JP2010079657A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】複数の商品について評判を比較するためのグラフを容易に作成できる情報処理装置を提供する。
【解決手段】分析対象となる複数の商品名が入力されると、複数の商品名毎に商品名を含むテキストを格納部より取得し、商品に対する評価の表現として第１種類に予め分類されている第１の語句と第１種類とは異なる第２種類に予め分類されている第２の語句とを商品名に対応してテキストからそれぞれ抽出し、商品名毎に抽出した第１の語句と第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを表したグラフを生成する制御部を有する構成である。
【選択図】図１

Description

本発明は、テキストを分析する情報処理装置、情報処理方法、およびその方法をコンピュータに実行させるためのプログラムに関する。

企業では、新たに商品を開発すると、新商品に対して消費者がどのような感想を持っているかを調べ、その情報を次の商品の開発に役立てる。企業は、商品に対する感想を消費者から収集するために、アンケートはがきに感想を記入して返送してくれた消費者に抽選で景品を渡すなどの手段をとっていた。

近年、インターネット等のネットワークの普及により、消費者は、商品に対する感想を自分のブログに記入したり、他人のブログに記入したりするようになった。また、消費者の感想だけでなく、新聞や雑誌のメディアの記者の感想が、メディアの運営するウェブサイトでコラムなどに掲載されることもある。

企業は上述の個人のブログやメディアの記事などのテキストから商品に対する感想を収集することを考えるようになり、商品に対する評価についての情報である評判情報を情報処理装置で自動的に抽出する方法が数多く開発されている。特許文献１には、属性表現と評価表現のペアで評判情報を抽出する方法が開示されている。また、商品単体についての評判情報をレーダーチャートやマップ図などで可視化する方法も知られている。

可視化に関しては、商品に対する評価がプラスイメージの表現であるポジティブ表現（以下では、単に“ポジティブ”または“ポジティブ意見”と称する）とマイナスイメージの表現であるネガティブ表現（以下では、単に“ネガティブ”または“ネガティブ意見”と称する）との比率を見せるために、円グラフや帯グラフを利用したりしている。
特開２００７−１７２１７９号公報

上述したように、商品単体における評判分析の結果を可視化する方法として、ポジネガ比率を示す円グラフや帯グラフがあるが、ネットワーク上に公開されたテキスト、または端末もしくはサーバに格納されたテキストを用いて、複数の商品を比較するための結果を可視化したものは知られていない。特に、複数の商品のそれぞれの商品についてポジティブ/ネガティブの具体的な特徴や差別化ポイントが分かる可視化の方法はなかった。

本発明は上述したような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、複数の商品について評判を比較するためのグラフを容易に作成できる情報処理装置、情報処理方法、およびその方法をコンピュータに実行させるためのプログラムを提供することを目的とする。

上記目的を達成するための本発明の情報処理装置は、
分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを表したグラフを生成する制御部を有する構成である。

また、本発明の情報処理方法は、
分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、
商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、
前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを前記商品名に対応して表したグラフを生成するものである。

さらに、本発明のプログラムは、コンピュータに実行させるためのプログラムであって、
分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、
商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、
前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを表したグラフを生成する処理を前記コンピュータに実行させるものである。

本発明によれば、複数の商品について評判を比較するためのグラフを自動的に作成することができる。

（第１の実施形態）
本実施形態の情報処理方法を説明する。図１は本実施形態の情報処理方法を説明するためのブロック図である。

図１に示すように、テキストを分析するサーバ装置２０に、分析対象のテキストが格納されたテキストＤＢ３０と、分析サービスを利用するユーザが操作する情報処理端末１０とが接続されている。図１では、情報処理端末１０およびテキストＤＢ３０のそれぞれとサーバ装置２０が通信線で直接に接続されているが、インターネットなどのネットワークで接続されてもよい。テキストＤＢ３０が本発明の格納部に相当する。

なお、情報処理端末１０とサーバ装置２０が一体であってもよい。また、図１に示す装置が互いにネットワークを介して接続される場合には、テキストＤＢの数は１つに限らず、複数あってもよい。また、情報処理端末１０は、ユーザの数に応じて２台以上あってもよい。以下では、説明を簡単にするために、テキストＤＢおよび情報処理端末のそれぞれが１台の場合とする。

情報処理端末１０は、パーソナルコンピュータ（以下、ＰＣと称する）および携帯情報端末などの情報処理装置であり、ここでは、その詳細な説明を省略する。ユーザが情報処理装置１０を操作して、分析対象の複数の商品について商品名を入力すると、情報処理端末１０は、商品名と分析要求の情報を含む分析要求信号をサーバ装置２０に送信する。その際、商品名だけでなく、商品毎にテキストを取得するための検索式の情報を分析要求信号に含むようにしてもよい。

図１に示すように、サーバ装置２０は、テキストＤＢ３０に格納されたテキストの分析処理および分析結果の可視化処理を行う制御部２１と、分析処理に必要なデータを保存する記憶部２５とを有する。制御部２１は、分析手段２２と、可視化手段２３とを有する。制御部２１には、プログラムにしたがって処理を実行するＣＰＵ（Central Processing Unit）（不図示）と、プログラムを格納するためのメモリ（不図示）とが設けられている。ＣＰＵがプログラムにしたがって処理を実行することで、分析手段２２および可視化手段２３がサーバ装置２０に仮想的に構成される。

記憶部２５には、商品に対する意見がポジティブか、ネガティブであるかを判定するための基準となる評価表現リストが格納されている。本発明では、商品に対する２種類の評価表現のうち、ポジティブ意見が第１種類に相当し、ネガティブ意見が第２種類に相当する。また、記憶部２５には、評判情報の属性表現または評価表現に対してどのような分類軸に関連付けるかを決めるための単語リストが予め格納されている。

以下では、分析対象の商品における１つの属性表現に対して、ポジティブ件数とネガティブ件数との差に対応する値を評価ポイントと称する。また、本実施形態では、評価ポイントの一種として、（ポジティブ件数−ネガティブ件数）を用いる。

制御部２１の動作を説明する。図２は図１に示したサーバ装置の制御部の動作を示すフローチャートである。図２に示すように、制御部２１が分析要求信号を情報処理端末１０から受信すると、分析手段２２は、複数の商品名のそれぞれについて、商品名を含むテキストをテキストＤＢ３０から収集して記憶部２５に格納する（ステップ１０１）。ここでは、テキストを文章の場合とする。続いて、分析手段２２は、取得した文章から評判情報を抽出する（ステップ１０２）。

図３は、図２に示すステップ１０２における、評判情報の抽出処理の手順を示すフローチャートである。図３に示すように、分析手段２２は、文章を単語毎に分解し、単語と単語の係り受け関係を抽出することで、文章に対して言語・構文解析を行う（ステップ２０１）。係り受け関係の一例を説明する。

「私はその花が綺麗だと思った。」という文章があると、言語・構文解析結果は、「私［名詞］→思う［動詞］、花［名詞］→綺麗だ［形容詞］、綺麗だ［形容詞］→思う［動詞］」となる。

続いて、分析手段２２は、言語・構文解析結果から、名詞→動詞、名詞→形容詞への係り受け関係を抽出することで、意見情報を抽出する（ステップ２０２）。上述の文章の場合、「私［名詞］→思う［動詞］、花［名詞］→綺麗だ［形容詞］、綺麗だ［形容詞］→思う［動詞］」のそれぞれの係り受けの関係から、「私［名詞］→思う［動詞］、花［名詞］→綺麗だ［形容詞］」を意見情報として抽出する。

その後、分析手段２２は、記憶部２５に格納された評価表現リストと意見情報の受け側の［動詞］または［形容詞］に相当する評価表現とのマッチングを行って、リストに含まれる表現と一致する評価表現の意見情報を評判情報として抽出する（ステップ２０３）。

評価表現リストに記述された表現の例として、「かっこいい（ポジティブ）、綺麗だ（ポジティブ）、ダサい（ネガティブ）」があるとすると、上述の意見情報のうち、評判情報は、「花→奇麗だ（ポジティブ）」だけとなる。「花」は属性表現に相当し、「綺麗だ」は評価表現に相当する。分析手段２２は、評価表現リスト中の「綺麗だ」に付与されているポジネガ値（ポジティブ意見かネガティブ意見かを表すフラグ）をその文章に記述された属性表現（ここでは「花」）別に対応して付与する。

次に、図２に示すステップ１０３で、可視化手段２３は、評判情報を分析手段２２から受け取ると、次のようにして評判情報からグラフを作成する。図４は、図２に示すステップ１０３における、グラフ作成処理の手順を示すフローチャートである。

可視化手段２３は、記憶部２５に登録された単語リストを用いて、抽出された評判情報と分類軸とを関連付けして纏め上げした分類軸リストを作成する。続いて、作成した分類軸リストを記憶部２５に格納し、分類軸リストの分類軸をグラフ用に設定する（ステップ３０１）。

ここで、グラフの種類を説明する。商品比較のためのグラフの例として、バブルチャート、レーダーチャート（標準モード、比較モード）、マップ図がある。複数の商品間で具体的な評判の比較をしたい場合にはバブルチャートが適している。複数の商品間で、ある程度纏まった軸で評判の比較をしたい場合には、レーダーチャートまたはマップ図が適している。

可視化手段２３は、ステップ３０１で分類軸を決めると、次のようにしてグラフを作成する（ステップ３０２）。なお、可視化手段２３が作成するグラフは、予め指定されていてもよく、プログラムにしたがって可視化手段２３が選択するようにしてもよい。例えば、比較対象の商品が２つだけの場合にはバブルチャートを作成し、比較対象の商品が３つ以上であれば、レーダーチャートとマップ図を作成する指示をプログラムに予め記述しておく。

以下では、各グラフの説明に際して、次の表記を利用する。商品Ａ、Ｂ、Ｃについて、分類軸をＸ１〜Ｘ５と仮定すると、「AX1posi」は商品Ａの分類軸X1に対するポジティブ件数を表し、「AX1nega」は商品Ａの分類軸X1に対するネガティブ件数を表していることとする。このとき、MAX(X1)は、(AX1posi- AX1nega)、(BX1posi- BX1nega)、(CX1posi- CX1nega)の中での最大値を表すものとし、MIN(X1)は、(AX1posi- AX1nega)、(BX1posi- BX1nega)、(CX1posi- CX1nega)の中での最低値を表すものとする。

図５はバブルチャートの一例を示す図である。バブルチャートの作成方法は実施例１で詳細に説明し、ここではバブルチャートの見方を説明する。

図５は、商品名「Ａビール」と「Ｂビール」について評判を比較したものである。横軸をＸ軸とし、縦軸をＹ軸とする２軸で平面が４つのエリアに区切られている。平面における座標は、各商品に対する、属性表現の評価ポイント（（ポジティブ件数−ネガティブ件数）に対応する値）を意味する。ここでは、４つのエリアのそれぞれに位置する属性表現の傾向を説明する。
エリア１（X>0,Y>0）では、Ａビール、Ｂビール共にポジティブが多い。
エリア２（X>0,Y<0）では、Ｂビールのみポジティブが多い。
エリア３（X<0,Y>0）では、Ａビールのみポジティブが多い。
エリア４（X<0,Y<0）では、Ａビール、Ｂビール共にネガティブが多い。

また、属性表現の円のサイズは、属性表現に対する評判数が多いほど大きい。図５を見ると、「香り」は、Ｙ座標の値がＸ座標よりも大きいため。ＢビールよりもＡビールの方が高評価であることがわかる。また、「泡」、「気分」などは、Ｘ座標の値がＹ座標よりも大きいため、ＡビールよりもＢビールの方が高評価である。

図５のグラフでは、表示する属性表現の数を２０個に絞っている。実際には、多くの属性表現がグラフに記入される。２つの商品に差のない属性表現が多くグラフに記入されると、差のある属性表現がかえって見えづらくなってしまうことがある。それを防ぐために、図５に示すように、円のサイズの上位所定の数の属性表現をグラフに記入させるようにしてもよい。上位所定の数の属性表現を自動選択する方法については、第２の実施形態で説明する。

なお、図５に示すバブルチャートでは「商品名」を軸としているが、「商品×分類軸」を軸としてもよい。例えば、上述のビールの場合で説明すると、「Ａビール×価格」、「Ｂビール×価格」の組み合わせを軸としてもよい。

次に、レーダーチャートの作成方法を説明する。図６はレーダーチャートの例を示す図である。図６（ａ）は標準モードであり、図６（ｂ）は比較モードである。

分類軸の設定は、情報処理端末１０を介してユーザから入力されてもよく、予めプログラムに記述されていてもよい。また、分類軸の数が少なければ、その数を絞る必要がない。評価ポイント（ポジティブ件数−ネガティブ件数）を元にレーダー座標を計算する。分類軸はＸ１〜Ｘ５である。座標は最低値を０に最大値を１００にした相対値を元に算出する。

図６（ａ）に示す標準モードのグラフ作成方法を説明する。
POINT(AX1) = ((AX1posi-AX1nega)-MIN(X1))×100/(MAX(X1)-MIN(X1))を計算する。POINT(AX1)は、分類軸Ｘ１における商品Ａの座標を表す。同様にして、商品Ａについて分類軸Ｘ２〜Ｘ５のそれぞれの座標を計算して、座標を折れ線で結ぶ。商品Ａの座標計算方法と同様にして、商品Ｂ、商品Ｃについても行い、求めた座標を折れ線で結ぶ。図６（ａ）では、商品Ａを破線で示し、商品Ｂを１点鎖線で示し、商品Ｃを実線で示している。

図６（ｂ）に示す比較モードは、ターゲットとなる商品を一つ指定し、その他の商品がどのように評価されているかを見るものである。ターゲット商品との比較に主に利用される。比較モードのグラフ作成方法を説明する。

ターゲット商品の評価ポイントを全軸座標５０に配置する。図６（ｂ）では商品Ａをターゲット商品としている。P#POINT(BX1) = 50+0.5×(POINT(BX1)-POINT(AX1))を計算する。P#POINT(BX1)は、分類軸Ｘ１における商品Ｂの座標を表す。同様にして、商品Ｂについて分類軸Ｘ２〜Ｘ５のそれぞれの座標を計算して、座標を折れ線で結ぶ。商品Ｂの座標計算方法と同様にして、商品Ｃについても行い、求めた座標を折れ線で結ぶ。図６（ｂ）では、商品Ａを破線で示し、商品Ｂを１点鎖線で示し、商品Ｃを実線で示している。

次に、マップ図の作成方法を説明する。図７はマップ図の一例を示す図である。

図７では、横軸（x軸方向に）分類軸X1、縦軸（y軸方向に）分類軸X2を設定している。分類軸の設定は、情報処理端末１０を介してユーザから入力されてもよく、予めプログラムに記述されていてもよい。レーダーチャートの標準モードと考え方は同じで、評価ポイント（ポジティブ件数−ネガティブ件数）を元にマップ図座標を計算する。座標は最低値を−１に最大値を１にした相対値を元に算出する。商品ｚのＸ座標をx#POINT(z)と表し、Ｙ座標をy#POINT(z)と表す。以下に、座標の例を示す。
x#POINT(A) = ((AX1posi-AX1nega)-MIN(X1))×2/(MAX(X1)-MIN(X1))-1
y#POINT(B) = ((BX2posi-BX2nega)-MIN(X2))×2/(MAX(X2)-MIN(X2))-1
図７のマップ図には、商品Ａ、Ｂ、Ｃのそれぞれについて分類軸Ｘ１とＸ２の座標に対応してマークが記入されている。

可視化手段２３は、このようにして作成したグラフを描画するためのデータであるグラフ描画データを情報処理端末１０に送信する。情報処理端末１０は、サーバ装置２０からグラフ描画データを受信すると、グラフ描画データを用いてグラフを表示する。

次に、本実施形態の情報処理方法の実施例を説明する。本実施例では、情報処理端末１０からの分析要求に対してバブルチャートを作成して返送する場合とする。

ユーザが情報処理端末１０を操作して、評判分析対象となる商品の名称を入力すると、情報処理端末１０は、入力された複数の商品を商品毎に商品名をキーワードにしたブログデータ取得検索式を作成し、これらの検索式の情報を含む分析要求信号をサーバ装置２０に送信する。ここでは、異なるメーカの２つのパーソナルコンピュータを比較する場合とし、商品名がそれぞれ「パソコンＡ」、「パソコンＢ」とする。

サーバ装置２０の制御部２１は、情報処理端末１０から分析要求信号を受信すると、分析要求信号の中の複数のブログデータ取得検索式を用いて、それぞれに、テキストＤＢ３０に記憶されたテキストからキーワードとなる商品名を含むテキストを検索し、キーワードと一致する商品名を含むテキストを読み出し、それを記憶部２５に格納する。

なお、テキストＤＢ３０がサーバ装置であってもよい。この場合、サーバ装置２０は、情報処理端末１０から受信した分析要求信号をデータ取得要求としてテキストＤＢ３０に送信する。テキストＤＢ３０は、データ取得要求をサーバ装置２０から受信すると、データ取得要求の中の複数のブログデータ取得検索式を用いて、それぞれに、データベースに記憶されたテキストからキーワードを含むテキストを検索し、キーワードと一致する商品名を含むテキストをサーバ装置２０に送信する。

図８はブログの一例を示す図である。図８に示すように、テキストとなる文章の中に「パソコンＡ」が記述されている。分析手段２２は、商品名を含む文章をテキストＤＢ３０から受信すると、文章を単語毎に分解し、単語と単語との係り受け関係を解析する。文章「Ａ社はパソコンＡの価格の安い新製品を発表しました。」をテキスト分解すると、「Ａ社／は／パソコンＡ／の／価格／の／安い／新製品／を／発表しました／。」となる。

言語・構文解析結果は、「Ａ社［名詞］→発表する［動詞］、パソコンＡ［名詞］→価格［名詞］、パソコンＡ［名詞］→安い［形容詞］、パソコンＡ［名詞］→新製品［名詞］、パソコンＡ［名詞］→発表する［動詞］、価格［名詞］→安い［形容詞］、安い［形容詞］→新製品［名詞］、新製品［名詞］→発表する［動詞］」となる。

分析手段２２は、解析した単語と単語との係り受け関係から、名詞→動詞、名詞→形容詞、動詞→名詞、形容詞→名詞への係り受け関係の情報（意見情報）を抽出する。その際、動詞→名詞、形容詞→名詞の係り受け関係は、名詞→動詞、名詞→形容詞にそれぞれ変換する。

意見情報は、「Ａ社［名詞］→発表する［動詞］、パソコンＡ［名詞］→安い［形容詞］、パソコンＡ［名詞］→発表する［動詞］、価格［名詞］→安い［形容詞］、新製品［名詞］→発表する［動詞］、新製品［名詞］→安い［形容詞］」となる。

分析手段２２は、抽出した意見情報の受け側の評価表現と記憶部２５に格納された評価表現リストとをマッチングにより照合し、照合した結果、リストの表現と一致する評価表現の意見情報を評判情報として抽出する。そして、評価表現リストの評価表現に関連付けされているポジネガ値をその属性表現に対応して付与する。

記憶部２５に格納されている評価表現リストには、安い（ポジティブ）、良い（ポジティブ）、好き（ポジティブ）、速い（ポジティブ）、軽い（ポジティブ）、ダサイ（ネガティブ）、嫌い（ネガティブ）、重い（ネガティブ）・・・等の表現が記述されているものとする。この評価表現リストでは、安い（ポジティブ）、良い（ポジティブ）、好き（ポジティブ）、速い（ポジティブ）、軽い（ポジティブ）は、本発明の第１種類の第１の語句に相当する。また、ダサイ（ネガティブ）、嫌い（ネガティブ）、重い（ネガティブ）は、本発明の第２種類の第２の語句に相当する。

上記マッチングによる照合結果は、次の通りである。各意見情報について、属性表現、評価表現、および照合結果を順に示す。
Ａ社（属性表現） → 発表する（評価表現） ： 不一致
パソコンＡ（属性表現）→ 安い（評価表現） ： 一致
パソコンＡ（属性表現）→ 発表する（評価表現） ： 不一致
価格（属性表現） → 安い（評価表現） ： 一致
製品（属性表現） → 発表する（評価表現） ： 不一致
新製品（属性表現） → 安い（評価表現） ： 一致
上記照合結果から、評判情報として、次の３つが抽出される。
パソコンＡ → 安い（ポジティブ）
価格 → 安い（ポジティブ）
新製品 → 安い（ポジティブ）
可視化手段２３は、記憶部２５に登録されている単語リストを用いて、抽出された評判情報と分類軸とを関連付けして纏め上げした分類軸リストを作成する。なお、1つの分類軸に複数の評判情報が関連付けされてもよい。単語リストの例を示す。
（分類軸）価格 ： （属性表現、評価表現）価格、値段、安い・・・
（分類軸）デザイン： （属性表現、評価表現）コンパクト、色、スタイル、かっこいい・・・
（分類軸）スペック： （属性表現、評価表現）処理、操作、メモリ・・・
作成された分類軸リストの一例を示す。
（評判情報）パソコンＡ → 安い、価格→安い、新製品→安い ⇒ （分類軸）価格
なお、本実施例では、１つの文章をもとに１つの商品の場合について説明してきたが、他の文や他のテキスト、他の商品も同様に行っているものとする。以下では、他の文や他のテキストも処理したものとして説明する。

続いて、可視化手段２３は、設定した分類軸を用いてバブルチャートを次のようにして作成する。なお、商品が２つの場合は２軸であるが、３つの場合は３軸となる。また、軸を商品×分類軸ではなく、商品にした場合、属性表現を分類軸にしてもよい。グラフを作成する商品が選ばれると、それらの商品に共通する属性表現を含む評判情報を比較照合して抽出し、その抽出された評判情報に対して以下の処理をしてグラフを作成する。

可視化手段２３は、商品（または商品×分類軸（この場合は、情報処理端末１０に対してユーザの入力により選択された分類軸を用いることにするなどで、分類軸をサーバ装置２０の制御部２１が認識する））毎に、評判情報を用いて、属性表現別にポジティブ、ネガティブのフラグの件数を加算し、集計する。

図９はポジネガ値の集計結果を示す表である。図９では、「価格」、「性能」、「デザイン」のそれぞれの属性表現について、パソコンＡとパソコンＢのポジティブ件数、ネガティブ件数の集計結果が表に示されている。なお、図９に示す以外にも属性表現があってもよいが、説明を簡単にするために省略する。

可視化手段２３は、商品（または商品×分類軸）毎に、属性表現別に評価ポイント（＝ポジティブ件数−ネガティブ件数）を計算する。
POINT(A,W)を商品「パソコンＡ」の属性表現「Ｗ」の評価ポイントとする。
POSI（A，W）を商品「パソコンＡ」の属性表現「Ｗ」のポジティブ値とする。
NEGA（A，W）を商品「パソコンＡ」の属性表現「Ｗ」のネガティブ値とする。
商品「パソコンＡ」の属性表現「Ｗ」の評価ポイントは、次式で求まる。
POINT(A,W)＝POSI（A，W）−NEGA（A，W）
商品名「パソコンＡ」について、属性表現「価格」での評価ポイントは、POINT（パソコンＡ, 価格）＝POSI（パソコンＡ, 価格）−NEGA（パソコンＡ, 価格）＝８０−５＝７５となる。これと同様にして、他の属性表現についても計算すると、POINT（パソコンＡ, 性能）＝４０、POINT（パソコンＡ, デザイン）＝−５５となる。

商品名「パソコンＢ」についても、パソコンＡと同様に計算すると、POINT（パソコンＢ, 価格）＝−１０、POINT（パソコンＡ, 性能）＝６０、POINT（パソコンＢ, デザイン）＝９３となる。これらの計算結果を図９に示す。

続いて、可視化手段２３は、商品（または商品×分類軸）毎に、属性表現別の座標を計算する。まず、一番大きい値の評価ポイントと一番小さい値の評価ポイントを抽出しておく。次に、評価ポイントがプラスかマイナスか判断して、座標の値を評価ポイントから一番大きい値の評価ポイントを除算する。座標を−１〜１とする。

Ｘ軸を商品「パソコンＡ」とし、Ｙ軸を商品「パソコンＢ」とする。

商品「パソコンＡ」、属性表現「Ｗ」のＸ座標＝Ｘ（Ａ，Ｗ）
商品「パソコンＢ」、属性表現「Ｗ」のＹ座標＝Ｙ（Ｂ，Ｗ）
商品「パソコンＡ」の中で一番大きい値の評価ポイントを抽出しておく＝ＭＡＸＰＯＩＮＴ（Ａ）
商品「パソコンＢ」の中で一番大きい値の評価ポイントを抽出しておく＝ＭＡＸＰＯＩＮＴ（Ｂ）
商品「パソコンＡ」の中で一番小さい値の評価ポイントを抽出しておく＝ＭＩＮＰＯＩＮＴ（Ａ）
商品「パソコンＢ」の中で一番小さい値の評価ポイントを抽出しておく＝ＭＩＮＰＯＩＮＴ（Ｂ）
そして、次式により座標を求める。

POINT（A,W）≧０なら、X（A、W）＝POINT（A,W）/MAXPOINT（A)
POINT（A,W）＜０なら、X（A、W）＝POINT（A,W）/MINPOINT（A)×（−１）とする。

また、
ＭＡＸＰＯＩＮＴ（パソコンＡ）＝７５
ＭＩＮＰＯＩＮＴ（パソコンＡ）＝−５５
ＭＡＸＰＯＩＮＴ（パソコンＢ）＝９３
ＭＩＮＰＯＩＮＴ（パソコンＢ）＝−１０
となる。

POINT（パソコンＡ, 価格）＝７５≧０なので、Ｘ（パソコンＡ, 価格）＝POINT（パソコンＡ, 価格）/MAXPOINT（パソコンＡ)＝７５／７５＝１．０
POINT（パソコンＡ, 性能）＝４０≧０なので、Ｘ（パソコンＡ, 性能）＝POINT（パソコンＡ, 性能）/MAXPOINT（パソコンＡ)＝４０／７５＝０．５３
POINT（パソコンＡ, デザイン）＝−５５＜０なので、Ｘ（パソコンＡ, デザイン）＝POINT（パソコンＡ, デザイン）/MINPOINT（パソコンＡ)×（−１）＝−５５／−５５×−１＝−１．０となる。

また、POINT（パソコンＢ, 価格）＝−１０＜０なので、Ｙ（パソコンＢ, 価格）＝POINT（パソコンＢ, 価格）/MINPOINT（パソコンＢ)×（−１）＝−１０／−１０×−１＝−１．０
POINT（パソコンＢ, 性能）＝６０≧０なので、Ｙ（パソコンＢ, 性能）＝POINT（パソコンＢ, 性能）/MAXPOINT（パソコンＢ)＝６０／９３＝０．６５
POINT（パソコンＢ, デザイン）＝９３≧０なので、Ｙ（パソコンＢ, デザイン）＝POINT（パソコンＢ, デザイン）/MAXPOINT（パソコンＢ)＝９３／９３＝１．０となる。

続いて、可視化手段２３は、属性表現別に、指定されている商品（または商品×分類軸）のポジティブ件数＋ネガティブ件数を合計して、円サイズを計算する。次に、円サイズの最大値を抽出し、円サイズは正規化により、１０段階のレベルで振り分ける。なお、１０段階以外でもよい。

属性表現「W」の円サイズを円サイズ（W)とすると、
円サイズ（W)＝POSI（A，W）＋NEGA（A，W）＋POSI（B，W）＋NEGA（B，W）となる。円サイズの最大値（MAX円サイズ）のレベル（Level）を１０とし、円サイズ（Ｗ）のレベルをLevel(W)とすると、円サイズ（Ｗ）＝MAX円サイズならLevel(W) =１０となる。

円サイズ（Ｗ）＜MAX円サイズならLevel(W) = int(円サイズ(W)/MAX円サイズ×10)+1となる。ただし、「int（数値）」は数値の小数点以下を切り捨てることを意味する。数値の切り上げなら、場合分けせずにLevel(W) =小数点以下切り上げ(円サイズ(W)/MAX円サイズ×10)でよい。

円サイズ（価格)＝８０＋５＋３０＋４０＝１５５
円サイズ（性能)＝７０＋３０＋８０＋２０＝２００
円サイズ（デザイン)＝５＋６０＋９５＋２＝１６２
MAX円サイズ＝２００となる。

円サイズ（価格）＜MAX円サイズなので、Level（価格） = int（１５５／２００×１０）＋１＝８となる。円サイズ（性能）＝MAX円サイズなので、Level（性能） = １０となる。円サイズ（デザイン）＜MAX円サイズなので、Level（デザイン） = int（１６２／２００×１０）＋１＝９となる。

可視化手段２３は、属性表現（Ｗ）別に、計算された座標Ｘ（Ａ, Ｗ）、Ｙ（Ｂ, Ｗ）と、円サイズのレベルLevel（Ｗ）を用いて、情報処理端末１０でグラフに描画するためのグラフ描画データを生成する。

図１０は本実施例で作成されたバブルチャートの図である。図１０から、パソコンＡはパソコンＢに比べて、価格の面で評判がよいが、デザインの面ではよくない評判である。性能に関してはいずれも同じぐらいのよい評判である。

可視化手段２３は、分析要求信号を送ってきた情報処理端末１０に、生成したグラフ描画データを送信する。

なお、本実施例のバブルチャートでは、商品名を軸とする場合で説明したが、商品名と分類軸とを組み合わせものをそれぞれ軸とし、複数の商品名と分類軸とに関連付けられた属性表現のみを用いてグラフを作成してもよい。

（第２の実施形態）
第１の実施形態で説明したグラフ描画データ中には、数十〜数万個の大量の属性表現（Ｗ）別のデータ（プロットデータと称する）ができてしまう可能性がある。そのまま、バブルチャートのグラフに描写すると、プロットデータが重なり合い、ユーザが見づらくなってしまう。本実施形態は、特徴の現れたプロットデータを自動的に抽出するものである。本実施形態の可視化手段２３は、算出したグラフ描画データを記憶部２５に格納した後、以下の手順で演算を実行する。図１１は、本実施形態の方法を説明するための図である。

１．属性表現（Ｗ）別に、計算された座標Ｘ（Ａ, Ｗ）、Ｙ（Ｂ, Ｗ）と、円サイズのレベルLevel（Ｗ）が含まれるグラフ描画データを記憶部２５から読み出す。

２．バブルチャートの既定の端の点（index）（例えば、４点、１６点）を順番に、既定の端の点と（読み出されたグラフ描画データ中の）各プロットデータとを、距離とサイズを用いた計算式で、自動設定ポイントを算出する。図１１は、既定の端の点の数が４点と１６点の場合を示す。
自動設定ポイント：P(ｗ,index)=１／端の点(index)からの距離＋サイズ（w）／１０
３．算出した各既定の端の点毎に、自動設定ポイントの高いプロットデータ（例えば、上位２つ）をグラフ描画データに採用し、記憶部２５に格納する。

図１２は本実施形態で作成されたバブルチャートの図である。このバブルチャートは、図５に示したバブルチャートにプロットした属性表現を用いて、端の点を４点とし、それぞれの端の点において、各属性表現の自動設定ポイントを算出し、自動設定ポイントが高かった上位２つの属性表現を採用し、数を絞ったものである。ここでは、図５に示した属性表現が３２個から８個に絞られている。

商品の評判の違いを見比べるためのグラフとしてバブルチャートを用いると、評判の属性表現の種類は数百〜数万個存在するため、商品の特徴が見えづらくなるおそれがあるが、本実施形態では、各商品の特徴がより現れている属性表現を自動的に選択させることができる。大量の属性情報から、特徴的な属性情報を自動選択できる。

ここでは、既定の端の点の数として、４点と１６点の場合を説明したが、その数はいくつでもよい。また、ユーザが情報処理端末１０を操作してその数を指定してもよい。

また、既定の端の点毎に採用するプロットデータの数は２つ以外であってもよい。また、ユーザが情報処理端末１０を操作してその数を指定してもよい。

さらに、既定の端の点を順番に上記３の演算を行う際、上記３の演算が終了した点で既に採用済みのプロットデータがその後の点における上記３の演算で選択された場合は、もう一つ順位の低いプロットデータを採用してもよい。

なお、上述の実施形態および実施例では、各グラフ作成方法に関しては、正規化したポイント（−１〜１、０〜１００）を利用したが、実数値を利用するなど複数の方法がある。上述の実施形態および実施例はその一例であり、他の方法を用いてもよい。また、グラフの種類に関しても、上述の種類に限らず、他にも棒グラフなどの複数の表現方法が考えられ、他のグラフを用いてもよい。

また、ブログやニュース記事の文章の場合で説明したが、テキストデータであれば、分析対象として適用することが可能である。

また、評判情報と組み合わせなくとも、バブルチャート等のグラフ作成機能単体でマーケティング分野等の他分野に適用することが可能である。例えば、バブルチャートであれば、X軸・Y軸には前年度との売上高の差、前年度との従業員数の差、円サイズは平均給料などにすれば、急成長している、または急激に衰退している特徴的な企業等を自動的にピックアップして、グラフ化できる。

本発明によれば、複数の商品について評判を比較するためのグラフを自動的に作成することができる。ネットワーク上で公開されたブログなどの多くの情報を分析対象とする場合であっても、テキスト分析を行う人の労力を軽減し、複数の商品比較を可能にしたグラフを作成することができる。また、ユーザに対して複数の商品についての評判分析のレポートを提供できる。

第１の実施形態の情報処理方法を説明するためのブロック図である。 図１に示したサーバ装置の制御部の動作を示すフローチャートである。 図２に示すステップ１０２における、評判情報の抽出処理の手順を示すフローチャートである。 図２に示すステップ１０３における、グラフ作成処理の手順を示すフローチャートである。 バブルチャートの一例を示す図である。 レーダーチャートの例を示す図である。 マップ図の一例を示す図である。 ブログの一例を示す図である。 ポジネガ件数の集計結果を示す表である。 実施例１で作成されたバブルチャートの図である。 第２の実施形態の方法を説明するための図である。 第２の実施形態で作成されたバブルチャートの図である。

符号の説明

１０ 情報処理端末
２０ サーバ装置
２１ 制御部
２２ 分析手段
２３ 可視化手段
２５ 記憶部
３０ テキストＤＢ

Claims (24)

1. 分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを表したグラフを生成する制御部を有する情報処理装置。
2. 前記第１の語句のリストおよび前記第２の語句のリストを含む評価表現リストが格納された記憶部を有し、
   前記制御部は、
   前記商品名に対応して取得した前記テキストから、属性表現の一種である名詞と評価表現の一種である動詞または形容詞の係り受け関係を有する評価情報を抽出し、抽出した評価情報の受け側に前記第１の語句または前記第２の語句を含む評判情報を抽出し、前記属性表現毎に該第１の語句を含む評判情報の数と該第２の語句を含む評判情報の差を算出して前記評価ポイントを求める、請求項１記載の情報処理装置。
3. 前記記憶部に、前記評判情報の属性表現または評価表現に対してどのような分類軸に関連付けるかを決めるための単語リストが格納され、
   前記制御部は、
   前記単語リストを参照して、前記第１の語句または前記第２の語句を含む評判情報と分類軸とを関連付けして纏め上げした分類軸リストを作成する、請求項２記載の情報処理装置。
4. 前記制御部は、
   前記複数の商品名のそれぞれを軸とし、前記属性表現毎に前記複数の商品名の前記評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する、請求項２記載の情報処理装置。
5. 前記制御部は、
   前記バブルチャートの周囲に既定した複数の点のそれぞれについて、前記円までの距離および該円のサイズに基づく点数を前記属性表現毎に求め、該点数のうち上位所定の数の属性表現に対応する前記円を前記バブルチャートに記入するものとして選択する、請求項４記載の情報処理装置。
6. 前記制御部は、
   複数の前記商品名と前記分類軸との組み合わせをそれぞれ軸とし、複数の前記商品名と前記分類軸とに関連付けられた前記属性表現毎に前記評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する、請求項３記載の情報処理装置。
7. 前記制御部は、
   前記分類軸リストに含まれる分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名毎に該座標を折れ線で結んだレーダーチャートを前記グラフとして生成する、請求項３記載の情報処理装置。
8. 前記制御部は、
   前記分類軸リストに含まれる分類軸のうち分析対象となる２つの分類軸を決定し、該分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を平面に設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名に対応して該座標にマークを記入したマップ図を前記グラフとして生成する、請求項３記載の情報処理装置。
9. 分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、
   商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、
   前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを前記商品名に対応して表したグラフを生成する、情報処理方法。
10. 前記第１の語句のリストおよび前記第２の語句のリストを含む評価表現リストを予め準備し、
    前記商品名に対応して取得した前記テキストから、属性表現の一種である名詞と評価表現の一種である動詞または形容詞の係り受け関係を有する評価情報を抽出し、
    抽出した評価情報の受け側に前記第１の語句または前記第２の語句を含む評判情報を抽出し、
    前記属性表現毎に該第１の語句を含む評判情報の数と該第２の語句を含む評判情報の差を算出して前記評価ポイントを求める、請求項９記載の情報処理方法。
11. 前記評判情報の属性表現または評価表現に対してどのような分類軸に関連付けるかを決めるための単語リストを予め準備し、
    前記単語リストを参照して、前記第１の語句または前記第２の語句を含む評判情報と分類軸とを関連付けして纏め上げした分類軸リストを作成する、請求項１０記載の情報処理方法。
12. 前記複数の商品名のそれぞれを軸とし、前記属性表現毎に前記複数の商品名の評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する、請求項１０記載の情報処理方法。
13. 前記バブルチャートの周囲に既定した複数の点のそれぞれについて、前記円までの距離および該円のサイズに基づく点数を前記属性表現毎に求め、該点数のうち上位所定の数の属性表現に対応する前記円を前記バブルチャートに記入するものとして選択する、請求項１２記載の情報処理方法。
14. 複数の前記商品名と前記分類軸との組み合わせをそれぞれ軸とし、複数の前記商品名と前記分類軸とに関連付けられた前記属性表現毎に前記評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する、請求項１１記載の情報処理方法。
15. 前記分類軸リストに含まれる分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名毎に該座標を折れ線で結んだレーダーチャートを前記グラフとして生成する、請求項１１記載の情報処理方法。
16. 前記分類軸リストに含まれる分類軸のうち分析対象となる２つの分類軸を決定し、該分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を平面に設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名に対応して該座標にマークを記入したマップ図を前記グラフとして生成する、請求項１１記載の情報処理方法。
17. コンピュータに実行させるためのプログラムであって、
    分析対象となる複数の商品名が入力されると、該複数の商品名毎に該商品名を含むテキストを格納部より取得し、
    商品に対する評価の表現として第１種類に予め分類されている第１の語句と該第１種類とは異なる第２種類に予め分類されている第２の語句とを前記商品名に対応して前記テキストからそれぞれ抽出し、
    前記商品名毎に抽出した前記第１の語句と前記第２の語句のそれぞれのカウント数の差に対応する値である評価ポイントを表したグラフを生成する処理を前記コンピュータに実行させるためのプログラム。
18. 前記第１の語句のリストおよび前記第２の語句のリストを含む評価表現リストを予め記憶部に格納し、
    前記商品名に対応して取得した前記テキストから、属性表現の一種である名詞と評価表現の一種である動詞または形容詞の係り受け関係を有する評価情報を抽出し、
    抽出した評価情報の受け側に前記第１の語句または前記第２の語句を含む評判情報を抽出し、
    前記属性表現毎に該第１の語句を含む評判情報の数と該第２の語句を含む評判情報の差を算出して前記評価ポイントを求める処理を含む請求項１７記載のプログラム。
19. 前記評判情報の属性表現または評価表現に対してどのような分類軸に関連付けるかを決めるための単語リストを予め前記記憶部に格納し、
    前記単語リストを参照して、前記第１の語句または前記第２の語句を含む評判情報と分類軸とを関連付けして纏め上げした分類軸リストを作成する処理を含む請求項１８記載のプログラム。
20. 前記複数の商品名のそれぞれを軸とし、前記属性表現毎に前記複数の商品名の評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する処理を含む請求項１８記載のプログラム。
21. 前記バブルチャートの周囲に既定した複数の点のそれぞれについて、前記円までの距離および該円のサイズに基づく点数を前記属性表現毎に求め、該点数のうち上位所定の数の属性表現に対応する前記円を前記バブルチャートに記入するものとして選択する処理をさらに有する請求項２０記載のプログラム。
22. 複数の前記商品名と前記分類軸との組み合わせをそれぞれ軸とし、複数の前記商品名と前記分類軸とに関連付けられた前記属性表現毎に前記評価ポイントから座標を算出し、該座標に前記評判情報の数に対応するサイズの円を記入したバブルチャートを前記グラフとして生成する処理を含む請求項１９記載のプログラム。
23. 前記分類軸リストに含まれる分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名毎に該座標を折れ線で結んだレーダーチャートを前記グラフとして生成する処理を含む請求項１９記載のプログラム。
24. 前記分類軸リストに含まれる分類軸のうち分析対象となる２つの分類軸を決定し、該分類軸毎に前記複数の商品名の前記評価ポイントの最大値と最小値で規格化した軸を平面に設定し、前記評価ポイント毎に該軸に対応させた値を座標として求め、前記商品名に対応して該座標にマークを記入したマップ図を前記グラフとして生成する処理を含む請求項１９記載のプログラム。

Images