JP4129987B2 - テキスト・ドキュメントから表出されたオピニオンの分析方法、システム及びプログラム - Google Patents

Description

本発明は、テキスト・ドキュメントからのオピニオンの抽出およびグループ化に関する。より詳細に述べれば、本発明は、関心のあるトピックに関係するオピニオンを表出するフレーズの抽出およびグループ化を行うためのテキスト・ドキュメントの自然言語処理に関係する。

この数年にわたってワールド・ワイド・ウェブ（ＷＷＷ）上におけるオンライン討議グループおよびレビュー・サイトが急激に伸びている。消費者指向フォーラムへの『投稿』の内容は、概して、その投稿の中に表出されているオピニオンに関連する。個人、グループ、もしくは組織によって著された各種のトピックについてのオピニオンは、会社がその会社の製品もしくはライバル会社の製品に対する市場の反応を調査するための貴重な資源である。

これに関して、市場の情報として貴重なものとなり得る情報には２つのタイプがある。特定の製品に対する肯定的、否定的、あるいは中立の感情を含む『話』がウェブ上にどの程度あるかに関する統計、およびその種の感情を表出するために使用されている的確なフレーズである。ここで『自動車‐モデルＤＥ』に関する仮説的な例を取り上げる。関連する統計情報は、この自動車に関するオピニオンの４０％が肯定的、２０％が否定的、残りの４０％が中立というステートメントからなるとする。一例として、肯定的な表現を『ａｎ ｅｃｏｎｏｍｉｃａｌ ｃａｒ（経済的な自動車）』および『ｓｍｏｏｔｈ ｄｒｉｖｅ（滑らかな推進力）』、否定的な表現を『ｐｏｏｒ ｐｅｒｆｏｒｍｅｒ ｏｎ ｆｒｅｅｗａｙｓ（高速道路でのパフォーマンス不足）』および『ｇｌｉｔｃｈｙ ｇｅａｒ ｂｏｘ（ギアの調子が悪い）』、中立の表現を『Ｇｅｒｍａｎ ｃａｒ（ドイツ車）』および『ｃｏｍｐａｃｔ ｃａｒ（コンパクト・カー）』とすることができる。

すべてのウェブ・ドキュメントから特定のトピックに関するオピニオンをマニュアルで追跡するタスクは面倒である。特定の製品に関係するオピニオンを探す場合に、それらが表れるかも知れない関連ドキュメントを識別することは困難なものとなり得る。このタスクは、識別済みドキュメントからオピニオンを抽出しようとするとき、さらに労働集約的なものとなる。オピニオンは、ドキュメント内に散在しており、微妙な形で表出されていることもある。

非特許文献１および非特許文献２は、それぞれ管理された分類方法を使用して関心のある所定のトピックへ向けられた所定のドキュメントの全体的な感情を決定する方法を記述している。

非特許文献１および非特許文献２は、いずれも分類のための特徴としてドキュメントから抽出されるユニグラムおよびバイグラムの使用を述べている。しかしながら、オピニオンを識別するためのドキュメント・レベルの感情の分析は、情報の損失を招く可能性がある。一例を述べれば、オンライン・レビュー・サイトからの映画「ラーンスロット・オブ・ザ・レイク（Ｌａｎｃｅｌｏｔ ｏｆ ｔｈｅ Ｌａｋｅ）」のレビューを考える。この映画について『ａ ｆａｓｃｉｎａｔｉｎｇ ｃｉｎｅｍａｔｉｃ ｅｘｐｅｒｉｅｎｃｅ ｂｏｌｄｌｙ ｍａｄｅ ｂｙ ａ ｍａｓｔｅｒ ｆｉｌｍｍａｋｅｒ（映画製作の巨匠が大胆に作り上げた魅惑の映画体験）』、『ｓｏｍｅｔｈｉｎｇ ｒａｒｅ ｉｎ ｔｈｅ ｍｏｄｅｒｎ ｃｉｎｅｍａ（最近の映画ではまれに見る傑作）』、および『ａ ｔｒｕｌｙ ｐｅｒｓｏｎａｌ ｆｉｌｍ（これこそが私の映画）』といった好意的なコメントがある。したがって、このレビューがこの映画を『よい』映画として評価していると結論づけることができるが、この方法によるドキュメントの分析は、誤りを導くことがあり、また必ずしも実際にその中に表出された見解の多様性が反映されていないこともある。

