JP2003178082A - 文書情報を分類する装置および方法 - Google Patents

Abstract

(57)【要約】 【目的】 入力された文書情報について，その文書情報
が属する分類を決定する。 【構成】 文書入力装置11により入力された文書情報か
らキーワード候補がキーワード抽出装置12により抽出さ
れ，抽出されたキーワード候補のそれぞれについてキー
ワード統計情報がキーワード統計情報作成装置13により
作成される。分類別重要度辞書16には，各見出し語につ
いて各分類における分類別重要度があらかじめ登録され
ている。分類決定装置15はキーワード統計情報作成装置
13から与えられる各キーワード候補についての各分類に
おける分類別重要度を，分類別重要度辞書16から得，キ
ーワード候補の分類別重要度辞書とキーワード統計情報
に含まれる情報とに基づいて，入力された文書情報の属
する分類を決定する。

Description

【発明の詳細な説明】

【０００１】

【技術分野】この発明は，文書情報を分類する装置およ
び方法に関する。

【０００２】

【背景技術】文書情報からキーワードを自動抽出し，抽
出したキーワードの重要度を評価する技術が特開平３−
135669号公報に記載されている。

【０００３】しかしながら，この技術においては文書か
ら抽出されたキーワードを統制語キーワードに変換する
機能が付加されていないので，統制語キーワードを文書
のキーワードとして登録するデータ・ベース・システム
を利用する場合，人手によって統制語キーワードを文書
に付加して登録しなければならないという問題点があっ
た。

【０００４】また，統制語キーワードを文書のキーワー
ドとして登録しているデータ・ベース・システムを検索
する場合，検索条件中に自然語キーワードを統制語キー
ワードに変換しなければならないという問題点があっ
た。

【０００５】出願人は，入力された文書情報とともにそ
の統制語を登録できる文書処理装置および方法，検索条
件として文書情報を入力し，この文書情報と使用されて
いる用語の観点から類似すると判断される文書情報を検
索できるデータ・ベース検索装置および方法，ならびに
入力された文書情報から統制語を作成する装置および方
法を提案した（特願平５−124751）。これらの装置およ
び方法では，文書情報の分類の入力（マニュアル入力ま
たは文書情報に基づく自動作成）が必要である。

【０００６】

【発明の開示】この発明は，一般的に，入力された文書
情報を分類する装置および方法を提供することを目的と
するものである。

【０００７】この発明による入力された文書情報を分類
する装置は，文書情報を入力する文書入力手段，文書入
力手段により入力された上記文書情報からキーワード候
補を抽出するキーワード抽出手段，上記キーワード抽出
手段により抽出された上記キーワード候補に関するキー
ワード統計情報を作成するキーワード統計情報作成手
段，複数の第１の見出し語，および上記第１の各見出し
語についてそれが属する分類毎に分類別重要度があらか
じめ登録されている分類別重要度辞書，および上記キー
ワード抽出手段により抽出されたキーワード候補の分類
別重要度を上記分類別重要度辞書から読出し，上記キー
ワード候補の上記分類別重要度と上記キーワード候補の
キーワード統計情報に含まれる情報とに基づいて，入力
された文書情報の属する分類を決定する分類決定手段を
備えている。

【０００８】この発明による入力された文書情報を分類
する方法は，複数の第１の見出し語，および上記第１の
各見出し語についてそれが属する分類毎に分類別重要度
を分類別重要度辞書にあらかじめ登録しておき，入力さ
れる文書情報を受付け，入力された上記文書情報からキ
ーワード候補を抽出し，抽出された上記キーワード候補
に関するキーワード統計情報を作成し，抽出されたキー
ワード候補の分類別重要度を上記分類別重要度辞書から
読出し，上記キーワード候補の上記分類別重要度と上記
キーワード候補のキーワード統計情報に含まれる情報と
に基づいて，入力された文書情報の属する分類を決定す
るものである。

【０００９】このようにして，入力された文書情報を，
分類別重要度辞書を用いて分類することができる。

【００１０】この発明による入力された文書情報を分類
する装置の好ましい実施態様においては，複数の第２の
見出し語，上記第２の各見出し語に関連する関連語，お
よび第２の見出し語と上記関連語との関連の度合いを表
わす関連度があらかじめ登録されている関連語辞書をさ
らに備え，上記キーワード統計情報作成手段は，上記キ
ーワード抽出手段により抽出された上記キーワード候補
のそれぞれについて，上記関連語辞書から関連語および
関連度を読出し，一のキーワード候補について読出した
関連語と同じ語が他のキーワード候補にあれば，該他の
キーワード候補のキーワード統計情報と読出した上記関
連度とに基づいて，上記一のキーワード候補のキーワー
ド統計情報の少なくとも一部の共有化的修正を行なうも
のである。

【００１１】したがって，抽出したキーワード候補のキ
ーワード統計情報が抽出したキーワード候補の関連語も
考慮して作成される。

【００１２】

【実施例の説明】第１実施例 図１は第１実施例における文書処理装置の全体的構成を
示すブロック図である。この実施例は特許文書から自然
語キーワードを抽出し，抽出した自然語キーワードのう
ち重要と判定されたものを，あらかじめ定められた特許
文書検索用統制語キーワードに変換し，これらの統制語
キーワードを文書とともにデータ・ベースに格納するも
のである。

【００１３】この文書処理装置はそのすべてをハードウ
ェア・アーキテクチャにより実現することもできるし，
プログラムされたコンピュータ・システムにより実現す
ることもできる。また文書処理装置の一部をハードウェ
アにより，他の部分をソフトウェアにより実現すること
もできる。

【００１４】文書入力装置11は特許文書情報（文書デー
タ）を入力するものであり，キーボード，イメージ・リ
ーダとそれによって読込まれたイメージ情報を文字コー
ドに変換する文字認識装置とからなるもの，電子化され
たファイルを入力するための読取装置等により実現され
る。

【００１５】図２に文書入力装置11から入力される特許
文書情報の一例が示されている。

【００１６】特許文書情報の一例として特許公開公報が
図示されている。特許文書情報には，特許公開公報番
号，国際特許分類，発明の名称，発明者名，出願人名等
の特許出願に関する方式データ，および発明の技術内容
を記載した明細書等が含まれる。明細書には「発明の名
称」，「特許請求の範囲」，「発明の詳細な説明」等の
項目が付加されている。

【００１７】文書入力装置11から入力された文書情報は
キーワード抽出装置12およびデータ・ベース管理システ
ム22に与えられる。

【００１８】キーワード抽出装置12は，文書入力装置11
から与えられた特許文書情報からキーワードの候補とな
るキーワード候補を抽出するものである。

【００１９】キーワード候補の抽出には最長一致法，構
文解析等が用いられる。例えば，キーワード候補の抽出
処理は次のようにして行なわれる。

【００２０】まず，入力された特許文書情報によって表
わされる文書の中から『が，は，に，を，の，な，な
ど，などの』等の助詞を持つ文節（「単語＋助詞」）ま
たは体言止めで終る名詞が探し出される。ま
た『。，，，・，｛｝，「」，〔〕，（），［］』等の
記号を持つ文節（「単語＋記号」）が探し出される。探
し出された文節は文章中から取り出される。取り出され
た文節から助詞または記号が削除され，単語すなわちキ
ーワード候補が抽出される。

【００２１】上述のようにして，図２に示される特許文
書情報から抽出されたキーワード候補が図３に示されて
いる。

【００２２】抽出されたキーワード候補は，キーワード
抽出装置12からキーワード統計情報作成装置13に与えら
れる。

【００２３】キーワード統計情報作成装置13は，キーワ
ード抽出装置12から与えられたキーワード候補について
キーワード候補毎にキーワード統計情報を作成し，関連
語辞書14を参照して一のキーワード候補の関連語を見つ
け出し，見付け出した関連語が他のキーワード候補と同
じ単語であったならば，当該一のキーワード候補のキー
ワード統計情報に含まれる出現回数，強調表現回数およ
び文法情報を，見付け出された関連語のキーワード統計
情報を用いて共有化的修正を行うものである。この共有
化的修正はすべてのキーワード候補毎に行なわれる。

【００２４】関連語辞書14の一例が図５に示されてい
る。関連語辞書14はハード・ディスク，ＲＯＭ等のメモ
リにより実現される。関連語辞書14には見出し語毎に，
この見出し語に関連のある関連語および見出し語と関連
語との関連の度合いを表わす関連度があらかじめ登録さ
れている。

【００２５】キーワード抽出装置12から与えられたキー
ワード候補のそれぞれについてのキーワード統計情報の
作成は次のように行なわれる。

【００２６】キーワード統計情報の種類には文字数，文
字種類，単語種類，出現回数，出現位置，強調表現回
数，文法情報等が含まれる。

【００２７】文字数はキーワード候補を構成する文字列
に含まれる文字数を表わす。たとえば，キーワード候補
「エラー検知」の文字数は「５」である。

【００２８】文字種類はキーワード候補を構成する文字
列に含まれる文字の種類を表わす。文字の種類として
は，漢字，ひらがな，カタカナ，アルファベット，数字
等がある。たとえば，キーワード候補「エラー検知」の
文字種類は「カタカナ，漢字混じり」となる。

【００２９】単語種類はキーワード候補である単語の種
類（文法上の品詞またはこれに類するもの）を表わす。
単語の種類としては，一般名詞，企業名，人名などがあ
る。たとえば，キーワード候補「エラー検知」の単語種
類は「一般名詞」である。

【００３０】出現回数は入力された一つの文書情報の中
で同一のキーワード候補が現われた回数を表わす。たと
えば，キーワード候補「エラー検知」の出現回数は
「２」である。

【００３１】出現位置は入力された文字情報の中でキー
ワード候補がどのような位置に出現したかを表わす。出
現位置は上述した，発明の名称，特許請求の範囲，発明
の詳細な説明等の項目によって表現される。たとえば，
キーワード候補「エラー検知」は「特許請求の範囲，発
明の詳細な説明」に出現している。

【００３２】強調表現回数は，キーワード候補に強調表
現（たとえば，『「」，［］，“”』等）が付加されて
いる回数を表わす。たとえば，キーワード候補「エラー
検知」には強調表現がないので，強調表現回数は「０」
である。

【００３３】文法情報はキーワード候補の直後に『が，
は，に，を』等の助詞が付く回数を表わす。たとえば，
キーワード候補「エラー検知」の直後には助詞「を」が
２回付いている。

【００３４】図３に示すキーワード候補のいくつかにつ
いてのキーワード統計情報の一例が図４に示されてい
る。

【００３５】各キーワード候補について作成されたキー
ワード統計情報の共有化的修正処理は，次のようにして
行なわれる。

【００３６】キーワード統計情報作成装置13は，与えら
れたキーワード候補のそれぞれについて，関連語辞書14
を検索して，キーワード候補の関連語とその関連度を読
出す。与えられたキーワード候補の中から読出した関連
語を探し出す。与えられたキーワード候補の中に関連語
が存在すると，その関連語のキーワード統計情報と関連
度とに基づいて，その関連語が関連するキーワード候補
のキーワード統計情報の一部が共有化的修正が行なわれ
る。キーワード統計情報中の文字数，出現回数，強調表
現回数および文法情報の各項目について，次のような演
算が行なわれる。

【００３７】 文字数 ：ＭＡＸ［文字数，（関連語の文字数）×（関連度）］ …(1) 出現回数 ：出現回数 ＋Σ［（関連語の出現回数）×（関連度）］ …(2) 強調表現回数：強調表現回数 ＋Σ［（関連語の強調表現回数）×（関連度）］ …(3) 文法情報 ：「が」の回数 ＋Σ［（関連語の「が」の回数）×（関連度）］ …(4) ：「は」の回数 ＋Σ［（関連語の「は」の回数）×（関連度）］ …(5) ：「に」の回数 ＋Σ［（関連語の「に」の回数）×（関連度）］ …(6) ：「を」の回数 ＋Σ［（関連語の「を」の回数）×（関連度）］ …(7)

【００３８】式(1) 〜(7) により各項目について演算が
行なわれると，キーワード候補の文字数，出現回数，強
調表現回数および文法情報の各キーワード統計情報が，
式(1) 〜(7) により算出された対応するキーワード統計
情報に置き換えられる。

【００３９】たとえば，図５に示す関連語辞書14を参照
すると，キーワード候補「エラー検知」には，関連語
「エラー認識」がある。与えられたキーワード候補の中
に「エラー認識」が存在するので，この関連語「エラー
検知」のキーワード統計情報および関連度「1.0 」を用
いてキーワード候補「エラー検知」について共有化的修
正が行なわれる。したがって，式(1) 〜(7) を用いて共
有化を行なうと，文字数はＭＡＸ［５，５×1.0 ］＝
５，出現回数は２＋１×1.0 ＝３，強調表現回数は０＋
０×1.0 ＝０，文法情報は，「を」：２＋０×1.0 ＝
２，「が」：０＋１×1.0 ＝１となる。キーワード候補
「エラー検知」のキーワード統計情報がこのようにして
算出されたものに置き換えられる。

【００４０】以上がキーワード統計情報の共有化的修正
処理である。

【００４１】関連語辞書14に関連語が登録されていない
キーワード候補については，この共有化的修正処理は行
なわれない。

【００４２】このようにして図４に示すキーワード候補
について共有化されたキーワード統計情報が図６に示さ
れている。図６においてはキーワード候補「エラー検
知」についてのみ共有化的修正が行なわれている。

【００４３】共有化されたキーワード統計情報は分類決
定装置15およびキーワード重要度評価装置19に与えられ
る。

【００４４】分類決定装置15は，入力された特許文書情
報についてキーワード統計情報作成装置13から与えられ
るキーワード統計情報を用い，分類別重要度辞書16を参
照して国際特許分類を新たに決定するものである。

【００４５】分類別重要度辞書16の一例が図７に示され
ている。分類別重要度辞書16はハード・ディスク，ＲＯ
Ｍ等のメモリにより実現される。分類別重要度辞書16に
は，各見出し語について各分類における分類別重要度が
あらかじめ登録されている。

【００４６】分類決定装置15はキーワード統計情報作成
装置13から与えられる各キーワード候補についての各分
類における分類別重要度を，分類別重要度辞書16から得
る。また各キーワード候補のキーワード統計情報に含ま
れている出現回数を得る。得られた各キーワード候補の
分類別重要度および出現回数を用いて，次式により分類
別重要度の総和を分類ごとに（Ｂ６２Ｄ，Ｃ０１，Ｇ０
６Ｆ，Ｈ０１Ｇ等の分類ごとに）算出する。

【００４７】 分類別重要度の総和 ＝Σ（キーワード候補の分類別重要度）×（キーワード候補の出現回数） …(8)

【００４８】したがって，図２に示される特許文書情報
の各分類における分類別重要度の総和は式(8) を用いる
と次のようになる。

【００４９】分類別重要度の総和（分類「Ｂ６２Ｄ」） ＝（0.50／エラー検知）×3 ＋（0.45／条件分岐）×1 ＋（0.50／短時間）×1 ＋… ＝1.50＋0.45＋0.50＋… 分類別重要度の総和（分類「Ｃ０１」） ＝（0.50／エラー検知）×3 ＋（0.30／条件分岐）×1 ＋（0.10／短時間）×1 ＋… ＝1.50＋0.30＋0.10＋… 分類別重要度の総和（分類「Ｇ０６Ｆ」） ＝（0.85／エラー検知）×3 ＋（0.75／条件分岐）×1 ＋（0.60／短時間）×1 ＋… ＝2.55＋0.75＋0.60＋… 分類別重要度の総和（分類「Ｈ０１Ｇ」） ＝（0.65／エラー検知）×3 ＋（0.60／条件分岐）×1 ＋（0.55／短時間）×1 ＋… ＝1.95＋0.60＋0.65＋…

【００５０】得られた各分類における分類別重要度の総
和に基づいてヒストグラムを作成する。作成されたヒス
トグラムの一例が図８に示されている。

【００５１】このヒストグラムの最大のものすなわち，
分類「Ｇ０６Ｆ」が選択され，入力された特許文書情報
の属する分類がＧ０６Ｆ「計算の少なくとも一部は電気
的に行なわれるデジタル計算機；計算機デジタルを取り
扱う装置」に決定される。

【００５２】決定された分類は，入力された特許文書情
報にその国際特許分類として付加される。特許公開公報
（図２）に既に付与されている国際特許分類はそのまま
保存される。この分類決定装置15で決定された国際特許
分類は，重要度評価規則選択装置17において後述するよ
うに利用される他に，既に付与されている国際特許分類
のチェック，多分野にわたって分類されている可能性は
ないのかのチェック等にも用いられる。

【００５３】決定された分類は，分類決定装置15から重
要度評価規則選択装置17に与えられる。

【００５４】重要度評価規則選択装置17は，分類別重要
度評価規則辞書18に分類毎にあらかじめ登録されている
重要度評価規則を，分類決定装置15により決定された分
類に基づいて選択するものである。

【００５５】分類別重要度評価規則辞書18には，分類毎
に重要度評価規則があらかじめ格納されているととも
に，キーワード統計情報の種類，これに関連する項目等
に関するメンバーシップ関数があらかじめ登録されてい
る。分類別重要度評価規則辞書18はハード・ディスク，
ＲＯＭ等のメモリにより実現される。

【００５６】「計算の少なくとも一部は電気的に行なわ
れるデジタル計算機；計算機デジタルを取り扱う装置」
（Ｇ０６Ｆ）用の一組の重要度評価規則の例を次に示
す。

【００５７】 重要度評価規則１ ＩＦ 文字数 ＝少ない 文字種類 ＝＊ 単語種類 ＝一般名詞 出現回数 ＝少ない 出現位置 ＝＊ 強調表現回数＝少ない 文法情報 （「が」の回数＋「は」の回数）／（出現回数）＝少ない （「に」の回数＋「を」の回数）／（出現回数）＝少ない ＴＨＥＮ 重要度 ＝0.2 重要度評価規則２ ＩＦ 文字数 ＝少ない 文字種類 ＝漢字，ひらがな混じり 単語種類 ＝一般名詞 出現回数 ＝少ない 出現位置 ＝＊ 強調表現回数＝少ない 文法情報 （「が」の回数＋「は」の回数）／（出現回数）＝少ない （「に」の回数＋「を」の回数）／（出現回数）＝普通 ＴＨＥＮ 重要度 ＝0.4 重要度評価規則３ ＩＦ 文字数 ＝普通 文字種類 ＝＊ 単語種類 ＝＊ 出現回数 ＝普通 出現位置 ＝＊ 強調表現回数＝普通 文法情報 （「が」の回数＋「は」の回数）／（出現回数）＝普通 （「に」の回数＋「を」の回数）／（出現回数）＝普通 ＴＨＥＮ 重要度 ＝0.6 重要度評価規則４ ＩＦ 文字数 ＝多い 文字種類 ＝＊ 単語種類 ＝企業名，個人名 出現回数 ＝多い 出現位置 ＝特許請求の範囲，発明の詳細な説明 強調表現回数＝多い 文法情報 （「が」の回数＋「は」の回数）／（出現回数）＝多い （「に」の回数＋「を」の回数）／（出現回数）＝普通 ＴＨＥＮ 重要度 ＝0.8 重要度評価規則５ ＩＦ 文字数 ＝多い 文字種類 ＝カタカナ，漢字混じり， アルファベット，漢字混じり 単語種類 ＝企業名，個人名 出現回数 ＝多い 出現位置 ＝発明の名称，特許請求の範囲 強調表現回数＝多い 文法情報 （「が」の回数＋「は」の回数）／（出現回数）＝多い （「に」の回数＋「を」の回数）／（出現回数）＝普通 ＴＨＥＮ 重要度 ＝1.0

【００５８】重要度評価規則１〜５の前件部（ＩＦ）お
ける＊は，そのキーワード統計情報が使用されないこと
を表わす。

【００５９】文法情報については助詞「が」または
「は」が付いて主語として用いられる回数と，助詞
「に」または「を」が付いて目的語として用いられる回
数とが別個に考慮されている。しかも，これらの回数は
出現回数で除すことにより，主語として用いられる回数
の割合，目的語として用いられる回数の割合が重要度評
価規則における前件部の変数となっている。

【００６０】これらの重要度評価規則から分るように，
前件部の変数「文字数」，「出現回数」，「強調表現回
数」，「（「が」の回数＋「は」の回数）／（出現回
数）」（主語として用いられる回数の割合）および
「（「に」の回数＋「を」の回数）／（出現回数）」
（目的語として用いられる回数の割合）はファジィ集合
表現で表わされている。これに対して，前件部の変数
「文字種類」，「単語種類」，「出現位置」および後件
部の「重要度」はクリスプ集合表現で表わされている。

【００６１】ファジィ集合表現で表わされる変数につい
てはメンバーシップ関数があらかじめ用意され，上述の
ように分類別重要度評価規則辞書18に登録されている。
図９(A) 〜(E) はこれらのメンバーシップ関数の例を示
すものである。(A) ，(B) ，(C) ，(D) および(E) はそ
れぞれ，文字数，出現回数，強調表現回数，（「が」の
回数＋「は」の回数）／（出現回数）および（「に」の
回数＋「を」の回数）／（出現回数）に関して，言語情
報「少ない」，「普通」および「多い」の３つのメンバ
ーシップ関数を表わしている。

【００６２】重要度評価規則選択装置17は，所定の記憶
場所に格納されている重要度評価規則選択テーブルを参
照して，与えられた分類に基づいて重要度評価規則を選
択する。

【００６３】重要度評価規則選択テーブルの一例が図10
に示されている。

【００６４】分類決定装置15により決定された分類は
「Ｇ０６Ｆ」であるので，「計算の少なくとも一部は電
気的に行なわれるデジタル計算機；計算機デジタルを取
り扱う装置」用重要度評価規則が選択される。これに応
じて，分類別重要度評価規則辞書18から重要度評価規則
およびメンバーシップ関数が読出される。読出された重
要度評価規則およびメンバーシップ関数は，キーワード
重要度評価装置19に与えられる。

【００６５】キーワード重要度評価装置19は，重要度評
価規則選択装置17から与えられた重要度評価規則にした
がって，キーワード統計情報作成装置13から与えられた
キーワード候補毎のキーワード統計情報に基づいてキー
ワード候補のキーワード重要度を算出（または評価）す
るものである。

【００６６】キーワード候補のキーワード重要度の算出
は次のようにして行なわれる。

【００６７】重要度評価規則選択装置17から与えられた
重要度評価規則にしたがって，メンバーシップ関数で表
わされるファジィ変数については，そのメンバーシップ
関数に対するキーワード統計情報（またはこれらを加工
して得られた情報）の適合度が算出される。クリスプ集
合表現の変数（すなわち，文字種類，単語種類および出
現位置）については，与えられたキーワード統計情報が
評価規則の前件部の条件と一致していれば適合度が「1.
0 」，不一致であれば「0.0 」とされる。

【００６８】重要度評価規則毎にマッチングによって得
られた前件部適合度の総和が算出される。

【００６９】このようにして得られたキーワード候補
「エラー検知」についてのマッチング結果および適合度
の総和が図11に示されている。図11において，＊は重要
度評価規則の前件部で使用されていないことを表わして
いる。

【００７０】算出された適合度の総和の中で，最大値と
２番目に大きい値が探し出されるとともに，それらを生
じさせた重要度評価規則の後件部に記述された重要度が
取出される。

【００７１】得られた適合度の総和の最大値と２番目に
大きい値，およびそれらに対応する重要度に基づいて，
次式で示される加重平均によりキーワード候補のキーワ
ード重要度が算出される。

【００７２】 キーワード重要度＝［（適合度の最大値）×（最大値に対応する重要度）＋ （適合度の２番目に大きい値）×（２番目に大きい値に対応する 重要度）］／［（適合度の最大値）＋（適合度の２番目に大きい値）］ …(9)

【００７３】図11に示されたキーワード候補「エラー検
知」の適合度の最大値は「4.7 」，２番目に大きい値は
「3.7 」であり，それらに対応する重要度はそれぞれ
「1.0」および「0.8 」である。したがって，式(9) に
よりキーワード候補「エラー検知」のキーワード重要度
は［（4.7 ×1.0 ）＋（3.7 ×0.8 ）］／［4.7 ＋3.
7］＝0.91となる。

【００７４】このようにして，抽出されたすべてのキー
ワード候補のキーワード重要度が算出される。算出され
たキーワード重要度の一例が図12に示されている。

【００７５】キーワード候補とそのキーワード重要度
は，キーワード重要度評価装置19から自然語／統制語変
換装置20に与えられる。

【００７６】自然語／統制語変換装置20は，自然語／統
制語辞書21を参照して，与えられたキーワード候補（自
然語）を統制語キーワード（統制語）に変換するもので
ある。

【００７７】統制語はその意味範囲や使い方がシソーラ
ス，件名標目表等により規定された語句である。特許文
書関係の統制語としては，たとえばＦターム（File For
mingTerm ）がある。一方，自然語は何も規定がない語
句であり，自然語は，たとえば文書等から抽出された語
句である。

【００７８】自然語／統制語辞書21の一例が図13に示さ
れている。自然語／統制語辞書21はハード・ディスク，
ＲＯＭ等のメモリにより実現される。自然語／統制語辞
書21には統制語とこの統制語に関する自然語とが相互に
関連させてあらかじめ登録されている。また統制語には
統制語コードが付加されている。

【００７９】キーワード候補の統制語への変換処理は次
のようにして行なわれる。

【００８０】自然語／統制語変換装置20は，与えられた
キーワード候補のそれぞれについて自然語／統制語辞書
21を検索し，それらにそれぞれ対応する統制語およびそ
の統制語コードを読出す。キーワード候補のキーワード
重要度は読出した対応する統制語のキーワード重要度と
される。

【００８１】たとえば，キーワード候補「エラー検知」
については統制語「エラー検出，信頼性向上」およびそ
の統制語コード「５Ｂ０２２ＦＡ１１」が自然語／統制
語辞書21から読出される。キーワード候補「エラー検
知」のキーワード重要度「0.91」が統制語「エラー検
出，信頼性向上」のキーワード重要度となる。

【００８２】図12に示すキーワード候補について変換さ
れた統制語が図14に示されている。

【００８３】自然語／統制語変換装置20はまた，変換さ
れた統制語についてそのキーワード重要度に基づいて閾
値処理を行ない，入力された特許文書情報のインデック
ス・データを作成する。

【００８４】閾値処理は次のようにして行なわれる。

【００８５】自然語／統制語変換装置20は，所定の閾値
よりも大きいキーワード重要度をもつ統制語をキーワー
ドとして特許文書情報のインデックス・データを作成す
る。閾値よりも小さいキーワード重要度を持つ統制語は
削除されてインデックス・データとして用いられない。

【００８６】たとえば，閾値が0.5 に設定された場合，
図14に示される統制語について閾値処理が行なわれる
と，統制語「比較，判定」および「演算モード」は削除
され，統制語「エラー検知，信頼性向上」がキーワード
となる。したがって，インデックス・データは図15に示
すようになる。インデックス・データには特許公開番
号，国際特許分類，発明の名称等の方式データを含む。
ここで国際特許分類としては分類決定装置15において決
定されたもの（図15上段），文書にあらかじめ付与され
ていたもの（同，下段）が付加されている。

【００８７】作成されたインデックス・データは自然語
／統制語変換装置20からデータ・ベース管理システム22
に与えられる。

【００８８】データ・ベース23は文書ファイル23ａおよ
びインデックス・ファイル23ｂからなる。文書ファイル
23ａには入力された特許文書情報が登録され，インデッ
クス・ファイル23ａには入力された特許文書情報に関す
るインデックス・データが登録される。インデックス・
ファイル23ｂのインデックス・データとそれに対応する
文書ファイル23ａの特許文書情報とは相互にリンクされ
る。

【００８９】データ・ベース管理システム22は，データ
・ベース23の管理を行なうものであり，データ・ベース
23への文書情報，インデックス・データ等の登録，その
他の処理を行なう。

【００９０】データ・ベース管理システム22は，文書入
力装置11から与えられた特許文書情報と自然語／統制語
変換装置20から与えられたインデックス・データとを結
びつけて，それぞれ文書ファイル23ａおよびインデック
ス・ファイル23ｂに登録する。

【００９１】データ・ベース23として，インデックス・
ファイルを持たない公知のシステムを用いた場合，イン
デックス・データは別途に設けられた記憶装置に登録さ
れる。

【００９２】第２実施例 図16は第２実施例におけるデータ・ベース検索装置の全
体的構成を示すブロック図である。

【００９３】第２実施例においては，検索条件として特
許文書情報が入力される。第２実施例の装置はこの特許
文書情報から検索キーワードを抽出し，入力された特許
文書情報に類似する特許文書情報をデータ・ベース33か
ら検索する。

【００９４】第２実施例におけるデータ・ベース検索装
置は第１実施例における文書処理装置と同様にそのすべ
てをハードウェア・アーキテクチャにより実現すること
もできるし，プログラムされたコンピュータ・システム
により実現することもできる。またデータ・ベース検索
装置の一部をハードウェアにより，他の部分をソフトウ
ェアにより実現することもできる。

【００９５】図16において図１に示すものと同一物には
同一符号を付し，詳細な説明は省略する。

【００９６】データ・ベース33は文書ファイル33ａおよ
び検索用データ・ファイル33ｂからなる。文書ファイル
33ａには公開特許公報，公告特許公報等の電子化された
特許文書情報があらかじめ登録されている。また検索用
データ・ファイル33ｂには，文書ファイル33ａに登録さ
れている特許文書情報のそれぞれについて特許出願に関
する方式的情報，統制語キーワード，およびその統制語
コード（これらを総括して以下「検索用データ」とい
う）があらかじめ登録されている。

【００９７】またデータ・ベース33は，検索用データ・
ファイル33ｂのみを有するものであってもよい。この場
合には特許文書情報はイメージ・データによって表わさ
れるかまたは印刷物上に表わされる。

【００９８】データ・ベース管理システム32は，データ
・ベース33の管理を行なうものであり，データ・ベース
の検索，その他の処理を行なう。このデータ・ベース管
理システム32による検索処理の詳細については後述す
る。

【００９９】自然語／統制語変換装置30は，自然語／統
制語辞書21を参照して，キーワード統計情報作成装置13
から与えられるキーワード候補（自然語）を統制語キー
ワード（統制語）に変換するものである。

【０１００】キーワード候補の統制語キーワードへの変
換処理は次のようにして行なわれる。

【０１０１】自然語／統制語変換装置30は，与えられる
キーワード候補のそれぞれについて自然語／統制語辞書
21を検索し，統制語キーワードおよびその統制語コード
を読出す。キーワード候補のキーワード重要度は読出し
た統制語キーワードのキーワード重要度とされる。

【０１０２】たとえば，キーワード候補「エラー検知」
については統制語「エラー検出，信頼性向上」およびそ
の統制語コード「５Ｂ０２２ＦＡ１１」が自然語／統制
語辞書21から読出される。キーワード候補「エラー検
知」のキーワード重要度「0.91」が統制語キーワード
「エラー検出，信頼性向上」のキーワード重要度とな
る。

【０１０３】図12に示すキーワード候補について変換さ
れた統制語キーワードが図17に示されている。

【０１０４】変換された統制語キーワードは自然語／統
制語変換装置31からデータ・ベース検索条件作成装置32
に与えられる。

【０１０５】データ・ベース検索条件作成装置31は，自
然語／統制語変換装置30から与えられる統制語キーワー
ドおよびそのキーワード重要度に基づいて，データ・ベ
ース33を検索するためのデータ・ベース検索条件を作成
するものである。

【０１０６】データ・ベース検索条件作成装置31は，与
えられる統制語キーワードを検索キーワードとし，統制
語キーワードのキーワード重要度を重視度としてデータ
・ベース検索条件を作成する。重視度は検索キーワード
をどの程度重要視するかを表わす度合いである。検索キ
ーワードは論理和ＯＲにより結合されて検索条件式が作
成される。

【０１０７】たとえば，図18に示される統制語キーワー
ドについての検索条件は次のようになる。 検索条件式 （「エラー検出，信頼性向上」ＯＲ 重視度 0.91 「比較，判定」ＯＲ「処理時間，演算速度」） …(10) 0.29 0.29

【０１０８】また式(10)で表わされる検索条件をコード
化して表現すると，次のようになる。 Ｓ１＝（（ＦＴ＝５Ｂ０２２ＦＡ１１） 重視度 0.91 ＋（ＦＴ＝５Ｂ０２２０Ａ０６）＋（ＦＴ＝５Ｂ０２２ＦＡ０１)) 0.29 0.29 …(11) ここで，「Ｓ１」は検索条件式，「ＦＴ」は統制語コー
ド，「＋」は論理和結合「ＯＲ」をそれぞれ表わす。

【０１０９】作成された検索条件はデータ・ベース検索
条件としてデータ・ベース管理システム32および合致度
演算装置34に与えられる。

【０１１０】データ・ベース管理システム32はデータ・
ベース検索条件作成装置31から与えられるデータ・ベー
ス検索条件に基づいてデータ・ベース33のうち検索用デ
ータ・ファイル33ｂを検索する。データ・ベース検索条
件中の検索キーワードを少なくとも１つ含む検索用デー
タを検索用データ・ファイル33ｂから得る。

【０１１１】検索により得られた検索結果の一例が図18
に示されている。

【０１１２】検索により得られた検索結果は，データ・
ベース管理システム32から合致度演算装置34に与えられ
る。

【０１１３】合致度演算装置34は，データ・ベース検索
条件作成装置31から与えられるデータ・ベース検索条件
と検索データ・ベース33から得られた検索用データに含
まれるキーワードとの合致度を算出する。

【０１１４】合致度は，検索により得られた検索用デー
タのキーワードがデータ・ベース検索条件をどの程度満
足しているかを表わす度合いであり，0.0 〜1.0 の数字
で表わされる。合致度が1.0 に近い程データ・ベース検
索条件をより満足している。

【０１１５】合致度は検索用データ中のキーワードと一
致する検索キーワードの重視度を用いて，次式で算出さ
れる。

【０１１６】 合致度＝［Σ（一致した検索キーワードの重視度） ／Σ（全ての検索キーワードの重視度）］ …(12)

【０１１７】図18に示される検索結果について，特許文
書情報のキーワードと検索キーワードと一致した検索キ
ーワード，およびその重視度の一覧が図19に示されてい
る。

【０１１８】たとえば，特許公開番号「Ｐ０６−３００
０１」の特許文書情報の合致度は，式(12)を用いて
「（0.91＋0.29）／（0.91＋0.29＋0.29）＝0.81」とな
る。このようにして算出された合致度の演算結果が図20
に示されている。

【０１１９】検索により得られた特許文書情報は，合致
度の大きい順に出力装置34から表示，出力される。また
合致度に閾値を設け，この閾値以上の検索結果を表示，
出力するようにしてもよい。

【図面の簡単な説明】

【図１】第１実施例における文書処理装置の全体的構成
を示すブロック図である。

【図２】特許文書情報の一例を示す。

【図３】特許文書情報から抽出されたキーワード候補の
一例を示す。

【図４】キーワード統計情報の一例を示す。

【図５】関連語辞書の一例を示す。

【図６】キーワード統計情報の一例を示す。

【図７】分類別重要度辞書の一例を示す。

【図８】分類毎の分類別重要度の総和を示すヒストグラ
ムである。

【図９】(A) ，(B) ，(C) ，(D) および(E) は，文字
数，出現回数，強調表現回数，（「が」の回数＋「は」
の回数）／（出現回数）および（「に」の回数＋「を」
の回数）／（出現回数）に関して，言語情報「少な
い」，「普通」および「多い」のメンバーシップ関数を
それぞれ示す。

【図１０】重要度評価規則選択テーブルの一例を示す。

【図１１】キーワード統計情報とメンバーシップ関数と
のマッチング結果の一例を示す。

【図１２】キーワード候補とそのキーワード重要度の一
例を示す。

【図１３】自然語／統制語辞書の一例を示す。

【図１４】変換された統制語の一例を示す。

【図１５】インデックス・データの一例を示す。

【図１６】第２実施例におけるデータ・ベース検索装置
の全体的構成を示すブロック図である。

【図１７】変換された統制語の一例を示す。

【図１８】データ・ベースから検索された特許文書情報
の一例を示す。

【図１９】特許文書情報のキーワードと検索キーワード
と一致した検索キーワードおよびその重視度の一覧を示
す。

【図２０】検索された特許文書情報とその合致度を示
す。

【符号の説明】

11 文書情報入力装置 12 キーワード抽出装置 13 キーワード統計情報作成装置 14 関連語辞書 15 分類決定装置 16 分類別重要度辞書

Claims (2)

【特許請求の範囲】
1. 【請求項１】 文書情報を入力する文書入力手段，文書
   入力手段により入力された上記文書情報からキーワード
   候補を抽出するキーワード抽出手段，上記キーワード抽
   出手段により抽出された上記キーワード候補に関するキ
   ーワード統計情報を作成するキーワード統計情報作成手
   段，複数の第１の見出し語，および上記第１の各見出し
   語についてそれが属する分類毎に分類別重要度があらか
   じめ登録されている分類別重要度辞書，および上記キー
   ワード抽出手段により抽出されたキーワード候補の分類
   別重要度を上記分類別重要度辞書から読出し，上記キー
   ワード候補の上記分類別重要度と上記キーワード候補の
   キーワード統計情報に含まれる情報とに基づいて，入力
   された文書情報の属する分類を決定する分類決定手段，
   を備えた入力された文書情報を分類する装置。
2. 【請求項２】 複数の第１の見出し語，および上記第１
   の各見出し語についてそれが属する分類毎に分類別重要
   度を分類別重要度辞書にあらかじめ登録しておき，入力
   される文書情報を受付け，入力された上記文書情報から
   キーワード候補を抽出し，抽出された上記キーワード候
   補に関するキーワード統計情報を作成し，抽出されたキ
   ーワード候補の分類別重要度を上記分類別重要度辞書か
   ら読出し，上記キーワード候補の上記分類別重要度と上
   記キーワード候補のキーワード統計情報に含まれる情報
   とに基づいて，入力された文書情報の属する分類を決定
   する，入力された文書情報を分類する方法。