JP5378109B2 - タスクモデル生成装置およびタスクモデル生成方法 - Google Patents

Description

本発明は、ネットワーク上のコンテンツなどのサービスにアクセスするためのタスクモデルを生成するタスクモデル生成装置およびタスクモデル生成方法に関する。

従来、携帯端末のユーザが、ネットワーク上で提供される各種サービスを利用して問題解決を行うための手法として、ディレクトリ検索やキーワード検索などの検索手法が存在する。このような検索手法では、問題の解決に適用可能なサービスを利用者自身が検索する必要がある。この検索のためには、利用者は、一般的なカテゴリにより分類されたディレクトリ階層やキーワード検索により得られた情報の一覧から、候補を抽出してその内容を判定する作業を、所望の機能を有するサービスが見つけるまで繰り返す必要があった。

しかしながら、携帯端末には、通常のＰＣと比較して、表示、通信などの処理能力が低く、またテンキーによる文字入力のためその入力操作が容易でない、といった制限がある。かかる制限は、各種サービスが提供する機能を利用者が検証する上で、大きな負担となる。このため、ネットワーク上にどのようなサービスが存在するのかを事前に把握していない利用者が、問題解決に適用可能なサービスを自ら発見することは困難であった。このような難点を解決するため、特許文献１では、利用者に必要になると予想される問題と、その問題を解決する過程で生じるサブ問題とをサーバ側に予め用意しておき、これらの問題を解決可能なサービスにナビゲートしている。

特開２００３−３３３８３１号公報

ところで、特許文献１では、ユーザが手動で問題の構造を分析し、問題のモデル（以下、タスクモデル）を構築しているが、未知の新しい場所やテーマ（ドメイン）においてタスクモデルを構築するためには専門家による長時間の構築・精査が必要である。なお、タスクモデルとは、ユーザが実世界で抱える問題の構造を分析し、ユーザの問題の解決行動（タスク）を構造化したデータベースである。タスクモデルでは、実世界の場所（ドメイン）ごとに、その場所に関連して発生するタスクがツリー状に構造化されている。映画館ドメインにおける実世界行動モデルの一部を図１５に示す。タスク間の関係は達成関係is-achieved-byで表現されている。上位のタスクではユーザの抽象的な要求や問題を表現しており、下位のタスクではより具体的な解決策を表現している。

例えば、図１５では、デパートをドメインとして、そのドメイン（デパート）に対する抽象的な要求として、デパートを選ぶ、商品を買う、デパートに行くなどが上位のタスクとしてあげられる。また、下位のタスクとして、セール情報を調べる、営業日時を調べるなどがあり、さらに下位のタスクでは、イベント情報を調べる、休業日を調べるなどがあげられる。

そこで、上述の課題を解決するために、本発明は、自動的にタスクモデルを構築することができるタスクモデル生成装置およびタスクモデル生成方法を提供することを目的とする。

上述課題を解決するために、本発明のタスクモデル生成装置は、ユーザから文字列の入力を受け付ける入力手段と、前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成手段と、前記ドメインタスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するドメインタスク検索手段と、前記ドメインタスク検索手段により検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出手段と、前記ドメインタスク抽出手段により抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶する記憶手段とを備えている。

また、本発明のタスクモデル生成方法は、ユーザから文字列の入力を受け付ける入力ステップと、前記入力ステップにより受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成ステップと、前記ドメインタスク検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索する検索ステップと、前記検索ステップにより検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出ステップと、前記ドメインタスク抽出ステップにより抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶手段に記憶する記憶ステップとを備えている。

この構成により、ユーザから受け付けられた入力文字列を含んだ検索パターンを生成し、生成された検索パターンを含んだＷｅｂページを検索し、検索されたＷｅｂページから、検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出する。抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶する。これにより、ユーザの行動支援のためのタスクモデル（データベース）を生成することができる。例えば、従来手作業等により１ヶ月程度かかっていたのに対して、本発明においては数時間でタスクモデルを構築することが期待できる。

また、本発明のタスクモデル生成装置において、前記ドメインタスク検索パターン生成手段は、前記入力手段により受け付けられた入力文字列に連結することで動作を表す語句に結びつけるための助詞を、前記入力文字列の後ろに連結して検索パターンを生成することが好ましい。

この構成により、受け付けられた入力文字列に連結することで動作を表す語句に結びつけるための助詞を、入力文字列の後ろに連結して検索パターンを生成することができる。これにより、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本発明のタスクモデル生成装置において、前記ドメインタスク検索パターン生成手段は、助詞“を”を前記入力文字列の後ろに連結して、検索パターンを生成することが好ましい。

この構成により、助詞“を”を入力文字列の後ろに連結して、検索パターンを生成することができ、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本発明のタスクモデル生成装置において、前記ドメインタスク抽出手段は、係り受け解析を行うことで、前記入力文字列に対応する動作文字列を判断し、前記検索パターンおよび前記動作文字列を含んだ一連の文字列を抽出することが好ましい。

この構成により、係り受け解析を行うことで、入力文字列に対応する動作文字列を判断し、検索パターンおよび動作文字列を含んだ一連の文字列を抽出することができる。これにより、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。すなわち、文字のパターンマッチングによらず、文章としても意味を考慮した文字列の抽出を行うことで、より的確なタスクモデルを構築することができる。

また、本発明のタスクモデル生成装置において、前記ドメインタスク抽出手段は、前記検索パターンの直後に連結され、動作を表す漢字のみからなる文字列を、前記検索パターンとともにドメインタスクとして抽出することが好ましい。

この構成により、検索パターンの直後に連結され、動作を表す漢字のみからなる文字列を、検索パターンとともにドメインタスクとして抽出することにより、助詞を用いることなく、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本発明のタスクモデル生成装置は、前記ドメインタスク抽出手段により抽出されたドメインタスクであるドメインタスク文字列に対して、当該ドメインタスク文字列で示される動作を修飾するための修飾語に連結させるための連結文字列を付加した包含タスク検索パターンを生成する包含タスク検索パターン生成手段、をさらに備え、前記ドメインタスク検索手段は、前記包含タスク検索パターン生成手段により生成された包含タスク検索パターンを含んだＷｅｂページを検索し、前記ドメインタスク抽出手段は、前記包含タスク検索パターンに修飾語を示す修飾文字列が連結された包含タスク文字列を抽出することが好ましい。

この構成により、ドメインタスクであるドメインタスク文字列に対して、当該ドメインタスク文字列で示される動作を修飾するための修飾語に連結させるための連結文字列を付加した包含タスク検索パターンを生成し、生成された包含タスク検索パターンを含んだＷｅｂページを検索し、包含タスク検索パターンに修飾語を示す修飾文字列が連結された包含タスク文字列を抽出することができる。これにより、ドメインタスクを包含するタスクを取得することができ、ユーザ支援のための行動をさらに細分化して支援することができる。

また、本発明のタスクモデル生成装置は、前記入力文字列と前記動作文字列との関連度合いを示す共起度を計算するドメイン共起度計算手段をさらに備え、前記ドメインタスク抽出手段は、前記ドメイン共起度計算手段による計算結果に基づいて、所定値以上の共起度を有するドメインタスクを抽出することが好ましい。

この構成により、入力文字列と動作文字列との関連度合いを示す共起度を計算し、この計算結果に基づいて、所定値以上の共起度を有するドメインタスクを抽出することができる。これにより、関連度合いの大きい文字列を結びつけることができ、ユーザに対してより的確な行動支援をすることができ、また関係のあまり無いＷｅｂページを除去することができる。

また、本発明のタスクモデル生成装置は、前記ドメインタスクと前記修飾文字列との関連度合いを示す共起度を計算する包含タスク共起度計算手段をさらに備え、前記ドメインタスク抽出手段は、前記包含タスク共起度計算手段による計算結果に基づいて、所定値以上の共起度を有する包含タスクを抽出することが好ましい。

この構成により、ドメインタスクと修飾文字列との関連度合いを示す共起度を計算し、計算結果に基づいて、所定値以上の共起度を有する包含タスクを抽出することができる。これにより、関連度合いの大きい文字列を結びつけることができ、ユーザに対してより的確な行動支援をすることができ、また関係のあまり無いＷｅｂページを除去することができる。

また、本発明のタスクモデル生成装置は、ユーザから文字列の入力を受け付ける入力手段と、前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するサブドメイン検索パターン生成手段と、前記サブドメイン検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するサブドメイン検索手段と、前記サブドメイン検索手段により検索されたＷｅｂページから、前記検索パターンに結びついている名詞文字列からなる一連の文字列をサブドメインとして抽出するサブドメイン抽出手段と、前記サブドメイン抽出手段により抽出されたサブドメインを示すサブドメイン文字列を関連タスクの検索パターンとして生成する関連タスク検索パターン生成手段と、前記関連タスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索する関連タスク検索手段と、前記関連タスク検索手段により検索されたＷｅｂページから、前記検索パターンの文字列および当該検索パターンの文字列に結びついている動作を表す動作文字列からなる一連の文字列を関連タスクとして抽出する関連タスク抽出手段と、前記関連タスク抽出手段により抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶する記憶手段とを備えている。

また、本発明のタスクモデル生成方法は、ユーザから文字列の入力を受け付ける入力ステップと、前記入力ステップにより受け付けられた入力文字列を含んだ検索パターンを生成するサブドメイン検索パターン生成ステップと、前記サブドメイン検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索するサブドメイン検索ステップと、前記サブドメイン検索ステップにより検索されたＷｅｂページから、前記検索パターンに結びついている名詞文字列からなる一連の文字列をサブドメインとして抽出するサブドメイン抽出ステップと、前記サブドメイン抽出ステップにより抽出されたサブドメインを示すサブドメイン文字列を関連タスクの検索パターンとして生成する関連タスク検索パターン生成ステップと、前記関連タスク検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索する関連タスク検索ステップと、前記関連タスク検索ステップにより検索されたＷｅｂページから、前記検索パターンの文字列および当該検索パターンの文字列に結びついている動作を表す動作文字列からなる一連の文字列を関連タスクとして抽出する関連タスク抽出ステップと、前記関連タスク抽出ステップにより抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶手段に記憶する記憶ステップとを備えている。

この構成により、ユーザから文字列の入力を受け付けられた入力文字列を含んだ検索パターンを生成し、生成された検索パターンを含んだＷｅｂページを検索する。そして、検索されたＷｅｂページから、前記検索パターンに結びついている名詞文字列からなる一連の文字列をサブドメインとして抽出し、抽出されたサブドメインを示すサブドメイン文字列を検索パターンとして生成する。生成された検索パターンを含んだＷｅｂページを検索し、検索されたＷｅｂページから、検索パターン文字列および当該検索パターン文字列に結びついている動作を表す動作文字列からなる一連の文字列を関連タスクとして抽出する。抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶する。これにより、ユーザの行動支援のためのタスクモデル（データベース）を生成することができる。例えば、従来手作業等により１ヶ月程度かかっていたのに対して、本発明においては数時間でタスクモデルを構築することが期待できる。

また、本発明のタスクモデル生成装置は、前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成手段と、前記ドメインタスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するドメインタスク検索手段と、前記ドメインタスク検索手段により検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出手段と、備え、前記記憶手段は、前記ドメインタスク抽出手段により抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶するタスクモデル生成装置であって、さらに、予め定められた文字列からなるドメインタスクと関連タスクとの関連度合いを示す共起度を計算する関連タスク共起度計算手段と、前記関連タスク共起度計算手段により計算された共起度に基づいて、関連タスクとドメインタスクとの関連付けを行う関連付け処理手段とを備えることが好ましい。

この構成により、予め定められた文字列からなるドメインタスクと関連タスクとの関連度合いを示す共起度を計算し、計算された共起度に基づいて、関連タスクとドメインタスクとの対応付けを行う。これにより、関連タスクを、より関連どの高いドメインタスクに対応付けることができ、ユーザの行動支援をより的確に行うことができる。

本発明によれば、ユーザの行動支援のためのタスクモデル（データベース）を生成することができる。例えば、従来手作業等により１ヶ月程度かかっていたのに対して、本発明においては数時間でタスクモデルを構築することが期待できる。

本実施形態のタスクモデル生成装置１００を含んだ通信システム１０のシステム構成を示すシステム構成図である。 タスクモデル生成装置１００の機能を示すブロック図である。 タスクモデル生成装置１００のハードウェア構成図である。 ドメインタスクを抽出する過程を示す説明図である。 包含タスクを抽出するまでの処理過程を示す説明図である。 ドメイン、ドメインタスク、包含タスクの関連性を示す模式図を示す。 タスクモデル生成装置１００のドメインタスクを抽出する方法を示すフローチャートである。 包含タスクを生成するタスクモデル生成装置１００の処理を示すフローチャートである。 関連タスクを抽出するためのタスクモデル生成装置１００ａの機能を示すブロック図である。 関連タスクを抽出する過程を示す説明図である。 本実施形態のタスクモデル生成装置１００ａの処理を示すフローチャートである。 ドメインタスクおよび関連タスクの関連付けを示す模式図である。 タスクモデルの記憶形態を説明する説明図である。 タスクモデルを表示する画面を示す説明図である。 タスクモデルの概念を示す概念図である。

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

図１は、本実施形態のタスクモデル生成装置１００を含んだ通信システム１０のシステム構成を示すシステム構成図である。この通信システム１０は、タスクモデル生成装置１００および検索エンジン２００を含んで構成されている。この通信システム１０においては、タスクモデル生成装置１００は、検索エンジン２００を利用して、所定の文字列を含んだＷｅｂページを検索し、検索したＷｅｂページを所定の文字列であるドメインタスクと対応付けたタスクモデルとして記憶するものである。

つぎに、このタスクモデル生成装置１００について説明する。図２は、タスクモデル生成装置１００の機能を示すブロック図である。図２に示されるとおり、タスクモデル生成装置１００は、ドメイン指定部１０１（入力手段）、ドメインタスク検索パターン生成部１０２（ドメインタスク検索パターン生成手段）、包含タスク検索パターン生成部１０３（包含タスク検索パターン生成手段）、Ｗｅｂ検索部１０６（ドメインタスク検索手段）、検索パターンマッチング部１０７（ドメインタスク抽出手段）、共起度計算部１０８（ドメイン共起度計算手段、包含タスク共起度計算手段）、タスクモデル生成部１０９および記憶部１１０（記憶手段）を含んで構成されている。

このタスクモデル生成装置１００は、図３に示すとおり、ＣＰＵ、ＲＡＭ等からのハードウェアにより実現される。図３は、タスクモデル生成装置１００のハードウェア構成図である。図２に示されるタスクモデル生成装置１００は、物理的には、図３に示すように、ＣＰＵ１１、主記憶装置であるＲＡＭ１２及びＲＯＭ１３、入力デバイスであるキーボード及びマウス等の入力装置１４、ディスプレイ等の出力装置１５、ネットワークカード等のデータ送受信デバイスである通信モジュール１６、ハードディスク等の補助記憶装置１７などを含むコンピュータシステムとして構成されている。図２において説明した各機能は、図３に示すＣＰＵ１１、ＲＡＭ１２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１１の制御のもとで入力装置１４、出力装置１５、通信モジュール１６を動作させるとともに、ＲＡＭ１２や補助記憶装置１７におけるデータの読み出し及び書き込みを行うことで実現される。以下、図２に示す機能ブロックに基づいて、各機能ブロックを説明する。

ドメイン指定部１０１は、タスクモデル生成装置１００のオペレータからのドメインとなる文字列（入力文字列）の入力を受け付ける部分である。例えば、図１４の例では、“デパート”がドメインに相当するものである。このドメインは、学習するタスクモデルの領域を定めるための文字列であり、ユーザの行動を支援するためのタスクモデルの中核を示す部分である。

ドメインタスク検索パターン生成部１０２は、ドメイン指定部１０１により入力されたドメインを示す入力文字列に基づいて検索パターンを生成する部分である。例えば、ドメインタスク検索パターン生成部１０２は、ドメイン直下のタスクであるドメインタスクを取得するための検索パターンを生成するものであり、「ドメイン＋助詞」からなる検索パターンを生成する。助詞として代表的なものは、“の”“で”“を”“は”等があるが、ここでは“を”が、検索パターンを構成する助詞として選択される。ドメインタスク検索パターン生成部１０２は、例えば「映画を」を検索パターンとし、後述するＷｅｂ検索部１０６は、「映画を」を含んだＷｅｂページを検索することができる。これにより、例えば「映画を観る」「映画を作る」といったドメインタスクを取得することができる。ドメインタスクとは、ユーザの行動を示す文字列であり、ユーザの動作を示す動詞または動作を示す名詞を含んだものである。

Ｗｅｂ検索部１０６は、検索エンジン２００にアクセスして、ドメインタスク検索パターン生成部１０２により生成された検索パターンを用いて検索を行う部分である。例えば、Ｗｅｂ検索部１０６は、ドメインタスク検索パターン生成部１０２により生成された“映画を”という文字列からなる検索パターンを検索エンジン２００に検索させる部分である。

検索パターンマッチング部１０７は、Ｗｅｂ検索部１０６により検索されたＷｅｂページのスニペット（検索結果）から、予め定められた語彙統語パターンに合致するドメインタスク（文字列）を抽出する部分である。例えば、検索パターンマッチング部１０７は、語彙統語パターンとして、「ドメイン“映画”＋助詞“を”＋動詞」が設定された場合、「“映画を”＋動詞」を構成する文章（タスク（動詞を示す文字列））を、係り受け解析などを利用して、を抽出する。これにより検索パターンマッチング部１０７は、“映画を観る”、“映画を作る”などのドメインタスク（文字列）を含んだＷｅｂページをタスクモデルとして抽出することができる。なお、ここでは公知技術である係り受け解析を行うことにより、“映画を観る”などのように一連の文字列のみ抽出することなく、例えば“映画を映画館で観る”などの文字列をも抽出することができる。

なお、語彙統語パターン(lexico - syntactic patterns)は、大規模なテキストコーパスから知識を抽出する代表的な手法であって、ある特定の表現から上位下位関係（Hyponymy Relation）や、概念具体物関係(concept-instance relation)を得る手法として幅広く利用されている（以下、参考文献を参照）。
[参考文献１]
[1]Philipp Cimiano: Ontology Learning And Population from Text: Algorithms,Evaluation And Applications, Springer-Verlag, 2006.
[参考文献２]
[2] DavidSanchez: Domain Ontology Learning from the Web, VDM Verlag, 2008.

このドメインタスク検索パターン生成部１０２および検索パターンマッチング部１０７に関して、以下の通りの変形例もあり得る。すなわち、上述の例では、助詞を用いることを前提としていたが、必ずしも助詞は必要とはしない。例えば、ドメインを“映画”とした場合、検索パターンを“映画”として、語彙統語パターンを“ドメイン＋動作を表す漢字のみからなる名詞（例えば、鑑賞や、製作）”とする場合、ドメインタスク検索パターン生成部１０２は、ドメインをそのまま検索パターンとし、また、検索パターンマッチング部１０７は、語彙統語パターンに従って、ドメイン（例えば、“映画”）に動作を表す名詞が付加されている一連の文字列を抽出するようにしてもよい。

共起度計算部１０８は、ドメイン指定部１０１により指定されたドメインを示す文字列と、検索パターンマッチング部１０７により抽出された語彙統語パターンにおけるタスク（動詞部分の文字列）との関連度合いを示す共起度を計算する部分である。検索パターンマッチング部１０７による処理のみでは、ノイズが含まれるため、共起度の計算を行うことにより、適切な概念のみをフィルタリングしようとするものである。ここで共起度の計算とは、以下の参考文献３により提案された概念間の上位下位関係をＷｅｂページの検索数から判定する手法である。下位概念Ｂの上位概念Ａとの包含の度合いを示す評価値（Score）は次式で表される。

ここで、Hits(X)とは、検索エンジンに文字列Ｘを入力したときの検索数である。
［参考文献３］
[3]P.D.Turney: Mining the Web for Synonyms: PMI-IR versus LSA on TOEFL, ECML2001,pages 491-502, 2001.

例えば、共起度計算部１０８は、“映画”と“作る”との共起度を計算したい場合には、“映画”を含んだＷｅｂページの検索数、“作る”を含んだＷｅｂページの検索数に基づいて、共起度を算出する。そして、タスクモデル生成部１０９がこれら閾値Ｔ以上であると判断する場合には、それら２つの文字列は関連度合いが大きいものとして扱われ、ドメインタスクとして用いる。

タスクモデル生成部１０９は、検索パターンマッチング部１０７により抽出されたドメインタスクのうち、共起度計算部１０８により計算された共起度が閾値Ｔ以上となるものをタスクモデルとして、記憶部１１０に記憶させる部分である。例えば、この閾値Ｔは、経験則上０．００００１とすることが好ましい。

さらに、タスクモデル生成部１０９は、生成したドメインタスクを示すドメインタスク文字列を包含タスク検索パターン生成部１０３に出力する。包含タスク検索パターン生成部１０３における処理については後述する。

記憶部１１０は、タスクモデル生成部１０９により生成されたタスクモデルを記憶する部分である。例えば、記憶部１１０は、図１３に示される管理テーブルであって、タスクＩＤ、タスク名、親タスクＩＤを対応付けて記憶する部分である。図１３では、タスクＩＤ：１００１にはタスク名：“映画を観る”、その親タスクＩＤ：０が記述されており、これはドメインタスクであることを示している。また、タスクＩＤ：１００２、タスク名：“映画館で映画を観る”、親タスクＩＤ：１００１と記述されている部分については、親タスクＩＤ：１００１である、タスク名“映画を観る”の下層に配置されるものであり、包含タスクを示す部分である。なお、図１３においては、図示していないが、タスクごとにＷｅｂページにアクセスするためのＵＲＬが対応付けられている。

なお、これらタスクＩＤは、タスクモデル生成部１０９にて、ユニークとなるように付与されるものであり、また親タスクＩＤは、ドメインタスクと包含タスクとの関連付けを行う際に、対応するドメインタスクのタスクＩＤが包含タスクの親タスクＩＤ欄に付与されるものである。

この記憶部１１０に記憶されている情報を用いて、ユーザ（携帯端末３００）は、図１４に示されるとおりの画面表示を行うことができる。すなわち、この記憶部１１０に記憶されている情報に対してアクセスしたユーザ（携帯端末３００）は、この画面３０２を見ながら、ポインタ３０３を操作し、サービス取得ボタン３０１を押下することにより、ドメインタスク、包含タスクまたは関連タスク等に関連付けられているＷｅｂページにアクセスすることができる。よって、ユーザが映画館で映画を観たい場合には、“映画館で映画を観る”という項目を選択すると、映画を観ることに関するＷｅｂページの一覧表が表示され、さらにユーザはその中から一つを選択することにより、Ｗｅｂページの閲覧を可能にする。

図４に、ドメインタスクを抽出する過程を示す。図４では、ドメインタスク取得のための検索用パターン、その検索エンジンに入力される入力例、その検索結果、および共起度計算結果の一例を示す。図４に示されるように、ここでは、検索パターンとして、“映画を”が生成され、この文字列が検索エンジン２００に入力され、検索処理が行われる。そして、検索結果として、スニペットには、“映画を”の文字列が太字で強調されたスニペットが得られる。図４では、検索結果は１件しか記載していないが、通常何万もの検索結果が得られるものである。

そして、この検索結果から、“映画を”につながる動詞の文字列が抽出される。ここでは“作る”が動詞の文字列として抽出される。なお、係り受け解析などを行うことにより、“作る”以外にもいくつかの動詞文字列が抽出される。そして、共起度計算が行われ、ここでは、“映画”と“作る”との共起度が計算される。ここでは、“映画”および“作る”のＡＮＤの検索が行われ、また“作る”のみの検索が行われ、それぞれ、1230000件、1430000件の検索数が検索され、これに基づいて共起度が0.86と算出される。この共起度0.86は、閾値Ｔより大きいため、ドメインタスクとして“映画を作る”が抽出され、また、これに関連するＷｅｂページ（またはＵＲＬ）がタスクモデルとしてドメインタスクと対応付けて記憶部１１０に記憶される。

包含タスク検索パターン生成部１０３は、上述の通り取得されたドメインタスクを含んだ包含タスクを抽出するための検索パターンを生成する部分である。包含タスクとは、ドメインタスクを含んだタスクであり、「修飾語＋助詞＋ドメインタスク」で構成された文字列である。すなわち、包含タスクとは、ドメインタスクの下位に属した行動を示したものである。ここでは、包含タスク検索パターン生成部１０３は、助詞として“で”を選択して、“で映画を観る”といった検索パターンを生成し、Ｗｅｂ検索部１０６は、この検索パターンを検索することができる。なお、本実施形態では、この助詞“で”のようなドメインタスクに対してその動作を修飾するための修飾語に連結させるための文字列を接続文字列と称する。

一方、語彙統語パターンは、この包含タスクに修飾語を付加した「修飾語＋包含タスク」となり、検索パターンマッチング部１０７は、このような語彙統語パターンを有する文字列を抽出する。なお、係り受け解析を行うことにより、検索パターンマッチング部１０７は、「・・・で・・・映画を観る」というように助詞“で”が離れた場合も抽出することができる。

Web検索部１０６は、包含タスク検索パターン生成部１０３により生成された包含タスク検索パターンを含んだＷｅｂページを検索し、検索パターンマッチング部１０７は、予め定められた語彙統語パターンを有する文字列（修飾語＋助詞＋ドメインタスク）を抽出する。

そして、共起度計算部１０８は、ドメインタスクと修飾語との共起度を計算し、タスクモデル生成部１０９は、閾値Ｔ以上の共起度を有する包含タスクをタスクモデルとして記憶部１１０に記憶させる。

この包含タスクの抽出について、図５を用いて説明する。図５は、包含タスクを抽出するまでの処理過程を示す説明図である。図５では、包含タスク取得用検索パターンは、“で映画を観る”が設定されている。そして、これを検索エンジンに入力して、検索結果が得られる。図４と同様に、この包含タスク取得用検索パターンに該当する文字列は太字で表されている。なお、図４と同様に、検索結果は何万ものＷｅｂページが検索される。

そして、共起度が計算される。図５では、“映画を観る”と“ＤＶＤ”との共起度、および“映画を観る”と“映画館”との共起度がそれぞれ計算されている。

つぎに、このように構成されたタスクモデル生成装置１００のドメインタスクを抽出するときの処理について説明する。図７は、タスクモデル生成装置１００のドメインタスクを抽出する方法を示すフローチャートである。図７に示されるとおり、オペレータによりドメイン指定部１０１からドメイン（文字列）が入力されて指定される（Ｓ１０１）。そして、ドメインタスク検索パターン生成部１０２によりドメインタスクを抽出するための検索パターンが生成される（Ｓ１０２）。

つぎに、Ｗｅｂ検索部１０６により、ドメインタスク検索パターン生成部１０２により生成された検索パターンを用いた検索が行われる（Ｓ１０３）。ここで全ての検索パターンによる検索が実行された場合（Ｓ１０４：ＹＥＳ）、当該検索パターンにマッチする文字列が、検索パターンマッチング部１０７により抽出される（Ｓ１０５）。そして、共起度計算部１０８によりドメインと文字列との間の関連度合いを示す共起度が計算される（Ｓ１０６）。そして、タスクモデル生成部１０９により、閾値Ｔ以上の共起度の文字列が選択され、その文字列を含んだドメインタスクが生成される（Ｓ１０７）。生成されたドメインタスクは、そのＵＲＬとともに、記憶部１１０に記憶され、ユーザによりアクセス可能に保持される（Ｓ１０８）。

このようにして、指定されたドメインに基づいたドメイン検索用の検索パターンに従って該当する文字列が抽出され、その文字列を含んだドメインタスクが生成される。

つぎに、包含タスクを生成する処理について説明する。図８は、包含タスクを生成するタスクモデル生成装置１００の処理を示すフローチャートである。まず、図７に示される方法により、ドメインタスクが生成される（Ｓ２０１）。そして、包含タスク検索パターン生成部１０３により包含タスクを抽出するための検索パターンが生成される（Ｓ２０２）。そして、Ｗｅｂ検索部１０６により、包含タスク検索パターン生成部１０３により生成された検索パターンを用いた検索が行われる（Ｓ２０３）。ここで全ての検索パターンによる検索が実行された場合（Ｓ２０４：ＹＥＳ）、当該検索パターンにマッチする文字列が、検索パターンマッチング部１０７により抽出され、そして語彙統語パターンに合致する文字列が抽出される（Ｓ２０５）。そして、共起度計算部１０８によりドメインタスクと文字列のうちの修飾語を示す修飾文字列との間の包含程度を示す共起度が計算される（Ｓ２０６）。そして、タスクモデル生成部１０９により、閾値Ｔ以上の共起度の修飾文字列が選択され、その修飾文字列を含んだ包含タスクが生成される（Ｓ２０７）。生成された包含タスクは、そのＵＲＬとともに、記憶部１１０に記憶され、ユーザによりアクセス可能に保持される（Ｓ２０８）。

このようにして、ドメインが指定され、指定されたドメインに基づいたドメインタスクが抽出され、さらにこのドメインタスクを包含する包含タスクが抽出される。図６に、ドメイン、ドメインタスク、包含タスクの関連性を示す模式図を示す。図６に示されるとおり、ドメインとして“映画”が指定され、このドメインに基づいて、ドメインタスクとして“映画を観る”、“映画に出演する”、“映画を作る”が抽出される。さらに、“映画を観る”に包含される包含タスクとして、“映画館で映画を観る”、“家で映画を観る”、“字幕で映画を観る”、“ＴＶで映画を観る”が抽出される。このようにして、ドメイン、ドメインタスク、包含タスクが関連付けられ、ユーザの行動を支援可能にするための、タスクモデルを生成することができる。

つぎに、ドメインタスクに関連する関連タスクについて説明する。この関連タスクは、ドメインを含んだ文字列のうち、ドメインタスクに関連の深いタスクである。例えば、ドメインが“映画”、ドメインタスクが“映画を観る”とした場合に、関連タスクは、ドメインタスク“映画を観る”に関連の深い“映画のチケットを買う”である。なお、関連の深いとは、ドメインタスクと関連タスクとの共起度が所定値以上であるものとする。以下、その詳細処理について説明する。

図９は、関連タスクを抽出するためのタスクモデル生成装置１００ａの機能を示すブロック図である。このタスクモデル生成装置１００ａは、ドメイン指定部１０１（入力手段）、ドメインタスク検索パターン生成部１０２（ドメインタスク検索パターン生成手段）、包含タスク検索パターン生成部１０３、Ｗｅｂ検索部１０６（ドメインタスク検索手段）、検索パターンマッチング部１０７（ドメインタスク抽出手段）、共起度計算部１０８、タスクモデル生成部１０９、記憶部１１０、サブドメイン検索パターン生成部１１１（サブドメイン検索パターン生成手段）、Ｗｅｂ検索部１１２（サブドメイン検索手段）、検索パターンマッチング部１１３（サブドメイン抽出手段）、関連タスク検索パターン生成部１１５（関連タスク検索パターン生成手段）、共起度計算部１１７（関連タスク共起度計算手段）、および関連付処理部１１８（関連付け処理手段）を含んで構成される。

このタスクモデル生成装置１００ａは、ＣＰＵ等を備えたハードウェアから構成されているものであり、例えば、図３に示されているハードウェアにより各種機能が実現される。以下、各機能ブロックの説明をする。なお、ドメイン指定部１０１、ドメインタスク検索パターン生成部１０２、包含タスク検索パターン生成部１０３、Ｗｅｂ検索部１０６、検索パターンマッチング部１０７、共起度計算部１０８、タスクモデル生成部１０９、記憶部１１０は、タスクモデル生成装置１００と同じ機能構成をとるものであり、その詳細説明は省略する。

サブドメイン検索パターン生成部１１１は、サブドメインのための検索パターンを生成する部分である。サブドメインは、ドメイン指定部１０１から入力されたドメインを含んだ文字列であり、本実施形態では、「ドメイン＋助詞“の”」と設定された文字列である。例えば、ドメインが“映画”である場合には、サブドメインは“映画の”となる。

Ｗｅｂ検索部１１２は、検索エンジン２００にアクセスして、サブドメイン検索パターン生成部１１１により生成されたサブドメイン検索パターンに基づいて検索処理を行う部分である。例えば、Ｗｅｂ検索部１１２は、サブドメイン検索パターン生成部１１１により生成された“映画の”という文字列からなる検索パターンを検索エンジン２００に検索させる部分である。

検索パターンマッチング部１１３は、Ｗｅｂ検索部１１２により検索されたＷｅｂページのスニペット（検索結果）から、予め定められた語彙統語パターンに合致するサブドメイン（文字列）を抽出する部分である。例えば、検索パターンマッチング部１１３は、語彙統語パターンとして、「ドメイン“映画”＋助詞“の”＋名詞」が設定された場合、「“映画の”＋名詞」を構成する文章を、係り受け解析などを利用して抽出する。これにより検索パターンマッチング部１１３は、“映画のチケット”、“映画のスケジュール”などのサブドメイン（文字列）を含んだＷｅｂページをサブドメインとして抽出することができる。なお、ここでは公知技術である係り受け解析を行うことにより、「映画のチケット」などのように一連の文字列のみ抽出することなく、例えば「映画の試写会のチケット」などの文字列をも抽出することができる。また、検索パターンマッチング部１１３は、サブドメインとして、“ドメイン＋名詞”とした語彙統語パターンに従った文字列を抽出するようにしてもよい。すなわち、助詞を用いない文字列としてもよく、上述の例では、“映画チケット”をサブドメインとしてもよい。

さらに、検索パターンマッチング部１１３は、後述する関連タスク検索パターン生成部１１５により生成された関連タスクの検索パターンに基づいて検索処理された検索結果（スニペット）から、予め定められた語彙統語パターンに合致する関連タスク（文字列）を抽出する。ここでは、サブドメインを含んだ関連タスク（文字列）を抽出するものであり、「サブドメイン＋助詞＋動詞」を語彙統語パターンとする関連タスクを抽出する。例えば、サブドメイン“映画のチケット”、助詞“を”、動詞“購入する”で構成される関連タスクを抽出する。なお、助詞“を”にかえて、“の”、または“で”などとしてもよく、そのほかの助詞を適用してもよい。

関連タスク検索パターン生成部１１５は、検索パターンマッチング部１１３において抽出されたサブドメインに基づいて、関連タスクの検索パターンを生成する部分である。関連タスクは、サブドメインを含んだ文字列であり、本実施形態では、「サブドメイン＋助詞“を”」と設定された文字列である。例えば、サブドメインが“映画のチケット”とした場合、検索パターンは、“映画のチケットを”となる。Ｗｅｂ検索部１１２は、この検索パターンを含んだＷｅｂページを検索し、検索パターンマッチング部１１３は、「ドメイン＋助詞“を”＋動詞」を語彙統語パターンとする関連タスクを抽出する。例えば、検索パターンマッチング部１１３は、“映画のチケットを購入する”といった関連タスクを抽出することができる。なお、助詞を用いない場合もあり、その場合“映画チケット購入”とする関連タスクを抽出するようにしてもよい。

共起度計算部１１７は、タスクモデル生成部１０９において生成されたドメインタスクと、検索パターンマッチング部１１３において、抽出された関連タスクとの関連度合いを示す共起度を計算する部分である。すなわち、共起度計算部１１７は、一の関連タスクがどのドメインタスクに対して関連付けをするかを決定するために、一の関連タスクと、タスクモデル生成部１０９において生成された複数のドメインタスクのそれぞれとの間の共起度を計算する。具体的な共起度の計算方法は、式１に示したものと同じである。

関連付処理部１１８は、共起度計算部１１７において計算された共起度に基づいて、一番共起度の値の大きいドメインタスクに対して、一の関連タスクを対応付ける処理を行う。すなわち、関連付処理部１１８は、記憶部１１０において、どのドメインタスクの下層部分に関連タスクを記憶させるかを決定し、そのドメインタスクに関連付けて関連タスクを記憶させる。具体的には、関連付処理部１１８は、図１３に示すとおり、関連付けられるドメインタスクのタスクＩＤを、関連タスクの親タスクＩＤ欄に記述することで、関連付けの処理を行う。また、関連付け処理部１１８は、関連タスクのタスクＩＤをユニークとなるように付与するものである。

このように構成されたタスクモデル生成装置１００ａにおける関連タスクを抽出するまでの過程について図１０を用いて説明する。図１０は、関連タスクを抽出する過程を示す説明図である。

図１０では、サブドメイン取得用検索パターンとして、検索パターン“映画の”が生成されていることを示している。そして、これを用いて、検索エンジン２００に、“映画の”を検索させる。検索エンジン２００では、例えば、図１０の検索結果欄に示されるような検索結果が得られる。例えば、サブドメインとして“映画のチケット”や、“映画の英語”などが得られる。

つぎに、達成タスク取得用検索パターンが生成され、これに基づいた検索が行われる。例えば、本実施形態では、１）“映画のチケットを”、２）“映画の映画を”が生成され、これに基づいた検索が行われる。

共起度の計算では、ドメインタスクとして、“映画を観る”、“映画で学ぶ”が生成されていたとすると、それぞれのドメインタスクと、関連タスク“映画のチケットを購入する”との間の共起度が、共起度計算部１１７により計算される。本実施形態では、関連タスク“映画のチケットを購入する”と、ドメインタスク“映画を観る”との共起度は、０．０５２、関連タスク“映画のチケットを購入する”と、ドメインタスク“映画で学ぶ”との共起度は、０．００２１であることから、関連タスク“映画のチケットを購入する”は、ドメインタスク“映画を観る”に関連付けられる。同様にして、関連タスク“映画の英語を聞き取る”についても度面タスクとの間で関連付けがなされる。

つぎに、このように構成されたタスクモデル生成装置１００ａの処理について説明する。図１１は、本実施形態のタスクモデル生成装置１００ａの処理を示すフローチャートである。まず、タスクモデル生成部１０９によりドメインタスクのタスクモデルが生成される（Ｓ３０１）。この詳細な処理は、図７および図８に示したとおりである。

つぎに、サブドメイン検索パターン生成部１１１により、サブドメイン検索パターンが生成され（Ｓ３０２）、Ｗｅｂ検索部１１２によりサブドメインの検索パターンを含んだＷｅｂページの検索が行われる（Ｓ３０３）。そして、Ｗｅｂ検索部１１２において、全ての検索パターンを実行したと判断されると（Ｓ３０４）、検索パターンマッチング部１１３により検索パターンにマッチするサブドメインが抽出される（Ｓ３０５）。

関連タスク検索パターン生成部１１５では、検索パターンマッチング部１１３により抽出されたサブドメインを用いて関連タスクの検索パターンが生成される（Ｓ３０６）。そして、この関連タスクの検索パターンによる検索が、Ｗｅｂ検索部１１２により行われる（Ｓ３０７）。そして、Ｗｅｂ検索部１１２において、全ての検索パターンを実行したと判断されると（Ｓ３０８）、検索パターンマッチング部１１３により検索パターンにマッチする関連タスクが抽出される（Ｓ３０９）。

関連タスクが抽出されると、どのドメインタスクに関連付けたらよいか、その処理を行うために、抽出した一の関連タスクと、すでに抽出されている複数のドメインタスクとの間の共起度が計算される（Ｓ３１０）。そして、この共起度が高いドメインタスクに対して、関連タスクが関連付け処理が行われ（Ｓ３１１）、その関連付けが記憶部１１０に記憶される（Ｓ３１２）。

このように処理されたドメインタスクおよび関連タスクの関連付けを示す模式図を図１２に示す。図１２に示されるとおり、ドメインタスク“映画を観る”には、包含タスク“映画館で映画を観る”、“家で映画を観る”などが下層に関連付けられている。また、ドメインタスク“映画を観る”には、関連タスク“映画のチケットを買う”、“映画のスケジュールを確認する”などが関連付けられている。

つぎに、本実施形態のタスクモデル生成装置１００およびタスクモデル生成装置１００ａの作用効果について説明する。本実施形態のタスクモデル生成装置１００において、ドメイン指定部１０１がユーザからドメインとなる文字列の入力を受け付け、ドメインタスク検索パターン生成部１０２は、このドメイン（入力文字列）を含んだドメインタスク取得用の検索パターンを生成する。Ｗｅｂ検索部１０６は、生成された検索パターンを含んだＷｅｂページを検索し、検索パターンマッチング部１０７は、検索されたＷｅｂページから、検索パターンで示される検索パターン文字列（例えば、“映画を”）、および当該検索パターン文字列に結びついて動作を表す動作文字列（例えば、“観る”）含んだ一連の文字列（“映画を観る”）をドメインタスクとして抽出する。記憶部１１０は、抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報（ＵＲＬ）を対応付けてタスクモデルとして記憶する。これにより、ユーザの行動支援のためのタスクモデル（データベース）を生成することができる。例えば、従来手作業等により１ヶ月程度かかっていたのに対して、本発明においては数時間でタスクモデルを構築することが期待できる。

また、本実施形態のタスクモデル生成装置１００において、ドメイン指定部１０１において受け付けられたドメインとなる入力文字列（例えば、“映画”）に連結することで動作を表す語句に結びつけるための助詞（本実施形態では、“を”であるが、これに限定はしない）を、入力文字列の後ろに連結して検索パターン（例えば、“映画を”）を生成することができる。これにより、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本実施形態のタスクモデル生成装置１００において、助詞“を”をドメインとなる入力文字列の後ろに連結して、検索パターンを生成することができ、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本実施形態のタスクモデル生成装置１００において、検索部１０６、若しくは検索エンジン２００が係り受け解析を行うことで、検索パターンマッチング部１０７は、ドメインとなる入力文字列（例えば、“映画”）に対応する動作文字列（例えば、“観る”）を判断し、検索パターンおよび動作文字列を含んだ一連の文字列を抽出することができる。これにより、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。すなわち、文字のパターンマッチングによらず、文章としても意味を考慮した文字列の抽出を行うことで、より的確なタスクモデルを構築することができる。

また、本実施形態のタスクモデル生成装置１００において、検索パターンマッチング部１０７は、ドメインとなる入力文字列をそのまま検索パターンとする場合においては、その検索パターンの直後に連結され、動作を表す漢字のみからなる文字列（例えば、“鑑賞”）を、検索パターンとともにドメインタスク（この場合、“映画鑑賞”となる）として抽出することにより、助詞を用いることなく、ユーザの行動を支援するための文字列を的確に表すことができ、そのためのタスクモデルを生成することができる。

また、本実施形態のタスクモデル生成装置１００において、包含タスク検索パターン生成部１０３は、ドメインタスクであるドメインタスク文字列（例えば、“映画を観る”）に対して、当該ドメインタスク文字列で示される動作を修飾するための修飾語に連結させるための連結文字列（例えば、“で”）を付加した包含タスク検索パターン（例えば、“で映画を観る”）を生成する。Ｗｅｂ検索部１０６は、生成された包含タスク検索パターンを含んだＷｅｂページを検索し、検索パターンマッチング部１０７は、包含タスク検索パターンに修飾語を示す修飾文字列（例えば、“映画館で”）が連結された包含タスク文字列（例えば、“映画館で映画を観る”）を抽出することができる。これにより、ドメインタスクを包含するタスクを取得することができ、ユーザ支援のための行動をさらに細分化して支援することができる。

また、本実施形態のタスクモデル生成装置１００において、共起度計算部１０８は、ドメインとなる入力文字列と動作文字列との関連度合いを示す共起度を計算する。そして、この計算結果に基づいて、タスクモデル生成部１０９は、所定値以上の共起度を有するドメインタスクを抽出することができる。これにより、関連度合いの大きい文字列を結びつけることができ、ユーザに対してより的確な行動支援をすることができ、また関係のあまり無いＷｅｂページを除去することができる。

また、本実施形態のタスクモデル生成装置１００において、タスクモデル生成部１０９において生成されたドメインタスクと修飾文字列との関連度合いを示す共起度を計算し、タスクモデル生成部１０９は、この計算結果に基づいて、所定値以上の共起度を有する包含タスクを抽出することができる。これにより、関連度合いの大きい文字列を結びつけることができ、ユーザに対してより的確な行動支援をすることができ、また関係のあまり無いＷｅｂページを序供することができる。

また、本実施形態のタスクモデル生成装置１００ａにおいて、サブドメイン検索パターン生成部１１１は、ドメイン指定部１０１においてユーザから受け付けられた入力文字列を含んだ検索パターン（例えば、“映画の”）を生成し、Ｗｅｂ検索部１１２は、生成された検索パターンを含んだＷｅｂページを検索する。そして、検索パターンマッチング部１１３は、検索されたＷｅｂページから、検索パターンに結びついている名詞文字列（例えば、“チケット”）からなる一連の文字列（例えば、“映画のチケット”）をサブドメインとして抽出し、関連タスク検索パターン生成部１１５は、抽出されたサブドメインを示すサブドメイン文字列を関連タスク取得用の検索パターン（例えば、“映画のチケットを”）として生成する。Ｗｅｂ検索部１１２は、さらに、生成された検索パターンを含んだＷｅｂページを検索し、検索パターンマッチング部１１３は、検索されたＷｅｂページから、検索パターン文字列および当該検索パターン文字列に結びついている動作を表す動作文字列（例えば、“購入する”）からなる一連の文字列を関連タスク（例えば、“映画のチケットを購入する”）として抽出する。記憶部１１０は、抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶する。これにより、ユーザの行動支援のためのタスクモデル（データベース）を生成することができる。例えば、従来手作業等により１ヶ月程度かかっていたのに対して、本発明においては数時間でタスクモデルを構築することが期待できる。

また、本実施形態のタスクモデル生成装置１００ａにおいて、共起度計算部１１７は、予め定められた文字列からなるドメインタスク（例えば、“映画を観る”）と関連タスク（例えば、“映画のチケットを購入する”）との関連度合いを示す共起度を計算し、計算された共起度に基づいて、関連タスクとドメインタスクとの対応付けを行う。これにより、関連タスクを、より関連度合いの高いドメインタスクに対応付けることができ、ユーザの行動支援をより的確に行うことができる。

１０…通信システム、１００…タスクモデル生成装置、１００ａ…タスクモデル生成装置、１０１…ドメイン指定部、１０２…ドメインタスク検索パターン生成部、１０３…包含タスク検索パターン生成部、１０４…サブドメイン検索パターン生成部、１０５…関連タスク検索パターン生成部、１０６…Ｗｅｂ検索部、１０７…検索パターンマッチング部、１０８…共起度計算部、１０９…タスクモデル生成部、１１０…記憶部、１１１…サブドメイン検索パターン生成部、１１２…Ｗｅｂ検索部、１１３…検索パターンマッチング部、１１５…関連タスク検索パターン生成部、１１７…共起度計算部、１１８…関連付処理部、２００…検索エンジン、３００…携帯端末、３００…検索エンジン。

Claims (12)

1. ユーザから文字列の入力を受け付ける入力手段と、
   前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成手段と、
   前記ドメインタスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するドメインタスク検索手段と、
   前記ドメインタスク検索手段により検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出手段と、
   前記ドメインタスク抽出手段により抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶する記憶手段と
   を備えるタスクモデル生成装置。
2. 前記ドメインタスク検索パターン生成手段は、前記入力手段により受け付けられた入力文字列に連結することで動作を表す語句に結びつけるための助詞を、前記入力文字列の後ろに連結して検索パターンを生成することを特徴とする請求項１に記載のタスクモデル生成装置。
3. 前記ドメインタスク検索パターン生成手段は、助詞“を”を前記入力文字列の後ろに連結して、検索パターンを生成することを特徴とする請求項２に記載のタスクモデル生成装置。
4. 前記ドメインタスク抽出手段は、係り受け解析を行うことで、前記入力文字列に対応する動作文字列を判断し、前記検索パターンおよび前記動作文字列を含んだ一連の文字列を抽出することを特徴とする請求項１から３のいずれか一項に記載のタスクモデル生成装置。
5. 前記ドメインタスク抽出手段は、前記検索パターンの直後に連結され、動作を表す漢字のみからなる文字列を、前記検索パターンとともにドメインタスクとして抽出することを特徴とする請求項１に記載のタスクモデル生成装置。
6. 前記ドメインタスク抽出手段により抽出されたドメインタスクであるドメインタスク文字列に対して、当該ドメインタスク文字列で示される動作を修飾するための修飾語に連結させるための連結文字列を付加した包含タスク検索パターンを生成する包含タスク検索パターン生成手段、
   をさらに備え、
   前記ドメインタスク検索手段は、前記包含タスク検索パターン生成手段により生成された包含タスク検索パターンを含んだＷｅｂページを検索し、
   前記ドメインタスク抽出手段は、前記包含タスク検索パターンに修飾語を示す修飾文字列が連結された包含タスク文字列を抽出することを特徴とする請求項１から５のいずれか一項に記載のタスクモデル生成装置。
7. 前記入力文字列と前記動作文字列との関連度合いを示す共起度を計算するドメイン共起度計算手段をさらに備え、
   前記ドメインタスク抽出手段は、前記ドメイン共起度計算手段による計算結果に基づいて、所定値以上の共起度を有するドメインタスクを抽出することを特徴とする請求項１から６のいずれか一項に記載のタスクモデル生成装置。
8. 前記ドメインタスクと前記修飾文字列との関連度合いを示す共起度を計算する包含タスク共起度計算手段をさらに備え、
   前記ドメインタスク抽出手段は、前記包含タスク共起度計算手段による計算結果に基づいて、所定値以上の共起度を有する包含タスクを抽出することを特徴とする請求項６に記載のタスクモデル生成装置。
9. ユーザから文字列の入力を受け付ける入力手段と、
   前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するサブドメイン検索パターン生成手段と、
   前記サブドメイン検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するサブドメイン検索手段と、
   前記サブドメイン検索手段により検索されたＷｅｂページから、前記検索パターンに結びついている名詞文字列からなる一連の文字列をサブドメインとして抽出するサブドメイン抽出手段と、
   前記サブドメイン抽出手段により抽出されたサブドメインを示すサブドメイン文字列を関連タスクの検索パターンとして生成する関連タスク検索パターン生成手段と、
   前記関連タスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索する関連タスク検索手段と、
   前記関連タスク検索手段により検索されたＷｅｂページから、前記検索パターンの文字列および当該検索パターンの文字列に結びついている動作を表す動作文字列からなる一連の文字列を関連タスクとして抽出する関連タスク抽出手段と、
   前記関連タスク抽出手段により抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶する記憶手段と
   を備えるタスクモデル生成装置。
10. 前記入力手段により受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成手段と、
    前記ドメインタスク検索パターン生成手段により生成された検索パターンを含んだＷｅｂページを検索するドメインタスク検索手段と、
    前記ドメインタスク検索手段により検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出手段と、を備え、前記記憶手段は、前記ドメインタスク抽出手段により抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶するタスクモデル生成装置であって、
    さらに、
    予め定められた文字列からなるドメインタスクと関連タスクとの関連度合いを示す共起度を計算する関連タスク共起度計算手段と、
    前記関連タスク共起度計算手段により計算された共起度に基づいて、関連タスクとドメインタスクとの関連付けを行う関連付け処理手段とを備える請求項９に記載のタスクモデル生成装置。
11. ユーザから文字列の入力を受け付ける入力ステップと、
    前記入力ステップにより受け付けられた入力文字列を含んだ検索パターンを生成するドメインタスク検索パターン生成ステップと、
    前記ドメインタスク検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索する検索ステップと、
    前記検索ステップにより検索されたＷｅｂページから、前記検索パターンで示される検索パターン文字列、および当該検索パターン文字列に結びついて動作を表す動作文字列を含んだ一連の文字列をドメインタスクとして抽出するドメインタスク抽出ステップと、
    前記ドメインタスク抽出ステップにより抽出されたドメインタスクおよび当該ドメインタスクを含んだＷｅｂページのアクセス先情報を対応付けてタスクモデルとして記憶手段に記憶する記憶ステップと
    から構成される、コンピュータが実行するタスクモデル生成方法。
12. ユーザから文字列の入力を受け付ける入力ステップと、
    前記入力ステップにより受け付けられた入力文字列を含んだ検索パターンを生成するサブドメイン検索パターン生成ステップと、
    前記サブドメイン検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索するサブドメイン検索ステップと、
    前記サブドメイン検索ステップにより検索されたＷｅｂページから、前記検索パターンに結びついている名詞文字列からなる一連の文字列をサブドメインとして抽出するサブドメイン抽出ステップと、
    前記サブドメイン抽出ステップにより抽出されたサブドメインを示すサブドメイン文字列を関連タスクの検索パターンとして生成する関連タスク検索パターン生成ステップと、
    前記関連タスク検索パターン生成ステップにより生成された検索パターンを含んだＷｅｂページを検索する関連タスク検索ステップと、
    前記関連タスク検索ステップにより検索されたＷｅｂページから、前記検索パターンの文字列および当該検索パターンの文字列に結びついている動作を表す動作文字列からなる一連の文字列を関連タスクとして抽出する関連タスク抽出ステップと、
    前記関連タスク抽出ステップにより抽出された関連タスクおよび当該関連タスクを含んだＷｅｂページのアクセス先情報を対応付けて記憶手段に記憶する記憶ステップと
    から構成される、コンピュータが実行するタスクモデル生成方法。

Images