普遍流行使用被称为EPG(电子节目向导)的包括内容的元数 据的电子节目向导的用于选择节目(它是内容)，以及用于预订EPG 上所选节目的技术。
为了提取用于自动记录的关键字，已经提出了一种允许可靠并容 易地提取更适合的信息作为关键字的技术(日本待审专利申请公开号 2006-339947)。
另外，已经提出了一种技术，尽管当随着时间的流逝，忘记了包 括在EPG中的节目名称时，它也可以可靠地搜索所希望的节目(日 本待审专利申请公开号2004-134858)。

直到最近，如果期望从内容的元数据诸如EPG等中提取关于节 目(它是内容)的表演者名称的信息，允许通过词素分析搜索人名。 然而，当期望仅仅提取表演者名称时，由于难以识别人名是角色名称 还是表演者名称，有时也提取了角色名称和其它人名。
鉴于这些情况做出本发明。希望允许从包括在内容的元数据，尤 其是诸如电子节目向导(EPG)的信息中有效地提取关于节目(它是 内容)的表演者名称的信息。
根据本发明的实施例，提供了一种信息处理装置，包括：获取部， 用于获取内容的元数据；词素分析部，用于对包括在内容的元数据内 的文本信息执行词素分析；比较部，用于对词素分析部的词素分析结 果和多个预定表演者名称的列表模式进行比较；以及第一提取部，当 基于比较部的比较结果，存在与词素分析结果中的至少一个或多个部 分匹配的预定表演者名称的列表模式时，该第一提取部用于以匹配的 预定表演者名称列表模式提取表演者名称。
本发明的实施例还包括布局识别部，用于从词素分析部的词素分 析结果中识别每个描述的内容的布局，其中比较部可以比较布局识别 部所识别的词素分析部的词素分析结果布局中的表演者名称域之外 的信息与多个预定表演者名称的列表模式。
本发明的实施例还可以包括布局识别部，用于从词素分析部的词 素分析结果中识别每个描述的内容的布局；相似性距离计算部，用于 计算布局识别部所识别的词素分析部的词素分析结果布局中的表演 者名称域内的信息与多个预定表演者名称的列表模式之间的相似性 距离；以及第二提取部，用于基于相似性距离计算部的相似性距离计 算结果，以词素分析结果中具有最小相似性距离的预定表演者名称列 表模式提取表演者名称。
在上述实施例中，预定表演者名称列表模式可以包括“表演者名 称，符号，表演者名称，符号..”，“表演者名称，符号，角色名称， 表演者名称..”，“角色名称，符号，表演者名称，符号，角色名称..”， 或“表演者名称，表演者名称...”的列表模式。
在上述的实施例中，内容可以包括电视节目，并且元数据可以包 括关于电视节目的信息。
根据本发明的另一个实施例，提供了一种处理信息的方法，包括 步骤：获取内容的元数据；对包括在内容的元数据内的文本信息执行 词素分析；对词素分析步骤的词素分析结果和多个预定表演者名称的 列表模式进行比较；以及第一提取步骤，当基于比较步骤的比较结果， 存在与词素分析结果中的至少一个或多个部分匹配的预定表演者名 称的列表模式时，以匹配的预定表演者名称列表模式提取表演者名 称。
根据本发明的另一个实施例，提供了一种使得计算机执行处理的 程序，该处理包括步骤：获取内容的元数据；对包括在内容的元数据 内的文本信息执行词素分析；对词素分析步骤的词素分析结果和多个 预定表演者名称的列表模式进行比较；以及第一提取步骤，当基于比 较步骤的比较结果，存在与词素分析结果中的至少一个或多个部分匹 配的预定表演者名称的列表模式时，以匹配的预定表演者名称列表模 式提取表演者名称。
根据本发明的另一个实施例的程序存储介质存储上述的程序。
在根据本发明的实施例的信息处理装置、方法和程序中，获取内 容的元数据，对包括在内容的元数据内的文本信息进行词素分析，对 词素分析部的词素分析结果和多个预定表演者名称的列表模式进行 比较，并且当基于比较部的比较结果，存在与词素分析结果中的至少 一个或多个部分匹配的预定表演者名称的列表模式时，以匹配的预定 表演者名称列表模式提取表演者名称。
本发明的信息处理装置可以是独立装置或可以是执行信息处理 的模块。
根据本发明的实施例，可以有效地从包括在内容的元数据的信息 中提取关于内容的表演者名称的信息。
附图说明
图1是示出了应用本发明的信息处理装置的配置例子的方框图；
图2是示出了表演者名称的列表模式的图；
图3是示出了表演者名称提取处理的流程图；
图4是示出了当执行表演者名称提取处理时，显示图像的例子的 图；
图5是示出了表演者名称提取处理的图；
图6是示出了表演者域内部确定处理的流程图；
图7是示出了表演者域内部确定处理的图；
图8是示出了相似性距离的计算方法的图；
图9是示出了使用编辑图算法的相似性距离计算方法的图；
图10是示出了表演者域外部确定处理的流程图；
图11是示出了表演者域外部确定处理的图；
图12是示出了表演者域外部确定处理的图；
图13是示出了人名显示屏幕的显示例子的图；
图14是示出了当选择人名时显示屏幕的显示例子的图；
图15是示出了当指示进行单词记录时显示屏幕的显示例子的 图；和
图16是示出了个人计算机的配置例子的图。

下面，将给出本发明的实施例的描述。本说明书中描述的本发明 和本发明的实施例间的关系被例示如下。该描述用于确认支持本发明 的实施例包括在说明书或附图中。因此，本发明包括一个实施例，但 是未被作为相应于本发明的实施例包含在此处，该事实不意味着该实 施例不相应于本发明。相反，如果一个实施例作为相应于本发明的组 成特征包含在此处，该事实不意味着该实施例相应于除了本发明之外 的发明。
另外，本描述不意味着本说明书中描述的所有发明。换言之，本 描述涉及本说明书中描述的发明，并且不否认存在本申请中未要求权 利的发明，即，不否认存在通过出版和增加对其进行分案和修改的发 明。
即，根据本发明的实施例，提供了一种信息处理装置，包括：获 取部(例如，图1中的EPG获取部分12或iEPG获取部分14)，用 于获取内容的元数据；词素分析部(例如，图1中的词素分析部分15)， 用于对包括在内容的元数据内的文本信息执行词素分析；比较部(例 如，图1中的模式比较部分42)，用于对词素分析部的词素分析结果 和预定表演者名称的多个列表模式进行比较；以及提取部(例如，图 1中的表演者名称提取部分43)，当基于比较部的比较结果，存在与 词素分析结果中的至少一个或多个部分匹配的预定表演者名称的列 表模式时，用于以匹配的预定表演者名称列表模式提取表演者名称。
