极性估计系统、信息传输系统、极性估计方法、极性估计程序以及评价极性估计程序的制作方法

专利名称：极性估计系统、信息传输系统、极性估计方法、极性估计程序以及评价极性估计程序的制作方法
技术领域：
本发明涉及到用于估计评价极性的极性估计系统、极性估计方 法、极性估计程序以及评价极性估计程序，其中评价极性指示了信誉 信息是肯定还是否定，并且更具体地，本发明涉及到极性估计系统、 极性估计方法、极性估计程序以及评价极性估计程序，用于使用评价 极性已知的信誉信息来估计评价信息未知的信誉信息的评价极性。此 外，本发明涉及到用于传输信誉信息的信息传输系统。
背景技术：
在可以将给定信息分类至某两个概念之一的情况下，有时候希望 执行极性估计，用于估计该信息落入两个概念中的哪一个。例如，传 统信誉信息提取系统，该系统用于通过输入自然语言文本，提取对象 的信誉信息。在这种情况下，有时候希望估计指示了提取出的信誉信 息是肯定还是否定的评价极性。
此处，对象是待评价的事物，例如是"个人计算机x"的产品名
称或者"服务Y"的服务名称等。信誉信息是包括了具有评价对象的 内容的表达在内的信息，例如包括了与评价内容，比如"好"、"坏" 或者"大"，相对应的表达的信息。这里，指定具有评价对象的内容的 表达(比如"好"或者"坏")为评价表达。
同样地，信誉信息可以包括与对象的属性相对应的属性表达。属 性表达是与对象的特性相对应的单词，当对象是例如个人计算机时(下 文中有时简单地称作PC)，属性表达是比如"屏幕"或者"重量"等 单词。
此外，可以分级地链接属性表达。例如，信誉信息提取系统从输 入句子(自然语言文本)"aPCX具有尺寸好的屏幕"中提取出信誉
15信息[对象"PCX",属性表达"屏幕"，属性表达"尺寸"，评价表达 "好"]。
前述情况仅作为例子，并且当输入关于明显对象的自然语言文本 时，比如BBS上的文本，该自然语言文本可以不清楚地包括对象，或 者该信誉信息可以不包括对象。当在自然语言文本中省略了属性表达 时，信誉信息可以不包括该属性表达。换言之，信誉信息可以是对象、 属性表达以及评价表达的三元集合，或者是属性表达和评价表达的二 元集合或者对象和评价表达的二元集合。
信誉信息提取系统是被输入自然语言文本、用于从输入的自然语 言文本中提取信誉信息的系统。
另一方面，评价极性是指示了信誉信息是肯定还是否定的信息。
例如，信誉信息[对象"PCX"，属性表达"屏幕"，属性表达"尺寸"，
评价表达"好"]包括肯定表达(即，在这种情况中的表达"好")，并 且因此该信誉信息的评价极性是肯定。下文中，有时将评价极性简单 地称为极性。
评价极性估计系统是被输入信誉信息、用于估计输入的信誉信息 的评价极性的系统。
评价极性估计系统的例子如下预先将每个评价表达和对应的评 价极性在词典中登记，并且通过使用该词典估计信誉信息的评价极性 (参见例如专利文献1)。在专利文献1中披露的评价极性估计系统包 括评价表达属性存储部分、否定表达存储部分以及评价表达属性分类 装置。评价表达属性存储部分预先存储评价表达和信息的集合，其中 该信息指示了该评价表达是肯定还是否定。否定表达存储部分存储否
定表达，例如"do not"以及"didnot"。评价表达属性分类装置将信 誉信息分为肯定的或者否定的。
评价表达属性分类装置接收作为输入的自然语言文本以及与评价 表达的出现位置相对应的位置信息。然后通过参照评价表达属性存储 部分，评价表达属性分类设备以评价表达的评价极性以及出现在该评 价表达周围的否定表达的集合为基础，将信誉信息分成肯定的或者否 定的。此外，评价表达经常连续出现在文本中，并且肯定评价表达倾向 于跟随肯定评价表达或者被肯定评价表达所跟随，否定评价表达倾向 于跟随否定评价表达或者被否定评价表达所跟随。在例如专利文献2 中披露了一种系统，该系统具有用于确定关于类似倾向性假定的信誉 信息的评价极性的结构。
在专利文献2中披露的评价极性估计系统包括登记表达存储部 分、表达提取部分以及极性确定部分。该登记表达存储部分预先存储 评价表达和指示了该评价表达是肯定还是否定的信息。表达提取部分 从自然语言文本中提取出名词短语或者动词短语。通过参照登记表达 存储部分，极性确定部分确定与评价表达一起出现的动词短语具有与 该评价表达相同的评价极性。在专利文献2披露的评价极性估计系统 中，当没有在登记表达存储部分中预先登记的动词短语的评价极性超 过阈值时，估计该动词短语具有评价极性。
专利文献1:日本专利特许公开No.2002-92004(第9页以及图9) 专利文献2:日本专利特许公开No.2006-146567 (第9-10页以及 图3)

发明内容
本发明要解决的问题
在专利文献l中披露的评价极性估计系统中，通过仅以评价表达 为基础的评价极性的估计，确定信誉信息的极性。因此在专利文献1 的评价极性估计系统中出现了第一个问题，即应当预先登记所有评价 表达的评价属性。
在专利文献l的评价极性估计系统中还出现了另一个问题，即有 时难以仅以评价表达为基础来确定评价极性。例如， 一般地可以将评 价表达"喜欢"以及"杰出的"确定为肯定评价表达，可以将评价表 达"恨"以及"尴她"确定为否定评价表达。然而，不能无条件地将 评价表达"大"确定为肯定表达或者否定表达。具体地，对于信誉信 息[对象"PC",属性表达"屏幕"，评价表达"大"]，"大"是肯定信 誉信息，但是对于信誉信息[对象"PC"、属性表达"噪声"，评价表达"大"]，"大"是否定信誉信息。因此，有时候不能仅以评价表达 为基础来确定评价极性。
此外，在专利文献2披露的评价极性估计系统中，除非两个或者 更多评价表达作为评价表达出现在相同的从句或者短语中，否则不能
确定极性。因此，出现第二个问题，即通过使用专利文献2的评价极
性估计系统，仅仅可以关于有限的信誉信息获得评价极性。
因此，本发明的示例目的是提供一种极性估计系统、信息传输系 统、极性估计方法、极性估计程序以及评价极性估计程序，可以在不 预先登记所有评价表达的评价极性的情况下，确定信誉信息的评价极 性。
解决问题的手段
根据本发明示例方面的第一极性估计系统是用于估计评价极性 的极性估计系统，该评价极性指示了信誉信息是肯定还是否定，该极
性估计系统包括信誉信息存储部分，预先存储评价极性已知的信誉 信息；以及极性估计装置，以预先存储在信誉信息存储部分中的评价
极性已知的信誉信息为基础，估计评价极性未知的信誉信息的评价极 性。
根据本发明示例方面的第二极性估计系统是其中输入信誉信息 并用于估计评价极性的极性估计系统，该评价极性指示了输入的信誉
信息是肯定还是否定，该极性估计系统包括评价表达存储部分，存
储与对象的评价的表达相对应的评价表达的评价极性；信誉信息存储 部分，存储信誉信息和该信誉信息的评价极性；以及极性估计装置(例 如由极性估计装置101实现)，以存储在评价表达存储部分中的评价极 性和存储在信誉信息存储部分中的评价极性己知的信誉信息为基础， 估计输入的信誉信息的评价极性。
根据本发明示例方面的第三极性估计系统是其中输入包括待评 价的对象、与该对象的属性相对应的属性表达以及与该对象的评价的 表达相对应的评价表达在内的信誉信息、并用于估计评价极性的极性 估计系统，该评价极性指示了输入的信誉信息是肯定还是否定，该极性估计系统包括评价表达存储部分，存储评价表达的评价极性；信 誉信息存储部分，存储信誉信息和该信誉信息的评价极性；以及极性 估计装置，以存储在评价表达存储部分中的评价极性和存储在信誉信 息存储部分中的评价极性己知的信誉信息为基础，估计输入的信誉信 息的评价极性，其中该极性估计装置计算与信誉信息的肯定度数或者 否定度数相对应的极性度数，作为评价极性。
根据本发明示例方面的第四极性估计系统是在能够将待估计信 息分类到两个概念之一时使用、并用于估计极性的极性估计系统，其 中该极性指示了待评价信息将落入哪个概念，该极性估计系统包括 信息存储部分，预先存储极性已知的信息；以及极性估计装置，以预 先存储在信息存储部分中的极性已知的信息为基础，估计极性未知的 信息的极性。
根据本发明示例方面的第一信息传输系统是包括如下信息传输 系统信誉信息传输系统，传输信誉信息；以及评价极性估计系统， 估计评价极性，其中该评价极性指示了信誉信息是肯定还是否定，其 中，该评价极性估计系统包括信誉信息存储部分，预先存储评价极 性已知的信誉信息，以及极性估计装置，以预先存储在信誉信息存储 部分中的评价极性已知的信誉信息为基础，估计评价极性未知的信誉 信息的评价极性；以及该信誉信息传输系统包括信息传输装置，通 过通信网络向用户终端不仅传输信誉信息还传输由评价极性估计系统 估计的评价极性。
根据本发明示例方面的第一极性估计方法是用于估计评价极性 的极性估计方法，其中评价极性指示了信誉信息是肯定还是否定，该 极性估计方法包括信誉信息存储步骤，预先存储评价极性已知的信 誉信息；以及极性估计步骤，以预先存储的评价极性已知的信誉信息 为基础，估计评价极性未知的信誉信息的评价极性。
根据本发明示例方面的第二极性估计方法是其中输入信誉信息、 用于估计评价极性的极性估计方法，评价极性指示了输入的信誉信息 是肯定还是否定，该极性估计方法包括评价表达存储步骤，存储与 对象的评价的表达相对应的评价表达的评价极性;信誉信息存储步骤，存储信誉信息和该信誉信息的评价极性；以及极性估计步骤，以存储 的评价极性和存储的评价极性已知的信誉信息为基础，估计输入的信 誉信息的评价极性。
根据本发明示例方面的第三极性估计方法是其中包括待评价对 象、与该对象的属性相对应的属性表达以及与该对象的评价的表达相 对应的评价表达在内的信誉信息、用于估计评价极性的极性估计方法， 评价极性指示了输入的信誉信息是肯定还是否定，该极性估计方法包 括评价表达存储步骤，存储评价表达的评价极性；信誉信息存储步 骤，存储信誉信息和该信誉信息的评价极性；以及极性估计步骤，以 存储的评价极性和存储的评价极性已知的信誉信息为基础，估计输入 的信誉信息的评价极性，其中在该极性估计步骤中，计算与信誉信息 的肯定度数或者否定度数相对应的极性度数，作为评价极性。
根据本发明示例方面的第一极性估计程序是用于估计评价极性 的极性估计程序，评价极性指示了信誉信息是肯定还是否定，该极性 估计程序引起计算机执行信誉信息存储处理，用于预先存储评价极 性巳知的信誉信息；以及极性估计处理，用于以预先存储的评价极性 已知的信誉信息为基础，估计评价极性未知的信誉信息的评价极性。
根据本发明示例方面的第二极性估计程序是其中输入信誉信息、 用于估计评价极性的极性估计程序，评价极性指示了输入的信誉信息 是肯定还是否定，该极性估计程序引起计算机执行评价表达存储处 理，用于存储与对象的评价的表达相对应的评价表达的评价极性；信
誉信息存储处理，用于存储信誉信息和该信誉信息的评价极性；以及
极性估计处理，用于以存储的评价极性和存储的评价极性已知的信誉 信息为基础，估计输入的信誉信息的评价极性。
根据本发明示例方面的第三极性估计程序是其中输入包括待评 价对象、与该对象的属性相对应的属性表达以及与该对象的评价的表 达相对应的评价表达在内的信誉信息、用于估计评价极性的极性估计 程序，评价极性指示了输入的信誉信息是肯定还是否定，该极性估计
程序引起计算机执行评价表达存储处理，用于存储评价表达的评价 极性；信誉信息存储处理，用于存储信誉信息和该信誉信息的评价极性；以及极性估计处理，用于以存储的评价极性和存储的评价极性已 知的信誉信息为基础，估计输入信誉信息的评价极性，其中在该极性 估计处理中，引起计算机执行处理，该处理用于计算作为评价极性的 与信誉信息的肯定度数或者否定度数相对应的极性度数。
根据本发明示例方面的第一评价极性估计程序是在计算机中板 上设置的评价极性估计程序，其中输入包括待评价对象、与该对象的 属性相对应的属性表达以及与该对象的评价的表达相对应的评价表达 在内的信誉信息，该评价极性估计程序用于输出评价极性，评价极性 指示了输入的信誉信息是肯定还是否定，该评价极性估计程序引起计 算机执行输入处理，用于输入信誉信息；用于计算在评价极性已知
的信誉信息中包括的属性表达的极性度数的处理；用于计算在评价极 性已知的信誉信息中包括的对象的极性度数的处理；用于计算在评价 极性己知的信誉信息中包括的评价表达的极性度数的处理；以及用于 通过计算综合极性度数来计算输入的信誉信息的极性处理，其中该综 合极性度数是通过将属性表达、对象以及评价表达的计算出的极性度 数进行综合集成而获得的。
本发明的效果
本发明提供了一种极性估计系统、信息传输系统、极性估计方法、 极性估计程序以及评价极性估计程序，其中可以在不预先登记所有评 价表达的评价极性的情况下，确定信誉信息的评价极性。


图1是示出了根据本发明示例实施例的极性估计系统的示例结构 的框图。
图2是示出了在评价表达存储部分中存储的评价表达和评价极性 的示例的说明图。
图3是示出了在信誉信息存储部分中存储的信誉信息和评价极性 的示例的说明图。
图4是示出了在信誉信息存储部分中存储的信誉信息和评价极性
21的其它示例的说明图。
图5是示出了极性估计装置的示例结构的框图。
图6是示出了评价极性估计系统估计评价极性的示例处理的流程图。
图7是示出了根据本发明另一示例实施例的极性估计系统的示例 结构的框图。
图8是示出了在信誉信息存储部分中存储的信誉信息、取得日期 以及评价极性的示例的说明图。
图9是示出了极性估计装置的示例结构的框图。
图10是示出了评价极性估计系统估计评价极性的示例处理的流程图。
图11是示出了根据本发明另一示例实施例的极性估计系统的示 例结构的框图。
图12是示出了在信誉信息存储部分中存储的信誉信息、评价者 ID以及评价极性的示例的说明图。
图13是示出了在评价者类型存储部分中存储的评价者类型信息 的示例的说明图。
图14是示出了极性估计装置的示例结构的框图。
图15是示出了评价极性估计系统估计评价极性的示例处理的流 程图。
图16是示出了评价极性估计系统的具体示例架构的框图。 图17是示出了根据本发明另一示例实施例的信息服务系统的示 例结构的框图。
图18是示出了根据本发明示例实施例的极性估计系统的示例结 构的框图。
图19是示出了用于向服务用户终端传输信誉信息的示例处理的 流程图。
图20是示出了用于审查信誉信息和评价极性的示例处理的流程图。
图21是示出了根据本发明另一示例实施例的极性估计系统的示例结构的框图。
图22是示出了在表达存储部分中存储的多种表达和极性的示例 的说明图。
图23是示出了在信息存储部分中存储的关键词集合和极性的示
例的说明图。 附图标记说明
100数据处理器 200存储器 300输入装置 400输出装置 101极性估计装置 1011极性度数参照装置 1012单独极性度数计算装置 1013综合极性度数计算装置 1014极性度数登记装置
具体实施例方式
根据本发明，通过以下面几个关于信誉信息的假定为基础，采用 统计方法计算评价极性度数，来估计评价极性。本文中，评价极性度 数是指示了为肯定信誉信息还是为否定信誉信息的数值。评价极性度 数是例如范围从l至-l中的实数。在这种情况中，当评价极性度数更接 近1时，信誉信息更肯定，并且当评价极性度数更接近-l时，信誉信息 更否定。下文中，有时将评价极性度数简称为极性度数。请注意这些 数值仅仅作示例说明之用，并且可以使用例如从"100"至"0"的其 它数值范围，或者可以使用离散数值取代连续数值。
假定l)可以对于一些评价表达，预先确定极性，并且包括类似 表达的信誉信息的极性倾向于与该评价表达的极性相同。如上所述， 当评价表达是"大"时，不能确定其极性。然而，存在仅以评价表达 为基础确定极性的情况。例如，评价表达"好"和"杰出"明显是肯 定评价表达，因此，可以认为包括类似评价表达的信誉信息的极性是肯定的。另一方面，评价表达"坏"和"脏"明显是否定评价表达， 因此，包括类似评价表达的信誉信息的极性类似地是否定的。
假定2)在属性表达中存在具有好印象的表达和具有坏印象的表 达，并且包括具有好印象的表达的信誉信息以及包括具有坏印象的表 达的信誉信息分别倾向于是肯定和否定评价表达。例如，属性表达"亮 度"是具有好印象的表达，并且属性表达"噪声"是具有坏印象的表 达。因此，分别包括这些属性表达的信誉信息分别倾向于是肯定和否 定的。例子是"具有最佳亮度的PC X"和"由于噪声，PC Z不好"。 因此，在一些情况中，可以通过使用属性表达来确定信誉信息的极性。
以前述假定1和2为基础，根据本发明所述的评价极性估计系统包 括信誉信息存储部分、评价表达存储部分以及极性估计装置。极性估 计装置接收作为输入的信誉信息，并且通过参照在信誉信息存储部分 中存储的信誉信息的极性度数以及在评价表达存储部分中存储的它们 的极性度数，来计算极性未知的信誉信息的极性度数。
极性估计装置首先参照极性己知的信誉信息，以计算评价表达的 极性度数、属性表达的极性度数以及输入的信誉信息中包括的属性表 达和评价表达的集合的极性度数。通过下列方式来计算每个极性度数 通过使用包括评价表达、属性表达或评价表达和属性表达的集合在内
的、极性度数己知的信誉信息的数量；或者通过使用极性度数的平均
值、肯定信誉信息数量或者否定信誉信息的数量之间的比率、或类似 的。其次，集成这些计算出的极性度数，以输出综合极性度数。
当使用前述结构，以极性已知的信誉信息为基础，考虑到使用的 属性表达具有好印象还是坏印象，由极性估计装置来计算极性度数时， 可以实现本发明的目的。
假定3)当存在足够大量的信誉信息时，仅以极性已知的信誉信
息为基础所计算出的每个对象的肯定信誉信息和否定信誉信息之间的
比率容易受到整个信誉信息中的比率影响。例如，尽管将特定PC的评
价分到两边，但是可以掌握肯定的意见是居主导地位的倾向。以极性 已知的信誉信息为基础计算类似的倾向性。具体而言，假设极性未知 的信誉信息也展示出相同的倾向性，则可以估计极性。以前述假定3为基础，根据本发明的评价极性估计系统包括信誉 信息存储部分、评价表达存储部分以及极性估计装置，并且极性估计 装置接收作为输入的信誉信息，并且通过参照在信誉信息存储部分中 存储的信誉信息和它们的极性度数、以及在评价表达存储部分中存储 的评价表达和它们的极性度数，计算极性未知的信誉信息的极性度数。
极性估计装置首先参照极性已知的信誉信息，并计算评价表达的 极性度数、对象的极性度数以及在输入的信誉信息中包括的对象和评 价表达的集合的极性度数。通过参照极性己知的信誉信息，并相对于 每个评价表达、每个对象以及评价表达和对象的每个集合，使用肯定 信誉信息和否定信誉信息的数量、比率或者类似物，来计算极性度数。 接下来，比较在输入的信誉信息中包括的评价表达和对象与计算出的 相应极性度数，以输出极性度数。
当使用前述结构，以由极性估计装置以极性未知的信誉信息为基 础来计算极性度数时，可以实现本发明的目的。
此外，以前述假定l、 2和3为基础，根据本发明的评价极性估计 系统包括信誉信息存储部分、评价表达存储部分以及极性估计装置， 并且极性估计装置接收作为输入的信誉信息，并参照在信誉信息存储 部分中存储的信誉信息和它们的极性度数、以及在评价表达存储部分 中存储的评价表达和它们的极性度数，来计算极性未知的信誉信息的 极性度数。
极性估计装置首先计算每个评价表达的极性度数、每个属性表达 的极性度数、属性表达和评价表达的集合的极性度数、对象和评价表 达的集合的极性度数、以及对象、属性表达和评价表达的集合的极性 度数。通过参照极性已知的信誉信息，并相对于每个评价表达、每个 属性表达、每个对象、评价表达和属性表达的每个集合、评价表达和 对象的每个集合以及评价表达、属性表达和对象的每个集合，使用肯 定信誉信息和否定信誉信息的数量、比,率或者类似物，来计算极性度 数。接下来，比较在输入的信誉信息中包括的评价表达、属性表达和 对象与先前计算的相应极性，以输出极性度数。
假定4)信誉信息可以随时间改变。认为对象的信誉是随着时间
25逐渐改变的。例如，在给定时间段内，足球运动员的信誉依照于他对 得分的贡献和之前比赛的结果而改变。因此，在估计信誉信息的极性 中也是如此，有必要通过例如对新近的信誉信息的极性进行加权，来 考虑时间的流逝。
除了前述评价极性估计系统之外，还以前述假定4为基础，根据 本发明的评价极性估计系统包括信誉信息存储部分、评价表达存储部 分以及极性估计装置，并且该极性估计装置通过对在信誉信息存储部 分中存储的新近的信誉信息进行加权，来计算极性度数。
假定5)信誉信息的评价可以依赖于评价者类型。依照于性别、 年龄、地址、职业、兴趣、已购买商品的历史等将评价者的类型进行 分类。例如，依照于评价者的这些类型，可以改变商品的评价。例如， 存在一种在女性中受欢迎但是在男性中不受欢迎的商品，或者存在一
种PC，它在对PC感兴趣并且拥有多个PC的评价者中受欢迎，但是在
其它评价者中不受欢迎。因此，同样地在估计信誉信息的极性时，有 必要考虑评价者的类型。
除了前述评价极性估计系统之外，还以假定5为基础，根据本发
明的评价极性估计系统包括信誉信息存储部分、评价表达存储部分、 评价者类型存储部分以及极性估计装置，并且极性估计装置还通过参 照评价者类型存储部分，来计算相对于评价者的每种类型的极性度数。 根据本发明，以先前存储的极性已知的信誉信息为基础，估计评 价极性未知的信誉信息的评价极性。因此，可以通过使用评价极性己 知的信誉信息来估计评价极性未知的信誉信息的评价极性。因此，可 以在不预先登记所有评价表达的评价极性的情况下，确定信誉信息的 评价极性。
此外，当本发明使用其中以与何时取得信誉信息相对应的取得时 间信息为基础对存储的信誉信息的评价属性执行规定的加权处理，并 且以作为该加权处理的结果的评价极性为基础，估计评价极性未知的 信誉信息的评价极性的结构时，可以在考虑到信誉信息随时间改变的 情况下估计信誉信息的极性。
此外，当本发明使用其中以与已经评价了该信誉信息的评价者相对应的评价者信息为基础，估计评价极性未知的信誉信息的评价极性 的结构时，可以在考虑到从针对信誉信息的评价者的类型导出的偏倚 (bias)的情况下，估计信誉信息的极性。
现在将详细描述本发明的优选示例实施例。 示例实施例l
现在将参照附图，描述本发明的示例实施例l。图l是示出了本发 明的极性估计系统的示例结构的框图。在本示例实施例中，将描述下 述示例情况极性估计系统是用于估计信誉信息的评价极性的评价极 性估计系统。在本示例实施例中，评价极性估计系统可以应用于例如 用于自动核对调查结果的自动调査核对系统或者用于传输信誉信息和 评价极性的信息服务系统。
如图1所示，评价极性估计系统包括在程序控制下运行的数据 处理器100;用于存储信息的存储器200;输入装置300;以及输出装置 400。该评价极性估计系统由根据程序运行的信息处理器，比如工作站 或者个人计算机等，来具体实现。
输入装置300由信息处理器的输入装置，例如键盘或者鼠标，来 具体实现。例如，用户在输入待评价的信誉信息时操作输入装置300。 在通过通信网络接收到待评价的信誉信息的情况中，输入装置300可以
由信息处理器中包括的网络接口单元实现。
输出装置400由显示设备，例如显示器，具体实现。输出装置400
具有输出(例如，显示)针对信誉信息的评价极性的估计结果的功能。 在通过通信网络输出针对评价极性的估计结果的情况中，输出装置400
可以由信息处理器中包括的网络接口单元实现。备选地，输出装置400 可以是打印设备，例如打印机。
数据处理器100由依照于程序运行的信息处理器的CPU具体实 现。数据处理器100包括极性估计装置101。存储器200由数据库设备， 例如磁盘单元或者光盘单元，具体实现。存储器200包括评价表达存储 部分201以及信誉信息存储部分202。这些组件大致如下操作
评价表达存储部分201预先存储评价极性己知的评价表达。图2是示出了在评价表达存储部分201中存储的评价表达和它们的评价极性
的示例的说明图。如图2所示，评价表达存储部分201是数据库，其中 彼此对应地存储评价表达和极性度数(评价极性)。在本示例实施例中， 极性度数是从"1"至范围中的值，当极性度数更接近"1"时， 相应的评价表达就更肯定。另一方面，当极性度数更接近时， 相应的评价表达就更否定。
注意在图2中列出的评价极性仅作示例说明之用，并且其它数值， 例如，从"100"至"0"范围中的值，也可以代表极性度数。同样地， 可以离散地使用数值，并且可以用"o"或者"x"等符号来代表评价 极性，或者可以肯定度数的列和否定度数的列来分离地指示评价极性。
信誉信息存储部分202存储信誉信息和极性估计装置101输出的 极性度数(评价极性)。图3是示出了在信誉信息存储部分202中存储的 信誉信息和它们的评价极性的示例的说明图。信誉信息存储部分202 是数据库，其中彼此对应地存储信誉信息和该信誉信息的极性度数， 信誉信息由对象、属性表达和评价表达的三元集合来表示。注意当必 要时，以极性估计装置101输出的极性度数为基础，更新在信誉信息存 储部分202中存储的信誉信息和极性度数。
注意图3所列举的信誉信息和评价极性仅作示例说明之用，并且
信誉信息也可以由对象和评价表达的二元集合或者属性表达和评价表 达的二元集合来表示。同样地，极性度数也可以由从"100"至"0" 范围中的其它数值或者以另一种方法表示。同样地，可以离散地使用 数值，并且由"o"或者"x"等符号表示评价极性，或者可以肯定度 数列和否定度数列来分离地指示评价极性。图4是示出了在信誉信息存 储部分202中存储的信誉信息和评价极性的其它示例的说明图。如图4 所示，信誉信息存储部分202可以存储肯定度数和否定度数，来作为评 价极性，而不是存储极性度数。
极性估计装置101具有如下功能接收作为输入的信誉信息，并 输出该输入信誉信息的极性度数。图5是示出了极性估计装置101的示 例结构的框图。如图5所示，极性估计装置101包括极性度数参照装置 1011、单独极性度数计算装置1012、综合极性度数计算装置1013和极性度数登记装置1014。
极性度数参照装置1011具有如下功能接收(作为输入的)来自 输入装置300的信誉信息，并且通过搜索来确定在评价表达存储部分 201中是否存储有输入信誉信息中包括的评价表达。此外，极性度数参 照装置1011还具有如下功能当确定了在评价表达存储部分201中存储 的信誉信息之一包括与信誉信息中包括的评价表达一致的评价表达
时，从评价表达存储部分201中提取出该一致评价表达的极性度数。注 意，有时将极性度数参照装置1011从评价表达存储部分201中提取出的 极性度数指定为评价表达极性度数。
单独极性度数计算装置1012具有如下功能接收作为输入的信誉
信息，并且通过参照信誉信息存储部分202来获得极性度数。在这种情 况中，单独极性度数计算装置1012对于对象、属性表达和评价表达中 的每一个计算极性度数。此外，该单独极性度数计算装置1012对于对 象、属性表达和评价表达中的两个或者全部所构成的每个集合，计算 极性度数。
下文中，为了进行说明，将对于每一个对象、属性表达和评价表 达而获得的极性度数和对于对象、属性表达和评价表达中两个或者全 部所构成的每个集合而获得的极性度数一般性地指定为单独极性度 数。
单独极性度数计算装置1012如下计算对象的极性度数该单独极 性度数计算装置1012参照信誉信息存储部分202，以从信誉信息存储部 分202中提取包括要针对极性度数而计算的对象在内的信誉信息的全 部记录的极性度数，其中该待计算对象是针对极性度数的。然后单独 极性度数计算装置1012通过获得提取的极性度数的平均值，来计算该 对象的极性度数。
此外，在要获得属性表达或者评价表达的极性度数、或者对象、 属性表达以及评价表达中的两个或者全部所构成的集合的极性度数的 情况中，可以与获得对象的极性度数的情况中相同的方法来来获得极 性度数。具体而言，单独极性度数计算装置1012参照信誉信息存储部 分202，以从信誉信息存储部分202中提取出包括下列在内的信誉信息的全部记录的极性度数要针对极性度数而计算的属性表达或者评价 表达、或者对象、属性表达和评价表达中的两个或者全部所构成的集
合。然后，单独极性度数计算装置1012通过获得提取出的极性度数的
平均值，来获得极性度数。
前述针对极性度数的计算方法仅作示例说明之用，并且单独极性 度数计算装置1012可以通过获得从信誉信息存储部分202中提取出的 极性度数之和，来获得极性度数。
备选地，单独极性度数计算装置1012可以极性度数超过给定值的
的信誉信息的数量和极性度数低于给定值的信誉信息的数量为基础， 获得极性度数超过给定值的的信誉信息或极性度数低于给定值的的信 誉信息的比率或者概率，作为极性度数。在这种情况中，单独极性度
数计算装置1012首先从信誉信息存储部分202中存储的信誉信息中初
级提取出与待评价的输入信誉信息一致的信誉信息的全部记录。其次， 单独极性度数计算装置1012次级地从初级提取出的信誉信息中选择极
性度数超过给定值(例如0.3)的信誉信息。然后，单独极性度数计算 装置1012获得次级选择的信誉信息的记录的数量(即，具有肯定极性
的信誉信息的记录的数量)与初级提取的信誉信息的记录的数量的比 率。备选地，单独极性度数计算装置1012从初级提取的信誉信息中次 级地选择极性度数低于给定值(例如0.3)的信誉信息。然后，单独极 性度数计算装置1012获得次级选择的信誉信息的记录的数量(即，具 有否定极性的信誉信息的记录的数量)和初级提取的信誉信息的记录 的数量的比率。
当使用前述结构时，即使当在评价极性估计系统中包括的数据库 中存储的信息(即，在本示例实施例中在信誉信息存储部分202中存储 的信誉信息和极性度数)有偏倚时，也可以更准确的进行极性确定。
此外，在由对象和评价表达的二元集合或者属性表达和评价表达 的二元集合代表信誉信息存储部分202中存储的信誉信息的情况中，单 独极性度数计算装置1012可以仅计算该信誉信息的两个元素(即，对 象、属性表达和评价表达之中的二个元素)中的可计算元素的极性度 数。例如，在信誉信息存储部分202预先存储了仅包括对象和评价表达在内的信誉信息的情况中，即使待评价的输入信誉信息包括属性表达， 单独极性度数计算装置1012也不能计算属性表达的单独极性度数。因 此，在这种情况中，单独极性度数计算装置1012仅获得对象、或者评 价表达的单独极性度数、或者对象和评价表达的集合的单独极性度数。 综合极性度数计算装置1013具有如下功能接收作为输入的从极 性度数参照装置1011提取的极性度数(评价表达极性度数)和单独极
性度数计算装置1012计算出的极性度数，并且通过将输入的评价表达
极性度数和单独极性度数集成，来计算从而获得极性度数(下文中有
时称作综合极性度数)。在这种情况中，综合极性度数计算装置1013 通过例如下述方式计算综合极性度数向极性度数参照装置I011提取 出的极性度数添加单独极性度数计算装置1012计算出的各个极性度数
(各个单独极性度数)的平均值。 注意，针对综合极性度数的前述计算方法仅作示例说明之用，并
且综合极性度数计算装置1013可以通过例如获得评价表达极性度数和
各个单独极性度数的平均值，来获得综合极性度数。备选地，该综合
极性度数计算装置1013可以通过例如获得评价表达极性度数和各个单 独极性度数之和，来获得综合极性度数。备选地，该综合极性度数计 算装置1013可以通过向评价表达极性度数或者每一个单独极性度数给 出规定的权重，来获得综合极性度数。例如，综合极性度数计算装置 1013可以获得如下综合极性度数向对象、属性表达和评价表达这些 所有元素都与待评价的输入信誉信息一致的信誉信息的单独极性度数 给出较大权重(具体地，通过乘以具有较大值的权重系数)。
极性度数登记装置1014具有如下功能在信誉信息存储部分202 中彼此对应地存储待评价的信誉信息和综合极性度数计算装置1013计
算出的极性度数(综合极性度数)。
接下来，将描述操作。图6示出了评价极性估计系统用来估计评 价极性的示例处理的流程图。首先，依照于用户执行的操作，评价极 性估计系统的数据处理器100通过输入装置300输入待评价的信誉信 息(步骤SIO)。
在本示例实施例中，信誉信息是对象、属性表达和评价表达的三元集合所代表的信息。例如，输入由三元集合代表的信息，比如信誉 信息[PCX，噪声，恨]或者信誉信息[PCX，噪声，大]。
在本示例实施例中，在方括号中表达了信誉信息。在这种情况中， 使用逗号隔开的三个元素分别与对象、属性表达和评价表达相对应。 注意，信誉信息可以不包括对象和属性表达中任一个。
数据处理器100将待评价的输入信誉信息传递给极性估计装置
IOI的极性度数参照装置IOII。
接下来，极性度数参照装置1011通过参照评价表达存储部分201， 从评价表达存储部分201中获得(提取)待评价的信誉信息中包括的评 价表达的极性度数(步骤Sll)。
这里，假设评价表达存储部分201存储如图2所示的评价表达和极 性度数。在这种情况中，当极性度数参照装置1011接收(作为输入的) 信誉信息[PCX，噪声，恨]时，该装置参照评价表达存储部分201，以 获得(提取)与评价表达"恨"相对应的极性度数"-l"。
当接收(作为输入的)作为待评价信誉信息的信誉信息[PC X， 噪声，大]时，极性度数参照装置1011设置极性度数为"0",这是由于 评价表达存储部分201中存储的评价表达不包括评价表达"大"。注意， 极性度数"0"意味着该评价极性未知。
极性估计装置101在诸如存储器的存储单元中存储极性度数参照 装置1011提取出的极性度数，并且将通过输入装置300输入的待评价的 信誉信息传递给单独极性度数计算装置1012。
接下来，单独极性度数计算装置1012接收(作为输入的)待评价 的信誉信息并且参照信誉信息存储部分202，以获得(提取)与输入信 誉信息相关的信誉信息和极性度数的全部记录(步骤S12)。例如，当 接收(作为输入的)信誉信息[PCX，噪声，大]时，单独极性度数计 算装置1012参照信誉信息存储部分202，以获得(提取)包括对象"PC X"、属性表达"噪声"和评价表达"大"在内的信誉信息的全部记录 和来自信誉信息存储部分202的相应极性度数。假设信誉信息存储部分 202存储如图3所示的信誉信息和极性度数，单独极性度数计算装置 1012获得(提取)作为第K第5和第6记录而存储的对象、属性表达、评价表达和极性度数。
接下来，以在步骤S10中输入的待评价信誉信息(下文中有时称 作输入信誉信息)、以及在步骤S12中获得(提取)的信誉信息及相应 极性度数为基础，单独极性度数计算装置1012计算对象、属性表达和 评价表达、或者对象、属性表达和评价表达中的两个或者全部所构成
的集合的极性度数之一或多个(步骤S13)。
例如，当输入信誉信息是[PCX，噪声，大]时，计算下列中的一
个或者多个极性度数对象"PC X"、属性表达"噪声"、评价表达"大"、
对象和评价表达的集合"PCX-大"、属性表达和评价表达的集合"噪 声-大"、以及对象、属性表达和评价表达的集合"PCX-噪声-大"。例 如，单独极性度数计算装置1012计算对象的极性度数、属性表达的极 性度数和评价表达的极性度数。在获得对象"PCX"的极性度数的情 况中，单独极性度数计算装置1012通过获得信誉信息的记录的极性度 数的平均值，来计算单独极性度数，其中该信誉信息包括与在步骤S12 中获得(提取)的信誉信息的对象一样的"PC X"。在这种情况中， 具体而言，单独极性度数计算装置1012依照于下列表达式(1)来计算
对象的极性度数(单独极性度数)
对象的极性^/Npx EPi (i^至Np) 表达式(1) 在本表达式中，Np指示了包括该对象的信誉信息的记录的数量，
并且Pi指示了包括该对象的信誉信息的每个记录的极性度数。
假设包括对象"PCX"在内的信誉信息的记录的数量是"5"，并
且包括该对象"PCX"在内的信誉信息的这些记录的极性度数的和是 "-1.5"，则单独极性度数计算装置1012获得极性度数"-0.3"。类似地，
单独极性度数计算装置1012通过下述方式计算属性表达"噪声"和评
价表达"大"的极性度数获得分别包括这些表达的信誉信息的极性
度数的平均值。
此外，在获得对象和评价表达"PC X-大"的集合的极性度数的 情况中，单独极性度数计算装置1012通过获得同时包括对象"PCX" 和评价表达"大"在内的信誉信息的记录的极性度数的平均值，来计 算单独极性。类似地，在获得属性表达和评价表达"噪声-大"的集合的极性度数或者对象、属性表达和评价表达"PC X-噪声-大"的集合 的极性度数的情况中，单独极性度数计算装置1012通过获得包括全部
对象"PC x"、属性表达"噪声"和评价表达"大"在内的信誉信息
的记录的极性度数的平均值，来计算单独极性度数。
注意，针对单独极性度数的前述计算方法仅作示例说明之用，并
且单独极性度数计算装置1012可以通过例如获得从信誉信息存储部分 202中提取的极性度数之和来获得单独极性度数。备选地，单独极性度 数计算装置1012可以极性度数超过给定值的信誉信息的数量和极性度 数低于给定值的信誉信息的数量为基础，获得极性度数的超过给定值 信誉信息或者极性度数低于给定值的信誉信息的比率或者概率，作为 极性度数的。备选地，在对象和评价表达的二元集合或者属性表达和 评价表达的二元集合代表信誉信息存储部分202中存储的信誉信息的 情况中，单独极性度数计算装置1012可以仅计算该信誉信息的两个元 素中(即，对象、属性表达和评价表达中的任意两个)的可计算元素 的极性度数。
此外，单独极性度数计算装置1012不需要计算对象、属性表达、 评价表达以及对象、属性表达和评价表达中的两个或者全部所构成的 每个集合的全部单独极性度数。在本示例实施例中，单独极性度数是 七种类型的，即对象的极性度数、属性表达的极性度数、评价表达的 极性度数、对象和属性表达的集合的极性度数、对象和评价表达的集 合的极性度数、属性表达和评价表达的集合的极性度数、以及对象、 属性表达和评价表达的集合的极性度数。在这种情况中，单独极性度 数计算装置1012可以计算例如三种极性度数，即对象的极性度数、属
性表达的极性度数和评价表达的极性度数。
然后，单独极性度数计算装置1012将计算出的单独极性度数传递 给综合极性度数计算装置1013。
接下来，综合极性度数计算装置1013接收作为输入的、在步骤Sll 中获得(提取)的极性度数(评价表达极性度数)和在步骤S13中计 算出的单独极性度数，并且通过将评价表达极性度数和单独极性度数 综合地集成，来计算极性度数(综合极性度数)(步骤S14)。在获得
34联合极性度数(综合极性度数)时，例如，综合极性度数计算装置1013
将在步骤S12中计算出的单独极性度数的平均值添加至在步骤S11中
获得的极性度数。
假设在步骤S11中获得的极性度数是例如"0"。还假设在步骤S12 中计算出的单独极性度数中，对象的极性度数是"-0.3"，属性表达的 极性度数是"-0.8"并且评价表达的极性度数是"0.2"。在这种情况中， 在步骤S12获得的单独极性度数的平均值是"-0.3"。因此，综合极性 度数计算装置1013计算联合极性度数(综合极性度数)为"-0.3"。
尽管在本示例实施例中以通过单独极性度数校正评价表达的极 性度数的方法为基础使用前述计算方法，但是在本示例实施例中描述 的针对综合极性度数的计算方法仅作示例说明之用，并且可以通过简 单地获得评价表达极性度数和单独极性度数的平均值或者和来获得综 合极性度数。
接下来，极性度数登记装置1014在信誉信息存储部分202中附加 地登记在步骤S10中输入的输入信誉信息以及在步骤S14中计算出的 极性度数(综合极性度数)(步骤S15)。在这种情况中，极性度数登 记装置1014让信誉信息存储部分202彼此相对应地存储信誉信息和极 性度数。例如，当信誉信息是[PCX，噪声，大]并且极性度数是"-0.3" 时，极性度数登记装置1014新添加包括该信誉信息和极性度数作为元 素的记录9
接下来，极性估计装置101让输出装置400输出该极性度数(步骤 S16)。例如，极性估计装置101可以让输出装置400输出数值"-0.3" 或者类似，当获得的极性度数是超过给定阈值的值时输出符号"o"， 或者当获得的极性度数是低于给定阈值的值时输出符号"x"。备选地， 可以输出在步骤S13计算出的单独极性度数。作为对极性估计装置IOI 发出的指令的响应，输出装置400输出(例如，显示)该极性度数。
如此，根据示例实施例，相对于极性己知的信誉信息(即预先存 储的信誉信息)中包括的对象、属性表达、评价表达或者它们的集合， 计算评价极性度数。此外，通过参照在评价极性未知的信誉信息中包 括的对象、属性表达和评价表达，输出评价极性度数。因此，对于评价极性未知的信誉信息，可以通过使用评价极性已知的信誉信息来估 计其评价极性。
具体而言，极性估计装置101可以考虑到使用具有好印象或者坏
印象的表达作为属性表达以及使用对象的肯定度数或者否定度数，不 仅基于评价表达的极性，还基于极性己知的信誉信息，来估计评价极 性。因此，可以估计评价极性未知的评价表达的极性。换言之，可以 考虑到对象、属性表达和评价表达的极性度数中的偏倚，基于预先存 储的信誉信息，来估计评价极性，从而减少不能确定评价极性的情况。 此外，在常规评价极性估计系统中，由于仅以评价表达的极性为 基础确定信誉信息的极性，所以经常不可能仅以评价表达为基础来确 定极性，然而，可以通过使用前述结构来减少不能确定评价极性的情 况。
此外，根据本示例实施例，极性估计装置101在信誉信息存储部 分202中连续地存储针对计算出的极性度数的计算结果。极性估计装置 101在随后执行的极性度数的计算中使用在信誉信息存储部分202中存 储的极性度数的结果。因此，尽管在开始使用本系统时极性度数的计 算准确性较差，但是随着反复积累极性度数的计算结果并且增加存储 的信誉信息的数量，可以改善极性度数的计算准确性。
示例实施例2
现在参照附图，描述本发明的示例实施例2。图7示出了根据示例 实施例2的极性估计系统(评价极性估计系统)的示例结构的框图。如 图7所示，信誉信息存储部分203中存储的信息的内容不同于示例实施 例1的信誉信息存储部分203中存储的内容。此外，本示例实施例的极 性估计装置102的功能也不同于示例实施例1中所述的极性估计装置 IOI的功能。除了极性估计装置102和信誉信息存储部分203之外，其他 组件的功能和示例实施例1中描述的是相同的。
在下面的描述中，将省略与示例实施例l的结构相似之处的详细 描述，并且将主要描述与示例实施例l的不同之处。
信誉信息存储部分203存储信誉信息、信誉信息的取得日期、以及信誉信息的极性度数(评价极性)。图8示出了在信誉信息存储部分 203中存储的信誉信息、取得日期和评价极性的例子的解释图。信誉信
息存储部分203是将取得信誉信息的时间(在本示例实施例中是取得曰
期)、对象、属性表达、评价表达以及极性度数作为一条记录而存储的
数据库。换言之，本示例实施例的信誉信息存储部分203彼此相对应地 存储信誉信息(包括对象、属性表达和评价表达)、取得该信誉信息的 曰期以及该信誉信息的评价极性。
例如，在将信誉信息登记到信誉信息存储部分203的过程中，基 于数据处理器100中包括的定时器输出的时间信号，获得信誉信息的取 得日期，并且数据处理器100在信誉信息存储部分203中与信誉信息相 对应地存储获得的取得日期。
在本示例实施例中，极性度数是"1"至范围中的值，并且 极性度数越接近"l"，则评价表达就更肯定。当极性度数越接近"-l"， 则评价表达就更否定。注意，图8所列的时间是日期。
注意，图8所列的信誉信息和评价极性仅作示例说明之用，并且 可以用对象和评价表达的二元集合或者属性表达和评价表达的二元集 合来代表信誉信息。同样地，可以离散地使用数值，并且可以用诸如 "o"或者"x"等符号来代表评价极性，或者可以肯定度数列和否定 度数列分离地指示评价极性。与信誉信息的取得日期相对应的时间可 以是除了日期之外的信息，并且可以包括例如取得信誉信息的小时， 或者可以是只包括年和月的信息。
在本示例实施例中，极性估计装置102接收作为输入的待评价信 誉信息，并且该极性估计装置102与示例实施例1的装置的不同之处在 于通过对预先存储的信誉信息之中新近的信誉信息的极性度数进行
加权，来获得极性度数，以计算和输出极性度数。
图9示出了示例实施例2的极性估计装置102的示例结构的框图。 如图9所示，本示例实施例的极性估计装置102与示例实施例1的装置的 不同之处在于除了图5的极性估计装置101的组件之外，还包括加权 装置1021。
加权装置1021具有如下功能接收作为输入的待评价的信誉信息，并且参照信誉信息存储部分203，以从信誉信息存储部分203获得(提取)相关的信誉信息、时间(该信誉信息的取得日期)和极性度数。例如，加权装置1021从信誉信息存储部分203中提取包括与带评价信誉信息中的元素一致的元素(即，对象、属性表达和评价表达)的信誉信息的全部记录，并提取与该信誉信息的每个提取的记录相对应的时间(取得日期)和极性度数。
此外，加权装置1021具有如下功能通过将较大权重给予提取出的信誉信息之中新近的信誉信息，来计算极性度数(有时将该极性度数称作加权极性度数)，并且将该信誉信息和加权极性度数传递给单独极性度数计算装置1012。例如，加权装置1021基于提取的时间(取得
日期)，从提取的信誉信息中选择那些取得日期落入在当前日期前后几天范围之内的信誉信息。然后，加权装置1021对所选信誉信息的极性度数进行加权(通过例如乘以规定的权重系数)，并且通过使用如此加权的极性度数，获得加权极性度数。
接下来，将描述操作。图10示出了示例实施例2的评价极性估计系统用于估计评价极性的示例处理的流程图。如图10所示，本示例实施例的处理与示例实施例1的处理不同之处在于除了图6的处理之外，还执行加权处理(步骤S17)。
在下面的描述中，将省略与示例实施例l的处理相似的详细描述，并且将主要描述与示例实施例l不同之处。
首先，依照于用户进行的操作，评价极性估计系统的数据处理器100通过输入装置300输入待评价的信誉信息(步骤SIO)。数据处理器100将待评价的输入信誉信息传递给极性估计装置102的极性度数参照装置IOII。
接下来，极性度数参照装置1011参照评价表达存储部分201，以从评价表达存储部分201获得(提取)输入信誉信息中包括的评价表达的极性度数(步骤Sll)。极性估计装置102在存储器等存储单元中存储极性度数参照装置1011提取出的极性度数，并且将通过输入装置300输入的待评价的信誉信息传递给加权装置1021。
然后，加权装置1021接收(作为输入的)在步骤S10输入的输入信誉信息，并且参照信誉信息存储部分203，以从信誉信息存储部分203中获得(提取)信誉信息、时间(信誉信息的取得日期)和极性度数的所有相关记录(步骤S12)。例如，当加权装置1021接收(作为输入的)输入信誉信息[PCX，噪声，大]时，该装置参照信誉信息存储部分203，并且在信息存储部分203存储了包括对象"PC X"、属性表达"噪声"和评价表达"大"在内的信誉信息的八条记录的情况中，从信誉信息存储部分203中获得(提取)全部八条记录的对象、属性表达、评价表达、时间和极性度数。
接下来，加权装置1021通过将较大权重给予提取出的信誉信息记录之中的新近信誉信息，来计算极性度数(步骤S17)。例如，加权装置1021将在规定时间段中(例如，在最近三个月内)获得的信誉信息的极性度数乘以权重l，而将另外的极性度数乘以权重O。例如，在对象是PC的情况中，每个季度型号都有改变，因此，为了获得极性度数，仅使用在最近三个月内评价的信誉信息。这仅是个例子，权重可以逐月地改变，或者计算当前时间和信誉信息的取得时间之间的时间差异，以将计算出的时间差异的倒数作为权重系数，用于乘以极性度数。
然后，加权装置1021将待评价的信誉信息和获得的加权极性度数传递给单独极性度数计算装置1012。
接下来，单独极性度数计算装置1012以在步骤S10中输入的输入信誉信息、提取出的信誉信息以及在步骤S17中计算出的加权极性度数为基础，计算对象、属性表达或者评价表达、或者对象、属性表达和评价表达中的两个或者全部所构成的集合的极性度数。
然后，综合极性度数计算装置1013接收在步骤S11中获得的极性度数(评价表达极性度数)和在步骤S13中计算出的单独极性度数，作为输入，并且通过将评价表达极性度数和单独极性度数综合地集成，来计算极性度数(综合极性度数)(步骤S14)。
其后，极性度数登记装置1014将在步骤S10中输入的信誉信息、在步骤S14计算出的极性度数(综合极性度数)以及当前时间附加地登记到信誉信息存储部分203中(步骤S15)。在这种情况中，极性度数登记装置1014在信誉信息存储部分203中彼此相对应地存储信誉信息、极性度数和当前时间。
接下来，极性估计装置101让输出装置400输出极性度数(步骤
S16)。
用于加权的前述结构仅作示例说明之用，例如，单独极性度数计算装置1012可以具有与加权装置实质上相同的功能。换言之，用于加
权的结构并不限于上面的描述。
如此，根据示例实施例，加权装置1021通过将较大权重给予新近的信誉信息的极性度数，来计算极性度数。因此，除了在示例实施例l中所述效果之外，可以在考虑到信誉信息随着时间而改变的情况下，来估计信誉信息的极性。
示例实施例3
现在参照附图来描述本发明的示例实施例3。图ll示出了根据示例实施例3的极性估计系统(评价极性估计系统)的示例结构的框图。如图11所示，在本示例实施例的信誉信息存储部分204中存储的信息的内容不同于在示例实施例1的信誉信息存储部分202中存储的内容。此外，本示例实施例的极性估计装置103的功能也不同于示例实施例的极性估计装置101的装置。此外，本示例实施例的存储器200在下列方面
不同于示例实施例l的存储器除了图l所示的组件之外，还包括评价者类型存储部分205。注意，除了极性估计装置103、信誉信息存储部分204和评价者类型存储部分205之外，其他组件的功能与示例实施例1中所描述的是相同的。
在下面的描述中，将省略与示例实施例l的结构相似之处的详细描述，并且将主要描述与示例实施例l的不同之处。
信誉信息存储部分204存储信誉信息、用于标识已经评价了该信誉信息的评价者的评价者ID、以及该信誉信息的极性度数(评价极性)。图12示出了在信誉信息存储部分204中存储的信誉信息、评价者ID和评价极性的示例的说明图。信誉信息存储部分204是将已经输入了信誉信息的评价的评价者的评价者ID、对象、属性表达、评价表达和极性度数作为一条记录迸行存储的数据库。换言之，在本示例实施例中，信誉信息存储部分204彼此相对应地存储信誉信息(包括对象、
属性表达和评价表达)、已经评价了该信誉信息的评价者的评价者ID
以及该信誉信息的评价极性。
在将信誉信息登记到信誉信息存储部分204的过程中，数据处理器100在信誉信息存储部分204中与信誉信息相对应地存储评价者ID。
在本示例实施例中，"1"至范围中的数值代表了极性度数，并且当极性度数越接近"l"，则相应的评价表达就更肯定。另一方面，当极性度数越接近"-l"，则相应的评价表达就越否定。注意，在如图12所示的信誉信息存储部分204中存储的评价者ID与在下面描述的评价者类型存储部分205中存储的评价者ID是相对应的。
注意，图12所列的信誉信息和评价极性仅作示例说明之用，可以用对象和评价表达的二元集合或者属性表达和评价表达的二元集合来代表信誉信息。此外，可以离散地使用数值，并且可以用类似"o"或者"x"等符号来代表评价极性，或者可以肯定度数列和否定度数列分离地指示评价极性。此外，可以用如上所述的其他方法代表极性度数。
评价者类型存储部分205存储与代表了评价者类型的信息相对应的评价者类型信息。图13示出了在评价者类型存储部分205中存储的评价者类型信息的示例的说明图。评价者类型存储部分205是将评价者ID以及具有该评价者ID的评价者的性别、年龄、职业和兴趣作为一条
记录进行存储的数据库。换言之，根据本示例实施例所述，评价者类型存储部分205与评价者的评价者ID相对应地存储该评价者的性别、
年龄、职业和兴趣，作为评价者的类型条目。
注意，图13的空单元意味着相应类型条目未知。同样地，用"逗号"隔开了兴趣单元中列出的条目，这意味着评价者类型存储部分205可以与每个评价者相对应地存储多个兴趣。
此外，在图13中列出的评价者类型信息仅作示例说明之用，并且评价者类型存储部分205可以存储其它信息作为评价者类型信息，例如已购买产品历史。
在本示例实施例中，极性估计装置103具有如下功能除了示例实施例l中所述的功能之外，在考虑到由于评价者类型引起的偏倚的情况下，接收待评价的信誉信息以及已经评价了该信誉信息的评价者的 评价者类型，作为输入，并且对于每个评价者类型来计算极性度数， 输出极性度数。
图14示出了示例实施例3的极性估计装置103的示例结构的框图。 如图14所示，本示例实施例的极性估计装置103与示例实施例1的装置 的不同之处在于，除了图5的极性估计装置101的组件之外，还包括类 型极性度数计算装置1031。注意，在图14的极性估计装置103的组件中， 可以颠倒类型极性度数计算装置1031和单独极性度数计算装置1012的
类型极性度数计算装置1031具有如下功能接收评价者类型和信 誉信息，作为输入，并且通过参照评价者类型存储部分205以及信誉信 息存储部分204，计算每个评价者类型条目(比如年龄或者性别)和信 誉信息的每一个集合的极性度数(下文中有时将该极性度数称作评价 者类型极性度数)。例如，当评价者类型条目是性别、年龄、职业、兴 趣和己购买产品历史时，类型极性度数计算装置1031计算下列的极性 度数(评价者类型极性度数)对象和性别的集合、对象和年龄的集合、 对象和职业的集合、对象和兴趣的集合、对象和已购买产品的集合、 等等。因此，可以计算相似评价者类型的评价者是如何评价输入的评 价表达的。
假设，例如，输入的评价者类型条目是性别"男"、年龄"未知"、 职业"未知"以及兴趣"PC"，并且输入的信誉信息是[PCX，噪声， 大]。在这种情况中，类型极性度数计算装置1031首先确定使用哪个集 合用于计算极性度数。本文中，假设要计算性别和对象的集合以及兴 趣和对象的集合的极性度数。注意到，类型极性度数计算装置1031可 以依照于用户进行的输入操作或者以预先设置的设置信息为基础，来 确定使用哪个集合用于计算极性度数。
接下来，类型极性度数计算装置1031参照评价者类型存储部分 205和信誉信息存储部分204，以获得(提取)包括性别"男"和对象 "PCX"在内的信誉信息的全部记录、以及与该信誉信息的记录相对 应的极性度数。然后，类型极性度数计算装置1031获得提取的极性度数的平均值。类似地，类型极性度数计算装置1031获得(提取)包括 兴趣"PC"和对象"PCX"在内的信誉信息的全部记录、以及与该信
誉信息的记录相对应的极性度数。然后，类型极性度数计算装置1031
获得提取的极性度数的平均值。
注意，针对极性度数的前述计算方法仅作示例说明之用，并且类
型极性度数计算装置1031可以获得本示例实施例所述的评价者类型条 目和信誉信息的其他元素的集合的极性度数。备选地，该类型极性度 数计算装置1031可以通过获得提取的极性度数之和，而不是平均值， 来计算极性度数。
接下来，将描述操作。图15示出了示例实施例3的评价极性估计 系统用于估计评价极性的示例处理的流程图。如图15所示，本示例实 施例的处理在不同于示例实施例l的处理除了在图6所示的其它处理 之外，还执行类型极性度数计算处理(步骤S18)。
在下面的描述中，将省略与示例实施例l的处理相似之处的详细 描述，并且将主要描述与示例实施例l的不同之处。注意到，在图15 的流程图中可以颠倒类型极性度数计算处理(步骤S18)和单独极性 度数计算处理(步骤S13)的执行顺序。
首先，依照于用户进行的操作，评价极性估计系统的数据处理器 100通过输入装置300输入待评价的信誉信息和评价者类型(步骤 SIO)。数据处理器100将输入的评价者类型条目的信息，例如评价者 ID、性别、年龄、职业、兴趣和已购买产品历史，传递给极性估计装 置103的类型极性度数计算装置1031。当评价者类型存储部分205预先 存储有评价者类型的信息时，数据处理器100只将评价者ID单独传递 给类型极性度数计算装置1031。备选地，当没有存储评价者类型的信 息时，数据处理器100将待传递的评价者类型的信息输入至类型极性度 数计算装置1031。
为了获得评价者类型的信息，当以例如自由填写的调查问巻为基 础提取出信誉信息时，可以包括评价者类型条目作为调查条目，以从 调查问巻的核对结果中提取出评价者类型信息。备选地，当以因特网 上的博客文章为基础提取出信誉信息时，可以通过用于根据行文风格来确定文章作者的性别的现有方法，获得评价者类型信息。
数据处理器100将输入的信誉信息和评价者类型传递给极性估计
装置103的极性度数参照装置1011。
接下来，极性度数参照装置1011参照评价表达存储部分201，以 从评价表达存储部分201获得(提取)信誉信息中包括的评价表达的极 性度数(步骤Sll)。极性估计装置103将极性度数参照装置1011提取出 的极性度数、信誉信息和评价者类型存储在存储器的存储单元或者类
、接下来，极性估计装置103接收(作为输入的)在步骤S10输入的 输入信誉信息和输入评价者类型，并且参照信誉信息存储部分204以及 评价者类型存储部分205，以从信誉信息存储部分204和评价者类型存 储部分205中获得(提取)信誉信息、评价者类型条目和极性度数的所 有相关记录(步骤S12)。
例如，当极性估计装置103接收(作为输入的)信誉信息[PCX， 噪声，大]和输入评价者类型条目，性别"男"和兴趣"PC"时，该 装置参照信誉信息存储部分204和评价者类型存储部分205，以获得(提 取)包括对象"PCX"、属性表达"噪声"、评价表达"大"、性别"男" 以及兴趣"PC"在内的信誉信息的全部记录。在本示例实施例中，如 此得到的数据是包括对象、属性表达、评价表达、性别、兴趣和极性 度数在内的记录。然后，极性估计装置103将获得的记录传递给类型极 性度数计算装置1031。
接下来，类型极性度数计算装置1031计算每个评价者类型条目 (比如年龄或者性别)和信誉信息的每一个集合的极性度数(评价者 类型极性度数)(步骤S18)。类型极性度数计算装置1031接收(作为 输入的)在步骤S10输入的输入信誉信息和输入评价者类型、以及在 步骤S12获得的记录，并且计算年龄和对象的集合的极性度数、兴趣 和对象的集合的极性度数、等等。
例如，假设输入评价者类型条目是性别"男"、年龄"未知"、职 业"未知"以及兴趣"PC"，并且接收(作为输入的)信誉信息[PCX， 噪声，大]。在这种情况中，类型极性度数计算装置1031首先确定使用
44哪个集合来计算极性度数。本文中，假设使用性别和对象的集合以及 兴趣和对象的集合来计算极性度数。
接下来，类型极性度数计算装置1031从步骤S12中获得的记录中 获得(提取)包括性别"男"和对象"PCX"在内的信誉信息的全部 记录、以及与该信誉信息的记录相对应的极性度数。然后，类型极性
度数计算装置1031获得提取的极性度数的平均值。类似地，类型极性 度数计算装置1031获得(提取)包括兴趣"PC"和对象"PCX"在内
的信誉信息的全部记录、以及与该信誉信息的记录相对应的极性度数。 然后，类型极性度数计算装置1031获得提取的极性度数的平均值。
注意，针对极性度数的前述计算方法仅作示例说明之用，并且类 型极性度数计算装置1031可以计算本示例实施例中描述的评价者类型
条目和信誉信息的其他元素的集合的极性度数。备选地，类型极性度 数计算装置1031可以通过获得提取的极性度数之和，而不是平均值，
来计算极性度数。
接下来，单独极性度数计算装置1012接收(作为输入的)在步骤 S10输入的输入信誉信息和在步骤S12获得的记录，并且计算对象、属 性表达或者评价表达、或者对象、属性表达和评价表达中的两个或者 全部所构成的集合的极性度数(步骤S15)。
然后，综合极性度数计算装置1013接收在步骤S11获得(提取) 的极性度数(评价表达极性度数)、评价者类型条目的集合的极性度数 (评价者类型极性度数)、以及在步骤S18计算出的信誉信息和在步骤 S13计算出的单独极性度数，作为输入，以通过将评价表达极性度数、 评价者类型极性度数和单独极性度数综合集成，来计算极性度数(综 合极性度数)(步骤S14)。例如，综合极性度数计算装置1013通过将 在步骤S18计算出的极性度数的平均值和在步骤S13计算出的单独极 性度数的的平均值添加至在步骤S11中获得极性度数，来计算联合极 性度数(综合极性度数)。
注意，针对极性度数的前述计算方法仅作示例说明之用，并且综 合极性度数计算装置1013可以通过获得各个极性度数的和或者平均
值，来计算综合极性度数。接下来，极性度数登记装置1014将在步骤S11中输入的输入信誉
信息和输入评价者类型以及在步骤S14中计算出的极性度数附加地登
记至信誉信息存储部分204和评价者类型存储部分205中(步骤S15)。 在这种情况中，极性度数登记装置1014在信誉信息存储部分205中彼此 相对应地存储信誉信息、极性度数和评价者ID。
接下来，极性估计装置103让输出装置400输出该极性度数(步骤 S16)。
如此，根据示例实施例，类型极性度数计算装置1031计算评价者 的每个类型的评价倾向性，以用于计算评价极性。因此，除了示例实 施例l所述的效果之外，可以在考虑到针对信誉信息从评价者类型导出 的偏倚的情况下，估计信誉信息的极性。
现在将描述在示例实施例1至3中所述的每个信息提取系统(评价 极性估计系统)的架构的具体示例。图16示出了在前述示例实施例中 描述的每个评价极性估计系统的具体示例架构的框图。如图16所示， 评价极性估计系统包括数据处理器100A、存储器200A、输入设备 300A、输出设备400A和程序存储设备600。在图16的示例架构中，由 依照于程序运行的计算机来实现数据处理器IOO。
数据处理器100A连接至输入设备300A，比如键盘或者鼠标，以 及输出设备400A，比如显示器或者打印机。此外，数据处理器100A 连接至存储器200A。存储器200A是包括评价表达存储部分201、信誉 信息存储部分202等在内的设备，并且可以通过总线或者类似物、或者 通信网络将存储器200A连接至数据处理器100A。
此外，在实现示例实施例3所述的评价极性估计系统时，存储器 200A还包括评价者类型存储部分205。
此外，数据处理器100A具有存储了评价极性估计程序500的程序 存储设备(比如硬盘设备或者CD-ROM) 600，作为评价极性估计程序 500，该程序存储装置600存储例如引起计算机执行如下处理的极性估 计程序信誉信息存储处理，用于预先存储评价极性已知的信誉信息； 以及极性估计处理，用于以预先存储的评价极性已知的信誉信息为基 础，估计极性未知的信誉信息的评价极性。数据处理器100A从程序存储设备600读取评价极性估计程序500， 以依照于读取的评价极性估计程序500来运行。通过这种运行，数据处 理器100A作为极性估计装置101、极性估计装置102或者极性估计装置 103进行操作。
此外，与计算机相对应的数据处理器100A中可以包括存储单元， 以在该存储单元中存储信息(比如输入信誉信息)。
此外，在前述示例实施例的每一个中，可以在数据处理器100A中 提供作为分离的硬件的每一个装置(评价极性估计装置IOI、极性度数 参照装置101K单独极性度数计算装置1012、综合极性度数计算装置 1013、极性度数登记装置1014、加权装置1021以及类型极性度数计算 装置1031中的每一个)。
此外，尽管在前述示例实施例中将鼠标和键盘描述为输入装置 300的示例，但是可以通过通信网络从另一设备向评价极性估计系统输 入信誉信息。在这种情况中，将用于通过通信网络进行通信的通信接 口单元当做输入装置100来使用。此外，输出极性度数的形式可以是通
过通信网络向另一设备输出极性度数的形式。同样地在这种情况中， 将用于通过通信网络进行通信的通信接口单元当做输出装置400来使用。
注意，由输入设备300A实现输入装置300。同样地，由输出设备 400A实现输出装置400。
示例实施例4
现在参照附图来描述本发明的示例实施例4。在本示例实施例中， 将描述一种商务模型，其中将在示例实施例1至3中描述的评价极性估 计系统中的任意一个应用至用于传输信誉信息的信息服务系统(信誉 信息传输系统)。
图17示出了根据本发明的信息服务系统的示例结构的框图。本示 例实施例的信息服务系统包括评价极性估计系统IOOO、信誉信息提取 系统2000、信誉信息服务系统3000、评价极性审查者终端4000以及服 务用户终端5000。注意，通过例如通信网络，比如因特网，评价极性估计系统1000、信誉信息提取系统2000、信誉信息服务系统3000、评 价极性审查者终端4000和服务用户终端5000彼此连接。
由例如提供信誉信息传输服务的服务运营商(下文中有时称作信 誉信息服务运营商)对评价极性估计系统1000进行操作。由信息处理 器，比如依照于程序运行的工作站或者个人计算机，具体实现评价极 性估计系统IOOO。评价极性估计系统1000与在示例实施例1至3中描述 的评价极性估计系统中的任意一个相对应。
图18示出了根据示例实施例4所述的极性估计系统的示例结构的 框图。在本示例实施例中，将示例实施例l的评价极性估计系统应用至 信息服务系统作为示例进行描述。然而，如图18所示，本示例实施例 的评价极性估计系统在下列方面是不同于示例实施例l所述的系统的 除了在示例实施例l中描述的组件之外，还提供了信誉信息读取装置 111和信誉信息写入装置U2。尽管作为示例在图18中将示例实施例1
的评价极性估计系统应用至信息服务系统，还可以类似地应用示例实 施例2或者3的评价极性估计系统。
由信息处理器的CPU和网络接口单元具体实现信誉信息读取装 置111和信誉信息写入装置112，该信息处理器用于实现依照于程序运 行的评价极性估计系统IOOO。该信誉信息读取装置lll具有如下功能 通过通信网络输入(接收)对象、属性表达和评价表达(即信誉信息) 并且从评价极性估计系统1000中包括的信誉信息累积部分(即，信誉 信息存储部分202)中读取信息。信誉信息写入装置112具有如下功能 通过通信网络输入(接收)对象、属性表达、评价表达和极性度数， 并且将这些输入信息写入评价极性估计系统中包括的信誉信息累积部 分(即，信誉信息存储部分202)中。
由例如信誉信息服务运营商操作信誉信息提取系统2000，并且由
信息处理器，比如依照于程序运行的工作站或者个人计算机，具体实 现该信誉信息提取系统2000。信誉信息提取系统2000具有如下功能
通过通信网络输入(接收)自然语言文本，并且提取并输出信誉信息。 注意，由如上所述的现有系统实现该信誉信息提取系统2000。
例如，信誉信息提取系统2000包括用于存储信誉信息的数据库，并且以输入的自然语言文本为基础从该数据库中提取信誉信息。然后，
该信誉信息提取系统2000通过通信网络向信誉信息服务系统3000输出 (传输)提取出的信誉信息。
由例如信誉信息服务运营商操作信誉信息服务系统3000，并且由 信息处理器，比如依照于程序运行的工作站或者个人计算机，具体实 现该信誉信息服务系统3000。
信誉信息服务系统3000具有如下功能通过通信网络从服务用户 的服务用户终端5000输入(接收)自然语言文本。此外，信誉信息服 务系统3000具有如下功能让信誉信息提取系统2000通过使用输入的 自然语言文本，输出信誉信息。例如，信誉信息服务系统3000通过通 信网络向信誉信息提取系统2000输出(传输)自然语言文本。然后， 信誉信息服务系统3000通过通信网络从信誉信息提取系统2000输入 (接收)由信誉信息提取系统2000提取的信誉信息。
此外，信誉信息服务系统3000具有如下功能向评价极性估计系 统1000输出(传输)信誉信息，用于允许评价极性估计系统1000输出 极性度数(评价极性)。通过本操作，在评价极性估计系统1000中包括 的信誉信息累积部分(即，信誉信息存储部分202)中存储信誉信息和 评价极性。此外，信誉信息服务系统3000还具有如下功能通过通信 网络向服务用户终端5000传输信誉信息和由评价极性估计系统1000估
计的极性度数，以向服务用户提供该信誉信息和该极性度数。
此外，信誉信息服务系统3000具有如下功能通过通信网络向评 价极性审查者终端4000输出(传输)在评价极性估计系统1000中存储 的信誉信息和极性度数，以作为对来自评价极性审查者的评价极性审 查者终端4000的要求的响应，来提供该信誉信息和该极性度数，从而 催促评价极性审查者校正信誉信息和评价极性。此外，评价信息服务 系统3000具有如下功能记录信誉信息服务运营商从服务用户接收到 的钱数(服务收费)以及付给评价极性审查者的钱数(审查收费)。
在下面的描述中，假设评价信息服务系统3000传输/接收信息至/ 自服务用户的终端(即，服务用户终端5000)和评价极性审查者的终 端(即，评价极性审查者终端4000)。服务用户终端5000是由服务用户操作的终端，并且由个人计算机 或者类似信息处理终端具体实现。尽管在图17中仅示出一个服务用户 终端5000，信息服务系统可以包括多个服务用户终端5000。备选地， 服务用户终端5000可以是例如蜂窝电话或者PDA的便携式终端。
评价极性审查者终端4000是由评价极性审査者操作的终端，并且 由个人计算机或者类似信息处理终端具体实现。尽管在图17中仅示出 一个评价极性审查者终端4000，信息服务系统可以包括多个评价极性 审查者终端4000。备选地，评价极性审查者终端4000可以是例如蜂窝 电话或者PDA的便携式终端。
接下来，将描述信誉信息服务系统3000的结构。如图17所示，信 誉信息服务系统3000包括控制单元3001和钱财信息存储装置3002。依 照于信誉信息服务系统3000中包括的存储设备(图中未示出)中存储 的程序，对控制单元3001进行操作。控制单元3001具有如下功能通 过通信网络传输/接收信息至/自服务用户终端5000、评价极性审查者 终端4000、评价极性估计系统1000以及信誉信息提取系统2000。
尽管信誉信息服务系统3000包括用于传输/接收信息的、与服务用 户终端5000、评价极性审查者终端4000、信誉信息提取系统MOO以及 评价极性估计系统1000进行通信的通信接口单元，但是在图17中省略 了该通信接口单元。因此，控制单元3001通过通信接口单元(图中未 示出)传输/接收信息至/自其他组件。
由例如磁盘单元或者光盘单元的数据库设备具体实现钱财信息 存储装置3002。钱财信息存储装置3002存储信誉信息服务运营商支付
给评价极性审查者的钱数(即审查收费)、以及接收自服务用户的钱数 (即，服务收费)。在本示例实施例中，控制单元3001具有如下功能 计算审查收费和服务收费的这些钱数，并且将它们存储在钱财信息存 储装置3002中。
注意，信誉信息服务运营商是提供针对信誉信息的传输服务的服 务运营商，并且是信誉信息服务系统3000、评价极性估计系统1000和 信誉信息提取系统2000的管理员。
此外，在本示例实施例中，可以通过使用一个信息处理器来实现
50评价极性估计系统1000、信誉信息提取系统2000和信誉信息服务系统 3000中的两个或者全部。
接下来，将描述操作。首先，将描述用于向服务用户终端5000传 输信誉信息的操作。图19示出了用于向服务用户终端5000传输信誉信 息的示例处理的流程图。
依照于服务用户进行的操作，服务用户终端5000输入要从中提取 出信誉信息的自然语言文本，并且将该文本通过通信网络传输至信誉 信息服务系统3000 (步骤SIOO)。然后，信誉信息服务系统3000的控 制单元3001通过通信网络接收来自服务用户终端5000的自然语言文本 的信息。
接下来，控制单元3001通过使用信誉信息提取系统2000，从自然 语言文本中获得信誉信息。具体地，控制单元3001将接收自服务用户 终端5000的自然语言文本通过通信网络传输至信誉信息提取系统2000 (步骤SIOI)。然后，信誉信息提取系统2000以接收到的自然语言文
本为基础，从数据库中提取出信誉信息，并且将提取出的信息通过通 信网络传输至信誉信息服务系统3000。
然后，控制单元3001输入评价表达，并且通过使用评价极性估计 系统2000获得该评价表达的评价极性。具体地，控制单元3001将接收 自评价极性估计系统2000的信誉信息通过通信网络传输至评价极性估 计系统IOOO (步骤S103)。评价极性估计系统1000输入(接收)该信 誉信息，通过与示例实施例l中所述的评价极性估计处理类似的处理， 来估计评价极性(步骤S104)，并且将获得的估计结果返回至信誉信 息服务系统3000。通过该操作，评价极性估计系统1000通过通信网络 将该估计的评价极性传输至信誉信息服务系统3000 (步骤S105)，该 信誉信息和其评价极性存储在评价极性估计系统1000中包括的信誉信 息累积部分(即，信誉信息存储部分202)中。
尽管在本示例实施例中评价极性估计系统1000执行与示例实施
例l中描述的评价极性估计处理类似的处理，但是评价极性估计系统 1000可以执行与示例实施例2或者示例实施例3中描述的评价极性估计
处理类似的处理。控制单元3001将由信誉信息提取系统2000提取出的信誉信息和 由评价极性估计系统1000估计出的信誉信息的评价极性通过通信网络 传输至服务用户终端5000 (步骤S106)。然后，服务用户终端5000向 用户呈现该信誉信息和该评价极性。例如，服务用户终端5000将接收 到的信誉信息和评价极性显示在显示设备上，比如显示器上。
同时，控制单元3001执行记账，用于向服务用户收取由于信誉信 息传输服务的使用所产生的费用(步骤S107)。具体地，控制单元3001 计算要从服务用户接收到的钱数(服务收费)，并且将其存储在钱财信 息存储装置3002中。在这种情况中，控制单元3001在钱财信息存储装 置3002中彼此相对应地存储服务用户的钱财信息和身份信息。
接下来，将描述用于审査信誉信息和评价极性的操作。图20示出 了用于审查信誉信息和评价极性的示例处理的流程图。
为了获取要浏览或者要审查的信誉信息，评价极性审查者终端 4000依照于评价极性审查者进行的操作，输入对象、属性表达和评价 表达，并且将它们通过通信网络传输至信誉信息服务系统3000 (步骤 S200)。然后，信誉信息服务系统3000的控制单元3001通过通信网络 接收来自评价极性审查者终端4000的对象、属性表达和评价表达。
当接收到对象、属性表达和评价表达时，控制单元3001通过使用 评价极性估计系统1000的信誉信息读取装置111，从信誉信息累积部分 (信誉信息存储部分202)中读取信誉信息及其评价极性。具体地，控 制单元3001通过通信网络与接收到的对象、属性表达和评价表达一起， 向评价极性估计系统1000传输针对信誉信息和相应评价极性的提取要 求(步骤S201)。然后，评价极性估计系统1000的信誉信息读取装置 111从信誉信息存储部分202中提取出与接收到的对象、属性表达和评
价表达相对应的信誉信息以及该信誉信息的评价极性。下文中，信誉 信息读取装置111通过通信网络向信誉信息服务系统3000传输提取出
的信誉信息和评价极性(步骤S202)。
随后，控制单元3001通过通信网络向审査者终端4000传输由评价 极性估计系统1000提取出的信誉信息及其评价极性(步骤S203)。
审查者终端400通过通信网络接收该信誉信息及其评价极性，并且将它们呈现给评价极性审査者，用于催促他/她浏览并且审查它们。 例如，评价极性审查者终端4000将接收到的信誉信息和评价极性显示 在显示设备上，比如显示器上。
评价极性审查者浏览信誉信息以及评价极性，如果不正确则通过
操作评价极性审査者终端4000来校正该信誉信息和评价极性。在这种 情况中，评价极性审查者终端4000依照于评价极性审查者进行的操作 来校正信誉信息和评价极性，并且将校正过的内容通过通信网络传输 至信誉信息服务系统3000 (步骤S204)。
随后，信誉信息服务系统3000的控制单元3001将如此接收到的校 正的信誉信息和评价极性通过通信网络传输至评价极性估计系统IOOO (步骤S205)。然后，评价极性估计系统1000的信誉信息写入装置112
将如此接收到的校正的信誉信息和评价极性存储在信誉信息存储部分 202中，用于更新信誉信息存储部分202的已存储的内容(步骤S206)。 此外，控制单元3001针对评价极性审查者对于信誉信息和评价极 性的审查，执行审査收费支付的结算处理(步骤S207)。具体地，控 制单元3001计算由信誉信息服务运营商要付给审查者的钱数的信息 (即，针对信誉的审查的补偿(审査收费))，并且将该信息存储在钱 财信息存储装置3002中。在这种情况中，控制单元3001将评价审查者 的钱财信息和身份信息彼此相对应地存储在钱财信息存储装置3002中。
此时，服务用户可能和评价极性审查者是相同的。在该情况中， 不需要向评价极性审查者(即，服务用户)支付补偿，或者可以减少 服务用户支付的服务收费。
由此，根据示例实施例，作为对服务用户终端5000所发要求的响 应，信誉信息服务系统3000传输由信誉信息提取系统2000提取的信誉 信息以及由评价极性估计系统1000估计的评价极性。在该情况中，当 在评价极性估计系统中存储的正确极性度数的数量增加l (即，每次存 储一个正确的已知极性度数)时，可以提高估计其他相关信誉信息的 评价极性的准确度。因此，随着时间可以提高估计信誉信息的评价极 性的准确度，同时抑制了成本。此外，在示例实施例中计算信誉信息的评价极性的过程中，以在信誉信息累积部分中存储的信息为基础计算评价极性。因此，不仅可以提高由评价极性审查者审査过的信誉信息的估计准确度，还可以提高与审査过的信誉信息相关的其他信誉信息的估计准确度。
此外，在传统技术中，为了提高信誉信息的评价极性的估计准确度，应当手动检査信誉信息的每个记录，因此，在系统运行开始之后的短时期内不可能提高针对评价极性的估计准确度。然而，相比于传统技术，根据本示例实施例，可以在系统运行开始之后的更短时期内提高针对评价极性的估计准确度。
示例实施例5
现在参照附图来描述本发明的示例实施例5。尽管在示例实施例l
至4的每一个中描述了作为评价极性估计系统的极性估计系统，极性估
计系统可应用于估计除信誉信息的评价极性之外的其他极性。例如，可以将极性估计系统用于估计从多种文档(例如电子邮件的内容和
BBS上的信息)中提取出的关键词的集合(下文中有时称作关键词集合)的极性。此外，待评价的极性不限于指示了待估计的信息是肯定还是否定的极性，而是当可以将待估计的关键词集合分类至某两种概念中的一种时，用于指示该关键词集合落入哪个概念中的极性。
图21示出了根据示例实施例5的极性估计系统的示例结构的框图。如图21所示，本示例实施例在下述方面不同于示例实施例l:存储器200包括表达存储部分2G6和信息存储部分207，而不是评价表达存储部分201和信誉信息存储部分202。注意，除了表达存储部分206和信息存储部分207之外，其它组件的基本功能与示例实施例l中描述的是相同的。
在下面的描述中，将省略与示例实施例l的结构相似之处的详细描述，并且将主要描述与示例实施例l的不同之处。
表达存储部分206预先存储极性已知的多种表达。图22示出了在表达存储部分206中存储的多种表达和极性的示例的说明图。如图22所示，表达存储部分206是彼此相对应地存储表达和不同极性度数(极性)的数据库。此外，在本示例实施例中，如图22所示，表达存储部
分206与一个表达相对应地存储多个极性度数。
在本示例实施例中使用的一个极性是指示了相应表达是否表达全面(full-scale)概念的信息(下文中有时将该极性称作全面极性)。在图22所列的例子中，全面极性的极性度数越接近"1"，相应表达表达更全面的概念。另一方面，全面极性的极性度数越接近"-l"，相应表达更远离全面概念。
此外，在本示例实施例中使用的另一极性是指示了相应表达是否表达感人气氛的信息(下文中有时将该极性称作感人极性)。在图22所列的例子中，感人极性的极性度数越接近"1",则相应表达表达更感人的气氛。另一方面，感人极性的极性度数越接近"-l"，则相应表达表达更冰冷的气氛。
此外，在本示例实施例中使用的另一极性是指示了相应表达是否表达令人振作(refreshing)的信息(下文中有时将该极性称作振作极性)。在图22所列的例子中，振作极性的极性度数越接近"l"，则相应表达表达更令人振作的气氛。另一方面，振作极性的极性度数越接近"-l"，则相应表达表达更压抑的气氛。
例如，在图22所列的例子中，表达"自然母亲"是具有全面概念和感人气氛的表达，并且因此该表达具有较大值的全面极性和感人极性。同样地，由于表达"自然母亲"不是具有令人振作气氛的表达，
其具有较小值的振作极性。
信息存储部分207存储关键词集合和极性估计装置101输出的极性度数。图23示出了在信息存储部分207中存储的关键词集合和极性度数的例子的说明图。信息存储部分207是彼此相对应地存储可以包括在
各个不同文档中的关键词集合以及该关键词集合的相应极性度数的数据库。此外，在本示例实施例中，信息存储部分207将多个极性度数与一个关键词集合相对应地作为一条记录进行存储。注意，当必要时，以极性估计装置101输出的极性度数为基础，更新在信息存储部分207
中存储的关键词集合和极性度数。
接下来，将描述操作。在本示例实施例中，极性估计系统依照于与示例实施例l中描述的评价极性估计系统的用于估计信誉信息的评价极性的处理类似的处理，来估计关键词集合的多种极性。首先，极性估计系统的极性估计装置101依照于与示例实施例1中描述的步骤
S10类似的处理，通过输入装置300输入待估计的关键词集合。此外，极性估计装置101依照于与示例实施例1中描述的步骤S11至S14类似的处理，计算待估计的关键词集合的多种极性度数。然后，极性估计装置101依照于与示例实施例1中描述的步骤S16类似的处理，让输出装置400输出计算出的多种极性度数。
例如，当关键词集合包括与表达存储部分206中存储的任一表达一致的关键词时，极性估计装置101依照于与步骤S11类似的处理，从表达存储部分206中提取出该表达的各个极性度数。备选地，当表达存储部分206未存储任何一致的表达时，极性估计装置101例如依照于与步骤S13类似的处理，通过获得记录的极性度数的平均值来获得单独极性度数，其中所述记录包括与在信息存储部分207中存储的记录的关键词集合的任一关键词一致的表达。例如，在图23所列的例子中，当要计算全面极性的极性度数时，从在信息存储部分207中存储的记录中
提取出包括关键词"高尔夫"、"地面"、"战争"、"球"、"云"、"风暴"以及"梦"在内的全部记录，并且获得提取出的记录中包括的极性度数的平均值。
由此，根据示例实施例，对于极性已知的信息中包括的每一个关键词，计算极性度数。此外，通过比较，针对极性未知的信息中包括的关键词，输出极性度数。因此，对于极性未知的信息，可以通过使用极性己知的信息来估计不同极性。
尽管在本示例实施例中描述了依照于与示例实施例l中描述的用
于估计评价极性的处理相似的处理来估计关键词集合的不同极性，但是可以依照于与示例实施例2或者示例实施例3类似的处理来估计关键
词集合的不同极性。例如，除了本示例实施例中描述的处理之外，极性估计系统还可以通过进行规定加权处理，来估计关键词集合的不同极性。备选地，除了本示例实施例中描述的处理之外，极性估计系统还可以在考虑到已经确定每一个关键词的极性的人的类型的情况下，估计关键词集合的不同极性。此外，可以依照于与例如示例实施例4类似的处理，将极性估计系统应用于传输极性以及关键词集合的服务模型。
参照对至此为止的示例实施例，描述了本发明，本发明不限于所述示例实施例。对于本领域技术人员来说，在不背离本发明范围的情况下可以对本发明的结构和细节进行多种改变和修改，这是显而易见。
例如，在根据本发明所述的极性估计系统的另一示例方面，可以包括用于预先存储与对象的评价的表达相对应的评价表达的评价表达
存储部分(例如由评价表达存储部分201来实现)，并且该评价表达存储部分可以与每一个评价表达相对应地存储指示了相应评价表达是否包括肯定表达或否定表达的评价表达极性，并且极性估计装置可以以在评价表达存储部分中存储的评价表达和评价表达极性为基础，估计评价极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计系统的另一示例方面，信誉信息存储部分可以彼此相对应地存储信誉信息和该信誉信息的评价极性，并且极性估计装置可以以在信誉信息存储部分中存储的信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计系统的另一示例方面，信誉信息存储部分可以与信誉信息相对应地存储取得时间信息，该信息指示了信誉信息是何时取得的(比如图8所示的何时取得信誉信息的时间)，极性估计装置可以包括对信誉信息存储部分中存储的信誉信息的评价极性进行规定加权处理的加权装置(由例如加权装置1021实现)，并且
极性估计装置可以以作为加权装置执行的加权处理的结果的评价极性和在信誉信息存储部分中存储的信誉信息为基础，估计极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计系统的另一示例方面，信誉信息存储部分可以与信誉信息相对应地存储评价者信息(比如评价者ID),该信息指示了已经评价了该信誉信息的评价者，并且极性估计装置可以以在信誉信息存储部分中存储的信誉信息和评价者信息为基础，估计极性未知的信誉信息的评价极性。例如，在根据本发明的极性估计系统的另一示例方面，极性估计装置可以计算评价极性已知的信誉信息中包括的属性表达的极性度数、该信誉信息中包括的对象的极性度数和该信誉信息中包括的评价表达的极性度数，并且可以以计算出的极性度数中的一个、或者以计算出的极性度数中的两个或者更多所构成的集合为基础，通过将基于输入信誉信息而计算出极性度数进行综合集成，计算综合极性度数。
例如，在根据本发明的极性估计系统的另一个示例方面，极性估计装置可以通过计算属性表达的极性度数、对象的极性度数和评价表达的极性度数之一、或者其中两个或者更多的平均值、和或者比率，来获得综合极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计装置可以如下获得属性表达的极性度数通过获得在信誉信息存储部分中存储的信誉信息之中包括有输入信誉信息中包括的属性表达在内的信誉信息的极性度数之和；或者通过获得包括有输入信誉信息中包
括的属性表达在内的信誉信息的极性度数的平均值；或者通过计算包
括有输入信誉信息中包括的属性表达在内的信誉信息的比率。例如，在根据本发明的极性估计系统的另一示例方面，极性估计
装置可以如下获得对象的极性度数通过获得在信誉信息存储部分中存储的信誉信息之中包括有输入信誉信息中包括的对象在内的信誉信息的极性度数之和；或者通过获得包括有输入信誉信息中包括的对象在内的信誉信息的极性度数的平均值；或者通过计算包括有输入信誉信息中包括的对象在内的信誉信息的比率。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计
装置可以如下获得评价表达的极性度数通过获得在信誉信息存储部
分中存储的信誉信息之中包括有输入信誉信息中包括的评价表达在内
的信誉信息的极性度数之和；或者通过获得包括有输入信誉信息中包括的评价表达在内的信誉信息的极性度数的平均值；或者通过计算包括有输入信誉信息中包括的评价表达在内的信誉信息的比率。
例如，在根据本发明的极性估计系统的另一个示例方面，极性估计装置可以使用按照取得信誉信息的时间顺序而给出的权重，来计算极性度数。
例如，在根据本发明的极性估计系统的另一个示例方面，极性估 计装置可以相对于与已经评价了信誉信息的评价者的类型相对应的每 一个评价者类型，计算极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计 装置可以相对于作为信誉信息的评价者类型的年龄、性别、职业、兴 趣或者己购买产品中每一个，计算极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计 装置可以通过计算在信息存储部分中存储的信息中包括的各个关键词 的极性度数中的一个、或者其中两个或者更多个的平均值、和或者比 率，来获得综合极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计 装置可以利用按照取得信息存储部分中存储的信息的时间顺序而给出 的权重，来计算极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计 装置可以对于与已经评价了在信息存储部分中存储的信息的评价者的 类型相对应的每一个评价者类型，计算极性度数。
例如，在根据本发明的极性估计系统的另一示例方面，极性估计 装置相对于作为针对在信息存储部分中存储的信息的评价者类型的、 评价者的年龄、性别、职业、兴趣和己购买产品中的每一个，计算极 性度数。
例如，在根据本发明的极性估计方法的另一示例方面，可以包括 评价表达存储步骤，该步骤预先存储与对象的评价的表达相对应的评 价表达，可以在评价表达存储步骤中存储与评价表达相对应的评价表 达极性，该极性指示了评价表达包括肯定表达还是否定表达，以及可 以在极性估计步骤中以存储的评价表达和评价表达极性为基础，估计 评价极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计方法的另一示例方面，可以在信 誉信息存储步骤中彼此相对应地存储信誉信息和该信誉信息的评价极 性，可以在极性估计步骤中以存储的信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计方法的另一示例方面，可以在信 誉信息存储步骤中与信誉信息相对应地存储指示了何时取得该信誉信 息的取得时间信息，可以在极性估计步骤中以存储的取得时间信息为 基础，对存储的信誉信息的评价极性进行规定的加权处理，可以在极 性估计步骤中以作为加权处理的结果的评价极性和存储的信誉信息为 基础，估计极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计方法的另一示例方面，可以在信 誉信息存储步骤中与信誉信息相对应地存储评价者信息，该评价者信 息指示了已经评价过信誉信息的评价者，可以在极性估计步骤中以存 储的信誉信息和评价者信息为基础，估计极性未知的信誉信息的评价 极性。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中计算评价极性己知的信誉信息中包括的属性表达的极性 度数、该信誉信息中包括的对象的极性度数和该信誉信息中包括的评 价表达的极性度数，并且以计算出的极性度数中的一个或者计算出的 极性度数中的两个或者更多所构成的集合为基础，通过将基于输入信 誉信息而计算出的极性度数进行综合集成，计算综合极性度数。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中通过计算属性表达的极性度数、对象的极性度数和评价 表达的极性度数中的一个或者两个或者更多的平均值、和或者比率， 获得综合极性度数。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中如下获得属性表达的极性度数通过获得存储的信誉信 息之中包括有输入信誉信息中包括的属性表达在内的信誉信息的极性 度数之和；或者通过获得包括有输入信誉信息中包括的属性表达在内 的信誉信息的极性度数的平均值；或者通过计算包括有输入信誉信息 中包括的属性表达在内的信誉信息的比率。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极
性估计步骤中如下获得对象的极性度数通过获得存储的信誉信息之
60中包括有输入信誉信息中包括的对象在内的信誉信息的极性度数之 和；或者通过获得包括有输入信誉信息中包括的对象在内的信誉信息 的极性度数的平均值；或者通过计算包括有输入信誉信息中包括的对 象在内的信誉信息的比率。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中如下获得评价表达的极性度数通过获得存储的信誉信 息之中包括有输入信誉信息中包括的评价表达在内的信誉信息的极性 度数之和；或者通过获得包括有输入信誉信息中包括的评价表达在内 的信誉信息的极性度数的平均值；或者通过计算包括有输入信誉信息
中包括的评价表达在内的信誉信息的比率。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中使用按照取得信誉信息的时间顺序而给出的权重，计算 极性度数。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中对于与已经评价了信誉信息的评价者的类型相对应的每 一种评价者类型，计算极性度数。
例如，在根据本发明的极性估计方法的另一示例方面，可以在极 性估计步骤中对于作为信誉信息的评价者类型的年龄、性别、职业、 兴趣或者已购买产品中的每一个，计算极性度数。
例如，在根据本发明的极性估计程序的另一示例方面，可以引起 计算机执行评价表达存储处理，用于预先存储与对象的评价的表达相 对应的评价表达，可以引起计算机执行示例方面用于在评价表达存储 处理中与每一个评价表达相对应地存储评价表达极性的处理，该极性 指示了评价表达包括肯定表达还是否定表达，以及在极性估计处理中 可以引起计算机执行用于以存储的评价表达和评价表达极性为基础， 估计评价极性未知的信誉信息的评价极性的处理。
例如，在根据本发明的极性估计程序的另一示例方面，可以在信 誉信息存储处理中弓I起计算机执行处理，用于彼此相对应地存储信誉 信息和该信誉信息的评价极性，可以在极性估计处理中引起计算机执 行处理，用于以存储的信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计程序的另一示例方面，可以在信 誉信息存储处理中引起计算机执行处理，用于与每一个信誉信息相对 应地存储指示了何时取得该信誉信息的取得时间信息，可以引起计算 机执行以存储的取得时间信息为基础，对存储的信誉信息的评价极性 进行规定的加权处理，可以引起计算机执行处理，用于以作为加权处 理的结果的评价极性和存储的信誉信息为基础，估计极性未知的信誉 信息的评价极性。
例如，在根据本发明的极性估计程序的另一示例方面，可以在信 誉信息存储处理中引起计算机执行处理，用于与每一个信誉信息相对 应地存储评价者信息，该评价者信息指示了已经评价过信誉信息的评 价者，可以在极性估计处理中引起计算机执行处理，用于以存储的信 誉信息和评价者信息为基础，估计极性未知的信誉信息的评价极性。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于计算评价极性已知的信誉信 息中包括的属性表达的极性度数、该信誉信息中包括的对象的极性度 数和该信誉信息中包括的评价表达的极性度数，并且引起计算机执行 处理，用于以计算出的极性度数中的一个或者计算出的极性度数中的 两个或者更多所构成的集合为基础，通过将对于输入信誉信息而计算 出的极性度数进行综合集成，计算综合极性度数。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于通过计算属性表达的极性度 数、对象的极性度数和评价表达的极性度数中的一个、或者两个或者 更多的平均值、和或者比率，获得综合极性度数。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于如下获得属性表达的极性度 数通过获得存储的信誉信息之中包括有输入信誉信息中包括的属性 表达在内的信誉信息的极性度数之和；或者通过获得包括有输入信誉 信息中包括的属性表达在内的信誉信息的极性度数的平均值；或者通 过计算包括有输入信誉信息中包括的属性表达在内的信誉信息的比率。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于如下获得对象的极性度数 通过获得存储的信誉信息之中包括有输入信誉信息中包括的对象在内 的信誉信息的极性度数之和；或者通过获得包括有输入信誉信息中包 括的对象在内的信誉信息的极性度数的平均值；或者通过计算包括有 输入信誉信息中包括的对象在内的信誉信息的比率。
例如，在根据本发明所述的极性估计程序的另一示例方面，可以 在极性估计处理中引起计算机执行处理，用于如下获得评价表达的极 性度数通过获得存储的信誉信息之中包括有输入信誉信息中包括的 评价表达在内的信誉信息的极性度数之和；或者通过获得包括有输入 信誉信息中包括的评价表达在内的信誉信息的极性度数的平均值；或 者通过计算包括有输入信誉信息中包括的评价表达在内的信誉信息的 比率。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，该处理用于使用按照取得信誉信 息的时间顺序而给出的权重，计算极性度数。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于对于与已经评价了信誉信息 的评价者的类型相对应的每一种评价者类型，计算极性度数。
例如，在根据本发明的极性估计程序的另一示例方面，可以在极 性估计处理中引起计算机执行处理，用于对于作为针对信誉信息的评 价者类型的年龄、性别、职业、兴趣或者已购买产品中每一个，计算 极性度数。
本发明可应用于例如用于通过确定信誉信息的评价技术来掌握 产品的概况(比如好特性和坏特性)的服务。此外，本发明可应用于 自动调查核对系统。
本发明基于2006年12月18日提交的日本专利申请No.2006-340 307，并且要求其优先权益，其披露内容以全文引用的形式并入本文中。
权利要求
1、一种极性估计系统，用于估计评价极性，该评价极性指示了信誉信息是肯定还是否定，该极性估计系统包括信誉信息存储部分，预先存储评价极性已知的信誉信息；以及极性估计装置，以预先存储在信誉信息存储部分中的评价极性已知的信誉信息为基础，估计评价极性未知的信誉信息的评价极性。
2、 根据权利要求l所述的极性估计系统，还包括评价表达存储部分，预先存储与对象的评价的表达相对应的评价表达，其中评价表达存储部分与评价表达相对应地存储评价表达极性，该评价表达极性指示了该评价表达是包括肯定表达还是否定表达，以及极性估计装置以存储在评价表达存储部分中的评价表达和评价表达极性为基础，估计评价极性未知的信誉信息的评价极性。
3、 根据权利要求1或者2所述的极性估计系统，其中信誉信息存储部分将信誉信息和该信誉信息的评价极性彼此相对应地存储，以及极性估计装置以存储在信誉信息存储部分中的信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
4、 根据权利要求1至3中任一项权利要求所述的极性估计系统，其中信誉信息存储部分与信誉信息相对应地存储取得时间信息，该取得时间信息指示了该信誉信息是何时取得的，极性估计装置包括加权装置，该加权装置以存储在信誉信息存储部分中的取得时间信息为基础，对存储在信誉信息存储部分中的信誉信息的评价极性进行规定的加权处理，以及该加权装置以作为上述加权处理的结果的评价极性、以及存储在信誉信息存储部分中的信誉信息为基础，估计评价极性未知的信誉信息的评价极性。
5、 根据权利要求1至4中任一项权利要求所述的极性估计系统，其中信誉信息存储部分与信誉信息相对应地存储评价者信息，该评价者信息指示了己经评价过该信誉信息的评价者，以及极性估计装置以存储在信誉信息存储部分中的信誉信息和评价者信息为基础，估计评价极性未知的信誉信息的评价极性。
6、 一种极性估计系统，其中输入信誉信息，该极性估计系统用于估计评价极性，该评价极性指示了输入的信誉信息是肯定还是否定，该极性估计系统包括评价表达存储部分，存储与对象的评价的表达相对应的评价表达的评价极性；信誉信息存储部分，存储信誉信息和该信誉信息的评价极性；以及极性估计装置，以存储在评价表达存储部分中的评价极性和存储在信誉信息存储部分中的评价极性己知的信誉信息为基础，估计输入的信誉信息的评价极性。
7、 一种极性估计系统，其中输入包括待评价的对象、与该对象的属性相对应的属性表达以及与该对象的评价的表达相对应的评价表达在内的信誉信息，其中该极性估计系统用于估计评价极性，该评价极性指示了输入的信誉信息是肯定还是否定，该极性估计系统包括评价表达存储部分，存储评价表达的评价极性；信誉信息存储部分，存储信誉信息和该信誉信息的评价极性；以及极性估计装置，以存储在评价表达存储部分中的评价极性和存储在信誉信息存储部分中的评价极性己知的信誉信息为基础，估计输入的信誉信息的评价极性，其中该极性估计装置计算与信誉信息的肯定度数或者否定度数相对应的极性度数，作为评价极性。
8、 根据权利要求7所述的极性估计系统，其中极性估计装置计算评价极性己知的信誉信息中包括的属性表达的极性度数、该信誉信息中包括的对象的极性度数、以及该信誉信息中包括的评价表达的极性度数，以及该极性估计装置以计算出的极性度数之一为基础或者以包括计算出的极性度数中的两个或更多个在内的集合为基础，通过将对于输 入的信誉信息而计算的极性度数进行综合集成，来获得综合极性度数。
9、 根据权利要求8所述的极性估计系统，其中该极性估计装置通过计算属性表达的极性度数、对象的极性 度数以及评价表达的极性度数之一、或者属性表达的极性度数、对象 的极性度数以及评价表达的极性度数中的两个或更多个的平均值、和 或者比率，来获得综合极性度数。
10、 根据权利要求7至9中任一项权利要求所述的极性估计系统，其中该极性估计装置如下获得属性表达的极性度数通过获得信 誉信息的极性度数之和，其中该信誉信息来自存储在信誉信息存储部 分中的信誉信息，并且该信誉信息包括输入的信誉信息中包括的属性 表达；或者通过获得信誉信息的极性度数的平均值，其中该信誉信息 包括输入的信誉信息中包括的属性表达；或者通过计算信誉信息的比 率，其中该信誉信息包括输入的信誉信息中包括的属性表达。
11、 根据权利要求7至10中任一项权利要求所述的极性估计系统， 其中该极性估计装置如下获得对象的极性度数通过获得信誉信息的极性度数之和，其中该信誉信息来自存储在信誉信息存储部分中的信誉信息，并且该信誉信息包括输入的信誉信息中包括的对象；或 者通过获得信誉信息的极性度数的平均值，其中该信誉信息包括输入 的信誉信息中包括的对象；或者通过计算信誉信息的比率，其中该信 誉信息包括输入的信誉信息中包括的对象。
12、 根据权利要求7至11中任一项权利要求所述的极性估计系统，其中该极性估计装置如下获得评价表达的极性度数通过获得信 誉信息的极性度数之和，其中该信誉信息来自存储在信誉信息存储部 分中的信誉信息，并且该信誉信息包括输入的信誉信息中包括的评价 表达；或者通过获得信誉信息的极性度数的平均值，其中该信誉信息 包括输入的信誉信息中包括的评价表达；或者通过计算信誉信息的比 率，其中该信誉信息包括输入的信誉信息中包括的评价表达，由此获 得评价表达的极性度数。
13、 根据权利要求7至12中任一项权利要求所述的极性估计系统，其中该极性估计装置使用按照取得信誉信息的时间顺序而给出 的权重，来计算极性度数。
14、 根据权利要求7至13中任一项权利要求所述的极性估计系统， 其中该极性估计装置相对于每个评价者类型条目来计算极性度数，该评价者类型条目与已经评价了该信誉信息的评价者的类型相对 应。
15、 根据权利要求7至14中任一项权利要求所述的极性估计系统， 其中该极性估计装置相对于作为该信誉信息的评价者类型条目的年龄、性别、职业、兴趣或者己购买商品中的每一个，计算极性度数。
16、 一种极性估计系统，在能够将待估计信息分类到两个概念之 一时使用，该极性估计系统用于估计极性，其中该极性指示了待评价 信息将落入哪个概念，该极性估计系统包括-信息存储部分，预先存储极性已知的信息；以及 极性估计装置，以预先存储在信息存储部分中的极性已知的信息 为基础，估计极性未知的信息的极性。
17、 根据权利要求16所述的极性估计系统，其中该极性估计装置通过计算信息存储部分中存储的信息中包 括的关键词的极性度数之一、或者极性度数中两个或更多个的平均值、 和或者比率，来获得综合极性度数。
18、 根据权利要求16或者17所述的极性估计系统，其中该极性估计装置使用按照取得存储在信息存储部分中的信 息的时间顺序而给出的权重，来计算极性度数。
19、 根据权利要求16至18中任一项权利要求所述的极性估计系统，其中该极性估计装置相对于每个评价者类型条目来计算极性度 数，其中评价者类型条目与己经评价了存储在信息存储部分中的信息 的评价者的类型相对应。
20、 根据权利要求16至19中任一项权利要求所述的极性估计系统，其中该极性估计装置相对于作为存储在信息存储部分中的信息 的评价者类型条目的评价者的年龄、性别、职业、兴趣和已购买商品 中的每一个，计算极性度数。
21、 一种信息传输系统，包括 信誉信息传输系统，传输信誉信息；以及评价极性估计系统，估计评价极性，其中该评价极性指示了信誉 信息是肯定还是否定，其中，该评价极性估计系统包括信誉信息存储部分，预先存储评价极性已知的信誉信息，以及 极性估计装置，以预先存储在信誉信息存储部分中的评价极性已知的信誉信息为基础，估计评价极性未知的信誉信息的评价极性；以及该信誉信息传输系统包括信息传输装置，通过通信网络向用户 终端不仅传输信誉信息还传输由评价极性估计系统估计的评价极性。
22、 一种用于估计评价极性的极性估计方法，其中评价极性指示 了信誉信息是肯定还是否定，该极性估计方法包括信誉信息存储步骤，预先存储评价极性已知的信誉信息；以及 极性估计步骤，以预先存储的评价极性已知的信誉信息为基础， 估计评价极性未知的信誉信息的评价极性。
23、 根据权利要求22所述的极性估计方法，还包括评价表达存储步骤，预先存储与对象的评价的表达相对应的评价表达，其中，在评价表达存储步骤中与评价表达相对应地存储评价表达 极性，评价表达极性指示了评价表达是包括肯定表达还是否定表达， 以及在极性估计步骤中，以存储的评价表达和评价表达极性为基础， 估计评价极性未知的信誉信息的评价极性。
24、 根据权利要求22或者23所述的极性估计方法， 其中在信誉信息存储步骤中，将信誉信息和该信誉信息的评价极性彼此对应地存储，以及在极性估计步骤中，以存储的信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
25、 根据权利要求22至24中任一项权利要求所述的极性估计方法，其中在信誉信息存储步骤中，与信誉信息相对应地存储取得时间 信息，该取得时间信息指示了该信誉信息是何时取得的，在极性估计步骤中，以存储的取得时间信息为基础，对存储的信 誉信息的评价极性进行规定的加权处理，以及在极性估计步骤中，以作为上述加权处理的结果的评价极性以及 存储的信誉信息为基础，估计评价极性未知的信誉信息的评价极性。
26、 根据权利要求22至25中任一项权利要求所述的极性估计方法，其中在信誉信息存储步骤中，与信誉信息相对应地存储评价者信 息，评价者信息指示了已经评价过该信誉信息的评价者，以及在极性估计步骤中，以存储的信誉信息和评价者信息为基础，估 计评价极性未知的信誉信息的评价极性。
27、 一种极性估计方法，其中输入信誉信息，该极性估计方法用 于估计评价极性，评价极性指示了输入的信誉信息是肯定还是否定，该极性估计方法包括评价表达存储步骤，存储与对象的评价的表达相对应的评价表达的评价极性；信誉信息存储步骤，存储信誉信息和该信誉信息的评价极性；以及极性估计步骤，以存储的评价极性和存储的评价极性己知的信誉 信息为基础，估计输入的信誉信息的评价极性。
28、 一种极性估计方法，其中输入包括待评价对象、与该对象的 属性相对应的属性表达以及与该对象的评价的表达相对应的评价表达 在内的信誉信息，该极性估计方法用于估计评价极性，评价极性指示 了输入的信誉信息是肯定还是否定，该极性估计方法包括评价表达存储步骤，存储评价表达的评价极性； 信誉信息存储步骤，存储信誉信息和该信誉信息的评价极性；以及极性估计步骤，以存储的评价极性和存储的评价极性己知的信誉 信息为基础，估计输入的信誉信息的评价极性，其中在该极性估计步骤中，计算与信誉信息的肯定度数或者否定 度数相对应的极性度数，作为评价极性。
29、 根据权利要求28所述的极性估计方法，其中在极性估计步骤中，计算评价极性已知的信誉信息中包括的 属性表达的极性度数、该信誉信息中包括的对象的极性度数以及该信 誉信息中包括的评价表达的极性度数，以及在该极性估计步骤中，相对于输入的信誉信息，以计算出的极性 度数之一或者以包括计算出的极性度数中两个或更多个在内的集合为 基础，通过综合集成极性度数，来计算综合极性度数。
30、 根据权利要求29所述的极性估计方法，其中在该极性估计步骤中，通过计算属性表达的极性度数、对象 的极性度数以及评价表达的极性度数之一、或者其中两个或更多个的 平均值、和或者比率，来获得综合极性度数。
31、 根据权利要求28至30中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，如下获得属性表达的极性度数通过 获得信誉信息的极性度数之和，其中该信誉信息来自存储的信誉信息，并且该信誉信息包括输入的信誉信息中包括的属性表达；或者通过获 得信誉信息的极性度数的平均值，其中该信誉信息包括输入的信誉信 息中包括的属性表达；或者通过计算信誉信息的比率，其中该信誉信 息包括输入的信誉信息中包括的属性表达。
32、 根据权利要求28至31中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，如下获得对象的极性度数通过获得 信誉信息的极性度数之和，其中该信誉信息来自存储的信誉信息，并且该信誉信息包括输入的信誉信息中包括的对象；或者通过获得信誉信息的极性度数的平均值，其中该信誉信息包括输入的信誉信息中包括的对象；或者通过计算信誉信息的比率，其中该信誉信息包括输入 的信誉信息中包括的对象。
33、 根据权利要求28至32中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，如下获得评价表达的极性度数通过 获得信誉信息的极性度数之和，其中该信誉信息来自存储的信誉信息， 并且该信誉信息包括输入的信誉信息中包括的评价表达；或者通过获得信誉信息的极性度数的平均值，其中该信誉信息包括输入的信誉信息中包括的评价表达；或者通过计算信誉信息的比率，其中该信誉信 息包括输入的信誉信息中包括的评价表达。
34、 根据权利要求28至33中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，使用按照取得信誉信息的时间顺序而 给出的权重，来计算极性度数。
35、 根据权利要求28至34中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，相对于与己经评价了信誉信息的评价 者的类型相对应的每个评价者类型条目，计算极性度数。
36、 根据权利要求28至35中任一项权利要求所述的极性估计方法，其中在该极性估计步骤中，相对于作为信誉信息的评价者类型条 目的年龄、性别、职业、兴趣或者已购买商品中的每一个，计算极性 度数。
37、 一种用于估计评价极性的极性估计程序，评价极性指示了信誉信息是肯定还是否定，该极性估计程序引起计算机执行信誉信息存储处理，用于预先存储评价极性己知的信誉信息；以及极性估计处理，用于以预先存储的评价极性已知的信誉信息为基 础，估计评价极性未知的信誉信息的评价极性。
38、 根据权利要求37所述的极性估计程序，引起计算机执行评价表达存储处理，用于预先存储与对象的评价的表达相对应的评价表 达，其中在评价表达存储处理中，引起计算机执行处理，该处理用于 与评价表达相对应地存储评价表达极性，该评价表达极性指示了评价 表达是包括肯定表达还是否定表达，以及在极性估计步骤中，引起计算机执行处理，该处理用于以存储的 评价表达和评价表达极性为基础，估计评价极性未知的信誉信息的评 价极性。
39、 根据权利要求37或者38所述的极性估计程序，其中在信誉信息存储处理中，引起计算机执行处理，该处理用于 将信誉信息和该信誉信息的评价极性彼此对应地存储，以及在极性估计处理中，引起计算机执行处理，该处理用于以存储的 信誉信息和评价极性为基础，估计评价极性未知的信誉信息的评价极性。
40、 根据权利要求37至39中任一项权利要求所述的极性估计程序，其中在信誉信息存储处理中，引起计算机执行处理，该处理用于 与信誉信息相对应地存储取得时间信息，取得时间信息指示了该信誉 信息是何时取得的，在极性估计步骤中，引起计算机执行以存储的取得时间信息为基础、对存储的信誉信息的评价极性进行规定的加权处理，以及引起计算机执行处理，该处理用于以作为加权处理的结果的评价 极性以及存储的信誉信息为基础，估计评价极性未知的信誉信息的评 价极性。
41、 根据权利要求37至40中任一项权利要求所述的极性估计程序，其中在信誉信息存储处理中，引起计算机执行处理，该处理用于 与信誉信息相对应地存储评价者信息，评价者信息指示了已经评价过 该信誉信息的评价者，以及在极性估计处理中，引起计算机执行处理，该处理用于以存储的信誉信息和评价者信息为基础，估计评价极性未知的信誉信息的评价 极性。
42、 一种极性估计程序，其中输入信誉信息，该极性估计程序用 于估计评价极性，评价极性指示了输入的信誉信息是肯定还是否定， 该极性估计程序引起计算机执行评价表达存储处理，用于存储与对象的评价的表达相对应的评价 表达的评价极性；信誉信息存储处理，用于存储信誉信息和该信誉信息的评价极 性；以及极性估计处理，用于以存储的评价极性和存储的评价极性已知的 信誉信息为基础，估计输入的信誉信息的评价极性。
43、 一种极性估计程序，其中输入包括待评价对象、与该对象的 属性相对应的属性表达以及与该对象的评价的表达相对应的评价表达 在内的信誉信息，该极性估计程序用于估计评价极性，评价极性指示 了输入的信誉信息是肯定还是否定，该极性估计程序引起计算机执行评价表达存储处理，用于存储评价表达的评价极性； 信誉信息存储处理，用于存储信誉信息和该信誉信息的评价极 性；以及极性估计处理，用于以存储的评价极性和存储的评价极性已知的 信誉信息为基础，估计输入信誉信息的评价极性，其中在该极性估计处理中，引起计算机执行处理，该处理用于计 算作为评价极性的与信誉信息的肯定度数或者否定度数相对应的极性 度数。
44、 根据权利要求43所述的极性估计程序，其中在极性估计处理中，引起计算机执行处理，该处理用于计算 评价极性已知的信誉信息中包括的属性表达的极性度数、该信誉信息 中包括的对象的极性度数以及该信誉信息中包括的评价表达的极性度 数，以及在该极性估计处理中，引起计算机执行处理，该处理用于相对于 输入的信誉信息，以计算出的极性度数之一或者以包括计算出的极性度数中两个或者更多个在内的集合为基础，通过综合集成计算出的极 性度数，计算综合极性度数。
45、 根据权利要求44所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于通 过计算属性表达的极性度数、对象的极性度数以及评价表达的极性度 数之一、或者其中两个或更多个的平均值、和或者比率，来获得综合 极性度数。
46、 根据权利要求43至45中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于如下获得属性表达的极性度数通过获得信誉信息的极性度数之和，其 中该信誉信息来自存储的信誉信息，并且该信誉信息包括输入的信誉信息中包括的属性表达；或者通过获得信誉信息的极性度数的平均值， 其中该信誉信息包括输入的信誉信息中包括的属性表达；或者通过计 算信誉信息的比率，其中该信誉信息包括输入的信誉信息中包括的属 性表达。
47、 根据权利要求43至46中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于如 下获得对象的极性度数通过获得信誉信息的极性度数之和，其中该 信誉信息来自存储的信誉信息，并且该信誉信息包括输入的信誉信息 中包括的对象；或者通过获得信誉信息的极性度数的平均值，其中该 信誉信息包括输入的信誉信息中包括的对象；或者通过计算信誉信息 的比率，其中该信誉信息包括输入的信誉信息中包括的对象。
48、 根据权利要求43至47中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于如下获得评价表达的极性度数通过获得信誉信息的极性度数之和，其 中该信誉信息来自存储的信誉信息，并且该信誉信息包括输入的信誉信息中包括的评价表达;或者通过获得信誉信息的极性度数的平均值，其中该信誉信息包括输入的信誉信息中包括的评价表达；或者通过计 算信誉信息的比率，其中该信誉信息包括输入的信誉信息中包括的评 价表达。
49、 根据权利要求43至48中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于使 用按照取得信誉信息的时间顺序而给出的权重，来计算极性度数。
50、 根据权利要求43至49中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于相 对于与已经评价了信誉信息的评价者的类型相对应的每个评价者类型 条目，来计算极性度数。
51、 根据权利要求43至50中任一项权利要求所述的极性估计程序，其中在该极性估计处理中，引起计算机执行处理，该处理用于相 对于作为信誉信息的评价者类型条目的年龄、性别、职业、兴趣或者 已购买商品中每一个，计算极性度数。
52、 一种在计算机中板上设置的评价极性估计程序，其中输入包 括待评价对象、与该对象的属性相对应的属性表达以及与该对象的评 价的表达相对应的评价表达在内的信誉信息，该评价极性估计程序用 于输出评价极性，评价极性指示了输入的信誉信息是肯定还是否定， 该评价极性估计程序引起计算机执行输入处理，用于输入信誉信息；用于计算在评价极性己知的信誉信息中包括的属性表达的极性 度数的处理；用于计算在评价极性己知的信誉信息中包括的对象的极性度数 的处理；用于计算在评价极性已知的信誉信息中包括的评价表达的极性 度数的处理；以及用于通过计算综合极性度数来计算输入的信誉信息的极性处理，其中该综合极性度数是通过将属性表达、对象以及评价表达的计算出 的极性度数进行综合集成而获得的。
全文摘要
通过使用评价极性已知的信誉信息来估计评价极性未知的信誉信息的评价极性。本发明的极性估计系统是用于估计评价极性的极性估计系统，评价极性指示了信誉信息是肯定还是否定，该极性估计系统包括信誉信息存储部分，预先存储评价极性已知的信誉信息；以及极性估计装置，用于以预先存储在信誉信息存储部分中的评价极性已知的信誉信息为基础，估计评价极性未知的信誉信息的评价极性。
文档编号G06F17/30GK101641693SQ20078005143
公开日2010年2月3日 申请日期2007年11月20日 优先权日2006年12月18日
发明者久寿居大, 土田正明, 水口弘纪 申请人:日本电气株式会社