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

Abstract

【課題】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を可能にする。【解決手段】ＳＮＳの投稿を分類するＳＮＳ投稿分類提供は、前記ＳＮＳから、特定の第１文字列を含む複数の第１投稿を収集し、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し、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し、学習結果に基づいて、学習済モデルを生成し、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投稿を収集し、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し、分類結果を提供する。【選択図】図１

Description

特許法第３０条第２項適用 令和３年７月７日に株式会社ＰＲ ＴＩＭＥＳのプレスリリースサイトにて公開

本発明は、ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）の投稿の分類に有効な技術に関する。

近年、ＳＮＳに関する技術が注目されている。
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。

特開２０２１－０９２９３１号公報 特開２０１６－００６５８３号公報

ＳＮＳの投稿が盛んになっており、特に、ＳＮＳでのポジティブな反響やネガティブな反響が、事業売上利益に大きな影響を与えることがある。
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。

本発明は、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、提供することにより、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を可能にする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を提供することを目的とする。

本発明は、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を提供する。

本発明によれば、ＳＮＳの投稿を分類するＳＮＳ投稿分類提供システムは、前記ＳＮＳから、特定の第１文字列を含む複数の第１投稿を収集し、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し、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投稿を抽出し、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し、学習結果に基づいて、学習済モデルを生成し、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投稿を収集し、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し、分類結果を提供し、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。

本発明は、システムのカテゴリであるが、方法及びプログラムであっても同様の作用、効果を奏する。

本発明によれば、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。

ＳＮＳ投稿分類提供システム１の概要を説明する図である。 ＳＮＳ投稿分類提供システム１の機能構成を示す図である。 ＳＮＳ投稿分類提供システム１が実行する学習処理のフローチャートを示す図である。 ＳＮＳ投稿分類提供システム１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。 ＳＮＳ投稿分類提供システム１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。 ＳＮＳ投稿分類提供システム１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。 分類結果まとめ４０の一例を模式的に示す図である。 分類結果まとめ５０の一例を模式的に示す図である。 ＳＮＳ投稿分類提供システム１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。 第１アラート６０の一例を模式的に示した図である。 ＳＮＳ投稿分類提供システム１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。 第２アラート７０の一例を模式的に示した図である。 ＳＮＳ投稿分類提供システム１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。

以下、添付図面を参照して、本発明を実施するための形態（以下、実施形態）について詳細に説明する。以降の図においては、実施形態の説明の全体を通して同じ要素には同じ番号または符号を付している。

［基本概念／基本構成］
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。

本実施形態では、前提として、ユーザ以外の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を分類するものである。

ＳＮＳ投稿分類提供システム１が、ＳＮＳに投稿された投稿を分類し、分類結果を提供する場合の処理ステップの概要について、図１に基づいて説明する。

コンピュータ１０は、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Ｓ１）。
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。

コンピュータ１０は、収集した複数の第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Ｓ２）。
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、収集した複数の第１投稿の各々と、各々に決定した所定のカテゴリ毎の評価とを関連付けて学習し（ステップＳ３）、学習結果に基づいて、学習済モデルを生成する（ステップＳ４）。
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から、新たに投稿された特定の第１文字列を含む第２投稿を収集する（ステップＳ５）。
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に基づいて、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（ステップＳ６）。
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、分類結果を提供する（ステップＳ７）。
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。

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。

［機能構成］
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、クレームの発生を予測するサーバ機能を有するコンピュータやパーソナルコンピュータ等である。
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。

コンピュータ１０は、制御部として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等を備え、通信部として、他の端末や装置等と通信可能にするためのデバイス、第１投稿を収集する第１収集部１１、第２投稿を収集する第２収集部１２、分類結果を提供する提供部１３等を備える。
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。

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、通信部と協働して、第１収集モジュール、期間受付モジュール、条件受付モジュール、第２収集モジュール、提供モジュール、第１通知モジュール、第２通知モジュール、訂正受付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、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。

ＳＮＳコンピュータ２０は、ＳＮＳ運営者が管理するサーバ機能を有するサーバソフトウェア又はサーバコンピュータ等である。ＳＮＳコンピュータ２０は、一般的なＳＮＳのサービスの提供に必要な処理を実行するものであれば良く、詳細な説明は省略する。

