JP6070951B2 - 評価の分析を支援する装置及び方法 - Google Patents

Description

本発明は、評価の分析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評価の分析を支援する装置及び方法に関する。

現在、インターネット上では、電子掲示板、ブログ、ＳＮＳ（Social Networking Service）、ニュースサイトのコメント欄等のインターネットメディアに、様々な対象に対する評価が書き込まれている。このような評価は、インターネットメディア上のデータをテキストマイニングツールでクロールして分析することが可能である。

ここで、インターネットメディア上のデータをクロールして評価を分析する技術は、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、２参照）。

特許文献１は、一以上の記事からなる文章を閲覧・投稿可能な利用者端末から文章たる口コミ情報を蓄積・公開するＷｅｂサーバとネットワークを介して接続され且つＷｅｂサーバにより公開されている口コミ情報を解析する口コミ情報解析装置を用いた解析方法であって、公開されている口コミ情報から、投稿者名その他のユーザ情報、投稿日時その他の時間情報、投稿文章その他の文章情報に区別して抽出し、抽出されたユーザ情報、時間情報、文章情報を任意に組合せて分析し統計処理を行うことにより、口コミ情報の解析を行う、口コミ情報解析方法を開示する。

特許文献２は、２以上の検索対象を特定する情報である検索情報を受け付ける受付部と、検索情報により特定される２以上の検索対象の評価に関する情報である２以上の対象情報を２以上の元情報から取得する対象情報取得部と、２以上の検索対象の対象情報を出力する出力部を具備する情報処理装置であり、かかる情報処理装置により多数のホームページ等の元情報から、店舗等の検索対象の評価に関する情報を収集できる情報処理装置を開示する。

一方で、統計解析において、サンプリングバイアスの評価、減少を行うことにより正確な解析結果を得ることを可能とする技術も、公報記載の技術として知られている（例えば、特許文献３参照）。

特許文献３は、必要なパラメータを入力データとして取り込み、パラメータに従って小集団を２つ作り、これを混合してサンプルデータとし、このようにして作られた小集団と混合集団を統計的手法に基づいて解析し、混合集団の距離マトリクスを作成して新たな小集団（クラスタ）を複数生成し、各クラスタの統計的解析を行う装置を開示する。

特開２００４−１８５５７２号公報 ＷＯ２００６／００８９１９号公報 特開２００２−１３２７４９号公報

上述したように、インターネットメディア上の評価の分析は、従来から可能であった。

しかしながら、それらの評価の中には風評と思われるものが混ざっている場合がある。インターネット上での発言の中には、対象に意見があるためになされた発言だけでなく、単なる気晴らしのためになされた発言や、発言者特有の物の言い方に原因がある発言もあるからである。

このような場合、特許文献１、２の技術では、評価の分析を正確に行えない可能性がある。また、特許文献３の技術は、サンプリングバイアスの評価、減少を行うことにより正確な解析結果を得るものであるが、風評と思われる評価が混ざっている場合に評価の分析を正確に行うものではない。

ここで、風評と思われる評価が混ざっている場合の評価の分析は、社会心理学の理論を用いて行うことが可能であるが、インターネットメディア上の評価の分析を社会心理学の理論を用いて行う手法はまだ確立していない。仮に、インターネットメディア上の評価の分析を社会心理学の理論を用いて行うとすると、インターネットメディア上の膨大なデータを効率よく処理できるようにする必要がある。つまり、現状では、インターネットメディア上の評価の分析を効率よく行えない。

本発明の目的は、インターネットメディア上の評価の分析を、風評と思われるものが含まれていても正確に、かつ、効率よく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評価の分析を支援する装置であって、インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうちＮ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価と、Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうちＭ個の評価主体の各評価主体が評価した評価対象に対する各評価主体による評価とを示す評価情報を取得する取得部と、所定の評価対象に対する評価のばらつき度合いとＮ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価対象に対する評価の合意性を示す合意性情報を生成する第１の生成部と、所定の評価主体による評価のばらつき度合いとＭ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価主体による評価の弁別性を示す弁別性情報を生成する第２の生成部と、合意性情報と弁別性情報とを出力する出力部とを含む、装置を提供する。この場合、出力部は、合意性情報が示す合意性と弁別性情報が示す弁別性との組み合わせに対して予め定義された所定の評価主体による所定の評価対象に対する評価の原因を示す原因情報を更に出力する、ものであってよい。

