JP4358804B2 - テキストマイニング装置及びテキストマイニングプログラム - Google Patents

Description

本発明は、テキストマイニング装置及びテキストマイニングプログラムに関するものである。特に、意見（自由文）の分析によるＷｅｂマーケティングを行うためのものに関する。

従来のシステムは、図４７に示すように、アンケート作成／公開装置２００と、顧客データ抽出装置５００と、メールマガジン配信装置４００から構成されており、アンケート作成／公開装置２００で公開したアンケートから得られた顧客の個人情報とアンケートの質問に対する意見（自由文）を回答データ記憶部２０４に蓄積する。そして、回答データ記憶部２０４から、顧客データ抽出装置５００により顧客データの属性情報（例えば、性別、年齢、選択肢を持った質問に対する回答など）を用いて顧客データの抽出をし、抽出された顧客へ向けてメールマガジン配信装置４００により抽出した条件に合わせた情報を配信することでＷｅｂマーケティングを実施している。アンケート以外にも、ユーザによる電子掲示板への書き込み情報からコンセプトを抽出し、抽出されたコンセプトに一致するコンセプトの事例情報をユーザに送信するものがある（例えば、特許文献１参照。）。

また、自由文を分析する方法として、自由文に含まれる単語の出現傾向を学習し、類義関係を自動的に取得して概念辞書に格納し、概念辞書を参照して分析結果（相関度、重要度）を得るテキストマイニング方法がある（例えば、特許文献２参照。）。ここで、相関度とは、自由文中の単語と属性との相関度合を表す数値であり、「関連度」ともいう（例えば、特許文献３参照。）。また、重要度とは、指定された属性に係る自由文の中での単語の重要度を表す数値であり、「重み」ともいう（例えば、特許文献４参照。）。
特開２００３−１４１１５２号公報 特開２００５−１１５４６８号公報 特開２００４−２４６４９１号公報 特開２００１−１０１１９４号公報

従来の方法では、図４８に示すように属性情報を元にした抽出でしか情報配信の対象とする顧客を絞り込むことができず、顧客の興味や嗜好、ニーズに即した情報配信ができないという課題があった。

本発明は、例えば、顧客の興味や嗜好に即した情報配信を行うためのＷｅｂマーケティングを目的とする。また、例えば、顧客の興味や嗜好を先読みした情報配信を行うためのＷｅｂマーケティングを目的とする。

本発明のテキストマイニング装置は、
テキストを含む文書と当該文書の第１の属性及び第２の属性を示す属性情報とを入力する入力部と、
前記入力部により入力された文書を記憶する文書記憶部と、
前記入力部により入力された属性情報を前記文書記憶部に記憶された文書と対応付けて記憶する属性情報記憶部と、
前記属性情報記憶部に記憶された属性情報が示す第１の属性ごとに、前記文書記憶部に記憶された文書に含まれるテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出部と、
前記共起情報抽出部により抽出された共起情報に基づいて、前記共起情報抽出部により抽出された単語の概念を数値化した概念ベクトルを計算する概念ベクトル計算部と、
前記概念ベクトル計算部により計算された概念ベクトルの集合を前記第１の属性ごとの概念辞書として記憶する概念辞書記憶部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語と当該単語の概念を含むテキストとを対応させる対応情報を生成する対応情報生成部と、
前記対応情報生成部により生成された対応情報を記憶する対応情報記憶部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語と前記第１の属性との相関を示す相関情報を生成する相関情報生成部と、
前記相関情報生成部により生成された相関情報を出力する出力部と、
前記出力部により出力された相関情報に基づいて、相関の有る単語と第１の属性との組み合わせを選択する選択部と、
前記対応情報記憶部に記憶された対応情報に基づいて、前記選択部により選択された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記選択部により選択された第１の属性と一致する文書に対応付けて前記属性情報記憶部に記憶された属性情報を抽出し、抽出した属性情報が示す第２の属性を通知する属性情報抽出部とを備えることを特徴とする。

前記属性情報は、さらに、前記文書の第３の属性を示し、
前記共起情報抽出部は、前記属性情報記憶部に記憶された属性情報が示す第１の属性と第３の属性との組み合わせごとに、前記文書記憶部に記憶された文書に含まれるテキストから単語と共起情報とを抽出し、
前記概念辞書記憶部は、前記概念ベクトル計算部により計算された概念ベクトルの集合を前記組み合わせごとの概念辞書として記憶し、
前記相関情報生成部は、前記概念辞書記憶部に記憶された組み合わせごとの概念辞書に含まれる単語と前記組み合わせとの相関を示す相関情報を生成することを特徴とする。

前記テキストマイニング装置は、さらに、
前記相関情報に含める単語の最大数を示す単語数閾値を記憶する単語数閾値記憶部を備え、
前記相関情報生成部は、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が高い順に、前記単語数閾値記憶部に記憶された単語数閾値以下の数の単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

前記テキストは、ユーザにより作成されるものであり、
前記第１の属性は、前記テキストを作成したユーザの居住地域、性別、年齢のいずれかであり、
前記第２の属性は、前記テキストを作成したユーザの電子メールアドレスであり、
前記属性情報抽出部は、抽出した属性情報が示す電子メールアドレスを、メールマガジンを前記ユーザに配信するメールマガジン配信装置に通知することを特徴とする。

前記属性情報は、さらに、前記文書の第３の属性として前記テキストが作成された作成時期を示し、
前記テキストマイニング装置は、さらに、
概念ベクトルを予測する予測時期を設定する予測時期設定部と、
前記属性情報記憶部に記憶された属性情報が示す作成時期ごとに、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が最も高い単語の概念ベクトルをそれぞれの概念辞書から抽出する概念ベクトル抽出部と、
前記属性情報記憶部に記憶された属性情報が示す第１の属性ごとに、前記概念ベクトル抽出部により抽出された作成時期ごとの概念ベクトルに基づいて、前記予測時期設定部により設定された予測時期の概念ベクトルを予測する概念ベクトル予測部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測部とを備え、
前記相関情報生成部は、前記単語予測部により抽出された単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

前記テキストマイニング装置は、さらに、
２つの概念ベクトルが近似するかどうかを判断するための近似閾値を記憶する近似閾値記憶部を備え、
前記単語予測部は、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルとの差の絶対値が前記近似閾値記憶部に記憶された近似閾値以下の概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出することを特徴とする。

前記テキストマイニング装置は、さらに、
前記選択部により選択された第１の属性と異なる第１の属性を示す他の属性情報を設定する属性情報設定部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書であって前記属性情報設定部により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出する単語抽出部とを備え、
前記属性情報抽出部は、さらに、前記対応情報記憶部に記憶された対応情報に基づいて、前記単語抽出部により抽出された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記属性情報設定部により設定された他の属性情報が示す第１の属性と一致する文書に対応付けて前記属性情報記憶部に記憶された属性情報を抽出することを特徴とする。

前記テキストは、ユーザにより作成されるものであり、
前記第１の属性は、前記テキストを作成したユーザの年代と前記テキストが作成された期間との組み合わせであり、
前記他の属性情報は、前記第１の属性として、前記選択部により選択された年代と異なる年代と前記選択部により選択された期間と異なる期間との組み合わせを示し、
前記選択部は、さらに、選択した期間に選択した単語に対応するテキストを作成したユーザであって当該ユーザの年代が選択したユーザの年代と一致するユーザを識別するユーザ識別情報を取得し、
前記単語抽出部は、前記対応情報記憶部に記憶された対応情報に基づいて、前記選択部により取得されたユーザ識別情報で特定されるユーザにより作成されたテキストに対応する単語で、かつ、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書であって前記属性情報設定部により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出することを特徴とする。

前記他の属性情報が示す年代と期間とは、前記選択部により選択された年代と期間とから同じ年数分遡ったものであることを特徴とする。

また、本発明のテキストマイニングプログラムは、
テキストを含む文書と当該文書の第１の属性及び第２の属性を示す属性情報とを入力する入力処理と、
前記入力処理により入力された文書を記憶装置に記憶する文書記憶処理と、
前記入力処理により入力された属性情報を前記記憶装置に記憶された文書と対応付けて前記記憶装置に記憶する属性情報記憶処理と、
前記記憶装置に記憶された属性情報が示す第１の属性ごとに、前記記憶装置に記憶された文書に含まれるテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出処理と、
前記共起情報抽出処理により抽出された共起情報に基づいて、前記共起情報抽出処理により抽出された単語の概念を数値化した概念ベクトルを計算する概念ベクトル計算処理と、
前記概念ベクトル計算処理により計算された概念ベクトルの集合を前記第１の属性ごとの概念辞書として前記記憶装置に記憶する概念辞書記憶処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語と当該単語の概念を含むテキストとを対応させる対応情報を生成する対応情報生成処理と、
前記対応情報生成処理により生成された対応情報を前記記憶装置に記憶する対応情報記憶処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語と前記第１の属性との相関を示す相関情報を生成する相関情報生成処理と、
前記相関情報生成処理により生成された相関情報を出力する出力処理と、
前記出力処理により出力された相関情報に基づいて、相関の有る単語と第１の属性との組み合わせを選択する選択処理と、
前記記憶装置に記憶された対応情報に基づいて、前記選択処理により選択された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記選択処理により選択された第１の属性と一致する文書に対応付けて前記記憶装置に記憶された属性情報を抽出し、抽出した属性情報が示す第２の属性を通知する属性情報抽出処理とをコンピュータに実行させることを特徴とする。

前記属性情報は、さらに、前記文書の第３の属性として前記テキストが作成された作成時期を示し、
前記テキストマイニングプログラムは、さらに、
概念ベクトルを予測する予測時期を設定する予測時期設定処理と、
前記記憶装置に記憶された属性情報が示す作成時期ごとに、前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が最も高い単語の概念ベクトルをそれぞれの概念辞書から抽出する概念ベクトル抽出処理と、
前記記憶装置に記憶された属性情報が示す第１の属性ごとに、前記概念ベクトル抽出処理により抽出された作成時期ごとの概念ベクトルに基づいて、前記予測時期設定処理により設定された予測時期の概念ベクトルを予測する概念ベクトル予測処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測処理により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測処理とをコンピュータに実行させ、
前記相関情報生成処理は、前記単語予測処理により抽出された単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

