JP2010061183A - 個人検索システム、情報処理装置、個人検索方法、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】 レビューに適した個人を検索する個人検索システム、情報処理装置、個人検索方法、プログラムおよび記録媒体を提供すること。
【解決手段】 本発明のシステム１０は、ネットワーク１６に接続され、クライアントからのレビューを依頼する個人の検索要求を受領する検索サーバ１２と、過去に処理されたレビューに関連する蓄積文書データ、その著作者を含むメタデータを関連付けて格納するデータベース１８とを含み、検索サーバ１２は、レビュー対象文書データに対し内容の類似性により紐付けられる同一知識分野の文書データの集合をデータベースから検索し、レビュアー候補の個人を抽出する抽出手段４０と、候補の個人それぞれにつき、作業量を集計し、同一知識分野でのレビュー経験の指標値を算出する分野指標値計算手段４２と、候補の個人をランク付けする個人ランク付け手段４８とを含む。
【選択図】 図２

Description

本発明は、個人検索に関し、より詳細には、各個人について蓄積されるレビューの履歴情報を利用して、レビューに適した個人を検索する、個人検索システム、情報処理装置、個人検索方法、プログラムおよび記録媒体に関する。

Ｒ＆Ｄ分野、マーケッティング分野、報道分野といった文書による知見、知識を中心に据える業務では、当該文書が関連する分野で充分な知識を有する個人、すなわちエキスパートによるレビュー作業が通常に行われている。レビュー作業は、知的出力の品質を保証し、レビュー結果の提供まで短期間であることが要求される。これまで文書のレビューのために使用されるアプリケーションは、レビューのためのワークフローを確立させ、確立したワークフローを管理するといった形式で文書のレビュー作業をサポートしている。

また、これまでにも文書データベース、個人プロファイル（スキルプロファイル）、スケジュール情報などを使用し、各エキスパートの背景知識やスケジュールを考慮するエキスパート検索システムが知られている。より高性能な他のエキスパート検索システムでは、レビュー対象の文書に類似する文書ファイルの著作者またはレビュアーを検索し、この情報を用いて必要な背景知識を有するエキスパートを検索するものが知られている。

また、ワークフローを管理する点で、個人を検索するシステムが知られている。例えば、特開２００８−０７１０８２号公報（特許文献１）では、ユーザ端末に格納された情報をタスクの関連情報として適時取り扱う（ユーザ端末に格納されたタスクに関連する情報を格納、検索および閲覧する）ことのできるワークフロー管理システムが記載されている。

また、特開２００８−０６５７８４号公報（特許文献２）では、ワークフロー実行時に動的にワークフローモデルを構成するワークフロー管理システムであって、ある対象ユーザに対して、当該対象ユーザを含む任意のユーザが行った、タスク、添付ドキュメントおよび添付情報に対するアクセスの履歴情報を用いて、タスク、添付ドキュメントおよび添付情報を検索する手段と、その検索結果を上記対象ユーザに対して提示する手段とを備えたことを特徴とするワークフロー管理システムが開示されている。

また、米国公開特許ＵＳ２００５／０１８２７４３Ａ１号明細書（特許文献３）は、エキスパート・マッチング・システムを開示する。さらに、米国公開特許ＵＳ２００６／０２４８０７６Ａ１号明細書（特許文献４）は、入力フレーズから著作者を検索する技術を開示する。特許文献４では、入力フレーズから入力フレーズに関連する著作者を検索し、ランク付けすることで膨大な収集文書からエキスパートを検索するというものである。
特開２００８−０７１０８２号公報 特開２００８−０６５７８４号公報 米国公開特許ＵＳ２００５／０１８２７４３Ａ１号明細書 米国公開特許ＵＳ２００６／０２４８０７６Ａ１号明細書

レビュー作業の品質は、各エキスパート個人の背景知識に依存するため、上記従来技術のように、個人の背景知識を考慮してマッチングを行うことにより、ある程度、レビューに適した個人を検索することができると言える。また、レビューのためのワークフローを確立させたり、各個人のスケジュールを考慮することにより、ある程度、レビュー作業の効率を向上させることができると言える。一方、レビュー作業の品質は、各エキスパート個人の背景知識のみならず、エキスパートの経験に依るところも大きい。したがって、特定のレビューに対し、より好適な個人を見つけ出すためには、各個人のレビューに関する経験を定量的に取り扱って、各個人のレビュー作業に対する適正度を高精度に評価する枠組みが必要とされる。

上記特許文献１では、ユーザ端末に格納された複数種類の情報を利用するワークフロー管理を行うことを記載する。しかしながら、特許文献１は、特定の文書をレビューするための最適な個人を検索する処理については開示するものではない。また、特許文献２は、ワークフロー実行時に動的にワークフローモデルを構成することを可能とするためにユーザの過去の履歴情報を使用してタスクや文書を検索し、その検索結果を検索をユーザに提示することを開示する。しかしながら、特許文献２は、文書などのレビューを行うために最適な担当者個人を、各個人の経験を考慮して検索することを開示するものではない。

特許文献３に記載されたエキスパート・マッチングシステムは、どのような基準で特定の文書などの対象に関連するエキスパートを特定するかについて何ら開示するものではなく、対象とする文書などの類似性に関連付けてエキスパートを検索することを解決課題とするというものでもない。特許文献４に記載された技術では、入力フレーズに関連する文書の著作者を検索し、ランク付けすることにより、エキスパートを検索するものである。しかしながら、特許文献４に記載された技術は、当該エキスパートの経験を充分な精度で定量的に評価してレビューに最適な候補者を決定することを課題とするものではない。

すなわち、これまで知られているエキスパート検索方法は、各エキスパートのレビューの経験を充分な精度で定量的に評価する枠組みを備えていないため、エキスパート個人の経験を充分に考慮できるものではなく、必ずしも適切なエキスパートの候補を提示することができるというものではなかった。つまり、各エキスパート個人のレビューの経験を充分な精度で定量的に評価し、各個人の経験を反映して適した候補を提示することが可能な個人検索技術が必要とされていた。

本発明は、特定の文書を対象としたレビューを効率的かつ高品質に行うために、各個人のレビュー作業に関する実質的な経験を定量的に評価して、レビューを依頼するべき適切な個人を検索する、個人検索システム、情報処理装置、個人検索方法、プログラムおよび記録媒体を提供することを目的とする。

本発明では、上記課題を解決するために、個人を検索するシステムにおいてネットワークに接続される検索サーバは、過去に処理されたレビューに関連する蓄積文書データ、および該蓄積文書データの著作者を含むメタデータを関連付けて格納するデータベースにアクセスする。そして、クライアント・コンピュータからのレビューを依頼する個人の検索要求を受領した際には、検索要求の対象文書データに対し内容の類似性により紐付けられるレビュー対象と同一知識分野の文書データの集合を上記データベースから検索し、レビュアー候補の個人を抽出する。さらに、候補の個人それぞれにつき、求めた集合に含まれる同一知識分野の文書データそれぞれの内容およびメタデータを用いて作業量を集計し、同一知識分野でのレビュー経験の指標値を算出し、このレビュー経験の指標値を用いて、候補の個人をランク付けする。

上記構成により、データベースに蓄積される過去に処理されたレビューの履歴情報から、対象文書データと同一知識分野に属する文書データを著作した個人が候補として抽出され、さらに、文書データの内容およびメタデータを用いてレビューの作業量がレビューの履歴情報を用いて集計されるため、個人の同一知識分野におけるレビュー経験が定量されて、このレビュー経験の多寡を反映してレビュアーの候補となる個人が検索される。したがって、当該検索システムの利用者は、対象と同一知識分野におけるレビュー経験を定量的に勘案して、より適切なレビューの候補者を見つけ出すことが可能となる。

さらに本発明では、候補の個人それぞれにつき、データベースに格納される蓄積文書データそれぞれの内容およびメタデータを用いて作業量を集計し、不特定知識分野でのレビュー経験の一般指標値を算出することができる。この場合、さらに一般指標値を用いて候補の個人をランク付けすることができる。この構成により、個人のレビュー対象と同一知識分野におけるレビュー経験だけでなく、不特定知識分野における一般的なレビュー経験が定量されて、この一般的なレビュー経験の多寡を反映してレビュアーの候補となる個人が検索される。したがって、当該検索システムの利用者は、不特定知識分野における総合的なレビュー経験を定量的に勘案して、より適切なレビューの候補者を見つけ出すことが可能となる。

