JP2019219830A - 感情評価方法 - Google Patents

Abstract

【課題】文章、音声、画像、映像等が目標通りに感情を揺さぶるのか定量的に評価できる感情評価方法を提供することを目的とする。【解決手段】インプットデータを読み取る読取工程と、前記インプットデータから感情数値を計算する感情数値計算工程と、感情数値の理想値を求める理想値設定工程と、前記インプットデータから計算された感情数値と、前記理想値とを比較する感情数値評価工程と、を有することを特徴とする。【選択図】図１

Description

本発明は、感情評価方法に関する。

従来より、ライターや小説家等が書いた文章が目標通りに読者の感情を揺さぶるのかを評価する方法が求められている。また、ライターや小説家等が書いた文章が、あるテーマに沿って書かれているかを評価する方法が求められている。

特許文献１では、入力されたテキストからトピック及び上位ワードを生成し、上位ワードに関連する各々の感情について関連性重みを生成して感情重みを出力することが開示されている。特許文献１では、例えば従来のシステムに対して、相対的に向上した感情検出精度を実現できるとしている。

しかしながら、文章、音声、画像、映像等が目標通りに感情を揺さぶるのか定量的に評価することは検討されていない。また、需要者に提供予定の文章、音声、画像、映像等を評価する場合、人による定性的な評価となり、評価者によって評価が異なるという問題がある。

特開２０１７−１９９３５０号公報

本発明は、文章、音声、画像、映像等が目標通りに感情を揺さぶるのか定量的に評価できる感情評価方法を提供することを目的とする。

上記課題を解決するために、本発明の感情評価方法は、インプットデータを読み取る読取工程と、前記インプットデータから感情数値を計算する感情数値計算工程と、感情数値の理想値を求める理想値設定工程と、前記インプットデータから計算された感情数値と、前記理想値とを比較する感情数値評価工程と、を有することを特徴とする。

本発明によれば、文章、音声、画像、映像等が目標通りに感情を揺さぶるのか定量的に評価できる感情評価方法を提供することができる。

本発明の感情評価方法の一例を説明するためのフローチャートである。 理想値のグラフの一例である。 理想値のグラフの他の例である。 サンプルの感情数値を示したグラフである。 理想値とサンプルを比較したグラフである。

以下、本発明に係る感情評価方法について図面を参照しながら説明する。なお、本発明は以下に示す実施形態に限定されるものではなく、他の実施形態、追加、修正、削除など、当業者が想到することができる範囲内で変更することができ、いずれの態様においても本発明の作用・効果を奏する限り、本発明の範囲に含まれるものである。

（第１の実施形態）
本実施形態の感情評価方法は、インプットデータを読み取る読取工程と、前記インプットデータから感情数値を計算する感情数値計算工程と、感情数値の理想値を求める理想値設定工程と、前記インプットデータから計算された感情数値と、前記理想値とを比較する感情数値評価工程と、を有することを特徴とする。

本実施形態の感情評価方法を説明するためのフローチャートを図１に示す。

読取工程（Ｓ１０１）では、インプットデータの読み取りを行う。
インプットデータとしては、例えばテキストデータ、音声データ、画像データ、映像データ等が挙げられる。

また、読取工程（Ｓ１０１）を行う前に、音声データからテキストデータを生成してインプットデータとしてもよい（生成工程）。音声データからテキストデータを生成する手法としては、公知の手法により行うことができる。例えば、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｐｅｅｃｈ ＡＰＩ（Ｇｏｏｇｌｅ社製）を利用してテキストデータを生成することができる。

本実施形態において、画像データとしては、主に静止画を意味し、人の顔が認識できるものや、漫画のキャラクターが認識できるもの等が挙げられる。また、映像データとしては、主に動画を意味し、人の顔の動きや体の動きが認識できるものや、アニメーションのキャラクターの動きが認識できるもの等が挙げられる。

なお、インプットデータのファイル形式は、特に制限されるものではない。感情数値計算工程でデータを認識できればよい。

感情数値計算工程（Ｓ１０２）では、入力されたインプットデータの感情数値を計算する。感情数値の計算としては、公知の手法により行うことができる。

テキストデータの場合、例えば、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ（Ｇｏｏｇｌｅ社製）を用いて感情数値を求めることができる。その他にも例えばＣｏｇｎｉｔｉｖｅ Ｓｅｒｖｉｃｅｓ Ｔｅｘｔ Ａｎａｌｙｔｉｃｓ（マイクロソフト社製）等が挙げられる。

感情数値としては、適宜変更することが可能であるが、例えば、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅの場合、感情強度や感情スコアが挙げられる。なお、感情強度はｍａｇｎｉｔｕｄｅとして表されている。

音声データの場合、例えば、Ｅｍｐａｔｈ Ｗｅｂ ＡＰＩ（Ｅｍｐａｔｈ社製）等を用いて感情数値を求めることができる。音声データの場合、例えば、声の波形、声の大きさ等により、感情数値を計算する。

画像データの場合、例えば、Ｃｏｇｎｉｔｉｖｅ Ｓｅｒｖｉｃｅｓ Ｅｍｏｔｉｏｎ（マイクロソフト社製）等を用いて感情数値を求めることができる。画像データの場合、例えば、人の顔を認識し、まゆげの形、口（口角）の形、頬の形、目の開き具合等を数値化することにより、感情数値を計算する。

映像データの場合、例えば、Ｃｏｇｎｉｔｉｖｅ Ｓｅｒｖｉｃｅｓ Ｅｍｏｔｉｏｎ（マイクロソフト社製）等を用いて感情数値を求めることができる。映像データの場合、例えば、人の顔の動きや体の動き等により、感情数値を計算する。

感情数値の種類としては、上記の他にも、ＳＮＳ（Social Networking Service）のエンゲージメント値のような共感度やＮＰＳ（Net Promoter Score）に見られるような推奨度等が挙げられる。

感情数値としては、１つであってもよく、複数であってもよい。また、１つの感情の数値を求めてもよいし、複数の感情の数値を求めてもよい。例えば、喜怒哀楽のように、複数の感情でそれぞれ数値を求めてもよい。

なお、本実施形態では、読取工程と感情数値計算工程とを区別して説明しているが、これに限られるものではなく、読取工程と感情数値計算工程とを一体として行ってもよい。また、読取工程と感情数値計算工程を例えば外部サービスを利用して行ってもよく、既に感情数値を求めたデータを用いて、後述の工程を行ってもよい。例えば、時間の流れに対して感情数値を求めたデータを入力として、後述の工程を行う場合も本発明に含まれるものである。

また、感情数値計算工程（Ｓ１０２）においては、時系列に対する感情数値を求めることが特に好ましい。時間の流れに対して感情数値を求める際には、例えばある時間の間隔を定めて、その間隔内の感情数値を求めればよい。間隔は適宜変更することができる。

理想値設定工程（Ｓ１０３）では、感情数値の理想値を求める。感情数値の理想値の求め方としては、目標とする感情、インプットデータ、感情数値の種類等によっても異なるため、適宜変更が可能である。例えば、時間の流れと感情の変化をグラフ化した場合、読者の感情を揺さぶるとされるパターンがいくつか提案されており、それらを用いてもよい。

感情数値評価工程（Ｓ１０４）では、インプットデータから計算された感情数値と、理想値設定工程によって求められた感情数値の理想値とを比較する。

比較することにより、文章、画像、音声等が目標通りに感情を揺さぶるのか定量的に評価することができる。インプットデータから計算された感情数値が、感情数値の理想値に近い場合、目標通りに感情を揺さぶるものであると評価できる。また、どの程度、理想値に近いのか、離れているのかを定量的に評価することができる。

インプットデータから計算された感情数値がどの程度、感情数値の理想値に近ければ目標通りに感情を揺さぶると評価できるかについては、用いる感情数値の種類、目標とする感情（喜怒哀楽等）等によっても異なるため、適宜変更することが可能である。

本実施形態によれば、文章、画像、音声等が目標通りに感情を揺さぶるのか定量的に評価できる。また、物語性のある文章が読者の興味を引きつけるものであるか等を分析することができる。物語性のある文章が読者の興味を引きつけるものであるかを判断する一つの観点として、読者の感情が揺れることが挙げられ、興味を引きつけるような感情の揺れにはパターンがあると考えられる。本実施形態によれば、インプットデータの感情数値と感情数値の理想値とを比較することにより、このようなパターンがあるかを判断する一つの材料を提供することができる。

また、例えば、ライターがインタビュー時に音声をとり、文字起こしを行う際に、計算した感情数値を理想値と比較することにより、読者の興味を引きつけるものであるかを定量的に評価することができる。

（第２の実施形態）
次に、本発明に係る感情評価方法の他の実施形態について説明する。上記と共通の事項については説明を省略する。

本実施形態の感情評価方法は、インプットデータから計算された感情数値をグラフ化して第１のグラフを作成するとともに、理想値設定工程で求められた感情数値の理想値をグラフ化して第２のグラフを作成するグラフ化工程を行う。

グラフ化工程を行う順番としては、感情数値評価工程（Ｓ１０４）の前に行うことが必須であるが、適宜変更することが可能である。例えば、感情数値計算工程（Ｓ１０２）及び理想値設定工程（Ｓ１０３）を行った後に、第１のグラフ及び第２のグラフを同時に作成してもよいし、感情数値計算工程（Ｓ１０２）を行った後に第１のグラフを作成し、次いで理想値設定工程（Ｓ１０３）を行い、その後に第２のグラフを作成してもよい。

グラフ化工程を行った後、感情数値評価工程を行う。この場合、感情数値評価工程は、第１のグラフと第２のグラフとを比較することにより、インプットデータから計算された感情数値と、理想値とを比較する。

２つのグラフの比較は、グラフの種類によっても変更されるが、２つのグラフの形が似ているか等により評価を行う。

ここで、第２のグラフの例を図２、図３に示す。図２及び図３のグラフは小説や物語について横軸を時間の流れ（全体を１００としたときのその割合）とし、縦軸を感情数値としたときのグラフの例である。縦軸については、破線で示される中央線よりも上の場合、ポジティブな感情を示し、中央線よりも下の場合、ネガティブな感情を示す。図２は時間の流れとともに全体的に感情がポジティブとなり、喜劇のグラフの理想値を示す例である。図３は時間の流れとともに全体的に感情がネガティブとなり、悲劇のグラフの理想値を示す例である。
なお、図２及び図３は書籍「ベストセラーコード」（ジョディ・アーチャー、マシュー・ジョッカーズ著）に示される例であるが、これらに限られるものではない。

また、第１のグラフの例を図４に示す。図４は、ある小説のサンプルを例にして図２及び図３と比較できる形で縦軸の感情数値及び横軸の時間の流れを求めたものである。

そして、インプットデータから計算された感情数値により作成された第１のグラフと、感情数値の理想値をグラフ化した第２のグラフとの比較を行う。比較・評価に関しては目的等によっても異なるため、一概に言うことは難しいが、例えば、時間の流れと感情の変化が理想値のパターンに近いかどうか、理想値とどの程度ずれているか等に基づいて行う。比較・評価は評価者が行ってもよいし、プログラム等を利用して数値化してもよい。例えば、理想値とのずれを数値化することにより、目標通りに感情を揺さぶることができるのかを定量的に判断することができる。

図５に、図２と図４をあわせて表示した場合の例を示す。図示されるように、実際のサンプルは喜劇のグラフの理想値に形が似ており、理想的な喜劇の物語のパターンになっていることがわかる。また、縦軸の感情数値が数％ずれている程度であり、理想のパターンに近いことが定量的に判断することができる。
図５に示される例は感情数値評価工程の一例であり、ここでは時間の流れ０付近と６０付近が一致するように両者を比較しているが、これに限られるものではなく、この他にも例えば時間の流れ４０付近や１００付近が一致するように両者を比較してもよい。
なお、図５に示されるような評価により、サンプルに対して目標に適合するように感情数値や時間の流れに対する感情の変化等を修正することができるという優れた利点が得られる。

グラフ化工程を行い、２つのグラフを比較することにより、文章、画像、音声等が目標通りに感情を揺さぶるのかを評価できる。また、その他にも、グラフを比較することにより、新作の小説を書いた場合、悲劇の物語になっているか、冒険物語になっているか等を評価者によって左右されずに判断することができる。

第１のグラフ及び第２のグラフの種類としては、上記の他にも、例えば、感情曲線、文章に出現する文毎に感情数値を求めてグラフ化したもの、または、音声データで認識される音声を秒毎に感情数値を求めてグラフ化したもの等が挙げられる。

上述のように、グラフ化工程では、グラフの種類を適宜変更することが可能であるが、本実施形態のように、時間の流れに対して感情数値を求めて時系列のグラフを作成し、評価することが特に好ましい。なお、時間の流れに対して感情数値を求める際には、例えばある時間の間隔を定めて、その間隔内の感情数値を求めればよい。間隔は適宜変更することができる。

（第３の実施形態）
次に、本発明に係る感情評価方法の他の実施形態について説明する。上記と共通の事項については説明を省略する。

本実施形態の感情評価方法は、インプットデータからトピック数を計算するトピック数計算工程をさらに有する。また、理想値設定工程（Ｓ１０３）はトピック数の理想値を求め、感情数値評価工程（Ｓ１０４）はインプットデータから計算されたトピック数と、トピック数の理想値とを比較する。

トピック数の計算方法としては、公知の手法により行うことができる。例えば、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ（Ｇｏｏｇｌｅ社製）のエンティティ認識を利用してテキストデータに現れる単語の数をカウントし、単語ごとの頻度を求めることができる。

本実施形態によれば、あるテーマに対し、適切な量のワード（トピック）が現れているか定量的に評価することができる。また、作成された文章があるテーマに沿って作成されたものであるかを定量的に評価することができる。例えば小説や記事として書かれた文章について、伝えたいテーマのトピックが適切に現れているかを定量的に判断しやすくなる。

また、例えば公知のトピックモデルを用いて分析することにより、出版されて一般消費者の目に触れる前に、成功のパターンに沿っているか、物語として興味を引くものであるか等を分析することも容易になる。
なお、物語等を分析することにより、登場人物のキャラクター性などを分析することも可能となり、読者の興味を引くものであるかを分析しやすくなる。

また、単語ごとの頻度からメイントピックを求めてグラフ化してもよい。グラフ化することにより、より精度良くインプットデータの評価を行うことができる。

本実施形態において、感情数値とトピック数とを組み合わせて１つの評価指標を求め、求められた評価指標と、あらかじめ設定した評価指標の理想値とを比較することも可能である。これにより、より精度良くインプットデータの評価を行うことができる。

本実施形態におけるインプットデータとしては、テキストデータであることが好ましく、音声データからテキストデータを生成したものも好ましく用いられる。

Claims (8)

1. インプットデータを読み取る読取工程と、
   前記インプットデータから感情数値を計算する感情数値計算工程と、
   感情数値の理想値を求める理想値設定工程と、
   前記インプットデータから計算された感情数値と、前記理想値とを比較する感情数値評価工程と、を有することを特徴とする感情評価方法。
2. 前記感情数値計算工程は、時間の流れに対して感情数値を求めることを特徴とする請求項１に記載の感情評価方法。
3. 前記インプットデータから計算された感情数値をグラフ化して第１のグラフを作成するとともに、前記理想値設定工程で求められた感情数値の理想値をグラフ化して第２のグラフを作成するグラフ化工程を有し、
   前記感情数値評価工程は、前記第１のグラフと前記第２のグラフとを比較することにより、前記インプットデータから計算された感情数値と、前記理想値とを比較することを特徴とする請求項１又は２に記載の感情評価方法。
4. 前記インプットデータは、テキストデータ、音声データ、画像データ及び映像データから選ばれる少なくとも一つであることを特徴とする請求項１〜３のいずれかに記載の感情評価方法。
5. 前記読取工程の前に、音声データからテキストデータを生成して前記インプットデータとする生成工程を有することを特徴とする請求項１〜３のいずれかに記載の感情評価方法。
6. 前記感情数値は、感情強度及び感情スコアから選ばれる少なくとも一つであることを特徴とする請求項１〜５のいずれかに記載の感情評価方法。
7. 前記インプットデータからトピック数を計算するトピック数計算工程をさらに有し、
   前記理想値設定工程は、トピック数の理想値を求め、
   前記感情数値評価工程は、前記インプットデータから計算されたトピック数と、トピック数の理想値とを比較することを特徴とする請求項１〜６のいずれかに記載の感情評価方法。
8. 前記感情数値評価工程は、前記感情数値及び前記トピック数に基づいた評価指標を求め、前記評価指標と、理想となる評価指標とを比較することを特徴とする請求項７に記載の感情評価方法。