JPWO2019244849A1 - 投稿情報抽出制御装置、投稿情報抽出制御プログラム - Google Patents

Abstract

登録者管理機能では、利用者（ユーザ）の登録を受け付け、登録の際に実行されるアンケート調査の実行、登録したユーザのカテゴリー分類、並びに、分類したカテゴリーの学習等が実行される。コメント解析機能では、ＳＮＳ投稿コメントサーバーから取得したコメントのテキストマイニング、テキストマイニングにより特定された投稿位置及びその信憑性を判断、テーマに沿った対象物の評価等が実行される。情報提供機能では、コメントを分析した結果に基づいて生成し、ユーザへ提供するソーシャルヒートマップの編集、及びユーザのカテゴリー管理等が実行される。

Description

本開示は、ＳＮＳ(social networking service)に投稿された投稿情報（以下、コメントという場合がある。）から、特定の投稿情報を抽出するための投稿情報抽出制御装置、投稿情報抽出制御プログラムに関する。

ＳＮＳに投稿されたコメントを分析（クチコミ分析・ＳＮＳアカウント分析・投稿管理・属性分析・クリック数分析・拡散分析・競合分析）することは昨今よく行なわれている。

特開２０１４−１４２７３８号公報には、ＳＮＳに投稿された多くの情報を十分に活用して、より利便性を向上させた投稿情報を活用して、より利便性の高いサービスを提供することが記載されている。

特開２０１４−１４２７３８号公報では、第一の投稿情報に基づく第一のグループと、第二の投稿情報に基づく第二のグループとにおいて、第一の投稿情報から抽出した語句と、第二の投稿情報から抽出した語句との比較結果に基づき、該第一の投稿情報に特有の第一のキーワードと、該第二の投稿情報に特有の第二のキーワードとを特定し、第一のグループに第一のキーワードを対応付けるとともに、第二のグループに第二のキーワードを対応付けて、管理している。

また、ＷＯ２０１５／０５２７８５には、インフラ設備に関連する情報を抽出するための情報抽出サーバと、過去事例ＤＢと、時空間情報ＤＢと、管理者用端末と、が通信可能であり、情報抽出サーバで抽出された情報を表示するためのクライアント端末と通信可能なシステムにおいて、クライアント端末は、受信したインフラ設備状態情報を地図情報を用いて地図上に所定のアイコンで所定の位置に表示することが記載されている。

しかしながら、従来のコメントの活用は、コメントの傾向を把握し、マーケティング等に利用するのみであった。そのため、位置情報とコメントの整合性など、コメントの質の評価はできていなかった。

すなわち、ＳＮＳに投稿された全てのコメントが対象となっていた。このため、中にはコメントの主旨と、その主旨を特定する地域（場所）とが紐付いていないもの、特定の地域（例えば、所謂「まちづくり」のために定めた領域や空間）を評価できていないものも多く含まれていた。また、特定の地域を評価する上での基準が定まっていなかった。

本開示は、ＳＮＳに投稿された不特定多数投稿情報群から、予め定めたテーマに対して信憑性の高い投稿情報を抽出することで、利用者に有用な情報を取得することができる投稿情報抽出制御装置、投稿情報抽出制御プログラムを得る。

本開示の投稿情報抽出制御装置は、ネットワーク上に発信され、文字からなる多数投稿情報群を自然言語解析することで、当該不特定多数投稿情報群の各々から位置を示す文字列情報が含まれる第１の投稿情報を選別する選別手段と、前記選別手段で選別された第１の投稿情報を対象として、前記文字列情報に基づいて、特定の地域内からの発信と認定され、かつ、前記特定の地域内に存在する対象物の関連情報が含まれる第２の投稿情報を抽出する抽出手段と、を有している。

本開示によれば、ネットワーク上に発信され、文字からなる多数投稿情報群から、信憑性の高い情報を抽出する。

すなわち、選別手段では、不特定多数投稿情報群を自然言語解析する。これにより当該不特定多数投稿情報群から位置を特定する文字列情報が含まれる第１の投稿情報を選別する。

抽出手段では、選別手段で選別された第１の投稿情報を対象として、第１の投稿情報に含まれる文字列情報に基づいて、第２の投稿情報を抽出する。第２の投稿情報は、特定の地域内から発信され、かつ、特定の地域内に存在する対象物の関連情報が含まれる情報である。

抽出された第２の投稿情報は、特定の地域内から発信され、かつ、当該特定の地域内に存在する対象物に関連する関連情報を含み、不特定多数投稿情報群の中でも信憑性の高い投稿情報ということができる。

本開示において、前記抽出手段で抽出した前記第２の投稿情報に、発信元の緯度経度情報が含まれている場合は、当該緯度経度情報と、前記特定の地域内の位置を示す前記文字列情報とを照合し、前記文字列情報が示す位置の信憑性を判断することを特徴としている。

ネットワーク上に発信された不特定多数投稿情報群には、発信元の緯度経度情報が含まれている場合がある。例えば、通信端末にＧＰＳ（Global Positioning System）機能が備わっており、当該ＧＰＳ機能が動作状態であれば、自動的に投稿情報の発信元の位置情報（緯度経度情報）が埋め込まれる場合がある。

抽出手段で抽出した第２の投稿情報に発信元の緯度経度情報が含まれている場合は、当該緯度経度情報と、特定の地域内の位置を示す文字列情報とを照合し、文字列情報が示す位置の信憑性を判断する。

