JPWO2013161510A1 - 評価の極性に基づいた文章の分類方法、コンピュータ・プログラム、コンピュータ - Google Patents

Abstract

限られた時間・リソースの下で、効率的にレビュー文章の分析を行うために、大量のレビュー文章の中から、人（分析者）が参照すべき一部のレビュー文章を効率よく抽出する技術を提供する。コンピュータにより複数の文章から一部の文章を抽出する方法であり、各文章の肯定的な表現の程度及び否定的な表現の程度を一次評価するステップと、少なくとも一部は前記肯定的な表現の程度及び前記否定的な表現の程度を変数とする複数の評価関数に基づいて、各文章を二次評価するステップと、同一の評価関数に基づいた各評価結果のより高い文章を前記評価結果のより低い文章よりも優先して文章を抽出するステップとを含む。

Description

本発明は情報処理技術に関係し、より詳しくは、情報処理を用いて評判分析を支援する技術に係る。

情報通信技術の進展と共に、より多くの人々がインタネットを介して、意見を共有する形態がみられる。例えば、通信販売サイトでは、商品の購入者がその商品のレビューをポストしたり、いわゆる口コミサイトでは、ある飲食店の利用者がそのレビューをポストしたりする形態が見られる。いずれも、サイトの利用者はそのレビューを自由に閲覧することができる。このようなレビュー機能、レビューサイトは、サイトの利用者にとって、将来の製品購入、サービス利用について指針を与える点で有用であるばかりでなく、製品やサービスの提供者にとっても、購入者・利用者の貴重なフィードバックを得ることができ、有用である。大量のレビュー文章から有用な知見を得るために、従来から様々な技術手法が提案されてきた（特許文献、非特許文献参照）。

特開２００７−２９９０７１号公報 特表２００４−５１４２２０号公報 特開平１０−２７１８１号公報 特開２００６−１４６５６７号公報 再公表ＷＯ２００９−０６０８２９号公報 再公表ＷＯ２００８−０７５５２４号公報

Turney, P. D.「Thumbsup or thumbs down? Semanticorientation applied to unsupervised classificationofreviews」、ACL '02 Proceedings of the 40th AnnualMeetingon Association forComputational Linguistics、2002年７月、417-424p, Association for ComputationalLinguistics Stroudsburg発行

ここで、人が大量のレビュー文章のすべてを読むのは非効率である。一方、レビュー文章の一部をランダムに読むのでは、有用なレビューを見落としてしまうリスクがある。

本発明はこのような課題に鑑みてなされたものであり、その目的の一つは、限られた時間・リソースの下で、効率的にレビュー文章の分析を行うために、大量のレビュー文章の中から、人（分析者）が参照すべき一部のレビュー文章を効率よく抽出する技術を提供することにある。

上記課題を解決するために、本発明者らは鋭意研究の結果、次のような発明に想到した。すなわち本発明は、コンピュータにより複数の文章から一部の文章を抽出する方法であり、各文章の肯定的な表現の程度及び否定的な表現の程度を一次評価するステップと、少なくとも一部は前記肯定的な表現の程度及び前記否定的な表現の程度を変数とする複数の評価関数に基づいて、各文章を二次評価するステップと、同一の評価関数に基づいた各評価結果のより高い文章を前記評価結果のより低い文章よりも優先して文章を抽出するステップとを含む方法である。

ここで、前記一部の評価関数の一は、肯定的及び否定的な表現を平均的に含む文章に対してより高い評結果を出力する関数とすることができる。この関数は、具体的には、次の式を採用することができる。_p+nC_pα^p(1-α)ⁿ× (p+n) ：但し、αは全文書中の好評の割合である。

他の評価関数としては、前記肯定的な表現の程度と前記否定的な表現の程度の和、前記肯定的な表現の程度と前記否定的な表現の程度の差を選択することもできる。

また、前記一次評価するステップは、各文章に含まれる肯定的な表現の数及び否定的な表現の数に基づいて、前記肯定的な表現の程度及び否定的な表現の程度を一次評価することもできる。

