JP2001266060A - アンケート回答分析システム - Google Patents
アンケート回答分析システムInfo
- Publication number
- JP2001266060A JP2001266060A JP2000071657A JP2000071657A JP2001266060A JP 2001266060 A JP2001266060 A JP 2001266060A JP 2000071657 A JP2000071657 A JP 2000071657A JP 2000071657 A JP2000071657 A JP 2000071657A JP 2001266060 A JP2001266060 A JP 2001266060A
- Authority
- JP
- Japan
- Prior art keywords
- questionnaire
- text
- database
- answer
- rule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Abstract
(57)【要約】
【課題】ネットワークを通じて回収した自然言語による
自由回答記述を含むアンケート回答文から、テキスト分
類エンジンを用いることにより、アンケート回答分析を
自動的に行い、分析結果をルール形式の知識として要求
者に出力する。 【解決手段】アンケート回答者は回答者コンピュータ１
１１〜１１Ｎからアンケート回答文を送信する。アンケ
ート回答文は、ネットワーク１２を通じてデータベース
１３に蓄積される。テキスト分類エンジン１４は、デー
タベース１３から蓄積されたアンケート回答文を読み出
して、アンケート回答文を分類するルールを学習して、
要求者に出力する。
自由回答記述を含むアンケート回答文から、テキスト分
類エンジンを用いることにより、アンケート回答分析を
自動的に行い、分析結果をルール形式の知識として要求
者に出力する。 【解決手段】アンケート回答者は回答者コンピュータ１
１１〜１１Ｎからアンケート回答文を送信する。アンケ
ート回答文は、ネットワーク１２を通じてデータベース
１３に蓄積される。テキスト分類エンジン１４は、デー
タベース１３から蓄積されたアンケート回答文を読み出
して、アンケート回答文を分類するルールを学習して、
要求者に出力する。
Description
【０００１】
【発明の属する技術分野】本発明はアンケート回答分析
システムに関し、特にテキスト自動分類技術，自然言語
処理技術，およびネットワーク利用技術を使用するアン
ケート回答分析システムに関する。
システムに関し、特にテキスト自動分類技術，自然言語
処理技術，およびネットワーク利用技術を使用するアン
ケート回答分析システムに関する。
【０００２】
【従来の技術】インターネット等のネットワークを通じ
て得られる、自然言語による自由回答記述を含むアンケ
ート回答文から全体的な特徴や傾向を導き出す作業は、
従来の多くは人手で行われてきた。 株式会社電通が開
発したＤＥ―ＦＡＣＴＯ(パンフレット)や富士通株式会
社のＫｅｙｗｏｒｄ Ａｓｓｏｃｉａｔｏｒ(渡部勇：発
散的思考支援システム「Ｋｅｙｗｏｒｄ Ａｓｓｏｃｉ
ａｔｏｒ」第二版，計測自動制御学会第１５回システム
工学部会研究会資料，１９９４年７月)，ＨＩＰＳ等の
テキストマイニングツール(渡辺，三末，新田，杉山：
ハイブリッド発想支援システム「ＨＩＰＳ」, 計測自動
制御学会第１５回システム工学部会研究会資料，１９９
５年１月)は、テキスト情報から言葉の関係性を導き出
すのに用いられた。しかし、これらのツールは、ルール
という形式でアンケート回答文の特徴を表現するもので
はなかった。
て得られる、自然言語による自由回答記述を含むアンケ
ート回答文から全体的な特徴や傾向を導き出す作業は、
従来の多くは人手で行われてきた。 株式会社電通が開
発したＤＥ―ＦＡＣＴＯ(パンフレット)や富士通株式会
社のＫｅｙｗｏｒｄ Ａｓｓｏｃｉａｔｏｒ(渡部勇：発
散的思考支援システム「Ｋｅｙｗｏｒｄ Ａｓｓｏｃｉ
ａｔｏｒ」第二版，計測自動制御学会第１５回システム
工学部会研究会資料，１９９４年７月)，ＨＩＰＳ等の
テキストマイニングツール(渡辺，三末，新田，杉山：
ハイブリッド発想支援システム「ＨＩＰＳ」, 計測自動
制御学会第１５回システム工学部会研究会資料，１９９
５年１月)は、テキスト情報から言葉の関係性を導き出
すのに用いられた。しかし、これらのツールは、ルール
という形式でアンケート回答文の特徴を表現するもので
はなかった。
【０００３】また、自然言語による自由回答記述を含む
アンケート回答文をインターネット等のネットワークを
通じて自動的に収集して分析し、場合によっては要求者
に分析結果を配信するようなシステムやサービスはこれ
まで存在しなかった。たとえば、特開平１１−０６６０
３６号公報，特開平１１−１４３８５６号公報等には、
ネットワークを通してアンケートを実施し、回答をデー
タベースに蓄積する技術が開示されているが、ルールと
いう形式でアンケート回答文の特徴を抽出することまで
は行われていない。
アンケート回答文をインターネット等のネットワークを
通じて自動的に収集して分析し、場合によっては要求者
に分析結果を配信するようなシステムやサービスはこれ
まで存在しなかった。たとえば、特開平１１−０６６０
３６号公報，特開平１１−１４３８５６号公報等には、
ネットワークを通してアンケートを実施し、回答をデー
タベースに蓄積する技術が開示されているが、ルールと
いう形式でアンケート回答文の特徴を抽出することまで
は行われていない。
【０００４】
【発明が解決しようとする課題】上述した従来の人手に
よるアンケート回答分析では、アンケート回答文の数が
大量になると、非効率で手に負えないという問題点があ
った。
よるアンケート回答分析では、アンケート回答文の数が
大量になると、非効率で手に負えないという問題点があ
った。
【０００５】また、ＤＥ―ＦＡＣＴＯやＨＩＰＳ等のテ
キストマイニングツールでは、ルールという形式でアン
ケート回答文の特徴を抽出できないので、コンパクトで
分かりやすい知識の提示という点で十分ではないという
問題点があった。
キストマイニングツールでは、ルールという形式でアン
ケート回答文の特徴を抽出できないので、コンパクトで
分かりやすい知識の提示という点で十分ではないという
問題点があった。
【０００６】さらに、検索等で用いられているテキスト
分類ツールは、アンケート回答分析にも有力なツールで
あるが、自然言語による自由回答記述を含むアンケート
回答文の分析に用いられている前例はなかった。
分類ツールは、アンケート回答分析にも有力なツールで
あるが、自然言語による自由回答記述を含むアンケート
回答文の分析に用いられている前例はなかった。
【０００７】本発明の第１の目的は、テキスト分類エン
ジンを用いることによって、自然言語による自由回答記
述を含むアンケート回答文からコンパクトで分かりやす
いルール形式の知識を自動的に提示することを可能にす
るアンケート回答分析システムを提供することにある。
ジンを用いることによって、自然言語による自由回答記
述を含むアンケート回答文からコンパクトで分かりやす
いルール形式の知識を自動的に提示することを可能にす
るアンケート回答分析システムを提供することにある。
【０００８】また、本発明の第２の目的は、上記に加え
て、ネットワークを通じて集めたアンケート回答文から
ルール形式の知識を自動的に抽出し、要求者に分析結果
を配信するアンケート回答分析システムを提供すること
にある。
て、ネットワークを通じて集めたアンケート回答文から
ルール形式の知識を自動的に抽出し、要求者に分析結果
を配信するアンケート回答分析システムを提供すること
にある。
【０００９】
【課題を解決するための手段】本発明のアンケート回答
分析システムは、自然言語による自由回答記述を含むア
ンケート回答文を入力する手段と、前記アンケート回答
文を送信するネットワークと、前記送信されたアンケー
ト回答文を蓄積するデータベースと、該データベースか
ら前記アンケート回答文を読み出して、前記アンケート
回答文を分類するルールを学習するテキスト分類エンジ
ンとを備えることを特徴とする。
分析システムは、自然言語による自由回答記述を含むア
ンケート回答文を入力する手段と、前記アンケート回答
文を送信するネットワークと、前記送信されたアンケー
ト回答文を蓄積するデータベースと、該データベースか
ら前記アンケート回答文を読み出して、前記アンケート
回答文を分類するルールを学習するテキスト分類エンジ
ンとを備えることを特徴とする。
【００１０】また、本発明のアンケート回答分析システ
ムは、自然言語による自由回答記述を含むアンケート回
答文を入力する手段と、前記アンケート回答文を蓄積す
るデータベースと、該データベースから前記アンケート
回答文を読み出して、前記アンケート回答文を分類する
ルールを学習するテキスト分類エンジンとを備えること
を特徴とする。
ムは、自然言語による自由回答記述を含むアンケート回
答文を入力する手段と、前記アンケート回答文を蓄積す
るデータベースと、該データベースから前記アンケート
回答文を読み出して、前記アンケート回答文を分類する
ルールを学習するテキスト分類エンジンとを備えること
を特徴とする。
【００１１】さらに、本発明のアンケート回答分析シス
テムは、自然言語による自由回答記述を含むアンケート
回答文を入力する手段と、 前記アンケート回答文を送
信するネットワークと、前記送信されたアンケート回答
文を蓄積するデータベースと、該データベースから前記
アンケート回答文を読み出して、前記アンケート回答文
を分類するルールを学習するテキスト分類エンジンと、
該ルールを要求者からの要求に応じて前記ネットワーク
を通じて配信する手段とを備えることを特徴とする。
テムは、自然言語による自由回答記述を含むアンケート
回答文を入力する手段と、 前記アンケート回答文を送
信するネットワークと、前記送信されたアンケート回答
文を蓄積するデータベースと、該データベースから前記
アンケート回答文を読み出して、前記アンケート回答文
を分類するルールを学習するテキスト分類エンジンと、
該ルールを要求者からの要求に応じて前記ネットワーク
を通じて配信する手段とを備えることを特徴とする。
【００１２】
【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して詳細に説明する。
て図面を参照して詳細に説明する。
【００１３】（１）第１の実施の形態 図１は、本発明の第１の実施の形態に係るアンケート回
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、回答
者コンピュータ１１１〜１１Ｎ（Ｎは正整数）と、ネッ
トワーク１２と、データベース１３と、テキスト分類エ
ンジン１４とから、その主要部が構成されている。
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、回答
者コンピュータ１１１〜１１Ｎ（Ｎは正整数）と、ネッ
トワーク１２と、データベース１３と、テキスト分類エ
ンジン１４とから、その主要部が構成されている。
【００１４】回答者コンピュータ１１１〜１１Ｎは、コ
ンピュータ，携帯情報端末，携帯電話機等の各種のメッ
セージ，メール等の送信機能を持つ機器が該当し、ネッ
トワーク１２に接続されている。
ンピュータ，携帯情報端末，携帯電話機等の各種のメッ
セージ，メール等の送信機能を持つ機器が該当し、ネッ
トワーク１２に接続されている。
【００１５】ネットワーク１２には、有線，無線を問わ
ない各種の公衆回線網，専用線網や、ＬＡＮ（Ｌｏｃａ
ｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の各種のネットワー
クが含まれる。
ない各種の公衆回線網，専用線網や、ＬＡＮ（Ｌｏｃａ
ｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の各種のネットワー
クが含まれる。
【００１６】データベース１３は、ネットワーク１２に
接続されており、回答者コンピュータ１１１〜１１Ｎか
らネットワーク１２を通じて送信された、複数のアンケ
ート回答者からのアンケート回答文を蓄積する。
接続されており、回答者コンピュータ１１１〜１１Ｎか
らネットワーク１２を通じて送信された、複数のアンケ
ート回答者からのアンケート回答文を蓄積する。
【００１７】テキスト分類エンジン１４は、データベー
ス１３から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルールを導き出し、ルールを要
求者に出力する。テキスト分類エンジン１４は、データ
ベース１３に蓄積されたアンケート回答文の全文に対し
て形態素解析を行う形態素解析手段１５と、テキスト分
類エンジン１４に対してカテゴリとテキストとを指定さ
せるカテゴリ・テキスト指定手段１６と、データベース
１３から読み込んだ複数のアンケート回答文に対して属
性選択を行う属性選択手段１７と、属性選択手段１７に
より属性選択された単語を基にテキストとカテゴリとの
対応を表すルールを学習するルール学習手段１８と、ル
ールを出力するルール出力手段１９とを含んで構成され
ている。
ス１３から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルールを導き出し、ルールを要
求者に出力する。テキスト分類エンジン１４は、データ
ベース１３に蓄積されたアンケート回答文の全文に対し
て形態素解析を行う形態素解析手段１５と、テキスト分
類エンジン１４に対してカテゴリとテキストとを指定さ
せるカテゴリ・テキスト指定手段１６と、データベース
１３から読み込んだ複数のアンケート回答文に対して属
性選択を行う属性選択手段１７と、属性選択手段１７に
より属性選択された単語を基にテキストとカテゴリとの
対応を表すルールを学習するルール学習手段１８と、ル
ールを出力するルール出力手段１９とを含んで構成され
ている。
【００１８】なお、テキスト分類エンジン１４は、カテ
ゴリとテキストとの間の対応関係を分類則として学習す
るエンジンであり、たとえば、Ｌｉ ａｎｄ Ｙａｍａｎ
ｉｓｈｉにより提案されているエンジン（ｈ．Ｌｉ ａ
ｎｄ ｋ．Ｙａｍａｎｉｓｈｉ：Ｔｅｘｔ Ｃｌａｓｓｉ
ｆｉｃａｔｉｏｎ Ｕｓｉｎｇ ＥＳＣ―ｂａｓｅｄ Ｓ
ｔｏｃｈａｓｔｉｃ Ｄｅｃｉｓｉｏｎ Ｌｉｓｔｓ，Ｐ
ｒｏｃｃｅｄｉｎｇｓｏｆ １９９９ Ｉｎｔｅｒｎａｔ
ｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍ
ａｔｉｏｎ ＆ Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅ
ｎｔ， ｐｐ：１２２―１３０， １９９９）を用いるこ
とができる。このテキスト分類エンジン１４は、基本的
に特許第２５８１１９６号に開示された「決定リストの
生成方法及び装置」の方式を利用したものである。
ゴリとテキストとの間の対応関係を分類則として学習す
るエンジンであり、たとえば、Ｌｉ ａｎｄ Ｙａｍａｎ
ｉｓｈｉにより提案されているエンジン（ｈ．Ｌｉ ａ
ｎｄ ｋ．Ｙａｍａｎｉｓｈｉ：Ｔｅｘｔ Ｃｌａｓｓｉ
ｆｉｃａｔｉｏｎ Ｕｓｉｎｇ ＥＳＣ―ｂａｓｅｄ Ｓ
ｔｏｃｈａｓｔｉｃ Ｄｅｃｉｓｉｏｎ Ｌｉｓｔｓ，Ｐ
ｒｏｃｃｅｄｉｎｇｓｏｆ １９９９ Ｉｎｔｅｒｎａｔ
ｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍ
ａｔｉｏｎ ＆ Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅ
ｎｔ， ｐｐ：１２２―１３０， １９９９）を用いるこ
とができる。このテキスト分類エンジン１４は、基本的
に特許第２５８１１９６号に開示された「決定リストの
生成方法及び装置」の方式を利用したものである。
【００１９】図２は、データベース１３に格納されるア
ンケート回答文の集合の構造を示す。各列はアンケート
項目を表し、各行は１人分のアンケート回答文を表す。
ンケート回答文の集合の構造を示す。各列はアンケート
項目を表し、各行は１人分のアンケート回答文を表す。
【００２０】図３を参照すると、テキスト分類エンジン
１４の処理は、形態素解析ステップ３１と、テキストと
カテゴリとの指定ステップ３２と、属性選択ステップ３
３と、ルール学習ステップ３４と、ルール出力ステップ
３５とからなる。
１４の処理は、形態素解析ステップ３１と、テキストと
カテゴリとの指定ステップ３２と、属性選択ステップ３
３と、ルール学習ステップ３４と、ルール出力ステップ
３５とからなる。
【００２１】図４を参照すると、属性選択ステップ３３
のより詳しい処理は、ΔＳＣ（ω）計算ステップ４１
と、属性選択ステップ４２とからなる。
のより詳しい処理は、ΔＳＣ（ω）計算ステップ４１
と、属性選択ステップ４２とからなる。
【００２２】図５を参照すると、ルール学習ステップ３
４のより詳しい処理は、データ成形ステップ５１と、成
長処理ステップ５２と、刈り込み処理ステップ５３とか
らなる。
４のより詳しい処理は、データ成形ステップ５１と、成
長処理ステップ５２と、刈り込み処理ステップ５３とか
らなる。
【００２３】図６は、テキスト分類エンジン１４による
分析結果であるルール形式の知識（確率的決定リスト）
の一例を示す図である。
分析結果であるルール形式の知識（確率的決定リスト）
の一例を示す図である。
【００２４】図７は、テキスト分類エンジン１４による
分析結果であるルール形式の知識（確率的決定リスト）
の他の例を示す図である。
分析結果であるルール形式の知識（確率的決定リスト）
の他の例を示す図である。
【００２５】次に、このように構成された第１の実施の
形態に係るアンケート回答分析システムの動作について
説明する。
形態に係るアンケート回答分析システムの動作について
説明する。
【００２６】アンケート回答者が、回答者コンピュータ
１１１〜１１Ｎからアンケート回答文を送信すると、ア
ンケート回答文はネットワーク１２を通じてデータベー
ス１３に蓄積される。ここで、アンケート回答者の数
は、Ｎ人とする。この際、アンケート回答文は、自然言
語による自由回答記述を含むものであってよい。
１１１〜１１Ｎからアンケート回答文を送信すると、ア
ンケート回答文はネットワーク１２を通じてデータベー
ス１３に蓄積される。ここで、アンケート回答者の数
は、Ｎ人とする。この際、アンケート回答文は、自然言
語による自由回答記述を含むものであってよい。
【００２７】テキスト分類エンジン１４は、まず、形態
素解析手段１５により、データベース１３に蓄積された
アンケート回答文の全文に対して形態素解析を行う（ス
テップ３１）。
素解析手段１５により、データベース１３に蓄積された
アンケート回答文の全文に対して形態素解析を行う（ス
テップ３１）。
【００２８】次に、テキスト分類エンジン１４は、カテ
ゴリ・テキスト指定手段１６により、オペレータにアン
ケート回答文中のカテゴリとテキストとを指定させる
（ステップ３２）。ここで、カテゴリの指定とは、１つ
の列の回答に注目して分類するものである。例えば、図
２の１列目に注目して、その回答を「Ａ社」と「Ａ社以
外」とに分類することが、カテゴリ指定である。また、
テキスト指定とは、カテゴリ指定に用いられた列を除い
て、分析に用いる列を指定することである。 例えば、
図２の２列目を選択してテキスト指定を行う。
ゴリ・テキスト指定手段１６により、オペレータにアン
ケート回答文中のカテゴリとテキストとを指定させる
（ステップ３２）。ここで、カテゴリの指定とは、１つ
の列の回答に注目して分類するものである。例えば、図
２の１列目に注目して、その回答を「Ａ社」と「Ａ社以
外」とに分類することが、カテゴリ指定である。また、
テキスト指定とは、カテゴリ指定に用いられた列を除い
て、分析に用いる列を指定することである。 例えば、
図２の２列目を選択してテキスト指定を行う。
【００２９】続いて、テキスト分類エンジン１４は、属
性選択手段１７により、データベース１３から読み込ん
だ複数のアンケート回答文に対して属性選択を行う（ス
テップ３３）。ここで、属性選択とは、テキストとカテ
ゴリとの対応を表すのに重要な単語を選択することであ
る。
性選択手段１７により、データベース１３から読み込ん
だ複数のアンケート回答文に対して属性選択を行う（ス
テップ３３）。ここで、属性選択とは、テキストとカテ
ゴリとの対応を表すのに重要な単語を選択することであ
る。
【００３０】次に、テキスト分類エンジン１４は、ルー
ル学習手段１８により、属性選択された単語を基にテキ
ストとカテゴリとの対応を表すルールを学習する（ステ
ップ３４）。例えば、上記のカテゴリ指定とテキスト指
定とをしたときに、図６のようなルールが得られる。
ル学習手段１８により、属性選択された単語を基にテキ
ストとカテゴリとの対応を表すルールを学習する（ステ
ップ３４）。例えば、上記のカテゴリ指定とテキスト指
定とをしたときに、図６のようなルールが得られる。
【００３１】図６のルールは、先ず最初の行を読んで、
テキストの中で「使いやすい」という単語が現れていれ
ば、そのような回答をした人の９２．０％がハイテク企
業としてＡ社を想起している、ということを示す。も
し、「使いやすい」という単語が現れていなければ、次
に、「未来」と「プライベート」という単語が同時に現
れているかどうかをチェックし、現れていれば、そのよ
うな回答をした人の８７．２％がハイテク企業としてＡ
社を想起している、ということを示す。以下同様に、ｉ
ｆ―ｔｈｅｎ―ｅｌｓｅ型のルールに従って、上から下
へと条件文を読んで行く。このようなルールは、ハイテ
ク企業とハイテク感との間の関係を分かりやすくコンパ
クトに示すものである。
テキストの中で「使いやすい」という単語が現れていれ
ば、そのような回答をした人の９２．０％がハイテク企
業としてＡ社を想起している、ということを示す。も
し、「使いやすい」という単語が現れていなければ、次
に、「未来」と「プライベート」という単語が同時に現
れているかどうかをチェックし、現れていれば、そのよ
うな回答をした人の８７．２％がハイテク企業としてＡ
社を想起している、ということを示す。以下同様に、ｉ
ｆ―ｔｈｅｎ―ｅｌｓｅ型のルールに従って、上から下
へと条件文を読んで行く。このようなルールは、ハイテ
ク企業とハイテク感との間の関係を分かりやすくコンパ
クトに示すものである。
【００３２】また、別の会社であるＢ社をとりあげて、
「Ｂ社」と「Ｂ社以外」とにカテゴリ指定したときに、
同様な手順で図７のルールが得られたとする。
「Ｂ社」と「Ｂ社以外」とにカテゴリ指定したときに、
同様な手順で図７のルールが得られたとする。
【００３３】図７のＢ社のルールを図６のＡ社のルール
と比較すると、Ａ社をハイテク企業と想起する人のハイ
テク感は、使い勝手や嗜好品感覚を重視するのに対し、
Ｂ社をハイテク企業と想起する人のハイテク感は効率性
を重視していることがわかる。このように、ルールの比
較により、アンケート回答分析が容易になる。
と比較すると、Ａ社をハイテク企業と想起する人のハイ
テク感は、使い勝手や嗜好品感覚を重視するのに対し、
Ｂ社をハイテク企業と想起する人のハイテク感は効率性
を重視していることがわかる。このように、ルールの比
較により、アンケート回答分析が容易になる。
【００３４】最後に、テキスト分類エンジン１４は、ル
ール出力手段１９により、分析結果のルール形式の知識
を要求者に出力する（ステップ３５）。
ール出力手段１９により、分析結果のルール形式の知識
を要求者に出力する（ステップ３５）。
【００３５】ここで、ルール形式の知識の例として確率
的決定リストをとり上げ、これを生成するための属性選
択ステップ３３およびルール学習ステップ３４について
より詳しく説明する。
