ここで，「情緒生起の原因に着目した推定手法」として，関連研究を以下 に述べる．まず，目良らは深層格フレー ムと好感度計算式で，入力文から情緒を解析した[8]． この手法は，あらかじめ ユーザが人物と物事に快／不快の好感度を 設定しておき，解析の際，入力文における人物や物事の 好感度を掛け合わせて，正なら「快」，負なら「不 快」という推定を行う． 問題点は，あら ゆる語において好感度を用意する必要があること，および， 人物や物事の省略や照応の解析が必要であることである．
次に，徳久らはWebから感情生起要因となるものを獲得することで感情を解析し た[9]．この手法は，あらかじめ人の感情生起に関する用例文を 原因表現と共にWebから抽 出しておき，解析の際，入力文から原因を検出することで，感情を解析する． 収録でき た感情生起要因は約130万件に登り，これまでにない大規模なコーパスを作成し た．この手法において，感情推定精度はある程度良い精度が得られ ることが分かったが，マイニングへの応用を考えたときの 問題点としては，情緒対象が不明であることが挙げられる．
一方，田中らと吾郷らは，日本語語彙大系に， 「情緒属性」として，判断条件，情緒名，情緒原因，および， 情緒対象を追加し，情緒推定用結合価パターン辞書を作成することで， パターンベースでの情緒推定の手法を示した． 情緒推定の方法は，もし，入力文と結合価パターンがマッチし， 意味属性制約を充足し，かつ，判断条件が成立するならば， 対応する情緒属性を出力するというものである．
ここで，判断条件を常に成立すると仮定することで，用言の語義に基づく情 緒推定が可能であり，目良らの手法ほど格要素に依存することなく 情緒推定が可能である． しかし，判断条件を常に成立すると仮定することで， 過剰に情緒が推定されてしまう問題が発生した．
そこで，本研究では， 判断条件が示す情緒主とある事物の接近／乖離性の関係と， 情緒の共起関係を統計的に集計した判断情報知識ベースを構築し， 過剰な推定の抑制に有効であるかの調査を行う．
本論文の構成は以下の通りである．第2章では，情緒属性付き結合価パターン辞 書について述べる．第3章では，従来手法の問題点と提案 手法について述べる． 第4章では，判断情報知識ベースの構築手順と構築の様子を示す． 第5章では，情緒推定実験を行い，第6章では，実験結果の考察を行う． 最後に第7章でまとめを述べる．