JP6070501B2 - 情報処理装置及び情報処理プログラム - Google Patents
情報処理装置及び情報処理プログラム Download PDFInfo
- Publication number
- JP6070501B2 JP6070501B2 JP2013212825A JP2013212825A JP6070501B2 JP 6070501 B2 JP6070501 B2 JP 6070501B2 JP 2013212825 A JP2013212825 A JP 2013212825A JP 2013212825 A JP2013212825 A JP 2013212825A JP 6070501 B2 JP6070501 B2 JP 6070501B2
- Authority
- JP
- Japan
- Prior art keywords
- sensitivity
- character string
- topic
- module
- word
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
非特許文献6には、テキスト分類におけるラベル設定の技術が開示されている。
請求項1の発明は、対象となる文字列を受け付ける受付手段と、感性を示す文字列である感性文字列と該感性を示す標識を対応させて記憶している記憶手段に基づいて、前記受付手段によって受け付けられた文字列内に該感性文字列が含まれているか否かを判断する判断手段と、前記判断手段によって感性文字列が含まれていると判断された場合は、該感性文字列に対応する標識を前記文字列に付与し、感性文字列が含まれていないと判断された場合は、前記記憶手段に含まれている複数の標識を前記文字列に付与する第1の付与手段と、前記文字列からワードを抽出する抽出手段と、前記抽出手段によって抽出されたワードに対して、該ワードが含まれていた文字列に付与されている標識を付与する第2の付与手段と、前記第2の付与手段によって標識が付与された文字列を教師情報として、前記文字列に対して教師ありトピックモデリングを行うモデリング手段と、前記モデリング手段による処理結果を出力する出力手段を具備することを特徴とする情報処理装置である。
図1は、本実施の形態の構成例についての概念的なモジュール構成図を示している。
なお、モジュールとは、一般的に論理的に分離可能なソフトウェア(コンピュータ・プログラム)、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはコンピュータ・プログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、それらのモジュールとして機能させるためのコンピュータ・プログラム(コンピュータにそれぞれの手順を実行させるためのプログラム、コンピュータをそれぞれの手段として機能させるためのプログラム、コンピュータにそれぞれの機能を実現させるためのプログラム)、システム及び方法の説明をも兼ねている。ただし、説明の都合上、「記憶する」、「記憶させる」、これらと同等の文言を用いるが、これらの文言は、実施の形態がコンピュータ・プログラムの場合は、記憶装置に記憶させる、又は記憶装置に記憶させるように制御するの意である。また、モジュールは機能に一対一に対応していてもよいが、実装においては、1モジュールを1プログラムで構成してもよいし、複数モジュールを1プログラムで構成してもよく、逆に1モジュールを複数プログラムで構成してもよい。また、複数モジュールは1コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって1モジュールが複数コンピュータで実行されてもよい。なお、1つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続の他、論理的な接続(データの授受、指示、データ間の参照関係等)の場合にも用いる。「予め定められた」とは、対象としている処理の前に定まっていることをいい、本実施の形態による処理が始まる前はもちろんのこと、本実施の形態による処理が始まった後であっても、対象としている処理の前であれば、そのときの状況・状態に応じて、又はそれまでの状況・状態に応じて定まることの意を含めて用いる。「予め定められた値」が複数ある場合は、それぞれ異なった値であってもよいし、2以上の値(もちろんのことながら、全ての値も含む)が同じであってもよい。また、「Aである場合、Bをする」という意味を有する記載は、「Aであるか否かを判断し、Aであると判断した場合はBをする」の意味で用いる。ただし、Aであるか否かの判断が不要である場合を除く。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク(一対一対応の通信接続を含む)等の通信手段で接続されて構成されるほか、1つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。「装置」と「システム」とは、互いに同義の用語として用いる。もちろんのことながら、「システム」には、人為的な取り決めである社会的な「仕組み」(社会システム)にすぎないものは含まない。
また、各モジュールによる処理毎に又はモジュール内で複数の処理を行う場合はその処理毎に、対象となる情報を記憶装置から読み込み、その処理を行った後に、処理結果を記憶装置に書き出すものである。したがって、処理前の記憶装置からの読み込み、処理後の記憶装置への書き出しについては、説明を省略する場合がある。なお、ここでの記憶装置としては、ハードディスク、RAM(Random Access Memory)、外部記憶媒体、通信回線を介した記憶装置、CPU(Central Processing Unit)内のレジスタ等を含んでいてもよい。
ここで、用語の定義を行う。
感性情報とは、人間の感性と結び付くことを意味する。感性情報の例としては、ポジティブ、ネガティブ、喜怒哀楽等がある。
ワードとは、単語、形態素等のテキストの最小構成要素を意味する。
トピックとは、LDA及び関連手法が出力する、ワードの多項分布を意味する。トピックでは関連するワードが高い確率値を持つ。トピックという名称について、LDAと類似した別の手法では、クラスタ、潜在クラス(latent class)等の名称も用いられる。
感性トピックとは、何らかの感性情報と結び付いたトピックを意味する。例としては、ポジティブトピック、ネガティブトピック等がある。
ラベル(標識)とは、テキストに付与される特徴を意味する。人手で付けられたもの及びルールに基づいて機械的に付けられたものの両方がある。例としては、“ポジティブ”、“ネガティブ”等がある。
エモティコンとは、感性と強く結び付くテキスト表現を意味する。例としては、顔文字といわれているものがあり、具体的には、“:-)”(楽しい顔)、“orz”(跪いた人)等がある。顔文字とは、文字や記号を組み合わせて表情等を表現したものである。また、エモティコンに、単独のコードで示される絵文字を含めてもよい。
感性手掛かりとは、特定の感性表現(感性情報)と強く結び付くエモティコン等とその感性表現のペアを意味する。例えば、“:-)”と“ポジティブ”等のペアがある。
感性手掛かり記憶モジュール125は、緩いラベル設定モジュール120と接続されている。感性手掛かり記憶モジュール125は、感性を示す文字列である感性文字列とその感性を示す標識を対応させて記憶している。つまり、感性手掛かりを格納したDBである。
また、感性手掛かり記憶モジュール125は、標識として感性を否定する標識を有していてもよい。
また、感性手掛かり記憶モジュール125が記憶している感性文字列は、顔文字であってもよい。
また、緩いラベル設定モジュール120は、感性文字列が含まれていると判断された場合であって、その感性文字列に対応する標識が、感性を否定する標識であるときは、その感性以外の感性を示す標識をテキスト受付モジュール110が受け付けた文字列に付与するようにしてもよい。「感性A以外の感性Bを示す標識」とは、感性手掛かり記憶モジュール125に含まれている標識であって、否定されている感性Aではない感性Bを示す標識をいう。
なお、緩いラベル設定モジュール120の処理における「緩い」について説明する。緩いラベル設定モジュール120は、典型的なテキスト分類におけるラベル設定と比較して、ラベルを設定する基準が緩くなっている。ここで、典型的なテキスト分類におけるラベル設定として、例えば、非特許文献6の13章6節に記載されたReuters−21578を対象としたSupport Vector Machineを用いたテキスト分類手法における基準がある。この非特許文献6に記載の技術では、具体的には、テキストに付与されたラベルをそのまま用いる設定になる。例えば、米国の養豚業者の会議についての記事に対して、データに設定された“livestock(家畜)”、“hog(豚)”のラベルを用いることとなる。
教師ありトピックモデリングモジュール140は、ワード抽出モジュール130、トピック出力モジュール150と接続されている。教師ありトピックモデリングモジュール140は、ワード抽出モジュール130によって抽出されたワードに対して、そのワードが含まれていた文字列に付与されている標識を付与する。そして、標識が付与された文字列(ワードであってもよい)を教師情報として、テキスト受付モジュール110が受け付けた文字列に対して教師ありトピックモデリングを行う。つまり、教師ありトピックモデリングモジュール140は、ラベルとワードが抽出されたテキストに対して教師ありトピックモデリングを実行する。
トピック出力モジュール150は、教師ありトピックモデリングモジュール140と接続されている。トピック出力モジュール150は、教師ありトピックモデリングモジュール140による処理結果である感性ラベルと結び付いたトピックを出力する。例えば、後述する図11の例に示すトピックテーブル1100を出力する。
ステップS202では、テキスト受付モジュール110は、対象となるテキストを受け付ける。複数のテキストを受け付ける。なお、その処理は一括でも逐次的でもよい。例えば、対象テキストデータ400を受け付ける。図4は、対象テキストデータ400のデータ構造例を示す説明図である。対象テキストデータ400は、ID欄410、テキスト欄420を有している。ID欄410は、本実施の形態においてテキストを一意に識別するためのID(IDentification)を記憶している。テキスト欄420は、対象となるテキストを記憶している。
ステップS206では、ワード抽出モジュール130は、ワードをテキストより抽出する。日本語であれば形態素解析器(MeCab等)を用いて形態素をワードとして抽出する。また、英語等のように分かち書きされている言語であれば、スペースで区切られた文字列をワードとして抽出すればよい。
ステップS208では、教師ありトピックモデリングモジュール140は、ラベルとワードが抽出されたテキストに対して教師ありトピックモデリングを実行する。教師ありトピックモデリング手法としては、例えば、マルチラベルを許す既存の手法であるPLDA(非特許文献5(Ramage et al.(2011))に記載の技術)等を用いる。
ステップS210では、トピック出力モジュール150は、感性ラベルと結び付いたトピックを出力する。
ステップS302では、各テキストについて感性手掛かりを含むか否かを確かめる。例えば、感性手掛かりテーブル500を用いる。図5は、感性手掛かりテーブル500のデータ構造例を示す説明図である。感性手掛かりテーブル500は、感性手掛かりのデータとしてテキスト表現欄510、名称欄520、感性情報欄530を有している。テキスト表現欄510は、エモティコン等のテキスト表現を記憶している。名称欄520は、そのエモティコン等の名称を記憶している。感性情報欄530は、そのエモティコン等の感性情報を記憶している。なお、感性手掛かりテーブル500は、少なくともテキスト表現欄510と感性情報欄530の組み合わせがあればよく、名称欄520はなくてもよいし、また他の情報を加えてもよい。
ステップS306では、対象となっているテキストに対して、全ての感性情報をラベルとして設定する。例えば、図4の例に示す対象テキストデータ400のID=1のテキストでは、感性手掛かりテーブル500のテキスト表現欄510内のテキスト表現がないので、感性情報欄530内の全てのラベルである“ポジティブ”、“ネガティブ”ラベルが付与される。
図6は、従来技術(非特許文献1(Blei et al. (2003))に記載の技術)による処理例を示す説明図である。ここでは、図4の例に示した対象テキストデータ400に対する処理結果としてトピックテーブル600が生成される。トピックテーブル600は、感性情報欄610、トピック欄620を有しているが、感性情報欄610は使用されない。トピック欄620は、各テキストから抽出したトピックを記憶している(ワードの確率値の降順)。つまり、テキスト内の単語の共起に基づきトピックが抽出されるが、感性情報は対応付かない。図6の例では、トピックテーブル600の1行目内のトピックは破線の下線を各ワードに付し、2行目内のトピックは一重線の下線を各ワードに付し、3行目内のトピックは太い一重線の下線を各ワードに付している。
なお、図6から図11の例では恣意的に除外している名詞もある(ID=1のテレビ等)。もちろんのことながら、これらのワードがトピックに含まれることもありえる。また、動詞、形容詞等で活用しているワードは原形のワードとしてトピックを抽出している。これは、形態素解析等の技術を用いて正規化すればよい。また、助詞、助動詞も存在するが、トピックの要素としては除外している。
なお、この例では、エモティコンを含まないテキスト(ID=9の例のように、下線のワードがないテキスト)は感性トピックの抽出に用いられない。
つまり、感性トピックが抽出されるが、感性表現辞書に依存してしまうことになる。例えば、「オイシー」等の一般的でない表現(感性表現辞書に登録されていない表現)は、ポジティブ/ネガティブに対応が取れないこととなる。
まず、対象テキストデータ400に対して、教師ありのトピック抽出を行って、トピックテーブル(教師あり)910を生成する。トピックテーブル(教師あり)910は、エモティコン欄912、感性情報欄914、トピック欄916を有している。エモティコン欄912は、エモティコンを記憶している。感性情報欄914は、そのエモティコンに対応する感性情報を記憶している。トピック欄916は、そのエモティコン(感性情報)に対応するトピック(ワードの確率値の降順)を記憶している。そして、対象テキストデータ400に対して教師なしトピック抽出を行って、トピックテーブル(教師あり)910に重み調整テーブル記憶モジュール930を用いたバイアスを掛けて、トピックテーブル(教師なし)920を生成する。トピックテーブル(教師なし)920は、感性情報欄922、トピック欄924を有している。感性情報欄922は、感性情報を記憶している。トピック欄924は、その感性情報に対応するトピックを記憶している(ワードの確率値の降順)。ここでバイアスを掛けるとは、トピックにおける教師あり事後確率と教師なし事後確率とを重みを用いて線形補間することである。そして、この線形補間をするために、重み調整テーブル記憶モジュール930内の重み調整テーブル1000を用いる。図10は、トピックテーブルのデータ構造例を示す説明図である。重み調整テーブル1000は、イテレーション数欄1010、重み欄1020を有している。イテレーション数欄1010は、イテレーション(繰り返し)回数を記憶している。重み欄1020は、そのイテレーション回数に対する重み値を記憶している。つまり、重み調整テーブル1000には、EMアルゴリズムのイテレーション処理において、繰り返し回数に応じた重み値が設定されている。この従来技術の場合、重みの最適な値はデータにより異なる。
また、本実施の形態では、エモティコン、感性表現辞書にトピック抽出対象テキストが限定されない。したがって、対象テキストデータ400内のID=9のようなテキストであってもトピックを抽出できる。ただし、特許文献1に記載の従来技術でも可能ではある。しかし、特許文献1に記載の従来技術では、重み調整テーブルが必要となり、その調整は困難である。
緩いラベル設定モジュール120によって、重み調整テーブルなしで感性トピックの抽出を実現している。そして、手掛かりトピックの形成を抑制している。また、感性手掛かり記憶モジュール125は、ラベル付与に必要であり、否定条件の感性を設定可能である。
緩いラベル設定モジュール120のステップS304の処理では、例えば、ラベル付与参照領域1250を用いる。つまり、ワードは感性手掛かりと直接関連する(テキスト内のワードは、テキスト表現欄1210内のテキスト表現そのものである)ので、対応する感性情報を付与する。