前記テキストマイニングプログラムは、さらに、
前記選択処理により選択された第１の属性と異なる第１の属性を示す他の属性情報を設定する属性情報設定処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書であって前記属性情報設定処理により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出する単語抽出処理とをコンピュータに実行させ、
前記属性情報抽出処理は、さらに、前記記憶装置に記憶された対応情報に基づいて、前記単語抽出処理により抽出された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記属性情報設定処理により設定された他の属性情報が示す第１の属性と一致する文書に対応付けて前記記憶装置に記憶された属性情報を抽出することを特徴とする。

本発明では、テキストマイニング装置において、対応情報生成部が、概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語と当該単語の概念を含むテキストとを対応させる対応情報を生成し、選択部が、出力部により出力された相関情報に基づいて、相関の有る単語と第１の属性との組み合わせを選択し、属性情報抽出部が、対応情報記憶部に記憶された対応情報に基づいて、選択部により選択された単語に対応するテキストを含む文書であって当該文書の第１の属性が選択部により選択された第１の属性と一致する文書に対応付けて属性情報記憶部に記憶された属性情報を抽出し、抽出した属性情報が示す第２の属性を通知することにより、例えば、顧客の興味や嗜好に即した情報配信を行うためのＷｅｂマーケティングを実現することが可能となる。

以下、本発明の実施の形態について、図を用いて説明する。

実施の形態１．
図１は、本実施の形態に係るシステムの構成を示すブロック図である。

本実施の形態に係るシステムは、テキストマイニング装置１００とアンケート作成／公開装置２００とメールマガジン配信装置４００とを備える。アンケート作成／公開装置２００とメールマガジン配信装置４００とはインターネット３００に接続される。

アンケート作成／公開装置２００は、アンケート作成部２０１、アンケート情報記憶部２０２、アンケート公開／回答受付部２０３、回答データ記憶部２０４、通信部２０５、アンケート回答データ抽出部２０６を備える。

アンケート作成部２０１では本システムのユーザ（例えばシステム管理者であって、アンケートを回答するユーザとは異なる。）がアンケートを作成し、アンケート公開／回答受付部２０３でインターネット３００上に通信部２０５を介して公開する。アンケート内の質問内容情報はアンケート情報記憶部２０２に格納される（アンケートには、個人情報に関する質問も含まれている。）。

アンケート公開／回答受付部２０３では顧客（ユーザの一例）からのアンケートの回答（以下、アンケートの回答を単にアンケートということがある。アンケートは文書の一例である。）を受け付け、回答日時と合わせて回答データ記憶部２０４に格納する。

アンケート回答データ抽出部２０６では、回答データ記憶部２０４から格納されているアンケートの全回答データを抽出し、登録条件を付加してテキストマイニング装置へ送信する。登録条件は、回答データに含まれる属性情報が示す属性ごとに、その属性ごとの概念辞書を作成するかどうかを設定する情報である。属性情報とは、顧客の個人情報（例えば、氏名、メールアドレス）やアンケートの集まり（例えば、アンケートの実施期間ごとの集まり）を区別するアンケートＩＤなど、アンケートの属性を示す情報である。

テキストマイニング装置１００は、アンケート作成／公開装置２００のアンケート回答データ抽出部２０６より送信されたアンケートの全回答データ及び登録条件に基づいて顧客の興味・嗜好を分析し、特定の興味・嗜好を持つとみられる顧客を選択するための抽出範囲情報を元に顧客の個人情報を取得し、メールマガジン配信装置４００に送信する。

メールマガジン配信装置４００では、取得した顧客の個人情報を用いて、抽出範囲情報（顧客が興味を示すであろうと推測される分野、内容）に合わせた内容のメールマガジンを配信する。本実施の形態では、メールマガジン配信装置４００は、アンケート作成／公開装置２００の通信部２０５を利用してインターネット３００上でメールマガジンを配信するが、独自の通信部を備え、これをメールマガジンの配信に利用してもよい。

図２は、本実施の形態に係るテキストマイニング装置１００の構成を示すブロック図である。図２において、実線はデータの流れの一例を、破線は制御の関係の一例を示す。

テキストマイニング装置１００は、文書登録受付部１０１（入力部の一例）、文書記憶部１０２、属性情報作成部１０３（対応情報生成部の一例）、属性情報記憶部１０４、テキスト解析部１０５（共起情報抽出部の一例）、テキスト解析結果記憶部１０６、概念辞書作成部１０７（概念ベクトル計算部の一例）、概念辞書記憶部１０８、文書索引作成部１０９、文書索引記憶部１１０、分析部１１１、分析結果表示部１１３（出力部の一例）、抽出範囲指定部１１４、抽出範囲受付部１１５（選択部の一例）、顧客データ抽出部１１６（属性情報抽出部の一例）、分析受付部１１７を備える。属性情報記憶部１０４は対応情報記憶部１３２を含み、分析部１１１は相関情報生成部１１２を含み、分析受付部１１７は単語数閾値記憶部１１８を含む。文書記憶部１０２、属性情報記憶部１０４、テキスト解析結果記憶部１０６、概念辞書記憶部１０８、文書索引記憶部１１０、単語数閾値記憶部１１８は、図示していない記憶装置に実装される。

文書登録受付部１０１はアンケート作成／公開装置２００のアンケート回答データ抽出部２０６より送信されたアンケートの全回答データ及び登録条件１２９を受け付けて、回答データを文書記憶部１０２に格納する。そして、テキスト解析部１０５、概念辞書作成部１０７、文書索引作成部１０９、属性情報作成部１０３を制御し、かつ制御に係るデータを送受信することにより、登録条件１２９に従って、アンケートの全回答データから分析部１１１において分析に必要となる情報を作成する。作成した情報は、テキスト解析結果記憶部１０６、概念辞書記憶部１０８、文書索引記憶部１１０、属性情報記憶部１０４に格納する。

テキスト解析部１０５では、回答データの自由文（テキストの一例）に含まれる単語と、当該単語の共起情報（同一文書、同一段落、同一文など、所定範囲で共に出現する２つの単語の組み合わせがどれくらいの頻度で出現するか（共起頻度）を数値化した情報）とを抽出し、テキスト解析結果記憶部１０６へ格納する。なお、この処理はアンケートの全回答データに対してと登録条件１２９の中で概念辞書を「作成する」と指定した属性情報が取り得る属性値ごとのアンケートの回答データに対して行われる。

概念辞書作成部１０７は、テキスト解析部１０５で抽出された単語と、共起情報から算出した概念ベクトルとを関連付けて概念辞書を作成し、概念辞書記憶部１０８に格納する。

文書索引作成部１０９はテキスト解析結果記憶部１０６から各回答データの文書索引情報（文書索引ともいう。）を作成し、文書索引記憶部１１０に格納する。文書索引とは、文書記憶部１０２に記憶されたアンケートに含まれる自由文からテキスト解析部１０５により抽出された単語それぞれの概念ベクトルを合成した文書ベクトルであってもよいし、アンケート中に出現した単語とそのアンケートとを対応づける対照表であってもよい（例えば、特許文献２参照。）。本実施の形態では、文書索引の利用は必須ではなく、文書索引作成部１０９や文書索引記憶部１１０はなくてもよい。

属性情報作成部１０３は各回答データに付与されている属性を抽出して各アンケートと対応付けられた属性情報を作成し、属性情報記憶部１０４に格納する。

属性情報作成部１０３、概念辞書作成部１０７、文書索引作成部１０９は登録したアンケートの全回答データに対してと、概念辞書を作成すると指定した属性情報が取り得る属性値ごとのアンケートの回答データに対して属性情報、文書索引、概念辞書を作成し、各記憶部に格納する。

分析受付部１１７では、分析条件１３０（分析する属性情報及び分析結果出力閾値（単語数閾値の一例））を受け付け（特に、分析結果出力閾値は単語数閾値記憶部１１８に記憶される。）、分析部１１１に分析を依頼する。また、分析受付部１１７は分析部１１１を制御し、分析する属性情報及び分析結果出力閾値を分析部１１１に送信する。

分析部１１１では、概念辞書、文書索引、属性情報が作成され、概念辞書記憶部１０８、文書索引記憶部１１０、属性情報記憶部１０４にそれぞれ格納されたことを確認する。その後、概念辞書を用いて、重要度（前述したように、単語の単純な出現頻度に、その単語の汎用性や偏りを加味した値であり、汎用的な単語の順位が不必要に上がらないようにする。）の高い概念（単語）を抽出し、その概念について概念検索する。

分析結果表示部１１３では、分析条件１３０で指定した分析する属性情報が取り得る属性値ごとに、重要度が高い順に上位から分析条件１３０で設定した分析結果出力閾値分、各概念を分析部１１１で概念検索した結果をグラフに出力する。

抽出範囲指定部１１４で、本システムのユーザが分析結果表示部１１３に出力されたグラフ中の抽出したい範囲を抽出条件１３１として指定する（指定方法としては、例えば、出力されたグラフが折れ線グラフである場合には、グラフ中の節点の部分をクリックする方法などが用いられる。）。

抽出範囲受付部１１５では、抽出範囲指定部１１４で指定された範囲（抽出範囲情報）を受け付ける。受け付けた抽出範囲情報とその範囲に該当する顧客データリストを表示し、それらの情報を顧客データ抽出部１１６に送信する。抽出範囲情報には、その範囲に該当する属性情報（例えば、顧客を識別する回答者ＩＤ）も合わせて送信する。

顧客データ抽出部１１６では、受信した抽出範囲情報を元に属性情報記憶部１０４から属性情報（上記例では、回答者ＩＤ）に該当する顧客の個人情報を取得し、メールマガジン配信装置４００に送信する。

ここからは、アンケートの一例として、図３に示す質問内容を含む食品製造業のアンケートが用いられた場合の本実施の形態に係るシステムの動作について説明する。

アンケート作成／公開装置２００のアンケート作成部２０１は、例えば図４に示すようなアンケートページを作成する。

アンケートページ作成後、アンケート公開／回答受付部２０３は、アンケートページをインターネット３００上に公開し、顧客からのアンケート回答を受け付ける。そして、例えば図５、図６に示すような回答データを回答日時とともに回答データ記憶部２０４に格納する。図５、図６において、回答者ＩＤ、回答日時、氏名、メールアドレス（電子メールアドレス）、住所（都道府県など、居住地域を大まかに示す情報でもよい。）、生年（年齢や年代でもよい。）、性別、職業、アンケートＩＤ、開始日時及び終了日時（作成時期の一例）はアンケートの属性を表す。