また、この装置は、所定の評価主体による所定の評価対象に対する評価のばらつき度合いと所定の評価主体によるＬ個の評価対象のうち所定の評価主体が評価した評価対象に対する評価のばらつき度合いとの一致度を、評価情報に基づいて求めることにより、所定の評価主体による所定の評価対象に対する評価の一貫性を示す一貫性情報を生成する第３の生成部を更に含む、ものであってよい。この場合、出力部は、合意性情報が示す合意性と弁別性情報が示す弁別性と一貫性情報が示す一貫性との組み合わせに対して予め定義された所定の評価主体による所定の評価対象に対する評価の原因を示す原因情報を更に出力する、ものであってよい。また、出力部は、合意性情報が示す合意性のレベルが閾値より高く、弁別性情報が示す弁別性のレベルが閾値より高く、一貫性情報が示す一貫性のレベルが閾値より高い場合に、所定の評価主体による所定の評価対象に対する評価の原因が風評である可能性が低い旨の情報を原因情報として出力し、合意性情報が示す合意性のレベルが閾値より低く、弁別性情報が示す弁別性のレベルが閾値より低く、一貫性情報が示す一貫性のレベルが閾値より高い場合に、所定の評価主体による所定の評価対象に対する評価の原因が風評である可能性が高い旨の情報を原因情報として出力する、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評価の分析を支援する装置であって、インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示す評価データから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうちＮ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価を示す第１の評価情報を取得する第１の取得部と、評価データから、Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうちＭ個の評価主体の各評価主体が評価したＮ個の評価対象以外の評価対象に対する各評価主体による評価を示す第２の評価情報を取得する第２の取得部と、所定の評価対象に対する評価の分散のＮ個の評価対象の各評価対象に対する評価の分散の平均に対する比率により所定の評価対象に対する評価の合意性を示す合意性情報を、第１の評価情報に基づいて生成する第１の生成部と、所定の評価主体による評価の分散のＭ個の評価主体の各評価主体による評価の分散の平均に対する比率により所定の評価主体による評価の弁別性を示す弁別性情報を、第１の評価情報と第２の評価情報とに基づいて生成する第２の生成部と、所定の評価主体による所定の評価対象に対する評価の分散の、所定の評価主体によるＬ個の評価対象のうち所定の評価主体が評価した評価対象に対する評価の分散に対する比率により、所定の評価主体による所定の評価対象に対する評価の一貫性を示す一貫性情報を、第１の評価情報と第２の評価情報とに基づいて生成する第３の生成部と、合意性情報と弁別性情報と一貫性情報とを出力する出力部とを含む、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評価の分析を支援する方法であって、インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうちＮ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価と、Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうちＭ個の評価主体の各評価主体が評価した評価対象に対する各評価主体による評価とを示す評価情報を取得するステップと、所定の評価対象に対する評価のばらつき度合いとＮ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価対象に対する評価の合意性を示す合意性情報を生成するステップと、所定の評価主体による評価のばらつき度合いとＭ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価主体による評価の弁別性を示す弁別性情報を生成するステップと、合意性情報と弁別性情報とを出力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評価の分析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、インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうちＮ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価と、Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうちＭ個の評価主体の各評価主体が評価した評価対象に対する各評価主体による評価とを示す評価情報を取得する取得部と、所定の評価対象に対する評価のばらつき度合いとＮ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価対象に対する評価の合意性を示す合意性情報を生成する第１の生成部と、所定の評価主体による評価のばらつき度合いとＭ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、評価情報に基づいて求めることにより、所定の評価主体による評価の弁別性を示す弁別性情報を生成する第２の生成部と、合意性情報と弁別性情報とを出力する出力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評価の分析を、風評と思われるものが含まれていても正確に、かつ、効率よく行えるようになる。

本発明の実施の形態における評判分析装置の全体構成例を示したブロック図である。 合意性について説明するための図である。 弁別性について説明するための図である。 一貫性について説明するための図である。 原因帰属について説明するための図である。 合意性、弁別性及び一貫性のレベルの組み合わせと評価の原因との対応関係の一例を示した図である。 ＳＮＳにおける被採点者と採点者との関係の一例を示した図である。 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評判分析装置に含まれるクローラ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評判分析装置に含まれるサーバ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評判分析装置に含まれるクローラ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でクローラがデータベースに記憶する第１採点情報の一例を示した図である。 本発明の実施の形態でクローラがデータベースに記憶する第２採点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評判分析装置に含まれるサーバ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評判分析装置に含まれるサーバ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評判分析装置に含まれるサーバ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でサーバが合意性、弁別性、一貫性を示す値を記憶する際のデータ構造の一例を示した図である。 本発明の実施の形態でサーバが合意性、弁別性、一貫性を示す値を表示する画面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評判を分析する評判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、ブログ、ニュースサイト等）を除外する趣旨ではない。

［評判分析装置の機能構成］
図１は、本実施の形態における評判分析装置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、評判分析装置１０は、クローラ２０と、サーバ３０と、ユーザインターフェース部４０と、データベース５０とを含む。

クローラ２０は、サーバ３０により指定されたＳＮＳに含まれるページをクロールすることにより、ＳＮＳ上での対象に対する評価を点数化した情報を取得する。例えば、ＳＮＳには、対象に対する評価を数値で行うタイプのものや、対象に対する評価を２つの意見（例えば、「そう思う」、「そう思わない」）の何れかを選択することで行うタイプのものがあるが、このようなタイプのＳＮＳであれば、対象に対する評価を点数化するのは比較的容易である。一方、ＳＮＳには、対象に対する評価を数値によらずに言葉で行うタイプのものもあるが、このようなタイプのＳＮＳについては、テキストマイニングツールによりテキストを分析し、肯定的な表現及び否定的な表現の数値化等を行うことにより、対象に対する評価を点数化する。尚、以下では、評価の点数化を「採点」、評価の主体を「採点者」、評価の対象を「被採点者」、評価を点数化した情報を「採点情報」と呼ぶことにする。尚、採点は評価の一例であり、採点者は評価主体の一例であり、被採点者は評価対象の一例であり、採点情報は評価情報の一例である。また、クローラ２０は、採点情報を取得すると、これをデータベース５０に記憶する。

サーバ３０は、データベース５０に記憶された採点情報に基づき、採点者による被採点者に対する採点について、社会心理学で言うところの合意性、弁別性及び一貫性を示す値を算出し、これらの値をデータベース５０に記憶する。また、サーバ３０は、ユーザインターフェース部４０から指示があると、データベース５０に記憶された合意性、弁別性及び一貫性を示す値の全部又は一部をユーザインターフェース部４０に出力したり、データベース５０に記憶された合意性、弁別性及び一貫性を示す値に基づき、社会心理学で言うところの原因帰属を行って、その結果をユーザインターフェース部４０に出力したりする。

［サーバの動作の理論］
まず、合意性について説明する。例えば、図２に示すように、複数のタレントの中でタレントＹのみが多くの人から嫌われている場合を考える。この場合、タレントＹに対する評判は「合意性が高い」と言うことができる。

次に、弁別性について説明する。例えば、図３に示すように、複数の発言者の中で発言者Ｃのみがどのような話題に対しても批判的な発言をしている場合を考える。この場合、発言者Ｃの発言は「弁別性が低い」と言うことができる。

次に、一貫性について説明する。例えば、図４に示すように、発言者ＡはタレントＸの失言に対して批判的な発言をしているのに対し、発言者ＣはタレントＸのどのような話題に対しても批判的な発言をしている場合を考える。この場合、発言者ＡのタレントＸに対する発言は、一貫して批判的というわけではないので、「一貫性が低い」と言うことができる。これに対し、発言者ＣのタレントＸに対する発言は、一貫して批判的なので、「一貫性が高い」と言うことができる。

次いで、原因帰属について説明する。ここで、帰属には、内的帰属と外的帰属とがある。人柄のせいにするのが内的帰属であり、事情のせいにするのが外的帰属である。より詳しく言えば、内的帰属では、行動の原因は内的原因、つまり、個人の性格や態度や特質や気質であるとされる。外的帰属では、行動の原因は外的原因、つまり、行動が行われた周囲の状況であるとされる。これらの何れを選択するかによって、行動を行った個人への全く異なった見方が導かれる。行動の原因が内的原因であるか外的原因であるかは、合意性、弁別性及び一貫性を総合的に勘案して判断される。また、原因は複合的であり、外的原因と内的原因とが共存している場合もある。更に、状況（時又は様態）に原因がある場合もある。

例えば、図５（ａ）に示すように、多くの人が特定の対象に対して批判的な発言をする原因は、外的原因である可能性があるので、対象に問題があると考えられる。また、図５（ｂ）に示すように、何に対しても批判的な発言をする人がある発言をした原因は、内的原因である可能性があるので、そのような人の言い分は当てにならないことが多い。

即ち、合意性、弁別性及び一貫性のレベルの組み合わせと、評判の原因の帰属先（内的原因、外的原因、状況的原因の何れに帰属するか）との対応関係は、図６に示したようなものとなる。図６では、評判の原因の帰属先に対して、更に、評判が風評であるかどうかも対応付けている。ここで、本実施の形態では、評判と風評との違いを次のように定義する。即ち、評判とは、何らかの対象に対する様々な意見であり、風評とは、外的原因よりもむしろ内的原因に帰属する評判である。そして、「独自の風評」とは、合意性の低い風評をいうものとする。

尚、図６に示した対応関係はあくまで一例である。帰属理論は、社会心理学の中でも種々のバリエーションがあるので、このような対応関係に限定する必要はない。

［クローラの動作の概略］
図７は、ＳＮＳにおける被採点者と採点者との関係の一例を示した図である。図示するように、ＳＮＳには、被採点者の母集団と採点者の母集団という２種類の母集団がある。クローラ２０は、被採点者の母集団から、Ｎ件の被採点者を含む被採点者の標本を抽出する（Ｎは自然数）。また、クローラ２０は、採点者の母集団から、このＮ件の被採点者の何れかを採点したＭ件の採点者を含む採点者の標本も抽出する（Ｍは自然数）。更に、採点者はＬ件の被採点者について採点を行っている（ＬはＮ以上の整数）。これにより、Ｎ件の被採点者に対する採点の分散が取得できるので、ある被採点者に対する採点の分散をこれと比較すれば、その被採点者に対する採点の合意性を確認できる。また、Ｍ件の採点者による採点の分散が取得できるので、ある採点者による採点の分散をこれと比較すれば、その採点者による採点の弁別性を確認できる。

具体的には、被採点者ｓｉに対する採点の分散をＳ_ｓｉ ^２とすると、ある被採点者ｓｎに対する採点の合意性Consensus(n)は、次の式で表される。

つまり、ここでは、合意性Consensus(n)を、被採点者ｓｎに対する採点の分散を、被採点者の全ての標本に対する採点の分散の平均値で除したものとしている。

数式１において、分散としては、標本分散を用いてもよいし、母分散を用いてもよい。或いは、分散ではなく、ばらつき度合いを示す他の指標を用いてもよい。また、平均値ではなく、他の代表値を用いてもよい。更に、分散を分散の平均値で除して得られる比率に限らず、分散と分散の平均値との一致度を示す他の指標により、合意性を表してもよい。

また、採点者ｕｊによる採点の分散をＳ_ｕｊ ^２とすると、ある採点者ｕｍによる採点の弁別性Distinctiveness(m)は、次の式で表される。

つまり、ここでは、弁別性Distinctiveness(m)を、採点者ｕｍによる採点の分散を、採点者の全ての標本による採点の分散の平均値で除したものとしている。

数式２において、分散としては、標本分散を用いてもよいし、母分散を用いてもよい。或いは、分散ではなく、ばらつき度合いを示す他の指標を用いてもよい。また、平均値ではなく、他の代表値を用いてもよい。更に、分散を分散の平均値で除して得られる比率に限らず、分散と分散の平均値との一致度を示す他の指標により、弁別性を表してもよい。

尚、社会心理学における原因帰属分析の他の手法としては、ケリーによる分散分析モデルを用いたものがある。このケリーによる分散分析モデルは、主に対人レベルでの分析を想定したものである。これに対し、本実施の形態では、大量のデータを分析する必要があることから、ケリーの分散分析モデルを社会レベルで捉え直しており、そのため、ケリーの分散分析モデルにおける定義をアレンジしたものとなっている。特に、この弁別性の定義が、ケリーによる分散分析モデルとは異なる。ケリーによる分散分析モデルでは、弁別性は「ある人によるある対象に対する評価が、その人による他の対象に対する評価に比べて、特別に違いがあるか」と定義されている。つまり、ある人とある対象との関係に限定した定義となっている。これに対し、本実施の形態では、弁別性は「ある評価者による評価が評価者の標本全体による評価に比べてどの程度メリハリがあるか」という定義になっている。

更に、採点者ｕｊによる被採点者ｓｉに対する複数の採点の分散をｃ（ｊ，ｉ）とすると、ある採点者ｕｍによるある被採点者ｓｎに対する採点の一貫性Consistency(m,n)は、次の式で表される。

つまり、ここでは、一貫性Consistency(m,n)を、採点者ｕｍによる被採点者ｓｎに対する複数の採点の分散を、採点者ｕｍによる採点の分散で除したものとしている。

数式３において、分散としては、標本分散を用いてもよいし、母分散を用いてもよい。或いは、分散ではなく、ばらつき度合いを示す他の指標を用いてもよい。また、１つの被採点者についての分散を複数の被採点についての分散で除して得られる比率に限らず、前者の分散と後者の分散との一致度を示す他の指標により、一貫性を表してもよい。

［評判分析装置のハードウェア構成］
図８は、本実施の形態における評判分析装置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、評判分析装置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８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。

ここで、図８は、評判分析装置１０のハードウェア構成例を示すものとしたが、図１のように評判分析装置１０の処理部分がクローラ２０とサーバ３０とに分かれている場合、図８は、クローラ２０のハードウェア構成例を示すと共にサーバ３０のハードウェア構成例を示すものとしてもよい。そして、その場合は、クローラ２０のハードウェア構成例には、表示機構１０ｄ、磁気ディスク装置１０ｇ及びキーボード／マウス１０ｉを設けず、サーバ３０のハードウェア構成例にのみ、表示機構１０ｄ、磁気ディスク装置１０ｇ及びキーボード／マウス１０ｉを設け、表示機構１０ｄ及びキーボード／マウス１０ｉで図１のユーザインターフェース部４０を実現し、磁気ディスク装置１０ｇで図１のデータベース５０を実現するとよい。

［クローラの機能構成］
図９は、クローラ２０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、クローラ２０は、指定情報受信部２１と、第１採点情報取得部２２と、第２採点情報取得部２３と、採点情報登録部２４とを備えている。

指定情報受信部２１は、クロール対象のＳＮＳ及びそのＳＮＳにおける分析対象の被採点者の件数（Ｎとする）を指定する指定情報をサーバ３０から受信する。

第１採点情報取得部２２は、被採点者のページにアクセスすることにより、被採点者に対する採点を示す第１採点情報を取得する。具体的には、指定情報受信部２１が指定情報を受信すると、指定情報で指定されたＳＮＳにおける被採点者の中から、指定情報で指定されたＮ件の被採点者を決定し、このＮ件の被採点者のページにアクセスする。そして、Ｎ件の被採点者のそれぞれについて、その被採点者を採点した採点者の識別情報（以下、「採点者ＩＤ」という）及びその採点者が採点した点数を被採点者の識別情報（以下、「被採点者ＩＤ」という）に関連付けた第１採点情報を取得する。本実施の形態では、Ｎ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価を示す第１の評価情報の一例として、第１採点情報を用いており、第１の評価情報を取得する第１の取得部の一例として、第１採点情報取得部２２を設けている。また、評価情報のうち、Ｎ個の評価対象の各評価対象を評価した評価主体による各評価対象に対する評価を示す部分の一例として、第１採点情報を用いており、評価情報を取得する取得部のうち、この部分を取得する機能の一例として、第１採点情報取得部２２を設けている。

第２採点情報取得部２３は、採点者のページにアクセスすることにより、採点者による採点を示す第２採点情報を取得する。具体的には、上記Ｎ件の被採点者の何れかを採点したＭ件の採点者を特定し、このＭ件の採点者のページにアクセスする。そして、Ｍ件の採点者のそれぞれについて、Ｍ件の採点者の何れかが採点したＬ件の被採点者から上記Ｎ件の被採点者を除いた被採点者のうちその採点者が採点した被採点者の被採点者ＩＤ及びその採点者が採点した点数を採点者の採点者ＩＤに関連付けた第２採点情報を取得する。本実施の形態では、Ｍ個の評価主体の各評価主体が評価したＮ個の評価対象以外の評価対象に対する各評価主体による評価を示す第２の評価情報の一例として、第２採点情報を用いており、第２の評価情報を取得する第２の取得部の一例として、第２採点情報取得部２３を設けている。或いは、第２採点情報取得部２３は、採点者のページにアクセスすることにより、拡張第２採点情報を取得してもよい。ここで、拡張第２採点情報とは、Ｍ件の採点者の何れかが採点したＬ件の被採点者から上記Ｎ件の被採点者を除かずに、そのＬ件の被採点者のうちその採点者が採点した被採点者の被採点者ＩＤ及びその採点者が採点した点数を採点者の採点者ＩＤに関連付けた情報である。この場合は、評価情報のうち、Ｍ個の評価主体の各評価主体が評価した評価対象に対する各評価主体による評価を示す部分の一例として、拡張第２採点情報を用いており、評価情報を取得する取得部のうち、この部分を取得する機能の一例として、第２採点情報取得部２３を設けていることになる。尚、以下の説明で、第１採点情報及び第２採点情報を参照する場合は、この拡張第２採点情報のみを参照するようにしてもよい。

採点情報登録部２４は、第１採点情報取得部２２が取得した第１採点情報と、第２採点情報取得部２３が取得した第２採点情報とを、データベース５０に登録する。

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、指定情報受信部２１、第１採点情報取得部２２、第２採点情報取得部２３、採点情報登録部２４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。

［サーバの機能構成］
図１０は、サーバ３０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、サーバ３０は、指示受付部３１と、合意性算出部３２と、弁別性算出部３３と、一貫性算出部３４と、情報出力部３５とを備えている。

指示受付部３１は、ユーザインターフェース部４０からクロール指示、分析指示、情報出力指示の何れかを受け付ける。そして、クロール指示を受け付けた場合は、クロール対象のＳＮＳ及びそのＳＮＳにおける分析対象の被採点者の件数Ｎを指定する指定情報をクローラ２０の指定情報受信部２１に送信し、分析指示を受け付けた場合は、合意性を示す値の算出を合意性算出部３２に指示し、情報出力指示を受け付けた場合は、分析に基づく情報の出力を情報出力部３５に指示する。

合意性算出部３２は、データベース５０に記憶された第１採点情報に基づいて、Ｎ件の被採点者に対する採点の合意性を示す値を算出する。具体的には、上記数式１に従って、合意性を示す値を算出する。そして、この合意性を示す値をデータベース５０に記憶する。本実施の形態では、所定の評価対象に対する評価の合意性を示す合意性情報を生成する第１の生成部の一例として、合意性算出部３２を設けている。また、合意性算出部３２の合意性を示す値をデータベース５０に書き出す機能は、情報出力部３５の一例と捉えてもよい。

弁別性算出部３３は、データベース５０に記憶された第１採点情報及び第２採点情報に基づいて、Ｍ件の採点者による採点の弁別性を示す値を算出する。具体的には、上記数式２に従って、弁別性を示す値を算出する。そして、この弁別性を示す値をデータベース５０に記憶する。本実施の形態では、所定の評価主体による評価の弁別性を示す弁別性情報を生成する第２の生成部の一例として、弁別性算出部３３を設けている。また、弁別性算出部３３の弁別性を示す値をデータベース５０に書き出す機能は、情報出力部３５の一例と捉えてもよい。

一貫性算出部３４は、データベース５０に記憶された第１採点情報及び第２採点情報に基づいて、Ｍ件の採点者のうちのある採点者によるＮ件の被採点者のうちのある被採点者に対する採点の一貫性を示す値を算出する。具体的には、上記数式３に従って、一貫性を示す値を算出する。そして、この一貫性を示す値をデータベース５０に記憶する。本実施の形態では、所定の評価主体による所定の評価対象に対する評価の一貫性を示す一貫性情報を生成する第３の生成部の一例として、一貫性算出部３４を設けている。また、一貫性算出部３４の一貫性を示す値をデータベース５０に書き出す機能は、情報出力部３５の一例と捉えてもよい。

情報出力部３５は、データベース５０に登録された合意性、弁別性及び一貫性を示す値に基づいて、指示受付部３１により指示された情報を生成し、生成した情報をユーザインターフェース部４０に出力する。例えば、ユーザインターフェース部４０から被採点者が指定されると、その被採点者に対する採点の合意性を示す値と、その被採点者を採点した採点者による採点の弁別性を示す値と、その被採点者を採点した採点者によるその被採点者に対する採点の一貫性を示す値とをユーザインターフェース部４０に出力する。本実施の形態では、合意性情報と弁別性情報とを出力する出力部の一例として、また、合意性情報と弁別性情報と一貫性情報とを出力する出力部の一例として、情報出力部３５を設けている。或いは、採点者による被採点者に対する採点の原因を示す情報（内的原因、外的原因、状況的原因の何れであるか、風評であるかどうか）を、図６を参照して取得し、これをユーザインターフェース部４０に出力してもよい。この場合は、評価の原因を示す原因情報の一例として、採点の原因を示す情報（内的原因、外的原因、状況的原因の何れであるか、風評であるかどうか）を用いており、原因情報を出力する出力部の一例として、情報出力部３５を設けていることになる。

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、指示受付部３１、合意性算出部３２、弁別性算出部３３、一貫性算出部３４、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。

［クローラの動作］
図１１は、クローラ２０の動作例を示したフローチャートである。尚、この動作は、サーバ３０のユーザインターフェース部４０が、クロール指示を受け付け、クロール対象のＳＮＳ及びそのＳＮＳにおける分析対象の被採点者の件数Ｎを指定する指定情報をクローラ２０に送信することにより、開始する。

