JP2006338086A - 話題規模管理装置 - Google Patents

Abstract

【課題】 世間の話題動向を分析する。
【解決手段】 記事データ受信部１２２は、評価対象となるべき文書データを外部装置から受信する。情報量計算部１４４は、文書データの情報量を算出する。適合評価部１４６は、予め定められた複数の評価基準について文書内容が適合する度合いを適合評価値として指標化するための評価関数により、文書データの適合評価値を算出する。分類処理部１４８は、複数の評価基準に対応して予め定められた複数のカテゴリのうちのいずれかに文書データをその適合評価値に応じて分類する。話題規模値計算部１５２は、各カテゴリに分類された文書データの情報量から、カテゴリごとの累積情報量を示す話題規模値を算出する。
【選択図】 図２

Description

この発明は、文書データを内容に応じてカテゴリ分類する技術に関する。

近年、コンピュータの普及とネットワーク技術の進展に伴い、ネットワークを介した電子情報の交換が盛んになっている。そのような一例として、通称、ブログとよばれるウェブログ（Weblog）を挙げることができる。ユーザは、ウェブログサービスを提供するサイトで個人用のページを開設することにより、簡単に自己の意見を発信することができる。開設手続きの手軽さから、ウェブログ開設者の数は順調に増加しており、ウェブログは新たな情報発信手段として注目が集まっている。
特開２０００−２２２４３１号公報 特開２０００−１１２９７１号公報 特開２００３−１９６３０１号公報

ところで、世論調査やマーケティングなどにおける伝統的な情報収集方法として、アンケートという方法が一般的である。アンケートシステムが有効な情報収集システムとして機能するためには、当然ながらユーザの回答意欲を喚起する、または、ユーザに回答を強制する必要がある。ユーザのアンケートに回答しようと言う意欲が喚起されなければ、アンケートシステムは有効に機能しない。インターネットによって個人がつながる現代社会においては、企業は意見募集ホームページを開設してユーザの声を集め、マーケティングに活かそうとしている。しかし、これもいわば、ネットワークを介したアンケートであることには変わりがなく、紙ベースのアンケートと同様の課題を内包している。

本発明は、ウェブログのような「私的な」情報発信手段の特性と将来性に対する本発明者の着目に基づいて完成された発明であり、その主たる目的は、ネットワークを介して話題動向を効率的に分析するための技術を提供することにある。

本発明のある態様は、話題規模管理装置である。
この装置は、評価対象となるべき文書データを外部装置から受信して、文書データの情報量を算出する。そして、予め定められた複数の評価基準について文書データの内容を自然言語処理によって評価し、文書データを複数のカテゴリのうちのいずれかに分類する。各カテゴリに分類された文書データの情報量から、カテゴリごとの話題動向が分析される。

なお、以上の構成要素の任意の組合せ、本発明を方法、装置、システム、記録媒体、コンピュータプログラムにより表現したものもまた、本発明の態様として有効である。

本発明によれば、話題動向を効率的に分析するための技術を提供することができる。

本実施例においては、ウェブログサイトからさまざまな記事を収集し、世間の話題動向を分析する話題規模管理装置１００について説明する。

図１は、話題規模管理システムのハードウェア構成図である。
話題規模管理装置１００は、インターネット１２を介して接続されたウェブログサイト３００ａやウェブログサイト３００ｂなどの複数のサイト（以下、単に「ウェブログサイト３００」という）から、記事データを収集する。ウェブログサイトは既存のものでよい。ウェブログ開設者は、話題規模管理装置１００の存在を意識することなく、従来通り自己のウェブログサイトにさまざまな意見を記事として書き込み、インターネット１２上に発信できる。インターネット１２に接続されたコンピュータからは、こうして開設されたウェブログサイトの意見を閲覧したり、あるいは、記事に対するコメントを書き込むこともできる。
インターネット１２によって接続された話題規模管理装置１００およびウェブログサイト３００によって、本実施例における話題規模管理システム１０が構成される。

話題規模管理装置１００は、各ウェブログサイト３００から収集した記事の内容を自然言語処理によって評価し、複数のカテゴリに分類する。このときに利用される文書分類技術は、特許文献１に示されている特徴ベクトル法のような既知の技術であってよい。話題規模管理装置１００の主たる目的は、ウェブログのように個人がネットワーク上に発信する情報から世間の話題動向を把握することにある。以下、本実施例における話題規模管理装置１００について、その話題動向分析方法を中心として説明する。

図２は、話題規模管理システムの機能ブロック図である。
ここに示す各ブロックは、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところである。
ここでは、主として各機能ブロックの発揮すべき機能について述べ、その具体的な作用については、図９等に関連して説明する。

話題規模管理装置１００は、ユーザインタフェース処理部１１０、通信処理部１２０、データ処理部１３０およびデータ記憶部１６０を含む。
ユーザインタフェース処理部１１０は、ユーザからの入力処理やユーザに対する情報表示のようなユーザインタフェース全般に関する処理を担当する。通信処理部１２０は、ウェブログサイト３００などインターネット１２を介した他のコンピュータとの通信処理を担当する。通信処理部１２０は、ウェブログサイト３００に電子掲載される記事データを収集する。
本実施例においては、ユーザインタフェース処理部１１０により話題規模管理装置１００のユーザインタフェースサービスが提供されるものとして説明する。別例として、ユーザはインターネット１２を介して話題規模管理装置１００を操作してもよい。この場合には、通信処理部１２０は、ユーザ端末からの操作指示情報を受信し、またその操作指示に基づいて実行された処理結果情報をユーザ端末に送信することになる。

データ処理部１３０は、ユーザインタフェース処理部１１０を介した入力操作や通信処理部１２０から取得された記事データを元にして各種のデータ処理を実行する。データ処理部１３０は、ユーザインタフェース処理部１１０、通信処理部１２０およびデータ記憶部１６０の間のインタフェースの役割も果たす。
データ記憶部１６０は、予め用意された各種の設定データや、データ処理部１３０から受け取った記事データをはじめとするさまざまなデータを格納する。

ユーザインタフェース処理部１１０は、入力部１１２と表示部１１４を含む。入力部１１２は、ユーザからの入力操作を受け付ける。表示部１１４は、ユーザに対して各種情報を表示する。
通信処理部１２０は、記事データ受信部１２２を含む。記事データ受信部１２２は、ウェブログサイト３００から記事データを取得する。データ記憶部１６０は、収集対象とすべきウェブログサイトのＵＲＬ（Uniform Resource Locator）リストを予め保持している。記事データ受信部１２２は、電子掲示板やウェブログのリンクページからウェブログのＵＲＬを取得して、このＵＲＬリストを更新してもよい。記事データ受信部１２２は、ウェブログの更新通知サービスにより、記事内容の更新を検出し、更新対象となった記事データを適宜取得する。あるいは、記事データ受信部１２２は定期的に、このＵＲＬリストに載っているウェブログサイト３００を巡回して、電子掲載されている記事データのうち新規の記事データを収集してもよい。記事データは、データ処理部１３０により自然言語処理され、予め定められた複数のカテゴリのいずれかに分類されることになる。ここでいうカテゴリとは、たとえば、「音楽」、「芸能」といった所定の評価基準に基づいて話題を分類したものである。カテゴリについては、図４に関連して更に詳述する。

データ記憶部１６０は、記事データ保持部１６２および話題規模情報保持部１６４を含む。
記事データ保持部１６２は、記事データ受信部１２２がウェブログサイト３００から受信した記事データを記憶する。本実施例における記事データ保持部１６２は、収集された記事データをすべて保持する。変形例として、記事データ保持部１６２は記事タイトルのような記事データの部分的な情報を保持し、その記事データの収集元となったウェブログサイト３００のＵＲＬと併せて保持してもよい。この場合、データ処理部１３０が通信処理部１２０にそのＵＲＬから元の記事データを取ってこさせることにより、一度収集された記事データを再取得することができる。話題規模情報保持部１６４は、カテゴリごとの話題規模を示す話題規模情報を記憶する。話題規模情報保持部１６４のデータ構造については、図５に関連して詳述する。そのカテゴリの話題がどれほど世間で盛り上がっているか、すなわち、話題規模の大きさは話題規模値として数値化されることになる。

データ処理部１３０は、評価部１４０および統計部１５０を含む。
評価部１４０は、記事データ受信部１２２によって受信された記事データの内容を分析し、予め定められたカテゴリのいずれかに分類する。統計部１５０は、これらの各カテゴリごとの話題規模を話題規模値として数値化する。

評価部１４０は、範囲特定部１４２、情報量計算部１４４、適合評価部１４６および分類処理部１４８を含む。
範囲特定部１４２は、記事データ受信部１２２がウェブログサイト３００から取得した記事データのうち、評価対象とすべきデータ範囲を特定する。記事データの中には、たとえば、画像や広告など、話題規模分析には不必要なデータが含まれることがある。範囲特定部１４２は、こうしたデータを排除して評価対象とすべき範囲を特定する。具体的な処理方法については図３に関連して説明する。以下、記事データのうち評価対象とされるべき範囲のデータのことを、「単位データ」とよぶ。

情報量計算部１４４は、その特定された単位データの情報量を計算する。たとえば、単位データに含まれる文字数がそのまま記事の情報量として特定されてもよい。そのほかにも、単位データの情報量は、たとえば、１０を底とし、文字数を真数とする対数値として算出されてもよい。本実施例においては、単位データの情報量は、文字数の平方根として算出される。たとえば、１２１文字の単位データであれば、その情報量は１１となる。いずれにせよ、単位データの情報量は、単位データの文字数を変数とする所定の単調増加関数によって算出されることが望ましい。

適合評価部１４６は、単位データの内容に応じて、複数のカテゴリに対する適合の度合いを指標化するために適合評価値を算出する。分類処理部１４８は、適合評価値に応じて単位データをいずれかのカテゴリに分類する。

本実施例においては、適合評価部１４６は特徴ベクトル法を応用して、適合評価値を算出するものとする。特徴ベクトル法においては、カテゴリごとにさまざまな単語の重要度が特定されている。そのカテゴリの特性を表す単語は高い重要度が設定される。分類対象となる文書に含まれる単語がこういった各カテゴリにおいて重要とされる単語とどれだけマッチしているかにより、各カテゴリにどれだけふさわしい内容であるかが特徴ベクトルという値によって指標化される。この特徴ベクトルの大きさが、そのカテゴリと分類対象となる文書の適合度合いを表す。本実施例における適合評価部１４６は、この特徴ベクトルの大きさを０〜１００の範囲に正規化して適合評価値を算出する。適合評価値が大きいほど、適合度合いが大きいといえる。

統計部１５０は、話題規模値計算部１５２と相対値計算部１５４を含む。
話題規模値計算部１５２は、カテゴリごとの話題規模値を計算する。たとえば、カテゴリ１に情報量Ａ、情報量Ｂの記事データが分類されているときには、カテゴリ１の話題規模値は情報量Ａ＋情報量Ｂとして求められる。このようにして、話題規模値計算部１５２は各カテゴリについての話題規模値を計算する。そのカテゴリの分類される記事データが多いほど、話題規模値は大きくなる。また、その分類された記事データのに含まれる情報量が多いほど、話題規模値が大きくなる。単なる記事数や単語数で話題規模値を算出するのではなく、記事の数と各記事の情報量を変数として話題規模値が算出されることになる。相対値計算部１５４は、各カテゴリの話題規模値を比較してその相対値を計算する。以下、絶対値としての話題規模値と、相対値としての話題規模値を区別するときには、前者を「絶対話題規模値」、後者を「相対話題規模値」とよぶものとする。

図３は、ウェブログの一般的なフォーマットを示す図である。
ここでは、一般的なウェブログフォーマット１７０を示している。記事データ受信部１２２は、このようなウェブログフォーマット１７０に示される記事データを取得し、範囲特定部１４２がそのうち、評価対象とすべき範囲としての単位データを特定する。第１記事データ１８２は、このウェブログを開設しているユーザＡによって記事日付欄１７２に示される日時において投稿された記事データである。記事タイトル欄１７４は記事データのタイトルである。記事欄１７６は、記事データの内容である。第１記事データ１８２は、記事日付欄１７２、記事タイトル欄１７４および記事欄１７６を含んでいる。

第２記事データ１８４は、第１記事データ１８２の記事内容に対する別ユーザＢからの投稿されたコメントである。コメント欄１７８は、コメントの内容を示し、コメント日付欄１８０はその投稿日時を示す。第３記事データ１８６は、ユーザＡによって別の日時に投稿された記事データである。

このように、ウェブログフォーマット１７０には複数の記事データが含まれている。範囲特定部１４２は、記事データに含まれる日付情報をキーとして単位データとすべき範囲を特定する。範囲特定部１４２は、ウェブログフォーマット１７０に示される文書データから、記事日付欄１７２やコメント日付欄１８０のような日付書式を区切りとして、同図に示すウェブログフォーマット１７０が、第１記事データ１８２、第２記事データ１８４および第３記事データ１８６の３つの記事データを含んでいることを認識する。そして、第１記事データ１８２については、記事タイトル欄１７４および記事欄１７６のデータを単位データとして特定する。第２記事データ１８４については、コメント欄１７８のデータが単位データとして特定される。

情報量計算部１４４は、単位データの文字数を計数する。たとえば、記事タイトル欄１７４に「花見は最高」、記事欄１７６に「今日、上野公園にグループで花見に行きました。」と記載されていた場合、情報量計算部１４４はこの２７文字の平方根、すなわち、５．１９をこの単位データの情報量として算出する。
別例として、情報量計算部１４４は、タイトルを記事内容に比べて高い評価対象としてもよい。たとえば、（タイトル文字数×所定数＋記事文字数）の平方根を単位データの情報量としてもよい。あるいは、記事欄１７６において、ボールド体のような特殊書体で記載されている文章については、高い点数がつけられてもよい。範囲特定部１４２は、記事欄１７６のうち、文単位やパラグラフ単位で単位データを特定してもよい。このときには、情報量計算部１４４は、文単位、パラグラフ単位の単位データについて情報量を計算する。

なお、範囲特定部１４２は文書データに日付情報とタイトルその他、ウェブログであることを特定するための情報が含まれていないときには、その文書データを評価対象外とする。すなわち、ニュースサイトや、企業ホームページなど、所定のウェブログフォーマットにマッチしない文書データは評価対象外としてもよい。あるいは、範囲特定部１４２は、日付情報を含む文書データであれば、評価対象として判定してもよい。本実施例においてはウェブログに限定して話題動向分析をするとして説明するが、変形例としては、ウェブログに限定することなく、文書分類処理を実行するとしてもよい。

図４は、カテゴリを説明するための模式図である。
本実施例においては、記事データは３段階のカテゴリに分類される。第１カテゴリ１９０は、そのうちの第１段階のカテゴリを示す。同図に示すように、第１カテゴリ群１９０は、「エンターテインメント」、「暮らし・趣味」、「旅行・レジャー」、「スポーツ」、「コンピュータ・インターネット」、「ビジネス・経済」、・・・、「その他」として示す１０個のカテゴリによって構成される。

適合評価部１４６は、取得された単位データについて、これら第１カテゴリ群１９０に示されるカテゴリのそれぞれに対する適合評価値を計算する。分類処理部１４８は、適合評価値が所定値、たとえば、８０以上となるカテゴリに記事データを分類する。８０以上となるカテゴリがなければ、「その他」カテゴリに分類される。８０以上となるカテゴリが複数ある場合には、この記事データはそれら複数のカテゴリに分類される。

第２カテゴリ群１９２は、第１カテゴリ群１９０のうちの「エンターテインメント」カテゴリを更に細分化した第２段階のカテゴリを示す。ここでいう第２カテゴリ群１９２のカテゴリは、「エンターテインメント」カテゴリに属する下位のカテゴリであるといえる。同図に示すように、第２カテゴリ群１９２は、「音楽」、「芸能人」、「お出かけ」、「雑誌」、「その他」として示す５つのカテゴリによって構成される。「エンターテインメント」カテゴリに属する記事データは、更に、第２カテゴリ群１９２に示されるいずれかのカテゴリに分類される。このときにも、記事データは第２カテゴリ群１９２のうちの複数のカテゴリに分類されることがある。

第３カテゴリ群１９４は、第２カテゴリ群１９２のうちの「音楽」カテゴリを更に細分化した第３段階のカテゴリを示す。ここでいう第３カテゴリ群１９４のカテゴリは、「エンターテインメント」カテゴリや「音楽」カテゴリに属する下位のカテゴリであるといえる。同図に示すように第３カテゴリ群１９４は、「アーティスト」、「ジャンル」、「イベント・コンサート」、「楽器」、「カラオケ」、「ヒットチャート」および「その他」として示す７つのカテゴリによって構成される。「音楽」カテゴリに属する記事データは更に、第３カテゴリ群１９４に示すいずれかのカテゴリに分類される。このときにも、記事データは第３カテゴリ群１９４のうちの複数のカテゴリに分類されることがある。

なお、第３カテゴリ群１９４は、更に、第４段階、第５段階と細分化されてもよい。たとえば、「アーティスト」であれば、アーティスト名によって更にカテゴリ分類されてもよい。同図に示すカテゴリ構成は必ずしも固定的である必要はなく、話題規模管理装置１００のユーザが再設計してもよい。このとき、カテゴリの分割、追加、削除、統合がなされてもよい。また、データ処理部１３０は、話題規模が小さいカテゴリは、「その他」カテゴリとして統合してもよい。
カテゴリのセットは１種類である必要はない。さまざまな切り口からカテゴリ構成が可能である。たとえば、「音楽」カテゴリは、「クラシック」、「ロック」、「ブルース」というようにそのままジャンルの観点から細分化されてもよいし、「日本」、「中国」、「アメリカ」、「北欧」というように地域の観点から細分化されてもよい。このような場合、分類処理部１４８は複数のカテゴリセットのそれぞれについて、記事データを分類してもよい。すなわち、上記した例によれば、カテゴリセット１において記事データＡは「音楽＞ロック」というカテゴリに分類され、カテゴリセット２においては「音楽＞北欧」というカテゴリに分類されることになる。

また、カテゴリに特有の単語にはその単語から連想される関連単語が定義されてもよい。たとえば、特定の曲名を示す単語については、その作者、国籍、ジャンル、歌手名、関連作品など、さまざまな関連用語が定義されてもよい。適合評価部１４６は、記事データに明示される単語をベースとした適合評価のほかに、いわば黙示の関連用語についての適合評価を実行することにより、記事データの適合評価値を明示および黙示の単語について総合的に算出してもよい。

図５は、話題規模情報保持部のデータ構造図である。
カテゴリ欄２００は、図４に示した３段階のカテゴリ構成に対応する。絶対規模欄２０２は、各カテゴリの絶対話題規模値を示す。また、相対規模欄２０４は、各カテゴリ間における相対話題規模値を示す。同図は、話題規模情報のうち、第１カテゴリ群１９０の「エンターテインメント」カテゴリについての話題規模情報を示している。また、同図に示すのは、所定の日時における話題規模情報であり、話題規模情報保持部１６４は各日時についての話題規模情報の集合体として、所定期間の話題規模情報を保持している。

各カテゴリの話題規模値は、そのカテゴリに分類された単位データの情報量の加算値として計算される。同図においては、「アーティスト」カテゴリには４件の単位データが投稿されている。これらの単位データのうち、１件目は１００文字、２件目も１００文字、３件目も１００文字、４件目も１００文字であったとする。となれば、１件目から４件目の各単位データの情報量は、１００の平方根である１０となる。話題規模値計算部１５２は、１０＋１０＋１０＋１０＝４０により、「アーティスト」カテゴリの話題規模値を４０として算出している。なお、絶対規模欄２０２においては、各カテゴリの総記事データ数、総文字数が示されている。

一方、「カラオケ」カテゴリには３件の単位データが分類されている。このとき、１件目から３件目の記事データの文字数は、それぞれ、１０文字、３０文字、６４０文字であったとする。この場合、同様の計算により、それぞれの情報量は、３．１６、５．４８、２５．３となる。話題規模値計算部１５２は「カラオケ」カテゴリの話題規模値をそれらの総和である３３．９４、すなわち、約３４として算出している。話題規模値計算部１５２は、「アーティスト」カテゴリや「カラオケ」カテゴリのような第３カテゴリ群１９４に属する各カテゴリの話題規模値を加算することにより、その上位にあたる「音楽」カテゴリの話題規模値を「３６３」として算出する。

同様にして、第２カテゴリ群１９２に示した「音楽」カテゴリや「芸能人」カテゴリなどの第２カテゴリ群１９２に属する各カテゴリの話題規模値を加算することにより、その上位にあたる「エンターテインメント」カテゴリの話題規模値が「３０２５」として算出される。更に、第１カテゴリ群１９０に示した「エンターテインメント」カテゴリなどの第１カテゴリ群１９０に属する各カテゴリの話題規模値を加算することにより、全体としての話題規模値「４５９８７」が算出される。
このようにして、各カテゴリについて算出される話題規模値によって、インターネット上においてホットな話題とそうでない話題を絶対話題規模値として定量化している。

なお、図４に関連して説明したように、単位データは複数のカテゴリに分類される可能性がある。たとえば、ある単位データの「アーティスト」についての適合評価値が「９５」、「ジャンル」カテゴリについての適合評価値が「８５」であったとする。また、この単位データの情報量が「３６０」であったとする。この場合、この記事データの情報量「３２３」は、「アーティスト」カテゴリと「ジャンル」カテゴリに対して、それぞれ、９５：８５の比率で配分される。すなわち、「アーティスト」カテゴリには、３６０×９５／（９５＋８５）＝１９０、「ジャンル」カテゴリには、３６０×８５／（９５＋８５）＝１７０の情報量が配分される。１つの単位データが複数の話題を含んでいることもあるため、このような処理によって各カテゴリの話題規模値をより正確に測定できる。

相対値計算部１５４は、相対話題規模値を計算する。たとえば、話題規模管理装置１００が収集したすべての記事データについての話題規模値は「４５９８７」であり、そのうち、「エンターテインメント」カテゴリの話題規模値は「３０２５」である。３０２５÷４５９８７＝０．０６５８より、ウェブログにおける話題のうちの約６．５８パーセントが、エンターテインメントに関する話題であると算定される。相対値計算部１５４は、このように、パーセンテージ表現として、相対話題規模値を計算する。

「音楽」カテゴリの話題規模値は「３６３」であるから、３６３÷４５９８７＝０．７９（パーセント）により、ウェブログにおける話題のうちの約０．７９パーセントが、音楽に関する話題であると算定される。「音楽」カテゴリに属する第３カテゴリ群１９４の各カテゴリについてもウェブログにおけるすべての話題に対する相対話題規模値が計算される。

「エンターテインメント」カテゴリの話題規模値「３０２５」に対して、「音楽」カテゴリの話題規模値は「３６３」であるから、３６３÷３０２５＝１２．０（パーセント）より、エンターテインメントに関する話題のうちの約１２パーセントが音楽に関する話題であると算定される。「音楽」カテゴリに属する第３カテゴリ群１９４の各カテゴリについても同様に「エンターテインメント」カテゴリの話題規模値に対する相対話題規模値が計算される。

「音楽」カテゴリの話題規模値「３６３」に対して、「アーティスト」カテゴリの話題規模値は「４０」であるから、４０÷３６３＝１１（パーセント）より、音楽に関する話題のうちの約１１パーセントがアーティストに関する話題であると算定される。「音楽」カテゴリに属する第３カテゴリ群１９４の各カテゴリについても同様に「音楽」カテゴリの話題規模値に対する相対話題規模値が計算される。
このようにして、さまざまなカテゴリ間について相対話題規模値が計算される。

図６は、話題規模情報を数値表示する画面図である。
ユーザは、入力部１１２を介して話題規模情報を画面表示するように指示する。表示部１１４は、このような指示に応じて、話題規模情報保持部１６４に保持される話題規模情報を画面に表示させる。ユーザは、まず、表示対象となる期間を指定する。同図においては、４月１日から４月７日までの７日間についての記事が表示対象として指定されている。

図６（ａ）は、第１カテゴリ群についての話題規模情報を数値表示する画面図である。
ユーザは、次に、表示対象となるカテゴリ群を指定する。ここでは、すべてのカテゴリ、すなわち、第１カテゴリ群１９０が指定されている。また、表示形式として、同図に示すような数値表示形式が指示されている。
以上の指示に応じて、表示部１１４は、第１カテゴリ群１９０の各カテゴリについての話題規模値を画面に一覧表示する。表示部１１４は、データ処理部１３０を介して話題規模情報保持部１６４の話題規模情報を参照して、表示させるべきデータを選択する。話題規模値計算部１５２や相対値計算部１５４は、表示対象として指定された期間について、絶対話題規模値と相対話題規模値を算出する。表示部１１４は、絶対話題規模値が大きい順に各カテゴリの表示順序をソートする。ユーザは、このような画面で、より詳しく見たいカテゴリを選択する。同図に示す画面において、「エンターテインメント」カテゴリが選択されたとする。

図６（ｂ）は、第２カテゴリ群についての話題規模情報を数値表示する画面図である。
図６（ａ）において「エンターテインメント」カテゴリが選択されたときに図６（ｂ）に示す画面が表示される。このときには、すべての話題規模値と、「エンターテインメント」カテゴリの話題規模値のそれぞれに対する、各カテゴリの相対話題規模値が表示される。表示部１１４は、データ処理部１３０を介して話題規模情報保持部１６４の話題規模情報のうち第２カテゴリ群１９２の話題規模情報を表示させる。図６（ｂ）においても、話題規模値が大きい順に表示順序がソートされる。ユーザは、このような画面で、更に詳しく見たいカテゴリを選択できる。同図においては「音楽」カテゴリが選択されたとする。

図６（ｃ）は、第３カテゴリ群についての話題規模情報を数値表示する画面図である。
図６（ｂ）において「音楽」カテゴリが選択されたときに図６（ｃ）に示す画面が表示される。表示部１１４は、データ処理部１３０を介して話題規模情報保持部１６４の話題規模情報のうち第３カテゴリ群１９４の話題規模情報を表示させる。このときには、すべての話題規模値と「エンターテインメント」カテゴリの話題規模値、「音楽」カテゴリの話題規模値のそれぞれに対する各カテゴリの相対話題規模値が表示される。図６（ｃ）においても、話題規模値が大きい順に表示順序がソートされる。ユーザは、このような画面で更に詳しく見たいカテゴリを選択できる。同図においては「楽器」カテゴリが選択されている。

図６（ｄ）は、選択されたカテゴリにおける記事の抄録を表示する画面図である。
図６（ｃ）において「楽器」カテゴリが選択されたときに図６（ｄ）に示す画面が表示される。「楽器」カテゴリは下位のカテゴリを有しない。そのため、表示部１１４は、「楽器」カテゴリに分類されている記事データを記事データ保持部１６２から読み出して一覧表示させる。表示部１１４は、記事データの全部を表示させてもよいが、その一部を表示させてもよい。同図に示す画面においてユーザが記事データを選択すると、その選択された記事の内容が全体表示される。
なお、下位カテゴリが存在しても、同図に示すような抄録表示をしてもよい。たとえば、ユーザが下位カテゴリ表示か抄録表示かを選択できてもよい。

なお、ユーザは、図６（ａ）〜図６（ｃ）に示した態様を棒グラフや円グラフのようなグラフ形式にて表示させることもできる。この場合、表示部１１４は、指示されたグラフ形式にて話題規模値を表示させる。次に、円グラフ表示させるときの画面図を示す。

図７は、話題規模情報を円グラフ表示する画面図である。
ユーザは、入力部１１２を介して話題規模情報を円グラフとして画面表示するように指示する。表示部１１４は、このような指示に応じて、指定された期間についての話題規模情報を円グラフとして画面表示させる。

図７（ａ）は、第１カテゴリ群についての話題規模情報を円グラフ表示する画面図である。
円グラフ表示を指示されると、表示部１１４は、まず、第１カテゴリ群１９０についての各話題規模値を円グラフとして画面表示させる。同図に示す円グラフは、図６に関連して説明したデータを円グラフ表示させたものである。表示部１１４は、第１カテゴリ群１９０の話題規模情報を表示させる。ユーザは、このような画面で、より詳しく見たいカテゴリを選択できる。同図においては、「エンターテインメント」カテゴリに対応する領域がマウスクリックにより選択されたとする。なお、相対話題規模値が小さいカテゴリは、表示上は「その他」としてまとめられている。ユーザが「その他」の領域をクリックすると、表示部１１４はその詳細を画面表示させてもよい。

図７（ｂ）は、第２カテゴリ群についての話題規模情報を円グラフ表示する画面図である。
図７（ａ）において「エンターテインメント」カテゴリが選択されたときに図７（ｂ）に示す画面が表示される。表示部１１４は、第２カテゴリ群１９２の話題規模情報を円グラフ形式にて表示させる。ユーザは、このような画面で、更に詳しく見たいカテゴリを選択できる。同図においては「音楽」カテゴリが選択されたとする。

図７（ｃ）は、第３カテゴリ群についての話題規模情報を円グラフ表示する画面図である。
図７（ｂ）において「音楽」カテゴリが選択されたときに図７（ｃ）に示す画面が表示される。表示部１１４は、第３カテゴリ群１９４の話題規模情報を表示させる。ユーザは、このような画面で更に詳しく見たいカテゴリを選択できる。同図においては「楽器」カテゴリが選択されている。このあとの表示態様は、図６（ｄ）と同様である。

図８は、話題規模値の時間推移を示す画面図である。
ユーザは、入力部１１２を介して話題規模情報の推移を画面表示するように指示する。表示部１１４は、このような指示に応じて、話題規模情報の推移をグラフ表示させる。話題規模情報保持部１６４は、図５に示したような話題規模情報を１日単位で管理している。表示部１１４は、ユーザにより指定された期間における話題規模情報の推移を画面に表示させる。同図においては、１月１日から４月７日までの約３ヶ月間における「オフロードＳＵＶ」カテゴリに関する話題の推移が示されている。

図８（ａ）は、「オフロードＳＵＶ」カテゴリの絶対話題規模値の推移を示す画面図である。
ここでは、「オフロードＳＵＶ」という第２カテゴリについて、「車種Ａ」、「車種Ｂ」、「車種Ｃ」、「その他」の４つの第３カテゴリが含まれていると仮定して説明する。ここでいう車種Ａ〜Ｃは、オフロードＳＵＶという車種に分類される具体的な車名である。ユーザが、同図に示すような「オフロードＳＵＶ」のカテゴリについて、話題規模値の推移を表示させるように指示すると、表示部１１４は話題規模情報を参照して同図に示すような話題規模値の推移を示すグラフを表示させる。同図によれば、選択された期間においてオフロードＳＵＶの話題規模が順調に増加していることがわかる。

図８（ｂ）は、「オフロードＳＵＶ」カテゴリに属する各車種の相対話題規模値の推移を示す画面図である。
ユーザは、「オフロードＳＵＶ」に属する各車種についての相対話題規模値の推移を画面表示させるように入力部１１２を介して指示する。表示部１１４は、図５の相対規模欄２０４に示したような相対話題規模値に関する情報を参照してその推移を画面表示させる。同図によれば、車種Ａに関する話題規模がオフロードＳＵＶの話題規模に対して相対的に低下していることがわかる。その一方で、車種Ｃに関する話題規模が相対的に拡大しつつある。

図８（ａ）および図８（ｂ）のグラフによれば、オフロードＳＵＶについての話題規模は拡大しているものの、車種Ａについての話題規模はむしろ減少傾向にあることがわかる。その一方で、車種Ｃの話題規模は相対的にも絶対的にも拡大傾向にあることがわかる。そこで、このような情報のマーケティングへの応用が考えられる。発売前、あるいは、発売中の車種について世間の話題規模推移を分析することにより、ユーザの車に対する嗜好・新発売車種に対する反応などを把握しやすくなる。たとえば、ある車種についてテレビコマーシャルを集中的に流したときに話題規模が拡大しているかによって広告の費用対効果を評価することができる。

図８（ａ）のグラフ上において、所定のポイントが選択されると、その日時における話題規模値の詳細が、図６や図７にて説明した画面として表示されてもよい。また、図８（ａ）の画面において、ユーザの指示により「オフロードＳＵＶ」カテゴリの相対話題規模値の推移に表示内容を変更してもよい。あるいは、図８（ｂ）の画面において、ユーザの指示により各車種についてのカテゴリの絶対話題規模値の推移に表示内容を変更してもよい。また、表示部１１４は、こういった推移を示すグラフの移動平均をとることによって、曜日による話題規模の増減や、一過性の話題規模の増減を平滑化して、推移グラフを表示してもよい。

図９は、記事データの分類処理過程を示すフローチャートである。
まず、記事データ受信部１２２は、ウェブログサイト３００から記事データを受信する（Ｓ１０）。範囲特定部１４２は、取得された記事データのうち評価対象となるべき範囲である単位データを特定する（Ｓ１２）。情報量計算部１４４は、単位データの情報量を計算する（Ｓ１４）。適合評価部１４６は、単位データについて各カテゴリに対する適合評価値を計算する（Ｓ１６）。適合評価値が８０以上となるカテゴリが２以上あるときには（Ｓ１８のＹ）、Ｓ１４にて計算された情報量を適合評価値に応じて配分する（Ｓ２０）。適合評価値が８０以上となるカテゴリが１以下であるときには（Ｓ１８のＮ）、Ｓ２０の処理はスキップされる。このときには、単位データはいずれか１つのカテゴリに分類されるか、「その他」カテゴリに分類されることになる。話題規模値計算部１５２は、単位データの情報量から絶対話題規模値を再計算する（Ｓ２２）。このとき、相対値計算部１５４は、同様に相対話題規模値についても再計算する。こうして、話題規模情報保持部１６４の話題規模情報が更新される。
なお、ここでは、記事データがウェブログデータであることを前提として説明した。Ｓ１２において範囲特定部１４２は受信した記事データが所定のフォーマットに合わない場合には、評価対象外として以降の処理を実行させないとしてもよい。

以上、本実施例における話題規模管理装置１００によれば、ウェブログサイト３００などの個人メディアから情報を収集して世間の話題動向を分析できる。

インターネットを介したアンケートによって個人の意見を収集しようとする場合、まず、ユーザをそのアンケートの存在に気づかせる必要がある。このためには、ユーザをそのアンケートホームページに引きつけるための工夫が必要である。また、アンケート回答意欲を喚起するためには懸賞をつけるといった工夫がされていたが、このような方法はコストがかかるのも事実である。更に、アンケートに答えるときに個人情報を送信する必要がある場合が多く、ユーザ側にも心理的抵抗感が生じやすいため、これがアンケート回答意欲の阻害要因となっている。

特定の時事問題についての世論調査を行う仕組みを設けているニュースサイトもあるが、やはり同様の問題を抱えている。また、アンケートは、質問事項に対する回答としてデータを収集するので、いいかえれば、その質問事項から外れた付随的な情報を収集しにくいというデメリットもある。更には、アンケートに対しておもしろ半分の回答がなされる場合もあり、このようないわばノイズ情報がアンケートの信頼性を悪化させる可能性がある。

個人の意見を収集するシステムとしては、そのほかにも視聴率調査やサイトのアクセス数調査といった方法が挙げられる。このような調査方法は、ユーザの心理的抵抗感や手間といった問題は、アンケートに比べて軽減されるといえるが、得られる情報は極めて限定的である。

これに対して、本実施例の話題規模管理装置１００は、個人の意見が表明されているウェブログデータを収集することにより、世間の話題動向を分析する。そのメリットとしては、主なものだけでも以下のものを挙げることができる。１．調査対象者の回答意欲を喚起するための工夫が事実上不要となる。２．ウェブログ開設者などの調査対象者にとってはアンケートなどの調査に協力しているという感覚すら持たなくて済む。３．質問項目によってユーザの意見を型にはめなくて済むため、多様な話題動向を収集できる。４．話題規模管理装置１００は、既存のウェブログサイトにアクセスするだけなので、既存のシステムとの親和性が高い。５．膨大なインターネット上の情報を情報源とするため、統計的に安定すると考えられる。６．話題の推移という時系列データを簡易に収集できる。７．話題の絶対規模、相対規模という有用性が高く曖昧な情報を定量化できる。

マーケティングなどにおいては、製品嗜好、市場反応を正確にキャッチすることが重要である。本実施例の話題規模管理装置１００は、広告の費用対効果や新しいマーケットの発見など多様な分析に応用可能である。たとえば、マスコミ関係者であれば、人々がどのようなニュースに興味を持ち、どのような情報を求めているのかを探った上で、提供すべき情報の量配分を考える必要がある。たとえば、大きなニュースであっても、世間に飽きられてくれば、別のニュースを積極的に提供すべきである。その反対に、時間が経っても世間が興味を持っているニュースであれば、積極的に提供すべきである。製造業関係者であれば、発売した製品がどの程度話題になっているか、話題規模がどのように推移しているかによって、生産計画に反映するという手法も考えられる。
このように、本実施例に示した話題規模管理装置１００はサービスの提供者と受け手とを緊密化させる上で効果的である

一方、続々とウェブログが開設される現在、開設したウェブログが実際に他人に見てもらえる保証はない。実際、多くのウェブログがインターネットに接続されているだけの「独り言」サイトにすぎない。話題規模管理装置１００は、こういったウェブログの意見も自動的に収集し、自然言語処理により自動的に分類できる。そのため、ウェブログ開設者にとっても、自分の意見が社会に反映されやすいというメリットがある。このように話題規模管理装置１００は個人の情報発信意欲を喚起する効果がある。
話題規模管理装置１００は、個人が積極的に自己の意見を発信するような活性化された社会を実現するのに資するといえる。

なお、話題規模管理装置１００はマーケティングや世論調査などに有効であることはもちろんであるが、一般のユーザにとっても、世間の話題動向を知る上で有効である。また、本実施例においてはウェブログを情報源として説明したが、話題規模管理装置１００が収集する文書データは、インターネット上のニュースサイトなどさまざまなものが考えられる。

以上、実施の形態をもとに本発明を説明した。なお本発明はこの実施の形態に限定されることなく、そのさまざまな変形例もまた、本発明の態様として有効である。

請求項に記載の推移表示部や規模値表示部の機能は、本実施例においては、主として表示部１１４により実現される。請求項に記載のカテゴリ選択部の機能は、本実施例においては主として入力部１１２により実現される。
請求項に記載の各構成要件が果たすべき機能は、本実施例において示された各機能ブロックの単体もしくはそれらの連係によって実現されることも当業者には理解されるところである。

話題規模管理システムのハードウェア構成図である。 話題規模管理システムの機能ブロック図である。 ウェブログの一般的なフォーマットを示す図である。 カテゴリを説明するための模式図である。 話題規模情報保持部のデータ構造図である。 話題規模情報を数値表示する画面図である。 話題規模情報を円グラフ表示する画面図である。 話題規模値の時間推移を示す画面図である。 記事データの分類処理過程を示すフローチャートである。

符号の説明

１０ 話題規模管理システム、 １００ 話題規模管理装置、 １１０ ユーザインタフェース処理部、 １１２ 入力部、 １１４ 表示部、 １２０ 通信処理部、 １２２ 記事データ受信部、 １３０ データ処理部、 １４０ 評価部、 １４２ 範囲特定部、 １４４ 情報量計算部、 １４６ 適合評価部、 １４８ 分類処理部、 １５０ 統計部、 １５２ 話題規模値計算部、 １５４ 相対値計算部、 １６０ データ記憶部、 １６２ 記事データ保持部、 １６４ 話題規模情報保持部、３００ ウェブログサイト。

Claims (12)

1. 評価対象となるべき文書データを外部装置から受信する文書データ受信部と、
   前記文書データの情報量を算出する情報量計算部と、
   予め定められた複数の評価基準について文書内容が適合する度合いを適合評価値として指標化するための評価関数により、前記文書データの適合評価値を算出する適合評価部と、
   前記複数の評価基準に対応して予め定められた複数のカテゴリのうちのいずれかに前記文書データをその適合評価値に応じて分類する分類処理部と、
   各カテゴリに分類された文書データの情報量から、カテゴリごとの累積情報量を示す話題規模値を算出する話題規模値計算部と、
   を備えることを特徴とする話題規模管理装置。
2. 前記情報量計算部は、前記文書データに含まれる文字数を変数とする所定の単調増加関数によって前記文書データの情報量を算出することを特徴とする請求項１に記載の話題規模管理装置。
3. 前記分類処理部は、前記文書データをその適合評価値に応じて１以上のカテゴリに分類し、
   前記話題規模値計算部は、前記文書データが２以上のカテゴリに分類されるときには前記文書データの文書内容がそれぞれのカテゴリに適合する度合いに応じてその情報量を配分した上で話題規模値を算出することを特徴とする請求項１または２に記載の話題規模管理装置。
4. 前記文書データに含まれる日付情報をキーとして評価対象とすべき文書データの範囲を特定するデータ範囲特定部を更に備えることを特徴とする請求項１から３のいずれかに記載の話題規模管理装置。
5. 前記文書データに含まれる日付情報を参照して、所定の期間における文書データに基づいて計算される話題規模値の推移を画面にグラフ表示させる推移表示部を更に備えることを特徴とする請求項１から４のいずれかに記載の話題規模管理装置。
6. 前記分類処理部は、前記文書データを上位カテゴリとしてのいずれかのカテゴリに分類したあと、その上位カテゴリを更に細分化した下位カテゴリに前記文書データを分類し、
   前記話題規模値計算部は、前記下位カテゴリについての話題規模値を算出することを特徴とする請求項１から５のいずれかに記載の話題規模管理装置。
7. 前記上位カテゴリの話題規模値に対する前記下位カテゴリの話題規模値の相対値を算出する相対値計算部を更に備えることを特徴とする請求項６に記載の話題規模管理装置。
8. 各カテゴリについての話題規模値を画面表示させる規模値表示部と、
   その話題規模値が画面表示対象となっているカテゴリのうちのいずれかに対するユーザの選択入力を検出するカテゴリ選択部と、を更に備え、
   前記規模値表示部は、カテゴリが選択されると、前記選択されたカテゴリに属する下位のカテゴリについての話題規模値を画面表示させることを特徴とする請求項６または７に記載の話題規模管理装置。
9. 前記規模値表示部は、各カテゴリについての話題規模値の画面表示態様として、カテゴリ間における話題規模値の比率を円グラフとして画面表示させ、
   前記カテゴリ選択部は、円グラフ表示領域のうちユーザにより指定された領域に対応するカテゴリを選択対象として特定することを特徴とする請求項８に記載の話題規模管理装置。
10. 前記カテゴリ選択部は、前記円グラフ表示領域におけるユーザのマウスクリックを検出し、そのクリックされたポイントを含む領域に対応するカテゴリを選択対象として特定することを特徴とする請求項９に記載の話題規模管理装置。
11. 前記規模値表示部は、前記選択されたカテゴリが下位のカテゴリを持たないときには、その選択されたカテゴリに分類された文書データの内容の少なくとも一部のデータを一覧表示させることを特徴とする請求項８から１０のいずれかに記載の話題規模管理装置。
12. 前記文書データ受信部は、ウェブログ（Weblog）として電子掲載される記事を前記評価対象となるべき文書データとして受信することを特徴とする請求項１から１１のいずれかに記載の話題規模管理装置。

Images