JP5525268B2 - 性格推定装置及びプログラム - Google Patents

Description

本発明は、性格診断システムに使用する性格推定装置に関し、より詳しくは、性格を示す１つ以上のパラメータの強弱又はパラメータ間の強弱を判定して出力する性格推定装置に関する。

自己分析又は性格診断の手法としてエゴグラムが知られている（例えば、特許文献１、参照。）。エゴグラムは、性格を示すパラメータとして、批判的親（ＣＰ）、養育的親（ＮＰ）、大人（Ａ）、自由な子供（ＦＣ）及び従順な子供（ＡＣ）の５つの自我状態を使用し、それぞれの自我状態の強弱を、例えば、５段階で表示し、これにより、各個人の特徴を分類するものであり、交流分析の分野で利用されている。

推定対象者のエゴグラムを判定するためには、通常、カウンセリングを受けるか、多数の設問に回答する必要があり、簡易に判定する方法はない。このため、特許文献２では、推定対象者の発言を音声認識して韻律情報を抽出し、カメラで推定対象者を撮影して顔の各部位の時間変化から感情を推定し、これにより、推定対象者の自我状態を判定することが記載されている。しかしながら、推定のためには推定対象者と会話する必要があり、カウンセリングを受けることと差はなく、設備構成も大掛かりとなる。また、一時的な会話では、自我状態が表層に現れにくく、精度良く推定することが困難である。

特開２００７−２２６５３１号公報 特開２００４−３１００３４号公報

本発明は、質問に回答することや、何らかの会話を行うことなく、推定対象者の性格推定を行う性格推定装置及びプログラムを提供することを目的とする。

本発明における性格推定装置によれば、
ネットワーク上で性格推定対象者により公開されている文書についてのデータを取得する手段と、取得したデータから、該文書の特徴を示す１つ以上の要素をそれぞれについての値を求め、求めた要素の値を含む特徴量ベクトルを生成する手段と、前記特徴量ベクトルに基づき、１つ以上の性格に関するパラメータのそれぞれについて、その強弱を所定の段階で判定する、あるいは、複数の性格に関するパラメータ間の強弱を判定する判定手段と、
を備え、前記１つ以上の要素は、前記文書に含まれる各名詞の逆出現頻度の平均値及び／又は最大値を含むことを特徴とする。

本発明における性格推定装置の他の実施形態によれば、
前記判定手段は、前記パラメータの強弱の段階と前記要素の値との関係を示す、あるいは、前記複数のパラメータ間の強弱と前記要素の値との関係を示す学習データを有していることも好ましい。

また、本発明における性格推定装置の他の実施形態によれば、
前記１つ以上の要素は、所定の語句の出現頻度を含むことも好ましい。

さらに、本発明における性格推定装置の他の実施形態によれば、
複数の学習データ提供者の前記性格に関するパラメータの強弱の段階と、前記複数の学習データ提供者がネットワーク上で公開している文書に含まれる、あらかじめ選択した候補語句の出現頻度の分布から、各候補語句の情報利得を求め、前記所定の語句は、前記情報利得が所定の閾値より大きい候補語句又は前記情報利得の大きさが所定の順位以上の候補語句であることも好ましい。

さらに、本発明における性格推定装置の他の実施形態によれば、
前記１つ以上の要素は、前記文書の更新頻度、平均文字数、改行頻度、句読点の頻度及び絵文字の出現頻度の少なくとも１つを含むことも好ましい。

本発明におけるプログラムによれば、
前記性格推定装置としてコンピュータを機能させることを特徴とする。

推定対象者がインターネット上に公開している文書から性格推定を行うため、推定対象者に質問に対する回答を行わせたり、カウンセリングを受けさせたりすることなく、推定対象者の性格診断を行うことができる。

本発明による性格推定装置の簡略化した構成図である。 判定部の構成図である。 特徴量ベクトルを説明する図である。 学習データを示す図である。 特徴語句候補を示す図である。 事前データを示す図である。 親学習データの要素と、各分類器に使用する要素との関係を示す図である。

本発明を実施するための形態について、以下では図面を用いて詳細に説明する。なお、以下の説明においては、批判的親（ＣＰ）、養育的親（ＮＰ）、大人（Ａ）、自由な子供（ＦＣ）及び従順な子供（ＡＣ）の５つの自我状態を使用し、各自我状態の強弱を５段階で判定する形態により説明を行うが、自我状態の種類、数、各自我状態を何段階に分類するかは設計事項である。

本発明による性格推定装置は、ブログや、ＳＮＳの日記欄等、推定対象者がネットワーク上に公開している文書から、当該対象者の性格を推定するものであり、図１に、その簡略化した構成図を示す。なお、以下の説明においては、推定対象者がネットワークに公開しているブログの文書から推定を行う形態を用いる。図１に示す様に、性格推定装置は、前処理部１と、構造特徴量計算部２と、形態素解析部３と、内容特徴量計算部４と、判定部５とを備えている。また、本発明による性格推定装置は、ネットワークと接続可能な様に構成されている。

図示しない入出力部を介して、推定対象者が公開しているブログ等のＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）を入力すると、前処理部１は、入力されたＵＲＬで指定されたブログ等にアクセスして、各文書の投稿日時データ及び本文を表す文書データを取得する。なお、本実施形態において、１つの文書とは、１回の投稿に記載された文書データと、それに付随する投稿日時データから成るものとする。つまり、例え、推定対象者が、ある日に３回投稿したとすると、その日からは３つの文書データが取得できることになる。

性格推定装置は、取得した文書データ及びその投稿日時から、構造特徴量計算部２、形態素解析部３、内容特徴量計算部４を用いて、推定対象者の特徴量ベクトルを生成し、判定部５は、この特徴量ベクトルに基づき当該推定対象者の各自我状態の判定を行う。図３は、特徴量ベクトルを示す図である。

特徴量ベクトルは、Ｆ１からＦｎのｎ個の要素を含み、各要素は、推定対象者の文書構造に関する特徴を数値化した構造特徴量に関するものと、文書内容に関する特徴を数値化した内容特徴量に関するものに分類される。さらに、内容特徴量に関する要素は、特徴語句に関する要素と、キーワード情報量に関する要素に分類される。図３においては、要素Ｆ１〜Ｆ５は構造特徴量であり、構造特徴量計算部２を用いてその値を判定する。また、要素Ｆ６〜Ｆｎは内容特徴量であり、形態素解析部３及び内容特徴量計算部４を用いてその値を判定する。なお、要素Ｆ６からＦｎ−２は、特徴語句に関するものであり、要素Ｆｎ−１及びＦｎは、キーワード情報量に関するものである。

具体的には、構造特徴量計算部２は、取得した文書の更新頻度、つまり、投稿頻度を求めて特徴量ベクトルの１番目の要素Ｆ１とし、取得した各文書の平均文字数を求めて特徴量ベクトルの２番目の要素Ｆ２とし、取得した各文書の１文字当たりの改行コード数の平均値と、１文字当たりの句読点数の平均値と、１文字当たりの絵文字の平均値を、それぞれ、特徴量ベクトルの３番目から５番目の要素Ｆ３、Ｆ４、Ｆ５とする。

また、形態素解析部３は、文書データの形態素解析を行い、文書データを品詞情報のついた単語列に分解し、内容特徴量計算部４は、各特徴語句の出現頻度を求める。ここで、特徴語句は、後述する方法にて事前に選択されたものであり、出現頻度は、例えば、各文書の特徴語句の出現数を、当該文書の全語句数で除した値の全文書に渡る平均値を使用する。図３においては、あらかじめｎ−７個の特徴語句が選択されており、各特徴語句の出現頻度を、それぞれ、特徴量ベクトルの６番目からｎ−２番目の要素Ｆ６〜Ｆｎ−２としている。

さらに、内容特徴量計算部４は、形態素解析後の単語列から名詞を抽出し、抽出した各名詞のＩＤＦ（逆出現頻度）値を文書データベースに含まれる文書から計算する。ここで、名詞ＷのＩＤＦ値は、文書データベースに含まれる文書数をＤ、文書データベースに含まれる、名詞Ｗを含む文書数をＮとすると、ｌｏｇ（Ｄ／Ｎ）である。なお、文書データベースは、性格推定装置と同じ場所に設置され、性格推定装置と直接接続されているものであっても、ネットワーク上に存在するものであっても良い。内容特徴量計算部４は、抽出した各名詞のＩＤＦ値を求め、その最大値を特徴量ベクトルのｎ−１番目の要素Ｆｎ−１、その平均値を特徴量ベクトルのｎ番目の要素Ｆｎとする。

判定部５は、特徴量ベクトルに基づき各自我状態の値を判定する。図２は、判定部５の概略的な構成を示す図であり、判定部５は、判定する自我状態に対応する分類器をそれぞれ備えている。具体的には、判定部５は、ＣＰ分類器５１と、ＮＰ分類器５２と、Ａ分類器５３と、ＦＣ分類器５４と、ＡＣ分類器５５とを備えている。各分類器５１から５５は、入力された特徴量ベクトルに基づき、対応する自我状態の強弱の値を決定して出力する。なお、本実施形態において、分類器５１から５５は単純ベイズ分類器であるものとするが、ＳＶＭ（サポート・ベクタ・マシーン）や、ＮＢＴｒｅｅ等の決定木を用いて値の決定を行うものであっても良い。

以下に、分類器５１から５５における対応する自我状態の値の決定について説明する。各分類器５１から５５は、学習データを保持している。図４は、ＮＰ分類器５２が保持している学習データを示す図である。なお、学習データの作成については後述する。図４に示す様に、学習データは複数（ｋ個）のレコードを含み、各レコードは、学習データ提供者のＮＰの値と、当該学習データ提供者がインターネットで公開しているブログ等の文書から得た特徴量ベクトルの一部又は全部の要素の値との関係を示すものである。図４において、ＮＰ分類器５２は、特徴量ベクトルのｎ個の要素のうち、要素Ｆ１〜Ｆ５と、Ｆ８及びＦ１０と、Ｆｎ−１及びＦｎの９個の要素を学習データの要素として使用している。

ＮＰ分類器５２は、ＮＰの強弱の各段階について以下の式（１）を計算し、その値が最大となる段階を出力する。
Ｐｒ（ｃ）ΠＰｒ（ｆｉ｜ｃ） （１）
ここで、ｃはＮＰの強弱の値、つまり、５段階で評価する場合は１から５であり、Ｐｒ（ｃ）は学習データにおいてＮＰの値がｃである割合であり、ｆｉは、入力された特徴量ベクトルの要素Ｆｉの値であり、Ｐｒ（ｆｉ｜ｃ）は、ＮＰの値がｃである学習データのレコード数に対する、学習データの要素Ｆｉの値がｆｉ−Δより大きく、かつ、ｆｉ＋Δ以下のレコード数の割合であり、Πは、学習データの全要素に渡り乗算を行うことを示している。

例えば、学習データには１０００レコードあり、その内、ＮＰの値が２であるレコードが１５０あり、ＮＰの値が２、かつ、要素Ｆ１の値が０．２５より大きく０．３５以下のレコードが７５あり、Δ＝０．０５であり、入力された特徴ベクトルの要素Ｆ１の値が０．３であるとすると、Ｐｒ（２）＝０．１５、Ｐｒ（ｆ１｜２）＝０．５となる。

上述した様に、各分類器５１から５５は、学習データの各要素と、入力された特徴量ベクトルに含まれる対応する要素を比較し、入力された特徴量ベクトルとの尤度が最も高い学習データの自我状態の値を出力する。