アンケートは何回実施されていてもよく、アンケート回答データ抽出部２０６は回答データ記憶部２０４より回答データ全体を抽出して、テキストマイニング装置１００の文書登録受付部１０１へ登録条件１２９とともに登録する。

図７、図１０は、本実施の形態に係るテキストマイニング装置１００の動作を示すフロー図である。

図７に示すように、文書登録受付部１０１は、自由文を含むアンケートとユーザが居住する地方及び電子メールアドレスを示す属性情報とを入力する（ステップＳ１０１：入力処理）。属性情報は同時に、図５、図６に示したように、ユーザの氏名など、他の属性を示すものであってもよい。属性の１つであるユーザが居住する地方（例えば、北海道、東北、関東、信越、北陸、東海、近畿、中国、四国、九州、沖縄）は、ユーザの住所によって決定される。

文書記憶部１０２は、文書登録受付部１０１により入力されたアンケートを記憶する（ステップＳ１０２：文書記憶処理）。これにより、回答データは文書記憶部１０２に格納される。この回答データは、属性情報を含んでもよいし、含んでいなくてもよい。

属性情報記憶部１０４は、文書登録受付部１０１により入力された属性情報を文書記憶部１０２に記憶されたアンケートと対応付けて記憶する（ステップＳ１０３：属性情報記憶処理）。属性情報とアンケートの対応付けは、属性情報作成部１０３により行われる。

テキスト解析部１０５は、属性情報記憶部１０４に記憶された属性情報が示す地方ごとに、文書記憶部１０２に記憶されたアンケートに含まれる自由文から単語と単語の共起頻度を示す共起情報とを抽出する（ステップＳ１０４：共起情報抽出処理）。これにより、図８に示すような登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値ごとのアンケートの回答データそれぞれが、テキスト解析部１０５で解析される。ここで、テキスト解析部１０５は同時に、アンケートの全回答データを解析してもよい。解析結果はテキスト解析結果記憶部１０６に格納される。

概念辞書作成部１０７は、テキスト解析部１０５により抽出された共起情報に基づいて、テキスト解析部１０５により抽出された単語の概念を数値化した概念ベクトルを計算する（ステップＳ１０５：概念ベクトル計算処理）。概念辞書記憶部１０８は、図９に示すように、概念辞書作成部１０７により計算された概念ベクトルの集合を地方ごとの概念辞書として記憶する（ステップＳ１０６：概念辞書記憶処理）。このように、概念辞書作成部１０７では解析結果を用いて、登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値ごとのアンケートの回答データそれぞれに対して概念辞書を作成し、概念辞書記憶部１０８に格納する。ここで、概念辞書作成部１０７は同時に、アンケートの全回答データに対して概念辞書を作成してもよい。

属性情報作成部１０３は、概念辞書記憶部１０８に記憶された地方ごとの概念辞書に含まれる単語と当該単語の概念を含む自由文（又はその自由文を含むアンケート）とを対応させる対応情報を生成する（ステップＳ１０７：対応情報生成処理）。属性情報記憶部１０４の対応情報記憶部１３２は、属性情報作成部１０３により生成された対応情報を記憶する（ステップＳ１０８：対応情報記憶処理）。

図１０に示すように、分析受付部１１７の単語数閾値記憶部１１８は、相関情報に含める単語の最大数を示す単語数閾値（分析結果出力閾値）を記憶する（ステップＳ１０９：単語数閾値記憶処理）。このように、分析受付部１１７は、図１１に示すような分析条件１３０を入力し、分析部１１１に分析依頼をする。そして、分析する属性情報及び分析結果出力閾値を分析部１１１に送信する。

分析部１１１の相関情報生成部１１２は、概念辞書記憶部１０８に記憶された地方ごとの概念辞書に含まれる単語のうち、重要度が高い順に、単語数閾値以下の数の単語と地方との相関（関連度）を示す相関情報を生成する（ステップＳ１１０：相関情報生成処理）。このように、分析部１１１は分析依頼を受け、分析条件１３０で指定した分析する属性情報が取り得る属性値のうち１つに対して、その属性値に該当する顧客が回答した自由文の集まりの中で、重要度の高い単語を重要度順に上から分析条件１３０で指定した分析結果出力閾値分抽出し、抽出した概念（単語）を分析結果表示部１１３へ送信する（抽出時には、分析条件１３０で指定した分析する属性情報が取り得る属性値ごとの概念辞書を用いる。）。分析部１１１はこれを分析条件１３０で指定した分析する属性情報が取り得る属性値の数分行う。このとき、例えば、図１２、図１３、図１４に示すようなデータ（相関情報）が抽出され、分析結果表示部１１３に送信される。例えば、図１４に示したデータは、それぞれの地域（地方）と料理名（単語）との相関度が数値化されたものである（値として、相関度の代わりに、地域ごとの回答者数の割合を用いてもよい。その場合、例えば、属性が「北海道」のアンケートの中で、「塩ラーメン」の重要度が高いアンケートが８割あれば、「北海道」と「塩ラーメン」の組み合わせの値を０．８と算出する。）。

分析結果表示部１１３は、相関情報生成部１１２により生成された相関情報をグラフに表示する（ステップＳ１１１：出力処理）。例えば、分析結果表示部１１３は分析部１１１から概念（単語）を受信し、図１５に示すような分析結果をグラフに出力する。

抽出範囲受付部１１５は、分析結果表示部１１３によりグラフに表示された相関情報に基づいて、相関の有る単語と地方との組み合わせを選択する（ステップＳ１１２：選択処理）。このとき、ユーザは、抽出範囲指定部１１４で分析結果表示部１１３に出力されたグラフ中の抽出したい範囲を指定する（指定方法としては、例えば、出力されたグラフが折れ線グラフである場合には、節点の部分をクリックする方法などが用いられる。又は、出力されたグラフが散布図である場合には、プロット範囲をクリックアンドドラッグする方法などが用いられる。）。そして、抽出範囲受付部１１５は、抽出範囲指定部１１４で指定された範囲を受け付け、抽出範囲情報とそれに該当する顧客の回答者ＩＤを顧客データ抽出部１１６に送信する。

顧客データ抽出部１１６は、対応情報記憶部１３２に記憶された対応情報に基づいて、抽出範囲受付部１１５により選択された単語に対応する自由文を含むアンケートであって当該アンケートに回答したユーザが居住する地方が抽出範囲受付部１１５により選択されたユーザが居住する地方と一致するアンケートに対応付けて属性情報記憶部１０４に記憶された属性情報を抽出し（ステップＳ１１３：属性情報抽出処理）、抽出した属性情報が示す電子メールアドレスをメールマガジン配信装置４００に通知する（ステップＳ１１４：属性情報抽出処理）。このように、顧客データ抽出部１１６は、抽出範囲受付部１１５から抽出範囲情報を受信し、自ら対応情報を元に属性情報記憶部１０４から顧客の個人情報（例えば、氏名、メールアドレス）を取得し、抽出範囲情報と取得した顧客の個人情報をメールマガジン配信装置４００に送信する。ここで、顧客データ抽出部１１６は、抽出範囲受付部１１５から抽出範囲に該当する顧客の回答者ＩＤを受信し、回答者ＩＤをキーにして属性情報記憶部１０４から顧客の個人情報を取得してもよいし、受信した回答者ＩＤをメールマガジン配信装置４００に送信してもよい。

メールマガジン配信装置４００は抽出範囲情報と顧客の個人情報を受信し（回答者ＩＤを受信した場合は、回答者ＩＤをキーにして属性情報記憶部１０４から顧客の個人情報を取得し）、抽出範囲情報に合わせてメールマガジンの内容を選択し、顧客の個人情報を用いてメールマガジンを配信する（例えば、出力されたグラフが図１５に示したものであり、抽出範囲指定部１１４で「小龍包」のグラフの「東海」に該当する節点をクリックした場合、「小龍包」に関する情報を住所が「東海」にある顧客に配信する。）。

以上のように、本実施の形態のテキストマイニング装置は、
テキストを含む文書と当該文書の第１の属性及び第２の属性を示す属性情報とを入力する入力部と、
前記入力部により入力された文書を記憶する文書記憶部と、
前記入力部により入力された属性情報を前記文書記憶部に記憶された文書と対応付けて記憶する属性情報記憶部と、
前記属性情報記憶部に記憶された属性情報が示す第１の属性ごとに、前記文書記憶部に記憶された文書に含まれるテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出部と、
前記共起情報抽出部により抽出された共起情報に基づいて、前記共起情報抽出部により抽出された単語の概念を数値化した概念ベクトルを計算する概念ベクトル計算部と、
前記概念ベクトル計算部により計算された概念ベクトルの集合を前記第１の属性ごとの概念辞書として記憶する概念辞書記憶部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語と当該単語の概念を含むテキストとを対応させる対応情報を生成する対応情報生成部と、
前記対応情報生成部により生成された対応情報を記憶する対応情報記憶部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語と前記第１の属性との相関を示す相関情報を生成する相関情報生成部と、
前記相関情報生成部により生成された相関情報を出力する出力部と、
前記出力部により出力された相関情報に基づいて、相関の有る単語と第１の属性との組み合わせを選択する選択部と、
前記対応情報記憶部に記憶された対応情報に基づいて、前記選択部により選択された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記選択部により選択された第１の属性と一致する文書に対応付けて前記属性情報記憶部に記憶された属性情報を抽出し、抽出した属性情報が示す第２の属性を通知する属性情報抽出部とを備えることを特徴とする。

前記テキストマイニング装置は、さらに、
前記相関情報に含める単語の最大数を示す単語数閾値を記憶する単語数閾値記憶部を備え、
前記相関情報生成部は、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が高い順に、前記単語数閾値記憶部に記憶された単語数閾値以下の数の単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

前記テキストは、ユーザにより作成されるものであり、
前記第１の属性は、前記テキストを作成したユーザの居住地域、性別、年齢のいずれかであり、
前記第２の属性は、前記テキストを作成したユーザの電子メールアドレスであり、
前記属性情報抽出部は、抽出した属性情報が示す電子メールアドレスを、メールマガジンを前記ユーザに配信するメールマガジン配信装置に通知することを特徴とする。

また、本実施の形態のテキストマイニングプログラムは、
テキストを含む文書と当該文書の第１の属性及び第２の属性を示す属性情報とを入力する入力処理と、
前記入力処理により入力された文書を記憶装置に記憶する文書記憶処理と、
前記入力処理により入力された属性情報を前記記憶装置に記憶された文書と対応付けて前記記憶装置に記憶する属性情報記憶処理と、
前記記憶装置に記憶された属性情報が示す第１の属性ごとに、前記記憶装置に記憶された文書に含まれるテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出処理と、
前記共起情報抽出処理により抽出された共起情報に基づいて、前記共起情報抽出処理により抽出された単語の概念を数値化した概念ベクトルを計算する概念ベクトル計算処理と、
前記概念ベクトル計算処理により計算された概念ベクトルの集合を前記第１の属性ごとの概念辞書として前記記憶装置に記憶する概念辞書記憶処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語と当該単語の概念を含むテキストとを対応させる対応情報を生成する対応情報生成処理と、
前記対応情報生成処理により生成された対応情報を前記記憶装置に記憶する対応情報記憶処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語と前記第１の属性との相関を示す相関情報を生成する相関情報生成処理と、
前記相関情報生成処理により生成された相関情報を出力する出力処理と、
前記出力処理により出力された相関情報に基づいて、相関の有る単語と第１の属性との組み合わせを選択する選択処理と、
前記記憶装置に記憶された対応情報に基づいて、前記選択処理により選択された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記選択処理により選択された第１の属性と一致する文書に対応付けて前記記憶装置に記憶された属性情報を抽出し、抽出した属性情報が示す第２の属性を通知する属性情報抽出処理とをコンピュータに実行させることを特徴とする。

本実施の形態では、このような特徴により、例えば、顧客の興味や嗜好に即した情報配信を行うためのＷｅｂマーケティングを実現することが可能となる。

実施の形態２．
以下では、本実施の形態に係るシステムについて、主に実施の形態１で説明したシステムとの差異を説明する。

本実施の形態に係るシステムの構成は、図１に示した実施の形態１のものと同様である。

図１６は、本実施の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。

テキストマイニング装置１００は、図２に示した実施の形態１に係るテキストマイニング装置１００の各部に加えて、概念ベクトル抽出部１２０、概念ベクトル記憶部１２１、概念ベクトル解析部１２２（概念ベクトル予測部の一例）、予測概念ベクトル記憶部１２３、予測概念ベクトル変換部１２４（単語予測部の一例）、予測概念記憶部１２５を備える。分析部１１１は相関情報生成部１１２を含み、分析受付部１１７は単語数閾値記憶部１１８、予測時期設定部１１９、近似閾値記憶部１２６を含む。概念ベクトル記憶部１２１、予測概念ベクトル記憶部１２３、予測概念記憶部１２５、近似閾値記憶部１２６は、図示していない記憶装置に実装される。

分析受付部１１７では、分析条件１３０（予測したい時期（予測時期）、分析する属性情報、予測概念変換閾値及び分析結果出力閾値）を受け付け、分析部１１１及び概念ベクトル抽出部１２０に分析を依頼する。また、分析受付部１１７は分析部１１１及び概念ベクトル抽出部１２０を制御し、予測したい時期を概念ベクトル解析部１２２に、予測概念変換閾値を予測概念ベクトル変換部１２４に、分析する属性情報及び分析結果出力閾値を分析部１１１に送信する。

概念ベクトル抽出部１２０では、図１７に示すように、分析依頼を受けると分析部１１１を制御して（ステップＳ２０１）、分析条件１３０で指定した分析する属性情報が取り得る属性値と分析条件１３０で指定した予測したい時期以前のアンケートの実施期間との組み合わせのうち１つに対して、その属性値に該当する顧客がその期間に回答したアンケートごとの、自由文の集まりの中で、最も重要度の高い単語の概念ベクトルを実施したアンケートの数分抽出し（ステップＳ２０２）、概念ベクトル記憶部１２１に格納する（ステップＳ２０３）。これを分析条件１３０で指定した分析する属性情報が取り得る属性値と分析条件１３０で指定した予測したい時期以前のアンケートの実施期間との組み合わせの数分行う（ステップＳ２０４）。概念ベクトル抽出時には、分析条件１３０で指定した分析する属性情報が取り得る属性値ごとの、アンケートの回答データで作成した概念辞書を用いる。

概念ベクトル解析部１２２では、図１８に示すように、概念ベクトル記憶部１２１に格納されている分析条件１３０で指定した分析する属性情報が取り得る属性値のうち１つにおける概念ベクトルを時系列に並べ（ステップＳ２０６）、属性値１つに対する概念ベクトルの時系列遷移を読み取る。その遷移から概念ベクトルの時系列遷移の近似関数ｆ（ｔ）を求め（ステップＳ２０７）、分析受付部１１７で受け付けた分析条件１３０の予測したい時期（年、年月など）における予測概念ベクトルを推測し（ステップＳ２０８）、それを予測概念ベクトル記憶部１２３に格納する（ステップＳ２０９）。これを属性情報が取り得る属性値の数分行う（ステップＳ２１０）。

予測概念ベクトル変換部１２４では、図１９に示すように、概念ベクトル解析部１２２で推測した属性値ごとの予測概念ベクトルを当該属性値の概念辞書を用いて、予測概念ベクトルに近い概念ベクトルの概念（単語）に変換する（ステップＳ２１２）。変換の際には、予測概念ベクトルといくつかの近傍の概念ベクトルとの、差の絶対値をそれぞれ算出する。その絶対値が分析条件１３０の予測概念変換閾値（近似閾値の一例）以下である場合、予測概念ベクトルをその概念ベクトルに変換する（予測概念ベクトルは複数の概念ベクトルに変換される場合もある。）。そして、変換した概念ベクトルに該当する概念（単語）を当該属性値の概念辞書より取得し、予測概念として予測概念記憶部１２５に格納する（ステップＳ２１３）。予測概念ベクトルと近傍の概念ベクトルとの、差の絶対値が全て分析条件１３０の予測概念変換閾値より大きい場合、該当する概念ベクトルはないと判断する。それでも予測概念ベクトルを概念ベクトルに変換したい場合には、本システムのユーザが分析条件１３０を与える際に分析条件１３０の予測概念変換閾値を大きくするなどの調節をすることで対処可能である。

分析部１１１の相関情報生成部１１２では、図２０に示すように、予測概念記憶部１２５から分析条件１３０で指定した分析する属性情報と予測概念を抽出し（ステップＳ２１４）、抽出した属性情報と予測概念から、属性値ごとの概念辞書を用いて、属性情報と予測概念の相関を示す相関情報を生成する。

ここからは、実施の形態１と同様に、図３に示す質問内容を含む食品製造業のアンケートが用いられた場合の本実施の形態に係るシステムの動作について説明する。

図２１、図２４は、本実施の形態に係るテキストマイニング装置１００の動作を示すフロー図である。

図２１に示すように、文書登録受付部１０１は、自由文を含むアンケートとユーザの性別、電子メールアドレス、及びアンケートの実施年を示す属性情報とを入力する（ステップＳ３０１：入力処理）。属性の１つであるアンケートの実施年（作成時期の一例）は、例えば、図５に示したような回答日時や図６に示したようなアンケートの開始日時及び終了日時から（自動的に）判定される。ここで、前提として、アンケートは複数回実施されたものとする。

文書記憶部１０２は、文書登録受付部１０１により入力されたアンケートを記憶する（ステップＳ３０２：文書記憶処理）。属性情報記憶部１０４は、文書登録受付部１０１により入力された属性情報を文書記憶部１０２に記憶されたアンケートと対応付けて記憶する（ステップＳ３０３：属性情報記憶処理）。属性情報とアンケートの対応付けは、属性情報作成部１０３により行われる。

テキスト解析部１０５は、属性情報記憶部１０４に記憶された属性情報が示すユーザの性別ごとに、文書記憶部１０２に記憶されたアンケートに含まれる自由文から単語と共起情報とを抽出する（ステップＳ３０４：共起情報抽出処理）。これにより、図２２に示すような登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値ごとのアンケートの回答データそれぞれが、テキスト解析部１０５で解析される。解析結果はテキスト解析結果記憶部１０６に格納される。

概念辞書作成部１０７は、テキスト解析部１０５により抽出された共起情報に基づいて、概念ベクトルを計算する（ステップＳ３０５：概念ベクトル計算処理）。概念辞書記憶部１０８は、図２３に示すように、概念辞書作成部１０７により計算された概念ベクトルの集合をユーザの性別ごとの概念辞書として記憶する（ステップＳ３０６：概念辞書記憶処理）。このように、概念辞書作成部１０７では解析結果を用いて、登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値ごとのアンケートの回答データそれぞれに対して概念辞書を作成し、概念辞書記憶部１０８に格納する。

属性情報作成部１０３は、概念辞書記憶部１０８に記憶されたユーザの性別ごとの概念辞書に含まれる単語と当該単語の概念を含む自由文とを対応させる対応情報を生成する（ステップＳ３１０：対応情報生成処理）。属性情報記憶部１０４の対応情報記憶部１３２は、属性情報作成部１０３により生成された対応情報を記憶する（ステップＳ３１１：対応情報記憶処理）。

図２４に示すように、分析受付部１１７の予測時期設定部１１９は、概念ベクトルを予測する年（予測時期の一例）を設定する（ステップＳ３１４：予測時期設定処理）。分析受付部１１７の近似閾値記憶部１２６は、２つの概念ベクトルが近似するかどうかを判断するための近似閾値（予測概念変換閾値）を記憶する（ステップＳ３１５：近似閾値記憶処理）。分析受付部１１７の単語数閾値記憶部１１８は、相関情報に含める単語の最大数を示す単語数閾値（分析結果出力閾値）を記憶する（ステップＳ３１６：単語数閾値記憶処理）。このように、分析受付部１１７は、図２５に示すような分析条件１３０を入力し、分析部１１１及び概念ベクトル抽出部１２０に分析依頼をする。その際、予測したい時期を概念ベクトル解析部１２２に、予測概念変換閾値を予測概念ベクトル変換部１２４に、分析する属性情報及び分析結果出力閾値を分析部１１１に送信する。

概念ベクトル抽出部１２０は、属性情報記憶部１０４に記憶された属性情報が示すアンケートの実施年ごとに、概念辞書記憶部１０８に記憶されたユーザの性別ごとの概念辞書に含まれる単語のうち、重要度が最も高い単語の概念ベクトルをそれぞれの概念辞書から抽出する（ステップＳ３１７：概念ベクトル抽出処理）。抽出された概念ベクトルは概念ベクトル記憶部１２１に記憶される。このとき、概念ベクトル記憶部１２１には、図２６、図２７に示すようなデータ（Ａ_１、Ａ_２などはそれぞれ単語を、ｅ１、ｅ２などは次元を、Ｕ_１１、Ｕ_１２、Ｕ_１３の組み合わせ、Ｕ_２１、Ｕ_２２、Ｕ_２３の組み合わせなどは概念ベクトルを表す。）が記憶される。このように、概念ベクトル抽出部１２０は分析依頼を受け、分析部１１１を制御して分析条件１３０で指定した分析する属性情報が取り得る属性値のうち１つに対して、その属性値に該当する顧客が回答したアンケートごと（アンケートＩＤごと、即ち、この例では期間ごと）の自由文の集まりの中で、重要度の高い単語の概念ベクトルを、実施したアンケートの数分抽出し、概念ベクトル記憶部１２１に格納する（抽出時には、分析条件１３０で指定した分析する属性情報が取り得る属性値ごとの概念辞書を用いる。）。このとき、概念ベクトル抽出部１２０はこれを分析条件１３０で指定した分析する属性情報が取り得る属性値の数分行う。

概念ベクトル解析部１２２は、ユーザの性別ごとに、概念ベクトル抽出部１２０により抽出されたアンケートの実施年ごとの概念ベクトルに基づいて、予測時期設定部１１９により設定された年の概念ベクトルを予測する（ステップＳ３１８：概念ベクトル予測処理）。このとき、概念ベクトル解析部１２２は、概念ベクトル抽出部１２０の処理が完了したことを確認し、分析条件１３０で指定した分析する属性情報が取り得る属性値のうち１つにおけるアンケートＩＤごとの概念ベクトルを時系列に並べ、概念ベクトルの時系列遷移を読み取って遷移の近似関数ｆ（ｔ）を求める。そして、分析受付部１１７から受信した予測したい時期（年、年月など）を用いて近似関数ｆ（ｔ）から予測概念ベクトルを推測し、図２８、図２９に示すように、それを予測概念ベクトル記憶部１２３に格納する。このとき、概念ベクトル解析部１２２はこれを分析条件１３０で指定した分析する属性情報が取り得る属性値の数分行う。

概念ベクトル解析部１２２において近似関数を求める方法としては、例えば数値積分による外挿法（ｈｔｔｐ：／／ｇｒａｐｅ．ａｓｔｒｏｎ．ｓ．ｕ−ｔｏｋｙｏ．ａｃ．ｊｐ／〜ｍａｋｉｎｏ／ｋｏｕｇｉ／ｓｙｓｔｅｍ＿ｓｕｕｒｉ４＿１９９９／ｎｏｔｅ６／ｎｏｄｅ１．ｈｔｍｌ参照。）を用いることができる。

概念ベクトル解析部１２２は、概念ベクトルがｎ個の次元を持つとき、ｎ次元それぞれに対して数値積分による外挿法を用いて、時間ｔを変数としたｎ個の近似関数を求める（近似関数を求める方法はこれに限らない。）。そして、分析条件１３０で与えた予測したい時期を時間ｔに代入し、予測概念ベクトルを求める。例えば、図３０（簡単に示すため、２次元で表現している。）に示した例では、２００２年、２００３年、２００４年とアンケートを実施して得られた男性又は女性の顧客のアンケートの１つの質問に対する回答データから抽出された単語のうち、最も重要度が高い単語の概念ベクトルを用いて、２００２年から２００４年への推移を読み取り、２００５年には、２００２年、２００３年、２００４年に実施したアンケートと同様な質問に対してどのような回答をするか（回答から抽出される単語のうち、最も重要度が高くなる単語がどのような概念ベクトルを持つか）を推測している。

次に、予測概念ベクトル変換部１２４は、概念辞書記憶部１０８に記憶されたユーザの性別ごとの概念辞書から、概念ベクトル解析部１２２により予測された概念ベクトルとの差の絶対値が近似閾値以下の概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する（ステップＳ３１９：単語予測処理）。このように、予測概念ベクトル変換部１２４では概念ベクトル解析部１２２の処理が完了したことを確認し、予測概念ベクトル記憶部１２３内の予測概念ベクトルを、概念辞書記憶部１０８内に格納されている属性ごとの概念辞書を用いて近い概念ベクトルの概念（単語）に変換する。変換する際に、予測概念ベクトルと近傍の概念ベクトルとの差の絶対値をそれぞれ算出する。その絶対値が分析条件１３０で与えた予測概念変換閾値以下であるとき、それに該当する概念ベクトルを抽出し、その概念（単語）に変換する。そして、図３１に示すように、得られた概念（単語）を予測概念として予測概念記憶部１２５に格納する。ここで、図３１に示すように、抽出する単語は複数あってもよい。図３１の例では、性別順に、かつ、予測概念ベクトルとの差の絶対値が小さい概念ベクトルの単語から順に予測概念を表示しており、差の絶対値が小さいものは、男性の場合はどれも丼の料理であり、女性の場合はどれも菓子であるというように似たもの（概念）が予測されている。

予測概念ベクトル変換部１２４において予測概念ベクトルを変換する方法としては、以下のような方法を用いることができる。

予測概念ベクトル変換部１２４は、概念ベクトル解析部１２２で求めた予測概念ベクトルを検索ベクトルとし、ユーザの性別ごとの概念辞書を用いて、予測概念ベクトルを概念（単語）に変換する。変換する際には予測概念ベクトルと近い概念ベクトルに変換する。例えば、図３２（簡単に示すため、２次元で表現している。）のように変換したい予測概念ベクトルの近傍に概念Ａ、概念Ｂ、２つの概念ベクトルが存在したとする。この際、予測概念ベクトルと概念Ａ、概念Ｂそれぞれの予測概念ベクトルとの差の絶対値をΔａ、Δｂとすると、Δａ＜Δｂであり、かつΔａの絶対値が分析条件１３０で与えた予測概念変換閾値より小さい場合、予測概念ベクトルを該当する予測概念として概念Ａに変換する。

次に、分析部１１１の相関情報生成部１１２は、予測概念ベクトル変換部１２４により抽出された単語のうち、概念ベクトル解析部１２２により予測された概念ベクトルとの差の絶対値が小さい概念ベクトルの単語から順（差の絶対値が小さい順）に、単語数閾値以下の数の単語とユーザの性別との相関を示す相関情報を生成する（ステップＳ３２０：相関情報生成処理）。分析結果表示部１１３は、相関情報生成部１１２により生成された相関情報をグラフに表示する（ステップＳ３２１：出力処理）。例えば、分析結果表示部１１３は図３３に示すような分析結果をグラフに出力する。抽出範囲受付部１１５は、分析結果表示部１１３によりグラフに表示された相関情報に基づいて、相関の有る単語とユーザの性別との組み合わせを選択する（ステップＳ３２２：選択処理）。

顧客データ抽出部１１６は、対応情報記憶部１３２に記憶された対応情報に基づいて、抽出範囲受付部１１５により選択された単語に対応する自由文を含むアンケートであって当該アンケートに回答したユーザの性別が抽出範囲受付部１１５により選択されたユーザの性別と一致するアンケートに対応付けて属性情報記憶部１０４に記憶された属性情報を抽出し（ステップＳ３２３：属性情報抽出処理）、抽出した属性情報が示す電子メールアドレスをメールマガジン配信装置４００に通知する（ステップＳ３２４：属性情報抽出処理）。

メールマガジン配信装置４００は抽出範囲情報と顧客の個人情報を受信し、抽出範囲情報に合わせてメールマガジンの内容を選択し、顧客の個人情報を用いてメールマガジンを配信する（例えば、出力されたグラフが図３３に示したものであり、抽出範囲指定部１１４で「鉄火丼」のグラフの「男性」に該当する節点をクリックした場合、「鉄火丼」に関する情報を「男性」の顧客に配信する。）。

このように、本実施の形態では、アンケート作成／公開装置２００と、テキストマイニング装置１００と、メールマガジン配信装置４００から構成されているＷｅｂマーケティングシステムにおいて、アンケート作成／公開装置２００で作成・公開したアンケートから得られた顧客の個人情報とアンケートの質問に対する意見（自由文）を回答データ記憶部２０４に蓄積する。そして、回答データ記憶部２０４に蓄積した情報からテキストマイニング装置１００により顧客一人一人の意見（例えば、好きな商品など）の傾向を導出し、その傾向から近い未来に顧客がどのような意見を持つか（例えば、どのような商品を気に入るか）を予測する。その予測結果を用いて顧客データを分類し、分類内容に合わせた情報を顧客に対して配信することで、顧客の意見・嗜好を予測したマーケティングが実施できる。また、この流れを繰り返し（例えば、年ごとに）行うことでアンケートから得られる顧客の個人情報とアンケートの質問に対する意見（自由文）が蓄積されていき、図３０にて説明した近似関数の精度が増し、顧客の意見の傾向が大きく変化してもそれに合わせた予測を行うため、先を読むマーケティングサイクルが実現できる。

本実施の形態では、予測時期及びアンケートの実施期間（実施年）の期間の単位を「年」としているが、例えば、「月」、「週」、「日」など、他の期間を単位としてもよい。

以上のように、本実施の形態のテキストマイニング装置において、
前記属性情報は、さらに、前記文書の第３の属性として前記テキストが作成された作成時期を示し、
前記テキストマイニング装置は、さらに、
概念ベクトルを予測する予測時期を設定する予測時期設定部と、
前記属性情報記憶部に記憶された属性情報が示す作成時期ごとに、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が最も高い単語の概念ベクトルをそれぞれの概念辞書から抽出する概念ベクトル抽出部と、
前記属性情報記憶部に記憶された属性情報が示す第１の属性ごとに、前記概念ベクトル抽出部により抽出された作成時期ごとの概念ベクトルに基づいて、前記予測時期設定部により設定された予測時期の概念ベクトルを予測する概念ベクトル予測部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測部とを備え、
前記相関情報生成部は、前記単語予測部により抽出された単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

前記テキストマイニング装置は、さらに、
２つの概念ベクトルが近似するかどうかを判断するための近似閾値を記憶する近似閾値記憶部を備え、
前記単語予測部は、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルとの差の絶対値が前記近似閾値記憶部に記憶された近似閾値以下の概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出することを特徴とする。

また、本実施の形態のテキストマイニングプログラムにおいて、
前記属性情報は、さらに、前記文書の第３の属性として前記テキストが作成された作成時期を示し、
前記テキストマイニングプログラムは、さらに、
概念ベクトルを予測する予測時期を設定する予測時期設定処理と、
前記記憶装置に記憶された属性情報が示す作成時期ごとに、前記記憶装置に記憶された第１の属性ごとの概念辞書に含まれる単語のうち、重要度が最も高い単語の概念ベクトルをそれぞれの概念辞書から抽出する概念ベクトル抽出処理と、
前記記憶装置に記憶された属性情報が示す第１の属性ごとに、前記概念ベクトル抽出処理により抽出された作成時期ごとの概念ベクトルに基づいて、前記予測時期設定処理により設定された予測時期の概念ベクトルを予測する概念ベクトル予測処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書から、前記概念ベクトル予測処理により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測処理とをコンピュータに実行させ、
前記相関情報生成処理は、前記単語予測処理により抽出された単語と前記第１の属性との相関を示す相関情報を生成することを特徴とする。

本実施の形態では、このような特徴により、例えば、顧客の興味や嗜好を先読みした情報配信を行うためのＷｅｂマーケティングを実現することが可能となる。

実施の形態３．
以下では、本実施の形態に係るシステムについて、主に実施の形態１で説明したシステムとの差異を説明する。

本実施の形態に係るシステムの構成は、図１に示した実施の形態１のものと同様である。

図３４は、本実施の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。

分析部１１１は相関情報生成部１１２、単語抽出部１２８を含み、分析受付部１１７は単語数閾値記憶部１１８、属性情報設定部１２７を含む。

ここからは、実施の形態１と同様に、図３に示す質問内容を含む食品製造業のアンケートが用いられた場合の本実施の形態に係るシステムの動作について説明する。

図３５、図３８、図４４は、本実施の形態に係るテキストマイニング装置１００の動作を示すフロー図である。

図３５に示すように、文書登録受付部１０１は、自由文を含むアンケートとユーザの年代、電子メールアドレス、及びアンケートの実施期間を示す属性情報とを入力する（ステップＳ４０１：入力処理）。属性の１つであるユーザの年代は、例えば、図５に示したようなユーザの生年から（自動的に）判定され、アンケートの実施期間は、例えば、図５に示したような回答日時や図６に示したようなアンケートＩＤから定まるアンケートの開始日時及び終了日時などから（自動的に）判定される。これらの属性は、図３に示したようなアンケートページに顧客が直接入力してもよい。ここで、前提として、アンケートは複数回実施されたものとする。

文書記憶部１０２は、文書登録受付部１０１により入力されたアンケートを記憶する（ステップＳ４０２：文書記憶処理）。属性情報記憶部１０４は、文書登録受付部１０１により入力された属性情報を文書記憶部１０２に記憶されたアンケートと対応付けて記憶する（ステップＳ４０３：属性情報記憶処理）。属性情報とアンケートの対応付けは、属性情報作成部１０３により行われる。

テキスト解析部１０５は、属性情報記憶部１０４に記憶された属性情報が示すユーザの年代及びアンケートの実施期間の組み合わせごとに、文書記憶部１０２に記憶されたアンケートに含まれる自由文から単語と共起情報とを抽出する（ステップＳ４０４：共起情報抽出処理）。これにより、図３６に示すような登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値（ここでは、属性値や属性値から導かれる他の属性値の組み合わせ）ごとのアンケートの回答データそれぞれが、テキスト解析部１０５で解析される。解析結果はテキスト解析結果記憶部１０６に格納される。

概念辞書作成部１０７は、テキスト解析部１０５により抽出された共起情報に基づいて、概念ベクトルを計算する（ステップＳ４０５：概念ベクトル計算処理）。概念辞書記憶部１０８は、図３７に示すように、概念辞書作成部１０７により計算された概念ベクトルの集合をユーザの年代及びアンケートの実施期間の組み合わせごとの概念辞書として記憶する（ステップＳ４０６：概念辞書記憶処理）。このように、概念辞書作成部１０７では解析結果を用いて、登録条件１２９の概念辞書作成設定で「作成する」と設定した属性情報が取り得る属性値ごとのアンケートの回答データそれぞれに対して概念辞書を作成し、概念辞書記憶部１０８に格納する。

属性情報作成部１０３は、概念辞書記憶部１０８に記憶されたユーザの年代及びアンケートの実施期間の組み合わせごとの概念辞書に含まれる単語と当該単語の概念を含む自由文とを対応させる対応情報を生成する（ステップＳ４０７：対応情報生成処理）。属性情報記憶部１０４の対応情報記憶部１３２は、属性情報作成部１０３により生成された対応情報を記憶する（ステップＳ４０８：対応情報記憶処理）。

図３８に示すように、分析受付部１１７の単語数閾値記憶部１１８は、相関情報に含める単語の最大数を示す単語数閾値（分析結果出力閾値）を記憶する（ステップＳ４０９：単語数閾値記憶処理）。このように、分析受付部１１７は、図３９に示すような分析条件１３０を入力し、分析部１１１に分析依頼をする。そして、分析する属性情報及び分析結果出力閾値を分析部１１１に送信する。

分析部１１１の相関情報生成部１１２は、概念辞書記憶部１０８に記憶されたユーザの年代及びアンケートの実施期間の組み合わせごとの概念辞書に含まれる単語のうち、重要度が高い順に、単語数閾値以下の数の単語とユーザの年代及びアンケートの実施期間の組み合わせとの相関を示す相関情報を生成する（ステップＳ４１０：相関情報生成処理）。このように、分析部１１１は分析依頼を受け、分析条件１３０で指定した分析する２種類の属性情報が取り得る属性値の組み合わせのうち１つに対して、その属性値に該当する顧客が回答した自由文の集まりの中で、重要度の高い単語を重要度順に上から分析条件１３０で指定した分析結果出力閾値分抽出し、抽出した概念（単語）を分析結果表示部１１３へ送信する（抽出時には、分析条件１３０で指定した分析する属性情報が取り得る属性値の組み合わせごとの概念辞書を用いる。）。分析部１１１はこれを分析条件１３０で指定した分析する属性情報が取り得る属性値の数分行う。このとき、例えば、図４０、図４１、図４２に示すようなデータ（相関情報）が抽出され、分析結果表示部１１３に送信される。

分析結果表示部１１３は、相関情報生成部１１２により生成された相関情報をグラフに表示する（ステップＳ４１１：出力処理）。例えば、分析結果表示部１１３は分析部１１１から概念（単語）を受信し、図４３に示すような分析結果をグラフに出力する。

抽出範囲受付部１１５は、分析結果表示部１１３によりグラフに表示された相関情報に基づいて、相関の有る単語とユーザの年代及びアンケートの実施期間の組み合わせとの組み合わせを選択し（ステップＳ４１２：選択処理）、選択したアンケートの実施期間に、選択した単語に対応するテキストを作成したユーザであって、当該ユーザの年代が選択したユーザの年代と一致するユーザを識別する回答者ＩＤ（ユーザ識別情報の一例）を取得する（ステップＳ４１３：選択処理）。このとき、ユーザは、抽出範囲指定部１１４で分析結果表示部１１３に出力されたグラフ中の抽出したい範囲を指定する（指定方法としては、例えば、出力されたグラフが折れ線グラフである場合には、節点の部分をクリックする方法などが用いられる。又は、出力されたグラフが散布図である場合には、プロット範囲をクリックアンドドラッグする方法などが用いられる。）。ここでは、例として、「プルコギ」の属性値「４０代・２００１〜２０１０」における節点をクリックしたとする。そして、抽出範囲受付部１１５は、抽出範囲指定部１１４で指定された範囲を受け付け、抽出範囲情報とそれに該当する顧客の回答者ＩＤを顧客データ抽出部１１６に送信する。

図４４に示したように、分析受付部１１７の属性情報設定部１２７は、抽出範囲受付部１１５により選択されたユーザの年代及びアンケートの実施期間から同じ年数分（ここでは例として、３０年（３期間）とするが、１０年（１期間）、２０年（２期間）などとしてもよい。この設定は、予め記憶装置などを用いて設定されていてもよいし、分析条件１３０に含めて入力されてもよい。）遡った年代及び期間の組み合わせ（抽出範囲受付部１１５により選択されたユーザの年代及びアンケートの実施期間の組み合わせと異なるユーザの年代及びアンケートの実施期間の組み合わせ）を示す他の属性情報を設定する（ステップＳ４１４：属性情報設定処理）。

分析部１１１の単語抽出部１２８は、抽出範囲受付部１１５により取得された回答者ＩＤで特定されるユーザにより作成された自由文に対応する単語で、かつ、概念辞書記憶部１０８に記憶されたユーザの年代及びアンケートの実施期間の組み合わせごとの概念辞書であって属性情報設定部１２７により設定された他の属性情報が示すユーザの年代及びアンケートの実施期間の組み合わせの概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出する（重要度が高い単語を複数抽出してもよい。）（ステップＳ４１５：単語抽出処理）。上記例では、分析部１１１が、図４３に示したグラフにおいて、「プルコギ」と回答し、属性値「４０代・２００１〜２０１０」（抽出範囲受付部１１５により選択されたユーザの年代及びアンケートの実施期間の組み合わせの一例）に該当する顧客の中で、属性値「１０代・１９７１〜１９８０」（属性情報設定部１２７により設定された他の属性情報が示すユーザの年代及びアンケートの実施期間の組み合わせの一例）にも該当する顧客を概念（単語）と属性を合わせて検索して絞り込む。そして、絞り込んだ顧客により１９７１年〜１９８０年の間に回答された自由文の集まりから重要度が高い概念（単語）を抽出する。

顧客データ抽出部１１６は、対応情報記憶部１３２に記憶された対応情報に基づいて、単語抽出部１２８により抽出された単語に対応する自由文を含むアンケート（このアンケートに回答したユーザの年代とアンケートの実施期間との組み合わせは、属性情報設定部１２７により設定された他の属性情報が示すユーザの年代とアンケートの実施期間との組み合わせと一致する。つまり、上記例では、属性値が「１０代・１９７１〜１９８０」であるアンケートで、単語抽出部１２８により抽出された単語（概念）を含むものとなる。）に対応付けて属性情報記憶部１０４に記憶された属性情報を抽出し（ステップＳ４１６：属性情報抽出処理）、抽出した属性情報が示す電子メールアドレスをメールマガジン配信装置に通知する（ここでは、抽出した属性情報が示す電子メールアドレスは最新のものに更新されていることを前提としている。）（ステップＳ４１７：属性情報抽出処理）。上記例では、１９７１年〜１９８０年に１０代であった顧客は、２００１年〜２０１０年には４０代になっているはずであり、２００１年〜２０１０年にアンケートに回答していなくても、１９７１年〜１９８０年に重要度が最も高かった単語である「カレー」と回答した顧客は「プルコギ」と回答する傾向があるとみなし、マーケティングの対象顧客とするのである（本実施の形態では、同じ回答者が、各期間・年代の組み合わせの中で、多数存在していることを前提としている。例えば、期間（２００１〜２０１０）に４０代で回答した人の多くが、期間（１９７１〜１９８０）に１０代で回答している。）。

ここで、顧客データ抽出部１１６は自動的に属性情報を抽出するのではなく、ユーザによる操作に基づいて属性情報を抽出してもよい。この場合、分析結果表示部１１３は、分析部１１１が属性値「１０代・１９７１〜１９８０」に該当する顧客を検索して絞込み、抽出した概念（単語）を概念検索した検索の結果を図４５に示すようなグラフに出力する。ユーザは、抽出範囲指定部１１４で分析結果表示部１１３に出力されたグラフ中の抽出したい範囲を指定する（図４５の例においては、表示されている点を指定する。）。抽出範囲受付部１１５は、抽出範囲指定部１１４で指定された範囲を受け付け、抽出範囲情報とそれに該当する顧客の回答者ＩＤを顧客データ抽出部１１６に送信する。顧客データ抽出部１１６は、抽出範囲情報とそれに該当する顧客の回答者ＩＤを受信し、回答者ＩＤをキーにして属性情報記憶部１０４から顧客の個人情報（例えば、氏名、メールアドレス）を取得する。そして、抽出範囲情報と取得した顧客の個人情報をメールマガジン配信装置４００に送信する。

メールマガジン配信装置４００は抽出範囲情報と顧客の個人情報を受信し、抽出範囲情報に合わせてメールマガジンの内容を選択し、顧客の個人情報を用いてメールマガジンを配信する（上記例では、結果として、属性値「４０代・２００１〜２０１０」で「プルコギ」と回答した顧客と、２００１年〜２０１０年にアンケートに回答しておらず、属性値「１０代・１９７１〜１９８０」かつ「カレー」と回答した顧客に対して、メールマガジンを配信することになる。）。

本実施の形態では、ユーザの年代及びアンケートの実施期間の単位を１０年としているが、例えば、１年、５年など、他の期間を単位としてもよい。

以上のように、本実施の形態のテキストマイニング装置において、
前記属性情報は、さらに、前記文書の第３の属性を示し、
前記共起情報抽出部は、前記属性情報記憶部に記憶された属性情報が示す第１の属性と第３の属性との組み合わせごとに、前記文書記憶部に記憶された文書に含まれるテキストから単語と共起情報とを抽出し、
前記概念辞書記憶部は、前記概念ベクトル計算部により計算された概念ベクトルの集合を前記組み合わせごとの概念辞書として記憶し、
前記相関情報生成部は、前記概念辞書記憶部に記憶された組み合わせごとの概念辞書に含まれる単語と前記組み合わせとの相関を示す相関情報を生成することを特徴とする。

前記テキストマイニング装置は、さらに、
前記選択部により選択された第１の属性と異なる第１の属性を示す他の属性情報を設定する属性情報設定部と、
前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書であって前記属性情報設定部により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出する単語抽出部とを備え、
前記属性情報抽出部は、さらに、前記対応情報記憶部に記憶された対応情報に基づいて、前記単語抽出部により抽出された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記属性情報設定部により設定された他の属性情報が示す第１の属性と一致する文書に対応付けて前記属性情報記憶部に記憶された属性情報を抽出することを特徴とする。

前記テキストは、ユーザにより作成されるものであり、
前記第１の属性は、前記テキストを作成したユーザの年代と前記テキストが作成された期間との組み合わせであり、
前記他の属性情報は、前記第１の属性として、前記選択部により選択された年代と異なる年代と前記選択部により選択された期間と異なる期間との組み合わせを示し、
前記選択部は、さらに、選択した期間に選択した単語に対応するテキストを作成したユーザであって当該ユーザの年代が選択したユーザの年代と一致するユーザを識別するユーザ識別情報を取得し、
前記単語抽出部は、前記対応情報記憶部に記憶された対応情報に基づいて、前記選択部により取得されたユーザ識別情報で特定されるユーザにより作成されたテキストに対応する単語で、かつ、前記概念辞書記憶部に記憶された第１の属性ごとの概念辞書であって前記属性情報設定部により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出することを特徴とする。

前記他の属性情報が示す年代と期間とは、前記選択部により選択された年代と期間とから同じ年数分遡ったものであることを特徴とする。

また、本実施の形態のテキストマイニングプログラムにおいて、
前記テキストマイニングプログラムは、さらに、
前記選択処理により選択された第１の属性と異なる第１の属性を示す他の属性情報を設定する属性情報設定処理と、
前記記憶装置に記憶された第１の属性ごとの概念辞書であって前記属性情報設定処理により設定された他の属性情報が示す第１の属性の概念辞書に含まれる単語のうち、重要度が最も高い単語を抽出する単語抽出処理とをコンピュータに実行させ、
前記属性情報抽出処理は、さらに、前記記憶装置に記憶された対応情報に基づいて、前記単語抽出処理により抽出された単語に対応するテキストを含む文書であって当該文書の第１の属性が前記属性情報設定処理により設定された他の属性情報が示す第１の属性と一致する文書に対応付けて前記記憶装置に記憶された属性情報を抽出することを特徴とする。

本実施の形態では、このような特徴により、例えば、アンケートに回答した顧客の興味や嗜好を分析した結果を利用して、アンケートに回答していない他の顧客の興味や嗜好をより高い確率で予想し、顧客の興味や嗜好に即した情報配信を行うためのＷｅｂマーケティングを実現することが可能となる。

図４６は、上記実施の形態におけるテキストマイニング装置のハードウェア構成の一例を示す図である。

図４６において、テキストマイニング装置１００は、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９１１を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、通信ボード９１５、ＣＲＴ表示装置９０１、Ｋ／Ｂ９０２、マウス９０３、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）９０４、磁気ディスク装置９２０、ＣＤＤ９０５、プリンタ装置９０６、スキャナ装置９０７と接続されている。

ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、磁気ディスク装置９２０は、不揮発性メモリの一例である。これらは、記憶装置あるいは「〜記憶部」の一例である。

通信ボード９１５は、ＬＡＮ（ローカルエリアネットワーク）などに接続されている。通信ボード９１５は、入力部、出力部の一例である。

例えば、Ｋ／Ｂ９０２、スキャナ装置９０７、ＦＤＤ９０４などは、入力部の一例である。また、例えば、ＣＲＴ表示装置９０１などは、出力部の一例である。

ここで、通信ボード９１５は、ＬＡＮに限らず、直接、インターネット３００、あるいはＩＳＤＮ（Ｉｎｔｅｇｒａｔｅｄ Ｓｅｒｖｉｃｅｓ Ｄｉｇｉｔａｌ Ｎｅｔｗｏｒｋ）などのＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。直接、インターネット３００、あるいはＩＳＤＮなどのＷＡＮに接続されていない場合、テキストマイニング装置１００は、ゲートウェイなどを介してインターネット３００、あるいはＩＳＤＮなどのＷＡＮに接続される。

磁気ディスク装置９２０には、オペレーティングシステム（ＯＳ）９２１、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３は、ＣＰＵ９１１、ＯＳ９２１、ウィンドウシステム９２２により実行される。

上記プログラム群９２３には、上述した実施の形態の説明において「〜部」として説明する機能を実行するプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。

例えば、ＣＰＵ９１１などは、制御部あるいは制御装置の一例である。

ファイル群９２４には、上述した実施の形態の説明において、「〜情報」、「〜結果」、「〜条件」として説明するものが、ファイル又はその一部として記憶されている。

また、上述した実施の形態の説明において説明するフローチャートの矢印の部分は主としてデータの入出力を示し、そのデータの入出力のためにデータは、磁気ディスク装置９２０、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）などのその他の記録媒体に記録される。あるいは、信号線やその他の伝送媒体により伝送される。

また、上述した実施の形態の説明において「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。あるいは、ソフトウェアのみ、あるいは、ハードウェアのみ、あるいは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。

また、上述した実施の形態を実施するプログラムは、磁気ディスク装置９２０、ＦＤ、光ディスク、ＣＤ、ＭＤ、ＤＶＤなどのその他の記録媒体による記録装置を用いて記憶されても構わない。

実施の形態１に係るシステムの構成を示すブロック図である。 実施の形態１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。 アンケートの質問内容の一例を示す表である。 アンケートページの一例を示す図である。 アンケート作成／公開装置の回答データ記憶部に記憶される回答データの一例を示す表である。 アンケート作成／公開装置の回答データ記憶部に記憶される回答データの一例を示す表である。 実施の形態１に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態１における登録条件の一例を示す表である。 実施の形態１における概念辞書の作成のイメージを示す図である。 実施の形態１に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態１における分析条件の一例を示す表である。 実施の形態１に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態１に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態１に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態１に係るテキストマイニング装置の分析結果表示部により表示されるグラフの一例を示す図である。 実施の形態２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。 実施の形態２における概念ベクトル抽出部の動作を示すフロー図である。 実施の形態２における概念ベクトル解析部の動作を示すフロー図である。 実施の形態２における予測概念ベクトル変換部の動作を示すフロー図である。 実施の形態２における相関情報生成部の動作を示すフロー図である。 実施の形態２に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態２における登録条件の一例を示す表である。 実施の形態２における概念辞書の作成のイメージを示す図である。 実施の形態２に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態２における分析条件の一例を示す表である。 実施の形態２に係るテキストマイニング装置の概念ベクトル記憶部に記憶されるデータの一例を示す表である。 実施の形態２に係るテキストマイニング装置の概念ベクトル記憶部に記憶されるデータの一例を示す表である。 実施の形態２に係るテキストマイニング装置の予測概念ベクトル記憶部に記憶されるデータの一例を示す表である。 実施の形態２に係るテキストマイニング装置の予測概念ベクトル記憶部に記憶されるデータの一例を示す表である。 実施の形態２における予測概念ベクトルの求め方のイメージを示す図である。 実施の形態２に係るテキストマイニング装置の予測概念記憶部に記憶されるデータの一例を示す表である。 実施の形態２における予測概念ベクトルの変換のイメージを示す図である。 実施の形態２に係るテキストマイニング装置の分析結果表示部により表示されるグラフの一例を示す図である。 実施の形態３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。 実施の形態３に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態３における登録条件の一例を示す表である。 実施の形態３における概念辞書の作成のイメージを示す図である。 実施の形態３に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態３における分析条件の一例を示す表である。 実施の形態３に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態３に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態３に係るテキストマイニング装置の分析部により抽出されるデータの一例を示す表である。 実施の形態３に係るテキストマイニング装置の分析結果表示部により表示されるグラフの一例を示す図である。 実施の形態３に係るテキストマイニング装置の動作を示すフロー図である。 実施の形態３に係るテキストマイニング装置の分析結果表示部により表示されるグラフの一例を示す図である。 各実施の形態におけるテキストマイニング装置のハードウェア構成の一例を示す図である。 従来のシステムの構成を示すブロック図である。 従来の属性情報による顧客データ抽出の例を示す図である。

符号の説明

１００ テキストマイニング装置、１０１ 文書登録受付部、１０２ 文書記憶部、１０３ 属性情報作成部、１０４ 属性情報記憶部、１０５ テキスト解析部、１０６ テキスト解析結果記憶部、１０７ 概念辞書作成部、１０８ 概念辞書記憶部、１０９ 文書索引作成部、１１０ 文書索引記憶部、１１１ 分析部、１１２ 相関情報生成部、１１３ 分析結果表示部、１１４ 抽出範囲指定部、１１５ 抽出範囲受付部、１１６ 顧客データ抽出部、１１７ 分析受付部、１１８ 単語数閾値記憶部、１１９ 予測時期設定部、１２０ 概念ベクトル抽出部、１２１ 概念ベクトル記憶部、１２２ 概念ベクトル解析部、１２３ 予測概念ベクトル記憶部、１２４ 予測概念ベクトル変換部、１２５ 予測概念記憶部、１２６ 近似閾値記憶部、１２７ 属性情報設定部、１２８ 単語抽出部、１２９ 登録条件、１３０ 分析条件、１３１ 抽出条件、１３２ 対応情報記憶部、２００ アンケート作成／公開装置、２０１ アンケート作成部、２０２ アンケート情報記憶部、２０３ アンケート公開／回答受付部、２０４ 回答データ記憶部、２０５ 通信部、２０６ アンケート回答データ抽出部、３００ インターネット、４００ メールマガジン配信装置、５００ 顧客データ抽出装置、５０１ 抽出条件受付部、５０２ 顧客データ抽出部、５０３ 顧客データ表示部、９０１ ＣＲＴ表示装置、９０２ Ｋ／Ｂ、９０３ マウス、９０４ ＦＤＤ、９０５ ＣＤＤ、９０６ プリンタ装置、９０７ スキャナ装置、９１１ ＣＰＵ、９１２ バス、９１３ ＲＯＭ、９１４ ＲＡＭ、９１５ 通信ボード、９２０ 磁気ディスク装置、９２１ ＯＳ、９２２ ウィンドウシステム、９２３ プログラム群、９２４ ファイル群。

Claims (6)

1. 複数の作成時期に複数のユーザによってそれぞれ作成された複数のテキストと、各テキストを作成したユーザの属性と当該ユーザの連絡先と当該テキストが作成された作成時期とを示す属性情報とを入力する入力部と、
   前記入力部により入力された複数のテキストを記憶する文書記憶部と、
   前記入力部により入力された属性情報を前記文書記憶部に記憶された複数のテキストと対応付けて記憶する属性情報記憶部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記文書記憶部に記憶された複数のテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記共起情報抽出部により抽出された共起情報に基づいて、前記共起情報抽出部により抽出された単語の概念を数値化した概念ベクトルを当該単語に該当する概念ベクトルとして計算する概念ベクトル計算部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性ごとに、前記概念ベクトル計算部により計算された各作成時期の概念ベクトルの集合を概念辞書として記憶する概念辞書記憶部と、
   概念ベクトルを予測する予測時期を設定する予測時期設定部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記概念辞書記憶部に記憶された概念辞書に含まれる概念ベクトルのうち、所定の単語に該当する概念ベクトルを抽出する概念ベクトル抽出部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性ごとに、前記概念ベクトル抽出部により抽出された各作成時期の概念ベクトルに基づいて、前記予測時期設定部により設定された予測時期の概念ベクトルを予測する概念ベクトル予測部と、
   前記属性情報記憶部に記憶された属性情報が示すユーザの属性ごとに、前記概念辞書記憶部に記憶された概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測部と、
   任意のユーザの属性と当該ユーザの属性について前記単語予測部により抽出された単語との組み合わせを抽出範囲情報として選択する選択部と、
   前記選択部により選択された抽出範囲情報に含まれるユーザの属性と一致する属性をもつユーザによって作成されたテキストに対応付けて前記属性情報記憶部に記憶された属性情報を抽出し、抽出した属性情報が示すユーザの連絡先と前記選択部により選択された抽出範囲情報とを通知する属性情報抽出部とを備えることを特徴とするテキストマイニング装置。
2. 前記テキストマイニング装置は、単語ごとに、単語の出現頻度に当該単語の汎用性及び偏りを加味した値である重要度を定めており、
   前記概念ベクトル抽出部は、前記属性情報記憶部に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記概念辞書記憶部に記憶された概念辞書に含まれる概念ベクトルのうち、前記所定の単語として重要度が最も高い単語に該当する概念ベクトルを抽出することを特徴とする請求項１に記載のテキストマイニング装置。
3. 前記テキストマイニング装置は、さらに、
   ２つの概念ベクトルが近似するかどうかを判断するための近似閾値を記憶する近似閾値記憶部を備え、
   前記単語予測部は、前記属性情報記憶部に記憶された属性情報が示すユーザの属性ごとに、前記概念辞書記憶部に記憶された概念辞書から、前記概念ベクトル予測部により予測された概念ベクトルとの差の絶対値が前記近似閾値記憶部に記憶された近似閾値以下の概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出することを特徴とする請求項１又は２に記載のテキストマイニング装置。
4. 前記ユーザの属性は、前記テキストを作成したユーザの居住地域、性別、年齢、職業のいずれかであり、
   前記ユーザの連絡先は、前記テキストを作成したユーザの電子メールアドレスであり、
   前記属性情報抽出部は、抽出した属性情報が示す電子メールアドレスと前記選択部により選択された抽出範囲情報とを、メールマガジンを前記ユーザに配信するメールマガジン配信装置に通知することを特徴とする請求項１から３までのいずれかに記載のテキストマイニング装置。
5. 前記作成時期は、前記ユーザが前記テキストを作成した年、月、週、日のいずれかであることを特徴とする請求項１から４までのいずれかに記載のテキストマイニング装置。
6. 複数の作成時期に複数のユーザによってそれぞれ作成された複数のテキストと、各テキストを作成したユーザの属性と当該ユーザの連絡先と当該テキストが作成された作成時期とを示す属性情報とを入力する入力処理と、
   前記入力処理により入力された複数のテキストを記憶装置に記憶する文書記憶処理と、
   前記入力処理により入力された属性情報を前記記憶装置に記憶された複数のテキストと対応付けて前記記憶装置に記憶する属性情報記憶処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記記憶装置に記憶された複数のテキストから単語と単語の共起頻度を示す共起情報とを抽出する共起情報抽出処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記共起情報抽出処理により抽出された共起情報に基づいて、前記共起情報抽出処理により抽出された単語の概念を数値化した概念ベクトルを当該単語に該当する概念ベクトルとして計算する概念ベクトル計算処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性ごとに、前記概念ベクトル計算処理により計算された各作成時期の概念ベクトルの集合を概念辞書として前記記憶装置に記憶する概念辞書記憶処理と、
   概念ベクトルを予測する予測時期を設定する予測時期設定処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性と作成時期との組み合わせごとに、前記記憶装置に記憶された概念辞書に含まれる概念ベクトルのうち、所定の単語に該当する概念ベクトルを抽出する概念ベクトル抽出処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性ごとに、前記概念ベクトル抽出処理により抽出された各作成時期の概念ベクトルに基づいて、前記予測時期設定処理により設定された予測時期の概念ベクトルを予測する概念ベクトル予測処理と、
   前記記憶装置に記憶された属性情報が示すユーザの属性ごとに、前記記憶装置に記憶された概念辞書から、前記概念ベクトル予測処理により予測された概念ベクトルに近似する概念ベクトルを選択し、選択した概念ベクトルに該当する単語を抽出する単語予測処理と、
   任意のユーザの属性と当該ユーザの属性について前記単語予測処理により抽出された単語との組み合わせを抽出範囲情報として選択する選択処理と、
   前記選択処理により選択された抽出範囲情報に含まれるユーザの属性と一致する属性をもつユーザによって作成されたテキストに対応付けて前記記憶装置に記憶された属性情報を抽出し、抽出した属性情報が示すユーザの連絡先と前記選択処理により選択された抽出範囲情報とを通知する属性情報抽出処理とをコンピュータに実行させることを特徴とするテキストマイニングプログラム。

Images