JP2018092574A - 評価装置、評価方法、および評価プログラム - Google Patents

Abstract

【課題】企業または団体が期待するブランドのイメージと世間の反応とのギャップを評価し、企業または団体が行った活動によって世間がどのように反応したのかについて適切に評価すること。【解決手段】評価装置は、情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する抽出部と、前記抽出部によって抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出する算出部とを備える。【選択図】図１

Description

本発明は、評価装置、評価方法、および評価プログラムに関する。

従来、企業および団体など（以下、「企業」と称する）が利用するブランドに関して、テレビ、新聞、雑誌、Ｗｅｂ記事などの各種メディアに掲載された情報を収集し、世間におけるブランドの露出度、ブランドに対するイメージなどの評価が行われている。このようなブランドの評価を行うことで、企業はブランド戦略の決定などに役立てることができる。

例えば、特許文献１においては、所定のブランドについて、メディアに露出された情報を収集し、ブランドのメディアへの露出度、ブランドに関する世間の興味関心を表すブランド関心度などを算出し、それらを統合して所定の評価指標を算出するブランド評価方法が提案されている。その他、様々な指標を用いたブランド評価方法が知られている（特許文献２〜５参照）。

特開２０１５−９５２４９号公報 特開２０１４−３２６３６号公報 国際公開第２００４−０６６１７５号 国際公開第２００４−０５５７０７号 特開２００３−１０８７３８号公報

特許文献１に記載されたブランド評価方法においては、所定のブランドに関してメディアに露出された情報を取得して評価指標を算出しているが、この評価方法では、例えば、ブランドの所有者である企業が期待するブランドのイメージと、世間の反応とのギャップを評価することが出来なかった。また、メディアに露出された情報が肯定的なものであるのか否定的なものであるのかを適切に評価することが出来なかった。

また、従来のブランド評価方法においては、テレビ、新聞、雑誌などのメディアが重視されていたが、近年は、世間の反応が顕著に表れるソーシャルネットワーキングサービス（ＳＮＳ）などを含む様々なメディアを総合的かつ平等に評価する必要がある。

本発明は、このような事情を考慮してなされたものであり、企業が期待するブランドのイメージと世間（需要家）の反応とのギャップを評価し、企業が行った活動などによって世間がどのように反応したのかについて適切に評価することが可能な評価装置、評価方法、および評価プログラムを提供することを目的の一つとする。また、本発明は、ブランドのイメージと世間の反応とのギャップを評価する場合、メディアに露出された情報の確からしさも含めて適切に評価し、さらに企業のリスクの程度も評価することが可能な評価装置、評価方法、および評価プログラムを提供することを目的の一つとする。

（１）：情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する抽出部（例えば、実施形態におけるスクリーニング部１２）と、前記抽出部によって抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出する算出部（例えば、実施形態におけるスコアリング部１８）とを備える評価装置である。

（２）：（１）において、前記第１用語を記憶した第１記憶部（例えば、実施形態におけるミラー辞書３６）と、前記第２用語を記憶した第２記憶部（例えば、実施形態におけるサーモ辞書３８）とをさらに備え、前記算出部は、前記第１記憶部に記憶された前記第１用語に基づいて、前記第１指標値を算出し、前記第２記憶部に記憶された前記第２用語に基づいて、前記第２指標値を算出するものである。

（３）：（１）または（２）において、前記算出部は、前記情報媒体から収集したデータの各々について、前記第１指標値および前記第２指標値毎に、肯定的な内容を示すものであるのか、否定的な内容を示すものであるのかを判定するものである。

（４）：（１）から（３）のいずれか１つにおいて、前記算出部は、前記情報媒体の種類に基づいて、前記第１用語を含むデータと前記第２用語を含むデータとに対して重み付けを行い、前記第１指標値と前記第２指標値とを算出するものである。

（５）：（１）から（４）のいずれか１つにおいて、前記第１指標値と、前記第２指標値とを対比した画像を表示可能とする情報を生成する生成部（例えば、実施形態におけるスコアリング部１８）をさらに備えるものである。

（６）：情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出し、抽出された前記データにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出する評価方法である。

（７）：コンピュータに、情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出させ、抽出された前記データにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出させる評価プログラムである。

（８）：情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する抽出部（例えば、実施形態におけるスクリーニング部１２）と、前記抽出部によって抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出する算出部（例えば、実施形態におけるスコアリング部１８）とを備える評価装置である。

（９）：（８）において、前記第１用語を記憶した第１記憶部（例えば、実施形態におけるミラー辞書３６）と、前記第２用語を記憶した第２記憶部（例えば、実施形態におけるサーモ辞書３８）と、前記第３用語を記憶した第３記憶部（例えば、実施形態におけるリスク辞書４０）とをさらに備え、前記算出部は、前記第１記憶部に記憶された前記第１用語に基づいて、前記第１指標値を算出し、前記第２記憶部に記憶された前記第２用語に基づいて、前記第２指標値を算出し、前記第３記憶部に記憶された前記第３用語に基づいて、前記第３指標値を算出するものである。

（１０）：（８）または（９）において、前記算出部は、前記情報媒体から収集したデータの各々について、前記第１指標値、前記第２指標値、および前記第３指標値毎に、肯定的な内容を示すものであるのか、否定的な内容を示すものであるのかを判定するものである。

（１１）：（８）から（１０）のいずれか１つにおいて、前記算出部は、前記情報媒体の種類に基づいて、前記第１用語を含むデータと前記第２用語を含むデータとに対して重み付けを行い、前記第１指標値と前記第２指標値とを算出するものである。

（１２）：（８）から（１１）のいずれか１つにおいて、前記算出部は、前記情報媒体毎に前記第３用語の出現頻度を算出し、前記算出した情報媒体毎の前記第３用語の出現頻度と、前記情報媒体毎に設定された閾値とに基づいて、前記第３指標値を算出するものである。

（１３）：（８）から（１２）のいずれか１つにおいて、前記第１指標値と、前記第２指標値と、前記第３指標値とを対比した画像を表示可能とする情報を生成する生成部（例えば、実施形態におけるスコアリング部１８）をさらに備えるものである。

（１４）：情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出し、前記抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出する、評価方法である。

（１５）：コンピュータに、情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出させ、前記抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出させる、評価プログラムである。

（１）、（２）、（５）、（６）、（７）、（８）、（９）、（１３）、（１４）、（１５）によれば、企業または団体が期待するブランドのイメージと世間（需要家）の反応とのギャップを評価し、企業または団体が行った活動などによって世間がどのように反応したのかについて適切に評価することができる。また、ブランドのイメージと世間の反応とのギャップを評価する場合、メディアに露出された情報の確からしさも含めて適切に評価し、さらに企業のリスクの程度も評価することができる。

（３）、（１０）によれば、情報媒体から収集したデータの各々が肯定的な内容を示すものであるのか、否定的な内容を示すものであるのかを把握することができる。

（４）、（１１）、（１２）によれば、様々な情報媒体から収集したデータを総合的かつ平等に評価することができる。

実施形態における評価装置の一例を示す機能ブロック図である。 実施形態におけるミラー辞書に記憶された辞書データの一例を示す図である。 実施形態におけるサーモ辞書に記憶された辞書データの一例を示す図である。 実施形態におけるリスク辞書に記憶された辞書データの一例を示す図である。 実施形態におけるリスク辞書に記憶された辞書データの他の例を示す図である。 実施形態における評価装置の処理の流れの一例を示すフローチャートである。 実施形態における評価装置のタグ付け処理の流れの一例を示すフローチャートである。 実施形態においてタグ付け処理が行われた処理対象データの一例を示す図である。 実施形態における評価装置のスコアリング処理の流れの一例を示すフローチャートである。 実施形態における評価装置のスコアリング処理の一例を示す図である。 実施形態におけるブランドＡに対するミラースコアおよびサーモスコアの時系列データの一例を示す図である。 実施形態におけるブランドＢに対するミラースコアおよびサーモスコアの時系列データの一例を示す図である。 実施形態におけるブランドＡに対する分類別ミラースコアの一例を示す図である。 実施形態におけるブランドＡに対する分類別サーモスコアの一例を示す図である。 実施形態におけるブランドＡに関するサーモスコア、ミラースコア、リスク値、処理対象データの件数の時系列データの一例を示す図である。 実施形態における評価装置のリスクレベル判定処理の他の一例を示す図である。

以下、図面を参照し、本発明のいくつかの実施形態における評価装置、評価方法、および評価プログラムについて説明する。

図１は、本発明の実施形態における評価装置１の一例を示す機能ブロック図である。評価装置１は、メディアＭ（情報媒体）から処理の対象となるデータ（以下、「処理対象データ」と称する）を収集して解析することで、評価対象となるブランドに関する評価を行う。メディアＭは、例えば、テレビ、新聞、雑誌、ウェブ記事、ウェブログ、短文投稿サービスなどのＳＮＳ、株主のレポートを含む。

評価装置１は、ブランドに関する評価指標として、「ミラースコア（第１指標値）」、「サーモスコア（第２指標値）」、「リスク値（第３指標値）」という３つの値を算出する。「ミラースコア」とは、評価対象となるブランドを所有する企業が、同ブランドを世間にどのように見られたいか定義した内容に対して、世間が同ブランドをどのように思っているのかを表す指標である。「ミラースコア」とは、企業が期待する内容を示す用語（第１用語）の出現頻度を示す。このミラースコアを算出することで、企業が期待するブランドのイメージと世間の反応とのギャップを把握することができる。

「サーモスコア」とは、評価対象となるブランドを所有する企業の活動によって世間の感情を高めることができたかを表す指標である。「サーモスコア」とは、世間（需要家）の反応を示す用語（第２用語）の出現頻度を示す。このサーモスコアを算出することで、評価対象となるブランドに対する世間の感情を高めることができたか、世間の支持を得ることができたかを把握することができる。「リスク値」とは、評価対象となるブランドに関して、発生したリスクの程度を示す指標である。「リスク値」は企業または団体のリスクを示す用語（第３用語）の出現頻度およびメディアＭ（情報媒体）の種類に基づいて算出される。

評価装置１は、例えば、収集部１０と、スクリーニング部１２（抽出部）と、解析部１４と、タグ付け部１６と、スコアリング部１８（算出部、生成部）と、表示部２０と、記憶部２２と、辞書ＤＢ２４とを備える。辞書ＤＢ２４は、例えば、企業辞書３０と、トピック辞書３２と、感性辞書３４と、ミラー辞書３６（第１記憶部）と、サーモ辞書３８（第２記憶部）と、リスク辞書４０（第３記憶部）とを備える。

収集部１０は、メディアＭから処理対象データを収集して記憶部２２に記憶させる。収集部１０は、例えば、インターネットＮを介して、処理対象データを収集する。収集部１０は、日次、週次などの所定のタイミングで処理対象データを収集する。収集元となるメディアＭは、評価装置１のユーザによって予め決定されてよい。また、収集部１０が、予め定義された文字列を含むインターネット上の文書などを周期的に収集するクローリング処理を行ってもよい。尚、評価装置１がオペレータＰによる入力を受け付ける受付部（図示しない）を備え、収集部１０がこの受付部に入力された処理対象データを収集してもよい。

スクリーニング部１２は、収集部１０によって収集された処理対象データのうち、評価対象となるブランドに関係ない処理対象データを除外する。スクリーニング部１２は、メディアＭ（情報媒体）から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する。例えば、スクリーニング部１２は、企業辞書３０に記憶された辞書データを読み出す。この辞書データが、評価対象となるブランドとなる。そして、スクリーニング部１２は、このブランドの同音異義語を含む処理対象データを除外する。また、例えば、スクリーニング部１２は、予め定義された特定のＵＲＬから取得した処理対象データを除外し、予め定義された特定ＩＤのウェブログおよびＳＮＳから取得した処理対象データを除外し、同一のテキストを含むデータが多数存在する場合には異常データとして除外してもよい。

解析部１４は、処理対象データに含まれるテキストを単語レベルに分割し、同じ意味のブランドを関連付けする形態素解析処理を行う。例えば、解析部１４は、同一のブランドを示すアルファベット表記、漢字表記、カタカナ表記、平仮名表記などを関連付けし、同一のブランドを示すデータとして処理する。また、解析部１４は、アルファベット表記に関しては、大文字、小文字、および大文字と小文字の混合文字の違いがある場合であっても、同一のブランドを示すデータとして処理してもよい。また、解析部１４は、誤記（漢字変換誤記など）を含むテキストについても、評価対象となるブランドを示すデータとして処理してもよい。これにより、表記のゆれを補正することが可能である。

また、解析部１４は、テキストに含まれる単語の係り受け元および係り受け先の関係を把握するとともに、テキストに含まれる単語の表現の強弱、多重否定、肯定疑問、係り受け、比較、方言の解釈を行う構文解析処理を行う。表現の強弱を解釈するとは、例えば、「Ａ製品は極めて良い」という表現における“極めて”と、「Ａ製品は若干良い」という表現における“若干”とでは、前者の“極めて”の方がより強い表現であると解釈することである。また、多重否定を解釈するとは、例えば、「Ａ製品は良くない訳ではない」という二重の否定を含む表現を肯定的な表現として正しく解釈することである。

また、肯定疑問を解釈するとは、例えば、「Ａ製品は良い製品だよね？」という肯定的な意図で表現された疑問文を肯定的な表現として解釈することである。また、係り受けを解釈するとは、例えば、「良いのはＡ製品だよね？」という表現のように修飾語の位置が前後逆になっている場合であってもその意味を正しく解釈することである。この「良いのはＡ製品だよね？」は、肯定的な表現として解釈される。

また、比較を解釈するとは、「Ａ製品は以前のモデルのほうが良かった」というＡ製品の現在のモデルと以前のモデルとを比較する表現に対しては、Ａ製品は悪くなったという意図である判断し、否定的な表現として解釈することである。また、方言を解釈するとは、例えば、「Ａ製品はめんこい製品です」という表現における方言“めんこい”については、標準語“かわいい”の意図であると判断してその意味を正しく解釈することである。この「Ａ製品はめんこい製品です」については、肯定的な表現として解釈される。上記のような構文解析処理を行うことで、意味理解の精度を高めることができる。

タグ付け部１６は、企業辞書３０と、トピック辞書３２と、感性辞書３４と、ミラー辞書３６と、サーモ辞書３８と、リスク辞書４０とを参照し、処理対象データの各々に含まれるテキストに対して、「企業タグ」、「トピックタグ」、「感性タグ」、「ミラータグ」、「サーモタグ」、「リスクタグ」のタグ付けを行う。タグ付け処理の詳細については後述する。

スコアリング部１８は、タグ付け部１６よってタグ付け処理が行われた処理対象データに基づいて、ミラースコア、サーモスコア、およびリスク値を算出するスコアリング処理を行う。例えば、スコアリング部１８は、処理対象データ内に「企業タグ」と「トピックタグ」と「ミラータグ」との組み合わせでタグ付けされた文字列を対象に、ミラースコアの算出を行う。また、例えば、スコアリング部１８は、処理対象データ内に「企業タグ」と「トピックタグ」と「サーモタグ」との組み合わせでタグ付けされた文字列を対象に、サーモスコアの算出を行う。また、例えば、スコアリング部１８は、処理対象データ内に「企業タグ」と「トピックタグ」と「リスクタグ」の組み合わせでタグ付けされた文字列を対象に、リスク値の算出を行う。また、例えば、スコアリング部１８は、処理対象データ内に「企業タグ」と「リスクタグ」との組み合わせでタグ付けされた文字列を対象に、リスク値の算出を行う。

収集部１０、スクリーニング部１２、解析部１４、タグ付け部１６、およびスコアリング部１８のうち一部または全部は、プロセッサ（コンピュータ）がプログラム（ソフトウェア）を実行することにより実現される。また、これらのうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの組み合わせによって実現されてもよい。

表示部２０は、スコアリング部１８によって算出されたミラースコア、サーモスコア、およびリスク値を表示する。評価装置１のユーザは、表示部２０に表示されたミラースコア、サーモスコア、およびリスク値を確認することで、対象となるブランドの評価を行うことができる。表示部２０は、例えば、液晶ディスプレイや有機ＥＬ（Electroluminescence）表示装置などである。

記憶部２２は、収集部１０によって収集された処理対象データを記憶する。記憶部２２は、例えば、収集元のメディアの種類と、処理対象データとを関連付けして記憶する。

辞書ＤＢ２４は、スクリーニング部１２、解析部１４、タグ付け部１６、およびスコアリング部１８によって行われる各種処理において使用される辞書データを記憶する。記憶部２２および辞書ＤＢ２４は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリなどで実現される。

企業辞書３０は、企業が所有するブランドであって、評価対象となるブランドの辞書データを記憶する。企業辞書３０は、例えば、企業名、製品名、サービス名、企業の社長の名前など、その企業を特徴付ける用語を記憶する。

トピック辞書３２は、世間で話題となっていることが想定されるトピックの辞書データを記憶する。例えば、評価対象となるブランドに関してニュースリリースなどの情報が世間に発表された場合には、トピック辞書３２は、このニュースリリースに記載されたトピックを記憶する。トピック辞書３２は、例えば、「新型」、「発売開始」、「発表」、「世界発披露」など、評価対象となるブランドに関連付けされた用語を記憶する。

感性辞書３４は、処理対象データの意味解析のために使用される辞書データを記憶する。感性辞書３４は、スコアリング部１８によって行われる処理対象データのポジティブおよびネガティブ判定処理に必要な辞書データを記憶する。

ミラー辞書３６は、企業のブランドが世間においてどのように見られたいのか、どのような言葉でそのブランドを表して欲しいのかを定義した辞書データを記憶する。図２は、本実施形態におけるミラー辞書３６に記憶された辞書データの一例を示す図である。ミラー辞書３６は、少なくとも１つの大分類を示す用語と、各大分類に関連付けされた少なくとも１つの中分類を示す用語と、各中分類に関連付けされたキーワードとを記憶する。このキーワードが、辞書データとして使用される。

例えば、図２に示す例では、大分類１として「信頼」が記憶され、この大分類１と関連付けされた中分類１−１として「安全」が記憶され、中分類１−２として「高品質」が記憶されている。さらに、中分類１−１と関連付けされたキーワードとして「安全」、「安心」、「信頼」が記憶され、中分類１−２と関連付けされたキーワードとして「高品質」「安全」、「壊れない」が記憶されている。尚、ミラー辞書３６は、大分類、中分類、キーワードというデータ構成を有する必要はなく、大分類のみを定義してもよいし、さらに細かな分類を定義してもよいし、分類を定義せずにキーワードのみを記憶してもよい。

サーモ辞書３８は、評価対象となるブランドを所有する企業の活動によって世間の感情を高めることができたかを評価するための辞書データを記憶する。図３は、本実施形態におけるサーモ辞書３８に記憶された辞書データの一例を示す図である。図３に示す例では、サーモ辞書３８は、世間の肯定的な感情を表す用語として、「安心」、「満足」、「好き」、「期待」を記憶している。また、サーモ辞書３８は、世間の否定的な感情を表す用語として、「不安」、「不満」、「嫌い」、「失望」という上記の肯定的な感情を表す用語と相対する用語を記憶している。また、サーモ辞書３８は、上記の感情を表す用語と関連付けされたキーワードを記憶してもよい。サーモ辞書３８は、例えば、「期待」に関連付けされたキーワードとして「是非チェック」、「今後が楽しみ」などを記憶してよい。

リスク辞書４０は、評価対象となるブランドに関して、企業が把握すべきリスクを示す辞書データを記憶する。図４Ａは、本実施形態におけるリスク辞書４０に記憶された辞書データの一例を示す図である。図４Ｂは、本実施形態におけるリスク辞書４０に記憶された辞書データの他の例を示す図である。リスク辞書４０は、少なくとも１つの大分類を示す用語と、各大分類に関連付けされた少なくとも１つの中分類を示す用語と、各中分類に関連付けされた少なくとも１つの小分類を示す用語と、各小分類に関連付けされたキーワードとを記憶する。このキーワードが、辞書データとして使用される。

例えば、図４Ａおよび図４Ｂに示す例では、大分類１として「会社起因」が記憶され、この大分類１と関連付けされた中分類１−１として「経営品質」が記憶され、中分類１−２として「製品品質」が記憶されている。さらに、中分類１−１と関連付けされた小分類１−１−１として「業績」が記憶され、小分類１−１−２として「人事」が記憶されている。さらに、小分類１−１−１と関連付けされたキーワードとして「業績悪化」、「株価急落」、「不正」が記憶され、小分類１−１−２と関連付けされたキーワードとして「リストラ」、「激務」、「解雇」が記憶されている。尚、リスク辞書４０は、大分類、中分類、小分類、キーワードというデータ構成を有する必要はなく、大分類のみ若しくは大分類および中分類のみを設定してもよいし、さらに細かな分類を定義してもよいし、分類を定義せずにキーワードのみを記憶してもよい。

次に、本実施形態における評価装置１の動作について説明する。図５は、本実施形態における、評価装置１の処理の流れの一例を示すフローチャートである。

まず、収集部１０は、メディアＭから処理対象データを収集し記憶部２２に記憶させる（ステップＳ１０１）。収集部１０は、例えば、インターネットＮを介して、処理対象データを収集する。収集部１０は、日次、週次などの所定のタイミングで処理対象データを収集する。また、評価装置１がオペレータＰによる入力を受け付ける受付部（図示しない）を備え、収集部１０がこの受付部に入力された処理対象データを収集してもよい。

次に、スクリーニング部１２は、記憶部２２に記憶された処理対象データを読み出し、評価対象となるブランドに関係ないデータを除外するスクリーニング処理を行う（ステップＳ１０３）。例えば、スクリーニング部１２は、企業辞書３０から辞書データ（評価対象となるブランド）を読み出し、このブランドの同音異義語を含むデータを除外する。

次に、解析部１４は、処理対象データに含まれるテキストを単語レベルに分割し、同じ意味のブランドを関連付けする形態素解析処理を行う（ステップＳ１０５）。例えば、解析部１４は、同一のブランドを示すアルファベット表記、漢字表記、カタカナ表記、平仮名表記などを関連付けし、同一のブランドを示すデータとして処理して表記のゆれを補正する。

次に、解析部１４は、テキストに含まれる単語の係り受け元および係り受け先の関係を把握するとともに、テキストに含まれる単語の表現の強弱、多重否定、肯定疑問、係り受け、比較、方言の解釈を行う構文解析処理を行う（ステップＳ１０７）。

次に、タグ付け部１６は、処理対象データの各々に含まれるテキストに対して、「企業タグ」、「トピックタグ」、「感性タグ」、「ミラータグ」、「サーモタグ」、「リスクタグ」のタグ付けを行う（ステップＳ１０９）。

図６は、本実施形態における評価装置１のタグ付け処理（ステップＳ１０９）の流れの一例を示すフローチャートである。まず、タグ付け部１６は、解析部１４によって構文解析処理が行われた処理対象データのうち１つのデータを抽出する（ステップＳ２０１）。

次に、タグ付け部１６は、処理対象データの各々に含まれるテキストに対して、「企業タグ」、「トピックタグ」、「感性タグ」、「ミラータグ」、「サーモタグ」、「リスクタグ」のタグ付けを行う（ステップＳ２０３）。タグ付け部１６は、企業辞書３０に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「企業タグ」を付与する。タグ付け部１６は、トピック辞書３２に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「トピックタグ」を付与する。タグ付け部１６は、感性辞書３４に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「感性タグ」を付与する。タグ付け部１６は、ミラー辞書３６に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「ミラータグ」を付与する。タグ付け部１６は、サーモ辞書３８に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「サーモタグ」を付与する。タグ付け部１６は、リスク辞書４０に記憶された辞書データの文字列が処理対象データに含まれる場合には、処理対象データ内のその文字列に対して「リスクタグ」を付与する。

図７は、本実施形態においてタグ付け処理が行われた処理対象データの一例を示す図である。図７に示す例では、「Ａ社」および「製品Ａ」という文字列に対して「企業タグ」が付与され、「販売開始」という文字列に対して「トピックタグ」が付与され、「独創的」という文字列に対して「ミラータグ」が付与され、「期待」という文字列に対して「サーモタグ」および「感性タグ」が付与され、「故障」という文字列に対して「リスクタグ」が付与されている。

次に、タグ付け部１６は、全ての処理対象データに対するタグ付け処理が完了したか否かを判定する（ステップＳ２０５）。タグ付け部１６は、全ての処理対象データに対するタグ付け処理が完了していないと判定した場合には、タグ付け処理が行われていない処理対象データを抽出してタグ付け処理を行う。一方、タグ付け部１６は、全ての処理対象データに対するタグ付け処理が完了したと判定した場合には、タグ付け処理を完了する。

次に、スコアリング部１８は、タグ付け部１６よってタグ付けが行われた処理対象データに基づいて、ミラースコア、サーモスコア、およびリスク値を算出するスコアリング処理を行う（ステップＳ１１１）。

図８は、本実施形態における評価装置１のスコアリング処理（ステップＳ１１１）の流れの一例を示すフローチャートである。まず、スコアリング部１８は、タグ付け部１６によってタグ付け処理が行われた処理対象データのうち１つのデータを抽出する（ステップＳ３０１）。

次に、スコアリング部１８は、「企業タグ」と「トピックタグ」と「ミラータグ」との組み合わせでタグ付けされた処理対象データを対象に、処理対象データ毎のミラースコア（以下、「個別ミラースコア」と称する）の算出を行う（ステップＳ３０３）。例えば、スコアリング部１８は、「ミラータグ」の数をカウントし、「ミラータグ」１つを１点として個別ミラースコアの算出を行う。

次に、スコアリング部１８は、「企業タグ」と「トピックタグ」と「サーモタグ」との組み合わせでタグ付けされた処理対象データを対象に、処理対象データ毎のサーモスコア（以下、「個別サーモスコア」と称する）の算出を行う（ステップＳ３０５）。例えば、スコアリング部１８は、「サーモタグ」の数をカウントし、「サーモタグ」１つを１点として個別サーモスコアの算出を行う。

図９は、本実施形態における評価装置１のスコアリング処理の一例を示す図である。図９に示す例おいて、「処理対象データ１」は、「新型」という「トピックタグ」が付与された文字列と、「製品Ａ」という「企業タグ」が付与された文字列と、「かっこよかった」という「ミラータグ（大分類「ヨロコビ」）」が付与された文字列と、「是非チェック」という「サーモタグ（「期待」に関連付けされたキーワード）」が付与された文字列とを含む。この場合、スコアリング部１８は、「製品Ａ」と「新型」と「ヨロコビ」との組み合わせで個別ミラースコアを「１．０」と算出する。また、スコアリング部１８は、「製品Ａ」と「新型」と「期待」との組み合わせで個別サーモスコアを「１．０」と算出する。

「処理対象データ２」は、「新型」という「トピックタグ」が付与された文字列と、「かっこよかった」という「ミラータグ（大分類「ヨロコビ」）」が付与された文字列と、「是非チェック」という「サーモタグ（「期待」に関連付けされたキーワード）」が付与された文字列とを含む。この場合、「企業タグ」が付与された文字列が存在しないため、スコアリング部１８は、個別ミラースコアおよび個別サーモスコアを「０．０」に設定する。

「処理対象データ３」は、「新型」という「トピックタグ」が付与された文字列と、「製品Ａ」および「Ａ社」という「企業タグ」が付与された文字列と、「かっこよかった」という「ミラータグ（大分類「ヨロコビ」）」が付与された文字列と、「是非チェック」という「サーモタグ（「期待」に関連付けされたキーワード）」が付与された文字列とを含む。即ち、「処理対象データ３」は、「企業タグ」が付与された「製品Ａ」および「Ａ社」という２つ文字列を含む。この場合、スコアリング部１８は、この２つも文字列のそれぞれについて、個別ミラースコアおよび個別サーモスコアを算出する。

ここで、「処理対象データ３」においては、「展示すごくかっこよかったです」という肯定的な表現を含んでいるが、これは、製品ＡまたはＡ社を肯定的に表現していない場合がある。即ち、「展示すごくかっこよかったです」という表現は、「展示」の方法についての肯定的な表現であるとも解釈できる。この場合、スコアリング部１８は、製品Ａを直接的に肯定的に表現する処理対象データ１よりも、低い個別ミラースコアおよび個別サーモスコアを算出する。例えば、スコアリング部１８は、「製品Ａ」と「新型」と「ヨロコビ」との組み合わせで個別ミラースコアを「０．５」と算出し、「Ａ社」と「新型」と「ヨロコビ」との組み合わせで個別ミラースコアを「０．５」と算出する。また、スコアリング部１８は、「製品Ａ」と「新型」と「期待」との組み合わせで個別サーモスコアを「０．５」と算出し、「Ａ社」と「新型」と「期待」との組み合わせで個別サーモスコアを「０．５」と算出する。

次に、スコアリング部１８は、「企業タグ」と「トピックタグ」と「リスクタグ」との組み合わせでタグ付けされた処理対象データを対象に、処理対象データ毎のリスク値（以下、「個別リスク値」と称する）の算出を行う（ステップＳ３０７）。例えば、スコアリング部１８は、「リスクタグ」の数をカウントし、「リスクタグ」１つを１点としてスコアリングを行う。

次に、スコアリング部１８は、全ての処理対象データに対する個別スコアリング処理が完了したか否かを判定する（ステップＳ３０９）。スコアリング部１８は、全ての処理対象データに対する個別スコアリング処理が完了していないと判定した場合には、個別スコアリング処理が行われていない処理対象データを抽出して個別スコアリング処理を行う。

一方、スコアリング部１８は、全ての処理対象データに対する個別スコアリング処理が完了したと判定した場合には、各処理対象データの収集元の種類に基づいて、重み付け処理を行う（ステップＳ３１１）。スコアリング部１８は、メディアＭ（情報媒体）の種類に基づいて、ミラー辞書３６に記憶された用語を含むデータとサーモ辞書３８に記憶された用語を含むデータとに対して重み付けを行い、後述するミラースコアとサーモスコアの算出を行う。例えば、過去の統計データに基づいて、メディア毎の１日あたりの評価対象となるブランドの平均発言量を算出し、全てのメディアの影響が均一になるように重み付けを行う。例えば、新聞の重みを基準値の「１」とした場合、新聞と比較して発言量が少ないテレビについては、新聞よりも大きな重み「２」を設定する。また、新聞と比較して発言量が多いＳＮＳについては、新聞よりも小さな重み「０．１」を設定する。

次に、スコアリング部１８は、処理対象データに付与された「感性タグ」に基づいて、処理対象データの内容が、ポジティブな表現であるのか、ネガティブな表現であるのかを判定する感情判定処理を行う（ステップＳ３１３）。スコアリング部１８は、処理対象データの各々について、ミラースコアおよびサーモスコア毎に、ポジティブ（肯定的）な内容を示すものであるのか、ネガティブ（否定的）な内容を示すものであるのかを判定する。

例えば、スコアリング部１８は、１つの処理対象データの中で、ポジティブな表現を示す箇所の数（ポジティブな表現の感性タグの数）がネガティブな表現を示す箇所の数（ネガティブな表現の感性タグの数）よりも多い場合には、その処理対象データは全体としてポジティブな表現であると判定する。また、スコアリング部１８は、１つの処理対象データの中で、ネガティブな表現を示す箇所の数がポジティブな表現を示す箇所の数よりも多い場合には、その処理対象データは全体としてネガティブな表現であると判定する。尚、スコアリング部１８は、１つの処理対象データの中で、ポジティブな表現を示す箇所の数とネガティブな表現を示す箇所の数とが同じである場合には、その処理対象データは全体としてニュートラルな表現であると判定する。また、スコアリング部１８は、「感性タグ」が付与されていない処理対象データについては、無感情と判定する。

次に、スコアリング部１８は、感情判定処理を行った処理対象データに基づいて、最終的なサーモスコアおよびミラースコアを算出する（ステップＳ３１５）。例えば、スコアリング部１８は、評価対象となるブランド毎に、ポジティブな表現であると判定した処理対象データの個別ミラースコアの合計、およびネガティブな表現であると判定した処理対象データの個別ミラースコアの合計を算出する。また、スコアリング部１８は、ポジティブな表現であると判定した処理対象データの個別ミラースコアの合計から、ネガティブな表現であると判定した処理対象データの個別ミラースコアの合計を引いた値を、最終的なミラースコアとして算出する。

また、例えば、スコアリング部１８は、評価対象となるブランド毎に、ポジティブな表現であると判定した処理対象データの個別サーモスコアの合計、およびネガティブな表現であると判定した処理対象データの個別サーモスコアの合計を算出する。また、スコアリング部１８は、ポジティブな表現であると判定した処理対象データの個別サーモスコアの合計から、ネガティブな表現であると判定した処理対象データの個別サーモスコアの合計を引いた値を、最終的なサーモスコアとして算出する。また、スコアリング部１８は、算出したミラースコアおよびサーモスコアを記憶部２２に記憶させる。

次に、スコアリング部１８は、感情判定処理を行った処理対象データに基づいて、最終的なリスク値を算出し、リスクレベルを判定する（ステップＳ３１７）。リスクレベルの判定においては、所定の閾値を基準として、例えば、リスクの「高」、「中」、「低」が判定される。この場合、図４Ａおよび図４Ｂに示すリスク辞書における分類毎に閾値が設定されてよい。例えば、同一のリスク値であっても、小分類１−２−１の「不具合」が、小分類１−１−１の「業績」よりもリスクの発生状況が深刻であると考えられる場合、小分類１−２−１の「不具合」の閾値を、小分類１−１−１の「業績」よりも低く設定する。以上により、スコアリング処理を終了する。

次に、スコアリング部１８は、算出したミラースコア、サーモスコア、リスク値などを、表示部２０に表示させる評価結果出力処理を行う（ステップＳ１１３）。スコアリング部１８は、ミラースコアと、サーモスコアと、リスク値とを対比した画像を表示可能とする情報を生成する。図１０は、本実施形態におけるブランドＡに対するミラースコアおよびサーモスコアの時系列データの一例を示す図である。図１１は、本実施形態におけるブランドＢに対するミラースコアおよびサーモスコアの時系列データの一例を示す図である。図１０に示す例では、２０１６年７月２０日にミラースコアおよびサーモスコアの値が大幅に低下してピークが発生し、２０１６年１１月１日にミラースコアおよびサーモスコアの値が大幅に上昇してピークが発生し、その他の期間はミラースコアおよびサーモスコアの値が０付近であることが分かる。また、図１１に示す例では、ミラースコアおよびサーモスコアのピークが頻繁に発生しているが、各ピークの値は、図１０に示すブランドＡにおけるピークの値よりも小さいことが分かる。

図１２は、本実施形態におけるブランドＡに対する分類別ミラースコアの一例を示す図である。図１２に示す例では、図２に示すミラー辞書に記憶された大分類１（信頼）、大分類２（新しい）、大分類３（チャレンジ）毎に、２０１６年５月１日から１１月１日までの間における、ポジティブな表現であると判定した処理対象データのミラースコアの1日当たりの平均値と、ネガティブな表現であると判定した処理対象データのミラースコアの1日当たりの平均値とを棒グラフで示している。ネガティブな表現であると判定した処理対象データのミラースコアについては、負の値として示している。また、ポジティブな表現であると判定した処理対象データのミラースコアの平均値から、ネガティブな表現であると判定した処理対象データのミラースコアの平均値を引いた値を折れ線グラフで示している。これにより、評価装置１のユーザは、分類別のミラースコアを確認することができる。

図１３は、本実施形態におけるブランドＡに対する分類別サーモスコアの一例を示す図である。図１３に示す例では、図３に示すサーモ辞書に記憶された「安心」、「満足」、「好き」、「期待」毎に、２０１６年５月１日から１１月１日までの間における、ポジティブな表現であると判定した処理対象データのサーモスコアの1日当たりの平均値と、ネガティブな表現であると判定した処理対象データのサーモスコアの1日当たりの平均値とを棒グラフで示している。また、ポジティブな表現であると判定した処理対象データのサーモスコアの平均値から、ネガティブな表現であると判定した処理対象データのサーモスコアの平均値を引いた値を折れ線グラフで示している。これにより、評価装置１のユーザは分類別のサーモスコアを確認することができる。

図１４は、本実施形態におけるブランドＡに関するサーモスコア、ミラースコア、リスク値、処理対象データの件数の時系列データの一例を示す図である。図１４では、ある特定の１日（２０１６年１１月１日）の分類別のサーモスコアの平均値が「７１」であり、分類別のミラースコアの平均値が「６５」であることが示されている。また、図１４では、リスク値のリスクレベルに関して、「高」と判定された件数が「２」であり、「中」と判定された件数が「１１」であり、「低」と判定された件数が「３４」であることが示されている。また、図１４では、ブランドＡに関する過去３０日間の処理対象データの件数が折れ線グラフで示されている。これにより、評価装置１のユーザは、ブランドＡに関するサーモスコア、ミラースコア、リスクレベルを確認することができる。尚、図１４では、ある特定の１日のサーモスコア、ミラースコア、およびリスク値を表示する例を示したが、週単位、月単位などの任意の期間のサーモスコア、ミラースコア、およびリスク値を表示してもよい。

図１５は、本実施形態における評価装置１のリスクレベル判定処理の他の一例を示す図である。まず、スコアリング部１８は、処理対象データの各々に対して付与されたタグの組み合わせの有効性判定を行う（ステップＳ４０１）。スコアリング部１８は、例えば、処理対象データの各々に「企業タグ」と「リスクタグ」との組み合わせでタグが付与されているか否かを判定する。スコアリング部１８は、処理対象データに「企業タグ」と「リスクタグ」との組み合わせでタグが付与されている場合、この処理対象データをリスクレベル判定の対象とする。一方、スコアリング部１８は、処理対象データに「企業タグ」と「リスクタグ」との組み合わせでタグが付与されていない場合、この処理対象データをリスクレベル判定の対象から除外する。

尚、スコアリング部１８は、処理対象データに「企業タグ」と「リスクタグ」との組み合わせでタグが付与されていても、上記の感情判定処理によりこの処理対象データがポジティブな表現であると判定した場合には、この処理対象データをリスクレベル判定の対象から除外する。

次に、スコアリング部１８は、リスクレベル判定の対象とした処理対象データに対して、「企業タグ」と関連付けされた文字列の各々について、メディアＭ毎にリスク値の集計を行う（ステップＳ４０３）。次に、スコアリング部１８は、「企業タグ」と関連付けされた文字列の各々について、所定の閾値を基準として、例えば、リスクレベルの「大」、「中」、「小」を判定する（ステップＳ４０５）。この閾値は、メディアＭ毎に、図４Ａおよび図４Ｂに示すリスク辞書における分類毎に設定される。

例えば、図４Ａおよび図４Ｂに示す小分類１−２−１の「不具合」に関して、メディアＭ毎（例えば、「新聞」、「テレビ」、「ウェブ記事」、「ウェブログ」、「ＳＮＳ」毎に）に、リスクレベルの「小」と対応する第１閾値、リスクレベルの「中」と対応する第２閾値（第１閾値＜第２閾値）、リスクレベルの「大」と対応する第３閾値（第２閾値＜第３閾値）が設定される。ここで、「新聞」および「テレビ」と比較して、「ウェブ記事」、「ウェブログ」、および「ＳＮＳ」は発言量が多いため、「ウェブ記事」、「ウェブログ」、および「ＳＮＳ」に対しては、「新聞」および「テレビ」よりも高い閾値を設定してよい。スコアリング部１８は、例えば、集計したリスク値の値が、第３閾値以上である場合、リスクレベルの「大」と判定し、第２閾値以上かつ第３閾値未満以下である場合、リスクレベルの「中」と判定し、第１閾値以上かつ第２閾値未満である場合、リスクレベルの「小」と判定する。尚、スコアリング部１８は、集計したリスク値の値が第１閾値未満である場合、「リスク無し」と判定してよい。

次に、スコアリング部１８は、「企業タグ」と関連付けされた文字列の各々について、メディアＭ毎に判定されたリスクレベルを集計する（ステップＳ４０７）。例えば、スコアリング部１８は、リスクレベルの「大」、「中」、「小」の各々と関連付けされた数値を用いる。リスクレベルの「大」、「中」、「小」の各々と関連付けされた数値としては、例えば、リスクレベルの「大」、「中」、「小」の順に減少する値が設定される。スコアリング部１８は、「企業タグ」と関連付けされた文字列の各々について、メディア毎に判定されたリスクレベルと関連付けされた数値の合計（集計値）を算出する。

スコアリング部１８は、上記のようにクロスメディアでリスクレベルの判定結果を集計し、この集計値に基づいて、最終的なリスクレベルを判定する。例えば、スコアリング部１８は、「企業タグ」と関連付けされた文字列の各々について、所定の閾値を基準として、最終的なリスクレベルである「高」、「中」、「低」、「安全」を判定する。

尚、スコアリング部１８は、スコアリング部１８によって判定された最終的なリスクレベルを色で表現したヒートマップを生成してもよい。このヒートマップでは、例えば、列方向に「企業タグ」と関連付けされた文字列（企業辞書３０に記憶された辞書データの文字列）が並べられ、行方向にリスク辞書における分類が並べられる。上記のスコアリング部１８によって判定された最終的なリスクレベルが、このヒートマップの１マスとなる。

尚、算出したミラースコア、サーモスコア、リスク値を三次元空間にマッピングし、サポートベクターマシーンで評価値を算出するようにしてもよい。

上記の本実施形態の評価装置によれば、企業が期待するブランドのイメージと世間の反応とのギャップを評価し、企業が行った活動によって世間がどのように反応したのかについて適切に評価することができる。また、様々なメディアから収集した処理対象データを総合的かつ平等に評価することができる。また、ブランドのイメージと世間の反応とのギャップを評価する場合、メディアに露出された情報の確からしさも含めて適切に評価し、さらに企業のリスクの程度も評価することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形および置換を加えることができる。

１…評価装置、１０…収集部、１２…スクリーニング部（抽出部）、１４…解析部、１６…タグ付け部、１８…スコアリング部（算出部、生成部）、２０…表示部、２２…記憶部、２４…辞書ＤＢ、３０…企業辞書、３２…トピック辞書、３４…感性辞書、３６…ミラー辞書（第１記憶部）、３８…サーモ辞書（第２記憶部）、４０…リスク辞書（第３記憶部）

Claims (15)

1. 情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する抽出部と、
   前記抽出部によって抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出する算出部と
   を備える評価装置。
2. 前記第１用語を記憶した第１記憶部と、
   前記第２用語を記憶した第２記憶部と
   をさらに備え、
   前記算出部は、前記第１記憶部に記憶された前記第１用語に基づいて、前記第１指標値を算出し、前記第２記憶部に記憶された前記第２用語に基づいて、前記第２指標値を算出する、
   請求項１に記載の評価装置。
3. 前記算出部は、前記情報媒体から収集したデータの各々について、前記第１指標値および前記第２指標値毎に、肯定的な内容を示すものであるのか、否定的な内容を示すものであるのかを判定する、
   請求項１または２に記載の評価装置。
4. 前記算出部は、前記情報媒体の種類に基づいて、前記第１用語を含むデータと前記第２用語を含むデータとに対して重み付けを行い、前記第１指標値と前記第２指標値とを算出する、
   請求項１から３のうちいずれか一項に記載の評価装置。
5. 前記第１指標値と、前記第２指標値とを対比した画像を表示可能とする情報を生成する生成部をさらに備える、
   請求項１から４のうちいずれか一項に記載の評価装置。
6. 情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出し、
   抽出された前記データにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出する、
   評価方法。
7. コンピュータに、
   情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出させ、
   抽出された前記データにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値とを算出させる、
   評価プログラム。
8. 情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出する抽出部と、
   前記抽出部によって抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出する算出部と
   を備える評価装置。
9. 前記第１用語を記憶した第１記憶部と、
   前記第２用語を記憶した第２記憶部と、
   前記第３用語を記憶した第３記憶部と
   をさらに備え、
   前記算出部は、前記第１記憶部に記憶された前記第１用語に基づいて、前記第１指標値を算出し、前記第２記憶部に記憶された前記第２用語に基づいて、前記第２指標値を算出し、前記第３記憶部に記憶された前記第３用語に基づいて、前記第３指標値を算出する、
   請求項８に記載の評価装置。
10. 前記算出部は、前記情報媒体から収集したデータの各々について、前記第１指標値、前記第２指標値、および前記第３指標値毎に、肯定的な内容を示すものであるのか、否定的な内容を示すものであるのかを判定する、
    請求項８または９に記載の評価装置。
11. 前記算出部は、前記情報媒体の種類に基づいて、前記第１用語を含むデータと前記第２用語を含むデータとに対して重み付けを行い、前記第１指標値と前記第２指標値とを算出する、
    請求項８から１０のうちいずれか一項に記載の評価装置。
12. 前記算出部は、前記情報媒体毎に前記第３用語の出現頻度を算出し、前記算出した情報媒体毎の前記第３用語の出現頻度と、前記情報媒体毎に設定された閾値とに基づいて、前記第３指標値を算出する、
    請求項８から１１のうちいずれか一項に記載の評価装置。
13. 前記第１指標値と、前記第２指標値と、前記第３指標値とを対比した画像を表示可能とする情報を生成する生成部をさらに備える、
    請求項８から１２のうちいずれか一項に記載の評価装置。
14. 情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出し、
    前記抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出する、
    評価方法。
15. コンピュータに、
    情報媒体から収集されたデータの中から、企業または団体により予め設定されたブランドに関連するデータを抽出させ、
    前記抽出されたデータにおける、前記企業または団体が期待する内容を示す第１用語の出現頻度を示す第１指標値と、需要家の反応を示す第２用語の出現頻度を示す第２指標値と、前記企業または団体のリスクを示す第３用語の出現頻度および前記情報媒体の種類に基づく第３指標値とを算出させる、
    評価プログラム。

Images