モバイル・インターネットの普及とともにレストラン・レビュー・サイトが広く定着し，消費者が何をどこで食べるかを考える際に強い影響を持っている一方で，同サイトには攻撃的なレビューや飲食そのものとは無関係のレビュー (以降，これらのレビューをまとめて「不適切レビュー」と呼ぶ) が投稿されることが多いが，これらは，レストラン経営者などからの訴訟を招いたり，ユーザーを不快にさせサイトの品質を悪化させる要因となる．このため同サイトを運営する企業は，悪影響が出る前に不適切レビューを削除する必要があるが，その自動化が難しいため，不適切レビューを明確にすべくガイドラインを用意した上で，作業者を雇用して同レビューを人手で除去せざるを得ない．この雇用に関するコストの高さは同サイトの運営の問題となる．そこで本研究では，実レストラン・レビュー・サイトの該当コストを削減すべく，不適切レビューのフィルタリング処理をlogistic regressionと自立語のbag-of-n-gramを用いて開発した．また，食べログの実データを用いて評価し，同処理が実環境で高い性能を発揮することを示した．
