JP6517072B2

JP6517072B2 - 語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法

Info

Publication number: JP6517072B2
Application number: JP2015086488A
Authority: JP
Inventors: ジョンフンジャン; ジュンホゴ
Original assignee: 株式会社ワイズナット
Priority date: 2015-02-23
Filing date: 2015-04-21
Publication date: 2019-05-22
Anticipated expiration: 2035-04-21
Also published as: JP2016157408A; KR101589626B1

Description

本発明はＬＳＰ（ＬｅｘｉｃｏＳｅｍａｎｔｉｃＰａｔｔｅｒｎ：語彙意味パターン）知識を利用して創業用データ又は運営支援用データを構築する方法に関するものである。

インターネット普及の拡大とソーシャルネットワークサービスの大衆化と共に自由にインターネットのアクセスが可能なスマートフォンが日常生活に入ってくるにつれ、デジタルデータの量が従来の方式では処理することができないほど爆発的に増加している。いわば、ビッグデータ（Ｂｉｇｄａｔａ）の時代が到来したのである。

ビッグデータは従来のデータベース管理ツールでデータを収集、貯蔵、管理、分析可能な量を超える大量の定型又は非定形データ集合であると定義されるが（ＪａｍｅｓＭａｎｙｉｋａ&ＭｉｃｈａｅｌＣｈｕｉ，「ＢｉｇＤａｔａ」，ＭｃｋｉｎｓｅｙＧｌｏｂａｌＩｎｓｔｉｔｕｔｅ，Ｍａｙ２０１１）、ビッグデータに関する技術は収集と貯蔵領域だけでなく分析と情報創出領域まで拡張されている。

基本的に店舗を創業するか運営するに当たって、消費者の多様な意見を事前に収集しその中から時代のトレンドと消費パターンの変化を速やかに読み取ることは非常に大事なことである。しかしながら、小資本で運営している小売り経営者の店舗からビッグデータを収集し分析して有意味な情報を創出するには時間がかかりコストの面で至難である。これに対して、本発明の発明者はビッグデータ分析技術の一環としてビッグデータに散在している店舗の評判データを効果的に収集する技術について長く研究した末、本発明を完成するに至った。

本発明の目的は、ビッグデータを分析して特定地域又は特定業種に対する消費者のトレンド又は消費パターンの変化を小売り経営者に提供することである。それによって効果的な店舗創業用データ又は運営支援用データの提供サービスを提供する環境を構築しようとする。本発明の他の目的は、事前に定義された語彙意味パターン分析方法を利用して効果的にビッグデータを分析する方法を提供することにある。なお、本発明の明示されていない他の目的は下記詳細な説明及びその効果から容易に推論し得る範囲内で追加的に考慮されるべきである。

このような課題を解決するために、本発明は語彙意味パターン（ＬＳＰ）マッチングシステムが形態素、音節及び節を含む語彙意味パターンを事前に定義してデータベースに貯蔵するステップと、語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形の地理的データを分析し、ユーザ端末が指定した関心地域に位置する多様な業種の店に対する評判データを抽出するステップと、前記語彙意味パターン分析方法に基づいて前記評判データを分析し、ユーザ端末が指定した検索条件に当たる分析結果情報を生成するステップと、を含む語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法を提供する。

また、本発明の好ましいある実施例は、前記語彙意味パターン分析方法で分析されていない評判データを収集して前記語彙意味パターンを更新するステップを更に含むことが好ましい。

また、本発明の好ましいある実施例において、前記評判データを抽出するステップは、前記語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形テキストを分析し、関心知識とは関係なくユーザ端末が指定した関心業種に当たる多様な店の評判データを抽出するステップを更に含むことが好ましい。

また、本発明の好ましいある実施例において、語彙意味パターン分析方法は、語彙意味パターンを非決定性有限オートマタ（ＮｏｎｄｅｔｅｒｍｉｎｉｓｔｉｃＦｉｎｉｔｅＡｕｔｏｍａｔａ）（非決定性有限オートマトン）に変換するステップと、前記非定形の地理的データ又は前記評判データに含まれたテキストを変換された非決定性有限オートマタと比較マッチングするステップと、を含むことが好ましい。
また、本発明の好ましいある実施例において、前記分析結果情報を生成するステップは小売り経営者が使用するユーザ端末が指定した特定業種又は特定地域のトレンド情報、消費パターン情報を抽出するステップを含むことが好ましい。

このような本発明によると、特定地域又は特定業種に対する消費者のトレンド又は消費パターンの変化データを効果的に構築することができる長所がある。また、知識の管理とメンテナンスを効率的に行うことができることはもちろんである。なお、ここで明示的に言及されていない効果であっても、本発明の技術的特徴によって期待される以下の明細書に記載された効果及びその暫定的な効果は本発明の明細書に記載されたものと同じく取り扱われることを付言する。

語彙意味パターン（ＬＳＰ）マッチングシステムにおける店舗創業用データ又は運営支援用データを生成する方法を説明するための一実施例を示すフローチャートである。好ましい実施例による本発明の方法において、データを抽出する対象であるウェブサイトを示す図である。好ましい実施例による本発明の方法において、抽出したデータを介して最新トレンドの変化を示すグラフである。好ましい実施例による語彙意味パターンの構築方法の全体プロセスを概略的に示すフローチャートである。語彙意味パターンの構築方法によってキャプションを構築するに当たって、管理者端末の画面構成例を示す図である。語彙意味パターンの構築方法によって意味素性を定義した意味素性辞典テーブル２００の一例を示す図である。意味素性「ｍｅｅｔｉｎｇ」に対するエントリテーブル２０１の構成例を示す図である。語彙意味パターンの構築方法によって生成されたＬＳＰ構築テーブル３００の構成例を示す図である。

以下、添付した図面を参照して本発明を実施するための具体的な内容を説明する。そして、本発明を説明するに当たって、関連する公知機能についてこの分野の技術者に自明な事項であって本発明の要旨を不明確にする恐れがあると判断される場合にはその詳細な説明を省略する。

本発明は、語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法を提供する。店舗創業用データ又は運営支援用データは一種の経営情報であって、特定地域のトレンド変化と消費パターン変化に対する情報を含む。例えば、世宗市に建てられた政府庁舎に公務員の入居が本格化する時点において、単身赴任の男性たちが朝食を食べる食堂が足りないという事情が発生すれば、この情況に対して本発明はのり巻きの露店がヒット中という情報を提供する。

本発明の方法は、語彙意味パターンマッチングシステムで実行される。語彙意味パターンマッチングシステムは本発明の方法が実行されるサーバとサーバにアクセスして必要なデータ分析結果を受信するユーザ端末で構成されるがそれに限ることはなく、一つのユーザ端末で具現されてもよい。

このような本発明の方法はビッグデータを分析するためデータの正確性が向上され、特にソーシャルネットワークサービスに載せられた多くのデータを迅速に分析することができるため最新トレンドを素早く読み取る長所がある。以下、本発明の方法について図面を参照して詳細に説明する。

図１は、語彙意味パターン（ＬＳＰ）マッチングシステムにおける店舗創業用データ又は運営支援用データを生成する方法を説明するための一実施例を示すフローチャートであり、図２は好ましい実施例による本発明の方法において、ウェブサイトからデータを抽出する内容を説明するための図である。

図１及び図２から分かるように、本発明の方法は、まずサーバが語彙意味パターンを事前に定義してデータベースに貯蔵するＳ１１００。語彙意味パターンとは語彙、形態素、品詞などの情報と構文構造を表現する文法規則であって、自然言語処理方法の一種である。語彙意味パターン技術は構文分析が容易に行われない自然言語に対して１次元的な構文分析ができるように助ける。語彙意味パターンの構築方法については後述する。

