JP2009110393A - データ処理装置 - Google Patents

Abstract

【課題】ユーザが、データ群ごとに区分された複数のグループから、当該ユーザが注目すべきグループを発見することを支援する。
【解決手段】出力用情報生成部３５は、グループ情報記憶装置４に記憶されたグループ情報をもとにＨＴＭＬ形式の出力用情報を生成する。出力部２は、出力用情報をもとに表示データ２１を画面表示する。ユーザが表示データ２１上の興味のある特徴情報を入力部１の操作により選択すると、特徴情報比較部３３は、グループ情報上の特徴情報のうち、選択済みの特徴情報と一致する特徴情報をタグで囲んだ判定用情報を生成する。グループ強調判定部３４は、タグで囲まれた特徴情報が条件を満たすグループのグループ名を強調表示させるためのタグを付加した判定結果情報を出力する。出力部２は、この判定結果情報をもとに強調表示対象のグループ名を強調表示させた表示データ２１を画面表示する。
【選択図】 図１

Description

本発明は、分類対象データ群を処理するデータ処理装置に関する。

従来、大量の文書などのデータ群を、複数のグループに自動的に分類する技術の一つとして、「クラスタリング」がある（例えば非特許文献１参照）。クラスタリングは、教師なし分類の一種であり、データ集合をあらかじめ「どのようなグループに分類するか」を定義することなく「クラスタ」と呼ばれるグループに自動的に分類する技術である。分類対象のデータが文書の場合、この技術を一般に「文書クラスタリング」と呼ぶ。

文書クラスタリング技術は、文書データ群の性質をユーザがあまりよく解っていないケースなどでよく活用される。この技術を用いることで、ユーザは、大量の玉石混交の文書データ群を頭から読んでいくのではなく、文書データ群の全体傾向を把握したうえで、自分の興味のあるクラスタを選択し、そのクラスタの中の文書を読み進めて行くことができ、必要な情報を把握するための時間の大幅な削減につながる。

しかし、ユーザが分類指標たるカテゴリを予め定義する「テキスト分類」、つまり教師ありの文書分類と異なり、分類指標たるクラスタを自動的に構築するため、各クラスタが分かりやすく特徴付けられていなければ、どのクラスタに注目すればいいのか分かりにくい。

例えば、文書クラスタリングの結果、３つのクラスタができたとして、それぞれに「クラスタ１」、「クラスタ２」、「クラスタ３」という名前をつけたとしても、それぞれのクラスタに属する文書データ群がどのような特徴を持っているかを、当該クラスタに属する各文書データを見ることなく類推するのはほぼ不可能である。これでは、ユーザは、自分の興味のあるクラスタがどれなのか、中の文書群を見るまでわからないという、本末転倒な状況になってしまう。

この課題を解決する方法の一つとして、それぞれのクラスタに対し、何らかの特徴付けを行うというものがある。例えば特徴付けの一手法として、分類した各クラスタに割り当てられた文書に記載されたキーワードの特徴を基に、クラスタ名と呼ばれる名前をつけたり、複数の特徴的なキーワードや情報（特徴情報）を付記したりする既存の技術がある。

例えば特許文献１に開示される技術では、同文献の図６，７に記載のように、分析したクラスタに対し「東京」、「ニューヨーク」などのクラスタ名をつけている。さらに、同じく各クラスタの文書に記載されたキーワードの特徴を基に、「クラスタキーワード」という複数のキーワードを割り当てている。このような対応を行うことで、クラスタの内容を、その中の文書を見ることなく、ある程度類推することを可能としている。
特開２００３−４４３３１号公報 岸田和明,文書クラスタリングの手法：文献レビュー,Library and Information Science. No.49, 2003, p.33-75

しかし、クラスタリングの結果生成されるクラスタは、時には数百にもなるケースがあり、クラスタ名や特徴キーワードを眺めているだけでは、自分が見るべきクラスタが分かりにくい、あるいは見落としてしまうことが課題となっていた。

そこで、本発明の目的は、ユーザが、データ群ごとに区分された複数のグループから、当該ユーザが注目すべきグループを発見することを支援できるデータ処理装置を提供することにある。

すなわち、本発明に係わるデータ処理装置は、複数の分類対象データ群のそれぞれについて、当該分類対象データ群の内容に基づいた複数の特徴情報を記憶する記憶手段を備え、分類対象データ群の特徴情報のいずれかの選択を受け付け、この受け付けた特徴情報が属する前記分類対象データ群のそれぞれについて、選択を受け付けた特徴情報が予め定めた条件を満たす分類対象データ群であるか否かを判定し、この条件を満たすと分類対象データ群を強調表示させることを特徴とする。

本発明によれば、ユーザが、データ群ごとに区分された複数のグループから、当該ユーザが注目すべきグループを発見することを支援できる。

以下図面により本発明の実施形態について説明する。
図１は、本発明の実施形態にしたがった文書データ処理装置の概略構成を示すブロック構成図である。
この文書データ処理装置は、コンピュータからなる、一種の情報処理装置で構成される。この情報処理装置内には、各種情報を入力するための入力部１、各種情報を出力するための出力部２、出力対象の情報を一時記憶する出力関連情報記憶装置３、文書群のクラスタリング結果としてのグループ情報を記憶する記憶手段であるグループ情報記憶装置４、グループの強調表示判定に用いる強調ルールを記憶する強調ルール記憶装置５、各種アプリケーションプログラムを記憶するプログラムメモリ６が設けられる。
出力関連情報記憶装置３、グループ情報記憶装置４、強調ルール記憶装置５およびプログラムメモリ６は、ハードディスクやメモリなどのハードウェア資源から構成される。

図２は、本発明の実施形態にしたがった文書データ処理装置のグループ情報記憶装置４に記憶されるグループ情報の一例を表形式で示す図である。
グループ情報記憶装置４には図２に示すようなグループ情報が記憶される。グループ情報は分類対象データ群である文書データ群をクラスタリングした結果を示す情報であり、グループ名、特徴情報、グループに含まれる文書名から構成される。

グループ情報の「グループ名」はクラスタリング後に分類された各グループの名称、つまり識別情報を示す。「特徴情報」は、各グループの内容を示唆する特徴的な情報を示し、ここではグループごとに５個のキーワードで表現される。「グループに含まれる文書名」は各グループにそれぞれ分けられた文書データの名前を示す。

入力部１には、操作入力された項目などを表示するディスプレイ装置である表示部１１、ポインティングデバイス（ＰＤ）１２、挿入された記録媒体１３に書き込まれた各分析対象文書データを読み取る読取部１４、例えば通信回線を介して入力された各分析対象文書データを受信する通信部１５が組み込まれる。
出力部２内には、表示データ２１を表示出力する表示部２２が設けられる。なお、この表示部２２は、入力部１における表示部１１と兼用してもよい。

さらにこの文書データ処理装置には、プログラムメモリ６内に記憶された各アプリケーションプログラムで形成される、グループ情報読込部３１、特徴情報の選択を受け付ける選択受付手段である選択特徴情報抽出部３２、特徴情報比較部３３、判定手段であるグループ強調判定部３４、出力用情報生成部３５が設けられる。

次に、図１に示した構成の文書データ処理装置の動作について説明する。
図３は、本発明の実施形態にしたがった文書データ処理装置の処理動作の一例を示すフローチャートである。
まず、ユーザによる入力部１のポインティングデバイス１２を用いた予め定められた入力操作により、グループ情報読込部３１が動作する。すると、グループ情報読込部３１は、グループ情報記憶装置４から図２に示したグループ情報を読み込み、出力用情報生成部３５に渡す（ステップＳ１）。

出力用情報生成部３５は、グループ情報読込部３１から渡されたグループ情報を変換して出力用情報４１を生成し、これを出力関連情報記憶装置３に記憶させる（ステップＳ２）。

図４は、本発明の実施形態にしたがった文書データ処理装置が生成する出力用情報の第１の例を示す図である。
図４に示すように、出力用情報４１は、ＨＴＭＬ(Hypertext Markup Language)で記述される。また、出力用情報生成部３５は、前述したようにグループ情報読込部３１から渡されたグループ情報を、そのまま出力元情報として出力関連情報記憶装置３に記憶させる（ステップＳ３）。

図５は、本発明の実施形態にしたがった文書データ処理装置による表示データの第１の例を示す図である。
出力部２の表示部２２は、例えばウェブブラウザと同等の機能を有する。この表示部２２は、出力関連情報記憶装置３から出力用情報４１を読み出し、この出力用情報４１のＨＴＭＬを解釈して表示データ２１を生成して、これを画面表示する（ステップＳ４）。

ユーザは、図５に示した表示データ２１を閲覧した後、表示データ２１に示される特徴情報を眺めて、自分の興味のあるキーワードを探す。
ここで、ユーザが図５に示した表示データ２１上の特徴情報「アンテナ」に興味があったとする。ユーザは入力部１のポインティングデバイス１２を操作して表示データ２１上の特徴情報「アンテナ」にカーソル４２を合わせてポインティングデバイス１２によるクリック操作を行なう（ステップＳ５）。

図６は、本発明の実施形態にしたがった文書データ処理装置により表示させる特徴情報選択画面の一例を示す図である。
図６に示した特徴情報選択画面４３は、図５に示した表示データ２１上で特徴情報「アンテナ」がポインティングデバイス１２によるカーソル４２の移動およびクリック操作により選択された場合の表示画面である。表示部２２は、前述したようにポインティングデバイス１２により選択された特徴情報「アンテナ」に下線を付して他の特徴情報と区別する。

選択特徴情報抽出部３２は、ポインティングデバイス１２のカーソル移動およびクリック操作により選択された特徴情報が何であるかを抽出する。以下、このように選択された特徴情報を選択特徴情報と称する。選択特徴情報抽出部３２は、抽出した特徴情報を特徴情報比較部３３に渡す。

特徴情報比較部３３は、選択特徴情報抽出部３２からの選択特徴情報を取得すると（ステップＳ６）、出力関連情報記憶装置３に記憶される出力元情報であるグループ情報を読み出す（ステップＳ７）。

そして、特徴情報比較部３３は、出力元情報に含まれる全特徴情報を読み出し、これらの特徴情報のうち、選択特徴情報抽出部３２からの選択特徴情報と一致する特徴情報を抽出し（ステップＳ８）、この特徴情報を<選択>および</選択>タグで囲んだ判定用情報を生成し、これをグループ強調判定部３４に渡す（ステップＳ９）。

図７は、本発明の実施形態にしたがった文書データ処理装置により生成した判定用情報の第１の例を表形式で示す図である。
ここでは、図２に示したグループ情報と同じ出力元情報上におけるグループ名「グループＡ」、「グループＣ」および「グループＥ」の特徴情報「アンテナ」が「<選択>アンテナ</選択>」に変更されることで、図７に示した判定用情報が生成される。

グループ強調判定部３４は、判定用情報を取得すると、強調ルール記憶装置５に格納された強調ルールを読み出す（ステップＳ１０）。ここでは、強調ルールは「判定用情報上から選択した各グループ名について<選択>および</選択>タグで囲まれた特徴情報が３個以上あった場合に、このグループ名を強調表示する。」であるとする。

グループ強調判定部３４は、判定用情報上の各グループ名の一つを選択し（ステップＳ１１）、このグループ名に関わる特徴情報が強調ルールに合致するか否かの判定を行なうことで、当該選択したグループ名を強調表示の対象とするかの判定を行なう（ステップＳ１２）。

グループ強調判定部３４は、図７に示した判定用情報からグループ名「グループＡ」を選択した場合、このグループ名に関わる特徴情報のうち<選択>および</選択>タグで囲まれた特徴情報は１つであるので、強調表示の対象としないと判定する（ステップＳ１２のＮＯ）。

グループ強調判定部３４は、未選択のグループ名がある場合には（ステップＳ１３のＮＯ）、未選択の別のグループ名を選択し（ステップＳ１３→Ｓ１１）、ステップＳ１２の処理に戻る。

図７に示した判定用情報では、グループ名「グループＢ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は０個で、グループ名「グループＣ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は１個である。

また、グループ名「グループＤ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は０個で、グループ名「グループＥ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は１個である。

よって、強調ルールに合致する特徴情報、つまり<選択>および</選択>タグで囲まれた３個以上の特徴情報をもつグループは存在しない。
この場合、グループ強調判定部３４は、強調表示の対象とするグループが無いとして、判定用情報をそのまま判定結果情報として出力用情報生成部３５に渡す（ステップＳ１４）。

図８は、本発明の実施形態にしたがった文書データ処理装置により生成した出力用情報の第２の例を表形式で示す図である。
出力用情報生成部３５は、図７に示した判定結果情報上の特徴情報を表示データにおいて赤く表示させるために、当該特徴情報を囲む<選択>および</選択>タグを<font color=“red”>および</font>タグに変更した上でＨＴＭＬ形式の情報に変換することで図８に示した出力用情報４１を生成して出力部２に渡す（ステップＳ１５）。また、出力用情報生成部３５は、判定結果情報を出力元情報として出力関連情報記憶装置３に記憶させる。

図９は、本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第２の例を示す図である。
出力部２の表示部２２は図８に示した出力用情報４１を元に図９に示した表示データ２１を生成して、画面表示させる（ステップＳ１６）。図９に示した特徴情報のうち二重下線が付された特徴情報は、実際には赤く表示された特徴情報である。

ユーザは、表示された画面上において、ポインティングデバイス１２の操作により選択特徴情報をさらに選択することができる。当該画面上で、ポインティングデバイス１２の操作により特徴情報「コイル」がさらに選択されると（ステップＳ１７のＹＥＳ）、この選択された特徴情報について、前述したステップＳ６〜Ｓ１５までの処理が再度なされる。

図１０は、本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第３の例を示す図である。
この場合、強調表示の対象とするグループ名は存在しないので、ステップＳ１６の処理により表示される表示データは、図９に示した表示データと比較して、図１０に示したように特徴情報「コイル」が新たに赤く表示されたデータとなる。

図１１は、本発明の実施形態にしたがった文書データ処理装置により生成した判定用情報の第２の例を表形式で示す図である。
そして、図１０に示した画面上で、ポインティングデバイス１２の操作により特徴情報「チップ」がさらに選択されると、以後の処理であるステップＳ９の処理により特徴情報比較部３３が生成する判定用情報は、図７に示した当初の判定用情報と比較して、図１１に示すように、特徴情報「コイル」および「チップ」が<選択>および</選択>タグでさらに囲まれた情報となる。

この判定用情報をもとに、グループ強調判定部３４がステップＳ１２の処理において、判定用情報と強調ルールを用いて、各グループ名の強調表示の有無の判定処理を行なうと、グループ名「グループＡ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は３個で、グループ名「グループＢ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は０個で、グループ名「グループＣ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は１個で、グループ名「グループＤ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は０個で、グループ名「グループＥ」の特徴情報のうち<選択>および</選択>で囲まれた特徴情報の数は３個という結果が得られる。

つまり、グループ名「グループＡ」および「グループＥ」は、<選択>および</選択>で囲まれた３個以上の特徴情報をもつグループであるので、グループ強調判定部３４は、これらのグループを強調ルールに合致する特徴情報をもつグループと判定する（ステップＳ１２のＹＥＳ）。

図１２は、本発明の実施形態にしたがった文書データ処理装置により生成した判定結果情報の一例を表形式で示す図である。
すると、グループ強調判定部３４は、判定用情報上における、前述したグループ名「グループＡ」および「グループＥ」を<強調>および</強調>タグで囲み（ステップＳ１４）、全てのグループについての判定が終了すると、これを図１２に示した判定結果情報とする。

図１３は、本発明の実施形態にしたがった文書データ処理装置により生成した出力用情報の第３の例を表形式で示す図である。
すると、出力用情報生成部３５は、ステップＳ１５の処理として、図１２に示した判定結果情報上のグループ名「グループＡ」および「グループＥ」を表示データにおいて赤くかつ太字で表示させるために、当該グループ名を囲む<強調>および</強調>タグを<font color=“red”><b>および</b></font>タグに変更した上でＨＴＭＬ形式の情報に変換することで図１３に示した出力用情報４１を生成して出力部２に渡す。

図１４は、本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第４の例を示す図である。
出力部２の表示部２２は、ステップＳ１６の処理として、出力用情報４１を元に図１４のような表示データ２１を生成して画面表示させる。図１４に示したグループ名のうち枠で囲まれたグループ名は、実際には赤くかつ太字で表示されたグループ名である。

この後、さらなる選択特徴情報の選択がなされなければ（ステップＳ１７のＮＯ）、一連の処理が終了する。

以上のように、本発明の実施形態にしたがった文書データ処理装置では、分類対象データ群である文書データ群をクラスタリングしたことによるグループ情報を定めておき、このグループ情報で区分されたいずれかのグループの特徴情報のうち任意の特徴情報の選択を受け付けて、各グループについて特徴情報が強調ルールに合致する場合には、この特徴情報が関わるグループ名を強調表示させる。

よって、ユーザは自然な閲覧流れに沿ってグループ情報をもとにした表示画面上で興味のあるキーワードを選択していけば、その結果自身が注目すべきグループを発見することが出来る。これによって、ユーザによる、注目すべきグループおよびそのグループに含まれる文書データ群の見落としなどが低減される。

なお、グループ情報における特徴情報は実施形態で説明した５個に限らず、たとえば３個や１０個であるとしても良い。
また、強調ルールは特に限定されるものでもなく、たとえば、判定用情報について、各グループにおいて<選択>および</選択>タグで囲まれた特徴情報が５個以上でも３個以下でも６個から１０個の間でも良いし、各グループの個数の６割以上でも良いし、ある特定の特徴情報を含む場合でも良い。また強調ルールをグループの種別によって異ならせても良い。

また、特徴情報は文書データ上のキーワードに限らず、たとえば記号や文字、図面のようなものであっても良い。
また、特徴情報は数字であってもよく、それに応じて強調ルールが「特徴情報の平均値が３以上」などと定められていても良い。

また、表示データにおいて前述したように赤く表示されている特徴情報をポインティングデバイス１２により再度クリックすると、当該の特徴情報が選択からはずれ、この赤い表示が元に戻る、としても良い。またこの際、当該の特徴情報が選択から外れたことにより、分類対象データ群が予め定めた条件を満たすかどうかを再判定するとしてもよい。

また、出力用情報４１は、実施形態で説明したようなＨＴＭＬ形式に限らず、例えば一般的なテキスト表示であっても良い。また表示部２２による表示データは出力用情報４１の形式に応じて適宜変更されても良い。また表示部２２はウェブブラウザでなくてもよく、たとえばテキストエディタと同等の機能を有するものであってもよい。

また本実施例では、グループ情報は文書データ群のクラスタリングを実施した結果であるとしたが、クラスタリング結果である必要は無く、その他の文書自動分類技術や手動分類で分類された結果であるとしても良い。

また、前述した実施形態では、各グループについて特徴情報が強調ルールに合致する場合には、この特徴情報が関わるグループ名を強調表示させると説明したが、これに限らず、当該グループ名が関わるグループに属する全特徴情報を太枠で囲むなどして、他のグループと区別するようにしてもよい。

なお、この発明は前記実施形態そのままに限定されるものではなく実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、前記実施形態に開示されている複数の構成要素の適宜な組み合わせにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を省略しても良い。更に、異なる実施形態に亘る構成要素を適宜組み合せても良い。

本発明の実施形態にしたがった文書データ処理装置の概略構成を示すブロック構成図。 本発明の実施形態にしたがった文書データ処理装置のグループ情報記憶装置に記憶されるグループ情報の一例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置の処理動作の一例を示すフローチャート。 本発明の実施形態にしたがった文書データ処理装置が生成する出力用情報の第１の例を示す図。 本発明の実施形態にしたがった文書データ処理装置による表示データの第１の例を示す図。 本発明の実施形態にしたがった文書データ処理装置により表示させる特徴情報選択画面の一例を示す図。 本発明の実施形態にしたがった文書データ処理装置により生成した判定用情報の第１の例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置により生成した出力用情報の第２の例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第２の例を示す図。 本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第３の例を示す図。 本発明の実施形態にしたがった文書データ処理装置により生成した判定用情報の第２の例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置により生成した判定結果情報の一例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置により生成した出力用情報の第３の例を表形式で示す図。 本発明の実施形態にしたがった文書データ処理装置により表示する表示データの第４の例を示す図。

符号の説明

１…入力部、２…出力部、３…出力関連情報記憶装置、４…グループ情報記憶装置、５…強調ルール記憶装置、６…プログラムメモリ、１１，２２…表示部、１２…ポインティングデバイス、１３…記録媒体、１４…読取部、１５…通信部、２２…表示部、３１…グループ情報読込部、３２…選択特徴情報抽出部、３３…特徴情報比較部、３４…グループ強調判定部、３５…出力用情報生成部。

Claims (4)

1. 複数の分類対象データ群のそれぞれについて、当該分類対象データ群の内容に基づいた複数の特徴情報を記憶する記憶手段と、
   前記分類対象データ群の特徴情報のいずれかの選択を受け付ける選択受付手段と、
   前記選択受付手段が選択を受け付けた特徴情報が属する前記分類対象データ群のそれぞれについて、前記選択を受け付けた特徴情報が予め定めた条件を満たす分類対象データ群であるか否かを判定する判定手段と、
   前記定めた条件を満たすと前記判定手段が判定した分類対象データ群を強調表示させる表示制御手段と
   を備えたことを特徴とするデータ処理装置。
2. 前記記憶手段は、前記複数の分類対象データ群のそれぞれについて、当該分類対象データ群の識別情報を前記特徴情報とともに記憶し、
   前記表示制御手段は、前記定めた条件を満たすと前記判定手段が判定した分類対象データ群の識別情報を強調表示させる
   ことを特徴とする請求項１に記載のデータ処理装置。
3. 前記判定手段は、前記選択受付手段が選択を受け付けた特徴情報が属する前記分類対象データ群のそれぞれについて、前記選択を受け付けた特徴情報が予め定めた数以上である分類対象データ群であるか否かを判定する
   ことを特徴とする請求項１に記載のデータ処理装置。
4. 前記選択受付手段は、前記定めた条件を満たさないと前記判定手段が判定した分類対象データ群の未選択の特徴情報のいずれかの選択をさらに受け付ける
   ことを特徴とする請求項１に記載のデータ処理装置。

Images