JP2023113268A - テキストマイニング方法、テキストマイニングプログラム、および、テキストマイニング装置 - Google Patents

Abstract

【課題】少ない計算量で文書における感情語の適切な評価に基づき複数の文書間で感情的傾向を比較できるようにする。【解決手段】本願で開示されるテキストマイニング方法では、感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示と共に、対象文書から抽出すべき特徴語の範囲を指定する指示および感情極性の強さを示す感情指数の範囲を指定する指示を受け付け、これらの指示に基づき、指定範囲内で当該複数の文書から特徴語を抽出し、抽出した特徴語のうち、指定範囲内の感情指数を与えられた感情語として所定の感情語辞書に登録されている特徴語に対し当該感情指数を付与する。その後、抽出された特徴語と付与された感情指数とを当該複数の文書間で比較可能に表示する。この表示では、例えば、感情指数を付与された特徴語にはその感情指数に応じた背景色が付される。【選択図】図８

Description

本発明は、テキストマイニングに関し、特に、複数の文書の感情極性の傾向を比較するためのテキストマイニング方法、テキストマイニングプログラム、および、テキストマイニング装置に関する。

近年、自由記述されたテキストデータを解析し、解析結果から有用な情報を求めるテキストマイニングが注目されている。このテキストマイニングの分野において、文書のテキストデータから、当該文書に関連する物や、人、コンテンツ等に対し肯定的か否定的かという感情極性の傾向（以下「感情的傾向」という）を判定する技術が知られている。

例えば、単語とその単語が表す感情（肯定的か否定的かを示す感情極性等）との対応関係が予め登録された感情語辞書を用いて、文書に含まれている単語のうち感情極性が肯定的な単語の数と否定的な単語の数とを比較し、その比較結果に応じて当該文書の感情極性（当該文書が肯定的か否定的か中立的か）を判定する方法が知られている（特許文献１の段落［０００９］参照）。

特開２０１１－２０４２２６号公報 特開２０１３－２４６６３６号公報 特表２０１６－５３０６５１号公報

上記従来の方法では、文書に含まれる単語が感情語辞書に登録されているか否かを調べ、登録されている場合にその単語を感情語辞書にしたがって肯定的か否定的かという２種類に分類している。このため、感情強度（感情極性）が弱い単語すなわち中性に近い単語についてはその適切な取り扱い方が確立していなかった。また、このような単語の感情極性については、対象とする文書の内容によって調整する必要があったが、そのための簡便な手法が知られていなかった。

また上記従来の方法では、複数の文書間で感情的傾向を比較する場合、それぞれの文書に含まれる単語のうち感情語辞書に登録されている単語である感情語を全て集計してその集計結果を比較していた。このため、その比較のための計算量が多くなり、また、或る文書において他の文書に比べ多く出現している感情語が過小評価されることもある。

そこで、少ない計算量で文書における感情語の適切な評価に基づき複数の文書間で感情的傾向を比較できるデータマイニング方法やテキストマイニング装置等を提供することが求められている。

本発明の第１の局面は、複数の文書間で感情極性の傾向を比較するためのテキストマイニング方法であって、
感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力ステップと、
前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出ステップと、
前記特徴語抽出ステップにより抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得ステップと、
前記対象文書として指定された前記複数の文書につき、前記特徴語抽出ステップにより抽出された特徴語を前記感情指数取得ステップにより付与された感情指数とともに表示する表示ステップとを備える。

本発明の第２の局面は、本発明の第１の局面において、
前記指示入力ステップは、前記対象文書から抽出すべき特徴語の範囲を指定する指示を受け付けるステップを更に含み、
前記特徴語抽出ステップでは、前記指示入力ステップで指定される範囲内の特徴語が抽出される。

本発明の第３の局面は、本発明の第１または第２の局面において、
前記指示入力ステップは、感情極性の強さを示す指数である感情指数の範囲を指定する指示を受け付けるステップを更に含み、
前記感情指数取得ステップでは、前記特徴語抽出ステップにより抽出された特徴語のうち前記指示入力ステップで指定された範囲内の感情指数を与えられた単語として前記感情語辞書に登録されている特徴語に対し当該感情指数が付与される。

本発明の第４の局面は、本発明の第３の局面において、
前記指示入力ステップは、前記抽出された特徴語が前記付与された感情指数とともに前記表示ステップにより表示されているときに、前記感情指数の範囲の変更を指定する指示を受け付けるステップを更に含む。

本発明の第５の局面は、本発明の第１から第４の局面のいずれかにおいて、
前記対象文書として指定された前記複数の文書のそれぞれにつき、前記特徴語抽出ステップにより当該文書から抽出された特徴語のうち前記感情指数取得ステップにより感情指数を付与された特徴語に基づき当該文書の感情指数を文書感情指数として算出する文書感情指数算出ステップを更に備え、
前記表示ステップでは、前記文書感情指数算出ステップにより算出された前記文書感情指数を示す表示が行われる。

本発明の第６の局面は、複数の文書間で感情極性の傾向を比較するためのテキストマイニングプログラムであって、
感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力ステップと、
前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出ステップと、
前記特徴語抽出ステップにより抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得ステップと、
前記対象文書として指定された前記複数の文書につき、前記特徴語抽出ステップにより抽出された特徴語を前記感情指数取得ステップにより付与された感情指数とともに表示する表示ステップとをコンピュータにＣＰＵがメモリを利用して実行させる。