的決定リストをとり上げ、これを生成するための属性選
択ステップ３３およびルール学習ステップ３４について
より詳しく説明する。
【００３６】確率的決定リストとは、図６に示すような
ｉｆ−ｔｈｅｎ型の確率的ルールの順序付きリストのこ
とである。各確率的ルールは、”ｃ＝１←ｔ（確率
ｐ）”の形をとる。ここで、ｃ＝１は分類の決定、ｔは
分類の条件、（確率ｐ）は確率を表す。
ｉｆ−ｔｈｅｎ型の確率的ルールの順序付きリストのこ
とである。各確率的ルールは、”ｃ＝１←ｔ（確率
ｐ）”の形をとる。ここで、ｃ＝１は分類の決定、ｔは
分類の条件、（確率ｐ）は確率を表す。
【００３７】まず、属性選択ステップ３３について詳し
く述べる。
く述べる。
【００３８】属性選択とは、与えられたカテゴリ（例え
ば、’Ａ社’と’Ａ社でない’）に対して、そのカテゴ
リと深く関係する単語を集めることである。具体的に
は、図４に示すように、ステップ４１で、テキストに出
現する単語ωの各々について、その単語ωの出現を考慮
しない場合のテキスト集合の確率的コンプレキシティ
（ＳＣとかく）と考慮する場合のＳＣとの差ΔＳＣ
（ω）を計算し、ステップ４２で、その差ΔＳＣ（ω）
が、与えられたしきい値τより大きければ単語ωを属性
として選択する。
ば、’Ａ社’と’Ａ社でない’）に対して、そのカテゴ
リと深く関係する単語を集めることである。具体的に
は、図４に示すように、ステップ４１で、テキストに出
現する単語ωの各々について、その単語ωの出現を考慮
しない場合のテキスト集合の確率的コンプレキシティ
（ＳＣとかく）と考慮する場合のＳＣとの差ΔＳＣ
（ω）を計算し、ステップ４２で、その差ΔＳＣ（ω）
が、与えられたしきい値τより大きければ単語ωを属性
として選択する。
【００３９】以下、ＳＣの具体的な計算の仕方を述べ
る。入力されたアンケート回答文中のテキストの集合を （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ） と表す。ここで、ｄｉはｉ番目のテキストを表し、ｉ番
目のテキストに現れる単語の列として表現される。ｃｉ
はｉ番目のテキストに対応するカテゴリの値（ラベル）
を表し、各ｃｉは所与のカテゴリ（’Ａ社’）に属する
ならば１、そうでなければ（’Ａ社でない’）０の値を
とる。ｍはテキストの数である。
る。入力されたアンケート回答文中のテキストの集合を （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ） と表す。ここで、ｄｉはｉ番目のテキストを表し、ｉ番
目のテキストに現れる単語の列として表現される。ｃｉ
はｉ番目のテキストに対応するカテゴリの値（ラベル）
を表し、各ｃｉは所与のカテゴリ（’Ａ社’）に属する
ならば１、そうでなければ（’Ａ社でない’）０の値を
とる。ｍはテキストの数である。
【００４０】さらに、ラベル列をｃｍ＝ｃ１，…，
ｃｍ、テキスト列をｄｍ＝ｄ１，…，ｄｍと書く。ラベ
ル列ｃｍのＳＣを、数１のように計算する。
ｃｍ、テキスト列をｄｍ＝ｄ１，…，ｄｍと書く。ラベ
ル列ｃｍのＳＣを、数１のように計算する。
【００４１】
【数１】
【００４２】ここでは、ｍ＋はラベル列ｃｍ中で値が１
であるラベルの数を表す。また、ｌｏｇは自然対数を表
し、数２とする。
であるラベルの数を表す。また、ｌｏｇは自然対数を表
し、数２とする。
【００４３】
【数２】
【００４４】たとえば、Ｊ．Ｒｉｓｓａｎｅｎ，Ｆｉｓ
ｈｅｒ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｓｔｏｃｈ
ａｓｔｉｃ ｃｏｍｐｌｅｘｉｔｙ．ＩＥＥＥ Ｔｒａ
ｎｓ．ｏｎ Ｉｎｆｏｍａｔｉｏｎ Ｔｈｅｏｒｙ，４
２（１）：４０―４７（１９９６）に述べられているよ
うに、ＳＣ（ｃｍ）は、ラベル列ｃｍを与えられたモデ
ル（ここではベルヌイモデル）を用いて記述するのに必
要な最短の記述長という意味をもつ。また、
ｈｅｒ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｓｔｏｃｈ
ａｓｔｉｃ ｃｏｍｐｌｅｘｉｔｙ．ＩＥＥＥ Ｔｒａ
ｎｓ．ｏｎ Ｉｎｆｏｍａｔｉｏｎ Ｔｈｅｏｒｙ，４
２（１）：４０―４７（１９９６）に述べられているよ
うに、ＳＣ（ｃｍ）は、ラベル列ｃｍを与えられたモデ
ル（ここではベルヌイモデル）を用いて記述するのに必
要な最短の記述長という意味をもつ。また、
【外１】 は、対応するテキストｄｉの中に単語ωが現れるラベル
ｃｉからなるラベル列であるとする。ここに、ｍωは、
ｃｉからなるラベル列であるとする。ここに、ｍωは、
【外２】 におけるラベルの数であるとする。すると、
【外３】 のＳＣの値を、数３のように計算することができる。
【００４５】
【数３】
【００４６】ここでは、ｍω ＋は、
【外４】 における値が１であるラベルの数を表す。一方、
【外５】 は、対応するテキストｄｉに単語ωが現れないラベルｃ
ｉからなるラベル列であるとする。ｍωは、
ｉからなるラベル列であるとする。ｍωは、
【外６】 におけるラベルの数である。
【００４７】
【外７】 のＳＣの値を、数４のように計算することができる。
【００４８】
【数４】
【００４９】単語ωの出現を考慮しない場合のＳＣと考
慮する場合のＳＣとの差ΔＳＣ（ω）は、数５のように
計算される。
慮する場合のＳＣとの差ΔＳＣ（ω）は、数５のように
計算される。
【００５０】
【数５】
【００５１】差ΔＳＣ（ω）の大きい単語ωは、与えら
れたカテゴリによく現れる、あるいはほとんど現れない
単語である。それらの単語がそのカテゴリと深く関係す
るとみることができる。そこで、τを与えられた閾値と
し、ΔＳＣ（ω）＞τなる単語ωを属性として選択す
る。
れたカテゴリによく現れる、あるいはほとんど現れない
単語である。それらの単語がそのカテゴリと深く関係す
るとみることができる。そこで、τを与えられた閾値と
し、ΔＳＣ（ω）＞τなる単語ωを属性として選択す
る。
【００５２】次に、ルール学習ステップ３４について詳
しく述べる。
しく述べる。
【００５３】いま、属性選択された単語がｎ個あると
し、ω１，…，ωｎとする。ステップ５１で、まず、入
力されたテキストの集合を、以下の表現に置き換える。 （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ）
し、ω１，…，ωｎとする。ステップ５１で、まず、入
力されたテキストの集合を、以下の表現に置き換える。 （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ）
【００５４】ここで、各ｄｉは、２値ベクトル（一般的
に多値の離散ベクトル） ｄｉ＝（ωｉ１，ωｉ２，…，ωｉｎ）（ｉ＝１，…，
ｍ） を表す。ここで、ωｉｊは、属性選択で得られた単語ω
ｊがｉ番目のテキストに現れれば１、そうでなければ０
の値をとる（ｊ＝１，…，ｎ）。ｃｉはｉ番日のテキス
トに対応するカテゴリの値（ラベル）を表し、各ｃｉは
所与のカテゴリに属するならば１、そうでなければ０の
値をとる。ｍはテキストの数である。
に多値の離散ベクトル） ｄｉ＝（ωｉ１，ωｉ２，…，ωｉｎ）（ｉ＝１，…，
ｍ） を表す。ここで、ωｉｊは、属性選択で得られた単語ω
ｊがｉ番目のテキストに現れれば１、そうでなければ０
の値をとる（ｊ＝１，…，ｎ）。ｃｉはｉ番日のテキス
トに対応するカテゴリの値（ラベル）を表し、各ｃｉは
所与のカテゴリに属するならば１、そうでなければ０の
値をとる。ｍはテキストの数である。
【００５５】ステップ５２では、ｉｆ−ｔｈｅｎ−ｅｌ
ｓｅ型のルールを選択し、確率的決定リストＡに順番に
追加していく。これを「成長」とよぶ。ルールの選択に
は、例えば、拡張型確率的コンプレキシティ（ＥＳＣと
かく）最小原理を用いる。
ｓｅ型のルールを選択し、確率的決定リストＡに順番に
追加していく。これを「成長」とよぶ。ルールの選択に
は、例えば、拡張型確率的コンプレキシティ（ＥＳＣと
かく）最小原理を用いる。
【００５６】これは、以下のように行う。ｋを与えられ
た正の整数とする。属性選択された単語ωを基に可能な
すべてのｋ項（単語ωのｋ個までの連言）の集合をＴと
する。次に、集合Ｔの項ｔの中からテキストに一度も現
れないものを取り除く。また、空の確率的決定リストＡ
を用意する。次に、ＥＳＣの値の減少分がもっとも大き
いルールを確率的決定リストＡに順次追加する。
た正の整数とする。属性選択された単語ωを基に可能な
すべてのｋ項（単語ωのｋ個までの連言）の集合をＴと
する。次に、集合Ｔの項ｔの中からテキストに一度も現
れないものを取り除く。また、空の確率的決定リストＡ
を用意する。次に、ＥＳＣの値の減少分がもっとも大き
いルールを確率的決定リストＡに順次追加する。
【００５７】ここで、ＥＳＣの計算は、以下のように行
う。全データ集合Ｄを （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ） の形のデータの集合とし、ラベル列をｃｍ＝ｃ１，…，
ｃｍとする。ラベル列ｃ ｍのＥＳＣの値は、数６のよう
に近似計算することができる。
う。全データ集合Ｄを （ｄ１，ｃｌ），（ｄ２，ｃ２），…，（ｄｍ，ｃｍ） の形のデータの集合とし、ラベル列をｃｍ＝ｃ１，…，
ｃｍとする。ラベル列ｃ ｍのＥＳＣの値は、数６のよう
に近似計算することができる。
【００５８】
【数６】
【００５９】これは、Ｋ．Ｙａｍａｎｉｓｈｉ，Ａ ｄ
ｅｃｉｓｉｏｎ−ｔｈｅｏｒｅｔｉｃｅｘｔｅｎｓｉｏ
ｎ ｏｆ ｓｔｏｃｈａｓｔｉｃ ｃｏｍｐｌｅｘｉｔ
ｙ，ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｏｎｓ ｔｏ
ｌｅａｒｎｉｎｇ，ＩＥＥＥＴｒａｎｓ．Ｉｎｆｏｒ
ｍ．Ｔｈｅｏｒｙ，４４，１４２４―１４３９（１９９
８）の論文で提案されたオリジナルのＥＳＣの１つの近
似形である。
ｅｃｉｓｉｏｎ−ｔｈｅｏｒｅｔｉｃｅｘｔｅｎｓｉｏ
ｎ ｏｆ ｓｔｏｃｈａｓｔｉｃ ｃｏｍｐｌｅｘｉｔ
ｙ，ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｏｎｓ ｔｏ
ｌｅａｒｎｉｎｇ，ＩＥＥＥＴｒａｎｓ．Ｉｎｆｏｒ
ｍ．Ｔｈｅｏｒｙ，４４，１４２４―１４３９（１９９
８）の論文で提案されたオリジナルのＥＳＣの１つの近
似形である。
【００６０】ここでは、λは正の定数を表し、Ｌｏｓｓ
（ｃｍ）はデフォルトの分類を行う際の誤りの数を表
す。デフォルトの分類とは、たとえば、すべてのラベル
が０であると仮定することである。ｔは集合Ｔの中の項
であるとする。
（ｃｍ）はデフォルトの分類を行う際の誤りの数を表
す。デフォルトの分類とは、たとえば、すべてのラベル
が０であると仮定することである。ｔは集合Ｔの中の項
であるとする。
【００６１】
【外８】 は、対応するテキストｄｉにおいて項ｔが真になるラベ
ルｃｉからなるラベル列であるとする。ここに、ｍ
ｔは、
ルｃｉからなるラベル列であるとする。ここに、ｍ
ｔは、
【外９】 におけるラベルの数であるとする。
【００６２】
【外１０】 は、項ｔによる分類を行う際の誤りの数であるとする。
一方、
一方、
【外１１】 は、対応するテキストｄｉにおいて項ｔが偽になるラベ
ルｃｉからなるラベル列であるとする。ここに、ｍ¬ｔ
は、
ルｃｉからなるラベル列であるとする。ここに、ｍ¬ｔ
は、
【外１２】 におけるラベルの数であるとする。¬ｔは項ｔの否定を
表す。
表す。
【００６３】
【外１３】 は、¬ｔによる分類を行う際の誤りの数であるとする。
【００６４】
【外１４】 と
【外１５】 とのＥＳＣの値を、それぞれ数７および数８のように計
算することができる。
算することができる。
【００６５】
【数７】
【００６６】
【数８】
【００６７】項ｔによる分類を行う場合、ＥＳＣの値の
減少分ΔＥＳＣ（ｔ）を、数９で計算する。
減少分ΔＥＳＣ（ｔ）を、数９で計算する。
【００６８】
【数９】
【００６９】ＥＳＣ最小原理では、ΔＥＳＣ（ｔ）が最
