JP6429818B2

JP6429818B2 - 判定装置、および判定方法

Info

Publication number: JP6429818B2
Application number: JP2016053993A
Authority: JP
Inventors: 隼人小林; 崇史宮崎; 佑輔渡邊
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2016-03-17
Filing date: 2016-03-17
Publication date: 2018-11-28
Anticipated expiration: 2036-03-17
Also published as: JP2017167923A

Description

本発明は、判定装置、および判定方法に関する。

従来、テキストデータの解析を行う技術が知られている。このような解析技術の一例として、テキストデータの中から必要な情報を抽出し、抽出した情報の理解を容易にするため、抽出した情報の補完を行う技術が知られている。

特開２０１３−２３２０９８号公報

ここで、複数の利用者が投稿したテキストを時系列順に表示するマイクロブログ等のサービスが提供されている。このようなサービスにおいては、広告等の情報を投稿とともに利用者に提供する場合がある。このような投稿と共に提供される情報は、投稿内容の流れに沿った内容であるのが望ましい。

例えば、上述したマイクロブログ等のサービスにおいては、各利用者によって投稿される投稿内容の方向性等といった話題の流れが時間の経過と共に変化する場合がある。このため、投稿と共に提供される情報は、話題の流れに沿った内容の情報であることが望まれる。

しかしながら、大局的に見たときの全体の話題と、個々の投稿内容話題の双方を考慮し、流れを精度良く判定する手法については、提案されていなかった。このため、従来技術では、話題の流れに沿った内容の情報を利用者に提供することができない場合がある。

本願は、上記に鑑みてなされたものであって、話題の流れを精度良く判定することを目的とする。

本願に係る判定装置は、所定の話題について複数の利用者が投稿した情報の内容を特定する特定部と、前記所定の話題について投稿された情報の一定時間内の数と、前記複数の利用者のうち所定の利用者が投稿した情報の内容、あるいは、特定の内容を含む投稿とに基づき、前記所定の話題の方向性を判定する判定部とを有することを特徴とする。

実施形態の一態様によれば、話題の流れを精度良く判定することを目的とする。

図１は、実施形態に係る判定処理の一例を示す図である。図２は、実施形態に係る判定装置が有する機能構成の一例を示す図である。図３は、実施形態に係る特定利用者データベースに登録される情報の一例を説明する図である。図４は、実施形態に係る投稿情報データベースに登録される情報の一例を示す図である。図５は、実施形態に係る判定装置が実行する処理の流れの一例を説明する図である。図６は、ハードウェア構成の一例を示す図である。

以下に、本願に係る判定装置、および判定方法を実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る判定装置、および判定方法が限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．判定装置〕
まず、図１を用いて、実施形態に係る判定処理の一例について説明する。図１は、実施形態に係る判定処理の一例を示す図である。図１では、マイクロブログ等に利用者が投稿した情報（以下、「投稿情報」と記載する。）の内容（以下、「投稿内容」と記載する。）を特定し、特定結果に基づいて、ある話題の投稿において全体としての話題の流れの方向性（以下、「話題の流れ」と記載する。）を判定する判定処理の一例について説明する。

なお、以下の説明では、投稿情報の内容の方向性として、あらかじめ定められた所定のテーマにおいて賛成の内容であるか反対の内容であるかを特定する処理について記載するが、実施形態は、これに限定されるものではない。すなわち、判定装置１０は、賛成や反対等といった２つの方向性のみならず、中立等といった方向性をも特定してもよい。すなわち、判定装置１０は、あるテーマに対する利用者の意見を方向と見做して、あるテーマに対する話題の方向性を判定すればよい。

また、判定装置１０は、マイクロブログ以外にも、ブログやコメント欄等における任意の話題についての方向性の判定を行ってよい。例えば、判定装置１０は、ニュースサイト等において、各ニュースに対して投稿されたコメント欄の内容を特定し、そのニュースに対する意見の方向性を判定してもよい。

〔１−１．判定処理〕
ここで、物の流れやすさを判定する手法の一つとして、複数の粒子によって構成される流体の動きを算出し、算出結果に基づいて、物の流れやすさを判定するパーティクル法が知られている。このようなパーティクル法を用いて、話題の流れを判定する場合には、例えば、判定装置１０は、投稿情報からある内容（いわゆる、トピック）に関連する投稿情報を抽出し、抽出した投稿情報の内容から、あるテーマに対して賛成であるか反対であるかを特定する。そして、判定装置１０は、賛成であるか反対であるかを、流体を構成する粒子の移動方向と見做し、投稿情報の数を粒子の数と見做して、流体の流れを算出することで、全体としての流れの方向性、すなわち、あるトピックに対して全体としてどれくらい賛成であるかや反対であるかを判定する手法、すなわち、ある話題の内容の流れを判定する手法が考えられる。