これにより、第２の投稿情報を文字列情報のみで判断した位置よりも信憑性の高いものとすることができる。

本開示において、前記抽出手段は、前記第１の投稿情報を単語単位に分割し、各単語の品詞に基づいて、少なくとも前記特定の地域内から発信したものと認定することを特徴としている。

分割された単語の品詞に基づき、投稿情報の発信者が特定の地域内で発信しているのか（例えば、現在進行形の動詞等の品詞）、既に特定の地域外に移動した後に発信しているか（過去形の動詞等の品詞）を判別することができる。

本開示において、前記関連情報が、前記対象物に対する行動を示す行動情報と、前記対象物の嗜好を示す評価情報とを含み、少なくとも前記評価情報には、前記第２の投稿情報の文字列情報から、感応表現に基づく段階的評価が設定されることを特徴としている。

特に、対象物に対する行動情報が、例えば、「ある場所に行った」という情報である場合、この「ある場所に行った」という行動情報数の数が、興味を持つか否かの判断材料とすることができる。

また、対象物に対する評価情報では、例えば、対象物が食べ物であり、「非常に美味い、美味い、普通、不味い、非常に不味い」等の段階的評価をしていけば、当該対象物を食したいか否かの判断材料とすることができる。

本開示において、前記対象物に対する前記関連情報の疎密度合いを含む案内情報を報知する報知手段をさらに有している。

報知手段により、前記対象物に対する前記関連情報の疎密度合いを含む案内情報を報知することで、利用者の利便性を高めることができる。

本開示において、前記対象物と、当該対象物の前記関連情報とを紐付けて、予め定めた複数のカテゴリーに仕分ける仕分け手段と、前記報知手段によって報知される前記案内情報を利用する利用者を登録するに際し、当該利用者に、予め定めた設問に対する回答を要求し、前記回答を分析して、前記利用者を複数のカテゴリーに分類する分類手段とをさらに有し、前記報知手段は、分類によって利用者に割り当てられたカテゴリーに応じた案内情報を報知することを特徴としている。

仕分け手段では、対象物と、当該対象物の関連情報とを紐付けて、予め定めた複数のカテゴリーに仕分ける。

分類手段では、報知手段によって報知される案内情報を利用する利用者を登録するに際し、当該利用者に、予め定めた設問に対する回答を要求し、回答を因子分析して、利用者を複数のカテゴリーに分類する。

これにより、報知手段では、分類によって利用者に割り当てられたカテゴリーに応じた案内情報を報知することができる。カテゴリーは、利用者のライフスタイルやパーソナリティが分類されるため、報知される案内情報は利用者に特化され、カテゴリー分類しないで報知するよりも、有用な情報となり得る。
本開示において、前記不特定多数投稿情報群に画像が含まれる場合に、物体検出及び画像キャプションの少なくとも一方を含む画像解析によって、当該画像を説明する文字列情報を生成することを特徴としている。
投稿情報には、テキストのみ、画像のみ、テキストと画像の組み合わせ等がある。このとき、画像解析して、画像を説明する文字列情報を生成することで、テキストと同等に扱うことができる。

本開示に係る投稿情報抽出制御プログラムは、コンピュータを、投稿情報抽出制御装置として動作させることを特徴としている。

以上説明した如く本開示では、ＳＮＳに投稿された不特定多数投稿情報群から、予め定めたテーマに対して信憑性の高い投稿情報を抽出することで、利用者に有用な情報を取得することができる。

本実施の形態に係る投稿情報抽出制御装置を主体としたシステム全体の概略図である。 本実施の形態に係る投稿情報抽出制御装置の機能を説明するブロック図である。 本実施の形態に係る投稿情報抽出制御装置の各部を実行するための機能を、制御内容で分類し、かつそれぞれのブロック化した機能ブロック図である。 本実施の形態に係る投稿情報抽出制御装置のメインルーチンを示す制御フローチャートである。 本実施の形態に係る投稿情報抽出制御装置の登録者管理機能で実行する登録者管理制御ルーチンを示すフローチャートである。 本実施の形態に係る投稿情報抽出制御装置のコメント解析機能で実行するコメント解析制御ルーチンを示すフローチャートである。 本実施の形態に係る投稿情報抽出制御装置の情報提供機能で実行する情報処理制御ルーチンを示すフローチャートである。 アンケート情報記憶部に記憶されるアンケート情報の内容を顕現化した正面図である。 ユーザが所持する携帯端末の正面図である。 ユーザが所持する携帯端末に順次表示されるアンケート項目画面の正面図である。 本実施の形態の第１実施例に係る因子分析の第１段階であり、ユーザが回答するアンケートの選択肢の内容を示す図表である。 本実施の形態の第１実施例に係る因子分析の第２段階であり、最終共通点の少ない項目を除外した内容を示す図表である。 本実施の形態の第１実施例に係る因子分析の第３段階であり、因子種毎の因子負荷量の演算結果を示す図表である。 本実施の形態の第１実施例に係る因子分析の第４段階であり、アンケート実施者に通知する因子種と、当該因子種の名前との相関図表である。 本実施の形態の第２の実施例に係り、膨大なＳＮＳコメントからテキストマイニング処理により、位置情報と関連情報（評価情報と行動情報）とが文字列に存在するコメントを抽出して一覧とした図表である。 図１３（Ａ）の抽出コメントに付与する評価タグの評価基準を示す図表である。 本実施の形態の第３の実施例に係り、ユーザが所持する携帯端末のモニタに表示される地図画像の正面図である。 ユーザが所持する携帯端末のモニタに表示される地図画像にソーシャルヒートマップを重ねて表示したときの正面図である。 本実施の形態の変形例に係るコメント抽出制御装置の機能を説明するブロック図である。 本実施の形態の変形例に係るコメント抽出制御装置のメインルーチンを示す制御フローチャートである。 図１６のステップ１２２で実行される画像解析処理制御ルーチンである。 画像解析の内、画像キャプションの一例を示す画像の正面図である。 基画像から特異画像を抽出した状態を示す正面図である。 抽出した特異画像に基づいて生成された画像解析テキストを示す正面図である。

図１Ａは、本実施の形態に係る投稿情報抽出制御装置１０を主体とした、ネットワークシステムの概略図である。なお、本開示の投稿情報は、ＳＮＳで投稿されたコメント（テキスト情報及び画像情報の何れか一方）が対象である。従って、投稿情報とコメントとは同義として取り扱うものとする。

ネットワーク１２（例えば、インターネット）には、ＳＮＳ投稿コメントサーバー１４が接続されている。ＳＮＳ投稿コメントサーバー１４には、無線通信装置１６を介して、複数の携帯端末１８（例えば、スマートホン等）から投稿されるコメントが蓄積されるようになっている。なお、無線通信装置１６を介さず、ネットワーク１２に有線接続されたＰＣ等から投稿されるコメントを排除するものではないが、本実施の形態では、特定の地域（場所）に出向き、その特定の地域から予め定めたテーマに沿って発信するコメントを対象とするため、携帯端末１８からの発信を主体とする。

ネットワーク１２には、投稿情報抽出制御装置１０が接続されている。

投稿情報抽出制御装置１０は、マイクロコンピュータ２０を備えている。マイクロコンピュータ２０は、ＣＰＵ２０Ａ、ＲＡＭ２０Ｂ、ＲＯＭ２０Ｃ、入出力ポート（Ｉ／Ｏ）２０Ｄ、及びこれらを接続するデータバスやコントロールバス等のバス２０Ｅを有している。

Ｉ／Ｏ２０Ｄには、記憶装置２２及び通信Ｉ／Ｆ２４が接続されている。

記憶装置２２は、ハードディスク、並びにＵＳＢメモリ及びＳＤメモリに代表されるフラッシュメモリ等であり、ＲＡＭ２０Ｂ及びＲＯＭ２０Ｃの補助的な記憶スペースとしても利用される場合がある。ＲＡＭ２０Ｂ、ＲＯＭ２０Ｃ、及び記憶装置２２の記録領域は、投稿情報抽出制御装置１０において、コメント抽出制御プログラム等が予め記憶され、ＣＰＵ２０Ａの処理状況に応じて適宜読み出されるようになっている。

図１Ｂは、投稿情報抽出制御装置１０において、コメント抽出制御プログラムが実行されたときの動作を機能別に分類したブロック図である。

すなわち、投稿情報抽出制御装置１０は、登録者管理機能２６、コメント解析機能２８、及び情報提供機能３０として動作する。

登録者管理機能２６では、主として、利用者（ユーザ）の登録受け付け、登録の際に実行されるアンケート調査（図７、図８、図９参照）の実行、登録したユーザのカテゴリー分類（図１０、図１１、図１２参照）、並びに、分類したカテゴリーの学習等が実行される。

コメント解析機能２８では、主として、ＳＮＳ投稿コメントサーバー１４から取得したコメントのテキストマイニング、テキストマイニングにより特定された投稿位置及びその信憑性の判断、テーマに沿った対象物の評価等（図１３参照）が実行される。対象物とは、飲食店、物品店、景勝地、及び観光スポット等が含まれる。対象物の評価とは、「美味い」、「不味い」、「高い」、「安い」、「綺麗」、「汚い」等、ユーザが感じた形容（総称して、感応表現という）を指す。なお、対象物に対して、「行った」、「見た」等の行動情報を含ませてもよく、評価情報と行動情報とを総称して、関連情報という。

情報提供機能３０では、コメントを分析した結果に基づいて生成し、ユーザへ提供するソーシャルヒートマップ（図１４参照）の編集、及びユーザのカテゴリー管理等が実行される。ソーシャルヒートマップとは、通常表示されるマップ画像に重ねて、濃度や色が異なる領域を表示し、ユーザのカテゴリーに適合した情報が多い場所を強調したマップである。

（投稿情報抽出制御装置１０の詳細）

図２は、投稿情報抽出制御装置１０において、登録者管理機能２６、コメント解析機能２８、及び情報提供機能３０が実行されるときの各処理を機能別にブロック化した機能ブロック図である。なお、各ブロックは、各処理の顕現化を目的とするものであり、投稿情報抽出制御装置１０のハード構成を限定するものではない。従って、一部又は全部の処理がコメント抽出制御プログラムに基づく、所謂ソフトウェアでの処理で実行される場合がある。

「登録者管理機能２６」

図２に示される如く、ネットワーク１２には、登録処理部３２が接続されており、ユーザが所持する携帯端末１８からの、新規登録及びアンケート回答情報を受け付ける。

登録処理部３２は、送信部３４及びアンケート解析部３６に接続されている。

ここで、登録処理部３２が受け付けた情報が新規登録の場合は、送信部３４に対して、アンケート情報を送信するように指示する。

送信部３４には、アンケート情報記憶部３８が接続されている。アンケート情報記憶部３８には、例えば、図７に示される如く、アンケート情報が記憶されている。

送信部３４は、登録処理部３２から指示を受けると、アンケート情報記憶部３８からアンケート情報を読み出して、登録を希望するユーザの携帯端末１８へ送信する。なお、送信部３４では、アンケート情報の送信の際、ユーザに対して、アンケートの回答を要求すると共に、初期投稿コメントの発信を要求する。

アンケートは、ユーザを登録する際のカテゴリー（例えば、図１２に示す、因子分析で分類した各因子の名前に相当）分類に必要である。

また、初期投稿コメントは、少なくともユーザに対して、現在位置と、現在位置における対象物に対する評価とが紐付けされているコメントを増やすために必要である。また、現在位置と評価とが紐付けされているコメントが必要であることを、ユーザに周知させる目的にもなり得る。

一方、登録処理部３２が受け付けた情報がアンケート回答情報の場合は、アンケート解析部３６に対して、アンケートの解析を指示する。アンケート解析部３６は、登録者カテゴリー分類部４０に接続されている。

登録者カテゴリー分類部４０では、分類されたカテゴリー（因子種）を、送信部３４を介して、登録を要求したユーザへ通知すると共に、登録者の登録情報と分類された因子種とを関連付けて、登録者データベース４２へ登録する。

登録者データベース４２は、ＡＩ学習処理部４４に接続されている。ＡＩ学習処理部４４は、後述するＳＮＳに投稿されたコメントの投稿者及びコメントの信憑性に基づき付き、登録者の嗜好の変化を監視して、登録者データベース４２に登録された登録者のカテゴリー（因子種）を編集（例として、変更、追加、削除等）するようになっている。

「コメント解析機能２８」

図２に示される如く、コメント解析機能２８には、投稿コメント取得部４６が設けられ、ネットワーク１２に投稿されたＳＮＳの投稿をランダムに取得する。すなわち、ここでのコメントの取得は、コメントの発信位置や信憑性等は考慮しない。

投稿コメント取得部４６は、投稿者特定部４８、テキストマイニング処理部５０、及び緯度経度情報抽出部５２に接続されている。

投稿者特定部４８では、コメントの発信元のアドレス等から投稿者を特定する。特定した投稿者情報は、登録者管理機能２６のＡＩ学習処理部４４へ送出されることで、投稿者と登録したユーザとの照合を行う。

テキストマイニング処理部５０は、投稿されたコメント（すなわち文書データ）から、文書を単語（例えば名詞、動詞、形容詞等）に分割するように機械学習し、有益な情報を取り出す。このとき、自然言語を大量に集めたコーパス５１を、機械学習の学習データとして利用することができる。

テキストマイニング処理部５０は、投稿位置特定部５４及び関連情報特定部５６に接続されている。

投稿位置特定部５４では、テキストマイニング処理で解釈された文字列の中から、投稿位置を特定する文字列を解析する。そして、投稿位置を特定する文字列が存在した場合には、紐付け部５８へ送出する。言い換えれば、投稿位置が特定されないコメントは、この時点で排除される。

一方、関連情報特定部５６では、テキストマイニング処理で解釈された文字列の中から、関連情報（すなわち行動に関する情報及び評価に関する情報）を特定する。特定した関連情報は、関連情報評価部６０へ送出され、評価点数が付与される。一例として、図１３Ｂに示される如く、５段階（「○○」「○」、「△」、「×」、及び「××」）の評価タグ（点数）を設定し、それぞれの関連情報を付与する。

評価タグが付与された関連情報は、紐付け部５８へ送出され、前記投稿位置特定部５４から送出された投稿位置情報と紐付けされる（抽出コメント）。

抽出コメントは、信憑性判断部６２へ送出される。

ここで、緯度経度情報抽出部５２で抽出される緯度経度情報は、ユーザが所持する携帯端末１８のＧＰＳ機能が起動しているときに取得可能な情報である。緯度経度情報により、携帯端末１８の位置（すなわち、ユーザの現在位置）を精度良く特定することができる。

緯度経度情報抽出部５２で緯度経度情報が抽出されると、当該緯度経度情報は、信憑性判断部６２へ送出される。

信憑性判断部６２では、緯度経度情報抽出部５２から緯度経度情報を受けていれば、抽出コメントの文字列である投稿位置情報と照合する。これにより抽出コメントの信憑性を判断し、信憑性が高い抽出コメントを、コメントデータベース６４へ格納する。

緯度経度情報抽出部５２から緯度経度情報を受けていない場合は、照合を行うことなく、紐付け部５８から受けた抽出コメントをコメントデータベース６４へ格納する。

なお、信憑性判断部６２での判断結果は、抽出コメントの投稿者と共に、登録者管理機能２６のＡＩ学習処理部４４へ送出される。そして、登録されたユーザが投稿者の場合に、当該ユーザの投稿頻度及び信憑性を関連付けて学習し、当該登録されたユーザのカテゴリー（因子種）の編集の要否を判断する。

「情報提供機能３０」

情報提供機能３０では、抽出コメントに基づいて生成したソーシャルヒートマップをユーザ（登録者）に提供することが目的である。

図２に示される如く、ネットワーク１２には、認証部６６、表示地図情報取込部６８、及びソーシャルヒートマップデータ送信部７０が接続されている。

ユーザが、携帯端末１８を操作して、ソーシャルヒートマップを要求すると、当該要求は認証部６６で受け付けられる。認証部６６では、要求項目に含まれる識別情報等に基づき、登録者データベース４２を検索して、ユーザが登録されているか否かを認証する。

認証部６６は、カテゴリー特定部７２及び表示地図情報取込部６８に接続されている。

カテゴリー特定部７２では、登録者データベース４２にアクセスして、ソーシャルヒートマップを要求してきたユーザ（登録者）のカテゴリーを特定し、コメントデータ読出部７４へ送出する。

また、表示地図情報取込部６８は、ユーザが所持している携帯端末１８にアクセスして、現在表示している地図情報を取り込み、コメントデータ読出部７４へ送出する。

コメントデータ読出部７４では、コメントデータベース６４から、ユーザの携帯端末１８から取り込んだ地図内を位置情報としているコメントデータを読み出し、マッピング処理部７６へ送出する。

マッピング処理部７６では、取り込んだ地図上にコメントデータに応じたヒートマップをマッピングし、ソーシャルヒートマップデータ送信部７０を介して、ユーザが所持する携帯端末１８へ送出する。これにより、図１４Ｂに示される如く、携帯端末１８のモニタ１８Ｍには、ソーシャルヒートマップが表示される。

以下に本実施の形態の作用を、図３〜図６のフローチャートに従い説明する。

図３は、本実施の形態に係る投稿情報抽出制御装置１０のメインルーチンを示す制御フローチャートである。

ステップ１００では、情報を受け付けたか否かを判断し、否定判定された場合は、このルーチンは終了する。

また、ステップ１００で、肯定判定されると、ステップ１０２へ移行して、受付情報を識別し、ステップ１０４へ移行する。

ステップ１０４では、受付情報種によって処理を分岐する。すなわち、ステップ１０４で受付情報種が登録関連と判定された場合は、ステップ１０６へ移行して、登録者管理制御（図４で詳細に説明）を実行し、このルーチンは終了する。

また、ステップ１０４で受付情報種が投稿コメントと判定された場合は、ステップ１０８へ移行して、コメント解析制御（図５で詳細に説明）を実行し、このルーチンは終了する。

さらに、ステップ１０４で受付情報種がソーシャルヒートマップ要求と判定された場合は、ステップ１１０へ移行して、情報提供制御（図６で詳細に説明）を実行し、このルーチンは終了する。

（登録者管理制御）

図４は、図３のステップ１０６における登録者管理制御サブルーチンを示すフローチャートである。

ステップ１５０では、受付情報種を判別する。このステップ１５０で受付情報種が新規登録と判別された場合は、ステップ１５２へ移行してアンケート情報記憶部３８からアンケート情報を読み出し、ステップ１５４へ移行する。

ステップ１５４では、アンケート情報及び回答要求を、ユーザが所持する携帯端末１８へ送信し、次いで、ステップ１５６でユーザに対して、初期投稿コメントを要求し、ステップ１６４へ移行する。なお、初期投稿は必須ではない。

一方、ステップ１５０において、受付情報種がアンケート回答情報と判別された場合は、ステップ１５８へ移行してアンケートを解析する（例えば、因子分析）。

次のステップ１６０では、登録者のカテゴリー（図１２参照）を分類し、次いでステップ１６２へ移行して、登録者の識別情報とカテゴリーとを関連付けて、登録者データベースへ格納し、ステップ１６４へ移行する。

ステップ１６４では、登録者から投稿が有ったか否かを判断し、肯定判定された場合は、ステップ１６６へ移行して、登録者が投稿した関連情報に基づき、登録者のカテゴリーを学習し、メインルーチンへ戻る。また、ステップ１６４で否定判定された場合は、メインルーチンへ戻る。

（コメント解析制御）

図５は、図３のステップ１０８におけるコメント解析制御サブルーチンを示すフローチャートである。

ステップ２００では、投稿者を特定し、次いで、ステップ２０２へ移行して、投稿したコメントに緯度経度情報が有るか否かを判断する。このステップ２０２で緯度経度情報有りと判定された場合は、ステップ２０４へ移行して、緯度経度による位置情報を一時的に格納し、ステップ２０６へ移行する。また、ステップ２０２で緯度経度情報無しと判定された場合は、ステップ２０６へ移行する。

ステップ２０６では、投稿されたコメントを、コーパス５１に記憶された言語に基づいて、テキストマイニング処理を実行する。すなわち、投稿されたコメント（すなわち文書データ）から、文書を単語（例えば名詞、動詞、形容詞等）に分割するように機械学習し、有益な情報を取り出す。このとき、自然言語を大量に集めたコーパス５１を、機械学習の学習データとして利用する。

次のステップ２０８では、テキストマイニング処理によって得た文字列において、投稿位置を特定し得る文字列が有るか否かを判断する。

このステップ２０８で否定判定された場合は、当該コメントは除外するコメント（適用価値がないコメント）と判断し、メインルーチンへ戻る。

また、ステップ２０８で肯定判定された場合は、当該コメントは適用価値があるコメントと判断し、ステップ２１０へ移行して、関連情報を特定する。関連情報とは、評価情報（例えば、「美味い」、「綺麗」等）と行動情報（例えば、「行った」、「食べた」等）の総称である。

次のステップ２１２では、特定した関連情報に評価タグを付与し（例えば、図１３Ｂに示す５種類の評価タグ）、次いでステップ２１４へ移行して投稿位置と関連情報（評価タグ）とを紐付ける。

次のステップ２１６では、一時的に格納した緯度経度による位置情報を読み出し、次いで、ステップ２１８へ移行して緯度経度情報による位置情報と文字列で特定した位置との照合を実行し、ステップ２２０へ移行する。

ステップ２２０では、照合の結果が一致したか否かを判定する。このステップ２２０で肯定判定されると、ステップ２２２へ移行して、コメントデータベース６４に、投稿コメント（すなわち紐付けした投稿位置と関連情報）を格納し、メインルーチンへ戻る。また、ステップ２２０で否定判定されると、当該コメントは除外するコメント（すなわち適用価値がないコメント）と判断し、メインルーチンへ戻る。

なお、緯度経度情報が存在しないコメントに関しては、全てコメントデータベース６４に格納してもよいし、別の方法（例えば文字列の位置情報が住所等であり、一意的と判断できる等）で取捨選択するようにしてもよい。

（情報提供制御）

図６は、図３のステップ１１０における情報提供制御サブルーチンを示すフローチャートである。

ステップ２５０では、登録者データベース４２にアクセスして、利用者（登録済ユーザ）の認証を実行し、ステップ２５２へ移行する。

ステップ２５２では、認証に成功したか否かを判断し、否定判定された場合は、メインルーチンに戻る。なお、認証処理は、予め定めた回数を繰り返すようにしてもよい。

また、ステップ２５２で肯定判定されると、ステップ２５４へ移行して、登録者データベース４２にアクセスして、利用者（登録済ユーザ）のカテゴリーを特定し、ステップ２５６へ移行する。

ステップ２５６では、コメントデータベース６４にアクセスし、カテゴリーに対応するコメントデータを読み出し、次いで、ステップ２５８へ移行して、利用者（登録済ユーザ）が表示している地図範囲を特定し、ステップ２６０へ移行する。

ステップ２６０では、地図にコメントデータに基づいてマッピング処理を実行し、ソーシャルヒートマップを作成し、ステップ２６２へ移行する。

ステップ２６２では、アクセスしてきた利用者（登録済ユーザ）へ、ソーシャルヒートマップデータを送信し、メインルーチンへ戻る。

以下に、投稿情報抽出制御装置１０における各機能（すなわち登録者管理機能２６、コメント解析機能２８、及び情報提供機能３０）における主要な処理の実施例を説明する。

（第１実施例）

第１実施例は、登録者管理機能２６における、アンケートの回答要求から因子分析までの処理の流れを示す実施例である。

ユーザが登録を要求すると、図２の送信部３４からアンケート情報を送信される。

図８Ａに示される如く、ユーザが所持する携帯端末１８のモニタ１８Ｍには、３０項目のアンケートの設問（図７参照）が順次表示される。

アンケートは、５種類の回答を選択することで実行される。５種類の回答の選択肢は、設問に対して、「そう思わない」、「あまりそう思わない」、「どちらともいえない」、「ややそう思う」、及び「そう思う」であり、ユーザが自身の判断で、何れかを選択（タッチ操作）する。ここで、ユーザが「次へ」をタッチ操作すると、設問が切り替わり（図８Ｂ参照）、回答の選択を繰り返す。

アンケートの回答が終了し、ユーザがアンケート回答情報を送信すると、図２のアンケート解析部３６及び登録者カテゴリー分類部４０での因子分析処理が実行される。

図９に示される如く、アンケートの回答の選択肢には、それぞれ点数が付与されている。ここでは、「そう思わない」が−２点、「あまりそう思わない」が−１点、「どちらともいえない」が０点、「ややそう思う」が＋１点、及び「そう思う」が＋２点に設定され、集計される（因子分析の第１段階）。各設問は、項目名が定められており（図１０参照）、この項目名が因子種の分類の重要な要素となる。

因子分析の第２段階では、図１０に示される如く、アンケートの回答の因子分析の過程で、最終共通性の低い設問があれば除外する。ここでは、設問Ｎｏ．１３、Ｎｏ．１５、Ｎｏ．２５、Ｎｏ．３０を除外した例を示している。

図１１は、各設定項目名毎の因子分析結果を示したものであり、ここでは、６種類の因子種毎の因子負荷量を演算した。この結果から、アンケート実施者の因子種を特定する（第３段階）。特定の手段は、予め定めた平均値との比較等で実行される。

図１２に示される如く、６種類の因子種にはそれぞれ名前が付与されている。

例えば第１因子種はロハス派、第２因子種はこだわり派、第３因子種は市場ウォッチャー派、第４因子種は受け身派、第５因子種は利便性重視派、及び第６因子種は自己投資派等と、因子種には、それぞれ自身のカテゴリーが一目瞭然となる名前を付与することが好ましい。なお、因子種は６種類に限定されるものではない。また、因子種の名前についても、特に制約はなく、因子種の内容が一目で理解できる文言であればよい。

登録者カテゴリー分類部４０では、送信部３４を介して、アンケート実施者に対して、因子種の名前を通知する。なお、通知する因子種は、１種類である必要はなく、例えば、「あなたは、ロハス派と受け身派の２つのカテゴリーに分類されました」等と通知してもよい。

この第１実施例では、アンケートの回答に対して、主因子法による因子分析を行ったが、カテゴリー分類できれば、他の分析手段を用いてもよい。

（第２実施例）

第２実施例は、コメント解析機能２８における、テキストマイニング処理の流れを示す実施例である。

図１３Ａは、投稿コメント取得部４６で取得した膨大なＳＮＳの投稿コメントのテキストマイニング処理により、位置情報と関連情報（評価情報及び行動情報）とが文字列に含まれるコメントを抽出した結果である（抽出コメント）。

例えば、図１３Ａの第１行の投稿内容には、「・・・とても美味しい・・・○○駅のエキュート・・・」というコメントであり、「とても美味しい」という評価情報と、「○○駅のエキュート」という位置情報とが含まれているのがわかる。

図１３Ｂは、抽出コメントの文字列の評価情報に評価タグと付与するときの基準が示されている。

評価タグは、５段階（「○○」「○」、「△」、「×」、及び「××」）となっている。

評価タグ「○○」は、「とても美味しかった」、「今までで一番綺麗だった」等の、述語に修飾語がつき、かつプラス評価の抽出コメントに付与される。上記第１行の抽出コメントはこの評価タグ「○○」に相当する。

評価タグ「○」は、「美味しかった」、「綺麗だった」等の、述語、かつプラス評価の抽出コメントに付与される。

評価タグ「△」は、評価コメントではないが、「行った」、「買った」等の状況報告となる行動情報が存在する抽出コメントに付与される。

評価タグ「×」は、「不味かった」、「汚かった」等の、述語、かつマイナス評価の抽出コメントに付与される。

評価タグ「××」は、「とても不味かった」、「ものすごく汚かった」等の、述語に修飾語がつき、かつマイナス評価の抽出コメントに付与される。

評価タグとしては、「○」及び「×」等の記号ではなく、数値（得点）であってもよい。

この図１３Ｂの評価基準に基づき、図１３Ａの抽出コメントのそれぞれに評価タグが付与され、この状態で、コメントデータベース６４に格納される。なお、緯度経度情報は、所謂ステルスデータであるため、図１３Ａでは、緯度経度情報の有無を記載していない。しかし、緯度経度情報が存在する場合は、テキストマイニング処理で特定した位置情報と照合し、コメントデータベース６４へ格納するか否かを判断すればよい。

（第３実施例）

第３実施例は、情報提供機能３０における、ソーシャルヒートマップの表示形態を示す実施例である。

図１４Ａは、ソーシャルヒートマップを要求したユーザが所持する携帯端末１８の正面図である。

例えば、携帯端末１８にインストールされている地図アプリ（ＧＰＳ機能付）を起動することで、モニタ１８Ｍには、予め設定された縮尺による現在位置周辺のマップ画像１８Ａと、現在位置を示すマーク１８Ｂとが表示されている。

この状態で、例えば、別ウィンドウからソーシャルヒートマップを要求すると、現在表示されるマップ画像１８Ａに重ねて、濃度や色が異なる領域１８Ｃが表示される。すなわち、ユーザのカテゴリーに適合した情報が多い場所に領域１８Ｃが表示される。

この場合、濃度が高ければ高いほど、カテゴリーに即した対象物があることを示す。なお、濃度に換えて、高い濃度から低い濃度へ順に、赤色→黄色→緑色といったように色を変えるように表示してもよい。

また、ユーザのカテゴリーの中で特に、推奨する場所等が存在する場合に、図１４Ｂに示される如く、特別マーク１８Ｄ（ここでは、星印）を表示するようにしてもよい。

以上説明したように、本実施の形態では、都市開発を対象として、特定の地域のポテンシャルをソーシャルヒートマップで把握し、次事業展開の候補選定や既存再開発地区のブラッシュアップのための仕掛け投入箇所選定に利用することができる。

また、建築設計者を対象として、計画地のポテンシャルをソーシャルヒートマップで把握し、動線計画への反映や特定の地域へのインパクトを最大化する外装計画への反映に利用することができる。

さらに、建築設計者を対象として、計画地のポテンシャルをソーシャルヒートマップで把握し、動線計画への反映や特定の地域への影響を最小限とする外装計画への反映に利用することができる。

また、情報サービスを対象として、特定の地域のソーシャルヒートマップを携帯端末１８（スマートホン等）に展開可能なアプリを構築し、特定の地域の利用者の回遊を促進させることができる。これにより、間接的には健康増進を図ることができる。
（変形例）
本実施の形態では、投稿情報（コメント）として、テキストに特化してテキストマイニングを実行し、投稿位置の特定、信憑性の判断及び対象物の評価等を行うようにしたが、投稿情報には画像が含まれる、或いは、画像のみの場合もある。
画像に関しては、対象外とすることも可能であるが、変形例として、画像を解析して、当該画像を説明するテキストを生成し、本実施の形態のコメントと同様に取り扱うようにしてもよい。
以下に図１５〜図１７に基づき、本実施の形態の変形例について説明する。なお、本実施の形態と同一構成部分に関しては、同一の符号を付してその構成の説明を省略する。
図１５は、本実施の形態の変形例に係るコメント抽出制御装置の機能を説明するブロック図である。
図１５に示される如く、コメント解析機能２８には、画像解析機能２９が接続されている。
画像解析機能２９では、主として、物体検出、画像キャプションによるテキスト化が実行される。
物体検出は、画像から特徴となる物体の画像（領域）を抽出し、当該抽出した画像を識別（車両、動物、建造物等）して、文字情報を生成する。
画像キャプションは、画像の状況（内容）を文字列で表現する。
すなわち、物体検出及び画像キャプションは、何れも画像をテキスト化する機能であり、テキスト化された文字列（コメント）を、コメント解析機能で解析する。
図１６は、本実施の形態の変形例に係るコメント抽出制御装置のメインルーチンを示す制御フローチャートである。なお、本実施の形態のコメント抽出制御装置のメインルーチンと同一処理については、符号の末尾に「Ａ」を付す。
ステップ１００Ａでは、情報を受け付けたか否かを判断し、否定判定された場合は、このルーチンは終了する。
また、ステップ１００Ａで、肯定判定されると、ステップ１０２Ａへ移行して、受付情報を識別し、ステップ１０４Ａへ移行する。
ステップ１０４Ａでは、受付情報種によって処理を分岐する。すなわち、ステップ１０４Ａで受付情報種が登録関連と判定された場合は、ステップ１０６Ａへ移行して、登録者管理制御（図４で詳細に説明）を実行し、このルーチンは終了する。
また、ステップ１０４Ａで受付情報種が投稿コメントと判定された場合は、ステップ１２０へ移行して投稿情報は画像を含むか否かを判断する。
このステップ１２０で肯定判定されると、ステップ１２２へ移行して、画像解析処理を実行し、ステップ１０８Ａへ移行する。
ステップ１０８Ａでは、コメント解析制御（図５で詳細に説明）を実行し、このルーチンは終了する。
さらに、ステップ１０４Ａで受付情報種がソーシャルヒートマップ要求と判定された場合は、ステップ１１０Ａへ移行して、情報提供制御（図６で詳細に説明）を実行し、このルーチンは終了する。
図１７は、図１６のステップ１２２で実行される画像解析処理制御ルーチンである。
ステップ１２４では、画像解析（すなわち物体検出及び画像キャプションの少なくとも一方）が実行され、次いで、ステップ１２６へ移行して、画像解析に基づいてテキストを生成する。なお、画像から生成されるテキストは、当初から存在するテキストと区別して、画像解析テキストという。
次のステップ１２８では、投稿情報が画像＋テキストか、画像のみかを判断する。
ステップ１２８で投稿情報が画像＋テキストと判断された場合は、ステップ１３０へ移行して、当初のテキストと合成し、次いで、ステップ１３２へ移行して、コメントとしてコメント解析機能２８へ送出し、このルーチンは終了し、図１６のステップ１０８Ａへ移行する。
また、ステップ１２８で投稿情報が画像のみと判断された場合は、ステップ１３２へ移行して、コメントとしてコメント解析機能２８へ送出し、このルーチンは終了し、図１６のステップ１０８Ａへ移行する。
図１８は、画像解析の内、画像キャプションの一例を示す。
図１８Ａは基画像８０であり、図１８Ｂに示される如く、基画像８０から特異画像を抽出する。ここでは、猫画像（点線枠８０Ａ）及びボール画像（一点鎖線枠８０Ｂ）を抽出する。
図１８Ｃに示される如く、抽出した特異画像に基づいて、画像解析テキストを生成する。この場合は、「A cat laying on the chair with a ball.」という、画像解析テキストが生成される。

２０１８年６月１９日に出願された日本国特許出願２０１８−１１６２１０号の開示は、その全体が参照により本明細書に取り込まれる。本明細書に記載されたすべての文献、特許出願、および技術規格は、個々の文献、特許出願、および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

Claims (8)

1. ネットワーク上に発信され、文字又は画像の少なくとも一方からなる不特定多数投稿情報群を自然言語解析することで、当該不特定多数投稿情報群の各々から位置を示す文字列情報が含まれる第１の投稿情報を選別する選別手段と、
   前記選別手段で選別された第１の投稿情報を対象として、前記文字列情報に基づいて、特定の地域内からの発信と認定され、かつ、前記特定の地域内に存在する対象物の関連情報が含まれる第２の投稿情報を抽出する抽出手段と、
   を有する投稿情報抽出制御装置。
2. 前記抽出手段で抽出した前記第２の投稿情報に、発信元の緯度経度情報が含まれている場合は、当該緯度経度情報と、前記特定の地域内の位置を示す前記文字列情報とを照合し、前記文字列情報が示す位置の信憑性を判断する、請求項１記載の投稿情報抽出制御装置。
3. 前記抽出手段は、前記第１の投稿情報を単語単位に分割し、各単語の品詞に基づいて、少なくとも前記特定の地域内から発信したものと認定する、請求項１又は請求項２項記載の投稿情報抽出制御装置。
4. 前記関連情報が、前記対象物に対する行動を示す行動情報と、前記対象物の嗜好を示す評価情報とを含み、少なくとも前記評価情報には、前記第２の投稿情報の文字列情報から、感応表現に基づく段階的評価が設定される請求項１〜請求項３の何れか１項記載の投稿情報抽出制御装置。
5. 前記対象物に対する前記関連情報の疎密度合いを含む案内情報を報知する報知手段をさらに有する請求項１〜請求項４の何れか１項記載の投稿情報抽出制御装置。
6. 前記対象物と、当該対象物の前記関連情報とを紐付けて、予め定めた複数のカテゴリーに仕分ける仕分け手段と、
   前記報知手段によって報知される前記案内情報を利用する利用者を登録するに際し、当該利用者に、予め定めた設問に対する回答を要求し、前記回答を分析して、前記利用者を複数のカテゴリーに分類する分類手段とをさらに有し、
   前記報知手段は、分類によって利用者に割り当てられたカテゴリーに応じた案内情報を報知する、請求項５記載の投稿情報抽出制御装置。
7. 前記不特定多数投稿情報群に画像が含まれる場合に、物体検出及び画像キャプションの少なくとも一方を含む画像解析によって、当該画像を説明する文字列情報を生成する、請求項１〜請求項６の何れか１項記載の投稿情報抽出制御装置。
8. コンピュータを、
   請求項１〜請求項７の何れか１項記載の投稿情報抽出制御装置として動作させる、投稿情報抽出制御プログラム。

Images