JP4580352B2

JP4580352B2 - オントロジの近似度計測装置、オントロジの近似度計測方法およびオントロジの近似度計測プログラム

Info

Publication number: JP4580352B2
Application number: JP2006045904A
Authority: JP
Inventors: 真中辻; 優三好; 祥広大塚
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 2006-02-22
Filing date: 2006-02-22
Publication date: 2010-11-10
Anticipated expiration: 2026-02-22
Also published as: JP2007226468A

Description

本発明はオントロジの近似度計測装置、オントロジの近似度計測方法およびオントロジの近似度計測プログラムに関し、特に、ブログエントリを参照しつつ、個人の興味情報が概念階層化されたパーソナルオントロジを自動的に生成した上で、パーソナルオントロジ間の近似度を効率よく計測する方法に適用して好適なものである。

従来のオントロジ間の近似度の計算方法では、非特許文献１に開示されているように、完全に分散された環境下で構築されたオントロジが対象とされる。このため、オントロジ間の近似度の計算の前処理として、オントロジの持つクラス間の対応関係の導出が行われる。
図５は、従来の完全に分散された環境下で構築されたオントロジの構成例を示す図である。
図５において、オントロジＯＡには、“ロック”というクラスが存在している。そして、“ロック”というクラスには、“ＵＳ”という子クラスが存在し、“ＵＳ”という子クラスには、“インディーズ”という子クラスが存在し、“インディーズ”という子クラスには、“グランジ”という子クラスが存在している。そして、“グランジ”という子クラスには、“ｎｉｒｖａｎａ”、“ＦｏｏＦｉｇｈｔｅｒｓ”および“ｓｕｐｅｒｃｈｕｎｋ”というインスタンスが存在しているものとする。

一方、オントロジＯＢには、“ロック”というクラスが存在している。そして、“ロック”というクラスには、“アメリカ”および“イギリス”という子クラスが存在し、“アメリカ”という子クラスには“ｉｎｄｉｅｓ”という子クラスが存在し、“ｉｎｄｉｅｓ”という子クラスには“ｎｉｒｖａｎａ”および“Ｓｔｏｎｅｔｅｍｐｌｅｐｉｌｏｔｓ”というインスタンスが存在しているものとする。

さらに、“イギリス”という子クラスには、“オルタナティブ”という子クラスが存在し、“オルタナティブ”という子クラスには、“スコットランド”という子クラスが存在している。そして、“スコットランド”には、“ｔｅｅｎａｇｅ”というインスタンスが存在しているものとする。
そして、オントロジＯＡ、ＯＢ間の近似度を計測する場合、これらのオントロジＯＡ、ＯＢにそれぞれ含まれるクラス間のマッピングを行う。ここで、オントロジＯＡ、ＯＢにそれぞれ含まれるクラス間のマッピングを行う場合、各オントロジＯＡ、ＯＢを構成するクラス間の全組み合わせに対して近似度を計測することができる。

すなわち、図６および図７に示すように、各オントロジＯＡ、ＯＢに含まれる全てのクラス間で総当りにて近似度をそれぞれ算出することにより、オントロジＯＡ、ＯＢ間のマッピングを行うことができる。なお、近似度を計測方法としては、クラスの持つ名前属性や各種プロパティ、インスタンス集合などのクラス特性の近似度に基づいて計算することができる。

図８は、図５のクラス間におけるマッピング結果の一例を示す図である。
図８において、オントロジＯＡ、ＯＢ間のマッピングの結果、オントロジＯＡの“ロック”というクラスとオントロジＯＢの“ロック”というクラスとがマッピングされ、オントロジＯＡの“ＵＳ”というクラスとオントロジＯＢの“アメリカ”というクラスとがマッピングされ、オントロジＯＡの“インディーズ”というクラスとオントロジＯＢの“ｉｎｄｉｅｓ”というクラスとがマッピングされ、オントロジＯＡの“グランジ”というクラスとオントロジＯＢの“ｉｎｄｉｅｓ”というクラスとがマッピングされたものとする。

そして、オントロジＯＡ、ＯＢのクラス間におけるマッピングが行われると、近似度の高いクラスの隣接クラスからなるクラス集合間の近似度を計測する。なお、クラス集合間の近似度の計測方法としては、例えば、Ｊａｃｃａｒｄ係数を用いることができる。このＪａｃｃａｒｄ係数では、クラス集合Ｘ、Ｙ間の近似度は、（Ｘ∩Ｙ）／（Ｘ∪Ｙ）にて求めることができる。

図９は、図５のオントロジ間における近似度計測結果の一例を示す図である。
図９において、図５のオントロジＯＡ、ＯＢのクラス間において、図８のマッピング結果が得られたものとする。この場合、オントロジＯＡにおいて、“ロック”というクラスおよび“ＵＳ”というクラスからなるクラス集合Ｇ１１、“ロック”というクラス、“ＵＳ”というクラスおよび“インディーズ”というクラスからなるクラス集合Ｇ１２、“インディーズ”というクラスおよび“グランジ”というクラスからなるクラス集合Ｇ１３が得られる。

一方、オントロジＯＢにおいて、“ロック”というクラス、“アメリカ”というクラスおよび“イギリス”というクラスからなるクラス集合Ｇ２１、“ロック”というクラス、“アメリカ”というクラスおよび“ｉｎｄｉｅｓ”というクラスからなるクラス集合Ｇ２２、“アメリカ”というクラスおよび“ｉｎｄｉｅｓ”というクラスからなるクラス集合Ｇ２３が得られる。

そして、クラス集合Ｇ１１、Ｇ２１間では、クラス集合Ｇ１１の“ロック”というクラスとクラス集合Ｇ２１の“ロック”というクラスとは対応関係にあるので、これらで１個のメンバとみなし、クラス集合Ｇ１１の“ＵＳ”というクラスとクラス集合Ｇ２１の“アメリカ”というクラスとは対応関係にあるので、これらで１個のメンバとみなし、さらにクラス集合Ｇ２１には“イギリス”というクラスが含まれるので、クラス集合Ｇ１１、Ｇ２１全体のメンバ数（Ｇ１１∪Ｇ２１）は３となる。

一方、クラス集合Ｇ１１の“ロック”というクラスとクラス集合Ｇ２１の“ロック”というクラスとは対応関係にあり、クラス集合Ｇ１１の“ＵＳ”というクラスとクラス集合Ｇ２１の“アメリカ”というクラスとは対応関係にあり、クラス集合Ｇ２１の“イギリス”に対応するクラスはクラス集合Ｇ１１にはないので、クラス集合Ｇ１１、Ｇ２１間に共通に含まれるメンバ数（Ｇ１１∩Ｇ２１）は２となる。この結果、クラス集合Ｇ１１、Ｇ２１間におけるＪａｃｃａｒｄ係数は２／３となる。

同様に、クラス集合Ｇ１２、Ｇ２２間におけるＪａｃｃａｒｄ係数は２／４、クラス集合Ｇ１３、Ｇ２３間におけるＪａｃｃａｒｄ係数は１／３となる。
そして、オントロジＯＡ、ＯＢのクラス集合間におけるＪａｃｃａｒｄ係数がそれぞれ求まると、これらのクラス集合間におけるＪａｃｃａｒｄ係数を足し合わせる。そして、Ｊａｃｃａｒｄ係数を足し合わせた結果をソースオントロジＯＡのクラス数にて除することで、オントロジＯＡからみたオントロジＯＢの近似度を計測することができる。例えば、図９では、ソースオントロジＯＡのクラス数は４なので、オントロジＯＡからみたオントロジＯＢの近似度は、（２／３＋２／４＋１／３）／４＝３／８となる。

図１０は、従来の複数のオントロジに対する近似度計測結果の比較例を示す図である。
図１０において、オントロジＯＣでは、オントロジＯＢの“イギリス”というクラス以下の子クラスがないものとする。そして、オントロジＯＣでは、“ロック”というクラスおよび“アメリカ”というクラスからなるクラス集合Ｇ３１、“ロック”というクラス、“アメリカ”というクラスおよび“ｉｎｄｉｅｓ”というクラスからなるクラス集合Ｇ３２、“アメリカ”というクラスおよび“ｉｎｄｉｅｓ”というクラスからなるクラス集合Ｇ３３が得られる。

この場合、クラス集合Ｇ１１、Ｇ３１間におけるＪａｃｃａｒｄ係数は２／２、クラス集合Ｇ１２、Ｇ３２間におけるＪａｃｃａｒｄ係数は２／４、クラス集合Ｇ１３、Ｇ３３間におけるＪａｃｃａｒｄ係数は１／３となる。この結果、オントロジＯＡからみたオントロジＯＣの近似度は、（２／２＋２／４＋１／３）／４＝１１／２４となる。
また、非特許文献２には、複数のオントロジを構成するクラス間のマッピングを半自動で実現する方法が開示されている。

Ｍａｅｄｃｈｅ，Ａ．ａｎｄＳｔａａｂ，Ｓ．：ＭｅａｓｕｒｉｎｇＳｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎＯｎｔｏｌｏｇｉｅｓ，ＩｎＴｅｃｈｎｉｃａｌＲｅｐｏｒｔ，Ｅ０４４８，ＵｎｉｖｅｒｓｉｔｙｏｆＫａｒｌｓｒｕｈｅ（２００１）中辻真、三好優、木村辰幸："柔軟なシステム連携のための意味情報に基づくメッセージマッピング手法の提案と評価"，日本データベース学会Ｌｅｔｔｅｒｓ，Ｖｏｌ．４，Ｎｏ．１，ｐｐ．３７−４０（２００５）

しかしながら、非特許文献１に開示された方法では、オントロジ間の近似度を計算するためには、オントロジの持つクラス間の対応関係の判定（クラスマッピング）を行う必要があり、オントロジの持つクラスの数が増大すると、計算量が膨大になるという問題があった。
また、非特許文献１に開示された方法では、図１０のソースオントロジＯＡからみたオントロジＯＢ、ＯＣの近似度は、オントロジＯＢの方がオントロジＯＣよりも知識量が多いにもかかわらず、オントロジＯＢに対してよりもオントロジＯＣに対しての方が大きくなり、知識量の多いオントロジを適正に抽出することができないという問題があった。

さらに、非特許文献１に開示された方法では、異なるオントロジ間で対応するクラスの同定においてのみインスタンス集合が利用され、異なるオントロジ全体でのインスタンスの共起度を考慮しながらオントロジ間の近似度を計算することができないため、個人の嗜好に適合したオントロジを必ずしも適正に抽出することができないという問題があった。

例えば、図９において、オントロジＯＡ、ＯＢとで、“グランジ”というクラス配下の“ｎｉｒｖａｎａ”と、“ｉｎｄｉｅｓ”というクラス配下の“ｎｉｒｖａｎａ”というインスタンスが共起しているが、このようなインスタンスの共起性は考慮されることはなく、“グランジ”というクラスと“ｉｎｄｉｅｓ”というクラスとが対応するということしか考慮されない。このため、オントロジＯＡ、ＯＢのインスタンスが全く一致しない場合においても、名前属性の近似のみからクラス間の対応が同定されることがあり、クラス階層が近ければオントロジＯＡ、ＯＢ間の近似度が高いと判定されるという問題があった。これは、最終的にインスタンスを具体的情報として取り扱いたい場合に問題である。

また、非特許文献２に開示された方法では、完全に分散された環境下で構築されたオントロジ間のクラス間の対応を計測するもので、クラスのマッピングを行ったからといって、オントロジ間の近似度が計算されるわけではないという問題があった。
そこで、本発明の目的は、計算量を抑制しつつ、オントロジ間の近似度を計算するとともに、個人の嗜好に適合した知識量の豊富なオントロジを適正に抽出することが可能なオントロジの近似度計測装置、オントロジの近似度計測方法およびオントロジの近似度計測プログラムを提供することである。

上述した課題を解決するために、請求項１記載のオントロジの近似度計測装置は、記憶領域に記憶され且つ各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジから前記単語抽出手段で抽出された単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するパーソナルオントロジ抽出手段と、前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度を計測する近似度計測手段と、を備え、前記近似度計測手段は、一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算する手段と、演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度として演算する手段と、を備えることを特徴とする。

これにより、同じ雛形オントロジからパーソナルオントロジを構築することができ、これらのパーソナルオントロジ間において、パーソナルオントロジを構成するクラス、クラスを構成するインスタンス、複数のクラスの接続形態であるトポロジなどの規則性を維持することができる。このため、パーソナルオントロジに含まれる全てのクラス間で総当りにて近似度を逐次算出したり、対応するクラスに隣接するクラスの対応関係を逐次調べることなく、パーソナルオントロジ間の近似度を計算することができ、パーソナルオントロジ間の近似度の計算量を抑制することができる。

また、雛形オントロジのクラス集合のメンバ数を基準として、パーソナルオントロジ間のトポロジの近似度を計測することができる。このため、パーソナルオントロジのクラス集合のメンバ数が増大した場合においても、パーソナルオントロジ間のトポロジの近似度が小さくなることを防止することができ、クラスが豊富にあるという意味で知識量の多いパーソナルオントロジとの近似度を大きくすることができる。

また、請求項２記載のオントロジの近似度計測装置は、記憶領域に記憶され且つ各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジから前記単語抽出手段で抽出された単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するパーソナルオントロジ抽出手段と、前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度を計測する近似度計測手段と、を備え、前記近似度計測手段は、一のクラスに属するインスタンスの集合をインスタンス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算する手段と、演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度として演算する手段と、を備えることを特徴とする。

これにより、同じ雛形オントロジからパーソナルオントロジを構築することができ、これらのパーソナルオントロジ間において、パーソナルオントロジを構成するクラス、クラスを構成するインスタンス、複数のクラスの接続形態であるトポロジなどの規則性を維持することが可能となるとともに、インスタンス集合間の共起度をパーソナルオントロジ間の近似度の計測に直接用いることができる。このため、パーソナルオントロジに含まれる全てのクラス間で総当りにて近似度を逐次算出したり、対応するクラスに隣接するクラスの対応関係を逐次調べることなく、パーソナルオントロジ間の近似度を計算することができ、パーソナルオントロジ間の近似度の計算量を抑制することが可能となるとともに、インスタンスの全く異なるパーソナルオントロジ間の近似度が高くなることを防止することができ、個人の嗜好に適合したオントロジを適正に抽出することができる。

また、雛形オントロジのインスタンス集合のメンバ数を基準として、パーソナルオントロジ間のクラスの近似度を計測することができる。このため、パーソナルオントロジのインスタンス集合のメンバ数が増大した場合においても、パーソナルオントロジ間のクラスの近似度が小さくなることを防止することができ、インスタンスが豊富にあるという意味で知識量の多いパーソナルオントロジとの近似度を大きくすることができる。

また、請求項３記載のオントロジの近似度計測方法は、異なる２つのパーソナルオントロジ間の近似度を計測する近似度計測装置が実行するオントロジの近似度計測方法であって、記憶領域に記憶されたブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジを選択するステップと、前記雛形オントロジから、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを抽出するステップと、各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するステップと、前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔを計測するステップと、前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度Ｓ _Ｃを計測するステップと、異なる２つのパーソナルオントロジ間の近似度をＳ _０（ＡＢ）、前記トポロジ及びクラスに対する重要度に応じた評価関数をｆ（Ｘ）としたとき、前記近似度Ｓ _０（ＡＢ）を、Ｓ _０（ＡＢ）＝Ｓ _Ｔ＋ｆ（Ｓ _Ｃ）から計測するステップと、を備え、前記トポロジ間の近似度Ｓ _Ｔを計測するステップは、一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算するステップと、演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔとして演算するステップと、を有し、前記クラス間の近似度Ｓ _Ｃを計測するステップは、一のクラスに属するインスタンスの集合をインスタンス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算するステップと、演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度Ｓ _Ｃとして演算するステップと、を有することを特徴とする。
これにより、雛形オントロジの持つクラス特性を継承させつつパーソナルオントロジを構築することが可能となるとともに、インスタンス集合間の共起度をパーソナルオントロジ間の近似度の計測に直接用いることができ、計算量を抑制しつつ、個人の嗜好に適合したパーソナルオントロジを適正に抽出することが可能となる。

また、請求項４記載のオントロジの近似度計測プログラムは、記憶領域に記憶されたブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジを選択するステップと、前記雛形オントロジから、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを抽出するステップと、各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するステップと、前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔを計測するステップと、前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度Ｓ _Ｃを計測するステップと、異なる２つのパーソナルオントロジ間の近似度をＳ _０（ＡＢ）、前記トポロジ及びクラスに対する重要度に応じた評価関数をｆ（Ｘ）としたとき、前記近似度Ｓ _０（ＡＢ）を、Ｓ _０（ＡＢ）＝Ｓ _Ｔ＋ｆ（Ｓ _Ｃ）から計測するステップと、をコンピュータに実行させるオントロジの近似度計測プログラムであって、前記トポロジ間の近似度Ｓ _Ｔを計測するステップは、一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算するステップと、演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔとして演算するステップと、を有し、前記クラス間の近似度Ｓ _Ｃを計測するステップは、一のクラスに属するインスタンスの集合をインスタンス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算するステップと、演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度Ｓ _Ｃとして演算するステップと、を有することを特徴とする。

これにより、興味情報生成プログラムをコンピュータに実行させることにより、雛形オントロジの持つクラス特性を継承させつつパーソナルオントロジを構築することが可能となるとともに、インスタンス集合間の共起度をパーソナルオントロジ間の近似度の計測に直接用いることができ、計算量を抑制しつつ、個人の嗜好に適合したパーソナルオントロジを適正に抽出することが可能となる。

以上説明したように、本発明によれば、自分の嗜好に適合した情報を精度よく検索することが可能となるとともに、自分の嗜好に適合した情報をインターネット上で広く流通させることが可能となり、個人の嗜好に適合したコミュニティを形成することができる。

以下、本発明の実施形態に係るオントロジの近似度計測装置およびその方法について図面を参照しながら説明する。
図１は、本発明の一実施形態に係るオントロジの近似度計測装置が適用されるシステムの概略構成を示すブロック図である。
図１において、端末２〜４およびサーバ５が通信網１を介して接続されている。なお、通信網１としては、例えば、ＩＰ通信を行う公衆通信網を用いることができ、インターネットであってもよい。また、企業間の専用通信網であっても、公衆通信網であってもよいが、高信頼性とセキュリティとを備えた専用通信を提供できるＩＰ−ＶＰＮ（ＩｎｔｅｒｎｅｔＰｒｏｔｏｃｏｌ−ＶｉｒｔｕａｌＰｒｉｖａｔｅＮｅｔｗｏｒｋ）のような網であってもよい。

また、端末２〜４としては、ノート型パーソナルコンピュータあるいはデスクトップ型パーソナルコンピュータでもよく、携帯電話端末やＰＤＡ（ＰｅｒｓｏｎａｌＤａｔａＡｓｓｉｓｔａｎｔ）などでもよい。また、サーバ５は、ブログプロバイダやＩＳＰ（ＩｎｆｏｒｍａｔｉｏｎＳｅｒｖｉｃｅＰｒｏｖｉｄｅｒ）上に設置することができる。

ここで、サーバ５には、端末２〜４にそれぞれ対応したブログサイト７〜９が設けられ、各ブログサイト７〜９には、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎがそれぞれ保持されている。なお、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎはブログにおける記事の最小単位を表し、日にちごとに設けることができる。また、サーバ５には雛形オントロジ６が保持され、雛形オントロジ６には、個人の興味情報が概念階層化されたパーソナルオントロジの雛形が設けられている。

なお、雛形オントロジ６は、ブログプロバイダ側で恣意的に作成することができる。例えば、ブログプロバイダが音楽に関するパーソナルオントロジを各端末２〜４のユーザに構築させたければ、音楽に関する雛形オントロジ６を構築すればよい。ここで、各端末２〜４のユーザの興味を細やかに表現するために、可能な限り細分化された網羅性の高い雛形オントロジ６を構築することが好ましい。また、雛形オントロジ６の実体は、オントロジ記述言語ＯＷＬなどのＸＭＬ言語で記述されたテキストファイル等、クラス・インスタンスツリーをＤＢ上で表現したものである。また、情報の整理の簡単化のため、インスタンスは最下位クラスにのみ分類してもよい。

さらに、サーバ５には、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに対して形態素解析をそれぞれ適用することにより、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに頻出する単語を抽出する頻出単語抽出手段５ａ、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに頻出する単語を含むクラスまたはインスタンスを雛形オントロジ６から抽出する分類子適用手段５ｂ、分類子適用手段５ｂにて抽出されたクラスまたはインスタンスおよびそれらの上位の全てのクラスをパーソナルオントロジとして雛形オントロジ６から抽出するパーソナルオントロジ抽出手段５ｃならびに雛形オントロジ６から割り振られたクラスＩＤまたはインスタンスＩＤがパーソナルオントロジにて保有されているかどうかの判定結果に基づいて、パーソナルオントロジ間のトポロジまたはクラスの近似度を計測する近似度計測手段５ｄが設けられている。

ここで、近似度計測手段５ｄは、パーソナルオントロジ間のトポロジの近似度を計測する場合、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジのトポロジを形成するクラス集合間の共起度を用いることができる。また、近似度計測手段５ｄは、パーソナルオントロジ間のクラスの近似度を計測する場合、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジに含まれるインスタンス集合間の共起度を用いることができる。なお、共起度とは、集合に含まれるメンバの積集合の比率を言う。
そして、頻出単語抽出手段５ａは、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎに対して形態素解析をそれぞれ適用する。そして、同一ユーザの持つ複数のブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎで頻出する形態素を抽出する。

次に、分類子適用手段５ｂは、ブログエントリ７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎで頻出する各形態素を雛形オントロジ６に適用し、雛形オントロジ６内のクラスまたはインスタンスに一致する文字列があるかどうかを調べる。そして、雛形オントロジ６内のクラスまたはインスタンスに一致する文字列がある場合、パーソナルオントロジ抽出手段５ｃは、雛形オントロジ６のルートクラスから、そのクラスまたはインスタンスまでの直接的な子孫クラスおよびインスタンスをパーソナルオントロジとして抽出する。

さらに、近似度計測手段５ｄは、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジのトポロジを形成するクラス集合間の共起度に基づいて、パーソナルオントロジ間のトポロジの近似度を計測する。例えば、近似度計測手段５ｄは、パーソナルオントロジのクラス集合間の積集合のメンバ数を、雛形オントロジ６のクラス集合のメンバ数で割った値に基づいて、パーソナルオントロジ間のトポロジの近似度を計測することができる。

また、近似度計測手段５ｄは、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジに含まれるインスタンス集合間の共起度に基づいて、パーソナルオントロジ間のクラスの近似度を計測する。例えば、近似度計測手段５ｄは、パーソナルオントロジのインスタンス集合間の積集合のメンバ数を、雛形オントロジ６のインスタンス集合のメンバ数で割った値に基づいて、パーソナルオントロジ間のクラスの近似度を計測することができる。そして、近似度計測手段５ｄは、パーソナルオントロジ間のトポロジの近似度およびパーソナルオントロジ間のクラスの近似度を総合的に判断することにより、パーソナルオントロジ間の近似度を計測することができる。

これにより、各個人の興味情報に含まれる単語を雛形オントロジ６上で照合することにより、パーソナルオントロジを構成するクラス、クラスを構成するインスタンス、複数のクラスの接続形態であるトポロジなどの規則性を維持しつつ、個人の興味が反映されたパーソナルオントロジを生成することが可能となり、雛形オントロジ６の持つクラスまたはインスタンスをパーソナルオントロジが保有しているかを確認することで、パーソナルオントロジ間のトポロジまたはクラスの近似度を計測することができる。

このため、作成にかかるコストを抑制しつつ、パーソナルオントロジを生成することが可能となり、情報検索の精度を向上させることが可能となるとともに、クラスの持つ名前属性や各種プロパティ、インスタンス集合などのクラス特性を考慮することなく、オントロジ間の近似度を計算することができ、オントロジ間の近似度の計算量を抑制することができる。

なお、雛形オントロジ６は、デスクワークにて人手で作成してサーバ５に保持させるようにしてもよいし、パーソナルオントロジ抽出手段５ｃにて抽出されたパーソナルオントロジを既存の雛形オントロジ６とマージすることにより作成してもよい。さらに、雛形オントロジ６から抽出されたパーソナルオントロジに対してユーザが興味のあるクラスまたはインスタンスを追加したり、ユーザが興味のないクラスまたはインスタンスを削除したりするようにしてもよい。

また、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃおよび近似度計測手段５ｄは、これらの手段で行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させることにより実現することができる。
そして、このプログラムをＣＤ−ＲＯＭなどの記憶媒体に記憶しておけば、サーバ５のコンピュータに記憶媒体を装着し、そのプログラムをコンピュータにインストールすることにより、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃおよび近似度計測手段５ｄで行われる処理を実現することができる。また、このプログラムを、通信網１を介してダウンロードすることにより、このプログラムを容易に普及させることができる。

また、頻出単語抽出手段５ａ、分類子適用手段５ｂ、パーソナルオントロジ抽出手段５ｃおよび近似度計測手段５ｄで行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させる場合、スタンドアロン型コンピュータで実行させるようにしてもよく、ネットワークに接続された複数のコンピュータに分散処理させるようにしてもよい。

図２は、本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法を示す図である。なお、以下の説明では、あるオントロジに対する別のオントロジとの間の近似度を計測する場合、前者をソースオントロジ、後者をターゲットオントロジと呼ぶ。
図２において、雛形オントロジＯＨの“ａ１”というクラスの直下には、“ｂ１”、“ｂ２”および“ｂ３”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”および“ｃ２”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”および“ｄ２”というクラスが存在しているものとする。また、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在し、“ｂ３”というクラスの直下には、“ｃ５”というクラスが存在しているものとする。

また、“ｄ１”というクラスには、“ｊ”および“ｋ”というインスタンスが存在し、“ｄ２”というクラスには、“ｌ”というインスタンスが存在し、“ｃ２”というクラスには、“ｍ”というインスタンスが存在し、“ｂ２”というクラスには、“ｎ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｅ”、“ｃ”、“ｆ”、“ｂ”、“ｄ”および“ｇ”というインスタンスが存在し、“ｃ４”というクラスには、“ｐ”、“ｇ”、“ｊ”および“ｈ”というインスタンスが存在しているものとする。

そして、各ユーザのブログエントリに頻出する単語をそれぞれ抽出し、その単語を含むクラスまたはインスタンスおよびそれらの上位の全てのクラスを雛形オントロジＯＨからそれぞれ抽出することにより、パーソナルオントロジＯＡ、ＯＢが作成されたものとする。
ここで、パーソナルオントロジＯＡの“ａ１というクラスの直下には、“ｂ１”および“ｂ２”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”および“ｃ２”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”というクラスが存在し、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在しているものとする。また、“ｄ１”というクラスには、“ｊ”および“ｋ”というインスタンスが存在し、“ｃ２”というクラスには、“ｍ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｃ”、“ｂ”および“ｄ”というインスタンスが存在し、“ｃ４”というクラスには、“ｑ”および“ｈ”というインスタンスが存在しているものとする。

また、パーソナルオントロジＯＢの“ａ１”というクラスの直下には、“ｂ１”、“ｂ２”および“ｂ３”というクラスが存在し、“ｂ１”というクラスの直下には、“ｃ１”というクラスが存在し、“ｃ１”というクラスの直下には、“ｄ１”というクラスが存在し、“ｂ２”というクラスの直下には、“ｃ３”および“ｃ４”というクラスが存在しているものとする。また、“ｄ２”というクラスには、“ｌ”というインスタンスが存在し、“ｂ２”というクラスには、“ｎ”というインスタンスが存在し、“ｃ３”というクラスには、“ａ”、“ｃ”、“ｅ”および“ｆ”というインスタンスが存在し、“ｃ４”というクラスには、“ｐ”および“ｊ”というインスタンスが存在しているものとする。

そして、雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間で末端クラスを除く共通クラスを分析し、共通クラスを親クラスとした親子クラスからなるトポロジを抽出する。なお、図２の例では、末端クラスは、“ｄ１”、“ｄ２”、“ｃ３”および“ｃ４”とする。この結果、雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間において、クラス“ａ１”を親クラスとした子クラス集合Ｇ１、クラス“ｂ１”を親クラスとした子クラス集合Ｇ２、クラス“ｃ１”を親クラスとした子クラス集合Ｇ３、クラス“ｂ２”を親クラスとした子クラス集合Ｇ４、クラス“ｂ３”を親クラスとした子クラス集合Ｇ５を抽出することができる。

なお、この共通クラスの分析は、同じクラスＩＤが雛形オントロジＯＨおよびパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。このため、クラスの名前属性やインスタンス集合プロパティなどの近似度を計測する必要がなくなり、クラス間の対応関係を正確に維持しつつ、計算量を減らすことができる。
次に、パーソナルオントロジＯＡ、ＯＢ間で各トポロジを形成する子クラス集合Ｘ、Ｙ間の近似度を深さ優先で計算する。ここで、雛形オントロジＯＨを構成するクラスの子クラスの集合をＺとすると、子クラス集合Ｘ、Ｙ間の近似度は、｜Ｘ∩Ｙ｜／｜Ｚ｜にて求めることができる。そして、各トポロジの子クラス集合間の近似度を足し合わせることにより、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度Ｓ_Tを計測することができる。

例えば、子クラス集合Ｇ１において、雛形オントロジＯＨには“ｂ１”、“ｂ２”および“ｂ３”という子クラスが含まれているので、子クラス集合Ｇ１における雛形オントロジＯＨの子クラス集合のメンバ数は３となる。また、子クラス集合Ｇ１において、パーソナルオントロジＯＡには“ｂ１”および“ｂ２”という子クラスが含まれ、パーソナルオントロジＯＢには“ｂ１”、“ｂ２”および“ｂ３”という子クラスが含まれているので、パーソナルオントロジＯＡ、ＯＢに共通に含まれている子クラスは“ｂ１”およびｂ２”だけとなり、子クラス集合Ｇ１におけるパーソナルオントロジＯＡ、ＯＢの子クラス集合の積集合のメンバ数は２となる。この結果、パーソナルオントロジＯＡ、ＯＢの子クラス集合Ｇ１間における近似度は２／３となる。

同様に、パーソナルオントロジＯＡ、ＯＢの子クラス集合Ｇ２間における近似度は１／２、子クラス集合Ｇ３間における近似度は０／２、子クラス集合Ｇ４間における近似度は２／２となる。この結果、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度Ｓ_Tは２／３＋１／２＋０／２＋２／２となる。
なお、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度の計算でも、雛形オントロジＯＨから割り振られたクラスＩＤを参照し、雛形オントロジＯＨの接続形態に沿ったものがパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。例えば、パーソナルオントロジＯＡ、ＯＢにおけるａ１−ｂ１−ｃ１という接続形態は雛形オントロジＯＨの接続形態と同じであるかどうかは、“ａ１”、“ｂ１”および“ｃ１”というクラスがパーソナルオントロジＯＡ、ＯＢにて保持されているかどうかということを確認するだけで判断することができる。

このため、パーソナルオントロジＯＡ、ＯＢ間のトポロジの一致度を確認するために、パーソナルオントロジＯＡ、ＯＢが持つクラスＩＤを調べるだけでよく、対応クラスを起点として、上下クラスにさらに対応クラスがあるかを調べる必要がなくなり、パーソナルオントロジＯＡ、ＯＢ間でのトポロジの近似度の計算量を減らすことができる。

次に、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度を計算する。ここで、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度を計算する場合、クラスに所属するインスタンス集合を用いることができる。すなわち、あるクラスＣ１において、ソースオントロジのインスタンス集合をｘ、ターゲットオントロジのインスタンス集合をｙ、雛形オントロジＯＨのインスタンス集合をｚとすると、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度は、｜ｘ∩ｙ｜／｜ｚ｜にて求めることができる。そして、共通クラス間の近似度を足し合わせることにより、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度Ｓ_Cを計測することができる。

例えば、パーソナルオントロジＯＡ、ＯＢ間の共通クラス“ｂ２”において、パーソナルオントロジＯＡの共通クラス“ｂ２”におけるインスタンス集合Ｇ６には、インスタンス“ｎ”が存在し、パーソナルオントロジＯＢの共通クラス“ｂ２”におけるインスタンス集合Ｇ６には、インスタンス“ｎ”が存在し、雛形オントロジＯＨの共通クラス“ｂ２”にはインスタンス“ｎ”が存在している。この結果、雛形オントロジＯＨの共通クラス“ｂ２”のインスタンスのメンバ数は１、パーソナルオントロジＯＡ、ＯＢのインスタンス集合Ｇ６の積集合のメンバ数は１となり、“ｂ２”という共通クラス間の近似度は１／１となる。

また、パーソナルオントロジＯＡ、ＯＢ間の共通クラス“ｃ２”において、パーソナルオントロジＯＡの共通クラス“ｃ２”におけるインスタンス集合Ｇ７には、インスタンス“ａ”、“ｃ”、“ｂ”および“ｄ”が存在し、パーソナルオントロジＯＢの共通クラス“ｃ３”におけるインスタンス集合Ｇ７には、インスタンス“ａ”、“ｃ”、“ｅ”および“ｆ”が存在し、雛形オントロジＯＨの共通クラス“ｃ３”にはインスタンス“ａ”、“ｅ”、“ｃ”、“ｆ”、“ｂ”、“ｄ”および“ｇ”が存在している。

この結果、雛形オントロジＯＨの共通クラス“ｃ３”のインスタンスのメンバ数は７、パーソナルオントロジＯＡ、ＯＢのインスタンス集合Ｇ７の積集合のメンバ数は２となり、“ｃ３”という共通クラス間の近似度は２／７となる。
従って、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度Ｓ_Cは１／１＋２／７となる。

なお、パーソナルオントロジＯＡ、ＯＢの共通クラス間の近似度の計算でも、雛形オントロジＯＨから割り振られたインスタンスＩＤがパーソナルオントロジＯＡ、ＯＢ間に存在するかということだけを確認すればよい。このため、パーソナルオントロジＯＡ、ＯＢのクラス間の近似度を計算するために、インスタンスの名前の一致性などによるインスタンスの対応関係を予め確認する必要がなくなり、計算量を減らすことができる。
そして、パーソナルオントロジＯＡ、ＯＢにおけるトポロジの近似度Ｓ_Tおよびクラス間の近似度Ｓ_Cが求まると、トポロジとクラスに対する重要度に応じた評価関数ｆ（Ｘ）を用いることにより、以下の式にてパーソナルオントロジＯＡ、ＯＢ間の近似度Ｓ_O（ＡＢ）を与えることができる。
Ｓ_O（ＡＢ）＝Ｓ_T＋ｆ（Ｓ_C）

これにより、雛形オントロジＯＨの持つクラス特性を継承させつつパーソナルオントロジＯＡ、ＯＢを構築することが可能となるとともに、インスタンス集合間の共起度をパーソナルオントロジＯＡ、ＯＢ間の近似度の計測に直接用いることができ、計算量を抑制しつつ、個人の嗜好に適合したパーソナルオントロジＯＡ、ＯＢを適正に抽出することが可能となるとともに、パーソナルオントロジＯＡ、ＯＢが雛形オントロジＯＨの持つドメインの知識を保有しているかの相対的な尺度として利用することができ、そのドメインに対する知識を多く持つユーザを有効的に絞り込むことができる。

また、パーソナルオントロジＯＡ、ＯＢにおけるトポロジの近似度Ｓ_Tを計測する場合、雛形オントロジのクラス集合のメンバ数を基準として、パーソナルオントロジＯＡ、ＯＢ間のトポロジの近似度を計測することにより、パーソナルオントロジＯＡ、ＯＢのクラス集合のメンバ数が増大した場合においても、パーソナルオントロジＯＡ、ＯＢ間のトポロジの近似度が小さくなることを防止することができ、クラスが豊富にあるという意味で知識量の多いパーソナルオントロジＯＡ、ＯＢとの近似度を大きくすることができる。

図３は本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法の優位性を示す図である。
図３において、オントロジＯＣでは、図２のオントロジＯＢの“ｂ３”というクラスがないものとする。この場合、オントロジＯＢでは、“ｂ１”、“ｂ２”および“ｂ３”という子クラスが子クラス集合Ｇ１に含まれ、オントロジＯＣでは、“ｂ１”および“ｂ２”という子クラスが子クラス集合Ｇ１に含まれるにもかかわらず、パーソナルオントロジＯＡ、ＯＣの子クラス集合Ｇ１間における近似度は、パーソナルオントロジＯＡ、ＯＢの子クラス集合Ｇ１間における近似度と同様に２／３となる。

この結果、オントロジＯＣでは、図２のオントロジＯＢの“ｂ３”というクラスがないにもかかわらず、パーソナルオントロジＯＡ、ＯＣ間の近似度がパーソナルオントロジＯＡ、ＯＢ間の近似度よりも大きくなることを防止することができ、クラスが豊富にあるという意味で知識量の多いパーソナルオントロジとの近似度が相対的に小さくなることを防止することができる。

図４は、本発明の一実施形態に係る興味オントロジの近似性を利用したコミュニティ形成方法を示す図である。
図４において、各ユーザＡ、ＢのブログエントリＰＡ、ＰＢを雛形オントロジに対してそれぞれ分類することにより、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢがそれぞれ生成されたものとする（ステップＳ１）。そして、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢ間の近似度を計測し（ステップＳ２）、近似度の高い興味オントロジＫＡ、ＫＢ間で共起するクラスやインスタンスを分析することで、トポロジが異なるにも関わらず興味を持つ可能性が高い情報を他のユーザのエントリを介して意外な情報としてユーザに推奨することができる（ステップＳ３）。

例えば、各ユーザＡ、Ｂの興味オントロジＫＡ、ＫＢ間の近似度を計測することにより、“Ｍａｄｃｈｅｓｔｅｒ”などのクラスや“ＨａｐｐｙＭｏｎｄａｙｓ”などのインスタンスに興味を持つユーザは、“Ｇｌａｓｇｏｗ”というクラスや“ＴｅｅｎａｇｅＦａｎｃｌｕｂ”というインスタンスにも興味を持つ可能性が高いことが判る。
また、このような興味オントロジＫＡ、ＫＢをブログに適用することで、単純なキーワード検索ではなく、興味オントロジＫＡ、ＫＢ間の近似度に基づく意外なエントリ推薦によるコミュニティの形成を支援することができ、ユーザの興味を自然に広げることができる（ステップＳ４）。

本発明は、パーソナルオントロジを簡易に作成して自分の興味にマッチングする情報を速やかに入手することができ、情報通信システムが持つ情報源から自分の興味にマッチングする情報を自動的かつ効率的に活用することができる。

本発明の一実施形態に係るオントロジの近似度計測装置が適用されるシステムの概略構成を示すブロック図である。本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法を示す図である。本発明の一実施形態に係るパーソナルオントロジ間の近似度計測方法の優位性を示す図である。本発明の一実施形態に係る興味オントロジの近似性を利用したコミュニティ形成方法を示す図である。従来の完全に分散された環境下で構築されたオントロジの構成例を示す図である。図５のクラス間における総当り方式による近似度計測方法の一例を示す図である。図５のクラス間における総当り方式による近似度計測方法の一例を示す図である。図５のクラス間におけるマッピング結果の一例を示す図である。図５のオントロジ間における近似度計測結果の一例を示す図である。従来の複数のオントロジに対する近似度計測結果の比較例を示す図である。

符号の説明

１通信網
２〜４端末
５サーバ
５ａ頻出単語抽出手段
５ｂ分類子適用手段
５ｄ近似度計測手段
５ｃパーソナルオントロジ抽出手段
６雛形オントロジ
７〜９ブログサイト
７ａ〜７ｎ、８ａ〜８ｎ、９ａ〜９ｎブログエントリ

Claims

記憶領域に記憶され且つ各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、
記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジから前記単語抽出手段で抽出された単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、
各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するパーソナルオントロジ抽出手段と、
前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度を計測する近似度計測手段と、を備え、
前記近似度計測手段は、
一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算する手段と、
演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度として演算する手段と、を備えることを特徴とするオントロジの近似度計測装置。
記憶領域に記憶され且つ各個人ごとに構築された興味情報に含まれる単語を抽出する単語抽出手段と、
記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジから前記単語抽出手段で抽出された単語を含むクラスまたはインスタンスを抽出する分類子適用手段と、
各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するパーソナルオントロジ抽出手段と、
前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度を計測する近似度計測手段と、を備え、
前記近似度計測手段は、
一のクラスに属するインスタンスの集合をインスタンス集合とし、
異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算する手段と、
演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度として演算する手段と、を備えることを特徴とするオントロジの近似度計測装置。
異なる２つのパーソナルオントロジ間の近似度を計測する近似度計測装置が実行するオントロジの近似度計測方法であって、
記憶領域に記憶されたブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、
記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジを選択するステップと、
前記雛形オントロジから、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを抽出するステップと、
各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するステップと、
前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔを計測するステップと、
前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度Ｓ _Ｃを計測するステップと、
異なる２つのパーソナルオントロジ間の近似度をＳ _０（ＡＢ）、前記トポロジ及びクラスに対する重要度に応じた評価関数をｆ（Ｘ）としたとき、前記近似度Ｓ _０（ＡＢ）を、Ｓ _０（ＡＢ）＝Ｓ _Ｔ＋ｆ（Ｓ _Ｃ）から計測するステップと、を備え、
前記トポロジ間の近似度Ｓ _Ｔを計測するステップは、
一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算するステップと、
演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔとして演算するステップと、を有し、
前記クラス間の近似度Ｓ _Ｃを計測するステップは、
一のクラスに属するインスタンスの集合をインスタンス集合とし、
異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算するステップと、
演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度Ｓ _Ｃとして演算するステップと、を有することを特徴とするオントロジの近似度計測方法。
記憶領域に記憶されたブログエントリに対して形態素解析を適用することにより、前記ブログエントリに含まれる単語を抽出するステップと、
記憶領域に記憶され且つ予め設定された単語が概念階層化されてなる雛形オントロジを選択するステップと、
前記雛形オントロジから、前記ブログエントリから抽出された単語を含むクラスまたはインスタンスを抽出するステップと、
各個人ごとに、前記抽出されたクラスまたはインスタンスおよびそれらの上位のクラスを含む階層構造をパーソナルオントロジとして前記雛形オントロジから抽出し記憶領域に記憶するステップと、
前記パーソナルオントロジにおいて前記階層構造を形成するクラス間の接続形態を表すトポロジについて、前記記憶領域に記憶された異なる２つのパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔを計測するステップと、
前記記憶領域に記憶された異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラス間の近似度Ｓ _Ｃを計測するステップと、
異なる２つのパーソナルオントロジ間の近似度をＳ _０（ＡＢ）、前記トポロジ及びクラスに対する重要度に応じた評価関数をｆ（Ｘ）としたとき、前記近似度Ｓ _０（ＡＢ）を、Ｓ _０（ＡＢ）＝Ｓ _Ｔ＋ｆ（Ｓ _Ｃ）から計測するステップと、をコンピュータに実行させるオントロジの近似度計測プログラムであって、
前記トポロジ間の近似度Ｓ _Ｔを計測するステップは、
一のクラスを親クラスとする子クラスの集合を子クラス集合とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを前記親クラスとする子クラス集合をＸ及びＹとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスを親クラスとする子クラス集合をＺとしたとき、前記子クラス集合Ｘ及びＹの積集合に属するクラスのメンバ数を前記子クラス集合Ｚに属するクラスのメンバ数で割った値を前記子クラス集合Ｘ及びＹ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスを親クラスとする子クラス集合全てについて前記子クラス集合間の近似度を演算するステップと、
演算した全ての前記子クラス集合間の近似度の和をパーソナルオントロジの前記トポロジ間の近似度Ｓ _Ｔとして演算するステップと、を有し、
前記クラス間の近似度Ｓ _Ｃを計測するステップは、
一のクラスに属するインスタンスの集合をインスタンス集合とし、
異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合をｘ及びｙとし、且つ前記雛形オントロジにおいて前記共通クラスと同一の単語を含むクラスに属するインスタンス集合をｚとしたとき、前記インスタンス集合ｘ及びｙの積集合に属するインスタンスのメンバ数を前記インスタンス集合ｚに属するインスタンスのメンバ数で割った値を前記インスタンス集合ｘ及びｙ間の近似度とし、異なる２つのパーソナルオントロジにおいて同一の単語を含む共通クラスに属するインスタンス集合全てについて前記インスタンス集合間の近似度を演算するステップと、
演算した全ての前記インスタンス集合間の近似度の和をパーソナルオントロジのクラス間の近似度Ｓ _Ｃとして演算するステップと、を有することを特徴とするオントロジの近似度計測プログラム。