JP2007219929A - 感性評価システム及び方法 - Google Patents
感性評価システム及び方法 Download PDFInfo
- Publication number
- JP2007219929A JP2007219929A JP2006041005A JP2006041005A JP2007219929A JP 2007219929 A JP2007219929 A JP 2007219929A JP 2006041005 A JP2006041005 A JP 2006041005A JP 2006041005 A JP2006041005 A JP 2006041005A JP 2007219929 A JP2007219929 A JP 2007219929A
- Authority
- JP
- Japan
- Prior art keywords
- sensitivity
- information
- map
- word
- storage device
- 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.)
- Withdrawn
Links
- 230000035945 sensitivity Effects 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000011156 evaluation Methods 0.000 title claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 37
- 230000007704 transition Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims description 67
- 238000000605 extraction Methods 0.000 claims description 37
- 239000000284 extract Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 239000013598 vector Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】マーケティング活動における意思決定時により役に立つ情報を得ることが可能な感性評価システム及び方法を提供する。
【解決手段】ネットワーク等を介して得られたテキスト情報を時系列に蓄積し、テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する。そして、抽出した各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理を実行する。検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する。
【選択図】図1
【解決手段】ネットワーク等を介して得られたテキスト情報を時系列に蓄積し、テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する。そして、抽出した各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理を実行する。検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する。
【選択図】図1
Description
本発明はマーケティング活動における意思決定を支援するための感性評価システム及び方法に関する。
近年、蓄積された大量のデータからビジネスに活用できる有用な情報を取り出すための処理技術である「データマイニング」が注目されている。このデータマイニングを利用して、商品や創作物あるいはサービス等に対する顧客の将来の評価予測や、検索キーワードからそれに関連する言葉を推定することで、マーケティング活動における意思決定を支援する感性評価システムの要望が高まっている。
しかしながら、商品や創作物あるいはサービス等に対する顧客の評価は、評価者の趣味や嗜好によって左右されるため客観的な評価が得られるとは限らない。また、評価者は商品や創作物あるいはサービス等に対して常に一定の評価を与え続けるとは限らず、評価結果は競合する商品の発売や時間の経過と共に変化する。また、評価結果は、評価基準(キーワード)によっても変わってしまう。そのため、ある時点における評価結果から今後の評価の傾向を予測することは困難である。
そのため、従来の感性評価システムでは、例えばウェブサイト上で公開された商品やサービスに対するレビューやアンケート結果あるいは掲示板の記載等から、該商品やサービスに対する感性に係る言葉を抽出し、その出現頻度を計数することで評価の傾向を把握する程度に留まっていた。
なお、そのような処理と似た技術として、特許文献1には、ウェブサイト上の電子文書を収集して構築された文書データベースから、現在話題となっている言葉をその出現頻度を基に抽出すると共に、その話題に関連する言葉も併せて抽出する情報抽出装置が記載されている。
特開平10−340275号公報
従来の感性評価システムでは、過去から現在に至る評価の基になる全ての情報を同一時間軸で管理しているため、任意の期間における評価の推移を検出できない問題がある。また、任意の時点までの評価の傾向を把握できないため、任意の時点から将来の評価の傾向を精度よく予測できない。
本発明は上記したような従来の技術が有する問題点を解決するためになされたものであり、マーケティング活動における意思決定時により役に立つ情報を得ることが可能な感性評価システム及び方法を提供することを目的とする。
上記目的を達成するため本発明の感性評価システムは、ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、前記テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する感性情報抽出処理、並びに前記感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理を実行する感性情報収集装置と、
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理を実行する感性情報検索装置と、
を有する構成である。
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理を実行する感性情報検索装置と、
を有する構成である。
または、ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、記憶装置に格納された辞書を用いて前記テキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理、並びに前記記憶装置に格納された前記形容詞、副詞及び名詞毎の出現回数の推移を前記形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置に格納する単語情報マッピング処理を実行する単語情報収集装置と、
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理を実行するマップ情報検索装置と、
を有する構成である。
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理を実行するマップ情報検索装置と、
を有する構成である。
一方、本発明の感性評価方法は、ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理と、
前記テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する感性情報抽出処理と、
前記感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理と、
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理と、
を有する方法である。
前記テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する感性情報抽出処理と、
前記感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理と、
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理と、
を有する方法である。
または、ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、
前記記憶装置に格納された辞書を用いて前記テキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理と、
前記記憶装置に格納された前記形容詞、副詞及び名詞毎の出現回数の推移を前記形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置に格納する単語情報マッピング処理と、
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理と、
を有する方法である。
前記記憶装置に格納された辞書を用いて前記テキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理と、
前記記憶装置に格納された前記形容詞、副詞及び名詞毎の出現回数の推移を前記形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置に格納する単語情報マッピング処理と、
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理と、
を有する方法である。
上記のような感性評価システム及び方法では、感性マップを特定のテーマに絞ったテキスト情報を基に作成するため、感性マップの指標を柔軟に定義することが可能であり、そこから得られる感性を示す情報は特徴的なものに絞り込まれる。そのため、検索キーワードから感性マップ間の類似度を計算することで、高い精度で感性の推移を検索できる。
また、単語マップデータベースから該検索キーワードに対応する単語マップと、該検索キーワードに最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理を有することで、例えば商品やサービスに対する現在あるいは過去の顧客の評価を高い精度で得ることができる。
本発明によれば、感性マップを特定のテーマに絞ったテキスト情報を基に作成するため、感性マップの指標を柔軟に定義することが可能であり、そこから得られる感性を示す情報は特徴的なものに絞り込まれる。そのため、検索キーワードから感性マップ間の類似度を計算することで、高い精度で感性の推移を検索できる。
また、単語マップデータベースから該検索キーワードに対応する単語マップと、該検索キーワードに最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理を有することで、例えば商品やサービスに対する現在あるいは過去の顧客の評価を高い精度で得ることができる。したがって、マーケティング活動における意思決定時により役に立つ情報を得ることができる。
次に本発明について図面を参照して説明する。
(第1の実施の形態)
図1は本発明の感性評価システムの第1の実施の形態の構成を示すブロック図であり、図2は図1に示した感性情報収集装置及び感性情報検索装置の一構成例を示すブロック図である。
(第1の実施の形態)
図1は本発明の感性評価システムの第1の実施の形態の構成を示すブロック図であり、図2は図1に示した感性情報収集装置及び感性情報検索装置の一構成例を示すブロック図である。
図1に示すように、第1の実施の形態の感性評価システムは、感性情報収集装置11、感性情報検索装置22、及び記憶装置12、13、14、21を有する構成である。
感性情報収集装置11は、インターネット等のネットワーク上に存在するテキスト情報を収集し、テキスト情報に付随して得られる時刻情報を基にテキスト情報を分類して記憶装置12に格納する時系列分類処理A1と、テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置14に格納された辞書を用いて抽出する感性情報抽出処理A2と、感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置13に格納する感性情報マッピング処理A3とを実行する。
感性情報検索装置22は、検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップ(記憶装置21に格納)と最も類似する感性マップを、記憶装置13に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理B1を実行する。
以下では、感性情報収集装置11が実行する時系列分類処理A1、感性情報抽出処理A2及び感性情報マッピング処理A3を処理フェーズAと称し、感性情報検索装置22が実行する感性マップ検索処理B1を処理フェーズBと称する。これら処理フェーズA及び処理フェーズBは並行して実行される。また、処理フェーズAは、時系列分類処理A1、感性情報抽出処理A2、感性情報マッピング処理A3の順に実行される。
テキスト情報は、インターネット等のネットワーク上に存在する掲示板、ウェブログ、アンケート、製品レビュー等、特定のウェブサイトの情報であり、テキスト情報が公開された時刻を把握できることを前提条件とする。
記憶装置14には、同義語辞書及び形態素解析処理で用いる辞書が格納され、感性情報収集装置11はシソーラス検索や形態素解析の機能を備えているものとする。記憶装置14は、感性情報抽出処理A2及び感性マップ検索処理B1にてそれぞれ利用される。
記憶装置13には感性情報マッピング処理A3の処理結果が感性マップデータベースとして格納される。感性マップデータベースには、名詞をキーとし、該名詞に係る形容詞や副詞をスコア化した情報が時系列に登録される。感性マップデータベースを常に最新の状態で保つため、感性情報収集装置11は処理フェーズAを定期的に実行するものとする。
記憶装置21には、処理フェーズAで作成された感性マップが感性の推移を検索するためのキーワード(名詞)に対応付けて格納される。
なお、図1では、感性情報収集装置11、感性情報検索装置22並びに記憶装置12〜14及び21を個別に有する構成を示しているが、これらの装置はどのように組み合わされていてもよい。例えば、これらの装置を一つの装置にまとめた構成であってもよく、上記時系列分類処理A1、感性情報抽出処理A2、感性情報マッピング処理A3または感性マップ検索処理B1毎に異なる装置で構成されていてもよい。また、記憶装置12〜14及び21は、上記感性情報収集装置11及び感性情報検索装置22を実現する装置に組み込まれていてもよく、該装置から独立した構成であってもよい。
また、上述した感性情報収集装置11、感性情報検索装置22並びに記憶装置12〜14及び21は、演算機能やメモリを備えたLSI(Large scale Integrated Circuit)あるいは論理回路等によって実現されてもよく、CPU(またはDSP)とメモリとを有するコンピュータによって実現されてもよい。以下、感性情報収集装置11、感性情報検索装置22、記憶装置12〜14及び21をコンピュータで実現する場合を例にして、図2を用いてその具体的な構成を説明する。なお、図2は、記憶装置12〜14及び21が、感性情報収集装置11及び感性情報検索装置22の処理を実現するコンピュータに組み込まれている例である。
図2に示すように、感性情報収集装置11及び感性情報検索装置22は、プログラムにしたがって所定の処理を実行する処理装置60と、処理装置60に対してコマンドや情報等を入力するための入力装置70と、処理装置60の処理結果をモニタするための出力装置80とを有する構成である。
処理装置60は、CPU61と、CPU61の処理に必要な情報を一時的に記憶する主記憶装置62と、CPU61に感性情報収集装置11及び感性情報検索装置22としての処理を実行させるためのプログラムが記録された記録媒体63と、記憶装置12〜14及び21として用いられるデータ蓄積装置64と、主記憶装置62、記録媒体63、及びデータ蓄積装置64とのデータ転送を制御するメモリ制御インタフェース部65と、入力装置70及び出力装置80とのインタフェース装置であるI/Oインタフェース部66と、インターネット等のネットワークと接続するためのインタフェースである通信制御装置67とを備え、それらがバス68を介して接続された構成である。
処理装置60は、記録媒体63に記録されたプログラムにしたがって上記時系列分類処理A1、感性情報抽出処理A2、感性情報マッピング処理A3または感性マップ検索処理B1をそれぞれ実行する。なお、記録媒体63は、磁気ディスク、半導体メモリ、光ディスクあるいはその他の記録媒体であってもよい。
次に、第1の実施の形態の感性評価システムの動作について図1を参照しつつ図3〜図7を用いて説明する。
図3は図1に示した感性情報収集装置が実行する時系列分類処理A1の手順を示すフローチャートであり、図4及び図5は図1に示した感性情報収集装置が実行する感性情報抽出処理A2の手順を示すフローチャートである。また、図6は図1に示した感性情報収集装置が実行する感性情報マッピング処理A3の手順を示すフローチャートであり、図7は図1に示した感性情報検索装置が実行する感性マップ検索処理B1の手順を示すフローチャートである。
まず、時系列分類処理A1の手順について図3を用いて説明する。
図3に示すように、感性情報収集装置11は、例えばインターネットを介して特定のウェブサイトにアクセスし、該ウェブサイトで公開された電子文書をダウンロードする。そして、該電子文書がウェブサイトに登録されたファイルの日付や該電子文書内に記載された時刻情報を基に、所定の時間毎にテキスト情報を収集する(ステップA1_1)。
次に、収集したテキスト情報を、対応する時刻情報毎に分類し、記憶装置12に格納する(ステップA1_2)。
続いて、感性情報収集装置11は、情報の収集を継続するか否かを判定し(ステップA1_3)、ターゲットとなるテキスト情報源を変更するとき等、現在のテキスト情報の収集を継続しない場合は時系列分類処理A1を終了する。また、継続する場合はステップA1_1〜A1_3の処理を繰り返すことで、所定の時間毎のテキスト情報を記憶装置12に格納する。
次に、感性情報抽出処理A2の手順について図4及び図5を用いて説明する。
図4に示すように、感性情報収集装置11は、時系列分類処理A1によって記憶装置12に格納されたテキスト情報に対し、記憶装置14に予め格納された辞書(同義語辞書、解析辞書)を用いて周知の形態素解析処理(テキスト解析処理)を実行し、テキスト情報1を名詞、形容詞、副詞等に分解する(ステップA2_1)。
そして、形容詞や副詞とそれらに係る名詞が出現する回数を所定の時刻毎にカウントし(感性情報解析処理)、そのカウント結果を、例えば表形式(図4の表参照)で記憶装置12に時系列情報データベースとして登録する(ステップA2_2)。
続いて、感性情報収集装置11は、図5に示すように記憶装置12の時系列情報データベースから1つの名詞を取り出し、その名詞に係る最も出現回数の多い形容詞や副詞を2つ抽出して、それを感性マップにおける第1の指標とする(感性指標の抽出1)(ステップA2_3)。
続いて、記憶装置14内の同義語辞書を用いて抽出した2つの形容詞や副詞の反意語を感性マップにおける第2の指標として抽出する(感性指標の抽出2)(ステップA2_4)。
そして、感性情報収集装置11は、記憶装置12に登録されている名詞のうち、未処理の名詞が無いか否かを判定し(ステップA2_5)、名詞が残っていない場合は感性情報抽出処理A2を終了する。また、名詞が残っている場合はステップA2_3〜A2_5の処理を繰り返し、全ての名詞毎の感性マップを作成する。作成した感性マップは記憶装置12に格納する。感性マップは、例えば図4に示すようにステップA2_3及びステップA2_4の処理で抽出した第1の指標及び第2の指標をそれぞれ座標軸とするグラフである。
次に、感性情報マッピング処理A3の手順について図6を用いて説明する。
図6に示すように、感性情報収集装置11は、先ず、任意の1つの名詞を選択し、該名詞に係る形容詞または副詞について、その全出現回数に対する特定の時刻tに出現する割合を形容詞または副詞毎に求める(感性情報出現率計算(時刻t))(ステップA3_1)。
次に、感性情報収集装置11は、選択した名詞に係る1つの形容詞または副詞に対して最も類似する指標を記憶装置14内の同義語辞書を用いて抽出する。このとき、抽出した指標と形容詞または副詞との間の類似度(0〜1:1が最も類似度が高い)とステップA3_1の処理で求めた感性情報出現率との積を感性マップ上に配置し、原点から該配置した点までを感性情報のベクトルとする。
感性マップは、上述したように指標となる感性情報を座標軸として持つ多次元のマップである。図5では2次元の感性マップを例示している。各座標軸は指標となる感性情報との類似度の大きさを表し、原点が最も類似度の低い状態を表す。
そして、残りの形容詞または副詞についても、同様の処理を実行して類似度と感性情報出現率の積をそれぞれ求め、最も類似する単語(指標)のベクトルとして感性マップ上に配置する。これらのベクトルの和を求めることで、図6のグラフに示すように時刻tにおける名詞毎の感性情報が感性マップ上にマッピングされる(ステップA3_2)。感性情報がマッピングされた感性マップは記憶装置13に感性マップデータベースとして登録される。
続いて、感性情報収集装置11は、感性マップに対する感性情報のマッピング処理を継続するか否かを判定し(ステップA3_3)、記憶装置12に登録された時刻を越える場合(マッピング処理を行う情報が無い場合)は感性情報マッピング処理A3を終了する。また、継続する場合はステップA3_1〜A3_3の処理を繰り返す。この感性情報のマッピング処理を繰り返すことで、感性情報の時間的推移が感性マップ上に描かれる。以上の処理は感性情報抽出処理A2で作成された各名詞の感性マップに対してそれぞれ実施される。
次に、感性マップ検索処理B1の手順について図7を用いて説明する。
なお、記憶装置21には、感性の推移を検索するための検索キーワード(名詞)に対応する、処理フェーズAで作成された感性マップ(以下、感性マップ21と称す)が格納されているものとする。
図7に示すように、感性情報検索装置22は、記憶装置13に格納された感性マップデータベースを検索し、感性マップ21内の感性の推移と類似する感性マップを選択する(感性マップの選択)(ステップB1_1)。
このとき、感性情報検索装置22は、検索キーワードと、記憶装置13に格納された感性マップの基になる名詞との類似度を求め、類似度の大きい順に各名詞に対して以降の処理を実行する。
まず、感性情報検索装置22は、感性マップ21と、記憶装置13に格納された検索キーワードに類似する名詞から作成された感性マップ(以下、感性マップAと称す)とにより感性の推移の類似性を求める(感性の推移の類似度計算)(ステップB1_2)。
感性の推移の類似性を求める方法としては、以下のような処理を実行する。
まず、感性情報検索装置22は、感性マップ21の起点となるキーワードに対応する感性の配置ポイントP(0)から最も距離が近い感性マップAの配置ポイントを測定する。次に、最も距離の近いポイント(名詞Aにおける感性の推移)を仮にQ(t)とすると、Q(t)から次の配置ポイントQ(t+1)までを一つのベクトルとして考える。また、P(0)からP(1)も同様にベクトルとして考え、この2つのベクトルの内積を求める。これを感性マップ21の終点となる配置ポイントまで繰り返し求め、内積の相加平均を計算し、該相加平均値を感性の推移の類似度とする。
次に、感性情報検索装置22は、ステップB1_1の処理で選択した名詞間の類似度と、ステップB1_2の処理で求めた感性の推移の類似度との積を計算し、その計算結果が最も大きな値となる感性マップを類似度の高いマップとして判定する(感性マップの類似度を判定)(ステップB1_3)。
そして、配置ポイントPの終点をP(m)とすると、次に予想される配置ポイントP(m+1)を、ステップB1_3の処理で求めた感性マップの配置ポイントQ(t+m)からQ(t+m+1)と同じ方向に、かつ同じ距離となる位置にマッピングすることで、将来の感性推移を予測する(将来の感性推移をマッピング)(ステップB1_4)。
以上説明したように、本実施形態の感性評価システムによれば、感性マップを特定のテーマに絞ったテキスト情報を基に作成するため、感性マップの指標を柔軟に定義することが可能であり、そこから得られる感性を示す情報は特徴的なものに絞り込まれる。そのため、検索キーワードから感性マップ間の類似度を計算することで、高い精度で感性の推移を検索できる。したがって、マーケティング活動における意思決定時により役に立つ情報を得ることができる。
なお、本実施形態では2つの感性情報を用いた2次元の感性マップを例示したが、さらに多くの感性情報を用いる多次元の感性マップを用意すれば、検索キーワードからより高い精度で感性の推移を検索できる。
また、本実施形態の感性評価システムでは、感性マップを作成した時点で、その情報は過去のものとなるため、将来の感性の推移を予測するには、よりリアルタイムに感性の推移情報を蓄積する必要がある。そこで、常に感性マップデータベースを更新することで、将来の感性の推移をより精密に予測できる。すなわち、感性マップデータベースを常に更新することで、最新の感性の推移を特定できる。
(第2の実施の形態)
次に本発明の第2の実施の形態について図面を参照して詳細に説明する。
(第2の実施の形態)
次に本発明の第2の実施の形態について図面を参照して詳細に説明する。
図8は本発明の感性評価システムの第2の実施の形態の構成を示すブロック図であり、図9は図8に示した単語情報収集装置で実行する単語情報マッピング処理C3の処理結果の一例を示す模式図である。
図8に示すように、第2の実施の形態の感性評価システムは、単語情報収集装置41、マップ情報検索装置51、及び記憶装置42、43、44を有する構成である。
単語情報収集装置41は、インターネット等のネットワーク上に存在するテキスト情報を収集し、テキスト情報に付随して得られる時刻情報を基にテキスト情報を分類して記憶装置42に格納する時系列分類処理A1と、記憶装置44に格納された辞書を用いてテキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理C2と、記憶装置42に格納された形容詞、副詞及び名詞毎の出現回数の推移を形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置43に格納する単語情報マッピング処理C3とを実行する。
マップ情報検索装置51は、検索キーワードが入力されると、単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理D1を実行する。
単語情報収集装置41は、第1の実施の形態で示した時系列分類処理A1を実行すると共に、第1の実施の形態で示した感性情報抽出処理A2に代えて単語情報抽出処理C2を実行し、第1の実施の形態で示した感性情報マッピング処理A3に代えて単語情報マッピング処理C3を実行する。
単語情報抽出処理C2は、感性情報抽出処理A2と同様に、記憶装置42に格納された時系列のテキスト情報について記憶装置44に格納された解析辞書を用いてテキスト解析(形態素解析)を行う。単語情報抽出処理C2では、感性情報解析処理A2のように、名詞、形容詞及び副詞の組合せの出現回数を求めるのではなく、形態素解析により分解した名詞、形容詞、副詞について、それぞれの出現回数を時系列に記憶装置42に格納する。
単語情報マッピング処理C3は、記憶装置42に格納された各単語の出現頻度のマッピング処理を行う。単語情報マッピング処理C3では、図9のグラフに示すように、時刻を横軸とし、出現回数を縦軸とする、出現頻度の推移を単語毎にマップ上に配置する。単語情報マッピング処理C3の処理結果は単語マップデータベースとして記憶装置43に格納される。
マップ情報検索装置51は、検索キーワードと類似する単語を記憶装置43に格納された単語マップデータベースを基に検索し、その結果を類似性予測結果として出力する単語マップ検索処理D1を実行する。
単語情報収集装置41が実行する時系列分類処理A1、単語情報抽出処理C2及び単語情報マッピング処理C3は処理フェーズCと称し、マップ情報検索装置51が実行する単語マップ検索処理D1は処理フェーズDと称するものとする。これら処理フェーズC及び処理フェーズDは並行して実行される。また、処理フェーズCは、時系列分類処理A1、単語情報抽出処理C2、単語情報マッピング処理C3の順に実行される。
記憶装置44には形態素解析に用いる解析辞書が格納され、第1の実施の形態の感性情報収集装置11と同様に、単語情報収集装置41は形態素解析処理を実行するための機能を備えているものとする。
なお、図8では、単語情報収集装置41、マップ情報検索装置51及び記憶装置42〜44を個別に有する構成を示しているが、これらの装置はどのように組み合わされていてもよい。例えば、これらの装置を一つの装置にまとめた構成であってもよく、上記時系列分類処理A1、単語情報抽出処理C2、単語情報マッピング処理C3または単語マップ検索処理D1毎に異なる装置で構成されていてもよい。また、記憶装置42〜44は、上記単語情報収集装置41及びマップ情報検索装置51を実現する装置に組み込まれていてもよく、該装置から独立した構成であってもよい。
また、上述した単語情報収集装置41、マップ情報検索装置51及び記憶装置42〜44は、第1の実施の形態と同様に、演算機能やメモリを備えたLSI(Large scale Integrated Circuit)あるいは論理回路等によって実現されてもよく、CPU(またはDSP)とメモリとを有するコンピュータによって実現されてもよい。
なお、単語情報収集装置41、マップ情報検索装置51、及び記憶装置42〜44の具体的な装置例については、第1の実施の形態で示した図2と同様であるため、その説明は省略する。
このような構成において、第2の実施の形態の感性評価システムは、第1の実施の形態の感性評価システムのように商品やサービスに対する将来の評価の推移を予測するのではなく、検索キーワードから、それに関連する(類似する)形容詞や副詞あるいは名詞を推定して出力する。
次に第2の実施の形態の感性評価システムが有するマップ情報検索装置51の動作について図10を用いて説明する。
図10は図8に示したマップ情報検索装置が実行する単語マップ検索処理D1の手順を示すフローチャートである。
なお、以下では、単語情報収集装置41が実行する上記時系列分類処理A1、単語情報抽出処理C2及び単語情報マッピング処理C3によって、例えばインターネットを介して収集されたテキスト情報が形態素解析により形容詞や副詞あるいは名詞に分解され、それぞれの単語毎の出現頻度が記憶装置43に単語マップデータベースとして登録されているものとする。
図10に示すように、マップ情報検索装置51は、先ず記憶装置43に格納された単語マップデータベースから検索キーワードに対応する単語マップを選択する(単語マップの選択)(ステップD1_1)。
次に、マップ情報検索装置51は、選択した単語マップと単語マップデータベース内の他の単語マップとの類似度をそれぞれ計算する(出現頻度推移の類似度計算)(ステップD1_2)。
出現頻度の推移の類似度は、例えば以下の手順で計算する。
まず、マップ情報検索装置51は、単語マップ内の隣接する2つの時刻における単語の出現頻度の値どうしを結ぶベクトルをそれぞれ想定する。図10のグラフで示す例では、名詞Aに対応して、Q(0)を始点としQ(1)を終点とするベクトル、Q(1)を始点としQ(2)を終点とするベクトル、Q(2)を始点としQ(3)を終点とするベクトルがある。また、検索キーワードに対応して、P(0)を始点としP(1)を終点とするベクトル、P(1)を始点としP(2)を終点とするベクトル、P(2)を始点としP(3)を終点とするベクトルがある。
次に、マップ情報検索装置51は、同時刻毎に得られる、検索キーワードに対応するベクトルと他の単語に対応するベクトルとの内積をそれぞれ計算する。図10のグラフで示す例では、P(0)を始点としP(1)を終点とするベクトルと、Q(0)を始点としQ(1)を終点とするベクトルの内積を計算し、P(1)を始点としP(2)を終点とするベクトルと、Q(1)を始点としQ(2)を終点とするベクトルの内積を計算し、P(2)を始点としP(3)を終点とするベクトルと、Q(2)を始点としQ(3)を終点とするベクトルの内積をそれぞれ計算する。
続いて、マップ情報検索装置51は、時刻毎の内積値の相加平均値を算出する。
マップ情報検索装置51は、単語マップデータベース内の他の全ての単語マップについて、同様の演算を実行し、各単語マップについて、それぞれ時刻毎の内積値の相加平均値を算出する。以上の処理により、出現頻度の推移の類似度(相加平均値)を単語マップデータベース内の単語マップ毎に計算する。
最後に、マップ情報検索装置51は、算出した相加平均値の値が最も大きい単語マップの基になる単語を、検索キーワードに対して最も類似度が高い単語として判定し、その判定結果を類似性予測結果として出力する(ステップD1_3)。
第2の実施の形態の感性評価システムによれば、検索キーワードから、それに関連する(類似する)形容詞や副詞あるいは名詞を推定して出力することで、例えば、商品やサービスに対する現在あるいは過去の顧客の評価を高い精度で得ることができる。したがって、マーケティング活動における意思決定時により役に立つ情報を得ることができる。
また、第2の実施の形態の感性評価システムでは、検索キーワードの入力から予測結果の出力までの処理速度が向上する。これは、第1の実施の形態の感性評価システムのように、同義語辞書を使用した処理が存在しないためである。
11 感性情報収集装置
12、13、14、21、42、43、44 記憶装置
22 感性情報検索装置
41 単語情報収集装置
51 マップ情報検索装置
60 処理装置
61 CPU
62 主記憶装置
63 記録媒体
64 データ蓄積装置
65 メモリ制御インタフェース部
66 I/Oインタフェース部
67 通信制御装置
68 バス
70 入力装置
80 出力装置
12、13、14、21、42、43、44 記憶装置
22 感性情報検索装置
41 単語情報収集装置
51 マップ情報検索装置
60 処理装置
61 CPU
62 主記憶装置
63 記録媒体
64 データ蓄積装置
65 メモリ制御インタフェース部
66 I/Oインタフェース部
67 通信制御装置
68 バス
70 入力装置
80 出力装置
Claims (4)
- ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、前記テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する感性情報抽出処理、並びに前記感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理を実行する感性情報収集装置と、
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理を実行する感性情報検索装置と、
を有する感性評価システム。 - ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、記憶装置に格納された辞書を用いて前記テキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理、並びに前記記憶装置に格納された前記形容詞、副詞及び名詞毎の出現回数の推移を前記形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置に格納する単語情報マッピング処理を実行する単語情報収集装置と、
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理を実行するマップ情報検索装置と、
を有する感性評価システム。 - ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理と、
前記テキスト情報から感性を示す形容詞及び副詞とそれらに係る名詞の組合せを記憶装置に格納された辞書を用いて抽出する感性情報抽出処理と、
前記感性情報抽出処理で抽出された各名詞に係る形容詞及び副詞のうち、出現率の高い形容詞及び副詞を指標とし、該指標となる形容詞及び副詞と類似する形容詞及び副詞の出現率の推移を示す感性マップを各名詞に対応してそれぞれ生成し、感性マップデータベースとして記憶装置に格納する感性情報マッピング処理と、
検索キーワードが入力されると、該検索キーワードと同じ言葉に基づいて作成された感性マップと最も類似する感性マップを、記憶装置に格納された感性マップデータベースから検索し、その検索結果を評価の予測結果として出力する感性マップ検索処理と、
を有する感性評価方法。 - ネットワーク上に存在するテキスト情報を収集し、前記テキスト情報に付随して得られる時刻情報を基に前記テキスト情報を分類して記憶装置に格納する時系列分類処理、
前記記憶装置に格納された辞書を用いて前記テキスト情報を形容詞、副詞及び名詞に分解する単語情報抽出処理と、
前記記憶装置に格納された前記形容詞、副詞及び名詞毎の出現回数の推移を前記形容詞、副詞及び名詞毎に単語マップとして生成し、単語マップデータベースとして記憶装置に格納する単語情報マッピング処理と、
検索キーワードが入力されると、前記単語マップデータベースから該検索キーワードに対応する単語マップを抽出し、該単語マップと最も出現回数の推移が類似する単語マップを検索し、その検索結果を類似性の予測結果として出力する単語マップ検索処理と、
を有する感性評価方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006041005A JP2007219929A (ja) | 2006-02-17 | 2006-02-17 | 感性評価システム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006041005A JP2007219929A (ja) | 2006-02-17 | 2006-02-17 | 感性評価システム及び方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007219929A true JP2007219929A (ja) | 2007-08-30 |
Family
ID=38497149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006041005A Withdrawn JP2007219929A (ja) | 2006-02-17 | 2006-02-17 | 感性評価システム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007219929A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101074215B1 (ko) | 2009-02-27 | 2011-10-14 | 에스케이 텔레콤주식회사 | 여론 분석 장치 및 문서 분석을 통한 여론 평가 방법 |
JP2014010753A (ja) * | 2012-07-02 | 2014-01-20 | Pioneer Electronic Corp | 文書評価整理システム及び方法、コンピュータプログラム並びに記録媒体 |
KR101448228B1 (ko) | 2013-02-12 | 2014-10-10 | 이주양 | 소셜 데이터 분석 장치 및 방법 |
US9245023B2 (en) | 2009-11-27 | 2016-01-26 | Nec Corporation | Reputation analysis system and reputation analysis method |
KR101613259B1 (ko) | 2014-07-17 | 2016-04-19 | 건국대학교 산학협력단 | 소셜 네트워크 서비스 사용자의 감성 분석 시스템 및 그 방법 |
WO2017213278A1 (ko) * | 2016-06-09 | 2017-12-14 | 주식회사 비엔알아이 | 분석 대상의 속성 분석 시스템 및 방법 그리고, 방법에 대한 컴퓨터프로그램을 저장한 기록 매체 |
JP6342027B1 (ja) * | 2017-02-21 | 2018-06-13 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
JP2018136931A (ja) * | 2018-01-24 | 2018-08-30 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
WO2019039659A1 (ko) * | 2017-08-23 | 2019-02-28 | 건국대학교 산학협력단 | 감성 기반의 사용자 관리 방법 및 이를 수행하는 장치들 |
JP2020184158A (ja) * | 2019-05-07 | 2020-11-12 | トヨタ紡織株式会社 | 情報処理装置、および情報処理装置の制御方法 |
-
2006
- 2006-02-17 JP JP2006041005A patent/JP2007219929A/ja not_active Withdrawn
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101074215B1 (ko) | 2009-02-27 | 2011-10-14 | 에스케이 텔레콤주식회사 | 여론 분석 장치 및 문서 분석을 통한 여론 평가 방법 |
US9245023B2 (en) | 2009-11-27 | 2016-01-26 | Nec Corporation | Reputation analysis system and reputation analysis method |
JP2014010753A (ja) * | 2012-07-02 | 2014-01-20 | Pioneer Electronic Corp | 文書評価整理システム及び方法、コンピュータプログラム並びに記録媒体 |
KR101448228B1 (ko) | 2013-02-12 | 2014-10-10 | 이주양 | 소셜 데이터 분석 장치 및 방법 |
KR101613259B1 (ko) | 2014-07-17 | 2016-04-19 | 건국대학교 산학협력단 | 소셜 네트워크 서비스 사용자의 감성 분석 시스템 및 그 방법 |
WO2017213278A1 (ko) * | 2016-06-09 | 2017-12-14 | 주식회사 비엔알아이 | 분석 대상의 속성 분석 시스템 및 방법 그리고, 방법에 대한 컴퓨터프로그램을 저장한 기록 매체 |
JP6342027B1 (ja) * | 2017-02-21 | 2018-06-13 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
JP2018136720A (ja) * | 2017-02-21 | 2018-08-30 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
WO2019039659A1 (ko) * | 2017-08-23 | 2019-02-28 | 건국대학교 산학협력단 | 감성 기반의 사용자 관리 방법 및 이를 수행하는 장치들 |
JP2018136931A (ja) * | 2018-01-24 | 2018-08-30 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
JP2020184158A (ja) * | 2019-05-07 | 2020-11-12 | トヨタ紡織株式会社 | 情報処理装置、および情報処理装置の制御方法 |
JP7188268B2 (ja) | 2019-05-07 | 2022-12-13 | トヨタ紡織株式会社 | 情報処理装置、および情報処理装置の制御方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007219929A (ja) | 感性評価システム及び方法 | |
US9183281B2 (en) | Context-based document unit recommendation for sensemaking tasks | |
JP5232260B2 (ja) | 話題抽出装置及びプログラム | |
CN106383836B (zh) | 将可操作属性归于描述个人身份的数据 | |
KR100859918B1 (ko) | 사용자 피드백을 이용하여 검색된 컨텐츠를 평가하고 평가결과를 이용하여 검색 결과를 제공하는 방법 및 장치 | |
EP2488970A1 (en) | System and method for grouping multiple streams of data | |
JP2009110513A (ja) | ワードの類似性を用いたオントロジーの自動生成 | |
JP2003288362A (ja) | 特定要素ベクトル生成装置、文字列ベクトル生成装置、類似度算出装置、特定要素ベクトル生成プログラム、文字列ベクトル生成プログラム及び類似度算出プログラム、並びに特定要素ベクトル生成方法、文字列ベクトル生成方法及び類似度算出方法 | |
WO2012096388A1 (ja) | 意外性判定システム、意外性判定方法およびプログラム | |
JP2008210024A (ja) | 文書集合分析装置,文書集合分析方法,その方法を実装したプログラム及びそのプログラムを格納した記録媒体 | |
US8140464B2 (en) | Hypothesis analysis methods, hypothesis analysis devices, and articles of manufacture | |
JP2005107688A (ja) | 情報表示方法及びシステム及び情報表示プログラム | |
JP2011086043A (ja) | 単語テーマ関連度算出装置、単語テーマ関連度算出用プログラムおよび情報検索装置 | |
JP2016218512A (ja) | 情報処理装置及び情報処理プログラム | |
CN112733538B (zh) | 一种基于文本的本体构建方法及装置 | |
US9336280B2 (en) | Method for entity-driven alerts based on disambiguated features | |
JP2010198142A (ja) | 文書中に含まれる語句がカテゴリ別に配属されるデータベースの作成装置、データベースの作成方法、および、データベースの作成プログラム | |
Mohemad et al. | Performance analysis in text clustering using k-means and k-medoids algorithms for Malay crime documents | |
Ge et al. | A Novel Chinese Domain Ontology Construction Method for Petroleum Exploration Information. | |
Riadsolh et al. | Cloud-Based Sentiment Analysis for Measuring Customer Satisfaction in the Moroccan Banking Sector Using Na? ve Bayes and Stanford NLP | |
JP5321258B2 (ja) | 情報収集システムおよび情報収集方法ならびにそのプログラム | |
Moumtzidou et al. | Discovery of environmental nodes in the web | |
EP4002152A1 (en) | Data tagging and synchronisation system | |
JP2006286026A (ja) | 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 | |
JP2022137569A (ja) | 情報管理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20090306 |