新聞社が過去の報道写真をキャプション・人物・地名・撮影日で検索し、人名の異体字や合併前の地名の表記ゆれを吸収して、使用の条件付きで記事と貸出に使う写真を探す

処理の起点を決める

処理の起点は2つあります。 依頼者が受付の画面から依頼を送ったときと、毎晩、写真のデータベースに前日に入った写真とキャプションの直しを索引に入れるときです。

索引の入れ直しは、その日の夕刊・朝刊の写真が翌日の依頼で見つかるように毎晩行います。 大きな事件・災害のときは、写真部の担当が手で入れ直しを動かせるようにします。依頼が集中するのは、写真がまだ索引に入っていない直後の時期だからです。

入力データを集める

質を決めるのは、使用の条件と地名の辞書です。 使用の条件が備考の自由文のままだと、使えない写真を機械的に分けられません。最初に、提供元と二次使用の可否を項目として持たせる作業が要ります。

データの取得方法を決める

索引の項目は、次のように持たせます。

撮影日は date ではなく date_range で持ちます。 公式のページでは、date_range は日付の範囲を持つ型で、range の検索の relation に INTERSECTS（既定）、CONTAINS、WITHIN があります。「1985年夏」の写真は1985年6月1日〜8月31日の幅で持ち、依頼の「1985年8月」と INTERSECTS で重なれば候補に入ります。 撮影日の分からない写真が絞り込みで落ちる、第3章の（b）がこれで解けます。

地名は、撮影の時点の名前と今の名前の両方を places に入れます。 合併の前の町で撮った写真には、その町の名前と、合併後の市の名前を並べます。辞書は「旧町名 → 今の市名」の向きで引き、今の市名で探すと旧町名の写真も出るようにします。

AIへ渡す前に整形する

1. 異体字を置き換える … 「髙→高」「﨑→崎」「德→徳」のような対応を、mapping の文字フィルタで索引と検索の両方に入れます
2. 原文を残す … 人名は、置き換えた値と原文の両方を持ちます。画面には原文を出します
3. 撮影日の幅を作る … 日付が分かる写真は1日、時期しか分からない写真は決まった幅（季節は3か月、年だけなら1年）にします
4. 日本時間で範囲にする … 撮影の日時を日本時間で解釈して範囲にします（次の段落）
5. 連写の束を作る … 同じ撮影者が同じ場所で数分のうちに撮った写真に、同じ burst_id を付けます
6. 使用の条件を項目にする … 備考の自由文から提供元と二次使用の可否を項目に移します。移せないものは「要相談」にします

1番目の置き換えは、文字フィルタの中に直接書きます。 公式のページでは、mapping の文字フィルタは mappings の配列か mappings_path のファイルで対応を指定できます。一方、Amazon OpenSearch Service のカスタムパッケージの説明が挙げている使い方は synonyms_path、stopwords_path、user_dictionary で、mappings_path にパッケージを使えるかは確かめられませんでした。 そこで、異体字の対応は索引の設定の mappings の配列に書き、足すときは索引を作り直します。

4番目を軽く見ないでください。 公式のページでは、日付は既定で協定世界時（UTC）として扱われ、検索の time_zone を指定すると UTC に直して比べるとされています。日本時間の早朝に撮った写真を UTC のまま入れると、前の日の写真になります。 索引に入れる日時には +09:00 を付け、検索の範囲にも time_zone: "+09:00" を付けます。

AIに処理させる

させるのは、依頼の文を検索の条件に分けることだけです。 写真を選ぶこと、使ってよいかを決めることはさせません。

地名と人名を推し量らせないのは、辞書のほうが確かだからです。 合併の前と後の対応を、AIはもっともらしく答えますが、地方の小さな町の合併の組み合わせを取り違えても、出てくる名前は実在の地名なので気づけません。 対応は写真部の辞書で引きます。

検索は bool の検索で組み立てます。 キャプションは should で語を並べ、人物と地名は filter で絞ります。撮影日は shot_period の range の検索で INTERSECTS を使います。連写は collapse で burst_id ごとに1枚にします。 公式のページでは、collapse の項目は keyword か数値で、1つの文書に1つの値である必要があり、scroll の検索や rescore と一緒には使えず、ページ送りには search_after を使うとされています。

{
  "query": {"bool": {
    "should": [{"match": {"caption": "神輿"}}, {"match": {"caption": "祭り"}}],
    "filter": [
      {"term": {"places": "○○市"}},
      {"range": {"shot_period": {"gte": "1998-01-01", "lte": "2002-12-31",
                 "relation": "INTERSECTS", "time_zone": "+09:00"}}}
    ]}},
  "collapse": {"field": "burst_id"},
  "aggs": {"by_year": {"terms": {"field": "shot_year", "size": 20}},
           "by_place": {"terms": {"field": "places", "size": 20}}}
}

件数の内訳は、terms の集計で出します。 公式のページでは、size の既定は10で、各シャードから集める候補の数 shard_size の既定は size * 1.5 + 10、件数は概算になることがあるとされています。内訳は「どの年・どの地名に写真が多いか」の目安に使い、件数の正確さを前提にしません。

指示内容を固定する

あなたは新聞社の写真データベースの担当として、写真を探す依頼の文を、
検索の条件に分ける立場です。依頼の文に書かれていることだけを使ってください。

【分ける項目】
- scene_terms: 場面を表す語。キャプションに書かれそうな書き方の違い
  （漢字・かな、略称）も並べてよい
- persons: 人物の名前。書かれたとおりに写す
- places: 地名。書かれたとおりに写す
- date_text: 撮影日・時期の表現を書かれたとおりに写す
- date_from / date_to: 受付日（{received_date}）を基準にした範囲
- date_basis: 範囲をそう決めた根拠
- purpose: 受付の画面で選ばれた使う目的
- purpose_conflict: 依頼の文から読める目的が、選ばれた目的と違うか

【厳守事項】
- 人名の漢字を直さないでください。「高橋」を「髙橋」に、
  「髙橋」を「高橋」に書き換えないでください。
- 地名を今の名前や昔の名前に直さないでください。
  合併の前の町の名前を補わないでください。
- 撮影日がはっきりしないときは、範囲を広く取ってください。
  「〜ごろ」「〜年代」は前後に幅を持たせ、date_basis に書いてください。
- 依頼の文に無い人物・場所・行事を足さないでください。
- 写真を使ってよいか、貸し出してよいかを書かないでください。

【依頼の文】{request_text}
【使う目的】{purpose}

「範囲を広く取る」と書くのは、撮影日の誤りが見つからなさに直結するからです。 依頼の「2000年ごろ」を2000年1年に絞ると、1999年の写真は出ません。広く取って多めに出た候補は担当が目で落とせますが、狭く取って出なかった写真は誰も気づけません。

人名を直させないのは、置き換えを辞書と文字フィルタに任せているからです。 AIが先に直すと、原文と辞書の対応がずれ、本人が届け出た字で書かれた写真の名前を、別の字で示すことになります。

出力形式を固定する

Claude API の構造化出力で、次の形で受け取ります。 output_config.format に type: json_schema でスキーマを渡し、purpose は enum で縛ります。

{
  "scene_terms": ["神輿", "みこし", "祭り"],
  "persons": [],
  "places": ["○○町"],
  "date_text": "2000年ごろ",
  "date_from": "1998-01-01",
  "date_to": "2002-12-31",
  "date_basis": "「ごろ」のため前後2年の幅",
  "purpose": "external_loan",
  "purpose_conflict": false
}

1つ目の理由は、地名と人名を辞書の引き当てに回せることです。 places と persons が書かれたとおりの値で返るので、Lambda が辞書を引き、旧町名と今の市名の両方で検索を組み立てます。

2つ目は、date_basis を担当に見せられることです。 候補が少ないときに、撮影日の幅が狭すぎたのかを、担当が根拠から判断できます。

候補の一覧は、使う目的で3つに分けて返します。

{
  "request_id": "PR-20261015-0112",
  "usable": [{"photo_id": "", "burst_size": 12, "external_use": "可",
              "care_flags": [], "caption": "", "shot_period": ""}],
  "conditional": [{"photo_id": "", "external_use": "要相談",
                   "care_flags": ["一般の人の顔"]}],
  "not_usable": [{"photo_id": "", "reason": "通信社の配信写真"}],
  "breakdown": {"by_year": {}, "by_place": {}}
}

not_usable を返すのは、写真が無いのか使えないのかを分けるためです。 burst_size は、まとめた連写の枚数で、同じ場面の別のカットを見たいときの手がかりです。

システムへ連携する

写真のデータベースには書き込みません。 使用の条件の直しも、写真部がデータベースの側で行い、毎晩の取り込みで索引に入ります。画像を外へ出す経路は、これまでどおりの貸出の手続きだけです。

同義語の辞書は、検索の側の analyzer で使います。 公式のページでは、updateable: true は検索の側の analyzer でだけ働き、パッケージを更新して適用すると自動で反映されます。S3 に新しい版を置くだけでは更新されません。

人が確認する

担当は、依頼者に返す前にすべての候補の使用の条件を見ます。

1. date_basis と件数の内訳を見る … 候補が少なければ、撮影日の幅と地名を広げて検索し直します
2. usable から写真を選ぶ … 連写は、必要なら同じ束の別のカットを開きます
3. conditional を確かめる … 「要相談」は提供元の条件を確かめ、配慮の印は写真部のデスクに回します
4. not_usable を依頼者に伝えるか決める … 社内の依頼なら「配信写真ならある」と伝えると、配信元に頼む道が開けます

3番目は、AIにも検索にも任せません。 配慮の印は、写真ごとに写真部が付けたものです。印の無い写真に配慮が要らないとは限らないので、事件・事故の写真は、印の有無にかかわらずデスクが見ます。

例外に対処する

1行目の「自動で1回だけ」に意味があります。 何度も広げると、依頼と関係の薄い写真で一覧が埋まります。

記録を残す

• 依頼の文、使う目的、Claude API が分けた条件と date_basis
• 実際に組み立てた検索の条件（辞書で引いた地名・人名を含む）と、広げたかどうか
• 候補の一覧と、担当が選んだ写真、依頼者に返した写真
• conditional と not_usable の写真と、写真部のデスクの判断
• 見つからなかった依頼と、後から手で見つけた写真とそのときの書き方
• 辞書の版と適用した日付

5つ目が、辞書を育てる材料です。 毎月これを見て、見つからなかった書き方を辞書に足します。 足した後に同じ依頼で見つかるかを、翌月に確かめます。