CN109426987A - 评价装置、评价方法、噪声消除装置和程序存储介质 - Google Patents
评价装置、评价方法、噪声消除装置和程序存储介质 Download PDFInfo
- Publication number
- CN109426987A CN109426987A CN201810983108.5A CN201810983108A CN109426987A CN 109426987 A CN109426987 A CN 109426987A CN 201810983108 A CN201810983108 A CN 201810983108A CN 109426987 A CN109426987 A CN 109426987A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- submission
- noise
- submission information
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Abstract
本发明提供一种评价装置,其具有:提供信息取得部,其取得提供信息;投稿信息取得部,其取得由投稿者投稿的投稿信息;噪声消除部,其从投稿信息中的与提供信息的一致程度在规定比例以上的投稿信息中,至少将提供信息中的特定表达作为噪声消除;关联部,其将由提供信息取得部取得的提供信息和消除了噪声的投稿信息建立关联;和评价部,其根据由关联部将提供信息和投稿信息建立关联的结果,来进行所述对象事物的评价。据此,能够不依赖于取得的信息中包含的噪声而评价企业或团体期待的品牌的印象与社会上的反响之间的差距,恰当地评价通过企业或团体进行的活动等而在社会上产生了怎样的反响。
Description
技术领域
本发明涉及一种评价装置、评价方法、噪声消除装置和程序存储介质。
背景技术
现有技术中,针对企业和团体等(以下称为“企业”)使用的品牌(brand),收集电视、报纸、杂志、网页报道等各种媒体上刊登的信息,来评价品牌在社会上的披露度、对品牌的印象(image)等。通过进行这样的品牌评价,能够有助于企业决定品牌策略等。
例如,在日本发明专利公开公报特开平2015-95249号(以下称为专利文献1)公报中提出了以下品牌评价方法:针对规定的品牌,收集在媒体上披露的信息,计算品牌在媒体上的披露度、表示与品牌有关的社会上的兴趣关注的品牌关注度等,综合这些来计算规定的评价指标。
另外,在日本发明专利公开公报特开平2016-71596号(以下称为专利文献2)中,进行因特网上的文本分析,提取投稿者希望的希望语句和实现(执行)该希望的实现语句(执行语句),进行求取满足投稿者希望的言出必行度的信息分析。
在求取言出必行度时,提取希望语句中包含的表示希望的表达、实现语句中包含的表示实现的表达、以及希望语句和实现语句双方中包含的对象词。
发明内容
利用专利文献1中记载的信息分析方法,例如取得关于规定的品牌在媒体上披露的信息来计算评价指标,但在该评价方法中,例如无法评价作为品牌所有者的企业所期待的品牌的印象与社会上的反响之间的差距。另外,无法恰当地评价在媒体上披露的信息是肯定的信息还是否定的信息。
另外,在现有技术的品牌评价方法中,重视电视、报纸、杂志等媒体,但近年来,需要综合且平等地评价包括在社会上表现出显著反响的社交网络服务(SNS)等的各种媒体。另外,即使取得关于品牌在媒体上披露的信息,有时也会由于所取得的信息中包含的噪声,而难以综合且平等地进行评价。
本发明所涉及的方式是考虑到这样的情况而完成的,其目的之一在于,提供一种评价装置、评价方法、噪声消除装置和程序存储介质,能够与所取得的信息中包含的噪声无关地评价企业期待的品牌的印象与社会上(需求者)的反响之间的差距,且恰当地评价通过企业进行的活动等而在社会上产生了怎样的反响。
为了达成上述目的,本发明采用以下方式。
(1)本发明的一个方式所涉及的评价装置具有提供信息取得部、投稿信息取得部、噪声消除部和评价部,其中,关于对象事物(subject matter),所述提供信息取得部取得经由媒体提供给需求者的提供信息;所述投稿信息取得部取得由投稿者投稿的投稿信息;所述噪声消除部从由所述投稿信息取得部取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除;所述评价部根据由所述噪声消除部消除了噪声的投稿信息,来进行所述对象事物的评价。
(2)在上述方式(1)中,所述特定表达也可以是所述提供信息中包含的感性信息(kansei information)。
(3)在上述方式(2)中,所述噪声消除部也可以将包含所述特定表达的所述投稿信息中的与所述提供信息对应的部分置换为从所述提供信息中消除了所述感性信息的替代信息。
(4)在上述方式(1)至(3)中的任一方式中,所述噪声消除部也可以按照所述投稿信息和所述提供信息所包含的部分的性质来进行加权。
(5)在上述方式(1)至(4)中的任一方式中,所述投稿信息取得部也可以选择性地取得包含对所述提供信息的感想的投稿信息。
(6)在上述方式(5)中,所述投稿信息也可以是与对提供信息的感想有关的投稿信息,其中所述提供信息从规定的发送源发送。
(7)在上述方式(1)至(6)中的任一方式中,也可以还具有句法分析部和评分部,其中,所述句法分析部对由所述投稿信息取得部取得且由所述噪声消除部消除了噪声的投稿信息中包含的文章进行句法分析;所述评分部对所述句法分析部中的分析结果进行评分,所述评分部将由所述提供信息取得部取得的提供信息和经所述评分的分析结果建立关联。
(8)在上述方式(7)中,所述评分部也可以对由所述句法分析部分析出的分析结果进行加权。
(9)本发明的一个方式所涉及的噪声消除装置具有提供信息取得部、投稿信息取得部和噪声消除部,其中,关于对象事物,所述提供信息取得部取得经由媒体提供给需求者的提供信息;所述投稿信息取得部取得由投稿者投稿的投稿信息;所述噪声消除部从由所述投稿信息取得部取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除。
(10)本发明的一个方式所涉及的评价方法中,计算机执行以下处理:关于对象事物,取得经由媒体提供给需求者的提供信息,取得由投稿者投稿的投稿信息,从取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除,根据消除了噪声的投稿信息来进行所述对象事物的评价。
(11)本发明的一个方式所涉及的程序存储介质存储有用于使计算机执行以下处理的程序:关于对象事物,取得经由媒体提供给需求者的提供信息,取得由投稿者投稿的投稿信息,从取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声消除,根据消除了噪声的投稿信息来进行所述对象事物的评价。
根据上述方式(1)~(8)、(10)、(11),能够不依赖于取得的信息中包含的噪声,而评价企业或团体期待的品牌的印象与社会上(需求者)的反响之间的差距,适当地评价通过企业或团体进行的活动等而在社会上产生了怎样的反响。另外,在评价品牌的印象与社会上的反响之间的差距的情况下,能够也包括在媒体上披露的信息的准确度在内而适当地进行评价,还进一步评价企业的风险程度。
根据上述方式(9),能够高精度地消除所取得的信息中包含的噪声。
附图说明
图1是表示实施方式中的评价装置一例的功能框图。
图2是表示实施方式中的替代表达词典中存储的宣传数据和替代表达数据一例的图。
图3是表示实施方式中的评价装置的处理流程一例的流程图。
图4是表示实施方式中的评价装置的噪声消除处理的流程一例的流程图。
图5是说明噪声消除的处理模式的性质的图。
图6的(A)是表示噪声消除前的处理对象数据的图,图6的(B)是表示噪声消除后的处理对象数据的图。
图7是表示在实施方式中进行了标记处理的处理对象数据一例的图。
图8是表示实施方式中的评价装置的评分(Scoring)处理一例的图。
图9是说明由噪声消除部进行噪声消除的情况下和未进行噪声消除的情况下的结果的图。
具体实施方式
下面,参照附图对本发明的几个实施方式中的评价装置、评价方法、噪声消除装置和程序存储介质进行说明。
图1是表示本发明实施方式中的评价装置1一例的功能框图。评价装置1通过从媒体M(信息媒体)收集并分析成为处理对象的数据(以下称为“处理对象数据”),来进行与成为评价对象的品牌有关的评价。媒体M例如包括电视、报纸、杂志、网页报道、博客、短文投稿服务等SNS、股东的报告。
评价装置1计算“镜像得分(mirror score)”、“热度得分(Thermo score;热门得分)”、“风险值(risk value)”这三个值作为与品牌(对象事物)有关的评价指标。所谓“镜像得分”是表示相对于拥有作为评价对象的品牌的企业(发送源)定义了希望社会上怎样看待该品牌的内容,社会上实际怎样认为(看待)该品牌的指标。“镜像得分”表示用语的出现频度,其中该用语是表示企业期待的内容的用语。通过计算该镜像得分,能够掌握企业期待的品牌的印象与社会上的反响之间的差距。社会上的反响表现为社会上(需求者)在SNS等媒体M上投稿的处理对象数据(投稿信息)中包含的感想。处理对象数据中包含的感想能够通过感性表达进行分类。
所谓“热度得分”是指表示通过拥有作为评价对象的品牌的企业的活动是否提高了社会上的情感(感性)的指标。“热度得分”表示用语的出现频度,其中该用语是表示社会上(需求者)的反响的用语。通过计算该热度得分,能够掌握是否提高了社会上对成为评价对象的品牌的情感、是否得到了社会上的支持。所谓“风险值”是指表示关于成为评价对象的品牌产生的风险的程度的指标。“风险值”是根据表示企业或团体的风险的用语的出现频度和媒体M(信息媒体)的种类而计算出来的。
评价装置1例如具有收集部10(提供信息取得部、投稿信息取得部)、筛选部(screening part)12、噪声消除部14、分析部16、标记部18、评分部20(评价部)、显示部22、存储部24、词典DB26。词典DB26例如具备企业词典30、主题字典32、替代表达词典34、感性词典36、镜像词典38、热度词典40和风险词典42。
收集部10从媒体M收集处理对象数据且将其存储到存储部24。收集部10例如经由因特网N收集处理对象数据。处理对象数据中例如包括投稿者投稿的数据、由企业或团体预先设定的与品牌有关的标语(catchphrase)等数据。该数据例如是关于对象事物且经由媒体提供给需求者的宣传数据。收集部10在每天、每周等规定的时间收集处理对象数据。收集部10也可以选择性地取得处理对象数据中的包含对提供信息的感想的投稿信息。另外,作为收集源的媒体M也可以由评价装置1的用户预先确定。另外,收集部10也可以进行周期性地收集包含预先定义的字符串的因特网上的文件等的爬取(crawling)处理。另外,也可以为:评价装置1具备受理操作员P的输入的受理部(未图示),收集部10收集输入到该受理部的处理对象数据。
筛选部12从由收集部10收集到的处理对象数据中排除与成为评价对象的品牌无关的处理对象数据,提取与成为评价对象的品牌有关的处理对象数据。筛选部12在从媒体M(信息媒体)收集到的数据中,识别并提取由企业或团体预先设定的与品牌有关的数据。例如,筛选部12读出在企业词典30中存储的词典数据。该词典数据为成为评价对象的品牌。然后,筛选部12排除包含该品牌的同音异义词的处理对象数据。另外,例如,筛选部12也可以排除从预先定义的特定的URL取得的处理对象数据,排除从预先定义的特定ID的博客和SNS取得的处理对象数据,在存在多个包含相同文本的数据时将其作为异常数据排除。
噪声消除部14从由筛选部12筛选出的处理对象数据的文本中消除噪声。处理对象数据中包含的噪声是处理对象数据中与处理对象数据的宣传数据(提供信息)的一致程度在规定比例以上的部分(以下称为“宣传数据相当部分”)中包含的感性表达(特定表达)。例如,噪声消除部14从替代表达词典34中提取与处理对象数据中包含的宣传数据相当部分对应的替代表达数据(替代信息)。替代表达数据是从宣传数据中消除感性表达而生成的数据。然后,噪声消除部14将处理对象数据中的与宣传数据相当部分对应的数据置换为替代表达数据。
另外,将处理对象数据中作为宣传数据附带的数据且不包含感性表达的数据的文本一并删除。在难以判断是否是宣传数据附带的数据的情况下,不删除宣传数据附带的数据而原样保留。
由噪声消除部14消除的感性表达是包含在宣传数据中的感性表达。因此,处理对象数据中的不包含在宣传数据相当部分中的感性表达不被噪声消除部14排除。另外,所谓与处理对象数据的宣传数据的一致程度是指处理对象数据中的宣传数据相当部分与宣传数据的一致比例。因此,例如在处理对象数据中宣传数据相当部分为宣传数据的文本整体的90%时,与处理对象数据的宣传数据的一致程度为90%。用于判断为用于消除噪声的宣传数据相当部分的规定比例可以适当地设定,例如可以是100%,也可以是90%、80%或50%等。另外,规定比例也可以根据评价的程度等各种条件适当设定。
分析部16将处理对象数据中包含的文本分割为单词级别,进行将相同含义的品牌建立关联的词素分析处理,进行处理对象数据的文章的分析。
例如,分析部16将表示同一品牌的字母标识、汉字标识、片假名标识、平假名标识等建立关联,作为表示同一品牌的数据进行处理。另外,关于字母标识,即使在存在大写字母、小写字母、和大写字母与小写字母的混合字母的不同的情况下,分析部16也可以将它们作为表示同一品牌的数据来进行处理。另外,分析部16也可以还将包含错误(汉字转换错误等)的文本作为表示成为评价对象的品牌的数据进行处理。据此,能够修正标识的歪曲。
另外,分析部16进行句法分析处理,该句法分析处理是指,掌握文本中包含的单词的被修饰方和修饰方的关系,并且,解释文本中包含的单词的表达的强弱、多重否定、肯定疑问、修饰、比较、方言。所谓解释表达的强弱是指,例如,在“A产品非常好”这一表达中的“非常”和“A产品略好”这一表达中的“略”中,解释为前者的“非常”是更强的表达。另外,所谓解释多重否定是指,例如,将“A产品不是不好”这一包含双重否定的表达正确解释为肯定的表达。
另外,所谓解释肯定疑问是指,例如将“A产品是好产品对吧?”这一以肯定意图表达的疑问句解释为肯定的表达。另外,所谓解释修饰是指,例如即使在如“好的是A产品对吧?”这一表达那样修饰语的位置前后颠倒的情况下,也正确解释其含义。该“好的是A产品对吧?”被解释为肯定的表达。
另外,所谓解释比较是指,对于“A产品还是以前的型号(model)更好”这一比较A产品的当前的型号与以前的型号的表达,判断为A产品变差的意图,解释为否定的表达。另外,所谓解释方言是指,例如对于“A产品是阔爱的产品”这一表达中的方言“阔爱”,判断为是普通话“可爱”的意图,正确解释其含义。
该“A产品是阔爱的产品”,被解释为肯定的表达。通过进行上述那样的句法分析处理,能够提高含义理解的精度。
标记部18参照企业词典30、主题字典32、感性词典36、镜像词典38、热度词典40、风险词典42,对各个处理对象数据中包含的文本的分析结果进行“企业标签”、“主题标签”、“感性标签”、“镜像标签”、“热度标签”、“风险标签”的标记。在后面说明标记处理的细节。
评分部20根据由标记部18进行标记处理后的处理对象数据,进行计算镜像得分、热度得分和风险值的评分处理。例如,评分部20以在处理对象数据内用“企业标签”、“主题标签”和“镜像标签”的组合标记的字符串为对象,进行镜像得分的计算。另外,例如,评分部20以在处理对象数据中用“企业标签”、“主题标签”和“热度标签”的组合标记的字符串为对象,进行热度得分的计算。另外,例如,评分部20以在处理对象数据内用“企业标签”、“主题标签”和“风险标签”的组合标记的字符串为对象,进行风险值的计算。另外,例如,评分部20以在处理对象数据内用“企业标签”和“风险标签”的组合标记的字符串为对象,进行风险值的计算。
收集部10、筛选部12、噪声消除部14、分析部16、标记部18和评分部20中的一部分或全部通过由处理器(计算机)执行程序(软件)来实现。另外,这些部件中的一部分或全部也可以通过LSI(Large Scale Integration;大规模集成电路)或ASIC(ApplicationSpecific Integrated Circuit;专用集成电路)等硬件来实现,还可以通过软件和硬件的组合来实现。
显示部22显示由评分部20计算出的镜像得分、热度得分和风险值。评价装置1的用户通过确认显示部22显示的镜像得分、热度得分和风险值,能够评价成为对象的品牌。显示部22例如为液晶显示器、有机EL(Electroluminescence;电致发光)显示装置等。
存储部24存储由收集部10收集到的处理对象数据。存储部24例如将收集源的媒体的种类与处理对象数据建立关联进行存储。
词典DB26存储由筛选部12、噪声消除部14、分析部16、标记部18和评分部20进行的各种处理中使用的词典数据。存储部24和词典DB26由ROM(Read Only Memory;只读存储器)、RAM(Random Access Memory;随机存取存储器)、HDD(Hard Disk Drive;硬盘驱动器)、闪存等实现。
企业词典30存储作为企业所拥有的品牌且成为评价对象的品牌的词典数据。企业词典30例如存储有企业名称、产品名称、服务名称、企业的经理的姓名等赋予该企业以特征的用语。
主题字典32存储设想在社会上成为话题的主题(topic)的词典数据。例如,在社会上发布了关于成为评价对象的品牌的新闻通稿(News release)等信息的情况下,主题字典32存储在该新闻通稿中记载的主题。主题字典32例如存储“新型”、“开始发售”、“发布”、“世界首次公布”等与作为评价对象的品牌建立关联的用语。
替代表达词典34以文本形式存储成为标语的宣传数据和从该标语中消除感性表达的替代表达数据,其中宣传数据是对企业或团体的品牌的产品进行宣传的数据。图2是表示本实施方式中的替代表达词典34中存储的宣传数据和替代表达数据一例的图。替代表达词典34存储有包含感性表达的宣传数据和消除感性表达来置换该宣传数据的替代表达数据。因此,替代表达数据成为不包含感性表达的数据。
替代表达词典34例如存储有“通过自主稳定控制的功能,使有摩托车的日常生活更愉快”这一宣传数据No1。在宣传数据No1中包含“愉快”这一感性表达。“愉快”这一表达由于与“愉快”这一感性有联系,因此被判断为感性表达。替代表达词典34存储有置换宣传数据No1的“自主摩托车”这一替代表达数据No1。替代表达数据No1成为从宣传数据No1中消除“愉快”这一感性表达且直截了当地表示宣传数据No1的内容的数据。
替代表达词典34存储有“提供新的动态且令人愉快的驾驶(handling)”这一宣传数据No2。在宣传数据No2中包含“动态”、“舒适”这些感性表达。“动态”、“舒适”均与“好”这一感性有联系,因此被判断为感性表达。
替代表达词典34存储有“从2014年度开始连续3年获得新车销售台数第1名”这一宣传数据No3。在宣传数据No3中包含“获得第1名”这一感性表达。“获得第1名”与“高兴”这一感性有联系,因此被判断为感性表达。
替代表达词典34存储有“进一步提高燃油经济性,以高水平同时实现低油耗和行驶乐趣”这一宣传数据No4。在宣传数据No4中包含“以高水平同时实现”这一感性表达。“以高水平同时实现”与“好”这一感性有联系,因此被判断为感性表达。
除此之外,替代表达词典34还存储有包含以下词语的宣传数据:包含“喜欢”、“赞赏”、“新”、“讨厌”等感性表达的词;与包含这些感性表达的词语有联系的词。
替代表达词典34还进一步存储有与这些宣传数据对应的替代表达数据。替代表达词典34以单词级别存储这些宣传数据中包含的文本。
感性词典36存储处理对象数据的含义分析所使用的词典数据。感性词典36存储由评分部20进行的处理对象数据的积极(positive)和消极(negative)判定处理所需的词典数据。
镜像词典38存储对希望社会上如何看待企业的品牌、想要用什么样的语言表示该品牌进行了定义的词典数据。镜像词典38例如存储表示至少一个大类的用语、表示与各大类建立关联的至少一个中类的用语、和与各中类建立关联的关键词。该关键词作为词典数据使用。此外,镜像词典38不是必须具有大类、中类、关键词这样的数据结构,也可以仅定义大类,也可以定义更精细的分类,还可以仅存储关键词而不定义分类。
