JP5138621B2 - 情報処理装置及び不満解決商品発見方法及びプログラム - Google Patents

Description

本発明は、情報処理装置及び不満解決商品発見方法及びプログラムに係り、特に、不満を解決する商品を発見するための情報処理装置及び不満解決商品発見方法及びプログラムに関する。

近年、消費者がインターネット上で発信する情報の中で、商品やサービスに対する感想や、日々の体験談等が大量に発信されるようになってきた。このような中で、多数の消費者が発信した情報の中から、ユーザのある事物の評価を検索する場面を想定し、検索語に関する評判として、「画面」「きれい」のような評価属性（画面）と評価表現（きれい）の抽出を行っている（例えば、特許文献１参照）。具体的には、検索語を含む文書群から抽出した評判表現の候補同士の類似性を見ることで、検索語と関連のある評判の抽出を行っている。このようにして抽出した評判には、「画面が汚い」等の不満が含まれる。

特開２００８−２３４５５７号公報

従来の評判抽出技術を用いてユーザの不満を抽出した場合、主な用途はマーケティング等の情報収集であり、商品推薦等に応用することが困難であった。その理由として、不満には、批評を表したもの、感情を表したもの、デメリットを表したもの、不利益な出来事を表したもの等、様々な不満の種類があり、応用する場合には不必要なものが含まれていることが挙げられる（課題１）。

また、従来の評判抽出技術では、事物と評判の意味的関係までは考慮されていない。そのため、ある事物についての全ての不満をユーザに提示した場合、ユーザが混乱するような情報を与えてしまうことがあった。例えば、ユーザがある商品を検索し、その商品の不満として「腰が痛い」という不満が抽出された場合、ユーザはその商品が「腰が痛いのを解決してくれる商品」なのか、「使うと腰が痛くなる商品」なのかを区別できない（課題２）。そこで、事物と不満の意味的関係を考慮することが重要となる。

本発明は上記の点に鑑みなされたもので、まず、様々な不満の中から、商品推薦等に利用可能な不満として、デメリットや不利益な出来事に関する不満を見分けて抽出することが可能で、また、不満と商品の関係性のうち、「腰が痛いのを解決してくれる商品」のような「不満」と「不満を解決する商品」という意味的関係を抽出することが可能な情報処理装置及び不満解決商品発見方法及びプログラムを提供することを目的とする。

図１は、本発明の原理構成図である。

本発明（請求項１）は、不満を解決する商品を発見するための情報処理装置であって、
文書群を保持する文書集合データベース１０から文書を取得し、改善動作を抽出し、改善動作記憶手段２０に格納する改善動作抽出手段１１０と、
改善動作記憶手段２０から改善動作を取得し、文書集合データベース１０の文書群から改善動作の対象を抽出し、該改善動作の対象のうち否定的なものを不満とし、商品データベースから商品名を取得し、｛商品名、不満、改善動作｝の３つ組の共起頻度を求める関係性尺度算出手段１５０と、
｛商品名、不満、改善動作｝の３つ組の共起頻度が高ければ高いほど商品と不満の関連性が高いと判断し、その｛商品名、不満、改善動作｝の３つ組の共起頻度を関係性記憶手段４０に格納する関係性判定手段１６０と、
を有し、不満と商品の関連性を判定する。

また、本発明（請求項２）は、解決対象の不満を表す解決対象不満情報を格納した解決対象不満記憶手段と、
関係性記憶手段４０から商品名、不満、改善動作の３つ組の共起頻度を取得し、該共起頻度に基づいて、該商品名と組になる不満を降順に順位付けし、解決対象不満記憶手段から取得した解決対象不満情報と組になる商品毎に不満の順位の総和をとり、該総和の逆数を商品の選択尺度とする選択尺度算出手段と、
選択尺度算出手段から｛商品名、不満、商品の選択尺度｝を取得し、解決対象である不満を多く含み、かつ、選択尺度が大きい順に順位付けを行う商品選択手段と、
商品選択手段から商品の順位を取得し、該順位に基づいて任意の数の商品を出力する商品出力手段と、を更に有する。

また、本発明（請求項３）は、改善動作記憶手段２０から改善動作を取得し、文書集合データベース１０から取得した文書から該改善動作の対象を抽出し、該改善動作と該改善動作の対象の共起頻度を求める動作対象抽出手段と、
動作対象抽出手段から取得した改善動作と改善動作の対象の共起頻度を取得し、該改善動作の対象を否定、中立、肯定のいずれかの評価極性に分類し、該改善動作の対象、該評価極性、該改善動作と改善動作の対象の共起頻度を出力する極性判定手段と、
文書集合データベース１０から既存の方法により、｛属性表現、評価表現、評価極性｝の組を評判として抽出する評判抽出手段と、
極性判定手段から改善動作の対象、評価極性、改善動作の対象の共起頻度を取得し、評判抽出手段から評判を取得し、改善動作と関連性の高い改善動作の対象を属性表現にもつ評判を抽出する評判選定手段と、
評判選定手段から否定的な評価極性を持つ評判を取得して不満として関係性尺度算出手段１５０に出力する不満出力手段と、を更に有する。

図２は、本発明の原理を説明するための図である。

本発明（請求項４）は、不満を解決する商品を発見するための装置における不満解決商品発見方法であって、
改善動作抽出手段が、文書群を保持する文書集合データベースから文書を取得し、改善動作を抽出し、改善動作記憶手段に格納する改善動作抽出ステップ（ステップ１）と、
関係性尺度算出手段が、改善動作記憶手段から改善動作を取得し、文書集合データベースの文書群から改善動作の対象を抽出し、該改善動作の対象のうち否定的なものを不満とし、商品データベースから商品名を取得し、｛商品名、不満、改善動作｝の３つ組の共起頻度を求める関係性尺度算出ステップ（ステップ２）と、
関係性判定手段が、｛商品名、不満、改善動作｝の３つ組の共起頻度が高ければ高いほど商品と不満の関連性が高いと判断し、その商品名、不満、改善動作の３つ組の共起頻度を関係性記憶手段に格納する関係性判定ステップ（ステップ３）と、
を行い、不満と商品の関連性を判定する。

また、本発明（請求項５）は、選択尺度算出手段が、関係性記憶手段から｛商品名、不満、改善動作｝の３つ組の共起頻度を取得し、該共起頻度に基づいて、該商品名と組になる不満を降順に順位付けし、解決対象の不満を表す解決対象不満情報を格納した解決対象不満記憶手段から取得した解決対象不満情報と組になる商品毎に不満の順位の総和をとり、該総和の逆数を商品の選択尺度とする選択尺度算出ステップと、
商品選択手段が、選択尺度算出ステップで求められた｛商品名、不満、商品の選択尺度｝を取得し、解決対象である不満を多く含み、かつ、選択尺度が大きい順に順位付けを行う商品選択ステップと、
商品出力手段が、商品選択ステップで導出された商品の順位を取得し、該順位に基づいて任意の数の商品を出力する商品出力ステップと、を更に行う。

また、本発明（請求項６）は、動作対象抽出手段が、改善動作記憶手段から改善動作を取得し、文書集合データベースから取得した文書から該改善動作の対象を抽出し、該改善動作と該改善動作の対象の共起頻度を求める動作対象抽出ステップと、
極性判定手段が、動作対象抽出ステップで抽出された改善動作と改善動作の対象の共起頻度を取得し、該改善動作の対象を否定、中立、肯定のいずれかの評価極性に分類し、該改善動作の対象、該評価極性、該改善動作と改善動作の対象の共起頻度を出力する極性判定ステップと、
評判抽出手段が、文書集合データベースから既存の方法により｛属性表現、評価表現、評価極性｝の組を評判として抽出する評判抽出ステップと、
評判選定手段が、極性判定ステップで得られた改善動作の対象、評価極性、改善動作の対象の共起頻度を取得し、評判抽出ステップで得られた評判から、改善動作と関連性の高い改善動作の対象を属性表現にもつ評判を抽出する評判選定ステップと、
不満出力手段が、評判選定ステップで得られた否定的な評価極性を持つ評判を取得して不満として関係性尺度算出手段に出力する不満出力ステップと、を更に行う。

本発明（請求項７）は、請求項１乃至３のいずれか１項に記載の情報処理装置を構成する各手段としてコンピュータを機能させるための不満解決商品発見プログラムである。

本発明によれば、雑多に入り混じっている不満の中から、商品推薦等のサービスに利用可能な不満を見分け、抽出することが可能である。

また、様々な不満と商品との関係のうち、「不満」と「不満を解決する商品」という意味的関係を抽出することが可能である。そして、この効果により、サービスへの応用や、ユーザに対して誤解のない情報を与えることができる。

例えば、ユーザの不満を自動的にテキストから抽出し、その不満を解決する商品の広告を提示するサービス等が可能となる。この広告サービスは、ユーザの状況に合わせた広告サービスであり、他の広告サービスよりも、実際の購入に結びつきやすいことが期待される。

本発明の原理構成図である。 本発明の原理を説明するための図である。 本発明の一実施の形態における不満抽出手順のフローチャートである。 本発明の一実施の形態における「不満」と「不満を解決する商品」の関係性抽出手順のフローチャートである。 本発明の第１の実施例における不満解決商品発見装置の構成図である。 本発明の第１の実施例の各処理における出力例である。 本発明の第１の実施例の改善動作の抽出例を示す。 本発明の第１の実施例における商品選択尺度算出例である。 本発明の第２の実施例における不満解決商品発見装置の構成図である。 本発明の第２の実施例の各処理における出力例である。

以下、図面と共に本発明の実施の形態を説明する。

まず、前述の課題１を解決するための処理を説明する。

図３は、本発明の一実施の形態における不満抽出手順のフローチャートである。

そもそも、デメリットや不利益な出来事に関する不満というのは、商品が解決する対象であり、商品の効果を説明する際に記述されることが多い。例としては、「運動不足を解消します。」という記述が挙げられる。この際、説明文は「運動不足」という不満と「解消」という動作によって構成される。そこで、課題１の解決手段として、まず、文書集合ＤＢの文書群から「解消」や「改善」、「予防」のように、動作の受け手にとって利益性の高い動作（以降、「改善動作」と呼ぶ）を抽出する（ステップ１０１）。

次に、文書群から改善動作の対象を抽出する（ステップ１０２）。ここで、「改善動作の対象」とは、「運動不足を解消」の例でいえば「運動不足」にあたる。しかし、「速度を改善」という記述のように、対象自体は不満でない場合もあるため、抽出した対象の極性（肯定的／中立的／否定的）を判定し、否定的な対象を抽出する（ステップ１０３）。この否定的な対象がデメリットや不利益な出来事に関する不満となる。

次に、課題２の解決手順について説明する。

「不満」と「不満を解決する商品」という意味的関係を抽出するためには、不満であるという記述ではなく、商品効果を表す説明文の中で不満が記述されるものを抽出すればよい。例としては、「健康器具Ａは運動不足を解消します。」という記述が挙げられる。この際、説明文は「健康器具Ａ」という商品名と、「運動不足」という不満、「解消」という改善動作から構成される。そのため、｛商品名、不満、改善動作｝の３つの共起頻度を尺度とすることで、「不満」と「不満を解決する商品」という意味的関係を抽出することが可能である。

図４は、本発明の一実施の形態における「不満」と「不満を解決するための商品」の関係性抽出手順のフローチャートである。

具体的な手順としては、まず、文書集合から改善動作を抽出する（ステップ２０１）。次に、文書群から｛商品名、不満、改善動作｝の共起頻度を算出する（ステップ２０２）。最後に、商品と関係があり、かつ、「不満」と「不満を解決する商品」という意味的関係を満たしている｛不満、商品｝の組を共起頻度等の閾値によって判断し、関係性リストとして出力する（ステップ２０３）。

以下、図面と共に本発明の実施例を説明する。

［第１の実施例］
以下、本発明における実施例として、テキストに記載された不満に対し、その不満を解決する商品を推薦するシステムを考える。

例えば、テキストに「最近、運動不足だ。」という表現があった場合、システムは、健康器具等をテキストの書き手に推薦する。以下では、当該処理を行う装置を不満解決商品発見装置として説明する。

