JP6044959B2 - 調査を支援する装置及び方法 - Google Patents

Description

本発明は、調査を支援する装置及び方法に関する。特に、本発明は、インターネットメディア上の情報に基づく調査を支援する装置及び方法に関する。

近年、ＳＮＳ（Social Networking Service）、電子掲示板、マイクロブログ、動作サイト等のインターネットメディアが普及したことにより、インターネットメディア上の情報に基づく統計調査（世論調査等）が注目されている。

ここで、コンピュータによる統計調査又はその統計調査の結果の利用に関する技術は、公報記載の技術としても知られている（例えば、特許文献１〜５参照）。

特許文献１は、回答者がそれぞれの質問パターンに回答するのに要した時間である回答所要時間を計測し、質問パターンごとに、その質問パターンに回答した回答者の回答所要時間の代表値を求め、回答者ごとに、回答した質問パターンにおける回答時間指数を、回答所要時間を代表値で除算して求めるとともに、回答時間指数の和を回答した質問パターンの数で割って平均値を求め、平均値が小さい順に所定の割合の回答を除外してアンケート集計を行うアンケート集計システムを開示する。

特許文献２は、アイテム評価取得部が、各アイテムに対して各ユーザが与えた評価値を取得し、ユーザ統計量計算部が、注目ユーザが評価したアイテム数、注目ユーザが各アイテムに与えた評価値、注目ユーザが評価したアイテムに対して各ユーザから与えられた評価数、および、注目ユーザが評価したアイテムに対して各ユーザから与えられた評価値のうち少なくとも１つを用いて、注目ユーザの評価の傾向を示すユーザ統計量を計算し、情報提示部が、ユーザ統計量に基づいて、注目ユーザに対するアイテムに関する情報の提示を制御する情報処理装置を開示する。

特許文献３は、評価値算出手段が、統計情報を分類するための複数の情報カテゴリにおける統計情報の偏差を算出し、偏差を用いて各情報カテゴリに対する統計対象の第１の評価値を算出し、利用者重視度制御手段が、利用者端末に各情報カテゴリに対応する重視度を設定するための機能を提供し、利用者端末から送信される重視度設定情報を受信し、統計対象抽出制御手段が、第１の評価値と重視度設定情報とを用いて、各情報カテゴリに対する統計対象の第２の評価値を算出し、この第２の評価値を用いて利用者に適合する統計対象を抽出する情報提供システムを開示する。

特許文献４は、過去の客数の実績値を記憶するＤＢサーバ内の管理ＤＢと、この管理ＤＢに記憶された過去の複数の期間のそれぞれにおける客数の実績値を用いて、予測対象日における客数の予測値を導出する管理サーバとを有する店舗管理システムを開示する。

特許文献５は、リスクの発生頻度及び損害の大きさに関する基準リスクマップデータを予め記憶しておき、診断対象の企業の基準リスクマップデータを読み出し、回答情報記憶媒体から読み出した回答情報を考慮にいれたデータを用いて補正して、企業の固有リスクマップデータを生成するリスク診断システムを開示する。

特開２０１３−１２１２０号公報 特開２００９−１５７９０７号公報 特開２００８−１１７０１４号公報 特開２００５−２４２８３９号公報 特開２００４−５４９５４号公報

ところで、上述したインターネットメディア上の情報に基づく統計調査では、インターネットメディアのユーザ層の偏りによる統計調査の結果に対するバイアスが問題となる。しかしながら、従来、このようなバイアスを算出し、インターネットメディア上の統計情報とリアルの統計情報とのギャップを分析する仕組みは提供されていなかった。

尚、特許文献１〜５の技術は何れもコンピュータによる統計調査又はその統計調査の結果の利用に関する技術であるが、こうした問題に対する解決手段を提示するものではない。

本発明の目的は、インターネットメディア上の情報におけるバイアスを把握した上でその情報に基づく調査を行えるようにすることにある。

かかる目的のもと、本発明は、インターネットメディア上の情報に基づく調査を支援する装置であって、所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得する第１の取得部と、所定の対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得する第２の取得部と、第１の評価情報に対する第２の評価情報の隔たりに基づいて、インターネットメディア上の情報におけるバイアスを推定する推定部とを含む、装置を提供する。

ここで、第１の取得部は、所定のカテゴリに属する所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得し、第２の取得部は、所定のカテゴリに属する所定の対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得し、推定部は、第１の評価情報に対する第２の評価情報の隔たりに基づいて、インターネットメディア上の情報における所定のカテゴリに対するバイアスを推定する、ものであってよい。

また、第１の取得部は、複数の対象の各対象について、各対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得し、第２の取得部は、複数の対象の各対象について、各対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得し、推定部は、複数の対象の各対象についての第１の評価情報に対する第２の評価情報の隔たりを複数の対象について平均化することにより、インターネットメディア上の情報におけるバイアスを推定する、ものであってもよい。

一方、第１の取得部は、複数のカテゴリの何れかに属する複数の対象の各対象について、各対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得し、第２の取得部は、複数の対象の各対象について、各対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得し、推定部は、複数の対象の各対象についての第１の評価情報に対する第２の評価情報の隔たりを示す情報を目的変数とし、各対象が複数のカテゴリの各々に属するかどうかを示す情報を説明変数として回帰することにより、インターネットメディア上の情報におけるバイアスを推定する、ものであってもよい。

更に、この装置は、所定の対象に関連する他の対象に関するインターネットメディア上の評価の度合いを示す第３の評価情報を取得する第３の取得部と、バイアスと第３の評価情報とに基づいて、他の対象に関する現実の評価を予測する予測部とを更に含む、ものであってよい。

また、本発明は、インターネットメディア上の情報に基づく調査を支援する装置であって、調査の対象の政策に応じて予め定められた複数のカテゴリの何れかに属する複数の政策の各政策について、各政策に関する現実社会における調査で得られた肯定的な評価の度合いを示す値である第１の評価値を取得する第１の取得部と、複数の政策の各政策について、各政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第２の評価値を取得する第２の取得部と、複数の政策の各政策についての第１の評価値に対する第２の評価値の隔たりの度合いを複数の政策について平均化することにより、インターネットメディア上の情報におけるバイアスを推定する推定部と、調査の対象の政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第３の評価値を取得する第３の取得部と、バイアスに基づいて第３の評価値を補正することにより、調査の対象の政策に関する現実の肯定的な評価の度合いを予測する予測部とを含む、装置も提供する。

一方、本発明は、インターネットメディア上の情報に基づく調査を支援する装置であって、調査の対象の政策に応じて予め定められた複数のカテゴリの何れかに属する複数の政策の各政策について、各政策に関する現実社会における調査で得られた肯定的な評価の度合いを示す値である第１の評価値を取得する第１の取得部と、複数の政策の各政策について、各政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第２の評価値を取得する第２の取得部と、複数の政策の各政策についての第１の評価値に対する第２の評価値の隔たりの度合いを目的変数とし、各政策が複数のカテゴリの各々に属するかどうかを示す情報を説明変数として回帰することにより、インターネットメディア上の情報におけるバイアスを回帰係数とする回帰式を推定する推定部と、調査の対象の政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第３の評価値を取得する第３の取得部と、回帰式の目的変数における第２の評価値として第３の評価値を設定することにより、調査の対象の政策に関する現実の肯定的な評価の度合いを予測する予測部とを含む、装置も提供する。

更に、本発明は、インターネットメディア上の情報に基づく調査を支援する方法であって、所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得するステップと、所定の対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得するステップと、第１の評価情報に対する第２の評価情報の隔たりに基づいて、インターネットメディア上の情報におけるバイアスを推定するステップとを含む、方法も提供する。

更にまた、本発明は、インターネットメディア上の情報に基づく調査を支援する装置として、コンピュータを機能させるプログラムであって、コンピュータを、所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得する第１の取得部と、所定の対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報を取得する第２の取得部と、第１の評価情報に対する第２の評価情報の隔たりに基づいて、インターネットメディア上の情報におけるバイアスを推定する推定部として機能させる、プログラムも提供する。

本発明によれば、インターネットメディア上の情報におけるバイアスを把握した上でその情報に基づく調査を行えるようになる。

本発明の実施の形態を適用可能なコンピュータのハードウェア構成例を示した図である。 本発明の実施の形態における統計情報分析装置の機能構成例を示したブロック図である。 本発明の実施の形態における統計情報分析装置の第１の動作例を示したフローチャートである。 本発明の実施の形態における統計情報分析装置の第１の動作例でリアル関連統計値記憶部に記憶される情報の一例を示した図である。 本発明の実施の形態における統計情報分析装置の第１の動作例でＳＮＳ関連統計値記憶部に記憶される情報の一例を示した図である。 本発明の実施の形態における統計情報分析装置の第１の動作例でバイアス記憶部に記憶される情報の一例を示した図である。 本発明の実施の形態における統計情報分析装置の第２の動作例を示したフローチャートである。 本発明の実施の形態における統計情報分析装置の第２の動作例でリアル関連統計値記憶部に記憶される情報の一例を示した図である。 本発明の実施の形態における統計情報分析装置の第２の動作例でＳＮＳ関連統計値記憶部に記憶される情報の一例を示した図である。 本発明の実施の形態における統計情報分析装置の第２の動作例でバイアス記憶部に記憶される情報の一例を示した図である。

以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。本実施の形態は、インターネットメディア上の統計情報とリアルの統計情報とのギャップを分析する統計情報分析装置を提供するものである。尚、以下では、インターネットメディアをＳＮＳで代表させて説明するが、これは、ＳＮＳ以外のインターネットメディア（例えば、電子掲示板、マイクロブログ、動画サイト等）を除外する趣旨ではない。

［統計情報分析装置のハードウェア構成］
図１は、本実施の形態における統計情報分析装置１０のハードウェア構成例を示した図である。図示するように、統計情報分析装置１０は、演算手段であるＣＰＵ（Central Processing Unit）１０ａと、Ｍ／Ｂ（マザーボード）チップセット１０ｂを介してＣＰＵ１０ａに接続されたメインメモリ１０ｃと、同じくＭ／Ｂチップセット１０ｂを介してＣＰＵ１０ａに接続された表示機構１０ｄとを備える。また、Ｍ／Ｂチップセット１０ｂには、ブリッジ回路１０ｅを介して、ネットワークインターフェイス１０ｆと、磁気ディスク装置（ＨＤＤ）１０ｇと、音声機構１０ｈと、キーボード／マウス１０ｉと、フレキシブルディスクドライブ１０ｊとが接続されている。

尚、図１において、各構成要素は、バスを介して接続される。例えば、ＣＰＵ１０ａとＭ／Ｂチップセット１０ｂの間や、Ｍ／Ｂチップセット１０ｂとメインメモリ１０ｃの間は、ＣＰＵバスを介して接続される。また、Ｍ／Ｂチップセット１０ｂと表示機構１０ｄとの間は、ＡＧＰ（Accelerated Graphics Port）を介して接続されてもよいが、表示機構１０ｄがＰＣＩ Ｅｘｐｒｅｓｓ対応のビデオカードを含む場合、Ｍ／Ｂチップセット１０ｂとこのビデオカードの間は、ＰＣＩ Ｅｘｐｒｅｓｓ（ＰＣＩｅ）バスを介して接続される。また、ブリッジ回路１０ｅと接続する場合、ネットワークインターフェイス１０ｆについては、例えば、ＰＣＩ Ｅｘｐｒｅｓｓを用いることができる。また、磁気ディスク装置１０ｇについては、例えば、シリアルＡＴＡ（AT Attachment）、パラレル転送のＡＴＡ、ＰＣＩ（Peripheral Components Interconnect）を用いることができる。更に、キーボード／マウス１０ｉ、及び、フレキシブルディスクドライブ１０ｊについては、ＵＳＢ（Universal Serial Bus）を用いることができる。

［統計情報分析装置の機能構成］
図２は、本実施の形態における統計情報分析装置１０の機能構成例を示したブロック図である。図示するように、統計情報分析装置１０は、テーマカテゴリ受付部２１と、リアル関連統計値抽出部２２と、リアル関連統計値記憶部２３と、ＳＮＳ関連統計値抽出部２４と、ＳＮＳ関連統計値記憶部２５と、バイアス算出部２６と、バイアス記憶部２７とを備えている。また、ＳＮＳテーマ統計値受付部３１と、ＳＮＳテーマ統計値記憶部３２と、リアルテーマ統計値予測部３３と、リアルテーマ統計値記憶部３４と、情報出力部３５とを備えている。

