JP5221751B2 - 著者行動推定装置、著者行動推定モデル学習装置、著者行動推定方法、著者行動推定モデル学習方法、及びプログラム - Google Patents

Description

本発明は、著者行動推定装置、著者行動推定モデル学習装置、著者行動推定方法、著者行動推定モデル学習方法、及びプログラムに係り、特に、商品情報を含む入力文書の著者による商品に対する行動を推定する著者行動推定装置、著者行動推定モデル学習装置、著者行動推定方法、著者行動推定モデル学習方法、及びプログラムに関する。

従来において、商品に対して書かれた日本語テキストから、「購入済」or「未購入」、「使用済」or「未使用」といった著者による商品に対する行動を推定する技術は存在しない。

一方で、商品ではなくイベントに対して書かれた日本語テキストから、そのイベントに「行った」or「行ってない」といった著者の行動を推定するシステムが知られている（非特許文献１参照）。このシステムは、人が列挙した、イベントに行ったとわかる行動をルールとして用いている。

また、何かについて書かれた日本語テキストから、著者の行動ではなく、著者の属性（居住地や性別、年代）を推定するシステムが知られている（非特許文献２参照）。このシステムは、事前にテキストに付与された著者の属性を、周知の技術である機械学習の訓練データとして用い、所与のテキストの著者属性を推定している。用いられている素性は、各テキスト中の単語表記である。

高野太希, 井上潮，「文章構造に基づいたBlogからの体験情報抽出方法の提案」, 第9回日本データベース学会年次大会(DEIM2011), A4-2, Feb. 2011年. 安田宜仁、平尾努、鈴木潤、磯崎秀樹、「ブログ作者の居住域の推定」,第１２回言語処理学会年次大会発表論文集, pp. 512-515, 2006年.

しかしながら、従来のルールベースやテキスト中の単語表記に基づく機械学習を用いたシステムでは、対象となる商品によって、その「使われ方」が異なるような場合には、ある行動がテキスト中に出現するからといって一意に「使用済」か「未使用」が判断できないため、適切に著者の行動を推定できない、という問題がある。例えば、掃除機に対しては、「掃除した」の出現有無に基づいて、「使用済」か「未使用」かを推定する必要があり、携帯電話に対しては、「電話した」の出現有無に基づいて「使用済」か「未使用」かを推定する必要がある。

ここで、商品ごとにルールや機械学習器を作成することが考えられるが、世の中の全ての商品（もしくはグループやカテゴリ単位）に対して、ルールや機械学習器を作成するのは現実的ではない。

本発明は、上記の事実を鑑みてなされたもので、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動を精度良く推定することができる著者行動推定装置、著者行動推定方法、及びプログラムを提供することを第１の目的とする。

また、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動を推定するための推定モデルを学習することができる著者行動推定モデル学習装置、著者行動推定モデル学習方法、及びプログラムを提供することを第２の目的とする。

上記の第１の目的を達成するために本発明に係る著者行動推定装置は、商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する著者行動推定装置であって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する素性抽出手段と、前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する行動推定手段と、を含んで構成されている。

本発明に係る著者行動推定方法は、商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する著者行動推定方法であって、素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出するステップと、行動推定手段によって、前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するステップと、を含むことを特徴としている。

本発明に係る著者行動推定装置及び著者行動推定方法によれば、素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する。そして、行動推定手段によって、前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する。

このように、予め定められた商品又はカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び第１の動詞を含意する第２の動詞の各々について、入力文書における動詞の有無を素性として抽出することにより、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動を精度良く推定することができる。

本発明に係る著者行動推定装置は、前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方を表わす前記第１の動詞として、前記商品又は前記商品の属するカテゴリが道具として利用されることを示す動詞、及び前記商品又は前記商品の属するカテゴリを動作の目的とすることを示す動詞を抽出する第１動詞抽出手段を更に含むようにすることができる。これによって、商品情報が示す商品又は商品の属するカテゴリの使われ方を表わす第１の動詞を自動的に抽出することができる。

本発明に係る著者行動推定装置は、前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、抽出された動詞ペアのうち、係り元の動詞が、連用形であり、かつ、前記第１の動詞である動詞ペアについて、係り先の動詞を前記第２の動詞として抽出する第２動詞抽出手段を更に含むことができる。これによって、商品情報が示す商品又はカテゴリの使われ方又は買われ方を表わす第１の動詞を含意する第２の動詞を自動的に抽出することができる。

本発明に係る素性抽出手段は、前記入力文書における前記第１の動詞及び前記第２の動詞の有無と共に、前記入力文書における前記第１の動詞又は前記第２の動詞と一致する単語表記に対して少なくとも前後の単語表記を、前記素性として抽出するようにすることができる。これによって、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動をより精度良く推定することができる。

本発明に係る著者行動推定装置は、前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、抽出された動詞ペアのうち、係り元の動詞が連用形であり、かつ、係り先の動詞が前記第１の動詞である動詞ペアについて、係り元の動詞を前記第３の動詞として抽出する第３動詞抽出手段を更に含み、前記素性抽出手段は、前記入力文書における前記第１の動詞、前記第２の動詞、及び前記第３の動詞の有無と共に、前記入力文書における前記第１の動詞、前記第２の動詞、又は前記第３の動詞と一致する単語表記に対して少なくとも前後の単語表記を、前記素性として抽出するようにすることができる。

本発明に係る行動推定手段は、前記入力文書の著者による前記商品に対する行動として、前記商品を使用したか否か、又は前記商品を購入したか否かを推定するようにすることができる。

上記の第２の目的を達成するために本発明に係る著者行動推定モデル学習装置は、商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための推定モデルを学習する著者行動推定モデル学習装置であって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する素性抽出手段と、前記素性抽出手段によって抽出された前記素性と、前記入力文書について予め求められた著者による前記商品又は前記商品の属するカテゴリに対する行動とに基づいて、前記素性に基づいて前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための前記推定モデルを学習する推定モデル学習手段と、を含んで構成されている。

本発明に係る著者行動推定モデル学習方法は、商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する著者行動推定方法であって、素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出するステップと、行動推定手段によって、前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するステップと、を含むことを特徴としている。

本発明に係る著者行動推定モデル学習装置及び著者行動推定モデル学習方法によれば、素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する。そして、推定モデル学習手段によって、前記素性抽出手段によって抽出された前記素性と、前記入力文書について予め求められた著者による前記商品又は前記商品情報が示す商品の属するカテゴリに対する行動とに基づいて、前記素性に基づいて前記入力文書の著者による前記商品又は前記商品情報が示す商品の属するカテゴリに対する行動を推定するための前記推定モデルを学習する。

このように、予め定められた商品又は商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び第１の動詞を含意する第２の動詞の各々について、入力文書における動詞の有無を素性として抽出することにより、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動を推定するための推定モデルを学習することができる。

本発明に係るプログラムは、コンピュータを、上記の著者行動推定装置又は著者行動推定モデル学習装置の各手段として機能させるためのプログラムである。

以上説明したように、本発明の著者行動推定装置、著者行動推定方法、及びプログラムによれば、予め定められた商品又はカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び第１の動詞を含意する第２の動詞の各々について、入力文書における動詞の有無を素性として抽出することにより、任意の商品又は商品カテゴリについて記述された入力文書の著者による商品に対する行動を精度良く推定することができる、という効果が得られる。

本発明の著者行動推定モデル学習装置、著者行動推定モデル学習方法、及びプログラムによれば、予め定められた商品又は商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び第１の動詞を含意する第２の動詞の各々について、入力文書における動詞の有無を素性として抽出することにより、任意の商品について記述された入力文書の著者による商品に対する行動を推定するための推定モデルを学習することができる、という効果が得られる。

本発明の第１の実施の形態に係る著者行動推定装置の構成を示す概略図である。 本発明の第１の実施の形態に係る著者行動推定モデル学習装置の構成を示す概略図である。 本発明の第１の実施の形態に係る著者行動推定モデル学習装置におけるリスト作成処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係る著者行動推定モデル学習装置における学習処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係る著者行動推定装置における著者行動推定処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る著者行動推定装置の構成を示す概略図である。 本発明の第２の実施の形態に係る著者行動推定モデル学習装置の構成を示す概略図である。 本発明の第２の実施の形態に係る著者行動推定モデル学習装置におけるリスト作成処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る著者行動推定モデル学習装置における学習処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る著者行動推定装置における著者行動推定処理ルーチンの内容を示すフローチャートである。 本発明の第３の実施の形態に係る著者行動推定モデル学習装置におけるリスト作成処理ルーチンの内容を示すフローチャートである。 本発明の第３の実施の形態に係る著者行動推定モデル学習装置における学習処理ルーチンの内容を示すフローチャートである。 本発明の第３の実施の形態に係る著者行動推定装置における著者行動推定処理ルーチンの内容を示すフローチャートである。 本発明の第４の実施の形態に係る著者行動推定装置の構成を示す概略図である。 本発明の第４の実施の形態に係る著者行動推定モデル学習装置の構成を示す概略図である。 本発明の第４の実施の形態に係る著者行動推定モデル学習装置におけるリスト作成処理ルーチンの内容を示すフローチャートである。 本発明の第４の実施の形態に係る著者行動推定モデル学習装置における学習処理ルーチンの内容を示すフローチャートである。 本発明の第４の実施の形態に係る著者行動推定装置における著者行動推定処理ルーチンの内容を示すフローチャートである。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

［第１の実施の形態］
＜著者行動推定装置の構成＞
図１に示すように、第１の実施の形態に係る著者行動推定装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）と、後述するリスト作成処理ルーチン及び著者行動推定処理ルーチンを実行するためのプログラムを記憶したＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）とを備えたコンピュータで構成され、機能的には次に示すように構成されている。著者行動推定装置１００は、入力部１０と、演算部２０と、出力部３０とを備えている。

入力部１０は、既知のキーボード、マウス、記憶装置などの入力器により入力された、推定対象となるテキスト（入力文書）及び商品名、商品名リスト、並びにＷＥＢテキストを受け付ける。

演算部２０は、ＷＥＢテキストデータベース４０、「使われ方」リスト作成部４２、「使われ方」含意リスト作成部４４、「使われ方」リスト記憶部４６、「使われ方」含意リスト記憶部４８、形態素解析部５０、単語表記素性作成部５２、「使われ方」リスト素性作成部５４、「使われ方」含意リスト素性作成部５６、分類器５８、及び著者行動推定モデル記憶部６０を備えている。なお、「使われ方」リスト素性作成部５４及び「使われ方」含意リスト素性作成部５６が、素性抽出手段の一例である。また、「使われ方」リスト作成部４２が、第１動詞抽出手段の一例であり、「使われ方」含意リスト作成部４４が、第２動詞抽出手段の一例である。分類器５８および著者行動推定モデル記憶部６０が、行動推定手段の一例である。

ＷＥＢテキストデータベース４０は、入力部１０により受け付けた大量のＷＥＢテキストを記憶している。

「使われ方」リスト作成部４２は、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストと、入力部１０により受け付けた商品名のリストとを用いて、以下のように、商品名毎に、「使われ方」を表す動詞のリストを作成する。

まず、対象となる商品名について、大量のＷＥＢテキストからその商品名を含むＷＥＢテキストを抽出する。次に、抽出した各ＷＥＢテキストに対して周知技術である係り受け解析を行い、その結果から当該商品名の係り先となる動詞を獲得し集計する。その際、日本語の助詞の意味に着目し、「<商品>で〜する」のように商品が道具として利用されることを示す動詞と、「<商品>を〜する」、「<商品>に〜する」のように商品を動作の目的とすることを示す動詞のみを、「使われ方」を表わす動詞として抽出する。最後に、抽出された動詞のうち、出現頻度が上位ｎ個の動詞を、当該商品名に対する「使われ方」リストとして「使われ方」リスト記憶部４６に格納する。

例えば、入力の商品名が「フリード（車の名称）」の場合、「乗る」「試乗」「洗車」「洗う」「運転する」などの動詞リストが作成される。

行動の中には、「お酒を飲み」⇒「酔っ払う」などのように、典型的な行動パタン（行動Ａ⇒行動Ｂ）がある。このとき、行動Ｂは、行動Ａの「使われ方」を含意する行動と捉えることができる。そこで、「使われ方」含意リスト作成部４４は、「使われ方」リスト作成部４２で作成した「使われ方」リストに含まれる動詞を含意する動詞のリストである「使われ方」含意リストを、以下のように、大量のＷＥＢテキストに基づいて作成する。

まず、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストに対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、集計する。その際、「○○して、□□した」のように、係り元の動詞が連用形となる動詞ペアのみ抽出する。

次に、商品名毎に、「使われ方」リスト作成部４２で作成した「使われ方」リストを入力として、「使われ方」リスト中のｎ個の動詞を係り元の動詞とする動詞ペアを抽出し、抽出された動詞ペアの係り先の動詞を集計して、抽出された動詞ペアの係り先の動詞のうち、出現頻度が上位ｍ個の動詞を、当該商品名に対する「使われ方」含意リストとして「使われ方」含意リスト記憶部４８に記憶する。

例えば、ある商品名に対する「使われ方」リストとして、「乗る」、「試乗」、「洗車」、「洗う」、「運転する」が入力された場合、「くつろぐ」、「歌う」、「食べる」、「飲む」、「話す」などのリストが、当該商品名に対する「使われ方」含意リストとして作成される。

行動の推定対象となるテキスト（入力テキスト）及び行動を推定したい商品名（例えば、行動を推定したい商品名をマークアップした入力テキスト）を、入力部１０により受け付けると、形態素解析部５０は、商品名がマークアップ（以下の例では、<商品></商品>で囲まれた箇所が商品名を示す）された入力テキストに対して、周知技術である形態素解析を行って、入力テキストを、単語に区切る。例えば，入力テキストが「昨日買った<商品>掃除機</商品>が今朝届きました。早速掃除してみたところ、静かだしコンパクトにしまうことができました。」であった場合、形態素解析結果として、「昨日/買/っ/た/<商品>掃除機</商品>/が/今朝/届き/ま/した/。/早速/掃除/し/て/み/た/ところ/、/静か/だ/し/コンパクト/に/しま/う/こと/が/でき/ました/。」が得られる。

単語表記素性作成部５２は、形態素解析部５０による形態素解析結果を入力として、マークアップされた商品名を含む文と前後の文との単語表記を素性として作成する。この際、商品名の表記は伏せ、代わりに”<商品>”という文字列で素性を作成する。例えば、入力が、「昨日/買/っ/た/<商品>掃除機</商品>/が/今朝/届き/ま/した/。/早速/掃除/し/て/み/た/ところ/、/静か/だ/し/コンパクト/に/しま/う/こと/が/でき/ました/。」である場合、商品名を含む文である１文目と、後続する２文目との単語表記を用いて、以下の素性を作成する。以下の素性は、周知のブースティングに基づく機械学習（「ＢＡＣＴ」、ＵＲＬ「http://chasen.org/~taku/software/bact/index.html」のＷｅｂページ参照）で、１単語だけでなく、隣接する単語の組み合わせについても自動展開するため記述方式で書かれたものである。

素性=（昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （掃除 （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））

「使われ方」リスト素性作成部５４は、単語表記素性作成部５２によって作成された素性を入力とし、「使われ方」リスト記憶部４６に記憶された「使われ方」リストのうち、入力部１０で入力された商品名に対応する「使われ方」リストと照合して、一致した単語表記を、”<使用>”という文字列の素性に置き換える。例えば入力が、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （掃除 （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」であって、「使われ方」リストに「掃除」がある場合、素性として、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」が作成される。

「使われ方」含意リスト素性作成部５６は、「使われ方」リスト素性作成部５４によって作成された素性を入力とし、「使われ方」含意リスト記憶部４８に記憶された「使われ方」含意リストのうち、入力部１０で入力された商品名に対応する「使われ方」含意リストと照合して、一致した単語表記を、”<使用含意>”という文字列の素性に置き換える。例えば入力が、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」であって、「使われ方」含意リストに「しまう」がある場合、素性として、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （<使用含意> （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」が作成される。

分類器５８は、「使われ方」含意リスト素性作成部５６によって作成された素性から、「使われ方」リストの動詞の有無と、「使われ方」リストの動詞と一致する単語表記の前後の単語表記とを取得すると共に、「使われ方」含意リストの動詞の有無と、当該「使われ方」含意リストの動詞と一致する単語表記の前後の単語表記とを取得し、著者行動推定モデル記憶部６０に記憶された著者行動推定モデルを利用して、入力テキストの著者による対象商品に対する行動（「使用済」or「未使用」）を判定する。なお、分類器５８は、行動に対する度合いを示す値も出力してもよい。

分類器５８による判定結果が、出力部３０によりユーザに出力される。

著者行動推定モデル記憶部６０に記憶されている著者行動推定モデルは、入力された素性（ここでは、入力テキストの単語表記のうち、対象とする商品名、その使われ方を表す動詞、及び、使われ方を含意する動詞を＜商品＞＜使用＞＜使用含意＞という文字列に置き換えたもの）から得られる、「使われ方」リストの動詞の有無と、「使われ方」リストの動詞の前後の単語表記と、「使われ方」含意リストの動詞の有無と、当該「使われ方」含意リストの動詞の前後の単語表記とに対して、「使用済」か「未使用」かを決定する関数のようなものである。この著者行動推定モデルは、図２に示す著者行動推定モデル学習装置１５０により予め学習しておくものとする。

＜著者行動推定モデル学習装置の構成＞
図２に示すように、第１の実施の形態に係る著者行動推定モデル学習装置１５０は、ＣＰＵと、ＲＡＭと、後述するリスト作成処理ルーチン及び学習処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備えたコンピュータで構成され、機能的には次に示すように構成されている。著者行動推定モデル学習装置１５０は、入力部７０と、演算部７２とを備えている。

入力部７０は、既知のキーボード、マウス、記憶装置などの入力器により入力された、学習用データ（テキスト、商品名、及び著者による行動の判断結果）、商品名リスト、並びにＷＥＢテキストを受け付ける。

演算部７２は、ＷＥＢテキストデータベース７４、「使われ方」リスト作成部７６、「使われ方」含意リスト作成部７８、「使われ方」リスト記憶部８０、「使われ方」含意リスト記憶部８２、学習用データ記憶部８４、形態素解析部８６、単語表記素性作成部８８、「使われ方」リスト素性作成部９０、「使われ方」含意リスト素性作成部９２、学習部９４、及び著者行動推定モデル記憶部９６を備えている。

ＷＥＢテキストデータベース７４は、ＷＥＢテキストデータベース４０と同様に、入力部７０により受け付けた大量のＷＥＢテキストを記憶している。

「使われ方」リスト作成部７６は、ＷＥＢテキストデータベース７４に記憶されている大量のＷＥＢテキストと、入力部７０により受け付けた商品名のリストとを用いて、「使われ方」リスト作成部４２と同様に、商品名毎に、「使われ方」を表す動詞のリストを作成し、「使われ方」リスト記憶部８０に格納する。

「使われ方」含意リスト作成部７８は、「使われ方」リスト作成部７６で作成した「使われ方」リストに含まれる動詞を含意する動詞のリストである「使われ方」含意リストを、「使われ方」含意リスト作成部４４と同様に、大量のＷＥＢテキストに基づいて作成し、「使われ方」含意リスト記憶部８２に格納する。

学習用データ記憶部８４は、入力部７０により受け付けた、商品名がマークアップされたテキストに、人手で著者行動（「使用済」か「未使用」か）を判断した結果が付与されたテキスト集合を、学習用データとして記憶している。

形態素解析部８６は、学習用データ記憶部８４に記憶されている学習用データの各テキストに対して、形態素解析部５０と同様に形態素解析を行って、テキストを、単語に区切る。

単語表記素性作成部８８は、形態素解析部８６による形態素解析結果を入力として、単語表記素性作成部５２と同様に、マークアップされた商品名を含む文と前後の文の単語表記を素性として作成する。

「使われ方」リスト素性作成部９０は、単語表記素性作成部８８によって作成された素性を入力とし、「使われ方」リスト記憶部８０に記憶された「使われ方」リストのうち、学習用データのテキストに含まれる商品名に対応する「使われ方」リストと照合して、「使われ方」リスト素性作成部５４と同様に、一致した単語表記を、”<使用>”という文字列の素性に置き換える。

「使われ方」含意リスト素性作成部９２は、「使われ方」リスト素性作成部９０によって作成された素性を入力とし、「使われ方」含意リスト記憶部８２に記憶された「使われ方」含意リストのうち、学習用データのテキストに含まれる商品名に対応する「使われ方」含意リストと照合して、「使われ方」含意リスト素性作成部５６と同様に、一致した単語表記を、”<使用含意>”という文字列の素性に置き換える。

学習部９４は、周知の機械学習技術を用いて、「使われ方」含意リスト素性作成部９２により学習用データの各テキストについて作成された各素性について、当該素性を入力としたときに、学習用データに含まれる人手で判断した結果と同じ結果が出力されるように、モデル関数のパラメタを学習（更新）していくことにより、著者行動推定モデルを作成する。

学習部９４によって作成された著者行動推定モデルが、著者行動推定モデル記憶部９６に記憶される。

＜著者行動推定モデル学習装置及び著者行動推定装置の作用＞
次に、第１の実施の形態に係る著者行動推定モデル学習装置１５０の作用について説明する。まず、著者行動推定モデル学習装置１５０に、大量のＷＥＢテキストが入力されると、ＷＥＢテキストデータベース７４に記憶される。また、著者行動推定モデル学習装置１５０に、商品名のリストが入力されると、著者行動推定モデル学習装置１５０において、図３に示すリスト作成処理ルーチンが実行される。

まず、ステップ１００において、入力された商品名リストを受け付け、ステップ１０２において、商品名リストの少なくとも１つの商品名を含むＷＥＢテキストを、ＷＥＢテキストデータベース７４から抽出する。

そして、ステップ１０４において、ＷＥＢテキストデータベース７４に記憶されている各ＷＥＢテキストに対して係り受け解析処理を行う。次のステップ１０６では、商品名リストのうち、処理対象の商品名を１つ設定し、ステップ１０８において、処理対象の商品名を含むＷＥＢテキストの係り受け解析結果に基づいて、処理対象の商品名が示す商品の「使われ方」を表わす動詞を抽出する。

そして、ステップ１１０において、上記ステップ１０８で抽出した動詞のうち、頻度が上位ｎ個の動詞を、処理対象の商品名に対する「使われ方」リストとして、「使われ方」リスト記憶部８０に格納する。

次のステップ１１２では、上記ステップ１０６〜１１０の処理が、商品名リストの全ての商品名について終了したか否かを判定し、上記ステップ１０６〜１１０の処理が行われていない商品名がある場合には、上記ステップ１０６へ戻り、当該商品名を、処理対象として設定する。一方、商品名リストの全ての商品名について上記ステップ１０６〜１１０の処理が終了した場合には、ステップ１１４へ進む。

ステップ１１４では、上記ステップ１０４で得られた各ＷＥＢテキストの係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアであって、係り元の動詞が連用形となっている動詞ペアを抽出する。次のステップ１１６では、商品名リストのうち、処理対象の商品名を１つ設定し、ステップ１１８において、処理対象の商品名に対して、上記ステップ１１０で得られた「使われ方」リストの各動詞が係り元となっている動詞ペアから、係り先の動詞を、処理対象の商品名が示す商品の「使われ方」を表わす動詞を含意する動詞として抽出する。

そして、ステップ１２０において、上記ステップ１１８で抽出した動詞のうち、頻度が上位ｍ個の動詞を、処理対象の商品名に対する「使われ方」含意リストとして、「使われ方」含意リスト記憶部８２に格納する。

次のステップ１２２では、上記ステップ１１６〜１２０の処理が、商品名リストの全ての商品名について終了したか否かを判定し、上記ステップ１１６〜１２０の処理が行われていない商品名がある場合には、上記ステップ１１６へ戻り、当該商品名を、処理対象として設定する。一方、商品名リストの全ての商品名について上記ステップ１１６〜１２０の処理が終了した場合には、リスト作成処理ルーチンを終了する。

また、著者行動推定モデル学習装置１５０に、学習用データが入力されると、著者行動推定モデル学習装置１５０において、図４に示す学習処理ルーチンが実行される。

まず、ステップＳ１３０において、入力された学習用データを受け付け、学習用データ記憶部８４に記憶する。次のステップ１３２では、学習用データ記憶部８４に記憶されている学習用データの各テキストに対して形態素解析処理を行う。

そして、ステップ１３４において、学習用データの各テキストのうち、処理対象のテキストを１つ設定する。次のステップ１３６では、上記ステップ１３２における形態素解析結果に基づいて、処理対象のテキストの単語表記を、素性として作成する。

そして、ステップ１３８では、処理対象のテキストに含まれる商品名に対する「使われ方」リストを、「使われ方」リスト記憶部８０から読み込む。ステップ１４０では、上記ステップ１３８で読み込んだ「使われ方」リストの各動詞と、上記ステップ１３６で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ１４２では、処理対象のテキストに含まれる商品名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部８２から読み込む。ステップ１４４では、上記ステップ１４２で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１４０で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

次のステップ１４６では、上記ステップ１３４〜１４４の処理が、学習用データの全てのテキストについて終了したか否かを判定し、上記ステップ１３４〜１４４の処理が行われていないテキストがある場合には、上記ステップ１３４へ戻り、当該テキストを、処理対象として設定する。一方、学習用データの全てのテキストについて上記ステップ１３４〜１４４の処理が終了した場合には、ステップ１４８へ進む。

ステップ１４８では、学習用データの全てのテキストについて上記ステップ１４４で得られた素性と、学習用データの全てのテキストについて予め与えられた行動の判断結果（「使用済」か「未使用」か）とに基づいて、機械学習を行い、著者行動推定モデルを作成する。そして、ステップ１５０では、上記ステップ１４８で作成された著者行動推定モデルを、著者行動推定モデル記憶部９６に格納して、学習処理ルーチンを終了する。

また、著者行動推定装置１００に、大量のＷＥＢテキストが入力されると、ＷＥＢテキストデータベース４０に記憶される。また、著者行動推定装置１００に、商品名のリストが入力されると、著者行動推定装置１００において、上記図３で説明したリスト作成処理ルーチンと同様に、リスト作成処理ルーチンが実行される。これによって、「使われ方」リスト及び「使われ方」含意リストが、「使われ方」リスト記憶部４６及び「使われ方」含意リスト記憶部４８に格納される。

なお、著者行動推定装置１００でリスト作成処理ルーチンが実行せずに、著者行動推定モデル学習装置１５０で得られた「使われ方」リスト及び「使われ方」含意リストを、入力部１０により受け付けて、「使われ方」リスト記憶部４６及び「使われ方」含意リスト記憶部４８に格納するようにしてもよい。

また、著者行動推定装置１００に、著者行動推定モデル学習装置１５０の著者行動推定モデル記憶部９６に記憶されている著者行動推定モデルが入力されると、著者行動推定モデル記憶部６０に記憶される。また、著者行動推定装置１００に、推定対象のテキスト及び行動を推定したい商品名（当該テキストに含まれる商品名）が入力されると、図５に示す著者行動推定処理ルーチンが実行される。

まず、ステップ１６０において、入力された推定対象のテキスト及び商品名を受け付け、次のステップ１６２で、受け付けたテキストに対して形態素解析処理を行う。

そして、ステップ１６４において、上記ステップ１６２における形態素解析結果に基づいて、推定対象のテキストの単語表記を、素性として作成する。ステップ１６６では、推定対象の商品名に対する「使われ方」リストを、「使われ方」リスト記憶部４６から読み込む。次のステップ１６８では、上記ステップ１６６で読み込んだ「使われ方」リストの各動詞と、上記ステップ１６４で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ１７０では、推定対象の商品名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部４８から読み込む。ステップ１７２では、上記ステップ１７０で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１６８で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

そして、ステップ１７４において、上記ステップ１７２で得られた素性と、著者行動推定モデルとに基づいて、推定対象のテキストの著者が、推定対象の商品名を示す商品を「使用済み」であるか「未使用」であるかを判定する。次のステップ１７６において、上記ステップ１７４での判定結果を出力して、著者行動推定処理ルーチンを終了する。

以上説明したように、第１の実施の形態に係る著者行動推定装置によれば、商品名毎に作成した「使われ方」リストの動詞、及び「使われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を使用済みであるか未使用であるかを精度良く推定することができる。

また、第１の実施の形態に係る著者行動推定モデル学習装置によれば、商品名毎に作成した「使われ方」リストの動詞、及び「使われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を使用済みであるか未使用であるかを推定するための推定モデルを学習することができる。

例えば、「昨日買った掃除機が今朝届きました。早速掃除してみたところ、静かだしコンパクトにしまうことができました。」という、商品について記述されたテキストが入力されると、掃除機（＝商品）に対して、著者は「使用済」であると推定することができる。

また、本実施の形態の技術により、商品に対する評判分析などの従来サービスにおいて、著者の状態（使用済or未使用）を新たな軸として提供可能となり、使用者の評判と、未使用者の評判を比較するなどより細かい分析サービスが実現可能となる。

［第２の実施の形態］
次に、第２の実施の形態について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。

第２の実施の形態では、テキストの著者が、商品を購入済みであるか未購入であるかを推定している点が、第１の実施の形態と異なっている。

＜著者行動推定装置の構成＞
図６に示すように、第２の実施の形態に係る著者行動推定装置２００は、入力部１０と、演算部２２０と、出力部３０とを備えている。

演算部２２０は、ＷＥＢテキストデータベース４０、「買われ方」含意リスト作成部２４４、「買われ方」リスト記憶部２４６、「買われ方」含意リスト記憶部２４８、形態素解析部５０、単語表記素性作成部５２、「買われ方」リスト素性作成部２５４、「買われ方」含意リスト素性作成部２５６、分類器２５８、及び著者行動推定モデル記憶部２６０を備えている。なお、「買われ方」リスト素性作成部２５４及び「買われ方」含意リスト素性作成部２５６が、素性抽出手段の一例である。また、「買われ方」含意リスト作成部４４が、第２動詞抽出手段の一例である。分類器２５８および著者行動推定モデル記憶部２６０が、行動推定手段の一例である。

入力部１０により、「買われ方」を表す動詞のリスト（例えば、「買う」、「ゲットする」、「購入する」など）を受け付けると、「買われ方」リスト記憶部２４６に格納される。

「買われ方」含意リスト作成部４４は、入力された「買われ方」リストに含まれる動詞を含意する動詞のリストである「買われ方」含意リストを、以下のように、大量のＷＥＢテキストに基づいて作成する。

まず、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストに対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、集計する。その際、「○○して、□□した」のように、係り元の動詞が連用形となる動詞ペアのみ抽出する。

次に、入力部１０により受け付けた「買われ方」リストを入力として、「買われ方」リスト中のｎ個の動詞を係り元の動詞とする動詞ペアを抽出し、抽出された動詞ペアの係り先の動詞を集計して、抽出された動詞ペアの係り先の動詞のうち、出現頻度が上位ｍ個の動詞を、「買われ方」含意リストとして「買われ方」含意リスト記憶部２４８に記憶する。

なお、本実施の形態では、「買われ方」リスト及び「買われ方」含意リストが、全ての商品名に対して汎用的に用いられる。

行動の推定対象となるテキスト（入力テキスト）及び行動を推定したい商品名（例えば、行動を推定したい商品名をマークアップした入力テキスト）を、入力部１０により受け付けると、形態素解析部５０は、商品名がマークアップされた入力テキストに対して、周知技術である形態素解析を行って、入力テキストを、単語に区切る。

単語表記素性作成部５２は、形態素解析部５０による形態素解析結果を入力として、マークアップされた商品名を含む文と前後の文の単語表記を素性として作成する。この際、商品名の表記は伏せ、代わりに”<商品>”という文字列で素性を作成する。

「買われ方」リスト素性作成部２５４は、単語表記素性作成部５２によって作成された素性を入力とし、「買われ方」リスト記憶部４６に記憶された「買われ方」リストと照合して、一致した単語表記を、”<購入>”という文字列の素性に置き換える。

「買われ方」含意リスト素性作成部２５６は、「買われ方」リスト素性作成部２５４によって作成された素性を入力とし、「買われ方」含意リスト記憶部２４８に記憶された「買われ方」含意リストと照合して、一致した単語表記を、”<購入含意>”という文字列の素性に置き換える。

分類器２５８は、「買われ方」含意リスト素性作成部２５６によって作成された素性から、「買われ方」リストの動詞の有無と、「買われ方」リストの動詞と一致する単語表記の前後の単語表記とを取得すると共に、「買われ方」含意リストの動詞の有無と、当該「買われ方」含意リストの動詞と一致する単語表記の前後の単語表記とを取得し、著者行動推定モデル記憶部２６０に記憶された著者行動推定モデルを利用して、入力テキストの著者による対象商品に対する行動（「購入済」or「未購入」）を判定する。

分類器２５８による判定結果が、出力部３０によりユーザに出力される。

著者行動推定モデル記憶部２６０に記憶されている著者行動推定モデルは、入力された素性（ここでは、入力テキストの単語表記のうち、対象とする商品名、その買われ方を表す動詞、及び、買われ方を含意する動詞を＜商品＞＜購入＞＜購入含意＞という文字列に置き換えたもの）から得られる、「買われ方」リストの動詞の有無と、「買われ方」リストの動詞と一致する単語表記の前後の単語表記と、「買われ方」含意リストの動詞の有無と、当該「買われ方」含意リストの動詞と一致する単語表記の前後の単語表記とに対して、「購入済」か「未購入」かを決定する関数のようなものである。この著者行動推定モデルは、図７に示す著者行動推定モデル学習装置２５０により予め学習しておくものとする。

＜著者行動推定モデル学習装置の構成＞
図７に示すように、第２の実施の形態に係る著者行動推定モデル学習装置２５０は、入力部７０と、演算部２７２とを備えている。

演算部２７２は、ＷＥＢテキストデータベース７４、「買われ方」含意リスト作成部２７８、「買われ方」リスト記憶部２８０、「買われ方」含意リスト記憶部２８２、学習用データ記憶部８４、形態素解析部８６、単語表記素性作成部８８、「買われ方」リスト素性作成部２９０、「買われ方」含意リスト素性作成部２９２、学習部２９４、及び著者行動推定モデル記憶部２９６を備えている。

ＷＥＢテキストデータベース７４は、ＷＥＢテキストデータベース４０と同様に、入力部７０により受け付けた大量のＷＥＢテキストを記憶している。

入力部７０により「買われ方」を表す動詞のリストを受け付けると、「買われ方」リスト記憶部２８０に格納される。

「買われ方」含意リスト作成部２７８は、「買われ方」リストに含まれる動詞を含意する動詞のリストである「買われ方」含意リストを、「買われ方」含意リスト作成部２４４と同様に、大量のＷＥＢテキストに基づいて作成し、「買われ方」含意リスト記憶部２８２に格納する。

学習用データ記憶部８４は、入力部７０により受け付けた、商品名がマークアップされたテキストに、人手で著者行動（「購入済」か「未購入」か）を判断した結果が付与されたテキスト集合を、学習用データとして記憶している。

「買われ方」リスト素性作成部２９０は、単語表記素性作成部８８によって作成された素性を入力とし、「買われ方」リスト記憶部２８０に記憶された「買われ方」リストと照合して、「買われ方」リスト素性作成部２５４と同様に、一致した単語表記を、”<購入>”という文字列の素性に置き換える。

「買われ方」含意リスト素性作成部２９２は、「買われ方」リスト素性作成部２９０によって作成された素性を入力とし、「買われ方」含意リスト記憶部２８２に記憶された「買われ方」含意リストと照合して、「買われ方」含意リスト素性作成部２５６と同様に、一致した単語表記を、”<購入含意>”という文字列の素性に置き換える。

学習部２９４は、周知の機械学習技術を用いて、「買われ方」含意リスト素性作成部２９２により学習用データの各テキストについて作成された各素性について、当該素性を入力としたときに、学習用データに含まれる人手で判断した結果と同じ結果が出力されるように、モデル関数のパラメタを学習（更新）していくことにより、著者行動推定モデルを作成する。

学習部９４によって作成された著者行動推定モデルが、著者行動推定モデル記憶部２９６に記憶される。

＜著者行動推定モデル学習装置及び著者行動推定装置の作用＞
次に、第２の実施の形態に係る著者行動推定モデル学習装置２５０の作用について説明する。まず、著者行動推定モデル学習装置２５０に、大量のＷＥＢテキストが入力されると、ＷＥＢテキストデータベース７４に記憶される。また、著者行動推定モデル学習装置２５０に、商品名のリストと、「買われ方」を表わす動詞を列挙した「買われ方」リストが入力されると、著者行動推定モデル学習装置２５０において、図８に示すリスト作成処理ルーチンが実行される。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。

まず、ステップ２００において、入力された商品名リスト及び「買われ方」リストを受け付け、受け付けた「買われ方」リストを、「買われ方」リスト記憶部２８０に格納する。そして、ステップ１０２において、商品名リストの少なくとも１つの商品名を含むＷＥＢテキストを、ＷＥＢテキストデータベース７４から抽出する。

そして、ステップ１０４において、ＷＥＢテキストデータベース７４に記憶されている各ＷＥＢテキストに対して係り受け解析処理を行う。

そして、ステップ１１４では、上記ステップ１０４で得られた各ＷＥＢテキストの係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアであって、係り元の動詞が連用形となっている動詞ペアを抽出する。次のステップ２０２では、「買われ方」リストの各動詞が係り元となっている動詞ペアから、係り先の動詞を、「買われ方」を表わす動詞を含意する動詞として抽出する。

そして、ステップ２０４において、上記ステップ２０２で抽出した動詞のうち、頻度が上位ｍ個の動詞を、「買われ方」含意リストとして、「買われ方」含意リスト記憶部２８２に格納し、リスト作成処理ルーチンを終了する。

また、著者行動推定モデル学習装置２５０に、学習用データが入力されると、著者行動推定モデル学習装置２５０において、図９に示す学習処理ルーチンが実行される。

まず、ステップＳ１３０において、入力された学習用データを受け付け、学習用データ記憶部８４に記憶する。次のステップ１３２では、学習用データ記憶部８４に記憶されている学習用データの各テキストに対して形態素解析処理を行う。

そして、ステップ１３４において、学習用データの各テキストのうち、処理対象のテキストを１つ設定する。次のステップ１３６では、上記ステップ１３２における形態素解析結果に基づいて、処理対象のテキストに対して、単語表記を素性として作成する。

そして、ステップ２２０では、「買われ方」リストを、「買われ方」リスト記憶部２８０から読み込む。ステップ２２２では、上記ステップ２２０で読み込んだ「買われ方」リストの各動詞と、上記ステップ１３６で作成された素性の各単語表記とを照合して、一致する単語表記を、＜購入＞という文字列に置き換える。

次のステップ２２４では、「買われ方」含意リストを、「買われ方」含意リスト記憶部２８２から読み込む。ステップ２２６では、上記ステップ２２４で読み込んだ「買われ方」含意リストの各動詞と、上記ステップ２２２で得られた素性の各単語表記とを照合して、一致する単語表記を、＜購入含意＞という文字列に置き換える。

次のステップ１４６では、上記ステップ１３４、１３６、２２０〜２２６の処理が、学習用データの全てのテキストについて終了したか否かを判定し、上記ステップ１３４、１３６、２２０〜２２６の処理が行われていないテキストがある場合には、上記ステップ１３４へ戻り、当該テキストを、処理対象として設定する。一方、学習用データの全てのテキストについて上記ステップ１３４、１３６、２２０〜２２６の処理が終了した場合には、ステップ２２８へ進む。

ステップ２２８では、学習用データの全てのテキストについて上記ステップ２２６で得られた素性と、学習用データの全てのテキストについて予め与えられた行動の判断結果（「購入済」か「未購入」か）とに基づいて、機械学習を行い、著者行動推定モデルを作成する。そして、ステップ１５０では、上記ステップ２２８で作成された著者行動推定モデルを、著者行動推定モデル記憶部２９６に格納して、学習処理ルーチンを終了する。

また、著者行動推定装置２００に、大量のＷＥＢテキストが入力されると、ＷＥＢテキストデータベース４０に記憶される。また、著者行動推定装置２００に、商品名のリストが入力されると、著者行動推定装置２００において、上記図８で説明したリスト作成処理ルーチンと同様に、リスト作成処理ルーチンが実行される。これによって、「買われ方」リスト及び「買われ方」含意リストが、「買われ方」リスト記憶部２４６及び「買われ方」含意リスト記憶部２４８に格納される。

また、著者行動推定装置２００に、著者行動推定モデル学習装置２５０の著者行動推定モデル記憶部２９６に記憶されている著者行動推定モデルが入力されると、著者行動推定モデル記憶部２６０に記憶される。また、著者行動推定装置２００に、推定対象のテキスト及び行動を推定したい商品名（当該テキストに含まれる商品名）が入力されると、図１０に示す著者行動推定処理ルーチンが実行される。

まず、ステップ１６０において、入力された推定対象のテキスト及び商品名を受け付け、次のステップ１６２で、入力を受け付けたテキストに対して形態素解析処理を行う。

そして、ステップ１６４において、上記ステップ１６２における形態素解析結果に基づいて、推定対象のテキストに対して、単語表記を素性として作成する。ステップ２５０では、「買われ方」リストを、「買われ方」リスト記憶部２４６から読み込む。次のステップ２５２では、上記ステップ２５０で読み込んだ「買われ方」リストの各動詞と、上記ステップ１６４で作成された素性の各単語表記とを照合して、一致する単語表記を、＜購入＞という文字列に置き換える。

次のステップ２５４では、「買われ方」含意リストを、「買われ方」含意リスト記憶部２４８から読み込む。ステップ２５６では、上記ステップ２５４で読み込んだ「買われ方」含意リストの各動詞と、上記ステップ２５２で得られた素性の各単語表記とを照合して、一致する単語表記を、＜購入含意＞という文字列に置き換える。

そして、ステップ２５８において、上記ステップ２５６で得られた素性と、著者行動推定モデルとに基づいて、推定対象のテキストの著者が、推定対象の商品名を示す商品を「購入済み」であるか「未購入」であるかを判定する。次のステップ１７６において、上記ステップ２５８での判定結果を出力して、著者行動推定処理ルーチンを終了する。

以上説明したように、第２の実施の形態に係る著者行動推定装置によれば、入力された「買われ方」リストの動詞、及び作成した「買われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を購入済みであるか未購入であるかを精度良く推定することができる。

また、第２の実施の形態に係る著者行動推定モデル学習装置によれば、入力された「買われ方」リストの動詞、及び作成した「買われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を購入済みであるか未購入であるかを推定するための推定モデルを学習することができる。

また、本実施の形態の技術により、商品に対する評判分析などの従来サービスにおいて、著者の状態（購入済or未購入）を新たな軸として提供可能となり、購入者の評判と、未購入者の評判を比較するなどより細かい分析サービスが実現可能となる。

［第３の実施の形態］
次に、第３の実施の形態について説明する。なお、第３の実施の形態に係る著者行動推定装置及び著者行動推定モデル学習装置の構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。

上記の第１の実施の形態では、商品名ごとにリストを作成する例について説明した。しかし、動詞リストに存在しない新たな商品を対象とするためには、新たな商品ごとにリストを作成しなければならない、という問題がある。

そこで、第３の実施の形態では、商品名の代わりに商品の属する商品カテゴリを用いて、上記の第１の実施の形態と同様の処理を行う。商品名の代わりに商品の属するカテゴリを利用している点のみが第１の実施の形態と異なる。

＜著者行動推定装置の構成＞
第３の実施の形態に係る著者行動推定装置の「使われ方」リスト作成部４２は、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストと、入力部１０により受け付けた商品カテゴリ名のリストとを用いて、以下のように、商品カテゴリ名毎に、「使われ方」を表す動詞のリストを作成する。

まず、対象となる商品カテゴリ名（例えば、スマートフォン）について、大量のＷＥＢテキストからその商品カテゴリ名を含むＷＥＢテキストを抽出する。次に、抽出した各ＷＥＢテキストに対して周知技術である係り受け解析を行い、その結果から当該商品カテゴリ名の係り先となる動詞を獲得し集計する。その際、日本語の助詞の意味に着目し、「<カテゴリ>で〜する」のように商品カテゴリが道具として利用されることを示す動詞と、「<カテゴリ>を〜する」、「<カテゴリ>に〜する」のように商品カテゴリを動作の目的とすることを示す動詞のみを、「使われ方」を表わす動詞として抽出する。最後に、抽出された動詞のうち、出現頻度が上位ｎ個の動詞を、当該商品カテゴリ名に対する「使われ方」リストとして「使われ方」リスト記憶部４６に格納する。

例えば、入力の商品名が「フリード」で、そのカテゴリ名が「車」の場合、「乗る」、「試乗」、「洗車」、「洗う」、「運転する」などの動詞リストが作成される。

「使われ方」含意リスト作成部４４は、「使われ方」リスト作成部４２で作成した「使われ方」リストに含まれる動詞を含意する動詞のリストである「使われ方」含意リストを、以下のように、大量のＷＥＢテキストに基づいて作成する。

まず、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストに対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、集計する。その際、「○○して、□□した」のように、係り元の動詞が連用形となる動詞ペアのみ抽出する。

次に、商品カテゴリ名毎に、「使われ方」リスト作成部４２で作成した「使われ方」リストを入力として、「使われ方」リスト中のｎ個の動詞を係り元の動詞とする動詞ペアを抽出し、抽出された動詞ペアの係り先の動詞を集計して、抽出された動詞ペアの係り先の動詞のうち、出現頻度が上位ｍ個の動詞を、当該商品カテゴリ名に対する「使われ方」含意リストとして「使われ方」含意リスト記憶部４８に記憶する。

また、行動の推定対象となるテキスト（入力テキスト）及び行動を推定したい商品名（例えば、行動を推定したい商品名をマークアップした入力テキスト）と当該商品の属する商品カテゴリ名とを、入力部１０により受け付ける。

「使われ方」リスト素性作成部５４は、単語表記素性作成部５２によって作成された素性を入力とし、「使われ方」リスト記憶部４６に記憶された「使われ方」リストのうち、入力部１０で入力された商品カテゴリ名に対応する「使われ方」リストと照合して、一致した単語表記を、”<使用>”という文字列の素性に置き換える。例えば入力が、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （掃除 （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」であって、「使われ方」リストに「掃除」がある場合、素性として、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」が作成される。

「使われ方」含意リスト素性作成部５６は、「使われ方」リスト素性作成部５４によって作成された素性を入力とし、「使われ方」含意リスト記憶部４８に記憶された「使われ方」含意リストのうち、入力部１０で入力された商品カテゴリ名に対応する「使われ方」含意リストと照合して、一致した単語表記を、”<使用含意>”という文字列の素性に置き換える。例えば入力が、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」であって、「使われ方」含意リストに「しまう」がある場合、素性として、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （<使用含意> （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」が作成される。

分類器５８は、あらかじめ作成した著者行動推定モデルを利用して、入力される「使われ方」含意リスト作成部５６の結果に基づき、入力テキストの著者の対象商品カテゴリに対する行動（「使用済」or「未使用」or「不明」）かを判定し出力する（またその度合いを示す値も出力してもよい）。

上記のように3値に分類する分類器を構成する方法としては、周知の技術であるone-vs-rest法を用いても良いしpair-wise法などを用いても良い。

例えば、one-vs-rest法で構成する場合、「使用済」を正例、「未使用」と「不明」を負例として学習した「使用済モデル」、「未使用」を正例、「使用済」と「不明」を負例として学習した「未使用モデル」、「不明」を正例、「使用済」と「未使用」を負例として学習した「不明モデル」の3つのモデルを作成する。入力される「使われ方」含意リスト作成部５６の結果と著者行動推定モデルとの照合を行い、最高スコアを出力したモデルの正例である「使用済」or「未使用」or「不明」のいずれかを出力する。

なお各モデルは、商品名がマークアップされたテキストに人手で著者行動を判断した判断結果を付与した文書集合に対し、形態素解析部８６〜「使われ方」含意リスト素性作成部９２での処理を行い、その結果得られる情報と人手で判断したものを組み合わせ、機械学習によってあらかじめ作成する。

また、第３の実施の形態に係る著者行動推定モデル学習装置の入力部７０は、既知のキーボード、マウス、記憶装置などの入力器により入力された、学習用データ（テキスト、商品カテゴリ名、及び著者による行動の判断結果）、商品カテゴリ名リスト、並びにＷＥＢテキストを受け付ける。

「使われ方」リスト作成部７６は、ＷＥＢテキストデータベース７４に記憶されている大量のＷＥＢテキストと、入力部７０により受け付けた商品カテゴリ名のリストとを用いて、「使われ方」リスト作成部４２と同様に、商品カテゴリ名毎に、「使われ方」を表す動詞のリストを作成し、「使われ方」リスト記憶部８０に格納する。

「使われ方」含意リスト作成部７８は、「使われ方」リスト作成部７６で作成した「使われ方」リストに含まれる動詞を含意する動詞のリストである「使われ方」含意リストを、「使われ方」含意リスト作成部４４と同様に、商品カテゴリ名毎に、大量のＷＥＢテキストに基づいて作成し、「使われ方」含意リスト記憶部８２に格納する。

「使われ方」リスト素性作成部９０は、単語表記素性作成部８８によって作成された素性を入力とし、「使われ方」リスト記憶部８０に記憶された「使われ方」リストのうち、学習用データのテキストに含まれる商品カテゴリ名に対応する「使われ方」リストと照合して、「使われ方」リスト素性作成部５４と同様に、一致した単語表記を、”<使用>”という文字列の素性に置き換える。

「使われ方」含意リスト素性作成部９２は、「使われ方」リスト素性作成部９０によって作成された素性を入力とし、「使われ方」含意リスト記憶部８２に記憶された「使われ方」含意リストのうち、学習用データのテキストに含まれる商品カテゴリ名に対応する「使われ方」含意リストと照合して、「使われ方」含意リスト素性作成部５６と同様に、一致した単語表記を、”<使用含意>”という文字列の素性に置き換える。

＜著者行動推定モデル学習装置及び著者行動推定装置の作用＞
次に、第３の実施の形態に係る著者行動推定モデル学習装置１５０の作用について説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。

著者行動推定モデル学習装置１５０に、商品カテゴリ名のリストが入力されると、著者行動推定モデル学習装置１５０において、図１１に示すリスト作成処理ルーチンが実行される。

まず、ステップ３００において、入力された商品カテゴリ名リストを受け付け、ステップ３０２において、商品カテゴリ名リストの少なくとも１つの商品カテゴリ名を含むＷＥＢテキストを、ＷＥＢテキストデータベース７４から抽出する。

そして、ステップ１０４において、ＷＥＢテキストデータベース７４に記憶されている各ＷＥＢテキストに対して係り受け解析処理を行う。次のステップ３０６では、商品カテゴリ名リストのうち、処理対象の商品カテゴリ名を１つ設定し、ステップ３０８において、処理対象の商品カテゴリ名を含むＷＥＢテキストの係り受け解析結果に基づいて、処理対象の商品カテゴリ名が示す商品の「使われ方」を表わす動詞を抽出する。

そして、ステップ１１０において、上記ステップ１０８で抽出した動詞のうち、頻度が上位ｎ個の動詞を、処理対象の商品カテゴリ名に対する「使われ方」リストとして、「使われ方」リスト記憶部８０に格納する。

次のステップ３１２では、上記ステップ３０６、３０８、１１０の処理が、商品カテゴリ名リストの全ての商品カテゴリ名について終了したか否かを判定し、上記ステップ３０６、３０８、１１０の処理が行われていない商品カテゴリ名がある場合には、上記ステップ３０６へ戻り、当該商品カテゴリ名を、処理対象として設定する。一方、商品カテゴリ名リストの全ての商品カテゴリ名について上記ステップ３０６、３０８、１１０の処理が終了した場合には、ステップ１１４へ進む。

ステップ１１４では、動詞が動詞に係っている動詞ペアであって、係り元の動詞が連用形となっている動詞ペアを抽出する。次のステップ３１６では、商品カテゴリ名リストのうち、処理対象の商品カテゴリ名を１つ設定し、ステップ３１８において、処理対象の商品カテゴリ名に対して、上記ステップ１１０で得られた「使われ方」リストの各動詞が係り元となっている動詞ペアから、係り先の動詞を、処理対象の商品カテゴリ名が示す商品の「使われ方」を表わす動詞を含意する動詞として抽出する。

そして、ステップ１２０において、上記ステップ１１８で抽出した動詞のうち、頻度が上位ｍ個の動詞を、処理対象の商品カテゴリ名に対する「使われ方」含意リストとして、「使われ方」含意リスト記憶部８２に格納する。

次のステップ３２２では、上記ステップ３１６、３１８、１２０の処理が、商品カテゴリ名リストの全ての商品カテゴリ名について終了したか否かを判定し、上記ステップ３１６、３１８、１２０の処理が行われていない商品カテゴリ名がある場合には、上記ステップ３１６へ戻り、当該商品カテゴリ名を、処理対象として設定する。一方、商品カテゴリ名リストの全ての商品カテゴリ名について上記ステップ３１６、３１８、１２０の処理が終了した場合には、リスト作成処理ルーチンを終了する。

また、著者行動推定モデル学習装置１５０に、学習用データが入力されると、著者行動推定モデル学習装置１５０において、図１２に示す学習処理ルーチンが実行される。

まず、ステップＳ１３０において、入力された学習用データを受け付け、学習用データ記憶部８４に記憶する。次のステップ１３２では、学習用データ記憶部８４に記憶されている学習用データの各テキストに対して形態素解析処理を行う。

そして、ステップ１３４において、学習用データの各テキストのうち、処理対象のテキストを１つ設定する。次のステップ１３６では、上記ステップ１３２における形態素解析結果に基づいて、処理対象のテキストの単語表記を、素性として作成する。

そして、ステップ３３８では、処理対象のテキストに含まれる商品カテゴリ名に対する「使われ方」リストを、「使われ方」リスト記憶部８０から読み込む。ステップ１４０では、上記ステップ３３８で読み込んだ「使われ方」リストの各動詞と、上記ステップ１３６で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ３４２では、処理対象のテキストに含まれる商品カテゴリ名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部８２から読み込む。ステップ１４４では、上記ステップ１４２で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１４０で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

次のステップ１４６では、上記ステップ１３４、１３６、３３８、１４０、３４２、１４４の処理が、学習用データの全てのテキストについて終了したか否かを判定し、上記ステップ１３４、１３６、３３８、１４０、３４２、１４４の処理が行われていないテキストがある場合には、上記ステップ１３４へ戻り、当該テキストを、処理対象として設定する。一方、学習用データの全てのテキストについて上記ステップ１３４、１３６、３３８、１４０、３４２、１４４の処理が終了した場合には、ステップ１４８へ進む。

ステップ１４８では、学習用データの全てのテキストについて上記ステップ１４４で得られた素性と、学習用データの全てのテキストについて予め与えられた行動の判断結果（「使用済」か「未使用」か）とに基づいて、機械学習を行い、著者行動推定モデルを作成する。そして、ステップ１５０では、上記ステップ１４８で作成された著者行動推定モデルを、著者行動推定モデル記憶部９６に格納して、学習処理ルーチンを終了する。

また、著者行動推定装置１００に、著者行動推定モデル学習装置１５０の著者行動推定モデル記憶部９６に記憶されている著者行動推定モデルが入力されると、著者行動推定モデル記憶部６０に記憶される。また、著者行動推定装置１００に、推定対象のテキスト、行動を推定したい商品名（当該テキストに含まれる商品名）、及び当該商品名が属する商品カテゴリ名が入力されると、図１３に示す著者行動推定処理ルーチンが実行される。

まず、ステップ３６０において、入力された推定対象のテキスト、商品名、及び商品カテゴリ名を受け付け、次のステップ１６２で、受け付けたテキストに対して形態素解析処理を行う。

そして、ステップ１６４において、推定対象のテキストの単語表記を、素性として作成する。ステップ３６６では、推定対象の商品カテゴリ名に対する「使われ方」リストを、「使われ方」リスト記憶部４６から読み込む。次のステップ１６８では、上記ステップ３６６で読み込んだ「使われ方」リストの各動詞と、上記ステップ１６４で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ３７０では、推定対象の商品カテゴリ名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部４８から読み込む。ステップ１７２では、上記ステップ３７０で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１６８で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

そして、ステップ１７４において、上記ステップ１７２で得られた素性と、著者行動推定モデルとに基づいて、推定対象のテキストの著者が、推定対象の商品カテゴリ名を示す商品を「使用済み」であるか「未使用」であるかを判定する。次のステップ１７６において、上記ステップ１７４での判定結果を出力して、著者行動推定処理ルーチンを終了する。

以上説明したように、第３の実施の形態に係る著者行動推定装置によれば、商品カテゴリ名毎に作成した「使われ方」リストの動詞、及び「使われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品カテゴリについて記述された入力テキストの著者が、当該商品カテゴリに属する商品を使用済みであるか未使用であるかを精度良く推定することができる。

また、第３の実施の形態に係る著者行動推定モデル学習装置によれば、商品カテゴリ名毎に作成した「使われ方」リストの動詞、及び「使われ方」含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品カテゴリについて記述された入力テキストの著者が、当該商品カテゴリに属する商品を使用済みであるか未使用であるかを推定するための推定モデルを学習することができる。

また、動詞リストに存在しない新たな商品を対象に著者の行動を推定する度に、動詞リストの自動獲得処理を行う必要がないため、ユーザが即座に推定処理を実施することが可能となる。

なお、上記の実施の形態では、対象となるカテゴリ名を入力として、動詞リストを作成する場合を例に説明したが、これに限定されるものではない。対象となるカテゴリ名と、そのカテゴリに属する複数の商品名とを入力として、複数の商品名を含むテキストから、周知技術である係り受け解析の結果を用いて、複数の商品名の係り先となる動詞を獲得し集計するようにしてもよい。その際、日本語の助詞の意味に着目し、「<商品>で〜する」のように商品が道具として利用される動詞と、「<商品>を〜する」、「<商品>に〜する」のように商品を動作の目的とする動詞のみを獲得する。集計された動詞のうち、上位n個の動詞を、入力されたカテゴリ名に対する「使われ方」リストとして出力する。例えば、対象のカテゴリ名が「車」の場合、「プリウス」や「フィット」などの商品名を入力として、「乗る」、「試乗」、「洗車」、「洗う」、「運転する」などの動詞リストが、「使われ方」リストとして、カテゴリ名「車」に対して作成される。また、この際、単純に上位n個の動詞をリストとして出力するのではなく、入力された複数の商品名に共通して出現する動詞をリストとして出力ようにしてもよい。

［第４の実施の形態］
次に、第４の実施の形態について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。

上記の第１の実施の形態、第３の実施の形態に加え、「使われ方」リストに記載された動詞よりも文章の前方向に存在する動詞を用いることで、さらに著者の行動を推定する精度を高めることができる。

そこで、第４の実施の形態では、「使われ方」リスト中の動詞の係り元の動詞をリストして、素性を作成している点が、第１の実施の形態と異なっている。

＜著者行動推定装置の構成＞
図１４に示すように、第４の実施の形態に係る著者行動推定装置４００の演算部４２０は、ＷＥＢテキストデータベース４０、「使われ方」リスト作成部４２、「使われ方」含意リスト作成部４４、「使われ方」被含意リスト作成部４４４、「使われ方」リスト記憶部４６、「使われ方」含意リスト記憶部４８、「使われ方」被含意リスト記憶部４４８、形態素解析部５０、単語表記素性作成部５２、「使われ方」リスト素性作成部５４、「使われ方」含意リスト素性作成部５６、「使われ方」被含意リスト素性作成部４５６、分類器５８、及び著者行動推定モデル記憶部６０を備えている。なお、「使われ方」被含意リスト作成部４４４は、第３動詞抽出手段の一例である。

「使われ方」被含意リスト作成部４４４は、「使われ方」リスト作成部４２で作成した「使われ方」リストに含まれる動詞に含意される動詞のリストである「使われ方」被含意リストを、以下のように、大量のＷＥＢテキストに基づいて作成する。

まず、ＷＥＢテキストデータベース４０に記憶されている大量のＷＥＢテキストに対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、集計する。その際、「○○して、□□した」のように、係り元の動詞が連用形となる動詞ペアのみ抽出する。

次に、商品名毎に、「使われ方」リスト作成部４２で作成した「使われ方」リストを入力として、「使われ方」リスト中のｎ個の動詞を係り先の動詞とする動詞ペアを抽出し、抽出された動詞ペアの係り元の動詞を集計して、抽出された動詞ペアの係り元の動詞のうち、出現頻度が上位ｍ個の動詞を、当該商品名に対する「使われ方」被含意リストとして「使われ方」被含意リスト記憶部４４８に記憶する。

例えば、ある商品名に対する「使われ方」リストとして、「乗る」、「試乗」、「洗車」、「洗う」、「運転する」が入力された場合、「見る」、「気になる」、「借りる」、「汚れる」などのリストが、当該商品名に対する「使われ方」被含意リストとして作成される。

「使われ方」被含意リスト素性作成部４５６は、「使われ方」含意リスト素性作成部５６によって作成された素性を入力とし、「使われ方」被含意リスト記憶部４４８に記憶された「使われ方」被含意リストのうち、入力部１０で入力された商品名に対応する「使われ方」被含意リストと照合して、一致した単語表記を、”<使用被含意>”という文字列の素性に置き換える。例えば入力が、「 （昨日 （買 （っ （た （<商品> （が （今朝 （届き （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （しま （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」であって、「使われ方」被含意リストに「届く」がある場合、素性として、「 （昨日 （買 （っ （た （<商品> （が （今朝 （<使用被含意> （ま （した （。（早速 （<使用> （し （て （み （た （ところ （、 （静か （だ （し （コンパクト （に （<使用含意> （う （こと （が （でき （ました （。）））））））））））））））））））））））））））））））」が作成される。

分類器５８は、「使われ方」被含意リスト素性作成部４５６によって作成された素性から、「使われ方」リストの動詞の有無と、「使われ方」リストの動詞と一致する単語表記の前後の単語表記と、「使われ方」含意リストの動詞の有無と、当該「使われ方」含意リストの動詞と一致する単語表記の前後の単語表記と、「使われ方」被含意リストの動詞の有無と、当該「使われ方」被含意リストの動詞と一致する単語表記の前後の単語表記と、を取得し、著者行動推定モデル記憶部６０に記憶された著者行動推定モデルを利用して、入力テキストの著者による対象商品に対する行動（「使用済」or「未使用」）を判定する。

＜著者行動推定モデル学習装置の構成＞
図１５に示すように、第４の実施の形態に係る著者行動推定モデル学習装置４５０の演算部４７２は、ＷＥＢテキストデータベース７４、「使われ方」リスト作成部７６、「使われ方」含意リスト作成部７８、「使われ方」被含意リスト作成部４７８、「使われ方」リスト記憶部８０、「使われ方」含意リスト記憶部８２、「使われ方」被含意リスト記憶部４８２、学習用データ記憶部８４、形態素解析部８６、単語表記素性作成部８８、「使われ方」リスト素性作成部９０、「使われ方」含意リスト素性作成部９２、「使われ方」被含意リスト素性作成部４９２、学習部９４、及び著者行動推定モデル記憶部９６を備えている。

「使われ方」被含意リスト作成部４７８は、「使われ方」リスト作成部７６で作成した「使われ方」リストに含まれる動詞に含意される動詞のリストである「使われ方」被含意リストを、「使われ方」被含意リスト作成部４４４と同様に、大量のＷＥＢテキストに基づいて作成し、「使われ方」被含意リスト記憶部４８２に格納する。

「使われ方」被含意リスト素性作成部４９２は、「使われ方」含意リスト素性作成部９２によって作成された素性を入力とし、「使われ方」被含意リスト記憶部４８２に記憶された「使われ方」被含意リストのうち、学習用データのテキストに含まれる商品名に対応する「使われ方」被含意リストと照合して、「使われ方」被含意リスト素性作成部４５６と同様に、一致した単語表記を、”<使用被含意>”という文字列の素性に置き換える。

学習部９４は、周知の機械学習技術を用いて、「使われ方」被含意リスト素性作成部４９２により学習用データの各テキストについて作成された各素性について、当該素性を入力としたときに、学習用データに含まれる人手で判断した結果と同じ結果が出力されるように、モデル関数のパラメタを学習（更新）していくことにより、著者行動推定モデルを作成する。

＜著者行動推定モデル学習装置及び著者行動推定装置の作用＞
次に、第４の実施の形態に係る著者行動推定モデル学習装置４５０の作用について説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。

著者行動推定モデル学習装置４５０に、商品名のリストが入力されると、著者行動推定モデル学習装置４５０において、図１６に示すリスト作成処理ルーチンが実行される。

まず、ステップ１００において、入力された商品名リストを受け付け、ステップ１０２において、商品名リストの少なくとも１つの商品名を含むＷＥＢテキストを、ＷＥＢテキストデータベース７４から抽出する。

そして、ステップ１０４において、ＷＥＢテキストデータベース７４に記憶されている各ＷＥＢテキストに対して係り受け解析処理を行う。次のステップ１０６では、商品名リストのうち、処理対象の商品名を１つ設定し、ステップ１０８において、処理対象の商品名が示す商品の「使われ方」を表わす動詞を抽出する。

そして、ステップ１１０において、上記ステップ１０８で抽出した動詞のうち、頻度が上位ｎ個の動詞を、処理対象の商品名に対する「使われ方」リストとして、「使われ方」リスト記憶部８０に格納する。

次のステップ１１２では、上記ステップ１０６〜１１０の処理が、商品名リストの全ての商品名について終了したか否かを判定し、商品名リストの全ての商品名について上記ステップ１０６〜１１０の処理が終了した場合には、ステップ１１４へ進む。

ステップ１１４では、動詞が動詞に係っている動詞ペアであって、係り元の動詞が連用形となっている動詞ペアを抽出する。次のステップ１１６では、商品名リストのうち、処理対象の商品名を１つ設定し、ステップ１１８において、処理対象の商品名に対して、上記ステップ１１０で得られた動詞ペアから、係り先の動詞を、処理対象の商品名が示す商品の「使われ方」を表わす動詞を含意する動詞として抽出する。

そして、ステップ１２０において、上記ステップ１１８で抽出した動詞のうち、頻度が上位ｍ個の動詞を、処理対象の商品名に対する「使われ方」含意リストとして、「使われ方」含意リスト記憶部８２に格納する。

次のステップ１２２では、上記ステップ１１６〜１２０の処理が、商品名リストの全ての商品名について終了したか否かを判定し、商品名リストの全ての商品名について上記ステップ１１６〜１２０の処理が終了した場合には、ステップ４２４へ進む。

ステップ４２４では、商品名リストのうち、処理対象の商品名を１つ設定し、ステップ４２６において、処理対象の商品名に対して、上記ステップ１１０で得られた「使われ方」リストの各動詞が係り先となっている動詞ペアから、係り元の動詞を、処理対象の商品名が示す商品の「使われ方」を表わす動詞に含意される動詞として抽出する。

そして、ステップ４２８において、上記ステップ４２６で抽出した動詞のうち、頻度が上位ｍ個の動詞を、処理対象の商品名に対する「使われ方」被含意リストとして、「使われ方」被含意リスト記憶部４８２に格納する。

次のステップ４３０では、上記ステップ４２４〜４２８の処理が、商品名リストの全ての商品名について終了したか否かを判定し、商品名リストの全ての商品名について上記ステップ４２４〜４２８の処理が終了した場合には、リスト作成処理ルーチンを終了する。

また、著者行動推定モデル学習装置４５０に、学習用データが入力されると、著者行動推定モデル学習装置４５０において、図１７に示す学習処理ルーチンが実行される。

まず、ステップＳ１３０において、入力された学習用データを受け付け、学習用データ記憶部８４に記憶する。次のステップ１３２では、学習用データ記憶部８４に記憶されている学習用データの各テキストに対して形態素解析処理を行う。

そして、ステップ１３４において、学習用データの各テキストのうち、処理対象のテキストを１つ設定する。次のステップ１３６では、処理対象のテキストの単語表記を、素性として作成する。

そして、ステップ１３８では、処理対象のテキストに含まれる商品名に対する「使われ方」リストを、「使われ方」リスト記憶部８０から読み込む。ステップ１４０では、上記ステップ１３８で読み込んだ「使われ方」リストの各動詞と、上記ステップ１３６で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ１４２では、処理対象のテキストに含まれる商品名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部８２から読み込む。ステップ１４４では、上記ステップ１４２で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１４０で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

次のステップ４４２では、処理対象のテキストに含まれる商品名に対する「使われ方」被含意リストを、「使われ方」被含意リスト記憶部４８２から読み込む。ステップ４４４では、上記ステップ４４２で読み込んだ「使われ方」被含意リストの各動詞と、上記ステップ１４４で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用被含意＞という文字列に置き換える。

次のステップ１４６では、上記ステップ１３４〜１４４、４４２、４４４の処理が、学習用データの全てのテキストについて終了したか否かを判定し、上記ステップ１３４〜１４４、４４２、４４４の処理が行われていないテキストがある場合には、上記ステップ１３４へ戻り、当該テキストを、処理対象として設定する。一方、学習用データの全てのテキストについて上記ステップ１３４〜１４４、４４２、４４４の処理が終了した場合には、ステップ１４８へ進む。

ステップ１４８では、学習用データの全てのテキストについて上記ステップ４４４で得られた素性と、学習用データの全てのテキストについて予め与えられた行動の判断結果（「使用済」か「未使用」か）とに基づいて、機械学習を行い、著者行動推定モデルを作成する。そして、ステップ１５０では、上記ステップ１４８で作成された著者行動推定モデルを、著者行動推定モデル記憶部９６に格納して、学習処理ルーチンを終了する。

また、著者行動推定装置４００に、大量のＷＥＢテキストが入力されると、ＷＥＢテキストデータベース４０に記憶される。また、著者行動推定装置４００に、商品名のリストが入力されると、著者行動推定装置４００において、上記図１６で説明したリスト作成処理ルーチンと同様に、リスト作成処理ルーチンが実行される。これによって、「使われ方」リスト、「使われ方」含意リスト、及び「使われ方」被含意リストが、「使われ方」リスト記憶部４６、「使われ方」含意リスト記憶部４８、及び「使われ方」被含意リスト記憶部４４８に格納される。

また、著者行動推定装置４００に、著者行動推定モデル学習装置４５０の著者行動推定モデル記憶部９６に記憶されている著者行動推定モデルが入力されると、著者行動推定モデル記憶部６０に記憶される。また、著者行動推定装置４００に、推定対象のテキスト及び行動を推定したい商品名（当該テキストに含まれる商品名）が入力されると、図１８に示す著者行動推定処理ルーチンが実行される。

まず、ステップ１６０において、入力された推定対象のテキスト及び商品名を受け付け、次のステップ１６２で、受け付けたテキストに対して形態素解析処理を行う。

そして、ステップ１６４において、推定対象のテキストの単語表記を、素性として作成する。ステップ１６６では、推定対象の商品名に対する「使われ方」リストを、「使われ方」リスト記憶部４６から読み込む。次のステップ１６８では、上記ステップ１６６で読み込んだ「使われ方」リストの各動詞と、上記ステップ１６４で作成された素性の各単語表記とを照合して、一致する単語表記を、＜使用＞という文字列に置き換える。

次のステップ１７０では、推定対象の商品名に対する「使われ方」含意リストを、「使われ方」含意リスト記憶部４８から読み込む。ステップ１７２では、上記ステップ１７０で読み込んだ「使われ方」含意リストの各動詞と、上記ステップ１６８で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用含意＞という文字列に置き換える。

次のステップ４７０では、推定対象の商品名に対する「使われ方」被含意リストを、「使われ方」被含意リスト記憶部４４８から読み込む。ステップ４７２では、上記ステップ４７０で読み込んだ「使われ方」被含意リストの各動詞と、上記ステップ１７２で得られた素性の各単語表記とを照合して、一致する単語表記を、＜使用被含意＞という文字列に置き換える。

そして、ステップ１７４において、上記ステップ４７２で得られた素性と、著者行動推定モデルとに基づいて、推定対象のテキストの著者が、推定対象の商品名を示す商品を「使用済み」であるか「未使用」であるかを判定する。次のステップ１７６において、上記ステップ１７４での判定結果を出力して、著者行動推定処理ルーチンを終了する。

以上説明したように、第４の実施の形態に係る著者行動推定装置によれば、商品名毎に作成した「使われ方」リストの動詞、「使われ方」含意リストの動詞、及び「使われ方」被含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を使用済みであるか未使用であるかを精度良く推定することができる。

また、第４の実施の形態に係る著者行動推定モデル学習装置によれば、商品名毎に作成した「使われ方」リストの動詞、「使われ方」含意リストの動詞、及び「使われ方」被含意リストの動詞の各々について、入力テキストにおける動詞の有無及び単語表記を素性として抽出することにより、任意の商品について記述された入力テキストの著者が、当該商品を使用済みであるか未使用であるかを推定するための推定モデルを学習することができる。

また、使用済の手がかりとして、「使われ方」を表わす動詞、およびそれを含意する動詞だけでなく、「使われ方」を表わす動詞に含意される動詞も利用しているため、商品に対する著者の行動として、使用済みであるか未使用であるかをより高精度に推定することが可能となる。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、対象となる商品名を、予め人手で商品名のリストとして与えておき、商品名毎に「使われ方」リスト及び「使われ方」含意リストを作成する場合を説明したが、これに限定されるものではない。例えば、入力部において行動推定対象となる入力テキストが入力されたときに、当該入力テキストに含まれる商品名に対して、「使われ方」リスト作成部による処理と、「使われ方」含意リスト作成部による処理とを、逐次実行するようにしても良い。

また、分類器において、入力テキストにおける「使われ方」リスト（または「買われ方」リスト）の動詞や「使われ方」含意リスト（または「買われ方」含意リスト）の動詞と一致する単語表記の前後の単語表記だけでなく、その他の単語表記も考慮して、入力テキストの著者による対象商品に対する行動（「使用済」or「未使用」、「購入済」or「未購入」）を判定するようにしてもよい。例えば、分類器５８は、「使われ方」含意リスト素性作成部５６によって作成された素性（入力テキストの単語表記のうち、対象とする商品名、その使われ方を表す動詞、及び、使われ方を含意する動詞を＜商品＞＜使用＞＜使用含意＞という文字列に置き換えたもの）と、著者行動推定モデル記憶部６０に記憶された著者行動推定モデルとに基づいて、入力テキストの著者による対象商品に対する行動（「使用済」or「未使用」）を判定するようにすればよい。

また、商品名や商品カテゴリ名の代わりに、商品や商品カテゴリを識別できる他の商品情報を用いてもよい。

また、上記の第３の実施の形態における、商品カテゴリ名を入力として、商品カテゴリ名に属する商品に対する行動を推定する技術を、上記の第２の実施の形態に適用してもよい。この場合には、推定対象の商品カテゴリ名に属する商品を「購入済み」であるか「未購入」であるかを推定するようにすればよい。

また、上記の第４の実施の形態における、「使われ方」被含意リストを利用して著者行動を推定する技術を、上記の第２の実施の形態に適用してもよい。この場合には、「買われ方」被含意リストを利用して、テキストの著者が、商品を「購入済み」であるか「未購入」であるかを推定する。

また、上記の第４の実施の形態における、「使われ方」被含意リストを利用して著者行動を推定する技術を、上記の第３の実施の形態に適用してもよい。この場合には、商品カテゴリ名毎に、「使われ方」リスト、「使われ方」含意リスト、及び「使われ方」被含意リストを作成するようにすればよい。

また、本発明は、周知のコンピュータに媒体もしくは通信回線を介して、プログラムをインストールすることによっても実現可能である。

また、上述の著者行動推定装置及び著者行動推定モデル学習装置は、内部にコンピュータシステムを有しているが、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。

１０、７０ 入力部
２０、７２、２２０、２７２、４２０、４７２ 演算部
４２、７６ 「使われ方」リスト作成部
４４、７８ 「使われ方」含意リスト作成部
４６、８０ 「使われ方」リスト記憶部
４８、８２ 「使われ方」含意リスト記憶部
５０、８６ 形態素解析部
５２、８８ 単語表記素性作成部
５４、９０ 「使われ方」リスト素性作成部
５６、９３ 「使われ方」含意リスト素性作成部
５８、２５８ 分類器
６０、９６、２６０、２９６ 著者行動推定モデル記憶部
８４ 学習用データ記憶部
９４、２９４ 学習部
１００、２００、４００ 著者行動推定装置
１５０、２５０、４５０ 著者行動推定モデル学習装置
２４４、２７８ 「買われ方」含意リスト作成部
２４６、２８０ 「買われ方」リスト記憶部
２４８、２８２ 「買われ方」含意リスト記憶部
２５４、２９０ 「買われ方」リスト素性作成部
２５６、２９２ 「買われ方」含意リスト素性作成部
４４４、４７８ 「使われ方」被含意リスト作成部
４４８、４８２ 「使われ方」被含意リスト記憶部
４５６、４９２ 「使われ方」被含意リスト素性作成部

Claims (10)

1. 商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する著者行動推定装置であって、
   前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する素性抽出手段と、
   前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する行動推定手段と、
   を含む著者行動推定装置。
2. 前記商品情報を含む文書に対して形態素解析を行った形態素解析結果に基づいて、前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方を表わす前記第１の動詞として、前記商品又は前記商品の属するカテゴリが道具として利用されることを示す動詞、及び前記商品又は前記商品の属するカテゴリを動作の目的とすることを示す動詞を抽出する第１動詞抽出手段を更に含む請求項１記載の著者行動推定装置。
3. 前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、抽出された動詞ペアのうち、係り元の動詞が、連用形であり、かつ、前記第１の動詞である動詞ペアについて、係り先の動詞を前記第２の動詞として抽出する第２動詞抽出手段を更に含む請求項１又は２記載の著者行動推定装置。
4. 前記素性抽出手段は、前記入力文書における前記第１の動詞及び前記第２の動詞の有無と共に、前記入力文書における前記第１の動詞又は前記第２の動詞と一致する単語表記に対して少なくとも前後の単語表記を、前記素性として抽出する請求項１〜請求項３の何れか１項記載の著者行動推定装置。
5. 前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、抽出された動詞ペアのうち、係り元の動詞が連用形であり、かつ、係り先の動詞が前記第１の動詞である動詞ペアについて、係り元の動詞を前記第３の動詞として抽出する第３動詞抽出手段を更に含み、
   前記素性抽出手段は、前記入力文書における前記第１の動詞、前記第２の動詞、及び前記第３の動詞の有無と共に、前記入力文書における前記第１の動詞、前記第２の動詞、又は前記第３の動詞と一致する単語表記に対して少なくとも前後の単語表記を、前記素性として抽出する請求項１〜請求項４の何れか１項記載の著者行動推定装置。
6. 商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための推定モデルを学習する著者行動推定モデル学習装置であって、
   前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出する素性抽出手段と、
   前記素性抽出手段によって抽出された前記素性と、前記入力文書について予め求められた著者による前記商品又は前記商品の属するカテゴリに対する行動とに基づいて、前記素性に基づいて前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための前記推定モデルを学習する推定モデル学習手段と、
   を含む著者行動推定モデル学習装置。
7. 前記商品情報を含む文書に対して係り受け解析を行った係り受け解析結果に基づいて、動詞が動詞に係っている動詞ペアを抽出し、抽出された動詞ペアのうち、係り元の動詞が連用形であり、かつ、係り先の動詞が前記第１の動詞である動詞ペアについて、係り元の動詞を前記第３の動詞として抽出する第３動詞抽出手段を更に含み、
   前記素性抽出手段は、前記入力文書における前記第１の動詞、前記第２の動詞、及び前記第３の動詞の有無と共に、前記入力文書における前記第１の動詞、前記第２の動詞、又は前記第３の動詞と一致する単語表記に対して少なくとも前後の単語表記を、前記素性として抽出する請求項６記載の著者行動推定モデル学習装置。
8. 商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定する著者行動推定方法であって、
   素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出するステップと、
   行動推定手段によって、前記素性抽出手段によって抽出された前記素性に基づいて、前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するステップと、
   を含むことを特徴とする著者行動推定方法。
9. 商品又は商品の属するカテゴリを示す商品情報を含む少なくとも１つの文で構成される入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための推定モデルを学習する著者行動推定モデル学習方法であって、
   素性抽出手段によって、前記入力文書に対して形態素解析を行った形態素解析結果に基づいて、予め定められた前記商品情報が示す商品又は前記商品情報が示す商品の属するカテゴリの使われ方及び買われ方の何れか一方を表わす第１の動詞、及び前記第１の動詞を含意する第２の動詞の各々について、前記入力文書における動詞の有無を素性として抽出するステップと、
   推定モデル学習手段によって、前記素性抽出手段によって抽出された前記素性と、前記入力文書について予め求められた著者による前記商品又は前記商品の属するカテゴリに対する行動とに基づいて、前記素性に基づいて前記入力文書の著者による前記商品又は前記商品の属するカテゴリに対する行動を推定するための前記推定モデルを学習するステップと、
   を含むことを特徴とする著者行動推定モデル学習方法。
10. コンピュータを、請求項１〜請求項５の何れか１項記載の著者行動推定装置又は請求項６記載の著者行動推定モデル学習装置の各手段として機能させるためのプログラム。