続いて、各分類器５１から５５に設定する学習データの作成について説明する。各分類器５１から５５の学習データを作成するために、まず、図６に示す事前データを作成する。事前データは、図６に示す様に、複数（ｋ個）のレコードを含み、１つのレコードは、１人の学習データ提供者から生成される。具体的には、学習データ提供者の各自我状態の値、つまり、ＣＰ、ＮＰ、Ａ、ＦＣ、ＡＣの値を、カウンセリングや多数の質問に回答してもらう等して判定し、さらに、当該学習データ提供者がインターネット上で公開しているブログ等の文書を取得して、既に説明したのと同様の方法にて、構造特徴量と内容特徴量を計算し、当該学習データ提供者の構造特徴量及び内容特徴量と自我状態の対応関係を、１つのレコードとする。なお、この段階において、内容特徴量として使用する語句は候補であり、事前に各自我状態の判定に役立つと思われる語句を複数選択しておく。図６においては、図５に示す様に、“Ｃｄ１”から“Ｃｄ１０”の１０個の単語を、特徴語句候補として選択している。

続いて、事前データに含まれる各レコードの自我状態の値と、各特徴語句候補の出現頻度の値に基づき、各自我状態に使用する特徴語句を選択する。図５においては、ＣＰには“Ｃｄ１”及び“Ｃｄ２”を選択し、ＮＰには“Ｃｄ３”及び“Ｃｄ５”を選択し、Ａには“Ｃｄ２”、“Ｃｄ３”及び“Ｃｄ４”を選択し、ＦＣには“Ｃｄ６”及び“Ｃｄ８”を選択し、ＡＣには“Ｃｄ７”及び“Ｃｄ９”を選択している。本実施形態において、使用する特徴語句の選択は、各特徴語句候補の情報利得により判定する。ある特徴語句候補の情報利得とは、ある自我状態のエントロピーから、その自我状態の当該特徴語句候補の条件付エントロピーを減じた値であり、情報利得が閾値以上のものや、上位所定数のものを、その自我状態の判定に使用するものとして選択する。

具体的には、自我状態ＮＰのエントロピーＨ（ＮＰ）は、
Ｈ（ＮＰ）＝ΣＰｒ（ｃ）（ｌｏｇＰｒ（ｃ）） （２）
である。ここで、ｃはＮＰの強弱の値、つまり、５段階で評価する場合は１から５であり、Ｐｒ（ｃ）は、事前データにおいてＮＰの値がｃである割合、つまり、例えば、事前データが１０００レコード有りＮＰの値が３であるレコードが１００件である場合には、Ｐｒ（３）＝０．１であり、Σは総てのＮＰの値に渡り積算することを示している。

さらに、自我状態ＣＰの特徴語句候補“Ｃｄ１”の条件付エントロピーＨ（ＮＰ｜Ｃｄ１）は、
Ｈ（ＮＰ｜Ｃｄ１）＝ΣＰｒ（ｗｄ）Ｈ（ＮＰ｜ｗｄ） （３）
である。ここで、ｗｄは、特徴語句候補“Ｃｄ１”の出現頻度の取り得る範囲の一部の範囲であり、Ｈ（ＮＰ｜ｗｄ）は、ｗｄの範囲に該当するレコードのエントロピーである。なお、Σは“Ｃｄ１”の出現頻度の取り得る範囲に渡り積算することを示している。つまり、“Ｃｄ１”の値の範囲が０から１である場合に、例えば、これを０．１ずつ１０個の範囲に区切り、各範囲についてＰｒ（ｗｄ）Ｈ（ＮＰ｜ｗｄ）の値を計算して、これらの和を求める。

図５に示す様に特徴語句を選択した場合、図６に示す事前データの構造特徴量に関する５つの要素をＦ１からＦ５とし、選択した“Ｃｄ１”から“Ｃｄ９”の９つの要素をＦ６からＦ１４とし、キーワード情報量の２つの要素をＦ１５及びＦ１６とした親学習データを生成する。つまり、事前データから、選択されなかった特徴語句候補を削除したデータを親学習データとする。この親学習データに含まれる要素が、本発明による性格推定装置が生成する特徴量ベクトルの要素となる。また、各分類器５１から５５に設定する学習データは、構造特徴量の各要素と、キーワード情報量の各要素と、対応する自我状態に使用する特徴語句に関する要素と、対応する自我状態の強弱を、親学習データから抜き出したものとなる。図７は、図５の様に選択した場合における、親学習データの各要素と、各分類器５１から５５に設定する要素との対応関係を示している。

以上、本発明においては、推定対象者がインターネット上に公開している文書から自我状態を推定することで、推定対象者に対して質問に回答させたり、カウンセリングを受けさせたりすることなく、推定対象者の性格診断を行うことができる。なお、上述した実施形態においては、特徴語句候補をあらかじめ選択しておき、事前データに基づき特徴語句候補から実際に使用する特徴語句の選択を行っていたが、事前データによる絞り込みを行うことなく、あらかじめ選択した語句をそのまま特徴語句として使用する形態であっても良い。なお、特徴語句候補又は特徴語句の選択は、例えば、文末に使用する助動詞（「ます」、「です」、「ね」等）、特定の接頭語（「お」等）、記号、数字、特定の接続詞（「だが」等）、感嘆詞（「あー」等）、一人称（「僕」、「私」、「ワタシ」等）等、自我状態の分析に有用と考えられる語句から選択する。

なお、上記実施形態においては、各自我状態に対応する分類器を設けていたが、各自我状態の強弱の関係を判定する形態であっても良い。具体的には、ＣＰとＮＰのどちらが強いのか、ＦＣとＡＣのどちらが強いのか等を判定する形態であっても良い。この場合にはＣＰとＮＰの強弱を判定する分類器と、ＦＣとＡＣの強弱を判定する分類器を設けることになり、各分類器には対応する学習データを設定することになる。

なお、本発明による性格推定装置は、コンピュータを図１や２の各部として機能させるプログラムにより実現することができる。これらコンピュータプログラムは、コンピュータが読み取り可能な記憶媒体に記憶されて、又は、ネットワーク経由で配布が可能なものである。さらに、本発明は、ハードウェア及びソフトウェアの組合せによっても実現可能である。

１ 前処理部
２ 構造特徴量計算部
３ 形態素解析部
４ 内容特徴量計算部
５ 判定部
５１ ＣＰ分類器
５２ ＮＰ分類器
５３ Ａ分類器
５４ ＦＣ分類器
５５ ＡＣ分類器

Claims (6)

1. ネットワーク上で性格推定対象者により公開されている文書についてのデータを取得する手段と、
   取得したデータから、該文書の特徴を示す１つ以上の要素をそれぞれについての値を求め、求めた要素の値を含む特徴量ベクトルを生成する手段と、
   前記特徴量ベクトルに基づき、１つ以上の性格に関するパラメータのそれぞれについて、その強弱を所定の段階で判定する、あるいは、複数の性格に関するパラメータ間の強弱を判定する判定手段と、
   を備え、
   前記１つ以上の要素は、前記文書に含まれる各名詞の逆出現頻度の平均値及び／又は最大値を含む性格推定装置。
2. 前記判定手段は、前記パラメータの強弱の段階と前記要素の値との関係を示す、あるいは、前記複数のパラメータ間の強弱と前記要素の値との関係を示す学習データを有している、
   請求項１に記載の性格推定装置。
3. 前記１つ以上の要素は、所定の語句の出現頻度を含む、
   請求項１又は２に記載の性格推定装置。
4. 複数の学習データ提供者の前記性格に関するパラメータの強弱の段階と、前記複数の学習データ提供者がネットワーク上で公開している文書に含まれる、あらかじめ選択した候補語句の出現頻度の分布から、各候補語句の情報利得を求め、
   前記所定の語句は、前記情報利得が所定の閾値より大きい候補語句又は前記情報利得の大きさが所定の順位以上の候補語句である、
   請求項３に記載の性格推定装置。
5. 前記１つ以上の要素は、前記文書の更新頻度、平均文字数、改行頻度、句読点の頻度及び絵文字の出現頻度の少なくとも１つを含む、
   請求項１から４のいずれか１項に記載の性格推定装置。
6. 請求項１から５のいずれか１項に記載の性格推定装置としてコンピュータを機能させるプログラム。

Images