Comments
Description
Transcript
比較評価情報を用いた オブジェクトのランキング手法
テキストマイニング いまだかつてない検索サービス実現に向けたWeb コンピューティング技術 評判分析 グラフマイニング 比較評価情報を用いた オブジェクトのランキング手法 くらしま たけし 倉島 健 /藤村 本稿では，人々が比較評価した情報を用いて商品，人，店舗等の対象をラ おく まさひろ ンキングする技術を述べます．この技術は， 「他の競合する対象との関係か 奥 雅博 ふじむら こう 考 らその対象の価値を判断する」という，新たな意思決定のかたちを人々に提 NTTサイバーソリューション研究所 供します． Webに発信されるクチコミ情報 のような潮流の中で，人々が発信した の画質はきれいです」といった１つの 大量のクチコミ情報を自動で分析し， 対象に対する評価（単体評価）を用 ＊ 現在，ブログやソーシャル・ネット 対象 の価値を導出する評判分析技術 いて商品をランキングするものでした． ワーキング・サービス上を中心に，商 の必要性が高まっています．本稿では， 例えば，商品Aを購入した人のAに対 品を実際に使用した人々がその商品に 人々が発信するクチコミの中でも特に， する「悪い」という評価と，商品Bを 対する評価を発信するようになりまし 複数の対象を実際に使用した人々が 購入した人のBに対する「良い」とい た．このような，いわゆるクチコミ情 「比較評価」した情報を，対象の価値 う評価とを組み合わせて「商品B＞商 報は，商品を提供する側が発信する広 を測る重要な手掛かりとして分析し， 品A」という関係を導き出します．し 告情報とは異なり，利害関係抜きで率 対象を精度高くランキングする技術を かし，商品Aの評価者と商品Bの評価 直に書かれます．そのため，これらの 紹介します． 者が異なる場合，つまり，不特定多数 情報を有効に利活用すれば，実際に商 比較評価した情報の価値 品を使用した消費者が選ぶ，真に良い これまでの評判分析技術は「商品A 商品にたどり着くことができます．こ の人々の評価を組み合わせて扱う際に 問題となっていたのが，評価内容の個 人差でした．例えば，同じ商品でも， その商品分野に詳しい人は他の良い商 品を知っている可能性があるので辛い 評価をつけるでしょうし，初めてその AとCを両方とも 使用した人 AよりCのほうが良い Ｃ A 分野の商品を購入した人は他の商品に 詳しくないので，甘い評価をつけるか もしれません．複数の人の評価の組み 合わせから導き出した対象間の優劣は 信頼性に乏しいといえます． CのほうがBより素晴らしい AのほうがBより良い が商品Bより良い」といった，人々が B Bは素晴らしい 対象 Bはイマイチ 比較評価 Bを使用したが，AとCを 使用していない人 図１ 単体評価と比較評価との関係 46 複数の対象を比較評価した情報（比 較評価情報）に着目しました．図１の 人（評価者） 単体評価 そこで，本技術では「商品Aのほう NTT技術ジャーナル 2009.1 赤線で示すように，比較評価情報は， 複数の対象を使用した広い視野を持つ ＊ 対象（オブジェクト）：商品，人，店舗，場所 等を指し示す用語． メディアコンピューティングの追求 特 集 人が導き出す優劣です．これに着目す を抽出する技術ですので，評価対象 ることで，評価者間の個人差の問題も （カメラA）と比較対象（カメラB）の なく，信頼性高く対象の優劣を得るこ 抽出が主な技術的課題となります．本 とができます． 技術では，比較文に特徴的な「より」 比較評価情報に基づく対象の ランキング技術 べます． 人間の購買行動モデル 得られた比較評価情報の集合をヒン 「のほうが」などの言語パターンを手掛 トに，より良い対象を求めて次々に移 かりとして，精度高く比較評価情報を 動していく人々を想定し，最終的にそ 抽出します． れぞれの対象にどのくらい多くの人が Web上に存在する，人々が比較評 次に，抽出した大量の比較評価情 集中するかを求めることで，対象をス 価した情報を基に，対象をランキング 報を集約してすべての対象をランキン コア付けしようというのが本技術のア する本技術の概要を説明します．最初 グします．２つの対象のうちのどちら イデアです． のステップは，「｛カメラA｝のほうが が良いか多数決をとった場合，その優 手法を直感的に理解してもらうため ｛カメラB｝より｛デザイン｝が｛良 劣が評価者全員一致のもとに決定する に，スーパーマーケットの売り場にお い｝」という４つ組｛評価対象，比較 ケースはごく稀です．「AよりBのほう ける客Cの行動について考えます．Cは 対象，属性，評価｝からなる比較評 が好きだ」と言う人もいれば， 「Bより 商品Xからスタートして次々に商品を 価情報の抽出です（図２（a））．この情 Aのほうが好きだ」と言う人もいるの 見て行きます．Cの次の選択は，以下 報を人々のクチコミが記述されたWeb が自然だと思います．次の項では，こ のいずれかです． 文 書 から抽 出 します． 従 来 技 術 は， れらの情報を全体としてうまくまとめ ① 目の前の商品Xの前にとどまる． 「｛カメラA｝の｛デザイン｝が｛良い｝」 あげ，多くの評価者にとって納得のい ② Xの隣に陳列されているn個の競 という３つ組｛対象，属性，評価｝ くランキング結果を導き出す手法を述 合商品Y １ , Y ２ ,…Y n の前に移動 Web文書 Web文書 評価 属性 評価対象 綺麗 画質 A 悪い 性能 A B A C 良い 比較対象 B グラフの“高さ”が対象の 評価値を表現 (a) 比較評価情報の抽出 ノードが対象を表現 (b) 購買行動モデルに基づく グラフの生成（２次元） (c) グラフ構造に基づく 対象のランキング エッジが対象の比較関係を表現． エッジの“重み”は両者の 優劣から導出 図２ 技術の全体像 NTT技術ジャーナル 2009.1 47 いまだかつてない検索サービス実現に向けたWeb コンピューティング技術 する． のしやすさ」を示す重みが与えられま とも良い商品はどれかといった情報 もし，今見ている商品Xよりも良い す．例えば，「XよりYのほうが良い を容易に発見することができます．な 商品が少ない場合には，人はその場所 （Y＞X）」と述べた評価者の数が，そ お図中のグラフの可視化においては にとどまり，商品Xを見続けるでしょ の逆の「YよりXのほうが良い（X＞ NTTコミュニケーション科学基礎研究 う（①を選択）．逆に，商品Xよりも Y）」と述べた評価者の数よりも大きけ （3） 所のグラフ可視化技術を用いました ． 良い商品が数多く存在するのであれば， れば，ノードXからノードYへのエッジ 客は他の商品Y i（１≦ i ≦n）に目移 の重みはその逆方向の重みより大きく りしてXの前を去ることでしょう（② なります（重み算出方法は参考文献 を選択）．他の商品に移る場合には， 商品Xよりも良いという評価の多い商 （1）， （2）を参照） ． 比較検索システム 前述した技術に基づき，人々の「過 去に商品を購入した人々のクチコミ情 最後に，生成したグラフ上を動き回 報を参考にし，複数候補の中から１つ る人が，それぞれの状態にたどり着く を選択する」行為をサポートするシス 本技術ではこのような人間の購買行 確率を求めて評価値とします（図２ テムを開発しました．システムの構成 動をグラフで表現します（図２（b））． （c））．生 成 したグラフを可 視 化 して を図３に示します．このシステムへの 対象（商品）はグラフのノード（頂 ユーザに提示することで対象間の関係 入力は，商品名，人名，地名，店舗名 点），商品から商品への経路はグラフ 性を直感的に把握することができます． などのユーザが興味ある１つ，もしく をつなぐエッジ（辺）です．エッジに 図 ２ のグラフ中 のノードの「 高 さ」 は比較したい複数の対象名で，その は方向が存在し（有向グラフ），各々 は， その対 象 の評 価 値 を表 します． ジャンルは問いません．システムは収 のエッジには「対象から対象への移動 これにより，競合商品群の中でもっ 集した記事からあらゆるジャンルの比 品Y i ほど選択されやすいはずです． ユーザインタフェース システムが定期的に実行 クエリ あらゆるジャンルの 比較評価情報を抽出（クエリ非依存） ③ ● AよりBのほうが良い 関連する比較評価 情報の集約 ① ● 映画 商品 人 ユーザが興味ある単一，もしくは 比較したい複数の対象名 ② ● BよりCのほうがダメ 出力 クエリとの 関連性判定 CはDに似ている 入力 クエリと関連する 比較評価情報の 集計結果 Web 比較評価情報 （クエリ依存） 比較評価 情報の抽出 記事データベース （ブログ，SNS等） 比較評価情報 （クエリ非依存） ④ ● 購買行動モデルによる グラフの生成 ⑤ ● グラフ構造に基づく 対象のランキング 図３ 比較検索システムの構成 48 NTT技術ジャーナル 2009.1 ⑥ ● 対象間の関係とランキング結果を 可視化した結果 特 集 今後の展開 クエリ入力部： 興味のある対象を クエリとして入力 今後は，従来の単体評価情報によ るランキング結果との比較実験を通し 比較対象提示部： クエリの比較対象を提示 類似度提示部： プ総合ポータル「g o o 」上での一般 ユーザ向けのサービス，または企業向 比較評価情報の 抽出元文書を検索 集計結果提示部： （4） 「クエリのほうが良い」と記述した人が１人， 「比較対象のほうが良い」と記述した人が４人いることを意味 図４ システムの画面イメージ 較評価情報を抽出し，データベースに 示します（比較対象提示部）．また， 蓄えるまでの処理をあらかじめ実行し クエリと比較対象との優劣を棒グラフ ておきます．ユーザがクエリを入力す で一瞥することができます（集計結果 ると，関連する情報のみ（クエリが人 提示部）．例えば，図４の集計結果提 名であれば人どうしの比較評価情報の 示部でフォーカスした集計結果は，「ク み）を自動で抽出・提示します． エリのほうが良い」と記述した人が１ システムの出力モードは２つ存在し 人，「比較対象のほうが良い」と記述 ます．第１は，図２のようなグラフを した人が４人いることを意味します． 可視化した形式での提示です．第２は また，「クエリと比較対象が似てい クエリと直接比較されている対象に る」といった類似関係を述べた情報も フォーカスし，詳細な抽出結果を提示 抽出して提示します（類似度提示部） ． するモードです．その画面イメージを 比較対象をクリックすれば，比較評価 図４に示します．図４の画面イメージ 情報の抽出元文書を参照することも可 はクエリ入力部，比較対象提示部， 能です． 集計結果提示部，類似度提示部の４ このシステムは，個人の経験に左右 つのパーツから構成されます．ユーザ されやすい単体評価ではなく，他の競 が，商品名，人名，地名といったキー 合する対象との関係性から対象の価値 ワードをクエリとして与えると（クエリ を判断するという新たな情報検索のフ 入力部），システムはそのクエリと文書 レームワークを提 供 するものといえ 中で直接比較されている対象を自動で ます． 抽出し，比較回数の降順にユーザに提 本稿で紹介した技術は，NTTグルー クエリと比較対象との 類似度を提示 クリック （1） て本技術の有効性を検証していきます． けマーケティングツールとしての商用化 を目指し，研究開発を進めています． ■参考文献 （1） 倉島・別所・戸田・内山・片岡・奥：“比較 評 価 情 報 に 基 づ く ラ ン キ ン グ 手 法，” 日 本 デ ータベース学会Letters，Vol.6，No.1， pp.5-8，2007． （2） T. Kurashima，K. Bessho，H. Toda，T. Uchiyama，and R. Kataoka:“Ranking Entities Using Comparative Relations,”In Proc. of DEXA 2008，pp.124-133，2008. （3） T. Yamada，T. Saito，and K. Ueda:“CrossEntropy Directed Embedding of Network Data，”In Proc. of ICML 2003，pp.832-839， 2003. （左から）藤村 奥 考/ 倉島 健/ 雅博 便利な，そして充実した生活を人々が送 れることを目指し，斬新なアイデアを世の 中に発信し続けていきたいと思います． ◆問い合わせ先 NTTサイバーソリューション研究所 メディアコンピューティングプロジェクト TEL 046-859-2198 FAX 046-855-1730 E-mail kurashima.takeshi lab.ntt.co.jp NTT技術ジャーナル 2009.1 49