JP2015038702A

JP2015038702A - 情報処理装置、システム及びプログラム

Info

Publication number: JP2015038702A
Application number: JP2013169814A
Authority: JP
Inventors: 矢部　大輔; Daisuke Yabe; 大輔矢部
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2013-08-19
Filing date: 2013-08-19
Publication date: 2015-02-26

Abstract

【課題】文書に機密情報等が含まれているか否かを判断する基準となる制限情報の抽出の精度を向上する。
【解決手段】印刷制限をかけたい機密情報等を含む文章やグラフや表を候補情報として入力する。候補情報から形態素解析及び構文解析により単語同士に関連性が存在する二個の単語（解析対象）、キーワードペアを取り出す。取り出した複数のキーワードペアのうちいくつかは、単語同士の関連度に応じて関連性がないと判断する。残ったキーワードペア及び関連性を有向グラフ化して制限情報として記憶しておく。
【選択図】図３

Description

本発明は、情報処理装置、システム及びプログラムに関し、特に、機密情報等の利用の制限に関する。

特許文献１には、文書をフィルタリングすることが目的で、文書を形態素解析してキーワード集合を抽出し、抽出した情報がフィルタで制限する情報と類似しているかを判断して、文書をフィルタリングする方法が開示されている。電子メールのフィルタリングを主眼においているが、印刷の防止にも応用できる可能性はある。しかしながら、電子メールに含まれるキーワードの集合単位で類別するため、キーワードに機密情報が含まれていても集合全体として機密情報でないと判断される可能性がある。

機密情報や、機密でもないが印刷したくないような情報などを、以下、「機密情報等」と呼ぶ。入力文書に機密情報等が含まれるか否かを判断する基準として、キーワードを用いて判別することが従来知られている。所定のキーワードが含まれている場合に入力文書に機密情報等が含まれていると判断するものである。しかしながら、精度が悪い。また、特許文献１のような、キーワードの集合を基準とする方法が従来知られている。しかしながら、上述のような問題がある。

そこで、自然文には「係り受け」というキーワード同士の関連があることに着目して、入力文書に機密情報等が含まれるか否かを判断する基準（以下、このような基準を「制限情報」と呼ぶ）として、キーワードだけでなくキーワード及びキーワード同士の関連を用いると有効であると考えられる。「係り受け」は、一文内で発生する。したがって、一文ごとに形態素解析や構文解析を行う。解析結果から「係り受け」を利用してキーワード同士の関連を抽出する。さらに、このような抽出の操作を複数の文に対して行って、「制限情報」を豊富化する。

しかしながら、キーワード同士の関連の抽出という操作を、複数の文に対して一文ごとに行っただけでは、キーワードを文章全体の文脈の中で捉えるということを行っておらず、文章全体の関連性を考慮できていないという問題点があった。そこで、一文ごとに係り受けを抽出して関連付けを行った後、他の複数の文に対しても関連付けを行う。

ところがその場合、あまり関係のないキーワード同士の「関連」が誤抽出されてしまうことがあり、精度が悪いという問題がある。例えば、文Ａで単語１と単語２が関連づけられ、文Ｂで単語２と単語３が関連づけられたとき、文章全体では単語１と単語３も関連があると関連付けを行う処理を行う。これを繰り返した場合、関連のないキーワード同士も「関連がある」とされてしまうことがある。

本発明は、上記実情に鑑みてなされたものであって、文書に機密情報等が含まれているか否かを判断する基準となる制限情報の抽出の精度を向上することを目的とする。

上記目的を達成するために本発明の一態様は、画像処理装置に送信する印刷データを受け付ける印刷データ受付手段と、前記印刷データ受付手段によって受け付けられる印刷データの送信制御を判断するための制限情報の候補となる候補情報を受け付ける候補情報受付手段と、前記候補情報受付手段によって受け付けられた候補情報に含まれる複数の解析対象を解析する第１の解析手段と、前記第１の解析手段による解析に基づいて、前記複数の解析対象における対応関係を示す対応関係情報を作成する対応関係情報作成手段と、前記対応関係情報作成手段によって作成された対応関係情報と、前記対応関係情報に示された前記複数の解析対象における関連度とに基づいて、前記制限情報を作成する制限情報作成手段と、前記印刷データ受付手段によって受け付けられた印刷データに含まれる複数の印刷対象情報を解析する第２の解析手段と、前記第２の解析手段による解析に基づいて、前記制限情報作成手段によって作成された制限情報との比較を行うための比較対象情報を作成する比較対象情報作成手段と、前記比較対象情報作成手段によって作成された比較対象情報と前記制限情報との比較に基づいて、前記印刷データを前記画像処理装置に送信するか否かを判定する判定手段と、前記判定手段による判定に基づいて、前記印刷データの送信制御を行う送信制御手段と、を有することを特徴とする。

本発明によれば、文書に機密情報等が含まれているか否かを判断する基準となる制限情報の抽出の精度を向上することが可能となる。

本発明による実施形態の概略構成を示す機能ブロック図である。上記実施形態のネットワーク構成例とハードウェア構成例を示す図である。上記実施形態の詳細構成を示す図である。上記実施形態の制限情報作成処理と印刷制限判断処理の流れを示す図である。候補情報として扱えるデータの例を示す図である。単語間の関連性の例を示す図である。候補情報の解析において、候補情報が文章の場合の関連性の取得の例を示す図である。候補情報の解析において、候補情報が文章ではない文字列の場合の関連性の取得の例を示す図である。候補情報の解析において、候補情報がグラフの場合の関連性の取得の例を示す図である。候補情報の解析において、候補情報が表の場合の関連性の取得の例を示す図である。候補情報の解析において、抽出した単語に類義語を追加する例を示す図である。キーワードペアから有向グラフを作成する例を示す図である。作成した有向グラフを簡素化する例を示す図である。複数の文から有向グラフを作成した例を示す図である。有向グラフを作成した結果、関連がないにもかかわらず間接的なつながりができてしまう場合があることを説明するための図である。有向グラフを分割した例を示す図である。有向グラフの分割の処理の流れを示す図である。グラフ分割にNormalizedCutを用いた場合の有向グラフの分割の処理の流れを示す図である。グラフ分割にNormalizedCutの最適解を用いた例を示す図である。グラフ分割にNormalizedCutの最適解を用いなかった例を示す図である。保持されている有向グラフのデータ構造の例を示す図である。キーワード間の関連の比較例を示す図である。

図１に、実施形態の概略構成を示す。本実施形態に係る情報処理システム１は、データ入力手段２、制限情報作成手段３、印刷指示手段４、印刷制限判断手段５を備える。データ入力手段２は、印刷制限の判断の基準を生成する元となるデータを入力する機能を備える。このようなデータを以下、「候補情報」と呼ぶ。候補情報としては、複数の文章、文章とは言えないような文字列、グラフ、表などが扱える。

制限情報作成手段３は、所定の処理を行って候補情報から制限情報を作成する。本実施形態において、制限情報は、候補情報に含まれるキーワードをノード、キーワードとキーワードの係り受けをエッジとした有向グラフとして作成される。制限情報は、印刷制限判断手段５が記憶しておく。

印刷指示手段４は、印刷制限の判断の対象となる文書データを印刷制限判断手段５に印刷指示と共に入力する。印刷制限判断手段５は、制限情報作に基づいて入力された文書データに対して印刷制限をするか否かを判断する。

理念的には図１のように捉えられる本実施形態に係る情報処理システム１であるが、実装例としては種々の形態が考えられる。一例として、図２（ａ）のネットワーク構成例を挙げる。汎用のコンピュータなどで構成される管理者端末６、ユーザ端末７、入出力端末８と、他用途複合機であるＭＦＰ９とがネットワークでつながっている。

データ入力手段２の機能を管理者端末６が担い、印刷指示手段４の機能をユーザ端末７が担い、制限情報作成手段３及び印刷制限判断手段５の機能を入出力端末８のプリンタドライバが担う構成とすることができる。プリンタドライバは、言うまでもなくＭＦＰ９のプリンタドライバである。

しかしながら、制限情報作成手段３及び印刷制限判断手段５の一部の機能がプリンタドライバとは異なるアプリケーションプログラムに含まれ、プリンタドライバと当該アプリケーションプログラムとが連携する形態が考えられる。他には、管理者端末６が、データ入力手段２及び制限情報作成手段３の機能を担い、作成した制限情報が入出力端末８へ送信されて記憶されているという形態も考えられる。入出力端末８を持たずに、ＭＦＰ９が印刷制限判断手段５の機能を担う形態も考えられる。いずれの形態も本発明の実施形態である。

管理者端末６、ユーザ端末７、入出力端末８に用いることができる汎用のコンピュータのハードウェア構成としては、図２（ｂ）に示すような構成である。本実施形態に係るＰＣ（パーソナルコンピュータ）は、一般的な情報処理端末と同様の構成を有する。即ち、本実施形態に係るＰＣは、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）２１、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）２２、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）２４及びＩ／Ｆ２５がバスを介して接続されている。また、Ｉ／Ｆ２５にはＬＣＤ（ＬｉｑｕｉｄＣｒｙｓｔａｌＤｉｓｐｌａｙ）２６及び操作部２７が接続されている。

ＣＰＵ２１は演算手段であり、ＰＣ全体の動作を制御する。ＲＡＭ２２は、情報の高速な読み書きが可能な揮発性の記憶媒体であり、ＣＰＵ２１が情報を処理する際の作業領域として用いられる。ＲＯＭ２３は、読み出し専用の不揮発性記憶媒体であり、ファームウェア等のプログラムが格納されている。ＨＤＤ２４は、情報の読み書きが可能な不揮発性の記憶媒体であり、ＯＳ（ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍ）や各種の制御プログラム、アプリケーションプログラム等が格納されている。Ｉ／Ｆ２５は、バスと各種のハードウェアやネットワーク等を接続し制御する。ＬＣＤ２６は、ユーザがＰＣの状態を確認するための視覚的ユーザインタフェースである。操作部２７は、キーボードやマウス等、ユーザがＰＣ１に情報を入力するためのユーザインタフェースである。

図２（ｂ）に例示するようなハードウェア資源を利用したソフトウェアプログラムによる情報処理によって、図３に示すような機能ブロックが構成される。

以下、制限情報作成処理と、印刷制限判断処理について述べる。
まず、図３に本実施形態の詳細構成を示す。また、図４に制限情報作成処理と印刷制限判断処理の流れを示す。図３に示したものは、図２に示した構成例において、入出力端末８に制限情報作成手段３と印刷制限判断手段５の機能を担わせた場合の詳細構成例である。入出力端末８が、形態素解析部１１、構文解析部１２、キーワードペア作成部１３、有向グラフ作成部１４、有向グラフ分割部１５、有向グラフ保持部１６、比較判断部１７を有する。

＜制限情報作成処理＞
図４（ａ）に示されるように、制限情報作成処理においては、管理者により候補情報が入力されると、候補情報から文が抽出される（Ｓ１０１）。候補情報としては、文章、文章ではない文字列、グラフ、表などのデータが扱える（図５参照）。管理者は印刷を禁止ないし制限する内容を文章、文章ではない文字列、グラフ、表のいずれかの形式にして登録を行う。抽出された文には、単語の羅列（表の一行など）も含む。候補情報に含まれる単語が、「解析対象」である。

次に、形態素解析部１１と構文解析部１２が、抽出した文を解析する（Ｓ１０２）。形態素解析部１１が図示しない言語データベースなどを利用して入力された文等を形態素に分割し、各々の形態素の文法上の役割を解析する。この解析によって「解析対象（単語と呼ぶ場合もある）」が抽出される。次に、構文解析部１２が形態素の自然文中における役割や形態素間の関連などを解析する。

例えば、形態素解析部１１によって文法上の役割が、日本語や英語でいうところの「名詞」であるような形態素を「解析対象」とするとよい。構文解析部１２は、すべての形態素間の関連を解析する必要はなく、ある「解析対象」を含むまとまりと、別の「解析対象」を含むまとまりとの構文上の関係の有無を、言語データベースなどに基づいて判定するという程度の解析で足りる。この解析によって、ある「解析対象」と別の「解析対象」との関連の有無が判定できる。

例えば、「Ａ社の売り上げ」という「候補情報」から、形態素解析部１１は、「Ａ社」「の」「売り上げ」という形態素を抽出し、「Ａ社」と「売り上げ」を「解析対象」とする。次に、構文解析部１２は、「Ａ社の」という形態素のまとまりと「売り上げ」という形態素のまとまりを構文分析し、解析対象「Ａ社」と解析対象「売り上げ」に関連があるか否かを判断する。この例では、形態素「の」に所有関係や密接な関係があることを示すという文法的な役割があることが言語データベースから分かっているので、これら二つの「解析対象」に関連がある、つまり「係り受け」があると判断できる。

以上に述べたＳ１０２の処理は、候補情報が文章の場合に好適である。しかしながら、上記は一例であり、図７ないし図１０を参照して後述するように、候補情報の種類によっては別の解析方法を用いてもよい。

Ｓ１０２における解析の目的は、文に含まれる単語（解析対象）間の関連性を得ることにある。関連性が得られた単語を「キーワード」と呼ぶ。単語間の関連性とは、登録内容に含まれる全ての単語同士に関連があるかどうかを表すものである。この関連の有無は、印刷制限情報が含まれているかどうかを判断する基準（制限情報）の作成に利用する。図６に、単語間の関連性の例を示す。

解析方法は候補情報により異なる。候補情報が文章の場合、文章ではない文字列の場合、グラフの場合、表の場合に場合分けして解析を行う。図７ないし図１１を参照して説明をする。

図７に、候補情報が文章の場合の関連性の取得の例を示す。図示のように、文章に対して係り受け解析を行い、係り受けを単語間の関連とする。係り受けには向きがあるので、単語間の単方向のみに関連があるものとする。

図８に、文章ではない文字列の場合の関連性の取得の例を示す。候補情報が文章となっておらず、記号などで区切られていたときの処理は、まず、一行ごとに文字列を取得して単語を抽出する。一行ごとに抽出した全ての単語間に双方向の関連があるとする。

図９に、候補情報がグラフの場合の関連性の取得の例を示す。この場合、グラフごとに縦軸と横軸、タイトルや系列名などから単語を取得する。候補情報が単語の連続の場合と同様に、抽出した全ての単語間に双方向の関連があるとする。

図１０に、候補情報が表の場合の関連性の取得の例を示す。この場合、表ごとに項目やタイトル、項目の値などから単語を取得する。解析対象が単語の連続の場合と同様に、抽出した全ての単語間に双方向の関連があるとする。

単語の抽出及び関連性の取得の処理においては、抽出した単語に類義語を追加して印刷制限の精度を向上させることが好ましい。図１１に例を示す。図示のように、単語に類義語を追加して、単語間の関連の範囲を増やすことにより、印刷制限の精度を向上させることが可能である。単語自体の検索範囲が広がるため、より柔軟な単語間の関連の比較が可能になる。類義語の追加は、類義語辞書を利用することで可能となる。

以上のように処理を行った結果を利用して、キーワードペア作成部１３が、何らかの関連性を持つ二つの単語を「キーワードペア」とし、一時的に記憶する（Ｓ１０３）。なお、何らかの関連性とは、図７ないし図１１で例示したように、一方向、双方向などの関係があることを言う。

次に、有向グラフ作成部１４は、キーワードペアから有向グラフを作成する（Ｓ１０４）。Ｓ１０４の段階で作成される有向グラフが、「対応関係情報」の一例である。図１２に示すように、有向グラフを作成することにより、単語間の関連情報をまとめることが可能となる。複数の文章の情報から作成した単語間の関連をまとめることにより、文章間の関連性を考慮することが可能になる。すなわち、単語間の関連のうち、同じ単語を一つにまとめる。この結果、単語をノードとしてとらえると、複数の有向グラフが作成される。図１２の例では、４つの単語のペアから２つの有向グラフが作成されている。

さらに、Ｓ１０４においては、有向グラフ作成部１４が作成した有向グラフを簡素化する処理を行う。図１３に、簡素化の一例として、各ノードのキーワードの名詞以外の文字を削除する例を示す。名詞以外の文字を削除することにより、名詞のみの一致で検索できるようになるメリットがある。

図１４に、複数の文から有向グラフを作成した例を示す。この例では「Ａ社のプリンタとプロジェクタを購入した。Ｗｏｒｄの文書をプリンタで印刷する。プレゼン資料や映画をプロジェクタで投影する。また、ＴＶを投影するかもしれない。」という３つの文から有向グラフを作成した。図示のように、解析対象を有向グラフのノード、対応関係（関連）をエッジとして有向グラフを作成する。なお、図１４中の「Ｗｏｒｄ」は、米国マイクロソフト（登録商標）社のワープロソフト名であり、ワープロソフトによって作成された文書ファイルの一例である。

しかしながら、有向グラフを作成した結果、関連がないにもかかわらず間接的なつながりができてしまう場合がある。図１５を参照しながら、この問題点について説明する。図１５では有向グラフの繋がりの向きは、ノード間の意味的な関連があることを表す。Ｗｏｒｄ→文書→印刷という繋がりがあるが、この繋がりの文書を削除してＷｏｒｄ→印刷としても関連があると判断できる（Ｗｏｒｄと印刷の関連は一般的にＷｏｒｄのファイルを印刷することだと想像できるため）。このように間接的な繋がりでもノード間に関連がある。

しかし、間接的な繋がりで、関連がないと判断できるものもある。Ａ社→プロジェクタ→投影という関連を、Ａ社→投影とすると関連がないと判断できる（Ａ社という社名と投影という動作を表す言葉は一般的に関連がないと考えられるため）。この関連のないノード同士が間接的に繋がってしまうのを避けるために、グラフを分割する。

次に、有向グラフ分割部１５が関連性のないノード間の繋がりを削除することを目的として有向グラフを分割する（Ｓ１０５）。クラスタ間で関連が疎な部分こそが、対応関係情報を作成するプロセスにおいて偽の対応関係が誤検出されたエッジであると考えられる。有向グラフの分割（Ｓ１０５）は、このエッジを削除する処理である。

図１６は有向グラフを適切に分割した例である。「Ａ社」と「プロジェクタ」の繋がりをカットして、グラフの分割を行っている。この分割により、図１５で存在した「間接的な繋がりで関連がない」という場合が存在しなくなる。グラフの分割に関連が疎な部分をカットする手法を用いるとこのような効果が発生する。関連が疎な部分は関連性が低くなっているため、疎な部分をカットすると関連のない間接的な繋がりをなくすことができる。

図１７に、有向グラフを分割するフローチャートを示す。すなわち、グラフ分割の評価関数を用意し（Ｓ３０１）、評価関数の値が最もよくなるグラフの分割をすべてのグラフ分割パターンの中から探索し（Ｓ３０２）、そのような分割を実行する（Ｓ３０３）。評価関数は採用する有向グラフの分割手法に合わせて用意する。

評価関数の値とは、言い換えれば、複数の解析対象を有するクラスタと、別のクラスタとの「関連度」である。エッジの削除に最も好都合な評価関数の値は、関連度が最も低いと考えられる最小値である。

有向グラフの分割については、一般的に複数の手法が知られている。例としてクラスタリングやサポートベクタマシンなどがあげられる。クラスタリングにはK-means法やNormalizedCutなどの複数の手法があるが、どれの手法を使うかは文章の性質に合わせるとよい。文の量が多くある場合はK-means法、文の量が少ない場合はNormalizedCutを利用するといった具合である。

本実施形態におけるグラフ分割手法は、ノードの多寡など有向グラフの状態や規模に応じて最適なものを選択するものである。図１４から図１６で示してきた例では文の量が少ないのでNormalizedCutを用いることが好ましく、以下ではNormalizedCutを利用した有向グラフの分割処理について説明する。NormalizedCutとは、クラスタごとにカットしたときの重みを決めて、すべてのクラスタの重みを合計した値が最も少ないクラスタの組み合わせを解とする、グラフ分割方法である。

図１８に、NormalizedCutを採用した場合のフローチャートの実行例を示す。NormalizedCutでは評価関数は決まっているものを使う（Ｓ３０１）。
評価関数は、図示のように、
Ｎｃｕｔ（Ｘ，Ｙ）
＝ｃｕｔ（Ｘ，Ｙ）／ａｓｓｏｃ（Ｘ，Ｖ）＋ｃｕｔ（Ｘ，Ｙ）／ａｓｓｏｃ（Ｙ，Ｖ）
である。ただし、ｃｕｔ（Ｘ，Ｙ）はカットしたエッジ数、ａｓｓｏｃ（Ｘ，Ｖ），ａｓｓｏｃ（Ｙ，Ｖ）はクラスタＸ，Ｙそれぞれの中のエッジ数である。

図１９と図２０を参照して、有向グラフ分割にNormalizedCutを適用したときのプロセス（Ｓ３０２，Ｓ３０３）について説明する。図１４から図１６で示してきた例では、エッジを１箇所だけ切断するグラフ分割パターンだけで、全部で９パターンある。図１９と図２０は、そのうちの２パターンを示すものである。図１９は、有向グラフをクラスタＡとクラスタＢに分けた場合のグラフ分割である。図２０は、有向グラフをクラスタＣとクラスタＤに分けた場合のグラフ分割である。

図１９でカットされたエッジは図１９のクラスタＡとＢの間のエッジに相当する。クラスタＡとＢそれぞれの重みを計算する。クラスタの重みは、分母にクラスタ内のエッジ数、分子にクラスタ内のノードに接続されているエッジのうちカットされた数として計算される。クラスタＡの重みは１／４、クラスタＢの重みは１／４となる。すべてのクラスタの重みの合計した値は１／２となる。
式で記載すると以下のようになる。
Ｎｃｕｔ（Ａ，Ｂ）
＝ｃｕｔ（Ａ，Ｂ）／ａｓｓｏｃ（Ａ，Ｖ）＋ｃｕｔ（Ａ，Ｂ）／ａｓｓｏｃ（Ｂ，Ｖ）
＝カットしたエッジ数／Ａのエッジ数＋カットしたエッジ数／Ｂのエッジ数
＝１／４＋１／４
＝１／２

一方で、図２０のグラフ分割パターンは、カットされたエッジの数（ｃｕｔ（Ｃ，Ｄ））が１となり、クラスタＣ内のエッジ数が７、クラスタＤ内のエッジ数が１であるから、クラスタＣ，Ｄの重みは、それぞれ、１／７，１／１となる。したがって、すべてのクラスタの重みの合計値は、８／７となる。
式で記載すると以下のようになる。
Ｎｃｕｔ（Ｃ，Ｄ）
＝ｃｕｔ（Ｃ，Ｄ）／ａｓｓｏｃ（Ｃ，Ｖ）＋ｃｕｔ（Ｃ，Ｄ）／ａｓｓｏｃ（Ｄ，Ｖ）
＝カットしたエッジ数／Ｃのエッジ数＋カットしたエッジ数／Ｄのエッジ数
＝１／７＋１／１
＝８／７

図２０の評価関数の値８／７は、図１９のグラフ分割パターンの合計値１／２より大きい。図２０のグラフの分割パターンが不適であることが分かる。

このようなグラフの分割パターンの探索を行い、分割後のクラスタの重みの合計値が最小になる分割パターンの探索を行い（Ｓ３０２）、そのような分割パターンを実行する（Ｓ３０３）。本例では図１９のグラフ分割をしたときが、最も重みが小さくなるときなので解となる。以上に述べたように、グラフ分割パターンの評価関数を用意し、評価関数の値が最もよくなるグラフ分割パターンを探索し、そのようなパターンのグラフ分割を実行することで、自動的に適切でないエッジが切断される。その結果、適切な制限情報が作成できる。

次に、有向グラフ保持部１６が以上の処理で得られた有向グラフを保持する（Ｓ１０６）。有向グラフの保存形式は、行列で行う。この行列は、縦に関連元のノード、横に関連先のノードをとり、関連がある箇所に１、関連がない箇所には０を記入した表で表現できる。一例として、図１６の保存データを図２１に示す。この有向グラフが、印刷制限を行う基準となる制限情報である。

＜印刷制限判断処理＞
図４（ｂ）に示されるように、印刷制限判断処理においては、ユーザにより文書データが入力されると、形態素解析部１１と構文解析部１２が文の抽出、解析を行う（Ｓ２０１，Ｓ２０２）。次に、キーワードペア作成部１３がキーワードペアの作成を行う（Ｓ２０３）。ここまでの処理は、図４（ａ）と同様である。

なお、文書データの入力は、印刷を意図した文書データの入力や、検閲などを意図して印刷までは行わないような文書データの入力などを含む概念である。印刷を意図した文書データを、特に「印刷データ」と呼ぶ。また、そのような印刷データから抽出された文に含まれる単語を「印刷対象情報」と呼ぶ。構文解析により関連が発見された二つの単語であるキーワードペアのことを、この印刷制限判断処理においては、「比較対象情報」と呼ぶ。

次に、比較判断部１７が文書データに印刷を制限された内容が含まれているか判断する。具体的には、作成したキーワードペアが制限情報に含まれているか、検索を行う（Ｓ２０４）。候補情報の解析結果から作成した制限情報（有向グラフ）と、印刷指示された文書データの解析結果（キーワードペア）を比較する。一致するキーワード間の関連があれば、印刷指示された文書データに印刷を制限された内容が含まれていると判断する。図２２に、キーワード間の関連の比較例を示す。

管理者の登録した候補情報の解析結果（有向グラフ）と、印刷文書の解析結果（キーワードペア）の比較について説明する。キーワードペアを、有向グラフの中から探す。まず、キーワードペアのうち矢印を出している方のキーワードを、有向グラフのノードの中から探す。次に、探し出したノードと直接的または間接的に繋がっているノードの中から、キーワードペアのうち矢印を受けている方のキーワードを探し、見つかれば機密情報等が文書データに含まれていると判断する。見つからなければ機密情報等が文書データに含まれていないと判断する。

管理者の登録した制限情報（候補情報）のみを有向グラフ化し、文書データは有向グラフ化しない理由は、グラフとグラフを比較することが技術的に難しいためである。グラフとグラフを比較した場合、完全一致、部分一致、完全不一致のいずれかの結果になる。完全一致と完全不一致の場合の判断は簡単であるが、部分一致の場合に類似しているかを判断できないという問題がある。しかも、グラフとグラフを比較した場合、部分一致になる可能性は完全一致と完全不一致に比べて高い。部分一致の場合に一致している又は一致していないかと判断することができ、かつ根拠のある基準を決めることが難しい。このため、文書データを有向グラフ化せずにキーワードペアが一致するかどうかで判断している。

次に、比較判断部１７が、Ｓ２０４の検索の結果、印刷データ解析の結果得られたキーワードペアが、保持されている有向グラフに含まれていると判断した場合（Ｓ２０５／Ｙｅｓ）、入出力端末８又はＭＦＰ９は、印刷制限を行う（Ｓ２０６）。含まれていない場合は印刷制限を行わず、通常の印刷処理を行う。

「印刷制限」は、印刷を禁止する、すかしを入れる、警告を発する、管理者に通報する、黒塗りにして印刷する、といった印刷を制限する諸々の処理の上位概念である。具体的態様については当業者に知られるあらゆる方法が適用できる。

以上に述べた実施形態によると、フィルタをかける文書データに機密情報等が含まれているか否かを調べる基準となる制限情報を作成する際に、類義語をキーワードに追加する（図１１）、同じキーワードを一つにまとめる（図１２）、キーワードを簡素化する（図１３）といった工夫をすることにより、検索漏れがおきにくくなる。すなわち、網羅性が高まる。同じキーワードを一つにまとめることにより効率性も高まる。

また、制限情報を有向グラフとすることで、間接的なつながりのある関連を簡単にフィルタに加えることができ、検索漏れがおきにくくなる（図１５）。その一方で、関連のない可能性が高いつながりについては、有向グラフ分割部１５がつながりを切断することによって、フィルタに含めないようにすることができる（図１６、図１７）。その結果、印刷制限判断処理を実行する際に用いる制限情報の精度が向上する。

１情報処理システム
２データ入力手段
３制限情報作成手段
４印刷指示手段
５印刷制限判断手段
６管理者端末
７ユーザ端末
８入出力端末
９ＭＦＰ
１１形態素解析部
１２構文解析部
１３キーワードペア作成部
１４有向グラフ作成部
１５有向グラフ分割部
１６有向グラフ保持部
１７比較判断部

特開２００４−３４８５２３号公報

Claims

画像処理装置に送信する印刷データを受け付ける印刷データ受付手段と、
前記印刷データ受付手段によって受け付けられる印刷データの送信制御を判断するための制限情報の候補となる候補情報を受け付ける候補情報受付手段と、
前記候補情報受付手段によって受け付けられた候補情報に含まれる複数の解析対象を解析する第１の解析手段と、
前記第１の解析手段による解析に基づいて、前記複数の解析対象における対応関係を示す対応関係情報を作成する対応関係情報作成手段と、
前記対応関係情報作成手段によって作成された対応関係情報と、前記対応関係情報に示された前記複数の解析対象における関連度とに基づいて、前記制限情報を作成する制限情報作成手段と、
前記印刷データ受付手段によって受け付けられた印刷データに含まれる複数の印刷対象情報を解析する第２の解析手段と、
前記第２の解析手段による解析に基づいて、前記制限情報作成手段によって作成された制限情報との比較を行うための比較対象情報を作成する比較対象情報作成手段と、
前記比較対象情報作成手段によって作成された比較対象情報と前記制限情報との比較に基づいて、前記印刷データを前記画像処理装置に送信するか否かを判定する判定手段と、
前記判定手段による判定に基づいて、前記印刷データの送信制御を行う送信制御手段と、
を有することを特徴とする情報処理装置。
前記解析対象は、候補情報に含まれる少なくとも１つの単語であり、
前記印刷対象情報は、印刷データに含まれる少なくとも１つの単語であり、
前記第１の解析手段は、前記解析対象それぞれの係り受けの関係を解析し、
前記第２の解析手段は、前記印刷対象情報それぞれの係り受けの関係を解析することを特徴とする請求項１に記載の情報処理装置。
前記対応関係情報作成手段によって作成される前記対応関係情報に示される前記対応関係は、前記解析対象同士の係り受けの関係で係り受けの関係であることを特徴とする請求項２に記載の情報処理装置。
前記対応関係情報作成手段は、第１の解析対象と対応関係にある第２の解析対象が、前記第１の解析対象と異なる第３の解析対象と対応関係にある場合、前記第１の解析対象と前記第３の解析対象は対応関係であることを特徴とする請求項３に記載の情報処理装置。
前記比較対象情報作成手段は、前記印刷対象情報それぞれと前記第２の解析手段で判定された前記係り受けの関係にある印刷対象情報を対応関係とすることで比較対象情報を作成することを特徴とする請求項２に記載の情報処理装置。
前記制限情報作成手段は、前記対応関係情報に基づいて算出された関連度に基づいて前記対応関係情報の少なくとも１つの対応関係の削除に応じて再作成した対応関係情報を制限情報とすることを特徴とする請求項４に記載の情報処理装置。
前記判定手段は、前記比較対象情報と前記制限情報とを比較し、いずれかの印刷対象情報がいずれかの前記解析対象と一致し、かつ一致した前記印刷対象情報と対応関係にある印刷対象情報が、一致した前記解析対象と対応関係にある解析対象のいずれかに一致する場合に前記印刷データを前記画像処理装置に送信しないと判定することを特徴とする請求項５に記載の情報処理装置。
コンピュータを、
画像処理装置に送信する印刷データを受け付ける印刷データ受付手段と、
前記印刷データ受付手段によって受け付けられる印刷データの送信制御を判断するための制限情報の候補となる候補情報を受け付ける候補情報受付手段と、
前記候補情報受付手段によって受け付けられた候補情報に含まれる複数の解析対象を解析する第１の解析手段と、
前記第１の解析手段による解析に基づいて、前記複数の解析対象における対応関係を示す対応関係情報を作成する対応関係情報作成手段と、
前記対応関係情報作成手段によって作成された対応関係情報と、前記対応関係情報に示された前記複数の解析対象における関連度とに基づいて、前記制限情報を作成する制限情報作成手段と、
前記印刷データ受付手段によって受け付けられた印刷データに含まれる複数の印刷対象情報を解析する第２の解析手段と、
前記第２の解析手段による解析に基づいて、前記制限情報作成手段によって作成された制限情報との比較を行うための比較対象情報を作成する比較対象情報作成手段と、
前記比較対象情報作成手段によって作成された比較対象情報と前記制限情報との比較に基づいて、前記印刷データを前記画像処理装置に送信するか否かを判定する判定手段と、
前記判定手段による判定に基づいて、前記印刷データの送信制御を行う送信制御手段として機能させるためのプログラム。
前記解析対象は、候補情報に含まれる少なくとも１つの単語であり、
前記印刷対象情報は、印刷データに含まれる少なくとも１つの単語であり、
前記第１の解析手段は、前記解析対象それぞれの係り受けの関係を解析し、
前記第２の解析手段は、前記印刷対象情報それぞれの係り受けの関係を解析することを特徴とするように、前記コンピュータを機能させるための請求項８に記載のプログラム。
前記対応関係情報作成手段によって作成される前記対応関係情報に示される前記対応関係は、前記解析対象同士の係り受けの関係で係り受けの関係であることを特徴とするように、前記コンピュータを機能させるための請求項９に記載のプログラム。
前記対応関係情報作成手段は、第１の解析対象と対応関係にある第２の解析対象が、前記第１の解析対象と異なる第３の解析対象と対応関係にある場合、前記第１の解析対象と前記第３の解析対象は対応関係であることを特徴とするように、前記コンピュータを機能させるための請求項１０に記載のプログラム。
前記比較対象情報作成手段は、前記印刷対象情報それぞれと前記第２の解析手段で判定された前記係り受けの関係にある印刷対象情報を対応関係とすることで比較対象情報を作成することを特徴とするように、前記コンピュータを機能させるための請求項９に記載のプログラム。
前記制限情報作成手段は、前記対応関係情報に基づいて算出された関連度に基づいて前記対応関係情報の少なくとも１つの対応関係の削除に応じて再作成した対応関係情報を制限情報とすることを特徴とするように、前記コンピュータを機能させるための請求項１１に記載のプログラム。
前記判定手段は、前記比較対象情報と前記制限情報とを比較し、いずれかの印刷対象情報がいずれかの前記解析対象と一致し、かつ一致した前記印刷対象情報と対応関係にある印刷対象情報が、一致した前記解析対象と対応関係にある解析対象のいずれかに一致する場合に前記印刷データを前記画像処理装置に送信しないと判定することを特徴とするように、前記コンピュータを機能させるための請求項１２に記載のプログラム。
コンピュータを、
画像処理装置に送信する印刷データを受け付ける印刷データ受付手段と、
前記印刷データ受付手段によって受け付けられる印刷データの送信制御を判断するための制限情報の候補となる候補情報を受け付ける候補情報受付手段と、
前記候補情報受付手段によって受け付けられた候補情報に含まれる複数の解析対象を解析する第１の解析手段と、
前記第１の解析手段による解析に基づいて、前記複数の解析対象における対応関係を示す対応関係情報を作成する対応関係情報作成手段と、
前記対応関係情報作成手段によって作成された対応関係情報と、前記対応関係情報に示された前記複数の解析対象における関連度とに基づいて、前記制限情報を作成する制限情報作成手段と、
前記印刷データ受付手段によって受け付けられた印刷データに含まれる複数の印刷対象情報を解析する第２の解析手段と、
前記第２の解析手段による解析に基づいて、前記制限情報作成手段によって作成された制限情報との比較を行うための比較対象情報を作成する比較対象情報作成手段と、
前記比較対象情報作成手段によって作成された比較対象情報と前記制限情報との比較に基づいて、前記印刷データを前記画像処理装置に送信するか否かを判定する判定手段と、
前記判定手段による判定に基づいて、前記印刷データの送信制御を行う送信制御手段と、
として機能させるためのプログラムと、
前記プログラムの送信制御手段より受信した前記印刷データに基づいて処理を行う画像処理装置と、
を有することを特徴とする情報処理システム。