特許 6383605 習慣評価方法、装置およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6383605

(24)【登録日】2018年8月10日

(45)【発行日】2018年8月29日

(54)【発明の名称】習慣評価方法、装置およびプログラム

(51)【国際特許分類】

   G06F 17/30 20060101AFI20180820BHJP

   G06F 19/00 20180101ALI20180820BHJP

【ＦＩ】

   G06F17/30 220Z

   G06F19/00 130

   G06F17/30 170A

【請求項の数】6

【全頁数】9

(21)【出願番号】特願2014-167482(P2014-167482)

(22)【出願日】2014年8月20日

(65)【公開番号】特開2016-45558(P2016-45558A)

(43)【公開日】2016年4月4日

【審査請求日】2017年1月30日

(73)【特許権者】

【識別番号】000208891

【氏名又は名称】ＫＤＤＩ株式会社

(74)【代理人】

【識別番号】100092772

【弁理士】

【氏名又は名称】阪本 清孝

(74)【代理人】

【識別番号】100119688

【弁理士】

【氏名又は名称】田邉 壽二

(72)【発明者】

【氏名】服部 元

(72)【発明者】

【氏名】滝嶋 康弘

【審査官】 吉田 誠

(56)【参考文献】

【文献】 特開２０１４−０５２８０９（ＪＰ，Ａ）

【文献】 特開２０１０−２７７４６２（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １７／３０

Ｇ０６Ｆ １９／００

(57)【特許請求の範囲】

【請求項1】

評価対象者を所定の習慣に関して評価する習慣評価装置において、
評価対象者ごとに悪習慣語を含む行動文を収集する行動文データベースと、
評価対象者および悪習慣語を含む評価条件を受け付ける手段と、
前記評価条件に適合した行動文を行動文データベースから検索する検索手段と、
各行動文の意見傾向を判定するための語彙を保持する意見傾向判定辞書と、
前記検索手段が検索した各行動文の意見傾向を前記意見傾向判定辞書に基づいて判定する判定モジュールと、
意見傾向および悪習慣語の組み合わせごとに悪習慣率を保持する悪習慣率辞書と、
各行動文の悪習慣率を前記悪習慣率辞書に基づいて計算する計算モジュールと、
評価対象者の習慣をその行動文の悪習慣率に基づいて評価する評価モジュールとを具備したことを特徴とする習慣評価装置。

【請求項2】

前記意見傾向判定辞書には、相互に対立する意見傾向毎に、各意見傾向を代表する語彙が登録され、
前記判定モジュールは、各行動文に含まれる各意見傾向を代表する語彙数に基づいて意見傾向を判定することを特徴とする請求項１に記載の習慣評価装置。

【請求項3】

前記評価モジュールは、悪習慣語ごとに得られる複数の行動文の悪習慣率の統計値に基づいて各評価対象者を評価することを特徴とする請求項１または２に記載の習慣評価装置。

【請求項4】

前記悪習慣率辞書は、悪習慣語を含む行動文に当該悪習慣の実行者をラベル付けして作成された多数の教師データを、当該行動文の意見傾向に基づき学習して構築されることを特徴とする請求項１ないし３のいずれかに記載の習慣評価装置。

【請求項5】

評価対象者を所定の習慣に関してコンピュータが評価する習慣評価方法において、
評価対象者ごとに悪習慣語を含む行動文を蓄積するデータベースから、評価対象者および悪習慣語を含む評価条件に適合した行動文を検索する手順と、
各行動文の意見傾向を判定するための語彙を保持する意見傾向判定辞書に基づいて、前記検索された各行動文の意見傾向を判定する手順と、
意見傾向および悪習慣語の組み合わせごとに悪習慣率を保持する悪習慣率辞書に基づいて、各行動文の悪習慣率を計算する手順と、
評価対象者の習慣をその行動文の悪習慣率に基づいて評価する手順とを含むことを特徴とする習慣評価方法。

