JP2006053685A - 評判情報処理装置、評判情報処理方法およびプログラム - Google Patents

Abstract

【課題】 対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に対して、より適切な評価値の付与が可能な評判情報処理装置、処理方法およびプログラムを提供することを目的とする。

【解決手段】 評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得し、上記取得した評判情報に含まれている評判属性の出現回数を集計し、この集計された評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、この付与された重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を、格納する評判情報処理装置である。

【選択図】 図１

Description

本発明は、対象事物の評判に関して記述されている評判情報を処理する装置、処理方法およびプログラムに関する。

評判情報を処理する場合、対象事物の評判属性の属性値に応じて、相対的にその対象事物の評価値を算出する方法が知られている（たとえば、特許文献１、非特許文献１参照）。

したがって、上記従来方法では、相対的によい評判が多く含まれる対象事物程、高い得点が与えられる。
特許第３４０２５９９号 立石健二 他８名、「Ｗｅｂ文書集合からの意見情報抽出と着眼点に基づく要約作成」、言語処理学会第１０回年次大会発表論文集、ｐ．６４４−６４７、２００４年３月

上記従来の対象事物の評価値の算出方法は、評判属性が世の中でどれだけ着目されているかを考慮していないので、たとえ着目度が高い評判属性であっても、その対象事物の評判情報が少ないと、その対象事物の評価が上がらないという問題がある。

本発明は、対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に対して、より適切な評価値の付与が可能な評判情報処理装置、処理方法およびプログラムを提供することを目的とする。

本発明は、評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得し、上記取得した評判情報に含まれている評判属性の出現回数を集計し、この集計された評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、この付与された重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を、格納する評判情報処理装置である。

本発明によれば、対象事物の評判情報が少ない場合でも、世の中の評判をよりよく反映することができ、対象事物毎に、適切な評価値の付与が可能であるという効果を奏する。

発明を実施するための最良の形態は、以下の実施例である。

図１は、本発明の実施例１である評判情報処理装置１００を示すブロック図である。

評判情報処理装置１００は、評判情報記憶媒体１と、評判情報取得手段２と、対象事物評価値付与手段３と、評判情報格納手段４と、対象事物の評価値付き評判情報記憶媒体５とを有する。

評判情報取得手段２は、評判情報記憶媒体１に格納されている評判情報の中から、１つのカテゴリに属する評判情報を取得する。

対象事物評価値付与手段３は、評判属性出現回数集計手段３１と、重み付与手段３２と、対象事物評価値算出手段３３とを有する。

評判属性出現回数集計手段３１は、評判情報に含まれている評判属性の出現回数を集計する。なお、上記「評判属性」は、対象事物を評価するときに用いる対象事物に備わっている性質であり、たとえば、価格、バッテリ、デザイン、液晶である。

重み付与手段３２は、評判属性の出現回数を考慮して、評判属性の重みを付与し、または、評判属性の出現回数と属性値とを考慮して、評判属性に重みを付与する。なお、上記「属性値」は、対象事物を評価するときに用いる主観的な表現であり、たとえば、良い、普通、悪いである。

対象事物評価値算出手段３３は、対象事物毎に、その対象事物に関する評判属性の重みを考慮して対象事物の評価値を計算する。

評判情報格納手段４は、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体５へ格納する。

次に、評判情報処理装置１００の動作について説明する。

図２は、評判属性のみに基づいて重みをつけた場合における評判情報処理装置１００の動作を示すフローチャートである。

まず、評判情報記憶媒体１に格納されている評判情報の中から、１つのカテゴリに属する評判情報を、対象事物毎に、取得し（Ｓ１）、評判属性出現回数集計手段３１が、評判情報に含まれている評判属性の出現回数を集計し（Ｓ２）、この集計された結果（評判属性の出現回数）に応じて、重み付与手段３２が、評判属性ごとに、評判属性に重みを付与する（Ｓ３）。つまり、重み付与手段３２が、評判属性の重みを評判属性全体の頻度とし、評判情報毎にその重みを付与する。

そして、対象事物評価値算出手段３３が、対象事物に含まれている重みの合計を評価値として算出する（Ｓ４）。つまり、対象事物毎に、その対象事物に関する評判属性の重みを考慮して、対象事物の評価値を計算する。その後、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体５へ格納し（Ｓ５）、カテゴリがある分だけ、Ｓ１〜Ｓ５の処理を繰り返す（Ｓ６）。

次に、上記動作をより具体的に説明する。

図３は、実施例１において、評判情報記憶媒体１に格納されている評判情報の具体例を示す図である。

図３に示す例では、評判情報は、カテゴリ、対象事物、評判属性、属性値の４種類の情報を内容とする情報である。

なお、たとえば、対象事物や評判属性を、階層化し、図３に示す例よりも、その種類を増やすようにしてもよい。また、対象事物、評判属性、属性値の各内容も、カテゴリによって様々な内容を考えることができる。

