JP6599289B2 - 期間シフト相関に基づいて評価を推定可能な装置、プログラム及び方法 - Google Patents

Description

本発明は、通信ネットワーク・サービス上で取得される文書の解析技術に関する。

近年、膨大な数のユーザがＳＮＳ(Social Networking Service)を利用し、投稿者として、様々なトピックに関するコメントや意見等を投稿し、公表している。この膨大な数の投稿は、企業が提供する商品やサービスに対する評価、いわゆる口コミ情報であることも少なくない。

従って、今日、多くの企業が、このＳＮＳ上でのユーザの投稿を解析することで、自らの提供する商品やサービスに対するイメージ・評価に関する有用な情報を取得できないかどうかを盛んに検討している。

この点、ＳＮＳ上で取得される情報を利用する手法は、ユーザに対してアンケートを実施する従来の手法と比較して、格段に低コストで且つ効率良く商品やサービスに関する情報を収集可能とするのである。

このようなＳＮＳ上の情報を利用する技術の具体例として、特許文献１には、ＳＮＳサイトサーバから得られる投稿者間の交流関係に関する情報を利用して、投稿者が、年齢や性別といった属性で分類されるグループのいずれに属するかを推定する技術が開示されている。

特開２０１３−１９６０７０号公報

しかしながら、特許文献１に記載されたような従来技術では、企業の提供する商品やサービスに対するユーザの評価、例えばブランドイメージを適切に推定することが非常に困難であった。

今日、自社のブランドに対して一般のユーザが抱くブランドイメージを定量化することは、マーケティング戦略上、非常に重要とされている。このブランドイメージの定量値としては、例えばＮＰＳ（Net Promotion Score）が公知である。しかしながら、従来、このＮＰＳは、ＳＮＳ上で取得される投稿を利用してではなく、結局のところコストをかけ、多数のユーザに対してアンケートを行うことによって算出されてきた。

このように、ブランドイメージの定量化についてＳＮＳ上の投稿を利用することができなかった理由の１つに、評価の時間差の問題がある。一般に、ＳＮＳではほぼリアルタイムで情報（投稿内容）が拡散するのに対し、ブランドイメージは、当該情報の発信時点からかけ離れた時点、多くの場合にはより遅れた時点において、一般のユーザに定着するものと考えられる。

従って、ブランドイメージを推定するのに、膨大なＳＮＳ上の投稿のうち、例えばどのような発信時期の且つどのような種別のものを収集して解析すべきかについて全く解決策が存在しなかったのである。

そこで、本発明は、ネットワーク上の文書を用いて、所定の評価対象についての所定の評価対象期間における評価を推定することが可能な装置、プログラム及び方法を提供することを目的とする。

本発明によれば、ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する評価推定装置であって、
所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付ける文書集計手段と、
対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する評価推定手段と
を有する評価推定装置が提供される。

この本発明による評価推定装置は、一実施形態として、
当該文書情報について対応先の単位期間を複数のシフト量の各々分だけシフトさせた上で、シフトに用いたシフト量毎に、各単位期間に対応付けられている当該文書情報と、各単位期間について取得された当該評価情報との相関を算出する相関決定手段と、
当該シフト量毎に算出された相関の高さに基づいて、当該期間シフト量を決定する入力レコード決定手段と
を更に有することも好ましい。

また、本発明による評価推定装置の他の実施形態として、
文書集計手段は、予め設定された複数の文書区分の各々につき、単位期間毎に、当該単位期間に発生しており当該評価対象に関連していて当該文書区分に属する文書に係る文書情報を、当該単位期間に対応付け、
評価推定手段は、対応先の単位期間が複数のシフト量の各々分だけシフトしており各文書区分に属する文書に係る文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量及び文書区分を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書情報であって、決定された文書区分に属する文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する
ことも好ましい。

さらに、この「文書区分」を考慮する実施形態において、本評価推定装置は、
当該文書情報について対応先の単位期間を複数のシフト量の各々分だけシフトさせた上で、シフトに用いたシフト量毎及び当該文書区分毎に、各単位期間に対応付けられている当該文書情報と、各単位期間について取得された当該評価情報との相関を算出する相関決定手段と、
当該シフト量毎及び当該文書区分毎に算出された相関の高さに基づいて、評価推定手段に入力する文書情報に係る文書区分、及び当該文書情報の対応先となる単位期間に対し使用される期間シフト量を決定する入力レコード決定手段と
を更に有することも好ましい。

また、上記の相関決定手段を有する実施形態において、当該文書区分は、文書作成主体及び／又は評価に係る文書内容についての区分であり、
文書集計手段は、文書作成主体区分及び／又は評価に係る文書内容区分の情報と、文書情報としての単位期間毎に発生した発生文書数に係る情報とを対応付けた集計セットを生成し、
相関決定手段は、生成された集計セットにおける発生文書数の対応先の単位期間が、当該複数のシフト量の各々分だけシフトしている期間シフト集計セットを生成することも好ましい。

さらに、上記の「文書区分」を考慮する実施形態において、当該評価情報は、評価主体及び／又は評価内容に関する少なくとも１つの評価区分について取得されており、
相関決定手段は、当該評価対象の評価の前提となる当該評価区分の各々について取得された評価情報を用いて相関を算出し、
入力レコード決定手段は、当該評価対象の評価の前提となる当該評価区分の各々についての文書区分及び期間シフト量を決定することも好ましい。

また、この「評価区分」を考慮する実施形態において、入力レコード決定手段は、算出された相関の高い順に少なくとも１つの文書区分及び期間シフト量の組を決定し、
評価推定手段は、決定された当該少なくとも１つの文書区分及び期間シフト量の組の各々に属する文書情報の組を入力して評価を推定することも好ましい。

さらに、上記の相関決定手段を有する実施形態において、評価推定手段は、文書集計手段、相関決定手段及び入力レコード決定手段によって、又はこれらの３つの手段と同等の機能を有する手段によって決定された期間シフト量だけ、対応先の単位期間をシフトさせられている文書情報と、シフトさせられた結果の単位期間と同じ単位期間に対応付けられた評価情報とを用いて生成された推定モデルを使用して、評価対象の評価を推定することも好ましい。

本発明によれば、また、ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する装置に搭載されたコンピュータを機能させる評価推定プログラムであって、
所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付ける文書集計手段と、
対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する評価推定手段と
してコンピュータを機能させる評価推定プログラムが提供される。

本発明によれば、さらに、ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する装置における評価推定方法であって、
所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付けるステップと、
対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力するステップと
を有する評価推定方法が提供される。

本発明の評価推定装置、プログラム及び方法によれば、ネットワーク上の文書を用いて、所定の評価対象についての所定の評価対象期間における評価を推定することができる。

本発明による評価推定装置を含む評価推定システムの一実施形態を示す模式図である。 本発明による評価推定装置の一実施形態における機能構成を示す機能ブロック図である。 ＳＮＳ集計セット及びＳＮＳ期間シフト集計セットの一実施形態を示す模式図である。 アンケート集計セット、相関算出部での相関算出処理、期間シフトモデル、及びＳＮＳ期間シフト補正済集計セットの一実施形態を示す模式図である。 評価推定エンジンにおける学習処理及び推定処理の一実施形態を説明するための模式図である。 本発明による評価推定装置の他の実施形態における機能構成を示す機能ブロック図である。 本発明による評価推定方法の一実施例を説明するためのグラフである。

以下、本発明の実施形態について、図面を用いて詳細に説明する。

［評価推定システム］
図１は、本発明による評価推定装置を含む評価推定システムの一実施形態を示す模式図である。

図１によれば、多数のＳＮＳのユーザが投稿者として端末を用い、携帯電話網といったアクセスネットワークやインターネットを介して、自ら作成した投稿をＳＮＳサイトサーバ２へ送信している。ここで、投稿送信先のサーバは、ＳＮＳサイトサーバに限定されるものではなく、例えば、いわゆるコミュニケーションサイトサーバであってもよい。

ＳＮＳサイトサーバ２は、受信した投稿を、設定された所定のグループに属する又は不特定のユーザの端末に送信する。これにより、ユーザ間における投稿を通じてのコミュニケーション・サービスが実現する。

同じく図１に示した本実施形態の評価推定装置１は、インターネットを介してＳＮＳサイトサーバ２と通信可能なように構成されている。具体的に、評価推定装置１は、ＳＮＳサイトサーバ２のサーバ種別に合わせて用意されたＡＰＩ(Application Programming Interface)を備え、サーバ２から、投稿者毎に、当該投稿者の属するグループ情報と、当該投稿者によって発信された投稿とを取得可能であってもよい。

なお、変更態様として、評価推定装置１は、投稿や投稿に関する情報を、ＳＮＳサイトサーバ２から取得するのではなく、予めそれらの情報を蓄積した内部の又は外部のデータベースから取得してもよい。

また、本実施形態では、評価推定装置１における評価推定に係る情報処理は、オペレータの操作する端末３による制御の下、実行される形となっている。当然に、評価推定装置１の制御は、他の公知の制御形態の下で実行されてもよい。いずれにしても、本実施形態において、評価推定装置１は、本発明による評価推定プログラムの搭載されたコンピュータとすることができる。

この本発明による評価推定装置１は、
（ａ）ＳＮＳ投稿のような、ネットワーク上の文書集合から取得される文書と、
（ｂ）所定の評価対象（例えばある企業の提供する商品やサービス）に対する評価に関する、予め取得された評価情報（例えばアンケート結果に基づく評価値）と
に基づいて、この評価対象の評価を推定する機能を有する。

具体的に、評価推定装置１は、その特徴として、
（Ａ）所定の単位期間（例えば所定時期を構成する各１週間）毎に、当該単位期間に発生しており評価対象に関連した文書（例えばＳＮＳ投稿）に係る文書情報（例えばＳＮＳ投稿件数）を、当該単位期間に対応付け、
（Ｂ１）対応先の単位期間が複数のシフト量の各々分だけシフトしている文書情報と、各単位期間について取得された評価情報との相関の高さ、例えば相関値（相関係数）の大きさに基づいて決定された「期間シフト量」を用い、
（Ｂ２）決定された「期間シフト量」だけシフトすることによって推定対象期間（例えば７月１日からの１週間）に相当することになる単位期間に対応付けられた文書の文書情報を入力して、この推定対象期間における評価対象の評価値を出力する。

評価推定装置１では、このように、文書情報（例えばＳＮＳ投稿件数）と、評価情報（例えばアンケート結果に基づく評価値）との間に存在する情報発生時間の「ずれ」を考慮し、相関に基づいて決定された「期間シフト量」を利用することによって、推定対象期間における評価対象の適切な評価値を提供することが可能となるのである。

ここで、好適な１つの実施形態として、上記（Ａ）において、予め設定された複数の文書区分（例えば投稿者の属する属性グループ）の各々につき、単位期間毎に、当該文書区分に属する文書（例えばＳＮＳ投稿）に係る文書情報（例えばＳＮＳ投稿件数）を、当該単位期間に対応付けることも好ましい。

この実施形態の場合、上記（Ｂ１）では、対応先の単位期間が複数のシフト量の各々分だけシフトしており各文書区分に属する文書に係る文書情報と、各単位期間について取得された当該評価情報との相関の高さ、例えば相関値に基づいて決定された「期間シフト量」及び「文書区分」を用い、次いで、上記（Ｂ２）では、決定された「期間シフト量」だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書情報であって、決定された「文書区分」に属する文書の文書情報を入力して、この推定対象期間における当該評価対象の評価値を出力することになる。

例えば一具体例として、評価対象を「スマートフォンα」とし、評価対象期間を「７月第４週」とした場合、上記の相関によって決定された期間シフト量「３週間」及び文書区分「３０代男性グループ」を用い、７月の第１（＝４−１）週に対応付けられた、投稿者が３０代男性であるＳＮＳ投稿件数ｘｘ件（文書情報）を入力することによって、「７月第４週」における「スマートフォンα」のブランドスコア（評価値）を出力することができるのである。

一般に、ある商品又はサービスに対するイメージ、さらには１つのブランドに対するイメージは、ＳＮＳ上でのそのようなイメージについての投稿が出現した時点からかけ離れた時点、多くの場合にはより遅れた時点において、一般のユーザに定着するものと考えられる。例えば、ネガティブな内容の投稿は、ポジティブな内容の投稿と比較して、一般により短時間で拡散する。そのため、ネガティブな内容の投稿の影響を受けて形成される商品・サービス（ブランド）イメージの定着時点と、当該投稿の発信時点との時間差分（期間シフト量）は、比較的小さいと考えられる。すなわち、文書区分が「投稿内容の極性：ネガティブ」である場合、この時間シフト量はより小さい値となるのである。

また、文書情報として取り扱うＳＮＳ投稿件数に係る投稿の投稿者が、例えばアーリーアダプタ（初期採用者）に属する場合、すなわち文書区分が「アーリーアダプタ・グループ」である場合は、アーリーマジョリティ（前期追随者）である場合と比較して、商品・サービス（ブランド）イメージの定着時点の時間遅れ分（正の期間シフト量）はより大きくなる。これは、アーリーアダプタ層のＳＮＳでの発言は、商品・サービス（ブランド）イメージが一般に定着する時点から見て、より初期に行われることによる。

従って、ＳＮＳ投稿の情報を収集して、この投稿情報と、例えば１つのブランドイメージとの相関関係を単純に調査したとしても、評価推定の使用に堪え得る相関関係を見出すことは非常に困難である。

これに対し、本発明による評価推定装置によれば、このような文書情報（例えばＳＮＳ投稿件数）と評価情報（例えば商品・サービス（ブランド）イメージスコア）との間の発生時点の時間差を、両者の相関から決定された「期間シフト量」を用いることによって勘案し、実情に応じたより妥当な評価値の推定を行うことができるのである。

特に、文書情報の文書区分を考慮にいれる実施形態では、ユーザ属性や文書内容（例えば極性）による文書区分を設定し、この文書区分に合わせて決定された「期間シフト量」を用いるので、文書区分毎の期間シフトの実情に応じた、より適切な評価値を推定することが可能となるのである。例えば、ＳＮＳの投稿者の属するグループや投稿内容の極性に伴う影響遅延を考慮して、ＳＮＳ投稿の情報に基づいたブランドイメージ評価値の推定を行うことができる。

［装置構成の一実施形態］
図２は、本発明による評価推定装置の一実施形態における機能構成を示す機能ブロック図である。

図２によれば、評価推定装置１は、通信インタフェース部１０１と、アンケート集計記憶部１０２と、投稿補正集計記憶部１０３と、評価値記憶部１０４と、ディスプレイ及びキーボード（ＤＰ・ＫＢ）１０５と、プロセッサ・メモリとを有する。ここで、プロセッサ・メモリは、評価推定装置１のコンピュータを機能させるプログラムを実行することによって、評価推定機能を実現させる。

さらに、このプロセッサ・メモリは、機能構成部として、投稿取得部１１１と、投稿集計部１１２と、相関決定部１１３と、入力レコード決定部１１４と、評価推定エンジン１１５と、アプリケーション１２１とを有する。ここで、図２における装置１の機能構成部間を矢印で接続して示した処理の流れは、本発明による評価推定方法の一実施形態としても理解される。

同じく図２において、投稿取得部１１１は、ＳＮＳサイトサーバ２から通信インタフェース部１０１を介し、ネットワーク上の文書としてのＳＮＳ投稿（投稿文）を取得する。ここで、取得されるＳＮＳ投稿には、発信（投稿）日時の情報と、投稿者の属性グループ情報（例えば投稿者の世代・年代や性別等）とが対応付けられていることも好ましい。ここで、装置１は、さらに、通信インタフェース部１０１を介して、例えば端末３（図１）又は外部の他のサーバから、一般のユーザに対して予め実施されたアンケート結果の情報を取得することも好ましい。

投稿集計部１１２は、予め設定された複数の文書区分（例えばＳＮＳ投稿者の年代別及び性別の区分）の各々につき、単位期間毎に、当該単位期間に発生しており評価対象（例えば「スマートフォンα」）に関連していてこの文書区分に属するＳＮＳ投稿に係る文書情報（例えばＳＮＳ投稿件数）を、当該単位期間に対応付ける。

ここで、評価対象に関連する投稿は、この評価対象の名称を文中に含むものとすることができる。または、この評価対象に関係する予め設定された少なくとも１つのキーワードのうちの所定数以上を文中に含むものとしてもよい。

また、文書区分は、
（ａ）文書作成主体（例えば投稿者）、及び
（ｂ）評価に係る文書内容（例えば投稿内容）
の一方又は両方についての区分であり、（ａ）については例えば「３０代男性」や「２０代女性」といった区分を設定することができる。また、（ｂ）については例えば「投稿内容の極性がポジティブ」や「投稿内容の極性がニュートラル」等の区分を設定可能である。

ちなみに、投稿内容の極性情報は、例えば、投稿文の形態素解析結果と極性単語辞書とを利用した公知の方法によって取得することができる。または、ＳＮＳサイトサーバ２から取得される投稿について外部で極性情報を決定し、その上で、当該極性情報が紐づけられた当該投稿を取得してもよい。なお、当然に、文書区分は、以上に説明したものに限定されるものではない。文書（投稿）を特徴付けることが可能であれば様々な事項を文書区分として採用することができる。

投稿集計部１１２は、一具体例として、後に図３（Ａ）に示すように、投稿者属性区分の情報と、投稿内容の極性区分の情報と、文書情報としての単位期間毎に発生したＳＮＳ投稿件数（発言件数）とを対応付けたＳＮＳ集計セットを生成する。

アンケート集計記憶部１０２は、取得したアンケート結果の情報を取りまとめてアンケート集計セットを生成し記憶する。または、外部で生成されたアンケート集計セットを取得して記憶してもよい。アンケート集計セットは、その具体例を後に図４（Ａ）に示すが、アンケート調査対象の属性、例えばアンケート回答者の年代及び性別毎に、集計に係る単位期間毎のブランドスコア（評価値）の集計値を対応付けて記録したテーブルとすることができる。

同じく図２によれば、相関決定部１１３は、（文書情報としての）ＳＮＳ投稿件数について対応先の単位期間を複数のシフト量の各々分だけシフトさせた上で、シフトに用いたシフト量毎及び文書区分（年代・性別区分及び投稿内容極性区分）毎に、各単位期間に対応付けられているＳＮＳ投稿件数と、各単位期間について取得された（評価情報としての）評価値との相関を算出する。

具体的に、相関決定部１１３は、図２に示すように、期間シフト補正集計部１１３ａと、相関算出部１１３ｂとを有することも好ましい。ここで、期間シフト補正集計部１１３ａは、生成されたＳＮＳ集計セットにおける、ＳＮＳ投稿件数の対応先の単位期間を複数のシフト量の各々分だけシフトさせたＳＮＳ期間シフト集計セットを生成する。ＳＮＳ期間シフト集計セットの具体例は、後に図３（Ｂ）を用いて詳細に説明する。なお、生成されたＳＮＳ期間シフト集計セットは投稿補正集計記憶部１０３に蓄積されることも好ましい。

ちなみに、単位期間の設定については、例えばある月の第１週、第２週、・・・というように、連続する（重複しない）「１週間」の各々を単位期間として設定することができる。また、変更態様として、ある月曜日からの１週間、次の日の火曜日からの１週間、・・・というように、互いに重複期間を有しながら連続する「１週間」の各々を単位期間として設定することも可能である。

なお、このような重複期間を有する単位期間を設定した場合、例えば、「複数のシフト量」として−１週間、０週間、＋１週間の３つが設定されていたときに、例えば、１つの単位期間：「火曜日からの１週間」は、それぞれのシフト量に対応して「前週の火曜日からの１週間」、「同じ火曜日からの１週間」及び「翌週の火曜日からの１週間」にシフトさせられる。これにより、１つのレコードから３つのレコードが生成されることになる。ここで、このような単位期間を設定した場合は、後に相関算出部１１３ｂでの相関算出処理を適切に行うため、アンケート集計セットの単位期間も対応する設定にすることが可能であることが好ましい。

また、設定される単位期間の時間的長さも当然に、１週間に限定されるものではない。例えば日、月、半年又は１年単位の期間を単位期間とすることもできる。

一方、相関算出部１１３ｂは、後に図４（Ａ）を用いて詳細に説明するように、生成されたアンケート集計セットとＳＮＳ期間シフト集計セットとを用いて、シフト量毎及び文書区分（例えば年代・性別区分及び投稿内容極性区分）毎に、各単位期間に対応付けられているＳＮＳ投稿件数と、各単位期間について取得された評価値（ブランドスコア）との相関を算出する。

次いで、相関決定部１１３は、後に図４（Ｂ）に示すように、アンケート集計セットのレコード毎に、算出された相関値（相関係数）とその値の大きさの順位とを対応付けた「期間シフトモデル」を生成する。

入力レコード決定部１１４は、シフト量毎（例えば−１週間、０週間、＋１週間及び＋２週間の各々）及び文書区分（例えば年代・性別区分及び投稿内容極性区分）毎に算出された相関の高さ、例えば相関値（相関係数）に基づいて、この後、評価推定エンジン１１５に入力すべき
（ａ）文書情報に係る文書区分（例えば年代・性別区分及び極性区分）、並びに
（ｂ）ＳＮＳ投稿件数の対応先となる単位期間に対し使用される期間シフト量
を決定する。

入力レコード決定部１１４は、具体的に、相関決定部１１３で生成された「期間シフトモデル」に基づいて、後に図４（Ｃ）に示すように、ＳＮＳ期間シフト補正済集計セットを生成し、算出された相関の高い順に少なくとも１つの文書区分（例えば年代・性別区分及び極性区分）並びに期間シフト量の組を決定してもよい。ここで、生成されたＳＮＳ期間シフト補正済集計セットは、投稿補正集計記憶部１０３に蓄積されることも好ましい。

図３は、ＳＮＳ集計セット及びＳＮＳ期間シフト集計セットの一実施形態を示す模式図である。

図３（Ａ）には、投稿集計部１１２によって生成されたＳＮＳ集計セットの具体例が示されている。このＳＮＳ集計セットでは、文書区分としての投稿者年代・性別区分及び極性区分（ポジ／ネガ）の各々に属する投稿群を１つのレコードとし、各レコードにＳＮＳ集計識別子（ＩＤ）ｊを付与している。また、ＳＮＳ集計ＩＤであるｊ毎に、単位期間としての１週間毎（Ｘ週、(Ｘ＋１)週、(Ｘ＋２)週、・・・、(Ｘ＋ｍ)週の各々）のＳＮＳ投稿件数（発言件数）を対応付けて記録している。

このＳＮＳ集計セットにおける集計ＩＤｊがｉであるレコードj_iは、例えば、
（１） j₁＝（２０代, 男性, ポジ）
j₂＝（２０代, 男性, ネガ）
・・・
と表記することができる。

一方、図３（Ｂ）には、期間シフト補正集計部１１３ａによって生成されたＳＮＳ期間シフト集計セットの具体例が示されている。このＳＮＳ期間シフト集計セットでは、
（ａ）文書区分としての投稿者年代・性別区分及び極性区分（ポジ／ネガ）毎、及び
（ｂ）シフトに用いられたシフト量ΔT毎に、
当該文書区分及び当該シフト量に属する投稿群を１つのレコードとし、各レコードにＳＮＳ集計ＩＤであるｊ'を付与している。次いで、ＳＮＳ集計ＩＤであるｊ'毎に、単位期間としての１週間毎（Ｘ週、(Ｘ＋１)週、(Ｘ＋２)週、・・・、(Ｘ＋ｍ)週の各々）のＳＮＳ投稿件数（発言件数）を対応付けて記録している。

このＳＮＳ期間シフト集計セットにおける集計ＩＤであるｊ'がｉであるレコードj'_iは、例えば、j'_i＝（j_i, ΔT）であって、
（２） j'_1-1＝（２０代, 男性, ポジ, −１）
j'₁₊₀＝（２０代, 男性, ポジ, ０）
j'₁₊₁＝（２０代, 男性, ポジ, ＋１）
・・・
と表記することができる。

図４は、アンケート集計セット、相関算出部１１３ｂでの相関算出処理、期間シフトモデル、及びＳＮＳ期間シフト補正済集計セットの一実施形態を示す模式図である。

図４（Ａ）には、アンケート集計記憶部１０２に蓄積されたアンケート集計セットの具体例が示されている。このアンケート集計セットでは、回答者年代・性別区分の各々に属するアンケート回答者の回答結果、すなわちブランドスコア（評価値）の平均値を１つのレコードとし、各レコードにアンケート集計ＩＤであるｋを付与している。次いで、アンケート集計ＩＤであるｋ毎に、単位期間としての１週間毎（Ｘ週、(Ｘ＋１)週、(Ｘ＋２)週、・・・、(Ｘ＋ｍ)週の各々）のブランドスコア（評価値）の集計値を対応付けて記録している。ここで、集計ＩＤであるｋがｌであるレコードを、k_lとする。

ここで、アンケート集計セットの各レコード（各行）は、回答者年代・性別区分で特徴付けられているが、当然に、これに限定されるものではない。各レコードは、評価主体及び評価内容のいずれか一方又は両方に関する評価区分で特徴付けられていてもよい。また、レコードとして、ブランドスコア（評価値）以外の評価情報、例えばポジ、ネガ、ニュートラルの極性情報が採用されてもよい。

また、評価値においても、ブランドスコアとして例えば公知のＮＰＳ（Net Promotion Score）を採用することが可能であるが、これに限定されるものではなく、例えば、好感度を単純に１〜ＮのＮ段階で評価したＮ段階評価値を採用してもよい。

同じく図４（Ａ）によれば、このアンケート集計セットと、投稿補正集計記憶部１０３に蓄積されたＳＮＳ期間シフト集計セット（図３（Ｂ））とを用いて、相関算出部１１３ｂが、集計されたブランドスコア（評価値）と、ＳＮＳ投稿件数（発言件数）との相関関係を求める。

相関算出部１１３ｂは、具体的に、
（ａ）ＳＮＳ期間シフト集計セットのレコードj'_iと、
（ｂ）アンケート集計セットのレコードk_lと
における全ての組合せについて相関を算出し、アンケート集計ＩＤであるｋ毎に、相関値（相関係数）が最も大きいレコードj'_iを含め相関値の大きい順に所定数のレコードj'_iを決定する。

ここで、相関を算出するのは、
（ａ１）レコードj'_iにおけるｍ（m＝1, 2,・・・, M）番目の週（単位期間）でのＳＮＳ投稿件数ｘ(m, i)と、
（ｂ１）レコードk_lにおけるｍ（m＝1, 2,・・・, M）番目の週（単位期間）でのブランドスコアy(m, l)と
の間でのｍの総和についてとなる。

一般に、２つのデータ列｛x_m｝及び｛y_m｝（m＝1, 2,・・・, M）の相関値（相関係数）ｒは次式で算出される。
（３）
ｒ＝(Σ_m=1 ^M(x_m−x_AV)・(y_m−y_AV))・(Σ_m=1 ^M(x_m−x_AV)²)^-0.5・(Σ_m=1 ^M(y_m−y_AV)²)^-0.5
ここで、x_AV＝Σ_m=1 ^M x_m／mであり、y_AV＝Σ_m=1 ^M y_m／mである。また、Σ_m=1 ^Mは、ｍについての総和（summation）である。

相関算出部１１３ｂは、上式（３）を適用して、ＳＮＳ期間シフト集計セットのレコードj'_iと、アンケート集計セットのレコードk_lとにおける全ての組合せについて相関値ｒr(i, l)を算出することができる。

次いで、１つのアンケート集計ＩＤであるｋについて、マップ関数Jを用い、
・算出された相関値rの絶対値が最も大きいレコードj'_iをJ(1, k)、
・算出された相関値rの絶対値が2番目に大きいレコードj'_iをJ(2, k)、
・・・
・算出された相関値rの絶対値がｎ番目に大きいレコードj'_iをJ(n, k)
とする。このJ(n, k)は、まさに、期間シフトによる期間補正を実現する「期間シフトモデル」となっている。

すなわち、期間シフトモデルJ(n, k)は、全てのｋ（アンケート集計ＩＤ）について、相関の高くなるｊ（ＳＮＳ集計ＩＤ）及びΔT（シフト量）の組合せと、相関値rとを対応付けて保存したものとなっている。例えば、期間シフトモデルJ(n, k)においては、具体例として、
（４） J(1, 1)＝J(1, ３０代, 男性)
＝(j=5, +2, r)
＝(２０代, 女性, ポジ, +2, r(k=1,j=5,+2))
と展開される。これは、３０代男性（ｋ＝１）のアンケートスコアに対し、ＳＮＳ投稿件数が最も高い相関を示すのは、２０代女性のポジティブな投稿（ｊ＝５）に対し、（期間）シフト量として＋２だけ単位期間を遅らせて（すなわち２週間遅らせて）集計したレコードであることを示している。

図４（Ｂ）に、生成された期間シフトモデルJ(n, k)の具体例を示している。同図によれば、期間シフトモデルJ(n, k)では、ｋ（アンケート集計ＩＤ）毎に、相関値順位ｎの数だけ、ＳＮＳ期間シフト集計情報のレコードが保存されている。

次いで、入力レコード決定部１１４は、期間シフト補正器として機能し、生成された期間シフトモデルと、ＳＮＳ期間シフト集計セット（図３（Ｂ））とに基づいて、図４（Ｃ）に示すＳＮＳ期間シフト補正済集計セットを生成する。

このＳＮＳ期間シフト補正済集計セットでは、具体的に、ｋ（アンケート集計ＩＤ）毎に、評価値推定に適するＳＮＳ投稿件数レコードとして、算出された相関値ｒが高い順にN個が選択されて保存されている。ここで、期間シフト補正器としての入力レコード決定部１１４には、期間シフトモデルJ(n, k)が与えられるため、ｍ（m＝1, 2,・・・, M）番目の週（単位期間）でのＳＮＳ投稿件数は、ｘ(m, J(n, k))となる。ここで、J(n, k)は、相関値順位ｎ とk（アンケート集計ＩＤ）との組合せの数N＊Kだけ存在するので、N＊K通りのＳＮＳ投稿件数x(m, i)が生成されることになる。

以上、図３及び図４を用いて説明したように、本実施形態は、相関に基づいて決定される期間シフト量を考慮した「期間シフトモデルJ(n, k)」を生成することに特徴を有する。この期間シフトモデルJ(n, k)を採用することによって、例えば公知の回帰推定モデルを適用するにしても、所定の評価対象期間における、実情にあった適切な評価値（ブランドスコア）を推定することが可能となるのである。

図２に戻って、評価推定エンジン１１５は、推定モデル構築部１１５ａと、評価推定部１１５ｂとを有する。このうち、推定モデル構築部１１５ａは、
（ａ）入力レコード決定部１１４によって決定された決定された「期間シフト量」だけ、対応先の単位期間がシフトしており各文書区分（年代・性別区分及び極性区分）に属するＳＮＳ投稿に係る（文書情報としての）投稿件数と、
（ｂ）シフトさせられた結果の単位期間と同じ単位期間に対応付けられた（評価情報としての）ブランドスコアと
を用いて評価推定モデルを生成する。

一方、評価推定部１１５ｂは、入力レコード決定部１１４によって決定された
（ａ）「期間シフト量」、及び
（ｂ）「文書区分（年代・性別区分及び極性区分）」
を用い、決定された「期間シフト量」だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた（文書情報としての）ＳＮＳ投稿件数であって、決定された「文書区分」に属するＳＮＳ投稿の投稿件数を、生成された評価推定モデルに入力して、この推定対象期間における評価対象（例えば「スマートフォンα」）の評価値（ブランドスコア）を出力する。

ちなみに、評価推定エンジン１１５で推定された評価値（ブランドスコア）は、評価値記憶部１０４に蓄積され、さらにアプリケーション１２１によって処理されて、例えばブランドイメージ推定結果に取りまとめられ、例えばキーボード１０５からの入力に応じて、ディスプレイ１０５に表示されることも好ましい。また、アプリケーション１２１は、ブランドスコアの変遷に適合した広告情報を生成又は選択する機能を有するものであってもよい。この場合、アプリケーション１２１は、所定の期間に入力された評価値（ブランドスコア）に応じた広告情報を出力して、例えば通信インタフェース部１０１を介して外部に送信してもよい。

図５は、評価推定エンジン１１５における学習処理及び推定処理の一実施形態を説明するための模式図である。

図５によれば、評価推定エンジン１１５の評価推定部１１５ｂは、
（ａ）決定された「期間シフト量」だけ単位期間をシフトさせられた、決定された「文書区分」のＳＮＳ投稿の投稿件数情報であって、対応するアンケート集計ＩＤがｋである投稿件数情報を、例えば投稿補正集計記憶部１０３に蓄積されたＳＮＳ期間シフト補正済集計セットから取り出し、
（ｂ）取り出したＳＮＳ投稿の投稿件数情報を、推定モデル構築部１１５ａで生成された「評価推定モデル」に入力して、推定対象期間におけるｋ（アンケート集計ＩＤ）に係るグループにおける評価対象（例えば「スマートフォンα」）の評価値（ブランドスコア）を、推定値として出力する。

ここで、「評価推定モデル」における回帰予測器としての最も単純な構成は、
（４） y＝a*ｘ＋b
となる。ここで、ｙはブランドスコア（評価値）であり、ｘは（単位期間での）ＳＮＳ投稿件数である。上式（４）のa及びbが評価推定モデルを決定することになる。なお、a及びbをモデルとして最適化する（学習する）ためには、目的変数ｙと説明変数ｘとのセットを多数用意する必要がある。

また、説明変数ｘとして、期間シフトしたデータを用い、次式
（５） y＝a₁*x(J(1, k))＋a₂*x(J(2, k))＋a₃*x(J(3, k))＋・・・＋b
を用いて評価推定を行うことも好ましい。ここで、x(J(n, k))は、「期間シフトモデルJ(n, k)」に対応するレコードのＳＮＳ投稿件数である。上式（５）におけるa_n*x(J(n, k))の項は、相関の高いN通りについて、すなわちn＝1, 2, ・・・, NのN個まで設けることができる。式（５）では、a₁、a₂、a₃、・・・及びbが評価推定モデルを構成することになる。

このように上式（５）の評価推定モデルを用いて、評価値（ブランドスコア）を推定する場合は、入力レコード決定部１１４において相関の高い順に決定された「文書区分（年代・性別区分及び極性区分）」及び「期間シフト量」の組を用い、決定された「文書区分」及び「期間シフト量」の組の各々に属する（文書情報としての）ＳＮＳ投稿件数の組を、この評価推定モデルに入力することになる。

同じく図５によれば、評価推定エンジン１１５の推定モデル構築部１１５ａは、
（ａ）例えばアンケート集計記憶部１０２に蓄積されたアンケート集計セットから取得されるブランドスコア（評価値）と、
（ｂ）例えば投稿補正集計記憶部１０３に蓄積されたＳＮＳ期間シフト補正済集計セットから取得されるＳＮＳ投稿件数（文書情報）と
の多数の組を用い、評価推定モデルを構築する。例えば、上式（４）の場合は評価推定モデルを構成するa及びbを例えば最小二乗法によって決定してもよい。また、上式（５）の場合は、評価推定モデルを構成するa₁、a₂、a₃、・・・及びbを同じく例えば最小二乗法によって決定することができる。

ここで、上式（４）のパラメータa及びbの最適値も、上式（５）のパラメータa₁、a₂、a₃、・・・及びbの最適値も、ｋ（アンケート集計ＩＤ）によって変化するため、これらのパラメータは、このｋ毎に決定されることが好ましい。

なお、評価推定モデルとして、上式（４）や上式（５）のような線形回帰モデルを用いるのではなく、ＮＮ（Neural Network）やＳＶＲ（Support Vector Regression）といった非線形の回帰モデルを用いることによって、評価推定の精度がさらに向上する。

例えば、ＳＶＲでは、次式の回帰直線
（６） f(x)＝xTw＋b
と、サンプルとの残差をｒとした際のε許容誤差（ε-insensitive error）、すなわち、
（７） ξ(r)＝０ （if |r|＜ε）
＝|r|−ε （otherwise）
を用い、サンプル(x₁, y₁), ・・・, (x_N, y_N)に対する、次式に示すような最適化問題、すなわち
（８） min_w,bΣ_i=1 ^Nξ(y_i−f(x_i))＋λ||ｗ||²／2
を考え、回帰関係を決定する。ここで、λは正則化パラメータとなる。

なお、この上式（８）は、次式に示すような二次計画問題、すなわち
（９） min_αi,α*i εΣ_i=1 ^N(α^* _i＋α_i)−Σ_i=1 ^Ny_i(α^* _i−α_i)
＋1／2Σ_i=1 ^NΣ_j=1 ^N(α^* _i−α_i)(α^* _j−α_j)x_ix_j
に置き換えられる。なお、α_i及びα^* _iには、以下に示す制約、すなわち
（１０） ０≦α_i,α^* _i≦1／λ，且つΣ_i=1 ^N(α^* _i−α_i)＝０
を設けて計算を実行する。

このように、評価推定エンジン１１５の推定モデル構築部１１５ａで生成される評価推定モデルは、上式（４）や上式（５）に対応するものに限定されるものではなく、種々の原理に基づく様々な形式の推定用モデルを採用することが可能である。

［装置構成の他の実施形態］
図６は、本発明による評価推定装置の他の実施形態における機能構成を示す機能ブロック図である。

図６によれば、
（ａ）インターネット上に設置された評価推定準備装置４と、
（ｂ）この評価推定準備装置４と通信接続された、本発明の一実施形態としての端末５と
が設けられている。

評価推定準備装置４は、図２に示した評価推定装置１の機能構成部、インタフェース及び記憶部と同等の機能構成部、インタフェース及び記憶部を有している。変更態様として、評価推定準備装置４では、評価値の推定を行う評価推定部１１５ｂ相当の手段が除外されていてもよい。

一方、本発明の一実施形態としての端末５は、図２に示した評価推定装置１と比較して、
（ａ）「期間シフトモデルJ(n, k)」を生成するための手段、すなわち相関決定部１１３及び投稿補正集計記憶部１０３（図２）相当の手段、及び
（ｂ）「評価推定モデル」を生成するための手段、すなわち推定モデル構築部１１５ａ及びアンケート集計部１０２（図２）相当の手段
のいずれをも有していない。従って、評価推定装置１と比較すると、装置内で実行する情報処理量が格段に小さくて済む。言い換えれば、端末５は、携帯端末レベルのサイズ及び処理能力をもって、評価の推定を実現可能とするのである。

具体的に、端末５は、通信インタフェース部５０１と、投稿取得部１１１（図２）に相当する投稿取得部５１１と、投稿集計部１１２（図２）に相当する投稿集計部５１２と、入力レコード決定部１１４（図２）に相当する入力レコード決定部５１４と、評価推定部１１５ａ（図２）に相当する評価推定部１１５ａと、推定モデル構築部１１５ａ（図２）相当の機能部を有さない評価推定エンジン５１５と、アプリケーション５２１と、ディスプレイ・キーボード５０５とを有している。

このように、端末５は「期間シフトモデルJ(n, k)」及び「評価推定モデル」を構築する手段を有さないのであるが、入力レコード決定部５１４及び評価推定エンジン５１５は、通信インタフェース部５０１を介して評価推定準備装置４から、それぞれ「期間シフトモデルJ(n, k)」及び「評価推定モデル」を取得することができる。これにより、端末５は、携帯端末レベルのサイズ及び処理能力にもかかわらず、評価値（ブランドスコア）の推定を実行可能とするのである。

［実施例］
図７は、本発明による評価推定方法の一実施例を説明するためのグラフである。

最初に、図７（Ａ）のグラフは、ＳＮＳの１つであるTwitter（登録商標）におけるツイートであって、１つの評価対象に係るキーワードを含むツイートの集計数（投稿数、発言数）と、この評価対象に係るブランドイメージの定量値の１つであるＮＰＳ（Net Promotion Score）の平均値との推移を示している。ここで、グラフの縦軸は、ツイート集計数及びＮＰＳ平均値を０から１までの値に規格化した値の軸となっている。また、集計した単位期間は、２０１４〜２０１５年の間の各１月間であった。

図７（Ａ）によれば、ツイート集計数と、ＮＰＳ平均値との間の相関係数は０.３８にとどまっている。従って、このグラフを用い、ツイート数からこの評価対象のＮＰＳを推定することは非常に困難であることが理解される。これは、投稿者の属性も投稿内容（極性）も考慮せずにツイートを単純に集計したのでノイズが多いこと、さらにはツイート時期とブランドイメージ定着時期とのずれが全く考慮されていないことによると考えられる。

一方、図７（Ｂ）のグラフは、同じ評価対象及び集計単位期間について、本発明に係る「期間シフトモデル」を生成した上で決定された「期間シフト量」及び「文書区分」を適用したツイートの集計数（投稿数、発言数）と、ＮＰＳとの推移を示している。ここで、決定された「文書区分」には、ＩＴについてポジティブな極性を有するツイート、という区分が含まれていた。

図７（Ｂ）によれば、ツイート集計数と、ＮＰＳ平均値との間の相関係数は０.７８に達し、両者は高い相関を有することが理解される。従って、このグラフを用い、適用した「（ＩＴについてポジティブ極性を含む）文書区分」に属するツイートの期間シフト補正集計数から、この評価対象のＮＰＳを適切に推定することが可能となる。

この図７（Ｂ）の実施例で分かるように、本発明によれば、例えば、様々なユーザ属性／極性のＳＮＳ投稿件数（発言件数）について、実際のブランドイメージとの間の発生時点のずれを学習することによって、例えばより早期に観測されるＳＮＳ投稿件数から、より後になって定着するブランドイメージを、いち早く予測することも可能となるのである。

以上、詳細に説明したように、本発明によれば、文書情報（例えばＳＮＳ投稿件数）と評価情報（例えば商品・サービス（ブランド）イメージスコア）との間の発生時点の時間差を、両者の相関から決定された「期間シフト量」を用いることによって勘案し、イメージ伝播の実情に適合したより妥当な評価値の推定を行うことができるのである。

特に、文書情報の「文書区分」を考慮にいれる実施形態では、ユーザ属性や文書内容（例えば極性）による文書区分を設定し、この文書区分に合わせて決定された「期間シフト量」を用いるので、「文書区分」毎の期間シフトの実情に応じたより適切な評価値を推定することが可能となる。

ちなみに、本発明によれば、マーケティングの分野において、例えば決定された「投稿者の属性や投稿内容の極性」に属しており決定された「期間シフト量」によって補正されたＳＮＳ投稿を分析することによって、ある時期における、特定の商品・サービスやブランドに対するイメージを的確に把握することができる。これにより、イメージを高めるための広告や、新たなバージョンの商品・サービスを、適切な時期に適切なターゲット層に向けて発信・提供することも可能となるのである。

以上に述べた本発明の種々の実施形態について、本発明の技術思想及び見地の範囲内での種々の変更、修正及び省略は、当業者によれば容易に行うことができる。以上に述べた説明はあくまで例示であって、何ら制約を意図するものではない。本発明は、特許請求の範囲及びその均等物によってのみ制約される。

１ 評価推定装置
１０１ 通信インタフェース部
１０２ アンケート集計記憶部
１０３ 投稿補正集計記憶部
１０４ 評価値記憶部
１０５ ディスプレイ及びキーボード（ＤＰ・ＫＢ）
１１１ 投稿取得部
１１２ 投稿集計部
１１３ 相関決定部
１１３ａ 期間シフト補正集計部
１１３ｂ 相関算出部
１１４ 入力レコード決定部
１１５ 評価推定エンジン
１１５ａ 推定モデル構築部
１１５ｂ 評価推定部
１２１ アプリケーション
２ ＳＮＳサイトサーバ
３ 端末
４ 評価推定準備装置
５ 端末（評価推定装置）

Claims (10)

1. ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する評価推定装置であって、
   所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付ける文書集計手段と、
   対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する評価推定手段と
   を有することを特徴とする評価推定装置。
2. 当該文書情報について対応先の単位期間を複数のシフト量の各々分だけシフトさせた上で、シフトに用いたシフト量毎に、各単位期間に対応付けられている当該文書情報と、各単位期間について取得された当該評価情報との相関を算出する相関決定手段と、
   当該シフト量毎に算出された相関の高さに基づいて、当該期間シフト量を決定する入力レコード決定手段と
   を更に有することを特徴とする請求項１に記載の評価推定装置。
3. 前記文書集計手段は、予め設定された複数の文書区分の各々につき、単位期間毎に、当該単位期間に発生しており当該評価対象に関連していて当該文書区分に属する文書に係る文書情報を、当該単位期間に対応付け、
   前記評価推定手段は、対応先の単位期間が複数のシフト量の各々分だけシフトしており各文書区分に属する文書に係る文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量及び文書区分を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書情報であって、決定された文書区分に属する文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する
   ことを特徴とする請求項１又は２に記載の評価推定装置。
4. 当該文書情報について対応先の単位期間を複数のシフト量の各々分だけシフトさせた上で、シフトに用いたシフト量毎及び当該文書区分毎に、各単位期間に対応付けられている当該文書情報と、各単位期間について取得された当該評価情報との相関を算出する相関決定手段と、
   当該シフト量毎及び当該文書区分毎に算出された相関の高さに基づいて、前記評価推定手段に入力する文書情報に係る文書区分、及び当該文書情報の対応先となる単位期間に対し使用される期間シフト量を決定する入力レコード決定手段と
   を更に有することを特徴とする請求項３に記載の評価推定装置。
5. 当該文書区分は、文書作成主体及び／又は評価に係る文書内容についての区分であり、
   前記文書集計手段は、文書作成主体区分及び／又は評価に係る文書内容区分の情報と、文書情報としての単位期間毎に発生した発生文書数に係る情報とを対応付けた集計セットを生成し、
   前記相関決定手段は、生成された集計セットにおける発生文書数の対応先の単位期間が、当該複数のシフト量の各々分だけシフトしている期間シフト集計セットを生成する
   ことを特徴とする請求項４に記載の評価推定装置。
6. 当該評価情報は、評価主体及び／又は評価内容に関する少なくとも１つの評価区分について取得されており、
   前記相関決定手段は、当該評価対象の評価の前提となる当該評価区分の各々について取得された評価情報を用いて相関を算出し、
   前記入力レコード決定手段は、当該評価対象の評価の前提となる当該評価区分の各々についての文書区分及び期間シフト量を決定する
   ことを特徴とする請求項４又は５に記載の評価推定装置。
7. 前記入力レコード決定手段は、算出された相関の高い順に少なくとも１つの文書区分及び期間シフト量の組を決定し、
   前記評価推定手段は、決定された当該少なくとも１つの文書区分及び期間シフト量の組の各々に属する文書情報の組を入力して評価を推定する
   ことを特徴とする請求項６に記載の評価推定装置。
8. 前記評価推定手段は、前記文書集計手段、前記相関決定手段及び前記入力レコード決定手段によって、又はこれらの３つの手段と同等の機能を有する手段によって決定された期間シフト量だけ、対応先の単位期間をシフトさせられている文書情報と、シフトさせられた結果の単位期間と同じ単位期間に対応付けられた評価情報とを用いて生成された推定モデルを使用して、当該評価対象の評価を推定することを特徴とする請求項２、４、５、６及び７のいずれか１項に記載の評価推定装置。
9. ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する装置に搭載されたコンピュータを機能させる評価推定プログラムであって、
   所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付ける文書集計手段と、
   対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力する評価推定手段と
   してコンピュータを機能させることを特徴とする評価推定プログラム。
10. ネットワーク上の文書集合から取得される文書と、所定の評価対象に対する評価に係る予め取得された評価情報とに基づき、当該評価対象の評価を推定する装置における評価推定方法であって、
    所定の単位期間毎に、当該単位期間に発生しており当該評価対象に関連した文書に係る文書情報を、当該単位期間に対応付けるステップと、
    対応先の単位期間が複数のシフト量の各々分だけシフトしている当該文書情報と、各単位期間について取得された当該評価情報との相関の高さに基づいて決定された期間シフト量を用い、決定された期間シフト量だけシフトすることによって推定対象期間に相当することになる単位期間に対応付けられた文書の文書情報を入力して、当該推定対象期間における当該評価対象の評価値を出力するステップと
    を有することを特徴とする評価推定方法。

Images