動作が開始すると、指定情報受信部２１は、クロール対象のＳＮＳ及びそのＳＮＳにおける分析対象の被採点者の件数Ｎを指定する指定情報をサーバ３０から受信する（ステップ２０１）。

すると、第１採点情報取得部２２は、ＳＮＳにおける全ての被採点者の中からＮ件の被採点者を決定する（ステップ２０２）。これにより、第１採点情報取得部２２は、このＮ件の被採点者のうちの１件の被採点者に着目し、その被採点者のページからその被採点者を採点した採点者の採点者ＩＤとその採点者が採点した点数とを取得する（ステップ２０３）。そして、着目している被採点者の被採点者ＩＤにステップ２０３で取得した採点者ＩＤ及び点数を関連付けた情報を、その被採点者についての第１採点情報として保持する（ステップ２０４）。その後、第１採点情報取得部２２は、Ｎ件の被採点者の中に未処理の被採点者があるかどうかを判定し（ステップ２０５）、未処理の被採点者があれば、ステップ２０３に処理を戻し、未処理の被採点者がなければ、ステップ２０６に処理を進める。

次に、第２採点情報取得部２３は、第１採点情報取得部２２が取得した第１採点情報に採点者ＩＤが含まれるＭ件の採点者を特定する（ステップ２０６）。これにより、第２採点情報取得部２３は、このＭ件の採点者のうちの１件の採点者に着目し、その採点者のページからその採点者が採点した上記Ｎ件の被採点者以外の被採点者の採点者ＩＤとその採点者が採点した点数とを取得する（ステップ２０７）。そして、着目している採点者の採点者ＩＤにステップ２０７で取得した被採点者ＩＤ及び点数を関連付けた情報を、その採点者についての第２採点情報として保持する（ステップ２０８）。その後、第２採点情報取得部２３は、Ｍ件の採点者の中に未処理の採点者があるかどうかを判定し（ステップ２０９）、未処理の採点者があれば、ステップ２０７に処理を戻し、未処理の採点者がなければ、ステップ２１０に処理を進める。

最後に、採点情報登録部２４が、ステップ２０４で保持していた第１採点情報と、ステップ２０８で保持していた第２採点情報とを、データベース５０に記憶する（ステップ２１０）。

図１２（ａ）〜（ｄ）は、データベース５０に記憶された第１採点情報の一例を示した図である。ＳＮＳにおける被採点者と採点者との関係が図７に示したようになっているとすると、このような第１採点情報が記憶される。例えば、（ａ）に示すように、被採点者ｓ１について、採点者ｕ１，ｕ２，ｕ３による採点を示す情報が記憶され、（ｂ）に示すように、被採点者ｓ２について、採点者ｕ６による採点を示す情報が記憶される。

図１３（ａ）〜（ｆ）は、データベース５０に記憶された第２採点情報の一例を示した図である。但し、ここでは、後の説明を分かり易くするために、第２採点情報を含む拡張第２採点情報として示している。即ち、図１２（ａ）〜（ｄ）に示した第１採点情報を採点者ごとにまとめ直した情報と共に、破線で囲んだ第２採点情報を示している。ＳＮＳにおける被採点者と採点者との関係が図７に示したようになっているとすると、このような第２採点情報が記憶される。例えば、（ｄ）に示すように、採点者ｕ４について、被採点者ｓ５，ｓ６に対する採点を示す情報が記憶され、（ｆ）に示すように、採点者ｕ６について、被採点者ｓ５に対する採点を示す情報が記憶される。

［サーバの動作］
図１４〜図１６は、サーバ３０の動作例を示したフローチャートである。尚、この動作は、指示受付部３１が分析指示を受けることにより開始されるものとする。但し、この動作は、採点情報がデータベース５０に記憶された旨をクローラ２０から通知された時点で開始してもよいし、採点情報がデータベース５０に記憶された後の決められた時点で開始してもよい。

動作が開始すると、まず、図１４に示すように、合意性算出部３２が、被採点者をカウントするための変数ｉに１を代入する（ステップ３０１）。そして、データベース５０に記憶された第１採点情報を参照し、被採点者ｓｉに関連付けられた点数の分散Ｓ_ｓｉ ^２を算出する（ステップ３０２）。その後、合意性算出部３２は、変数ｉを１カウントアップし（ステップ３０３）、変数ｉの値がＮを超えたかどうかを判定する（ステップ３０４）。変数ｉの値がＮを超えていないと判定すれば、ステップ３０２に処理を戻し、変数ｉの値がＮを超えたと判定すれば、ステップ３０５に処理を進める。最後に、合意性算出部３２は、被採点者ｓ１，ｓ２，…，ｓＮについての分散Ｓ_ｓ１ ^２，Ｓ_ｓ２ ^２，…，Ｓ_ｓＮ ^２の平均値を算出する（ステップ３０５）。そして、ステップ３０２で算出した各被採点者についての分散を、ステップ３０５で算出した平均値で除することにより、各被採点者に対する採点の合意性を示す値を算出し、これをデータベース５０に記憶する（ステップ３０６）。

次に、図１５に示すように、弁別性算出部３３が、採点者をカウントするための変数ｊに１を代入する（ステップ３２１）。そして、データベース５０に記憶された第１採点情報及び第２採点情報を参照し、採点者ｕｊに関連付けられた点数の分散Ｓ_ｕｊ ^２を算出する（ステップ３２２）。また、一貫性算出部３４が、後述する一貫性算出処理を行う（ステップ３４０）。その後、弁別性算出部３３は、変数ｊを１カウントアップし（ステップ３２３）、変数ｊの値がＭを超えたかどうかを判定する（ステップ３２４）。変数ｊの値がＭを超えていないと判定すれば、ステップ３２２に処理を戻し、変数ｊの値がＭを超えたと判定すれば、ステップ３２５に処理を進める。最後に、弁別性算出部３３は、採点者ｕ１，ｕ２，…，ｕＭについての分散Ｓ_ｕ１ ^２，Ｓ_ｕ２ ^２，…，Ｓ_ｕＭ ^２の平均値を算出する（ステップ３２５）。そして、ステップ３２２で算出した各採点者についての分散を、ステップ３２５で算出した平均値で除することにより、各採点者による採点の弁別性を示す値を算出し、これをデータベース５０に記憶する（ステップ３２６）。

ここで、図１５のステップ３４０の一貫性算出処理について説明する。一貫性算出処理では、図１６に示すように、まず、一貫性算出部３４が、被採点者をカウントするための変数ｉに１を代入する（ステップ３４１）。また、一貫性算出部３４は、データベース５０に記憶された第１採点情報及び第２採点情報を参照し、採点者ｕｊに関連付けられた点数のうち、被採点者ｓｉに対応する点数の分散ｃ（ｊ，ｉ）を算出する（ステップ３４２）。例えば、図１２及び図１３に示した採点者ｕ２，ｕ４による被採点者ｓ３に対する採点のように、ある採点者がある被採点者を複数回採点して点数をつけている場合に、それらの点数の分散を算出する。そして、分散ｃ（ｊ，ｉ）を分散Ｓ_ｕｊ ^２で除することにより、一貫性を示す値を算出し、これをデータベース５０に記憶する（ステップ３４３）。その後、一貫性算出部３４は、変数ｉを１カウントアップし（ステップ３４４）、変数ｉの値がＮを超えたかどうかを判定する（ステップ３４５）。変数ｉの値がＮを超えていないと判定すれば、ステップ３４２に処理を戻し、変数ｉの値がＮを超えたと判定すれば、図１５に処理を戻す。

図１７は、データベース５０に記憶された合意性、弁別性、一貫性を示す値を格納するデータ構造の一例を示した図である。図示するように、このデータ構造では、合意性の行における各被採点者の列のセルに、各被採点者に対する採点の合意性を示す値が格納されている。また、弁別性の列における各採点者の行のセルに、各採点者による採点の弁別性を示す値が格納されている。更に、各採点者の行における各被採点者の列のセルに、各採点者による各被採点者に対する採点の一貫性を示す値が格納されている。

このように合意性、弁別性、一貫性を示す値がデータベース５０に記憶された状態で、指示受付部３１が情報出力指示を受け付けると、情報出力部３５は、合意性、弁別性、一貫性を示す値をユーザインターフェース部４０に出力する。この場合、合意性、弁別性、一貫性を示す値の出力の態様としては、如何なるものを採用してもよい。

例えば、図１８に示すように、評判を分析したい１つの被採点者を画面上で選択すると、その被採点者に対する採点の合意性を示す値、その被採点者を採点した採点者による採点の弁別性を示す値、及び、その被採点者を採点した採点者によるその被採点者に対する採点の一貫性を示す値を出力することが考えられる。

図１８では、太線で囲んで示すように、評価対象として被採点者ｓ１００３が選択されている。そして、ここでの分析結果から、以下のことが分かる。即ち、被採点者ｓ１００３に対応する「Ｃｏｎｓｅｎｓｕｓ」欄が「１２．８１５１９５」となっているので、被採点者ｓ１００３に対する採点の合意性は高いことが分かる。また、採点者ｕ１００４に対応する「Ｄｉｓｔｉｎｃｔｉｖｅｎｅｓｓ」欄が「２６６．０３８９」となっているので、採点者ｕ１００４による採点の弁別性は高いことが分かる。更に、採点者ｕ１００４に対応する「Ｃｏｎｓｉｓｔｅｎｃｙ」欄が「０．３４５２６４９４」となっているので、採点者ｕ１００４による被採点者ｓ１００３に対する採点の一貫性は高いことが分かる。これらの値と、図６の対応関係とから、採点者ｕ１００４による被採点者ｓ１００３に対する採点は、外的原因に帰属すると推測される。

或いは、合意性、弁別性、一貫性のレベルの組み合わせに対して予め定義された、評判の原因の帰属先（内的原因、外的原因、状況的原因の何れに帰属するか）や評判が風評であるかどうかの情報等を出力するようにしてもよい。具体的には、合意性が高いか低いかを判断するための閾値、弁別性が高いか低いかを判断するための閾値、一貫性が高いか低いかを判断するための閾値を予め保持しておき、合意性、弁別性、一貫性を示す値をそれぞれ対応する閾値と比較することにより、合意性、弁別性、一貫性が高いか低いかを判定する。そして、図６の対応関係を参照して、合意性、弁別性、一貫性が高いか低いかのレベルの組み合わせに対応付けられた原因の帰属先や風評であるかどうかの情報を特定し、これをユーザインターフェース部４０に出力する。

