JP2009294938A - 文書分類装置 - Google Patents

Abstract

【課題】カテゴリの階層構造における各カテゴリについてユーザの意図に合うように移動できるように支援するとともに、カテゴリの移動にかかる作業を効率化し、ユーザの移動操作に応じてカテゴリの階層構造を適切に再構成する。
【解決手段】文書分類部３の単語ベクトル生成部３１は、文書の単語ベクトル生成処理、カテゴリ内の文書の単語ベクトル生成処理、カテゴリの単語ベクトル生成処理を行なう。分類・クラスタリング部３２は文書の分類・クラスタリング処理を行なう。カテゴリ編集部４の移動カテゴリ候補提示部４１は、移動操作の候補となるカテゴリを提示する。移動カテゴリ再分類部４２は、移動したカテゴリと異なるカテゴリが持つ文書および当該異なるカテゴリの少なくとも一方を適切な分類形態となるように再分類する。移動カテゴリ名変更部４３は、移動したカテゴリの名称を再分類後において適切な名称に変更する。
【選択図】 図１

Description

本発明は、電子化された大量の文書をその内容に応じて分類・整理するための文書分類装置に関する。

近年、計算機の高性能化や記憶媒体の大容量化、計算機ネットワークの普及などに伴い、電子化された大量の文書を計算機システムに記憶管理して利用することが可能となった。ここでいう文書とは、例えば帳票、企画書、設計書といった業務文書や、マニュアル、特許、技術文献、法令、規程、議事録、ニュース記事、電子メール、ウェブページ、書籍などを指す。

このような大量の文書を未整理のまま計算機のファイルシステムやデータベースに記憶するだけでは、どこにどのような情報が存在するかが分からなくなり、せっかくの情報が利用できなくなるという問題が生じる。従って、文書を内容や用途に応じて分類・整理しておくことで情報の有効活用や共有の促進を図るといったことが行われている。

また、例えば日々作成され蓄積される日報や週報などの報告書や、顧客から送付されてくる問い合わせ、製品等の不具合情報、特許・技術文献等の知的財産などを分析・調査して内容の傾向を把握したり、新たな知見を得る目的にも、互いに内容が類似した文書同士をグルーピングしたりすることが行われている。このような文書の分類作業には労力がかかるため、文書を自動的に分類する技術が従来開発されている。

大量の文書を自動的に分類する技術には、大別すると教師あり分類と教師なし分類がある。教師あり分類は、あらかじめユーザが与えたカテゴリの構造と各カテゴリに分類されるべき訓練文書とに基づき、未分類の文書を自動的に分類する方法である。教師なし分類は主にクラスタリングと呼ばれ、ユーザが定義した文書の類似度に基づき、類似した文書同士を自動的にグルーピングし、カテゴリ構造自体も自動生成する方法である。

しかし、これらの技術による自動分類の結果はユーザが意図したものにならないことが多い。また、ある文書集合を自動または手作業で分類してカテゴリ構造を作成した後、新たな文書集合を追加して分類しようとすると、既存のカテゴリ構造では新しい文書をうまく分類できないこともある。

計算機処理による自動分類では、人間が手作業で行うような質の良い分類結果を得ることは困難であるし、文書をどのようなカテゴリ構造に分類すべきかはユーザ自身の意図にもよる。従って、ユーザと計算機との協調作業によってユーザが意図するカテゴリ構造を効率よく作成できるようにすることが望まれる。そこで、以下のような技術が提案されている。

その一つは、あるカテゴリに自動分類された文書をユーザが別のカテゴリに移動（割り当て直し）できるようにしたものである。もちろん、大量の文書をユーザが逐一移動するのは労力がかかるし、そもそも、どの文書をどのカテゴリに移動すべきかを判断すること自体が難しい。

従って、例えば特許文献１に開示されるように、自動分類による分類結果の適切さを判定する作業や、分類結果が誤りである場合に適切なカテゴリを見つける作業を効率良く行うための支援方法が考案されている。また、例えば特許文献２や特許文献３に開示されるように、適切なカテゴリが存在しない場合に新規のカテゴリを作成する必要性をユーザに提案する方法も考案されている。

さらに、例えば特許文献３に開示されるように、あるカテゴリに分類される文書数が少なくなった場合に当該カテゴリを削除するか、あるいは他のカテゴリへ併合することをユーザに提案したり、逆に、あるカテゴリへ分類される文書が多くなった場合に当該カテゴリを分割することを提案したりする方法も考案されている。

一方、例えば特許文献４に開示されるように、カテゴリの移動や削除等の変更の指示に応じて、既に分類されている文書を再分類する方法も考案されている。
特開平９−２２４１４号公報 特開平５−３４２２７２号公報 特開２００２−１１７０４６号公報 特開２０００−１３７７２３号公報

従来の自動分類、特に教師なし分類（クラスタリング）には以下の課題がある。まず、ユーザが類似していると考える文書が別々のカテゴリに分類されてしまったり、逆に、類似していないと考える文書が同じカテゴリに分類されてしまったりすることがある。

一般的な文書クラスタリングにおいては、各文書の特徴を表すために単語ベクトルを用いることが多い。単語ベクトルとは、文書中に出現する各々の単語をベクトルの次元とし、各次元の値を当該単語の品詞や頻度などに基づいて計算した重みとして構成したベクトルである。そして、文書の間の類似度は、両文書の単語ベクトルの類似度（余弦など）を用いて定義する。

この類似度を用いて、文書集合から、互いによく類似した文書同士を選んでグルーピングしていくのがクラスタリングの処理である。この処理においては、単語ベクトル中のどの単語が類似度の計算において影響を及ぼすかは機械的に定められるため、その分類結果がユーザが意図しないものになってしまうことがある。
また、階層的に生成したカテゴリ構造の上位下位（親子）関係がユーザの意図に合わないことがある。また、カテゴリの同一階層（兄弟）に分類の観点が異なるカテゴリができてしまうことがある。

階層的クラスタリングの手法（凝集型あるいは分割型）によれば、互いに類似したカテゴリをまとめる上位のカテゴリを設けてカテゴリを階層的に構成することが可能である。しかしながら、文書もしくはカテゴリを類似したもの同士で凝縮あるいは分割していく順序は上述の単語ベクトルに影響され、先に凝縮されたもの（あるいは後で分割されたもの）が下位のカテゴリとなるよう機械的に定められる。

また、ある凝縮処理（あるいは分割処理）において影響の大きかった単語と別の凝縮処理（あるいは分割処理）において影響の大きかった単語とは何ら関係がないため、カテゴリの階層構造の同一階層にできる兄弟カテゴリは分類の観点としては異なる場合が多い。その結果、自動的に生成したカテゴリの階層構造はユーザの意図に合わないものになることが多い。

そこで、本発明の目的は、カテゴリの階層構造における各カテゴリについてユーザの意図に合うように移動できるように支援するとともに、カテゴリの移動にかかる作業を効率化し、ユーザの移動操作に応じてカテゴリの階層構造を適切に再構成することが可能になる文書分類装置を提供することにある。

すなわち、本発明に係わる文書分類装置は、複数の文書を記憶する文書記憶手段と、文書記憶手段に記憶された所定の文書集合を分類する文書分類手段と、文書分類手段による分類結果である複数のカテゴリの情報を記憶するカテゴリ記憶手段と、カテゴリ記憶手段に記憶されるカテゴリのうち指定されたカテゴリの移動先候補または指定されたカテゴリの下に移動するカテゴリの候補を提示する移動カテゴリ候補提示手段とを備え、移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、当該移動したカテゴリ以外のカテゴリが持つ文書および当該カテゴリの少なくとも一方を適した分類形態となるように再分類することを特徴とする。

本発明によれば、カテゴリの階層構造における各カテゴリについてユーザの意図に合うように移動できるように支援するとともに、カテゴリの移動にかかる作業を効率化し、ユーザの移動操作に応じてカテゴリの階層構造を適切に再構成することができるので、カテゴリの移動という簡単な操作によって、ユーザが意図する階層構造を作成することができ、その操作に基づいて操作対象以外のカテゴリや文書も適切に再構成される。従って、クラスタリング等によって自動生成したカテゴリの階層構造を用いたり、過去に作成した階層構造を再利用したりして、効率よく意図通りの階層構造を作成することができる。

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おける文書分類装置の構成例を表すブロック図である。
図１に示すように、本発明の実施形態における文書分類装置は、装置全体の処理動作を司る制御部１、記憶装置２、文書分類部３、カテゴリ編集部４、キーボードやマウスなどの入力装置５およびディスプレイ装置などの出力装置６を備え、それぞれがバス７を介して相互に接続される。

記憶装置２は、例えばハードディスクドライブや不揮発性メモリなどの記憶媒体であり、文書分類部３やカテゴリ編集部４による処理動作のためのプログラムを記憶する他、文書記憶部２１およびカテゴリ記憶部２２を有する。カテゴリ記憶部２２には、後述するように、階層構造を構成する複数のカテゴリが記憶され、各カテゴリには、その親カテゴリ、つまり上位のカテゴリと、当該カテゴリが持つ文書の情報が記憶される。

文書分類部３は、記憶装置２の文書記憶部２１に記憶されている文書集合を自動的に分類する手段であり、その分類結果すなわちカテゴリの集合を、カテゴリ記憶部２２に記憶する。文書分類部３は単語ベクトル生成部３１および分類・クラスタリング部３２を有する。

文書分類部３の単語ベクトル生成部３１は、文書記憶部２１に記憶されている各文書から当該文書の特徴を表す単語ベクトルを生成する。また、カテゴリは文書の部分集合として表現するので、カテゴリの単語ベクトルは、当該カテゴリが持つ複数の文書の単語ベクトルを用い、単語ベクトル生成部３１によって生成する。
また、文書分類部３の分類・クラスタリング部３２は、文書とカテゴリの間の類似度を上述の単語ベクトルの類似度によって計算し、その類似度に基づいて文書を自動的に分類もしくはクラスタリングする手段である。

以上説明した図１の文書分類部３の単語ベクトル生成部３１および分類・クラスタリング部３２は、従来技術による文書分類装置が有する手段と同様の手段であるが、図１に示したカテゴリ編集部４は本発明の特徴的な手段であり、特にカテゴリの移動、つまり上位下位関係の付け替えを行えるようにした点が従来技術と比べて新規な点である。

カテゴリ編集部４は移動カテゴリ候補提示部４１、移動カテゴリ再分類部４２および移動カテゴリ名変更部４３を有する。カテゴリ編集部４の移動カテゴリ候補提示部４１は、ユーザが入力装置５を用いて指定したカテゴリについて、当該カテゴリを移動する先の候補として適した別のカテゴリ、または当該カテゴリの下に移動する候補として適した別のカテゴリを提示する。
また、移動カテゴリ再分類部４２は、ユーザが入力装置５を用いて移動操作を行ったカテゴリについて、移動前には当該移動後のカテゴリとは別のカテゴリが持っていた文書や下位カテゴリのうち、移動後には当該カテゴリが持つ方が適切なものや、逆に移動前には当該カテゴリが持っていた文書や下位カテゴリのうち、移動後には別のカテゴリが持つ方が適切なものを、自動的に再分類する。

また、移動カテゴリ名変更部４３は、移動したカテゴリの名称を当該移動先の階層構造において適切な名称に変更する。なお、カテゴリ編集部４には、上述のカテゴリ移動の操作以外にも、文書をあるカテゴリから別のカテゴリに移動する操作や、新しいカテゴリを作成する手段、既存のカテゴリを削除する手段、さらには複数のカテゴリを１つのカテゴリに統合する操作や１つのカテゴリを複数のカテゴリに分割する操作などを行う機能を設けてもよい。これらの機能は従来技術による文書分類装置の一部で実現される。

図２は、本発明の実施形態における文書分類装置の文書記憶部に記憶される文書情報の一例を表形式で示す図である。
記憶装置２の文書記憶部２１には複数の文書の情報が記憶され、各文書は図２に示すように文書のユニークな識別子である文書番号、文書名、本文などの情報を持つ。また、本実施形態では文書の特徴を表す単語ベクトルも文書記憶部２１にて文書毎に記憶する。その詳細については後述する。なお、本実施形態では発明の理解を容易にするために文書の特徴を単語ベクトルのみで表現しているが、例えば文書の属性情報（日時、種別、作成者など）を、文書を特徴付けるベクトルの要素としてもよい。

図３は、本発明の実施形態における文書分類装置のカテゴリ記憶部に記憶されるカテゴリ情報の一例を表形式で示す図である。
図３では３種類のカテゴリを示す。各カテゴリは当該カテゴリのユニークな識別子であるカテゴリ番号およびカテゴリ名を持つ。本実施形態では、カテゴリは０個または１個の親カテゴリつまりを持つとする。図３（ａ）に示したカテゴリはルートのカテゴリであるため親カテゴリを持たない。一方、図３（ｂ）に示したカテゴリは、カテゴリ番号「Ｃ００１」のカテゴリ、すなわち図３（ａ）で示したカテゴリを親に持ち、図３（ｃ）に示したカテゴリはカテゴリ番号「Ｃ００２」のカテゴリ、すなわち図３（ｂ）で示したカテゴリを親カテゴリに持つ。また、各カテゴリが持つ文書の情報もカテゴリ記憶部２２に記憶される。

例えば図３（ｃ）に示したカテゴリは文書番号が「Ｄ０２１」「Ｄ０７９」「Ｄ１９３」などの文書を直接持つ。ここで、図３（ｂ）に示したカテゴリは図３（ｃ）に示したカテゴリの親カテゴリであるため、図３（ｂ）に示したカテゴリは間接的に文書番号「Ｄ０２１」「Ｄ０７９」「Ｄ１９３」などの文書を持つことになる。

また、カテゴリの特徴を表す単語ベクトルもカテゴリ記憶部２２にてカテゴリ毎に記憶される。その詳細については後述する。なお、ルートのカテゴリの単語ベクトルは不要なので「なし」とする。

図４は、本発明の実施形態における文書分類装置の処理動作の一例を示すフローチャートである。図５は、本発明の実施形態における文書分類装置による文書の単語ベクトルを求める処理動作の一例を示すフローチャートである。図６は、本発明の実施形態における文書分類装置によるカテゴリ内の文書の単語ベクトルを求める処理動作の一例を示すフローチャートである。図７は、本発明の実施形態における文書分類装置によるカテゴリの単語ベクトルを求める処理動作の一例を示すフローチャートである。

図５と図６に示した処理は、ともに文書の単語ベクトルを生成する処理を表すが、図５に示した処理で求められる単語ベクトルは、当該文書が属するカテゴリには依存しない単語ベクトルであるのに対し、図６に示した処理で求められる単語ベクトルは、図５に示した処理結果を用いて求められる、所定のカテゴリにおける文書の特徴を表す単語ベクトルである。また、図７に示した処理で求められる単語ベクトルは、図６の処理結果を用いて求められる、カテゴリの特徴を表す単語ベクトルである。

図４に示すように、文書分類部３の単語ベクトル生成部３１は、文書の単語ベクトル生成処理を行ない（ステップＳ１）、次にカテゴリ内の文書の単語ベクトル生成処理を行ない（ステップＳ２）、次にカテゴリの単語ベクトル生成処理を行なう（ステップＳ３）。

ステップＳ１の処理の詳細について図５を参照して説明する。単語ベクトル生成部３１は、処理の対象とする文書ｄから単語ベクトルを生成する対象とするテキストを取得する（ステップＳ１１）。図２に示した例では、文書の「本文」のテキストを対象とするが、例えば「［要約］」、「［課題］」、「［解決方法］」などの見出しの部分は文書の内容には直接関係がないので、これらの見出しを対象テキストから除去する。

次に、単語ベクトル生成部３１は取得済みのテキストを形態素解析し（ステップＳ１２）、得られた単語（形態素）ｔのうち未選択の単語ｔがあれば（ステップＳ１３のＮＯ）、未選択の何れかの単語ｔを選択する。そして、単語ベクトル生成部３１は、選択した単語ｔの品詞が単語ベクトルに含めるべき所定の品詞の単語であるか、あるいは不要語であるかどうかを調べる（ステップＳ１４）。ここでは例えば、品詞が名詞やサ変名詞、固有名詞なである単語は単語ベクトルに含め、接続詞や副詞などは単語ベクトルに含めないといった単語の選別を行う。なお、文書の種類によっては文書の特徴を表さない単語については、不要語として除去する。例えば特許文書を処理対象とする場合には、「装置」、「手段」といった単語は文書の特徴を表さないので、不要語として除去する。

次に、単語ベクトル生成部３１は文書ｄのテキスト中で単語ｔが出現する頻度ｔｆを求め（ステップＳ１５）、単語ｔを文書ｄの単語ベクトルｖｄにおける１つの次元とし、その次元のベクトルの値をｔｆとする（ステップＳ１６）。
ステップＳ１６の処理後はステップＳ１３の処理に戻る。単語ベクトル生成部３１は未選択の単語ｔがなければ（ステップＳ１３のＹＥＳ）、ステップＳ１の処理を終了する。

このようにして、図２に例示したような文書の単語ベクトルが生成される。例えば図２に示した「メール」という単語は頻度が１０、すなわち文書中で１０回出現したことを意味する。ただし図２に示した例では理解を容易にするために、値が０である次元、すなわち当該文書には出現していない単語は示しておらず、単語を出現頻度の多い順に記述している。

次にステップＳ２の処理の詳細について図６を参照して説明する。あるカテゴリｃにおける文書ｄの特徴を表すベクトルを生成するために、単語ベクトル生成部３１は、対象とするカテゴリｃについて、これが直接あるいは間接的に持つ文書の集合を求め、これをＤｃとする（ステップＳ２１）。

次に単語ベクトル生成部３１は、ステップＳ１６の処理で求めた単語ベクトルｖｄの各単語ｔについて未選択のものがあれば（ステップＳ２２のＮＯ）、当該未選択のいずれかの単語ｔを選択し、文書集合Ｄｃ中で当該選択した単語ｔを含む文書数ｄｆｃを求め（ステップＳ２３）、選択済みの単語ｔを単語ベクトルｖｃｄの１つの次元とし、その次元の値をｔｆ＊（ｌｏｇ（｜Ｄｃ｜／ｄｆｃ）＋１）とする（ステップＳ２４）。

ここで｜Ｄｃ｜は文書集合Ｄｃの文書数である。この計算式は一般にＴＦ・ＩＤＦと呼ばれ、従来より情報検索や文書分類の分野で広く使用されているものである。すなわち、単語ｔが文書ｄに出現する頻度が多い（ベクトルの値ｔｆが大きい）ほど、また、カテゴリｃが持つ文書のうち単語ｔを含む文書が少ない（文書数ｄｆｃが小さい）ほど、当該単語は文書ｄの特徴をよく表す単語であるとみなされる。

こうして生成された単語ベクトルｖｃｄは、前述したように求めた単語ベクトルｖｄと比較すると、カテゴリｃにおいて文書ｄの特徴をよく表す次元の値（単語の重み）が大きくなったベクトルとなる。なお、上記のＩＤＦに相当する部分、すなわち、（ｌｏｇ（｜Ｄｃ｜／ｄｆｃ）＋１）の部分は、カテゴリｃが持つ文書の集合Ｄｃを対象にしているため、特に文書集合Ｄｃの文書数が少ない場合には、本来特徴的でない単語の重みが大きくなってしまうこともあり得る。

したがって、このＩＤＦの部分を全ての文書集合Ｄおよび当該文書集合Ｄ中で単語ｔを含む文書数ｄｆを用いて計算してもよいし、文書集合Ｄｃで計算した値と文書集合Ｄで計算した値の両方を加味した値（例えば平均）を用いてもよい。さらに、ステップＳ２３の処理、つまり単語ｔを含む文書数を求める処理では、例えば情報検索における転置ファイルのような手段を用いることで処理の効率を向上してもよい。

ステップＳ２４の処理後はステップＳ２２の処理に戻る。未選択の単語ｔがなければ（ステップＳ２２のＹＥＳ）、単語ベクトル生成部３１は、単語ベクトルｖｃｄの各次元の値を当該単語ベクトルｖｃｄのノルム｜ｖｃｄ｜で割ることによって正規化する（ステップＳ２５）。その結果単語ベクトルｖｃｄはノルムが１のベクトルとなる。