また、前記抽出するステップは、異なる評価関数に基づいた各評価結果の文章を予め定められた順序に基づいて抽出することもできる。

また、前記抽出された文章をユーザに出力するステップを更に備えることもできる。この場合、前記抽出された文章がいずれの評価関数の評価結果に基づいて抽出されたのかを併せてユーザに出力することができる。さらに、前記抽出された文章中の前記肯定的な表現と前記否定的な表現とを相異なる表現形態で出力することもできる。

本発明をこれらコンピュータ・プログラム、コンピュータ・システムとして把握した場合にも、上述した本発明を方法として把握した場合と実質的に同一の技術的特徴を備える事ができるのは当然である。

本発明によれば、大量のレビュー文書の中から人（分析者）が参照すべき一部のレビュー文章を効率よく抽出することができる。

レビューサイトシステムを説明する概念図 レビューサイト・サーバ内のハードディスク装置内に記憶されているデータのデータ構造の説明図 コンピュータのハードウェア構成を説明するブロック図 コンピュータの機能ブロック図 コンピュータが実行する処理を説明するフローチャート コンピュータが実行する処理の一部を説明する概念図 評価関数の意味を説明する概念図 出力画面の一例を示す図

実施形態
以下、本発明を実施するための最良の形態を図面に基づいて詳細に説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではなく、また実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。また、本発明は多くの異なる態様で実施することが可能であり、実施の形態の記載内容に限定して解釈されるべきものではない。また、実施の形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須とは限らないことに留意されたい。実施の形態の説明の全体を通じて（特段の断りのない限り）同じ要素には同じ番号を付している。

図１は、レビューサイトのシステムを説明する概念図である。本システムは、レビューサイト・サーバ２と、ユーザ端末とを含み、これらはインタネット４を介して互いに通信可能に接続されている。また、ユーザ端末としては、通信機能を備えたあらゆる形態のコンピュータを採用することができる。例えば、図示するスマートフォン３１、タブレット３２、（ノート型）パーソナル・コンピュータ３３の他にも、図示しないパーソナル・データ・アシスタント（ＰＤＡ、携帯情報端末）、車載コンピュータ、ネットブック等を採用することができる。

図２は、レビューサイト・サーバ２内のハードディスク装置２０、２１内に記憶されているデータのデータ構造を説明するものである。ハードディスク装置２０に記憶されているレビューテーブル（図２（ａ））には、各レビュー文章が発信・ポストされた日時を示す発信日時 (created_at)、各レビューを特定するレビューＩＤ(id)と、そのレビューを発信したユーザを特定するユーザＩＤ(user_id)と、レビューの内容であるテキスト（text）を備えている。一方、ハードディスク装置２１に記憶されているユーザテーブル（図２（ｂ））には、ユーザを特定するユーザＩＤ(user_id)と、そのユーザの性別（gender）、年齢（age）、居住地（location）をそれぞれ特定する情報を備えている。なお、なお、レビューＩＤにレビュー対象の製品やサービスを特定するＩＤを付加してもよい。

図３は、パーソナル・コンピュータ１のハードウェア構成を説明するブロック図である。コンピュータ１のハードウェア構成は、（低速及び高速の）バス１０、バス１０に接続されるＣＰＵ（演算制御装置）１１、ＲＡＭ（ランダム・アクセス・メモリ：記憶装置）１２、ＲＯＭ（リード・オンリ・メモリ：記憶装置）１３、ＨＤＤ（ハード・ディスク・ドライブ：記憶装置）１４、通信インタフェース１５、入出力インタフェース１６を備えている。さらに、入出力インタフェース１６に接続されるマウス１７、フラット・パネル・ディスプレイ（表示装置）１８、キーボード１９等を備えている。なお、コンピュータ１は一般的なパーソナル・コンピュータ・アーキテクチャを採用するものとして説明したが、例えば、より高いデータ処理能力や可用性を求めて、ＣＰＵ１１やＨＤＤ１４等を多重化することができる。また、デスクトップ型の他、様々なタイプのコンピュータ・システムを採用することができる。

このコンピュータ１のソフトウェア構成は、基本的な機能を提供するオペレーティング・システム（ＯＳ）と、OSの機能を利用するアプリケーション・ソフトウェアと、入出力装置のドライバ・ソフトウェアとを備えている。これらの各ソフトウェアは、各種データと共にRAM１２上にロードされ、CPU１１等により実行され、コンピュータ１は全体として、図４に示す機能モジュールとして機能し、図５に示す処理を実行する。

図４は、実施例に係るコンピュータ１の機能モジュールを説明する機能ブロック図である。コンピュータ１は、一次評価モジュール１０１、二次評価モジュール１０２、抽出モジュール１０３、出力モジュール１０４として機能する。

図５は、このコンピュータ１が実行する処理を説明するフローチャートである。また、図６は、図５のフローチャートのステップＳ１０１からＳ１０３を説明する概念図である。まず、コンピュータ１が、それぞれに特定の固有名詞（ここではＰＰＰと記す）が含まれる複数のレビュー文章Ｄ（１）〜Ｄ（Ｎ）を入手する（Ｓ１０１）。なお、Ｎはレビュー文章の一覧表示が困難なほど、十分に大きな値である。具体的には、コンピュータ１からレビューサイト・サーバ２に対して、条件を送信する。条件としては、例えば、レビュー文章中に固有名詞ＰＰＰを含み、かつ発信された期間が指定期間内のもの、という条件を付けることができる。次に、コンピュータ１はレビューサイト・サーバ２から上記条件に適合するレビュー文章群のデータを受信する。この際、上記条件に適合するレビュー群のデータ（図２（ａ）参照）およびレビューに関連付けられるユーザのプロフィール（図２（ｂ）参照）を受信する。これら受信したデータは、コンピュータ１のＨＤＤ１４に記憶される。また、上記期間が将来を含み、上記期間の終期が到来するまで、逐次レビューサイト・サーバ２からコンピュータ１にレビューが送られてもよい。さらに異なる態様としては、予め、コンピュータ１のＨＤＤ１４にレビュー文章群のデータ（図２（ａ）参照）およびレビュー文章に関連付けられるユーザのプロフィール（図２（ｂ）参照）が大量に記憶されている場合には、これらのデータの中から、上記条件に適合するレビュー群を検索することもできる。

次に、一次評価モジュール１０１により、各レビューの肯定的な表現の程度及び否定的な表現の程度を一次評価する（ステップＳ１０１）。ここでは、好評（肯定的な表現）を示すワードのリスト及び不評（否定的な表現）を示すワード・表現のリストを予めＨＤＤ１４に記憶しておき、各レビュー文章中の好評数（ｐ）と、不評数（ｎ）とをカウントする。これらの評価ワード・表現は、評価対象の商品やサービスに応じて予め設定しておくことが好ましい。なお、この他にも、例えば、各好評ワード・表現に好評らしさに応じたスコア、各不評ワード・表現に不評らしさに応じたスコアをそれぞれ予め設定しておき、これらのスコアに基づいて一次評価を行うことも出来る。

以下、化粧品に対するレビュー文章４件を一次評価した結果を示す。（）で囲んだ部分が好評ワード・表現、＜＞で囲んだ部分が不評ワード・表現である。
レビュー文章１：好評５・不評０
（分量が多く）、（安い）ので（いいですね）！他のスキンケア商品との（相性もいい）ので（安心しています）
レビュー文章２：好評５・不評１
特に、（ニキビに悩んでいるのではないです）が、（価格も手ごろ）だったので購入。（刺激も少なく）、若いうちには（良いと思います）。現在は、乾燥肌なので、化粧水などつけたとしても＜潤いが不足します＞…よって、現在は使用していません。ニキビに悩んでいる方の使用も（良さそう）です。
レビュー文章３：好評４・不評１
肌荒れ、ニキビに（安心して使えます）。普段は拭き取り化粧水を使っています。軽く顔にすべらせたあとパッティングします。ニキビができているところに多めに使うと、たしかに（よくなります）。潤いに関しては乾燥肌の方には＜物足りないかもしれません＞が、脂性肌の私には（ちょうどいい）です。（便利な化粧水です）。
レビュー文章４：好評２・不評３
＜あまり効果判りません＞。ニキビや吹き出物も最近は出来ないので＜必要性を感じません＞。肌にヒリヒリを感じたことは無いので、拭き取り用として使ってはいます。リピーと購入は＜微妙かな＞?でもお値段が（安く）て（いい）??

次に、二次評価モジュール１０２により、複数の評価関数に基づいて、各レビュー文章を二次評価する（ステップＳ１０２）。ここでは、以下の５つの評価関数を用いている。評価関数m1: p
評価関数m2: p+n
評価関数m3: p/(p+n)
評価関数m4: p-n
評価関数m5: _p+nC_pα^p(1-α)ⁿ× (p+n)、αは全レビュー中の好評の割合

各評価関数の意味は、以下の通りである。すなわち、評価関数ｍ１は、好評ワードを多く含むレビュー文章Ｄを高く評価する。評価関数ｍ２は、好評・不評にかかわらず評価ワードを多く含むレビューを高く評価する。評価関数ｍ３は、評価ワードのうち好評ワードの割合が高いレビューを高く評価する。評価関数ｍ４は、不評ワードを最小限に、好評ワードの多いレビューを高く評価する。評価関数５は平均的に好評及び不評ワードを含むレビューをより高く評価する。さらに、評価関数ｍ５は、以下のような背景で決定したものである。全文書中の評価表現の出現をP率 α=P_全/(P_全+N_全) のベルヌーイ試行と考える。ここで、P_全、N_全はそれぞれ全文書中の好評数、不評数とする。k回の試行(k個の評価表現)でのP率の密度関数は、二項分布B(k,α) の密度関数を横軸方向に 1/k につぶした形になる。その分布において、文書xの好不評数P_x、N_xによるP率 P_x/(P_x+N_x)が観測される確率を文書xの評価表現の指標とする。なお、_mC_n の計算は、m、nが大きいと時間がかかるため、必要に応じて正規分布、ポアソン分布で近似しても良い。

図７は、評価関数ｍ１，ｍ２，ｍ５を説明するグラフである。この二次元グラフは、縦軸に好評ワードの数Ｐを、横軸に不評ワードの数Ｎをとり、各レビュー文章Ｄをグラフ上の印×にプロットしたものである。さらに、評価関数ｍ１の等高線を細線で、評価関数ｍ２の等高線を点線で、評価関数ｍ５の等高線を太線でそれぞれ表している。レビュー文章には評価表現の少ないレビュー、不満のレビュー等様々なものが含まれるが、評価関数ｍ１によりファンのレビューを、評価関数ｍ２により評価表現の多いレビューを、評価関数ｍ５により平均的な意見で評価表現の多いレビューをそれぞれ効果的に切り分けることができることを示している。

次に、抽出モジュール１０３により、Ｋ件のレビュー文章が抽出される（ステップＳ１０３）。各レビュー文章Ｄには、評価関数ｍ１〜ｍ５による評価スコアが５つ付されている。抽出モジュール１０３は、評価関数毎に、最も評価スコアの高い文章から順に、各レビュー文章をソートする。そして、評価関数ｍ１による評価スコアの最も高いレビュー文章、評価関数ｍ２による評価スコアの最も高いレビュー文章、評価関数ｍ３による評価スコアの最も高いレビュー文章、評価関数ｍ４による評価スコアの最も高いレビュー文章、評価関数ｍ５による評価スコアの最も高いレビュー文章（重複を廃して高々５件）を選択する。次に、評価関数ｍ１による評価スコアの次に高いレビュー文章、評価関数ｍ２による評価スコアの次に高いレビュー文章、評価関数ｍ３による評価スコアの次に高いレビュー文章、評価関数ｍ４による評価スコアの次に高いレビュー文章、評価関数ｍ５による評価スコアの次に高いレビュー文章を（重複を廃して高々５件）選択する。以下同様に、Ｋ件に達するまで文章の選択を行う。

次に、出力モジュール１０４により、選択済みのＫ件のレビュー文章をディスプレイ１８上に表示させる（ステップＳ１０４）。図８は、表示画面の一例を示すものである。この画面には、選択されたＫ件のレビュー文章の一部が表示されており、太い四角で囲んだ部分に注目すると、表示されているレビュー文章が、どの評価関数で高い評価スコアを獲得して選択されたのかが一目で分かるように表示されている。例えば、画面の一番上に表示されているレビュー文章は、ｍ１、ｍ２、ｍ５の欄にチェックマークが付してあり、評価関数ｍ１、ｍ２、ｍ５による評価結果に基づいて表示されていることが分かる。また、ユーザが不要と思う評価関数を消去し、新たな評価関数を追加することもできる。さらに、特定の評価関数による評価結果のみを表示させることもできる。さらに、評価結果をアイコンでより簡易に示すことも出来る。なお、出力モジュール１０４は、図７に示したグラフをディスプレイ１８上に表示させることもできる。

このような処理を行うことで、好評の意見を持つレビュー文書を偏りなく取り出すことができる。すなわち、Ｋ件の中に、好評の意見だけのもの、不評も言及しているもの、などを含めることができる。その結果、ユーザ（分析者）が読み切れる量、または画面に一覧表示できる量の範囲内で、ユーザが本当に把握したい好評の情報にアクセスできる可能性が向上する。また、表示の際に、一次元の整序ではないことを分析者が直感的に理解することができる。さらに、興味のあるタイプの文書を重点的に参照することができる。

なお、本発明は、全体がハードウェアの実施形態、全体がソフトウェアの実施形態、またはハードウェアおよびソフトウェア両方のエレメントを包含する実施形態の形を取ることができる。ある好適な実施形態において、本発明は、以下に限らないが、ファームウェア、常駐ソフトウェア、マイクロコード、構文解析ピココードなどを含めた、ソフトウェアに実装される。

さらに、本発明は、コンピュータまたは任意の命令実行システムによってまたはこれに関連させて使用するプログラム・コードを備えるコンピュータ・プログラム、コンピュータ可読媒体の形態を採ることもできる。本説明目的の上で、コンピュータ可読媒体は、任意の命令実行システム、装置、またはデバイスによってまたはこれに関連させて使用するためのプログラムを、収容、格納、通信、伝搬、または伝送できる任意の装置であり得る。具体的には、前述の構文解析制御モジュールは、この意味で命令実行システム、またはコンピュータを構成する。

媒体は、電子的、磁気的、光学的、電磁気的、赤外的、または半導体のシステム（もしくは装置もしくはデバイス）または伝搬媒体とすることができる。コンピュータ可読媒体の例には、半導体または固体メモリ、磁気テープ、着脱可能コンピュータ・ディスケット、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ）、剛体磁気ディスク、および光ディスクが含まれる。光ディスクの現時点での例には、コンパクト・ディスク読み取り専用メモリ（ＣＤ−ＲＯＭ：ｃｏｍｐａｃｔ ｄｉｓｋ ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、コンパクト・ディスク読み取り／書き込み（ＣＤ−Ｒ／Ｗ：ｃｏｍｐａｃｔ ｄｉｓｋ ｒｅａｄ／ｗｒｉｔｅ）メモリ、およびＤＶＤが含まれる。

プログラム・コードを格納もしくは実行またはその両方を行うのに適したデータ処理システムは、システム・バスを介して直接的または間接的にメモリ・エレメントに連結された少なくとも一つのプロセッサを含み得る。このメモリ・エレメントには、プログラム・コードの実際の実行の過程で使われるローカル・メモリ、バルク記憶装置、および、実行中にバルク記憶装置から読み出さねばならない回数を低減するために、少なくとも一部のプログラム・コードに一時的保管を提供するキャッシュ・メモリを含めることができる。

１…パーソナル・コンピュータ、
１１…ＣＰＵ（演算制御装置）
１２…ＲＡＭ（ランダム・アクセス・メモリ：記憶装置）
１３…ＲＯＭ（リード・オンリ・メモリ：記憶装置）
１４…ＨＤＤ（ハード・ディスク・ドライブ：記憶装置）
１５…通信インタフェース
１６…入出力インタフェース
１７…マウス
１８…フラット・パネル・ディスプレイ（表示装置）
２…レビューサイト・サーバ
２０、２１…ハード・ディスク・ドライブ
３１…スマートフォン
３２…タブレット
３３…（ノート型）パーソナル・コンピュータ
１０１…一次評価モジュール
１０２…二次評価モジュール
１０３…抽出モジュール
１０４…出力モジュール

Claims (12)

1. コンピュータにより複数の文章から一部の文章を抽出する方法であり、
   各文章の肯定的な表現の程度及び否定的な表現の程度を一次評価するステップと、
   少なくとも一部は前記肯定的な表現の程度及び前記否定的な表現の程度を変数とする複数の評価関数に基づいて、各文章を二次評価するステップと、
   同一の評価関数に基づいた各評価結果のより高い文章を前記評価結果のより低い文章よりも優先して文章を抽出するステップと
   を含む方法。
2. 前記一部の評価関数の一は、肯定的及び否定的な表現を平均的に含む文章に対してより高い評結果を出力する関数である請求項１に記載の方法。
3. 前記一部の評価関数の一は、_p+nC_pα^p(1-α)ⁿ
   ×(p+n)：ｐは肯定的な表現数、ｎは否定的な表現数、αは全文書中の好評の割合、で与えられる請求項１に記載の方法。
4. 前記一部の評価関数の一は、前記肯定的な表現の程度と前記否定的な表現の程度の和である請求項１に記載の方法。
5. 前記一部の評価関数の一は、前記肯定的な表現の程度と前記否定的な表現の程度の差である請求項１に記載の方法。
6. 前記一次評価するステップは、各文章に含まれる肯定的な表現の数及び否定的な表現の数に基づいて、前記肯定的な表現の程度及び否定的な表現の程度を一次評価する請求項１に記載の方法。
7. 前記抽出するステップは、異なる評価関数に基づいた各評価結果の文章を予め定められた順序に基づいて抽出する請求項１に記載の方法。
8. 前記抽出された文章をユーザに出力するステップを更に備える請求項１に記載の方法。
9. 前記出力するステップでは、前記抽出された文章がいずれの評価関数の評価結果に基づいて抽出されたのかを併せてユーザに出力する請求項８に記載の方法。
10. 前記出力するステップでは、前記抽出された文章中の前記肯定的な表現と前記否定的な表現とを相異なる表現形態で出力する請求項８に記載の方法。
11. コンピュータに請求項１に記載の方法の各ステップを実行させるコンピュータ・プログラム。
12. 複数の文章から一部の文章を抽出するコンピュータであり、
    各文章の肯定的な表現の程度及び否定的な表現の程度を一次評価する手段と、
    少なくとも一部は前記肯定的な表現の程度及び前記否定的な表現の程度を変数とする複数の評価関数に基づいて、各文章を二次評価する手段と、
    同一の評価関数に基づいた各評価結果のより高い文章を前記評価結果のより低い文章よりも優先して文章を抽出する手段と
    を含むコンピュータ。

Images