テーマカテゴリ受付部２１は、統計のテーマのカテゴリ（以下、「テーマカテゴリ」という）を受け付ける。統計のテーマとは、統計をとることによって調べるテーマであり、例えば、ある対象に対する評価（対象が政策である場合の賛成及び反対の割合、対象が商品である場合の良い及び悪いの割合等）が該当する。また、テーマカテゴリとは、統計のテーマが属するカテゴリとして事前に設定されるものであり、対象が政策であれば、その政策を打ち出した政党や、その政策が関連する事案（その政策が子供関連政策である場合の「子供」、その政策がエネルギー関連政策である場合の「エネルギー」等）がある。ここでは、統計のテーマとして、ある政策に対する賛成及び反対の割合を例にとり、テーマカテゴリとして、その政策を打ち出した政党Ｐ及びその政策が関連する事案Ｑを受け付けるものとする。尚、テーマカテゴリを設定する方法としては、統計のテーマごとに人間が設定する方法、ニュース記事等に付与されているタグを使う方法、統計のタイトルや説明文に出て来る単語や句によって設定する方法等がある。

リアル関連統計値抽出部２２は、リアルの過去の統計値から、テーマカテゴリ受付部２１が受け付けたテーマカテゴリに関連する統計値を抽出する。ここで、リアルの過去の統計値とは、現実社会における調査（世論調査等）で得られた統計値であり、例えば、２０ＸＸ年の内閣の支持率、消費税増税の賛成率等を含む。そして、リアルの過去の統計値にはテーマカテゴリが付与されているので、テーマカテゴリに関連する統計値を抽出できるようになっている。尚、以下では、この抽出された統計値を「リアル関連統計値」と称し、テーマカテゴリＣに関連するリアル関連統計値をＸ_Ｃｉ（ｉ＝１，２，…，ｍ_ｃ）と表記するものとする。本実施の形態では、所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報の一例として、また、各政策に関する現実の肯定的な評価の度合いを示す値である第１の評価値の一例として、リアル関連統計値を用いており、第１の評価情報又は第１の評価値を取得する第１の取得部の一例として、リアル関連統計値抽出部２２を設けている。

リアル関連統計値記憶部２３は、リアル関連統計値抽出部２２が抽出したリアル関連統計値Ｘ_Ｃｉを記憶する。

ＳＮＳ関連統計値抽出部２４は、ＳＮＳ［ｋ］の過去の統計値から、テーマカテゴリ受付部２１が受け付けたテーマカテゴリに関連する統計値を抽出する。ここで、ＳＮＳ［ｋ］とは、複数存在するＳＮＳのうちのｋ番目のＳＮＳを意味している（ｋ＝１，２，…，Ｋ）。また、ＳＮＳ［ｋ］の過去の統計値とは、ＳＮＳ［ｋ］の情報から既に分かっている統計値であり、例えば、ＳＮＳ［ｋ］におけるアンケートで得られた統計値、ＳＮＳ［ｋ］の書き込み内容から単語、句等のパターンによって抽出された賛成、反対等の表現の件数に基づく統計値等がある。その際、これらの統計値から、なりすまし等によるバイアスを除去するようにしてもよい。そして、ＳＮＳ［ｋ］の過去の統計値にもテーマカテゴリが付与されているので、テーマカテゴリに関連する統計値を抽出できるようになっている。尚、以下では、この抽出された統計値を「ＳＮＳ関連統計値」と称し、ＳＮＳ［ｋ］の過去の統計値から抽出されたテーマカテゴリＣに関連するＳＮＳ関連統計値をＹ_ｋＣｉ（ｉ＝１，２，…，ｍ_ｃ）と表記するものとする。本実施の形態では、所定の対象に関するインターネットメディア上の評価の度合いを示す第２の評価情報の一例として、また、各政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第２の評価値の一例として、ＳＮＳ関連統計値を用いており、第２の評価情報又は第２の評価値を取得する第２の取得部の一例として、ＳＮＳ関連統計値抽出部２４を設けている。

ＳＮＳ関連統計値記憶部２５は、ＳＮＳ関連統計値抽出部２４が抽出したＳＮＳ関連統計値Ｙ_ｋＣｉを記憶する。

バイアス算出部２６は、リアル関連統計値記憶部２３に記憶されたリアル関連統計値Ｘ_Ｃｉと、ＳＮＳ関連統計値記憶部２５に記憶されたＳＮＳ関連統計値Ｙ_ｋＣｉとに基づいて、ＳＮＳ［ｋ］におけるバイアスＢ_ｋを算出する。本実施の形態では、インターネットメディア上の情報におけるバイアスを推定する推定部の一例として、バイアス算出部２６を設けている。

バイアス記憶部２７は、バイアス算出部２６が算出したＳＮＳ［ｋ］におけるバイアスＢ_ｋを記憶する。

ＳＮＳテーマ統計値受付部３１は、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋを受け付ける。現在のテーマとは、現在調べようとしている統計のテーマであり、現在のテーマ統計値とは、そのテーマの統計値である。ここでは、現在のテーマを、政党Ｐが打ち出した事案Ｑに関連する特定の政策とし、ＳＮＳ［ｋ］の情報から得られたこの特定の政策の賛成率を、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋとして取得するものとする。尚、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋは、上述したＳＮＳ［ｋ］の過去の統計値と同様の方法で取得した統計値であってよい。本実施の形態では、他の対象に関するインターネットメディア上の評価の度合いを示す第３の評価情報の一例として、また、調査の対象の政策に関するインターネットメディア上の肯定的な評価の度合いを示す値である第３の評価値の一例として、ＳＮＳ［ｋ］の現在のテーマ統計値を用いており、第３の評価情報又は第３の評価値を取得する第３の取得部の一例として、ＳＮＳテーマ統計値受付部３１を設けている。

ＳＮＳテーマ統計値記憶部３２は、ＳＮＳテーマ統計値受付部３１が受け付けたＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋを記憶する。

リアルテーマ統計値予測部３３は、ＳＮＳテーマ統計値記憶部３２に記憶されたＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋに対して、バイアス記憶部２７に記憶されたＳＮＳ［ｋ］におけるバイアスＢ_ｋを減ずる補正を行うことにより、ＳＮＳ［ｋ］の補正済みテーマ統計値を算出する。そして、ＳＮＳ［ｋ］の補正済みテーマ統計値の全てのＳＮＳについての平均をとることで、リアルの現在のテーマ統計値を予測する。本実施の形態では、他の対象に関する現実の評価を予測する予測部との一例として、また、調査の対象の政策に関する現実の肯定的な評価の度合いを予測する予測部の一例として、リアルテーマ統計値予測部３３を設けている。

リアルテーマ統計値記憶部３４は、リアルテーマ統計値予測部３３が予測したリアルの現在のテーマ統計値を記憶する。

情報出力部３５は、バイアス記憶部２７に記憶されたＳＮＳ［ｋ］におけるバイアスＢ_ｋと、リアルテーマ統計値記憶部３４に記憶されたリアルの現在のテーマ統計値とを出力する。ここで、ＳＮＳ［ｋ］におけるバイアスＢ_ｋは、テーマカテゴリごとに出力してもよい。

尚、これらの機能部は、ソフトウェアとハードウェア資源とが協働することにより実現される。具体的には、ＣＰＵ１０ａが、テーマカテゴリ受付部２１、リアル関連統計値抽出部２２、ＳＮＳ関連統計値抽出部２４、バイアス算出部２６、ＳＮＳテーマ統計値受付部３１、リアルテーマ統計値予測部３３、情報出力部３５を実現するプログラムを例えば磁気ディスク装置１０ｇからメインメモリ１０ｃに読み込んで実行することにより、これらの機能部は実現される。また、リアル関連統計値記憶部２３、ＳＮＳ関連統計値記憶部２５、バイアス記憶部２７、ＳＮＳテーマ統計値記憶部３２、リアルテーマ統計値記憶部３４は、例えば磁気ディスク装置１０ｇにより実現される。

［統計情報分析装置の第１の動作］
図３は、統計情報分析装置１０の第１の動作例を示したフローチャートである。尚、この第１の動作例では、テーマカテゴリとして、政党Ｐ及び事案Ｑが与えられるものとする。

動作が開始すると、まず、テーマカテゴリ受付部２１は、テーマカテゴリとして政党Ｐ及び事案Ｑを受け付ける（ステップ１０１）。尚、これらのテーマカテゴリは、テーマカテゴリ受付部２１からリアル関連統計値抽出部２２及びＳＮＳ関連統計値抽出部２４へと渡される。

次に、リアル関連統計値抽出部２２は、リアルの過去の統計値から、ステップ１０１で受け付けた政党Ｐに関連するリアル関連統計値Ｘ_Ｐｉと、ステップ１０１で受け付けた事案Ｑに関連するリアル関連統計値Ｘ_Ｑｉとを抽出する（ステップ１０２）。例えば、リアル関連統計値Ｘ_Ｐｉとして、政党Ｐの政策Ｒの賛成率Ｘ_Ｐ１と、政党Ｐの政策Ｓの賛成率Ｘ_Ｐ２と、政党Ｐの政策Ｔの賛成率Ｘ_Ｐ３とを抽出し、リアル関連統計値Ｘ_Ｑｉとして、事案Ｑに関連する政策Ｒの賛成率Ｘ_Ｑ１と、事案Ｑに関連する政策Ｕの賛成率Ｘ_Ｑ２とを抽出する。尚、このリアル関連統計値Ｘ_Ｐｉ及びリアル関連統計値Ｘ_Ｑｉは、リアル関連統計値記憶部２３に記憶される。

また、ＳＮＳ関連統計値抽出部２４は、ＳＮＳ［ｋ］の過去の統計値から、ステップ１０１で受け付けた政党Ｐに関連するＳＮＳ関連統計値Ｙ_ｋＰｉと、ステップ１０１で受け付けた事案Ｑに関連するＳＮＳ関連統計値Ｙ_ｋＱｉとを抽出する（ステップ１０３）。例えば、ＳＮＳ関連統計値Ｙ_ｋＰｉとして、政党Ｐの政策Ｒの賛成率Ｙ_ｋＰ１と、政党Ｐの政策Ｓの賛成率Ｙ_ｋＰ２と、政党Ｐの政策Ｔの賛成率Ｙ_ｋＰ３とを抽出し、ＳＮＳ関連統計値Ｙ_ｋＱｉとして、事案Ｑに関連する政策Ｒの賛成率Ｙ_ｋＱ１と、事案Ｑに関連する政策Ｕの賛成率Ｙ_ｋＱ２とを抽出する。尚、このＳＮＳ関連統計値Ｙ_ｋＰｉ及びＳＮＳ関連統計値Ｙ_ｋＱｉは、ＳＮＳ関連統計値記憶部２５に記憶される。

このように、リアル関連統計値Ｘ_Ｐｉ，Ｘ_Ｑｉがリアル関連統計値記憶部２３に記憶され、ＳＮＳ関連統計値Ｙ_ｋＰｉ，Ｙ_ｋＱｉがＳＮＳ関連統計値記憶部２５に記憶されると、バイアス算出部２６は、リアル関連統計値Ｘ_Ｐｉ，Ｘ_ＱｉとＳＮＳ関連統計値Ｙ_ｋＰｉ，Ｙ_ｋＱｉとに基づいて、ＳＮＳ［ｋ］におけるバイアスＢ_ｋを算出する。即ち、各テーマカテゴリに関連するＳＮＳ関連統計値のリアル関連統計値に対する相対的な値を、全てのテーマカテゴリについて平均化することにより、バイアスＢ_ｋを算出する（ステップ１０４）。ここで、ＳＮＳ関連統計値のリアル関連統計値に対する相対的な値とは、ＳＮＳ関連統計値とリアル関連統計値とのギャップ（隔たり）であり、ＳＮＳ関連統計値とリアル関連統計値との差、ＳＮＳ関連統計値のリアル関連統計値に対する割合、ＳＮＳ関連統計値とリアル関連統計値との差をリアル関連統計値で正規化したもの等がある。例えば、最も単純なバイアスの算出方法は、テーマカテゴリごとのＳＮＳ関連統計値のリアル関連統計値に対する割合を平均する方法であり、次の式によって実現される。

尚、このバイアスＢ_ｋは、バイアス記憶部２７に記憶される。

一方で、ＳＮＳテーマ統計値受付部３１は、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋを受け付ける（ステップ１０５）。尚、このＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋは、ＳＮＳテーマ統計値記憶部３２に記憶される。

その後、リアルテーマ統計値予測部３３は、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋをＳＮＳ［ｋ］におけるバイアスＢ_ｋで補正することにより、ＳＮＳ［ｋ］の補正済みテーマ統計値を算出し、その全てのＳＮＳについて平均化することでリアルの現在のテーマ統計値を予測する（ステップ１０６）。ここで、ＳＮＳ［ｋ］の補正済みテーマ統計値は、例えば、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋにＳＮＳ［ｋ］におけるバイアスＢ_ｋの逆数を乗ずることにより、つまり、Ｚ_ｋ／Ｂ_ｋという計算を行うことにより、算出すればよい。また、ＳＮＳ［ｋ］の補正済みテーマ統計値の平均化は、次の式によって行うとよい。

また、ＳＮＳ［ｋ］の補正済みテーマ統計値の平均化の方法としては、このような相加平均の他に、相乗平均、ＳＮＳの利用者数やページ閲覧数等による加重平均等も考えられる。

そして、最後に、情報出力部３５は、バイアス記憶部２７に記憶されたＳＮＳ［ｋ］におけるバイアスＢ_ｋと、リアルテーマ統計値記憶部３４に記憶されたリアルの現在のテーマ統計値とを出力する（ステップ１０７）。

ここで、このような動作の結果、統計情報分析装置１０の各記憶部に記憶される情報について具体的に説明する。

図４（ａ），（ｂ）は、リアル関連統計値記憶部２３に記憶される情報の一例を示した図である。

（ａ）は、ステップ１０２で抽出されてリアル関連統計値記憶部２３に記憶された政党Ｐに関連するリアル関連統計値Ｘ_Ｐｉについての情報の一例である。ここでは、政党Ｐが打ち出した政策Ｒの賛成率Ｘ_Ｐ１と、政党Ｐが打ち出した政策Ｓの賛成率Ｘ_Ｐ２と、政党Ｐが打ち出した政策Ｔの賛成率Ｘ_Ｐ３とが示されている。

（ｂ）は、ステップ１０２で抽出されてリアル関連統計値記憶部２３に記憶された事案Ｑに関連するリアル関連統計値Ｘ_Ｑｉについての情報の一例である。ここでは、事案Ｑに関連する政策Ｒの賛成率Ｘ_Ｑ１と、事案Ｑに関連する政策Ｕの賛成率Ｘ_Ｑ２とが示されている。

図５（ａ），（ｂ）は、ＳＮＳ関連統計値記憶部２５に記憶される情報の一例を示した図である。

（ａ）は、ステップ１０３で抽出されてＳＮＳ関連統計値記憶部２５に記憶された政党Ｐに関連するＳＮＳ関連統計値Ｙ_ｋＰｉについての情報の一例である。ここでは、ＳＮＳ［１］について、政党Ｐが打ち出した政策Ｒの賛成率Ｙ１_Ｐ１と、政党Ｐが打ち出した政策Ｓの賛成率Ｙ１_Ｐ２と、政党Ｐが打ち出した政策Ｔの賛成率Ｙ１_Ｐ３とが示されている。また、ＳＮＳ［２］について、政党Ｐが打ち出した政策Ｒの賛成率Ｙ２_Ｐ１、政党Ｐが打ち出した政策Ｓの賛成率Ｙ２_Ｐ２、政党Ｐが打ち出した政策Ｔの賛成率Ｙ２_Ｐ３とが示されている。

（ｂ）は、ステップ１０３で抽出されてＳＮＳ関連統計値記憶部２５に記憶された事案Ｑに関連するＳＮＳ関連統計値Ｙ_ｋＱｉについての情報の一例である。ここでは、ＳＮＳ［１］について、事案Ｑに関連する政策Ｒの賛成率Ｙ１_Ｑ１、事案Ｑに関連する政策Ｕの賛成率Ｙ１_Ｑ２が示されている。また、ＳＮＳ［２］について、事案Ｑに関連する政策Ｒの賛成率Ｙ２_Ｑ１、事案Ｑに関連する政策Ｕの賛成率Ｙ２_Ｑ２が示されている。

図６は、バイアス記憶部２７に記憶される情報の一例を示した図である。ここでは、ステップ１０４で算出されたＳＮＳ［１］におけるバイアスＢ_１、ＳＮＳ［２］におけるバイアスＢ_２、ＳＮＳ［３］におけるバイアスＢ_３が、それぞれ、図示するような計算で求められる値であることが示されている。

［統計情報分析装置の第２の動作］
図７は、統計情報分析装置１０の第２の動作例を示したフローチャートである。尚、この第２の動作例でも、テーマカテゴリとして、政党Ｐ及び事案Ｑが与えられるものとする。

動作が開始すると、まず、テーマカテゴリ受付部２１は、テーマカテゴリとして政党Ｐ及び事案Ｑを受け付ける（ステップ１５１）。尚、これらのテーマカテゴリは、テーマカテゴリ受付部２１からリアル関連統計値抽出部２２及びＳＮＳ関連統計値抽出部２４へと渡される。

次に、リアル関連統計値抽出部２２は、リアルの過去の統計値から、ステップ１５１で受け付けた政党Ｐ及び事案Ｑの両方に関連するリアル関連統計値Ｘ_ＰＱｉを抽出する（ステップ１５２）。例えば、リアル関連統計値Ｘ_ＰＱｉとして、政党Ｐの政策であって事案Ｑに関連する政策である政策Ｒの賛成率Ｘ_ＰＱ１を抽出する。尚、このリアル関連統計値Ｘ_ＰＱｉは、リアル関連統計値記憶部２３に記憶される。

また、ＳＮＳ関連統計値抽出部２４は、ＳＮＳ［ｋ］の過去の統計値から、ステップ１５１で受け付けた政党Ｐ及び事案Ｑの両方に関連するＳＮＳ関連統計値Ｙ_ｋＰＱｉを抽出する（ステップ１５３）。例えば、ＳＮＳ関連統計値Ｙ_ｋＰＱｉとして、政党Ｐの政策であって事案Ｑに関連する政策である政策Ｒの賛成率Ｙ_ｋＰＱ１を抽出する。尚、このＳＮＳ関連統計値Ｙ_ｋＰＱｉは、ＳＮＳ関連統計値記憶部２５に記憶される。

次いで、リアル関連統計値抽出部２２は、リアルの過去の統計値から、ステップ１５１で受け付けた政党Ｐに関連し事案Ｑに関連しないリアル関連統計値Ｘ_Ｐｉを抽出する（ステップ１５４）。例えば、リアル関連統計値Ｘ_Ｐｉとして、政党Ｐの政策であって事案Ｑに関連しない政策である政策Ｓの賛成率Ｘ_Ｐ１と、政党Ｐの政策であって事案Ｑに関連しない政策である政策Ｔの賛成率Ｘ_Ｐ２とを抽出する。尚、このリアル関連統計値Ｘ_Ｐｉは、リアル関連統計値記憶部２３に記憶される。

また、ＳＮＳ関連統計値抽出部２４は、ＳＮＳ［ｋ］の過去の統計値から、ステップ１５１で受け付けた政党Ｐに関連し事案Ｑに関連しないＳＮＳ関連統計値Ｙ_ｋＰｉを抽出する（ステップ１５５）。例えば、ＳＮＳ関連統計値Ｙ_ｋＰｉとして、政党Ｐの政策であって事案Ｑに関連しない政策である政策Ｓの賛成率Ｙ_ｋＰ１と、政党Ｐの政策であって事案Ｑに関連しない政策である政策Ｔの賛成率Ｙ_ｋＰ２とを抽出する。尚、このＳＮＳ関連統計値Ｙ_ｋＰｉは、ＳＮＳ関連統計値記憶部２５に記憶される。

次いで、リアル関連統計値抽出部２２は、リアルの過去の統計値から、ステップ１５１で受け付けた政党Ｐに関連せず事案Ｑに関連するリアル関連統計値Ｘ_Ｑｉを抽出する（ステップ１５６）。例えば、リアル関連統計値Ｘ_Ｑｉとして、政党Ｐの政策でなく事案Ｑに関連する政策である政策Ｕの賛成率Ｘ_Ｑ１を抽出する。尚、このリアル関連統計値Ｘ_Ｑｉは、リアル関連統計値記憶部２３に記憶される。

また、ＳＮＳ関連統計値抽出部２４は、ＳＮＳ［ｋ］の過去の統計値から、ステップ１５１で受け付けた政党Ｐに関連せず事案Ｑに関連するＳＮＳ関連統計値Ｙ_ｋＱｉを抽出する（ステップ１５７）。例えば、ＳＮＳ関連統計値Ｙ_ｋＱｉとして、政党Ｐの政策でなく事案Ｑに関連する政策である政策Ｕの賛成率Ｙ_ｋＱ１を抽出する。尚、このＳＮＳ関連統計値Ｙ_ｋＱｉは、ＳＮＳ関連統計値記憶部２５に記憶される。

このように、リアル関連統計値Ｘ_ＰＱｉ，Ｘ_Ｐｉ，Ｘ_Ｑｉがリアル関連統計値記憶部２３に記憶され、ＳＮＳ関連統計値Ｙ_ｋＰＱｉ，Ｙ_ｋＰｉ，Ｙ_ｋＱｉがＳＮＳ関連統計値記憶部２５に記憶されると、バイアス算出部２６は、リアル関連統計値Ｘ_ＰＱｉ，Ｘ_Ｐｉ，Ｘ_ＱｉとＳＮＳ関連統計値Ｙ_ｋＰＱｉ，Ｙ_ｋＰｉ，Ｙ_ｋＱｉとに基づいて、ＳＮＳ［ｋ］におけるバイアスＢ_ｋを算出する。即ち、ある統計のテーマに関するＳＮＳ関連統計値のリアル関連統計値に対する相対的な値を目的変数とし、その統計のテーマが属するテーマカテゴリに対応する要素を「１」、その統計のテーマが属しないテーマカテゴリに対応する要素を「０」とするベクトルを説明変数として、回帰することにより、バイアスＢ_ｋを算出する（ステップ１５８）。ここで、ＳＮＳ関連統計値のリアル関連統計値に対する相対的な値とは、ＳＮＳ関連統計値とリアル関連統計値とのギャップ（隔たり）であり、ＳＮＳ関連統計値とリアル関連統計値との差、ＳＮＳ関連統計値のリアル関連統計値に対する割合、ＳＮＳ関連統計値とリアル関連統計値との差をリアル関連統計値で正規化したもの等がある。また、回帰する際には、説明変数（ｕ，ｖ）の要素ｕ、ｖを、それぞれ、政党Ｐへの関連の有無、事案Ｑへの関連の有無を表す変数とし、各説明変数に対して、目的変数を（Ｙ_ｋ−Ｘ）／Ｘと定める。つまり、説明変数（１，１）に対して、目的変数を（Ｙ_ｋＰＱｉ−Ｘ_ＰＱｉ）／Ｘ_ＰＱｉとし、説明変数（１，０）に対して、目的変数を（Ｙ_ｋＰｉ−Ｘ_Ｐｉ）／Ｘ_Ｐｉとし、説明変数（０，１）に対して、目的変数を（Ｙ_ｋＱｉ−Ｘ_Ｑｉ）／Ｘ_Ｑｉとする。そして、回帰した結果、次の回帰式が得られ、（ａ_ｋ，ｂ_ｋ）がＳＮＳ［ｋ］におけるバイアスＢ_ｋとなる。

ここで、このＳＮＳ［ｋ］におけるバイアスＢ_ｋには、テーマカテゴリに関連する統計のテーマがＳＮＳ［ｋ］においてどれだけ支持され易くなるかという情報が含まれることになる。

また、上記のバリエーションとして、統計のテーマとテーマカテゴリとの関連を「０」、「１」だけでなく、関連しないことを示す指標（極性）、関連の度合いを示す指標（関連度）等を示す連続的な値として与えてもよい。

一方で、ＳＮＳテーマ統計値受付部３１は、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋを受け付ける（ステップ１５９）。尚、このＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋは、ＳＮＳテーマ統計値記憶部３２に記憶される。

その後、リアルテーマ統計値予測部３３は、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋをＳＮＳ［ｋ］におけるバイアスＢ_ｋで補正することにより、ＳＮＳ［ｋ］の補正済みテーマ統計値を算出し、その全てのＳＮＳについて平均化することでリアルの現在のテーマ統計値を予測する（ステップ１６０）。ここで、ＳＮＳ［ｋ］の補正済みテーマ統計値は、例えば、ＳＮＳ［ｋ］の現在のテーマ統計値Ｚ_ｋを上記回帰式のＹ_ｋに代入してＸについて解くことにより、算出すればよい。即ち、上記回帰式を用いた場合は、次の式によって求めるとよい。

また、ＳＮＳ［ｋ］の補正済みテーマ統計値の平均化の方法としては、相加平均、相乗平均、ＳＮＳの利用者数やページ閲覧数等による加重平均等が考えられる。

そして、最後に、情報出力部３５は、バイアス記憶部２７に記憶されたＳＮＳ［ｋ］におけるバイアスＢ_ｋと、リアルテーマ統計値記憶部３４に記憶されたリアルの現在のテーマ統計値とを出力する（ステップ１６１）。

ここで、このような動作の結果、統計情報分析装置１０の各記憶部に記憶される情報について具体的に説明する。

図８（ａ）〜（ｃ）は、リアル関連統計値記憶部２３に記憶される情報の一例を示した図である。

（ａ）は、ステップ１５２で抽出されてリアル関連統計値記憶部２３に記憶された政党Ｐ及び事案Ｑの両方に関連するリアル関連統計値Ｘ_ＰＱｉについての情報の一例である。ここでは、政党Ｐが打ち出した事案Ｑに関連する政策Ｒの賛成率Ｘ_ＰＱ１が示されている。

（ｂ）は、ステップ１５４で抽出されてリアル関連統計値記憶部２３に記憶された政党Ｐに関連し事案Ｑに関連しないリアル関連統計値Ｘ_Ｐｉについての情報の一例である。ここでは、政党Ｐが打ち出した事案Ｑに関連しない政策Ｓの賛成率Ｘ_Ｐ１と、政党Ｐが打ち出した事案Ｑに関連しない政策Ｔの賛成率Ｘ_Ｐ２とが示されている。

（ｃ）は、ステップ１５６で抽出されてリアル関連統計値記憶部２３に記憶された政党Ｐに関連せず事案Ｑに関連するリアル関連統計値Ｘ_Ｑｉについての情報の一例である。ここでは、政党Ｐが打ち出していない事案Ｑに関連する政策Ｕの賛成率Ｘ_Ｑ１が示されている。

図９（ａ）〜（ｃ）は、ＳＮＳ関連統計値記憶部２５に記憶される情報の一例を示した図である。

（ａ）は、ステップ１５３で抽出されてＳＮＳ関連統計値記憶部２５に記憶された政党Ｐ及び事案Ｑの両方に関連するＳＮＳ関連統計値Ｙ_ｋＰＱｉについての情報の一例である。ここでは、政党Ｐが打ち出した事案Ｑに関連する政策Ｒの賛成率Ｙ_ｋＰＱ１が示されている。

（ｂ）は、ステップ１５５で抽出されてＳＮＳ関連統計値記憶部２５に記憶された政党Ｐに関連し事案Ｑに関連しないＳＮＳ関連統計値Ｙ_ｋＰｉについての情報の一例である。ここでは、政党Ｐが打ち出した事案Ｑに関連しない政策Ｓの賛成率Ｙ_ｋＰ１と、政党Ｐが打ち出した事案Ｑに関連しない政策Ｔの賛成率Ｙ_ｋＰ２とが示されている。

（ｃ）は、ステップ１５７で抽出されてＳＮＳ関連統計値記憶部２５に記憶された政党Ｐに関連せず事案Ｑに関連するＳＮＳ関連統計値Ｙ_ｋＱｉについての情報の一例である。ここでは、政党Ｐが打ち出していない事案Ｑに関連する政策Ｕの賛成率Ｙ_ｋＱ１が示されている。

図１０は、バイアス記憶部２７に記憶される情報の一例を示した図である。ここでは、ステップ１５８で算出されたＳＮＳ［１］におけるバイアスＢ_１、ＳＮＳ［２］におけるバイアスＢ_２、ＳＮＳ［３］におけるバイアスＢ_３が、それぞれ、図示するような回帰計数で与えられることが示されている。

以上述べたように、本実施の形態では、リアルの過去の統計値からテーマカテゴリに該当するリアル関連統計値を抽出し、ＳＮＳの過去の統計値からテーマカテゴリに該当するＳＮＳ関連統計値を抽出し、リアル関連統計値とＳＮＳ関連統計値とのギャップに基づいて、ＳＮＳにおけるバイアスを算出するようにした。これにより、ＳＮＳの情報におけるバイアスを把握した上でその情報に基づく調査を行えるようになった。

このように、本実施の形態では、ＳＮＳの情報に基づく調査のためにバイアスを用いるようにしたが、この限りではない。ＳＮＳの変化（例えば右傾化してきた等）を把握するために、バイアスを用いるようにしてもよい。

ここで、本発明は、全てハードウェアで実現してもよいし、全てソフトウェアで実現してもよい。また、ハードウェア及びソフトウェアの両方により実現することも可能である。また、本発明は、コンピュータ、データ処理システム、コンピュータプログラムとして実現することができる。このコンピュータプログラムは、コンピュータにより読取り可能な媒体に記憶され、提供され得る。ここで、媒体としては、電子的、磁気的、光学的、電磁的、赤外線又は半導体システム（装置又は機器）、或いは、伝搬媒体が考えられる。また、コンピュータにより読取り可能な媒体としては、半導体、ソリッドステート記憶装置、磁気テープ、取り外し可能なコンピュータディスケット、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、リジッド磁気ディスク、及び光ディスクが例示される。現時点における光ディスクの例には、コンパクトディスク−リードオンリーメモリ（ＣＤ−ＲＯＭ）、コンパクトディスク−リード／ライト（ＣＤ−Ｒ／Ｗ）及びＤＶＤが含まれる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態には限定されない。本発明の精神及び範囲から逸脱することなく様々に変更したり代替態様を採用したりすることが可能なことは、当業者に明らかである。

１０…統計情報分析装置、２１…テーマカテゴリ受付部、２２…リアル関連統計値抽出部、２３…リアル関連統計値記憶部、２４…ＳＮＳ関連統計値抽出部、２５…ＳＮＳ関連統計値記憶部、２６…バイアス算出部、２７…バイアス記憶部、３１…ＳＮＳテーマ統計値受付部、３２…ＳＮＳテーマ統計値記憶部、３３…リアルテーマ統計値予測部、３４…リアルテーマ統計値記憶部、３５…情報出力部

Claims (9)

1. インターネットメディア上の情報に基づく調査を支援する装置であって、
   所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得する第１の取得部と、
   前記所定の対象に関する前記インターネットメディア上の評価の度合いを示す第２の評価情報を取得する第２の取得部と、
   前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりに基づいて、前記インターネットメディアのユーザ層の偏りによる当該インターネットメディア上の情報におけるバイアスを推定する推定部と
   を含む、装置。
2. 前記第１の取得部は、所定のカテゴリに属する前記所定の対象に関する現実社会における調査で得られた評価の度合いを示す前記第１の評価情報を取得し、
   前記第２の取得部は、前記所定のカテゴリに属する前記所定の対象に関する前記インターネットメディア上の評価の度合いを示す前記第２の評価情報を取得し、
   前記推定部は、前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりに基づいて、前記インターネットメディア上の情報における前記所定のカテゴリに対するバイアスを推定する、請求項１の装置。
3. 前記第１の取得部は、複数の対象の各対象について、当該各対象に関する現実社会における調査で得られた評価の度合いを示す前記第１の評価情報を取得し、
   前記第２の取得部は、前記複数の対象の各対象について、当該各対象に関する前記インターネットメディア上の評価の度合いを示す前記第２の評価情報を取得し、
   前記推定部は、前記複数の対象の各対象についての前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりを当該複数の対象について平均化することにより、前記インターネットメディア上の情報におけるバイアスを推定する、請求項１又は請求項２の装置。
4. 前記第１の取得部は、複数のカテゴリの何れかに属する複数の対象の各対象について、当該各対象に関する現実社会における調査で得られた評価の度合いを示す前記第１の評価情報を取得し、
   前記第２の取得部は、前記複数の対象の各対象について、当該各対象に関する前記インターネットメディア上の評価の度合いを示す前記第２の評価情報を取得し、
   前記推定部は、前記複数の対象の各対象についての前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりを示す情報を目的変数とし、当該各対象が前記複数のカテゴリの各々に属するかどうかを示す情報を説明変数として回帰することにより、前記インターネットメディア上の情報におけるバイアスを推定する、請求項１又は請求項２の装置。
5. 前記所定の対象に関連する他の対象に関する前記インターネットメディア上の評価の度合いを示す第３の評価情報を取得する第３の取得部と、
   前記バイアスと前記第３の評価情報とに基づいて、前記他の対象に関する現実の評価を予測する予測部と
   を更に含む、請求項１乃至請求項４の何れかの装置。
6. インターネットメディア上の情報に基づく調査を支援する装置であって、
   前記調査の対象の政策に応じて予め定められた複数のカテゴリの何れかに属する複数の政策の各政策について、当該各政策に関する現実社会における調査で得られた肯定的な評価の度合いを示す値である第１の評価値を取得する第１の取得部と、
   前記複数の政策の各政策について、当該各政策に関する前記インターネットメディア上の肯定的な評価の度合いを示す値である第２の評価値を取得する第２の取得部と、
   前記複数の政策の各政策についての前記第１の評価値に対する前記第２の評価値の隔たりの度合いを当該複数の政策について平均化することにより、前記インターネットメディアのユーザ層の偏りによる当該インターネットメディア上の情報におけるバイアスを推定する推定部と、
   前記調査の対象の政策に関する前記インターネットメディア上の肯定的な評価の度合いを示す値である第３の評価値を取得する第３の取得部と、
   前記バイアスに基づいて前記第３の評価値を補正することにより、前記調査の対象の政策に関する現実の肯定的な評価の度合いを予測する予測部と
   を含む、装置。
7. インターネットメディア上の情報に基づく調査を支援する装置であって、
   前記調査の対象の政策に応じて予め定められた複数のカテゴリの何れかに属する複数の政策の各政策について、当該各政策に関する現実社会における調査で得られた肯定的な評価の度合いを示す値である第１の評価値を取得する第１の取得部と、
   前記複数の政策の各政策について、当該各政策に関する前記インターネットメディア上の肯定的な評価の度合いを示す値である第２の評価値を取得する第２の取得部と、
   前記複数の政策の各政策についての前記第１の評価値に対する前記第２の評価値の隔たりの度合いを目的変数とし、当該各政策が前記複数のカテゴリの各々に属するかどうかを示す情報を説明変数として回帰することにより、前記インターネットメディアのユーザ層の偏りによる当該インターネットメディア上の情報におけるバイアスを回帰係数とする回帰式を推定する推定部と、
   前記調査の対象の政策に関する前記インターネットメディア上の肯定的な評価の度合いを示す値である第３の評価値を取得する第３の取得部と、
   前記回帰式の目的変数における前記第２の評価値として前記第３の評価値を設定することにより、前記調査の対象の政策に関する現実の肯定的な評価の度合いを予測する予測部と
   を含む、装置。
8. インターネットメディア上の情報に基づく調査をコンピュータが支援する方法であって、
   前記コンピュータの第１の取得部が、所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得するステップと、
   前記コンピュータの第２の取得部が、前記所定の対象に関する前記インターネットメディア上の評価の度合いを示す第２の評価情報を取得するステップと、
   前記コンピュータの推定部が、前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりに基づいて、前記インターネットメディアのユーザ層の偏りによる当該インターネットメディア上の情報におけるバイアスを推定するステップと
   を含む、方法。
9. インターネットメディア上の情報に基づく調査を支援する装置として、コンピュータを機能させるプログラムであって、
   前記コンピュータを、
   所定の対象に関する現実社会における調査で得られた評価の度合いを示す第１の評価情報を取得する第１の取得部と、
   前記所定の対象に関する前記インターネットメディア上の評価の度合いを示す第２の評価情報を取得する第２の取得部と、
   前記第１の評価情報により示される評価の度合いに対する前記第２の評価情報により示される評価の度合いの隔たりに基づいて、前記インターネットメディアのユーザ層の偏りによる当該インターネットメディア上の情報におけるバイアスを推定する推定部と
   して機能させる、プログラム。

Images