JP7129585B1 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7129585B1 JP7129585B1 JP2022520228A JP2022520228A JP7129585B1 JP 7129585 B1 JP7129585 B1 JP 7129585B1 JP 2022520228 A JP2022520228 A JP 2022520228A JP 2022520228 A JP2022520228 A JP 2022520228A JP 7129585 B1 JP7129585 B1 JP 7129585B1
- Authority
- JP
- Japan
- Prior art keywords
- posts
- post
- sns
- evaluation
- classification
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 118
- 238000011156 evaluation Methods 0.000 claims abstract description 143
- 230000007935 neutral effect Effects 0.000 claims abstract description 48
- 238000000605 extraction Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 description 98
- 238000012545 processing Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 238000012937 correction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
例えば、特許文献1では、SNS等のインターネットサービスを利用するユーザの嗜好情報を収集するために、投稿画像を解析して投稿画像内のオブジェクト又はオブジェクトの種類を識別して、閲覧者のコメントに基づいて、閲覧者の嗜好傾向を推定する技術が提供されている。
また、他には、特許文献2では、SNSにおける投稿データに基づいて、投稿データを出力するSNSクライアントを目的別に分類するための分類モデルを生成し、未知のSNSクライアントを分類する技術が提供されている。
SNSでどのような評価がされているのかを的確に把握するためには、例えば、飲食店であれば、接客、味、料金、内装、外装、広告表現、その他等の各カテゴリに対して、各々、ポジティブな投稿がなされているか、ニュートラルな投稿がなされているか、ネガティブな投稿がなされているかを分類して把握することが重要である。
そのため、SNSの投稿を、カテゴリ毎に、ポジティブ、ニュートラル及びネガティブの各評価に分類して、提供する技術が求められている。
しかしながら、特許文献1及び2に記載の技術では、SNSの投稿を、カテゴリ毎に、ポジティブ、ニュートラル及びネガティブの各評価に分類して、提供することは出来なかった。
そこで、本発明者は、SNSの投稿を、カテゴリ毎に、ポジティブ、ニュートラル及びネガティブの各評価に分類して、提供する仕組みに着目した。
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集する第1収集部と、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定する決定部と、
収集した前記第1投稿から、更に、前記第1文字列とは異なる第2文字列を含む第3投稿を抽出する抽出部と、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する学習部と、
学習結果に基づいて、学習済モデルを生成する生成部と、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集する第2収集部と、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する分類部と、
分類結果を提供する提供部と、
を備え、
前記学習部は、収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する際、抽出した前記第3投稿に決定した前記所定のカテゴリ毎の評価の重みを、前記第1投稿に決定した前記所定のカテゴリ毎の評価の重みよりも重くして学習する、
SNS投稿分類提供システムを提供する。
図1は、SNS投稿分類提供システム1の概要を説明するための図である。SNS投稿分類提供システム1は、少なくともコンピュータ10を備えるSNSの投稿を分類するシステムである。
本実施形態では、SNS投稿分類提供システム1は、コンピュータ10と、SNS運営者が管理するSNSコンピュータ20、ユーザが管理するユーザ端末30と、データ通信可能に接続されるシステムである。
第1文字列は、例えば、ユーザが指定した企業、商品、サービス、イベント、ブランド等の名称である。
コンピュータ10は、SNSにアクセスし、SNSに第三者が投稿した投稿の内、特定の第1文字列を含む投稿を、第1投稿として収集する。
カテゴリは、例えば、商品、サービス、場所、広告、アクセス方法、用途、品質、その他等の評価の対象となるものであり、第1文字列が飲食店に関するものである場合、接客、味、料金、内装、外装、広告表現、その他等が該当する。
また、ポジティブは、投稿の内容が、肯定的な内容であることを意味し、ニュートラルは、投稿の内容が、肯定的でも否定的でもない内容であることを意味し、ネガティブは、投稿の内容が、否定的な内容であることを意味するものである。
コンピュータ10は、ユーザやシステムの管理者から、収集した第1投稿の各々に対して、所定のカテゴリ毎、例えば、接客、味、料金、内装、外装、広告表現毎に、ポジティブ、ニュートラル、ネガティブのどの評価に属するかの入力を受け付ける。コンピュータ10は、受け付けた評価を、第1投稿における、カテゴリ毎の評価として決定する。また、コンピュータ10は、第1投稿の投稿内容に応じて、カテゴリ毎の評価を決定する。
なお、カテゴリは、第1投稿の投稿内容に応じて、自動的に仕分けを行うものであっても良いし、ユーザやシステムの管理者が仕分けを行うものであっても良い。また、一の第1投稿に対して、一のカテゴリが仕分けされるものであっても良いし、複数のカテゴリが仕分けされるものであっても良い。
コンピュータ10は、例えば、決定したカテゴリ毎の評価を教師データとし、収集した第1投稿の各々の投稿内容と、各々に決定したカテゴリ毎の評価とを関連付けた教師あり学習を実行し、学習結果に基づいた学習済モデルを生成する。
コンピュータ10は、SNSにアクセスし、SNSに第三者が投稿した新たな投稿の内、特定の第1文字列を含む投稿を、第2投稿として収集する。
コンピュータ10は、生成した学習済モデルを参照し、収集した第2投稿の投稿内容に基づいて、この第2投稿が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する。
コンピュータ10は、第2投稿の分類結果を、ユーザ端末30に提供する。
図2に基づいて、SNS投稿分類提供システム1の機能構成について説明する。
SNS投稿分類提供システム1は、少なくともコンピュータ10を備え、コンピュータ10が、SNS運営者が管理するSNSコンピュータ20、ユーザが管理するユーザ端末30と、公衆回線網等のネットワーク9を介して、データ通信可能に接続される。
SNS投稿分類提供システム1は、コンピュータ10に加え、SNSコンピュータ20、ユーザ端末30、その他の端末や装置類等が含まれていても良い。この場合、SNS投稿分類提供システム1は、後述する各処理を、含まれるコンピュータ、端末、装置類等の何れか又は複数の組み合わせにより実行する。
コンピュータ10は、例えば、1台のコンピュータで実現されてもよいし、クラウドコンピュータのように、複数のコンピュータで実現されてもよい。本明細書におけるクラウドコンピュータとは、ある特定の機能を果たす際に、任意のコンピュータをスケーラブルに用いるものや、あるシステムを実現するために複数の機能モジュールを含み、その機能を自由に組み合わせて用いるものの何れであってもよい。
また、コンピュータ10は、記憶部として、ハードディスクや半導体メモリ、記憶媒体、メモリカード等によるデータのストレージ部を備える。
また、コンピュータ10は、処理部として、各種処理を実行する各種デバイス、第1投稿のカテゴリ毎の評価を決定する決定部14、第1投稿と、カテゴリ毎の評価とを関連付けて学習する学習部15、学習結果に基づいた学習済モデルを生成する生成部16、第2投稿のカテゴリ毎の評価を分類する分類部17等を備える。
また、コンピュータ10において、制御部が所定のプログラムを読み込むことにより、記憶部と協働して、学習済モデル記憶モジュール、期間記憶モジュール、条件記憶モジュールを実現する。
また、コンピュータ10において、制御部が所定のプログラムを読み込むことにより、処理部と協働して、決定モジュール、抽出モジュール、重み付けモジュール、学習モジュール、生成モジュール、期間設定モジュール、条件設定モジュール、分類モジュール、まとめモジュール、第1条件判断モジュール、第1アラート作成モジュール、第2条件判断モジュール、第2アラート作成モジュールを実現する。
図3に基づいて、コンピュータ10が実行する学習処理について説明する。同図は、コンピュータ10が実行する学習処理のフローチャートを示す図である。本学習処理は、上述した第1投稿の収集処理(ステップS1)、第1投稿のカテゴリ毎の評価の決定処理(ステップS2)、第1投稿とカテゴリ毎の評価とを関連付けて学習する学習処理(ステップS3)、学習結果に基づいた学習済モデルの生成処理(ステップS4)の詳細である。
第1文字列は、例えば、ユーザが指定した企業、商品、サービス、イベント、ブランド等の名称である。
第1収集モジュールは、ユーザとは異なる一又は複数の第三者が、一又は複数のSNSに投稿した投稿内容の内、特定の第1文字列を含む投稿を、第1投稿として収集する。
第1収集モジュールは、一又は複数のSNSにアクセスし、第三者がSNSに投稿した投稿内容に対して、文字認識や画像解析等を行い、特定の第1文字列を含む投稿を検出する。第1収集モジュールは、検出したこの投稿を、第1投稿として収集する。
なお、第1収集モジュールが収集する第1投稿の数は、特に制限を設けないが、後述する処理に用いるために必要な数であれば良い。また、第1収集モジュールが収集する第1投稿は、検出した特定の第1文字列を含む投稿の内、所定期間、所定タイミング、所定SNS等の所定の条件を満たすもののみであっても良い。
また、第1収集モジュールは、収集した第1投稿から、広告を目的とする投稿を除外する構成も可能である。この構成において、第1収集モジュールは、投稿に、広告、宣伝、プロモーション、PR等の広告を目的とするものであることを示す特定の文字列が含まれていた場合、この投稿を除外する。
カテゴリは、例えば、商品、サービス、場所、広告、アクセス方法、用途、品質、その他等の評価の対象となるものであり、第1文字列が飲食店に関するものである場合、接客、味、料金、内装、外装、広告表現、その他等が該当する。このカテゴリは、予め設定したものであっても良いし、評価の決定時に入力又は生成等その都度設定されるものであっても良い。また、カテゴリは、第1投稿の投稿内容に応じて、自動的に仕分けを行うものであっても良いし、ユーザやシステムの管理者が仕分けを行うものであっても良い。また、一の第1投稿におけるカテゴリは、一つに限らず、複数であっても良い。
また、ポジティブは、第1投稿の内容が、肯定的な内容であることを意味し、ニュートラルは、第1投稿の内容が、肯定的でも否定的でもない内容であることを意味し、ネガティブは、第1投稿の内容が、否定的な内容であることを意味するものである。
決定モジュールは、一の第1投稿が一のカテゴリである場合、例えば、上述した例における接客のみである場合、この接客に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定し、一の第1投稿が複数のカテゴリである場合、例えば、上述した例における接客、味、料金、内装、外装、広告表現、その他である場合、接客がポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定し、料金がポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定し、他のカテゴリについても同様に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを各々決定する。
決定モジュールは、収集した第1投稿の各々に対して、カテゴリ毎の評価を決定する。
決定モジュールは、システムの管理者から、第1投稿の各々に対して、カテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかの入力を受け付け、受け付けた評価を、第1投稿の各々の、カテゴリ毎の評価に決定する。この場合、決定モジュールは、ユーザ端末30や、コンピュータ10に接続された物理デバイスや仮想デバイス等を介して、第1投稿に対して、カテゴリ及びカテゴリ毎に属する評価の選択入力や直接入力を受け付け、受け付けた評価を、第1投稿の各々のカテゴリ毎の評価に決定する。
また、決定モジュールは、第1投稿の各々の投稿内容に応じて、カテゴリ及びこのカテゴリ毎にポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定する。この場合、決定モジュールは、第1投稿に対して、文字認識や画像解析等を行い、この第1投稿の投稿内容を認識する。決定モジュールは、投稿内容と、この投稿内容のカテゴリと、カテゴリ毎の評価とを関連付けて登録したデータベースを参照し、第1投稿の各々の投稿内容に応じて、カテゴリ及びカテゴリ毎の評価とを決定する。
なお、決定モジュールが、第1投稿の各々に対して、カテゴリ毎の評価を決定する方法は、上述した例に限定されるものではない。
決定モジュールは、第1投稿の各々に対して、所定のカテゴリ毎に、強ポジティブ、弱ポジティブ、ニュートラル、弱ネガティブ及び強ネガティブの5段階の評価の内、どの評価に属するかを決定する構成も可能である。
なお、評価は、上述したものよりも更に、詳細に分類される構成も可能である。また、評価は、ポジティブ、ニュートラル、ネガティブといった文字列に限らず、肯定的な内容であること、肯定的でも否定的でもない内容であること、否定的な内容であることを意図するものであれば良い。
第2文字列は、上述した第1文字列とは異なる文字列であり、例えば、第1文字列をより詳細に限定する文字列である。
抽出モジュールは、収集した第1投稿の内、特定の第2文字列を含む第1投稿を、第3投稿として抽出する。
抽出モジュールは、第1投稿に対して、文字認識や画像解析等を行い、この第1投稿の投稿内容を認識する。抽出モジュールは、認識した投稿内容に、第2文字列が含まれる第1投稿を、第3投稿として抽出する。
なお、抽出モジュールが抽出する第3投稿の数は、特に制限を設けない。また、抽出モジュールが抽出する第3投稿は、第2文字列が含まれる第1投稿の内、所定期間、所定タイミング、所定SNS等の所定の条件を満たすもののみであっても良い。
重み付けモジュールは、第3投稿に決定した所定のカテゴリ毎の評価を、第1投稿に決定した所定のカテゴリ毎の評価よりも重み付けを重くする。すなわち、重み付けモジュールは、第3投稿の重要性を、第1投稿よりも高くする。
学習の方法は、例えば、教師あり学習、教師なし学習、強化学習等による機械学習や、畳み込みニューラルネットワーク、再起型ニューラルネットワーク、長・短期記憶等によるディープラーニングである。本実施形態において、学習モジュールは、学習の方法として、教師あり学習による機械学習を行うものを例として説明する。
学習モジュールは、決定した第1投稿のカテゴリ毎の評価を教師データとし、収集した第1投稿の各々の投稿内容と、各々に決定したカテゴリ毎の評価とを関連付けた教師あり学習を実行する。ここで、学習モジュールは、第3投稿に関して、重み付けに応じた学習を実行する。学習モジュールは、第3投稿を除外した第1投稿の各々と、各々に決定したカテゴリ毎の評価とを関連付けた教師あり学習に関して、通常の状態で実行し、第3投稿の各々と、各々に決定したカテゴリ毎の評価とを関連付けた教師あり学習に関して重み付けをした状態で実行する。
なお、学習モジュールが実行する学習方法は、上述した例に限定されるものではない。
生成モジュールは、例えば、学習結果に基づいた回帰モデル又は分類モデルを、学習済モデルとして生成する。生成モジュールが、学習結果に基づいた学習済モデルを生成する方法は、既存の方法であれば良く、その詳細な説明は省略する。
コンピュータ10は、上述した学習処理により生成した学習済モデルを用いて、後述する処理を実行する。
なお、コンピュータ10は、学習処理において、学習済モデルを記憶せずに、後述する処理を実行する構成も可能であり、この場合、後述する処理において、生成した学習済モデルをそのまま用いればよい。
図4に基づいて、コンピュータ10が実行する期間設定処理について説明する。同図は、コンピュータ10が実行する期間設定処理のフローチャートを示す図である。本期間設定処理は、上述した第2投稿の収集処理(ステップS5)に関連する処理であり、上述した学習処理の前後何れのタイミングでも実行可能な処理である。
期間は、例えば、時間間隔、日付間隔、時間及び日付間隔である。
期間受付モジュールは、期間の入力を受け付ける所定の入力画面を、ユーザ端末30に出力する。ユーザ端末30は、この入力画面を受信し、自身の表示部に表示する。期間受付モジュールは、ユーザ端末30に表示させた所定の入力画面により、期間の入力を受け付ける。
ユーザ端末30は、期間の直接入力又は選択入力を受け付ける。これは、一の期間の入力を受け付けるものであっても良いし、複数の期間の入力を受け付けるものであっても良い。
ユーザ端末30は、受け付けた期間を、コンピュータ10に送信する。
期間受付モジュールは、この期間を受信することにより、第2投稿を収集する期間の入力を受け付ける。
期間設定モジュールは、受け付けた期間を、第2投稿を収集する期間に設定する。
コンピュータ10は、上述した期間設定処理により設定した期間を用いて、後述する処理を実行する。
なお、本期間設定処理は、必ずしも実行される必要はない。SNS投稿分類提供システム1は、本期間設定処理を実行しない場合、任意のタイミングで、後述する処理を開始及び終了する。
また、本期間設定処理により設定した第2投稿を収集する期間は、ユーザが、ユーザ端末30を介して、変更可能なものである。この場合、上述した各処理と同様の処理を実行する事により、第2投稿を収集する期間の変更の入力を受け付け、受け付けた期間を、第2投稿を収集する期間に設定し、記憶する第2投稿を収集する期間を、今回設定した期間に更新すれば良い。
図5に基づいて、コンピュータ10が実行する条件設定処理について説明する。同図は、コンピュータ10が実行する条件設定処理のフローチャートを示す図である。本条件設定処理は、上述した学習処理の前後何れのタイミングでも実行可能な処理である。
所定の条件は、例えば、期間及び投稿数に関するものであり、例えば、24時間以内に、収集した投稿数が、50個以上である。すなわち、この所定の条件は、短期間で、急激な投稿数の増加があるかどうかを判断するためのものである。なお、所定の条件は、期間及び投稿数に加えて、収集した投稿の投稿内容が、所定のウェブサイト上にまとめられている等の所定のウェブサイトへの掲載の有無等の他の条件が含まれていても良い。
条件受付モジュールは、所定の条件の入力を受け付ける所定の入力画面を、ユーザ端末30に出力する。ユーザ端末30は、この入力画面を受信し、自身の表示部に表示する。条件受付モジュールは、ユーザ端末30に表示させた所定の入力画面により、所定の条件の入力を受け付ける。
ユーザ端末30は、所定の条件の直接入力又は選択入力を受け付ける。これは、一の条件の入力を受け付けるものであっても良いし、複数の条件の入力を受け付けるものであっても良い。
ユーザ端末30は、受け付けた所定の条件を、コンピュータ10に送信する。
条件受付モジュールは、この所定の条件を受信することにより、アラートを通知する所定の条件の入力を受け付ける。
条件設定モジュールは、受け付けた所定の条件を、後述するアラートを通知する際の条件に設定する。
コンピュータ10は、上述した条件設定処理により設定した所定の条件を用いて、後述する処理を実行する。
なお、本条件設定処理は、必ずしも実行される必要はない。SNS投稿分類提供システム1は、本条件設定処理を実行しない場合、予め設定された条件で、後述する処理を実行する。
また、本条件設定処理により設定した所定の条件は、ユーザが、ユーザ端末30を介して、変更可能なものである。この場合、上述した各処理と同様の処理を実行する事により、所定の条件の変更の入力を受け付け、受け付けた所定の条件を、アラートを通知する所定の条件に設定し、記憶する所定の条件を、今回設定した所定の条件に更新すれば良い。
図6に基づいて、コンピュータ10が実行する分類結果提供処理について説明する。同図は、コンピュータ10が実行する分類結果提供処理のフローチャートを示す図である。本分類結果提供処理は、上述した第2投稿の収集処理(ステップS5)、第2投稿のカテゴリ毎の評価の分類処理(ステップS6)、分類結果の提供処理(ステップS7)の詳細である。
本分類結果提供処理は、上述した期間設定処理により設定された期間中に実行される処理である。また、本分類結果提供処理は、上述した期間設定処理が実行されていない場合、任意のタイミングで実行される処理である。
ステップS40の処理における第1文字列は、上述したステップS10の処理における第1文字列と同様である。
第2収集モジュールは、ユーザとは異なる一又は複数の第三者が、一又は複数のSNSに新たに投稿した投稿内容の内、特定の第1文字列を含む投稿を、第2投稿として収集する。
第2収集モジュールは、一又は複数のSNSにアクセスし、第三者がSNSに新たに投稿した投稿内容に対して、文字認識や画像解析等を行い、特定の第1文字列を含む投稿を検出する。第2収集モジュールは、検出したこの投稿を、第2投稿として収集する。
なお、第2収集モジュールが収集する第2投稿の数は、特に制限を設けない。また、第2収集モジュールが収集する第2投稿は、検出した特定の第1文字列を含む投稿の内、所定期間、所定タイミング、所定SNS等の所定の条件を満たすもののみであっても良い。
また、第2収集モジュールは、収集した第2投稿から、広告を目的とする投稿を除外する構成も可能である。この構成において、第2収集モジュールは、投稿に、広告、宣伝、プロモーション、PR等の広告を目的とするものであることを示す特定の文字列が含まれていた場合、この投稿を除外する。
ステップS41の処理におけるカテゴリ及び評価は、上述したステップS11の処理のものと同様である。
分類モジュールは、上述した学習処理により生成した学習済モデルを用いて、収集した第2投稿が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する。分類モジュールは、学習済モデルを参照し、収集した第2投稿の投稿内容に基づいて、カテゴリ毎の評価を分類する。
分類モジュールは、今回収集した第2投稿の投稿内容と、学習済モデルにおける第1投稿の投稿内容とを比較し、第2投稿の投稿内容に一致又は近似する第2投稿の投稿内容を特定する。分類モジュールは、第1投稿の投稿内容と、第2投稿の投稿内容とを比較し、投稿内容の一致の程度を確認する。分類モジュールは、今回収集した第2投稿の投稿内容と最も一致する学習済モデルにおける第1投稿を特定する。分類モジュールは、今回収集した第2投稿の投稿内容と一致する学習済モデルにおける第1投稿を特定できなかった場合、この第2投稿の投稿内容に最も近似する学習済モデルにおける第1投稿を特定する。
分類モジュールは、特定した第1投稿に関連付けられたカテゴリ及びカテゴリ毎の評価を、第2投稿のカテゴリ及びカテゴリ毎の評価として分類する。
分類モジュールは、収集した第2投稿と、分類したカテゴリ及びカテゴリ毎の評価との関連付けを併せて実行する。
なお、分類モジュールは、今回収集した第2投稿の投稿内容と一致及び近似する学習済モデルにおける第1投稿を特定できなかった場合、この第2投稿のカテゴリ及びカテゴリ毎の評価を分類不能とする。このとき、分類モジュールは、カテゴリ及びカテゴリ毎の評価が分類不能な第2投稿に対して、予めカテゴリ及びカテゴリ毎の評価を設定しておくことにより、この第2投稿を、設定したカテゴリ及びカテゴリ毎の評価に分類する構成も可能である。
また、コンピュータ10は、カテゴリ及びカテゴリ毎の評価が分類不能な第2投稿について、この第2投稿と、カテゴリ及びカテゴリ毎の評価が分類不能であることとを関連付けたアラートを、ユーザやシステムの管理者に通知する構成も可能である。このとき、コンピュータ10は、後述する再学習処理を行うことにより、分類不能であった第2投稿のカテゴリ及びカテゴリ毎の評価の訂正を受け付け、次回以降、同様の第2投稿を収集した場合であっても、カテゴリ及びカテゴリ毎の評価を分類することが可能となる。
まとめモジュールは、複数の第2投稿に対して分類した所定のカテゴリ毎の評価を、時系列に沿ってまとめる。ここで、まとめモジュールは、カテゴリ毎に、分類結果をまとめるものであっても良いし、全てのカテゴリを一括して、分類結果をまとめるものであっても良い。まとめモジュールは、分類結果を、時系列に沿って、表やグラフ等の視覚化してまとめたものを作成する(図7参照)。
図7に基づいて、まとめモジュールが作成する分類結果まとめについて説明する。同図は、まとめモジュールが作成する分類結果まとめの一例を模式的に示す図である。
まとめモジュールは、分類結果に関する内容をまとめた第1まとめ欄41、第2投稿を時系列の推移に沿って纏めた第2まとめ欄42を配置した分類結果まとめ40を作成する。
第1まとめ欄41は、ユーザの名称、第1文字列、第2投稿の収集期間、第2投稿のカテゴリ、分類結果、収集した第2投稿の投稿数がまとめられたものである。第1まとめ欄41は、ユーザの名称として、企業名が、第1文字列として、プロジェクト名が、第2投稿の収集期間として、検索期間が、第2投稿のカテゴリとして、その他が、分類結果として、レベルが、収集した第2投稿の投稿数として、投稿数が、各々示されている。企業名では、ユーザの名称が示されている。プロジェクトでは、第1文字列が示されている。検索期間は、上述した期間設定処理により設定された期間や、第2投稿の収集を開始した日時及び第2投稿の収集を終了した日時が示されている。レベルでは、収集した第2投稿全体として、ポジティブであるか、ニュートラルであるか、ネガティブであるかの分類結果が示されている。投稿数では、収集した第2投稿全体の投稿数が示されている。
第2まとめ欄42は、分類結果、第2投稿に関する情報、第2投稿の投稿者のフォロワー数、第2投稿を投稿者以外の人物が引用等した数、第2投稿の内容がまとめられたものである。分類結果として、レベルが、第2投稿に関する情報として、投稿情報が、第2投稿の投稿者のフォロワー数として、フォロワーが、第2投稿を投稿者以外の人物が引用等した数として、再投稿数が、第2投稿の内容として、投稿文が、各々示されている。この第2まとめ欄42は、時系列に沿って、第2投稿をまとめたものであり、収集した第2投稿を投稿日時の昇順に並べたものである。レベルでは、第2投稿が、ポジティブであるか、ニュートラルであるか、ネガティブであるかの分類結果を、アイコン及び文字により示されている。投稿情報では、第2投稿が投稿されたSNSの名称、投稿日時、投稿者のアカウント名が示されている。フォロワーでは、第2投稿の投稿者のフォロワー数が示されている。再投稿数では、第2投稿の投稿者以外の投稿者が、この第2投稿を引用等した投稿数が示されている。投稿文では、第2投稿の投稿内容をコピーしたものが示されている。
まとめモジュールは、他のカテゴリについても、同様の内容の分類結果まとめを作成する。
なお、同図では、表として第2まとめ欄42を示しているが、グラフ等として第2まとめ欄42が配置されても良い。
この場合について説明する。
まとめモジュールは、複数の第2投稿に対して分類したカテゴリ毎の評価をまとめる。ここで、まとめモジュールは、カテゴリ毎に、分類結果をまとめるものであっても良いし、カテゴリ毎の分類結果を一括にまとめるものであっても良い。まとめモジュールは、分類結果を、表やグラフ等の視覚化してまとめたものを作成する(図8参照)。
図8に基づいて、まとめモジュールが作成する分類結果まとめの別例について説明する。同図は、まとめモジュールが作成する分類結果まとめの別例を模式的に示した図である。
まとめモジュールは、カテゴリ毎に分類した評価を表としてまとめた分類結果まとめ50を作成する。同図において、カテゴリが、接客、料金、味、広告表現、その他である。
まとめモジュールは、第2投稿の各々に分類したカテゴリ毎の評価を、カテゴリ毎及び評価毎に集計し、集計結果を、表としてまとめる。
分類結果まとめ50において、「-」が、ネガティブに分類された第2投稿の投稿数、「±」がニュートラルに分類された第2投稿の投稿数、「+」がポジティブに分類された第2投稿の投稿数として、各々示されている。分類結果まとめ50は、接客のカテゴリにおいて、ネガティブに分類された第2投稿の投稿数が5、ニュートラルに分類された第2投稿の投稿数が10、ポジティブに分類された第2投稿の投稿数が35であることを示しており、他のカテゴリについても、同様に、ネガティブに分類された第2投稿の投稿数、ニュートラルに分類された第2投稿の投稿数、ポジティブに分類された第2投稿の投稿数が、各々示されている。
なお、同図では、表として、分類結果まとめ50を示しているが、グラフ等として、分類結果まとめ50が作成されても良い。
提供モジュールは、分類結果を提供する(ステップS42)。
提供モジュールは、作成した分類結果まとめ(分類結果まとめ40や分類結果まとめ50)を、ユーザに提供する。提供モジュールは、この分類結果まとめを、ユーザ端末30に送信する。
ユーザ端末30は、この分類結果まとめを受信し、自身の表示部に表示する。
提供モジュールは、この分類結果まとめを、ユーザ端末30に表示させることにより、分類結果を提供する。
このようなSNS投稿分類提供システム1によれば、SNSでどのような評価がなされているのかを的確に把握することが可能となる。
図9に基づいて、コンピュータ10が実行する第1通知処理について説明する。同図は、コンピュータ10が実行する第1通知処理のフローチャートを示す図である。本第1通知処理は、上述した分類結果提供処理の実行中に行われる処理である。
所定の条件は、上述した条件設定処理により設定された条件である。
第1条件判断モジュールは、ネガティブに分類された第2投稿の投稿数が、所定の条件を満たさないと判断した場合(ステップS50 NO)、第1条件判断モジュールは、現時点において、ネガティブに分類された第2投稿が急激に増加していない、すなわち、第1文字列に関連する内容の炎上は発生していないと判断し、コンピュータ10は、本第1通知処理を終了する。
本実施形態における炎上とは、ネガティブに分類された第2投稿が急激に増加した状態を意図するものである。なお、この状態に加えて、第2投稿が、所定のウェブサイトへ掲載された状態等の他の条件が含まれていても良い。
第1アラートは、第1文字列に関連する内容が炎上していることを通知するものである。
第1アラート作成モジュールは、分類結果をまとめたものを用いた第1アラートを作成する(図10参照)。
図10に基づいて、第1アラート作成モジュールが作成する第1アラートについて説明する。同図は、第1アラート作成モジュールが作成する第1アラートの一例を模式的に示す図である。
第1アラート作成モジュールは、炎上の発生を指摘するメッセージ61、第2投稿のカテゴリ毎の分類結果をまとめた分類結果まとめ62を、所定の位置に配置した第1アラート60を作成する。
メッセージ61は、炎上が発生していることを指摘する文字列であり、同図では、「炎上を検知しました。」が示されている。なお、このメッセージ61の文字列は、上述した例に限らず、炎上の発生を指摘するものであれば、その内容や配置については、適宜変更可能である。
分類結果まとめ62は、上述した分類結果まとめ50と同様のものである。なお、分類結果まとめ62は、上述した例に限らず、分類結果に関して、炎上の発生を把握可能なものであれば、その内容や配置については、適宜変更可能である。
なお、第1アラートは、炎上が発生していることをより明確にするために、注目度を目立つものに変更した内容を追加する構成も可能である。例えば、メッセージを太字、ハイライトの追加、アイコンの追加、文字やアイコンのサイズ変更や色変更である。
また、第1アラートに含まれる内容は、上述した例に限らず、それ以外の内容が含まれていても良いし、メッセージ61又は分類結果まとめ62の何れかのみが含まれていても良い。
第1通知モジュールは、作成した第1アラート60を、ユーザ端末30に送信する。
ユーザ端末30は、この第1アラート60を受信し、自身の表示部に表示する。
第1通知モジュールは、この第1アラート60を、ユーザ端末30に表示させることにより、作成した第1アラートを通知する。
このようなSNS投稿分類提供システム1によれば、問題が発生していることをユーザが把握することが容易となる。
図11に基づいて、コンピュータ10が実行する第2通知処理について説明する。同図は、コンピュータ10が実行する第2通知処理のフローチャートを示す図である。本第2通知処理は、上述した分類結果提供処理の実行中に行われる処理である。
所定の条件は、上述した条件設定処理により設定された条件である。
第2条件判断モジュールは、ポジティブに分類された第2投稿の投稿数が、所定の条件を満たさないと判断した場合(ステップS60 NO)、第2条件判断モジュールは、現時点において、ポジティブに分類された第2投稿が急激に増加していない、すなわち、第1文字列に関連する内容のバズリは発生していないと判断し、コンピュータ10は、本第2通知処理を終了する。
本実施形態におけるバズリとは、ポジティブに分類された第2投稿が急激に増加した状態を意図するものである。なお、この状態に加えて、第2投稿が、所定のウェブサイトへ掲載された状態等の他の条件が含まれていても良い。
第2アラートは、第1文字列に関連する内容がバズっていることを通知するものである。
第2アラート作成モジュールは、分類結果をまとめたものを用いた第2アラートを作成する(図12参照)。
図12に基づいて、第2アラート作成モジュールが作成する第2アラートについて説明する。同図は、第2アラート作成モジュールが作成する第2アラートの一例を模式的に示す図である。
第2アラート作成モジュールは、バズリの発生を指摘するメッセージ71、第2投稿のカテゴリ毎の分類結果をまとめた分類結果まとめ72を、所定の位置に配置した第2アラート70を作成する。
メッセージ71は、バズリが発生していることを指摘する文字列であり、同図では、「バズリを検知しました。」が示されている。なお、このメッセージ71の文字列は、上述した例に限らず、バズリの発生を指摘するものであれば、その内容や配置については、適宜変更可能である。
分類結果まとめ72は、上述した分類結果まとめ50と同様のものである。なお、分類結果まとめ72は、上述した例に限らず、分類結果に関して、バズリの発生を把握可能なものであれば、その内容や配置については、適宜変更可能である。
なお、第2アラートは、バズリが発生していることをより明確にするために、注目度を目立つものに変更した内容を追加する構成も可能である。例えば、メッセージを太字、ハイライトの追加、アイコンの追加、文字やアイコンのサイズ変更や色変更である。
また、第2アラートに含まれる内容は、上述した例に限らず、それ以外の内容が含まれていても良いし、メッセージ71又は分類結果まとめ72の何れかのみが含まれていても良い。
第2通知モジュールは、作成した第2アラート70を、ユーザ端末30に送信する。
ユーザ端末30は、この第2アラート70を受信し、自身の表示部に表示する。
第2通知モジュールは、この第2アラート70を、ユーザ端末30に表示させることにより、作成した第2アラートを通知する。
このようなSNS投稿分類提供システム1によれば、人気があることをユーザが把握することが容易となる。
図13に基づいて、コンピュータ10が実行する再学習処理について説明する。同図は、コンピュータ10が実行する再学習処理のフローチャートを示す図である。本再学習処理は、上述した学習処理の後に行われる処理であり、任意のタイミングで行われる処理である。
ユーザ端末30は、提供された分類結果における第2投稿や、上述した分類結果提供処理において、分類不能とされた第2投稿に対するカテゴリ及びカテゴリ毎の評価に対する訂正の入力を、所定の入力画面において受け付ける。
ユーザ端末30は、第2投稿と、訂正後のカテゴリ及びカテゴリ毎の評価とを、コンピュータ10に送信する。
訂正受付モジュールは、第2投稿と、訂正後のカテゴリ及びカテゴリ毎の評価とを受信することにより、分類した第2投稿における所定のカテゴリ毎の評価に対する訂正を受け付ける。
学習モジュールは、訂正後のカテゴリ毎の評価を教師データとし、カテゴリ毎の評価を訂正した第2投稿の投稿内容と、訂正後のカテゴリ毎の評価とを関連付けた教師あり学習を再度実行する。
なお、学習モジュールが、実行する再学習方法は、上述した例に限定されるものではない。
生成モジュールは、上述したステップS15の処理と同様に、既存の方法により、学習結果に基づいて、学習済モデルを更新する。
コンピュータ10は、上述した分類結果提供処理において、新たに第2投稿を収集した場合、再学習処理により更新した学習済モデルを用いて、上述したステップS42の処理を実行する。
このようにすることにより、SNS投稿分類提供システム1は、第2投稿のカテゴリ毎の評価の分類の精度の更なる向上を図ることが可能となる。
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集する第1収集部(例えば、第1収集部11、第1収集モジュール)と、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定する決定部(例えば、決定部14、決定モジュール)と、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する学習部(例えば、学習部15、学習モジュール)と、
学習結果に基づいて、学習済モデルを生成する生成部(例えば、生成部16、生成モジュール)と、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集する第2収集部(例えば、第2収集部12、第2収集モジュール)と、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する分類部(例えば、分類部16、分類モジュール)と、
分類結果を提供する提供部(例えば、提供部13、提供モジュール)と、
を備えるSNS投稿分類提供システム。
前記ネガティブは、強ネガティブと、弱ネガティブとからなる、
(1)に記載のSNS投稿分類提供システム。
を更に備え、
前記学習部は、収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する際、抽出した前記第3投稿に決定した前記所定のカテゴリ毎の評価の重みを、前記第1投稿に決定した前記所定のカテゴリ毎の評価の重みよりも重くして学習する、
(1)に記載のSNS投稿分類提供システム。
を更に備え、
前記提供部は、まとめた結果を前記分類結果として提供する、
(1)に記載のSNS投稿分類提供システム。
を更に備える(1)に記載のSNS投稿分類提供システム。
を更に備える(1)に記載のSNS投稿分類提供システム。
を更に備え、
前記第2収集部は、受け付けた前記期間のみ、前記第2投稿を収集する、
(1)に記載のSNS投稿分類提供システム。
(1)に記載のSNS投稿分類提供システム。
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集するステップ(例えば、ステップS10)と、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定するステップ(例えば、ステップS11)と、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習するステップ(例えば、ステップS14)と、
学習結果に基づいて、学習済モデルを生成するステップ(例えば、ステップS15)と、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集するステップ(例えば、ステップS40)と、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類するステップ(例えば、ステップS41)と、
分類結果を提供するステップ(例えば、ステップS43)と、
を備えるSNS投稿分類提供方法。
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集するステップ(例えば、ステップS10)、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定するステップ(例えば、ステップS11)、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習するステップ(例えば、ステップS14)、
学習結果に基づいて、学習済モデルを生成するステップ(例えば、ステップS15)、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集するステップ(例えば、ステップS40)、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類するステップ(例えば、ステップS41)、
分類結果を提供するステップ(例えば、ステップS43)、
を実行させるためのコンピュータ読み取り可能なプログラム。
9 ネットワーク
10 コンピュータ
20 SNSコンピュータ
30 ユーザ端末
40 分類結果まとめ
41 第1まとめ欄
42 第2まとめ欄
50 分類結果まとめ
60 第1アラート
61 メッセージ
62 分類結果まとめ
70 第2アラート
71 メッセージ
72 分類結果まとめ
Claims (9)
- SNSの投稿を分類するSNS投稿分類提供システムであって、
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集する第1収集部と、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定する決定部と、
収集した前記第1投稿から、更に、前記第1文字列とは異なる第2文字列を含む第3投稿を抽出する抽出部と、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する学習部と、
学習結果に基づいて、学習済モデルを生成する生成部と、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集する第2収集部と、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する分類部と、
分類結果を提供する提供部と、
を備え、
前記学習部は、収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する際、抽出した前記第3投稿に決定した前記所定のカテゴリ毎の評価の重みを、前記第1投稿に決定した前記所定のカテゴリ毎の評価の重みよりも重くして学習する、
SNS投稿分類提供システム。 - 前記ポジティブは、強ポジティブと、弱ポジティブとからなり、
前記ネガティブは、強ネガティブと、弱ネガティブとからなる、
請求項1に記載のSNS投稿分類提供システム。 - 分類結果を、時系列の推移に沿ってまとめるまとめ部と、
を更に備え、
前記提供部は、まとめた結果を前記分類結果として提供する、
請求項1に記載のSNS投稿分類提供システム。 - ネガティブに分類された前記第2投稿が、所定の条件を満たした場合、その旨を通知する第1通知部と、
を更に備える請求項1に記載のSNS投稿分類提供システム。 - ポジティブに分類された前記第2投稿が、所定の条件を満たした場合、その旨を通知する第2通知部と、
を更に備える請求項1に記載のSNS投稿分類提供システム。 - 前記第2投稿を収集する期間の設定を受け付ける期間受付部と、
を更に備え、
前記第2収集部は、受け付けた前記期間のみ、前記第2投稿を収集する、
請求項1に記載のSNS投稿分類提供システム。 - 前記分類部は、一の前記第2投稿を、複数の前記カテゴリの各々に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類する、
請求項1に記載のSNS投稿分類提供システム。 - SNSの投稿を分類するコンピュータが実行するSNS投稿分類提供方法であって、
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集するステップと、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定するステップと、
収集した前記第1投稿から、更に、前記第1文字列とは異なる第2文字列を含む第3投稿を抽出するステップと、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習するステップと、
学習結果に基づいて、学習済モデルを生成するステップと、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集するステップと、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類するステップと、
分類結果を提供するステップと、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する際、抽出した前記第3投稿に決定した前記所定のカテゴリ毎の評価の重みを、前記第1投稿に決定した前記所定のカテゴリ毎の評価の重みよりも重くして学習するステップと、
を備えるSNS投稿分類提供方法。 - SNSの投稿を分類するコンピュータに、
前記SNSから、特定の第1文字列を含む複数の第1投稿を収集するステップ、
収集した前記複数の第1投稿の各々が、所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを決定するステップ、
収集した前記第1投稿から、更に、前記第1文字列とは異なる第2文字列を含む第3投稿を抽出するステップ、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習するステップ、
学習結果に基づいて、学習済モデルを生成するステップ、
前記SNSから、新たに投稿された前記特定の第1文字列を含む第2投稿を収集するステップ、
生成した前記学習済モデルに基づいて、収集した前記第2投稿が、前記所定のカテゴリ毎に、ポジティブ、ニュートラル及びネガティブのどの評価に属するかを分類するステップ、
分類結果を提供するステップ、
収集した前記第1投稿の各々と、各々に決定した前記所定のカテゴリ毎の評価とを関連付けて学習する際、抽出した前記第3投稿に決定した前記所定のカテゴリ毎の評価の重みを、前記第1投稿に決定した前記所定のカテゴリ毎の評価の重みよりも重くして学習するステップ、
を実行させるためのコンピュータ読み取り可能なプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/043114 WO2023095227A1 (ja) | 2021-11-25 | 2021-11-25 | 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 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP7129585B1 true JP7129585B1 (ja) | 2022-09-01 |
JPWO2023095227A1 JPWO2023095227A1 (ja) | 2023-06-01 |
JPWO2023095227A5 JPWO2023095227A5 (ja) | 2023-10-27 |
Family
ID=83114594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022520228A Active JP7129585B1 (ja) | 2021-11-25 | 2021-11-25 | 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 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7129585B1 (ja) |
WO (1) | WO2023095227A1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130036024A (ko) * | 2013-02-04 | 2013-04-09 | (주)레드테이블 | 메시지 정보 추출 시스템 및 그 방법 |
JP2013178754A (ja) * | 2012-01-23 | 2013-09-09 | Mu Sigma Business Solutions Pvt Ltd | ソーシャルメディアデータ分析システム及び方法 |
JP2015210700A (ja) * | 2014-04-28 | 2015-11-24 | Kddi株式会社 | 商品に対するユーザの感情分析装置及びプログラム |
JP2016530651A (ja) * | 2013-09-10 | 2016-09-29 | フェイスブック,インク. | ソーシャル・ネットワーキング・システムのユーザについての感情極性 |
JP2019215705A (ja) * | 2018-06-13 | 2019-12-19 | 日本放送協会 | 情報判定モデル学習装置およびそのプログラム |
JP2020030529A (ja) * | 2018-08-21 | 2020-02-27 | Zホールディングス株式会社 | 提供装置、提供方法および提供プログラム |
JP2020098454A (ja) * | 2018-12-18 | 2020-06-25 | 日本放送協会 | テキスト情報判定装置及びそのプログラム |
-
2021
- 2021-11-25 JP JP2022520228A patent/JP7129585B1/ja active Active
- 2021-11-25 WO PCT/JP2021/043114 patent/WO2023095227A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013178754A (ja) * | 2012-01-23 | 2013-09-09 | Mu Sigma Business Solutions Pvt Ltd | ソーシャルメディアデータ分析システム及び方法 |
KR20130036024A (ko) * | 2013-02-04 | 2013-04-09 | (주)레드테이블 | 메시지 정보 추출 시스템 및 그 방법 |
JP2016530651A (ja) * | 2013-09-10 | 2016-09-29 | フェイスブック,インク. | ソーシャル・ネットワーキング・システムのユーザについての感情極性 |
JP2015210700A (ja) * | 2014-04-28 | 2015-11-24 | Kddi株式会社 | 商品に対するユーザの感情分析装置及びプログラム |
JP2019215705A (ja) * | 2018-06-13 | 2019-12-19 | 日本放送協会 | 情報判定モデル学習装置およびそのプログラム |
JP2020030529A (ja) * | 2018-08-21 | 2020-02-27 | Zホールディングス株式会社 | 提供装置、提供方法および提供プログラム |
JP2020098454A (ja) * | 2018-12-18 | 2020-06-25 | 日本放送協会 | テキスト情報判定装置及びそのプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2023095227A1 (ja) | 2023-06-01 |
JPWO2023095227A1 (ja) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11061946B2 (en) | Systems and methods for cross-media event detection and coreferencing | |
US10748194B2 (en) | Collaboration group recommendations derived from request-action correlations | |
US10380249B2 (en) | Predicting future trending topics | |
US8793255B1 (en) | Generating a reputation score based on user interactions | |
US9582786B2 (en) | News feed ranking model based on social information of viewer | |
CN106919579B (zh) | 一种信息处理方法及装置、设备 | |
WO2017202006A1 (zh) | 数据处理方法和装置、计算机存储介质 | |
US20180284971A1 (en) | Intelligent visual object management system | |
US9218568B2 (en) | Disambiguating data using contextual and historical information | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
AU2018331397B2 (en) | Systems and methods for cross-media event detection and coreferencing | |
US20200202369A1 (en) | Digital surveys based on digitally detected facial emotions | |
CN111523923A (zh) | 商家评论管理系统、方法、服务器及存储介质 | |
US10474899B2 (en) | Social engagement based on image resemblance | |
JP6719399B2 (ja) | 解析装置、解析方法、およびプログラム | |
US20180143986A1 (en) | Generating persuasive electronic messages using interplay of message content features | |
CN109858965A (zh) | 一种用户识别方法和系统 | |
CN106294676B (zh) | 一种电子商务政务系统的数据检索方法 | |
US20150193529A1 (en) | Opinion analyzing system and method | |
US11134045B2 (en) | Message sorting system, message sorting method, and program | |
JP7129585B1 (ja) | 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 | |
Mantoro et al. | Machine learning approach for sentiment analysis in crime information retrieval | |
CN113111269B (zh) | 数据处理方法、装置、计算机可读存储介质及电子设备 | |
JP7473723B1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN113742614A (zh) | 生成、显示推荐信息的方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220331 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220331 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220331 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220429 |
|
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: 20220816 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220822 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7129585 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |