JP2003016106A

JP2003016106A - 関連度値算出装置

Info

Publication number: JP2003016106A
Application number: JP2001198278A
Authority: JP
Inventors: Katsunori Yoshiji; 克典芳地; Shoichi Tateno; 昌一舘野
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2001-06-29
Filing date: 2001-06-29
Publication date: 2003-01-17

Abstract

(57)【要約】【課題】１又は複数のキーワードから構成されるキー
ワード群と１又は複数の文書から構成される文書群に関
する関連度を表す値として、キーワード群に含まれる各
キーワードと文書群に関するキーワード毎の関連度値を
全てのキーワードについて総和した値を算出する関連度
値算出装置で高精度の関連度値を算出する。【解決手段】カテゴリ情報記憶手段２が同類の複数の
固有名から構成される１又は複数のカテゴリに関する情
報を記憶し、固有名キーワード特定手段２が設定された
固有名キーワード特定条件に基づいて固有名に相当する
キーワードを特定し、関連度値算出手段３、７が、特定
されたキーワードについてのキーワード毎関連度値を当
該キーワードと同一のカテゴリに含まれる異なるキーワ
ードを含む１又は複数のキーワードの文書群における出
現状況に基づいて算出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、１又は複数のキー
ワードと１又は複数の文書に関する関連度を表す値を算
出する関連度値算出装置などに関し、特に、固有名に相
当するキーワードの関連度を高めて関連度値を算出する
技術に関する。

【０００２】

【従来の技術】例えば、ユーザが保持する文書（種文
書）に関連した文書を検索する文書検索装置が検討等さ
れている。一例として、特開平１０−２６０９７２号公
報に記載された「関連文書検索装置及び関連文書検索プ
ログラムを記録した記録媒体」では、種文書から抽出さ
れた関連度付き関連語で検索対象となる文書を検索し、
検索した文書に含まれる関連語の関連度に基づいてその
文書の関連度を計算して出力することが行われている。
ここで、関連語の関連度を計算する方法としては、種文
書及び検索対象文書に含まれる単語（関連語）の出現頻
度により決定される。

【０００３】しかしながら、単語の出現頻度のみに基づ
いて関連度が決定される場合には、例えば出現頻度は低
いがユーザにとっては重要度が高いと思われるような関
連語の関連度が低い値となってしまい、必ずしも適切な
関連度が算出されるとは限らないといった不具合があっ
た。特に、人名や地名や会社名（企業名）などのような
固有名は、通常、文書を特徴付ける単語であって情報量
が高いと考えられるが、出現頻度のみに基づいて関連度
を計算した場合には必ずしも高い関連度が得られるとは
限らなかった。

【０００４】また、例えば、文書群の中の各文書間の距
離を計算して当該計算結果に基づいて文書群を分類する
ことを自動的に行う文書群分類装置が検討等されてい
る。なお、文書間の距離が近ければ関連度が高く、文書
間の距離が遠ければ関連度が低いと考えると、文書間の
距離は文書間の関連度に対応すると考えることができ
る。

【０００５】このような文書群分類装置では、２つの文
書間の関連度を求める方法として、例えば辞書と照らし
合わせることにより或いは一般に知られているｎ−ｇｒ
ａｍ方式を用いることにより各文書中に含まれる単語を
切り出し、切り出した単語の出現頻度を各自で定めた方
式により計数し、各単語について計数した値を２つの文
書間で乗算した値を全ての単語について総和した値を２
つの文書間の関連度とすることが行われている。

【０００６】しかしながら、このような方法では、例え
ば特徴の無い単語も、特徴のある単語と同様に、関連度
を算出するための出現頻度を計数する対象となってしま
って、対象となる単語の範囲が広くなるため、文書を分
類する精度が劣化してしまうといった不具合や、関連度
を計算するために要する時間が増大してしまうといった
不具合があった。

【０００７】

【発明が解決しようとする課題】上述のように、従来の
文書検索装置などでは、１又は複数のキーワードと１又
は複数の文書に関する関連度を表す値を算出する場合
に、例えばキーワードとなる全ての単語について同等に
出現頻度等を求めて関連度値を算出していたため、精度
の高い関連度値を得ることができないといった不具合が
あった。

【０００８】本発明は、このような従来の事情に鑑みな
されたもので、１又は複数のキーワードと１又は複数の
文書に関する関連度を表す値を算出するに際して、固有
名に相当するキーワードの関連度を高めて関連度値を算
出することにより、算出される関連度値の精度を高くす
ることなどを実現する関連度値算出装置などを提供する
ことを目的とする。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、本発明に係る関連度値算出装置では、１又は複数の
キーワードから構成されるキーワード群と１又は複数の
文書から構成される文書群に関する関連度を表す値とし
て、当該キーワード群に含まれる各キーワードと当該文
書群に関するキーワード毎の関連度値（キーワード毎関
連度値）を全てのキーワードについて総和した値を算出
するに際して、次のようにして、関連度値を算出する。
すなわち、カテゴリ情報記憶手段が同類の複数の固有名
から構成される１又は複数のカテゴリに関する情報を記
憶し、固有名キーワード特定手段が設定された固有名キ
ーワード特定条件に基づいて固有名に相当するキーワー
ドを特定し、関連度値算出手段が、カテゴリ情報記憶手
段に記憶されたカテゴリ情報に基づいて、固有名キーワ
ード特定手段により特定されたキーワードについてのキ
ーワード毎関連度値を、当該キーワードと同一のカテゴ
リに含まれる異なるキーワードを含む１又は複数のキー
ワードの文書群における出現状況に基づいて算出して、
キーワード群と文書群に関する関連度値を算出する。

【００１０】従って、固有名であると特定されたキーワ
ードについてのキーワード毎関連値が、当該キーワード
とは異なるが同一のカテゴリに含まれるキーワードが文
書群において出現する状況を考慮して算出されるため、
例えば同一のキーワードばかりでなく異なるものではあ
るが関連のあるキーワードに基づいてキーワード群と文
書群に関する関連度値を算出することができ、これによ
り、算出される関連度値の精度を高めることができる。

【００１１】このように、本発明では、異なる語句であ
っても、同一のカテゴリに属するものについては関連度
があることを示すものとして関連度値に算入することが
できる。例えば、「リコー」と「キャノン」とは異なる
会社の呼び方（名前）を表す語句であるが、複写機業界
という同一のカテゴリに属している場合には、或る文書
に出現する「リコー」という語句と他の文書に出現する
「キャノン」という語句との間で非ゼロの関連度値を生
じさせることができる。

【００１２】また、具体例として、電子データとしてメ
モリに記憶された辞書が「会社名−電気機器−コンピュ
ータ−事務機器−日本電気」という階層構造、「会社名
−電気機器−コンピュータ−事務機器−リコー」という
階層構造、「会社名−電気機器−コンピュータ−事務機
器−キャノン」という階層構造、「会社名−電気機器−
家電・音響・通信機器−日立」という階層構造、「地名
−日本−茨城県−日立」という階層構造を有している場
合に、これらを固有名詞に関して抽出処理すると、「日
本電気会社名／電気機器／コンピュータ・事務機
器」、「リコー会社名／電気機器／コンピュータ・事
務機器」、「キャノン会社名／電気機器／コンピュー
タ・事務機器」、「日立会社名／電気機器／家電・音
響・通信機器地名／日本／茨城県」という結果が得られ
る。そして、この結果から、「会社名：日本電気、リコ
ー、キャノン、日立」、「電気機器：日本電気、リコ
ー、キャノン、日立」、「コンピュータ・事務機器：日
本電気、リコー、キャノン」、「家電・音響・通信機
器：日立」という各カテゴリ毎の集合が得られる。この
ような階層構造を関連検索やカテゴライズやクラスタリ
ングに応用することができる。つまり、関連度値を計算
する対象を単語単位とするのではなく、上記した階層構
造の分類に基づくカテゴリ単位とすることにより、例え
ば「家電・音響・通信機器」などという項目（カテゴ
リ）の内部の語句の集合を単位として類似度（関連度）
を求めることができ、これにより、各固有名が属するカ
テゴリによる関連検索やカテゴライズやクラスタリング
を行うことができる。

【００１３】ここで、キーワード群に含まれるキーワー
ドの数としては、種々な数であってもよく、１であって
もよく、複数（２以上）であってもよい。同様に、文書
群に含まれる文書の数としては、種々な数であってもよ
く、１であってもよく、複数（２以上）であってもよ
い。このように、本明細書では、キーワード群や文書群
などのように「群」という表現を用いた語句について、
当該「群」に含まれるキーワードや文書といった要素が
１つである場合をも包含している。

【００１４】また、キーワードとしては、例えば種々な
品詞を有する語句が用いられてもよく、本発明では、特
に、固有名に相当するキーワードの重要度を高く考慮し
て関連度値を算出する。また、文書としては、種々な文
書が用いられてもよい。なお、通常、文書には種々な品
詞を有する複数の語句が含まれる。また、文書として
は、例えばキーワードがインデックスなどとして付加さ
れたような文書を用いることもできる。

【００１５】また、キーワード群と文書群に関する関連
度を表す値としては、例えばキーワード群と文書群とが
どれくらい関連があるかの度合いを表すと考えられる値
が用いられる。なお、通常は、関連度値が大きい方が関
連度が高いという設定が用いられると考えられるが、反
対に、関連度値が小さい方が関連度が高いという設定が
用いられてもよい。

【００１６】また、キーワード群に含まれる各キーワー
ドと文書群に関するキーワード毎の関連度値としては、
各キーワード毎に算出することが可能なものであり、例
えば各キーワードが文書群の中に出現するか否かをそれ
ぞれ“１”値又は“０”値を用いて表した値や、各キー
ワードが文書群の中に出現する回数を表した値や出現す
る頻度を表した値などを用いることができる。

【００１７】また、例えばキーワード群が或る文書群か
ら抽出されるような場合には、当該キーワード群に含ま
れる各キーワードに、当該文書群における出現状況に応
じた値が設定されていてもよい。このように或る文書群
における各キーワードの出現状況に応じた値が各キーワ
ードに設定された場合には、当該値を考慮して当該各キ
ーワードと他の文書群との関連度値を算出することによ
り、当該或る文書群と当該他の文書群とのキーワード毎
の関連度値を算出することができる。

【００１８】また、キーワード毎の関連度値を全てのキ
ーワードについて総和した値を算出するとは、キーワー
ド群に複数のキーワードが含まれる場合にこれら複数の
全てのキーワードについてキーワード毎の関連度値を総
和した値を算出することを言っており、キーワード群に
１つのキーワードのみが含まれる場合には当該１つのキ
ーワードについて算出されるキーワード毎の関連度値が
全てのキーワードについて総和した値に相当する。

【００１９】また、固有名としては、種々な語句が用い
られてもよく、例えば、人名、地名、会社名、日付、時
間、日時、製品名などを用いることができる。なお、好
ましい態様としては、本発明に言う固有名として、例え
ば一般に固有名詞として分類される語句の集合をそのま
ま用いることや、或いは、当該集合の一部を用いること
ができる。

【００２０】また、設定された固有名キーワード特定条
件としては種々な条件が用いられてもよく、固有名キー
ワード特定条件に基づいて固有名に相当するキーワード
を特定する仕方としては種々な仕方が用いられてもよ
い。また、固有名キーワード特定条件としては、例えば
予めメモリに設定されてもよく、例えばメモリに設定さ
れた内容がユーザにより書き換え可能な構成であっても
よく、或いは、例えば関連度値を算出する際にユーザに
より固有名キーワード特定条件が設定されるような態様
が用いられてもよい。

【００２１】具体的には、例えば固有名キーワード特定
条件として固有名として検出する語句を電子データの形
でメモリに設定して、当該語句に一致するキーワードを
固有名に相当するものとして特定する仕方や、例えば固
有名キーワード特定条件として固有名に関する情報を有
する辞書を電子データの形でメモリに設定して、当該辞
書の内容に基づいて固有名の語句に一致するキーワード
を固有名に相当するものとして特定する仕方や、例えば
固有名キーワード特定条件として「株式会社」などの語
句を電子データの形でメモリに設定して、当該「株式会
社」などという接尾辞や接頭辞を有する語句に一致する
キーワードを固有名に相当するものとして特定する仕方
や、例えば固有名キーワード特定条件として地名などの
語句を電子データの形でメモリに設定して、当該地名な
どの語句を先頭や後尾に含む語句に一致するキーワード
を固有名に相当するものとして特定する仕方などを用い
ることができる。

【００２２】また、文書に含まれる語句の解析は、例え
ば一般に知られている形態素解析などを用いて行うこと
ができる。また、文書と当該文書に含まれる語句との対
応付けは、種々な態様で行われてもよく、一例として、
各語句及び当該各語句の品詞などの属性情報の組に対応
させて当該各語句が含まれる１又は複数の文書の識別情
報を記憶するような態様を用いることができる。

【００２３】また、同類の複数の固有名から構成される
カテゴリとしては、種々なカテゴリが用いられてもよ
く、例えば、人名、同種の人名、会社名、同種の会社
名、製品名、同種の製品名、国内の地名、同一地方の地
名、同一国の地名、花の名前、動物の名前などの種々な
カテゴリを用いることができる。なお、同種の人名とし
ては例えば歴史上の人物名、研究者の名前などを用いる
ことができ、同種の会社名としては例えば食品メーカー
の名前、自動車メーカーの名前などを用いることがで
き、また、他についても同様である。

【００２４】具体的には、例えば人名という点で同類で
ある複数の異なる人の名前（名称）である「Ａ」、
「Ｂ」、「Ｃ」、…など（Ａ、Ｂ、Ｃは人物名）を含ん
で成るカテゴリや、例えば複写機メーカーの会社名とい
う点で同類である複数の異なる会社の名前「Ａ社」、
「Ｂ社」、「Ｃ社」、…など（Ａ社、Ｂ社、Ｃ社は会社
名）を含んで成るカテゴリや、例えば複写機の製品名と
いう点で同類である複数の異なる複写機製品の名前「Ａ
機」、「Ｂ機」、「Ｃ機」、…など（Ａ機、Ｂ機、Ｃ機
は製品名）を含んで成るカテゴリなどを用いることがで
きる。

【００２５】また、カテゴリの数としては、種々な数で
あってもよく、１であってもよく、複数（２以上）であ
ってもよい。また、カテゴリに関する情報としては、例
えば各カテゴリに含まれる複数の固有名のそれぞれを特
定する情報や、同一のカテゴリに含まれる固有名が当該
同一のカテゴリに属することを特定する情報などが用い
られる。

【００２６】また、カテゴリ情報記憶手段としては、情
報を電子データの形で記憶するメモリなどを用いること
ができる。また、カテゴリ指定受付手段としては、例え
ばユーザからカテゴリの指定を受け付けるような場合に
は、ユーザにより操作されてカテゴリの指定を行うため
の入力をユーザから受け付けるキーボードやマウスなど
を用いることができる。

【００２７】また、例えば関連度値の算出に際してユー
ザがキーワードを入力するような場合には、当該キーワ
ードに相当する語句が含まれるカテゴリが指定されたと
してカテゴリ指定受付手段が当該指定を受け付けるよう
な態様を用いることもできる。

【００２８】また、固有名キーワード特定手段により特
定されたキーワードについてのキーワード毎関連度値
を、当該キーワードと同一のカテゴリに含まれる異なる
キーワードを含む１又は複数のキーワードの文書群にお
ける出現状況に基づいて算出する仕方としては、種々な
仕方が用いられてもよく、例えば同一のカテゴリに含ま
れる少なくとも１つのキーワードが文書群中に出現する
か否か（つまり、各カテゴリ毎にカテゴリに含まれるい
ずれか１以上のキーワードが文書群中に出現するか否
か）に基づいて算出する仕方や、例えば同一のカテゴリ
に属するキーワードについてはまとめて（つまり、例え
ば同一のキーワードとみなして）計数することとしてキ
ーワードが文書群中に出現する回数や頻度に基づいて算
出する仕方などを用いることができる。

【００２９】また、固有名キーワード特定手段により特
定されたキーワードと同一のカテゴリに含まれる異なる
キーワードを含む１又は複数のキーワードとしては、種
々なものであってもよく、例えば固有名キーワード特定
手段により特定されたキーワードと同一のカテゴリに含
まれる異なるキーワードのみから構成されてもよく、例
えば固有名キーワード特定手段により特定されたキーワ
ードと同一のキーワード及び当該キーワードと同一のカ
テゴリに含まれる異なるキーワードから構成されてもよ
く、或いは、他のキーワードが含まれてもよい。また、
同一のカテゴリに異なるキーワードが複数含まれる場合
には、これら全ての異なるキーワードの文書群における
出現状況に基づいて関連度値が算出されてもよく、或い
は、これら複数の異なるキーワードの中の一部のキーワ
ードについての文書群における出現状況に基づいて関連
度値が算出されてもよい。

【００３０】具体的には、例えばキーワードが文書群中
に出現するか否かのそれぞれを“１”値と“０”値とで
表して、各キーワード毎にその値を用いて演算した結果
の値をキーワード毎関連度値とする仕方や、例えばキー
ワードが文書群中に出現する回数や頻度の値を用いて演
算した結果の値をキーワード毎関連度値とする仕方など
を用いることができる。

【００３１】また、本発明に係る関連度値算出装置で
は、関連度値算出手段は、固有名キーワード特定手段に
より特定されたキーワードについてのキーワード毎の関
連度を高めてキーワード群と文書群に関する関連度値を
算出する。

【００３２】従って、固有名に相当すると特定されたキ
ーワードについてのキーワード毎の関連度を高めること
により、例えば文書を特徴付ける単語であって情報量が
高いと考えられる固有名に相当するキーワードについて
のキーワード毎関連度値を関連度が高い値としてキーワ
ード群と文書群に関する関連度値を算出することがで
き、これにより、算出される関連度値の精度を高くする
ことができる。

【００３３】また、本発明に係る関連度値算出装置で
は、一例として、関連度値算出手段は、固有名キーワー
ド特定手段により特定されたキーワードについてのキー
ワード毎関連度値をその算出値と比較して関連度が高い
ことを表す値へ補正することで、当該キーワードについ
てのキーワード毎の関連度を高める。

【００３４】このような構成では、固有名キーワード特
定手段により特定されたキーワード以外のキーワードに
ついても考慮した関連度値を算出することができ、この
場合に、固有名キーワード特定手段により特定されたキ
ーワードのキーワード毎関連度値をその算出値より関連
度が高いことを表す値へ補正して、算出される関連度値
の精度を高めることができる。

【００３５】ここで、固有名キーワード特定手段により
特定されたキーワードについてのキーワード毎関連度値
をその算出値と比較して関連度が高いことを表す値へ補
正するとは、例えばキーワード毎関連度値が大きい方が
関連度が高いことを表す場合には、固有名に相当するも
のと特定されたキーワードについての補正しないときの
キーワード毎関連度値を当該キーワード毎関連度値より
大きい値へ変更することを言う。なお、キーワード毎関
連度値を補正する度合いとしては、種々な度合いが用い
られてもよく、例えばキーワード毎関連度値を補正する
倍率などが予め設定される態様や、或いは、このような
倍率などがユーザにより設定される態様などを用いるこ
とができる。

【００３６】また、本発明に係る関連度値算出装置で
は、他の例として、関連度値算出手段は、固有名キーワ
ード特定手段により特定されたキーワードについてのキ
ーワード毎関連度値を非ゼロとする一方、他のキーワー
ド毎関連度値をゼロとすることで、当該キーワードにつ
いてのキーワード毎の関連度を高める。

【００３７】このような構成では、キーワード群と文書
群に関する関連度値を算出するに際して、固有名キーワ
ード特定手段により特定されたキーワードについてのキ
ーワード毎関連度値のみが非ゼロ（つまり、ゼロでない
値）となって、このような非ゼロのキーワード毎関連度
値のみを演算する構成となるため、例えばキーワード群
と文書群に関する関連度値の精度を高くして、当該関連
度値の算出に要する演算量や時間を低減させることがで
きる。

【００３８】また、本発明に係る関連度値算出装置で
は、カテゴリ指定受付手段がカテゴリの指定を受け付
け、固有名キーワード特定手段が、カテゴリ情報記憶手
段に記憶されたカテゴリ情報に基づいて、カテゴリ指定
受付手段により受け付けられたカテゴリに含まれる固有
名に相当するキーワードを特定する。

【００３９】従って、指定されたカテゴリに含まれる固
有名に相当すると特定されたキーワードについてのキー
ワード毎の関連度を高めることにより、例えばユーザの
要求などに応じて指定されたカテゴリに含まれる固有名
に相当するキーワードの関連度を高めて関連度値を算出
することができ、これにより、ユーザの要求などを反映
させて算出される関連度値の精度を高くすることができ
る。

【００４０】具体的には、例えば「三井」などのように
人名のカテゴリ及び会社名のカテゴリといった複数のカ
テゴリに含まれるキーワードや、同様に「日立」などの
ように地名のカテゴリ及び会社名のカテゴリといった複
数のカテゴリに含まれるキーワードについては、これら
複数のカテゴリに含まれる同一のキーワードの全ての関
連度が高められてしまうことがあり得るが、上記のよう
にカテゴリの指定がなされる場合には、同一のキーワー
ドであっても、指定されたカテゴリ以外のカテゴリに含
まれるキーワードについては関連度が高められてしまう
ことを防止することができる。

【００４１】つまり、例えば「三井」のように人名や会
社名として複数のカテゴリにおいて用いられる同一の語
句であっても、カテゴリ毎に異なる語句として識別する
ことが可能である。なお、このようなカテゴリ識別を支
援するための実施態様例（１）、（２）を示す。実施態
様例（１）では、一度判別された固有名（例えば固有名
詞）と同一の語句が再度出現した場合には、当該同一の
語句のカテゴリを前回と同じカテゴリであるとみなす。
具体例として、「…三井邦利が先日発表した内容による
と、…、三井は独自のプランを打ち出し、…」という文
がある場合には、文の途中に２回目に出現する「三井」
（「三井は独自の…」の「三井」）はこれだけでは人名
なのか会社名なのかが分からないが、例えば最初の「三
井」（「三井邦利…」の「三井」）が人名のカテゴリに
属すると解析されている場合には、このことをメモリに
記憶しておくことにより、２回目の「三井」のカテゴリ
の判断に迷ったときには、前回の解析結果を参照して人
名のカテゴリに属するものとしてカテゴリを特定するこ
とが可能である。実施態様例（２）では、語句の出現パ
ターンにより、カテゴリを特定する。具体例として、
「三井銀行」については「三井」の後ろに「銀行」が付
くので会社名であると判断する。

【００４２】なお、同一の語句がいずれのカテゴリに属
するかは、例えば予め各語句に当該各語句が属するカテ
ゴリの情報を付加しておくことや、例えば各語句の意味
などを解析して当該各語句が属するカテゴリを推測する
ことなどにより判定することができる。

【００４３】また、本発明に係る関連度値算出装置で
は、一構成例として、カテゴリ指定受付手段は、カテゴ
リの指定を要求する情報をユーザに対して表示出力し、
当該指定をユーザからの入力により受け付ける。ここ
で、カテゴリの指定を要求する情報としては、例えばユ
ーザに対してカテゴリを指定することを促すような情報
が用いられる。また、表示出力としては、例えばディス
プレイ画面などに表示出力する態様が用いられる。

【００４４】また、本発明に係る関連度値算出装置で
は、補正度合い指定受付手段がカテゴリ毎のキーワード
毎関連度値を補正する度合いの指定を受け付け、関連度
値算出手段が、カテゴリ情報記憶手段に記憶されたカテ
ゴリ情報に基づいて、固有名キーワード特定手段により
特定されたキーワードについてのキーワード毎関連度値
を、当該キーワードを含むカテゴリについて補正度合い
指定受付手段により受け付けられた補正度合いを用いて
補正する。

【００４５】従って、カテゴリ毎に指定された補正度合
いを用いて、各カテゴリに含まれる固有名に相当すると
特定されたキーワードについてのキーワード毎関連度値
をその算出値より関連度が高いことを表す値へ補正する
ことにより、例えばユーザの要求などに応じた補正度合
いで各カテゴリに含まれる固有名に相当するキーワード
の関連度を高めて関連度値を算出することができ、これ
により、ユーザの要求などを反映させて算出される関連
度値の精度を高くすることができる。

【００４６】ここで、カテゴリ毎のキーワード毎関連度
値を補正する度合いとしては、例えば、或るカテゴリＡ
については補正前のキーワード毎関連度値をａ倍する補
正を行い、他のカテゴリＢについては補正前のキーワー
ド毎関連度値をｂ倍する補正を行うなどといったような
場合における倍率（ａ倍、ｂ倍）を用いることができ
る。

【００４７】また、補正度合い指定受付手段としては、
例えばユーザから補正度合いの指定を受け付けるような
場合には、ユーザにより操作されて補正度合いの指定を
行うための入力をユーザから受け付けるキーボードやマ
ウスなどを用いることができる。

【００４８】また、本発明に係る関連度値算出装置で
は、一構成例として、補正度合い指定受付手段は、カテ
ゴリ毎の補正度合いの指定を要求する情報をユーザに対
して表示出力し、当該指定をユーザからの入力により受
け付ける。ここで、補正度合いの指定を要求する情報と
しては、例えばユーザに対して補正度合いを指定するこ
とを促すような情報が用いられる。また、表示出力とし
ては、例えばディスプレイ画面などに表示出力する態様
が用いられる。

【００４９】また、本発明に係る関連度値算出装置で
は、固有名キーワード情報表示出力手段が固有名キーワ
ード特定手段により特定されたキーワードに関する情報
をユーザに対して表示出力する。従って、キーワード毎
の関連度を高めるものとしてキーワード毎関連度値が補
正されたキーワードに関する情報がユーザに対して表示
出力されるため、ユーザはいずれのキーワードの関連度
が高められたかなどを把握することができる。ここで、
表示出力されるキーワードに関する情報としては、例え
ば当該キーワードの語句や、補正の度合いなどを用いる
ことができる。

【００５０】また、以上に示したような本発明に係る関
連度値算出装置は、種々な装置に適用することが可能で
あり、例えばキーワード群などに関連する文書を検索す
る関連文書検索装置や、文書を関連するキーワード群に
カテゴライズする文書カテゴライズ装置や、２つの文書
の間の関連度値に基づいて複数の文書をクラスタリング
する文書クラスタリング装置などに適用することができ
る。

【００５１】例えば、本発明に係る関連文書検索装置で
は、１又は複数の文書（種文書）から構成される文書群
（種文書群）から１又は複数のキーワードから構成され
るキーワード群を抽出し、抽出したキーワード群に関連
する文書を複数の検索対象となる文書（検索対象文書）
から構成される文書群（検索対象文書群）から検索し、
検索した各文書に関して抽出したキーワード群に含まれ
る各キーワードと文書とのキーワード毎の関連度を表す
値を全てのキーワードについて総和した値を当該キーワ
ード群と当該文書との関連度値として算出し、当該関連
度値が大きい順に検索した各文書に関する情報を出力す
るに際して、次のようにして、キーワード群と文書との
関連度値を算出する。すなわち、カテゴリ情報記憶手段
が同類の複数の固有名から構成される１又は複数のカテ
ゴリに関する情報を記憶し、固有名キーワード特定手段
が設定された固有名キーワード特定条件に基づいて固有
名に相当するキーワードを特定し、関連度値算出手段
が、カテゴリ情報記憶手段に記憶されたカテゴリ情報に
基づいて、固有名キーワード特定手段により特定された
キーワードについてのキーワード毎関連度値を、当該キ
ーワードと同一のカテゴリに含まれる異なるキーワード
を含む１又は複数のキーワードの文書における出現状況
に基づいて算出して、キーワード群と文書との関連度値
を算出する。

【００５２】ここで、種文書群からキーワード群を抽出
する仕方としては、種々な仕方が用いられてもよい。ま
た、抽出したキーワード群に関連する文書を検索対象文
書群から検索する仕方としては、種々な仕方が用いられ
てもよい。具体的には、キーワードを用いて当該キーワ
ードに関連する文書を検索する仕方や、１又は複数の文
書からキーワードを抽出して当該キーワードを用いて関
連する文書を検索する仕方や、キーワードを用いて文書
を検索して当該検索した文書に含まれる他のキーワード
を用いて当該他のキーワードに関連する文書を検索する
仕方などを用いることができる。

【００５３】また、具体例として、種文書群に含まれる
文書の総数がＮであり、検索対象文書群に含まれる文書
の総数がＭであり、抽出したキーワード群に含まれる或
るキーワードについて、種文書群中で当該或るキーワー
ド或いは当該或るキーワードと同一のカテゴリに含まれ
る異なるキーワードが出現する文書の数がｎであり、検
索対象文書群中で当該或るキーワード或いは当該或るキ
ーワードと同一のカテゴリに含まれる異なるキーワード
が出現する文書の数がｍである場合には、第１の割合値
を（ｎ／Ｎ）として、第２の割合値を（ｍ／Ｍ）とし
て、当該第１の割合値を当該第２の割合値で除算した値
である出現割合値（ｎ／Ｎ）／（ｍ／Ｍ）を当該或るキ
ーワードのキーワード毎関連度値とすることができる。

【００５４】また、具体例として、抽出したキーワード
群に含まれるキーワードの中で検索した或る文書に出現
するキーワードがｚ（ｚは１以上の整数）個あり、当該
文書に対するこれらｚ個のキーワードのそれぞれの出現
割合値がＰｉ（ｉ＝１〜ｚ）である場合には、当該キー
ワード群と当該文書との関連度値はΣＰｉで表される。
なお、Σはｉ＝１からｉ＝ｚまでの総和を表す。また、
本発明では、このような計算をするに際して、例えば前
記ｚ個のキーワードの中で同一のカテゴリに含まれるも
のが複数ある場合には１つのみを代表させて他のキーワ
ードは除外することも可能であり、つまり、同一のカテ
ゴリに含まれる２以上のキーワードが抽出されるような
場合には当該２以上のキーワードの中の１つを代表的に
抽出するようなことも可能である。

【００５５】また、上記した（ｎ／Ｎ）／（ｍ／Ｍ）と
いう出現割合値を用いた場合には、当該出現割合値が大
きい方が関連度が高いと考えることができる。また、検
索した各文書に関する情報としては、種々な情報が用い
られてもよく、例えば各文書のタイトルの情報などを用
いることができる。また、情報を出力する仕方として
は、種々な仕方が用いられてもよく、例えば情報をディ
スプレイ画面などに表示出力する仕方や、情報をプリン
タにより印刷出力する仕方などを用いることができる。

【００５６】また、固有名キーワード特定手段により特
定されたキーワードの出現割合値を所定数倍するのに用
いられる当該所定数倍としては、例えば予めメモリなど
に設定されてもよく、或いは、ユーザにより指定されて
もよい。

【００５７】また、本発明に係る文書カテゴライズ装置
では、１又は複数のキーワードから構成される複数のキ
ーワード群と１又は複数の文書から構成される文書群に
関して、各キーワード群毎にキーワード群に含まれる各
キーワードと文書群とのキーワード毎の関連度を表す値
を全てのキーワードについて総和した値を当該キーワー
ド群と当該文書群との関連度値として算出し、算出され
る関連度値が最高の関連度を表す値となるキーワード群
に当該文書群をカテゴライズするに際して、次のように
して、キーワード群と文書群との関連度値を算出する。
すなわち、カテゴリ情報記憶手段が同類の複数の固有名
から構成される１又は複数のカテゴリに関する情報を記
憶し、固有名キーワード特定手段が設定された固有名キ
ーワード特定条件に基づいて固有名に相当するキーワー
ドを特定し、関連度値算出手段が、カテゴリ情報記憶手
段に記憶されたカテゴリ情報に基づいて、固有名キーワ
ード特定手段により特定されたキーワードについてのキ
ーワード毎関連度値を、当該キーワードと同一のカテゴ
リに含まれる異なるキーワードを含む１又は複数のキー
ワードの文書群における出現状況に基づいて算出して、
キーワード群と文書群との関連度値を算出する。

【００５８】ここで、一般的なカテゴライズの一例とし
て、或る文書を或るカテゴリに振り分ける処理の手順例
（１）〜（４）を示す。すなわち、手順（１）では、前
準備として、Ｎ（Ｎは複数）個のカテゴリＣ１〜ＣＮを
用意する。また、各カテゴリＣ１〜ＣＮを代表する文書
Ｓ１〜ＳＮを各カテゴリＣ１〜ＣＮについて１件ずつ用
意する。また、用意された各文書Ｓ１〜ＳＮのそれぞれ
を単語単位に分割して、各文書Ｓｉ毎に文書を構成する
単語の集合Ｗ（Ｓｉ）を生成する。なお、ｉ＝１〜Ｎを
示す。

【００５９】次に、手順（２）では、カテゴリに振り分
けたい文書（つまり、カテゴリ対象となる文書）Ｄを単
語単位に分割して、当該文書Ｄを構成する単語の集合Ｗ
（Ｄ）を生成する。次に、手順（３）では、各カテゴリ
Ｃ１〜ＣＮを代表する文書Ｓ１〜ＳＮのそれぞれの単語
集合Ｗ（Ｓ１）〜Ｗ（ＳＮ）について、前記単語集合Ｗ
（Ｄ）と重複して現れる単語の数、つまり各単語集合Ｗ
（Ｓ１）〜Ｗ（ＳＮ）に現れて且つ前記単語集合Ｗ
（Ｄ）にも現れる単語の数Ｋ（Ｄ、Ｓ１）〜Ｋ（Ｄ、Ｓ
Ｎ）を求める。

【００６０】次に、手順（４）では、各文書Ｓ１〜ＳＮ
について求められた単語数Ｋ（Ｄ、Ｓ１）〜Ｋ（Ｄ、Ｓ
Ｎ）の中で最も数が大きい単語数に対応したカテゴリに
文書Ｄを分類（カテゴライズ）する。つまり、最大の単
語数がＫ（Ｄ、Ｓｉ）である場合には、文書Ｄをカテゴ
リＣｉにカテゴライズする。

【００６１】また、固有名に着目したカテゴライズ手法
の具体例として、上記のようなカテゴライズに本発明を
適用した場合の実施態様例（１）〜（４）を示す。実施
態様例（１）では、上記手順（３）において、単語集合
Ｗ（Ｄ）と各カテゴリＣ１〜ＣＮを代表する文書Ｓ１〜
ＳＮを構成する単語集合Ｗ（Ｓ１）〜Ｗ（ＳＮ）とに重
複して現れる単語の数Ｋ（Ｄ、Ｓ１）〜Ｋ（Ｄ、ＳＮ）
を調べるに際して、重複した単語が固有名（例えば固有
名詞）に相当する場合には、当該固有名の数だけ前記単
語数Ｋ（Ｄ、Ｓｉ）を増加させる。具体例として、文書
Ｓｉについて１０個の単語が文書Ｄと重複していて、こ
れら１０個の単語の中の３個の単語が固有名に相当する
場合には、前記単語数Ｋ（Ｄ、Ｓｉ）＝１０＋３＝１３
とする。なお、本発明では、単語集合Ｗ（Ｄ）と単語集
合Ｗ（Ｓｉ）とに重複して現れる単語の数を検出する場
合に、例えば一方の単語集合に含まれる単語と同一の単
語ではなくても同一のカテゴリに属する異なる単語が他
方の単語集合に含まれていれば当該一方の文書集合に現
れる単語を重複して現れる単語として検出するような態
様を用いることができる。

【００６２】実施態様例（２）では、上記手順（１）に
おいて、或るカテゴリＣｉを表す文書Ｓｉは複数の文書
から構成されてもよいとする。実施態様例（３）では、
上記手順（１）において、或るカテゴリＣｉを表す文書
Ｓｉの代わりに、そのカテゴリＣｉを代表する単語の集
合を用いてもよいとする。

【００６３】実施態様例（４）では、上記手順（３）の
後に上記手順（４）において、重複した単語については
その出現頻度などを考慮した重み付けを行ってもよいと
する。具体例として、単語ｗｉが振り分けたい文書Ｄに
含まれており、且つ、当該単語ｗｉがＮ件の文書Ｓ１〜
ＳＮの中のｙ件の文書に含まれている場合には、当該単
語ｗｉの特徴度Ｆ（ｗｉ）＝Ｎ／ｙとし、また、単語ｗ
ｉが固有名に相当する場合には例えば特徴度Ｆ（ｗｉ）
＝１０×（Ｎ／ｙ）のように算出される特徴度Ｆ（ｗ
ｉ）を所定数倍（ここでは、１０倍）する。なお、ｙ＝
０の場合には、特徴度Ｆ（ｗｉ）＝０とする。そして、
文書Ｄに含まれる全ての単語ｗｉについて上記した特徴
度Ｆ（ｗｉ）を求め、文書Ｄと文書Ｓｉとの類似度Ｒ
（Ｄ、Ｓｉ）＝ΣＦ（ｗｋ）を算出する。なお、Σはｋ
＝１からｋ＝Ｋまでの総和を示し、ｗ１〜ｗＫは文書Ｄ
と文書Ｓｉとで重複して出現する単語（上記と同様に、
同一のカテゴリに属していれば重複するとみなすことも
できる）を示す。このようにして、全ての文書Ｓｉ（ｉ
＝１〜Ｎ）についての類似度Ｒ（Ｄ、Ｓｉ）を求めて、
最も大きい値の類似度が得られた文書のカテゴリに文書
Ｄを分類（カテゴライズ）する。つまり、類似度Ｒ
（Ｄ、Ｓｋ）の値が最も大きい場合には、カテゴリＣｋ
に文書Ｄをカテゴライズする。

【００６４】また、本発明に係る文書クラスタリング装
置では、複数の文書から構成される文書群に含まれる２
つの文書に関して、１又は複数のキーワードから構成さ
れるキーワード群に含まれる各キーワードについてのこ
れら２つの文書のキーワード毎の関連度を表す値を全て
のキーワードについて総和した値をこれら２つの文書の
関連度値として算出し、当該関連度値に基づいて当該文
書群に含まれる文書をクラスタリングするに際して、次
のようにして、２つの文書の関連度値を算出する。すな
わち、カテゴリ情報記憶手段が同類の複数の固有名から
構成される１又は複数のカテゴリに関する情報を記憶
し、固有名キーワード特定手段が設定された固有名キー
ワード特定条件に基づいて固有名に相当するキーワード
を特定し、関連度値算出手段が、カテゴリ情報記憶手段
に記憶されたカテゴリ情報に基づいて、固有名キーワー
ド特定手段により特定されたキーワードについての２つ
の文書のキーワード毎関連度値を、当該キーワードと同
一のカテゴリに含まれる異なるキーワードを含む１又は
複数のキーワードの文書における出現状況に基づいて算
出して、これら２つの文書の関連度値を算出する。

【００６５】なお、文書群に含まれる複数の文書をクラ
スタリングする仕方としては、一例として、これら複数
の文書の中の２つの文書の関連度値を算出することを全
ての文書の組み合わせについて行って、最高の関連度を
表す値が算出された２つの文書をその重心位置で１つに
まとめるといったことを繰り返して実行するような仕方
を用いることができる。

【００６６】ここで、一般的なクラスタリングの一例と
して、或る文書を或るカテゴリに振り分ける処理の手順
例（１）〜（４）を示す。すなわち、手順（１）では、
Ｎ個の文書Ｄ１〜ＤＮから成る文書集合（文書群）のそ
れぞれの文書Ｄ１〜ＤＮに関して、各文書Ｄ１〜ＤＮに
含まれる単語を要素としたベクトルを生成する。このと
き、各要素の値は、或る単語を含む場合には１とする一
方、含まない場合には０とする。

【００６７】具体例として、文書Ｄ１のベクトル＝
｛１、０、１、０、０、０、１、…、０｝、文書Ｄ２の
ベクトル＝｛０、０、１、０、０、１、０、…、１｝、
文書Ｄ３のベクトル＝｛１、１、０、０、１、１、０、
…、０｝などが得られる。なお、それぞれのベクトルは
Ｍ（Ｍは１又は複数）個の要素の値（１又は０）から構
成されており、各要素の値はＭ個の単語のそれぞれが各
文書に出現するか否かを表している。

【００６８】次に、手順（２）では、１からＮまでの値
をとるｉ及びｊについて文書Ｄｉのベクトルと文書Ｄｊ
のベクトルとの内積（Ｄｉ、Ｄｊ）を算出し、算出した
内積（Ｄｉ、Ｄｊ）の値が最大となるｉ及びｊの組を求
める。但し、内積（Ｄｉ、Ｄｊ）は、互いに異なる値と
なるｉ及びｊの組について算出する。なお、内積（Ｄ
ｉ、Ｄｊ）としては、例えば一般に知られているよう
に、２つのベクトルの各要素値の積和を用いる。

【００６９】次に、手順（３）では、上記した内積（Ｄ
ｉ、Ｄｊ）を２つの文書Ｄｉ、Ｄｊの間の類似度とみな
して、全ての組合せの文書間の類似度の中で最も大きい
値の類似度（つまり、内積）が算出された２つの文書の
間の重心を求める。つまり、文書Ｄｐと文書Ｄｑとの類
似度（Ｄｐ、Ｄｑ）が最大であった場合には、当該文書
Ｄｐと当該文書Ｄｑとの間の重心をとる。そして、その
重心を表すベクトルを文書Ｄｐと文書Ｄｑとをクラスタ
リングした文書Ｄｐｑのベクトルとする。

【００７０】次に、手順（４）では、クラスタリングさ
れた２つの文書（例えば、文書Ｄｐと文書Ｄｑ）を文書
全体（文書集合）から取り除き、その代わりに、クラス
タリングされた結果である文書Ｄｐｑを文書集合に追加
する。すると、第１回目のクラスタリング手順では文書
集合に含まれる文書の総数が１だけ減少して（Ｎ−１）
となり、以上と同様にしてクラスタリング手順を繰り返
して実行することにより、文書集合に含まれる文書の総
数を１ずつ減少させていく。そして、第ｋ回目のクラス
タリング処理が終了して文書集合に含まれる文書の総数
（Ｎ−ｋ）が例えば予め指定されたクラスタ数以下とな
った場合には処理を終了し、当該クラスタ数以下となっ
ていない場合には上記手順（２）、（３）、（４）を繰
り返して実行する。

【００７１】また、固有名に着目したクラスタリング手
法の具体例として、上記のようなクラスタリングに本発
明を適用した場合の実施態様例（１）〜（３）を示す。
実施態様例（１）では、上記手順（１）において、各文
書のベクトルを構成する各要素の値を個々の単語単位で
はなく、同一のカテゴリに属する単語単位に算出する。
また、上記手順（２）において、１からＮまでの値とな
るｉ及びｊについて内積が最大値となるｉ及びｊの組を
求めるに際して、文書Ｄｉのベクトルと文書Ｄｊのベク
トルの内積として（Ｄｉ、Ｄｊ）’＝（Ｄｉ、Ｄｊ）＋
ｋという値を算出する。ここで、ｋは、これら２つのベ
クトルを構成する要素の値の中で要素が出現すること
（１という要素値）が一致した固有名の個数であり、つ
まり、例えば同一のカテゴリに属する異なる単語につい
ては同一の単語であるとみなした場合において、文書Ｄ
ｉと文書Ｄｊとの両方に出現する共通の固有名の個数で
ある。

【００７２】実施態様例（２）では、上記手順（１）な
どにおいて、各単語が各文書に含まれているか否かを１
又は０の要素の値で表したベクトルを構成する代わり
に、各単語が各文書中に出現する回数や頻度を要素の値
として表したベクトルを構成する。なお、上述のよう
に、本発明では、同一のカテゴリに属する異なる単語に
ついては同一の単語であるとみなしてベクトルを生成す
ることができる。実施態様例（３）では、実施態様例
（２）を適用した場合において、更に、ベクトル中にお
いて固有名に対応した要素の値については所定数倍する
などして実施態様例（２）で算出される値を増加させ
る。以上のような実施態様例では、例えば同一のカテゴ
リに属する固有名に重みを置いたクラスタリングが可能
となる。

【００７３】また、本発明では、以上に示したような関
連度値を算出する方法などを提供する。なお、このよう
な本発明に係る方法は、例えばＣＰＵやメモリ等を備え
たコンピュータなどにおいて実行される。例えば、本発
明に係る関連度値算出方法では、１又は複数のキーワー
ドから構成されるキーワード群と１又は複数の文書から
構成される文書群に関する関連度を表す値として、当該
キーワード群に含まれる各キーワードと当該文書群に関
するキーワード毎の関連度値を全てのキーワードについ
て総和した値を算出するに際して、例えばメモリに設定
された固有名キーワード特定条件に基づいて固有名に相
当するキーワードを特定し、同類の複数の固有名から構
成される１又は複数のカテゴリに関する情報を記憶する
メモリに記憶されたカテゴリ情報に基づいて、特定され
たキーワードについてのキーワード毎関連度値を当該キ
ーワードと同一のカテゴリに含まれる異なるキーワード
を含む１又は複数のキーワードの文書群における出現状
況に基づいて算出して、キーワード群と文書群に関する
関連度値を算出する。

【００７４】また、本発明に係る関連文書検索方法で
は、１又は複数の文書から構成される種文書群から１又
は複数のキーワードから構成されるキーワード群を抽出
し、抽出したキーワード群に関連する文書を複数の検索
対象となる文書から構成される検索対象文書群から検索
し、検索した各文書に関して抽出したキーワード群に含
まれる各キーワードと文書とのキーワード毎の関連度を
表す値を全てのキーワードについて総和した値を当該キ
ーワード群と当該文書との関連度値として算出し、当該
関連度値が大きい順に検索した各文書に関する情報を例
えば情報出力装置により出力するに際して、例えばメモ
リに設定された固有名キーワード特定条件に基づいて固
有名に相当するキーワードを特定し、同類の複数の固有
名から構成される１又は複数のカテゴリに関する情報を
記憶するメモリに記憶されたカテゴリ情報に基づいて、
特定されたキーワードについてのキーワード毎関連度値
を当該キーワードと同一のカテゴリに含まれる異なるキ
ーワードを含む１又は複数のキーワードの文書における
出現状況に基づいて算出して、キーワード群と文書との
関連度値を算出する。

【００７５】また、本発明に係る文書カテゴライズ方法
では、１又は複数のキーワードから構成される複数のキ
ーワード群と１又は複数の文書から構成される文書群に
関して、各キーワード群毎にキーワード群に含まれる各
キーワードと文書群とのキーワード毎の関連度を表す値
を全てのキーワードについて総和した値を当該キーワー
ド群と当該文書群との関連度値として算出し、算出され
る関連度値が最高の関連度を表す値となるキーワード群
に当該文書群をカテゴライズするに際して、例えばメモ
リに設定された固有名キーワード特定条件に基づいて固
有名に相当するキーワードを特定し、同類の複数の固有
名から構成される１又は複数のカテゴリに関する情報を
記憶するメモリに記憶されたカテゴリ情報に基づいて、
特定されたキーワードについてのキーワード毎関連度値
を当該キーワードと同一のカテゴリに含まれる異なるキ
ーワードを含む１又は複数のキーワードの文書群におけ
る出現状況に基づいて算出して、キーワード群と文書群
との関連度値を算出する。

【００７６】また、本発明に係る文書クラスタリング方
法では、複数の文書から構成される文書群に含まれる２
つの文書に関して、１又は複数のキーワードから構成さ
れるキーワード群に含まれる各キーワードについてのこ
れら２つの文書のキーワード毎の関連度を表す値を全て
のキーワードについて総和した値をこれら２つの文書の
関連度値として算出し、当該関連度値に基づいて当該文
書群に含まれる文書をクラスタリングするに際して、例
えばメモリに設定された固有名キーワード特定条件に基
づいて固有名に相当するキーワードを特定し、同類の複
数の固有名から構成される１又は複数のカテゴリに関す
る情報を記憶するメモリに記憶されたカテゴリ情報に基
づいて、特定されたキーワードについての２つの文書の
キーワード毎関連度値を当該キーワードと同一のカテゴ
リに含まれる異なるキーワードを含む１又は複数のキー
ワードの文書における出現状況に基づいて算出して、こ
れら２つの文書の関連度値を算出する。

【００７７】また、本発明では、以上に示したような関
連度値を算出する処理を実行させるプログラムなどを提
供する。例えば、本発明に係るプログラムは、１又は複
数のキーワードから構成されるキーワード群と１又は複
数の文書から構成される文書群に関する関連度を表す値
として、当該キーワード群に含まれる各キーワードと当
該文書群に関するキーワード毎の関連度値を全てのキー
ワードについて総和した値を算出する処理をコンピュー
タに実行させるに際して、例えばメモリに設定された固
有名キーワード特定条件に基づいて固有名に相当するキ
ーワードを特定する処理と、同類の複数の固有名から構
成される１又は複数のカテゴリに関する情報を記憶する
メモリに記憶されたカテゴリ情報に基づいて、特定され
たキーワードについてのキーワード毎関連度値を当該キ
ーワードと同一のカテゴリに含まれる異なるキーワード
を含む１又は複数のキーワードの文書群における出現状
況に基づいて算出して、キーワード群と文書群に関する
関連度値を算出する処理とを当該コンピュータに実行さ
せる。

【００７８】また、本発明に係るプログラムは、１又は
複数の文書から構成される種文書群から１又は複数のキ
ーワードから構成されるキーワード群を抽出する処理
と、抽出したキーワード群に関連する文書を複数の検索
対象となる文書から構成される検索対象文書群から検索
する処理と、検索した各文書に関して抽出したキーワー
ド群に含まれる各キーワードと文書とのキーワード毎の
関連度を表す値を全てのキーワードについて総和した値
を当該キーワード群と当該文書との関連度値として算出
する処理と、当該関連度値が大きい順に検索した各文書
に関する情報を例えば情報出力機能により出力する処理
とをコンピュータに実行させるに際して、例えばメモリ
に設定された固有名キーワード特定条件に基づいて固有
名に相当するキーワードを特定する処理と、同類の複数
の固有名から構成される１又は複数のカテゴリに関する
情報を記憶するメモリに記憶されたカテゴリ情報に基づ
いて、特定されたキーワードについてのキーワード毎関
連度値を当該キーワードと同一のカテゴリに含まれる異
なるキーワードを含む１又は複数のキーワードの文書に
おける出現状況に基づいて算出して、キーワード群と文
書との関連度値を算出する処理とを当該コンピュータに
実行させる。

【００７９】また、本発明に係るプログラムは、１又は
複数のキーワードから構成される複数のキーワード群と
１又は複数の文書から構成される文書群に関して、各キ
ーワード群毎にキーワード群に含まれる各キーワードと
文書群とのキーワード毎の関連度を表す値を全てのキー
ワードについて総和した値を当該キーワード群と当該文
書群との関連度値として算出する処理と、算出される関
連度値が最高の関連度を表す値となるキーワード群に当
該文書群をカテゴライズする処理とをコンピュータに実
行させるに際して、例えばメモリに設定された固有名キ
ーワード特定条件に基づいて固有名に相当するキーワー
ドを特定する処理と、同類の複数の固有名から構成され
る１又は複数のカテゴリに関する情報を記憶するメモリ
に記憶されたカテゴリ情報に基づいて、特定されたキー
ワードについてのキーワード毎関連度値を当該キーワー
ドと同一のカテゴリに含まれる異なるキーワードを含む
１又は複数のキーワードの文書群における出現状況に基
づいて算出して、キーワード群と文書群との関連度値を
算出する処理とを当該コンピュータに実行させる。

【００８０】また、本発明に係るプログラムは、複数の
文書から構成される文書群に含まれる２つの文書に関し
て、１又は複数のキーワードから構成されるキーワード
群に含まれる各キーワードについてのこれら２つの文書
のキーワード毎の関連度を表す値を全てのキーワードに
ついて総和した値をこれら２つの文書の関連度値として
算出する処理と、当該関連度値に基づいて当該文書群に
含まれる文書をクラスタリングする処理とをコンピュー
タに実行させるに際して、例えばメモリに設定された固
有名キーワード特定条件に基づいて固有名に相当するキ
ーワードを特定する処理と、同類の複数の固有名から構
成される１又は複数のカテゴリに関する情報を記憶する
メモリに記憶されたカテゴリ情報に基づいて、特定され
たキーワードについての２つの文書のキーワード毎関連
度値を当該キーワードと同一のカテゴリに含まれる異な
るキーワードを含む１又は複数のキーワードの文書にお
ける出現状況に基づいて算出して、これら２つの文書の
関連度値を算出する処理とを当該コンピュータに実行さ
せる。

【００８１】

【発明の実施の形態】本発明に係る実施例を図面を参照
して説明する。まず、本発明の第１実施例に係る関連文
書検索装置を説明する。図１には、本発明を適用した関
連文書検索装置の構成例を示してあり、この関連文書検
索装置には、検索要求を受け付ける検索要求受付部１
と、固有名を特定するための情報や固有名が属するカテ
ゴリの情報などをメモリに保持する固有名保持部２と、
各単語の関連度を表す値を計算する関連度計算部３と、
検索対象となる文書における各単語の出現頻度をメモリ
に保持する検索対象文書単語出現頻度保持部４と、検索
対象となる文書をメモリに保持する検索対象データベー
ス（ＤＢ）５と、検索対象データベース５に保持される
文書を検索する検索部６と、文書の関連度を表す値を計
算する文書関連度計算部７と、検索結果を提示する検索
結果提示部８とが備えられている。

【００８２】本例の関連文書検索装置により行われる動
作の一例を示す。まず、ユーザは、検索のための検索要
求として、種文書集合（種文書群）の文書内容の情報及
び固有名のカテゴリを指定する情報を検索要求受付部１
に入力し、当該検索要求受付部１はこれらの情報を受け
付ける。ここで、本例では、種文書集合は、或る歌手グ
ループのコンサート情報が記載された４件分の文書から
構成されているとする。また、本例では、ユーザは、固
有名のカテゴリとして「人名」のカテゴリを指定したと
する。

【００８３】次に、関連度計算部３は、種文書集合から
キーワードとなる単語（キーワード群）及び各単語の出
現頻度を抽出し、種文書集合中における各単語の出現頻
度と、検索対象文書単語出現頻度保持部４に保持された
検索対象文書全体に対する各単語の出現頻度とに基づい
て、各単語の関連度値を算出する。

【００８４】ここで、本例では、種文書集合から、「Ａ
ＢＣレコード出版」、「武道館」、「新曲」、「歌手グ
ループＤＥＦ」、「４月２７日」、「コンサート」とい
う単語が抽出されたとする。また、本例では、「歌手グ
ループＤＥＦ」及び「歌手ＸＹＺ」は、或る歌手グルー
プの名前であり、「人名」という同一の固有名のカテゴ
リに分類されているとする。

【００８５】また、上記したそれぞれの単語は、種文書
集合に含まれるＮ（＝４）件の種文書の中で、次のよう
な数（ｎ）の文書に出現しているとする。「ＡＢＣレコ
ード出版」は１件の種文書に出現している（ｎ＝１）。
「武道館」は２件の種文書に出現している（ｎ＝２）。
「新曲」は３件の種文書に出現している（ｎ＝３）。
「歌手グループＤＥＦ」は２件の種文書に出現している
（ｎ＝２）。「４月２７日」は１件の種文書に出現して
いる（ｎ＝１）。「コンサート」は３件の種文書に出現
している（ｎ＝３）。

【００８６】また、本例では、「歌手グループＤＥＦ」
と同一のカテゴリに属することが設定されている「歌手
ＸＹＺ」という単語が、「歌手グループＤＥＦ」という
単語を含まない残りの２件の種文書に出現しているとす
る。この場合、本例では、上記した「歌手グループＤＥ
Ｆ」という単語の種文書における出現件数ｎ＝２に同一
のカテゴリに属する「歌手ＸＹＺ」という単語の残りの
種文書における出現件数２を加算して、「歌手グループ
ＤＥＦ」という単語の種文書における出現件数が４件
（ｎ＝４）であるとみなして以降の処理を行う。つま
り、本例では、同一のカテゴリに属する異なる単語（キ
ーワード）については同一の単語（キーワード）である
とみなしてキーワード毎の関連度値を算出することとし
ている。また、本例では、「歌手ＸＹＺ」という単語に
ついては同一のカテゴリ中の異なる「歌手グループＤＥ
Ｆ」という単語を代表させて置き換えたと考えることも
でき、当該カテゴリでは当該「歌手グループＤＥＦ」と
いう単語を代表させていると考えることができる。

【００８７】また、検索対象文書の総数Ｍが１０００件
（Ｍ＝１０００）であるとし、上記した各単語が検索対
象文書集合の中で、次のような数（ｍ）の文書に出現す
るとする。なお、検索対象文書単語出現頻度保持部４に
は、（ｍ／Ｍ）の値が保持されている。また、本例で
は、上記と同様に、同一のカテゴリに含まれる「歌手グ
ループＤＥＦ」と「歌手ＸＹＺ」については少なくとも
いずれか一方が文書中に出現すれば前記ｍに計数するこ
ととしている。「ＡＢＣレコード出版」は１０件の検索
対象文書に出現している（ｍ＝１０）。「武道館」は５
件の検索対象文書に出現している（ｍ＝５）。「新曲」
は１００件の検索対象文書に出現している（ｍ＝１０
０）。「歌手グループＤＥＦ」又は「歌手ＸＹＺ」は２
００件の検索対象文書に出現している（ｍ＝２００）。
「４月２７日」は３件の検索対象文書に出現している
（ｍ＝３）。「コンサート」は３００件の検索対象文書
に出現している（ｍ＝３００）。

【００８８】そして、各単語の関連度値を（ｎ／Ｎ）／
（ｍ／Ｍ）として計算すると、上記した各単語の関連度
値は、次のようになる。「ＡＢＣレコード出版」の単語
毎の関連度値は２５である。「武道館」の単語毎の関連
度値は１００である。「新曲」の単語毎の関連度値は
７．５である。「歌手グループＤＥＦ」（及び「歌手Ｘ
ＹＺ」）の単語毎の関連度値は５である。「４月２７
日」の単語毎の関連度値は（約）８３である。「コンサ
ート」の単語毎の関連度値は２．５である。

【００８９】次に、固有名保持部２は、当該固有名保持
部２に保持された情報に基づいて、上記した各単語がそ
れぞれ指定された「人名」というカテゴリに属するか否
かを判定する。なお、本例では、カテゴリが指定された
場合を示すが、例えばカテゴリの指定が無く検索要求受
付部１によりカテゴリの指定が受け付けられなかった場
合には、固有名に相当する全ての単語について重み付け
をする。本例では、上記した単語の中で「歌手グループ
ＤＥＦ」という語句（及び「歌手ＸＹＺ」という語句）
が「人名」というカテゴリに属する固有名に相当すると
して判定される。

【００９０】次に、関連度計算部３は、ユーザが指定し
たカテゴリと一致した固有名である「歌手グループＤＥ
Ｆ」という単語（及び「歌手ＸＹＺ」という単語）が属
するカテゴリについて関連度値を調整する。本例では、
「人名」というカテゴリに属する固有名であると判定さ
れた「歌手グループＤＥＦ」という単語（及び「歌手Ｘ
ＹＺ」という単語）が属するカテゴリの関連度値を１０
０倍する。すると、上記した各単語の関連度値は次のよ
うな値に調整される。「ＡＢＣレコード出版」の単語毎
の関連度値は２５である。「武道館」の単語毎の関連度
値は１００である。「新曲」の単語毎の関連度値は７．
５である。「歌手グループＤＥＦ」（及び「歌手ＸＹ
Ｚ」）の単語毎の関連度値は５００である。「４月２７
日」の単語毎の関連度値は（約）８３である。「コンサ
ート」の単語毎の関連度値は２．５である。

【００９１】次に、検索部６は、上記した各単語と当該
各単語について得られた関連度値を関連語情報として関
連度計算部３から受け取り、受け取った単語をキーワー
ドとして例えば一般に知られるＯＲ検索を検索対象デー
タベース５に対して行い、これにより、例えば少なくと
も２つのキーワードを含む文書を検索対象データベース
５に保持された複数の文書（検索対象文書群）の中から
検索する。

【００９２】本例では、次の４件の文書１〜４が検索さ
れて、それぞれ次のような単語が各文書に含まれるとす
る。文書１には、「武道館」、「新曲」という単語が含
まれる。文書２には、「歌手グループＤＥＦ」、「歌手
ＸＹＺ」、「コンサート」という単語が含まれる。文書
３には、「ＡＢＣレコード出版」、「新曲」という単語
が含まれる。文書４には、「ＡＢＣレコード出版」、
「新曲」、「４月２７日」という単語が含まれる。

【００９３】次に、文書関連度計算部７は、検索された
各文書１〜４に含まれる関連語（単語）の関連度値に基
づいて、各文書１〜４の文書関連度値（キーワード群と
各文書１〜４との関連度値）を計算する。本例では、検
索された各文書１〜４に含まれる各関連語の関連度値を
総和した値を各文書１〜４の文書関連度値とする。する
と、本例では、検索された各文書１〜４の文書関連度値
は、次のようになる。文書１の文書関連度値は、１００
＋７．５＝１０７．５となる。文書２の文書関連度値
は、５００＋５００＋２．５＝１００２．５となる。文
書３の文書関連度値は、２５＋７．５＝３２．５とな
る。文書４の文書関連度値は、２５＋７．５＋８３＝１
１５．５となる。

【００９４】ここで、本例では、種文書群から抽出され
た「歌手グループＤＥＦ」という単語と同一のカテゴリ
に属する異なる「歌手ＸＹＺ」という単語が文書２に出
現していることから、これら２つの単語の分だけ「歌手
グループＤＥＦ」について算出された単語毎関連度値５
００を加算することとして、当該異なる単語「歌手ＸＹ
Ｚ」の文書２における出現状況に基づく値を「歌手グル
ープＤＥＦ」の単語毎関連度値に算入して文書関連度値
を算出することとしている。なお、例えば同一のカテゴ
リに属する異なる単語については同一の単語であるとみ
なすことも可能であり、この場合には、文書２の文書関
連度値は５００＋２．５＝５０２．５となる。

【００９５】次に、検索結果提示部８は、検索された文
書１〜４に関する情報と各文書１〜４について得られた
文書関連度値を文書関連度計算部７から受け取り、受け
取った文書１〜４に関する情報を文書関連度値が高い順
にユーザに対して提示する。本例では、各文書１〜４の
タイトルの情報を文書関連度値が高い方から順に並べて
ディスプレイ画面に表示出力する。なお、本例では、次
のような順序で４件の文書１〜４のタイトル情報が並べ
られる。（文書関連度値が１番目に高い文書）文書２（文書関連度値が２番目に高い文書）文書４（文書関連度値が３番目に高い文書）文書１（文書関連度値が４番目に高い文書）文書３

【００９６】以上のように、本例の関連文書検索装置で
は、各単語毎の関連度値を計算する際に、指定された
「人名」という同一のカテゴリに属する異なる固有名に
相当する単語間での関連度値も非ゼロとすることや、指
定された「人名」というカテゴリに属する固有名に相当
する単語の関連度値を大きくするような重み付けを行う
補正を実行することにより、例えば当該カテゴリに属す
る「歌手グループＤＥＦ」や「歌手ＸＹＺ」という単語
が出現する文書２を最も文書関連度値が高い文書として
ユーザに通知することができる。

【００９７】なお、本例では、ユーザが種文書集合を入
力する構成としたが、例えばユーザがキーワードを入力
し、関連文書検索装置が当該キーワードに関連する文書
などを種文書集合として検索するような構成を用いるこ
ともできる。

【００９８】また、本例では、「人名」というカテゴリ
を指定する場合を示したが、例えばユーザが入力する種
文書が同一であっても、「会社名」や、「場所の名前」
や、「日付」や、「時間」や、「日時」や、「製品名」
などの他のカテゴリを指定することにより、指定したカ
テゴリに含まれる異なるキーワードを同一視した文書関
連度値や、指定したカテゴリに含まれる固有名を重要視
した文書関連度値を算出することができる。また、本例
では、１つのカテゴリを指定する場合を示したが、上述
のようにカテゴリを指定せずに全ての固有名に相当する
単語についての関連度値を大きくする態様や、或いは、
複数のカテゴリを指定する態様を用いることもできる。
また、例えば各カテゴリ毎に補正前の単語毎の関連度値
をどれくらい大きく補正するかといった補正の度合いを
ユーザにより指定するような態様を用いることもでき
る。

【００９９】図２には、ユーザによりユーザプロファイ
ルを入力してカテゴリを指定するための画面情報の一例
を示してあり、当該画面情報は例えば検索要求受付部１
によりユーザに対して表示出力される。この画面情報で
は、「企業」、「人名」、「官庁」、「時間」、「場
所」というカテゴリの中でいずれのカテゴリにユーザの
興味があるかつまりいずれのカテゴリに属する固有名に
相当する単語の関連度値を補正するかなどをユーザに対
して尋ねており、同図の例では、「企業」及び「人名」
のカテゴリがユーザにより指定されている。また、この
画面情報では、ユーザにより指定したカテゴリに属する
単語の関連度値をどれくらい大きくするかといった倍率
をユーザに対して尋ねており、同図の例では、「企業」
については２倍が設定され、「人名」については３倍が
設定されている。

【０１００】ここで、本例では、検索要求受付部１が例
えば上記図２に示したような画面情報をユーザに対して
表示出力してユーザからの入力によりカテゴリの指定を
受け付ける機能によりカテゴリ指定受付手段が構成され
ており、固有名保持部２が同類の複数の固有名から構成
されるカテゴリに関する情報を記憶する機能によりカテ
ゴリ情報記憶手段が構成されており、固有名保持部２が
設定された固有名キーワード特定条件に基づいて指定さ
れたカテゴリに含まれる固有名に相当するキーワードを
特定する機能により固有名キーワード特定手段が構成さ
れており、関連度計算部３が単語毎の関連度値（キーワ
ード毎関連度値）を当該単語と同一のカテゴリに含まれ
る同一の単語及び異なる単語の検索対象文書群における
出現状況に基づいて算出する機能や、当該単語毎の関連
度値（キーワード毎関連度値）をその算出値と比較して
大きい値（関連度が高いことを表す値）へ補正して文書
関連度計算部７が文書関連度値を算出する機能により関
連度値算出手段が構成されている。

【０１０１】また、本例では、検索要求受付部１が例え
ば上記図２に示したような画面情報をユーザに対して表
示出力してユーザからの入力によりカテゴリ毎の補正倍
率（補正度合い）の指定を受け付ける機能により補正度
合い指定受付手段が構成されており、検索結果提示部８
が例えば補正が行われたキーワードの語句などの情報を
ユーザに対して表示出力する機能により補正キーワード
情報表示出力手段が構成されている。

【０１０２】また、本例では、指定されたカテゴリに含
まれる固有名に相当するキーワード以外のキーワード
（単語）と各文書１〜４とのキーワード毎関連度値を非
ゼロとして文書関連度値を算出する場合を示したが、例
えばこのようなキーワード毎関連度値をゼロとして文書
関連度値を算出する構成とすることにより、文書関連度
値を算出するのに要する演算量や時間を低減させること
もできる。

【０１０３】次に、本発明の第２実施例に係る文書群分
類装置（文書クラスタリング装置）によるクラスタリン
グを説明する。なお、本例では、文書とは、例えば自然
言語で記述された１つ以上の文の集まりであって当該１
つ以上の文の集まりが分類される対象であるようなもの
を言う。具体的には、例えば政治や経済やスポーツなど
に分類される新聞記事などのように分類可能な特定の１
文を包含して有するようなものを文書とみなす。

【０１０４】図３には、本例の文書群分類装置の構成例
を示してあり、この文書群分類装置には、文書群を入力
する文書群入力部１１と、入力されたそれぞれの文書の
内容から成る文書群データを記憶する文書群記憶部１２
と、当該文書群データを形態素解析などにより解析して
キーワードを抽出などする文書群解析部１３と、当該解
析結果に基づいて文書群を分類する文書群分類部１４
と、当該分類結果を記憶する分類結果記憶部１５とが備
えられている。

【０１０５】ここで、文書群記憶部１２や分類結果記憶
部１５は、例えば情報を記憶するハードディスクや半導
体メモリから構成されている。また、文書群解析部１３
や文書群分類部１４は、例えばプログラムを記憶するメ
モリや当該プログラムの記述内容に従って動作するＣＰ
Ｕ（Central Processing Unit）を有している。なお、
上記したメモリやＣＰＵは複数の処理部で共用すること
も可能である。

【０１０６】本例の文書群分類装置により行われる動作
の一例を示す。まず、文書群入力部１１は、例えばユー
ザによりキーボードなどが操作されることにより或いは
装置内のハードディスクや外部のネットワークから、分
類対象となる文書群の情報を入力する。そして、文書群
入力部１１は、入力したそれぞれの文書の内容から成る
文書群データを、個々の文書が識別可能な形式で文書群
記憶部１２に記憶する。具体的には、例えば各文書に文
書番号などを付けて文書群記憶部１２に記憶し、当該文
書番号により各文書を管理する。

【０１０７】次に、文書群解析部１３は、文書群記憶部
１２から文書データを読み出し、それぞれの文書に対応
したそれぞれの文書データに対して自然言語解析を行
い、これにより、それぞれの文書データから単語やその
出現位置やその品詞や単語間の関係などを示す文法情報
を抽出する。そして、文書群解析部１３は、例えば固有
名詞の品詞情報を有する単語のみを抽出し、抽出したそ
れぞれの単語毎に、その単語或いは当該単語と同一のカ
テゴリに属する異なる単語が含まれる文書内での出現頻
度を求める。なお、出現頻度の値としては、例えばこれ
らの単語が文書内に出現したか否かを示す“１”或いは
“０”の情報や、例えばこれらの単語が文書内に出現し
た回数や頻度の情報などを用いることができる。このよ
うに、本例では、例えば固有名詞に相当する単語の単語
毎関連度値を算出するに際して、当該単語と同一のカテ
ゴリに属する異なる単語についても同一の単語とみなし
て出現回数などを検出する。

【０１０８】このようにして各単語の出現頻度情報を全
ての文書について求めると、次に、文書群分類部１４
は、例えば任意の１文書を選定して、選定した文書と当
該文書以外の全ての文書との距離を求める。なお、本例
では、以下に示すように、２文書間の距離としてはその
値が大きいほど距離が近いことを表すようなものを用い
ており、これは例えば２文書間の関連度値に相当すると
みなすことができる。

【０１０９】具体例として、２文書間の距離を求めるた
めの単語がｔ（ｔは１以上の数）個あって、文書Ｄｒに
おけるｉ番目の単語の出現頻度の値がａｒ（ｉ）であ
り、文書Ｄｓにおけるｉ番目の単語の出現頻度の値がａ
ｓ（ｉ）であるとすると、文書Ｄｒと文書Ｄｓとの２文
書間の距離Ｓｉｍ（Ｄｒ、Ｄｓ）は例えば式１で示され
る。

【０１１０】ここで、本例では、ｔ個の単語としてそれ
ぞれ異なるカテゴリに属する単語を選択してあり、同一
のカテゴリに属する単語については同一の単語であるか
或いは異なる単語であるかにかかわらず、各カテゴリを
代表するものとして選択された単語（前記ｔ個の単語）
の数に算入してある。つまり、本例では、固有名詞に相
当する各単語のそれぞれの出現頻度値として、例えば当
該各単語が属するカテゴリ毎に同一のカテゴリに属する
同一又は異なる単語の出現頻度値の和などを用いてい
る。なお、例えばいずれのカテゴリにも属さない単語に
ついては、同一のカテゴリに属するか或いは異なるカテ
ゴリに属するかを判定する際に考慮しなくてもよい。

【０１１１】

【数１】

【０１１２】ここで、図４を参照して、上記のような２
文書間の距離に基づいて文書群をクラスタリングする一
例を示す。なお、ここでは、説明の便宜上から、文書群
には４つの文書Ａ、Ｂ、Ｃ、Ｄが含まれるとする。例え
ば、全ての文書Ａ〜Ｄから２つの文書を選択する全ての
組み合わせについて２文書間の距離を求めた結果が、同
図（ａ）の行列のように表されたとする。そして、この
行列を参照して、距離が近い（本例では、値が大きい）
２文書のところから順に階層木を作成していくことによ
り、クラスタリングを行うことができる。

【０１１３】まず、同図（ａ）の例では、文書Ａと文書
Ｄとの距離が最も近いことから、図示のように、文書Ａ
と文書Ｄとを関連付ける。すると、文書Ａと文書Ｄとを
まとめることにより、上記した行列が同図（ｂ）に示す
ように変更され、同図（ｂ）の例では、文書Ａ、Ｄのま
とまりと文書Ｃとの距離が最も近いことから、図示のよ
うに、文書Ａ、Ｄのまとまりと文書Ｃとを関連付ける。
すると、上記した行列は同図（ｃ）に示すように変更さ
れ、図示のように、残った文書Ｂと文書Ａ、Ｃ、Ｄのま
とまりとを関連付ける。そして、同図（ｃ）に示すよう
な階層木をクラスタリング結果として得ることができ
る。

【０１１４】以上のように、本例の文書群分類装置で
は、同一のカテゴリに属する異なる単語間の関連度値を
非ゼロとすることとして、例えば自然言語解析により文
書に含まれるキーワードの要素を抽出するとともに当該
要素に付随する品詞やカテゴリの情報などを抽出し、要
素に付随する品詞情報に基づいて固有名詞に相当する要
素のみを計数するような状況で、出現頻度を算出する仕
方を規定する計数規則に基づいて要素毎の出現回数など
を計数し、当該計数結果に基づいて２文書間の距離を求
めることにより文書群をクラスタリングすることによ
り、例えば大量の文書群をより少ない計算量で、且つ、
単語自身の有する情報量をその品詞に基づいて考慮した
方法で分類することができる。

【０１１５】なお、本例では、固有名詞に相当する単語
のみに基づいて２文書間の距離を求めたが、例えば各単
語毎に重み付けを行うことで固有名詞に相当する単語の
重要度を大きくするような構成も可能であり、このよう
な構成では、例えば要素に付随する品詞情報に基づいて
固有名詞に相当する要素には他の品詞に相当する要素と
比較して大きい重みを与えて、２文書間の距離を算出す
るようなことが行われる。

【０１１６】具体的に、上記式１に対応するものとし
て、例えばｉ番目の単語に対する重み付けの係数をＫｉ
とすると、式２に示すような演算式により２文書間の距
離を求めることが可能である。

【０１１７】

【数２】

【０１１８】なお、例えば、計数する対象となる要素を
固有名詞に相当するものだけとするか、或いは、固有名
詞以外の品詞に相当する要素についても計数する対象と
して固有名詞に対する重みを他の品詞と比べて大きくす
るか、といったことをユーザにより任意に選択可能な構
成とすることもできる。

【０１１９】また、キーワード（要素）を抽出する仕方
としては、種々な仕方が用いられてもよく、例えば予め
辞書に登録された固有名詞に相当する語句を抽出する仕
方や、例えば「株式会社」などのような語が含まれてい
るといった固有名詞に特有な出現パターンに基づいて固
有名詞とみなされる語句を抽出する仕方などを用いるこ
とができる。また、このような辞書をユーザにより編集
可能にして、当該辞書に対してユーザが任意に新たな単
語を追加することなどが可能な構成とすることもでき
る。

【０１２０】ここで、本例では、上記式１や上記式２に
より２文書間の距離を算出するために用いられるｔ個の
要素（キーワード）の群がキーワード群に相当し、これ
ら２文書から文書群が構成され、当該キーワード群と当
該文書群に関する関連度値をこれら２文書間の距離とし
て算出している。更に詳しくは、２つの文書Ｄｒ、Ｄｓ
から文書群が構成され、前記キーワード群に含まれるキ
ーワードと当該文書群に関するキーワード毎関連度値が
上記式１中の｛ａｒ（ｉ）・ａｓ（ｉ）｝や上記式２中
の｛Ｋｉ・ａｒ（ｉ）・ａｓ（ｉ）｝で表される。ま
た、他のとらえ方として、例えば文書Ｄｓを文書群であ
るとみなして、ａｒ（ｉ）についてはｉ番目のキーワー
ドに付加された文書Ｄｒに依存する重み付け情報である
とみなすこともでき、この場合にも、各要素についての
上記式１中の｛ａｒ（ｉ）・ａｓ（ｉ）｝や上記式２中
の｛Ｋｉ・ａｒ（ｉ）・ａｓ（ｉ）｝がキーワード毎の
関連度値に相当する。

【０１２１】また、本例では、文書群解析部１３が設定
された固有名詞キーワード特定条件に基づいて固有名詞
に相当するキーワード（要素）を特定する機能により固
有名キーワード特定手段が構成されており、文書群解析
部１３や文書群分類部１４が、例えば同一のカテゴリに
属する異なる単語間の関連度値を非ゼロとする態様で、
固有名詞に相当すると特定されたキーワードのみについ
ての２つの文書のキーワード毎関連度値を非ゼロの値と
することや或いはこのようなキーワードについての２つ
の文書のキーワード毎関連度値（距離）を重み付けして
その算出値と比較して大きい値（関連度が高いことを表
す値）へ補正することを行って、２つの文書の関連度値
を算出する機能により関連度値算出手段が構成されてい
る。

【０１２２】次に、本発明の第３実施例に係る文書群分
類装置（文書カテゴライズ装置）により行われるカテゴ
ライズの一例を示す。なお、本例の文書分類装置は、例
えば上記図３に示したものと同様な構成のものを用いる
ことができ、本例では、詳しい説明は省略する。

【０１２３】図５を参照して、本例の文書分類装置によ
り行われるカテゴライズの一例を示す。同図に示される
ように、例えば種々な内容に関して予め複数のキーワー
ド群が用意されていて、各キーワード群がそれぞれ異な
る分類１、２、３、…に対応付けられているとする。ま
た、カテゴライズ対象となる文書１、２、３…があると
する。

【０１２４】この場合、例えば文書１を例とすると、ま
ず、固有名に相当するキーワードに重み付けをする方式
を用いて、文書１と各分類１、２、３、…に対応したそ
れぞれのキーワード群との関連度値を算出し、算出され
た関連度値が最大となる分類を検出して、検出した分類
に文書１をカテゴライズする。ここで、本例では、例え
ば固有名に相当するキーワードであって同一のカテゴリ
に属する異なるキーワード間の関連度値を非ゼロとして
各文書１、２、３、…と各分類１、２、３、…との関連
度値を算出する。

【０１２５】具体的に、同図の例では、文書１と分類１
のキーワード群との関連度値が文書１と他の分類２、
３、…のキーワード群との関連度値と比較して最大であ
った場合を示してあり、この場合、文書１を分類１にカ
テゴライズする。同図の例では、同様にして、文書２が
分類１にカテゴライズされており、文書３が分類２にカ
テゴライズされている。

【０１２６】以上のように、文書群を複数の分類にカテ
ゴライズする場合においても、例えば上記第１実施例や
上記第２実施例で述べたのと同様に、同一のカテゴリに
属する異なる固有名のキーワードについても同一のもの
とみなしてキーワード毎関連度値を算出することや、固
有名に相当するキーワードに重み付けすることにより、
関連度値の精度を向上させることや、関連度値の算出に
要する演算量や時間を低減させることなどができる。

【０１２７】ここで、本発明に係る関連度値算出装置な
どの構成としては、必ずしも以上に示したものに限られ
ず、種々な構成が用いられてもよい。また、本発明の適
用分野としては、必ずしも以上に示したものに限られ
ず、本発明は、種々な分野に適用することが可能なもの
である。

【０１２８】また、本発明に係る関連度値算出装置など
において行われる各種の処理としては、例えばプロセッ
サやメモリ等を備えたハードウエア資源においてプロセ
ッサがＲＯＭ（Read Only Memory）に格納された制御プ
ログラムを実行することにより制御される構成が用いら
れてもよく、また、例えば当該処理を実行するための各
機能手段が独立したハードウエア回路として構成されて
もよい。また、本発明は上記の制御プログラムを格納し
たフロッピー（登録商標）ディスクやＣＤ（Compact Di
sc）−ＲＯＭ等のコンピュータにより読み取り可能な記
録媒体や当該プログラム（自体）として把握することも
でき、当該制御プログラムを記録媒体からコンピュータ
に入力してプロセッサに実行させることにより、本発明
に係る処理を遂行させることができる。

【０１２９】

【発明の効果】以上説明したように、本発明に係る関連
度値算出装置などによると、１又は複数のキーワードか
ら構成されるキーワード群と１又は複数の文書から構成
される文書群に関する関連度を表す値として、当該キー
ワード群に含まれる各キーワードと当該文書群に関する
キーワード毎の関連度値（キーワード毎関連度値）を全
てのキーワードについて総和した値を算出するに際し
て、同類の複数の固有名から構成される１又は複数のカ
テゴリに関する情報を記憶し、設定された固有名キーワ
ード特定条件に基づいて固有名に相当するキーワードを
特定し、特定されたキーワードについてのキーワード毎
関連度値を、当該キーワードと同一のカテゴリに含まれ
る異なるキーワードを含む１又は複数のキーワードの文
書群における出現状況に基づいて算出して、キーワード
群と文書群に関する関連度値を算出するようにしたた
め、算出される関連度値の精度を高めることができる。

【０１３０】また、本発明に係る関連度値算出装置など
によると、特定されたキーワードについてのキーワード
毎の関連度を高めてキーワード群と文書群に関する関連
度値を算出するようにしたため、算出される関連度値の
精度を高くすることなどができる。また、本発明に係る
関連度値算出装置などによると、カテゴリの指定を受け
付け、記憶されたカテゴリ情報に基づいて、受け付けら
れたカテゴリに含まれる固有名に相当するキーワードを
特定するようにしたため、ユーザの要求などを反映させ
て算出される関連度値の精度を高くすることなどができ
る。

【図面の簡単な説明】

【図１】本発明の第１実施例に係る関連文書検索装置
の構成例を示す図である。

【図２】ユーザプロファイルを入力してカテゴリ及び
倍率を指定するための画面表示の一例を示す図である。

【図３】本発明の第２実施例に係る文書群分類装置の
構成例を示す図である。

【図４】クラスタリングの一例を説明するための図で
ある。

【図５】カテゴライズの一例を説明するための図であ
る。

【符号の説明】

１・・検索要求受付部、２・・固有名保持部、３・
・関連度計算部、４・・検索対象文書単語出現頻度保持
部、５・・検索対象データベース、６・・検索部、
７・・文書関連度計算部、８・・検索結果提示部、１
１・・文書群入力部、１２・・文書群記憶部、１３
・・文書群解析部、１４・・文書群分類部、１５・・
分類結果記憶部、

Claims

【特許請求の範囲】

【請求項１】１又は複数のキーワードから構成される
キーワード群と１又は複数の文書から構成される文書群
に関する関連度を表す値として、当該キーワード群に含
まれる各キーワードと当該文書群に関するキーワード毎
の関連度値を全てのキーワードについて総和した値を算
出する関連度値算出装置であって、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するカテゴリ情報記憶手段と、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する固有名キーワード特定
手段と、カテゴリ情報記憶手段に記憶されたカテゴリ情報に基づ
いて、固有名キーワード特定手段により特定されたキー
ワードについてのキーワード毎関連度値を当該キーワー
ドと同一のカテゴリに含まれる異なるキーワードを含む
１又は複数のキーワードの文書群における出現状況に基
づいて算出して、キーワード群と文書群に関する関連度
値を算出する関連度値算出手段と、を備えたことを特徴とする関連度値算出装置。
【請求項２】請求項１に記載の関連度値算出装置にお
いて、関連度値算出手段は、固有名キーワード特定手段により
特定されたキーワードについてのキーワード毎の関連度
を高めてキーワード群と文書群に関する関連度値を算出
することを特徴とする関連度値算出装置。
【請求項３】請求項２に記載の関連度値算出装置にお
いて、関連度値算出手段は、固有名キーワード特定手段により
特定されたキーワードについてのキーワード毎関連度値
をその算出値と比較して関連度が高いことを表す値へ補
正することで、当該キーワードについてのキーワード毎
の関連度を高めることを特徴とする関連度値算出装置。
【請求項４】請求項２に記載の関連度値算出装置にお
いて、関連度値算出手段は、固有名キーワード特定手段により
特定されたキーワードについてのキーワード毎関連度値
を非ゼロとする一方、他のキーワード毎関連度値をゼロ
とすることで、当該キーワードについてのキーワード毎
の関連度を高めることを特徴とする関連度値算出装置。
【請求項５】請求項１乃至請求項４のいずれか１項に
記載の関連度値算出装置において、カテゴリの指定を受け付けるカテゴリ指定受付手段を備
え、固有名キーワード特定手段は、カテゴリ情報記憶手段に
記憶されたカテゴリ情報に基づいて、カテゴリ指定受付
手段により受け付けられたカテゴリに含まれる固有名に
相当するキーワードを特定することを特徴とする関連度
値算出装置。
【請求項６】請求項５に記載の関連度値算出装置にお
いて、カテゴリ指定受付手段は、カテゴリの指定を要求する情
報をユーザに対して表示出力し、当該指定をユーザから
の入力により受け付けることを特徴とする関連度値算出
装置。
【請求項７】請求項３に記載の関連度値算出装置にお
いて、カテゴリ毎のキーワード毎関連度値を補正する度合いの
指定を受け付ける補正度合い指定受付手段を備え、関連度値算出手段は、カテゴリ情報記憶手段に記憶され
たカテゴリ情報に基づいて、固有名キーワード特定手段
により特定されたキーワードについてのキーワード毎関
連度値を当該キーワードを含むカテゴリについて補正度
合い指定受付手段により受け付けられた補正度合いを用
いて補正することを特徴とする関連度値算出装置。
【請求項８】請求項７に記載の関連度値算出装置にお
いて、補正度合い指定受付手段は、カテゴリ毎の補正度合いの
指定を要求する情報をユーザに対して表示出力し、当該
指定をユーザからの入力により受け付けることを特徴と
する関連度値算出装置。
【請求項９】請求項１乃至請求項８のいずれか１項に
記載の関連度値算出装置において、固有名キーワード特定手段により特定されたキーワード
に関する情報をユーザに対して表示出力する固有名キー
ワード情報表示出力手段を備えたことを特徴とする関連
度値算出装置。
【請求項１０】１又は複数の文書から構成される種文
書群から１又は複数のキーワードから構成されるキーワ
ード群を抽出し、抽出したキーワード群に関連する文書
を複数の検索対象となる文書から構成される検索対象文
書群から検索し、検索した各文書に関して抽出したキー
ワード群に含まれる各キーワードと文書とのキーワード
毎の関連度を表す値を全てのキーワードについて総和し
た値を当該キーワード群と当該文書との関連度値として
算出し、当該関連度値が大きい順に検索した各文書に関
する情報を出力する関連文書検索装置であって、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するカテゴリ情報記憶手段と、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する固有名キーワード特定
手段と、カテゴリ情報記憶手段に記憶されたカテゴリ情報に基づ
いて、固有名キーワード特定手段により特定されたキー
ワードについてのキーワード毎関連度値を当該キーワー
ドと同一のカテゴリに含まれる異なるキーワードを含む
１又は複数のキーワードの文書における出現状況に基づ
いて算出して、キーワード群と文書との関連度値を算出
する関連度値算出手段と、を備えたことを特徴とする関連文書検索装置。
【請求項１１】１又は複数のキーワードから構成され
る複数のキーワード群と１又は複数の文書から構成され
る文書群に関して、各キーワード群毎にキーワード群に
含まれる各キーワードと文書群とのキーワード毎の関連
度を表す値を全てのキーワードについて総和した値を当
該キーワード群と当該文書群との関連度値として算出
し、算出される関連度値が最高の関連度を表す値となる
キーワード群に当該文書群をカテゴライズする文書カテ
ゴライズ装置であって、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するカテゴリ情報記憶手段と、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する固有名キーワード特定
手段と、カテゴリ情報記憶手段に記憶されたカテゴリ情報に基づ
いて、固有名キーワード特定手段により特定されたキー
ワードについてのキーワード毎関連度値を当該キーワー
ドと同一のカテゴリに含まれる異なるキーワードを含む
１又は複数のキーワードの文書群における出現状況に基
づいて算出して、キーワード群と文書群との関連度値を
算出する関連度値算出手段と、を備えたことを特徴とする文書カテゴライズ装置。
【請求項１２】複数の文書から構成される文書群に含
まれる２つの文書に関して、１又は複数のキーワードか
ら構成されるキーワード群に含まれる各キーワードにつ
いてのこれら２つの文書のキーワード毎の関連度を表す
値を全てのキーワードについて総和した値をこれら２つ
の文書の関連度値として算出し、当該関連度値に基づい
て当該文書群に含まれる文書をクラスタリングする文書
クラスタリング装置であって、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するカテゴリ情報記憶手段と、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する固有名キーワード特定
手段と、カテゴリ情報記憶手段に記憶されたカテゴリ情報に基づ
いて、固有名キーワード特定手段により特定されたキー
ワードについての２つの文書のキーワード毎関連度値を
当該キーワードと同一のカテゴリに含まれる異なるキー
ワードを含む１又は複数のキーワードの文書における出
現状況に基づいて算出して、これら２つの文書の関連度
値を算出する関連度値算出手段と、を備えたことを特徴とする文書クラスタリング装置。
【請求項１３】１又は複数のキーワードから構成され
るキーワード群と１又は複数の文書から構成される文書
群に関する関連度を表す値として、当該キーワード群に
含まれる各キーワードと当該文書群に関するキーワード
毎の関連度値を全てのキーワードについて総和した値を
算出する関連度値算出方法であって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定し、同類の複数の固有名か
ら構成される１又は複数のカテゴリに関する情報を記憶
するメモリに記憶されたカテゴリ情報に基づいて、特定
されたキーワードについてのキーワード毎関連度値を当
該キーワードと同一のカテゴリに含まれる異なるキーワ
ードを含む１又は複数のキーワードの文書群における出
現状況に基づいて算出して、キーワード群と文書群に関
する関連度値を算出する、ことを特徴とする関連度値算出方法。
【請求項１４】１又は複数の文書から構成される種文
書群から１又は複数のキーワードから構成されるキーワ
ード群を抽出し、抽出したキーワード群に関連する文書
を複数の検索対象となる文書から構成される検索対象文
書群から検索し、検索した各文書に関して抽出したキー
ワード群に含まれる各キーワードと文書とのキーワード
毎の関連度を表す値を全てのキーワードについて総和し
た値を当該キーワード群と当該文書との関連度値として
算出し、当該関連度値が大きい順に検索した各文書に関
する情報を出力する関連文書検索方法であって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定し、同類の複数の固有名か
ら構成される１又は複数のカテゴリに関する情報を記憶
するメモリに記憶されたカテゴリ情報に基づいて、特定
されたキーワードについてのキーワード毎関連度値を当
該キーワードと同一のカテゴリに含まれる異なるキーワ
ードを含む１又は複数のキーワードの文書における出現
状況に基づいて算出して、キーワード群と文書との関連
度値を算出する、ことを特徴とする関連文書検索方法。
【請求項１５】１又は複数のキーワードから構成され
る複数のキーワード群と１又は複数の文書から構成され
る文書群に関して、各キーワード群毎にキーワード群に
含まれる各キーワードと文書群とのキーワード毎の関連
度を表す値を全てのキーワードについて総和した値を当
該キーワード群と当該文書群との関連度値として算出
し、算出される関連度値が最高の関連度を表す値となる
キーワード群に当該文書群をカテゴライズする文書カテ
ゴライズ方法であって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定し、同類の複数の固有名か
ら構成される１又は複数のカテゴリに関する情報を記憶
するメモリに記憶されたカテゴリ情報に基づいて、特定
されたキーワードについてのキーワード毎関連度値を当
該キーワードと同一のカテゴリに含まれる異なるキーワ
ードを含む１又は複数のキーワードの文書群における出
現状況に基づいて算出して、キーワード群と文書群との
関連度値を算出する、ことを特徴とする文書カテゴライズ方法。
【請求項１６】複数の文書から構成される文書群に含
まれる２つの文書に関して、１又は複数のキーワードか
ら構成されるキーワード群に含まれる各キーワードにつ
いてのこれら２つの文書のキーワード毎の関連度を表す
値を全てのキーワードについて総和した値をこれら２つ
の文書の関連度値として算出し、当該関連度値に基づい
て当該文書群に含まれる文書をクラスタリングする文書
クラスタリング方法であって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定し、同類の複数の固有名か
ら構成される１又は複数のカテゴリに関する情報を記憶
するメモリに記憶されたカテゴリ情報に基づいて、特定
されたキーワードについての２つの文書のキーワード毎
関連度値を当該キーワードと同一のカテゴリに含まれる
異なるキーワードを含む１又は複数のキーワードの文書
における出現状況に基づいて算出して、これら２つの文
書の関連度値を算出する、ことを特徴とする文書クラスタリング方法。
【請求項１７】１又は複数のキーワードから構成され
るキーワード群と１又は複数の文書から構成される文書
群に関する関連度を表す値として、当該キーワード群に
含まれる各キーワードと当該文書群に関するキーワード
毎の関連度値を全てのキーワードについて総和した値を
算出する処理をコンピュータに実行させるプログラムで
あって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する処理と、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するメモリに記憶されたカテゴリ
情報に基づいて、特定されたキーワードについてのキー
ワード毎関連度値を当該キーワードと同一のカテゴリに
含まれる異なるキーワードを含む１又は複数のキーワー
ドの文書群における出現状況に基づいて算出して、キー
ワード群と文書群に関する関連度値を算出する処理と、を当該コンピュータに実行させることを特徴とするプロ
グラム。
【請求項１８】１又は複数の文書から構成される種文
書群から１又は複数のキーワードから構成されるキーワ
ード群を抽出する処理と、抽出したキーワード群に関連
する文書を複数の検索対象となる文書から構成される検
索対象文書群から検索する処理と、検索した各文書に関
して抽出したキーワード群に含まれる各キーワードと文
書とのキーワード毎の関連度を表す値を全てのキーワー
ドについて総和した値を当該キーワード群と当該文書と
の関連度値として算出する処理と、当該関連度値が大き
い順に検索した各文書に関する情報を出力する処理とを
コンピュータに実行させるプログラムであって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する処理と、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するメモリに記憶されたカテゴリ
情報に基づいて、特定されたキーワードについてのキー
ワード毎関連度値を当該キーワードと同一のカテゴリに
含まれる異なるキーワードを含む１又は複数のキーワー
ドの文書における出現状況に基づいて算出して、キーワ
ード群と文書との関連度値を算出する処理と、を当該コンピュータに実行させることを特徴とするプロ
グラム。
【請求項１９】１又は複数のキーワードから構成され
る複数のキーワード群と１又は複数の文書から構成され
る文書群に関して、各キーワード群毎にキーワード群に
含まれる各キーワードと文書群とのキーワード毎の関連
度を表す値を全てのキーワードについて総和した値を当
該キーワード群と当該文書群との関連度値として算出す
る処理と、算出される関連度値が最高の関連度を表す値
となるキーワード群に当該文書群をカテゴライズする処
理とをコンピュータに実行させるプログラムであって、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する処理と、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するメモリに記憶されたカテゴリ
情報に基づいて、特定されたキーワードについてのキー
ワード毎関連度値を当該キーワードと同一のカテゴリに
含まれる異なるキーワードを含む１又は複数のキーワー
ドの文書群における出現状況に基づいて算出して、キー
ワード群と文書群との関連度値を算出する処理と、を当該コンピュータに実行させることを特徴とするプロ
グラム。
【請求項２０】複数の文書から構成される文書群に含
まれる２つの文書に関して、１又は複数のキーワードか
ら構成されるキーワード群に含まれる各キーワードにつ
いてのこれら２つの文書のキーワード毎の関連度を表す
値を全てのキーワードについて総和した値をこれら２つ
の文書の関連度値として算出する処理と、当該関連度値
に基づいて当該文書群に含まれる文書をクラスタリング
する処理とをコンピュータに実行させるプログラムであ
って、設定された固有名キーワード特定条件に基づいて固有名
に相当するキーワードを特定する処理と、同類の複数の固有名から構成される１又は複数のカテゴ
リに関する情報を記憶するメモリに記憶されたカテゴリ
情報に基づいて、特定されたキーワードについての２つ
の文書のキーワード毎関連度値を当該キーワードと同一
のカテゴリに含まれる異なるキーワードを含む１又は複
数のキーワードの文書における出現状況に基づいて算出
して、これら２つの文書の関連度値を算出する処理と、を当該コンピュータに実行させることを特徴とするプロ
グラム。