WO2008075524A1

WO2008075524A1 - 極性推定システム、情報配信システム、極性推定方法及び、極性推定用プログラム、及び評価極性推定用プログラム

Info

Publication number: WO2008075524A1
Application number: PCT/JP2007/072484
Authority: WO
Inventors: Hironori Mizuguchi; Dai Kusui; Masaaki Tsuchida
Original assignee: Nec Corporation
Priority date: 2006-12-18
Filing date: 2007-11-20
Publication date: 2008-06-26
Also published as: JPWO2008075524A1; CN101641693A; US20100017391A1; JP5151991B2

Abstract

　評価極性が既知である評判情報を利用して、評価極性が不明な評判情報に対する評価極性を推定できるようにする。　極性推定システムは、評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定システムであって、評価極性が既知である評判情報を予め記憶する評判情報記憶部と、評判情報記憶部が予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定手段と、を備える。

Description

明細書

極性推定システム、情報配信システム、極性推定方法及び、極性推定用プログラム、及び評価極性推定用プログラム

技術分野

[0001] 本発明は、評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定システム、極性推定方法、極性推定用プログラム、及び評価極性推定用プログラムに関し、特に、評価極性が不明な評判情報に対し、評価極性が明確である評判情報を利用することによって評価極性を推定する極性推定システム、極性推定方法、極性推定用プログラム、及び評価極性推定用プログラムに関する。また、本発明は、評判情報を配信する情報配信システムに関する。

背景技術

[0002] ある情報が何らかの 2つの概念で分類できる場合に、その情報がいずれの概念に属するかを推定する極性推定を行いたい場合がある。例えば、従来から、自然文テキストを入力して対象物の評判情報を抽出する評判情報抽出システムがある。この場合、抽出した評判情報が肯定的であるか否定的である力、を示す評価極性を推定したい場合がある。

[0003] ここで、対象物とは、評価対象となるもののことであり、例えば、製品名「〇 Xバソコン」やサービス名「△□サービス」等である。評判情報とは、対象物を評価する内容の表現を含む情報であり、例えば、「良い」や「悪い」、「大きい」等の評価内容を示す表現を含んだ情報である。ここで、対象物を評価する内容の表現 (例えば、「良い」や「悪い」等)を評価表現と呼ぶ。

[0004] また、評判情報には、対象物の属性を示す属性表現を含んでもよ!/、。属性表現とは、対象物の特徴を示す語であり、例えば、パーソナルコンピュータ（以下、単にパソコンとも!/、う）が対象物であれば、「画面」や「重さ」等の語である。

[0005] また、属性表現は、階層的につながることがある。例えば、「〇 Xパソコンの画面の大きさが良い。」という入力文（自然文テキスト)からは、評判情報抽出システムによつて、〔対象物「〇χパソコン」、属性表現「画面」、属性表現「大きさ」、評価表現「良い」〕という評判情報が抽出される。

[0006] なお、上記に示したものは一例であり、掲示板上のテキスト等の対象物が自明である自然文テキストが入力される場合には、自然文テキスト内に対象物が明記されていなくてもよぐ評判情報に対象物を含まなくてもよい。また、自然文テキスト内に属性表現が省略されている場合には、評判情報に属性表現を含まなくてもよい。すなわち、評判情報は、対象物、属性表現及び評価表現の 3つを組み合わせたものでもよぐ属性表現と評価表現との 2つを組み合わせたものでも、対象物と評価表現との 2つを組み合わせたものでもよ!/、。

[0007] 評判情報抽出システムとは、自然文テキストを入力し、入力した自然文テキストから評判情報を抽出するシステムである。

[0008] 一方で、評価極性とは、評判情報が肯定的であるか否定的であるかを示す情報である。例えば、〔対象物「〇χパソコン」、属性表現「画面」、属性表現「大きさ」、評価表現「良い」〕と!/、う評判情報は肯定的な表現 (本例では表現「良い」）を含むので、評価極性は肯定的である。以下では評価極性のことを単に極性とも!/、う。

[0009] 評価極性推定システムとは、評判情報を入力し、入力した評判情報の評価極性を推定するシステムである。

[0010] このような評価極性推定システムとして、各評価表現とその評価表現に対する評価極性とを予め辞書に登録しておき、この辞書を用いて評判情報の評価極性を推定するように構成されたものがある（例えば、特許文献 1参照）。特許文献 1に記載された評価極性推定システムは、評価表現属性記憶部と、否定表現記憶部と、評価表現属性別分類手段とを含む。評価表現属性記憶部は、評価表現とその評価表現が肯定的か否定的力、を示す情報との組を予め記憶する。否定表現記憶部は、「ない」や「なかった」等の否定表現を記憶する。評価表現属性別分類手段は、評判情報が肯定的か否定的かを分類する。

[0011] 評価表現属性別分類手段は、自然文テキストと評価表現の出現位置を示す位置情報とを入力する。そして、評価表現属性分類手段は、評価表現属性記憶部を参照し、評価表現の評価極性とその評価表現の周辺の否定表現との組み合わせにより、評判情報を肯定的か否定的かに分類する。 [0012] また、テキスト中において評価表現は連続して出現することが多ぐ肯定的な評価表現の前後には肯定的な評価表現が並び、否定的な評価表現の前後には否定的な評価表現が並ぶことが多い傾向がある。そのような傾向があるという仮説を用いて、評判情報の評価極性を判定するように構成されたものが、例えば、特許文献 2に記載されている。

[0013] 特許文献 2に記載された評価極性推定システムは、登録表現記憶部と、表現抽出部と、極性判断部とを含む。登録表現記憶部は、評価表現とその評価表現が肯定的か否定的かを示す情報との組を予め記憶する。表現抽出部は、自然文から名詞句や動詞句を抽出する。極性判断部は、登録表現記憶部を参照し、評価表現とともに出現して!/、る動詞句を当該評価表現と同じ評価極性であると判定する。特許文献 2 に記載された評価極性推定システムでは、予め登録表現記憶部に登録されて!/、な V、動詞句の評価極性がある閾値を超えたら、当該評価極性であると推定する。

特許文献 1 :特開 2002— 92004号公報（第 9頁、図 9)

特許文献 2：特開 2006— 146567号公報（第 9 10頁、図 3)

発明の開示

発明が解決しょうとする課題

[0014] 特許文献 1記載の評価極性推定システムでは、評価極性の推定時に評価表現のみに基づいて、評判情報の極性判定をしている。そのため、第 1の問題点として、特許文献 1記載の評価極性推定システムでは、評価極性を予め全ての評価表現に対して登録しておかねばならな!/、と!/、う問題点がある。

[0015] さらに、特許文献 1記載の評価極性推定システムでは、評価極性を評価表現のみ力判断することは困難な場合があるという問題がある。例えば、一般に、評価表現「好き」や「すばらし!/、」は肯定的な評価表現であると判断でき、「嫌!/、」や「まず!/、」は否定的な評価表現であると判断できる。しかし、評価表現「大きい」の場合には、ー概に肯定的な表現であるとも否定的な表現であるとも判断することはできな!/、。すなわち、評判情報〔対象物「パソコン」、属性表現「画面」、評価表現「大きい」〕である場合には「大きい」は肯定的な評判情報であるが、評判情報〔対象物「パソコン」、属性表現「騒音」、評価表現「大きレ、」〕である場合には「大きレ、」は否定的な評判情報とレ、える。従って、評価表現のみから評価極性を判断できないことがある。

[0016] また、特許文献 2記載の評価極性推定システムでは、評価表現と同じ文節や句内に 2つ以上の評価表現が出現していなければ極性を判定できない。そのため、第 2 の問題点として、特許文献 2記載の評価極性推定システムを用いても、評価極性を得られる評判情報が限られるという問題点がある。

[0017] そこで、本発明は、予め全ての評価表現に対して評価表現を登録しなくても、評判情報の評価極性を判断できる極性推定システム、情報配信システム、極性推定方法、極性推定用プログラム、及び評価極性推定用プログラムを提供することを目的とす課題を解決するための手段

[0018] 本発明の第 1の極性推定システムは、評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定システムであって、評価極性が既知である評判情報を予め記憶する評判情報記憶部と、評判情報記憶部が予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定手段と、を備える。

[0019] また、本発明の第 2の極性推定システムは、評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定システムであつて、対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現記憶部と、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶部と、評価表現記憶部が記憶する評価極性及び評判情報記憶部が記憶する評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定手段（例えば、極性推定手段 101によって実現される）と、を備える。

[0020] また、本発明の第 3の極性推定システムは、評価対象となる対象物、対象物の属性を示す属性表現、及び対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定システムであって、評価表現に対応する評価極性を記憶する評価表現記憶部と、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶部）と、評価表現記憶部が記憶する評価極性及び評判情報記憶部が記憶する評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定手段とを備え、極性推定手段は、評価極性として、評判情報が肯定的である度合!/、や否定的である度合!/、を示す極性度を計算する。

[0021] また、本発明の第 4の極性推定システムは、推定対象の情報が所定の 2つの概念で分類できる場合に、推定対象の情報が!/、ずれの概念に属するかを示す極性を推定する極性推定システムであって、極性が既知である情報を予め記憶する情報記憶部と、情報記憶部が予め記憶する極性が既知である情報に基づ!/、て、極性が未知である情報の極性を推定する極性推定手段と、を備える。

[0022] 本発明の第 1の情報配信システムは、評判情報を配信する評判情報配信システムと、評判情報が肯定的であるか否定的である力、を示す評価極性を推定する評価極性推定システムとを備え、評価極性推定システムは、評価極性が既知である評判情報を予め記憶する評判情報記憶部と、評判情報記憶部が予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定手段とを含み、評判情報配信システムは、評判情報とともに、評価極性推定システムが推定した評価極性を、通信ネットワークを介してユーザ端末に送信する情報配信手段を含む。

[0023] 本発明の第 1の極性推定方法は、評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定方法であって、評価極性が既知である評判情報を予め記憶する評判情報記憶ステップと、予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定ステツプと、を含む。

[0024] また、本発明の第 2の極性推定方法は、評判情報を入力し、入力した評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定方法であって、対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現記憶ステップと、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶ステップと、記憶した評価極性及び記憶した評価極性が既知である評判情報に基づ!/、て、入力した評判情報に対して評価極性を推定する極性推定ステップと、を含む。

[0025] また、本発明の第 3の極性推定方法は、評価対象となる対象物、対象物の属性を示す属性表現、及び対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定方法であって、評価表現に対応する評価極性を記憶する評価表現記憶ステップと、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶ステップと、記憶した評価極性及び記憶した評価極性が既知である評判情報に基づ!/、て、入力した評判情報に対して評価極性を推定する極性推定ステップとを含み、極性推定ステップで、評価極性として、評判情報が肯定的である度合いや否定的である度合!/、を示す極性度を計算する。

[0026] 本発明の第 1の極性推定用プログラムは、評判情報が肯定的であるか否定的であるかを示す評価極性を推定するための極性推定用プログラムであって、コンピュータに、評価極性が既知である評判情報を予め記憶する評判情報記憶処理と、予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定処理と、を実行させるためのものである。

[0027] また、本発明の第 2の極性推定用プログラムは、評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定するための極性推定用プログラムであって、コンピュータに、対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現記憶処理と、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶処理と、記憶した評価極性及び記憶した評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定処理と、を実行させるためのものである。

[0028] また、本発明の第 3の極性推定用プログラムは、評価対象となる対象物、対象物の属性を示す属性表現、及び対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定するための極性推定用プログラムであって、コンピュータに、評価表現に対応する評価極性を記憶する評価表現記憶処理と、評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶処理と、記憶した評価極性及び記憶した評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定処理とを実行させ、極性推定処理で、評価極性として、評判情報が肯定的である度合!/、や否定的である度合!/、を示す極性度を計算する処理を実行させるためのものである。

[0029] 本発明の第 1の評価極性推定用プログラムは、評価対象となる対象物、対象物の属性を示す属性表現、及び対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を出力するコンピュータに搭載される評価極性推定用プログラムであって、コンピュータに、評判情報を入力する入力処理と、評価極性が既知である評判情報に含まれる属性表現の極性度を計算する処理と、評価極性が既知である評判情報に含まれる対象物の極性度を計算する処理と、評価極性が既知である評判情報に含まれる評価表現の極性度を計算する処理と、計算した属性表現の極性度、対象物の極性度及び評価表現の極性度を総合した極性度を計算することによって、入力した評判情報に対する極性を計算する処理と、を実行させるためのものである。

発明の効果

[0030] 本発明によれば、予め全ての評価表現に対して評価表現を登録しなくても、評判情報の評価極性を判断できる極性推定システム、情報配信システム、極性推定方法、極性推定用プログラム、及び評価極性推定用プログラムが提供される。

発明を実施するための最良の形態

[0031] 本発明では、評判情報における以下に示すいくつかの仮説に基づいて、統計的な手法を用いて評価極性度を計算することで評価極性を推定する。ここで、評価極性度とは、肯定的な評判情報であるか否定的な評判情報である力、を示す数値である。例えば、評価極性度を 1から 1までの実数とする。この場合、評価極性度が 1に近いほど肯定的であることを示し、 1に近いほど否定的であることを示す。以下、評価極性度のことを単に極性度ともいう。なお、これは一例であり、評価極性度として「10 0」から「0」等の他の数値のものを用いてもよぐ連続的な数値のものでなく離散的な数値のものを用いてもよい。

[0032] 仮説 1)評価表現には予め極性を判断できる表現があり、これらの表現を含む評判情報の極性は評価表現の極性と同じである傾向がある。前述のように、評価表現が「大きい」である場合には、その極性を判断することはできない。しかし、評価表現のみから極性を判断できる場合も存在する。例えば、評価表現「良い」や「すばらしい」等は明らかに肯定的な評価表現であるので、これらの評価表現を含む評判情報の極性は肯定的であると考えられる。一方、評価表現「悪い」や「汚い」等は明らかに否定的な評価表現であるので、同様に、これらの評価表現を含む評判情報の極性は否定的である。

[0033] 仮説 2)属性表現には良いイメージの表現や悪いイメージの表現があり、これら良いイメージや悪いイメージの表現を含む評判情報はそれぞれ肯定的又は否定的な評価表現であることが多い傾向がある。例えば、属性表現「明るさ」は良いイメージの表現であり、属性表現「騒音」は悪いイメージの表現である。従って、これらの属性表現を含む評判情報は、それぞれ肯定的又は否定的であることが多い。例えば、「〇X ノソコンは一番良い明るさ。」や「△△パソコンは騒音がだめ」等である。従って、属性表現を用いて評判情報の極性を判断できる場合がある。

[0034] 上記仮説 1と仮説 2とを用いて、本発明が適用される評価極性推定システムは、評判情報記憶部と、評価表現記憶部と、極性推定手段とを備える。そして、極性推定手段は、評判情報を入力し、評判情報記憶部が記憶する評判情報の極性度と、評価表現記憶部が記憶する評価表現及び極性度とを参照し、極性が未知である評判情報の極性度を計算する。

[0035] 極性推定手段は、まず、極性が既知である評判情報を参照し、入力した評判情報に含まれる評価表現の極性度、属性表現の極性度、及び属性表現と評価表現との組合せの極性度を計算する。評価表現や属性表現、評価表現と属性表現との組合せが出現する極性度が既知である評判情報の数や、それらの極性度の平均値、肯定的な評判情報の数と否定的な評判の数の比率等を用いて極性度を計算する。次に、これら計算した極性度をさらに総合した極性度を出力する。

[0036] 上記のような構成を採用し、極性推定手段が極性が既知である評判情報に基づ!/、て、属性表現が良!、イメージで使われて!/、るか悪!/、イメージで使われて!/、るかを加味して極性度を計算することにより、本発明の目的を達成することができる。 [0037] 仮説 3)評判情報が十分多!/、場合、極性が既知である評判情報のみから計算した各対象物の肯定的な評判情報の数と否定的な評判情報の数との割合は、評判情報全体の割合を反映している傾向がある。例えば、特定のパソコンに関する評価は、賛否両論分かれるところではある力全体的な傾向として肯定的な意見が多いといった傾向を把握することができる。このような傾向を、極性が既知である評判情報から計算する。すなわち、極性が未知である評判情報も同様な傾向にあると仮定して、極性を推定すること力できる。

[0038] 上記仮説 3を用いて、本発明が適用される評価極性推定システムは、評判情報記憶部と、評価表現記憶部と、極性推定手段とを備え、さらに、極性推定手段は、評判情報を入力し、評判情報記憶部が記憶する評判情報及び極性度、評価表現記憶部が記憶する評価表現及び極性度を参照し、極性が未知である評判情報の極性度を計算する。

[0039] 極性推定手段は、まず、極性が既知である評判情報を参照し、入力した評判情報に含まれる評価表現の極性度、対象物の極性度、及び対象物と評価表現との組合せの極性度を計算する。極性が既知である評判情報を参照し、評価表現毎、対象物毎、及び評価表現と対象物との組合せ毎に、肯定的な評判情報な数と否定的な評判情報な数、その比率等を用いて極性度を計算する。次に、入力した評判情報に含まれる評価表現、対象物、及び先に計算した各極性度を比較し、極性度を出力する

[0040] 上記のような構成を採用し、極性推定手段が極性が既知である評判情報に基づ!/、て極性度を計算することにより、本発明の目的を達成することができる。

[0041] また、本発明が適用される評価極性推定システムは、上記仮説 1、仮説 2及び仮説 3を用いて、評判情報記憶部と、評価表現記憶部と、極性推定手段とを備え、さらに、極性推定手段は、評判情報を入力し、評判情報記憶部が記憶する評判情報及び極性度と、評価表現記憶部が記憶する評価表現及び極性度とを参照し、極性が未知である評判情報の極性度を計算する。

[0042] 極性推定手段は、まず、各評価表現の極性度、各属性表現の極性度、属性表現と評価表現との組合せの極性度、対象物と評価表現との組合せの極性度、対象物、属性表現及び評価表現の組合せの極性度を計算する。極性が既知である評判情報を参照し、評価表現毎、属性表現毎、対象物毎、評価表現と属性表現との組合せ毎、評価表現と対象物との組合せ毎、評価表現、属性表現及び対象物の組合せ毎に、肯定的な評判情報の数、否定的な評判情報の数、その比率等を用いて極性度を計算する。次に、入力した評判情報に含まれる評価表現、属性表現及び対象物と、先に計算した各極性度とを比較し、極性度を出力する。

[0043] 仮説 4)評判情報は時間によって変化することがある。対象物における評判は、時間を経て徐々に変わっていくと考えられる。例えば、ある時期のサッカー選手の評判は、その前の試合での得点や勝敗への貢献等によって変わる。従って、評判情報の極性を推定する際にも、最近の評判情報における極性に重みを与える等、時間的な経過を考慮する必要がある。

[0044] 本発明が適用される評価極性推定システムは、上述した評価極性推定システムの構成に加えて、上記仮説 4を用いて、評判情報記憶部と、評価表現記憶部と、極性推定手段とを備え、さらに、極性推定手段は、評判情報記憶部が記憶する最近の評判情報に重みを加えて極性度を計算する。

[0045] 仮説 5)評価者の種別によって、評判情報に対する評価が変わることがある。評価者の種別とは、評価者の性別や年齢、住所、職業、趣味、購入商品履歴等である。例えば、商品の評価は、このような評価者の種別によって変わることがある。例えば、女性には人気だが男性には人気の無レ、商品や、趣味がパソコンでパソコンを数台購入している評価者には人気である力 S、それ以外の評価者では人気の無いパソコン等がある。従って、評判情報の極性を推定する際にも、評価者の種別を考慮する必要力 ^sある。

[0046] 本発明が適用される評価極性推定システムは、上述した評価極性推定システムの構成に加えて、上記仮説 5を用いて、評判情報記憶部と、評価表現記憶部と、評価者種別記憶部と、極性推定手段とを備え、さらに、極性推定手段は、評価者種別記憶部を参照し、評価者の種別毎に極性度をさらに計算する。

[0047] 本発明では、予め記憶する評価極性が既知である評判情報に基づ!/、て、評価極性が未知である評判情報の評価極性を推定する。よって、評価極性が不明である評判情報に対して、評価極性が既知である評判情報を利用して、評価極性を推定すること力 Sでさる。従って、予め全ての評価表現に対して評価表現を登録しなくても、評判情報の評価極性を判断することができる。

[0048] また、本発明にお!/、て、評判情報を取得した時を示す取得時情報に基づ!/、て、記憶する評判情報に対応する評価極性に所定の重み付け処理を行い、重み付け処理を行った評価極性に基づいて、評価極性が未知である評判情報の評価極性を推定するように構成すれば、評判情報の時間的な変化を考慮して評判情報の極性推定を fiうこと力 Sできる。

[0049] また、本発明にお!/、て、評判情報を評価した評価者を示す評価者情報に基づ!/、て、評価極性が未知である評判情報の評価極性を推定するように構成すれば、評判情報の評価者種別による偏りを考慮した評判情報の極性推定を行うことができる。

[0050] 以下、本発明の実施形態について詳細に説明する。

[0051] 実施の形態 1.

以下、本発明の第 1の実施の形態について図面を参照して説明する。図 1は、本発明による極性推定システムの構成の一例を示すブロック図である。本実施の形態では、極性推定システムが、評判情報の評価極性を推定する評価極性推定システムである場合を説明する。本実施の形態において、評価極性推定システムは、例えば、アンケートを自動的に集計するアンケート自動集計システムや、評判情報や評価極性を配信する情報サービスシステムの用途に適用できる。

[0052] 図 1に示すように、評価極性推定システムは、プログラム制御により動作するデータ処理装置 100と、情報を蓄積する記憶装置 200と、入力手段 300と、出力手段 400とを含む。なお、評価極性推定システムは、具体的には、プログラムに従って動作するワークステーションやパーソナルコンピュータ等の情報処理装置によって実現される

[0053] 入力手段 300は、具体的には、情報処理装置が備えるキーボードやマウス等の入力装置によって実現される。入力手段 300は、評価対象の評判情報を入力する際に、例えば、ユーザによって操作される。なお、通信ネットワークを介して評価対象の評判情報を受信する場合には、入力手段 300は、情報処理装置が備えるネットワークィンタフェース部によって実現されてもょレ、。

[0054] 出力手段 400は、具体的には、ディスプレイ装置等の表示装置によって実現される。出力手段 400は、評判情報の評価極性の推定結果を出力（例えば表示)する機能を備える。なお、出力手段 400は、通信ネットワークを介して評価極性の推定結果を出力する場合には、情報処理装置が備えるネットワークインタフェース部によって実現されてもよい。また、出力手段 400は、プリンタ等の印刷装置であってもよい。

[0055] データ処理装置 100は、具体的には、プログラムに従って動作する情報処理装置の CPUによって実現される。データ処理装置 100は、極性推定手段 101を含む。記憶装置 200は、具体的には、磁気ディスク装置や光ディスク装置等のデータベース装置によって実現される。記憶装置 200は、評価表現記憶部 201と、評判情報記憶部 202とを含む。これらの手段は、それぞれ概略以下のように動作する。

[0056] 評価表現記憶部 201は、評価極性が既知である評価表現を予め記憶する。図 2は、評価表現記憶部 201が記憶する評価表現及び評価極性の一例を示す説明図である。図 2に示すように、評価表現記憶部 201は、評価表現と極性度 (評価極性）とを対応付けて記憶するデータベースである。本実施の形態では、極性度は「1」から「一 1」までの値であり、極性度が「1」に近いほど肯定的な評価表現であることを示す。また、極性度が「一 1」に近いほど否定的な評価表現であることを示す。

[0057] なお、図 2に示す評価極性は一例であり、極性度として「100」から「0」までの値のもの等その他の値のものを用いてもよい。また、数値を離散的に扱い、評価極性を「〇」や「 X」等の記号で示してもよ!/、し、評価極性を肯定度合レ、の列と否定度合!/、の列とに分けて示してもよい。

[0058] 評判情報記憶部 202は、評判情報と、極性推定手段 101が出力する極性度 (評価極性）とを記憶する。図 3は、評判情報記憶部 202が記憶する評判情報及び評価極性の一例を示す説明図である。評判情報記憶部 202は、対象物、属性表現及び評価表現の 3つ組みで表される評判情報と、その評判情報の極性度とを対応付けて記憶するデータベースである。なお、評判情報記憶部 202が記憶する評判情報及び極性度は、極性推定手段 101が出力する極性度に基づいて随時更新される。

[0059] なお、図 3に示す評判情報及び評価極性は一例であり、評判情報として、対象物と評価表現との 2つ組みのものや、属性表現と評価表現との 2つ組みのものを用いてもよい。また、極性度として「100」から「0」までの値のもの等の他の示し方のものを用いてもよい。また、数値を離散的に扱い、評価極性を「〇」や「X」等の記号で示してもよいし、評価極性を肯定度合いの列と否定度合いの列とに分けて示してもよい。図 4は、評判情報記憶部 202が記憶する評判情報及び評価極性の他の例を示す説明図である。図 4に示すように、評判情報記憶部 202は、評価極性として極性度に代えて肯定度及び否定度を記憶してもよレ、。

[0060] 極性推定手段 101は、評判情報を入力し、入力した評判情報の極性度を出力する機能を備える。図 5は、極性推定手段 101の構成の一例を示すブロック図である。図 5に示すように、極性推定手段 101は、極性度参照手段 1011と、個別極性度計算手段 1012と、総合極性度計算手段 1013と、極性度登録手段 1014とを含む。

[0061] 極性度参照手段 1011は、入力手段 300から評判情報を受け取り（入力し）、入力した評判情報に含まれる評価表現が評価表現記憶部 201にあるか否力、を検索し判定する機能を備える。また、極性度参照手段 1011は、評価表現記憶部 201が記憶する評判情報のうち、入力した評判情報に含まれる評価表現と合致するものがあると判定すると、その合致すると判定した評価表現に対応する極性度を評価表現記憶部 201から抽出する機能を備える。なお、極性度参照手段 1011が評価表現記憶部 20 1から抽出する極性度を評価表現極性度ともいう。

[0062] 個別極性度計算手段 1012は、評判情報を入力し、評判情報記憶部 202を参照して極性度を求める機能を備える。この場合、個別極性度計算手段 1012は、対象物、属性表現又は評価表現毎に極性度を計算する。また、個別極性度計算手段 1012 は、対象物、属性表現又は評価表現のうちのいずれ力、 2つ又は全ての組み合わせ毎に極性度を計算する。

[0063] 以下、説明のために、対象物、属性表現又は評価表現毎に求める極性度、及び対象物、属性表現又は評価表現のうちの!/、ずれ力、 2つ又は全ての組み合わせ毎に求める極性度を、それぞれを総称して個別極性度と呼ぶ。

[0064] 個別極性度計算手段 1012は、対象物の極性度を次のように計算する。個別極性度計算手段 1012は、評判情報記憶部 202を参照し、極性度算出対象の対象物を含む全ての評判情報の極性度を評判情報記憶部 202から抽出する。そして、個別極性度計算手段 1012は、抽出した各極性度の平均を求めることによって、対象物の極性度を算出する。

[0065] なお、属性表現や評価表現の極性度や、対象物、属性表現又は評価表現のうちのいずれ力、 2つ又は全ての組み合わせの極性度を求める場合も、対象物の極性度を求める場合と同様に極性度を求めることができる。すなわち、個別極性度計算手段 1 012は、評判情報記憶部 202を参照し、極性度算出対象の属性表現や評価表現、又は対象物、属性表現若しくは評価表現のうちのいずれ力、 2つ又は全ての組み合わせを含む全ての評判情報の極性度を評判情報記憶部 202から抽出する。そして、個別極性度計算手段 1012は、抽出した各極性度の平均を求めることによって極性度を求める。

[0066] なお、上記に示した極性度の計算方法は一例であり、個別極性度計算手段 1012 は、評判情報記憶部 202から抽出した極性度の合計を求めることによって極性度を求めてもよい。

[0067] また、個別極性度計算手段 1012は、ある値以上の極性度の評判情報数とある値以下の極性度の評判情報数とに基づ!/、て、そのある値以上の極性度の評判情報やある値以下の評判情報の比率や確率を求めて極性度として用いてもよい。この場合、個別極性度計算手段 1012は、まず、評判情報記憶部 202が記憶する評判情報のうち、入力した評価対象の評判情報に合致するものを一次的に全て抽出する。次いで、個別極性度計算手段 1012は、一次的に抽出した評判情報のうち、対応する極性度が所定値 (例えば 0. 3)以上である評判情報を二次的に選択する。そして、個別極性度計算手段 1012は、一次的に抽出した評判情報数に対する二次的に選択した評判情報数 (極性が肯定的な評判情報の数)の割合を求める。又は、個別極性度計算手段 1012は、一次的に抽出した評判情報のうち、対応する極性度が所定値（例えば 0. 3)以下である評判情報を二次的に選択する。そして、個別極性度計算手段 1012は、一次的に抽出した評判情報数に対する二次的に選択した評判情報数（極性が否定的な評判情報の数)の割合を求める。

[0068] 上記のように構成すれば、評価極性推定システムが備えるデータベースが記憶する情報 (本例では、評判情報記憶部 202が記憶する評判情報や極性度）に偏りがある場合であっても、より正確に極性判定を行うことができる。

[0069] また、評判情報記憶部 202が記憶する評判情報が対象物と評価表現との 2つの組み合わせである場合や、属性表現と評価表現との 2つの組み合わせである場合には、個別極性度計算手段 1012は、評判情報の 2つの構成要素（対象物、属性表現又は評価表現のうち!/、ずれか 2つ）のうち計算可能な方の極性度のみを計算してもよ!/、。例えば、評判情報記憶部 202が対象物及び評価表現のみを含む評判情報しか予め蓄積していない場合には、個別極性度計算手段 1012は、入力した評価対象の評判情報に属性表現が含まれていたとしても、属性表現に対する個別極性度を算出することはできない。従って、この場合、個別極性度計算手段 1012は、対象物又は評価表現に対する個別極性度や、対象物と評価表現との組みに対する個別極性度のみを求めるようにすればよい。

[0070] 総合極性度計算手段 1013は、極性度参照手段 1011が抽出した極性度（評価表現極性度）と、個別極性度計算手段 1012が計算した個別極性度とを入力し、それら入力した評価表現極性度及び個別極性度を総合した極性度（総合極性度ともいう）を計算する機能を備える。この場合、総合極性度計算手段 1013は、例えば、極性度参照手段 1011が抽出した極性度に、個別極性度計算手段 1012が計算した各極性度 (各個別極性度）の平均を加算することによって、総合極性度を計算する。

[0071] なお、上記に示した総合極性度の計算方法は一例であり、総合極性度計算手段 1 013は、例えば、評価表現極性度と各個別極性度との平均を求めることによって総合極性度を求めてもよい。また、総合極性度計算手段 1013は、例えば、評価表現極性度と各個別極性度との合計を求めることによって総合極性度を求めてもよい。また、総合極性度計算手段 1013は、評価表現極性度や各個別極性度に所定の重み付けを行って総合極性度を求めてもよい。例えば、総合極性度計算手段 1013は、入力した評価対象の評判情報と、対象物、属性表現及び評価表現の全ての要素が合致するものに対する個別極性度に大きな重み付け（具体的には、大きな値の重み係数を乗算）を行って、総合極性度を求めてもよい。

[0072] 極性度登録手段 1014は、評価対象の評判情報と、総合極性度計算手段 1013が計算した極性度 (総合極性度）とを対応付けて、評判情報記憶部 202に蓄積させる機能を備える。

[0073] 次に、動作につ!/、て説明する。図 6は、評価極性推定システムが評価極性を推定する処理の一例を示すフローチャートである。まず、評価極性推定システムのデータ処理装置 100は、ユーザの操作に従って、入力手段 300から評価対象の評判情報を入力する（ステップ S 10)。

[0074] 本実施の形態では、評判情報は、対象物、属性表現及び評価表現の 3つを組み合わせた情報である。例えば、評判情報〔〇Xパソコン、騒音、嫌い〕や評判情報〔〇χ パソコン、騒音、大きい〕など 3つの要素を組み合わせた情報が入力される。

[0075] 本実施の形態では、評判情報を亀甲〔〕で囲んで表現する。この場合に、句読点で区切られた 3つの要素は、それぞれ対象物、属性表現及び評価表現を表す。なお、評判情報は、対象物又は属性表現のうちのいずれ力、を含まなくてもよい。

[0076] データ処理装置 100は、入力した評価対象の評判情報を、極性推定手段 101の極性度参照手段 1011に渡す。

[0077] 次に、極性度参照手段 1011は、評価表現記憶部 201を参照し、評価対象の評判情報に含まれる評価表現の極性度を評価表現記憶部 201から取得 (抽出）する (ステップ S l l)。

[0078] 例えば、評価表現記憶部 201が図 2に示す評価表現及び極性度を記憶する場合を説明する。この場合、極性度参照手段 1011は、評価対象の評判情報〔〇Xバソコン、騒音、嫌い〕を受け取る（入力する）と、評価表現記憶部 201を参照し、評価表現「嫌!/、」に対応する極性度「一 1」を取得 (抽出）する。

[0079] なお、極性度参照手段 1011は、評価対象の評判情報として〔〇 Xパソコン、騒音、大きい〕を受け取った (入力した)場合には、評価表現記憶部 201が記憶する評価表現の中に評価表現「大きい」が存在しないので、極性度「0」とする。なお、極性度「0」とは、評価極性が不明であることを表す。

[0080] 極性推定手段 101は、極性度参照手段 1011が抽出した極性度をメモリ等の記憶部に保持するとともに、入力手段 300から入力した評価対象の評判情報を個別極性度計算手段 1012に渡す。 [0081] 次に、個別極性度計算手段 1012は、評価対象の評判情報を受け取り（入力し）、評判情報記憶部 202を参照して、関連する評判情報と極性度とを評判情報記憶部 2 02から全て取得 (抽出）する（ステップ S 12)。例えば、個別極性度計算手段 1012は、評判情報〔〇Xパソコン、騒音、大きい〕を受け取ると (入力すると）、評判情報記憶部 202を参照して、対象物「〇Xパソコン」、属性表現「騒音」、又は評価表現「大き V、」を含む評判情報と、それらに対応する極性度を評判情報記憶部 202から全て取得 (抽出)する。例えば、評判情報記憶部 202が図 3に示す評判情報及び極性度を記憶する場合、個別極性度計算手段 1012は、 1レコード目、 5レコード目及び 6レコード目の対象物、属性表現、評価表現及び極性度を取得 (抽出）する。

[0082] 次に、個別極性度計算手段 1012は、ステップ S 10で入力した評価対象の評判情報 (以下、入力評判情報ともいう）と、ステップ S 12で取得 (抽出）した評判情報及びその評判情報に対応する極性度とに基づいて、対象物、属性表現若しくは評価表現、又は対象物、属性表現若しくは評価表現のうちのいずれ力、 2つ又は全ての組み合わせに対する極性度のうち、いずれ力、 1つ又は複数を計算する（ステップ S 13)。

[0083] 例えば、入力評判情報〔〇 Xパソコン、騒音、大きい〕である場合、対象物「〇 Xパソコン」、属性表現「騒音」、評価表現「大きい」、対象物と評価表現との組「〇 Xパソコン—大きい」、属性表現と評価表現との組「騒音—大きい」、対象物、属性表現及び評価表現の組「〇Xパソコン騒音一大きい」に対する極性度のうち、いずれか 1 つ又は複数を計算する。例えば、個別極性度計算手段 1012は、対象物に対する極性度と、属性表現に対する極性度と、評価表現に対する極性度とを計算する。対象物「〇 Xパソコン」に対する極性度を求める場合、個別極性度計算手段 1012は、ステツプ S 12で取得 (抽出）した評判情報に対する極性度のうち、対象物に「〇 Xパソコン」を含む評判情報に対する極性度の平均を求めることによって、個別極性度を算出する。この場合、具体的には、個別極性度計算手段 1012は、式（1)を用いて対象物の極性度 (個別極性度）を計算する。

[0084] 対象物の極性度 = l/Np X∑Pi (i= l〜Np) 式（1)

[0085] ここで、 Npは対象物を含む評判情報数を示し、 Piは対象物を含む各評判情報の極性度を示す。 [0086] 対象物「〇Xパソコン」を含む評判情報数力 S「5」で、それら対象物「〇Xパソコン」を含む各評判情報に対する極性度の合計が「一 1. 5」であれば、個別極性度計算手段 1012は、極性度を「一 0. 3」と求める。同様に、個別極性度計算手段 1012は、属性表現「騒音」や評価表現「大きい」に対する極性度も、それぞれを含む評判情報の極性度の平均を求めることによって算出する。

[0087] また、対象物と評価表現との組「〇 Xパソコン一大きい」に対する極性度を求める場合、個別極性度計算手段 1012は、対象物「〇Xパソコン」及び評価表現「大きい」をともに含む評判情報に対する極性度の平均を求めることによって、個別極性度を算出する。同様に、個別極性度計算手段 1012は、属性表現と評価表現との組「騒音 —大きい」や、対象物、属性表現及び評価表現の組「〇Xパソコン—騒音—大きい」に対する極性度を求める場合、対象物「〇Xパソコン」、属性表現「騒音」及び評価表現「大きい」それぞれを全て含む評判情報に対する極性度の平均を求めることによつて、個別極性度を算出する。

[0088] なお、上記に示した個別極性度の計算方法は一例であり、個別極性度計算手段 1 012は、例えば、評判情報記憶部 202から抽出した極性度の合計を求めることによつて個別極性度を求めてもよい。また、個別極性度計算手段 1012は、ある値以上の極性度の評判情報数とある値以下の極性度の評判情報数とに基づレ、て、そのある値以上の極性度の評判情報やある値以下の評判情報の比率や確率を求めて極性度として用いてもよい。また、評判情報記憶部 202が記憶する評判情報が対象物と評価表現との 2つの組み合わせである場合や、属性表現と評価表現との 2つの組み合わせである場合には、個別極性度計算手段 1012は、評判情報の 2つの構成要素（対象物、属性表現又は評価表現のうち!、ずれか 2つ）のうち計算可能な方の極性度のみを計算してもよい。

[0089] さらに、個別極性度計算手段 1012は、これら対象物、属性表現若しくは評価表現、又は対象物、属性表現若しくは評価表現のうちのいずれ力、 2つ又は全ての組合せ全ての個別極性度を計算する必要はない。本実施の形態では、個別極性度として、対象物に対する極性度、属性表現に対する極性度、評価表現に対する極性度、対象物と属性表現との組みに対する極性度、対象物と評価表現との組みに対する極性度、属性表現と評価表現との組みに対する極性度、対象物、属性表現及び評価表現全ての組みに対する極性度の 7種類がある。この場合、個別極性度計算手段 101 2は、例えば、対象物に対する極性度、属性表現に対する極性度、及び評価表現に対する極性度の 3つのみを計算すればよ!/、。

[0090] そして、個別極性度計算手段 1012は、計算した個別極性度を総合極性度計算手段 1013に渡す。

[0091] 次に、総合極性度計算手段 1013は、ステップ SI 1で取得 (抽出）した極性度（評価表現極性度）とステップ S 13で計算した個別極性度とを入力し、これら評価表現極性度と個別極性度とを総合した極性度 (総合極性度）を計算する (ステップ S 14)。例えば、統合した極性度（総合極性度）を求める場合、総合極性度計算手段 1013は、ステツプ S 11で取得した極性度に、ステップ S 12で計算した個別極性度を平均した値を加算する。

[0092] 例えば、ステップ S11で取得した極性度力 0」であるとする。また、ステップ S 12で計算した個別極性度について、対象物に対する極性度が「一 0. 3」であり、属性表現に対する極性度が「一 0. 8」であり、評価表現に対する極性度が「0. 2」であるとする。この場合、ステップ S12で求めた個別極性度の平均は「— 0. 3」と求められる。従つて、総合極性度計算手段 1013は、総合した極性度（総合極性度）を「一 0. 3」と計算する。

[0093] なお、本実施の形態では、評価表現の極性度を個別極性度で補正すると!/、う考え方に基づいて、上記に示すような計算方法を用いたが、本実施の形態で示した総合極性度の計算方法は一例であり、単純に評価表現極性度及び個別極性度の平均を求めたり、合計を求めることによって、総合極性度を求めてもよい。

[0094] 次に、極性度登録手段 1014は、ステップ S10で入力した入力評判情報と、ステツプ S14で計算した極性度（総合極性度）とを、評判情報記憶部 202に追加登録する（ステップ S 15)。この場合、極性度登録手段 1014は、評判情報と極性度とを対応付けて評判情報記憶部 202に記憶させる。例えば、評判情報が〔〇Xパソコン、騒音、大きい〕であり極性度が「一 0. 3」であれば、極性度登録手段 1014は、これらを要素とするレコードを新たに追加する。 [0095] 次に、極性推定手段 101は、出力手段 400に、極性度を出力させる（ステップ S16 )。例えば、極性推定手段 101は、極性度として「一 0. 3」のような数値を出力させてもよく、極性度がある閾値以上の値であれば記号「〇」を出力させても、閾値以下であれば記号「X」等を出力させてもよい。さらに、ステップ S 13で計算した個別極性度を出力させてもよい。出力手段 400は、極性推定手段 101の指示に従って、極性度を出力（例えば、表示）する。

[0096] 以上のように、本実施の形態によれば、評価極性が既知である評判情報 (今までに蓄積された評判情報）に含まれる対象物、属性表現又は評価表現や、それらの組み合わせ毎に、それぞれの評価極性度を計算する。また、評価極性が不明である評判情報に含まれる対象物や属性表現、評価表現と照らし合わせて評価極性度を出力する。そのため、評価極性が不明である評判情報に対して、評価極性が既知である評判情報を利用して、評価極性を推定することができる。

[0097] 具体的には、極性推定手段 101は、評価表現の極性だけでなぐ極性が既知である評判情報に基づいて、属性表現における良いイメージ又は悪いイメージ等の表現の使われ方や、対象物による肯定度合いや否定度合いを加味して、評価極性を推定できる。そのため、評価極性が未知である評価表現に対して極性を推定することができる。すなわち、今までに蓄積された評判情報に基づいて、対象物や属性表現、評価表現の極性度の偏りを加味して評価極性を推定することができ、評価極性を判断できなレ、とレ、う事態を低減してレ、る。

[0098] また、従来の評価極性推定システムでは、評価表現に対応した極性のみから評判情報の極性を判断して!/、たため、評価表現のみでは極性を判断できな!/、場合が多かったが、上記の構成を採用することによって、評価極性を判断できないという事態を低減している。

[0099] また、本実施の形態によれば、極性推定手段 101は、計算した極性度の計算結果を評判情報記憶部 202に順次記憶させる。そして、極性推定手段 101は、評判情報記憶部 202に記憶させた極性度の結果を次回以降の極性度計算に利用する。そのため、本システムの運営開始時には多少極性度算出の精度が良くないものの、繰り返し極性度の計算結果を蓄積し、蓄積する評判情報が増えていくにつれて、評価極性推定の精度を向上させることができる。

[0100] 実施の形態 2.

次に、本発明の第 2の実施の形態について図面を参照して説明する。図 7は、第 2 の実施の形態における極性推定システム（評価極性推定システム）の構成例を示すブロック図である。図 7に示すように、本実施の形態では、評判情報記憶部 203が記憶する情報内容が、第 1の実施の形態で示した評判情報記憶部 202が記憶する情報内容と異なる。また、本実施の形態では、極性推定手段 102の機能が、第 1の実施の形態で示した極性推定手段 101の機能と異なる。なお、極性推定手段 102及び評判情報記憶部 203以外の構成要素の機能は、第 1の実施の形態で示したそれらの機能と同様である。

[0101] 以下、第 1の実施の形態と同様の構成をなす部分についてはその詳細な説明を省略し、主として第 1の実施の形態と異なる部分について説明する。

[0102] 評判情報記憶部 203は、評判情報と、その評判情報の取得日と、その評判情報に対する極性度 (評価極性）とを記憶する。図 8は、評判情報記憶部 203が記憶する評判情報、取得日及び評価極性の一例を示す説明図である。評判情報記憶部 203は、評判情報を取得した時間 (本例では取得日 )、対象物、属性表現、評価表現及び極性度を 1レコードとして記憶するデータベースである。すなわち、本実施の形態では、評判情報記憶部 203は、評判情報 (対象物、属性表現及び評価表現を含む）と、その評判情報の取得日と、その評判情報に対する評価極性とを対応付けて記憶す

[0103] なお、評判情報の取得日は、その評判情報が評判情報記憶部 203に登録される際に、例えば、データ処理装置 100が備えるタイマが出力する時刻信号に基づいて求められ、データ処理装置 100によって評判情報に対応付けて評判情報記憶部 20 dに記' I思れる。

[0104] 本実施の形態では、極性度は「1」から「一 1」までの値であり、極性度が「1」に近いほど肯定的な評価表現であることを示す。また、極性度が「一 1」に近いほど否定的な評価表現であることを示す。なお、図 8において、時間は日付を示している。

[0105] なお、図 8に示す評判情報や評価極性は一例であり、評判情報として、対象物と評価表現との 2つ組みのものや、属性表現と評価表現との 2つ組みのものを用いてもよい。また、数値を離散的に扱い、評価極性を「〇」や「X」等の記号で示してもよいし、評価極性を肯定度合レ、の列と否定度合レ、の列とに分けて示してもょレ、。評判情報の取得日を示す時間は日付以外の情報でもよぐ例えば、評判情報を取得した時刻までを含んでもよいし、年と月のみを含む情報であってもよい。

[0106] 本実施の形態では、極性推定手段 102は、評価対象の評判情報を入力し、予め蓄積する評判情報のうち最近の評判情報に対応する極性度に重みを加えた極性度を計算し出力する点で、第 1の実施の形態と異なる。

[0107] 図 9は、第 2の実施の形態における極性推定手段 102の構成例を示すブロック図である。図 9に示すように、本実施の形態では、極性推定手段 102が、図 5に示した極性推定手段 101の構成要素に加えて、重み付け手段 1021を含む点で、第 1の実施の形態と異なる。

[0108] 重み付け手段 1021は、評価対象の評判情報を入力し、評判情報記憶部 203を参照して、関連する評判情報、時間 (評判情報の取得日）及び極性度を評判情報記憶部 203から取得 (抽出）する機能を備える。例えば、重み付け手段 1021は、評価対象の評判情報に含まれる要素 (対象物、属性表現、評価表現)と合致する評判情報を評判情報記憶部 203から全て抽出するとともに、それら抽出した評判情報に対応する時間（取得日 )及び極性度を抽出する。

[0109] また、重み付け手段 1021は、抽出した評判情報のうち最近の評判情報に大きな重みをつけて極性度（重み付き極性度とも!/、う）を計算し、評判情報と重み付き極性度とを個別極性度計算手段 1012に渡す機能を備える。例えば、重み付け手段 1021 は、抽出した時間（取得日）に基づいて、抽出した評判情報のうち取得日が現在日付よりも所定日数以内である評判情報を選択する。そして、重み付け手段 1021は、選択した評判情報に対応する極性度に重み付けを行!/、 (例えば、所定の重み係数を乗算する）、重み付けした極性度を用いて重み付き極性度を求める。

[0110] 次に、動作について説明する。図 10は、第 2の実施の形態における評価極性推定システムが評価極性を推定する処理例を示すフローチャートである。図 10に示すように、本実施の形態では、図 6に示す各処理に加えて、重み付け処理 (ステップ S 17) が付加されている点で、第 1の実施の形態と異なる。

[0111] 以下、第 1の実施の形態と同様の処理をなす部分についてはその詳細な説明を省略し、主として第 1の実施の形態と異なる部分について説明する。

[0112] まず、評価極性推定システムのデータ処理装置 100は、ユーザの操作に従って、入力手段 300から評価対象の評判情報を入力する（ステップ S10)。データ処理装置

100は、入力した評価対象の評判情報を、極性推定手段 102の極性度参照手段 10

11に渡す。

[0113] 次に、極性度参照手段 1011は、評価表現記憶部 201を参照し、入力評判情報に含まれる評価表現の極性度を評価表現記憶部 201から取得 (抽出）する (ステップ S 11)。極性推定手段 102は、極性度参照手段 1011が抽出した極性度をメモリ等の記憶部に保持するとともに、入力手段 300から入力した評価対象の評判情報を重み付け手段 1021に渡す。

[0114] 次に、重み付け手段 1021は、ステップ S10で入力した入力評判情報を受け取り（入力し)、評判情報記憶部 203を参照して、関連する評判情報、時間 (評判情報の取得日）及び極性度を評判情報記憶部 203から全て取得 (抽出）する（ステップ S 12)。例えば、重み付け手段 1021は、入力評判情報〔〇Xパソコン、騒音、大きい〕を受け取ると（入力すると）、評判情報記憶部 203を参照して、対象物「〇Xパソコン」、属性表現「騒音」、又は評価表現「大きい」を含む評判情報が 8レコードある場合には、対象物、属性表現、評価表現、時間及び極性度を 8レコード分全て評判情報記憶部 20 3から取得 (抽出）する。

[0115] 次に、重み付け手段 1021は、抽出した評判情報のうち最近の評判情報に大きな重みを付けて極性度を計算する (ステップ S 17)。重み付け手段 1021は、例えば、一定期間（最近 3ヶ月等）に取得された評判情報に対する極性度には重み 1をかけ、その他の極性度には重み 0をかける。例えば、対象物がパソコンである場合、四半期毎に機種が入れ替わるため、最新 3ヶ月以内に評価された評判情報のみを採用して極性度を求める。なお、これは一例であり、例えば、 1ヶ月毎に重みを変えてもよいし、現在の時間と評判情報取得時の時間との差を計算し、求めた時間の差の逆数を重み係数として極性度にかけてもよい。 [0116] そして、重み付け手段 1021は、評価対象の評判情報と求めた重み付き極性度とを、個別極性度計算手段 1012に渡す。

[0117] 次に、個別極性度計算手段 1012は、ステップ S10で入力した入力評判情報と、ステツプ S 17で抽出した評判情報及び計算した重み付き極性度とに基づ!/、て、対象物、属性表現若しくは評価表現、又は対象物、属性表現若しくは評価表現のうちのいずれ力、 2つ又は全ての組合せに対する極性度を計算する (ステップ S 13)。

[0118] 次に、総合極性度計算手段 1013は、ステップ SI 1で取得 (抽出）した極性度（評価表現極性度）とステップ S 13で計算した個別極性度とを入力し、これら評価表現極性度と個別極性度とを総合した極性度 (総合極性度）を計算する (ステップ S 14)。

[0119] 次に、極性度登録手段 1014は、ステップ S10で入力した入力評判情報と、ステツプ S14で計算した極性度（総合極性度）と、現在の時間とを、評判情報記憶部 203に追加登録する（ステップ S 15)。この場合、極性度登録手段 1014は、評判情報と、極性度と、現在の時間とを対応付けて評判情報記憶部 203に記憶させる。

[0120] 次に、極性推定手段 101は、出力手段 400に、極性度を出力させる（ステップ S16 )。

[0121] なお、上記に示した重み付けを行うための構成は一例であり、例えば、重み付け手段と実質的に同様の機能を、個別極性度計算手段 1012がその機能として有する構成としてもよい。すなわち、重み付けを行うための構成は、上記に示したものに限定されなレ、。

[0122] 以上のように、本実施の形態によれば、重み付け手段 1021が最近の評判情報の極性度により大きな重みをつけて極性度を計算する。そのため、第 1の実施の形態で示した効果に加えて、評判情報の時間的な変化を考慮して評判情報の極性推定を fiうこと力 Sでさる。

[0123] 実施の形態 3.

次に、本発明の第 3の実施の形態について図面を参照して説明する。図 11は、第 3の実施の形態における極性推定システム（評価極性推定システム）の構成例を示すブロック図である。図 11に示すように、本実施の形態では、評判情報記憶部 204が記憶する情報内容が、第 1の実施の形態で示した評判情報記憶部 202が記憶する情報内容と異なる。また、本実施の形態では、極性推定手段 103の機能が、第 1の実施の形態で示した極性推定手段 101の機能と異なる。また、本実施の形態では、記憶装置 200が、図 1で示した構成要素に加えて、評価者種別記憶部 205を含む点で、第 1の実施の形態と異なる。なお、極性推定手段 103、評判情報記憶部 204及び評価者種別記憶部 205以外の構成要素の機能は、第 1の実施の形態で示したそれらの機能と同様である。

[0124] 以下、第 1の実施の形態と同様の構成をなす部分についてはその詳細な説明を省略し、主として第 1の実施の形態と異なる部分について説明する。

[0125] 評判情報記憶部 204は、評判情報と、その評判情報を評価した評価者を識別するための評価者 IDと、その評判情報に対する極性度（評価極性）とを記憶する。図 12 は、評判情報記憶部 204が記憶する評判情報、評価者 ID及び評価極性の一例を示す説明図である。評判情報記憶部 204は、評判情報に対する評価を記入した評価者の評価者 ID、対象物、属性表現、評価表現及び極性度を 1レコードに含むデータベースである。すなわち、本実施の形態では、評判情報記憶部 204は、評判情報（対象物、属性表現及び評価表現を含む）と、その評判情報を評価した評価者の評価者 IDと、その評判情報に対する評価極性とを対応付けて記憶する。

[0126] なお、評価者 IDは、その評判情報が評判情報記憶部 204に登録される際に、データ処理装置 100によって評判情報に対応付けて評判情報記憶部 204に記憶される。

[0127] 本実施の形態では、極性度は「1」から「一 1」までの値であり、極性度が「1」に近いほど肯定的な評価表現であることを示す。また、極性度が「一 1」に近いほど否定的な評価表現であることを示す。なお、図 12において、評判情報記憶部 204が記憶する評価者 IDは、後述する評価者種別記憶部 205が記憶して!/、る評価者 IDに対応している。

[0128] なお、図 12に示す評判情報や評価極性は一例であり、評判情報として、対象物と評価表現との 2つ組みのものや、属性表現と評価表現との 2つ組みのものを用いてもよい。また、数値を離散的に扱い、評価極性を「〇」や「X」等の記号で示してもよいし、評価極性を肯定度合いの列と否定度合いの列とに分けて示してもよい。極性度も前述のように、他の示し方でもよい。 [0129] 評価者種別記憶部 205は、評価者の種別を表す情報である評価者種別情報を記憶する。図 13は、評価者種別記憶部 205が記憶する評価者種別情報の一例を示す説明図である。評価者種別記憶部 205は、評価者 IDと、その評価者 IDの評価者の性別、年齢、職業及び趣味を 1レコードに含むデータベースである。すなわち、本実施の形態では、評価者種別記憶部 205は、評価者の評価者 IDに対応付けて、評価者の種別として、性別、年齢、職業及び趣味を記憶する。

[0130] なお、図 13の図中において、空白部分は、その種別が不明であることを表す。また、図 13に示す例では、趣味が「，」で区切られており、評価者種別記憶部 205が評価者に対して複数の趣味を記憶できることを示している。

[0131] また、図 13に示す評価者種別情報は一例であり、評価者種別記憶部 205は、評価者種別情報として購入商品履歴等その他の情報を記憶してもよい。

[0132] 本実施の形態では、極性推定手段 103は、評価対象の評判情報と、その評判情報を評価した評価者の評価者種別とを入力し、第 1の実施の形態で示した機能に加えて、評価者種別毎の極性度も計算し、評価者種別毎の偏りを考慮した極性度を出力する機能を備える。

[0133] 図 14は、第 3の実施の形態における極性推定手段 103の構成例を示すブロック図である。図 14に示すように、本実施の形態では、極性推定手段 103が、図 5に示した極性推定手段 101の構成要素に加えて、種別極性度計算手段 1031を含む点で、第 1の実施の形態と異なる。なお、図 14に示す極性推定手段 103の構成要素のうち、種別極性度計算手段 1031と個別極性度計算手段 1012との順番は逆でもよい。

[0134] 種別極性度計算手段 1031は、評価者種別と評判情報とを入力し、評価者種別記憶部 205と評判情報記憶部 204とを参照して、年齢や性別等の評価者種別と評判情報との組み合わせ毎の極性度（以下、評価者種別極性度とも!/ヽぅ）を計算する機能を備える。例えば、評価者種別が性別、年齢、職業、趣味及び購入商品履歴であれば、種別極性度計算手段 1031は、対象物と性別との組み合わせ、対象物と年齢との組み合わせ、対象物と職業との組み合わせ、対象物と趣味との組み合わせ、及び対象物と購入商品名との組み合わせ等に対する極性度 (評価者種別極性度）を計算する。そのようにすることにより、入力した評価表現に対し、似ている評価者種別の評価者がどのような評価を行っているかを計算することができる。

[0135] 例えば、評価者種別として、性別「男」、年齢「不明」、職業「不明」及び趣味「バソコン」を入力し、評判情報として〔〇Xパソコン、騒音、大きい〕を入力したとする。この場合、種別極性度計算手段 1031は、まず、どの組み合わせの極性度を計算するか決める。ここでは、性別と対象物との組み合わせ、及び趣味と対象物との組み合わせに対する極性度を計算するものとする。なお、種別極性度計算手段 1031は、どの組み合わせの極性度を計算するかを、例えば、ユーザの入力操作に従って決定してもよ V、し、予め設定された設定情報に基づレ、て決定してもよ!/、。

[0136] 次に、種別極性度計算手段 1031は、評価者種別記憶部 205と評判情報記憶部 2 04とを参照し、性別が「男」であり、かつ対象物が「〇Xパソコン」である評判情報と、その評判情報に対応する極性度とを全て取得 (抽出）する。そして、種別極性度計算手段 1031は、抽出した各極性度の平均を求める。同様に、種別極性度計算手段 10 31は、趣味が「パソコン」であり、かつ対象物が「〇Xパソコン」である評判情報と、その評判情報に対応する極性度とを全て取得 (抽出）する。そして、種別極性度計算手段 1031は、抽出した各極性度の平均を求める。

[0137] なお、上記に示した極性度の計算方法は一例であり、種別極性度計算手段 1031 は、評価者種別と本実施の形態で示した評判情報のその他の要素との組み合わせに対する極性度を求めてもよい。また、種別極性度計算手段 1031は、抽出した各極性度の平均ではなく合計を求めることによって極性度を求めてもよい。

[0138] 次に、動作について説明する。図 15は、第 3の実施の形態における評価極性推定システムが評価極性を推定する処理例を示すフローチャートである。図 15に示すように、本実施の形態では、図 6に示す各処理に加えて、種別極性度計算処理 (ステツプ S 18)が付加されている点で、第 1の実施の形態と異なる。

[0139] 以下、第 1の実施の形態と同様の処理をなす部分についてはその詳細な説明を省略し、主として第 1の実施の形態と異なる点について説明する。なお、図 15に示すフローチャートにおいて、種別極性度計算処理 (ステップ S 18)と個別極性度計算処理 (ステップ S 13)とを実行する順番は逆でもよい。

[0140] まず、評価極性推定システムのデータ処理装置 100は、ユーザの操作に従って、入力手段 300から評価対象の評判情報と評価者種別とを入力する (ステップ S 10)。データ処理装置 100は、入力した評価者 ID、性別、年齢、職業、趣味又は購入商品履歴等の評価者種別の情報を、極性推定手段 103の種別極性度計算手段 1031に渡す。なお、データ処理装置 100は、評価者種別記憶部 205に予め評価者種別の情報が蓄積されてレ、る場合は、評価者 IDのみを種別極性度計算手段 1031に渡す。また、予め評価者種別情報が蓄積されていない場合には、データ処理装置 100は、評価者種別の情報を入力して種別極性度計算手段 1031に渡す。

[0141] なお、評価者種別の情報を取得する方法として、例えば、自由記述アンケートに基づいて評判情報を抽出する場合には、そのアンケート項目に評価者種別の項目も含めるようにし、アンケートの収集結果力も評価者種別情報を抽出してもよい。また、ィンターネットのブログ記事に基づレ、て評判情報を抽出する場合には、そのブログ記事の書き方によって記事記述者の性別を判定する既存手法を用いて評価者種別情報を求めてもよい。

[0142] データ処理装置 100は、入力した評判情報と評価者種別とを、極性推定手段 103 の極性度参照手段 1011に渡す。

[0143] 次に、極性度参照手段 1011は、評価表現記憶部 201を参照し、評判情報に含まれる評価表現の極性度を評価表現記憶部 201から取得 (抽出）する（ステップ SI 1)。極性推定手段 103は、極性度参照手段 1011が抽出した極性度、評判情報及び評価者種別とをメモリ等の記憶部に保持する。

[0144] 次に、極性推定手段 103は、ステップ S10で入力した入力評判情報と入力評価者種別とを受け取り（入力し）、評判情報記憶部 204と評価者種別記憶部 205とを参照し、関連する評判情報、評価者種別及び極性度を評判情報記憶部 204及び評価者種別記憶部 205から全て取得 (抽出）する（ステップ S 12)。

[0145] 例えば、極性推定手段 103は、入力評判情報〔〇 Xパソコン、騒音、大きい〕を入力し、入力評価者種別として性別「男」及び趣味「パソコン」を受け取ると (入力すると )、評判情報記憶部 204と評価者種別記憶部 205とを参照して、対象物「〇 Xバソコン」、属性表現「騒音」、評価表現「大きい」、性別「男」、又は趣味「パソコン」を含む評判情報を全て取得 (抽出)する。本例では、取得データは、対象物、属性表現、評価表現、性別、趣味及び極性度を含むレコードである。そして、極性推定手段 103は、取得したレコードを種別極性度計算手段 1031に渡す。

[0146] 次に、種別極性度計算手段 1031は、年齢や性別等の評価者種別と評判情報との組み合わせ毎に対する極性度 (評価者種別極性度）を計算する (ステップ S 18)。種別極性度計算手段 1031は、ステップ S 10の入力評判情報及び入力評価者種別と、ステップ S 12で取得したレコードとを受け取り（入力し）、年齢と対象物との組み合わせに対する極性度、趣味と対象物との組み合わせに対する極性度等を計算する。

[0147] 例えば、評価者種別として、性別「男」、年齢「不明」、職業「不明」及び趣味「バソコン」を入力し、評判情報として〔〇Xパソコン、騒音、大きい〕を受け取った (入力した）ものとする。この場合、種別極性度計算手段 1031は、まず、どの組み合わせの極性度を計算するか決める。ここでは、性別と対象物との組み合わせ、及び趣味と対象物との組み合わせに対する極性度を計算するものとする。

[0148] 次に、種別極性度計算手段 1031は、ステップ S12で取得したレコードのうち、性別力 S「男」であり、かつ対象物が「〇Xパソコン」である評判情報と、その評判情報に対応する極性度とを全て取得 (抽出）する。そして、種別極性度計算手段 1031は、抽出した各極性度の平均を求める。同様に、種別極性度計算手段 1031は、趣味が「パソコン」であり、かつ対象物が「〇Xパソコン」である評判情報と、その評判情報に対応する極性度とを全て取得 (抽出）する。そして、種別極性度計算手段 1031は、抽出した各極性度の平均を求める。

[0149] なお、上記に示した極性度の計算方法は一例であり、種別極性度計算手段 1031 は、評価者種別と本実施の形態で示した評判情報のその他の要素との組み合わせに対する極性度を計算してもよい。また、種別極性度計算手段 1031は、抽出した各極性度の平均ではなく合計を求めることによって極性度を求めてもよい。

[0150] 次に、個別極性度計算手段 1012は、ステップ S10で入力した入力評判情報と、ステツプ S 12で取得したレコードとを受け取り（入力し）、対象物、属性表現若しくは評価表現、又は対象物、属性表現若しくは評価表現のうちのいずれ力、 2つ又は全ての組み合わせに対する極性度を計算する (ステップ S 13)。

[0151] 次に、総合極性度計算手段 1013は、ステップ SI 1で取得 (抽出）した極性度（評価表現極性度）、ステップ SI 8で計算した評価者種別と評判情報との組み合わせに対する極性度 (評価者種別極性度）、及びステップ S 13で計算した個別極性度を入力し、これら評価表現極性度、評価者種別極性度、及び個別極性度を総合した極性度 (総合極性度）を計算する（ステップ S14)。例えば、総合極性度計算手段 1013は、ステップ S 11で取得した極性度に、ステップ S18で計算した極性度の平均と、ステツプ S 13で計算した個別極性度の平均とを加えることで、統合した極性度（総合極性度 )を計算する。

[0152] なお、上記に示した極性度の計算方法は一例であり、総合極性度計算手段 1013 は、各極性度の合計や平均を求めることによって総合極性度を求めてもよい。

[0153] 次に、極性度登録手段 1014は、ステップ SI 1で入力した入力評判情報と入力評価者種別、及びステップ S14で計算した極性度を、評判情報記憶部 204と評価者種別記憶部 205に追加登録する（ステップ S15)。この場合、極性度登録手段 1014は、評判情報と、極性度と、評価者 IDとを対応付けて評判情報記憶部 205に記憶させ

[0154] 次に、極性推定手段 103は、出力手段 400に、極性度を出力させる（ステップ S16

)。

[0155] 以上のように、本実施の形態によれば、種別極性度計算手段 1031が評価者の種別毎の評価傾向を計算して評価極性を計算する。そのため、第 1の実施の形態で示した効果に加えて、評判情報の評価者種別による偏りを考慮した評判情報の極性推定を fiうこと力できる。

[0156] 次に、第 1の実施の形態から第 3の実施の形態までに示した各情報抽出システム（評価極性推定システム）の具体的な構成例について説明する。図 16は、上記の各実施の形態で示した各評価極性推定システムの具体的な構成例を示すブロック図である。図 16に示すように、評価極性推定システムは、データ処理装置 100A、記憶装置 200A、入力装置 300A、出力装置 400A及びプログラム記憶装置 600を含む。なお、図 16に示す例において、データ処理装置 100は、プログラムに従って動作するコンピュータによって実現される。

[0157] データ処理装置 100Aには、キーボードやマウス等の入力装置 300Aと、ディスプレイ装置やプリンタ等の出力装置 400Aが接続される。また、データ処理装置 100には、記憶装置 200Aが接続される。記憶装置 200Aは、評価表現記憶部 201や評判情報記憶部 202等を含む装置であり、データ処理装置 100Aとバス等を介して接続されて!/、てもよ!/、し、通信ネットワークを介して接続されて!/、てもよ!/、。

[0158] また、第 3の実施の形態で示した評価極性推定システムを実現する場合、記憶装置 200Aは、評価者種別記憶部 205も含む。

[0159] また、データ処理装置 100は、評価極性推定プログラム 500を記憶するプログラム記憶装置 (例えば、ハードディスク装置や CD— ROM) 600を備える。例えば、評価極性推定プログラム 500として、プログラム記憶装置 600は、コンピュータに、評価極性が既知である評判情報を予め記憶する評判情報記憶処理と、予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定処理とを実行させるための極性推定用プログラムを記憶している。

[0160] データ処理装置 100Aは、プログラム記憶装置 600から評価極性推定プログラム 5 00を読込み、読み込んだ評価極性推定プログラム 500に従って動作する。そのように動作することによって、データ処理装置 100Aは、極性推定手段 101や極性推定手段 102、極性推定手段 103として動作する。

[0161] また、コンピュータであるデータ処理装置 100Aは、内部に記憶装置を備え、その記憶装置に情報 (例えば、入力の評判情報)を記憶してもよ!/、。

[0162] また、上記の各実施の形態において、各手段（評価極性推定手段 101、極性度参照手段 1011、個別極性度計算手段 1012、総合極性度計算手段 1013、極性度登録手段 1014、重み付け手段 1021、種別極性度計算手段 1031)をそれぞれ別個のハードウェア装置として、データ処理装置 100が備えて!/、てもよ!/、。

[0163] また、上記の各実施の形態では、入力手段 100の例としてキーボードやマウスを示したが、通信ネットワークを介して他の装置から評価極性推定システムに評判情報が入力されるようにしてもよい。この場合、通信ネットワークを介して通信を行うための通信インタフェース部を入力手段 100として用いればよい。また、出力する極性度の出力態様も、通信ネットワークを介して他の装置に極性度を出力する態様であってもよい。この場合も、通信ネットワークを介して通信を行うための通信インタフェース部を出力手段 400として用いればよ!/、。

[0164] なお、入力手段 300は、入力装置 300Aによって実現される。また、出力手段 400 は、出力装置 400Aによって実現される。

[0165] 実施の形態 4.

次に、本発明の第 4の実施の形態について図面を参照して説明する。本実施の形態では、第 1の実施の形態から第 3の実施の形態までに示したいずれかの評価極性推定システムを、評判情報を配信する情報サービスシステム (評判情報配信システム )に適用したビジネスモデルについて説明する。

[0166] 図 17は、本発明による情報サービスシステムの構成例を示すブロック図である。本実施の形態の情報サービスシステムは、評価極性推定システム 1000と、評判情報抽出システム 2000と、評判情報サービスシステム 3000と、評価極性推敲者端末 40 0と、サービス利用者端末 5000とを含む。なお、評価極性推定システム 1000、評判情報抽出システム 2000、評判情報サービスシステム 3000、評価極性推敲者端末 4 000及びサービス利用者端末 5000は、例えば、インターネット等の通信ネットワークを介して接続される。

[0167] 評価極性推定システム 1000は、例えば、評判情報の配信サービスを提供するサ一ビス事業者 (以下、評判情報サービス運営者ともいう）によって運営される。評価極性推定システム 1000は、具体的には、プログラムに従って動作するワークステーションゃパーソナルコンピュータ等の情報処理装置によって実現される。評価極性推定システム 1000は、第 1の実施の形態から第 3の実施の形態までのうちのいずれかの評価極性推定システムである。

[0168] 図 18は、第 4の実施の形態における極性推定システムの構成例を示すブロック図である。本実施の形態では、一例として、第 1の実施の形態で示した評価極性推定システムを情報サービスシステムに適用する場合を説明する。ただし、図 18に示すように、本実施の形態では、評価極性推定システムが、第 1の実施の形態で示した構成要素に加えて、評判情報読み込み手段 111及び評判情報書き込み手段 112を含む点で、第 1の実施の形態で示した構成と多少異なる。 [0169] なお、図 18では、一例として、第 1の実施の形態で示した評価極性推定システムを情報サービスシステムに適用する場合の構成を示している力 S、第 2の実施の形態又は第 3の実施の形態で示した評価極性推定システムを用いる場合も同様である。

[0170] 評判情報読み込み手段 111及び評判情報書き込み手段 112は、具体的には、プログラムに従って動作する評価極性推定システム 1000を実現する情報処理装置の CPU及びネットワークインタフェース部によって実現される。評判情報読み込み手段 11 1は、通信ネットワークを介して対象物や属性表現、評価表現 (評判情報)を入力（受信）し、評価極性推定システム 1000内の評判情報蓄積部 (評判情報記憶部 202) 力情報を読み出す機能を備える。評判情報書き込み手段 112は、通信ネットワークを介して対象物や属性表現、評価表現、極性度を入力（受信）し、入力したこれらの情報を評価極性推定システム 1000内の評判情報蓄積部 (評判情報記憶部 202)に書き込む機能を備える。

[0171] 評判情報抽出システム 2000は、例えば、評判情報サービス運営者によって運営され、具体的には、プログラムに従って動作するワークステーションやパーソナルコンビユータ等の情報処理装置によって実現される。評判情報抽出システム 2000は、通信ネットワークを介して自然文テキストを入力（受信）し、評判情報を抽出し出力する機能を備える。なお、評判情報抽出システム 2000は、前述した既存システムを用いて実現される。

[0172] 例えば、評判情報抽出システム 2000は、評判情報を蓄積するデータベースを備え、入力した自然文テキストに基づいてデータベースから評判情報を抽出する。そして、評判情報抽出システム 2000は、抽出した評判情報を、通信ネットワークを介して評判情報サービスシステム 3000に出力（送信）する。

[0173] 評判情報サービスシステム 3000は、例えば、評判情報サービス運営者によって運営され、具体的には、プログラムに従って動作するワークステーションやパーソナルコンピュータ等の情報処理装置によって実現される。

[0174] 評判情報サービスシステム 3000は、サービス利用者のサービス利用者端末 5000 から、通信ネットワークを介して自然文テキストを入力（受信)する機能を備える。また、評判情報サービスシステム 3000は、その入力した自然文テキストを用いて評判情報抽出システム 2000に評判情報を出力させる機能を備える。例えば、評判情報サ一ビスシステム 3000は、通信ネットワークを介して自然文テキストを評判情報抽出システム 2000に出力（送信）する。そして、評判情報サービスシステム 3000は、評判情報抽出システム 2000が抽出した評判情報を、通信ネットワークを介して評判情報抽出システム 2000から入力（受信）する。

[0175] また、評判情報サービスシステム 3000は、評判情報を評価極性推定システム 100 0に出力（送信）し、評価極性推定システム 1000に極性度（評価極性）を出力させる機能を備える。そのように動作することによって、評価極性推定システム 1000内の評判情報記憶部 (評判情報記憶部 202)に評判情報と評価極性とが記憶される。また、評判情報サービスシステム 3000は、評判情報と、評価極性推定システム 1000が推定した極性度とを、通信ネットワークを介してサービス利用者端末 5000に送信して、サービス利用者に提示する機能を備える。

[0176] また、評判情報サービスシステム 3000は、評価極性推敲者の評価極性推敲者端末 4000からの要求に応じて、評価極性推定システム 1000内の評判情報と極性度とを、通信ネットワークを介して評価極性推敲者端末 4000に出力（送信）して提示し、評判情報とその評価極性との訂正を評価極性遂行者に促す機能を備える。また、評判情報サービスシステム 3000は、評判情報サービス運営者がサービス利用者から受け取るべき金額 (サービス利用料)や、評価極性推敲者に支払うべき金額 (推敲料 )を記録する機能を備える。

[0177] 以下の説明では、評判情報サービスシステム 3000が、サービス利用者の端末（サ一ビス利用者端末 5000)及び評価極性推敲者の端末 (評価極性推敲者端末 4000 )と情報を送受信するものとして説明する。

[0178] サービス利用者端末 5000は、サービス利用者によって操作される端末であり、具体的には、パーソナルコンピュータ等の情報処理端末によって実現される。なお、図 17では、 1つのサービス利用者端末 5000を示している力情報サービスシステムは、複数のサービス利用者端末 5000を含んでもよい。また、サービス利用者端末 500 0は、例えば、携帯電話機や PDA等の携帯端末であってもよい。

[0179] 評価極性推敲者端末 4000は、評価極性推敲者によって操作される端末であり、具体的には、パーソナルコンピュータ等の情報処理端末によって実現される。なお、図 17では、 1つの評価極性推敲者端末 4000を示している力情報サービスシステムは、複数の評価極性推敲者端末 4000を含んでもよい。また、評価極性推敲者端末 40 00は、例えば、携帯電話機や PDA等の携帯端末であってもよい。

[0180] 次に、評判情報サービスシステム 3000の構成について説明する。図 17に示すように、評判情報サービスシステム 3000は、制御部 3001と、金銭情報記憶手段 3002とを備える。制御部 3001は、評判情報サービスシステム 3000が備える記憶装置（図示せず）が記憶するプログラムに従って動作する。制御部 3001は、サービス利用者端末 5000や、評価極性推敲者端末 4000、評価極性推定システム 1000、評判情報抽出システム 2000との間で、通信ネットワークを介して情報を送受信する機能を備え

[0181] なお、評判情報サービスシステム 3000は、サービス利用者端末 5000や、評価極性推敲者端末 4000、評判情報抽出システム 2000、評価極性推定システム 1000との通信を行う際に情報を送受信するための通信インタフェース部を備える力図 17 では、通信インタフェース部の図示を省略している。従って、具体的には、制御部 30 01は、通信インタフェース部（図示せず)を介して他の装置と情報を送受信する。

[0182] 金銭情報記憶手段 3002は、具体的には、磁気ディスク装置や光ディスク装置等のデータベース装置によって実現される。金銭情報記憶手段 3002は、評判情報サービス運営者が評価極性推敲者に支払うべき金額 (推敲料)や、サービス利用者から受け取るべき金額 (サービス利用料)を記憶する。本実施の形態では、制御部 3001 は、これら推敲料やサービス利用料の金額を算出し、金銭情報記憶手段 3002に記憶させる機能を備える。

[0183] なお、評判情報サービス運営者は、評判情報の配信サービスを提供するサービス事業者であり、評判情報サービスシステム 3000、評価極性推定システム 1000、及び評判情報抽出システム 2000の管理者である。

[0184] また、本実施の形態にお!/、て、評価極性推定システム 1000、評判情報抽出システム 2000及び評判情報サービスシステム 3000のうちのいずれ力、 2つ又は全てを 1つの情報処理装置を用いて実現してもよ!/、。 [0185] 次に、動作について説明する。まず、サービス利用者端末 5000に対して評判情報を配信する動作を説明する。図 19は、サービス利用者端末 5000に対して評判情報を配信する処理の一例を示すフローチャートである。

[0186] サービス利用者端末 5000は、サービス利用者の操作に従って、評判情報を抽出したい自然文テキストを入力し、通信ネットワークを介して評判情報サービスシステム 3000に送信する（ステップ S100)。すると、評判情報サービスシステム 3000の制御部 3001は、サービス利用者端末 5000から、通信ネットワークを介して自然文テキストの情報を受信する。

[0187] 次いで、制御部 3001は、評判情報抽出システム 2000を用いて、自然文テキストから評判情報を得る。具体的には、制御部 3001は、サービス利用者端末 5000から受信した自然文テキストを、通信ネットワークを介して評判情報抽出システム 2000に転送（送信）する（ステップ S101)。すると、評判情報抽出システム 2000は、受信した自然文テキストに基づいてデータベースから評判情報を抽出し、通信ネットワークを介して評判情報サービスシステム 3000に送信する（ステップ S 102)。

[0188] 次いで、制御部 3001は、評価極性推定システム 1000を用いて、評価表現を入力し、その評価極性を得る。具体的には、制御部 3001は、評価極性推定システム 100 0から受信した評判情報を、通信ネットワークを介して評価極性推定システム 1000に転送（送信）する（ステップ S 103)。評価極性推定システム 1000は、第 1の実施の形態で示した評価極性の推定処理と同様の処理に従って、評判情報を入力（受信）し、評価極性を推定して (ステップ S 104)、その推定結果を評判情報サービスシステム 3 000に返す。そのように動作することによって、評価極性推定システム 1000は、推定した評価極性を、通信ネットワークを介して評判情報サービスシステム 3000に送信する（ステップ S 105)とともに、評価極性推定システム 1000内の評判情報蓄積部（評判情報記憶部 202)に評判情報とその評価極性が蓄積される。

[0189] なお、本実施の形態では、評価極性推定システム 1000が第 1の実施の形態で示した評価極性の推定処理と同様の処理を実行する場合を示すが、評価極性推定システム 1000は、第 2の実施の形態又は第 3の実施の形態で示した評価極性の推定処理と同様の処理を実行してもよ!/ヽ。 [0190] 制御部 3001は、評判情報抽出システム 2000が抽出した評判情報と、評価極性推定システム 1000が推定したその評判情報に対する評価極性とを、通信ネットワークを介してサービス利用者端末 5000に送信する（ステップ S106)。すると、サービス利用者端末 5000は、評判情報とその評価極性とをサービス利用者に提示する。例えば、サービス利用者端末 5000は、受信した評判情報及び評価極性を、ディスプレイ装置等の表示装置に表示する。

[0191] 同時に、制御部 3001は、評判情報の配信サービスを利用したことに対するサービス利用者への課金処理を実行する（ステップ S 107)。具体的には、制御部 3001は、サービス利用者力受け取る金額 (サービス利用料)を算出し、金銭情報記憶手段 3 002に記憶させる。この場合、制御部 3001は、金額の情報と、サービス利用者の識別情報とを対応付けて金銭情報記憶手段 3002に記憶させる。

[0192] 次に、評判情報及び評価極性を推敲する動作を説明する。図 20は、評判情報及び評価極性を推敲する処理の一例を示すフローチャートである。

[0193] 評価極性推敲者端末 4000は、評価極性推敲者の操作に従って、閲覧や推敲を行いたい評判情報を検索するため、対象物や属性表現、評価表現を入力し、通信ネットワークを介して評判情報サービスシステム 3000に送信する（ステップ S200)。すると、評判情報サービスシステム 3000の制御部 3001は、評価極性推敲者端末 4000 から、通信ネットワークを介して対象物や属性表現、評価表現を受信する。

[0194] 制御部 3001は、対象物や属性表現、評価表現を受信すると、評価極性推定システム 1000の評判情報読み込み手段 111を用いて、評判情報蓄積部 (評判情報記憶部 202)の評判情報とその評価極性を読み出させる。具体的には、制御部 3001は、受信した対象物や属性表現、評価表現とともに、評判情報及び評価極性の抽出要求を、通信ネットワークを介して評価極性推定システム 1000に送信する（ステップ S2 01)。すると、評価極性推定システム 1000の評判情報読み込み手段 111は、受信した対象物や属性表現、評価表現に合致する評判情報、及びその評判情報に対応する評価極性を、評判情報記憶部 202から抽出する。そして、評判情報読み込み手段 111は、抽出した評判情報及び評価極性を、通信ネットワークを介して評判情報サ一ビスシステム 3000に送信する（ステップ S202)。 [0195] 次いで、制御部 3001は、評価極性推定システム 1000が抽出した評判情報とその評価極性とを、通信ネットワークを介して推敲者端末 4000に送信 (転送)する (ステツプ S203)。

[0196] 推敲者端末 4000は、通信ネットワークを介して評判情報とその評価極性とを受信し、評価極性推敲者に提示して、閲覧と推敲を促す。例えば、評価極性推敲者端末 4000は、受信した評判情報及び評価極性を、ディスプレイ装置等の表示装置に表示する。

[0197] 評価極性推敲者は、評判情報及び評価極性を閲覧し、評価極性推敲者端末 400 0を操作して、間違っている評判情報や評価極性を訂正する。この場合、評価極性推敲者端末 4000は、評価極性推敲者の操作に従って、評判情報及び評価極性を訂正し、訂正内容を通信ネットワークを介して評判情報サービスシステム 3000に送信する（ステップ S204)。

[0198] 次いで、評判情報サービスシステム 3000の制御部 3001は、受信した訂正後の評判情報及び評価極性を、通信ネットワークを介して評価極性推定システム 1000に転送（送信）する（ステップ S205)。すると、評価極性推定システム 1000の評判情報書き込み手段 112は、受信した訂正後の評判情報及び評価極性を評判情報記憶部 2 02に記憶させ、評判情報記憶部 202の記憶内容を更新させる (ステップ S206)。

[0199] また、制御部 3001は、評判情報及び評価極性の推敲に対する評価極性推敲者への推敲料の支払いの決済処理を実行する（ステップ S207)。具体的には、制御部 30 01は、推敲者に対して評判情報サービス運営者が支払うべき金額 (評判推敲の対価 (推敲料)）の情報を算出し、金銭情報記憶手段 3002に記憶させる。この場合、制御部 3001は、金額の情報と、評価極性推敲者の識別情報とを対応付けて金銭情報記憶手段 3001に記憶させる。

[0200] ここで、サービス利用者と評価極性推敲者とが同じであってもよい。その場合、評価極性推敲者 (サービス利用者）に対して対価を支払う必要をなくしたり、サービス利用者が支払うべきサービス利用料を軽減したりしてもよい。

[0201] 以上のように、本実施の形態によれば、評判情報サービスシステム 3000は、サービス利用者端末 5000からの要求に応じて、評判情報抽出システム 2000が抽出する評判情報とともに、評価極性推定システム 1000が推定する評価極性を配信する。この場合、評価極性推定システムが蓄積する極性度の正解が 1つ増えることで（正しい既知の極性度を 1つ蓄積する毎に）、関連するその他の評判情報の評価極性の推定精度を向上させることができる。従って、時間が経過するに従って、コストを抑えながら、評判情報に対する評価極性の推定精度を向上させることができる。

[0202] また、本実施の形態によれば、評判情報の評価極性を計算する際に、評判情報蓄積部に蓄積された情報に基づいて評価極性を計算する。そのため、評価指標推敲者が推敲した評判情報だけでなぐその評判情報に関連する評判情報の評価極性の推定精度も向上させることができる。

[0203] また、従来、評判情報の評価極性の推定精度を向上させるためには、評判情報を 1 つずつ手作業で見直していかなければならな力、つたため、システムの運営開始から短期間で評価極性の推定精度を向上させることはできな力、つた。しかし、本実施の形態によれば、従来よりも、システムの運営開始から短期間で評価極性の推定精度を向上させること力 Sでさる。

[0204] 実施の形態 5.

次に、本発明の第 5の実施の形態について図面を参照して説明する。第 1の実施の形態〜第 4の実施の形態では、極性推定システムが評価極性推定システムである場合を説明したが、極性推定システムを評判情報の評価極性以外の極性を推定する用途に適用してもよい。例えば、極性推定システムを電子メールの内容や電子掲示板の情報等の各種文書から抽出したキーワードの集合 (キーワード集合ともいう）の極性を推定する用途に適用してもよい。また、極性は、推定対象の情報が肯定的であるか否定的であるかに限らず、推定対象のキーワード集合が何らかの 2つの概念で分類できる場合に!/、ずれの概念に属する力、を示す情報であってもよ!/、。

[0205] 図 21は、第 5の実施の形態における極性推定システムの構成例を示すブロック図である。図 21に示すように、本実施の形態では、記憶装置 200が、評価表現記憶部 201及び評判情報記憶部 202に代えて、表現記憶部 206及び情報記憶部 207を含む点で、第 1の実施の形態と異なる。なお、表現記憶部 206及び情報記憶部 207以外の構成要素の基本的な機能は、第 1の実施の形態で示したそれらの機能と同様である。

[0206] 以下、第 1の実施の形態と同様の構成をなす部分についてはその詳細な説明を省略し、主として第 1の実施の形態と異なる部分について説明する。

[0207] 表現記憶部 206は、極性が既知である各種表現を予め記憶する。図 22は、表現記憶部 206が記憶する各種表現及び極性の一例を示す説明図である。図 22に示すように、表現記憶部 206は、表現と各種極性度（極性）とを対応付けて記憶するデータベースである。また、本実施の形態では、図 22に示すように、表現記憶部 206は、 1 つの表現に対して複数の極性度を対応付けて記憶する。

[0208] 本実施の形態では、極性の 1つとして、その表現が本格的な概念を示すものであるか否かを示す情報 (本格度極性ともいう）を用いる。図 22に示す例では、本格度極性の極性度が「1」に近いほど本格的な概念の表現であることを示す。また、本格度極性の極性度が「一 1」に近!/、ほど本格的な概念からほど遠!/、表現であることを示す。

[0209] また、本実施の形態では、極性の 1つとして、その表現が心温まる雰囲気を示すものであるか否かを示す情報（心温まり度極性ともいう）を用いる。図 22に示す例では、心温まり度極性の極性度が「1」に近いほど心温まる雰囲気を示す表現であることを示す。また、心温まり度極性の極性度が「一 1」に近いほど心が冷たくなるような雰囲気を示す表現であることを示す。

[0210] また、本実施の形態では、極性の 1つとして、その表現が気分をスカツとさせる雰囲気を示すものであるか否かを示す情報（爽快度極性とも!、う）を用いる。図 22に示す例では、爽快度極性の極性度が「1」に近いほど気分をスカツとさせる雰囲気を示す表現であることを示す。また、爽快度極性の極性度が「一 1」に近いほど気分が晴れなレ、雰囲気を示す表現であることを示す。

[0211] 例えば、図 22に示す例では、表現「大自然」については、本格的な概念であり心温まる雰囲気を示す表現であるため、本格度極性及び心温まり度極性の極性度の値が大きい。また、表現「大自然」については、気分をスカツとさせる雰囲気を示す表現ではな!/、ため、爽快度極性の極性度の値が小さ!/、。

[0212] 情報記憶部 207は、キーワード集合と、極性推定手段 101が出力する極性度とを記憶する。図 23は、情報記憶部 207が記憶するキーワード集合及び極性の一例を示す説明図である。情報記憶部 207は、各種文書に含まれうるキーワード集合と、そのキーワード集合の各種極性度とを対応付けて記憶するデータベースである。また、本実施の形態では、図 23に示すように、情報記憶部 207は、 1つのキーワード集合に対して複数の極性度を対応付けて 1レコードとして記憶する。なお、情報記憶部 20 7が記憶するキーワード集合及び極性度は、極性推定手段 101が出力する極性度に基づいて随時更新される。

[0213] 次に、動作について説明する。本実施の形態において、極性推定システムは、第 1 の実施の形態で示した評価極性推定システムが評判情報の評価極性を推定する処理と同様の処理に従って、キーワード集合の各種極性を推定する。まず、極性推定システムの極性推定手段 101は、第 1の実施の形態で示したステップ S 10と同様の処理に従って、入力手段 300から推定対象のキーワード集合を入力する。また、極性推定手段 101は、第 1の実施の形態で示したステップ S 11〜S14と同様の処理に従って、推定対象のキーワード集合に対する各種極性度を計算する。そして、極性推定手段 101は、第 1の実施の形態で示したステップ S 16と同様の処理に従って、出力手段 400に、計算した各種極性度を出力させる。

[0214] 例えば、極性推定手段 101は、ステップ S11と同様の処理に従って、キーワード集合中のキーワードに表現記憶部 206が記憶する表現と合致するものがある場合には、その表現に対応する各極性度を表現記憶部 206から抽出する。また、表現記憶部 206に合致する表現が記憶されていない場合には、極性推定手段 101は、例えば、ステップ S 13と同様の処理に従って、情報記憶部 207が記憶する各レコードのうち、キーワード集合中のキーワードに合致するレコードの極性度の平均値を求めることによって、個別極性度を求める。例えば、図 23に示す例において、本格度極性の極性度を計算する場合には、極性推定手段 101は、情報記憶部 207が記憶する各レコードのうち、キーワード「ゴルフ」や「大地」、「闘志」、「ボール」、「雲」、「嵐」、「夢」が出現するレコードを全て抽出し、それらのレコードに含まれる極性度の平均値を求める

〇

[0215] 以上のように、本実施の形態によれば、極性が既知である情報に含まれるキーヮード毎に、それぞれの極性度を計算する。また、極性が不明である情報に含まれるキーワードと照らし合わせて極性度を出力する。そのため、極性が不明である情報に対して、極性が既知である情報を利用して、各種極性を推定することができる。

[0216] なお、本実施の形態では、第 1の実施の形態で示した評価極性を推定する処理と同様の処理に従って、キーワード集合の各種極性を推定する場合を説明したが、第 2の実施の形態又は第 3の実施の形態と同様の処理に従って、キーワード集合の各種極性を推定するようにしてもよい。例えば、極性推定システムは、本実施の形態で示した処理に加えて所定の重み付け処理を行うことによって、キーワード集合の各種極性を推定してもよい。また、例えば、極性推定システムは、本実施の形態で示した処理に加えて、各キーワードの極性を判断した者の種別に基づいて、キーワード集合の各種極性を推定してもよい。また、例えば、第 4の実施の形態と同様の処理に従つて、極性推定システムを、キーワード集合とともに極性を配信するサービスモデルの用途に適用してもよい。

[0217] 以上、実施形態を参照して本発明を説明したが、本発明は、上述した実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

[0218] 例えば、本発明が適用される極性推定システムの他の態様として、対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶部 (例えば、評価表現記憶部 201によって実現される）を備え、評価表現記憶部は、評価表現が肯定的な表現を含むか否定的な表現を含むかを示す評価表現極性を、評価表現に対応付けて記憶し、極性推定手段は、評価表現記憶部が記憶する評価表現及び評価表現極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定するものであってもよい。

[0219] また例えば、本発明が適用される極性推定システムの他の態様として、評判情報記憶部は、評判情報と、評判情報の評価極性とを対応付けて記憶し、極性推定手段は、評判情報記憶部が記憶する評判情報及び評価極性に基づ!/ゝて、評価極性が未知である評判情報の評価極性を推定するものであってもよい。

[0220] また例えば、本発明が適用される極性推定システムの他の態様として、評判情報記憶部は、評判情報を取得した時を示す取得時情報 (例えば、図 8に示す評判情報を取得した時間）を、評判情報に対応付けて記憶し、極性推定手段は、評判情報記憶部が記憶する取得時情報に基づいて、評判情報記憶部が記憶する評判情報に対応する評価極性に所定の重み付け処理を行う重み付け手段（例えば、重み付け手段 1 021によって実現される）と、重み付け手段が重み付け処理を行った評価極性及び評判情報記憶部が記憶する評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定するものであってもよレ、。

[0221] また例えば、本発明が適用される極性推定システムの他の態様として、評判情報記憶部は、評判情報を評価した評価者を示す評価者情報 (例えば、評価者 ID)を、評判情報に対応付けて記憶し、極性推定手段は、評判情報記憶部が記憶する評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定するものであってもよい。

[0222] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評価極性が既知である評判情報に含まれる属性表現に対応する極性度、評判情報に含まれる対象物に対応する極性度、及び評判情報に含まれる評価表現に対応する極性度を計算し、計算した各極性度のうちのいずれか 1つ、又は各極性度のうちのいずれ力、 2つ以上の組み合わせに基づいて、入力した評判情報に対して計算した各極性度を総合した総合的な極性度を計算するものであってもよい。

[0223] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めるものであってもよい。

[0224] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求めるものであってもよ!/、。

[0225] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによって、対象物に対応する極性度を求めるものであってもよ!/、。

[0226] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求めるものであってもよレ、。

[0227] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報を取得した時間順に重み付けして極性度を計算するものであってもよい。

[0228] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算するものであってもよい。

[0229] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、評判情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算するものであってもよい。

[0230] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、情報記憶部が記憶する情報に含まれる各キーワードに対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めるものであってもよ!/、。

[0231] また、本発明が適用される極性推定システムの他の態様として、極性推定手段は、情報記憶部が記憶する情報を取得した時間順に重み付けして極性度を計算するものであってもよい。

[0232] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、情報記憶部が記憶する情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算するものであってもよ!/、。

[0233] また例えば、本発明が適用される極性推定システムの他の態様として、極性推定手段は、情報記憶部が記憶する情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算するものであってもよ!/、。

[0234] また例えば、本発明が適用される極性推定方法の他の態様として、対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶ステップを含み、評価表現記憶ステップで、評価表現が肯定的な表現を含むか否定的な表現を含むかを示す評価表現極性を、評価表現に対応付けて記憶し、極性推定ステップで、記憶する評価表現及び評価表現極性に基づいて、評価極性が未知である評判情報の評価極性を推定するものであってもよ!/、。

[0235] また例えば、本発明が適用される極性推定方法の他の態様として、評判情報記憶ステップで、評判情報と、評判情報の評価極性とを対応付けて記憶し、極性推定ステップで、記憶した評判情報及び評価極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定するものであってもよい。

[0236] また例えば、本発明が適用される極性推定方法の他の態様として、評判情報記憶ステップで、評判情報を取得した時を示す取得時情報を、評判情報に対応付けて記憶し、極性推定ステップで、記憶した取得時情報に基づいて、記憶した評判情報に対応する評価極性に所定の重み付け処理を行い、重み付け処理を行った評価極性及び記憶した評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定するものであってもよレ、。

[0237] また例えば、本発明が適用される極性推定方法の他の態様として、評判情報記憶ステップで、評判情報を評価した評価者を示す評価者情報を、評判情報に対応付けて記憶し、極性推定ステップで、記憶した評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定するものであってもよい。

[0238] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、評価極性が既知である評判情報に含まれる属性表現に対応する極性度、評判情報に含まれる対象物に対応する極性度、及び評判情報に含まれる評価表現に対応する極性度を計算し、計算した各極性度のうちのいずれか 1つ、又は各極性度のうちのいずれ力、 2つ以上の組み合わせに基づいて、入力した評判情報に対して計算した各極性度を総合した総合的な極性度を計算するものであってもよい。

[0239] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めるものであってもよい。

[0240] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、記憶した評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求めるものであってもよレ、。

[0241] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによって、対象物に対応する極性度を求めるものであってもよい。

[0242] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求めるものであってもよレ、。

[0243] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、評判情報を取得した時間順に重み付けして極性度を計算するものであってもよい。 [0244] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算するものであってもよい。

[0245] また例えば、本発明が適用される極性推定方法の他の態様として、極性推定ステツプで、評判情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算するものであってもよい。

[0246] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶処理を実行させ、評価表現記憶処理で、評価表現が肯定的な表現を含むか否定的な表現を含む力、を示す評価表現極性を、評価表現に対応付けて記憶する処理を実行させ、極性推定ステップで、記憶する評価表現及び評価表現極性に基づいて、評価極性が未知である評判情報の評価極性を推定する処理を実行させるものであつてもよい。

[0247] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、評判情報記憶処理で、評判情報と、評判情報の評価極性とを対応付けて記憶する処理を実行させ、極性推定処理で、記憶した評判情報及び評価極性に基づ V、て、評価極性が未知である評判情報の評価極性を推定する処理を実行させるものであってもよい。

[0248] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、評判情報記憶処理で、評判情報を取得した時を示す取得時情報を、評判情報に対応付けて記憶する処理を実行させ、極性推定処理で、記憶した取得時情報に基づ!/、て、記憶した評判情報に対応する評価極性に所定の重み付け処理を実行させ、重み付け処理を行った評価極性及び記憶した評判情報に基づ!/、て、評価極性が未知である評判情報の評価極性を推定する処理を実行させるものであってもよい。

[0249] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、評判情報記憶処理で、評判情報を評価した評価者を示す評価者情報を、評判情報に対応付けて記憶する処理を実行させ、極性推定処理で、記憶した評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定する処理を実行させるものであってもよレ、。

[0250] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、評価極性が既知である評判情報に含まれる属性表現に対応する極性度、評判情報に含まれる対象物に対応する極性度、及び評判情報に含まれる評価表現に対応する極性度を計算する処理を実行させ、計算した各極性度のうちのいずれか 1つ、又は各極性度のうちのいずれか 2つ以上の,袓み合わせに基づいて、入力した評判情報に対して計算した各極性度を総合した総合的な極性度を計算する処理を実行させるものであってもよレ、。

[0251] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求める処理を実 fiさせるものであってもよレ、。

[0252] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、記憶した評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求める処理を実行させるものであってもよい。

[0253] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによって、対象物に対応する極性度を求める処理を実行させるものであってもよい。

[0254] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求める処理を実行させるものであってもよい。

[0255] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、評判情報を取得した時間順に重み付けして極性度を計算する処理を実行させるものであってもよレ、。

[0256] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算する処理を実行させるものであってもよい。

[0257] また例えば、本発明が適用される極性推定用プログラムの他の態様として、コンビュータに、極性推定処理で、評判情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算する処理を実行させるものであってもよい。

[0258] 本発明は、評判情報の評価極性を判定することで、商品の良い特徴や悪い特徴等の概要を把握する等のサービスの用途に適用できる。また、本発明は、アンケート自動集計システムにも適用可能である。

[0259] この出願 (ま、 2006年 12月 18曰 ίこ出願された曰本出願特願 2006— 340307を基礎とする優先権を主張し、その開示を全てここに取り込む。

図面の簡単な説明

[0260] [図 1]本発明の実施形態に係る極性推定システムの構成の一例を示すブロック図である。

[図 2]評価表現記憶部が記憶する評価表現及び評価極性の一例を示す説明図であ [図 3]評判情報記憶部が記憶する評判情報及び評価極性の一例を示す説明図であ

[図 4]評判情報記憶部が記憶する評判情報及び評価極性の他の例を示す説明図である。園 5]極性推定手段の構成の一例を示すブロック図である。

[図 6]評価極性推定システムが評価極性を推定する処理の一例を示すフローチヤ一トである。

園 7]本発明の実施形態に係る極性推定システムの構成の一例を示すブロック図である。

園 8]評判情報記憶部が記憶する評判情報、取得日及び評価極性の一例を示す説明図である。

[図 9]極性推定手段の構成の一例を示すブロック図である。

[図 10]評価極性推定システムが評価極性を推定する処理の一例を示すフローチヤ一トである。

園 11]本発明の実施形態に係る極性推定システムの構成の一例を示すブロック図である。

園 12]評判情報記憶部が記憶する評判情報、評価者 ID及び評価極性の一例を示す説明図である。

園 13]評価者種別記憶部が記憶する評価者種別情報の一例を示す説明図である。

[図 14]極性推定手段の構成の一例を示すブロック図である。

[図 15]評価極性推定システムが評価極性を推定する処理の一例を示すフローチヤ一トである。

[図 16]評価極性推定システムの具体的な構成例を示すブロック図である。

園 17]本発明の実施形態に係る情報サービスシステムの構成の一例を示すブロック図である。

園 18]本発明の実施形態に係る極性推定システムの構成の一例を示すブロック図である。

[図 19]サービス利用者端末に対して評判情報を配信する処理の一例を示すフローチヤートである。

[図 20]評判情報及び評価極性を推敲する処理の一例を示すフローチャートである。園 21]本発明の実施形態に係る極性推定システムの構成の一例を示すブロック図である。園 22]表現記憶部が記憶する各種表現及び極性の一例を示す説明図である。園 23]情報記憶部が記憶するキーワード集合及び極性の一例を示す説明図である。符号の説明

100 データ処理装置

200 記憶装置

300 入力手段

400 出力手段

101 極性推定手段

1011 極性度参照手段

1012 個別極性度計算手段

1013 総合極性度計算手段

1014 極性度登録手段

Claims

請求の範囲

[1] 評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定システムであって、

評価極性が既知である評判情報を予め記憶する評判情報記憶部と、

前記評判情報記憶部が予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定手段と、を備えたことを特徴とする極性推定システム。

[2] 対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶部を備え前記評価表現記憶部は、評価表現が肯定的な表現を含むか否定的な表現を含む力、を示す評価表現極性を、前記評価表現に対応付けて記憶し、

前記極性推定手段は、前記評価表現記憶部が記憶する評価表現及び評価表現極性に基づいて、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 1記載の極性推定システム。

[3] 前記評判情報記憶部は、評判情報と、前記評判情報の評価極性とを対応付けて

RL「思し、

前記極性推定手段は、前記評判情報記憶部が記憶する評判情報及び評価極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 1又は請求項 2記載の極性推定システム。

[4] 前記評判情報記憶部は、評判情報を取得した時を示す取得時情報を、前記評判情報に対応付けて記憶し、

前記極性推定手段は、前記評判情報記憶部が記憶する取得時情報に基づ!/、て、前記評判情報記憶部が記憶する評判情報に対応する評価極性に所定の重み付け処理を行う重み付け手段を有し、

前記重み付け手段は、重み付け処理を行った評価極性及び前記評判情報記憶部が記憶する評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 1から 3のうちいずれ力、 1項に記載の極性推定システム [5] 前記評判情報記憶部は、評判情報を評価した評価者を示す評価者情報を、前記評判情報に対応付けて記憶し、

前記極性推定手段は、前記評判情報記憶部が記憶する評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 1から請求項 4のうちのいずれ力、 1項に記載の極性推定システム。

[6] 評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定システムであって、

対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現記憶部と、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶部と、前記評価表現記憶部が記憶する評価極性及び前記評判情報記憶部が記憶する評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定手段と、

を備えたことを特徴とする極性推定システム。

[7] 評価対象となる対象物、前記対象物の属性を示す属性表現、及び前記対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定システムであって評価表現に対応する評価極性を記憶する評価表現記憶部と、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶部と、前記評価表現記憶部が記憶する評価極性及び前記評判情報記憶部が記憶する評価極性が既知である評判情報に基づいて、入力した評判情報に対して評価極性を推定する極性推定手段とを備え、

前記極性推定手段は、評価極性として、評判情報が肯定的である度合いや否定的である度合いを示す極性度を計算することを特徴とする極性推定システム。

[8] 前記極性推定手段は、

評価極性が既知である評判情報に含まれる属性表現に対応する極性度、前記評判情報に含まれる対象物に対応する極性度、及び前記評判情報に含まれる評価表現に対応する極性度を計算し、

計算した前記各極性度のうちのいずれか 1つ、又は前記各極性度のうちのいずれ力、 2つ以上の組み合わせに基づいて、入力した評判情報に対して計算した前記各極性度を総合した総合的な極性度を計算することを特徴とする請求項 7記載の極性推定システム。

[9] 前記極性推定手段は、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めることを特徴とする請求項 8記載の極性推定システム。

[10] 前記極性推定手段は、前記評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求めることを特徴とする請求項 7から請求項 9のうちのいずれ力、 1項に記載の極性推定システム。

[11] 前記極性推定手段は、前記評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによつて、対象物に対応する極性度を求めることを特徴とする請求項 7から請求項 10のうちのいずれか 1項に記載の極性推定システム。

[12] 前記極性推定手段は、前記評判情報記憶部が記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求めることを特徴とする請求項 7から請求項 11のうちの!/、ずれか 1項に記載の極性推定システム。

[13] 前記極性推定手段は、評判情報を取得した時間順に重み付けして極性度を計算することを特徴とする請求項 7から請求項 12のうちのいずれ力、 1項に記載の極性推定システム。

[14] 前記極性推定手段は、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算することを特徴とする請求項 7から請求項 13のうちのいずれか 1項に記載の極性推定システム。

[15] 前記極性推定手段は、評判情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算することを特徴とする請求項 7 力、ら請求項 14のうちのいずれ力、 1項に記載の極性推定システム。

[16] 推定対象の情報が所定の 2つの概念で分類できる場合に、前記推定対象の情報がいずれの概念に属するかを示す極性を推定する極性推定システムであって、極性が既知である情報を予め記憶する情報記憶部と、

前記情報記憶部が予め記憶する極性が既知である情報に基づいて、極性が未知である情報の極性を推定する極性推定手段と、

を備えたことを特徴とする極性推定システム。

[17] 前記極性推定手段は、情報記憶部が記憶する情報に含まれる各キーワードに対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めることを特徴とする請求項 16記載の極性推定システム。

[18] 前記極性推定手段は、前記情報記憶部が記憶する情報を取得した時間順に重み付けして極性度を計算することを特徴とする請求項 16又は請求項 17記載の極性推定システム。

[19] 前記極性推定手段は、前記情報記憶部が記憶する情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算することを特徴とする請求項 16から請求項 18のうちのいずれ力、 1項に記載の極性推定システム。

[20] 前記極性推定手段は、前記情報記憶部が記憶する情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算することを特徴とする請求項 16から請求項 19のうちのいずれか 1項に記載の極性推定システム。 [21] 評判情報を配信する評判情報配信システムと、

評判情報が肯定的であるか否定的である力、を示す評価極性を推定する評価極性推定システムとを備え、

前記評価極性推定システムは、

前記評判情報記憶部が予め記憶する評価極性が既知である評判情報に基づいて

、評価極性が未知である評判情報の評価極性を推定する極性推定手段と、を含み、前記評判情報配信システムは、前記評判情報とともに、前記評価極性推定システムが推定した評価極性を、通信ネットワークを介してユーザ端末に送信する情報配信手段を含むことを特徴とする情報配信システム。

[22] 評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定方法であって、

評価極性が既知である評判情報を予め記憶する評判情報記憶ステップと、前記予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定ステップと、

を含むことを特徴とする極性推定方法。

[23] 対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶ステップを含み、

前記評価表現記憶ステップで、評価表現が肯定的な表現を含むか否定的な表現を含む力、を示す評価表現極性を、前記評価表現に対応付けて記憶し、

前記極性推定ステップで、前記記憶する評価表現及び評価表現極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 22 記載の極性推定方法。

[24] 前記評判情報記憶ステップで、評判情報と、前記評判情報の評価極性とを対応付

一 E5己 fc、し、

前記極性推定ステップで、記憶した評判情報及び評価極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 22又は請求項 23記載の極性推定方法。 [25] 前記評判情報記憶ステップで、評判情報を取得した時を示す取得時情報を、前記評判情報に対応付けて記憶し、

前記極性推定ステップで、

前記記憶した取得時情報に基づ!/、て、前記記憶した評判情報に対応する評価極性に所定の重み付け処理を行レ \

前記重み付け処理を行った評価極性及び前記記憶した評判情報に基づ!/、て、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 22から請求項 24のうちのいずれか 1項に記載の極性推定方法。

[26] 前記評判情報記憶ステップで、評判情報を評価した評価者を示す評価者情報を、前記評判情報に対応付けて記憶し、

前記極性推定ステップで、前記記憶した評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定することを特徴とする請求項 22から請求項 25のうちのいずれか 1項に記載の極性推定方法。

[27] 評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定する極性推定方法であって、

対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現 g己惶、スァップと、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶ステツプと、

前記記憶した評価極性及び前記記憶した評価極性が既知である評判情報に基づ V、て、入力した評判情報に対して評価極性を推定する極性推定ステップと、を含むことを特徴とする極性推定方法。

[28] 評価対象となる対象物、前記対象物の属性を示す属性表現、及び前記対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的であるかを示す評価極性を推定する極性推定方法であって、評価表現に対応する評価極性を記憶する評価表現記憶ステップと、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶ステツプと、前記記憶した評価極性及び前記記憶した評価極性が既知である評判情報に基づ V、て、入力した評判情報に対して評価極性を推定する極性推定ステップとを含み、前記極性推定ステップで、評価極性として、評判情報が肯定的である度合いや否定的である度合いを示す極性度を計算することを特徴とする極性推定方法。

[29] 前記極性推定ステップで、

計算した前記各極性度のうちのいずれか 1つ、又は前記各極性度のうちのいずれ力、 2つ以上の組み合わせに基づいて、入力した評判情報に対して計算した前記各極性度を総合した総合的な極性度を計算することを特徴とする請求項 28記載の極性推定方法。

[30] 前記極性推定ステップで、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求めることを特徴とする請求項 29記載の極性推定方法。

[31] 前記極性推定ステップで、記憶した評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求めることを特徴とする請求項 28から請求項 30のうちの V、ずれか 1項に記載の極性推定方法。

[32] 前記極性推定ステップで、記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによって、対象物に対応する極性度を求めることを特徴とする請求項 28から請求項 31のうちのいずれ力、 1項に記載の極性推定方法。前記極性推定ステップで、記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求めることを特徴とする請求項 28から請求項 32のうちのいずれか 1項に記載の極性推定方法。

前記極性推定ステップで、評判情報を取得した時間順に重み付けして極性度を計算することを特徴とする請求項 28から請求項 33のうちのいずれ力、 1項に記載の極性推定方法。

前記極性推定ステップで、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算することを特徴とする請求項 28から請求項 34のうちのいずれか 1項に記載の極性推定方法。

前記極性推定ステップで、評判情報の評価者種別として、評価者の年齢、性別、職業、趣味又は購入商品それぞれに応じて極性度を計算することを特徴とする請求項 28から請求項 35のうちのいずれか 1項に記載の極性推定方法。

評判情報が肯定的であるか否定的である力、を示す評価極性を推定するための極性推定用プログラムであって、

コンピュータに、

評価極性が既知である評判情報を予め記憶する評判情報記憶処理と、前記予め記憶する評価極性が既知である評判情報に基づいて、評価極性が未知である評判情報の評価極性を推定する極性推定処理と、

を実行させることを特徴とする極性推定用プログラム。

コンピュータに、

対象物の評価を示す表現である評価表現を予め記憶する評価表現記憶処理を実行させ、

前記評価表現記憶処理で、評価表現が肯定的な表現を含むか否定的な表現を含前記極性推定ステップで、前記記憶する評価表現及び評価表現極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定する処理を実行させることを特徴とする請求項 37記載の極性推定用プログラム。

[39] コンピュータに、

評判情報記憶処理で、評判情報と、前記評判情報の評価極性とを対応付けて記憶する処理を実行させ、

前記極性推定処理で、記憶した評判情報及び評価極性に基づ!/、て、評価極性が未知である評判情報の評価極性を推定する処理を実行させることを特徴とする請求項 37又は請求項 38記載の極性推定用プログラム。

[40] コンピュータに、

前記評判情報記憶処理で、評判情報を取得した時を示す取得時情報を、前記評判情報に対応付けて記憶する処理を実行させ、

前記極性推定処理で、

前記記憶した取得時情報に基づ!/、て、前記記憶した評判情報に対応する評価極性に所定の重み付け処理を実行させ、

前記重み付け処理を行った評価極性及び前記記憶した評判情報に基づ!/、て、評価極性が未知である評判情報の評価極性を推定する処理を実行させることを特徴とする請求項 37から請求項 39のうちのいずれか 1項に記載の極性推定用プログラム。

[41] コンピュータに、

前記評判情報記憶処理で、評判情報を評価した評価者を示す評価者情報を、前記評判情報に対応付けて記憶する処理を実行させ、

前記極性推定処理で、前記記憶した評判情報及び評価者情報に基づいて、評価極性が未知である評判情報の評価極性を推定する処理を実行させることを特徴とする請求項 37から請求項 40のうちのいずれか 1項に記載の極性推定用プログラム。

[42] 評判情報を入力し、入力した評判情報が肯定的であるか否定的である力、を示す評価極性を推定するための極性推定用プログラムであって、

コンピュータに、

対象物の評価を示す表現である評価表現に対応する評価極性を記憶する評価表現記憶処理と、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶処理と前記記憶した評価極性及び前記記憶した評価極性が既知である評判情報に基づ V、て、入力した評判情報に対して評価極性を推定する極性推定処理と、

を実行させることを特徴とする極性推定用プログラム。

[43] 評価対象となる対象物、前記対象物の属性を示す属性表現、及び前記対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的であるかを示す評価極性を推定するための極性推定用プロダラムであって、

コンピュータに、

評価表現に対応する評価極性を記憶する評価表現記憶処理と、

評判情報と、当該評判情報に対応する評価極性とを記憶する評判情報記憶処理と前記記憶した評価極性及び前記記憶した評価極性が既知である評判情報に基づ V、て、入力した評判情報に対して評価極性を推定する極性推定処理とを実行させ、前記極性推定処理で、評価極性として、評判情報が肯定的である度合いや否定的である度合いを示す極性度を計算する処理を実行させることを特徴とする極性推定用プログラム。

[44] コンピュータに、

前記極性推定処理で、

評価極性が既知である評判情報に含まれる属性表現に対応する極性度、前記評判情報に含まれる対象物に対応する極性度、及び前記評判情報に含まれる評価表現に対応する極性度を計算する処理を実行させ、

計算した前記各極性度のうちのいずれか 1つ、又は前記各極性度のうちのいずれ力、 2つ以上の組み合わせに基づいて、入力した評判情報に対して計算した前記各極性度を総合した総合的な極性度を計算する処理を実行させることを特徴とする請求項 43記載の極性推定用プログラム。 [45] コンピュータに

前記極性推定処理で、属性表現に対応する極性度、対象物に対応する極性度、及び評価表現に対応する極性度のうちのいずれか 1つ、又はいずれか 2つ以上の平均値、合計値、又は割合を計算することによって、総合的な極性度を求める処理を実行させることを特徴とする請求項 44記載の極性推定用プログラム。

[46] コンピュータに、

前記極性推定処理で、記憶した評判情報のうち、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる属性表現を含む各評判情報に対応する極性度の平均を求め、又は入力した評判情報に含まれる属性表現を含む評判情報の割合を計算することによって、属性表現に対応する極性度を求める処理を実行させることを特徴とする請求項 43から請求項 45のうちのいずれ力、 1項に記載の極性推定用プログラム。

[47] コンピュータに、

前記極性推定処理で、記憶する評判情報のうち、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる対象物を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる対象物を含む評判情報の割合を計算することによって、対象物に対応する極性度を求める処理を実行させることを特徴とする請求項 43から請求項 46のうちのいずれ力、 1項に記載の極性推定用プログラム。

[48] コンピュータに、

前記極性推定処理で、記憶する評判情報のうち、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の合計を求め、入力した評判情報に含まれる評価表現を含む各評判情報に対応する極性度の平均を求め、入力した評判情報に含まれる評価表現を含む評判情報の割合を計算することによって、評価表現に対応する極性度を求める処理を実行させることを特徴とする請求項 43から請求項 47のうちのいずれか 1項に記載の極性推定用プログラム。

[49] コンピュータに、

前記極性推定処理で、評判情報を取得した時間順に重み付けして極性度を計算する処理を実行させることを特徴とする請求項 43から請求項 48のうちのいずれか 1 項に記載の極性推定用プログラム。

[50] コンピュータに、

前記極性推定処理で、評判情報を評価した評価者の種別を示す評価者種別に応じて極性度を計算する処理を実行させることを特徴とする請求項 43から請求項 49のうちのいずれ力、 1項に記載の極性推定用プログラム。

[51] コンピュータに、

前記極性推定処理で、評判情報の評価者種別として、評価者の年齢、性別、職業

、趣味又は購入商品それぞれに応じて極性度を計算する処理を実行させることを特徴とする請求項 43から請求項 50のうちのいずれ力、 1項に記載の極性推定用プロダラム。

[52] 評価対象となる対象物、前記対象物の属性を示す属性表現、及び前記対象物の評価を示す表現である評価表現を含む評判情報を入力し、入力した評判情報が肯定的であるか否定的であるかを示す評価極性を出力するコンピュータに搭載される評価極性推定用プログラムであって、

前記コンピュータに、

評判情報を入力する入力処理と、

評価極性が既知である評判情報に含まれる属性表現の極性度を計算する処理と、前記評価極性が既知である評判情報に含まれる対象物の極性度を計算する処理と、

前記評価極性が既知である評判情報に含まれる評価表現の極性度を計算する処理と、

前記計算した属性表現の極性度、対象物の極性度及び評価表現の極性度を総合した極性

度を計算することによって、入力した評判情報に対する極性を計算する処理と、を実行させることを特徴とする評価極性推定用プログラム。