本发明的实施例还可以包括布局识别部(例如，图1中的布局识 别部分20)，用于从词素分析部的词素分析结果中识别每个描述的内 容的布局，其中比较部(例如，图1中的模式比较部分42)可以比较 布局识别部所识别的词素分析部的词素分析结果布局中的表演者名 称域之外的信息与预定表演者名称的多个列表模式。
本发明的实施例还可以包括布局识别部(例如，图1中的布局识 别部分20)，用于从词素分析部的词素分析结果中识别每个描述的内 容的布局；相似性距离计算部(例如，图1中的相似性距离计算部分 33)，用于计算布局识别部所识别的词素分析部的词素分析结果布局 中的表演者名称域内的信息与预定表演者名称的多个列表模式之间 的相似性距离；以及第二提取部(例如，图1中的表演者名称提取部 分35)，用于基于相似性距离计算部的相似性距离计算结果，以词素 分析结果中具有最小相似性距离的预定表演者名称列表模式提取表 演者名称。
根据本发明的另一个实施例，提供了一种处理信息的方法，包括 步骤：用于获取内容的元数据的EPG获取(例如，图3中的步骤S2)； 对包括在内容的元数据内的文本信息进行词素分析(例如，图3中的 步骤S4)；对词素分析步骤的词素分析结果和预定表演者名称的多个 列表模式进行比较(例如，图10中的步骤S53)；以及当基于比较步 骤的比较结果，存在与词素分析结果中的至少一个或多个部分匹配的 预定表演者名称的列表模式时，以匹配的预定表演者名称列表模式提 取(例如，图10中的步骤S55)表演者名称。
图1示出了根据本发明的实施例的信息处理装置的配置。
信息处理装置1获取包括通过网络(诸如由Internet所代表的 等)、广播电波等所发布的内容的元数据的EGP(电子节目向导)， 从包括在电子节目向导内的节目(内容)的信息中提取表演者名称作 为关键字，并且显示相应于通过操作部分5诸如遥控器等从提取的表 演者名称中选择的表演者名称的节目，操作部分5包括操作按键、键 盘等。
接收部分11通过天线2接收广播电波，并且给EPG获取部分 12和调谐器26提供信号。EPG获取部分12从提供自接收部分11的 信号中获取EPG(电子节目向导)信息，并且将该信息提供给EPG 文本数据提取部分13、布局识别部分20和节目搜索部分25。
iEPG获取部分14访问由预定的URL(统一资源定位器)等通 过诸如由Internet代表的网络3指定的EPG发布服务器4，获取EPG 信息，并且将该信息提供给EPG文本数据提取部分13、布局识别部 分20和节目搜索部分25。
EPG文本数据提取部分13从提供自EPG获取部分12的EPG 信息和提供自iEPG获取部分14的EPG信息的每一个中提取文本数 据，并且将该数据提供给词素分析部分15。
词素分析部分15将EPG信息的文件数据划分为语言的最小单元 (此后，其也被称为单词)，以记录在字典存储部分16中的信息检 查每个单词，以便识别语言部分，从而执行词素分析处理。将结果存 储在词素分析结果缓冲区17中。
布局识别部分20基于提供自EPG获取部分12或iEPG获取部 分14的EPG信息，识别被作为EPG显示的每个信息的布局，并且 将识别的布局信息提供给划分和提取部分21。
划分和提取部分21识别其中描述了表演者名称的表演者域的位 置，基于从布局识别部分20提供的布局信息从词素分析结果缓冲区 17读取表演者域内的信息，以便将该信息提供给表演者域内部确定部 分24，并且从词素分析结果缓冲区17读取表演者域之外的信息，以 便将该信息提供给表演者域外部确定部分18。关于这一点，后面将给 出表演者域的详细描述。
表演者域外部确定部分18基于包括在除了表演者域布局之外的 区域内的词素分析结果，提取作为EPG显示的信息中的表演者名称， 以便将表演者名称存储在表演者名称提取结果存储部分22内。
表演者域外部确定部分18的模式提取部分41顺序读取存储在模 式存储部分19内的多个属性列表模式中的任意一个，以该列表模式 和相应属性的信息提取存储在词素分析结果缓冲区17内的表演者域 之外的单词，并且将它们提供给模式比较部分42。
此处提及的属性模式是具有属性表演者名称、角色名称、外国表 演者、日文语音、外国角色名称、日文假名和组名的列表模式，并且 例如包括如图2中所示的第一模式到第八模式。
第一模式包括，例如，“表演者，表演者”、“表演者；表演者”、 “表演者·表演者”、“表演者表演者”、“表演者/表演者”和“表演者<换 行符>表演者”。该模式包括表演者名称间的某种符号(包括空格和换 行符)，并且是连续地包括表演者名称的列表。
另外，第二模式包括，例如，“表演者(角色名称)”和“表演者 →角色名称”。该模式是将角色名称布置在表演者名称之后，并且它 们之间包括某种符号(包括空格和换行符)的连续列表。
另外，第三模式包括，例如，“角色名称：表演者”、“角色名称…表 演者”、“角色名称............表演者”、“角色名称...表演者”和“角色名 称··表演者”。该模式是将表演者名称布置在角色名称之后，并且它们 之间包括某种符号(包括空格和换行符)的连续列表。
另外，第四模式包括，例如，“表演者(组名)”。该模式是将包 括该表演者的组名布置在表演者之后的连续列表。
另外，第五模式包括，例如，“外国表演者...日文语音”和“外国 表演者(日文语音)”。该模式是将配音的日文语音布置在外国表演 者名称之后，并且它们之间夹着某种符号的连续列表。此处提及的外 国表演者名称是以日文片假名和字母描述的人名。
另外，第六模式包括，例如，“外国角色名称＝外国表演者(日 文语音)”。该模式是将一个符号布置在外国角色名称之后，并且将 外国表演者名称布置在其后，并且将配音的日文名称布置在其后的括 号内的连续列表。
另外，第七模式包括，例如，“外国表演者日文假名”。该模式是 将日文假名布置在外国表演者之后的连续列表。