しかしながら、現実の話題においては、各利用者が完全に独立して投稿を行うのではなく、例えば、有名人や著名人、専門家等の投稿内容に基づいて、他の利用者が投稿を行う場合がある。すなわち、現実の話題においては、影響力を有する利用者の投稿内容に、他の利用者の投稿内容が引きずられる場合がある。一方で、影響力を有する利用者が投稿を行ったとしても、全体としての投稿量が多い場合や、単位時間あたりの投稿量が多い場合には、影響力を有する利用者の投稿が他の投稿に埋もれてしまい、影響力が減少する。また、例えば、有名人や著名人等ではない利用者の投稿であるにも関わらず、特定の内容を有する投稿が行われた場合には、他の利用者の投稿内容が引きずられる場合がある。

そこで、判定装置１０は、マルチフィジックスの手法を応用し、あるトピックに関する話題の流れ（すなわち、投稿内容の方向性）を、大局的な状況と局所的な状況との関連性を考慮して判定する。より具体的には、判定装置１０は、所定の話題について複数の利用者が投稿した投稿情報の投稿内容を特定する。そして、判定装置１０は、所定の話題について投稿された投稿情報の数と、複数の利用者のうち所定の利用者が投稿した投稿内容、もしくは、特定の内容を含む投稿とに基づき、所定の話題の方向性を判定する。すなわち、判定装置１０は、投稿情報の数に基づく大局的な話題の方向性と、影響力を有する利用者の投稿内容に基づく局所的な話題の方向性、もしくは、特定の内容を含む投稿による局所的な話題の方向性とに基づいて、影響力を有する利用者の投稿内容と投稿情報の数との関連性を考慮して、全体としての話題の方向性を判定する。

より具体的には、判定装置１０は、所定の話題についての投稿情報を流体を構成する粒子と見做し、投稿内容が有する方向性を粒子の移動方向と見做して流体の動きを算出し、算出結果に基づいて、所定の話題の流れを判定する。例えば、判定装置１０は、投稿内容が所定の話題について賛成であるか反対であるか等、所定の話題に対する方向性を粒子の移動方向と見做して、流体の動きを算出する。

さらに、判定装置１０は、影響力を有する利用者等、所定の利用者の投稿内容の方向性や、特定の内容を含む投稿による局所的な話題の方向性を、流体の粘度と見做して、流体の動きを算出し、算出結果に基づいて、所定の話題の流れを判定する。すなわち、判定装置１０は、影響力を有する利用者の投稿内容や特定の内容を含む投稿が、他の利用者に対して及ぼす影響を、流体における局所的な運動と見做して、全体の流れを判定する。

例えば、判定装置１０は、一定時間内における各利用者の投稿内容が、所定の話題に対して賛成（以下、「ポジティブ」と記載する。）であるか反対（以下、「ネガティブ」と記載する。）であるかを特定する。そして、判定装置１０は、所定の利用者の投稿内容が、ネガティブであるかポジティブであるかを考慮して、所定の話題についてポジティブである投稿情報の数とネガティブである投稿情報との数に基づき、所定の話題の流れを判定する。また、判定装置１０は、所定の話題に対して特定の内容を含む投稿として、例えば、内容がポジティブである投稿情報の数に基づいて、局所的な流れを判定し、判定結果に基づいて、所定の話題の流れを判定する。そして、判定装置１０は、判定結果に応じた内容の情報を、利用者に対して提供する。

〔１−２．判定処理の一例〕
以下、図１を用いて、判定装置１０が実行する判定処理の具体例について説明する。例えば、図１に示す例では、判定装置１０は、各利用者の投稿情報を受け付けて公開するＳＮＳ（Social Networking Service）サーバ５０等から、投稿情報を取得する（ステップＳ１）。そして、判定装置１０は、取得した投稿情報から、所定の話題（トピック）に対する投稿の内容状態を特定する（ステップＳ２）。

例えば、図１に示す例では、判定装置１０は、投稿情報として、投稿が行われた日時を示す「投稿日時」、「投稿内容」、および投稿を行った「投稿者」を取得する。続いて、判定装置１０は、任意の言語解析技術を用いて投稿内容を解析し、所定の話題に関連する投稿情報を特定する。例えば、判定装置１０は、話題を示す情報「話題＃１」が示す話題に関する内容の投稿情報を特定する。また、判定装置１０は、特定した投稿情報における投稿内容が、所定のテーマに対してポジティブな内容であるかネガティブな内容であるか（以下、「内容状態」と記載する。）を判定する。そして、判定装置１０は、特定した投稿情報の投稿内容と、内容状態と、話題を示す情報とを対応付けて記憶する。

続いて、判定装置１０は、影響力を有する利用者として、あらかじめ定められた利用者である特定利用者の投稿内容、または、特定の内容の投稿を特定する（ステップＳ３）。例えば、図１に示す例では、判定装置１０は、特定利用者データベース３１を有する。特定利用者データベース３１には、特定利用者を示す識別子と、特定利用者の属性とが対応付けて登録されている。判定装置１０は、ステップＳ２で内容状態を特定した投稿情報の中から、特定利用者データベース３１に識別子が登録されている特定利用者によって投稿された投稿情報を特定する。そして、判定装置１０は、特定した投稿情報の内容状態を特定する。また、判定装置１０は、特定の内容の投稿を特定する。

そして、判定装置１０は、各投稿情報を粒子と見做し、特定利用者の投稿に基づく粘性を考慮して、パーティクル法に基づき、話題の流れを流体と見做すことで、話題全体の流れを判定する（ステップＳ４）。例えば、判定装置１０は、「投稿＃１」の内容状態が「ポジティブ」である場合には、図１中（Ａ）に示すように、「投稿＃１」と対応付けた粒子が「ポジティブ」と対応付けた方向（例えば、図１中左側）へ移動する粒子であると見做す。また、例えば、判定装置１０は、「投稿＃２」の内容状態が「ネガティブ」である場合には、図１中（Ｂ）に示すように、「投稿＃２」と対応付けた粒子が「ネガティブ」と対応付けた方向（例えば、図１中右側）へ移動する粒子であると見做す。そして、判定装置１０は、図１中（Ｃ）に示すように、パーティクル法に基づいて、流体の動きを算出することで、話題の大局的な流れの方向を判定する。さらに、判定装置１０は、図１中（Ｄ）に示すように、話題の流れの方向を判定する際、特定利用者の投稿内容に基づく粘性や、特定の内容を含む投稿に基づく粘性を考慮することで、話題の局所的な流れが話題の大局的な流れに及ぼす影響を考慮して、全体的な話題の流れを判定する。例えば、判定装置１０は、特定利用者の投稿である「投稿＃２」、および「投稿＃４」の内容状態に基づいて、流体の粘性を示す粘性項の値を設定し、パーティクル法に基づいて、流体の動きを算出することで、話題の局所的な流れが話題の大局的な流れに及ぼす影響を考慮する。また、判定装置１０は、例えば、内容状態が「ネガティブ」である投稿が、「ポジティブ」である投稿よりも他の利用者の投稿に対してより影響を及ぼしやすいものとして（例えば、より粘性が高いものとして）、局所的な流れを判定する。そして、判定装置１０は、大局的な流れのと局所的な流れとに基づいて、全体的な話題の流れを判定する。

〔１−３．提供処理〕
続いて、判定結果に基づいて、利用者に対して情報を提供する提供処理の一例について説明する。例えば、判定装置１０は、利用者Ｕ０１が投稿情報を閲覧する場合には、判定した話題の流れに基づいて、利用者Ｕ０１に対して提供する広告等の情報を選択し、選択した情報を提供する（ステップＳ５）。具体的な例を挙げると、判定装置１０は、ある商品の話題について全体の流れが「ポジティブ」である場合には、その商品の広告を利用者Ｕ０１が使用する端末装置１００に配信し、全体の流れが「ネガティブ」である場合には、他の商品の広告を端末装置１００に配信する。なお、判定装置１０は、例えば、ある政策の話題について、全体の流れが「ポジティブ」である場合には、その政策に対してポジティブな意見を含むニュース等のコンテンツを配信し、「ネガティブ」である場合には、その政策に対してネガティブな意見を含むコンテンツを配信してもよい。

〔１−４．特定利用者の属性を考慮した処理〕
ここで、特定利用者が有する影響力は、特定利用者の知名度や話題の内容に応じて異なると予測される。例えば、特定利用者が法律家や政治家等である場合には、政策や法律に関する話題に対して影響力を有すると予測されるが、芸能関連の話題に対しては、あまり影響力を有していないと予測される。そこで、判定装置１０は、特定利用者の属性に基づいて、特定利用者の投稿内容が話題全体の流れに及ぼす影響力、すなわち、粘性の値を変えてもよい。より具体的には、判定装置１０は、判定対象となる話題の種別と、特定利用者の属性との関連性に応じて、特定利用者の投稿内容が話題全体の流れに及ぼす影響力を設定してもよい。

例えば、判定装置１０は、「話題＃１」が法律関連の話題であり、特定利用者である「利用者＃２」の利用者属性「属性＃２」が法律関連の属性を示している場合には、「利用者＃２」による投稿内容の影響力を所定の閾値よりも大きくする。一方、判定装置１０は、「話題＃１」が法律関連の話題であり、特定利用者である「利用者＃４」の利用者属性「属性＃４」が法律関連の属性を示していない場合には、「利用者＃４」による投稿内容の影響力を所定の閾値よりも小さくしてもよい。また、判定装置１０は、特定利用者の職業以外にも、例えば、性別、年代、趣味、趣味等に基づいて、影響力を調整してもよい。すなわち、判定装置１０は、特定利用者の属性を示す任意の利用者属性と、話題の内容との関連性に応じて、特定利用者の投稿内容が話題全体の流れに及ぼす影響力を設定すればよい。

〔１−５．投稿日時を考慮した処理〕
ここで、マイクロブログ等においては、投稿されてから時間が経過する程、投稿情報の影響力が弱まると考えられる。また、マイクロブログ等においては、他の利用者の投稿情報を自身の投稿情報として引用する（いわゆる「リツイート」）ことができる場合があるが、このような引用が行われた投稿情報は、投稿されてから時間が経過しているとしても、再度影響力を有すると考えられる。そこで、判定装置１０は、特定利用者が投稿情報を投稿してから経過した時間を考慮して、話題全体の流れに及ぼす影響力を示すパラメータの値を設定してもよい。例えば、判定装置１０は、投稿情報が投稿されてから時間が経過すればするほど、パラメータの値を小さい値にし、投稿情報がリツイートされた場合には、パラメータの値を再度所定の値まで増加させてもよい。

また、判定装置１０は、各利用者が投稿情報を投稿してから経過した時間を考慮して、大局的な話題の流れを判定してもよい。例えば、判定装置１０は、ある利用者の投稿情報と対応する粒子の速度を、投稿が行われてから経過した時間に応じて設定してもよい。より具体的には、判定装置１０は、投稿が行われてから時間が経過する程、対応する粒子の速度を減少させてもよい。

〔１−６．パラメータについて〕
上述した例では、判定装置１０は、特定利用者の投稿内容に基づく粘性を考慮することで、話題の局所的な流れが大局的な流れに及ぼす影響を反映させた。このような処理を実現する場合、例えば、判定装置１０は、特定利用者の投稿情報が「ネガティブ」である場合には、「ポジティブ」の方向に対する粘性として表され、特定利用者の投稿情報が「ポジティブ」である場合には、「ネガティブ」の方向に対する粘性として表すことができる。

ここで、判定装置１０は、特定利用者の投稿内容に基づく影響力を、話題全体の流れにおける局所的な流れを示すパラメータとして採用するのであれば、粘性以外にも、任意のパラメータに適用してもよい。例えば、判定装置１０は、粘性以外にも、各粒子が他の粒子に対して及ぼす影響力（後述するカーネルＷ）と見做して、話題全体の流れを判定してもよい。

また、判定装置１０は、特定の内容を含む投稿情報を特定し、特定した投稿情報に基づく局所的な流れを考慮して、全体的な流れを判定する。ここで、判定装置１０は、任意の内容を特定の内容としてもよい。例えば、判定装置１０は、内容情報が「ポジティブ」な投稿を特定してもよく、内容状態が「ネガティブ」な投稿を特定してもよい。すなわち、判定装置１０は、投稿した利用者に係らず、他の利用者に影響を及ぼしやすいと予測される投稿情報に基づいて、局所的な流れを判定し、判定結果を考慮して、全体的な流れを判定してもよい。なお、判定装置１０は、特定利用者の投稿および特定内容の投稿の両方を考慮して局所的な流れを判定してもよく、いずれか一方のみを用いて、局所的な流れを判定してもよい。

〔２．判定装置の構成〕
次に、上述した実施形態にかかる判定装置１０の構成について説明する。図２は、実施形態に係る判定装置が有する機能構成の一例を示す図である。図２に示すように、判定装置１０は、通信部２０、記憶部３０、および制御部４０を有する。通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、利用者が使用する端末装置１００や、ＳＮＳサーバ５０との間で情報の送受信を行う。

記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、特定利用者データベース３１、投稿情報データベース３２、および配信情報データベース３３（以下「各データベース３１〜３３」と総称する場合がある。）を有する。

特定利用者データベース３１は、特定利用者の情報が登録される。例えば、図３は、実施形態に係る特定利用者データベースに登録される情報の一例を説明する図である。図３に示す例では、特定利用者データベース３１には、「特定利用者」および「利用者属性」といった項目を有する情報が登録される。ここで、「特定利用者」とは、特定利用者としてあらかじめ設定された利用者を示す識別子であり、「利用者属性」とは、対応付けられた識別子が示す利用者の職業、性別、年齢、趣味等、利用者の属性を示す情報である。なお、図３に示す例では、「利用者＃２」や「属性＃２」といった概念的な値を記載したが、実際には、特定利用者データベース３１には、各特定利用者を識別するためのＩＤ（Identifier）や、利用者の属性を示す各種の情報が登録される。

例えば、図３に示す例では、特定利用者データベース３１には、特定利用者「利用者＃２」および利用者属性「属性＃２」が対応付けて登録されている。このような情報は、「利用者＃２」が示す利用者の属性が「属性＃２」が示す属性である旨を示す。

投稿情報データベース３２は、ＳＮＳサーバ５０等から取得した投稿情報が話題ごとに登録される。例えば、図４は、実施形態に係る投稿情報データベースに登録される情報の一例を示す図である。例えば、図４に示す例では、投稿情報データベース３２には、「投稿日時」、「投稿内容」、「内容状態」、および「投稿者」といった項目を有する情報が、「話題」ごとに登録されている。

ここで、「話題」とは、投稿内容が関連する話題を示す情報である。また、「投稿日時」とは、投稿情報が投稿された日時を示す情報である。また、「投稿内容」とは、投稿されたテキスト等のコンテンツの内容である。また、「内容状態」とは、対応付けられた投稿内容が、話題に対してポジティブな内容であるかネガティブな内容であるかを示す情報である。また「投稿者」とは、対応付けられた投稿情報を投稿した利用者を示す識別子である。なお、図４に示す例では、「話題＃１」、「日時＃１」、「投稿＃１」、「利用者＃１」等といった概念的な値を記載したが、実際には、話題の内容を示す情報や、日時を示す数値、投稿されたテキストデータや利用者のＩＤ等といった各種の情報が登録される。

例えば、図４に示す例では、投稿情報データベース３２には、話題「話題＃１」、投稿日時「日時＃１」、投稿内容「投稿＃１」、内容状態「ポジティブ」、および投稿者「利用者＃１」が対応付けて登録されている。このような情報は、「利用者＃１」が示す利用者が、「日時＃１」が示す日時に、「投稿＃１」が示す内容の投稿情報を投稿している旨を示す。また、このような情報は、「投稿＃１」が示す投稿内容が、「話題＃１」が示す話題に関連するものであり、「投稿＃１」が示す投稿内容が、「話題＃１」が示す話題に対して「ポジティブ」な内容である旨を示す。

配信情報データベース３３には、利用者Ｕ０１に対して配信される情報が登録される。例えば、配信情報データベース３３には、利用者Ｕ０１に対して提供される情報として、各種の広告に関する情報が登録されているものとする。また、配信情報データベース３３には、各広告が、どのような話題の投稿情報とともに表示される広告であるかを示す情報が登録されているものとする。

図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、判定装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部４０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

図２に示すように、制御部４０は、取得部４１、解析部４２、特定部４３、判定部４４、提供部４５を有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部４０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

取得部４１は、ＳＮＳサーバ５０から投稿情報を取得する。例えば、取得部４１は、投稿内容、投稿した利用者、投稿された日時を含む投稿情報を取得する。なお、取得部４１は、ＳＮＳサーバ５０以外にも、任意の投稿情報を管理するサーバから投稿情報を取得してよい。

解析部４２は、任意の文章解析技術を用いて、投稿情報に含まれる投稿内容の解析を行い、投稿情報と解析結果を投稿情報データベース３２に登録する。例えば、解析部４２は、取得部４１によって取得された投稿情報の中から投稿内容の形態素解析等を行い、投稿内容がどのような話題に関する投稿内容であるかを特定する。また、解析部４２は、投稿内容が話題に対してポジティブな内容であるかネガティブな内容であるか、すなわち、話題に対する投稿内容の内容状態を特定する。そして、解析部４２は、投稿内容から特定した話題ごとに、投稿情報と、内容状態とを対応付けて投稿情報データベース３２に登録する。

特定部４３は、所定の話題について複数の利用者が投稿した情報の内容を特定する。例えば、利用者Ｕ０１の端末装置１００は、投稿情報を閲覧する際に、投稿情報とともに表示される広告の配信リクエストを判定装置１０に送信する。このような配信リクエストを受信した場合、特定部４３は、端末装置１００が表示する投稿情報の投稿内容や、利用者Ｕ０１の属性等に基づいて、判定処理の対象とする話題を選択する。そして、特定部４３は、投稿情報データベース３２を参照し、選択した話題と対応付けられた投稿情報や内容状態を特定する。

判定部４４は、所定の話題について投稿された投稿情報の数と、複数の利用者のうち所定の利用者が投稿した投稿内容、もしくは特定の内容の投稿とに基づき、所定の話題の方向性を判定する。具体的には、判定部４４は、特定部４３が特定した各投稿情報を流体を構成する粒子と見做し、投稿内容が有する方向性を粒子の移動方向と見做す。また、判定部４４は、特定利用者データベース３１を参照し、特定部４３が特定した投稿情報のうち、特定利用者によって投稿された投稿情報を特定し、特定利用者の投稿内容の方向性を、流体の粘度と見做す。また、判定部４４は、内容状態が特定の内容の投稿を特定し、特定した投稿の内容や数等に基づいて、流体の粘度やカーネルＷの値を設定する。そして、判定部４４は、パーティクル法に基づいて、流体の動きを算出し、算出結果に基づいて、所定の話題の流れを判定する。

例えば、判定部４４は、特定部４３が特定した投稿情報と内容状態を投稿情報データベース３２から抽出し、抽出した投稿情報の数を計数する。また、判定部４４は、特定した各投稿の内容状態を識別する。そして、判定部４４は、パーティクル法における粒子として、計数した数の粒子を設定するとともに、各粒子の移動方向を、特定した内容状態に応じて設定する。なお、判定部４４は、特定した投稿情報の投稿日時に応じて、対応する粒子の移動速度を設定してもよい。

また、判定部４４は、特定利用者データベース３１に登録された情報と、特定部４３が特定した投稿情報とのマッチングを行い、特定利用者が投稿した特定情報を抽出する。そして、判定部４４は、抽出した特定情報の内容状態に応じて、局所的な流れの影響力を示すパラメータを設定する。例えば、判定部４４は、パーティクル法における粒子の粘性項やカーネルの値を設定する。また、判定部４４は、内容状態が特定の内容の投稿を全て特定し、特定した投稿の内容や数に基づいて、パーティクル法における粒子の粘性項やカーネルの値を設定する。なお、判定部４４は、特定利用者と対応付けられた利用者属性の内容と、判定対象とする話題との関係性を判定し、判定結果に応じて、パラメータの値を調整してもよく、特定利用者が投稿を行った日時に応じて、パラメータの値を調整してもよい。

そして、判定部４４は、パーティクル法に基づき、流体の流れをシミュレートし、シミュレート結果に基づいて、判定対象となる話題の流れの方向性や、話題の流れの速さ等を話題の流れとして判定する。その後、判定部４４は、判定結果を提供部４５に出力する。

提供部４５は、判定部４４による判定結果に基づく内容の情報を、利用者に対して提供する。例えば、提供部４５は、判定部４４によって判定された判定結果に基づいて、配信対象となる広告等の情報を、配信情報データベース３３から特定する。例えば、提供部４５は、全体としての話題の流れがネガティブであるかポジティブであるか、すなわち、話題の流れの方向性を指標として、情報を選択する。また、提供部４５は、どれくらいネガティブな流れであるか、ポジティブな流れであるか、すなわち、話題の流れの方向性がどれくらい強いか（すなわち、流れが早いか）を指標として、情報を選択する。そして、提供部４５は、選択した情報を、投稿情報に挿入して表示する情報として、端末装置１００に送信する。

〔３．算出手法の一例〕
次に、数式を用いて、判定装置１０が、投稿情報を流体を構成する粒子と見做し、投稿情報の内容状態を粒子の移動方向と見做し、特定利用者の投稿情報に基づく局所的な流れを考慮して、所定の話題の流れを判定する処理の一例について説明する。なお、以下に示す数式は、あくまで一例であり、同様に流体の動きをシミュレートする数式であれば、任意の数式を採用可能である。

例えば、時間を「ｔ」、密度を「ρ」、速度を「ｖ」、粘性係数を「μ」とおくと、圧縮性流れの連続の式は以下の式（１）で表され、流体の運動を記述するナビエストークスの式は、以下の式（２）で表すことができる。

ここで、流体を複数の粒子の集合体として近似的に表すと、粒子ｉの密度を「ρ_ｉ」、粒子ｉの速度ベクトルを「ｖ_ｉ」、粒子ｉの位置ベクトルを「ｒ_ｉ」、粒子ｊの速度ベクトルを「ｖ_ｊ」、粒子ｊの位置ベクトルを「ｒ_ｊ」とし、粒子の持つ物理量をカーネルと呼ばれる重み関数Ｗで表すと、式（１）は、以下の式（３）で表され、式（２）は、以下の式（４）で表すことができる。ここで、カーネルＷは、ある粒子の物理量を周囲の粒子に重みづけする関数である。また、式（４）中の「Π_ｉｊ」は、粘性を示す粘性項であり、以下の式（５）で表すことができる。

判定装置１０は、このような式（３）〜（５）において、所定の話題における投稿情報の数に基づく数の粒子を設定し、各投稿の内容状態に基づいて各粒子の速度ベクトルを設定する。ここで、判定装置１０は、内容状態がポジティブまたはネガティブの２値で表される場合には、速度ベクトルとして、ノルムが同一の値となる正または負の値を設定すればよいが、実施形態は、これに限定されるものではない。例えば、判定装置１０は、内容状態が中立である場合には、速度ベクトルを「０」に設定する、あるいは、内容状態が「ネガティブ」である粒子の移動方向と、内容状態が「ポジティブ」の移動方向とに直行する方向に設定するなど、内容状態の値に応じた大きさおよび向きの速度ベクトルを設定してよい。また、判定装置１０は、投稿されてから経過した時間に応じて、速度ベクトルの大きさを調整してもよい。

また、判定装置１０は、特定利用者の投稿状態、もしくは、特定の内容の投稿に応じて、粘性項の値、または、カーネルＷの値を設定することで、局所的な話題の流れが大局的な話題の流れに及ぼす影響力を考慮する。なお、判定装置１０は、特定利用者の利用者属性と話題との関連性や、特定利用者が投稿してから経過した時間等に応じて、粘性項の値、または、カーネルＷの値を調整してもよい。

そして、判定装置１０は、パーティクル法に基づいて、流体の流れをシミュレートし、シミュレート結果に基づいて、所定の話題の流れを判定する。なお、判定装置１０は、投稿情報の数や内容状態に基づく大局的な流れと、特定利用者の投稿内容に基づく局所的な慣れとを相互に考慮して、パーティクル法に基づく流体の流れを算出し、算出結果に基づいて話題の流れを判定するのであれば、任意の設定等を採用可能である。

〔４．処理の流れの一例〕
次に、図５を用いて、判定装置１０が実行する処理の流れの一例について説明する。図５は、実施形態に係る判定装置が実行する処理の流れの一例を説明する図である。例えば、判定装置１０は、投稿情報を取得し（ステップＳ１０１）、取得した投稿情報の投稿内容を解析して内容状態を特定する（ステップＳ１０２）。続いて、判定装置１０は、各投稿情報をパーティクル法における粒子とみなし（ステップＳ１０３）、内容状態を粒子の移動方向とみなす（ステップＳ１０４）。

続いて、判定装置１０は、特定利用者の投稿情報の内容状態や特定の内容の投稿を特定し（ステップＳ１０５）、特定した内容状態、もしくは、特定の内容の投稿に基づいて、パーティクル法における粘性項やカーネル等、局所的な流れが大局的な流れに与える影響を示すパラメータを設定する（ステップＳ１０６）。そして、判定装置１０は、話題の流れをパーティクル法における流体の流れと見做し、話題全体の流れを判定し（ステップＳ１０７）、判定結果を用いて、利用者に対して提供する情報を選択し（ステップＳ１０８）、処理を終了する。

〔５．変形例〕
上述した実施形態に係る判定装置１０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の判定装置１０の他の実施形態について説明する。

〔５−１．パラメータを用いた処理について〕
例えば、上述した判定装置１０は、特定利用者の投稿状態に応じた粘性項やカーネルＷを設定した。しかしながら、実施形態は、これに限定されるものではない。例えば、判定装置１０は、粘性項やカーネルＷ以外にも、全体の流れに対する影響を示すことができるのであれば、特定利用者の投稿内容や投稿状態に基づいて、任意のパラメータを設定してよい。すなわち、判定装置１０は、所定の話題の流れについて、大局的な流れと、局所的な流れとが相互に及ぼす影響を考慮するのであれば、任意の設定を採用してよい。

〔５−２．ハードウェア構成について〕
また、上述してきた実施形態に係る判定装置１０は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一時記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が判定装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部４０の機能を実現する。

