JP2010186421A - タクソノミ検索装置、タクソノミ検索方法およびタクソノミ検索プログラム - Google Patents

Abstract

【課題】自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができるタクソノミ検索装置を提供する。
【解決手段】タクソノミ検索装置が、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部と、入力された文書をベクトル化し、当該ベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを文書ベクトル記憶部から検索する検索部と、を有する。
【選択図】図２

Description

本発明は、タクソノミを検索するタクソノミ検索装置に関する。

従来、ナレッジをタクソノミ上に整理しておくことにより、ナレッジを共有する技術が知られている。このような従来技術として、特許文献１、特許文献２または非特許文献１が知られている。

特開２００３−３１６７６５号公報 特開２００８−２５０６５２号公報

間所峻洋， 中辻真， 岡本賢一郎， 宮崎純生， 原田剛， "タクソノミを活用したメールに潜むKnow-How，Know-Who可視化技術"、第１９回セマンティックウェブとオントロジー研究会，２００８．

しかしながら、従来技術においては、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておかないと、タクソノミ上に整理された自身が必要とするナレッジに到達することができないという問題があった。

たとえば、「この前開発が完了したお客様サービスについて、検証を実施した際に問題になった設備について、その原因と対処法をまとめたい。」という場合に、ナレッジが「タクソノミ上のどのクラスに属するのか解らない」ために、タクソノミ上に整理された自身が必要とするナレッジに到達することができないという問題があった（図１１参照）。

このように、従来のタクソノミにおいては、目的とするクラスへの到達が困難であり、ナレッジを十分に活用することができないという問題があった。

本発明は、このような事情に鑑みてなされたもので、その目的は、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができるタクソノミ検索装置を提供することにある。

この発明は上述した課題を解決するためになされたもので、請求項１に記載の発明は、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部と、入力された文書をベクトル化し、当該ベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを前記文書ベクトル記憶部から検索する検索部と、を有することを特徴とするタクソノミ検索装置である。

請求項２に記載の発明は、前記タクソノミクラスとタクソノミとが予め関連付けて記憶されているタクソノミ記憶部、を有し、前記検索部が、前記検索したタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する、ことを特徴とする請求項１に記載のタクソノミ検索装置である。

請求項３に記載の発明は、前記検索部が、前記検索したタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する場合に、前記検索したタクソノミクラスと同一階層となるタクソノミクラス間の関係を示す関係図を出力するとともに、当該出力した関係図において前記検索したタクソノミクラスの位置を強調表示して出力する、ことを特徴とする請求項２に記載のタクソノミ検索装置である。

請求項４に記載の発明は、前記検索部が、前記出力した関係図に含まれているタクソノミクラスが選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する、ことを特徴とする請求項３に記載のタクソノミ検索装置である。

請求項５に記載の発明は、前記検索部が、入力された文書をベクトル化する第１の文書ベクトル生成部と、前記第１の文書ベクトル生成部がベクトル化した文書と、前記文書ベクトル記憶部から読み出した正例文書ベクトルとの類似度を算出するベクトル類似度演算部と、前記ベクトル類似度演算部が算出した類似度が最も高い正例文書ベクトルと対応付けられているタクソノミクラスを前記文書ベクトル記憶部から読み出して出力するタクソノミ表示部と、を有することを特徴とする請求項１から請求項４のいずれか１項に記載のタクソノミ検索装置である。

請求項６に記載の発明は、前記タクソノミ記憶部から読み出したタクソノミに基づいて正例文書を生成する正例文書生成部と、前記正例文書生成部が生成した正例文書をベクトル化するとともに、当該ベクトル化した正例文書を前記正例文書ベクトルとして、当該タクソノミに対応する前記タクソノミクラスと関連付けて前記文書ベクトル記憶部に記憶させる第２の文書ベクトル生成部と、を有することを特徴とする請求項２から請求項５のいずれか１項に記載のタクソノミ検索装置である。

請求項７に記載の発明は、前記正例文書生成部が、前記タクソノミ記憶部から読み出したタクソノミクラスにおいて、親クラスとなるタクソノミクラスを示す文字列と子クラスとなるタクソノミクラスを示す文字列とで重複する文字列を、前記子クラスとなるタクソノミクラスを示す文字列から削除するフィルタリング処理部と、前記フィルタリング処理部が重複を削除したタクソノミクラスを示す文字列において、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する前記正例文書として生成する正例文書化部と、を有することを特徴とする請求項６に記載のタクソノミ検索装置である。

請求項８に記載の発明は、前記正例文書化部が、前記自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する前記正例文書として生成する場合に、前記タクソノミの階層構造における前記親クラスと自タクソノミクラスとの間の階層数に基づいて、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列よりも自タクソノミクラスの文字列を組み合わせた文字列の方が前記正例文書における出現頻度が多くなるように、前記自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせて前記正例文書を生成する、ことを特徴とする請求項６に記載のタクソノミ検索装置である。

請求項９に記載の発明は、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する検索手順、を有することを特徴とするタクソノミ検索方法である。

請求項１０に記載の発明は、タクソノミ検索装置としてのコンピュータに、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する検索手順、を実行させるためのタクソノミ検索プログラムである。

この発明によれば、タクソノミ検索装置が、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する。これにより、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができるという効果を奏する。

この発明の一実施形態によるタクソノミ検索装置の動作概要を示す説明図である。 この発明の一実施形態によるタクソノミ検索装置の構成を示すブロック図である。 一例としてのタクソノミ記憶部に記憶されるデータ構造を示すデータ構造図である。 一例としての文書ベクトル記憶部に記憶されるデータ構造を示すデータ構造図である。 タクソノミ検索装置のタクソノミを検索する場合の動作を示すフローチャートである。 一例としてのタクソノミ検索装置により検索されたタクソノミの結果を示す画面図である。 タクソノミ検索装置の事前処理する場合における一例としての動作を示すフローチャートである。 図７のステップＳ２０１からステップＳ２０４の具体例を示す図である。 図８の場合のタクソノミ記憶部に記憶されるタクソノミのデータを示す図である。 タクソノミ検索装置の動作概要を示す説明図である。 従来のタクソノミ検索装置の動作概要と問題とを示す説明図である。

最初に、本実施形態におけるナレッジとタクソノミとについて説明する。ナレッジとは、マニュアルやメールなどにより文書形式で記述されている知識や方法論である。例えば、ナレッジとして、技術的なナレッジ、販売・営業ナレッジ、業務遂行のための事務処理ナレッジなどがある。

タクソノミとは、たとえばドメインごとの専門家が構築する、そのドメインの情報を網羅的に分類する概念（クラス）階層として定義されるものである。ここでいうドメインとは、たとえば、上述したナレッジの分類であってもよい。タクソノミは、クラス階層のみからなるため、オントロジのように対象世界における概念空間の関係を網羅的かつ詳細に記述することはできない。しかし、構築がオントロジに比べ容易であるという利点がある。

なおタクソノミはドメインごとの専門家ではなく、テキスト分類装置により分類されてもよい。このテキスト分類装置は、コサイン類似度やユークリッド距離をベースとする分類方式、カルバック・ライブラー距離をベースとする分類方式、または、この２つの分類方式を組み合わせた方式により、マニュアルやメールなどの文書形式のナレッジをタクソノミとして分類する。

次に、図１を用いて、本発明の実施の形態によるタクソノミ検索装置１の概要について説明する。たとえば、ユーザは「この前開発が完了したお客様サービスについて、検証を実施した際に問題になった設備について、その原因と対処法をまとめたい。」という自然文を、タクソノミ検索装置１に入力する。そして、タクソノミ検索装置１は、入力された自然文に対応するタクソノミのクラスを返答する。これにより、ユーザは、タクソノミのクラスがわかる。次に、ユーザは、タクソノミ上のクラスを指定してナレッジを取得する。

このように、従来技術のようにタクソノミに直接アクセスするのではなく、本実施形態によるタクソノミ検索装置１においては、文書クラスタリング技術を用いて、入力された自然文に対してタクソノミのクラスを検索することを、フロントエンドとする。これにより、ユーザは、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができる。なお、本実施形態においては、文書クラスタリング技術を利用し、タクソノミ上の各クラス名を分類先とした文書分類を実行しておく必要がある。

以下、図面を参照して、本発明の実施の形態について説明する。図２は、この発明の一実施形態によるタクソノミ検索装置１の構成を示す概略ブロック図である。ここでは、タクソノミ検索装置１は、ユーザが用いるユーザ端末１００とネットワークを介して接続されている場合について説明する。

タクソノミ検索装置１は、タクソノミ記憶部２（タクソノミＤＢ２）と、文書ベクトル記憶部３（文書ベクトルＤＢ３）と、文書クラスタリング部４と、正例文書生成部５と、ユーザインタフェース部６とを有している。この文書クラスタリング部４は、第１の文書ベクトル生成部４１１および第２の文書ベクトル生成部４１２を有する文書ベクトル生成部４１と、ベクトル類似度演算部４２とを有している。また正例文書生成部５は、フィルタリング処理部５１と正例文書化部５２とを有している。またユーザインタフェース部６は、クエリ受付部６１とタクソノミ表示部６２とを有している。

ここで本実施形態においては、文書クラスタリング部４が有する第１の文書ベクトル生成部４１１およびベクトル類似度演算部４２と、ユーザインタフェース部６が有するタクソノミ表示部６２とが、検索部７として機能する。

また本実施形態においては、正例文書生成部５が有するフィルタリング処理部５１および正例文書化部５２と、文書クラスタリング部４が有する第２の文書ベクトル生成部４１２とが、事前処理部８として機能する。

＜タクソノミの検索に関係する構成：検索部７の構成＞
まず、上述したタクソノミ検索装置１の構成において、タクソノミの検索に関係する構成（検索部７の構成）について説明する。文書ベクトル記憶部３には、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている。タクソノミ記憶部２には、タクソノミクラスとタクソノミとが予め関連付けて記憶されている。このタクソノミには、タクソノミとしてのナレッジの情報が含まれている。

図３と図４とを用いて、一例としてのタクソノミ記憶部２と文書ベクトル記憶部３とのデータ構造について説明する。
タクソノミ記憶部２には、クラスＩＤとクラス名と親クラスＩＤとが関連付けて、タクソノミクラス毎に記憶されている。このクラスＩＤは、タクソノミのクラスを一意に識別するＩＤであり、本実施形態におけるタクソノミクラスに相当する。またクラス名は、クラスの名称を示す文字列である。また親クラスＩＤは、親クラスのクラスＩＤである。またここでは、タクソノミ記憶部２には、クラスＩＤとクラス名と親クラスＩＤとに関連付けて当該タクソノミクラスのナレッジが、タクソノミクラス毎に記憶されているものとする。

文書ベクトル記憶部３には、クラスＩＤとクラスベクトルとが、各タクソノミクラス毎に関連付けて記憶されている。このクラスＩＤは、タクソノミのクラスを一意に識別するＩＤである。またクラスベクトルは、各クラスの文書ベクトルである。

図２の説明に戻り、クエリ受付部６１は、ユーザ端末１００からネットワークを介して文書が入力される。この文書は、たとえば「この前開発が完了したお客様サービスについて、検証を実施した際に問題になった設備について、その原因と対処法をまとめたい。」という自然文である。

検索部７は、クエリ受付部６１に入力された文書をベクトル化し、当該ベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを文書ベクトル記憶部３から検索して、ネットワークを介してユーザ端末１００に出力する。

すなわち、検索部７を構成する第１の文書ベクトル生成部４１１が、クエリ受付部６１に入力された文書をベクトル化する。また検索部７を構成するベクトル類似度演算部４２が、第１の文書ベクトル生成部４１１がベクトル化した文書と、文書ベクトル記憶部３から読み出した正例文書ベクトルとの類似度を算出する。また検索部７を構成するタクソノミ表示部６２が、ベクトル類似度演算部４２が算出した類似度が最も高い正例文書ベクトルと対応付けられているタクソノミクラスを文書ベクトル記憶部３から読み出して、ネットワークを介してユーザ端末１００に出力する。

また、この検索部７を構成するタクソノミ表示部６２は、検索したタクソノミクラスに対応するタクソノミをタクソノミ記憶部２から読み出して出力する場合に、検索したタクソノミクラスと同一階層となるタクソノミクラス間の関係を示す関係図を出力するとともに、当該出力した関係図において検索したタクソノミクラスの位置を強調表示して出力する（後述する図６参照）。

また検索部７を構成するタクソノミ表示部６２は、出力した関係図に含まれているタクソノミクラスが選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミをタクソノミ記憶部２から読み出して、ネットワークを介してユーザ端末１００に出力する。

次に図５を用いて、タクソノミ検索装置１のタクソノミを検索する場合の動作について説明する。まず、クエリ受付部６１に、ユーザ端末１００からネットワークを介して文書が入力される（ステップＳ１０１）。すなわち、ユーザインタフェース部６が、ユーザから質問文をクエリとして受け取り、検索部７（文書クラスタリング部４）に渡す。

次に、検索部７を構成する第１の文書ベクトル生成部４１１が、クエリ受付部６１に入力された文書をベクトル化する（ステップＳ１０２）。すなわち、受け取ったクエリを文書ベクトル化する。たとえば第１の文書ベクトル生成部４１１は、入力された文書に対して形態素解析を実行し、入力された文書を構成する語の重みに基づいたベクトルを生成する。このような技術として、ｔｆ−ｉｄｆ法が知られている。

次に、検索部７を構成するベクトル類似度演算部４２が、第１の文書ベクトル生成部４１１がベクトル化した文書と、文書ベクトル記憶部３から読み出した正例文書ベクトルとの類似度を算出する（ステップＳ１０３〜ステップＳ１０６参照）。

ここで検索部７を構成するベクトル類似度演算部４２は、たとえば、次に説明するステップＳ１０３〜ステップＳ１０６により、第１の文書ベクトル生成部４１１がベクトル化した文書と、文書ベクトル記憶部３から読み出した正例文書ベクトルとの類似度を算出する。

まず、文書ベクトル記憶部３から各タクソノミクラスの正例文書ベクトルを順に読み込む（ステップＳ１０３）。すなわち、後述する事前処理で生成しておいた、各タクソノミクラスの正例文書ベクトルを読み込む。

次に、ベクトル化した文書（クエリの文書ベクトル）と、読み込んだタクソノミクラスの正例文書ベクトルとの類似度を算出する（ステップＳ１０４）。たとえば、ベクトル化した文書と正例文書ベクトルとが成す角度の余弦として、類似度を算出する。

次に、入力されたクエリに対する全タクソノミクラスの類似度が算出できたか否かを判定する（ステップＳ１０５）。このステップＳ１０５で、クエリに対する全タクソノミクラスの類似度が算出できていないと判定された場合には、ステップＳ１０３からの処理を繰り返す。このステップＳ１０５で、逆に、クエリに対する全タクソノミクラスの類似度が算出できたと判定された場合には、処理をステップＳ１０６に進める。これにより、全タクソノミクラスに対して類似度の計算を実行する。

上述したステップＳ１０３〜ステップＳ１０５の技術として、次の文献１および文献２による技術が知られている。

（文献１）北研二, 津田和彦, 獅々堀正幹:情報検索アルゴリズム,共立出版, pp.60-63, 2002.

（文献２）別所克人,内山俊郎,片岡良治:単語間の階層関係に基づくテキスト分類方式,信学技報, Vol.PRMU2007-15, pp.79-84, 2007.

次に、検索部７を構成するベクトル類似度演算部４２が、類似度が最も高い正例文書ベクトルと対応付けられているタクソノミクラスを、検索部７を構成するタクソノミ表示部６２に出力する（ステップＳ１０６）。これにより、ベクトル化したクエリに最も類似した正例文書ベクトルを持つタクソノミクラスが、同定される。

次に、検索部７を構成するタクソノミ表示部６２が、ベクトル類似度演算部４２から入力されたタクソノミクラス、すなわち、ベクトル類似度演算部４２が算出した類似度が最も高い正例文書ベクトルと対応付けられているタクソノミクラスを、文書ベクトル記憶部３から読み出して、ネットワークを介してユーザ端末１００に出力する（ステップＳ１０７）。

このステップＳ１０７において、検索部７を構成するタクソノミ表示部６２は、検索したタクソノミクラスと同一階層となるタクソノミクラス間の関係を示す関係図を出力するとともに、当該出力した関係図において検索したタクソノミクラスの位置を強調表示して出力する（後述する図６参照）。

たとえば図６に示すように、「開発」というタクソノミクラスが検索され、この「開発」というタクソノミクラスと同一階層となるタクソノミクラスが表示される。また、それぞれのタクソノミクラス間の関係が、関係図の一例として、ネットワーク図により表示される。また、このネットワーク図において、検索されたタクソノミクラスである「開発」は、強調表示されている。たとえば強調表示する方法として、このタクソノミクラスのみを他のタクソノミクラスと異なる色とする方法や、このタクソノミクラスのみを点滅させる方法などがある。

このように、ユーザインタフェース部６のタクソノミ表示部６２は、ベクトル類似度演算部４２から結果を受け取り、タクソノミ記憶部２からタクソノミクラスの全体を取得し、タクソノミクラスの全体における検索したタクソノミクラスの位置を強調表示してユーザ端末１００に表示させる。これにより、タクソノミクラスの全体において、検出されたタクソノミクラスをユーザに通知する。

なお、ここでいうタクソノミクラスの全体とは、検索したタクソノミクラスと近い関係を有するタクソノミクラスであって、検索したタクソノミクラスの位置とともに上述した関係図において表示できるタクソノミクラスであってもよい。たとえばタクソノミクラスの全体とは、上述したように、検索したタクソノミクラスと同一階層のタクソノミクラスであってもよい。またここでいう関係図とは、図６に示すように、たとえば各タクソノミの関係を示したネットワーク図であってもよい。

その後、ユーザは、関係図に表示されているタクソノミクラスの中からいずれかのタクソノミクラスを、ユーザ端末１００を用いて選択する。ここでユーザは、強調表示されているタクソノミクラスを選択することも可能であるし、強調表示されていないタクソノミクラスを選択することも可能である。

たとえば、図６において、強調表示されている「開発」というタクソノミクラスを選択することも可能であるし、「研究開発」または「商用開発」というタクソノミクラスなどの図６に表示されているタクソノミクラスを選択することも可能である。これにより、ユーザは、より自身が必要とするタクソノミクラスを取得することができる。

次に、検索部７を構成するタクソノミ表示部６２は、関係図に表示されているタクソノミクラスの中からいずれかのタクソノミクラスがユーザ端末１００により選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミをタクソノミ記憶部２から読み出して、ネットワークを介してユーザ端末１００に出力する。すなわち、検索部７を構成するタクソノミ表示部６２は、選択されたタクソノミクラスと関連付けられているナレッジをタクソノミ記憶部２から読み出して、ネットワークを介してユーザ端末１００に出力する。

上記に説明したように、本実施形態によるタクソノミ検索装置１の検索部７は、情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部３から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する。

これにより、ユーザ端末１００のユーザは、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができるという効果を奏する。

また本実施形態によるタクソノミ検索装置１の検索部７は、図６に示すように、検索したタクソノミクラスと同一階層となるタクソノミクラス間の関係を示す関係図を出力するとともに、当該出力した関係図において検索したタクソノミクラスの位置を強調表示して出力する。これによりユーザは、検索したタクソノミクラスがタクソノミ全体のどのような位置にあるかを確認することができる。

また本実施形態によるタクソノミ検索装置１の検索部７は、出力した関係図に含まれているタクソノミクラスが選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミをタクソノミ記憶部２から読み出して、ネットワークを介してユーザ端末１００に出力する。これのより、ユーザは、検索したタクソノミクラスについてのナレッジを取得することも可能であるし、当該検索したタクソノミクラスと関連するタクソノミクラスについてのナレッジを取得することも可能である。これにより、ユーザは、より自身が必要とするタクソノミクラスを取得することができる。

＜事前処理＞
次に、図１に示したタクソノミ検索装置１の構成において、事前処理に関係する構成（事前処理部８の構成）について説明する。まず、この事前処理について説明する。上記に説明したように本実施形態においては、タクソノミの検索をするために、文書ベクトル記憶部３にはタクソノミクラスと正例文書ベクトルとが関連付けて予め記憶されている必要がある。

更に、この文書ベクトル記憶部３に記憶されているタクソノミクラスは、タクソノミ記憶部２に記憶されているタクソノミクラスと一致している必要がある。また、文書ベクトル記憶部３に記憶されている正例文書ベクトルは、ベクトル化されたユーザからの自然言語による入力と類似していると判定された場合に、適切なタクソノミクラスが検出できる必要がある。

この文書ベクトル記憶部３にはタクソノミクラスと正例文書ベクトルとを、タクソノミ検索装置１を管理する管理者が、上記の条件を満たすようにして、予め登録しておくことも可能である。しかし、タクソノミの情報量が多くなると、その登録には時間を要し、管理者の負担が増大するという問題がある。

このように、正例文書がなければタクソノミのクラスへのユーザクエリのマッピングが行えない。しかしながら、タクソノミのクラスが多くなればなるほど、正例文書を生成するのは難しくなる。

そこで、タクソノミクラスと正例文書ベクトルとが関連付けて文書ベクトル記憶部３に、事前処理として自動登録されることが望ましい。以降、この文書ベクトル記憶部３にタクソノミクラスと正例文書ベクトルとを登録する事前処理をする場合の構成について説明する。

正例文書生成部５は、タクソノミ記憶部２から読み出したタクソノミに基づいて正例文書を生成する。第２の文書ベクトル生成部４１２は、正例文書生成部５が生成した正例文書をベクトル化するとともに、当該ベクトル化した正例文書を正例文書ベクトルとして、当該タクソノミに対応するタクソノミクラスと関連付けて文書ベクトル記憶部３に記憶させる。これにより、文書ベクトル記憶部３には、タクソノミクラスと正例文書ベクトルとが関連付けて登録される。この第２の文書ベクトル生成部４１２は、第１の文書ベクトル生成部４１１と同様のベクトル化する機能を有している。

次に、正例文書生成部５の構成について詳細に説明する。正例文書生成部５のフィルタリング処理部５１は、タクソノミ記憶部２から読み出したタクソノミクラスにおいて、親クラスとなるタクソノミクラスを示す文字列と子クラスとなるタクソノミクラスを示す文字列とで重複する文字列を、子クラスとなるタクソノミクラスを示す文字列から削除する。なお、フィルタリング処理部５１が重複する文字列を削除する場合には、処理用の一時的な領域（たとえば後述するテーブルＴ１）において、重複する文字列を文字列から削除する。よって、タクソノミ記憶部２に記憶されている情報が、フィルタリング処理部５１により変更されることや削除されることはない。

正例文書生成部５の正例文書化部５２は、フィルタリング処理部５１が重複を削除したタクソノミクラスを示す文字列において、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する正例文書として生成する。

この正例文書を生成する場合に、正例文書化部５２は、タクソノミの階層構造における親クラスと自タクソノミクラスとの間の階層数に基づいて、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列よりも自タクソノミクラスの文字列を組み合わせた文字列の方が正例文書における出現頻度が多くなるように、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせて正例文書を生成する。

次に図７を用いて、タクソノミ検索装置１の事前処理する場合における一例としての動作を説明する。まず、正例文書生成部５のフィルタリング処理部５１が、タクソノミ記憶部２から読み出したタクソノミクラスにおいて、親クラスとなるタクソノミクラスを示す文字列と子クラスとなるタクソノミクラスを示す文字列とで重複する文字列を、子クラスとなるタクソノミクラスを示す文字列から削除する（ステップＳ２０１〜ステップＳ２０３参照）。この処理については、後に図８とともに詳述する。

次に、正例文書生成部５の正例文書化部５２が、フィルタリング処理部５１が重複を削除したタクソノミクラスを示す文字列において、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する正例文書として生成する（ステップＳ２０４）。

次に、第２の文書ベクトル生成部４１２が、正例文書生成部５が生成した正例文書をベクトル化し（ステップＳ２０５）、当該ベクトル化した正例文書を正例文書ベクトルとして、当該タクソノミに対応するタクソノミクラスと関連付けて文書ベクトル記憶部３に記憶させる（ステップＳ２０６）。これにより、文書ベクトル記憶部３には、タクソノミクラスと正例文書ベクトルとが関連付けて登録される。

次に、図８を用いて、上述した図７のステップＳ２０１〜ステップＳ２０３の処理、および、ステップＳ２０４の処理について、具体的に説明する。まずステップＳ２０１において、フィルタリング処理部５１は、タクソノミ記憶部２からタクソノミクラスを読み出す。ここでは、タクソノミ記憶部２には、図９に示すようなデータが記憶されていたものとする。

次にステップＳ２０２において、フィルタリング処理部５１は、タクソノミ記憶部２から読み出したタクソノミクラスを、テーブル上に展開する（図８のテーブルＴ１参照）。このテーブルとは、タクソノミクラスを示す文字列に対して文字列処理するために用いられる一時的な作業領域としてのテーブルである。また、ここでいうテーブル上に展開するとは、タクソノミクラスの親クラスと子クラスとに基づいて、各タクソノミクラスを示す文字列を表形式に並べることである。

このステップＳ２０２により、たとえば図８のテーブルＴ１に示すように、親クラスから子クラスへ、「業務、報告、経理、四半期決算」と、「業務、報告、福利厚生、カフェテリアプラン、期首」と、「業務、物品、物品管理、固定資産管理」と、「業務、物品、物品管理、利活用物品」という文字列で識別される４つのクラスが展開されたものとする。また、ここではカンマという符号により、クラスを示す文字列がそれぞれ区切られているものとして説明する。

次にステップＳ２０３において、フィルタリング処理部５１が、タクソノミ記憶部２から読み出してテーブルＴ１に展開したタクソノミクラスにおいて、親クラスとなるタクソノミクラスを示す文字列と子クラスとなるタクソノミクラスを示す文字列とで重複する文字列を、子クラスとなるタクソノミクラスを示す文字列から削除する

たとえば、上述したテーブルＴ１の「業務、物品、物品管理、固定資産管理」という文字列で識別されるクラスにおいて、「物品」および「管理」という文字列が重複している。この重複する文字列が子クラスとなるタクソノミクラスを示す文字列から削除され、「業務、物品、物品管理、固定資産管理」という文字列で識別されるクラスは、「業務、物品、管理、固定資産」という文字列で識別されるクラスに更新される（テーブルＴ２参照）。同様に、「業務、物品、物品管理、利活用物品」は「業務、物品、管理、利活用」に更新される（テーブルＴ２参照）。

このように親クラスのキーワードと重複したキーワードが子クラスにある場合、正例文書に重複するキーワードが大量に出力されるため、重み付けが偏ることになる。そのため、親クラスと子クラスとのタクソノミの分析結果が明確になるように、親クラスの重複ワードは削除している。

次にステップＳ２０４において、正例文書化部５２が、フィルタリング処理部５１が重複を削除したタクソノミクラスを示す文字列において、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する正例文書として生成する。また、この正例文書として生成する場合に、正例文書化部５２は、タクソノミの階層構造における親クラスと自タクソノミクラスとの間の階層数に基づいて、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列よりも自タクソノミクラスの文字列を組み合わせた文字列の方が正例文書における出現頻度が多くなるように、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせて正例文書を生成する。

たとえば、正例文書化部５２は、対象となるクラスについて、当該クラスのルートとなるクラスの階層数を０として、ルートから対象となるクラスまで、階層が１つ増加する毎に、階層数を１だけ増加させるものとする。そして、予め定められている係数ａをその階層数の値でべき乗した回数だけ、各階層のクラスを示す文字列を正例文書に順に記載する。そしてルートから対象のクラスまでの全ての文字列を、正例文書に記載する。なお、ここでいう各階層のクラスを示す文字列とは、上述したフィルタリング処理部５１が重複を削除したタクソノミクラスを示す文字列のことである。

たとえば、「業務、報告、福利厚生」というクラス「福利厚生」では、ルートである「業務」の階層数が０であり、次の階層である「報告」の階層数が１であり、次の階層である「福利厚生」の階層数が２である。ここで係数ａ＝２の場合には、「業務」を１回（＝２^０）だけ正例文書に記載し、「報告」を２回（＝２^１）だけ正例文書に記載し、「福利厚生」を４回（＝２^２）だけ正例文書に記載する。よって、クラス「福利厚生」に対する正例文書は、たとえば、「業務、報告、報告、福利厚生、福利厚生、福利厚生、福利厚生」となる（図８の符合Ｃ１参照）。

同様に、「業務、物品、管理、利活用」というクラス「利活用物品」で、係数ａ＝２の場合には、「業務、物品、物品、管理、管理、管理、管理、利活用、利活用、利活用、利活用、利活用、利活用、利活用、利活用」となる（図８の符合Ｃ２参照）。

このように、出力される正例文書は、該当のクラスのキーワードをより重くするため、子クラスのように枝葉の階層であればあるほどキーワードの出力回数が多くなる。そのためこの正例文書により、ベクトル化されたユーザからの自然言語による入力と類似していると判定された場合に、適切なタクソノミクラスが検出できるようになる。

また、上記には一例として係数ａ＝２の場合について説明したが、可読性は求められないため、係数ａ＝５や係数ａ＝１０としてもよい。このようにして本実施形態においては、タクソノミに基づいて、正例文書を生成することができる。

上記に説明したように、本実施形態による事前処理部８により、タクソノミクラスと正例文書ベクトルとが関連付けて文書ベクトル記憶部３に登録される。これにより、タクソノミクラスが多くなる場合においても、正例文書を容易に生成することが可能である。

次に図１０を用いて、上述した本実施形態によるタクソノミ検索装置１の特徴についてまとめて説明する。ここで、本実施形態に用いる文書クラスタリング技術における文書分類とは、クラスごとに準備された正例文書から文書ベクトルを生成し、入力された文書（ユーザのクエリ）から得られた文書ベクトルと比較することで、最も近いクラスを返答する機能である。そして上述した本実施形態では、タクソノミ上のクラス（キーワード）への分類を実現するために、このような文書クラスタリング技術を用いて、各キーワードについての正例文書を自動生成できるようにしている。

また、タクソノミ検索装置１は事前処理の特徴として、次のような特徴を有している。第１の特徴として、各クラスの文書ベクトルの生成に必要な正例文書（各クラスの概念を表現した文書）を、タクソノミから自動生成できるようにしている。第２の特徴として、タクソノミの各クラスに、クラスの概念を表す文書ベクトルを持たせ、それを利用してユーザクエリを入力としたタクソノミのクラスの同定を実現している。

そしてタクソノミ検索装置１は、次のように動作する。まず事前処理の場合においては、タクソノミをもとに正例文書を自動生成し（図１０中の符号１を参照）、正例文書を文書ベクトルに変換する（図１０中の符号２を参照）。

そして、ユーザが利用する場合には、まず、ユーザ（利用者）が質問を入力する（図１０中の符号２を参照）。次に、タクソノミ検索装置１が、質問文を文書ベクトルに変換し（図１０中の符号３を参照）、質問文の文書ベクトルと最も近い文書ベクトルを計算し、そのキーワードをユーザに返答する（図１０中の符号４を参照）。これにより、ユーザは、タクソノミ上の「ネットワーク」に分類されたナレッジを習得することが可能となる（図１０中の符号５を参照）。

以上説明したように、本実施形態によるタクソノミ検索装置１により、ユーザは、自身が必要とするナレッジがどのクラス（キーワード）に属するかを予め把握しておく必要なしに、タクソノミ上に整理された自身が必要とするナレッジに到達することができる。

なお、上記の説明においては、タクソノミ検索装置１はユーザが用いるユーザ端末１００とネットワークを介して接続されているものとして説明したがこれに限られるものではない。たとえば、タクソノミ検索装置１とユーザ端末１００とは、一体として構成されていてもよい。そして、このタクソノミ検索装置１と一体として構成されたユーザ端末１００には、周辺機器として入力装置、表示装置等（いずれも図示せず）が接続されていてもよい。ここで、入力装置とはキーボード、マウス等の入力デバイスのことをいう。表示装置とはＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）や液晶表示装置等のことをいう。

なお、上述した第１の文書ベクトル生成部４１１と第２の文書ベクトル生成部４１２とは、文書をベクトル化するという同様の機能を有している。そのため、第１の文書ベクトル生成部４１１と第２の文書ベクトル生成部４１２とを一体として構成してもよい。

また、上記の説明においては、タクソノミ記憶部２には、クラスＩＤとクラス名と親クラスＩＤとに関連付けて当該タクソノミクラスのナレッジが、タクソノミクラス毎に記憶されているとして説明した。しかしこれに限られるものではなく、タクソノミ記憶部２にはクラスＩＤとクラス名と親クラスＩＤとが関連付けて記憶されており、このタクソノミ記憶部２とは別に、クラスＩＤとナレッジとが関連付けられているナレッジ記憶部を有していてもよい。また、入力されたタクソノミクラス（クラスＩＤ）に関連付けられているナレッジを、このナレッジ記憶部から読み出して出力するナレッジ検索部を有していてもよい。

なお、このナレッジ記憶部とナレッジ検索部とを、タクソノミ検索装置１とは異なるナレッジ検索装置が有するものとしてもよい。この場合、検索部７を構成するタクソノミ表示部６２は、出力した関係図に含まれているタクソノミクラスが選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミをタクソノミ記憶部２から読み出して、ナレッジ検索装置に出力する。そして、ナレッジ検索装置のナレッジ検索部が、入力されたタクソノミクラス（クラスＩＤ）に関連付けられているナレッジを、ナレッジ記憶部から読み出してユーザ端末１００に出力する。このようにタクソノミ検索装置１とナレッジ検索装置とを異なる装置とするのは、たとえばナレッジ検索装置が既存する場合に、この既存するナレッジ検索装置からタクソノミを検索する方法を、本実施形態によるタクソノミ検索装置１により拡張する場合に好適である。

また、タクソノミ検索装置１は、上述したようにタクソノミクラスを出力してもよいし、タクソノミクラスを識別するクラスＩＤ、または、このクラスＩＤと関連付けられているクラス名を出力してもよい（図３参照）。この場合でも、ユーザは自身が必要とするナレッジに対応するタクソノミクラス（クラスＩＤ）またはクラス名を取得することができる。そしてユーザは、取得したタクソノミクラス（クラスＩＤ）またはクラス名により、上述したナレッジ検索装置を用いてナレッジを検索することも可能である。なお、ユーザの利便性を考慮すると、タクソノミ検索装置１とナレッジ検索装置とは、一体となっていることが望ましい。

また事前処理部８は、上述した事前処理を、１日毎や１週間など予め定められた一定期間毎に実行してもよいし、タクソノミ記憶部２に記憶されたデータ量が予め定められた一定の量だけ増加する毎に実行してもよい。

なお、タクソノミ記憶部２または文書ベクトル記憶部３は、ハードディスク装置や光磁気ディスク装置、フラッシュメモリ等の不揮発性のメモリや、ＣＤ−ＲＯＭ等の読み出しのみが可能な記憶媒体、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような揮発性のメモリ、あるいはこれらの組み合わせにより構成されるものとする。

なお、図１における文書クラスタリング部４、正例文書生成部５またはユーザインタフェース部６という各処理部は、専用のハードウェアにより実現されるものであってもよく、また、この各処理部はメモリおよびＣＰＵ（中央演算装置）により構成され、この各処理部の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。

また、図１における文書クラスタリング部４、正例文書生成部５またはユーザインタフェース部６という各処理部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、この各処理部の処理を実行させてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１…タクソノミ検索装置、２…タクソノミ記憶部、３…文書ベクトル記憶部、４…文書クラスタリング部、５…正例文書生成部、６…ユーザインタフェース部、７…検索部、８…事前処理部、４１…文書ベクトル生成部、４２…ベクトル類似度演算部、５１…フィルタリング処理部、５２…正例文書化部、６１…クエリ受付部、６２…タクソノミ表示部、４１１…第１の文書ベクトル生成部、４１２…第２の文書ベクトル生成部

Claims (10)

1. 情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部と、
   入力された文書をベクトル化し、当該ベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを前記文書ベクトル記憶部から検索する検索部と、
   を有することを特徴とするタクソノミ検索装置。
2. 前記タクソノミクラスとタクソノミとが予め関連付けて記憶されているタクソノミ記憶部、
   を有し、
   前記検索部が、
   前記検索したタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する、
   ことを特徴とする請求項１に記載のタクソノミ検索装置。
3. 前記検索部が、
   前記検索したタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する場合に、
   前記検索したタクソノミクラスと同一階層となるタクソノミクラス間の関係を示す関係図を出力するとともに、当該出力した関係図において前記検索したタクソノミクラスの位置を強調表示して出力する、
   ことを特徴とする請求項２に記載のタクソノミ検索装置。
4. 前記検索部が、
   前記出力した関係図に含まれているタクソノミクラスが選択されたことに応じて、当該選択されたタクソノミクラスに対応するタクソノミを前記タクソノミ記憶部から読み出して出力する、
   ことを特徴とする請求項３に記載のタクソノミ検索装置。
5. 前記検索部が、
   入力された文書をベクトル化する第１の文書ベクトル生成部と、
   前記第１の文書ベクトル生成部がベクトル化した文書と、前記文書ベクトル記憶部から読み出した正例文書ベクトルとの類似度を算出するベクトル類似度演算部と、
   前記ベクトル類似度演算部が算出した類似度が最も高い正例文書ベクトルと対応付けられているタクソノミクラスを前記文書ベクトル記憶部から読み出して出力するタクソノミ表示部と、
   を有することを特徴とする請求項１から請求項４のいずれか１項に記載のタクソノミ検索装置。
6. 前記タクソノミ記憶部から読み出したタクソノミに基づいて正例文書を生成する正例文書生成部と、
   前記正例文書生成部が生成した正例文書をベクトル化するとともに、当該ベクトル化した正例文書を前記正例文書ベクトルとして、当該タクソノミに対応する前記タクソノミクラスと関連付けて前記文書ベクトル記憶部に記憶させる第２の文書ベクトル生成部と、
   を有することを特徴とする請求項２から請求項５のいずれか１項に記載のタクソノミ検索装置。
7. 前記正例文書生成部が、
   前記タクソノミ記憶部から読み出したタクソノミクラスにおいて、親クラスとなるタクソノミクラスを示す文字列と子クラスとなるタクソノミクラスを示す文字列とで重複する文字列を、前記子クラスとなるタクソノミクラスを示す文字列から削除するフィルタリング処理部と、
   前記フィルタリング処理部が重複を削除したタクソノミクラスを示す文字列において、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する前記正例文書として生成する正例文書化部と、
   を有することを特徴とする請求項６に記載のタクソノミ検索装置。
8. 前記正例文書化部が、
   前記自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせた文字列を、当該自タクソノミクラスに対応する前記正例文書として生成する場合に、
   前記タクソノミの階層構造における前記親クラスと自タクソノミクラスとの間の階層数に基づいて、自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列よりも自タクソノミクラスの文字列を組み合わせた文字列の方が前記正例文書における出現頻度が多くなるように、前記自タクソノミクラスの親クラスとなるタクソノミクラスを示す文字列および自タクソノミクラスを示す文字列を組み合わせて前記正例文書を生成する、
   ことを特徴とする請求項６に記載のタクソノミ検索装置。
9. 情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する検索手順、
   を有することを特徴とするタクソノミ検索方法。
10. タクソノミ検索装置としてのコンピュータに、
    情報を階層構造に分類したタクソノミにおけるクラスを示すタクソノミクラスと、当該タクソノミクラスに対応付けられている文書ベクトルである正例文書ベクトルとが関連付けて予め記憶されている文書ベクトル記憶部から、入力された文書をベクトル化した文書と類似度の高い正例文書ベクトルに対応付けられているタクソノミクラスを検索する検索手順、
    を実行させるためのタクソノミ検索プログラム。

Images