JP2016110256A - 情報処理装置及び情報処理プログラム - Google Patents

Abstract

【課題】特徴空間に配置された文書の集合から、その文書の集合の意味することを検索するようにした情報処理装置を提供する。【解決手段】情報処理装置の配置手段は、文書の特徴に応じて、多次元空間内に該文書を配置し、切出手段は、前記配置手段によって文書が配置された多次元空間から、該文書が分布している領域を切り出し、抽出手段は、前記切出手段によって切り出された領域である閉曲面を示すベクトルを抽出し、検索手段は、前記多次元空間におけるベクトルと該ベクトルの意味を示す情報を対応させて記憶した記憶手段から、前記抽出手段によって抽出されたベクトルに対応する情報を検索する。【選択図】図１

Description

本発明は、情報処理装置及び情報処理プログラムに関する。

特許文献１には、コンテンツを低次元空間内にマッピングする場合に、各コンテンツに予め付与されたメタ情報をマッピングの結果に的確に反映することを目的とし、予め分類体系等のメタ情報が付与されたコンテンツを、２次元平面等の低次元空間にマッピングする場合、高次元マッピング過程において、各コンテンツに概念ベクトルを割り当て、次いで低次元マッピング過程において、その概念ベクトルに基づいて、各コンテンツに低次元空間における位置情報を割り当て、このとき、各コンテンツに予め付与された分類カテゴリー情報が近いほど、低次元空間における位置情報が近くなるように概念ベクトル間の距離を補正することによって、前記複数のコンテンツがメタ情報を反映するようにクラスタ化することが可能となることが開示されている。

特許文献２には、大量の情報を情報間の内容的類似性に基づいて２次元に分類配置するときに、短い時間で分類配置を行えるようにすることを目的とし、情報に付与されたメタ情報にしたがって情報の持つ概念ベクトル間の距離を補正し、その補正した距離にしたがって多次元尺度法などを用いて基準マップを作成した後、未配置の情報が与えられると、その未配置情報の持つ概念ベクトルと基準マップを構成する情報の持つ概念ベクトルとの間の距離（あるいは、その距離を補正した距離）の構造を保存するような形で、その未配置情報の基準マップ上における配置座標を算出することで、基準マップ上に配置されていない情報を基準マップに逐次的に分類配置し、このようにして、個々の情報を基準マップに逐次的に分類配置できるようになることから、情報の数が増大したり、新たに情報が追加される場合にも、短い時間で分類配置を行えるようになることが開示されている。

特許文献３には、文書を意味的な内容の遠近に応じて一定の次元の空間に高速に配置することを課題とし、ベクトル化手段によってベクトル化した文書に対して、まずクラスタリング手段によって適当な数のベクトルをまとめ、次にクラスタ中心抽出手段によって各々のクラスタを代表する点を抽出し、それらクラスタ中心に対してのみマッピング手段を適用し、クラスタリング手段とマッピング手段の結果からクラスタ展開手段により各クラスタに含まれるベクトルの配置場所を決定することが開示されている。

特許文献４には、データの集合をそのデータの集合に適した形で空間上へ分類配置して表示するには、大きな計算量が必要であり、しかも結果が見づらいことを課題とし、行列で表現されるデータの組において、行か列の、より少ないデータの方を空間上に自己組織化手法などにより配置し、この配置結果のみを用いて他方のデータを配置することで、少ない計算量で分類配置することが可能となり、しかも両方のデータを表示することで片方のデータをラベルとして利用できるため、わかりやすい結果を得ることができることが開示されている。

特開２００３−３２３４５４号公報 特開２００４−０８６２６２号公報 特開平１０−１７１８２３号公報 特開２００３−２８８３５２号公報

ところで、文書の集合が意味することを人間が理解するにあたって、一般的に、文書を特徴空間に配置することが行われる。それらの文書の内容を熟知している専門家は、文書の配置から意味を抽出することができるが、専門家以外の者にとっては、その配置から意味を抽出することは困難である。また、文書の配置から意味を抽出することができるものはない。
本発明は、特徴空間に配置された文書の集合から、その文書の集合の意味することを検索するようにした情報処理装置及び情報処理プログラムを提供することを目的としている。

かかる目的を達成するための本発明の要旨とするところは、次の各項の発明に存する。
請求項１の発明は、文書の特徴に応じて、多次元空間内に該文書を配置する配置手段と、前記配置手段によって文書が配置された多次元空間から、該文書が分布している領域を切り出す切出手段と、前記切出手段によって切り出された領域である閉曲面を示すベクトルを抽出する抽出手段と、前記多次元空間におけるベクトルと該ベクトルの意味を示す情報を対応させて記憶した記憶手段から、前記抽出手段によって抽出されたベクトルに対応する情報を検索する検索手段を具備する情報処理装置である。

請求項２の発明は、前記検索手段によって検索された情報を提示する提示手段をさらに具備する請求項１に記載の情報処理装置である。

請求項３の発明は、前記抽出手段は、前記切出手段によって切り出された領域である閉曲面を示す式を生成し、該式の係数を前記ベクトルの要素として取り出し、前記ベクトルを正規化する、請求項１又は２に記載の情報処理装置である。

請求項４の発明は、前記ベクトルに対応する情報を受け付け、前記記憶手段に該ベクトルに対応する情報を登録する登録手段をさらに具備する請求項１〜３のいずれか１項に記載の情報処理装置である。

請求項５の発明は、コンピュータを、文書の特徴に応じて、多次元空間内に該文書を配置する配置手段、前記配置手段によって文書が配置された多次元空間から、該文書が分布している領域を切り出す切出手段、前記切出手段によって切り出された領域である閉曲面を示すベクトルを抽出する抽出手段、前記多次元空間におけるベクトルと該ベクトルの意味を示す情報を対応させて記憶した記憶手段から、前記抽出手段によって抽出されたベクトルに対応する情報を検索する検索手段、として機能させるための情報処理プログラムである。

請求項１の情報処理装置によれば、特徴空間に配置された文書の集合から、その文書の集合の意味することを検索することができる。

請求項２の情報処理装置によれば、文書の集合の意味することを提示することができる。
請求項３の情報処理装置によれば、文書が分布している領域を示す閉曲面を正規化することができる。

請求項４の情報処理装置によれば、検索手段によってベクトルに対応する情報を検索できなかった場合や、ユーザが検索結果とは異なる解釈を追加したい場合は、そのベクトルに対応する情報を登録することができる。

請求項５の情報処理プログラムによれば、特徴空間に配置された文書の集合から、その文書の集合の意味することを検索することができる。

本実施の形態の構成例についての概念的なモジュール構成図である。 本実施の形態を利用したシステム構成例を示す説明図である。 本実施の形態による処理例を示すフローチャートである。 本実施の形態による処理例を示す説明図である。 本実施の形態による処理例を示す説明図である。 本実施の形態による処理例を示す説明図である。 本実施の形態による処理例を示す説明図である。 本実施の形態による処理例を示す説明図である。 本実施の形態を実現するコンピュータのハードウェア構成例を示すブロック図である。

以下、図面に基づき本発明を実現するにあたっての好適な一実施の形態の例を説明する。
図１は、本実施の形態の構成例についての概念的なモジュール構成図を示している。
なお、モジュールとは、一般的に論理的に分離可能なソフトウェア（コンピュータ・プログラム）、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはコンピュータ・プログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、それらのモジュールとして機能させるためのコンピュータ・プログラム（コンピュータにそれぞれの手順を実行させるためのプログラム、コンピュータをそれぞれの手段として機能させるためのプログラム、コンピュータにそれぞれの機能を実現させるためのプログラム）、システム及び方法の説明をも兼ねている。ただし、説明の都合上、「記憶する」、「記憶させる」、これらと同等の文言を用いるが、これらの文言は、実施の形態がコンピュータ・プログラムの場合は、記憶装置に記憶させる、又は記憶装置に記憶させるように制御するの意である。また、モジュールは機能に一対一に対応していてもよいが、実装においては、１モジュールを１プログラムで構成してもよいし、複数モジュールを１プログラムで構成してもよく、逆に１モジュールを複数プログラムで構成してもよい。また、複数モジュールは１コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって１モジュールが複数コンピュータで実行されてもよい。なお、１つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続のほか、論理的な接続（データの授受、指示、データ間の参照関係等）の場合にも用いる。「予め定められた」とは、対象としている処理の前に定まっていることをいい、本実施の形態による処理が始まる前はもちろんのこと、本実施の形態による処理が始まった後であっても、対象としている処理の前であれば、そのときの状況・状態に応じて、又はそれまでの状況・状態に応じて定まることの意を含めて用いる。「予め定められた値」が複数ある場合は、それぞれ異なった値であってもよいし、２以上の値（もちろんのことながら、全ての値も含む）が同じであってもよい。また、「Ａである場合、Ｂをする」という意味を有する記載は、「Ａであるか否かを判断し、Ａであると判断した場合はＢをする」の意味で用いる。ただし、Ａであるか否かの判断が不要である場合を除く。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク（一対一対応の通信接続を含む）等の通信手段で接続されて構成されるほか、１つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。「装置」と「システム」とは、互いに同義の用語として用いる。もちろんのことながら、「システム」には、人為的な取り決めである社会的な「仕組み」（社会システム）にすぎないものは含まない。
また、各モジュールによる処理毎に又はモジュール内で複数の処理を行う場合はその処理毎に、対象となる情報を記憶装置から読み込み、その処理を行った後に、処理結果を記憶装置に書き出すものである。したがって、処理前の記憶装置からの読み込み、処理後の記憶装置への書き出しについては、説明を省略する場合がある。なお、ここでの記憶装置としては、ハードディスク、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、外部記憶媒体、通信回線を介した記憶装置、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）内のレジスタ等を含んでいてもよい。

本実施の形態である情報処理装置１００は、特徴空間に配置された文書の集合から、その文書の集合の意味することを検索するものであって、図１の例に示すように、文書受付モジュール１０５、文書特徴抽出モジュール１１０、分布領域処理モジュール１１５、検索モジュール１４５、意味データベース１５０、提示モジュール１５５、登録モジュール１６０を有している。

文書受付モジュール１０５は、文書特徴抽出モジュール１１０と接続されている。文書受付モジュール１０５は、文書の集合（文書数が１以上の文書群）を受け付ける。ここで、文書とは、文字が書かれた文書以外にも図形、動画、音声等を含んでいても良い。なお、受け付ける文書の集合は、記憶装置（コンピュータに内蔵されているもののほかに、ネットワークを介して接続されているもの等を含む）に蓄積された文書集合、フォルダー内の文書集合、ユーザが指定した検索式による検索結果等であってもよい。
文書特徴抽出モジュール１１０は、文書受付モジュール１０５、分布領域処理モジュール１１５と接続されている。文書特徴抽出モジュール１１０は、文書受付モジュール１０５が受け付けた文書から、その文書の特徴を抽出する。文書の特徴として、作成日、作成者、作成者が所属する部署等の文書の属性であってもよいし、文書内の単語等の文言（例えば、文書を形態素解析した結果等）であってもよいし、文書の構造（例えば、図面数、段落数等）等であってもよい。

分布領域処理モジュール１１５は、特徴空間配置モジュール１２０、分布測定モジュール１２５、領域切出モジュール１３０、閉曲面抽出モジュール１３５、閉曲面特徴ベクトル抽出モジュール１４０を有しており、文書特徴抽出モジュール１１０、検索モジュール１４５と接続されている。分布領域処理モジュール１１５は、特徴空間に配置された文書の分布を抽出する。
特徴空間配置モジュール１２０は、分布測定モジュール１２５と接続されている。特徴空間配置モジュール１２０は、文書特徴抽出モジュール１１０によって抽出された特徴に応じて、多次元空間である特徴空間内に文書を配置する。特徴空間における軸は、予め定められた特徴を軸としてもよいし、クラスタリング手法を用いて軸を生成してもよいし、文書受付モジュール１０５が受け付けた文書を収集した際に用いた検索におけるファセット等を軸として採用するようにしてもよい。具体的には、その軸数の次元を有する多次元空間配列を用意し、その多次元空間配列における配置（マッピング）は、前述した特許文献に記載された技術等を用いればよい。なお、ファセットを軸として用いる場合、ファセットによっては予め定められた基準によりソートする必要がある場合がある。例えば、作成日時等の時刻情報が該当する。また、少なくとも軸上のファセットの配置は再現性がある必要がある。例えば、時刻情報が昇順・降順で変更されることはあるがランダムになることはない。

分布測定モジュール１２５は、特徴空間配置モジュール１２０、領域切出モジュール１３０と接続されている。分布測定モジュール１２５は、特徴空間配置モジュール１２０によって文書が配置された特徴空間から、その文書の分布を測定する。具体的には、例えば、その特徴空間の単位空間における分布密度を測定する。
領域切出モジュール１３０は、分布測定モジュール１２５、閉曲面抽出モジュール１３５と接続されている。領域切出モジュール１３０は、特徴空間配置モジュール１２０によって文書が配置された特徴空間から、その文書が分布している領域（以下、クラスタともいう）を切り出す。具体的には、例えば、分布測定モジュール１２５によって測定された分布密度が予め定められた条件を満たす場合に、その文書が存在する分布であるとしてもよい。ここで予め定められた条件として、例えば、分布密度が予め定められた閾値より大きい又は以上であることを条件としてもよいし、周囲の分布密度と比較して、予め定められた差分より大きい又は以上である箇所を分布の境界として抽出する条件等としてもよい。
なお、分布測定モジュール１２５、領域切出モジュール１３０による処理として、画像処理でいうところのぼかし処理（フィルタによるコンボリューション処理等）、二値化処理を用いるようにしてもよい。これらは、既存の同等技術が利用できる。なお、二値化処理には単純な閾値による二値化のほかにプリンタ等で使用されている高度な二値化（誤差拡散法等）、３Ｄグラフィックスなどで利用されるメタボール等を利用するようにしてもよい。

閉曲面抽出モジュール１３５は、領域切出モジュール１３０、閉曲面特徴ベクトル抽出モジュール１４０と接続されている。閉曲面抽出モジュール１３５は、領域切出モジュール１３０によって切り出された領域を表すｎ次閉曲面を算出する。
閉曲面特徴ベクトル抽出モジュール１４０は、閉曲面抽出モジュール１３５と接続されている。閉曲面特徴ベクトル抽出モジュール１４０は、閉曲面抽出モジュール１３５によって算出されたｎ次閉曲面から特徴ベクトルを抽出する。
また、閉曲面特徴ベクトル抽出モジュール１４０は、領域切出モジュール１３０によって切り出された領域であるｎ次閉曲面を示す式を生成し、その式の係数を特徴ベクトルの要素として取り出し、その特徴ベクトルを正規化（例えば、各変数の係数の比とする処理等）するようにしてもよい。後段の意味データベース１５０との照合をするときに、形状を何らかの形で数値化し、それによって意味データベース１５０を参照する。そのため、形状を概ね特定できる数式モデルを用意し、その係数をフィッティング（回帰分析などと同様）により求める。かかる処理により、式の係数は配置空間の次元数に応じた固定長の数列になる。正規化処理は、大きさは異なるが分布が同等である文書の集合を同じ特徴であるとして認識するようにするためである。
なお、閉曲面抽出モジュール１３５、閉曲面特徴ベクトル抽出モジュール１４０による処理として、画像認識技術を用いるようにしてもよい。例えば、顔画像認識技術を用いて、領域切出モジュール１３０によって切り出された領域を示す特徴ベクトルを抽出するようにしてもよい。

検索モジュール１４５は、分布領域処理モジュール１１５、意味データベース１５０、提示モジュール１５５、登録モジュール１６０と接続されている。検索モジュール１４５は、意味データベース１５０から、閉曲面特徴ベクトル抽出モジュール１４０によって抽出された特徴ベクトルに対応する情報を検索する。なお、特徴ベクトルをキーとした検索において、完全一致による検索であってもよいし、完全一致ではなく近い値で検索し、複数の候補を抽出するようにしてもよい。例えば、意味データベース１５０に登録されている特徴ベクトルと比較対象の特徴ベクトルの内積を取り、大きなものから順番に高スコアとするようにしてもよい。
意味データベース１５０は、検索モジュール１４５、登録モジュール１６０と接続されている。意味データベース１５０は、対象としている多次元空間における特徴ベクトルとその特徴ベクトルの意味を示す情報を対応させて記憶している。つまり、特徴ベクトルをキーとして、その特徴ベクトルに対応する意味情報を検索できるようになっており、具体的には、特徴ベクトルと意味情報を対として記憶しているテーブル等で構成する。

提示モジュール１５５は、検索モジュール１４５と接続されている。提示モジュール１５５は、検索モジュール１４５によって検索された情報を提示する。
登録モジュール１６０は、検索モジュール１４５、意味データベース１５０と接続されている。登録モジュール１６０は、検索モジュール１４５によってベクトルに対応する情報を検索できなかった場合や、ユーザが意味情報を新たに追加したい場合にそのベクトルに対応する情報を受け付け、意味データベース１５０にそのベクトルに対応する情報を登録する。ベクトルに対応する情報は、ユーザが入力する。ユーザは、キーボード、マウス、タッチパネル、音声、視線、ジェスチャ等を用いた操作によって、対象となっている領域の意味情報を入力する。また、その際に、意味データベース１５０に登録された最も近い値（意味情報）を候補としてユーザに提示することも可能である。ユーザは、その意味情報を参照して、意味情報を入力することになる。

図２は、本実施の形態を利用したシステム構成例を示す説明図である。
情報処理装置１００、ユーザ端末２１０Ａ、ユーザ端末２１０Ｂは、通信回線２９０を介してそれぞれ接続されている。通信回線２９０は、無線、有線、これらの組み合わせであってもよく、例えば、通信インフラとしてのインターネット等であってもよい。
ユーザ端末２１０に対してユーザが検索等の操作をすることによって、文書の集合を情報処理装置１００に渡す。情報処理装置１００は、文書の集合の意味を抽出し、ユーザ端末２１０へ渡す。ユーザ端末２１０は、その結果をユーザに提示する。
また、専門家であるユーザがユーザ端末２１０Ａを用いて、文書の集合の意味情報を登録することを事前に行って、その後に、一般的なユーザがユーザ端末２１０Ｂを用いて、文書の集合の意味情報を抽出させるようにしてもよい。
なお、情報処理装置１００を、ユーザ端末２１０に内蔵させて、スタンドアローンとしての構成としてもよい。情報処理装置１００をクラウドとして構築し、文書検索とその検索結果からの解析情報を提示する文書整理サービス等を提供するようにしてもよい。

図３は、本実施の形態による処理例を示すフローチャートである。
ステップＳ３０２では、文書受付モジュール１０５は、文書の集合を受け付ける。
ステップＳ３０４では、文書特徴抽出モジュール１１０は、文書の特徴を抽出する。
ステップＳ３０６では、特徴空間配置モジュール１２０は、多次元配列を用意する。
ステップＳ３０８では、特徴空間配置モジュール１２０は、文書を多次元配列内に配置する。図４は、公開特許公報（文書）の集合を、特徴空間である多次元空間に配置した例を示したものである。この例では、ファセットである権利者、キーワード、技術分野、出願日を軸とした４次元空間を構成しており、公開特許公報を配置したものである。

ステップＳ３１０では、分布測定モジュール１２５は、配置した文書群の分布を測定する。
ステップＳ３１２では、領域切出モジュール１３０は、予め定めた閾値以上の密度を有する領域を切り出す。図５は、切り出した領域の例を示したものである。ここでは、領域５１０、５２０、５３０を３次元形状で示しているが、特徴空間の次元における形状となる。多次元空間に配置した分布に対して、ぼかし処理、二値化処理と同等の処理を行い、領域５１０、５２０、５３０を抽出する。

ステップＳ３１４では、閉曲面抽出モジュール１３５は、切り出した領域を表すｎ次元閉曲面を抽出する。ステップＳ３１２で切り出した領域の形状を表す数式を作成する。例えば、回帰分析等の公知の技術を用いればよい。図６（ｂ）は、図６（ａ）に示す領域５３０の形状を数式化した例を示すものである。
ステップＳ３１６では、閉曲面特徴ベクトル抽出モジュール１４０は、ｎ次元閉曲面を表す特徴ベクトルを抽出する。特徴ベクトルとして、数式の各軸を示す変数（ｘ、ｙ、ｚ等）の係数を抽出する。図６（ｃ）は、数式から各係数を抽出した例を示すものである。この例では、ｘ^４の係数である「５．２４７」、ｙ^３の係数である「３．１１」、ｚの係数である「１．５３」等を抽出している。そして、これをベクトルとして扱い、図６（ｄ）の例に示すように、長さ１の単位ベクトルに正規化する。

ステップＳ３１８では、検索モジュール１４５は、図６（ｅ）の例に示すように、特徴ベクトルを検索対象として、意味データベース１５０を検索する。
ステップＳ３２０では、検索モジュール１４５は、意味データベース１５０内に検索結果があるか否かを判断し、ある場合はステップＳ３２２へ進み、ない場合はステップＳ３２４へ進む。
ステップＳ３２２では、提示モジュール１５５は、検索結果を提示する。図６（ｆ）の例に示すように、検索結果である「同じ技術分野ですが権利者によって表現がばらつきます」というようなクラスタ（分布）の意味を説明する表示を行う。
ステップＳ３２４では、登録モジュール１６０は、ユーザから自然言語による説明文（意味情報）を受け付ける。図６（ｇ）の例に示すように、クラスタの意味を入力する。なお、この入力ができるユーザは、専門家だけとしてもよい。例えば、説明入力許可されている職階の属性を有しているユーザか否かを判断してもよい。

ステップＳ３２６では、登録モジュール１６０は、特徴ベクトルと説明文を対応付ける。
ステップＳ３２８では、登録モジュール１６０は、対応付けから説明文のテンプレートを作成する。
ステップＳ３３０では、登録モジュール１６０は、対応付け結果、説明文のテンプレートを意味データベース１５０に登録する。
ステップＳ３３２では、登録モジュール１６０は、ユーザから説明文の追加指示があるか否かを判断する。追加指示がある場合はステップＳ３２４へ進み、それ以外の場合は終了（ステップＳ３９９）する。検索には成功する（ステップＳ３２０でＹｅｓの場合）が、その検索結果（文書の分布に対する解釈）に不満がある場合に新しい解釈を追加できるようにしたものである。
意味データベース１５０は、特徴ベクトル（文書分布のパターン）と自然言語による説明文とを対応させる辞書を有している。例えば、特徴ベクトルと説明文のテンプレートを対応させるようにしてもよい。このテンプレートは、軸の名前（ファセット）の部分が引数となっており、その部分にファセットを埋め込んで説明文とするものである。
ここで、例えば特許検索の場合は、次のようになる。
特徴ベクトル（０．７８９，０．４６７，０．２３０，０．３２６，.......）
この特徴ベクトルに対応する説明文は、『同じ＜技術分野＞ですが＜権利者＞によって＜表現＞がばらつきます』となる。
この＜〜＞内は、別の検索分野では別のキーワードになる。＜〜＞以外の周辺の部分は固定したテンプレートになる。例えば、工場の性能評価レポートの検索であれば、同様の特徴ベクトルに対して、
『同じ＜製品型番：ｘｘｘ−ｙｙｙ−１２３４５＞ですが＜作業者＞によって＜何々の性能＞がばらつきます』
という説明文を提示する。なお、この場合、特徴空間の軸として、製品型番、作業者、性能、仕入先等がある。

図７は、本実施の形態による別の処理例を示す説明図である。前述した図６等の例に、機械学習によるフィードバックを行うようにしたものである。又は、初期の段階で意味データベース１５０内のデータを生成するための処理である。
図７（ａ）〜（ｅ）は、図６（ａ）〜（ｅ）と同じ処理である。図７（ｆ）では、クラスタの意味が入力される。その際に、図７（ｇ）の例に示すように、抽出された特徴ベクトルと類似する特徴ベクトルに対応する説明分を提示する。例えば、特徴ベクトルと意味データベース１５０に登録された特徴ベクトルとの内積等により評価し、スコアの順に上位の予め定められた個数の説明文を出力する。これらの説明文は、対象としている文書のクラスタに関するありそうな解釈を列挙したことになる。
この中からユーザが最終的に選択した解釈又は新たに入力された解釈を元にして、機械学習を行い、意味データベースの重み付けを調整する（図７（ｈ））。例えば、次のように、特徴ベクトル、重み、説明分を関連付けて、意味データベース１５０に記憶する。
特徴ベクトル（０．７８４，０．５０，０．２１３，…）、重み０．８、テンプレート文「同じ＜％１＞ですが＜％２＞によって＜％３＞がばらつきます」
特徴ベクトル（０．２４５，０．４３２，０．３３，…）、重み０．４、テンプレート文「肯定的な＜％１＞と批判的な＜％１＞を対比しているようです」
ここで、＜％１＞、＜％２＞、＜％３＞はそれぞれ任意のキーワードを表す。

図８は、本実施の形態による処理例を示す説明図である。マッピング空間８００は、本実施の形態による処理例を示したものである。マッピング空間８００は、横軸に文書に含まれているキーワード（キーワード軸８２０、図８では「１」、「２」等）と、縦軸にその文書の登録者（登録者軸８１０、図８では「Ａ」、「Ｂ」等）で２次元の特徴空間を構成している。
この例では、「甲」というキーワードを含む文書とその類似文書を２次元空間にマッピングしている。クラスタ８５０のように横長の領域が現れている。クラスタ８５０の中心を成しているＤ氏は上司であり、部下から「甲」に関する多くの報告を受け、文書を作成している。しかし、部分的に抜けがあることがわかる。そこで、このクラスタ８５０の特徴と軸の特徴から、本実施の形態は、意味情報として「Ｄさんが登録している文書には、『１』、『５』、『８』、『９』、『１０』、『１１』、『１３』、『１７』の観点が抜けている恐れがあります。」等と検索結果である説明文を提示する。この説明文により実際に抜けがあるのか、それとも意図して除外しているのかといったチェックを行うことができるようになる。

なお、本実施の形態としてのプログラムが実行されるコンピュータのハードウェア構成は、図９に例示するように、一般的なコンピュータであり、具体的にはパーソナルコンピュータ、サーバーとなり得るコンピュータ等である。つまり、具体例として、処理部（演算部）としてＣＰＵ９０１を用い、記憶装置としてＲＡＭ９０２、ＲＯＭ９０３、ＨＤ９０４を用いている。ＨＤ９０４として、例えばハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）を用いてもよい。文書受付モジュール１０５、文書特徴抽出モジュール１１０、分布領域処理モジュール１１５、特徴空間配置モジュール１２０、分布測定モジュール１２５、領域切出モジュール１３０、閉曲面抽出モジュール１３５、閉曲面特徴ベクトル抽出モジュール１４０、検索モジュール１４５、提示モジュール１５５、登録モジュール１６０等のプログラムを実行するＣＰＵ９０１と、そのプログラムやデータを記憶するＲＡＭ９０２と、本コンピュータを起動するためのプログラム等が格納されているＲＯＭ９０３と、意味データベース１５０としての機能を有する補助記憶装置（フラッシュメモリ等であってもよい）であるＨＤ９０４と、キーボード、マウス、タッチパネル等に対するユーザの操作に基づいてデータを受け付ける受付装置９０６と、ＣＲＴ、液晶ディスプレイ等の出力装置９０５と、ネットワークインタフェースカード等の通信ネットワークと接続するための通信回線インタフェース９０７、そして、それらをつないでデータのやりとりをするためのバス９０８により構成されている。これらのコンピュータが複数台互いにネットワークによって接続されていてもよい。

前述の実施の形態のうち、コンピュータ・プログラムによるものについては、本ハードウェア構成のシステムにソフトウェアであるコンピュータ・プログラムを読み込ませ、ソフトウェアとハードウェア資源とが協働して、前述の実施の形態が実現される。
なお、図９に示すハードウェア構成は、１つの構成例を示すものであり、本実施の形態は、図９に示す構成に限らず、本実施の形態において説明したモジュールを実行可能な構成であればよい。例えば、一部のモジュールを専用のハードウェア（例えば特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）等）で構成してもよく、一部のモジュールは外部のシステム内にあり通信回線で接続しているような形態でもよく、さらに図９に示すシステムが複数互いに通信回線によって接続されていて互いに協調動作するようにしてもよい。また、特に、パーソナルコンピュータのほか、情報家電、複写機、ファックス、スキャナ、プリンタ、複合機（スキャナ、プリンタ、複写機、ファックス等のいずれか２つ以上の機能を有している画像処理装置）などに組み込まれていてもよい。

前述の実施の形態においては、多次元空間を表現するのに、多次元配列を用いたが、これに限定されるものではなく、異なるデータ構造を有していてもよい。例えば、グラフ構造、ツリー構造等を用いてもよい。

なお、説明したプログラムについては、記録媒体に格納して提供してもよく、また、そのプログラムを通信手段によって提供してもよい。その場合、例えば、前記説明したプログラムについて、「プログラムを記録したコンピュータ読み取り可能な記録媒体」の発明として捉えてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通等のために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク（ＤＶＤ）であって、ＤＶＤフォーラムで策定された規格である「ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ−ＲＡＭ等」、ＤＶＤ＋ＲＷで策定された規格である「ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等」、コンパクトディスク（ＣＤ）であって、読出し専用メモリ（ＣＤ−ＲＯＭ）、ＣＤレコーダブル（ＣＤ−Ｒ）、ＣＤリライタブル（ＣＤ−ＲＷ）等、ブルーレイ・ディスク（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、光磁気ディスク（ＭＯ）、フレキシブルディスク（ＦＤ）、磁気テープ、ハードディスク、読出し専用メモリ（ＲＯＭ）、電気的消去及び書換可能な読出し専用メモリ（ＥＥＰＲＯＭ（登録商標））、フラッシュ・メモリ、ランダム・アクセス・メモリ（ＲＡＭ）、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリーカード等が含まれる。
そして、前記のプログラム又はその一部は、前記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、又は無線通信ネットワーク、さらにこれらの組み合わせ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、前記のプログラムは、他のプログラムの一部分であってもよく、又は別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して記録されていてもよい。また、圧縮や暗号化等、復元可能であればどのような態様で記録されていてもよい。

１００…情報処理装置
１０５…文書受付モジュール
１１０…文書特徴抽出モジュール
１１５…分布領域処理モジュール
１２０…特徴空間配置モジュール
１２５…分布測定モジュール
１３０…領域切出モジュール
１３５…閉曲面抽出モジュール
１４０…閉曲面特徴ベクトル抽出モジュール
１４５…検索モジュール
１５０…意味データベース
１５５…提示モジュール
１６０…登録モジュール
２１０…ユーザ端末
２９０…通信回線

Claims (5)

1. 文書の特徴に応じて、多次元空間内に該文書を配置する配置手段と、
   前記配置手段によって文書が配置された多次元空間から、該文書が分布している領域を切り出す切出手段と、
   前記切出手段によって切り出された領域である閉曲面を示すベクトルを抽出する抽出手段と、
   前記多次元空間におけるベクトルと該ベクトルの意味を示す情報を対応させて記憶した記憶手段から、前記抽出手段によって抽出されたベクトルに対応する情報を検索する検索手段と、
   を具備する情報処理装置。
2. 前記検索手段によって検索された情報を提示する提示手段
   をさらに具備する請求項１に記載の情報処理装置。
3. 前記抽出手段は、前記切出手段によって切り出された領域である閉曲面を示す式を生成し、該式の係数を前記ベクトルの要素として取り出し、前記ベクトルを正規化する、
   請求項１又は２に記載の情報処理装置。
4. 前記ベクトルに対応する情報を受け付け、前記記憶手段に該ベクトルに対応する情報を登録する登録手段
   をさらに具備する請求項１〜３のいずれか１項に記載の情報処理装置。
5. コンピュータを、
   文書の特徴に応じて、多次元空間内に該文書を配置する配置手段、
   前記配置手段によって文書が配置された多次元空間から、該文書が分布している領域を切り出す切出手段、
   前記切出手段によって切り出された領域である閉曲面を示すベクトルを抽出する抽出手段、
   前記多次元空間におけるベクトルと該ベクトルの意味を示す情報を対応させて記憶した記憶手段から、前記抽出手段によって抽出されたベクトルに対応する情報を検索する検索手段、
   として機能させるための情報処理プログラム。

Images