JP2021056857A - 情報処理システム、情報処理方法、プログラム - Google Patents
情報処理システム、情報処理方法、プログラム Download PDFInfo
- Publication number
- JP2021056857A JP2021056857A JP2019180361A JP2019180361A JP2021056857A JP 2021056857 A JP2021056857 A JP 2021056857A JP 2019180361 A JP2019180361 A JP 2019180361A JP 2019180361 A JP2019180361 A JP 2019180361A JP 2021056857 A JP2021056857 A JP 2021056857A
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- emotion
- user
- target
- unit
- 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
Links
Images
Abstract
【課題】ユーザに対応する感情とユーザに対応する対象に対応する感情とを解析することにより、ユーザに対応する感情に対する適切な対象を決定するシステムを提供する。【解決手段】ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得部と、対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得部と、前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析部と、前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析部と、前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する決定部と、を備える。【選択図】図2
Description
本開示は、ユーザおよび対象の感情を解析することで、ユーザに適当な対象を決定する情報処理システム、処理方法、プログラムに関する。
第1ユーザが第2ユーザに所定の項目を提示したときの第2ユーザの表情または会話に基づいて第2ユーザの感情レベルの変化を特定し、該感情レベルの変化に基づいて各項目に対する第2ユーザの満足度を解析することにより、第2ユーザに紹介する候補を抽出する解析装置が知られている(特許文献1を参照)。
特許文献1に記載の解析装置では、第2ユーザの表情または音声に基づいて提示された項目に対する第2ユーザの感情レベルと該項目とを対応付けて、該項目ごとに感情レベルの変化を算出することにより、該項目に対する第2ユーザの満足度を算出して、項目と満足度との関連を分析している。そして、満足度の高い項目について要件を充たす候補を抽出して、第2ユーザに紹介している。
しかしながら、特許文献1に記載の解析装置では、第2ユーザに紹介する候補の抽出に際し、第2ユーザの感情レベルの変化に基づく満足度を算出するのみであり、満足度という一つの感情レベルに基づいて候補を決定しているため、喜怒哀楽などの複数の感情を考慮して候補を抽出できない。さらに、第2ユーザに紹介する候補と感情とを対応づけて分析していないため、感情という観点から、候補と第2ユーザとの関連性を判断することができないという虞があった。
本発明の目的は、上記のような問題に鑑みてなされたものであり、ユーザに対応する感情と対象に対応する感情とを解析することで、ユーザに対応する感情に対して適当な対象を決定するシステムを提供することにある。
本開示の一実施形態に係る情報処理システムは、ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得部と、対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得部と、前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析部と、前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析部と、前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する決定部と、を備えることを要旨とする。
本開示の一実施形態に係る情報処理方法は、コンピュータが、ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得ステップと、対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得ステップと、前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析ステップと、前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析ステップと、前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する決定ステップと、を実現することを要旨とする。
本開示の一実施形態に係るプログラムは、コンピュータに、ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得させることと、対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得させることと、 前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出させることと、前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出させることと、前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定させることと、を実現させることを要旨とする。