ユーザ端末３０は、ユーザが管理する携帯電話、スマートフォン、タブレット端末等の携帯端末やパーソナルコンピュータ等の端末装置であり、端末制御部として、ＣＰＵ、ＧＰＵ、ＲＡＭ、ＲＯＭ等を備え、通信部として、コンピュータ１０及びＳＮＳコンピュータ２０とデータ通信可能にするためのデバイス等を備え、データの入出力を実行する各種デバイス等を備える。

以下、ＳＮＳ投稿分類提供システム１が実行する各処理について、上述した各モジュールが実行する処理と併せて説明する。

［コンピュータ１０が実行する学習処理］
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収集モジュールは、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Ｓ１０）。
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。

決定モジュールは、収集した第１投稿の各々に対して、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Ｓ１１）。
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、上述した説明において、第１投稿の各々に対して、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３段階の評価の内どの評価に属するかを決定するものとして説明しているが、この評価は、より詳細に分類されたものであっても良い。具体的には、ポジティブが、強ポジティブと弱ポジティブとからなり、ネガティブが、強ネガティブと弱ネガティブとからなるものであっても良い。強ポジティブは、弱ポジティブよりも、より肯定的な内容であり、強ネガティブは、弱ネガティブよりもより否定的な内容である。
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。

抽出モジュールは、収集した第１投稿から、更に、第１文字列とは異なる特定の第２文字列を含む第３投稿を抽出する（ステップＳ１２）。
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、抽出した第３投稿に決定した所定のカテゴリ毎の評価に重み付けを実行する（ステップＳ１３）。
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。

学習モジュールは、収集した第１投稿の各々と、各々に決定した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Ｓ１４）。
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、学習結果に基づいて、学習済モデルを生成する（ステップＳ１５）。
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。

学習済モデル記憶モジュールは、生成した学習済モデルを記憶する（ステップＳ１６）。

以上が、学習処理である。
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。

［コンピュータ１０が実行する期間設定処理］
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。

期間受付モジュールは、第２投稿を収集する期間の入力を受け付ける（ステップＳ２０）。
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、第２投稿を収集する期間を設定する（ステップＳ２１）。
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。

期間記憶モジュールは、設定した第２投稿を収集する期間を記憶する（ステップＳ２２）。

以上が、期間設定処理である。
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。

［コンピュータ１０が実行する条件設定処理］
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。

条件受付モジュールは、アラートを通知する所定の条件の入力を受け付ける（ステップＳ３０）。
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、アラートを通知する所定の条件を設定する（ステップＳ３１）。
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。

条件記憶モジュールは、設定したアラートを通知する所定の条件を記憶する（ステップＳ３２）。

以上が、条件設定処理である。
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。

［コンピュータ１０が実行する分類結果提供処理］
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。

第２収集モジュールは、ＳＮＳから新たに投稿された特定の第１文字列を含む第２投稿を収集する（ステップＳ４０）
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。

分類モジュールは、学習済モデルに基づいて、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（ステップＳ４１）。
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、分類結果を、時系列の推移に沿ってまとめる（ステップＳ４２）。
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）。

［分類結果まとめ］
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。

なお、上述した説明において、まとめモジュールが、分類結果を時系列に沿ってまとめるものについて説明しているが、まとめモジュールが時系列を問わず、分類結果をまとめる構成も可能である。
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）。

［分類結果まとめの別例］
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。

図６に戻り、分類結果提供処理の続きを説明する。
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。

以上が、分類結果提供処理である。
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。

［コンピュータ１０が実行する第１通知処理］
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。

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、所定の条件を満たすかどうかを判断する（ステップＳ５０）。
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。

一方、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、所定の条件を満たすと判断した場合（ステップＳ５０ ＹＥＳ）、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る、すなわち、第１文字列に関する内容の炎上が発生していると判断し、第１アラート作成モジュールは、第１アラートを作成する（ステップＳ５１）。
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）。

［第１アラート］
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アラートを通知する（ステップＳ５２）。
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。

以上が、第１通知処理である。
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。

［コンピュータ１０が実行する第２通知処理］
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。

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、所定の条件を満たすかどうかを判断する（ステップＳ６０）。
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。

一方、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、所定の条件を満たすと判断した場合（ステップＳ６０ ＹＥＳ）、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る、すなわち、第１文字列に関する内容のバズリが発生していると判断し、第２アラート作成モジュールは、第２アラートを作成する（ステップＳ６１）。
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）。

［第２アラート］
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アラートを通知する（ステップＳ６２）。
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。

以上が、第２通知処理である。
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。

［コンピュータ１０が実行する再学習処理］
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。

訂正受付モジュールは、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（ステップＳ７０）。
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、収集した第２投稿と、訂正後のカテゴリ毎の評価とを関連付けて再学習する（ステップＳ７１）。
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。

コンピュータ１０は、訂正を受け付けた第２投稿が、特定の第２文字列を含む投稿である場合、上述したステップＳ１２及びＳ１３の処理を再度実行する構成であっても良い。この場合、学習モジュールは、第２文字列を含む第２投稿に関して、重み付けに応じた学習を実行する。

生成モジュールは、学習結果に基づいて、学習済モデルを更新する（ステップＳ７２）。
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。

学習済モデル記憶モジュールは、更新した学習済モデルを記憶する（ステップＳ７３）。

以上が、再学習処理である。
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。

なお、学習モジュールは、カテゴリ毎の評価の訂正を受け付けなかった第２投稿について、このカテゴリ毎の評価を教師データとして、第２投稿と、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構成も可能である。ここで、コンピュータ１０は、訂正を受け付けなかった第２投稿が、特定の第２文字列を含む投稿である場合、上述したステップＳ１２及びＳ１３の処理を再度実行する構成であっても良い。この場合、学習モジュールは、第２文字列を含む第２投稿に関して、重み付けに応じた学習を実行する。
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。

上述した各処理は、別個の処理として記載しているが、コンピュータ１０は、上述した各処理の一部又は全部を組み合わせて実行する構成も可能である。また、コンピュータ１０は、各処理において、説明したタイミング以外のタイミングであっても、その処理を実行する構成も可能である。

上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、コンピュータからネットワーク経由で提供される（ＳａａＳ：ソフトウェア・アズ・ア・サービス）形態やクラウドサービスで提供されてよい。また、プログラムは、コンピュータ読取可能な記録媒体に記録された形態で提供されてよい。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記録装置又は外部記録装置に転送し記録して実行する。また、そのプログラムを、記録装置（記録媒体）に予め記録しておき、その記録装置から通信回線を介してコンピュータに提供するようにしてもよい。

以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。

（１）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（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。

（１）の発明によれば、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。

（２）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、
（１）に記載のＳＮＳ投稿分類提供システム。

（２）の発明によれば、ポジティブの度合いやネガティブの度合いまで分類することが可能となる。

（３）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（例えば、抽出モジュール）と、
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。

（３）の発明によれば、特定の文字列が含まれる投稿に対する評価の重みを重くして学習することにより、分類の精度の向上を図ることが可能となる。

（４）分類結果を、時系列の推移に沿ってまとめるまとめ部（例えば、まとめモジュール）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、
（１）に記載のＳＮＳ投稿分類提供システム。

（４）の発明によれば、良い方向に向かっているのか、悪い方向に向かっているのかを判断することが容易となる。

（５）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（例えば、第１通知モジュール）と、
を更に備える（１）に記載のＳＮＳ投稿分類提供システム。

（５）の発明によれば、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。

（６）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（例えば、第２通知モジュール）と、
を更に備える（１）に記載のＳＮＳ投稿分類提供システム。

（６）の発明によれば、人気があることをユーザが把握することが容易となる。

（７）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（例えば、期間受付モジュール）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、
（１）に記載のＳＮＳ投稿分類提供システム。

（７）の発明によれば、ユーザが所望する間の評価のみを収集することになり、ＳＮＳでどのような評価がなされているのかをより的確に把握することが可能となる。

（８）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、
（１）に記載のＳＮＳ投稿分類提供システム。

（８）の発明によれば、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。

（９）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（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。

（１０）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（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。

１ ＳＮＳ投稿分類提供システム
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。

Images