另外，第八模式包括，例如，“外国角色名称…外国表演者(日 文假名)”。该模式是将位于括号内的日文假名布置在外国角色名称 之后，将某个符号布置在外国角色名称后，另外，布置外国表演者名 称，并且之后再布置位于括号内的日文假名的连续列表。
第一到第八模式中的表演者名称当然包括作为语言部分的人名， 还包括用于识别著名人物的属性，诸如女演员名称、男演员名称、歌 手名称等。另外，作为一种属性，角色名称包括指示头衔诸如“节目 主持人”、“制片人”等的单词，并且还包括故事中舞台上的人名。
模式比较部分42假设由模式提取部分41从词素分析结果缓冲区 17提取的属性列表模式是存储在模式存储部分19内的上述第一到第 八模式的列表模式中的任意一个，对该属性列表模式和假设的列表模 式进行比较，并且确定模式是否匹配。
表演者名称提取部分43基于模式比较部分42的比较结果，使用 匹配的列表模式提取关于表演者名称的信息，并且将表演者名称存储 在表演者名称提取结果存储部分22内。
表演者域内部确定部分24基于包括在表演者域内部区域中的词 素分析结果，提取作为EPG显示的信息中的表演者名称，并且将表 演者名称存储在表演者名称提取结果存储部分22内。
属性确定部分31确定从划分和提取部分21提供的单词的每个属 性，并且将该属性提供给模式提取部分32。模式提取部分32基于从 属性确定部分31提供的属性确定结果提取属性模式，并且将属性模 式提供给相似性距离计算部分33。相似性距离计算部分33计算指示 提供自模式提取部分32的模式和存储在模式存储部分19内的模式间 的相似性的相似性距离，并且将该相似性顺序地提供给模式确定部分 34。模式确定部分34基于从相似性距离计算部分33提供的相似性距 离的信息，将具有最小相似性距离的模式识别为由模式提取部分32 提取的模式，确定该提取模式，并且将确定的模式提供给表演者名称 提取部分35。表演者名称提取部分35基于从模式确定部分34提供的 模式，从提供自划分和提取部分21的单词中仅提取表演者名称，并 且将该表演者名称存储在表演者名称提取结果存储部分22内。
输出部分23输出存储在表演者名称提取结果存储部分22内的表 演者名称。
接着，参考图3的流程图，给出对表演者名称提取处理的描述。
在步骤S1，EPG获取部分12或iEPG获取部分14确定是否已 经操作操作部分5，并且给出显示表演者名称的指令，并且重复相同 的处理直到确定已经给出该指令为止。例如，如果显示了图4所示的 操作标签101，并且操作了其上描述了“人名”的按钮116，假设给出 了显示表演者名称的指令，并且处理进入步骤S2。
关于这一点，图4示出了显示在显示屏幕6上的图像的例子。在 操作标签101的左侧提供其频道由调谐器26选择的普通广播节目的 显示区域102。在操作标签101上，显示其上分别显示“HDD信息”、 “DVD信息”、“图像和声音质量设置”、“节目记录”、“节目描述”、“人 名”和“关键字”的按钮111到117。当显示该图中未示出的HDD(硬 盘驱动器)内记录的节目的信息时，操作按钮111。当显示插入该图 中未示出的DVD(数字通用盘)驱动器内的DVD上记录的节目信息 时，操作按钮112。当设置图像和声音质量时操作按钮113。当记录 节目时操作按钮114。当显示包括在EPG内的，被显示在显示区域 102内的节目的节目描述时，操作按钮115。当作为人名显示包括在 EPG内的，被显示在显示区域102内的节目的表演者名称时，操作按 钮116。当显示包括在EPG内的，被显示在显示区域102内的节目的 关键字时，操作按钮117。
在步骤S2，EPG获取部分12获取包括在通过接收部分11由天 线2接收的广播电波内的预定节目的EPG信息，并且将该信息提供 给EPG文本数据提取部分13和布局识别部分20。可替换地，iEPG 获取部分14访问由网络3上的预定URL指定的EPG发布服务器4， 获取预定节目的EPG信息，并且将该信息提供给EPG文本数据提取 部分13和布局识别部分20。
在步骤S3，EPG文本数据提取部分13从提供的EPG信息中提 取文本数据，并且将该数据提供给词素分析部分15。
在步骤S4，词素分析部分15基于存储在字典存储部分16内的 信息，将提供的EPG信息的文本数据划分为单词，识别每个单词的 语声部分，并且将结果存储在词素分析结果缓冲区17内。在由词素 分析部分15使用字典存储部分16进行的词素分析中，如果语言部分 是名词中的人名，可以将该语言部分指定人名。另外，在人名例如著 名男演员名称、著名女演员名称、著名女演员名称、著名歌手名称等 当中，可以指定属性该人名是男演员名称、女演员名称或歌手名称。 因此，词素分析部分15不仅可以识别每个单词的语言语法部分，而 且在是名词的情况下，还可以将单词分类为人名、产品名或地名等。 另外，在人名的情况下，词素分析部分15对在是人名的情况下包括 属性其是男演员名称、女演员名称或歌手名称的属性的单词分类。
在步骤S5，布局识别部分20基于提供自EPG获取部分12或 iEPG获取部分14的EPG的显示信息识别布局，并且将识别结果提 供给划分和提取部分21。例如，当如图5所示显示EPG信息时，布 局识别部分20如下识别布局。
在图5的情况下，布局识别部分20将其中显示″YOU ARE ENCHANTED BY TAKO′S EYES...YOU HAD A FATED ENCOUNTER...″的最上部区域Z1识别为标题显示区域。另外，布 局识别部分20将其中显示″A WOMAN LIKE AN ANGEL，WHOM MAIN-CHARACTER YAMADA OSAMU(INADA GORO)HAS ENCOUNTERED，IS，BELIEVE IT OR NOT，TAKO...A COLLEAGUE，TAKEUCHI TAKESHI(OOBAYASHI NANNRO) IS...″的中间的区域Z2识别为故事描述区域。另外，布局识别部 分20将其中显示了″PERFORMER INADA GORO(YAMADA OSAMU)MURASHITA TOMOKO(TAGUCHI MIYUKI) KANIHARA YURI(KANIHARA TOMOMI)MEGUMU(YOYOGI SHOKO)SCRIPT MOTHER DIRECTOR MIKAMI YOSHISHIJE HASHIMOTO KEITA，AND OTHERS MUSIC MITSUBISHI NORIHITO THEME SONG：″LOVE FLOWER″ KOUDA MIRAI (RHYTHM ZOMBIE)PROGRAM DESCRIPTION THREE YEARS AGO FROM NOW，A COUPLE WAS BORN.THE HUSBAND BY FAR SURPASSES AN EVALUATION CRITERIA FOR A MAN，″COMPETENT FOR A WORK″，WHICH IS UNCAHNGED FROM THE PAST.″的最下部 区域Z3识别为节目详细描述区域。EPG显示屏幕有时具有与上述区 域Z1到Z3所示区域的布置不同的顺序，但是具有拥有类似结构的区 域。因此，布局识别部分20根据属性识别(估计)这些区域。
另外，布局识别部分20尤其将″PERFORMER INADA GORO (YAMADA OSAMU)MURASHITA TOMOKO(TAGUCHI MIYUKI) KANIHARA YURI(KANIHARA TOMOMI)MEGUMU(YOYOGI SHOKO)″的描述区域(下面描述的区域Z3’)识别为Z3中的表演者 域。即，在图5的情况下，布局识别部分20将包括描述“PERFORMER” 的一组单词识别为表演者域。
在步骤S6，划分和提取部分21基于布局信息从词素分析结果缓 冲区17提取表演者域内部的单词，并且将该单词提供给表演者域内 部确定部分24。
在步骤S7，划分和提取部分21基于布局信息从词素分析结果缓 冲区17提取表演者域外部的单词，并且将该单词提供给表演者域外 部确定部分18。
在步骤S8，表演者域内部确定部分24执行表演者域内部确定处 理，从表演者域内部的单词中提取表演者的单词，并且将该单词存储 在表演者名称提取结果存储部分22内。
此处，将参考图6中的流程图给出表演者域内部确定处理的描 述。
在步骤S31，属性确定部分31为从划分和提取部分21提供的所 有单词确定该单词中的每一个是否是记录在属性中的单词，诸如男演 员、女演员等，并且将确定结果提供给模式提取部分32。即，属性确 定部分31确定表演者域内提供的单词是否是具有被记录为人名的属 性的人名诸如实际的男演员、女演员等，而不是指示不存在的人物的 属性的人名，诸如角色名称等。
在步骤S32，模式提取部分32基于从属性确定部分31提供的确 定结果，根据指示是否存在人名记录的模式产生确定模式。即，例如 如图7的上部所示，当以区域Z3’示出表演者域时，如果单词″INADA GORO″，″MURASHITA TOMOKO″和″MEGUMU″被识别为实 际人名，并且其它的″YAMADA OSAMU″，″TAGUCHI MIYUKI″， ″KANIHARA YURI″，″KANIHARA TOMOMI″和″YOYOGI SHOKO″被识别为不存在的人名，如图7的下部所示，指示是否被 记录的模式成为″WITH″，″WITHOUT″，″WITH″，″WITHOUT″， ″WITHOUT″，″WITHOUT″，″WITH″和″WITHOUT″。根据该确定 结果，由于表演者名称是实际的人名，“WITH”的确定结果指示一个 表演者结果。另外，由于“WITHOUT”的确定结果指示角色名称，并 且因此模式提取部分32产生″PERFORMER″，″ROLE″，″ PERFORMER″，″ROLE″，″ROLE″，″ROLE″， ″PERFORMER″和″ROLE″作为确定模式，并且将该模式提供给相 似性距离计算部分33。此处，″PERFORMER″指示表演者名称，并 且″ROLE″指示角色名称。
在步骤S33，相似性距离计算部分33将用于识别模式的该图中 未示出的计数器-i初始化为1。
在步骤S34，相似性距离计算部分33对确定模式和存储在模式 存储部分19内的第i个模式进行比较，并且计数正确和错误的数目。 即，例如如图7的下部所示，如果确定模式是″PERFORMER″， ″ROLE″，″PERFORMER″，″ROLE″，″ROLE″，″ROLE″， ″PERFORMER″和″ROLE″，当计数器-i＝1时，如图8的上部所示， 作为第一模式的模式P1成为″PERFORMER″，″PERFORMER″， ″PERFORMER″，″PERFORMER″，″PERFORMER″， ″PERFORMER″，″PERFORMER″和″PERFORMER″。由于确定模 式中的″PERFORMER″都被计数为正确，并且″ROLE″被计数为错 误，并且从而在该情况下有5个正确和3个错误。
另外，当计数器-i＝2时，如图8的中部所示，作为第二模式的 模式P2成为″PERFORMER″，″ROLE″，″PERFORMER″，″ROLE″， ″PERFORMER″，″ROLE″，″PERFORMER″和″ROLE″，并且因此 有7个正确和1个错误。
另外，当计数器-i＝3时，如图8的下部所示，作为第三模式的 模式P3成为″ROLE″，″PERFORMER″，″ROLE″， ″PERFORMER″，″ROLE″，″PERFORMER″，″ROLE″和 ″PERFORMER″，并且因此有1个正确和7个错误。
在步骤S35，相似性距离计算部分33基于正确和错误的计数结 果计算确定模式和第i个模式间的相似性距离，并且将相似性距离提 供给模式确定部分34。更具体地，例如，当计数器-i是1时，确定模 式包括8个元素，它们中有3个错误元素，并且因此相似性距离计算 部分33计算相似性距离是37.5％(＝3/8×100)。当模式越相似时，相 似性距离具有越接近0的值。以类似的方式，当计数器-i是2时，相 似性距离计算部分33计算相似性距离是12.5％(＝1/8×100)。另外， 当计数器-i是3时，相似性距离计算部分33计算相似性距离是87.5％ (＝7/8×100)。关于这一点，对第四到第八模式执行相同的处理，并且 因此忽略其描述。
