JP2002157262A - 分類ルール定義支援方法 - Google Patents

Abstract

(57)【要約】 【課題】分類体系が客観的で複雑な場合、利用者が登録
したい分類ルールが真に妥当か否かを評価するための情
報を利用者に提示することが不可欠である。 【解決手段】利用者が入力した分類ルールを複数の分類
済み電子文書に適用して分類ルールの妥当性を計算し、
利用者に報知する。また、利用者が指定した電子文書を
解析し、関連する分類ルールを複数の分類済み電子文書
を参照して抽出し、利用者に報知する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、新聞記事やＷｅｂ
ページなどの電子文書をその記述形式あるいは内容に応
じて自動分類する文書分類システムに係り、特に分類す
るためのルールを利用者が追加定義する作業を支援する
分類ルール定義支援方法に関する。

【０００２】

【従来の技術】電子文書の属性や記述形式、キーワード
の組合せなどに応じて文書を自動分類する機能がメール
閲覧システム（http:／／www.lotus.com／home.nsf／we
lcome／ccmail等）や文書管理システム（http:／／www.
justsystem.co.jp／software／sys／class／class.html
等）などに搭載されている。これらのシステムでは、
（１）分類するためのルールを利用者自身に入力定義さ
せる、（２）カテゴリを特徴付ける代表的な電子文書を
利用者に指定させる、（３）カテゴリ毎にプロファイル
と呼ばれるカテゴリ定義情報を定義させる、のいずれか
によって分類ルールを抽出するリソースデータを定義さ
せ、それらから分類ルールを自動生成し、自動分類を実
現している。

【０００３】

【発明が解決しようとする課題】分類体系が利用者個人
の主観によって定義されていたり、カテゴリ数が比較的
少ない場合は、分類ルールの保守・更新も容易である
が、分類体系が客観的で複雑なものになってきて複数の
利用者が分類ルールを共用し、保守するような場合、あ
る利用者が登録した分類ルールが他の既存の分類ルール
に悪影響を及ぼす可能性がある。従って、利用者が登録
しようとしている分類ルールが真に妥当なものである
（信頼度の高い、分類精度を高く維持できるものであ
る）かを評価するための情報を利用者に提示することが
不可欠となる。

【０００４】また、そもそも利用者は新しい分類ルール
を追加定義することができない場合が多い。そこで、種
となる文書を指定すると、当該文書に関連する新旧ルー
ルを自動的に抽出し、利用者にその一覧を提示し、取捨
選択させることによって分類ルールの追加登録を支援で
きるような支援が不可欠である。

【０００５】

【課題を解決するための手段】本発明では、入力装置を
介して利用者によって入力された分類ルールを複数の分
類済み電子文書に適用することによって当該分類ルール
の妥当性を計算し、前記計算結果を出力装置を介して利
用者に報知することにより、上記課題を解決する。ま
た、本発明では、入力装置を介して利用者によって指定
された電子文書を解析し、当該文書に関連する新しい分
類ルールあるいは既存の分類ルールを複数の分類済み電
子文書を参照することによって抽出し、前記抽出結果を
出力装置を介して利用者に報知することにより、上記課
題を解決する。

【０００６】

【発明の実施の形態】本発明の実施例について、以下図
面を用いて詳細に説明する。なお、これにより本発明が
限定されるものではない。

【０００７】本実施例では、新聞記事をその内容に応じ
てカテゴリに分類することを想定している。ルールを登
録する人は新聞記者でもシステム管理者でも構わない。
以下の説明で使用するカテゴリ体系は、新聞の面に相当
するものを用いる。すなわち、「政治」、「経済」、
「国際」、「スポーツ」、「社会」、「文化」などのカ
テゴリからなる。

【０００８】分類の対象となる文書は新聞記事以外でも
良い。例えば、Ｗｅｂページや電子メール、特許明細書
などの電子文書についても全く同等に扱える。

【０００９】図１は本発明の概要を示す図である。利用
者１は分類システムの搭載された計算機２に対して、
「（新聞記事の）タイトルに「首相」というキーワード
があれば「政治」カテゴリに分類する」という新しい分
類ルールを追加登録したい旨を計算機２の入力装置を介
して計算機２に伝える（１ａ）。すると、分類システム
（計算機２）は入力された分類ルール案を受理し、その
ルールが分類ルールとしてどの程度有効であるかを計算
してその結果を計算機２の出力装置を介して利用者１に
報知する。例えば、「ルールの信頼度は95％で妥当で
す。本ルールは856件に適用でき、そのうち813件につい
て正しく分類できました」などと出力する（２ａ）。利
用者１はその出力結果を受けてそのルールを追加登録す
るか否かを判断する。もし、出力結果が思わしくない場
合、ルールを修正して再チェックすることも可能であ
る。計算機からの出力情報の詳細については図２以降で
述べる。

【００１０】図２は本実施例の画面の一例を示す図であ
り、分類ルールの追加登録時に用いる画面である。本画
面１０は大きく、利用者１が分類ルール案を入力するエ
リア１０ａと、そのルールの妥当性を解析した結果を出
力するエリア１０ｂからなる。分類ルール案を入力する
エリアは、ルールの条件部を入力するエリア２０と帰結
部を入力するエリア３０、ルールではなくて種となる文
書のＩＤ（あるいは格納位置）を入力するエリア４０か
らなる。図２では、「もし文書のタイトル中にキーワー
ド「首相」が出現し、かつ、文書の本文中にキーワード
「国会」が出現する場合、その文書をカテゴリ「政治」
に分類するというルール案が記述されている。

【００１１】ここで、評価ボタン６０を押すと、上記ル
ールの妥当性が計算され、その結果が１０ｂに表示され
る。１０ｂでは、当該ルールが妥当であるか否かを判断
した文８０と、妥当性（信頼度）を定量的に算出した値
８１、当該ルールが適用された文書件数８２、適用され
た文書件数のうち正しく分類できた文書件数８３、正し
く分類されなかった文書の件数およびその一覧８４（選
択して表示ボタンを押すと内容を参照できる）、当該ル
ールに関連するルール一覧８５を表示している。

【００１２】利用者はこれらの情報を参考にして、当該
ルールを分類ルールとして追加登録するか否かを判断す
る。また、必要に応じてルールの一部を修正し、妥当性
を再チェックする。追加登録する場合、登録ボタン７０
を押下することにより、追加登録される。

【００１３】また、種文書ＩＤの入力エリア４０に文書
ＩＤを入力して評価ボタン６０を押下すると、当該種文
書からキーワードを自動抽出してルール候補を自動生成
し、各ルール候補の妥当性をチェックして結果を表示す
る。

【００１４】図３は本実施例のブロック構成を示す図で
ある。分類ルール定義支援は、大きくルール解析部１０
０、ルール照合部、文書解析部３００、評価結果算出部
４００、文書表示処理部５００、入出力インタフェース
６００、分類済み文書インデクス７００、分類済み電子
文書８００、登録ルール９００からなる。

【００１５】ルール解析部１００では、図２の画面を介
して利用者１によって入力された分類ルールを受理し、
ルール照合部２００で分類済み文書インデクスと照合で
きるように、分類ルールの構成を解析し、構成要素に分
解する。本実施例では図２に示すようにルールの条件部
と帰結部の入力エリアが明確に区別されているのでルー
ル構成の解析は容易である。また、条件部を構成する条
件もキーワードの入力エリアとキーワード出現位置の入
力エリアが明確に区別されているので、これも解析は容
易である。帰結部においては複数のカテゴリがorで連結
されることも考えられるが、これらの文字列からカテゴ
リ情報を抽出する処理は容易であるためここでは言及し
ない。

【００１６】文書解析部２００は、図２の画面を介して
利用者１が種文書を指定した場合に起動される。ここで
は、指定された文書ＩＤに対応する文書情報を読み込
み、その文書の特定箇所を自然言語解析し、キーワード
を抽出し、キーワードとその出現箇所を対にして蓄積す
る。これらの対の一つ一つを分類ルール候補として扱
う。この特定箇所をどこにすべきか、またどのような単
語をキーワードとして抽出するかについては予めプロフ
ァイルとして定義しておくことにより設定可能である。
例えば新聞記事で言えば、特定箇所として「タイトルと
本文の最初の一文」、キーワードとして「名詞」と定義
することが可能である（もちろんこれらの設定を受理し
て解析できる処理プログラムは必要である）。

【００１７】ルール照合部３００では、分類ルール候補
を分類済み文書インデクスに適用し、どの文書に適用で
きるのかをチェックする。分類済み文書インデクス７０
０は図５に示すように、文書ＩＤ７０１、カテゴリ７０
２、キーワード７０３、キーワードの出現位置情報７０
４、キーワードの出現頻度７０５から構成されるデータ
であり、予め分類済み電子文書を自然言語解析して生成
しておく。分類ルール候補の条件部に記載されているキ
ーワードおよびキーワードの出現位置情報が分類済み文
書インデクス７００のキーワード７０３および出現位置
情報７０４とマッチするか否かをチェックし、条件部の
条件すべてを満たす文書の文書ＩＤ７０１およびそのカ
テゴリ７０２を対にして抽出する。

【００１８】またルール照合部３００では、分類ルール
候補を登録ルール９００と比較することにより、分類ル
ール候補に類似する登録ルールを抽出する。登録ルール
９００は図４にその一例を示すように、識別子ＩＦを伴
う条件部と、識別子ＴＨＥＮを伴う帰結部からなってお
り、これは図２における条件部および帰結部と同一の構
成をなす。ここでは、条件部を比較して、分類ルール候
補の条件部に出現するキーワードと同一のキーワードが
条件部に出現する登録ルールを抽出する。

【００１９】評価結果算出部４００では、ルール照合部
２００での照合結果を受け取って、その分類ルール候補
がどの程度妥当であるかを算出する。ここでは、以下の
数値を計算する。

【００２０】（１）分類ルール候補が何件の文書とマッ
チしたか（図２の８２に対応）。

【００２１】（２）上記（１）のうち、何件の文書を正
しく分類できたか（図２の８３に対応）。

【００２２】（３）上記（１）のうち、何件の文書を正
しく分類できなかったか（図２の８４に対応）。

【００２３】（４）ルールの信頼度（図２の８１に相
当）。

【００２４】（１）については、ルール照合部２００で
マッチした文書の数をカウントすることによって容易に
得られる。（２）については分類済み文書インデクス７
００に記述されたカテゴリ７０２と分類ルール候補で指
定されたカテゴリ３１が一致する文書の件数をカウント
することにより容易に得られる。（３）については
（１）の値と（２）の値の差を計算することにより容易
に得られる。また、正しく分類できなかった文書ＩＤを
上記（１）と（２）との差分から取得する。（４）の算
出の一例としては、上記（２）の値を上記（１）で割る
ことが考えられる。

【００２５】評価結果算出部４００で算出された上記数
値は入出力インタフェース６００を介して利用者１に図
２の画面として出力される。また、ルール照合部２００
で抽出された類似ルールについても利用者１に出力され
る（図２の８５に対応）。また、入力された分類ルール
候補が妥当なものか否かを端的に表したメッセージ（図
２の８０に対応）の出力については、上記（４）のルー
ルの信頼度の値に閾値を設けておくことにより容易に出
力切換可能である。例えば、上記（４）の値の閾値を９
０％としておくことにより、それより高い場合、「妥当
です」、低い場合「不適切です」と表示させることは容
易である。

【００２６】これらの出力結果から利用者１は当該分類
候補を追加登録するか否かを判断する。利用者１は正し
く分類できなかった文書の内容をチェックすることによ
り、それらがノイズとみなせる文書であるか、正しく分
類できない別の重要要因を持つものであるのかをチェッ
クできる。また、利用者１は図２の画面を介してルール
を修正して再評価することが可能である。

【００２７】

【発明の効果】本発明によれば、大量の分類済み電子文
書データを参照して、利用者が定義した分類ルールの妥
当性を定量的に評価するので、分類ルールを登録する前
にその影響を把握することができ、信頼度の高い分類ル
ールを維持することができる。

【図面の簡単な説明】

【図１】本実施例の概要を示す図。

【図２】本実施例の画面の一例を示す図。

【図３】本実施例のブロック構成を示す図。

【図４】分類ルールを示す図。

【図５】分類済み文書インデクスの構成を示す図。

【符号の説明】

１…ルール解析部、２…文書解析部、３…ルール照合
部、４…評価結果算出部、５…文書表示処理部、６…入
出力インタフェース、７…分類済み文書インデクス、８
…分類済み電子文書。

Claims (7)

【特許請求の範囲】
1. 【請求項１】 分類ルールに基づいて電子文書をカテゴ
   リに分類する文書分類システムにおける分類ルール定義
   支援方法であって、 入力装置を介して利用者によって入力された分類ルール
   を複数の分類済み電子文書に適用することによって当該
   分類ルールがどの程度信頼性があり、分類精度の向上あ
   るいは維持にどの程度貢献するかを計算し、前記計算結
   果を出力装置を介して利用者に報知することを特徴とす
   る分類ルール定義支援方法。
2. 【請求項２】 請求項１記載の分類ルールは、キーワー
   ドの出現形態に関して記述した条件部と、当該条件を満
   たした時に分類されるべきカテゴリを記述した帰結部を
   含むことを特徴とする請求項１記載の分類ルール定義支
   援方法。
3. 【請求項３】 請求項２記載の条件部は、あるキーワー
   ドが電子文書中のどこに出現したかに関する情報を記述
   可能であることを特徴とする請求項２記載の分類ルール
   定義支援方法。
4. 【請求項４】 請求項１記載の分類ルール定義支援方法
   において、利用者に報知する計算結果は、前記利用者が
   入力した分類ルールが適用される文書件数あるいはその
   割合、当該分類ルールによって正しく分類された文書件
   数あるいはその割合、当該分類ルールによって正しく分
   類されなくなる文書件数あるいはその割合の少なくとも
   一つを含むことを特徴とする分類ルール定義支援方法。
5. 【請求項５】 請求項１記載の分類ルール定義支援方法
   において、前記利用者が入力した分類ルールに合致しな
   かった電子文書あるいは前記合致しなかった電子文書が
   分類されるカテゴリ情報を出力装置を介して利用者に報
   知することを特徴とする請求項１記載の分類ルール定義
   支援方法。
6. 【請求項６】 請求項１記載の分類ルール定義支援方法
   において、前記利用者が入力した分類ルールに類似した
   ルールを既存の分類ルールの中から抽出し、出力装置を
   介して利用者に報知することを特徴とする請求項１記載
   の分類ルール定義支援方法。
7. 【請求項７】 電子文書をその形式あるいは内容に応じ
   てカテゴリに分類する分類システムにおける分類ルール
   定義支援方法であって、 入力装置を介して利用者によって指定された電子文書を
   解析し、当該文書に関連する新しい分類ルールあるいは
   既存の分類ルールを複数の分類済み電子文書を参照する
   ことによって抽出し、前記抽出結果を出力装置を介して
   利用者に報知することを特徴とする分類ルール定義支援
   方法。