JP2000305950A

JP2000305950A - 文書分類装置および文書分類方法

Info

Publication number: JP2000305950A
Application number: JP11118798A
Authority: JP
Inventors: Tetsuo Nagatsuka; 哲郎長束; Tatsuo Miyaji; 達生宮地; Atsuo Shimada; 敦夫嶋田; Eiji Kenmochi; 栄治剣持; Makoto Yamazaki; 真湖人山崎; Kazuhisa Takeya; 一寿武谷
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1999-04-26
Filing date: 1999-04-26
Publication date: 2000-11-02

Abstract

(57)【要約】【課題】利用者がクラスタの特徴を容易に把握するこ
とができる文書分類装置などを提供する。【解説手段】文書の内容に従って文書群を分類する文
書分類装置において、分類対象の文書データ群の各文書
データを文書の内容に従って自動的に分類する文書分類
部２と、文書分類部２により分類された文書データの部
分集合である各クラスタに属する文書データの各クラス
タにおける順位関係を示す特徴値を求める特徴値算出部
３と、一つのクラスタに属する文書データ群を分割する
ためのしきい値を指定させるしきい値指定部５と、しき
い値指定部５により指定されたしきい値および特徴値算
出部３により求められた各文書データの特徴値に従って
一つのクラスタに属する前記文書データ群を分割するク
ラスタ分割部６とを備えた。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された文書群
を文書の内容に従って分類する文書分類装置などに係わ
り、特に、分類された文書データの部分集合である各ク
ラスタに属する文書データ群を指定したしきい値に従っ
て分割させることができる文書分類装置などに関する。

【０００２】

【従来の技術】近年、インターネットなどの普及によ
り、大量の文書群へのアクセスが可能になり、その結
果、そのような文書群を様々な利用者の意図に基づい
て、且つ効率的に利用できるようにする必要性が高まっ
ている。そのため、大量の文書群を意味のあるカテゴリ
（クラスタ）に分類するというような作業が行われ始め
ている。しかし、このような分類作業を人的に行おうと
すると、その人的／時間的コストが膨大なものになると
か、また、分類のための知識を分類者のみが有すること
になるため、分類担当者が代わると分類基準も変わって
しまうとかいうような問題がある。そのため、文書群を
人間が分類するような分類基準で自動的に分類しうる文
書分類装置が望まれており、特開平7-114572号公報に示
されているように、文書に含まれる単語から特徴ベクト
ルを抽出して、文書群を複数のクラスタ（部分集合）に
分類する技術などが提供されるに至っている。しかし、
分類された一つのクラスタに多数の文書データ（文書）
が属していたり、一つのクラスタ内にそのクラスタと関
連のない文書データが含まれたりするため、利用者がク
ラスタの特徴を容易に理解できないというような問題が
ある。また、分類対象である文書データが必ずいずれか
のクラスタに属するように分類する文書分類装置では、
クラスタとの関連度（類似度）の低い文書データが一つ
のクラスタに分類されてしまい、クラスタ内のまとまり
が低くなるというような問題もある。

【０００３】

【発明が解決しようとする課題】本発明の課題は、前記
のような従来技術の問題を解決し、分類された文書デー
タの部分集合である各クラスタに属する文書データ群を
属するクラスタとの類似度などに従って分割させたりす
ることにより、利用者がクラスタの特徴を容易に把握す
ることができたり、クラスタとの関連度の低い文書デー
タを複数のクラスタから集めて新たなクラスタを作成す
ることでより適切な分類結果を得ることもできたりする
文書分類装置などを提供することにある。

【０００４】

【課題を解決するための手段】前記の課題を解決するた
めに、請求項１記載の発明では、文書の内容に従って文
書群を分類する文書分類装置において、分類対象の文書
データ群の各文書データを文書の内容に従って自動的に
分類する文書分類手段と、前記文書分類手段により分類
された文書データの部分集合である各クラスタに属する
文書データの各クラスタにおける順位関係を示す特徴値
を求める特徴値算出手段と、一つのクラスタに属する文
書データ群を分割するためのしきい値を指定させるしき
い値指定手段と、前記しきい値指定手段により指定され
たしきい値および前記特徴値算出手段により求められた
各文書データの特徴値に従って一つのクラスタに属する
前記文書データ群を分割する分割手段とを備えた。ま
た、請求項２記載の発明では、請求項１記載の発明にお
いて、各クラスタに属する文書データの各クラスタにお
ける順位関係を示す特徴値として、前記文書データとそ
の文書データの属するクラスタとの類似度を求めるよう
に特徴値算出手段を構成し、しきい値として類似度を指
定させるようにしきい値指定手段を構成した。また、請
求項３記載の発明では、請求項１記載の発明において、
各クラスタに属する文書データの各クラスタにおける順
位関係を示す特徴値として、前記文書データとその文書
データの属するクラスタとの類似度を求めるように特徴
値算出手段を構成し、しきい値として文書データ数を指
定させるようにしきい値指定手段を構成し、最大または
最小の類似度の文書データから類似度順に前記文書デー
タ数の文書データまでを分割された一つの部分文書デー
タ群として分割するように分割手段を構成した。また、
請求項４記載の発明では、請求項１記載の発明におい
て、各クラスタに属する文書データの各クラスタにおけ
る順位関係を示す特徴値として、前記文書データとその
文書データの属するクラスタとの類似度の偏差値を求め
るように特徴値算出手段を構成し、しきい値として類似
度の偏差値を指定させるようにしきい値指定手段を構成
した。また、請求項５記載の発明では、請求項１〜４の
いずれかに記載の発明において、特徴値を含む分類結果
情報が特徴値の値順に表示されている画面上の所望の位
置を指示させることによりしきい値を指定させるように
しきい値指定手段を構成した。また、請求項６記載の発
明では、請求項１〜５のいずれかに記載の発明におい
て、クラスタ毎にしきい値を指定できるようにしきい値
指定手段を構成した。また、請求項７記載の発明では、
請求項１〜６のいずれかに記載の文書分類装置におい
て、分割手段により分割された各文書データを示す情報
の表示形式を前記文書データの属する部分文書データ群
に対応付けて異ならせた構成にした。また、請求項８記
載の発明では、請求項１〜７のいずれかに記載の発明に
おいて、分割手段により複数のクラスタを分割して作成
した複数の部分文書データ群を異なったクラスタから抽
出し合成して新たなクラスタを作成する構成にした。

【０００５】また、請求項９記載の発明では、文書の内
容に従って文書群を分類する文書分類方法において、分
類対象の文書データ群の各文書データを文書の内容に従
って自動的に分類し、分類された文書データの部分集合
である各クラスタに属する文書データの各クラスタにお
ける順位関係を示す特徴値を求め、一つのクラスタに属
する文書データ群を分割するためのしきい値を指定さ
せ、指定されたしきい値および各文書データの前記特徴
値に従って一つのクラスタに属する前記文書データ群を
分割する方法にした。また、請求項１０記載の発明で
は、請求項９記載の発明において、各クラスタに属する
文書データの各クラスタにおける順位関係を示す特徴値
として、前記文書データとその文書データの属するクラ
スタとの類似度を求め、しきい値として類似度を指定さ
せるようにした。また、請求項１１記載の発明では、請
求項９記載の発明において、各クラスタに属する文書デ
ータの各クラスタにおける順位関係を示す特徴値とし
て、前記文書データとその文書データの属するクラスタ
との類似度を求め、しきい値として文書データ数を指定
させ、最大または最小の類似度の文書データから類似度
順に前記文書データ数の文書データまでを分割された一
つの部分文書データ群として分割するようにした。ま
た、請求項１２記載の発明では、請求項９記載の発明に
おいて、各クラスタに属する文書データの各クラスタに
おける順位関係を示す特徴値として、前記文書データと
その文書データの属するクラスタとの類似度の偏差値を
求め、しきい値として類似度の偏差値を指定させるよう
にした。また、請求項１３記載の発明では、請求項９〜
１２記載の発明において、特徴値を含む分類結果情報が
特徴値の値順に表示されている画面上の所望の位置を指
示させることによりしきい値を指定させるようにした。
また、請求項１４記載の発明では、請求項９〜１３記載
の発明において、クラスタ毎にしきい値を指定できるよ
うにした。また、請求項１５記載の発明では、請求項９
〜１４記載の発明において、分割された各文書データを
示す情報の表示形式を前記文書データの属する部分文書
データ群に対応付けて異ならせた。また、請求項１６記
載の発明では、請求項９〜１５記載の発明において、複
数のクラスタを分割して作成した複数の部分文書データ
群を異なったクラスタから抽出し合成して、新たなクラ
スタを作成する方法にした。

【０００６】

【作用】前記のような手段にしたので、請求項１および
請求項９記載の発明では、分類対象の文書データ群の各
文書データが文書の内容に従って自動的に分類され、分
類された文書データの部分集合である各クラスタに属す
る文書データの各クラスタにおける順位関係を示す特徴
値が求められ、一つのクラスタに属する文書データ群を
分割するためのしきい値が指定され、指定されたしきい
値および各文書データの前記特徴値に従って一つのクラ
スタに属する前記文書データ群が分割される。請求項２
および請求項１０記載の発明では、請求項１または請求
項９記載の発明において、各クラスタに属する文書デー
タの各クラスタにおける順位関係を示す特徴値として、
前記文書データとその文書データの属するクラスタとの
類似度が求められ、しきい値として類似度が指定され
る。請求項３および請求項１１記載の発明では、請求項
１または請求項９記載の発明において、各クラスタに属
する文書データの各クラスタにおける順位関係を示す特
徴値として、前記文書データとその文書データの属する
クラスタとの類似度が求められ、しきい値として文書デ
ータ数が指定され、最大または最小の類似度の文書デー
タから類似度順に前記文書データ数の文書データまでが
分割された一つの部分文書データ群として分割される。
請求項４および請求項１２記載の発明では、請求項１ま
たは請求項９記載の発明において、各クラスタに属する
文書データの各クラスタにおける順位関係を示す特徴値
として、前記文書データとその文書データの属するクラ
スタとの類似度の偏差値が求められ、しきい値として類
似度の偏差値が指定される。請求項５および請求項１３
記載の発明では、請求項１〜４または請求項９〜１２記
載の発明において、特徴値を含む分類結果情報が特徴値
の値順に表示されている画面上の所望の位置を指示する
ことによりしきい値が指定される。請求項６および請求
項１４記載の発明では、請求項１〜５または請求項９〜
１３記載の発明において、クラスタ毎にしきい値を指定
できる。請求項７〜１５記載の発明では、請求項１〜６
または請求項９〜１４記載の発明において、分割された
各文書データを示す情報の表示形式が前記文書データの
属する部分文書データ群に対応付けられて異なる。請求
項８および請求項１６記載の発明では、請求項１〜７ま
たは請求項９〜１５記載の発明において、複数のクラス
タが分割されて作成された複数の部分文書データ群が異
なったクラスタから抽出され合成されて新たなクラスタ
が作成される。

【０００７】

【発明の実施の形態】以下、図面により本発明の実施の
形態を詳細に説明する。図１は本発明の各実施の形態の
文書分類装置の構成ブロック図である。図示したよう
に、この実施の形態の文書分類装置は、文書データ群を
入力する文書群入力部１、入力された文書群をその内容
に従って自動的に複数のクラスタ（分類された文書部分
集合）に分類する文書分類部（文書分類手段）２、各ク
ラスタに属する文書データのクラスタ内での順位関係を
示す特徴値を求める特徴値算出部（特徴値算出手段）
３、文書分類部２による分類結果および特徴値算出部２
の求めた特徴値などを記憶しておく分類結果記憶部４、
キーボードなど入力手段を有して利用者にしきい値を指
定させるしきい値指定部５、指定されたしきい値に従っ
てクラスタに属する文書データ群を分割する分割手段で
あるクラスタ分割部６、クラスタ分割部６による分割結
果を記憶しておく分割結果記憶部７、前記分割結果など
を表示する表示部８などを備えている。なお、前記文書
分類部２、特徴値算出部３、しきい値指定部５、クラス
タ分割部６は共有または独自のプログラム記憶用メモリ
およびプログラムに従って動作するＣＰＵを有してい
る。また、しきい値指定部５および表示部８はしきい値
指定手段を構成する。以下、図１などに従って、第１の
実施の形態の文書分類装置、文書分類方法を詳細に説明
する。まず、文書入力部１により、文書群が入力され
る。この文書入力部１はキーボード（しきい値指定部５
と共有）、ＯＣＲ装置、着脱型記録媒体、またはネット
ワーク通信手段を備え、それらのいずれかを介して文書
データ群を入力するのである。そして、文書分類部２が
入力された文書データ群を取得し、それぞれの文書デー
タを複数のクラスタに分類する。例えば、個々の文書デ
ータに対して言語処理を行って文書データを単語に分
け、それぞれの単語の出現頻度を計数し、それに基づい
てそれぞれの文書の特徴を計量的に表す特徴ベクトルを
求め、それらの特徴ベクトルに対してカイ自乗法、判別
分析手法、またはクラスタ分析手法などを適用すること
により文書分類を行うのである。図２に、12個の文書デ
ータを分類対象とした分類事例における各文書データの
特徴ベクトル算出例を示す。ベクトルの成分数は分類対
象文書データ群に生起するすべての単語の種類数になる
が、ここでは、いくつかの単語が縮退した３次元ベクト
ルに線形変換している。

【０００８】また、図３に、12個の文書データをそれら
の有する計量的特徴ベクトルを用いて３つのクラスタに
分類した場合の分類結果例などを示す。文書データの有
する計量的な３次元ベクトルに対して例えばクラスタ分
析手法の一つであるWard法などを適用することで特徴ベ
クトル値の近いもの同士をまとめ、３つのクラスタに分
類することができる。つまり、各文書データは（ｂ）図
に示したように３つのクラスタのうちのいずれか一つに
属する。なお、（ａ）図に示した代表値とは、所属文書
データの特徴ベクトルの平均値（所属文書データの重
心）である。さらに、特徴値算出部３が各クラスタに属
する文書データの各クラスタにおける順位関係を示す特
徴値として、文書データの特徴ベクトルとその文書デー
タの属するクラスタの代表値との距離を求める。クラス
タ12に所属している文書データ13の距離を求める例を次
に示す。（（3.00−2.66）²＋（2.00−2.00）²＋（4.00−3.66）
²）^1/2＝0.48 図３（ｂ）に示した距離はこのようにして求めたもので
ある。所属クラスタの代表値との距離が小さいほど、そ
のクラスタに属する平均的文書との類似度が高いという
ことになり、この距離からクラスタにおける順位関係を
示す特徴値として類似度を求めることができる。なお、
文書分類部２による分類結果および特徴値算出部２の求
めた特徴値（例えば類似度）は分類結果情報として分類
結果記憶部４に記憶される。続いて、しきい値指定部５
が当該クラスタに属する文書データ群を分割させるため
のしきい値を利用者に指定させる。例えば、しきい値指
定部５が当該クラスタに属する各文書データの属性情報
（例えば文書名）を類似度順に並べた表を作成し、表示
部８によりその表を表示させ（図４参照）、表示した表
を利用者に参照させて、このクラスタを分割するための
しきい値（基準値）として例えば類似度をキーボードか
ら数値で入力させるのである。あるいは、複数の類似度
をしきい値候補として表示し、その中から選択させても
よい。図４は、類似度0.3をしきい値として指定した場
合で示している。

【０００９】また、前記のようにしきい値として類似度
を指定させる代わりに、しきい値指定部５がしきい値と
して文書データ数を指定させるようにし、前記のように
クラスタに属する各文書データの属性情報を類似度順に
ソートし（並べ）、最大または最小の類似度の文書デー
タから類似度順に前記文書データ数の文書データまで
を、分割された一つの部分文書データ群として分割する
ようにしてもよい（図５参照）。なお、図５の例では、
文書データ数として類似度の高い方から５を指定してい
る。類似度を直接表示する代わりに、類似度の偏差値を
求めて、その偏差値を同様に表示させ、文書データの属
性情報を偏差値順に並べて、しきい値として偏差値を入
力させるか、文書データ数を入力させるかしてもよい。
このような方法では、各文書データとそれが属するクラ
スタとの類似性がより明確になるので、各文書データを
当該クラスタに含めるか外すかを決定するしきい値を決
めやすくなる。また、図５のように表示させてしきい値
を指定する際、文書データ数などを指定する代わりに、
マウスなどを用いて分割ラインを指示することにより容
易にしきい値を指定することができる。例えば図５の例
と同じしきい値を指定する場合は、文書データ19と文書
データ39との境界のラインを指示するのである。境界の
ラインが指示されると、しきい値指定部５はその位置座
標を取得し、それにより分割される位置がわかるのであ
る。また、単に境界を指示するだけでなく、スライドバ
ーなどにより分割範囲を指定することもできる。なお、
しきい値の指定はクラスタ毎に一つ一つ行うこともでき
るし、しきい値をすべてのクラスタに共通にすることに
より、すべてのクラスタのしきい値を一括して指定する
ことも可能である。前者の指定法では個々のクラスタに
より整合したしきい値を指示することができ、後者の指
定法では作業効率を増大させることができる。

【００１０】こうして、しきい値指定部５はしきい値を
取得するとそれをクラスタ分割部６に与え、しきい値を
受け取ったクラスタ分割部６はそのしきい値に従って、
図４または図５に太線で示したように当該クラスタを分
割する。つまり、図４に示した例では、類似度が0.3よ
り大である分割番号１で示した部分文書データ群（分割
部分）と類似度が0.3より小である分割番号２で示した
部分文書データ群とに分割する。また、図５に示した例
では、類似度の大きい順に５個の文書データを抽出した
分割番号１で示した部分文書データ群と分割番号２で示
した残りの部分文書データ群とに分割する。また、クラ
スタ分割部６は図４および図５に示したように前記分割
番号をそれぞれの文書データ（文書データの属性情報）
に付加して分割結果記憶部７に記憶する。これにより、
その後、指定した分割番号に属する文書データの取り出
しや処理が可能になる。また、分割されたそれぞれの部
分文書データ群（それぞれの分割部分）を新たなクラス
タとして登録（記憶）することもできる。また、前記に
おいて、しきい値が再指定されると、クラスタ分割が再
度行われ、それに応じて分割結果を示す表示内容も更新
される。分割時および分割結果を記憶した後、利用者
は、表示部８により分割結果に基づいてクラスタ内容を
図４などに示したように表示させることができるが、こ
の表示の際、部分文書データ群（それぞれの分割部分）
毎に表示形式を異ならせて表示することが可能である。
例えば、部分文書データ群毎に表示色、表示濃度、文字
の大きさなどを変えたり、特定の部分文書データ群のみ
を表示したりすることができ、また、表示されているボ
タンをマウスなどで指示することにより利用者が前記表
示形式を選択することもできる。図６に、類似度の高い
部分文書データ群（分割部分）のみを表示した場合のク
ラスタの表示例を示す。図示したように、この実施の形
態の分割結果表示では、各文書データを単にその文書デ
ータの属性情報だけ表示するのでなく、文書データの内
容（例えば冒頭部分）も表示することができる。こうし
て、この実施の形態によれば、分類された文書データの
部分集合である各クラスタに属する文書データ群を属す
るクラスタとの類似度などに従って分割させたりするこ
とにより、類似度（関連度）の低い文書データを各クラ
スタから分離することができるので、類似度の高い文書
データのみから構成されたクラスタ（前記部分文書デー
タ群）が生成され、したがって、そのクラスタの特徴を
利用者が容易に把握することができ、所望の文書を見つ
けるのが容易になる。また、部分文書データ群毎に表示
形式を異ならせる方法では、クラスタの特徴の把握がよ
り容易になる。

【００１１】本発明の第２の実施の形態では、クラスタ
分割部６により分割された結果として作成された複数の
部分文書データ群をそれぞれ異なったクラスタから抽出
し、それらを合成して新たなクラスタを作成することが
できる。図７は、本発明の第２の実施の形態を示す説明
図である。図示の例では、クラスタ番号１およびクラス
タ番号２のクラスタをそれぞれ類似度0.3なるしきい値
で分割し、それぞれ分割番号２として示した類似度の低
い部分文書データ群を合成してクラスタ番号３なる新た
なクラスタを作成している。この実施の形態では、この
ようにして作成（生成）した新たなクラスタを文書分類
部２により再度分類することにより前よりもわかりやす
い分類を行うことができる。以上、本発明の文書管理装
置および文書管理方法について説明したが、この文書管
理方法をプログラミングしたプログラムを例えば着脱可
能な記憶媒体に記憶し、その記憶媒体を、それまで本発
明によった文書管理機能を備えていなかったパーソナル
コンピュータなど情報処理装置に装填することにより、
その情報処理装置においても本発明によった文書管理を
行うことができる。

【００１２】

【発明の効果】以上説明したように、本発明によれば、
請求項１および請求項９記載の発明では、分類された文
書データの部分集合である各クラスタに属する文書デー
タの各クラスタにおける順位関係を示す特徴値が求めら
れ、一つのクラスタに属する文書データ群を分割するた
めのしきい値が指定され、指定されたしきい値および各
文書データの前記特徴値に従って一つのクラスタに属す
る前記文書データ群が分割されるので、各クラスタに属
する文書データ群を属するクラスタとの類似度などに従
って分割させることができる。また、請求項２および請
求項１０記載の発明では、請求項１または請求項９記載
の発明において、各クラスタに属する文書データの各ク
ラスタにおける順位関係を示す特徴値として、前記文書
データとその文書データの属するクラスタとの類似度が
求められ、しきい値として類似度が指定されるので、各
クラスタに属する文書データ群を属するクラスタとの類
似度に従って分割させることができ、したがって、クラ
スタと関連性の低い文書データを分離することにより、
関連性の高い文書データのみから構成されたクラスタが
生成され、その結果、そのクラスタの特徴を利用者が容
易に把握することができ、所望の文書を見つけるのが容
易になる。また、請求項３および請求項１１記載の発明
では、請求項１または請求項９記載の発明において、各
クラスタに属する文書データの各クラスタにおける順位
関係を示す特徴値として、前記文書データとその文書デ
ータの属するクラスタとの類似度が求められ、しきい値
として文書データ数が指定され、最大または最小の類似
度の文書データから類似度順に前記文書データ数の文書
データまでが一つの部分文書データ群として分割される
ので、請求項２または請求項10記載の発明と同様の効果
を実現することができる。

【００１３】また、請求項４および請求項１２記載の発
明では、請求項１または請求項９記載の発明において、
各クラスタに属する文書データの各クラスタにおける順
位関係を示す特徴値として、前記文書データとその文書
データの属するクラスタとの類似度の偏差値が求めら
れ、しきい値として類似度の偏差値が指定されるので、
どの文書データまでがクラスタに類似した文書データで
あるかを指定することになるしきい値の指定が容易にな
る。また、請求項５および請求項１３記載の発明では、
請求項１〜４または請求項９〜１２記載の発明におい
て、特徴値を含む分類結果情報が特徴値の値順に表示さ
れている画面上の所望の位置を指示することによりしき
い値が指定されるので、しきい値指定操作が簡単にな
る。また、請求項６および請求項１４記載の発明では、
請求項１〜５または請求項９〜１３記載の発明におい
て、クラスタ毎にしきい値を指定できるので、個々のク
ラスタに、より整合したしきい値を指定することができ
る。また、請求項７および請求項１５記載の発明では、
請求項１〜６または請求項９〜１４記載の発明におい
て、分割された各文書データを示す情報の表示形式が前
記文書データの属する部分文書データ群に対応付けられ
て異なるので、クラスタの特徴の把握がより容易にな
る。また、請求項８および請求項１６記載の発明では、
請求項１〜７または請求項９〜１５記載の発明におい
て、複数のクラスタを分割して作成された複数の部分文
書データ群が異なったクラスタから抽出され合成されて
新たなクラスタが作成されるので、その新たなクラスタ
を再度分類することにより前よりもわかりやすい分類を
行うことができる。

【図面の簡単な説明】

【図１】本発明の各実施の形態の文書分類装置の構成ブ
ロック図である。

【図２】本発明の第１の実施の形態を示す文書分類装置
および文書分類方法のデータ構成図である。

【図３】(a)(b)は本発明の第１の実施の形態を示す文書
分類装置および文書分類方法の他のデータ構成図であ
る。

【図４】本発明の第１の実施の形態を示す文書分類装置
および文書分類方法の説明図である。

【図５】本発明の第１の実施の形態を示す文書分類装置
および文書分類方法の他の説明図である。

【図６】本発明の第１の実施の形態を示す文書分類装置
および文書分類方法の画面図である。

【図７】本発明の第２の実施の形態を示す文書分類装置
および文書分類方法の説明図である。

【符号の説明】

１：文書群入力部２：文書分類部３：特徴値算出部４：分類結果記憶部５：しきい値指定部６：クラスタ分割部７：分割結果記憶部８：表示部

───────────────────────────────────────────────────── フロントページの続き (72)発明者剣持栄治東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者山崎真湖人東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者武谷一寿東京都大田区中馬込１丁目３番６号株式会社リコー内Ｆターム(参考） 5B075 ND02 NR02 NR12 PP02 PP03 PP04 PP12 PQ02 PQ36 PQ46 PQ74 PR04 PR06 QM08

Claims

【特許請求の範囲】

【請求項１】文書の内容に従って文書群を分類する文
書分類装置において、分類対象の文書データ群の各文書
データを文書の内容に従って自動的に分類する文書分類
手段と、前記文書分類手段により分類された文書データ
の部分集合である各クラスタに属する文書データの各ク
ラスタにおける順位関係を示す特徴値を求める特徴値算
出手段と、一つのクラスタに属する文書データ群を分割
するためのしきい値を指定させるしきい値指定手段と、
前記しきい値指定手段により指定されたしきい値および
前記特徴値算出手段により求められた各文書データの特
徴値に従って一つのクラスタに属する前記文書データ群
を分割する分割手段とを備えたことを特徴とする文書分
類装置。
【請求項２】請求項１記載の文書分類装置において、
各クラスタに属する文書データの各クラスタにおける順
位関係を示す特徴値として、前記文書データとその文書
データの属するクラスタとの類似度を求めるように特徴
値算出手段を構成し、しきい値として類似度を指定させ
るようにしきい値指定手段を構成したことを特徴とする
文書分類装置。
【請求項３】請求項１記載の文書分類装置において、
各クラスタに属する文書データの各クラスタにおける順
位関係を示す特徴値として、前記文書データとその文書
データの属するクラスタとの類似度を求めるように特徴
値算出手段を構成し、しきい値として文書データ数を指
定させるようにしきい値指定手段を構成し、最大または
最小の類似度の文書データから類似度順に前記文書デー
タ数の文書データまでを分割された一つの部分文書デー
タ群として分割するように分割手段を構成したことを特
徴とする文書分類装置。
【請求項４】請求項１記載の文書分類装置において、
各クラスタに属する文書データの各クラスタにおける順
位関係を示す特徴値として、前記文書データとその文書
データの属するクラスタとの類似度の偏差値を求めるよ
うに特徴値算出手段を構成し、しきい値として類似度の
偏差値を指定させるようにしきい値指定手段を構成した
ことを特徴とする文書分類装置。
【請求項５】請求項１〜４のいずれかに記載の文書分
類装置において、特徴値を含む分類結果情報が特徴値の
値順に表示されている画面上の所望の位置を指示させる
ことによりしきい値を指定させるようにしきい値指定手
段を構成したことを特徴とする文書分類装置。
【請求項６】請求項１〜５のいずれかに記載の文書分
類装置において、クラスタ毎にしきい値を指定できるよ
うにしきい値指定手段を構成したことを特徴とする文書
分類装置。
【請求項７】請求項１〜６のいずれかに記載の文書分
類装置において、分割手段により分割された各文書デー
タを示す情報の表示形式を前記文書データの属する部分
文書データ群に対応付けて異ならせた構成にしたことを
特徴とする文書分類装置。
【請求項８】請求項１〜７のいずれかに記載の文書分
類装置において、分割手段により複数のクラスタを分割
して作成した複数の部分文書データ群を異なったクラス
タから抽出し合成して新たなクラスタを作成する構成に
したことを特徴とする文書分類装置。
【請求項９】文書の内容に従って文書群を分類する文
書分類方法において、分類対象の文書データ群の各文書
データを文書の内容に従って自動的に分類し、分類され
た文書データの部分集合である各クラスタに属する文書
データの各クラスタにおける順位関係を示す特徴値を求
め、一つのクラスタに属する文書データ群を分割するた
めのしきい値を指定させ、指定されたしきい値および各
文書データの前記特徴値に従って一つのクラスタに属す
る前記文書データ群を分割することを特徴とする文書分
類方法。
【請求項１０】請求項９記載の文書分類方法におい
て、各クラスタに属する文書データの各クラスタにおけ
る順位関係を示す特徴値として、前記文書データとその
文書データの属するクラスタとの類似度を求め、しきい
値として類似度を指定させるようにしたことを特徴とす
る文書分類方法。
【請求項１１】請求項９記載の文書分類方法におい
て、各クラスタに属する文書データの各クラスタにおけ
る順位関係を示す特徴値として、前記文書データとその
文書データの属するクラスタとの類似度を求め、しきい
値として文書データ数を指定させ、最大または最小の類
似度の文書データから類似度順に前記文書データ数の文
書データまでを分割された一つの部分文書データ群とし
て分割するようにしたことを特徴とする文書分類方法。
【請求項１２】請求項９記載の文書分類方法におい
て、各クラスタに属する文書データの各クラスタにおけ
る順位関係を示す特徴値として、前記文書データとその
文書データの属するクラスタとの類似度の偏差値を求
め、しきい値として類似度の偏差値を指定させるように
したことを特徴とする文書分類方法。
【請求項１３】請求項９〜１２のいずれかに記載の文
書分類方法において、特徴値を含む分類結果情報が特徴
値の値順に表示されている画面上の所望の位置を指示さ
せることによりしきい値を指定させるようにしたことを
特徴とする文書分類方法。
【請求項１４】請求項９〜１３のいずれかに記載の文
書分類方法において、クラスタ毎にしきい値を指定でき
るようにしたことを特徴とする文書分類方法。
【請求項１５】請求項９〜１４のいずれかに記載の文
書分類方法において、分割された各文書データを示す情
報の表示形式を前記文書データの属する部分文書データ
群に対応付けて異ならせたことを特徴とする文書分類方
法。
【請求項１６】請求項９〜１５のいずれかに記載の文
書分類方法において、複数のクラスタを分割して作成し
た複数の部分文書データ群を異なったクラスタから抽出
し合成して新たなクラスタを作成することを特徴とする
文書分類方法。