JP2003108576A - データベース管理装置およびデータベース管理方法 - Google Patents

Abstract

(57)【要約】 【課題】 分類の精度を維持しながら、データベースの
メンテナンスを行うことのできる文書分類装置および文
書分類方法を提供する。 【解決手段】 ユーザが予め所定の分野に属することが
分かっている分類文書で分類動作を行い、分類文書とデ
ータベースに登録されている文書（以下「登録文書」と
表記する）間の類似度と確度を算出する。これらを元
に、登録文書の登録分野と、分類文書の分野が一致して
いた場合と異なっていた場合に、それぞれ正解影響度と
不正解影響度を算出し、登録文書ごとに蓄積する。この
操作を分類文書を複数種用いて繰り返す。蓄積した正解
影響度と不正解影響度から登録文書毎の削除文書候補点
数を算出する。この削除文書候補点数が大きい文書を削
除文書候補として抽出する

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書検索技術に
係わり、検索に用いるデータベースの管理装置及び管理
方法に関する。

【０００２】

【従来の技術】近年、大量の電子化された文書データが
流通するようになり、その文書データが、どのような分
野に属するかを自動的に分類する技術が実用化されてい
る。一般的な技術としては、データベースに色々な分野
を代表する文書を複数登録しておき、入力された文書と
登録されている文書間の類似性の度合いを表す値（以下
「類似度」と表記）をベクトル空間法などを用いて求
め、類似していた文書が属する分野を参考に入力された
文書が属すると思われる分野を特定するというものであ
る。

【０００３】このような文書自動分類システムは、時間
が経つにしたがって、分野を代表するような新しい単語
が使われるようになったり、逆に、あまり使われなくな
る単語があったりし、いつまでも同じデータベースを利
用することは、分類の精度低下につながる。

【０００４】また、自動分類したものは、そのままその
分野が付与されることは少なく、自動分類された結果が
正しいかどうかを人手によって判断し、その結果を元に
正解／不正解と類似度情報からデータベースに登録され
ている文書に点数を付け、点数の悪い文書をデータベー
スから削除する方式があった。

【０００５】このように、従来は、データベースから削
除すべき文書であるかの判断の材料として、「分野特定
結果が正解であったかどうか」といった情報や、「分野
特定の要となったデータベース内の文書と、その文書と
の類似度」といった情報が用いられてきた。このような
手法を用いた例として、特開２００１−１５５０２５公
報に開示された文書分類装置がある。

【０００６】しかし、データベースに登録されている文
書の属する分野は、すべて独立している訳ではなく、関
連性の深い分野も存在する。例えば「レーザー」という
言葉は、印刷機器や医療機器、記憶装置、計測機器など
の広い分野で使用される可能性がある。このような、様
々な分野で使用される単語を多く含む文書は、分野特定
においてある１つの分野に特定することは難しく、複数
の可能性のある分野に特定され易くなる。

【０００７】このような、複数の分野と関連性の高い分
野に属する文書については、複数の分野で同じような類
似度となる可能性が高く、一つの分野に特定することは
困難である。このような文書は、分野特定で失敗する可
能性も高くなるが、これは、その分野の特徴によるもの
であり、データベースに登録されている特定の文書が悪
影響している訳ではない。

【０００８】このような正解しにくい分野の文書を分類
した際に、不正解に影響した文書を優先的に削除するこ
では精度向上は望めず、逆に、関連のある分野の文書が
削除され易くなり、それらの分野の特定精度が低下する
ことにもつながる。

【０００９】また、分類する文書から抽出した単語に、
データベースに登録されている分野の特徴を表す単語が
ほとんど含まれていない場合なども考えられる。このよ
うな場合にも、その文書とデータベースに登録されてい
る文書との間の類似度は全体的に同じような値になるた
め、このような文書の分類結果から、データベースに登
録されている文書の悪影響の度合いを判断しデータベー
スから削除することは、精度低下を招くことになる。

【００１０】

【発明が解決しようとする課題】本発明は上記の問題を
解決するためになされたものであり、分類の精度を維持
しながら、データベースのメンテナンスを行うことので
きる文書分類装置および文書分類方法を提供することを
目的とする。

【００１１】

【課題を解決するための手段】この発明は、分野情報を
有する登録文書を記録したデータベースを管理する管理
装置であって、所定の文書を入力する第一入力手段と、
前記データベースに登録された登録文書を読み込む読み
込み手段と、前記所定の文書と前記登録文書との間の類
似度を算出する類似度算出手段と、前記類似度算出手段
により算出された類似度をもとに、確度を算出する確度
算出手段と、前記所定の文書の属する分野を入力する第
二入力手段と、前記所定の文書の属する分野と、前記登
録文書が登録されている分野との一致／不一致を判別す
る判別手段と、前記判別手段が前記所定の文書の属する
分野と、前記登録文書が登録されている分野とが一致し
ていると判別した場合、前記類似度と前記確度をもとに
正解影響度を算出する正解影響度算出手段と、前記判別
手段が前記所定の文書の属する分野と、前記登録文書が
登録されている分野とが一致していないと判別した場
合、前記類似度と前記確度をもとに不正解影響度を算出
する正解影響度算出手段と、前記正解影響度及び前記不
正解影響度から削除文書候補点数を算出する削除文書候
補点数算出手段とを具備することを特徴とする。

【００１２】このような構成によれば、分類の精度を維
持しながら、データベースのメンテナンスを行うことが
可能となる。

【００１３】この発明は、分野情報を有する登録文書を
記録したデータベースを管理するデータベース管理方法
であって、所定の文書を入力する第一入力ステップと、
前記データベースに登録された登録文書を読み込む読み
込みステップと、前記所定の文書と前記登録文書との間
の類似度を算出する類似度算出ステップと、前記類似度
算出ステップにより算出された類似度をもとに、確度を
算出する確度算出ステップと、前記所定の文書の属する
分野を入力する第二入力ステップと、前記第二入力ステ
ップで入力された所定の文書の属する分野と、前記登録
文書が登録されている分野との一致／不一致を判別する
判別ステップと、前記判別ステップにおいて、手段が前
記所定の文書の属する分野と、前記登録文書が登録され
ている分野とが一致していると判別した場合、前記類似
度と前記確度をもとに正解影響度を算出する正解影響度
算出ステップと、前記判別手段が前記所定の文書の属す
る分野と、前記登録文書が登録されている分野とが一致
していないと判別した場合、前記類似度と前記確度をも
とに不正解影響度を算出する正解影響度算出ステップ
と、前記正解影響度及び前記不正解影響度から削除文書
候補点数を算出する削除文書候補点数算出ステップとを
具備することを特徴とする。

【００１４】このような構成によれば、分類の精度を維
持しながら、データベースのメンテナンスを行うことが
可能となる。

【００１５】

【発明の実施の形態】本発明の具体的な構成について説
明する前に、発明の理解の一助として、本発明のアウト
ラインを説明する。本発明においては、データベースの
メンテナンスを行うために、ユーザが予め所定の分野に
属することが分かっている文書を入力して、文書分類装
置に分類動作を行わせる。ここでユーザが入力する文書
を「分類文書」とし、この分類文書が属する分野として
ユーザが予め認識している分野を「正解分野」とする。

【００１６】この分類文書を用いて、文書分類を行う際
に、この文書分類装置は分類文書とデータベースに登録
されている文書（以下「登録文書」と表記する）間の類
似度と、その類似度や類似度算出時に参照した単語数な
どから算出した確度を算出する。

【００１７】次に、登録文書がそれぞれ分類されている
分野（以下「登録分野」と表記する）と、先述の分類文
書の正解分野が一致していた場合と異なっていた場合
に、その分野の特定に影響した文書との類似度と、分野
を特定した際に、比較した文書との類似度や比較に使用
した単語数などの情報から、特定結果がどの程度信頼で
きるかを表す値（以下「確度」と表記）を元に、それぞ
れ正解影響度と不正解影響度を算出する。すなわち、あ
る登録文書に関し、第一の分類文書について類似度と確
度を求める。つづいてこの登録文書の登録分野と分類文
書の正解分野が一致した場合は、正解影響度を蓄積す
る。また、登録分野と正解分野が一致しなかった場合
は、不正解影響度を蓄積する。

【００１８】この操作を分類文書を複数種用いて繰り返
し、各々の登録文書について正解影響度と不正解影響度
を蓄積して登録文書毎に格納する。

【００１９】この蓄積した正解影響度と不正解影響度
（以下、両者をまとめて「正解／不正解影響度」と表
記）をもとに、登録文書毎の削除文書候補点数を算出す
る。この削除文書候補点数は不正解影響度を正解影響度
で除することで求められ、正解影響度に比して不正解影
響度が大きい文書については、削除文書候補点数が大き
くなる。データベースのメンテナンスに当たっては、こ
の削除文書候補点数が大きい文書を削除文書候補として
抽出するというものである。

【００２０】以下、図面を参照して本発明の実施形態に
ついて以下の通り説明する。図１は本発明に関する一実
施形態である類似文書検索装置のハードウェア構成を示
すブロック図である。なお、本装置は一般的なアーキテ
クチャを持つコンピュータ上の一機能として構成される
ものである。

【００２１】図１に示すように、この類似文書検索装置
は、ＣＰＵおよびメモリなどから構成される制御装置
１、キーボード、ポインティングデバイス、スキャナ、
マイクなどの入力装置２、類似文書の検索結果などを表
示する表示装置３、および文書データや類似度情報、各
種設定値などを格納する外部記憶装置４（ハードディス
ク、ＭＯ、ＤＶＤ−ＲＡＭなど）から構成される。

【００２２】図２に本類似文書検索装置における制御装
置１の構成を示す。制御装置１はプログラム部２００と
バッファ部２５０からなる。プログラム部２００は、初
期化部２０１、分類文書入力部２０２、登録文書読み込
み部２０３、類似度算出部２０４、確度算出部２０５、
分類結果出力部２０６、正解／不正解影響度格納部２０
７、削除文書候補点数算出部２０８、削除文書候補出力
部２０９の機能を有している。

【００２３】バッファ部２５０は、分類文書格納バッフ
ァ部２５１、登録文書格納バッファ部２５２、類似度算
出結果格納バッファ部２５３、正解／不正解影響度格納
バッファ部２５４、削除文書候補格納バッファ部２５５
の領域を有している。

【００２４】初期化部２０１は、バッファ部２５０内の
各バッファ部をクリアする。分類文書入力部２０２は、
ユーザが入力装置２を用いて入力する分類文書データ
を、分類文書格納バッファ部２５１へ格納する。この
時、分類文書ＩＤが発行され、このＩＤも分類文書格納
バッファ部２５１へ格納される。登録文書読み込み部２
０３は、外部記憶装置４に格納された登録文書を読み出
し、登録文書格納バッファ部２５２へ格納する。

【００２５】類似度算出部２０４は、分類文書格納バッ
ファ部２５１に格納されている分類文書と、登録文書格
納バッファ部２５２に格納されている登録文書を単語に
分割し、各単語の出現回数をベクトルの成分とするベク
トル空間法などで類似の度合いを算出し、分類文書ＩＤ
と登録文書ＩＤと類似度と登録文書が属する分野情報を
組にして、類似度算出結果格納バッファ部２５３に格納
する。類似度はベクトル空間法の代わりに共通単語数に
より算出するようにしても構わない。

【００２６】確度算出部２０５は、類似度算出結果格納
バッファ部２５３に格納されている類似度の合計値を算
出し、各登録文書との類似度が占める割合を確度として
算出し、類似度算出結果格納バッファ部２５３に格納す
る。

【００２７】分類結果出力部２０６は、類似度算出結果
格納バッファ部２５３に格納されているデータを類似度
でソートし、類似度の高い登録文書に付与されている分
野を出力する。

【００２８】正解／不正解影響度格納部２０６は、類似
度算出結果格納バッファ２５３に格納される、類似度算
出結果情報と入力装置２より入力された、分類文書の正
解分野情報から、登録文書毎の正解／不正解への影響の
度合いとして類似度に確度を掛け合せた値を、正解／不
正解影響度格納バッファ部２５４に加算する。正解／不
正解への影響の度合いとしては、類似度に確度を掛け合
せた値の他に、確度が設定された閾値以上の場合にのみ
類似度を加算するようにしても良い。

【００２９】削除文書候補点数算出部２０８は、正解／
不正解影響度格納バッファ部２５４に格納されている正
解／不正解影響度から削除文書候補としての点数を算出
し、削除文書候補格納バッファ部２５５に格納する。削
除文書候補出力部２０９は、削除文書候補格納バッファ
部２５５に格納されている削除文書候補を削除文書候補
点数でソートし出力する。

【００３０】次に、本発明の実施形態の一つである文書
分類装置の動作について図３及び図４のフローチャート
図を参照して以下の通り説明する。

【００３１】本実施例は、大きく分けて図３に示す第１
のステップと、図４に示す第２のステップとからなる。
第１のステップは、文書分類装置に登録された文書か
ら、削除すべき文書を選択するために、ユーザが予め正
解分野を把握している分類文書を用いて分類処理を行
い、その処理結果を蓄積するステップである。第２のス
テップは、この蓄積された処理結果をもとに、削除すべ
き文書の候補を出力するステップである。

【００３２】まず、図３を参照して分類処理結果を蓄積
する第１のステップについて説明する。はじめにユーザ
は、入力装置２を使用して、外部記憶装置４にデータベ
ースのメンテナンスの対象となる登録文書の文書データ
を格納する（ステップ３０１）。続いて初期化部２０１
により全バッファをクリアする（ステップ３０２）。

【００３３】次に、分類文書入力部２０２が、入力装置
２を通じてユーザより分類文書を受け付けて、分類文書
格納バッファ部２５１に格納する。（ステップ３０
３）。具体例として、図５に示すような「この文書は、
計測機器について記述したものです。」というテキスト
文書を分類文書の一つとして格納したとする。

【００３４】続いて登録文書読み出し部２０３が、外部
記憶装置４から複数の登録文書を読み出し、登録文書格
納バッファ部２５２に登録文書として格納する（ステッ
プ３０４）。検索対象となる登録文書には、文書を識別
するための文書ＩＤと、その文書の分類を表す分野（登
録分野）の情報が付与されている。具体例として、図６
に示すように、文書ＩＤ、分野情報、本文からなるデー
タを格納したとする。例えば文書ＩＤが「１」の文書は
「エンジン」に関する分野であり、本文として「この文
書は、エンジンについて記述したものです。」というデ
ータを格納する。もちろん、より長い本文データについ
ても同様に処理する。以下、文書ＩＤ「２」、「３」…
と各登録文書について同様の処理を行う。

【００３５】次に、類似度算出部２０４が、分類文書格
納バッファ部２５１に格納された分類文書と、登録文書
格納バッファ部２５２に格納された登録文書の本文とを
比較し、類似の度合いを示す数値である類似度をベクト
ル空間法を用いて算出した後、登録文書ＩＤとその文書
の分類を表す分野情報とともに類似度算出結果格納バッ
ファ部２５３に格納する（ステップ３０５）。ここで、
ベクトル空間法は、特開２０００−３１１１７３公報に
記載されたような手法を用いることができる。

【００３６】この時、類似度が大きいものから一定の件
数だけ格納したり、一定の類似度以上のものだけを格納
しても構わない。図７の類似度算出結果格納例では、分
類文書ＩＤが「１」の文書について、登録文書に関する
１番目のデータは、文書ＩＤ=1023、登録分野=記憶装
置、類似度=0.378という内容が格納されていることを示
す。以下、２番目、３番目と同様に格納される。

【００３７】次に、類似度を算出していない登録文書が
残っているかを判断し（ステップ３０６）、残っている
場合は、ステップ３０４に戻って残りの登録文書に対し
てステップ３０４、３０５の動作を繰り返す。一方、他
に登録文書が無い場合は、ステップ３０７に進む。

【００３８】次に、ステップ３０５で類似度算出結果格
納バッファ部２５３に格納した類似度算出結果の登録文
書ごとの類似度の和を算出し、その値に対して各文書の
類似度が占める割合を確度として算出し、類似度算出結
果格納バッファ部２５３に格納する（ステップ３０
７）。なお、確度は分類結果の確からしさを表す値であ
れば、類似度の合計値に対する占有率以外にも、文書同
士を比較した際の共通単語数などから算出したものでも
構わない。図８に図７に示した例における確度の算出例
を示す。類似度算出結果格納バッファ部２５３に格納さ
れた登録文書の類似度の和は2.783である。ここで、登
録文書ＩＤ「1023」の文書は分類文書ＩＤ「１」の分類
文書に対する類似度が0.378である場合、登録文書ＩＤ
「1023」の文書の確度は0.378÷2.783＝0.136となり、
確度の値として0.136が格納される。他の文書について
も同様に確度が求められ、格納される。

【００３９】次に、ステップ３０７までで算出された各
情報について出力する（ステップ３０８）。この出力は
図８の情報を出力する形が好ましいが、類似度順にソー
トし、上位の文書から順に付与されている登録分野の分
野情報を出力するようにしても構わない。ソートした上
で分野情報を出力した例を図９に示す。ここで、各登録
分野ごとにその分野に含まれる登録文書の類似度の和を
取り、高い順に並べている。この出力はこの後の処理で
は使用しないが、ユーザにとって分類状況を把握しやす
くなるという効果がある。

【００４０】分類結果出力が済むと、他に使用する分類
文書が残っているかを判断し（ステップ３０９）、残っ
ていればステップ３０３に戻り、ステップ３０３から３
０８までを繰り返す。図８に相当するデータは分類文書
ごとに異なるので、分類文書ごとにそれぞれ格納され
る。一方、分類文書が残っていなければ分類処理を終了
する。

【００４１】次に、第１のステップで格納された、類似
度算出結果を使用して、登録文書から削除する文献の候
補を出力する第２のステップについて説明する。図４は
その手順を示すフローチャートである。

【００４２】はじめに初期化部２０１により類似度度算
出結果格納バッファ部２５３以外のバッファをクリアす
る（ステップ３５１）。次に、入力装置２より、第１の
ステップで用いた分類文書のＩＤとその分類文書の正解
分野を入力する（ステップ３５２）。

【００４３】次に、ステップ３５２で入力された分類文
書ＩＤに対応する類似度算出結果と正解分野をもとに、
各登録文書について、登録分野と正解分野が一致してい
れば正解影響度として、一致していなければ不正解影響
度として、類似度に確度を掛け合せた値を正解／不正解
影響度格納バッファ部２５４に加算する（ステップ３５
３）。類似度と確度を掛け合わせることで、一種の重み
付けを行うことができる。この正解／不正解影響度は登
録文書ごとに管理される。

【００４４】分類文書ＩＤが１で、正解分野が計測機器
であった場合、類似度算出結果が図８の状態であるとす
ると、登録文書ID=1023の文書は、その分野が正解分野
と異なるので、その類似度に確度を掛け合せた値0.378
×0.136＝0.051を不正解影響度に加算して格納する。登
録文書ID=5933の文書は、その分野が正解分野と同じな
ので、その類似度に確度を掛け合せた値0.172×0.062＝
0.011を正解影響度に加算して格納する。

【００４５】ここでは、正解／不正解影響度に加算する
値として類似度に確度を掛け合せた値を利用している
が、確度に閾値を設けて、その閾値よりも確度が大きい
場合にのみ類似度を正解／不正解影響度に加算する方式
であっても構わない。

【００４６】続いて、処理中の分類文書の類似度算出結
果が残っているか判断し（ステップ３５４）、残ってい
る場合はステップ３５３に戻り、ステップ３５３の処理
を繰り返す。この処理の対象となるのはすべての類似度
算出結果でも構わないし、類似度の高いものから何件、
または類似度や確度が一定の値以上のものでも構わな
い。一方、処理する類似度算出結果が残っていない場合
はステップ３５５に進む。

【００４７】ステップ３５５では、他に正解情報が残っ
ているかを判断し（ステップ３５５）、残っている場合
はステップ３５２に戻り、上述したステップ３５２から
３５４までの処理を繰り返し、残っていなければ、ステ
ップ３５６に進む。ここで、正解情報が残っている場
合、すなわち別の分類文書による計算結果を用いる場合
は、その正解情報に対応する分類文書ＩＤで管理された
算出結果を用いることになる。

【００４８】このようにして、登録文書ごとにいくつか
の分類文書についてそれぞれ正解／不正解影響度を求
め、登録文書ごとに格納した結果となる、正解／不正解
影響度格納バッファ部２５４の例を図１０に示す。例え
ば登録文書ＩＤ「１」の文書について、登録分野は「エ
ンジン」であり、正解影響度は0.00249、不正解影響度
は0.25382、となる。正解影響度の大きい登録文書は、
所定の分類文書と同じ分野であり、一般的に類似度も高
く、確度も高いということができる。一方、不正解影響
度の大きい登録文書は、所定の分類文書と異なる分野で
あるが、類似度や確度が高く、紛らわしい文書であると
いうことができる。

【００４９】ステップ３５６では、ステップ３５３で正
解／不正解影響度格納バッファ部２５５に格納した、正
解／不正解影響度をもとに、データベースに登録されて
いる各登録文書について「削除文書候補点数」を算出す
る。この削除文書候補点数の算出式の例を図１１に示
す。ここで、削除文書候補点数は、「不正解影響度÷
（正解影響度＋０．００１）」で求められる。分母とな
る正解影響度に０．００１を加えているのは、正解影響
度が０である文書があった場合に０による除算エラーが
発生するのを防ぐためである。この式によれば、正解影
響度に比して不正解影響度が大きい登録文書が削除文書
候補点数が高くなる。削除文書候補点数算出部２０８は
算出した結果を削除文書候補格納バッファ部２５５に格
納する。

【００５０】図１２の例は、図１０の類似度算出結果格
納バッファ部２５３に格納されている類似度算出結果を
図１１に示す削除文書候補点数の算出式を用いて点数を
算出した結果を表す。この結果は削除文書候補格納バッ
ファ部２５５に格納される。例えば登録文書ＩＤ「１」
の登録文書について、その削除文書候補点数は「0.2538
2／（0.00249＋0.001」で求められ、その値は72.72779
となる。

【００５１】次に、正解／不正解影響度データが残って
いるか、すなわち削除候補点数を算出する登録文書が残
っているかを判断し（ステップ３５７）、残っていれば
ステップ３５６に戻り、ステップ３５６を繰り返す。正
解／不正解影響度データが残っていない場合はステップ
３５８に進む。

【００５２】ステップ３５８では、ステップ３５６で算
出した削除文書候補点数を用いて削除文献候補格納バッ
ファ部２５５の内容をソートし、削除文書候補点数の高
い文書順に削除文書候補として出力する。図１３に、削
除文書候補の出力例を示す。登録文書ＩＤが9924の文書
は、計測機器分野の文書で、削除文書候補点数が129.16
973であることを表す。

【００５３】以上で、第２のステップである登録文書削
除候補出力処理を終了する。ユーザはこの出力を見て、
データベースから削除すべき登録文書を選択することが
できる。この選択まで、自動的に実行させることも可能
である。

【００５４】複数の分野と関連の深い（類似性の高い）
分野の文書は、１つの分野に特定することが難しく、特
定した分野が正解分野と一致する確率も低くなる傾向に
ある。本発明では確度が低い場合には不正解への影響度
として加算する値を低くするので、そのような分野の文
書が優先的に削除されることによる、分類精度の低下を
抑えることができる。

【００５５】また、分類する文書に分野の特徴を表す単
語が少ないような分類処理に不向きな文書を分類した場
合、正解分野に特定される確率は低くなる。このような
文書を分類処理した場合、分野特定結果が不正解であっ
ても、確度が小さければ不正解影響度として類似度が加
算されにくくなるため、削除文書候補の抽出時に不適当
な候補が抽出されることを少なくできる。

【００５６】

【発明の効果】以上説明したように、この発明によれ
ば、分類の精度を維持しながら、データベースのメンテ
ナンスを行うことが可能となる。

【図面の簡単な説明】

【図１】本発明の実施形態に係わる類似文書検索装置の
ハードウェア構成を示すブロック図。

【図２】本発明の実施形態に係わる類似文書検索装置の
制御装置の機能ブロック図。

【図３】文書分類処理の流れを示すフローチャート図。

【図４】削除文書の候補を出力する処理の流れを示すフ
ローチャート図。

【図５】分類文書の例を示す図。

【図６】登録文書の例を示す図。

【図７】類似度算出結果の例を示す図。

【図８】確度算出の例を示す図。

【図９】分類結果の出力例を示す図。

【図１０】正解／不正解影響度の例を示す図。

【図１１】削除文書候補点数計算式の例を示す図。

【図１２】削除文書候補格納の例を示す図。

【図１３】削除文書候補出力の例を示す図。

【符号の説明】

１…制御装置、２…入力装置、３…表示装置、４…外部
記憶装置、２００…プログラム部、２０１…初期化部、
２０２…分類文書入力部、２０３…登録文書読み込み
部、２０４…類似度算出部、２０５…確度算出部、２０
６…分類結果出力部、２０７…正解／不正解影響度格納
部、２０８…削除文書候補点数算出部、２０９…削除文
書候補出力部、２５０…バッファ部、２５１…分類文書
格納バッファ部、２５２…登録文書格納バッファ部、２
５３…類似度算出結果格納バッファ部、２５４…正解／
不正解影響度格納バッファ部、２５５…削除文書候補格
納バッファ部

フロントページの続き (72)発明者 松隈 剛 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 (72)発明者 中本 幸夫 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 (72)発明者 山崎 弘 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 Ｆターム(参考） 5B075 ND03 NK32 PQ36 QM07 QM08 UU06

Claims (10)

【特許請求の範囲】
1. 【請求項１】 分野情報を有する登録文書を記録したデ
   ータベースを管理する管理装置であって、 所定の文書を入力する第一入力手段と、 前記データベースに登録された登録文書を読み込む読み
   込み手段と、 前記所定の文書と前記登録文書との間の類似度を算出す
   る類似度算出手段と、 前記類似度算出手段により算出された類似度をもとに、
   確度を算出する確度算出手段と、 前記所定の文書の属する分野を入力する第二入力手段
   と、 前記所定の文書の属する分野と、前記登録文書が登録さ
   れている分野との一致／不一致を判別する判別手段と、 前記判別手段が前記所定の文書の属する分野と、前記登
   録文書が登録されている分野とが一致していると判別し
   た場合、前記類似度と前記確度をもとに正解影響度を算
   出する正解影響度算出手段と、 前記判別手段が前記所定の文書の属する分野と、前記登
   録文書が登録されている分野とが一致していないと判別
   した場合、前記類似度と前記確度をもとに不正解影響度
   を算出する正解影響度算出手段と、 前記正解影響度及び前記不正解影響度から削除文書候補
   点数を算出する削除文書候補点数算出手段とを具備する
   ことを特徴とするデータベース管理装置。
2. 【請求項２】 前記データベース管理装置は、所定の文
   書を複数入力することが可能であり、前記正解影響度算
   出手段及び前記不正解影響度算出手段はこの複数の所定
   の文書ごとに正解影響度や不正解影響度を算出し、 前記登録文書ごとにこれらの正解影響度及び不正解影響
   度を累算することを特徴とする請求項１記載のデータベ
   ース管理装置。
3. 【請求項３】 前記確度算出手段は、当該登録文書の類
   似度を当該登録文書を含む他の登録文書の類似度の和で
   除算した値を確度として算出することを特徴とする請求
   項１記載のデータベース管理装置。
4. 【請求項４】 前記正解影響度算出手段は、前記類似度
   と前記確度との積を正解影響度として算出することを特
   徴とする請求項１ないし３記載のデータベース管理装
   置。
5. 【請求項５】 前記不正解影響度算出手段は、前記類似
   度と前記確度との積を正解影響度として算出することを
   特徴とする請求項１ないし３記載のデータベース管理装
   置。
6. 【請求項６】 分野情報を有する登録文書を記録したデ
   ータベースを管理するデータベース管理方法であって、 所定の文書を入力する第一入力ステップと、 前記データベースに登録された登録文書を読み込む読み
   込みステップと、 前記所定の文書と前記登録文書との間の類似度を算出す
   る類似度算出ステップと、 前記類似度算出ステップにより算出された類似度をもと
   に、確度を算出する確度算出ステップと、 前記所定の文書の属する分野を入力する第二入力ステッ
   プと、 前記第二入力ステップで入力された所定の文書の属する
   分野と、前記登録文書が登録されている分野との一致／
   不一致を判別する判別ステップと、 前記判別ステップにおいて、手段が前記所定の文書の属
   する分野と、前記登録文書が登録されている分野とが一
   致していると判別した場合、前記類似度と前記確度をも
   とに正解影響度を算出する正解影響度算出ステップと、 前記判別手段が前記所定の文書の属する分野と、前記登
   録文書が登録されている分野とが一致していないと判別
   した場合、前記類似度と前記確度をもとに不正解影響度
   を算出する正解影響度算出ステップと、 前記正解影響度及び前記不正解影響度から削除文書候補
   点数を算出する削除文書候補点数算出ステップとを具備
   することを特徴とするデータベース管理方法。
7. 【請求項７】 前記データベース管理方法は、所定の文
   書を複数入力することが可能であり、前記正解影響度算
   出ステップ及び前記不正解影響度算出ステップはこの複
   数の所定の文書ごとに正解影響度や不正解影響度を算出
   し、 前記登録文書ごとにこれらの正解影響度及び不正解影響
   度を累算することを特徴とする請求項６記載のデータベ
   ース管理方法。
8. 【請求項８】 前記確度算出ステップは、当該登録文書
   の類似度を当該登録文書を含む他の登録文書の類似度の
   和で除算した値を確度として算出することを特徴とする
   請求項６記載のデータベース管理方法。
9. 【請求項９】 前記正解影響度算出ステップは、前記類
   似度と前記確度との積を正解影響度として算出すること
   を特徴とする請求項６ないし８記載のデータベース管理
   方法。
10. 【請求項１０】前記不正解影響度算出ステップは、前記
    類似度と前記確度との積を正解影響度として算出するこ
    とを特徴とする請求項６ないし８記載のデータベース管
    理方法。