JP6706493B2 - 分析装置、処理方法、プログラム - Google Patents

Description

本発明は、分析装置、処理方法、プログラムに関する。

ＳＮＳ（Social Networking Service）を利用してユーザが投稿した情報を用いて、マーケティングなどのための分析を行うことが現在行われつつある。なおＳＮＳに投稿された情報を解析する技術が特許文献１に開示されている。

米国特許出願公開第２０１２／０２０９９２０号明細書

上述のような技術においてはＳＮＳからユーザの属性を判定することができる。このようなユーザ属性を用いて、ユーザ属性を把握できないユーザを含むユーザ群においてキーワードに関心のあるユーザ数をより精度良く推定することが求められている。

そこでこの発明は、上述の課題を解決することのできる分析装置、処理方法、プログラムを提供することを目的としている。

本発明の第１の態様によれば、分析装置は、属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得部と、属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得部と、前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定部と、を備える。

第１の態様の分析装置によれば、属性要素を判定できない第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記第一投稿情報は、通信ネットワークに接続されたコンピュータのうち前記第一ユーザ群に対して特定サービスの情報を配信する第一コンピュータサーバに登録された情報であり、前記第二投稿情報は、前記通信ネットワークに接続された第二コンピュータであって不特定の前記第二ユーザ群に含まれるユーザによって登録された情報である。

上述の分析装置によれば、インターネット等を利用する不特定多数の第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記第一投稿情報は、前記第一投稿情報は、通信ネットワークに接続され、ユーザに対して特定サービスの情報を配信する第一コンピュータサーバに投稿された情報のうち、属性要素の判定できる第一ユーザ群に属するユーザの登録した情報であり、前記第二投稿情報は、前記第一コンピュータサーバに投稿された情報のうち、属性要素の判定できない第二ユーザ群に属するユーザの登録した情報である。

上述の分析装置によれば、ＳＮＳ等を利用する特定の第一ユーザ群に属するユーザのうち属性の判定できないユーザと属性の判定できるユーザの全てのユーザについて、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記推定部は、前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する。

上述の分析装置によれば、属性要素ごとのユーザによる第一登録度合の割合と、属性要素ごとのユーザによる第二登録度合の割合との関係が線形であると推定した場合においての、シードキーワードに関心のあるユーザ数を、インターネットを利用する不特定多数の第二ユーザ群に属するユーザの中からユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が非線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する。

上述の分析装置によれば、属性要素ごとのユーザによる第一登録度合の割合と、属性要素ごとのユーザによる第二登録度合の割合との関係が非線形であると推定した場合においての、シードキーワードに関心のあるユーザ数を、インターネットを利用する不特定多数の第二ユーザ群に属するユーザの中からユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記推定部は、前記関連キーワードを含む前記第一投稿情報を登録したユーザの割合を前記関連キーワードと前記属性要素の組み合わせごとに算出し、前記関連キーワードに応じた前記属性要素ごとの反応率を示す反応率ベクトルを生成し、前記反応率ベクトルを所定の数に分類し、それら分類した反応率ベクトルを一つの行列で表した反応率行列を生成し、前記反応率行列と、前記属性要素ごとの前記第一ユーザ群に含まれるユーザ数を示す行列と、前記関連キーワードに応じた前記第一投稿情報を登録した前記属性要素ごとのユーザの数を示す行列と、前記関連キーワードに応じた前記第二投稿情報を登録したユーザの数を示す行列と、を用いて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する。

上述の分析装置によれば、属性要素ごとのユーザによる第一登録度合の割合と、属性要素ごとのユーザによる第二登録度合の割合との関係が線形であると推定した場合においての、シードキーワードに関心のあるユーザ数を、インターネットを利用する不特定多数の第二ユーザ群に属するユーザの中からユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合を前記関連キーワードそれぞれについて算出し、その関連キーワードに応じた前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記関連キーワードごとの第二登録度合の割合とを用いて、前記第二ユーザ群に属するユーザの前記属性要素ごとの数を前記関連キーワードについて算出し、その数を合計して前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの数を推定する。

上述の分析装置によれば、属性要素を判定できない第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

また上述の分析装置において、前記関連キーワードの中から前記第一投稿情報において出現率の高いキーワードを再定義した関連キーワードとして抽出するキーワード抽出部と、を備え、前記第一取得部は、前記再定義した関連キーワードに応じた前記第一登録度合を前記ユーザの属性要素ごとに取得し、前記第二取得部は、前記再定義した関連キーワードに応じた前記第二登録度合を取得する。

上述の分析装置によれば、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定する精度を高めることができる。

また上述の分析装置において、前記第一投稿情報を登録したユーザ数の前記第一ユーザ群に含まれるユーザの数に対する割合と、前記第二投稿情報を登録したユーザ数の前記第二ユーザ群に含まれるユーザの数に対する割合との時間に応じた変化に基づいて、前記第一ユーザ群に属するユーザから前記第二ユーザ群に属するユーザへと、前記シードキーワードに対する関心が波及する時間的な遅延度合を算出する遅延度合算出部と、を備える。

本発明の第２の態様によれば、分析装置の処理方法は、前記分析装置の第一取得部が、属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得し、前記分析装置の第二取得部が、属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得し、前記分析装置の推定部が、前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する。

第２の態様の分析装置の処理方法によれば、属性要素を判定できない第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

本発明の第３の態様によれば、プログラムは、分析装置のコンピュータに、属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得手順、属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得手順、前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定手順、を実行させる。

第３の態様のプログラムによれば、属性要素を判定できない第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定する処理を行う分析装置としてコンピュータを機能させることができる。

本発明によれば、属性要素を判定できない第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

第一の実施形態による分析システムを示す図である。 第一の実施形態による分析装置の処理フローを示す図である。 第四の実施形態による分析システムを示す図である。 第六の実施形態による分析システムを示す図である。

（第一の実施形態）
以下、本発明の一実施形態による分析装置を図面を参照して説明する。
図１は同実施形態による分析システムを示すブロック図である。
図１に示すように、本実施形態による分析システム１００は、分析装置１、データベース２、情報蓄積装置５により構成されている。分析システム１００にはＳＮＳサーバ３、インターネットサーバ４が含まれて構成されるものと定義されてよい。分析装置１、情報蓄積装置５、ＳＮＳサーバ３（第一コンピュータサーバ）、インターネットサーバ４（第二コンピュータサーバ）はコンピュータ装置である。これらコンピュータ装置は、ＣＰＵ（Central Processing Unit）などの演算部、及び、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）などの記憶部、及び、ネットワークインタフェースなどその他のハードウェアによって構成されている。分析装置１は通信ネットワークを介して情報蓄積装置５と接続されてよい。情報蓄積装置５はインターネット２０を介して１つまたは複数のＳＮＳサーバ３と接続されてよい。分析装置１は通信ネットワークまたは通信ケーブルを介してデータベース２と接続されている。

ＳＮＳサーバ３は、ＳＮＳのユーザ登録を行った第一ユーザ群に対してＳＮＳとして定義される特定のサービスに関する情報を配信するコンピュータである。ＳＮＳサーバ３は、第一ユーザ群に属するユーザによって投稿された第一投稿情報を記憶部に保持する。投稿とはユーザがＰＣなどの端末を用いて情報をサーバ等にアップロードなどの登録を行う操作の態様を意味する。第一投稿情報には、その第一投稿情報を登録したユーザの識別情報（ＩＤ）や属性の要素が付与された文字列のテキスト情報などであってよい。第一投稿情報はその情報を登録したユーザの属性の要素を特定することのできる情報であり、第一投稿情報は少なくともユーザのＩＤが付与されているなどにより、ユーザを特定できる情報であればよい。分析装置１は、一例としては第一投稿情報に含まれるユーザＩＤを用いて、その第一投稿情報をＳＮＳサーバ３に登録したユーザの属性の要素を判定することができる。例えば分析装置１はユーザＩＤに基づいて、そのユーザの属性の要素をＳＮＳサーバ３に問い合わせる処理を行う。または分析装置１はＳＮＳサーバ３に登録されている第一投稿情報やユーザの属性要素の情報を予めデータベース２に記憶している。第一コンピュータサーバであるＳＮＳサーバ３はユーザ登録を行った第一ユーザ群に対して特定サービスの情報としてＳＮＳの情報を配信するとしているが、ユーザの属性要素を把握できる情報であれば、それ以外のサービスの情報を配信するものであってもよい。