另外，相似性距离不限于上述的定义，并且可以使用任意其它方 法，只要该方法给出相似性的量化值即可。例如，可以使用编辑图算 法等。
此处，编辑图算法，例如，如图9所示。即，在图9中，那些图 顺序从左边起分别为计数器-i是1、2和3的情况。第i个模式和确定 模式分别以个体间隔1布置在X轴和Y轴上。从原点开始顺序进行 具有相同X坐标和Y坐标的部分处的模式间的比较。如果该部分匹 配，则画一对角线，并且如果该部分不匹配，则分别向X方向和Y 方向画在水平方向上为1的直线。对于以相同处理完成的图，对角线 的数字被计数为0，并且水平方向直线和垂直方向直线的数字分别被 计数为1。这些计数的总计数是编辑图算法的相似性距离。
因此，当计数器-i是1时，如图9的左部所示，每个相应于确定 模式中的“ROLE”的数字变为是错误，并且因此从(0，0)到(1，1)画对 角线，分别从(1，1)向(2，2)在X方向和Y方向上画两个直线，从(2，2) 向(3，3)画对角线，分别从(3，3)向(6，6)在X方向和Y方向上画两个 直线，从(6，6)向(7，7)画对角线，分别从(7，7)向(8，8)在X方向和Y 方向上画两个直线。结果，当计数器-i是1时，使用编辑图算法的相 似性距离是10。以相同方式，计数器-i是2时，如图9的中部所示， 除了从(4，4)向(5，5)画两个直线之外，在任意部分画对角线，并且 因此相似性距离是2。另外，相同方式，计数器-i是3时，如图9的 右部所示，除了从(4，4)向(5，5)画对角线之外，在任意部分画直线， 并且因此相似性距离是14。
在步骤S36，相似性距离计算部分33确定是否计算了存储在模 式存储部分19内的所有模式和该确定模式间的相似性距离。例如， 如果未对所有模式计算所有的相似性距离，处理进入步骤S37，将计 数器-i增加1，并且处理返回步骤S34。即，重复步骤S34到S37直 到完成所有模式的相似性距离计算为止。如果在步骤S37已经完成了 所有模式的相似性距离计算，在步骤S38，模式确定部分34确定计算 的相似性距离的最小值是否小于预定阈值。即，确定最小相似性距离 是否是一个可靠的值。在步骤S38，如果最小相似性距离小于预定阈 值，即，是一个可靠的值处理进入步骤S39。
在步骤S39，模式确定部分34将具有最小相似性距离的模式确 定为用于提取表演者名称的模式，并且将该模式信息提供给表演者名 称提取部分35。表演者名称提取部分35基于从模式确定部分34提供 的模式，从提供自划分和提取部分21的单词中提取表演者名称。即， 例如，如果提供图7中的区域Z3’作为表演者域内部的区域，在第一 到第三模式的情况下，第二模式成为最小的相似性距离，并且因此表 演者名称提取部分35顺序提取″INADA GORO″，″MURASHITA TOMOKO″，″KANIHARA YURI″，主″MEGUMU″作为表演者名 称，并且在步骤S40将它们存储在表演者名称提取结果存储部分22 内。
在另一方面，在步骤S38，如果最小相似性距离大于预定值，并 且被确定为不是可靠的值，在步骤S41，模式确定部分34使用第一模 式提取所有人名作为表演者名称，并且在步骤S40，并且将这些名称 存储在表演者名称提取结果存储部分22内。
通过上述处理，从EPG显示屏幕识别表演者域的内部，确定表 演者名称的模式，并且提取表演者名称。因此，可以确定这样的区域 内表演者名称的布置的模式，该区域是表演者名称域，它具有以相对 规则的方式布置表演者名称的高的可能性。结果，可以改进表演者名 称的布置模式的识别精度。另外，当相似性距离的可靠性低时，通过 提取表演者域内的所有人名，可以防止提取表演者名称失败。
此处，将返回图3的流程图的描述。
当在步骤S8完成表演者域内部确定处理时，在步骤S9，表演者 域外部确定部分18执行表演者域外部确定处理，从除了表演者域之 外的单词中提取表演者的单词，并且将这些单词此处在表演者名称提 取结果存储部分22内。
此处，参考图10的流程图，将给出表演者域外部确定处理的描 述。
在步骤S51，模式提取部分41将未示出的用于识别模式的计数 器-i初始化为1。
在步骤S52，假设相应于第i个模式的属性列表模式，模式提取 部分41从自划分和提取部分21顺序提取的表演者域外部的词素分析 结果中提取该模式，并且将该模式提供给模式比较部分42。此时，模 式提取部分41通知模式比较部分42提取了第i个模式。
在步骤S53，模式比较部分42对由模式提取部分41顺序地从由 划分和提取部分21提供的表演者域外部的词素分析结果中提取的单 词的属性和第i个模式内的属性的列表模式进行比较。
即，例如，如果EPG文本数据提取部分13提取图11中所示的 文本数据，则进行下面的比较。在图11中，作为文本数据提取″THIS TIME，A NEWLYWED ACTION-TALENTED ACTOR，TORIMI SHINNGO AND A HEAVY-DRINKING EXPERIENCED ACTRESS， FUJIKAWA YUMI CHALLENGE Mr.MILLIONAIRE. ATTENTION IS FOCUSED ON TORIMI，WHO GOT A CENTER SHEET SUDDENLY.HE FINALY HAD A CHANCE TO DIRECTLY CONFRONT Mr.MILLIONAIRE，NOMITANMO BY THIRD TIME LUCKY.THE DREAM OF ONE THOUSAND YEN IS ″HE GIVES DELUXE BICYCLES TO GROUP MEMBERS AS PRESENTS，AND GOES ON A CYCLING TOUR WITH THEM″. THE CHALLENGE OF TORIMI STARTS″.
HOWEVER，TOPIC OF CONVERSATION CENTERED AROUND AN UNTOLD STORY OF SHOOTING OF″THIRD GRADE C-CLASS，TEACHER，KINKU″ASIDE FROM THE QUIZ. THE″FORMER TEACHER″TEKEGAWA TETSUYA PROCEEDED TO THE 14-TH QUESTION.TORIMI HAS PROCEEDED TO THE 14-TH QUESTION SIMILARLY AS THE FORMER TEACHER WITH THE HELP OF LIFE LINE AT THE RIGHT TIMING.TORIMI ENCOUNTERS QUESTIONS ON SPORTS.CAN TORIMI EVER GO BEYOND THE FORMER TEACHER！？IN ADDITION，FUJIKAWA，WHO CAME TO GAZE AT NOMI-SAN WITH EACH OTHER，HAS A DREAM OF CATCHING ONE THOUSAND YEN FOR THE SAKE OF″FUNDS FOR TOKYO PERFORMANCE OF DRAMA GROUP″. PERFORMER HOST：NOMITANMO GUEST CHALLENGER： TORIMI SHINNGO FUJIKAWA YUMI OTHERS″。
在上面当中，例如，通过词素分析将″A NEWLYWED ACTION-TALENTED ACTOR，TORIMI SHINNGO AND A HEAVY-DRINKING EXPERIENCED ACTRESS，FUJIKAWA YUMI″划分为″NEWLYWED″，″ACTION″，″-TALENTED″， ″ACTOR″，″·″，″TORIMI SHINNGO″，″，″，″HEAVY-DRINKING″， ″EXPERIENCED″，″ACTRESS″，″·″和″FUJIKAWA YUMI″。当i＝1 时，即，在第一模式的情况下，模式提取部分41假设字符串是“表演 者名称”，“符号”和“表演者名称”，并且首先顺序提取″NEWLYWED″， ″ACTION″和″-TALENTED″，接着是″ACTION″，″-TALENTED″， 和″ACTOR″，并且然后是″-TALENTED″，″ACTOR″和″·″，即， 提取3个连续单词作为一个模式，并且将它们提供给模式比较部分42。
模式比较部分42对相应于从模式提取部分41提供的这3个单词 的属性的列表模式和第一模式中的属性的列表模式进行比较。
在步骤54，模式比较部分42确定列表模式是否匹配。即，例如， 在″A NEWLYWED ACTION-TALENTED ACTOR，TORIMI SHINNGO AND A HEAVY-DRINKING EXPERIENCED ACTRESS， FUJIKAWA YUMI″的情况下，人名仅为″TORIMI SHINNGO″和 ″FUJIKAWA YUMI″。即使″TORIMI SHINNGO″和″FUJIKAWA YUMI″分别被识别为男演员名称和女演员名称，不适用“表演者名 称”，“符号”和“表演者名称”的模式，并且因此确定它们不匹配。因 此，处理进入步骤S55。
在步骤S55，模式比较部分42确定是否已经测试了存储在模式 存储部分19内的所有模式。如果未测试，在步骤S56模式提取部分 41将计数器-i增加1，并且处理返回步骤S52。
在另一方面，在该文本数据的下部中，从″PERFORMER HOST：NOMITANMO GUEST CHALLENGER：TORIMI SHINNGO FUJIKAWA YUMI OTHERS″的部分中，提取单词 ″PERFORMER″，″HOST″，″：″，″NOMITANMO″，″GUEST″， ″CHALLENGER″，″：″，″TORIMI SHINNGO″，″FUJIKAWA YUMI″和OTHERS″。当计数器-i＝2时，模式提取部分41假设字符 串是“角色名称”和“表演者名称”，并且首先提取PERFORMER″， ″HOST″和″：″，然后提取″HOST″，″：″和″NOMITANMO″，并且再 提取″：″，″NOMITANMO″和″GUEST″，即，顺序提取3个连续的单 词，并且将它们提供给模式比较部分42。
在该情况下，假设提取的″HOST″，″：″，″NOMITANMO″ 的属性被记录为″HOST″是角色名称，″：″是符号，并且 ″NOMITANMO″是著名人物，在步骤S54，模式比较部分42认为其 与第三模式匹配，并且因此处理进入步骤S55。
在步骤S55，模式比较部分42指示表演者名称提取部分43以匹 配的模式提取表演者名称。因此，表演者名称提取部分43基于第三 模式″ROLE NAME″，″SYMBOL″和″PERFORMER NAME″提取 表演者名称，并且将它们存储在表演者名称提取结果存储部分22内。 然后，处理进入步骤S56。
即，在图11中的文本数据的下部的情况下，布置在“SYMBOL” 之后的单词是表演者名称。因此，由于根据″HOST″，″：″， ″NOMITANMO″的布置，属性布置模式是″ROLE NAME″， ″SYMBOL″和″PERFORMER NAME″，提取″NOMITANMO″作为 表演者。另外，根据“CHALLENGER”，“：”，“TORIMI SHINNGO” 的布置，提取“TORIMI SHINNGO”作为表演者。将提取的表演者存 储在表演者名称提取结果存储部分22内。