本開示の一実施形態に係る情報処理システムは、ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得部と、対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得部と、前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析部と、前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析部と、複数の前記対象のうち前記ユーザが選択した前記対象における前記第2解析値と、前記第1解析値と、に基づいて、前記ユーザにおいて、前記複数の感情のうちいずれの感情の前記第1解析値を高める必要があるかを決定する決定部と、を備えることを要旨とする。
本発明によれば、ユーザに対応する感情と対象に対応する感情とを解析することで、ユーザに対応する感情に対して適切な対象を決定することができる。
以下に、本発明の一実施形態における感情解析システム10について、図面を参照して詳細に説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。即ち、本発明は、その趣旨を逸脱しない範囲で種々変形し、又は各実施例を組み合わせる等して実施することができる。また、以下の図面の記載において、同一または類似の部分には同一または類似の符号を付して表している。
==構成==
感情解析システム10は、所定のテキストデータに基づいて、ユーザに対応する感情と対象に対応する感情とを解析することにより、ユーザにとって適当な対象を決定するシステムである。感情解析システム10は、例えばインターネットコンテンツに公開されているテキストデータを取得する。テキストデータは、例えば各種ブログや短文投稿などのソーシャルメディアやネットワーキングサービスから取得される。
感情解析システム10は、所定のテキストデータに基づいて、ユーザに対応する感情と対象に対応する感情とを解析することにより、ユーザにとって適当な対象を決定するシステムである。感情解析システム10は、例えばインターネットコンテンツに公開されているテキストデータを取得する。テキストデータは、例えば各種ブログや短文投稿などのソーシャルメディアやネットワーキングサービスから取得される。
図1は、感情解析システム10と他装置との接続関係の一例を示す図である。感情解析システム10は、図1に示すように、感情を解析するためのテキストデータを取得するために、ネットワーク50を介して、ユーザ文章記憶装置20、対象文章記憶装置30、およびユーザ端末装置40と接続されている。ユーザ文章記憶装置20は、例えばツイッター(登録商標)などのアプリケーションを提供するサーバ装置である。対象文章記憶装置30は、例えば、はてな、アメブロなどのアプリケーションを提供するサーバ装置である。
==概要==
以下、感情解析システム10の概要について説明する。図2は、感情解析システム10における処理の概要を示す図である。
以下、感情解析システム10の概要について説明する。図2は、感情解析システム10における処理の概要を示す図である。
まず、S1において、ユーザはユーザに関する情報(以下、「ユーザ情報」という。)をユーザ端末装置40に入力する。ユーザ端末装置40は入力されたユーザ情報を感情解析システム10に送信する。ユーザ情報とは、例えば、ユーザの氏名、年齢、住所、ユーザ文章記憶装置20におけるユーザのアカウントに関する情報などである。
次に、S2において、感情解析システム10はユーザ文章記憶装置20からユーザ文章情報を取得する。ユーザ文章情報とは、ユーザ文章記憶装置20が提供するアプリケーションにユーザが入力した文章(以下、「ユーザ文章」という。)に関する情報である。感情解析システム10は、ユーザ文章情報に基づいてユーザに対する感情解析を実行する。ユーザについての感情解析の方法については感情解析部14にて説明する。
次に、S3において、感情解析システム10は対象文章記憶装置30から対象文章情報を取得する。対象文章情報とは、対象文章記憶装置30が提供するアプリケーションに投稿者が対象について入力した文章(以下、「対象文章」という。)を示す情報である。ここで、投稿者とは、例えば対象に対して関心を持って対象文章記憶装置30に投稿した者をいう。対象とは、例えば、都市、書籍、音楽、学校などを示す固有名詞である。感情解析システム10は、対象文章情報に基づいて対象に対する感情解析を実行する。対象についての感情解析の方法については感情解析部14にて説明する。
次に、S4において、感情解析システム10は、ユーザについての感情解析の結果と対象についての感情解析の結果とに基づいて、ユーザと対象との関係を解析することにより、ユーザにとって適当な対象に関する情報(以下、「提案対象情報」という。)をユーザ端末装置40に送信する。ユーザと対象との関係の解析方法については後述する。ユーザは、ユーザ端末装置40の表示部を確認することにより、自らに適した対象を確認することができる。
==機能構成==
図3を参照して、感情解析システム10の機能構成について説明する。図3は、感情解析システム10の機能構成の一例を示す図である。図3に示すとおり、感情解析システム10は、記憶部11、取得部12a、送信部12b、文章分解部13、感情解析部14、合算値算出部15、平均値算出部16、感情特定部17、感情割合算出部18、決定部19の機能を有する。
図3を参照して、感情解析システム10の機能構成について説明する。図3は、感情解析システム10の機能構成の一例を示す図である。図3に示すとおり、感情解析システム10は、記憶部11、取得部12a、送信部12b、文章分解部13、感情解析部14、合算値算出部15、平均値算出部16、感情特定部17、感情割合算出部18、決定部19の機能を有する。
記憶部11は、例えば、文章情報テーブル11a、分解情報テーブル11b、解析情報テーブル11c、平均値情報テーブル11d、ユーザ解析結果テーブル11e、対象解析結果テーブル11fを有する。各テーブルは一例を示すものであり特に限定されるものではない。
文章情報テーブル11aは、ユーザ文章および対象文章(以下まとめて「解析文章」という。)を格納したテーブルである。図4に示すように、文章情報テーブル11aのデータ構造は、例えば文章IDなどの適宜な項目を主キーとして、解析文章に関する情報などから成るレコードの集合体である。ここで、文章IDとは、解析文章を識別する識別符号である。
分解情報テーブル11bは、解析文章を構成する単位文字列を格納したテーブルである。図5に示すように、分解情報テーブル11bのデータ構造は、例えば文章IDなどの適宜な項目を主キーとして、解析文章を構成する単位文字列(形態素)に関する情報などから成るレコードの集合体である。なお、形態素に代えて、単語、単文、所定の長さに区切った文章などを格納してもよい。
解析情報テーブル11cは、解析文章を構成する形態素ごとに示される感情を数値化した情報を格納したテーブルである。図6に示すように、解析情報テーブル11cのデータ構造は、例えば文章IDなどの適宜な項目を主キーとして、形態素に関する情報、各形態素に対応する感情を数値化した情報(以下、「解析値」という。)などから成るレコードの集合体である。各形態素に対応する感情の項目は、例えばプルチックの感情輪から抽出した項目(例えば、喜び,信頼,不安,驚き,悲しみ,嫌悪,怒り,予測)(以下、「感情項目」という。)が想定されるが、特に限定されるものではない。感情を数値化する方法については感情解析部14にて説明する。
平均値情報テーブル11dは、解析文章ごとに、各感情項目における解析値の平均値を格納したテーブルである。図7に示すように、平均値情報テーブル11dのデータ構造は、例えば文章IDなどの適宜な項目を主キーとして、感情項目ごとに算出される平均値を示す情報などから成るレコードの集合体である。平均値の算出方法については平均値算出部16にて説明する。
ユーザ解析結果テーブル11eは、感情項目ごとにユーザ文章に対応する感情の割合を格納したテーブルである。図8に示すように、ユーザ解析結果テーブル11eのデータ構造は、例えば、ユーザIDなどの適宜な項目を主キーとして、感情項目ごとの感情の割合から成るレコードの集合体である。ユーザIDとは、ユーザ文章を入力したユーザを識別する識別符号である。ユーザ文章における感情項目ごとの感情の割合の算出方法については感情割合算出部18にて説明する。
対象解析結果テーブル11fは、感情項目ごとに対象文章に対応する感情の割合を格納したテーブルである。図9に示すように、対象解析結果テーブル11fのデータ構造は、例えば、対象IDなどの適宜な項目を主キーとして、感情項目ごとの感情の割合から成るレコードの集合体である。対象IDとは、対象を識別する識別符号である。対象文章における感情項目ごとの感情の割合の算出方法については感情割合算出部18にて説明する。
取得部12a(第1取得部,第2取得部)は、ユーザ文章記憶装置20、対象文章記憶装置30、及びユーザ端末装置40から各種情報を取得する。
送信部12bは、解析結果に基づき決定された提案対象情報をユーザ端末に送信する。
文章分解部13(第1文章分解部,第2文章分解部)は、解析文章を単位文字列に分解する。単位文字列とは、例えば、文章、単文、単語、形態素などである。これにより、解析文章を構成する単位文字列ごとに感情を数値化(ベクトル表現)することができる。本実施形態では単位文字列を形態素として説明するが、以下、形態素を、単語、単文、又は文章と読み替えてもよい。文章分解部13は、形態素に分解した結果を、分解情報テーブル11bに格納する。文章分割部における形態素解析は、例えば、解析文章を分解できる可能性を示すラティス構造を作成し、ラティス構造における文頭から文末までの最適な経路を選ぶという処理により、実行される。なお、対象文章の形態素解析については、例えばGoogle Web日本語N−gramなどの外部のデータベースを利用して実行してもよい。
感情解析部14(第1感情解析部,第2感情解析部)は、解析文章を構成する形態素と各感情との類似性を解析して、感情の度合いを示す解析値(第1解析値,第2解析値)を算出する。感情解析部14は、形態素をベクトル表現することで、形態素と各感情との類似性を数値化する。これにより、後述するユーザ文章および対象文章についての各種計算を容易にする。感情解析部14は、数値化した感情を、解析情報テーブル11cに格納する。ここで、感情解析部14は、例えばword2vecなどの単語間の類似性を算出するツールである。word2vecは、所定の単語に対して、どのような単語が共起語として出現するかを予測するニューラルネットワークを学習するツールである。共起語とは、文章中で所定の単語と一緒に出現する単語をいい、本実施形態では感情項目の感情を示す単語である。つまり、感情解析部14では、解析文章を構成する形態素と感情を示す単語との類似度(度合い)を数値化する。感情解析部14では、例えば、インターネットに公開されている文章(例えばwikipediaのダンプデータ)を取得し、該文章を形態素に分解し、該形態素と、その共起語との組ごとに、該形態素をニューラルネットワークに入力した際に対応する該共起語が出力されるように、誤差逆伝搬法を用いて学習する。なお、感情解析部14は、GloVe、Doc2Vecなどのツールであってもよい。
合算値算出部15は、所定の解析文章を構成するそれぞれの形態素に対応する複数の感情項目におけるそれぞれの解析値を、感情項目ごとに合計した合算値を算出する。合算値算出部15は、算出した合算値を解析情報テーブル11cに格納する。
平均値算出部16、合算値を所定の解析文章を構成する形態素の個数で除して、各感情項目における平均値を算出する。平均値算出部16は、算出した平均値を平均値情報テーブル11dに格納する。
感情特定部17は、解析文章における各感情項目の平均値のうち最も大きい平均値を示す感情項目を特定する。感情特定部17は、特定した感情項目に対応する感情をその解析文章の感情(以下、「主感情」という。)として特定する。これにより、ユーザおよび対象につき生じやすい感情を特定できる。
感情割合算出部18は、解析対象となるすべてのユーザ文章および対象文章をそれぞれ母集団として、特定された主感情の割合をそれぞれ算出する。これにより、ユーザに対応する感情と対象に対応する感情との比較が容易になる。ここで、主感情の割合とは、例えば、解析対象となるすべてのユーザ文章(および対象文章)における主感情の個数を感情項目ごとに積算し、積算された感情項目ごとの主感情のそれぞれの個数を、すべてのユーザ文章(および対象文章)のそれぞれの個数で除した値である。以下、ユーザ文章における所定の感情の割合を「ユーザ感情割合」とし、対象文章における所定の感情の割合を「対象感情割合」として説明する。
決定部19は、ユーザ感情割合と対象感情割合とに基づいて対象のうち所定の条件を満たす対象を、ユーザに対応する対象として決定する。ユーザは、所定の条件を任意に設定することができる。決定部は、送信部12bを介して、提案対象情報をユーザ端末装置40に送信する。ここで、所定の条件とは、ユーザ文章の各感情項目におけるユーザ感情割合の傾向を、対象文章の各感情項目における対象感情割合の傾向が補うような対象を決定する条件(以下、「第1条件」という)を含むことができる。具体的には、所定のユーザにおいて「喜び」項目のユーザ感情割合が最も小さい場合、対象のうち「喜び」項目の対象感情割合が最も大きい対象を決定する。これにより、ユーザに対して、いろいろな感情を経験することによるクリエイティビティの向上に貢献する対象を、提案することができる。
また、決定部19は、ユーザ文章の各感情項目におけるユーザ感情割合の傾向を、対象文章の各感情項目における対象感情割合の傾向が強めるような対象を決定してもよい(以下、「第2条件」という)。具体的には、所定のユーザにおいて「喜び」項目のユーザ感情割合が最も大きい場合、対象のうち「喜び」項目の対象感情割合が最も大きい対象を決定する。これにより、ユーザの強みとなる感情をより高めることができるような対象を提案することができる。
また、決定部19は、ユーザ文章の各感情項目におけるユーザ感情割合の傾向に、対象文章の各感情項目における対象感情割合の傾向が類似するような対象を決定してもよい(以下、「第3条件」という)。具体的には、所定のユーザにおいて「喜び」項目のユーザ感情割合が「0.2」、「信頼」項目の同割合が「0.2」、「不安」項目の同割合が「0.1」、・・・という場合、それぞれの感情項目のユーザ感情割合に対して、対象文章における各感情項目の対象感情割合が、それぞれ所定の割合以内(例えば20パーセント)に収まるような対象を決定する。これにより、ユーザがありのままでいられるような対象を提案することができる。
==処理==
図10は、感情解析システム10の処理の一例を示すフロー図である。図10を参照して、感情解析システム10により実行される処理の一例を説明する。以下、具体例として、図4乃至図9の各種テーブルにおいて、文章ID項目「001」のユーザ文章につき各種算出手順を説明し、ユーザID「0001」のユーザ感情割合を算出して、該ユーザ感情割合に対して、対象ID項目「10001」または「10002」のいずれかの対象感情割合を適用することにより、対象を決定することを想定する。
図10は、感情解析システム10の処理の一例を示すフロー図である。図10を参照して、感情解析システム10により実行される処理の一例を説明する。以下、具体例として、図4乃至図9の各種テーブルにおいて、文章ID項目「001」のユーザ文章につき各種算出手順を説明し、ユーザID「0001」のユーザ感情割合を算出して、該ユーザ感情割合に対して、対象ID項目「10001」または「10002」のいずれかの対象感情割合を適用することにより、対象を決定することを想定する。
まず、ステップS100において、感情解析システム10はユーザ端末装置40からユーザ情報を取得する。感情解析システム10はユーザ情報に基づいてユーザ文章記憶装置20を特定する。
次に、ステップS101において、感情解析システム10はユーザ文章記憶装置20からユーザ文章を取得する。取得するユーザ文章の個数は特に限定されない。感情解析システム10は、ユーザ文章を形態素に分解する。
具体例では、文章情報テーブル11aに示すように、文章ID「001」における一のユーザ文章は「午前中の試験受けられなかった。もう免許とか諦めよう。」である。分解情報テーブル11bに示すように、感情解析システム10はユーザ文章を「午前」「中」「の」「試験」「受け」「られ」「なかった」「。」「もう」「免許」「とか」「諦め」「よう」「。」のように形態素に分解する。
次に、ステップS102において、感情解析システム10は各形態素における感情項目ごとに数値化(ベクトル表現)する。
具体例では、解析情報テーブル11cに示される各形態素「午前」「中」「の」・・・について、感情項目に示す感情である「喜び」「信頼」「不安」「驚き」「悲しみ」「嫌悪」「怒り」「予測」のそれぞれを解析して、それぞれの感情の度合いを示す解析値を算出する。つまり、例えば、形態素「午前」については「喜び」項目が「0.12233」で「信頼」項目が「0.14003」というように感情項目ごとに解析値が算出される。
次に、ステップS103において、感情解析システム10はユーザ文章の感情項目ごとに平均値を算出する。
具体例では、文章ID「001」における、解析情報テーブル11cに示す「喜び」項目において、「午前」の「0.12233」、「中」の「0.1445」、「の」の「0.1110」・・・の数値を合算して合算値(本例では「1.90994」と想定する。)を算出し、該合算値を、該ユーザ文章を構成する形態素の個数(本例では「14」)で除して平均値(本例では「0.136424」)を算出する。
次に、ステップS104において、感情解析システム10はユーザ文章の感情項目のうち最も大きい平均値を示す感情項目を主感情として特定する。
具体例では、平均値情報テーブル11dの文章ID「001」においては、「不安」項目の平均値が最も大きいため、「不安」を主感情として特定する。文章ID「002」以降についても同様に主感情を特定する。
次に、ステップS105において、感情解析システム10はユーザIDに紐づくユーザ文章についてのユーザ感情割合を算出する。
具体例では、平均値情報テーブル11dにおける文章ID「001」は「不安」が主感情として特定され、文章ID「002」は例えば「驚き」が主感情として特定され、というように、所定のユーザID「0001」に紐づくすべての文章IDにつき主感情を特定する。所定のユーザID「0001」につき特定された主感情の個数を算出する。所定のユーザID「0001」につき「喜び」が「2個」、「信頼」が「3個」、「不安」が「15個」・・・というように算出される。算出された主感情の個数を所定のユーザID「0001」に紐づく文章IDの個数で除して、ユーザ感情割合を算出する。その結果、ユーザ解析結果テーブル11eに示すように、ユーザID「0001」については、「喜び」項目が「0.050」、「信頼」項目が「0.040」、「不安」項目が「0.326」・・・というように全体を「1」としたときの各感情項目の割合が算出される。
ステップS106〜S110についてはS101〜S105におけるユーザ文章を対象文章に代えて同様に説明されたものとしてその説明を省略する。
S106〜S110の結果、対象解析結果テーブル11fに示すように、対象ID「10001」については、「喜び」項目が「0.13」、「信頼」項目が「0.075」、「不安」項目が「0.310」のように全体を「1」としたときの各感情項目の割合が算出される。
次に、ステップS111において、感情解析システム10は例えばユーザ情報に含まれるユーザが所望する条件を特定する。条件とは、上述したとおり例えば第1条件〜第3条件である。
次に、ステップS112において、感情解析システム10はユーザに適当な対象を提案する。
具体例では、ユーザID「0001」におけるユーザ感情割合において、「信頼」項目が最も小さく、次いで「喜び」項目が小さい。例えば、第1条件でユーザに提案する場合、ユーザID「0001」のユーザ感情割合に対して、ユーザ感情割合の小さい感情項目を補うように対象を決定する。決定部19は、対象感情割合の最も大きい感情項目が「信頼」項目であり、次いで「喜び」項目である対象ID「10002」を特定する。
==ハードウェア構成==
図11を参照して、感情解析システム10をコンピュータ100により実現する場合のハードウェア構成の一例を説明する。なお、それぞれの装置の機能は、複数台の装置に分けて実現することもできる。ここで、感情解析システム10が有する機能は、図11に示すプロセッサ101が、記憶装置103に記憶されたコンピュータプログラムを読み込み、実行し、感情解析システム10の各構成を制御すること等により実現される。
図11を参照して、感情解析システム10をコンピュータ100により実現する場合のハードウェア構成の一例を説明する。なお、それぞれの装置の機能は、複数台の装置に分けて実現することもできる。ここで、感情解析システム10が有する機能は、図11に示すプロセッサ101が、記憶装置103に記憶されたコンピュータプログラムを読み込み、実行し、感情解析システム10の各構成を制御すること等により実現される。
図11は、コンピュータのハードウェア構成の一例を示す図である。図11に示すように、コンピュータ100は、プロセッサ101と、メモリ102と、記憶装置103と、入力I/F部104と、データI/F部105と、通信I/F部106、及び表示装置107を含む。
プロセッサ101は、メモリ102に記憶されているプログラムを実行することによりコンピュータ100における各種の処理を制御する制御部である。
メモリ102は、例えばRAM(Random Access Memory)等の記憶媒体である。メモリ102は、プロセッサ101によって実行されるプログラムのプログラムコードや、プログラムの実行時に必要となるデータを一時的に記憶する。
記憶装置103は、例えばハードディスクドライブ(HDD)やフラッシュメモリ等の不揮発性の記憶媒体である。記憶装置103は、オペレーティングシステムや、上記各構成を実現するための各種プログラムを記憶する。
入力I/F部104は、ユーザからの入力を受け付けるためのデバイスである。入力I/F部104の具体例としては、キーボードやマウス、タッチパネル、各種センサ、ウェアラブル・デバイス等が挙げられる。入力I/F部104は、例えばUSB(Universal Serial Bus)等のインタフェースを介してコンピュータ100に接続されても良い。
データI/F部105は、コンピュータ100の外部からデータを入力するためのデバイスである。データI/F部105の具体例としては、各種記憶媒体に記憶されているデータを読み取るためのドライブ装置等がある。データI/F部105は、コンピュータ100の外部に設けられることも考えられる。その場合、データI/F部105は、例えばUSB等のインタフェースを介してコンピュータ100へと接続される。
通信I/F部106は、コンピュータ100の外部の装置と有線又は無線により、インターネットNを介したデータ通信を行うためのデバイスである。通信I/F部106は、コンピュータ100の外部に設けられることも考えられる。その場合、通信I/F部106は、例えばUSB等のインタフェースを介してコンピュータ100に接続される。
表示装置107は、各種情報を表示するためのデバイスである。表示装置107の具体例としては、例えば液晶ディスプレイや有機EL(Electro−Luminescence)ディスプレイ、ウェアラブル・デバイスのディスプレイ等が挙げられる。表示装置107は、コンピュータ100の外部に設けられても良い。その場合、表示装置107は、例えばディスプレイケーブル等を介してコンピュータ100に接続される。また、入力I/F部104としてタッチパネルが採用される場合には、表示装置107は、入力I/F部104と一体化して構成することが可能である。
==他の実施例==
以下、他の実施形態について説明する。
以下、他の実施形態について説明する。
感情解析システム10は、条件判定部(不図示)の機能を有していてもよい。条件判定部は、感情割合算出部において、複数のユーザ文章および複数の対象文章のうち少なくともいずれか一方の集合である集合文章セットにおける主感情の割合を算出し、算出された割合が所定の条件を逸脱するか否かを判定する。ここで、集合文章セットとは、所定のソーシャルメディアに掲載される文章の集合をいう。所定の条件とは、例えば集合文章セットの主感情の割合の分散が所定の閾値以内であることをいう。条件判定部において、所定の集合文章セットの主感情の割合の分散が所定の閾値を超えると判定された場合、感情特定部17は、解析文章を特定する手順において該所定の集合文章セットを構成する解析文章を排除する。これにより、感情の偏りが著しいソーシャルメディアにおける解析文章を排除できるため、より適当な対象を決定できる。
感情解析システム10は、閾値判定部(不図示)の機能を有していてもよい。閾値判定部は、解析文章における複数の感情のそれぞれの平均値が所定の閾値を超えているか否かを判定する。平均値が所定の閾値を超えていると判定した場合、感情特定部17は、解析文章を特定する手順において該解析文章を排除する。これにより、特別なイベントなどにより、感情が偏っている状況でユーザや投稿者が入力した解析文章を排除できる。なお、ユーザ文章と対象文章とで異なる閾値を適用してもよい。
感情解析システム10は、排斥単語特定部(不図示)の機能を有していてもよい。排斥単語特定部は、偏った感情に対応する単語を排除対象として登録している単語データベース(不図示)を参照して、解析文章中に所定の単語を特定したときに、該解析文章につき合算値算出部15の算出手順から排除する。これにより、特別なイベントなどにより、感情が偏っている状況においてユーザや投稿者が入力した解析文章を排除できる。
感情解析システム10は、決定部19において、感情項目につきポジティブ区分(例えば「喜び」「信頼」など)とネガティブ区分(例えば「不安」「悲しみ」「嫌悪」「怒り」など)に区分けして、ポジティブな感情を高めるように、第1条件〜第3条件を適用して対象を決定してもよい。これにより、ユーザに対してポジティブな感情を高めるような対象を提案できる。
感情解析システム10は、訓練方法決定部(不図示)を有していてもよい。ユーザは、予め対象を選択する。訓練方法決定部は、決定部19において、感情割合算出部18で算出されたユーザ感情割合および対象感情割合に基づいて、選択された対象に対してユーザが高めるべき感情が決定され、決定された該感情を高めるために、ユーザがどのような訓練をすればよいかを決定する。訓練方法決定部は、例えば、所定のデータベースを参照して、高めるべき感情に紐づく訓練方法を特定する。これにより、例えば、ユーザのユーザ感情割合を、ユーザが志望する会社、学校、結婚相手などの感情割合に適合させるための訓練方法を決定できる。
感情解析システム10は、平均値算出部16を有していなくてもよい。感情解析システム10は、ユーザ感情割合および対象感情割合を合算値に基づいて算出するように構成されていてもよい。この場合、文章IDごとに平均値が最も大きい感情を特定しているところ、文章IDごとに合算値が最も大きい感情を特定すればよい。
なお、述した実施の形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明はその趣旨を逸脱することなく変更、改良され得るとともに、本発明にはその等価物も含まれる。
10…感情解析システム、11…記憶部、11a…文章情報テーブル、11b…分解情報テーブル、11c…解析情報テーブル、11d…平均値情報テーブル、11e…ユーザ解析結果テーブル、11f…対象解析結果テーブル、12a…取得部、12b…送信部、13…文章分解部、14…感情解析部、15…合算値算出部、16…平均値算出部、17…感情特定部、18…感情割合算出部、19…決定部、20…ユーザ文章記憶装置、30…対象文章記憶装置、40…ユーザ端末装置、50…ネットワーク。
Claims (8)
- ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得部と、
対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得部と、
前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析部と、
前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析部と、
前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する決定部と、
を備えることを特徴とする情報処理システム。 - 前記ユーザ文章を単位文字列に分解する第1文章分解部と、
前記対象文章を単位文字列に分解する第2文章分解部と、
をさらに備え、
前記第1感情解析部は、前記ユーザ文章を構成するそれぞれの単位文字列に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出し、
前記第2感情解析部は、前記対象文章を構成するそれぞれの単位文字列に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する
ことを特徴とする請求項1に記載の情報処理システム。 - 所定の前記ユーザ文章を構成するそれぞれの単位文字列に対応する前記複数の感情のそれぞれの前記第1解析値を、前記感情ごとに合計される第1合算値を算出する第1合算値算出部と、
前記第1合算値を前記所定のユーザ文章を構成する単位文字列の個数で除して第1平均値を算出する第1平均値算出部と、
所定の前記対象文章を構成するそれぞれの単位文字列に対応する前記複数の感情のそれぞれの前記第2解析値を、前記感情ごとに合計される第2合算値を算出する第2合算値算出部と、
前記第2合算値を前記所定の対象文章を構成する単位文字列の個数で除して第2平均値を算出する第2平均値算出部と、
をさらに備え、
前記決定部は、前記第1平均値と、前記第2平均値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する
ことを特徴とする請求項2に記載の情報処理システム。 - 前記ユーザ文章における前記複数の感情のそれぞれの前記第1平均値のうち最も大きい値を示す感情を、前記ユーザ文章の主感情として特定する第1感情特定部と、
複数の前記ユーザ文章における前記ユーザ文章の主感情の第1割合を算出する第1感情割合算出部と、
前記対象文章における前記複数の感情のそれぞれの前記第2平均値のうち最も大きい値を示す感情を、前記対象文章の主感情として特定する第2感情特定部と、
複数の前記対象文章における前記対象文章の主感情の第2割合を算出する第2感情割合算出部と、
をさらに備え、
前記決定部は、前記第1割合と、前記第2割合と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する
ことを特徴とする請求項3に記載の情報処理システム。 - 複数の前記ユーザ文章および複数の前記対象文章のうち少なくともいずれか一方の集合である集合文章セットにおける前記主感情の第3割合を算出する第3感情割合算出部と、
前記第3割合が所定の条件を逸脱するか否かを判定する条件判定部と、
をさらに備え、
前記条件判定部は、前記第3割合が所定の条件を逸脱していると判定した場合、前記集合文章セットを、前記第1感情特定部または前記第2感情特定部のうち少なくともいずれか一方における前記主感情の特定から排除する
ことを特徴とする請求項4に記載の情報処理システム。 - 前記決定部は、前記複数のユーザ文章における前記第1割合の傾向と類似する傾向を示す前記第2割合に対応する前記対象を決定する
ことを特徴とする請求項4又は請求項5に記載の情報処理システム。 - コンピュータが、
ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得する第1取得ステップと、
対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得する第2取得ステップと、
前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出する第1感情解析ステップと、
前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出する第2感情解析ステップと、
前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定する決定ステップと、
を実現する情報処理方法。 - コンピュータに、
ユーザが記載した文章を示すユーザ文章を登録した第1記憶装置から前記ユーザ文章を取得させることと、
対象に関する文章を示す対象文章を登録した第2記憶装置から前記対象文章を取得させることと、
前記ユーザ文章に対応する複数の感情のそれぞれを解析して、前記感情の度合いを示す第1解析値を算出させることと、
前記対象文章に対応する前記複数の感情のそれぞれを解析して、前記感情の度合いを示す第2解析値を算出させることと、
前記第1解析値と、前記第2解析値と、に基づいて、前記対象のうち所定の条件を満たす、前記ユーザに対応する前記対象を決定させることと、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180361A JP2021056857A (ja) | 2019-09-30 | 2019-09-30 | 情報処理システム、情報処理方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180361A JP2021056857A (ja) | 2019-09-30 | 2019-09-30 | 情報処理システム、情報処理方法、プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021056857A true JP2021056857A (ja) | 2021-04-08 |
Family
ID=75272657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019180361A Pending JP2021056857A (ja) | 2019-09-30 | 2019-09-30 | 情報処理システム、情報処理方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021056857A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023059435A (ja) * | 2021-10-15 | 2023-04-27 | 株式会社三井住友銀行 | 情報処理装置、方法およびプログラム |
-
2019
- 2019-09-30 JP JP2019180361A patent/JP2021056857A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023059435A (ja) * | 2021-10-15 | 2023-04-27 | 株式会社三井住友銀行 | 情報処理装置、方法およびプログラム |
JP7365384B2 (ja) | 2021-10-15 | 2023-10-19 | 株式会社三井住友銀行 | 情報処理装置、方法およびプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Mining opinion summarizations using convolutional neural networks in Chinese microblogging systems | |
Safa et al. | Automatic detection of depression symptoms in twitter using multimodal analysis | |
Guo et al. | Big social data analytics in journalism and mass communication: Comparing dictionary-based text analysis and unsupervised topic modeling | |
US9792279B2 (en) | Methods and systems for analyzing communication situation based on emotion information | |
US11003716B2 (en) | Discovery, characterization, and analysis of interpersonal relationships extracted from unstructured text data | |
Duwairi et al. | A study of the effects of preprocessing strategies on sentiment analysis for Arabic text | |
Assiri et al. | Towards enhancement of a lexicon-based approach for Saudi dialect sentiment analysis | |
Chen et al. | Automatic personality identification using writing behaviours: an exploratory study | |
Chen et al. | A bibliometric review of natural language processing empowered mobile computing | |
JP2022130635A (ja) | 会議支援システム、会議支援装置、会議支援方法及びプログラム | |
Apriyanto et al. | Born in social media culture: personality features impact in communication context | |
Georgiou et al. | Extracting sentiment from healthcare survey data: An evaluation of sentiment analysis tools | |
Chen et al. | Hidden Markov model using Dirichlet process for de-identification | |
Suppes | Do women need to have children in order to be fulfilled? A system justification account of the motherhood norm | |
Guo et al. | Proposing an open-sourced tool for computational framing analysis of multilingual data | |
US10950222B2 (en) | Multimodal video system for generating a personality assessment of a user | |
Tohira et al. | Machine learning and natural language processing to identify falls in electronic patient care records from ambulance attendances | |
Qureshi et al. | Performance evaluation of machine learning models on large dataset of android applications reviews | |
NOOR et al. | Depression Detection in Social Media Using Bagging Classifier | |
Fha et al. | Development of an efficient method to detect mixed social media data with tamil-english code using machine learning techniques | |
CN108780660B (zh) | 相对于以健康护理为中心的证据对微博中的认知偏差进行分类的设备、系统和方法 | |
Downer et al. | All work and no play: A text analysis | |
JP2021056857A (ja) | 情報処理システム、情報処理方法、プログラム | |
Wang et al. | Sentiment analysis of tweets and government translations: Assessing China’s post-COVID-19 landscape for signs of withering or booming | |
Samuel et al. | The dark side of sentiment analysis: An exploratory review using lexicons, dictionaries, and a statistical monkey and chimp |