JP2020101936A - 提供装置、提供方法、及び提供プログラム - Google Patents

Abstract

【課題】商品やサービスに対するユーザレビューとして、利用者に有益な情報を提供すること。【解決手段】本願に係る提供装置は、取得部と、作成部とを備える。取得部は、商品又はサービスに関する複数のユーザレビューを取得する。作成部は、特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成する。本願に係る提供装置は、特定の商品又は特定のサービスに関する複数のユーザレビューの情報と、特定の商品または特定のサービスごとに予め用意した学習用データに基づく機械学習により、観点ごとの要約を作成するための学習済みモデルを観点ごとに生成する生成部を更に備える。作成部は、学習済みモデルを用いて、特定の商品又は特定のサービスに関する複数のユーザレビューから観点ごとの要約を作成する。【選択図】図５

Description

本出願は、提供装置、提供方法、及び提供プログラムに関する。

近年、ＩＣＴ（Internet Communication Technology）の普及に伴い、ウェブサイトやアプリケーションを介して、様々な事業者がオンラインショップを介した電子商取引サービスや、映画や音楽等の各種コンテンツの配信サービスなどの各種サービスを利用者に提供するビジネスモデルが広く社会に浸透している。このような各種サービスの提供に伴い、電子商取引の取引対象である商品やサービスなどに対して利用者から投稿された批評、いわゆるユーザレビューを公開するものが知られている。

特開２０１３−２０５８７５号公報

各種サービスの利用者が、各種サービスの提供に伴って公開されている全てのユーザレビューの全てに目を通すことは難しい。このため、ユーザレビューの提供方法には改善の余地がある。

本願は、上記に鑑みてなされたものであって、商品やサービスに対するユーザレビューとして、利用者に有益な情報を提供することを目的とする。

本願に係る提供装置は、取得部と、作成部とを備える。取得部は、商品又はサービスに関する複数のユーザレビューを取得する。作成部は、特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成する。

実施形態の態様の１つによれば、商品やサービスに対するユーザレビューとして、利用者に有益な情報を提供できるという効果を奏する。

図１は、実施形態に係る提供方法の説明図である。 図２は、実施形態に係る学習済みモデルの生成方法の説明図である。 図３は、実施形態に係る要約作成処理の説明図である。 図４は、実施形態に係る表示例を示す図である。 図５は、実施形態に係るサービス提供装置１０の構成例を示す図である。 図６は、実施形態に係るユーザレビューの情報の一例を示す図である。 図７は、実施形態に係る閲覧履歴の情報の一例を示す図である。 図８は、実施形態に係るサービス提供装置の処理手順の一例を示すフローチャートである。 図９は、実施形態に係る要約作成処理（１）の一例を示すフローチャートである。 図１０は、実施形態に係る要約作成処理（２）の一例を示すフローチャートである。 図１１は、実施形態に係るユーザレビューの選別方法の一例を示す図である。 図１２は、実施形態に係る要約作成処理（３）の一例を示すフローチャートである。 図１３は、実施形態に係る観点の判別方法の一例を示す図である。 図１４は、実施形態に係る要約作成処理（４）の一例を示すフローチャートである。 図１５は、サービス提供装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る提供装置、提供方法、及び提供プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、以下に説明する複数の実施形態により本願に係る提供装置、提供方法、及び提供プログラムが限定されるものではない。また、以下に説明する複数の実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下に説明する複数の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

［１．提供方法の一例］
図１〜図４を用いて、実施形態に係る提供方法の一例を説明する。図１は、実施形態に係る提供方法の説明図である。図２は、実施形態に係る学習済みモデルの生成方法の説明図である。図３は、実施形態に係る要約作成処理の説明図である。図４は、実施形態に係る表示例を示す図である。

実施形態に係る提供方法は、本願に係る提供装置の一つとして例示するサービス提供装置１０により実行される。以下に説明する提供方法は、サービス提供装置１０が、特定の商品又は特定のサービスに関する批評である複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成する処理の一例を示すものである。また、以下に説明する実施形態では、利用者によりユーザレビューの投稿が行われる商品やサービスの一例として、所定の観点により批評される場合がある「映画」について説明する。

図１に示すように、サービス提供装置１０は、インターネットなどの通信ネットワークに接続され、当該通信ネットワークを介して、ユーザ装置１００−１〜１００―ｎ（ｎは２以上の整数）と相互に通信可能である。以下の説明において、ユーザ装置１００−１〜１００―ｎを特に区別することなく、ユーザ装置１００と総称して説明する場合がある。また、ユーザ装置１００−１のユーザＵ−１及びユーザ装置１００−ｎのユーザＵ−ｎを特に区別することなく、ユーザＵと総称して説明する場合がある。

ユーザ装置１００は、スマートフォンやタブレット等のスマートデバイス、ＰＣ（Personal Computer）等、各種の情報処理装置により実現される。例えば、ユーザ装置１００は、各種の情報の表示を行う機能や、各種の情報を任意の商品やサービスに対するユーザレビューを投稿する機能を有する。

ユーザ装置１００のユーザＵは、サービス提供装置１０により提供されるサービスを利用する利用者として、映画作品に対するユーザレビューなどを含む映画作品に関する各種情報を閲覧できる。また、ユーザ装置１００のユーザＵは、サービス提供装置１０により提供されるサービスを利用する利用者として、映画作品に関する批評としてユーザレビューを投稿できる。

サービス提供装置１０は、映画作品に対して投稿されたユーザレビューなどを含む映画作品に関する各種情報を利用者に提供するサービスを行う。

たとえば、鑑賞しようと思っている映画作品がある場合、サービス提供装置１０により提供されるサービスを利用することにより、鑑賞しようと思っている映画作品に対するレビューに目を通すユーザＵが少なからず存在する。このとき、ユーザＵは、映画作品に対するレビューが多いと、全てのレビューに目を通すことは困難である。

そこで、実施形態に係るサービス提供装置１０は、以下の各種処理を実行する。サービス提供装置１０は、レビュー情報格納部と、モデル情報格納部と、閲覧履歴格納部とを備える。

レビュー情報格納部は、ユーザ装置１００から取得した映画作品に関するユーザレビューの情報を記憶する。レビュー情報格納部に記憶されるユーザレビューの情報は、作品ＩＤ、ユーザＩＤ、投稿内容などの情報を有し、これらの情報が互い対応付けられている。投稿内容は、タイトル、レビュー内容、及び詳細評価などの情報を含む。評価情報は、映画作品について、たとえば「観点１：物語」、「観点２：配役」、「観点３：演出」、「観点４：映像」、及び「観点５：音楽」からなるそれぞれの観点ごとに、ユーザレビューを投稿するユーザＵによって付与された「０点（たとえば星なし）」から「５点（たとえば星五つ）」までの１点刻みの評価点を含む。

「観点１：物語」は、映画作品の脚本などに対する見地（見解）に該当する。「配役」は、映画作品の出演者の割り振り（キャスト）などに対する見地（見解）に該当する。「演出」は、映画作品の出演者の演技や舞台装置などの各種効果の組立などに対する見地（見解）に該当する。「映像」は、映画作品のカット割りや視覚効果などに基づく映像美などに対する見地（見解）に該当する。「音楽」は、映画作品に用いられた主題歌や挿入歌、音響効果などに対する見地（見解）に該当する。

モデル情報格納部は、特定の映画作品について観点ごとの要約を作成するための要約作成モデル（「学習済みモデル」の一例）を記憶する。モデル情報格納部は、かかる観点ごとの要約作成モデル、すなわち「観点１：物語」に対応する第１モデルと、「観点２：配役」に対応する第２モデルと、「観点３：演出」に対応する第３モデルと、「観点４：映像」に対応する第４モデルと、「観点５：音楽」に対応する第５モデルとを記憶する。

図２を用いて、モデル情報格納部に記憶される学習済みモデルの生成方法について説明する。サービス提供装置１０は、映画作品（映画Ａや映画Ｂなど）ごとに予め用意した学習用データに基づく機械学習を行うことにより、映画作品に関する複数の観点ごとの要約作成モデルを生成する。たとえば図２に示すように、サービス提供装置１０が備える学習器は、ソースデータである複数のユーザレビューを入力し、ターゲットデータとなるプロの要約を作成するモデルを学習する。学習器による学習は、たとえば深層学習（ディープラーニング）の技術を用いて行うことができる。ディープラーニングの技術としては、たとえばＲＮＮ（Recurrent Neural Network）、ＣＮＮ（Convolutional Neural Network）、ＧＡＮ（Generative Adversarial Network）、ＤＮＮ（Deep Neural Network）等の種々の技術が例示される。そして、学習器により、複数のユーザレビューからプロの要約と遜色のない要約を自動的に作成する要約作成モデルが作成される。

ソースデータとして学習器に入力する複数のユーザレビューは、たとえば映画作品について、一般のユーザにより投稿されたユーザレビューの情報が想定される。複数のユーザレビューは、上述した複数の観点に関する批評内容（テキスト）、及び上述した複数の観点を特に意識することなしに作成された批評内容（テキスト）を含み得る。プロの要約は、一般のユーザが投稿したユーザレビューに基づいて、たとえば映画批評を生業とする映画批評家などのプロフェッショナルによって、上述した観点ごとに作成された要約の見本となる情報が想定される。

学習器により生成される要約作成モデルは、上述した観点ごとの要約を自動的に作成することができるモデルを、観点ごとに個別に生成してもよいし、上述した観点ごとの要約を自動的に作成できる１つのモデルを生成してもよい。

学習器により生成される第１モデルは、特定の映画作品に関する複数のユーザレビューの情報を入力し、「観点１：物語」について、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成して出力できる。また、学習器により生成される第２モデルは、特定の映画作品に関する複数のユーザレビューの情報を入力し、「観点２：配役」について、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成して出力できる。また、学習器により生成される第３モデルは、「観点３：演出」について、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成して出力できる。また、学習器により生成される第４モデルは、「観点４：映像」について、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成して出力できる。また、学習器により生成される第５モデルは、「観点５：音楽」について、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成して出力できる。

また、サービス提供装置１０は、特定の映画作品に関するユーザレビューを入力し、入力されたユーザレビューに含まれる文章（センテンス）ごとにスコアを付与するモデルを要約作成モデルとして生成してもよい。具体的には、サービス提供装置１０は、プロの要約に重複して含まれる文章（センテンス）、すなわち映画批評を生業とする映画批評家などのプロフェッショナルにより作成された文章ほど高いスコアを付与し、一般のユーザにより投稿されたユーザレビューに重複して含まれる文章（センテンス）、すなわち素人により作成された文章ほど低いスコアを付与するモデルを学習器に学習させる。これにより、サービス提供装置１０は、入力されたユーザレビューに含まれる文章（センテンス）ごとにスコアを付与するモデルを生成できる。このモデルにより、ユーザレビューに含まれる文章に対して付与されたスコアに基づき、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を作成できる。たとえば、このモデルから出力されるスコアが閾値を上回る文章を収集することにより、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を作成できる。

要約作成モデルの生成は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いた学習器だけではなく、教師なし学習の機械学習に関する技術を用いて学習器により行われてもよい。これらの要約作成モデルの生成に関する記載は一例に過ぎず、学習済みモデルである要約作成モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。すなわち、サービス提供装置１０が、特定の映画作品に関する複数のユーザレビューを入力し、複数のユーザレビューから観点ごとの要約を作成できるモデルを学習可能であれば、どのような手法により要約作成モデルの生成を行ってもよい。

閲覧履歴情報格納部は、サービス提供装置１０により提供される映画作品に関する各種情報のうちユーザＵにより閲覧された閲覧履歴の情報を記憶する。閲覧履歴の情報は、ユーザＩＤおよび閲覧作品の情報を有し、これらの情報が互いに対応付けられている。閲覧作品の情報は、作品ＩＤおよび詳細評価の情報を含む。詳細評価の情報は、映画作品について、たとえば「観点１：物語」、「観点２：配役」、「観点３：演出」、「観点４：映像」、及び「観点５：音楽」からなるそれぞれの観点ごとに設定される評価点で構成される。かかる評価点は、対応する映画作品についてユーザレビューを投稿した全てのユーザの評価点の平均などを採用できる。

サービス提供装置１０は、特定の映画作品に関するユーザレビューの表示要求をユーザ装置１００から受信すると（ステップＳ１）、モデル情報格納部に記憶されている要約作成モデルを用いて、特定の映画作品に関する複数のユーザレビューから観点ごとの要約を自動的に作成する要約作成処理を実行する（ステップＳ２）。

図３に示すように、サービス提供装置１０は、ユーザ装置１００から受信したユーザレビューの表示要求の対象となる特定の映画作品の作品ＩＤを取得し、取得した作品ＩＤに紐づく複数のユーザレビューの情報をレビュー情報格納部から取得する（ステップＳ２１）。続いて、サービス提供装置１０は、特定の映画作品について取得した複数のユーザレビューの情報を要約作成モデルに入力し（ステップＳ２２）、観点ごとの要約を作成する（ステップＳ２３）。かかるサービス提供装置１０による要約作成処理により、特定の映画作品に関する世間一般の評価として収集された複数のユーザレビューから、たとえば批評のプロフェッショナルなどにより作成された見本と遜色のない観点ごとの要約で構成された代表的なユーザレビューが自動的に作成される。

また、サービス提供装置１０は、ユーザレビューに含まれる詳細評価に基づいて、特定の映画作品に関する複数のユーザレビューを、所定の基準以上の評価を付与するユーザレビューと、所定の基準未満の評価を付与するユーザレビューとにそれぞれ選別し、所定の基準以上の評価を付与するユーザレビューから観点ごとの要約を作成するとともに、所定の基準未満の評価を付与するユーザレビューから観点ごとの要約を作成する要約作成処理を実行してもよい。これにより、たとえば特定の映画作品について高評価なユーザレビューのみから作成した観点ごとの要約と、特定の映画作品について低評価なユーザレビューのみから作成した観点ごとの要約とをそれぞれ作成できる。所定の基準は任意に設定できる。たとえばユーザレビューに含まれる観点ごとの評価点の平均が３点以上であるユーザレビューを所定の基準以上のユーザレビューとして選別し、ユーザレビューに含まれる観点ごとの評価点の平均が３点未満であるユーザレビューを所定の基準未満のユーザレビューとして選別できる。これにより、サービスの利用者にユーザレビューの検索の手間をかけさせることなく、特定の映画作品についての対極的な批評を一度に利用者に提供できる。

また、サービス提供装置１０は、閲覧履歴格納部に記憶されたユーザＵの閲覧履歴に基づいて、ユーザレビューの表示要求を送信元となるユーザ装置１００のユーザＵが重要視する観点を判別し、判別した観点を他の観点よりも詳細に記述した要約を生成する要約作成処理を実行してもよい。たとえばサービス提供装置１０は、閲覧履歴に含まれる全ての映画作品についての詳細評価を集計し、どの観点に対応する評価点が高い傾向にあるかを特定することにより、重要視する観点を判別する。たとえば重要視する観点が「物語」であると判別した場合、サービス提供装置１０は、他の観点よりも要約を作成する際の文字数が多くなるように文字数の割り当てを行うことにより、判別した観点を他の観点よりも詳細に記述した要約を生成する。これにより、ユーザレビューを閲覧するサービスの利用者の趣向にパーソナライズした情報を利用者に提供できる。

また、サービス提供装置１０は、閲覧履歴格納部に記憶されたユーザＵの閲覧履歴に基づいて、ユーザレビューページの表示要求を送信元となるユーザ装置１００のユーザＵと重要視する観点が類似するユーザＵのユーザレビューを取得し、取得したユーザレビューから観点ごとの要約を生成する要約作成処理を実行してもよい。たとえばサービス提供装置１０は、閲覧履歴に含まれる全ての映画作品についての詳細評価を集計し、それぞれの観点に対応する評価点の平均を算出して、ユーザＵが閲覧した映画作品の観点ごとの評価の傾向を特定する。そして、サービス提供装置１０は、観点ごとの評価点の傾向が類似する他のユーザのユーザレビューを取得し、取得したユーザレビューから観点ごとの要約を作成する。これにより、ユーザレビューを閲覧するサービスの利用者の趣向にパーソナライズした情報を利用者に提供できる。

サービス提供装置１０は、要約作成処理により自動的に作成した観点ごとの要約を代表レビューとしてユーザレビューのページに設定し、ユーザ装置１００に送信する（ステップＳ３）。

ユーザ装置１００は、図４に示すように、ユーザ装置１００は、映画作品「○×○×物語」の情報を表示する映画情報紹介ページＧ１において、「ユーザレビュー」の項目ＯＢ１が操作されると、ユーザレビューページの表示要求をサービス提供装置１０に送信する。そして、ユーザ装置１００は、サービス提供装置１０から受信した映画作品「○×○×物語」に対するユーザレビューを表示するページＧ２を表示部１１１に表示する。表示部１１１に表示されるユーザレビューのページＧ２には、映画作品「○×○×物語」についてサービス提供装置１０により自動的に作成された観点ごとの要約を含む代表レビューＲｖ１が、たとえばページＧ２の最上部に表示される。

このように、実施形態に係るサービス提供装置１０は、特定の映画作品に対するユーザレビューとして、利用者に有益な情報を提供できる。

［２．サービス提供装置の構成］
図５を用いて、実施形態に係るサービス提供装置１０の構成について説明する。図５は、実施形態に係るサービス提供装置１０の構成例を示す図である。図５に示すように、実施形態に係るサービス提供装置１０は、通信ネットワークＮに接続される。

通信ネットワークＮには、ユーザ装置１００が接続されている。サービス提供装置１０は、通信ネットワークＮを介して、ユーザ装置１００と相互に通信可能である。通信ネットワークＮは、たとえば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等である。通信ネットワークＮの接続形態は、無線であるか、または有線であるかを問わない。

サービス提供装置１０は、図５に示すように、通信部１１と、記憶部１２と、制御部１３とを備える。なお、サービス提供装置１０は、サービス提供装置１０を管理する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

［通信部１１について］
通信部１１は、例えば、通信ネットワークＮに通信可能に接続された装置との間で通信するＮＩＣ（Network Interface Card）等のインターフェイスにより実現される。かかる通信部１１は、通信ネットワークＮを介して、ユーザ装置１００等との間で各種の情報を送受信する。

［記憶部１２について］
記憶部１２は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。かかる記憶部１２は、図５に示すように、映画情報格納部２０１と、レビュー情報格納部２０２と、モデル情報格納部２０３と、閲覧履歴格納部２０４とを有する。

［映画情報格納部２０１について］
映画情報格納部２０１は、サービス提供装置１０が提供するサービスの利用者に対して提供される複数の映画作品に関する映画情報を記憶する。映画情報は、作品の内容、上映スケジュール、ランキング、ニュース、インタビューなどの各種情報を有する。映画情報格納部２０１に記憶される映画情報は定期的に更新されてよい。

［レビュー情報格納部２０２について］
レビュー情報格納部２０２は、複数の映画作品について投稿されたユーザレビューの情報を記憶する。図６は、実施形態に係るユーザレビューの情報の一例を示す図である。図６に示すように、レビュー情報格納部２０２に記憶されるユーザレビューの情報は、作品ＩＤ、ユーザＩＤ、投稿内容などの情報を有し、これらの情報が互い対応付けられている。投稿内容は、タイトル、レビュー内容、及び詳細評価などの情報を含む。詳細評価は、映画作品について、たとえば「観点１：物語」、「観点２：配役」、「観点３：演出」、「観点４：映像」、及び「観点５：音楽」からなるそれぞれの観点ごとに、ユーザレビューを投稿するユーザＵによって付与された「０点」から「５点」までの１点刻みの評価点を含む。レビュー情報格納部２０２は、ユーザレビューの投稿に応じて適時又は定期的に更新されてよい。「観点１：物語」は、映画作品の脚本などに対する見地（見解）に該当する。「配役」は、映画作品の出演者の割り振り（キャスト）などに対する見地（見解）に該当する。「演出」は、映画作品の出演者の演技や舞台装置などの各種効果の組立などに対する見地（見解）に該当する。「映像」は、映画作品のカット割りや視覚効果などに基づく映像美などに対する見地（見解）に該当する。「音楽」は、映画作品に用いられた主題歌や挿入歌、音響効果などに対する見地（見解）に該当する。

［モデル情報格納部２０３について］
モデル情報格納部２０３は、特定の映画作品について観点ごとの要約を作成するための要約作成モデル（「学習済みモデル」の一例）を記憶する。モデル情報格納部２０３は、かかる観点ごとの要約作成モデル、すなわち「観点１：物語」に対応する第１モデルと、「観点２：配役」に対応する第２モデルと、「観点３：演出」に対応する第３モデルと、「観点４：映像」に対応する第４モデルと、「観点５：音楽」に対応する第５モデルとを記憶する。

［閲覧履歴格納部２０４について］
閲覧履歴格納部２０４は、ユーザ装置１００のユーザＵごとに閲覧履歴の情報を記憶する。閲覧履歴格納部２０４は、ユーザＵごとに、サービス提供装置１０により提供される映画作品に関する各種情報のうち、ユーザＵにより閲覧された映画作品に関する情報を閲覧履歴の情報として記憶する。図７は、実施形態に係る閲覧履歴の情報の一例を示す図である。図７に示すように、閲覧履歴格納部２０４に記憶される閲覧履歴の情報は、ユーザＩＤおよび閲覧作品の情報を有し、これらの情報が互いに対応付けられている。閲覧作品の情報は、作品ＩＤおよび詳細評価の情報を含む。詳細評価の情報は、映画作品について、たとえば「観点１：物語」、「観点２：配役」、「観点３：演出」、「観点４：映像」、及び「観点５：音楽」からなるそれぞれの観点ごとに設定される評価点で構成される。かかる詳細評価の評価点は、対応する映画作品についてユーザレビューを投稿した全てのユーザの評価点の平均などを採用できる。閲覧履歴格納部２０４に記憶される閲覧履歴は適宜または定期的に更新されてよい。

［制御部１３について］
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、サービス提供装置１０内部の記憶装置に記憶されている各種プログラム（情報提供プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

制御部１３は、取得部３０１と、生成部３０２と、作成部３０３と、提供部３０４とを備え、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３の内部構成は、図５に示した構成に限られず、後述する処理を実現または実行可能な構成であれば他の構成であってもよい。

［取得部３０１について］
取得部３０１は、各種情報を取得する。たとえば、取得部３０１は、ユーザ装置１００から受信した映画作品についてのユーザレビューの情報や、ユーザ装置１００から受信した映画作品についてのユーザレビューの表示要求を取得する。

［生成部３０２について］
生成部３０２は、特定の映画作品について観点ごとの要約を作成するための要約作成モデル（「学習済みモデル」の一例）を生成する。たとえば、生成部３０２は、特定の映画作品に関する複数のユーザレビューの情報に基づいて予め用意した学習用データに基づく機械学習により、映画作品に関する複数の観点ごとの要約を自動で作成する作成モデルを生成する。生成部３０２により生成された観点ごとの要約作成モデルは、モデル情報格納部２０３に記憶される。

生成部３０２は、学習器に、映画作品ごとに予め用意した学習用データに基づく機械学習を実行させることにより、映画作品に関する複数の観点ごとの要約を自動で作成する要約作成モデルを生成する。たとえば生成部３０２は、ソースデータである複数のユーザレビューを入力し、ターゲットデータとなるプロの要約を作成するモデルを学習器に学習させる。学習用データは、ソースデータとなる複数のユーザレビュー（テキストデータ）と、ターゲットデータとなるプロの要約（テキストデータ）とを含む。複数のユーザレビューは、批評の素人である一般のユーザにより投稿されたユーザレビューが想定される。これらの複数のユーザレビューは、上述した複数の観点に関する批評内容（テキスト）、及び上述した複数の観点を特に意識することなしに作成された批評内容（テキスト）を含み得る。プロの要約は、一般のユーザが投稿したユーザレビューに基づいて、たとえば映画批評を生業とする映画批評家などのプロフェッショナルが上述した観点ごとに作成した要約の見本（テキスト）が想定される。生成部３０２は、複数のユーザレビューからプロの要約と遜色のない要約を、上述した観点ごとに自動的に作成するための要約作成モデルを、上述した観点ごとにそれぞれ生成する。生成部３０２は、上述した観点ごとの要約を作成することができる要約作成モデルを、観点ごとに個別に生成してもよいし、上述した観点ごとの要約を全て作成することができる１つの要約作成モデルを生成してもよい。

また、生成部３０２は、特定の映画作品に関するユーザレビューを入力し、入力されたユーザレビューに含まれる文章（センテンス）ごとにスコアを付与するモデルを要約作成モデルとして生成してもよい。具体的には、生成部３０２は、プロの要約に重複して含まれる文章（センテンス）、すなわち映画批評を生業とする映画批評家などのプロフェッショナルにより作成された要約に含まれる文章ほど高いスコアを付与し、一般のユーザにより投稿されたユーザレビューに重複して含まれる文章（センテンス）、すなわち素人により作成された要約に含まれる文章ほど低いスコアを付与するモデルを学習器に学習させる。これにより、生成部３０２は、入力されたユーザレビューに含まれる文章（センテンス）ごとにスコアを付与するモデルを生成できる。生成部３０２は、このモデルにユーザレビューを入力し、このモデルによってユーザレビューに含まれる文章に対して付与されたスコアに基づき、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を生成できる。たとえば、このモデルから出力されるスコアが閾値を上回る文章を収集することにより、映画批評家などのプロフェッショナルにより作成された見本と遜色のない要約を作成できる。

［作成部３０３について］
作成部３０３は、モデル情報格納部２０３に記憶されている要約作成モデルを用いて、特定の映画作品に関する複数のユーザレビューから観点ごとの要約を作成する。たとえば、作成部３０３は、ユーザ装置１００から受信したユーザレビューの表示要求の対象となる特定の映画作品の作品ＩＤを取得し、取得した作品ＩＤに紐づく複数のユーザレビューの情報をレビュー情報格納部２０２から取得する。続いて、サービス提供装置１０は、特定の映画作品について取得した複数のユーザレビューの情報を、モデル情報格納部２０３に記憶された要約作成モデルに入力し、観点ごとの要約を作成する。

また、作成部３０３は、ユーザレビューに含まれる詳細評価に基づいて、特定の映画作品に関する複数のユーザレビューを、所定の基準以上の評価を付与するユーザレビューと、所定の基準未満の評価を付与するユーザレビューとにそれぞれ選別し、所定の基準以上の評価を付与するユーザレビューから観点ごとの要約を作成するとともに、所定の基準未満の評価を付与するユーザレビューから観点ごとの要約を作成する要約作成処理を実行してもよい。これにより、たとえば特定の映画作品について高評価なユーザレビューのみから作成した観点ごとの要約と、特定の映画作品について低評価なユーザレビューのみから作成した観点ごとの要約とをそれぞれ作成できる。所定の基準は任意に設定できる。たとえばユーザレビューに含まれる観点ごとの評価点の平均が３点以上であるユーザレビューを所定の基準以上のユーザレビューとして選別し、ユーザレビューに含まれる観点ごとの評価点の平均が３点未満であるユーザレビューを所定の基準未満のユーザレビューとして選別できる。

また、作成部３０３は、閲覧履歴格納部２０４に記憶されたユーザＵの閲覧履歴に基づいて、ユーザレビューページの表示要求を送信元となるユーザ装置１００のユーザＵが重要視する観点を判別し、判別した観点を他の観点よりも詳細に記述した要約を生成する要約作成処理を実行してもよい。たとえばサービス提供装置１０は、閲覧履歴に含まれる全ての映画作品についての詳細評価を集計し、どの観点に対応する評価点が高い傾向にあるかを特定することにより、重要視する観点を判別する。たとえば重要視する観点が「物語」であると判別した場合、サービス提供装置１０は、他の観点よりも要約を作成する際の文字数が多くなるように文字数の割り当てを行うことにより、判別した観点を他の観点よりも詳細に記述した要約を生成する。

また、作成部３０３は、閲覧履歴格納部２０４に記憶されたユーザＵの閲覧履歴に基づいて、ユーザレビューページの表示要求を送信元となるユーザ装置１００のユーザＵと重要視する観点が類似するユーザＵのユーザレビューを取得し、取得したユーザレビューから観点ごとの要約を生成する要約作成処理を実行してもよい。たとえばサービス提供装置１０は、閲覧履歴に含まれる全ての映画作品についての詳細評価を集計し、それぞれの観点に対応する評価点の平均を算出して、ユーザＵが閲覧した映画作品の観点ごとの評価点の傾向を特定する。そして、サービス提供装置１０は、観点ごとの評価点の傾向が類似する他のユーザのユーザレビューを取得し、取得したユーザレビューから観点ごとの要約を作成する。

提供部３０４は、作成部３０３により作成された観点ごとの要約を代表レビューとしてユーザレビューの表示ページに設定し、ユーザ装置１００に送信することにより、観点ごとの要約をサービス提供装置１０のサービスの利用者に提供する。

［３．処理手順］
図８は、実施形態に係るサービス提供装置１０の処理手順の一例を示すフローチャートである。

図８に示すように、制御部１３は、レビュー表示要求を受信すると（ステップＳ１０１）、観点ごとの要約を作成する要約作成処理を実行する（ステップＳ１０２）。

続いて、制御部１３は、要約作成処理により作成された観点ごとの要約をユーザレビューの表示ページに設定し（ステップＳ１０３）、ユーザレビューの表示ページをユーザ装置１００に送信して（ステップＳ１０４）、図８に示す処理を終了する。

以下、図を参照しつつ要約作成処理について説明する。サービス提供装置１０は、以下に説明する要約作成処理（１）〜（４）のいずれかを要約作成処理として実行できる。

図９は、実施形態に係る要約作成処理（１）の一例を示すフローチャートである。図９に示すように、作成部３０３は、ユーザ装置１００から受信したユーザレビューの表示要求の対象となる特定の映画作品の作品ＩＤを取得し、取得した作品ＩＤに紐づく複数のユーザレビューの情報をレビュー情報格納部２０２から取得する（ステップＳ２０１）。

続いて、作成部３０３は、モデル情報格納部２０３から観点ごとの要約作成モデルを取得し、取得した観点ごとの要約作成モデルに基づいて、ステップＳ２０１で取得したユーザレビューの情報から観点ごとの要約を作成し（ステップＳ２０２）、図９に示す要約作成処理（１）を終了する。

図１０は、実施形態に係る要約作成処理（２）の一例を示すフローチャートである。図１０に示すように、作成部３０３は、ユーザ装置１００から受信したユーザレビューの表示要求の対象となる特定の映画作品の作品ＩＤを取得し、取得した作品ＩＤに紐づく複数のユーザレビューの情報をレビュー情報格納部２０２から取得する（ステップＳ３０１）。

続いて、作成部３０３は、ステップＳ３０１で取得したユーザレビューの情報から、高評価レビュー及び低評価レビューを選別する（ステップＳ３０２）。図１１は、実施形態に係るユーザレビューの選別方法の一例を示す図である。図１１に示すように、作成部３０３は、ユーザレビューの表示要求の対象となる「作品ＩＤ：Ｃ１０１」に紐づくユーザレビューに含まれる観点ごとの評価点の平均をそれぞれ算出する。そして、作成部３０３は、評価点の平均が３点以上であるユーザレビュー（たとえば、「ユーザＩＤ：Ｕ００１」のユーザレビューなど）を高評価レビューとして選別し、評価点の平均が３点未満であるユーザレビュー（たとえば、「ユーザＩＤ：Ｕ９０９」のユーザレビューなど）を低評価レビューとして選別する。

図１０の説明に戻り、作成部３０３は、モデル情報格納部２０３から観点ごとの要約作成モデルを取得し、取得した観点ごとの要約作成モデルに基づいて、ステップＳ３０２で選別した高評価レビューから観点ごとの要約を作成するとともに、低評価レビューから観点ごとの要約を作成して（ステップＳ３０３）、図１０に示す要約作成処理（２）を終了する。

図１２は、実施形態に係る要約作成処理（３）の一例を示すフローチャートである。図１２に示すように、作成部３０３は、ユーザ装置１００から受信したユーザレビューの表示要求の対象となる特定の映画作品の作品ＩＤを取得し、取得した作品ＩＤに紐づく複数のユーザレビューの情報をレビュー情報格納部２０２から取得する（ステップＳ４０１）。

続いて、作成部３０３は、ユーザレビューの表示要求の送信元ユーザに対応する閲覧履歴の情報を、表示要求に含まれるユーザＩＤをキーとして閲覧履歴格納部２０４から取得する（ステップＳ４０２）。

続いて、作成部３０３は、ステップＳ４０２で取得した閲覧履歴の情報から、ユーザレビューの表示要求の送信元ユーザが重要視する観点を判別する（ステップＳ４０３）。図１３は、実施形態に係る観点の判別方法の一例を示す図である。図１３に示すように、作成部３０３は、ユーザレビューの表示要求の送信元ユーザ（「ユーザＩＤ：Ｕ００１」）の閲覧履歴に含まれる全ての映画作品についての詳細評価の評価点を観点ごとに集計して平均を算出し、評価点の最も高い観点をユーザが重要視する観点として判別する。図１３に示す例では、たとえば「観点：物語」の評価点の平均が「４．７」、「観点：配役」の評価点の平均が「２．３」、「観点：演出」の評価点の平均が「３．８」、「観点：映像」の評価点の平均が「３．２」、「観点：音楽」の評価点の平均が「２．９」であるので、作成部３０３は、評価点の平均が最も高い「観点：物語」をユーザが最も重要視する観点として判別する。なお、評価点が同じ観点が複数ある場合、それぞれの観点を重要視する観点として判別してもよい。

図１２の説明に戻り、作成部３０３は、モデル情報格納部２０３から観点ごとの要約作成モデルを取得し、取得した観点ごとの要約作成モデルに基づいて、ステップＳ４０１で取得したユーザレビューの情報から、ステップＳ４０３で判別したユーザレビューの表示要求の送信元ユーザが重要視する観点を他の観点よりも詳細に記述した要約を作成して（ステップＳ４０４）、図１２に示す要約作成処理（３）を終了する。重要視する観点を他の観点よりも詳細に記述する方法は、他の観点よりも要約を作成する際の文字数が多くなるように文字数の割り当てを行うなどの方法を採用できる。

図１４は、実施形態に係る要約作成処理（４）の一例を示すフローチャートである。図１４に示すように、作成部３０３は、ユーザ装置１００から受信したユーザレビューの表示要求の送信元ユーザに対応する閲覧履歴の情報を、表示要求に含まれるユーザＩＤをキーとして閲覧履歴格納部２０４から取得する（ステップＳ５０１）。

続いて、作成部３０３は、ステップＳ４０２で取得した閲覧履歴の情報から、ユーザレビューの表示要求の送信元ユーザが重要視する観点を判別する（ステップＳ５０２）。たとえば作成部３０３は、上述した図１２及び図１３に示す例と同様に、ユーザレビューの表示要求の送信元ユーザの閲覧履歴に含まれる全ての映画作品についての詳細評価の評価点を観点ごとに集計して平均を算出し、評価点の最も高い観点をユーザが重要視する観点として判別できる。

続いて、作成部３０３は、送信元ユーザと重要視する観点が類似するユーザのユーザレビューの情報を、レビュー情報格納部２０２から取得する（ステップＳ５０３）。図１３に示す例を用いて説明すると、たとえば作成部３０３は、送信元ユーザが映画作品の観点ごとの評価が、「物語」→「演出」→「映像」→「音楽」→「配役」の順に高い傾向にあると特定する。そして、作成部３０３は、閲覧履歴の情報に含まれる複数のユーザの閲覧履歴から、映画作品の観点ごとの評価が、ユーザレビューの表示要求の送信元ユーザと類似しているユーザのユーザレビューの情報を取得する。作成部３０３は、類似しているか否かの判定する際、送信元ユーザが映画作品の観点ごとの評価が同一である場合や最も評価が高い観点と最も低い観点が同一である場合、重要視する観点の順番が１番目から３番目までが同一である場合などを含んでよい。

そして、作成部３０３は、モデル情報格納部２０３から観点ごとの要約作成モデルを取得し、取得した観点ごとの要約作成モデルに基づいて、ステップＳ５０３で取得した送信元ユーザと重要視する観点が類似するユーザのユーザレビューの情報から、観点ごとの要約を作成して（ステップＳ５０４）、図１４に示す要約作成処理（４）を終了する。

［４．変形例］
上述したサービス提供装置１０は、上述してきた実施形態以外にも種々の異なる形態にて実施されてよい。以下に、サービス提供装置１０の他の実施形態について説明する。

［４−１．要約作成時の語尾の統一］
上述した実施形態において、サービス提供装置１０は、観点ごとの要約を自動的に作成する際、語り口調の文言を使用することにより、要約の作成者に個性を与えるようにしてもよい。

［４−２．映画の内容に関する情報を含めるか否かの選択］
上述した実施形態において、サービス提供装置１０は、観点ごとの要約を自動的に作成する際、映画の内容に関する情報を含めるか否か、いわゆるネタバレに繋がる情報を要約に含めるか否かを選択できるようにしてもよい。サービス提供装置１０は、複数のユーザレビューから、いわゆるネタバレに繋がる情報を除外して、プロの要約を作成するモデルを予め学習器に学習させておく。これにより、サービス提供装置１０は、映画の内容に関する情報を含めた要約を自動的に作成する要約作成モデルと、映画内容に関する情報を含めない要約を自動的に作成する要約作成モデルとを生成でき、これらの要約作成モデルを用いて、映画の内容に関する情報を含めるか否かの選択内容に従った要約を複数のユーザレビューから自動的に生成できる。

［４−３．映画作品以外の商品又はサービスへの適用］
上述した実施形態では、サービス提供装置１０が、映画作品について投稿されたユーザレビューの情報から、観点ごとの要約を自動的に作成し、自動的に作成した観点ごとの要約を含む代表レビュー（図４）をサービスの利用者に提供する例を説明した。しかしながら、映画作品に特に限定される必要はなく、サービス提供装置１０により実行される要約処理（図８〜図１４など）は、映画作品以外であっても、複数の観点により評価が可能な商品やサービスについて投稿されたユーザレビューの要約を観点ごとに作成する場合に同様に適用できる。

［４−４．学習の例］
上述した実施形態において、生成部３０２が、映画作品に関する複数のユーザレビューの情報に基づいて予め用意した学習用データに基づく機械学習により、映画作品に関する複数の観点ごとの要約を自動で作成する要約作成モデルを生成する例を説明した。生成部３０２は、この例に特に限定される必要はなく、たとえば映画作品に関する複数のユーザレビューから予め設定されるキーワードなどに基づいて、複数の観点のそれぞれに対応するものと推定される文章又は文節を抽出し、抽出した文章又は文節から観点ごとの要約を自動で構築する学習済みモデルとをそれぞれ生成してもよい。このモデルを用いることにより、プロフェッショナルにより作成された見本にできるだけ近づけた要約だけではなく、たとえば世間一般の評価にできるだけ忠実な要約を作成することもできる。

具体的には、映画作品に関する複数の「観点」に対応する複数のキーワードを含む文章又は文節を形態素解析等により単語ごとに分け、それぞれの単語を複数の次元からなる意味的空間に配置し、単語間の意味的距離（意味的なつながり）を学習器に学習させる。これにより、ユーザレビューを入力して、複数の観点に対応する複数のキーワードを含む文章あるいは文節を抽出する学習済みモデルを生成できる。たとえば観点として「物語」に対応するキーワードであれば、「ストーリー」、「筋書きのないドラマ」、「予想不可能」などをラベル付けしたものが例示される。また、単語間の意味適距離を学習した学習器に、見本となる要約の特徴やルールを学習させる。これにより、入力した複数のユーザレビューから抽出された文章又は文節を意味的距離（意味的なつながり）に基づいて並べて、学習した要約の特徴やルールに沿った要約を自動的に構築する学習済みモデルを生成できる。

［４−５．装置構成］
また、上記実施形態では、サービス提供装置１０が、映画情報及びユーザレビューを提供、並びに映画作品についての観点ごとの要約の作成を実行する例を説明した。しかしながら、この例には特に限定される必要はなく、たとえば映画情報及びユーザレビューを提供する装置と、映画作品についての観点ごとの要約を作成する装置とが、個別のサーバや情報処理装置として実装されてもよい。また、サービス提供装置１０が備える各機能部は、適宜分散されていてもよく、たとえば生成部３０２が提供する処理機能を備えるサーバ又は情報処理装置と、作成部３０３が提供する処理機能を備えるサーバ又は情報処理装置とが連携して動作することにより、サービス提供装置１０が実行する処理が実現されてもよい。

［４−６．ハードウェア構成］
上述してきた実施形態および変形例に係るサービス提供装置１０は、たとえば図１５に示すような構成のコンピュータ１０００によって実現される。以下、サービス提供装置１０を例に挙げて説明する。

図１５は、サービス提供装置１０の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１３００、ＲＯＭ１２００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１２００またはＨＤＤ１４００に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１２００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を記憶する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を記憶する。通信インターフェイス１５００は、通信ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信ネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に記憶されたプログラムまたはデータを読み取り、ＲＡＭ１３００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１３００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、たとえばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

たとえば、コンピュータ１０００が実施形態に係るサービス提供装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１３００上にロードされたプログラムを実行することにより、制御部１３が備える取得部３０１、生成部３０２、作成部３０３、及び提供部３０４の各機能を実現する。また、ＨＤＤ１４００には、記憶部１２に記憶される情報と同様のデータが記憶される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信ネットワークＮを介してこれらのプログラムを取得してもよい。

コンピュータ１０００は、ＣＰＵ１１００の代わりに、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路によって処理を実行してもよい。

［５．その他］
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図５に示した作成部３０３と提供部３０４とは統合されてもよい。また、記憶部１２に記憶される情報は、通信ネットワークＮを介して、外部に備えられた所定の記憶装置に記憶されていてもよい。

上述してきた実施形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

［６．効果］
上述してきたように、実施形態に係るサービス提供装置１０（提供装置の一例）は、取得部３０１と、作成部３０３とを備える。取得部３０１は、商品又はサービスに関する複数のユーザレビューを取得する。作成部３０３は、特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成する。これにより、サービス提供装置１０は、商品やサービスに対するユーザレビューとして、利用者に有益な情報を提供できる。

また、サービス提供装置１０は、特定の商品又は特定のサービスごとに予め用意した学習用データに基づく機械学習により、観点ごとの要約を作成するための学習済みモデルを観点ごとに生成する生成部３０２を更に備える。作成部３０３は、観点ごとの学習済みモデルを用いて、特定の商品又は特定のサービスに関する複数のユーザレビューから観点ごとの要約を作成する。これにより、サービス提供装置１０は、学習済みモデルに基づいて効率的に観点ごとの要約を作成できる。

また、作成部３０３は、ユーザレビューに含まれる評価情報に基づいて、複数のユーザレビューを、所定の基準以上の評価を付与するユーザレビューと、所定の基準未満の評価を付与するユーザレビューとに選別し、所定の基準以上の評価を付与するユーザレビューから観点ごとの要約を生成するとともに、所定の基準未満の評価を付与するユーザレビューから観点ごとの要約を生成する。これにより、サービス提供装置１０は、サービスの利用者にユーザレビューの検索の手間をかけさせることなく、特定の商品又は特定のサービスについての対極的な批評を一度に利用者に提供できる。

また、作成部３０３は、商品またはサービスに関するユーザの閲覧履歴に基づいて、ユーザレビューの表示要求を送信元となるユーザが重要視する観点を判別し、判別した観点を他の観点よりも詳細に記述した要約を生成する。これにより、サービス提供装置１０は、ユーザレビューを閲覧するサービスの利用者の趣向にパーソナライズした情報を提供できる。

また、作成部３０３は、商品またはサービスに関するユーザの閲覧履歴に基づいて、ユーザレビューの表示要求を送信元となるユーザと重要視する観点が類似するユーザのユーザレビューを取得し、取得したユーザレビューから、観点ごとの要約を生成する。これにより、サービス提供装置１０は、ユーザレビューを閲覧するサービスの利用者の趣向にパーソナライズした情報を提供できる。

また、取得部３０１は、商品である映画作品に関するユーザレビューを取得する。これにより、サービス提供装置１０は、映画作品に関する対するユーザレビューとして、利用者に有益な情報を提供できる。

１０ サービス提供装置
１１ 通信部
１２ 記憶部
１３ 制御部
１００ ユーザ装置
２０１ 映画情報格納部
２０２ レビュー情報格納部
２０３ モデル情報格納部
２０４ 閲覧履歴格納部
３０１ 取得部
３０２ 生成部
３０３ 作成部
３０４ 提供部

Claims (8)

1. 商品又はサービスに関する複数のユーザレビューを取得する取得部と、
   特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成する作成部と
   を備えることを特徴とする提供装置。
2. 前記特定の商品又は前記特定のサービスごとに予め用意した学習用データに基づく機械学習により、前記観点ごとの要約を作成するための学習済みモデルを前記観点ごとに生成する生成部を更に備え、
   前記作成部は、
   前記学習済みモデルを用いて、前記特定の商品又は前記特定のサービスに関する複数のユーザレビューから前記観点ごとの要約を作成することを特徴とする
   請求項１に記載の提供装置。
3. 前記作成部は、
   前記ユーザレビューに含まれる評価情報に基づいて、複数の前記ユーザレビューを、所定の基準以上の評価を付与するユーザレビューと、所定の基準未満の評価を付与するユーザレビューとに選別し、
   所定の基準以上の評価を付与するユーザレビューから前記観点ごとの要約を生成するとともに、
   所定の基準未満の評価を付与するユーザレビューから前記観点ごとの要約を生成することを特徴とする請求項２に記載の提供装置。
4. 前記作成部は、
   前記商品または前記サービスに関するユーザの閲覧履歴に基づいて、前記ユーザレビューの表示要求を送信元となるユーザ装置のユーザが重要視する観点を判別し、
   判別した観点を他の観点よりも詳細に記述した要約を生成することを特徴とする
   請求項２に記載の提供装置。
5. 前記作成部は、
   前記商品または前記サービスに関するユーザの閲覧履歴に基づいて、前記ユーザレビューの表示要求を送信元となるユーザ装置のユーザと重要視する観点が類似するユーザのユーザレビューから、前記観点ごとの要約を生成することを特徴とする
   請求項２に記載の提供装置。
6. 前記取得部は、前記商品である映画作品に関するユーザレビューを取得することを特徴とする請求項１〜５のいずれかに記載の提供装置。
7. コンピュータが実行する提供方法であって、
   商品又はサービスに関する複数のユーザレビューを取得するステップと、
   特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成するステップと
   を含むことを特徴とする提供方法。
8. コンピュータに、
   商品又はサービスに関する複数のユーザレビューを取得するステップと、
   特定の商品又は特定のサービスに関する複数のユーザレビューから、当該特定の商品又は特定のサービスに関する観点ごとの要約を作成するステップ
   を実行させるための提供プログラム。

Images