1. 階層性に着目した
レビューコーパスの特徴可視化
関西大学大学院総合情報学研究科
林沙也加 松下光範

2. 背景
言語コーパスは機械学習や言語処理などのリソースとして広く
利用されている
• 対話コーパス → 音声対話システム
• レビューコーパス → 商品やサービスへの満足度・好感度の調査
• 対訳コーパス → 翻訳エンジン
2
複数のコーパスを組み合わせることで，より複雑で分野横断的な
課題解決に活用することが試みられている

3. 複数の言語コーパスの活用例
3
[1]山西良典, 藤岡寛子, 西原陽子: 擬似コーパスを用いた飲食店レビューの観点の自動分類, 人工知能学会論文誌, Vol. 36, No. 1, pp. WI2–A 1–8 (2021)
擬似コーパスを用いた飲食店レビューの観点の自動分類[1]
• 飲食店のレビュー文
• ホスピタリティに関する観点と料理そのものに関する観点が混在している
• 混在している観点を機械的に分類
• 複数のコーパスを組み合わせて擬似コーパスを生成，分類器を作成
擬似コーパス
料理
例）バターたっぷり表面はサクサク、
中はふんわりした本格的なスコーン。
ホスピタリティ
例）窓からの羨望もよく落ち着いた店内で
ゆっくりお食事が楽しめました。
レシピコーパス
ホテルコーパス

4. 大規模言語コーパスを利用した擬似コーパスの作成
4
• 擬似コーパスを使用するとアノテーション作業が効率化される
• 単一のコーパス内であっても異なる観点に基づいてコーパスを
抽出すれば擬似コーパスを作成できる
• 例）楽天市場レビューデータ内にある「ヘッドホン・イヤホン」と
「セットコンポ」のカテゴリ
問題点
• ユーザの課題解決に適した特徴を持つコーパスの選定が困難
• コーパスの中身をユーザ自身が確認する
• 容量，テキストの内容 etc…

5. 本研究の着眼点
• コーパスの特徴が階層によって整理されている
• 例）カテゴリが「ヘッドホン」と「コンポ」の
部分集合になっている
• ノードの中身を可視化することでユーザが
特徴を探索的に比較できるようになる
• 出現語彙の違いやデータ量など
• ユーザがカテゴリ毎の情報を容易に把握
大規模言語コーパスが持つ階層性に着目
5
自身の目的に沿った部分集合を見つけることができる
階層構造図

6. 本研究の実装の流れ
データセット
（コーパス）の準備
ユーザが部分集合を
比較する時のパターン
可視化ツール
6

7. コーパスにおけるカテゴリの比較
• 多様なカテゴリが含まれるコーパス
• 例）EC サイト
• 多様な商材を扱うサービスのレビューから構築されたコーパス
• データの部分集合を取り出してその差異を比較する
• 各集合の組み合わた擬似コーパス（部分コーパス）を活用
7
カテゴリ１
カテゴリ２
比較
多様なカテゴリを
含むコーパス
カテゴリ１
カテゴリ２
カテゴリ３
・
・
・

8. 8
実際に使用したデータセット（コーパス）
楽天市場データセット
• 「みんなのレビュー・口コミ情報」
• 「レビュー内容」と「商品ジャンルID 」
レビュー内容の例
• 「癖もなくすごく飲みやすいです！ 買って正解でした！」
• 「ロードノイズもあまりきにならず、走行安定性も良いと思います。
価格のわりに満足しています。」
商品ジャンルID
• 商品のカテゴリに割り当てられたID

9. 部分集合比較
9
• 親子関係にないノード間の比較（A，B）
• 2つのノードに含まれる情報を比較してユーザの目的に
沿ったノードを探す
• 親子関係にあるノード間の比較（C）
• ユーザの任意のレイヤーでノードを選択する
• レビュー内容は葉ノード部分のみ
• 葉ノードの語彙を中間ノードに集めた

10. 部分集合比較
• 親子関係にないノード間の比較
• 兄弟ノードである場合（A）
• 兄弟ノードでない場合（B）
• 親子関係にあるノード間の比較（C）
10

11. 親子関係にないノード間の比較
11
• 比較対象が兄弟ノードである場合
• 兄弟ノードに共通して含まれる語彙（共通語）によってカテゴリの
代表的な語彙が把握しづらい
• 共通語を除き各々のノードに固有の語彙を提示する
• 比較対象が兄弟ノードでない場合
• 階層的な位置関係が遠くなり共通語が減少する
• 各々のノードに含まれる全ての語彙を提示する

12. 部分集合比較
• 親子関係にないノード間の比較
• 兄弟ノードである場合（A）
• 兄弟ノードでない場合（B）
• 親子関係にあるノード間の比較（C）
12

13. 親子関係にあるノード間の比較
13
• 子ノード
メリット ノードに関わる特徴語が多く現れる
デメリット カテゴリが細分化されデータ数が少ない
• 親ノード
メリット 複数の子ノードが接続しているためデータ数が多い
デメリット 他の子ノードがノイズとなる
• 親ノードは接続されている全ての子ノードの語彙を親ノードに集約
ユーザの目的に応じた適切な階層のノードを選択するために
親ノードの語彙と子ノードの語彙を比較する

14. 14
可視化ツール
階層構造図
累計度数図
ワードクラウド
ヘッドホン・イヤホン セットコンポ

15. 階層構造図
• 階層的なコーパス内での2つのカテゴリの
位置関係を把握
• どのレイヤーでノードを選択するかを
決める時に使用
• 数字はジャンルIDを示している
15
「ヘッドホン・イヤホン」と「セットコンポ」の
階層構造図

16. 累計度数図
• テキストが一文増えるごとの異なり語彙数の増加を表す
• 十分な数の異なり語彙が含まれているか判断する際に使用
• 異なり語彙数が飽和状態であるか確認できる
16
「ヘッドホン・イヤホン」の累計度数図 「セットコンポ」の累計度数図

17. ワードクラウド
• カテゴリの特徴となる代表的な語彙を一覧できる
• 頻出語彙が大きく表示されている
• 共通語を用いて提示する語彙を変更している
17
「ヘッドホン・イヤホン」のワードクラウド 「セットコンポ」のワードクラウド

18. 共通語
18
• inverse document frequency(IDF)を用いて共通語を選定
• 色々な文書によく出現する単語のIDFは低くなりあまり出現しない
単語のIDFは高くなる
• 約半数の語彙のIDFが最も高い数値
• 値が最も高い語彙以外を共通語とした

19. まとめ・今後の展望
• 目的：ユーザが自身の目的に適したコーパスを探し出せるようにする
• 階層性のあるコーパスのノードに含まれる語彙やデータ数を提示
• ユーザの目的に沿った大きさの部分コーパスを探し出せる
19
作成したシステム
今後の展望
• データが持つ意味を考慮したシステム
• 例）
「レシピを実際に作った人がレシピに対して評価したデータ」
「レシピについたレビューが参考になったかどうかのデータ」
• 機械が意味的な違いを判別できるようにする