次にサーバは、ユーザ端末が指定した特定地域の店情報である地域データを収集するＳ１２００。好ましい実施例において、本ステップは語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形的地理的データを分析し、ユーザ端末が指定した関心地域に位置する多用な業種の店に対する評判データ（第１評判データ）を抽出する。

定型的地理的データは地図の緯度と経度情報、テキストのうちアドレス情報を含む。例えば、図２の地図１３０にはＧＰＳ情報のような定型的地理的データが含まれる。また、アドレス１４０はそれ自体で定型的地理的データである。このような定型的地理的データは特定ＡＰＩ関数を利用して該当ウェブサイトから容易に抽出される。

これに対して非定形的地理的データはウェブサイトのイメージ１１０又はテキスト１２０のうちから抽出する地理的データであって、定型的地理的データを除く地理的情報を意味する。例えば、新沙洞の並木道、三清洞の石階段街、阿?洞の家具街などのような地理的概念を含む。

このステップで、本発明においてサーバはユーザ端末が指定した関心地域に位置する多様な業種の店に対するデータを収集する。

例えば、サーバは板橋のベンチャータウンにある多様な業種のトレンド情報、消費パターン情報などを収集してユーザ端末に提供する。板橋のベンチャータウンに「ランチタイム運動ブーム」が起こっていれば、サーバはユーザ端末に伝統的な食堂の売上げが減少しテークアウト用サンドイッチの販売が増加している情況に関する情報を提供する。

一方、他の実施例において、本ステップは非定形的地理的データだけでなく定型的地理的データを共に分析し、ユーザ端末が指定した関心地域に位置する多用な業種の店に対する評判データ（第１評判データ）を抽出する。即ち、本発明が非定形的地理的データのみを分析するとは限らない。

次に、サーバは特定地域に関係なくユーザ端末が指定した特定業種に関する関連データを収集するＳ１３００を実行する。

好ましい実施例において、本ステップは語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形テキストを分析し、関心地域とは関係なくユーザ端末が指定した関心業種に当たる多様な店の評判データ（第２評判データ）を抽出する。

非定形テキストはウェブサイトのタグ（Ｔａｇ）１５０のような定型的テキストを除いた情報であって、ウェブサイトの本部テキスト１２０を含む。
例えば、洋服屋を運営しようとする小売り経営者のユーザ端末から「ファッション」、「１０代アクセサリ」のようなキーワードを入力すると、本発明はウェブサイトの非定形テキストから前記キーワードに当たる文書を収集、分析して最新トレンド情報、年齢帯別洋服購入情報のような情報を抽出する。

次にサーバは、前記ステップで収集された第１評判データ及び第２評判データを語彙意味パターン分析方法に基づいて分析し、ユーザ端末が指定した検索条件に当たる分析結果情報を生成するＳ１４００。

ユーザ端末が指定した検索条件は小売り経営者が使用するユーザ端末が指定した特定業種又は特定地域を含み、サーバは指定された業種又は地域のトレンド情報、消費パターン情報を抽出する。例えば、ユーザ端末が「盆唐のおいしい店」を検索条件として入力した場合、語彙意味パターンのマッチング結果は以下のようである。

次にサーバは、語彙意味パターン分析方法で分析されていない評判データを収集して前記語彙意味パターンを更新するＳ１５００。語彙意味パターンの構築量が多くない場合、語彙意味パターン分析方法で分析されないデータがあり得る。この場合、本発明において、サーバが語彙意味パターン分析方法で分析されていないデータを収集して語彙意味パターンデータベースを更新する。

例えば、クッバブ店で販売するメニュのうちトレンディな新メニュが登場する場合を仮定する。従来クッバブ店では販売していなかった新メニュであるため、語彙意味パターンデータベースには新メニュがクッバブ店と連関されて貯蔵されていない可能性がある。よって、この場合該当新メニュを語彙意味パターンデータベースに追加することで次の分析の際に該当新メニュをグッバブ店と関連付けて効果的に分析するようにする。

図３は、好ましい実施例による本発明の方法において、抽出したデータを介して最新トレンドの変化を分析する画面を示す図である。縦軸は語彙意味パターンデータベースから抽出されたグッバブ店関連データの数であり、横軸は抽出した日である。

図３から分かるように、本発明の方法は抽出情報を月別に整理して提供する。それによって、小売り経営者は最新トレンドの変化と流れを容易に捉える効果がある。

＜語彙意味パターン分析方法＞
上述したＳ１２００乃至Ｓ１４００は語彙意味パターン分析方法で非定形的地理的データ又は評判データを分析する。

好ましい実施例において、語彙意味パターン分析方法は、まずサーバが語彙意味パターンを非決定性有限オートマタ（非決定性有限オートマトン）に変換するステップを実行する。

コンピュータプログラムで使用されている数学的モデルである非決定的非決定性有限オートマタを生成する過程は、公知の演算とデータ処理方法に従う。ユニットと演算子トークンはそれぞれ被演算子と演算子スタックに積み、演算子の優先順位に応じて被演算子を処理する。

次に、非定形的地理的データ又は評判データに含まれたテキストを変換された非決定性有限オートマタと比較マッチングするステップを実行する。

＜語彙意味パターン（ＬＳＰ）構築方法＞
図４は、本発明の好ましい一実施例によるＬＳＰ知識構築方法の全体プロセスを例示している。これはテキスト分析及び応答システムのためのＬＳＰの事前構築方法のプロセスでもある。これらの各ステップはハードウェア／ソフトウェアモジュールが構築されているコンピューティングシステムであるサーバ側の管理者端末によって行われる。

まず、サーバ側の管理者端末はコンセプト（Ｃｏｎｃｅｐｔｓ）を構築するＳ１０。コンセプトは語彙意味パターンが属する集合の役割をし、入力される文章に対してどの応答を取るのか決める単位となる。即ち、ユーザに出力される応答文章は質疑者端末の入力文章にマッチングされる任意のＬＳＰが属したコンセプトに登録された応答文章である。

また、好ましくはＳ１０で定義されて構築されるコンセプトは階層構造を有する。図５はコンセプト生成画面１００を示し、複数のコンセプトが階層構造を成す。例えば、大きい範疇のｃｏｍｍｏｎコンセプトを定義しながらその下位範疇としてｐｅｒｉｏｄ，ｔｉｍｅ，ｐｌａｃｅ，ａｔｔｅｎｄｅｅ，ｆｉｌｔｅｒｉｎｇコンセプト定義し、ｆｉｌｔｅｒｉｎｇコンセプトには更にｐｅｒｉｏｄ，ｔｉｍｅ，ｐｌａｃｅ，ａｔｔｅｎｄｅｅを定義して登録する。このようにコンセプトを構築するに当たって、大きい範疇の意味表現から細部意味まで階層を成しながら文章の意味を分類して定義する。各コンセプトはＬＳＰを有するか或いは有しなくてもよい。しかし、本発明において、以下で生成されるＬＳＰは必ずコンセプトに属するようになる。

このように多数のＬＳＰがコンセプトに属するように事前に構築化することで、ＬＳＰはコンセプトの集合になる。よって、類似した内容のテキストを分析し得るＬＳＰを一つのコンセプトに分類することでより効果的に管理することができる。

各コンセプトに属するＬＳＰを構築するためには、対象となるテキストであるサンプルデータの確保が必要である。ユーザはサンプルデータを収集して前記コンセプトに合わせて分類するＳ２０。サンプルデータを多く収集するほどより精巧なコンセプトとＬＳＰの構築が可能になる。これは質疑応答システムの性能に直接的な影響を及ぼす。収集したサンプルデータは構築したコンセプトに合わせてそれぞれ分類するが、もし収集したサンプルデータのうち特定のコンセプトに分類することが難しいデータである場合、即ち、収集したサンプルデータに対応するコンセプトがない場合にはコンセプトを追加するか修正する。
説明の便宜上、以下の文章のようなサンプルデータを例示する：
（Ａ）「チーム会食によいランチを食べる食堂を教えて」
（Ｂ）「課題ワークショップをするつもりだけど、どこがいいかな」
（Ｃ）「課題会議のスケジュールを立てなきゃ…」
質疑応答システムが効果的に実行されるために、単語は異なるが同じ意味を有する語彙を構造化する必要がある。そのために、前記コンセプトの意味を構成する基本単位である意味素性を定義して意味素性辞典を構築するＳ３０。

意味素性はＬＳＰを構成する基本単位のうち一つであり、意味素性辞典は同じ意味を有する一つ以上のエントリを一つの集合に束ねたものである。図６は、意味素性を定義した意味素性辞典テーブル２００の一例を示す図である。この意味素性辞典テーブル２００のうち５００番の意味素性２０１である「ｍｅｅｔｉｎｇ」を例に挙げて説明する。

「会議」、「課題＋会議」、「集会」、「ミーティング」、「課題＋ミーティング」、「討議」、「論議」は同じ意味を有する。よって、これらの単語を「ｍｅｅｔｉｎｇ＿ｎ」という意味素性２０１のエントリに束ねることができ、図７のエントリテーブル２１０のように一つのエントリに分類し、このエントリが「ｍｅｅｔｉｎｇ＿ｎ」という意味素性２０１の下位分類の集合になるように構造化する。

このような意味素性は辞典のような役割をし、このように定義された意味素性に同じ意味を有する語彙エントリを追加するため、意味素性はエントリの集合になり得る。ドメインに内にキーワードで形成された意味素性と叙述表現の意味素性が含まれる。

語彙意味パターンでは記号「＠」を使用して意味素性を「＠ｍｅｅｔｉｎｇ＿ｎ」で表現する。意味素性辞典の構築が終わると、それを活用して先に収集し分類したサンプルデータに対する語彙意味パターン（ＬＳＰ）を構築するＳ４０。

ＬＳＰを構築する際には意味素性だけでなく多様な文法表現に基づく節、形態素、音節、辞典、変数などの表現と多様な演算子を使用することができる。上述したように、本発明においてＬＳＰは任意のコンセプトに属すべきである。

前記Ｓ３０を先に実行しておくことで、一つの代表文型を表現するＬＳＰはそのＬＳＰを構成する意味素性エントリの組み合わせだけの文章を認識する。

図８は、本発明のＬＳＰ構築テーブル３００の一例を示す。このＬＳＰ構築テーブル３００は前記Ｓ２０のサンプルデータの例文（Ａ），（Ｂ），（Ｃ）に関する代表文型のＬＳＰの一部である。

質疑者の入力文章は質疑応答システムによって分析され、分析結果マッチングされるＬＳＰ構文が検索されると、質疑応答システムはそれに対応する応答データを質疑者に出力する。そのために、応答データを予め構築するＳ５０。

好ましくは、各コンセプト別に予め応答文章を構築しておく。質疑者の入力文章がＬＳＰにマッチングされているということは、その文章が当たるコンセプトが特定されるという意味である。なぜならば、Ｓ２０で事前実行によってＳ４０で構築されたＬＳＰ構文が各コンセプト別に分類されるためである。よって、前記Ｓ５０で予め構築される応答データもコンセプト別に分類して登録することが好ましい。この際、入力文章に応じて変わるべき部分は変数に指定しておくことが好ましい。前記Ｓ２０で提示したサンプルデータの例文に対応する応答データは以下のように予め登録される。
（ａ）「近くの＠ｄｉｓｔａｎｃｅ内に＠ｒｅｓｔａｕｒａｎｔがありますね」
（ｂ）「ワークショップ場所として＠ｄｉｓｔａｎｃｅほどよいところはないですね」
（ｃ）「＠ｐｒｏｊｅｃｔのスケジュールは＠ｗｈｅｎになっております」

これまで説明した各ブロックは特定の論理的機能を実行するための一つ以上の実行可能なインストラクションを含むモジュール、セグメント又はコードの一部を示す。また、いくつかの代替実行例ではブロックで言及した機能が順番を逸脱して発生する可能性もあることを注目すべきである。例えば、連なって図示されている２つのブロックは実は実質的に同時に行われてもよく、又はそのブロックが時々当たる機能に応じて逆順に行われてもよい。例えば、前記Ｓ２０のサンプルデータの収集は前記Ｓ１０を実行する前に行われてもよく、またＳ３０の後で行われてもよい。また、前記Ｓ２０はＳ４０の前に来ることが自然であるが、サンプルデータを必要に応じて追加することも考えられる。
ちなみに、本発明の好ましい様々な実施例によるテキスト分析及び応答システムのための語彙意味パターンの事前構築方法は、多様なコンピュータ手段を介して行われるプログラム命令形態で具現されてコンピュータで判読可能な媒体に記録される。前記コンピュータで判読可能な媒体はプログラム命令、データファイル、データ構造などを単独に又は組み合わせて含む。前記媒体に記録されるプログラム命令は本発明のために特別に設計され構成されたものであるか、コンピュータソフトウェアの当業者に公知されて使用可能なものであってもよい。コンピュータで判読可能な記録媒体の例としては、ハードディスク、フロッピディスク及び磁気テープのような磁気媒体、ＣＤ−ＲＯＭ，ＤＶＤのような光記録媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌｄｉｓｋ）のような磁気−光媒体及びＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令を貯蔵し実行するように特別に構成されたハードウェア装置が含まれる。プログラム命令の例としては、コンパイラによって作られるような機械語コードだけでなくインタプリタなどを使用してコンピュータによって実行される高級言語コードを含む。ハードウェア装置は本発明の動作を行うために一つ以上のソフトウェアモジュールとして作動するように構成されてもよく、その逆も同じである。

本発明の保護範囲が前記で明示的に説明した実施例の記載と表現に制限されることはない。また、本発明の属する技術分野で自明な変更や置換によって本発明の保護範囲が制限されることもないことを再度付言する。

Claims

語彙意味パターン（ＬＳＰ：Ｌｅｘｉｃｏ−ｓｅｍａｎｔｉｃ−ｐａｔｔｅｒｎ）マッチングシステムが形態素、音節及び節を含む語彙意味パターンを事前に定義してデータベースに貯蔵するステップと、
語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形的地理的データを分析し、ユーザ端末が指定した関心地域に位置した多用な業種の店に対する評判データを抽出するステップと、
前記語彙意味パターン分析方法に基づいて前記評判データを分析し、ユーザ端末が指定した検索条件に当たる分析結果情報を生成するステップと、を含む
語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法。
前記語彙意味パターン分析方法で分析されていない評判データを収集して前記語彙意味パターンを更新するステップを更に含むことを特徴とする
請求項１に記載の語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法。
前記評判データを抽出するステップは、
前記語彙意味パターン分析方法に基づいてインターネット上のウェブ文書が含む非定形テキストを分析し、関心地域とは関係なくユーザ端末が指定した関心業種に当たる多様な店の評判データを抽出するステップを更に含むことを特徴とする
請求項１に記載の語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法。
語彙意味パターン分析方法は、
語彙意味パターンを非決定性有限オートマタ（ＮｏｎｄｅｔｅｒｍｉｎｉｓｔｉｃＦｉｎｉｔｅＡｕｔｏｍａｔａ）に変換するステップと、
前記非定形的地理的データ又は前記評判データに含まれたテキストを変換された非決定性有限オートマタと比較マッチングするステップと、を更に含むことを特徴とする
請求項１に記載の語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法。
前記分析結果情報を生成するステップは、小売り経営者が使用するユーザ端末が指定した特定業種又は特定地域のトレンド情報、消費パターン情報を抽出するステップを含むことを特徴とする
請求項１に記載の語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法。