本発明の第７の局面は、複数の文書間で感情極性の傾向を比較するためのテキストマイニング装置であって、
感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力部と、
前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出部と、
前記特徴語抽出部により抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得部と、
前記対象文書として指定された前記複数の文書につき、前記特徴語抽出部により抽出された特徴語を前記感情指数取得部により付与された感情指数とともに表示する表示部と
を備える。

本発明の他の局面は、本発明の上記局面ならびに後述の実施形態およびその変形例に関する説明から明らかであるので、その説明を省略する。

上記第１、第６または第７の局面によれば、対象文書として指定された複数の文書のそれぞれにつき特徴語が抽出され、抽出された特徴語である対象特徴語のうち、感情語辞書に感情語として登録されている特徴語に対し、その感情語辞書でその特徴語に与えられている感情指数が付与される。このようにして当該複数の文書につき、対象特徴語とそれらに含まれる感情語に付与された感情指数とが、当該複数の文書に対する感情的傾向分析の結果として表示される。このような表示により、感情的傾向を比較すべき複数の文書において感情極性が弱い特徴語が含まれている場合であっても、抽出された特徴語とともにそれらに付与されている感情指数を見ることにより、当該複数の文書間でそれらの感情的傾向を的確に把握することができる。

上記第２の局面によれば、対象文書としての複数の文書のそれぞれから抽出すべき特徴語の範囲を指定できるので、より特徴的な単語のみを対象特徴語として抽出することで、従来に比べ、少ない計算量で上記複数の文書のそれぞれの特徴を反映した感情的傾向を上記複数の文書間で比較できる。また、上記複数の文書のうち或る文書において他の文書に比べより多く出現している特徴的な感情語が過小評価されるという問題も回避できる。

上記第３の局面によれば、対象文書としての複数の文書のそれぞれから抽出される特徴語である対象特徴語に付与される感情指数の範囲を指定することで、感情極性の弱い特徴語を含む複数の文書間でそれらの感情的傾向を的確に比較することができる。

上記第４の局面によれば、上記のように抽出された特徴語が上記のように付与された感情指数とともに対象文書としての複数の文書に対する感情的傾向分析の結果として表示されているときに、感情指数の範囲の変更を指定する指示を受け付けると、変更後の感情指数の範囲に基づき、上記複数の文書のそれぞれにつき特徴語が対象特徴語として抽出され、当該対象特徴語のうち感情語辞書に感情語として登録されている特徴語に対し感情指数が付与され、その後、上記複数の文書につき、対象特徴語とそれらに含まれる感情語に付与された感情指数とが上記複数の文書に対する感情的傾向分析の結果として表示される。これにより利用者は、上記複数の文書に対する感情的傾向分析の結果を一旦表示させた後に、その表示を見ながら感情指数の指定範囲を調整することで、上記複数の文書の感情的傾向をさらに的確に比較することができる。

上記第５の局面によれば、対象文書としての複数の文書のそれぞれにつき、感情指数を付与された対象特徴語に基づき文書感情指数が算出されるので、上記複数の文書間でそれらの特徴語に付与された感情指数を比較することに加えて、上記複数の文書間で文書感情指数を比較することができる。これにより、上記複数の文書の感情的傾向をより的確かつ容易に比較することができる。

本発明の他の局面の効果については、本発明の上記局面の効果ならびに下記実施形態およびその変形例の効果についての説明から明らかであるので、説明を省略する。

本発明の一実施形態に係るテキストマイニング装置の構成を示すブロック図である。 上記一実施形態に係るテキストマイニング装置として動作するコンピュータの構成を示すブロック図である。 感情指数付き感情語辞書を説明するための図である。 上記一実施形態に係るテキストマイニング装置としてコンピュータが動作するために実行される感情的傾向分析処理の手順を示すフローチャートである。 上記一実施形態に係るテキストマイニング装置における操作画面を示す図である。 上記一実施形態における特徴語の抽出を説明するための図である。 上記一実施形態において対象文書のそれぞれにつき抽出された特徴語の感情的傾向を示す表示例の図である。 上記一実施形態に係るテキストマイニング装置における感情的傾向分析の結果を表す表示例を示す図である。

以下、図面を参照して、本発明の一実施形態に係るテキストマイニング装置について説明する。このテキストマイニング装置は、複数の文書間で感情的傾向（感情極性の傾向）を比較するためのテキストマイニング方法を実施するための装置であり、後述のテキストマイニングプログラムをコンピュータが実行することにより実現される。なお以下において、「感情極性」とは、文書において肯定的な意見が述べられているか否定的な意見が述べられているかを示す情報をいう。

＜１．テキストマイニング装置の機能的構成＞
図１は、本実施形態に係るテキストマイニング装置１０の機能的構成を示すブロック図である。このテキストマイニング装置１０は、指示入力部および表示部として機能するＧＵＩ部１１と、テキストデータ記憶部１２と、特徴語抽出部１３と、感情指数付き感情語辞書を記憶している辞書記憶部１４と、特徴語感情指数取得部１５と、文書感情指数算出部１６と、表示データ処理部１７とを備えている。なお、このテキストマイニング装置１０は、テキストデータ記憶部１２および辞書記憶部１４の一方または双方を備えず、外部の記憶部に記憶されたテキストデータおよび感情指数付き感情語辞書の一方または双方ををネットワークを介して利用するように構成されていてもよい。

本実施形態では、感情的傾向を比較すべき複数の文書からなる対象文書を含む多数の文書のテキストデータがテキストデータ記憶部１２に予め記憶されているものとする。対象文書の指定等、感情的傾向分析処理を行うときには、そのための利用者の指示（対象文書の指定等）がＧＵＩ部１１により受け付けられる。この指示に基づき、特徴語抽出部１３は、まず、対象文書として指定された複数の文書のテキストデータをテキストデータ記憶部１２から読み出し、当該複数の文書のそれぞれに含まれる特徴語を抽出する。特徴語感情指数取得部１５は、抽出された特徴語である対象特徴語のうち、辞書記憶部１４における感情指数付き感情語辞書に感情語として登録されている特徴語に対し、当該感情語辞書において当該特徴語に与えられている感情指数を付与する。なお、この感情指数は、感情極性の強度を示す数値であり、後述の文書感情指数と区別すべき場合には「単語感情指数」と呼ぶものとする。文書感情指数算出部１６は、このようにして感情指数の付与された特徴語を用いて後述の式により当該複数の文書のそれぞれにつき感情指数（文書感情指数）を算出する。このようにして、対象文書として指定された複数の文書のそれぞれにつき、対象特徴語とそれらに含まれる感情語に付与された感情指数（単語感情指数）と文書感情指数とが得られる。表示データ処理部１７は、これらの対象特徴語、単語感情指数、および、文書感情指数を当該複数の文書間で比較可能に表示するための表示データを生成する。ＧＵＩ部１１は、表示部として、この表示データに基づき当該複数の文書の感情的傾向を比較するための表示を行う。これは、対象文書に対する感情的傾向分析の結果を示すものである。利用者は、この表示を見て、対象文書としての複数の文書間での感情的傾向の相違を把握することができ、また、必要に応じて、指示入力部としてのＧＵＩ部１１に対して特徴語に付与すべき感情指数の範囲を絞り、再度、上記のような感情的傾向分析を行うことができる。

＜２．テキストマイニング装置のハードウェア構成＞
図２は、本実施形態において後述のテキストマイニングプログラムによりテキストマイニング装置１０として動作するコンピュータ２０の構成、すなわわち、本実施形態に係るテキストマイニング装置１０のハードウェア構成を示すブロック図である。図２に示すコンピュータ２０は、ＣＰＵ２１、メインメモリ２２、補助記憶装置２３、入力操作部２４、表示装置２５、通信インターフェース装置２６、および、記録媒体読取装置２７を備えている。メインメモリ２２には、例えばＤＲＡＭが使用される。補助記憶装置２３には、例えばハードディスクやソリッドステートドライブが使用される。入力操作部２４には、例えばキーボード２８やマウス２９が含まれる。表示装置２５には、例えば液晶ディスプレイが使用される。通信インターフェース装置２６は、有線通信または無線通信のインターフェース回路である。記録媒体読取装置２７は、プログラムなどを記憶した記録媒体３０のインターフェース回路である。記録媒体３０には、例えば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＵＳＢメモリなどの非一過性の記録媒体が使用される。

上記のように構成されたコンピュータ２０において、補助記憶装置２３は、本実施形態に係るテキストマイニングプログラム３１に加えて、対象文書のテキストデータ３２と感情指数付き感情語辞書である感情語辞書３４とを記憶し、これによりテキストデータ記憶部１２および辞書記憶部１４が実現される。テキストマイニングプログラム３１とテキストデータ３２は、例えば、サーバや他のコンピュータから通信インターフェース装置２６を用いて受信したものでもよく、記録媒体３０から記録媒体読取装置２７を用いて読み出したものでもよい。また、感情語辞書３４は、サーバや他のコンピュータに格納されていてもよく、この場合、テキストマイニング装置１０として動作するコンピュータ２０は、ネットワークおよび通信インターフェース装置２６を介して感情語辞書３４を利用することになる。

コンピュータ２０においてテキストマイニングプログラム３１を実行するときには、テキストマイニングプログラム３１とテキストデータ３２がメインメモリ２２にロードされる。ＣＰＵ２１は、メインメモリ２２を作業用メモリとして利用して、メインメモリ２２に記憶されたテキストマイニングプログラム３１を実行することにより、対象文書に対して感情的傾向分析処理を行う。この感情的傾向分析処理では、対象文書として指定された複数の文書のそれぞれにつき、特徴語の抽出や、特徴語の感情指数の取得、文書感情指数の算出等が行われる（詳細は後述）。ＣＰＵ２１が感情的傾向分析処理を行うとき、コンピュータ２０はテキストマイニング装置１０として機能する。なお、以上に述べたコンピュータ２０の構成は一例に過ぎず、種々のコンピュータを用いてテキストマイニング装置１０を実現することができる。

＜３．感情指数付き感情語辞書＞
上記の感情的傾向分析処理では、補助記憶装置２３に格納されている感情指数付き感情語辞書である感情語辞書３４が使用される。図３は、本実施形態において使用される感情指数付き感情語辞書を説明するための図である。この感情語辞書では、肯定的か否定的かという感情極性を示す単語が感情語として収集されて登録されており、さらに、登録されている各感情語に対し、その感情極性の強度を示す数値が感情指数として示されている。この感情指数は、－１．００から＋１．００の範囲内の数値であり、肯定的な感情語には正の数値が、否定的な感情語には負の数値がそれぞれ与えられる。例えば図３に示すように、強い肯定的な意味を持つ「優良」という単語（感情語）には感情指数として＋１．００が与えられ、強い否定的な意味を持つ「凶悪」という単語（感情語）には感情指数として－１．００が与えられる。感情指数付き感情語辞書の作成方法としては、単語をベクトル化（数値化）したうえで既知の感情語との類似度を計算する等、幾つかの方法が知られている。本実施形態では、既知のいずれかの方法により作成された情指数付き感情語辞書のデータが感情語辞書３４として補助記憶装置２３に予め記憶されている。

＜４．感情的傾向分析処理＞
上記のように、コンピュータ２０においてＣＰＵ２１がテキストマイニングプログラム３１を実行することにより対象文書に対して感情的傾向分析処理が行われる。図４は、この感情的傾向分析処理の手順を示すフローチャートである。本実施形態では、ＣＰＵ２１がテキストマイニングプログラム３１を実行することにより、コンピュータ２０は図４に示すように動作する。

まず、対象文書、特徴語の範囲、および、感情指数（単語感情指数）の範囲を指定するための指示を受け付ける（ステップＳ１０）。具体的には、表示装置２５に例えば図５に示すような操作画面を表示し、利用者がこの操作画面に対し、入力操作部２４におけるキーボード２８やマウス２９を使用して、対象文書、特徴語の範囲、および、感情指数の範囲を指定する操作を行い、操作画面における“ＯＫ”のボタン２６０をクリックする。これにより、テキストマイニング装置１０としてのコンピュータ２０は、指定された対象文書、特徴語の範囲、および、感情指数の範囲を示す入力情報を受け取る。図５に示す例では、第１摘まみ２５１と第２摘まみ２５２とを有するスライダー２５０を操作することにより、感情指数の範囲を指定することができる。すなわち、スライダー２５０における第１摘まみ２５１および第２摘まみ２５２の位置を設定することにより、“－１．００”から第１摘まみ２５１の位置が示す負値までの否定的感情指数の範囲（負の感情指数の範囲）と第２摘まみ２５２の位置が示す正値から“＋１．００”までの肯定的感情指数の範囲（正の感情指数の範囲）とからなる２つの範囲を感情指数の指定範囲とすることができる。なお、対象文書としては、感情的傾向を比較すべき複数の文書が指定される。ここでは、或る製品の機種Ａ、機種Ｂ、および機種Ｃのレビュー文書（当該製品の各機種につき利用者の感想や批評、意見などを記載した文書）が対象文書として指定されたものとして以下の説明を行う。

上記ステップＳ１０において、特徴語の範囲の指定は、対象文書として指定された各文書から特徴語を抽出する際に各単語の特徴度を示す数値が使用されることを前提としている（詳細は後述）。特徴語の範囲の指定は、対象文書として指定された各文書において特徴度の大きい単語から順に幾つの単語を特徴語として抽出するかを指定することにより行われる。

このようにして、対象文書、特徴語の範囲、および、感情指数の範囲を指定する指示を受け付けた後、まず、対象文書として指定された複数の文書のテキストデータ３２を補助記憶装置２３からメインメモリ２２に読み込む（ステップＳ１２）。次に、このテキストデータ３２を用いて、指定された範囲内の特徴語を対象文書としての複数の文書のそれぞれから対象特徴語として抽出する（ステップＳ１４）。

図６は、或る製品の機種Ａ、機種Ｂ、および機種Ｃのレビュー文書が対象文書として指定され、特徴度の大きい順から上位１０個が特徴語の範囲として指定された場合における特徴語の抽出例を示している。図６では、機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のそれぞれにつき、特徴度の大きい順から１０個の特徴語がそれらの特徴度を示す数値とともに示されている。

図６に示す例では、単語の特徴度を示す数値としてジャッカード係数（Jaccard係数）が使用されている。対象文書としての機種Ａ、機種Ｂ、および機種Ｃのレビュー文書をそれぞれ符号Ｄａ，Ｄｂ，Ｄｃで示すものとすると、文書Ｄｘにおける単語ｗのジャッカード係数Ｊｘｗは、下記（ｐ１）～（ｐ４）の手順により算出される（ｘ＝ａ，ｂ，ｃ）。
（ｐ１）文書Ｄａ，Ｄｂ，Ｄｃに含まれる全ての文（sentence）のうち単語ｗを含む文の数Ｎｗを求める。
（ｐ２）文書Ｄｘに含まれる文の数Ｎｘを求める。
（ｐ３）文書Ｄｘに含まれる文のうち単語ｗを含む文の数Ｎｘｗを求める。
（ｐ４）文書Ｄｘにおける単語ｗのジャッカード係数Ｊｘｗを下記式により求める。
Ｊｘｗ＝Ｎｘｗ／（Ｎｗ＋Ｎｘ－Ｎｘｗ） …（１）

一般的には、対象文書として複数の文書Ｄ１，Ｄ２，…，Ｄｎが指定された場合、これらのうち文書Ｄｋ（１≦ｋ≦ｎ）における単語ｗのジャッカード係数Ｊｋｗは下記式により表される。
Ｊｋｗ＝｜Ｓｗ∩Ｓｋ｜／｜Ｓｗ∪Ｓｋ｜ …（２）
ここで、Ｓｗは、文書Ｄ１，Ｄ２，…，Ｄｎに含まれる全ての文のうち単語ｗを含む文を要素とする集合を示し、Ｓｋは、文書Ｄｋに含まれる全ての文を要素とする集合を示す。

対象文書としての複数の文書Ｄ１，Ｄ２，…，Ｄｎのうち文書Ｄｋ（１≦ｋ≦ｎ）における単語の特徴度を示す数値として、このようなジャッカード係数の代わりに、文書Ｄｋにおいて当該単語を含む文の数（以下「文書内出現数」という）を使用することが考えられる。この文書内出現数を使用すると下記のような不都合が生じる。すなわち、文書Ｄ１，Ｄ２，…，Ｄｎのいずれにおいても多く出現する単語ｗｐは、いずれの文書Ｄｋ（１≦ｋ≦ｎ）においても特徴度が高いとは言えないが、文書内出現数は大きい。また、或る文書Ｄｋ（１≦ｋ≦ｎ）に含まれるが他の文書Ｄｊ（ｊ≠ｋかつ１≦ｊ≦ｎ）ではほぼ皆無である単語ｗｑは、文書Ｄｋにおいて当該単語ｗｑを含む文の数（文書内出現数）が大きいものでなくても特徴度が高いとされる場合があるが、この文書内出現数が或る程度以上小さければ文書Ｄｋにおける特徴語とは言えない。これに対し、ジャッカード係数を使用する場合には、文書Ｄｋにおいてこれら２つの単語ｗｐ，ｗｑにつき上記式（２）により算出されるジャッカード係数は十分に小さくなり、これら２つの単語ｗｐ，ｗｑはいずれも特徴語として抽出されない。

上記のようにして対象文書としての複数の文書のそれぞれから対象特徴語が抽出されると、次に、対象文書のうち未着目のいずれか１つの文書に着目する（ステップＳ１５）。なお、感情的傾向分析処理の開始後、最初にステップＳ１５が実行されるときには、対象文書として指定された複数の文書はいずれも未着目状態である。上記のように、或る製品の機種Ａ、機種Ｂ、および機種Ｃのレビュー文書が対象文書として指定された場合、機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のうちいずれか１つが着目文書となる。

次に、着目文書において抽出された特徴語である対象特徴語のそれぞれを感情指数付き感情語辞書３４で検索し、当該対象特徴語のうち、感情語辞書３４において指定範囲内の感情指数を有する単語（感情語）として登録されている特徴語に対し、その感情指数を付与する（ステップＳ１６）。図７は、対象文書として指定された機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のそれぞれから抽出された特徴語の感情的傾向の表示例を示している。これは説明の便宜のための表示例であり、後述の図８に示す実際の表示例の主要部を構成する。この表示例では、感情指数を付与された特徴語には、当該特徴語が肯定的か否定的か（付与された感情指数が正か負か）によって色が異なり当該特徴語に付与された感情指数に応じた濃度を有する背景色が付されている。例えば、肯定的な特徴語には、その感情指数に応じた濃度の青の背景色が付され、否定的な特徴語には、その感情指数に応じた濃度の赤の背景色が付される。上記のように機種Ａのレビュー文書が着目文書であるときには、図７において“機種Ａ”について示される特徴語の背景色が、感情語辞書３４に基づき付与された感情指数を示している。対象特徴語のうち感情語辞書３４に登録されていない特徴語には背景色は付されない。

次に、注目文書から抽出された対象特徴語のうち感情指数を付与された特徴語に基づき着目文書の感情指数を求める（ステップＳ１８）。すなわち、着目文書の感情指数である文書感情指数Ｃｔｘを下記式により算出する。
Ｃｔｘ＝（Ｎａｆ－Ｎｎｇ）／（Ｎａｆ＋Ｎｎｇ） …（３）
ここで、Ｎａｆは、着目文書から抽出された特徴語のうち正の感情指数を付与された特徴語の個数、すなわち着目文書における肯定的な特徴語の出現数である。Ｎｎｇは、着目文書から抽出された特徴語のうち負の感情指数を付与された特徴語の個数、すなわち着目文書における否定的な特徴語の出現数である。上記式（３）からわかるように、文書感情指数Ｃｔｘは－１から＋１までの範囲の値をとる。

その後、対象文書に未着目の文書が含まれているか否かを判定し（ステップＳ２０）、未着目の文書が含まれている場合にはステップＳ１５へ戻る。以降、対象文書に未着目の文書が含まれなくなるまでステップＳ１５～Ｓ２０を繰り返し実行し、ステップＳ２０において対象文書に未着目の文書が含まれていないと判定されると、ステップＳ２２へ進む。既述のように、或る製品の機種Ａ、機種Ｂ、および機種Ｃのレビュー文書が対象文書として指定されたとすると、機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のそれぞれにつきステップＳ１５～Ｓ２０が実行され、その後、ステップＳ２２へ進む。

ステップＳ２２へ進んだ時点では、対象文書として指定された機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のそれぞれにつき、指定範囲内の特徴語が対象特徴語として抽出され（図６参照）、対象特徴語のうち感情語辞書３４において指定範囲内の感情指数を有する感情語として登録されている特徴語に対しその感情指数が付与され（図７参照）、感情指数を付与された対象特徴語に基づき文書感情指数Ｃｔｘが算出されている。ステップＳ２２では、このようにして対象文書としての複数の文書につき得られた対象特徴語とそれらに含まれる感情語に付与された感情指数と文書感情指数Ｃｔｘとを当該複数の文書間で比較可能に表示するための表示用データを生成する（ステップＳ２２）。すなわち、対象文書としての機種Ａ、機種Ｂ、および機種Ｃのレビュー文書のそれぞれにつき得られた対象特徴語とそれらに含まれる感情語に付与された感情指数と文書感情指数Ｃｔｘとに基づき、それらのレビュー文書の感情的傾向を比較するための表示用データを生成する。

次に、このようにして生成された表示用データを用いて、対象文書として指定された複数の文書の感情的傾向を比較可能に表示装置２５に表示する（ステップＳ２４）。これは、対象文書に対する感情的傾向分析の結果を示すものである。例えば、機種Ａ、機種Ｂ、および機種Ｃのレビュー文書から構成される対象文書に対する感情的傾向分析の結果として図８に示すような表示を行う。図８の表示例では、感情指数（単語感情指数）を付与された対象特徴語には、その感情指数に応じた色および濃度の背景色が付されており、これに加えて、対象文書として指定された文書の名称を示す「機種Ａ」、「機種Ｂ」、および「機種Ｃ」のそれぞれにも、その文書感情指数Ｃｔｘに対応する色および濃度の背景色が付されている。さらに当該表示例では、ステップＳ１０において感情指数の範囲を指定するために表示されるスライダー２５０（図５参照）と同じスライダー２５０が対象文書に対する感情的傾向分析の結果とともに表示されている。

図８に示すスライダー２５０も利用者によってマウス２９を用いて操作可能に構成されている。利用者は、図８に示すような対象文書に対する感情的傾向分析の結果の表示を見て、このスライダー２５０を操作することにより、対象文書から抽出すべき特徴語の感情指数の範囲を変更することができる。すなわち、コンピュータ２０は、対象文書に対する感情的傾向分析の結果の表示中において、このスライダー２５０が操作されるまで待機しており（ステップＳ２６）、このスライダー２５０が利用者によって操作されると、対象文書として指定された全ての文書（機種Ａ、機種Ｂ、および機種Ｃのレビュー文書の全て）を未着目状態に戻し（ステップＳ２８）、ステップＳ１２へ戻る。

以降、感情指数の指定範囲が変更された状態で、上記と同様にして、対象文書として指定された複数の文書（ここでは機種Ａ、機種Ｂ、および機種Ｃのレビュー文書）のそれぞれにつきステップＳ１５～Ｓ２０が実行され、その後、ステップＳ２２へ進む。この後、ステップＳ２２およびＳ２４が実行された時点では、感情指数の変更後の指定範囲についての対象文書に対する感情的傾向分析の結果が図８に示す形態と同様の形態で表示される。コンピュータ２０は、上記と同様、この表示状態においてスライダー２５０が操作されるまで待機する。この待機中において、スライダー２５０の操作により感情指数の範囲が更に変更されると、ステップＳ１２へ戻り、上記と同様の処理が行われる。なお、この待機中において、割り込み処理により終了指示が受け取ると、図４に示す感情的傾向分析処理を終了する。

以上の説明からわかるように、本実施形態では、入力操作部２４および表示装置２５に関する処理を行うステップＳ１０，Ｓ２４，Ｓ２６により指示入力部および表示部としてのＧＵＩ部１１が実現され、ステップＳ１４により特徴語抽出部１３が実現され、ステップＳ１６により特徴語感情指数取得部１５が実現され、ステップＳ１８により文書感情指数算出部１６が実現される。

＜５．効果＞
上記のような本実施形態によれば、感情的傾向を比較すべき複数の文書（対象文書）のそれぞれにつき特徴語が抽出され、抽出された特徴語である対象特徴語のうち、感情語辞書３４に感情語として登録されている特徴語に対し、その感情語辞書３４でその特徴語に与えられている感情指数が付与される。このようにして当該複数の文書のそれぞれにつき、対象特徴語とそれらに含まれる感情語に付与された感情指数とが、対象文書として指定された当該複数の文書に対する感情的傾向分析の結果として表示される。このような表示により（図４のステップＳ２２，Ｓ２４、図７、図８参照）、感情的傾向を比較すべき複数の文書において感情極性が弱い特徴語が含まれている場合であっても、抽出された特徴語とともにそれらに付与されている感情指数である－１から＋１までの範囲の数値を見ることにより、当該複数の文書間でそれらの感情的傾向を的確に把握することができる。

また、本実施形態によれば、上記複数の文書のそれぞれから抽出される特徴語である対象特徴語に付与される感情指数の範囲を指定できる（図４のステップＳ１０、図５参照）。すなわち、図５に示すスライダー２５０を操作することにより、既述のように否定的感情指数の範囲と肯定的感情指数の範囲とからなる２つの範囲を感情指数の指定範囲とし、対象特徴語のうち感情極性の弱い中立的な特徴語には感情指数を付与しないようにすることができる。これにより、感情極性の弱い特徴語を含む複数の文書間でそれらの感情的傾向を的確に比較することができる。本実施形態では、上記複数の文書のそれぞれにつき、指定された範囲内の感情指数を付与された対象特徴語に基づき既述の式（３）により文書感情指数Ｃｔｘが算出されるので（図４のステップＳ１６参照）、上記複数の文書間でそれらの特徴語に付与された感情指数を比較することに加えて、上記複数の文書間で文書感情指数Ｃｔｘを比較することができる（図８参照）。これにより、複数の文書の感情的傾向をより的確かつ容易に比較することができる。

さらに、本実施形態によれば、対象文書としての複数の文書のそれぞれから抽出すべき特徴語の範囲を指定できるので（図４のステップＳ１０，Ｓ１４、図５参照）、より特徴的な単語のみ（例えば特徴度の大きい順から上位１０個の単語）を対象特徴語として抽出することで、従来に比べ、少ない計算量で上記複数の文書のそれぞれの特徴を反映した感情的傾向を上記複数の文書間で比較できる。また、上記複数の文書のうち或る文書において他の文書に比べより多く出現している特徴的な感情語が過小評価されるという問題も回避できる。

さらにまた、本実施形態によれば、上記複数の文書に対する感情的傾向分析の結果を示す表示装置２５には感情指数の範囲を指定するためのスライダー２５０も表示されるので（図８）、利用者は当該感情的傾向の分析結果を見て感情指数の範囲を変更し、変更後の感情指数の範囲に基づき上記複数の文書に対する感情的傾向分析の結果を表示させることができる（図４のステップＳ２６→Ｓ２８→Ｓ１５→…→Ｓ２４）。これにより、利用者は、上記複数の文書に対する感情的傾向分析の結果を一旦表示させた後に、その表示を見ながら感情指数の指定範囲を調整することで、上記複数の文書の感情的傾向をさらに的確に比較することができる。

＜６．変形例＞
本発明は上記実施形態に限定されるものではなく、本発明の範囲を逸脱しない限りにおいて種々の変形を施すことができる。

例えば上記実施形態では、感情的傾向を比較すべき対象文書として指定された複数の文書のそれぞれから特徴語を抽出する際に、対象文書から抽出すべき特徴語の範囲が特徴度を示す数値としてのジャッカード係数の範囲（最小値および最大値）によって指定されるが、ジャッカード係数（Jaccard係数）に限定されず、特徴語の特徴度を示す他の数値を用いて特徴語の範囲を指定してもよい。例えば、ジャッカード係数に代えてダイス係数（Dice係数）またはシンプソン係数（Simpson係数）を使用してもよく、また、ＴＦ－ＩＤＦ（Term Frequency - Inverse Document Frequency）手法に基づく特徴度を示す数値によって、抽出すべき特徴語の範囲を指定してもよい。

また上記実施形態では、対象文書として指定された複数の文書に対する感情的傾向分析の結果の表示では、図８に示すように、当該複数の文書のそれぞれにつき抽出された特徴語とそれらの特徴度を示す数値を示すとともに、特徴語の感情指数（単語感情指数）および文書の感情指数（文書感情指数）Ｃｔｘがその感情指数に対応する色および濃度の背景色によって示される。しかし、当該感情的傾向分析の結果の表示形態は、これに限定されるものではなく、特徴語の感情指数や文書の感情指数を数値または棒グラフ等の他の形態で表示してもよい。

１０…テキストマイニング装置
１１…ＧＵＩ部
１２…テキストデータ記憶部
１３…特徴語抽出部
１４…辞書記憶部
１５…特徴語感情指数取得部
１６…文書感情指数算出部
１７…表示データ処理部
２０…コンピュータ
２１…ＣＰＵ
２２…メインメモリ
２３…補助記憶装置
２４…入力操作部
２５…表示装置
３０…記録媒体
３１…テキストマイニングプログラム
３２…テキストデータ
３４…感情語辞書
２５０…スライダー

Claims (18)

1. 複数の文書間で感情極性の傾向を比較するためのテキストマイニング方法であって、
   感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力ステップと、
   前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出ステップと、
   前記特徴語抽出ステップにより抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得ステップと、
   前記対象文書として指定された前記複数の文書につき、前記特徴語抽出ステップにより抽出された特徴語を前記感情指数取得ステップにより付与された感情指数とともに表示する表示ステップと
   を備える、テキストマイニング方法。
2. 前記指示入力ステップは、前記対象文書から抽出すべき特徴語の範囲を指定する指示を受け付けるステップを更に含み、
   前記特徴語抽出ステップでは、前記指示入力ステップで指定される範囲内の特徴語が抽出される、請求項１に記載のテキストマイニング方法。
3. 前記指示入力ステップは、感情極性の強さを示す指数である感情指数の範囲を指定する指示を受け付けるステップを更に含み、
   前記感情指数取得ステップでは、前記特徴語抽出ステップにより抽出された特徴語のうち前記指示入力ステップで指定された範囲内の感情指数を与えられた単語として前記感情語辞書に登録されている特徴語に対し当該感情指数が付与される、請求項１または２に記載のテキストマイニング方法。
4. 前記指示入力ステップは、前記抽出された特徴語が前記付与された感情指数とともに前記表示ステップにより表示されているときに、前記感情指数の範囲の変更を指定する指示を受け付けるステップを更に含む、請求項３に記載のテキストマイニング方法。
5. 前記対象文書として指定された前記複数の文書のそれぞれにつき、前記特徴語抽出ステップにより当該文書から抽出された特徴語のうち前記感情指数取得ステップにより感情指数を付与された特徴語に基づき当該文書の感情指数を文書感情指数として算出する文書感情指数算出ステップを更に備え、
   前記表示ステップでは、前記文書感情指数算出ステップにより算出された前記文書感情指数を示す表示が行われる、請求項１から４までのいずれか１項に記載のテキストマイニング方法。
6. 前記文書感情指数算出ステップでは、前記対象文書として指定された前記複数の文書のそれぞれにつき前記文書感情指数Ｃｔｘが下記式により算出される、請求項５に記載のテキストマイニング方法：
   Ｃｔｘ＝（Ｎａｆ－Ｎｎｇ）／（Ｎａｆ＋Ｎｎｇ）
   ここで、Ｎａｆは当該文書における肯定的な特徴語の出現数であり、Ｎｎｇは当該文書における否定的な特徴語の出現数である。
7. 前記表示ステップでは、前記対象文書として指定された前記複数の文書のそれぞれの名称は、当該文書の前記感情指数が肯定的か否定的かによって色が異なる背景色であって当該文書の前記感情指数に応じた濃度を有する背景色を付して表示される、請求項５または６に記載のテキストマイニング方法。
8. 前記表示ステップでは、前記感情指数取得ステップにより感情指数を付与された特徴語は、当該特徴語の感情指数が肯定的か否定的かによって色が異なる背景色であって当該特徴語の感情指数に応じた濃度を有する背景色を付されて表示される、請求項１から７のいずれか１項に記載のテキストマイニング方法。
9. 複数の文書間で感情極性の傾向を比較するためのテキストマイニングプログラムであって、
   感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力ステップと、
   前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出ステップと、
   前記特徴語抽出ステップにより抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得ステップと、
   前記対象文書として指定された前記複数の文書につき、前記特徴語抽出ステップにより抽出された特徴語を前記感情指数取得ステップにより付与された感情指数とともに表示する表示ステップと
   をコンピュータにＣＰＵがメモリを利用して実行させる、テキストマイニングプログラム。
10. 前記指示入力ステップは、前記対象文書から抽出すべき特徴語の範囲を指定する指示を受け付けるステップを更に含み、
    前記特徴語抽出ステップでは、前記指示入力ステップで指定される範囲内の特徴語が抽出される、請求項９に記載のテキストマイニングプログラム。
11. 前記指示入力ステップは、感情極性の強さを示す指数である感情指数の範囲を指定する指示を受け付けるステップを更に含み、
    前記感情指数取得ステップでは、前記特徴語抽出ステップにより抽出された特徴語のうち前記指示入力ステップで指定された範囲内の感情指数を与えられた単語として前記感情語辞書に登録されている特徴語に対し当該感情指数が付与される、請求項９または１０に記載のテキストマイニングプログラム。
12. 前記指示入力ステップは、前記抽出された特徴語が前記付与された感情指数とともに前記表示ステップにより表示されているときに、前記感情指数の範囲の変更を指定する指示を受け付けるステップを更に含む、請求項１１に記載のテキストマイニングプログラム。
13. 前記対象文書として指定された前記複数の文書のそれぞれにつき、前記特徴語抽出ステップにより当該文書から抽出された特徴語のうち前記感情指数取得ステップにより感情指数を付与された特徴語に基づき当該文書の感情指数を文書感情指数として算出する文書感情指数算出ステップを更に備え、
    前記表示ステップでは、前記文書感情指数算出ステップにより算出された前記文書感情指数を示す表示が行われる、請求項９から１２までのいずれか１項に記載のテキストマイニングプログラム
14. 複数の文書間で感情極性の傾向を比較するためのテキストマイニング装置であって、
    感情極性の傾向を比較すべき複数の文書を対象文書として指定する指示を受け付ける指示入力部と、
    前記対象文書として指定された前記複数の文書のテキストデータに基づき、前記複数の文書のそれぞれから特徴語を抽出する特徴語抽出部と、
    前記特徴語抽出部により抽出された特徴語のうち所定の感情語辞書に登録されている特徴語に対し、当該感情語辞書において感情極性の強さを示す数値として当該特徴語に与えられている感情指数を付与する感情指数取得部と、
    前記対象文書として指定された前記複数の文書につき、前記特徴語抽出部により抽出された特徴語を前記感情指数取得部により付与された感情指数とともに表示する表示部と
    を備える、テキストマイニング装置。
15. 前記指示入力部は、前記対象文書から抽出すべき特徴語の範囲を指定する指示を更に受け付け、
    前記特徴語抽出部は、前記指示入力部により指定される範囲内の特徴語を抽出する、請求項１４に記載のテキストマイニング装置。
16. 前記指示入力部は、感情極性の強さを示す指数である感情指数の範囲を指定する指示を更に受け付け、
    前記感情指数取得部は、前記特徴語抽出部により抽出された特徴語のうち前記指示入力部により指定された範囲内の感情指数を与えられた単語として前記感情語辞書に登録されている特徴語に対し当該感情指数を付与する、請求項１４または１５に記載のテキストマイニング装置。
17. 前記指示入力部は、前記抽出された特徴語が前記付与された感情指数とともに前記表示部により表示されているときに、前記感情指数の範囲の変更を指定する指示を更に受け付ける、請求項１６に記載のテキストマイニング装置。
18. 前記対象文書として指定された前記複数の文書のそれぞれにつき、前記特徴語抽出部により当該文書から抽出された特徴語のうち前記感情指数取得部により感情指数を付与された特徴語に基づき当該文書の感情指数を文書感情指数として算出する文書感情指数算出部を更に備え、
    前記表示部は、前記文書感情指数算出部により算出された前記文書感情指数を示す表示を行う、請求項１４から１７までのいずれか１項に記載のテキストマイニング装置。

Images