JP5404575B2 - 経験要因関係分析装置及び方法及びプログラム - Google Patents

経験要因関係分析装置及び方法及びプログラム Download PDF

Info

Publication number
JP5404575B2
JP5404575B2 JP2010225177A JP2010225177A JP5404575B2 JP 5404575 B2 JP5404575 B2 JP 5404575B2 JP 2010225177 A JP2010225177 A JP 2010225177A JP 2010225177 A JP2010225177 A JP 2010225177A JP 5404575 B2 JP5404575 B2 JP 5404575B2
Authority
JP
Japan
Prior art keywords
experience
factor
article
word
score
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.)
Expired - Fee Related
Application number
JP2010225177A
Other languages
English (en)
Other versions
JP2012079180A (ja
Inventor
翔 川中
章裕 宮田
高秀 星出
考 藤村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2010225177A priority Critical patent/JP5404575B2/ja
Publication of JP2012079180A publication Critical patent/JP2012079180A/ja
Application granted granted Critical
Publication of JP5404575B2 publication Critical patent/JP5404575B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Machine Translation (AREA)
  • Document Processing Apparatus (AREA)

Description

本発明は、経験要因関係分析装置及び方法及びプログラムに係り、特に、経験を行うに至った要因の観点からテキスト（記事）を分類するための経験属性付き経験記事集合を用いた経験要因関係分析装置及び方法及びプログラムに関する。
ここで、経験記事とは、人々が自ら何らかの経験について記述した記事であり、また、経験属性とは、経験記事の経験の種類（例えば、経験記事Ａの属性として「ハンバーガー屋へ行く」）を指し、要因とは、人々が経験を行う主要な原因となった事象や状態（経験より前の事象や状態）を指す。
因果関係知識の獲得は、経済予測、マーケティング、行動ナビゲーションなどさまざまな分野において重要なものである。因果関係知識の種類としては世の中の出来事の間の因果関係や、人々一人一人の行動とその要因との間の因果関係などがある。前者については，大量の記事を情報源として、自動的に獲得する従来技術が存在する（例えば、非特許文献1参照）。
上記の非特許文献1などの方法では、新聞記事などを情報源として、各記事のテキストに対して、「ため」「ので」など要因を表す接続標識を手がかりとした特定の言語パターンに適合する表現を、要因や結果が書かれている箇所として特定する。さらに要因と結果の表現それぞれに対して、それぞれが何についてのものなのか語形処理などにより正規化を行い、要因と結果のペア関係を抽出し、さらにそのペア関係を大量に集めることで要因と結果の間の関係の強さを知識として獲得する方法である。
乾孝司, 乾健太郎, 松本裕治. ``接続標識「ため」に基づく文書集合からの因果関係知識の自動獲得," 情報処理学会論文誌, Vol.45, No.3, pp. 919-933, 2004)
しかしながら、因果関係を自動的に獲得する従来研究は、要因箇所か否かの判定にあたり、新聞記事など表現の曖昧性の低い記事集合に対しては有効であるが、一般ユーザが書いた経験記事などの表現の曖昧性が高い記事集合に対しては有効に働かない場合があると考える。なぜなら一般ユーザが書いた経験記事には、明示的な接続標識を伴わなくても要因を表すような場合が数多くあると考えられるからである。
以下に例を示す。例１では「ので」という明示的な接続表現が「行きました」という行動表現にかかっている。
例１）気兼ねなく電源が使えるのでマクドナルド横須賀中央店に行きました。
一方、例２では明示的な接続表現が存在しない一方で、要因が存在している。
例２）コンセントまわりに気にせずいっぱいあるしマクドナルドをチョイス。
例３）周りを気にすることなく電源を使えるって素晴らしいと思って近所のマックへGo!!
前述の従来の因果関係抽出技術では、例２や例３の文に存在する要因を抽出できないことが想定され、適切な記事の分類を行う上で問題となることが予想される。
結果として、マーケティングなどに活用するために、人々の一人一人の行動とその要因との関係を抽出する際の、一般ユーザが書いた経験記事などの表現の曖昧性が高い時記事集合を用いた因果関係分析を行う場合、従来手法では要因と結果の間の知識を獲得する上での充分な性能を保証できない。
本発明は、上記の点に鑑みなされたもので、一般ユーザが書いた経験属性付きの経験記事など表現の曖昧性が高い記事集合を情報源として、人々の経験と要因との関係の強さを算出することを可能とし、経験と要因との因果関係を導出することが可能な経験要因関係分析装置及び方法及びプログラムを提供することを目的とする。
上記の課題を解決するため、本発明（請求項１）は、様々な経験と、人々が経験を行う主要な原因となった事象や状態である様々な要因との関係の強さを表すスコアを出力する経験要因関係分析装置であって、
人々が自らの何らかの経験について記述した経験記事と該経験記事の経験の種類を表す属性である経験属性を、記事ＩＤ毎に格納した経験属性付き経験記事記憶手段と、
経験属性ＩＤと経験属性を格納した経験属性記憶手段と、
要因属性ＩＤと要因属性を格納した要因属性記憶手段と、
前記経験属性付き経験記事記憶手段から経験記事集合を読み込む経験記事入力手段と、
前記経験記事集合の各経験記事の各単語に対して、それが要因を表す文脈で用いられている度合いを表す単語要因文脈スコアを付与する単語要因文脈スコア付与手段と、
単語要因文脈スコア付与済みの各経験記事の各単語に対して、前記要因属性記憶手段を参照して、各記事に記された経験が何の要因に基づいたものであるかを表す経験記事要因スコアを付与する経験記事要因スコア付与手段と、
前記経験記事要因スコア及び経験属性が含まれる経験記事集合を取得し、前記経験記事要因スコアを取得し、経験記事の各経験属性毎に前記経験属性記憶手段を参照して、各経験と各要因との間の関係の強さを示す全経験要因関係スコアを出力する経験要因関係出力手段と、を有する。
また、本発明（請求項２）は、前記単語要因文脈スコア付与手段において、
前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
前記各単語の文書中での出現位置を、前記単語要因文脈スコアを付与するための特徴として利用する手段を含む。
また、本発明（請求項３）は、前記単語要因文脈スコア付与手段において、
前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
前記各単語と、経験を行ったことを表す表現（動詞や名詞などとの）経験表現との出現位置関係を、前記単語要因文脈スコアを付与する特徴として利用する手段を含む。
また、本発明（請求項４）は、前記単語要因文脈スコア付与手段において、
前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
要因について書かれていないことを表す手がかり表現を、前記単語要因文脈スコアを付与する特徴として利用する手段を含む。
また、本発明（請求項５）は、前記単語要因文脈スコア付与手段において、
前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
前記各単語の文書中での出現位置を、前記単語要因文脈スコアを付与するための特徴として利用する手段、
