JP2019197366A - コンテンツ評価装置、コンテンツ評価方法、プログラム、および記録媒体 - Google Patents

Abstract

【課題】ユーザの属性を考慮して文章等のコンテンツを評価することができるコンテンツ評価装置、コンテンツ評価方法、プログラム、および記録媒体を提供すること。【解決手段】ユーザの属性を示す属性情報を取得する属性情報取得部と、前記評価対象のコンテンツを取得するコンテンツ取得部と、前記コンテンツ取得部によって取得された前記コンテンツから、特徴量を抽出する抽出部と、前記抽出部によって抽出された前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定するとともに、前記属性情報取得部によって取得された前記属性情報に基づき、前記ユーザの属性に対応する前記評価値を示す第２評価値を決定する決定部と、を有するコンテンツ評価装置。【選択図】図３

Description

本発明は、コンテンツ評価装置、コンテンツ評価方法、プログラム、および記録媒体に関する。

従来、文章の読み易さを示す指標に基づいて、文章を評価する技術が知られている。例えば、文章を複数の単語に分割し、分割された単語に基づいて文字数や音節数等を解析し、ＦＲＥ（Flesch Reading Ease）、ＦＫＧ（Flesch Kincaid Grade Level）、ＡＲＩ（Automated Readability Index）、およびＣＬＩ（Coleman Liau Index）等の指標を用いて、文章の読み易さを判定する文章評価装置が提案されている（例えば、特許文献１参照）。

特開２０１７−５４１５８号公報

ユーザにとって魅力的で読みたくなる文章であるか否かは、ユーザの属性（年齢、性別、興味関心等）によって大きく異なる。しかしながら、特許文献１に記載の文章評価装置は、ユーザの属性を考慮せず、誰にとっても読み易い文章であるか、という単一の基準でしか文章を評価できないという問題があった。

そこで、本発明は、ユーザの属性を考慮して文章等のコンテンツを評価することができるコンテンツ評価装置、コンテンツ評価方法、プログラム、および記録媒体を提供することを目的とする。

上記目的を達成するため、本発明のコンテンツ評価装置は、評価対象のコンテンツを取得するコンテンツ取得部と、前記コンテンツ取得部によって取得された前記コンテンツから、特徴量を抽出する抽出部と、前記ユーザの属性を示す属性情報を取得する属性情報取得部と、前記抽出部によって抽出された前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定するとともに、前記属性情報取得部によって取得された前記属性情報に基づき、前記ユーザの属性に対応する前記評価値を示す第２評価値を決定する決定部と、を有する。

本発明の更なる特徴及び態様は、添付図面を参照し、以下に述べる実施形態の詳細な説明から明らかとなるであろう。

本発明によれば、ユーザの属性を考慮して文章等のコンテンツを評価することができる。

第１実施形態に係るコンテンツ評価システムの全体構成を示す図である。 第１実施形態に係るコンテンツ評価装置を示すブロック図である。 第１実施形態に係る評価値の比較表示機能を説明するための図である。 第１実施形態に係る第１テーブルを示す図である。 第１実施形態に係る第２テーブルを示す図である。 第１実施形態に係る評価値の比較表示機能を実行するためのフローチャートである。 第１実施形態に係るユーザ属性の判定機能を説明するための図である。 第１実施形態に係るユーザ属性の判定機能を実行するためのフローチャートである。 第１実施形態に係るコンテンツ変換機能を説明するための図である。 第１実施形態に係る第３テーブルを示す図である。 第１実施形態に係るコンテンツ変換機能を実行するためのフローチャートである。 第１実施形態に係る変換処理のフローチャートである。 第２実施形態に係るコンテンツ変換機能を説明するための図である。 第２実施形態に係る変換処理のフローチャートである。

以下、実施形態のコンテンツ評価装置、コンテンツ評価方法、プログラム、および記録媒体を、図面を参照して説明する。

（第１実施形態）
＜コンテンツ評価システムの全体構成＞
図１は、第１実施形態に係るコンテンツ評価システムの全体構成を示す図である。コンテンツ評価システムは、コンテンツ評価装置１００と、端末装置２００と、ウェブサーバ３００とを備える。コンテンツ評価装置１００、端末装置２００、およびウェブサーバ３００は、ネットワークＮＷを介して互いに通信可能に接続されている。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、インターネット、プロバイダ装置、無線基地局、専用回線などのうちの一部または全部を含む。

詳細は後述するが、コンテンツ評価装置１００は、ユーザの属性（例えば、年齢および性別）に基づいて、コンテンツ（例えば、文章）を評価する装置である。端末装置２００は、例えば、デスクトップ型コンピュータ、ノート型コンピュータ、およびタブレット型コンピュータのいずれであってもよい。ウェブサーバ３００は、画像データおよびＨＴＭＬ（HyperText Markup Language）データを含むページデータを提供するコンピュータである。ここで、ページデータは、ブラウザで閲覧可能なページ単位のデータである。なお、ページデータは、ブラウザに限らず、アプリケーションプログラムによって再生されるデータであってもよい。ＨＴＭＬデータは、ＨＴＭＬのソースを示すテキストデータである。

詳細は後述するが、コンテンツ評価装置１００は、インターネット上のコンテンツをクローリングして収集し、収集したコンテンツに含まれる単語を抽出する。この際、コンテンツ評価装置１００は、ウェブサーバ３００によって提供されるページデータを収集する。なお、図１においては１つのウェブサーバ３００のみが示されているが、コンテンツ評価装置１００は、複数のウェブサーバと通信可能に接続されていてもよく、複数のウェブサーバからページデータを収集してもよい。また、ウェブサーバ３００は、コンテンツ評価装置１００を提供する業者によって提供されてもよいし、他の業者によって提供されてもよい。

＜コンテンツ評価装置の全体構成＞
図２は、第１実施形態に係るコンテンツ評価装置を示すブロック図である。コンテンツ評価装置１００は、入力部１１０と、表示部１１５と、記憶部１２０と、通信部１２５と、コンテンツ取得部１３０と、属性情報取得部１３５と、抽出部１４０と、決定部１４５と、判定部１５０と、変換部１６０とを備える。

入力部１１０は、キーボードやマウスなどの入力装置である。表示部１１５は、液晶表示装置などの表示装置である。記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、またはこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。また、記憶部１２０は、ＮＡＳ（Network Attached Storage）や外部のストレージサーバなど、コンテンツ評価装置１００がアクセス可能な外部装置であってもよい。

通信部１２５は、例えばＮＩＣ（Network Interface Card）を備える。コンテンツ評価装置１００は、通信部１２５を用いて、ネットワークＮＷを介して端末装置２００およびウェブサーバ３００と通信する。

コンテンツ取得部１３０、属性情報取得部１３５、抽出部１４０、決定部１４５、判定部１５０、および変換部１６０は、例えば、コンテンツ評価装置１００のプロセッサがプログラムを実行することで実現されてもよいし、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）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が協働することで実現されてもよい。

詳細は後述するが、本実施形態のコンテンツ評価装置１００は、評価値の比較表示機能と、ユーザ属性の判定機能と、コンテンツ変換機能とを備える。ここで、評価値の比較表示機能とは、入力されたコンテンツに対する評価値（例えば、文章の硬さ）と、ユーザ属性に対応する評価値とを比較表示する機能である。ユーザ属性の判定機能とは、入力されたコンテンツと最も親和性の高いユーザ属性を判定する機能である。コンテンツ変換機能とは、入力されたコンテンツに対する評価値と、ユーザ属性に対応する評価値とを一致させるように、コンテンツを変換する機能である。以下、これらの機能について詳細に説明する。

＜評価値の比較表示機能＞
図３は、第１実施形態に係る評価値の比較表示機能を説明するための図である。まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する。本実施形態においては、一例として、コンテンツは文章であることとする。コンテンツ取得部１３０は、ウェブサーバ３００からコンテンツを取得するが、これに限られない。例えば、表示部１１５は、コンテンツを入力するためのコンテンツ入力画面を表示してもよく、コンテンツ取得部１３０は、コンテンツ入力画面において入力部１１０を用いて入力されたコンテンツを取得してもよい。また、端末装置２００は、コンテンツをコンテンツ評価装置１００に送信してもよく、コンテンツ取得部１３０は、通信部１２５によって端末装置２００から受信したコンテンツを取得してもよい。コンテンツ取得部１３０は、取得したコンテンツを抽出部１４０に出力する。

抽出部１４０は、コンテンツ取得部１３０から入力されたコンテンツから、特徴量を抽出する。本実施形態においては、一例として、特徴量は漢字の割合および口語表現の割合であることとする。例えば、抽出部１４０は、文章中に含まれる漢字の文字数を、文章中に含まれる全文字数で除算することにより、漢字の割合を算出する。また、抽出部１４０は、文章中に含まれる口語表現の文字数を、文章中に含まれる全文字数で除算することにより、口語表現の割合を算出する。抽出部１４０は、抽出した特徴量（漢字の割合および口語表現の割合）を、決定部１４５に出力する。

属性情報取得部１３５は、ユーザの属性を示す属性情報を取得する。ここで、ユーザとは、コンテンツの読者として想定される人物を意味する。本実施形態においては、一例として、属性情報はユーザの年齢および性別であることとする。このため、ユーザは、例えば「３０代女性」のようなセグメントで把握されることとなる。

例えば、表示部１１５は、属性情報を入力するための属性情報入力画面を表示してもよく、属性情報取得部１３５は、属性情報入力画面において入力部１１０を用いて入力された属性情報を取得してもよい。また、端末装置２００は、属性情報をコンテンツ評価装置１００に送信してもよく、属性情報取得部１３５は、通信部１２５によって端末装置２００から受信した属性情報を取得してもよい。属性情報取得部１３５は、取得した属性情報を決定部１４５に出力する。

決定部１４５は、抽出部１４０から入力された特徴量（漢字の割合および口語表現の割合）に基づき、コンテンツ取得部１３０によって取得されたコンテンツに対する評価値を示す第１評価値を決定する。本実施形態においては、一例として、評価値は文章の硬さを示すレベルであることとする。例えば、決定部１４５は、特徴量（漢字の割合および口語表現の割合）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第１テーブルＴ１を用いて、第１評価値を決定する。第１テーブルＴ１は、記憶部１２０に記憶されている。

図４は、第１実施形態に係る第１テーブルを示す図である。図４に示されるように、第１テーブルＴ１において、特徴量（漢字の割合および口語表現の割合）と、コンテンツの評価値（文章の硬さ）とが対応付けられている。コンテンツの評価値は、１０段階のレベル（レベル１〜レベル１０）のいずれかに分類され、評価値のレベルが高いほど、文章が硬いことを示す。例えば、漢字の割合が０％〜１０％であり、口語表現の割合が９１％〜１００％のとき、評価値（文章の硬さ）はレベル１である。また、漢字の割合が９１％〜１００％であり、口語表現の割合が０％〜１０％のとき、評価値（文章の硬さ）はレベル１０である。

決定部１４５は、第１テーブルＴ１を参照して、抽出部１４０によって抽出された特徴量（漢字の割合および口語表現の割合）に対応する第１評価値を決定し、決定した第１評価値を表示部１１５に出力する。

また、決定部１４５は、属性情報取得部１３５から入力された属性情報（ユーザの年齢および性別）に基づき、ユーザの属性に対応する評価値を示す第２評価値を決定する。例えば、決定部１４５は、属性情報（ユーザの年齢および性別）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第２テーブルＴ２を用いて、第２評価値を決定する。第２テーブルＴ２は、記憶部１２０に記憶されている。具体的に、予めユーザの属性ごとに親和性の高いコンテンツを集めておき、ユーザの属性ごとの典型的な評価値（例えば、平均値）をテーブルＴ２に格納している。

図５は、第１実施形態に係る第２テーブルを示す図である。図５に示されるように、第２テーブルＴ２において、属性情報（ユーザの年齢および性別）と、コンテンツの評価値（文章の硬さ）とが対応付けられている。例えば、性別が男性であり、年齢が０歳〜５歳のとき、評価値（文章の硬さ）はレベル１である。また、性別が女性であり、年齢が１１歳〜１５歳のとき、評価値（文章の硬さ）はレベル３である。

なお、図５に示されるように、属性情報（ユーザの年齢および性別）は、特徴量（漢字の割合および口語表現の割合）とも対応付けられている。例えば、性別が男性であり、年齢が０歳〜５歳のとき、漢字の割合は０％であり、口語表現の割合は９７％である。また、性別が女性であり、年齢が１１歳〜１５歳のとき、漢字の割合は２２％であり、口語表現の割合は７９％である。

決定部１４５は、第２テーブルＴ２を参照して、属性情報取得部１３５によって取得された属性情報（ユーザの年齢および性別）に対応する第２評価値を決定し、決定した第２評価値を表示部１１５に出力する。

表示部１１５は、決定部１４５から入力された第１評価値および第２評価値を並べた比較表示画面を表示する。これによって、コンテンツ取得部１３０によって取得されたコンテンツに対する評価値を示す第１評価値と、属性情報取得部１３５によって取得された属性情報に対応する評価値を示す第２評価値とを比較することができる。

図６は、第１実施形態に係る評価値の比較表示機能を実行するためのフローチャートである。本フローチャートを実行するためのプログラムは、コンテンツ評価装置１００内のメモリに記憶されている。図６に示されるフローチャートは、コンテンツ評価装置１００のプロセッサが、メモリからプログラムを読み出すことにより実行される。

まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する（Ｓ１００）。抽出部１４０は、コンテンツ取得部１３０によって取得されたコンテンツ（文章）から、特徴量（漢字の割合および口語表現の割合）を抽出する（Ｓ１１０）。属性情報取得部１３５は、ユーザの属性を示す属性情報（ユーザの年齢および性別）を取得する（Ｓ１２０）。

決定部１４５は、抽出部１４０によって抽出された特徴量（漢字の割合および口語表現の割合）に基づき、第１テーブルＴ１を参照して、コンテンツに対する評価値を示す第１評価値（文章の硬さ）を決定する。また、決定部１４５は、属性情報取得部１３５によって取得された属性情報（ユーザの年齢および性別）に基づき、第２テーブルＴ２を参照して、ユーザの属性に対応する評価値を示す第２評価値（文章の硬さ）を決定する（Ｓ１３０）。

その後、表示部１１５は、決定部１４５によって決定された第１評価値および第２評価値を並べて表示し（Ｓ１４０）、本フローチャートによる処理を終了する。

以上説明したように、コンテンツ評価装置１００は評価値の比較表示機能を備えるため、コンテンツ取得部１３０によって取得されたコンテンツに対する評価値を示す第１評価値と、属性情報取得部１３５によって取得された属性情報に対応する評価値を示す第２評価値とを比較することができる。

なお、決定部１４５は、第１テーブルＴ１を用いて第１評価値を決定することとしたが、これに限られない。例えば、決定部１４５は、ＡＩ（Artificial Intelligence）を用いて第１評価値を決定してもよい。この場合、属性情報が入力されたことに応じて第１評価値を出力するモデルを予め学習させておき、決定部１４５は、この学習済みモデルを用いて第１評価値を決定してもよい。

また、決定部１４５は、第２テーブルＴ２を参照して、属性情報取得部１３５によって取得された属性情報（ユーザの年齢および性別）に対応する特徴量（漢字の割合および口語表現の割合）を決定してもよい。また、表示部１１５は、比較表示画面において、抽出部１４０によって抽出された特徴量と、決定部１４５によって決定された特徴量とを並べて表示してもよい。これによって、評価値の比較だけでなく、特徴量の比較を行うこともできる。

＜ユーザ属性の判定機能＞
図７は、第１実施形態に係るユーザ属性の判定機能を説明するための図である。まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する。コンテンツ取得部１３０は、ウェブサーバ３００からコンテンツを取得するが、これに限られない。例えば、表示部１１５は、コンテンツを入力するためのコンテンツ入力画面を表示してもよく、コンテンツ取得部１３０は、コンテンツ入力画面において入力部１１０を用いて入力されたコンテンツを取得してもよい。また、端末装置２００は、コンテンツをコンテンツ評価装置１００に送信してもよく、コンテンツ取得部１３０は、通信部１２５によって端末装置２００から受信したコンテンツを取得してもよい。コンテンツ取得部１３０は、取得したコンテンツを抽出部１４０に出力する。

抽出部１４０は、コンテンツ取得部１３０から入力されたコンテンツから、特徴量を抽出する。例えば、抽出部１４０は、文章中に含まれる漢字の文字数を、文章中に含まれる全文字数で除算することにより、漢字の割合を算出する。また、抽出部１４０は、文章中に含まれる口語表現の文字数を、文章中に含まれる全文字数で除算することにより、口語表現の割合を算出する。抽出部１４０は、抽出した特徴量（漢字の割合および口語表現の割合）を、決定部１４５に出力する。

決定部１４５は、抽出部１４０から入力された特徴量（漢字の割合および口語表現の割合）に基づき、コンテンツ取得部１３０によって取得されたコンテンツに対する評価値を示す第１評価値を決定する。前述したように、決定部１４５は、特徴量（漢字の割合および口語表現の割合）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第１テーブルＴ１を用いて、第１評価値を決定する。決定部１４５は、決定した第１評価値を判定部１５０に出力する。

判定部１５０は、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報を判定する。具体的に、判定部１５０は、属性情報（ユーザの年齢および性別）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第２テーブルＴ２（図５）を用いて、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報を判定する。

具体的に、判定部１５０は、第２テーブルＴ２を参照して、決定部１４５によって決定された第１評価値と一致する評価値に対応付けられた属性情報を、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報であると判定する。

例えば、決定部１４５によって決定された第１評価値がレベル２である場合、判定部１５０は、図５に示される第２テーブルＴ２を参照して、属性情報（男性、６歳〜１０歳）と、属性情報（女性、６歳〜１０歳）とを、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報であると判定する。

なお、決定部１４５によって決定された第１評価値と一致する評価値に対応付けられた属性情報が複数存在する場合、判定部１５０は、これらの属性情報のうち、抽出部１４０によって抽出された特徴量との差分が最も小さい特徴量に対応付けられた属性情報を、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報であると判定してもよい。その後、判定部１５０は、判定した属性情報を表示部１１５に出力する。

表示部１１５は、判定部１５０から入力された、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報を表示する。これによって、入力したコンテンツと最も親和性の高いユーザの属性情報を把握することができる。

図８は、第１実施形態に係るユーザ属性の判定機能を実行するためのフローチャートである。本フローチャートを実行するためのプログラムは、コンテンツ評価装置１００内のメモリに記憶されている。図８に示されるフローチャートは、コンテンツ評価装置１００のプロセッサが、メモリからプログラムを読み出すことにより実行される。

まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する（Ｓ２００）。抽出部１４０は、コンテンツ取得部１３０によって取得されたコンテンツ（文章）から、特徴量（漢字の割合および口語表現の割合）を抽出する（Ｓ２１０）。決定部１４５は、抽出部１４０によって抽出された特徴量（漢字の割合および口語表現の割合）に基づき、第１テーブルＴ１を参照して、コンテンツに対する評価値を示す第１評価値（文章の硬さ）を決定する（Ｓ２２０）。

判定部１５０は、属性情報（ユーザの年齢および性別）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第２テーブルＴ２を用いて、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報を判定する（Ｓ２３０）。このとき、判定部１５０は、第２テーブルＴ２を参照して、決定部１４５によって決定された第１評価値と一致する評価値に対応付けられた属性情報を、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報であると判定する。

その後、表示部１１５は、判定部１５０によって判定された、コンテンツ取得部１３０によって取得されたコンテンツと最も親和性の高いユーザの属性情報を表示し（Ｓ２４０）、本フローチャートによる処理を終了する。

以上説明したように、コンテンツ評価装置１００はユーザ属性の判定機能を備えるため、入力したコンテンツと最も親和性の高いユーザの属性情報を把握することができる。

＜コンテンツ変換機能＞
図９は、第１実施形態に係るコンテンツ変換機能を説明するための図である。まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する。コンテンツ取得部１３０は、ウェブサーバ３００からコンテンツを取得するが、これに限られない。例えば、表示部１１５は、コンテンツを入力するためのコンテンツ入力画面を表示してもよく、コンテンツ取得部１３０は、コンテンツ入力画面において入力部１１０を用いて入力されたコンテンツを取得してもよい。また、端末装置２００は、コンテンツをコンテンツ評価装置１００に送信してもよく、コンテンツ取得部１３０は、通信部１２５によって端末装置２００から受信したコンテンツを取得してもよい。なお、ここで取得されたコンテンツを、第１文章として以下説明する。コンテンツ取得部１３０は、取得したコンテンツ（第１文章）を抽出部１４０に出力する。

抽出部１４０は、コンテンツ取得部１３０から入力されたコンテンツ（第１文章）から、特徴量を抽出する。例えば、抽出部１４０は、文章中に含まれる漢字の文字数を、文章中に含まれる全文字数で除算することにより、漢字の割合を算出する。また、抽出部１４０は、文章中に含まれる口語表現の文字数を、文章中に含まれる全文字数で除算することにより、口語表現の割合を算出する。抽出部１４０は、抽出した特徴量（漢字の割合および口語表現の割合）を、決定部１４５に出力する。

属性情報取得部１３５は、ユーザの属性を示す属性情報を取得する。例えば、表示部１１５は、属性情報を入力するための属性情報入力画面を表示してもよく、属性情報取得部１３５は、属性情報入力画面において入力部１１０を用いて入力された属性情報を取得してもよい。また、端末装置２００は、属性情報をコンテンツ評価装置１００に送信してもよく、属性情報取得部１３５は、通信部１２５によって端末装置２００から受信した属性情報を取得してもよい。属性情報取得部１３５は、取得した属性情報を決定部１４５に出力する。

決定部１４５は、抽出部１４０から入力された特徴量（漢字の割合および口語表現の割合）に基づき、コンテンツ取得部１３０によって取得されたコンテンツに対する評価値を示す第１評価値を決定する。前述したように、決定部１４５は、特徴量（漢字の割合および口語表現の割合）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第１テーブルＴ１を用いて、第１評価値を決定する。

また、決定部１４５は、属性情報取得部１３５から入力された属性情報（ユーザの年齢および性別）に基づき、ユーザの属性に対応する評価値を示す第２評価値を決定する。前述したように、決定部１４５は、属性情報（ユーザの年齢および性別）と、コンテンツの評価値（文章の硬さ）とが対応付けられた第２テーブルＴ２を用いて、第２評価値を決定する。

その後、決定部１４５は、第１評価値と、第２評価値と、コンテンツ取得部１３０によって取得されたコンテンツ（第１文章）とを、変換部１６０に出力する。

変換部１６０は、第１評価値を第２評価値に一致させるように、コンテンツに含まれる第１文章を第２文章に変換する。例えば、第１評価値（文章の硬さ）がレベル３であり、第２評価値（文章の硬さ）がレベル５である場合、変換部１６０は、コンテンツ（第１文章）中に使用されている単語を、より硬い表現の別の単語に置き換える等して、コンテンツに含まれる第１文章（レベル３）を第２文章（レベル５）に変換する。

図９に示されるように、変換部１６０は、分解部１６１と、指数取得部１６２と、平均値算出部１６３と、標準偏差算出部１６４と、生成部１６５とを備える。分解部１６１、指数取得部１６２、平均値算出部１６３、および標準偏差算出部１６４は、例えば、コンテンツ評価装置１００のプロセッサがプログラムを実行することで実現されてもよいし、ＬＳＩ、ＡＳＩＣ、ＦＰＧＡ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が協働することで実現されてもよい。

分解部１６１は、コンテンツに含まれる文章を複数の形態素に分解する。形態素は、意味をもつ表現要素の最小単位である。本実施形態においては、コンテンツに含まれる文章を複数の形態素に分解する一例として、分解部１６１は、コンテンツに含まれる文章を複数の単語に分解することとする。指数取得部１６２は、分解部１６１によって分解された複数の単語ごとに、表現の硬さまたは軟らかさを示す硬軟指数を取得する。例えば、指数取得部１６２は、単語と、単語の硬軟指数と、単語と類似した意味を有する変換可能語と、変換可能語の硬軟指数とが対応付けられた第３テーブルＴ３を用いて、分解部１６１によって分解された複数の単語ごとに硬軟指数を取得する。第３テーブルＴ３は、記憶部１２０に記憶されている。

図１０は、第１実施形態に係る第３テーブルを示す図である。図１０に示されるように、第３テーブルＴ３において、単語と、単語の硬軟指数と、単語と類似した意味を有する変換可能語と、変換可能語の硬軟指数とが対応付けられている。第３テーブルＴ３に含まれる複数の単語は、図１に示されるウェブサーバ３００等からクローリングして収集された複数の文章から抽出して得られる。クローリングは、定期的（例えば、週に一回）に行われる。なお、トレンドワードのように一時的に頻繁に使用される単語は、使用される割合が所定値以下になった場合、第３テーブルＴ３から削除してもよい。

また、第３テーブルＴ３に含まれる変換可能語は、シソーラス辞書等を参照して予め設定された単語である。また、第３テーブルＴ３に含まれる単語の硬軟指数および変換可能語の硬軟指数は、予め設定された値である。なお、変換可能語および硬軟指数の設定方法は、特定の方法に限定されない。例えば、変換可能語および硬軟指数の設定方法は、手動で設定されてもよいし、自動的に設定されてもよい。

第３テーブルＴ３において、変換可能語Ａ−１〜Ａ−５は単語Ａと同じ意味であるが、単語Ａとは硬軟指数の異なる単語である。また、変換可能語Ｂ−１〜Ｂ−３は単語Ｂと同じ意味であるが、単語Ｂとは硬軟指数の異なる単語である。また、変換可能語Ｃ−１〜Ｃ−３は単語Ｃと同じ意味であるが、単語Ｃとは硬軟指数の異なる単語である。硬軟指数は、−１００〜１００までの値である。硬軟指数が小さいほど硬い表現であり、硬軟指数が大きいほど柔らかい表現である。

図１０に示されるように、単語Ａの硬軟指数は−５０であり、単語Ｂの硬軟指数は−３０であり、単語Ｃの硬軟指数は１０である。例えば、コンテンツ（第１文章）に単語Ａ、単語Ｂ、および単語Ｃが含まれている場合、指数取得部１６２は、単語Ａ、単語Ｂ、および単語Ｃのそれぞれに対応付けられた硬軟指数（−５０、−３０、１０）を取得する。

平均値算出部１６３は、指数取得部１６２によって取得された複数の単語の硬軟指数の平均値を算出する。標準偏差算出部１６４は、指数取得部１６２によって取得された複数の単語の硬軟指数の標準偏差を算出する。

生成部１６５は、平均値算出部１６３によって算出された平均値と、標準偏差算出部１６４によって算出された標準偏差に基づいて、第２文章を生成する。例えば、生成部１６５は、図１０に示される第３テーブルＴ３を参照し、第１文章に含まれる単語を変換可能語に変換することで、第２文章を生成する。

図１０に示されるように、単語Ａの硬軟指数は−５０であり、変換可能語Ａ−１の硬軟指数は−２０であり、変換可能語Ａ−２の硬軟指数は−１０であり、変換可能語Ａ−３の硬軟指数は−７０であり、変換可能語Ａ−４の硬軟指数は２０であり、変換可能語Ａ−５の硬軟指数は５０である。例えば、第１文章に単語Ａが含まれており、第１文章をより硬い表現に変換する場合、第１文章に含まれる単語Ａ（硬軟指数−５０）を変換可能語Ａ−３（硬軟指数−７０）に置き換えればよい。逆に、第１文章をより軟らかい表現に変換する場合、第１文章に含まれる単語Ａ（硬軟指数−５０）を変換可能語Ａ−１（硬軟指数−２０）、変換可能語Ａ−２（硬軟指数−１０）、変換可能語Ａ−４（硬軟指数２０）、変換可能語Ａ−５（硬軟指数５０）のいずれかに置き換えればよい。

通常、一つの文章には複数の単語が含まれる。また、第３テーブルＴ３には、１つの単語に複数の変換可能語が対応付けられている。このため、第１文章を第２文章に変換するための複数の変換パターンが存在する。生成部１６５は、複数の変換パターンのうち、最も適した変換パターンを用いて、第１文章を第２文章に変換する。

具体的に、生成部１６５は、各評価値（レベル１〜１０）に対応する硬軟指数の範囲を示すデータを保持している。また、生成部１６５は、第２文章の硬軟指数の平均値が、第２評価値に対応する硬軟指数の範囲内となり、かつ、第１文章の硬軟指数の標準偏差と、第２文章の硬軟指数の標準偏差との差が最も小さくなるように、第１文章に含まれる単語を別の単語（変換可能語）に置き換えることで、第２文章を生成する。これによって、第１評価値を第２評価値に一致させるための変換パターンが複数存在する場合であっても、生成部１６５は、最も適した変換パターンを用いて第２文章を生成することができる。

変換部１６０は、決定部１４５から入力された第１文章と、生成部１６５によって生成された第２文章とを、表示部１１５に出力する。表示部１１５は、変換部１６０から入力された第１文章と第２文章とを並べた比較表示画面を表示する。例えば、表示部は、比較表示画面の左側に第１文章を表示し、比較表示画面の右側に第２文章を表示する。これによって、変換前の第１文章と、属性情報に応じて変換された第２文章とを比較することができる。

なお、表示部１１５は、第１文章中の単語にカーソルが合わせられると、この単語に対応する第２文章中の単語をハイライト表示してもよい。逆に、表示部１１５は、第２文章中の単語にカーソルが合わせられると、この単語に対応する第１文章中の単語をハイライト表示してもよい。また、表示部１１５は、上記のハイライト表示とともに、変換の理由（例えば、「単語＊＊＊の方がより硬い表現です」、「単語＊＊＊の方がより軟らかい表現です」等）を表示してもよい。

図１１は、第１実施形態に係るコンテンツ変換機能を実行するためのフローチャートである。本フローチャートを実行するためのプログラムは、コンテンツ評価装置１００内のメモリに記憶されている。図１１に示されるフローチャートは、コンテンツ評価装置１００のプロセッサが、メモリからプログラムを読み出すことにより実行される。

まず、コンテンツ取得部１３０は、評価対象のコンテンツを取得する（Ｓ３００）。抽出部１４０は、コンテンツ取得部１３０によって取得されたコンテンツ（第１文章）から、特徴量（漢字の割合および口語表現の割合）を抽出する（Ｓ３１０）。属性情報取得部１３５は、ユーザの属性を示す属性情報（ユーザの年齢および性別）を取得する（Ｓ３２０）。

決定部１４５は、抽出部１４０によって抽出された特徴量（漢字の割合および口語表現の割合）に基づき、第１テーブルＴ１を参照して、コンテンツに対する評価値を示す第１評価値（文章の硬さ）を決定する。また、決定部１４５は、属性情報取得部１３５によって取得された属性情報（ユーザの年齢および性別）に基づき、第２テーブルＴ２を参照して、ユーザの属性に対応する評価値を示す第２評価値（文章の硬さ）を決定する（Ｓ３３０）。

変換部１６０は、第３テーブルＴ３を参照して、第１文章を第２文章に変換するための変換処理を実行する（Ｓ４００）。変換処理の具体的なフローチャートは、図１２を用いて後述する。

その後、表示部１１５は、第１文章および第２文章を並べて表示し（Ｓ３４０）、本フローチャートによる処理を終了する。

図１２は、第１実施形態に係る変換処理のフローチャートである。本フローチャートは、図１１のステップＳ４００に示される変換処理の具体的な流れを示す。

まず、分解部１６１は、コンテンツに含まれる第１文章を複数の単語に分解する（Ｓ４１０）。指数取得部１６２は、分解部１６１によって分解された複数の単語ごとに、表現の硬さまたは軟らかさを示す硬軟指数を取得する（Ｓ４１１）。

平均値算出部１６３は、指数取得部１６２によって取得された複数の単語の硬軟指数の平均値を算出する（Ｓ４１２）。標準偏差算出部１６４は、指数取得部１６２によって取得された複数の単語の硬軟指数の標準偏差を算出する（Ｓ４１３）。

生成部１６５は、平均値算出部１６３によって算出された平均値と、標準偏差算出部１６４によって算出された標準偏差に基づいて、第２文章を生成する（Ｓ４１４）。その後、図１１のステップＳ３４０に移行する。

以上説明したように、コンテンツ評価装置１００はコンテンツ変換機能を備えるため、入力したコンテンツ（第１文章）を、属性情報に応じたコンテンツ（第２文章）に変換することができる。

なお、本実施形態においては、指数取得部１６２は硬軟指数を取得することとしたが、これに限られない。指数取得部１６２は、単語（形態素）の表現の特徴を示す指数であれば、どのような指数を取得してもよい。

（第２実施形態）
第１実施形態において、変換部１６０は、第３テーブルＴ３を用いて、第１文章を第２文章に変換することとした。これに対し、第２実施形態において、変換部１６０は、第３テーブルＴ３を用いずに、ディープラーニングを用いて訓練したモデルを用いて、第１文章を第２文章に変換することとする。これによって、第３テーブルＴ３を事前に準備する手間を省くことができる。以下、第２実施形態について詳細に説明する。

図１３は、第２実施形態に係るコンテンツ変換機能を説明するための図である。図１３において、図９の各部に対応する部分には同一の符号を付し、説明を省略する。第２実施形態は、変換部１６０によって実行される変換処理が第１実施形態と異なる。

変換部１６０は、第１評価値を第２評価値に一致させるように、コンテンツに含まれる第１文章を第２文章に変換する。図１３に示されるように、変換部１６０は、分解部１６１と、エンコーダ１６６と、デコーダ１６７とを備える。分解部１６１、エンコーダ１６６、およびデコーダ１６７は、例えば、コンテンツ評価装置１００のプロセッサがプログラムを実行することで実現されてもよいし、ＬＳＩ、ＡＳＩＣ、ＦＰＧＡ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が協働することで実現されてもよい。

分解部１６１は、コンテンツに含まれる文章を複数の単語に分解する。エンコーダ１６６は、分解部１６１によって分解された複数の単語を、第１モデルを用いて複数のベクトルに変換する。デコーダ１６７は、エンコーダ１６６によって変換された複数のベクトルを、第２モデルを用いて第２文章に変換する。

ここで、第１のモデルおよび第２のモデルは、再帰型ニューラルネットワーク（ＲＮＮ）を使用したモデルであり、例えば、Sequence to Sequenceのモデル（Seq2Seqモデル）であるが、これに限られない。

第１モデルおよび第２モデルは、大量の学習データを用いて予め訓練されている。例えば、コンテンツ評価装置１００は、クローリングによりウェブサーバ３００等からコンテンツを収集し、収集したコンテンツから文章を抽出し、抽出した文章に評価値（文章の硬さ）を付加するなどして学習データを生成する。具体的には、レベル３の文章をレベル５の文章に変換するためのモデルを訓練する場合、レベル３の文章と、これに対応するレベル５の文章とのペアを学習データとして使用し、誤差逆伝搬法によってニューラルネットワークにおける重みやバイアスを調整することで、第１モデルおよび第２モデルを訓練することができる。

以下、第２実施形態における、第１文章を第２文章に変換する処理を説明する。一例として、エンコーダに入力される第１文章が、単語Ａと、単語Ｂと、単語Ｃと、・・・単語Ｚとをこの順番で含むこととする。まず、エンコーダ１６６は、訓練済みの第１モデルを用いて、文章の先頭の単語Ａを、硬さに依存しないベクトルに変換する。例えば、単語Ａは、ベクトル［0.1, 0.045, -0.12,・・・, 0.45］に変換される。

次に、エンコーダ１６６は、訓練済みの第１モデルを用いて、単語Ａの次の単語Ｂを、硬さに依存しないベクトルに変換する。Seq2Seqモデルにおいては、ＬＳＴＭ（Long Short-term Memory）が利用されるため、一つ前の単語が単語Ａであることが記憶されている。

その後、エンコーダ１６６は、訓練済みの第１モデルを用いて、単語Ｂの次の単語Ｃを、硬さに依存しないベクトルに変換する。この場合も同様に、Seq2Seqモデルにおいては、ＬＳＴＭが利用されるため、一つ前の単語が単語Ｂであることを記憶している。

エンコーダ１６６は、以上の処理を、単語Ｚまで繰り返し実行する。これによって、再帰型ニューラルネットワーク（ＲＮＮ）の隠れ層には、単語Ａ、単語Ｂ、単語Ｃ、・・・、単語Ｚの順で入力されたことが記憶され、単語の並び順等の抽象度の高い情報が蓄積される。最終的には、第１文章に含まれる単語Ａ、単語Ｂ、単語Ｃ、・・・、および単語Ｚが、それぞれベクトルに変換される。エンコーダ１６６は、変換されたこれらのベクトルを、デコーダ１６７に出力する。

デコーダ１６７は、第２モデルとして、第１評価値および第２評価値に対応する複数の訓練済みのモデルを有する。例えば、デコーダ１６７は、第１評価値（レベル１）を第２評価値（レベル２）に変換するモデル、第１評価値（レベル１）を第２評価値（レベル３）に変換するモデル、第１評価値（レベル１）を第２評価値（レベル４）に変換するモデル、・・・、第１評価値（レベル１０）を第２評価値（レベル１）に変換するモデルを有する。

デコーダ１６７は、決定部１４５から入力された第１評価値および第２評価値に対応するモデルを複数のモデルの中から選択し、選択したモデルを第２モデルとして使用する。デコーダ１６７は、エンコーダ１６６から入力されたそれぞれのベクトルを、第２モデルを用いて単語に変換することで、第２文章を生成する。

例えば、第１評価値がレベル３であり、第２評価値がレベル５である場合、デコーダ１６７は、レベル３の文章をレベル５の文章に変換するためのモデルを、第２モデルとして選択する。単語Ａに対応するベクトルがデコーダ１６７に入力されると、デコーダ１６７は、入力されたベクトルを単語Ａ´に変換する。デコーダ１６７は、単語Ｂ〜単語Ｚに対応するベクトルについても同様に、単語Ｂ´〜単語Ｚ´に変換する。これにより、第１文章（レベル３）を、これと同じ意味内容で評価値（文章の硬さ）の異なる第２文章（レベル５）に変換することができる。

変換部１６０は、決定部１４５から入力された第１文章と、デコーダ１６７によって変換された第２文章とを、表示部１１５に出力する。表示部１１５は、変換部１６０から入力された第１文章と第２文章とを並べて表示する。これによって、変換前の第１文章と、属性情報に応じて変換された第２文章とを比較することができる。

図１４は、第２実施形態に係る変換処理のフローチャートである。本フローチャートは、図１１のステップＳ４００に示される変換処理の具体的な流れを示す。

まず、分解部１６１は、コンテンツに含まれる第１文章を複数の単語に分解する（Ｓ４２０）。エンコーダ１６６は、分解部１６１によって分解された複数の単語を、第１モデルを用いて複数のベクトルに変換する（Ｓ４２１）。

デコーダ１６７は、決定部１４５によって決定された第１評価値および第２評価値に基づき、複数のモデルの中から第２モデルを選択する（Ｓ４２２）。デコーダ１６７は、エンコーダ１６６によって変換された複数のベクトルの各々を、第２モデルを用いて単語に変換する（Ｓ４２３）。また、デコーダ１６７は、第２モデルを用いて変換した複数の単語を組み合わせて、第２文章を生成する（Ｓ４２４）。その後、図１１のステップＳ３４０に移行する。

以上説明したように、コンテンツ評価装置１００はコンテンツ変換機能を備えるため、入力したコンテンツ（第１文章）を、属性情報に応じたコンテンツ（第２文章）に変換することができる。また、第２実施形態においては、第３テーブルＴ３が不要なため、第３テーブルＴ３を事前に準備する手間を省くことができる。

なお、第１実施形態および第２実施形態において、属性情報は、ユーザの年齢および性別であることとしたが、これに限られない。例えば、属性情報は、ユーザの興味のあるカテゴリ（例えば、グルメ、スポーツ、および美容等）や、ウェブページの閲覧履歴や、ショッピングサイトにおける商品の購入履歴等であってもよい。

また、第１実施形態および第２実施形態において、コンテンツ評価装置１００によって評価されるコンテンツは文章であることとしたが、これに限られない。例えば、コンテンツ評価装置１００によって評価されるコンテンツは、静止画、動画、または音声であってもよいし、文章、静止画、動画、および音声のうちの２つ以上の組み合わせであってもよい。

また、第１実施形態および第２実施形態において、コンテンツの特徴量は漢字の割合および口語表現の割合であることとしたが、これに限られない。例えば、コンテンツの特徴量は、平仮名の割合、片仮名の割合、句点の割合、読点の割合、改行の割合、短文の割合、長文の割合、主観的な表現の割合、客観的な表現の割合、顔文字の割合、疑問文の割合、男性的な表現の割合、または女性的な表現の割合等であってもよい。コンテンツに文章と画像（静止画または動画）が混在する場合には、コンテンツの特徴量は、文章の割合または画像（静止画または動画）の割合等であってもよい。

また、第１実施形態および第２実施形態において、変換部１６０は、単語を別の単語に変換することとしたが、これに限られない。例えば、変換部１６０は、複数の単語からなる文章（例えば、慣用句）を、別の文章に変換してもよい。

なお、例えば、図１において示したコンテンツ評価装置１００の各構成要素による処理を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、コンテンツ評価装置１００に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含む。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上説明したように、実施形態のコンテンツ評価装置１００は、コンテンツ取得部１３０と、抽出部１４０と、属性情報取得部１３５と、決定部１４５とを備える。コンテンツ取得部１３０は、評価対象のコンテンツを取得する。抽出部１４０は、コンテンツ取得部１３０によって取得されたコンテンツから、特徴量を抽出する。属性情報取得部１３５は、ユーザの属性を示す属性情報を取得する。決定部１４５は、抽出部１４０によって抽出された特徴量に基づき、コンテンツに対する評価値を示す第１評価値を決定するとともに、属性情報取得部１３５によって取得された属性情報に基づき、ユーザの属性に対応する評価値を示す第２評価値を決定する。これによって、実施形態のコンテンツ評価装置１００は、ユーザの属性を考慮して文章等のコンテンツを評価することができる。

以上、本発明の好ましい実施例を説明したが、本発明はこれら実施例に限定されることはない。本発明の趣旨を逸脱しない範囲で、構成の付加、省略、置換、およびその他の変更が可能である。本発明は前述した説明によって限定されることはなく、添付のクレームの範囲によってのみ限定される。

１００ コンテンツ評価装置
１１５ 表示部
１２０ 記憶部
１２５ 通信部
１３０ コンテンツ取得部
１３５ 属性情報取得部
１４０ 抽出部
１４５ 決定部
１５０ 判定部
１６０ 変換部
１６１ 分解部
１６２ 指数取得部
１６３ 平均値算出部
１６４ 標準偏差算出部
１６５ 生成部
１６６ エンコーダ
１６７ デコーダ
２００ 端末装置
３００ ウェブサーバ

Claims (23)

1. 評価対象のコンテンツを取得するコンテンツ取得部と、
   前記コンテンツ取得部によって取得された前記コンテンツから、特徴量を抽出する抽出部と、
   ユーザの属性を示す属性情報を取得する属性情報取得部と、
   前記抽出部によって抽出された前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定するとともに、前記属性情報取得部によって取得された前記属性情報に基づき、前記ユーザの属性に対応する前記評価値を示す第２評価値を決定する決定部と、
   を有するコンテンツ評価装置。
2. 前記決定部は、前記特徴量と、前記コンテンツの評価値とが対応付けられた第１テーブルを用いて、前記第１評価値を決定する
   請求項１記載のコンテンツ評価装置。
3. 前記決定部は、前記属性情報と、前記コンテンツの評価値とが対応付けられた第２テーブルを用いて、前記第２評価値を決定する
   請求項１または２記載のコンテンツ評価装置。
4. 前記決定部によって決定された前記第１評価値および前記第２評価値を並べて表示する表示部を更に備える、
   請求項１から３のいずれか一項に記載のコンテンツ評価装置。
5. 前記第１評価値を前記第２評価値に一致させるように、前記コンテンツに含まれる第１文章を第２文章に変換する変換部を更に備える、
   請求項１から４のいずれか一項に記載のコンテンツ評価装置。
6. 前記変換部は、
   前記コンテンツに含まれる文章を複数の形態素に分解する分解部と、
   前記分解部によって分解された前記複数の形態素ごとに、表現の特徴を示す指数を取得する指数取得部と、
   前記指数取得部によって取得された前記複数の形態素の前記指数の平均値を算出する平均値算出部と、
   前記指数取得部によって取得された前記複数の形態素の前記指数の標準偏差を算出する標準偏差算出部と、
   前記平均値算出部によって算出された前記平均値と、前記標準偏差算出部によって算出された前記標準偏差に基づいて、前記第２文章を生成する生成部と、を更に備える、
   請求項５記載のコンテンツ評価装置。
7. 前記生成部は、形態素と、前記形態素の指数と、前記形態素と類似した意味を有する変換可能語と、前記変換可能語の指数とが対応付けられた第３テーブルを参照し、前記第１文章に含まれる形態素を前記変換可能語に変換することで、前記第２文章を生成する
   請求項６記載のコンテンツ評価装置。
8. 前記生成部は、前記第２文章の前記指数の平均値が、前記第２評価値に対応する前記指数の範囲内となり、かつ、前記第１文章の前記指数の前記標準偏差と、前記第２文章の前記指数の前記標準偏差との差が最も小さくなるように、前記第１文章に含まれる形態素を前記変換可能語に置き換えることで、前記第２文章を生成する
   請求項７記載のコンテンツ評価装置。
9. 前記指数取得部は、前記第３テーブルを用いて、前記分解部によって分解された前記複数の形態素ごとに前記指数を取得する、
   請求項７または８記載のコンテンツ評価装置。
10. 前記変換部は、
    前記コンテンツに含まれる文章を複数の形態素に分解する分解部と、
    前記分解部によって分解された前記複数の形態素を、第１モデルを用いて複数のベクトルに変換するエンコーダと、
    前記エンコーダによって変換された前記複数のベクトルを、第２モデルを用いて前記第２文章に変換するデコーダと、を更に備える、
    請求項６記載のコンテンツ評価装置。
11. 前記第１モデルおよび前記第２モデルは、ニューラルネットワークのモデルである、
    請求項１０記載のコンテンツ評価装置。
12. 前記第１文章と前記第２文章とを並べて表示する表示部を更に備える、
    請求項７から１１のいずれか一項に記載のコンテンツ評価装置。
13. 前記属性情報は、前記ユーザの年齢、性別、興味のあるカテゴリ、ウェブページの閲覧履歴、ショッピングサイトにおける商品の購入履歴のうちの少なくとも一つを含む、
    請求項１から１２のいずれか一項に記載のコンテンツ評価装置。
14. 評価対象のコンテンツを取得し、
    前記コンテンツから特徴量を抽出し、
    ユーザの属性を示す属性情報を取得し、
    前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定し、
    前記属性情報に基づき、前記ユーザの属性に対応する前記評価値を示す第２評価値を決定する、
    コンテンツ評価方法。
15. コンピュータに、
    評価対象のコンテンツを取得させ、
    前記コンテンツから特徴量を抽出させ、
    ユーザの属性を示す属性情報を取得させ、
    前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定させ、
    前記属性情報に基づき、前記ユーザの属性に対応する前記評価値を示す第２評価値を決定させる、
    プログラム。
16. 請求項１５に記載のプログラムを記憶する、コンピュータ読み取り可能な記録媒体。
17. 評価対象のコンテンツを取得するコンテンツ取得部と、
    前記コンテンツ取得部によって取得された前記コンテンツから、特徴量を抽出する抽出部と、
    前記抽出部によって抽出された前記特徴量に基づき、前記コンテンツ取得部によって取得された前記コンテンツと最も親和性の高いユーザの属性を示す属性情報を判定する判定部を更に備える、
    を有するコンテンツ評価装置。
18. 前記判定部は、前記属性情報と、前記コンテンツの評価値とが対応付けられた第２テーブルを用いて、前記コンテンツと最も親和性の高いユーザの前記属性情報を判定する
    請求項１７記載のコンテンツ評価装置。
19. 前記抽出部によって抽出された前記特徴量に基づき、前記コンテンツに対する評価値を示す第１評価値を決定する決定部を更に備え、
    前記判定部は、前記第２テーブルを参照して、前記決定部によって決定された前記第１評価値と一致する評価値に対応付けられた前記属性情報を、前記コンテンツと最も親和性の高いユーザの前記属性情報であると判定する、
    請求項１８記載のコンテンツ評価装置。
20. 前記判定部によって判定された、前記コンテンツと最も親和性の高いユーザの前記属性情報を表示する表示部を更に備える、
    請求項１７から１９のいずれか一項に記載のコンテンツ評価装置。
21. 評価対象のコンテンツを取得し、
    前記コンテンツから特徴量を抽出し、
    前記特徴量に基づき、前記コンテンツと最も親和性の高いユーザの属性を示す属性情報を判定する、
    コンテンツ評価方法。
22. コンピュータに、
    評価対象のコンテンツを取得させ、
    前記コンテンツから特徴量を抽出させ、
    前記特徴量に基づき、前記コンテンツと最も親和性の高いユーザの属性を示す属性情報を判定させる、
    プログラム。
23. 請求項２２に記載のプログラムを記憶する、コンピュータ読み取り可能な記録媒体。

Images