また本発明では、個人のスケジュール、スキル、ロールおよび所属、またはこれらの少なくとも１つの属性値を用いて、該属性に対する適合の程度を示す属性指標値を計算することができる。この場合、さらに属性指標値を用いて候補の個人をランク付けすることができる。この構成により、個人のスケジュール、スキル、ロールおよび所属といった属性の適合度を反映してレビュアーの候補となる個人が検索される。したがって、当該検索システムの利用者は、レビュー経験に加え、個人の属性の適合度を勘案して、より適切なレビューの候補者を見つけ出すことが可能となる。

本発明では、上記メタデータは、それぞれの蓄積文書データにつき、過去に処理されたレビューの作業の時間、出力文章量および入力文章量の少なくとも１つを上記作業量として含むことができる。このため、高い精度で、上記分野指標値および一般指標値を算出することができる。この作業の時間は、蓄積文書データに関連づけられたレビュー・タスクの開始および終了の日または日時、前記蓄積文書データのメタデータに含まれるデータ操作履歴の集計により求めることができる。上記文章量は、行数または文字数で計量することができる。

また本発明では、同一知識分野の文書データは、対象文書データを用いて類似検索された蓄積文書データ、および類似検索された蓄積文書データの子または子孫となる蓄積文書データとすることができる。また蓄積文書データは、タイトル、本文、内容を特徴付けるテキスト・マイニング・データまたはこれらの少なくとも一方を含むことができる。さらに本発明では、上記蓄積文書データは、過去のレビューの対象となった入力文書の全部または一部分、および該レビューの出力であるコメントを含むことができる。本発明では、サーバは、ネットワークを介して、ランク付けされた候補の個人のリストを検索要求に対し応答することができる。また、候補の個人の抽出の際には、上記同一知識分野の文書データに関連付けられた著作者を候補の個人として抽出することができる。

以下、本発明の実施形態を説明するが、本発明の実施形態は、以下の実施形態に限定されるものではない。なお、以下の実施形態では、特定の文書データに対するレビューを依頼するべき個人を検索するためのレビュアー検索システムを一例として説明する。

図１は、レビュアー検索システム１０の実施形態を示す。図１に示すレビュアー検索システム１０では、データベース１８を管理するサーバ１２がネットワーク１６に接続されている。データベース１８は、リレーショナル・データベース（ＲＤＢ）、オブジェクト指向データベース（ＯＯＤＢ）、オブジェクト・リレーショナル・データベース（ＯＲＤＢ）、ＸＭＬデータベースなどとして構成されていて、本実施形態でサーバ１２が使用するための各種データを格納する。データベース１８は、サーバ１２からの照会に応答して、各種結果をサーバ１２に返している。

また、ネットワーク１６には、複数のクライアント１４ａ〜ｅが接続されている。クライアント１４ａ〜ｅは、それぞれＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスクドライブなどを実装するパーソナル・コンピュータとして構成することができる。またクライアント１４ａ〜ｅは、ＷＩＮＤＯＷＳ（登録商標）ＸＰ、Ｖｉｓｔａ、ＭＡＣ（登録商標） ＯＳ、ＵＮＩＸ（登録商標）、ＬＩＮＵＸ（登録商標）などのオペレーティング・システム（ＯＳ）の制御下で、Internet Explorer、Netscape Navigator、Firefox、Mosaic、Operaなどのブラウザ・ソフトウェアを介してＨＴＴＰプロトコルを使用してサーバ１２にアクセスし、レビュアーの検索要求を送付し、検索結果をＨＴＴＰレスポンスとして受領する。

また本実施形態のレビュアー検索システム１０では、クライアント１４は、ドキュメントおよびコメントの登録および取得の要求や、レビュー作業の開始および終了などの登録の要求を送付し、処理結果をＨＴＴＰレスポンスとして受領する。これにより、ドキュメントの作成作業、レビュアーの検索要求および検索結果表示、およびドキュメントに対するレビュー作業を行うためのグラフィカル・ユーザ・インタフェース（以下、ＧＵＩとして参照する。）が提供される。ここでドキュメントは、レビューの対象となり得る文書のタイプを指し、コメントは、レビューの出力として特定のドキュメントに対し付された文書のタイプを指すものとする。

図２は、本実施形態のレビュアー検索システム１０が含むサーバ１２の機能ブロックを示す。レビュアー検索システム１０は、クライアント・アプリケーションのインストールの手間やメンテナンス性の点から、好適にはウェブサーバとして構成することができる。

サーバ１２は、インターネット、ワイアドまたはワイアレス通信を使用するローカル・エリア・ネットワーク（ＬＡＮ）、またはワイド・エリア・ネットワーク（ＷＡＮ）などを含むネットワーク１６を介して複数のクライアント（図示せず）から、クライアント上でユーザが作製したドキュメントに対するレビュアーの検索要求を受領して処理する。レビュー対象となるドキュメントは、クライアント側で作製して、サーバ１２に送付することもできるが、データベース１８に蓄積済みのドキュメントを識別する文書識別値を使用して、サーバ１２が含む文書管理アプリケーションなどにより、文書識別値により指定されるドキュメントを、レビュアー検索要求ごとにサーバ１２がデータベース１８から取得することができる。

なお、以下に説明する実施形態では、クライアントがレビュアー検索要求を発行する場合に、ドキュメントをブラウザに選択可能に提示し、レビュアーを決定するべきドキュメントを識別する文書識別値を含ませてレビュアー検索に提供するものとして説明する。

サーバ１２は、データベース１８にユーザデータを管理する。サーバ１２のユーザとは、クライアントのユーザを意味するとともに、サーバ１２に対してアクセス可能な登録者であって、レビュアー検索の対象となる個人を意味する。具体的には、本実施形態における個人とは、特定企業の従業員、特定団体の構成員、官公庁の公務員などを意味し、以下、特に断らない限り、単にユーザとして参照する。

また、サーバ１２は、データベース１８に、既に作製済みのドキュメント、または特定のドキュメントに対して行われたコメントを、そのメタデータと関連付けて管理している。本実施形態では、レビュー対象となり得るドキュメント、および特定のドキュメントに対するコメントは、文書フラグメントとして管理される。文書フラグメントは、作製されたひとまとまりのドキュメントの全部、またはそのドキュメントを構成する特定領域の一部分の文章、これらの文書の全部または一部分に対して付されたコメントを含み、本実施形態の文書データを構成する。ひとまとまりのドキュメントは、１以上のドキュメント・タイプの文書フラグメントから構成される。また、各文書フラグメントに付されるメタデータは、詳細は後述するが、文書フラグメントそれぞれの著作者のユーザを識別するユーザ識別値、該文書フラグメントに関連する過去のレビュー作業に関する情報などを含む。

サーバ１２は、レビュアー検索要求を受領すると、ネットワーク・インタフェース部２０、入力インタフェース部２２を介して情報統合管理モジュール２６にレビュアー検索要求を渡す。ネットワーク・インタフェース部２０は、ネットワークインタフェースカード（ＮＩＣ）およびアセンブラといった低級言語レベルのプログラムを使用して、物理層およびデータリンク層レベルでレビュアー検索要求を処理し、ＴＣＰ／ＩＰ層にレビュアー検索要求を送付する。ＴＣＰ／ＩＰ層では、レビュアー検索要求パケットのＴＣＰ／ＩＰヘッダを解析して、トランザクション・プロトコルタイプの決定を行い、ＴＣＰ／ＩＰヘッダに規定されたポートを担当するアプリケーション、例えばＨＴＴＰプロトコルであれば、ポート番号＝８０にレビュアー検索要求を渡す。

また、上述した情報統合管理モジュール２６は、リレーショナルデータベース（ＲＤＢ）やオブジェクト指向データベース（ＯＯＤＢ）などのデータベース・アプリケーションとして実装することができる。なお、本実施形態では、レビュアー検索要求に応答して、データベース１８に蓄積された各データを横断的に利用し、かつメモリ容量を不要に消費させないという点から、好適には、ＯＯＤＢを利用して情報統合管理モジュール２６を構成することができる。

レビュアー検索要求は、ＨＴＴＰプロトコル（ポート＝８０）を指定して送付された後、ＣＧＩ(Common Gateway Interface)などを使用して実装される入力インタフェース部２２に渡される。入力インタフェース部２２は、受領したパケットを解析し、要求に対応するアプリケーションを呼出し、処理を実行させる。アプリケーションの実行結果は、検索結果としてＣＧＩの出力モジュールとして構成された出力インタフェース部２４へと送られ、ネットワーク・インタフェース部２０を介してネットワーク１６へと送出され、要求元のクライアントへと検索結果が送付される。

サーバ１２は、上述した処理を実行するため、ＰＥＮＴＩＵＭ（登録商標）、ＰＥＮＴＩＵＭ（登録商標）互換チップなどのＣＩＳＣアーキテクチャのマイクロプロセッサ、または、ＰＯＷＥＲ ＰＣ（登録商標）などのＲＩＳＣアーキテクチャのマイクロプロセッサを、シングルコアまたはマルチコアとして実装し、ＷＩＮＤＯＷＳ（登録商標）２００Ｘ、ＵＮＩＸ（登録商標）、ＬＩＮＵＸ（登録商標）などのオペレーティングシステム（ＯＳ）によりアプリケーションの実行を制御する。

また、アプリケーションは、Ｃ＋＋、ＪＡＶＡ（登録商標）、ＪＡＶＡ（登録商標）ＳＣＲＩＰＴ、ＰＥＲＬ、ＲＵＢＹなどのプログラミング言語を使用して実装される、ＣＧＩ、サーブレット、ＡＰＡＣＨＥなどのサーバサイド・プログラムとして実装され、クライアントからのレビュアー検索要求を処理する。

上記情報統合管理モジュール２６は、複数のサブ・モジュールを含んで構成されている。各サブ・モジュールは、ＲＡＭなどに読み込んだプログラムおよびデータを使用して、ＣＰＵがプログラムを実行することにより、サーバ１２上にそれぞれの機能手段、機能部として実現されている。

情報統合管理モジュール２６は、より詳細に説明すると、文書フラグメント管理部２８と、コンテキスト管理部３０と、個人情報管理部３２と、個人検索部３８と、タスク管理部３７とを含んで構成される。

文書フラグメント管理部２８は、ドキュメント、メール、コメント、メッセージ、その他、すでに作製されて蓄積された文書の文書フラグメント（以下、蓄積文書フラグメントとして参照する。）について、その識別情報として文書識別値を与えて管理している。また文書フラグメント管理部２８は、レビュアーを検索するため、クエリとして与えられる文書フラグメント（以下、クエリ文書フラグメントとして参照する。）に類似する蓄積文書フラグメント（以下、類似文書フラグメントとして参照する。）の検索を実行する。この際に、文書フラグメント管理部２８は、与えられたクエリ文書フラグメントを使用して、データベース１８に格納された蓄積文書フラグメントとクエリ文書フラグメントとの間の類似度を計算する。そして、類似度と、例えば類似度に対する所与の閾値とを比較し、類似度が閾値以上の蓄積文書フラグメントを類似文書フラグメントとして決定する。

本実施形態では、類似度計算は、これまで知られた如何なる手法でも使用することができる。類似度検索を実行する手法としては、特に限定されるわけではないが、文書フラグメントを登録する際に、形態素解析、ＴＦ−ＩＤＦ(Term Frequency - Inverse Document Frequency)法を使用して、文書フラグメントの内容（本文およびタイトル、またはこれらのいずれか一方を含む。）に含まれる名詞などの単語を抽出し、文書内の単語の出現頻度、単語の重要度を計算し、索引付けを行うことにより、予めデータマイニングを実施しておき、一方、与えられたクエリ文書フラグメントに対する単語の抽出を同様に実施して、ベクトル空間法などを使用して、類似度を算出することができる。なお、文書の類似検索方法については、本発明の要旨ではないので、これ以上の詳細な説明は省略する。

コンテキスト管理部３０は、上記文書フラグメント管理部２８が管理する蓄積文書フラグメント間の依存関係を管理し、各蓄積文書フラグメントにつき、著作者、依存関係、関連する過去のレビュー作業を記述する情報を含むメタデータを関連付けている。図３は、文書フラグメント管理部２８およびコンテキスト管理部３０により管理される、文書フラグメント・コンテキストのデータ構造を示す図である。なお、文書フラグメント・コンテキスト１００は、文書フラグメント管理部２８が管理する文書識別値および内容と、コンテキスト管理部３０が管理するメタデータから構成される。図３に示す文書フラグメントコンテキス１００は、各蓄積文書フラグメントの文書識別値が入力されるフィールド１００ａと、内容が入力されるフィールド１００ｃと、メタデータが含まれるフィールド１００ｂ，ｄ〜ｈとを含んで構成される。

メタデータとしては、より具体的には、各蓄積文書フラグメントにつき、著作者のユーザを識別するユーザ識別値１００ｅ、親子関係を形成している親の蓄積文書フラグメントの文書識別値１００ｄ、文書フラグメントに関連する過去のレビュー作業のレビュー経過１００ｆ、およびドキュメントまたはコメントの別を示す文書タイプ１００ｂを含んで構成される。その他、後述するレビュー経験の指標値を効率的に算出するために、メタデータとして、行数または文字数で表される、文書フラグメントの本文の文章量１００ｈを含むこともできる。

レビュー経過１００ｆは、より具体的には、レビュー作業の開始日時および終了日時に関する情報１００ｉからなる。このレビュー作業の開始および終了の日時は、後述するタスク管理部３７から提供される当該文書フラグメントに関連付けられたタスクの開始日時および終了日時をコピーして入力される。また、上記レビュー作業の開始日時および終了日時に代えて、レビュー作業の開始日および終了日をメタデータとして含み、日数単位でレビュー作業時間を見積もることもできる。その他、メタデータとしては、文書フラグメントに対する作業の状態を示すステータス１００ｇを含むこともできる。

再び図２を参照すると、個人情報管理部３２は、各ユーザについて、その識別情報として、ユーザ識別値を与え、必要に応じてユーザ名、所属、上司のユーザ識別値や電子メールアドレスなどの連絡先を含むユーザプロファイルを関連付けて管理しており、識別情報を検索キーとする検索要求に対応して参照される。図４は、個人情報管理部３２により管理されるユーザデータのデータ構造を示す図である。図４に示すユーザデータ１１０は、ユーザ識別値が入力されるフィールド１１０ａ、各種ユーザプロファイルが入力されるフィールド１１０ｂ〜ｈを含んで構成される。

ユーザプロファイルとしては、後述するレビュー経験の指標値を効率的に算出するために、好適には、各ユーザについて、各ユーザが著作者となっているドキュメントの文書フラグメントの文書識別値のリスト１１０ｃ、コメントの文書フラグメントの文書識別値のリスト１１０ｄを含み、個人情報管理部３２は、これらを対応付けて管理することができる。また、個人情報管理部３２は、ユーザ属性を勘案してレビュアー候補を提案するために、好適には、ユーザのスキルレベルのリスト１１０ｆ、レビュー担当者であるかドキュメントの作成者であるかのロール１１０ｂ、後述するスケジュール・データ１１０ｅ、所属１１０ｈ、上司１１０ｇなどユーザ属性をユーザに関連付けて管理することができる。

再び図２を参照すると、図１に示したサーバ１２の情報統合管理モジュール２６は、例示的にスケジュール管理部３４を含んで構成することができる。スケジュール管理部３４は、レビュアー候補のユーザを検索する際に、レビュー作業の期限と各ユーザのスケジュール上の適合度を考慮するために、各ユーザについてのスケジュール・データを管理し、データベース１８に登録された特定のユーザから送付されたスケジュールを検索して、ユーザへのスケジュール通知などを行っている。

タスク管理部３７は、ドキュメントの文書フラグメントに対して指示されたレビュー作業などのタスクを管理し、登録された各タスクについて、割り当てられたユーザ識別値、実行中および完了といったタスク・ステータス、開始、中断、再開および終了などの操作の日時を履歴として記録する。さらにタスク管理部３７は、レビュー作業に対応するタスクについては、その開始日時および終了日時を、中断があれば中断日時および再開日時を、当該レビュー作業の完了とともに、レビュー作業の対象となるドキュメントおよび該ドキュメントに付されたコメントに対応する文書フラグメントのメタデータ内のレビュー経過１００ｆにコピーする。

個人検索部３８は、レビュアー検索要求を受領すると、文書フラグメント管理部２８、コンテキスト管理部３０、個人情報管理部３２が管理するデータを横断的に参照して、レビュアーの一次候補となるユーザの集合リストを作成し、集合リストに含まれる各ユーザについて各種レビュー経験の指標値を算出し、これら各種指標値に従ってランク付けされたレビュアー候補者リストを作成する。作成されたレビュアー候補者リストは、出力インタフェース部２４およびネットワーク・インタフェース部２０を介して、レビュアー検索要求の送信元のクライアントに送付される。個人検索部３８は、より具体的には、ドメインエキスパート抽出部４０と、ドメイン経験評価部４２と、一般経験評価部４４と、ランク付け部４８とを含んで構成される。

ドメインエキスパート抽出部４０は、データベース１８に格納される蓄積文書フラグメントおよびそのメタデータから、レビュー対象のドキュメントと同一知識分野に属すると判定される文書フラグメントの著作者であるユーザ（以下、ドメインエキスパートとして参照する。）を一次候補として抽出する。そして、抽出結果のドメインエキスパートの集合リスト、および同一知識分野の文書フラグメントの集合リストを、ドメイン経験評価部４２に与える。また、ドメインエキスパート抽出部４０は、抽出結果のドメインエキスパートの集合リストを一般経験評価部４４に与える。

ドメインエキスパート抽出部４０は、より具体的には、レビュアー検索要求された対象文書フラグメントをクエリ文書フラグメントとして与えて、類似検索を文書フラグメント管理部２８に依頼し、対象文書フラグメントに類似する類似文書フラグメントの集合のリスト（以下、一次文書集合リストとして参照する。）を取得する。文書フラグメントの集合のリストは、例えば、文書フラグメントの文書識別値および文書タイプの組の配列として与えられる。このとき、好適には、ドキュメントおよびコメント両文書タイプの蓄積文書フラグメントを検索範囲に含め、レビューの対象であるドキュメントに類似するドキュメントおよびコメントを抽出することができる。

ドメインエキスパート抽出部４０は、さらに、一次文書集合リストに含まれる各蓄積文書フラグメントを、コンテキスト管理部３０に与えて、親子関係が形成された文書フラグメントの検索を依頼し、一次文書集合リストに含まれる各文書フラグメントとファミリを構成する文書フラグメントの集合のリスト（以下、二次文書集合リストとして参照する。）を取得する。本実施形態では、類似性により対象ドキュメントと直接紐付けられる一次文書集合リストと、親子関係を介して間接的に紐付けられる二次文書集合リストに含まれる文書フラグメントとが、同一知識分野に属すると判定されることとなる。

図５は、ドメインエキスパートの集合リストを得る処理を、各段階で用いられるデータ構造とともに示す図である。図５に示すように、まず、クエリ文書フラグメントとして与えられた対象文書フラグメント（ドキュメント）１２０に類似する文書フラグメント（ドキュメント）１２６および文書フラグメント（コメント）１２８が取得される。続いて、類似文書フラグメントと親子関係が形成されている蓄積文書フラグメントがさらに取得され、二次文書集合１２２が得られる。つまり、レビュー対象のドキュメントに類似する内容を有するドキュメントおよびコメントに加え、これら類似のドキュメントに付されるコメントや、これら類似のコメントが付されたドキュメントなどに対応する文書フラグメントが、同一知識分野に属するものと判定されることとなる。そして、二次文書集合１２２がコンテキスト管理部３０に与えられて、これらの著作者のユーザ識別値が取得され、ドメインエキスパートのユーザ識別値のリストが取得される。図５には、二次文書集合１２２が含む各文書フラグメント１２６，１２８は、さらにメタデータとして著作者１３０が関連付けられている様子が示されている。

なお、他の実施形態では、上記一次文書集合リストを取得するための検索の際に、ドキュメントのみの文書タイプの蓄積文書フラグメントを検索範囲に含め、二次文書集合リストを取得するための検索の際に、コメントのみの文書タイプの蓄積文書フラグメントを検索範囲に含めることもできる。この場合には、レビュー対象のドキュメントに類似する内容を有するドキュメントに付されるコメントの文書フラグメントのみが抽出され、対象ドキュメントに類似するドキュメントに対しレビューしたことのある個人のみがドメインエキスパートとして抽出されることとなる。また、二次文書集合１２２を取得する際には、親子関係から辿られる、所定範囲の子孫または祖先をファミリとして特定することもできる。

再び図２を参照すると、ドメイン経験評価部４２は、与えられたドメインエキスパートのリストに含まれる各ユーザに対し、レビュー対象と同一知識分野におけるレビュー経験を定量するドメイン経験指標値（ｅｘｐ_Ｄ）を算出し、ランク付け部４８へ渡す。より具体的には、ドメイン経験評価部４２は、ドメインエキスパート抽出部４０から与えられた同一知識分野に属すると判定された文書フラグメントのリストをコンテキスト管理部３０に与えて、対応する文章量、関連する過去のレビュー作業の開始日および終了日を含むメタデータを取得し、図５に示すように、文書フラグメントをユーザ毎にソーティングする。そして、各ユーザについて、同一知識分野におけるレビュー作業の出力であるコメントの総文章量（以下、総出力文章量として参照する）、およびレビューの総作業時間を集計する。

また、ドメイン経験評価部４２は、好適には、レビュー作業の入力であるレビュー対象ドキュメントの総文章量（以下、総入力文章量として参照する）を集計することもできる。なお、本実施形態では、総出力文章量および総入力文書量は、個別の文書フラグメントに関連付けられるメタデータに含まれる作業時間および文章量から算出する構成としたが、他の実施形態では、文書の本文から文章量を直接求めてもよい。また、各ユーザに対する総作業時間を集計の際には、各レビュー作業の期間の重複を解消するよう集計することができる。例えば、同一ドキュメントに複数のコメントが付される場合などでは、複数のコメントに同一の作業時間がコピーされるため、好適には、一方のみを総作業時間に加算する。また、レビュー作業の入力であるドキュメントと、出力であるコメントには、同一の作業時間がコピーされるため、好適には、一方のみを総作業時間に加算する。

一般経験評価部４４は、与えられたドメインエキスパートのリストに含まれる各ユーザに対し、知識分野非限定のレビュー経験を定量する一般経験指標値（ｅｘｐ_Ｇ）を算出し、ランク付け部４８へ渡す。より具体的には、一般経験評価部４４は、各ユーザ識別値を個人情報管理部３２に与えて、各ユーザが著作者であるコメントおよびドキュメントの文書識別値のリストを取得する。そして、このリストをコンテキスト管理部３０に与えて、対応する文章量、関連するレビュー作業の開始日時および終了日時を取得し、各ユーザについて、知識分野非限定のレビュー作業の出力であるレビュー・コメントの総出力文章量、レビューの総作業時間を集計する。また、一般経験評価部４４は、好適には、各ユーザが著作者であるコメントの親となるドキュメントの文書識別値のリストを取得し、レビュー作業の入力であるレビュー対象ドキュメントの総入力文章量を集計することもできる。

なお、本実施形態のレビュアー検索システム１０では、文章量およびレビュー経過がメタデータとして与えられ、また文書フラグメントの内容を特徴付けるテキストマイニングされたデータを索引としてシステムが持ち、類似検索、文章量および作業時間の集計が可能とされている限り、文書フラグメントの内容自体のデータは、必ずしも要するものではない。

図１に示したサーバ１２の個人検索部３８は、さらに、例示的に属性評価部４６を含んで構成することができる。上記ドメインエキスパート抽出部４０は、スキルレベル、ロール、所属などユーザ属性の適合度を勘案してレビュアー候補者を提案するために、抽出結果のドメインエキスパートのリストを属性評価部４６に与えることができる。属性評価部４６は、与えられたドメインエキスパートのリストに含まれる各ユーザに対し、ユーザ属性の適合度を定量する属性指標値ｕを算出し、ランク付け部４８へ渡す。また、属性評価部４６は、好適には、スケジュール管理部３４が管理する各ユーザのスケジュールと、レビュー期限とを比較し、スケジュール属性についての適合度を定量し、上記属性指標値ｕに含めることもできる。本実施形態では、ユーザ属性の適合度の計算は、スキルレベル、ロール、所属などユーザ属性を用いるエキスパート・マッチング技術など、これまで知られたいかなる手法でも使用することができる。

ランク付け部４８は、一次候補の各ドメインエキスパートについて、ドメイン経験評価部４２および一般経験評価部４４、適宜属性評価部４６から渡された各種指標値を用いて、総合スコアを算出してランク付けする。一次候補のドメインエキスパートは、総合スコアに従ってソーティングされ、総合スコア上位から所定順位または所定スコアで打ち切られる。ランク付け部４８は、残されたドメインエキスパートを最終的に推奨する候補者として、個人情報管理部３２に問い合わせて取得するユーザ名などのユーザ情報と、上記各指標値、総合スコアなどとともにレビュアー候補者リストを作成し、出力インタフェース部２４へ渡す。レビュアー候補者リストは、出力インタフェース部２４およびネットワーク・インタフェース部２０を介して、レビュアー検索要求の送信元のクライアントに送付されることとなる。

図１に示したサーバ１２の情報統合管理モジュール２６は、例示的にデータ管理部３６を含んで構成することができる。データ管理部３６は、上述した各機能処理部とデータベース１８との間の実際のデータ交換を中継し、各機能処理部が使用するデータ形式と、データベース１８に格納されるデータ形式との変換を実行し、各機能処理部をデータベース１８に接続し、本システムで処理されるデータの格納・削除などを、統合的に管理する。

好ましい本実施形態では、情報統合管理モジュール２６は、テーブルなどのデータ量を削減し、さらに他の管理部がすでに作製したデータを継承することにより、メモリ消費量などの削減を可能としつつ、効率的な統合的処理を可能とする。

以下、フローチャートを参照して、本実施形態のサーバ１２が実行する推奨レビュアー検索処理の詳細を説明する。図６は、本実施形態の推奨レビュアー検索処理のフローチャートである。図６に示す処理は、ステップＳ１００から開始し、ステップＳ１０１では、クライアントから所定の対象ドキュメントに対するレビュアー検索要求を受信する。なお、このとき、既にレビュー対象となるドキュメントが既に検索者により作製され、データベース１８に既に蓄積されているものとする。ステップＳ１０２では、対象ドキュメントの文書識別値を与えて、経験評価フローを呼び出す。なお、経験評価フローの詳細については、後述するが、当該フローにより対象ドキュメントに対応するドメインエキスパートが抽出され、各ドメインエキスパートに対し、上記ドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇが算出される。

ステップＳ１０３では、ステップＳ１０２で呼び出された処理フローにより、各ドメインエキスパートについて算出されたドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇから、さらに総合スコアを算出する。各ドメインエキスパートに対する総合スコアＲは、例えば、上記ドメイン経験指標値ｅｘｐ_Ｄ、一般経験指標値ｅｘｐ_Ｇ、および任意のウェイト係数ｗ_Ｄ，ｗ_Ｇ（例えば、ｗ_Ｄ＝ｗ_Ｇ＝０．５など。）を用いて、下記式（１）、

により算出することができる。ステップＳ１０４では、算出された総合スコアに従って、一次候補のドメインエキスパートをソーティングし、所定の順位またはスコアで打ち切り、ランク付けされたレビュアー検索結果を要求元のクライアントに応答し、ステップＳ１０５で処理を終了させる。

図７は、本実施形態の経験評価処理のフローチャートである。図７に示す処理は、図６に示したステップＳ１０２の処理により呼び出されて、ステップＳ２００から開始する。ステップＳ２０１では、ドメインエキスパート抽出部４０は、与えられた対象ドキュメントと同一知識分野に属すると判定される文書フラグメントの集合を取得する。ステップＳ２０２では、取得した文書フラグメントの集合からこれらの著作者をリストアップし、一次候補とする。

ステップＳ２０３からステップＳ２０８までのループでは、一次候補の各ユーザについて、一般経験指標値ｅｘｐ_Ｇを算出するためのステップＳ２０４およびステップＳ２０５の処理、およびドメイン経験指標値ｅｘｐ_Ｄを算出するためのステップＳ２０６およびステップＳ２０７の処理が実行される。

ステップＳ２０４では、個人情報管理部３２へ問い合わせて、処理対象のユーザが著作者であるコメントの集合を取得する。ステップＳ２０５では、コンテキスト管理部３０へ問い合わせて、処理対象のユーザが著作者である全コメントの文章量およびレビューの作業時間を取得し、総出力文章量ｏｕｔｐｕｔ_Ｇおよび総作業時間ｔｉｍｅ_Ｇを集計する。他の実施形態では、ステップＳ２０５で、総入力文章量ｉｎｐｕｔ_Ｇを集計してもよい。

ステップＳ２０６では、ステップＳ２０１で得た文書フラグメントの集合から、処理対象のユーザが著作者である同一知識分野のコメントの集合を取得する。ステップＳ２０７では、コンテキスト管理部３０へ問い合わせて、処理対象のユーザが著作者である同一知識分野のコメントの文章量およびレビューの作業時間を取得し、総出力文章量ｏｕｔｐｕｔ_Ｄおよび総作業時間ｔｉｍｅ_Ｄを集計する。他の実施形態では、ステップＳ２０７で、総入力文章量ｉｎｐｕｔ_Ｄを集計してもよい。

ステップＳ２０３からステップＳ２０８までのループから抜けると、ステップＳ２０９では、得られた同一知識分野での総出力文章量ｏｕｔｐｕｔ_Ｄおよび総作業時間ｔｉｍｅ_Ｄ、および知識分野非限定の総出力文章量ｏｕｔｐｕｔ_Ｇおよび総作業時間ｔｉｍｅ_Ｇから、全ユーザのドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇを算出し、ステップＳ２１０で計算結果とともに処理を呼び出し元に戻す。ステップＳ２０９では、より具体的には、全ユーザ中から、最大値の同一知識分野での総出力文章量ｏｕｔｐｕｔ_Ｄ ^ＭＡＸおよび総作業時間ｔｉｍｅ_Ｄ ^ＭＡＸ、および知識分野非限定の総出力文章量ｏｕｔｐｕｔ_Ｇ ^ＭＡＸおよび総作業時間ｔｉｍｅ_Ｇ ^ＭＡＸをそれぞれ求め、各ユーザの値を最大値でそれぞれ規格化する。

各ユーザのドメイン経験指標値ｅｘｐ_Ｄは、例えば、最大の総出力文章量ｏｕｔｐｕｔ_Ｄ ^ＭＡＸ、最大の総作業時間ｔｉｍｅ_Ｄ ^ＭＡＸ、各ユーザの総出力文章量ｏｕｔｐｕｔ_Ｄ、総作業時間ｔｉｍｅ_Ｄ、任意のウェイト係数ｆ_{ｏｕｔｐｕｔ}，ｆ_ｔｉｍｅ（例えば、ｆ_{ｏｕｔｐｕｔ}＝ｆ_ｔｉｍｅ＝０．５など。）を用いて、下記式（２）、

により算出することができる。

各ユーザの一般経験指標値ｅｘｐ_Ｇは、例えば、最大の総出力文章量ｏｕｔｐｕｔ_Ｇ ^ＭＡＸ、最大の総作業時間ｔｉｍｅ_Ｇ ^ＭＡＸ、各ユーザの総出力文章量ｏｕｔｐｕｔ_Ｇ、総作業時間ｔｉｍｅ_Ｇ、任意のウェイト係数ｆ_{ｏｕｔｐｕｔ}，ｆ_ｔｉｍｅを用いて、下記式（３）、

により算出することができる。

以下、図８〜図１０を参照して、本実施形態のレビュアー検索システム１０において実行される推奨レビュアーの提案処理について、より詳細を説明する。図８は、本実施形態のレビュアー検索システム１０において、クライアント１４、サーバ１２およびデータベース１８間で行われる処理の概略的なシーケンス図である。図９は、サーバ１２からのＨＴＴＰレスポンスに従ってクライアント１４のディスプレイ画面上に表示される、レビュアー検索要求を行うためのＧＵＩ画面を例示する。図９（Ａ）は、本実施形態においてレビュアーを検索するために用いられるＧＵＩ画面を示す。図９（Ａ）に示すＧＵＩ画面２００には、ドキュメントのタイトル２０２と本文２０４とが表示されおり、さらに、キャンセル・ボタン２０６と、検索要求の発行を指示するための検索ボタン２０８とが配置されている。

図８に示すステップＳ３００の処理では、図９（Ａ）に示すＧＵＩ画面２００において検索ボタン２０８がクリックされたことに応答して、対象ドキュメントの文書識別値を含むレビュアー検索要求がクライアント１４からサーバ１２へ発行される。ステップＳ３０１では、サーバ１２は、レビュアー検索要求の対象ドキュメントの文書識別値、その他、類似度の閾値などのパラメータを与えて、データベース１８に検索指令を発行する。ステップＳ３０２では、サーバ１２は、内容の類似度により紐付けられる同一知識分野の文書フラグメント、ドメインエキスパートが著作者である知識分野非限定のすべての文書フラグメントの識別値を、関連付けられるレビュー経過および文章量などのメタデータとともにデータベース１８から取得する。

ステップＳ３０３では、ステップＳ３０１およびステップＳ３０２の処理で取得したメタデータを用いて集計される候補の各ユーザについての総作業時間ｔｉｍｅ_Ｄ、総作業時間ｔｉｍｅ_Ｇ、総出力文章量ｏｕｔｐｕｔ_Ｄ、および総出力文章量ｏｕｔｐｕｔ_Ｇから、候補の各ユーザについて、ドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇを算出する。ステップＳ３０４では、ドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇから総合スコアを計算し、ランク付けおよびソーティングを行い、ステップＳ３０５で、サーバ１２は、レビュアー候補者リストの結果出力をＨＴＴＰレスポンスとして要求元のクライアント１４へ応答する。

図１０は、サーバ１２からのＨＴＴＰレスポンスに従ってクライアント１４のディスプレイ画面上に表示される、レビュアー検索結果を表示するＧＵＩ画面を例示する。図１０に示すＧＵＩ画面２４０には、レビュアー候補者リストの結果出力が表示される結果テーブル２４２と、テーブル２４２の表示をスクロールさせるスクロールバー２４４と、レビュー依頼ボタン２４６と、キャンセル・ボタン２４８とが配置されている。

結果テーブル２４２は、より具体的には、ランク順位が表示されるフィールド２４２ａと、推奨レビュアーの名前が表示されるフィールド２４２ｂと、レビュー経験に関する各種項目が表示されるフィールド２４２ｃ〜ｈと、総合スコアが表示されるフィールド２４２ｉとを含んで構成される。レビュー経験に関する各種項目としては、図１０に示したＧＵＩ画面２４０では、知識分野非限定の全レビュー時間２４２ｃ、全コメントの文章量２４２ｄ、一般経験指標値２４２ｅ、同一知識分野のレビュー時間２４２ｆ、コメント文章量２４２ｇ、およびドメイン経験指標値２４２ｈを含む。クライアント１４を使用する検索者は、図１０に示すＧＵＩ画面２４０を用いて、マウスまたはキーボードの操作によりレビュアー候補者のリスト中から１人または複数の候補者を選択し、レビュー依頼ボタン２４６をクリックすることによって、選択中のレビュアー候補者に対して、レビューの依頼を行うことができる。レビュー依頼ボタン２４６がクリックされると、レビュー依頼を含むＨＴＴＰリクエストがサーバ１２に発行され、サーバ１２は、個人情報管理部３２にユーザと関連付けて管理している電子メールアドレスまたはタスク管理部３７等を用いて、当該レビュアー候補者にレビュー作業を依頼する処理を実施する。

上記実施形態の構成によれば、データベース１８に蓄積される過去に処理されたレビューの履歴情報から、対象文書データと同一知識分野に属する文書フラグメントを著作したユーザ（ドメインエキスパート）が候補として抽出され、さらに、文書フラグメントの内容およびメタデータを用いて、それぞれのユーザのレビューの作業量を集計される。このため、候補者の同一知識分野におけるレビュー経験、および知識分野非限定でのレビュー経験がそれぞれ定量されて、これらレビュー経験の多寡を反映してレビュアー候補者が検索される。したがって、当該検索システムの利用者は、対象と同一知識分野および分野非限定でのレビュー経験を定量的に勘案して、より適切なレビューの候補者を見つけ出すことが可能となる。

以下、図９、図１１〜図１４を参照して、レビュアー検索システム１０において実行される他の実施形態の処理について、より詳細を説明する。上述までの実施形態との主な相違点は、個人情報管理部３２が管理するユーザ属性であるスキルレベルなどを推奨レビュアー検索処理に利用する点である。

図１１は、他の実施形態でスキルレベルを提供するためのスキル情報のデータ構造をテーブル形式で示す。スキルレベルは、Language、Technical Skill、Teamworkなどスキルのカテゴリと、English、Japanese、Ｃ＋＋、ＸＭＬなどのスキル名とを対応付けて登録するスキル内容情報１５０を使用して、特定のユーザごとに登録される。特定ユーザのスキルレベル１６０は、Ｓｋｉｌｌ＿Ｌｉｓｔ１（ユーザ毎に固有な値である。）といったインデックスが割当てられ、ユーザが特定されると、当該ユーザのユーザ識別値をキーとして、図４に示したユーザデータのフィールド１１０ｆからスキルレベル１６０が検索される。

スキルレベル１６０には、スキル名、カテゴリ、スキルレベルが登録されており、スキルレベルは、ここで説明する実施形態では、値の高い順にスキルが高いものとしてスキルについてスコア付けされる。なお、スキルのスコア付けは、種々の計算方法を使用することができるが、例えばスキル名を直交軸とする、スキルベクトルを定義し、ユーザから送付されたスキルレベルと内積計算して、そのスコアを計算することができる。

なお、この他、ロールおよびスケジュール、部門などについてもロール名、カテゴリ、日付およびスケジュール内容、部門名などがとして登録されており、レビュアー候補者のランク付け部４８による参照に対応して各スコア計算のために利用される。

属性全体のスコアｍａｔｃｈ_Ｕの計算は、例えば下記式（４）で与えられるスコア関数を使用して属性評価部４６が実行することができる。

により算出することができる。

上記式（４）中、ｓｃｏｒｅ_attributeは、スキルレベル適合性、スケジュール適合性、ロール適合性、部門適合性といった各属性についてのスコアであり、ｆ_attributeは、各属性値についてのスコアにつき、どの程度推奨レビュー者スコアに反映させるかについてのウェイト係数である。なお、本実施形態では、ｓｃｏｒｅ_attributeについて値が存在しない場合、例外エラーを返すのではなく、値＝０を返すように実装することで属性全体のスコアｍａｔｃｈ_Ｕを計算する。

このため、特定の企業への適用に際し、例えば、部門属性を採用しない場合、スキルレベルを採用しない場合、スケジュールを採用しない場合であっても、属性評価部４６の処理を修正することなく、特定企業の要求に対応させて各データをカスタマイズする最小のコストで対応することができる。なお、以下の実施形態の説明では、スキルレベルのスコアのみからユーザ属性全体のスコアｍａｔｃｈ_Ｕが算出されるものとする。

図１２は、他の実施形態の推奨レビュアー検索処理のフローチャートである。図１１に示す処理は、ステップＳ４００から開始し、ステップＳ４０１では、クライアントから所定の対象ドキュメントに対するレビュアー検索要求を受信する。なお、他の実施形態の推奨レビュアー検索処理では、当該レビュアー検索要求は、検索者による所望なスキルレベルの入力を含んでいる。

ステップＳ４０２では、対象ドキュメントの文書識別値を与えて、経験評価フローを呼び出す。なお、経験評価フローは、図７に示したものと同一である。一方、ステップＳ４０２の実行と同時に、ステップＳ４０６では、所望のスキル入力に従って、スキルレベルがマッチするユーザが検索され、検索された各ユーザの属性指標値ｕが取得される。ステップＳ４０３では、ステップＳ４０２で呼び出された処理フローにより、各ドメインエキスパートについて算出されたドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇ、およびステップＳ４０６で検索されたユーザについて算出された属性指標値ｕから、各ドメインエキスパートについて総合スコアを算出する。スキルレベルがマッチしても、ドメインエキスパートではないユーザは、検索結果から除外されることとなる。各ドメインエキスパートに対する総合スコアＲは、例えば、上記ドメイン経験指標値ｅｘｐ_Ｄ、一般経験指標値ｅｘｐ_Ｇ、属性指標値ｕおよび任意のウェイト係数ｗ_Ｄ，ｗ_Ｇ，ｗ_Ｕ（例えば、ｗ_Ｄ＝ｗ_Ｇ＝ｗ_Ｕ＝１／３など。）を用いて、下記式（５）、

により算出することができる。ステップＳ４０４では、算出された総合スコアに従って、一次候補のドメインエキスパートをソーティングし、所定の順位またはスコアで打ち切り、ランク付けされたレビュアー検索結果を要求元のクライアントに応答し、ステップＳ４０５で処理を終了させる。

図１３は、レビュアー検索システム１０において、クライアント１４、サーバ１２およびデータベース１８間で行われる他の実施形態の処理のシーケンス図である。図９（Ｂ）は、他の実施形態においてレビュアーを検索するために用いられるＧＵＩ画面を示す。図９（Ｂ）に示すＧＵＩ画面２２０には、ドキュメントのタイトル２２２と本文２２４が表示されおり、さらに、所望のスキルレベル２２６が表示されている。さらにＧＵＩ画面２２０には、スキルレベルを追加するためのスキル追加ボタン２２８、キャンセル・ボタン２３０、検索ボタン２３２とが配置されている。

図１３に示すステップＳ５００の処理では、図９（Ｂ）に示すＧＵＩ画面２２０において検索ボタン２３２がクリックされたことに応答して、対象ドキュメントの文書識別値、追加された所望のスキル入力を含むレビュアー検索要求が、クライアント１４からサーバ１２へ発行される。ステップＳ５０１では、サーバ１２は、レビュアー検索要求の対象ドキュメントの文書識別値、その他、類似度の閾値などのパラメータを与えて、データベース１８に検索指令を発行する。ステップＳ５０２では、サーバ１２は、内容の類似度により紐付けられる同一知識分野の文書フラグメント、ドメインエキスパートが著作者である知識分野非限定のすべての文書フラグメントの識別値を、関連付けられるレビュー経過および文章量などのメタデータとともにデータベース１８から取得する。

ステップＳ５０３では、ステップＳ５０１およびステップＳ５０２の処理で取得したメタデータを用いて集計される候補の各ユーザについての総作業時間ｔｉｍｅ_Ｄ、総作業時間ｔｉｍｅ_Ｇ、総出力文章量ｏｕｔｐｕｔ_Ｄ、および総出力文章量ｏｕｔｐｕｔ_Ｇから、候補の各ユーザについて、ドメイン経験指標値ｅｘｐ_Ｄおよび一般経験指標値ｅｘｐ_Ｇを算出する。

ステップＳ５０４では、サーバ１２は、所望のスキルレベル入力などのパラメータを与えて、データベース１８に検索指令を発行する。ステップＳ５０５では、サーバ１２は、スキルレベルにマッチしたユーザおよび該ユーザのユーザ属性全体のスコアｍａｔｃｈ_Ｕを取得する。ステップＳ５０６では、取得した属性全体のスコアｍａｔｃｈ_Ｕから、属性指標値ｕを算出する。また、最大の属性全体のスコアｍａｔｃｈ_Ｕが求められる。各ユーザの属性指標値ｕは、例えば、最大のスコアｍａｔｃｈ_Ｕ ^ＭＡＸ、各ユーザのスコアｍａｔｃｈ_Ｕを用いて、下記式（６）、

により算出することができる。ステップＳ５０７では、ドメイン経験指標値ｅｘｐ_Ｄ、一般経験指標値ｅｘｐ_Ｇおよび属性指標値ｕから総合スコアを計算し、ランク付けおよびソーティングを行い、ステップＳ５０８で、サーバ１２は、レビュアー候補者リストの結果出力をＨＴＴＰレスポンスとして要求元のクライアント１４へ応答する。

図１４は、サーバ１２からのＨＴＴＰレスポンスに従ってクライアント１４のディスプレイ画面上に表示される、他の実施形態のレビュアー検索結果を表示するＧＵＩ画面を例示する。図１４に示すＧＵＩ画面２６０には、結果テーブル２６２と、結果テーブル２６２の表示をスクロールさせるスクロールバー２６４と、レビュー依頼ボタン２６６と、キャンセル・ボタン２６８とが配置されている。

結果テーブル２６２は、より具体的には、ランク順位が表示されるフィールド２６２ａと、推奨レビュアーの名前が表示されるフィールド２６２ｂと、レビュー経験に関する各種項目が表示されるフィールド２６２ｃ〜ｉと、総合スコアが表示されるフィールド２６２ｊとを含んで構成される。レビュー経験に関する各種項目としては、図１０に示したＧＵＩ画面２４０にあるものの他、さらに、スキル適合度２６２ｉを含む。クライアント１４を使用する検索者は、図１４に示すＧＵＩ画面２６０を用いて、レビュアー候補者のリスト中から１人または複数の候補者を選択し、レビュー依頼ボタン２６６をクリックすることによって、選択中のレビュアー候補者に対して、レビューの依頼を行うことができる。

上述した他の実施形態の構成によれば、個人のスケジュール、スキル、ロールおよび所属といったユーザ属性の適合度を反映してレビュアーの候補となる個人を検索することができる。したがって、当該検索システムの利用者は、レビュー経験に加えて個人のユーザ属性の適合度を勘案して、より適切なレビューの候補者を見つけ出すことが可能となる。

以上説明したように、本実施形態によれば、特定の文書を対象としたレビューを効率的かつ高品質に行うために、各個人のレビュー作業に関する実質的な経験を定量的に評価して、レビューを依頼するべき適切な個人を検索する、個人検索システム、情報処理装置、個人検索方法、プログラムおよび記録媒体を提供することが可能となる。

また上記機能は、アセンブラ、Ｃ、Ｃ＋＋、Ｃ＃、Ｊａｖａ（登録商標）、などのレガシープログラミング言語やオブジェクト指向プログラミング言語などで記述されたコンピュータ実行可能なプログラムにより実現でき、ＲＯＭ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、フラッシュメモリ、フレキシブルディスク、ＣＤ−ＲＯＭ、ＣＤ−ＲＷ、ＤＶＤ、ＳＤカード、ＭＯなど装置可読な記録媒体に格納して頒布することができる。

これまで本発明の実施形態について説明してきたが、本発明の実施形態は上述した実施形態に限定されるものではなく、他の実施形態、追加、変更、削除など、当業者が想到することができる範囲内で変更することができ、いずれの態様においても本発明の作用・効果を奏する限り、本発明の範囲に含まれるものである。

レビュアー検索システムの実施形態を示す図。 本実施形態のレビュアー検索システムが含むサーバの機能ブロック図。 文書フラグメント・コンテキストのデータ構造を示す図。 ユーザデータのデータ構造を示す図。 ドメインエキスパートの集合リストを得る処理を、各段階で用いられるデータ構造とともに示す図。 本実施形態の推奨レビュアー検索処理のフローチャート。 本実施形態の経験評価処理のフローチャート。 本実施形態のレビュアー検索システムにおいて、クライアント、サーバおよびデータベース間で行われる処理のシーケンス図。 クライアントのディスプレイ画面上に表示される、レビュアー検索要求を行うためのＧＵＩ画面を例示する図。 クライアント１４のディスプレイ画面上に表示される、レビュアー検索結果を表示するＧＵＩ画面を例示する図。 他の実施形態でスキルレベルを提供するためのスキル情報のデータ構造をテーブル形式で示す図。 他の実施形態の推奨レビュアー検索処理のフローチャート。 レビュアー検索システムにおいて、クライアント、サーバおよびデータベース間で行われる他の実施形態の処理のシーケンス図。 クライアントのディスプレイ画面上に表示される、他の実施形態のレビュアー検索結果を表示するＧＵＩ画面を例示する図。

符号の説明

１０…レビュアー検索システム、１２…サーバ、１４…クライアント、１６…ネットワーク、１８…データベース、２０…ネットワーク・インタフェース部、２２…入力インタフェース部、２４…出力インタフェース部、２６…情報統合管理モジュール、２８…文書フラグメント管理部、３０…コンテキスト管理部、３２…個人情報管理部、３４…スケジュール管理部、３６…データ管理部、３７…タスク管理部、３８…個人検索部、４０…ドメインエキスパート抽出部、４２…ドメイン経験評価部、４４…一般経験評価部、４６…属性評価部、４８…ランク付け部、１００…文書フラグメントコンテキス、１１０…ユーザデータ、１２０…対象文書フラグメント、１２２…二次文書集合、１２６…文書フラグメント、１２８…文書フラグメント、１３０…著作者、１５０…スキル内容情報、１６０…スキルレベル、２００…ＧＵＩ画面、２０２…タイトル、２０４…本文、２０６…キャンセル・ボタン、２０８…検索ボタン、２２０…ＧＵＩ画面、２２２…タイトル、２２４…本文、２２６…スキルレベル、２２８…追加ボタン、２３０…キャンセル・ボタン、２３２…検索ボタン、２４０…ＧＵＩ画面、２４２…結果テーブル、２４４…スクロールバー、２４６…レビュー依頼ボタン、２４８…キャンセル・ボタン、２６０…ＧＵＩ画面、２６２…結果テーブル、２６４…スクロールバー、２６６…レビュー依頼ボタン、２６８…キャンセル・ボタン

Claims (13)

1. 個人を検索するシステムであって、
   ネットワークに接続され、クライアント・コンピュータからのレビューを依頼する個人の検索要求を受領する検索サーバと、過去に処理されたレビューに関連する蓄積文書データ、および該蓄積文書データの著作者を含むメタデータを関連付けて格納するデータベースとを含み、
   前記検索サーバは、
   前記検索要求のレビュー対象の対象文書データに対し内容の類似性により紐付けられる前記レビュー対象と同一知識分野の文書データの集合を前記データベースから検索し、レビュアー候補の個人を抽出する抽出手段と、
   前記候補の個人それぞれにつき、前記集合に含まれる前記同一知識分野の文書データそれぞれの内容およびメタデータを用いて作業量を集計し、前記同一知識分野でのレビュー経験の指標値を算出する分野指標値計算手段と、
   前記同一知識分野でのレビュー経験の指標値を用いて、前記候補の個人をランク付けする個人ランク付け手段と
   を含む個人検索システム。
2. 前記候補の個人それぞれにつき、前記データベースに格納される前記蓄積文書データそれぞれの内容およびメタデータを用いて作業量を集計し、不特定知識分野でのレビュー経験の一般指標値を算出する一般指標値計算手段をさらに含み、前記個人ランク付け手段は、さらに前記一般指標値を用いて前記候補の個人をランク付けする、請求項１に記載の個人検索システム。
3. 前記個人のスケジュール、スキル、ロールおよび所属、またはこれらの少なくとも１つの属性値を用いて、該属性に対する適合の程度を示す属性指標値を計算する属性指標値算出手段をさらに含み、前記個人ランク付け手段は、さらに前記属性指標値を用いて前記候補の個人をランク付けする、請求項１または２に記載の個人検索システム。
4. 前記メタデータは、それぞれの前記蓄積文書データにつき、過去に処理された前記レビューの作業の時間、出力文章量および入力文章量の少なくとも１つを前記作業量として含む、請求項１〜３のいずれか１項に記載の個人検索システム。
5. 前記同一知識分野の文書データは、対象文書データを用いて類似検索された蓄積文書データ、および類似検索された蓄積文書データの子または子孫となる蓄積文書データである、請求項１〜４に記載の個人検索システム。
6. 前記蓄積文書データは、過去のレビューの対象となった入力文書の全部または一部分、および該レビューの出力であるコメントを含む、請求項１〜５のいずれか１項に記載の個人検索システム。
7. レビューを依頼する個人を検索する情報処理装置であって、
   ネットワークを介して前記レビューを依頼する個人の検索要求を受領する受領手段と、
   過去に処理されたレビューに関連する蓄積文書データ、および該蓄積文書データの著作者を含むメタデータを関連付けて格納するデータベースから、前記検索要求のレビュー対象の対象文書データに対し内容の類似性により紐付けられる前記レビュー対象と同一知識分野の文書データの集合を検索し、レビュアー候補の個人を抽出する抽出手段と、
   前記候補の個人それぞれにつき、前記集合に含まれる前記同一知識分野の文書データそれぞれの内容およびメタデータを用いて作業量を集計し、前記同一知識分野でのレビュー経験の指標値を算出する分野指標値計算手段と、
   前記同一知識分野でのレビュー経験の指標値を用いて、前記候補の個人をランク付けする個人ランク付け手段と、
   前記ネットワークを介して、前記ランク付けされた前記候補の個人のリストを前記検索要求に対し応答する応答手段と
   を含む情報処理装置。
8. レビューを依頼する個人を検索するため、情報処理装置が実行する個人検索方法であって、前記情報処理装置が、
   ネットワークを介して前記レビューを依頼する個人の検索要求を受領するステップと、
   過去に処理されたレビューに関連する蓄積文書データ、および該蓄積文書データの著作者を含むメタデータを関連付けて格納するデータベースにアクセスするステップと、
   前記検索要求のレビュー対象の対象文書データに対し内容の類似性により紐付けられる前記レビュー対象と同一知識分野の文書データの集合を検索し、レビュアー候補の個人を抽出するステップと、
   前記候補の個人それぞれにつき、前記集合に含まれる前記同一知識分野の文書データそれぞれの内容およびメタデータを用いて作業量を集計し、前記同一知識分野でのレビュー経験の指標値を算出するステップと、
   前記同一知識分野でのレビュー経験の指標値を用いて、前記候補の個人をランク付けするステップと
   を実行する個人検索方法。
9. 前記情報処理装置が、前記候補の個人それぞれにつき、前記データベースに格納される前記蓄積文書データそれぞれの内容およびメタデータを用いて作業量を集計し、不特定知識分野でのレビュー経験の一般指標値を算出するステップをさらに実行し、前記個人をランク付けするステップでは、さらに前記一般指標値を用いて前記候補の個人をランク付けする、請求項８に記載の個人検索方法。
10. 前記情報処理装置が、前記個人のスケジュール、スキル、ロールおよび所属、またはこれらの少なくとも１つの属性値を用いて、該属性に対する適合の程度を示す属性指標値を計算するステップをさらに実行し、前記個人をランク付けするステップでは、さらに前記属性指標値を用いて前記候補の個人をランク付けする、請求項８または９に記載の個人検索方法。
11. 前記メタデータは、それぞれの前記蓄積文書データにつき、過去に処理された前記レビューの作業の時間、出力文章量および入力文章量の少なくとも１つを前記作業量として含む、請求項８〜１０に記載の個人検索方法。
12. 請求項８〜１１のいずれか１項に記載の各ステップを情報処理装置に実行させるための情報処理装置実行可能なプログラム。
13. 請求項１２に記載のプログラムを記録した情報処理装置可読な記録媒体。

Images