以上述べたように、本実施の形態では、まず、ＳＮＳにおける全ての被採点者の中からＮ件の被採点者を選択し、このＮ件の被採点者の何れかを採点したＭ件の採点者を特定し、このＭ件の採点者の何れかが採点したＬ件の被採点者を特定する。次に、Ｎ件の被採点者のそれぞれに対する採点の合意性を示す値と、Ｌ件の被採点者に対する採点を考慮したＭ件の採点者のそれぞれによる採点の弁別性を示す値と、Ｌ件の被採点者に対する採点を考慮したＭ件の採点者のそれぞれによるＮ件の被採点者のそれぞれに対する一貫性を示す値とを算出し、これらの値に基づく情報を出力するようにした。これにより、インターネットメディア上の評価の分析を、風評と思われるものが含まれていても正確に、かつ、効率よく行えるようになった。

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…評判分析装置、２０…クローラ、２１…指定情報受信部、２２…第１採点情報取得部、２３…第２採点情報取得部、２４…採点情報登録部、３０…サーバ、３１…指示受付部、３２…合意性算出部、３３…弁別性算出部、３４…一貫性算出部、３５…情報出力部

Claims (7)

1. インターネットメディア上の評価の分析を支援する装置であって、
   前記インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうち当該Ｎ個の評価対象の各評価対象を評価した評価主体による当該各評価対象に対する評価と、当該Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうち当該Ｍ個の評価主体の各評価主体が評価した評価対象に対する当該各評価主体による評価とを示す評価情報を取得する取得部と、
   所定の評価対象に対する評価のばらつき度合いと前記Ｎ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価対象に対する評価の合意性を示す合意性情報を生成する第１の生成部と、
   所定の評価主体による評価のばらつき度合いと前記Ｍ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価主体による評価の弁別性を示す弁別性情報を生成する第２の生成部と、
   前記合意性情報と前記弁別性情報とを出力する出力部と
   を含む、装置。
2. 前記出力部は、前記合意性情報が示す合意性と前記弁別性情報が示す弁別性との組み合わせに対して予め定義された前記所定の評価主体による前記所定の評価対象に対する評価の原因を示す原因情報を更に出力する、請求項１の装置。
3. 前記所定の評価主体による前記所定の評価対象に対する評価のばらつき度合いと当該所定の評価主体による前記Ｌ個の評価対象のうち当該所定の評価主体が評価した評価対象に対する評価のばらつき度合いとの一致度を、前記評価情報に基づいて求めることにより、当該所定の評価主体による当該所定の評価対象に対する評価の一貫性を示す一貫性情報を生成する第３の生成部を更に含む、請求項１の装置。
4. 前記出力部は、前記合意性情報が示す合意性と前記弁別性情報が示す弁別性と前記一貫性情報が示す一貫性との組み合わせに対して予め定義された前記所定の評価主体による前記所定の評価対象に対する評価の原因を示す原因情報を更に出力する、請求項３の装置。
5. 前記出力部は、
   前記合意性情報が示す合意性のレベルが閾値より高く、前記弁別性情報が示す弁別性のレベルが閾値より高く、前記一貫性情報が示す一貫性のレベルが閾値より高い場合に、前記所定の評価主体による前記所定の評価対象に対する評価の原因が風評である可能性が低い旨の情報を前記原因情報として出力し、
   前記合意性情報が示す合意性のレベルが閾値より低く、前記弁別性情報が示す弁別性のレベルが閾値より低く、前記一貫性情報が示す一貫性のレベルが閾値より高い場合に、前記所定の評価主体による前記所定の評価対象に対する評価の原因が風評である可能性が高い旨の情報を前記原因情報として出力する、請求項４の装置。
6. インターネットメディア上の評価の分析をコンピュータにより支援する方法であって、
   前記コンピュータの取得部が、前記インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうち当該Ｎ個の評価対象の各評価対象を評価した評価主体による当該各評価対象に対する評価と、当該Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうち当該Ｍ個の評価主体の各評価主体が評価した評価対象に対する当該各評価主体による評価とを示す評価情報を取得するステップと、
   前記コンピュータの第１の生成部が、所定の評価対象に対する評価のばらつき度合いと前記Ｎ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価対象に対する評価の合意性を示す合意性情報を生成するステップと、
   前記コンピュータの第２の生成部が、所定の評価主体による評価のばらつき度合いと前記Ｍ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価主体による評価の弁別性を示す弁別性情報を生成するステップと、
   前記コンピュータの出力部が、前記合意性情報と前記弁別性情報とを出力するステップと
   を含む、方法。
7. インターネットメディア上の評価の分析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、
   前記インターネットメディア上の複数の評価主体による複数の評価対象に対する評価を示すデータから、Ｎ（Ｎは自然数）個の評価対象の何れかを評価したＭ（Ｍは自然数）個の評価主体のうち当該Ｎ個の評価対象の各評価対象を評価した評価主体による当該各評価対象に対する評価と、当該Ｍ個の評価主体の何れかが評価したＬ（ＬはＮ以上の整数）個の評価対象のうち当該Ｍ個の評価主体の各評価主体が評価した評価対象に対する当該各評価主体による評価とを示す評価情報を取得する取得部と、
   所定の評価対象に対する評価のばらつき度合いと前記Ｎ個の評価対象の各評価対象に対する評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価対象に対する評価の合意性を示す合意性情報を生成する第１の生成部と、
   所定の評価主体による評価のばらつき度合いと前記Ｍ個の評価主体の各評価主体による評価のばらつき度合いの代表値との一致度を、前記評価情報に基づいて求めることにより、当該所定の評価主体による評価の弁別性を示す弁別性情報を生成する第２の生成部と、
   前記合意性情報と前記弁別性情報とを出力する出力部と
   して機能させる、プログラム。

Images