CN101833549B - 文本分析设备、方法和程序 - Google Patents

Abstract

本发明公开了文本分析设备、方法和程序。该文本分析设备包括：存储单元，被配置为存储参与关于预定主题的讨论的用户的意见作为文本数据以及存储用于指定该文本数据的作者的作者信息；特征量数据生成单元，被配置为生成存储在存储单元中的文本数据的特征量数据；观察时序信号生成单元，被配置为基于通过对特征量数据执行预定处理而获得的信息来生成观察时序信号；改变点检测单元，被配置为基于观察时序信号来检测该讨论的改变点；以及影响指定单元，被配置为基于所检测的改变点和作者信息来指定该讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

Description

文本分析设备、方法和程序

技术领域

本发明涉及文本分析设备、方法和程序，更具体而言，涉及一种在基于文本的讨论中获得个人意见的转变或者意见之间的交互的概况以便在短时间内更深刻地理解讨论的文本分析设备、方法和程序。

背景技术

近年来，随着信息处理技术的发展，例如，利用电子公告板执行基于文本的讨论的机会正日益增加。在这种情况下，描述了每个用户的意见等的文档被顺序地粘贴在电子公告板上。

要读取作为基于文本的讨论而粘贴的所有文档需要花费很多时间。另外，在这些讨论中交换的意见随时间改变，而且彼此影响。

因此，一种使用作为意见的文本和其时间信息来挖掘讨论的技术是有用的。已经提出了一种用于基于具有时间信息的文本集来获得主题中转变的概况的挖掘方法(例如，日本未审查专利申请公布No.10-154150)。

发明内容

然而，相关技术获得给定文本集整体的趋势的概况，但是无法获得在基于文本的讨论中个人意见的转变或者意见之间的交互的概况。

希望在短时间内获得基于文本的讨论中个人意见中的转变或者意见之间的交互的概况以便更深刻地理解该讨论。

根据本发明的一个实施例，提供了一种文本分析设备，包括：存储单元，被配置为存储参与关于预定主题的讨论的用户的意见作为文本数据以及存储用于指定该文本数据的作者的作者信息；特征量数据生成单元，被配置为生成存储在存储单元中的文本数据的特征量数据；观察时序信号生成装置，被配置为基于通过对特征量数据执行预定处理而获得的信息来生成观察时序信号；改变点检测单元，被配置为基于观察时序信号来检测该讨论的改变点；以及影响指定单元，被配置为基于所检测的改变点和作者信息来指定该讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

还可包括用户意见指定单元和显示单元，用户意见指定单元被配置为指定参与该讨论的用户中、指定用户的意见，显示单元被配置为基于所检测的改变点显示指定用户的意见的改变，并显示对指定用户的意见有影响的意见或者受到指定用户的意见影响的意见。

针对参与该讨论的用户，显示单元可以对受到该用户的意见影响的意见的数目进行计数并显示。

针对参与该讨论的用户，可以对该用户的意见的改变次数进行计数，可以对受到该用户的意见影响的意见数目进行计数，并且可以基于所计数的改变次数和意见数目来指定该用户的特性。

观察时序信号生成单元可以基于特征量数据、针对与特征量数据相对应的文本数据的意见来计算预先设定的要评价的对象的极性信息，并且基于计算出的极性信息来生成观察时序信号。

还可包括时序节点图样生成单元，该单元被配置为指定文本数据的隐藏马尔可夫(Markov)模型的节点标签，并生成其中节点标签按照与观察时序信号相对应的顺序排列的时序节点图样，并且改变点检测单元可以基于时序节点图样来检测该讨论的改变点。

根据本发明的另一个实施例，提供了一种文本分析方法，包括以下步骤：生成存储在存储单元中的文本数据的特征量数据，该存储单元存储参与关于预定主题的讨论的用户的意见作为文本数据以及存储用于指定该文本数据的作者的作者信息；基于通过对特征量数据执行预定处理而获得的信息来生成观察时序信号；基于观察时序信号来检测该讨论的改变点；以及基于所检测的改变点和作者信息来指定该讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

根据本发明的另一个实施例，提供了一种使得计算机用作文本分析设备的程序，该文本分析设备包括：存储单元，被配置为存储参与关于预定主题的讨论的用户的意见作为文本数据以及存储用于指定该文本数据的作者的作者信息；特征量数据生成单元，被配置为生成存储在存储单元中的文本数据的特征量数据；观察时序信号生成装置，被配置为基于通过对特征量数据执行预定处理而获得的信息来生成观察时序信号；改变点检测单元，被配置为基于观察时序信号来检测该讨论的改变点；以及影响指定单元，被配置为基于所检测的改变点和作者信息来指定该讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

根据本发明的另一个实施例，生成存储在存储单元中的文本数据的特征量数据，该存储单元存储参与关于预定主题的讨论的用户的意见作为文本数据以及用于指定该文本数据的作者的作者信息，基于通过对特征量数据执行预定处理而获得的信息来生成观察时序信号，基于观察时序信号来检测该讨论的改变点，以及基于所检测的改变点和作者信息来指定该讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

根据本发明的实施例，可以获得在基于文本的讨论中个人意见的转变或者意见之间的交互的概况以便在短时间内更深刻地理解该讨论。

附图说明

图1是示出根据本发明一个实施例的文本挖掘系统的配置示例的框图；

图2是示出特征量(feature quantity)向量的示例的示图；

图3是示出概念信息的示例的示图；

图4是示出学习数据的示例的示图；

图5是示出时序节点图样(time-series node pattern)的示例的示图；

图6是图示基于作者的时序节点图样的提取示例的示图；

图7是图示讨论的改变点检测的示例的示图；

图8是示出显示要作为讨论的分析结果呈现给用户的信息的图像的示例的示图；

图9是图示讨论分析处理的示例的流程图；

图10是图示文本特征量提取处理的示例的流程图；

图11是图示概念信息提取处理的示例的流程图；

图12是图示学习数据生成处理的示例的流程图；

图13是图示时序节点图样生成处理的示例的流程图；

图14是图示个人意见分析处理的示例的流程图；

图15是示出用户特性的分类示例的示图；以及

图16是示出个人计算机的配置示例的框图。

具体实施方式

下文中将参考附图描述本发明的实施例。

图1是示出根据本发明一个实施例的文本挖掘系统的配置示例的框图。文本挖掘系统10例如由因特网上的公告板和用于提供社交联网服务(SNS)的网站组成。在配置文本挖掘系统10的公告板和网站中，多个用户可以例如讨论预定主题。该讨论是通过描述多个字符(通过一个句子)来执行的。即，在文本挖掘系统10中，用户执行基于文本的讨论。

文本挖掘系统10例如由连接到诸如因特网之类的网络的服务器组成。另外，文本挖掘系统10可以由彼此互连的多个服务器组成。

在该示例中，文本挖掘系统10包括由浏览器31到数据库40所表示的多个功能块。

在图1的示例中，例如，由文本特征量提取单元32到数据库40所表示的多个功能块被安装在服务器中。另外，由浏览器31表示的功能块被安装在诸如个人计算机之类的用户设备中。另外，具有浏览器31的个人计算机和具有文本特征量提取单元32到数据库40的服务器例如经由因特网连接。

在文本挖掘系统10中，例如，经由安装在个人计算机等中的浏览器31访问服务器的用户输入他/她的屏幕名和关于预定主题的意见。在访问服务器的浏览器的屏幕上，例如，公告板系统(BBS)的投稿接受GUI被显示，并且先前输入的意见列表被显示为关于预定主题的意见。用户输入的意见例如被存储在数据库40中作为文本数据。

另外，实际上，用语音表达的意见可以利用语音识别技术被转换为文本数据以存储在数据库40中。

在数据库40中，每个用户输入的意见的文本数据被与指示意见的输入日期和时间的时间信息以及诸如屏幕名之类的作者信息相关联地存储。另外，存储在数据库40中的文本数据例如以基于讨论主题而被分类的状态存储。

浏览器31的用户可以通过文本挖掘系统10来分析累积在数据库40中关于预定主题的讨论。文本挖掘系统10通过基于来自浏览器31的用户的请求执行所谓的文本挖掘来分析关于预定主题的讨论。文本挖掘是使用文本的数据挖掘。

文本挖掘例如是一种将来自文本的对一种产品或服务的评价表示为一数字值并从文本中提取出(挖掘)有用信息的技术。浏览器31的用户可以通过文本挖掘分析组织讨论的写作风格，作为具有时间信息的一组文本数据，以便容易地获得主题中转变的概况。即，由于通过文本挖掘很容易检查出其中对讨论主题的事务或人的评价随时间改变的状态，因此可以很容易获得主题中转变的概况。

下面将描述细节。文本挖掘系统10基于来自浏览器31的请求(查询)来分析讨论。

首先，文本特征量提取单元32提取出讨论的文本数据的各个特征量，并且概念信息提取单元33对特征量进行分类和分析，并且基于文本数据的意见的含义生成概念信息。

学习数据构造单元34和时序节点图样提取单元35执行隐藏马尔可夫(Markov)模型的学习以便获得在讨论的文本数据的时序中节点标签的改变。即，学习数据构造单元34基于上述概念信息生成作为观察时序信号的学习数据，并且时序节点图样提取单元35学习该观察时序信号以便执行隐藏马尔可夫模型的学习过程。因此，作为抽象概念的讨论的改变可以例如被作为数字值信息的时序节点图样所替换。

基于时序节点图样，作者指定单元36、转变指定单元37、影响指定单元38生成关于参与讨论的特定用户的意见的转变或者其影响的信息。挖掘结果显示单元39将该信息作为分析结果呈现给浏览器31。

将参考图1和图2至7更详细地描述本发明。如果通过文本挖掘系统10分析累积在数据库40中的关于预定主题的讨论，则浏览器31向文本特征量提取单元32发送一个查询等作为分析讨论的请求。该查询例如包括用于指定所分析的讨论的主题的信息。另外，该查询例如可包括用于指定参与讨论的用户中要观察的用户的信息(例如，屏幕名等等)。

当从浏览器31接收到查询时，文本特征量提取单元32基于查询中包括的信息来指定要讨论的讨论，并且从数据库40读取所指定的讨论的一组文本数据。即，文本特征量提取单元32从数据库读取由浏览器31的用户指定的讨论的所有分布意见。

另外，文本特征量提取单元32通过对所读取的文本数据执行语形分析(morphological analysis)来提取出文本数据中包括的单词。文本特征量提取单元32例如针对所提取的单词搜索先前存储在数据库40中的目录信息以进一步提取单词中作为关键词的单词。另外，文本特征量提取单元32计算关键词在文本数据中的出现频率并生成以关键词的出现频率值作为元素的向量。该向量是相对于作为讨论意见读取的文本数据生成的，并且被称为特征量向量。

图2是示出特征量向量的示例的示图。

现在，例如，通过从浏览器31发送来的查询指定并分析关于作为主题的某一职业棒球队的队员组织的讨论D。在讨论D中，例如，存在作为分布意见的文本数据的文本1、文本2、…等等。

文本1例如是句子“OO manager should be replaced”(OO经理应该被换掉)的文本数据。文本2例如是句子“It is strange that XX is not astarting member”(很奇怪XX不是首发队员)的文本数据。

对文本1进行语形分析并且搜索目录信息从而提取出关键词“manager”和“replaced”。对文本2进行语形分析并且搜索目录信息从而提取出关键词“XX”。另外，对除文本1和文本2以外的其他文本数据进行语形分析并且搜索目录信息从而提取出关键词“Tokyo”。

如图2所示，文本特征量提取单元32针对作为讨论D的意见读取的文本数据生成特征量向量。同样如该图所示，文本1、文本2、…的特征量向量变为具有与关键词“manager”、“Tokyo”、“xx”、…和“replaced”相对应的元素的向量。这些向量的元素值是表示关键词的出现频率的数字值。在该示例中，与文本1的特征量向量的关键词“manager”相对应的出现频率为1，并且与关键词“replaced”相对应的出现频率为1。另外，在该示例中，与文本2的特征量向量的关键词“XX”相对应的出现频率为1。

因此，在该示例中，文本1的特征量向量变为(1，0，0，…，1)，并且文本2的特征量向量变为(0，0，1，…，0)。

文本特征量提取单元32如上所述生成特征量向量。

概念信息提取单元33按预定标准对特征量向量进行分类并对文本数据进行聚类(cluster)。概念信息提取单元33例如基于特征量向量的元素值的总和等将特征量向量分类为聚类1至4，并且向与所分类的特征量向量相对应的文本数据施加表示这些聚类的聚类标签。

另外，概念信息提取单元33针对作为输入信息的特征量向量执行文本评价分析。文本评价分析的细节例如在文献“Research trend into analysisof evaluation information of a text.Natural language processing，Vol.13，No.3，2006.”中得到公开。作为文本评价分析的结果，可以获得极性信息(polarity information)，该极性信息表示与特征量向量相对应的文本数据的意见相对于要评价的预定对象是正面还是负面。要评价的对象例如是“OO manager replacement”，并且也被设为文本数据。极性信息例如是作为表示“正面”的数值“1”、表示“负面”的数值“2”、表示“中性”的数值“3”和表示“无意见”的数值“4”而获得的。

概念信息提取单元33例如生成以上述聚类标签和极性信息作为元素的二维向量，作为文本数据的概念信息。图3是示出概念信息的示例的示图。

同样在该图的示例中，作为使用要评价的对象“OO managerreplacement”的聚类标签和极性信息作为元素的二维向量，示出了文本1、文本2、…的概念信息。同样在该图的示例中，文本1的概念信息的聚类标签的元素值变为3，并且极性信息的元素值变为1。另外，文本2的概念信息的聚类标签的元素值变为1，并且极性信息的元素值变为4。

概念信息的生成是为了确认作为文本数据分析的意见的内容。如下面所描述的，基于概念信息生成学习数据以便执行隐藏马尔可夫节点的学习过程。因此，例如，诸如在讨论期间说话者(输入文本的用户)的输入之类的极其抽象的概念可以例如被识别为数字值信息。

尽管这里描述了概念信息变为二维向量的情况的示例，但是可以使用除了聚类标签和极性信息以外还添加了其他元素的多维向量。

学习数据构造单元34通过在下面描述的时序节点图样提取单元35中进行学习来生成用于指定隐藏马尔可夫节点的学习数据。学习数据例如是通过向概念信息的元素添加时间信息并按时序排列概念信息的元素而获得的数据。

图4是示出学习数据的示例的示图。如该图中所示，学习数据包括作为元素的要评价的对象“OO manager replacement”的时间信息、聚类标签和极性信息。要评价的对象“OO manager replacement”的聚类标签和极性信息是基于时间信息来排列的。如上所述，时间信息变为指示在讨论D中输入与文本1、文本2、…相对应的意见时的时间的信息。

时序节点图样提取单元35通过学习由学习数据构造单元34构造的作为观察时序信号的学习数据来执行隐藏马尔可夫模型的学习过程。另外，时序节点图样提取单元35指定学习数据的文本1、文本2的节点标签。节点标签例如由数字值1至4表示。

时序节点图样提取单元35基于学习数据的时间信息来按时序排列所指定的节点标签以便提取时序节点图样。即，时序节点图样变为指示文本1、文本2、…(它们是随时间在讨论D中输入的意见)的隐藏马尔可夫模型的节点的转变的信息。

例如，在任何讨论中，输入意见是文本1至文本4，并且在时间上按照文本1至文本4的顺序被输入。如果文本1的节点标签为2，文本2的节点标签为1，文本3的节点标签为3，并且文本4的节点标签为4，则时序节点图样由数字串“2，1，3，4”表示。在实际的时序节点图样中，用于指定意见的信息与数字串的数字值(节点标签)相关联地配置。

图5是示出时序节点图样的示例的示图。在该示例中，作为在讨论D中输入的意见的文本1、文本2、…和与意见的节点标签相关联的信息变为时序节点图样。另外，作为在讨论D中输入的意见的文本1、文本2、…在时间上按照该顺序(按照从图的顶部到底部的顺序)被输入。

作者指定单元36指定作为时序节点图样获得的数字串的数字值的作者信息。即，由于时序节点图样的数字值是在讨论D中输入的意见的隐藏马尔可夫模型的节点标签，因此可以通过意见的作者信息来指定作者。

作者指定单元36读取存储在数据库40中的作者信息并利用时序节点图样的数字值将该信息与意见的文本数据相关联。例如，上述示例的文本1至文本4的作者是用户A至用户D。在这种情况下，用户A与时序节点图样“2，1，3，4”中的“2”相关联，用户B与“1”相关联，用户C与“3”相关联，而用户D与“4”相关联。

转变指定单元37基于与作者信息相关联的时序节点图样来指定参与讨论的用户的意见的转变。转变指定单元37仅从时序节点图样中提取与预定作者信息相关联的数值，并且提取基于作者的时序节点图样。

图6是图示基于作者的时序节点图样的提取示例的示图。如该图中所示，例如，时序节点图样是“1，4，4，2，2，1，2，2，2，3，3，3，…”，并且用户A的基于作者的时序节点图样被提取。转变指定单元37基于与时序节点图样相关联的作者信息来提取由图中箭头指示的数值。在该示例中，用户A的基于作者的时序节点图样变为“4，2，3”。

通过提取基于作者的时序节点图样，可以识别作者(在这种情况下是用户A)的意见的转变。

或者，参与讨论的所有用户的意见的转变可以按以下方式指定。转变指定单元37按预定规则分析与作者信息相关联的时序节点图样以便检测时序节点图样中的改变点。改变点例如是触发讨论流程中大的改变的意见。预定规则例如如下所示。

针对时序节点图样的数字值(即，节点标签)设定时间t，以使得在时间上最老的数字值被设定为时间t＝1且较老的数值被设定为时间t＝2。当时间t的数字值是L(t)时，在时间t按式1计算微分def(t，n，m)。

式1

$\mathrm{def}(t,n,m)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{II}(L\left(t\right)=L(t-n))+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}I(L\left(t\right)=L(t+m))---\left(1\right)$

式1的II(*)是当*为真时变为0而当*为假时变为1的函数，而I(*)是当*为真时变为1而当*为假时变为0的函数。

当通过式1计算出的值变得大于预定阈值时的时间t被检测作为改变点。

例如，在式1中，例如，当变量m＝2、变量n＝2且阈值为2时，如果按上述规则分析图6中所示的时序节点图样，则与图7中所示的箭头相对应的节点标签被检测作为改变点。在图7的示例中，从图左侧起的第四个值“2”和从左侧起的第十个值“3”被检测作为改变点。

因此，在图6所示的时序节点图样的数字值(节点标签)中，从左侧起的第十个值“3”被检测作为参与讨论的用户的所有意见的改变点。因此，转变指定单元37可以指定参与讨论的用户的所有意见的转变。

影响指定单元38基于转变指定单元37所检测的改变点来指定受影响的意见。例如，当任何意见被指定时，通过回到过去与该意见具有相同标签的点，最近的改变点变为受影响的意见。

例如，图6中所示用户A的基于作者的时序节点图样的预定意见被指定。由于用户A的基于作者的时序节点图样是“4，2，3”，因此与节点标签相对应的意见被称为意见A1、意见A2和意见A3。例如，意见A2被指定。

意见A2对应于图7中从左侧起的第五个值“2”。影响指定单元38通过回到过去与意见A2具有相同节点标签的点来搜索最近的改变点。在这种情况下，由于由图中的箭头指示的意见是改变点，因此通过回到过去与意见A2具有相同节点标签的点，从左侧起的第四个值“2”是最近的点。因此，可以看出意见A2受到与从左侧起的第四个值“2”相对应的意见的影响。换句话说，可以认为与从左侧起的第四个值“2”相对应的意见对于用户A的思考有影响，并且用户A输入意见A2。

因此，影响指定单元38指定了受影响的意见。

挖掘结果显示单元39向用户呈现关于由转变指定单元37指定的参与讨论的用户的意见的转变以及由影响指定单元38指定的受影响的意见的信息，作为讨论的分析结果。例如，挖掘结果显示单元39生成并发送显示在浏览器31上的图像的显示数据，以在浏览器31上显示用于显示信息的图像作为讨论的分析结果，该图像将被呈现给用户。

图8是示出显示要作为讨论的分析结果呈现给用户的信息的图像的示例的示图。例如，通过浏览器31发送了用于指定与图6中所示时序节点图样相对应的讨论主题的信息和包括用户A(作为要观察的用户)的屏幕名的查询。图8中所示的图像作为讨论的分析结果被显示在浏览器31上。

在图8的示例中，“用户A的意见改变两次”被显示在图像的区域101中。如上参考图6所述，由于用户A的基于作者的时序节点图样变为“4，2，3”，因此用户的意见从节点标签4改变为节点标签2，然后改变为节点标签3。

“第一意见”被显示在图8的图像的区域102中，并且该意见的内容被显示。在图的“…”部分中，显示了从该意见的文本数据获得的字符。显示在区域102中的意见对应于从图6的时序节点图样的左侧起的第二个值“4”。

在图8的图像的区域103中，显示了“第二意见(从第一意见改变来)”，并且显示了该意见的内容。显示在区域103中的意见对应于从图6的时序节点图样的左侧起的第五个值“2”。

在图8的图像的区域104中，显示了“第三意见(从第二意见改变来)”，并且显示了该意见的内容。显示在区域104中的意见对应于从图6的时序节点图样的左侧起的第十个值“3”。

在图8的图像的区域105中，显示了“存在对第二意见有影响的意见”，并且显示了“用户B”和该意见的内容。如上所述，作为用户A的第二意见的意见A2受到与从图7中左侧起的第四个值“2”相对应的意见的影响。因此，在区域104中，显示了与从左侧起的第四个值“2”相对应的意见的作者(用户B)以及该意见的内容。

在图8的图像的区域106中，显示了“存在第三意见对其有影响的两个意见”，并且显示了“用户C”、“用户D”和意见的内容。如图7所示，作为用户A的第三意见的意见A3变为图中箭头所示的改变点。因此，尽管未在图7中示出，但是意见A3可能对其后输入的意见有影响。这里，受到意见A3影响的两个意见被影响指定单元38的处理检测到。因此，在区域106中，显示了受到用户A的第三意见(意见A3)影响的意见的作者(用户C和用户D)以及其意见的内容。

讨论的分析结果被呈现给用户。通过在考虑所有意见的同时指定并呈现某一个体(例如，用户A)的意见的转变，可以获得参与讨论的所有用户中这个人的意见的转变概况。另外，通过提取并呈现对这个人有影响的意见或者受这个人影响的意见，可以深刻地理解该讨论。

接下来，将参考图9描述使用文本挖掘系统10的讨论分析处理的示例。

在步骤S100中，文本特征量提取单元32从浏览器31接收查询并接收分析。查询包括用于指定要分析的讨论的信息和要观察的用户的屏幕名。

在步骤S101中，文本特征量提取单元32基于在步骤S100中接收的查询来从数据库40中读取作为一组文本数据的特定意见。

在步骤S102中，文本特征量提取单元32执行文本特征量生成处理，该处理将在下面参考图10描述。因此，例如，生成了以上参考图2描述的特征量向量。

现在，将参考图10的流程图描述图9的步骤S102的文本特征量生成处理的详细示例。

在步骤S121中，文本特征量提取单元32获取在步骤S101的处理中读取的该组文本数据中的一条文本数据。

在步骤S122中，文本特征量提取单元32对在步骤S121的处理中获取的文本数据执行语形分析。因此，提取了文本数据中包括的单词。例如，针对所提取的单词搜索先前存储在数据库40中的目录信息，并且进一步提取出这些单词中作为关键词的单词。

在步骤S123中，文本特征量提取单元32计算在步骤S121的处理中获取的文本数据的关键词的出现频率。

在步骤S124中，文本特征量提取单元32生成以关键词的出现频率值作为元素的向量。

与在步骤S101的处理中读取的文本数据的条数相对应地，重复执行步骤S121至步骤S124的处理。

因此，例如，生成了图2中所示的特征量向量。因而，执行了文本特征量生成处理。

返回图9，在步骤S102的处理之后，处理进行到步骤S103。

在步骤S103中，概念信息提取单元33执行概念信息生成处理，该处理将在下面参考图11描述。因此，例如，生成了以上参考图3所述的概念信息。

现在，将参考图11的流程图描述图9的步骤S103的概念信息提取处理的详细示例。

在步骤S141中，概念信息提取单元33获取在步骤S102的处理中生成的特征量向量。

在步骤S142中，概念信息提取单元33按预定标准对在步骤S141的处理中获取的特征量向量分类，并对文本数据进行聚类。此时，例如，基于特征量向量的元素值的总和，特征量向量被分类为聚类1至4。

在步骤S143中，概念信息提取单元33向与在步骤S142的处理中分类的特征量向量相对应的文本数据施加表示聚类的聚类标签。

在步骤S144中，概念信息提取单元33设定要评价的对象以执行文本评价分析。要评价的对象可以例如由浏览器31的用户指定或者可以自动设定。

在步骤S145中，概念信息提取单元33通过对作为输入信息的在步骤S141的处理中获取的特征量向量执行文本评价分析来计算极性信息。因此，获得了极性信息，该极性信息表示与在步骤S141的处理中获取的特征量向量相对应的意见相对于在步骤S144中设定的要评价的对象是正面还是负面。该信息例如是作为表示“正面”的数值“1”、表示“负面”的数值“2”、表示“中性”的数值“3”和表示“无意见”的数值“4”而获得的。

在步骤S146中，概念信息提取单元33生成以上述聚类标签和极性信息为元素的二维向量，作为文本数据的概念信息。

与在步骤S101的处理中读取的文本数据的条数相对应地，重复执行步骤S141至步骤S146的处理。

因此，例如，生成了图3中所示的概念信息。因而，执行了概念信息生成处理。

返回图9，在步骤S103的处理之后，处理进行到步骤S104。

在步骤S104中，学习数据构造单元34执行学习数据生成处理，该处理将在后面参考图12描述。因此，例如，生成了参考图4所述的学习数据。

现在，将参考图12的流程图描述图9的步骤S104的学习数据生成处理的详细示例。

在步骤S161中，学习数据构造单元34获取在步骤S103的处理中生成的概念信息。

在步骤S162中，学习数据构造单元34将时间信息添加到在步骤S103的处理中生成的概念信息。

在步骤S163中，学习数据构造单元34提取概念信息的元素。

在步骤S164中，学习数据构造单元34按时序排列在步骤S163的处理中提取出的概念信息的元素。

在步骤S165中，学习数据构造单元34生成学习信息。因此，例如，生成了图4中所示的学习数据。

因此，执行了学习数据生成处理。

返回图9，在步骤S104的处理之后，处理进行到步骤S105。

在步骤S105中，时序节点图样提取单元35执行时序节点图样生成处理，该处理将在后面参考图13描述。因此，生成了上述时序节点图样。

现在，将参考图13的流程图描述图9的步骤S105的时序节点图样生成处理的详细示例。

在步骤S181中，时序节点图样提取单元35获取在步骤S104的处理中生成的学习数据。

在步骤S182中，时序节点图样提取单元35通过学习作为观察时序信号的在步骤S181的处理中获取的学习数据来执行隐藏马尔可夫模型的学习处理。因此，时序节点图样提取单元35例如指定图4的学习数据的文本1、文本2、…的节点标签。节点标签例如由数字值1至4表示。

在步骤S183中，时序节点图样提取单元35基于时间信息按时序排列在步骤S182的处理中指定的节点标签。

在步骤S184中，时序节点图样提取单元35生成时序节点图样。因此，例如，生成了图5中所示的时序节点图样。

因此，执行了时序节点图样生成处理。

返回图9，在步骤S105的处理之后，处理进行到步骤S106。

在步骤S106中，作者指定单元36、转变指定单元37和影响指定单元38执行个人意见分析处理，该处理将在后面参考图14描述。

现在，将参考图14的流程图描述图9的步骤S106的个人意见分析处理的详细示例。

在步骤S201中，作者指定单元36和转变指定单元37生成基于作者的时序节点图样。

此时，作者指定单元36指定作为时序节点图样获得的数字串的数字值的作者信息。作者指定单元36读取与意见的文本数据相关联地存储在数据库40中的作者信息，并且将作者信息与时序节点图样的数字值相关联。

转变指定单元37基于与作者信息相关联的时序节点图样来指定参与讨论的用户的意见的转变。转变指定单元37仅从时序节点图样中提取与预定作者信息相关联的数字值，并且提取基于作者的时序节点图样。

因此，例如，如参考图6所描述的，提取出了基于作者的时序节点图样。

在步骤S202中，转变指定单元37按预定规则分析与作者信息相关联的时序节点图样以便检测时序节点图样的改变点。改变点例如是触发讨论流程中大的改变的意见。

此时，例如，当通过式1计算出的值变得大于预定阈值时的时间t被检测作为改变点。

在步骤S203中，影响指定单元38基于在步骤S202的处理中检测出的改变点来指定对要观察的用户的意见有影响的意见。

此时，例如，如上所述，当任何意见被指定时，通过回到过去，最近的改变点变为受影响意见。此时，如果要观察的用户的意见是改变点，则还可以指定对该意见有影响的意见。

或者，例如，如上所述，当任何意见被指定时，通过回到过去与该意见具有相同标签的点，最近的改变点变为受影响的意见。此时，如果要观察的用户的意见是改变点，则还可以指定对该意见有影响的意见。

因此，执行了个人意见分析处理。

返回图9，在步骤S106的处理之后，处理进行到步骤S107。

在步骤S107中，挖掘结果显示单元39基于通过步骤S106的处理获得的信息来显示分析结果。

此时，例如，生成了图8中所示的图像的显示数据，并且图8中所示的图像被显示在浏览器31上。即，在步骤S107中，挖掘结果显示单元39向用户呈现关于由转变指定单元37指定的参与讨论的用户的意见的转变和由影响指定单元38指定的受影响的意见的信息。

因此，执行了讨论分析处理。因而，浏览器31的用户可以在短时间内更深刻地理解讨论的内容。

例如，相关技术获得给定文本集整体的趋势的概况，但是无法获得在基于文本的讨论中个人意见的转变或者意见之间的交互的概况。

相反地，在本发明中，可以通过分析结果的图像查看个人意见的改变点、受影响的意见、施加影响的意见，等等。因此，可以在短时间内深刻地理解讨论的内容并且简单地确认参与者对讨论的贡献。

另外，由本发明的文本挖掘系统10获得的分析结果可以例如按以下方式使用。

例如，对用于提供SNS的网站的基于文本的讨论进行分析，并且根据作者来计数被指定为“有影响力的意见”的意见数目。即，这个人输入的意见变为改变点，并且对其他用户的意见有影响的意见数目被指定。另外，指示写作了很多被指定为“有影响力的意见”的意见的用户的级别的点数增大。

另外，可以进一步对受这个人的意见影响的意见数目计数以作为点数添加。

所获得的点数被显示在SNS的网站上以使得可以简单地识别参与SNS的用户的贡献度或权力度。因此，例如，参与SNS的用户随后确认先前参与SNS的用户的点数，检查谁是重要的人，并且加入讨论。

或者，用户点数的排序可以被显示在SNS的网站上。

另外，例如，在再现通过录像会议等而获得的视频数据时，可以使用由文本挖掘系统10获得的分析结果。在这种情况下，在会议室中实际进行的会议的讲话可以通过语音识别技术被例如转换为文本数据以执行讨论分析。另外，当会议的记录视频被再现时，可以仅再现“有影响力的意见”的一部分。因此，可以总结并查看会议中的讨论。

或者，可以利用文本挖掘系统10获得的分析结果来分析用户的特性。例如，基于由文本挖掘系统10获得的分析结果来识别要观察的用户表达了多少“有影响力的意见”。另外，识别要观察的用户是否容易改变意见。

例如，可以基于上述基于作者的时序节点图样的节点标签的改变次数来指定意见是否容易被改变。另外，可以通过检测要观察的用户的意见中变为改变点的意见数目来指定用户表达了多少“有影响力的意见”。

要观察的用户的特性例如基于上述识别结果而被分类，如图15所示。在图15的示例中，用户的特性可以被分类为四种类型“善于分析的”(Analytical)、“有激励能力的”(Driver)、“有亲和力的”(Amiable)和“善于表达的”(Expressive)。

很难表达“有影响力的意见”并且不容易改变意见的用户属于类型“善于分析的”。经常表达“有影响力的意见”并且不容易改变意见的用户属于类型“有激励能力的”。很难表达“有影响力的意见”并且容易改变意见的用户属于类型“有亲和力的”。经常表达“有影响力的意见”并且容易改变意见的用户属于类型“善于表达的”。

例如，通过基于所分类的结果改变SNS的网站上显示的广告来产生更明显的效果。例如，当意见容易发生改变的类型“有亲和力的”或者类型“善于表达的”用户登录时，广告被频繁呈现。这是因为广告的效果可得到预期。同时，当意见不容易发生改变的类型“善于分析的”或者类型“有激励能力的”用户登录时，广告的呈现次数减少。由于广告的效果并不明显，因此获得了降低了用户的麻烦感觉的效果。

另外，例如，在讨论产品的性能、价格等的SNS的网站中，与产品的销售有关的邮件可以被发送到属于类型“有亲和力的”用户。这是因为属于类型“有亲和力的”用户是具有最好销售效果的用户。

另外，上述一系列处理可以通过硬件或软件执行。如果上述一系列处理通过软件执行，则配置成软件的程序被从网络或记录介质安装在装有专用硬件的计算机中，或者被例如安装在图16所示的通用个人计算机700等中，该个人计算机可以通过安装各种程序来执行各种功能。

在图16中，中央处理单元(CPU)701根据存储在只读存储器(ROM)702中的程序或者从存储单元708加载到随机访问存储器703中的程序来执行各种处理。在RAM 703中，存储了用于供CPU 701等执行各种处理所必需的数据。

CPU 701、ROM 702和RAM 703经由总线704彼此连接。总线704还连接到输入/输出接口705。

由键盘、鼠标等组成的输入单元706，由显示器(例如液晶显示器LCD)、扬声器等组成的输出单元707，由硬盘组成的存储单元708，以及由网络接口卡(例如调制解调器或LAN卡)组成的通信单元709连接到输入/输出接口705。通信单元709经由包括因特网在内的网络执行通信处理。

如果必要的话，驱动器710连接到输入/输出接口705，并且适当地安装了诸如磁盘、光盘、磁光盘或半导体存储器之类的可移除介质711，并且如果必要的话在存储单元708中安装了要读取的计算机程序。

在上述一系列处理通过软件执行时，配置成软件的程序被从诸如因特网之类的网络或者从由可移除介质711等组成的记录介质安装。

记录介质包括可移除介质711，可移除介质711由磁盘(包括软盘(floppy disk，注册商标))、光盘(包括致密盘-只读存储器(CD-ROM)和数字多功能盘(DVD))、磁光盘(包括迷你盘(MD，注册商标))或半导体存储器组成，这些记录介质是与图16所示的设备的主体独立地分布的以向用户传递程序，记录介质还包括其中记录有程序的ROM 702或存储单元708中包括的硬盘，这种记录介质以预先被安装在设备主体中的状态传递给用户。

另外，在本说明书中，上述一系列处理包括以上述顺序按时序执行的处理，以及不按时序执行而是并行或分开执行的处理。

本申请包含与2009年3月11日向日本专利局提交的日本在先专利申请JP 2009-057939中公开的内容有关的主题，该申请的全部内容通过引用结合于此。

本发明的实施例并不限于上述实施例，而是可以在不脱离本发明的范围内进行各种改变。

Claims (6)

1.一种文本分析设备，包括：

存储装置，被配置为存储参与关于预定主题的讨论的用户的意见作为文本数据以及存储用于指定该文本数据的作者的作者信息；

文本特征量提取装置，被配置为从所述存储装置读取一组文本数据，并针对该组文本数据中的每条文本数据执行如下的文本特征量生成处理：

对所述文本数据执行语形分析，以提取出所述文本数据中所包含的单词，

搜索先前存储在所述存储装置中的目录信息，以提取出作为关键词的单词，

计算每个关键词在所述文本数据中的出现频率，并且

生成以关键词的出现频率值作为元素的特征量向量；

概念信息提取装置，被配置为对所述特征量向量进行分类并对所述文本数据进行聚类，从而生成所述文本数据的概念信息；

学习数据构造装置，被配置为将时间信息添加到所述概念信息并按时序排列所述概念信息的元素，从而生成学习数据；

时序节点图样提取装置，被配置为通过执行隐藏马尔可夫模型的学习处理提取所述学习数据的节点标签，并基于所述时间信息按时序排列所述节点标签，以生成时序节点图样；

作者指定装置，被配置为指定所述时序节点图样的数字串中的数字值的作者信息；

转变指定装置，被配置为基于与作者信息相关联的所述时序节点图样来指定参与讨论的用户的意见转变，从而检测所述讨论的改变点；以及

影响指定装置，被配置为基于检测到的改变点和所述作者信息来指定所述讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

2.如权利要求1所述的文本分析设备，还包括：

用户意见指定装置，被配置为指定参与所述讨论的用户中、指定用户的意见；以及

显示装置，被配置为基于检测到的改变点显示所述指定用户的意见的改变，并显示对所述指定用户的意见有影响的意见或者受到所述指定用户的意见影响的意见。

3.如权利要求2所述的文本分析设备，其中针对参与所述讨论的用户，所述显示装置对受到该用户的意见影响的意见的数目进行计数并显示。

4.如权利要求2所述的文本分析设备，其中针对参与所述讨论的用户，

对该用户的意见的改变次数进行计数，

对受到该用户的意见影响的意见的数目进行计数，并且

基于所计数的改变次数和意见数目来指定该用户的特性。

5.如权利要求1所述的文本分析设备，其中所述时序节点图样提取装置基于所述文本特征量、针对与所述文本特征量相对应的文本数据的意见来计算预先设定的要评价的对象的极性信息，并且基于计算出的极性信息来生成所述时序节点图样。

6.一种文本分析方法，包括以下步骤：

从存储装置读取一组文本数据，所述存储装置存储参与关于预定主题的讨论的用户的意见作为所述文本数据并且存储用于指定所述文本数据的作者的作者信息；

针对该组文本数据中的每条文本数据执行如下的文本特征量生成处理：

对所述文本数据执行语形分析，以提取出所述文本数据中所包含的单词，

搜索先前存储在所述存储装置中的目录信息，以提取出作为关键词的单词，

计算每个关键词在所述文本数据中的出现频率，并且

生成以关键词的出现频率值作为元素的特征量向量；

对所述特征量向量进行分类并对所述文本数据进行聚类，从而生成所述文本数据的概念信息；

将时间信息添加到所述概念信息并按时序排列所述概念信息的元素，从而生成学习数据；

通过执行隐藏马尔可夫模型的学习处理提取所述学习数据的节点标签，并基于所述时间信息按时序排列所述节点标签，以生成时序节点图样；

指定所述时序节点图样的数字串中的数字值的作者信息；

基于与作者信息相关联的所述时序节点图样来指定参与讨论的用户的意见转变，从而检测所述讨论的改变点；以及

基于检测到的改变点和所述作者信息来指定所述讨论的意见中、对与所指定的文本数据相对应的意见有影响的意见。

Images