JP2022147013A - 情報処理装置、制御方法、及びプログラム - Google Patents

Abstract

【課題】不正なレビューを適切に判定する。【解決手段】ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する判定部を備える。【選択図】図３

Description

本発明は、情報処理装置、制御方法、及びプログラムに関する。

近年、ＥＣ（Electronic Commerce；電子商取引）サイトにおける商品の購入が浸透している。ユーザがＥＣサイトを介して商品を購入する場合、実店舗とは異なり、実際に商品を手にとって確認することや、試用することは難しい。このため、ユーザは、商品を購入した第三者による、商品に対するレビューを参照し、商品を購入するか否かを検討する。

特開２０１９－０９５９１９号公報

しかしながら、売り主側が商品を不当に販売するために、レビューを不正に自作して投稿することや、商品を購入していない第三者に対してレビューの投稿を依頼する事案が発生している。このように投稿された不正なレビューが存在することにより、ＥＣサイトの信頼性が低下し、ユーザと売り主との間の公正な取引が担保されない。ＥＣサイトの信頼性の低下を防ぎ、公正な取引を担保するために、不正なレビューを検出し排除することが求められる。

本発明は、不正なレビューを適切に判定できる情報処理装置、制御方法、及びプログラムを提供することにある。

上記問題を解決するために、本発明の一態様は、ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する判定部を備えることを特徴とする情報処理装置である。

また、本発明の一態様は、上記の情報処理装置において、記判定部は、複数の判定要素について前記評価情報の不正度を示す各判定値を取得し、前記複数の判定要素それぞれの重みが適用された各判定値の合計に基づいて、前記評価情報が不正であるか否かを判定し、前記判定部による判定結果が、管理者による前記評価情報の判定結果と異なる場合に前記重みを更新する更新部、をさらに備えることを特徴とする。

また、本発明の一態様は、上記の情報処理装置において、前記ユーザ情報は、前記ユーザが購入した前記商品の購入履歴を含み、前記判定部は、前記購入履歴が前記評価情報の対象の前記商品を含まない場合、前記評価情報が不正であると判定することを特徴とする。

また、本発明の一態様は、上記の情報処理装置において、前記判定部は、複数の判定要素について前記評価情報が不正であるか否かを判定し、前記複数の判定要素は、前記評価情報に含まれる前記商品に対する評価文の言語解析、対象の前記商品の前記ユーザによる購入時期から前記評価情報の入力時期までの期間、前記対象の商品の登録時期から前記評価情報の前記入力時期までの期間、及び、前記ユーザ情報のうち、少なくとも二つの組み合わせを有することを特徴とする。

また、本発明の一態様は、上記の情報処理装置において、前記判定部は、前記複数の判定要素のうち前記評価文の言語解析に基づいて判定する場合、前記評価文と、当該評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、前記評価文を入力として前記評価情報が不正であるか否かを判定することを特徴とする。

また、本発明の一態様は、上記の情報処理装置において、前記ユーザ情報は、前記ユーザの属性情報、前記ユーザが購入した前記商品の購入履歴、前記ユーザが投稿した前記評価情報の履歴、及び前記評価情報の認定履歴の少なくともいずれかを含み、前記判定部は、前記複数の判定要素のうちユーザ情報に基づいて判定する場合、前記ユーザ情報と、当該ユーザ情報のユーザが入力した前記評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、前記ユーザ情報を入力として前記評価情報が不正であるか否かを判定することを特徴とする。

また、本発明の一態様は、上記の情報処理装置において、前記判定部は、前記各判定値の合計値と閾値との差分が所定範囲内である場合に、前記管理者による前記評価情報の判定を指示することを特徴とする。

また、本発明の一態様は、ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する制御方法である。

また、本発明の一態様は、コンピュータに、ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する処理を実行させることを特徴とするプログラムである。

本発明によれば、不正なレビューを適切に判定することができる。

本実施形態における情報処理システムの構成例を示す図である。 本実施形態における情報処理装置の機能ブロックの一例を示す図である。 本実施形態におけるレビューの認定処理を説明するフローチャートを示す図である。 重み情報ＤＢの一例を示す図である。 本実施形態における重み更新処理を説明するフローチャートを示す図である。

以下、本発明の一実施形態による情報処理装置、情報処理装置の制御方法、及びプログラムについて、図面を参照して説明する。

図１は、本実施形態における情報処理システムの構成例を示す図である。図１に示す情報処理システムは、情報処理装置１００と、端末装置３００とを備える。情報処理装置１００と端末装置３００とは、インターネットなどのネットワークを介して接続される。

本実施形態の情報処理装置１００は、ＥＣ（Electronic Commerce：電子商取引）サイトを提供するＷｅｂサーバである。Ｗｅｂサーバは、インターネット上にＷｅｂサイトを公開し、端末装置３００のブラウザに対して情報の表示を提供する。ＥＣサイトは、Ｗｅｂサイトを通じて商品を販売するサービスである。情報処理装置１００は、インターネット上にＥＣサイトを公開するとともに、ＥＣサイトにアクセスした端末装置３００による商品の購買指示を受け付ける。

端末装置３００は、例えば、スマートフォン、タブレット型端末、パーソナルコンピュータなどの通信端末である。端末装置３００は、ネットワークを介して情報処理装置１００からＥＣサイトの表示情報を受信し、ディスプレイに表示させる。端末装置３００は、ユーザの操作に応答して、商品の購入指示を情報処理装置１００に送信する。なお、図１は一つの端末装置３００を例示しているが、この例に限定されるものではない。

情報処理装置１００は、例えば、ＣＰＵ（Central Processing Unit）１０と、通信部１１と、主記憶装置１２と、補助記憶装置１３とを備える。情報処理装置１００において、ＣＰＵ１０と、通信部１１と、主記憶装置１２と、補助記憶装置１３とは、バスを介した情報の入出力が可能である。情報処理装置１００は、通信部１１を介して、端末装置３００と通信可能に接続される。補助記憶装置１３は、例えば磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。

図２は、本実施形態における情報処理装置１００の機能ブロックの一例を示す図である。情報処理装置１００のＣＰＵ１０は、例えば、主記憶装置１２又は補助記憶装置１３に記録されるプログラムを読み出して実行する。これにより、情報処理装置１００は、主記憶装置１２上にＥＣサイト管理部１１０、及びＡＰＩ（Application programming interface）コンポーネントを備える装置として機能する。

情報処理装置１００の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、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である。プログラムは、電気通信回線を介して送信されてもよい。

ＥＣサイト管理部１１０は、販売管理部１１１、レビュー登録部１１２、及びフィードバック登録部１１３を有する。ＥＣサイト管理部１１０は、販売管理データベース（ＤＢ）１１４、ユーザ情報データベース（ＤＢ）１１５、及びレビュー管理データベース（ＤＢ）１１６をさらに有する。

販売管理部１１１は、ＥＣサイトにおける商品の販売サービスを管理する。販売管理部１１１は、端末装置３００からの要求に応じて、販売管理ＤＢ１１４及びユーザ情報ＤＢ１１５を参照して、Ｗｅｂページの情報を生成し、端末装置３００に表示させる。販売管理部１１１は、端末装置３００から商品の購入指示を受信すると、商品の販売処理を実行し、実行結果を端末装置３００に送信する。販売管理部１１１は、販売処理の実行結果を販売管理ＤＢ１１４及びユーザ情報ＤＢ１１５に反映させる。

レビュー登録部１１２は、ＥＣサイトにおける商品に対するレビューの投稿を制御する。レビュー登録部１１２は、ＥＣサイト上で、ユーザによる商品に対するレビューの投稿を受け付ける。レビュー登録部１１２は、端末装置３００からレビューの投稿指示を受信すると、ＡＰＩを使用して当該レビューがサクラによるレビューであるか否かを認定する。レビュー登録部１１２は、サクラによるレビューではないと認定されたレビューを、ＥＣサイトに掲載させる。

レビューは、例えば、商品に対する評価値や評価文を含む評価情報である。評価値は、例えば、５段階等の相対評価で示された数値である。評価文は、商品に対する感想や、商品に対する評価を示す文章である。評価情報は、レビューの投稿日時を含んでもよい。サクラは、例えば、売り主又は売り主に依頼された人物であり、特定の商品の評判を演出する者を示す。サクラによるレビューは、商品の評判が良いことを不正に演出するための評価値や評価文を含む評価情報である。以下、サクラによるレビューを、不正なレビューとも称する。

フィードバック登録部１１３は、レビュー登録部１１２のサクラによるレビューであるか否かの認定結果と、ＥＣサイトの管理者による認定結果とが異なる場合に、フィードバックを実行する。フィードバック登録部１１３は、フィードバックとして、ＡＰＩを使用して、サクラによるレビューであるか否かの認定のために参照される重みを更新する。

販売管理ＤＢ１１４は、ＥＣサイト上で販売される商品の情報を記憶するデータベースである。例えば、販売管理ＤＢ１１４は、各商品について、商品管理番号、商品名、商品の画像、定価、在庫数、ＥＣサイトへの商品の登録日時等の情報を関連付けて記憶する。販売管理ＤＢ１１４は、商品を購入したユーザのＩＤ、購入日、及び、商品の発送日等を関連付けてさらに記憶する。

ユーザ情報ＤＢ１１５は、ＥＣサイトを利用するユーザに関する情報（以下、ユーザ情報）を記憶するデータベースである。例えば、ユーザ情報ＤＢ１１５は、ユーザのＩＤ、属性情報、商品を購入した履歴を示す購入履歴、及びレビューの投稿履歴等を関連付けて記憶する。購入履歴は、過去に購入した商品のＩＤ、数量、購入日時、配送先の住所、購入頻度、購入を指示した端末装置３００のＩＰアドレス等を含む。投稿履歴は、過去に投稿したレビューの内容、及び当該レビューがサクラによるレビューであるか否かの認定結果を含む。属性情報は、ユーザの性別、年齢、住所、職業等をさらに含んでもよい。

レビュー管理ＤＢ１１６は、ＥＣサイト上で投稿されたレビューを格納するデータベースである。例えば、レビュー管理ＤＢ１１６は、レビューの対象の商品のＩＤ、投稿された評価値及び評価文、投稿者（ユーザ）のＩＤ、投稿日時等を関連付けて記憶する。レビュー管理ＤＢ１１６は、レビューがサクラによるレビューであるか否かを示す認定結果をさらに記憶する。

ＡＰＩコンポーネント１２０は、履歴判定部１２１、複合判定部１２２、重み更新部１２３、及び重み情報データベース（ＤＢ）を有する。履歴判定部１２１及び複合判定部１２２は、ＥＣサイト管理部１１０のレビュー登録部１１２によって呼び出されて実行される。重み更新部１２３は、ＥＣサイト管理部１１０のフィードバック登録部１１３から呼び出されて実行される。

履歴判定部１２１は、レビューを投稿したユーザの商品の購入履歴を参照して、レビューがサクラによるレビューであるか否かを認定する。複合判定部１２２は、複数の判定要素に基づいて、レビューがサクラによるレビューであるか否かを認定する。本実施の形態における複数の判定要素は、例えば、言語解析、購入時期判定、商品登録時期判定、ユーザ情報判定を含む。複合判定部１２２は、言語解析部２０１、購入時期判定部２０２、商品登録時期判定部２０３、ユーザ情報判定部２０４、及び総合値判定部２０５を有する。以下、言語解析部２０１、購入時期判定部２０２、商品登録時期判定部２０３、及びユーザ情報判定部２０４を各判定部とも称する。

言語解析部２０１は、投稿されたレビューの評価文が日本語として正確性を解析し、日本語として不正確である度合いを示す判定値を算出する。言語解析部２０１は、例えば、評価文の文書の構成、評価文の長さ、他の評価文との類似性、及び評価文の日本語の用法の適切さ等の解析を行う。判定値は、例えば、数値「０」～「１」の間の値である。判定値は、値「１」に近づくほど、日本語として不正確であることを示し、値「０」に近づくほど、正確であることを示す。

購入時期判定部２０２は、投稿されたレビューの対象商品の購入時期からレビューの投稿時期までの期間を示す購入後期間に基づいて、値「０」又は値「１」を示す判定値を取得する。判定値が値「１」の場合、サクラによるレビューであることを示し、値「０」の場合、サクラによるレビューではないことを示す。商品登録時期判定部２０３は、投稿されたレビューの対象商品のＥＣサイトへの登録時期からレビューの投稿時期までの期間を示す登録後期間に基づいて、数値「０」～「１」の間の判定値を取得する。判定値は、値「１」に近づくほど、サクラによるレビューである可能性が高いことを示し、値「０」に近づくほど、当該可能性が低いことを示す。

ユーザ情報判定部２０４は、ユーザ情報に基づいて、ユーザがサクラである可能性を示す判定値を算出する。判定値は、例えば、数値「０」～「１」の間の値である。判定値は、値「１」に近づくほど、ユーザがサクラである可能性が高いことを示し、値「０」に近づくほど、当該可能性が低いことを示す。

総合値判定部２０５は、各判定部が算出した判定値に基づいて、総合判定値を算出する。総合値判定部２０５は、重み情報ＤＢ１２４を参照して各判定部に設定された重みを取得し、判定値に重みを適用した各重み付判定値を算出する。総合値判定部２０５は、各判定部の重み付判定値を合算し、総合判定値を算出する。総合値判定部２０５は、算出した総合判定値と閾値との比較に基づいて、投稿されたレビューがサクラによるレビューであるか否かを認定する。

重み更新部１２３は、フィードバック登録部１１３による呼び出しに応じて、重み情報ＤＢ１２４に記憶される各判定部に対応する重みを更新する。本実施の形態において、例えば、重みは、各判定部の重みの合計値が値「１．０」になるような値に設定される。重み情報ＤＢ１２４の一例については、図４で後述する。

図３は、本実施形態におけるレビューの認定処理を説明するフローチャートである。端末装置３００は、ブラウザに表示されるＥＣサイト上で、ユーザによるレビューの投稿を受ける。レビューが投稿されると、端末装置３００は、レビューの投稿依頼を情報処理装置１００に送信する。レビューの投稿依頼の受信に応じて、情報処理装置１００のレビュー登録部１１２は、投稿されたレビューの評価文、及び投稿者（ユーザ）のユーザ情報をパラメータとして入力し、ＡＰＩを呼び出す。これにより、図３に示す認定処理が実行される。

ＡＰＩコンポーネント１２０の履歴判定部１２１は、レビューを投稿したユーザの商品の購入履歴を参照して、レビューがサクラによるレビューであるか否かを認定する（ステップＳ１０１）。履歴判定部１２１は、入力情報からユーザの商品の購入履歴を取得し、レビューの対象の商品の購入履歴が含まれるか否かを判定する。対象商品の購入履歴が含まれていない場合（ステップＳ１０１のＮｏ）、履歴判定部１２１は、投稿されたレビューがサクラによるレビューであると認定する（ステップＳ１１０）。履歴判定部１２１は、サクラによるレビューであることを示す認定結果を、ＡＰＩの呼び出し元のレビュー登録部１１２に出力する。

一方、対象商品の購入履歴が含まれている場合（ステップＳ１０１のＹｅｓ）、ＡＰＩコンポーネント１２０の複合判定部１２２は、複数の判定要素に基づいて、レビューがサクラによるレビューであるか否かを認定する。ユーザは、売り主から委託を受けて、商品を購入してレビューを投稿している場合がある。このため、複合判定部１２２は、対象商品の購入履歴が含まれる場合、ステップＳ１０２～Ｓ１０９によって、レビューがサクラによるレビューであるか否かをさらに判定する。ステップＳ１０２～Ｓ１０５の処理は、並列して実行されてもよいし、所定の順番で実行されてもよい。

複合判定部１２２の言語解析部２０１は、投稿されたレビューの評価文が日本語として正確か否かを解析し、日本語として不正確である度合いを示す判定値を取得する（ステップＳ１０２）。この場合、判定値は、数値「０」～「１」の間の値である。判定値は、日本語として正確な文章である程、値「０」に近い値を示し、不正確である程、値「１」に近い値を示す。言語解析部２０１は、複数の項目を解析して判定値を取得する。複数の解析項目は、評価文の文書構成、評価文の長さ、他のレビューの評価文との類似性、及び評価文における日本語の適切さ等を含む。

評価文の文書構成は、例えば、評価文を形態素解析及び構文解析した場合における、品詞の係り受けや助詞の用い方等を示す。評価文の長さは、例えば、評価文の全体の文字数、評価文が含む各文の文字数等を示す。他のレビューの評価文との類似性は、日本語として不正確な文章との類似度を示す。類似度は、例えば、文体や単語等の一致度合いである。日本語の適切さは、例えば、単語の用い方や送り仮名の使い方等の日本語としての適切さを示す。

言語解析部２０１は、一例として、教師データを学習した学習済みのモデルを用いて、投稿された評価文を入力とし、日本語として不正確である度合いを示す判定値を算出する。教師データは、例えば、複数の評価文、及び当該評価文が日本語として不正確であるか否かを示すラベルを含む。モデルの生成に当たり、例えば、目的変数として日本語として不正確であるか否かが設定され、説明変数として上述の複数の解析項目のうち少なくとも二つが設定される。例えば、決定木分析等の手法にしたがって、日本語として不正確である度合いを導出可能なモデルが生成される。

このように、言語解析部２０１は、評価文の文章の傾向に基づいて、日本語として不正確である度合いを示す判定値を取得する。これにより、例えば、助詞の使用方法の傾向や、文章の長さ等に基づいて、日本語として不正確であるか否かを推定することができる。また、係り受けの用い方や、使用頻度の高い単語に注目することにより、日本語として不正確である度合いを推定することができる。

言語解析部２０１は、他の分析方法にしたがってモデルを生成してもよい。または、言語解析部２０１は、教師無し学習にしたがって、モデルを生成してもよい。言語解析部２０１が用いる解析項目の例は、上述した例に限定されるものではない。言語解析部２０１は、評価文の言語や、誤記の内容等を説明変数として用いて、モデルを生成してもよい。

購入時期判定部２０２は、購入後期間に基づいて、値「０」又は値「１」を示す判定値を取得する（ステップＳ１０３）。購入時期判定部２０２は、購入後期間として、レビューの対象商品の購入時期からレビューの投稿時期までの期間を取得する。購入時期は、ＥＣサイト上でユーザが対象の商品を購入した日時である。レビューの投稿時期は、ＥＣサイト上でユーザが対象の商品に対するレビューを投稿した日時である。

購入時期判定部２０２は、購入後期間が所定の期間内であるか否かを判定する。購入後期間が所定の期間内である場合、購入時期判定部２０２は、サクラによるレビューではないことを示す判定値「０」を取得する。一方、購入後期間が所定の期間外である場合、購入時期判定部２０２は、サクラによるレビューであることを示す判定値「１」を取得する。所定の期間は、例えば、日数である。一例として、所定の期間は、ユーザの手元に商品が到達した後から数カ月以内である。

購入後期間が所定の期間内である場合、レビューの投稿時期が、ユーザの手元に商品が到達した後の期間であって、到達してから数カ月が経過する前の期間であることを示す。この場合、ユーザが実際に商品を手にとって検証し、商品が意識されている期間内にレビューが投稿された可能性が高い。このため、ユーザは自身の意志にしたがってレビューを投稿している可能性が高いことが想定される。したがって、購入時期判定部２０２は、投稿されたレビューがサクラによるレビューでないことを示す判定値「０」を取得する。

一方、購入後期間が所定の期間外である場合、ユーザの手元に商品が到達する前の期間、若しくは、商品が到達してから数カ月が経過した後の期間であることを示す。この場合、ユーザが実際に商品を手にとる前にレビューが投稿された可能性が高い。若しくは、商品が意識されなくなった後にレビューが投稿された可能性がある。このため、商品の売り主からの委託に応じて、ユーザが商品を購入しレビューを投稿している可能性が高いことが想定される。したがって、購入時期判定部２０２は、投稿されたレビューがサクラによるレビューであることを示す判定値「１」を取得する。

商品登録時期判定部２０３は、登録後期間に基づいて、数値「０」～「１」の間の判定値を取得する（ステップＳ１０４）。商品登録時期判定部２０３は、登録後期間として、投稿されたレビューの対象商品のＥＣサイトへの登録時期からレビューの投稿時期までの期間を取得する。登録時期は、ＥＣサイトにおける販売対象の商品として、当該商品が登録、掲載された日時である。レビューの投稿時期は、ＥＣサイト上でユーザが対象の商品に対するレビューを投稿した日時である。

商品登録時期判定部２０３は、登録後期間が短いほど値「１」に近づき、登録後期間が長いほど値「０」に近づいた判定値を取得する。前述したとおり、値「１」は、サクラによるレビューである可能性が高いことを示し、値「０」は、サクラによるレビューである可能性が低いことを示す。

登録後期間が短い場合、商品のＥＣサイトへの登録後、間もなくレビューが投稿された場合を示す。この場合、登録後期間が短いほど、商品の売り主からの委託に応じてレビューが投稿されている可能性が高いことが想定される。これにより、商品登録時期判定部２０３は、判定値として、登録後期間が短いほど値「１」に近い値を取得する。一方、登録後期間が長いほど、商品の売り主からの委託に応じてレビューが登録されている可能性が低いことが想定される。これにより、商品登録時期判定部２０３は、判定値として、登録後期間が長いほど値「０」に近い値を取得する。

このように、購入後期間又は登録後期間に注目することにより、投稿されたレビューが、商品を不当に販売するために投稿されたレビューであるか否かを推定することができる。換言すると、レビューに含まれる評価文だけでなく、当該レビューが投稿されたタイミングに着目することにより、サクラによるレビューをより適切に検出することができる。

ユーザ情報判定部２０４は、ユーザ情報に基づいて、ユーザがサクラである可能性を示す判定値を算出する（ステップＳ１０５）。判定値は、例えば、数値「０」～「１」の間の値である。判定値は、ユーザがサクラである可能性が低い程、値「０」に近い値を示し、可能性が高い程、値「１」に近い値を示す。ユーザ情報は、例えば、ユーザの属性に関する情報（属性情報）、ユーザが購入した商品の購入履歴、ユーザが投稿したレビューの投稿履歴、及びレビューの認定履歴を含む。

属性情報は、例えば、ユーザの性別、年齢、住所、職業等を含む。購入履歴は、例えば、過去に購入した商品のＩＤ、数量、購入日時、配送先の住所、購入頻度、購入を指示した端末装置３００のＩＰアドレス等を含む。レビューの投稿履歴は、対象商品のＩＤ、投稿された評価値及び評価文、投稿日時等を含む。認定履歴は、ユーザが過去に投稿した各レビューについて、サクラによるレビューであるとして認定された履歴を示す。

ユーザ情報判定部２０４は、一例として、教師データを学習した学習済みのモデルを用いて、投稿されたユーザ情報を入力とし、ユーザがサクラである可能性を示す判定値を算出する。教師データは、例えば、ユーザ情報、及び、当該ユーザ情報のユーザがサクラであるか否かを示すラベルを含む。モデルの生成に当たり、例えば、目的変数としてユーザがサクラであるか否かが設定され、説明変数として上述のユーザ情報うちの少なくとも二つの情報が設定される。例えば、決定木分析等の手法にしたがって、サクラである可能性を導出可能なモデルが生成される。

サクラによるレビューであると認定された履歴を有する場合、サクラである可能性が高いことが推定される。また、初めてレビューを投稿する場合、定期的にレビューを投稿するユーザより、サクラである可能性が高いことが推定される。これにより、例えば、過去に投稿したレビューがサクラによるレビューであると認定された履歴や、投稿頻度等の傾向を学習することで、ユーザがサクラである可能性を推定することができる。

また、サクラであると認定されたユーザのユーザ情報の特性を学習することにより、サクラである可能性を推定してもよい。例えば、サクラによるレビューであると認定されたユーザの住所、年齢、投稿文の使用言語等を学習して、モデルが生成される。これにより、投稿者であるユーザのユーザ情報の特性が、サクラであると認定されたユーザと近い場合に、投稿者がサクラである可能性が高いと推定できる。これにより、不正なレビューを投稿した履歴を有していないユーザについても、サクラである可能性を推定することができる。

なお、ユーザ情報判定部２０４は、他の分析方法にしたがってモデルを生成してもよい。ユーザ情報判定部２０４は、教師無し学習に基づいて、モデルを生成してもよい。また、ユーザ情報は、上述した例に限定されるものではない。例えば、ユーザ情報は、職業や、購入頻度の高い商品の種別等を含んでいてもよい。

総合値判定部２０５は、ステップＳ１０２～Ｓ１０５で各判定値が取得した判定値に基づいて、総合判定値を算出する（ステップＳ１０６）。総合値判定部２０５は、重み情報ＤＢ１２４を参照して各判定部に対して設定される重みを取得する。総合値判定部２０５は、取得した各判定値に重みを適用して重み付判定値を算出し、各重み付判定値を合算し、総合判定値を算出する。

図４は、重み情報ＤＢ１２４の一例を示す図である。図４の例によると、言語解析に基づく判定には重み「０．４」が設定される。また、購入時期に基づく判定には重み「０．３」が設定される。同様にして、商品登録時期に基づく判定には重み「０．２」が設定され、ユーザ情報に基づく判定には重み「０．１」が設定される。本実施の形態において、各判定部の重みは、合計値が値「１」になるような値に設定される。

図３のフローチャートに戻り、総合値判定部２０５は、算出した総合判定値と閾値との差分を算出する。総合値判定部２０５は、総合判定値と閾値との差分が所定の範囲内に収まるか否かを判定する（ステップＳ１０７）。差分が所定の範囲内に収まる場合（ステップＳ１０７のＹｅｓ）、総合判定値と閾値とが近似しており、認定が曖昧であることを示す。このため、総合値判定部２０５は、ＥＣサイトの管理者に対して、管理者による認定を依頼する。総合値判定部２０５は、管理者への認定依頼を呼び出し元に出力して処理を終了する（ステップＳ１０８）。レビュー登録部１１２は、認定依頼を取得すると、投稿されたレビューをレビュー管理ＤＢ１１６に格納するとともに、非掲載ステータスに設定する。

一方、差分が所定の範囲内に収まらない場合（ステップＳ１０７のＮｏ）、総合判定値が閾値を大幅に超える場合、または、総合判定値が閾値を大幅に下回る場合を示す。総合値判定部２０５は、総合判定値と閾値との比較に基づいて認定を行う。総合判定値が閾値を超える場合（ステップＳ１０９のＹｅｓ）、総合値判定部２０５は、投稿されたレビューがサクラによるレビューであると認定する。一方、総合判定値が閾値を以内である場合（ステップＳ１０９のＮｏ）、総合値判定部２０５は、投稿されたレビューがサクラによるレビューではないと認定する。総合値判定部２０５は、認定結果を呼び出し元に出力して処理を終了する。

取得した認定結果がサクラによるレビューではないことを示す場合、レビュー登録部１１２は、投稿されたレビューをレビュー管理ＤＢ１１６に格納するとともに、掲載可ステータスに設定する。これにより、当該レビューがＥＣサイトに掲載される。一方、認定結果がサクラによるレビューであることを示す場合、レビュー登録部１１２は、投稿されたレビューをレビュー管理ＤＢ１１６に格納するとともに、非掲載ステータスに設定する。これにより、当該レビューはＥＣサイトに掲載されない。

図３のフローチャートにおいて、総合値判定部２０５は、総合判定値と閾値との差分が所定の範囲内に収まるか否かを判定した（ステップＳ１０７）。ただし、ステップＳ１０７の処理は省略されてもよい。または、総合値判定部２０５は、総合判定値と閾値との比較に基づきサクラによるレビューであるか否かを認定後に、ステップＳ１０７の処理を実行してもよい。この場合、総合値判定部２０５は、差分が所定の範囲内のレビューについて、閾値との比較に基づく認定結果に加えて、管理者への認定依頼を出力する。

図３のフローチャートにおいて、総合値判定部２０５は、レビューの投稿時に、当該レビューがサクラによるレビューであるか否かを判定する場合を例示した。ただし、この例に限定されるものではない。ＥＣサイトに既に掲載されているレビューに対して、図３の認定処理が行われてもよい。この場合、掲載されているレビューに対して、サクラによるレビューであるか否かの認定処理が行われる。掲載されているレビューがサクラによるレビューであると認定された場合、レビュー登録部１１２は、当該レビューを非掲載ステータスに変更する。

図５は、本実施形態における重みの更新処理を説明するフローチャートである。例えば、ＥＣサイトの管理者は、新たに投稿されたレビューの一部又は全部を対象として、実際に目を通して、サクラによるレビューであるか否かを認定する。または、管理者は、認定依頼が通知されたレビューを対象として認定を行う。フィードバック登録部１１３は、管理者による認定結果をパラメータとして入力し、ＡＰＩを呼び出す。これにより、図５に示す重みの更新処理が実行される。

重み更新部１２３は、管理者による認定結果と、レビュー登録部１１２による認定結果とが一致するか否かを判定する（ステップＳ２０１）。双方の認定結果が一致する場合（Ｓ２０１のＹｅｓ）、重み更新部１２３は重みの更新処理を行わない。一方、認定結果が一致しない場合（Ｓ２０１のＮｏ）、重み更新部１２３は重みの更新処理を行う（ステップＳ２０２）。重みの更新処理の詳細を説明する。

レビュー登録部１１２による認定結果がサクラによるレビューではないことを示し、管理者による認定結果がサクラによるレビューであることを示す場合を例示する。例えば、管理者は、認定時に、言語解析、購入時期、商品登録時期、及びユーザ情報のうち、サクラによるレビューであると認定した理由を選択する。レビュー登録部１１２は、ＡＰＩを呼び出す時に、パラメータに、管理者が選択した理由を指定する。重み更新部１２３は、パラメータに指定された理由に基づいて、当該理由に対応する判定部の重みが高くなるように重みを算出し、重み情報ＤＢ１２４を更新する。

または、重み更新部１２３は、複合判定部１２２の各判定部が取得した判定値に基づいて、重みを更新してもよい。この場合、重み更新部１２３は、対象のレビューに対して各判定部が取得した判定値を取得し、当該判定値に重みを適用した場合の総合判定値が管理者による認定結果と合致するように、重みを算出する。レビュー登録部１１２による認定結果がサクラによるレビューであることを示し、管理者による認定結果がサクラによるレビューではないことを示す場合についても同様である。

または、レビュー登録部１１２は、管理者に各判定部の重みを入力させてもよい。管理者は、レビューがサクラによるレビューであると認定する場合、各判定部の重みの変更値をさらに入力する。重み更新部１２３は、入力された各判定部の重みの変更値に基づいて、重み情報ＤＢ１２４を更新する。

以上のように、本実施の形態における情報処理装置１００は、ユーザにより入力される商品に対する評価情報と、ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、評価情報が不正であるか否かを判定する判定部（１２１、１２２）を備える。これにより、情報処理装置１００は、投稿されたレビューの評価文やユーザ情報に基づいて、投稿されたレビューがサクラによる不正なレビューであるか否かを認定することができる。

本実施の形態における情報処理装置１００では、判定部は、複数の判定要素について評価情報の不正度を示す各判定値を取得し、複数の判定要素それぞれの重みを適用した各判定値の合計に基づいて、評価情報が不正であるか否かを判定する。また、情報処理装置１００は、判定部による判定結果が、管理者による評価情報の判定結果と異なる場合に重みを更新する更新部（重み更新部１２３）、をさらに備える。これにより、情報処理装置１００は、管理者による認定結果を判定処理にフィードバックすることができる。この結果、ＡＰＩによる認定結果が、管理者による認定結果に近づくように、恒常的に認定の精度を向上させていくことができる。

本実施の形態におけるユーザ情報は、ユーザ情報は、ユーザが購入した商品の購入履歴を含む。判定部は、購入履歴が評価情報の対象の商品を含まない場合、評価情報が不正であると判定する。これにより、レビューの投稿者がレビューの対象商品を購入していない場合、投稿されたレビューをサクラによる不正であると認定し、掲載対象から排除することができる。

本実施の形態における複数の判定要素は、評価情報に含まれる商品に対する評価文の言語解析、対象の商品のユーザによる購入時期から評価情報の入力時期までの期間、対象の商品の登録時期から評価情報の入力時期までの期間、及び、ユーザ情報のうち、少なくとも二つの組み合わせを有する。これにより、情報処理装置１００は、複数の判定要素に基づくことにより、サクラによるレビューであるか否かを、多面的により高精度に認定することができる。

判定部は、複数の判定要素のうち評価文の言語解析に基づいて判定する場合、評価文と、当該評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、評価文を入力として評価情報が不正であるか否かを判定する。これにより、情報処理装置１００は、評価文の傾向を学習することにより、日本語として不適正な度合いをより高精度に判定することができる。この結果、サクラによるレビューであるか否かを、より高精度に認定することができる。

ユーザ情報は、ユーザの属性情報、ユーザが購入した商品の購入履歴、ユーザが投稿した評価情報の履歴、及び評価情報の認定履歴の少なくともいずれかを含む。判定部は、複数の判定要素のうちユーザ情報に基づいて判定する場合、ユーザ情報と、当該ユーザ情報のユーザが入力した評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、ユーザ情報を入力として評価情報が不正であるか否かを判定する。これにより、情報処理装置１００は、サクラであるユーザのユーザ情報の傾向を学習することにより、ユーザがサクラであるか否かをより適切に判定することができる。この結果、サクラによるレビューであるか否かを、より高精度に認定することができる。

判定部は、各判定値の合計値と閾値との差分が所定範囲内である場合に、管理者による評価情報の判定を指示する。これにより、情報処理装置１００は、複数の判定要素ついて判定した結果、サクラによるレビューであるか否かが明確ではない場合に、管理者による認定処理を依頼することができる。これにより、サクラによるレビューをより確実に排除することができる。

なお、上述した情報処理装置１００が備える各構成は、内部に、コンピュータシステムを有している。そして、上述した情報処理装置１００が備える各構成の機能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、この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上述した情報処置装置１００が備える各構成における処理を行ってもよい。ここで、「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」とは、コンピュータシステムにプログラムをインストールすることを含む。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とする。
また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。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、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。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に情報処理装置１００が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワーク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（ＲＡＭ）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ものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１００…情報処理装置、１１０…ＥＣサイト管理部、１１１…販売管理部、１１２…レビュー登録部、１１３…フィードバック登録部、１１４…販売管理データベース、１１５…ユーザ情報データベース、１１６…レビュー管理データベース、１２０…ＡＰＩコンポーネント、１２１…履歴判定部、１２２…複合判定部、１２３…重み更新部、２０１…言語解析部、２０２…購入時期判定部、２０３…商品登録時期判定部、２０４…ユーザ情報判定部、２０５…総合値判定部、３００…端末装置

Claims (9)

1. ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する判定部を備えることを特徴とする情報処理装置。
2. 前記判定部は、複数の判定要素について前記評価情報の不正度を示す各判定値を取得し、前記複数の判定要素それぞれの重みが適用された各判定値の合計に基づいて、前記評価情報が不正であるか否かを判定し、
   前記判定部による判定結果が、管理者による前記評価情報の判定結果と異なる場合に前記重みを更新する更新部、をさらに備える、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記ユーザ情報は、前記ユーザが購入した前記商品の購入履歴を含み、
   前記判定部は、前記購入履歴が前記評価情報の対象の前記商品を含まない場合、前記評価情報が不正であると判定する、
   ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記判定部は、複数の判定要素について前記評価情報が不正であるか否かを判定し、
   前記複数の判定要素は、前記評価情報に含まれる前記商品に対する評価文の言語解析、対象の前記商品の前記ユーザによる購入時期から前記評価情報の入力時期までの期間、前記対象の商品の登録時期から前記評価情報の前記入力時期までの期間、及び、前記ユーザ情報のうち、少なくとも二つの組み合わせを有する、
   ことを特徴とする請求項１から請求項３のいずれか一項に記載の情報処理装置。
5. 前記判定部は、前記複数の判定要素のうち前記評価文の言語解析に基づいて判定する場合、前記評価文と、当該評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、前記評価文を入力として前記評価情報が不正であるか否かを判定する、
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記ユーザ情報は、前記ユーザの属性情報、前記ユーザが購入した前記商品の購入履歴、前記ユーザが投稿した前記評価情報の履歴、及び前記評価情報の認定履歴の少なくともいずれかを含み、
   前記判定部は、前記複数の判定要素のうちユーザ情報に基づいて判定する場合、前記ユーザ情報と、当該ユーザ情報のユーザが入力した前記評価情報の認定結果とを学習データとして用いた機械学習によって得られた学習済みモデルに基づいて、前記ユーザ情報を入力として前記評価情報が不正であるか否かを判定する、
   ことを特徴とする請求項４に記載の情報処理装置。
7. 前記判定部は、前記各判定値の合計値と閾値との差分が所定範囲内である場合に、前記管理者による前記評価情報の判定を指示する、
   ことを特徴とする請求項２に記載の情報処理装置。
8. ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する、
   制御方法。
9. コンピュータに、
   ユーザにより入力される商品に対する評価情報と、前記ユーザに関する情報を有するユーザ情報との少なくとも何れかを含む入力情報に基づいて、前記評価情報が不正であるか否かを判定する、
   処理を実行させることを特徴とするプログラム。

Images