在步骤S56，确定是否测试了所有模式，即，在该情况下，当计 数器-i大于8时，由于指示列表模式数目的计数器-i计数到了8，在 步骤S58，模式比较部分42确定对于所有模式是否有任何匹配的模 式。在该情况下，第三模式匹配，并且因此跳过步骤S59的处理。
在另一方面，在步骤S58，如果没有模式匹配，模式比较部分42 指示表演者名称提取部分43以第一模式提取表演者名称。即，当没 有模式匹配时，不作为表演者提取人名，并且从而只要是被某个符号 夹在中间的列表模式，则读取所有可以被作为人名读取的字符串。
另外，例如，当从如图12所示的EPG中提取文本数据时，根据 下部的显示″KUROISHI SUZUKO：TANIGAWA KYOKOKUZUYAMA HARUKI：ODA KEISUKESHIMANAKA SAORI：OOBAYASHI MAOOOKAGE TAMIO：HIGASHIMURA MASAHIKOFUKAKURA MICHIRU：SACHIKOKASHIWAMOTO MAKI：OOIKE EIKOOOKAGE TAKANOBU：IWAI MASANORIKUROISHI TORU：AMANO HIROKIKUZUYAMA MICHIZO：NAKADUME ISAO″，该文本数据或是第一模式，即“表 演者名称”、“符号”和“表演者名称”，或是第二模式“表演者名称”、“符 号”和“角色名称”。即，在戏剧等的情况下，人名可被识别为“角色名 称”或“表演者名称”。例如，假设文本数据实际是第三模式，如果″ODA KEISUKE″被识别为是通过词素分析处理作为男演员名称识别出的 著名男演员的人名，至少将″KUZUYAMA HARUKI″，″：″和″ODA KEISUKE″识别为“角色名称”，“符号”和“表演者名称”，并且因此认 为该文本数据中的至少一个与第三模式匹配。因此，作为表演者名称 提取″TANIGAWA KYOKO″，″ODA KEISUKE″，″OOBAYASHI MAO″，″HIGASHIMURA MASAHIKO″，″SACHIKO″，″OOIKE EIKO″，″IWAI MASANORI″，″AMANO HIROKIKU″和 ″NAKADUME ISAO″。
另外，当允许在图12下部中仅作为人名识别所有名称时，在步 骤S58没有字符串被识别为这些模式。因此在步骤S59，作为表演者 名称提取所有人名″KUROISHI SUZUKO″，″TANIGAWA KYOKO″， ″KUZUYAMA HARUKI″，″ODA KEISUKE″，″SHIMANAKA SAORI″，″OOBAYASHI MAO″，″OOKAGE TAMIO″， ″HIGASHIMURA MASAHIKO″，″FUKAKURA MICHIRU″， ″SACHIKO″，″KASHIWAMOTO MAKI″，″OOIKE EIKO″， ″OOKAGE TAKANOBU″，″IWAI MASANORI2，″KUROISHI TORU″，″AMANO HIROKI″，″KUZUYAMA MICHIZO″和 ″NAKADUME ISAO″。在该情况下，存在包括错误的表演者名称的 可能。然而，至少显示了所有的表演者名称。
通过上述的处理，事先设置被借助用来显示表演者的属性列表模 式，并且在词素分析结果和设置的属性列表模式之间进行比较。通过 基于匹配的属性的列表模式提取表演者，可以有效地提取表演者。
此处，通过再次参考图3的流程图给出描述。
当在步骤S9中完成表演者域外部确定处理时，在步骤S10，输 出部分23读取存储在表演者名称提取结果存储部分22内的表演者名 称，并且将它们显示在显示区域6内。
通过该处理，666例如通过图13中所示的屏幕作为人名显示表 演者名称。在图13中，在普通广播节目的显示区域102的右侧布置 人名显示区域121，并且相应于提取的表演者名称布置按钮131到 133，当选择提取的人名时，操作按钮131到133。在图13中，为表 演者名称″SHACHOBUCHO″布置按钮131，为表演者名称″BEKIO″ 布置按钮132，并且为表演者名称″HENNA EMIRI″布置按钮133。
在步骤S11，节目搜索部分25确定是否通过操作部分5的操作， 操作按钮131到133中的任意一个，选择了作为表演者名称的人名。 例如，在图13中，当通过操作部分5操作按钮131以便选择关键字 ″SHACHOBUCHO″时，在步骤S12，节目搜索部分25使用关键字 ″SHACHOBUCHO″在从EPG获取部分12或iEPG获取部分14提供 的EPG上搜索节目(在EPG信息的节目信息中搜索包括关键字 ″SHACHOBUCHO″的节目)，并且在步骤S13，例如如图14所示， 在显示部分6上显示搜索结果。另外，当在步骤S11未进行选择时， 跳过步骤S12和13的处理。