インターネットサーバ４は、第二ユーザ群と定義したユーザ群に含まれる不特定のユーザによって登録された第二投稿情報を保持するコンピュータである。第二投稿情報にはその情報を登録したユーザのＩＤや属性情報が付与されていない。第二投稿情報はユーザの属性やその要素の情報を特定することのできない情報として定義されてよい。第二投稿情報は、例えば記事、論文、コメントなどのテキスト情報であってよい。

ＳＮＳサーバ３とインターネットサーバ４は共にインターネットに接続されたコンピュータサーバであるが、ＳＮＳサーバ３がＳＮＳを提供するコンピュータサーバである一方、インターネットサーバ４はそれ以外のコンピュータサーバとして定義するようにしてもよい。またはＳＮＳサーバ３は登録したユーザの属性情報を特定できる投稿情報を保持するサーバであり、一方インターネットサーバ４はユーザの属性情報を特定できない投稿情報を保持するサーバとして定義するようにしてもよい。
ＳＮＳの提供を受けるためにユーザ登録を行った第一ユーザ群に属するユーザは、不特定多数の第二ユーザ群に属するユーザであってよい。第一ユーザ群に属するユーザはＳＮＳに登録しているユーザ、第二ユーザ群に属するユーザはインターネットを利用するユーザであるため、第一ユーザ群に属するユーザの総数は第二ユーザ群に属するユーザの総数より少ないことは明らかである。
ＳＮＳサーバ３とインターネットサーバ４は説明の便宜上、図１において１つずつ表しているが、それぞれ複数がインターネット２０を介して分析装置１と接続されてよい。
情報蓄積装置５はデータベースの機能を有しており、第一投稿情報や第二投稿情報、第一投稿情報をＳＮＳサーバ３に登録したユーザ固有の情報（ユーザＩＤ、ユーザの属性要素など）を予め保持しているものとする。情報蓄積装置５はその情報をユーザの操作によって記憶媒体から読み取ってデータベースに蓄積してもよいし、ＳＮＳサーバ４やインターネットサーバ４から直接ネットワークを介して取得してもよい。なお分析システム１００は情報蓄積装置５を有さなくともよい。その場合、分析装置１は、ＳＮＳサーバ３やインターネットサーバ４に対してインターネットを介して情報蓄積装置５を介さずに接続されていなくともよい。

分析装置１は演算部が記憶部に記録されている分析アプリケーションプログラムを実行することにより、第一取得部１１、第二取得部１２、推定部１３の機能を有するコンピュータとなる。
第一取得部１１は、ＳＮＳサーバ３に登録された第一投稿情報を検索対象として検索処理を行う。第一取得部１１は、種となるシードキーワードに関連する複数の関連キーワードそれぞれを用いて第一投稿情報を検索し、その検索の結果に基づいて得られる関連キーワードに応じた第一登録度合を、第一ユーザ群に属するユーザの属性要素ごとに取得する。第一登録度合は、第一ユーザ群に属するユーザによって関連キーワードを含む第一投稿情報がＳＮＳサーバ３に登録された量の指標を示す値である。
第二取得部１２は、インターネットサーバ４に登録された第二投稿情報を検索対象として検索処理を行う。第二取得部１２は、複数の関連キーワードそれぞれを用いて第二投稿情報を検索し、その検索の結果に基づいて得られる第二登録度合を取得する。第二登録度合は、第二ユーザ群に属するユーザによって関連キーワードを含む第二投稿情報がインターネットサーバ４に登録された量の指標を示す値である。
推定部１３は、第一登録度合と第二登録度合とに基づいて、インターネットを利用する不特定多数の第二ユーザ群に属するユーザのうち、シードキーワードについて関心のあるユーザ数を、ユーザ属性の要素ごとに推定する。

これにより分析装置１は、インターネットを利用する不特定多数の第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。

図２は第一の実施形態による分析装置の処理フローを示す図である。
第一の実施形態による分析装置１の処理フローを説明する。
分析者はまずシードキーワードを決定する。シードキーワードは分析したい対象に関連する単語である。例えばある展示会について関心のある人数を分析したい場合には、その展示会の展示会タイトルなどをシードキーワードとして決定する。シードキーワードの数は１つを想定するが複数決定するようにしてもよい。分析者はシードキーワードを用いて関連キーワードを複数決定する。分析者は関連キーワードの数の総数を「ｍ」とする。なお関連キーワードに代えて、関連キーワードを複数含むキーワードクラスタをｍ個決定するようにしてもよい。この場合、以下の説明における関連キーワードをキーワードクラスタと読み替えることとなる。また分析者は展示会に関心のある人についての属性の要素数を決定する。例えば展示会について興味のある性別ごとの数を分析したい場合には、ユーザ属性である「性」を構成する要素である「男」と「女」の２つの属性要素に基づいて、属性要素数を「２」と決定する。決定した属性要素数の総数を「ｎ」とする。分析者は関連キーワードの数ｍが、人についての属性要素数ｎよりも大きい数となるようにそれらの数を決定する。分析者は決定した関連キーワードと、その関連キーワードの数ｍと、決定したユーザ属性の要素と、その属性要素の数ｎとを分析装置１に入力する。分析装置１はそれら入力した情報をメモリに記録する。
以降、関連キーワードｍ個のうち、任意の関連キーワードを示す際には添字ｉ(１≦ｉ≦ｍ)を用いて表し、また、属性要素ｎ個のうち、任意の属性要素を示す際には添字ｊ(１≦ｊ≦ｎ)を用いて表す。

複数の関連キーワードは分析装置１が決定するようにしてもよい。この場合、分析装置１はシードキーワードを入力し、そのシードキーワードを用いてｍ個の関連キーワードを決定する。関連キーワードの決定方法は、意味内容的に関連の深いキーワードを必要な個数抽出できるものであれば、どのようなアルゴリズムによって決定するようにしてもよい。分析装置１はシードキーワードを用いて検索エンジンを利用して検索を行い、その結果得られた文書情報（ＨＴＭＬ文書）に含まれる単語の中から出現頻度の高いキーワード複数を関連キーワードと特定するようにしてもよい。

分析者は分析装置１の記憶する分析アプリケーションプログラムの実行を指示する。分析装置１の演算部が分析者の操作に基づいて分析アプリケーションプログラムを実行する。この実行により分析装置１は第一取得部１１、第二取得部１２、推定部１３の各機能を備えることとなる。

第一取得部１１は、第一ユーザ群に属するユーザによってＳＮＳサーバ３に投稿された情報（第一投稿情報）を情報蓄積装置５から読み取り、その情報の中から、複数の関連キーワードのうちの１つ目の関連キーワードｋ_１を含む情報を検索する。検索処理は情報蓄積装置５が行って、その結果を第一取得部が取得してもよい。この検索の結果、第一取得部１１は、第一ユーザ群に属するユーザによる第一投稿情報のうち、関連キーワードｋ_１を含む検索結果となる投稿情報を取得する。第一取得部１１は、検索結果である関連キーワードｋ_１を含む投稿情報に基づいて、その投稿情報の総数と、それら投稿情報を投稿した各ユーザの属性の要素を取得する。各ユーザの属性の要素は投稿情報に紐づけてＳＮＳサーバ３または情報蓄積装置５が予め保持しているものとする。

第一取得部１１は、関連キーワードｋ_１を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性の要素をユーザ自身の属性の要素とするユーザを、情報蓄積装置５に記録されているＳＮＳサーバ３の保持する情報から特定する。第一取得部１１は、特定したユーザによって登録された第一投稿情報の数を、その特定したユーザの属性要素ごとにカウントする。第一取得部１１は、関連キーワードｋ_１と、分析者が決定した属性要素ｚ_１と、関連キーワードｋ_１を含む第一投稿情報を登録した各ユーザのうち属性要素ｚ_１に一致するユーザがＳＮＳサーバ３に登録した第一投稿情報の数とを、対応付けてデータベース２に記録する。第一取得部１１は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍについて同様に、関連キーワードｋ_ｉを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｊに一致するユーザがＳＮＳサーバ３に登録した第一投稿情報の数Ｓ_ｉｊを、その決定した属性要素ｚ_ｊごとにカウントする（ステップＳ１）。これにより第一取得部１１は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍと分析者の決定したユーザ属性要素ｚ_ｊの全ての組み合わせごとの検索結果の投稿情報の数Ｓ_ｉｊ（第一登録度合）をデータベース２に登録する。なお本実施形態において第一取得部１１は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの投稿情報の数Ｓ_ｉｊを取得している。しかし第一取得部１１は、関連キーワードに応じた属性要素ごとの投稿（登録）の度合いを示す情報であれば他の値を取得して第一登録度合としてデータベース２に登録し、この投稿（登録）の度合（指標）を示す値を用いて以降の処理を進めるようにしてもよい。

次に第二取得部１２は、第二ユーザ群に属するユーザによってインターネットサーバ４に投稿された情報（第二投稿情報）を情報蓄積装置５から読み取り、その情報の中から複数の関連キーワードのうちの１つ目のキーワードｋ_１を含む第二投稿情報を検索する。検索処理は情報蓄積装置５が行って、その結果を第二取得部が取得してもよい。この検索の結果、第二取得部１２は、第二ユーザ群に属するユーザによってインターネットサーバ４に登録された第二投稿情報のうち、関連キーワードｋ_１を含む検索結果となる第二投稿情報を取得する。第二取得部１２は、関連キーワードｋ_１を含む検索結果となる第二投稿情報に基づいて、その投稿情報の数を取得する。第二取得部１２は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍについて同様に、それら関連キーワードｋ_１，ｋ_２・・・ｋ_ｍを含む第二投稿情報の数をそれぞれ取得する。つまり第二取得部１２は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍごとに、検索結果の第二投稿情報の数ｔ_１，ｔ_{２，・・・}ｔ_ｍ（第二登録度合）をカウントする（ステップＳ２）。第二取得部１２はカウントした第二投稿情報の数ｔ_ｉをデータベース２に登録する。第二取得部１２は全ての関連キーワードｋ_ｉについての検索処理を終了すると推定部１３に処理の開始を指示する。本実施形態において第二取得部１２は、関連キーワードに応じた投稿情報の数ｔ_ｉを取得している。しかし第二取得部１２は、関連キーワードに応じた投稿（登録）の度合いを示す情報であれば他の値を取得して第二登録度合としてデータベース２に登録し、この投稿（登録）の度合（指標）を示す値を用いて以降の処理を進めるようにしてもよい。

第一ユーザ群に属するユーザが関連キーワードを含む文章等の投稿情報を登録することは、第一ユーザ群に属するユーザがその関連キーワードについての事象に反応していることを示す。推定部１３は各関連キーワードについて、この反応の度合いを示す反応率ｗ_ｉｊを第一取得部１１の検索結果から求める。反応率ｗ_ｉｊのｉは関連キーワードｍ個のうち、任意のものを指す識別子を示している。また反応率ｗ_ｉｊのｊは属性の要素ｎ個のうち、任意のものを指す識別子を示している。関連キーワードｋ_ｉを用いて第一投稿情報を検索した結果、関連キーワードｋ_ｉの第一投稿情報を属性要素ｚ_ｊに一致したユーザの投稿数がｘ_ｉｊであり、第一ユーザ群に属するユーザの総数がｙであった場合、反応率ｗ_ｉｊはｘ_ｉｊ÷ｙにより算出することができる。推定部１３はｗ_ｉｊ＝ｘ_ｉｊ÷ｙの式を用いて、第一ユーザ群に属するユーザのうち関連キーワードｋ_ｉについての事象に反応している属性要素ｚ_ｊに一致するユーザの反応率ｗ_ｉｊを、関連キーワードｋ_ｉと属性要素ｚ_ｊの組み合わせごとに算出する（ステップＳ３）。推定部１３は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率を示す反応率ベクトルｗ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，・・・，ｗ_ｉｎ］を生成する（ステップＳ４）。これにより推定部１３は関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率を示すｍ個の反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍを生成することができる。

次に推定部１３は、生成した関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率ｗ_ｉｊを示すｍ個の反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍそれぞれが示すベクトルの数列の偏り具合を判定する。推定部１３はその偏り具合が大きい反応率ベクトルをｎ個抽出する。具体的には推定部１３は、１つの反応率ベクトルｗ_ｉに含まれる反応率ｗ_ｉｊの値の偏り具合を、その反応率ベクトルｗ_ｉに含まれる要素（反応率ｗ_ｉｊ）のジニ係数を算出し、その算出を全ての反応率ベクトルｗ_ｉに対して行う。推定部１３はそのジニ係数が大きい反応率ベクトルｗ_ｉからそのジニ係数の大きい順にｎ個の反応率ベクトルｗ_ｉを抽出する（ステップＳ５）。推定部１３はそれら抽出した反応率ベクトルｗ_ｉを順に、ω_１，ω_２，・・・，ω_ｎと見なす。推定部１３はｎ行の各ベクトルω_１，ω_２，・・・，ω_ｎを用いてｎ×ｎの反応率を示す正方行列Ｗを生成する（ステップＳ６）。下記式（１）は転置行列により表している。

この正方行列を反応率行列Ｗと呼ぶこととする。ジニ係数を用いる手法は反応率ベクトルｗ_ｉそれぞれにおける数列の偏り具合を判定するための一つの手法である。推定部１３は、ジニ係数を用いる代わりに、標準偏差、ハーフィンダール指数（ＨＨＩ）などを用いて反応率ベクトルｗ_ｉそれぞれが示すベクトルの数列の偏り具合を判定してもよい。

推定部１３は、ＳＮＳサーバ３によって提供されるＳＮＳにユーザ登録を行った第一ユーザ群の総ユーザについての属性要素を取得する。推定部１３はそれら第一ユーザ群に属するユーザのうち、分析者が決定した属性要素に一致するユーザの数を算出する。この算出を行うために分析装置１はＳＮＳサービスに登録しているユーザの各属性要素をＳＮＳサーバ３から事前に取得していてよい。推定部１３は分析者が決定した属性要素ｚ_ｊごとのＳＮＳサービスの登録ユーザ数を対角成分とする行列（ＳＮＳ登録ユーザの属性行列Ａ）を生成する（ステップＳ７）。

この属性行列Ａの対角成分をａ_１，ａ_２，・・・，ａ_ｎとすると、ａ_１は属性要素ｚ_１に一致するＳＮＳサービスの登録ユーザ数を示し、ａ_２は属性要素ｚ_２に一致するＳＮＳサービスの登録ユーザ数を示し、ａ_ｊは属性要素ｚ_ｊに一致するＳＮＳサービスの登録ユーザ数を示す。

推定部１３は、関連キーワードｋ_ｉを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｊに一致するユーザによって登録された第一投稿情報の数Ｓ_ｉｊをデータベース２から取得する。また推定部１３は関連キーワードｋ_ｉの中からｎ個の抽出関連キーワードを特定する。このｎ個の抽出関連キーワードの特定にあたり、推定部１３は数Ｓ_ｉｊの中から０となっている数Ｓ_ｉｊの検索結果の検索に用いた関連キーワードｋ_ｉを除き、また数Ｓ_ｉｊの検索結果の検索時に用いた関連キーワードｋ_ｉを特定することによりｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎを特定する。推定部１３は、ｎ個の抽出関連キーワードを用いた検索結果の数Ｓ_ｉｊをそれぞれ抽出し、それら数Ｓ_ｉｊを成分とするｎ行ｎ列のＳＮＳ検索結果行列Ｓを生成する（ステップＳ８）。

数Ｓ_１１は抽出関連キーワードｋ^’ _１を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_１に一致するユーザによって登録された第一投稿情報の数である。数Ｓ_３３は抽出関連キーワードｋ^’ _３を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_３に一致するユーザによって登録された第一投稿情報の数である。数Ｓ_ｎｎは抽出関連キーワードｋ^’ _ｎを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｎに一致するユーザによって登録された第一投稿情報の数である。

推定部１３はまた、ｍ個の関連キーワードｋ_１，ｋ_２，・・・，ｋ_ｍから抽出したｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎを含む第二投稿情報を登録した各ユーザの数ｔ_ｊをｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎごとに情報蓄積装置５から取得する。推定部１３はインターネットサーバ４に検索処理をさせて、その結果、抽出関連キーワードｋ^’ _ｉを含む第二投稿情報を登録した各ユーザの数ｔ_ｊをｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎごとに取得するようにしてもよい。推定部１３は抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎごとの数ｔ_ｊを成分とするｎ行１列のインターネット検索結果行列ｔを生成する（ステップＳ９）。下記式（４）は転置行列により表している。

インターネット検索結果行列ｔにおいて、例えば、ｔ_１は抽出関連キーワードｋ^’ _１を含む第二投稿情報を登録したユーザの数を示す。またｔ_２は抽出関連キーワードｋ^’ _２を含む第二投稿情報を登録したユーザの数を示す。またｔ_ｊは抽出関連キーワードｋ^’ _ｊを含む第二投稿情報を登録したユーザの数を示す。

本実施形態において推定部１３はインターネットを利用する不特定多数の第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定する。よって推定部１３はシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定するために、抽出関連キーワードｋ^’ _ｊに関心のあるユーザ数をユーザ属性の要素ごとに推定する必要がる。ユーザ属性の要素ごとのシードキーワードに関心のあるユーザ数ｂ_１，ｂ_２，・・・，ｂ_ｎを、

と表すとする。下記式（５）は転置行列により表している。
上述のような式（１）〜（５）が与えられている状況において、

がそれぞれ成立する。そして式（７）により

が得られる。よって式（６）と式（８）を用いて

が成立する。式（９）を解くことにより、属性要素ごとのシードキーワードに関心のあるユーザ数を算出する（ステップＳ１０）。上記の算出手法は、第一ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第一登録度合の割合を示す関係式と、第二ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第二登録度合の割合を示す関係式とを用いた連立方程式を、行列を用いて解く場合の例に相当する。ユーザ属性の要素ごとのシードキーワードに関心のあるユーザ数ｂ_１，ｂ_２，・・・，ｂ_ｎの合計値Ｎは、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数と言うことができる。

以上、第一の実施形態による分析装置１の処理について説明したが、上述の処理によれば、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定することができる。
また属性要素ごとの反応率に基づいて、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定するため、より正確性高く、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定することが期待できる。

（第二の実施形態）
第二の実施形態による分析装置１は、第一の実施形態による反応率行列Ｗの生成方法とは異なる方法で、その反応率行列Ｗを生成する点で異なる。
具体的には、分析装置１の推定部１３は、第一ユーザ群に属するユーザのうち関連キーワードｋ_ｉについての事象に反応している属性要素ｚ_ｊのユーザの反応率ｗ_ｉｊを、関連キーワードｋ_ｉと属性要素ｚ_ｊの組み合わせごとに算出する（ステップＳ３）。そして推定部１３は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率を示す反応率ベクトルｗ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，・・・，ｗ_ｉｎ］を生成する（ステップＳ４）。これにより推定部１３は関連キーワードに応じた属性要素ｚ_ｎごとの反応率を示す反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍのｍ個の反応率ベクトルを生成することができる。ここまでの処理は第一の実施形態と同様である。

次に推定部１３は、クラスタ数を示すｎの値を取得する。当該ｎの値は第一の実施形態のステップＳ５において抽出した反応率ベクトルｗ_ｉの数ｎと同一の値であり、予めメモリ等に記録されている。推定部１３は、関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍを、クラスタ数ｎを用いてクラスタリングする。このクラスタリングの手法はｋ−ｍｅａｎｓ法などの公知のクラスタリング技術を利用する。これにより、関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍがｎ個のクラスタＣ_ｎに分類される。クラスタＣ_ｎの各クラスタ内に含まれる反応率ベクトルをｗ_ｉとして表す。例えばｎ＝２、ｍ＝７であった場合、反応率ベクトルｗ_１，ｗ_２，ｗ_３，ｗ_４，ｗ_５，ｗ_６，ｗ_７の７つの反応率ベクトルが、クラスタＣ_１とクラスタＣ_２とに分類される。

推定部１３は各クラスタＣ_ｎに含まれる各反応率ベクトルｗ_ｉを用いて、属性要素ごとの検索数を示す検索数ベクトルｈ_ｉ＝［ｈ_ｍ１，ｈ_ｍ２，・・・，ｈ_ｍｎ］を算出する。式（２）により、属性の要素ｚごとのＳＮＳサービスの登録ユーザ数を対角成分とする行列（ＳＮＳ登録ユーザの属性行列Ａ）が与えられているため、関連キーワードに応じた属性要素ごとの検索数を示す検索数ベクトルｈ_ｉは、下記の式（１０）を用いて算出することができる。

推定部１３は、クラスタＣ_ｊに含まれる反応率ベクトルｗ_ｉを用いて、１つ又は複数の関連キーワードのまとまりに応じた属性要素ごとの平均の反応率を示す反応率ベクトルｕ_ｊを各クラスタＣ_１，Ｃ_２，Ｃ_３，・・，Ｃ_ｎに基づいて算出する。つまりクラスタＣ_１について反応率ベクトルｕ_１を算出し、Ｃ_２について反応率ベクトルｕ_２を算出し、Ｃ_ｊについて反応率ベクトルｕ_ｊを算出し、Ｃ_ｎについて反応率ベクトルｕ_ｎを算出する。反応率ベクトルｕ_ｊは、式（１０）を用いて、以下の式（１１）により算出することが出来る。式（１１）においてｑは、クラスタＣ_ｎに含まれる反応率ベクトルの個数を示す。

推定部１３は、反応率ベクトルｕ_１，ｕ_２，・・，ｕ_ｎを用いて、ｎ×ｎの反応率を示す反応率行列Ｗを生成する（ステップＳ６）。下記式（１２）は転置行列により表している。

以降の処理は第一の実施形態と同様である。

（第三の実施形態）
第三の実施形態による分析装置１は、第一の実施形態や第二の実施形態の分析装置１における反応率を示す反応率行列Ｗの生成方法とは異なる方法で、その反応率行列Ｗを生成する点で異なる。
具体的には、分析装置１の推定部１３は、第一ユーザ群に属するユーザのうち関連キーワードｋ_ｉについての事象に反応している属性の要素ｚ_ｊのユーザの反応率ｗ_ｉｊを、関連キーワードと属性の要素の組み合わせごとに算出する（ステップＳ３）。そして推定部１３は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率を示す反応率ベクトルｗ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，・・・，ｗ_ｉｎ］を生成する（ステップＳ４）。これにより推定部１３は関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍのｍ個の反応率ベクトルを生成することができる。ここまでの処理は第一の実施形態と同様である。

次に推定部１３は、ｍ個の反応率ベクトルｗ_ｉのうち任意の２つの反応率ベクトルｗ_ｉを選択して、その選択した２つのベクトルのコサイン類似度を算出する。推定部１３は算出したコサイン類似度と閾値ｔｈ１との関係に基づいて、関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_ｉをクラスタリングする。このクラスタリングの処理において推定部１３は、コサイン類似度と閾値ｔｈ１とに基づいて閾値ｔｈ１以上の類似度を算出した２つの反応率ベクトルｗ_ｉの組み合わせを特定する。推定部１３はある反応率ベクトルの組み合わせと、他の反応率ベクトルの組み合わせとを比較して同じ反応率ベクトルが含まれる各組み合わせに含まれる全ての反応率ベクトルを１つのクラスタと設定する。これにより推定部１３は閾値ｔｈ１以上の類似度と判定した各反応率ベクトルｗ_ｉの組み合わせにおいて１つまたは複数のクラスタを特定し、それ以外の反応率ベクトルｗ_ｉの１つずつを１つの反応率ベクトルｗ_ｉを含むクラスタと特定する。推定部１３は、閾値ｔｈ１を、閾値ｔｈ１＝１から値を徐々に下げていった場合のクラスタ数をカウントして、所定のクラスタ数ｎに分類されるまで上記クラスタの特定の処理を行う。これにより推定部１３は関連キーワードに応じた属性要素ごとの反応率を示すｍ個の反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍをｎ個のクラスタＣ_ｎに分類する。

以降の処理は第二実施形態と同様であり、推定部１３は関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，・・・，ｗ_ｉｎ］を用いて、関連キーワードに応じた属性要素ごとの検索数を示す検索数ベクトルｈ_ｉ＝［ｈ_ｍ１，ｈ_ｍ２，・・・，ｈ_ｍｎ］を算出する。式（２）により、属性の要素ｚ_ｊごとのＳＮＳサービスの登録ユーザ数を対角成分とする行列（ＳＮＳ登録ユーザの属性行列Ａ）が与えられているため、関連キーワードに応じた属性要素ごとの検索数を示す検索数ベクトルｈ_ｉは、上記の式（１０）と同様に算出することができる。

推定部１３は、クラスタＣ_ｊに含まれる１つ又は複数の関連キーワードのまとまりに応じた属性要素ごとの平均の反応率を示す反応率ベクトルｕ_１，ｕ_２，ｕ_３，・・・，ｕ_ｎを算出する。このクラスタＣ_ｊに含まれる１つ又は複数の関連キーワードのまとまりに応じた属性要素ごとの平均の反応率を示す反応率ベクトルｕ_ｊは、式（１０）を用いて、上記式（１１）により算出することが出来る。式（１１）においてｑは、クラスタＣ_ｊに含まれる反応率ベクトルｗ_ｉの数を示す。

推定部１３は、クラスタＣ_ｊに含まれる１つ又は複数の関連キーワードのまとまりに応じた属性要素ごとの平均の反応率を示す反応率ベクトルｕ_１，ｕ_２，・・・，ｕ_ｎを用いて、ｎ×ｎの反応率を示す反応率行列Ｗを生成する。以降の処理は第一の実施形態と同様である。

上述の第二の実施形態と第三の実施形態を要約して説明すると、推定部１３は、関連キーワードを含む第一投稿情報を登録したユーザの割合を関連キーワードと属性要素の組み合わせごとに算出し、関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルｗ_ｉを生成する。また推定部１３は、反応率ベクトルｗ_ｉを所定の数に分類し、それら分類した反応率ベクトルｗ_ｉを一つの行列で表した反応率行列Ｗを生成する。そして推定部１３は、反応率行列Ｗと、属性要素ごとの第一ユーザ群に含まれるユーザ数を示す行列Ａと、関連キーワードに応じた第一投稿情報を登録した属性要素ごとのユーザの数を示す行列Ｓと、関連キーワードに応じた第二投稿情報を登録したユーザの数を示す行列ｔと、を用いてシードキーワードに関心のある第二ユーザ群に属するユーザの属性要素ごとの数を推定している。

（第四の実施形態）
第四の実施形態による分析装置１は関連キーワードの抽出により有意な結果が得られないかった場合に関連キーワードを再定義する処理を行う。
図３は第四の実施形態による分析システムを示す図である。図３に示す分析装置１はさらにキーワード抽出部１４を備える。当該キーワード抽出部１４も、分析装置１の演算部が分析アプリケーションプログラムを実行することにより分析装置１のコンピュータに備わる機能である。

キーワード抽出部１４は、関連キーワードを用いた第一取得部１１の検索結果が示す属性要素に応じた第一投稿情報の数Ｓ_ｉｊや、それら関連キーワードを用いた第二取得部１２の検索結果が示す属性要素に応じた第二投稿情報ｔ_ｉを比較する。キーワード抽出部１４は、比較した属性要素に応じた第一投稿情報の数Ｓ_ｉｊと第二投稿情報ｔ_ｉとの差に有意な差が無い場合には、有意な結果が得られないと推定される場合であると判定して、以下の手法により関連キーワードの再抽出を行う。またはキーワード抽出部１４はユーザによって分析装置１に入力された先の処理結果の良し悪しの情報に基づいて、先の処理結果が悪いことを示す情報を入力した場合には、有意な結果が得られないと推定される場合であると判定して、以下の手法により関連キーワードの再抽出を行ってもよい。

キーワード抽出部１４は、属性要素ｚ_ｊに応じた第一投稿情報の数Ｓ_ｉｊと第二投稿情報ｔ_ｉとの差に有意な差が無い場合、事前にＳＮＳサーバ３から取得して情報蓄積装置５に格納された第一投稿情報を解析する。この解析においてキーワード抽出部１４は、第一投稿情報が示す文章情報を形態素解析する。キーワード抽出部１４は、ある属性要素ｚ_ｊのユーザが投稿した第一投稿情報に含まれる単語の出現率を、単語ごとに算出する。キーワード抽出部１４は全ての属性要素ｚ_ｊに応じた単語ごとの出現率を算出する。出現率の算出方法は以下の式（１３）で示す。

キーワード抽出部１４は式（１３）を用いた算出結果、シードキーワードの関連キーワードが示す単語の中から、出現率の高い単語を属性要素ｚ_ｊごとに抽出して、合計でｍ個の関連キーワードを抽出する。この場合、属性要素ｚ_ｊそれぞれについて抽出した関連キーワードが重ならないように、それぞれの属性要素ｚ_ｊに応じた単語を合計でｍ個抽出する。そして推定部１３は、キーワード抽出部１４の抽出した関連キーワードを用いて第一〜第三の実施形態で示した処理を行う。

上記処理により、分析装置１は、関連キーワードの抽出により有意な結果が得られないかった場合に関連キーワードを再定義して、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定する精度をさらに高めることができる。

（第五の実施形態）
第一〜第三の実施形態における処理は、インターネットを利用するユーザ総数に対して関連キーワードをインターネットサーバ４に登録したユーザ数の割合と、ＳＮＳのユーザ総数に対してＳＮＳにおいて関連キーワードを投稿したユーザ数の割合との関係が線形であると推定した場合の処理である。つまり第一〜第三の実施形態における処理は、第一ユーザ群に含まれるユーザの総数に対する属性要素ごとの第一登録度合の割合と、第二ユーザ群に含まれるユーザの総数に対する属性要素ごとの第二登録度合の割合との関係が線形である場合についての処理である。
一方で、インターネットを利用するユーザのうちシードキーワードに関心を持つユーザ層におけるユーザ総数Ｎ_１を対象として、関連キーワードをインターネットサーバ４に登録したユーザ数の割合と、ＳＮＳのユーザ総数に対してＳＮＳにおいて関連キーワードを投稿したユーザ数の割合との関係が非線形であると推定して処理を行ってインターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数を推定してもよい。つまり推定部１３は、第一ユーザ群に含まれるユーザの総数Ｎ_１に対する属性要素ごとの第一登録度合の割合と、第二ユーザ群に含まれるユーザの総数Ｎ_２に対する属性要素ごとの第二登録度合の割合との関係が非線形であることに基づいて、インターネットを利用するユーザのうち関連キーワードに関心のある属性要素ごとのユーザ数を推定するようにしてもよい。
なお上述したうように、第一登録度合は関連キーワードを含む投稿情報がＳＮＳサーバ３に登録された数を示す。また第二登録度合は関連キーワードを含む投稿情報がインターネットサーバ４に登録された数を示す。

インターネットを利用するユーザのうちシードキーワードに関心を持つユーザ層におけるユーザ総数Ｎ_１を対象として、関連キーワードの含む第二投稿情報をインターネットサーバ４に登録したユーザ数をｒ、ＳＮＳのユーザ総数Ｎ_２に対してＳＮＳにおいて関連キーワードを含む第一投稿情報を登録したユーザ数Ｒとする。するとユーザ数ｒとユーザ数Ｒとを用いて非線形関数をＲ＝ｆ（ｒ）と表すことができる。この非線形モデルとして仮にロジットモデルを利用した場合、推定部１３は、

とする非線形モデルを用いて、インターネットを利用するユーザのうち関連キーワードに関心のある属性要素ごとのユーザ数を推定する。ただしユーザ総数Ｎ_１の推定は難しい為、複数の母集団に対する検索結果を予めデータベース２に保持しておくこととする。上述の式（１４）においてα_ｉｊ，β_ｉｊの２つのパラメータ、ｅは自然対数の底を示す。式（１４）に示すようにα_ｉｊ，β_ｉｊの２つのパラメータが必要である。また上述したようにｉは関連キーワードｋ_ｉを示す識別子、ｊは属性要素を示す識別子である。パラメータα_ｉｊ，β_ｉｊは、非線形な、インターネットを利用するユーザ総数に対して関連キーワードをインターネットサーバ４に登録したユーザ数の割合と、ＳＮＳのユーザ総数に対してＳＮＳにおいて関連キーワードを投稿したユーザ数の割合との関係を特定するためのパラメータである。インターネットを利用するユーザ総数に対して関連キーワードをインターネットサーバ４に登録したユーザ数の割合と、ＳＮＳのユーザ総数に対してＳＮＳにおいて関連キーワードを投稿したユーザ数の割合との非線形な関係は、例えばイノベータ理論による普及線と同様の曲線の関係と類似している。その非線形な関係を示す曲線は、ユーザ総数が少ない場合にはユーザ数が増加するに従って増加率が増加する状態で関連キーワードに関する情報の登録が増加する曲線を示し、ユーザ総数が多くなると逆にユーザ数が増加するに従って増加率が減少する状態で関連キーワードに関する情報の登録が徐々に増加する曲線を示す。

第五の実施形態の分析装置１によれば、属性要素ごとのユーザによる第一登録度合の割合と、属性要素ごとのユーザによる第二登録度合の割合との関係が非線形であると推定した場合においての、シードキーワードに関心のあるユーザ数を、インターネットを利用する不特定多数の第二ユーザ群に属するユーザの中からユーザ属性の要素ごとに推定することができる。

（第六の実施形態）
第六の実施形態による分析装置１はさらに遅延度合算出部１５を備える。
図４は第六の実施形態による分析システムを示す図である。遅延度合算出部１５は、分析装置１の演算部が分析アプリケーションプログラムを実行することにより分析装置１のコンピュータに備わる機能である。
第六の実施形態による分析装置１は上述の処理を所定の時間おきに繰り返しておこなう。これにより、分析装置１はインターネットを利用するユーザのうちシードキーワードに関心を持つユーザ層におけるユーザ数Ｎ_１に対する、関連キーワードを含む第二投稿情報をインターネットサーバ４に登録したユーザ数ｒの割合と、ＳＮＳのユーザ総数Ｎ_２に対してする、ＳＮＳにおいて関連キーワードを含む第一投稿情報を登録したユーザ数Ｒの割合とを、所定の時間おきに取得する。分析装置１の遅延度合算出部１５は、ＳＮＳのユーザ総数Ｎ_２に対する、ＳＮＳにおいて関連キーワードを投稿したユーザ数Ｒの割合が、例えば１０％になるまでの期間Ｔ１と、インターネットにおけるシードキーワードに関心を持つユーザ数Ｎ_１に対する、関連キーワードをインターネットサーバ４に登録したユーザ数をｒの割合が、同じく１０％になるまでの期間Ｔ２とを比較する。そして遅延度合算出部１５は、期間Ｔ２と期間Ｔ１を比較することにより、ＳＮＳのユーザから、インターネットのユーザに関連キーワードについての興味が波及する時間的な遅延度合を算出する。この遅延は関連キーワードごとに算出されるため、全ての関連キーワードについての遅延度合を集計することにより、ＳＮＳのユーザから、インターネットのユーザにシードキーワードについての興味が波及する時間的な遅延度合を算出するようにしてもよい。

（第七の実施形態）
第七の実施形態において、第一投稿情報は、ＳＮＳサーバ３に投稿された情報のうち、属性要素の判定できる各ユーザを含む第一ユーザ群に属するユーザの登録した情報であるとする。また第七の実施形態において、第二投稿情報は、ＳＮＳサーバ３に投稿された情報のうち、属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザの登録した情報であるとする。
そして、第七の実施形態において第一取得部は、属性要素の判定できる第一ユーザ群に属するユーザがＳＮＳサーバ３に登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行う。そして第一取得部は、その検索結果に基づいて得られる関連キーワードに応じた第一登録度合を属性要素ごとに取得する。
また第七の実施形態において第二取得部は、属性要素の判定できない第二ユーザ群に属するユーザがＳＮＳサーバ３に登録した第二投稿情報を検索対象として複数の関連キーワードを用いて第二の検索を行う。そして第二取得部は、その検索結果に基づいて得られる関連キーワードに応じた第二登録度合を取得する。
また第七の実施形態において推定部は、第一登録度合と第二登録度合とに基づいて、ＳＮＳに登録したユーザ全体のうち、シードキーワードに関心のある第一ユーザ群または第二ユーザ群またはその両方のユーザ群に属するユーザの属性要素ごとの数を推定する。

次に第七の実施形態による分析装置１の処理フローを説明する。
第一実施形態と同様に分析者はシードキーワードを決定する。シードキーワードは分析したい対象に関連する単語である。例えばある展示会について関心のある人数を分析したい場合には、その展示会の展示会タイトルなどをシードキーワードとして決定する。シードキーワードの数は１つを想定するが複数決定するようにしてもよい。分析者はシードキーワードを用いて関連キーワードを複数決定する。分析者は関連キーワードの数の総数を「ｍ」とする。なお関連キーワードに代えて、関連キーワードを複数含むキーワードクラスタをｍ個決定するようにしてもよい。この場合、以下の説明における関連キーワードをキーワードクラスタと読み替えることとなる。また分析者は展示会に関心のある人についての属性の要素数を決定する。例えば展示会について興味のある性別ごとの数を分析したい場合には、ユーザ属性である「性」を構成する要素である「男」と「女」の２つの属性要素に基づいて、属性要素数を「２」と決定する。決定した属性要素数の総数を「ｎ」とする。分析者は関連キーワードの数ｍが、人についての属性要素数ｎよりも大きい数となるようにそれらの数を決定する。分析者は決定した関連キーワードと、その関連キーワードの数ｍと、決定したユーザ属性の要素と、その属性要素の数ｎとを分析装置１に入力する。分析装置１はそれら入力した情報をメモリに記録する。

複数の関連キーワードは分析装置１が決定するようにしてもよい。この場合、分析装置１はシードキーワードを入力し、そのシードキーワードを用いてｍ個の関連キーワードを決定する。関連キーワードの決定方法は公知の技術であればどのようなアルゴリズムによって決定するようにしてもよい。

分析者は分析装置１の記憶する分析アプリケーションプログラムの実行を指示する。分析装置１の演算部が分析者の操作に基づいて分析アプリケーションプログラムを実行する。この実行により分析装置１は第一取得部１１、第二取得部１２、推定部１３の各機能を備えることとなる。

第一取得部１１は、属性要素の判定できる各ユーザを含む第一ユーザ群に属するユーザによってＳＮＳサーバ３に投稿された情報（第一投稿情報）を情報蓄積装置から読み取る。第一取得部１１は読み取った情報の中から、複数の関連キーワードのうちの１つ目の関連キーワードｋ_１を含む情報を検索する。検索処理は情報蓄積装置５が行って、その結果を第一取得部が取得してもよい。この検索の結果、第一取得部１１は、第一ユーザ群に属するユーザによる第一投稿情報のうち、関連キーワードｋ_１を含む検索結果となる投稿情報を取得する。第一取得部１１は、検索結果である関連キーワードｋ_１を含む投稿情報に基づいて、その投稿情報の総数と、それら投稿情報を投稿した各ユーザの属性の要素を取得する。各ユーザの属性の要素は投稿情報に紐づけてＳＮＳサーバ３または情報蓄積装置５が予め保持しているものとする。

第一取得部１１は、関連キーワードｋ_１を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性の要素をユーザ自身の属性の要素とするユーザを、情報蓄積装置５に記録されているＳＮＳサーバ３の保持する情報から特定する。第一取得部１１は、特定したユーザによって登録された第一投稿情報の数を、その特定したユーザの属性要素ごとにカウントする。第一取得部１１は、関連キーワードｋ_１と、分析者が決定した属性要素ｚ_１と、関連キーワードｋ_１を含む第一投稿情報を登録した各ユーザのうち属性要素ｚ_１に一致するユーザがＳＮＳサーバ３に登録した第一投稿情報の数とを、対応付けてデータベース２に記録する。第一取得部１１は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍについて同様に、関連キーワードｋ_ｉを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｊに一致するユーザがＳＮＳサーバ３に登録した第一投稿情報の数Ｓ_ｉｊを、その決定した属性要素ｚ_ｊごとにカウントする（ステップＳ１）。これにより第一取得部１１は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍと分析者の決定したユーザ属性要素ｚ_ｊの全ての組み合わせごとの検索結果の投稿情報の数Ｓ_ｉｊ（第一登録度合）をデータベース２に登録する。なお本実施形態において第一取得部１１は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの投稿情報の数Ｓ_ｉｊを取得している。しかし第一取得部１１は、関連キーワードに応じた属性要素ごとの投稿（登録）の度合いを示す情報であれば他の値を取得して第一登録度合としてデータベース２に登録し、この投稿（登録）の度合（指標）を示す値を用いて以降の処理を進めるようにしてもよい。

次に第二取得部１２は、属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザによってＳＮＳサーバ３に投稿された情報（第二投稿情報）を情報蓄積装置５から読み取る。第二取得部１２は読み取った情報の中から複数の関連キーワードのうちの１つ目のキーワードｋ_１を含む第二投稿情報を検索する。検索処理は情報蓄積装置５が行って、その結果を第二取得部が取得してもよい。この検索の結果、第二取得部１２は、第二ユーザ群に属するユーザによってＳＮＳサーバ３に登録された第二投稿情報のうち、関連キーワードｋ_１を含む検索結果となる第二投稿情報を取得する。第二取得部１２は、関連キーワードｋ_１を含む検索結果となる第二投稿情報に基づいて、その投稿情報の数を取得する。第二取得部１２は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍについて同様に、それら関連キーワードｋ_１，ｋ_２・・・ｋ_ｍを含む第二投稿情報の数をそれぞれ取得する。つまり第二取得部１２は、全ての関連キーワードｋ_１，ｋ_２・・・ｋ_ｍごとに、検索結果の第二投稿情報の数ｔ_１，ｔ_２，・・・ｔ_ｉ（第二登録度合）をカウントする（ステップＳ２）。第二取得部１２はカウントした第二投稿情報の数ｔ_ｉをデータベース２に登録する。第二取得部１２は全ての関連キーワードｋ_ｉについての検索処理を終了すると推定部１３に処理の開始を指示する。本実施形態において第二取得部１２は、関連キーワードに応じた投稿情報の数ｔ_ｉを取得している。しかし第二取得部１２は、関連キーワードに応じた投稿（登録）の度合いを示す情報であれば他の値を取得して第二登録度合としてデータベース２に登録し、この投稿（登録）の度合（指標）を示す値を用いて以降の処理を進めるようにしてもよい。

第一ユーザ群に属するユーザが関連キーワードを含む文章等の投稿情報を登録することは、第一ユーザ群に属するユーザがその関連キーワードについての事象に反応していることを示す。推定部１３は各関連キーワードについて、この反応の度合いを示す反応率ｗ_ｉｊを第一取得部１１の検索結果から求める。反応率ｗ_ｉｊのｉは関連キーワードｍ個のうち、任意のものを指す識別子を示している。また反応率ｗ_ｉｊのｊは属性の要素ｎ個のうち、任意のものを指す識別子を示している。関連キーワードｋ_ｉを用いて第一投稿情報を検索した結果、関連キーワードｋ_ｉの第一投稿情報を属性要素ｚ_ｊに一致したユーザの投稿数がｘ_ｉｊであり、第一ユーザ群に属するユーザの総数がｙであった場合、反応率ｗ_ｉｊはｘ_ｉｊ÷ｙにより算出することができる。推定部１３はｗ_ｉｊ＝ｘ_ｉｊ÷ｙの式を用いて、第一ユーザ群に属するユーザのうち関連キーワードｋ_ｉについての事象に反応している属性要素ｚ_ｊに一致するユーザの反応率ｗ_ｉｊを、関連キーワードｋ_ｉと属性要素ｚ_ｊの組み合わせごとに算出する（ステップＳ３）。推定部１３は、関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率を示す反応率ベクトルｗ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，・・・，ｗ_ｉｎ］を生成する（ステップＳ４）。これにより推定部１３は関連キーワードｋ_ｍに応じた属性要素ｚ_ｎごとの反応率を示すｍ個の反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍを生成することができる。

次に推定部１３は、生成した関連キーワードｋ_ｉに応じた属性要素ｚ_ｊごとの反応率ｗ_ｉｊを示すｍ個の反応率ベクトルｗ_１，ｗ_２，ｗ_３，・・・，ｗ_ｍそれぞれが示すベクトルの数列の偏り具合を判定する。推定部１３はその偏り具合が大きい反応率ベクトルをｎ個抽出する。具体的には推定部１３は、１つの反応率ベクトルｗ_ｉに含まれる反応率ｗ_ｉｊの値の偏り具合を、その反応率ベクトルｗ_ｉに含まれる要素（反応率ｗ_ｉｊ）のジニ係数を算出し、その算出を全ての反応率ベクトルｗ_ｉに対して行う。推定部１３はそのジニ係数が大きい反応率ベクトルｗ_ｉからそのジニ係数の大きい順にｎ個の反応率ベクトルｗ_ｉを抽出する（ステップＳ５）。推定部１３はそれら抽出した反応率ベクトルｗ_ｉを順に、ω_１，ω_２，・・・，ω_ｎと見なす。推定部１３はｎ行の各ベクトルω_１，ω_２，・・・，ω_ｎを用いてｎ×ｎの反応率を示す正方行列Ｗ（上記式（１）と同様）を生成する（ステップＳ６）。

この正方行列を反応率行列Ｗと呼ぶこととする。ジニ係数を用いる手法は反応率ベクトルｗ_ｉそれぞれにおける数列の偏り具合を判定するための一つの手法である。推定部１３は、ジニ係数を用いる代わりに、標準偏差、ハーフィンダール指数（ＨＨＩ）などを用いて反応率ベクトルｗ_ｉそれぞれが示すベクトルの数列の偏り具合を判定してもよい。

推定部１３は、ＳＮＳサーバ３によって提供されるＳＮＳにユーザ登録を行った第一ユーザ群の総ユーザについての属性要素を取得する。推定部１３はそれら第一ユーザ群に属するユーザのうち、分析者が決定した属性要素に一致するユーザの数を算出する。この算出を行うために分析装置１はＳＮＳサービスに登録しているユーザの各属性要素をＳＮＳサーバ３から事前に取得していてよい。推定部１３は分析者が決定した属性要素ｚ_ｊごとのＳＮＳサービスの登録ユーザ数を対角成分とする上記式（２）で示される行列（ＳＮＳ登録ユーザの属性行列Ａ）を生成する（ステップＳ７）。

この属性行列Ａの対角成分をａ_１，ａ_２，・・・，ａ_ｎとすると、ａ_１は属性要素ｚ_１に一致するＳＮＳサービスの登録ユーザ数を示し、ａ_２は属性要素ｚ_２に一致するＳＮＳサービスの登録ユーザ数を示し、ａ_ｉは属性要素ｚ_ｊに一致するＳＮＳサービスの登録ユーザ数を示す。

推定部１３は、関連キーワードｋ_ｉを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｊに一致するユーザによって登録された第一投稿情報の数Ｓ_ｉｊをデータベース２から取得する。また推定部１３は関連キーワードｋ_ｉの中からｎ個の抽出関連キーワードを特定する。このｎ個の抽出関連キーワードの特定にあたり、推定部１３は数Ｓ_ｉｊの中から０となっている数Ｓ_ｉｊの検索結果の検索に用いた関連キーワードｋ_ｉを除き、また数Ｓ_ｉｊの検索結果の検索時に用いた関連キーワードｋ_ｉを特定することによりｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎを特定する。推定部１３は、ｎ個の抽出関連キーワードを用いた検索結果の数Ｓ_ｉｊをそれぞれ抽出し、それら数Ｓ_ｉｊを成分とするｎ行ｎ列の上記式（３）で示される第一検索結果行列Ｓを生成する（ステップＳ８）。

数Ｓ_１１は抽出関連キーワードｋ^’ _１を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_１に一致するユーザによって登録された第一投稿情報の数である。数Ｓ_３３は抽出関連キーワードｋ^’ _３を含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_３に一致するユーザによって登録された第一投稿情報の数である。数Ｓ_ｎｎは抽出関連キーワードｋ^’ _ｎを含む第一投稿情報を登録した各ユーザのうち分析者によって決定された属性要素ｚ_ｎに一致するユーザによって登録された第一投稿情報の数である。

推定部１３はまた、ｍ個の関連キーワードｋ_１，ｋ_２，・・・，ｋ_ｍから抽出したｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎを含む第二投稿情報を登録した各ユーザの数ｔ_ｊをｎ個の抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎごとに情報蓄積装置５から取得する。推定部１３は抽出関連キーワードｋ^’ _１，ｋ^’ _２，・・・，ｋ^’ _ｎごとの数ｔ_ｊを成分とするｎ行１列の上記式（４）で示す第二検索結果行列ｔを生成する（ステップＳ９）。

第二検索結果行列ｔにおいて、例えば、ｔ_１は抽出関連キーワードｋ^’ _１を含む第二投稿情報を登録したユーザの数を示す。またｔ_２は抽出関連キーワードｋ^’ _２を含む第二投稿情報を登録したユーザの数を示す。またｔ_ｊは抽出関連キーワードｋ^’ _ｊを含む第二投稿情報を登録したユーザの数を示す。

本実施形態において推定部１３はＳＮＳに登録したユーザのうち属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザの中から、シードキーワードに関心のあるユーザ数を、ユーザ属性の要素ごとに推定する。よって推定部１３はシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定するために、抽出関連キーワードｋ^’ _ｊに関心のあるユーザ数をユーザ属性の要素ごとに推定する必要がる。ユーザ属性の要素ごとのシードキーワードに関心のあるユーザ数ｂ_１，ｂ_２，・・・，ｂ_ｎを、上記式（５）と同様にと表すとする。
このように式（１）〜（５）が与えられている状況において、上記式（６）、式（７）がそれぞれ成立する。そして式（７）により上記式（８）が得られる。よって式（６）と式（８）を用いて上記式（９）が第一実施形態と同様に成立する。式（９）を解くことにより、属性要素ごとのシードキーワードに関心のあるユーザ数を算出する（ステップＳ１０）。この算出手法は、第一ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第一登録度合の割合を示す関係式と、第二ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第二登録度合の割合を示す関係式とを用いた連立方程式を、行列を用いて解く場合の例に相当する。ユーザ属性の要素ごとのシードキーワードに関心のあるユーザ数ｂ_１，ｂ_２，・・・，ｂ_ｎの合計値Ｎは、ＳＮＳに登録したユーザのうち属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザのうち、シードキーワードに関心のあるユーザ数と言うことができる。

なおＳＮＳに登録したユーザのうち属性要素の判定できる各ユーザを含む第一ユーザ群に属するユーザのうち、シードキーワードに関心のあるユーザ数は、第一投稿情報に含まれるＩＤ等によって特定した各ユーザの属性と、第一投稿情報に含まれるキーワードを解析すれば把握することができる。したがって、これらの数と、ＳＮＳに登録したユーザのうち属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザのうち、シードキーワードに関心のあるユーザ数とを合計すれば、ＳＮＳに登録したユーザのうち、シードキーワードに関心のあるユーザ数を属性要素ごとに算出することができる。

以上、第七の実施形態による分析装置１の処理について説明したが、上述の処理によれば、ＳＮＳに登録したユーザ全体のうち、シードキーワードに関心のある第一ユーザ群または第二ユーザ群またはその両方のユーザ群に属するユーザの属性要素ごとの数を推定することができる。

なお第七の実施形態で示した反応率行列Ｗの生成方法の代わりに、第二の実施形態で示した反応率行列Ｗの生成方法や、第三の実施形態で示した反応率行列Ｗの生成方法を利用してもよい。
また第七の実施形態で示す分析装置１の処理に、上記第四〜第六の実施形態で示した分析装置１の処理の何れか一つまたは複数を適用してもよい。

上述の分析装置は内部に、コンピュータシステムを有している。そして、上述した各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１・・・分析装置
２・・・データベース
３・・・ＳＮＳサーバ
４・・・インターネットサーバ
１１・・・第一取得部
１２・・・第二取得部
１３・・・推定部
１４・・・キーワード抽出部
１５・・・遅延度合算出部

Claims (11)

1. 属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得部と、
   属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得部と、
   前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定部と、
   を備えることを特徴とする分析装置。
2. 前記第一投稿情報は、通信ネットワークに接続されたコンピュータのうち前記第一ユーザ群に対して特定サービスの情報を配信する第一コンピュータサーバに登録された情報であり、
   前記第二投稿情報は、前記通信ネットワークに接続された第二コンピュータであって不特定の前記第二ユーザ群に含まれるユーザによって登録された情報である
   ことを特徴とする請求項１に記載の分析装置。
3. 前記第一投稿情報は、通信ネットワークに接続され、ユーザに対して特定サービスの情報を配信する第一コンピュータサーバに投稿された情報のうち、属性要素の判定できる第一ユーザ群に属するユーザの登録した情報であり、
   前記第二投稿情報は、前記第一コンピュータサーバに投稿された情報のうち、属性要素の判定できない第二ユーザ群に属するユーザの登録した情報である
   ことを特徴とする請求項１に記載の分析装置。
4. 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
   請求項１から請求項３の何れか一項に記載の分析装置。
5. 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が非線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
   請求項１から請求項３の何れか一項に記載の分析装置。
6. 前記推定部は、前記関連キーワードを含む前記第一投稿情報を登録したユーザの割合を前記関連キーワードと前記属性要素の組み合わせごとに算出し、前記関連キーワードに応じた前記属性要素ごとの反応率を示す反応率ベクトルを生成し、
   前記反応率ベクトルを所定の数に分類し、それら分類した反応率ベクトルを一つの行列で表した反応率行列を生成し、
   前記反応率行列と、前記属性要素ごとの前記第一ユーザ群に含まれるユーザ数を示す行列と、前記関連キーワードに応じた前記第一投稿情報を登録した前記属性要素ごとのユーザの数を示す行列と、前記関連キーワードに応じた前記第二投稿情報を登録したユーザの数を示す行列と、を用いて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
   ことを特徴とする請求項１から請求項５の何れか一項に記載の分析装置。
7. 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合を前記関連キーワードそれぞれについて算出し、その関連キーワードに応じた前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記関連キーワードごとの第二登録度合の割合とを用いて、前記第二ユーザ群に属するユーザの前記属性要素ごとの数を前記関連キーワードについて算出し、その数を合計して前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの数を推定する
   ことを特徴とする請求項１から請求項５の何れか一項に記載の分析装置。
8. 前記関連キーワードの中から前記第一投稿情報において出現率の高いキーワードを再定義した関連キーワードとして抽出するキーワード抽出部と、
   を備え、
   前記第一取得部は、前記再定義した関連キーワードに応じた前記第一登録度合を前記ユーザの属性要素ごとに取得し、
   前記第二取得部は、前記再定義した関連キーワードに応じた前記第二登録度合を取得する
   請求項１から請求項７の何れか一項に記載の分析装置。
9. 前記第一投稿情報を登録したユーザ数の前記第一ユーザ群に含まれるユーザの数に対する割合と、前記第二投稿情報を登録したユーザ数の前記第二ユーザ群に含まれるユーザの数に対する割合との時間に応じた変化に基づいて、前記第一ユーザ群に属するユーザから前記第二ユーザ群に属するユーザへと、前記シードキーワードに対する関心が波及する時間的な遅延度合を算出する遅延度合算出部と、
   を備えることを特徴とする請求項１から請求項８の何れか一項に記載の分析装置。
10. 分析装置の処理方法であって、
    前記分析装置の第一取得部が、属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得し、
    前記分析装置の第二取得部が、属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得し、
    前記分析装置の推定部が、前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
    ことを特徴とする処理方法。
11. 分析装置のコンピュータに、
    属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得手順、
    属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得手順、
    前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定手順、
    を実行させるプログラム。

Images