前記各単語と、経験を行ったことを表す表現（動詞や名詞などとの）経験表現との出現位置関係を、前記単語要因文脈スコアを付与する特徴として利用する手段、
要因について書かれていないことを表す手がかり表現を、前記単語要因文脈スコアを付与する特徴として利用する手段、
の少なくとも１つの手段を含む。
また、本発明（請求項６）は、前記経験記事要因スコア付与手段において、
各経験属性毎に、それを属性として持つ、前記経験記事集合に対して、各要因毎に各経験記事の経験記事要因スコアの総和を算出し、その各総和の値を経験属性と要因との関係の強さである前記経験記事要因スコアとして出力する手段を含む。
また、本発明（請求項７）は、前記経験記事要因スコア付与手段において、
各経験属性毎にそれを属性として持つ、前記経験記事集合に対して、各要因毎に各経験記事の経験記事要因スコアの総和(X1とする)、該当経験を属性として持つ経験記事の数(X2とする)、全経験記事の該当要因の経験記事要因スコアの総和(X3とする)、全記事数(X4とする)をそれぞれ算出し、このとき各経験属性毎に、X2に対するX1の多さが、X4に対するX3に比べてどれだけ高いかを測る指標により経験属性と要因との間の関係を前記全経験要因関係スコアとして出力する手段を含む。
また、本発明（請求項８）は、様々な経験と、人々が経験を行う主要な原因となった事象や状態である様々な要因との関係の強さを表すスコアを出力する経験要因関係分析方法であって、
人々が自らの何らかの経験について記述した経験記事と該経験記事の経験の種類を表す属性である経験属性を、記事ＩＤ毎に格納した経験属性付き経験記事記憶手段と、
経験属性ＩＤと経験属性を格納した経験属性記憶手段と、
要因属性ＩＤと要因属性を格納した要因属性記憶手段と、を有する装置において、
経験記事入力手段が、前記経験属性付き経験記事記憶手段から経験記事集合を読み込む経験記事入力ステップと、
単語要因文脈スコア付与手段が、前記経験記事集合の各経験記事の各単語に対して、それが要因を表す文脈で用いられている度合いを表す単語要因文脈スコアを付与する単語要因文脈スコア付与ステップと、
経験記事要因スコア付与手段が、単語要因文脈スコア付与済みの各経験記事の各単語に対して、前記要因属性記憶手段を参照して、各記事に記された経験が何の要因に基づいたものであるかを表す経験記事要因スコアを付与する経験記事要因スコア付与ステップと、
経験要因関係出力手段が、前記経験記事要因スコア及び経験属性が含まれる経験記事集合を取得し、前記経験記事要因スコアを取得し、経験記事の各経験属性毎に前記経験属性記憶手段を参照して、各経験と各要因との間の関係の強さを示す全経験要因関係スコアを出力する経験要因関係出力ステップと、を行う。
また、本発明（請求項９）は、請求項１乃至７のいずれか１項に記載の経験要因関係分析装置を構成する各手段としてコンピュータを機能させるためのプログラムである。
上記のように本発明によれば、一般ユーザが書いた経験属性付きの経験記事など表現の曖昧性が高い記事集合を情報源として、人々の経験と要因との間の関係の強さを算出することが可能となる。
経験と要因の関係の強さを知ることは、様々な領域で有用であるが、特にマーケティングにおいて重要であり、今まで以上の効果的なマーケティングの実現が本発明の効果例となる。本発明が実装された装置を用いることで、マーケッターはある経験に特徴的な要因および、ある要因に特徴的な経験を知ることができ、何らかの経験ができるサービスや商品を企画する際や、そのサービスや商品のプロモーションを行う際に活用することができる。
本発明の一実施の形態における経験要因因果関係分析装置の構成図である。 本発明の一実施の形態における経験属性付き経験記事集合ＤＢの構成例である。 本発明の一実施の形態における要因属性ＤＢの構成例である。 本発明の一実施の形態における経験属性ＤＢの構成例である。 本発明の一実施の形態における動作のフローチャートである。 本発明の一実施の形態における単語要因文脈スコア付与部の構成図である。 本発明の一実施の形態における各文書中の各単語の指標を示す図である。 本発明の一実施の形態における手かがり表現の例（レストラン訪問に関する記事を想定）である。 本発明の一実施の形態における経験記事要因スコア付与部で付与される経験記事要因スコアの例である。 本発明の一実施の形態における経験要因関係スコア算出部で出力される経験要因スコアの例である。 本発明の一実施の形態における経験要因関係コスト算出部に入力される経験属性Ａを持つ記事集合（３記事）の例である。 本発明の一実施の形態における経験要因関係スコア算出部の経験要因関係スコアを説明するための図である。
以下図面と共に、本発明の実施の形態を説明する。
図1は、本発明の一実施の形態における経験要因因果関係分析装置の構成を示す。
同図に示す経験要因因果関係分析装置は、経験記事入力部１０、単語要因文脈スコア付与部２０、経験記事要因スコア付与部３０、経験要因関係スコア算出部４０、属性付き経験記事集合ＤＢ５０、要因属性ＤＢ６０、経験属性ＤＢ７０から構成される。
経験属性付き経験記事集合DB５０（以下、「経験記事集合ＤＢ」と記す）は、図２に示すような経験記事ID、経験記事テキスト、経験属性IDリストをカラムとして持つDBである。
要因属性DB６０は、図３に示すような要因属性ID、要因属性ラベルをカラムとして持つDBである.
経験属性DB７０は図４に示すような経験属性ID、 経験属性ラベルをカラムとして持つDBである.
各部の処理の詳細について以下に記す。
図５は、本発明の一実施の形態における動作のフローチャートである。
経験記事入力部１０は、起動命令があると（ステップ１０１）、経験記事集合DB５０から、全記事IDと全記事の経験記事テキストを読み出して（ステップ１０２）、単語要因文脈スコア付与部２０に渡す。
単語要因文脈スコア付与部２０は、属性付き経験記事集合DB５０から全記事IDと全経験記事テキストを入力とし、全記事IDと全記事の各単語の単語要因文脈スコアを出力する。
単語要因文脈スコア付与部２０は、図６に示すように、文書単語素性計算部２１と要因文脈スコア付与部２２から構成される。
文書単語素性計算部２１は、全記事IDと全経験記事テキストを入力とし、全記事IDと全記事の各単語の各素性のスコアを出力する（ステップ１０３）。記事の各単語の各素性のスコアとは、後の各単語に要因文脈スコアを付与する際に用いる素性のスコアである。文書単語素性計算部２１は、図７に示すように、各記事毎の各単語に、各素性の値を与える。素性には次のものを含むとする。図８は、本発明の一実施の形態における手がかり表現の例である。
(i) 該単語と、要因文脈であることを表す手がかり表現群（図８（ａ））との出現位置の近さを表す指標；
ここで、経験を行ったことを表す表現例（『ハンバーガー屋Ａへ行ったことを書いた記事』）としては、「行く」「入店」など、を指す。
(ii) 該単語と、要因文脈ではないことを表す手がかり表現群（図８（ｂ））との出現位置の近さを表す指標；
ここで、要因について書かれていない手がかりの表現例（『ハンバーガー屋Ａへ行ったことを書いた記事』）としては、「注文する」「店内」など入店決断後に頻出する語を指す。
(iii) 該単語の文書中の位置を表す指標；
単語間の出現位置の近さを測る指標は、単数もしくは複数用いることとする。
上記の出現位置の近さを測る指標には、
（ａ） それぞれの単語の出現文節が係り受け関係にある場合の文節の出現位置の差の逆数；
（ｂ） それぞれの単語の，単純出現位置の差の逆数；
（ｃ）それぞれの単語(入力順に単語A, 単語Bとする)の、出現位置の差の逆数(ただし単語Aが単語Bより前にある際は0とする)；
（ｄ） それぞれの単語(入力順に単語A, 単語Bとする)の、出現位置の差の逆数(ただし単語Bが単語Aより前にある際は0とする)；
などがある。
要因文脈スコア付与部２２は、全記事IDと全記事の各単語の各素性のスコアを入力として、全記事IDと全記事の各単語の単語要因文脈スコアを出力する（ステップ１０４）。記事中の単語の単語要因文脈スコアとは、記事においてその単語が要因を表す文脈で用いられているかを表す指標である。付与方法としては、人手で与えた正例から分類器を学習させ、その確信度を用いる機械学習を用いた手法や、各単語の各素性の値の線形結合を行うなど、何らかの方法で行うものとする。
上記の要因文脈スコア付与部２２における、機械学習を用いた手法について補足する。機械学習を用いた手法では、予めトレーニングデータのための経験記事集合(各素性計算済み)をランダムに作成しておく。その経験記事集合の各経験記事の単語に、それが要因を表す文脈で用いられているかを表すクラスラベル「FACTOR」、およびそれが要因を表す文脈で用いられているかを表すクラスラベル「NOTFACTOR」を人手で付与する。上記トレーニングデータを用いて、機械学習における学習により、分類器を作成する（なおどちらのラベルであるかの何らかの確信度を算出できる学習手法とする）。その分類器を用いて各未分類データ（各文書の各単語）に対して確信度を付与し、その確信度を単語要因文脈スコアとする。
経験記事要因スコア付与部３０は、要因属性ＤＢ６０のデータを読み出し、単語要因文脈スコア付与部２０からの全記事IDと全記事の全単語の単語要因文脈スコアを入力として、図９のように、各記事ＩＤ（１，…，Ｎd）に対して、全ての要因属性毎にスコアを与える。例えば、記事ＩＤ１の要因ＩＤ1のスコア0.3、要因ＩＤ２のスコア0.2、…のようにしてスコアを与え、全記事IDと全記事の各要因毎の経験記事要因スコアを経験要因関係スコア算出部４０に出力する（ステップ１０５）。要因属性は、予め定められ、図３の例のように要因属性ＤＢ６０に格納されているものとする。経験記事要因スコアは人手で与えた正例から分類器を学習させ、その確信度を用いる機械学習手法や、予め与えた出現単語と要因属性との関係を与えたルールを用いる方法など何らかの方法で与えるものとする。
経験要因関係スコア算出部４０は、経験記事要因スコア付与部３０からの全記事IDと全記事の各要因属性毎の経験記事要因スコアを入力として全経験要因関係スコアを出力する。経験要因関係スコア算出部４０は、図１０のように表される経験と要因との関係の強さを表す値である経験要因関係スコアを算出する。
経験要因関係スコア算出部４０は、以下のいずれかの方法により経験要因関係スコアを算出する（ステップ１０６）。
第1の方法としては、経験記事集合ＤＢ５０を参照して、各経験属性ID毎に、図１１のように、その属性を持つ記事集合に対して、各要因属性毎に、各経験記事要因スコアの総和（X1）を算出する（ステップ１０６）。
第２の方法としては、各経験属性ＩＤ毎に、それを属性として持つ経験記事集合に対して、各要因属性毎に各経験記事の経験記事要因スコアの総和（X1とする）、該当経験を属性として持つ経験記事の数(X2とする)、全経験記事の該当要因属性IDの経験記事要因スコアの総和(X3とする)、経験記事集合ＤＢ５０から読み込んだ全記事数(X4とする)をそれぞれ算出する。このとき各経験属性ID、要因属性ID毎に、X2に対するX1の多さが、X4に対するX3に比べてどれだけ高いかを測る指標(P)により経験属性IDと要因属性ID間の経験要因関係スコアを出力する。
上記の指標Pには、図１２のように、X1, X2, X3, X4を利用する2×2分割表におけるカイ２乗値(但し、X1 / X2 < X3 / X4である場合は0とする)を用いることができる。
スコア算出部４２は、最後に図１０のように要因属性ＤＢ６０，経験属性ＤＢ７０を参照し、全ての、経験属性ID、 経験属性ID毎に、それぞれのラベルと、経験要因関係スコアを表示手段に出力する（ステップ１０７）。
本経験要因因果関係分析装置は、経験記事Ａ（「周りを気にすることなく電源を使えるって素晴らしいと思って近所のマックへGo!!」）というテキストに対して、経験属性が「ハンバーガー屋へ行く」であるとき、「ハンバーガー屋に行く」という経験と「電源を使える」という要因の関係の強さは、"0.7"のように出力する。
なお、本発明は、図１に示す経験要因因果関係分析装置の各構成要素の動作をプログラムとして構築し、経験要因因果関係分析装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
また、本発明は、構築されたプログラムをハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。
本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。
１０ 経験記事入力部
２０ 単語要因文脈スコア付与部
２１ 文書単語素性計算部
２２ 要因文脈スコア付与部
３０ 経験記事要因スコア付与部
４０ 経験要因関係スコア算出部
５０ 属性付き経験記事集合ＤＢ
６０ 要因属性ＤＢ
７０ 経験属性ＤＢ

