JP5727970B2 - Sensory estimation device, sensory estimation method, and sensory estimation program - Google Patents
Sensory estimation device, sensory estimation method, and sensory estimation program Download PDFInfo
- Publication number
- JP5727970B2 JP5727970B2 JP2012136829A JP2012136829A JP5727970B2 JP 5727970 B2 JP5727970 B2 JP 5727970B2 JP 2012136829 A JP2012136829 A JP 2012136829A JP 2012136829 A JP2012136829 A JP 2012136829A JP 5727970 B2 JP5727970 B2 JP 5727970B2
- Authority
- JP
- Japan
- Prior art keywords
- sensory
- estimation
- level
- estimated
- ict
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
本発明は、評価対象に含まれる要素がユーザに与える感覚とその程度を推定する技術に関する。 The present invention relates to a technique for estimating a sense given to a user by an element included in an evaluation target and a degree thereof.
文章や絵等に含まれる要素がユーザに対してどのような感覚をどの程度与えるのかを明らかにしたい場合は多い。例えば、マニュアル内の各単語がユーザにとって理解する上でどの程度難しいものなのか、電子メール内の各絵文字がユーザに与える親しみ易さはどの程度なのか、部屋に配置された家具や壁紙がユーザにどの程度の安らぎを与えるのか、等である。 There are many cases where it is desired to clarify how and how the elements included in the texts and pictures give the user. For example, how difficult each word in the manual is to understand for the user, how easy each pictogram in the e-mail gives to the user, furniture and wallpaper placed in the room How much peace will be given to a person?
評価対象内の要素がユーザに与えるそのような感覚やその程度を調査するには、ユーザへのアンケートやインタビューを行うことが非常に有効とされる。例えば、マニュアル内の文章中に含まれる単語が、３０代女性といった特定のユーザ層をターゲットとしたときにどの程度なじみがあると感じられるのかについて明らかにするため、その特定のユーザ層を調査対象として各単語に対するなじみの程度を直接回答させるアンケートが実施される。特許文献１は、単語に対するなじみの程度を利用して、ユーザが頭の中に記憶している語彙数を推定する技術を開示している。
In order to investigate such feelings and the degree that elements within the evaluation target give to the user, it is very effective to conduct a questionnaire or interview with the user. For example, in order to clarify how familiar a word included in a sentence in a manual is when targeting a specific user group such as a woman in their 30s, the specific user group is investigated. As a result, a questionnaire that directly answers the familiarity of each word is implemented.
しかしながら、そのようなインタビューやアンケートを実施してその結果を分析等するには、例えば、アンケート対象者の選定コスト、アンケート結果の収集コスト、収集したアンケートの分析コスト、マニュアル中の単語全てを見直すコスト等、極めて大きなコストがかかるため、マニュアル改訂の度に再実施することは容易ではなく非常に難しい。 However, in order to conduct such interviews and questionnaires and analyze the results, for example, review the selection cost of the questionnaire target, the cost of collecting the questionnaire results, the analysis cost of the collected questionnaires, and review all the words in the manual Costs and other costs are extremely high, so it is not easy to re-implement each time the manual is revised.
本発明は、上記を鑑みてなされたものであり、その課題とするところは、評価対象に含まれる要素がユーザに与える感覚及びその程度を迅速かつ低コストで正確に把握可能にすることにある。 The present invention has been made in view of the above, and an object of the present invention is to make it possible to quickly and accurately grasp the sensation and level of the elements included in the evaluation target given to the user. .
請求項１記載の感覚推定装置は、評価対象に含まれる要素がユーザに与える感覚とその程度を推定する感覚推定装置において、前記要素に対して複数のユーザがそれぞれ有する所定の感覚の感覚レベルを記憶しておく記憶手段と、前記評価対象から推定対象の要素を抽出し、前記記憶手段から読み出した複数の感覚レベルを用いて当該要素に対する前記感覚の感覚レベルを推定する推定手段と、前記評価対象内の推定対象要素に前記推定された感覚レベルを表示する表示手段と、を有し、前記推定手段は、特定ユーザ層の範囲と全ユーザ層の範囲で前記感覚レベルをそれぞれ計算し、当該２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、前記推定された感覚レベルとすることを特徴とする。
The sensation estimation apparatus according to
本発明によれば、評価対象に含まれる要素に対して複数のユーザがそれぞれ有する所定の感覚の感覚レベルを記憶手段に記憶しておき、その評価対象から推定対象の要素を抽出し、記憶手段から読み出した複数の感覚レベルを用いて当該要素に対する上記所定感覚の感覚レベルを推定し、その評価対象内の推定対象要素に当該推定された感覚レベルを表示するため、評価対象に含まれる要素がユーザに与える感覚及びその程度を迅速かつ低コストで正確に把握可能にすることができる。また、本発明によれば、特定ユーザ層の範囲と全ユーザ層の範囲で上記感覚レベルをそれぞれ計算し、当該２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、推定された感覚レベルとするため、評価対象に含まれる要素が特定ユーザ層に与える感覚の程度をより適切に表現することができる。 According to the present invention, the sensation level of a predetermined sensation that each of the plurality of users has with respect to the elements included in the evaluation target is stored in the storage means, and the estimation target element is extracted from the evaluation target, In order to estimate the sensory level of the predetermined sensation for the element using a plurality of sensory levels read from and to display the estimated sensory level on the estimation target element in the evaluation target, the element included in the evaluation target The sense given to the user and the degree thereof can be accurately grasped quickly and at low cost. In addition, according to the present invention, the sensory level is calculated in the range of the specific user layer and the range of all the user layers, and when the difference between the two sensory levels exceeds the threshold, the calculation is performed in the range of the specific user layer. Since the highest sensory level is given to the determined sensory level to obtain the estimated sensory level, the degree of sensation given to the specific user layer by the element included in the evaluation target can be expressed more appropriately.
請求項２記載の感覚推定装置は、請求項１記載の感覚推定装置において、前記推定手段は、特定ユーザ層の範囲で前記感覚レベルを計算し、前記推定された感覚レベルとすることを特徴とする。
The sensory estimator according to
本発明によれば、特定ユーザ層の範囲で上記感覚レベルを計算し、推定された感覚レベルとするため、評価対象に含まれる要素が特定ユーザ層に与える感覚及びその程度を迅速かつ低コストで正確に把握可能にすることができる。 According to the present invention, the sensory level is calculated in the range of the specific user layer, and the estimated sensory level is obtained. It can be accurately grasped.
請求項３記載の感覚推定装置は、請求項１又は２記載の感覚推定装置において、前記推定手段は、計算される感覚レベルの範囲に応じて定義された複数の感覚レベルを有し、特定ユーザ層の範囲で計算された感覚レベルに対応する感覚レベルを前記推定された感覚レベルとすることを特徴とする。
The sensory estimation device according to
請求項４記載の感覚推定装置は、請求項１乃至３のいずれかに記載の感覚推定装置において、前記推定手段は、前記感覚レベルの平均値を用いて前記感覚レベルを推定することを特徴とする。
The sensation estimation apparatus according to
請求項５記載の感覚推定装置は、請求項１乃至４のいずれかに記載の感覚推定装置において、前記推定手段は、前記推定対象の要素に対して前記感覚を感じ得るユーザのスキルレベルを更に推定することを特徴とする。
The sensory estimation device according to
本発明によれば、推定対象の要素に対して上記所定感覚を感じ得るユーザのスキルレベルを更に推定するため、評価対象に含まれる要素がユーザに与える感覚の程度をより適切に表現することができる。 According to the present invention, in order to further estimate the skill level of the user who can feel the predetermined sensation with respect to the element to be estimated, the degree of sensation given to the user by the element included in the evaluation object can be expressed more appropriately. it can.
請求項６記載の感覚推定方法は、評価対象に含まれる要素がユーザに与える感覚とその程度を推定する感覚推定方法において、コンピュータにより、前記要素に対して複数のユーザがそれぞれ有する所定の感覚の感覚レベルを記憶手段に記憶しておく記憶ステップと、前記評価対象から推定対象の要素を抽出し、前記記憶手段から読み出した複数の感覚レベルを用いて当該要素に対する前記感覚の感覚レベルを推定する推定ステップと、前記評価対象内の推定対象要素に前記推定された感覚レベルを表示する表示ステップと、を有し、前記推定ステップでは、特定ユーザ層の範囲と全ユーザ層の範囲で前記感覚レベルをそれぞれ計算し、当該２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、前記推定された感覚レベルとすることを特徴とする。
The sensation estimation method according to
請求項７記載の感覚推定プログラムは、コンピュータを請求項１乃至５のいずれかに記載の感覚推定装置として機能させることを特徴とする。 A sensation estimation program according to a seventh aspect causes a computer to function as the sensation estimation apparatus according to any one of the first to fifth aspects.
本発明によれば、評価対象に含まれる要素がユーザに与える感覚及びその程度を迅速かつ低コストで正確に把握可能にすることができる。 ADVANTAGE OF THE INVENTION According to this invention, the sensation which the element contained in evaluation object gives to a user, and the grade can be grasped | ascertained quickly and accurately at low cost.
本発明は、事前取得したユーザアンケート結果を基に、特定ユーザ層又は全ユーザ層が評価対象内の要素に対して抱く感覚及びその程度を推定し、評価対象上に推定結果を出力する装置である。これにより、本装置の利用者は、評価対象に含まれる要素へのユーザの感覚値推定を素早く、かつコストをかけず、正確に把握することができる。尚、ここでいう感覚とは、「なじみがある」、「難しい」、「楽しい」、「ほしい」、「うんざりする」といった、ユーザの心理的な評価の程度を示す値である。 The present invention is an apparatus that estimates a feeling and a degree of a specific user layer or all user layers with respect to an element in an evaluation target based on a user questionnaire result acquired in advance, and outputs an estimation result on the evaluation target. is there. Thereby, the user of this apparatus can grasp | ascertain correctly the user's sense value estimation to the element contained in evaluation object quickly, without incurring cost. The sense here is a value indicating the degree of psychological evaluation of the user, such as “I am familiar”, “Difficult”, “Fun”, “I want”, “I am sick”.
以下、本発明を実施する一実施の形態について図面を用いて説明する。但し、本発明は多くの異なる様態で実施することが可能であり、本実施の形態の記載内容に限定して解釈すべきではない。 Hereinafter, an embodiment for carrying out the present invention will be described with reference to the drawings. However, the present invention can be implemented in many different modes and should not be construed as being limited to the description of the present embodiment.
〔第１の実施の形態〕
第１の実施の形態では、マニュアル文章内のＩＣＴ（Information and Communication Technology）用語に対して特定のユーザ層が感じる「なじみ易さ」を推定し、そのマニュアル文章に重畳等表示する方法及び装置について説明する。
[First Embodiment]
In the first embodiment, a method and apparatus for estimating “ease of familiarity” felt by a specific user group with respect to ICT (Information and Communication Technology) terms in a manual text, and displaying the manual text superimposed on the manual text, etc. explain.
尚、マニュアルは評価要素であり、ＩＣＴ用語がその要素である。本実施の形態では、例として、「なじむ」という感覚に対して「なじみ易さ」という感覚レベルを推定する。 The manual is an evaluation element, and the ICT term is that element. In the present embodiment, as an example, a feeling level of “ease of familiarity” is estimated for a feeling of “familiarity”.
図１は、本実施の形態に係る感覚推定装置１の機能ブロック構成を示す図である。本感覚推定装置１は、入力制御部１１と、内部データベース１２と、処理部１３と、出力制御部１４とを主に備える。
FIG. 1 is a diagram showing a functional block configuration of a
入力制御部１１は、入力装置３からの入力信号を受け付けて、その信号種別に応じた制御を行う機能を備える。すなわち、文章読込信号又は属性指定信号を受信した場合にはそれらを一旦蓄積し、更に推定開始信号を受信した場合に、文章読込信号を外部データベース５に送信し、属性指定信号を内部データベース１２に送信する。
The
内部データベース１２は、回答データと、単語データと、推定方法データベースと、表示方法データベースとを読出可能に蓄積し、入力制御部１１又は出力制御部１４からの要求に応じて所定のデータを処理部１３又は出力制御部１４に提供する機能を備える。
The
回答データを図２に示す。この回答データは、図３に示す単語データ内の単語の一部又は全部に対して年齢や性別の異なる多様なユーザがそれぞれ抱く「なじみ易さ」（「なじむ」という感覚に対する「なじみ易さ」という感覚レベル）を１〜７のレベルで数値化したアンケート結果である。 The answer data is shown in FIG. The answer data includes “familiarity” (“familiarity” with respect to the feeling of “familiarity”) which various users having different ages and genders have for some or all of the words in the word data shown in FIG. This is a questionnaire result obtained by quantifying the sensation level) on the level of 1-7.
ユーザのユーザＩＤと各単語に対する「なじみ易さ」とが対応付けられており、２０代男性といった属性毎に分離したテーブル形式で蓄積されている。また、「なじみ易さ」以外に、種類の異なる感覚（例えば、「楽しさ」等）の感覚レベルを集約した回答データも予め複数蓄積され、どの回答データを利用するかは任意に選択可能である。 The user ID of the user and “familiarity” with each word are associated with each other, and are stored in a table format separated for each attribute such as males in their 20s. In addition to “Familiarity”, a plurality of response data are collected in advance, which summarizes the sense level of different types of senses (for example, “fun” etc.), and it is possible to arbitrarily select which response data to use. is there.
すなわち、内部データベース１２は、入力制御部１１から属性指定信号を受信すると、蓄積している回答データからその属性指定信号で指定された属性条件に合致する回答データを抽出して処理部１３に送信する。また、回答データの送信と同時に、推定対象とされるＩＣＴ用語（単語）を含む単語データ（図３参照）や推定方法データベースも併せて処理部１３に送信する。一方、出力制御部１４から問い合わせを受けた場合には、表示方法データベースを返信する。
That is, when receiving the attribute designation signal from the
処理部１３は、推定対象のマニュアル内から推定対象のＩＣＴ用語を抽出し、内部データベース１２及び外部データベース５からそれぞれ受信した各データを用いて、特定のユーザ層が感じる「なじみ易さ」を推定する機能を有する。
The
すなわち、処理部１３は、内部データベース１２から回答データと単語データと推定方法データベースとを受信し、更に外部データベース５から評価対象マニュアルの文章データを受信すると、その文章データの形態素解析を行って全ての単語を抽出し、その中から単語データ内の単語に合致するＩＣＴ用語を推定対象として抽出して、推定方法データベースで定義された推定方法に沿って推定対象のＩＣＴ用語に対する特定ユーザ層のなじみ度を計算し、感覚推定データとして文章データと共に出力制御部１４に送信する。尚、形態素解析とは、コンピュータを用いた自然言語処理技術であり、公知の技術である。
That is, when the
出力制御部１４は、推定対象のＩＣＴ用語に対して推定された特定ユーザ層の「なじみ易さ」を容易に判別できるように表示状態を調整する機能を有する。すなわち、処理部１３から文章データ及び感覚推定データを受信すると、内部データベース１２に問い合わせて表示方法データベースを取得し、その表示方法データベースで定義された表示方法に沿ってＩＣＴ用語に対するなじみ度を文章データ内の該当ＩＣＴ用語に重畳等表示する表示信号を形成して、出力装置７に送信する。
The
尚、このような機能を備えた本感覚推定装置１は、記憶手段や計算・制御手段を備えたコンピュータで実現可能であり、その動作はソフトウェアプログラムによって実行される。例えば、内部データベース１２はメモリ等の記憶手段やデータベース管理システムで実現され、それ以外の各機能部１１，１３，１４はＣＰＵ等の計算・制御手段で実現される。
The
また、本感覚推定装置１は、その装置外部において、入力装置３と、外部データベース５と、出力装置７とに通信可能に接続される。
The
入力装置３とは、例えば、ＰＣのキーボード、マウス、リモコン、ボタン等で実現可能であり、その操作に基づいて、文章読込信号、属性指定信号、推定開始信号を感覚推定装置１に送信する装置である。
The
外部データベース５とは、例えば、ハードディスクやデータベース管理システム等で実現可能であり、多種多様なマニュアルを読出可能に記憶でき、感覚推定装置１からの要求に応じて指定されたマニュアルの文章データを提供するデータベースである。尚、マニュアルとは、対象物の操作方法等を文字や絵を用いて説明した手引書である。
The
出力装置７とは、例えば、ＰＣやテレビのディスプレイ等、情報を表示可能な任意の出力装置で実現可能であり、感覚推定装置１から出力された表示信号内の表示方法に従って、評価対象マニュアル内のＩＣＴ用語に対して推定された特定ユーザ層の「なじみ易さ」をそのＩＣＴ用語に重畳等して表示する装置である。
The
次に、感覚推定装置１の動作を説明する。図４は、感覚推定装置１の処理フローを示す図である。尚、本処理フローの開始前に図５に示す入力画面が出力装置７に表示されており、感覚推定装置１の利用者は、入力装置３を操作することにより、文章読込ボタン２１、条件指定ボタン２２、推定開始ボタン２３の押下操作、属性条件指定欄２４において男性又は女性の指定操作、１０代〜６０代以上のいずれか１つ以上の指定操作が可能である。
Next, the operation of the
そして、文章読込ボタン２１の押下操作により、利用者によって指定された評価対象マニュアルの文章データを感覚推定装置１に読み込む文章読込信号が感覚推定装置１に入力される。条件指定ボタン２２の押下操作により、属性条件指定欄２４で指定された属性条件を有する属性指定信号が感覚推定装置１に入力される。推定開始ボタン２３の押下操作により、指定された属性が持つ「なじみ易さ」の推定を開始する推定開始信号が入力される。
Then, by pressing the
このような操作受付可能状態下において、最初に、入力制御部１１により、入力装置３を用いた利用者のボタン押下操作に基づく感覚推定装置１への入力信号の有無が判定される（ステップＳ１０１）。そして、入力信号があった場合にはステップＳ１０２に進み、入力信号が無い場合にはステップＳ１０１を繰り返す。
Under such an operation receivable state, first, the
次に、入力制御部１１により、入力信号が推定開始信号か否かが判定される（ステップＳ１０２）。そして、推定開始信号の場合にはステップＳ１０４に進み、それ以外の信号の場合にはステップＳ１０３に進む。
Next, the
入力信号が文章読込信号又は属性指定信号といった推定開始信号以外の信号の場合には、入力制御部１１により、その入力信号は一時的に蓄積される（ステップＳ１０３）。そして、ステップＳ１０１に戻る。 When the input signal is a signal other than the estimation start signal such as a text reading signal or an attribute designation signal, the input signal is temporarily accumulated by the input control unit 11 (step S103). Then, the process returns to step S101.
入力信号が推定開始信号の場合には、入力制御部１１により、ステップＳ１０３で蓄積された信号のうち、文章読込信号が外部データベース５に送信され、属性指定信号が内部データベース１２に送信される（ステップＳ１０４）。
If the input signal is an estimation start signal, the
尚、属性指定信号が未蓄積の場合には、属性未指定の属性指定信号が内部データベース１２に送信される。文章読込信号が未蓄積の場合には、推定開始信号が受け付けられずエラーとなり、評価対象マニュアルを先ず指定すべき趣旨のメッセージが表示される。
If the attribute designation signal has not been accumulated, an attribute designation signal with no attribute designated is transmitted to the
次に、内部データベース１２により、蓄積されている回答データから属性指定信号内の属性条件に合致する回答データが抽出され、その抽出された回答データと、推定対象のＩＣＴ用語を照会するために必要な単語データと、これら各データを用いて文章データ内のＩＣＴ用語に対して上記属性条件の特定ユーザ層が持つなじみ度を算出する方法を定めた推定方法データベースとが処理部１３に送信される（ステップＳ１０５）。
Next, the
また、ステップＳ１０５と併行して、外部データベース５により、文章読込信号内の指定条件に合致する評価対象マニュアルの文章データが検索され、処理部１３に送信される（ステップＳ１０６）。
In parallel with step S105, the
尚、本実施の形態では、図６に示すように、ルータの準備方法や操作方法を文章や絵を用いて説明した機器準備・操作マニュアルを例とする。そして、単語データには、図３に示したように、その機器準備・操作マニュアルで使用されているＯＮＵ等のＩＣＴ用語（単語）が含まれ、内部データベース１２から取得した回答データには、図２に示したように、そのＩＣＴ用語（単語）に対する特定ユーザ層の「なじみ易さ」が記載されている。
In the present embodiment, as shown in FIG. 6, an example of a device preparation / operation manual in which a router preparation method and operation method are described using sentences and pictures is taken as an example. As shown in FIG. 3, the word data includes ICT terms (words) such as ONU used in the device preparation / operation manual, and the reply data acquired from the
次に、処理部１３により、外部データベース５から取得した文章データに対して形態素解析処理を行うことによってその文章内の全単語が抽出され、その全単語と単語データ内の単語との照合処理によって推定対象とされるＩＣＴ用語が抽出される（ステップＳ１０７）。
Next, the
次に、処理部１３により、内部データベース１２から送信された回答データ及び推定方法データベースを用いて、推定対象のＩＣＴ用語に対する特定ユーザ層のなじみ度が推定される（ステップＳ１０８）。以下、なじみ度の推定方法を詳述する。
Next, the familiarity of the specific user layer with respect to the ICT term to be estimated is estimated by the
推定方法データベースには、図７に示すように、なじみ度の計算方法が定義されており、これに基づいてなじみ度が推定される。すなわち、内部データベース１２から取得した回答データにおいて、ＩＣＴ用語ｉに対してユーザｋ（１≦ｋ≦ｎ）の持つ「なじみ易さ」をＰｉｋとし、以下の式（１）を用いてその特定ユーザ層での平均値ｆｉを計算し、その平均値ｆｉの大きさに応じて５つのカテゴリＬｉのうち一に分類する。尚、カテゴリとは、平均値ｆｉの範囲に応じて定義された１〜５のＬｉ値である。
As shown in FIG. 7, the calculation method of the familiarity is defined in the estimation method database, and the familiarity is estimated based on this. That is, in the answer data acquired from the
ｆｉ＝（Σｋ＝１〜ｎＰｉｋ）／ｎ ・・・（１）
例えば、ｆｉ≦２の場合にはＬｉ＝１、２＜ｆｉ≦３．５の場合にはＬｉ＝２、３．５＜ｆｉ≦４．５の場合にはＬｉ＝３、４．５＜ｆｉ≦６の場合にはＬｉ＝４、６＜ｆｉの場合にはＬｉ＝５に分類する。そして、このカテゴリＬｉをなじみ度Ｌｉとする推定結果を感覚推定データとして文章データと共に出力制御部１４に送信する。
f i = (Σ k = 1 to n P ik ) / n (1)
For example, in the case of f i ≦ 2 is L i = 1,2 <f in the case of i ≦ 3.5 is L i = 2,3.5 <f i ≦ 4.5 L i = 3 in the case of , 4.5 <f i ≦ 6, L i = 4, and 6 <f i , L i = 5. Then, it sends the estimation result to the category L i and familiar degree L i to the
次に、出力制御部１４により、内部データベース１２から表示方法データベースが取得され、その表示方法データベースに沿って推定対象のＩＣＴ用語に対するなじみ度の表示方法が決定され、その表示方法を定義した表示信号が形成されて、出力装置７に送信される（ステップＳ１０９）。
Next, the display method database is acquired from the
表示方法データベースには、図８に示すように、単語ｉに対するなじみ度Ｌｉの表示方法が定義されている。例えば、Ｌｉ＝１の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示する表示信号が形成される。Ｌｉ＝２の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示し、そのＩＣＴ用語ｉの背景を淡い灰色で表示する表示信号が形成される。Ｌｉ＝３の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示し、そのＩＣＴ用語ｉの背景を灰色で表示する表示信号が形成される。Ｌｉ＝４の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示し、そのＩＣＴ用語ｉの背景を濃い灰色で表示する表示信号が形成される。Ｌｉ＝５の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示し、そのＩＣＴ用語ｉの背景を赤色で表示する表示信号が形成される。 The display method database, as shown in FIG. 8, a display method familiar degree L i is defined for the word i. For example, when L i = 1, a display signal for displaying the L i value is formed after the ICT term i to be estimated. In the case of L i = 2, the L i value is displayed after the ICT term i to be estimated, and a display signal for displaying the background of the ICT term i in light gray is formed. In the case of L i = 3, the L i value is displayed after the ICT term i to be estimated, and a display signal for displaying the background of the ICT term i in gray is formed. In the case of L i = 4, the L i value is displayed after the ICT term i to be estimated, and a display signal for displaying the background of the ICT term i in dark gray is formed. When L i = 5, the L i value is displayed after the ICT term i to be estimated, and a display signal for displaying the background of the ICT term i in red is formed.
最後に、出力装置７によって、図５の結果表示領域２５において、例えば図９に示すように、感覚推定装置１から出力された表示信号に基づいて、評価対象マニュアルの文章データ内のＩＣＴ用語になじみ度のレベル（Ｌｉ値）が併記表示され、そのなじみ度に応じた背景色が重畳表示される（ステップＳ１１０）。
Finally, in the
以上より、本実施の形態によれば、マニュアルに含まれるＩＣＴ用語に対して複数のユーザがそれぞれ有する「なじみ易さ」を回答データに記憶しておき、そのマニュアルから推定対象のＩＣＴ用語を抽出し、回答データから取得した複数の感覚レベルを用いて当該ＩＣＴ用語に対する「なじみ易さ」を推定し、その評価対象内の推定対象要素に当該推定された感覚レベルを併記し、その感覚レベルに応じた背景色を重畳表示するので、マニュアルに含まれるＩＣＴ用語がユーザに与える「なじみ易さ」を迅速かつ低コストで正確に把握可能にすることができる。 As described above, according to the present embodiment, “easy familiarity” possessed by a plurality of users with respect to the ICT terms included in the manual is stored in the answer data, and the ICT terms to be estimated are extracted from the manual. Then, using a plurality of sensory levels obtained from the response data, estimate “ease of familiarity” with respect to the ICT term, write the estimated sensory level in the estimation target element in the evaluation target, and add the sensory level to the sensory level. Since the corresponding background color is superimposed and displayed, it is possible to quickly and accurately grasp the “easy familiarity” given to the user by the ICT term included in the manual.
また、本実施の形態によれば、特定ユーザ層の範囲で感覚レベルを計算し、推定された感覚レベルとするので、マニュアルに含まれるＩＣＴ用語が特定ユーザ層に与える「なじみ易さ」を迅速かつ低コストで正確に把握可能にすることができる。 In addition, according to the present embodiment, the sensory level is calculated in the range of the specific user layer and is set to the estimated sensory level. Therefore, the “easy familiarity” given to the specific user layer by the ICT term included in the manual can be quickly obtained. In addition, it can be accurately grasped at a low cost.
尚、本実施の形態では、感覚推定装置１をＰＣのソフトウェアとして組み込んだ場合を例に説明したが、そのソフトウェアプログラムをＣＤやＤＶＤ等の記憶媒体に記録してもよい。以下の実施の形態でも同様である。
In the present embodiment, the case where the
また、本実施の形態では、文章データを外部データベース５から読み込む場合を例に説明したが、文章データ自体を利用者自身がキーボード入力してもよいし、感覚推定装置１の内部にあるデータ記憶手段から読み込むようにしてもよい。以下の実施の形態でも同様である。
Further, in the present embodiment, the case where the text data is read from the
また、本実施の形態では、ＩＣＴ用語を推定対象の例として説明したが、その他の用語でもよい。広くは、文章や絵等の評価対象マニュアル内に含まれる要素であればよい。また、本実施の形態では、マニュアルを推定対象の例として説明したが、これに限らない。例えば、メールの文面や部屋構成要素等でもよい。また、その要素とは、単語でなく、絵文字や絵・記号・漢字等の文字・テキストに組み込まれる要素や、ソファーや壁の色等、部屋を構成する要素等でもよい。以下の実施の形態でも同様である。 In this embodiment, the ICT term has been described as an example of the estimation target, but other terms may be used. In general, any element included in the evaluation target manual such as a sentence or a picture may be used. In the present embodiment, the manual is described as an example of the estimation target, but the present invention is not limited to this. For example, it may be a mail text or a room component. In addition, the elements may be elements included in characters and texts such as pictograms, pictures / symbols / kanji, etc., and elements constituting the room, such as colors of sofas and walls. The same applies to the following embodiments.
また、本実施の形態では、「なじみ易さ」をユーザが持つ感覚やその度合いの例として説明したが、難易度や容易度、楽しさ等、人間の心理的な評価指標及びその指標レベルであればよい。以下の実施の形態でも同様である。 Also, in this embodiment, “ease of familiarity” has been described as an example of a user's sense of feeling and the degree thereof, but human psychological evaluation indices such as difficulty, ease, and fun, and the index level. I just need it. The same applies to the following embodiments.
また、本実施の形態では、１〜７を「なじみ易さ」のレベルの例として説明したが、それ以外でもよい。例えば、１〜１０まででもよく、Ａ〜Ｅのような順序性のないカテゴリデータでもよい。以下の実施の形態でも同様である。 Further, in the present embodiment, 1 to 7 are described as examples of the “ease of familiarity” level, but other levels may be used. For example, it may be 1 to 10 or may be category data without order such as A to E. The same applies to the following embodiments.
また、本実施の形態では、ユーザのアンケート結果を記録した回答データを例に説明したが、回答データに代えて、ユーザによるテストの得点、反応時間、反応率といったユーザ実験の結果でもよい。また、これらを示す値は、直接の値ではなく、それをカテゴリライズした値でもよい。以下の実施の形態でも同様である。 In the present embodiment, the answer data in which the questionnaire results of the user are recorded has been described as an example. However, instead of the answer data, the result of a user experiment such as a test score, reaction time, and reaction rate by the user may be used. Further, the values indicating these may not be direct values but may be values obtained by categorizing them. The same applies to the following embodiments.
また、本実施の形態では、図３に示した単語データを例に説明したが、これはあくまでも一例である。上述したように推定対象は単語でなくてもよいため、単語データ内の単語の種類や数は可変可能である。また、単語データは、ユーザが追加修正してもよい。以下の実施の形態でも同様である。 In the present embodiment, the word data shown in FIG. 3 has been described as an example, but this is merely an example. As described above, since the estimation target does not have to be a word, the type and number of words in the word data can be varied. The word data may be additionally corrected by the user. The same applies to the following embodiments.
また、本実施の形態では、図５に示した初期表示画面を例に説明したが、入力インターフェイスはこれに限らない。また、文章読込ボタン２１等の押下操作に代えて、例えば、ドラッグアンドドロップ等でもよい。以下の実施の形態も同様である。
In this embodiment, the initial display screen illustrated in FIG. 5 has been described as an example, but the input interface is not limited thereto. Further, instead of pressing the
また、本実施の形態では、ユーザの属性として性別及び年代を用いた場合を例に説明したが、例えば、職業や職種、視力やスキルといったユーザに関する属性であればよい。 In the present embodiment, the case where gender and age are used as user attributes has been described as an example. However, for example, attributes relating to the user such as occupation, occupation, eyesight, and skill may be used.
また、図５で示した属性条件指定欄２４や、図２に示した回答データの構成は、推定する感覚の種類やユーザ属性に応じて変更できる。以下の実施の形態も同様である。
Further, the attribute
また、図２に示した回答データの表形態はこれに限らない。例えば、セル内の値も数値ではなく、Ａ，Ｂといった順序性のないカテゴリ値でもよい。この場合、推定方法データベースとしては、例えば図１０を用い、表示方法データベースとしては、例えば図１１を用いることにより、同様の効果を得ることができる。但し、これらは一例である。以下の実施の形態でも同様である。 The table format of the answer data shown in FIG. 2 is not limited to this. For example, the value in the cell is not a numerical value but may be a category value having no order such as A and B. In this case, the same effect can be obtained by using FIG. 10 as the estimation method database and using FIG. 11 as the display method database, for example. However, these are examples. The same applies to the following embodiments.
また、本実施の形態では、図７に示した推定方法データベースを例に説明したが、これはあくまでも一例である。例えば、本実施の形態ではｆｉ値の大きさに応じてＬｉを１〜５までにカテゴライズしているが、そのようにカテゴライズすることなくｆｉ値をそのままなじみ度Ｌｉとしてもよい。以下の実施の形態でも同様である。 In the present embodiment, the estimation method database illustrated in FIG. 7 has been described as an example, but this is merely an example. For example, although in the present embodiment are categorized to L i until 1-5 in accordance with the magnitude of the f i value, it may be familiar degree L i a f i value without so categorize. The same applies to the following embodiments.
また、本実施の形態では、推定する要素に対する「なじみ易さ」の平均値に着目して推定したが、例えば、回答のばらつきや、最小値、最大値、中心値といった値を用いてもよい。以下の実施の形態でも同様である。 In the present embodiment, the estimation is performed by focusing on the average value of “ease of familiarity” with respect to the element to be estimated. However, for example, values such as variation in answers, minimum value, maximum value, and center value may be used. . The same applies to the following embodiments.
また、推定方法データベースで定義された計算方法は、利用者が追加又は修正し、多数ある計算方法から選択できるようにしてもよい。以下の実施の形態も同様である。 In addition, the calculation method defined in the estimation method database may be added or modified by the user and selected from a large number of calculation methods. The same applies to the following embodiments.
また、本実施の形態では、なじみ度という１つのデータのみを用いて推定を行ったが、２つ以上の指標を用いて推定を行ってもよい。例えば、各ＩＣＴ用語について、なじみ度と難易度とを回答データとして収集していた場合、これらを併せた推定を行うことも可能である。この場合には、なじみ度と難易度との双方が高い場合に、Ｌｉ＝６とする等が考えられる。また、２つ目以降のデータは必ずしもユーザによるアンケート回答結果でなくてもよい。例えば、評価要素の新聞の紙面上への出現頻度等といった評価要素自体の持つ属性でもよい。以下の実施の形態も同様である。 In this embodiment, the estimation is performed using only one data of the familiarity degree, but the estimation may be performed using two or more indexes. For example, for each ICT term, when the familiarity level and the difficulty level are collected as answer data, it is also possible to perform an estimation combining them. In this case, when both the familiarity level and the difficulty level are high, L i = 6 may be considered. The second and subsequent data may not necessarily be a questionnaire response result by the user. For example, it may be an attribute of the evaluation element itself, such as the frequency of appearance of the evaluation element on the newspaper. The same applies to the following embodiments.
また、本実施の形態では、推定開始が行われる度に回答データを元に計算を行う場合を例に説明したが、計算結果をキャッシュし、計算結果が記録されていてもよい。この場合には、キャッシュや記録を読み込み、それをもとに表示を行う。以下の実施の形態も同様である。 In the present embodiment, the case where the calculation is performed based on the answer data every time the estimation is started has been described as an example. However, the calculation result may be cached and the calculation result may be recorded. In this case, the cache or record is read and displayed based on it. The same applies to the following embodiments.
また、本実施の形態では、文章データの形態素解析を行う場合を例に説明したが、形態素解析を実施することなく、直接、単語データから分析対象を検索してもよい。以下の実施の形態でも同様である。 In the present embodiment, the case of performing morphological analysis of text data has been described as an example. However, the analysis target may be directly searched from word data without performing morphological analysis. The same applies to the following embodiments.
また、重畳結果の出力例は、図９に限らない。図９では、ＩＣＴ用語に対するなじみ度の数値を表示し、その背景色を変化させて表示しているが、その他、文字の大きさを変える、文字色を変える、文字濃度を変える、色のみ表示する、照度を変える等、ユーザがなじみ度を把握することができる表示方法であればよい。以下の実施の形態でも同様である。 Further, the output example of the superposition result is not limited to FIG. In FIG. 9, the numerical value of the familiarity with respect to the ICT term is displayed and the background color is changed. However, the character size is changed, the character color is changed, the character density is changed, and only the color is displayed. Any display method may be used as long as the user can grasp the familiarity, such as changing the illuminance. The same applies to the following embodiments.
〔第２の実施の形態〕
第２の実施の形態では、第１の実施の形態で説明した方法及び装置に加えて、ＩＣＴ用語に対する特定ユーザ層の「なじみ易さ」が全ユーザ層の「なじみ易さ」に対してどの程度の差があるかを考慮し、その差の大きさに応じて特定ユーザ層の「なじみ易さ」をより適切に推定する方法及び装置について説明する。
[Second Embodiment]
In the second embodiment, in addition to the method and apparatus described in the first embodiment, the “familiarity” of a specific user layer with respect to ICT terms is different from the “familiarity” of all user layers. Considering whether there is a difference in degree, a method and apparatus for more appropriately estimating “familiarity” of a specific user layer according to the magnitude of the difference will be described.
本実施の形態に係る感覚推定装置１の機能ブロック構成は、図１に示した構成と同様である。但し、以下説明するように、回答データと、推定方法データベースと、表示方法データベースとを一部変更している。
The functional block configuration of the
回答データには、図１２に示すように、図２に示したような属性毎のテーブル形式に代えて、全ユーザ層の回答が１つのテーブルに集約され、各ユーザの性別及び年代が各ユーザＩＤにそれぞれ対応付けられている。 In the answer data, as shown in FIG. 12, instead of the table format for each attribute as shown in FIG. 2, the answers of all the user groups are aggregated into one table, and the gender and age of each user is shown for each user. Each is associated with an ID.
推定方法データベースには、図１３に示すように、図７に示したように属性指定信号内で指定された属性（特定ユーザ層）の回答データを用いてなじみ度を推定する以外に、全ての属性（全ユーザ層）の回答データを更に用いてなじみ度を計算する方法や、それを更に用いて行うなじみ度の推定方法が定義されている。 As shown in FIG. 13, in the estimation method database, all the familiarity is estimated using the response data of the attribute (specific user layer) designated in the attribute designation signal as shown in FIG. A method of calculating the familiarity by further using the response data of attributes (all user groups) and a method of estimating the familiarity by further using the response data are defined.
表示方法データベースには、図１４に示すように、図１３に示した推定方法データベースによってなじみ度Ｌｉ＝６のカテゴリが１つ追加されることから、その追加分に対応する表示方法が更に定義されている。 As shown in FIG. 14, one category having the familiarity L i = 6 is added to the display method database as shown in FIG. 13, so that a display method corresponding to the addition is further defined. Has been.
次に、感覚推定装置１の動作を説明する。図１５は、感覚推定装置１の処理フローを示す図である。
Next, the operation of the
最初に、入力制御部１１により、入力装置３を用いた利用者のボタン押下操作に基づく感覚推定装置１への入力信号の有無が判定される（ステップＳ２０１）。そして、入力信号があった場合にはステップＳ２０２に進み、入力信号が無い場合にはステップＳ２０１を繰り返す。
First, the
次に、入力制御部１１により、入力信号が推定開始信号か否かが判定される（ステップＳ２０２）。そして、推定開始信号の場合にはステップＳ２０４に進み、それ以外の信号の場合にはステップＳ２０３に進む。
Next, the
入力信号が文章読込信号又は属性指定信号といった推定開始信号以外の信号の場合には、入力制御部１１により、その入力信号は一時的に蓄積される（ステップＳ２０３）。そして、ステップＳ２０１に戻る。 When the input signal is a signal other than the estimation start signal such as a text reading signal or an attribute designation signal, the input signal is temporarily accumulated by the input control unit 11 (step S203). Then, the process returns to step S201.
入力信号が推定開始信号の場合には、入力制御部１１により、ステップＳ２０３で蓄積された信号のうち、文章読込信号が外部データベース５に送信され、属性指定信号が内部データベース１２に送信される（ステップＳ２０４）。
When the input signal is an estimation start signal, the
次に、内部データベース１２により、送信された属性指定信号と、回答データ（図１２参照）と、単語データ（図３参照）と、推定方法データベース（図１３参照）とが処理部１３に送信される（ステップＳ２０５）。
Next, the transmitted attribute designation signal, response data (see FIG. 12), word data (see FIG. 3), and estimation method database (see FIG. 13) are transmitted to the
また、ステップＳ２０５と併行して、外部データベース５により、文章読込信号内の指定条件に合致する評価対象マニュアルの文章データが検索され、処理部１３に送信される（ステップＳ２０６）。
In parallel with step S205, the
次に、処理部１３により、外部データベース５から取得した文章データに対して形態素解析処理を行うことによってその文章内の全単語が抽出され、その全単語と単語データ内の単語との照合処理によって推定対象のＩＣＴ用語が抽出される（ステップＳ２０７）。
Next, the
次に、処理部１３により、内部データベース１２から送信された属性指定信号と回答データと推定方法データベースとを用いて、推定対象のＩＣＴ用語に対する指定ユーザ層のなじみ度が推定される（ステップＳ２０８）。以下、なじみ度の推定方法を詳述する。
Next, the familiarity of the designated user layer with respect to the estimation target ICT term is estimated by the
推定方法データベースには、図１３に示したように、なじみ度の計算方法が定義されており、これに基づいてなじみ度が推定される。すなわち、取得した回答データの全てにおいて、あるＩＣＴ用語ｉに対してユーザｋの持つ「なじみ易さ」をＰｉｋとし、以下の式（２）を用いて全平均値ａｖｅｒａｇｅを計算する。 As shown in FIG. 13, the calculation method of the familiarity is defined in the estimation method database, and the familiarity is estimated based on this. That is, in all of the acquired answer data, “easy familiarity” of the user k with respect to a certain ICT term i is set as P ik, and the total average value average is calculated using the following equation (2).
ａｖｅｒａｇｅ＝（Σｋ＝１〜ｎＰｉｋ）／ｎ ・・・（２）
次に、取得した回答データのうち属性指定信号で指定された属性条件に合致する回答データのＰｉｋを用いて、同じ式（２）から指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）を計算する。
average = (Σ k = 1 to n P ik ) / n (2)
Then, using P ik answer data matching the specified attribute condition attribute designation signal among the acquired answer data, it calculates the specified attribute mean average (sex, GNR) from the same equation (2).
その後、全平均値ａｖｅｒａｇｅと指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）との差を求め、その絶対値が１．５よりも大きい場合には、最も高いなじみ度Ｌｉ＝６とし、１．５以下の場合には、指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）に応じてＬｉを１〜５に分類する。尚、その際の分類方法は第１の実施の形態と同様である。 Thereafter, the difference between the total average value average and the specified attribute average value average (sex, gnr) is obtained. If the absolute value is larger than 1.5, the highest familiarity L i = 6 is set, and 1.5 in the following cases, it classifies the L i to 1-5 in accordance with the specified attribute mean average (sex, gnr). In this case, the classification method is the same as that in the first embodiment.
次に、出力制御部１４により、内部データベース１２から表示方法データベース（図１４参照）が取得され、その表示方法データベースに沿って推定対象のＩＣＴ用語に対するなじみ度の表示方法が決定され、その表示方法を定義した表示信号が形成されて、出力装置７に送信される（ステップＳ２０９）。
Next, the display method database (see FIG. 14) is acquired from the
表示方法データベースには、図１４に示したように、単語ｉに対するなじみ度Ｌｉの表示方法が定義されている。例えば、Ｌｉ＝６の場合には、推定対象のＩＣＴ用語ｉの後にそのＬｉ値を表示し、そのＩＣＴ用語ｉに背景には赤色かつフォント色を白で表示する表示信号が形成される。尚、Ｌｉ＝１〜５の場合の表示方法は第１の実施の形態と同様である。 As shown in FIG. 14, the display method database defines a display method of the familiarity L i for the word i. For example, when L i = 6, the L i value is displayed after the ICT term i to be estimated, and a display signal for displaying the red and the font color white on the background is formed in the ICT term i. . The display method in the case of L i = 1 to 5 is the same as that in the first embodiment.
最後に、出力装置７によって、図５の結果表示領域２５において、例えば図１６に示すように、感覚推定装置１から出力された表示信号に基づいて、評価対象マニュアルの文章データ内のＩＣＴ用語になじみ度のレベル（Ｌｉ値）が併記表示され、そのなじみ度に応じた背景色が重畳表示される（ステップＳ２１０）。
Finally, in the
以上より、本実施の形態によれば、特定ユーザ層の範囲と全ユーザ層の範囲で感覚レベルをそれぞれ計算し、その２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、推定された感覚レベルとするので、マニュアルに含まれるＩＣＴ用語が特定ユーザ層に与える「なじみ易さ」をより適切に表現することができる。
As described above, according to the present embodiment, the sensory level is calculated in the range of the specific user layer and the range of all the user layers, and when the difference between the two sensory levels exceeds the threshold, the range of the specific user layer Since the highest sensory level is given to the sensory level calculated in
尚、本実施の形態では、｜全平均値ａｖｅｒａｇｅ−指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）｜＞１．５の場合を例に説明したが、１．５の閾値に代えて、他の数値を利用してもよい。また、全ての回答データの標準偏差の定数倍より全平均値ａｖｅｒａｇｅと指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）との差が大きい場合等としてもよい。更に、標準偏差に代えて、分散でもよい。また、全平均値ａｖｅｒａｇｅと指定属性平均値ａｖｅｒａｇｅ（ｓｅｘ，ｇｎｒ）の差を比較するのではなく、分散や標準偏差等の統計値の大きさを比較してもよい良い。以下の実施の形態も同様である。 In the present embodiment, the case of | total average value average−designated attribute average value average (sex, gnr) |> 1.5 has been described as an example. However, instead of the threshold value of 1.5, other numerical values are used. May be used. Alternatively, the difference between the total average value average and the specified attribute average value average (sex, gnr) may be larger than a constant multiple of the standard deviation of all answer data. Further, dispersion may be used instead of the standard deviation. Further, instead of comparing the difference between the total average value average and the specified attribute average value average (sex, gnr) , the magnitudes of statistical values such as variance and standard deviation may be compared. The same applies to the following embodiments.
〔第３の実施の形態〕
第３の実施の形態では、ＩＣＴ用語に対してどの程度のＩＣＴスキルレベルのユーザであれば「なじみ」があると感じられるのかを推定し、マニュアルに重畳等表示する方法及び装置について説明する。
[Third Embodiment]
In the third embodiment, a description will be given of a method and an apparatus for estimating how much a ICT skill level a user feels to be “familiar” with respect to an ICT term, and displaying such information on a manual.
本実施の形態に係る感覚推定装置１の機能ブロック構成は、図１に示した構成と同様である。但し、以下説明するように、回答データと、推定方法データベースと、表示方法データベースとを一部変更している。
The functional block configuration of the
回答データには、図１７に示すように、図１２に示したような回答データに加えて、ユーザのＩＣＴスキルレベルがユーザＩＤに更に対応付けられている。尚、ＩＣＴスキルレベルとは、マニュアル内で説明される対象物（例えば、ルータ）やそれに関連する物（例えば、ルータ操作に必要なパソコン）の操作方法等に関するユーザの能力レベルである。 As shown in FIG. 17, in the answer data, in addition to the answer data shown in FIG. 12, the ICT skill level of the user is further associated with the user ID. Note that the ICT skill level is a user's ability level related to an operation method of an object (for example, a router) described in the manual and related objects (for example, a personal computer necessary for router operation).
推定方法データベースには、図１８に示すように、ＩＣＴ用語に対して「なじみ易さ」を感じ得るユーザのＩＣＴスキルレベル（すなわち、ＩＣＴ用語に対するなじみ度の許容度）を算出する方法が定義されている。 As shown in FIG. 18, the estimation method database defines a method for calculating the ICT skill level of a user who can feel “easy familiarity” with respect to the ICT term (that is, the tolerance of familiarity with the ICT term). ing.
表示方法データベースには、図１９に示すように、推定方法データベースに沿って推定されたＩＣＴスキルレベルに応じた表示方法が定義されている。 In the display method database, as shown in FIG. 19, a display method corresponding to the ICT skill level estimated along the estimation method database is defined.
次に、感覚推定装置１の動作を説明する。図２０は、感覚推定装置１の処理フローを示す図である。
Next, the operation of the
最初に、入力制御部１１により、入力装置３を用いた利用者のボタン押下操作に基づく感覚推定装置１への入力信号の有無が判定される（ステップＳ３０１）。そして、入力信号があった場合にはステップＳ３０２に進み、入力信号が無い場合にはステップＳ３０１を繰り返す。
First, the
次に、入力制御部１１により、入力信号が推定開始信号か否かが判定される（ステップＳ３０２）。そして、推定開始信号の場合にはステップＳ３０４に進み、それ以外の信号の場合にはステップＳ３０３に進む。
Next, the
入力信号が文章読込信号又は属性指定信号といった推定開始信号以外の信号の場合には、入力制御部１１により、その入力信号は一時的に蓄積される（ステップＳ３０３）。そして、ステップＳ３０１に戻る。 When the input signal is a signal other than the estimation start signal such as a text reading signal or an attribute designation signal, the input signal is temporarily accumulated by the input control unit 11 (step S303). Then, the process returns to step S301.
入力信号が推定開始信号の場合には、入力制御部１１により、ステップＳ３０３で蓄積された信号のうち、文章読込信号が外部データベース５に送信され、属性指定信号が内部データベース１２に送信される（ステップＳ３０４）。
When the input signal is an estimation start signal, the
次に、内部データベース１２により、送信された属性指定信号と、回答データ（図１７参照）と、単語データ（図３参照）と、推定方法データベース（図１８参照）とが処理部１３に送信される（ステップＳ３０５）。
Next, the transmitted attribute designation signal, response data (see FIG. 17), word data (see FIG. 3), and estimation method database (see FIG. 18) are transmitted to the
また、ステップＳ３０５と併行して、外部データベース５により、文章読込信号内の指定条件に合致する評価対象マニュアルの文章データが検索され、処理部１３に送信される（ステップＳ３０６）。
In parallel with step S305, the
次に、処理部１３により、外部データベース５から取得した文章データに対して形態素解析処理を行うことによってその文章内の全単語が抽出され、その全単語と単語データ内の単語との照合処理によって推定対象のＩＣＴ用語が抽出される（ステップＳ３０７）。
Next, the
次に、処理部１３により、内部データベース１２から送信された属性指定信号と回答データと推定方法データベースとを用いて、推定対象のＩＣＴ用語がどのＩＣＴスキルレベルのユーザであればそのＩＣＴ用語に対するなじみ度が許容されるか又は許容されないかの許容度が推定される（ステップＳ３０８）。以下、許容度の推定方法を詳述する。
Next, using the attribute designation signal, the response data, and the estimation method database transmitted from the
推定方法データベースには、図１８に示すように、許容度の計算方法が定義されており、これに基づいて許容度が推定される。 As shown in FIG. 18, the estimation method database defines a calculation method of tolerance, and the tolerance is estimated based on this calculation method.
まず、回答データ内のＩＣＴスキルレベルｓｋｉｌｌに応じてスキルレベルｓｋｉｌｌｌｖを定義する。例えば、ｓｋｉｌｌ≦２５の場合にはｓｋｉｌｌｌｖ＝Ｄ、２５＜ｓｋｉｌｌ≦５０の場合にはｓｋｉｌｌｌｖ＝Ｃ、５０＜ｓｋｉｌｌ≦７５の場合にはｓｋｉｌｌｌｖ＝Ｂ、７５＜ｓｋｉｌｌの場合にはｓｋｉｌｌｌｖ＝Ａと定義する（ステップＳ３０８−１）。 First, the skill level skilllv is defined according to the ICT skill level skill in the answer data. For example, skillv = D when skil ≦ 25, skilvv = C when 25 <skill ≦ 50, skilvv = B when 50 <skill ≦ 75, and skilvv = A when 75 <skill ≦ 75. Define (step S308-1).
次に、推定対象のＩＣＴ用語ｉについて、回答データ内のＩＣＴスキルレベルｓｋｉｌｌと当該ＩＣＴ用語ｉに対するなじみ度ｎａｊｉｍｉとの関連を示す式（３）の回帰式を求める（ステップＳ３０８−２）。 Next, with respect to the estimation target ICT term i, a regression equation of Expression (3) indicating the relationship between the ICT skill level skill in the answer data and the familiarity najimi for the ICT term i is obtained (step S308-2).
ｎａｊｉｍｉ＝ａｉ×ｓｋｉｌｌ＋ｂｉ ・・・（３）
尚、この回帰直線を求める方法は公知である。例えば、推定対象のＩＣＴ用語がＯＮＵであり、属性指定信号で指定された属性条件が３０代男性の場合、その属性条件に該当する（ｓｋｉｌｌ，ｎａｊｉｍｉ）の全データ群を回答データから抽出し、式（３）に代入して最小二乗法等を用いて計算することにより、未知数ａｉ，ｂｉを算出することができる。
najimi = a i × skill + b i (3)
A method for obtaining this regression line is well known. For example, when the ICT term to be estimated is ONU and the attribute condition specified by the attribute specifying signal is a male in his 30s, all data groups corresponding to the attribute condition (skill, najimi) are extracted from the answer data, The unknowns a i and b i can be calculated by substituting into equation (3) and calculating using the least square method or the like.
次に、求められた回帰直線を用いて、回答データ内のなじみ度ｎａｊｉｍｉを表す１〜７のうち、例えば、中心の値である４と回答するユーザのＩＣＴスキルレベルｓｋｉｌｌ（ｉ，４）を計算する。同様に、最低値である１のＩＣＴスキルレベルｓｋｉｌｌ（ｉ，１）と、最高値である７のＩＣＴスキルレベルｓｋｉｌｌ（ｉ，７）とを計算する（ステップＳ３０８−３）。 Next, among the 1 to 7 representing the familiarity najimi in the answer data using the obtained regression line, for example, the ICT skill level skill (i, 4) of the user who answers 4 as the central value calculate. Similarly, the lowest ICT skill level skill (i, 1) and the highest ICT skill level skill (i, 7) are calculated (step S308-3).
尚、具体的には、求めた回帰直線とｎａｊｉｍｉ＝４との交点を求めることにより、推定対象のＩＣＴ用語ｉのＩＣＴスキルレベルｓｋｉｌｌ（ｉ，４）を計算できる。 Specifically, the ICT skill level skill (i, 4) of the ICT term i to be estimated can be calculated by obtaining the intersection of the obtained regression line and najimi = 4.
最後に、ステップＳ３０８−３で計算された値を用いて、推定対象のＩＣＴ用語ｉの許容度を推定する（ステップＳ３０８−４）。 Finally, the tolerance of the ICT term i to be estimated is estimated using the value calculated in step S308-3 (step S308-4).
例えば、１００＜ｓｋｉｌｌ（ｉ，４）の場合には、ＩＣＴスキルレベルの高いユーザ、すなわち、ステップＳ３０８−１で定義したｓｋｉｌｌｌｖ＝Ａのユーザでもなじみの無いＩＣＴ用語ｉと判断し，Ｌｉ＝Ｘにカテゴライズする。 For example, in the case of 100 <skill (i, 4) , it is determined that the user has a high ICT skill level, that is, the user of skillv = A defined in step S308-1 is an unfamiliar ICT term i, and L i = Categorize into X.
また、ｓｋｉｌｌ（ｉ，４）≦０の場合には、ＩＣＴスキルレベルの低いユーザ、すなわち、ｓｋｉｌｌｌｖ＝ＤのユーザでもなじみがあるＩＣＴ用語ｉと判断し、Ｌｉ＝Ｄにカテゴライズする。 Further, when skill (i, 4) ≦ 0, a user having a low ICT skill level, that is, a user with skilll = D, is determined to be familiar with the ICT term i, and categorized as L i = D.
また、ｓｋｉｌｌ（ｉ，１）−ｓｋｉｌｌ（ｉ，７）＝２の場合には、ユーザによって感じられるなじみ度はスキルレベルとは無関係であることから、ＩＣＴ用語ではないと判断し、Ｌｉ＝Ｏにカテゴライズする。 When skill (i, 1) −skill (i, 7) = 2, the familiarity felt by the user is not related to the skill level, so it is determined that it is not an ICT term, and L i = Categorize into O.
また、７５＜ｓｋｉｌｌ（ｉ，４）≦１００の場合には、ＩＣＴスキルレベルの高いユーザ、すなわち、ｓｋｉｌｌｌｖ＝Ａのユーザでなじみを感じる可能性があるＩＣＴ用語ｉと判断し、Ｌｉ＝ＡＡにカテゴライズする。 If 75 <skill (i, 4) ≦ 100, it is determined that the user has a high ICT skill level, that is, a user with skilllv = A, and may be familiar with the ICT term i, and L i = AA Categorize into
また、５０＜ｓｋｉｌｌ（ｉ，４）≦７５の場合には、ｓｋｉｌｌｌｖ＝Ｂのユーザでなじみを感じる可能性があるが、ｓｋｉｌｌｌｖ＝Ａのユーザであればなじみを感じるＩＣＴ用語ｉと判断し、Ｌｉ＝Ａにカテゴライズする。 Further, if 50 <skill (i, 4) ≦ 75, there is a possibility that the user of skilllv = B may feel familiar, but if the user of skilllv = A, it is determined that the ICT term i feels familiar, Categorize to L i = A.
また、２５＜ｓｋｉｌｌ（ｉ，４）≦５０の場合には、ｓｋｉｌｌｌｖ＝Ｂのユーザであればなじみを感じるＩＣＴ用語ｉと判断し、Ｌｉ＝Ｂにカテゴライズする。 Further, when 25 <skill (i, 4) ≦ 50, it is determined that the ICT term i is familiar to a user with skilllv = B, and is categorized as L i = B.
また、０＜ｓｋｉｌｌ（ｉ，４）≦２５の場合には、ｓｋｉｌｌｌｖ＝Ｃのユーザであればなじみを感じるＩＣＴ用語ｉと判断し、Ｌｉ＝Ｃにカテゴライズする。 If 0 <skill (i, 4) ≦ 25, it is determined that the ICT term i is familiar to users who are skilvv = C, and is categorized as L i = C.
その後、このカテゴリＬｉを許容度Ｌｉとする推定結果を感覚推定データとして文章データと共に出力制御部１４に送信する。
Thereafter, an estimation result with the category L i as the tolerance L i is transmitted to the
次に、出力制御部１４により、内部データベース１２から表示方法データベースが取得され、その表示方法データベースに沿って推定対象のＩＣＴ用語に対する許容度の表示方法が決定され、その表示方法を定義した表示信号が形成されて、出力装置７に送信される（ステップＳ３０９）。
Next, a display method database is acquired from the
表示方法データベースには、図１９に示すように、単語ｉに対する許容度Ｌｉの表示方法が定義されている。例えば、Ｌｉ＝Ｏの場合には、何も追加表示しない表示信号が形成される。 In the display method database, as shown in FIG. 19, a display method of tolerance L i for word i is defined. For example, when L i = O, a display signal that does not display anything is formed.
また、Ｌｉ＝Ｄの場合には、推定対象のＩＣＴ用語ｉの後にｓｋｉｌｌｌｖ＝Ｄのユーザになじみがある旨の「スキルＬｖＤならＯＫ」を表示し、そのＩＣＴ用語ｉの背景をごく淡い灰色で表示する表示信号が形成される。 Further, when L i = D, “skill LvD is OK” indicating that the user of skilllv = D is familiar after the ICT term i to be estimated is displayed, and the background of the ICT term i is very light gray A display signal to be displayed is formed.
また、Ｌｉ＝Ｃの場合には、推定対象のＩＣＴ用語ｉの後にｓｋｉｌｌｌｖ＝Ｃのユーザになじみがある旨の「スキルＬｖＣならＯＫ」を表示し、そのＩＣＴ用語ｉの背景を淡い灰色で表示する表示信号が形成される。 In addition, when L i = C, “skill LvC is OK” indicating that the user of skilllv = C is familiar after the ICT term i to be estimated is displayed, and the background of the ICT term i is light gray A display signal to be displayed is formed.
また、Ｌｉ＝Ｂの場合には、推定対象のＩＣＴ用語ｉの後にｓｋｉｌｌｌｖ＝Ｂのユーザになじみがある旨の「スキルＬｖＢならＯＫ」を表示し、そのＩＣＴ用語ｉの背景を灰色で表示する表示信号が形成される。 When L i = B, “skill LvB is OK” indicating that the user of skillv = B is familiar after the ICT term i to be estimated is displayed, and the background of the ICT term i is displayed in gray A display signal is formed.
また、Ｌｉ＝Ａの場合には、推定対象のＩＣＴ用語ｉの後にｓｋｉｌｌｌｖ＝Ａのユーザになじみがある旨の「スキルＬｖＡならＯＫ」を表示し、そのＩＣＴ用語ｉの背景を濃い灰色で表示する表示信号が形成される。 In addition, when L i = A, “skill LvA is OK” indicating that the user of skillv = A is familiar after the ICT term i to be estimated is displayed, and the background of the ICT term i is dark gray A display signal to be displayed is formed.
また、Ｌｉ＝ＡＡの場合には、ＩＣＴスキルレベルの高いｓｋｉｌｌｌｖ＝Ａのユーザでなじみを感じる可能性があることから、逆になじみが感じられないものとし、推定対象のＩＣＴ用語ｉの後に「ＮＧ」を表示し、そのＩＣＴ用語ｉの背景を赤色で表示する表示信号が形成される。 In addition, when L i = AA, there is a possibility that the user with high skill level of skilllv = A may feel familiar, so conversely, familiarity is not felt, and after the ICT term i to be estimated A display signal for displaying “NG” and displaying the background of the ICT term i in red is formed.
また、Ｌｉ＝ＡＡの場合には、Ｌｉ＝ＡＡの場合と同様に逆になじみが感じられないものとし、推定対象のＩＣＴ用語ｉの後に「ＮＧ」を表示し、そのＩＣＴ用語ｉの背景を赤色かつフォント色を白で表示する表示信号が形成される。 In addition, in the case of L i = AA is, shall not familiar is felt in reverse as in the case of L i = AA, after the ICT term i of the estimation target to display the "NG", of the ICT term i A display signal for displaying the background in red and the font color in white is formed.
最後に、出力装置７によって、図５の結果表示領域２５において、例えば図２１に示すように、感覚推定装置１から出力された表示信号に基づいて、評価対象マニュアルの文章データ内における推定対象のＩＣＴ用語に許容度の有無（ＯＫ，ＮＧ）やそのレベルが併記表示され、それらを識別する背景色が重畳表示される（ステップＳ３１０）。
Finally, in the
以上より、本実施の形態によれば、マニュアルのＩＣＴ用語に対して「なじみ易さ」を感じ得るユーザのＩＣＴスキルレベルを更に推定するので、マニュアルに含まれるＩＣＴ用語がユーザに与える「なじみ易さ」をより適切に表現することができる。 As described above, according to the present embodiment, since the ICT skill level of the user who can feel “easy to be familiar” with the ICT term in the manual is further estimated, the “ICT familiarity” given to the user by the ICT term included in the manual is estimated. Can be expressed more appropriately.
尚、本実施の形態では、回答データや推定方法データベースを図１７や図１８のように表現したが、これに限らない。例えば、ＩＣＴスキルレベルをユーザのアンケートへの回答データを元に２５ずつで４つのレベルに分類してもよい。分類の数は任意である。また、分類の方法についても、例えば、ユーザの人数に従い、スキル得点が上から２５パーセントのユーザをＡ、次の２５パーセントをＢと分類してもよい。また、平均値から１標準偏差以上離れているスキル得点をＡ、１標準偏差から平均値までのスキル得点をＢというように分けてもよい。 In the present embodiment, the answer data and the estimation method database are expressed as shown in FIGS. 17 and 18, but the present invention is not limited to this. For example, the ICT skill level may be classified into four levels by 25 based on the answer data to the user questionnaire. The number of classifications is arbitrary. As for the classification method, for example, according to the number of users, a user whose skill score is 25% from the top may be classified as A, and the next 25% as B. Further, a skill score that is 1 standard deviation or more away from the average value may be divided as A, and a skill score from 1 standard deviation to the average value may be divided as B.
また、本実施の形態では、ユーザのＩＣＴスキルレベルと単語へのなじみの感覚を線形であると仮定して線形回帰直線を用いたが、これはロジスティック回帰等、関連を示すものであればよい。 In the present embodiment, the linear regression line is used on the assumption that the user's ICT skill level and the familiarity with the word are linear. .
また、本実施の形態では、なじみ度の中心値である４と回答するユーザのＩＣＴスキルに着眼したが，これは４以外でもよい。また、ｓｋｉｌｌ（ｉ，４）の値に応じてＩＣＴ用語を７つに分類したが、カテゴリの数は可変可能である。また、カテゴリ化せずｓｋｉｌｌ（ｉ，４）の値をそのまま許容値に用いてもよい。 In the present embodiment, the ICT skill of the user who replied 4 that is the central value of the familiarity is focused, but this may be other than 4. Further, although the ICT terms are classified into seven according to the value of skill (i, 4) , the number of categories is variable. Further, the value of skill (i, 4) may be used as an allowable value as it is without being categorized.
また、表示方法データベースや結果表示は一例であり、これに限らない。例えば、Ｌｉ＝ＸのＩＣＴ用語にはハイパーリンクが付与されており、押下ることにより、「用語 言い換え」等がクエリに入った検索ウェブページが開かれるようにするなどしてもよい。 Further, the display method database and the result display are examples, and the present invention is not limited thereto. For example, a hyperlink is given to an ICT term of L i = X, and a search web page in which “term rephrase” or the like is entered may be opened by pressing the link.
また、本実施の形態を第１，第２の実施の形態と組み合わせて実行することも可能である。 It is also possible to execute this embodiment in combination with the first and second embodiments.
１…感覚推定装置
１１…入力制御部
１２…内部データベース（記憶手段）
１３…処理部（推定手段）
１４…出力制御部（表示手段）
２１…文章読込ボタン
２２…条件指定ボタン
２３…推定開始ボタン
２４…属性条件指定欄
２５…結果表示領域
３…入力装置
５…外部データベース
７…出力装置（表示手段）
Ｓ１０１〜Ｓ１１０、Ｓ２０１〜Ｓ２１０、Ｓ３０１〜Ｓ３１０…ステップ
DESCRIPTION OF
13: Processing unit (estimating means)
14 ... Output control section (display means)
DESCRIPTION OF
S101-S110, S201-S210, S301-S310 ... step
Claims (7)
前記要素に対して複数のユーザがそれぞれ有する所定の感覚の感覚レベルを記憶しておく記憶手段と、
前記評価対象から推定対象の要素を抽出し、前記記憶手段から読み出した複数の感覚レベルを用いて当該要素に対する前記感覚の感覚レベルを推定する推定手段と、
前記評価対象内の推定対象要素に前記推定された感覚レベルを表示する表示手段と、を有し、
前記推定手段は、
特定ユーザ層の範囲と全ユーザ層の範囲で前記感覚レベルをそれぞれ計算し、当該２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、前記推定された感覚レベルとすることを特徴とする感覚推定装置。 In the sensation estimation device that estimates the sensation given to the user by the elements included in the evaluation target and the degree thereof,
Storage means for storing sensory levels of predetermined sensations each of which a plurality of users have with respect to the element;
An estimation unit that extracts an estimation target element from the evaluation target and estimates a sensory level of the sensory sense with respect to the element using a plurality of sensory levels read from the storage unit;
Display means for displaying the estimated sensory level on the estimation target element in the evaluation target ,
The estimation means includes
When the sensory level is calculated in the range of the specific user layer and the range of all the user layers, and the difference between the two sensory levels exceeds the threshold value, the highest sensory level calculated in the range of the specific user layer A sensory estimation device characterized by providing a level to obtain the estimated sensory level .
特定ユーザ層の範囲で前記感覚レベルを計算し、前記推定された感覚レベルとすることを特徴とする請求項１記載の感覚推定装置。 The estimation means includes
The sensory estimation apparatus according to claim 1, wherein the sensory level is calculated in a range of a specific user layer to obtain the estimated sensory level.
計算される感覚レベルの範囲に応じて定義された複数の感覚レベルを有し、特定ユーザ層の範囲で計算された感覚レベルに対応する感覚レベルを前記推定された感覚レベルとすることを特徴とする請求項１又は２記載の感覚推定装置。 The estimation means includes
A plurality of sensory levels defined in accordance with a range of sensory levels to be calculated, and the sensory level corresponding to the sensory level calculated in the range of a specific user layer is the estimated sensory level. The sensory estimation apparatus according to claim 1 or 2.
前記感覚レベルの平均値を用いて前記感覚レベルを推定することを特徴とする請求項１乃至３のいずれかに記載の感覚推定装置。The sensory estimation apparatus according to claim 1, wherein the sensory level is estimated using an average value of the sensory level.
前記推定対象の要素に対して前記感覚を感じ得るユーザのスキルレベルを更に推定することを特徴とする請求項１乃至４のいずれかに記載の感覚推定装置。The sensory estimation apparatus according to claim 1, further estimating a skill level of a user who can feel the sense with respect to the element to be estimated.
コンピュータにより、By computer
前記要素に対して複数のユーザがそれぞれ有する所定の感覚の感覚レベルを記憶手段に記憶しておく記憶ステップと、A storage step of storing in the storage means a sensory level of a predetermined sensation that each of the plurality of users has for the element;
前記評価対象から推定対象の要素を抽出し、前記記憶手段から読み出した複数の感覚レベルを用いて当該要素に対する前記感覚の感覚レベルを推定する推定ステップと、An estimation step of extracting an estimation target element from the evaluation target and estimating a sensory level of the sensory sense for the element using a plurality of sensory levels read from the storage unit;
前記評価対象内の推定対象要素に前記推定された感覚レベルを表示する表示ステップと、を有し、Displaying the estimated sensory level on the estimation target element in the evaluation target, and
前記推定ステップでは、In the estimation step,
特定ユーザ層の範囲と全ユーザ層の範囲で前記感覚レベルをそれぞれ計算し、当該２つの感覚レベルの差が閾値を越える場合には、特定ユーザ層の範囲で計算された感覚レベルに最高の感覚レベルを付与して、前記推定された感覚レベルとすることを特徴とする感覚推定方法。When the sensory level is calculated in the range of the specific user layer and the range of all the user layers, and the difference between the two sensory levels exceeds the threshold value, the highest sensory level calculated in the range of the specific user layer A sensory estimation method, characterized in that a level is given to obtain the estimated sensory level.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012136829A JP5727970B2 (en) | 2012-06-18 | 2012-06-18 | Sensory estimation device, sensory estimation method, and sensory estimation program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012136829A JP5727970B2 (en) | 2012-06-18 | 2012-06-18 | Sensory estimation device, sensory estimation method, and sensory estimation program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014002517A JP2014002517A (en) | 2014-01-09 |
| JP5727970B2 true JP5727970B2 (en) | 2015-06-03 |
Family
ID=50035649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012136829A Expired - Fee Related JP5727970B2 (en) | 2012-06-18 | 2012-06-18 | Sensory estimation device, sensory estimation method, and sensory estimation program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5727970B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7230622B2 (en) * | 2019-03-25 | 2023-03-01 | 日本電信電話株式会社 | Index value giving device, index value giving method and program |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2007094344A1 (en) * | 2006-02-14 | 2009-07-09 | 日本電気株式会社 | Operator work support method and apparatus, program, and recording medium |
| JP2009140074A (en) * | 2007-12-04 | 2009-06-25 | Nippon Telegr & Teleph Corp <Ntt> | Term difficulty level diagnostic device and term difficulty level diagnostic program |
| US20110251973A1 (en) * | 2010-04-08 | 2011-10-13 | Microsoft Corporation | Deriving statement from product or service reviews |
-
2012
- 2012-06-18 JP JP2012136829A patent/JP5727970B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014002517A (en) | 2014-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | The superstar social media influencer: Exploiting linguistic style and emotional contagion over content? | |
| Ceron et al. | Every tweet counts? How sentiment analysis of social media can improve our knowledge of citizens’ political preferences with an application to Italy and France | |
| Banerjee et al. | Using supervised learning to classify authentic and fake online reviews | |
| US10642975B2 (en) | System and methods for automatically detecting deceptive content | |
| US20140172415A1 (en) | Apparatus, system, and method of providing sentiment analysis result based on text | |
| JP6381775B2 (en) | Information processing system and information processing method | |
| JP2010079657A (en) | Information processor, information processing method, and program | |
| JP2009064187A (en) | Information processing apparatus, information processing method, and program | |
| KR20160136054A (en) | Apparatus and method for providing psychology status information from writing | |
| Martin et al. | Are influential writers more objective? An analysis of emotionality in review comments | |
| JP5942052B1 (en) | Data analysis system, data analysis method, and data analysis program | |
| JP2010122676A (en) | Computer-implemented vocabulary learning method, vocabulary learning device, vocabulary learning program, and computer readable recording medium | |
| JP5727970B2 (en) | Sensory estimation device, sensory estimation method, and sensory estimation program | |
| KR102028356B1 (en) | Advertisement recommendation apparatus and method based on comments | |
| US11232325B2 (en) | Data analysis system, method for controlling data analysis system, and recording medium | |
| Lété et al. | Does frequency trajectory influence word identification? A cross-task comparison | |
| Weir et al. | Estimating readability with the Strathclyde readability measure | |
| Branković | Market and media on the digital platform (good and bad sides of digitization) | |
| JP6043460B2 (en) | Data analysis system, data analysis method, and data analysis program | |
| Christanto et al. | Usability Analysis of Atma Jaya Catholic University E-Learning Based on Human Computer Interaction | |
| Ward et al. | Media use and Black emerging adults’ acceptance of Jezebel and Sapphire stereotypes | |
| US20220051670A1 (en) | Learning support device, learning support method, and recording medium | |
| JP5877775B2 (en) | Content management apparatus, content management system, content management method, program, and storage medium | |
| JP2017182746A (en) | Information provision server device, program and information provision method | |
| Chou | How much is too much? The nonlinear link between emotional arousal and review helpfulness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140707 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141219 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150127 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150309 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150331 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150403 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5727970 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |