JP2020030529A - 提供装置、提供方法および提供プログラム - Google Patents
提供装置、提供方法および提供プログラム Download PDFInfo
- Publication number
- JP2020030529A JP2020030529A JP2018154802A JP2018154802A JP2020030529A JP 2020030529 A JP2020030529 A JP 2020030529A JP 2018154802 A JP2018154802 A JP 2018154802A JP 2018154802 A JP2018154802 A JP 2018154802A JP 2020030529 A JP2020030529 A JP 2020030529A
- Authority
- JP
- Japan
- Prior art keywords
- information
- impression
- attribute
- user
- attribute 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
- 238000000034 method Methods 0.000 title claims description 53
- 239000000284 extract Substances 0.000 claims abstract description 39
- 230000002349 favourable effect Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012552 review Methods 0.000 description 170
- 238000011156 evaluation Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
〔1.情報提供装置の概要について〕
まず、図1を用いて、提供装置の一例である情報提供装置が実行する処理の一例について説明する。図1は、実施形態に係る情報提供装置が実行する処理の一例を示す図である。図1では、情報提供装置10は、以下に説明する提供処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。
ここで、情報提供装置10は、利用者により投稿された投稿情報を、他の利用者に対して提供するサービスを提供する。例えば、情報提供装置10は、利用者から商品や役務等といった各種の取引対象に対するレビューを受付ける。より具体的な例を挙げると、情報提供装置10は、タイヤ、ホイール、エアロパーツ等、車両に関する各種の部品に対する評価や使用感等を示すテキストをレビューとして受付ける。このような場合、情報提供装置10は、部品の指定を他の利用者から受付けると、指定された部品の写真や市場の平均価格と共に、指定された部品に対するレビューを提供する。
ここで、取引対象に対するレビューを単純に提供した場合、レビューの数が多くなるにつれて、どのような内容のレビューが提供されているかの把握が困難となる。また、このような複数のレビューの内容の把握を容易にするために、例えば、レビューとして登録されたテキストに含まれる単語を抽出し、抽出した単語を利用者に提供する手法が考えられる。例えば、タグクラウドと同様に、レビューにおける出現頻度が高い程、より大きな表示サイズで単語を表示するといった手法が考えられる。しかしながら、このような手法では、レビューを投稿した利用者の取引対象に対する印象を適切に表示しているとは言えない場合がある。
続いて、図1を用いて、情報提供装置10が実行する提供処理の一例について説明する。まず、情報提供装置10は、取引対象のレビューと、取引対象に対する評価とを受付ける(ステップS1)。ここで、取引対象に対する評価とは、取引対象に対して利用者がどのような印象を有しているかの指標となる情報であり、例えば、取引対象に対する5段階評価である。すなわち、取引対象に対する評価とは、利用者が投稿したレビューが示す印象であって、取引対象に対する利用者の印象の指標となる情報である。なお、情報提供装置10は、様々な取引対象に対し、複数のレビューを受付けるものとする。
上述した例では、情報提供装置10は、取引対象に対するレビューから属性情報を抽出した。ここで、情報提供装置10は、任意の単位の情報から属性情報の抽出を行ってよい。例えば、情報提供装置10は、利用者が投稿した投稿情報全体(すなわち、レビュー全体)から属性情報を抽出してもよく、投稿情報を複数の情報(例えば、複数の文章)に分解し、分解した各情報から属性情報を抽出してもよい。
ここで、上述した説明では、情報提供装置10は、取引対象の属性に対する利用者の印象が好意的であるか否定的であるかの推定を行った。しかしながら、実施形態は、これに限定されるものではない。情報提供装置10は、利用者の印象を推定するのであれば、任意の粒度で利用者の印象を推定してもよい。例えば、情報提供装置10は、好意的であるか、および否定的であるかに加えて、好意的でも否定的でもない中性的であるか否かを推定してもよい。また、情報提供装置10は、「好き」、「嫌い」、「許容可能」、「許容不可能」、「推薦したい」、「推薦したくない」というように、利用者が有する任意の印象を推定してもよい。
上述した例では、情報提供装置10は、属性情報が示す属性に対する利用者の印象に応じた色彩、出現頻度に応じた大きさ、類似性に応じた配置、若しくは印象の強さに応じた表示態様で、属性情報となる文字列を表示させる印象情報を生成した。しかしながら、実施形態は、これに限定されるものではない。すなわち、情報提供装置10は、利用者の印象、出現頻度、類似性若しくは印象の強さを示すことができるのであれば、任意の態様で属性情報を表示させる文字列を表示させる印象情報を生成してよい。
ここで、情報提供装置10は、DNN等のモデルを用いて、投稿情報から属性情報の抽出と利用者の印象の推定とを実行してもよい。例えば、情報提供装置10は、投稿情報から属性情報と、投稿情報を投稿した利用者の属性情報が示す属性に対する印象とを推定する推定モデルを用いて、投稿情報から投稿情報を投稿した利用者の印象を推定してもよい。例えば、情報提供装置10は、推定モデルとして、所定の投稿情報が入力された場合に、所定の投稿情報に含まれる属性情報と、属性情報が示す属性に対する利用者の印象を示す情報とを出力するように学習が行われたモデルを用いて、利用者の印象を推定してもよい。また、情報提供装置10は、例えば、推定モデルとして、所定の投稿情報が入力された場合に、所定の投稿情報に含まれる属性情報と、属性情報が示す属性に対する利用者の印象を示す情報と、印象の強さを示す情報とを出力するように学習が行われたモデルを用いて、利用者の印象を推定してもよい。
上述した例では、情報提供装置10は、車両に関する各種の部品に対する評価や使用感等を示すテキストをレビューとして受付けた。しかしながら、実施形態は、これに限定されるものではない。情報提供装置10は、何かしらの対象について投稿された投稿情報から、対象が有する属性を示す属性情報を抽出し、抽出した属性情報が示す属性に対する利用者の印象を推定するのであれば、任意の対象について、上述した提供処理を実行して良い。
以下、上記した検出処理および配信処理を実現する情報提供装置10が有する機能構成の一例について説明する。図3は、実施形態に係る情報提供装置の構成例を示す図である。図3に示すように、情報提供装置10は、通信部20、記憶部30、および制御部40を有する。
取引対象の名称やメーカー等を示す文字列や写真データ、印象情報として生成されたHTML、CSS、若しくは画像のデータ等が登録されることとなる。また、図4に示す情報以外にも、取引対象データベース31には、取引対象に関する任意の情報が登録されていてよい。
次に、図6を用いて、情報提供装置10が実行する処理の流れの一例について説明する。図6は、実施形態に係る情報提供装置が実行する提供処理の流れの一例を示すフローチャートである。なお、図6に示す例では、閲覧対象となる取引対象の指定を受付けた後で、属性情報の抽出、利用者の印象の推定、および印象情報の生成を行う処理の一例について記載した。
上記では、情報提供装置10による提供処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、情報提供装置10が実行する処理のバリエーションについて説明する。
上述した説明では、端末装置100から閲覧対象となる取引対象の指定を受付けた情報提供装置10が、属性情報の抽出や利用者の印象の推定を行った。しかしながら、実施形態は、これに限定されるものではない。
上述した実施形態では、情報提供装置10は、DNNといったニューラルネットワークにより構成されるモデルを用いて、属性情報が示す属性に対する利用者の印象が好意的であるか否か、すなわち、属性情報がポジティブに用いられているかネガティブに用いられているか(すなわち、印象のカテゴリ)を推定した。また、情報提供装置10は、モデルを用いて、属性情報に対する利用者の印象や印象の度合を示す印象値を算出した。また、情報提供装置10は、属性情報がポジティブに用いられているかネガティブに用いられているかをモデルに学習させた。
記憶部30に登録された各データベース31、32は、外部のストレージサーバに保持されていてもよい。また、情報提供装置10は、学習処理を実行する学習サーバ、および提供処理を実行する出力サーバとが連携して動作することにより、実現されてもよい。このような場合、学習サーバには図3に示す学習部42が配置され、出力サーバには取得部41、抽出部43、推定部44、および提供部45が配置されていればよい。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、逆に、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上述した実施形態に係る情報提供装置10は、例えば図7に示すような構成のコンピュータ1000によって実現される。図7は、ハードウェア構成の一例を示す図である。コンピュータ1000は、提供装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
上述したように、情報提供装置10は、利用者により投稿された投稿情報であって所定の対象に関する投稿情報から、所定の対象の属性を示す属性情報を抽出し、投稿情報に基づいて、所定の対象が有する属性であって抽出された属性情報が示す属性に対する利用者の印象を推定する。そして、情報提供装置10は、属性情報と推定された印象とを示す印象情報を提供する。このため、情報提供装置10は、投稿が示す情報の識別を容易にすることができる。
20 通信部
30 記憶部
31 取引対象データベース
32 レビューデータベース
33 推定モデル
40 制御部
41 取得部
42 学習部
43 抽出部
44 推定部
45 提供部
100 端末装置
Claims (16)
- 利用者により投稿された投稿情報であって所定の対象に関する投稿情報から、当該所定の対象の属性を示す属性情報を抽出し、前記投稿情報に基づいて、前記所定の対象が有する属性であって当該抽出された属性情報が示す属性に対する前記利用者の印象を推定する推定部と、
前記属性情報と前記推定された印象とを示す印象情報を提供する提供部と
を有することを特徴とする提供装置。 - 前記提供部は、前記推定部により推定された印象に応じた表示態様で、前記抽出された属性情報を表示するための印象情報を提供する
ことを特徴とする請求項1に記載の提供装置。 - 前記推定部は、前記所定の対象に対する前記利用者の印象と、当該印象の強さとを推定し、
前記提供部は、前記属性情報と、前記推定部により推定された印象と、当該印象の強さとを示す印象情報を提供する
ことを特徴とする請求項1または2に記載の提供装置。 - 前記提供部は、前記属性情報を、前記推定部により推定された印象と当該印象の強さとに応じた表示態様で表示するための印象情報を提供する
ことを特徴とする請求項3に記載の提供装置。 - 前記提供部は、前記属性情報を、前記所定の対象に関する複数の投稿情報における出現頻度に応じた表示態様で表示するための印象情報を提供する
ことを特徴とする請求項1〜4のうちいずれか1つに記載の提供装置。 - 前記推定部は、前記属性情報として、前記利用者により投稿された文章から、前記所定の対象の属性を示す文節若しくは単語を抽出し、抽出した文節若しくは単語が示す属性に対する印象を推定する
ことを特徴とする請求項1〜5のうちいずれか1つに記載の提供装置。 - 前記提供部は、前記属性情報として抽出された文節若しくは単語を、前記推定部により推定された印象と対応する色彩で表示するための印象情報を提供する
ことを特徴とする請求項6に記載の提供装置。 - 前記提供部は、前記属性情報として抽出された複数の文節若しくは複数の単語を、前記推定部により推定された印象の類似性に応じた位置に配置して表示するための印象情報を提供する
ことを特徴とする請求項6または7に記載の提供装置。 - 前記提供部は、前記属性情報として抽出された複数の文節若しくは複数の単語を、前記所定の対象に関する複数の投稿情報における出現頻度に応じた大きさで表示するための印象情報を提供する
ことを特徴とする請求項6〜8のうちいずれか1つに記載の提供装置。 - 前記推定部は、前記所定の対象に対する前記利用者の印象であって、前記投稿情報が示す利用者の印象に基づいて、当該投稿情報から抽出された属性情報が示す属性に対する利用者の印象を推定する
ことを特徴とする請求項1〜9のうちいずれか1つに記載の提供装置。 - 前記推定部は、前記利用者の印象として、前記抽出部により抽出された属性情報が示す属性に対し、前記利用者が好意的な印象を有しているか、否定的な印象を有しているかを推定する
ことを特徴とする請求項1〜10のうちいずれか1つに記載の提供装置。 - 前記推定部は、投稿情報から前記属性情報と、当該投稿情報を投稿した利用者の当該属性情報が示す属性に対する印象とを推定する推定モデルを用いて、前記投稿情報から当該投稿情報を投稿した利用者の印象を推定する
ことを特徴とする請求項1〜11のうちいずれか1つに記載の提供装置。 - 前記推定部は、前記推定モデルとして、所定の投稿情報が入力された場合に、当該所定の投稿情報に含まれる属性情報と、当該属性情報が示す属性に対する利用者の印象を示す情報とを出力するように学習が行われたモデルを用いて、前記利用者の印象を推定する
ことを特徴とする請求項12に記載の提供装置。 - 前記推定部は、前記推定モデルとして、所定の投稿情報が入力された場合に、当該所定の投稿情報に含まれる属性情報と、当該属性情報が示す属性に対する利用者の印象を示す情報と、当該印象の強さを示す情報とを出力するように学習が行われたモデルを用いて、前記利用者の印象を推定する
ことを特徴とする請求項12または13に記載の提供装置。 - 提供装置が実行する提供方法であって、
利用者により投稿された投稿情報であって所定の対象に関する投稿情報から、当該所定の対象の属性を示す属性情報を抽出し、前記投稿情報に基づいて、前記所定の対象が有する属性であって当該抽出された属性情報が示す属性に対する前記利用者の印象を推定する推定工程と、
前記属性情報と前記推定された印象とを示す印象情報を提供する提供工程と
を含むことを特徴とする提供方法。 - 利用者により投稿された投稿情報であって所定の対象に関する投稿情報から、当該所定の対象の属性を示す属性情報を抽出し、前記投稿情報に基づいて、前記所定の対象が有する属性であって当該抽出された属性情報が示す属性に対する前記利用者の印象を推定する推定手順と、
前記属性情報と前記推定された印象とを示す印象情報を提供する提供手順と
をコンピュータに実行させるための提供プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018154802A JP7139189B2 (ja) | 2018-08-21 | 2018-08-21 | 提供装置、提供方法および提供プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018154802A JP7139189B2 (ja) | 2018-08-21 | 2018-08-21 | 提供装置、提供方法および提供プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020030529A true JP2020030529A (ja) | 2020-02-27 |
JP7139189B2 JP7139189B2 (ja) | 2022-09-20 |
Family
ID=69622522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018154802A Active JP7139189B2 (ja) | 2018-08-21 | 2018-08-21 | 提供装置、提供方法および提供プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7139189B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7129585B1 (ja) * | 2021-11-25 | 2022-09-01 | シエンプレ株式会社 | Sns投稿分類提供システム、sns投稿分類提供方法及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003157254A (ja) * | 2001-11-20 | 2003-05-30 | Just Syst Corp | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2017146874A (ja) * | 2016-02-19 | 2017-08-24 | 株式会社アイスタイル | 辞書構築装置、情報処理装置、コメント出力装置、評価語辞書の生産方法、情報処理方法、コメント出力方法およびプログラム |
-
2018
- 2018-08-21 JP JP2018154802A patent/JP7139189B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003157254A (ja) * | 2001-11-20 | 2003-05-30 | Just Syst Corp | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2017146874A (ja) * | 2016-02-19 | 2017-08-24 | 株式会社アイスタイル | 辞書構築装置、情報処理装置、コメント出力装置、評価語辞書の生産方法、情報処理方法、コメント出力方法およびプログラム |
Non-Patent Citations (4)
Title |
---|
中野裕介ほか: "機械学習による商品レビューの属性−意見ペアの抽出", 情報処理学会研究報告 [ONLINE], vol. Vol.2015-DBS-162, JPN6021026622, 19 November 2015 (2015-11-19), pages 14 - 1, ISSN: 0004710346 * |
平山拓央ほか: "属性評価モデルに基づく商品評価の抽出と提示", 第3回データ工学と情報マネジメントに関するフォーラム 論文集 [ONLINE], JPN6022035531, 27 July 2011 (2011-07-27), ISSN: 0004861212 * |
朝倉遼ほか: "深層学習による属性を考慮したレストランレビュー文書の感情極性分析", 電子情報通信学会技術研究報告, vol. 116, no. 340, JPN6022035532, 24 November 2016 (2016-11-24), pages 1 - 6, ISSN: 0004861213 * |
谷本融紀ほか: "評判情報可視化のための評価表現辞書の有効性評価", 第3回データ工学と情報マネジメントに関するフォーラム 論文集 [ONLINE], JPN6022006402, 27 July 2011 (2011-07-27), pages 1 - 8, ISSN: 0004710345 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7129585B1 (ja) * | 2021-11-25 | 2022-09-01 | シエンプレ株式会社 | Sns投稿分類提供システム、sns投稿分類提供方法及びプログラム |
WO2023095227A1 (ja) * | 2021-11-25 | 2023-06-01 | シエンプレ株式会社 | Sns投稿分類提供システム、sns投稿分類提供方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7139189B2 (ja) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | EDMF: Efficient deep matrix factorization with review feature learning for industrial recommender system | |
EP2866421B1 (en) | Method and apparatus for identifying a same user in multiple social networks | |
An et al. | Role of user-generated photos in online hotel reviews: An analytical approach | |
Joung et al. | Approach for importance–performance analysis of product attributes from online reviews | |
US20120278253A1 (en) | Determining sentiment for commercial entities | |
US10878473B1 (en) | Content modification | |
US11574123B2 (en) | Content analysis utilizing general knowledge base | |
JP6070501B2 (ja) | 情報処理装置及び情報処理プログラム | |
CN112948575A (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
Lee et al. | What books will be your bestseller? A machine learning approach with Amazon Kindle | |
Sutoyo et al. | PRDECT-ID: Indonesian product reviews dataset for emotions classification tasks | |
Javadpour et al. | A scalable feature selection and opinion miner using whale optimization algorithm | |
Gupta et al. | A vocabulary-based framework for sentiment analysis | |
JP7139189B2 (ja) | 提供装置、提供方法および提供プログラム | |
Pham et al. | How does herd behaviour impact the purchase intention? Explore the moderating effect of risk aversion in the context of Vietnamese consumers | |
JP2012256283A (ja) | 感性分析システム及びプログラム | |
Han et al. | Developing smart service concepts: morphological analysis using a Novelty-Quality map | |
Elzeheiry et al. | Sentiment analysis for e-commerce product reviews: Current trends and future directions | |
Mahmood et al. | Recognizing factors effecting the use of mobile banking apps through sentiment and thematic analysis on user reviews | |
JP6723897B2 (ja) | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム | |
Quazi et al. | Twitter sentiment analysis using machine learning | |
Regino et al. | QART: A Framework to Transform Natural Language Questions and Answers into RDF Triples. | |
JP2019194793A (ja) | 情報処理装置およびプログラム | |
CN111915339A (zh) | 数据的处理方法、装置及设备 | |
JP2020154464A (ja) | 推定装置、推定方法及び推定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200819 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220425 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220907 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7139189 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |