JP2001325104A - 言語事例推論方法、言語事例推論装置及び言語事例推論プログラムが記録された記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 キーワードの重み付けによる索引を用いて、
新規の事例と過去の事例との類似度を計算し、単に類似
事例を順位づけて提示するのみである。したがって、更
に対話的に事例を絞り込んで解決策を特定するための支
援情報を提示することができない課題があった。 【解決手段】 キーワードの頻度を参照して、キーワー
ド集合による問題解決木２６を生成し、その問題解決木
２６から新規の事例２８に類似する過去の事例２１を検
索する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、新たな問題を解
決する際、過去に発生した問題と解決策が記録されたテ
キスト等を含む文書（例えば、コールセンタでの問合わ
せ記録などを基に作成された事例）を検索する言語事例
推論方法、言語事例推論装置及び言語事例推論プログラ
ムが記録された記録媒体に関するものである。

【０００２】

【従来の技術】相談窓口（ヘルプデスク）における問い
合わせ対応業務や障害監視センターにおける障害対応業
務などでのやりとりを電子的な手段で蓄積し、そのやり
とりを再利用したいという要求がある。こうした要求に
対して、自然言語で表現された事例の文を事例データベ
ースに登録し、新規の入力文と類似した事例を検索する
言語事例推論装置が存在する。

【０００３】図１２は例えば特開平９−７３４６４号公
報に示された従来の言語事例推論装置を示す構成図であ
り、図において、１は過去の事例、２は過去の事例１を
格納する事例データベース、３はキーワード番号を格納
するキーワード番号テーブル、４は過去の事例１の事例
番号と当該事例に現れるキーワードとの対応関係を格納
するキーワードテーブル、５は過去の事例１の事例番号
と当該事例の分類を表すカテゴリ番号との対応関係を格
納するカテゴリテーブル、６はカテゴリ番号に対応する
キーワード番号の個数とカテゴリ毎のキーワードの総数
を格納する事例数テーブルである。

【０００４】７は事例番号，カテゴリ番号，キーワード
番号及び重みの組から構成される属性情報、８は属性情
報７を格納する属性データベース、９は事例データベー
ス２に格納されている過去の事例１からキーワードを抽
出して属性情報７を生成し、その属性情報７を属性デー
タベース８に格納する属性情報生成手段、１０は新規の
事例に対する過去の事例１の類似度を計算し、類似度の
高い順に過去の事例１を出力する類似度生成手段であ
る。

【０００５】次に動作について説明する。事例蓄積時に
おいては、属性情報生成手段９が事例データベース２に
格納されている過去の事例１の［問題］中からキーワー
ドを抽出する。そして、属性情報生成手段９は、事例数
テーブル６を参照して、事例の総数Ｓ、カテゴリＣ_i に
属する事例の総数Ｓ_i 、属性番号ｊの属性が出現する事
例の総数ｔ_j 、及び属性番号ｊの属性が出現する事例数
ｔ_ijから、カテゴリＣ_i の属性番号ｊの属性に対する重
みω_ijを下記のように計算し、属性データーベース８に
格納する。 ω_ij＝（ｔ_ij／ｔ_j −Ｓ_i ／Ｓ）＋（ｔ_ij／Ｓ_i −ｔ_j
／Ｓ）

【０００６】検索時においては、類似度生成手段１０が
新規の事例からキーワードを抽出し、キーワードテーブ
ル４からキーワード番号を求める。そして、類似度生成
手段１０は、その抽出したキーワードのリストから属性
データベース８を検索し、一致するキーワードを含む属
性情報７を取り出し、類似度ωを下記のように計算す
る。ω＝（重みの総和）×（一致したキーワード数／属
性データベース８から取り出したキーワードリストの長
さ）。そして、類似度ωの高い順に事例番号をソート
し、過去の事例１の内容を出力する。

【０００７】上記の通り、従来の言語事例推論装置は、
分類カテゴリ毎の重み付きキーワードで索引付けた過去
の事例１を事例データベース２に格納し、新規の事例が
入力されたとき、索引付けされた重みにしたがって新規
の事例と同じキーワードを含む過去の事例１と新規の事
例との類似度を計算し、類似度の高い順に過去の事例１
の一覧を出力することによって、過去の事例１に与えら
れた分類カテゴリから新規の事例に対応する分類カテゴ
リを推論するものである。そのため、入力された新規の
事例の記述が少なかったり、多義性のある曖昧な単語が
使用された場合に生じた検索ごみが出力の一覧に含まれ
ていたとしても、更に事例を絞り込むための手段が存在
しない。

【０００８】上記従来例の他に、分類決定木を用いてテ
キストデータを分類する装置や、その分類決定木を生成
する文書分類構築装置が特開平５−３３４７２６号公報
に開示されている。即ち、当該公報には、文書データが
与えられたときに、その文書データが属する分類カテゴ
リ（分類クラス）を特定する技術が開示されている。ヘ
ルプデスク支援システムなどにおいて、オペレータ支援
を目的とする本発明とは目的が異なるが、分類決定木を
用いてテキストデータを処理するという点では共通点が
あるため、当該公報の内容を説明する。

【０００９】図１３は当該公報に開示されている分類決
定木の構成を示す説明図である。当該分類決定木は、根
ノード１１及び内部ノード１２，１３，１４に対して、
各１つのキーワードをラベル付けし、葉ノード１５，１
６，１７，１８，１９に対して、文書データの分類カテ
ゴリをラベル付けしている。各リンクは上位ノードのキ
ーワードを含むか否かにより分岐し、キーワードは、文
書データから抽出した部分文字列による。この分類決定
木は、各キーワードのうちの１つを含むか否かにより木
を分割したとき、分類カテゴリを識別する情報量を減ら
す期待値が最も小さいキーワードを選択してノードを生
成することを再帰的に繰り返すことにより生成するよう
にしたものである。したがって、出来上がった分類決定
木の分かり易さを考慮して生成されたものではない。

【００１０】なお、図１３の分類決定木の構成では、ノ
ードに設定されたキーワードに重み付けが行われていな
いため、図１２の従来例のような事例に対する一括検索
を実施して、類似した事例を順序付けて取り出す処理を
行うことができない。また、当該公報では、自然言語処
理技術が発展途上段階であるとして、自然言語処理によ
るキーワードの抽出を実施せず、ある長さの範囲の部分
文字列を抽出した文字列をキーワードとして採用してい
る。この方法では、単語として意味のない文字列を分類
決定木のノードのラベルとして設定してしまうことにな
り、分類決定木の理解のし易さを大きく損なうことにな
る。形態素解析や重要語抽出等の言語処理技術が発展し
てきた現在では、かなりの精度で意味のある単語を正確
に切り出し、本発明で行うように分類カテゴリを特定す
るために重要な単語をキーワードとして採用することが
できる。

【００１１】

【発明が解決しようとする課題】従来の言語事例推論装
置は以上のように構成されているので、キーワードの重
み付けによる索引を用いて、新規の事例と過去の事例と
の類似度を計算し、単に類似事例を順位付けて提示する
のみである。したがって、更に対話的に事例を絞り込ん
で解決策を特定するための支援情報を提示することがで
きない課題があった。

【００１２】なお、特開平５−３３４７２６号公報には
分類決定木を生成する技術が開示されているが、文書の
分類を目的とする分類決定木であるため、使用者の分か
り易さが考慮されていない。したがって、オペレータの
問題解決支援のような目的で、対話的な検索に用いる支
援情報を提示するための問題解決木の構成としては不十
分である。

【００１３】この発明は上記のような課題を解決するた
めになされたもので、新規の事例に類似する過去の事例
を精度よく推論することができるとともに、ヘルプデス
ク業務を行うオペレータ等にとって分かり易い問題解決
木を提供して、対話的な事例の絞り込みを可能にするこ
とができる言語事例推論方法、言語事例推論装置及び言
語事例推論プログラムが記録された記録媒体を得ること
を目的とする。

【００１４】

【課題を解決するための手段】この発明に係る言語事例
推論方法は、前処理ステップにより計算されたキーワー
ドの頻度を参照して、キーワード集合による問題解決木
を生成する問題解決木生成ステップと、その問題解決木
生成ステップにより生成された問題解決木から新規の事
例に類似する過去の事例を検索する検索ステップとを設
けたものである。

【００１５】この発明に係る言語事例推論方法は、過去
の事例の文を分割するようにしたものである。

【００１６】この発明に係る言語事例推論方法は、句点
の箇所で文を分割するようにしたものである。

【００１７】この発明に係る言語事例推論方法は、用言
及び助動詞の連用形の後に読点が続いた箇所で文を分割
するようにしたものである。

【００１８】この発明に係る言語事例推論方法は、接続
助詞の後に読点が続いた箇所で文を分割するようにした
ものである。

【００１９】この発明に係る言語事例推論方法は、形態
素解析結果の品詞情報による選択的なキーワード抽出を
実施するようにしたものである。

【００２０】この発明に係る言語事例推論方法は、キー
ワードとして、自立語を抽出するようにしたものであ
る。

【００２１】この発明に係る言語事例推論方法は、キー
ワードとして、自立語及び付属語を抽出するようにした
ものである。

【００２２】この発明に係る言語事例推論方法は、キー
ワードとして、自立語、付属語及び様相表現を抽出する
ようにしたものである。

【００２３】この発明に係る言語事例推論方法は、抽出
するキーワードから数詞を除外するようにしたものであ
る。

【００２４】この発明に係る言語事例推論方法は、抽出
するキーワードから数字を除外するようにしたものであ
る。

【００２５】この発明に係る言語事例推論方法は、抽出
するキーワードから接頭語を除外するようにしたもので
ある。

【００２６】この発明に係る言語事例推論方法は、抽出
するキーワードから接尾語を除外するようにしたもので
ある。

【００２７】この発明に係る言語事例推論方法は、問題
解決木のノードにキーワード集合を設定するようにした
ものである。

【００２８】この発明に係る言語事例推論方法は、各キ
ーワードに重みを設定するようにしたものである。

【００２９】この発明に係る言語事例推論方法は、各キ
ーワードに重みを設定する際、分類カテゴリに特徴的な
キーワード程、重みの値を大きくするようにしたもので
ある。

【００３０】この発明に係る言語事例推論方法は、キー
ワードに設定する重みの値として、χ２乗値を使用する
ようにしたものである。

【００３１】この発明に係る言語事例推論方法は、問題
解決木のリンクに親ノードと子ノードの差にあたるキー
ワード集合を設定するようにしたものである。

【００３２】この発明に係る言語事例推論方法は、前処
理ステップで計算されたキーワードの頻度を参照して、
キーワードベクトルによる問題解決木の雛形を生成する
雛形生成ステップと、その雛形生成ステップにより生成
された雛形のノードにキーワード索引を設定するキーワ
ード索引設定ステップとから問題解決木生成ステップを
構成するようにしたものである。

【００３３】この発明に係る言語事例推論方法は、キー
ワードの統計情報を参照して、キーワードベクトルの要
素を選択するようにしたものである。

【００３４】この発明に係る言語事例推論方法は、キー
ワードの統計情報として、単語の出現頻度がある閾値以
上の単語を使用するようにしたものである。

【００３５】この発明に係る言語事例推論方法は、キー
ワードの統計情報として、単語の出現頻度がある閾値以
下の単語を使用するようにしたものである。

【００３６】この発明に係る言語事例推論方法は、キー
ワードの統計情報として、単語の出現頻度が第１の閾値
以上、かつ、単語の出現頻度が第２の閾値以下の単語を
使用するようにしたものである。

【００３７】この発明に係る言語事例推論方法は、キー
ワードの統計情報として、χ２乗値を使用するようにし
たものである。

【００３８】この発明に係る言語事例推論方法は、クラ
スタリング時の距離をキーワードベクトルの余弦値で定
義して、問題解決木の雛形を生成するようにしたもので
ある。

【００３９】この発明に係る言語事例推論方法は、各ノ
ードに含まれる事例の件数を考慮してクラスタリング時
の距離を計算して、問題解決木の雛形を生成するように
したものである。

【００４０】この発明に係る言語事例推論方法は、キー
ワードの統計情報を参照して、キーワード索引の要素を
選択するようにしたものである。

【００４１】この発明に係る言語事例推論方法は、キー
ワードの統計情報として、χ２乗値を使用するようにし
たものである。

【００４２】この発明に係る言語事例推論方法は、文内
の共起の統計情報を参照してキーワードの組合せを選択
し、そのキーワードの組合せをキーワード索引の要素と
して使用するようにしたものである。

【００４３】この発明に係る言語事例推論方法は、文内
の共起の統計情報として、χ２乗値を使用するようにし
たものである。

【００４４】この発明に係る言語事例推論方法は、文内
の共起の統計情報として、相互情報量を使用するように
したものである。

【００４５】この発明に係る言語事例推論方法は、分類
カテゴリへの到達を支援するガイダンス情報を出力する
ようにしたものである。

【００４６】この発明に係る言語事例推論方法は、ガイ
ダンス情報として、問題解決木のリンクに設定されたキ
ーワード集合を使用するようにしたものである。

【００４７】この発明に係る言語事例推論方法は、問題
解決木の葉ノードに対する検索を実行して、新規の事例
に類似する分類カテゴリを順位付けて出力するようにし
たものである。

【００４８】この発明に係る言語事例推論方法は、キー
ワード索引ベクトルと入力キーワードベクトルの余弦値
による類似度を計算して、分類カテゴリの順位付けを行
うようにしたものである。

【００４９】この発明に係る言語事例推論方法は、新規
の事例に類似する過去の事例を順位付けて出力するよう
にしたものである。

【００５０】この発明に係る言語事例推論方法は、事例
のキーワードベクトルと入力キーワードベクトルの余弦
値による類似度を計算して、過去の事例の順位付けを行
うようにしたものである。

【００５１】この発明に係る言語事例推論装置は、前処
理手段により計算されたキーワードの頻度を参照して、
キーワード集合による問題解決木を生成する問題解決木
生成手段と、その問題解決木生成手段により生成された
問題解決木から新規の事例に類似する過去の事例を検索
する検索手段とを設けたものである。

【００５２】この発明に係る言語事例推論プログラムが
記録された記録媒体は、前処理手順により計算されたキ
ーワードの頻度を参照して、キーワード集合による問題
解決木を生成する問題解決木生成手順と、その問題解決
木生成手順により生成された問題解決木から新規の事例
に類似する過去の事例を検索する検索手順とを設けたも
のである。

【００５３】

【発明の実施の形態】以下、この発明の実施の一形態を
説明する。 実施の形態１．図１はこの発明の実施の形態１による言
語事例推論装置を示す構成図であり、図において、２１
は自然言語による記述を含む問合わせ記録等の電子化文
書である過去の事例である。なお、過去の事例２１に
は、事例の問題等に対する解決策あるいは回答など、対
象領域や業務に依存して意味的に類似する事例の分類を
表す分類カテゴリが付与されているものとする。２２は
過去の事例２１からキーワード集合による問題解決木２
６を生成する事例構築部、２３は過去の事例２１からキ
ーワードを抽出するとともに、そのキーワードの頻度を
計算して、分類カテゴリ毎のキーワード頻度表２４を生
成するテキスト前処理部（前処理手段）、２４は分類カ
テゴリ毎のキーワード頻度表、２５は過去の事例２１と
分類カテゴリ毎のキーワード頻度表２４を参照して、キ
ーワード集合による問題解決木２６を生成する問題解決
木生成部（問題解決木生成手段）、２６はキーワード集
合による問題解決木、２７はキーワード集合による問題
解決木２６を格納する事例データベースである。

【００５４】２８は新規の事例、２９はキーワード集合
による問題解決木２６を参照して新規の事例２８に類似
する過去の事例２１を検索する事例検索部（検索手
段）、３０は新規の事例２８を入力し、新規の事例２８
からキーワードの抽出処理等を実施する新規事例入力
部、３１は複数の過去の事例２１と新規の事例２８の類
似度を計算し、類似度による順位付き類似事例３３、順
位付き分類カテゴリ３４及び類似事例の候補の絞り込み
を支援するガイダンス情報３２を出力する問題解決木検
索部である。３２はガイダンス情報、３３は順位付き類
似事例、３４は順位付き分類カテゴリである。なお、上
記の構成要素はハードウェアを用いて実現してもよい
し、コンピュータプログラムであるソフトウェアを用い
て実現してもよい。ソフトウェアを用いて実現する場合
には、コンピュータプログラムを記録する記録媒体を用
意する。

【００５５】図２はキーワード集合による問題解決木２
６を示す説明図であり、図において、４１はキーワード
分類木層、４２は分類カテゴリ層、４３は根ノード、４
４は内部ノード、４５〜４７は葉ノード、４８〜５１は
各ノードを結ぶリンク、５２〜５５はリンク４８〜５１
に付けられたラベル、５６〜５８は分類カテゴリノー
ド、５９〜６１はカテゴリＣ１〜Ｃ３を持つ事例集合で
ある。

【００５６】次に動作について説明する。キーワード分
類木層４１における各ノードは、キーワードの集合によ
って索引付けられているものとする。以下の説明では、
事例から形態素解析等により抽出したキーワードをＫＷ
ｉ（ｉは整数）で表すものとする。

【００５７】根ノード４３のラベルは空集合とする。ま
た、リンクには、上位ノードの索引と下位ノードの索引
との差分のキーワード集合がラベルとして与えられる。
例えば、根ノード４３の索引｛｝と内部ノード４４の索
引｛ＫＷ１，ＫＷ２｝との差であるキーワード集合｛Ｋ
Ｗ１，ＫＷ２｝が、根ノード４３と内部ノード４４のリ
ンク４８のラベル５２となる。また、内部ノード４４の
索引｛ＫＷ１，ＫＷ２｝と、葉ノード４５の索引｛ＫＷ
１，ＫＷ２，ＫＷ３｝の差であるキーワード集合｛ＫＷ
３｝が、内部ノード４４と葉ノード４５とのリンク４９
のラベル５３となる。同様に、内部ノード４４の索引と
葉ノード４６の索引の差であるキーワード集合｛ＫＷ
４，ＫＷ５｝がラベル５４となり、根ノード４３の索引
と葉ノード４７の索引の差であるキーワード集合｛ＫＷ
６，ＫＷ７｝がラベル５５となる。

【００５８】図２に示されたキーワード集合による問題
解決木２６を用いて、例えば、新規の事例２８より抽出
されたキーワード集合｛ＫＷ１，ＫＷ２｝の情報から内
部ノード４４まで辿ることができたとすると、問題解決
木検索部３１は、現在のノード（ノード４４）の下位に
ある分類カテゴリＣ１又は分類カテゴリＣ２を、新規の
事例２８に対する分類カテゴリの候補（推論結果）とし
て出力する。

【００５９】また、問題解決木検索部３１は、分類カテ
ゴリを絞り込むためのガイダンス情報３２として、現在
のノードである内部ノード４４と下位ノードである葉ノ
ード４５を結ぶリンク４９に付与されているラベル５３
のキーワード集合｛ＫＷ３｝と、内部ノード４４と葉ノ
ード４６を結ぶリンク５０に付与されているラベル５４
のキーワード集合｛ＫＷ４，ＫＷ５｝とを出力する。こ
のとき、オペレータがキーワード集合｛ＫＷ３｝を選択
すると、新規の事例２８の分類カテゴリとして分類カテ
ゴリＣ１が推論され、キーワード集合｛ＫＷ４，ＫＷ
５｝、あるいは、キーワードＫＷ４又はＫＷ５のいずれ
かを選択すると、新規の事例２８の分類カテゴリとして
分類カテゴリＣ２が推論されることになる。

【００６０】この実施の形態１で用いるキーワード集合
による問題解決木２６では、キーワード分類木層４１に
おける葉ノードの索引中の各キーワードには、対応する
分類カテゴリ毎の重みが設定されているものとする。従
って、問題解決木検索部３１では、この重みを用いた入
力事例と各分類カテゴリとの類似度計算により一括検索
を行った結果を順位付き分類カテゴリ３４として出力す
ることができる。同様に、入力された新規の事例２８と
個々の過去の事例２１との類似度を計算して、順位付け
られた個々の事例（順位付き類似事例３３）も出力する
ことができる。それぞれの類似度計算方法については後
述する。

【００６１】図３はこの発明の実施の形態１による言語
事例推論方法における事例構築処理を示すフローチャー
トである。まず、ステップＳＴ１において、蓄積の対象
とする過去の事例２１（問い合わせ記録等の電子化文
書）から処理対象のテキストを抽出して、各事例毎にキ
ーワードを抽出する。なお、過去の事例２１は以降の処
理よりも前もって事例データベース２７に格納してお
き、以降のステップで求めた情報を後で追加して格納す
るという構成をとってもよい。

【００６２】次に、ステップＳＴ１では、形態素解析結
果の品詞情報による選択的なキーワード抽出を行う。例
えば、「コード２９３が読み取れない」というテキスト
に対する品詞情報選択として自立語「コード」、「読み
取」のみを抽出することができる。あるいは、自立語に
加えて付属語「が」を抽出する構成としてもよい。ま
た、自立語、付属語に加えて、「ない」を「否定」とし
て抽出したり、自立語「可能」及び付属語「できる」を
共に「可能」とする等の様相表現として抽出する構成と
してもよい。このとき、キーワードからは「２９３」の
ような数字を品詞として持つ単語は重要な情報を担わな
いので除外する。同様に、数詞のような品詞を持つ単語
は重要な情報を担わないので除外する。

【００６３】また、例えば、「お知らせを参照して実行
したが、サーバが起動できない」という入力に対して、
接頭語「お」を除外したり、同様に接尾語が含まれてい
たら、その接尾語を除外することによって、検索のゴミ
となるような単語をキーワードから除外する処理を行
う。

【００６４】ステップＳＴ１の中に、テキスト中の自然
言語による表現において、重要な表現単位である文毎に
テキストを分割してキーワードを抽出する文分割ステッ
プを含める構成としてもよい。このとき、文の分割処理
は、日本語の句点「。」、用言及び助動詞の連用形に読
点が続いた箇所や、接続助詞の後ろに読点が続いた箇所
において行うものとする。ここで、抽出した文毎のキー
ワードの出現に関する情報は、キーワード集合による問
題解決木２６におけるキーワード索引の選択時に、キー
ワードの文内の共起を計算する際に使用する。詳細は後
述する。

【００６５】次に、ステップＳＴ２では、各事例毎にキ
ーワードの頻度を計算する。このとき、頻度の計算は、
各事例が属する分類カテゴリ毎に実施し、分類カテゴリ
毎のキーワード頻度表２４を生成する。次に、ステップ
ＳＴ３では、分類カテゴリ毎のキーワード頻度表２４か
ら、図２のキーワード集合による問題解決木２６を生成
して、事例データベース２７に格納する。

【００６６】図４は問題解決木生成処理（図３のステッ
プＳＴ３）の具体的な処理内容を示すフローチャートで
ある。問題解決木の生成は、以下の２つのステップから
構成する。まず、ステップＳＴ１１において、分類カテ
ゴリ毎のキーワード頻度表２４を用いて、キーワードベ
クトルによる問題解決木の雛形７１を生成する。次に、
ステップＳＴ１２において、問題解決木の雛型７１の各
ノードにキーワード索引を設定するとともに、リンクに
親ノードと子ノードの差分にあたるキーワードを設定す
る処理を実施し、キーワード集合による問題解決木２６
を生成する。

【００６７】図５は雛形生成処理（図４のステップＳＴ
１１）の具体的な処理内容を示すフローチャートであ
る。まず、ステップＳＴ２１において、過去の事例２１
に出現した分類カテゴリ毎に葉ノードを生成し、各分類
カテゴリの特徴を表す情報として、各葉ノードにキーワ
ードを要素とするベクトルを設定する。ここで、分類カ
テゴリ毎のキーワード頻度表２４から問題解決木の雛形
７１の葉ノードに設定するベクトルの要素の選択を行
う。このベクトルの要素の選択は統計量によるものとす
る。

【００６８】この統計量として、分類カテゴリ毎に重要
な要素を識別するのに好適な指標として知られているχ
２乗値を使用する。あるいは、一般に頻度が中程度の単
語が分類に寄与することが知られているため、キーワー
ド頻度表の値をそのまま用いて頻度がある一定の閾値以
上のキーワード、および、ある一定の閾値以下のキーワ
ードを不要語であるとしてベクトルの要素から除外して
もよい。

【００６９】前記のχ２乗値は、下記のようにして計算
することができる。図１１（ａ）に示すように、抽出し
たキーワードをＫＷｉ、事例の分類カテゴリをＣｊで表
すとき、キーワードＫＷｉの分類カテゴリＣｊでの頻度
をｆｉｊ、各分類カテゴリ毎の頻度の合計をＸｉ、各キ
ーワード毎の頻度の合計をＹｊ、すべてのキーワードの
頻度の総計をＭとする。このとき、キーワードＫＷｊが
カテゴリＣｉに対して、どれだけ分類に有効なキーワー
ドであるかを以下の式で計算する。 理論頻度：ｍｉｊ＝Ｘｉ×Ｙｊ／Ｍ 重み（χ２乗値）：Ｗｉｊ＝（ｆｉｊ−ｍｉｊ）×｜ｆ
ｉｊ−ｍｉｊ｜／ｍｉｊ

【００７０】理論頻度は、上記分類カテゴリ毎のキーワ
ード頻度表２４において、単語が均一に現れたと仮定し
た場合の頻度である。また、重み（χ２乗値）は実際の
出現回数と理論頻度との差による統計的な特徴量とな
る。上記の重み計算によって、カテゴリ毎のキーワード
重み表を生成する（図１１（ｂ）を参照）。このとき、
いずれかの分類カテゴリでのχ２乗値が大きいキーワー
ドをキーワードベクトルの要素として選択する。

【００７１】次に、ステップＳＴ２２では、キーワード
ベクトルが設定された葉ノードの集合７２を受け取る
と、キーワードベクトル間の距離によって階層的に木を
纏め上げる処理を行う。このとき、階層的な木の纏め上
げは、よく知られているボトムアップ凝集型のクラスタ
リング処理によって、葉ノードに設定されたベクトル間
の距離が最も小さいノードから２つずつノードをマージ
して中間ノードを生成していく処理を行えばよい。距離
が一定値以下のときには、下位の中間ノードを削除して
３つ以上のノードが中間ノードの下に接続される構成と
してもよい。このようにして、分類カテゴリによる問題
解決木の雛形７１が生成される。

【００７２】ステップＳＴ２２におけるキーワードベク
トル間の距離の計算としては、距離をベクトルの余弦値
（Ｖｉ・Ｖｊ）／（｜Ｖｉ｜｜Ｖｊ｜）を用いて（１−
（Ｖｉ・Ｖｊ）／（｜Ｖｉ｜｜Ｖｊ｜））で定義するこ
とができる。ここで、Ｖｉ、Ｖｊは、比較対象の２つの
ノードのキーワードベクトルである。

【００７３】また、各ノードに含まれる事例の件数を考
慮した式を用いることによって、事例件数の多い分類カ
テゴリが上位の方で分岐するような問題解決木を構成す
ることができる。この距離の定義の例として、例えば、
（ｌｏｇ（Ｎｉ・Ｎｊ）＋１）×（１−（Ｖｉ・Ｖｊ）
／（｜Ｖｉ｜｜Ｖｊ｜））を用いる。ここで、Ｎｉ、Ｎ
ｊは、比較対象の２つのノードに対応する事例の件数で
ある。事例件数の多い分類カテゴリが上位の方で分岐す
るように問題解決木を生成することにより、検索時に新
規の事例２８に対して分類カテゴリを特定するまでに木
を辿る平均的な回数を減らすことが期待できる。

【００７４】図６はキーワード索引設定処理（図４のス
テップＳＴ１２）の具体的な処理内容を示すフローチャ
ートである。まず、ステップＳＴ８１において、ステッ
プＳＴ１１から分類カテゴリによる問題解決木の雛形７
１を受け取ると、問題解決木の雛形７１の各葉ノードに
対して、それぞれのノードに設定されているキーワード
ベクトルの要素であるキーワードから、更に統計量によ
り索引を選択する。

【００７５】この索引の選択において、個々のキーワー
ドの統計量による足切りを、各カテゴリ毎のχ２乗値に
よって行うことができる。また、索引の要素をキーワー
ドの文内の共起の統計情報で足切りすることにより、意
味的にまとまりのあるキーワードの集合を索引として採
用することができる。このとき用いる統計情報として
も、あらかじめキーワードの共起集合に対しても、個々
のキーワードと同様に図１１（ｂ）のカテゴリ毎のキー
ワード重み表を作成しておいて、χ２乗値を使用するこ
とができる。

【００７６】あるいは、索引の選択におけるキーワード
の文内の共起の統計情報による足切りとして、相互情報
量を用いて共起する確率の高いキーワードの組み合わせ
を索引として使用することもできる。ここでは、前記の
計算で求めたχ２乗値を使用するものとして、それぞれ
分類カテゴリでのχ２乗値が大きいキーワードを索引の
要素として選択する。このとき、各キーワード自身の重
みとしても、このχ２乗値の値を設定して問題解決木に
保持しておく構成とする。この重みは、少なくとも葉ノ
ードの各キーワードに対して保持しておき、更に内部ノ
ードに対しても下位ノードの重みから計算した値を保持
しておいてもよい。

【００７７】また、前記相互情報量は、次のようにして
計算することができる。記号Ｊ（ＫＷｉ∧ＫＷｊ∧…∧
ＫＷｎ）によってキーワードＫＷｉ〜ＫＷｎが同時に出
現する事例の集合を表すものとする。また、事例の集合
Ｊ（ＫＷｉ∧ＫＷｊ∧…∧ＫＷｎ）の要素数を記号｜Ｊ
（ＫＷｉ∧ＫＷｊ∧…∧ＫＷｎ）｜で表す。このとき、
キーワードＫＷｉ〜ＫＷｎの結合の強さを表す相互情報
量Ｉ（ＫＷｉ，ＫＷｊ，…，ＫＷｎ）を下記の式で定義
する。

【数１】

【００７８】次に、ステップＳＴ８２では、問題解決木
のリンクに親ノードと子ノードの差分にあたるキーワー
ドを設定する処理を実施し、キーワード集合による問題
解決木２６を生成する。ここでは、葉ノードから根ノー
ドに至るまで、問題解決木の雛形７１をボトムアップに
辿って図７の索引設定副処理を呼び出すものとして説明
する。この処理は、根ノードから葉ノードに至るまで、
問題解決木の雛形７１をトップダウンに辿ってもよい。

【００７９】図７は索引設定副処理の処理内容を示すフ
ローチャート図である。まず、ステップＳＴ９１におい
て、現在ノードの各子ノードのキーワードベクトルの要
素となっているキーワード集合から共通するキーワード
の集合を計算する。次に、ステップＳＴ９２において、
ステップＳＴ９１で求めた共通集合が空であるか否かを
判定する。共通集合が空であればステップＳＴ９４に進
み、空でなければステップＳＴ９３に進むものとする。

【００８０】ステップＳＴ９３では、共通キーワード集
合を索引として現在ノードに設定する処理を行う。ステ
ップＳＴ９４では、各子ノードを根ノードの子ノードと
して設定し直し、現在ノードを削除する。次に、ステッ
プＳＴ９５では、各子ノードと現在ノード（ステップＳ
Ｔ９４を辿った場合は根ノード）の差分のキーワード集
合を各リンクに設定する。

【００８１】図７の索引設定副処理を、図６のステップ
ＳＴ８２において葉ノードから根ノードに至るまで繰り
返し呼び出すことにより、図８に示すようなキーワード
集合による問題解決木２６を生成することができる。

【００８２】図８はキーワード集合による問題解決木２
６の具体例である。各ノードはキーワードの集合で索引
付けられ、上位ノードと下位ノードの索引との差分のキ
ーワード集合が各リンクに設定されるように構成されて
いる。ここで、例えば、分類カテゴリＣ１は「ＲＥＳＴ
ＡＲＴ実行」、分類カテゴリＣ２は「コードリーダー交
換」といった、対象とする問題領域や業務に応じた意味
付けを持つ。また、図２に示したように、各分類カテゴ
リのノードには、それぞれの分類カテゴリを持つ事例集
合が対応付けられているものとする。

【００８３】図９はこの発明の実施の形態１による言語
事例推論方法における事例検索処理を示すフローチャー
トである。まず、ステップＳＴ１０１において、新規事
例入力部３０から、本方法の利用者が所望の事例を検索
するために、新たな問題の記述である新規の事例２８を
入力する。このとき、新規事例入力部３０は、キーボー
ドはもちろんのこと、文字認識装置または音声認識装置
等でもよい。

【００８４】ステップＳＴ１０１では、入力された新規
の事例２８の解析を行う。テキスト前処理部２３で行っ
た処理と同様にキーワードの抽出を行う。このキーワー
ド抽出処理の詳細は、前記事例構築処理の場合と同様で
あるので、ここでは記述を割愛する。

【００８５】次に、ステップＳＴ１０２では、事例デー
タベース２７に格納されたキーワード集合による問題解
決木２６に対して検索を行う。図８のキーワード集合に
よる問題解決木２６に対して、例えば、図１０（ａ）の
新規の事例中のテキスト「コードが読み取れない」から
抽出されたキーワード集合９１｛コード，読み取り｝の
情報から、図８においてノード８１が検索できたとす
る。このとき、問題解決木検索部３１は、現在のノード
８１の下位にある分類カテゴリＣ１〜Ｃ４が、新規の事
例２８の分類カテゴリの候補であると推論して出力する
ことができる。

【００８６】また、ステップＳＴ１０２では、分類カテ
ゴリの候補を絞り込むために、ノード８１と下位を結ぶ
リンクに付与されているラベルのキーワード集合｛ラン
プ｝、｛キー｝、｛印刷｝を、ノード８１に対するガイ
ダンス情報８２として出力することができる。このと
き、オペレータがキーワード集合｛コード｝を選択する
と、ノード８３が現在ノードとなり、同様に、ノード８
３に対するガイダンス情報８４を出力する。このとき、
更にオペレータがキーワード集合｛点灯｝を選択する
と、新規の事例２８の分類カテゴリとして、分類カテゴ
リＣ１が推論されることになり、キーワード集合｛消
灯｝を選択すると、新規の事例２８の分類カテゴリとし
て、分類カテゴリＣ２が推論されることになる。

【００８７】以上のように、この実施の形態１によれ
ば、キーワード集合による問題解決木２６上で事例を絞
り込むための情報を推論してガイダンス情報３２として
出力可能にする方法を提供するという、従来にない機能
を達成することができる。また、前記の説明にあるよう
に、問題解決木の葉ノードの各キーワードには、問題解
決木へのキーワード索引設定処理（図４のステップＳＴ
１２）において、対応する分類カテゴリに応じた重みが
設定されている。従って、問題解決木検索処理（図９の
ステップＳＴ１０２）において、葉ノードに対して一括
検索を行うことにより、検索結果を類似度順にソートし
た結果を出力することができる（ステップＳＴ１０３，
ＳＴ１０４）。

【００８８】問題解決木検索処理（図９のステップＳＴ
１０２）において、問題解決木の葉ノードに対して検索
し、検索結果として、入力に類似した分類カテゴリを順
位付けて出力する。この分類カテゴリの順位付けを、キ
ーワード索引ベクトルと入力キーワードベクトルとの余
弦値による類似度で行う。キーワード索引ベクトルは、
カテゴリ毎のキーワード重み表（図１１（ｂ））の列の
うちキーワード索引の要素を選択したχ２乗値によるベ
クトルになる。

【００８９】問題解決木検索処理（図９のステップＳＴ
１０２）において、検索結果として、入力に類似した事
例を順位付けて出力する。この事例の順位付けは、入力
キーワードベクトル（各要素の重みは１）と各事例のキ
ーワードベクトル（各要素の重みはχ２乗値）との余弦
値による類似度で行う。

【００９０】上述した従来例では、個々の事例を順位付
けて出力することができるのみであり、特開平５−３３
４７２６号公報に開示されている文書分類構築装置で
は、一つの分類カテゴリのみを出力することができるの
みであった。本方式によれば、この検索結果は、図１０
（ｃ）のように、順位付き分類カテゴリ３４のみを出力
することも可能であり、また、図１０（ｂ）のように、
順位付き類似事例３３（順位付けた個々の事例）を出力
することも可能である。もちろん、本方式において、例
えば、類似度が閾値以下の分類カテゴリあるいは過去の
事例２１を出力しないように設定することは容易に行え
る。

【００９１】図１０（ａ）は図８のキーワード集合によ
る問題解決木２６に対する新規の事例２８の入力例を示
し、図１０（ｂ）は順位付き類似事例３３（順位付けた
個々の事例）の一例を示し、図１０（ｃ）は順位付き分
類カテゴリ３４の一例を示している。

【００９２】以上のように、この実施の形態１によれ
ば、予め対象領域や業務に依存して意味的に類似した分
類を表す分類カテゴリが付与されたテキストを含む事例
から構築されたキーワード集合による問題解決木２６を
用いて、新規の事例２８に該当する分類カテゴリを推論
して類似度による順位付きで出力したり、新規の事例２
８に対して類似した事例を推論して類似度による順位付
きで出力したりするとともに、上記キーワード集合によ
る問題解決木２６上で対話的に事例を絞り込んで解決策
を特定していくための支援情報を推論して出力すること
ができる効果を奏する。

【００９３】また、この実施の形態１によれば、コール
センターのオペレータ等の問題解決支援のような目的で
対話的な検索に用いる支援情報を提示したりするため
に、統計情報等により選択した理解容易なキーワード集
合による問題解決木２６を提供可能にすることができ
る。

【００９４】

【発明の効果】以上のように、この発明によれば、前処
理ステップにより計算されたキーワードの頻度を参照し
て、キーワード集合による問題解決木を生成する問題解
決木生成ステップと、その問題解決木生成ステップによ
り生成された問題解決木から新規の事例に類似する過去
の事例を検索する検索ステップとを設けるように構成し
たので、新規の事例に類似する過去の事例を精度よく推
論することができるとともに、ヘルプデスク業務を行う
オペレータ等にとって分かり易い問題解決木を提供し
て、対話的な事例の絞り込みを可能にすることができる
効果がある。

【００９５】この発明によれば、過去の事例の文を分割
するように構成したので、文内で共起するキーワードの
組を抽出して、問題解決木の構築及び事例推論に利用で
きるようになり、その結果、ヘルプデスク業務を行うオ
ペレータ等にとって分かり易い問題解決木を提供するこ
とができるとともに、事例推論の精度を高めることがで
きる効果がある。

【００９６】この発明によれば、句点の箇所で文を分割
するように構成したので、明確に文の分割を行えるた
め、文内で共起するキーワードの組を精度よく抽出し
て、問題解決木の構築及び事例推論に利用できるように
なり、その結果、ヘルプデスク業務を行うオペレータ等
にとって分かり易い問題解決木を提供することができる
とともに、事例推論の精度を高めることができる効果が
ある。

【００９７】この発明によれば、用言及び助動詞の連用
形の後に読点が続いた箇所で文を分割するように構成し
たので、句点以外の箇所で意味的に一つの文を分割でき
るため、文内で共起するキーワードの組を精度よく抽出
して、問題解決木の構築及び事例推論に利用できるよう
になり、その結果、ヘルプデスク業務を行うオペレータ
等にとって分かり易い問題解決木を提供することができ
るとともに、事例推論の精度を高めることができる効果
がある。

【００９８】この発明によれば、接続助詞の後に読点が
続いた箇所で文を分割するように構成したので、句点以
外の箇所で意味的に一つの文を分割できるため、文内で
共起するキーワードの組を精度よく抽出して、問題解決
木の構築及び事例推論に利用できるようになり、その結
果、ヘルプデスク業務を行うオペレータ等にとって分か
り易い問題解決木を提供することができるとともに、事
例推論の精度を高めることができる効果がある。

【００９９】この発明によれば、形態素解析結果の品詞
情報による選択的なキーワード抽出を実施するように構
成したので、問題解決木の構築及び事例推論に重要な単
語をキーワードとして抽出することができる結果、ヘル
プデスク業務を行うオペレータ等にとって分かり易い問
題解決木を提供することができるとともに、事例推論の
精度を高めることができる効果がある。

【０１００】この発明によれば、キーワードとして、自
立語を抽出するように構成したので、問題解決木の構築
及び事例推論に重要な単語をキーワードとして抽出する
ことができる結果、ヘルプデスク業務を行うオペレータ
等にとって分かり易い問題解決木を提供することができ
るとともに、事例推論の精度を高めることができる効果
がある。

【０１０１】この発明によれば、キーワードとして、自
立語及び付属語を抽出するように構成したので、問題解
決木の構築及び事例推論に重要な単語をキーワードとし
て抽出することができる結果、ヘルプデスク業務を行う
オペレータ等にとって分かり易い問題解決木を提供する
ことができるとともに、事例推論の精度を高めることが
できる効果がある。

【０１０２】この発明によれば、キーワードとして、自
立語、付属語及び様相表現を抽出するように構成したの
で、問題解決木の構築及び事例推論に重要な単語をキー
ワードとして抽出することができる結果、ヘルプデスク
業務を行うオペレータ等にとって分かり易い問題解決木
を提供することができるとともに、事例推論の精度を高
めることができる効果がある。

【０１０３】この発明によれば、抽出するキーワードか
ら数詞を除外するように構成したので、不要な語をキー
ワードとしないため、問題解決木の分かり易さを高める
ことができるとともに、事例推論の精度を高めることが
できる効果がある。

【０１０４】この発明によれば、抽出するキーワードか
ら数字を除外するように構成したので、不要な語をキー
ワードとしないため、問題解決木の分かり易さを高める
ことができるとともに、事例推論の精度を高めることが
できる効果がある。

【０１０５】この発明によれば、抽出するキーワードか
ら接頭語を除外するように構成したので、不要な語をキ
ーワードとしないため、問題解決木の分かり易さを高め
ることができるとともに、事例推論の精度を高めること
ができる効果がある。

【０１０６】この発明によれば、抽出するキーワードか
ら接尾語を除外するように構成したので、不要な語をキ
ーワードとしないため、問題解決木の分かり易さを高め
ることができるとともに、事例推論の精度を高めること
ができる効果がある。

【０１０７】この発明によれば、問題解決木のノードに
キーワード集合を設定するように構成したので、ヘルプ
デスク業務を行うオペレータ等にとって分かり易い問題
解決木を提供することができる効果がある。

【０１０８】この発明によれば、各キーワードに重みを
設定するように構成したので、キーワードの集合によっ
てノードの意味を説明できるため、ヘルプデスク業務を
行うオペレータ等にとって分かり易い問題解決木を提供
することができるとともに、重みにしたがって高精度な
事例推論を行うことができる効果がある。

【０１０９】この発明によれば、各キーワードに重みを
設定する際、分類カテゴリに特徴的なキーワード程、重
みの値を大きくするように構成したので、事例推論の精
度を高めることができる効果がある。

【０１１０】この発明によれば、キーワードに設定する
重みの値として、χ２乗値を使用するように構成したの
で、分類カテゴリ毎に特徴的なキーワードの重みが大き
くなり、その結果、事例推論の精度が高まる効果があ
る。

【０１１１】この発明によれば、問題解決木のリンクに
親ノードと子ノードの差にあたるキーワード集合を設定
するように構成したので、リンクに設定したキーワード
集合をオペレータの支援情報として提示することができ
る効果がある。

【０１１２】この発明によれば、前処理ステップで計算
されたキーワードの頻度を参照して、キーワードベクト
ルによる問題解決木の雛形を生成する雛形生成ステップ
と、その雛形生成ステップにより生成された雛形のノー
ドにキーワード索引を設定するキーワード索引設定ステ
ップとから問題解決木生成ステップを構成するように構
成したので、オペレータ等の支援に用いる情報の設定が
容易になるため、オペレータ等にとって分かり易い問題
解決木を提供することができる効果がある。

【０１１３】この発明によれば、キーワードの統計情報
を参照して、キーワードベクトルの要素を選択するよう
に構成したので、問題解決木の構築に有効な特徴的なキ
ーワードを選択できるため、オペレータ等にとって分か
り易い問題解決木を提供することができるとともに、事
例推論の精度を高めることができる効果がある。

【０１１４】この発明によれば、キーワードの統計情報
として、単語の出現頻度がある閾値以上の単語を使用す
るように構成したので、問題解決木の構築に有効な特徴
的なキーワードを選択できるため、オペレータ等にとっ
て分かり易い問題解決木を提供することができるととも
に、事例推論の精度を高めることができる効果がある。

【０１１５】この発明によれば、キーワードの統計情報
として、単語の出現頻度がある閾値以下の単語を使用す
るように構成したので、問題解決木の構築に有効な特徴
的なキーワードを選択できるため、オペレータ等にとっ
て分かり易い問題解決木を提供することができるととも
に、事例推論の精度を高めることができる効果がある。

【０１１６】この発明によれば、キーワードの統計情報
として、単語の出現頻度が第１の閾値以上、かつ、単語
の出現頻度が第２の閾値以下の単語を使用するように構
成したので、問題解決木の構築に有効な特徴的なキーワ
ードを選択できるため、オペレータ等にとって分かり易
い問題解決木を提供することができるとともに、事例推
論の精度を高めることができる効果がある。

【０１１７】この発明によれば、キーワードの統計情報
として、χ２乗値を使用するように構成したので、問題
解決木の構築において分類カテゴリ毎に特徴的なキーワ
ードを選択できるため、オペレータ等にとって分かり易
い問題解決木を提供することができるとともに、事例推
論の精度を高めることができる効果がある。

【０１１８】この発明によれば、クラスタリング時の距
離をキーワードベクトルの余弦値で定義して、問題解決
木の雛形を生成するように構成したので、距離の値の意
味を明確にして問題解決木を構築できるため、オペレー
タ等にとって分かり易い問題解決木を提供することがで
きるとともに、事例推論の精度を高めることができる効
果がある。

【０１１９】この発明によれば、各ノードに含まれる事
例の件数を考慮してクラスタリング時の距離を計算し
て、問題解決木の雛形を生成するように構成したので、
事例を多く含むノードが上位で分岐するような問題解決
木を生成できるため、オペレータ等にとって分かり易い
問題解決木を提供することができるとともに、平均的な
問題解決木の探索回数を削減することができる効果があ
る。

【０１２０】この発明によれば、キーワードの統計情報
を参照して、キーワード索引の要素を選択するように構
成したので、各ノードに重要なキーワード索引が設定さ
れるため、オペレータ等にとって分かり易い問題解決木
を提供することができるとともに、事例推論の精度を高
めることができる効果がある。

【０１２１】この発明によれば、キーワードの統計情報
として、χ２乗値を使用するように構成したので、分類
カテゴリ毎に特徴的なキーワードを選択して、各ノード
に重要なキーワード索引が設定されるため、オペレータ
等にとって分かり易い問題解決木を提供することができ
るとともに、事例推論の精度を高めることができる効果
がある。

【０１２２】この発明によれば、文内の共起の統計情報
を参照してキーワードの組合せを選択し、そのキーワー
ドの組合せをキーワード索引の要素として使用するよう
に構成したので、オペレータ等にとって分かり易い問題
解決木を提供することができるとともに、事例推論の精
度を高めることができる効果がある。

【０１２３】この発明によれば、文内の共起の統計情報
として、χ２乗値を使用するように構成したので、分類
カテゴリ毎に特徴的なキーワードの組みをキーワード索
引として設定できるため、オペレータ等にとって分かり
易い問題解決木を提供することができるとともに、事例
推論の精度を高めることができる効果がある。

【０１２４】この発明によれば、文内の共起の統計情報
として、相互情報量を使用するように構成したので、結
合の強いキーワードの組合せを選択できるため、オペレ
ータ等にとって分かり易い問題解決木を提供することが
できるとともに、事例推論の精度を高めることができる
効果がある。

【０１２５】この発明によれば、分類カテゴリへの到達
を支援するガイダンス情報を出力するように構成したの
で、オペレータ等の問題解決に役立つ支援情報を提供す
ることができる効果がある。

【０１２６】この発明によれば、ガイダンス情報とし
て、問題解決木のリンクに設定されたキーワード集合を
使用するように構成したので、オペレータ等の問題解決
に役立つ支援情報を提供することができる効果がある。

【０１２７】この発明によれば、問題解決木の葉ノード
に対する検索を実行して、新規の事例に類似する分類カ
テゴリを順位付けて出力するように構成したので、オペ
レータ等の問題解決に役立つ支援情報を効率よく提供す
ることができる効果がある。

【０１２８】この発明によれば、キーワード索引ベクト
ルと入力キーワードベクトルの余弦値による類似度を計
算して、分類カテゴリの順位付けを行うように構成した
ので、類似度の値の意味が明確になるため、事例推論の
結果として得られる分類カテゴリの順位付けが明確にな
る効果がある。

【０１２９】この発明によれば、新規の事例に類似する
過去の事例を順位付けて出力するように構成したので、
事例推論の結果として個別の事例が得られる効果があ
る。

【０１３０】この発明によれば、事例のキーワードベク
トルと入力キーワードベクトルの余弦値による類似度を
計算して、過去の事例の順位付けを行うように構成した
ので、事例推論の結果として得られる事例の順位付けの
意味が明確になる効果がある。

【０１３１】この発明によれば、前処理手段により計算
されたキーワードの頻度を参照して、キーワード集合に
よる問題解決木を生成する問題解決木生成手段と、その
問題解決木生成手段により生成された問題解決木から新
規の事例に類似する過去の事例を検索する検索手段とを
設けるように構成したので、新規の事例に類似する過去
の事例を精度よく推論することができるとともに、ヘル
プデスク業務を行うオペレータ等にとって分かり易い問
題解決木を提供して、対話的な事例の絞り込みを可能に
することができる効果がある。

【０１３２】この発明によれば、前処理手順により計算
されたキーワードの頻度を参照して、キーワード集合に
よる問題解決木を生成する問題解決木生成手順と、その
問題解決木生成手順により生成された問題解決木から新
規の事例に類似する過去の事例を検索する検索手順とを
設けるように構成したので、新規の事例に類似する過去
の事例を精度よく推論することができるとともに、ヘル
プデスク業務を行うオペレータ等にとって分かり易い問
題解決木を提供して、対話的な事例の絞り込みを可能に
することができる効果がある。

【図面の簡単な説明】

【図１】 この発明の実施の形態１による言語事例推論
装置を示す構成図である。

【図２】 キーワード集合による問題解決木を示す説明
図である。

【図３】 この発明の実施の形態１による言語事例推論
方法における事例構築処理を示すフローチャートであ
る。

【図４】 問題解決木生成処理の具体的な処理内容を示
すフローチャートである。

【図５】 雛形生成処理の具体的な処理内容を示すフロ
ーチャートである。

【図６】 キーワード索引設定処理の具体的な処理内容
を示すフローチャートである。

【図７】 索引設定副処理の処理内容を示すフローチャ
ート図である。

【図８】 キーワード集合による問題解決木の具体例を
示す説明図である。

【図９】 この発明の実施の形態１による言語事例推論
方法における事例検索処理を示すフローチャートであ
る。

【図１０】 新規の事例等を示す説明図である。

【図１１】 カテゴリ毎のキーワードの重み表等を示す
説明図である。

【図１２】 従来の言語事例推論装置を示す構成図であ
る。

【図１３】 分類決定木の構成を示す説明図である。

【符号の説明】

２１ 過去の事例、２２ 事例構築部、２３ テキスト
前処理部（前処理手段）、２４ 分類カテゴリ毎のキー
ワード頻度表、２５ 問題解決木生成部（問題解決木生
成手段）、２６ キーワード集合による問題解決木、２
７ 事例データベース、２８ 新規の事例、２９ 事例
検索部（検索手段）、３０ 新規事例入力部、３１ 問
題解決木検索部、３２ ガイダンス情報、３３ 順位付
き類似事例、３４ 順位付き分類カテゴリ、４１ キー
ワード分類木層、４２ 分類カテゴリ層、４３ 根ノー
ド、４４ 内部ノード、４５〜４７ 葉ノード、４８〜
５１ リンク、５２〜５５ ラベル、５６〜５８ 分類
カテゴリノード、５９〜６１ 事例集合、７１ 問題解
決木の雛型、７２ 葉ノードの集合、８１ ノード、８
２ ガイダンス情報、８３ ノード、８４ ガイダンス
情報、９１ キーワード集合。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 相川 勇之 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5B075 ND03 ND35 NK43 PR06 QM08

Claims (39)

【特許請求の範囲】
1. 【請求項１】 分類カテゴリが付与された過去の事例を
   解析して、その過去の事例からキーワードを抽出し、そ
   のキーワードの頻度を計算する前処理ステップと、上記
   前処理ステップにより計算されたキーワードの頻度を参
   照して、キーワード集合による問題解決木を生成する問
   題解決木生成ステップと、上記問題解決木生成ステップ
   により生成された問題解決木から新規の事例に類似する
   過去の事例を検索する検索ステップとを備えた言語事例
   推論方法。
2. 【請求項２】 前処理ステップは、過去の事例の文を分
   割することを特徴とする請求項１記載の言語事例推論方
   法。
3. 【請求項３】 前処理ステップは、句点の箇所で文を分
   割することを特徴とする請求項２記載の言語事例推論方
   法。
4. 【請求項４】 前処理ステップは、用言及び助動詞の連
   用形の後に読点が続いた箇所で文を分割することを特徴
   とする請求項２記載の言語事例推論方法。
5. 【請求項５】 前処理ステップは、接続助詞の後に読点
   が続いた箇所で文を分割することを特徴とする請求項２
   記載の言語事例推論方法。
6. 【請求項６】 前処理ステップは、形態素解析結果の品
   詞情報による選択的なキーワード抽出を実施することを
   特徴とする請求項１から請求項５のうちのいずれか１項
   記載の言語事例推論方法。
7. 【請求項７】 前処理ステップは、キーワードとして、
   自立語を抽出することを特徴とする請求項６記載の言語
   事例推論方法。
8. 【請求項８】 前処理ステップは、キーワードとして、
   自立語及び付属語を抽出することを特徴とする請求項６
   記載の言語事例推論方法。
9. 【請求項９】 前処理ステップは、キーワードとして、
   自立語、付属語及び様相表現を抽出することを特徴とす
   る請求項６記載の言語事例推論方法。
10. 【請求項１０】 前処理ステップは、抽出するキーワー
    ドから数詞を除外することを特徴とする請求項６記載の
    言語事例推論方法。
11. 【請求項１１】 前処理ステップは、抽出するキーワー
    ドから数字を除外することを特徴とする請求項６記載の
    言語事例推論方法。
12. 【請求項１２】 前処理ステップは、抽出するキーワー
    ドから接頭語を除外することを特徴とする請求項６記載
    の言語事例推論方法。
13. 【請求項１３】 前処理ステップは、抽出するキーワー
    ドから接尾語を除外することを特徴とする請求項６記載
    の言語事例推論方法。
14. 【請求項１４】 問題解決木生成ステップは、問題解決
    木のノードにキーワード集合を設定することを特徴とす
    る請求項１から請求項１３のうちのいずれか１項記載の
    言語事例推論方法。
15. 【請求項１５】 問題解決木生成ステップは、各キーワ
    ードに重みを設定することを特徴とする請求項１４記載
    の言語事例推論方法。
16. 【請求項１６】 問題解決木生成ステップは、各キーワ
    ードに重みを設定する際、分類カテゴリに特徴的なキー
    ワード程、重みの値を大きくすることを特徴とする請求
    項１５記載の言語事例推論方法。
17. 【請求項１７】 問題解決木生成ステップは、キーワー
    ドに設定する重みの値として、χ２乗値を使用すること
    を特徴とする請求項１６記載の言語事例推論方法。
18. 【請求項１８】 問題解決木生成ステップは、問題解決
    木のリンクに親ノードと子ノードの差にあたるキーワー
    ド集合を設定することを特徴とする請求項１４記載の言
    語事例推論方法。
19. 【請求項１９】 前処理ステップで計算されたキーワー
    ドの頻度を参照して、キーワードベクトルによる問題解
    決木の雛形を生成する雛形生成ステップと、上記雛形生
    成ステップにより生成された雛形のノードにキーワード
    索引を設定するキーワード索引設定ステップとから問題
    解決木生成ステップを構成することを特徴とする請求項
    １から請求項１３のうちのいずれか１項記載の言語事例
    推論方法。
20. 【請求項２０】 雛形生成ステップは、キーワードの統
    計情報を参照して、キーワードベクトルの要素を選択す
    ることを特徴とする請求項１９記載の言語事例推論方
    法。
21. 【請求項２１】 雛形生成ステップは、キーワードの統
    計情報として、単語の出現頻度がある閾値以上の単語を
    使用することを特徴とする請求項２０記載の言語事例推
    論方法。
22. 【請求項２２】 雛形生成ステップは、キーワードの統
    計情報として、単語の出現頻度がある閾値以下の単語を
    使用することを特徴とする請求項２０記載の言語事例推
    論方法。
23. 【請求項２３】 雛形生成ステップは、キーワードの統
    計情報として、単語の出現頻度が第１の閾値以上、か
    つ、単語の出現頻度が第２の閾値以下の単語を使用する
    ことを特徴とする請求項２０記載の言語事例推論方法。
24. 【請求項２４】 雛形生成ステップは、キーワードの統
    計情報として、χ２乗値を使用することを特徴とする請
    求項２０記載の言語事例推論方法。
25. 【請求項２５】 雛形生成ステップは、クラスタリング
    時の距離をキーワードベクトルの余弦値で定義して、問
    題解決木の雛形を生成することを特徴とする請求項１９
    記載の言語事例推論方法。
26. 【請求項２６】 雛形生成ステップは、各ノードに含ま
    れる事例の件数を考慮してクラスタリング時の距離を計
    算して、問題解決木の雛形を生成することを特徴とする
    請求項１９記載の言語事例推論方法。
27. 【請求項２７】 キーワード索引設定ステップは、キー
    ワードの統計情報を参照して、キーワード索引の要素を
    選択することを特徴とする請求項１９または請求項２０
    記載の言語事例推論方法。
28. 【請求項２８】 キーワード索引設定ステップは、キー
    ワードの統計情報として、χ２乗値を使用することを特
    徴とする請求項２７記載の言語事例推論方法。
29. 【請求項２９】 キーワード索引設定ステップは、文内
    の共起の統計情報を参照してキーワードの組合せを選択
    し、そのキーワードの組合せをキーワード索引の要素と
    して使用することを特徴とする請求項１９または請求項
    ２０記載の言語事例推論方法。
30. 【請求項３０】 キーワード索引設定ステップは、文内
    の共起の統計情報として、χ２乗値を使用することを特
    徴とする請求項２９記載の言語事例推論方法。
31. 【請求項３１】 キーワード索引設定ステップは、文内
    の共起の統計情報として、相互情報量を使用することを
    特徴とする請求項２９記載の言語事例推論方法。
32. 【請求項３２】 検索ステップは、分類カテゴリへの到
    達を支援するガイダンス情報を出力することを特徴とす
    る請求項１記載の言語事例推論方法。
33. 【請求項３３】 検索ステップは、ガイダンス情報とし
    て、問題解決木のリンクに設定されたキーワード集合を
    使用することを特徴とする請求項３２記載の言語事例推
    論方法。
34. 【請求項３４】 検索ステップは、問題解決木の葉ノー
    ドに対する検索を実行して、新規の事例に類似する分類
    カテゴリを順位付けて出力することを特徴とする請求項
    １記載の言語事例推論方法。
35. 【請求項３５】 検索ステップは、キーワード索引ベク
    トルと入力キーワードベクトルの余弦値による類似度を
    計算して、分類カテゴリの順位付けを行うことを特徴と
    する請求項３４記載の言語事例推論方法。
36. 【請求項３６】 検索ステップは、新規の事例に類似す
    る過去の事例を順位付けて出力することを特徴とする請
    求項１記載の言語事例推論方法。
37. 【請求項３７】 検索ステップは、事例のキーワードベ
    クトルと入力キーワードベクトルの余弦値による類似度
    を計算して、過去の事例の順位付けを行うことを特徴と
    する請求項３６記載の言語事例推論方法。
38. 【請求項３８】 分類カテゴリが付与された過去の事例
    を解析して、その過去の事例からキーワードを抽出し、
    そのキーワードの頻度を計算する前処理手段と、上記前
    処理手段により計算されたキーワードの頻度を参照し
    て、キーワード集合による問題解決木を生成する問題解
    決木生成手段と、上記問題解決木生成手段により生成さ
    れた問題解決木から新規の事例に類似する過去の事例を
    検索する検索手段とを備えた言語事例推論装置。
39. 【請求項３９】 分類カテゴリが付与された過去の事例
    を解析して、その過去の事例からキーワードを抽出し、
    そのキーワードの頻度を計算する前処理手順と、上記前
    処理手順により計算されたキーワードの頻度を参照し
    て、キーワード集合による問題解決木を生成する問題解
    決木生成手順と、上記問題解決木生成手順により生成さ
    れた問題解決木から新規の事例に類似する過去の事例を
    検索する検索手順とを備えた言語事例推論プログラムが
    記録された記録媒体。