Claims (9)

  1. 様々な経験と、人々が経験を行う主要な原因となった事象や状態である様々な要因との関係の強さを表すスコアを出力する経験要因関係分析装置であって、
    人々が自らの何らかの経験について記述した経験記事と該経験記事の経験の種類を表す属性である経験属性を、記事ＩＤ毎に格納した経験属性付き経験記事記憶手段と、
    経験属性ＩＤと経験属性を格納した経験属性記憶手段と、
    要因属性ＩＤと要因属性を格納した要因属性記憶手段と、
    前記経験属性付き経験記事記憶手段から経験記事集合を読み込む経験記事入力手段と、
    前記経験記事集合の各経験記事の各単語に対して、それが要因を表す文脈で用いられている度合いを表す単語要因文脈スコアを単語要因文脈スコア付与手段と、
    単語要因文脈スコア付与済みの各経験記事の各単語に対して、前記要因属性記憶手段を参照して、機械学習により各記事に記された経験が何の要因に基づいたものであるかを表す経験記事要因スコアを付与する経験記事要因スコア付与手段と、
    前記経験記事要因スコア及び経験属性が含まれる経験記事集合を取得し、前記経験記事要因スコアを取得し、経験記事の各経験属性毎に前記経験属性記憶手段を参照して、各経験と各要因との間の関係の強さを示す全経験要因関係スコアを出力する経験要因関係出力手段と、
    を有することを特徴とする経験要因関係分析装置。
  2. 前記単語要因文脈スコア付与手段は、
    前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
    前記各単語の文書中での出現位置を、前記単語要因文脈スコアを付与するための特徴として利用する手段を含む
    請求項1記載の経験要因関係分析装置。
  3. 前記単語要因文脈スコア付与手段は、
    前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
    前記各単語と、経験を行ったことを表す表現（動詞や名詞などとの）経験表現との出現位置関係を、前記単語要因文脈スコアを付与する特徴として利用する手段を含む
    請求項1記載の経験要因関係分析装置。
  4. 前記単語要因文脈スコア付与手段は、
    前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
    要因について書かれていないことを表す手がかり表現を、前記単語要因文脈スコアを付与する特徴として利用する手段を含む
    請求項1記載の経験要因関係分析装置。
  5. 前記単語要因文脈スコア付与手段は、
    前記各経験記事の各単語に前記単語要因文脈スコアを付与する際に、
    前記各単語の文書中での出現位置を、前記単語要因文脈スコアを付与するための特徴として利用する手段、
    前記各単語と、経験を行ったことを表す表現（動詞や名詞などとの）経験表現との出現位置関係を、前記単語要因文脈スコアを付与する特徴として利用する手段、
    要因について書かれていないことを表す手がかり表現を、前記単語要因文脈スコアを付与する特徴として利用する手段、
    の少なくとも１つの手段を含む
    請求項1記載の経験要因関係分析装置。
  6. 前記経験記事要因スコア付与手段は、
    各経験属性毎に、それを属性として持つ、前記経験記事集合に対して、各要因毎に各経験記事の経験記事要因スコアの総和を算出し、その各総和の値を経験属性と要因との関係の強さである前記経験記事要因スコアとして出力する手段を含む
    請求項1記載の経験要因関係分析装置。
  7. 前記経験記事要因スコア付与手段は、
    各経験属性毎にそれを属性として持つ、前記経験記事集合に対して、各要因毎に各経験記事の経験記事要因スコアの総和(X1とする)、該当経験を属性として持つ経験記事の数(X2とする)、全経験記事の該当要因の経験記事要因スコアの総和(X3とする)、全記事数(X4とする)をそれぞれ算出し、このとき各経験属性毎に、X2に対するX1の多さが、X4に対するX3に比べてどれだけ高いかを測る指標により経験属性と要因との間の関係を前記全経験要因関係スコアとして出力する手段を含む
    請求項1記載の経験要因関係分析装置。
  8. 様々な経験と、人々が経験を行う主要な原因となった事象や状態である様々な要因との関係の強さを表すスコアを出力する経験要因関係分析方法であって、
    人々が自らの何らかの経験について記述した経験記事と該経験記事の経験の種類を表す属性である経験属性を、記事ＩＤ毎に格納した経験属性付き経験記事記憶手段と、
    経験属性ＩＤと経験属性を格納した経験属性記憶手段と、
    要因属性ＩＤと要因属性を格納した要因属性記憶手段と、を有する装置において、
    経験記事入力手段が、前記経験属性付き経験記事記憶手段から経験記事集合を読み込む経験記事入力ステップと、
    単語要因文脈スコア付与手段が、前記経験記事集合の各経験記事の各単語に対して、それが要因を表す文脈で用いられている度合いを表す単語要因文脈スコアを付与する単語要因文脈スコア付与ステップと、
    経験記事要因スコア付与手段が、単語要因文脈スコア付与済みの各経験記事の各単語に対して、前記要因属性記憶手段を参照して、各記事に記された経験が何の要因に基づいたものであるかを表す経験記事要因スコアを付与する経験記事要因スコア付与ステップと、
    経験要因関係出力手段が、前記経験記事要因スコア及び経験属性が含まれる経験記事集合を取得し、前記経験記事要因スコアを取得し、経験記事の各経験属性毎に前記経験属性記憶手段を参照して、各経験と各要因との間の関係の強さを示す全経験要因関係スコアを出力する経験要因関係出力ステップと、
    を行うことを特徴とする経験要因関係分析方法。
  9. 請求項１乃至７のいずれか１項に記載の経験要因関係分析装置を構成する各手段としてコンピュータを機能させるためのプログラム。
JP2010225177A 2010-10-04 2010-10-04 経験要因関係分析装置及び方法及びプログラム Expired - Fee Related JP5404575B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2010225177A JP5404575B2 (ja) 2010-10-04 2010-10-04 経験要因関係分析装置及び方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2010225177A JP5404575B2 (ja) 2010-10-04 2010-10-04 経験要因関係分析装置及び方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2012079180A JP2012079180A (ja) 2012-04-19
JP5404575B2 true JP5404575B2 (ja) 2014-02-05

Family

ID=46239321

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010225177A Expired - Fee Related JP5404575B2 (ja) 2010-10-04 2010-10-04 経験要因関係分析装置及び方法及びプログラム

Country Status (1)

Country Link
JP (1) JP5404575B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210174276A1 (en) * 2017-01-11 2021-06-10 Nec Corporation Information processing apparatus, information processing method and non-transitory recording medium
JP7073740B2 (ja) * 2018-01-24 2022-05-24 株式会社リコー 言語処理装置、言語処理方法及びプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4935405B2 (ja) * 2007-02-16 2012-05-23 日本電気株式会社 因果関係分析装置、因果関係分析方法及びプログラム
JP5034580B2 (ja) * 2007-03-15 2012-09-26 オムロン株式会社 因果推論装置、その制御プログラムおよび制御方法

Also Published As

Publication number Publication date
JP2012079180A (ja) 2012-04-19

Similar Documents

Publication Publication Date Title
US10546005B2 (en) Perspective data analysis and management
US8370278B2 (en) Ontological categorization of question concepts from document summaries
Vu et al. An experiment in integrating sentiment features for tech stock prediction in twitter
Kim et al. Tagging and linking web forum posts
US9881037B2 (en) Method for systematic mass normalization of titles
Aletras et al. Labelling topics using unsupervised graph-based methods
JPWO2012147428A1 (ja) テキストクラスタリング装置、テキストクラスタリング方法、およびプログラム
US10042913B2 (en) Perspective data analysis and management
O'Rourke et al. Visualizing Topic Flow in Students' Essays.
Dehkharghani et al. Automatically identifying a software product's quality attributes through sentiment analysis of tweets
JP5404575B2 (ja) 経験要因関係分析装置及び方法及びプログラム
Wicaksono et al. Toward advice mining: Conditional random fields for extracting advice-revealing text units
JP6710907B2 (ja) 嗜好学習方法、嗜好学習プログラム、及び嗜好学習装置
JP6070951B2 (ja) 評価の分析を支援する装置及び方法
JP6263870B2 (ja) 教材の順序関係を決定する方法、学習支援システム、教材の順序関係を決定する装置、端末装置、及び、プログラム
JP2013125454A (ja) 発想支援装置、方法、およびプログラム
JP5361090B2 (ja) 話題語獲得装置、方法、及びプログラム
US9607009B2 (en) Automatically branding topics using color
US9740681B2 (en) Method for classifying pieces of text on basis of evaluation polarity, computer program product, and computer
JP5609292B2 (ja) 意見分析装置、意見分析方法、および意見分析用プログラム
JP6880580B2 (ja) 課題推定装置、課題推定方法及びプログラム
US9646076B2 (en) System and method for estimating group expertise
Dzulkarnain et al. Sentiment Analysis of Student Complaint Text for Finding Context
JP2009277098A (ja) イベント抽出装置及び方法及びプログラム及びコンピュータ読取可能な記録媒体
Leite et al. Personal characteristics related to engagement before and during the COVID-19 pandemic

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20121225

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20131001

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20131011

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: 20131022

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20131029

R150 Certificate of patent or registration of utility model

Ref document number: 5404575

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees