JP2002230012A - ドキュメントクラスタリング装置 - Google Patents

Abstract

(57)【要約】 【課題】 多数のドキュメントをクラスタリングし各ク
ラスタの代表ドキュメントを決定する処理を、短時間で
かつ簡単に行なえるように摺る。 【解決手段】 ドキュメントクラスタリング装置１０２
は、ドキュメント群を蓄積するドキュメント群蓄積部１
１８、ドキュメント群からキーワードを抽出するキーワ
ード抽出部１８、全ドキュメント間の類似度を算出する
類似度情報検索部２０、類似度を記憶する類似度テーブ
ル３０、類似度の分布の偏りに基づいてクラスタリング
するクラスタリング部２２、クラスタの各々について代
表ドキュメントを算出する代表ドキュメント算出部１１
２、ならびに各クラスタに関する情報を作成し蓄積する
クラスタリング情報作成部１１４およびクラスタリング
情報蓄積部１２０を含む。装置１０２はさらに、追加ド
キュメントを各クラスタの特徴ドキュメントと比較し分
類するドキュメント分類部１１６を含んでもよい。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ドキュメントクラ
スタリング装置に関し、特に、蓄積されたトラブルチケ
ットからＦＡＱ（Frequently Asked Questions）の作成
を支援したりするために類似のドキュメントをクラスタ
リングするドキュメントクラスタリング装置に関する。

【０００２】

【従来の技術】多くの顧客を抱える企業・事業者にとっ
て、顧客のニーズをいかに満足させるかは重要な課題で
ある。顧客からの質問や苦情等の問合わせに素早く、的
確に答えることによって、顧客満足度を上げること、お
よびそのコストパフォーマンスを最適化すること等が事
業の成否を直接左右する課題として広く認識されてい
る。

【０００３】従来、顧客からの質問・苦情を受付け、回
答までの情報をトラブルチケットとして蓄積するヘルプ
デスクシステム等において、頻繁に問合わせられる典型
的な質問と、それに対する回答とからなる質問・回答集
であるＦＡＱが作成されている。そして、顧客からの質
問・苦情を受付けた場合には、まずこのＦＡＱを参照し
て回答処理をすることにより、顧客対応を効率化してい
る。

【０００４】

【発明が解決しようとする課題】しかし、通常、ＦＡＱ
の作成は蓄積されたトラブルチケットをもとに手作業で
行なわれる。したがって、蓄積されたトラブルチケット
の量が大きくなると、ＦＡＱの作成は非常に労力を要す
る作業となる。また、顧客からの質問や苦情に隠されて
いる顧客のニーズを掴むヒントをうまく捉えることも企
業・事業者にとっては重要だが、トラブルチケットが大
量になるとその分析も困難となる。

【０００５】このような、データの分析とその意味の発
見という作業は、トラブルチケットに対するＦＡＱの作
成という作業のみに伴うものではない。この他にも、経
済活動、学術活動を通じて日々作成されるドキュメント
群を分析し、その中から意味を見出す作業は日常的に行
なわれる。そのためにはドキュメント群を類似のクラス
タに分類（クラスタリング）していく作業が必要となる
が、その作業を、多大な労力を必要とすることなく、で
きるだけ短い時間で行なうことを可能とするシステムが
望まれている。

【０００６】そのようなシステムの一例が、特開平５−
２０５０５８号公報で開示されている。この公報に記載
されたシステムでは、分類された後の各クラスタのデー
タメンバ数とデータの分散とから、最適なクラスタ数に
分類される場合に最小値をとるようなクラスタリング状
態評価量を定め、そのクラスタリング状態評価量が最小
値となるようなクラスタ数にデータの分類を行なう。

【０００７】しかし特開平５−２０５０５８号公報に開
示のシステムでは、クラスタリング状態評価量の決定が
難しいという問題がある。また、このシステムでは、指
定されたクラスタ数に分類するような処理をすることが
できないという問題もある。また、データをいったん分
類した後に他のデータが追加されたときに、再度クラス
タリングを実行する必要があるため、処理に長時間を要
するという問題が残る。

【０００８】本発明は上述の課題を解決するためになさ
れたもので、その目的は、類似のドキュメントをクラス
タリングする処理を支援するドキュメントクラスタリン
グ装置を提供することである。

【０００９】この発明の他の目的は、類似のドキュメン
トをクラスタリングする処理を短時間で実行することを
可能とする、ドキュメントクラスタリング装置を提供す
ることである。

【００１０】この発明のさらに他の目的は、随時追加さ
れるドキュメントを、短時間で適切なクラスタにクラス
タリングすることができるドキュメントクラスタリング
装置を提供することである。

【００１１】

【課題を解決するための手段】本発明のある局面に従う
ドキュメントクラスタリング装置は、ドキュメント群に
おける各ドキュメント間の類似度を求めるための類似度
算出手段と、類似度算出手段に接続され、各ドキュメン
ト間の類似度の分布の偏りに基づいて、ドキュメント群
をクラスタリングするための類似度しきい値を算出する
ための類似度しきい値算出手段と、類似度しきい値算出
手段および類似度算出手段に接続され、類似度しきい値
および各ドキュメント間の類似度に基づいて、ドキュメ
ント群をクラスタリングするためのクラスタリング手段
とを含む。

【００１２】ドキュメント間における類似度の分布の偏
りから定められる類似度しきい値を用いて、ドキュメン
ト間の類似度に基づいてドキュメント群をクラスタリン
グすることができる。このため、ドキュメント群中のド
キュメントを、自動的に、かつ適切なクラスタに、容易
にクラスタリングすることができる。

【００１３】好ましくは、類似度しきい値算出手段は、
各ドキュメント間の類似度に基づいて、任意の類似度し
きい値と、当該任意の類似度しきい値を用いてクラスタ
リング手段によってクラスタリングを行なう際のクラス
タ数との関係を求めるための類似度しきい値−クラスタ
数関係算出手段と、類似度しきい値−クラスタ数関係算
出手段に接続され、類似度しきい値とクラスタ数との関
係に現れるドキュメント間の類似度の偏りに基づいて、
類似度しきい値を算出するための手段を含む。

【００１４】類似度しきい値とクラスタ数との関係にお
いて、類似度の分布の偏りに基づいて、クラスタリング
に適切な類似度しきい値を算出することができる。その
ため、自動的に最適な類似度しきい値を算出することが
可能になる。

【００１５】さらに好ましくは、類似度しきい値算出手
段は、さらに、類似度しきい値−クラスタ数関係算出手
段に接続され、クラスタリング手段によって、オペレー
タが指定したクラスタ数にドキュメント群をクラスタリ
ングするための適切な類似度しきい値を算出するための
手段を含む。

【００１６】自動的に行なわれたクラスタリングによる
クラスタ数だけでなく、オペレータが指定したクラスタ
数を指定することにより、指定されたクラスタ数にクラ
スタリングするような新たな類似度しきい値が算出さ
れ、再クラスタリングが実行される。したがって所望の
クラスタ数にドキュメント群を分類できる。

【００１７】さらに好ましくは、ドキュメントクラスタ
リング装置は、類似度算出手段により算出されたドキュ
メント間の類似度を記憶するための類似度記憶手段をさ
らに含み、類似度しきい値算出手段およびクラスタリン
グ手段は、類似度記憶手段に記憶されている類似度を利
用して類似度の算出処理とクラスタリング処理とをそれ
ぞれ実行する。

【００１８】一旦算出された類似度の分布を記憶してお
くことにより、類似度の算出とクラスタリングとを繰り
返し行なう際の処理を高速化することができる。

【００１９】好ましくは、ドキュメントクラスタリング
装置は、クラスタリング手段によりクラスタリングされ
た各クラスタの特徴ドキュメントを算出するための特徴
ドキュメント算出手段と、クラスタリングされていない
追加のドキュメントと、各クラスタの特徴ドキュメント
との間の類似度に基づいて、追加のドキュメントをクラ
スタリングするための追加クラスタリング手段とをさら
に含む。

【００２０】最初のクラスタリング処理の後、さらにク
ラスタリング対象のドキュメントが追加された場合に、
各クラスタの特徴ドキュメントと追加のドキュメントと
の類似度にもとづいて追加のドキュメントをクラスタリ
ングできる。クラスタリング処理を最初から繰返す必要
はないので、追加のクラスタリング処理を高速に実行す
ることができる。

【００２１】さらに好ましくは、追加クラスタリング手
段は、追加のドキュメントと、各クラスタの特徴ドキュ
メントとの間の類似度の最大値を算出するための手段
と、最大値が所定の条件を充足しているか否かを判定す
るための手段と、最大値が所定の条件を充足していると
判定された場合に、追加のドキュメントを最大値を与え
たクラスタに分類するための手段とを含む。

【００２２】追加のドキュメントを既存のクラスタに分
類する際に、既存のクラスタとの間の類似度がいずれも
所定の条件を充足していない場合には、いずれのクラス
タにも追加のドキュメントを分類することは不適切であ
る。そこで、所定の条件を充足している場合のみ、追加
のドキュメントを最大の類似度を与えたクラスタに分類
することにより、不適切な分類を避けることができる。

【００２３】好ましくは、追加クラスタリング手段はさ
らに、最大値が所定の条件を充足していないと判定され
た場合に、追加のドキュメントを特定の未分類クラスタ
に分類するための手段を含む。

【００２４】いずれのクラスタに分類することも不適切
なドキュメントを特定の未分類クラスタに分類すること
で、既存のクラスタのいずれとも類似していないドキュ
メントのみをまとめておくことができる。

【００２５】さらに好ましくは、追加クラスタリング手
段はさらに、未分類クラスタに分類された追加のドキュ
メントの数が所定の条件を充足したことに応答して、未
分類クラスタに分類された追加のドキュメントに対して
クラスタリング処理を実行させるための手段を含む。

【００２６】未分類クラスタに分離された追加のドキュ
メントの数が所定の条件を充足したときに、それらドキ
ュメント群に対してクラスタリング処理が実行される。
これらドキュメントは既存のクラスタのいずれとも類似
していないので、このクラスタリング処理の結果、新た
なクラスタが追加される。全ドキュメントに対するクラ
スタリング処理を繰返す必要はなく、未分類クラスタに
分類されたドキュメントのみに対してクラスタリング処
理を実行することで、結果的に短時間で追加のドキュメ
ントを含む全ドキュメントを適切にクラスタリングする
ことができる。

【００２７】本発明の他の局面に従うドキュメントクラ
スタリング装置は、ドキュメント群における各ドキュメ
ント間の類似度を求めるための類似度算出手段と、オペ
レータからのクラスタ数の入力を受付けるためのクラス
タ数受付け手段と、類似度算出手段およびクラスタ数受
付け手段に接続され、予め定められた類似度しきい値お
よび類似度の分布の偏りに基づいて、ドキュメント群を
クラスタリングするためのクラスタリング手段と、クラ
スタ数受付け手段およびクラスタリング手段に接続さ
れ、クラスタリングの結果のクラスタ数が、クラスタ数
受付け手段で受付けたオペレータからのクラスタ数に一
致するか否かを判断するためのクラスタ数一致判断手段
と、クラスタ数受付け手段、クラスタ数一致判断手段お
よびクラスタリング手段に接続され、クラスタ数一致判
断手段の出力に基づいて、予め定められた類似度しきい
値を変更し、クラスタリング手段に供給するための類似
度しきい値変更手段とを含む。

【００２８】オペレータが指定したクラスタ数に合うよ
うに、適切な類似度しきい値が自動的に定められ、自動
的にクラスタリングが実行される。種々の類似度しきい
値を用いてクラスタリングを繰返す必要なく、所望のク
ラスタ数となるように適切なクラスタリング処理が実行
できる。

【００２９】さらに好ましくは、ドキュメントクラスタ
リング装置は、含まれるドキュメントが所定の方法によ
り定められる数以下であるクラスタをクラスタリング手
段によるクラスタリングの対象から除外するための手段
を含む。

【００３０】含まれるドキュメントが少ないクラスタを
除外してクラスタリングを行なうことにより、クラスタ
リングの精度を向上させることができる。

【００３１】さらに好ましくは、ドキュメントクラスタ
リング装置は、類似度算出手段により算出されたドキュ
メント間の類似度を記憶する類似度記憶手段をさらに含
み、クラスタリング手段は、類似度記憶手段に最新の類
似度が記憶されている場合には、類似度記憶手段に記憶
されている類似度を利用してクラスタリング処理を実行
する。

【００３２】一旦算出された類似度を記憶しておくこと
により、以後のクラスタリングの際に類似度の算出を再
度行なう必要はなく、クラスタリングを繰り返し行なう
際の処理を高速化することができる。

【００３３】

【発明の実施の形態】［第１の実施の形態］図１を参照
して、本発明の第１の実施の形態にかかるＦＡＱ作成支
援システム２は、サーバ計算機４０と、サーバ計算機４
０に接続されたディスプレイ（図示せず）等の画面上に
表示されるＧＵＩ（Graphical User Interface）１２と
を含む。ＧＵＩ１２は、計算機に備えられたディスプレ
イ、キーボード、ポインティングデバイス、それらのデ
バイスドライバ、およびそれらを用いて利用者から計算
機に対する何らかのコマンドまたはデータの入力を可能
にし、また計算機から利用者に対して何らかの情報の提
示を可能にするようなプログラム群を指す。

【００３４】サーバ計算機４０は、トラブルチケットを
蓄積するトラブルチケット蓄積部２８と、トラブルチケ
ット蓄積部２８に接続され、オペレータが指定した所定
の条件を満たすトラブルチケットを検索する条件検索部
１６と、トラブルチケット蓄積部２８に接続され、トラ
ブルチケット蓄積部２８よりキーワードを抽出するキー
ワード抽出部１８と、トラブルチケット蓄積部２８に接
続され、すべての組合わせに関するトラブルチケット間
の類似度を算出する類似度情報検索部（類似度算出部）
２０と、類似度情報検索部２０に接続され、算出された
類似度をテーブルの形で記憶する類似度テーブル３０
と、類似度テーブル３０に接続され、トラブルチケット
間の類似度に基づいてトラブルチケットをクラスタリン
グするクラスタリング部２２とを含む。クラスタリング
部２２は、類似度テーブル３０に最新の類似度が記憶さ
れているときには、類似度の算出を再度行なうことな
く、類似度テーブル３０に記憶された類似度に基づいて
クラスタリング処理を実行する。

【００３５】サーバ計算機４０は、さらに、クラスタリ
ング部２２に接続され、クラスタリングをする際に用い
られる類似度しきい値とクラスタ数との関係を示す「類
似度しきい値−クラスタ数関係データ」を記憶する類似
度しきい値−クラスタ数関係データ記憶部３２と、クラ
スタリング部２２および類似度しきい値-クラスタ数関
係データ記憶部３２に接続され、クラスタリングされた
複数のクラスタの各々について、当該クラスタを代表す
るトラブルチケットを算出する代表トラブルチケット算
出部２４と、条件検索部１６に接続され、条件検索され
たトラブルチケットを蓄積するＦＡＱ蓄積部３４と、Ｆ
ＡＱ蓄積部３４に接続され、ＦＡＱ蓄積部３４に蓄積さ
れたトラブルチケットよりＦＡＱを作成し、ＦＡＱ蓄積
部３４に蓄積するＦＡＱ作成部２６と、ＧＵＩ１２、条
件検索部１６、キーワード抽出部１８、類似度情報検索
部２０、クラスタリング部２２、代表トラブルチケット
算出部２４およびＦＡＱ作成部２６に接続され、サーバ
計算機４０の各部を制御するとともに、ＧＵＩ１２との
間のインタフェースの役割を果たす処理制御部１４とを
含む。

【００３６】なお「類似度しきい値」とは、あるトラブ
ルチケットを、あるクラスタに分類するか否かを判定す
る際の類似度のしきい値のことをいう。より具体的に
は、あるトラブルチケットと、あるクラスタ内の全トラ
ブルチケットとの類似度の平均を求め、その類似度平均
が類似度しきい値以上であれば、そのトラブルチケット
をそのクラスタに分類する。類似度平均が類似度しきい
値未満であれば、そのトラブルチケットはそのクラスタ
には分類しない。本実施の形態では、あるトラブルチケ
ットと各クラスタのトラブルチケットとの類似度平均が
いずれも類似度しきい値未満の場合、そのトラブルチケ
ットを含む新たなクラスタが作成される。

【００３７】本実施の形態では、（１）複数キーワード
指定方式、（２）パラメータ指定方式および（３）自動
クラスタリング方式の３つの方式によりＦＡＱを作成す
ることが可能である。３つの方式の選択は、ＧＵＩ１２
よりオペレータが行なう。以下、各方式の処理について
詳しく説明する。

【００３８】［（１）複数キーワード指定方式］オペレ
ータが使用するＧＵＩ１２には、図２に示すようなＦＡ
Ｑ作成支援メイン画面が表示される。

【００３９】以下、図２および図３を主に参照しつつ、
複数キーワード指定方式によるＦＡＱの作成について説
明する。

【００４０】まず、トラブルチケット蓄積部２８に蓄積
されたトラブルチケットの中からＦＡＱ作成処理の対象
となるトラブルチケットを検索する（Ｓ２）。この処理
を条件検索またはキーワード検索という。条件検索を行
なうためには、トラブルチケットの対象名、トラブルチ
ケットが作成された日時等を入力することにより行なわ
れる。具体的には、図２のボタン６０「条件検索による
絞込み…」を押下すると、図４のような画面が表示され
る。図４の画面上でトラブルチケットの対象名や、トラ
ブルチケットが作成された日時等を入力することによ
り、絞込みが行なわれる。絞り込まれた結果のトラブル
チケットの一覧は、表示欄６８「クラスタリング対象ト
ラブルチケット」に表示される。

【００４１】オペレータは、条件検索されたトラブルチ
ケットの中からさらに絞込みを行なうため、ボタン６４
「キーワード抽出…」を押下する。すると、図５に示す
ようなキーワード抽出画面が表示され、トラブルチケッ
トの中から抽出されたキーワードが辞書順に表示され
る。オペレータはその中から所望のキーワードを複数選
択し、「ＯＫ」ボタンを押下する。キーワードを選択し
た後、ボタン６６「絞込み」を押下すると、表示欄６８
に表示されたトラブルチケットの中で、キーワードに一
致する文章を有するトラブルチケットがさらに絞り込ま
れ、表示欄６８に表示される（Ｓ４）。なお、ボタン６
４を押下することなく、オペレータが直接キーワードを
入力欄６２「キーワード指定」に入力することにより、
ボタン６６を押下することによっても、さらなる絞込み
を行なうことができる。

【００４２】オペレータは、ラジオボタン７２「クラス
タリングしない」を選択し、ボタン５２「ＦＡＱ候補」
を押下する。すると、表示欄６８に表示されていたトラ
ブルチケットが１つのクラスタとして、ＦＡＱ候補欄８
０に表示される。表示された１つのクラスタのＦＡＱ候
補の中から、クラスタを選択すると、そのクラスタに含
まれるトラブルチケットがクラスタ内トラブルチケット
表示欄８２に表示される。オペレータは、その中からク
ラスタを代表するトラブルチケット（以下「代表トラブ
ルチケット」という。）を指定する（Ｓ６）。

【００４３】Ｓ４の処理におけるキーワード抽出には、
形態素解析等の既存の技術を利用することができる。形
態素解析とは、辞書や語形の変化規則などの語彙的な知
識と語の並びのパターンに関する知識とに基づいて文章
を形態素に分解し、その品詞を決定していく処理であ
る。形態素解析によると、入力文の単語列を認識し、個
々の単語の品詞の候補を絞り込むことができる。

【００４４】以上のような処理により、複数のキーワー
ドをオペレータが指定することにより、そのキーワード
に合致したトラブルチケットが抽出され、代表トラブル
チケットがＦＡＱとされる。

【００４５】［（２）パラメータ指定方式］パラメータ
指定方式は、オペレータが各種パラメータを指定するこ
とにより、トラブルチケットのクラスタリングを行な
い、各クラスタごとに代表トラブルチケットを求め、Ｆ
ＡＱとするものである。

【００４６】図６を参照して、オペレータが類似度しき
い値を指定することにより、トラブルチケットのクラス
タリングを実行し、ＦＡＱを求める方法について説明す
る。

【００４７】まず、条件検索処理を実行する（Ｓ２）。
条件検索処理は、図３を参照して説明したものと同様で
ある。このため、その説明はここでは繰返さない。

【００４８】次に、オペレータはクラスタリングのため
の類似度しきい値を入力する（Ｓ１２）。まず、図２の
タブ７８を押下すると、図７に示すようなタブパネルが
表示される。オペレータは、その類似度しきい値の欄に
経験に基づいて定めた適当な類似度しきい値を入力す
る。なお、類似度は０〜１００までの値を有し、ここで
指定可能なしきい値は１〜９９までの値であるものとす
る。

【００４９】その後、オペレータはラジオボタン７０
「クラスタリング」を押し、ボタン５２を押下すると、
入力した類似度しきい値に基づいたトラブルチケットの
クラスタリング処理が実行される（Ｓ１４）。ここで、
対象とされるトラブルチケットは、Ｓ２の条件検索で抽
出されたトラブルチケットである。Ｓ１４の処理につい
ては、後に詳述する。

【００５０】クラスタに分類されたトラブルチケット
は、ＦＡＱ候補欄８０に表示される。表示された複数の
クラスタに分類されたトラブルチケットの中から、クラ
スタを選択すると、そのクラスタに含まれるトラブルチ
ケットがクラスタ内トラブルチケット表示欄８２に表示
される。オペレータは、その中からそのクラスタの代表
トラブルチケットを選択する。すると、そのトラブルチ
ケットがＦＡＱとして登録される（Ｓ１６）。

【００５１】次に、図８を参照して、Ｓ１４の処理につ
いて詳細に説明する。トラブルチケットの番号を表わす
変数ｎに１を代入し（Ｓ４２）、クラスタの番号を表わ
す変数ｋに１を代入する（Ｓ４４）。ｎ番目のトラブル
チケットが属するクラスタｋを作成する（Ｓ４６）。す
なわち、ここでは、１番目のトラブルチケットが属する
クラスタ１を作成する。

【００５２】変数ｎを１つインクリメントする（Ｓ４
８）。ｎ番目のトラブルチケットと比較対象となるクラ
スタを表わす変数ｉに１を設定する（Ｓ５０）。すなわ
ち、現在、ｎ番目のトラブルチケットの比較対象として
クラスタ１が設定されている。

【００５３】ｎ番目のトラブルチケットとクラスタｉに
属する各トラブルチケットとの間の類似度の平均値の
内、最大のものを表わす変数ｍａｘ＿類似度に０を代入
し（Ｓ５２）、そのときのクラスタを表わす変数ｍａｘ
＿クラスタにｉを代入する（Ｓ５４）。

【００５４】ｎ番目のトラブルチケットとクラスタｉに
属する各トラブルチケットとの間の類似度の平均値を求
める（Ｓ５６）。類似度の平均値と変数ｍａｘ＿類似度
の値とを比較する（Ｓ５８）。類似度の平均値が変数ｍ
ａｘ＿類似度の値よりも大きければ（Ｓ５８でＹＥ
Ｓ）、変数ｍａｘ＿類似度に類似度の平均値を代入し
（Ｓ６０）、変数ｍａｘ＿クラスタに変数ｉの値を代入
する（Ｓ６２）。

【００５５】Ｓ６２の後、または類似度の平均値がｍａ
ｘ＿類似度以下の場合には（Ｓ５８でＮＯ）、変数ｉの
値を１つインクリメントする（Ｓ６４）。変数ｉの値と
変数ｋの値とを比較する（Ｓ６６）。すなわち、ｎ番目
のトラブルチケットについて、すべてのクラスタとの間
でＳ５６からＳ６４までの一連の処理を実行したか否か
を判断する（Ｓ６６）。未処理のクラスタがある場合
（ｉ＜＝ｋ）には（Ｓ６６でＮＯ）、Ｓ５６に戻る。

【００５６】すべてのクラスタについての処理が終了し
ている場合（ｉ＞ｋ）には（Ｓ６６でＹＥＳ）、変数ｍ
ａｘ＿類似度の値と予め設定されたしきい値ｓｉｍＴｈ
ｒｅｓｈｏｌｄとが比較される（Ｓ６８）。

【００５７】変数ｍａｘ＿類似度の値がしきい値ｓｉｍ
Ｔｈｒｅｓｈｏｌｄ以上の場合には（Ｓ６８でＹＥ
Ｓ）、ｎ番目のトラブルチケットをｍａｘ＿クラスタ番
目のクラスタに分類する（Ｓ７０）。

【００５８】変数ｍａｘ＿類似度の値がしきい値ｓｉｍ
Ｔｈｒｅｓｈｏｌｄ未満の場合には（Ｓ６８でＮＯ）、
クラスタの総数を表わす変数ｋを１つインクリメントし
（Ｓ７２）、ｎ番目のトラブルチケットが属するクラス
タｋを作成し、そのトラブルチケットをクラスタｋに分
類する（Ｓ７４）。Ｓ７０またはＳ７４の処理の後、着
目しているトラブルチケットを表わす変数ｎの値を１つ
インクリメントする（Ｓ７６）。

【００５９】着目しているトラブルチケットの値ｎとト
ラブルチケットの総数Ｎとを比較する（Ｓ７８）。着目
しているトラブルチケットの値ｎがチケットの総数Ｎ以
下の場合（ｎ＜＝Ｎ）には（Ｓ７８でＮＯ）、クラスタ
リングされていない未処理のトラブルチケットｎが存在
するため、Ｓ５０に戻る。着目しているトラブルチケッ
トｎの値がチケットの総数Ｎよりも大きい場合（ｎ＞
Ｎ）には（Ｓ７８でＹＥＳ）、すべてのトラブルチケッ
トｎがいずれかのクラスタにクラスタリングされている
ため、処理を終了する。

【００６０】以上説明したように、オペレータが類似度
しきい値を指定することにより、トラブルチケットのク
ラスタリングが実行され、ＦＡＱを求めることができ
る。

【００６１】次に、図９を参照して、オペレータが類似
度しきい値の変わりにクラスタ数を指定することによ
り、トラブルチケットのクラスタリングを実行し、ＦＡ
Ｑを求める方法について説明する。

【００６２】まず、条件検索処理を実行する（Ｓ２）。
条件検索処理は、図３を参照して説明したものと同様で
ある。このため、その説明はここでは繰返さない。

【００６３】次に、オペレータは条件検索されたトラブ
ルチケットをクラスタリングした際の最終的なクラスタ
数の指定を行なう（Ｓ２２）。まず、図２のタブ７６を
押下すると、図１０に示すようなタブパネルが表示され
る。オペレータは、そのクラスタ数の欄に所望のクラス
タ数を入力する。ここで指定可能なクラスタの数は、２
から条件検索されたトラブルチケットの最大数までであ
る。

【００６４】その後、ラジオボタン７０「クラスタリン
グ」を押し、ボタン５２を押下すると、指定したクラス
タ数になるようにトラブルチケットのクラスタリング処
理が実行される（Ｓ２４）。ここで、対象とされるトラ
ブルチケットは、Ｓ２の条件検索で抽出されたトラブル
チケットである。Ｓ２４の処理については、後に詳述す
る。

【００６５】クラスタに分類されたトラブルチケット
は、ＦＡＱ候補欄８０に表示され、Ｓ１６の処理が行な
われる。これにより、代表トラブルチケットがＦＡＱと
して登録される。Ｓ１６の処理は、図６を参照して説明
したものと同様である。このため、その詳細な説明はこ
こでは繰返さない。

【００６６】次に、図１１を参照して、Ｓ２４の処理に
ついて詳細に説明する。まず、クラスタリングする際に
使用されるしきい値ｓｉｍＴｈｒｅｓｈｏｌｄとして、
指定されたクラスタ数をトラブルチケットの総数で除
し、定数ｋ１を掛けた値を設定する（Ｓ８２）。定数ｋ
１としてはたとえば２．０という値が用いられる。

【００６７】しきい値ｓｉｍＴｈｒｅｓｈｏｌｄに基づ
いて、図８を参照して説明したＳ１４の処理を実行する
（Ｓ１４）。その後、Ｓ１４の処理実行後のクラスタ数
と指定されたクラスタ数とが比較される（Ｓ８６）。処
理実行後のクラスタ数と指定されたクラスタ数とが等し
い場合には（Ｓ８６でＹＥＳ）、処理を終了する。

【００６８】処理実行後のクラスタ数が指定されたクラ
スタ数よりも大きい場合には（Ｓ８８でＹＥＳ）、しき
い値ｓｉｍＴｈｒｅｓｈｏｌｄから定数ｋ２を減算する
（Ｓ９０）。その後、前回のＳ８８での判定時にも処理
後のクラスタ数が指定されたクラスタ数よりも大きかっ
たか否かが判断される（Ｓ９２）。前回も処理後のクラ
スタ数が指定されたクラスタ数よりも大きかったか、ま
たは今回初めてＳ８８の処理を実行した場合には（Ｓ９
２でＹＥＳ）、Ｓ１４に戻り、新しいしきい値ｓｉｍＴ
ｈｒｅｓｈｏｌｄに基づいて再度クラスタリング処理が
実行される。

【００６９】処理実行後のクラスタ数が指定されたクラ
スタ数以下の場合には（Ｓ８８でＮＯ）、しきい値ｓｉ
ｍＴｈｒｅｓｈｏｌｄに定数ｋ２を加算する（Ｓ９
４）。その後、前回のＳ８８の判定時にも処理後のクラ
スタ数が指定されたクラスタ数以下であったか否かが判
断される（Ｓ９６）。前回も処理後のクラスタ数が指定
されたクラスタ数以下であったか、または今回初めてＳ
８８の処理を実行した場合には（Ｓ９６でＹＥＳ）、Ｓ
１４に戻り、新しいしきい値ｓｉｍＴｈｒｅｓｈｏｌｄ
に基づいて再度クラスタリング処理が実行される。

【００７０】前回の処理後のクラスタ数と指定されたク
ラスタ数との比較結果と、今回の処理のクラスタ数と指
定されたクラスタ数との比較結果とが異なる場合には
（Ｓ９２でＮＯ、Ｓ９６でＮＯ）、処理後のクラスタ数
が指定されたクラスタ数に収束しつつある。このため、
定数ｋ２を２．０で除した値を新たな定数ｋ２とし（Ｓ
９８）、定数ｋ２と所定の定数ｋ３（たとえば、ｋ３は
０．０１）とが比較される（Ｓ１００）。定数ｋ２が定
数ｋ３以上であれば（Ｓ１００でＮＯ）、Ｓ１４に戻
り、新しいしきい値ｓｉｍＴｈｒｅｓｈｏｌｄに基づい
て再度クラスタリングが行なわれる。

【００７１】定数ｋ２が定数ｋ３未満になった段階で
（Ｓ１００でＹＥＳ）、処理を打切り、指定クラスタ数
を超えない最も大きなクラスタ数でクラスタリングを行
なったものを結果として出力する。

【００７２】以上説明したように、オペレータがクラス
タ数を指定することにより、トラブルチケットのクラス
タリングが実行され、ＦＡＱを求めることができる。

【００７３】なお、クラスタ数を指定することにより、
トラブルチケットのクラスタリングを実行し、ＦＡＱを
求める方法として、二分探索（バイナリーサーチ）法を
用いることも可能である。以下、二分探索法を用いたク
ラスタリング処理について説明する。

【００７４】図１２を参照して、探索区間の左端のしき
い値leftSimThresに０．０を代入し、右端のしきい値ri
ghtSimThresに１．０を代入する（Ｓ１４２）。

【００７５】curSimThres＝（leftSimThres+rightSimTh
res）／２．０により類似度しきい値curSimThresを求め
る（Ｓ１４４）。類似度しきい値curSimThresに基づい
て、上述したのと同様のクラスタリング処理を実行する
（Ｓ１４）。クラスタリング処理の結果、クラスタ数と
ユーザが指定したクラスタ数とが等しくなった場合には
（Ｓ１４６でＹＥＳ）、処理を終了する。

【００７６】クラスタリング処理の結果、クラスタ数と
指定クラスタ数とが異なる場合には（Ｓ１４６でＮ
Ｏ）、探索区間の幅（rightSimThres-leftSimThres）が
所定のしきい値simThresDiff未満か否かを調べ、しきい
値simThresDiff未満の場合には（Ｓ１４８でＹＥＳ）、
処理を終了する。

【００７７】しきい値simThresDiff以上の場合には、ク
ラスタ数が指定クラスタ数よりも大きいか否かを調べ
（Ｓ１５０）、指定クラスタ数よりも大きい場合には
（Ｓ１５０でＹＥＳ）、探索範囲を変更するために、探
索範囲の右端を表わすしきい値rightSimThresにしきい
値curSimThresを代入する（Ｓ１５２）。

【００７８】指定クラスタ数よりも小さい場合には（Ｓ
１５０でＮＯ）、探索範囲の左端を表わすしきい値left
SimThresにしきい値curSimThresを代入する（Ｓ１５
４）。Ｓ１５２またはＳ１５４の処理の後、Ｓ１４４に
戻る。

【００７９】このような二分探索法を用いることによ
り、高速にクラスタリング処理を実行することができる
ようになる。

【００８０】［（３）自動クラスタリング方式］自動ク
ラスタリング方式では、オペレータが各種パラメータを
指定することなく、自動的に適切な類似度しきい値を定
めてトラブルチケットのクラスタリングを行ない、各ク
ラスタごとに代表トラブルチケットを求め、ＦＡＱとす
るものである。

【００８１】図１３を参照して、条件検索処理を実行す
る（Ｓ２）。条件検索処理は、図３を参照して説明した
ものと同様である。このため、その説明はここでは繰返
さない。

【００８２】次に、自動クラスタリングをするための操
作を行なう（Ｓ３２）。まず、タブ７４を押下し、ラジ
オボタン７０「クラスタリング」を押下する。その後、
ボタン５２を押下すると、トラブルチケットのクラスタ
リング処理が自動的に実行される（Ｓ３２）。ここで、
クラスタリングの対象とされるトラブルチケットは、Ｓ
２の条件検索処理で抽出されたトラブルチケットであ
る。Ｓ３２の処理については、後に詳述する。

【００８３】クラスタに分類されたトラブルチケット
は、ＦＡＱ候補欄８０に表示され、Ｓ１６の処理が行な
われる。これにより、代表トラブルチケットがＦＡＱと
して登録される。Ｓ１６の処理は、図６を参照して説明
したものと同様である。このため、その詳細な説明はこ
こでは繰返さない。

【００８４】次に、図１４を参照して、Ｓ３２の処理に
ついて詳細に説明する。類似度テーブル３０には、予め
すべてのトラブルチケットの組合わせについての類似度
が算出され、記憶されている。クラスタリング部２２
は、類似度テーブル３０を参照して、図１５に示すよう
なグラフで表わされる、類似度しきい値とそれに対応す
るクラスタ数との関係を表わす類似度しきい値−クラス
タ数関係テーブルを作成する（Ｓ１１２）。このグラフ
は、類似度しきい値を変化させたときにクラスタ数がど
のように変化するかを示すものである。このテーブル
は、図８に示される処理を、類似度しきい値simThresho
ldを変化させながら繰返し行なうことで作成することが
できる。

【００８５】以下の処理は、類似度しきい値の変化に対
するクラスタ数の変化が少ない部分、すなわち図１５に
示されるグラフで最もフラットな個所を自動的に探す処
理である。このような箇所を探すことによりトラブルチ
ケットを適切にクラスタリングできると考えられる。そ
の理由について以下に簡単に説明する。

【００８６】今、典型的な例として、トラブルチケット
群がＭ個のクラスタに分類され、かつ各クラスタがＮ個
のトラブルチケットを含む場合を仮定する。この場合、
一つのクラスタ内のトラブルチケット間の類似度ｓｉｍ
Ｉｎの値は比較的大きい（たとえばｓｉｍＩｎ＝０．
８）。一方、別々のクラスタに属するトラブルチケット
は互いに本質的に異なる内容を含んでいるはずであるか
ら、それらトラブルチケット間の類似度ｓｉｍＥｘの値
はｓｉｍＩｎよりかなり小さな値となるはずである（た
とえばｓｉｍＥｘ＝０．２）。そのため、類似度は、比
較的大きな値と、比較的小さな値との２箇所に集中し
て、偏って分布することになる。

【００８７】したがって、類似度しきい値ｓｉｍＴｈｒ
ｅｓｈｏｌｄとしてｓｉｍＩｎ＜ｓｉｍＴｈｒｅｓｈｏ
ｌｄ＜ｓｉｍＥｘを満足する値をとれば、適切にクラス
タリングすることができると考えられ、結果として得ら
れるクラスタ数はＭ個となると考えられる。そしてこの
ときは、ｓｉｍＩｎとｓｉｍＥｘとの値の間にかなりの
相違が存在するので、ｓｉｍＴｈｒｅｓｈｏｌｄの値を
多少前後に変化させても、結果として得られるクラスタ
数の数はほとんど変化しない筈である。そのため、図１
５に示される曲線において勾配が最もゆるくなっている
個所の近辺の類似度しきい値でクラスタリングを行なえ
ば、Ｍ個のグループに適切にクラスタリングすることが
できる可能性が高い。つまり、類似度の分布に基づい
て、互いに類似するトラブルチケットと、互いに類似し
ないトラブルチケットとを別々のクラスタに分類するた
めの類似度しきい値が決定できるということである。

【００８８】上記した例は典型的な例であるが、ドキュ
メント間の類似度のバラツキがもっと大きい場合にも、
類似度しきい値とそれを用いて得られるクラスタ数との
間には、上記したのとほぼ同様の関係が存在すると考え
られる。そこで、図１５に示されるグラフにおいて、最
もフラットな箇所を探し、そのときの類似度を類似度し
きい値に採用すればよい。

【００８９】そのために本実施の形態のシステムでは以
下のようにして図１５に示されるグラフで最もフラット
な箇所を探す。すなわち、一定範囲のクラスタ数（この
範囲を以下「クラスタ範囲」と呼ぶ。）に対応する類似
度しきい値の上限と下限とを求める処理を、クラスタ範
囲を移動させながら行なう。そして、クラスタ範囲を図
１５に示されるグラフの縦軸の全範囲にわたって移動さ
せたときに、対応する類似度しきい値の上限と下限との
差の最も小さくなるようなクラスタ範囲において、グラ
フの勾配が最もゆるくなると判定し、そのクラスタ範囲
の中心のクラスタ数に対応する類似度しきい値を採用す
る。なお、クラスタ範囲中の最大のクラスタ数を「クラ
スタ最大値」、最小のクラスタ数を「クラスタ最小値」
と呼ぶことにする。

【００９０】次に、以下の処理で使用するクラスタ範囲
の大きさを示す値として、最大クラスタ数を定数ｋ５
（たとえば１０）で除した値を定める（Ｓ１１４）。こ
こでいう「最大クラスタ数」とは「クラスタ最大値」と
は別のものであって、クラスタリング処理の結果作成さ
れるクラスタの数として許容できる最大数のことをい
う。最大クラスタ数は、通常は２以上であり、かつクラ
スタリングの対象となるドキュメントの数以下である。
この値は、自動クラスタリング処理の起動時に利用者に
より指定されるものとする。この入力に先立ち、所定の
計算式にしたがって計算される数をデフォルトの最大ク
ラスタ数として最初に表示してもよい。たとえば対象ド
キュメント数の対数をとり、その値を超える最小の整数
をデフォルトの最大クラスタ数とするなどの方法が考え
られる。単純に対象ドキュメント数を定数で除した数を
デフォルトの最大クラスタ数としてもよい。

【００９１】さらに、以下の処理で使用する「クラスタ
増分」を示す値として、上で述べた最大クラスタ数を定
数ｋ６（たとえば２０）で除した値を定める（Ｓ１１
６）。本実施の形態では、クラスタ範囲を図１５の縦軸
に沿って下から上に移動させていくが、クラスタ増分と
は、クラスタ範囲を移動させる際の増分値のことをい
う。

【００９２】次に、クラスタ最小値として１を代入する
（Ｓ１１８）。以下、クラスタ最小値をクラスタ増分だ
け移動させながら以下の処理を繰返す。

【００９３】この繰返し処理ではまず、クラスタ最小値
にクラスタ範囲の大きさを示す値を加えた値を求める
（Ｓ１２０）。これにより、現在検討の対象となってい
るクラスタ範囲のクラスタ最大値が求められる。次に、
このときのクラスタ最小値とクラスタ最大値とで囲まれ
た範囲の領域に対応する類似度しきい値の最小値と最大
値とを求める。

【００９４】具体的には、まずクラスタ最大値と最大ク
ラスタ数とを比較する（Ｓ１２２）。ここでの判定は、
可能な範囲の全体にわたってクラスタ範囲を移動し終え
たか否かを知るために行なわれる。クラスタ最大値が最
大クラスタ数よりも大きくなった場合（Ｓ１２２でＮ
Ｏ）にはクラスタ範囲が図１５の縦軸の最上部に到達
し、それを超えたということであるから、繰返し処理は
終了され、制御はＳ１２８に進む。クラスタ最大値が最
大クラスタ数以下の場合には（Ｓ１２２でＹＥＳ）、そ
のクラスタ最小値とクラスタ最大値との間の領域に含ま
れる類似度しきい値の範囲を求める（Ｓ１２４）。次
に、クラスタ最小値をクラスタ増分だけインクリメント
し（Ｓ１２６）、Ｓ１２０に戻る。こうして、クラスタ
範囲を移動させながら、それぞれの場合について対応す
る類似度しきい値の範囲が求められる。

【００９５】クラスタ最大値が最大クラスタ数よりも大
きくなった場合には（Ｓ１２２でＮＯ）、Ｓ１２８に制
御が進む。Ｓ１２８では、Ｓ１２４で求めた類似度しき
い値の範囲の値のうち、最大の値が得られたとき（すな
わち図１５に示す曲線が最もフラットとなるとき）のク
ラスタ最小値およびクラスタ最大値を求め（Ｓ１２
８）、求めたクラスタ最小値とクラスタ最大値との平均
を、求めるクラスタ数とする（Ｓ１３０）。すなわち、
一定のクラスタ範囲に対応する類似度しきい値の範囲が
最も広くなる部分とは、図１５でいえばクラスタ数が緩
やかに変化している部分のことであるから、そのときの
クラスタ数が適切なクラスタ数として決定される。

【００９６】Ｓ１３０で求められたクラスタ数に対応す
る類似度しきい値を類似度しきい値−クラスタ数関係テ
ーブルより求め、その値をしきい値ｓｉｍＴｈｒｅｓｈ
ｏｌｄとする（Ｓ１３２）。次に、しきい値ｓｉｍＴｈ
ｒｅｓｈｏｌｄに基づいて、図８を参照して説明したＳ
１４の処理を実行し（Ｓ１４）、処理を終了する。

【００９７】以上説明したように、オペレータがパラメ
ータを指定しなくても、トラブルチケットのクラスタリ
ングが実行され、ＦＡＱを求めることができる。このと
きの類似度しきい値は、全てのトラブルチケット間の類
似度の分布に基づいて、最もよくクラスタを分離できる
と考えられる値として自動的に決定される。

【００９８】なお、上記した第１の実施の形態の自動ク
ラスタリング処理では、類似度しきい値を求めるため
に、類似度しきい値−クラスタ数関係のグラフの縦軸上
でクラスタ範囲を移動させる繰返し処理を行なって、類
似度しきい値を決定している。しかし類似度しきい値を
決定する処理はこうした方法に限定されるわけではな
い。たとえば、類似度しきい値−クラスタ数関係の曲線
を多項式（たとえば４次多項式）で近似し、微分して、
曲線の勾配が最もゆるくなる類似度しきい値を決定する
ようにしてもよい。

【００９９】［第２の実施の形態］上に説明した第１の
実施の形態では、クラスタリング対象のトラブルチケッ
トの全てについて、他の全てのトラブルチケットとの類
似度を求めている。そのために、クラスタリングの計算
量はトラブルチケットの数の二乗のオーダで増加する。
計算のために必要な記憶領域の大きさも、トラブルチケ
ットの数の二乗のオーダで増加する。そのため、対象と
なるトラブルチケットの数が大きくなると、ハードウェ
アの面の負担が二乗のオーダで増加するとともに、計算
時間も二乗のオーダで大きくなるという問題がある。し
たがって、手持ちのハードウェアで現実的な処理時間の
うちに処理を終了させるためには、クラスタリング処理
の前に、処理対象となるトラブルチケットの数がある程
度より小さくなるようにする必要がある。

【０１００】そのために、第１の実施の形態で述べたよ
うな条件検索またはキーワード検索によって、処理対象
のトラブルチケットを予め絞っておく必要がある。しか
し、処理対象となるトラブルチケットの数をこのように
予め絞ることにより、適切なクラスタリングが行なわれ
ず、最終的に得られるＦＡＱの内容に不備が生じるおそ
れもある。

【０１０１】こうした問題は、トラブルチケットに限ら
ず、企業内で日常的に生産されるドキュメント一般のク
ラスタリング処理でも生じ得る。また、クラスタリング
処理は一度行なえば済むというものではなく、一旦クラ
スタリングを行なった後に、ドキュメントが追加された
ときにも、再度クラスタリング処理を行なう必要があ
る。そのため、上記した第１の実施の形態のやり方をそ
のまま踏襲するのでは、クラスタリング処理を実行する
たびに多大な時間がかかり、かつその時間が二乗のオー
ダで増加するので、ドキュメント数が多くなると現実的
でない。

【０１０２】第２の実施の形態では、処理対象となるド
キュメント数が多くなっても、過大なハードウェアを要
求せず、現実的な処理時間でクラスタリング処理を行な
うことができるようにする。また、一旦ドキュメントの
クラスタリング処理が実行された後、クラスタリングす
べきドキュメントが追加される場合にも、過大な処理時
間を要求することなく適切なクラスタリング処理を実行
することができるようにする。

【０１０３】以下この発明の第２の実施の形態にかかる
ドキュメントクラスタリングシステムについて説明する
が、以下の説明で使用する図面において、第１の実施の
形態のシステムと同じ機能を持つブロックについては同
じ参照番号および名称を付し、それらについての詳細な
説明は繰返さないこととする。また、以下の説明ではク
ラスタリングの対象はトラブルチケットに限定されない
ことを想定するので、より一般的に「ドキュメント」と
呼ぶことにする。

【０１０４】図１６を参照して、この第２の実施の形態
にかかるドキュメントクラスタリングシステム１００
は、コンピュータまたはコンピュータ群上で実行される
ドキュメントクラスタリングシステムのサーバ１０２
と、サーバ１０２に接続されたディスプレイ（図示せ
ず）等の画面上に表示されるＧＵＩ１２とを含む。

【０１０５】ドキュメントクラスタリングシステムサー
バ１０２は、ドキュメントを蓄積するドキュメント群蓄
積部１１８と、ドキュメント群蓄積部１１８に蓄積され
たドキュメント群の中から、オペレータが指定した所定
の属性を有するドキュメントを検索し抽出する属性検索
部１１０と、ドキュメント群蓄積部１１８に接続され、
ドキュメント群蓄積部１１８に蓄積されたドキュメント
群よりキーワードを抽出するキーワード抽出部１８と、
ドキュメント群蓄積部１１８に接続され、属性検索部１
１０によって抽出されたドキュメント群中のドキュメン
トのすべての組合わせ（ドキュメント対）に関する類似
度を算出する類似度情報検索部（類似度算出部）２０
と、類似度情報検索部２０に接続され、算出された類似
度をテーブルの形で記憶する類似度テーブル３０と、類
似度テーブル３０に接続され、ドキュメント間の類似度
に基づいてドキュメントをクラスタリングするクラスタ
リング部２２とを含む。

【０１０６】ドキュメントクラスタリングシステムサー
バ１０２は、さらに、類似度しきい値−クラスタ数関係
データ記憶部３２と、クラスタリング部２２および類似
度しきい値-クラスタ数関係データ記憶部３２に接続さ
れ、クラスタリングされたクラスタの各々について、当
該クラスタを代表するドキュメントを算出する代表ドキ
ュメント算出部１１２と、属性検索部１１０に接続さ
れ、属性検索部１１０により抽出されたドキュメント
と、後述するクラスタリング情報とを蓄積するクラスタ
リング情報蓄積部１２０と、クラスタリング情報蓄積部
１２０に蓄積されたドキュメントよりクラスタリング情
報を作成し、クラスタリング情報蓄積部１２０に蓄積す
るクラスタリング情報作成部１１４と、ドキュメント群
蓄積部１１８およびクラスタリング情報蓄積部１２０に
接続され、最初のクラスタリング処理の対象となったド
キュメント以外のドキュメントを、最初のクラスタリン
グ処理によって得られたクラスタに分類するとともに、
必要に応じて新たなクラスタを作成するドキュメント分
類部１１６と、ＧＵＩ１２、属性検索部１１０、キーワ
ード抽出部１８、類似度情報検索部２０、クラスタリン
グ部２２、代表ドキュメント算出部１１２、クラスタリ
ング情報作成部１１４およびドキュメント部類部１１６
に接続され、ドキュメントクラスタリングシステムサー
バ１０２の各部を制御するとともに、ＧＵＩ１２との間
のインタフェースの役割を果たす処理制御部１０４とを
含む。

【０１０７】ドキュメント群蓄積部１１８は、第１の実
施の形態におけるトラブルチケット蓄積部２８に相当す
る。属性検索部１１０は第１の実施の形態における条件
検索部１６に相当する。代表ドキュメント算出部１１２
は、第１の実施の形態における代表トラブルチケット算
出部２４に相当する。クラスタリング情報作成部１１４
は、第１の実施の形態におけるＦＡＱ作成部２６に相当
する。クラスタリング情報蓄積部１２０は、第１の実施
の形態におけるＦＡＱ蓄積部３４に相当する。

【０１０８】クラスタリング情報作成部１１４は、クラ
スタリング処理の結果各クラスタに含まれるドキュメン
ト群からキーワード群を抽出し、各キーワードに重要度
を付与して各クラスタの特徴ドキュメントとする。キー
ワードの重要度は、キーワード抽出の際のスコア、各キ
ーワードがクラスタ内のドキュメントに含まれる頻度、
各キーワードに対して予め付与してある重要度、など種
々の尺度をアプリケーションに応じて用いることができ
る。

【０１０９】本実施の形態の装置では、各クラスタの特
徴ドキュメント＝「代表ドキュメント（代表ドキュメン
ト算出部１１２により算出されたもの）＋キーワード
群」とする。なお本実施の形態の装置では、このように
自動的に作成されクラスタリング情報蓄積部１２０に蓄
積された各クラスタのキーワード群を、ＧＵＩ１２を用
いて利用者が追加したり、削除したり、変更したりする
編集処理を行なうことが可能である。このよう編集処理
を、たとえば一般的なエディタを利用して容易に実現で
きることは明らかである。また、そのための専用のアプ
リケーションを用意してもよく、そうしたアプリケーシ
ョンを作成することもまた当業者には容易である。

【０１１０】第１の実施の形態に存在しておらず、この
第２の実施の形態の装置に含まれるものは、ドキュメン
ト分類部１１６である。ドキュメント分類部１１６は、
一旦クラスタリング処理がされた後、このクラスタリン
グ処理の対象となっていなかったドキュメント（最初の
ドキュメント群に含まれていたが、属性検索部１１０に
よる検索の対象とならなかったドキュメント、および最
初のドキュメント群には含まれておらず、後にドキュメ
ント群に追加されたドキュメントなどを含む。）を、後
述する方法にしたがって既存のクラスタに分類する機能
を有する。ドキュメント分類部１１６はまた、既存のク
ラスタに分類できなかったドキュメントを「未分類」と
いうクラスタに分類するとともに、所定の条件が充足さ
れたときにこの「未分類」に分類されたドキュメント群
に基づいて新たなクラスタを作成し、クラスタリング情
報蓄積部１２０に蓄積する機能も有する。

【０１１１】なお、処理制御部１０４は、図１の処理制
御部１４と同様の機能を持つが、後述する初期処理およ
びドキュメント分類部１１６によるドキュメント分類処
理を制御する機能が追加されている。

【０１１２】図１７を参照して、この第２の実施の形態
にかかるドキュメントクラスタリングシステムサーバ１
０２の動作を制御するプログラムの構造は概略以下のと
おりである。前提として、ドキュメント群蓄積部１１８
には、既に相当数のクラスタリング対象のドキュメント
が蓄積されているものとする。まず、ステップ１４０に
より、初期処理として、ドキュメント群蓄積部１１８に
蓄積されているドキュメントに対してクラスタリング処
理を行ない、クラスタリング情報を作成してクラスタリ
ング情報蓄積部１２０に蓄積する。この初期処理１４０
で行なわれる処理については図１８を参照して後述する
が、その内容は第１の実施の形態のシステムで行なわれ
るＦＡＱ作成処理と本質的には同じである。

【０１１３】こうして、最初のドキュメント群に対して
一旦クラスタリング情報が作成される。その後新たに、
ドキュメントがドキュメント群蓄積部１１８に追加され
た場合を考える。企業の活動に伴い、日々こうしたドキ
ュメントが追加されることは通常のことである。追加さ
れたドキュメントは、当然、まだクラスタリングされて
いない。そのようにクラスタリングされていないドキュ
メントを「未クラスタリングドキュメント」と呼ぶこと
にする。

【０１１４】ステップ１４２では、追加された未クラス
タリングドキュメントをドキュメント分類部１１６を用
いて分類する処理が実行される。この処理については後
述する。概略的にいえば、ドキュメント分類部１１６
は、類似情報検索部（類似度算出部）２０を利用して、
未クラスタリングドキュメントと各クラスタの特徴ドキ
ュメントとを比較してその類似度を算出する。そして、
算出された類似度の最も高いクラスタにその未クラスタ
ドキュメントを分類する。ここでは分類する際の類似度
はある一定のしきい値以上であるものとし、最も高い類
似度がこのしきい値より小さい場合には、未クラスタド
キュメントを「未分類」クラスタに分類する。しきい値
としては、初期処理でクラスタを作成する際に指定した
しきい値を採用することが考えられる。

【０１１５】ステップ１４２の後、ステップ１４２の処
理の結果、未分類クラスタに分類されたドキュメントの
数が所定数、たとえば１０００個を超えたか否かが判断
される（ステップ１４４）。１０００個を超えていない
場合は制御はステップ１４２に戻り、１０００個を超え
た場合には制御はステップ１４６に進む。

【０１１６】ステップ１４６では、未分類クラスタに分
離されているドキュメント（本実施の形態では１０００
個のドキュメント）に対して、第１の実施の形態および
初期処理ステップ１４０で実行されたのと同じクラスタ
リング処理を実行する。その結果、新たなクラスタが作
成されることになるが、この新たなクラスタが最初のク
ラスタ群に追加される。このステップ１４６の結果、最
初に作成されたクラスタ群が更新され、後に追加された
ドキュメントであって最初に作成されたどのクラスタに
も属さないもののみからなる新たなクラスタが追加され
る。以後、こうして更新されたクラスタ群を用いて、ス
テップ１４２〜１４６の処理が繰り返される。

【０１１７】図１８を参照して、図１７の初期処理ステ
ップ１４０で実行される処理について説明する。まず最
初に、ドキュメント群蓄積部１１８に蓄積されたドキュ
メントの数を考慮して、最初のクラスタ群を作成するた
めに必要なドキュメントをドキュメント群の中から抽出
することが必要か否かが利用者により判定される（１６
０）。たとえばドキュメント群に含まれるドキュメント
が多すぎるときには、ある時間内にクラスタリング処理
を完了するためにここでドキュメント数を絞ることが必
要である。

【０１１８】抽出が必要な場合には、ステップ１６２で
乱数を用いて一定数のドキュメントの抽出が行なわれ
る。

【０１１９】続いて、ステップ１６４において、ステッ
プ１６２で抽出されたドキュメント群を対象として、ま
たはステップ１６０で抽出が不要と判断された場合には
全てのドキュメントを対象として、初期クラスタの作成
処理（クラスタリング処理）が実行される（１６４）。
この処理は、第１の実施の形態で説明したトラブルチケ
ットの自動クラスタリング処理と実質的に同一である
が、細部で相違があるので、図１９を参照して後述す
る。この処理では、図１６に示す類似情報検索部（類似
度算出部）２０、およびクラスタリング部２２が使用さ
れる。

【０１２０】続いてステップ１６８で、初期クラスタの
作成処理で作成された各クラスタについて、特徴ドキュ
メントの一部である代表ドキュメントが決定される。こ
の処理も第１の実施の形態の説明中の図１３のＳ１６で
行なわれる処理と実質的に同一である。

【０１２１】さらにステップ１６８で、各クラスタごと
に特徴ドキュメントの他の一部であるキーワードがキー
ワード抽出部１８により自動的に抽出され、重要度ごと
に並べ替えられて各クラスタに付与される。なお図示は
していないが、この処理の後に利用者がこのキーワード
を追加、削除、または変更することができ、それによっ
て各クラスタの特徴を調整することができる。

【０１２２】以上で初期クラスタの作成処理は完了であ
る。続いて、未クラスタリングドキュメントがあればド
キュメント分類部１１６を用いて分類する処理が行なわ
れる（１７０）。未クラスタリングドキュメントがなく
なれば初期処理は終了である。なおステップ１６０で抽
出が不要であると判断された場合には、全ドキュメント
に対するクラスタリング処理が実行されるので、ステッ
プ１７０で分類処理の対象となる未クラスタリングドキ
ュメントは残っておらず、ステップ１７０の処理は実行
されないことになる。

【０１２３】図１８のステップ１７０で実行される分類
処理を実現するプログラムの制御構造の詳細は以下のと
おりである。この処理は図１９に示されるとおりであっ
て、第１の実施の形態における図８に示した類似度しき
い値によるクラスタリング処理と同様の処理である。た
だし、図１９に示す分類処理では、あるドキュメントを
全クラスタの特徴ドキュメントと比較した結果得られた
類似度の最大値が、所定のしきい値未満の場合には、そ
のドキュメントを未分類クラスタに分類する点におい
て、そのドキュメントを含む新たなクラスタを作成する
（Ｓ７４）という図８の処理とは異なっている。

【０１２４】以下、図１９について説明する。図１９を
参照してまず、クラスタリング対象のドキュメントの番
号を表わす変数ｎに０を代入する（１９０）。続いて処
理過程において類似度の最大値を表わす変数ｍａｘ＿類
似度に０を代入する。続いて変数ｎに１を加算し（１９
４）、その結果、変数ｎが処理対象のドキュメント（す
なわち、図１８のステップ１６２で抽出が行なわれた場
合には抽出されたドキュメント、抽出が行なわれなかっ
た場合には処理対象の全ドキュメント）の数より大きく
なったか否かを判定する（１９６）。変数ｎが処理対象
のドキュメント数より大きければ処理終了である。変数
ｎがドキュメント数以下であれば制御はステップ１９８
に進む。

【０１２５】ステップ１９８では、クラスタ番号を示す
変数ｉに０が代入される。続いてステップ２００では変
数ｉに１が加算される。そしてその結果、変数ｉの値が
クラスタ数を超えたか否かが判定される（２０２）。変
数ｉの値がクラスタ数を超えた場合については後述す
る。変数ｉの値がクラスタ数以下の場合、制御はステッ
プ２０４に進む。

【０１２６】ステップ２０４では、ｎ番目のドキュメン
トとクラスタｉ（ｉ番目のクラスタ）の特徴ドキュメン
トとの間の類似度を類似度情報検索部（類似度算出部）
２０を用いて算出する。もし得られた類似度が変数ｍａ
ｘ＿類似度より大きければ変数ｍａｘ＿類似度にステッ
プ２０４で算出された類似度の値を代入して制御はステ
ップ２００に戻る。算出された類似度が変数ｍａｘ＿類
似度以下であれば何もせず制御はステップ２００に戻
る。

【０１２７】ステップ２０２の処理で変数ｉの値がクラ
スタ数より大きいと判定された場合、制御はステップ２
２０に進む。ステップ２２０では、変数ｍａｘ＿類似度
の値が予め指定された類似度しきい値以上か否かが判定
される。変数ｍａｘ＿類似度の値が予め指定された類似
度しきい値以上であれば、ステップ２２２でｎ番目のド
キュメントをｍａｘ＿類似度と一致する類似度が得られ
たクラスタに分類して制御はステップ１９２に戻る。変
数ｍａｘ＿類似度の値が予め指定された類似度しきい値
未満であれば、ｎ番目のドキュメントは既存のどのクラ
スタにも属さないと判定され、「未分類」クラスタに分
類され（ステップ２２４）、制御はステップ１９２に戻
る。

【０１２８】以上が、図１８のステップ１７０で実行さ
れる処理の詳細な制御構造である。なお、図１７のステ
ップ１４２で行なわれる処理が、図１９に示されるステ
ップ１９８〜２２４の処理に対応するものであること
は、当業者には明らかであろう。

【０１２９】この第２の実施の形態において未クラスタ
リングドキュメントのクラスタリングをする際には、含
まれるドキュメントが少ないクラスタを除外してクラス
タリングをするようにしてもよい。このようにすること
により、ノイズを除去し、クラスタリングの精度を上げ
ることができる。クラスタをクラスタリング対象から除
外するか否かを判定する際の基準としては、クラスタに
含まれるドキュメントの絶対数が所定数以下か否か、ま
たはクラスタに含まれるドキュメント数が全ドキュメン
ト数に対し所定の割合以下か否か、など、アプリケーシ
ョンに応じて適宜決定することができる。また、その際
のドキュメント数または割合などの除外のためのパラメ
ータも指定可能とする。

【０１３０】以上説明した第２の実施の形態にかかるド
キュメントクラスタリングシステム１００は以下のよう
に動作する。なお、第１の実施の形態と同様の動作を行
なう部分については説明は繰返さないこととし、図１７
〜図１９に示される処理に関連する部分のみについて説
明する。

【０１３１】図１７を参照して、最初に初期処理１７０
が行なわれる。初期処理では、図１８を参照して、利用
者はまず、処理対象のドキュメントの数に基づいて、初
期処理の対象とするドキュメントとしてある程度の数に
絞り込む必要があるか否かを判断する（１６０）。ドキ
ュメント数がもともとそれほど多くなければドキュメン
トの絞込みを行なわず、ドキュメント数が多数であれば
ステップ１６２の抽出処理を行なってドキュメントの数
を絞り込む。

【０１３２】続いて、絞り込まれたドキュメントに対し
て初期クラスタの作成処理を行なう（１６４）。この処
理は第１の実施の形態で既に説明したものと同様である
ので、その詳細については繰返さない。ここでは、対象
ドキュメント群からクラスタが自動的に作成され、かつ
各ドキュメントが各クラスタにクラスタリングされる。

【０１３３】続くステップ１６６、１６８において各ク
ラスタの代表ドキュメントの決定およびキーワードの抽
出、並べ替え、および付与が行なわれる。この後、場合
によっては利用者によりキーワードの編集が行なわれ
る。

【０１３４】さらに、初期処理の最初にドキュメントの
絞込みが実行されていた場合、ステップ１７０で残りの
ドキュメント（未クラスタリングドキュメント）につい
て、初期クラスタのいずれか、または「未分類」クラス
タに分類する処理が行なわれる。

【０１３５】図１９を参照して、ステップ１７０の処理
では、まずドキュメントの番号を示す変数ｎと、変数ｍ
ａｘ＿類似度とに０が代入される（１９０、１９２）。
続いて変数ｎに１加算される（１９４）。この変数ｎが
ドキュメント数より大きいか否かが判定される（１９
６）が、１回目の判断ではこの結果は否となることが一
般的である。その結果処理はステップ１９８に進む。

【０１３６】ステップ１９８で変数ｉに０が代入された
後、変数ｉに１が加算される（２００）。そして変数ｉ
の値（＝１）が初期クラスタの作成処理（図１８のステ
ップ１６４）で作成されたクラスタの数を超えたか否か
が判定される（２０２）。クラスタ数は複数であること
が一般的なので、制御はステップ２０４に進む。ステッ
プ２０４では１番目のドキュメントと１番目のクラスタ
の特徴ドキュメントとの間の類似度が算出される。

【０１３７】ステップ２０６では、ステップ２０４で算
出された類似度が変数ｍａｘ＿類似度より大きいか否か
が判定される。今、変数ｍａｘ＿類似度の値はステップ
１９２で設定された０である。通常、１番目のドキュメ
ントと１番目のクラスタの特徴ドキュメントとの間の類
似度は０より大きく１より小さいので、ここでの判定結
果は「ＹＥＳ」となり、ステップ２０８で変数ｍａｘ＿
類似度にステップ２０４で算出された類似度の値が代入
され、制御はステップ２００に戻る。なおこのとき、最
大類似度が得られたクラスタを表わす変数に変数ｉの値
（現在の説明の場合ではｉ＝１）が格納される。

【０１３８】ステップ２００では、変数ｉに１が加算さ
れ、その結果変数ｉの値は２となる。以下、ステップ２
０２〜２０８の処理が１番目のドキュメントと２番目の
クラスタの特徴ドキュメントとの間で実行される。さら
に変数ｉ＝３，４，５…として、１番目のドキュメント
と全てのクラスタの特徴ドキュメントとの類似度が計算
され、その中で最も大きな類似度が変数ｍａｘ＿類似度
に記憶される。また、その値を与えたクラスタの番号も
記憶される。

【０１３９】こうして、１番目のドキュメントと全ての
クラスタの特徴ドキュメントとの類似度を計算し終わる
と、ステップ２０２の判定の結果が「ＹＥＳ」となり、
制御はステップ２２０に進む。ステップ２２０では、変
数ｍａｘ＿類似度の値が、予め指定された類似度しきい
値以上か否かが判定される。判定結果が「ＹＥＳ」であ
れば、１番目のドキュメントは最大類似度を与えたクラ
スタに分類される（２２２）が、そうでなければ１番目
のドキュメントは「未分類」クラスタに分類される。な
お「未分類」クラスタは、ステップ２００〜２０８での
処理の対象とはならない。

【０１４０】そして、制御はステップ１９２に戻り、再
度変数ｍａｘ＿類似度に０が代入され、ｎに１が加算さ
れて２となり、２番目のドキュメントに対して、上述し
た１番目のドキュメントと同じ処理が実行される。

【０１４１】このようにして、全てのドキュメントに対
して分類処理を実行することにより、未クラスタリング
ドキュメントの各々が、通常は初期クラスタのいずれか
一つかに分類され、それらのいずれともよく類似してい
ない場合には、「未分類」クラスタに分類される。全て
のドキュメントの分類が終了したら初期処理（図１７の
ステップ１４０）は終了である。

【０１４２】再び図１７を参照して、ステップ１４２以
下の処理は、あるドキュメントが追加されるたびに、ま
たは一定期間ごとに実行される。

【０１４３】あるドキュメントが追加されると、ステッ
プ１４２の処理が実行される。この処理は前述したとお
り、図１９のステップ１９８〜２２４に示した処理と同
じである。その結果、そのドキュメントは通常は初期ク
ラスタのいずれか一つに分類され、いずれのクラスタの
特徴ドキュメントともよく類似していない場合には「未
分類」クラスタに分類される。

【０１４４】こうして、ドキュメントが追加されるたび
に当該ドキュメントの分類処理が行なわれるが、ステッ
プ１４４の判定で「未分類」クラスタ内のドキュメント
数が１０００を超えたと判定されたときには、ステップ
１４６においてこの「未分類」クラスタの中のドキュメ
ントを対象として図１８の「初期クラスタの作成」で行
なわれたのと同様の処理が行なわれる。ただしこの処理
では、新たに作成されるクラスタは、既存のクラスタに
追加して登録されることになる。

【０１４５】こうして、ステップ１４６の処理の結果、
初期クラスタに新たなクラスタが追加され、「未分類」
クラスタ内にあったすべてのドキュメントはいずれかの
クラスタに分類されることになる。

【０１４６】以下、ステップ１４２〜１４６の処理を繰
返す。こうした処理を繰返すことにより、クラスタリン
グ対象のドキュメント数が多くとも、また追加されるド
キュメント数が多くとも、クラスタリングとドキュメン
トの分類とを、過大なハードウェアを要件とすることな
く、現実的な時間で行なうことが可能となる。

【０１４７】なお、以上の説明では主としてドキュメン
トをクラスタリングする際の手法について述べた。しか
し当業者であれば容易に理解できるように、本実施の形
態はドキュメントの分類だけでなく、データの種類にか
かわらずデータをクラスタリングする際に応用すること
が可能である。特にクラスタリング対象のデータが多数
で、かつデータの追加がよく行なわれるような場合に
も、効率的にデータのクラスタリングと分類とを行なう
ことができる。

【０１４８】また、以上の説明から明らかなように、本
発明のシステムは一般的な計算機と、その上で実行され
るソフトウェアとによって実現することができる。もち
ろん、専用のハードウェアを用いて実現することもでき
る。

【０１４９】今回開示された実施の形態はすべての点で
例示であって制限的なものではないと考えられるべきで
ある。本発明の範囲は上記した説明ではなくて特許請求
の範囲によって示され、特許請求の範囲と均等の意味お
よび範囲内でのすべての変更が含まれることが意図され
る。

【図面の簡単な説明】

【図１】 本発明の第１の実施の形態に係るＦＡＱ作成
支援システムの構成を示すブロック図である。

【図２】 ＦＡＱ作成支援メイン画面の一例を示す図で
ある。

【図３】 複数キーワード指定方式によるＦＡＱの作成
処理のフローチャートである。

【図４】 条件検索による絞込み画面の一例を示す図で
ある。

【図５】 キーワード抽出画面の一例を示す図である。

【図６】 類似度しきい値を指定することによるＦＡＱ
の作成処理のフローチャートである。

【図７】 タブパネル「類似度しきい値指定」の一例を
示す図である。

【図８】 類似度しきい値によるクラスタリング処理の
フローチャートである。

【図９】 クラスタ数を指定することによるＦＡＱの作
成処理のフローチャートである。

【図１０】 タブパネル「クラスタ数指定」の一例を示
す図である。

【図１１】 クラスタ数指定によるクラスタリング処理
のフローチャートである。

【図１２】 クラスタ数指定によるクラスタリング処理
のフローチャートである。

【図１３】 自動的にＦＡＱを作成する処理のフローチ
ャートである。

【図１４】 自動クラスタリング処理のフローチャート
である。

【図１５】 類似度しきい値−クラスタ数関係テーブル
の一例を示す図である。

【図１６】 本発明の第２の実施の形態にかかるドキュ
メントクラスタリングシステムのブロック図である。

【図１７】 第２の実施の形態にかかるシステムでのク
ラスタリング作業の一般的手順を示すフローチャートで
ある。

【図１８】 第２の実施の形態にかかるシステムでのク
ラスタリング作業のうち、初期処理のフローチャートで
ある。

【図１９】 第２の実施の形態にかかるシステムでの未
クラスタリングドキュメントの分類処理のフローチャー
トである。

【符号の説明】

２ ＦＡＱ作成支援システム、１４，１０４ 処理制御
部、１６ 条件検索部、１８ キーワード抽出部、２０
類似度情報検索部、２２ クラスタリング部、２４
代表トラブルチケット算出部、２６ ＦＡＱ作成部、２
８ トラブルチケット蓄積部、３０ 類似度テーブル、
３２ 類似度しきい値−クラスタ数関係データ記憶部、
３４ ＦＡＱ蓄積部、４０ サーバ計算機、５２，６
０，６４，６６ ボタン、６２ 入力欄、６８ 表示
欄、７０，７２ ラジオボタン、７４，７６，７８ タ
ブ、８０ ＦＡＱ候補欄、８２ クラスタ内トラブルチ
ケット表示欄、１００ ドキュメントクラスタリングシ
ステム、１０２ ドキュメントクラスタリングシステム
サーバ、１１０ 属性検索部、１１２ 代表ドキュメン
ト算出部、１１４ クラスタリング情報作成部、１１６
ドキュメント分類部、１１８ ドキュメント群蓄積
部、１２０ クラスタリング情報蓄積部。

Claims (11)

【特許請求の範囲】
1. 【請求項１】 ドキュメント群における各ドキュメント
   間の類似度を算出するための類似度算出手段と、 前記類似度算出手段に接続され、前記各ドキュメント間
   の類似度の分布の偏りに基づいて、前記ドキュメント群
   をクラスタリングするための類似度しきい値を算出する
   ための類似度しきい値算出手段と、 前記類似度しきい値算出手段および前記類似度算出手段
   に接続され、前記類似度しきい値および前記各ドキュメ
   ント間の類似度に基づいて、前記ドキュメント群をクラ
   スタリングするためのクラスタリング手段とを含む、ド
   キュメントクラスタリング装置。
2. 【請求項２】 前記類似度しきい値算出手段は、 前記各ドキュメント間の類似度に基づいて、任意の類似
   度しきい値と、当該任意の類似度しきい値を用いて前記
   クラスタリング手段によってクラスタリングを行なう際
   のクラスタ数との関係を求めるための類似度しきい値−
   クラスタ数関係算出手段と、 前記類似度しきい値−クラスタ数関係算出手段に接続さ
   れ、前記類似度しきい値と前記クラスタ数との関係に現
   れる前記ドキュメント間の類似度の分布の偏りに基づい
   て、類似度しきい値を算出するための手段とを含む、請
   求項１に記載のドキュメントクラスタリング装置。
3. 【請求項３】 前記類似度しきい値算出手段は、さら
   に、前記類似度しきい値−クラスタ数関係算出手段に接
   続され、前記クラスタリング手段によって、オペレータ
   が指定したクラスタ数に前記ドキュメント群をクラスタ
   リングするための適切な類似度しきい値を算出するため
   の手段を含む、請求項２に記載のドキュメントクラスタ
   リング装置。
4. 【請求項４】 前記類似度算出手段により算出されたド
   キュメント間の類似度を記憶するための類似度記憶手段
   をさらに含み、 前記類似度しきい値算出手段および前記クラスタリング
   手段は、前記類似度記憶手段に最新の類似度が記憶され
   ている場合には、前記類似度記憶手段に記憶されている
   類似度を利用して類似度しきい値の算出処理とクラスタ
   リング処理とをそれぞれ実行する、請求項１に記載のド
   キュメントクラスタリング装置。
5. 【請求項５】 前記クラスタリング手段によりクラスタ
   リングされた各前記クラスタの特徴ドキュメントを算出
   するための特徴ドキュメント算出手段と、 クラスタリングされていない追加のドキュメントと、各
   前記クラスタの特徴ドキュメントとの間の類似度に基づ
   いて、前記追加のドキュメントをクラスタリングするた
   めの追加クラスタリング手段とをさらに含む、請求項１
   に記載のドキュメントクラスタリング装置。
6. 【請求項６】 前記追加クラスタリング手段は、 前記追加のドキュメントと、各前記クラスタの特徴ドキ
   ュメントとの間の類似度の最大値を算出するための手段
   と、 前記最大値が所定の条件を充足しているか否かを判定す
   るための手段と、 前記最大値が前記所定の条件を充足していると判定され
   た場合に、前記追加のドキュメントを前記最大値を与え
   たクラスタに分類するための手段とを含む、請求項５に
   記載のドキュメントクラスタリング装置。
7. 【請求項７】 前記追加クラスタリング手段はさらに、
   前記最大値が前記所定の条件を充足していないと判定さ
   れた場合に、前記追加のドキュメントを特定の未分類ク
   ラスタに分類するための手段を含む、請求項６に記載の
   ドキュメントクラスタリング装置。
8. 【請求項８】 前記追加クラスタリング手段はさらに、
   前記未分類クラスタに分類された追加のドキュメントの
   数が所定の条件を充足したことに応答して、前記未分類
   クラスタに分類された追加のドキュメントに対して前記
   クラスタリング処理を実行させるための手段を含む、請
   求項７に記載のドキュメントクラスタリング装置。
9. 【請求項９】 ドキュメント群における各ドキュメント
   間の類似度を求めるための類似度算出手段と、 オペレータからのクラスタ数の入力を受付けるためのク
   ラスタ数受付け手段と、 前記類似度算出手段および前記クラスタ数受付け手段に
   接続され、予め定められた類似度しきい値および前記類
   似度の分布の偏りに基づいて、前記ドキュメント群をク
   ラスタリングするためのクラスタリング手段と、 前記クラスタ数受付け手段および前記クラスタリング手
   段に接続され、クラスタリングの結果のクラスタ数が、
   前記クラスタ数受付け手段で受付けた前記オペレータか
   らのクラスタ数に一致するか否かを判断するためのクラ
   スタ数一致判断手段と、 前記クラスタ数受付け手段、前記クラスタ数一致判断手
   段および前記クラスタリング手段に接続され、前記クラ
   スタ数一致判断手段の出力に基づいて、前記予め定めら
   れた類似度しきい値を変更し、前記クラスタリング手段
   に供給するための類似度しきい値変更手段とを含む、ド
   キュメントクラスタリング装置。
10. 【請求項１０】 含まれるドキュメント数が所定の方法
    により定められる数以下であるクラスタを前記クラスタ
    リング手段によるクラスタリングの対象から除外するた
    めの手段をさらに含む、請求項１または請求項９に記載
    のドキュメントクラスタリング装置。
11. 【請求項１１】 前記類似度算出手段により算出された
    ドキュメント間の類似度を記憶する類似度記憶手段をさ
    らに含み、 前記クラスタリング手段は、前記類似度記憶手段に最新
    の類似度が記憶されている場合には、前記類似度記憶手
    段に記憶されている類似度を利用してクラスタリング処
    理を実行する、請求項９に記載のドキュメントクラスタ
    リング装置。