JP2006244298A - テキストマイング方法及びテキストマイニング装置 - Google Patents

Abstract

【課題】 データの電子化が進み、設計仕様書や故障調査報告書などの品質管理業務などで必要とされる電子化された文書（以下、テキスト）の蓄積が進んでいる。この大量に蓄積されたテキストから、有用な情報を抽出し、業務改善のために活用するテキストマイニングの重要性が増している。
【解決手段】 本発明によれば、分析対象テキストから抽出した単語又は属性値を２以上に分類して一覧表示し、利用者によりこの２以上の関係を提供し、利用者から単語または属性値を指定されると、指定された単語または属性値に連動して、絞込みをして一覧表示するものである。即ち、一覧表示と絞込み指定とが連動しているため、一覧表示を概観しながらその関係を維持した更なる絞込みが容易にでき、更にその絞り込んだ結果を一覧表示することがでる。この結果、データ分析が容易になる。
【選択図】 図１

Description

この発明は、製品企画や品質管理などの業務で必要とされる重要な情報を、蓄積された大量のテキストから抽出して、業務改善のために活用することを可能とするテキストマイニング方法に関するものである。

データの電子化が進み、設計仕様書や故障調査報告書などの品質管理業務などで必要とされる電子化された文書（以下、テキスト）の蓄積が進んでいる。この大量に蓄積されたテキストから、有用な情報を抽出し、業務改善のために活用するテキストマイニングの重要性が増している。

このようなテキストマイニングのうち、「関連度ランキングウィンドウ」が「特許文献１ 特開2004-021445 テキストデータ分析システム」で公開されている。この「関連度ランキングウィンドウ」とは、テキスト中の出現頻度順に単語をソートした単語ランキングから、利用者がランキングされた単語から１つの単語を選択してダブルクリックすると、この選択された単語に関連する単語をリスト表示するものである。ここでの「関連」とは、選択された単語と一緒に使用されることが多い単語のことである。なお、「関連度ランキングウィンドウ」には、関連単語の他、その関連度及びその関連単語を含む実際のテキストの件数が表示される。

特開2004-021445 テキストデータ分析システム http://www.nri.co.jp/news/2002/021219.html

しかし、従来技術では、「特開2004-021445 図５」に見られるように、リスト表示される単語は、単に選択された単語と一緒に使用される単語であり、選択された単語と表示された単語との関係はあいまいである。この結果、利用者はこの「関連度ランキングウィンドウ」によるリストの表示だけでは必要な情報を的確に抽出し難い。

上記の課題を解決するために、本願発明は、利用者により予め指定されたカテゴリに基づいて第１のメモリから指定されたカテゴリに属する単語、単語の出現頻度及び単語の出現位置４０６からなる単語情報を抽出する第１の単語頻度算出手段と、第２のメモリから各レコードＩＤ及び各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、指定された属性毎に各属性値の出現頻度を算出する第１の属性値頻度算出手段と、第１の単語頻度算出手段により得たカテゴリ毎の単語及び単語毎の出現頻度と、第１の属性値頻度算出手段により得た属性毎の属性値及び属性値毎の出現頻度と、を一覧表示する第１の一覧表示手段と、利用者に対して一覧表示された単語の選択を促し、利用者に単語を選択させる選択指示手段と、選択された単語の出現位置４０６から得られる文番号と選択された単語が属するカテゴリ以外の各カテゴリに属する各単語の出現位置４０６から得られる文番号とから、各カテゴリに属する各単語が選択された単語と同一文に出現する頻度を算出する第２の単語頻度算出手段と、選択された単語の出現位置４０６から得られるレコードＩＤと各属性値のレコードＩＤとから、各属性における各属性値が選択された単語と同一レコードに出現する頻度を算出する第２の属性値頻度算出手段と、第２の単語頻度算出手段により得たカテゴリ毎の単語及びこの単語別の出現頻度と、第２の属性値頻度算出手段により得た属性値及びこの属性値別の出現頻度と、を一覧表示する第２の一覧表示手段と、を備えたものである。

本願発明は、利用者により予め指定されたカテゴリに基づいて第１のメモリから指定されたカテゴリに属する単語、単語の出現頻度及び単語の出現位置４０６からなる単語情報を抽出する第１の単語頻度算出手段と、第２のメモリから各レコードＩＤ及び各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、指定された属性毎に各属性値の出現頻度を算出する第１の属性値頻度算出手段と、第１の単語頻度算出手段により得たカテゴリ毎の単語及び単語毎の出現頻度と、第１の属性値頻度算出手段により得た属性毎の属性値及び属性値毎の出現頻度と、を一覧表示する第１の一覧表示手段と、利用者に対して一覧表示された単語の選択を促し、利用者に単語を選択させる選択指示手段と、選択された単語の出現位置４０６から得られる文番号と選択された単語が属するカテゴリ以外の各カテゴリに属する各単語の出現位置４０６から得られる文番号とから、各カテゴリに属する各単語が選択された単語と同一文に出現する頻度を算出する第２の単語頻度算出手段と、選択された単語の出現位置４０６から得られるレコードＩＤと各属性値のレコードＩＤとから、各属性における各属性値が選択された単語と同一レコードに出現する頻度を算出する第２の属性値頻度算出手段と、第２の単語頻度算出手段により得たカテゴリ毎の単語及びこの単語別の出現頻度と、第２の属性値頻度算出手段により得た属性値及びこの属性値別の出現頻度と、を一覧表示する第２の一覧表示手段と、を備えているので、利用者（図示せず）は、選択した単語と予め指定したカテゴリの単語又は属性の属性値との関係を概観することができる。そしてその関係を概観しながら関係が維持された更なる絞込みが容易にでき、絞り込んだ結果を一覧表示することができる。これにより利用者は必要としている情報を的確に抽出することができる。

実施の形態１．
図１は、本実施の形態におけるテキストマイニング装置及びその周辺の構成図である。

分析対象テキスト１００は、テキストマイ二ングの分析対象となるテキストである。テキストとして、例えば、図２に示すCSV(Comma Separated Value)形式のファイルを使用したコールセンターの問合せ対応ログがある。図２において、２０１は、各レコードに一意に付与されるレコードIDである。ここでレコードとはCSV形式で登録する場合には登録データ中の各行に相当する。２０２は属性情報であり、後述する登録手段１０１により属性データベース１０３に格納される。２０３は１つ又は複数の文からなるテキスト情報であり、登録手段１０１により単語に分割され、各単語は、後述するカテゴリ辞書１１４を参照してカテゴリ情報とともに単語ＤＢ１０２に格納される。

カテゴリ辞書１１４は、図３に示すように、予め各単語とこの単語が属するカテゴリとを対応付けている辞書である。例えば、単語「出力端子」は、カテゴリ「部品」に対応付けられる。

登録手段１０１は各レコードを解析し、テキスト情報２０３から、単語に関する情報（以下、単語情報）を後述する単語ＤＢ１０２に格納する。また、属性に関する情報（以下、属性情報）を後述する属性データベース１０３に格納する。

単語ＤＢ１０２は、図４に示すように、分析対象テキスト１００から抽出した単語４０３、各単語４0３を識別するために単語に対応した単語ＩＤ４０２、単語が出現するレコード数を示す出現頻度４０５、テキスト情報２０３内で単語が出現する位置を示す出現位置４０６及びカテゴリ情報４０８を項目としてもつ。なお、出現位置４０６については後述する。

属性データベース１０３は、図５に示すように、分析対象テキスト１００から抽出した属性を項目としてもつ。コールセンターの問合せ対応ログを分析対象テキスト１００とした場合には、属性は「機種」、「故障種別」、「故障発生日」、「発売日」等が該当する。なお、各レコードＩＤ２０１と各属性とに対応する内容を属性値５０１とする。

単語情報抽出手段１０４は、単語ＤＢから単語情報を全て抽出し、第１のメモリ１０６に格納する。また、属性情報抽出手段１０５は、属性ＤＢから属性情報を全て抽出し第２のメモリ１０７に格納する。

第１の単語頻度算出手段１０８は、第１のメモリ１０６に記憶された単語情報から、予め利用者が指定したカテゴリ（例えば、「部品」、「現象」及び「対応」）に属する各単語の出現頻度をカテゴリ毎に算出する。第１の属性値頻度算出手段１０９は、第２のメモリ１０７に記憶された属性情報から、予め利用者が指定した属性（例えば、「機種」）に属する各属性値の出現頻度を算出する。なお、利用者は、予めカテゴリ及び属性についてあわせて２以上を指定する必要がある。

第１の一覧表示手段１１０は、図６に示すように、第１の単語頻度算出手段１０８が出力した各カテゴリ、この各カテゴリにおける単語及びこの単語の出現頻度、第１の属性値頻度算出手段１０９が出力した各属性、この各属性における属性値及びこの属性値の出現頻度を１つのウィンドウで一覧表示する。

選択指示手段１１１は、第１の一覧表示手段１１０を概観した利用者（図示せず）が興味を示す単語又は属性値を選択するように促す。これにより、図７に示すように、例えば、利用者はマウス（図示せず）で、カテゴリ「部品」の単語「入力端子」を選択する。

第２の単語頻度算出手段１１２は、選択指示手段１１１により（i）単語が選択された場合には、テキスト情報２０３にある文のうち選択された単語が存在する文（図２参照）にある他の単語の出現頻度を算出し、（ii）属性値が選択された場合には、選択された属性値が存在するレコード（図２参照）にある単語の出現頻度を算出する。

第１の属性値頻度算出手段１１３は、選択指示手段１１１により（i）単語が選択された場合には、その単語が存在するレコード（図２参照）にある属性値の出現頻度を算出し、（ii）属性値が選択された場合には、選択された属性値が存在するレコード（図２参照）にある他の属性値の出現頻度を算出する。

第２の一覧表示手段１１０は、図８が示すように、第２の単語頻度算出手段１１２が出力した各カテゴリ、この各カテゴリに属する単語及びその単語の出現頻度、第２の属性値頻度算出手段１１３が出力した各属性、この各属性における属性値及びその属性値の出現頻度を１つのウィンドウで一覧表示する。

図８は、分析処理の概要を示す処理フローである。以下、他の図を適宜参照しながらテキストマイニング装置の動作について説明する。なお、本実施の形態では、このテキストマイニング装置を利用してパソコン周辺機器に関する故障調査報告書からクレーム分析をする場合について説明する。

Ｓ１において、登録手段１０１は分析対象テキスト１００を読み込み、各レコードのテキスト情報、例えば「問合わせ内容」を解析し、「問合わせ内容」に記載された文を単語に分割する。この単語をカテゴリ辞書１１４（図３参照）を参考に単語毎にカテゴリを決定し単語ＤＢ１０２に格納する（図４参照）。また、各レコードの属性を属性データベース１０３に格納する（図５参照）。

図４を用いて単語データベース（以下、単語ＤＢ）102に格納する単語情報の例を示す。単語ID402は、単語ごとに一意に付与される番号である。例えば、単語ＩＤ「１」には単語「○○装置」が割り振られる。単語403は分析対象データから抽出された単語である。出現頻度405は各単語が出現する回数（単語の出現頻度）である。「○○装置」の場合には、１２３回出現していることを示す。出現位置４０６は各単語の出現する位置を表示する。ここではＲ及びＲに続く数値をレコードＩＤとし、Ｒ、Ｒに続く数値及びその後ろに続く番号を文番号とする。例えば単語「○○装置」の「Ｒ１＿１」と「Ｒ５＿２」は、レコード1の1文目、レコード5の2文目の単語として表現する。

図５に属性データベース１０３に格納する属性情報の例を示す。レコードＩＤ２０１はレコードごとに一意に付与される番号である。属性項目５００は、各レコードに関する属性の項目である。例えば「機種」「故障種別」「故障発生日」「販売日」などがある。属性値５０１は、各属性の値を表示する。

Ｓ２において、単語情報抽出手段１０４により、単語ＤＢ１０２に格納されている単語情報を第１のメモリに格納する。また、属性情報抽出手段１０５により、属性ＤＢ１０３に格納されている属性情報を第２のメモリに格納する。

Ｓ３において、第１のメモリ１０６から利用者により予め指定されたカテゴリ毎に単語、この単語の出現頻度及びこの単語の出現位置を抽出する。本実施の形態では、利用者は予めカテゴリを「部品」「現象」「対応」と指定しているとする。利用者がカテゴリ「部品」と指定しているので、カテゴリ「部品」で「出力端子」が２０５回、「入力端子」が８０回、「スイッチ」が７５回出現していると算出する。この作業がカテゴリ「現象」「対応」でも同様に行われる。

Ｓ４において、第２のメモリ１０７から、レコードＩＤ２０１、利用者により予め指定された属性、この指定された属性毎の属性値及びその属性値の出現頻度を算出する。本実施の形態では、利用者は予め属性「機種」を指定しているとする。利用者が属性「機種」と指定しているので「ＤＶＤ−ＲＷ」が１８３個のレコードで、「ＤＶＤ−ＲＯＭ」が９３個のレコードで、「ＤＶＤ−ＲＡＭ」が６５個のレコードで出現していると算出する。

Ｓ５において、第１の一覧表示手段１１０により初期画面生成処理を行う。初期画面生成処理は、第１の単語頻度算出手段１０８により算出されたデータ（カテゴリ毎の単語及びこの単語毎の出現頻度）及び第１の属性値頻度算出手段１０９により算出されたデータ（属性毎の属性値及びこの属性値毎の出現頻度）に基づいて、このデータを一覧表示する。図６に初期画面の表示例を示す。絞込みボタン502は、絞込み処理の実行を指示する絞込み実行ボタンである。503、504、及び505はカテゴリ別に算出された単語の出現頻度を表示するカテゴリ別単語頻度表示欄であり、５０６は、属性別に算出された属性の出現頻度を表示する属性別属性値表示手段である。上記一覧表示をみて、利用者（図示せず）は、一覧表示から単語を選択する。本実施の形態においては、503にカテゴリ「部品」に属する単語及びその出現頻度、504にカテゴリ「現象」に属する単語及びその出現頻度、505にカテゴリ「対応」に属する単語及びその出現頻度が表示される。506には属性「機種」に属する属性値及びその出現頻度が表示される。なお、Ｓ５の段階では、「機種」、「部品」、「現象」及び「対応」間において出現頻度に相関はない。

Ｓ６において、利用者が選択指示手段103により単語又は属性値を選択することにより絞込み条件を設定する。図７では初期画面の図６に対して絞込みの指定をした例を示す。本実施の形態では、カテゴリ「部品」の単語「入力端子」を絞込み条件とする。

Ｓ７において、第２の単語頻度算出手段１１２により、上記Ｓ６において選択された単語が出現する文の文番号を出現位置４０６から抽出する。さらに、この文番号をもつ単語を第１のメモリ１０６から抽出し、カテゴリ毎に単語別の出現頻度を計算する。具体的には、出現位置４０６から、単語「入力端子」の文番号（R１５_１、R１８_２）を取得する。この文番号をもつ別の単語、例えばカテゴリ「現象」では、単語「接続不良」（R18_2をもつ）、カテゴリ「対応」では、単語「交換」（R15_1をもつ）を抽出してその出現頻度を計算する。

Ｓ８において、上記Ｓ６において選択された単語の出現位置４０６をもとに、第２の属性値頻度算出手段113により、選択された単語がテキスト情報２０３に出現するレコードのレコードＩＤを抽出する。さらに、このレコードＩＤに対応し、属性が「機種」である属性値を第２のメモリから抽出し、その属性値の出現頻度を計算する。具体的には、出現位置４０６から、「入力端子」の出現位置４０６を取得し、レコードID（この場合、R15、R１８）を取得する。そのレコードIDに対応して属性が「機種」である属性値を第２のメモリ107から取得して、その出現頻度を計算する。

Ｓ９において、第２の一覧表示手段１１４により、上記S７において算出されたデータ、及び上記S8において算出されたデータを１つのウィンドウで一覧表示する。絞込み実行結果の一例として、図７の絞込み条件を指定した場合の絞込み結果を に示す。

この一覧表示の例から、「入力端子」に関しては、カテゴリ「現象」として「接触不良」が大部分であり、カテゴリ「対応」として「交換」が大部分であることがわかる。また、「入力端子」に関する属性「機種」として「DVD-ROM」に多いことがわかる。

更に、利用者（図示せず）が、絞込みが足りないと感じた場合には、Ｓ６に戻り、例えば、カテゴリ「現象」のうち、単語「接触不良」を更に選択する。これにより例えば「入力端子に接触不良」がある場合のカテゴリ「対応」における単語及び属性「機種」における属性値の出現頻度がわかる。以下、カテゴリ「現象」の単語「接触不良」を更に選択した場合について説明する。

Ｓ６−２において、利用者が選択指示手段103により単語又は属性値を更に選択して絞込み条件を設定する。図１０が示すように、本実施の形態では、すでに選択してあるカテゴリ「部品」の単語「入力端子」に加えて、カテゴリ「現象」の単語「接触不良」を絞り込み条件とする。

Ｓ７−２において、この指定された絞込み条件に合致するデータを、第１のメモリから抽出する。単語「入力端子」及び単語「接触不良」の出現位置４０６をもとにその文番号の積集合を計算する。この積集合から、「入力端子」及び「接触不良」に共通する文番号をもつ単語の単語情報を第１のメモリから抽出する。例えば、「入力端子」の文番号（R15_1、R18_2）及び「接触不良」の文番号（R14_1、R18_2）に共通する文番号（R18_2）をもつ別の単語、たとえば「交換」（R18_2をもつ）を抽出し、その単語の出現頻度を計算する。

Ｓ８−２において、この指定された絞込み条件に合致するデータを、第２のメモリから抽出する。「入力端子」及び「接触不良」のレコードＩＤの積集合を計算する。この積集合から、「入力端子」及び「接触不良」に共通するレコードＩＤをもつ属性値で属性「機種」に属する属性値の出現頻度を第２のメモリから抽出する。例えば、「入力端子」のレコードＩＤ（R15、R18）及び「接触不良」のレコードＩＤ（R14、R18）に共通するレコードＩＤ（R18）をもち、かつ属性「機種」の属性値、たとえば「ＤＶＤ-ＲＡＭ」（R18をもつ）を抽出し、その属性値の出現頻度を計算する。

Ｓ９−２において、第２の一覧表示手段１１４により、上記S７-2において計算したカテゴリ別の各単語の出現頻度、及び上記S8-2において計算した属性値の出現頻度を１つのウィンドウで一覧表示する。図１１では、図１０で絞込み条件として指定した単語「入力端子」及び単語「接触不良」が出現する同一の文の単語の出現頻度を予め指定したカテゴリ別に表示する。また単語「入力端子」及び単語「接触不良」が出現する同一のレコードの属性値の出現頻度を予め指定した属性別に表示する。この一覧表示から単語「入力端子」と単語「接触不良」とに関しては、カテゴリ「対応」の表示により単語「対処方法説明」が大部分であることがわかる。また、単語「入力端子」の単語「接触不良」に関するクレームは機種「DVD-RW」に多いこともわかる。更に、利用者が絞込みが足りないと感じた場合にはＳ６に戻る。以下説明を省略する。

以上に説明したように、本発明によれば、分析対象テキストから抽出した単語又は属性値を２以上に分類して一覧表示をすることができ、利用者はこの２以上の関係を概観することができる。また、一覧表示と絞込み指定とが連動しているため、一覧表示を概観しながらその関係を維持した更なる絞込みが容易にでき、更にその絞り込んだ結果を一覧表示することがでる。この結果、データ分析が容易になる。

なお、本実施の形態では、例えば、故障管理システムの故障対応記録などRDB（relational database）に蓄えられた情報を上記CSV形式に相当する内部データ形式に変換して分析対象テキストとしてもよい。

また、図４に示した単語ＤＢはあくまでも一例であり、分析目的に応じて必要な項目を適宜設定することができる。

また、図５に示した属性データベースはあくまでも一例であり、分析目的に応じて必要な項目を適宜設定することができる。

また、図６に示した一覧表示はあくまでも一例であり、カテゴリ別単語頻度表示欄が３種類に限られず、２でも４種類以上のカテゴリ別一覧表示を行う場合もある。また、属性値一覧についても２種類以上の一覧表示を行う場合もある。また図１２に示すように、各カテゴリ及び属性を選択メニュー１２１により選択表示するよう構成すれば、多数のカテゴリ又は属性から自由に選択して表示することができ、より柔軟な分析作業が可能となる。

また、図７では各カテゴリから一つの単語を選択して絞込み条件とする例を示したが、図１２のカテゴリ「部品」で示すように同じカテゴリで複数の単語を選択できるように構成してもよい。

また、図１３に示すように、複数カテゴリ間の検索条件をAND検索、OR検索するという指定をできる。さらに、図１３に示すように、各カテゴリ内で複数の単語を指定した場合に、これらの単語に対する検索条件をAND検索、OR検索できる。このように、細かな検索条件の指定を可能とすることにより複雑な検索条件を指定できより詳細な分析作業を行うことができる。

実施の形態２．
実施の形態１では、分析対象テキストから抽出した単語及び属性値を２以上に分類して一覧表示するものであるが、本実施の形態は、テキストから抽出した複合語をグループ化して一覧表示するものである。

図１４は、本実施の形態におけるテキストマイニング装置及びその周辺の構成図である。図１５は本実施の形態における分析処理の処理フローである。

図１４に示す複合語グループ化手段２００は、単語が複合語からなる場合に、複合語の構成要素に基づいてグループ化する。複合語一覧表示手段２０１は、複合語グループ化手段２００によりグループ化された内容を一覧表示する。

以下、本実施の形態におけるテキストマイニング装置の動作について図１５を用いて説明する。なお実施の形態１と共通する部分については説明を省略する。

Ｓ３、Ｓ７において、複合語グループ化手段２００により、第１の単語頻度算出手段１０８、第２の単語頻度算出手段１１２の結果から、単語が複合語であるデータに関しその複合語の構成要素となる単語を基準にグループ化する。

具体的には、図１６に示すように、「出力端子」、「デジタルオーディオ出力端子」、「AV出力端子」など、末端部分を共通（この場合は「端子」）とする複合語群をグループ化する。また、「出力端子不良」、「AV出力端子接触不良」など、機器を表す用語（この場合は「出力端子」、「AV出力端子」）と現象を表す用語（この場合は「不良」、「接触不良」）が組み合わされた複合語については、機器を表す部分の末端を考慮してグループ化する。グループ化では、共通の末端文字列を親見出として、グループ化前の各語を子見出とする。なお、親見出の出現頻度は子見出の出現頻度の合計値とする。

S５、Ｓ９において、複合語一覧表示手段２０１によりグループ化された複合語の出現頻度を一覧表示する。一覧表示の例を図１７に示す。子見出有無表示欄５０７は、グループ化の結果、親見出か否かを示す。この欄が"＋"であれば子見出があり、"＝"であれば子見出がない。子見出表示切替ボタン502は、図１７の「出力端子」を選択し、このボタンを押下すると図１８に示したように「出力端子」の子見出が表示される。なお、子見出であることを示すため、"−"を使用する。逆に、図１８の状態で「出力端子」を選択して子見出表示切替ボタン502を押すと図１７の表示に切替わる。さらに、親見出を選択して絞込み指示ボタンを押した場合には、子見出がすべて選択された状態で絞込みを実行するのと同様の処理を行う。

このように複合語をグループ化して親見出で一覧表示して絞込み指示を可能とし、多数の類似単語をすべて選択することなく絞込み指示ができる。このことにより分析作業を効率的に進めることができる。

実施の形態３
実施の形態１では、分析対象テキストから抽出した単語又は属性値を２以上に分類して一覧表示をするが、本実施の形態では、一覧表示手段により属性値の比率を表示する。

図１９は、本実施の形態におけるテキストマイニング装置及びその周辺の構成図である。図２０は本実施の形態における分析処理の処理フローである。

図１９に示すように、属性値比率計算手段３００は、Ｓ７において抽出された属性値の出現頻度をもとに属性値の比率を計算する。属性値の比率は、全データにおける該当属性値件数を分母とし、S６において指定された絞込み条件に合致する属性値件数を分子とする。属性値比率一覧表示３０１は、属性値比率計算手段３００により計算されたカテゴリ別の属性値の出現頻度比率を一覧表示する。

以下、本実施の形態におけるテキストマイニング装置の動作について図20を用いて説明する。なお実施の形態１、２と共通する部分については説明を省略する。

S７において、実施の形態１と同様にして利用者の絞込み条件指定に応じたカテゴリ別の単語頻度算出を行う。つぎに、属性値比率計算手段300により、全データにおける該当属性値の件数を分母とし、指定された絞込み条件に合致する属性値の件数を分子として計算する。

S９において、属性値比率計算手段300において計算された属性値の比率情報を属性値比率一覧表示手段301により一覧表示する。属性値比率一覧表示の例を図２１に示す。

実施の形態１における図９では、"DVD-RW"と"DVD-RAM"とがそれぞれ15件及び12件で大差ないように表示される。一方、図２１では、比率で"DVD-RAM"の値が大きいことがわかる。このように比率表示することにより、絶対的な件数が少なくとも該当属性値内の比率が大きい場合の傾向をとらえることができ、分析作業を効果的に進めることができる。なお、図２１では比率表示のみを行う例を示したが、頻度と比率とを同時に表示できる。また、頻度と比率を切替て表示でき、本発明の効果をより顕著にすることができる。

実施の形態４．
実施の形態１では、分析対象テキストから抽出した単語又は属性値を２以上に分類して一覧表示するものであるが、本実施の形態は、選択した単語及び属性値の出現頻度をグラフ表示することで可視化する。

図２２は、本実施の形態におけるテキストマイニング装置及びその周辺の構成図である。

図２２にある可視化手段４００は、第１の単語頻度算出手段１０８、第１の属性値頻度算出手段１０９により算出されたデータをグラフ等により可視化処理する。

以下、本実施の形態におけるテキストマイニング装置の動作について図２３を用いて説明する。なお実施の形態１、２及び３と共通する部分については説明を省略する。

S９では、例えば、利用者に可視化ボタン（図示せず）が押下させて可視化処理を行う。本実施の形態においては、カテゴリ「部品」から「出力端子」、「入力端子」及び「スイッチ」を選択し、属性「機種」から属性値として「DVD-RW」「DVD-ROM」及び「DVD-RAM」を選択し、可視化ボタン（図示せず）を押下する。可視化は、図２４に示すように属性値別に各単語を含むクレーム件数をグラフ表示する場合がある。このようにグラフ表示することにより、属性「機種」ごとのクレーム傾向をより明確に把握することができる。

以上説明したように、選択した単語と属性値との関係を簡単にグラフ表示することで可視化でき、部品ごとのクレーム傾向をより明確に把握することができる。

なお、上記では、単一のカテゴリから複数の単語を選択した例を示したが、これ以外にも、複数のカテゴリからそれぞれ複数の単語を選択し、その組合せにより描画する図２５のような構成をとってもよいし、複数の属性を選択して、属性間の相関を把握できるよう構成してもよい。

実施の形態１におけるテキストマイニング装置及びその周辺の構成図 分析対象テキストの概念図 カテゴリ辞書の概念図 単語ＤＢの概念図 属性データベースの概念図 第１の一覧表示手段の概念図 単語「入力端子」を選択した場合の第１の一覧表示手段の概念図 実施の形態１におけるテキストマイニング装置の処理フロー 単語「入力端子」を選択した場合の第２の一覧表示手段の概念図 単語「入力端子」及び単語「接触不良」を選択した場合の一覧表示手段の概念図 単語「入力端子」及び単語「接触不良」で絞り込んだ場合の一覧表示手段の概念図 単語「入力端子」及び単語「スイッチ」を選択した場合の一覧表示手段の概念図 単語間、カテゴリ・属性間でＡＮＤ・ＯＲが選択できる一覧表示手段の概念図 実施の形態２におけるテキストマイニング装置及びその周辺の構成図 実施の形態２におけるテキストマイニング装置の処理フロー 複合化グループ手段の概念図 複合語一覧表示手段を利用した場合の一覧表示手段の概念図 複合語一覧表示手段を利用した場合の一覧表示手段の概念図 実施の形態３におけるテキストマイニング装置及びその周辺の構成図 実施の形態３におけるテキストマイニング装置の処理フロー 属性比率計算手段を利用した場合の一覧表示の概念図 実施の形態４におけるテキストマイニング装置及びその周辺の構成図 実施の形態４におけるテキストマイニング装置の処理フロー 可視化手段による表示の概念図 可視化手段による表示の概念図

符号の説明

１００ 分析対象テキスト
１０１ 登録手段
１０２ 単語ＤＢ
１０３ 属性データベース
１０４ 単語情報抽出手段
１０５ 属性情報抽出手段
１０６ 第１のメモリ
１０７ 第２のメモリ
１０８ 第１の単語頻度算出手段
１０９ 第１の属性値度算出手段
１１０ 一覧表示手段
１１１ 選択指示手段
１１２ 第２の単語頻度算出手段
１１３ 第２の属性値頻度算出手段
１１４ カテゴリ辞書
２００ 複合語グループ化手段
２０１ 複合語一覧表示手段
３００ 属性値比率計算手段
３０１ 属性値比率一覧表示手段
４００ 可視化手段

Claims (7)

1. 利用者により予め指定されたカテゴリに基づいて第１のメモリからこの指定されたカテゴリに属する単語、この単語の出現頻度及びこの単語の出現位置からなる単語情報を抽出する第１の単語頻度算出ステップと、
   第２のメモリから各レコードＩＤ及びこの各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、この指定された属性毎に各属性値の出現頻度を算出する第１の属性値頻度算出ステップと、
   上記第１の単語頻度算出ステップにより得たカテゴリ毎の単語及びこの単語毎の出現頻度と、上記第１の属性値頻度算出ステップにより得た属性毎の属性値及びこの属性値毎の出現頻度と、を一覧表示する第１の一覧表示ステップと、
   利用者に対してこの一覧表示された単語の選択を促し、利用者に単語を選択させる選択指示ステップと、
   この選択された単語の出現位置から得られる文番号と選択された単語以外の各単語の出現位置から得られる文番号とから、この各カテゴリに属する各単語が上記選択された単語と同一文に出現する頻度を算出する第２の単語頻度算出ステップと、
   この選択された単語の出現位置から得られるレコードＩＤと各属性値のレコードＩＤとから、各属性における各属性値が上記選択された単語と同一レコードに出現する頻度を算出する第２の属性値頻度算出ステップと、
   上記第２の単語頻度算出ステップにより得たカテゴリ毎の単語及びこの単語別の出現頻度と、上記第２の属性値頻度算出ステップにより得た上記属性値及びこの属性値別の出現頻度と、を一覧表示する第２の一覧表示ステップと、
   を備えたテキストマイニング方法。
2. 利用者により予め指定されたカテゴリに基づいて第１のメモリからこの指定されたカテゴリに属する単語、この単語の出現頻度及びこの単語の出現位置からなる単語情報を抽出する第１の単語頻度算出ステップと、
   第２のメモリから各レコードＩＤ及びこの各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、この指定された属性毎に属性値の出現頻度を算出する第１の属性値頻度算出ステップと、
   上記第１の単語頻度算出ステップにより得たカテゴリ毎の単語及びこの単語毎の出現頻度と、上記第１の属性値頻度算出ステップにより得た属性毎の属性値及びこの属性値毎の出現頻度と、を一覧表示する第１の一覧表示ステップと、
   利用者に対してこの一覧表示された属性値の選択を促し、利用者に属性値を選択させる選択指示ステップと、
   この選択された属性値のレコードＩＤと各カテゴリにおける各単語の出現位置から得られるレコードＩＤとに基づいて、各カテゴリにおける各単語が上記選択された属性値と同一のレコードに出現する頻度を算出する第２の単語頻度算出ステップと、
   上記選択された属性値のレコードＩＤと同一のレコードＩＤに対応し、かつ上記選択された属性値が属する属性以外の属性における各属性値の出現する頻度を算出する第２の属性値頻度算出ステップと、
   上記第２の単語頻度算出ステップにより得たカテゴリ別の単語及びこの単語別出現頻度と、上記第２の属性値頻度算出ステップにより得た上記属性値及びこの属性値頻度と、を一覧表示する第２の一覧表示ステップと、
   を備えたテキストマイニング方法。
3. 第２の属性値頻度算出ステップは、
   属性値毎に、予め指定された属性に属する属性値の出現頻度を分母とし、選択指示ステップにより利用者に選択された単語と同一のレコードに出現する属性値の出現頻度を分子として属性値の比率を算出する
   ことを特徴とする請求項１又は２に記載のテキストマイニング方法。
4. 第１の単語頻度算出ステップは、
   予め指定されたカテゴリに属する単語が複合語である場合には、この複合語の構成要素に基づいてグループ化し、
   第１の一覧表示ステップは、
   グループ化された内容を一覧表示する
   ことを特徴とする請求項１乃至３に記載のテキストマイニング方法。
5. 第１の一覧表示ステップは、
   第１の単語頻度算出ステップで出力されるカテゴリ毎の単語の出現頻度と、第１の属性値頻度算出ステップで出力される属性毎の属性値の出現頻度と、をグラフ表示する
   ことを特徴とする請求項１乃至４に記載のテキストマイニング方法。
6. 利用者により予め指定されたカテゴリに基づいて第１のメモリからこの指定されたカテゴリに属する単語、この単語の出現頻度及びこの単語の出現位置からなる単語情報を抽出する第１の単語頻度算出手段と、
   第２のメモリから各レコードＩＤ及びこの各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、この指定された属性毎に各属性値の出現頻度を算出する第１の属性値頻度算出手段と、
   上記第１の単語頻度算出手段により得たカテゴリ毎の単語及びこの単語毎の出現頻度と、上記第１の属性値頻度算出手段により得た属性毎の属性値及びこの属性値毎の出現頻度と、を一覧表示する第１の一覧表示手段と、
   利用者に対してこの一覧表示された単語の選択を促し、利用者に単語を選択させる選択指示手段と、
   この選択された単語の出現位置から得られる文番号と選択された単語以外の各単語の出現位置から得られる文番号とから、この各カテゴリに属する各単語が上記選択された単語と同一文に出現する頻度を算出する第２の単語頻度算出手段と、
   この選択された単語の出現位置から得られるレコードＩＤと各属性値のレコードＩＤとから、各属性における各属性値が上記選択された単語と同一レコードに出現する頻度を算出する第２の属性値頻度算出手段と、
   上記第２の単語頻度算出手段により得たカテゴリ毎の単語及びこの単語別の出現頻度と、上記第２の属性値頻度算出手段により得た上記属性値及びこの属性値別の出現頻度と、を一覧表示する第２の一覧表示手段と、
   を備えたテキストマイニング装置。
7. 利用者により予め指定されたカテゴリに基づいて第１のメモリからこの指定されたカテゴリに属する単語、この単語の出現頻度及びこの単語の出現位置からなる単語情報を抽出する第１の単語頻度算出手段と、
   第２のメモリから各レコードＩＤ及びこの各レコードＩＤに対応し利用者により予め指定された属性に属する属性値からなる属性情報を抽出し、この指定された属性毎に属性値の出現頻度を算出する第１の属性値頻度算出手段と、
   上記第１の単語頻度算出手段により得たカテゴリ毎の単語及びこの単語毎の出現頻度と、上記第１の属性値頻度算出手段により得た属性毎の属性値及びこの属性値毎の出現頻度と、を一覧表示する第１の一覧表示手段と、
   利用者に対してこの一覧表示された属性値の選択を促し、利用者に属性値を選択させる選択指示手段と、
   この選択された属性値のレコードＩＤと各カテゴリにおける各単語の出現位置から得られるレコードＩＤとに基づいて、各カテゴリにおける各単語が上記選択された属性値と同一のレコードに出現する頻度を算出する第２の単語頻度算出手段と、
   上記選択された属性値のレコードＩＤと同一のレコードＩＤに対応し、かつ上記選択された属性値が属する属性以外の属性における各属性値の出現する頻度を算出する第２の属性値頻度算出手段と、
   上記第２の単語頻度算出手段により得たカテゴリ別の単語及びこの単語別出現頻度と、上記第２の属性値頻度算出手段により得た上記属性値及びこの属性値頻度と、を一覧表示する第２の一覧表示手段と、
   を備えたテキストマイニング装置。

Images