〔６．効果〕
このように、判定装置１０は、所定の話題について複数の利用者が投稿した投稿情報の投稿内容を特定する。そして、判定装置１０は、所定の話題について投稿された投稿情報の一定時間内の数と、複数の利用者のうち所定の利用者が投稿した投稿内容、もしくは、特定の内容の投稿とに基づき、所定の話題の方向性を判定する。すなわち、判定装置１０は、投稿情報の数に基づく大局的な話題の方向性と、特定利用者の投稿内容、もしくは、特定の内容の投稿に基づく局所的な話題の方向性とに基づいて、全体としての話題の方向性を判定する。このため、判定装置１０は、話題の流れの判定精度を向上させることができる。

また、判定装置１０は、所定の話題についての投稿情報を流体を構成する粒子と見做し、投稿内容が有する方向性を粒子の移動方向と見做して流体の動きを算出し、算出結果に基づいて、所定の話題の流れを判定する。すなわち、判定装置１０は、投稿情報の数や内容状態に基づく大局的な話題の流れを判定する。このため、判定装置１０は、話題の流れの判定精度を向上させることができる。

また、判定装置１０は、特定利用者の投稿内容の方向性、もしくは、特定の内容の投稿が有する方向性を、流体の粘度と見做して、流体の動きを算出し、算出結果に基づいて、所定の話題の流れを判定する。すなわち、判定装置１０は、影響力を有する利用者の投稿内容が、他の利用者に対して及ぼす影響を、流体における局所的な運動と見做して、全体の流れを判定する。すなわち、判定装置１０は、特定利用者の投稿による局所的な話題の流れが、大局的な話題の流れに対して及ぼす影響を考慮して、話題の流れを判定する。このため、判定装置１０は、話題の流れの判定精度を向上させることができる。

また、判定装置１０は、各利用者の内容状態を特定し、特定利用者の投稿情報の内容状態、もしくは、特定の内容の投稿の内容状態を考慮して、各利用者の各内容状態の数に基づき、所定の話題の流れを判定する。すなわち、判定装置１０は、どのような内容の投稿がどれくらいされているかという指標に基づいて、話題の流れを判定する。このため、判定装置１０は、話題の流れの判定精度をさらに向上させることができる。

また、判定装置１０は、判定結果に応じた内容の情報を利用者Ｕ０１に対して提供する。このため、判定装置１０は、話題の流れに沿った内容の情報を利用者Ｕ０１に対して提供することができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、判定部は、判定手段や判定回路に読み替えることができる。

１０判定装置
２０通信部
３０記憶部
３１特定利用者データベース
３２投稿情報データベース
３３配信情報データベース
４０制御部
４１取得部
４２解析部
４３特定部
４４判定部
４５提供部
５０ＳＮＳサーバ
１００端末装置

Claims

所定の話題について複数の利用者が投稿した情報の内容を特定する特定部と、
前記所定の話題について投稿された情報を流体を構成する粒子と見做し、当該情報の内容が有する方向性を当該粒子の移動方向と見做して流体の動きを算出し、算出結果に基づいて、前記所定の話題の流れを判定する判定部と
を有することを特徴とする判定装置。
前記判定部は、所定の利用者が投稿した情報の内容、あるいは、特定の内容が有する方向性を、前記流体の粘度と見做して、前記流体の動きを算出し、算出結果に基づいて、前記所定の話題の流れを判定する
ことを特徴とする請求項１に記載の判定装置。
前記特定部は、前記複数の利用者が投稿した情報の内容が、前記所定の話題に対して賛成であるか反対であるかを特定し、
前記判定部は、所定の利用者が投稿した情報の内容、あるいは、特定の内容が、前記所定の話題に対して賛成であるか反対であるかを考慮して、前記所定の話題について賛成である内容の情報の数、および、前記所定の話題について反対である内容の情報の数に基づき、前記所定の話題の流れを判定する
ことを特徴とする請求項１または２に記載の判定装置。
前記判定部による判定結果に応じた内容の情報を、前記利用者に対して提供する提供部
を有することを特徴とする請求項１〜３のうちいずれか１つに記載の判定装置。
判定装置が実行する判定方法であって、
所定の話題について複数の利用者が投稿した情報の内容を特定する特定工程と、
前記所定の話題について投稿された情報を流体を構成する粒子と見做し、当該情報の内容が有する方向性を当該粒子の移動方向と見做して流体の動きを算出し、算出結果に基づいて、前記所定の話題の流れを判定する判定工程と
を含むことを特徴とする判定方法。