部４は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に未登録であるか否かの判定を行う（ステップＳ２０５）。ここで、そのキーワードｔが辞書データベース１０２に未登録である場合（ステップＳ２０５でＹＥＳ）、判定部４は、そのキーワードｔを辞書データベース１０２に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に追加登録する（ステップＳ２０６）。
【００５５】
一方、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ未満である場合（ステップＳ２０４でＮＯ）に、判定部４は、評価値として算出されたｉｄｆ値が所定のしきい値Ｃ’未満であるか否かの判定を行う（ステップＳ２０７）。この判定の結果、ｉｄｆ値が所定のしきい値Ｃ’未満である場合（ステップＳ２０７でＹＥＳ）に、判定部４は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に既に登録されているか否かの判定を行う（ステップＳ２０８）。ここで、そのキーワードｔが辞書データベース１０２にまだ登録されている場合（ステップＳ２０８でＹＥＳ）、判定部４は、そのキーワードｔを辞書データベース１０２から削除するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２から削除する（ステップＳ２０９）。
【００５６】
次に、判定部４は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ２１０）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ２１０でＹＥＳ）には、判定部４は、次のキーワードについての評価値の算出処理（ステップＳ２０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ２１０でＮＯ）に、一連の動作を終了する。
【００５７】
図５はキーワードの評価値の時間変化の例を示す図である。図５において、評価値は次第に増加し、点Ｅにおいて評価値がしきい値Ｃを超え辞書データベース１０２に登録される。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいてしきい値Ｃを下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。
【００５８】
以上のように、テキスト情報群を構成するキーワードの出現傾向に応じて、既に存在している辞書データベース１０２の内容を更新しているので、テキスト情報群の内容の変化に伴った最適な辞書を構築することができる。
【００５９】
なお、図４に示す辞書データベース１０２を更新する際の動作において、キーワード登録の時のしきい値Ｃとキーワード削除の時のしきい値Ｃ’との関係は、Ｃ＝Ｃ’であってもＣ＞Ｃ’であっても構わない。特に後者の場合、キーワード登録の基準よりも削除の規準のほうが低いので、一旦登録されたキーワードが削除されにくくなる傾向がある。これにより、キーワードの一時的な出現傾向の変動により評価値が下がった場合でも、頻繁に登録削除を繰り返すのではなく安定した内容の辞書を維持することが可能になる。
【００６０】
また、本実施の形態では、辞書データベース１０２として切り出し辞書の場合について説明したが、同様の手順で不要語辞書の作成、更新も可能である。ただし、この場合、キーワードの登録、削除についての評価値の判定基準が切り出し辞書の場合と異なる。具体的には、図２に示す辞書データベース１０２を作成する際の動作における評価値の判定処理（ステップＳ１０４）では、辞書として登録すべきキーワードはしきい値Ｃよりも評価値が小さい、すなわちｉｄｆ（ｔ）＜Ｃである必要がある。また、同様に図４に示す辞書データベース１０２を更新する際の動作におけるキーワード登録時の評価値の判定処理（ステップＳ２０４）では、判定条件はｉｄｆ（ｔ）＜Ｃ、キーワード削除時の評価値の判定処理（ステップＳ２０７）では、判定条件はｉｄｆ（ｔ）＞Ｃ’である。
【００６１】
これによって、テキスト情報の検索、分類には役立たないような、個別のテキスト情報の特徴を表すことができないキーワードを登録しておく必要がある不要語辞書に対して、ｉｄｆ値が小さい値であり、どのテキスト情報にも出現する特徴のないキーワードを登録することができる。
【００６２】
また、本実施の形態では、キーワードの評価値としてｉｄｆ値を用いた例について説明したが、テキスト情報群におけるキーワードの重要性、特異性、出現頻度等を示す指標であれば同様に実現可能である。ただし、採用した評価値の変化傾向（単調増加、単調減少）に応じて、辞書データベース１０２への登録、更新のための判定条件は適宜設定する必要がある。
【００６３】
例えば、キーワードのテキスト情報群における出現頻度（ｔｆ値）とｉｄｆ値を掛け合わせたｔｆ・ｉｄｆ値は、キーワードのテキスト情報群における出現の偏り（珍しさ）と出現頻度の双方を勘案した指標であり、これをキーワード評価値として用いることも可能である。あるいは、単に出現頻度をキーワード評価値として用いてもよい。
【００６４】
次に、上記のように構成された辞書作成装置１００をＥＰＧ番組検索システムに組み込んだ例について、以下説明する。
【００６５】
図６は、本発明の実施の形態１に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【００６６】
このＥＰＧ番組検索システムは、放送波から受信するＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索条件によって検索するシステムであり、辞書更新部１０１、辞書データベース１０２、ＥＰＧ受信部１０３、ＥＰＧ記憶部１０４、ＥＰＧ選択部１０５、文書ベクトル作成部１０６、検索条件取得部１０７、文書評定値算出部１０８、および検索結果出力部１０９を備えている。
【００６７】
ＥＰＧ受信部１０３は、放送波からＥＰＧデータを受信しデコードする。ＥＰＧ記憶部１０４は、ＥＰＧ受信部１０３で受信されたＥＰＧデータを記憶する。ＥＰＧ選択部１０５は、ＥＰＧ記憶部１０４に記憶しているＥＰＧデータを選択する。文書ベクトル作成部１０６は、ＥＰＧ選択部１０５で選択されたＥＰＧデータから辞書データベース１０２を用いてキーワードと重みの組からなる文書ベクトルを作成する。検索条件取得部１０７は、ユーザによって入力されるＥＰＧデータに対する検索条件をキーワードと重みの組からなるベクトル形式で取得する。文書評定値算出部１０８は、検索条件取得部１０７で取得された検索条件と、ＥＰＧ記憶部１０４に記憶されているＥＰＧデータの文書ベクトルとの余弦を取って評定値を算出し、その評定値に基づいてＥＰＧデータを選択する。検索結果出力部１０９は、文書評定値算出部１０８で算出された評定値、またはその評定値に基づいて選択されたＥＰＧデータを出力する。
【００６８】
以上のように、このような構成のＥＰＧ番組検索システムによれば、検索条件取得部１０７において取得された１つ以上のベクトル形式の検索条件により、辞書データベース１０２を用いて文書ベクトル化されたＥＰＧデータに対する評定値を求め、評定値の高い順に出力することにより、ユーザ指定の検索条件に合った順にＥＰＧデータを検索することが可能となる。
【００６９】
また、さらに辞書データベース１０２は辞書更新部１０１によって更新されるため、番組改編による放映番組の大幅な変更、大イベントや大事件による番組傾向の変動、さらには将来の放送スタイルの変化などによるＥＰＧ記述内容の大幅な変更などに柔軟に対応して、ＥＰＧデータの検索、分類などに適切な辞書データベース１０２を維持することが可能となる。
【００７０】
なお、本実施の形態では、検索条件取得部１０７はユーザによって入力される検索条件を取得するとしているが、これに限られるものではない。例えば、検索条件取得部１０７は、ユーザが視聴した番組のＥＰＧデータなどから生成された検索条件のベクトルを取得するように構成すると、ユーザからの明示的な検索条件の指定を受けずに、視聴傾向にあった番組を検索して提示する、いわゆる「おすすめ番組提示」の機能が実現可能となる。
【００７１】
また、現在テレビ放送は、地上波放送、ＢＳ放送、ＣＳ放送など複数の放送波により提供されており、それぞれの放送波において放送されている番組の中身や出演者など傾向は異なっている。したがって、辞書の作成や更新に当たっては放送波ごとにＥＰＧデータを分割したものをテキスト情報群として用いても構わないし、さらに細分化して放送局ごとに分割してもよい。
【００７２】
また、同様に時間帯ごとでＥＰＧを分割したものをテキスト情報群とし、時間帯別で辞書を作成・更新してもよい。例えば、放送時間帯を、朝、昼間、夕方、ゴールデン、深夜などに分割し、それぞれの時間帯で辞書を作成する。こうすることにより、例えば、全時間帯通してみればあまり出現しないが、午前中には頻出するキーワードなどに対して、時間帯ごとに異なる辞書として反映することが可能となる。
【００７３】
（実施の形態２）
図７は、本発明の実施の形態２に係る辞書作成装置の構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【００７４】
辞書作成装置２００の辞書更新部２０１は、実施の形態１の辞書更新部１０１の構成に加えてキーワードデータベース１１を備えている。
【００７５】
キーワード評価値算出部１２は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出し、キーワードとその評価値を判定部１３に通知するとともに、キーワードデータベース１１に記憶する。
【００７６】
判定部１３は、キーワード評価値算出部１２により新たに算出された評価値とキーワードデータベース１１に記憶されている評価値との変化量に基づいて、このキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。
【００７７】
キーワードデータベース１１は、辞書データベース１０２に登録されているか否かに関係なく、辞書データベース１０２への前回のキーワード登録・更新時において、キーワード抽出部１で抽出されたすべてのキーワードとその評価値を記憶している。
【００７８】
次に、上記のように構成された辞書作成装置２００の動作について説明する。
図８は辞書作成装置２００において辞書データベース１０２として切り出し辞書を作成する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、切り出し辞書の作成動作について説明する。なお、実施の形態１と同様の動作については説明を省略する。
【００７９】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ３０１）から判定部１３による評価値の判定処理（ステップＳ３０４）、および辞書登録削除部５による辞書データベース１０２への登録処理（ステップＳ３０５）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０５）と同様である。
【００８０】
次に、キーワード評価値算出部１２は、抽出されたキーワードとその評価値との組をキーワードデータベース１１に記憶する（ステップＳ３０６）。このとき、抽出されたキーワードとその評価値との組は、そのキーワードが辞書データベース１０２に登録されたか否かにかかわらず、すべてキーワードデータベース１１に記憶されることになる。
【００８１】
次に、判定部１３は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ３０７）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ３０７でＹＥＳ）には、判定部１３は、次のキーワードについての評価値の算出処理（ステップＳ３０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ３０７でＮＯ）には、一連の動作を終了する。
【００８２】
図９は辞書作成装置２００において一旦作成された辞書データベース１０２を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って更新動作について説明する。なお、実施の形態１と同様の動作については説明を省略する。
【００８３】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ４０１）からキーワード評価値算出部１２による評価値の算出処理（ステップＳ４０３）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０３）と同様である。
【００８４】
次に、キーワード評価値算出部１２は、評価値を算出したキーワードｔについてキーワードデータベース１１を検索し、前回の処理時の評価値が記憶されているか否かを判定する（ステップＳ４０４）。この判定の結果、キーワードデータベース１１に前回の処理時の評価値が記憶されている場合（ステップＳ４０４でＹＥＳ）、キーワード評価値算出部１２は、前回の処理時の評価値をキーワードデータベース１１から読み出し、この前回の処理時の評価値と今回算出した評価値との微分値を算出する（ステップＳ４０５）。この算出された微分値は、キーワードｔについての評価値であるｉｄｆ（ｔ）が前回よりも増加していれば正の値に、減少していれば負の値になり、かつその絶対値が大きいほど、その変化量が大きいといえる。
【００８５】
なお、この微分値の算出は、今回の評価値と前回の評価値の差分（１次おくれ）に限定するものではない。例えば、今回の評価値と前々回の評価値の差分（２次おくれ）やさらにそれ以前の評価値との差分（ｎ次おくれ）であってもよいし、キーワードの評価値の変化に起因する指標であれば構わない。
【００８６】
次に、判定部１３は、算出された微分値が所定のしきい値Ｄ以上であるか否かの判定を行う（ステップＳ４０６）。この判定の結果、微分値が所定のしきい値Ｄ以上である場合（ステップＳ４０６でＹＥＳ）に、判定部１３は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に未登録であるか否かの判定を行う（ステップＳ４０７）。ここで、そのキーワードｔが辞書データベース１０２に未登録である場合（ステップＳ４０７でＹＥＳ）、判定部１３は、そのキーワードｔを辞書データベース１０２に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に追加登録する（ステップＳ４０８）。
【００８７】
一方、上記判定の結果、微分値が所定のしきい値Ｄ未満である場合（ステップＳ４０６でＮＯ）に、判定部１３は、評価値として算出された微分値が所定のしきい値Ｄ’未満であるか否かの判定を行う（ステップＳ４０９）。この判定の結果、微分値が所定のしきい値Ｄ’未満である場合（ステップＳ４０９でＹＥＳ）に、判定部１３は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に既に登録されているか否かの判定を行う（ステップＳ４１０）。ここで、そのキーワードｔが辞書データベース１０２にまだ登録されている場合（ステップＳ４１０でＹＥＳ）、判定部１３は、そのキーワードｔを辞書データベース１０２から削除するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２から削除する（ステップＳ４１１）。
【００８８】
次に、キーワード評価値算出部１２は、抽出されたキーワードとその評価値（微分値を求める前の段階の評価値）との組をキーワードデータベース１１に記憶する（ステップＳ４１２）。このとき、抽出されたキーワードとその評価値との組は、そのキーワードが辞書データベース１０２に登録されたか否か、または削除されたか否かにかかわらず、すべてキーワードデータベース１１に記憶されることになる。
【００８９】
次に、判定部１３は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ４１３）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ４１３でＹＥＳ）には、判定部１３は、次のキーワードについての評価値の算出処理（ステップＳ４０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ４１３でＮＯ）には、一連の動作を終了する。
【００９０】
また、キーワードデータベース１１に前回の処理時の評価値が記憶されているか否かの判定（ステップＳ４０４）において、キーワードデータベース１１に前回の処理時の評価値が記憶されていない場合（ステップＳ４０４でＮＯ）には、図８に示す辞書データベース１０２を作成する場合と同様に、判定部１３による評価値の判定処理（ステップＳ４１４）、および辞書登録削除部５による辞書データベース１０２への登録処理（ステップＳ４１５）の動作を行った後、キーワード評価値算出部１２によるキーワードとその評価値との組のキーワードデータベース１１への記憶処理（ステップＳ４１２）を行う。
【００９１】
図１０はキーワードの評価値の時間変化の例を示す図である。図１０において、評価値は次第に増加し、点Ｅにおいて評価値の微分値がしきい値Ｄを超え辞書データベース１０２に登録される。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいて評価値の微分値がしきい値Ｄ’を下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。
【００９２】
以上のように、テキスト情報群から抽出したキーワードの評価値に基づいてキーワードを辞書に登録しているので、テキスト検索や分類のための辞書データベース１０２を適切に作成することが可能になる。さらに、抽出したキーワードおよび評価値をキーワードデータベース５に登録し、前回の処理時の評価値が記憶されているキーワードについては、前回の処理時の評価値と今回算出した評価値との微分値に基づいて、辞書データベース１０２の更新を行っているので、テキスト情報群を構成するキーワードの出現傾向の変化が著しいキーワードについて辞書の内容を更新することが可能になる。
【００９３】
なお、本実施の形態では、辞書データベース１０２として切り出し辞書の場合について説明したが、同様の手順で不要語辞書の作成、更新も可能である。ただし、この場合、キーワードの登録、削除についての評価値の判定基準が切り出し辞書の場合と異なる。具体的には、図８に示す辞書データベース１０２を作成する際の動作における評価値の判定処理（ステップＳ１０４）では、辞書として登録すべきキーワードはしきい値Ｃよりも評価値が小さい、すなわちｉｄｆ（ｔ）＜Ｃである必要がある。また、同様に図９に示す辞書データベース１０２を更新する際の動作におけるキーワード登録時の微分値の判定処理（ステップＳ４０６）では、判定条件は微分値＜Ｄ、キーワード削除時の微分値の判定処理（ステップＳ４０９）では、判定条件は微分値＞Ｄ’である。
【００９４】
また、本実施の形態では、キーワード評価値算出部１２は、前回の処理時の評価値と今回算出した評価値との微分値を算出しているが、例えば前回の処理時の評価値と今回算出した評価値との差分値を算出しても構わない。
【００９５】
また、本実施の形態では、キーワードの評価値としてｉｄｆ値を用いた例について説明したが、テキスト情報群におけるキーワードの重要性、特異性、出現頻度等を示す指標であれば同様に実現可能である。ただし、採用した評価値の変化傾向（単調増加、単調減少）に応じて、辞書データベース１０２への登録、更新のための判定条件は適宜設定する必要がある。
【００９６】
あるいは、実施の形態１と実施の形態２とを組み合わせ、辞書へのキーワードの登録・削除の判断を、キーワードの評価値およびキーワードの評価値の変化量の双方を勘案して決定してもよい。図１１はキーワードの評価値の時間変化の例を示す図である。図１１において、評価値は次第に増加し、点Ｅにおいて評価値の微分値がしきい値Ｄを超え辞書データベース１０２に登録される。このとき、評価値の絶対値はしきい値Ｃに到達していないが、評価値が急激に増加し評価値の微分値がしきい値Ｄを超えたため辞書データベース１０２に登録をしている。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいて評価値の絶対値がしきい値Ｃを下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。このとき、点Ｇから点Ｆにかけて評価値はなだらかに減少をしており、図１０に示すような評価値の微分値による削除しきい値Ｄ‘には到達していない。しかし、なだらかな減少ではあるものの時間とともに評価値の絶対値が十分減少しているので、評価値の絶対値がしきい値Ｃを下回ったことで辞書データベース１０２から削除させる。以上のように、キーワード評価値の絶対値および微分値の両方を勘案することにより、さらに合理的なキーワード登録・削除の判断が可能になる。
【００９７】
また、例えばキーワードがテキスト情報群のどの項目（例えばジャンル、一般文等）に含まれているかによって、キーワード登録・削除の判断にキーワード評価値の絶対値を用いるか、またはキーワード評価値の微分値を用いるかを替えても構わない。これにより、効率的なキーワード登録・削除の判断が可能になる。
【００９８】
以上の例ではキーワード評価値の絶対値と微分値との組み合わせであったが、組み合わせ方はこの限りではなく、キーワードの重要性に関連する指標であれば任意のものが組み合わせ可能である。
【００９９】
（実施の形態３）
ところで、取り扱うテキスト情報には、内容に応じたカテゴリ分類が与えられている（例えば、個別のテキスト情報に対してジャンル名が付与されている）場合があり、例えばＥＰＧデータであれば、番組の内容に応じて、「ドラマ」、「映画」、「スポーツ」などジャンル名が付与されている。
【０１００】
このカテゴリ分類に対する依存性について、「主演」というキーワードを例に説明する。ここで、ＥＰＧデータが全部で５０００個あり、「主演」が出現する番組数は５０個であったとする。一方、５０００個のＥＰＧのうち、ジャンルが「映画」であるものが６０個あり、そのうちキーワード「主演」を含むものが４５個であったとする。
【０１０１】
このような場合、「主演」というキーワードはＥＰＧ全体においては多くはないが、実はそのほとんどが「映画」のジャンルの番組に出現していることになる。また、「主演」というキーワードのついた番組を選択することは、「映画」のジャンルを選択することにほぼ等しくなる。さらに、「映画」のジャンルのＥＰＧデータ群においては「主演」というキーワードは、ほとんど特徴のないキーワードであると言える。
【０１０２】
そこで、本実施の形態では、取り扱うテキスト情報に、内容に応じたカテゴリ分類が与えられている場合に、そのカテゴリ分類に対する依存性を考慮して辞書を作成する場合について説明する。
【０１０３】
本実施の形態の構成は、実施の形態１と同様であるので図１を用いて説明し、実施の形態１と同様の部分については詳細な説明を省略する。
【０１０４】
本実施の形態では、キーワード統計部２、キーワード評価値算出部３、および判定部４における動作が実施の形態１と相違する。
【０１０５】
キーワード統計部２は、入力されたテキスト情報群におけるテキスト情報の総数、抽出されたキーワードを含むテキスト情報の数、抽出されたキーワードを含むテキスト情報が属するカテゴリにおけるテキスト情報の総数、およびこのカテゴリに属する抽出されたキーワードを含むテキスト情報の数等の抽出されたキーワードの出現に関する統計量を求める。
【０１０６】
キーワード評価値算出部３は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出する。実施の形態１では、キーワード評価値算出部３は、キーワードの評価値として、入力されるテキスト情報群全体においてこのキーワードが、重要性、特異性、出現頻度等の観点でどうであるかの指標を算出していた。ｉｄｆ値はその一例であった。これに対して、本実施の形態では、キーワード評価値算出部３は、テキスト情報群のカテゴリ分類（ジャンル）に対する依存性の低い評価値を付与するために、評価値を次の式（２）を用いて算出する。
【０１０７】
評価値＝［テキスト情報群全体における評価値］／［カテゴリ依存度］ ……（２）
この［テキスト情報群全体における評価値］として、本実施の形態では式（１）で定義したｉｄｆ値を用いる。
【０１０８】
また、［カテゴリ依存度］として、テキスト情報群からカテゴリごとにｉｄｆ値を求め、それらの最小値の逆数を用いる。
【０１０９】
カテゴリごとのｉｄｆ値は、次の式（３）を用いて算出する。
【０１１０】
【数２】
ここで、あるカテゴリｊにおいて、カテゴリｊに属するテキスト情報の総数がＮｊ、キーワードｔが含まれるテキスト情報の数がｎｊ（ｔ）である。ただし、ｎｊ（ｔ）は０の場合もあるので、その時はｉｄｆｊ（ｔ）は算出しないものとする。また、テキスト情報群中に含まれるテキスト情報の総数Ｎと、カテゴリｊに属するテキスト情報の総数がＮｊとの関係は式（４）のようになる。
【０１１１】
このように求められたそれぞれのカテゴリｊにおけるキーワードｔのｉｄｆ値ｉｄｆｊ（ｔ）から、次の式（５）を用いてカテゴリ依存度ｆ（ｔ）を算出する。
【０１１２】
【数３】
判定部４は、上記のようにキーワード評価値算出部３により算出された評価値に基づいてこのキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。
【０１１３】
以上のように、あらかじめ付与されているカテゴリ分類に対して依存性の低い評価値を算出しているので、辞書データベース１０２に登録すべきキーワードについて、テキスト情報のカテゴリ分類に対する依存性の影響を減少させることが可能になる。
【０１１４】
なお、本実施の形態においては、カテゴリ依存度として、式（４）で定義されるｆ（ｔ）を用いた例を説明したが、これに限られるものではない。例えば、カテゴリごとのｉｄｆ値を式（３）に従って求め、それらの分散を求めるなども一例である。
【０１１５】
（実施の形態４）
図１２は、本発明の実施の形態４に係る辞書作成装置の構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【０１１６】
辞書作成装置４００の辞書更新部４０１は、実施の形態１の辞書更新部１０１の構成に加えて第２キーワード抽出部２１を備えている。辞書更新部４０１には２種類のテキスト情報群（第１のテキスト情報、第２のテキスト情報）が入力され、キーワード抽出部１に第１のテキスト情報が、第２キーワード抽出部２１に第２のテキスト情報が入力されている。
【０１１７】
第２キーワード抽出部２１は、キーワード抽出部１と同様に入力されたテキスト情報からキーワードを抽出する。キーワード統計部２２は、キーワードの出現に関する統計量として、入力されたテキスト情報群におけるテキスト情報の総数および抽出されたキーワードを含むテキスト情報の数を、第１のテキスト情報および第２のテキスト情報それぞれについて求める。
【０１１８】
次に、上記のように構成された辞書作成装置４００をＥＰＧ番組検索システムに組み込んだ例について、以下説明する。
【０１１９】
図１３は、本発明の実施の形態４に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【０１２０】
このＥＰＧ番組検索システムは、実施の形態１のＥＰＧ番組検索システムの構成に加えてＣＤＤＢ受信部１１０を備えている。このＣＤＤＢ受信部１１０は、発売されているＣＤに関する情報であるＣＤＤＢ情報をインターネットを介して受信する。
【０１２１】
このＥＰＧ番組検索システムでは、辞書更新部１０１にＥＰＧデータと、発売されているＣＤに関する情報であるＣＤＤＢ情報が入力される。すなわち、辞書データベース１０２を構成するキーワードはＥＰＧデータに出現したキーワードとＣＤＤＢ情報に出現したキーワードとが存在する。
【０１２２】
ＣＤＤＢ情報は、ＣＤや音楽に関する情報、具体的には最新のアルバムやアーチスト名などがいち早く開示される情報であり、この情報を用いて辞書データベース１０２を構築することにより音楽情報に関してはいち早く最新の動向を反映させることが可能となる。
【０１２３】
一方、辞書データベース１０２は、ＥＰＧデータから番組を検索、分類などをするために用いられるが、ＣＤＤＢ情報も利用してキーワードを登録しているため、まだＥＰＧ上ではあまり出てきていない最新の音楽に関する番組であっても、適切に文書ベクトルを付与することが可能であり、音楽番組に強いＥＰＧ検索が実現可能になる。
【０１２４】
以上のように、異種情報源から辞書データベース１０２を構築することにより、単一情報源だけでは不足がちなキーワードを補完したり、最新動向をいち早く反映させたりすることが可能となる。
【０１２５】
（実施の形態５）
ところで、ＥＰＧ番組検索システム等において番組情報を分類するために用いる分類辞書には、例えば図１７に示すように「映画」の分類であれば、「映画」、「洋画」、「邦画」等というように、各分類（カテゴリ）とその分類に含まれる特徴的なキーワードが記載されている。従来、このようにあらかじめ設定された分類辞書の分類情報を利用して番組表の表示形式を変更したり、番組表の内容を分類したりしている。
【０１２６】
一方、外部の情報サーバにおいては、近年、インターネットのディレクトリサービスやメールマガジンの情報、電子新聞の情報等において、ユーザが簡単に自ら必要な情報を見つけやすくするために、各情報を分類して蓄積しておくサービスがある。そこでは、例えば、図１８（ａ）に示すように「エンターテイメント」、「スポーツ」、「生活」等による分類でホームページのアドレスが分類され、さらに、「エンターテイメント」の中には「映画」、「音楽」、「芸能人」等のさらに詳細の分類されている。最下層の例えば「映画」の分類においては、「映画」に関する情報（ホームページ）についてのアドレスが蓄積されている。インターネットを利用するユーザは、これらの分類情報をたどることにより、必要な情報のアドレス（ＵＲＬ）を取得することができている。また、電子新聞等においても、例えば図１８（ｂ）に示すように「経済」、「政治」、「サイエンス」等で電子的な新聞記事が分類され、ユーザにとって必要な情報を探しやすくしている。
【０１２７】
そこで、本実施の形態では、図１７で示したような分類辞書の分類情報を、さらに、図１８で示したような他のメディアで利用されている分類情報を用いて、更新する場合について説明する。
【０１２８】
図１４は、本発明の実施の形態５に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【０１２９】
このＥＰＧ番組検索システム１１００は、分類情報取得部１１０１、分類キーワード抽出部１１０２、分類辞書更新部１１０３、利用頻度集計部１１０４、判定部１１０５、分類辞書データベース１１０６、ＥＰＧ受信部１１０７、分類部１１０８、および番組選択部１１０９を備えている。
【０１３０】
分類情報取得部１１０１は、ユーザによって指定された、すでに分類されているテキスト情報のアドレス（ＵＲＬ）からインターネットのディレクトリサービスや電子新聞等のテキスト情報を取得する。分類キーワード抽出部１１０２は、分類情報取得部１１０１で取得されたテキスト情報から分類するためのキーワードを抽出する。分類辞書更新部１１０３は、分類キーワード抽出部１１０２により取得されたキーワードを用いて分類辞書データベース１１０６で記憶されているキーワードを更新する。利用頻度集計部１１０４は、分類辞書データベース１１０６に登録されている時事的キーワードについて利用頻度を求める。判定部１１０５は、時事的キーワードが分類辞書データベース１１０６に登録されてから所定期間経過後に、計測された利用頻度に基づいて時事的キーワードを分類辞書データベース１１０６から削除するか否かを判定する。
【０１３１】
分類辞書データベース１１０６は、各分類に含まれる特徴的なキーワードを記憶しているデータベースであり、例えば図２２に示すように「分類」ごとに、あらかじめ設定されているキーワードである「定常特徴キーワード」、所定の条件により登録および削除が行われる「時事的特徴キーワード」が登録されている。ＥＰＧ受信部１１０７は、放送波またはインターネット等から番組情報を取得する。分類部１１０８は、分類辞書データベース１１０６に登録されているキーワードを用いて、ＥＰＧ受信部１１０７で取得された番組情報を分類する。番組選択部１１０９は、分類部１１０８で分類された番組情報を提示するとともに、提示された番組情報からユーザが選択した番組を受け付け、選択する。
【０１３２】
図１５は、上記ＥＰＧ番組検索システムをテレビに備えた場合のシステム構成の例を示すハードウエア構成図である。
【０１３３】
このシステムは、外部情報サーバ１２０１、この外部情報サーバ１２０１とインターネット等のネットワーク１２０４およびルータ１２０２を介して接続されるテレビ１２０３を備えている。外部情報サーバ１２０１は、ネットワーク１２０４に接続され、各分類に関する記事やホームページのアドレスを蓄積している。ルータ１２０２は、家庭内の機器を外部のネットワーク１２０４に接続する。テレビ１２０３は、上記ＥＰＧ番組検索システムを備え、放送局１２０５から出力された放送波を受信することで番組情報を取得でき、さらにルータ１２０２によって外部のインターネットコンテンツにもアクセス可能である。
【０１３４】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。
図１６はＥＰＧ番組検索システムにおいて分類辞書データベース１１０６を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、分類辞書データベース１１０６の更新動作について説明する。
【０１３５】
例えば図１９（ａ）に示すような番組表を分類する項目が表示された画面上からユーザによって、分類する項目が選択され、例えば「映画」の分類に関して、図１９（ｂ）に示すようにインターネット上のＵＲＬが設定されると、分類情報取得部１１０１は、設定されたＵＲＬから、例えば図２０（ａ）に示すような「映画」に関するテキスト情報を取得する（ステップＳ１３０１）。インターネットは即時性の高いコンテンツが掲載されるため、「映画」等の場合には、一般に公開される前の情報等も掲載されることが多い。また、例えば図２０（ｂ）に示すような「音楽」に関連するテキスト情報についても、ユーザの設定により取得することができるようになる。なお、テレビ１２０３を用いてＵＲＬを入力するのが難しい場合には、あらかじめＵＲＬの候補が設定され、ユーザがそのＵＲＬの候補を選択するインタフェースを用いてもよい。また、このＵＲＬの設定は、あらかじめテレビ１２０３を出荷するときに、行っておいてもよい。
【０１３６】
分類キーワード抽出部１１０２は、分類情報取得部１１０１により取得されたテキスト情報に対して、形態素解析や文字種によるキーワード抽出を行うことにより、代表的なキーワードを選択する（ステップＳ１３０２）。ここでは、例えば所定期間の出現数（出現頻度）が所定の閾値（例えば２０回）を超えた場合にキーワードを選択ものとする。なお、ここでのキーワードの選択手法は、これに限られるものではなく、実施の形態１等に記載した統計情報を利用することもできる。
【０１３７】
図２１は、「映画」、「音楽」に関して、特徴的なキーワードを抽出した結果の一例を示す図である。ここで抽出されたキーワードは、固有名詞が多いことが特徴的である。これらのキーワードは、分類辞書データベース１１０６にあらかじめ登録されている図１７に示されるような定常的なキーワードに含まれない場合が多い。そこで、分類辞書更新部１１０３は、定常的なキーワードに含まれていないキーワードを時事的特徴キーワードとして図２２に示すように分類辞書データベース１１０６に登録する（ステップＳ１３０３）。
【０１３８】
ＥＰＧ受信部１１０７は、例えば図２４に示すような番組に関するＥＰＧ情報を放送波またはインターネット等から取得する（ステップＳ１３０４）。
【０１３９】
番組選択部１１０９は、分類辞書データベース１１０６に登録されているキーワードが、ＥＰＧ情報として取得されたテキスト情報に含まれるか否かをチェックすることで、ＥＰＧ情報を取得した番組がどの分類に該当するかを求める（ステップＳ１３０５）。例えば、図２４に示す番組の例の場合、「メトリクス」、「カアヌ」という語句と、分類辞書データベース１１０６の「映画」の分類の時事的特徴キーワードとが一致する。このため、番組選択部１１０９は、「あつしのトレンド情報」という番組は、映画に関する番組であると判断する。このとき、図１７に示すような定常的な特徴キーワードでは、「映画」の情報として判断できないが、図２２に示すような時事的特徴キーワードが抽出されていることで、「映画」に関する番組であると判断することができるようになる。
【０１４０】
利用頻度集計部１１０４は、ＥＰＧ情報として取得されたテキスト情報に分類辞書データベース１１０６の時事的特徴キーワードが含まれていた場合、時事的特徴キーワードの利用頻度のカウントを増加させる（ステップＳ１３０６）。上記の例では、利用頻度集計部１１０４は、「メトリクス」と「カアヌ」というキーワードに関して、利用頻度を１増加させることになる。
【０１４１】
判定部１１０５は、時事的特徴キーワードの元になったテキスト情報を取得してから、すなわち時事的キーワードが分類辞書データベース１１０６に登録されてから所定期間（例えば２ヶ月）が経過したか否かを判定する（ステップＳ１３０７）。ここで、所定期間が経過していない場合（ステップＳ１３０７でＮＯ）は、さらにＥＰＧ情報を取得し、利用頻度集計部１１０４による時事的特徴キーワードの利用頻度の集計を行う（ステップＳ１３０４〜Ｓ１３０６）。すなわち、時事的特徴キーワードは、所定期間が経過するまでは分類辞書データベース１１０６に保持されることになる。なお、ここでは所定期間が経過したか否かを判定しているが、例えばＥＰＧ番組データの取得数が所定数に到達したか否かを判定したり、登録された時事的特徴キーワードの個数が所定数に到達したか否かを判定したりしてもよい。
【０１４２】
一方、所定期間が経過している場合（ステップＳ１３０７でＮＯ）には、判定部１１０５は、集計された利用頻度があらかじめ設定された削除下限閾値を下回った時事的特徴キーワードを分類辞書データベース１１０６から削除すると判定する。分類辞書更新部１１０３は、削除と判定された時事的特徴キーワードを分類辞書データベース１１０６から削除する（ステップＳ１３０８）。
【０１４３】
図２５は、時事的特徴キーワードの各期間毎の利用頻度の一例を示す図である。図２５において、「メトリクス」というキーワードは、設定されたＵＲＬのテキスト情報から取得されて時事的特徴キーワードに設定された後、頻繁にＥＰＧ情報に出現していたため、キーワードの出現頻度回数が多くなっている。一方、同時に抽出された「マシン軍団」というキーワードは、ＥＰＧ情報として利用されることが少なかったため、キーワードの出現頻度回数が少なくなっている。この例では、「メトリクス」というキーワードに関しては、削除下限閾値としてあらかじめ設定された５の値を超えているため、今後も「映画」分類の時事的特徴キーワードとして登録されたままである。一方、「マシン軍団」というキーワードに関しては、削除下限閾値としてあらかじめ設定された５の値を下回ったため、「映画」分類の時事的特徴キーワードから削除されることになる。
【０１４４】
以上の処理により、番組を分類する際に、定常的な特徴キーワードを利用すると同時に、時事的な固有名詞等の特徴キーワードをインターネットや電子新聞等のメディアから取得し、時事的特徴キーワードとして分類辞書データベース１１０６へ登録することによって、時代の変化に対応した分類辞書データベース１１０６を作成することができる。さらに、このように作成された分類辞書データベース１１０６を用いることによって、精度の高い番組の分類を実現することができる。また、この分類辞書データベース１１０６を利用して、例えば図２３に示すようにユーザは分類を選択だけで、ＥＰＧ情報からユーザが所望する番組を録画設定することが可能になる。
【０１４５】
なお、本実施の形態では、分類辞書データベース１１０６に図１７に示すような分類するための定常的な特徴キーワードがあらかじめ登録されていたが、これらのキーワードもインターネットや電子新聞等のＥＰＧ以外のメディアから自動的に構築してもよい。
【０１４６】
（実施の形態６）
ところで、インターネット上のディレクトリサービスや電子新聞の分類等、電子的なテキスト情報を分類したものが、ユーザに多く利用されている。ユーザは、自らの気に入った分類パターンを利用して、配信されてくる情報や自らが管理しなければならない情報を分類していることがある。
【０１４７】
これらの分類情報は、各サービス会社毎に異なっており、同じインターネットの分類サービスを行っているサービス会社においても、異なっている。また、新聞やメルマガ等のサービス会社とも異なっている。また、テレビ番組の電子番組の配信においても、放送局が付与した映画、ドラマ等の分類情報によって番組が分類されている。しかしながら、放送局で分類されているものは、必ずしも、ユーザが普段利用しているような分類でないことが多い。同様に、番組情報に関しても、放送局等で番組に付与されたタグ情報を用いて番組を分類していることがある。しかしながら、ユーザが普段から利用している分類とは異なる場合がある。
【０１４８】
例えば、「株価」に関するニュースが放映されたとき、番組情報の分類では「ニュース」の分類に帰属するが、インターネットの分類情報を利用すると、「経済」というカテゴリに分類されることがある。普段からインターネットの分類情報を利用しているユーザにとっては、たとえ「株価」に関するニュースの番組情報であっても、その動画を蓄積する場合には、「経済」の分類に帰属させたいものである。
【０１４９】
そこで、本実施の形態では、ユーザが普段利用している分類情報を利用して、ＥＰＧの番組情報を分類する場合について説明する。
【０１５０】
図２６は、本発明の実施の形態６に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１５１】
このＥＰＧ番組検索システム１２００は、第１の情報源の分類情報取得部１２０１、第２の情報源の分類情報取得部１２０２、分類キーワード抽出部１２０３、分類辞書更新部１２０４、第１の情報源の分類辞書データベース１２０５、第２の情報源の分類辞書データベース１２０６、分類辞書選択部１２０７、ＥＰＧ受信部１２０８、分類部１２０９、および番組選択部１２１０を備えている。
【０１５２】
第１の情報源の分類情報取得部１２０１は、ユーザによって指定された第１の情報源から分類情報を取得し、この分類情報により分類されているテキスト情報のアドレス（ＵＲＬ）からテキスト情報を取得する。第２の情報源の分類情報取得部１２０２は、ユーザによって指定された、第１の情報源とは異なる第２の情報源から分類情報を取得し、この分類情報により分類されているテキスト情報のアドレス（ＵＲＬ）からテキスト情報を取得する。分類キーワード抽出部１２０３は、第１の情報源の分類情報取得部１２０１および第２の情報源の分類情報取得部１２０２で取得されたテキスト情報から分類するためのキーワードをそれぞれ抽出する。
【０１５３】
分類辞書更新部１２０４は、第１の情報源および第２の情報源から取得された分類情報をそれぞれ第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６に登録する。さらに、分類辞書更新部１２０４は、分類キーワード抽出部１２０３により取得されたキーワードを、第１の情報源および第２の情報源から取得された分類情報に対応させて第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６に登録する。
【０１５４】
第１の情報源の分類辞書データベース１２０５は、例えば図２８（ａ）に示すように第１の情報源から取得された分類情報に基づく「分類」（分類をさらに分けたサブ分類を含む）ごとに、テキスト情報から抽出されたキーワードを記憶しているデータベースである。第２の情報源の分類辞書データベース１２０６は、例えば図２８（ｂ）に示すように第２の情報源から取得された分類情報に基づく「分類」ごとに、テキスト情報から抽出されたキーワードを記憶しているデータベースである。なお、図２８では、分類（サブ分類）に含まれるキーワードについては記載を省略している。
【０１５５】
分類辞書選択部１２０７は、ユーザによる指示を受け付け、第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６のいずれか１つを、番組情報を分類するために用いる分類辞書データベースとして選択する。
【０１５６】
ＥＰＧ受信部１２０８は、放送波またはインターネット等から番組情報を取得する。分類部１２０９は、分類辞書選択部１２０７により選択された分類辞書データベースを用いて、ＥＰＧ受信部１２０８で取得された番組情報を分類する。番組選択部１２１０は、分類部１２０９で分類された番組情報を提示するとともに、提示された番組情報からユーザが選択した番組を受け付け、選択する。
【０１５７】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、本実施の形態において、すでに分類されたテキスト情報を取得し、そのテキスト情報から分類のためのキーワードを抽出し分類辞書データベースを構築するまでの動作は、実施の形態５とほぼ同様であるため、説明を省略する。
【０１５８】
本実施の形態では、分類辞書選択部１２０７が、第１の情報源の分類情報に対応する第１の情報源の分類辞書データベース１２０５および第２の情報源の分類情報に対応する第２の情報源の分類辞書データベース１２０６のいずれの分類辞書データベースを用いて分類を行うかの指示を、例えば図２７に示すようにユーザより受け付けている。そして、分類辞書選択部１２０７は、受け付けた指示により分類に用いる分類辞書データベースを選択する。
【０１５９】
以上のように、複数の情報源の分類情報に対応する複数の分類辞書データベースを作成することによって、日常的に利用しているなどユーザにとって理解しやすい分類情報を用いて、ＥＰＧ等で提供される番組情報を分類することができ、統一的な分類で番組や情報を管理することができる。
【０１６０】
なお、本実施の形態では、図２７（ａ）に示すようにユーザによって分類辞書データベース（情報源のサイト）が選択されたが、これに限られるものではなく、分類辞書選択部１２０７が分類辞書データベースを選択してもよい。例えば、分類辞書選択部１２０７は、すでにＥＰＧの分類情報に近い分類を行っているサイトが情報源である分類辞書データベースを選択することもできるし、分類数が最も多いサイトが情報源である分類辞書データベースを選択することも可能である。
【０１６１】
また、本実施の形態では、ＥＰＧのテキスト情報を利用した番組の分類について述べたが、分類をユーザが指定することにより自動録画機能の実現にも利用することができる。これにより、従来までは、放送局から提供される分類情報でしか番組の自動録画を設定できなかったが、普段から利用しているサイトの分類情報を利用して番組を自動的に録画することができるようになる。
【０１６２】
また、本実施の形態では、分類情報を取得する情報源が２つである場合について説明したが、これに限られるものではない。例えば、情報源が３つである場合には、第３の情報源の分類情報取得部、第３の情報源の分類辞書データベースを備えればよい。この場合、この第３の情報源の分類辞書データベースには、例えば図２８（ｃ）に示すような情報が登録され、図２７（ｂ）に示すような画面からユーザによって分類辞書データベース（情報源のサイト）が選択されることになる。また、情報源が４つ以上である場合についても同様である。
【０１６３】
（実施の形態７）
情報の分類に関しては、専門的な分類を用いているサイトや一般的な分類を用いているサイト等があり、各サイトによってそれぞれの特色で分類を構築している場合が多い。ユーザは、その中から、自らの用途に応じて、適当な分類を参照し、管理すべき情報を分類していることがある。
【０１６４】
そこで、本実施の形態では、インターネット等で利用されている分類に関する情報を統合する場合について説明する。
【０１６５】
図２９は、本発明の実施の形態７に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態６と同様の部分については同じ符号を付し、詳細な説明を省略する。また、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１６６】
本実施の形態のＥＰＧ番組検索システム１３００は、実施の形態６の構成に加えて第３の情報源の分類情報取得部１３０１、第３の情報源の分類辞書データベース１３０２、および融合分類辞書データベース１３０４を、また、実施の形態６の分類辞書選択部１２０７に替えて分類辞書融合編集部１３０３を備えている。
【０１６７】
分類辞書融合編集部１３０３は、第１の情報源の分類辞書データベース１２０５に記憶されている分類情報、第２の情報源の分類辞書データベース１２０６に記憶されている分類情報、および第３の情報源の分類辞書データベース１３０２に記憶されている分類情報に基づいて、新たに編集・融合した融合分類辞書データベース１３０４を生成する。
【０１６８】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、各分類辞書データベースを構築する過程は、実施の形態５、６と同様であるため説明を省略する。
【０１６９】
ここで、第１の情報源の分類辞書データベース１２０５には例えば図３０（ａ）に示すようなディレクトリＡの分類が、第２の情報源の分類辞書データベース１２０６には例えば図３０（ｂ）に示すようなディレクトリＢの分類が、第３の情報源の分類辞書データベース１３０２には、例えば図３０（ｃ）に示すようなディレクトリＣの分類が構築されているとする。図３０に示すように、ディレクトリＡ、Ｃに関しては、一般的な分類情報が用いられており、ディレクトリＢに関しては、スポーツ関連で詳細な分類情報が用いられている。
【０１７０】
分類辞書融合編集部１３０３は、各分類情報が特徴キーワードで表現されることになるため、各分類間の階層の上下関係、同値（同意味）の関係を特徴キーワードの集合で評価する。具体的には、例えば分類Ｐ、Ｑが与えられ、それぞれの分類に対する特徴キーワードの集合をＰ、Ｑとする。このとき、Ｐ∩Ｑは分類Ｐと分類Ｑの特徴キーワードの共通集合を表現し、Ｐ∪Ｑは分類Ｐと分類Ｑの和集合を表現する。さらに、｜Ｐ｜は集合Ｐの要素の数、｜Ｐ∩Ｑ｜は集合（Ｐ∩Ｑ）の要素の数を表現する。
【０１７１】
ここで、次の式（６）および式（７）が成立するとき、図３１（ａ）に示すように分類Ｑのほとんどの特徴キーワードが分類Ｐに含まれることを示している。そこで、分類Ｐの階層の下に分類Ｑをおくことにする。例えば、「野球」の分類の特徴キーワードが「スポーツ」の分類の特徴キーワードに含まれる場合には、「スポーツ」の分類の下の階層に「野球」の分類をおくことになる。
【０１７２】
【数４】
一方、式（６）および式（８）が成立するときには、図３１（ｂ）に示すように分類Ｐの特徴キーワードと分類Ｑの特徴キーワードがほとんど同じものであることが多い。この場合、同じ意味を表現する分類として扱うこととする。例えば、図３０に示すディレクトリＡの「経済」とディレクトリＣの「ビジネス」の特徴キーワードがほぼ同じ場合には、これらの分類は同じものを示していることとなる。
【０１７３】
分類辞書融合編集部１３０３は、図３０に示すような各分類辞書データベースに対して、上記の評価を行い、階層構造を構築するとともに、同じ内容の分類を表現するものを抽出し、新たな分類階層を構築する。その結果、図３２に示すように３つの分類辞書データベースの分類情報をまとめて、１つの分類階層を構築することができるようになる。
【０１７４】
以上のように、各分類間の関係を各分類に含まれる特徴キーワードの集合で評価しているので、各分類辞書データベースの分類情報をまとめた新たな分類階層の分類辞書データベースを構築することができ、ＥＰＧの番組表を新たな観点で分類することが可能になる。
【０１７５】
なお、本実施の形態では、融合を行う分類辞書データベースが３つである場合について説明したが、これに限られるものではない。例えば、分類辞書データベースが２つであっても構わないし、４つ以上であっても構わない。
【０１７６】
（実施の形態８）
上記でも述べたように、分類に関する情報は時々刻々と変化している。例えば、話題になっている映画の情報は、年代や月によって異なるため、「映画」に関する情報を抽出するためには、その時代ごとに分類に利用されている特徴キーワードを保持しておく必要がある。また、プロ野球等の情報であれば、「星野監督」という特徴キーワードは、２０００年以降であれば、「阪神」に関する情報であるのに対して、１９９０年代であれば、「中日」に関する情報となるなど、時代に応じて特徴キーワードが異なるものがある。
【０１７７】
そこで、本実施の形態では、特徴キーワードが登録されるときに、その時刻情報も登録する場合について説明する。
【０１７８】
図３３は、本発明の実施の形態８に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態５と同様の部分については同じ符号を付し、詳細な説明を省略する。また、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１７９】
ＥＰＧ番組検索システム１４００は、実施の形態５の構成に加えてＥＰＧ蓄積部１４０３を備えている。また、分類辞書更新部１４０１における動作、および分類辞書データベース１４０２の構成が実施の形態５と相違する。
【０１８０】
分類辞書データベース１４０２は、各分類に含まれる特徴的なキーワードを記憶しているデータベースであり、例えば図３４に示すように「分類」ごとに、あらかじめ設定されているキーワードである「定常特徴キーワード」、所定の条件により登録および削除が行われる「時事的特徴キーワード」、この時事的特徴キーワードがインターネットや電子新聞等で利用されていた時期（期間）の情報である「期間」が登録されている。
【０１８１】
分類辞書更新部１４０１は、分類キーワード抽出部１１０２により取得されたキーワードを用いて分類辞書データベース１１０６に時事的特徴キーワードを登録する際に、時期（期間）の情報に対応させて時事的特徴キーワードを登録する。
【０１８２】
ＥＰＧ蓄積部１４０３は、ＥＰＧ受信部１１０７で取得された過去のＥＰＧ情報を蓄積している。
【０１８３】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、本実施の形態は、実施の形態５と同様の処理であるため、同様の部分については説明を省略する。
【０１８４】
分類部１１０８は、例えば、図３４に示すような分類辞書データベース１４０２を用いると、２００３年１１月には、「メトリクス」の映画に関する情報が多く流通していたため、その時期に放送される番組においては、「メトリクス」というキーワードが含まれていると、「映画」関連の情報であると判断することになる。一方、２００３年１０月の時点では、「メトリクス」というキーワードはなく、「ナーミネータ」というキーワードが含まれていた場合には、「映画」関連の情報と判断することになる。
【０１８５】
また、分類部１１０８は、ＥＰＧ蓄積部１４０３に蓄積されている過去に受信されたＥＰＧの番組情報を検索・分類する場合、分類辞書データベース１４０２に登録されている時事的特徴キーワードの中で、番組情報が受信された時期に対応する時事的特徴キーワードを用いて検索・分類を行う。
【０１８６】
以上のように、分類辞書データベース１４０２に時期（期間）の情報に対応させて時事的特徴キーワードを登録しているので、例えば番組が放映される時期と、その時期に使われているキーワードとを用いることにより、従来までの番組の分類に比べ精度よく分類することが可能になり、時刻（時代）に応じた分類を実現することができる。
【０１８７】
なお、本実施の形態においては、ＥＰＧ受信部１１０５で取得された過去のＥＰＧ情報を蓄積することで、分類辞書データベース１４０２に時期（期間）の情報を対応させて、時事的特徴キーワードを登録した。さらに、電子新聞の配信日時の情報を利用して、時事的キーワードと日時情報を対応付けてもよい。また、インターネットのテキスト情報を利用する場合においては、インターネットの各コンテンツのファイルの更新時期の情報や、ＨＴＭＬ内に記述されている日時の情報を利用することで、時事的キーワードと日時情報とを対応付けすることが可能である。特に、放送コンテンツや電子新聞の情報とは異なり、インターネットのコンテンツは、更新されずに残っているホームページ等が存在するため、過去に流行した時事的キーワードを取得するのに適している。
【０１８８】
また、インターネットのテキスト情報は、ホームページが削除されたり、同一のＵＲＬのコンテンツ内容が更新されたりする。そこで、あるキーワードが抽出されたホームページが、過去に公開されていたが削除された場合には、その時事的キーワードを分類辞書データベースから削除してもよい。また、その削除されたホームページの数が、所定の閾値より多くなった場合に、時事的キーワードを分類辞書データベースから削除してもよい。
【０１８９】
また、本実施の形態で説明したように、図３４に示すように時刻情報とともに、時事的キーワードを登録しておくことにより、例えば、「２００３年１１月に流行していた映画」というような検索質問により、映画情報を検索することが可能になる。これにより、年代毎に、映画情報を分類することが可能になる。映画の封切り情報を利用して年代毎に分類することも可能であるが、本実施の形態では、一般に流行したものだけにフィルタリングすることが可能になる。なお、検索するときに、定常特徴キーワードと時事的特徴キーワードとに分類されて蓄積されているため、時事的特徴キーワードに重みをつけて検索を行うことにより、より時代を反映したコンテンツを検索することが可能になる。
【０１９０】
また、本実施の形態では、時事的キーワードを期間情報とともに抽出する手法について説明した。さらに、抽出されたキーワード辞書を利用することで、ある映画情報をユーザが選択したときに、その映画が流行していた時代を、時事的キーワードから推定し、同時代に流行していた映画を検索することも可能である。
【０１９１】
図３５はこの場合の検索システムの構成を示す図である。この検索システムは、図３５に示すように、コンテンツテキスト情報入力部３２０１、分類辞書データベース３２０２、時代情報判定部３２０３、関連コンテンツ検索部３２０５、および関連情報提示部３２０６を備える例えばデジタルテレビ等の家庭内情報端末３２００が、インターネット等のネットワーク３４００を介してコンテンツテキスト情報蓄積部３３００と接続されている。
【０１９２】
具体的には、ある映画の説明情報がコンテンツテキスト情報入力部３２０１に入力されると、時代情報判定部３２０３は、分類辞書データベース３２０２に蓄積されている例えば図３４に示すような時事的特徴キーワードと比較し、どの時期のキーワードが最も多く含まれるかを計算する。その結果、例えば、２００３年１１月が選択されると、関連コンテンツ情報検索部３２０５は、その時期の時事的キーワードを利用して、さらにインターネット等の外部ネットワーク上に蓄積されたコンテンツテキスト情報蓄積部３４００に蓄積されている他の映画情報を検索する。そして、検索された結果を関連情報提示部３２０６においてユーザに提示する。これにより、同時代に流行していた映画を時刻情報が付加された分類辞書データベースを用いて検索することが可能になる。同様のことは、音楽情報や一般のニュースに関する情報についても行うことが可能になる。
【０１９３】
また、実施の形態７において、分類辞書を融合する方法について説明した。さらに、本実施の形態で述べたように、時事的キーワードの時刻情報を利用して、所定の期間の時事的キーワードを融合することにより、さらに、所定の時期に流行していた時事的キーワードを幅広く抽出することが可能になる。これにより、期間に応じて分類の階層構造が異なる場合も生じる。このように、分類辞書の時事的キーワードの内容だけでなく、分類の階層構造も時期に応じて変更することが可能である。また、実施の形態７においては、登録されたキーワードの集合間の要素の数を用いて融合編集を行っているが、さらに、登録されたキーワードが所定の期間に利用された頻度の情報を用いて融合編集を行ってもよい。これにより、あらかじめ分類されたテキスト情報による分類だけでなく、さらに、時事的キーワードが反映された融合辞書を構築することが可能になる。
【０１９４】
また、本実施の形態においては、番組に付与されたＥＰＧのテキスト情報を利用して、番組単位で分類・フィルタリングを行っている。さらに、番組に対してメタ情報が付与され、番組内の各コーナーや画像のフレーム単位で、テキスト情報が付与された場合でも、本分類手法を適用することが可能である。
【０１９５】
なお、本実施の形態では、定常特徴キーワードと時事的特徴キーワードを分類して蓄積しているが、時事的特徴キーワードのみで分類を定義してもよい。
【産業上の利用可能性】
【０１９６】
以上のように、本発明に係る辞書作成装置は、テキスト情報の検索、分類、フィルタリングなどに用いる辞書を、テキスト情報群を構成するキーワードの出現傾向に応じて、適切に作成および更新するのに有用である。また、例えばＥＰＧ番組検索システム、インターネット検索システムなどに適応が可能である。
【技術分野】
【０００１】
本発明は、テキストで記述された情報を検索、分類、またはフィルタリングするために用いる辞書を作成、更新する辞書作成装置に関する。
【背景技術】
【０００２】
近年、ハードディスクやＤＶＤ（ディジタル多用途ディスク）等が低価格化によって普及してきており、テレビ番組等の動画情報を簡単に蓄積できるようになってきている。さらに、これらハードディスクやＤＶＤの大容量化により、大量の動画コンテンツを蓄積できるようになってきている。
【０００３】
一方、テレビ番組等の電子プログラムガイドにより、各番組に関する情報がテキスト情報で取得できるようになってきた。そこで、テキスト情報を利用して、視聴者の嗜好にあった番組を蓄積したり、蓄積された番組を分類したりすることが可能になってきている。番組のテキスト情報を利用して番組の選択や、蓄積番組を分類するためには、番組ガイド情報から、どのキーワードが番組の特徴を表現しているのか、判断する必要がある。そこで、あらかじめ番組のテキスト情報から重要なキーワードを抽出したり、不要なキーワードを除外したりするために、あらかじめ辞書を構築するアプローチがとられる。
【０００４】
このような辞書として、テキスト情報を分類、検索、または抽出するにあたってどのキーワードで分類、検索または抽出するかを記述した切り出し辞書や、テキスト情報を分類、検索、または抽出するにあたって意味をなさないキーワードを除外するために、そのような不要なキーワードを集めた不要語辞書等がある。
【０００５】
切り出し辞書を作成するためには、分類や検索の対象となるテキスト情報群の多数のサンプルデータから、実際に出現するキーワードを拾い上げ、さらには対象とするテキスト情報群の分類や検索をする上で特徴的なキーワードだけを切り出し辞書として採用する。例えば、テキスト情報としてＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ：電子番組表）を対象とすると、分類や検索のために出演者名および一般名詞が有効であると考えた場合、実際のＥＰＧデータに出現する出演者名と一般名詞を抽出したものを切り出し辞書として作成する。
【０００６】
また、同様に不要語辞書の作成については、対象となるテキスト情報群のサンプルデータに出現するキーワードのうち、分類や検索に役に立たないもの、あるいはむしろその妨げにすらなるものを抽出して、それらのキーワードを不要語辞書として採用する。例えば、ほとんどのＥＰＧデータに出現するキーワードが存在した場合、そのキーワードは個別のＥＰＧデータを特徴づけることはできないので不要なキーワードであると考えることができる。
【０００７】
上記のようなアプローチとして、複数のテーマに関する辞書をあらかじめ設定しておき、そのテーマ辞書を用いて番組の分類を行ったり、検索を行ったりする番組推薦システムが提案されている（例えば、特許文献１参照。）。この番組推薦システムでは、例えば、「旅」のテーマに関しては、「旅館」、「宿」、「車窓」、「船旅」等の特徴的なキーワードを設定した辞書を利用することで、「旅」に関する番組を検索・分類することが可能になっている。さらに、ユーザからの操作情報を利用して嗜好に関するプロファイルを構築することで、そのユーザにあった番組提供を目指している。
【０００８】
また、あらかじめ設定されたテーマ（ジャンル）によって、番組表の番組の色を変化させ、ユーザにとってわかりやすく番組表示するデジタル放送受信装置が提案されている（例えば、特許文献２参照。）。
【特許文献１】特開２００２−３２０１５９号公報
【特許文献２】特開２００３−１３４４１２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００９】
しかしながら、従来の辞書作成方法では、切り出し辞書も不要語辞書もあらかじめ対象となるテキスト情報群のサンプルデータから作成する固定的なものであるため、対象となるテキスト情報群の変化に対応することができなかった。
【００１０】
例えば、政治における総理大臣の名前等は、その時代によって異なり、また、プロ野球の選手においても、トレード等により時代によってチームが異なる場合がある。また、ＥＰＧにおいて、出演者名は時代と共に変化していくものであり、辞書作成時には頻出していた出演者が数年後には全く出演しなくなったり、逆に辞書作成時には無名だった俳優が後に売れっ子になったりすることもある。さらに、大きなイベント（オリンピックなど）の時や、大事件が発生したときはそれに関連する番組が著しく増加し、出現するキーワードの傾向が大きく変わると考えられる。また、新しい放送形態の出現や放送文化の変化などによりＥＰＧの記述内容に大きな変動が見られる可能性も今後考えられる。
【００１１】
また、上記特許文献１で述べた「旅」に関しても、時代によって流行があり、各時代に応じた辞書の更新が必要な場合が多い。
【００１２】
そのため、このようなテキスト情報群の内容の変化に伴い、テキストの分類、検索、または抽出に利用するための辞書を適切なものに構築し直さねばならないという課題がある。
【００１３】
そこで、本発明は上記の事情に鑑みてなされたものであり、テキスト情報群の内容の変化に対応して、テキスト情報を分類、検索、または抽出するための辞書を最適に作成、および更新することができる辞書作成装置および辞書作成方法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】
【００１４】
上記目的を達成するため、本発明に係る辞書作成装置は、テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成装置であって、テキスト情報からキーワードを抽出するキーワード抽出手段と、前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除手段とを備えることを特徴とする。
【００１５】
これによって、テキスト情報の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。
【００１６】
また、前記辞書作成装置は、さらに、１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計手段と、前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出手段と、前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定手段とを備え、前記キーワード抽出手段は、前記テキスト情報群からキーワードを抽出し、前記辞書登録削除手段は、前記判定の結果によって前記キーワードを前記辞書に登録または削除してもよい。
【００１７】
これによって、テキスト情報群を構成するキーワードの出現傾向に応じて、効率的なキーワードが登録された辞書を適切に作成することができる。また、テキスト情報群の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。
【００１８】
ここで、前記辞書作成装置は、さらに、前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、前記キーワード評価値算出手段は、前記抽出されたキーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定してもよい。
【００１９】
これによって、前回の処理時の評価値が記憶されているキーワードについては、前回の処理時の評価値と今回算出した評価値との変化値に基づいて、辞書の更新を行っているので、テキスト情報群を構成するキーワードの出現傾向の変化が著しいキーワードについて辞書の内容を更新することが可能になる。
【００２０】
また、前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定してもよい。
【００２１】
また、前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定してもよい。
【００２２】
ｉｄｆ値は小さいほど、そのキーワードはどのテキスト情報にも出現する「めずらしくない」キーワードであり、逆に大きいほど一部のテキスト情報にしか含まれないキーワードである。よって、テキスト検索や分類等を行うのに効率的なキーワードが登録された辞書を適切に作成することが可能になる。
【００２３】
また、前記テキスト情報群は、あらかじめ所属するカテゴリの情報が付与された１つ以上のテキスト情報から構成され、前記キーワード統計手段は、前記テキスト情報群における前記カテゴリに関する統計量を求め、前記キーワード評価値算出手段は、前記抽出されたキーワードについて前記キーワードの出現に関する統計量および前記カテゴリに関する統計量に基づいて評価値を算出してもよい。
【００２４】
これによって、あらかじめ付与されているカテゴリ分類に対して依存性の低い評価値を算出でき、辞書に登録すべきキーワードについて、テキスト情報のカテゴリ分類に対する依存性の影響を減少させることが可能になる。
【００２５】
また、前記辞書にはカテゴリ毎にキーワードが登録され、前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録してもよい。
【００２６】
ここで、前記辞書には、あらかじめ前記カテゴリ毎に定常特徴キーワードが登録されており、前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードの中で、当該カテゴリの定常特徴キーワードとして登録されていないキーワードを当該カテゴリの前記時事的特徴キーワードとして前記辞書に登録してもよい。
【００２７】
これによって、時代の変化に対応した辞書、すなわち定常的な特徴キーワードとともに、例えばインターネットや電子新聞等のメディアから取得された時事的な固有名詞等の特徴キーワードを時事的特徴キーワードとして登録した辞書を作成することができる。さらに、このように作成された辞書を用いることによって、例えばＥＰＧ等で提供される番組情報を精度のよく実現することができる。
【００２８】
また、前記辞書にはカテゴリ毎にキーワードが登録され、前記辞書作成装置は、さらに、少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得手段を備え、前記辞書登録削除手段は、前記分類情報取得手段により取得された分類情報、および前記キーワード抽出手段により抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成してもよい。
【００２９】
これによって、複数の情報源の分類情報に対応する複数の辞書を作成することができる。また、日常的に利用しているなどユーザにとって理解しやすい分類情報を用いて、例えばＥＰＧ等で提供される番組情報を分類することができ、統一的な分類で番組や情報を管理することができる。
【００３０】
また、前記辞書作成装置は、さらに、前記それぞれ作成された各情報源に対応する辞書を、編集して融合する辞書融合編集手段を備えてもよい。
【００３１】
これによって、各分類辞書データベースの分類情報をまとめた新たな分類階層の辞書を構築することができる。また、このように作成された辞書を用いることによって、例えばＥＰＧの番組表を新たな観点で分類することが可能になる。
【００３２】
なお、本発明は、このような辞書作成装置として実現することができるだけでなく、このような辞書作成装置が備える特徴的な手段をステップとする辞書作成方法として実現したり、それらのステップをコンピュータに実行させるプログラムとして実現したりすることもできる。そして、そのようなプログラムは、ＣＤ−ＲＯＭ等の記録媒体やインターネット等の伝送媒体を介して配信することができるのは言うまでもない。また、本発明は、このような辞書作成装置を備えるＥＰＧ番組検索システムとして実現することもできる。
【発明の効果】
【００３３】
以上の説明から明らかなように、本発明に係る辞書作成装置および辞書作成方法によれば、テキスト情報群を構成するキーワードの出現傾向に応じて、効率的なキーワードが登録された辞書を適切に作成することができる。また、テキスト情報群の内容の変化を対応して、キーワードを辞書から適宜入れ替えることにより、辞書を常に最適な状態に保つことができる。また、このように作成された辞書を用いることによって、例えばＥＰＧ等で提供される番組情報を効率的に検索、分類、またはフィルタリングすることができる。
【図面の簡単な説明】
【００３４】
【図１】本発明の実施の形態１に係る辞書作成装置の構成を示すブロック図である。
【図２】本発明の実施の形態１に係る辞書作成装置において辞書データベースとして切り出し辞書を作成する際の動作の流れを示すフローチャートである。
【図３】（ａ）テキスト情報およびテキスト情報群を説明するための図であり、（ｂ）キーワードの出現に関する統計量を説明するための図であり、（ｃ）キーワードの評価値の一例を示す図である。
【図４】本発明の実施の形態１に係る辞書作成装置において辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図５】本発明の実施の形態１におけるキーワードの評価値の時間変化の例を示す図である。
【図６】本発明の実施の形態１に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【図７】本発明の実施の形態２に係る辞書作成装置の構成を示すブロック図である。
【図８】本発明の実施の形態２に係る辞書作成装置において辞書データベースとして切り出し辞書を作成する際の動作の流れを示すフローチャートである。
【図９】本発明の実施の形態２に係る辞書作成装置において辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図１０】本発明の実施の形態２におけるキーワードの評価値の時間変化の例を示す図である。
【図１１】本発明の実施の形態２におけるキーワードの評価値の時間変化の例を示す図である。
【図１２】本発明の実施の形態４に係る辞書作成装置の構成を示すブロック図である。
【図１３】本発明の実施の形態４に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【図１４】本発明の実施の形態５に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図１５】本発明の実施の形態５に係るＥＰＧ番組検索システムをテレビに備えた場合のシステム構成の例を示すハードウエア構成図である。
【図１６】本発明の実施の形態５に係るＥＰＧ番組検索システムにおいて分類辞書データベースを更新する際の動作の流れを示すフローチャートである。
【図１７】分類辞書データベースに記憶されているデータの一例を示す図である。
【図１８】各情報の分類例を示す図である。
【図１９】（ａ）ユーザによって分類する項目が選択される際の画面例、（ｂ）インターネット上のＵＲＬを設定した際の画面例を示す図である。
【図２０】テキスト情報の一例を示す図であり、（ａ）「映画」に関するテキスト情報の一例、（ｂ）「音楽」に関連するテキスト情報の一例である。
【図２１】テキスト情報から特徴的なキーワードを抽出した結果の一例を示す図である。
【図２２】分類辞書データベースに記憶されているデータの一例を示す図である。
【図２３】ユーザによって録画設定するための分類が選択される際の画面例を示す図である。
【図２４】ＥＰＧデータから取得した番組情報の一例を示す図である。
【図２５】時事的特徴キーワードの各期間毎の利用頻度の一例を示す図である。
【図２６】本発明の実施の形態６に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図２７】ユーザによって分類辞書データベース（情報源のサイト）が選択される際の画面例を示す図であり、（ａ）情報源が２つの場合の例、（ｂ）情報源が３つの場合の例である。
【図２８】分類辞書データベースの「分類」を示す図であり、（ａ）第１の情報源から取得された分類情報に基づく場合の例、（ｂ）第２の情報源から取得された分類情報に基づく場合の例、（ｃ）第３の情報源から取得された分類情報に基づく場合の例である。
【図２９】本発明の実施の形態７に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図３０】分類辞書データベースに記憶されているデータの一例を示す図であり、（ａ）第１の情報源から取得された分類情報に基づく場合の例、（ｂ）第２の情報源から取得された分類情報に基づく場合の例、（ｃ）第３の情報源から取得された分類情報に基づく場合の例である。
【図３１】２つの分類に含まれる特徴キーワードの集合関係を示す概略図であり、（ａ）一方の分類のほとんどの特徴キーワードが他方の分類に含まれる場合、（ｂ）２つの分類に含まれる特徴キーワードがほとんど同じの場合である。
【図３２】３つの分類辞書データベースの分類情報をまとめて、１つの分類辞書データベースに融合する際の分類の一例を示す図である。
【図３３】本発明の実施の形態８に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【図３４】分類辞書データベースに記憶されているデータの一例を示す図である。
【図３５】本発明の実施の形態８における変形例の検索システムの構成を示す図である。
【符号の説明】
【００３５】
１ キーワード抽出部
２、２２ キーワード統計部
３、１２ キーワード評価値算出部
４、１３ 判定部
５ 辞書登録削除部
１１ キーワードデータベース
２１ 第２キーワード抽出部
１００、２００ ４００ 辞書作成装置
１０１、２０１ ４０１ 辞書更新部
１０２ 辞書データベース
１０３ ＥＰＧ受信部
１０４ ＥＰＧ記憶部
１０５ ＥＰＧ選択部
１０６ 文書ベクトル作成部
１０７ 検索条件取得部
１０８ 文書評定値算出部
１０９ 検索結果出力部
１１０ ＣＤＤＢ受信部
１１００、１２００、１３００、１４００ ＥＰＧ番組検索システム
１１０１ 分類情報取得部
１１０２ 分類キーワード抽出部
１１０３ 分類辞書更新部
１１０４ 利用頻度集計部
１１０５ 判定部
１１０６、１４０２ 分類辞書データベース
１１０７、１２０８ ＥＰＧ受信部
１１０８、１２０９ 分類部
１１０９、１２１０ 番組選択部
１２０１ 第１の情報源の分類情報取得部
１２０２ 第２の情報源の分類情報取得部
１２０３ 分類キーワード抽出部
１２０４、１４０１ 分類辞書更新部
１２０５ 第１の情報源の分類辞書データベース
１２０６ 第２の情報源の分類辞書データベース
１２０７ 分類辞書選択部
１３０１ 第３の情報源の分類情報取得部
１３０２ 第３の情報源の分類辞書データベース
１３０３ 分類辞書融合編集部
１３０４ 融合分類辞書データベース
１４０３ ＥＰＧ蓄積部
【発明を実施するための最良の形態】
【００３６】
以下、本発明の各実施の形態について、それぞれ図面を参照しながら説明する。
（実施の形態１）
図１は、本発明の実施の形態１に係る辞書作成装置の構成を示すブロック図である。
【００３７】
辞書作成装置１００は、テキストで記述された情報を検索、分類、またはフィルタリング等を行うために用いられる辞書（辞書データベース）を作成するための装置であり、入力されたテキスト情報群から、辞書データベースに登録すべきキーワード（単語）を抽出し登録する辞書更新部１０１、および辞書データベース１０２を備えている。辞書データベース１０２は、その用途によって、切り出し辞書として用いられる場合と、不要語辞書として用いられる場合とがある。
【００３８】
まず、これらの辞書の用いられ方の例について説明する。
例えば、テキスト情報群がテレビ番組等に関する情報であるとすれば、視聴者が以前に見た番組のテキスト情報より特徴的なキーワードを抽出して視聴者の嗜好を表すプロファイル等を作成する際に、キーワード抽出用またはキーワード除外用の辞書として用いられる。また、これから放送される番組のテキスト情報より番組の特徴を表すキーワードを抽出する際に、キーワード抽出用またはキーワード除外用の辞書として用いられる。
【００３９】
また、例えばこれから放送される番組の中から視聴者の嗜好にあった番組を推薦するような場合に、上記のように作成されたプロファイルに基づいて、これから放送される番組の特徴を表すキーワードを検索することによって、視聴者の嗜好にあった番組を特定することができる。同様に、例えばＨＤＤ（ハードディスクドライブ）レコーダ等に大量に蓄積された番組から視聴者の嗜好にあった番組を特定することも可能である。
【００４０】
また、番組のテキスト情報を利用して、例えば「経済」、「スポーツ」、「生活」等のカテゴリに番組を分類する際に、カテゴリごとにそのカテゴリの特徴を表すキーワードが登録された分類辞書として用いられる。
【００４１】
辞書更新部１０１は、キーワード抽出部１、キーワード統計部２、キーワード評価値算出部３、判定部４、辞書登録削除部５を備えている。
【００４２】
キーワード抽出部１は、入力されたテキスト情報からキーワードを抽出する。キーワード統計部２は、例えば入力されたテキスト情報群におけるテキスト情報の総数および抽出されたキーワードを含むテキスト情報の数等の抽出されたキーワードの出現に関する統計量を求める。キーワード評価値算出部３は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出する。判定部４は、キーワード評価値算出部３により算出された評価値に基づいてこのキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。辞書登録削除部５は、判定部４が行った判定の結果によってこのキーワードを辞書データベース１０２に登録または辞書データベース１０２から削除する。
【００４３】
次に、上記のように構成された辞書作成装置１００の動作について説明する。
図２は辞書作成装置１００において辞書データベース１０２として切り出し辞書を作成する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、切り出し辞書の作成動作について説明する。
【００４４】
辞書更新部１０１に例えば図３（ａ）に示すように１つ以上のテキスト情報から構成されるテキスト情報群Ｂが入力されると、キーワード抽出部１は、テキスト情報群の中の全てのテキスト情報からキーワードの抽出を行う（ステップＳ１０１）。ここでのキーワード抽出は、汎用的な形態素解析、文字種（漢字、ひらがな、カタカナなど）の変わり目を端点とした切り出しルールによるものなど、一般に利用される方法で行えばよい。
【００４５】
このとき、キーワード統計部２は、キーワード抽出部１により抽出されたキーワードの出現に関する統計量を求め、キーワード評価値算出部３へ通知する（ステップＳ１０２）。ここでは、キーワード統計部２は、入力されたテキスト情報群Ｂにおけるテキスト情報Ａの総数、および例えば図３（ｂ）に示すように抽出されたキーワードを含むテキスト情報の数を求める。
【００４６】
次に、キーワード評価値算出部３は、キーワード統計部２より通知されたキーワードの出現に関する統計量に基づいて、キーワード抽出部１により抽出されたキーワードについて、例えば図３（ｃ）に示すように評価値を算出する（ステップＳ１０３）。ここで、キーワード評価値算出部３は、評価値としてｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値を算出する。キーワードｔについてのｉｄｆ値ｉｄｆ（ｔ）は、次の式（１）に示すようにテキスト情報群中に含まれるテキスト情報の総数Ｎと、Ｎ個のテキスト情報のうち、キーワードｔを含んでいるテキストの数ｎ（ｔ）とから求められる。
【００４７】
【数１】
ｉｄｆ値は、キーワードｔがＮ個のテキスト情報群の全てのテキスト情報に出現する場合に１となり、キーワードｔが出現するテキスト数ｎ（ｔ）の減少に伴い単調増加する傾向がある。すなわち、このｉｄｆ値が小さいほど、キーワードｔはどのテキスト情報にも出現する「めずらしくない」キーワードであり、逆に大きいほど一部のテキスト情報にしか含まれないキーワードであると言える。
【００４８】
次に、判定部４は、評価値として算出されたｉｄｆ値が所定のしきい値Ｃ以上であるか否かの判定を行う（ステップＳ１０４）。ここで、所定のしきい値Ｃ以上であるキーワードを、切り出し辞書を構成するキーワードとして採用するものとしている。この切り出し辞書は、テキスト情報の検索や分類に利用するためのものであるから、テキスト情報群中に偏りを持って存在しており、テキスト情報群における個別のテキスト情報について相対的な特徴を表現しているキーワードから構成されている必要がある。したがって、ｉｄｆ（ｔ）がある一定の値以上という判断基準を採用している。
【００４９】
よって、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ以上である場合（ステップＳ１０４でＹＥＳ）に、判定部４は、そのキーワードｔを辞書データベース１０２（本実施の形態では切り出し辞書）に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に登録する（ステップＳ１０５）。一方、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ未満である場合（ステップＳ１０４でＮＯ）に、判定部４は、そのキーワードｔを辞書データベース１０２に登録するものする辞書登録削除部５への通知は行わない。
【００５０】
次に、判定部４は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ１０６）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ１０６でＹＥＳ）には、判定部４は、次のキーワードについての評価値の算出処理（ステップＳ１０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ１０６でＮＯ）には、一連の動作を終了する。
【００５１】
以上のように、テキスト情報群から抽出したキーワードの評価値に基づいてキーワードを辞書に登録しているので、テキスト検索や分類等を行うのに効率的なキーワードが登録された辞書データベース１０２を適切に作成することが可能になる。
【００５２】
図４は辞書作成装置１００において一旦作成された辞書データベース１０２を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って更新動作について説明する。なお、図２に示す辞書データベース１０２を作成する場合と同様の動作については説明を省略する。
【００５３】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ２０１）から判定部４による評価値の判定処理（ステップＳ２０４）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０４）と同様である。
【００５４】
次に、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ以上である場合（ステップＳ２０４でＹＥＳ）に、判定部４は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に未登録であるか否かの判定を行う（ステップＳ２０５）。ここで、そのキーワードｔが辞書データベース１０２に未登録である場合（ステップＳ２０５でＹＥＳ）、判定部４は、そのキーワードｔを辞書データベース１０２に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に追加登録する（ステップＳ２０６）。
【００５５】
一方、上記判定の結果、ｉｄｆ値が所定のしきい値Ｃ未満である場合（ステップＳ２０４でＮＯ）に、判定部４は、評価値として算出されたｉｄｆ値が所定のしきい値Ｃ’未満であるか否かの判定を行う（ステップＳ２０７）。この判定の結果、ｉｄｆ値が所定のしきい値Ｃ’未満である場合（ステップＳ２０７でＹＥＳ）に、判定部４は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に既に登録されているか否かの判定を行う（ステップＳ２０８）。ここで、そのキーワードｔが辞書データベース１０２にまだ登録されている場合（ステップＳ２０８でＹＥＳ）、判定部４は、そのキーワードｔを辞書データベース１０２から削除するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２から削除する（ステップＳ２０９）。
【００５６】
次に、判定部４は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ２１０）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ２１０でＹＥＳ）には、判定部４は、次のキーワードについての評価値の算出処理（ステップＳ２０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ２１０でＮＯ）に、一連の動作を終了する。
【００５７】
図５はキーワードの評価値の時間変化の例を示す図である。図５において、評価値は次第に増加し、点Ｅにおいて評価値がしきい値Ｃを超え辞書データベース１０２に登録される。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいてしきい値Ｃを下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。
【００５８】
以上のように、テキスト情報群を構成するキーワードの出現傾向に応じて、既に存在している辞書データベース１０２の内容を更新しているので、テキスト情報群の内容の変化に伴った最適な辞書を構築することができる。
【００５９】
なお、図４に示す辞書データベース１０２を更新する際の動作において、キーワード登録の時のしきい値Ｃとキーワード削除の時のしきい値Ｃ’との関係は、Ｃ＝Ｃ’であってもＣ＞Ｃ’であっても構わない。特に後者の場合、キーワード登録の基準よりも削除の規準のほうが低いので、一旦登録されたキーワードが削除されにくくなる傾向がある。これにより、キーワードの一時的な出現傾向の変動により評価値が下がった場合でも、頻繁に登録削除を繰り返すのではなく安定した内容の辞書を維持することが可能になる。
【００６０】
また、本実施の形態では、辞書データベース１０２として切り出し辞書の場合について説明したが、同様の手順で不要語辞書の作成、更新も可能である。ただし、この場合、キーワードの登録、削除についての評価値の判定基準が切り出し辞書の場合と異なる。具体的には、図２に示す辞書データベース１０２を作成する際の動作における評価値の判定処理（ステップＳ１０４）では、辞書として登録すべきキーワードはしきい値Ｃよりも評価値が小さい、すなわちｉｄｆ（ｔ）＜Ｃである必要がある。また、同様に図４に示す辞書データベース１０２を更新する際の動作におけるキーワード登録時の評価値の判定処理（ステップＳ２０４）では、判定条件はｉｄｆ（ｔ）＜Ｃ、キーワード削除時の評価値の判定処理（ステップＳ２０７）では、判定条件はｉｄｆ（ｔ）＞Ｃ’である。
【００６１】
これによって、テキスト情報の検索、分類には役立たないような、個別のテキスト情報の特徴を表すことができないキーワードを登録しておく必要がある不要語辞書に対して、ｉｄｆ値が小さい値であり、どのテキスト情報にも出現する特徴のないキーワードを登録することができる。
【００６２】
また、本実施の形態では、キーワードの評価値としてｉｄｆ値を用いた例について説明したが、テキスト情報群におけるキーワードの重要性、特異性、出現頻度等を示す指標であれば同様に実現可能である。ただし、採用した評価値の変化傾向（単調増加、単調減少）に応じて、辞書データベース１０２への登録、更新のための判定条件は適宜設定する必要がある。
【００６３】
例えば、キーワードのテキスト情報群における出現頻度（ｔｆ値）とｉｄｆ値を掛け合わせたｔｆ・ｉｄｆ値は、キーワードのテキスト情報群における出現の偏り（珍しさ）と出現頻度の双方を勘案した指標であり、これをキーワード評価値として用いることも可能である。あるいは、単に出現頻度をキーワード評価値として用いてもよい。
【００６４】
次に、上記のように構成された辞書作成装置１００をＥＰＧ番組検索システムに組み込んだ例について、以下説明する。
【００６５】
図６は、本発明の実施の形態１に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。
【００６６】
このＥＰＧ番組検索システムは、放送波から受信するＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索条件によって検索するシステムであり、辞書更新部１０１、辞書データベース１０２、ＥＰＧ受信部１０３、ＥＰＧ記憶部１０４、ＥＰＧ選択部１０５、文書ベクトル作成部１０６、検索条件取得部１０７、文書評定値算出部１０８、および検索結果出力部１０９を備えている。
【００６７】
ＥＰＧ受信部１０３は、放送波からＥＰＧデータを受信しデコードする。ＥＰＧ記憶部１０４は、ＥＰＧ受信部１０３で受信されたＥＰＧデータを記憶する。ＥＰＧ選択部１０５は、ＥＰＧ記憶部１０４に記憶しているＥＰＧデータを選択する。文書ベクトル作成部１０６は、ＥＰＧ選択部１０５で選択されたＥＰＧデータから辞書データベース１０２を用いてキーワードと重みの組からなる文書ベクトルを作成する。検索条件取得部１０７は、ユーザによって入力されるＥＰＧデータに対する検索条件をキーワードと重みの組からなるベクトル形式で取得する。文書評定値算出部１０８は、検索条件取得部１０７で取得された検索条件と、ＥＰＧ記憶部１０４に記憶されているＥＰＧデータの文書ベクトルとの余弦を取って評定値を算出し、その評定値に基づいてＥＰＧデータを選択する。検索結果出力部１０９は、文書評定値算出部１０８で算出された評定値、またはその評定値に基づいて選択されたＥＰＧデータを出力する。
【００６８】
以上のように、このような構成のＥＰＧ番組検索システムによれば、検索条件取得部１０７において取得された１つ以上のベクトル形式の検索条件により、辞書データベース１０２を用いて文書ベクトル化されたＥＰＧデータに対する評定値を求め、評定値の高い順に出力することにより、ユーザ指定の検索条件に合った順にＥＰＧデータを検索することが可能となる。
【００６９】
また、さらに辞書データベース１０２は辞書更新部１０１によって更新されるため、番組改編による放映番組の大幅な変更、大イベントや大事件による番組傾向の変動、さらには将来の放送スタイルの変化などによるＥＰＧ記述内容の大幅な変更などに柔軟に対応して、ＥＰＧデータの検索、分類などに適切な辞書データベース１０２を維持することが可能となる。
【００７０】
なお、本実施の形態では、検索条件取得部１０７はユーザによって入力される検索条件を取得するとしているが、これに限られるものではない。例えば、検索条件取得部１０７は、ユーザが視聴した番組のＥＰＧデータなどから生成された検索条件のベクトルを取得するように構成すると、ユーザからの明示的な検索条件の指定を受けずに、視聴傾向にあった番組を検索して提示する、いわゆる「おすすめ番組提示」の機能が実現可能となる。
【００７１】
また、現在テレビ放送は、地上波放送、ＢＳ放送、ＣＳ放送など複数の放送波により提供されており、それぞれの放送波において放送されている番組の中身や出演者など傾向は異なっている。したがって、辞書の作成や更新に当たっては放送波ごとにＥＰＧデータを分割したものをテキスト情報群として用いても構わないし、さらに細分化して放送局ごとに分割してもよい。
【００７２】
また、同様に時間帯ごとでＥＰＧを分割したものをテキスト情報群とし、時間帯別で辞書を作成・更新してもよい。例えば、放送時間帯を、朝、昼間、夕方、ゴールデン、深夜などに分割し、それぞれの時間帯で辞書を作成する。こうすることにより、例えば、全時間帯通してみればあまり出現しないが、午前中には頻出するキーワードなどに対して、時間帯ごとに異なる辞書として反映することが可能となる。
【００７３】
（実施の形態２）
図７は、本発明の実施の形態２に係る辞書作成装置の構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【００７４】
辞書作成装置２００の辞書更新部２０１は、実施の形態１の辞書更新部１０１の構成に加えてキーワードデータベース１１を備えている。
【００７５】
キーワード評価値算出部１２は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出し、キーワードとその評価値を判定部１３に通知するとともに、キーワードデータベース１１に記憶する。
【００７６】
判定部１３は、キーワード評価値算出部１２により新たに算出された評価値とキーワードデータベース１１に記憶されている評価値との変化量に基づいて、このキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。
【００７７】
キーワードデータベース１１は、辞書データベース１０２に登録されているか否かに関係なく、辞書データベース１０２への前回のキーワード登録・更新時において、キーワード抽出部１で抽出されたすべてのキーワードとその評価値を記憶している。
【００７８】
次に、上記のように構成された辞書作成装置２００の動作について説明する。
図８は辞書作成装置２００において辞書データベース１０２として切り出し辞書を作成する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、切り出し辞書の作成動作について説明する。なお、実施の形態１と同様の動作については説明を省略する。
【００７９】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ３０１）から判定部１３による評価値の判定処理（ステップＳ３０４）、および辞書登録削除部５による辞書データベース１０２への登録処理（ステップＳ３０５）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０５）と同様である。
【００８０】
次に、キーワード評価値算出部１２は、抽出されたキーワードとその評価値との組をキーワードデータベース１１に記憶する（ステップＳ３０６）。このとき、抽出されたキーワードとその評価値との組は、そのキーワードが辞書データベース１０２に登録されたか否かにかかわらず、すべてキーワードデータベース１１に記憶されることになる。
【００８１】
次に、判定部１３は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ３０７）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ３０７でＹＥＳ）には、判定部１３は、次のキーワードについての評価値の算出処理（ステップＳ３０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ３０７でＮＯ）には、一連の動作を終了する。
【００８２】
図９は辞書作成装置２００において一旦作成された辞書データベース１０２を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って更新動作について説明する。なお、実施の形態１と同様の動作については説明を省略する。
【００８３】
まず、キーワード抽出部１によるキーワードの抽出処理（ステップＳ４０１）からキーワード評価値算出部１２による評価値の算出処理（ステップＳ４０３）については、図２に示す辞書データベース１０２を作成する場合（ステップＳ１０１〜ステップＳ１０３）と同様である。
【００８４】
次に、キーワード評価値算出部１２は、評価値を算出したキーワードｔについてキーワードデータベース１１を検索し、前回の処理時の評価値が記憶されているか否かを判定する（ステップＳ４０４）。この判定の結果、キーワードデータベース１１に前回の処理時の評価値が記憶されている場合（ステップＳ４０４でＹＥＳ）、キーワード評価値算出部１２は、前回の処理時の評価値をキーワードデータベース１１から読み出し、この前回の処理時の評価値と今回算出した評価値との微分値を算出する（ステップＳ４０５）。この算出された微分値は、キーワードｔについての評価値であるｉｄｆ（ｔ）が前回よりも増加していれば正の値に、減少していれば負の値になり、かつその絶対値が大きいほど、その変化量が大きいといえる。
【００８５】
なお、この微分値の算出は、今回の評価値と前回の評価値の差分（１次おくれ）に限定するものではない。例えば、今回の評価値と前々回の評価値の差分（２次おくれ）やさらにそれ以前の評価値との差分（ｎ次おくれ）であってもよいし、キーワードの評価値の変化に起因する指標であれば構わない。
【００８６】
次に、判定部１３は、算出された微分値が所定のしきい値Ｄ以上であるか否かの判定を行う（ステップＳ４０６）。この判定の結果、微分値が所定のしきい値Ｄ以上である場合（ステップＳ４０６でＹＥＳ）に、判定部１３は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に未登録であるか否かの判定を行う（ステップＳ４０７）。ここで、そのキーワードｔが辞書データベース１０２に未登録である場合（ステップＳ４０７でＹＥＳ）、判定部１３は、そのキーワードｔを辞書データベース１０２に登録するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２に追加登録する（ステップＳ４０８）。
【００８７】
一方、上記判定の結果、微分値が所定のしきい値Ｄ未満である場合（ステップＳ４０６でＮＯ）に、判定部１３は、評価値として算出された微分値が所定のしきい値Ｄ’未満であるか否かの判定を行う（ステップＳ４０９）。この判定の結果、微分値が所定のしきい値Ｄ’未満である場合（ステップＳ４０９でＹＥＳ）に、判定部１３は辞書データベース１０２を検索し、そのキーワードｔが辞書データベース１０２に既に登録されているか否かの判定を行う（ステップＳ４１０）。ここで、そのキーワードｔが辞書データベース１０２にまだ登録されている場合（ステップＳ４１０でＹＥＳ）、判定部１３は、そのキーワードｔを辞書データベース１０２から削除するものとして、辞書登録削除部５へ通知する。辞書登録削除部５は、そのキーワードｔを辞書データベース１０２から削除する（ステップＳ４１１）。
【００８８】
次に、キーワード評価値算出部１２は、抽出されたキーワードとその評価値（微分値を求める前の段階の評価値）との組をキーワードデータベース１１に記憶する（ステップＳ４１２）。このとき、抽出されたキーワードとその評価値との組は、そのキーワードが辞書データベース１０２に登録されたか否か、または削除されたか否かにかかわらず、すべてキーワードデータベース１１に記憶されることになる。
【００８９】
次に、判定部１３は、まだ評価を行っていないキーワードが存在するか否かの判定を行う（ステップＳ４１３）。この判定の結果、まだ評価を行っていないキーワードが存在する場合（ステップＳ４１３でＹＥＳ）には、判定部１３は、次のキーワードについての評価値の算出処理（ステップＳ４０３）を行う。一方、評価を行っていないキーワードが存在しない場合、すなわちキーワード抽出部１により抽出されたすべてのキーワードについてそれぞれ処理を終えた場合（ステップＳ４１３でＮＯ）には、一連の動作を終了する。
【００９０】
また、キーワードデータベース１１に前回の処理時の評価値が記憶されているか否かの判定（ステップＳ４０４）において、キーワードデータベース１１に前回の処理時の評価値が記憶されていない場合（ステップＳ４０４でＮＯ）には、図８に示す辞書データベース１０２を作成する場合と同様に、判定部１３による評価値の判定処理（ステップＳ４１４）、および辞書登録削除部５による辞書データベース１０２への登録処理（ステップＳ４１５）の動作を行った後、キーワード評価値算出部１２によるキーワードとその評価値との組のキーワードデータベース１１への記憶処理（ステップＳ４１２）を行う。
【００９１】
図１０はキーワードの評価値の時間変化の例を示す図である。図１０において、評価値は次第に増加し、点Ｅにおいて評価値の微分値がしきい値Ｄを超え辞書データベース１０２に登録される。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいて評価値の微分値がしきい値Ｄ’を下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。
【００９２】
以上のように、テキスト情報群から抽出したキーワードの評価値に基づいてキーワードを辞書に登録しているので、テキスト検索や分類のための辞書データベース１０２を適切に作成することが可能になる。さらに、抽出したキーワードおよび評価値をキーワードデータベース５に登録し、前回の処理時の評価値が記憶されているキーワードについては、前回の処理時の評価値と今回算出した評価値との微分値に基づいて、辞書データベース１０２の更新を行っているので、テキスト情報群を構成するキーワードの出現傾向の変化が著しいキーワードについて辞書の内容を更新することが可能になる。
【００９３】
なお、本実施の形態では、辞書データベース１０２として切り出し辞書の場合について説明したが、同様の手順で不要語辞書の作成、更新も可能である。ただし、この場合、キーワードの登録、削除についての評価値の判定基準が切り出し辞書の場合と異なる。具体的には、図８に示す辞書データベース１０２を作成する際の動作における評価値の判定処理（ステップＳ１０４）では、辞書として登録すべきキーワードはしきい値Ｃよりも評価値が小さい、すなわちｉｄｆ（ｔ）＜Ｃである必要がある。また、同様に図９に示す辞書データベース１０２を更新する際の動作におけるキーワード登録時の微分値の判定処理（ステップＳ４０６）では、判定条件は微分値＜Ｄ、キーワード削除時の微分値の判定処理（ステップＳ４０９）では、判定条件は微分値＞Ｄ’である。
【００９４】
また、本実施の形態では、キーワード評価値算出部１２は、前回の処理時の評価値と今回算出した評価値との微分値を算出しているが、例えば前回の処理時の評価値と今回算出した評価値との差分値を算出しても構わない。
【００９５】
また、本実施の形態では、キーワードの評価値としてｉｄｆ値を用いた例について説明したが、テキスト情報群におけるキーワードの重要性、特異性、出現頻度等を示す指標であれば同様に実現可能である。ただし、採用した評価値の変化傾向（単調増加、単調減少）に応じて、辞書データベース１０２への登録、更新のための判定条件は適宜設定する必要がある。
【００９６】
あるいは、実施の形態１と実施の形態２とを組み合わせ、辞書へのキーワードの登録・削除の判断を、キーワードの評価値およびキーワードの評価値の変化量の双方を勘案して決定してもよい。図１１はキーワードの評価値の時間変化の例を示す図である。図１１において、評価値は次第に増加し、点Ｅにおいて評価値の微分値がしきい値Ｄを超え辞書データベース１０２に登録される。このとき、評価値の絶対値はしきい値Ｃに到達していないが、評価値が急激に増加し評価値の微分値がしきい値Ｄを超えたため辞書データベース１０２に登録をしている。その後、評価値は増加し続けるが、点Ｇを境に減少傾向に転じ、ついに点Ｆにおいて評価値の絶対値がしきい値Ｃを下回る。よってこの点Ｆにおいてこのキーワードは辞書データベース１０２から削除される。このとき、点Ｇから点Ｆにかけて評価値はなだらかに減少をしており、図１０に示すような評価値の微分値による削除しきい値Ｄ‘には到達していない。しかし、なだらかな減少ではあるものの時間とともに評価値の絶対値が十分減少しているので、評価値の絶対値がしきい値Ｃを下回ったことで辞書データベース１０２から削除させる。以上のように、キーワード評価値の絶対値および微分値の両方を勘案することにより、さらに合理的なキーワード登録・削除の判断が可能になる。
【００９７】
また、例えばキーワードがテキスト情報群のどの項目（例えばジャンル、一般文等）に含まれているかによって、キーワード登録・削除の判断にキーワード評価値の絶対値を用いるか、またはキーワード評価値の微分値を用いるかを替えても構わない。これにより、効率的なキーワード登録・削除の判断が可能になる。
【００９８】
以上の例ではキーワード評価値の絶対値と微分値との組み合わせであったが、組み合わせ方はこの限りではなく、キーワードの重要性に関連する指標であれば任意のものが組み合わせ可能である。
【００９９】
（実施の形態３）
ところで、取り扱うテキスト情報には、内容に応じたカテゴリ分類が与えられている（例えば、個別のテキスト情報に対してジャンル名が付与されている）場合があり、例えばＥＰＧデータであれば、番組の内容に応じて、「ドラマ」、「映画」、「スポーツ」などジャンル名が付与されている。
【０１００】
このカテゴリ分類に対する依存性について、「主演」というキーワードを例に説明する。ここで、ＥＰＧデータが全部で５０００個あり、「主演」が出現する番組数は５０個であったとする。一方、５０００個のＥＰＧのうち、ジャンルが「映画」であるものが６０個あり、そのうちキーワード「主演」を含むものが４５個であったとする。
【０１０１】
このような場合、「主演」というキーワードはＥＰＧ全体においては多くはないが、実はそのほとんどが「映画」のジャンルの番組に出現していることになる。また、「主演」というキーワードのついた番組を選択することは、「映画」のジャンルを選択することにほぼ等しくなる。さらに、「映画」のジャンルのＥＰＧデータ群においては「主演」というキーワードは、ほとんど特徴のないキーワードであると言える。
【０１０２】
そこで、本実施の形態では、取り扱うテキスト情報に、内容に応じたカテゴリ分類が与えられている場合に、そのカテゴリ分類に対する依存性を考慮して辞書を作成する場合について説明する。
【０１０３】
本実施の形態の構成は、実施の形態１と同様であるので図１を用いて説明し、実施の形態１と同様の部分については詳細な説明を省略する。
【０１０４】
本実施の形態では、キーワード統計部２、キーワード評価値算出部３、および判定部４における動作が実施の形態１と相違する。
【０１０５】
キーワード統計部２は、入力されたテキスト情報群におけるテキスト情報の総数、抽出されたキーワードを含むテキスト情報の数、抽出されたキーワードを含むテキスト情報が属するカテゴリにおけるテキスト情報の総数、およびこのカテゴリに属する抽出されたキーワードを含むテキスト情報の数等の抽出されたキーワードの出現に関する統計量を求める。
【０１０６】
キーワード評価値算出部３は、キーワード統計部２により求められたキーワードの出現に関する統計量に基づいて抽出されたキーワードの評価値を算出する。実施の形態１では、キーワード評価値算出部３は、キーワードの評価値として、入力されるテキスト情報群全体においてこのキーワードが、重要性、特異性、出現頻度等の観点でどうであるかの指標を算出していた。ｉｄｆ値はその一例であった。これに対して、本実施の形態では、キーワード評価値算出部３は、テキスト情報群のカテゴリ分類（ジャンル）に対する依存性の低い評価値を付与するために、評価値を次の式（２）を用いて算出する。
【０１０７】
評価値＝［テキスト情報群全体における評価値］／［カテゴリ依存度］ ……（２）
この［テキスト情報群全体における評価値］として、本実施の形態では式（１）で定義したｉｄｆ値を用いる。
【０１０８】
また、［カテゴリ依存度］として、テキスト情報群からカテゴリごとにｉｄｆ値を求め、それらの最小値の逆数を用いる。
【０１０９】
カテゴリごとのｉｄｆ値は、次の式（３）を用いて算出する。
【０１１０】
【数２】
ここで、あるカテゴリｊにおいて、カテゴリｊに属するテキスト情報の総数がＮｊ、キーワードｔが含まれるテキスト情報の数がｎｊ（ｔ）である。ただし、ｎｊ（ｔ）は０の場合もあるので、その時はｉｄｆｊ（ｔ）は算出しないものとする。また、テキスト情報群中に含まれるテキスト情報の総数Ｎと、カテゴリｊに属するテキスト情報の総数がＮｊとの関係は式（４）のようになる。
【０１１１】
このように求められたそれぞれのカテゴリｊにおけるキーワードｔのｉｄｆ値ｉｄｆｊ（ｔ）から、次の式（５）を用いてカテゴリ依存度ｆ（ｔ）を算出する。
【０１１２】
【数３】
判定部４は、上記のようにキーワード評価値算出部３により算出された評価値に基づいてこのキーワードを辞書データベース１０２に登録するか否か、または辞書データベース１０２から削除するか否かを判定する。
【０１１３】
以上のように、あらかじめ付与されているカテゴリ分類に対して依存性の低い評価値を算出しているので、辞書データベース１０２に登録すべきキーワードについて、テキスト情報のカテゴリ分類に対する依存性の影響を減少させることが可能になる。
【０１１４】
なお、本実施の形態においては、カテゴリ依存度として、式（４）で定義されるｆ（ｔ）を用いた例を説明したが、これに限られるものではない。例えば、カテゴリごとのｉｄｆ値を式（３）に従って求め、それらの分散を求めるなども一例である。
【０１１５】
（実施の形態４）
図１２は、本発明の実施の形態４に係る辞書作成装置の構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【０１１６】
辞書作成装置４００の辞書更新部４０１は、実施の形態１の辞書更新部１０１の構成に加えて第２キーワード抽出部２１を備えている。辞書更新部４０１には２種類のテキスト情報群（第１のテキスト情報、第２のテキスト情報）が入力され、キーワード抽出部１に第１のテキスト情報が、第２キーワード抽出部２１に第２のテキスト情報が入力されている。
【０１１７】
第２キーワード抽出部２１は、キーワード抽出部１と同様に入力されたテキスト情報からキーワードを抽出する。キーワード統計部２２は、キーワードの出現に関する統計量として、入力されたテキスト情報群におけるテキスト情報の総数および抽出されたキーワードを含むテキスト情報の数を、第１のテキスト情報および第２のテキスト情報それぞれについて求める。
【０１１８】
次に、上記のように構成された辞書作成装置４００をＥＰＧ番組検索システムに組み込んだ例について、以下説明する。
【０１１９】
図１３は、本発明の実施の形態４に係る辞書作成装置を備えたＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態１と同様の部分については同じ符号を付し、詳細な説明を省略する。
【０１２０】
このＥＰＧ番組検索システムは、実施の形態１のＥＰＧ番組検索システムの構成に加えてＣＤＤＢ受信部１１０を備えている。このＣＤＤＢ受信部１１０は、発売されているＣＤに関する情報であるＣＤＤＢ情報をインターネットを介して受信する。
【０１２１】
このＥＰＧ番組検索システムでは、辞書更新部１０１にＥＰＧデータと、発売されているＣＤに関する情報であるＣＤＤＢ情報が入力される。すなわち、辞書データベース１０２を構成するキーワードはＥＰＧデータに出現したキーワードとＣＤＤＢ情報に出現したキーワードとが存在する。
【０１２２】
ＣＤＤＢ情報は、ＣＤや音楽に関する情報、具体的には最新のアルバムやアーチスト名などがいち早く開示される情報であり、この情報を用いて辞書データベース１０２を構築することにより音楽情報に関してはいち早く最新の動向を反映させることが可能となる。
【０１２３】
一方、辞書データベース１０２は、ＥＰＧデータから番組を検索、分類などをするために用いられるが、ＣＤＤＢ情報も利用してキーワードを登録しているため、まだＥＰＧ上ではあまり出てきていない最新の音楽に関する番組であっても、適切に文書ベクトルを付与することが可能であり、音楽番組に強いＥＰＧ検索が実現可能になる。
【０１２４】
以上のように、異種情報源から辞書データベース１０２を構築することにより、単一情報源だけでは不足がちなキーワードを補完したり、最新動向をいち早く反映させたりすることが可能となる。
【０１２５】
（実施の形態５）
ところで、ＥＰＧ番組検索システム等において番組情報を分類するために用いる分類辞書には、例えば図１７に示すように「映画」の分類であれば、「映画」、「洋画」、「邦画」等というように、各分類（カテゴリ）とその分類に含まれる特徴的なキーワードが記載されている。従来、このようにあらかじめ設定された分類辞書の分類情報を利用して番組表の表示形式を変更したり、番組表の内容を分類したりしている。
【０１２６】
一方、外部の情報サーバにおいては、近年、インターネットのディレクトリサービスやメールマガジンの情報、電子新聞の情報等において、ユーザが簡単に自ら必要な情報を見つけやすくするために、各情報を分類して蓄積しておくサービスがある。そこでは、例えば、図１８（ａ）に示すように「エンターテイメント」、「スポーツ」、「生活」等による分類でホームページのアドレスが分類され、さらに、「エンターテイメント」の中には「映画」、「音楽」、「芸能人」等のさらに詳細の分類されている。最下層の例えば「映画」の分類においては、「映画」に関する情報（ホームページ）についてのアドレスが蓄積されている。インターネットを利用するユーザは、これらの分類情報をたどることにより、必要な情報のアドレス（ＵＲＬ）を取得することができている。また、電子新聞等においても、例えば図１８（ｂ）に示すように「経済」、「政治」、「サイエンス」等で電子的な新聞記事が分類され、ユーザにとって必要な情報を探しやすくしている。
【０１２７】
そこで、本実施の形態では、図１７で示したような分類辞書の分類情報を、さらに、図１８で示したような他のメディアで利用されている分類情報を用いて、更新する場合について説明する。
【０１２８】
図１４は、本発明の実施の形態５に係るＥＰＧ番組検索システムの構成を示すブロック図である。
【０１２９】
このＥＰＧ番組検索システム１１００は、分類情報取得部１１０１、分類キーワード抽出部１１０２、分類辞書更新部１１０３、利用頻度集計部１１０４、判定部１１０５、分類辞書データベース１１０６、ＥＰＧ受信部１１０７、分類部１１０８、および番組選択部１１０９を備えている。
【０１３０】
分類情報取得部１１０１は、ユーザによって指定された、すでに分類されているテキスト情報のアドレス（ＵＲＬ）からインターネットのディレクトリサービスや電子新聞等のテキスト情報を取得する。分類キーワード抽出部１１０２は、分類情報取得部１１０１で取得されたテキスト情報から分類するためのキーワードを抽出する。分類辞書更新部１１０３は、分類キーワード抽出部１１０２により取得されたキーワードを用いて分類辞書データベース１１０６で記憶されているキーワードを更新する。利用頻度集計部１１０４は、分類辞書データベース１１０６に登録されている時事的キーワードについて利用頻度を求める。判定部１１０５は、時事的キーワードが分類辞書データベース１１０６に登録されてから所定期間経過後に、計測された利用頻度に基づいて時事的キーワードを分類辞書データベース１１０６から削除するか否かを判定する。
【０１３１】
分類辞書データベース１１０６は、各分類に含まれる特徴的なキーワードを記憶しているデータベースであり、例えば図２２に示すように「分類」ごとに、あらかじめ設定されているキーワードである「定常特徴キーワード」、所定の条件により登録および削除が行われる「時事的特徴キーワード」が登録されている。ＥＰＧ受信部１１０７は、放送波またはインターネット等から番組情報を取得する。分類部１１０８は、分類辞書データベース１１０６に登録されているキーワードを用いて、ＥＰＧ受信部１１０７で取得された番組情報を分類する。番組選択部１１０９は、分類部１１０８で分類された番組情報を提示するとともに、提示された番組情報からユーザが選択した番組を受け付け、選択する。
【０１３２】
図１５は、上記ＥＰＧ番組検索システムをテレビに備えた場合のシステム構成の例を示すハードウエア構成図である。
【０１３３】
このシステムは、外部情報サーバ１２０１、この外部情報サーバ１２０１とインターネット等のネットワーク１２０４およびルータ１２０２を介して接続されるテレビ１２０３を備えている。外部情報サーバ１２０１は、ネットワーク１２０４に接続され、各分類に関する記事やホームページのアドレスを蓄積している。ルータ１２０２は、家庭内の機器を外部のネットワーク１２０４に接続する。テレビ１２０３は、上記ＥＰＧ番組検索システムを備え、放送局１２０５から出力された放送波を受信することで番組情報を取得でき、さらにルータ１２０２によって外部のインターネットコンテンツにもアクセス可能である。
【０１３４】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。
図１６はＥＰＧ番組検索システムにおいて分類辞書データベース１１０６を更新する際の動作の流れを示すフローチャートであり、以下このフローチャートに従って、分類辞書データベース１１０６の更新動作について説明する。
【０１３５】
例えば図１９（ａ）に示すような番組表を分類する項目が表示された画面上からユーザによって、分類する項目が選択され、例えば「映画」の分類に関して、図１９（ｂ）に示すようにインターネット上のＵＲＬが設定されると、分類情報取得部１１０１は、設定されたＵＲＬから、例えば図２０（ａ）に示すような「映画」に関するテキスト情報を取得する（ステップＳ１３０１）。インターネットは即時性の高いコンテンツが掲載されるため、「映画」等の場合には、一般に公開される前の情報等も掲載されることが多い。また、例えば図２０（ｂ）に示すような「音楽」に関連するテキスト情報についても、ユーザの設定により取得することができるようになる。なお、テレビ１２０３を用いてＵＲＬを入力するのが難しい場合には、あらかじめＵＲＬの候補が設定され、ユーザがそのＵＲＬの候補を選択するインタフェースを用いてもよい。また、このＵＲＬの設定は、あらかじめテレビ１２０３を出荷するときに、行っておいてもよい。
【０１３６】
分類キーワード抽出部１１０２は、分類情報取得部１１０１により取得されたテキスト情報に対して、形態素解析や文字種によるキーワード抽出を行うことにより、代表的なキーワードを選択する（ステップＳ１３０２）。ここでは、例えば所定期間の出現数（出現頻度）が所定の閾値（例えば２０回）を超えた場合にキーワードを選択ものとする。なお、ここでのキーワードの選択手法は、これに限られるものではなく、実施の形態１等に記載した統計情報を利用することもできる。
【０１３７】
図２１は、「映画」、「音楽」に関して、特徴的なキーワードを抽出した結果の一例を示す図である。ここで抽出されたキーワードは、固有名詞が多いことが特徴的である。これらのキーワードは、分類辞書データベース１１０６にあらかじめ登録されている図１７に示されるような定常的なキーワードに含まれない場合が多い。そこで、分類辞書更新部１１０３は、定常的なキーワードに含まれていないキーワードを時事的特徴キーワードとして図２２に示すように分類辞書データベース１１０６に登録する（ステップＳ１３０３）。
【０１３８】
ＥＰＧ受信部１１０７は、例えば図２４に示すような番組に関するＥＰＧ情報を放送波またはインターネット等から取得する（ステップＳ１３０４）。
【０１３９】
番組選択部１１０９は、分類辞書データベース１１０６に登録されているキーワードが、ＥＰＧ情報として取得されたテキスト情報に含まれるか否かをチェックすることで、ＥＰＧ情報を取得した番組がどの分類に該当するかを求める（ステップＳ１３０５）。例えば、図２４に示す番組の例の場合、「メトリクス」、「カアヌ」という語句と、分類辞書データベース１１０６の「映画」の分類の時事的特徴キーワードとが一致する。このため、番組選択部１１０９は、「あつしのトレンド情報」という番組は、映画に関する番組であると判断する。このとき、図１７に示すような定常的な特徴キーワードでは、「映画」の情報として判断できないが、図２２に示すような時事的特徴キーワードが抽出されていることで、「映画」に関する番組であると判断することができるようになる。
【０１４０】
利用頻度集計部１１０４は、ＥＰＧ情報として取得されたテキスト情報に分類辞書データベース１１０６の時事的特徴キーワードが含まれていた場合、時事的特徴キーワードの利用頻度のカウントを増加させる（ステップＳ１３０６）。上記の例では、利用頻度集計部１１０４は、「メトリクス」と「カアヌ」というキーワードに関して、利用頻度を１増加させることになる。
【０１４１】
判定部１１０５は、時事的特徴キーワードの元になったテキスト情報を取得してから、すなわち時事的キーワードが分類辞書データベース１１０６に登録されてから所定期間（例えば２ヶ月）が経過したか否かを判定する（ステップＳ１３０７）。ここで、所定期間が経過していない場合（ステップＳ１３０７でＮＯ）は、さらにＥＰＧ情報を取得し、利用頻度集計部１１０４による時事的特徴キーワードの利用頻度の集計を行う（ステップＳ１３０４〜Ｓ１３０６）。すなわち、時事的特徴キーワードは、所定期間が経過するまでは分類辞書データベース１１０６に保持されることになる。なお、ここでは所定期間が経過したか否かを判定しているが、例えばＥＰＧ番組データの取得数が所定数に到達したか否かを判定したり、登録された時事的特徴キーワードの個数が所定数に到達したか否かを判定したりしてもよい。
【０１４２】
一方、所定期間が経過している場合（ステップＳ１３０７でＮＯ）には、判定部１１０５は、集計された利用頻度があらかじめ設定された削除下限閾値を下回った時事的特徴キーワードを分類辞書データベース１１０６から削除すると判定する。分類辞書更新部１１０３は、削除と判定された時事的特徴キーワードを分類辞書データベース１１０６から削除する（ステップＳ１３０８）。
【０１４３】
図２５は、時事的特徴キーワードの各期間毎の利用頻度の一例を示す図である。図２５において、「メトリクス」というキーワードは、設定されたＵＲＬのテキスト情報から取得されて時事的特徴キーワードに設定された後、頻繁にＥＰＧ情報に出現していたため、キーワードの出現頻度回数が多くなっている。一方、同時に抽出された「マシン軍団」というキーワードは、ＥＰＧ情報として利用されることが少なかったため、キーワードの出現頻度回数が少なくなっている。この例では、「メトリクス」というキーワードに関しては、削除下限閾値としてあらかじめ設定された５の値を超えているため、今後も「映画」分類の時事的特徴キーワードとして登録されたままである。一方、「マシン軍団」というキーワードに関しては、削除下限閾値としてあらかじめ設定された５の値を下回ったため、「映画」分類の時事的特徴キーワードから削除されることになる。
【０１４４】
以上の処理により、番組を分類する際に、定常的な特徴キーワードを利用すると同時に、時事的な固有名詞等の特徴キーワードをインターネットや電子新聞等のメディアから取得し、時事的特徴キーワードとして分類辞書データベース１１０６へ登録することによって、時代の変化に対応した分類辞書データベース１１０６を作成することができる。さらに、このように作成された分類辞書データベース１１０６を用いることによって、精度の高い番組の分類を実現することができる。また、この分類辞書データベース１１０６を利用して、例えば図２３に示すようにユーザは分類を選択だけで、ＥＰＧ情報からユーザが所望する番組を録画設定することが可能になる。
【０１４５】
なお、本実施の形態では、分類辞書データベース１１０６に図１７に示すような分類するための定常的な特徴キーワードがあらかじめ登録されていたが、これらのキーワードもインターネットや電子新聞等のＥＰＧ以外のメディアから自動的に構築してもよい。
【０１４６】
（実施の形態６）
ところで、インターネット上のディレクトリサービスや電子新聞の分類等、電子的なテキスト情報を分類したものが、ユーザに多く利用されている。ユーザは、自らの気に入った分類パターンを利用して、配信されてくる情報や自らが管理しなければならない情報を分類していることがある。
【０１４７】
これらの分類情報は、各サービス会社毎に異なっており、同じインターネットの分類サービスを行っているサービス会社においても、異なっている。また、新聞やメルマガ等のサービス会社とも異なっている。また、テレビ番組の電子番組の配信においても、放送局が付与した映画、ドラマ等の分類情報によって番組が分類されている。しかしながら、放送局で分類されているものは、必ずしも、ユーザが普段利用しているような分類でないことが多い。同様に、番組情報に関しても、放送局等で番組に付与されたタグ情報を用いて番組を分類していることがある。しかしながら、ユーザが普段から利用している分類とは異なる場合がある。
【０１４８】
例えば、「株価」に関するニュースが放映されたとき、番組情報の分類では「ニュース」の分類に帰属するが、インターネットの分類情報を利用すると、「経済」というカテゴリに分類されることがある。普段からインターネットの分類情報を利用しているユーザにとっては、たとえ「株価」に関するニュースの番組情報であっても、その動画を蓄積する場合には、「経済」の分類に帰属させたいものである。
【０１４９】
そこで、本実施の形態では、ユーザが普段利用している分類情報を利用して、ＥＰＧの番組情報を分類する場合について説明する。
【０１５０】
図２６は、本発明の実施の形態６に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１５１】
このＥＰＧ番組検索システム１２００は、第１の情報源の分類情報取得部１２０１、第２の情報源の分類情報取得部１２０２、分類キーワード抽出部１２０３、分類辞書更新部１２０４、第１の情報源の分類辞書データベース１２０５、第２の情報源の分類辞書データベース１２０６、分類辞書選択部１２０７、ＥＰＧ受信部１２０８、分類部１２０９、および番組選択部１２１０を備えている。
【０１５２】
第１の情報源の分類情報取得部１２０１は、ユーザによって指定された第１の情報源から分類情報を取得し、この分類情報により分類されているテキスト情報のアドレス（ＵＲＬ）からテキスト情報を取得する。第２の情報源の分類情報取得部１２０２は、ユーザによって指定された、第１の情報源とは異なる第２の情報源から分類情報を取得し、この分類情報により分類されているテキスト情報のアドレス（ＵＲＬ）からテキスト情報を取得する。分類キーワード抽出部１２０３は、第１の情報源の分類情報取得部１２０１および第２の情報源の分類情報取得部１２０２で取得されたテキスト情報から分類するためのキーワードをそれぞれ抽出する。
【０１５３】
分類辞書更新部１２０４は、第１の情報源および第２の情報源から取得された分類情報をそれぞれ第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６に登録する。さらに、分類辞書更新部１２０４は、分類キーワード抽出部１２０３により取得されたキーワードを、第１の情報源および第２の情報源から取得された分類情報に対応させて第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６に登録する。
【０１５４】
第１の情報源の分類辞書データベース１２０５は、例えば図２８（ａ）に示すように第１の情報源から取得された分類情報に基づく「分類」（分類をさらに分けたサブ分類を含む）ごとに、テキスト情報から抽出されたキーワードを記憶しているデータベースである。第２の情報源の分類辞書データベース１２０６は、例えば図２８（ｂ）に示すように第２の情報源から取得された分類情報に基づく「分類」ごとに、テキスト情報から抽出されたキーワードを記憶しているデータベースである。なお、図２８では、分類（サブ分類）に含まれるキーワードについては記載を省略している。
【０１５５】
分類辞書選択部１２０７は、ユーザによる指示を受け付け、第１の情報源の分類辞書データベース１２０５および第２の情報源の分類辞書データベース１２０６のいずれか１つを、番組情報を分類するために用いる分類辞書データベースとして選択する。
【０１５６】
ＥＰＧ受信部１２０８は、放送波またはインターネット等から番組情報を取得する。分類部１２０９は、分類辞書選択部１２０７により選択された分類辞書データベースを用いて、ＥＰＧ受信部１２０８で取得された番組情報を分類する。番組選択部１２１０は、分類部１２０９で分類された番組情報を提示するとともに、提示された番組情報からユーザが選択した番組を受け付け、選択する。
【０１５７】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、本実施の形態において、すでに分類されたテキスト情報を取得し、そのテキスト情報から分類のためのキーワードを抽出し分類辞書データベースを構築するまでの動作は、実施の形態５とほぼ同様であるため、説明を省略する。
【０１５８】
本実施の形態では、分類辞書選択部１２０７が、第１の情報源の分類情報に対応する第１の情報源の分類辞書データベース１２０５および第２の情報源の分類情報に対応する第２の情報源の分類辞書データベース１２０６のいずれの分類辞書データベースを用いて分類を行うかの指示を、例えば図２７に示すようにユーザより受け付けている。そして、分類辞書選択部１２０７は、受け付けた指示により分類に用いる分類辞書データベースを選択する。
【０１５９】
以上のように、複数の情報源の分類情報に対応する複数の分類辞書データベースを作成することによって、日常的に利用しているなどユーザにとって理解しやすい分類情報を用いて、ＥＰＧ等で提供される番組情報を分類することができ、統一的な分類で番組や情報を管理することができる。
【０１６０】
なお、本実施の形態では、図２７（ａ）に示すようにユーザによって分類辞書データベース（情報源のサイト）が選択されたが、これに限られるものではなく、分類辞書選択部１２０７が分類辞書データベースを選択してもよい。例えば、分類辞書選択部１２０７は、すでにＥＰＧの分類情報に近い分類を行っているサイトが情報源である分類辞書データベースを選択することもできるし、分類数が最も多いサイトが情報源である分類辞書データベースを選択することも可能である。
【０１６１】
また、本実施の形態では、ＥＰＧのテキスト情報を利用した番組の分類について述べたが、分類をユーザが指定することにより自動録画機能の実現にも利用することができる。これにより、従来までは、放送局から提供される分類情報でしか番組の自動録画を設定できなかったが、普段から利用しているサイトの分類情報を利用して番組を自動的に録画することができるようになる。
【０１６２】
また、本実施の形態では、分類情報を取得する情報源が２つである場合について説明したが、これに限られるものではない。例えば、情報源が３つである場合には、第３の情報源の分類情報取得部、第３の情報源の分類辞書データベースを備えればよい。この場合、この第３の情報源の分類辞書データベースには、例えば図２８（ｃ）に示すような情報が登録され、図２７（ｂ）に示すような画面からユーザによって分類辞書データベース（情報源のサイト）が選択されることになる。また、情報源が４つ以上である場合についても同様である。
【０１６３】
（実施の形態７）
情報の分類に関しては、専門的な分類を用いているサイトや一般的な分類を用いているサイト等があり、各サイトによってそれぞれの特色で分類を構築している場合が多い。ユーザは、その中から、自らの用途に応じて、適当な分類を参照し、管理すべき情報を分類していることがある。
【０１６４】
そこで、本実施の形態では、インターネット等で利用されている分類に関する情報を統合する場合について説明する。
【０１６５】
図２９は、本発明の実施の形態７に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態６と同様の部分については同じ符号を付し、詳細な説明を省略する。また、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１６６】
本実施の形態のＥＰＧ番組検索システム１３００は、実施の形態６の構成に加えて第３の情報源の分類情報取得部１３０１、第３の情報源の分類辞書データベース１３０２、および融合分類辞書データベース１３０４を、また、実施の形態６の分類辞書選択部１２０７に替えて分類辞書融合編集部１３０３を備えている。
【０１６７】
分類辞書融合編集部１３０３は、第１の情報源の分類辞書データベース１２０５に記憶されている分類情報、第２の情報源の分類辞書データベース１２０６に記憶されている分類情報、および第３の情報源の分類辞書データベース１３０２に記憶されている分類情報に基づいて、新たに編集・融合した融合分類辞書データベース１３０４を生成する。
【０１６８】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、各分類辞書データベースを構築する過程は、実施の形態５、６と同様であるため説明を省略する。
【０１６９】
ここで、第１の情報源の分類辞書データベース１２０５には例えば図３０（ａ）に示すようなディレクトリＡの分類が、第２の情報源の分類辞書データベース１２０６には例えば図３０（ｂ）に示すようなディレクトリＢの分類が、第３の情報源の分類辞書データベース１３０２には、例えば図３０（ｃ）に示すようなディレクトリＣの分類が構築されているとする。図３０に示すように、ディレクトリＡ、Ｃに関しては、一般的な分類情報が用いられており、ディレクトリＢに関しては、スポーツ関連で詳細な分類情報が用いられている。
【０１７０】
分類辞書融合編集部１３０３は、各分類情報が特徴キーワードで表現されることになるため、各分類間の階層の上下関係、同値（同意味）の関係を特徴キーワードの集合で評価する。具体的には、例えば分類Ｐ、Ｑが与えられ、それぞれの分類に対する特徴キーワードの集合をＰ、Ｑとする。このとき、Ｐ∩Ｑは分類Ｐと分類Ｑの特徴キーワードの共通集合を表現し、Ｐ∪Ｑは分類Ｐと分類Ｑの和集合を表現する。さらに、｜Ｐ｜は集合Ｐの要素の数、｜Ｐ∩Ｑ｜は集合（Ｐ∩Ｑ）の要素の数を表現する。
【０１７１】
ここで、次の式（６）および式（７）が成立するとき、図３１（ａ）に示すように分類Ｑのほとんどの特徴キーワードが分類Ｐに含まれることを示している。そこで、分類Ｐの階層の下に分類Ｑをおくことにする。例えば、「野球」の分類の特徴キーワードが「スポーツ」の分類の特徴キーワードに含まれる場合には、「スポーツ」の分類の下の階層に「野球」の分類をおくことになる。
【０１７２】
【数４】
一方、式（６）および式（８）が成立するときには、図３１（ｂ）に示すように分類Ｐの特徴キーワードと分類Ｑの特徴キーワードがほとんど同じものであることが多い。この場合、同じ意味を表現する分類として扱うこととする。例えば、図３０に示すディレクトリＡの「経済」とディレクトリＣの「ビジネス」の特徴キーワードがほぼ同じ場合には、これらの分類は同じものを示していることとなる。
【０１７３】
分類辞書融合編集部１３０３は、図３０に示すような各分類辞書データベースに対して、上記の評価を行い、階層構造を構築するとともに、同じ内容の分類を表現するものを抽出し、新たな分類階層を構築する。その結果、図３２に示すように３つの分類辞書データベースの分類情報をまとめて、１つの分類階層を構築することができるようになる。
【０１７４】
以上のように、各分類間の関係を各分類に含まれる特徴キーワードの集合で評価しているので、各分類辞書データベースの分類情報をまとめた新たな分類階層の分類辞書データベースを構築することができ、ＥＰＧの番組表を新たな観点で分類することが可能になる。
【０１７５】
なお、本実施の形態では、融合を行う分類辞書データベースが３つである場合について説明したが、これに限られるものではない。例えば、分類辞書データベースが２つであっても構わないし、４つ以上であっても構わない。
【０１７６】
（実施の形態８）
上記でも述べたように、分類に関する情報は時々刻々と変化している。例えば、話題になっている映画の情報は、年代や月によって異なるため、「映画」に関する情報を抽出するためには、その時代ごとに分類に利用されている特徴キーワードを保持しておく必要がある。また、プロ野球等の情報であれば、「星野監督」という特徴キーワードは、２０００年以降であれば、「阪神」に関する情報であるのに対して、１９９０年代であれば、「中日」に関する情報となるなど、時代に応じて特徴キーワードが異なるものがある。
【０１７７】
そこで、本実施の形態では、特徴キーワードが登録されるときに、その時刻情報も登録する場合について説明する。
【０１７８】
図３３は、本発明の実施の形態８に係るＥＰＧ番組検索システムの構成を示すブロック図である。なお、実施の形態５と同様の部分については同じ符号を付し、詳細な説明を省略する。また、本実施の形態のハードウエア構成は、実施の形態５の図１５に示すハードウエア構成と同様であるため説明を省略する。
【０１７９】
ＥＰＧ番組検索システム１４００は、実施の形態５の構成に加えてＥＰＧ蓄積部１４０３を備えている。また、分類辞書更新部１４０１における動作、および分類辞書データベース１４０２の構成が実施の形態５と相違する。
【０１８０】
分類辞書データベース１４０２は、各分類に含まれる特徴的なキーワードを記憶しているデータベースであり、例えば図３４に示すように「分類」ごとに、あらかじめ設定されているキーワードである「定常特徴キーワード」、所定の条件により登録および削除が行われる「時事的特徴キーワード」、この時事的特徴キーワードがインターネットや電子新聞等で利用されていた時期（期間）の情報である「期間」が登録されている。
【０１８１】
分類辞書更新部１４０１は、分類キーワード抽出部１１０２により取得されたキーワードを用いて分類辞書データベース１１０６に時事的特徴キーワードを登録する際に、時期（期間）の情報に対応させて時事的特徴キーワードを登録する。
【０１８２】
ＥＰＧ蓄積部１４０３は、ＥＰＧ受信部１１０７で取得された過去のＥＰＧ情報を蓄積している。
【０１８３】
次に、上記のように構成されたＥＰＧ番組検索システムの動作について説明する。なお、本実施の形態は、実施の形態５と同様の処理であるため、同様の部分については説明を省略する。
【０１８４】
分類部１１０８は、例えば、図３４に示すような分類辞書データベース１４０２を用いると、２００３年１１月には、「メトリクス」の映画に関する情報が多く流通していたため、その時期に放送される番組においては、「メトリクス」というキーワードが含まれていると、「映画」関連の情報であると判断することになる。一方、２００３年１０月の時点では、「メトリクス」というキーワードはなく、「ナーミネータ」というキーワードが含まれていた場合には、「映画」関連の情報と判断することになる。
【０１８５】
また、分類部１１０８は、ＥＰＧ蓄積部１４０３に蓄積されている過去に受信されたＥＰＧの番組情報を検索・分類する場合、分類辞書データベース１４０２に登録されている時事的特徴キーワードの中で、番組情報が受信された時期に対応する時事的特徴キーワードを用いて検索・分類を行う。
【０１８６】
以上のように、分類辞書データベース１４０２に時期（期間）の情報に対応させて時事的特徴キーワードを登録しているので、例えば番組が放映される時期と、その時期に使われているキーワードとを用いることにより、従来までの番組の分類に比べ精度よく分類することが可能になり、時刻（時代）に応じた分類を実現することができる。
【０１８７】
なお、本実施の形態においては、ＥＰＧ受信部１１０５で取得された過去のＥＰＧ情報を蓄積することで、分類辞書データベース１４０２に時期（期間）の情報を対応させて、時事的特徴キーワードを登録した。さらに、電子新聞の配信日時の情報を利用して、時事的キーワードと日時情報を対応付けてもよい。また、インターネットのテキスト情報を利用する場合においては、インターネットの各コンテンツのファイルの更新時期の情報や、ＨＴＭＬ内に記述されている日時の情報を利用することで、時事的キーワードと日時情報とを対応付けすることが可能である。特に、放送コンテンツや電子新聞の情報とは異なり、インターネットのコンテンツは、更新されずに残っているホームページ等が存在するため、過去に流行した時事的キーワードを取得するのに適している。
【０１８８】
また、インターネットのテキスト情報は、ホームページが削除されたり、同一のＵＲＬのコンテンツ内容が更新されたりする。そこで、あるキーワードが抽出されたホームページが、過去に公開されていたが削除された場合には、その時事的キーワードを分類辞書データベースから削除してもよい。また、その削除されたホームページの数が、所定の閾値より多くなった場合に、時事的キーワードを分類辞書データベースから削除してもよい。
【０１８９】
また、本実施の形態で説明したように、図３４に示すように時刻情報とともに、時事的キーワードを登録しておくことにより、例えば、「２００３年１１月に流行していた映画」というような検索質問により、映画情報を検索することが可能になる。これにより、年代毎に、映画情報を分類することが可能になる。映画の封切り情報を利用して年代毎に分類することも可能であるが、本実施の形態では、一般に流行したものだけにフィルタリングすることが可能になる。なお、検索するときに、定常特徴キーワードと時事的特徴キーワードとに分類されて蓄積されているため、時事的特徴キーワードに重みをつけて検索を行うことにより、より時代を反映したコンテンツを検索することが可能になる。
【０１９０】
また、本実施の形態では、時事的キーワードを期間情報とともに抽出する手法について説明した。さらに、抽出されたキーワード辞書を利用することで、ある映画情報をユーザが選択したときに、その映画が流行していた時代を、時事的キーワードから推定し、同時代に流行していた映画を検索することも可能である。
【０１９１】
図３５はこの場合の検索システムの構成を示す図である。この検索システムは、図３５に示すように、コンテンツテキスト情報入力部３２０１、分類辞書データベース３２０２、時代情報判定部３２０３、関連コンテンツ検索部３２０５、および関連情報提示部３２０６を備える例えばデジタルテレビ等の家庭内情報端末３２００が、インターネット等のネットワーク３４００を介してコンテンツテキスト情報蓄積部３３００と接続されている。
【０１９２】
具体的には、ある映画の説明情報がコンテンツテキスト情報入力部３２０１に入力されると、時代情報判定部３２０３は、分類辞書データベース３２０２に蓄積されている例えば図３４に示すような時事的特徴キーワードと比較し、どの時期のキーワードが最も多く含まれるかを計算する。その結果、例えば、２００３年１１月が選択されると、関連コンテンツ情報検索部３２０５は、その時期の時事的キーワードを利用して、さらにインターネット等の外部ネットワーク上に蓄積されたコンテンツテキスト情報蓄積部３４００に蓄積されている他の映画情報を検索する。そして、検索された結果を関連情報提示部３２０６においてユーザに提示する。これにより、同時代に流行していた映画を時刻情報が付加された分類辞書データベースを用いて検索することが可能になる。同様のことは、音楽情報や一般のニュースに関する情報についても行うことが可能になる。
【０１９３】
また、実施の形態７において、分類辞書を融合する方法について説明した。さらに、本実施の形態で述べたように、時事的キーワードの時刻情報を利用して、所定の期間の時事的キーワードを融合することにより、さらに、所定の時期に流行していた時事的キーワードを幅広く抽出することが可能になる。これにより、期間に応じて分類の階層構造が異なる場合も生じる。このように、分類辞書の時事的キーワードの内容だけでなく、分類の階層構造も時期に応じて変更することが可能である。また、実施の形態７においては、登録されたキーワードの集合間の要素の数を用いて融合編集を行っているが、さらに、登録されたキーワードが所定の期間に利用された頻度の情報を用いて融合編集を行ってもよい。これにより、あらかじめ分類されたテキスト情報による分類だけでなく、さらに、時事的キーワードが反映された融合辞書を構築することが可能になる。
【０１９４】
また、本実施の形態においては、番組に付与されたＥＰＧのテキスト情報を利用して、番組単位で分類・フィルタリングを行っている。さらに、番組に対してメタ情報が付与され、番組内の各コーナーや画像のフレーム単位で、テキスト情報が付与された場合でも、本分類手法を適用することが可能である。
【０１９５】
なお、本実施の形態では、定常特徴キーワードと時事的特徴キーワードを分類して蓄積しているが、時事的特徴キーワードのみで分類を定義してもよい。
【産業上の利用可能性】
【０１９６】
以上のように、本発明に係る辞書作成装置は、テキスト情報の検索、分類、フィルタリングなどに用いる辞書を、テキスト情報群を構成するキーワードの出現傾向に応じて、適切に作成および更新するのに有用である。また、例えばＥＰＧ番組検索システム、インターネット検索システムなどに適応が可能である。
【特許請求の範囲】
【請求項１】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成装置であって、
テキスト情報からキーワードを抽出するキーワード抽出手段と、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除手段と
を備えることを特徴とする辞書作成装置。
【請求項２】
前記辞書作成装置は、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計手段と、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出手段と、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定手段とを備え、
前記キーワード抽出手段は、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項３】
前記辞書作成装置は、さらに、
前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、
前記キーワード評価値算出手段は、前記キーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、
前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項４】
前記辞書作成装置は、さらに、
前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、
前記キーワード評価値算出手段は、前記キーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、
前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値、および、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項５】
前記辞書作成装置は、さらに、
１つ以上のテキスト情報から構成される第２のテキスト情報群からキーワードを抽出する第２のキーワード抽出手段を備え、
前記キーワード統計手段は、さらに、前記第２のテキスト情報群における前記抽出されたキーワードの出現に関する統計量を求め、
前記キーワード評価値算出手段は、前記キーワード抽出手段および前記第２のキーワード抽出手段により抽出されたキーワードの評価値を、前記それぞれの統計量に基づいて算出する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項６】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項７】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項６記載の辞書作成装置。
【請求項８】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、
前記辞書は、不要語辞書であり、
前記判定手段は、前記キーワードが前記不要語辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記不要語辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項９】
前記判定手段は、前記キーワードが前記不要語辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記不要語辞書から削除すると判定する
ことを特徴とする請求項８記載の辞書作成装置。
【請求項１０】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群における前記キーワードの出現頻度であり、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出された出現頻度が所定の閾値未満である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１１】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出された出現頻度が所定の閾値以上である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項１０記載の辞書作成装置。
【請求項１２】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群における前記キーワードの出現頻度であり、
前記辞書は、不要語辞書であり、
前記判定手段は、前記キーワードが前記不要語辞書に登録されていなく、かつ前記算出された出現頻度が所定の閾値以上である場合に、前記キーワードを前記不要語辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１３】
前記判定手段は、前記キーワードが前記不要語辞書に登録されており、かつ前記算出された出現頻度が所定の閾値未満である場合に、前記キーワードを前記不要語辞書から削除すると判定する
ことを特徴とする請求項１２記載の辞書作成装置。
【請求項１４】
前記テキスト情報群は、あらかじめ所属するカテゴリの情報が付与された１つ以上のテキスト情報から構成され、
前記キーワード統計手段は、前記テキスト情報群における前記カテゴリに関する統計量を求め、
前記キーワード評価値算出手段は、前記抽出されたキーワードについて前記キーワードの出現に関する統計量および前記カテゴリに関する統計量に基づいて評価値を算出する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１５】
前記キーワード評価値算出手段は、前記テキスト情報群におけるテキスト情報の総数、前記テキスト情報群における前記キーワードを含むテキスト情報の数、前記テキスト情報群における前記カテゴリに含まれるテキスト情報の数、および前記カテゴリにおける前記キーワードを含むテキスト情報の数に基づいて、前記評価値を算出し、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記評価値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項１４記載の辞書作成装置。
【請求項１６】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記評価値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項１５記載の辞書作成装置。
【請求項１７】
前記テキスト情報は、ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データであり、
前記辞書は放送波の種類ごとにそれぞれ作成され、
前記キーワード抽出手段は、前記放送波の種類ごとの前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記放送波の種類ごとに前記キーワードをそれぞれの前記辞書に登録または削除する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１８】
前記テキスト情報は、ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データであり、
前記辞書は放送の時間帯ごとにそれぞれ作成され、
前記キーワード抽出手段は、前記放送の時間帯ごとの前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記放送の時間帯ごとに前記キーワードをそれぞれの前記辞書に登録または削除する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１９】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項２０】
前記辞書には、あらかじめ前記カテゴリ毎に定常特徴キーワードが登録されており、
前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードの中で、当該カテゴリの定常特徴キーワードとして登録されていないキーワードを当該カテゴリの前記時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２１】
前記辞書登録削除手段は、前記時事的特徴キーワードとともに対応する時間情報を前記辞書に登録する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２２】
前記テキスト情報は、インターネットを介して取得された情報であり、
前記辞書登録削除手段は、前記時間情報として前記テキスト情報ともに取得された時間情報を前記辞書に登録する
ことを特徴とする請求項２１記載の辞書作成装置。
【請求項２３】
前記テキスト情報は、インターネットを介して取得された情報であり、
前記辞書登録削除手段は、前記テキスト情報の取得先の更新情報に基づいて前記時事的特徴キーワードを登録または削除する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２４】
前記辞書作成装置は、さらに、
前記辞書に登録された前記時事的特徴キーワードについて利用頻度を求める利用頻度集計手段と、
前記求められた利用頻度に基づいて前記時事的特徴キーワードを前記辞書から削除するか否かを判定する判定手段とを備え、
前記辞書登録削除手段は、前記判定の結果によって前記時事的特徴キーワードを前記辞書から削除する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２５】
前記判定手段は、前記時事的特徴キーワードが前記辞書に登録されてから所定期間経過後に、前記利用頻度に基づいて前記時事的特徴キーワードを前記辞書から削除するか否かを判定する
ことを特徴とする請求項２４記載の辞書作成装置。
【請求項２６】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書作成装置は、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得手段を備え、
前記辞書登録削除手段は、前記分類情報取得手段により取得された分類情報、および前記キーワード抽出手段により抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項２７】
前記辞書作成装置は、さらに、
前記それぞれ作成された各情報源に対応する辞書を、編集して融合する辞書融合編集手段
を備えることを特徴とする請求項２６記載の辞書作成装置。
【請求項２８】
前記辞書融合編集手段は、前記各情報源に対応する辞書の有する分類情報の各カテゴリに対応するキーワードに基づいて、前記各情報源に対応する辞書の各カテゴリの対応関係を決定する
ことを特徴とする請求項２７記載の辞書作成装置。
【請求項２９】
前記分類情報取得手段は、前記情報源の１つとしてインターネットを介して、前記カテゴリに関する分類情報およびテキスト情報を取得する
ことを特徴とする請求項２６記載の辞書作成装置。
【請求項３０】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索するＥＰＧ番組検索装置であって、
請求項１〜請求項２３のいずれか１項に記載の辞書作成装置と、
前記辞書作成装置により作成された辞書を格納する辞書記憶手段と、
前記ＥＰＧデータを前記辞書を用いて検索し、検索結果を出力する検索手段と
を備えることを特徴とするＥＰＧ番組検索装置。
【請求項３１】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索するＥＰＧ番組検索システムであって、
請求項１〜請求項２３のいずれか１項に記載の辞書作成装置と、
前記辞書作成装置により作成された辞書を格納する辞書記憶手段と、
前記ＥＰＧデータから前記辞書を用いてキーワードと重みの組からなる文書ベクトルを作成する文書ベクトル作成手段と、
検索条件を取得する検索条件取得手段と、
前記検索条件および前記文書ベクトルに基づいて、前記ＥＰＧデータの評定値を算出する文書評定値算出手段と、
前記算出された評定値、または前記評価値に基づいて選択されたＥＰＧデータを出力する検索結果出力手段と
を備えることを特徴とするＥＰＧ番組検索システム。
【請求項３２】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データの分類を行うＥＰＧ番組検索システムであって、
請求項２６記載の辞書作成装置と、
前記辞書作成装置により作成された前記情報源に対応する辞書を格納する辞書記憶手段と、
前記情報源に対応する辞書の中から使用する辞書を選択する分類辞書選択手段と、
前記選択された辞書を用いて前記ＥＰＧデータの分類を行う分類手段と
を備えることを特徴とするＥＰＧ番組検索システム。
【請求項３３】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成方法であって、
テキスト情報からキーワードを抽出するキーワード抽出ステップと、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除ステップと
を含むことを特徴とする辞書作成方法。
【請求項３４】
前記辞書作成方法は、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計ステップと、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出ステップと、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定ステップとを含み、
前記キーワード抽出ステップでは、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除ステップでは、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３５】
前記辞書はカテゴリ毎にキーワードが登録され、
前記辞書登録削除ステップでは、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３６】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書作成方法は、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得ステップを含み、
前記辞書登録削除ステップでは、前記分類情報取得ステップにより取得された分類情報、および前記キーワード抽出ステップにより抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３７】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成するためのプログラムであって、
テキスト情報からキーワードを抽出するキーワード抽出ステップと、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除ステップと
をコンピュータに実行させることを特徴とするプログラム。
【請求項３８】
前記プログラムは、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計ステップと、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出ステップと、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定ステップとをコンピュータに実行させ、
前記キーワード抽出ステップでは、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除ステップでは、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項３６記載のプログラム。
【請求項３９】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書登録削除ステップでは、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項３６記載のプログラム。
【請求項４０】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記プログラムは、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得ステップをコンピュータに実行させ、
前記辞書登録削除ステップでは、前記分類情報取得ステップにより取得された分類情報、および前記キーワード抽出ステップにより抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項３６記載のプログラム。
【請求項１】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成装置であって、
テキスト情報からキーワードを抽出するキーワード抽出手段と、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除手段と
を備えることを特徴とする辞書作成装置。
【請求項２】
前記辞書作成装置は、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計手段と、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出手段と、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定手段とを備え、
前記キーワード抽出手段は、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項３】
前記辞書作成装置は、さらに、
前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、
前記キーワード評価値算出手段は、前記キーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、
前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項４】
前記辞書作成装置は、さらに、
前記キーワードおよび当該キーワードの前記評価値を組にして記憶するためのキーワード記憶手段を備え、
前記キーワード評価値算出手段は、前記キーワードと算出した評価値とを対応付けて前記キーワード記憶手段に記憶し、
前記判定手段は、前記キーワード評価値算出手段により新たに算出された評価値、および、前記キーワード評価値算出手段により新たに算出された評価値と前記キーワード記憶手段に記憶されている評価値との変化量に基づいて、前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項５】
前記辞書作成装置は、さらに、
１つ以上のテキスト情報から構成される第２のテキスト情報群からキーワードを抽出する第２のキーワード抽出手段を備え、
前記キーワード統計手段は、さらに、前記第２のテキスト情報群における前記抽出されたキーワードの出現に関する統計量を求め、
前記キーワード評価値算出手段は、前記キーワード抽出手段および前記第２のキーワード抽出手段により抽出されたキーワードの評価値を、前記それぞれの統計量に基づいて算出する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項６】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項７】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項６記載の辞書作成装置。
【請求項８】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群におけるテキスト情報の総数および前記キーワードを含むテキスト情報の数に基づくキーワードのｉｄｆ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）値であり、
前記辞書は、不要語辞書であり、
前記判定手段は、前記キーワードが前記不要語辞書に登録されていなく、かつ前記算出されたｉｄｆ値が所定の閾値未満である場合に、前記キーワードを前記不要語辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項９】
前記判定手段は、前記キーワードが前記不要語辞書に登録されており、かつ前記算出されたｉｄｆ値が所定の閾値以上である場合に、前記キーワードを前記不要語辞書から削除すると判定する
ことを特徴とする請求項８記載の辞書作成装置。
【請求項１０】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群における前記キーワードの出現頻度であり、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記算出された出現頻度が所定の閾値未満である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１１】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記算出された出現頻度が所定の閾値以上である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項１０記載の辞書作成装置。
【請求項１２】
前記キーワード評価値算出手段で算出される評価値は、前記テキスト情報群における前記キーワードの出現頻度であり、
前記辞書は、不要語辞書であり、
前記判定手段は、前記キーワードが前記不要語辞書に登録されていなく、かつ前記算出された出現頻度が所定の閾値以上である場合に、前記キーワードを前記不要語辞書に登録すると判定する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１３】
前記判定手段は、前記キーワードが前記不要語辞書に登録されており、かつ前記算出された出現頻度が所定の閾値未満である場合に、前記キーワードを前記不要語辞書から削除すると判定する
ことを特徴とする請求項１２記載の辞書作成装置。
【請求項１４】
前記テキスト情報群は、あらかじめ所属するカテゴリの情報が付与された１つ以上のテキスト情報から構成され、
前記キーワード統計手段は、前記テキスト情報群における前記カテゴリに関する統計量を求め、
前記キーワード評価値算出手段は、前記抽出されたキーワードについて前記キーワードの出現に関する統計量および前記カテゴリに関する統計量に基づいて評価値を算出する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１５】
前記キーワード評価値算出手段は、前記テキスト情報群におけるテキスト情報の総数、前記テキスト情報群における前記キーワードを含むテキスト情報の数、前記テキスト情報群における前記カテゴリに含まれるテキスト情報の数、および前記カテゴリにおける前記キーワードを含むテキスト情報の数に基づいて、前記評価値を算出し、
前記判定手段は、前記キーワードが前記辞書に登録されていなく、かつ前記評価値が所定の閾値以上である場合に、前記キーワードを前記辞書に登録すると判定する
ことを特徴とする請求項１４記載の辞書作成装置。
【請求項１６】
前記判定手段は、前記キーワードが前記辞書に登録されており、かつ前記評価値が所定の閾値未満である場合に、前記キーワードを前記辞書から削除すると判定する
ことを特徴とする請求項１５記載の辞書作成装置。
【請求項１７】
前記テキスト情報は、ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データであり、
前記辞書は放送波の種類ごとにそれぞれ作成され、
前記キーワード抽出手段は、前記放送波の種類ごとの前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記放送波の種類ごとに前記キーワードをそれぞれの前記辞書に登録または削除する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１８】
前記テキスト情報は、ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データであり、
前記辞書は放送の時間帯ごとにそれぞれ作成され、
前記キーワード抽出手段は、前記放送の時間帯ごとの前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除手段は、前記放送の時間帯ごとに前記キーワードをそれぞれの前記辞書に登録または削除する
ことを特徴とする請求項２記載の辞書作成装置。
【請求項１９】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項２０】
前記辞書には、あらかじめ前記カテゴリ毎に定常特徴キーワードが登録されており、
前記辞書登録削除手段は、前記カテゴリに対応したテキスト情報から抽出されたキーワードの中で、当該カテゴリの定常特徴キーワードとして登録されていないキーワードを当該カテゴリの前記時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２１】
前記辞書登録削除手段は、前記時事的特徴キーワードとともに対応する時間情報を前記辞書に登録する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２２】
前記テキスト情報は、インターネットを介して取得された情報であり、
前記辞書登録削除手段は、前記時間情報として前記テキスト情報ともに取得された時間情報を前記辞書に登録する
ことを特徴とする請求項２１記載の辞書作成装置。
【請求項２３】
前記テキスト情報は、インターネットを介して取得された情報であり、
前記辞書登録削除手段は、前記テキスト情報の取得先の更新情報に基づいて前記時事的特徴キーワードを登録または削除する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２４】
前記辞書作成装置は、さらに、
前記辞書に登録された前記時事的特徴キーワードについて利用頻度を求める利用頻度集計手段と、
前記求められた利用頻度に基づいて前記時事的特徴キーワードを前記辞書から削除するか否かを判定する判定手段とを備え、
前記辞書登録削除手段は、前記判定の結果によって前記時事的特徴キーワードを前記辞書から削除する
ことを特徴とする請求項１９記載の辞書作成装置。
【請求項２５】
前記判定手段は、前記時事的特徴キーワードが前記辞書に登録されてから所定期間経過後に、前記利用頻度に基づいて前記時事的特徴キーワードを前記辞書から削除するか否かを判定する
ことを特徴とする請求項２４記載の辞書作成装置。
【請求項２６】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書作成装置は、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得手段を備え、
前記辞書登録削除手段は、前記分類情報取得手段により取得された分類情報、および前記キーワード抽出手段により抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項１記載の辞書作成装置。
【請求項２７】
前記辞書作成装置は、さらに、
前記それぞれ作成された各情報源に対応する辞書を、編集して融合する辞書融合編集手段
を備えることを特徴とする請求項２６記載の辞書作成装置。
【請求項２８】
前記辞書融合編集手段は、前記各情報源に対応する辞書の有する分類情報の各カテゴリに対応するキーワードに基づいて、前記各情報源に対応する辞書の各カテゴリの対応関係を決定する
ことを特徴とする請求項２７記載の辞書作成装置。
【請求項２９】
前記分類情報取得手段は、前記情報源の１つとしてインターネットを介して、前記カテゴリに関する分類情報およびテキスト情報を取得する
ことを特徴とする請求項２６記載の辞書作成装置。
【請求項３０】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索するＥＰＧ番組検索装置であって、
請求項１〜請求項２３のいずれか１項に記載の辞書作成装置と、
前記辞書作成装置により作成された辞書を格納する辞書記憶手段と、
前記ＥＰＧデータを前記辞書を用いて検索し、検索結果を出力する検索手段と
を備えることを特徴とするＥＰＧ番組検索装置。
【請求項３１】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データを検索するＥＰＧ番組検索システムであって、
請求項１〜請求項２３のいずれか１項に記載の辞書作成装置と、
前記辞書作成装置により作成された辞書を格納する辞書記憶手段と、
前記ＥＰＧデータから前記辞書を用いてキーワードと重みの組からなる文書ベクトルを作成する文書ベクトル作成手段と、
検索条件を取得する検索条件取得手段と、
前記検索条件および前記文書ベクトルに基づいて、前記ＥＰＧデータの評定値を算出する文書評定値算出手段と、
前記算出された評定値、または前記評価値に基づいて選択されたＥＰＧデータを出力する検索結果出力手段と
を備えることを特徴とするＥＰＧ番組検索システム。
【請求項３２】
ＥＰＧ（Ｅｌｅｃｔｒｉｃ Ｐｒｏｇｒａｍ Ｇｕｉｄｅ）データの分類を行うＥＰＧ番組検索システムであって、
請求項２６記載の辞書作成装置と、
前記辞書作成装置により作成された前記情報源に対応する辞書を格納する辞書記憶手段と、
前記情報源に対応する辞書の中から使用する辞書を選択する分類辞書選択手段と、
前記選択された辞書を用いて前記ＥＰＧデータの分類を行う分類手段と
を備えることを特徴とするＥＰＧ番組検索システム。
【請求項３３】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成する辞書作成方法であって、
テキスト情報からキーワードを抽出するキーワード抽出ステップと、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除ステップと
を含むことを特徴とする辞書作成方法。
【請求項３４】
前記辞書作成方法は、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計ステップと、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出ステップと、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定ステップとを含み、
前記キーワード抽出ステップでは、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除ステップでは、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３５】
前記辞書はカテゴリ毎にキーワードが登録され、
前記辞書登録削除ステップでは、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３６】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書作成方法は、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得ステップを含み、
前記辞書登録削除ステップでは、前記分類情報取得ステップにより取得された分類情報、および前記キーワード抽出ステップにより抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項３３記載の辞書作成方法。
【請求項３７】
テキストで記述された情報を検索、分類、またはフィルタリングするために用いられる辞書を作成するためのプログラムであって、
テキスト情報からキーワードを抽出するキーワード抽出ステップと、
前記テキスト情報から抽出されたキーワードを前記辞書に登録または削除する辞書登録削除ステップと
をコンピュータに実行させることを特徴とするプログラム。
【請求項３８】
前記プログラムは、さらに、
１つ以上のテキスト情報から構成されるテキスト情報群における前記キーワードの出現に関する統計量を求めるキーワード統計ステップと、
前記統計量に基づいて前記キーワードの評価値を算出するキーワード評価値算出ステップと、
前記算出された評価値に基づいて前記キーワードを前記辞書に登録するか否か、または前記辞書から削除するか否かを判定する判定ステップとをコンピュータに実行させ、
前記キーワード抽出ステップでは、前記テキスト情報群からキーワードを抽出し、
前記辞書登録削除ステップでは、前記判定の結果によって前記キーワードを前記辞書に登録または削除する
ことを特徴とする請求項３６記載のプログラム。
【請求項３９】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記辞書登録削除ステップでは、前記カテゴリに対応したテキスト情報から抽出されたキーワードを、当該カテゴリの時事的特徴キーワードとして前記辞書に登録する
ことを特徴とする請求項３６記載のプログラム。
【請求項４０】
前記辞書にはカテゴリ毎にキーワードが登録され、
前記プログラムは、さらに、
少なくとも２つの情報源より前記カテゴリに関する分類情報およびテキスト情報を取得する分類情報取得ステップをコンピュータに実行させ、
前記辞書登録削除ステップでは、前記分類情報取得ステップにより取得された分類情報、および前記キーワード抽出ステップにより抽出されたキーワードに基づいて、それぞれ前記情報源に対応する辞書を作成する
ことを特徴とする請求項３６記載のプログラム。
【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２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【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２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【国際公開番号】ＷＯ２００５／０６６８３７
【国際公開日】平成１７年７月２１日（２００５．７．２１）
【発行日】平成１９年１２月２０日（２００７．１２．２０）
【国際特許分類】
【出願番号】特願２００５−５１６８１１（Ｐ２００５−５１６８１１）
【国際出願番号】ＰＣＴ／ＪＰ２００４／０１７５７８
【国際出願日】平成１６年１１月２６日（２００４．１１．２６）
【特許番号】特許第３９７８２２１号（Ｐ３９７８２２１）
【特許公報発行日】平成１９年９月１９日（２００７．９．１９）
【出願人】（０００００５８２１）松下電器産業株式会社 (73,050)
【Ｆターム（参考）】
【国際公開日】平成１７年７月２１日（２００５．７．２１）
【発行日】平成１９年１２月２０日（２００７．１２．２０）
【国際特許分類】
【国際出願番号】ＰＣＴ／ＪＰ２００４／０１７５７８
【国際出願日】平成１６年１１月２６日（２００４．１１．２６）
【特許番号】特許第３９７８２２１号（Ｐ３９７８２２１）
【特許公報発行日】平成１９年９月１９日（２００７．９．１９）
【出願人】（０００００５８２１）松下電器産業株式会社 (73,050)
【Ｆターム（参考）】
[ Back to top ]