緩いラベル設定モジュール120のステップS306の処理では、例えば、ラベル付与参照領域1260を用いる。つまり、ワードに関連する感性情報は不確定なため、予め定められた感性情報の全て(感性情報欄1230内の感性情報)に関連すると想定している。このとき、否定(¬)のある感性は、否定なしの感性(否定されている感性以外の感性を展開したもの)として扱う。
喜んでいる顔のエモティコンを含んでいるID=8のテキストにおけるワードは、“ポジティブ”又は“喜んでいる顔”トピックに所属しやすくなる。
エモティコンが含まれていないID=9、ID=10のテキストにおけるワードは、ID=8の“飲み”や“オイシー”を含むので“ポジティブ”トピックに所属しやすくなる。
また、“(´∇`) ノ”はID=8にしか出現しないため、トピックテーブル1300における“喜んでいる顔”トピックに集約される。
ステップS1404では、感性情報は否定条件であるか否かを判断し、否定条件である場合はステップS1406へ進み、それ以外の場合はステップS1408へ進む。例えば、図15の例に示す感性手掛かりテーブル1500の1行目のように「¬ニュートラル」の場合が、否定条件に該当する。この場合、感情が高まった顔における感性は、それが使用されているテキストの文脈において解釈されるものだからである。
ステップS1406では、否定感性ラベルを付与する。具体的には、感性手掛かりテーブル1500のラベル付与参照領域1550を用いて、ニュートラル以外の感性ラベル(この場合は、ポジティブとネガティブの2つ)を付与する。
ステップS1408では、名称・感性ラベルを付与する。ステップS304と同等の処理である。
ステップS1410では、全感性ラベルを付与する。ステップS306と同等の処理である。具体的には、感性手掛かりテーブル1500のラベル付与参照領域1560を用いて、感性ラベルを付与する。ただし、ここでは否定の感性ラベルは付与しない。つまり、名称ラベルと否定以外の全ての感性ラベル(この例ではポジティブとネガティブ)を付与する。
感性辞書モジュール1627は、緩いラベル設定モジュール120と接続されている。感性辞書モジュール1627は、感性文字列として、感性を示すワードを記憶している。例えば、感性辞書テーブル1800を記憶している。図18は、感性辞書テーブル1800のデータ構造例を示す説明図である。感性辞書テーブル1800は、感性欄1810、感性表現欄1820を有している。感性欄1810は、感性情報を記憶している。感性表現欄1820は、その感性情報を示す具体的な感性表現を記憶している。例えば、ポジティブという感性情報を示す感性表現として、「いい」、「綺麗」等を記憶しており、ネガティブという感性情報を示す感性表現として、「暑い」、「痛い」、「寒い」、「風邪」、「だるい」等を記憶している。
そして、図1の例に示した緩いラベル設定モジュール120のように、感性手掛かりテーブル1700のラベル付与参照領域1750のように適用する場合(ステップS304又はステップS1408の処理)、感性手掛かりテーブル1700のラベル付与参照領域1760のように適用する場合(ステップS306又はステップS1410の処理)がある。緩いラベル設定モジュール120は、感性辞書モジュール1627を用いることによって、感性情報と対応付いたトピックの抽出性能を向上させている。
次に、PLDAの生成アルゴリズムを示す。
−−−−− −−−−− −−−−−
それぞれのトピックk∈{1…K}について
選択,Φk〜Dir(η)
それぞれのドキュメントd∈{1…D}について
それぞれのドキュメントラベルj∈Λd(観測されたラベル)
選択,θd,j〜Dir(α)
選択,大きさ|Λd|のψd〜Dir(α)
それぞれのワードw∈Wdについて
選択,ラベルl〜Mult(ψd)
選択,トピックz〜Mult(θd,j)
選択,ワードw〜Mult(Φz)
−−−−− −−−−− −−−−−
なお、前述のアルゴリズム中のDir(・)はディリクレ分布(Dirichlet distribution)を意味し、Mult(・)は多項分布を意味する。PLDAではドキュメント集合に対して最適なΦ、ψ、θを計算する必要がある。最適なΦ、ψ、θを効率的に計算する手段は非特許文献5(Ramage et al.(2011))に記載されている。
なお、図20に示すハードウェア構成は、1つの構成例を示すものであり、本実施の形態は、図20に示す構成に限らず、本実施の形態において説明したモジュールを実行可能な構成であればよい。例えば、一部のモジュールを専用のハードウェア(例えばASIC等)で構成してもよく、一部のモジュールは外部のシステム内にあり通信回線で接続しているような形態でもよく、さらに図20に示すシステムが複数互いに通信回線によって接続されていて互いに協調動作するようにしてもよい。また、特に、パーソナルコンピュータの他、情報家電、複写機、ファックス、スキャナ、プリンタ、複合機(スキャナ、プリンタ、複写機、ファックス等のいずれか2つ以上の機能を有している画像処理装置)などに組み込まれていてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通などのために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク(DVD)であって、DVDフォーラムで策定された規格である「DVD−R、DVD−RW、DVD−RAM等」、DVD+RWで策定された規格である「DVD+R、DVD+RW等」、コンパクトディスク(CD)であって、読出し専用メモリ(CD−ROM)、CDレコーダブル(CD−R)、CDリライタブル(CD−RW)等、ブルーレイ・ディスク(Blu−ray(登録商標) Disc)、光磁気ディスク(MO)、フレキシブルディスク(FD)、磁気テープ、ハードディスク、読出し専用メモリ(ROM)、電気的消去及び書換可能な読出し専用メモリ(EEPROM(登録商標))、フラッシュ・メモリ、ランダム・アクセス・メモリ(RAM)、SD(Secure Digital)メモリーカード等が含まれる。
そして、前記のプログラム又はその一部は、前記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク(LAN)、メトロポリタン・エリア・ネットワーク(MAN)、ワイド・エリア・ネットワーク(WAN)、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、あるいは無線通信ネットワーク、さらにこれらの組み合わせ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、前記のプログラムは、他のプログラムの一部分であってもよく、あるいは別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して
記録されていてもよい。また、圧縮や暗号化など、復元可能であればどのような態様で記録されていてもよい。
120…緩いラベル設定モジュール
125…感性手掛かり記憶モジュール
130…ワード抽出モジュール
140…教師ありトピックモデリングモジュール
150…トピック出力モジュール
400…対象テキストデータ
1627…感性辞書モジュール
Claims (5)
- 対象となる文字列を受け付ける受付手段と、
感性を示す文字列である感性文字列と該感性を示す標識を対応させて記憶している記憶手段に基づいて、前記受付手段によって受け付けられた文字列内に該感性文字列が含まれているか否かを判断する判断手段と、
前記判断手段によって感性文字列が含まれていると判断された場合は、該感性文字列に対応する標識を前記文字列に付与し、感性文字列が含まれていないと判断された場合は、前記記憶手段に含まれている複数の標識を前記文字列に付与する第1の付与手段と、
前記文字列からワードを抽出する抽出手段と、
前記抽出手段によって抽出されたワードに対して、該ワードが含まれていた文字列に付与されている標識を付与する第2の付与手段と、
前記第2の付与手段によって標識が付与された文字列を教師情報として、前記文字列に対して教師ありトピックモデリングを行うモデリング手段と、
前記モデリング手段による処理結果を出力する出力手段
を具備することを特徴とする情報処理装置。 - 前記記憶手段は、標識として感性を否定する標識を有し、
前記第1の付与手段は、前記判断手段によって感性文字列が含まれていると判断された場合であって、該感性文字列に対応する標識が、感性を否定する標識であるときは、該感性以外の感性を示す標識を前記文字列に付与する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記記憶手段が記憶している感性文字列は、顔文字である
ことを特徴とする請求項1又は2に記載の情報処理装置。 - 前記記憶手段が記憶している感性文字列は、感性を示すワードを含む
ことを特徴とする請求項3に記載の情報処理装置。 - コンピュータを、
対象となる文字列を受け付ける受付手段と、
感性を示す文字列である感性文字列と該感性を示す標識を対応させて記憶している記憶手段に基づいて、前記受付手段によって受け付けられた文字列内に該感性文字列が含まれているか否かを判断する判断手段と、
前記判断手段によって感性文字列が含まれていると判断された場合は、該感性文字列に対応する標識を前記文字列に付与し、感性文字列が含まれていないと判断された場合は、前記記憶手段に含まれている複数の標識を前記文字列に付与する第1の付与手段と、
前記文字列からワードを抽出する抽出手段と、
前記抽出手段によって抽出されたワードに対して、該ワードが含まれていた文字列に付与されている標識を付与する第2の付与手段と、
前記第2の付与手段によって標識が付与された文字列を教師情報として、前記文字列に対して教師ありトピックモデリングを行うモデリング手段と、
前記モデリング手段による処理結果を出力する出力手段
として機能させるための情報処理プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013212825A JP6070501B2 (ja) | 2013-10-10 | 2013-10-10 | 情報処理装置及び情報処理プログラム |
US14/266,966 US9244910B2 (en) | 2013-10-10 | 2014-05-01 | Information processing apparatus, information processing method, and non-transitory computer readable medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013212825A JP6070501B2 (ja) | 2013-10-10 | 2013-10-10 | 情報処理装置及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015075993A JP2015075993A (ja) | 2015-04-20 |
JP6070501B2 true JP6070501B2 (ja) | 2017-02-01 |
Family
ID=52810387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013212825A Expired - Fee Related JP6070501B2 (ja) | 2013-10-10 | 2013-10-10 | 情報処理装置及び情報処理プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9244910B2 (ja) |
JP (1) | JP6070501B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10275444B2 (en) | 2016-07-15 | 2019-04-30 | At&T Intellectual Property I, L.P. | Data analytics system and methods for text data |
US10380251B2 (en) * | 2016-09-09 | 2019-08-13 | International Business Machines Corporation | Mining new negation triggers dynamically based on structured and unstructured knowledge |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
US10558757B2 (en) | 2017-03-11 | 2020-02-11 | International Business Machines Corporation | Symbol management |
CN109271489B (zh) * | 2018-10-25 | 2020-12-15 | 第四范式(北京)技术有限公司 | 一种文本检测方法及装置 |
US11068666B2 (en) * | 2019-10-11 | 2021-07-20 | Optum Technology, Inc. | Natural language processing using joint sentiment-topic modeling |
US11494565B2 (en) | 2020-08-03 | 2022-11-08 | Optum Technology, Inc. | Natural language processing techniques using joint sentiment-topic modeling |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005339412A (ja) | 2004-05-31 | 2005-12-08 | Bearnet Inc | 特許マップ生成方法およびプログラム |
US20070050388A1 (en) | 2005-08-25 | 2007-03-01 | Xerox Corporation | Device and method for text stream mining |
JP5321058B2 (ja) * | 2006-05-26 | 2013-10-23 | 日本電気株式会社 | 情報付与システム、情報付与方法、情報付与プログラム及び情報付与プログラム記録媒体 |
CN102200969A (zh) * | 2010-03-25 | 2011-09-28 | 日电(中国)有限公司 | 基于句子顺序的文本情感极性分类***和方法 |
US20120179751A1 (en) * | 2011-01-06 | 2012-07-12 | International Business Machines Corporation | Computer system and method for sentiment-based recommendations of discussion topics in social media |
JP5538354B2 (ja) | 2011-12-27 | 2014-07-02 | 日本電信電話株式会社 | トピックモデル学習方法、装置、及びプログラム |
US20140088954A1 (en) * | 2012-09-27 | 2014-03-27 | Research In Motion Limited | Apparatus and method pertaining to automatically-suggested emoticons |
US20150073774A1 (en) * | 2013-09-11 | 2015-03-12 | Avaya Inc. | Automatic Domain Sentiment Expansion |
-
2013
- 2013-10-10 JP JP2013212825A patent/JP6070501B2/ja not_active Expired - Fee Related
-
2014
- 2014-05-01 US US14/266,966 patent/US9244910B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20150106080A1 (en) | 2015-04-16 |
JP2015075993A (ja) | 2015-04-20 |
US9244910B2 (en) | 2016-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6070501B2 (ja) | 情報処理装置及び情報処理プログラム | |
Rao et al. | Social emotion classification of short text via topic-level maximum entropy model | |
Mozetič et al. | Multilingual Twitter sentiment classification: The role of human annotators | |
Montejo-Ráez et al. | Ranked wordnet graph for sentiment polarity classification in twitter | |
Giachanou et al. | Like it or not: A survey of twitter sentiment analysis methods | |
Stein et al. | Intrinsic plagiarism analysis | |
Li et al. | Mining evidences for named entity disambiguation | |
Montejo-Ráez et al. | Random walk weighting over sentiwordnet for sentiment polarity detection on twitter | |
Zhu et al. | Combined SVM-CRFs for biological named entity recognition with maximal bidirectional squeezing | |
Kumar et al. | IIT-TUDA: System for sentiment analysis in Indian languages using lexical acquisition | |
US20210073255A1 (en) | Analyzing the tone of textual data | |
Kauer et al. | Using information retrieval for sentiment polarity prediction | |
Syaifudin et al. | Twitter data mining for sentiment analysis on peoples feedback against government public policy | |
Zhang et al. | Annotating needles in the haystack without looking: Product information extraction from emails | |
Alharbi et al. | Enhancing topic clustering for Arabic security news based on k‐means and topic modelling | |
Caicedo et al. | Bootstrapping semi-supervised annotation method for potential suicidal messages | |
US20150370887A1 (en) | Semantic merge of arguments | |
Hussain et al. | A technique for perceiving abusive bangla comments | |
CN113205426A (zh) | 一种预测社交媒体内容的热度等级的方法和装置 | |
JP2016162163A (ja) | 情報処理装置及び情報処理プログラム | |
Gul et al. | Tanz‐Indicator: A Novel Framework for Detection of Perso‐Arabic‐Scripted Urdu Sarcastic Opinions | |
Ouertatani et al. | Parsing argued opinion structure in Twitter content | |
Li et al. | Social context analysis for topic-specific expert finding in online learning communities | |
JP5824429B2 (ja) | スパムアカウントスコア算出装置、スパムアカウントスコア算出方法、及びプログラム | |
Bhuvaneswari et al. | Enhancing the sentiment classification accuracy of twitter data using machine learning algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161125 |
|
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: 20161206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6070501 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |