JP6927318B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Description

本開示は、情報処理装置、情報処理方法、及びプログラムに関する。

ネットワーク技術の発展に伴い、ユーザは、各所に点在する多種多様な情報を、インターネット等のネットワークを介して閲覧することが可能となっている。また、近年では、所望のキーワードを指定することで、ネットワークを介してアクセス可能な多種多様な情報（換言すると、ネットワーク上に存在する情報）の中から、当該キーワードに関連する情報を検索して提示するサービス（以降では、「検索サービス」とも称する）も提供されている。例えば、特許文献１には、情報を検索してユーザに提示する技術の一例が開示されている。

特開２００３−１７８０９６号広報

ところで、従来のサービスでは、ユーザに対して情報が提示されるためには、検索キーワードの入力等のようなユーザによる能動的な動作に応じたトリガが必要となっていた。これに対して、所謂テレビジョン放送やラジオ放送等のように、ユーザが受動的に情報を取得可能な媒体も各種存在する。しかしながら、テレビジョン放送やラジオ放送により提供される情報は、ユーザ個人に向けて発信された情報とは言い難く、必ずしも個々のユーザの嗜好に応じた情報や、その場の状況に即した情報がユーザに提供されるとは限らない。

そこで、本開示では、煩雑な操作を伴わずに状況に応じてユーザの嗜好により即した情報を提供することが可能な技術について提案する。

本開示によれば、１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得する取得部と、１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出する抽出部と、抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御する出力制御部と、を備え、前記抽出部が前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、前記取得部は、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、前記出力制御部は、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、情報処理装置が提供される。

また、本開示によれば、コンピュータが、１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御することと、を含み、前記抽出することが前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、前記取得することは、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、前記制御することは、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、情報処理方法が提供される。

また、本開示によれば、コンピュータに、１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御することと、を実行させ、前記抽出することが前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、前記取得することは、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、前記制御することは、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、プログラムが提供される。

以上説明したように本開示によれば、煩雑な操作を伴わずに状況に応じてユーザの嗜好により即した情報を提供することが可能な技術が提供される。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理システムのシステム構成の一例を示した図である。 同実施形態に係る端末装置の機能構成の一例を示したブロック図である。 同実施形態に係る情報処理装置の機能構成の一例について説明するための説明図である。 同実施形態に係る情報処理装置によるキーワードの抽出に係る概略的な処理の流れの一例について説明するための説明図である。 同実施形態に係る情報処理装置による音声認識処理の一例について説明するための説明図である。 同実施形態に係る情報処理装置によるキーワードの抽出に係る処理の一例について説明するための説明図である。 形態素解析の処理の結果の一例について説明するための説明図である。 キーワードの抽出結果の一例について説明するための説明図である。 同実施形態に係る情報処理装置によるコンテンツの抽出に係る処理の一例について説明するための説明図である。 同実施形態に係る端末装置のＵＩの一例について説明するための説明図である。 同実施形態に係る端末装置のＵＩの一例について説明するための説明図である。 同実施形態に係る端末装置のＵＩの一例について説明するための説明図である。 変形例に係る情報処理システムにおけるユーザのグルーピングを行うための仕組みの一例について説明するための説明図である。 変形例に係る情報処理システムのシステム構成の一例を示した図である。 変形例に係る情報処理システムにおけるユーザのグルーピングに係る処理の結果の一例について説明するための説明図である。 変形例に係る情報処理装置の処理の一例について説明するための説明図である。 本開示の一実施形態に係る情報処理システムの応用例について説明するための説明図である。 本開示の一実施形態に係る情報処理システムを構成する情報処理装置のハードウェア構成の一構成例を示す機能ブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．はじめに
２．構成
２．１．システム構成
２．２．機能構成
３．処理
３．１．音声データに基づくキーワードの抽出
３．２．キーワードに関連するコンテンツの抽出
３．３．コンテンツの抽出結果に応じた情報の提示
３．４．補足
４．変形例
５．ハードウェア構成
６．むすび

＜＜１．はじめに＞＞
ネットワーク技術の発展に伴い、ユーザは、各所に点在する多種多様な情報を、インターネット等のネットワークを介して閲覧することが可能となっている。特に近年では、所望のキーワードを指定することで、ネットワークを介してアクセス可能な多種多様な情報の中から、当該キーワードに関連する情報を検索して提示する所謂検索サービスも提供されている。

また、近年では、音声認識技術や自然言語処理技術の発展に伴い、ユーザは、音声を発話することで、情報処理装置や情報処理システムに対して各種情報を入力することが可能となってきている。このような所謂音声入力は、上述した検索サービスのような所謂ネットワークサービスにも適用可能となってきている。

一方で、従来のサービスでは、ユーザに対して情報を提示するためには、検索キーワードの入力等のようなユーザによる能動的な動作に応じたトリガが必要となっていた。また、従来のサービスでは、ユーザにより入力されたキーワードに依存した情報の検索が行われるのみであり、その場の状況により即した情報や、ユーザ個人の嗜好により即した情報が提供されるとは限らない。

これに対して、所謂テレビジョン放送やラジオ放送等のように、ユーザが受動的に情報を取得可能な媒体も各種存在する。しかしながら、テレビジョン放送やラジオ放送により提供される情報は、ユーザ個人に向けて発信された情報とは言い難く、個々のユーザに向けて、当該ユーザの嗜好に即した情報や、その場の状況に即した情報を提供するのが困難な場合がある。

以上のような状況を鑑み、本開示では、ユーザの能動的な操作等のような煩雑な操作を伴わずとも、その時々の状況に応じてユーザの嗜好により即した情報を提供することが可能な技術について提案する。即ち、本開示では、ユーザそれぞれが、受動的に、当該ユーザにあわせてよりパーソナル化された情報を取得することを可能とする技術の一例について提案する。

＜＜２．構成＞＞
以下に、本実施形態に係る情報処理システムの構成の一例について説明する。

＜２．１．システム構成＞
まず、図１を参照して、本開示の一実施形態に係る情報処理システムの概略的なシステム構成の一例について説明する。図１は、本開示の一実施形態に係る情報処理システムのシステム構成の一例を示した図である。

図１に示すように、本実施形態に係る情報処理システム１は、情報処理装置１００と、端末装置２００とを含む。また、情報処理システム１は、記憶部１９０を含んでもよい。情報処理装置１００と端末装置２００とは、ネットワークＮ１１を介して互いに情報を送受信可能に接続されている。なお、ネットワークＮ１１の種別は特に限定されない。具体的な一例として、ネットワークＮ１１は、３Ｇ、４Ｇ、Ｗｉ−Ｆｉ（登録商標）、及びＢｌｕｅｔｏｏｔｈ（登録商標）等の各種規格に基づくネットワークのような、所謂無線のネットワークにより構成されていてもよい。また、ネットワークＮ１１は、インターネット、専用線、ＬＡＮ（Local Area Network）、または、ＷＡＮ（Wide Area Network）等により構成されていてもよい。また、ネットワークＮ１１は、複数のネットワークを含んでもよく、少なくとも一部が有線のネットワークとして構成されていてもよい。

端末装置２００は、マイクロフォン等の集音部を備え、周囲の環境の音響を集音可能に構成されている。端末装置２００は、例えば、自身の周囲に位置し、互いに会話をしているユーザＵａ及びＵｂそれぞれが発話した音声を集音する。端末装置２００は、音声の集音結果に応じた音声データ（換言すると、音響データ）を、ネットワークＮ１１を介して接続された情報処理装置１００に送信する。また、端末装置２００は、当該情報処理装置１００から各種コンテンツを受信する。例えば、端末装置２００は、情報処理装置１００に送信した音声データに対する応答として、当該情報処理装置１００から、当該音声データに含まれるユーザが発話したキーワードに関連するコンテンツを取得してもよい。

また、端末装置２００は、各種情報をユーザに提示するための出力インタフェースを備える。具体的な一例として、端末装置２００は、スピーカ等のような音響出力部を備え、当該音響出力部を介して音声や音響を出力することで、所望の情報をユーザに提示してもよい。このような構成により、例えば、端末装置２００は、情報処理装置１００から取得したコンテンツに応じた音声や音響を、当該音響出力部を介してユーザに提示することも可能となる。より具体的な一例として、端末装置２００は、ユーザに対する提示対象となる文字情報を含む文書等のコンテンツを取得した場合には、例えば、Text to Speech等のような技術に基づき当該文字情報に応じた音声を合成し、当該音声を出力してもよい。

また、他の一例として、端末装置２００は、ディスプレイ等の表示部を備え、画像（例えば、静止画像や動画像）等のような表示情報を当該表示部に表示させることで、所望の情報をユーザに提示してもよい。このような構成により、例えば、端末装置２００は、情報処理装置１００から取得したコンテンツに応じた表示情報を、当該表示部を介してユーザに提示することも可能となる。

情報処理装置１００は、端末装置２００が取得した各種情報を当該端末装置２００から取得する。具体的な一例として、情報処理装置１００は、端末装置２００による周囲の環境の音響の集音結果に応じた音響データ（例えば、当該端末装置２００の周囲に位置するユーザが発話した音声の集音結果に応じた音声データ）を、当該端末装置２００から取得してもよい。

情報処理装置１００は、端末装置２００から取得した情報を解析することで、当該情報に含まれるキーワードを抽出する。具体的な一例といて、情報処理装置１００は、端末装置２００から取得した音声データ（音響データ）に対して所謂音声解析処理を施すことで当該音声データを文字情報に変換する。また、情報処理装置１００は、当該文字情報に対して、形態素解析、字句解析、及び意味解析等の所謂自然言語処理技術に基づく解析処理を施すことで、当該文字情報に含まれる所望のキーワード（例えば、名詞に相当する語句）を抽出する。

情報処理装置１００は、抽出したキーワードに関連するコンテンツを所望のコンテンツ群から抽出する。具体的な一例として、情報処理装置１００は、各種コンテンツのデータが保持された所定の記憶部１９０（例えば、データベース等）から、抽出したキーワードに関連するコンテンツを抽出してもよい。また、他の一例として、情報処理装置１００は、抽出したキーワードに関連するコンテンツを、所定のネットワーク内から抽出してもよい（即ち、各所に点在するコンテンツを、ネットワークを介して取得してもよい）。そして、情報処理装置１００は、抽出したコンテンツを端末装置２００に送信する。なお、このとき情報処理装置１００は、複数のコンテンツが抽出された場合には、所定の条件に応じて、当該複数のコンテンツのうち少なくとも一部のコンテンツを端末装置２００に送信してもよい。この場合には、端末装置２００は、例えば、前述したように、情報処理装置１００から送信された当該コンテンツに応じた情報を、所定の出力インタフェースを介してユーザに提示してもよい。

なお、上述した本実施形態に係る情報処理システム１のシステム構成はあくまで一例であり、上述した端末装置２００及び情報処理装置１００の各機能が実現されれば、情報処理システム１のシステム構成は必ずしも図１に示す例には限定されない。具体的な一例として、端末装置２００と情報処理装置１００が一体的に構成されていてもよい。即ち、この場合には、端末装置２００と情報処理装置１００が一体的に構成された装置が、集音部を備え、周囲の環境の音響を集音してもよい。また、当該装置は、当該音響の集音結果に基づき、キーワードの抽出に係る処理や、当該キーワードに関連するコンテンツの抽出に係る処理を実行してもよい。

また、他の一例として、情報処理装置１００の各機能のうち一部の機能が他の装置に設けられていてもよい。具体的な一例として、情報処理装置１００の各機能のうち、音声データ等からキーワードの抽出に係る機能が、他の装置（例えば、端末装置２００や、情報処理装置１００及び端末装置２００とは異なる他の装置等）に設けられていてもよい。同様に、端末装置２００の各機能のうち一部の機能が他の装置に設けられていてもよい。

また、情報処理装置１００の各機能が、複数の装置が連携して動作することで実現されてもよい。より具体的な一例として、情報処理装置１００の各機能が、複数の装置が連携して実現される仮想的なサービス（例えば、クラウドサービス）により提供されてもよい。この場合には、当該サービスが、上述した情報処理装置１００に相当する。同様に、端末装置２００の各機能についても、複数の装置が連携して動作することで実現されてもよい。

以上、図１を参照して、本開示の一実施形態に係る情報処理システムの概略的なシステム構成の一例について説明した。

＜２．２．機能構成＞
続いて、本実施形態に係る情報処理システムを構成する各装置の機能構成の一例について説明する。

（端末装置２００の構成例）
まず、図２を参照して、本実施形態に係る端末装置２００の機能構成の一例について説明する。図２は、本実施形態に係る端末装置２００の機能構成の一例を示したブロック図である。

図２に示すように、端末装置２００は、アンテナ部２２０及び無線通信部２３０と、集音部２６０と、音響出力部２７０と、記憶部２９０と、制御部２１０とを含む。また、端末装置２００は、アンテナ部２４０及び無線通信部２５０を含んでもよい。また、端末装置２００は、表示部２８０を含んでもよい。

アンテナ部２２０及び無線通信部２３０は、端末装置２００が、３Ｇや４Ｇ等の規格に基づく無線のネットワークを介して基地局と通信を行うための構成である。アンテナ部２２０は、無線通信部２３０により出力される信号を電波として空間に放射する。また、アンテナ部２２０は、空間の電波を信号に変換し、当該信号を無線通信部２３０へ出力する。また、無線通信部２３０は、基地局との間で信号を送受信する。例えば、無線通信部２３０は、基地局へのアップリンク信号を送信してもよく、基地局からのダウンリンク信号を受信してもよい。このような構成により、端末装置２００は、例えば、基地局との間での通信に基づき、インターネット等のネットワークに接続することも可能となり、ひいては当該ネットワークを介して情報処理装置１００との間で情報を送受信することも可能となる。

アンテナ部２４０及び無線通信部２５０は、端末装置２００が、Ｗｉ−Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）等の規格に基づき、比較的近傍に位置する他の装置（例えば、ルータや他の端末装置等）との間で無線のネットワークを介して通信を行うための構成である。即ち、アンテナ部２４０は、無線通信部２５０により出力される信号を電波として空間に放射する。また、アンテナ部２４０は、空間の電波を信号に変換し、当該信号を無線通信部２５０へ出力する。また、無線通信部２５０は、他の装置との間で信号を送受信する。このような構成により、端末装置２００は、例えば、ルータ等のような他の装置を介してインターネット等のネットワークに接続することも可能となり、ひいては当該ネットワークを介して情報処理装置１００との間で情報を送受信することも可能となる。また、端末装置２００は、他の端末装置との間で通信を行うことで、当該他の端末装置を介して（即ち、当該他の端末装置が通信を中継することで）インターネット等のネットワークに接続することも可能となる。

集音部２６０は、所謂マイクロフォンのように、外部環境の音響（即ち、外部環境を伝搬して到達する音響）を集音するための集音デバイスとして構成され得る。集音部２６０は、例えば、端末装置２００の周囲に位置するユーザが発話した音声を集音し、集音結果に基づく音響信号に応じた音声データ（即ち、音響データ）を制御部２１０に出力する。

音響出力部２７０は、スピーカ等のような発音体を含み、入力された駆動信号（音響信号）を音響に変換して出力する。例えば、音響出力部２７０は、制御部２１０からの制御に基づき、ユーザへの提示対象となる情報（例えば、コンテンツ）に応じた音声や音響を出力してもよい。

表示部２８０は、ディスプレイ等により構成され、画像（例えば、静止画像や動画像）等のような表示情報を表示させることで、ユーザに対して各種情報を提示する。例えば、表示部２８０は、制御部２１０からの制御に基づき、ユーザへの提示対象となる情報（例えば、コンテンツ）に応じた静止画像や動画像を出力してもよい。

記憶部２９０は、各種データを一時的または恒常的に記憶するための記憶領域である。例えば、記憶部２９０には、端末装置２００が各種機能を実行するためのデータが記憶されてもよい。具体的な一例として、記憶部２９０には、各種アプリケーションを実行するためのデータ（例えば、ライブラリ）や各種設定等を管理するための管理データ等が記憶されていてもよい。また、記憶部２９０には、各種コンテンツ（例えば、情報処理装置１００から送信されたコンテンツ）のデータが一時的または恒常的に記憶されていてもよい。

制御部２１０は、端末装置２００の各種動作を制御する。例えば、制御部２１０は、集音部２６０による集音結果に応じた音声データを当該集音部２６０から取得し、取得した当該音声データが所定のネットワークを介して情報処理装置１００に送信されるように無線通信部２３０または２５０を制御してもよい。

また、制御部２１０は、所定のネットワークを介して情報処理装置１００から送信されたコンテンツを、無線通信部２３０または２５０の動作を制御することで取得し、取得したコンテンツに応じた音声や音響を音響出力部２７０に出力させてもよい。なお、このとき制御部２１０は、例えば、Text to Speech等のような技術に基づき、取得したコンテンツに含まれる文字情報に応じた音声を合成し、当該音声を音響出力部２７０に出力させてもよい。また、制御部２１０は、取得したコンテンツに応じた静止画像や動画像等の表示情報を表示部２８０に表示させてもよい。

なお、上述した端末装置２００の構成はあくまで一例であり、必ずしも端末装置２００の構成を限定するものではない。例えば、端末装置２００は、有線のネットワークを介してインターネット等のネットワークに接続可能に構成されていてもよい。この場合には、端末装置２００は、当該ネットワークにアクセスするための通信部を有していてもよい。また、端末装置２００は、実行し得る機能に応じて、当該機能に対応する構成を含んでもよい。

以上、図２を参照して、本実施形態に係る端末装置２００の機能構成の一例について説明した。

（情報処理装置１００の構成例）
続いて、図３を参照して、本実施形態に係る情報処理装置１００の機能構成の一例について説明する。図３は、本実施形態に係る情報処理装置１００の機能構成の一例について説明するための説明図である。

図３に示すように、情報処理装置１００は、通信部１３０と、記憶部１９０と、制御部１１０とを含む。

通信部１３０は、情報処理装置１００の各構成が所定のネットワークにアクセスし、他の装置との間で情報を送受信するための構成である。なお、情報処理装置１００がアクセスするネットワークの種別は特に限定されない。そのため、通信部１３０の構成は、当該ネットワークの種別に応じて適宜変更されてもよい。例えば、情報処理装置１００が無線のネットワークにアクセスする場合には、通信部１３０は、図２を参照して説明したアンテナ部２２０及び無線通信部２３０や、アンテナ部２４０及び無線通信部２５０に相当する構成を含んでもよい。また、情報処理装置１００が有線のネットワークにアクセスする場合には、通信部１３０は、当該有線のネットワークにアクセスするための構成を含んでもよい。このような構成により、情報処理装置１００は、例えば、インターネット等のネットワークに接続することも可能となり、ひいては当該ネットワークを介して他の装置（例えば、端末装置２００）との間で情報を送受信することも可能となる。

記憶部１９０は、各種データを一時的または恒常的に記憶するための記憶領域である。例えば、記憶部１９０には、情報処理装置１００が各種機能を実行するためのデータが記憶されてもよい。具体的な一例として、記憶部１９０には、各種アプリケーションを実行するためのデータ（例えば、ライブラリ）や各種設定等を管理するための管理データ等が記憶されていてもよい。また、記憶部１９０には、各種コンテンツのデータが一時的または恒常的に記憶されていてもよい。

制御部１１０は、情報処理装置１００の各種動作を制御する。例えば、制御部１１０は、キーワード取得部１１１と、コンテンツ抽出部１１３と、通信制御部１１５とを含む。

通信制御部１１５は、所定のネットワークを介した他の装置との間の通信を制御する。例えば、通信制御部１１５は、通信部１３０を制御することで、他の装置（例えば、端末装置２００）から送信されたデータ（例えば、音声データ）を取得する。また、通信制御部１１５は、所定のネットワークを介して他の装置に各種データ（例えば、コンテンツ）を送信する。なお、通信制御部１１５が、「出力制御部」の一例に相当する。

キーワード取得部１１１は、各種データに文字情報として含まれるキーワードを取得する。例えば、キーワード取得部１１１は、端末装置２００によるユーザが発話した音声の集音結果に応じた音声データに対して音声解析処理を施すことで文字情報に変換し、当該文字情報から所定の条件に基づきキーワードを抽出してもよい。この場合には、キーワード取得部１１１のうち、音声データを文字情報に変換する部分が「変換部」の一例に相当し、当該文字情報からキーワードを抽出する部分が「取得部」の一例に相当する。また、他の一例として、キーワード取得部１１１は、他の装置により当該音声データから抽出されたキーワードを、当該他の装置から取得してもよい。この場合には、キーワード取得部１１１が「取得部」の一例に相当する。そして、キーワード取得部１１１は、取得したキーワードをコンテンツ抽出部１１３に出力する。なお、音声データに基づきキーワードを取得する処理については詳細を別途後述する。

コンテンツ抽出部１１３は、キーワード取得部１１１からキーワードを取得し、取得した当該キーワードに関連するコンテンツを、１以上のコンテンツが含まれるコンテンツ群から抽出する。例えば、コンテンツ抽出部１１３は、記憶部１９０に記憶されたコンテンツ群から、取得したキーワードに関連するコンテンツを抽出してもよい。また、このときコンテンツ抽出部１１３は、取得したキーワードにより関連性の高いコンテンツを抽出してもよい。また、他の一例として、コンテンツ抽出部１１３は、所定のネットワーク（例えば、ＬＡＮ等）にアクセスし、当該ネットワークから（例えば、当該ネットワークを介して接続された各種装置から）、取得したキーワードに関連するコンテンツを抽出してもよい。なお、コンテンツの抽出に係る処理については詳細を別途後述する。なお、コンテンツ抽出部１１３により抽出されたコンテンツは、例えば、通信制御部１１５により所定のネットワークを介して端末装置２００に送信される。

なお、上述した情報処理装置１００の構成はあくまで一例であり、必ずしも情報処理装置１００の構成を限定するものではない。例えば、図３に示す情報処理装置１００の構成のうち一部の構成が当該情報処理装置１００の外部に設けられていてもよい。具体的な一例として、記憶部１９０が、情報処理装置１００の外部に設けられていてもよい。また、他の一例として、制御部１１０に含まれるキーワード取得部１１１及びコンテンツ抽出部１１３のうち一部の構成が情報処理装置１００とは異なる他の装置に設けられていてもよい。また、他の一例として、複数の装置が連携して動作することで、情報処理装置１００の各機能が実現されてもよい。

以上、図３を参照して、本実施形態に係る情報処理装置１００の機能構成の一例について説明した。

＜＜３．処理＞＞
続いて、本実施形態に係る情報処理システムの処理の一例について説明する。

＜３．１．音声データに基づくキーワードの抽出＞
まず、情報処理装置１００が、ユーザが発話した音声等の集音結果に応じた音声データに基づきキーワードを抽出する処理の流れの一例について説明する。なお、本説明では、便宜上、情報処理装置１００（例えば、キーワード取得部１１１）が、端末装置２００から取得した音声データ（即ち、端末装置２００による集音結果に基づく音声データ）に基づきキーワードを抽出するものとする。

例えば、図４は、本実施形態に係る情報処理装置１００によるキーワードの抽出に係る概略的な処理の流れの一例について説明するための説明図である。

図４に示すように、まず、情報処理装置１００は、端末装置２００から取得した音声データＤ１１０に対して所謂音声認識処理を施すことで、当該音声データＤ１１０を文字情報Ｄ１３０に変換する（Ｓ１２０）。次いで、情報処理装置１００は、文字情報Ｄ１３０に対して所謂自然言語処理を施すことで、当該文字情報Ｄ１３０から所定の条件に基づきキーワードＤ１５０を抽出する。

次いで、図５を参照して、図４を参照して説明した情報処理装置１００の各種処理のうち、参照符号Ｓ１２０で示した音声認識処理の一例についてより詳細に説明する。図５は、本実施形態に係る情報処理装置１００による音声認識処理の一例について説明するための説明図である。

図５に示すように、情報処理装置１００は、まず取得した音声データＤ１１０に対して各種音響解析を施すことで、音声の認識に係る所定の特徴量Ｄ１２１を抽出する（Ｓ１２１）。音声を認識するための特徴量としては、例えば、メル周波数ケプストラム係数（ＭＦＣＣ：Mel−Frequency Cepstral Coefficients）等が用いられる。

次いで、情報処理装置１００は、音声データＤ１１０から抽出した特徴量Ｄ１２１を、音響モデルＤ１２３と比較することにより、音声として認識する候補のスコアリングを行う（Ｓ１２３）。また、情報処理装置１００は、認識した音声がどの言葉に対応するかを、認識辞書Ｄ１２５に基づきスコアリングする（Ｓ１２５）。なお、この時点では、同音異義語や、似たような音で発話される言葉等が混在した状態となる。そのため、情報処理装置１００は、言語モデルＤ１２７に基づき、言葉として成り立つ可能性の高いものをスコアリングする。以上のような処理を経て、情報処理装置１００は、最もスコアの高い言葉を採用することで、音声データＤ１１０を文字情報Ｄ１３０に変換する。

次いで、図６を参照して、図４を参照して説明した情報処理装置１００の各種処理のうち、参照符号Ｓ１４０で示したキーワードの抽出に係る処理の一例についてより詳細に説明する。図６は、本実施形態に係る情報処理装置１００によるキーワードの抽出に係る処理の一例について説明するための説明図である。

図６に示すように、情報処理装置１００は、まず文字情報Ｄ１３０に対して形態素解析と称される処理を施すことで、当該文字情報Ｄ１３０を形態素に分割する。一般的には、形態素解析としては、主に「単語への分割」、「活用語処理」、及び「品詞判定」の３つの処理が行われる。なお、形態素解析処理については、公知の技術を応用することが可能であるため詳細な説明は省略する。以上のようにして、情報処理装置１００は、文字情報Ｄ１３０を形態素に分割することで単語リストＤ１４１を生成する（Ｓ１４１）。

ここで、図７を参照して、形態素解析の処理の結果の一例について具体的な例を挙げて説明する。図７は、形態素解析の処理の結果の一例について説明するための説明図である。例えば、入力される文字情報Ｄ１３０が、「私は寿司が好きです。」という文章であるものとする。この場合には、当該文字情報Ｄ１３０から得られる単語リストＤ１４１は、図７に示すようになる。

続いて、情報処理装置１００は、所定のフィルタリング条件Ｄ１４３に基づき、単語リストＤ１４１から少なくとも一部の単語をキーワードＤ１５０として抽出する（Ｓ１４３）。具体的な一例として、情報処理装置１００は、単語リストＤ１４１のうち名詞等のような所定の品詞に該当する単語をキーワードとして抽出してもよい。また、このとき情報処理装置１００は、単語リストＤ１４１から名詞のみを抽出する場合においても、例えば、「私」、「あなた」、「僕」等のように、一般的な単語、即ち、他の名詞に比べてより特徴的な意味を有しない単語（ストップワード）を、抽出対象から除外してもよい。例えば、図８は、キーワードの抽出結果の一例について説明するための説明図であり、図７に示す単語リストＤ１４１から抽出されたキーワードＤ１５０の一例を示している。

以上、図４〜図８を参照して、情報処理装置１００が、ユーザが発話した音声等の集音結果に応じた音声データに基づきキーワードを抽出する処理の流れの一例について説明した。

＜３．２．キーワードに関連するコンテンツの抽出＞
続いて、情報処理装置１００が、１以上のコンテンツを含むコンテンツ群から、キーワードに関連する少なくとも一部のコンテンツを抽出する処理の一例について説明する。なお、本説明では、便宜上、図１及び図３を参照して説明した記憶部１９０に、各コンテンツが記憶されているものとする。また、本説明においては、本実施形態に係る情報処理システムの技術的特徴がよりわかりやすいように、抽出対象の候補となるコンテンツとして各種話題に応じた文書が記憶されているものとする。即ち、情報処理装置１００（例えば、コンテンツ抽出部１１３）は、当該記憶部１９０に記憶されたコンテンツ群（即ち、各種話題に応じた文書群）の中から、キーワードＤ１５０に関連する少なくとも一部のコンテンツを抽出するものとする。また、以降では、記憶部１９０がデータベースとして構成されており、特に、一連のコンテンツ（即ち、上記コンテンツ群）を管理するためのデータベースを「コンテンツデータベース」とも称する。また、以降の説明では、本開示に係る情報処理装置１００の技術的特徴をよりわかりやすくするために、当該情報処理装置１００が、上記コンテンツとして文書を抽出する場合に着目して説明する。

（コンテンツデータベースへのコンテンツの登録）
まず、情報処理装置１００がキーワードＤ１５０に関連するコンテンツを抽出可能とするために、当該コンテンツをコンテンツデータベースに登録するための処理の一例について説明する。

情報処理装置１００は、インターネット等の各種ネットワークを介して収集された多様なコンテンツに含まれる文章等の文字情報に対して形態素解析を施すことで、当該文字情報を単語（形態素）に分割する。次いで、情報処理装置１００は、コンテンツごとに、当該コンテンツに含まれる文字情報から分割された単語に基づき特徴量を算出する。なお、当該特徴量としては、例えば、ＴＦ−ＩＤＦ（Term Frequency−Inverse Document Frequency）等が用いられる。なお、ＴＦ−ＩＤＦは、以下に（式１）として示す関係式で表される。

（式１）において、変数ｔは、単語を示しており、変数ｄは、文書（換言すると、各コンテンツ）を示している。また、ｔｆ（ｔ，ｄ）は、単語ｔの出現頻度を示しており、ｉｄｆ（ｔ，ｄ）は、単語ｔが出現する文書ｄの数であるｄｆの逆数（即ち、逆文書頻度）を示している。ｔｆ（ｔ，ｄ）及びｉｄｆ（ｔ，ｄ）のそれぞれは、以下に（式２）及び（式３）として示す関係式で表される。

上記（式２）及び（式３）において、変数ｎは、文書ｄ中における単語ｔの出現数を示している。また、変数Ｎは、文書ｄ中における全単語の数を示している。また、変数Ｄは、処理の対象となる文書（例えば、抽出対象となる文書）の総数を示している。また、ｄｆ（ｔ，ｄ）は、単語ｔを含む文書の総数を示している。即ち、ｔｆ（ｔ，ｄ）は、ある単語ｔがある文書ｄ中に出現する回数を、当該文書ｄ中における全単語の数で除算した値に相当する。また、ｉｄｆ（ｔ，ｄ）は、単語ｔを含む文書の総数を示すｄｆ（ｔ，ｄ）の逆数に基づき算出される。このような特性から、ＴＦ−ＩＤＦは、文書の集合全体から見て、ある文書ｄに限定してより高い頻度で出現する単語に対して、より大きな数値を示すという特性を有する。

ここで、ＴＦ−ＩＤＦを用いた特徴量について、以下に具体的な例をあげて説明する。例えば、以下の３つの文書が抽出の対象としてコンテンツデータベース（例えば、記憶部１９０）に保持されているものとする。
（＃１）寿司好きが集まる，
寿司とビールがうまい店特集
（＃２）海外で寿司が大ブーム
（＃３）銀座でビールイベント開催

上記した文書＃１〜＃３に基づきＴＦ−ＩＤＦの算出を行うと、以下に（式４）として示す特徴量マトリックスＩＭを得られる。

（コンテンツデータベースからのコンテンツの抽出）
次いで、情報処理装置１００が、キーワードＤ１５０に関連するコンテンツをコンテンツデータベースから抽出する処理の一例について説明する。例えば、図９は、本実施形態に係る情報処理装置１００によるコンテンツの抽出に係る処理の一例について説明するための説明図である。なお、以降では、前述した＃１〜＃３の文書がコンテンツデータベースに登録されており、情報処理装置１００が、当該コンテンツデータベースから少なくとも一部の文書を抽出する場合に着目して、当該情報処理装置１００の処理の一例について説明する。

図９に示すように、情報処理装置１００は、ユーザが発話した音声等の集音結果に応じたキーワードＤ１５０を取得すると、当該キーワードＤ１５０に基づき特徴ベクトルＫＷＶを算出する（Ｓ１６１）。

例えば、図７及び図８を参照して説明した例のように、ユーザが「私は寿司が好きです。」と発話し、キーワードとして「寿司」及び「好き」が取得されたものとする。この場合には、当該発話から抽出されたキーワードと、文書＃１〜＃３それぞれに含まれる単語と、の間の関係性に応じた特徴ベクトルＫＷＶは、以下に（式５）として示すベクトルで表される。

次いで、情報処理装置１００は、キーワードに基づき算出した特徴ベクトルＫＷＶと、データベースに登録された文書群に基づく特徴量マトリックスＩＭと、に基づき、文書ベクトルＤ_ｖｅｃを算出する（Ｓ１６３）。文書ベクトルＤ_ｖｅｃは、取得されたキーワードと、データベースに登録された各文書と、の間の関連性を定量的に示した特徴量である。

具体的には、文書ベクトルＤ_ｖｅｃは、特徴ベクトルＫＷＶと特徴量マトリックスＩＭとの積で表すことが可能である。例えば、図８に示すキーワードと、＃１〜＃３として上述した各文書と、の間の関連性に応じた文書ベクトルＤ_ｖｅｃは、以下に（式６）として示すベクトルで表される。

次いで、情報処理装置１００は、算出した文書ベクトルＤ_ｖｅｃに基づき、データベースに登録された文書群から、取得したキーワードとより関連性の高い文書Ｄ_{ｒｅｓｕｌｔ}を抽出する（Ｓ１６５）。

具体的な一例として、情報処理装置１００は、以下に（式７）として示す関係式に基づき、文書＃１〜＃３のうち、係数がより大きい値を示す文書を抽出することで、ユーザが発話した内容に最も関連性の高い文書Ｄ_{ｒｅｓｕｌｔ}を抽出してもよい。なお、この場合には、文書＃１が抽出されることとなる。

以上、図９を参照して、１以上のコンテンツを含むコンテンツ群から、キーワードに関連する少なくとも一部のコンテンツを抽出する処理の一例について説明した。なお、上述した処理はあくまで一例であり、必ずしも情報処理装置１００によるコンテンツの抽出に係る処理を限定するものではない。即ち、情報処理装置１００が、１以上のコンテンツを含むコンテンツ群の中から、各コンテンツに含まれる文字情報に基づく特徴量に応じてキーワードに関連するコンテンツを抽出することが可能であれば、その方法は特に限定されない。

＜３．３．コンテンツの抽出結果に応じた情報の提示＞
続いて、キーワードに基づくコンテンツの抽出結果に応じた情報をユーザに提示する処理の一例について説明する。なお、本説明では、情報処理装置１００は、上記した例と同様に、コンテンツとして文書を抽出するものとする。

情報処理装置１００は、取得したキーワードに基づきデータベースから文書Ｄ_{ｒｅｓｕｌｔ}を抽出すると、当該文書Ｄ_{ｒｅｓｕｌｔ}に応じた情報が、端末装置２００を介してユーザに提示されるように制御する。

具体的な一例として、情報処理装置１００は、文書Ｄ_{ｒｅｓｕｌｔ}自体、または、文書Ｄ_{ｒｅｓｕｌｔ}に含まれる少なくとも一部の文字情報を、話題データとして端末装置２００に送信してもよい。この場合には、例えば、端末装置２００は、ディスプレイ等の表示部２８０を介して、当該話題データ（文字情報）をユーザに提示してもよい。また、他の一例として、端末装置２００は、当該話題データ（文字情報）を音声データに変換し、スピーカ等の音響出力部２７０を介して当該音声データに基づく音声を出力することで、当該話題データに応じた情報をユーザに提示してもよい。

また、他の一例として、情報処理装置１００は、文書Ｄ_{ｒｅｓｕｌｔ}に含まれる少なくとも一部の文字情報を音声データに変換し、当該音声データを話題データとして端末装置２００に送信してもよい。この場合には、例えば、端末装置２００は、スピーカ等の音響出力部２７０を介して話題データ（音声データ）に基づく音声を出力することで、当該話題データに応じた情報をユーザに提示してもよい。

なお、情報処理装置１００は、取得したキーワードに基づき複数のコンテンツを抽出してもよい。この場合には、端末装置２００は、例えば、情報処理装置１００により抽出されたコンテンツのリストをユーザに提示し、ユーザにより選択されたコンテンツを当該ユーザに提示してもよい。

具体的な一例として、端末装置２００は、情報処理装置１００からコンテンツの抽出結果（例えば、話題データ）を取得すると、表示部２８０や音響出力部２７０を介して、表示情報や音響等を出力することで、ユーザに対して話題情報を閲覧可能であることを通知してもよい。

例えば、図１０は、本実施形態に係る端末装置２００のＵＩ（ユーザインタフェース）の一例について説明するための説明図であり、表示部２８０を介してユーザに通知される情報の一例を示している。具体的には、図１０に示す例では、端末装置２００は、情報処理装置１００から取得した話題データに基づくコンテンツのリストＶ１１１（即ち、情報処理装置１００により抽出されたコンテンツのリスト）が表示された表示画面Ｖ１１０を提示している。このとき、端末装置２００は、リストＶ１１１に提示された各話題（換言すると、コンテンツ）を選択可能に、当該リストＶ１１１をユーザに提示してもよい。

なお、リストＶ１１１として提示されたコンテンツを選択するためのインタフェースは特に限定されない。例えば、音声入力により所望の話題が選択されてもよいし、タッチパネル等の入力デバイスを介した操作により所望の話題が選択されてもよい。また、ユーザがリストＶ１１１として提示された話題に興味が無い場合に、画面を切り替えるためのインタフェース（例えば、キャンセルボタン等）が提示されてもよい。

また、端末装置２００は、リストＶ１１１からのユーザによる話題の選択を受けて、当該話題に対応する情報（例えば、コンテンツ）を当該ユーザに提示してもよい。

例えば、図１１は、本実施形態に係る端末装置２００のＵＩの一例について説明するための説明図であり、ユーザによる話題の選択に応じて表示部２８０を介して当該ユーザに提示される情報の一例を示している。具体的には、図１１に示す例では、端末装置２００は、ユーザにより選択された話題に関連する情報として、選択した話題の見出しを示す情報Ｖ１２１と、当該話題に対応するコンテンツ（例えば、文書）の要約を示す情報Ｖ１２３と、が提示された表示画面Ｖ１２０を提示している。

なお、前述したように、端末装置２００による話題データに応じた情報（例えば、文書）の提示態様は特に限定されない。例えば、端末装置２００は、話題データに応じた文字情報を表示部２８０に表示させることで、当該話題データに応じた情報をユーザに提示してもよい。また、他の一例として、端末装置２００は、話題データに応じた音声を音響出力部２７０に出力させることで、当該話題データに応じた情報をユーザに提示してもよい。また、この場合には、話題データに応じた文書に含まれる文字情報を音声データに変換する処理については、端末装置２００により実行されてもよいし、情報処理装置１００により実行されてもよい。

また、端末装置２００は、ユーザによる話題の選択を受けて、当該話題に関連する情報を提示してもよい。例えば、図１１に示す例では、端末装置２００は、ユーザにより選択された話題に関連する情報として、関連商品を参照するための情報Ｖ１２５（例えば、リンク）を提示している。この場合には、例えば、コンテンツデータベースに蓄積される情報として、コンテンツ等の話題に関するデータに加えて、当該話題に関するデータに関連する他のデータ（例えば、商品に関するデータ）を蓄積しておけばよい。このような構成の基で、例えば、情報処理装置１００は、抽出したコンテンツに対して当該コンテンツに関連する情報を関連付けて端末装置２００に送信してもよい。また、情報処理装置１００は、端末装置２００からユーザにより選択された話題に関する情報を取得し、当該話題に対応するコンテンツに関連する他の情報を当該端末装置２００に送信してもよい。このような構成により、端末装置２００は、ユーザにより選択された話題に関連する他の情報を当該ユーザに提示することが可能となる。

なお、話題に対応するコンテンツに関連する情報として、当該コンテンツに対して複数の情報が関連付けられていてもよい。この場合には、端末装置２００は、ユーザにより、話題に関連する情報の提示が入力デバイスを介した操作や音声入力に基づき指示された場合に、当該話題に対応するコンテンツに関連付けられた情報のリストが当該ユーザに提示されてもよい。

例えば、図１２は、本実施形態に係る端末装置２００のＵＩの一例について説明するための説明図であり、表示部２８０を介してユーザに提示される、当該ユーザにより選択された話題に関連する情報の一例を示している。具体的には、図１２に示す例では、端末装置２００は、ユーザにより選択された話題に関連する情報として、当該話題に対応するコンテンツに関連する商品のリストＶ１３１が提示された表示画面Ｖ１３０を提示している。

より具体的な一例として、ユーザが発話した音声の集音結果に関連する話題として、「寿司好きが集まる，
寿司とビールがうまい店特集」という文書が選択されたものとする。この文書に関連する商品として、例えば、以下のような商品がリストＶ１３１に提示されてもよい。
（１）本「東京・寿司がうまい店」
（２）本「世界のビール」
（３）クーポン「ビール無料券(江戸前寿司チェーン)」

また、端末装置２００は、リストＶ１３１に提示された商品のうち、少なくとも一部の商品がユーザに選択された場合には、選択された当該商品に関する情報を当該ユーザに提示してもよい。また、端末装置２００は、リストＶ１３１に提示された商品のうち、少なくとも一部の商品がユーザに選択された場合に、当該商品の購入に係る処理（手続き）を開始してもよい。なお、リストＶ１３１に提示された商品を選択する方法は、特に限定されず、例えば、音声入力により当該選択が行われてもよいし、タッチパネル等の入力デバイスを介した操作により当該選択が行われてもよい。

以上、図１０〜図１２を参照して、キーワードに基づくコンテンツの抽出結果に応じた情報をユーザに提示する処理の一例について説明した。

＜３．４．補足＞
上記では、本実施形態に係る情報処理システムの一例について説明した。一方で、上記はあくまで一例であり、上記した情報処理装置１００及び端末装置２００の各機能を実現することが可能であれば、当該機能を実現するための処理の主体や、当該処理の具体的な内容は特に限定されない。そこで、補足として、本実施形態に係る情報処理システムの構成や動作等の他の一例について以下に説明する。

例えば、ユーザが発話した音声の集音結果に基づく音声データを文字情報に変換する処理や、当該文字情報からキーワードを抽出する処理が、端末装置２００により実行されてもよい。この場合には、情報処理装置１００は、コンテンツの抽出に利用するキーワードを当該端末装置２００から取得してもよい。

また、端末装置２００は、ユーザが発話した音声の集音結果に基づく音声データから、当該音声データを文字情報に変換するための特徴量（例えば、ＭＦＣＣ等）を算出し、当該特徴量を示す情報を情報処理装置１００に送信してもよい。このような構成とすることで、端末装置２００と情報処理装置１００との間で送受信される情報から、ユーザが発話した内容を特定することが困難となり、例えば、盗聴等の悪意ある攻撃からユーザのプライバシーを保護する効果も期待できる。

また、本実施形態に係る情報処理システム１（例えば、情報処理装置１００）は、ユーザが発話した音声の集音結果に応じた音声データ等に基づき当該ユーザの属性に関する情報を推定することで、当該情報をコンテンツの抽出等に利用してもよい。具体的な一例として、当該音声データに応じて特定または推定される、ユーザが使用する語彙や、当該ユーザの生体の特徴等に関する情報に基づき、当該ユーザの年齢、性別、及び知識レベル等の情報を推定することも可能である。情報処理システム１は、このようなユーザの属性に関する情報を、例えば、データベースからのコンテンツの抽出に利用することで、ユーザにより適した話題に関する情報（例えば、コンテンツ）を当該ユーザに提供することも可能となる。

また、上記では、主に、本実施形態に係る情報処理システム１が、ユーザが発話した情報等に基づき、当該ユーザに提供する話題を自発的に推定する例に着目して説明した。一方で、ユーザが情報処理システム１に対して能動的に問合せを行った場合には、当該情報処理システム１は、ユーザが問合せた内容により関連性の高い話題に関する情報を抽出してもよい。

例えば、ユーザが情報処理システム１に対して「江戸前寿司って何？」と問合せる発話を行い、当該問合せに対して、情報処理システム１が江戸前寿司の説明に関する情報を当該ユーザに提示したものとする。続いて、ユーザ間の会話において、一方のユーザが、「私は寿司が好きです」と発話したものとする。この場合には、一連の流れにおいて（例えば、所定の期間内において）、「寿司」というキーワードが２回発話されたこととなる。この場合における特徴ベクトルＫＷＶは、以下に（式８）として示すベクトルで表される。

また、文書ベクトルＤ_ｖｅｃについては、特徴量マトリックスＩＭが前述した（式４）で示される場合には、上記（式８）に示す特徴ベクトルＫＷＶに基づき、以下に（式９）として示すベクトルで表される。

即ち、文書＃１の文書ベクトルの数値がより大きくなり、当該文書＃１がより適切な話題として抽出されることとなる。また、情報処理システム１は、ユーザが能動的に問合せを行った場合には、当該ユーザの発話内容から抽出されたキーワードの重みがより大きくなるように制御してもよい。具体的な一例として、情報処理システム１は、ユーザが能動的に問合せを行った場合には、当該ユーザの発話内容から抽出されたキーワードの数に応じて加算する数値を「１」から「２」に変更してもよい。このような制御により、よりユーザの意図に沿った話題に関する情報を当該ユーザに提供することも可能となる。

＜＜４．変形例＞＞
続いて、本開示の一実施形態に係る情報処理システムの変形例について説明する。上述した実施形態では、複数人のユーザが発話した場合には、各ユーザが発話した内容それぞれからキーワードが抽出され、当該キーワードに応じた話題に対応する情報が提示されることとなる。一方で、同じ場に複数人のユーザが存在する場合においても、当該複数人のユーザ全員が相互に会話を行っているとは限らない。例えば、４人のユーザＵｃ〜Ｕｆが存在する場合において、ユーザＵｃとユーザＵｄとが会話をしており、ユーザＵｅとユーザＵｆとが会話をしているような状況も想定され得る。この場合には、ユーザＵｃとユーザＵｄとのグループにおける会話の話題と、ユーザＵｅとユーザＵｆとのグループにおける会話の話題と、は必ずしも一致しているとは限らない。そのため、このような状況下では、会話のグループごとに、キーワードの取得や当該キーワードに応じた情報（コンテンツ）の提供が行われることで、各ユーザに対して会話の内容により関連性の高い話題に関する情報を提供することも可能となる。そこで、変形例として、本開示の一実施形態に係る情報処理システム１が、会話のグループごとにキーワードの取得や当該キーワードに応じた情報（コンテンツ）の提供を行うための仕組みの一例について説明する。

（ユーザのグルーピング）
まず、複数人のユーザの中から、互いに会話をしているユーザ（話者）のグルーピングを行うための仕組みの一例について説明する。例えば、図１３は、変形例に係る情報処理システムにおけるユーザのグルーピングを行うための仕組みの一例について説明するための説明図である。なお、図１３に示す例では、ユーザＵｃ〜Ｕｆのそれぞれがスマートフォン等のような端末装置３００を保持しており、各ユーザが発話した音声は、当該ユーザが保持する端末装置３００により集音されるものとする。なお、図１３において、端末装置３００ｃ、３００ｄ、３００ｅ、及び３００ｆは、ユーザＵｃ、Ｕｄ、Ｕｅ、及びＵｆが保持する端末装置３００をそれぞれ示している。

また、図１３に示す例では、端末装置３００ｃ〜３００ｆのそれぞれは、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の規格に基づく近距離無線通信を介して他の装置（例えば、他の端末装置３００）と通信可能に構成されている。なお、本説明では、当該近距離無線通信は、Ｂｌｕｅｔｏｏｔｈ規格に基づく通信であるものとする。Ｂｌｕｅｔｏｏｔｈ規格では、定期的に当該規格に対応した周囲のデバイスを探索する機能（inquiry）と、当該探索に応じて識別情報（ＢＴＩＤ：Bluetooth ID）を送信する機能（inquiry scan）とが規定されている。「inquiry」はマスターの機能であり、「inquiry scan」はスレーブの機能である。端末装置３００ｃ〜３００ｆのそれぞれは、マスター／スレーブを適宜切り替えて、上記した「inquiry」及び「inquiry scan」の機能を利用することで、周囲に位置する他の端末装置３００のＢＴＩＤを取得することが可能である。例えば、図１３において、参照符号Ｄ３０ｃ、Ｄ３０ｄ、Ｄ３０ｅ、及びＤ３０ｆで示した各情報は、端末装置３００ｃ、３００ｄ、３００ｅ、及び３００ｆの識別情報（ＢＴＩＤ）をそれぞれ示している。

次いで、図１４を参照して、変形例に係る情報処理システムのシステム構成の一例について説明する。図１４は、変形例に係る情報処理システムのシステム構成の一例を示した図である。なお、以降の説明では、変形例に係る情報処理システムを、前述した実施形態に係る情報処理システム１と明示的に区別するために、「情報処理システム２」と称する場合がある。

図１４に示すように、変形例に係る情報処理システム２は、情報処理装置１００’と、端末装置３００ｃ〜３００ｆとを含む。また、情報処理システム２は、記憶部１９０’を含んでもよい。情報処理装置１００’と端末装置３００ｃ〜３００ｆのそれぞれとは、ネットワークＮ３１を介して互いに情報を送受信可能に接続されている。なお、情報処理装置１００’及び記憶部１９０’は、前述した実施形態に係る情報処理システム１（例えば、図１参照）における情報処理装置１００及び記憶部１９０に相当する。また、ネットワークＮ３１は、前述した実施形態に係る情報処理システム１におけるネットワークＮ１１に相当する。また、端末装置３００ｃ〜３００ｆは、図１３に示す端末装置３００ｃ〜３００ｆに相当する。なお、以降の説明では、端末装置３００ｃ〜３００ｆを特に区別しない場合には、単に「端末装置３００」と称する。また、本説明では、情報処理システム２の各構成について、前述した実施形態に係る情報処理システム１と異なる部分（例えば、ユーザのグルーピングに係る部分）に着目して説明し、当該情報処理システム１と実質的に同様に部分については詳細な説明は省略する。

端末装置３００は、マイクロフォン等の集音部を備え、自身のユーザが発話した音声を集音可能に構成されている。また、図１３を参照して説明したように、端末装置３００は、自身の周囲に位置する他の端末装置３００を探索する機能を有し、当該機能に基づき当該他の端末装置３００の識別情報（例えば、ＢＴＩＤ）を取得する。端末装置３００は、音声の集音結果に応じた音声データと、周辺に位置する他の端末装置３００の識別情報とを、ネットワークＮ３１を介して情報処理装置１００’に送信する。具体的な一例として、端末装置３００ｃは、ユーザＵｃの音声の集音結果に応じた音声データと、周辺に位置する端末装置３００ｄ〜３００ｆそれぞれの識別情報とを、ネットワークＮ３１を介して情報処理装置１００’に送信することとなる。これは、端末装置３００ｄ〜３００ｆについても同様である。

情報処理装置１００’は、端末装置３００ｃ〜３００ｆのそれぞれから、対応するユーザ（即ち、ユーザＵｃ〜Ｕｆ）の発話した音声の集音結果に基づく音声データと、当該端末装置３００の周辺に位置する他の端末装置３００の識別情報とを取得する。情報処理装置１００’は、端末装置３００ｃ〜３００ｆのそれぞれから送信される、当該端末装置３００の周辺に位置する他の端末装置３００の識別情報に基づき、端末装置３００ｃ〜３００ｆのそれぞれが互いに近傍に位置することを認識することが可能である。即ち、情報処理装置１００’は、端末装置３００ｃ〜３００ｆのそれぞれのユーザ、即ち、ユーザＵｃ〜Ｕｆが互いに近傍に位置する（換言すると、場を共有している）ことを認識することが可能となる。

情報処理装置１００’は、互いに近傍に位置することを認識した端末装置３００ｃ〜３００ｆそれぞれから取得した音声データに対して音声解析や自然言語処理等の解析処理を施すことで、各音声データが示す発話内容の「類似性」及び「関連性」を評価する。

なお、本説明において、発話内容の類似性とは、例えば、以下に示す２つの文章のように、文章表現が異なるが実質的に同じ内容を示す文章間の関係を示す。
（ａ）私は寿司が好きです。
（ｂ）寿司は私の好物です。

また、発話内容の関連性とは、異なる対象を示すものの、何らかの関連性（例えば、概念的な関連性や意味的な関連性）を有する文章（または、単語）間の関係を示す。具体的な一例として、「寿司」と「マグロ」とは、料理とその食材という関連性を有している。なお、以降の説明においては、説明をより簡略にするために、上記「類似性」及び上記「関連性」を総じて、単に「類似度」と称する。

ここで、情報処理装置１００’によるグルーピングの処理について、より具体的な例を挙げて説明する。なお、図１３及び図１４に示す例において、ユーザＵｃとユーザＵｄとが会話をしており、ユーザＵｅとユーザＵｆとが会話をしているものとする。

例えば、ユーザＵｃとユーザＵｄとは、以下のような会話を交わしたものとする。
・ユーザＵｃ「お寿司が食べたいな。」
・ユーザＵｄ「銀座に良いお店があるよ。」

また、同じ時間帯において、ユーザＵｅとユーザＵｆとは、以下のような会話を交わしたものとする。
・ユーザＵｅ「今度の週末はサッカーしよう。」
・ユーザＵｆ「やっぱり、野球でしょう。」

情報処理装置１００’は、各ユーザに対応する音声データに対して音声解析処理を施すことで文字情報に変換し、当該文字情報に対して自然言語処理を施すことで、当該各ユーザが発話した内容の類似度を評価する。なお、各ユーザが発話した内容の類似度の評価については、例えば、「word2vec」と称される自然言語処理ツールを利用することが可能である。もちろん、当該類似度を評価することが可能であれば、そのための処理の内容は特に限定されない。また、上記類似度の評価に適用する辞書データについては、例えば、インターネット等のような各種ネットワーク上の記事が利用されてもよい。以上により、各ユーザが発話した内容の類似度を評価することで、会話を交わしているユーザの組（グループ）を推定することが可能となる。

例えば、図１５は、変形例に係る情報処理システムにおけるユーザのグルーピングに係る処理の結果の一例について説明するための説明図である。図１５に示す例では、上述したユーザＵｃ〜Ｕｆそれぞれの発話内容間における類似度の評価結果を数値で示している。図１５に示す例において、類似度の数値は、０から１の範囲で設定されており、数値がより高いほど類似度がより高いことを示している。図１５に示す例においては、ユーザＵｃ及びユーザＵｄそれぞれの発話内容の類似度が「０．６７６２」を示しており、ユーザＵｅ及びユーザＵｆそれぞれの発話内容の類似度が「０．７１７３」を示している。なお、それ以外のユーザの組における発話内容の類似度は「０」を示している。このような評価結果から、情報処理装置１００’は、ユーザＵｃとユーザＵｄとが会話を交わしているグループとして認識し、ユーザＵｅとユーザＵｆとが会話を交わしている他のグループとして認識することが可能となる。

以上のような仕組みを利用することで、情報処理装置１００’は、音声データが取得された複数のユーザを１以上のグループにグルーピングし、前述したキーワードの取得や、当該キーワードに応じた情報（例えば、コンテンツ）の提供を当該グループごとに制御することも可能となる。即ち、図１３〜図１５に示す例の場合には、情報処理装置１００’は、ユーザＵｃ及びＵｄの発話内容に応じた音声データから取得されたキーワードに関連性の高い話題に関するコンテンツを抽出し、当該コンテンツに応じた情報をユーザＵｃ及びＵｄそれぞれの端末装置３００に送信してもよい。同様に、情報処理装置１００’は、ユーザＵｅ及びＵｆの発話内容に応じた音声データから取得されたキーワードに関連性の高い話題に関するコンテンツを抽出し、当該コンテンツに応じた情報をユーザＵｅ及びＵｆそれぞれの端末装置３００に送信してもよい。

例えば、図１６は、変形例に係る情報処理装置１００’の処理の一例について説明するための説明図であり、当該情報処理装置１００’が複数のユーザそれぞれの発話内容の類似度を評価したうえでキーワードを抽出する処理の一例について示している。

図１６に示すように、情報処理装置１００’は、端末装置３００ｃ〜３００ｆのそれぞれから取得した音声データＤ３１０に対して音声認識処理を施すことで、当該音声データＤ３１０を文字情報Ｄ３３０に変換する（Ｓ３２０）。次いで、情報処理装置１００’は、端末装置３００ｃ〜３００ｆのそれぞれに対応する文字情報Ｄ３３０間の類似度を評価することで、端末装置３００ｃ〜３００ｆそれぞれのユーザＵｃ〜Ｕｆにおける会話の組み合わせ（即ち、グループ）を特定する。このとき情報処理装置１００’は、会話の組み合わせごとに、各端末装置３００（換言すると、各ユーザ）に対応する文字情報Ｄ３３０を統合することで統合データＤ３５０を生成してもよい（Ｓ３４０）。そして、情報処理装置１００’は、会話の組み合わせごとに音声データＤ３１０が変換された文字情報（例えば、統合データＤ３５０）から所定の条件に基づきキーワードＤ３７０を抽出する（Ｓ３６０）。以上のようにして、会話の組み合わせごとにキーワードＤ３７０が抽出されることとなる。

また、情報処理装置１００’は、前述した実施形態と同様の手法に基づき、会話の組み合わせ（即ち、グループ）ごとに抽出したキーワードＤ３７０に応じてコンテンツを抽出し、当該コンテンツ（または、当該コンテンツに応じた情報）を当該グループに含まれるユーザの端末装置３００に送信してもよい。これにより、情報処理装置１００’は、グループごとに個別に、当該グループに含まれるユーザ間の会話の内容により関連性の高いコンテンツを抽出し、当該コンテンツに応じた情報を当該グループに含まれるユーザに話題として提供することが可能となる。

なお、上記手法では、互いに異なる複数の組において、類似する話題の会話が行われている場合には、当該複数の組が１つのグループとして認識される場合も想定され得る。このような場合においても、当該複数の組それぞれの会話の内容に関連性の高い話題が提供されることとなる。

以上、変形例として、図１３〜図１６を参照して、本開示の一実施形態に係る情報処理システム１が、会話のグループごとにキーワードの取得や当該キーワードに応じた情報（コンテンツ）の提供を行うための仕組みの一例について説明した。

なお、上記では、情報処理システム１が、会話の内容に応じてユーザをグルーピングする場合の一例に着目して説明したが、グルーピングの手法は必ずしも上述した例には限定されない。

例えば、ＧＮＳＳ（Global Navigation Satellite System）等により取得された端末装置３００の位置情報（換言すると、ユーザの位置情報）に基づき、ユーザのグルーピングが行われてもよい。具体的な一例として、互いに近傍に位置する複数のユーザが１つのグループとして認識されてもよい。また、他の一例として、互いに近接するように移動している複数のユーザが１つのグループとして認識されてもよい。もちろん、これらの例はあくまで一例であり、上記位置情報に基づきユーザのグルーピングを行うことが可能であれば、その方法は特に限定されない。

また、Ｂｌｕｅｔｏｏｔｈ（登録商標）やビーコン等のような端末装置３００間における無線通信を利用することで、複数の端末装置３００間（ひいては、複数のユーザ間）の相対的な位置関係を認識することも可能である。そのため、当該複数の端末装置３００間の相対的な位置関係に応じて、当該複数の端末装置３００それぞれのユーザが１つのグループとして認識されてもよい。

また、上記グループが静的に設定されていてもよい。具体的な一例として、複数のユーザそれぞれの端末装置３００がグループとしてあらかじめ登録されていてもよい。また、他の一例として、ＳＮＳ（Social Networking Service）等のようなネットワークサービスの設定が、ユーザのグルーピングに利用されてもよい。例えば、ネットワークサービス内で所望のグループに登録された複数のユーザが、本実施形態に係る情報処理システム１においても、共通のグループに属するものとして認識されてもよい。同様に、メッセージサービス上でグループに登録された複数のユーザが、本実施形態に係る情報処理システム１においても、共通のグループに属するものとして認識されてもよい。

また、本開示の一実施形態に係る情報処理システム１により実現される機能を各種ネットワークサービスに応用することも可能である。例えば、図１７は、本開示の一実施形態に係る情報処理システムの応用例について説明するための説明図であり、当該情報処理システム１により実現される機能をメッセージサービスに応用した場合の一例を示している。

図１７に示す例では、メッセージサービスにおいて、ユーザＵｇ、Ｕｈ、及びＵｉがグループとして登録されている。また、ユーザＵｇ及びＵｈが、場を共有して会話をしており、各ユーザの端末装置３００による当該会話の集音結果に応じた音声データが、例えば、情報処理システム１によるキーワードの抽出に係る処理に利用されている。即ち、図１７に示す例では、例えば、参照符号Ｖ２１１及びＶ２１３として示すように、ユーザＵｇ及びＵｈが発話した内容から抽出されたキーワードがメッセージとして提示されている。

また、このとき抽出されたキーワードに応じた話題に関する情報が、情報処理システム１からメッセージとして提示されてもよい。例えば、図１７に示す例の場合には、ユーザＵｇの発話内容に応じて抽出された「コーンスープ」、「ハンバーグ」、「目玉焼き」等のキーワードに関連する情報（例えば、洋食店等の情報）が提示されてもよい。同様に、ユーザＵｇの発話内容に応じて抽出された「新宿」、「スマートフォン」、「Ｓ社」等のキーワードに関連する情報（例えば、Ｓ社の電化製品の紹介等の情報）が提示されてもよい。

また、参照符号Ｖ２１５として示すように、ユーザの笑い声等の音響を文字情報に変換し、当該文字情報がメッセージとして提示されてもよい。なお、音響から文字情報への変換については、例えば、機械学習等を応用することで、音響と文字情報との間の対応付けが行われることで実現することが可能である。もちろん、各種音響を文字情報に変換することが可能であれば、そのための手法は特に限定されない。

以上のような構成により、例えば、会話の場を共有していないユーザＵｉに対しても、ユーザＵｇ及びＵｈ間の会話から抽出された情報を提示することが可能となる。

なお、参照符号Ｖ２１７として示すように、従来のメッセージサービスと同様にユーザ入力に応じたメッセージを提示させることも可能である。このような構成により、会話の場を共有しているユーザＵｇ及びＵｈと、その場に居ないユーザＵｉと、の間のコミュニケーションを実現することも可能となる。

＜＜５．ハードウェア構成＞＞
続いて、図１８を参照しながら、前述した情報処理装置１００や端末装置２００のように、本開示の一実施形態に係る情報処理システムを構成する情報処理装置のハードウェア構成の一例について、詳細に説明する。図１８は、本開示の一実施形態に係る情報処理システムを構成する情報処理装置のハードウェア構成の一構成例を示す機能ブロック図である。

本実施形態に係る情報処理システムを構成する情報処理装置９００は、主に、ＣＰＵ９０１と、ＲＯＭ９０２と、ＲＡＭ９０３と、を備える。また、情報処理装置９００は、更に、ホストバス９０７と、ブリッジ９０９と、外部バス９１１と、インタフェース９１３と、入力装置９１５と、出力装置９１７と、ストレージ装置９１９と、ドライブ９２１と、接続ポート９２３と、通信装置９２５とを備える。

ＣＰＵ９０１は、演算処理装置及び制御装置として機能し、ＲＯＭ９０２、ＲＡＭ９０３、ストレージ装置９１９又はリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般又はその一部を制御する。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメタ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１が使用するプログラムや、プログラムの実行において適宜変化するパラメタ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるホストバス９０７により相互に接続されている。例えば、図２に示す端末装置２００の制御部２１０や、図３に示す情報処理装置１００の制御部１１０は、ＣＰＵ９０１により構成され得る。

ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９１１に接続されている。また、外部バス９１１には、インタフェース９１３を介して、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３及び通信装置９２５が接続される。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、レバー及びペダル等、ユーザが操作する操作手段である。また、入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール手段（いわゆる、リモコン）であってもよいし、情報処理装置９００の操作に対応した携帯電話やＰＤＡ等の外部接続機器９２９であってもよい。さらに、入力装置９１５は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。情報処理装置９００のユーザは、この入力装置９１５を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置及びランプ等の表示装置や、スピーカ及びヘッドホン等の音声出力装置や、プリンタ装置等がある。出力装置９１７は、例えば、情報処理装置９００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置９００が行った各種処理により得られた結果を、テキスト又はイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。例えば、例えば、図２に示す端末装置２００の表示部２８０や音響出力部２７０は、出力装置９１７により構成され得る。

ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス又は光磁気記憶デバイス等により構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ等を格納する。例えば、図２に示す端末装置２００の記憶部２９０や、図３に示す情報処理装置１００の記憶部１９０は、ストレージ装置９１９、ＲＯＭ９０２、及びＲＡＭ９０３のいずれか、もしくは、ストレージ装置９１９、ＲＯＭ９０２、及びＲＡＭ９０３のうちの２以上の組み合わせにより構成され得る。

ドライブ９２１は、記録媒体用リーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク又は半導体メモリ等のリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０３に出力する。また、ドライブ９２１は、装着されている磁気ディスク、光ディスク、光磁気ディスク又は半導体メモリ等のリムーバブル記録媒体９２７に記録を書き込むことも可能である。リムーバブル記録媒体９２７は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア又はＢｌｕ−ｒａｙ（登録商標）メディア等である。また、リムーバブル記録媒体９２７は、コンパクトフラッシュ（登録商標）（ＣＦ：ＣｏｍｐａｃｔＦｌａｓｈ）、フラッシュメモリ又はＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体９２７は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）又は電子機器等であってもよい。

接続ポート９２３は、情報処理装置９００に直接接続するためのポートである。接続ポート９２３の一例として、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート等がある。接続ポート９２３の別の例として、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポート等がある。この接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００は、外部接続機器９２９から直接各種のデータを取得したり、外部接続機器９２９に各種のデータを提供したりする。

通信装置９２５は、例えば、通信網（ネットワーク）９３１に接続するための通信デバイス等で構成された通信インタフェースである。通信装置９２５は、例えば、有線若しくは無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード等である。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ又は各種通信用のモデム等であってもよい。この通信装置９２５は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９２５に接続される通信網９３１は、有線又は無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信又は衛星通信等であってもよい。例えば、図２に示す端末装置２００の無線通信部２３０及び２５０や、図３に示す情報処理装置１００の通信部１３０は、通信装置９２５により構成され得る。

以上、本開示の実施形態に係る情報処理システムを構成する情報処理装置９００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。なお、図１８では図示しないが、情報処理システムを構成する情報処理装置９００に対応する各種の構成を当然備える。

なお、上述のような本実施形態に係る情報処理システムを構成する情報処理装置９００の各機能を実現するためのコンピュータプログラムを作製し、パーソナルコンピュータ等に実装することが可能である。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリなどである。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信してもよい。また、当該コンピュータプログラムを実行させるコンピュータの数は特に限定されない。例えば、当該コンピュータプログラムを、複数のコンピュータ（例えば、複数のサーバ等）が互いに連携して実行してもよい。

＜＜６．むすび＞＞
以上、説明したように、本実施形態に係る情報処理システムにおいて、情報処理装置は、１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得する。また、当該情報処理装置は、１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された上記１以上のキーワードと、を比較することで、当該１以上のコンテンツから少なくとも一部のコンテンツを抽出する。当該特徴量としては、例えば、前述した特徴量マトリックスＩＭや特徴ベクトルＫＷＶが挙げられる。

このような構成により、本実施形態に係る情報処理システムに依れば、その時々でユーザが発話した内容により関連性の高い話題に関する情報、換言すると、その時々の状況に応じたユーザの嗜好により即した情報を抽出して、当該ユーザに提供すること可能となる。

また、本実施形態に係る情報処理システムに依れば、ユーザ間の会話の内容に基づきキーワードを抽出し、当該キーワードにより関連性の高い話題に関する情報を提示することが可能となる。即ち、本実施形態に係る情報処理システムに依れば、ユーザは、検索キーワードの入力等のような能動的な動作（換言すると、煩雑な操作）を行わずとも、その時々の状況に応じた情報や、自身の嗜好により即した情報を受動的に取得することが可能となる。

なお、上記では、キーワードに基づく抽出の対象となるコンテンツが文書等のデータ（即ち、文書データ）の場合に着目して説明したが、文字情報を含めば、抽出の対象となるコンテンツの種別は特に限定されない。具体的な一例として、動画像、静止画像、楽曲等のコンテンツについても、例えば、メタ情報等のような属性情報として文字情報を含む場合には、キーワードに基づく抽出の対象とすることが可能である。即ち、各コンテンツに含まれる文字情報に基づき特徴量（例えば、特徴量マトリックスＩＭ）を算出することで、当該コンテンツを抽出の対象とすることも可能となる。また、クーポンやチケット等が抽出の対象となるコンテンツとして含まれていてもよい。これにより、例えば、ユーザの会話で取り上げられた店に関する情報がキーワードとして抽出された場合に、当該店で使用可能なクーポンを当該ユーザに提示する（提供する）ことも可能となる。

また、上記では、主に、ユーザが発話した音声の集音結果応じた音声データに基づきキーワードが抽出される例について説明したが、キーワードの抽出元となる情報は、必ずしも当該音声データのみには限定されない。例えば、メールや、メッセージサービスに入力されるメッセージ等のデータは、情報として文字情報を含むため、キーワード抽出の対象とすることが可能である。また、撮像により撮像された動画像等のデータについても、音声データを含むため、キーワード抽出の対象とすることが可能である。即ち、文字情報自体、または文字情報に変換可能な情報を含むデータであれば、本実施形態に係る情報処理システムによるキーワード抽出に係る処理の対象とすることが可能である。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得する取得部と、
１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出する抽出部と、
を備える、情報処理装置。
（２）
抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御する出力制御部を備える、前記（１）に記載の情報処理装置。
（３）
前記取得部は、グループごとに、当該グループに属する前記ユーザにより発話された音声に基づき抽出された前記キーワードを取得し、
前記出力制御部は、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、前記（２）に記載の情報処理装置。
（４）
前記グループは、前記１以上のユーザそれぞれが発話した音声が示す内容の関連性に応じて設定される、前記（３）に記載の情報処理装置。
（５）
前記グループは、前記１以上のユーザそれぞれの位置関係に基づき設定される、前記（３）に記載の情報処理装置。
（６）
前記グループは、前記１以上のユーザそれぞれに関連付けられた装置間の相対的な位置関係に基づき設定される、前記（３）に記載の情報処理装置。
（７）
前記特徴量は、前記コンテンツに含まれる文字情報における所定の単語の出現頻度に応じた情報を含む、前記（１）〜（６）のいずれか一項に記載の情報処理装置。
（８）
前記特徴量は、所定の単語が文字情報として含まれるコンテンツの数に応じた情報を含む、前記（１）〜（７）のいずれか一項に記載の情報処理装置。
（９）
前記抽出部は、前記１以上のキーワードそれぞれの出現数に応じた特徴ベクトルと、前記１以上のコンテンツそれぞれの前記特徴量に応じた特徴量マトリックスと、に基づき、当該１以上のコンテンツから少なくとも一部のコンテンツを抽出する、
前記（１）〜（８）のいずれか一項に記載の情報処理装置。
（１０）
前記音声を文字情報に変換する変換部を備え、
前記取得部は、前記音声が変換された当該文字情報から抽出された前記キーワードを取得する、
前記（１）〜（９）のいずれか一項に記載の情報処理装置。
（１１）
前記取得部は、ネットワークを介して接続された他の装置により集音された前記音声に基づき抽出された前記キーワードを取得する、前記（１）〜（１０）のいずれか一項に記載の情報処理装置。
（１２）
前記音声を集音する集音部を備え、
前記取得部は、前記集音部により集音された前記音声に基づき抽出された前記キーワードを取得する、
前記（１）〜（１０）のいずれか一項に記載の情報処理装置。
（１３）
前記コンテンツは、文書データとして文字情報を含み、
前記特徴量は、前記文書データに基づき算出される、
前記（１）〜（１２）のいずれか一項に記載の情報処理装置。
（１４）
前記コンテンツは、属性情報として文字情報を含む、
前記特徴量は、前記属性情報に基づき算出される、
前記（１）〜（１３）のいずれか一項に記載の情報処理装置。
（１５）
コンピュータが、
１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、
１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、
を含む、情報処理方法。
（１６）
コンピュータに、
１以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、
１以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、
を実行させる、プログラム。

１、２ 情報処理システム
１００ 情報処理装置
１１０ 制御部
１１１ キーワード取得部
１１３ コンテンツ抽出部
１１５ 通信制御部
１３０ 通信部
１８０ 記憶部
１９０ 記憶部
２００ 端末装置
２１０ 制御部
２２０ アンテナ部
２３０ 無線通信部
２４０ アンテナ部
２５０ 無線通信部
２６０ 集音部
２７０ 音響出力部
２８０ 表示部
２９０ 記憶部
３００ 端末装置

Claims (14)

1. １以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得する取得部と、
   １以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出する抽出部と、
   抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御する出力制御部と、
   を備え、
   前記抽出部が前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、
   前記取得部は、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、
   前記出力制御部は、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、
   情報処理装置。
2. 前記グループは、前記１以上のユーザそれぞれが発話した音声が示す内容の関連性に応じて設定される、請求項１に記載の情報処理装置。
3. 前記グループは、前記１以上のユーザそれぞれの位置関係に基づき設定される、請求項１に記載の情報処理装置。
4. 前記グループは、前記１以上のユーザそれぞれに関連付けられた装置間の相対的な位置関係に基づき設定される、請求項１に記載の情報処理装置。
5. 前記特徴量は、前記コンテンツに含まれる文字情報における所定の単語の出現頻度に応じた情報を含む、請求項１に記載の情報処理装置。
6. 前記特徴量は、所定の単語が文字情報として含まれるコンテンツの数に応じた情報を含む、請求項１に記載の情報処理装置。
7. 前記抽出部は、前記１以上のキーワードそれぞれの出現数に応じた特徴ベクトルと、前記１以上のコンテンツそれぞれの前記特徴量に応じた特徴量マトリックスと、に基づき、当該１以上のコンテンツから少なくとも一部のコンテンツを抽出する、
   請求項１に記載の情報処理装置。
8. 前記音声を文字情報に変換する変換部を備え、
   前記取得部は、前記音声が変換された当該文字情報から抽出された前記キーワードを取得する、
   請求項１に記載の情報処理装置。
9. 前記取得部は、ネットワークを介して接続された他の装置により集音された前記音声に基づき抽出された前記キーワードを取得する、請求項１に記載の情報処理装置。
10. 前記音声を集音する集音部を備え、
    前記取得部は、前記集音部により集音された前記音声に基づき抽出された前記キーワードを取得する、
    請求項１に記載の情報処理装置。
11. 前記コンテンツは、文書データとして文字情報を含み、
    前記特徴量は、前記文書データに基づき算出される、
    請求項１に記載の情報処理装置。
12. 前記コンテンツは、属性情報として文字情報を含む、
    前記特徴量は、前記属性情報に基づき算出される、
    請求項１に記載の情報処理装置。
13. コンピュータが、
    １以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、
    １以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、
    抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御することと、
    を含み、
    前記抽出することが前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、
    前記取得することは、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、
    前記制御することは、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、
    情報処理方法。
14. コンピュータに、
    １以上のユーザにより発話された音声に基づき抽出された１以上のキーワードを取得することと、
    １以上のコンテンツについて当該コンテンツに含まれる文字情報を構成する単語に応じて算出される特徴量と、取得された前記１以上のキーワードと、を比較することで、前記１以上のコンテンツから少なくとも一部のコンテンツを抽出することと、
    抽出された前記コンテンツに応じた情報が所定の出力部を介して提示されるように制御することと、
    を実行させ、
    前記抽出することが前記一部のコンテンツとして複数のコンテンツを抽出した場合に、前記複数のコンテンツを示すリストを、前記複数のコンテンツから１のコンテンツをユーザが選択可能に提示し、
    前記取得することは、グループごとに、当該グループに属するユーザにより発話された音声に基づき抽出された前記キーワードを取得し、
    前記制御することは、前記グループに対応する前記キーワードに基づき抽出された前記コンテンツに応じた情報が、当該グループに属するユーザに提示されるように制御する、
    プログラム。

Images