【請求項6】

評価対象者を所定の習慣に関して評価する習慣評価プログラムにおいて、
評価対象者ごとに悪習慣語を含む行動文を蓄積するデータベースから、評価対象者および悪習慣語を含む評価条件に適合した行動文を検索する手順と、
各行動文の意見傾向を判定するための語彙を保持する意見傾向判定辞書に基づいて、前記検索された各行動文の意見傾向を判定する手順と、
意見傾向および悪習慣語の組み合わせごとに悪習慣率を保持する悪習慣率辞書に基づいて、各行動文の悪習慣率を計算する手順と、
評価対象者の習慣をその行動文の悪習慣率に基づいて評価する手順とを、コンピュータに実行させる習慣評価プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人の生活行動における習慣の問題レベルを定量的かつ自動的に評価する習慣評価方法、装置およびプログラムに係り、特に、「遅刻する」、「部屋が汚い」、「嘘を付く」などの社会人として良くないとされる悪習慣の問題レベルを自動評価する習慣評価方法、装置およびプログラムに関する。

【背景技術】

【0002】

クラウドソーシングサービスを利用して人材を集める際、社会人らしい行動ができそうにない人を事前に排除したり、社員や友人、家族の悪習慣のレベルを把握し、教育のきっかけとしたり、あるいは社会人らしさの自己チェック、他人との比較による気付きを支援したりするために、人の悪習慣を定量的かつ自動的に評価するシステムが研究されている。

【0003】

特許文献１には、ユーザの行動文の中から日常的な行動イベント(習慣)を抽出し、その習慣に起因する結果イベントを予測する技術が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開2012-150750号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

特許文献１では、ブログサーバ又はミニブログサーバから、ユーザによって記述された日常的な行動のコメント文が取得され、これがユーザの行動文とされる。ユーザの悪習慣は、ユーザの行動文上の文章の中に、悪習慣語が出現する数を計測することで予測できる。しかしながら、実際に悪習慣であるケース（本人が実際に悪習慣を実行している)と、実際には悪習慣ではないケース(本人ではなく他人の悪習慣を指摘している)とがあり、これらを識別する課題を解決する必要がある。

【0006】

例えば、SNS等の文章では主語が省かれているケースや句読点の省略など、くだけた表現が多く、係り受け解析のような高度な言語解析技術を用いても、実際に本人が悪習慣を実行したかどうかは判断できない。また、文章自体が短く、単語の種類の出現頻度に基づくトピック分類の技術を用いても判断することは難しい。

【0007】

例えば、以下の悪習慣「遅刻」を含む行動文の事例では、(1)-1と(2)-1、(1)-6と(2)-1、(1)-4と(2)-3は、それぞれ単語の出現傾向が似ており、実際に遅刻しているかどうかの判断には使えない。

【0008】

(1)実際に遅刻しているケース
1「少しぐらい遅刻していいよね」
2「初日から会社遅刻したわー爆笑〜」
3「今日、学校遅刻したよ( '-^ )b」
4「遅刻したら、謝れとか笑」
5「今日学校に遅刻した。明日遅れたらほんとやばい(T_T)」
6「遅刻した最悪」

【0009】

(2)実際には遅刻していないケース
1「少しくらい遅刻していいなんて考えは最悪」
2「みんなで遊びに行く時、遅刻した人をよく待ちますが、待たずに置いていくべき。」
3「遅刻したら、来てすぐ謝るならまだ分かるけど?」

【0010】

特許文献1では、トラブルの予測を目的として、単語の出現有頻度に基づく習慣抽出を実現する手段を提案しているが、実際に誰がその習慣を実行したのかどうかは判定していない。

【0011】

本発明の目的は、上記の技術課題を解決し、悪習慣に対する意見は、肯定、否定または中間の各意見傾向が混在し易く、かつそれぞれの意見傾向ごとに、本人の行動か否かの割合が異なる点に着目し、悪習慣語を含む行動文に関して、実際に本人が悪習慣を実行しているか否かを、当該行動文の意見傾向と関連付けて分析することにより、行動文の発信者本人が真に悪習慣の有するか否かを正確に評価できる習慣評価方法、装置およびプログラムを提供することにある。

【課題を解決するための手段】

【0012】

上記の目的を達成するために、本発明は、評価対象者を所定の習慣に関して評価する習慣評価装置において、以下の構成を具備した点に特徴がある。

【0013】

(1) 評価対象者ごとに悪習慣語を含む行動文を収集する行動文データベースと、評価対象者および悪習慣語を含む評価条件を受け付ける手段と、評価条件に適合した行動文を行動文データベースから検索する検索手段と、評価対象者の意見傾向を判定するための語彙を保持する意見傾向判定辞書と、評価対象者の意見傾向を意見傾向判定辞書に基づいて判定する判定モジュールと、意見傾向および悪習慣語の組み合わせごとに評価対象者の悪習慣率を保持する悪習慣率辞書と、評価対象者の悪習慣率を前記悪習慣率辞書に基づいて計算する計算モジュールと、評価対象者の習慣を前記悪習慣率に基づいて評価する評価モジュールとを具備した。

【0014】

(2) 意見傾向判定辞書には、相互に対立する意見傾向毎に、各意見傾向を代表する語彙が登録され、判定モジュールは、評価対象者の行動文に含まれる各意見傾向を代表する語彙数に基づいて意見傾向を判定するようにした。

【発明の効果】

【0015】

本発明によれば、以下のような効果が達成される。
(1) 評価対象者が所定の悪習慣を有しているか否かを、当該評価対象者の行動文に基づいて正確に評価できるので、リクルーティングにおいて、社会人らしい行動ができそうにない人を事前に排除できるようになる。また、社員や友人、家族の悪習慣のレベルを把握し、教育のきっかけとすることができるようになる。さらに、他人との比較による社会人らしさの自己チェックおよび気付きの契機を得られるようになる。

【0016】

(2) 評価対象者の行動文が、相互に対立する意見傾向のいずれに属するかを分析し、これに基づいて当該行動文に含まれる悪習慣の実行者を推定するようにしたので、行動文がSNS等で用いられるくだけた表現であっても、評価対象者の習慣をその行動文に基づいて正確に評価できるようになる。

【図面の簡単な説明】

【0017】

【図1】本発明の一実施形態に係る習慣評価装置の機能ブロック図である。

【図2】悪習慣率辞書の一例を示した図である。

【図3】悪習慣率辞書の構築方法を示した図（その１）である。

【図4】悪習慣率辞書の構築方法を示した図（その２）である。

【図5】悪習慣率辞書の構築方法を示した図（その３）である。

【図6】本発明の一実施形態の動作を示したフローチャートである。

【発明を実施するための形態】

【0018】

以下、図面を参照して本発明の実施の形態について詳細に説明する。図１は、本発明の一実施形態に係る習慣評価装置の主要部の構成を示した機能ブロック図であり、ここでは、本発明の説明に不要な構成は図示が省略されている。本発明の習慣評価装置は、汎用のコンピュータやサーバに各機能を実現するアプリケーション（プログラム）を実装することで構成できる。あるいはアプリケーションの一部がハードウェア化またはROM化された専用機や単能機としても構成できる。

【0019】

行動文データベース１は、評価対象者（ユーザID）ごとに所定の悪習慣語を含む行動文を収集または取得して蓄積する。行動文の収集は、SNSサイトが提供する検索APIを利用し、予め定義されている悪習慣語を含む投稿を検索することで抽出できる。

【0020】

抽出された行動文は、ユーザID、行動文の生成日時および収集の根拠となった悪習慣語（例えば、「遅刻」、「嘘を付く」、「部屋が汚い」など）と紐付けられて管理される。なお、行動文の収集は、評価対象者の通話内容やメール送信の内容をテキスト化し、悪習慣語を含む行動文を全テキスト文の中から検索、抽出することでも実現できる。

【0021】

検索モジュール４は、評価対象者および悪習慣語を含む評価条件（ユーザID、悪習慣語）の入力を受け付け、評価条件に適合した行動文を行動文データベース１から検索して意見傾向判定モジュール５へ提供する。

【0022】

意見傾向判定辞書２は、行動文の意見傾向を判定するための語彙を保持する。本実施形態では、悪習慣に対する意見は、肯定、否定または中間の各意見傾向が混在し易く、かつそれぞれの意見傾向ごとに、本人の行動か否かの割合が異なる点に着目した。そして、相互に対立する意見傾向として、「ボジティブ／ネガティブ」，「積極的／消極的」，「笑い／泣き」，「楽しい／つまらない」などを想定し、各意見傾向の判断指標となる語彙として、一方の意見傾向に多く含まれる単語、および他方の意見傾向に多く含まれる単語が、それぞれ登録されている。

【0023】

本実施形態では、各行動文の意見傾向として「ボジティブ／ネガティブ」を判断するものとし、意見傾向判定辞書２には、ポジティブな意見に多く含まれる単語（以下、「ポジ単語」と表現する）として、「笑」、「www」、「良い」、「わぁ」、「爆笑」などが登録されている。また、ネガティブな意見に多く含まれる単語（以下、「ネガ単語と」表現する場合もある）として、「厳しい」、「まずい」、「ひどい」、「やばい」、「無理」、「困る」、「厳禁」、「最悪」、「謝る」などが登録されている。

【0024】

意見傾向判定モジュール５は、検索モジュール４により検索された各行動文の意見傾向を意見傾向判定辞書２に基づいて判定する。本実施形態では、検索された全ての行動文ごとにポジ単語の出現回数およびネガ単語の出現回数を計測し、両者の大小関係に基づいて、前記悪習慣語に関する各行動文の意見傾向を以下のように評価する。

【0025】

(a) ポジ単語数＞ネガ単語数：ポジティブと判断
(b) ポジ単語数＝ネガ単語数：中間と判断
(c) ポジ単語数＜ネガ単語数：ネガティブと判断

【0026】

悪習慣率辞書３には、図２に一例を示したように、悪習慣語（「遅刻」，「部屋が汚い」，「嘘を付く」…）および意見傾向（ポジ、中間、ネガ）の組み合わせごとに悪習慣率が予め登録されている。図示の例では、悪習慣語「遅刻」を含み、意見傾向がポジティブな行動文の発信者は、８３％の確率で遅刻の習慣があることを示している。

【0027】

このような悪習慣率辞書２は、予め用意した悪習慣語を含む多数の行動文について、手動で分析して悪習慣を行っている者（実行者）のラベル付を行って教師データとし、意見傾向と悪習慣の実行者との対応関係を自動で学習することで構築できる。

【0028】

例えば、実行者のラベル付教師データをデータベース９に蓄積し、各教師データの意見傾向を前記意見傾向判定モジュール５またはこれと同等の機能を用いて分析し、この分析結果と各教師データに付されたラベルとを対応付けることで、前記悪習慣率辞書２を構築できる。

【0029】

図３ないし５は、悪習慣率辞書３の構築方法（学習フェーズ）を説明するための図である。図３は、悪習慣語として「遅刻」を含む１００個の教師データの学習結果を示しており、行動文の意見傾向がポジであれば、本人が遅刻をしているケースが１０件、本人は遅刻をしていないケースが２件となり、本人が遅刻をしている確率は８３％となる。

【0030】

これに対して、行動文の意見傾向が中間であれば、本人が遅刻をしているケースが４２件、本人は遅刻をしていないケースが２５件となり、本人が遅刻をしている確率は６３％となる。さらに、行動文の意見傾向がネガであれば、本人が遅刻をしているケースが１２件、本人は遅刻をしていないケースが９件となり、本人が遅刻をしている確率は５７％となる。したがって、遅刻に関してポジティブな意見を述べているケースでは、本人が遅刻しているケースが多いことが判る。

【0031】

図４は、悪習慣語として「嘘」を含む１００個の教師データの学習結果を示しており、嘘をつくことに対してネガティブな意見を述べているケースは、本人が嘘をついているケースが少ないことが判る。

【0032】

図５は、悪習慣語として「部屋が汚い」を含む１００個の教師データの学習結果を示しており、自分の部屋が汚いことに対してポジティブな発言やネガティブな発言など、感想を述べることはほとんどしないことが判る。

【0033】

図１へ戻り、悪習慣率計算モジュール６は、各行動文に対する意見傾向の判定結果および悪習慣語を前記悪習慣率辞書３に適用することで各行動文の悪習慣率を計算する。結果蓄積DB７には、評価対象者と紐付けられた各行動文の悪習慣率の計算結果が蓄積される。悪習慣評価モジュール８は、評価対象者の習慣を、当該評価対象者と紐付けられた単位量（一週間分、一か月分、一年分など）の行動文の悪習慣率の統計値に基づいて評価する。

【0034】

図６は、本実施形態による習慣評価（実行フェーズ）の手順を示したフローチャートであり、ステップS１では、別途に指定された収集条件（ユーザID、悪習慣語）に基づいて多数の行動文が収集され、行動部DB１に蓄積される。本実施形態では複数の悪習慣語を指定可能であり、複数の悪習慣語が指定されると、いずれかの悪習慣語を含む行動文が全て収集される。

【0035】

ステップS２では、評価対象者および評価項目が評価条件として検索モジュール４に入力される。本実施形態では、評価対象者としてユーザIDが入力され、評価項目として少なくとも一つの悪習慣（語）が入力される。ステップS３では、評価条件に適合した行動文が前記検索モジュール４により行動文DB１データベース１から検索されて意見傾向判定モジュール５へ提供される。

【0036】

ステップS４では、各行動文の意見傾向が前記意見傾向判定モジュール５により判定される。ステップS５では、各行動文の悪習慣率が、その意見傾向および悪習慣確率辞書３に基づいて計算される。計算結果は結果蓄積DB７に蓄積される。

【0037】

なお、本実施形態では複数の評価項目を指定可能なので、例えば悪習慣語として「遅刻」および「嘘を付く」が指定されていれば、「遅刻」を含む行動文については「遅刻」に関する悪習慣率が計算され、「嘘を付く」を含む行動文については「嘘を付く」に関する悪習慣率が計算される。

【0038】

ステップS６では、前記悪習慣評価モジュール８により、評価対象者ごとにそのユーザIDと紐付けられた各行動文の悪習慣率に基づいて、当該評価対象者の習慣が評価される。

【0039】

本実施形態では、所定の期間内に行動文ごとに得られる悪習慣率の統計値、例えば平均値や最大値、あるいは悪習慣率が所定の閾値を超えた行動文の数や割合、に基づいて各評価対象者を評価する。このとき、複数の評価項目が指定されていれば、評価対象者は評価項目ごとに評価される。ステップS７では、前記評価結果が出力される。

【0040】

なお、上記の実施形態では、学習データの生成および意見傾向判定モジュール５が、評価対象者の行動文からポジ単語の出現回数およびネガ単語の出現回数を計測し、両者の大小関係に基づいて、当該評価対象者を「ポジティブ」，「中間」，「ネガティブ」に３分類するものとして説明したが、本発明はこれのみに限定されるものではなく、例えば以下のような指標で５分類またはそれ以上に分類しても良い。
(a) ポジ単語数＞ネガ単語数＋1：ポジティブ大と判断
(b) ポジ単語数＝ネガ単語数＋1：ポジティブ小と判断
(c) ポジ単語数＝ネガ単語数：中間と判断
(d) ポジ単語数＋1＝ネガ単語数：ネガティブ小と判断
(e) ポジ単語数＋1＜ネガ単語数：ネガティブ大と判断

【符号の説明】

【0041】

１…行動文データベース，２…意見傾向判定辞書，３…悪習慣率辞書，４…検索モジュール，５…意見傾向判定モジュール，６…悪習慣率計算モジュール，７…結果蓄積DB，８…悪習慣評価モジュール

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】