図５は、本発明の第１の実施例における不満解決商品発見装置の構成を示す。

同図に示す不満解決商品発見装置は、文書集合データベース（ＤＢ）１０、改善動作リスト記憶部２０、商品名ＤＢ３０、関係性リスト記憶部４０、解決対象不満リスト記憶部５０、改善動作抽出部１１０、動作対象抽出部１２０、極性判定部１３０、不満出力部１４０、関係性尺度算出部１５０、選択尺度算出部１７０、商品選択部１８０、商品出力部１９０から構成される。

上記の文書集合ＤＢ１０は、電子化された複数の文書を保持する。

改善動作リスト記憶部２０は、改善動作抽出部１１０で抽出した改善動作を保持する。

商品名ＤＢ３０は、複数の商品名と商品情報（価格、メーカ等）を保持する。

関係性リスト記憶部４０は、関係性判定部１６０で抽出した「不満」と「不満を解決する商品」の組を保持する。

解決対象不満リスト記憶部５０は、１つ、あるいは、複数の解決対象である不満を保持する。不満としては、キーワード単位で保持してもよいし、不満が含まれるテキストをそのまま保持してもよい。

当該装置の各構成毎の出力例を図６に示す。但し、不満が既知である場合は、不満抽出は行わず、既知の不満を代わりに関係性尺度算出部１５０の入力としてもよい。

以下、図５の構成に基づいて説明する。

改善動作抽出部１１０は、文書集合ＤＢ１０の文書群から改善動作を抽出する。図７は、本発明の第１の実施例の改善動作の抽出例を示す。まず、改善動作抽出部１１０は、文書集合ＤＢ１０が保持する文書群（図７（Ａ））を取得して、その文書から動作対象、動作、モダリティの３つを抜き出す。図７の例において、「この健康器具Ａは、運動不足を解消してくれます。」という文書が入力されると、動作対象として「運度不足」を抽出し、動作として「解消」を抽出し、モダリティとして「解消／してくれます」を抽出する。

次に、改善動作抽出部１１０は、動作と否定的な動作対象の共起頻度Ａ、動作と利益を表すモダリティの共起頻度Ｂを算出する（図７（Ｂ））。共起頻度を算出する方法としては、例えば、全文書に対して形態素解析を行い、共起頻度を算出したい語同士が一定の形態素数内で出現する回数を数えればよい。但し、共起する範囲は任意であり、かつ、否定的な動作対象と利益を表すモダリティの種類は、動作対象、モダリティの中から全てを用いる必要はなく、少数のサンプルでよい。そのため、否定的な動作対象としては、例えば、医学辞典等から出現頻度の高い病名等を抽出して用いればよいし、利益を表すモダリティに関しては、モダリティの参考書（参考文献１：益岡隆志著「日本モダリティ探究」、くろしお出版、2007年等）に例として記載されているモダリティを用いればよい。

最後に、改善動作抽出部１１０は、同じ動作を含む共起頻度Ａ，共起頻度Ｂの積を算出する。図７の例では、否定的な動作対象と動作の共起頻度Ａの「（運動不足、解消）」の共起頻度「１２８」と、「（腰痛、解消）」の共起頻度「１１６」の和と、利益を表すモダリティと動作の共起頻度Ｂの「（解消、してくれる）」の共起頻度「１１４」の積を求める。積の値が高い動作（改善動作）を降順で任意にｎ個抽出し（図７（Ｃ））、改善動作リスト記憶部２０（図６（ａ））に保持する。なお、改善動作リスト記憶部２０には、所定の閾値以上の共起頻度の積を有するものだけを格納するものとする。図７の例では、閾値を１０００とした場合に、改善動作として、「解消」と「予防」が格納される。

動作対象抽出部１２０は、文書集合ＤＢ１０，改善動作リスト記憶部２０が保持する文書群と改善動作を取得する。取得した文書から改善動作の対象を全て抽出し、更に、｛改善動作，改善動作の対象｝の共起頻度を算出後、全ての改善動作の対象（図６（ｂ））及び、改善動作との共起頻度の組（｛改善動作の対象，改善動作と改善動作との共起頻度｝）を共に極性判定部１３０に渡す。但し、共起する範囲は任意とする。また、改善動作の対象の抽出方法に関しては、既存の形態素解析や構文解析を用い、改善動作の直前の形態素パターン、係り受け等を見ることが考えられる。

極性判定部１３０は、動作対象抽出部１２０から｛改善動作の対象，改善動作と改善動作との共起頻度｝を取得し、また、文書集合ＤＢ１０から文書群を取得する。その後、取得した改善動作の対象について、否定的、中立、肯定的の３つの評価極性に分類し、改善動作の対象と、各改善動作の対象毎に付与された極性のラベル（「否定」「中立」「肯定」）の組｛改善動作の対象，極性ラベル｝を不満出力部１４０に渡す（図６（ｃ））。評価極性の分類方法としては、参考文献２「東山他、「述語の選択選好性に着目した名詞評価極性の獲得」言語処理学会第１４回年次大会論文集、pp.584-587, March 2008」に記載の方法で作成された分類器に対し、改善動作の対象に付随する述語パターンを文書群から抽出して入力する方法が考えられる。また、述語パターンの抽出に関しては、上記参考文献２に記載のルールを用いればよい。但し、全ての改善動作の対象を不満出力部１４０に渡すのではなく、任意の閾値よりも共起頻度が高い改善動作の対象のみを用いてもよい。

不満出力部１４０は、極性判定部１３０から｛改善動作の対象，極性ラベル｝を受け取る。次に、否定的な極性のラベル（「否定」）が付与された改善動作の対象を「不満」として極性のラベルと共に（｛不満，極性ラベル「否定」｝）関係性尺度算出部１５０に渡す（図６（ｄ））。

関係性尺度算出部１５０は、不満と商品の関係性を判断する尺度を算出する。まず、不満出力部１４０、文書集合ＤＢ１０，改善動作リスト記憶部２０、商品ＤＢ３０からそれぞれ、不満、文書群、改善動作、商品名を取得する。取得した文書群の中から、｛不満となった改善動作の対象、改善動作、商品名｝の３つの共起頻度を算出し、関係性判定部１６０に渡す（図６（ｅ））。但し、共起する範囲を任意とする。また、不満と商品の関係性を判断する尺度として、共起情報だけでなく、リフト値などの統計的指標を使うことも考えられる。

関係性判定部１６０は、関係性尺度算出部１５０から、｛不満、改善動作、商品名｝の３つの共起頻度を取得する。取得した共起頻度のうち、任意の閾値よりも高い共起頻度を持つ商品名と不満の組の共起頻度と共に（｛不満，商品名，共起頻度｝）関係性リスト記憶部４０に保持する（図６（ｆ））。

選択尺度算出部１７０は、商品を選択する尺度を算出する。図８は、本発明の第１の実施例における商品の選択尺度算出例である。まず、選択尺度算出部１７０は、関係性リスト記憶部４０から商品名と不満の組、及び共起頻度（｛不満，商品名，共起頻度、｝）を取得し、商品と組になる不満を共起頻度の降順に順位付けする。但し、共起頻度が等しい場合、同順位とする。次に、解決対象不満リスト記憶部５０から１つ、または複数の解決対象である不満を受け取り、これらの不満と組になる商品に対して、商品毎に、不満の順位の総和をとり、その逆数を商品の選択尺度とする（選択尺度１）。但し、解決対象不満リスト記憶部５０から取得する不満がテキスト形式で記述されている場合、関係性リスト記憶部４０で保持している不満とテキストとを照合し、テキストに記載されている不満をキーワードとして抽出してから用いる。最後に、商品、不満、商品の選択尺度の組（｛商品，不満，選択尺度｝）を全て商品選択部１８０に渡す（図６（ｇ））。但し、特定の不満に特化した商品に重みをつける際は、商品の選択尺度として、以下の式の値を算出して用いてもよい（選択尺度２）。

商品選択部１８０は、商品ＤＢ３０から商品名と商品情報を取得し、選択尺度算出部１７０から｛商品，不満，選択尺度｝を取得し、取得した商品のうち、解決対象である不満を多く含み、かつ、商品の選択尺度が大きい順に商品に商品の順位付けを行う。但し、順位付けとしては、解決対象である不満を全て含むような商品の組み合わせを単位として順位付けしてもよい。また、商品の選択尺度に加え、価格等の商品情報も順位付けの指標として用いてもよい。商品、不満、選択尺度の組を商品出力部１９０に渡す（図６（ｈ））。

商品出力部１９０は、商品選択部１８０から｛商品，不満，選択尺度｝を受け取る。受け取った組から、任意の数の商品を順位の降順で出力する（図６（ｉ））。

［第２の実施例］
図９は、本発明の第２の実施例における不満解決商品発見装置の構成を示す。

同図に示す構成は、図５に示す第１の実施例の構成に、評価抽出部２１０、評判選定部２２０、極性変換リスト記憶部６０を付加したものである。

極性変換リスト記憶部６０は、「きれい」と「汚い」のように、肯定的な極性の評判（「きれい」等）と、逆の意味を持つ否定的な極性の評判（「汚い」等）の組のリストを保持している。

同図に示す構成では、第１の実施例で抽出した不満と商品との関係に加え、特許文献１に記載されている方法で抽出した評判の中からデメリットや不利益な出来事に関する不満と商品との関連性を抽出する。

具体的には、まず評判抽出部２１０で、改善動作と共起しやすい属性表現が含まれる評判を抽出する。次に、評判選定部２２０が、抽出された評判の中で肯定的な極性を持つ評判と商品との共起頻度等を算出し、更に肯定的な極性の評判の逆の意味を持つ否定的な極性の評判に置き換えることで、「不満」と「不満を解決する商品」の組を抽出する。上記の追加部分のシステムの出力例を図１０に示す。

以下に、本実施例の詳細を述べるが、改善動作抽出部１０、動作対象抽出部１２０、極性判定部１３０、選択尺度算出部１７０、商品選択部１８０、商品出力部１９０、文書集合ＤＢ１０，改善動作リスト記憶部２０、商品ＤＢ３０，関係性リスト記憶部４０、解決対象不満リスト５０については、第１の実施例と同様であるので、その説明を省略する。

評判抽出部２１０は、文書集合ＤＢ１０に保持された文書群を取得し、特許文献１に記載されている方法と、参考文献３「高村大也、他、「複数語から成る評価表現のモデル化」言語処理学会年次大会発表論文集、Vol. 12th, Page. 524-527, 2006」とを用い、文書群から評判として｛属性表現、評価表現、評価極性｝の組を抽出し、評判選定部２２０に渡す（図１０（ａ））。

評判選定部２２０は、極性判定部１３０から｛改善動作の対象，極性ラベル｝、｛改善動作の対象，改善動作と改善動作の対象との共起頻度｝を取得する。次に、評判抽出部２１０から評判として、｛属性表現、評価表現、評価属性｝の組を受け取る。改善動作の対象には、「速度（を改善）」のように、ユーザが不満を感じる対象となる属性表現が含まれやすい。そこで、評判抽出部２１０から取得した評判の中から、改善動作と関連性が高い改善動作の対象を属性表現に持つ評判を抽出する。改善動作との関連性の高さについては、改善動作と改善動作の対象の共起頻度や、リフト値等の統計的指標を用いることが考えられる。最後に、抽出した評判のうち、否定的な評価極性の評判は不満出力部１４０に渡し（図１０（ｂ））、肯定的な評価極性の評判は関係尺度算出部１５０に渡す（図１０（ｃ））。

不満出力部１４０は、評判選定部２２０から否定的な評価極性を持つ評判を受け取り、第１の実施例での不満出力部１４０の出力と共に不満として関係性尺度算出部１５０に渡す（図１０（ｄ））。

関係性尺度算出部１５０は、まず、第１の実施例での不満出力部１４０からの入力｛不満，極性ラベル「否定」｝に加え、評判選定部２２０から肯定的な評価極性の評判を取得する。次に、商品と肯定的な評価極性の評判との共起頻度をそれぞれ算出し、第１の実施例での関係性尺度算出部１５０からの入力に加え、商品と肯定的な評価極性の評判との共起頻度を関係性尺度算出部１５０から受け取る。次に、極性変換リスト記憶部６０から{肯定的な極性の評判，逆の意味を持つ否定的な極性の評判}の組のリストを取得する。そして、取得したリストに従い、肯定的な極性の評判を逆の意味を持つ否定的な極性の評判に変換する。例えば、（速度，速い）という肯定的な評判は（速度，遅い）という否定的な評判に変換する。最後に、否定的な極性に変換した評判、及び、変換する前の肯定的な極性の評判と商品との共起頻度を、第１の実施例での関係性判定部１６０の出力（｛不満，商品名，共起頻度｝）と共に、関係性リスト４０に保持する（図１０（ｅ））。但し、共起頻度が任意の閾値以上の組に関してのみ、関係性リスト記憶部４０に保持してもよい。

他の動作については第１の実施例と同様である。

なお、上記の第１の実施例、第２の実施例に示した不満解決商品発見装置の動作をプログラムとして構築し、不満解決商品発見装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

また、構築されたプログラムをハードディスクや、フレキシブルディスク・ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。

なお、本発明は、上記の実施の形態及び実施例に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

本発明は、ユーザの不満を自動的にテキストから抽出し、その不満を解決する商品の広告を提示するサービス等に適用可能となる。この広告サービスは、ユーザの状況に合わせた広告サービスであり、他の広告サービスよりも、実際の購入に結びつき易いことが期待される。

１０ 文書集合データベース
２０ 改善動作記憶手段、改善動作リスト記憶部
３０ 商品データベース
４０ 関係性記憶手段、関係性リスト記憶部
５０ 解決対象不満リスト記憶部
６０ 極性変換リスト記憶部
１１０ 改善動作抽出手段、改善動作抽出部
１２０ 動作対象抽出部
１３０ 極性判定部
１４０ 不満出力部
１５０ 関係性尺度算出部
１６０ 関係性判定手段、関係性判定部
１７０ 選択尺度算出部
１８０ 商品選択部
１９０ 商品出力部
２１０ 評判抽出部
２２０ 評判選定部

Claims (7)

1. 不満を解決する商品を発見するための情報処理装置であって、
   文書群を保持する文書集合データベースから文書を取得し、改善動作を抽出し、改善動作記憶手段に格納する改善動作抽出手段と、
   前記改善動作記憶手段から前記改善動作を取得し、前記文書集合データベースの文書群から改善動作の対象を抽出し、該改善動作の対象のうち否定的なものを不満とし、商品データベースから商品名を取得し、該商品名、該不満、該改善動作の３つ組の共起頻度を求める関係性尺度算出手段と、
   前記商品名、不満、改善動作の３つ組の共起頻度が高ければ高いほど商品と不満の関連性が高いと判断し、その｛商品名、不満、改善動作｝の３つ組の共起頻度を関係性記憶手段に格納する関係性判定手段と、
   を有し、不満と商品の関連性を判定することを特徴とする情報処理装置。
2. 解決対象の不満を表す解決対象不満情報を格納した解決対象不満記憶手段と、
   前記関係性記憶手段から｛前記商品名、不満、改善動作｝の３つ組の共起頻度を取得し、該共起頻度に基づいて、該商品名と組になる不満を降順に順位付けし、前記解決対象不満記憶手段から取得した解決対象不満情報と組になる商品毎に不満の順位の総和をとり、該総和の逆数を商品の選択尺度とする選択尺度算出手段と、
   前記選択尺度算出手段から｛前記商品名、前記不満、前記商品の選択尺度｝を取得し、解決対象である不満を多く含み、かつ、選択尺度が大きい順に順位付けを行う商品選択手段と、
   前記商品選択手段から商品の順位を取得し、該順位に基づいて任意の数の商品を出力する商品出力手段と、
   を更に有する請求項１記載の情報処理装置。
3. 前記改善動作記憶手段から改善動作を取得し、前記文書集合データベースから取得した文書から該改善動作の対象を抽出し、該改善動作と該改善動作の対象の共起頻度を求める動作対象抽出手段と、
   前記動作対象抽出手段から取得した前記改善動作と改善動作の対象の共起頻度を取得し、該改善動作の対象を否定、中立、肯定のいずれかの評価極性に分類し、該改善動作の対象、該評価極性、該改善動作と改善動作の対象の共起頻度を出力する極性判定手段と、
   前記文書集合データベースから既存の方法により｛属性表現、評価表現、評価極性｝の組を評判として抽出する評判抽出手段と、
   前記極性判定手段から前記改善動作の対象、前記評価極性、前記改善動作の対象の共起頻度を取得し、前記評判抽出手段から前記評判を取得し、改善動作と関連性の高い改善動作の対象を属性表現にもつ評判を抽出する評判選定手段と、
   前記評判選定手段から否定的な評価極性を持つ評判を取得して不満として前記関係性尺度算出手段に出力する不満出力手段と、
   を更に有する請求項１または２記載の情報処理装置。
4. 不満を解決する商品を発見するための装置における不満解決商品発見方法であって、
   改善動作抽出手段が、文書群を保持する文書集合データベースから文書を取得し、改善動作を抽出し、改善動作記憶手段に格納する改善動作抽出ステップと、
   関係性尺度算出手段が、前記改善動作記憶手段から前記改善動作を取得し、前記文書集合データベースの文書群から改善動作の対象を抽出し、該改善動作の対象のうち否定的なものを不満とし、商品データベースから商品名を取得し、｛該商品名、該不満、該改善動作｝の３つ組の共起頻度を求める関係性尺度算出ステップと、
   関係性判定手段が、｛前記商品名、不満、改善動作｝の３つ組の共起頻度が高ければ高いほど商品と不満の関連性が高いと判断し、その｛商品名、不満、改善動作｝の３つ組の共起頻度を関係性記憶手段に格納する関係性判定ステップと、
   を行い、不満と商品の関連性を判定することを特徴とする不満解決商品発見方法。
5. 選択尺度算出手段が、前記関係性記憶手段から前記商品名、不満、改善動作の３つ組の共起頻度を取得し、該共起頻度に基づいて、該商品名と組になる不満を降順に順位付けし、解決対象の不満を表す解決対象不満情報を格納した解決対象不満記憶手段から取得した解決対象不満情報と組になる商品毎に不満の順位の総和をとり、該総和の逆数を商品の選択尺度とする選択尺度算出ステップと、
   商品選択手段が、前記選択尺度算出ステップで求められた前記商品名、前記不満、前記商品の選択尺度を取得し、解決対象である不満を多く含み、かつ、選択尺度が大きい順に順位付けを行う商品選択ステップと、
   商品出力手段が、前記商品選択ステップで導出された商品の順位を取得し、該順位に基づいて任意の数の商品を出力する商品出力ステップと、
   を更に行う請求項４記載の不満解決商品発見方法。
6. 動作対象抽出手段が、前記改善動作記憶手段から改善動作を取得し、前記文書集合データベースから取得した文書から該改善動作の対象を抽出し、該改善動作と該改善動作の対象の共起頻度を求める動作対象抽出ステップと、
   極性判定手段が、前記動作対象抽出ステップで抽出された前記改善動作と改善動作の対象の共起頻度を取得し、該改善動作の対象を否定、中立、肯定のいずれかの評価極性に分類し、該改善動作の対象、該評価極性、該改善動作と改善動作の対象の共起頻度を出力する極性判定ステップと、
   評判抽出手段が、前記文書集合データベースから既存の方法により、｛属性表現、評価表現、評価極性｝の組を評判として抽出する評判抽出ステップと、
   評判選定手段が、前記極性判定ステップで得られた前記改善動作の対象、前記評価極性、前記改善動作の対象の共起頻度を取得し、前記評判抽出ステップで得られた前記評判から、改善動作と関連性の高い改善動作の対象を属性表現にもつ評判を抽出する評判選定ステップと、
   不満出力手段が、前記評判選定ステップで得られた否定的な評価極性を持つ評判を取得して不満として前記関係性尺度算出手段に出力する不満出力ステップと、
   を更に行う請求項４または５記載の不満解決商品発見方法。
7. 請求項１乃至３のいずれか１項に記載の情報処理装置を構成する各手段としてコンピュータを機能させるための不満解決商品発見プログラム。

Images