WO2016121127A1 - データ評価システム、データ評価方法、およびデータ評価プログラム - Google Patents

データ評価システム、データ評価方法、およびデータ評価プログラム Download PDF

Info

Publication number
WO2016121127A1
WO2016121127A1 PCT/JP2015/052777 JP2015052777W WO2016121127A1 WO 2016121127 A1 WO2016121127 A1 WO 2016121127A1 JP 2015052777 W JP2015052777 W JP 2015052777W WO 2016121127 A1 WO2016121127 A1 WO 2016121127A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
emotion
evaluation
user
unknown
Prior art date
Application number
PCT/JP2015/052777
Other languages
English (en)
French (fr)
Inventor
守本　正宏
秀樹 武田
ヤコブ ハルスコウ
Original Assignee
株式会社Ｕｂｉｃ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｕｂｉｃ filed Critical 株式会社Ｕｂｉｃ
Priority to PCT/JP2015/052777 priority Critical patent/WO2016121127A1/ja
Priority to EP15832872.4A priority patent/EP3089053A4/en
Priority to JP2015558254A priority patent/JP5905652B1/ja
Priority to US14/902,325 priority patent/US20170323013A1/en
Publication of WO2016121127A1 publication Critical patent/WO2016121127A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety

Definitions

  • the present invention relates to a data evaluation system, a data evaluation method, and a data evaluation program for analyzing data.
  • Patent Document 1 As such an estimation technique.
  • Patent Document 1 in text data, target words that co-occur with four emotion expressions of “joyful”, “sad”, “angry”, and “happy” are selected, and the weight value of the selected target word is calculated. It is disclosed that text data is evaluated using the weight value of the target word.
  • an object of the present invention is to provide a data evaluation system and the like that can estimate what impression the user has.
  • a data evaluation system includes an acquisition unit that acquires, as training data, data including information representing a user's emotion and classification information for classifying the emotion.
  • An emotion evaluation unit that determines, based on the classification information, the degree to which the data element included in the training data reflects the emotion of the user as emotion evaluation information, and is determined for the data element and the data element
  • a storage unit that associates the received emotion evaluation information with the storage unit and stores it in the storage unit, and when new data is acquired as unknown data, the unknown data is created based on the emotion evaluation information stored in the storage unit
  • an unknown data evaluation unit that evaluates a user's emotion.
  • the data evaluation method includes an acquisition step of acquiring, as training data, data including information representing a user's emotion and classification information for classifying the emotion
  • the training data includes An emotion evaluation step for determining the degree to which the data element reflects the emotion of the user as emotion evaluation information, based on the classification information, and the emotion evaluation information determined for the data element and the data element
  • a computer-implemented data evaluation method including an unknown data evaluation step.
  • the data evaluation program provides a computer with an acquisition function for acquiring, as training data, data including information representing a user's emotion and classification information for classifying the emotion.
  • Emotion evaluation function for determining the degree to which the data element included in the data reflects the user's emotion as emotion evaluation information based on the classification information, and the emotion evaluation determined for the data element and the data element
  • a storage function for associating information with the storage unit, and when new data is acquired as unknown data, the emotion of the user who created the unknown data based on the emotion evaluation information stored in the storage unit
  • An unknown data evaluation function that evaluates
  • the emotion evaluation unit may determine the degree based on the frequency at which the data element appears in training data classified as a predetermined emotion and the frequency at which the data element appears in training data not classified as the predetermined emotion. It is good also as determining as the said emotion evaluation information with respect to the said data element.
  • the unknown data evaluation unit extracts a data element from the unknown data, acquires emotion evaluation information associated with the data element from the storage unit, and based on the acquired emotion evaluation information, the unknown data It is good also as evaluating the emotion of the user who created data.
  • the unknown data evaluation unit further determines the emotion of the user who created the unknown data based on the frequency at which the data element appears in the unknown data and the emotion evaluation information associated with the data element. It may be evaluated.
  • the unknown data evaluation unit increases the degree indicated as emotion evaluation information associated with the data element when the data element extracted from the unknown data is modified by exaggerated expression, It is good also as evaluating the emotion of the user who created the unknown data.
  • the unknown data evaluation unit when the data element extracted from the unknown data has been modified by negative expression, to reduce the degree shown as emotion evaluation information associated with the data element, It is good also as evaluating the emotion of the user who created the unknown data.
  • the data evaluation system may further include a presentation unit that presents evaluation information related to a user's emotion evaluated by the unknown data evaluation unit.
  • the unknown data is an e-mail
  • the unknown data evaluation unit when the e-mail is acquired as the unknown data, sends the e-mail based on emotion evaluation information stored in the storage unit. It is good also as evaluating the created user's emotion.
  • the unknown data is the unknown data is an email
  • the data evaluation system further includes the user who created the email and the user based on the emotion of the user evaluated by the unknown data evaluation unit. It is good also as providing the estimation part which estimates the human relationship between the other users designated as the destination of an electronic mail.
  • the unknown data is data included in a website
  • the unknown data evaluation unit when data included in the website is acquired as the unknown data, emotion evaluation information stored in the storage unit It is good also as evaluating the user's emotion which created the data contained in the said website based on.
  • the data evaluation system, the data evaluation method, and the data evaluation program according to one aspect of the present invention can infer emotions held by the user who created the data.
  • the data evaluation system uses unknown data (eg, document data (eg, e-mail, presentation material, spreadsheet) based on reviews (training data) given to products, movies, programs, etc. by the user.
  • unknown data eg, document data (eg, e-mail, presentation material, spreadsheet)
  • reviews training data
  • Data, meeting materials, contracts, organization charts, business plans, etc. mainly data that includes at least part of text), but includes any data such as image data, audio data, and video data
  • it is estimated what emotion the user has for example, whether the user has a good impression or a bad impression).
  • training data training data
  • unknown data unknown data
  • a common word for example, “good” or “fun”
  • a common word for example, “good” or “fun”
  • different common words for example, “bad”, “clogged”.
  • words indicating emotional expressions for example, adjectives, adjective verbs, adverbs, etc.
  • new data unknown data
  • FIG. 1 is a block diagram showing a functional configuration of the data evaluation system 100.
  • the data evaluation system 100 includes a communication unit 110, an input unit 120, a control unit 130, a storage unit 140, and a display unit 150.
  • the communication unit 110 has a function of executing communication with an external device via a network.
  • the communication unit 110 has a function of accessing a web page in which comments (data included in the website) corresponding to the evaluation are described, collecting information on the web page, and storing the information in the storage unit 140.
  • the communication unit 110 transmits result information transmitted from the control unit 130 (information indicating whether the evaluation target data has a good impression or a bad impression). Is transmitted to the user terminal.
  • the input unit 120 has a function of receiving input from the user and receiving input of evaluations and comments on the web page.
  • the input unit 120 transmits the received input content to the control unit 130.
  • the control unit 130 is a processor having a function of controlling each unit of the data evaluation system 100 while referring to various data stored in the storage unit 140.
  • the control unit 130 comprehensively controls various functions of the data evaluation system 100.
  • the control unit 130 includes a data extraction unit 131, an evaluation information reception unit 132, a data classification unit 133, an element extraction unit 134, an emotion extraction unit 135, an emotion evaluation unit 136, an evaluation storage unit 137, and an unclassified item.
  • a data evaluation unit 138 and a presentation unit 139 are included.
  • the data extraction unit 131 has a function of extracting data as necessary from the information group related to the web page stored in the storage unit 140.
  • the data extraction unit 131 transmits classification data including the evaluation stored in the storage unit 140 and a comment corresponding to the evaluation to the data classification unit 133.
  • the data extraction unit 131 acquires data that has not been evaluated from the storage unit 140 and transmits the data to the unclassified data evaluation unit 138.
  • the evaluation information receiving unit 132 has a function of receiving an evaluation and a comment about a certain target of the user from the input unit 120 and transmitting it to the data classification unit 133.
  • the object may be any object as long as it is an object of criticism, and may be any product, meal, program, or the like.
  • the data classification unit 133 has a function of classifying the classification data received from the data extraction unit 131.
  • the data classification unit 133 performs classification based on the evaluation included in the classification data. Specifically, it is assumed that the classification data is evaluated in five stages by the number of ⁇ , and the higher the number of ⁇ , the higher the evaluation, that is, the user has a better impression of the target of the classification data And
  • the data classification unit 133 classifies the classification data with the number of ⁇ 4 or 5 as “high evaluation (good impression)” and the classification data with the number of ⁇ 1 or 2 is “low evaluation (bad impression)”. Classify as For example, the data classifying unit 133 classifies the data by associating the classification data (flag information) indicating the classification with the data.
  • the element extraction unit 134 has a function of extracting data elements from the classification data associated with the classification information by the data classification unit 133.
  • the element extraction unit 134 extracts keywords (so-called morphemes), sentences, paragraphs, and the like included in the document data as data elements
  • the data is In the case of audio data, partial audio included in the audio data is extracted as a data element.
  • the data is image data, a partial image included in the image data is extracted as a data element.
  • a frame image (or a combination of a plurality of frame images) included in the video data can be extracted as a data element.
  • the element extraction unit 134 determines data elements to be extracted according to a predetermined selection criterion. If the data is document data, the element extraction unit 134 may extract data elements using so-called morphological analysis. The element extraction unit 134 can also extract a data element designated by the user via the input unit 120. The element extraction unit 134 transmits the extracted data element to the emotion extraction unit 135.
  • the emotion extraction unit 135 has a function of extracting a data element indicating emotion expression from the transmitted data elements.
  • adjectives, adjective verbs, and adverbs are used as data elements indicating emotional expressions. Part of speech other than these parts of speech may be used.
  • the emotion extraction unit 135 transmits a data element indicating the extracted emotion expression to the emotion evaluation unit 136.
  • the emotion evaluation unit 136 generates emotion markers (emotion evaluation information) for data elements (for example, adjectives, morphemes corresponding to adjective verbs).
  • the emotion marker is a value serving as an index as to whether the user has a good impression or a bad impression. That is, the emotion marker can be said to indicate the degree to which the data element reflects the user's emotion.
  • the emotion evaluation unit 136 generates an emotion marker as follows.
  • the emotion evaluation unit 136 first relates to a certain emotion expression in one or more classification data classified as having a good impression by the data classification unit 133 (that is, classification data in which the number of ⁇ is 4 or 5). The number of times A F at which a data element (hereinafter referred to as data element A) appears is counted. Then, the emotion evaluation unit 136 calculates the frequency RF P at which the data element A appears in all the classification data determined to have a good impression.
  • the frequency RF P can be calculated by the following formula (1).
  • N P is the total number of data elements contained in one or more classification data of good impression used for the determination.
  • the emotion evaluation unit 136 determines the number of occurrences A of the data element A in one or more classification data determined to have a bad impression (that is, classification data in which the number of ⁇ is 1 or 2). N is counted. Then, the emotion evaluation unit 136 calculates the frequency RF N at which the data element A appears in all the classification data determined to have a bad impression.
  • the frequency can be calculated by the following formula (2).
  • N N is the total number of data elements included in one or more classification data of bad impression used for determination.
  • the emotion evaluation unit 136 generates an emotion marker of the data element A using the frequency calculated using the equations (1) and (2). Specifically, the emotion evaluation unit 136 calculates the emotion determination index value P (A) using the following formula (3).
  • the emotion evaluation unit 136 uses “+1” as the emotion marker as a data element that is often used for data that has a good impression.
  • the emotion determination index value P (A) is smaller than 1, the data element A is often used for data that has a bad impression, and “ ⁇ 1” is specified as the emotion marker. And transmitted to the evaluation storage unit 137.
  • the storage unit 140 stores “+1” as an emotion marker for words often used in positive impression documents, and “ ⁇ 1” as an emotion marker for words often used in bad impression documents. Is stored. For example, words such as “good”, “beautiful”, and “delicious” are easy to add “+1”, and words such as “bad”, “dirty”, and “bad” are easy to add “ ⁇ 1”. .
  • the emotion evaluation unit 136 transmits the calculated evaluation value and threshold value of each data element to the evaluation storage unit 137.
  • the evaluation storage unit 137 has a function of storing each data element evaluated by the emotion evaluation unit 136 and the evaluation in the storage unit 140 in association with each other.
  • the unclassified data evaluation unit 138 has a function of estimating whether the input is a good impression or an unfavorable impression (hereinafter referred to as unclassified data).
  • the unclassified data evaluation unit 138 extracts data elements from the unclassified data. And the data element which concerns on emotion expression is extracted among the extracted data elements. That is, the unclassified data evaluation unit 138 extracts data elements in which emotion markers are set in the storage unit 140. Then, the unclassified data evaluation unit 138 acquires the emotion marker value of each extracted data element from the storage unit 140.
  • the unclassified data evaluation unit 138 acquires the emotion marker of the data element, and adds the emotion marker value as many times as it appears in the unclassified data. For example, when the emotion marker set for the data element “good” is “+1” and appears five times in the unclassified data, the emotion score based on the data element “good” in the unclassified data is “ 5 ”. Also, for example, when the emotion marker set for the data element “bad” is “ ⁇ 1” and appears three times in the unclassified data, the emotion based on the data element “bad” in the unclassified data The score is “ ⁇ 3”.
  • the unclassified data evaluation unit 138 determines whether the negative expression or the exaggerated expression is related to the data element, and if so, calculates the emotion score after applying the following processing. .
  • the negative expression is an expression that denies the data element, for example, “not good” or “not delicious”. If there are such expressions, they are treated as opposite expressions, for example, “bad” if they are “not good”, and “bad” if they are not “good”.
  • the expression is treated as the opposite expression. For example, when an emotion marker of “+1” is set for the expression “good”, this is set to a negative value. It is good as well. Alternatively, the value set as the emotion marker may be decreased by a predetermined amount (for example, 1.5). Furthermore, it is also possible to deny negation, that is, detect whether there is a double negative expression, and if there is a double negative expression, the data element may be determined positively.
  • the exaggerated expression is an expression that exaggerates (emphasizes) the data element, for example, an expression such as “very”, “very”, or “very”.
  • the emotion score is calculated by multiplying the emotion marker value by a predetermined multiple (for example, double). For example, if there is an expression “very delicious” and the emotion marker value of “delicious” is “+1”, the emotion score for this expression is set to “+2” (increase). Note that the data elements to be multiplied by a predetermined number are only data elements that are exaggerated.
  • the unclassified data evaluation unit 138 calculates the emotion score based on all the data elements as shown in the following mathematical formula (4), and adds them to calculate the data score S of the unclassified data.
  • s i is an emotion marker of the i-th data element.
  • the unclassified data evaluation unit 138 estimates that the unclassified data is easy to hold a good impression, and when the data score is less than 0, the unclassified data is not classified. Guess that the data is likely to have a bad impression. If the data score is 0, the unclassified data evaluation unit 138 determines that it is neither. The uncategorized data evaluation unit 138 transmits the estimation (estimation of whether it is easy to hold a good impression or a bad impression) obtained by estimation to the presentation unit 139.
  • the presentation unit 139 has a function of presenting result information indicating whether the unclassified data evaluation unit 138 is a data that tends to have a good impression or a bad impression about the unclassified data.
  • the presenting unit 139 transmits the result information to the user terminal via the communication unit 110 or transmits the result information to the display unit 150.
  • the storage unit 140 is a recording medium having a function of storing programs and various data necessary for the data evaluation system 100 to use for data analysis.
  • the storage unit 140 is realized by, for example, a hard disk drive (HDD), a solid state drive (SSD), a semiconductor memory, a flash memory, or the like.
  • HDD hard disk drive
  • SSD solid state drive
  • 1 shows a configuration in which the data evaluation system 100 includes the storage unit 140.
  • the storage unit 140 is external to the data evaluation system 100 and is communicably connected to the data evaluation system 100. It may be a storage device.
  • the display unit 150 is a monitor having a function of displaying an image based on the display data output from the control unit 130.
  • the display unit 150 may be realized by, for example, an LCD (Liquid Crystal Display), a PDP (Plasma Display Panel), an organic EL (Electro Luminescence) display, or the like.
  • display unit 150 displays result information transmitted from presentation unit 139.
  • FIG. 2 is a diagram showing an example of the configuration of a web page, and shows a page where a plurality of users add evaluations and comments.
  • a web page 200 in FIG. 2 is a page example of an online shopping site.
  • the web page 200 shown in FIG. 2 includes a product photo A 210, a product photo group 220, a product information column 230, and comments 241 to 244.
  • the product photo A210 is an external view photo of the product.
  • the product photo group 220 is a thumbnail of external appearance photos of products taken from different angles. When the thumbnail is clicked, the selected photo is displayed in the area where the appearance photo A210 is displayed. In the product information column 230, descriptions such as the price and dimensions of the product are described.
  • the comments 241 to 244 are information in which the impression of the user who saw the product or used the product is written.
  • each comment 241 to 244 includes the name of the user who wrote it, the rating that the user gave to the product, and the impression.
  • the evaluation is expressed by ⁇ and is evaluated in five levels. The higher the number of ⁇ , the higher the rating (good impression) is given to the target (product).
  • Each of these comments is treated as classification data in this embodiment.
  • the configuration of the web page shown in FIG. 2 is an example, and it goes without saying that the web page has various configurations.
  • FIG. 3 is a flowchart showing an operation when the data evaluation system 100 analyzes the classification data of the web page including the evaluation and the comment and calculates the evaluation of the data element indicating the emotion expression.
  • the data extraction unit 131 of the data evaluation system 100 collects web pages including evaluations and comments from the storage unit 140 as classification data (step S301).
  • the data classification unit 133 of the data evaluation system 100 classifies whether or not the classification data is good impression based on the evaluation included in the classification data (step S302).
  • the element extraction unit 134 extracts data elements from the classification data (step S303).
  • the emotion extraction unit 135 extracts a data element indicating emotion expression from the data elements extracted by the element extraction unit 134 (step S304).
  • the emotion evaluation unit 136 evaluates each data element indicating the emotion expression extracted by the emotion extraction unit 135 and transmits the evaluation value to the evaluation storage unit 137 (step S305).
  • the evaluation storage unit 137 stores the transmitted data element and the evaluation value in the storage unit 140 in association with each other (step S306).
  • the above is the operation of the data evaluation system 100 until each evaluation of the data element is determined.
  • the processing shown in FIG. 3 is performed on a target with various users in order to classify whether the unclassified data is data that tends to have a good impression or data that tends to have a bad impression.
  • the evaluation (classification information) and comments are acquired as training data, and the data elements included in the training data are evaluated.
  • the process shown in FIG. 3 completes the pre-process for specifying a web page that is presumed to be of interest to the user from web pages that have never been accessed by the user.
  • FIG. 4 is a flowchart showing the operation of the data evaluation system 100 when classifying unclassified data that is unclassified whether it is good impression data or bad impression data.
  • the input unit 120 or the communication unit 110 of the data evaluation system 100 accepts good or bad impression or unclassified data as new data to be classified (step S401).
  • the data is stored in the storage unit 140.
  • the unclassified data evaluation unit 138 When the unclassified data evaluation unit 138 receives the unclassified data stored in the storage unit 140 from the data extraction unit 131, the unclassified data evaluation unit 138 extracts a data element from the unclassified data (step S402).
  • the unclassified data evaluation unit 138 extracts data elements (in this case, adjectives, adjective verbs, adverbs) indicating emotional expressions from the extracted data elements (step S403).
  • data elements in this case, adjectives, adjective verbs, adverbs
  • the uncategorized data evaluation unit 138 acquires the emotion marker of the data element indicating the extracted emotion expression from the storage unit 140. Then, the unclassified data evaluation unit 138 calculates the score of the unclassified data based on the acquired emotion marker, taking into account the number of appearances of each data element, the negative expression, and the exaggerated expression. Then, when the calculated score indicates a positive value, the unclassified data evaluation unit 138 generates result information indicating that the unclassified data is easy to hold a good impression, and the calculated score is a negative value. Is generated, the result information that the unclassified data is data that tends to have a bad impression is generated (step S404). The generated result information is output to the communication unit 110 or the display unit 150 by the presentation unit 139 and presented to the user.
  • the data evaluation system 100 estimates whether the unclassified data is positive (positive) data or bad (negative) data. It can be carried out.
  • the data evaluation system 100 can evaluate whether the input data is a positive impression (positive) or a bad impression (negative). Therefore, the user can imagine the contents of the data without knowing the details of the contents of the data.
  • evaluations and comments already made on the web page are used as data used for classifying unclassified data, that is, training data, an objective opinion can be handled as training data. Therefore, since the operator of the data evaluation system 100 determines whether the data is positive or negative, there is no trouble of inputting the data, and the opinions of many general users are used. A highly model (emotional marker) can be created.
  • the emotion marker is “+1” when it is affirmative and “ ⁇ 1” when it is a negative one. Absent. That is, for the data element, the value of the emotion marker may be weighted.
  • weight may be given according to the frequency of data elements appearing in the classification data. For data elements that frequently appear, the value of the emotion marker may be increased (for example, 1.8), and for data elements that do not frequently appear, the value of the emotion marker may be decreased (for example, 0.5).
  • the unclassified data evaluation unit 138 evaluates the unclassified data by calculating the sum of the values of the emotion markers of the data elements indicating the emotion expression. is not.
  • a vector having an emotion marker value for a data element as an element is generated, a vector indicating the number of extracted data elements related to emotion expression is generated from unclassified data, and an inner product of these vectors is obtained.
  • the score of the classification data may be calculated.
  • the unclassified data evaluation unit 138 may calculate the score S of the unclassified data by using the following formula (5) with emphasis on the appearance frequency of the data element.
  • m j represents the appearance frequency of the j-th keyword
  • w i represents the emotion marker value of the data element related to the i-th emotion expression.
  • the unclassified data evaluation unit 138 may calculate a score based on co-occurrence between data elements. Details of the technique will be described here.
  • the uncategorized data evaluation unit 138 indicates the frequency of appearance of the second keyword in the web page (correlation between the first keyword and the second keyword. Scoring may also be executed in consideration of the occurrence of the problem.
  • the unclassified data evaluation unit 138 uses the correlation matrix (co-occurrence matrix) C representing the correlation (co-occurrence) between the first keyword and the second keyword, instead of the above equation (2), It is good also as calculating a score according to Formula (6).
  • the correlation matrix C is preliminarily optimized using learning data including a predetermined number of predetermined texts.
  • the matrix w is a matrix which shows the value of an emotion marker. For example, when a keyword “fun” appears in a certain text, a value (also referred to as a maximum likelihood estimate) obtained by normalizing the number of occurrences of other keywords with respect to the keyword between 0 and 1 is represented by the correlation matrix C. Stored in the element.
  • Equation (6) Since the score in consideration of the correlation between keywords can be calculated by using Equation (6), it is possible to estimate a web page that is highly likely to be of interest to the user with higher accuracy.
  • web page information is used as the data to be subjected to emotion evaluation, but this is not limited thereto.
  • the data group to be classified may be, for example, an email data group, a medical chart data group, a lawsuit related data group, or the like.
  • analyzing document information text
  • analysis may be performed on audio, images, and video.
  • the speech itself may be analyzed, or the speech may be converted into a document by speech recognition and the analysis may be executed.
  • the voice When analyzing the voice itself, the voice is divided into partial voices of a predetermined length, and the partial voice is targeted for analysis. For example, when a voice “This movie is interesting” is obtained, the data evaluation system 100 extracts a partial voice “Interesting” from the voice, and based on the result of evaluating the partial voice, the emotional marker is extracted. Can be generated. In such a case, the data evaluation system 100 can classify the speech using a time series data classification algorithm (for example, Markov model, Kalman filter, etc.).
  • a time series data classification algorithm for example, Markov model, Kalman filter, etc.
  • classification When converting speech into text, classification may be performed in the same manner as in the above embodiment. Any speech recognition algorithm (for example, a recognition method using a hidden Markov model) may be used for conversion of speech into text. (6)
  • Any speech recognition algorithm for example, a recognition method using a hidden Markov model
  • the object to be evaluated by the data evaluation system 100 shown in the above embodiment can also be applied to the following.
  • the medical application system extracts a data element indicating emotional expression included in the classification data (for example, electronic medical record, nursing record, patient diary, etc.) and the data is positive or Evaluate based on negative.
  • the user determines whether the classification data is positive data or negative data, and inputs the classification data from the input unit 120.
  • the unclassified data evaluation unit 138 is concerned about the patient's psychological state (for example, the current state of injury or illness) based on the unclassified data (for example, emotional expressions included in electronic medical records, nursing records, patient diaries, etc.). Or psychology such as feeling uneasy about whether or not it is going to be a pleasure.
  • the patient's psychological state for example, the current state of injury or illness
  • the unclassified data for example, emotional expressions included in electronic medical records, nursing records, patient diaries, etc.
  • psychology such as feeling uneasy about whether or not it is going to be a pleasure.
  • the data evaluation system 100 can also be applied to an email audit system.
  • the mail audit system determines whether the user feels dissatisfaction (for example, whether there is a possibility of fraud) from the contents of the classification data (for example, electronic mail distributed on the network every day). Or not). Then, based on the evaluation, data elements related to emotion expression are extracted from the classification data, and an emotion marker based on whether or not the user feels dissatisfaction is generated.
  • the unclassified data evaluation unit 138 evaluates unclassified data (for example, a new e-mail) based on the emotion marker. In this way, for example, in the company, it is estimated whether the employee who created the e-mail feels dissatisfied or dissatisfied with the company (or is likely to act fraudulently). The risk of leakage) can be prevented in advance.
  • uncategorized data evaluated by the creator of the unclassified data is unsatisfactory or unsatisfactory (for example, dissatisfaction with remuneration, dissatisfaction with the labor environment, etc.)
  • unsatisfactory for example, dissatisfaction with remuneration, dissatisfaction with the labor environment, etc.
  • dissatisfaction with remuneration for example, “I do not express dissatisfaction / dissatisfaction: 92%, express dissatisfaction with remuneration: 3%, express dissatisfaction with the work environment: 2” %, Other: 3% ", and the proportion of mail that expresses complaints and dissatisfaction can be visualized.
  • the e-mail can be used to create a person correlation diagram based on the emotional expression included in the e-mail. For example, when an e-mail is sent from a lower-ranking person to a higher-ranking person within an organization, it is difficult to send an e-mail containing negative contents, while a higher-ranking person to a lower-ranking person When an e-mail is sent to the e-mail, it is relatively easy to send the e-mail. Therefore, the hierarchical relationship of members in the organization can be estimated from the result of sentiment analysis and the sender and destination of the e-mail.
  • the data evaluation system 100 may include an estimation unit that estimates the correlation.
  • the estimation unit extracts many data elements from a predetermined number of e-mails sent from a person A to a person B, and is there a lot of positive feelings of the user A who created the e-mail? , Detect if there are many negative things.
  • the estimation unit estimates that the person A is a lower person than the person B, and is detected that there are many positive things. In this case, it is estimated that the person A is a person superior to the person B.
  • the data evaluation system 100 can be applied to a performance evaluation system.
  • the performance evaluation system evaluates whether the classification data (eg daily report submitted by the sales staff to the company, analysis data submitted by the consultant to the customer, user questionnaire regarding any planning) is positive or negative.
  • the data element indicating the emotional expression included in the classification data is evaluated.
  • unclassified data for example, emotion analysis is performed from a user questionnaire in the store, and the store operation status (for example, whether the customer is dissatisfied with the customer service attitude of the store clerk, satisfied with the product display status) Whether or not).
  • the data evaluation system 100 can be applied to an intellectual property evaluation system, a marketing support system, a driving support system, and the like.
  • the data evaluation system 100 can be applied to a discovery support system.
  • the discovery support system was created with sentiments for money (for example, cheap and expensive) by performing sentiment analysis on multiple emails exchanged at the target (for example, a company) to prevent cartel It is conceivable to specify an e-mail to be guessed.
  • the data evaluation system 100 can be applied to a forensic system.
  • the forensic system for example, analyzes the sentiment sent by the suspect to identify the mail that is presumed to have been created maliciously, and identifies the motivation or fraudulent behavior Can be useful.
  • the data evaluation system can be implemented with at least the following three configurations. That is, the data evaluation system is implemented in a configuration in which (a) part or all of a data analysis program for realizing the data evaluation system is executed in a client device (for example, a user terminal such as a personal computer or a smartphone). Or (b) a part or all of the data analysis program is executed in a server device (for example, a mainframe, a cluster computer, an arbitrary computer that can provide services by the system to an external device, etc.) The execution result may be returned to the client device, or (c) the processing included in the data analysis program may be arbitrarily shared between the client device and the server device. Good. In other words, it is only necessary that the data evaluation system is realized as a system constituted by at least one computer, and each function included in the data evaluation system is realized by arbitrarily sharing the functions of the computer constituting the system. Can be done.
  • the data evaluation system of the present invention can be applied to any system that achieves the object by performing emotion analysis included in various data used in various systems.
  • the data evaluation system shown in the above embodiment performs emotion analysis from SNS and news site information as classification data, for example, user's emotion (for example, terrorism) (for example, terrorism) (E.g., anxiety and frustration) are extracted and evaluated, and when evaluating e-mails in the organization as unclassified data, the evaluation of emotions extracted from the influence of those incidents is offset, E-mail analysis accuracy can be improved.
  • user's emotion for example, terrorism
  • terrorism for example, terrorism
  • anxiety and frustration E.g., anxiety and frustration
  • E-mail analysis accuracy can be improved.
  • e-mails written under the influence of the social situation of the world are likely to be different from those created by normal psychological conditions, which is one reason for reducing the accuracy of e-mail analysis.
  • evaluation may be made in five classifications such as “very good” in the case of five stars, “good” in four, “normal”, “bad”, “very bad” in three.
  • classification data is not “good” or “bad” but other emotions, for example, “interesting”, “interesting” emotions, or “happy”, “sad” emotions. You may classify.
  • the unclassified data evaluation unit 138 creates unclassified data by combining emotional markers of data elements evaluated as “good” and “bad” with emotional markers of data elements evaluated as “interesting” and “not boring”. It is good also as evaluating a user's sentiment.
  • the data to be classified or unclassified data may be message content in a messaging service, web page blog, recipe information, chat content in a chat system, data and articles exchanged by SNS, etc. .
  • an emotion marker that evaluates a user's emotion may be created based on the message in a service for exchanging messages between users, a user's remarks exchanged in a chat system, or the like. Further, using the created emotion marker, the uncategorized data evaluation unit 138 identifies the user's emotion based on such a message or remark, identifies whether the user has an extreme idea, and presents it. The unit 139 may present information that the user is dangerous (Internet monitoring system).
  • the presentation unit 139 indicates that the holder of the blog Information indicating that the person is a person may be presented.
  • the presentation unit 139 presents the web article as recommended information for the user. It is good as well.
  • the recommended information may be a product introduced on a web page with a lot of good feelings.
  • the data evaluation system 100 can also be used in this way.
  • Each functional unit of the data evaluation system 100 (information processing apparatus) may be realized by a logic circuit (hardware) formed in an integrated circuit (IC chip) or the like. Each functional unit of the data evaluation system 100 may be realized by one or a plurality of integrated circuits, or a plurality of functional units may be realized by a single integrated circuit.
  • the function realized by each functional unit of the data evaluation system 100 may be realized by software using a CPU (Central Processing Unit).
  • the data evaluation system 100 includes a CPU that executes instructions of a data evaluation program that is software that implements each function, a ROM (Read (Only) in which the game program and various data are recorded so as to be readable by the computer (or CPU). Memory) or a storage device (these are referred to as “recording media”), a RAM (Random Access Memory) that expands the data evaluation program, and the like.
  • the computer or CPU
  • a “non-temporary tangible medium” such as a tape, a disk, a card, a semiconductor memory, a programmable logic circuit, or the like can be used.
  • the data evaluation program may be supplied to the computer via any transmission medium (communication network, broadcast wave, etc.) capable of transmitting the game program.
  • the present invention can also be realized in the form of a data signal embedded in a carrier wave in which the data evaluation program is embodied by electronic transmission.
  • the data evaluation program can be implemented using, for example, a script language such as ActionScript or JavaScript (registered trademark), an object-oriented programming language such as Objective-C or Java (registered trademark), or a markup language such as HTML5. .
  • a distributed data evaluation system including an information processing apparatus including each unit that implements each function implemented by the data evaluation program and a server that includes each unit that implements the remaining functions different from the above functions are also within the scope of the present invention.
  • the data evaluation system includes an acquisition unit (110 or 120) that acquires, as training data (classification data), data including information representing a user's emotion and classification information for classifying the emotion. , An emotion evaluation unit (136) that determines, based on the classification information, as emotion evaluation information (emotion marker), a degree to which the data element included in the training data reflects the emotion of the user, the data element, and the data element A storage unit (137) that associates and stores emotion evaluation information determined for a data element in the storage unit (140), and when new data is acquired as unknown data (unclassified data), the storage An unknown data evaluation unit (138) that evaluates the emotion of the user who created the unknown data based on the emotion evaluation information stored in the unit.
  • training data classification data
  • An emotion evaluation unit (136) that determines, based on the classification information, as emotion evaluation information (emotion marker), a degree to which the data element included in the training data reflects the emotion of the user, the data element, and the data element
  • a storage unit (137) that associate
  • the data evaluation method includes an acquisition step of acquiring data including information representing a user's emotion and classification information for classifying the emotion as training data, and a data element included in the training data includes: The degree of reflection of the user's emotion is stored as emotion evaluation information in association with an emotion evaluation step that is determined based on the classification information, and the data element and the emotion evaluation information determined for the data element A storage step for storing in the unit, and an unknown data evaluation step for evaluating the emotion of the user who created the unknown data based on the emotion evaluation information stored in the storage unit when new data is acquired as unknown data A data evaluation method executed by a computer.
  • the data evaluation program according to the present invention is included in the training data and an acquisition function for acquiring, as training data, data including information representing the user's emotion and classification information for classifying the emotion in the computer.
  • the degree to which the data element reflects the emotion of the user is used as the emotion evaluation information, and the emotion evaluation function for determining the data element and the emotion evaluation information determined for the data element are associated with the classification information.
  • a storage function for storing in the storage unit, and when new data is acquired as unknown data, based on the emotion evaluation information stored in the storage unit, the unknown that evaluates the emotion of the user who created the unknown data Realize data evaluation function.
  • the data evaluation system can evaluate the emotion of the user who created the unknown data by using the data element indicating the emotion expression. Therefore, for example, if an emotion of a user who created an email exchanged as unknown data in an organization is evaluated, it is possible to detect whether or not the organization is dissatisfied.
  • the emotion evaluation unit may calculate the frequency at which the data element appears in training data classified as a predetermined emotion and the training data not classified as the predetermined emotion.
  • the degree may be determined as the emotion evaluation information for the data element based on the appearance frequency.
  • the data evaluation system can determine the degree of reflection of the user's emotion based on the frequency of appearance of the data element. It can be presumed that the frequently appearing data elements are closely related to the user's emotions, and the rarely appearing data elements are not much related to the user's emotions.
  • the unknown data evaluation unit extracts a data element from the unknown data, and stores emotion evaluation information associated with the data element It is good also as evaluating the emotion of the user who acquired from the section and created the unknown data based on the acquired emotion evaluation information.
  • the data evaluation system can evaluate the emotion of the user who created the unknown data based on the emotion evaluation information previously associated with the data element included in the unknown data.
  • the unknown data evaluation unit is further based on a frequency at which the data element appears in the unknown data and emotion evaluation information associated with the data element.
  • the emotion of the user who created the unknown data may be evaluated.
  • the unknown data evaluation unit supports a data element when the data element extracted from the unknown data is modified by exaggeration expression. It is good also as evaluating the emotion of the user who created the unknown data by increasing the degree indicated as the attached emotion evaluation information.
  • the exaggerated expression modifies the data element to the unknown data, it can be considered that the degree of relevance of the data element with the user's emotion is deeper. Therefore, when evaluating the emotion of the user who created the unknown data, the emotion of the user who created the unknown data can be more accurately evaluated by taking into account whether or not there is a modification by exaggeration.
  • the unknown data evaluation unit is configured to perform processing when the data element extracted from the unknown data is modified with a negative expression. It is good also as reducing the degree shown as emotion evaluation information matched with the element, and evaluating the emotion of the user who created the unknown data.
  • the data element is modified with a negative expression, it can be considered that the user created unknown data with an emotion opposite to that of the data element. Therefore, when evaluating the emotion of the user who created the unknown data, it is possible to more accurately evaluate the emotion of the user who created the unknown data by taking into account whether there is a modification by negative expression.
  • the data evaluation system further includes a presentation unit that presents evaluation information related to a user's emotion evaluated by the unknown data evaluation unit. It is good as well. Thereby, the user can recognize the emotion of the user who created the unknown data.
  • the unknown data is an e-mail
  • the unknown data evaluator is configured to acquire the e-mail as the unknown data.
  • the emotion of the user who created the e-mail may be evaluated based on the emotion evaluation information stored in the storage unit.
  • the unknown data is an electronic mail
  • the data evaluation system further includes a user's evaluation evaluated by the unknown data evaluation unit. It is good also as providing the estimation part which estimates the human relationship between the user who created the said email, and the other user designated as the destination of the said email based on emotion.
  • the data evaluation system can estimate the person correlation between the user and the person who is the destination of the e-mail based on the unknown data, that is, the emotion of the user included in the e-mail. . Therefore, the data evaluation system can provide support when creating a person correlation diagram, for example.
  • the present invention can be widely applied to an arbitrary computer such as a personal computer, a server device, a workstation, or a mainframe.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Social Psychology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Educational Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

　ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得部と、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価部と、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納部と、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価部とを備える。

Description

データ評価システム、データ評価方法、およびデータ評価プログラム
　本発明は、データを分析するデータ評価システム、データ評価方法、およびデータ評価プログラムに関する。
　近年、数多の情報が溢れ、各種の情報に触れる機会が多い。特に、ウェブブラウジングにより、各種の情報に触れる場合が多い。そのため、膨大な情報の中から、ユーザにとって有益な情報を探索するのが困難になりつつある。そこで、数多くある情報について、ユーザが一般的にどのような印象を抱くのかを推測できれば、その情報にふれるか否かの指標とすることができる。
　このような推測技術としては、特許文献１がある。特許文献１には、テキストデータ中において、「うれしい」、「悲しい」、「怒る」、「喜ぶ」という４つの感情表現と共起する対象語を選定し、選定した対象語の重み値を算出することが開示され、当該対象語の重み値を用いてテキストデータを評価することが開示されている。
特開２００７－１８２３４号公報
　しかしながら、上記特許文献１に記載の手法では、ユーザが一般的に抱く可能性がある印象とは異なる印象を推論した結果を出力することがあるという問題がある。
　そこで、本発明においては、上記問題に鑑みて、ユーザがどのような感想を抱いたのかを推測できるデータ評価システム等を提供することを目的とする。
　上記課題を解決するために、本発明の一実施態様に係るデータ評価システムは、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得部と、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価部と、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納部と、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価部とを備える。
　また、本発明の一実施態様に係るデータ評価方法は、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得ステップと、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価ステップと、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納ステップと、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価ステップとを含む、コンピュータが実行するデータ評価方法である。
　また、本発明の一実施態様に係るデータ評価プログラムは、コンピュータに、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得機能と、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価機能と、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納機能と、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価機能とを実現させる。
　また、前記感情評価部は、前記データ要素が、所定の感情に分類される訓練データに出現する頻度と、前記所定の感情に分類されない訓練データに出現する頻度とに基づいて、前記度合を、当該データ要素に対する前記感情評価情報として決定することとしてもよい。
　また、前記未知データ評価部は、前記未知データからデータ要素を抽出し、当該データ要素に対応付けられている感情評価情報を前記記憶部から取得し、当該取得した感情評価情報に基づいて前記未知データを作成したユーザの感情を評価することとしてもよい。
　また、前記未知データ評価部は、さらに、前記未知データに前記データ要素が出現する頻度と、当該データ要素に対応付けられた感情評価情報とに基づいて、当該未知データを作成したユーザの感情を評価することとしてもよい。
　また、前記未知データ評価部は、前記未知データから抽出したデータ要素に誇張表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を増大させて、前記未知データを作成したユーザの感情を評価することとしてもよい。
　また、前記未知データ評価部は、前記未知データから抽出したデータ要素に否定表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を減少させて、前記未知データを作成したユーザの感情を評価することとしてもよい。
　また、前記データ評価システムは、さらに、前記未知データ評価部が評価したユーザの感情に関する評価情報を提示する提示部を備えることとしてもよい。
　また、前記未知データは、電子メールであり、前記未知データ評価部は、前記電子メールが前記未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該電子メールを作成したユーザの感情を評価することとしてもよい。
　また、前記未知データは、前記未知データは、電子メールであり、前記データ評価システムは、さらに、前記未知データ評価部により評価されたユーザの感情に基づいて、前記電子メールを作成したユーザと当該電子メールの宛先として指定された他のユーザとの間の人間関係を推定する推定部を備えることとしてもよい。
　また、前記未知データは、ウェブサイトに含まれるデータであり、前記未知データ評価部は、前記ウェブサイトに含まれるデータが前記未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該ウェブサイトに含まれるデータを作成したユーザの感情を評価することとしてもよい。
　本発明の一態様に係るデータ評価システム、データ評価方法、およびデータ評価プログラムは、データを作成したユーザが抱いた感情を推測することができる。
実施の形態に係るデータ評価システムの機能構成を示すブロック図である。 実施の形態に係るデータ評価の際に参照するウェブページの構成の一例を示す図である。 データ分析のための訓練データの作成処理を示すフローチャートである。 未分類データを作成したユーザの感情を評価する処理を示すフローチャートである。
＜実施の形態＞
　本発明に係るデータ評価システムの一実施態様について、図面を参照しながら説明する。
＜概要＞
　本実施の形態に係るデータ評価システムは、ユーザが商品や、映画、番組などに対して与えた批評（訓練データ）に基づいて、未知データ（文書データ（例えば、電子メール、プレゼンテーション資料、表計算資料、打ち合わせ資料、契約書、組織図、事業計画書など、少なくとも一部にテキストを含むデータ）を主に指すが、画像データ、音声データ、映像データなど、任意のデータを広く含む）を作成した、ユーザがどのような感情を抱いたのか（例えば、好印象を抱いたのか、あるいは、悪印象を抱いたのか）を推測する。
　一般に、オンライン商品サイトや、レストランガイドなどにおいては、ユーザのコメントとともに、そのユーザの商品に対する評価値が記載されているサイトが多い。
　そこで、発明者らは、これらのコメントと評価とに基づいて訓練データ（training data）を作成し、当該訓練データに基づいて、未知データを評価することによって、例えば、ある商品に対して、ユーザが好印象を抱いたのか、あるいは、悪印象を抱いたのかを推測することを思索した。すなわち、高評価のコメントに含まれるデータ要素と、低評価のコメントに含まれるデータ要素とを特定し、それぞれのデータ要素の評価値を定めることで、新たなデータ（未知データ）を評価する際の指標とすることに想到した。
　これは、例えば、テキストデータの場合であれば、評価の高い複数のコメントでは共通の単語（例えば、「良かった」、「楽しかった」）が用いられることが多く、評価の低い複数のコメントにおいても異なる共通の単語（例えば、「悪かった」、「つまらなった」）が用いられることが多いという点に気づいた発明者らの思索に基づく。
　そして、これらの単語（データ要素）として、感情表現を示す単語（例えば、形容詞、形容動詞、副詞など）を用いることで、ユーザがどのような感情にしたがって新たなデータ（未知データ）を作成したのかを推測しやすいことにも想到した。
　以下、本発明に係るデータ評価システムにおいて、評価に用いる語の選出ならびにその評価値の決定手法、および、その評価値を用いて新たなデータを評価する手法を詳細に説明する。
＜構成＞
　図１は、データ評価システム１００の機能構成を示すブロック図である。
　図１に示すように、データ評価システム１００は、通信部１１０と、入力部１２０と、制御部１３０と、記憶部１４０と、表示部１５０とを含む。
　通信部１１０は、ネットワークを介して外部の装置と通信を実行する機能を有する。通信部１１０は、評価と対応するコメント（ウェブサイトに含まれるデータ）が記載されたウェブページにアクセスして当該ウェブページの情報を収集し、記憶部１４０に格納する機能を有する。また、通信部１１０は、ユーザ端末との通信が確立できる場合に、制御部１３０から伝達された結果情報（評価対象のデータが好印象を抱くものかあるいは悪印象を抱くものかを示す情報）を、当該ユーザ端末に送信する機能も有する。
　入力部１２０は、ユーザからの入力を受け付けて、ウェブページに対する評価およびコメントの入力を受け付ける機能を有する。入力部１２０は、受け付けた入力内容を制御部１３０に伝達する。
　制御部１３０は、記憶部１４０に記憶されている各種データを参照しながら、データ評価システム１００の各部を制御する機能を有するプロセッサである。制御部１３０は、データ評価システム１００が有する各種機能を統括的に制御する。
　制御部１３０は、データ抽出部１３１と、評価情報受付部１３２と、データ分類部１３３と、要素抽出部１３４と、感情抽出部１３５と、感情評価部１３６と、評価格納部１３７と、未分類データ評価部１３８と、提示部１３９とを含む。
　データ抽出部１３１は、記憶部１４０に記憶されているウェブページに係る情報群から必要に応じたデータを抽出する機能を有する。データ抽出部１３１は、記憶部１４０に記憶されている評価と当該評価に対応するコメントとを含む分類データをデータ分類部１３３に伝達する。また、データ抽出部１３１は、評価されていないデータを記憶部１４０から取得し、未分類データ評価部１３８に伝達する。
　評価情報受付部１３２は、ユーザのある対象についての評価およびコメントを入力部１２０から受け付けてデータ分類部１３３に伝達する機能を有する。ここで、対象は、批評の対象になるものであれば、どのようなものであってもよく、例えば、何らかの商品や食事、番組などであってよい。
　データ分類部１３３は、データ抽出部１３１から受け付けた分類データを分類する機能を有する。ここでは、データ分類部１３３は、分類データに含まれる評価に基づいて分類する。具体的には、分類データは、☆の数で５段階に評価されているものとし、☆の数が多いほど高評価、すなわち、ユーザが当該分類データの対象に対して好印象を抱いたものとする。そして、データ分類部１３３は、☆の数が４または５の分類データを「高評価（好印象）」と分類し、☆の数が１または２の分類データを「低評価（悪印象）」と分類する。データ分類部１３３は、例えば、分類データに分類を示す分類情報（フラグ情報）をデータに対応付けることで、当該データを分類する。
　要素抽出部１３４は、データ分類部１３３により分類情報が対応付けられた分類データから、データ要素を抽出する機能を有する。ここで、要素抽出部１３４は、例えば、（１）データが文書データの場合、当該文書データに含まれるキーワード（いわゆる、形態素）、センテンス、段落などをデータ要素として抽出し、（２）データが音声データの場合、当該音声データに含まれる部分音声をデータ要素として抽出し、（３）データが画像データの場合、当該画像データに含まれる部分画像をデータ要素として抽出し、（４）データが映像データの場合、当該映像データに含まれるフレーム画像（または、複数のフレーム画像の組み合わせ）をデータ要素として抽出することができる。
　なお、要素抽出部１３４は、所定の選定基準に従って抽出するデータ要素を決定する。要素抽出部１３４は、データが文書データの場合、いわゆる形態素解析を用いてデータ要素を抽出してよい。また、要素抽出部１３４は、入力部１２０を介してユーザに指定されたデータ要素を抽出することもできる。要素抽出部１３４は、抽出したデータ要素を感情抽出部１３５に伝達する。
