JP2009026133A - 文書合致度合い評価方法 - Google Patents

Abstract

【課題】ブログサイト等において互いに共感できる人物同士を特定することを可能とするために、文書同士の合致度合いを的確に評価することができる方法を提供する。
【解決手段】ブログサイトに存在する日記文書（共感先文書）群と、この日記文書に対するコメント文書（共感元文書）群とを文書解析する。共感先文書群又は共感元文書群に使用されている単語等の出現頻度と該単語等を含む日記文書又はコメント文書の数とから、その単語等の共感先文書群中又は共感元文書群中における重みをそれぞれ求める。そして、共感先文書群と共感元文書群とにおいて共通して使用されている共通単語等を特定し、共感先文書群と共感元文書群とに含まれる単語等の重み総計に対する、前記共通単語等が占める重みと、それ以外の単語等が占める重みとの割合から、共感先文書群と共感元文書群との合致度合いを評価する。
【選択図】図１

Description

本発明は、例えばブログサイト等において、互いに共感できる人物をマッチングさせることを可能とするための、文書合致度合い評価方法に関する。

昨今、インターネット上のブログサイト、ＳＮＳ（Social Networking Service）等の利用者は爆発的に増加している。ブログ等のユーザの多くは、日記文書の公開を通して他人の共感を得ること、乃至は日記文書を閲覧して自分が共感できる他人と出会うことを望んでいると言うことができる。ブログ等は、日常問題や時事問題に関する体験、感想、意見等を含む日記文書等の投稿、その日記文書に対するコメント文書の投稿の機会を通して、人々に共感や安心感、問題解決の糸口を提供するといったような、社会的貢献の役割をいまや担っていると言える。

ところで、ブログサイト等において自分が共感できる他人を見つけるためには、何らかの検索を行う必要がある。このような検索の従来手法としては、無作為検索、カテゴリ検索、属性・キーワード検索を挙げることができる。無作為検索は、投稿日や投稿者を指定する程度の検索を行い手動でＷｅｂページを閲覧する手法である。カテゴリ検索は、「子育て」、「ボランティア」といったテーマ分類を活用して検索する手法である。属性・キーワード検索は、投稿者の年齢や性別、キーワードを利用して検索する手法である。ブログサイトのキーワード検索の手法として、例えば特許文献１を例示することができる。
特開２００７−１１６５１号公報

ところで、ブロガーの大量発生により、ブログサイトやＳＮＳは巨大化する傾向があり、現に数百万人規模の会員を擁するサイトも存在する。このような巨大サイトにおいて、従来の検索手法に依拠して検索を行っても、ユーザは、自分が共感する人物を効率良く、また精度良く見つけ出すのは困難である。すなわち、無作為検索やカテゴリ検索では、検索がラフすぎてなかなか共感先を見つけられない。一方キーワード検索では、適切なキーワードを選択し複雑な検索設定を行わないと、的確な検索結果は得られない。或いは、複雑な検索設定を行ったとしても、ヒット件数が膨大になることがある。

このように、なかなか自分が共感できる人物が発見できない結果、ブログサイトの日記文書に対してのコメント投稿が停滞し、サイトの活性度が低下する懸念がある。サイト運営者においてこのような事態は望ましいことではない。

そこで、共感人物同士を特定するために、既にブログサイト上で文書交信の実績をもつ者が作成した文書、つまり実際に共感している者によって現に作成された文書を解析することで、共感度を数値判定するための判定式の類を導出し、この判定式にまだ出会っていない者同士の作成に係る文書を当てはめて、その者同士の共感度を自動判定する手法が考えられる。このような手法を取る場合、抽出された文書について合致度合いを的確に評価できる方法の確立が必要となる。

本発明は、上記の問題点に鑑みてなされたもので、ブログサイト等において互いに共感できる人物同士を特定することを可能とするために、文書同士の合致度合いを的確に評価することができる方法を提供することを目的とする。

本発明の一の局面に係る文書合致度合い評価方法は、第１カテゴリに属する複数の単位文書からなる第１文書群と、前記第１カテゴリとは異なる第２カテゴリに属する複数の単位文書からなる第２文書群とを抽出し、前記第１文書群の各単位文書を文書解析して、第１文書群に使用されている所定の文字区分の単位で、該文字区分の出現頻度と該文字区分を含む単位文書の数とから、その文字区分の第１文書群中における重みをそれぞれ求め、前記第２文書群の各単位文書を文書解析して、第２文書群に使用されている所定の文字区分の単位で、該文字区分の出現頻度と該文字区分を含む単位文書の数とから、その文字区分の第２文書群中における重みをそれぞれ求め、前記第１文書群と前記第２文書群とにおいて共通して使用されている共通文字区分を特定し、前記第１文書群と前記第２文書群とに含まれる文字区分の重み総計に対する、前記共通文字区分が占める重みと、それ以外の文字区分が占める重みとの割合から、前記第１文書群と第２文書群との合致度合いを評価することを特徴とする（請求項１）。

この方法によれば、第１文書群及び第２文書群について、所定の文字区分の出現頻度と該文字区分を含む単位文書の数とから、その文字区分の各文書群中における重みが求められる。このため、例えば「私」、「ありがとう」というような、どの文書にも出現するような一般的な単語（文字区分）には前記重みを小さく、本来的に特徴性の高い単語等には前記重みを大きく設定することが可能となる。また、一つの単位文書で重みを評価するのではなく、単位文書の集合体としての文書群で重みの評価を行うので、本来的に特徴性の高い単語等が小さい重みに評価されてしまうことを抑止することができる。そして、このようにして付与された重みを用い、共通文字区分が占める重み割合に基づいて第１文書群と第２文書群との合致度合いが評価されるので、特徴性の高い単語等の合致性などを考慮に入れて的確に文書群同士の合致度合いを評価することができる。

上記構成において、前記第１文書群又は第２文書群中における各文字区分の重みをｗとするとき、該重みｗは、前記文字区分の出現頻度をｔｆ、前記文字区分を含む単位文書の数をｄｆ、単位文書の総数をＮとするとき、次の（１）式で求めるようにすることができる（請求項２）。
ｗ＝ｔｆ×（Ｎ／ｄｆ） ・・・（１）

この構成によれば、上述の一般的な単語には比較的小さい重み数値を与え、特徴性の高い単語等には比較的大きい重み数値を与えることができる。従って、簡単な算術式にて、的確に各文字区分へ重み数値を付与することができる。

上記構成において、前記文字区分が、品詞単位の文字列であることが望ましい（請求項３）。この構成によれば、例えば名詞、動詞、形容詞、形容動詞、感嘆詞などの単位で合致度合いを評価でき、汎用の文書解析手法を援用して本発明に係る評価を容易に実行できるようになる。

上記構成において、前記単位文書が、一つの話題単位で作成された一又は複数の文章からなることが望ましい（請求項４）。一般に、一つの話題に関わる文章で使用された特徴性をもつ単語等は、他の話題に関わる文章で使用されることは少ない。一方、一般的な単語は、話題の如何に拘わらず、文章に登場すると言える。このことから、一つの話題に関わる文章（群）を前記単位文書と扱うことで、一層的確に重みを付与することができる。

上記構成において、前記第１文書群及び第２文書群は、インターネット上の特定のウエブサイトから選定されることが望ましい（請求項５）。また、前記ウエブサイトがブログサイトであって、前記単位文書が一つのブログ文書、若しくは一つのブログ文書に対するコメント文書であることが望ましい（請求項６）。

本発明は、異なるカテゴリに属する文書データ（例えば異なるプレイヤにより作成された文書データ）が存在すれば適用可能であり、例えば電子メール上の文書や、音声データのテキスト化文書にも適用可能である。しかし、本発明の適用用途としては、多数人の文書が存在するインターネット上の特定のウエブサイト文書に適用することが好適である。特にブログサイトには、交信文書が多数存在し、また「共感してほしいプレイヤ」、「共感する人を見つけたいプレイヤ」が多数潜在していると考えられることから、特に好ましい用途である。

上記構成において、前記ブログサイトに対する前記ブログ文書の書き込み数、書き込み文字数及び書き込み時間、若しくは前記コメント文書の書き込み数、書き込み文字数及び書き込み時間を含むデータから得られる第１変数群を導出し、前記第１文書群と前記第２文書群との合致度合いのデータから得られる第２変数群を導出し、前記第１変数群を目的変数とし、前記第２変数群を説明変数として、多変量解析を行うことが望ましい（請求項７）。この構成によれば、多変量解析を行うことにより、共感度を数値判定するための判定式を求めることが可能となる。

この場合、前記第１変数群を導出するデータは増減データを含み、該増減データには増加方向を統一する前処理が施されることが望ましい（請求項８）。この構成によれば、増減データの増加方向を統一することで、多変量解析の精度を高めることができる。

本発明によれば、異なるカテゴリに属する文書群同士について、両者の合致度合いを的確に評価できる。この評価値を用いて、例えば多変量解析を行い、共感度を評価するための適切な判定式を設定することが可能となる。さらには、当該判定式を適用して、交信実績のない者同士の共感度を評価することができる。従って、ブログサイト等において共感できる可能性のあるプレイヤ同士を的確に抽出し、これらプレイヤに情報を提供することができる。そして、共感者が高効率且つ高精度に検索できることでブログサイト等への投稿を促進でき、サイト運営者にとっても当該サイトが活性化されるという利点がある。

以下、図面に基づいて、本発明の実施形態につき説明する。図１は、本発明に係る文書合致度合い評価方法が適用されるネットワークシステムＳのハードウェア構成を概略的に示す構成図である。このネットワークシステムＳは、解析処理装置１０と、ネットワークシステムＳのユーザである第１〜第４プレイヤに保有されている第１〜第４端末装置２１〜２４と、ブログサイト３０（ブログサーバ３１）とが、インターネットＩＮを介してデータ通信可能に接続されてなる。

第１〜第４プレイヤは、例えばブログサイト３０のサイト運営者に対して自身の属性情報を開示し、ブログサイト３０の会員として登録されている者である。第１〜第４プレイヤは、第１〜第４端末装置２１〜２４を介して、ブログサイト３０に日記文書を投稿したり、その日記文書に対してコメント文書を書き込んだり、或いはこれら文書を閲覧したりすることが可能とされている。第１〜第４端末装置２１〜２４は、代表的には、インターネット接続されたパーソナルコンピュータ、携帯電話機、携帯情報端末機等である。

なお、ここでは第１〜第４プレイヤのみを例示しているが、実際は多数のプレイヤが存在している。また、以下の説明では、第１プレイヤと第２プレイヤとが、相互間で文書交信の実績をもつプレイヤ同士（既に出会っている人々）であり、第３プレイヤと第４プレイヤとが、相互間で文書交信の実績をもたないプレイヤ同士（まだ出会っていない人々）であるものとする。

解析処理装置１０は、相互間で文書交信の実績をもつプレイヤの属性、基本情報及びこれらプレイヤ間で作成されブログサイト３０に投稿された文書を文書解析して得られたデータに基づいて多変量解析行い、その結果として得られた判定式を用いて、まだ交信実績のないプレイヤ同士の共感度を評価するための装置である。この解析処理装置１０は、例えば上記解析処理等を行うＣＰＵ（中央演算処理装置）を備えた大型のコンピュータ装置である。

図２は、解析処理装置１０の機能構成を示す機能ブロック図である。前記ＣＰＵ等は、共感度判定を行うべくプログラミングされたソフトウェアが実行されることで、図２に示す機能部を具備するように動作する。解析処理装置１０は、機能的に、選定部１１、解析部１２、評価部１３、表示部１４及び記憶部１５を備える。この解析処理装置１０には、会員サーバ１００及びブログサーバ３１が接続されている。

会員サーバ１００は、ブログサイト３０に会員登録されているプレイヤの属性情報（氏名、住所、アドレス、年齢、性別、興味関心事など）が蓄積されたサーバである。ブログサーバ３１は、ブログサイト３０に書き込まれた文書の文書データ、その文書の投稿日時、投稿者等の各種データを蓄積するサーバである。

解析処理装置１０の選定部１１は、解析すべき対象を特定するための機能部であり、プレイヤ選定部１１１と、データ抽出部１１２とを備える。プレイヤ選定部１１１は、ブログサーバ３１の記録に基づいて、相互間で文書交信の実績をもつ第１プレイヤ及び第２プレイヤと、文書交信の実績をもたない第３プレイヤ及び第４プレイヤとを選定する。

データ抽出部１１２は、会員サーバ１００及びブログサーバ３１から、プレイヤ選定部１１１で選定されたプレイヤに関連付けて、解析パラメータとして利用されるデータを抽出する処理を行う。データ抽出部１１２は、プレイヤの属性情報や、ブログサイト３０への書き込みに関する基本情報から、数値化可能なデータを抽出する。具体的にはデータ抽出部１１２は、会員サーバ１００から、例えば属性合致率というパラメータを算出するために第１〜第４プレイヤの属性情報を抽出する。また、ブログサーバ３１から、例えば書き込み回数というパラメータを算出するために、第１プレイヤと第２プレイヤとの間で交信された文書の数を抽出する。

解析部１２は、多変量解析に用いられる各種の数量化された変数を生成する機能部である。解析部１２は、文書抽出部１２１と、文書解析部１２２と、パラメータ算出部１２３とを含む。

文書抽出部１２１は、選定部１１において、相互間で文書交信の実績をもつプレイヤとして選定された第１プレイヤ及び第２プレイヤに関し、第１プレイヤ又は第２プレイヤにより作成された（すなわち、第１端末装置２１又は第２端末装置２２を通してブログサイト３０に書き込まれた；以下同じ）第１文書と、第２プレイヤ又は第１プレイヤにより作成され、前記第１文書に呼応して作成された第２文書をブログサーバ３１から抽出する。

ここで、第１文書は、例えば日記文書（ブログ文書）であり、ブログサイト３０においてプレイヤの共感を引きつける「共感先」となる文書である。また、第２文書は、例えばブログ公開された日記文書に対して書き込まれたコメント文書であり、プレイヤが共感を示した「共感元」の文書である。なお、コメント文書に対する再コメント文書が投稿された場合は、コメント文書が「共感先文書」、再コメント文書が「共感元文書」となる。

また、文書抽出部１２１は、選定部１１において、相互間で文書交信の実績をもたないプレイヤとして選定された第３プレイヤ及び第４プレイヤに関し、第３プレイヤ又は第４プレイヤにより作成された第３文書と、第３プレイヤ又は第４プレイヤにより作成され、任意のプレイヤの作成に係る文書に呼応して作成された第４文書とを抽出する。ここで、第３文書は、例えば第３プレイヤ又は第４プレイヤの作成に係る日記文書（共感先文書）である。また、第４文書は、例えば任意のプレイヤの日記文書に対して投稿された、第３プレイヤ又は第４プレイヤの作成に係るコメント文書（共感元文書）である。

文書解析部１２２は、第１文書〜第４文書を文書解析して所定のデータを抽出する処理を行う。具体的には文書解析部１２２は、第１文書〜第４文書の正規化処理、文書構造解析処理、及び文書構造解析の結果に基づくデータ抽出処理などを行う。

正規化処理は、文書構造解析を正常に行い得るようにするために、第１文書〜第４文書から解析に不要な文字、記号等を削除すると共に、全角・半角文字の統一等を行う処理である。文書構造解析処理は、正規化処理後の第１文書〜第４文書に対しそれぞれ、例えば形態素解析を実施して文書を単語単位に分割する処理、構文解析処理を実施して単語間の係り受け（名詞と動詞との関係付け等）を特定する処理などである。このような文書構造解析処理のため、文書解析部１２２は、同義語及び表記の揺れを吸収するシソーラス（同義語辞書）を活用する。前記データ抽出処理は、例えばプレイヤ毎に共感先文書、共感元文書の単位で品詞の出現頻度や係り受けの出現頻度を求める等、数値化できるデータを抽出する処理である。なお、上記正規化処理の際に文書に含まれる顔文字や絵文字を抽出し、これらの出現頻度やカテゴリをデータ化するようにしても良い。

パラメータ算出部１２３は、データ抽出部１１２にてプレイヤの属性情報や、ブログサイト３０への書き込みに関する基本情報から抽出されたデータ、文書解析部１２２での解析結果から得られたデータをベースにして、プレイヤのペア間における相関性を示す候補となりうる複数のパラメータ（数量化された複数の変数）を算出する。本実施形態では、前記ペアは、第１プレイヤと第２プレイヤとのペア、第３プレイヤと第４プレイヤとのペアである。

文書解析結果から得られるパラメータの例としては、文書中の品詞（名詞、形容詞、動詞）出現頻度の合致率、同一名詞の登場率、係り受けの合致率、文書意図（「〜しない」、「〜できる」のような意図句）の合致率等を例示することができる。なお、本実施形態では、上記の品詞単位の文字列（文字区分）の出現頻度と、その文字区分を含む単位文書の数とから、当該文字区分の重みを考慮して合致率が評価される。この点については、後記で詳述する。

また、属性情報や基本情報から得られるパラメータの例としては、年齢、性別、趣味等の属性合致率、日記文書やコメント文書の書き込み文字平均数、書き込み回数、書き込み応答時間（例えば、日記文書が投稿された後にコメントが投稿されるまでの時間間隔）等を例示することができる。一般に、書き込み文字平均数、回数が多いほど、書き込み応答時間が短いほど共感度が高いと推定できる。なお、品詞合致率等は、共感度の高さと相関性があるのか否か一概に言えないが、ここでのパラメータとしては相関性の確かさは必須ではなく、何らかの相関性を持ち得るものであれば、パラメータとして採用できる。

評価部１３は、パラメータ算出部１２３にて得られたパラメータを用い、共感度を評価するための判定式の設定、及びこの判定式を用いて共感度を判定する機能部である。評価部１３は、ファイル作成部１３１、多変量解析部１３２及び共感度判定部１３３を備えている。

ファイル作成部１３１は、第１プレイヤ及び第２プレイヤの各共感先文書、共感元文書の解析データに基づいて数量化された複数のパラメータ、第１プレイヤ及び第２プレイヤの属性情報や基本情報から得られたパラメータを含む、多変量解析のためのファイルを作成する。また、ファイル作成部１３１は、第３プレイヤ及び第４プレイヤの各共感先文書、共感元文書の解析データに基づいて数量化された複数のパラメータ、第３プレイヤ及び第４プレイヤの属性情報や基本情報から得られたパラメータを含む、パラメータファイルを作成する。

多変量解析部１３２は、前記第１多変量解析対象ファイルに含まれるパラメータ群を用いて多変量解析を行うことで、第１プレイヤと第２プレイヤとの間の共感度を数値判定するための判定式を設定する。多変量解析の手法としては、例えば重回帰分析、判別分析、数量化Ｉ類、数量化II類を採用することができる。

ファイル作成部１３１は、これらの解析を実行可能とするために、上記パラメータを適宜「目的変数」、「説明変数」として設定する。例えば、上記の書き込み回数等は目的変数として、品詞合致率等は説明変数として設定される。図３に、上記「目的変数」及び「説明変数」の設定例を示しておく。

いずれの多変量解析手法を採用するかについては、判定目的に応じて定めることが望ましい。例えば目的が、「ある人に対して、最も共感できる人を見つける」、「共感度合いを具体的に数値で予測する（例：共感人物ランキングを求める）」といったものである場合は、重回帰分析又は数量化Ｉ類が適している。さらに、説明変数が全て数量変数である場合、若しくは数量変数とカテゴリ変数との複合の場合は重回帰分析が、説明変数が全てカテゴリ変数である場合は数量化Ｉ類が選定される。一方、目的が「ある人に対して、共感できる人と共感できない人とを判別する」といったものである場合は、判別分析又は数量化II類が適している。さらに、説明変数が全て数量変数である場合、若しくは数量変数とカテゴリ変数との複合の場合は判別分析、説明変数が全てカテゴリ変数である場合は数量化II類が選定される。

このような多変量解析が実行された後、その解析精度が判定される。この解析精度判定は、上記多変量解析手法において一般的に用いられている精度判定手法を採用することができる。例えば重回帰分析の場合は次の通りである。先ず、解析結果から多重共腺性が発生していない目的変数と説明変数の組を抽出し、その組の中から例えばＰ値（危険率）が一定値以下の組を抽出する。その組の中から、例えば自由度修正済み決定係数が一定値以上で、最も数値が高い組を抽出する。この高数値の組の目的変数を左辺係数、説明変数と切片係数とを右辺係数に設定した回帰式を共感度の判定式と決定する。なお、Ｐ値若しくは自由度修正済み決定係数が一定値未満の場合は、低精度結果と判定し、この重回帰分析に基づいた判定式は用いないようにする。

また、判別分析の場合は、同様に解析結果から多重共腺性が発生していない目的変数と説明変数の組を抽出し、その組の中から、ボックスのＭ検定により、１群と２群との母分散共分散行列が異なっていない組（判別関数を抽出可能な組）を抽出する。その組の中から、判別的中率と相関比とが一定値以上で、最も数値が高い組を抽出する。この高数値の組の目的変数を左辺係数、説明変数と切片係数とを右辺係数に設定した回帰式を共感度の判定式と決定する。なお、ボックスのＭ検定若しくは判別的中率と相関比とが一定値未満の場合は、低精度結果と判定し、この判別分析に基づいた判定式は用いないようにする。以上のようにして決定された共感度判定式は、記憶部１５に格納される。

共感度判定部１３３は、記憶部１５に格納されている共感度判定式に、ファイル作成部１３１で作成された前記パラメータファイルに含まれるパラメータ群を代入して、第３プレイヤと第４プレイヤとの共感度を数値判定する処理を行う。その判定結果は、表示部１４に表示される。或いは、第３、第４端末装置２３、２４へ向けて送信し、適宜な形態にてブログサイト３０の入力画面等に表示させるようにしても良い。

判定結果の具体例は、重回帰分析又は数量化Ｉ類が用いられた場合、例えば目的変数が「コメント書き込み回数」である場合、特定のプレイヤのペアが日記文書投稿者とコメント書き込み者の関係になったと仮定したときの書き込み回数が予測数値として得られる。また、このような予測数値に基づき、特定のプレイヤに対しコメントを沢山書いてくれると予想されるプレイヤをランキング表示することも可能である。

また、判別分析又は数量化II類が用いられた場合、例えば目的変数が「第１群＝コメント書き込み回数が１回、第２群＝コメント書き込み回数が２回以上」と分類されているとき、特定のプレイヤのペアが日記文書投稿者とコメント書き込み者の関係になったと仮定したとき、前記第１群又は第２群のいずれに分類されるかを判定することができる。

以上説明した解析処理装置１０の動作を、図４に示すフローチャートに基づいて説明する。大略的には、先ずブログサイト３０において既に出会っている人々（共感している人）を対象とした解析処理を行い（ステップＳ１−０〜Ｓ１−１２）、多変量解析を行って共感度判定式を求め（ステップＳ２−１〜Ｓ２−４）、次いでブログサイト３０においてまだ出会っていない人々を対象とした解析処理を行い（ステップＳ３−０〜Ｓ３−１２）、得られた共感度判定式を適用して出会っていない人々のペアについての共感度を判定する（ステップＳ４−１〜Ｓ４−２）というフローとなる。以下、これらのフローを順次説明する。

先ず、プレイヤ選定部１１１により、ブログサーバ３１の記録等に基づいて、相互間で文書交信の実績をもつ第１プレイヤ及び第２プレイヤが選定される（ステップＳ１−０）。そして、データ抽出部１１２により、選定された第１プレイヤ及び第２プレイヤについての属性情報が会員サーバ１００から抽出される（ステップＳ１−１、Ｓ１−２）。

次に、文書抽出部１２１により、第１プレイヤと第２プレイヤとの間で交わされた文書をブログサーバ３１から抽出し、これら文書を「共感先文書」（第１文書）と「共感元文書」（第２文書）とに分類し、これら文書をプレイヤ毎に集約する処理が行われる（ステップＳ１−３）。

図５は、ステップＳ１−３の処理の具体例を模式的に示した図である。いま、ブログサイト３０において、図５に示すように、第１プレイヤ又は第２プレイヤにより作成された第１文書と、第２プレイヤ又は第１プレイヤにより作成され、前記第１文書に呼応して作成された第２文書とからなる文書ペアＰ１〜Ｐ４が存在するものとする。

文書ペアＰ１は、第１プレイヤの日記文書ｄ１と、これに対する第２プレイヤのコメント文書ｄ２とからなるペアである。ここで、日記文書ｄ１及びコメント文書ｄ２は、特許請求の範囲の「単位文書」に相当する。文書ペアＰ２は、例えば日記文書ｄ１とは別の日に作成された話題の異なる第１プレイヤの日記文書ｄ３と、これに対する第２プレイヤのコメント文書ｄ４とからなるペアである。また、文書ペアＰ３は、第２プレイヤの日記文書ｄ５と、これに対する第１プレイヤのコメント文書ｄ６とからなるペアである。さらに、文書ペアＰ４は、第２プレイヤのコメント文書ｄ４と、これに対する第１プレイヤの再コメント文書ｄ７とからなるペアである。つまり文書ペアＰ１〜Ｐ４は、話題単位で区別された一つの文書群である。

この場合、文書ペアＰ１、Ｐ２が第２プレイヤから第１プレイヤに向けた文書群Ｑ１として集約され、また、文書ペアＰ３、Ｐ４が第１プレイヤから第２プレイヤに向けた文書群Ｑ２として集約される。そして、文書群Ｑ１について、日記文書ｄ１、ｄ３が「共感先文書」（特許請求の範囲の「第１カテゴリに属する第１文書群」に相当）、コメント文書ｄ２、ｄ４が「共感元文書」（特許請求の範囲の「第２カテゴリに属する第２文書群」に相当）と分類される。また、文書群Ｑ２について、コメント文書ｄ４及び日記文書ｄ５が「共感先文書」、コメント文書ｄ６及び再コメント文書ｄ７が「共感元文書」と分類されるものである。これらの文書は、分類、集約された状態で記憶部１５に一時的に格納される。以後、ここで分類、集約された「共感先文書」、「共感元文書」についての文書解析が行われるのであるが、文書群Ｑ１又は文書群Ｑ２のいずれか、或いは文書群Ｑ１及び文書群Ｑ２の両方の「共感先文書」、「共感元文書」を用いることができる。

この後、「共感先文書」について、文書解析部１２２により、上述した正規化処理（ステップＳ１−４）、文書構造解析処理（ステップＳ１−５）、及びデータ抽出処理（ステップＳ１−６）が順次実行される。また、データ抽出部１１２により「共感先文書」のブログサイト３０への書き込みに関する基本情報から、数値化可能なデータが抽出される（ステップＳ１−７）。

同様に、「共感元文書」について、文書解析部１２２により、正規化処理（ステップＳ１−８）、文書構造解析処理（ステップＳ１−９）、及びデータ抽出処理（ステップＳ１−１０）が順次実行される。また、データ抽出部１１２により「共感元文書」のブログサイト３０への書き込みに関する基本情報から、数値化可能なデータが抽出される（ステップＳ１−１１）。

続いて、パラメータ算出部１２３により、ステップＳ１−１〜Ｓ１−１１の処理で得られたデータから、第１プレイヤと第２プレイヤとの間における相関性を示す候補となりうる複数のパラメータが算出される（ステップＳ１−１２）。このパラメータは、図３に例示したような、多変量解析の目的変数又は説明変数となるパラメータである。

以下、図３に例示したパラメータの具体的な算出例について順次説明する。
＜目的変数；パラメータｙ０〜ｙ９＞
目的変数は、上述のステップＳ１−７、Ｓ１−１１で抽出された基本情報から専ら求められる。コメント書き込み回数（ｙ０）は、共感元の共感先に対するコメント書き込み回数である。図５の例示ならば、文書群Ｑ１における第２プレイヤのコメント文書ｄ２、ｄ４、…の総数である。或いは、文書群Ｑ２における第１プレイヤのコメント文書ｄ６、ｄ７、…の総数である。

コメント書き込み回数［１日記あたり］（ｙ１）は、一つの文書ペア（単位文書）あたりに含まれるコメント書き込み回数である。例えば文書群Ｑ１において、１つの文書ペアＰ１に、第２プレイヤが幾つのコメントを書き込んでいるかに着目した変数である。このパラメータｙ１は、次式
ｙ１＝ｙ０／単位文書の全体数 ・・・（２）
で求めることができる。なお、パラメータｙ０，ｙ１とも、共感度が高いほど、コメント書き込み回数が多くなるとの仮定に立脚している。

コメント書き込み文字数［平均］（ｙ２）、及びコメント書き込み文字数［標準偏差の逆数］（ｙ３）は、共感度が高いほど、コメント書き込み文字数が多くなるとの仮定に基づく。パラメータｙ２は、書き込み回数に対する単純平均で算出される。パラメータｙ３を求めるのは、書き込み文字数のバラツキを判定要素とするためである。これらパラメータから、書き込み文字数平均が多く、毎回の文字数のバラツキが少ないほど、共感度が高いと仮定している。

前記パラメータｙ３は、例えば次の（３）式で求めることができる。
ｙ３＝ｌｏｇ（１／（σ＋１）＋１） ・・・（３）
但し、σは標準偏差
なお、上記（３）式において、標準偏差σの逆数を取っているのは、パラメータｙ３の増減方向を、増加方向へ統一するためである。これは、パラメータｙ３のような増減データにおいて増減方向がまちまちであると、多変量解析の精度が低下する懸念があるからである。また、書き込み回数＝１のとき、σ＝０とするが、分母が“０”となってしまうことを防止するために（σ＋１）としている。さらに、ｌｏｇを取っている（例えば底＝ｅ）のは、増加傾向が現実離れした極端な曲線となり得ることから、これを直線に近づけるためである。なお、ｙ３＝０を避けるために、さらに“１”を加えるようにしている。

図６は、パラメータｙ２、ｙ３の算出例を示す模式図である。ここでは、書き込み文字数の変化の、２つの類型として、パターン１とパターン２とを例示している。パターン１は、１回目のコメント文書の書き込み文字数＝３０文字、２回目＝２０文字、３回目＝１０文字、４回目＝４０文字である。一方、パターン２は、４回とも２５文字である。この場合、パラメータｙ２でパターン１及び２を評価すると、いずれもｙ２＝２５となり区別がつかない。しかし、標準偏差σを採用した（３）式に基づくパラメータｙ３であれば、両者を区別することができる。

コメント書き込み文字数［変化係数：補正あり］（ｙ４）、コメント書き込み文字数［変化係数：補正なし］（ｙ５）は、時間の経過と共に文字数がどのように変化しているかに着目したパラメータであり、時間の経過と共に文字数が増加する傾向があれば、共感度が高いと仮定している。

図７の例示に基づき、パラメータｙ４、ｙ５を説明する。図７（ａ）に示すように、コメント書き込み文字数が均等であるパターンＡ、書き込み文字数が回数を追う毎に（時間の経過と共に）拡大しているパターンＢ、及び、書き込み文字数が回数を追う毎に縮小しているパターンＣを想定する。この場合、パターンＢは、共感先への興味度の増加が書き込み文字数の増加に表れていると評価し得ることから、共感度が高いと推定できる。逆に、パターンＣは、だんだん興味度が薄れていると評価し得ることから、共感度が低いと推定できる。

これらパターンＡ〜Ｃの変化類型は、図７（ｂ）に示す傾きを持つ。この傾きは実際には、図７（ｃ）に示すように、例えば文字数分布に基づき単回帰分析により求められる。このときの回帰式は、Ｙ＝ａＸ＋ｂで表現される。従って、パターンＢのような増加傾向をもち、且つ、前記回帰式におけるａ（回帰係数）が大きいほど、共感度が高いと推定できる。パラメータｙ４、ｙ５は、以上の推定に鑑みたものである。

パラメータｙ４は、減少傾向を示す上記のパターンＣを増加傾向に変換する補正（前処理）を行った上で求められるパラメータである。すなわち、回帰係数ａがプラスであるかマイナスであるかに応じて、次の（４−１）、（４−２）式で求めることができる。
ｙ４＝ａ＋１ 但し、ａ≧０のとき ・・・（４−１）
ｙ４＝ｌｏｇ（１／（１−ａ）＋１） 但し、ａ＜０のとき ・・・（４−２）

上記（４−２）式に基づけば、パターンＣのような減少傾向をもつ傾きならば、（４−１）式で求められるｙ４に比べ、明らかに小さいプラスの値のｙ４として導出されるようになる。従って、パターンＢとパターンＣとを区別することが可能である。なお、（４−２）式において、ｌｏｇを取る（底＝ｅ）理由、“１”を加える理由は、上記の（３）式と同じである。

これに対し、コメント書き込み文字数［変化係数：補正なし］（ｙ５）は、上記のような補正を考慮しないパラメータであり、
ｙ５＝ａ ・・・（５）
により求められる。

コメント書き込み時間間隔［平均の逆数］（ｙ６）、及びコメント書き込み時間間隔［標準偏差の逆数］（ｙ７）は、共感度が高いほど、コメント書き込み時間間隔が短いとの仮定に基づく。なお、コメント書き込み時間間隔とは、例えば第１プレイヤの日記文書ｄ１がブログ上にアップされた時刻（図８の丸数字１）から、当該日記文書ｄ１に対する第２プレイヤのコメント文書ｄ２がブログ上にアップされるまでの時刻（図８の丸数字２）を言う。

パラメータｙ６は、コメント書き込み時間間隔の単純平均（ａｖｅ）、パラメータｙ７は、コメント書き込み時間間隔の標準偏差σ_ｔをそれぞれベースとして、例えば次の（６）式、（７）で求めることができる。
ｙ６＝ｌｏｇ（１／（ａｖｅ＋１）＋１） ・・・（６）
ｙ７＝ｌｏｇ（１／（σ_ｔ＋１）＋１） ・・・（７）

なお、上記（６）式、（７）式において、標準偏差ａｖｅ、σ_ｔの逆数を取っているのは、パラメータｙ６、ｙ７の増減方向を、増加方向へ統一するためである。また、書き込み回数＝１のとき、ａｖｅ、σ_ｔ＝０とするが、分母が“０”となってしまうことを防止するために、それぞれ分母に“１”を加えている。さらに、ｌｏｇを取る（底＝ｅ）ことでパラメータｙ６、ｙ７を直線に近づけるためである。なお、ｙ６＝０、ｙ７＝０を避けるために、さらに“１”が加えられている。

図８は、パラメータｙ６、ｙ７の算出例を示す模式図である。ここでは、書き込み時間間隔の変化の、２つの類型として、パターン３とパターン４とを例示している。パターン４は、１回目のコメント文書の書き込み時間間隔＝４０時間、２回目＝１０時間、３回目＝２０時間、４回目＝３０時間である。一方、パターン４は、４回とも２５時間である。この場合、パラメータｙ６でパターン３及び４を評価すると、いずれもｙ６＝０．０３７７となり区別がつかない。しかし、標準偏差σ_ｔを採用したパラメータｙ７であれば、両者を区別することができる。

コメント書き込み時間間隔［変化係数：補正あり］（ｙ８）、コメント書き込み時間間隔［変化係数：補正なし］（ｙ９）は、時間の経過と共にコメント書き込み時間間隔がどのように変化しているかに着目したパラメータであり、時間の経過と共に時間間隔が減少する傾向があれば、共感度が高いと仮定している。

図９の例示に基づき、パラメータｙ８、ｙ９を説明する。図９（ａ）に示すように、コメント書き込み時間間隔が均等であるパターンＤ、書き込み時間間隔が回数を追う毎に（時間の経過と共に）拡大しているパターンＥ、及び、書き込み時間間隔が回数を追う毎に縮小しているパターンＦを想定する。この場合、パターンＦは、共感先への興味度の増加が書き込み時間間隔の短縮化に表れていると評価し得ることから、共感度が高いと推定できる。逆に、パターンＥは、だんだん興味度が薄れていると評価し得ることから、共感度が低いと推定できる。

これらパターンＤ〜Ｅの変化類型は、図９（ｂ）に示す傾きを持つ。この傾きは実際には、図９（ｃ）に示すように、例えば時間間隔分布に基づき単回帰分析により求められる。このときの回帰式は、Ｙ＝ａ_１Ｘ＋ｂで表現される。パラメータｙ８は、減少傾向を示す上記のパターンＦを増加傾向に変換する補正（前処理）を行った上で求められるパラメータである。すなわち、回帰係数ａ_１がプラスであるかマイナスであるかに応じて、次の（８−１）、（８−２）式で求めることができる。
ｙ８＝１−ａ_１ 但し、ａ≦０のとき ・・・（８−１）
ｙ８＝ｌｏｇ（１／（ａ＋１）＋１） 但し、ａ＞０のとき ・・・（８−２）

上記（８−１）式に基づけば、パターンＦのような減少傾向をもつ傾きならば、（８−２）式で求められるｙ８に比べ、明らかに小さいプラスの値のｙ８として導出されるようになる。ここでは、パラメータｙ４とは逆に、回帰係数ａ_１が小さいほど、共感度が高いこととなる。従って、パターンＥとパターンＦとを区別することが可能である。なお、（８−２）式において、ｌｏｇを取る（底＝ｅ）理由、“１”を加える理由は、上記の（３）式と同じである。

これに対し、コメント書き込み文字数［変化係数：補正なし］（ｙ９）は、上記のような補正を考慮しないパラメータであり、
ｙ９＝ａ_１ ・・・（９）
により求められる。

＜説明変数；パラメータｘ１〜ｘ２０＞
説明変数は、共感度に影響を与える要因仮定されるパラメータであって、上述のステップＳ１−５、Ｓ１−６（Ｓ１−９、Ｓ１−１０）の文書構造解析処理、データ抽出処理で得られたデータに基づき専ら求められる。図３では、各種文字区分（係り受け、品詞、顔文字、意図）の合致率をパラメータとして挙げている。この合致率は、例えば、第１プレイヤにより作成された日記文書で使用されている単語等（文字区分）と、第２プレイヤにより作成されたコメント文書で使用されている単語等（文字区分）とがどれだけ合致しているかの合致度合いを計る指標である。本実施形態では、この合致率の算出に際して、単語等の特徴量に応じた重みが与えられる。

かかる合致率パラメータとして、図３では、係り受け合致率（ｘ１）、名詞合致率（ｘ２）、感情品詞合致率（ｘ６）、顔文字合致率（ｘ１０）、意図合致率（ｘ１４）を挙げている。なお、顔文字合致率は、顔文字自体の合致率でも良いし、顔文字の類型から推定される「うれしい」、「かなしい」、「好き」、「嫌い」というような感情カテゴリの合致率でも良い。また、意図合致率は、例えば上述の「〜しない」、「〜できる」のような意図句から推定される「否定」、「肯定」、「疑問」、「確認」、「推量」などの文書意図の合致率である。

各種の合致率パラメータのうち、名詞合致率を示すパラメータｘ２を取り上げ、図１０〜図１２に基づき詳述する。図１０は、第１プレイヤにより作成された第１文書群（共感先文書；主に日記文書）において使用された各名詞に対する重み比率ｑの付与例を示す表形式の図である。一方、図１１は、第２プレイヤにより作成された第２文書群（共感元文書；主にコメント文書）において使用された各名詞に対する重み比率ｒの付与例を示す表形式の図である。

図１０、図１１において、「名詞」の欄に列挙されている単語は、例えば上述の文書群Ｑ１の中で第１プレイヤ及び第２プレイヤが作成した文書中で出現する単語であって、名詞に区分されるものである。第１プレイヤ及び第２プレイヤの双方に使用されている合致名詞には○印が付与されている。頻度ｔｆは、その名詞の文書群Ｑ１中における累積出現回数を示す。出現語を含む話題数ｄｆは、その名詞を含む文書セット（例えば上述の文書ペアＰ１〜Ｐ４）の数である。なお、ここでは文書セットの総数、つまり全話題数Ｎ＝１００としている。

そして、上記頻度ｔｆ、出現語を含む話題数ｄｆを用い、Ｎ／ｄｆを求めて、各名詞の文書群Ｑ１中における特徴性を評価している。また、単純にＮ／ｄｆで評価したのでは数値が先鋭化するので、次式（１０）により特徴量ｉｄｆを求めている。
ｉｄｆ＝ｌｏｇ（Ｎ／ｄｆ）＋１ ・・・（１０）

このような特徴量ｉｄｆを求めた上で、第１プレイヤ及び第２プレイヤの頻度ｔｆを用いて、次式（１１）により、各名詞の重みｗを導出している。
ｗ＝ｔｆ×ｉｄｆ ・・・（１１）
この（１１）式で求められる重みｗは、限られた話題の中で高い頻度で出現する単語（名詞）ほど、その数値が高くなる。この（１１）式は、上掲の（１）式に相当する。

上記特徴量ｉｄｆの考え方は次の通りである。例えば「今日」、「私」、「ありがとう」というような単語は、どの文書にも出現するような一般的な単語である。このような汎用単語は、たとえ出現頻度が多くても、文書中での特徴性は低いと考えられる。これに対し、地名等の固有名詞や、「プルトニウム」といった専門用語は、通常は限られた話題の中にしか登場しないといえる。このため、文書中での特徴性は高いと評価できる。なお、特徴量ｉｄｆを文書群Ｑ１の単位で評価するのは、単位文書（文書ペアＰ１〜Ｐ４）ごとに評価してしまうと、一つの話題で括られる文章中に例えば上記の「プルトニウム」のような単語が頻出した場合、本来は特徴語であるにも拘わらず、低い重みに評価されてしまうからである。

つまり、話題が変われば、「プルトニウム」のような特徴的な語は使われることは少ないが、一般的な単語は話題が変わっても出現する。このことから、話題単位で特徴量ｉｄｆを考えることで、本来、特徴のある単語は特徴性が高く、一般語の特徴性は低く評価（重み付け）することができる。

図１０、図１１における第１プレイヤの重み比率ｑ、第２プレイヤの重み比率ｒは、それぞれ求められた重みｗの合計を百分率化したものである。これにより、一つの文書群Ｑ１中において、第１プレイヤ（共感先文書）及び第２プレイヤ（共感元文書）により使用した名詞について、それぞれ重みが求められたこととなる。さらに、第１プレイヤ及び第２プレイヤの双方が使用している共通名詞である「今日」、「成功」、「温水器」が、重みの総計に対して占める割合が、それぞれ第１プレイヤ及び第２プレイヤについて判明する。図１０、図１１の例では、重み比率の第１プレイヤの合致分合計は０．４３、第２プレイヤの合致分合計は０．６０である。この合致分合計の大きさは、両者の共感度に大きな影響を与える可能性を持っていると言える。

図１２は、図１０、図１１に基づく名詞合致率ｕの算出例を示す表形式の図である。ここでは、まず第１プレイヤの重み比率ｑと第２プレイヤの重み比率ｒとから、平均重み比率ｓを算出している。そして、次の（１２）式により、第１プレイヤと第２プレイヤとの共感度指標として、共感先文書と共感元文書との合致量ｔを導出している。
ｔ＝ｓ×α ・・・（１２）
但し、αは補正係数

図１２の合致率ｕは、合致量ｔの合計を百分率化したものである。この結果、第１プレイヤと第２プレイヤとの名詞合致率は、両者間の共通名詞である「今日」、「成功」、「温水器」の合致率ｕの合計である“０．６８３”と評価されることとなる。この数値が、説明変数のパラメータｘ２として用いられる。なお、係り受け合致率（ｘ１）、感情品詞合致率（ｘ６）、顔文字合致率（ｘ１０）及び意図合致率（ｘ１４）も、図１０〜図１２と同様にして求めることができる。なお、顔文字合致率（ｘ１０）及び意図合致率（ｘ１４）については、上記特徴量ｉｄｆは、（１０）式に依らずに、定数が設定される。

名詞合致率［全体］（ｘ３）、感情品詞合致率［全体］（ｘ７）は、例えば文書群Ｑ１中に登場する全品詞に対する、名詞又は感情品詞の出現率の合致度合いを表すパラメータである。なお、感情品詞とは、動詞、形容詞、形容動詞、感嘆詞をいう。

図１３は、パラメータｘ３の算出例を示す模式図である。この場合、例えば第１プレイヤの日記文書５１（共感先文書）及び第２プレイヤのコメント文書５２（共感元文書）について、文書解析部１２２により求められた名詞の出現頻度のデータが使用される。かかるデータは、日記文書５１の形態素解析処理（ステップＳ１−５）の後、全品詞の出現個数に対する名詞の出現個数の比を求める処理（ステップＳ１−６）を実行することで導出できる。同様に、コメント文書５２についても、形態素解析処理（ステップＳ１−９）の後、全品詞の出現個数に対する名詞の出現個数の比を求める処理（ステップＳ１−１０）を実行することで導出できる。

図１３では、日記文書５１について、名詞の出現個数＝４０００個、全品詞の出現個数＝１００００個であって、名詞の出現率＝４０％というデータが取得され、コメント文書５２について、名詞の出現個数＝２５００個、全品詞の出現個数＝５０００個であって、名詞の出現率＝５０％というデータが取得されている例を示している。このようなデータから、例えば、
名詞合致率［全体］＝（４０％＋５０％）／２＝４５％
としてパラメータｘ３を算出することができる。パラメータｘ７も同様である。

名詞合致量（ｘ４）及び名詞合致率［標準偏差］（ｘ５）は、図１３に示した名詞の出現率の平均と、標準偏差とから算出されるパラメータである。感情品詞合致量（ｘ８）及び感情品詞合致率［標準偏差］（ｘ９）も同様である。

図１３に示した例を用いると、名詞の出現率の平均ａ_ｍは上述の通り４５％であり、標準偏差σ_ｍは０．０７１となる。これらのデータを用いて、例えば名詞合致量を示すパラメータｘ４は、次の（１３）式により求めることができる。
ｘ４＝ａ_ｍ×ｌｏｇ（１／（σ_ｍ＋０．１）＋１） ・・・（１３）
上記（１３）式において、分母に０．１を加えているのは、分母が“０”とならないようにするためであり、また、１を加えているのはｘ４＝０を避けるためである。なお、パラメータｘ５は、標準偏差σ_ｍをそのまま用いることができる。感情品詞についてのパラメータｘ８、ｘ９についても、（１３）式と同様にして求めることができる。

顔文字合致率［全体］（ｘ１１）は、例えば文書群Ｑ１中の共感先文書に登場する顔文字の総数と、共感先文書における全文章数とから求められる顔文字出現率と、同様にして求められる共感元文書における顔文字出現率との合致度合いを表すパラメータである。

図１４は、パラメータｘ１１の算出例を示す模式図である。この場合、例えば第１プレイヤの日記文書（共感先文書）及び第２プレイヤのコメント文書（共感元文書）について、それぞれ顔文字の出現個数が求められる。ここでは、第１プレイヤ＝１０００個、第２プレイヤ＝１５００個として例示している。さらに、共感先文書及び共感元文書の全文章数がそれぞれ求められる。文章区切りは、句点“。”で判定する。顔文字出現率を、全文章数に対する顔文字の出現頻度と定義すると、各々の顔文字出現率は図１４に示す通り、第１プレイヤ＝１０％、第２プレイヤ＝３０％となる。

このようなデータから、例えば、
顔文字合致率［全体］＝（１０％＋３０％）／２＝２０％
としてパラメータｘ１１を算出することができる。なお、顔文字が頻用されている場合は、顔文字出現率が１００％を超過することが起こり得るが、その場合は１００％として一律に扱えば良い。

顔文字合致量（ｘ１２）及び顔文字合致率［標準偏差］（ｘ１３）は、図１４に示した顔文字の出現率の平均と、標準偏差とから算出されるパラメータである。考え方は、上述のパラメータｘ４、ｘ５と同じである。

図１４に示した例を用いると、顔文字の出現率の平均ａ_ｋは上述の通り２０％であり、標準偏差σ_ｋは０．１４となる。これらのデータを用いて、例えば顔文字合致量を示すパラメータｘ１２は、次の（１４）式により求めることができる。
ｘ１２＝ａ_ｋ×ｌｏｇ（１／（σ_ｋ＋０．１）＋１） ・・・（１４）
なお、パラメータｘ１３は、標準偏差σ_ｋをそのまま用いることができる。

興味関心合致率（ｘ１５）は、図４のステップＳ１−１、Ｓ１−２で抽出された属性情報から求められるパラメータである。図１５は、興味関心合致率の算出例を示す模式図である。ここでは、会員サーバ１００に、第１プレイヤの興味関心項目５３として“健康・医療”、“介護・福祉”、“暮らし”という３項目にチェック印が与えられた状態で登録されており、また第２プレイヤの興味関心項目５４として“介護・福祉”、“住まい”、“暮らし”、“子育て・教育”、“趣味・教養”という５項目にチェック印が与えられた状態で登録されているものとする。かかるチェックデータは、データ抽出部１１２にて抽出される。

この場合、第１プレイヤから見ると、チェックした３項目のうち“介護・福祉”、“暮らし”という２項目で第２プレイヤと合致していることとなる。一方、第２プレイヤから見ると、チェックした５項目のうち上記の２項目が第１プレイヤと合致していることとなる。このようなデータから、例えば、
興味関心合致率＝（２／３＋２／５）／２＝５３％
として、パラメータｘ１５を算出することができる。

興味関心合致量（ｘ１６）、興味関心合致率［標準偏差］（ｘ１７）は、図１５に示した合致率の平均と、標準偏差とから算出されるパラメータである。この考え方も、上述のパラメータｘ４、ｘ５と同じである。

図１５に示した例を用いると、興味関心合致率の平均ａ_ｊは上述の通り５３％であり、標準偏差σ_ｊは０．１９となる。これらのデータを用いて、例えば興味関心合致量を示すパラメータｘ１６は、次の（１５）式により求めることができる。
ｘ１６＝ａ_ｊ×ｌｏｇ（１／（σ_ｊ＋０．１）＋１） ・・・（１５）
なお、パラメータｘ１７は、標準偏差σ_ｊをそのまま用いることができる。

絶対年齢差（ｘ１８）、相対年齢差（ｘ１９）及び性別合致区分（ｘ２０）も、図４のステップＳ１−１、Ｓ１−２で抽出された属性情報から求められるパラメータである。例えば、第１プレイヤの年齢Ｔ_１＝１８（歳）、第２プレイヤの年齢Ｔ_２＝２４（歳）とすると、パラメータｘ１８＝｜１８−２４｜＝６である。
で求められる。また、パラメータｘ１９は、次の（１６）式で求めることができる。
ｘ１９＝｜Ｔ_１−Ｔ_２｜／（（Ｔ_１＋Ｔ_２）／２） ・・・（１６）
従って、上記の年齢の場合、パラメータｘ１９＝０．２７となる。性別合致区分（ｘ２０）は、例えば同性のときは“１”、異性のときは“０”というように、カテゴリ変数として設定することができる。

図４に戻って、以上のようにして目的変数、説明変数のパラメータ（上記ｙ０〜ｙ９、ｘ１〜ｘ２０）がパラメータ算出部１２３にて求められると、ファイル作成部１３１により、これらパラメータを目的変数、説明変数に設定した多変量解析のためのファイルが作成される（ステップＳ２−１）。

図１６は、多変量解析に先立ち、ファイル作成部１３１にて作成される多変量解析対象ファイル５５を模式的に示す表形式の図である。図１６に示すように、「共感先」と「共感元」との組み合わせ毎に、目的変数及び説明変数が設定される。ここでは、目的変数として“書き込み回数”、“書き込み文字数”・・・が、説明変数として“名詞合致率”、“形容詞合致率”、“興味関心合致率”・・・が各々設定されている例を示している。なお、解析手法によっては、これら変数が“０”又は“１”等のカテゴリ変数とされる。

次に、判定目的に応じて解析手法が選定される（ステップＳ２−２）。選択されるのは、例えば重回帰分析、判別分析、数量化Ｉ類、数量化II類のいずれかである。そして選択された解析手法にて、多変量解析部１３２により多変量解析が実行される（ステップＳ２−３）。しかる後、解析精度（予測性能）が上記のような方法で判定され、所定の要件を満たす共感度判定式が確定される（ステップＳ２−４）。

ここで導出される共感度判定式は、図１６の多変量解析対象ファイル５５が用いられた場合、例えば、
書き込み回数＝（名詞合致率×ｎ１）＋（形容詞合致率×ｎ２）＋（興味関心合致率×ｎ３）・・・＋定数項
但し、ｎ１、ｎ２、ｎ３・・・は解析の結果得られる数値
というような式となる。この共感度判定式は記憶部１５に格納される。

続いて、プレイヤ選定部１１１により、ブログサーバ３１の記録等に基づいて、相互間で文書交信の実績をもたない第３プレイヤ及び第４プレイヤが選定される（ステップＳ３−０）。そして、データ抽出部１１２により、選定された第３プレイヤ及び第４プレイヤについての属性情報が会員サーバ１００から抽出される（ステップＳ３−１、Ｓ３−２）。

そして、文書抽出部１２１により、例えば第３プレイヤの日記文書と、第４プレイヤが他のプレイヤの日記文書に対して投稿したコメント文書とが、ブログサーバ３１から抽出される。勿論、第３プレイヤが他のプレイヤの日記文書に対して投稿したコメント文書や第４プレイヤの日記文書、第３プレイヤ及び第４プレイヤの再コメント文書も併せて抽出するようにしても良い。これら抽出された文書は、上記ステップＳ１−３と同様にして、「共感先文書」（第３文書）と「共感元文書」（第４文書）とに分類され、これら文書がプレイヤ毎に集約される（ステップＳ３−３）。

この後、「共感先文書」及び「共感元文書」について各々、文書解析部１２２により、正規化処理（ステップＳ３−４、Ｓ３−８）、文書構造解析処理（ステップＳ３−５、Ｓ３−９）、及びデータ抽出処理（ステップＳ３−６、Ｓ３−１０）が順次実行される。また、データ抽出部１１２により「共感先文書」及び「共感元文書」のブログサイト３０への書き込みに関する基本情報から、数値化可能なデータが抽出される（ステップＳ３−７、Ｓ３−１１）。

続いて、パラメータ算出部１２３により、ステップＳ３−１〜Ｓ３−１１の処理で得られたデータから、複数のパラメータが算出される（ステップＳ３−１２）。このパラメータは、ステップＳ１−１２において、第１プレイヤと第２プレイヤとの関係において求められたものと同じ種類のパラメータである。当該パラメータは、その性質に応じて目的変数、説明変数に区分され、ファイル作成部１３１により、共感度判定式に当てはめるためのパラメータファイルが作成される。

その後、共感度判定部１３３により、記憶部１５に格納されている共感度判定式が読み出され、その共感度判定式に前記パラメータファイルに含まれるパラメータ群の数値が入力される（ステップＳ４−１）。そして、演算が実行され、共感度判定式の数値結果が出力される（ステップＳ４−２）。上記に例示した共感度判定式であれば、右辺の説明変数の“名詞合致率”、“形容詞合致率”、“興味関心合致率”・・・が入力され、これによって左辺の目的変数“書き込み回数”の数値結果が求められることとなる。この数値結果に基づいて、第３プレイヤと第４プレイヤとの共感度が判定される。以後、この第３プレイヤ及び第４プレイヤを別のプレイヤの組み合わせに置換して、同様な共感度判定処理が行われるものである。

この場合、一般に書き込み回数や書き込み文字数は、共感度が高いほど増加する傾向があることから、数値結果が高い値であるほど、両者の共感度が高いと予想することが可能である。つまり、高数値が出た第３プレイヤと第４プレイヤとが出会うと、当該ブログサイト３０において互いに文書交信を頻繁に行う可能性が高いと評価することができる。従って、このような共感度が高いと推定されるがまだ出会っていないプレイヤのペアに対し、適宜な方法で情報を提供して出会いを誘導することで、結果的にブログサイト３０を活性化させることができる。

具体的には、第３、第４プレイヤに関連付けられた第３、第４端末装置２３、２４へ向けて共感度情報を送信し、適宜な形態、例えば第３、第４端末装置２３、２４にてブログサイト３０が開かれたときに、入力画面の側方に、共感度が高いと数値評価されたプレイヤのアドレスをランキング表示する方法が例示できる。

以上説明した本実施形態に係る解析処理装置１０によれば、相互間で文書交信の実績をもつ第１プレイヤ及び第２プレイヤの作成に係る第１文書及び第２文書を文書解析し、多変量解析して得られた判定式を用いて、まだ交信実績のない第３プレイヤと第４プレイヤとの共感度を評価することができる。従って、ブログサイト３０において共感できる可能性のあるプレイヤ同士を的確に抽出し、これらプレイヤに情報を提供することができる。これにより終局的にブログサイト３０への投稿を促進でき、サイト運営者は当該サイトが活性化されるという利点を享受することができる。

以上、本発明の具体的実施形態につき説明したが、これらは本発明の一例であり、発明の趣旨を逸脱しない範囲において上記実施形態とは異なる態様で実施することができる。例えば、上記実施形態では、ブログサイト３０へ投稿される日記文書及びコメント文書を例示したが、本発明はプレイヤ間で交信された文書データが存在すれば適用可能であり、例えば電子メール上の文書や、音声データのテキスト化文書にも適用することができる。また、上記実施形態で具体的に示したパラメータ以外にも、様々なデータを用いて算出される各種パラメータを採用することができる。

本発明に係る文書合致度合い評価方法が適用されるネットワークシステムＳのハードウェア構成を概略的に示す構成図である。 解析処理装置の機能構成を示す機能ブロック図である。 「目的変数」及び「説明変数」の設定例を示す表形式の図である。 解析処理装置の動作を示すフローチャートである。 文書の分類・集約処理の具体例を示す模式図である。 目的変数のパラメータの算出例を示す模式図である。 目的変数のパラメータの算出例を示す模式図である。 目的変数のパラメータの算出例を示す模式図である。 目的変数のパラメータの算出例を示す模式図である。 重み比率の付与例を示す表形式の図である。 重み比率の付与例を示す表形式の図である。 説明変数のパラメータの算出例を示す表形式の図である。 説明変数のパラメータの算出例を示す模式図である。 説明変数のパラメータの算出例を示す模式図である。 説明変数のパラメータの算出例を示す模式図である。 多変量解析対象ファイルの例を模式的に示す表形式の図である。

符号の説明

１０ 解析処理装置（共感度判定システム）
１１ 選定部
１２ 解析部
１３ 評価部
１４ 表示部
１５ 記憶部
２１〜２４ 第１〜第４端末装置
３０ ブログサイト（ウエブサイト）
３１ ブログサーバ
１００ 会員サーバ
１１１ プレイヤ選定部
１１２ データ抽出部
１２１ 文書抽出部
１２２ 文書解析部
１２３ パラメータ算出部
１３１ ファイル作成部
１３２ 多変量解析部
１３３ 共感度判定部

Claims (8)

1. 第１カテゴリに属する複数の単位文書からなる第１文書群と、前記第１カテゴリとは異なる第２カテゴリに属する複数の単位文書からなる第２文書群とを抽出し、
   前記第１文書群の各単位文書を文書解析して、第１文書群に使用されている所定の文字区分の単位で、該文字区分の出現頻度と該文字区分を含む単位文書の数とから、その文字区分の第１文書群中における重みをそれぞれ求め、
   前記第２文書群の各単位文書を文書解析して、第２文書群に使用されている所定の文字区分の単位で、該文字区分の出現頻度と該文字区分を含む単位文書の数とから、その文字区分の第２文書群中における重みをそれぞれ求め、
   前記第１文書群と前記第２文書群とにおいて共通して使用されている共通文字区分を特定し、
   前記第１文書群と前記第２文書群とに含まれる文字区分の重み総計に対する、前記共通文字区分が占める重みと、それ以外の文字区分が占める重みとの割合から、前記第１文書群と第２文書群との合致度合いを評価する、
   ことを特徴とする文書合致度合い評価方法。
2. 前記第１文書群又は第２文書群中における各文字区分の重みをｗとするとき、
   該重みｗは、前記文字区分の出現頻度をｔｆ、前記文字区分を含む単位文書の数をｄｆ、単位文書の総数をＮとするとき、次の（１）式で求められることを特徴とする請求項１に記載の文書合致度合い評価方法。
   ｗ＝ｔｆ×（Ｎ／ｄｆ） ・・・（１）
3. 前記文字区分が、品詞単位の文字列であることを特徴とする請求項１に記載の文書合致度合い評価方法。
4. 前記単位文書が、一つの話題単位で作成された一又は複数の文章からなることを特徴とする請求項１に記載の文書合致度合い評価方法。
5. 前記第１文書群及び第２文書群は、インターネット上の特定のウエブサイトから選定されることを特徴とする請求項１に記載の文書合致度合い評価方法。
6. 前記ウエブサイトがブログサイトであって、前記単位文書が一つのブログ文書、若しくは一つのブログ文書に対するコメント文書であることを特徴とする請求項５に記載の文書合致度合い評価方法。
7. 前記ブログサイトに対する前記ブログ文書の書き込み数、書き込み文字数及び書き込み時間、若しくは前記コメント文書の書き込み数、書き込み文字数及び書き込み時間を含むデータから得られる第１変数群を導出し、
   前記第１文書群と前記第２文書群との合致度合いのデータから得られる第２変数群を導出し、
   前記第１変数群を目的変数とし、前記第２変数群を説明変数として、多変量解析を行うことを特徴とする請求項５に記載の文書合致度合い評価方法。
8. 前記第１変数群を導出するデータは増減データを含み、該増減データには増加方向を統一する前処理が施されることを特徴とする請求項７に記載の文書合致度合い評価方法。

Images