次にステップＳ３の処理の詳細について図７を参照して説明する。この処理で求める対象はカテゴリｃの単語ベクトルである。カテゴリｃの単語ベクトルは、カテゴリｃの直接または間接の親カテゴリｐにおけるカテゴリｃの単語ベクトル（すなわちカテゴリｐにおいてカテゴリｃの特徴を表すベクトル）として求められる。

まず、単語ベクトル生成部３１は、カテゴリｃが直接・間接に持つ文書の集合をＤｃとする（ステップＳ３１）。そして単語ベクトル生成部３１は、求めたい単語ベクトルの初期値を空（すべての次元の値が０のベクトル）とする（ステップＳ３２）。次に、単語ベクトル生成部３１は、文書集合Ｄｃ中の各文書ｄのうち未選択の文書ｄがあれば（ステップＳ３３のＮＯ）、未選択のうち何れかの文書ｄを選択し、カテゴリｐにおける選択済みの文書ｄの単語ベクトルｖｐｄを求める（ステップＳ３４）。これは図６に示した処理によって求めることができる。
そして単語ベクトル生成部３１は、単語ベクトルｖｐｄを単語ベクトルｖｐｃに加える（ステップＳ３５）。

ステップＳ３５の処理後は、ステップＳ３３の処理に戻る。単語ベクトル生成部３１は未選択の文書ｄがなければ（ステップＳ３３のＹＥＳ）、単語ベクトルｖｐｃの各次元の値を単語ベクトルｖｐｃのノルム｜ｖｐｃ｜で割ることによって正規化する（ステップＳ３６）。その結果、単語ベクトルｖｐｃはノルムが１のベクトルとなる。このようにして、単語ベクトルｖｐｃは、親カテゴリｐにおいてカテゴリｃが持つ複数の文書の特徴を表す平均的なベクトルとして生成される。

図８は、本発明の実施形態における文書分類装置による文書の分類処理の一例を示すフローチャートである。ステップＳ３の処理後、文書分類部３の分類・クラスタリング部３２は文書の分類・クラスタリング処理を行なう（ステップＳ４）。
ステップＳ４の処理の詳細について図８を参照して説明する。まず、分類・クラスタリング部３２は、ユーザが入力装置５を用いて指定したカテゴリｐが持つ文書集合を分類対象の文書集合とする（ステップＳ４１）。カテゴリｐは、既にいくつかの子カテゴリを持っていることもあるし、子カテゴリを１つも持っていないこともあるが、図８ではいずれの場合にも実行する処理の流れを記している。

すなわち、カテゴリｐが直接持つ文書について、これを分類すべきｐの子カテゴリが既に存在すれば、その子カテゴリに当該文書を分類するし、そのような子カテゴリが存在しなければ、かつ、後述するように新規の子カテゴリを作成するよう指示されているならば、当該文書を分類すべき子カテゴリを新規に作成する。

以下に説明する処理は、ｌｅａｄｅｒ−ｆｏｌｌｏｗｅｒ法と呼ばれる単純なクラスタリング手法である。この手法では、分類・クラスタリング部３２は、対象文書集合中の各文書ｄのうち未選択の文書ｄがあれば（ステップＳ４２のＮＯ）、未選択のうちいずれかの文書ｄを選択する。そして、分類・クラスタリング部３２は、選択した文書ｄの分類先であるカテゴリｃｍａｘの初期値を「なし」とし、文書ｄとｃｍａｘの類似度の最大値の初期値を０とする（ステップＳ４３）。

そして、分類・クラスタリング部３２は、カテゴリｐの各子カテゴリｃのうち未選択のカテゴリがあれば（ステップＳ４４のＮＯ）、未選択のうちいずれかのカテゴリｃを選択し、選択済みの文書ｄとカテゴリｃの類似度ｓを求める（ステップＳ４５）。ここで、文書ｄとカテゴリｃとの類似度ｓは、図６および図７で説明した、文書の単語ベクトル（ここではｖｐｄ）と、カテゴリの単語ベクトル（ｖｐｃ）との類似度（主にはベクトルの余弦）によって求める。

分類・クラスタリング部３２は、類似度ｓが所定の閾値ｓｔｈ以上で、かつ最大値ｓｍａｘより大きければ（ステップＳ４６のＹＥＳ）、ｃｍａｘ＝ｃとし、ｓｍａｘ＝ｓとする（ステップＳ４７）。

ステップＳ４６の処理で「ＮＯ」と判別された場合やステップＳ４７の処理後は、ステップＳ４４の処理に戻る。分類・クラスタリング部３２は、カテゴリｐの各子カテゴリｃのうち未選択のカテゴリがなければ（ステップＳ４４のＹＥＳ）、カテゴリｃｍａｘ、すなわちカテゴリｐの子カテゴリのうち文書ｄとの類似度が最大で、かつ当該類似度が閾値ｓｔｈ以上のカテゴリが存在すれば（ステップＳ４８のＹＥＳ）、文書ｄをカテゴリｃｍａｘに分類する（ステップＳ５１）。

分類・クラスタリング部３２は、カテゴリｃｍａｘが存在せず（ステップＳ４８のＮＯ）、かつ新規の子カテゴリを作成するよう指示されているならば（ステップＳ４９のＹＥＳ）、カテゴリｐの子カテゴリとしてカテゴリｃｍａｘを新規に作成し（ステップＳ５０）、文書ｄをカテゴリｃｍａｘに分類する（ステップＳ５１）。

一方、分類・クラスタリング部３２は、新規カテゴリを作成しないよう指定されている場合には（ステップＳ４９のＮＯ）、文書ｄは既存の子カテゴリのうち最も適切なカテゴリに分類されるが、適切な子カテゴリが存在しない場合（文書ｄはいずれの子カテゴリとも、類似度が閾値未満である場合）、文書ｄはどの子カテゴリにも分類しない。

ステップＳ５１の処理後、分類・クラスタリング部３２は、文書ｄが分類されたカテゴリｃｍａｘの単語ベクトルを再計算する（ステップＳ５２）。図７で説明したように、カテゴリの単語ベクトルは、本実施形態では当該カテゴリが持つ文書の単語ベクトルを平均したものであるため、カテゴリｃｍａｘの単語ベクトルは文書ｄを追加する前のカテゴリｃｍａｘの単語ベクトルｖｐｃｍａｘと、文書ｄの単語ベクトルｖｐｄとを用いて求めることができる。

すなわち、文書ｄを加える前のカテゴリｃｍａｘが持つ文書数をとすれば、ベクトル｜Ｄｃｍａｘ｜＊ｖｐｃｍａｘ＋ｖｐｄを、そのノルムで正規化して大きさを１としたベクトルが、カテゴリｃｍａｘの新しい単語ベクトルとなる。以上の処理を各文書ｄについて繰り返し行うことで、カテゴリｐが持つ文書は当該カテゴリｐの子カテゴリに分類される。

ステップＳ４９の処理で「ＮＯ」と判別された場合やステップＳ５２の処理後は、ステップＳ４２の処理に戻る。分類・クラスタリング部３２は、対象文書集合中の各文書ｄのうち未選択の文書ｄがあり（ステップＳ４２のＮＯ）、ステップＳ５０の処理にて作成された子カテゴリで、結局ただ１つの文書しか持たないようなものがあれば、その子カテゴリは不要であるので削除する（ステップＳ５３）。以上に述べた処理は、文書の教師あり分類と教師なし分類を兼ねた比較的単純な処理であるが、本発明はこの方法に限定しない。

なお、ｌｅａｄｅｒ−ｆｏｌｌｏｗｅｒ法自体は階層的な構造を持つカテゴリを生成しない方法ではあるが、例えば、あるカテゴリｐを対象に図８で説明した処理を実行して作成した子カテゴリのうち、所定の子カテゴリｃを対象にして、さらに当該図８に示した処理を実行することで、カテゴリｃの子カテゴリ（すなわちカテゴリｐの孫）を作成することができるので、カテゴリの階層構造を容易に作成できる。

次に、カテゴリ編集部４により移動すべきカテゴリの候補を提示する処理について説明する。
図９は、本発明の実施形態における文書分類装置による移動すべきカテゴリの候補の提示画面の一例を示す図である。図１０は、本発明の実施形態における文書分類装置による移動すべきカテゴリの候補を提示する処理動作の一例を示すフローチャートである。図１０に示した処理は、図９に示した提示画面を生成するために、移動カテゴリ候補提示部４１によって実行される処理動作である。

図９に示した画面では、ユーザが入力装置５を用いてカテゴリ６１を指定した場合、当該カテゴリが持つ特徴的な単語（以下、特徴語と呼ぶ。図９中では例えば「メール」など）を持った他のカテゴリが提示され、図９に示したようにカテゴリ６２の特徴語が強調表示される。図９において、斜線が付されたカテゴリのマークはユーザにより入力装置５を用いて指定されたカテゴリのマークを示し、四角で囲まれた特徴語は強調表示された特徴語を示す。

ここで、カテゴリの特徴語とは図７に示した処理で説明したカテゴリの単語ベクトルのうち、次元の値、すなわち単語の重みが特に大きい単語である。図９に示した例では、カテゴリの特徴語のうち最も重みの大きい単語をそのカテゴリの名称として、当該単語を見出しとして用いて表示上も大きな字体で示しており、この見出し以外の特徴語は、その重みが大きい順に列挙して表示している。

図９に示したカテゴリ６１では、「メール」という特徴語が見出しとして用いられ、その他にも「検索」、「送信」、「重要」などの特徴語が表示される。ユーザが入力装置５を用いてカテゴリ６１を選択すると、このカテゴリと共通の特徴語を持つカテゴリとして、カテゴリ６２、カテゴリ６３などがあることが分かるので、ユーザは例えばカテゴリ６２をカテゴリ６１の下位に移動すべき、あるいはカテゴリ６１をカテゴリ６３の下位に移動すべきといった、移動操作の候補となるカテゴリを知ることができる。

ステップＳ４の処理後、カテゴリ編集部４の移動カテゴリ候補提示部４１は、移動操作の候補となるカテゴリを提示する（ステップＳ５）。
ステップＳ５の処理の詳細について説明する。図１０は、このような特徴語を強調表示することで移動操作の候補となるカテゴリを提示する処理の流れを示す。まず、移動カテゴリ候補提示部４１は、ユーザが入力装置５を用いて、あるカテゴリｃ１を選択すると（ステップＳ６１）、全カテゴリ中の各カテゴリｃ２について未選択のカテゴリがあれば（ステップＳ６２のＮＯ）、未選択のうちいずれかのカテゴリｃ２を選択する。

そして、移動カテゴリ候補提示部４１は、カテゴリｃ２がカテゴリｃ１と共通の祖先（直接または間接の上位カテゴリで、かつ、ルートカテゴリ以外）のカテゴリｐを持つかどうかを調べ（ステップＳ６３）、カテゴリｐが存在すれば（ステップＳ６３のＹＥＳ）、カテゴリｃ２の特徴語のうち、カテゴリｃ１の特徴語でもあり、かつカテゴリｐの特徴語ではない単語を強調表示する（ステップＳ６４）。一方、移動カテゴリ候補提示部４１は、カテゴリｐが存在しなければ（ステップＳ６３のＮＯ）、単純にカテゴリｃ２の特徴語のうちカテゴリｃ１の特徴語でもある単語を強調表示する（ステップＳ６５）。

ステップＳ６４の処理によって、多くの特徴語が強調されて表示が繁雑になることが防げる。すなわち例えば、図９に示したカテゴリ６１とカテゴリ６２の共通の祖先はカテゴリ６５であるが、カテゴリ６５より下位のカテゴリは全て「検索」という特徴語を持つことが自明であるため、これを逐一強調表示するということは行わないようにし、ユーザにとって分かりやすい過不足ない表示を行なう。

図９に示した例では、カテゴリ６２の特徴語のうち四角で囲まれた特徴語は前述したステップＳ６４の処理により強調表示された特徴語であり、カテゴリ６３の特徴語のうち、特徴語６４などの四角で囲まれた特徴語は前述したステップＳ６５の処理により強調表示された特徴語である。

ステップＳ６４，Ｓ６５の処理後は、ステップＳ６２の処理に戻る。ステップＳ６２の処理で「ＮＯ」と判別された場合にはステップＳ５の処理が終了する。ステップＳ５の処理後、移動カテゴリ再分類部４２は、移動カテゴリの再分類処理を行なう（ステップＳ６）。

図１１は、本発明の実施形態における文書分類装置によるカテゴリの第１の例の移動前の状態を示す図である。図１２は、本発明の実施形態における文書分類装置によるカテゴリの第１の例の移動後の状態を示す図である。図１３は、本発明の実施形態における文書分類装置によるカテゴリの第２の例の移動前の状態を示す図である。図１４は、本発明の実施形態における文書分類装置によるカテゴリの第２の例の移動後の状態を示す図である。

図１１に示したカテゴリの階層構造のうち、あるカテゴリを移動させた例が図１２である。同様に、図１３に示したカテゴリの階層構造のうち、あるカテゴリを移動させた例が図１４である。
図１１から図１４の図において楕円で示したものがカテゴリである。図１１では、例えば図１１ではカテゴリ８１やカテゴリ８２が楕円で示される。この楕円内に記した「検索」や「メール」が、当該カテゴリの名称、すなわち当該カテゴリの特徴を最もよく表す特徴語である。また、カテゴリ同士は親子関係（上位下位関係）を持ち、例えばカテゴリ８１はカテゴリ８２の親カテゴリであり、逆にカテゴリ８１から見るとカテゴリ８２は子カテゴリである。

図１１に示した文書（ａ）は、カテゴリ８２に分類されているということを示す。図１１は、特許文書を自動分類した結果の例であるが、自動分類の典型的な欠点を示すものでもある。
第一に、例えば「メール」に関する特許文書がカテゴリ８２、８３、８５に分散して分類されてしまい、ユーザはどのカテゴリにどのような文書があるかが分からない。
第二に、例えば図１１に示した文書（ａ）と（ｄ）のように、互いに類似した文書が別々のカテゴリに分類されてしまっている。
第三に、カテゴリ８１「検索」の子カテゴリとして、「ＷＷＷ」、「メール」、「自然文」、「要約」というカテゴリが作られているが、分類の観点がまちまちである。例えば「ＷＷＷ」や「メール」はそれぞれ、「ＷＷＷ検索」や「メールの検索」といった、「検索の対象（アプリケーション）」といった観点で特許文書を分類するものであるのに対し、「自然文」や「要約」は、「自然文検索」や「検索結果の要約」といった「検索の技術そのもの」に関わる特許文書を分類するカテゴリであり、それぞれ分類の観点が異なる。

このような問題を解消するため、まず図１１に示した例では、ユーザが入力装置５を用いてカテゴリ８２をカテゴリ８５の下位カテゴリとする、すなわち図１１に示した点線状の楕円８７の位置に移動することを考える。そして、この移動操作を実行した後のカテゴリの階層構造を表した図が図１２である。図１１のカテゴリ８２が点線状の楕円８７の位置に移動された結果のカテゴリが図１２に示すカテゴリ９２であり、このカテゴリの名称は「メール」から「検索」へと変更されている。

すなわち、移動操作を行う前の図１１にてカテゴリ８２は、「検索」における「メール」に関する分類、つまりカテゴリ８１におけるカテゴリ８２という意味を持っていたが、移動後の図１２では、「メール」における「検索」（カテゴリ９５におけるカテゴリ９２）という意味を持つため、その意味に適した名称になっている。

次に、カテゴリ８２に属していなかった文書（ｃ）（ｄ）（ｅ）が、カテゴリ９２に分類される。さらに、カテゴリ８２の子カテゴリではなかったカテゴリ８３が、カテゴリ９２の子カテゴリ、つまり図１２に示したカテゴリ９３となっている。

次に、図１３と図１４を用いて別の移動操作の例を説明する。この例は、図１３に示したカテゴリ１０２「ＷＷＷ」を、その親カテゴリ１０１「検索」の下から、別のカテゴリ１０８「収集」の下、すなわち図１３に示した点線状の楕円１０９の位置に移動する例である。

図１２で説明した例と同様に、移動対象のカテゴリ１０２の名称「ＷＷＷ」は、移動後には図１４に示したカテゴリ１１２に示すように「検索」に変更される。また、カテゴリ１０２が持っていた文書（ｃ）（ｄ）（ｅ）や、カテゴリ１０２の子カテゴリ１０３、１０４は、それぞれ別のカテゴリに移動する。これは、これらの文書や子カテゴリが、カテゴリ１０２を移動した後は図１４に示したカテゴリ１１２に属することが適切でなくなるからである。

すなわち図１３に示したカテゴリ１０２の意味は、「検索」かつ「ＷＷＷ」に関する文書を分類するカテゴリであったが、これを移動した結果、つまり図１４に示したカテゴリ１１２では、「ＷＷＷ」かつ「収集」かつ「検索」に関する文書を分類するカテゴリとなる必要が生じるため、この新しいカテゴリの階層構造において当該カテゴリに分類されるべきでない文書や子カテゴリ、すなわち「収集」とは関わりのない文書や子カテゴリは別のカテゴリに分類し直すのが適切である。本発明はこのような再分類を自動的に行うものである。

また、特に、カテゴリ１０２の子カテゴリ１０３「要約」は、図１４に示した例ではカテゴリ１１６の子カテゴリとなるため、その名称は図１４に示したカテゴリ１１３に示すように、「要約」から「ＷＷＷ」へと変更される。このように本発明の実施形態における文書分類装置によれば、ユーザによるカテゴリの移動操作に従い、カテゴリの名称の変更と、文書および下位カテゴリの再分類が自動的に行われる。
その結果、ユーザは、自分の意図に合ったカテゴリの階層構造をカテゴリの移動という簡単な操作によって効率よく作成することができる。

以下、移動カテゴリ再分類部４２によるステップＳ６の処理の詳細について説明する。図１５は、本発明の実施形態における文書分類装置によるカテゴリの移動に従い文書および下位カテゴリを再分類する処理動作の一例を示すフローチャートである。

まず、移動カテゴリ再分類部４２は、ユーザが入力装置５を用いてカテゴリｃをカテゴリｐの下からカテゴリｑの下に移動した場合（ステップＳ７１）、つまり移動操作の前ではカテゴリｃの親カテゴリはカテゴリｐであったが、カテゴリｃを移動した後はカテゴリｑがカテゴリｃの親カテゴリとなった場合には、カテゴリｃの単語ベクトルを再計算する（ステップＳ７２）。

移動前のカテゴリｃの単語ベクトルは、カテゴリｐにおけるカテゴリｃの単語ベクトル（上記の記法ではｖｐｃ）であったが、移動後にはカテゴリｑにおけるカテゴリｃの単語ベクトル（上記の記法ではｖｑｃ）となり、カテゴリｐとカテゴリｑがそれぞれ持つ文書の特徴の違いによって、カテゴリｃの単語ベクトルの各単語の重みが変更される。ただし、ステップＳ７２の処理は、カテゴリの単語ベクトルを厳密に計算する必要がある場合に行う処理であり、この処理は省略してもよい。

次に、移動カテゴリ再分類部４２は、移動前にカテゴリｃが持っていなかった文書のうち、移動後のカテゴリｃが持つほうが適切であるような文書を求めて、これを当該カテゴリｃに移動する処理を行う（ステップＳ７３，Ｓ７４，Ｓ７５）。

移動カテゴリ再分類部４２は、ステップＳ７３の処理として、カテゴリｐの各子カテゴリｃｐが持つ文書のうち、カテゴリｃｐよりもカテゴリｃに類似した文書があれば、これを当該カテゴリｃに移動する。
図１１で説明した例では、カテゴリｃｐはカテゴリ８４であり、その文書（ｃ）が図１２に示したカテゴリ９２に移動する。ここで、文書とカテゴリとの類似度は、両者の単語ベクトルの類似度（図８で説明したように、主に余弦）によって求める。

移動カテゴリ再分類部４２は、ステップＳ７４の処理として、カテゴリｑが持つ文書のうち、カテゴリｑよりもカテゴリｃに類似した文書があれば、これを当該カテゴリｃに移動する（図１１の例ではカテゴリ８５の文書（ｄ））。

移動カテゴリ再分類部４２は、ステップＳ７５の処理として、カテゴリｑの各子カテゴリｃｑが持つ文書のうち、カテゴリｃｑよりもカテゴリｃに類似した文書があれば、これを当該カテゴリｃに移動する（図１１の例ではカテゴリ８６の文書（ｅ））。

次に、移動カテゴリ再分類部４２は、移動前にカテゴリｃが持っていなかった子カテゴリのうち、移動後のカテゴリｃが持つほうが適切であるようなカテゴリを求めて、これをカテゴリｃに移動してカテゴリｃの子カテゴリとする処理を行う（ステップＳ７６，Ｓ７７，Ｓ７８）。

移動カテゴリ再分類部４２は、ステップＳ７６の処理として、カテゴリｐの各子カテゴリｃｐが持つ子カテゴリのうち、カテゴリｃｐよりもカテゴリｃに類似した子カテゴリがあれば、当該子カテゴリを当該カテゴリｃに移動する。ここで、カテゴリ同士の類似度は両カテゴリの単語ベクトルの類似度（主に余弦）によって求める。図１１と図１２に示した例では、カテゴリ８３がカテゴリ９２の子カテゴリ９３になる。

移動カテゴリ再分類部４２は、ステップＳ７７の処理として、カテゴリｑが持つ子カテゴリのうち、カテゴリｑよりもカテゴリｃに類似した子カテゴリがあれば、これを当該カテゴリｃに移動し、ステップＳ７８の処理として、カテゴリｑの各子カテゴリｃｑが持つ子カテゴリのうち、カテゴリｃｑよりもカテゴリｃに類似した子カテゴリがあれば、やはり当該子カテゴリをカテゴリｃに移動する。

次に、移動カテゴリ再分類部４２は、カテゴリｃが移動前に持っていた文書のうち、別のカテゴリに分類したほうが適切な文書があれば、これをカテゴリｃから別のカテゴリに移動するという処理を行う（ステップＳ７９，Ｓ８０，Ｓ８１，Ｓ８２）。

移動カテゴリ再分類部４２は、ステップＳ７９の処理として、カテゴリｃが持つ文書のうち、カテゴリｃよりもカテゴリｐに類似した文書があれば、これを当該カテゴリｐに移動する。図１３に示した例では、移動対象のカテゴリ１０２が持つ文書（ｄ）が、移動後の図１４では親カテゴリであるカテゴリ１１１に移動される。

移動カテゴリ再分類部４２は、ステップＳ８０の処理として、カテゴリｃが持つ文書のうち、カテゴリｃよりもカテゴリｐのいずれかの子カテゴリｃｐに類似した文書があれば、この文書を当該カテゴリｃｐに移動する。図１３の例では文書（ｅ）が、カテゴリ１０２からカテゴリ１０５（図１４ではカテゴリ１１５）に移動する。

移動カテゴリ再分類部４２は、ステップＳ８１の処理として、カテゴリｃが持つ文書のうちカテゴリｃよりもカテゴリｑに類似した文書があれば、これを当該カテゴリｑに移動し、ステップＳ８２の処理として、カテゴリｃが持つ文書のうち、カテゴリｃよりもカテゴリｑのいずれかの子カテゴリｃｑに類似した文書があれば、これを当該カテゴリｃｑに移動する。

次に、移動カテゴリ再分類部４２は、カテゴリｃが移動前に持っていた子カテゴリのうち、別のカテゴリに分類したほうが適切な子カテゴリがあれば、これをカテゴリｃから別のカテゴリに移動するという処理を行う（ステップＳ８３，Ｓ８４，Ｓ８５，Ｓ８６）。

移動カテゴリ再分類部４２は、ステップＳ８３の処理として、カテゴリｃが持つカテゴリのうち、カテゴリｃよりもカテゴリｐに類似した子カテゴリがあれば、これを当該カテゴリｐに移動してカテゴリｐの子カテゴリとする。図１３に示した例では、移動対象のカテゴリ１０２が持つ子カテゴリのうち、カテゴリ１０４を、親カテゴリである１０１の下に移動する（図１４ではカテゴリ１１４）。

移動カテゴリ再分類部４２は、ステップＳ８４の処理として、カテゴリｃが持つ子カテゴリのうち、カテゴリｃよりもカテゴリｐのいずれかの子カテゴリｃｐに類似した子カテゴリがあれば、これを当該カテゴリｃｐに移動する。図１３の例では、カテゴリ１０３がカテゴリ１０６の子カテゴリ（図１４ではカテゴリ１１３）になり、その名称も「要約」から「ＷＷＷ」に変更される。

移動カテゴリ再分類部４２は、ステップＳ８５の処理として、カテゴリｃが持つ子カテゴリのうち、カテゴリｃよりもカテゴリｑに類似した子カテゴリがあれば、これを当該カテゴリｑに移動し、ステップＳ８６の処理として、カテゴリｃが持つ子カテゴリのうち、カテゴリｃよりもカテゴリｑのいずれかの子カテゴリｃｑに類似した子カテゴリがあれば、これを当該カテゴリｃｑに移動する。ステップＳ８６の処理が終了するとステップＳ６の処理が終了する。

なお、ステップＳ７３からステップＳ７６の処理では、カテゴリｃの文書や子カテゴリの移動が行われるため、厳密にはカテゴリｃの単語ベクトルを文書や子カテゴリの移動の都度、再計算する必要がある。
この場合、移動させる文書や子カテゴリの順序によって、再分類の結果が変わる可能性があるので、例えばステップＳ７３からステップＳ７８の処理では、カテゴリｃに最も類似した文書あるいは子カテゴリから優先的に移動させるようにしてもよい。

同様にステップＳ７９からステップＳ８６の処理では、カテゴリｃとの類似度が小さい文書あるいは子カテゴリから優先的に移動させるようにしてもよい。しかしながら、分類処理の厳密さがあまり問われない場合には、単語ベクトルの再計算処理を省略することで、処理効率を向上させてもよい。

ステップＳ６の処理後、移動カテゴリ名変更部４３は、移動したカテゴリの名称変更処理を行なう（ステップＳ７）。
ステップＳ７の処理の詳細について説明する。図１６は、本発明の実施形態における文書分類装置によるカテゴリの移動に従いカテゴリの名称を変更する処理動作の一例を示すフローチャートである。図１５で説明したように、カテゴリの移動に応じて再分類の処理が行われるので、当該カテゴリの単語ベクトルの内容も変化する。

移動カテゴリ名変更部４３は、ユーザが入力装置５を用いてカテゴリｃをカテゴリｐの下からカテゴリｑの下に移動させた場合（ステップＳ９１）、カテゴリｃの名称が新しい親カテゴリｑまたはその祖先、すなわちカテゴリｑの直接または間接的に上位にあるカテゴリの名称と重複するかどうか調べる（ステップＳ９２）。

移動カテゴリ名変更部４３は、重複があれば（ステップＳ９２のＹＥＳ）、カテゴリｃの特徴語のうち、カテゴリｑとその祖先の名称を除いた最も特徴的な語をカテゴリｃの名称とする（ステップＳ９３）。

移動カテゴリ名変更部４３は、前述した重複がなければ（ステップＳ９２のＮＯ）、カテゴリｃの名称は変更しない（ステップＳ９４）。ただし上述のように、カテゴリｃを移動することで当該カテゴリｃの単語ベクトルが変化するため、カテゴリｃの特徴語も変わる可能性がある。
したがって、祖先のカテゴリとの名称の重複が生じない場合であっても、カテゴリｃの名称が当該カテゴリｃの特徴をあまりよく表さない語になっている場合には、移動後の新しい特徴語を用いてカテゴリｃの名称を変更してもよい。

図１７は、本発明の実施形態における文書分類装置の操作画面の一例を示す図である。図１７に示した画面は、カテゴリ編集部４がユーザからのカテゴリの編集操作を受け付ける一方で、当該カテゴリ編集部４が行った処理の結果をユーザに対して提示するグラフィカルユーザインタフェースの例を示す図である。

上記に説明したように、例えば図１１に示したカテゴリ８１を移動してカテゴリ８３の下位カテゴリにするという操作は、図１７においてはユーザが入力装置５を用いて、移動対象のカテゴリ１４１を選択し、移動先の上位カテゴリ１４２の上にドラッグアンドドロップすることにより行われる。

なお、図１７に示した領域１４３は、ユーザが入力装置５を用いて選択したカテゴリ１４１が持つ文書の一覧を表しており、これらの文書のうちユーザが入力装置５を用いて選択した文書１４４の内容が画面中の領域１４５の部分に表示されるようになっている。

以上に説明した、移動カテゴリ再分類部４２による再分類の処理、および移動カテゴリ名変更部４３による名称変更の処理は、ユーザのカテゴリ移動操作に応じて自動的に実行してもよいが、ユーザの明示的な指示があった場合にのみに再分類と名称変更の処理を行ってもよい。

また、再分類または名称変更の処理結果をユーザに提示してその採否をユーザが判定し、採用する場合にのみ再分類または名称変更の結果をカテゴリ記憶部２２に記憶し、採用しない場合には処理結果を破棄するようにしてもよい。

さらには、ユーザが入力装置５を用いて、あるカテゴリの移動を仮に試行してみて、再分類と名称変更の処理を行い、その結果を参照して、この移動操作が適切でないと判断すれば操作自体を取りやめるといった形態も可能である。

このような変更は、上記で説明した処理の流れに軽微な変更を加えることで容易に実現することができる。また、本実施形態で説明した文書分類のモデルは、１つの文書が１つのカテゴリにのみ属すモデルであるが、１つの文書が複数のカテゴリに属すことが可能なモデルに拡張することも容易に行える。

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よい。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よい。

本発明の実施形態における文書分類装置の構成例を表すブロック図。 本発明の実施形態における文書分類装置の文書記憶部に記憶される文書情報の一例を表形式で示す図。 本発明の実施形態における文書分類装置のカテゴリ記憶部に記憶されるカテゴリ情報の一例を表形式で示す図。 本発明の実施形態における文書分類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おける文書分類装置による文書の単語ベクトルを求める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おける文書分類装置によるカテゴリ内の文書の単語ベクトルを求める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おける文書分類装置によるカテゴリの単語ベクトルを求める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おける文書分類装置による文書の分類処理の一例を示すフローチャート。 本発明の実施形態における文書分類装置による移動すべきカテゴリの候補の提示画面の一例を示す図。 本発明の実施形態における文書分類装置による移動すべきカテゴリの候補を提示する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おける文書分類装置によるカテゴリの第１の例の移動前の状態を示す図。 本発明の実施形態における文書分類装置によるカテゴリの第１の例の移動後の状態を示す図。 本発明の実施形態における文書分類装置によるカテゴリの第２の例の移動前の状態を示す図。 本発明の実施形態における文書分類装置によるカテゴリの第２の例の移動後の状態を示す図。 本発明の実施形態における文書分類装置によるカテゴリの移動に従い文書および下位カテゴリを再分類する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おける文書分類装置によるカテゴリの移動に従いカテゴリの名称を変更する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おける文書分類装置の操作画面の一例を示す図。

符号の説明

１…制御部、２…記憶装置、３…文書分類部、４…カテゴリ編集部、５…入力装置、６…出力装置、７…バス、２１…文書記憶部、２２…カテゴリ記憶部、３１…単語ベクトル生成部、３２…分類・クラスタリング部、４１…移動カテゴリ候補提示部、４２…移動カテゴリ再分類部、４３…移動カテゴリ名変更部。

Claims (5)

1. 複数の文書を記憶する文書記憶手段と、
   前記文書記憶手段に記憶された所定の文書集合を分類する文書分類手段と、
   前記文書分類手段による分類結果である複数のカテゴリの情報を記憶するカテゴリ記憶手段と、
   前記カテゴリ記憶手段に記憶されるカテゴリのうち指定されたカテゴリの移動先候補または前記指定されたカテゴリの下に移動するカテゴリの候補を提示する移動カテゴリ候補提示手段と、
   前記移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、当該移動したカテゴリ以外のカテゴリに属する文書および当該カテゴリの少なくとも一方を適した分類形態となるように再分類する移動カテゴリ再分類手段と
   を具備することを特徴とする文書分類装置。
2. 前記移動カテゴリ再分類手段は、
   前記移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、当該移動したカテゴリの移動元のカテゴリと共通の上位カテゴリを有する別カテゴリ、前記移動したカテゴリの移動先のカテゴリの上位カテゴリ、または前記移動先のカテゴリと共通の上位カテゴリを有する別カテゴリに各々属する文書のうち何れかの文書を当該移動したカテゴリに分類する
   ことを特徴とする請求項１に記載の文書分類装置。
3. 前記移動カテゴリ再分類手段は、
   前記移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、前記移動元のカテゴリと共通の上位カテゴリを有する別カテゴリ、前記移動先のカテゴリの上位カテゴリ、または前記移動先のカテゴリと共通の上位カテゴリを有する別カテゴリが各々有する下位カテゴリのうち何れかのカテゴリを前記移動したカテゴリの下位カテゴリとする
   ことを特徴とする請求項１に記載の文書分類装置。
4. 前記移動カテゴリ再分類手段は、
   前記移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、当該移動したカテゴリに属する文書のうち何れかの文書を、前記移動元のカテゴリの上位カテゴリ、前記移動元のカテゴリと共通の上位カテゴリを有する別カテゴリ、前記移動先のカテゴリの上位カテゴリ、または前記移動先のカテゴリと共通の上位カテゴリを有する別カテゴリのいずれかのカテゴリに分類する
   ことを特徴とする請求項１に記載の文書分類装置。
5. 前記移動カテゴリ再分類手段は、
   前記移動カテゴリ候補提示手段による提示後のカテゴリの移動に従い、当該移動したカテゴリが有する下位カテゴリのうち何れかのカテゴリを、前記移動元のカテゴリの上位カテゴリ、前記移動元のカテゴリと共通の上位カテゴリを有する別カテゴリ、前記移動先のカテゴリの上位カテゴリ、または前記移動先のカテゴリと共通の上位カテゴリを有する別カテゴリのいずれかのカテゴリの下位カテゴリとする
   ことを特徴とする請求項１に記載の文書分類装置。

Images