热度词典40存储用于评价通过拥有成为评价对象的品牌的企业的活动是否提高了社会上的情感的词典数据。热度词典40存储表示社会上的肯定情感的用语,例如“安心”、“满足”、“喜欢”、“期待”。另外,热度词典40存储有表示社会上的否定情感的用语,例如,“不安”、“不满”、“讨厌”、“失望”这样的与表示上述的肯定情感的用语相对的用语。此外,热度词典40也可以存储与表示上述感情的用语建立关联的关键词。热度词典40例如可以存储“一定查看”、“期待今后”等作为与“期待”建立关联的关键词。
风险词典42存储表示关于成为评价对象的品牌,企业应该掌握的风险的词典数据。风险词典42例如存储表示至少一个大类的用语、表示与各大类建立关联的至少一个中类的用语、表示与各中类建立关联的至少一个小类的用语、和与各小类建立关联的关键词。该关键词作为词典数据使用。此外,风险词典42不是必须具有大类、中类、小类、关键词这样的数据结构,也可以仅设定大类或仅设定大类和中类,还可以定义更精细的分类,还可以仅存储关键词而不定义分类。
接着,对本实施方式中的评价装置1的动作进行说明。图3是表示本实施方式中的评价装置1的处理流程一例的流程图。
首先,收集部10从媒体M收集处理对象数据且将其存储到存储部24(步骤S101)。收集部10例如经由因特网N收集处理对象数据。收集部10在每天、每周等规定的时间收集处理对象数据。另外,也可以为评价装置1具备受理操作员P的输入的受理部(未图示),收集部10收集输入到该受理部的处理对象数据。
接着,筛选部12读出存储部24中存储的处理对象数据,进行排除与成为评价对象的品牌无关的数据的筛选处理(步骤S103)。例如,筛选部12从企业词典30读出词典数据(成为评价对象的品牌),排除包含该品牌的同音异义词的数据。
接着,噪声消除部14将筛选部12筛选出的处理对象数据中的包含感性表达的宣传数据置换为替代表达数据,进行消除成为噪声的感性表达的处理(步骤S105)。
图4是表示本实施方式中的评价装置1的噪声消除处理(步骤S105)的流程一例的流程图。首先,噪声消除部14对由筛选部12筛选出的处理对象数据与替代表达词典34中存储的宣传数据进行比较(步骤S201)。
在比较处理对象数据与宣传数据时,噪声消除部14将处理对象数据中包含的文本分解为单词级别,与替代表达词典34中存储的单词级别的宣传数据的文本进行比较。噪声消除部14根据处理对象数据中以何种程度包含宣传数据的文本中含有的单词,来计算处理对象数据与宣传数据的一致程度。
在计算处理对象数据与宣传数据的一致程度时,例如,在处理对象数据中包含多个相同的单词时,即使是相同的单词,噪声消除部14也例如根据前后关系来判断其是否是宣传数据中包含的单词。例如,在处理对象数据为“因为通过自主稳定控制的功能,使有摩托车的日常生活更愉快。每天变得愉快。”这一文本的情况下,噪声消除部14将“日常生活更愉快”中包含的“愉快”判断为宣传数据(宣传数据No1)中包含的单词,且判断为“每天变得愉快”中包含的“愉快”是不包含在宣传数据(宣传数据No1)中的单词。
下面,对进行噪声消除的情况下的处理模式进行说明。图5是说明噪声消除的处理模式的性质的图。如图5所示,作为进行噪声消除时的处理模式,有处理模式A、处理模式B和处理模式C。处理模式A是有向替代表达的置换且残留有感性信息的处理模式。处理模式B是有向替代表达的置换且没有残留感性信息的处理模式。
处理模式C是没有向替代表达的置换的处理模式。在处理模式C中,感性信息的有无依赖于处理对象数据的内容。上述处理模式A、处理模式B和处理模式C均成为进行评价时的合计的对象。
下面,对消除噪声前的处理对象数据和噪声消除后的处理对象数据的例子进行说明。图6的(A)是表示噪声消除前的处理对象数据的图,图6的(B)是表示噪声消除后的处理对象数据的图。图6的(B)中还一并示出了各处理对象数据的处理模式。
如图6的(A)所示,处理对象数据的文本为“本田制作了一些不一样的摩托车啊。”的句子1中,不包含与图2所示的宣传数据对应的宣传数据相当部分。在这种情况下,如图6的(B)所示,消除噪声后的句子1的文本数据保持为“本田制作了一些不一样的摩托车啊。”。这种情况下的噪声消除处理模式是处理模式C。
在处理对象数据的文本为“听说‘本次发布的搭载了线控转向的车型承诺了提供新的动态且令人愉快的驾驶。’。”的句子2中,包含与图2所示的宣传数据No2对应的宣传数据相当部分。在这种情况下,如图6的(B)所示,噪声消除后的句子2的文本数据将与宣传数据No2的文本对应的宣传数据相当部分置换为替代表达数据No2,成为(“听说‘基于线控转向进行的驾驶’”。)。这种情况的噪声消除处理模式是处理模式B。另外,“本次发布的”、“搭载了...的车型”、“承诺了”等文本作为宣传数据附带的数据且不包含感性表达的数据而被删除。
在处理对象数据的文本为“因为本次发布的搭载了线控转向的车型提供新的动态且令人愉快的驾驶,了不起。”的句子3中包含与图2所示的宣传数据No2对应的宣传数据相当部分。
在这种情况下,如图6的(B)所示,噪声消除后的句子3的文本数据将与宣传数据No2的文本对应的宣传数据相当部分置换为替代表达数据No2,成为“因为提供‘基于线控转向进行的驾驶’,了不起。”。这种情况的噪声消除处理模式是处理模式A。如从该例子得知的那样,即使在与处理对象数据的宣传数据的一致程度不为100%的情况下,也将被判断为与宣传数据对应的数据置换为替代表达数据。同样,图6的(A)所示的句子4的处理对象数据被置换为图6的(B)所示的数据。
另外,在计算处理对象数据与宣传数据的一致程度时,也可以对处理对象数据和宣传数据中包含的部分的性质即单词进行加权。
例如,也可以增大在宣传数据中包含的文本的单词中的动词或形容词的权重,减小连词、助词等的权重。
例如,对于宣传数据No2的“提供新的动态且令人愉快的驾驶”,也可以如下方式进行加权:将“新”、“动态”、“舒适”、“驾驶”、“提供”的权重设为“3”,将“且”(这样的助词)的权重设为“1”。此外,加权也可以不是“3”、“1”这两个等级,而是分更多等级进行。
接着,噪声消除部14判定步骤S201中比较的结果,在处理对象数据中是否存在与宣传数据的一致程度在规定比例以上的部分,处理对象数据中是否存在宣传数据相当部分(步骤S203)。噪声消除部14在判定为处理对象数据中存在宣传数据相当部分的情况下,从替代表达词典34中选择与宣传数据相当部分对应的替代表达数据(参照图2),而选择与处理对象数据中包含的宣传数据相当部分置换的替代表达数据(步骤S205)。然后,噪声消除部14将处理对象数据中的宣传数据相当部分置换为替代表达数据,而消除处理对象数据中包含的宣传数据相当部分中的感性表达(步骤S207)。这样,结束噪声消除处理。另外,在步骤S203中判定为处理对象数据中没有宣传数据相当部分的情况下,直接结束噪声消除处理。
返回图3,接着,分析部16将由噪声消除部14消除了噪声的处理对象数据中包含的文本分割为单词级别,进行将相同含义的品牌建立关联的词素分析处理(步骤S107)。例如,分析部16将表示同一品牌的字母标识、汉字标识、片假名标识、平假名标识等建立关联,作为表示同一品牌的数据进行处理,由此修正标识的歪曲。
接着,分析部16进行句法分析处理,该句法分析处理是指,掌握文本中包含的单词的被修饰方和修饰方的关系,并且,解释文本中包含的单词的表达的强弱、多重否定、肯定疑问、修饰、比较、方言(步骤S109)。
接着,标记部18对各个处理对象数据中包含的文本进行“企业标签”、“主题标签”、“感性标签”、“镜像标签”、“热度标签”、“风险标签”的标记(步骤S111)。
在处理对象数据中包含企业词典30中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“企业标签”。在处理对象数据中包含主题字典32中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“主题标签”。在处理对象数据中包含感性词典36中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“感性标签”。在处理对象数据中包含镜像词典38中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“镜像标签”。在处理对象数据中包含热度词典40中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“热度标签”。在处理对象数据中包含风险词典42中存储的词典数据的字符串的情况下,标记部18对处理对象数据内的该字符串赋予“风险标签”。
图7是表示在本实施方式中进行了标记处理的处理对象数据一例的图。在图7所示的例子中,“A公司”和“产品A”这些字符串被赋予“企业标签”,“开始销售”这一字符串被赋予“主题标签”,“独创性”这一字符串被赋予“镜像标签”,“期待”这一字符串被赋予“热度标签”和“感性标签”,“故障”这一字符串被赋予“风险标签”。
接着,评分部20根据由标记部18进行标记的处理对象数据,进行计算镜像得分、热度得分和风险值的评分处理(步骤S113)。评分部20以用“企业标签”、“主题标签”和“热度标签”的组合标记的处理对象数据为对象,进行每个处理对象数据的热度得分的计算。评分部20使用按照被赋予的“企业标签”和“主题标签”的镜像得分和热度得分来计算评价值。
例如,如图8所示,“处理对象数据1”包含:“新型”这一被赋予“主题标签”的字符串;“产品A”这一被赋予“企业标签”的字符串;“棒”这一被赋予“镜像标签(大类‘喜悦’)”的字符串;“一定查看”这一被赋予“热度标签(与‘期待’建立关联的关键词)”的字符串。在这种情况下,评分部20使用“产品A”、“新型”和“喜悦”的组合计算出单独镜像得分为“1.0”。另外,评分部20使用“产品A”、“新型”和“期待”的组合计算出单独热度得分为“1.0”。
另外,“处理对象数据2”包含:“新型”这一被赋予“主题标签”的字符串;“棒”这一被赋予“镜像标签(大类‘喜悦’)”的字符串;“一定查看”这一被赋予“热度标签(与‘期待’建立关联的关键词)”的字符串。在这种情况下,由于不存在被赋予“企业标签”的字符串,因此评分部20将单独镜像得分和单独热度得分设定为“0.0”。
另外,“处理对象数据3”包含:“新型”这一被赋予“主题标签”的字符串;“产品A”和“A公司”这些被赋予“企业标签”的字符串;“棒”这一被赋予“镜像标签(大类‘喜悦’)”的字符串;“一定查看”这一被赋予“热度标签(与‘期待’建立关联的关键词)”的字符串。即,“处理对象数据3”包含被赋予“企业标签”的“产品A”和“A公司”这两个字符串。在这种情况下,评分部20对这两个字符串分别计算单独镜像得分和单独热度得分。
在此,在“处理对象数据3”中包含“展出非常好”这一肯定的表达,但有时这不是表达对产品A或A公司的肯定。即,“展出非常好”这一表达也能够解释为是对“展出”的方法的肯定的表达。在这种情况下,评分部20计算出比直接表达对产品A的肯定的处理对象数据1低的单独镜像得分和单独热度得分。例如,评分部20使用“产品A”、“新型”和“喜悦”的组合计算出单独镜像得分为“0.5”,使用“A公司”、“新型”和“喜悦”的组合计算出单独镜像得分为“0.5”。另外,评分部20使用“产品A”、“新型”和“期待”的组合计算出单独热度得分为“0.5”,使用“A公司”、“新型”和“期待”的组合计算出单独热度得分为“0.5”。
接着,评分部20以用“企业标签”、“主题标签”和“风险标签”的组合标记的处理对象数据为对象,计算每个处理对象数据的风险值(以下称为“单独风险值”)。例如,评分部20对“风险标签”的数量进行计数,将1个“风险标签”作为1分进行评分。
接着,在对所有处理对象数据的单独评分处理完成之后,评分部20根据各处理对象数据的收集源的种类来进行加权处理。评分部20根据媒体M(信息媒体)的种类,对包含镜像词典38中存储的用语的数据和包含热度词典40中存储的用语的数据进行加权,进行后述的镜像得分和热度得分的计算。例如,根据过去的统计数据,计算每一媒体的每一天的成为评价对象的品牌的平均发言量,以使所有媒体的影响均等的方式进行加权。例如,在设报纸的权重为基准值“1”的情况下,对与报纸相比发言量小的电视设定比报纸大的权重“2”。另外,对与报纸相比发言量多的SNS设定比报纸小的权重“0.1”。
接着,评分部20根据处理对象数据被赋予的“感性标签”,进行判定处理对象数据的内容是积极的表达还是消极的表达的情感判定处理。评分部20按照镜像得分和热度得分来判定各个处理对象数据是表示积极(肯定性)内容还是表示消极(否定性)内容。
例如,在一个处理对象数据中表示积极表达的位置的数量(积极表达的感性标签的数量)比表示消极表达的位置的数量(消极表达的感性标签的数量)多的情况下,评分部20判定为该处理对象数据整体上为积极表达。另外,在一个处理对象数据中表示消极表达的位置的数量比表示积极表达的位置的数量多的情况下,评分部20判定为该处理对象数据整体上为消极表达。此外,在一个处理对象数据中表示积极表达的位置的数量与表示消极表达的位置的数量相同的情况下,评分部20判定为该处理对象数据整体上为中性表达。另外,评分部20将未被赋予“感性标签”的处理对象数据判定为无情感。
接着,评分部20根据经情感判定处理的处理对象数据,计算最终的热度得分和镜像得分。例如,评分部20按照每个成为评价对象的品牌,计算被判定为积极表达的处理对象数据的单独镜像得分的合计和被判定为消极表达的处理对象数据的单独镜像得分的合计。另外,评分部20计算从被判定为积极表达的处理对象数据的单独镜像得分的合计中减去被判定为消极表达的处理对象数据的单独镜像得分的合计得到的值,作为最终的镜像得分。
另外,例如,评分部20按照每个成为评价对象的品牌,计算被判定为积极表达的处理对象数据的单独热度得分的合计和被判定为消极表达的处理对象数据的单独热度得分的合计。另外,评分部20计算从被判定为积极表达的处理对象数据的单独热度得分的合计中减去被判定为消极表达的处理对象数据的单独热度得分的合计得到的值,作为最终的热度得分。另外,评分部20将计算出的镜像得分和热度得分存储到存储部24。
接着,评分部20根据经情感判定处理的处理对象数据,计算最终的风险值,且判定风险等级。在风险等级的判定中,以规定的阈值为基准,例如判定风险的“高”、“中”、“低”。据此,结束评分处理。
接着,评分部20进行使显示部22显示计算出的镜像得分、热度得分和风险值等的评价结果输出处理。评分部20生成能够显示对镜像得分、热度得分和风险值进行对比的图像的信息,且使显示部22显示该信息。然后,参照镜像得分、热度得分和风险值来计算评价值,且将该评价值作为评价结果输出到显示部22(步骤S115)。
此外,也可以将计算出的镜像得分、热度得分和风险值映射到三维空间,使用支持向量机来计算评价值。
根据上述本实施方式的评价装置1,能够不依赖于取得的信息中包含的噪声,而评价企业或团体期待的品牌的印象与社会上(需求者)的反响之间的差距,恰当地评价通过企业或团体进行的活动等而在社会上产生了怎样的反响。另外,在评价品牌的印象与社会上的反响之间的差距的情况下,能够也包括在媒体上披露的信息的准确度在内而适当地进行评价,还进一步评价企业的风险程度。
另外,例如,被赋予感性标签的文本对评分部20中的评价带来很大影响,因此如果被赋予感性标签的文本作为噪声而残留,则会使评价的精度恶化。关于这一点,根据上述的本实施方式的评价装置1,通过由噪声消除部14进行噪声消除处理,来从处理对象数据所包含的感性表达中消除宣传数据所包含的感性表达。作为一例,图9示出了由噪声消除部14进行噪声消除的情况下和未进行噪声消除的情况下的例子。在未进行噪声消除的情况下,如图9的(A)所示,包含“愉快”一词的文本是334件,在噪声消除部14进行噪声消除的情况下,如图9的(B)所示,包含“愉快”一词的文本是115件。这样,能够适当地消除处理对象数据中包含的噪声。因此,宣传数据所包含的文本被从由标记部18赋予“感性标签”的文本中消除。因此,能够抑制评分部20中的评价精度的恶化。
以上,使用实施方式对用于实施本发明的方式进行了说明,但本发明不局限于这样的实施方式,能够在不脱离本发明的主旨的范围内施加各种变形和置换。
Claims (11)
1.一种评价装置,其特征在于,具有提供信息取得部、投稿信息取得部、噪声消除部和评价部,其中,
关于对象事物,所述提供信息取得部取得经由媒体提供给需求者的提供信息;
所述投稿信息取得部取得由投稿者投稿的投稿信息;
所述噪声消除部从由所述投稿信息取得部取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除;
所述评价部根据由所述噪声消除部消除了噪声的投稿信息,来进行所述对象事物的评价。
2.根据权利要求1所述的评价装置,其特征在于,
所述特定表达是所述提供信息中包含的感性信息。
3.根据权利要求2所述的评价装置,其特征在于,
所述噪声消除部将包含所述特定表达的所述投稿信息中的与所述提供信息对应的部分置换为从所述提供信息中消除了所述感性信息的替代信息。
4.根据权利要求1所述的评价装置,其特征在于,
所述噪声消除部按照所述投稿信息和所述提供信息中包含的部分的性质来进行加权。
5.根据权利要求1所述的评价装置,其特征在于,
所述投稿信息取得部选择性地取得包含对所述提供信息的感想的投稿信息。
6.根据权利要求5所述的评价装置,其特征在于,
所述投稿信息是与对提供信息的感想有关的投稿信息,其中所述提供信息从规定的发送源发送。
7.根据权利要求1~6中任一项所述的评价装置,其特征在于,
还具有句法分析部和评分部,其中,
所述句法分析部对由所述投稿信息取得部取得且由所述噪声消除部消除了噪声的投稿信息中包含的文章进行句法分析;
所述评分部对所述句法分析部中的分析结果进行评分,
所述评分部将由所述提供信息取得部取得的提供信息和经所述评分的分析结果建立关联。
8.根据权利要求7所述的评价装置,其特征在于,
所述评分部对由所述句法分析部分析出的分析结果进行加权。
9.一种噪声消除装置,其特征在于,具有提供信息取得部、投稿信息取得部和噪声消除部,其中,
关于对象事物,所述提供信息取得部取得经由媒体提供给需求者的提供信息;
所述投稿信息取得部取得由投稿者投稿的投稿信息;
所述噪声消除部从由所述投稿信息取得部取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除。
10.一种评价方法,其特征在于,
计算机执行以下处理:
关于对象事物,取得经由媒体提供给需求者的提供信息,
取得由投稿者投稿的投稿信息,
从取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除,
根据消除了噪声的投稿信息来进行所述对象事物的评价。
11.一种程序存储介质,其特征在于,
存储有用于使计算机执行以下处理的程序:
关于对象事物,取得经由媒体提供给需求者的提供信息,
取得由投稿者投稿的投稿信息,
从取得的投稿信息中的与所述提供信息的一致程度在规定比例以上的投稿信息中,至少将所述提供信息中的特定表达作为噪声来消除,
根据消除了噪声的投稿信息来进行所述对象事物的评价。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017170216A JP6821528B2 (ja) | 2017-09-05 | 2017-09-05 | 評価装置、評価方法、ノイズ除去装置、およびプログラム |
JP2017-170216 | 2017-09-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109426987A true CN109426987A (zh) | 2019-03-05 |
CN109426987B CN109426987B (zh) | 2021-12-28 |
Family
ID=65514724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810983108.5A Active CN109426987B (zh) | 2017-09-05 | 2018-08-27 | 评价装置、评价方法、噪声消除装置和程序存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11132699B2 (zh) |
JP (1) | JP6821528B2 (zh) |
CN (1) | CN109426987B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11373198B2 (en) * | 2016-12-02 | 2022-06-28 | Honda Motor Co., Ltd. | Evaluation device, evaluation method, and evaluation program |
JP2021039595A (ja) * | 2019-09-04 | 2021-03-11 | 本田技研工業株式会社 | データ処理装置及びデータ処理方法 |
JP7180921B1 (ja) | 2021-12-17 | 2022-11-30 | hackjpn株式会社 | プログラム、情報処理装置および情報処理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140252A (ja) * | 2000-11-02 | 2002-05-17 | Nec Custommax Ltd | 閲覧サービス方法、データ処理方法および装置、ユーザ端末装置、情報記憶媒体 |
JP2003256449A (ja) * | 2002-03-05 | 2003-09-12 | Ricoh Co Ltd | 重要情報抽出システムおよび重要情報抽出方法 |
US20060026054A1 (en) * | 2004-07-28 | 2006-02-02 | International Business Machines Corporation | Method, apparatus, and program for implementing an automation computing evaluation scale to generate recommendations |
JP2009123015A (ja) * | 2007-11-15 | 2009-06-04 | Bbmedia Inc | ブランドランク評価システムおよび方法 |
CN102113014A (zh) * | 2008-07-31 | 2011-06-29 | 惠普开发有限公司 | 图像的感知分割 |
US20130124439A1 (en) * | 2010-05-24 | 2013-05-16 | Nec Corporation | Information extraction system, method, and program |
CN103455562A (zh) * | 2013-08-13 | 2013-12-18 | 西安建筑科技大学 | 一种文本倾向性分析方法及基于该方法的商品评论倾向判别器 |
CN103853824A (zh) * | 2014-03-03 | 2014-06-11 | 沈之锐 | 一种基于深度语义挖掘的内文广告发布方法与*** |
CN105469282A (zh) * | 2015-12-01 | 2016-04-06 | 成都知数科技有限公司 | 基于文本评论的线上品牌评估方法 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及*** |
CN106355455A (zh) * | 2016-11-18 | 2017-01-25 | 北京信息科技大学 | 一种从网购用户评论中抽取产品特征信息的方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3751795B2 (ja) * | 1999-11-22 | 2006-03-01 | 株式会社東芝 | 歩行者用道案内文自動作成装置および方法並びに記録媒体 |
JP4197019B2 (ja) | 2006-08-02 | 2008-12-17 | ソニー株式会社 | 撮像装置および表情評価装置 |
US8204684B2 (en) * | 2007-06-28 | 2012-06-19 | Apple Inc. | Adaptive mobile device navigation |
JP2013235507A (ja) | 2012-05-10 | 2013-11-21 | Mynd Inc | 情報処理方法、装置、コンピュータプログラムならびに記録媒体 |
JP2015095249A (ja) * | 2013-11-12 | 2015-05-18 | パラディ有限会社 | ブランド診断方法及びそのシステム |
JP6384242B2 (ja) | 2014-09-30 | 2018-09-05 | 大日本印刷株式会社 | 情報分析装置、情報分析方法、及び、プログラム |
JP6068587B1 (ja) * | 2015-08-28 | 2017-01-25 | Necソリューションイノベータ株式会社 | ブランド価値解析装置、ブランド価値解析方法、及びプログラム |
CN105183869B (zh) | 2015-09-16 | 2018-11-02 | 分众(中国)信息技术有限公司 | 楼宇知识图谱数据库及其构建方法 |
-
2017
- 2017-09-05 JP JP2017170216A patent/JP6821528B2/ja active Active
-
2018
- 2018-08-08 US US16/058,378 patent/US11132699B2/en active Active
- 2018-08-27 CN CN201810983108.5A patent/CN109426987B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140252A (ja) * | 2000-11-02 | 2002-05-17 | Nec Custommax Ltd | 閲覧サービス方法、データ処理方法および装置、ユーザ端末装置、情報記憶媒体 |
JP2003256449A (ja) * | 2002-03-05 | 2003-09-12 | Ricoh Co Ltd | 重要情報抽出システムおよび重要情報抽出方法 |
US20060026054A1 (en) * | 2004-07-28 | 2006-02-02 | International Business Machines Corporation | Method, apparatus, and program for implementing an automation computing evaluation scale to generate recommendations |
JP2009123015A (ja) * | 2007-11-15 | 2009-06-04 | Bbmedia Inc | ブランドランク評価システムおよび方法 |
CN102113014A (zh) * | 2008-07-31 | 2011-06-29 | 惠普开发有限公司 | 图像的感知分割 |
US20120033875A1 (en) * | 2008-07-31 | 2012-02-09 | Ruth Bergman | Preceptual segmentation of images |
US20130124439A1 (en) * | 2010-05-24 | 2013-05-16 | Nec Corporation | Information extraction system, method, and program |
CN103455562A (zh) * | 2013-08-13 | 2013-12-18 | 西安建筑科技大学 | 一种文本倾向性分析方法及基于该方法的商品评论倾向判别器 |
CN103853824A (zh) * | 2014-03-03 | 2014-06-11 | 沈之锐 | 一种基于深度语义挖掘的内文广告发布方法与*** |
CN105469282A (zh) * | 2015-12-01 | 2016-04-06 | 成都知数科技有限公司 | 基于文本评论的线上品牌评估方法 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及*** |
CN106355455A (zh) * | 2016-11-18 | 2017-01-25 | 北京信息科技大学 | 一种从网购用户评论中抽取产品特征信息的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6821528B2 (ja) | 2021-01-27 |
CN109426987B (zh) | 2021-12-28 |
JP2019046289A (ja) | 2019-03-22 |
US20190073682A1 (en) | 2019-03-07 |
US11132699B2 (en) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102222451B1 (ko) | 텍스트 기반 사용자심리상태예측 및 콘텐츠추천 장치 및 그 방법 | |
Evans | A novice researcher’s first walk through the maze of grounded theory: Rationalization for classical grounded theory | |
CN103995803B (zh) | 一种细粒度文本情感分析方法 | |
CN109933664A (zh) | 一种基于情感词嵌入的细粒度情绪分析改进方法 | |
JP6909633B2 (ja) | 評価装置、評価方法、および評価プログラム | |
Ravid et al. | When artificial intelligence systems produce inventions: An alternative model for patent law at the 3a era | |
DE112012001794T5 (de) | Verfahren zum Bestimmen einer Stimmung aus einem Text | |
CN109426987A (zh) | 评价装置、评价方法、噪声消除装置和程序存储介质 | |
McFerran et al. | Understanding music therapy experiences through interviewing: A phenomenological microanalysis | |
Floyd | Wittgenstein and the Inexpressible | |
US10950222B2 (en) | Multimodal video system for generating a personality assessment of a user | |
Halfon et al. | Multimodal affect analysis of psychodynamic play therapy | |
Sidhu et al. | Is more always better for verbs? Semantic richness effects and verb meaning | |
CN112989033A (zh) | 基于情绪类别描述的微博情绪分类方法 | |
Albohn et al. | Everyday beliefs about emotion perceptually derived from neutral facial appearance | |
Albohn et al. | The expressive triad: Structure, color, and texture similarity of emotion expressions predict impressions of neutral faces | |
CN112200674B (zh) | 一种证券市场情绪指数智能计算信息*** | |
Hallett et al. | Perceptions and attitudes of university and college students towards cannabis Use | |
Crittenden et al. | The power of language to influence people: Mary Kay Ash the entrepreneur | |
Ji et al. | Mining themes and interests in the Asperger’s and autism community | |
Liu et al. | Dynamic Sliding Window Modeling for Abstractive Meeting Summarization. | |
CN108154382A (zh) | 评价装置、评价方法及存储介质 | |
Frega | The practice-based approach to normativity of Frederick L. Will | |
CN114418115B (zh) | 心理咨询师的共情会谈训练方法、装置、设备及存储介质 | |
Ovidiu-Mihai et al. | Using BERT to extract emotions from personal journals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |