JP5947237B2 - 感情推定装置、感情推定方法、および、プログラム - Google Patents

Description

本発明は、感情推定装置、感情推定方法、および、プログラムに関する。

従来、一般的にネガティブな発言、ポジティブな発言に用いられる単語を教師データとして用いることで、発言者であるユーザの感情を推定する技術がある。例えば、ユーザごとに、そのユーザが怒っている場合に使われる単語や文章の組み立て方等を教師データとして用意しておき、その教師データを用いて、入力されたテキストや音声に対して分析を行い、ユーザが怒っているか否かを判断する技術がある。この技術によれば、コールセンタ等でユーザ（お客）が怒っていると判断されたとき、その旨をコールセンタのスタッフ等に通知することができる（特許文献１参照）。

特開２０１２−１１３５４２号公報

しかし、ユーザごとの意思表示の表現にはユーザ（個人）の判断基準に基づくバイアスがかかっていることが多い。例えば、いつもネガティブな発言をしているユーザのネガティブな単語を含む発言と、いつもポジティブな発言をしているユーザのネガティブな単語を含む発言とでは、同じ単語を含む発言であっても、それぞれのユーザでその発言の意味するネガティブさが異なる可能性が高い。つまり、特許文献１のように、ユーザの感情を、単語の有する一般的な判断基準（一般的にネガティブな発言、ポジティブな発言に用いられる単語）だけを用いて推定する技術では、必ずしもユーザの感情を正確に推定することができない。そこで、本発明は、前記した課題を解決し、ユーザの感情の推定精度を向上させることを目的とする。

前記した課題を解決するため、本発明は、ユーザごとの発言内容を示した過去ログを格納する過去ログ記録部と、ある特定の感情とその相反する感情を示す語句である感情表記ワードを格納する一般感情表記ワード記録部と、前記一般感情表記ワード記録部を参照して、前記ユーザの過去ログから、前記感情表記ワードのいずれかを含む発言を検索する感情表記ワード検索部と、前記ユーザの過去ログから、前記検索された感情表記ワードを含む発言を中心として前後所定範囲内の発言である周辺発言を抽出する前後発言抽出部と、前記ユーザごとに、前記発言に含まれる単語それぞれの前記ある特定の感情の強さの度合いを表す感情ベクトルの値を示した教師データを作成する特徴量抽出部と、前記ユーザの前記教師データを用いて、前記ユーザの発言が意味する前記ある特定の感情の傾向を判断し、前記判断結果を出力する発言解析部とを備え、前記特徴量抽出部は、前記単語それぞれの感情ベクトルの値を決定するとき、前記感情表記ワード検索部により検索された発言に含まれる感情表記ワードに対し、前記発言に含まれる感情表記ワードが示す感情の種別に応じた所定の感情の強さの度合いを示す値を前記感情表記ワードの感情ベクトルの値として付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する感情ベクトルの値として、前記感情表記ワードに付与した前記感情ベクトルの値と比較して前記ある特定の感情の強さの度合いを軽減した所定の値を付与することを特徴とする感情推定装置とした。

このような感情推定装置によれば、ユーザの発言解析に用いる教師データについて、一般的に用いられる感情表記ワードのほかに、当該ユーザがそのワード（単語）の周辺発言で用いる単語にも所定の感情ベクトルの値を付与する。つまり、感情推定装置は、ユーザの普段の発言傾向を反映して教師データを作成するので、ユーザの発言から感情推定を行う際の感情精度を向上させることができる。

本発明によれば、ユーザの感情の推定精度を向上させることができる。

図１は、本実施の形態の感情推定装置を含むシステムの構成例を示す図である。 図２は、図１の感情推定装置の処理手順例を示す図である。 図３は、図１の感情推定装置の処理手順を示す図である。 図４は、図３のＳ１７の処理の詳細を示す図である。 図５は、図１の発言解析部の処理手順を示す図である。 図６は、図１の教師データ作成部の処理手順を示す図である。 図７は、図６のＳ１０５で抽出した単語がネガティブワードであったときの処理手順を示す図である。 図８は、図６のＳ１０５で抽出した単語がポジティブワードであったときの処理手順を示す図である。 図９は、図１の感情推定装置の機能を実現するためのプログラムを実行するコンピュータを示す図である。

（実施の形態）
以下、図面を参照しながら、本発明を実施の形態を説明する。まず、図１を用いて、感情推定装置１を含むシステムの構成例を説明する。システムは、例えば、図１に示すように、感情推定装置１とユーザ端末２とを備え、感情推定装置１とユーザ端末２とは、ネットワーク（インターネットやＬＡＮ（Local Area Network）等）により接続される。感情推定装置１は、ネットワーク経由で、ユーザ端末２から、ユーザの発言内容（例えば、Twitter（登録商標）、Facebook（登録商標）、ブログ、チャット等における発言内容）を受信すると、この発言内容を過去ログとして蓄積し、各ユーザの過去ログの内容から、ユーザの現在の発言の解析を行うための教師モデルを作成する。この発言の解析とは、ユーザの発言が意味する感情の傾向を判断することであり、本実施の形態においては、感情推定装置１が、ユーザの発言がネガティブな感情を意味するものか、ポジティブな感情を意味するものかの判断する場合を例に説明する。また、この教師モデルは、ユーザごとに、各単語のある特定の感情の強さの度合いを示す感情ベクトルの値を示したものであり、本実施の形態においては、この感情ベクトルの値として、ネガポジ値を用いる場合を例に説明する。このネガポジ値は、各単語のポジティブ（またはネガティブ）な感情の強さの度合いであるポジティブ度(またはネガティブ度)を「０〜１」の値で示したものである。感情推定装置１は、教師データのネガポジ値に、ユーザそれぞれの発言が意味する感情の傾向（例えば、ネガティブな発言が多いか、ポジティブな発言が多いか）を反映させる。そして、感情推定装置１は、当該ユーザに関する教師モデルを用いて、ユーザの現在の発言の示す感情（例えば、ネガティブかポジティブか）の推定（解析）を行う。

ここで、図２を用いて、図１の感情推定装置１の概要を説明する。感情推定装置１は、ユーザごとの発言の過去ログ（発言ログ）を蓄積している。ここでの過去ログは、ユーザごとに、そのユーザの発言が発言日時とともに時系列で記録されたテキストデータであり、例えば、符号２０１に示す内容であるものとする。ここでは、感情推定装置１は、ユーザの発言からネガティブワードとして「どうせ」という単語を含む発言とその周辺発言の単語を抽出して、それぞれの単語にネガポジ値（各単語のネガティブ度（またはポジティブ度）を示す値）を付与し、教師データに記録する場合を例に説明する。また、以下の説明において、ネガポジ値は、最もネガティブ「０」〜ニュートラル「０．５」〜最もネガティブ「１」であるものとする。

（Ｓ１）
感情推定装置１は、ユーザの過去ログを検索し、ネガティブワード「どうせ」が含まれた発言を抽出する。ここでは、時刻「１０：０４：３０」における「どうせ私なんて」という発言が抽出された場合を考える。

（Ｓ２）
次に、感情推定装置１は、過去ログからＳ１で抽出した発言（例えば、「どうせ私なんて」）の前後数分間の発言（周辺発言）を抽出する。例えば、感情推定装置１は、符号２０２に示すように、「どうせ私なんて」を中心とした前後数分間の発言「やばい」「全然できなかった」「どうせ私なんて」「。。。。」「うーん」の発言を抽出する。

（Ｓ３）
その後、感情推定装置１は、Ｓ１で抽出したユーザの発言およびＳ２で抽出したその周辺発言に対し、形態素解析等を行い、単語の抽出を行う。そして、感情推定装置１は、抽出した単語それぞれに付与するネガポジ値を付与する。例えば、感情推定装置１は、一般ワード（ここでは、Ｓ１で検索された発言に含まれるネガティブワード）のネガポジ値を「０」、周辺単語（Ｓ２で検索された周辺発言に含まれる単語）のネガポジ値を比較的ネガティブなネガポジ値である「０．２」を付与する（符号２０３参照）。つまり、当該単語がネガティブワードではなくても、その周辺に登場する単語ならば、その単語は、当該ユーザにとってネガティブな意味で使われる可能性が高い単語なので、感情推定装置１は、ネガティブワードのネガポジ値よりも若干ネガティブ度を軽減したネガポジ値を付与する。そして、感情推定装置１は、抽出した単語と付与したネガポジ値とのペアを当該ユーザの教師データとして記録する。なお、Ｓ３において付与するネガポジ値は、そのユーザの日常の発言がネガポジ（ネガティブ、ポジティブ）のどちらが多いかによって調整される。

例えば、感情推定装置１が、Ｓ１でネガティブワード「どうせ」を含む発言を抽出した場合、そのネガティブワードを含む発言をしたユーザが日常において発言のネガポジ割合の等しい人であれば、一般ワード（ネガティブワード）のネガポジ値を「０」、その周辺単語のネガポジ値を「０．２」のままとする。一方、そのユーザが普段ネガ（ネガティブな）発言の割合の多い人であれば、一般ワード（ネガティブワード）のネガポジ値を「０．４」、その周辺単語のネガポジ値を「０．５」にする。つまり、ネガポジ値を全体的にポジティブ寄りに修正する。さらに、そのユーザが普段ポジ（ポジティブな）発言が多い人であれば、一般ワード（ネガティブワード）のネガポジ値を「０」のままとするが、その周辺単語のネガポジ値を「０．１」にする。つまり、ネガポジ値を全体的にネガティブ寄りに修正する。なお、ここで、一般ワード（ネガティブワード）のネガポジ値を「０」のままとしたのは、ネガポジ値は０未満の値はとらないからである。

感情推定装置１は、このようなＳ１〜Ｓ３の処理を、ユーザの発言内からネガティブワードを発見するたびに実行し、当該ユーザの教師データを作成する。

（Ｓ４）
そして、感情推定装置１は、当該ユーザの教師データを用いて、当該ユーザの発言がネガティブなものかポジティブなものかの解析を行い、その結果を出力する。例えば、感情推定装置１は、解析の結果を記憶部の所定領域に記憶したり、解析の結果、ユーザがネガティブな発言をしたと判断したとき、その旨をそのユーザのユーザ端末２へ送信したりする。なお、ここでは説明を省略したが、感情推定装置１は、予め登録されたポジティブワードを含む発言と、その周辺発言の単語についても同様の手順により、各単語にネガポジ値を付与し、教師データに記録する。このときの手順は後記する。

図１に戻り、感情推定装置１を詳細に説明する。感情推定装置１は、記憶部、制御部、および、入出力部（いずれも図示省略）を備えるコンピュータにより実現される。記憶部は、制御部が教師データの作成や発言解析に用いる各種情報（ネガポジワード、過去ログ等）を格納する。制御部は、主に、教師データの作成と、その教師データを用いた発言解析とを行う。入出力部は、感情推定装置１へのユーザの発言の入力を受け付けたり、解析結果を出力したりする。

図１の一般ネガポジワード記録部１３１、過去ログ記録部１３２、教師データ記録部１３３、および、解析結果記録部１３４は、前記した記憶部に含まれ、教師データ作成部１２１、および、発言解析部１２５は、前記した制御部に含まれる。

一般ネガポジワード記録部（一般感情表記ワード記録部）１３１は、ある特定の感情とその感情と相反する感情を示す語句（感情表記ワード）を格納する。例えば、この一般ネガポジワード記録部１３１は、一般的な意味で、ネガティブな感情を示す単語であるネガティブワードと、一般的な意味でポジティブな感情を示す単語であるポジティブワード（両者をまとめて「ネガポジワード」とする）を格納する。例えば、ネガティブワードは、「どうせ」等であり、ポジティブワードは、「うれしい」や「楽しい」等である。このネガポジワードは、入出力部経由で登録される。なお、以下の説明において、感情表記ワードが、前記したネガポジワードである場合を例に説明するが、ネガポジワード以外であってももちろんよく、例えば、「うれしい、悲しい」「好き、嫌い」、「安心、不安」、「楽しい、怖い」、「可愛い、気持ち悪い」といった語句を用いてもよい。

過去ログ記録部１３２は、ユーザごとの発言内容を示した過去ログを格納する。この過去ログは、当該ユーザの発言内容を、その発言の発言日時等とともに示した情報である。この発言内容は、例えば、ユーザ端末２から入出力部経由で入力され、格納される。

教師データ記録部１３３は、教師データ作成部１２１により作成された教師データを格納する。この教師データは、ユーザごとに、そのユーザの発言の単語それぞれのネガティブ度（またはポジティブ度）を示すネガポジ値を示した情報である。このネガポジ値は、前記したとおり、例えば、最もネガティブな単語の値を「０」、ニュートラルな単語の値を「０．５」、最もポジティブな単語の値を「１」として、数値化したものである。つまり、ネガティブ度が高い単語ほど、ネガポジ値は「０」に近い値であり、ポジティブ度が高い単語ほど、ネガポジ値は「１」に近い値となる。ネガポジ値の表し方は、上記の方法以外であってももちろんよい。

解析結果記録部１３４は、発言解析部１２５による各ユーザの発言の解析結果（当該ユーザの発言に対し、その発言がネガティブなものかポジティブなものかの解析の結果）を格納する。

教師データ作成部１２１は、ネガポジワード検索部１２２、前後発言抽出部１２３、および、特徴量抽出部１２４を備える。

ネガポジワード検索部（感情表記ワード検索部）１２２は、一般ネガポジワード記録部１３１に格納される感情表記ワード（例えば、ネガポジワード）を参照して、ユーザの過去ログ（過去ログ記録部１３２に格納）から、感情表記ワード（例えば、ネガポジワード）のいずれかを含む発言を検索する。

前後発言抽出部１２３は、検索されたネガポジワードを含む発言を中心として前後所定範囲内の発言である周辺発言を抽出する。周辺発言は、例えば、ネガポジワードを含む発言の前後数分間の発言や、前後数個分の発言等である。この周辺発言の範囲は、日ごろのユーザの発言頻度によって変更可能である。例えば、比較的発言頻度が多いユーザについては、周辺発言として抽出する範囲を広くしてもよい。

特徴量抽出部１２４は、ユーザの発言およびその周辺発言の単語それぞれにネガポジ値を付与した教師データを作成する。

ここでの各単語へのネガポジ値の付与方法の詳細は、後記するが、例えば、以下の処理を行う。まず、特徴量抽出部１２４は、ネガポジワード検索部１２２により検索された発言が、ネガティブワードを含む発言であるとき、（１）この発言に含まれるネガティブワードに対し付与するネガポジ値を、最もネガティブであることを示すネガポジ値（例えば、「０」）とする。次に、（２）この発言の周辺発言の単語（周辺単語）それぞれに対し付与するネガポジ値を、ネガティブワードに付与したネガポジ値（例えば、「０」）よりもネガティブ度を軽減した値（例えば、「０．２」）とする。その後、特徴量抽出部１２４は、（３）当該ユーザが比較的ネガティブワードの発言が多いユーザならば、（１）および（２）で決定したネガポジ値について、さらにネガティブ度を軽減した値（例えば、ネガティブワード「０．４」、周辺単語「０．５」）にする。一方、特徴量抽出部１２４は、当該ユーザが、ポジティブワードの発言が比較的多いユーザならば、（１）および（２）で決定したネガポジ値について、ネガティブ度を高くした値（例えば、ネガティブワード「０」、周辺単語「０．１」）にする。つまり、同じ単語であっても普段のユーザの発言傾向によって、その単語の意味するネガティブ度（ポジティブ度）が異なるので、特徴量抽出部１２４は、そのユーザの発言傾向に基づき、各単語のネガポジ値の調整を行う。なお、当該ユーザは比較的ネガティブワードの発言が多いユーザか否かは、特徴量抽出部１２４が当該ユーザの過去ログ（過去ログ記録部１３２に格納）と、ネガポジワード（一般ネガポジワード記録部１３１に格納）とを参照して判断する。
つまり、特徴量抽出部１２４は、単語それぞれのネガポジ値を決定するとき、一般ネガポジワード検索部１２２により検索された発言に含まれるネガポジワードに対し、発言に含まれるネガポジワードの示す、ある特定の感情（例えば、ポジティブな感情またはネガティブな感情）の強さの度合いを示す値をこの単語のネガポジ値とする。また、特徴量抽出部１２４は、この発言の周辺発言の単語のうち、ネガポジワード以外の単語それぞれに対するネガポジ値として、ネガポジワードに付与したネガポジ値と比較してその感情の強さの度合いを軽減した所定の値とする。さらに、特徴量抽出部１２４は、ユーザの過去ログとネガポジワードとを参照して、ユーザの発言において、ある特定の感情（例えば、ネガティブ）を示す単語の発言頻度が所定の閾値よりも多いと判断された場合は、ネガポジワードに付与されたネガポジ値について、特定の感情（例えば、ネガティブな感情）の強さの度合いを軽減した値に修正し、ある特定の感情と相反する感情（例えば、ポジティブ感情）を示す単語の発言頻度が所定の閾値よりも多いと判断された場合は、ネガポジワードに付与されたネガポジ値について、ある特定の感情（例えば、ネガティブな感情）の強さの度合いを増大した値に修正する。

このように、特徴量抽出部１２４は、同じネガティブな意味合いの単語でも、その単語を含む発言をしたユーザが普段からネガティブな発言をするユーザならば、その単語のネガポジ値の示すネガティブ度を低減し、その単語を含む発言をしたユーザが、普段はポジティブな発言をするユーザならば、その単語のネガポジ値の示すネガティブ度を高くする。すなわち、特徴量抽出部１２４は、各ユーザが、ネガティブな発言が多いか、ポジティブな発言が多いかを考慮して、教師データのネガポジ値の調整を行うので、感情推定の精度の高い教師データを作成することができる。

発言解析部１２５は、当該ユーザの教師データを用いて、入出力部経由でユーザ端末２から入力される当該ユーザの発言について、その発言の意味する感情（例えば、ネガティブな感情かポジティブな感情か）の傾向を解析する。例えば、発言解析部１２５は、ユーザの発言のネガポジ値（発言に含まれる単語のネガポジ値の平均値）の示すネガティブ度が所定の閾値を超えるとき、ユーザの発言がネガティブである旨の解析結果（判断結果）を出力する。この解析結果は、解析結果記録部１３４等に出力する。また、発言解析部１２５は、この解析結果を、警告発信部１２６（後記）経由で、ユーザ端末２へ送信してもよい。

警告発信部１２６および結果表示部１２７は、装備しない場合と、装備する場合とがあり、装備する場合については後記する。

次に、図１を参照しつつ、図３を用いて、感情推定装置１の処理手順の概要を説明する。まず、事前準備として、感情推定装置１は、一般ネガポジワード記録部１３１にネガポジワードを登録しておく（Ｓ１１）。また、感情推定装置１は、過去ログ記録部１３２にユーザごとの過去の発言ログを蓄積する（Ｓ１２）。

そして、教師データ作成部１２１は、一般ネガポジワード記録部１３１に登録されたネガポジワードと、過去ログ記録部１３２に蓄積された当該ユーザの発言の過去ログとを参照して、当該ユーザの教師データを作成する（Ｓ１３）。ここでの教師データの作成手順の詳細は後記する。そして、教師データ作成部１２１は、作成した教師データを教師データ記録部１３３に格納する（Ｓ１４）。

ユーザ端末２の発言入力部２１から発言が入力され（Ｓ１５）、感情推定装置１の発言解析部１２５がこの発言を受信すると（Ｓ１６）、この発言の発言元のユーザの教師データを教師データ記録部１３３から読み出し、この教師データを参照して、発言を解析する（Ｓ１７）。そして、発言解析部１２５は解析結果を解析結果記録部１３４へ出力する（Ｓ１８）。

次に、図４を用いて、図３のＳ１３を詳細に説明する。まず、教師データ作成部１２１の特徴量抽出部１２４は、各ユーザの発言の過去ログから、当該ユーザがどれぐらいの頻度でネガティブな発言をしているのか、またポジティブな発言をしているのかを分析する。すなわち、教師データ作成部１２１は、まず、過去ログ記録部１３２からユーザそれぞれの過去ログを取得する（Ｓ２１）。そして、特徴量抽出部１２４は、一般ネガポジワード記録部１３１に登録されているネガポジワードを参照して、当該ユーザの過去ログのネガポジを分析する（Ｓ２２）。つまり、特徴量抽出部１２４は、一般ネガポジワード記録部１３１に登録されているネガポジワードを参照して、当該ユーザの過去ログに登場する各単語のネガポジ（ネガティブかポジティブか）を判断する。そして、特徴量抽出部１２４は、当該ユーザの過去ログ全体におけるネガティブワードおよびポジティブワードそれぞれの登場頻度をカウントし（Ｓ２３）、カウントした登場頻度をネガポジ頻度情報として感情推定装置１の記憶部の所定領域に記録する（Ｓ２４）。

また、教師データ作成部１２１のネガポジワード検索部１２２は、一般ネガポジワード記録部１３１に示されるネガポジワードと、過去ログ記録部１３２に蓄積された当該ユーザの発言の過去ログとを参照して、当該ユーザの過去ログからネガポジワードを含む発言を抽出し（Ｓ２５）、この検索にヒットした発言と、その発言日時とを前後発言抽出部１２３へ出力する（Ｓ２６）。

前後発言抽出部１２３は、当該ユーザの過去ログから、検索にヒットした発言の前後数分間の発言（周辺発言）を抽出する（Ｓ２７）。そして、Ｓ２５で検索した発言とその周辺発言とを特徴量抽出部１２４へ出力する（Ｓ２８）。

特徴量抽出部１２４は、Ｓ２５で抽出した発言とその周辺発言に含まれる各単語のネガポジ値を付与する（Ｓ２９）。つまり、[単語、ネガポジ値]のペアを当該ユーザの教師データに記録する。なお、特徴量抽出部１２４は、Ｓ２４における各単語のネガポジ値の付与にあたり、周辺発言の単語のネガポジ値についてはネガティブワード（またはポジティブワード）よりもネガティブ度（またはポジティブ度）を軽減した値とする。例えば、ネガティブワードの周辺発言のネガポジ値は「０（最もネガティブ度の高い値）」よりもネガティブ度を軽減した値である「０．２」とする。また、ポジティブワードの周辺発言のネガポジ値は「１（最もポジティブ度の高い値）」よりもポジティブ度を軽減した値である「０．８」とする。

また、特徴量抽出部１２４は、Ｓ２４で記録したネガポジ頻度情報を参照し、当該ユーザがネガティブな発言が多いユーザか、ポジティブな発言が多いユーザかを判断する。例えば、特徴量抽出部１２４は、前記したネガポジ頻度情報を参照し、当該ユーザのネガティブワードの発言頻度が所定の閾値よりも多いとき、当該ユーザはネガティブな発言が多いと判断する。一方、当該ユーザのポジティブワードの発言頻度が所定の閾値よりも多いとき、ポジティブな発言が多いと判断する。特徴量抽出部１２４は、当該ユーザがネガティブな発言が多いユーザか、ポジティブな発言が多いユーザかによりネガポジ値の調整を行う。ここでのネガポジ値の調整の詳細は後記する。そして、特徴量抽出部１２４は、各単語のネガポジ値を決定すると、その決定したネガポジ値と、単語とのペアを当該ユーザの教師データに記録する。

次に、図５を用いて、図３のＳ１７を詳細に説明する。図５に示すように、感情推定装置１の発言解析部１２５は、ユーザ端末２の発言入力部２１経由で入力された発言を受信すると、当該ユーザ端末２のユーザの教師データをもとに、当該発言を、ポジティブな発言、ネガティブな発言、ニュートラルな発言のいずれかに分類して、解析結果記録部１３４に格納する。なお、ユーザの発言の分類は、例えば、発言解析部１２５が、当該発言に含まれる各単語のネガポジ値の合計値を単語数で割った値ａ、つまり単語１つあたりのネガポジ値の平均値が、以下の表１に示されるどの範囲に属するか判断することにより行われる。

なお、発言の分類は、上記の３段階に限定されない。例えば、ポジティブ、ややポジティブ、ニュートラル、ややネガティブ、ネガティブの５段階の分類であってもよいし、それ以上の段階の分類であってもよい。この場合、感情推定装置１にそれぞれの分類に対応するａの値の範囲を設定しておくものとする。

次に、図１を参照しつつ、図６を用いて、図４のＳ２５からＳ２９までの処理の詳細を説明する。まず、図１の教師データ作成部１２１において、過去ログ記録部１３２に新たな発言ログが格納されたことを検知すると（Ｓ１００）、教師データ作成部１２１のネガポジワード検索部１２２は、当該発言の発言元のユーザの教師データの作成が初回であるか否かを判断する（Ｓ１０１）。初回と判断された場合（Ｓ１０１のＹｅｓ）、ネガポジワード検索部１２２は、過去ログ記録部１３２から当該ユーザの最も古いログ（発言ログ）から時系列順に検索し、一般ネガポジワード記録部１３１に登録されているネガティブワードまたはポジティブワードを含む発言を抽出する（Ｓ１０２）。一方、教師データの作成が初回ではないと判断された場合（Ｓ１０１のＮｏ）、ネガポジワード検索部１２２は、過去ログ記録部１３２から前回検索した箇所から時系列順に検索し、一般ネガポジワード記録部１３１に登録されているネガティブワードまたはポジティブワードを抽出する（Ｓ１０３）。

Ｓ１０１，Ｓ１０２の後、前後発言抽出部１２３は、過去ログ記録部１３２における当該ユーザの過去ログから、Ｓ１０２またはＳ１０３で抽出した発言の前後数分間の発言（周辺発言）を取得する（Ｓ１０４）。

Ｓ１０４の後、特徴量抽出部１２４は、一般ネガポジワード記録部１３１に示されるネガポジワードを参照して、Ｓ１０２またはＳ１０３で抽出した単語がネガティブワードであると判断したとき（Ｓ１０５のＹｅｓ）、図７のＳ１１０へ進む。一方、Ｓ１０２またはＳ１０３で抽出した単語がネガティブワードではないと判断したとき（Ｓ１０５のＮｏ）、図８のＳ１２０へ進む。

図７のＳ１１０において、特徴量抽出部１２４は、一般ワード（ここでは、一般ワードはネガティブワードなので「一般ネガティブワード」と呼ぶ）のネガポジ値を最もネガティブな値である「０」とし、その周辺単語のネガポジ値を比較的ネガティブな値である「０．２」とする。その後、特徴量抽出部１２４は、当該ユーザの過去ログと、一般ネガポジワード記録部１３１に登録されたネガポジワードとを参照して、当該発言のユーザが普段ネガティブな発言が多いか否かを判断する（Ｓ１１１）。ここでの判断方法はさまざまな方法が考えられるが、例えば、特徴量抽出部１２４が、当該ユーザの過去ログを参照して、前記した表１等のような判断基準により、ユーザの各発言を、ポジティブな発言、ネガティブな発言、ニュートラルな発言のいずれかに分類する。そして、特徴量抽出部１２４は、３種類の発言のうち、ネガティブな発言が最も多いユーザについて、そのユーザは普段ネガティブな発言が多いユーザと判断し（Ｓ１１１のＹｅｓ）、そのユーザの一般ネガティブワードのネガポジ値を「０」から「０．４」に修正し、その周辺単語のネガポジ値を「０．２」から「０．５」に修正する（Ｓ１１２）。つまり、特徴量抽出部１２４は、Ｓ１１０で付与した一般ネガティブワードおよびその周辺単語のネガポジ値のネガティブ度を低減する。すなわち、一般ネガティブワードおよびその周辺単語のネガポジ値をポジティブ寄りに修正する。

一方、特徴量抽出部１２４は、３種類の発言のうち、最も多い発言がネガティブな発言ではないユーザについては普段ネガティブな発言の多くないユーザと判断し（Ｓ１１１のＮｏ）、一般ネガティブワードのネガポジ値を「０」のままにし、周辺単語のネガポジ値を「０．２」から「０．１」に修正する（Ｓ１１３）。

特徴量抽出部１２４は、Ｓ１１２およびＳ１１３でネガポジ値を与えた単語が、既に当該ユーザの教師データに登録されていないかを判断し（Ｓ１１４）、まだ登録されていなければ（Ｓ１１４のＹｅｓ）、[単語、ネガポジ値]のペアを当該ユーザの教師データに登録する（Ｓ１１５）。そして、Ｓ１００へ戻る。一方、Ｓ１１２およびＳ１１３でネガポジ値を与えた単語が、既に当該ユーザの教師データに登録されていれば（Ｓ１１４のＮｏ）、Ｓ１１２またはＳ１１３で付与したネガポジ値−０．１を計算し、計算した値を付与した[単語、ネガポジ値]のペアを当該ユーザの教師データに登録する（Ｓ１１６）。そして、Ｓ１００へ戻る。ただし、ネガポジ値は０以上の値とし、Ｓ１１６の計算の結果、値が０より小さい値になったときは、値を０とする。このようにすることで、例えば、ネガティブワードの周辺単語について、ネガティブワードの周辺単語として抽出されるたびに、当該単語のネガポジ値が減っていく（ネガティブ度を増す）ことになる。よって、教師モデルにおけるネガポジ値の精度を向上させることができる。

次に、図８のＳ１２０以降の処理を説明する。特徴量抽出部１２４は、一般ワード（ここでは、一般ワードはポジティブワードなので「一般ポジティブワード」と呼ぶ））のネガポジ値を最もポジティブな値である「１」とし、その周辺単語のネガポジ値を比較的ポジティブな値である「０．８」とする（Ｓ１２０）。その後、特徴量抽出部１２４は、当該ユーザの過去ログと、一般ネガポジワード記録部１３１に登録されたネガポジワードとを参照して、当該発言のユーザが普段ポジティブな発言が多いか否かを判断する（Ｓ１２１）。ここでの判断はＳ１１１と同様に、特徴量抽出部１２４が、当該ユーザの発言は、前記した３種類の発言のうち、どの発言が最も多いかにより行われる。ここで、特徴量抽出部１２４が、当該ユーザは、普段ポジティブな発言が多いユーザと判断したとき（Ｓ１２１のＹｅｓ）、当該ユーザの一般ポジティブワードのネガポジ値を「１」から「０．６」に修正し、その周辺単語のネガポジ値を「０．８」から「０．５」に修正する（Ｓ１２２）。つまり、特徴量抽出部１２４は、Ｓ１１０で付与した一般ポジティブワードおよびその周辺単語のネガポジ値のポジティブ度を低減する。すなわち、一般ポジティブワードおよびその周辺単語のネガポジ値をネガティブ寄りに修正する。

一方、特徴量抽出部１２４は、当該ユーザは普段ポジティブな発言が多くないユーザと判断したとき（Ｓ１２１のＮｏ）、一般ポジティブワードのネガポジ値を「１」のままにし、その周辺単語のネガポジ値を「０．９」に修正する（Ｓ１２３）。そして、Ｓ１００へ戻る。

特徴量抽出部１２４は、Ｓ１１２およびＳ１１３でネガポジ値を与えた単語が、既に当該ユーザの教師データに登録されていないか否かを判断し（Ｓ１２４）、登録されていなければ（Ｓ１２４のＹｅｓ）、[単語，ネガポジ値]のペアを当該ユーザの教師データに記録する（Ｓ１２５）。一方、Ｓ１１２およびＳ１１３でネガポジ値を与えた単語が、既に当該ユーザの教師データに登録されていれば（Ｓ１２４のＮｏ）、Ｓ１２２またはＳ１２３で付与したネガポジ値＋０．１を計算し、計算した値を付与した[単語、ネガポジ値]のペアを当該ユーザの教師データに登録する（Ｓ１２６）。そして、Ｓ１００へ戻る。ただし、ネガポジ値は１以下の値とし、Ｓ１２６の計算の結果、値が１より大きい値になったときは、値を「１」とする。このようにすることで、例えば、ポジティブワードの周辺単語について、ポジティブワードの周辺語として抽出されるたびに、当該単語のネガポジ値が増加していく（ポジティブ度を増す）ことになる。よって、教師モデルにおけるネガポジ値の精度を向上させることができる。

以上説明したとおり、感情推定装置１の教師データ作成部１２１は、ユーザごとに当該ユーザはネガティブ発言が多いか、ポジティブ発言が多いか等を考慮して、ユーザごとの教師データを作成する。つまり、教師データ作成部１２１は感情推定精度の高い教師データを作成する。

なお、感情推定装置１の特徴量抽出部１２４は、図６〜図８に示す処理に基づき教師データの各単語のネガポジ値を付与した後、ネガポジ値の調整を行うようにしてもよい。例えば、特徴量抽出部１２４は、ユーザの教師データにおける、ネガティブワードおよびその周辺発言に含まれる単語のうち、当該ユーザの過去ログにおいて、ポジティブワードを含む発言の周辺発言にも登場する単語があれば、その単語のネガポジ値を、ネガティブ度を軽減した値に修正する。つまり、特徴量抽出部１２４は、比較的ネガティブな発言であっても当該ユーザの過去の発言においてポジティブワードの周辺単語としても登場する単語については、ネガティブ度はさほど高くない可能性があるので、ネガポジ値をよりポジティブ寄りの値に修正する。

また、特徴量抽出部１２４は、ユーザの教師データにおける、ポジティブワードおよびその周辺発言に含まれる単語のうち、当該ユーザの過去ログにおいて、ネガティブワードを含む発言の周辺発言にも登場する単語についても、その単語のネガポジ値を、ポジティブ度を軽減した値に修正する。つまり、特徴量抽出部１２４は、比較的ポジティブな発言であっても、当該ユーザの過去の発言においてネガティブワードの周辺単語としても登場する単語については、ポジティブ度はさほど高くない可能性があるので、ネガポジ値をよりネガティブ寄りの値に修正する。ただし、ここでも、ネガポジ値の値は０〜１までの間とする。つまり、ネガポジ値は「１」で頭打ち、「０」で底打ちとする。

このようにネガポジ値の調整を行うことで、特徴量抽出部１２４はユーザの教師データの精度をさらに向上させることができる。

なお、感情推定装置１は、図１に示すように、警告発信部１２６をさらに備えていてもよい。この警告発信部１２６は、発言解析部が含まれていた場合、その旨の警告をユーザ端末２へ送信する。例えば、感情推定装置１は、ユーザ端末２の発言入力部２１経由で入力されたユーザの発言をリアルタイムで受信し、発言解析部１２５が、受信した発言の発言解析を行う。そして、発言解析の結果、その発言にネガティブ発言が含まれていた場合、警告発信部１２６は、ユーザ端末２へ警告を送信する。この警告は、ユーザ端末２の警告表示部２２により表示装置（図示省略）等に表示される。これにより、ユーザ端末２のユーザは、自分がネガティブな発言をしたか否かをリアルタイムに知ることができる。なお、感情推定装置１はユーザ端末２からこのような警告を送信するか否かの設定を受信しておき、このような警告を送信する旨が設定されているユーザ端末２に対し、警告を送信するようにしてもよい。

また、感情推定装置１は、図１に示す結果表示部１２７を備えていてもよい。この結果表示部１２７は、ユーザ端末２からの要求に応じてユーザの過去所定期間における発言の解析結果を送信する。結果表示部１２７は、ユーザ端末２の閲覧部２３から過去所定期間における発言の解析結果の閲覧要求を受け付けると、解析結果記録部１３４に格納された当該ユーザの過去所定期間の発言の解析結果をユーザ端末２へ送信する。そして、この解析結果を受信したユーザ端末２は、閲覧部２３によりこの解析結果を表示装置等に表示させる。これにより、ユーザ端末２のユーザは、自分の過去の発言における感情（ネガティブ、ポジティブ）の推移等を知ることができる。

また、感情推定装置１の一般ネガポジワード記録部１３１に登録されるネガポジワードは、一般的な意味でのネガティブワードおよびポジティブワードのみならず、ユーザそれぞれが設定したネガティブワードおよびポジティブワードを含んでいてもよい。例えば、ユーザＡのネガティブワードとして「微妙」という単語が登録されていた場合、感情推定装置１が、ユーザＡの「微妙」という単語を含む発言の入力を受け付けたときは、この単語のネガポジ値を「０」とする。このように一般ネガポジワード記録部１３１がユーザ特有のネガポジワードをさらに登録しておくことで、特徴量抽出部１２４は、感情推定精度の高い教師データを作成することができる。

また、一般ネガポジワード記録部１３１は、ネガポジワードの単語ごとに、その単語に付与するネガポジ値の設定情報をさらに含んでいてもよい。例えば、一般ネガポジワード記録部１３１は、「どうせ」という単語についてはネガポジ値を「０」とするが、「面倒」という単語についてはネガポジ値を「０．１」とする、という情報をさらに含んでいてもよい。つまり、前記した実施の形態において、特徴量抽出部１２４は、発言に登場する単語のうち、一般ネガポジワード記録部１３１に登録されるネガティブワードに対してはネガポジ値「０」を付与し（図７のＳ１１０参照）、ポジティブワードにはネガポジ値「１」を付与する（図８のＳ１２０参照）ことしたが、一般ネガポジワード記録部１３１に設定された当該単語のネガポジ値を付与するようにしてもよい。このようにすることで、特徴量抽出部１２４は教師データにおける各単語のネガポジ値として、より細やかな値を設定できので、感情推定精度の高い教師データを作成することができる。

なお、前記した実施の形態において、特徴量抽出部１２４が作成するネガポジ頻度情報は、ユーザの発言に含まれる単語のネガポジ値の範囲ごとに、その範囲のネガポジ値を持つ単語の登場頻度を示した情報であってもよい（表２参照）。ここでのネガポジ頻度情報の作成は、当該ユーザの教師データを参照して行われる。

そして、特徴量抽出部１２４は、このネガポジ値の範囲ごとの登場頻度の値をもとに、スコアを計算し、そのスコア値をもとに、各ユーザがネガティブな発言が多いか、ポジティブな発言が多いか（あるいは、それともそのどちらでもないか）を判断するようにしてもよい。

また、前記した実施の形態において説明した感情推定装置１が実行する処理をコンピュータが実行可能な言語で記述したプログラムで実現してもよい。この場合、コンピュータがプログラムを実行することにより、実施の形態と同様の効果を得ることができる。さらに、かかるプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませて実行することにより前記した実施の形態と同様の処理を実現してもよい。以下に、図１に示した感情推定装置１と同様の機能を実現するプログラムを実行するコンピュータの一例を説明する。

図９に例示するように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有し、これらの各部はバス１０８０によって接続される。

メモリ１０１０は、図９に例示するように、ＲＯＭ（Read Only Memory）１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、図９に例示するように、ハードディスクドライブ１０３１に接続される。ディスクドライブインタフェース１０４０は、図９に例示するように、ディスクドライブ１０４１に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブに挿入される。シリアルポートインタフェース１０５０は、図９に例示するように、例えばマウス１０５１、キーボード１０５２に接続される。ビデオアダプタ１０６０は、図９に例示するように、例えばディスプレイ１０６１に接続される。

ここで、図９に例示するように、ハードディスクドライブ１０３１は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、プログラムは、コンピュータ１０００によって実行される指令が記述されたプログラムモジュールとして、例えばハードディスクドライブ１０３１に記憶される。

また、上記実施形態で説明した各種データは、プログラムデータとして、例えばメモリ１０１０やハードディスクドライブ１０３１に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０３１に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出し、アクセス監視手順、アクセス制御手順、プロセス監視手順、プロセス制御手順を実行する。

なお、プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０３１に記憶される場合に限られず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、監視プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ネットワーク（ＬＡＮ、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

１ 感情推定装置
２ ユーザ端末
２１ 発言入力部
２２ 警告表示部
２３ 閲覧部
１２１ 教師データ作成部
１２２ ネガポジワード検索部（感情表記ワード検索部）
１２３ 前後発言抽出部
１２４ 特徴量抽出部
１２５ 発言解析部
１２６ 警告発信部
１２７ 結果表示部
１３１ 一般ネガポジワード記録部（一般感情表記ワード記録部）
１３２ 過去ログ記録部
１３３ 教師データ記録部
１３４ 解析結果記録部

Claims (7)

1. ユーザごとの発言内容を示した過去ログを格納する過去ログ記録部と、
   ある特定の感情とその相反する感情を示す語句である感情表記ワードを格納する一般感情表記ワード記録部と、
   前記一般感情表記ワード記録部を参照して、前記ユーザの過去ログから、前記感情表記ワードのいずれかを含む発言を検索する感情表記ワード検索部と、
   前記ユーザの過去ログから、前記検索された感情表記ワードを含む発言を中心として前後所定範囲内の発言である周辺発言を抽出する前後発言抽出部と、
   前記ユーザごとに、前記発言に含まれる単語それぞれの前記ある特定の感情の強さの度合いを表す感情ベクトルの値を示した教師データを作成する特徴量抽出部と、
   前記ユーザの前記教師データを用いて、前記ユーザの発言が意味する前記ある特定の感情の傾向を判断し、前記判断結果を出力する発言解析部とを備え、
   前記特徴量抽出部は、
   前記単語それぞれの感情ベクトルの値を決定するとき、前記感情表記ワード検索部により検索された発言に含まれる感情表記ワードに対し、前記発言に含まれる感情表記ワードが示す感情の種別に応じた所定の感情の強さの度合いを示す値を前記感情表記ワードの感情ベクトルの値として付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する感情ベクトルの値として、前記感情表記ワードに付与した前記感情ベクトルの値と比較して前記ある特定の感情の強さの度合いを軽減した所定の値を付与し、
   前記ユーザの過去ログと前記感情表記ワードとを参照して、前記ユーザの発言において、前記ある特定の感情を示す前記感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを軽減した値に修正し、前記ある特定の感情と相反する感情を示す感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを増大した値に修正する
   ことを特徴とする感情推定装置。
2. 前記特徴量抽出部は、さらに、
   前記発言に含まれる前記感情表記ワードが示す感情の種別がネガティブである場合、
   ネガティブな感情を示す前記感情表記ワードに対する前記感情ベクトルの値として、ネガティブな感情の強さの度合いを示すネガティブ度としての所定の値を付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する前記感情ベクトルの値として、前記ネガティブな感情を示す感情表記ワードに付与した前記感情ベクトルの値と比較してネガティブ度を軽減した所定の値を付与し、
   前記発言に含まれる前記感情表記ワードが示す感情の種別がポジティブである場合、
   ポジティブな感情を示す前記感情表記ワードに対する前記感情ベクトルの値として、ポジティブな感情の強さの度合いを示すポジティブ度としての所定の値を付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する前記感情ベクトルの値として、前記ポジティブな感情を示す感情表記ワードに付与した前記感情ベクトルの値と比較してポジティブ度を軽減した所定の値を付与する
   ことを特徴とする請求項１に記載の感情推定装置。
3. 前記特徴量抽出部は、さらに、
   前記ユーザの発言において、前記ある特定の感情としてネガティブな感情を示す感情表記ワードであるネガティブワードの発言頻度が所定の閾値よりも多いと判断された場合、前記ネガティブワードに付与された前記感情ベクトルの値について、ネガティブな感情の強さの度合いであるネガティブ度を軽減した値に修正し、前記ネガティブな感情と反対のポジティブな感情を示す感情表記ワードであるポジティブワードの発言頻度が所定の閾値よりも多いと判断された場合、前記ネガティブワードである感情表記ワードに付与された感情ベクトルの値について、ネガティブ度を高くした値に修正し、
   前記ユーザの発言において、前記ある特定の感情としてポジティブな感情を示す感情表記ワードであるポジティブワードの発言頻度が所定の閾値よりも多いと判断された場合、前記ポジティブワードに付与された前記感情ベクトルの値について、ポジティブな感情の強さの度合いであるポジティブ度を軽減した値に修正し、前記ポジティブな感情と反対のネガティブな感情を示す感情表記ワードであるネガティブワードの発言頻度が所定の閾値よりも多いと判断された場合、前記ポジティブワードである感情表記ワードに付与された感情ベクトルの値について、ポジティブ度を高くした値に修正する、
   ことを特徴とする請求項２に記載の感情推定装置。
4. 前記特徴抽出部は、さらに、
   前記ユーザの教師データにおける、前記ネガティブワードおよびその周辺発言に含まれる単語のうち、前記ユーザの過去ログにおいて、前記ポジティブワードを含む発言の周辺発言にも登場する単語の感情ベクトルの値について、ネガティブ度を軽減した値に修正することを特徴とする請求項３に記載の感情推定装置。
5. 前記特徴抽出部は、さらに、
   前記ユーザの教師データにおける、前記ポジティブワードおよびその周辺発言に含まれる単語のうち、前記ユーザの過去ログにおいて、前記ネガティブワードを含む発言の周辺発言にも登場する単語の感情ベクトルの値について、ポジティブ度を軽減した値に修正することを特徴とする請求項３または請求項４に記載の感情推定装置。
6. 感情推定装置が、
   ある特定の感情とその相反する感情を示す語句である感情表記ワードを格納する一般感情表記ワード記録部を参照して、ユーザごとの発言内容を示した過去ログから、ネガティブまたはポジティブな感情を示す語句である感情表記ワードのいずれかを含む発言を検索する感情表記ワード検索ステップと、
   前記ユーザの過去ログから、前記検索された感情表記ワードを含む発言を中心として前後所定範囲内の発言である周辺発言を抽出する前後発言抽出ステップと、
   前記ユーザごとに、前記発言の単語それぞれの意味する個人の感情の強さの度合いを表す感情ベクトルの値を示した教師データを作成する特徴量抽出ステップと、
   前記ユーザの前記教師データを用いて、前記ユーザの発言が意味する前記ある特定の感情の傾向を判断して、前記判断結果を出力する発言解析ステップとを実行し、
   前記特徴量抽出ステップは、
   前記単語それぞれの感情ベクトルの値を決定するとき、前記感情表記ワード検索ステップにより検索された発言に含まれる感情表記ワードに対し、前記発言に含まれる感情表記ワードが示す感情の種別に応じた所定の感情の強さの度合いを示す値を前記感情表記ワードの感情ベクトルの値として付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する感情ベクトルの値として、前記感情表記ワードに付与した前記感情ベクトルの値と比較して前記ある特定の感情の強さの度合いを軽減した所定の値を付与し、
   前記ユーザの過去ログと前記感情表記ワードとを参照して、前記ユーザの発言において、前記ある特定の感情を示す前記感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを軽減した値に修正し、前記ある特定の感情と相反する感情を示す感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを増大した値に修正する
   ことを特徴とする感情推定方法。
7. 感情推定装置に、
   ある特定の感情とその相反する感情を示す語句である感情表記ワードを格納する一般感情表記ワード記録部を参照して、ユーザごとの発言内容を示した過去ログから、ネガティブまたはポジティブな感情を示す語句である感情表記ワードのいずれかを含む発言を検索する感情表記ワード検索ステップと、
   前記ユーザの過去ログから、前記検索された感情表記ワードを含む発言を中心として前後所定範囲内の発言である周辺発言を抽出する前後発言抽出ステップと、
   前記ユーザごとに、前記発言の単語それぞれの意味する個人の感情の強さの度合いを表す感情ベクトルの値を示した教師データを作成する特徴量抽出ステップと、
   前記ユーザの前記教師データを用いて、前記ユーザの発言が意味する前記ある特定の感情の傾向を判断して、前記判断結果を出力する発言解析ステップとを実行させ、
   前記特徴量抽出ステップは、
   前記単語それぞれの感情ベクトルの値を決定するとき、前記感情表記ワード検索ステップにより検索された発言に含まれる感情表記ワードに対し、前記発言に含まれる感情表記ワードが示す感情の種別に応じた所定の感情の強さの度合いを示す値を前記感情表記ワードの感情ベクトルの値として付与し、前記発言の周辺発言の単語のうち、前記感情表記ワード以外の単語それぞれに対する感情ベクトルの値として、前記感情表記ワードに付与した前記感情ベクトルの値と比較して前記ある特定の感情の強さの度合いを軽減した所定の値を付与し、
   前記ユーザの過去ログと前記感情表記ワードとを参照して、前記ユーザの発言において、前記ある特定の感情を示す前記感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを軽減した値に修正し、前記ある特定の感情と相反する感情を示す感情表記ワードの発言頻度が所定の閾値よりも多いと判断された場合は、前記感情表記ワードに付与された前記感情ベクトルの値について、前記ある特定の感情の強さの度合いを増大した値に修正する
   ためのプログラム。

Images