　感情抽出部１３５は、伝達されたデータ要素のうち、感情表現を示すデータ要素を抽出する機能を有する。ここでは、感情表現を示すデータ要素としては、形容詞、形容動詞、副詞を用いることとする。なお、これらの品詞以外の品詞を用いてもよい。感情抽出部１３５は、抽出した感情表現を示すデータ要素を感情評価部１３６に伝達する。
　感情評価部１３６は、データ要素（例えば、形容詞、形容動詞に該当する形態素）についての感情マーカー（感情評価情報）を生成する。当該感情マーカーは、ユーザが好印象を抱くか、あるいは、悪印象を抱くかの指標となる値である。すなわち、感情マーカーは、データ要素がユーザの感情を反映する度合を示すものと言える。
　感情評価部１３６は、以下のようにして感情マーカーを生成する。
　感情評価部１３６は、まず、データ分類部１３３により好印象を抱いていると分類された１以上の分類データ（すなわち、☆の数が４または５である分類データ）において、ある感情表現に係るデータ要素（以下データ要素Ａとする）が出現する回数ＡＦをカウントする。そして、感情評価部１３６は、好印象を抱いていると判定された分類データ全てにおいて上記データ要素Ａが出現する頻度ＲＦＰを算出する。
　当該頻度ＲＦＰは、以下の数式（１）により算出することができる。
Figure JPOXMLDOC01-appb-M000001
 　上記式（１）において、ＮＰは、判定に用いる好印象の１以上の分類データに含まれる全データ要素数である。
　次に、感情評価部１３６は、悪印象を抱いていると判定された１以上の分類データ（すなわち、☆の数が１または２である分類データ）において、上記データ要素Ａが出現する回数ＡＮをカウントする。そして、感情評価部１３６は、悪印象を抱いていると判定された分類データ全てにおいて上記データ要素Ａが出現する頻度ＲＦＮを算出する。
　当該頻度は、以下の数式（２）により算出することができる。
Figure JPOXMLDOC01-appb-M000002
 　上記式（２）において、ＮＮは、判定に用いる悪印象の１以上の分類データに含まれる全データ要素数である。
　感情評価部１３６は、式（１）と式（２）とを用いて算出された頻度を用いてデータ要素Ａの感情マーカーを生成する。具体的には、感情評価部１３６は、感情判定指標値Ｐ（Ａ）を以下の数式（３）を用いて算出する。
Figure JPOXMLDOC01-appb-M000003
　そして、感情評価部１３６は、感情判定指標値Ｐ（Ａ）が１よりも大きい場合に、データ要素Ａを好印象を抱くデータに用いられることが多いデータ要素として、その感情マーカーとして「＋１」を指定し、感情判定指標値Ｐ（Ａ）が１よりも小さい場合に、データ要素Ａを、悪印象を抱くデータに用いられることが多いデータ要素として、その感情マーカーとして「－１」を指定し、評価格納部１３７に伝達する。
　これにより、記憶部１４０には、好印象の文書に用いられることが多い語には感情マーカーとして「＋１」が、悪印象の文書に用いられることが多い語には感情マーカーとして「－１」が、格納される。例えば、「良い」、「きれい」、「おいしい」というような語には「＋１」がつきやすく、「悪い」、「汚い」、「まずい」というような語には「－１」がつきやすい。
　感情評価部１３６は、算出した各データ要素の評価値と閾値とを評価格納部１３７に伝達する。
　評価格納部１３７は、感情評価部１３６により評価された各データ要素とその評価を対応付けて記憶部１４０に格納する機能を有する。
　未分類データ評価部１３８は、入力された好印象なのか悪印象なのか不明なデータ（以下、未分類データという）について、好印象であるか悪印象であるかを推定する機能を有する。
　未分類データ評価部１３８は、未分類データから、データ要素を抽出する。そして、抽出したデータ要素のうち、感情表現に係るデータ要素を抽出する。すなわち、未分類データ評価部１３８は、記憶部１４０において、感情マーカーが設定されているデータ要素を抽出する。
　そして、未分類データ評価部１３８は、抽出したデータ要素それぞれの感情マーカー値を、記憶部１４０から取得する。
　未分類データ評価部１３８は、当該データ要素の感情マーカーを取得し、未分類データに出現する回数だけ、その感情マーカー値を加算する。例えば、「良い」というデータ要素に対して設定されている感情マーカーが「＋１」で、未分類データに５回出現する場合に、未分類データの「良い」というデータ要素に基づく感情スコアを「５」とする。また、例えば、「悪い」というデータ要素に対して設定されている感情マーカーが「－１」で、未分類データに３回出現する場合に、未分類データの「悪い」というデータ要素に基づく感情スコアを「－３」とする。
　このとき、未分類データ評価部１３８は、否定表現または誇張表現がデータ要素に係っているか否かを判定し、係っている場合には以下の処理を適用した上で感情スコアを算出する。
　否定表現とは、データ要素を否定する表現であり、例えば、「良くない」、「おいしくない」というような表現である。このような表現がある場合には、これらは逆の表現として扱い、例えば、「良くない」であれば「悪い」とし、「おいしくない」であれば「まずい」として扱う。なお、ここでは、逆の表現として扱うこととしたが、これは、例えば、「良い」という表現に対して、「＋１」の感情マーカーが設定されている場合に、これを負の値にすることとしてもよい。あるいは、感情マーカーとして設定されている値を所定量（例えば、１．５）だけ減少させることとしてもよい。また、更には、否定を否定する、すなわち、二重否定表現があるか否かを検出し、二重否定表現がある場合には、データ要素を肯定的に判定することとしてもよい。
　また、誇張表現とは、データ要素をより誇張（強調）する表現であり、例えば、「とても」、「すごく」、「大変」というような表現のことを指す。このような誇張表現がデータ要素にかかっている場合には、その感情マーカー値を所定倍（例えば、２倍）にして感情スコアを算出する。例えば、「とてもおいしい」という表現がある場合であって、「おいしい」の感情マーカー値が「＋１」であるときには、この表現に対する感情スコアを「＋２」とする（増大させる）。なお、所定倍にするデータ要素は、誇張表現がかかっているデータ要素のみである。
　こうして、未分類データ評価部１３８は、下記数式（４）に示すように、全てのデータ要素に基づく感情スコアを算出し、合算して未分類データのデータスコアＳを算出する。
Figure JPOXMLDOC01-appb-M000004
 　ｓｉは、ｉ番目のデータ要素の感情マーカーである。
　そして、未分類データ評価部１３８は、そのデータスコアが、０よりも大きい場合に、未分類データを好印象を抱きやすいデータであると推測し、データスコアが０未満である場合に、未分類データを悪印象を抱きやすいデータであると推測する。未分類データ評価部１３８は、データスコアが０の場合は、どちらでもないと判定する。
　未分類データ評価部１３８は、推測して得られた評価（好印象を抱きやすいのか、悪印象を抱きやすいのかの推測）を提示部１３９に伝達する。
　提示部１３９は、未分類データ評価部１３８により未分類データについて好印象を抱きやすいデータであるのか、悪印象を抱きやすいデータであるのかを示す結果情報を提示する機能を有する。提示部１３９は、結果情報を通信部１１０を介してユーザ端末に送信するか、または、表示部１５０に伝達する。
　記憶部１４０は、データ評価システム１００が、データ分析のために用いるために必要とするプログラムおよび各種データを記憶する機能を有する記録媒体である。記憶部１４０は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、半導体メモリ、フラッシュメモリなどにより実現される。なお、図１では、データ評価システム１００が記憶部１４０を備える構成を示しているが、記憶部１４０は、データ評価システム１００外部のものであって、データ評価システム１００と通信可能に接続された記憶装置であってもよい。
　表示部１５０は、制御部１３０から出力された表示データに基づく画像を表示する機能を有するモニターである。表示部１５０は、例えば、ＬＣＤ（Liquid Crystal Display）や、ＰＤＰ（Plasma Display Panel）、有機ＥＬ（Electro Luminescence）ディスプレイなどにより実現されてよい。本実施の形態においては、表示部１５０は、提示部１３９から伝達された結果情報を表示する。
＜ウェブページ＞
　ここで、ウェブページについて簡単に説明する。
　図２は、ウェブページの構成の一例を示す図であって、複数のユーザが評価およびコメントを付記したページを示している。図２のウェブページ２００は、オンラインショッピングサイトのページ例である。
　図２に示すウェブページ２００は、商品写真Ａ２１０、商品写真群２２０、商品情報欄２３０、コメント２４１～２４４を含む。
　商品写真Ａ２１０は、商品を撮影した外観写真である。
　商品写真群２２０は、商品を別の角度から撮影した外観写真のサムネイルである。当該サムネイルをクリックすると、外観写真Ａ２１０が表示されている領域に選択した写真が表示される。
　商品情報欄２３０は、商品の値段や寸法などの説明が記載される。
　コメント２４１～２４４は、商品を見た、あるいは、商品を使用したユーザが抱いた感想が書き込まれた情報である。
　図２に示すように、各コメント２４１～２４４は、書き込んだユーザの名前、そのユーザが商品に対して下した評価、および、感想を含む。ここでは、評価は、☆で表現され、５段階評価されている。☆の数が多いほど高評価（好印象）が対象（商品）に与えられたことを意味する。
　これらのコメント一つ一つを、本実施の形態においては分類データとして扱う。
　なお、図２に示したウェブページの構成は一例であり、ウェブページには様々な形態の構成のものがあることは言うまでもない。
＜動作＞
　図３は、データ評価システム１００が、評価とコメントを含むウェブページの分類データを分析し、感情表現を示すデータ要素の評価を算出する際の動作を示すフローチャートである。
　図３に示すように、データ評価システム１００のデータ抽出部１３１は、評価とコメントを含むウェブページを分類データとして記憶部１４０から収集する（ステップＳ３０１）。
　次に、データ評価システム１００のデータ分類部１３３は、分類データに含まれる評価に基づいて、当該分類データが好印象なデータであるか否かを分類する（ステップＳ３０２）。
　要素抽出部１３４は、分類データからデータ要素を抽出する（ステップＳ３０３）。
　感情抽出部１３５は、要素抽出部１３４が抽出したデータ要素のうち、感情表現を示すデータ要素を抽出する（ステップＳ３０４）。
　感情評価部１３６は、感情抽出部１３５が抽出した感情表現を示すデータ要素各々を評価し、その評価値を評価格納部１３７に伝達する（ステップＳ３０５）。
　評価格納部１３７は、伝達されたデータ要素と、その評価値を対応付けて記憶部１４０に格納する（ステップＳ３０６）。
　以上が、データ要素の各評価を決定するまでのデータ評価システム１００の動作である。図３に示す処理は、未分類のデータを、好印象を抱きやすいデータであるか、あるいは、悪印象を抱きやすいデータであるかを分類するために、いろいろなユーザがある対象に対して下した評価（分類情報）とコメントとを訓練データとして取得し、当該訓練データに含まれるデータ要素を評価する処理である。図３に示す処理により、ユーザがアクセスしたことがないウェブページの中からユーザにとって興味があると推測されるウェブページを特定するための前処理が完了する。
　図４は、好印象のデータであるのか、悪印象のデータであるのかの分類が未分類の未分類データを分類する際のデータ評価システム１００の動作を示すフローチャートである。
　データ評価システム１００の入力部１２０または通信部１１０は、好印象か悪印象か未分類のデータを分類対象の新たなデータとして受け付ける（ステップＳ４０１）。当該データは、記憶部１４０に記憶される。
　未分類データ評価部１３８は、記憶部１４０に記憶された未分類データをデータ抽出部１３１から受け付けると、当該未分類データからデータ要素を抽出する（ステップＳ４０２）。
　未分類データ評価部１３８は、抽出したデータ要素のうち、感情表現を示すデータ要素（ここでは、形容詞、形容動詞、副詞）を抽出する（ステップＳ４０３）。
　未分類データ評価部１３８は、抽出した感情表現を示すデータ要素の感情マーカーを記憶部１４０から取得する。そして、未分類データ評価部１３８は、取得した感情マーカーに基づいて、各データ要素の登場回数および否定表現、誇張表現を加味した上で、未分類データのスコアを算出する。そして、未分類データ評価部１３８は、算出したスコアが正の値を示す場合に、当該未分類データは好印象を抱きやすいデータであるとの結果情報を生成し、算出したスコアが負の値を示す場合に、当該未分類データは悪印象を抱きやすいデータであるとの結果情報を生成する（ステップＳ４０４）。
　生成された結果情報は、提示部１３９により、通信部１１０または表示部１５０に出力されてユーザに提示される。
　図４に示す処理を実行することにより、データ評価システム１００は、未分類データについて、好印象の（肯定的な）データであるのか、悪印象の（否定的な）データであるのかの推定を行うことができる。
＜まとめ＞
　上述の処理により、データ評価システム１００は、入力されたデータが好印象（肯定的）なものであるのか、悪印象（否定的）なものであるのかを評価することができる。したがって、データの内容の詳細を知らずとも、ユーザは、そのデータの内容を想像し得る。また、未分類データを分類するために用いるデータ、すなわち、訓練データとして、すでにウェブページ上においてなされている評価とそのコメントを使用するので、客観的な意見を訓練データとして扱うことができる。したがって、データ評価システム１００のオペレータがデータについて肯定的か否定的かの判断を行い、その入力をする煩雑さがなく、また、多くの一般ユーザの意見を用いていることから、普遍的で汎用性の高いモデル（感情マーカー）を作成することができる。
＜変形例＞
　上記実施形態１に本発明に係る発明の一実施態様を説明したが、本発明に係る思想がこれに限られないことは言うまでもない。以下、本発明に係る思想として含まれる各種変形例について説明する。
　（１）上記実施の形態においては、感情マーカーは、肯定的なものである場合に「＋１」、否定的なものである場合に「－１」とすることとしたが、これはその限りではない。
　即ち、データ要素について、感情マーカーの値に軽重をつけることとしてもよい。
　例えば、データ要素が分類データに出現する頻度に応じて、軽重をつけてもよい。よく出現するデータ要素については、感情マーカーの値を大きくし（例えば、１．８）、あまり登場しないデータ要素については、感情マーカーの値を小さくする（例えば、０．５）こととしてもよい。
　（２）上記実施の形態においては、未分類データ評価部１３８は、感情表現を示すデータ要素の感情マーカーの値の合算値を算出することにより、未分類データを評価したが、これはその限りではない。
　例えば、データ要素についての感情マーカーの値を要素とするベクトルを生成し、未分類データからは感情表現に係るデータ要素について抽出数を示すベクトルを生成し、それらのベクトルの内積を求めて、未分類データのスコアを算出することとしてもよい。
　また、あるいは、未分類データ評価部１３８は、以下の式（５）を用いて、データ要素の出現頻度を重視して、未分類データのスコアＳを算出してもよい。
Figure JPOXMLDOC01-appb-M000005
 　ここで、ｍjは、ｊ番目のキーワードの出現頻度を表し、ｗiは、ｉ番目の感情表現に係るデータ要素の感情マーカー値を表す。
　（３）上記実施の形態においては、詳細に説明していないが、未分類データ評価部１３８は、データ要素間の共起に基づくスコアを算出することとしてもよい。その手法の詳細をここに説明する。
　例えば、評価対象のウェブページにおいて、感情表現に係るデータ要素として、第１キーワードと第２キーワードとが出現するとする。このとき、未分類データ評価部１３８は、第１キーワードがウェブページにおいて出現する際に、当該ウェブページにおいて、第２キーワードが出現する頻度（第１キーワードと第２キーワードとの間の相関。共起ともいう）を考慮したスコアリングを実行してもよい。
　この場合、未分類データ評価部１３８は、第１キーワードと第２キーワードとの相関（共起）を表す相関行列（共起行列）Ｃを用いて、上記式（２）に換えて、以下の式（６）にしたがってスコアを算出することとしてもよい。
Figure JPOXMLDOC01-appb-M000006
　なお、上記相関行列Ｃは、所定のテキストを所定数だけ含む学習用データを用いて、予め最適化されているものとする。また、行列ｗは、感情マーカーの値を示す行列である。例えば、あるテキストにおいて「楽しい」というキーワードが出現する場合、当該キーワードに対する他のキーワードの出現数を０～１の間に正規化した値（最尤推定値ともいう）が、上記相関行列Ｃの要素に格納される。
　式（６）を用いることにより、キーワード間の相関関係を考慮したスコアを算出できるため、より高い精度でユーザが興味を示す可能性が高いウェブページを推測することができる。
　（４）上記実施の形態においては、感情評価の対象となるデータとして、ウェブページ情報を用いたが、これはその限りではない。分類対象となるデータ群としては、例えば、メールデータ群や、医療カルテデータ群、訴訟関連データ群などであってもよい。
　（５）上記実施の形態においては、文書情報（テキスト）を分析する例を説明したが、上述したように、音声や画像、映像に対する分析を行ってもよい。
　例えば、音声の場合であれば、音声そのものを分析の対象としてもよいし、音声認識により音声を文書に変換したうえでの分析を実行してもよい。
　音声そのものを分析する場合には、音声を所定の長さの部分音声に分割して、部分音声を分析の対象とする。例えば、「この映画が面白い」という音声が得られた場合、データ評価システム１００は、「面白い」という部分音声を当該音声から抽出し、当該部分音声を評価した結果に基づいて、その感情マーカーを生成することができる。このような場合、データ評価システム１００は、時系列データの分類アルゴリズム（例えば、マルコフモデル、カルマンフィルタなど）を利用して音声を分類できる。
　音声をテキストに変換する場合には、上記実施の形態に示した場合と同様に分類すればよい。音声のテキストへの変換には、任意の音声認識アルゴリズム（例えば、隠れマルコフモデルを用いた認識方法など）を用いればよい。
　（６）上記実施の形態に示したデータ評価システム１００が評価する対象としては、以下にも適用することができる。
　例えば、医療応用システム（電子カルテ、看護記録、患者の日記などをデータとして、傷病者の感情推測を行うシステム）に適用できる。この場合、医療応用システムは、分類データ（例えば、電子カルテ、看護記録、患者の日記など）に含まれる感情表現を示すデータ要素を抽出し、当該データが肯定的なものであるか、あるいは、否定的なものであるかに基づいて評価する。このとき、分類データについて、肯定的なデータであるかあるいは否定的なデータであるかの判断をユーザが行って、入力部１２０から入力する。
　そして、未分類データ評価部１３８は、未分類データ（例えば、電子カルテ、看護記録、患者の日記など）に含まれる感情表現）に基づいて患者の心理状況（例えば、現在の傷病の状態に不安を感じている、あるいは、快方に向かうのか不安に感じているなどの心理）の推測を行うことができる。
　また、データ評価システム１００は、メール監査システムに適用することもできる。この場合、メール監査システムは、分類データ（例えば、ネットワーク上を日々流通する電子メール）について、ユーザがその内容から、例えば、不満を感じているか否か（あるいは、不正を行う可能性があるか否か）の評価を行う。そして、その評価に基づいて感情表現に係るデータ要素を当該分類データから抽出して、不満を感じているか否かに基づく感情マーカーを生成する。
　そして、未分類データ評価部１３８は、未分類データ（例えば、新たな電子メール）を、当該感情マーカーに基づいて評価する。これによって、例えば、会社内において、メールを作成した社員が、会社に対して不平、不満を感じているか否か（あるいは不正を働きそうか）を推測して、社員による不正行為（例えば、情報漏洩）のリスクを未然に防止することができる。また、その際には、未分類データの作成者が不平、不満を感じていると評価された未分類データが、何に対して不平、不満（例えば、報酬に対する不満、労務環境に対する不満など）を感じているのかについて、クラスタリングすることにより、例えば、「不平・不満を表現していない：９２％、報酬に対する不満を表現している：３％、労務環境に対する不満を表現している：２％、その他：３％」というように、不平・不満を表現するメールが占める割合を可視化することができる。
　また、更には、電子メールについては、当該電子メールに含まれる感情表現に基づいて、人物相関図の作成にも利用することができる。例えば、ある組織内部において、立場が下位の者から上位の者に対して電子メールを送信する際には、ネガティブな内容を含むメールを送信しにくい一方で、立場が上位の者から下位の者に対して電子メールを送信する際には、比較的送信しやすいことから、感情分析の結果と電子メールの送信者と宛先とから、組織内のメンバーの上下関係を推測することができる。上記データ評価システム１００は、そのために当該相関関係を推定する推定部を含んで良い。例えば、推定部は、Ａという人物からＢという人物に対して送信された所定数の電子メールから、データ要素を抽出して、電子メールを作成したユーザＡの感情を肯定的なものが多いか、否定的なものが多いかを検出する。そして、推定部は、肯定的なものが多いと検出された場合にはＡという人物はＢという人物よりも立場的に下位の人物であると推定し、肯定的なものが多いと検出された場合にはＡという人物はＢという人物よりも立場的に上位の人物であると推定する。
　さらに、データ評価システム１００は、実績評価システムにも適用することができる。この場合、当該実績評価システムは、分類データ（例えば、営業部員が会社に提出する日報、コンサルタントが顧客に提出する分析資料、何等かの企画についてのユーザアンケート）について肯定的か否定的かを評価し、分類データに含まれる感情表現を示すデータ要素を評価する。そして、未分類データとして、例えば、店舗におけるユーザアンケートから感情分析を行って、店舗の運営状況（例えば、客が店員の接客態度に対する不満を抱いているか否か、商品の陳列状況に満足しているか否かなど）の判断材料にすることができる。
　さらに、データ評価システム１００は、知的財産評価システム、マーケティング支援システム、ドライビング支援システムなどにも適用することができる。
　さらに、データ評価システム１００は、ディスカバリー支援システムにも適用することができる。ディスカバリー支援システムは、例えば、カルテル防止のために、対象（例えば、企業）において、やり取りされる複数のメールに対して感情分析を行って、金銭に対する感情（例えば、安い、高い）をもって作成されたと推測されるメールを特定することが考えられる。
　さらに、データ評価システム１００は、フォレンジックシステムにも適用することができる。フォレンジックシステムは、例えば、容疑者がやり取りしたメールの感情分析を行って、悪意をもって作成されたと推定されるメールを特定し、不正に及んだ動機、あるいは、不正を行おうとしているかの特定に役立てることができる。
　上記データ評価システムは、少なくとも次の３つの構成で実施され得る。すなわち、上記データ評価システムは、（ａ）クライアント装置（例えば、パーソナルコンピュータ、スマートフォンなどのユーザ端末）において当該データ評価システムを実現させるデータ分析プログラムの一部または全部が実行される構成で実施されてもよいし、（ｂ）サーバ装置（例えば、メインフレーム、クラスタコンピュータ、上記システムによるサービスを外部の機器に提供可能な任意のコンピュータなど）において上記データ分析プログラムの一部または全部が実行され、当該実行された結果が上記クライアント装置に返される構成で実施されてもよいし、（ｃ）上記データ分析プログラムに含まれる処理を、上記クライアント装置およびサーバ装置において任意に分担する構成で実施されてもよい。言い換えれば、少なくとも１つのコンピュータから構成されるシステムとして上記データ評価システムが実現されてさえいればよく、当該データ評価システムに含まれる各機能は、当該システムを構成するコンピュータによって任意に分担して実現され得る。
　このように、本発明のデータ評価システムは、種々のシステムにおいて利用される各種のデータに含まれる感情分析を行うことで、目的を達成する任意のシステムに適用することができる。
　（７）上記実施の形態に示したデータ評価システムは、分類データとして、ＳＮＳやニュースサイトの情報から感情分析を行うことにより、例えば、世間を騒がす事件（例えば、テロなど）に対するユーザの感情（例えば、不安や焦燥など）を抽出して評価し、未分類データとして組織内の電子メールなどを評価する際に、それらの事件による影響を抽出した感情の評価をオフセットすることで、組織内の電子メールの分析精度を向上させることができる。一般的に、世間の社会情勢の影響を受けて記載された電子メールは、通常の心理状態により作成されたものとは異なる可能性が高いため、電子メールの分析の精度を低下させる一因となるが、当該オフセットを適用することにより、分析精度の低下を抑制することができる。
　（８）上記実施の形態においては、ユーザの感情を評価するにあたっては、ウェブページにおける評価（☆の数が４、５の場合に「良い」という感情、☆の数が１、２の場合に「悪い」という感情）を用いて、２値の値でデータ要素を評価することとしていたが、これはその限りではない。
　例えば、☆が５つの場合に「とても良い」、４つの場合に「良い」、３つの場合に「普通」、「悪い」「とても悪い」というように５つの分類で評価してもよい。
　また、分類データとして、「良い」「悪い」ではなく、他の感情、例えば、「面白い」、「つまらない」という感情、あるいは、「嬉しい」、「悲しい」という感情のように、その他の感情で分類してもよい。
　また、未分類データ評価部１３８は、「良い」「悪い」で評価したデータ要素の感情マーカーと、「面白い」「つまらない」で評価したデータ要素の感情マーカーとを組み合わせて、未分類データを作成したユーザの感情を評価することとしてもよい。
　（９）上記データ評価システム１００の分類データおよび未分類データとしては一例としてウェブページのコメントを利用する例を示したが、これは、その限りではない。分類データや未分類データの対象となるデータとしては、メッセージングサービスにおけるメッセージの内容、ウェブページのブログ、レシピ情報、チャットシステムにおけるチャットの内容、ＳＮＳでやり取りされるデータや記事などであってもよい。
　例えば、ユーザ間でメッセージをやり取りするサービスにおける当該メッセージや、チャットシステムでやり取りされたユーザの発言などに基づいて、ユーザの感情を評価する感情マーカー作成を行ってもよい。また、作成された感情マーカーを用いて、このようなメッセージや発言に基づいて、未分類データ評価部１３８は、ユーザの感情を特定し、過激な思想を持っているか否かを特定し、提示部１３９がそのユーザが危険であるという情報を提示する（インターネットモニタリングシステム）こととしてもよい。
　また、あるいは、ブログ記事を解析して、当該ブログ記事を作成したユーザが悪意をもって作成したと未分類データ評価部１３８が評価した場合に、提示部１３９は、そのブログの保持者が危険思想の人物であるとの情報を提示することとしてもよい。
　また、あるいは、ウェブ記事の内容が肯定的な感情（楽しい、うれしいなど）が多いと未分類データ評価部１３８が評価した場合に、提示部１３９は、そのウェブ記事をユーザに対するおすすめ情報として提示することとしてもよい。当該おすすめ情報は、好感情の多いウェブページにおいて紹介されている商品などであってもよい。
　データ評価システム１００はこのように活用することもできる。
　（１０）データ評価システム１００（情報処理装置）の各機能部は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよい。データ評価システム１００の各機能部は、１又は複数の集積回路により実現されても良いし、複数の機能部が１の集積回路により実現されてもよい。
　あるいは、データ評価システム１００の各機能部により実現される機能は、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。この場合、データ評価システム１００は、各機能を実現するソフトウェアであるデータ評価プログラムの命令を実行するＣＰＵ、上記ゲームプログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記データ評価プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記データ評価プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記データ評価プログラムは、当該ゲームプログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。本発明は、上記データ評価プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。
　なお、上記データ評価プログラムは、例えば、ActionScript、JavaScript（登録商標）などのスクリプト言語、Objective-C、Java（登録商標）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。また、上記データ評価プログラムによって実現される各機能を実現する各部を備えた情報処理装置と、上記各機能とは異なる残りの機能を実現する各部を備えたサーバとを含む分散型のデータ評価システムも、本発明の範疇に入る。
　（１１）本発明を諸図面や実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形や修正を行うことが容易であることに注意されたい。従って、これらの変形や修正は本発明の範囲に含まれることに留意されたい。例えば、各機能部、各ステップ等に含まれる機能等は再配置可能であり、複数の手段やステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。
　（１２）上記実施の形態および各種変形例に示す構成を適宜組み合わせることとしてもよい。
＜補足＞
　ここに本発明に係るデータ評価システムの一実施態様とその効果について述べる。
　（ａ）本発明に係るデータ評価システムは、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データ（分類データ）として取得する取得部（１１０または１２０）と、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報（感情マーカー）として、前記分類情報に基づいて決定する感情評価部（１３６）と、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部（１４０）に格納する格納部（１３７）と、新たなデータが未知データ（未分類データ）として取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価部（１３８）とを備える。
　また、本発明に係るデータ評価方法は、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得ステップと、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価ステップと、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納ステップと、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価ステップとを含む、コンピュータが実行するデータ評価方法である。
　また、本発明に係るデータ評価プログラムは、コンピュータに、ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得機能と、前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価機能と、前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納機能と、新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価機能とを実現させる。
　これにより、データ評価システムは、感情表現を示すデータ要素を用いて、未知データを作成したユーザの感情を評価することができる。したがって、例えば、未知データとして組織内でやり取りされる電子メールを作成したユーザの感情を評価すれば、組織に対する不満を抱いているか否かを検知することができる。
　（ｂ）上記（ａ）に係るデータ評価システムにおいて、前記感情評価部は、前記データ要素が、所定の感情に分類される訓練データに出現する頻度と、前記所定の感情に分類されない訓練データに出現する頻度とに基づいて、前記度合を、当該データ要素に対する前記感情評価情報として決定することとしてもよい。
　これにより、データ評価システムは、データ要素が出現する頻度を基準に、ユーザの感情を反映する度合を決定することができる。頻出するデータ要素は、ユーザの感情に密接に関連し、稀に出現するデータ要素は、ユーザの感情とはあまり関わらないと推定することができる。
　（ｃ）上記（ａ）または（ｂ）に係るデータ評価システムにおいて、前記未知データ評価部は、前記未知データからデータ要素を抽出し、当該データ要素に対応付けられている感情評価情報を前記記憶部から取得し、当該取得した感情評価情報に基づいて前記未知データを作成したユーザの感情を評価することとしてもよい。
　これにより、データ評価システムは、未知データを作成したユーザの感情を、当該未知データに含まれるデータ要素に対して予め対応付けられている感情評価情報に基づいて評価することができる。
　（ｄ）上記（ｃ）に係るデータ評価システムにおいて、前記未知データ評価部は、さらに、前記未知データに前記データ要素が出現する頻度と、当該データ要素に対応付けられた感情評価情報とに基づいて、当該未知データを作成したユーザの感情を評価することとしてもよい。
　感情評価情報が対応付けられたデータ要素が出現すれば出現しただけ、ユーザの感情との関連度合が深いと考えることができる。したがって、未知データにデータ要素が出現する頻度を考慮に入れることで、未知データを作成したユーザの感情をより正確に評価することができる。
　（ｅ）上記（ｃ）または（ｄ）に係るデータ評価システムにおいて、前記未知データ評価部は、前記未知データから抽出したデータ要素に誇張表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を増大させて、前記未知データを作成したユーザの感情を評価することとしてもよい。
　未知データに誇張表現がデータ要素を修飾していた場合、当該データ要素のユーザの感情との関連度合がより深いと考えることができる。したがって、未知データを作成したユーザの感情を評価する際に、誇張表現による修飾があるか否かを加味することで、未知データを作成したユーザの感情をより正確に評価することができる。
　（ｆ）上記（ｃ）～（ｅ）のいずれかに係るデータ評価システムにおいて、前記未知データ評価部は、前記未知データから抽出したデータ要素に否定表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を減少させて、前記未知データを作成したユーザの感情を評価することとしてもよい。
　データ要素に対して否定表現による修飾がされている場合には、そのデータ要素に対する感情とは逆の感情を抱いてユーザが未知データを作成したと考えることができる。したがって、未知データを作成したユーザの感情を評価する際に、否定表現による修飾があるか否かを加味することで、未知データを作成したユーザの感情をより正確に評価することができる。
　（ｇ）上記（ａ）～（ｆ）のいずれかに係るデータ評価システムにおいて、前記データ評価システムは、さらに、前記未知データ評価部が評価したユーザの感情に関する評価情報を提示する提示部を備えることとしてもよい。
　これにより、ユーザは、未知データを作成したユーザの感情を認識することができる。
　（ｈ）上記（ａ）～（ｇ）のいずれかに係るデータ評価システムにおいて、前記未知データは、電子メールであり、前記未知データ評価部は、前記電子メールが前記未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該電子メールを作成したユーザの感情を評価することとしてもよい。
　これにより、例えば、組織内でやり取りされる電子メールを未知データとして取得し、各電子メールを作成したユーザの感情を認識することで、組織への不満を検出し、不正が行われる可能性を抑制することができる。
　（ｉ）上記（ａ）～（ｇ）のいずれかに係るデータ評価システムにおいて、前記未知データは、電子メールであり、前記データ評価システムは、さらに、前記未知データ評価部により評価されたユーザの感情に基づいて、前記電子メールを作成したユーザと当該電子メールの宛先として指定された他のユーザとの間の人間関係を推定する推定部を備えることとしてもよい。
　これにより、データ評価システムは、未知データ、すなわち、電子メールに含まれるユーザの感情に基づいてユーザと、その電子メールの宛先となっている人物との間の人物相関関係を推定することができる。したがって、データ評価システムは、例えば、人物相関図を作成する際の支援を行うことができる。
　本発明は、パーソナルコンピュータ、サーバ装置、ワークステーション、メインフレームなど、任意のコンピュータに広く適用することができる。
１００　データ評価システム
１１０　通信部
１２０　入力部
１３０　制御部
１３１　データ抽出部
１３２　評価情報受付部
１３３　データ分類部
１３４　要素抽出部
１３５　感情抽出部
１３６　感情評価部
１３７　評価格納部
１３８　未分類データ評価部（未知データ評価部）
１３９　提示部
１４０　記憶部
１５０　表示部
 

 

Claims (12)

  1. 　ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得部と、
    　前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価部と、
    　前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納部と、
    　新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価部とを備えたデータ評価システム。
  2. 　前記感情評価部は、前記データ要素が、所定の感情に分類される訓練データに出現する頻度と、前記所定の感情に分類されない訓練データに出現する頻度とに基づいて、前記度合を、当該データ要素に対する前記感情評価情報として決定する
    　ことを特徴とする請求項１に記載のデータ評価システム。
  3. 　前記未知データ評価部は、前記未知データからデータ要素を抽出し、当該データ要素に対応付けられている感情評価情報を前記記憶部から取得し、当該取得した感情評価情報に基づいて前記未知データを作成したユーザの感情を評価する
    　ことを特徴とする請求項１または２に記載のデータ評価システム。
  4. 　前記未知データ評価部は、さらに、前記未知データに前記データ要素が出現する頻度と、当該データ要素に対応付けられた感情評価情報とに基づいて、当該未知データを作成したユーザの感情を評価する
    　ことを特徴とする請求項３に記載のデータ評価システム。
  5. 　前記未知データ評価部は、前記未知データから抽出したデータ要素に誇張表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を増大させて、前記未知データを作成したユーザの感情を評価する
    　ことを特徴とする請求項３または４に記載のデータ評価システム。
  6. 　前記未知データ評価部は、前記未知データから抽出したデータ要素に否定表現による修飾がなされている場合に、当該データ要素に対応付けられている感情評価情報として示される度合を減少させて、前記未知データを作成したユーザの感情を評価する
    　ことを特徴とする請求項３～５のいずれか一項に記載のデータ評価システム。
  7. 　前記データ評価システムは、さらに、前記未知データ評価部が評価したユーザの感情に関する評価情報を提示する提示部を備える
    　ことを特徴とする請求項１～６のいずれか一項に記載のデータ評価システム。
  8. 　前記未知データは、電子メールであり、
    　前記未知データ評価部は、前記電子メールが前記未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該電子メールを作成したユーザの感情を評価する
    　ことを特徴とする請求項１～７のいずれか一項に記載のデータ評価システム。
  9. 　前記未知データは、電子メールであり、
    　前記データ評価システムは、さらに、
    　前記未知データ評価部により評価されたユーザの感情に基づいて、前記電子メールを作成したユーザと当該電子メールの宛先として指定された他のユーザとの間の人間関係を推定する推定部を備える
    　ことを特徴とする請求項１～７のいずれか一項に記載のデータ評価システム。
  10. 　前記未知データは、ウェブサイトに含まれるデータであり、
    　前記未知データ評価部は、前記ウェブサイトに含まれるデータが前記未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該ウェブサイトに含まれるデータを作成したユーザの感情を評価する
    　ことを特徴とする請求項１～７のいずれか一項に記載のデータ評価システム。
  11. 　ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得ステップと、
    　前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価ステップと、
    　前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納ステップと、
    　新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価ステップとを含む、コンピュータが実行するデータ評価方法。
  12. 　コンピュータに、
    　ユーザの感情を表した情報と当該感情を分類する分類情報とを含むデータを、訓練データとして取得する取得機能と、
    　前記訓練データに含まれるデータ要素が前記ユーザの感情を反映する度合を、感情評価情報として、前記分類情報に基づいて決定する感情評価機能と、
    　前記データ要素と当該データ要素に対して決定された感情評価情報とを対応付けて記憶部に格納する格納機能と、
    　新たなデータが未知データとして取得された場合、前記記憶部に格納された感情評価情報に基づいて、当該未知データを作成したユーザの感情を評価する未知データ評価機能とを実現させるデータ評価プログラム。
     
     

     
PCT/JP2015/052777 2015-01-30 2015-01-30 データ評価システム、データ評価方法、およびデータ評価プログラム WO2016121127A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2015/052777 WO2016121127A1 (ja) 2015-01-30 2015-01-30 データ評価システム、データ評価方法、およびデータ評価プログラム
EP15832872.4A EP3089053A4 (en) 2015-01-30 2015-01-30 Data evaluation system, data evaluation method, and data evaluation program
JP2015558254A JP5905652B1 (ja) 2015-01-30 2015-01-30 データ評価システム、データ評価方法、およびデータ評価プログラム
US14/902,325 US20170323013A1 (en) 2015-01-30 2015-01-30 Data evaluation system, data evaluation method, and data evaluation program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/052777 WO2016121127A1 (ja) 2015-01-30 2015-01-30 データ評価システム、データ評価方法、およびデータ評価プログラム

Publications (1)

Publication Number Publication Date
WO2016121127A1 true WO2016121127A1 (ja) 2016-08-04

Family

ID=55755961

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/052777 WO2016121127A1 (ja) 2015-01-30 2015-01-30 データ評価システム、データ評価方法、およびデータ評価プログラム

Country Status (4)

Country Link
US (1) US20170323013A1 (ja)
EP (1) EP3089053A4 (ja)
JP (1) JP5905652B1 (ja)
WO (1) WO2016121127A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018135173A1 (ja) * 2017-01-18 2018-07-26 株式会社Ｉ Ｆｒｏｍ Ｊａｐａｎ ゲーム装置、ゲーム方法、および記録媒体

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10410655B2 (en) * 2017-09-18 2019-09-10 Fujitsu Limited Estimating experienced emotions
WO2019193781A1 (ja) * 2018-04-04 2019-10-10 パナソニックＩｐマネジメント株式会社 感情推定装置、感情推定方法及びプログラム
CN111640040A (zh) * 2020-04-07 2020-09-08 国网新疆电力有限公司 基于客户画像技术的供电客户价值评价方法及大数据平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060200341A1 (en) * 2005-03-01 2006-09-07 Microsoft Corporation Method and apparatus for processing sentiment-bearing text
JP2007018234A (ja) 2005-07-07 2007-01-25 National Institute Of Information & Communication Technology 感情表現語句辞書自動生成方法及び装置、並びにテキストに対する感情尺度評価値自動付与方法及び装置
WO2011079311A1 (en) * 2009-12-24 2011-06-30 Minh Duong-Van System and method for determining sentiment expressed in documents
JP2011180988A (ja) * 2010-03-03 2011-09-15 Tokyo Institute Of Technology 感情極性推定装置、感情極性推定方法及び感情極性推定処理プログラム
JP2012044562A (ja) * 2010-08-20 2012-03-01 Kyocera Corp 携帯端末装置
JP2013246636A (ja) * 2012-05-25 2013-12-09 Nippon Telegr & Teleph Corp <Ntt> 評価表現極性判定装置、方法、及びプログラム

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6622140B1 (en) * 2000-11-15 2003-09-16 Justsystem Corporation Method and apparatus for analyzing affect and emotion in text
US7249312B2 (en) * 2002-09-11 2007-07-24 Intelligent Results Attribute scoring for unstructured content
JP2005032167A (ja) * 2003-07-11 2005-02-03 Sony Corp 情報検索装置、情報検索方法、情報検索システム、クライアント装置およびサーバ装置
JP2005339368A (ja) * 2004-05-28 2005-12-08 Ntt Docomo Inc 感情把握システムおよび感情把握方法
US20080249764A1 (en) * 2007-03-01 2008-10-09 Microsoft Corporation Smart Sentiment Classifier for Product Reviews
US7987188B2 (en) * 2007-08-23 2011-07-26 Google Inc. Domain-specific sentiment classification
KR100917784B1 (ko) * 2007-12-24 2009-09-21 한성주 콘텐트에 대한 코멘트를 기반으로 한 집단 감성 정보 검색방법 및 시스템
US9105008B2 (en) * 2010-11-29 2015-08-11 Yahoo! Inc. Detecting controversial events
US20130097176A1 (en) * 2011-10-12 2013-04-18 Ensequence, Inc. Method and system for data mining of social media to determine an emotional impact value to media content
US9275041B2 (en) * 2011-10-24 2016-03-01 Hewlett Packard Enterprise Development Lp Performing sentiment analysis on microblogging data, including identifying a new opinion term therein
JP2013105232A (ja) * 2011-11-11 2013-05-30 Nippon Telegr & Teleph Corp <Ntt> 感情推定装置及び感情推定方法
JP5895052B2 (ja) * 2012-05-30 2016-03-30 株式会社日立製作所 情報分析システム及び情報分析方法
US9471883B2 (en) * 2013-05-09 2016-10-18 Moodwire, Inc. Hybrid human machine learning system and method
JP5982322B2 (ja) * 2013-05-13 2016-08-31 日本電信電話株式会社 感情推定方法、装置及びプログラム
US20140351079A1 (en) * 2013-05-24 2014-11-27 University College Dublin Method for recommending a commodity
EP3042328A2 (en) * 2013-09-04 2016-07-13 Zero360, Inc. Processing system and method
KR20160065670A (ko) * 2014-12-01 2016-06-09 삼성전자주식회사 컨텐트를 제공하는 방법 및 디바이스
CN107077750A (zh) * 2014-12-11 2017-08-18 英特尔公司 化身选择机制

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060200341A1 (en) * 2005-03-01 2006-09-07 Microsoft Corporation Method and apparatus for processing sentiment-bearing text
JP2007018234A (ja) 2005-07-07 2007-01-25 National Institute Of Information & Communication Technology 感情表現語句辞書自動生成方法及び装置、並びにテキストに対する感情尺度評価値自動付与方法及び装置
WO2011079311A1 (en) * 2009-12-24 2011-06-30 Minh Duong-Van System and method for determining sentiment expressed in documents
JP2011180988A (ja) * 2010-03-03 2011-09-15 Tokyo Institute Of Technology 感情極性推定装置、感情極性推定方法及び感情極性推定処理プログラム
JP2012044562A (ja) * 2010-08-20 2012-03-01 Kyocera Corp 携帯端末装置
JP2013246636A (ja) * 2012-05-25 2013-12-09 Nippon Telegr & Teleph Corp <Ntt> 評価表現極性判定装置、方法、及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3089053A4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018135173A1 (ja) * 2017-01-18 2018-07-26 株式会社Ｉ Ｆｒｏｍ Ｊａｐａｎ ゲーム装置、ゲーム方法、および記録媒体
JP2018114092A (ja) * 2017-01-18 2018-07-26 株式会社Ｉ Ｆｒｏｍ Ｊａｐａｎ ゲーム装置、およびプログラム
JP7008970B2 (ja) 2017-01-18 2022-01-25 株式会社I From Japan ゲーム装置、ゲーム遂行方法、およびプログラム

Also Published As

Publication number Publication date
EP3089053A4 (en) 2017-10-11
US20170323013A1 (en) 2017-11-09
EP3089053A1 (en) 2016-11-02
JP5905652B1 (ja) 2016-04-20
JPWO2016121127A1 (ja) 2017-04-27

Similar Documents

Publication Publication Date Title
Li et al. Is a picture worth a thousand words? An empirical study of image content and social media engagement
Holtzman et al. Linguistic markers of grandiose narcissism: A LIWC analysis of 15 samples
Mostafa Clustering halal food consumers: A Twitter sentiment analysis
US20230252094A1 (en) Computer-implemented system and method for updating user interest profiles
Zhang et al. Sentiment classification of Internet restaurant reviews written in Cantonese
Mostafa More than words: Social networks’ text mining for consumer brand sentiments
Jerez-Fernandez et al. Show me the numbers: Precision as a cue to others’ confidence
US9152625B2 (en) Microblog summarization
WO2016157467A1 (ja) データ分析システム、データ分析方法、データ分析プログラム、および、記録媒体
JP6381775B2 (ja) 情報処理システム及び情報処理方法
JP6301966B2 (ja) データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体
JP5905652B1 (ja) データ評価システム、データ評価方法、およびデータ評価プログラム
Greenstein et al. Anger increases susceptibility to misinformation
Suresh et al. Aspect-based opinion mining and recommendationsystem for restaurant reviews
JP5942052B1 (ja) データ分析システム、データ分析方法、およびデータ分析プログラム
JP6356268B2 (ja) 電子メール分析システム、電子メール分析システムの制御方法、及び電子メール分析システムの制御プログラム
Li et al. Cyberbullying detection using parent-child relationship between comments
WO2016189605A1 (ja) データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体
Alamsyah et al. Measuring Public Sentiment Towards Services Level in Online Forum Using Naive Bayes Classifier and Word Cloud
JP5933863B1 (ja) データ分析システム、制御方法、制御プログラム、および記録媒体
JP6178480B1 (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
Lopez Torres Omicron Tweets Sentiment Analysis
Touati et al. Appraisal of two Arabic opinion summarization methods: statistical versus machine learning
Sinha et al. Sentiment analysis to recognize emotional distress through facebook status updates
WO2016132558A1 (ja) 情報処理装置及び方法並びにプログラム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2015558254

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14902325

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2015832872

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015832872

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15832872

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE