コメント-返答の対のモデル化

ここで，コメント元とコメント先の対を大量を得る必要がある． そこで，「みんカラ（みんなのカーライフ）」[5]を参照する． 「みんカラ」はブログ記事のコメントに対してブログ著者からの返答が1対1対応で記述される．よって，「みんカラ」の返答付コメントを収集することでコメント-返答の対を大量に収集することが可能である． 図3.7にその様子を示す．

図: みんカラブログ外観構造

次に，モデル化の方法を説明する． まず，文末表現の認定条件を以下に示す．

• 文字列の末尾側に存在する非漢字かつ非カタカナ文字列を採用
• 括弧内はすべて含む
• 全角空白は無視
• 文末の句点や全角ピリオドは無視

次に，文末表現は多様であるため，文末表現を構成する任意の3文字に注目し， コメントと返事のブロック対から3文字対を全通り抽出する．そして，その対の頻度を求める．

ここで，２つの３文字列 $s_1$ , $s_2$ がコメント-返事のブロック対に出現した回数を返す関数を $f_{\mathit{cr}}( s_1, s_2 )$ とする． $s_1$ と $s_2$ がコメント-返事のブロック対に出現しやすく，逆に $s_2$ と $s_1$ がコメント-返事のブロック対に出現しにくいことを表す関数 $s_{\mathit{SFX3}}( s_1, s_2 )$ を 次式で定義する．

$$s_{\mathit{SFX3}}( s_1, s_2 ) = \log \{ f_{\mathit{cr}}( s_1, s_2 ) + d \} - \log \{ f_{\mathit{cr}}( s_2, s_1 ) + d \}$$ (3.3)

ここで，$d$ は定数（本研究では $d = 0.5$ とした）である．
$M_{\mathit{SFX3}}$ のモデル化のために，2,980件のブログ記事を利用した． 得られた3文字列の組は，55,237組であった． $s_{\mathit{SFX3}}$ のスコアの高いものを幾つか表2に例示する．

表: コメント返答文末表現対の例

コメント文末	返答文末	スコア
めでと	ありが	4.330733
おめで	ありが	4.330733
めでと	りがと	4.317488
…	…	…
んばん	おはよ	3.583516
めでと	うござ	3.583519
でとう	うござ	3.540959
…	…	…
ですね	ますm	2.833213
すね!	ｗｗｗ	2.833213