JP2013088832A - 情報処理装置、情報処理方法、および、プログラム - Google Patents

情報処理装置、情報処理方法、および、プログラム Download PDF

Info

Publication number
JP2013088832A
JP2013088832A JP2011225477A JP2011225477A JP2013088832A JP 2013088832 A JP2013088832 A JP 2013088832A JP 2011225477 A JP2011225477 A JP 2011225477A JP 2011225477 A JP2011225477 A JP 2011225477A JP 2013088832 A JP2013088832 A JP 2013088832A
Authority
JP
Japan
Prior art keywords
comment
user
comments
information processing
keyword
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.)
Pending
Application number
JP2011225477A
Other languages
English (en)
Inventor
Hiroshi Tateno
啓 舘野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2011225477A priority Critical patent/JP2013088832A/ja
Priority to US13/617,808 priority patent/US8959456B2/en
Priority to CN2012103677594A priority patent/CN103198086A/zh
Publication of JP2013088832A publication Critical patent/JP2013088832A/ja
Priority to US14/595,857 priority patent/US20150127655A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】コンテンツやイベント等についてのユーザからのフィードバックを増やす。
【解決手段】コメント収集部は、時間とともに進行する投稿対象についてのコメントを収集する。投票項目選択部は、ユーザの特性に基づいて、収集したコメントの中からユーザに提示するコメントを選択する。表示制御部は、選択されたコメントに対する評価をユーザが付与できるように、選択されたコメントの表示を制御する。投票収集部は、ユーザにより付与された評価を収集する。本技術は、例えば、ユーザにより投稿されたコメントを解析するシステムに適用できる。
【選択図】図２

Description

本技術は、情報処理装置、情報処理方法、および、プログラムに関し、特に、コンテンツやイベント等についてのユーザのフィードバックを収集する場合に用いて好適な情報処理装置、情報処理システム、情報処理方法、および、プログラムに関する。
従来、ＴＶ番組についてのフィードバックとしてユーザ（視聴者）が入力したコメントを収集および解析するシステムが提案されている（例えば、特許文献１参照）。
特開２００８−２８３４１２号公報
しかしながら、キーボードやボタン等を用いてコメントを入力する作業を煩雑に感じ、コメントを入力しないユーザも多く、そのようなユーザからは、フィードバックを得ることができない。
そこで、本技術は、コンテンツやイベント等についてのユーザからのフィードバックを増やすことができるようにするものである。
本技術の一側面の情報処理装置は、時間とともに進行する投稿対象についてのコメントを収集するコメント収集部と、ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択するコメント選択部と、選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御する表示制御部と、前記ユーザにより付与された評価を収集する評価収集部とを含む。
前記ユーザの特性に、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方を含ませ、前記コメント選択部には、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方に基づく特徴量と、収集したコメントの特徴量とをマッチングした結果に基づいて、前記ユーザに提示するコメントを選択させることができる。
前記コメントの特徴量に、文体の特徴量、出現する語句、各語句の出現頻度、並びに、ポジティブなコメントまたはネガティブなコメントに分類した結果のうち少なくとも１つを含ませるようにすることができる。
収集したコメントの中から注目するキーワードを検出するキーワード検出部をさらに設け、前記コメント選択部には、検出された前記キーワードを含むコメントの中から前記ユーザに提示するコメントを選択させるようにすることができる。
前記キーワード検出部には、収集したコメントにおける出現頻度、出現頻度の推移、および、出現頻度の分散のうち少なくとも１つに基づいて、前記キーワードを検出させる
ようにすることができる。
前記表示制御部には、検出された前記キーワード毎に、前記キーワードを含むコメントの投稿数と前記キーワードを含むコメントに対する肯定的な評価数の合計値を表示するように制御させることができる。
前記表示制御部には、ポジティブなコメントとネガティブなコメントを区別して表示するように制御させることができる。
前記表示制御部には、前記ユーザのコメントにおけるポジティブなコメントとネガティブなコメントの比率、および、前記ユーザが肯定的な評価を付与したコメントにおけるポジティブなコメントとネガティブなコメントの比率のうち少なくとも一方に基づいて、ポジティブなコメントとネガティブなコメントを表示する順序を変更させることができる。
収集したコメントを解析し、ポジティブなコメントとネガティブなコメントを含む複数のクラスに分類する解析部をさらに設けることができる。
前記コメント選択部には、前記ユーザが注目する他のユーザのコメントを優先して選択させるようにすることができる。
本技術の一側面の情報処理方法は、情報処理装置が、時間とともに進行する投稿対象についてのコメントを収集し、ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、前記ユーザにより付与された評価を収集するステップを含む。
本技術の一側面のプログラムは、時間とともに進行する投稿対象についてのコメントを収集し、ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、前記ユーザにより付与された評価を収集するステップを含む処理をコンピュータに実行させる。
本技術の一側面においては、時間とともに進行する投稿対象についてのコメントが収集され、ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントが選択され、選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示が制御され、前記ユーザにより付与された評価が収集される。
本技術の一側面によれば、コンテンツやイベント等についてのユーザからのフィードバックを増やすことができる。
本技術を適用した情報処理システムの一実施の形態を示すブロック図である。 情報処理装置の機能の構成例を示すブロック図である。 コメント解析ページの例を示す図である。 コメント解析ページの例を示す図である。 コメント解析サービス提供処理を説明するためのフローチャートである。 コメント解析サービス提供処理を説明するためのフローチャートである。 コメント特徴量ベクトルの例を示す図である。 投票項目の選択方法を説明するための図である。 投票項目の選択方法を説明するための図である。 投票項目の選択方法の他の例を説明するための図である。 投票項目の選択方法の他の例を説明するための図である。 コンピュータの構成例を示すブロック図である。
以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．実施の形態
２．変形例
＜１．実施の形態＞
［情報処理システム１の構成例］
図１は、本技術を適用した情報処理システム１の一実施の形態を示すブロック図である。
情報処理システム１は、サーバ１１−１乃至１１−ｍ、クライアント１２−１乃至１２−ｎ、および、情報処理装置１３を含むように構成される。サーバ１１−１乃至１１−ｍ、クライアント１２−１乃至１２−ｎ、および、情報処理装置１３は、例えばインターネット等により構成されるネットワーク１４を介して相互に接続されている。
なお、以下、サーバ１１−１乃至１１−ｍを個々に区別する必要がない場合、単にサーバ１１と称する。また、以下、クライアント１２−１乃至１２−ｎを個々に区別する必要がない場合、単にクライアント１２と称する。
サーバ１１の一部は、各種のコンテンツをクライアント１２に配信するサービスを行う。サーバ１１から配信されるコンテンツには、例えば、動画データ、音声データ等、時間とともに進行するコンテンツが含まれる。
また、サーバ１１の一部は、クライアント１２からコメントの投稿が可能なサービスを提供する。それらのサービスには、例えば、ブログ、マイクロブログ（例えば、ツイッター（商標）等）、チャット、掲示板、ソーシャルネットワーキングサービス（SNS）等が含まれる。なお、以下、クライアント１２からの投稿が可能なサービスを、投稿サービスと称する。
クライアント１２は、例えば、パーソナルコンピュータ、携帯情報端末、携帯電話機、テレビジョン受像機、ゲーム機器等、ネットワーク１４を介して、サーバ１１および情報処理装置１３と通信可能な機器により構成される。ユーザは、クライアント１２を用いて、例えば、サーバ１１が提供する投稿サービスを利用して、所定の投稿対象についてのコメントを投稿する。
なお、投稿対象には、例えば、動画コンテンツ、音声コンテンツ、ＴＶ番組等の時間とともに進行する各種のコンテンツが含まれる。
また、投稿対象となるコンテンツは、サーバ１１が配信するものや、クライアント１２に配信されるものに限定されない。例えば、ユーザが、クライアント１２とは異なる装置により、サーバ１１と異なる装置から受信したＴＶ番組を視聴しながら、そのＴＶ番組についてのコメントを、クライアント１２を用いて投稿するようなことが可能である。
さらに、投稿対象は、コンテンツに限定されるものではなく、例えば、コンサート、講演会、スポーツの試合、製品説明会等の時間とともに進行する各種のイベントも含む。
情報処理装置１３は、クライアント１２に対してコメント解析サービスを提供する。コメント解析サービスは、クライアント１２から投稿されたコメントをサーバ１１から収集し、収集したコメントの解析および集計を行い、その結果をクライアント１２に提供したり、他のユーザのコメントに対してユーザが評価を付与することを可能にするサービスである。なお、コメント解析サービスの詳細は、図３等を参照して後述する。
［情報処理装置１３の構成例］
図２は、情報処理装置１３の機能的な構成例を示すブロック図である。
情報処理装置１３は、受信部５１、コメント収集部５２、コメントＤＢ（データベース）５３、解析部５４、キーワード検出部５５、投票収集部５６、記憶部５７、特徴量抽出部５８、マッチング部５９、投票項目選択部６０、集計部６１、情報収集部６２、情報ＤＢ（データベース）６３、学習部６４、表示制御部６５、および、送信部６６を含むように構成される。
受信部５１は、ネットワーク１４を介して、サーバ１１およびクライアント１２と通信を行い、サーバ１１およびクライアント１２から送信される各種のデータを受信する。
コメント収集部５２は、クライアント１２からサーバ１１に投稿されたコメントを、ネットワーク１４および受信部５１を介してサーバ１１から収集する。コメント収集部５２は、収集したコメントをコメントＤＢ５３に蓄積する。
解析部５４は、コメントＤＢ５３に蓄積されているコメントの解析を行い、解析結果を記憶部５７に記憶させる。
キーワード検出部５５は、記憶部５７に記憶されているコメントの解析結果に基づいて、収集したコメントの中から注目するキーワードを検出する。キーワード検出部５５は、検出したキーワードを記憶部５７に記憶させる。
なお、以下、注目するキーワードとして、ユーザの間で盛り上がっているキーワードである盛り上がりキーワードを検出する例について説明する。なお、盛り上がりキーワードの詳細については後述する。
投票収集部５６は、ユーザが投稿したコメントに対する投票を、ネットワーク１４および受信部５１を介してクライアント１２から収集する。投票収集部５６は、収集した投票の結果を記憶部５７に記憶させる。
なお、後述するように、ユーザは、コメント解析サービスを利用することにより、他のユーザが投稿したコメントに対してクライアント１２から投票を行うことが可能である。
特徴量抽出部５８は、コメントＤＢ５３に蓄積されているコメントの特徴量を、記憶部５７に記憶されているコメントの解析結果に基づいて抽出する。特徴量抽出部５８は、抽出した特徴量を表す特徴量ベクトルを生成し、マッチング部５９に供給する。
マッチング部５９は、コメント解析サービスを利用する各ユーザについて、ユーザにより過去に投稿されたコメントの特徴量を表す特徴量ベクトル（以下、ユーザ特徴量ベクトルと称する）と、サーバ１１から収集したコメントの特徴量ベクトル（以下、コメント特徴量ベクトルと称する）とのマッチングを行う。マッチング部５９は、マッチング結果を投票項目選択部６０に通知する。
投票項目選択部６０は、マッチング部５９によるマッチング結果に基づいて、収集されたコメントの中から、コメント解析サービスを利用する各ユーザに対して投票対象として提示するコメントである投票項目を選択する。投票項目選択部６０は、選択した投票項目を表示制御部６５に通知する。
なお、投票項目は、後述するように、各ユーザの特性に基づいて、ユーザ毎に個別に選択される。
集計部６１は、記憶部５７に記憶されているコメントの解析結果および投票結果に基づいて、コメントの投稿数および投票数の集計を行う。集計部６１は、集計結果を表示制御部６５に通知する。
情報収集部６２は、コメント解析サービスの対象となる投稿対象に関する情報をサーバ１１から収集し、情報ＤＢ６３に蓄積する。また、情報収集部６２は、ユーザに推薦する推薦アイテム（例えば、コンテンツ、商品、サービス、イベント、情報等）に関する情報を収集し、情報ＤＢ６３に蓄積する。
学習部６４は、記憶部５７に記憶されている各ユーザのコメントの解析結果および投票結果、並びに、情報ＤＢ６３に蓄積されている投稿対象に関する情報に基づいて、各ユーザの嗜好等の学習を行う。また、学習部６４は、各ユーザの嗜好、および、情報ＤＢ６３に蓄積されている推薦アイテムに関する情報に基づいて、各ユーザに推薦する推薦アイテムの学習を行う。学習部６４は、学習結果を表示制御部６５に供給する。
表示制御部６５は、コメントＤＢ５３に蓄積されているコメント、記憶部５７に記憶されているコメントの解析結果、および、盛り上がりキーワードの検出結果、集計部６１により集計されたコメントの投稿数および投票数の集計結果、並びに、情報ＤＢ６３に蓄積されている投稿対象に関する情報に基づいて、図３および図４を参照して後述するコメント解析ページを表示するための表示制御データを生成する。
また、表示制御部６５は、学習部６４による学習結果に基づいて、各ユーザに推薦する推薦アイテムに関する情報を含む推薦情報ページを表示するための表示制御データを生成する。
表示制御部６５は、生成した表示制御データを、送信部６６およびネットワーク１４を介して、クライアント１２に送信することにより、クライアント１２におけるコメント解析ページおよび推薦情報ページの表示を制御する。
送信部６６は、ネットワーク１４を介して、サーバ１１およびクライアント１２と通信を行い、サーバ１１およびクライアント１２に各種のデータを送信する。
なお、以下、コメント解析サービスの対象となる投稿対象がＴＶ番組である場合を具体例として挙げながら説明する。また、以下、コメント解析サービスの対象となるＴＶ番組を対象番組と称する。
［コメント解析ページの例］
図３および図４は、コメント解析サービスを利用することによりクライアント１２において表示されるコメント解析ページの例を示している。なお、図３に示される画面と図４に示される画面により１つのコメント解析ページが構成され、例えば、図３の画面と図４の画面が縦または横に並べて表示されたり、あるいは、複数のページに分けて表示されたりする。
コメント解析ページには、大きく分けて、注目のコメント欄、最近の盛り上がりキーワード欄、番組の投票結果欄、および、最新のコメント欄が含まれる。
注目のコメント欄には、所定の数（例えば４つ）の盛り上がりキーワードについて、各盛り上がりキーワードを含むコメントの中から１つずつ選択された投票項目１０１ａ乃至１０１ｄが表示される。
この例では、盛り上がりキーワード”がんばれ”に対して、「踏ん張りどころ、がんばれ！」が投票項目１０１ａとして表示されている。盛り上がりキーワード”カッコいい”に対して、「このピッチャー、カッコいい」が投票項目１０１ｂとして表示されている。盛り上がりキーワード”わたなべ”に対して、「わたなべダメだな〜」が投票項目１０１ｃとして表示されている。盛り上がりキーワード”一打逆転”に対して、「ここだ〜一打逆転！」が、投票項目１０１ｄとして表示されている。
また、投票項目１０１ａ乃至１０１ｄは、例えば、枠の色や背景色などにより、ポジティブなコメント、ネガティブなコメント、ニュートラルなコメントに区別して表示される。なお、この例では、投票項目１０１ａ、投票項目１０１ｂがポジティブなコメントとして表示され、投票項目１０１ｃがネガティブなコメントとして表示され、投票項目１０１ｄがニュートラルなコメントとして表示されている。
さらに、投票項目１０１ａ乃至１０１ｄの左隣には、投票ボタン１０２ａ乃至１０２ｄがそれぞれ表示されている。ユーザは、投票ボタン１０２ａ乃至１０２ｄを押下することにより、いわゆる１クリックで投票項目１０１ａ乃至１０１ｄに対して、肯定的な評価を個別に付与することができる。
なお、以下、投票項目１０１ａ乃至１０１ｄを個々に区別する必要がない場合、単に投票項目１０１と称し、投票ボタン１０２ａ乃至１０２ｄを個々に区別する必要がない場合、単に投票ボタン１０２と称する。
最近の盛り上がりキーワード欄には、盛り上がりキーワード、盛り上がりキーワードを含むコメントの投稿数と投票数（すなわち、肯定的な評価数）の集計結果、および、盛り上がりキーワードを含むコメント等が表示される。
具体的には、盛り上がり度（後述）が上位の所定の数（例えば４つ）のキーワードが、盛り上がりキーワードとしてキーワード欄１０３ａ乃至１０３ｄにそれぞれ表示される。
また、各キーワード欄１０３ａ乃至１０３ｄには、直近の所定の時間内（例えば、直近の１０分間）の各盛り上がりキーワードを含むコメントの投稿数と投票数の合計（以下、投稿投票数と称する）を示すグラフが表示される。
なお、投稿投票数は、ポジティブ、ニュートラル、ネガティブの３つに区分して表示される。例えば、直近の所定の時間内において、盛り上がりキーワード”がんばれ”を含むポジティブなコメントの投稿数が５で、”がんばれ”を含むポジティブなコメントに対する投票数が１０の場合、ポジティブな区分の投稿投票数は１５となる。同様に、直近の所定の時間内において、”がんばれ”を含むニュートラルなコメントの投稿数が４で、”がんばれ”を含むニュートラルなコメントに対する投票数が４の場合、ニュートラルな区分の投稿投票数は８となる。また、直近の所定の時間内において、”がんばれ”を含むネガティブなコメントの投稿数が２で、”がんばれ”を含むネガティブなコメントに対する投票数が１の場合、ネガティブな区分の投稿投票数は３となる。
コメント欄１０４ａ乃至１０４ｄには、キーワード欄１０３ａ乃至１０３ｄ内の盛り上がりキーワードを含むコメントのうち最新のコメントが、所定の数（例えば２つ）ずつコメントを投稿したユーザを示すアイコンとともに表示される。また、コメント欄１０４ａ乃至１０４ｄには、直近の所定の時間内（たとえば、直近の１０分間）に、キーワード欄１０３ａ乃至１０３ｄ内の盛り上がりキーワードを含むコメントを投稿したユーザ、および、当該盛り上がりキーワードを含むコメントに投票したユーザを示すアイコンが表示される。
番組の投票結果欄には、投稿対象であるＴＶ番組の開始直後から現在までのコメントに含まれる単語が、投稿投票数が多い順に所定の数（例えば４つ）だけ表示される。また、それらの単語に対する投稿投票数を示すグラフが表示される。なお、このグラフでは、キーワード欄１０３ａ乃至１０３ｄ内のグラフと同様に、投稿投票数がポジティブ、ニュートラル、ネガティブの３つに区分して表示される。
最新のコメント欄には、最新のコメントが、所定の数（例えば４つ）だけ投稿時刻が新しい順に、投稿したユーザを示すアイコンおよびユーザ名とともに表示される。例えば、この例では、ユーザ名「hogehoge」のユーザによる「踏ん張りどころ、がんばれ！」というコメントが、最新のコメントとして表示されている。また、ユーザ名「somebody」のユーザによる「このピッチャーカッコいい」というコメントが、２番目に新しいコメントとして表示されている。
また、各コメントを投稿したユーザのうち、このコメント解析ページにログインしているユーザがフォローしていないユーザのユーザ名の右に、フォローボタン１０５ａ乃至１０５ｃが表示される。ユーザは、フォローボタン１０５ａ乃至１０５ｃを押下することにより、指定したユーザをフォローすることができる。
さらに、すでにフォローしているユーザのコメントは、背景色等を変更することにより、他のコメントと区別して表示される。この例の場合、コメント解析ページにログインしているユーザがフォローしているユーザ名「nyanko」のユーザによるコメント「踏ん張りどころ、頑張れ！」の背景色が、他のコメントと異なる色に設定されている。
なお、フォローとは、ユーザが注目する他のユーザを指定する機能である。例えば、ユーザをフォローすることにより、コメント解析ページにおいて、フォローしたユーザのコメントが抽出されて表示されたり、優先的に表示されたりする。
［コメント解析サービス提供処理］
次に、図５および図６のフローチャートを参照して、情報処理装置１３により実行されるコメント解析サービス提供処理について説明する。
ステップＳ１において、コメント収集部５２は、コメントを収集する。具体的には、コメント収集部５２は、コメント解析サービスの対象となる対象番組についてのコメントを、例えば、各種の検索技術やクローリング技術等を用いて、ネットワーク１４および受信部５１を介して、サーバ１１から収集する。コメント収集部５２は、収集したコメントをコメントＤＢ５３に蓄積する。
ステップＳ２において、解析部５４は、コメントを解析する。具体的には、例えば、解析部５４は、形態素解析等の手法を用いて、収集した各コメントを単語レベルに分解し、各コメントに含まれる単語を抽出する。
また、例えば、解析部５４は、各コメントの主観分類を行い、ポジティブ（肯定的）なコメント、ネガティブ（否定的）なコメント、ポジティブでもネガティブでもないニュートラルなコメントの３つのクラスに各コメントを分類する。これには、例えば、「N. Kobayashi他， "Opinion Mining from Web Documents: Extraction and Structurization"，人工知能学会論文誌, Vol. 22, No. 2, pp.227-238, 2007」に記載されている手法を用いることができる。
なお、各コメントをポジティブなコメントとネガティブなコメントの２つのクラスに分類するようにしてもよいし、ポジティブ度またはネガティブ度に応じて４つ以上のクラスに分類するようにしてもよい。
そして、解析部５４は、各コメントの解析結果を記憶部５７に記憶させる。
ステップＳ３において、キーワード検出部５５は、所定量のコメントが新たに蓄積されたか否かを判定する。まだ所定量のコメントが新たに蓄積されていないと判定された場合、処理はステップＳ１に戻る。
その後、ステップＳ３において、所定量のコメントが新たに蓄積されたと判定されるまで、ステップＳ１乃至Ｓ３の処理が繰り返し実行され、対象番組についてのコメントが収集され、コメントＤＢ５３に蓄積される。
一方、ステップＳ３において、所定量のコメントが新たに蓄積されたと判定された場合、処理はステップＳ４に進む。
ステップＳ４において、キーワード検出部５５は、盛り上がりキーワードを検出する。具体的には、例えば、キーワード検出部５５は、直近に投稿された所定の数のコメント（以下、新着コメントと称する）を、投稿時間の古い順に所定の数のグループ（以下、新着グループと称する）に分割する。
なお、以下、直近に投稿された５０の新着コメントを、投稿時間の古い順に新着グループ１乃至５の５つのグループに分割する場合について説明する。従って、１つの新着グループには、コメントが１０ずつ含まれる。
次に、キーワード検出部５５は、新着コメント内に出現する各単語の出現頻度を新着グループ毎にカウントする。これにより、新着コメント内に単語１乃至ｎのｎ個の単語が出現する場合、新着グループ１乃至５における単語ｉ（ｉ＝１〜ｎ）の出現頻度が、それぞれ求められる。また、キーワード検出部５５は、各単語について、新着グループ毎の出現頻度を合計することにより、新着コメント内における出現総数Ｔを算出する。
さらに、キーワード検出部５５は、各単語の新着グループ毎の出現頻度の推移を調査する。例えば、キーワード検出部５５は、各単語の出現頻度を投稿時間が古い新着グループ順に並べ、出現頻度が増加している場合に＋１し、減少している場合に−１することにより、各単語の出現頻度の増減傾向を表す増減スコアＳを算出する。例えば、新着グループ１乃至５における単語ｉの出現頻度が１、５、１０、１０、７と推移している場合、出現頻度が２回増加し、１回減少しているので、単語ｉの増減スコアは＋１（＝（＋１）×２＋（−１）×１）となる。
また、キーワード検出部５５は、各単語の新着グループ毎の出現頻度の分散Ｄを算出する。
さらに、キーワード検出部５５は、例えば、以下の式（１）に基づいて、各単語の盛り上がり度を算出する。
盛り上がり度＝出現総数Ｔ×増減スコアＳ×出現頻度の分散Ｄ ・・・（１）
この盛り上がり度は、出現総数Ｔが多く、かつ、新着グループ毎の出現頻度が増加傾向にあり、かつ、出現頻度の分散Ｄが大きい（すなわち、新着グループ毎の出現頻度の増減率が大きい）単語ほど高くなる。従って、例えば、出現頻度が急激に増加している単語の盛り上がり度が高くなる。
そして、キーワード検出部５５は、盛り上がり度が高い順に所定の数（例えば４つ）の単語を盛り上がりキーワードとして検出する。キーワード検出部５５は、検出した盛り上がりキーワードを記憶部５７に記憶させる。
ステップＳ５において、特徴量抽出部５８は、投票項目の候補コメントの特徴量を抽出する。具体的には、特徴量抽出部５８は、例えば、新着コメントの中から盛り上がりキーワードを含むコメントを投票項目の候補コメントとして抽出する。また、特徴量抽出部５８は、コメント解析サービスを利用しているユーザの中から１人を選択し、注目ユーザに設定する。そして、特徴量抽出部５８は、注目ユーザに対する各候補コメントの特徴量を表すコメント特徴量ベクトルを算出する。
図７は、「龍馬かっこいい!!!」というコメントに対するコメント特徴量ベクトルの例を示している。コメント特徴量ベクトルは、例えば、文体特徴量、単語出現頻度、主観分類結果等を特徴量として含む。
文体特徴量は、コメントの文体の特徴を表すものであり、例えば、計量文体論等に基づく特徴量が含まれる。この例では、コメント内の”!”の数、”w”の数、漢字比率、文字数、平均文字繰り返し数が含まれている。なお、”!”の数、”w”の数は、半角と全角を区別せずにカウントされる。
例えば、「龍馬かっこいい!!!」には、”!”が３回出現しているので、”!”の数は３に設定される。一方、”w”は１回も出現していないので、”w”の数は０に設定される。
また、「龍馬かっこいい!!!」の文字数は１０文字であり、そのうち漢字が２文字含まれるので、漢字比率は０．２に設定され、文字数は１０に設定される。
さらに、「龍馬かっこいい!!!」を、異なる文字が出現する毎に区切りを入れた場合、/龍/馬/か/っ/こ/いい/!!!/となる。そして、区分毎に文字数を数えると、/1/1/1/1/1/2/3/となる。そして、１区分あたりの文字数の平均を求めると、(1＋1＋1＋1＋1＋2＋3)/7＝1.429となる。この1.429が、平均文字繰り返し数に設定される。
また、単語出現頻度は、例えば、コメント内での各単語の出現回数を示し、所定の辞書に登録されている全ての単語の出現回数が所定の順に並べられる。なお、コメント内に出現しない単語には０が設定される。
さらに、主観分類結果は、例えば、ポジティブなコメントの場合、（１，０）が設定され、ネガティブなコメントの場合、（０,１）が設定される。
そして、特徴量抽出部５８は、コメント解析サービスを利用している全てのユーザを順番に注目ユーザに設定し処理を行うことにより、各ユーザに対する各候補コメントの特徴量を表すコメント特徴量ベクトルを算出する。特徴量抽出部５８は、算出したコメント特徴量ベクトルをマッチング部５９に供給する。
ステップＳ６において、マッチング部５９は、各ユーザと候補コメントのマッチングを行う。具体的には、マッチング部５９は、コメント解析サービスを利用しているユーザの中から１人を選択し、注目ユーザに設定する。そして、マッチング部５９は、注目ユーザが過去に投稿したコメントの特徴量ベクトルの平均ベクトルであるユーザ特徴量ベクトルと、各候補コメントのコメント特徴量ベクトルとのマッチングを行う。
例えば、ユーザ特徴量ベクトルｕの各特徴量をｕｉ（ｉ＝１〜ｍ）、コメント特徴量ベクトルｃの各特徴量をｃｉ（ｉ＝１〜ｍ）、重みベクトルｗの各重みをｗｉ（ｉ＝１〜ｍ）とした場合、ユーザ特徴量ベクトルｕとコメント特徴量ベクトルｃとの類似度を表すマッチングスコアｍｓは、次式（２）により算出される。
Figure 2013088832
そして、マッチング部５９は、コメント解析サービスを利用している全てのユーザを順番に注目ユーザに設定し処理を行うことにより、各ユーザのユーザ特徴量ベクトルｕと各候補コメントのコメント特徴量ベクトルｃとのマッチングスコアｍｓを算出する。マッチング部５９は、算出したマッチングスコアｍｓを投票項目選択部６０に供給する。
なお、ここで用いられるマッチング手法は、上述した例に限定されるものではなく、任意の手法を採用することができる。
また、ユーザ特徴量ベクトルは、例えば、予め算出しておくようにしてもよいし、マッチングを行う毎に算出するようにしてもよい。
さらに、ユーザ特徴量ベクトルの算出対象とする過去の注目ユーザのコメントの範囲は、任意に設定することができる。例えば、直近の所定の期間（例えば、１ヶ月）内に投稿されたコメントを対象にするようにしてもよいし、対象番組と同ジャンルの番組について投稿されたコメントを対象にするようにしてもよい。
ステップＳ７において、投票項目選択部６０は、投票項目を選択する。具体的には、投票項目選択部６０は、コメント解析サービスを利用しているユーザの中から１人を選択し、注目ユーザに設定する。そして、投票項目選択部６０は、盛り上がりキーワード毎に、各盛り上がりキーワードを含む候補コメントの中から、注目ユーザに対するマッチングスコアｍｓが最も高いコメントを１つずつ選択し、投票項目に選択する。
例えば、盛り上がりキーワード”龍馬”を含む候補コメントのマッチングスコアｍｓが図８に示されるように算出されている場合、マッチングスコアｍｓが最も高い「龍馬かっこいい!!!」が投票項目に選択される。同様に、例えば、盛り上がりキーワード”かっこいい”を含む候補コメントのマッチングスコアｍｓが図９に示されるように算出されている場合、マッチングスコアｍｓが最も高い「かっこいいいな」が投票項目に選択される。
従って、注目ユーザの特性に基づいて、各盛り上がりキーワードを含む候補コメントの中から注目ユーザに対する投票項目が選択される。
具体的には、マッチングスコアｍｓの算出に用いた特徴量ベクトルに文体特徴量が含まれるため、注目ユーザの文体に近い文体のコメントが優先して投票項目に選択されるようになる。また、特徴量ベクトルに単語出現頻度が含まれるため、注目ユーザがよく使用する単語を含むコメントが優先して投票項目に選択されるようになる。さらに、特徴量ベクトルに主観分類結果が含まれるため、ポジティブなコメントを投稿する比率が高い注目ユーザに対しては、ポジティブなコメントが優先して投票項目に選択されるようになる。逆に、ネガティブなコメントを投稿する比率が高い注目ユーザに対しては、ネガティブなコメントが優先して投票項目に選択されるようになる。
従って、注目ユーザが投稿するコメントと雰囲気の似た、注目ユーザが馴染みやすいコメントが投票項目に選択されやすくなる。
以上により、注目ユーザが、選択された投票項目に同意し、コメント解析ページで投票ボタン１０２を押下する可能性が高くなる。その結果、対象番組についての注目ユーザからのフィードバックを増やすことができる。
そして、投票項目選択部６０は、コメント解析サービスを利用している全てのユーザを順番に注目ユーザに設定し処理を行うことにより、各ユーザに対する投票項目を個別に選択する。投票項目選択部６０は、選択した投票項目を表示制御部６５に通知する。
ステップＳ８において、集計部６１は、コメントの投稿数および投票数を集計する。具体的には、集計部６１は、記憶部５７に記憶されているコメントの解析結果に基づいて、現在までに収集したコメントに出現する各単語について、各単語を含むコメントの投稿数を、ポジティブなコメント、ネガティブなコメント、ニュートラルなコメントに分けて集計する。例えば、”龍馬”を含むコメントの投稿数を集計する場合、”龍馬”を含むポジティブなコメントの投稿数、”龍馬”を含むネガティブなコメントの投稿数、”龍馬”を含むニュートラルなコメントの投稿数が求められる。
また、集計部６１は、記憶部５７に記憶されているコメントの投票結果に基づいて、現在までに収集したコメントに出現する各単語について、各単語を含むコメントに対する投票数（すなわち、肯定的な評価数）を、ポジティブなコメント、ネガティブなコメント、ニュートラルなコメントに分けて集計する。例えば、”龍馬”を含むコメントに対する投票数を集計する場合、”龍馬”を含むポジティブなコメントに対する投票数、”龍馬”を含むネガティブなコメントに対する投票数、”龍馬”を含むニュートラルなコメントに対する投票数が求められる。
そして、集計部６１は、現在までに収集したコメントに出現する各単語について、各単語を含むコメントの投稿数と投票数の合計（投稿投票数）を、ポジティブなコメント、ネガティブなコメント、ニュートラルなコメントに分けて集計する。例えば、”龍馬”を含むコメントに対する投稿投票数を集計する場合、”龍馬”を含むポジティブなコメントに対する投稿投票数、”龍馬”を含むネガティブなコメントに対する投稿投票数、”龍馬”を含むニュートラルなコメントに対する投稿投票数が求められる。
そして、集計部６１は、集計結果を表示制御部６５に通知する。
ステップＳ９において、表示制御部６５は、コメント解析ページの表示を更新する。具体的には、表示制御部６５は、コメントＤＢ５３に蓄積されているコメント、記憶部５７に記憶されているコメントの解析結果、および、盛り上がりキーワードの検出結果、集計部６１により集計されたコメントの投稿数および投票数の集計結果、並びに、情報ＤＢ６３に蓄積されている対象番組に関する情報に基づいて、図３および図４を参照して上述したコメント解析ページを表示するための表示制御データを生成する。
なお、ユーザ毎に投票項目が異なるため、表示制御データの一部は、ユーザ（クライアント１２）毎に異なる。
そして、表示制御部６５は、生成した表示制御データを、送信部６６およびネットワーク１４を介して、各クライアント１２に送信する。
表示制御データを受信した各クライアント１２は、受信した表示制御データに基づいて、コメント解析ページを表示する。その結果、コメント解析ページの表示内容が更新される。
ステップＳ１０において、投票収集部５６は、投票を収集する。具体的には、各クライアント１２で表示されているコメント解析ページにおいて、投票ボタン１０２が押下された場合、当該クライアント１２は、投票内容を示す情報を、ネットワーク１４を介して、情報処理装置１３に送信する。この投票内容を示す情報には、例えば、投票されたコメント（投票項目）、投票したユーザ等を示す情報が含まれる。
情報処理装置１３の投票収集部５６は、受信部５１を介して、投票内容を示す情報を受信する。そして、投票収集部５６は、各クライアント１２から収集した投票の結果を記憶部５７に記憶させる。
ステップＳ１１において、集計部６１は、投票結果の更新期間が経過したか否かを判定する。投票結果の更新期間が経過したと判定された場合、処理はステップＳ１２に進む。
ステップＳ１２において、ステップＳ８の処理と同様に、コメントの投稿数および投票数が集計される。
ステップＳ１３において、ステップＳ９の処理と同様に、コメント解析ページの表示が更新される。これにより、例えば、各クライアント１２において、コメント解析ページの注目のコメント欄を除く部分の表示が更新される。
その後、処理はステップＳ１４に進む。
一方、ステップＳ１１において、投票結果の更新期間が経過していないと判定された場合、ステップＳ１２およびＳ１３の処理はスキップされ、処理はステップＳ１４に進む。
ステップＳ１４において、ステップＳ１の処理と同様に、コメントが収集される。
ステップＳ１５において、ステップＳ２の処理と同様に、コメントが解析される。
ステップＳ１６において、ステップＳ３の処理と同様に、所定量のコメントが新たに蓄積されたか否かが判定され、まだ所定量のコメントが新たに蓄積されていないと判定された場合、処理はステップＳ１７に進む。
ステップＳ１７において、投票収集部５６は、サービスの提供期間が終了したか否かを判定する。サービスの提供期間が終了していないと判定された場合、処理はステップＳ１０に戻る。
その後、ステップＳ１６において、所定量のコメントが新たに蓄積されたと判定されるか、ステップＳ１７において、サービスの提供期間が終了したと判定されるまで、ステップＳ１０乃至Ｓ１７の処理が繰り返し実行される。これにより、コメントおよびコメントに対する投票が収集され、所定の更新期間毎に、コメントの投稿数および投票数が集計され、コメント解析ページの表示が更新される。
一方、ステップＳ１６において、所定量のコメントが新たに蓄積されたと判定された場合、処理はステップＳ４に戻る。
その後、ステップＳ１７において、サービスの提供期間が終了したと判定されるまで、ステップＳ４乃至Ｓ１７の処理が繰り返し実行される。これにより、コメントおよびコメントに対する投票が収集され、所定の更新期間毎に、コメントの投稿数および投票数が集計され、コメント解析ページの表示が更新される。また、所定量のコメントが新たに収集される毎に、盛り上がりキーワードが更新されるとともに、各ユーザに対する投票項目が更新され、コメント解析ページの表示が更新される。
一方、ステップＳ１７において、サービスの提供期間が終了したと判定された場合、コメント解析サービス提供処理は終了する。なお、サービスの提供期間は、例えば、対象番組の放送が終了するまで、あるいは、放送が終了してから所定の期間が経過するまでに設定される。
以上のようにして、対象番組についてのコメントの解析結果をユーザに提供することができる。
また、各ユーザから投稿されたコメントの一部が投票項目としてユーザに提示され、ユーザは簡単な操作で投票項目に対する投票を行うことができ、容易に対象番組についてのフィードバックを返すことができる。さらに、投票項目は、ユーザの間で盛り上がっているキーワードを含むコメントの中から、各ユーザの特性に応じて個別に選択される。従って、各ユーザが投票する可能性が高くなり、対象番組についての各ユーザからのフィードバックを増やすことができる。
さらに、例えば、ユーザが投票したコメントを、ユーザが自ら投稿したコメントと同様に扱い、類似ユーザの検索や各種の推薦処理に利用することができる。
例えば、あるユーザＡが投票したコメントに基づいて、ユーザＡに類似するユーザを検索することが可能である。具体的には、例えば、各コメントに含まれるキーワードを用いたベクトル空間法などの手法により、ユーザＡが投票したコメントと類似するコメントを投稿したユーザや、ユーザＡが投票したコメントと類似するコメントに投票したユーザを、ユーザＡに類似するユーザとして検出することが可能である。
また、投票したユーザと投票されたコメントを投稿したユーザとの間の関係に基づいて、ユーザの相関関係を構築し、ユーザの推薦等に利用することが可能である。例えば、ユーザＡがユーザＢのコメントに投票し、さらにユーザＢがユーザＣのコメントに対して投票している場合、ユーザＣをユーザＡに推薦することが考えられる。
さらに、例えば、ユーザＡがポジティブなコメントに対して投票した場合、そのコメントに含まれるキーワードに基づいて、ユーザＡに対する推薦アイテムを検索して、ユーザＡに推薦することが可能である。
＜２．変形例＞
以下、本技術の実施の形態の変形例について説明する。
［変形例１：投稿対象の変形例］
以上の説明では、主にＴＶ番組についてのコメントの収集および解析を行う例を示したが、本技術は、ＴＶ番組以外の投稿対象についてのコメントの収集および解析を行うことも可能である。そのような投稿対象には、例えば、ＴＶ番組以外の動画コンテンツ（例えば、映画等）、音声コンテンツ（例えば、ラジオ番組、音楽等）等の時間とともに進行する各種のコンテンツや、コンサート、講演会、スポーツの試合、製品説明会等の時間とともに進行する各種のイベント等が想定される。
また、それらのコンテンツは、ＴＶ放送などによりリアルタイムに配信されるものでもよいし、動画配信サービス等により非リアルタイムに配信されるものでもよい。
［変形例２：投票項目に対する評価の変形例］
以上の説明では、投票ボタン１０２を用いて肯定的な評価を付与できるように投票項目を提示する例を示したが、さらに否定的な評価を付与するための投票ボタンを設けて、各投票項目に対して肯定的な評価と否定的な評価を付与できるようにしてもよい。
この場合、例えば、ポジティブなコメントに対して否定的な評価を付与する投票が行われた場合、投票数の集計において、ネガティブなコメントに対して１票投票された扱いにするようにしてもよい。同様に、例えば、ネガティブなコメントに対して否定的な評価を付与する投票が行われた場合、投票数の集計において、ポジティブなコメントに対して１票投票された扱いにするようにしてもよい。
また、例えば、肯定的な評価を付与する投票ボタンを設けずに、否定的な評価を付与する投票ボタンのみ設けるようにしてもよい。さらに、例えば、各投票項目に対して、スライダーや星の数等により３段階以上の評価を付与できるようにしたり、点数等の評価値を入力できるようにしてもよい。
［変形例３：投票項目の選択に用いるコメントの特徴量の変形例］
以上の説明では、注目ユーザのコメントの特徴量（より詳細には、注目ユーザが過去に投稿したコメントの特徴量）を用いて投票項目を選択するようにしたが、例えば、注目ユーザが肯定的な評価を付与したコメントの特徴量を用いるようにしてもよい。この場合、注目ユーザのコメントの特徴量、および、注目ユーザが肯定的な評価を付与したコメントの特徴量の両方を用いるようにしてもよいし、いずれか一方のみを用いるようにしてもよい。
［変形例４：投票項目の選択基準の変形例］
以上の説明では、各盛り上がりキーワードについて、その盛り上がりキーワードを含むコメントの中からマッチングスコアが最大となるものを投票項目に選択する例を示したが、他の基準に基づいて、投票項目を選択するようにしてもよい。
例えば、盛り上がりキーワードを含むコメントのうちポジティブなコメントおよびネガティブなコメントから、それぞれマッチングスコアが最大となるものを１つずつ投票項目に選択するようにしてもよい。
ここで、図１０および図１１を参照して、この場合の具体例について説明する。なお、図１０および図１１は、図８および図９に、各コメントの主観分類の結果をそれぞれ付加したものである。
例えば、図１０に基づいて、盛り上がりキーワード”龍馬”を含むコメントの中から、マッチングスコアが最大となるポジティブなコメント「龍馬かっこいい!!!」、マッチングスコアが最大となるネガティブなコメント「こんなダサい龍馬ww」の２つのコメントが投票項目に選択される。
また、例えば、図１１に基づいて、盛り上がりキーワード”かっこいい”を含むコメントの中から、マッチングスコアが最大となるポジティブなコメント「かっこいいな」が投票項目に選択される。この場合、”かっこいい”を含むネガティブなコメントは存在しないため、選択される投票項目は１つのみとなる。
また、例えば、ポジティブなコメントまたはネガティブなコメントの一方のみから投票項目を選択するようにしてもよい。
例えば、ポジティブなコメントのみから投票項目を選択するようにした場合、図１０に基づいて、盛り上がりキーワード”龍馬”を含むコメントの中から、マッチングスコアが最大となるポジティブなコメント「龍馬かっこいい!!!」が投票項目に選択される。また、図１１に基づいて、盛り上がりキーワード”かっこいい”を含むコメントの中から、マッチングスコアが最大となるポジティブなコメント「かっこいいな」が投票項目に選択される。
また、例えば、ネガティブなコメントのみから投票項目を選択するようにした場合、図１０に基づいて、盛り上がりキーワード”龍馬”を含むコメントの中から、マッチングスコアが最大となるネガティブなコメント「こんなダサい龍馬ww」が投票項目に選択される。なお、盛り上がりキーワード”かっこいい”については、ネガティブなコメントが存在しないため、投票項目は選択されない。
さらに、例えば、ユーザがフォローしている（注目している）投稿者のコメントに対するマッチングスコアに所定の定数を加えたり、１より大きい所定の係数を掛けたりして、ユーザがフォローしている投稿者のコメントが優先して投票項目に選択されるようにしてもよい。
［変形例５：投票項目の表示順の変形例］
図３のコメント解析ページの注目のコメント欄における投票項目の表示順について、例えば、投票項目に含まれる盛り上がりキーワードの盛り上がり度が高い順に設定することが考えられる。なお、この場合、盛り上がりキーワードを複数含む投票項目については、各盛り上がりキーワードの盛り上がり度を加算するようにしてもよい。
また、ユーザの嗜好に基づいて、ポジティブなコメントとネガティブなコメントを表示する順序を変更するようにしてもよい。
例えば、ユーザが過去に投稿したコメントにおいて、ポジティブなコメントの比率が高い場合、ポジティブなコメントを上位に表示し、ネガティブなコメントの比率が高い場合、ネガティブなコメントを上位に表示するようにしてもよい。あるいは、例えば、ユーザが過去に肯定的な評価を付与したコメントにおいて、ポジティブなコメントの比率が高い場合、ポジティブなコメントを上位に表示し、ネガティブなコメントの比率が高い場合、ネガティブなコメントを上位に表示するようにしてもよい。あるいは、ユーザが過去に投稿したコメントおよび過去に肯定的な評価を付与したコメントの両方の集計結果において、ポジティブなコメントの比率が高い場合、ポジティブなコメントを上位に表示し、ネガティブなコメントの比率が高い場合、ネガティブなコメントを上位に表示するようにしてもよい。
［変形例６：投票項目の選択に用いるユーザの特性の変形例］
投票項目の選択に用いるユーザの特性は、上述した例に限定されるものではなく、上述した特性の一部を用いたり、他の特性を用いたりすることも可能である。
また、投票項目の選択に用いるユーザの文体特徴量も、上述した例に限定されるものではなく、上述した特徴量の一部を用いたり、他の特徴量を用いたりすることが可能である。
さらに、文体特徴量は言語の種類により異なるため、コメントに用いる言語の種類により、使用する文体特徴量を変更するようにしてもよい。
［変形例７：キーワードの変形例］
盛り上がりキーワードの検出方法は、上述した例に限定されるものではない。例えば、各単語の出現頻度、出現頻度の推移、および、出現頻度の分散のいずれか１つまたは２つに基づいて、盛り上がりキーワードを検出するようにしてもよい。
また、盛り上がりキーワード以外のキーワードを注目するキーワードとして検出し、投票項目の選択に用いるようにしてもよい。
例えば、サービス提供者が、キーワードの候補を予め設定しておき、その候補の中から、収集したコメントの中に含まれるキーワードを注目するキーワードとして検出し、投票項目の選択に用いるようにしてもよい。これにより、例えば、サービス提供者が、所望のキーワードに対するユーザの嗜好等を調査することが可能になる。
［変形例８：コメントの解析単位およびキーワードの検出単位の変形例］
コメントの解析単位、および、注目するキーワードの検出単位は、単語レベルに限定されるものではなく、例えば、単語より単位が大きな語句（例えば、熟語、フレーズ等）を含むレベルに設定するようにしてもよい。
［コンピュータの構成例］
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
図１２は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
コンピュータにおいて、CPU（Central Processing Unit）３０１，ROM（Read Only Memory）３０２，RAM（Random Access Memory）３０３は、バス３０４により相互に接続されている。
バス３０４には、さらに、入出力インタフェース３０５が接続されている。入出力インタフェース３０５には、入力部３０６、出力部３０７、記憶部３０８、通信部３０９、及びドライブ３１０が接続されている。
入力部３０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部３０７は、ディスプレイ、スピーカなどよりなる。記憶部３０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部３０９は、ネットワークインタフェースなどよりなる。ドライブ３１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア３１１を駆動する。
以上のように構成されるコンピュータでは、CPU３０１が、例えば、記憶部３０８に記憶されているプログラムを、入出力インタフェース３０５及びバス３０４を介して、RAM３０３にロードして実行することにより、上述した一連の処理が行われる。
コンピュータ（CPU３０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア３１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
コンピュータでは、プログラムは、リムーバブルメディア３１１をドライブ３１０に装着することにより、入出力インタフェース３０５を介して、記憶部３０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部３０９で受信し、記憶部３０８にインストールすることができる。その他、プログラムは、ROM３０２や記憶部３０８に、あらかじめインストールしておくことができる。
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
また、例えば、本技術は以下のような構成も取ることができる。
（１）
時間とともに進行する投稿対象についてのコメントを収集するコメント収集部と、
ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択するコメント選択部と、
選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御する表示制御部と、
前記ユーザにより付与された評価を収集する評価収集部と
を含む情報処理装置。
（２）
前記ユーザの特性は、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方を含み、
前記コメント選択部は、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方に基づく特徴量と、収集したコメントの特徴量とをマッチングした結果に基づいて、前記ユーザに提示するコメントを選択する
前記（１）に記載の情報処理装置。
（３）
前記コメントの特徴量は、文体の特徴量、出現する語句、各語句の出現頻度、並びに、ポジティブなコメントまたはネガティブなコメントに分類した結果のうち少なくとも１つを含む
前記（２）に記載の情報処理装置。
（４）
収集したコメントの中から注目するキーワードを検出するキーワード検出部をさらに含み、
前記コメント選択部は、検出された前記キーワードを含むコメントの中から前記ユーザに提示するコメントを選択する
前記（１）乃至（３）のいずれかに記載の情報処理装置。
（５）
前記キーワード検出部は、収集したコメントにおける出現頻度、出現頻度の推移、および、出現頻度の分散のうち少なくとも１つに基づいて、前記キーワードを検出する
前記（４）に記載の情報処理装置。
（６）
前記表示制御部は、検出された前記キーワード毎に、前記キーワードを含むコメントの投稿数と前記キーワードを含むコメントに対する肯定的な評価数の合計値を表示するように制御する
前記（４）または（５）に記載の情報処理装置。
（７）
前記表示制御部は、ポジティブなコメントとネガティブなコメントを区別して表示するように制御する
前記（１）乃至（６）のいずれかに記載の情報処理装置。
（８）
前記表示制御部は、前記ユーザのコメントにおけるポジティブなコメントとネガティブなコメントの比率、および、前記ユーザが肯定的な評価を付与したコメントにおけるポジティブなコメントとネガティブなコメントの比率のうち少なくとも一方に基づいて、ポジティブなコメントとネガティブなコメントを表示する順序を変更する
前記（７）に記載の情報処理装置。
（９）
収集したコメントを解析し、ポジティブなコメントとネガティブなコメントを含む複数のクラスに分類する解析部を
さらに含む前記（１）乃至（８）のいずれかに記載の情報処理装置。
（１０）
前記コメント選択部は、前記ユーザが注目する他のユーザのコメントを優先して選択する
前記（１）乃至（９）のいずれかに記載の情報処理装置。
（１１）
情報処理装置が、
時間とともに進行する投稿対象についてのコメントを収集し、
ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、
選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、
前記ユーザにより付与された評価を収集する
ステップを含む情報処理方法。
（１２）
時間とともに進行する投稿対象についてのコメントを収集し、
ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、
選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、
前記ユーザにより付与された評価を収集する
ステップを含む処理をコンピュータに実行させるためのプログラム。
１ 情報処理システム， １１ サーバ， １２ クライアント， １３ 情報処理装置， １４ ネットワーク, ５２ コメント収集部， ５３ コメントＤＢ, ５４ 解析部， ５５ キーワード検出部, ５６ 投票収集部， ５７ 記憶部, ５８ 特徴量抽出部， ５９ マッチング部, ６０ 投票項目選択部， ６１ 集計部, ６２ 情報収集部， ６３ 情報ＤＢ, ６４ 学習部， ６５ 表示制御部, １０１ａ乃至１０１ｄ 投票項目， １０２ａ乃至１０２ｄ 投票ボタン

Claims (12)

  1. 時間とともに進行する投稿対象についてのコメントを収集するコメント収集部と、
    ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択するコメント選択部と、
    選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御する表示制御部と、
    前記ユーザにより付与された評価を収集する評価収集部と
    を含む情報処理装置。
  2. 前記ユーザの特性は、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方を含み、
    前記コメント選択部は、前記ユーザのコメントの特徴量、および、前記ユーザが肯定的な評価を付与したコメントの特徴量のうち少なくとも一方に基づく特徴量と、収集したコメントの特徴量とをマッチングした結果に基づいて、前記ユーザに提示するコメントを選択する
    請求項１に記載の情報処理装置。
  3. 前記コメントの特徴量は、文体の特徴量、出現する語句、各語句の出現頻度、並びに、ポジティブなコメントまたはネガティブなコメントに分類した結果のうち少なくとも１つを含む
    請求項２に記載の情報処理装置。
  4. 収集したコメントの中から注目するキーワードを検出するキーワード検出部をさらに含み、
    前記コメント選択部は、検出された前記キーワードを含むコメントの中から前記ユーザに提示するコメントを選択する
    請求項１に記載の情報処理装置。
  5. 前記キーワード検出部は、収集したコメントにおける出現頻度、出現頻度の推移、および、出現頻度の分散のうち少なくとも１つに基づいて、前記キーワードを検出する
    請求項４に記載の情報処理装置。
  6. 前記表示制御部は、検出された前記キーワード毎に、前記キーワードを含むコメントの投稿数と前記キーワードを含むコメントに対する肯定的な評価数の合計値を表示するように制御する
    請求項４に記載の情報処理装置。
  7. 前記表示制御部は、ポジティブなコメントとネガティブなコメントを区別して表示するように制御する
    請求項１に記載の情報処理装置。
  8. 前記表示制御部は、前記ユーザのコメントにおけるポジティブなコメントとネガティブなコメントの比率、および、前記ユーザが肯定的な評価を付与したコメントにおけるポジティブなコメントとネガティブなコメントの比率のうち少なくとも一方に基づいて、ポジティブなコメントとネガティブなコメントを表示する順序を変更する
    請求項７に記載の情報処理装置。
  9. 収集したコメントを解析し、ポジティブなコメントとネガティブなコメントを含む複数のクラスに分類する解析部を
    さらに含む請求項７に記載の情報処理装置。
  10. 前記コメント選択部は、前記ユーザが注目する他のユーザのコメントを優先して選択する
    請求項１に記載の情報処理装置。
  11. 情報処理装置が、
    時間とともに進行する投稿対象についてのコメントを収集し、
    ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、
    選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、
    前記ユーザにより付与された評価を収集する
    ステップを含む情報処理方法。
  12. 時間とともに進行する投稿対象についてのコメントを収集し、
    ユーザの特性に基づいて、収集したコメントの中から前記ユーザに提示するコメントを選択し、
    選択されたコメントに対する評価を前記ユーザが付与できるように、前記選択されたコメントの表示を制御し、
    前記ユーザにより付与された評価を収集する
    ステップを含む処理をコンピュータに実行させるためのプログラム。
JP2011225477A 2011-10-13 2011-10-13 情報処理装置、情報処理方法、および、プログラム Pending JP2013088832A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2011225477A JP2013088832A (ja) 2011-10-13 2011-10-13 情報処理装置、情報処理方法、および、プログラム
US13/617,808 US8959456B2 (en) 2011-10-13 2012-09-14 Information processing device, information processing method, and program for providing candidate information to a user
CN2012103677594A CN103198086A (zh) 2011-10-13 2012-09-28 信息处理设备，信息处理方法和程序
US14/595,857 US20150127655A1 (en) 2011-10-13 2015-01-13 Information processing device, information processing method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011225477A JP2013088832A (ja) 2011-10-13 2011-10-13 情報処理装置、情報処理方法、および、プログラム

Publications (1)

Publication Number Publication Date
JP2013088832A true JP2013088832A (ja) 2013-05-13

Family

ID=48532730

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011225477A Pending JP2013088832A (ja) 2011-10-13 2011-10-13 情報処理装置、情報処理方法、および、プログラム

Country Status (3)

Country Link
US (2) US8959456B2 (ja)
JP (1) JP2013088832A (ja)
CN (1) CN103198086A (ja)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015177416A (ja) * 2014-03-17 2015-10-05 株式会社ニコン コンテンツ感想出力装置、コンテンツ感想出力システム、およびコンテンツ感想出力プログラム
JP5814490B1 (ja) * 2015-01-22 2015-11-17 楽天株式会社 情報処理装置、情報処理方法、プログラム、記憶媒体
JP2017010153A (ja) * 2015-06-18 2017-01-12 住友電気工業株式会社 情報処理装置、情報処理方法および情報処理プログラム
WO2017159642A1 (ja) * 2016-03-16 2017-09-21 株式会社インテロール コンテンツ表示制御装置、コンテンツ表示制御装置の制御方法、トピック管理システム、制御プログラム、および記録媒体
JP2018042849A (ja) * 2016-09-15 2018-03-22 株式会社コナミデジタルエンタテインメント 情報共有システム、及びそれに用いられるコンピュータプログラム
JP6353597B1 (ja) * 2017-11-08 2018-07-04 大豊精機株式会社 ３次元データ作成方法、３次元データ作成装置、２次元データ作成方法、及び２次元データ作成装置
JP2019016392A (ja) * 2018-10-03 2019-01-31 株式会社ニコン コンテンツ感想出力装置およびコンテンツ感想出力システム
JP2019164417A (ja) * 2018-03-19 2019-09-26 ヤフー株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
JP2020149456A (ja) * 2019-03-14 2020-09-17 日本放送協会 投票集計装置及びプログラム
JP2020156109A (ja) * 2014-07-18 2020-09-24 ソニー株式会社 情報処理装置、情報処理方法、プログラム、および情報処理システム
US11030677B2 (en) 2015-08-11 2021-06-08 Ebay Inc. Interactive product review interface
JP2023101449A (ja) * 2022-01-10 2023-07-21 ネイバーウェブトゥーン リミテッド 最新性に基づいて選定されたコメントを表示するためのコメント管理方法およびシステム
JP7405476B1 (ja) 2023-07-03 2023-12-26 株式会社to you ネットワークシステム、情報処理方法、およびサーバ
JP7461604B2 (ja) 2020-04-14 2024-04-04 株式会社カプコン プログラム、情報処理装置および情報処理システム
JP7492635B1 (ja) 2023-08-15 2024-05-29 弘幸 秋山 方法、プログラム及び処理装置

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5999425B2 (ja) * 2012-09-26 2016-09-28 ソニー株式会社 情報処理装置及び情報処理方法
CN103714063B (zh) * 2012-09-28 2017-08-04 国际商业机器公司 数据分析方法及其系统
JP5571145B2 (ja) * 2012-10-03 2014-08-13 ヤフー株式会社 広告配信装置および広告配信方法
US20150293988A1 (en) * 2014-04-10 2015-10-15 Jeremiah D. Eubanks System and Method for Opinion Sharing and Recommending Social Connections
US20150312605A1 (en) * 2014-04-28 2015-10-29 Rovi Guides, Inc. Systems and methods for determining a likelihood of user termination of services
CN105872612A (zh) * 2016-03-30 2016-08-17 宁波元鼎电子科技有限公司 一种改进型网络主播过程中主播与观众互动方法及系统
CN105872620A (zh) * 2016-03-30 2016-08-17 宁波元鼎电子科技有限公司 一种网络主播过程中区分权限等级显示方法及系统
CN105721891A (zh) * 2016-03-30 2016-06-29 宁波元鼎电子科技有限公司 一种网络主播过程中主播与观众互动方法及系统
US9984060B2 (en) * 2016-04-18 2018-05-29 Microsoft Technology Licensing, Llc Correlating distinct events using linguistic analysis
JP6945383B2 (ja) * 2017-08-09 2021-10-06 オムロンヘルスケア株式会社 評価依頼プログラム、評価依頼方法、及びコンピュータ装置
CN111327913B (zh) * 2020-01-20 2021-07-20 北京字节跳动网络技术有限公司 消息处理方法、装置及电子设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7421429B2 (en) * 2005-08-04 2008-09-02 Microsoft Corporation Generate blog context ranking using track-back weight, context weight and, cumulative comment weight
US7895127B2 (en) * 2006-09-29 2011-02-22 Weiser Anatoly S Rating-based sorting and displaying of reviews
US7930302B2 (en) * 2006-11-22 2011-04-19 Intuit Inc. Method and system for analyzing user-generated content
US9405830B2 (en) * 2007-02-28 2016-08-02 Aol Inc. Personalization techniques using image clouds
JP4950753B2 (ja) 2007-05-10 2012-06-13 日本放送協会 コメント収集解析装置およびそのプログラム
US9110569B2 (en) * 2007-08-22 2015-08-18 Linkedin Corporation Indicating a content preference
AU2009260120A1 (en) * 2008-06-18 2009-12-23 Ipowow! Development Pty Ltd Assessing digital content across a communications network
CN101887557A (zh) * 2009-05-14 2010-11-17 北京闻言科技有限公司 一种移动商务中便携实现在线评论的技术
WO2011019296A1 (en) * 2009-08-12 2011-02-17 Google Inc. User interface for web comments
CN102045273A (zh) * 2010-12-28 2011-05-04 位涛 一种通过页面关注将互联网信息订阅到社交网络的方法

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015177416A (ja) * 2014-03-17 2015-10-05 株式会社ニコン コンテンツ感想出力装置、コンテンツ感想出力システム、およびコンテンツ感想出力プログラム
JP2020156109A (ja) * 2014-07-18 2020-09-24 ソニー株式会社 情報処理装置、情報処理方法、プログラム、および情報処理システム
US11265603B2 (en) 2014-07-18 2022-03-01 Sony Corporation Information processing apparatus and method, display control apparatus and method, reproducing apparatus and method, and information processing system
JP6992845B2 (ja) 2014-07-18 2022-01-13 ソニーグループ株式会社 情報処理装置、情報処理方法、プログラム、および情報処理システム
JP5814490B1 (ja) * 2015-01-22 2015-11-17 楽天株式会社 情報処理装置、情報処理方法、プログラム、記憶媒体
WO2016117070A1 (ja) * 2015-01-22 2016-07-28 楽天株式会社 情報処理装置、情報処理方法、プログラム、記憶媒体
JP2017010153A (ja) * 2015-06-18 2017-01-12 住友電気工業株式会社 情報処理装置、情報処理方法および情報処理プログラム
US11030677B2 (en) 2015-08-11 2021-06-08 Ebay Inc. Interactive product review interface
WO2017159642A1 (ja) * 2016-03-16 2017-09-21 株式会社インテロール コンテンツ表示制御装置、コンテンツ表示制御装置の制御方法、トピック管理システム、制御プログラム、および記録媒体
JP2017167860A (ja) * 2016-03-16 2017-09-21 株式会社インテロール コンテンツ表示制御装置、コンテンツ表示制御装置の制御方法、トピック管理システム、制御プログラム、および記録媒体
JP2018042849A (ja) * 2016-09-15 2018-03-22 株式会社コナミデジタルエンタテインメント 情報共有システム、及びそれに用いられるコンピュータプログラム
JP2019087069A (ja) * 2017-11-08 2019-06-06 大豊精機株式会社 ３次元データ作成方法、３次元データ作成装置、２次元データ作成方法、及び２次元データ作成装置
JP6353597B1 (ja) * 2017-11-08 2018-07-04 大豊精機株式会社 ３次元データ作成方法、３次元データ作成装置、２次元データ作成方法、及び２次元データ作成装置
JP2019164417A (ja) * 2018-03-19 2019-09-26 ヤフー株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
JP7001509B2 (ja) 2018-03-19 2022-01-19 ヤフー株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
JP2019016392A (ja) * 2018-10-03 2019-01-31 株式会社ニコン コンテンツ感想出力装置およびコンテンツ感想出力システム
JP2020149456A (ja) * 2019-03-14 2020-09-17 日本放送協会 投票集計装置及びプログラム
JP7257825B2 (ja) 2019-03-14 2023-04-14 日本放送協会 投票集計装置及びプログラム
JP7461604B2 (ja) 2020-04-14 2024-04-04 株式会社カプコン プログラム、情報処理装置および情報処理システム
JP2023101449A (ja) * 2022-01-10 2023-07-21 ネイバーウェブトゥーン リミテッド 最新性に基づいて選定されたコメントを表示するためのコメント管理方法およびシステム
JP7372399B2 (ja) 2022-01-10 2023-10-31 ネイバーウェブトゥーン リミテッド 最新性に基づいて選定されたコメントを表示するためのコメント管理方法およびシステム
JP7405476B1 (ja) 2023-07-03 2023-12-26 株式会社to you ネットワークシステム、情報処理方法、およびサーバ
JP7492635B1 (ja) 2023-08-15 2024-05-29 弘幸 秋山 方法、プログラム及び処理装置

Also Published As

Publication number Publication date
US20150127655A1 (en) 2015-05-07
US8959456B2 (en) 2015-02-17
CN103198086A (zh) 2013-07-10
US20130246972A1 (en) 2013-09-19

Similar Documents

Publication Publication Date Title
JP2013088832A (ja) 情報処理装置、情報処理方法、および、プログラム
US8234311B2 (en) Information processing device, importance calculation method, and program
WO2017181612A1 (zh) 个性化视频推荐方法及装置
US20180189860A1 (en) Item recommendation system, item recommendation method, and computer program product
JP2013033375A (ja) 情報処理装置、情報処理方法、および、プログラム
US9922110B2 (en) Information processing apparatus, information processing method, and program
KR20100086676A (ko) 컨텐츠에 대한 선호도 예측 방법 및 장치와, 샘플 컨텐츠 선정 방법 및 장치
JP6405704B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
RU2649797C1 (ru) Интерактивная система, способ и считываемый компьютером носитель данных представления рекламного контента
US8943012B2 (en) Information processing device, information processing method, and program
CN113742567B (zh) 一种多媒体资源的推荐方法、装置、电子设备及存储介质
CN113535991B (zh) 一种多媒体资源推荐方法、装置、电子设备及存储介质
Lin et al. Personalized channel recommendation on live streaming platforms
JP2013246683A (ja) 情報処理装置、情報処理方法、および、プログラム
JP2014200007A (ja) 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置
CN111552835B (zh) 文件推荐方法、装置及服务器
Tao et al. Dynamic feature weighting based on user preference sensitivity for recommender systems
US9058328B2 (en) Search device, search method, search program, and computer-readable memory medium for recording search program
JP5882262B2 (ja) 端末装置およびプログラム
JP5297510B2 (ja) 情報処理装置および情報提供方法
CN114245185A (zh) 视频推荐方法、模型训练方法、装置、电子设备及介质
JP2013092911A (ja) 情報処理装置、情報処理方法、および、プログラム
JP2014006822A (ja) 情報選択装置、情報選択方法、端末装置およびコンピュータプログラム
JP5805134B2 (ja) 端末装置および装置のプログラム
US20230334261A1 (en) Methods, systems, and media for identifying relevant content