JP2002288088A - 分類自動学習機能を備えた電子メール返信装置 - Google Patents

Abstract

(57)【要約】 【課題】 最小の人手でメール分類の精度を常に向上も
しくは高く保つとともに、電子メールのヘッダ情報を有
効利用することで、分類精度を向上させること。 【解決手段】 電子メール自動分類手段１は受信メール
からメールアドレス、サブジェクト、本文等の分類対象
を抽出し、各分類対象毎に統計データに基づき小分類を
実行し、各小分類の結果をまとめて総合分類を行う。受
信メールは電子メール自動分類手段１により決定された
カテゴリに従い、返信メール作成手段３に送信される。
返信メール作成手段３で返信メールの作成し、返信メー
ル作成手段３から受信メール（返信メールを含んでもよ
い）および、分類カテゴリ訂正情報（分類カテゴリが誤
っている場合）からなるフィードバック情報を送出す
る。電子メール自動分類手段１は上記フィードバック情
報に基づき、各分類対象毎の小分類の統計データを更新
し、各小分類について正しい分類を自動学習する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はインンターネットを
介した顧客サポート業務を行うセンタ等で電子メールを
その内容に適した担当部署、担当者に自動的に振り分け
るための分類自動学習機能を備えた電子メール返信装置
に関する。

【０００２】

【従来の技術】従来、電子メ一ル分類の学習は、以下の
ように行われていた（例えば、特開平１１−２９６５５
１号公報参照) 。 (i) 事前に蓄積されていたメ一ルをクラスタリング等の
手法を使って人がどのようなカテゴリに分類すれば良い
かを決める。 (ii)このメールをＧＵＩツール等を使って各カテゴリに
人手で分類する。 (iii) 分類されたメールを一旦形態素解析等の手法で統
計処理のための単位に分解してその出現回数等の統計情
報を収集する。 上記のように統計情報を収集した後、実際に学習した情
報を使ってメールを自動分類する運用の段階では、分類
間違いの情報を自動的にフィードバックする機構が備わ
っていないため、定期的に人手で分類を修正してメール
を再学習させなければ分類精度は向上して行かない。ま
た、時間的な経過と共にメールに現れる統計情報の変
化、季節変動等があるので、分類精度の低下が現れる。

【０００３】電子メールの自動分類は、パーソナルユー
スのメーラ、小規模なサポート業務用では、予め登録し
ておいたメールヘッダの送信者アドレス、受信者アドレ
ス、サブジェクトフィールドのキーワード（あるいは、
これらの組み合わせ）とその分類先のフオルダの対を分
類ルールとする簡単なものが使われ、送信者と受信者が
かなり限定された状況で利用されるため、この単純な方
法でも馬鹿にできない程の分類精度がある。これに対
し、大規模なコールセンタ等で使われる電子メール自動
分類は、通常電子メールを一般のテキストと見做し通常
のテキストを分類する方法を援用している。電子メール
の本文は、通常のテキストと違い、内容と無関係な挨
拶、署名、機械的な操作による無関係な部分を多く含ん
だ引用文、解析を困難にする口語表現などを含み、通常
のテキストに比べ分類が困難である。また、電子メール
の特質として、分類カテゴリは通常そのメールを処理す
る担当部署、担当者を一意に表したものになるので、テ
キストのように複数の分類カテゴリを割り当てることが
できない。さらに、今日益々各顧客との密接な個別的メ
ールの遣り取りが重要になって来ているが、従来の電子
メールの分類では顧客毎に最適化した分類方法を取ら
ず、全ての電子メールを同じアルゴリズムとパラメータ
で分類してしまっている。顧客毎に、興味のある「製
品」、「サービス」、また「技術的な質問が多い」、
「依頼ごとが多い」、「ＶＩＰ顧客である」、逆に「収
益に寄与しない顧客である」など特性があり分類の手が
かりになる。しかし、現状ではこの特性を使っていない
ため分類精度が十分に上がらず、分類間違いによる回送
先担当者の探索などで人件費の増加と、レスポンス時間
の遅延を招いている。単純に電子メールのへッダ情報し
か使わないとか、折角ある重要な情報元であるへッダを
無視して、メールを本文とサブジェクトだけのテキスト
と見做して分類を行うなどは、最初から高精度の分類を
行うことを諦めたアプローチである。真に高精度のメー
ル分類を目指すためには、電子メール特有の文書形式の
ための特殊化された分類アルゴリズムと学習機構が必要
である。

【０００４】

【発明が解決しようとする課題】以上のように、従来の
コールセンタ等で使われる電子メールの分類は顧客毎に
最適化した分類方法を取っておらず、分類精度が十分に
上がらず分類間違いによる人件費の増加やレスポンス時
間の遅延を招いていた。本発明は上記従来技術の問題点
を考慮してなされたものであって、本発明の目的は、電
子メール自動分類手段に返信メール作成ツールから電子
メールの分類間違いを自動的にフィードバックすること
で、最小の人手でメール分類の精度を常に向上、もしく
は、高く保ち、さらに、電子メールの形式構造（ヘッダ
情報) を有効利用することで、従来のテキスト分類の手
法では得られない分類精度を達成することである。

【０００５】

【課題を解決するための手段】図１は本発明の概要を示
す図である。同図において、受信した電子メールは、電
子メール自動分類手段１に送られる。電子メール自動分
類手段１は受信メールからメールアドレス、サブジェク
ト、本文等の分類対象を抽出し、各分類対象毎に統計デ
ータに基づき小分類を実行し、各小分類の結果をまとめ
て総合分類を行う。一方、受信メールはメールＤＢ２に
登録された後、上記総合分類による分類カテゴリが決定
されるのを待ち、決定されたカテゴリに従い、返信メー
ル作成手段３に受信メールを送信する。返信メール作成
手段３では受信メールに対する返信メールの作成を行
い、返信メール作成手段３から、受信メールおよび返信
メールを送出するとともに、受信メールの分類を学習す
るためのフィードバック情報を送出する。このフィード
バック情報は、各返信メール作成手段３の各ＧＵＩで訂
正（確認）されたカテゴリ情報、あるいは、カテゴリ別
にＧＵＩが設けられている場合には、返信メールを作成
したＧＵＩについての情報（計算機ＩＤ等）、および受
信メール（返信メールを含んでもよい）である。電子メ
ール自動分類手段１は上記受信メール（返信メールを含
んでもよい）のへッダ部のアドレス、サブジェクトと本
文および、上記カテゴリ情報に基づき、各分類対象毎の
小分類の統計データを更新し、各小分類について正しい
分類を自動学習する。以上のように、分類されたカテゴ
リに従い電子メールを振り分けられたオペレータの直接
的／間接的なメーラ操作、あるいは計算機ＩＤから正し
い分類カテゴリを取得し、電子メール自動分類手段に自
動的にフィードバックをかけているので、オペレータに
負担を掛けることなく、分類精度を向上させることがで
きる。また、通常のサブジェクトと本文による分類だけ
でなく、メールの送信者毎、受信者毎の個別な分類をす
ることで、そのメールが送信された状況を織り込んで、
メールを分類することができる。以上のように、本発明
は以下のようにして前記課題を解決する。 （１）返信メール作成手段（メーラ、コールセンタ端末
等）に、電子メール自動分類手段が分類したカテゴリを
表示し人手でこれを訂正（確認）する手段を設け、返信
メール作成者が返信メールを送信する前に予め決められ
たカテゴリの中から正しいものに訂正し、返信メール作
成手段で訂正した分類カテゴリを電子メール自動分類手
段にフィードバックし、電子メール自動分類手段に自動
学習させる。以上のように、返信メール作成手段上に、
自動分類したカテゴリの表示とその訂正手段を設けてい
るので、オペレータは数度のマウス操作で簡単に分類の
訂正が可能となる。また、受信したメール（作成された
返信メールを含んでもよい）、この訂正されたカテゴリ
情報を電子メール自動分類手段に送り返し、分類を自動
学習しているので、最小の人手でメール分類の精度を常
に向上、もしくは、高く保つことができる。 （２）返信メール作成手段に予めＩＤ（計算機名、ＩＰ
アドレス等) と担当する分類カテゴリを振っておき、オ
ペレータは、分類カテゴリが異なる受信メールが送られ
た際、該受信メールを該当する返信メール作成手段に回
送する。そして、最終的に受信メールが回送された返信
メール作成手段から返信メールを送信するとともに、返
信メール作成手段のＩＤ情報を電子メール自動分類手段
にフィードバックする。電子メール自動分類手段は、上
記返信メールを作成した返信メール作成手段ＩＤ情報か
ら分類カテゴリを求め、正しい分類カテゴリを自動学習
する。以上のように、返信メール作成手段に予めＩＤ
（計算機名、ＩＰアドレス等)と担当する分類カテゴリ
を振っておき、該ＩＤ情報から分類情報を求め、電子メ
ール自動分類手段において正しい分類を自動学習するこ
とにより、返信メール作成者に何の負担も掛けない形で
分類間違い情報を収集し、正しい分類の自動学習を行う
ことができる。特に、予め返信メール作成ツールにＩＤ
を振り、しかもそのＩＤにユニークな分類カテゴリを割
り当ててあるので、最終的に返信を行った作成ツールの
ＩＤを取得するだけで、各メールの正しいカテゴリを収
集することができる。 （３）上記（１）（２）において、訂正情報のフィード
バックを一旦ログに蓄えておいて適当な時間にまとめて
フィードバック処理を行うのではなく、電子メール自動
分類手段２が、本来の分類作業と同時に訂正情報のフィ
ードバックを受け、統計情報に反映させる作業を並列あ
るいは交互に動作させることでオンラインのまま正しい
分類を自動学習する。訂正されたカテゴリと受信メール
（あるいは、返信メールも含める) の対を一旦記憶しな
いで、そのままオンラインで学習することにより、分類
の修正を即時に行うことができ、同じ振り分け間違いに
よる無駄なメール回送を最小限に押さえらることができ
る。 （４）受信メールのへッダの送信者メールアドレス（Ｆ
ｒｏｍフィールドのメールアドレス) を統計単位とし、
同じアドレスのメールの統計データを格納する。分類時
には、メールの送信者アドレスをキーにして格納された
統計データを引き出し分類を行う。また、サブジェク
ト、本文の形態素等の統計データとを同時に利用して分
類を行うこともできる。この場合、例えば、Ｆｒｏｍフ
ィールドの送信者メールアドレスを特殊な品詞の形態素
とみなし、この形態素に適当な重みを与えて分類を行
う。上記のように、送信者メールアドレスを分類のため
の統計単位とすることにより、送信者毎に送信するメー
ル内容の傾向を個別に統計情報の中に蓄積し、分類時に
個別に最適なパラメータで分類を行うことができる。 （５）受信メールのへッダの受信者メールアドレス（Ｔ
ｏフィールド：Ｃｃフィールドのメールアドレス) を統
計単位とし、同じアドレスのメールの統計データを格納
する。分類時には. メールのＴｏフィールド、Ｃｃフィ
ールドのアドレスをキーにして格納された統計データを
引き出し分類を行う。また、サブジェクト、本文の形態
素等の統計データと同時に利用して分類を行うこともで
きる。この場合、ＴｏフィールドのメールアドレスとＣ
ｃフィールドのメールアドレスを特殊な品詞の形態素と
みなし、この形態素に適当な重みを与えて分類を行う。
上記のように、受信者アドレス〔写し送付先（Ｃｃ）ア
ドレスを含む〕を統計単位として、メーリングリスト等
の傾向の自動学習、複数のアドレスを持つメールボック
ス、同時に写しを送付するアドレスを使うときのアドレ
ス毎の傾向の自動学習を行うので、分類時に送信者の意
図を推定したパラメータで分類を行うことができる。 （６）上記（４）（５）において、送信者／受信者アド
レス単位の学習に際し、アドレスを特殊な形態素と見做
し他の形態素と同等に扱うのではなく、ヘッダフィール
ド毎に個別の各カテゴリへの小分類得点（あるいは確率
等) を計算し、最後に各々の小分類得点の重み付け平均
を取ることで、各カテゴリの大分類得点を求める。へッ
ダフィールドの要素を特殊な形態素と見做さないで個別
に小分類を行うことにより、ヘッダフィールドの要素と
本文などの形態素間の依存性による各小分類への影響を
防ぐことができる。また、総合分類で各小分類の重み付
き平均を取れば、各小分類のための統計情報は重みと無
関係になるので、統計情報を取得した後で各重みが総合
分類に最適になるようにチューニングすることができ
る。

【０００６】

【発明の実施の形態】図２は本発明の実施例の分類自動
学習機能を備えた電子メール返信装置の全体構成を示す
図である。同図において、１１は電子メールを受信する
メール受信部であり、メール受信部で受信された電子メ
ールは、内部処理形式変換部１２で内部形式に変換さ
れ、内部処理形式メールデータベース１３に格納される
とともに、電子メール自動分類部１４に送られる。電子
メール自動分類部１４は後述するように、複数の小分類
器から構成され、各小分類器で与えられた得点をまとめ
て電子メールの総合分類を行う。電子メール自動分類器
１４で分類された電子メールはカテゴリ別振り分け器１
５を介してメール回送部１６に送られる。メール回送部
１６は受信した電子メールを所定の返信メール作成ＧＵ
Ｉ１７（実際にはＧＵＩがアクセスする内部形式メール
のスプール）に送る。また、受信した電子メールが適切
なＧＵＩに送付されなかった場合、各ＧＵＩのオペレー
タは回送部１６を介して、受信した電子メールを他のＧ
ＵＩに回送することができる。回送部１６に設けられた
案件管理データベース１６ａには、電子メールの処理状
態を管理するためのデータが格納され、該データベース
１６ａにアクセスすることにより、各ＧＵＩで、どのよ
うな処理をしているか、あるいは受信した電子メールを
どのＧＵＩで処理しているか等を知ることができる。各
ＧＵＩにおいて受信メールに対する返信メールが作成さ
れると、作成された返信メールは受信メールとともに、
ＧＵＩ（実際には、内部形式メール受信スプール）から
メール回送部１６を介して、内部処理形式メール受信部
１８に送られる。上記返信メールは受信メールとともに
内部処理形式メールＤＢ１３に内部形式メール（受信、
返信、分類カテゴリ等が一体になった構造化文書）とし
て格納される。また、返信メール抽出変換部１９で内部
処理形式メールＤＢ１３から返信メールが抽出され、通
常のメール形式に変換後、メール送信部２０から送信さ
れる。

【０００７】ここで、各ＧＵＩ、あるいはメール回送部
１６からは、上記返信メールおよび受信メールに加え、
該受信メールの分類を学習するための分類カテゴリの訂
正情報が送出される。この訂正情報は、後述するように
各ＧＵＩで訂正されたカテゴリ情報、あるいは、カテゴ
リ別にＧＵＩが設けられている場合には、返信メールを
作成したＧＵＩのＩＤ等の情報である。分類カテゴリの
訂正情報、および、受信メール（返信メールを含めても
よい）からなるフィードバック情報は電子メール自動分
類部１４に送られ、電子メール自動分類部１４は上記フ
ィードバック情報に基づき正しい分類を自動学習する。
なお、上記フィードバック情報により電子メール自動分
類器１４がオンラインで分類の学習処理を行うが、上記
フィードバック情報をログ情報として保持しておき、適
当な時間にまとめてバッチ処理で分類の学習処理を行う
ようにしてもよい。

【０００８】図３は上記電子メール自動分類部１４の構
成例を示す図である。同図において、２１は分類対象抽
出部であり、受信メールから分類対象を抽出する。抽出
される分類対象は、ここではアドレスとサブジェクトと
本文である。アドレスとしては、送信者メールアドレス
（Ｆｒｏｍフィールド）、受信者メールアドレス（Ｔｏ
フィールド、および、写し送付先メールアドレス：Ｃｃ
フィールドを含む）が抽出される。分類対象抽出部２１
で抽出されたアドレスはアドレス正規化部２２に送られ
正規化される。また、サブジェクト（Ｓｕｂｊｅｃｔ）
と本文は形態素解析器２３に送られ、形態素解析が行わ
れる。正規化されたアドレス（Ｆｒｏｍフィールド、Ｔ
ｏフィールド、Ｃｃフィールド）はそれぞれＦｒｏｍ分
類器２４、Ｔｏ分類器２５、Ｃｃ分類器２６からなる小
分類器に送られる。また、形態素解析器２３により分離
されたサブジェクトと本文の形態素は、Ｓｕｂｊｅｃｔ
分類器２７、本文分類器２８からなる小分類器に送られ
る。上記Ｆｒｏｍ分類器２４、Ｔｏ分類器２５、Ｃｃ分
類器２６、Ｓｕｂｊｅｃｔ分類器２７、本文分類器２８
は、統計データ格納部２９〜３３に格納された統計デー
タを使って分類を実行する。

【０００９】図４に上記統計データ格納部２９〜３１に
格納された統計データの一例を示す。同図において、
「Ｆｒｏｍ」は、統計データ格納部２９に格納される統
計データの一例を示す図であり、同図のfoo@bar.com ,b
az@xyz.com, …等はＦｒｏｍフィールドの電子メールア
ドレスであり、また、「ＶＩＰ」、「ジャンク」、「質
問」、「依頼」、…等は分類カテゴリであり、統計デー
タには、各メールアドレスについて、上記カテゴリに属
するメール数が記録されている。例えばＦｒｏｍフィー
ルドが「foo@bar.com 」の電子メールについては、「質
問」というカテゴリに属するメールのＦｒｏｍフィール
ドにこのアドレスが出現する数が「６３」、「依頼」と
いうカテゴリに属するメールのそれが「４１」である。
Ｔｏフィールド、Ｃｃフィールドの電子メールアドレス
についても、同様に、統計データ格納部３０〜３１に上
記各分類カテゴリに属するメールの各フィールドでのア
ドレスの出現数が記録されている。

【００１０】図５は統計データ格納部３２〜３３に格納
された統計データの一例を示す。同図において、「Ｓｕ
ｊｅｃｔ」は、統計データ格納部３２に格納される統計
データの一例を示す図であり、同図の「頼む」、「でし
ょうか？」、「送れ」、…は形態素解析部２３で分離さ
れた「Ｓｕｊｅｃｔ」フィールドの形態素であり、ま
た、「ＶＩＰ」、「ジャンク」、「質問」、「依頼」、
…等は分類カテゴリである。統計データには、各形態素
について、図４と同様、上記カテゴリに属するメールの
各形態素の出現数が記録されている。本文フィールドに
ついても、同様に、統計データ格納部３３に上記分類カ
テゴリに属するメールの各形態素の出現数が記録されて
いる。なお、図５では、「アドレス」、「Ｓｕｂｊｅ
ｔ」、「本文」を小分類とする場合について示したが、
例えば、「キーワード」という小分類を設けて、電子メ
ール中の「Ｓｕｂｊｅｔ」、「本文」フィールドに現れ
るキーワードを抽出して、これを小分類としてもよい。
キーワードは、例えば製品の型式名等であり、「Ｓｕｂ
ｊｅｔ」、「本文」フィールド中にこれらのキーワード
が現れたメールについて、上記と同様の統計データを作
成し、電子メールを分類する。Ｆｒｏｍ分類器２４、Ｔ
ｏ分類器２５、Ｃｃ分類器２６、Ｓｕｂｊｅｃｔ分類器
２７、本文分類器２８は、上記統計データに基づき、受
信した電子メールについて、各小分類毎に、各分類カテ
ゴリの得点（確率、確信度等の指標）を求める。得点は
例えば０．０〜１．０の数値である。重み付き総合分類
器３４は上記各小分類器で求めた各分類カテゴリの得点
を、重み付き平均により合算し、各分類カテゴリの総合
得点を求める。そして、電子メールを例えば総合得点の
最も高い分類カテゴリに分類し、分類カテゴリを出力す
る。

【００１１】前記図２に示したカテゴリ別振り分け器１
５は、重み付き総合分類器３４により、受信メールに分
類カテゴリが決定されるのを待ち、分類カテゴリが付さ
れた受信メールを図２に示したメール回送部１６に送出
する。メール回送部１６における各ＧＵＩの受信メール
の回送は次のように行われる。 （１）予め指定されたＧＵＩに受信メールを分類カテゴ
リを付けて送付する。例えば、メール回送部１６は、各
ＧＵＩにおける作業が均等化されるように、回送するＧ
ＵＩを決定し、電子メールを分類カテゴリを付けて送付
する。図６に各ＧＵＩに表示される画面の一例を示す。
同図に示すように、ＧＵＩの画面には返信文作成欄に加
え、分類カテゴリ選択メニュー（例えばプルダウンメニ
ュー）が表示され、ここに、前記電子メール自動分類器
１４で分類された分類カテゴリが表示される。返信メー
ル作成者は、この画面上で返信メールを作成するとも
に、この分類カテゴリが誤っている場合、分類カテゴリ
を修正する。この修正した分類カテゴリは、前記したよ
うに受信メール（返信メールを含めてもよい）ととも
に、フィードバック情報として、前記電子メール自動分
類器１４にフィードバックされ、電子メール自動分類器
１４は、このフィードバック情報により、正しい分類を
自動学習する。 （２）各ＧＵＩに予めＩＤ（計算機名、ＩＰアドレス
等) と担当する分類カテゴリを振っておき、メール回送
部１６により、分類カテゴリに対応したＧＵＩに電子メ
ールを回送する。返信メール作成者は、回送された受信
メールの分類カテゴリが正しければ、返信メールを作成
する。また、回送された受信メールの分類カテゴリが誤
っている場合、該受信メールを該当するＧＵＩに転送す
る。転送されたＧＵＩでは、受信メールの分類カテゴリ
が正しい場合に返信メールを作成し、誤っていれば、他
のＧＵＩに転送する。最終的に返信メールを作成したＧ
ＵＩのＩＤと受信メール（返信メールを含めてもよい）
はフィードバック情報として、前記電子メール自動分類
器１４にフィードバックされる。電子メール自動分類器
１４は、最終的に返信をしたＧＵＩのＩＤから、例えば
予め登録してあるＩＤとカテゴリの表を引くことで、Ｉ
Ｄを訂正カテゴリへと変換し、正しい分類を自動学習す
る。

【００１２】次に、上記フィードバック情報による電子
メール自動分類器１４における学習動作について説明す
る。前記したように、上記フィードバック情報は、内部
処理形式メール受信器１８（図２）を介して電子メール
自動分類器１４に送られる。内部処理形式メール受信器
１８から送られたフィードバック情報は、図３に示す分
類対象抽出器４０に送られ、分類対象抽出器４０は、受
信メール（返信メールを含めてもよい）から分類対象を
抽出する。分類対象抽出部４１で抽出されたアドレスは
アドレス正規化部２２に送られ正規化される。また、サ
ブジェクト（Ｓｕｂｊｅｃｔ）と本文は形態素解析器４
２に送られ、形態素解析が行われる。正規化されたアド
レス（Ｆｒｏｍフィールド、Ｔｏフィールド、Ｃｃフィ
ールド）、および形態素解析器４２により分離されたサ
ブジェクトと本文の形態素は、それぞれ統計データ計数
・更新部４３〜４７に送られる。統計データ計数・更新
部４３〜４７は、前記フィードバック情報に基づき、統
計データ格納部２９〜３１に格納された統計データを更
新する。前記（１）〔予め指定されたＧＵＩに受信メー
ルを分類カテゴリを付けて送付する〕の場合には、返信
メール作成者により修正された分類カテゴリを含むフィ
ードバック情報に基づき統計データを更新する。例え
ば、受信メールの分類カテゴリが「ＶＩＰ」ではなく、
「質問」の場合には、各統計データ格納部２９〜３１に
格納された各統計データの分類カテゴリの「質問」の欄
の統計値を１増加する。また、前記（２）〔各ＧＵＩに
予めＩＤ（計算機名、ＩＰアドレス等) と担当する分類
カテゴリを振る〕の場合には、返信メールを作成したＧ
ＵＩのＩＤから該ＧＵＩの分類カテゴリを求め、該分類
カテゴリに基づき上記と同様に統計データを更新する。
以上のように、返信メール作成ＧＵＩからのフィードバ
ック情報に基づき、統計データ格納部２９〜３１に格納
された統計データを更新することにより、返信メール作
成者の負担を殆ど増やすことなく、あるいは負担を掛け
ることなく、電子メール自動分類器１４を自動学習さ
せ、電子メールの分類精度を向上もしくは高く保つこと
ができる。また、電子メール本文だけでなく、電子メー
ルのヘッダ情報を有効利用することにより、従来のテキ
スト分類では得られない分類精度を達成することができ
る。なお、上記実施例では、ヘッダフィールド毎に個別
の各カテゴリへの小分類得点を計算し、最後に各々の小
分類得点の重み付け平均を取る場合について示したが、
前記したように、送信者／受信者アドレス単位の学習に
際し、アドレスを特殊な形態素と見做し、この形態素に
適当な重みを与えて分類を行うようにしてもよい。

【００１３】図７に本実施例の処理フローを示す。同図
において、外部よりの電子メールをメール受信部１１が
受け取ると、同図右側の分類のための処理フローに行
く。また、内部処理形式変換部１８でメール（返信メー
ルと受信メール）とフィードバック情報を受け取ると、
同図の左側の処理フローに行く。同図の右側のフローに
おいて、メール受信部１１がメールを受信すると、この
メールを内部処理形式変換部１２で電子メール自動分類
器１４と返信メール作成ＧＵＩ１７で使用するためのデ
ータ形式に変換する。そして、前記したように各分類対
象を抽出後、アドレス正規化および形態素解析を行う。
ついで、各小分類を実行し、総合分類を実行する。すな
わち、前記したように、分類対象抽出部２１（図３）
で、分類対象を抽出し、アドレス関係の分類（Ｆｒｏ
ｍ，Ｔｏ，Ｃｃフィールド) 処理ではアドレスの正規化
部を通って正規化されたアドレスと各統計データを使っ
て小分類器で分類を実行する。また、Ｓｕｂｊｅｃｔと
本文の小分類の処理では、まず形態素解析を行った後、
ここで分離された各形態素と各小分類の統計データを使
って、小分類器で分類を実行する。各小分類が実行され
ると、最後に総合分類器３４（図３）で各小分類の結果
をまとめて総合分類を行う。このまとめる方法として、
例えば、前記したように各小分類の各カテゴリの得点を
重み付き平均により合算することで、各カテゴリの総合
得点を得る方法を使うことができる。一方、内部形式に
変換された受信メールを、内部処理形式メールＤＢ１３
（図２）に登録した後、カテゴリ別振り分け器１５で総
合分類によるカテゴリが決定されるのを待ち、決定され
たカテゴリに従い返信メール作成ＧＵＩ１６に内部形式
メールを送信する。

【００１４】同図の左側のフローにおいて、返信メール
作成ＧＵＩ１７からメール回送部１６（図２）が内部形
式メールを受け取ると、それが他のＧＵＩへの回送を指
示するものであれば他のＧＵＩに回送を行い、そうでな
い場合は統計データへのフィードバツク処理と返信メー
ル作成処理に分かれる。統計データへのフィードバック
処理では、前記したように、内部処理形式メール受信部
１８から出力されるメールから各分類対象を抽出後、ア
ドレス正規化および形態素解析を行う。そして、統計デ
ータ計数・更新部４３〜４７で、各小分類のための統計
データを更新する。すなわち、前記したように、統計デ
ータ計数・更新部４３〜４７により、各出現回数等を統
計データ格納部２９〜３３に書き込む。なお、前記した
ように、この計数・更新部４３〜４７は、受信したメー
ルだけでなく返信メールも計数対象にすることができ
る。一方、返信メールの送信処理は、まず一旦、内部処
理形式メールＤＢ１３に内部形式メール（受信、返信、
分類カテゴリ等が一体になった構造化文書）を登録し、
その後、この中から返信メール抽出変換部１９で返信メ
ール部分を抽出し、通常のメール形式に変換後、メール
送信部２０から外部へメールを送信する。

【００１５】（付記１） 受信した電子メールをカテゴ
リ別に自動分類する電子メール自動分類手段と、カテゴ
リ別に自動分類された電子メールに対して返信メールを
作成する返信メール作成手段とを備えた電子メール返信
装置であって、上記返信メール作成手段に、電子メール
自動分類手段が分類したカテゴリを表示し人手でこれを
訂正する手段を設け、返信メール作成手段で訂正した分
類カテゴリを電子メール自動分類手段にフィードバック
し、電子メール自動分類手段は、該訂正した分類カテゴ
リを基に正しい分類を自動学習することを特徴とする分
類自動学習機能を備えた電子メール返信装置。 （付記２） 受信した電子メールをカテゴリ別に自動分
類し、カテゴリ別に振り分ける電子メール自動分類手段
と、分類カテゴリ別に設けられ、分類カテゴリ別に自動
分類された電子メールに対して返信メールを作成する返
信メール作成手段とを備えた電子メール返信装置であっ
て、上記返信メール作成手段は、分類カテゴリが異なる
返信メール作成手段に受信メールが送られた際、受信メ
ールを該当する返信メール作成手段に回送する手段を備
え、最終的に受信メールが回送された返信メール作成手
段から返信メールを送信するとともに、返信メールを作
成した返信メール作成手段の情報を電子メール自動分類
手段にフィードバックし、電子メール自動分類手段は、
上記返信メールを作成した返信メール作成手段の分類カ
テゴリを基に、正しい分類カテゴリを自動学習すること
を特徴とする分類自動学習機能を備えた電子メール返信
装置。 （付記３） 上記電子メール自動分類手段に、上記返信
メール作成手段で訂正した分類カテゴリ、もしくは、返
信メールを作成した返信メール作成手段の情報をオンラ
インでフィードバックし、上記電子メール自動分類手段
に電子メールの分類を自動学習させることを特徴とする
付記１または付記２の電子メール返信装置。 （付記４） 上記電子メール自動分類手段は、送信者メ
ールアドレス単位で分類を自動学習することを特徴とす
る付記１，２または付記３の電子メール返信装置。 （付記５） 上記電子メール自動分類手段は、受信メー
ルアドレス単位で分類を自動学習する ことを特徴とする付記１，２または付記３の電子メール
返信装置。（付記６） 上記電子メール自動分類手段
は、メールヘッダの各フィールド単位と本文での各小分
類から総合分類を行うことを特徴とする付記１，２また
は付記３の電子メール返信装置。 （付記７） 受信した電子メールをカテゴリ別に自動分
類し、返信メール作成手段に振り分け、返信メール作成
手段からの返信メールを送信する電子メール返信装置に
おける電子メール分類自動学習プログラムであって、上
記電子メール学習自動プログラムは、受信した電子メー
ルをカテゴリ別に自動分類する処理と、返信メール作成
手段からフィードバックされる訂正された分類カテゴリ
に基づき、正しい分類カテゴリを自動学習する処理を行
うことを特徴とする電子メール分類自動学習プログラ
ム。 （付記８） 受信した電子メールをカテゴリ別に自動分
類し、分類カテゴリ別に設けらた返信メール作成手段に
振り分け、返信メール作成手段からの返信メールを送信
する電子メール返信装置における電子メール分類自動学
習プログラムであって、上記電子メール分類自動学習プ
ログラムは、受信した電子メールをカテゴリ別に自動分
類してカテゴリ別に返信メール作成手段に振り分ける処
理と、最終的に返信メールを作成した返信メール作成手
段のカテゴリ情報を基に、正しい分類カテゴリを自動学
習する処理を行うことを特徴とする電子メール分類自動
学習プログラム。 （付記９） 受信した電子メールをカテゴリ別に自動分
類し、返信メール作成手段に振り分け、返信メール作成
手段からの返信メールを送信する電子メール返信装置に
おける電子メール分類自動学習プログラムを記録した記
録媒体であって、上記電子メール学習自動プログラム
は、受信した電子メールをカテゴリ別に自動分類する処
理と、返信メール作成手段からフィードバックされる訂
正された分類カテゴリに基づき、正しい分類カテゴリを
自動学習する処理を行うことを特徴とする電子メール分
類自動学習プログラムを記録した記録媒体。 （付記１０） 受信した電子メールをカテゴリ別に自動
分類し、分類カテゴリ別に設けらた返信メール作成手段
に振り分け、返信メール作成手段からの返信メールを送
信する電子メール返信装置における電子メール分類自動
学習プログラムを記録した記録媒体であって、上記電子
メール分類自動学習プログラムは、受信した電子メール
をカテゴリ別に自動分類してカテゴリ別に返信メール作
成手段に振り分ける処理と、最終的に返信メールを作成
した返信メール作成手段のカテゴリ情報を基に、正しい
分類カテゴリを自動学習する処理を行うことを特徴とす
る電子メール分類自動学習プログラムを記録した記録媒
体。

【００１６】

【発明の効果】以上説明したように本発明においては、
以下の効果を得ることができる。 （１）返信メール作成手段上に、自動分類したカテゴリ
の表示とその訂正手段を設けることにより、オペレータ
は数度のマウス操作で簡単に分類の訂正が可能となる。
特に、返信メール作成のマニュアルの中でのルーティン
として分類カテゴリの修正をメール作成者に義務づけれ
ば、作成者の負担をほとんど増やさない形で自動的に分
類間違いの情報を収集できる。また、作成された返信メ
ールとともに受信したメール、この訂正されたカテゴリ
情報を電子メール自動分類手段に送り返し、分類を自動
学習しているので、最小の人手でメール分類の精度を常
に向上、もしくは、高く保つことができる。 （２）返信メール作成手段に予めＩＤ（計算機名、ＩＰ
アドレス等) と担当する分類カテゴリを振っておき、該
ＩＤ情報から分類情報を求め、電子メール自動分類手段
において正しい分類を自動学習することにより、返信メ
ール作成者に何の負担も掛けない形で分類間違い情報を
収集し、正しい分類の自動学習を行うことができる。特
に、予め返信メール作成ツールにＩＤを振り、しかもそ
のＩＤにユニークな分類カテゴリを割り当ててあるの
で、最終的に返信を行った作成ツールのＩＤを取得する
だけで、各メールの正しいカテゴリを収集することがで
きる。 （３）上記（１）（２）において、訂正情報のフィード
バックを一旦ログに蓄えておいて適当な時間にまとめて
フィードバック処理を行うのではなく、本来の分類作業
と同時に訂正情報のフィードバックを受け統計情報に反
映させる作業を並列、あるいは交互に動作させることで
オンラインのまま正しい分類を自動学習する。訂正され
たカテゴリと受信メール（あるいは、返信メールも含め
る) の対を一旦記憶しないで、そのままオンラインで学
習することにより、分類の修正を即時に行うことがで
き、同じ振り分け間違いによる無駄なメール回送を最小
限に押さえらることができる。特に、依頼メールは、プ
レスリリース、ダイレクトメールの発送に連動するよう
に急激な波となって押し寄せるが、電子メール自動分類
手段の学習のためのフィードバックを夜中にまとめて一
度行うような形式では、同じような内容のメールに対し
何度も同じ分類間違いを繰り返すことことになり、メー
ル作成の担当者間で機械的なメール転送を繰り返し人件
費を浪費し、またメール返信のレスポンスを遅延させて
しまう。これに対し、オンラインで学習していれば、分
類の修正が短時間にフィードバックされ、無駄なメール
転送が起らないように電子メール自動分類器が学習する
ことができる。 （４）受信メールのへッダの送信者メールアドレス（Ｆ
ｒｏｍフィールドのメールアドレス) を統計単位とし、
同じアドレスのメールの統計データを格納する。分類時
には、メールの送信者アドレスをキーにして格納された
統計データを引き出し分類を行う。また、サブジェク
ト、本文の形態素等の統計データとを同時に利用して分
類を行うこともできる。この場合、例えば、Ｆｒｏｍフ
ィールドの送信者メールアドレスを特殊な品詞の形態素
とみなし、この形態素に適当な重みを与えて分類を行
う。上記のように、送信者メールアドレスを分類のため
の統計単位とすることにより、送信者毎に送信するメー
ル内容の傾向を個別に統計情報の中に蓄積し、分類時に
個別に最適なパラメータで分類を行うことができる。特
に、ジャンクメール、ダイレクトメールの送信元やＶＩ
Ｐ顧客の自動学習に効果がある。 （５）受信メールのへッダの受信者メールアドレス（Ｔ
ｏフィールド：Ｃｃフィールドのメールアドレス) を統
計単位とし、同じアドレスのメールの統計データを格納
する。分類時には. メールのＴｏフィールド、Ｃｃフィ
ールドのアドレスをキーにして格納された統計データを
引き出し分類を行う。また、サブジェクト、本文の形態
素等の統計データと同時に利用して分類を行うこともで
きる。この場合、ＴｏフィールドのメールアドレスとＣ
ｃフィールドのメールアドレスを特殊な品詞の形態素と
みなし、この形態素に適当な重みを与えて分類を行う。
上記のように、受信者アドレス〔写し送付先（Ｃｃ）ア
ドレスを含む〕を統計単位として、メーリングリスト等
の傾向の自動学習、複数のアドレスを持つメールボツク
ス、同時に写しを送付するアドレスを使うときのアドレ
ス毎の傾向の自動学習を行うので、分類時に送信者の意
図を推定したパラメータで分類を行うことができる。特
に、ジャンクメール、ダイレクトメールに使われるメー
リングリストの自動学習、同時に指定されるＣｃアドレ
ス等による内容分類へのヒント獲得に効果がある。 （６）上記（４）（５）において、送信者／受信者アド
レス単位の学習に際し、アドレスを特殊な形態素と見做
し他の形態素と同等に扱うのではなく、ヘッダフィール
ド毎に個別の各カテゴリへの小分類得点（あるいは確率
等) を計算し、最後に各々の小分類得点の重み付け平均
を取ることで、各カテゴリの大分類得点を求める。へッ
ダフィールドの要素を特殊な形態素と見做さないで個別
に小分類を行うことにより、ヘッダフィールドの要素と
本文などの形態素間の依存性による各小分類への影響を
防ぐことができる。すなわち、へッダフィールドの要素
を特殊な形態素と見做して統計処理する場合、他の形態
素との依存性が顕著になる可能性が高い。一般に自動分
類処理アルゴリズムは、形態素間の依存関係が薄いとい
う条件を前提として成立するため、分類精度が上がらな
い。これに対し、別の分類処理を行った後に重み付き平
均を取る場合、この依存性による精度低下を免れること
ができ、両者の長所により、精度を向上させることがで
きる。また、総合分類で各小分類の重み付き平均を取れ
ば、各小分類のための統計情報は重みと無関係になるの
で、統計情報を取得した後で各重みが総合分類に最適に
なるようにチューニングすることができる。

【図面の簡単な説明】

【図１】本発明の概要を説明する図である。

【図２】本発明の実施例の分類自動学習機能を備えた電
子メール返信装置の全体構成を示す図である。

【図３】図２における電子メール自動分類部の構成例を
示す図である。

【図４】統計データ（アドレス）の一例を示す図であ
る。

【図５】統計データ（Ｓｕｊｅｃｔ、本文）の一例を示
す図である。

【図６】ＧＵＩに表示される画面の一例を示す図であ
る。

【図７】本発明の実施例の処理フローを示す図である。

【符号の説明】

１ 電子メール自動分類手段 ２ メールＤＢ ３ 返信メール作成手段 １１ メール受信部 １２ 内部処理形式変換部 １３ 内部処理形式メールＤＢ １４ 電子メール自動分類部 １５ カカデリ別振り分け器 １６ メール回送部 １７ 返信メール作成ＧＵＩ １８ 内部処理形式メール受信部 １９ 返信メール抽出変換部 ２０ メール送信部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 受信した電子メールをカテゴリ別に自動
   分類する電子メール自動分類手段と、カテゴリ別に自動
   分類された電子メールに対して返信メールを作成する返
   信メール作成手段とを備えた電子メール返信装置であっ
   て、 上記返信メール作成手段に、電子メール自動分類手段が
   分類したカテゴリを表示し人手でこれを訂正する手段を
   設け、 返信メール作成手段で訂正した分類カテゴリを電子メー
   ル自動分類手段にフィードバックし、電子メール自動分
   類手段は、該訂正した分類カテゴリを基に正しい分類を
   自動学習することを特徴とする分類自動学習機能を備え
   た電子メール返信装置。
2. 【請求項２】 受信した電子メールをカテゴリ別に自動
   分類し、カテゴリ別に振り分ける電子メール自動分類手
   段と、 分類カテゴリ別に設けられ、分類カテゴリ別に自動分類
   された電子メールに対して返信メールを作成する返信メ
   ール作成手段とを備えた電子メール返信装置であって、 上記返信メール作成手段は、分類カテゴリが異なる返信
   メール作成手段に受信メールが送られた際、受信メール
   を該当する返信メール作成手段に回送する手段を備え、 最終的に受信メールが回送された返信メール作成手段か
   ら返信メールを送信するとともに、返信メールを作成し
   た返信メール作成手段の情報を電子メール自動分類手段
   にフィードバックし、 電子メール自動分類手段は、上記返信メールを作成した
   返信メール作成手段の分類カテゴリを基に、正しい分類
   カテゴリを自動学習することを特徴とする分類自動学習
   機能を備えた電子メール返信装置。
3. 【請求項３】 上記電子メール自動分類手段は、送信者
   メールアドレス単位で分類を自動学習することを特徴と
   する請求項１または請求項２の電子メール返信装置。
4. 【請求項４】 受信した電子メールをカテゴリ別に自動
   分類し、返信メール作成手段に振り分け、返信メール作
   成手段からの返信メールを送信する電子メール返信装置
   における電子メール分類自動学習プログラムであって、 上記電子メール学習自動プログラムは、受信した電子メ
   ールをカテゴリ別に自動分類する処理と、 返信メール作成手段からフィードバックされる訂正され
   た分類カテゴリに基づき、正しい分類カテゴリを自動学
   習する処理を行うことを特徴とする電子メール分類自動
   学習プログラム。
5. 【請求項５】 受信した電子メールをカテゴリ別に自動
   分類し、分類カテゴリ別に設けらた返信メール作成手段
   に振り分け、返信メール作成手段からの返信メールを送
   信する電子メール返信装置における電子メール分類自動
   学習プログラムであって、 上記電子メール分類自動学習プログラムは、受信した電
   子メールをカテゴリ別に自動分類してカテゴリ別に返信
   メール作成手段に振り分ける処理と、 最終的に返信メールを作成した返信メール作成手段のカ
   テゴリ情報を基に、正しい分類カテゴリを自動学習する
   処理を行うことを特徴とする電子メール分類自動学習プ
   ログラム。