小になるように項ｔを選択する。そのようなｔ＝ｔ＊が
選ばれたならば、これを真とするような全データ集合Ｄ
のデータの数を
小になるように項ｔを選択する。そのようなｔ＝ｔ＊が
選ばれたならば、これを真とするような全データ集合Ｄ
のデータの数を
【外１６】 とし、そのようなデータのうち、かりに数が多い方のラ
ベルをｃ＝１として、ｃ＝１であった数を
ベルをｃ＝１として、ｃ＝１であった数を
【外１７】 と、ｃ＝０であった数を
【外１８】 とする。そこで、ルール”ｃ＝１←ｔ＊（確率ｐ）”を
確率的決定リストＡに追加する。ここで、確率値ｐはラ
プラス推定の方法を用いて、例えば、数１０により計算
する。
確率的決定リストＡに追加する。ここで、確率値ｐはラ
プラス推定の方法を用いて、例えば、数１０により計算
する。
【００７０】
【数１０】
【００７１】集合Ｔから項ｔ＊を除いたものを新しい集
合Ｔとし、全データ集合Ｄから項ｔ＊を真にする全ての
データを除いたものを新しい全データ集合Ｄとして、全
データ集合Ｄが空になるまで、同じ操作を繰り返す。な
お、上記に用いた基準ＥＳＣの代わりに、属性選択に用
いた基準ＳＣを用いることもできる。
合Ｔとし、全データ集合Ｄから項ｔ＊を真にする全ての
データを除いたものを新しい全データ集合Ｄとして、全
データ集合Ｄが空になるまで、同じ操作を繰り返す。な
お、上記に用いた基準ＥＳＣの代わりに、属性選択に用
いた基準ＳＣを用いることもできる。
【００７２】次に、ステップ５３では、ステップ５２で
得られた確率的決定リストＡが学習データに過度に適合
することがあるので、確率的決定リストＡの最後からル
ールを１つずつ取り除き、ＥＳＣ最小原理の観点からみ
てこれを取り除かないほうがよいところまで続ける。こ
れを「刈り込み」とよぶ。
得られた確率的決定リストＡが学習データに過度に適合
することがあるので、確率的決定リストＡの最後からル
ールを１つずつ取り除き、ＥＳＣ最小原理の観点からみ
てこれを取り除かないほうがよいところまで続ける。こ
れを「刈り込み」とよぶ。
【００７３】この場合のＥＳＣ最小原理の適用の仕方
を、以下に述べる。まず、ラベル列ｃｍの確率的決定リ
ストＡに対するＥＳＣの値を、数１１のように、確率的
決定リストＡにおけるすべての項ｔに対するＥＳＣの値
の和として定義する。
を、以下に述べる。まず、ラベル列ｃｍの確率的決定リ
ストＡに対するＥＳＣの値を、数１１のように、確率的
決定リストＡにおけるすべての項ｔに対するＥＳＣの値
の和として定義する。
【００７４】
【数１１】
【００７５】ただし、
【外１９】 は、数７のように計算する。次に、ラベル列ｃｍと確率
的決定リストＡとの全ＥＳＣ値を、数１２のように定義
する。
的決定リストＡとの全ＥＳＣ値を、数１２のように定義
する。
【００７６】
【数１２】
【００７７】ここでは、λ’は正の定数を表す。Ｌ
（Ａ）は、確率的決定リストＡを符号化する時の符号長
である。具体的には、Ｌ（Ａ）＝ｌｏｇＴ＋ｌｏｇ（Ｔ
−1）＋…＋ｌｏｇＴ（Ｔ−ｉ＋１）と計算する。ただ
し、Ｔは可能な項ｔの数で、ｉは確率的決定リストＡに
おけるルールの数である。
（Ａ）は、確率的決定リストＡを符号化する時の符号長
である。具体的には、Ｌ（Ａ）＝ｌｏｇＴ＋ｌｏｇ（Ｔ
−1）＋…＋ｌｏｇＴ（Ｔ−ｉ＋１）と計算する。ただ
し、Ｔは可能な項ｔの数で、ｉは確率的決定リストＡに
おけるルールの数である。
【００７８】Ａは刈り込み前の確率的決定リストを、
Ａ’は刈り込み後の確率的決定リストを表すものとす
る。 ＥＳＣ（ｃｍ：Ａ）≦ＥＳＣ（ｃｍ：Ａ’）
Ａ’は刈り込み後の確率的決定リストを表すものとす
る。 ＥＳＣ（ｃｍ：Ａ）≦ＥＳＣ（ｃｍ：Ａ’）
【００７９】すなわち、 ＥＳＣ（ｃｍ│Ａ’）−ＥＳＣ（ｃｍ│Ａ）≧λ’（Ｌ
（Ａ）−Ｌ（Ａ’）） が成り立つ限り、刈り込み処理を続け、この条件が満足
されなくなったか、刈り込むべきルールが無くなった時
点で得られている確率的決定リストＡを出力する。ＥＳ
Ｃが全体として小さい確率的決定リストＡが出力される
ことになる。
（Ａ）−Ｌ（Ａ’）） が成り立つ限り、刈り込み処理を続け、この条件が満足
されなくなったか、刈り込むべきルールが無くなった時
点で得られている確率的決定リストＡを出力する。ＥＳ
Ｃが全体として小さい確率的決定リストＡが出力される
ことになる。
【００８０】第１の実施の形態に係るアンケート回答分
析システムでは、ネットワーク１２を通じて収集した自
然言語による自由回答記述を含むアンケート回答文から
自動的に分析結果のルールを導くことができる。
析システムでは、ネットワーク１２を通じて収集した自
然言語による自由回答記述を含むアンケート回答文から
自動的に分析結果のルールを導くことができる。
【００８１】第１の実施の形態に係るアンケート回答分
析システムにおいて、テキスト分類エンジン１４とし
て、例えば、Ｌｉ ａｎｄ Ｙａｍａｎｉｓｈｉにより提
案されているエンジン （ｈ．Ｌｉ ａｎｄ ｋ．Ｙａｍ
ａｎｉｓｈｉ： Ｔｅｘｔ Ｃｌａｓｓｉｆｉｃａｔｉ
ｏｎ Ｕｓｉｎｇ ＥＳＣ―ｂａｓｅｄ Ｓｔｏｃｈａｓ
ｔｉｃ Ｄｅｃｉｓｉｏｎ Ｌｉｓｔｓ，Ｐｒｏｃｅｅｄ
ｉｎｇｓ ｏｆ １９９９ Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ
＆ Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅｎｔ， ｐ
ｐ：１２２―１３０，１９９９）を用いると、Ｏ（ｎｋ
ｍ）の計算量で、高速にアンケート回答文からルールを
導き出すことができる。ここに、ｎはアンケート回答文
から属性選択された単語の数、ｍはアンケート回答文の
数、ｋはルール１つの条件にとられる連言に含まれる単
語の最大数である。よって、効率的な自動アンケート回
答分析が可能となる。また、得られたルールは特定のカ
テゴリに属するアンケート回答文をｉｆ―ｔｈｅｎ―ｅ
ｌｓｅ型のルール形式で、コンパクトにかつ分かりやす
く表現している。
析システムにおいて、テキスト分類エンジン１４とし
て、例えば、Ｌｉ ａｎｄ Ｙａｍａｎｉｓｈｉにより提
案されているエンジン （ｈ．Ｌｉ ａｎｄ ｋ．Ｙａｍ
ａｎｉｓｈｉ： Ｔｅｘｔ Ｃｌａｓｓｉｆｉｃａｔｉ
ｏｎ Ｕｓｉｎｇ ＥＳＣ―ｂａｓｅｄ Ｓｔｏｃｈａｓ
ｔｉｃ Ｄｅｃｉｓｉｏｎ Ｌｉｓｔｓ，Ｐｒｏｃｅｅｄ
ｉｎｇｓ ｏｆ １９９９ Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ
＆ Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅｎｔ， ｐ
ｐ：１２２―１３０，１９９９）を用いると、Ｏ（ｎｋ
ｍ）の計算量で、高速にアンケート回答文からルールを
導き出すことができる。ここに、ｎはアンケート回答文
から属性選択された単語の数、ｍはアンケート回答文の
数、ｋはルール１つの条件にとられる連言に含まれる単
語の最大数である。よって、効率的な自動アンケート回
答分析が可能となる。また、得られたルールは特定のカ
テゴリに属するアンケート回答文をｉｆ―ｔｈｅｎ―ｅ
ｌｓｅ型のルール形式で、コンパクトにかつ分かりやす
く表現している。
【００８２】第１の実施の形態に係るアンケート回答分
析システムは、例えば、以下のようなビジネスとして展
開できる。企業に関するイメージ調査，特定の商品やサ
ービス等のアンケートを請け負って、図２のようなアン
ケート項目でアンケートをネットワーク１２上で実施
し、ネットワーク１２を通じてオンラインで集められた
自然言語による自由回答記述を含むアンケート回答文を
データベース１３に蓄え、そこからアンケート回答文を
呼び出して、テキスト分類エンジン１４を使用すること
により得られるルールを分析結果として要求者に販売す
る。
析システムは、例えば、以下のようなビジネスとして展
開できる。企業に関するイメージ調査，特定の商品やサ
ービス等のアンケートを請け負って、図２のようなアン
ケート項目でアンケートをネットワーク１２上で実施
し、ネットワーク１２を通じてオンラインで集められた
自然言語による自由回答記述を含むアンケート回答文を
データベース１３に蓄え、そこからアンケート回答文を
呼び出して、テキスト分類エンジン１４を使用すること
により得られるルールを分析結果として要求者に販売す
る。
【００８３】（２）第２の実施の形態 図８は、本発明の第２の実施の形態に係るアンケート回
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、アン
ケート回答入力手段８１と、データベース８２と、テキ
スト分類エンジン８３とから、その主要部が構成されて
いる。
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、アン
ケート回答入力手段８１と、データベース８２と、テキ
スト分類エンジン８３とから、その主要部が構成されて
いる。
【００８４】アンケート回答入力手段８１は、ネットワ
ークを介さずにデータベース８２と直接接続されてい
る。
ークを介さずにデータベース８２と直接接続されてい
る。
【００８５】データベース８２は、複数のアンケート回
答者からのアンケート回答文を蓄積する。
答者からのアンケート回答文を蓄積する。
【００８６】テキスト分類エンジン８３は、図１に示し
た第１の実施の形態に係るアンケート回答分析システム
におけるテキスト分類エンジン１４と全く同様のもので
ある。したがって、対応する部分には同一符号を付し
て、それらの詳しい説明を省略する。
た第１の実施の形態に係るアンケート回答分析システム
におけるテキスト分類エンジン１４と全く同様のもので
ある。したがって、対応する部分には同一符号を付し
て、それらの詳しい説明を省略する。
【００８７】次に、このように構成された第２の実施の
形態に係るアンケート回答分析システムの動作について
説明する。
形態に係るアンケート回答分析システムの動作について
説明する。
【００８８】アンケート回答入力手段８１は、ネットワ
ークを介さずにデータベース８２と直接接続して、自然
言語による自由回答記述を含むアンケート回答文を入力
する。
ークを介さずにデータベース８２と直接接続して、自然
言語による自由回答記述を含むアンケート回答文を入力
する。
【００８９】データベース８２は、複数のアンケート回
答者からのアンケート回答文を蓄積する。
答者からのアンケート回答文を蓄積する。
【００９０】テキスト分類エンジン８３は、データベー
ス８２から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルールを導き出し、分析結果の
ルールを要求者に出力する。なお、テキスト分類エンジ
ン８３の動作の詳細は、第１の実施の形態に係るアンケ
ート回答分析システムにおけるテキスト分類エンジン１
４の場合と全く同様であるので、その詳しい説明を割愛
する。
ス８２から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルールを導き出し、分析結果の
ルールを要求者に出力する。なお、テキスト分類エンジ
ン８３の動作の詳細は、第１の実施の形態に係るアンケ
ート回答分析システムにおけるテキスト分類エンジン１
４の場合と全く同様であるので、その詳しい説明を割愛
する。
【００９１】第２の実施の形態に係るアンケート回答分
析システムは、例えば、以下のようなビジネスとして展
開できる。企業に関するイメージ調査，特定の商品やサ
ービス等のアンケートを請け負って、図２のようなアン
ケート項目でアンケートを実施し、自然言語による自由
回答記述を含むアンケート回答文を一度に回収して、こ
れをデータベース８２で蓄え、そこからアンケート回答
文を呼び出して、テキスト分類エンジン８３を使用する
ことにより得られる分析結果を要求者に販売する。
析システムは、例えば、以下のようなビジネスとして展
開できる。企業に関するイメージ調査，特定の商品やサ
ービス等のアンケートを請け負って、図２のようなアン
ケート項目でアンケートを実施し、自然言語による自由
回答記述を含むアンケート回答文を一度に回収して、こ
れをデータベース８２で蓄え、そこからアンケート回答
文を呼び出して、テキスト分類エンジン８３を使用する
ことにより得られる分析結果を要求者に販売する。
【００９２】（３）第３の実施の形態 図９は、本発明の第３の実施の形態に係るアンケート回
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、回答
者コンピュータ９１１〜９１Ｎと、ネットワーク９２
と、データベース９３と、テキスト分類エンジン９４
と、要求者コンピュータ９５とから、その主要部が構成
されている。
答分析システムの全体構成を示すブロック図である。本
実施の形態に係るアンケート回答分析システムは、回答
者コンピュータ９１１〜９１Ｎと、ネットワーク９２
と、データベース９３と、テキスト分類エンジン９４
と、要求者コンピュータ９５とから、その主要部が構成
されている。
【００９３】回答者コンピュータ９１１〜９１Ｎは、コ
ンピュータ，携帯情報端末，携帯電話機等の各種のメッ
セージ，メール等の送信機能を持つ機器が該当し、ネッ
トワーク９２に接続されている。
ンピュータ，携帯情報端末，携帯電話機等の各種のメッ
セージ，メール等の送信機能を持つ機器が該当し、ネッ
トワーク９２に接続されている。
【００９４】ネットワーク９２には、有線，無線を問わ
ない各種の公衆回線網，専用線網や、ＬＡＮ等の各種の
ネットワークが含まれる。
ない各種の公衆回線網，専用線網や、ＬＡＮ等の各種の
ネットワークが含まれる。
【００９５】データベース９３は、ネットワーク９２に
接続されており、回答者コンピュータ９１１〜９１Ｎか
らネットワーク９２を通じて送信された、複数のアンケ
ート回答者からのアンケート回答文を蓄積する。
接続されており、回答者コンピュータ９１１〜９１Ｎか
らネットワーク９２を通じて送信された、複数のアンケ
ート回答者からのアンケート回答文を蓄積する。
【００９６】テキスト分類エンジン９４は、ルール出力
手段１９が分析結果のルール形式の知識をネットワーク
９２を通じて送信できる点を除いては、図１に示した第
１の実施の形態に係るアンケート回答分析システムにお
けるテキスト分類エンジン１４と全く同様のものであ
る。したがって、対応する部分には同一符号を付して、
それらの詳しい説明を省略する。
手段１９が分析結果のルール形式の知識をネットワーク
９２を通じて送信できる点を除いては、図１に示した第
１の実施の形態に係るアンケート回答分析システムにお
けるテキスト分類エンジン１４と全く同様のものであ
る。したがって、対応する部分には同一符号を付して、
それらの詳しい説明を省略する。
【００９７】要求者コンピュータ９５は、ネットワーク
９２を通じてテキスト分類エンジン９４に分析結果のル
ール形式の知識を要求し、テキスト分類エンジン９４か
ら分析結果のルール形式の知識をネットワーク９２を通
じて受信することができる。
９２を通じてテキスト分類エンジン９４に分析結果のル
ール形式の知識を要求し、テキスト分類エンジン９４か
ら分析結果のルール形式の知識をネットワーク９２を通
じて受信することができる。
【００９８】次に、このように構成された第３の実施の
形態に係るアンケート回答分析システムの動作について
説明する。
形態に係るアンケート回答分析システムの動作について
説明する。
【００９９】アンケート回答者は、回答者コンピュータ
９１１〜９１Ｎからネットワーク９２を介して自然言語
による自由回答記述を含むアンケート回答文を送る。な
お、アンケート回答者は、Ｎ人とする。
９１１〜９１Ｎからネットワーク９２を介して自然言語
による自由回答記述を含むアンケート回答文を送る。な
お、アンケート回答者は、Ｎ人とする。
【０１００】データベース９３は、ネットワーク９２に
接続されており、複数のアンケート回答者からのアンケ
ート回答文を蓄積する。
接続されており、複数のアンケート回答者からのアンケ
ート回答文を蓄積する。
【０１０１】テキスト分類エンジン９４は、データベー
ス９３から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルール形式の知識を導き出す。
テキスト分類エンジン９４は、ネットワーク９２に接続
し、分析結果のルール形式の知識を要求者コンピュータ
９５の要求に応じてネットワーク９２を通じて配信す
る。なお、テキスト分類エンジン９４の動作の詳細は、
分析結果のルール形式の知識がネットワーク９２を通じ
て配信される点を除いて、第１の実施の形態に係るアン
ケート回答分析システムにおけるテキスト分類エンジン
１４の場合と全く同様であるので、その詳しい説明を割
愛する。
ス９３から複数のアンケート回答文を読み出して、アン
ケート回答文を分類するルール形式の知識を導き出す。
テキスト分類エンジン９４は、ネットワーク９２に接続
し、分析結果のルール形式の知識を要求者コンピュータ
９５の要求に応じてネットワーク９２を通じて配信す
る。なお、テキスト分類エンジン９４の動作の詳細は、
分析結果のルール形式の知識がネットワーク９２を通じ
て配信される点を除いて、第１の実施の形態に係るアン
ケート回答分析システムにおけるテキスト分類エンジン
１４の場合と全く同様であるので、その詳しい説明を割
愛する。
【０１０２】第３の実施の形態にアンケート回答分析シ
ステムは、例えば、以下のようなビジネスとして展開で
きる。企業に関するイメージ調査，特定の商品やサービ
ス等のアンケートを請け負って、図２のようなアンケー
ト項目でアンケートをネットワーク９２上で実施し、ネ
ットワーク９２を通じてオンラインで集められた自然言
語による自由回答記述を含むアンケート回答文をデータ
ベース９３で蓄え、そこからアンケート回答文を呼び出
して、テキスト分類エンジン９４を使用することにより
得られる分析結果を、要求があれば、ネットワーク９２
を通じて要求者に配信サービスすることによりビジネス
を行う。
ステムは、例えば、以下のようなビジネスとして展開で
きる。企業に関するイメージ調査，特定の商品やサービ
ス等のアンケートを請け負って、図２のようなアンケー
ト項目でアンケートをネットワーク９２上で実施し、ネ
ットワーク９２を通じてオンラインで集められた自然言
語による自由回答記述を含むアンケート回答文をデータ
ベース９３で蓄え、そこからアンケート回答文を呼び出
して、テキスト分類エンジン９４を使用することにより
得られる分析結果を、要求があれば、ネットワーク９２
を通じて要求者に配信サービスすることによりビジネス
を行う。
【０１０３】（４）第４の実施の形態 図１０は、本発明の第４の実施の形態に係るアンケート
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
１に示した第１の実施の形態に係るアンケート回答分析
システムにおいて、データベース１３に接続されたコン
ピュータ１０１にテキスト分類エンジンプログラムを記
録した記録媒体１０２を備えるようにしたものである。
その他の構成は、第１の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
１に示した第１の実施の形態に係るアンケート回答分析
システムにおいて、データベース１３に接続されたコン
ピュータ１０１にテキスト分類エンジンプログラムを記
録した記録媒体１０２を備えるようにしたものである。
その他の構成は、第１の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
【０１０４】このように構成された第４の実施の形態に
係るアンケート回答分析システムでは、記録媒体１０２
からコンピュータ１０１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン１４としてコンピュータ１０１の動作を制御す
る。コンピュータ１０１上でのテキスト分類エンジン１
４の動作の詳細は、第１の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
係るアンケート回答分析システムでは、記録媒体１０２
からコンピュータ１０１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン１４としてコンピュータ１０１の動作を制御す
る。コンピュータ１０１上でのテキスト分類エンジン１
４の動作の詳細は、第１の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
【０１０５】（５）第５の実施の形態 図１１は、本発明の第５の実施の形態に係るアンケート
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
８に示した第２の実施の形態に係るアンケート回答分析
システムにおいて、データベース８２に接続されたコン
ピュータ１１１にテキスト分類エンジンプログラムを記
録した記録媒体１１２を備えるようにしたものである。
その他の構成は、第２の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
８に示した第２の実施の形態に係るアンケート回答分析
システムにおいて、データベース８２に接続されたコン
ピュータ１１１にテキスト分類エンジンプログラムを記
録した記録媒体１１２を備えるようにしたものである。
その他の構成は、第２の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
【０１０６】このように構成された第５の実施の形態に
係るアンケート回答分析システムでは、記録媒体１１２
からコンピュータ１１１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン８３としてコンピュータ１１１の動作を制御す
る。コンピュータ１１１上でのテキスト分類エンジン８
３の動作の詳細は、第２の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
係るアンケート回答分析システムでは、記録媒体１１２
からコンピュータ１１１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン８３としてコンピュータ１１１の動作を制御す
る。コンピュータ１１１上でのテキスト分類エンジン８
３の動作の詳細は、第２の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
【０１０７】（６）第６の実施の形態 図１２は、本発明の第６の実施の形態に係るアンケート
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
９に示した第３の実施の形態に係るアンケート回答分析
システムにおいて、データベース９３に接続されたコン
ピュータ１２１にテキスト分類エンジンプログラムを記
録した記録媒体１２２を備えるようにしたものである。
その他の構成は、第３の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
回答分析システムの全体構成を示すブロック図である。
本実施の形態に係るアンケート回答分析システムは、図
９に示した第３の実施の形態に係るアンケート回答分析
システムにおいて、データベース９３に接続されたコン
ピュータ１２１にテキスト分類エンジンプログラムを記
録した記録媒体１２２を備えるようにしたものである。
その他の構成は、第３の実施の形態に係るアンケート回
答分析システムと全く同様であるので、対応する部分に
は同一符号を付してそれらの詳しい説明を省略する。
【０１０８】このように構成された第６の実施の形態に
係るアンケート回答分析システムでは、記録媒体１２２
からコンピュータ１２１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン９４としてコンピュータ１２１の動作を制御す
る。コンピュータ１２１上でのテキスト分類エンジン９
４の動作の詳細は、第３の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
係るアンケート回答分析システムでは、記録媒体１２２
からコンピュータ１２１にテキスト分類エンジンプログ
ラムが読み込まれ、形態素解析手段１５，カテゴリ・テ
キスト指定手段１６，属性選択手段１７，ルール学習手
段１８，およびルール出力手段１９を含むテキスト分類
エンジン９４としてコンピュータ１２１の動作を制御す
る。コンピュータ１２１上でのテキスト分類エンジン９
４の動作の詳細は、第３の実施の形態に係るアンケート
回答分析システムの場合と全く同様になるので、その詳
しい説明を割愛する。
【０１０９】
【０１１０】本発明の第１の効果は、企業に関するイメ
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートをネットワーク上で実施し、ネット
ワークを通じてオンラインで集められた自然言語による
自由回答記述を含むアンケート回答文をデータベースに
蓄え、そこからアンケート回答文を呼び出して、テキス
ト分類エンジンを使用することにより得られるルール形
式の知識を分析結果として要求者に販売できることであ
る。
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートをネットワーク上で実施し、ネット
ワークを通じてオンラインで集められた自然言語による
自由回答記述を含むアンケート回答文をデータベースに
蓄え、そこからアンケート回答文を呼び出して、テキス
ト分類エンジンを使用することにより得られるルール形
式の知識を分析結果として要求者に販売できることであ
る。
【０１１１】本発明の第２の効果は、企業に関するイメ
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートを実施し、自然言語による自由回答
記述を含むアンケート回答文を一度に回収して、これを
データベースで蓄え、そこからアンケート回答文を呼び
出して、テキスト分類エンジンを使用することにより得
られるルール形式の知識を分析結果として要求者に販売
できることである。
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートを実施し、自然言語による自由回答
記述を含むアンケート回答文を一度に回収して、これを
データベースで蓄え、そこからアンケート回答文を呼び
出して、テキスト分類エンジンを使用することにより得
られるルール形式の知識を分析結果として要求者に販売
できることである。
【０１１２】本発明の第３の効果は、企業に関するイメ
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートをネットワーク上で実施し、ネット
ワークを通じてオンラインで集められた自然言語による
自由回答記述を含むアンケート回答文をデータベースで
蓄え、そこからアンケート回答文を呼び出して、テキス
ト分類エンジンを使用することにより得られるルール形
式の知識を分析結果として、要求者からの要求に応じて
ネットワークを通じて配信サービスすることにより販売
できることである。
ージ調査，特定の商品やサービス等のアンケートを請け
負って、アンケートをネットワーク上で実施し、ネット
ワークを通じてオンラインで集められた自然言語による
自由回答記述を含むアンケート回答文をデータベースで
蓄え、そこからアンケート回答文を呼び出して、テキス
ト分類エンジンを使用することにより得られるルール形
式の知識を分析結果として、要求者からの要求に応じて
ネットワークを通じて配信サービスすることにより販売
できることである。
【図１】本発明の第１の実施の形態に係るアンケート回
答分析システムの構成を示すブロック図である。
答分析システムの構成を示すブロック図である。
【図２】図１中のデータベースに蓄積されたアンケート
回答文を例示する図である。
回答文を例示する図である。
【図３】図１中のテキスト分類エンジンにおける処理を
示すフローチャートである。
示すフローチャートである。
【図４】図３中の属性選択ステップのより詳細な処理を
示すフローチャートである。
示すフローチャートである。
【図５】図３中のルール学習ステップのより詳細な処理
を示すフローチャートである。
を示すフローチャートである。
【図６】図１中のテキスト分類エンジンによる分析結果
であるルール形式の知識（確率的決定リスト）の一例を
示す図である。
であるルール形式の知識（確率的決定リスト）の一例を
示す図である。
【図７】図１中のテキスト分類エンジンによる分析結果
であるルール形式の知識（確率的決定リスト）の他の例
を示す図である。
であるルール形式の知識（確率的決定リスト）の他の例
を示す図である。
【図８】本発明の第２の実施の形態に係るアンケート回
答分析システムの構成を示すブロック図である。
答分析システムの構成を示すブロック図である。
【図９】本発明の第３の実施の形態に係るアンケート回
答分析システムの構成を示すブロック図である。
答分析システムの構成を示すブロック図である。
【図１０】本発明の第４の実施の形態に係るアンケート
回答分析システムの構成を示すブロック図である。
回答分析システムの構成を示すブロック図である。
【図１１】本発明の第５の実施の形態に係るアンケート
回答分析システムの構成を示すブロック図である。
回答分析システムの構成を示すブロック図である。
【図１２】本発明の第６の実施の形態に係るアンケート
回答分析システムの構成を示すブロック図である。
回答分析システムの構成を示すブロック図である。
１２ ネットワーク １３ データベース １４ テキスト分類エンジン １５ 形態素解析手段 １６ テキスト・カテゴリ指定手段 １７ 属性選択手段 １８ ルール学習手段 １９ ルール出力手段 ３１ 形態素解析ステップ ３２ テキストおよびカテゴリ指定ステップ ３３ 属性選択ステップ ３４ ルール学習ステップ ３５ ルール出力ステップ ４１ ΔＳＣ（ω）計算ステップ ４２ 属性選択ステップ ５１ データ成形ステップ ５２ 成長処理ステップ ５３ 刈り込み処理ステップ ８１ アンケート回答入力手段 ８２ データベース ８３ テキスト分類エンジン ９２ ネットワーク ９３ データベース ９４ テキスト分類エンジン ９５ 要求者コンピュータ １０１，１１１，１２１ コンピュータ １０２，１１２，１２２ 記録媒体 １１１〜１１Ｎ 回答者コンピュータ ９１１〜９１Ｎ 回答者コンピュータ
フロントページの続き Ｆターム(参考） 5B049 AA06 BB00 DD00 EE01 EE05 GG02 GG07 GG09 5B075 KK07 KK13 KK33 ND03 NK47 NR12 NS01 UU05 UU40 5B091 AA15 CA02 DA03 EA01 EA10
Claims (7)
- 【請求項１】自然言語による自由回答記述を含むアンケ
ート回答文を入力する手段と、前記アンケート回答文を
送信するネットワークと、前記送信されたアンケート回
答文を蓄積するデータベースと、該データベースから前
記アンケート回答文を読み出して、前記アンケート回答
文を分類するルールを学習するテキスト分類エンジンと
を備えることを特徴とするアンケート回答分析システ
ム。 - 【請求項２】自然言語による自由回答記述を含むアンケ
ート回答文を入力する手段と、前記アンケート回答文を
蓄積するデータベースと、該データベースから前記アン
ケート回答文を読み出して、前記アンケート回答文を分
類するルールを学習するテキスト分類エンジンとを備え
ることを特徴とするアンケート回答分析システム。 - 【請求項３】自然言語による自由回答記述を含むアンケ
ート回答文を入力する手段と、前記アンケート回答文を
送信するネットワークと、前記送信されたアンケート回
答文を蓄積するデータベースと、該データベースから前
記アンケート回答文を読み出して、前記アンケート回答
文を分類するルールを学習するテキスト分類エンジン
と、該ルールを要求者からの要求に応じて前記ネットワ
ークを通じて配信する手段とを備えることを特徴とする
アンケート回答分析システム。 - 【請求項４】前記テキスト分類エンジンが、前記データ
ベースに蓄積されたアンケート回答文の全文に対して形
態素解析を行う形態素解析手段と、カテゴリとテキスト
とを指定させるカテゴリ・テキスト指定手段と、前記デ
ータベースから読み込んだ複数のアンケート回答文に対
して属性選択を行う属性選択手段と、前記属性選択手段
により属性選択された単語を基にテキストとカテゴリと
の対応を表すルールを学習するルール学習手段と、前記
ルール学習手段により学習されたルールを出力するルー
ル出力手段とを含む請求項１，請求項２，または請求項
３記載のアンケート回答分析システム。 - 【請求項５】前記属性選択手段が、テキスト中に出現す
る単語の各々について、該単語の出現を考慮しない場合
のテキスト集合の確率的コンプレキシティと考慮する場
合のテキスト集合の確率的コンプレキシティとの差ΔＳ
Ｃ（ω）を計算する手順と、該差ΔＳＣ（ω）がしきい
値τより大きければ属性として選択する手順とを実行す
る請求項４記載のアンケート回答分析システム。 - 【請求項６】前記ルール学習手段が、テキストの集合
を、（ｄ１，ｃｌ），（ｄ ２，ｃ２），…，（ｄｍ，ｃ
ｍ）［ただし、各ｄｉは多値の離散ベクトルｄｉ＝（ω
ｉ１，ωｉ２，…，ωｉｎ）（ｉ＝１，…，ｍ）、ω
ｉｊは属性選択で得られた単語ωｊ（ｊ＝１，…，ｎ）
がｉ番目のテキストに現れれば１、そうでなければ０の
値をとる、ｃｉはｉ番日のテキストに対応するカテゴリ
の値（ラベル）を表し、各ｃｉは所与のカテゴリに属す
るならば１、そうでなければ０の値をとる、ｍはテキス
トの数］の表現に置き換えて成形する手順と、拡張型確
率的コンプレキシティ最小原理または確率的コンプレキ
シティ最小化原理などの情報量規準を用いてｉｆ−ｔｈ
ｅｎ−ｅｌｓｅ型のルールを選択して確率的決定リスト
に順番に追加していく成長処理を行う手順と、前記確率
的決定リストの最後からルールを１つずつ取り除き拡張
型確率的コンプレキシティ最小原理の観点からみてこれ
を取り除かないほうがよいところまで続ける刈り込み処
理を行う手順とを実行する請求項４記載のアンケート回
答分析システム。 - 【請求項７】コンピュータを、前記データベースに蓄積
されたアンケート回答文の全文に対して形態素解析を行
う形態素解析手段，前記テキスト分類エンジンに対して
カテゴリとテキストとを指定させるカテゴリ・テキスト
指定手段，前記データベースから読み込んだ複数のアン
ケート回答文に対して属性選択を行う属性選択手段，前
記属性選択手段により属性選択された単語を基にテキス
トとカテゴリとの対応を表すルールを学習するルール学
習手段，および前記ルール学習手段により学習されたル
ールを出力するルール出力手段として機能させるための
プログラムを記録した記録媒体。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000071657A JP3587120B2 (ja) | 2000-03-15 | 2000-03-15 | アンケート回答分析システム |
| US09/805,114 US6876990B2 (en) | 2000-03-15 | 2001-03-14 | Questionnaire analysis system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000071657A JP3587120B2 (ja) | 2000-03-15 | 2000-03-15 | アンケート回答分析システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001266060A true JP2001266060A (ja) | 2001-09-28 |
| JP3587120B2 JP3587120B2 (ja) | 2004-11-10 |
Family
ID=18590202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000071657A Expired - Fee Related JP3587120B2 (ja) | 2000-03-15 | 2000-03-15 | アンケート回答分析システム |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6876990B2 (ja) |
| JP (1) | JP3587120B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006286026A (ja) * | 2006-07-28 | 2006-10-19 | Nec Corp | 意見収集分析装置及びそれに用いる意見収集分析方法並びにそのプログラム |
| JP2009070256A (ja) * | 2007-09-14 | 2009-04-02 | Toshiba Corp | 情報共有システム及び情報共有プログラム |
| US20090287642A1 (en) * | 2008-05-13 | 2009-11-19 | Poteet Stephen R | Automated Analysis and Summarization of Comments in Survey Response Data |
| WO2010105115A2 (en) * | 2009-03-11 | 2010-09-16 | The Board Of Regents Of The University Of Texas System | Audience response system |
| US8452782B2 (en) | 2008-03-12 | 2013-05-28 | Nec Corporation | Text mining device, text mining method, text mining program, and recording medium |
| JP2023007228A (ja) * | 2021-07-01 | 2023-01-18 | 株式会社Pkutech | 情報処理装置、プログラム及び情報処理方法 |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7657220B2 (en) | 2004-05-21 | 2010-02-02 | Ordinate Corporation | Adaptive scoring of responses to constructed response questions |
| US8175909B1 (en) * | 2004-11-03 | 2012-05-08 | Pileri Douglas C | Integrating business constituent interactions into value generating information |
| JP2009503563A (ja) * | 2005-07-20 | 2009-01-29 | オーディネイト・コーポレイション | 話し言葉のコンピュータによる習熟度評価 |
| AU2010236718B2 (en) * | 2009-04-12 | 2016-06-09 | Thomas M. Cates | Emotivity and vocality measurement |
| JP5367869B2 (ja) * | 2012-04-27 | 2013-12-11 | 楽天株式会社 | 集計装置、集計プログラム、集計プログラムを記録したコンピュータ読み取り可能な記録媒体、及び集計方法 |
| GB2513537A (en) * | 2012-12-20 | 2014-11-05 | Ibm | Natural language processing |
| WO2016109563A1 (en) | 2014-12-31 | 2016-07-07 | Wal-Mart Stores, Inc. | System and method for monitoring gas emission of perishable products |
| US20170024668A1 (en) * | 2015-07-23 | 2017-01-26 | Charlene G. Aldridge | Automated Assessment and Solution Methodology |
| US10017115B2 (en) * | 2015-11-11 | 2018-07-10 | Ford Global Technologies, Llc | Trailer monitoring system and method |
| US10607277B2 (en) * | 2016-02-23 | 2020-03-31 | International Business Machines Corporation | Automated product personalization based on mulitple sources of product information |
| CN107741933A (zh) * | 2016-08-08 | 2018-02-27 | 北京京东尚科信息技术有限公司 | 用于检测文本的方法和装置 |
| CN110892349B (zh) | 2017-05-23 | 2023-05-23 | 沃尔玛阿波罗有限责任公司 | 自动化检查系统 |
| US11448632B2 (en) | 2018-03-19 | 2022-09-20 | Walmart Apollo, Llc | System and method for the determination of produce shelf life |
| WO2020023762A1 (en) | 2018-07-26 | 2020-01-30 | Walmart Apollo, Llc | System and method for produce detection and classification |
| US11715059B2 (en) | 2018-10-12 | 2023-08-01 | Walmart Apollo, Llc | Systems and methods for condition compliance |
| WO2020106332A1 (en) | 2018-11-20 | 2020-05-28 | Walmart Apollo, Llc | Systems and methods for assessing products |
| CN111831817B (zh) * | 2020-07-28 | 2024-06-18 | 平安国际融资租赁有限公司 | 问卷生成分析方法、装置、计算机设备及可读存储介质 |
| CN112667798A (zh) * | 2021-01-12 | 2021-04-16 | 杭州云嘉云计算有限公司 | 一种基于ai的呼叫中心语言处理方法及系统 |
| CN117195907B (zh) * | 2023-08-15 | 2024-04-02 | 广东省粤正评估咨询有限公司 | 应用于市场调查处理系统的调查问卷分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0298775A (ja) * | 1988-10-04 | 1990-04-11 | Nec Corp | 決定リストの生成方法及び装置 |
| JPH08166965A (ja) * | 1994-12-14 | 1996-06-25 | Nippon Telegr & Teleph Corp <Ntt> | 日本語テキスト自動分類方法 |
| JPH1115832A (ja) * | 1997-06-25 | 1999-01-22 | Fujitsu Ltd | クラスタ生成装置および記録媒体 |
| JPH11143856A (ja) * | 1997-11-10 | 1999-05-28 | Naoya Sannomiya | 多人数からの情報収集を目的とした電子メールシステム |
| JPH11167581A (ja) * | 1997-12-04 | 1999-06-22 | Ntt Data Corp | 情報分類方法、装置及びシステム |
| JPH11345241A (ja) * | 1998-06-03 | 1999-12-14 | Fujitsu Ltd | テキスト情報の分析装置及び記録媒体 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09114802A (ja) | 1995-10-20 | 1997-05-02 | Omron Corp | 調査装置および調査方法 |
| US6498921B1 (en) * | 1999-09-01 | 2002-12-24 | Chi Fai Ho | Method and system to answer a natural-language question |
| JP2940501B2 (ja) | 1996-12-25 | 1999-08-25 | 日本電気株式会社 | ドキュメント分類装置及び方法 |
| JPH1166036A (ja) | 1997-08-11 | 1999-03-09 | Hitachi Inf Syst Ltd | 電子アンケートシステムおよびそれに用いる記憶媒体 |
| JPH11250072A (ja) | 1998-02-26 | 1999-09-17 | Nippon Telegr & Teleph Corp <Ntt> | 情報分類方法及び装置及び情報分類プログラムを格納した記憶媒体 |
| JP3178406B2 (ja) | 1998-02-27 | 2001-06-18 | 日本電気株式会社 | 階層型文章分類装置およびプログラムを記録した機械読み取り可能な記録媒体 |
| US6212532B1 (en) * | 1998-10-22 | 2001-04-03 | International Business Machines Corporation | Text categorization toolkit |
| US6477551B1 (en) * | 1999-02-16 | 2002-11-05 | International Business Machines Corporation | Interactive electronic messaging system |
| JP3410088B2 (ja) * | 1999-06-02 | 2003-05-26 | 富士通株式会社 | 現実世界の感知情報に対応した仮想コミュニケーション空間構築システム |
| US6332143B1 (en) * | 1999-08-11 | 2001-12-18 | Roedy Black Publishing Inc. | System for connotative analysis of discourse |
| US6560590B1 (en) * | 2000-02-14 | 2003-05-06 | Kana Software, Inc. | Method and apparatus for multiple tiered matching of natural language queries to positions in a text corpus |
| EP1275042A2 (en) * | 2000-03-06 | 2003-01-15 | Kanisa Inc. | A system and method for providing an intelligent multi-step dialog with a user |
-
2000
- 2000-03-15 JP JP2000071657A patent/JP3587120B2/ja not_active Expired - Fee Related
-
2001
- 2001-03-14 US US09/805,114 patent/US6876990B2/en not_active Expired - Lifetime
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0298775A (ja) * | 1988-10-04 | 1990-04-11 | Nec Corp | 決定リストの生成方法及び装置 |
| JPH08166965A (ja) * | 1994-12-14 | 1996-06-25 | Nippon Telegr & Teleph Corp <Ntt> | 日本語テキスト自動分類方法 |
| JPH1115832A (ja) * | 1997-06-25 | 1999-01-22 | Fujitsu Ltd | クラスタ生成装置および記録媒体 |
| JPH11143856A (ja) * | 1997-11-10 | 1999-05-28 | Naoya Sannomiya | 多人数からの情報収集を目的とした電子メールシステム |
| JPH11167581A (ja) * | 1997-12-04 | 1999-06-22 | Ntt Data Corp | 情報分類方法、装置及びシステム |
| JPH11345241A (ja) * | 1998-06-03 | 1999-12-14 | Fujitsu Ltd | テキスト情報の分析装置及び記録媒体 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006286026A (ja) * | 2006-07-28 | 2006-10-19 | Nec Corp | 意見収集分析装置及びそれに用いる意見収集分析方法並びにそのプログラム |
| JP4539616B2 (ja) * | 2006-07-28 | 2010-09-08 | 日本電気株式会社 | 意見収集分析装置及びそれに用いる意見収集分析方法並びにそのプログラム |
| JP2009070256A (ja) * | 2007-09-14 | 2009-04-02 | Toshiba Corp | 情報共有システム及び情報共有プログラム |
| US8452782B2 (en) | 2008-03-12 | 2013-05-28 | Nec Corporation | Text mining device, text mining method, text mining program, and recording medium |
| US20090287642A1 (en) * | 2008-05-13 | 2009-11-19 | Poteet Stephen R | Automated Analysis and Summarization of Comments in Survey Response Data |
| US8577884B2 (en) * | 2008-05-13 | 2013-11-05 | The Boeing Company | Automated analysis and summarization of comments in survey response data |
| WO2010105115A2 (en) * | 2009-03-11 | 2010-09-16 | The Board Of Regents Of The University Of Texas System | Audience response system |
| WO2010105115A3 (en) * | 2009-03-11 | 2011-01-13 | The Board Of Regents Of The University Of Texas System | Audience response system |
| JP2023007228A (ja) * | 2021-07-01 | 2023-01-18 | 株式会社Pkutech | 情報処理装置、プログラム及び情報処理方法 |
| JP7278560B2 (ja) | 2021-07-01 | 2023-05-22 | 株式会社Pkutech | 情報処理装置、プログラム及び情報処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3587120B2 (ja) | 2004-11-10 |
| US6876990B2 (en) | 2005-04-05 |
| US20020004790A1 (en) | 2002-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2001266060A (ja) | アンケート回答分析システム | |
| Borg et al. | Using VADER sentiment and SVM for predicting customer response sentiment | |
| Wang et al. | An outranking approach for multi-criteria decision-making with hesitant fuzzy linguistic term sets | |
| CN108415953B (zh) | 一种基于自然语言处理技术的不良资产经营知识管理方法 | |
| US5671333A (en) | Training apparatus and method | |
| WO2018126953A1 (zh) | 种子人群扩散方法、装置、信息投放系统以及存储介质 | |
| US11429834B1 (en) | Neural-based agent assistance interface for providing answers based on a query vector | |
| JP2022511619A (ja) | 自動化電子メールアシスタント | |
| CN109271514B (zh) | 短文本分类模型的生成方法、分类方法、装置及存储介质 | |
| CN111767725A (zh) | 一种基于情感极性分析模型的数据处理方法及装置 | |
| Dalip et al. | Quality assessment of collaborative content with minimal information | |
| CN113486189A (zh) | 一种开放性知识图谱挖掘方法及系统 | |
| CN110674301A (zh) | 一种情感倾向预测方法、装置、系统及存储介质 | |
| JP2021092925A (ja) | データ生成装置およびデータ生成方法 | |
| Isa et al. | Sentiment classification of Malay newspaper using immune network (SCIN) | |
| JP2021140228A (ja) | 広告文自動作成システム | |
| Lo et al. | An emperical study on application of big data analytics to automate service desk business process | |
| Jasim et al. | Analyzing Social Media Sentiment: Twitter as a Case Study | |
| CN115455939A (zh) | 篇章级事件抽取方法、装置、设备及存储介质 | |
| BURLĂCIOIU et al. | TEXT MINING IN BUSINESS. A STUDY OF ROMANIAN CLIENT’S PERCEPTION WITH RESPECT TO USING TELECOMMUNICATION AND ENERGY APPS. | |
| JP2004171220A (ja) | 文書管理装置および方法 | |
| Yıldırım et al. | A new plant intelligence-based method for sentiment analysis: Chaotic sunflower optimization | |
| Sindhu et al. | Mapping Distinct Source and Target Domains on Amazon Product Customer Critiques with Cross Domain Sentiment Analysis | |
| Sharma et al. | Categorization and classification of Uber reviews | |
| Li et al. | A rule-based Chinese sentiment mining system with self-expanding dictionary-taking TripAdvisor as an example |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20031226 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040206 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20040308 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040330 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20040308 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20040416 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040720 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040802 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070820 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080820 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080820 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090820 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090820 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100820 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110820 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110820 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120820 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130820 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |