JP2007172404A - 文字列処理方法、装置、およびプログラム - Google Patents

Abstract

【課題】効率のよい文書マスキングの方法を提供することである。
【解決手段】上記課題を解決するために第１の態様として、文書中の文字列を部分文字列に分解する段階と、 前記部分文字列ごとに出現頻度を含むスコアを算出する段階と、前記部分文字列と前記スコアをユーザに提示する段階と、どの部分文字列がユーザにより選択されたかを判断する段階と、選択された前記部分文字列を安全文字列リストとして記憶する段階と、前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える段階と有する方法を提供する。
【選択図】図１

Description

本発明は、文書中の秘匿すべき情報を別の情報に置き換える方法、装置、プログラムに関する。

近年、個人情報の保護の観点から文書中の文字列をマスク（置換）する技術の強化が望まれている。これに対してマスキングすべき文字列を記憶した辞書を用いて該当する単語を伏字にする技術が知られている。例えば特許文献１では単語辞書を基に入力した文書からマスキング対象箇所を検出し、これをマスキング結果リストとしてユーザに提示して修正させ最終的なマスキング対象箇所とするマスキング手法を採っている。

このような方法では、提示される単語が辞書またはルールベースで検出された文字列に限られるため、検出できないマスキング候補が存在する可能性がある。逆に言えば辞書やルールによる検出誤りをユーザで修正することにより最終的なマスキング候補とする技術である。また大量の文書に対して漏れのないマスキングを行おうとすれば辞書も比例して大きくなりユーザの修正もまた膨大となり作業効率が悪くなる。つまり従来の方法ではマスキングを行う文書が大量に存在する場合に短時間に効率よくかつ漏れのない文書マスキング技術について考慮されていなかった。

特開２００４−２２７１４１号公報

従来技術においては、辞書にない文字列はマスキング候補として現れないという問題点があった。またマスキングを効率よく行うための仕組みが考慮されていなかった。

本発明は、以上のような技術的課題を解決するためになされたものであって、その目的は、漏れのない文書マスキング方法、装置およびプログラムを提供することである。
また、本発明の他の目的は、マスキングを効率よく行う仕組みを提供することである。
また、本発明の他の目的は、大量の文書を短時間にマスキングする方法および装置を提供することである。
また、本発明の他の目的は、マスキング対象の選択と置き換えを容易にする方法および装置を提供することである。
また、本発明の他の目的は、マスキングを希望するユーザにマスキングのサービスを提供することである。

かかる目的のもと、本発明は、文書中の文字列を処理する方法であって、文書中の文字列を部分文字列に分解する段階と、前記部分文字列ごとに出現頻度を含むスコアを算出する段階と、前記部分文字列と前記スコアをユーザに提示する段階と、どの部分文字列がユーザにより選択されたかを判断する段階と、選択された前記部分文字列を安全文字列リストとして記憶する段階と、前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える段階とを有する。

ここで、前記部分文字列が形態素であってもよい。また前記提示する段階が、前記スコアの高い順に前記部分文字列と前記スコアをユーザに提示する段階であってもよい。また前記スコアを算出する段階が、前記部分文字列ごとに出現頻度と前記部分文字列の文字列長を含めて算出する段階であってもよい。さらに前記スコアを算出する段階が、前記部分文字列ごとに出現頻度、前記部分文字列の文字列長、部分文字列の品詞名を数値化した値、または部分文字列の属する集合であるカテゴリ名を数値化した値を含めて算出する段階であってもい。本発明に方法にさらに、さらに前記部分文字列ごとに危険文字列となるリスクを算出する段階を含ませ、前記ユーザに提示する段階が、前記部分文字列と前記スコアと前記リスクをユーザに提示する段階であってもよい。ここで前記リスクを、危険な部分文字列を予め記憶した危険文字列リストに含まれる部分文字列について高く計算してもよい。また前記ユーザに提示する段階が、リスクが所定の値より低い部分文字列については選択が既にされているものとして提示する段階を含むようにしてもよい。さらに前記ユーザに提示する段階が、部分文字列ごとに置換文字列を提示する段階を含むようにしてもよい。そして前記ユーザに提示する段階が、部分文字列の上位概念を記憶したカテゴリ辞書を用いて前記部分文字列の上位概念を置換文字列として提示する段階を含むようにしてもよい。最後に前記選択されたかを判断する段階が、さらに前記置換文字列の編集を受け付ける段階を含むようにしてもよい。

一方、本発明は、コンピュータに所定の機能を実現させるプログラムとして捉えることもできる。その場合、本発明のプログラムは、文書中の文字列を部分文字列に分解する機能と、前記部分文字列ごとに出現頻度を含むスコアを算出する機能と、前記部分文字列と前記スコアをユーザに提示する機能と、どの部分文字列がユーザにより選択されたかを判断する機能と、選択された前記部分文字列を安全文字列リストとして記憶する機能と、前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える機能とをコンピュータに実現させる。

本発明により文書マスキングを効率よく行うことが可能となり、大量の文書を短時間にマスキングすることができる。またマスキング対象の部分文字列の選択と置換文字列の編集が容易に行える。

以下、添付図面を参照して、本発明を実施するための最良の形態(以下、「実施の形態」という)について詳細に説明する。以下、実施の形態において部分文字列は形態素、単語、節、文、または文字種であっても本発明の本質に変わりなく実施可能である。
図１は本実施の形態におけるシステムの構成を示した図である。文書１１０は主にテキストから構成された文書である。テキストには秘匿すべき文字列が存在し、本発明により最終的にその文字列がマスクされる。部分文字列分解部１２０は読み込んだテキストを部分文字列に分解する。分解の方法として形態素、単語、節、文、文字種での分解がよく知れらている。好適にはテキストを形態素に分解することが望ましい。なお形態素解析の手法は広く公知であるので詳細は省く。分解後の部分文字列は部分文字列リスト１２５に記憶される。なお本発明は従来技術と異なり全ての文字列がマスク対象の状態からスタートし、安全と見なされた部分文字列はマスクが外され、危険な文字列であれば所定の置換文字列に置き換えられる。スコア算出部１３０は部分文字列のスコアとリスクを算出する。スコアはその部分文字列がどの程度重要な情報であるかを数値化したものである。スコアは主に部分文字列の出現頻度、文字列長から計算されるが、品詞名またはカテゴリ名（詳細は後述する）、後述のリスクに基づき数値化した値も含めて算出するようにしてもよい。リスクとはその部分文字列のマスクを解除することで機密情報が漏洩する危険性を数値化したものである。危険文字列リスト１３２に記憶された部分文字列の部分文字列になっていれば１、そうでなければ０というように２値の値として定義する。別の態様としては危険文字列である確信度を付与してもよい。なお危険文字列リストは既存の人名、地名、企業名などを利用して作成する。部分文字列のスコアとリスクはスコア付部分文字列リスト１３６として記憶される。部分文字列提示部１４０はスコア算出部１３０で算出されたスコアとリスクをユーザに提示してどの部分文字列のマスクを解除するかを選択させる。また部分文字列提示部１４０では部分文字列をどのような置換文字列として置き換えるかの決定も行うことができる。予め置換文字列としてデフォルトのものが用意されるが部分文字列の上位概念を記憶したカテゴリ辞書１４２を参照して上位の概念が存在する部分文字列についてはこれを置換文字列として選定できる。またユーザの指示により置換文字列の編集も可能である。この部分文字列提示部１４０の選択／編集結果は安全文字列リスト１４５として記憶される。安全文字列リストには予め安全と決められた部分文字列、例えば特定の製品名などを記憶しておく。このようにしておくことでユーザのチェック数を抑えることができる。マスク解除部１５０は安全文字列リストに基づき文書中のマスクされた部分文字列のマスクを解除する。すなわちマスク解除部１５０では前記安全文字列リスト１４５に存在する部分文字列を除き前記文書中の全部分文字列を所定の置換文字列で置き換える。処理された文書は表示装置２７５でマスク解除率とともに即座に表示される。ユーザは所望のマスク解除がなされているか確認したのち不十分であればさらに選択／編集という操作を繰り返すことが容易にできる。従ってユーザは非常にスムーズに所望の置換結果を得ることができる。

図２は本実施の形態として用いるのに好適なコンピュータのハードウェア構成の例を模式的に示した図である。コンピュータ１０００は、ホストコントローラ２１０により相互に接続されるＣＰＵ２００、ＲＡＭ２４０、ＲＯＭ２３０及びＩ／Ｏコントローラ２２０を有するＣＰＵ周辺部と、Ｉ／Ｏコントローラ２２０により接続される通信インターフェイス２５０、ハードディスクドライブ２８０、及びＣＤ/ＤＶＤ等の円盤型メディア２９５を読み書きできるマルチコンボドライブ２９０、フレキシブルディスク２８５を読み書きできるＦＤドライブ２４５、サウンド入出力装置２６５を駆動するサウンドコントローラ２６０、表示装置２７５を駆動するグラフィックコントローラ２７０を備える。

ＣＰＵ２００は、ＲＯＭ２３０、ＢＩＯＳ及びＲＡＭ２４０に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィックコントローラ２７０は、ＣＰＵ２００等がＲＡＭ２４０内に設けたフレームバッファ上に生成する画像データを取得し、表示装置２７５上に表示させる。もしくはグラフィックコントローラ２７０がＣＰＵ２００等が生成する画像データを格納するフレームバッファをその内部に含んでもよい。好適には表示装置２７５上にマスク解除対象となる部分文字列を表示させユーザの選択を促す。

通信インターフェイス２５０は、ネットワークを介して外部の通信機器と通信する。好適にはマスキングを希望するユーザから通信インターフェイス２５０を通して文書を受信し本発明の文字列置換装置により所望の置換を行いその結果をユーザに送信するようにする。なおネットワークは有線、無線、赤外線、ＢＬＵＥＴＯＯＴＨ等の近距離無線で接続しても本願の構成を何ら変更することなく利用可能である。ハードディスクドライブ２８０は、コンピュータ１０００が使用する本発明のプログラム、アプリケーション、ＯＳ等のコード及びデータを格納する。マルチコンボドライブドライブ２９０は、ＣＤ／ＤＶＤ等のメディア２９５からプログラム又はデータを読み取り、これら記憶装置から読み取られたプログラム、データはＲＡＭ２４０にロードされＣＰＵ２００により利用される。本発明のプログラム記録した媒体はこれらの外部記憶メディアから供給されてもよいし、内部のハードディスクドライブ２８０やネットワークを通じてダウンロードして供給されてもよい。好ましくはハードディスクドライブ２８０に部分文字列リスト１２５、危険文字列リスト１３２、スコア付部分文字列リスト１３６、安全文字列リスト１４５が記憶される。

以上に示したプログラムは、外部の記憶媒体に格納されてもよい。記憶媒体としては、フレキシブルディスク２８５、ＣＤ−ＲＯＭの他に、ＤＶＤやＰＤ等の光学記録媒体、ＭＤ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワークやインターネットに接続されたサーバシステムに設けたハードディスク又はＲＡＭ等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムを取り込んでもよい。上記の構成の一例から理解されるように、本発明に必要なハードウェアは通常のコンピュータ機能を有するものは如何なるものでも利用可能である。例えばモバイル端末、携帯端末、家電機器でも何らの支障なく利用可能である。

尚、図２は本実施の形態を実現するコンピュータのハードウェア構成を例示するに過ぎず、本実施の形態を適用可能であれば、他の種々の構成を取ることができる。

図３はスコア計算部１３０のより詳細な構成を表す図である。部分文字列集計部３１０は部分文字列分解部１２０により生成された部分文字列リスト１２５に基づき各部分文字列の出現頻度などの基本的なデータを集計する。

次に、リスク算出部３３０は部分文字列のリスクを算出する。リスク（Ｒ）とはその部分文字列のマスクを解除することで機密情報が漏洩する危険性を数値化したものである。予め危険な部分文字列を記憶した危険文字列リスト１３２の部分文字列の部分文字列になっていれば１、そうでなければ０と定義する。または特定の指標を用いて危険文字列である確信度を付与してもよい。なお危険文字列リストは既存の人名、地名、企業名辞書などを利用して作成する。リスク算出部３３０の出力は部分文字列ごとにスコア付部分文字列リスト１３６に記憶される

スコア算出部３４０は部分文字列のスコアを算出する。スコアとはその部分文字列が文書中においてどのくらい重要な情報かを数値化したものである。部分文字列の出現頻度（Ａ）、部分文字列長（Ｂ）、品詞名（Ｃ）、またはカテゴリ名（Ｄ）、前述のリスク（Ｒ）を基にその部分文字列のスコアを計算する。下記にスコア（Ｓ）の算出式を示す。なお計算式は例示であり文書の種類、検査環境などに応じて種々変更可能である。スコア算出部３４０の出力はスコア付部分文字列リスト１３６に記憶される。

(数１)
Ｓ＝Ａ×Ｂ×（Ｃ＋Ｄ）＋Ｒ

図４は部分文字列提示部１４０のより詳細な構成を表す図である。部分文字列表示部４１０はスコア付部分文字列リスト１３６を読み込み部分文字列とそのスコア、品詞、カテゴリ、頻度、リスク、置換文字列を表示装置２７５に表示する。置換文字列は予め所定のものがデフォルトとして用意されるが部分文字列の上位概念を記憶したカテゴリ辞書１４２を参照して上位概念を置換文字列として選定できる。部分文字列選択／置換部４２０はユーザから所望の部分文字列のマスク解除の選択および置換文字列の修正を受け付ける。部分文字列提示部１４０および部分文字列選択／置換部４２０のユーザインターフェースは後ほど詳細に説明する。次に安全文字列リスト作成部４３０は部分文字列選択／置換部４２０の結果を受けて最終的な安全文字列リストを作成する。結果は安全文字列リスト１４５に記憶される。

図５は安全文字列リスト作成部４３０の処理をフローチャートとして表した図である。まず作成される安全文字列リスト１４５の内部フォーマットについて説明する。安全文字列リスト１４５は、置換処理を行わなくてもよい安全な文字列のリストである。また、「常に安全文字列ではないが、ある文字列と並んで出現する場合は安全文字列である」というように、条件付きで安全な文字列を指定することもできる。下記に安全文字列リスト１４５のエントリ名とその意味について例示する。
エントリ名 エントリの意味
インターネット 「インターネット」はいつでも安全文字列
インターネット[接続(名詞)] 「インターネット」の後に名詞「接続」が来たときは安全文字列
[を(助詞)]インターネット 「インターネット」の前に助詞「を」が来たときは安全文字列
[助詞]インターネット[助詞] 「インターネット」の前後に助詞が来たときは安全文字列
ステップ５１０は未チェックの部分文字列からスコア最高の部分文字列Ｗiを検索する。次にユーザによりステップ５２０で部分文字列Ｗiの品詞やリスクなどの情報からWiがどの文脈中でも安全かの判断を促す。安全であれば処理はステップ５３０に移り部分文字列Ｗiを安全文字列リスト１４５に登録する。安全でない場合にはユーザに詳細情報画面６１５を表示し部分文字列の周辺情報を加味して、安全なパターンのマスクを解除するよう確認を促す。ユーザが部分文字列の周辺情報などを参照して安全文字列と確認すると条件付で部分文字列Ｗiを安全文字列リスト１４５に記憶する。その後処理はステップ５４０に移る。もしユーザが安全文字列と判断しなければ部分文字列Ｗiはマスク解除の対象から除かれる。ステップ５４０で終了条件が満たされているか判断される。処理の終了はチェックする部分文字列数、マスク解除率に基づき判断される。

図６、図７は部分文字列提示部１４０のユーザインターフェースを示す表示画面例である。ユーザに提示する表示画面は大きく分けて２つあり、１つは図６に示す部分文字列チェックメイン画面６０５でもう１つは図７に示す詳細情報表示画面６１５である。部分文字列チェックメイン画面６０５はさらに部分文字列情報表示部６１０とフィルタ条件部６２０とフィルタ実行部の３つの領域からなる。部分文字列情報表示部６１０ではマスク解除の選択／非選択、部分文字列名、置換文字列、品詞、カテゴリ、スコア、頻度、リスク、そして詳細情報ボタンを有し、ユーザは全部分文字列についてマスク解除の選択／非選択が行える。また置換文字列はデフォルトの文字（図６では黒い四角）が用意されている。ただしカテゴリ辞書１４２を用いることにより部分文字列の上位概念が存在する場合にはそれを置換文字列として提示できる。なお置換文字列はユーザ所望の部分文字列に編集可能である。部分文字列はスコアが高いものから順に提示される。好ましくはリスクが所定の値より小さい部分文字列は安全と見なしてマスク解除の選択が既にされているものとして提示するようにする。ユーザは詳細情報ボタン６１５を選択して部分文字列のより詳細な情報を知ることができる。ユーザはフィルタ条件部６２０に検索キーワードを入力することにより部分文字列名を絞り込むことができる。またフィルタ実行部においてサンプル表示６５０を表示させることができる。フィルタ実行部６３０におけるマスク解除率は文書中の何パーセントの文字がマスク（置換）されていないかを表している。

ユーザが詳細情報ボタン６１５を選択すると部分文字列のより詳細な情報が図７のように表示される。図６では「インターネット」という部分文字列についてマスク解除の選択と部分文字列の周辺情報が表示される。さらに原文表示ボタン７１５を選択することで原文ウィンドウ７４０に原文が表示される。このように本発明では同じ「インターネット」という部分文字列であっても周辺の情報（文脈）を見ることにより個別にマスクの解除が設定できる。表示設定条件部７２０でキーワードを入力することで詳細情報表示部７１０の内容を絞ることが可能である。また集計の方法として部分文字列、品詞、カテゴリのどれかを選択することで表示順位を変更できる。ここでカテゴリとは部分文字列を要素とする集合で内容に相当するカテゴリ名を持つ。カテゴリ名とそれに含まれる要素（部分文字列）の例を以下に示す。
カテゴリ名 要素
ノート型コンピュータ Bシリーズ01、Bシリーズ02
またカテゴリをノードとして木構造を作成し管理することも可能である。この場合親ノードのカテゴリが子ノードのカテゴリの要素を含むように作成する。下記にカテゴリの木構造の例を示す。
・デスクトップコンピュータ = {Aシリーズ01，Aシリーズ02}
・ノート型コンピュータ = {Bシリーズ01，Bシリーズ02}
・周辺機器 = {プリンタ，スキャナ}
・コンピュータ = {Aシリーズ01，Aシリーズ02，Bシリーズ01，Bシリーズ02}
・製品 = {Aシリーズ01，Aシリーズ02，Bシリーズ01，Bシリーズ02，プリンタ，スキャナ}
本発明で用いるカテゴリ辞書１４２は上記のように木構造として管理されたカテゴリが記憶されており、概念辞書のように意味的に上位のカテゴリが置換文字列として提示される。そのまま置換文字列として受け入れても良いがもちろんユーザの指示で適宜変更可能である。詳細情報表示部７１０または表示設定条件部の選択が終了した後、処理実行部７３０で保存をすることにより設定が保存され表示は部分文字列チェックメイン画面６０５に戻る。

本発明の文書マスキング手法は、文書に現れる順番に部分文字列をチェックせず予め集計された部分文字列をチェックすることになるので大幅に人的コストを軽減することができる。
実例としてコールセンターのログについて本発明を適用した。その結果文書全体の文字数約300万から約180万の部分文字列が抽出された。重複しない部分文字列数約3万についてスコアの高い順にチェックを行った場合、上位1400（4.7％）をチェックすれば文書全体の率80%をチェックしたことになり、上位3800(12.7%)をチェックすれば文書全体の90%をチェックしたことになる。次に文書中にマスキングするべき部分文字列はないものとして、どれくらいマスクが解除されれば使える情報が浮かび上がってくるかを調査した。その結果、マスクを解除した割合が増えるにつれて徐々に理解できる情報となり、大体80〜90%のマスクが解除されれば、十分使える情報が浮かび上がってくることが確認できた。実際には危険文字列の部分文字列となりうる部分文字列に注意してマスクを解除する必要があるが、180万の部分文字列を順番にチェックするのと、4,000程度の部分文字列をチェックするのとでは明らかに後者、すなわち本発明の方法が人的コストを低く抑えることができる。本発明の適用例を下記に示す。

お客様サポートセンターなどのコールログを営業戦略の立案などに役立てるために、短時間で安全に機密情報のマスキングを行い利用可能な状態にする。このような状況において、本発明を利用することが可能である。はじめに、本発明を用いてコールログのマスクを行う前に、製品名辞書を利用して、危険文字列ではないことが分かっている部分文字列を安全文字列リスト１４５に記憶しておく。

あるコミュニティで共有している文書や、メーリングリストに流れたメールを、より多くの人が閲覧できるようにするために、本発明を利用してマスキングを行うことが可能である。この場合は、特に人名や企業名の部分文字列となる部分文字列を危険文字列リスト１３２に予め記憶しておく。例えば情報公開制度により、機密文書を安全にマスキングしてから開示する際にも、本発明を利用することが考えられる。

医療現場において、患者のカルテなどの情報を集めて、どのような治療をすればよいかを決定するための意思決定システムの研究に本発明を適用できる。カルテは機密度の高い個人情報を扱っているため、確実に個人を特定しうる文字列をマスキングして、病名や検査項目とその結果、投与している薬、治療の結果などの情報を取り出す必要がある。この場合、病名や薬の名前が載っている専門用語辞書を用いて安全文字列リスト１４５を作成しておく。また人名や組織名の部分文字列となるような部分文字列を危険文字列リスト１３２に記憶して、本発明の方法で文書のマスクを行う。

本実施の形態におけるシステムの構成を示した図である。 本実施の形態を実現するコンピュータのハードウェア構成を例示した図である。 スコア計算部１３０のより詳細な構成を表す図である。 部分文字列提示部１４０のより詳細な構成を表す図である。 安全文字列リスト作成部のフローチャートである。 部分文字列チェックメイン画面のユーザインターフェースを示す図である。 詳細情報表示画面のユーザインターフェースを示す図である。

符号の説明

１２０ 部分文字列分解部
１２５ 部分文字列リスト
１３０ スコア計算部
１３２ 危険文字列リスト
１３６ スコア付部分文字列リスト
１４０ 部分文字列提示部
１４２ カテゴリ辞書
１４５ 安全文字列リスト
２００ ＣＰＵ
２１０ ホストコントローラ
２２０ コントローラ
２３０ ＲＯＭ
２４０ ＲＡＭ
２４５ ＦＤドライブ
２５０ 通信インターフェイス
２６０ サウンドコントローラ
２６５ サウンド入出力装置
２７０ グラフィックコントローラ
２７５ 表示装置
２８０ ハードディスクドライブ
２８５ フレキシブルディスク
２９０ マルチコンボドライブ
２９５ 円盤型メディア
２９０ マルチコンボドライブドライブ
２９５ メディア
３１０ 部分文字列集計部
３３０ リスク算出部
３４０ スコア算出部
４１０ 部分文字列表示部
４２０ 部分文字列選択／置換部
４３０ 安全文字列リスト作成部
６０５ 部分文字列チェックメイン画面
６１０ 部分文字列情報表示部
６１５ 詳細情報表示画面
６２０ フィルタ条件部
６３０ フィルタ実行部
６５０ サンプル表示
７１０ 詳細情報表示部
７１５ 原文表示ボタン
７２０ 表示設定条件部
７３０ 処理実行部
７４０ 原文ウィンドウ
１０００ コンピュータ

Claims (14)

1. 文書中の文字列を処理する方法であって、
   文書中の文字列を部分文字列に分解する段階と、
   前記部分文字列ごとに出現頻度を含むスコアを算出する段階と、
   前記部分文字列と前記スコアをユーザに提示する段階と、
   どの部分文字列がユーザにより選択されたかを判断する段階と、
   選択された前記部分文字列を安全文字列リストとして記憶する段階と、
   前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える段階と
   を有する方法。
2. 前記部分文字列が形態素である、請求項１記載の方法。
3. 前記提示する段階が、前記スコアの高い順に前記部分文字列と前記スコアをユーザに提示する段階である、請求項１記載の方法。
4. 前記スコアを算出する段階が、前記部分文字列ごとに出現頻度と前記部分文字列の文字列長を含めて算出する段階である、請求項１記載の方法。
5. 前記スコアを算出する段階が、前記部分文字列ごとに出現頻度、前記部分文字列の文字列長、部分文字列の品詞名を数値化した値、または部分文字列の属する集合であるカテゴリ名を数値化した値を含めて算出する段階である、請求項１記載の方法。
6. 前記方法が、さらに前記部分文字列ごとに危険文字列となるリスクを算出する段階を含み、
   前記ユーザに提示する段階が、前記部分文字列と前記スコアと前記リスクをユーザに提示する段階である、請求項１記載の方法。
7. 前記リスクを、危険な部分文字列を予め記憶した危険文字列リストに含まれる部分文字列について高く計算する、請求項６の方法。
8. 前記ユーザに提示する段階が、リスクが所定の値より低い部分文字列については選択が既にされているものとして提示する段階を含む、請求項６の方法。
9. 前記ユーザに提示する段階が、部分文字列ごとに置換文字列を提示する段階を含む、請求項１記載の方法。
10. 前記ユーザに提示する段階が、部分文字列の上位概念を記憶したカテゴリ辞書を用いて前記部分文字列の上位概念を置換文字列として提示する段階を含む、請求項９記載の方法。
11. 前記選択されたかを判断する段階が、さらに前記置換文字列の編集を受け付ける段階を含む、請求項１０記載の方法。
12. 記憶装置、表示装置を備えた文字列処理装置であって、
    文書中の文字列を部分文字列に分解する手段と、
    前記部分文字列ごとに出現頻度を含むスコアを算出する手段と、
    前記部分文字列と前記スコアを前記表示装置に表示する手段と、
    どの部分文字列がユーザにより選択されたかを判断する手段と、
    選択された前記部分文字列を安全文字列リストとして前記記憶装置に記憶する手段と、
    前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える手段と
    を備える文字列処理装置。
13. 文書中の文字列を処理するプログラムであって、該プログラムが、
    文書中の文字列を部分文字列に分解する機能と、
    前記部分文字列ごとに出現頻度を含むスコアを算出する機能と、
    前記部分文字列と前記スコアをユーザに提示する機能と、
    どの部分文字列がユーザにより選択されたかを判断する機能と、
    選択された前記部分文字列を安全文字列リストとして記憶する機能と、
    前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える機能と
    をコンピュータに実現させるプログラム。
14. 文書中の文字列を処理するサービスであって、
    文書を受信する段階と、
    文書中の文字列を部分文字列に分解する段階と、
    前記部分文字列ごとに出現頻度を含むスコアを算出する段階と、
    前記部分文字列と前記スコアをユーザに提示する段階と、
    どの部分文字列がユーザにより選択されたかを判断する段階と、
    選択された前記部分文字列を安全文字列リストとして記憶する段階と、
    前記文書中の部分文字列を、前記安全文字列リストに存在する部分文字列を除き、所定の置換文字列で置き換える段階と
    置換文字列で置換した文書を送信する段階と
    を有するサービス。

Images