この点を例証するために述べれば、同じドキュメントは『ｎｏｎ‐ｐｒｏｆｅｓｓｉｏｎａｌ ａｃｔｏｒｓ ｗｈｏ ｒｅｃｉｔｅ ｔｈｅ ｄｉａｌｏｇｕｅ ｉｎ ｅｍｏｔｉｏｎｌｅｓｓ ｆｌａｔ ｖｏｉｃｅｓ（気持ちのこもっていない声でせりふを棒読みする素人役者）』といった俳優に関する酷評、および『ｉｓ ａ ｓｅｒｉｅｓ ｏｆ ｃｌｕｍｓｙ， ｄｉｓｊｏｉｎｔｅｄ ｆｉｇｈｔｓ ａｍｏｎｇｓｔ ａｎｏｎｙｍｏｕｓ ｋｎｉｇｈｔｓ（わけのわからない騎士の中に埋もれた不体裁で支離滅裂な戦いの羅列』といった始まりの場面に関する好意的でない意見をいくつか含んでいる。

Ｂ．パング（Ｂ．Ｐａｎｇ）、Ｌ．リー（Ｌ．Ｌｅｅ）、およびＳ．バイシアナサン（Ｓ．Ｖａｉｔｈｙａｎａｔｈａｎ）著『サムズ・アップ？ センティメント・クラシフィケーション・ユージング・マシン・ラーニング・テクニックス（Ｔｈｕｍｂｓ ｕｐ？ Ｓｅｎｔｉｍｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ）』、２００２年コンファレンス・オン・エンピリカル・メソッズ・イン・ナチュラル・ランゲージ・プロセッシング（２００２ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｅｍｐｉｒｉｃａｌ Ｍｅｔｈｏｄｓ ｉｎ Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ）（ＥＭＮＬＰ）会報、ｐ．７９‐８６ Ｐ．Ｄ．ターニー（Ｐ．Ｄ．Ｔｕｒｎｅｙ）著『サムズ・アップ・オア・サムズ・ダウン？ セマンティック・オリエンテーション・アプライド・ツー・アンスーパーバイズド・クラシフィケーション・オブ・レビューズ（Ｔｈｕｍｂｓ ｕｐ ｏｒ ｔｈｕｍｂｓ ｄｏｗｎ？ Ｓｅｍａｎｔｉｃ ｏｒｉｅｎｔａｔｉｏｎ ａｐｐｌｉｅｄ ｔｏ ｕｎｓｕｐｅｒｖｉｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｒｅｖｉｅｗｓ）』、第４０回アニュアル・ミーティング・オブ・ジ・アソシエーション・フォア・コンピュテーショナル・リングィスティックス（４０ｔｈ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃｓ）（ＡＣＬ’０２）会報、ペンシルバニア州フィラデルフィア、ｐ．４１７‐４２４ ユニバーシティ・オブ・ペンシルバニア（Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｅｎｎｓｙｌｖａｎｉａ）／コンピュータ・アンド・インフォメーション・サイエンス・デパートメント（Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ）／ＬＩＮＣラボラトリ（ＬＩＮＣ ｌａｂｏｒａｔｏｒｙ）／ペン・ツリーバンク・プロジェクト（Ｐｅｎｎ Ｔｒｅｅｂａｎｋ ｐｒｏｊｅｃｔ）［ｏｎｌｉｎｅ］インターネット＜ｈｔｔｐ：／／ｗｗｗ．ｃｉｓ．ｕｐｅｎｎ．ｅｄｕ／〜ｌｉｎｃ／ｈｏｍｅ．ｈｔｍｌ＞ ジェネラル・インクワイアラーのホーム・ページ（Ｇｅｎｅｒａｌ Ｉｎｑｕｉｒｅｒ Ｈｏｍｅ Ｐａｇｅ）［ｏｎｌｉｎｅ］インターネット＜ｈｔｔｐ：／／ｗｗｗ．ｗｊｈ．ｈａｒｖａｒｄ．ｅｄｕ／〜ｉｎｑｕｉｒｅｒ／＞ ワードネットのホーム・ページ（ＷｏｒｄＮｅｔ）［ｏｎｌｉｎｅ］インターネット＜ｈｔｔｐ：／／ｗｗｗ．ｃｏｇｓｃｉ．ｐｒｉｎｃｅｔｏｎ．ｅｄｕ／〜ｗｎ／＞

自動化された方法で本文の内容に表出された感情を評価するための改良された方法に対するニーズが存在することは明らかである。

ここでは、トピックについてのオピニオンをテキスト・ドキュメントから抽出するためのテクニックを開示する。オピニオンは、それらのセマンティック・オリエンテーションに応じてグループ化される。ここでは感情を表出しているフレーズもしくは特定の内包を有しているフレーズを『オピニオン』と呼ぶ。オピニオンが関係するトピックは、たとえば商品から映画、さらには政治的な事象まで広範にわたることができる。オピニオンが抽出されるテキスト・ドキュメントは、討議フォーラム、ニュースグループ、オンライン・ニュース記事、およびそのほかのアクセス可能な内容とすることができる。

オピニオンは、品詞タグに関する正規表現に対して定義される規則に基づいて抽出される。３つのオピニオンのカテゴリを、好ましくは：肯定的な意味においてトピックについて述べているオピニオン、否定的な意味においてそれを述べているオピニオン、および本質的に中立のオピニオンとする。この知識を使用し、ドキュメントの全体的なトーンを、特定のトピックに関して評価することができる。より細かい粒状度のレベルにおいてドキュメントを分析し、センテンスもしくはフレーズのレベルにおいてオピニオンを抽出することは、トピックに対する感情のバランスのとれた的確な評価を形成する上で実質的な利点を提供する。

品詞（ＰＯＳ）タグ付けおよび正規表現（ＲＥ）規則エンジンは、オピニオンのフレーズを抽出する。抽出されたオピニオンは、それぞれのセマンティック・オリエンテーションを基礎として３つの関連クラス、すなわち肯定的、否定的、または中立のクラスにグループ化される。オピニオンを構成する用語の意味に基づいて行うオピニオンのグループ化には、自然言語データベースおよび語彙リファレンスが使用される。

ここで述べているテクニックの追加の貢献は、オピニオンをそれらのセマンティック・オリエンテーションを基礎としてグループ化することである。極性、すなわち自然言語の中で使用される形容詞の意味する『良い』または『悪い』を決定するための、かなりの量の研究が存在する。

図１は、ここで述べているテクニックを実施するためのシステムを表している。まず、このシステムのコンポーネントおよびその動作を、概要を示す形で紹介し、その後、より詳細にその説明を行う。キーボード、ディスク・ドライブ、またはインターネット・リンク等の入力デバイス１０５が、プレーン・テキスト・ドキュメントをプロセッサ１１０へ提供し、それが『ノイズのない』テキストをＰＯＳ（品詞）タガー１１５へ提供する。タグ付きテキストがフレーズ・エキストラクタ１２０へ渡され、それが、プロトタイプの正規表現の規則を使用して、オピニオン・フィルタ１２５への入力のためのフレーズを構築する。オピニオン・グルーパ（Ｏｐｉｎｉｏｎ Ｇｒｏｕｐｅｒ）１４０は、ディスプレイ・デバイス１４５上における表示のために、自然言語辞書１３０および語彙リファレンス１３５を調べてオピニオンを、好意的、非好意的、および中立のカテゴリに類別する。

ＰＯＳ（品詞）タグ付け
最初に、ドキュメントの本文もしくはコーパスからのすべてのドキュメントがプリプロセッサに通され、それが、すべてのＨＴＭＬタグおよびすべてのメタ‐タグを除去する。この段階においては、いくつかのドメイン固有の前処理を組み込むこともできる。このほかの必要となった任意の前処理を行うことが可能である。

続いてドキュメント内の各単語に、それぞれの関連する品詞（ＰＯＳ）のタグ付けが行われる。このプロセスは、ドキュメントのタグ付けまたは解剖と呼ばれる。この段階の出力は、拡張マークアップ言語（ＸＭＬ）ドキュメントであり、ＸＭＬタグとして品詞タグを、その値としてそれぞれの単語を伴う。必要であれば、任意の類似の非ＸＭＬフォーマットを採用することができる。次のセクションの中で紹介する例に、一例のドキュメントおよびタグ付け後の対応部を示す。

ブラウン・ペン・スタイルに従ってタグ付けを行うことのできる任意のＰＯＳタガーを使用することができる。ブラウン・ペン・スタイルは、単語の品詞タグを用いてテキストに注釈を付けるスタイルである。これは、ペンシルバニア大学コンピュータおよび情報科学部のＬＩＮＣラボラトリのペン・ツリーバンク（Ｐｅｎｎ Ｔｒｅｅｂａｎｋ）プロジェクトの一部であり、その詳細は、非特許文献３から入手することができる。このほかにも、インターナショナル・コーパス・オブ・イングリッシュ・タグセット（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｒｐｕｓ ｏｆ Ｅｎｇｌｉｓｈ Ｔａｇｓｅｔ）、ＣＬＡＷＳ１、ＣＬＡＷＳ２、．．．ＣＬＡＷＳ５タグセットといったタグ・スタイルがある。しかしながらブラウン・ペン・スタイルは、もっとも広く使用されているタグセットである。タグ付けを使用することができる。インターナショナル・ビジネス・マシーンズ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ）（ＩＢＭ）コーポレーションによって作られたＪＴＡＬＥＮＴは、１つの好適なタガーの例であり、それを使用することもできる。必要な場合には、このほかの一般的なタガーを使用することも可能である。

オピニオンの抽出
オピニオンの抽出は、オピニオンのＰＯＳタグ・シーケンスが規則的なパターンに従うという観察結果を基礎としている。特定のタグ・シーケンス・パターンが、オピニオンのＰＯＳタグ・シーケンス内に規則的に現れる。頻繁に現れるパターンをカバーするＰＯＳタグの正規表現の規則の集合が構築される。正規表現は、記号（この場合はＰＯＳタグ）および３つのオペレータ、Ｃｏｎｃａｔｅｎａｔｉｏｎ（コンケートネーション）、Ｏｒ（オア）およびＣｌｏｓｕｒｅ（クロージャ）の組み合わせから組み立てられたパターンの任意の記述である。

これらの正規表現と、ドキュメント内の単語のＰＯＳタグ・シーケンスのマッチングが行われる。ＰＯＳタグ・シーケンスのすべての最大マッチについてオリジナルのドキュメントから対応する単語が抽出され、オピニオンとしてレポートされる。この段階の入力は、ＰＯＳタグ付きのドキュメント、および可能性のあるオピニオンを描写する正規表現（ＲＥ）規則である。続いてシステムは、ＲＥ規則と入力テキスト・ドキュメント内のＰＯＳタグ・シーケンス・パターンのマッチングを行い、オピニオンを出力する。次に示す例は、正規表現の規則に基づいたテキストからのオピニオンの抽出を例示している。

次の表１は、この例の中で使用されているＰＯＳタグの一部である。表２は、ブラウン・ペン・スタイルに従ってこれらの段階のいくつかを使用してタグ付けされたテキストの一部の例を示している。

表１
タグ タグの意味
ＣＣ 等位接続詞
ＣＤ 基数
ＤＴ 限定詞
ＥＸ 存在
ＦＷ 外来単語
ＩＮ 前置詞または従位接続詞
ＪＪ 形容詞
ＪＪＲ 形容詞、比較級
ＪＪＳ 形容詞、最上級
ＬＳ リスト・アイテム・マーカ
ＭＤ 叙法
ＮＮ 名詞、単数または集合
ＮＮＳ 名詞、複数
ＮＮＰ 固有名詞、単数
ＮＮＰＳ 固有名詞、複数
ＰＤＴ 前決定詞
ＰＯＳ 所有格語尾
ＰＲＰ 人称代名詞
ＰＲＰ＄ 所有代名詞
ＲＢ 副詞
ＲＢＲ 副詞、比較級
ＲＢＳ 副詞、最上級
ＲＰ 小辞
ＳＹＭ 記号
ＴＯ Ｔｏ
ＵＨ 感嘆詞
ＶＢ 動詞、基本形
ＶＢＤ 動詞、過去形
ＶＢＧ 動詞、動名詞または現在分詞

表２
正規表現の規則：‐（ｉｓ｜ａｒｅ）＊（＜ＪＪ＞｜＜ＪＪＲ＞｜＜ＪＪＳ＞）＋（＜ＮＮ＞｜＜ＮＮＳ＞）＋（＜ＩＮ＞｜＜ＴＯ＞）＊（＜ＮＮ＞｜＜ＮＮＳ＞）＊
オリジナルのテキスト：Ｒｅｓｃｕｉｎｇ ｉｔ ｆｒｏｍ ｔｏｔａｌ ｄｅｓｔｒｕｃｔｉｏｎ ａｒｅ ｇｏｏｄ ｐｅｒｆｏｒｍａｎｃｅｓ ｂｙ Ｂｒｉｄｇｅｓ ｗｈｏ ｉｓ ｃｏｎｖｉｎｃｉｎｇ ｉｎ ｈｉｓ ｐａｉｎ ａｎｄ ｏｂｓｅｓｓｉｏｎｓ．
テキストのＰＯＳタグ：‐＜ＶＢＧ＞Ｒｅｓｃｕｉｎｇ＜／＞＜ＰＰ＞ｉｔ＜／＞＜ＩＮ＞ｆｒｏｍ＜／＞＜ＪＪ＞ｔｏｔａｌ＜／＞＜ＮＮ＞ｄｅｓｔｒｕｃｔｉｏｎ＜／＞ａｒｅ＜ＪＪ＞ｇｏｏｄ＜／＞＜ＮＮＳ＞ｐｅｒｆｏｒｍａｎｃｅｓ＜／＞＜ＩＮ＞ｂｙ＜／＞＜ＮＮＳ＞Ｂｒｉｄｇｅｓ＜／＞＜ＷＰ＞ｗｈｏ＜／＞ｉｓ＜ＪＪ＞ｃｏｎｖｉｎｃｉｎｇ＜／＞＜ＩＮ＞ｉｎ＜／＞＜ＰＰ＄＞ｈｉｓ＜／＞＜ＮＮ＞ｐａｉｎ＜／＞＜ＣＣ＞ａｎｄ＜／＞＜ＮＮＳ＞ｏｂｓｅｓｓｉｏｎｓ＜／＞．
調和したパターン：‐ａｒｅ＜ＪＪ＞ｇｏｏｄ＜／＞＜ＮＮＳ＞ｐｅｒｆｏｒｍａｎｃｅｓ＜／＞＜ＩＮ＞ｂｙ＜／＞＜ＮＮＳ＞Ｂｒｉｄｇｅｓ＜／＞
抽出されたオピニオン：‐ａｒｅ ｇｏｏｄ ｐｅｒｆｏｒｍａｎｃｅｓ ｂｙ Ｂｒｉｄｇｅｓ．

自然言語辞書および語彙リファレンス
ここで説明したように、自然言語辞書および語彙リファレンスが使用されて、テキスト・オピニオンを表出するために用いられている単語の意味および感情または内包が決定される。

ジェネラル・インクワイアラー（Ｇｅｎｅｒａｌ Ｉｎｑｕｉｒｅｒ）データベースは、使用することのできる適切な自然言語辞書の一例である。このインクワイアラー（Ｉｎｑｕｉｒｅｒ）データベースの詳細は、非特許文献４からアクセスすることができる。インクワイアラー（Ｉｎｑｕｉｒｅｒ）データベースは、４，０００を超える重複のない単語を含み、そのほとんどが形容詞であり、各単語について約２００のブール属性がデータベースに定義されている。属性のいくつかの例を次に示す：ｉｓＰｏｓｉｔｉｖｅ（肯定的である）、ｉｓＮｅｇａｔｉｖｅ（否定的である）、ｉｓＨｏｓｔｉｌｅ（敵意がある）、ｉｓＲｅｌａｔｅｄＴｏＰｌｅａｓｕｒｅ（喜びに関係がある）、およびｉｓＲｅｌａｔｅｄＴｏＰａｉｎ（苦痛に関係がある）。必要に応じて、このほかの多くの属性を使用することができる。この単語‐属性マトリクスはまばらであり、各単語に関するわずかな属性しか値「真」を有していない。クラスタリングの第１ステップにおいては、これらの属性が使用されて、オピニオンが肯定的であるか、あるいは否定的であるかの決定がなされる。これらの属性は、その単語が肯定的なセンテンスまたは否定的なセンテンス内において支配的に使用されているか否かについて決定することができる。

ワードネット（ＷｏｒｄＮｅｔ）データベースは、オンライン語彙データベースの一例である。ワードネット（ＷｏｒｄＮｅｔ）データベースは、人間の語彙記憶に関する現在の言語心理学的理論を取り入れて設計されたオンライン語彙リファレンス・システムである。ほぼ２０，０００の英語の名詞、動詞、および形容詞が、それぞれが１つの基本をなす概念を表す類義語の集合に整理されている。ワードネット（ＷｏｒｄＮｅｔ）データベースの詳細は、非特許文献５からアクセスすることができる。

インクワイアラー（Ｉｎｑｕｉｒｅｒ）データベースおよびワードネット（ＷｏｒｄＮｅｔ）データベースは、データベースの例として示されたものであり、このほかの適切なデータベースも必要に応じて使用することができる。さらに、ここで説明しているテクニックを実施するために必要な関連情報を含む結合されたデータベースが好ましいこともある。

オピニオンのグループ化
オピニオンを抽出した後の次のステップは、オピニオンの性質に従ってそれらを異なるクラスタにグループ化することである。オピニオンは、３つのクラスタ、すなわち肯定的、否定的、および中立のクラスタにグループ化される。それを達成するために、前述した自然言語辞書およびオンライン語彙リファレンスが使用される。

一例として、「ａｂｌｅ」は肯定的な内包を有し、「ｄｅｆｏｒｍｅｄ」は否定的な内包を有している。ここで述べているテクニックは、オピニオンの単語が肯定的または否定的意味において使用されているかについての決定を自然言語辞書から行う。オピニオン内にある単語のほとんどが肯定的である場合に、ここで述べているテクニックは、そのオピニオンを肯定的なオピニオンとして分類する。帰属されている意味の大半が否定的な内包を有している場合には、否定的なオピニオンとして分類される。これら以外の場合には、そのオピニオンは中立であると見なされる。オピニオンの感情を決定する間に、このテクニックは、ほかの関連ファクタも考慮する。たとえば、単語「ｎｏｔ」がオピニオン内に存在するときには、クラスタリングが肯定から否定へ、またはその逆の変更が行われる。

前述したインクワイアラー（Ｉｎｑｕｉｒｅｒ）データベース等の自然言語データベースは、単語の性質に関する多くの情報をデータベース内にストアしているが、その種のデータベースが頻用単語のすべての類義語を含んでいないこともあり得る。このことは特に、慣用表現について、あるいは現在の流行における局所的な使用について当てはまる。その結果、肯定的または否定的として分類することのできるオピニオンの数は、比較的低くなる可能性がある。利用可能な肯定的および否定的単語の集合を豊富にするためには、語彙リファレンスを調べることが望ましい。ここで再び、適切な例としてワードネット（ＷｏｒｄＮｅｔ）データベースが挙げられる。

オピニオンのクラスタリングについてここで述べたテクニックにおいて、自然言語データベース内に単語が見つからない場合には、その単語のすべての類義語が語彙リファレンスから抽出される。その類義語のほとんどが自然言語辞書に従って肯定的（または否定的）となるときは、オリジナルの単語が肯定的（または否定的）であるとしてマークされ、それに応じてオピニオンのタグ付けが行われる。

これらのアクションの過程のいずれもが単語の性質を決定できない場合には、自然言語辞書を調べるときに語形論的な語幹を通じてその単語の規範的な形式が求められる。単語の規範的な形式は、自然言語辞書内において求められ、その単語の語根形式についての情報をデータベースが含んでいるか否かが調べられる。

最後に、ドキュメントの集合から抽出されたオピニオンが、それぞれの分類に応じた異なるタグを用いてオリジナルのテキスト内にマークされる。

オピニオンおよびグループの表示
図３は、円グラフ形式３００および棒グラフ形式３００’を用いて対応する情報を示している。円グラフ３００は、与えられたトピックについての肯定的、否定的、および中立のオピニオンの全体的な分配をまとめている。棒グラフ３００’は、重要なオピニオンのフレーズにランク付けし、観察する上で有用である。このほかの任意の適切なグラフまたは表による表現を必要に応じて採用することもできる。

コンピュータ・ハードウエアおよびソフトウエア
図４は、ここで説明したようなテキスト処理を行うために使用することのできるタイプのコンピュータ・システム４００を略図的に示している。コンピュータ・ソフトウエアは、コンピュータ・システム４００上にインストールされた適切なオペレーティング・システムの下に実行され、ここで説明したテクニックの実行を援助する。このコンピュータ・ソフトウエアは、任意の適切なコンピュータ・プログラミング言語を使用してプログラムされ、特定のステップを達成するための各種のソフトウエア・コード手段を包含しているものと考えることができる。

コンピュータ・システム４００のコンポーネントには、コンピュータ４２０、キーボード４１０ならびにマウス４１５、およびビデオ・ディスプレイ４９０が含まれる。コンピュータ４２０は、プロセッサ４４０、メモリ４５０、入力／出力（Ｉ／Ｏ）インターフェース４６０、４６５、ビデオ・インターフェース４４５、およびストレージ・デバイス４５５を含む。

プロセッサ４４０は、オペレーティング・システムならびにオペレーティング・システムの下に実行されるコンピュータ・ソフトウエアを実行する中央処理ユニット（ＣＰＵ）である。メモリ４５０は、ランダム・アクセス・メモリ（ＲＡＭ）および読み出し専用メモリ（ＲＯＭ）を含み、プロセッサ４４０の管理の下に使用される。

ビデオ・インターフェース４４５は、ビデオ・ディスプレイ４９０に接続されており、ビデオ・ディスプレイ４９０上における表示のためのビデオ信号を提供する。コンピュータ４２０を操作するためのユーザ入力は、キーボード４１０ならびにマウス４１５から提供される。ストレージ・デバイス４５５は、ディスク・ドライブまたはそのほかの任意の適切なストレージ・メディアを含むことができる。

コンピュータ４２０のコンポーネントのそれぞれは、データ・バス、アドレス・バス、およびコントロール・バスを含む内部バス４３０に接続されており、コンピュータ４２０のコンポーネントは、バス４３０を介して相互に通信することができる。

コンピュータ・システム４００は、入力／出力（Ｉ／Ｏ）インターフェース４６５を介し、インターネット４８０として示されているネットワークへ向かう通信チャンネル４８５を使用して、１ないしは複数のほかの類似のコンピュータへ接続することができる。

コンピュータ・ソフトウエアは、ポータブル・ストレージ・メディア上への記録が可能であり、その場合には、コンピュータ・ソフトウエアがストレージ・デバイス４５５からコンピュータ・システム４００によってアクセスされる。それに代えてコンピュータ・ソフトウエアが、インターネット４８０からコンピュータ４２０によって直接アクセスされるようにすることも可能である。いずれの場合においてもユーザは、キーボード４１０ならびにマウス４１５を使用してコンピュータ・システム４００とインタラクションを行い、コンピュータ４２０上において実行中のプログラムされたコンピュータ・ソフトウエアを操作することができる。

このほかの構成もしくはタイプのコンピュータ・システムについても同様に、ここで説明したテクニックの具体化に使用することができる。上記のコンピュータ・システム４００は、ここで説明したテクニックの具体化に適している特定タイプのシステムの単なる例として説明されているに過ぎない。

応用
ここで述べたテクニックは、多くの応用を有している。一例を述べると、会社は、その会社の製品について、あるいはライバル会社の製品について消費者が何を『言っているか』の決定を望むことがある。各種のソースからのオピニオンのマニュアル調査は、極めて時間の掛かる退屈な作業であり、しかも実際的でない。しかしながら、肯定的または否定的なオピニオンの統計を示す円グラフまたはヒストグラムとしてオピニオンが要約され、かつオピニオンの中に使用されている代表的な表現が決定できれば、その種の情報は、ビジネス戦略に関する情報に基づいた決定を行う上で有用なものとなり得る。この種の『オピニオン・マイナ』としての用途は、ビジネス・インテリジェンス応用において、あるいは推奨システムとしても有用となり得る。さらにこのテクニックを使用して、自然言語で与えられた調査の回答を処理することができる。

結論
当業者には明らかであろうが、ここで説明したテクニックならびに構成に対して各種の変更および修正を行うことができる。

テキスト・ドキュメントの本文からオピニオン・フレーズを抽出するためのシステムを示した概略ブロック図である。 自然言語データベースおよび語彙リファレンスから拡充される用語辞書の作成を表した概略ブロック図である。 ここで説明したテキスト処理テクニックの例に関係するオピニオンの分類の結果を示した円グラフおよび棒グラフである。 ここで説明したようなテキスト処理において使用するためのコンピュータ・システムの概略図である。

符号の説明

１０５ 入力デバイス
１１０ プロセッサ
１１５ ＰＯＳ（品詞）タガー
１２０ フレーズ・エキストラクタ
１２５ オピニオン・フィルタ
１３０ 自然言語辞書
１３５ 語彙リファレンス
１４０ オピニオン・グルーパ
１４５ ディスプレイ・デバイス
３００ 円グラフ
３００’ 棒グラフ
４００ コンピュータ・システム
４１０ キーボード
４１５ マウス
４２０ コンピュータ
４３０ バス
４４０ プロセッサ
４４５ ビデオ・インターフェース
４５０ メモリ
４５５ ストレージ・デバイス
４６０ 入力／出力（Ｉ／Ｏ）インターフェース
４６５ 入力／出力（Ｉ／Ｏ）インターフェース
４８０ インターネット
４８５ 通信チャンネル
４９０ ビデオ・ディスプレイ

Claims (7)

1. 表出されたオピニオンを分析する方法であって、
   コンピュータに、
   入力デバイスから取得した少なくとも１つのテキスト‐ベースのドキュメントの単語を品詞としてタグ付けしてＰＯＳタグ・シーケンスを生成する第１のステップと、
   前記ＰＯＳタグ・シーケンスのパターンに規則的に現れる特定のタグ・シーケンス・パターンをカバーするＰＯＳタグの正規表現の集合を構築する第２のステップと、
   前記正規表現と前記ドキュメント内の単語にかかるＰＯＳタグ・シーケンスとのマッチングを行って、該マッチングの結果に応じて前記ドキュメントから対応する単語を抽出してオピニオンとする第３のステップと、
   前記オピニオンの単語について自然言語データベースを用いて解析する第４のステップと、
   前記第４のステップにおいて前記自然言語データベースで前記単語が検出されないと、当該単語の全ての類義語を語彙リファレンスから抽出して解析する第５のステップと、
   前記第５のステップで前記類義語が前記語彙リファレンスで検出されないと、語形論的な語幹を介して前記単語の規範的な形式を得て当該単語の語幹形式が前記自然言語データベースに含まれているか否かを調べる第６のステップと、
   前記単語に関してセマンティック・オリエンテーションの典型的なカテゴリに類別する第７のステップとを実行させる方法。
2. 抽出されたオピニオンが、少なくとも肯定及び否定のカテゴリに分かれるそれらの感情の極性によって特徴づけられる請求項１に記載の方法。
3. 前記典型的なカテゴリが、好意的、非好意的、及び中立として識別される請求項１に記載の方法。
4. さらに、コンピュータに、異なって類別された表現の相対的な特性をグラフィカルに表示するステップを実行させる請求項１に記載の方法。
5. さらに、コンピュータに、表出されたオピニオンを示す正規表現規則の集合をストアするステップを実行させる請求項１に記載の方法。
6. さらに、コンピュータに、表出されたオピニオンと、その表出されたオピニオンが関係するトピックを関連付けするステップを実行させる請求項１に記載の方法。
7. 請求項１〜６のいずれか１項に記載の方法の各ステップをコンピュータに実行させるためのコンピュータ・プログラム。

Images