JP2003132332A

JP2003132332A - 学習データ作成支援装置

Info

Publication number: JP2003132332A
Application number: JP2001328491A
Authority: JP
Inventors: Tadashi Hoshiai; 忠星合
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2001-10-26
Filing date: 2001-10-26
Publication date: 2003-05-09

Abstract

(57)【要約】【課題】電子化された情報類を自動分類するために必要
な学習データを効率よく作成する学習データ作成支援装
置を提供すること。【解決手段】このため、本発明の学習データ作成支援装
置では、情報源の情報類を格納する情報源格納手段１
と、分類カテゴリ階層を格納するカテゴリ階層手段２
と、分類カテゴリごとに所属する情報類の情報ＩＤ群を
格納する分類用学習データ格納手段３と、前記情報源格
納手段の情報類から学習データの第１次近似となる情報
類−カテゴリ対を抽出して前記分類用学習データ格納手
段に格納する近似分類手段４と、複数のカテゴリにまた
がる情報類をそれぞれの所属するカテゴリから削除し
て、分類カテゴリ間の内容の排他性を確保するカテゴリ
排他手段５と、支援装置の状態をユーザに表示する出力
手段７と、ユーザの選択や要求等を入力する入力手段８
と、前記各手段を制御する制御手段６を具備する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書、インターネ
ットホームページ、電子メール、ニュース記事などの電
子化された情報類に対する、分類、話題分野抽出などの
情報利用技術および人工知能等の機械学習における学習
データ作成支援装置に関する。

【０００２】

【従来の技術】文書やインターネットホームページ、電
子メール、ニュース記事等の情報類を、既知の分類体系
の中に自動分類する場合には、前提として分類カテゴリ
の特徴を代表するような学習用のデータすなわち教師情
報（正解セット）を必要とする。例えば分類カテゴリと
して「政治」に対しては、「国会は衆議院と参議院で構
成される。」とか、「内閣総理大臣は××××であ
る。」の如き、学習対象の典型例を学習用のデータとし
て多数必要とする。そして未分類の文書等は、この学習
用のデータと比較され、その分類カテゴリが判断される
ことになる。

【０００３】この学習データは、分類カテゴリが例えば
Ａ、Ｂ、Ｃ、Ｄの４カテゴリある場合に、カテゴリＡ〜
Ｄに対してそれぞれ所属する情報類をＡ００１、Ａ００
２、・・・、Ａ１００；Ｂ００１、Ｂ００２、・・・、
Ｂ１００；Ｃ００１、Ｃ００２、・・・、Ｃ１００；Ｄ
００１、Ｄ００２、・・・、Ｄ１００のように用意する
ことである。

【０００４】

【発明が解決しようとする課題】ところでこれらの学習
データ作成作業は、人が情報類を読んでそれが所属する
分類カテゴリを判断するという１００％人手作業であっ
た。そのためカテゴリ当たり１００件の学習データを用
意する場合、例えばカテゴリ総数が１０００カテゴリー
の分類を用いて分類付けする場合、１０万件の学習用デ
ータを作成することが必要となる。

【０００５】このように、大規模な自動分類システムを
構築しようとする場合には、この学習データ作成のため
の人手作業の工数がボトルネックとなるので、この学習
データ作成作業を支援する技術の開発が、人手工数の大
幅に削減のため期待されていた。したがって本発明の目
的は、このような学習データ作成作業を支援する装置を
提供することである。

【０００６】

【課題を解決するための手段】本発明の原理図を図１に
示す。図１において１は情報源格納部、２はカテゴリ階
層部、３は分類用学習データ格納部、４は近似分類生成
手段、５はカテゴリ排他手段、６は制御部、７は出力
部、８は入力部である。

【０００７】本発明の前記目的は下記（１）〜（５）に
より達成することができる。

【０００８】（１）情報源の情報類を格納する情報源格
納手段１と、分類カテゴリ階層を格納するカテゴリ階層
手段２と、分類カテゴリごとに所属する情報類の情報Ｉ
Ｄ群を格納する分類用学習データ格納手段３と、前記情
報源格納手段１の情報類から学習データの第１次近似と
なる情報類−カテゴリ対を抽出して前記分類用学習デー
タ格納手段に格納する近似分類手段４と、複数のカテゴ
リにまたがる情報類をそれぞれの所属するカテゴリから
削除して、分類カテゴリ間の内容の排他性を確保するカ
テゴリ排他手段５と、支援装置の状態をユーザに表示す
る出力手段７と、ユーザの選択や要求等を入力する入力
手段８と、前記各手段を制御する制御手段６を具備した
ことを特徴とする学習データ作成支援装置。

【０００９】（２）前記分類用学習データ格納手段３か
ら情報類を標本抽出し、統計的検定を行い、ユーザが正
解と判定した正解データ、および、標本抽出されなかっ
た情報類を前記分類用学習データ格納手段３に格納する
標本抽出検定手段９を具備したことを特徴とする前記
（１）記載の学習データ作成支援装置。

【００１０】（３）前記標本抽出検定手段９は、前記分
類用学習データ格納手段から情報類を標本抽出し、統計
的検定を行い、ユーザが判定した正解データ、および、
標本抽出されなかった情報類はそのまま前記分類用学習
データ格納手段３に格納し、不正解データはユーザの入
力した正しい分類カテゴリの正解データとして前記分類
用学習データ格納手段３に格納することを特徴とする前
記（２）記載の学習データ作成支援装置。

【００１１】（４）前記標本抽出検定手段９は、前記分
類用学習データ格納手段３から情報類をロット単位で標
本抽出し、ユーザが判定した正解データ群に対して統計
的検定を行い、所定の正解率を有意に保証されるロット
のみを前記分類用学習データ格納手段３に格納したこと
を特徴とする前記（２）記載の学習データ作成支援装
置。

【００１２】（５）前記標本抽出検定手段９は、前記分
類用学習データ格納手段３から情報類をロット単位で標
本抽出し、ユーザが判定した正解データ群に対して統計
的検定を行い、所定の正解率を有意に保証されるロット
を合格ロットとし、合格ロット中の正解データ及び入手
判定されないデータ、及び、不合格ロット中の正解デー
タは前記分類用学習データ格納手段３に格納し、合格ロ
ット中の不正解データ、及び、不合格ロット中の不正解
データは、ユーザの入力した正しい分類カテゴリの正解
データとして前記分類用学習データ格納手段３に格納す
ることを特徴とする前記（２）記載の学習データ作成支
援装置。

【００１３】これにより下記の作用効果を奏することが
できる。

【００１４】（１）自動分類用の学習データの作成作業
を支援して、人手のみにより作成する場合に比べて作業
効率を向上することができ、同一量の学習データを作成
する場合の作業を軽減することができ、従来と比較して
大規模な分類システムを構築する場合の学習データを容
易に用意することができる。また分類カテゴリ間の排他
性を保つように学習データを作成するので、実際の自動
分類における学習段階での学習精度を向上することがで
きる。

【００１５】（２）分類用学習データ格納手段から情報
類をランダムにサンプリング抽出してユーザが正解デー
タか否かをチェックできるので、効率よく情報源のデー
タ分布を反映した学習データを作成することができる。

【００１６】（３）分類用学習データ格納手段から情報
類をサンプリング抽出し、ユーザが正解データか否かを
チェックしたとき正解データをそのまま分類用学習デー
タ格納手段に格納するのみならず、不正解データも分類
カテゴリを補正して、正しい分類カテゴリに対する正解
データとして分類用学習データ格納手段に格納するの
で、不正解データを捨てずに他のカテゴリの正解データ
として使用することができ、正解データのチェックを能
率よく行うことができる。

【００１７】（４）分類用学習データ格納手段から情報
類をロット単位でサンプル抽出し、ユーザが判断した正
解データ群に対して統計的検定を行い、所定の正解率を
有意に保証されるロットのみを学習データとして使用す
るので大量の学習データの正解か否かを能率的に判断す
ることができ、大規模な分類システムに対処することが
できる。

【００１８】（５）分類用学習データ格納手段から情報
類をロット単位でサンプル抽出し、ユーザが判断した正
解データ群に対して統計的検定を行い、所定の正解率を
有意に保証されるロットのみを学習データとして使用す
るのみならず、合格ロット中の不正解データ、不合格ロ
ット中の不正解データを捨てずに分類カテゴリを補正し
て、本来の正しい分類カテゴリの正解データとして使用
することができるので、大量の学習データの正解か否か
をさらに能率的に判断することができ、大規模な分類シ
ステムに対処することができる。

【００１９】

【発明の実施の形態】本発明の一実施の形態を図１にも
とづき説明する。図１は本発明の学習データ作成支援装
置の一実施の形態を示し、１は情報源格納部、２はカテ
ゴリ階層部、３は分類用学習データ格納部、４は近似分
類生成手段、５はカテゴリ排他手段、６は制御部、７は
出力部、８は入力部である。なおこれら各部、各手段
は、コンピュータにより構成されるものであることは明
らかである。

【００２０】情報源格納部１は、文書、インターネット
・ホームページ、電子メール、ニュース記事等の電子化
された情報類を、これら情報類をＩＤ記号により区別す
るために、それぞれ異なるＩＤ記号である一意識別可能
な情報ＩＤとともに格納する。

【００２１】カテゴリ階層部２は、木構造の分類階層に
応じて、分類カテゴリの上位−下位関係がわかるように
カテゴリを格納しておく。なお分類体系が一階層の場合
は、カテゴリ階層部２は実質的に不要となる。

【００２２】分類用学習データ格納部３には、分類カテ
ゴリごとに所属する情報類の情報ＩＤ群を格納する。こ
のとき、一段階レベルの分類カテゴリ毎に学習データを
作成することが望ましい。

【００２３】近似分類生成手段４は、情報源格納部１の
情報類から、後述するように、学習データの第１次近似
となる情報類−カテゴリ対を抽出して分類用学習データ
格納部３に格納するものである。

【００２４】ここで第１次近似となる情報類の集め方と
しては、以下の〜のような条件に合う情報類を、例
えば検索エンジン等により集める。

【００２５】条件：．カテゴリ名をキーワードとする情報類を集める。

【００２６】カテゴリが「政治」の場合、「政治」とい
う単語を含む情報類を集める。

【００２７】．カテゴリ名及びサブカテゴリ名をキー
ワードとする情報類を集める。

【００２８】カテゴリが「政治」の場合、「選挙」とか
「外交」、「政党」等がサブカテゴリ名となるので、こ
れらをキーワードとする情報類を集める。

【００２９】．カテゴリ名及び当該カテゴリに関する
特徴語（サブカテゴリ名を含む）をキーワードとする情
報類を集める。

【００３０】カテゴリが「政治」の場合、特徴語として
「総理大臣」とか「首相官邸」等をキーワードとする情
報類を集める。

【００３１】．カテゴリ名及び当該カテゴリに関する
特徴語をキーワードとし、かつ当該カテゴリに関するス
トップワードを含まない情報類を集める。

【００３２】ここでストップワードとはキーワードにし
てはいけない語を示し、「私」とか、「行く」とか、多
くのカテゴリにおいて頻出するありふれた語をいう。

【００３３】．当該カテゴリに属するインターネット
ホームページ群として典型的であるＵＲＬ（Ｕｎｉｆｏ
ｒｍＲｅｓｏｕｒｃｅＬｏｃａｔｏｒ）のパターン
を満たす情報類を集める。

【００３４】．当該カテゴリに属するインターネット
ホームページ群として典型的であるＵＲＬのパターンを
満たし、特定のＵＲＬパターンを満たさない情報類を集
める。

【００３５】例えばホームページのアドレスとして「ｈ
ｔｔｐ：／／・・・ｇｏ．ｊｐ／」と記載されていると
き「ｇｏ．ｊｐ」の部分は「日本・政府」を示し、この
部分が「ｇｏｖ」の場合は「米政府」を示すので、「政
治」にはこのようなパターンの付加されている文書は使
用可能であるが、「スポーツ」には関係ないものと判断
する。

【００３６】．以上の〜の条件を組み合わせた情
報類を集める。

【００３７】カテゴリ排他手段５は、前記分類用学習デ
ータ格納部３に格納された情報類において複数のカテゴ
リにまたがる情報類をそれぞれの所属するカテゴリから
削除すること、つまり複数の全カテゴリから削除して、
分類カテゴリ間の内容の排他性を確保する。

【００３８】制御部６は、図１に示す学習データ作成支
援装置の各構成手段の全体のデータの流れを制御するも
のである。

【００３９】出力部７はこの学習データ作成支援装置の
状態をユーザに表示出力するものであり、学習データを
表示してその内容とカテゴリが一致しているか否か等を
チェック可能とするものである。

【００４０】入力部８は、この学習データ作成支援装置
に対し、ユーザの選択や要求等を入力するものであっ
て、例えば前記構成手順により得た学習データ候補の内
容の適切度は、前記〜の第１次近似の具体的条件に
より様々であり、人手による確認を経てから学習データ
とすることが望ましいが、この際、出力部７に学習デー
タの候補を分類用学習データ格納部３より１つずつ取り
出し、その表示された学習データが表示されたカテゴリ
と一致しているか否かを判断し、確認結果を入力する等
の処理を行うものである。

【００４１】初期状態では分類用学習データ格納部３は
空の状態であり、以下の手順により学習データ候補を得
ることができる。

【００４２】すなわち近似分類生成手段４が情報源格納
部１の情報類から、学習データの第１次近似となる情報
類−カテゴリ対を抽出して分類用学習データ格納部３に
格納する。

【００４３】このとき、第１次近似となる情報類は、前
記〜の条件に合う情報類を、近似分類生成手段４の
検索エンジン等により集める。

【００４４】このように分類用学習データ格納部３にお
いて格納された情報類に対して、カテゴリ排他手段５が
複数のカテゴリにまたがる情報類を検出して、それぞれ
の所属するカテゴリから削除し、分類カテゴリ間の内容
の排他性を確保する。

【００４５】このような手順により、学習データ候補が
分類用学習データ格納部３に得られることになるが、そ
の内容の適切度は、前記〜の１次近似の条件により
様々であり、これを出力部７で表示し、その適否修正を
入力部８で行い、人手による確認を経てから学習データ
とすることが望ましい。

【００４６】このように、図１に示す本発明の学習デー
タ作成支援装置には次のような利点がある。

【００４７】人手で必要なだけ情報源中の情報類を読ん
で分類カテゴリに所属する情報類を所定数だけ集める作
業と比べて、近似分類生成手段により、最初から当該カ
テゴリに近いと期待できる情報類をチェックすればよい
ので、作業効率の向上が期待できる。

【００４８】分類カテゴリ間の排他性を保つように学習
データを作成するので、実際の自動分類における学習段
階での学習精度を向上することが期待できる。

【００４９】データ管理をコンピュータにより行うこと
により、人手に比較して作業効率の向上が期待できる。

【００５０】本発明の第２の実施の形態を図２により説
明する。図中、他図と同記号は同一部分を示し、９は標
本抽出検定手段である。

【００５１】標本抽出検定手段９は、分類用学習データ
格納部３に格納された情報類に対して統計的な標本抽出
及び検定を行って、合格と判定されたデータを学習デー
タとして分類用学習データ格納部に格納するものであ
る。

【００５２】図２の動作について説明する。

【００５３】カテゴリ排他手段５を適用するまでの手順
は、前記図１で説明した第１の実施の形態と同様であ
る。それから標本抽出検定手段９は、分類用学習データ
格納部３中の情報類に対し、サンプリング抽出すべき情
報類の番号をランダムで定め、情報類を所定数抽出す
る。

【００５４】標本抽出検定手段９は、このように標本抽
出した情報類を、制御部６の制御により出力部７に送出
してユーザに順次表示する。ユーザは、この出力部７に
表示された情報類と分類カテゴリ名を見比べて、正しい
か否かを判断し、ユーザはその判断結果を入力部８より
入力する。

【００５５】このユーザの検定により正しいものと入力
部８から入力判断された場合は、当該情報類を当該分類
カテゴリの正解データとみなし、分類用学習データ格納
部３の対応する分類カテゴリの学習データとして格納す
る。必要であれば所定数の正解データが得られるまで以
上を繰り返す。

【００５６】統計的検定として所定数の正解データが得
られたとき、人手判定されなかった情報類をエラーは少
数存在可能性があるものの、合格と判断し、分類用学習
データ格納部３の対応する分類カテゴリの学習データと
して格納する。

【００５７】本発明の第３の実施の形態を図２により説
明する。第３の実施の形態では前記第２の実施の形態に
おいて不正解データに対して分類カテゴリを修正し、正
解データとして使用するものである。

【００５８】カテゴリ排他手段５を適用するまでの手順
は、前記第１の実施の形態と同様である。それから標本
抽出検定手段９は、分類用学習データ格納部３中の情報
類に対して、サンプリング抽出すべき情報類の番号をラ
ンダムで定め、情報類を所定数抽出する。

【００５９】標本抽出検定手段９は、このように標本抽
出した情報類を、制御部６の制御により出力部７に送出
してユーザに表示する。ユーザはこの出力部７に表示さ
れた情報類と分類カテゴリ名を見比べて正しいか否かを
判断し、ユーザはその判断結果を入力部８より入力す
る。

【００６０】このユーザの検定により正しいものと入力
部８から入力判断された場合は、当該情報類を当該分類
カテゴリの正解データとして、分類用学習データ格納部
３の対応する分類カテゴリの学習データとして格納す
る。

【００６１】ユーザがみて、不正解データの場合、ユー
ザに対して当該情報類が本来分類されるべき正しい分類
カテゴリを入力部８より入力させ、入力された本来の分
類カテゴリの正解データとして当該情報類を分類用学習
データ格納部３に格納する。

【００６２】必要であれば所定数の正解データが得られ
るまで以上を繰り返す。

【００６３】統計的検定として所定数の正解データが得
られたとき、人手判定されなかった情報類を、エラーは
少数存在可能性があるものの合格と判断し、分類用学習
データ格納部３の対応する分類カテゴリの学習データと
して格納する。

【００６４】本発明の第４の実施の形態を図２により説
明する。第４の実施の形態では、前記第２の実施の形態
において、情報類をロット単位でランダムにサンプリン
グ抽出したあと、抽出されたロットから所定数の情報類
を更にランダムに標本抽出し、正しいか否かを判断する
ものである。

【００６５】カテゴリ排他手段５を適用するまでの手順
は、前記第１の実施の形態と同様である。それから標本
抽出検定手段９は、分類用学習データ格納部３中の情報
類に対して、サンプリング抽出すべきロットの番号をラ
ンダムに定め、情報類をロットを単位で所定数標本抽出
する。そして更に抽出されたロットから、所定数の情報
類をランダムに所定数標本抽出する。

【００６６】標本抽出検定手段９は、このようにして抽
出した情報類を、制御部６の制御により出力部７に送出
してユーザに表示する。ユーザはこの出力部７に表示さ
れた情報類と分類カテゴリ名を見比べて正しいか否かを
判断し、ユーザはその判断結果を入力部８より入力す
る。

【００６７】このユーザの検定により正しいものと入力
部８から入力判断された場合は、当該情報類を当該分類
カテゴリのロット正解データとし、正解でない場合は当
該情報類を当該分類カテゴリのロット不正解データとす
る。

【００６８】それからユーザの判断に基づいたロットの
データ群に対して統計的検定を行い、正解データが所定
数以上存在する有意水準に対して当該ロットが合格ロッ
トとみなせるか否かを統計的に検定する。そして合格ロ
ット（所定の正解率を有意に保証されるロット）中の正
解データおよび人手判定されないデータ、および、不合
格ロット中の正解データを分類用学習データ格納部３の
対応する分類カテゴリの学習データとして格納する。

【００６９】必要であれば所定数の正解データが得られ
るまで以上を繰り返す。

【００７０】本発明の第５の実施の形態を図２により説
明する。第５の実施の形態は第４の実施の形態におい
て、不正解データを、ユーザにより訂正入力された本来
の分類カテゴリの正解データとして使用するものであ
る。

【００７１】カテゴリ排他手段５を適用するまでの手順
は、前記第１の実施の形態と同様である。それから標本
抽出検定手段９は、分類用学習データ格納部３中の情報
類に対して、サンプリング抽出すべきロットの番号をラ
ンダムに定め、情報類をロット単位で所定数標本抽出す
る。そして更に抽出されたロットから所定数の情報類を
ランダムに所定数標本抽出する。

【００７２】標本抽出検定手段９は、このようにして抽
出した情報類を、制御部６の制御により出力部７に送出
してユーザに表示する。ユーザはこの出力部７に表示さ
れた情報類と分類カテゴリ名を見比べて正しいか否かを
判断し、ユーザはその判断結果を入力部８より入力す
る。

【００７３】このユーザの検定により正しいものと入力
部８から入力判断された場合は、当該情報類を当該分類
カテゴリのロット正解データとし、正解でない場合は当
該情報類を当該分類カテゴリのロット不正解データとす
る。そしてこの不正解データについて、ユーザに対して
当該情報類が本来分類されるべき正しい分類カテゴリを
入力部８より入力させる。

【００７４】このようにしてユーザの判断に基づいたロ
ットのデータ群に対して統計的検定を行い、正解データ
が所定数以上存在する有意水準に対して当該ロットが合
格ロットとみなせるか否かを統計的に検定する。

【００７５】なお、合格ロット中の正解データおよび人
手判定されないデータ、および、不合格ロット中の正解
データは分類用学習データ格納部３に格納する。

【００７６】また合格ロット中の不正解データ、およ
び、不合格ロット中の不正解データは、ユーザの入力し
た本来の分類カテゴリの正解データとして分類用学習デ
ータ格納部３に格納する。

【００７７】必要であれば所定数の正解ロット、あるい
は正解データが得られるまで以上を繰り返す。

【００７８】以上により合格ロットの場合、人手判定し
ない情報類はすべて正解データとみなされて、分類用学
習データ格納部３に格納されるので、ロットから標本抽
出して人手判定する情報類の数に対してロット中の情報
類の数が多ければ多いほど、人手判定よりも多くの情報
類を正解セットとして作成することが可能になる。

【００７９】

【発明の効果】本発明により下記の効果を奏することが
できる。

【００８０】（１）自動分類用の学習データの作成作業
を支援して、人手のみにより作成する場合に比べて作業
効率を向上することができ、同一量の学習データを作成
する場合の作業を軽減することができ、従来と比較して
大規模な分類システムを構築する場合の学習データを容
易に用意することができる。また分類カテゴリ間の排他
性を保つように学習データを作成するので、実際の自動
分類における学習段階での学習精度を向上することがで
きる。

【００８１】（２）分類用学習データ格納手段から情報
類をランダムにサンプリング抽出してユーザが正解デー
タか否かをチェックできるので、効率よく情報源のデー
タ分布を反映した学習データを作成することができる。

【００８２】（３）分類用学習データ格納手段から情報
類をサンプリング抽出し、ユーザが正解データか否かを
チェックしたとき正解データをそのまま分類用学習デー
タ格納手段に格納するのみならず、不正解データも分類
カテゴリを補正して、正しい分類カテゴリに対する正解
データとして分類用学習データ格納手段に格納するの
で、不正解データを捨てずに他のカテゴリの正解データ
として使用することができ、正解データのチェックを能
率よく行うことができる。

【００８３】（４）分類用学習データ格納手段から情報
類をロット単位でサンプル抽出し、ユーザが判断した正
解データ群に対して統計的検定を行い、所定の正解率を
有意に保証されるロットのみを学習データとして使用す
るので大量の学習データの正解か否かを能率的に判断す
ることができ、大規模な分類システムに対処することが
できる。

【００８４】（５）分類用学習データ格納手段から情報
類をロット単位でサンプル抽出し、ユーザが判断した正
解データ群に対して統計的検定を行い、所定の正解率を
有意に保証されるロットのみを学習データとして使用す
るのみならず、合格ロット中の不正解データ、不合格ロ
ット中の不正解データを捨てずに分類カテゴリを補正し
て、本来の正しい分類カテゴリの正解データとして使用
することができるので、大量の学習データの正解か否か
をさらに能率的に判断することができ、大規模な分類シ
ステムに対処することができる。

【図面の簡単な説明】

【図１】本発明の一実施の形態を示す。

【図２】本発明の他の実施の形態を示す。

【符号の説明】

１情報源格納部２カテゴリ階層部３分類用学習データ格納部４近似分類生成手段５カテゴリ排他手段６制御部７出力部８入力部９標本抽出検定手段

Claims

【特許請求の範囲】

【請求項１】情報源の情報類を格納する情報源格納手段
と、分類カテゴリ階層を格納するカテゴリ階層手段と、分類カテゴリごとに所属する情報類の情報ＩＤ群を格納
する分類用学習データ格納手段と、前記情報源格納手段の情報類から学習データの第１次近
似となる情報類−カテゴリ対を抽出して前記分類用学習
データ格納手段に格納する近似分類手段と、複数のカテゴリにまたがる情報類をそれぞれの所属する
カテゴリから削除して、分類カテゴリ間の内容の排他性
を確保するカテゴリ排他手段と、支援装置の状態をユーザに表示する出力手段と、ユーザの選択や要求等を入力する入力手段と、前記各手段を制御する制御手段を具備したことを特徴と
する学習データ作成支援装置。
【請求項２】前記分類用学習データ格納手段から情報類
を標本抽出し、統計的検定を行い、ユーザが正解と判定
した正解データ、および標本抽出されなかった情報類を
前記分類用学習データ格納手段に格納する標本抽出検定
手段を具備したことを特徴とする請求項１記載の学習デ
ータ作成支援装置。
【請求項３】前記標本抽出検定手段は、前記分類用学習
データ格納手段から情報類を標本抽出し、統計的検定を
行い、ユーザが判定した正解データ、および、標本抽出
されなかった情報類はそのまま前記分類用学習データ格
納手段に格納し、不正解データはユーザの入力した正し
い分類カテゴリの正解データとして前記分類用学習デー
タ格納手段に格納することを特徴とする請求項２記載の
学習データ作成支援装置。
【請求項４】前記標本抽出検定手段は、前記分類用学習
データ格納手段から情報類をロット単位で標本抽出し、
ユーザが判定した正解データ群に対して統計的検定を行
い、所定の正解率を有意に保証されるロットのみを前記
分類用学習データ格納手段に格納したことを特徴とする
請求項２記載の学習データ作成支援装置。
【請求項５】前記標本抽出検定手段は、前記分類用学習
データ格納手段から情報類をロット単位で標本抽出し、
ユーザが判定した正解データ群に対して統計的検定を行
い、所定の正解率を有意に保証されるロットを合格ロッ
トとし、合格ロット中の正解データ及び入手判定されないデー
タ、及び、不合格ロット中の正解データは前記分類用学
習データ格納手段に格納し、合格ロット中の不正解データ、及び、不合格ロット中の
不正解データは、ユーザの入力した正しい分類カテゴリ
の正解データとして前記分類用学習データ格納手段に格
納することを特徴とする請求項２記載の学習データ作成
支援装置。