在图14中，布置选择关键字标签151，并且示出选择的关键字。 在图14中，示出被选择的关键字″SHACHOBUCHO″。在该关键字 之下，布置搜索结果显示区域152，并且显示通过选择的关键字搜索 到的节目。在图14中，在最上行内显示″TOMORROW 1:05AM MOVIE THEATER ″OVER THE COUNTER″″。在第二行，显示 ″2:30AM howbiz Extra#201″。在第三行显示″9:30AM  THURSDAY WESTERN MOVIE THEATER″INDIAN GAME″。在第四行显示 ″0:00AM INDIES MOVIE FESTIVAL--VOLUNTARY MOVIE″。在第五行显示″0:50AM MOVIE THEATER″MY HOME″″。在第六行显示″2:30AM  BILLY TALKS OF HIMSELF″。在第七行显示″11:00PM MOVIE ″GRAVE AND MARRIAGE″(FREE OF CHARGE)″。显示每个节目名称和其广播 时间。例如，通过选择这些节目的显示区域中的任意一个，可以提供 记录该节目的预订。在搜索结果显示区域之下，在右侧布置显示 “RETURN”的按钮153。当完成选择关键字标签151的显示时操作按 钮153，并且屏幕返回。另外，在按钮153的左侧布置显示“OPTION” 的按钮154。当执行选项操作时操作按钮154。
在步骤S14，节目搜索部分25确定是否操作了操作部分5以便 指示单词记录。例如，当通过操作部分5操作按钮154时，如图15 所示显示选项操作对话框171，另外，按下选项操作对话框171内显 示“单词记录”的按钮181，并且指示记录单词，在步骤S15，节目搜 索部分25将当前选择的单词″SHACHOBUCHO″存储在表演者名称 提取结果存储部分22内。通过该处理，将已被指示进行单词记录的 表演者名称始终显示在人名显示区域121内，即使该名称未被包括在 EPG数据内。
关于这一点，给图15中的选项操作对话框171提供按钮181和 按钮182，当指示“单词记录”时操作按钮181，并且当取消选项操作 时操作按钮182。
在另一方面，在步骤S14，如果未指示进行单词记录，跳过步骤 S15的处理。
在步骤S16，进行是否指示结束的确定。如果未指示，处理返回 步骤S11。如果指示了结束，则终止处理。
通过上述处理，基于包括在电子节目向导(EPG)内的信息，从 布局信息中识别出表演者域的区域，并且由于存在具有表演者名称的 规则布置的高概率，以包括表演者名称和角色名称而不包括符号的信 息的布置，对表演者域内的信息进行模式分析。基于分析的模式提取 表演者名称，并且因此可以较高的精度提取表演者名称。
另外，由于与表演者域内部相比，存在具有表演者名称的不规则 布置的可能，基于表演者、角色以及附带符号的布置，对表演者域外 部的信息进行模式分析。基于分析的模式提取表演者名称，并且因此 可以较高的精度提取表演者名称。
结果，通过区分表演者域内部和表演者域外部，并且改变提取表 演者名称的方法，可以高的精度和高的效率提取表演者名称。
另外，上面已经给出了内容的元数据是EPG的例子。然而，元 数据可以不是EPG，只要元数据是内容的附加信息即可。例如，元数 据可以是ECG(电子内容向导)等。
另外，上面已经给出了内容是电视节目的例子。然而，内容可以 不是电视节目，只要内容具有元数据即可。例如，内容可以是通过网 络下载的运动图像内容或音乐内容。可替换地，内容可以是存储在存 储介质诸如DVD(数字通用盘)、BD(蓝光盘)等内的运动图像内 容或音乐内容。
根据本发明的实施例，可以高效地从包括在内容的元数据内的信 息中提取关于该内容的表演者名称的信息。
可以由硬件或由软件执行上述的一系列处理。当由软件执行该处 理序列时，在计算机的专用硬件中构建构成该软件的程序。可替换地， 可以从程序记录介质将各种程序安装到能够执行各种功能的通用个 人计算机内。
图16示出了通用个人计算机的配置的例子。该个人计算机包括 CPU(中央处理单元)1001。输入/输出接口1005通过总线1004连接 到CPU1001。ROM(只读存储器)1002和RAM(随机访问存储器) 1003连接到总线1004。
包括输入设备诸如用于用户输入操作命令的键盘、鼠标等的输入 部分1006、用于显示处理操作屏幕和处理结果的图像的输出部分 1007、包括存储程序和各种数据的硬盘驱动器的存储部分1008和包 括LAN(局域网)适配器等，并且通过以Internet为代表的网络执行 通信处理的通信部分1009连接到输入/输出接口1005。另外，连接用 于从可移动介质1011诸如磁盘(包括柔性盘)、光盘(包括CD-ROM (压缩只读盘存储器)和DVD(数字通用盘))、磁光盘(包括MD (迷你盘))或半导体存储器等读取数据和写入数据的驱动器1010。
CPU1001根据存储在ROM1002内的程序，或安装在存储部分 1008内并且从存储部分1008装入RAM1003的，从可移动介质1011 诸如磁盘、光盘、磁光盘、半导体存储器等读取的程序执行各种处理。 RAM1003还存储CPU1001适当地执行各种处理所需的数据。
关于这一点，在本说明书中，描述程序的步骤当然包括根据描述 的顺序顺时执行的处理。另外，该步骤包括不必顺时执行而被并行或 单独执行的处理。
本领域的技术人员应当理解，根据设计要求和其它因素，可能出 现各种修改、组合、子组合和替换，只要它们在所附权利要求或其等 同物的范围内即可。
对相关申请的交叉引用
本发明包含与2007年3月1日，2007年8月7日和2007年11 月26日分别提交于日本专利局的日本专利申请JP 2007-051354、 2007-205083和2007-303993有关的主题，通过引用将其整个内容 结合在此。