なお、評判情報は、特許文献１や非特許文献１等で知られている方法を用いて、Ｗｅｂ上の、たとえば対象事物に関する掲示板等から、自動的に取り込むようにしてもよく、また、対象事物に対するアンケート調査等のデータの中から、人手で作成するようにしてもよい。

図２に示すＳ２において、評判情報出現回数集計手段３１が、評判属性毎に頻度（評判属性の出現回数）を集計するが、図３に示す例では、評判属性は、「価格」、「バッテリ」、「デザイン」、「液晶」であるので、この評判属性毎に、評判属性の出現回数を集計する。

図４は、実施例１における評判属性の出現回数集計例を示す図である。

図２に示すＳ３では、重み付与手段３２が、評判属性全体頻度とし、評判属性毎にその重みを付与し、つまり、実施例１では、重みは、評判属性全体の頻度そのものであるが、他の重み付け方法、たとえば、頻度数の比等、各属性の頻度数が反映される重みであれば、他の重み付け方法を採用するようにしてもよい。すなわち、出現回数そのものを、重み算出に使用せずに、出現回数の比に基づいて、重みを算出する等、出現具合に応じて、重みを算出するようにしてもよい。

図５は、実施例１において、図４に示す評判属性の出現回数集計例を用いた場合、各対象事物に対する評判属性の重み付与の結果を示す図である。

図２に示すＳ４では、対象事物評価値算出手段３３が、対象事物に含まれている重みの合計を、評価値として算出する。つまり、図５に示す例において、対象事物の１つである「商品Ａ」についての評価値は、２＋４＋２＝８のように計算される。

図５に示す例では、上記のように、重みの合計を、評価値として算出するが、重みが反映される計算方法であれば、重みを全て掛け合わせる等、他の計算方法を採用するようにしてもよい。

図６は、実施例１において、評判属性のみに基づいて重み付けした場合における各対象事物の評価値の算出例を示す図である。

なお、図６に示す各対象事物の評価値の算出例は、対象事物の評価値付き評判情報記憶媒体５に格納される。

図２に示すＳ５では、評判情報の格納手段４が、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体５に格納する。この例の場合、図３に示す評判情報に、図６に示す各対象事物の評価値を含めて、対象事物の評価値付き評判情報記憶媒体５に格納する。

図２に示すＳ６では、記憶媒体１に格納されている評判情報のうちで、まだ対象事物の評価値が算出されていないカテゴリがあるかどうかを判断する。対象事物の評価値が算出されていないカテゴリがまだ残っている場合、「有」が選択され、Ｓ１へ戻り、残っていない場合は、「無」が選択され、終了する。この例の場合、図３には「ノートパソコン」しかカテゴリがないので、「無」が選択され、終了する。

上記のように、カテゴリ毎に、図２に示すＳ１〜Ｓ５の処理が繰り返され、そのカテゴリにおける各対象事物の評価値が算出され、この算出結果は、対象事物の評価値付き評判情報記憶媒体５に格納される。この例の場合、そのカテゴリの中で頻出した評判属性ほど、評価が高くなるので、たとえば、多くの人が気になっている評判属性を含む対象事物ほど、順位付けが上位になる可能性が高い。

つまり、実施例１は、上記のように、評判情報取得手段２が、記憶媒体１に格納されている評判情報の中から、１つのカテゴリに属する評判情報を取得し、評判属性出現回数集計手段３１が、評判情報に含まれている評判属性の出現回数を集計し、集計された評判属性の出現回数に応じて、重み付与手段３２が、評判属性に重みを付与し、対象事物評価値算出手段３３が、対象事物毎に、その対象事物に関する評判属性の重みを考慮して、対象事物の評価値を計算する。そして、評判情報格納手段４が、対象事物の評価値を含めた評判情報を、対象事物の評価値付き評判情報記憶媒体５へ格納する。記憶媒体１に格納されているカテゴリであって、上記各処理を行っていないカテゴリが残っていれば、対象事物の評価値を算出し、対象事物の評価値付き評判情報記憶媒体５へ、対象事物の評価値を含めた評価情報を、格納し続ける。

これによって、世の中で着目されている評価属性を有する対象事物であるほど、重要度が増すように、対象事物の評価値を算出することができる。

図７は、評判情報処理装置１００における他の動作である実施例２を示すフローチャートである。

図７に示すフローチャートは、評判属性の重みを計算する場合、評判属性の情報を利用することに加えて、属性値も利用して、各評判属性の重みを計算する動作を示し、基本的には、図２に示すフローチャートと同じであり、図２におけるステップＳ３の代わりに、ステップＳ１３を設けたフローチャートである。

Ｓ１３では、重み付与手段３２が、評判属性と属性値とに基づいて重みを計算し、評判属性の属性値が、「悪い」である場合、評判属性の頻度（出現回数）の合計値にマイナス１を掛けた値を重みとし、一方、属性値が、「良い」である場合は、評判属性の頻度の合計値に、プラス１を掛けた値（評判属性の頻度の合計値のそのままの値）を重みとする。この方法で、評判情報毎に、重みを付与する。

図７に示す例では、重みとして、属性値の値をマイナスとプラスとの２値としているが、属性値の内容によって重み付け算出方法を変えるようにしてもよい。たとえば、属性値が「良い」、「普通」、「悪い」の３種類であれば、「良い」を＋１、「普通」を０、「悪い」を−１、としてそれぞれ掛ける等の方法が考えられる。つまり、重み付けする場合、評判属性と属性値とを利用する方法であれば他の方法でもよい。この例の場合、図３より、「商品Ａ」の「価格」は「良い」ので、その重みは、図４に示す「価格」の集計結果から、２である。一方、「商品Ａ」の「デザイン」は、「悪い」ので、その重みは、図４に示す「デザイン」の集計結果から、−２となる。

図８は、評判属性と属性値とを利用して、各対象事物の評判属性毎に重みを算出した場合を示す図である。

図９は、評判属性と属性値とを利用して重み付けした場合における各対象事物の評価値の算出例を示す図である。

図７におけるＳ４では、対象事物評価値算出手段３３が、対象事物に含まれている重みの合計を評価値として算出する。この例では、たとえば、「商品Ａ」の場合、図８から、２＋４−２＝４が計算され、つまり、「商品Ａ」における評価値は、図９に示すように、４である。

図７に示すＳ５では、評判情報の格納手段４が、図３に示す対象事物の評価値を含めた評判情報を、評価値付き評判情報記憶媒体５に格納する。

図７に示すＳ６では、記憶媒体１に格納されている評判情報のうちで、対象事物の評価値がまだ算出されていないカテゴリがあるかどうかを判断する。対象事物の評価値がまだ算出されていないカテゴリが残っていれば、「有」が選択され、Ｓ１へ戻り、対象事物の評価値がまだ算出されていないカテゴリが残っていなければ、「無」が選択され終了する。

上記のように、カテゴリ毎にＳ１〜Ｓ５が繰り返され、そのカテゴリにおける各対象事物の評価値が算出され、この算出結果が、対象事物の評価値付き評判情報記憶媒体５に格納される。

実施例２によれば、カテゴリの中で頻出した評判属性の属性値が「良い」対象事物ほど、評価が高いので、たとえば、多くの人が気になっている評判属性であって、その属性が好印象の対象事物ほど、順位が上位になる可能性が高い。逆に、そのカテゴリの中で頻出した評判属性の属性値が「悪い」対象事物ほど、評価値が低いので、多くの人が気になっている評判属性であってもその印象が悪ければ、かえって評価値は下がる。

さらに、実施例２によれば、属性値が「良い」数と「悪い」数とが一致すると、相殺され、評価値には影響せず、このように、属性値をも考慮して重み付けして評価値を算出するので、対象事物に対する様々な順位付けが可能になる。

つまり、実施例１によれば、対象事物の評判に関して記述されている評判情報を処理する装置において、評判情報が格納されている評判情報記憶媒体から１つのカテゴリに属する評判情報を対象事物毎に取得し、その評判情報に含まれている評判属性を集計し、評判属性の出現具合によって重みを算出し、評判情報毎に評判属性の重みを付与し、この付与された重みを考慮して、対象事物毎に対象事物に対する評価値を計算し、この計算された評価値を含めた評判情報を記憶媒体に格納することによって、１つのカテゴリに対する対象事物の評価値を参照することができる。

また、実施例２によれば、上記評判属性の出現具合によって重みを算出するステップにおいて、評判属性の属性値をも考慮するステップを含むことによって、評判属性の属性値も反映した対象事物の評価値を参照することができる。

また、実施例１、２によれば、対象事物の評判に関して記述されている評判情報を処理する装置において、全てのカテゴリについて、上記全てのステップを繰り返すステップを含むことによって、全てのカテゴリに対する対象事物の評価値を参照することができる。

上記のようにして格納された対象事物に対する評価値は、たとえば、対象事物の人気度の順位付けに利用したり、世の中で着目されている評判属性を抽出表示したりすること等が可能である。

なお、上記実施例１をプログラムの発明として把握することができる。つまり、上記実施例１は、対象事物の評判に関して記述されている評判情報を処理するプログラムにおいて、上記評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手順と、上記評判情報取得手順で得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計手順と、上記評判属性出現回数集計手順で集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与手順と、上記重み付与手順で付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出手順と、上記対象事物評価値算出手順で算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納手順とを、コンピュータに実行させるプログラムの例である。

上記プログラムにおいて、上記重み付与手順は、評判属性の属性値をも考慮して重みを算出する手順であってもよい。また、上記プログラムにおいて、評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すプログラムにしてもよい。

本発明の実施例１である評判情報処理装置１００を示すブロック図である。 評判属性のみに基づいて重みをつけた場合における評判情報処理装置１００の動作を示すフローチャートである。 実施例１、２において、評判情報記憶媒体１に格納されている評判情報の具体例を示す図である。 実施例１、２における評判属性の出現回数集計例を示す図である。 実施例１において、図４に示す評判属性の出現回数集計例を用いた場合、各対象事物に対する評判属性の重み付与の結果を示す図である。 実施例１において、評判属性のみに基づいて重み付けした場合における各対象事物の評価値の算出例を示す図である。 評判情報処理装置１００における他の動作である実施例２を示すフローチャートである。 実施例２において、評判属性と属性値とを利用して、各対象事物の評判属性毎に重みを算出した場合を示す図である。 実施例２において、評判属性と属性値とを利用して重み付けした場合における各対象事物の評価値の算出例を示す図である。

符号の説明

１００…評判情報処理装置、
１…評判情報記憶媒体、
２…評判情報取得手段、
３…対象事物評価値付与手段、
３１…評判属性出現回数集計手段、
３２…重み付与手段、
３３…対象事物評価値算出手段、
４…評判情報の格納手段、
５…対象事物の評価値付き評判情報記憶媒体。

Claims (9)

1. 対象事物の評判に関して記述されている評判情報を処理する装置において、
   上記評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手段と；
   上記評判情報取得手段が得た評判情報に含まれている評判属性の出現回数を、集計する評判属性出現回数集計手段と；
   上記評判属性出現回数集計手段が集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与する重み付与手段と；
   上記重み付与手段が付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算する対象事物評価値算出手段と；
   上記対象事物評価値算出手段が算出した評価値を含めた評判情報を評判情報格納記憶媒体へ格納する評判情報の格納手段と；
   を有することを特徴とする評判情報処理装置。
2. 請求項１において、
   上記重み付与手段は、評判属性の属性値をも考慮して重みを算出する手段であることを特徴とする評判情報処理装置。
3. 請求項１において、
   評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とする評判情報処理装置。
4. 対象事物の評判に関して記述されている評判情報を処理する方法において、
   上記評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得ステップと；
   上記評判情報取得ステップで得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計ステップと；
   上記評判属性出現回数集計ステップで集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与ステップと；
   上記重み付与ステップで付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出ステップと；
   上記対象事物評価値算出ステップで算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納ステップと；
   を有することを特徴とする評判情報処理方法。
5. 請求項４において、
   上記重み付与ステップは、評判属性の属性値をも考慮して重みを算出するステップであることを特徴とする評判情報処理方法。
6. 請求項４において、
   評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とする評判情報処理方法。
7. 対象事物の評判に関して記述されている評判情報を処理するプログラムにおいて、
   上記評判情報が格納されている評判情報記憶媒体から、１つのカテゴリに属する評判情報を、対象事物毎に取得する評判情報取得手順と；
   上記評判情報取得手順で得た評判情報に含まれている評判属性の出現回数を、集計し、記憶媒体に格納する評判属性出現回数集計手順と；
   上記評判属性出現回数集計手順で集計した評判属性の出現回数に応じて、重みを算出し、評判情報毎に、上記評判属性に上記重みを付与し、記憶媒体に格納する重み付与手順と；
   上記重み付与手順で付与した重みを考慮し、上記対象事物毎に、上記対象事物に対する評価値を計算し、記憶媒体に格納する対象事物評価値算出手順と；
   上記対象事物評価値算出手順で算出した評価値を含めた評判情報を、評判情報格納記憶媒体に格納する評判情報格納手順と；
   を、コンピュータに実行させるプログラム。
8. 請求項７において、
   上記重み付与手順は、評判属性の属性値をも考慮して重みを算出する手順であることを特徴とするプログラム。
9. 請求項７において、
   評判情報記憶媒体に格納されている評判情報に、複数のカテゴリの評判情報が存在している場合、カテゴリ毎に、上記付与された重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を、繰り返し、または、上記評判属性の属性値をも考慮した重みを考慮し、対象事物毎に、対象事物に対する評価値を計算し、この算出された評価値を含めた評判情報を格納する動作を繰り返すことを特徴とするプログラム。

Images