JP2019053764A - テキスト可視化システム、テキスト可視化方法、及び、プログラム - Google Patents

Abstract

【課題】 テキストのクラスタリングの結果を効率よく把握できるクラスタリングシステムを提供する。【解決手段】 クラスタリングシステム（１）は、代表テキスト表示部（５１）、受付部（５５）、及び、要素テキスト表示部（５２）を含む。クラスタリングシステム（１）は、複数のテキスト、及び、当該複数のテキストの内の代表テキストと当該代表テキストを含意する要素テキストとを示す情報、を記憶する記憶部にアクセス可能に接続される。代表テキスト表示部（５１）は、複数の代表テキストを表示する。受付部（５５）は、複数の代表テキストの内の特定の代表テキストの指定を受け付ける。要素テキスト表示部（５２）は、特定の代表テキストの指定を受け付けたことに応じて、複数のテキストから、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示する。【選択図】 図１

Description

本発明は、テキスト可視化システム、テキスト可視化方法、及び、記録媒体に関し、特に、テキストのクラスタリングを行うテキスト可視化システム、テキスト可視化方法、及び、記録媒体に関する。

人間が大量のテキストを読み込み、整理・分析することは、多くの時間と労力を必要とする。そのため、人間が分析対象のテキスト群を限られた時間の中で分析できるように、人間のテキスト分析作業を支援する技術が求められる。

大量のテキストであるテキスト群の概要を把握するための技術として、例えば、テキストに含まれる単語に基づいて、大量のテキストを複数のグループに分類する、クラスタリング技術が知られている。

テキストのクラスタリング技術として、例えば、非特許文献１に示す技術がある。非特許文献１に開示されている技術では、テキスト中に出現した言葉（キーワード）の頻度に基づいて、言葉を意味的にグルーピングすることで、テキスト群を複数のグループに分類する。

一般に、クラスタリング対象の各テキストには、複数の観点が混在していることがある。このため、キーワードをベースにしたクラスタリングでは、観点の見落とし、或いは、異なる観点のテキストの同じクラスタへの分類等により、各クラスタの観点が不明確になることがある。この場合、ユーザは、観点を明確にするために、複数のクラスタのテキストを確認し、テキストの再分類を行うといった煩雑な作業が強いられる。

なお、関連技術として、非特許文献２には、テキスト間の含意関係を抽出し、含意関係があるテキストを同じグループに分類する、含意クラスタリング技術が開示されている。特許文献１には、テキスト間の含意関係をもとに、含意関係を表す含意グラフを生成する技術が開示されている。特許文献２には、対話テキストの集合から発話を抽出し、含意関係がある発話を発話クラスタとして抽出する技術が開示されている。特許文献３には、文書間の寄与関係のグループを生成し、グループ間の含意関係を表すグループネットを生成する技術が開示されている。

特許第５４９４９９９号公報 特開２０１３−１９０９９１号公報 特開平０９−１５２９６８号公報

「特許情報の可視化による技術マーケティング〜テキストマイニングとネットワーク分析の活用〜」、[online]、ＮＲＩサイバーパテント株式会社、[2015年2月17日検索]、インターネット<URL:https://www.jpo.go.jp/shiryou/s_sonota/pdf/kigyou/nri.pdf> 「NEC、大量の文書データを同じ意味で自動グループ化する技術を開発」、[online]、日本電気株式会社、[2015年2月17日検索]、インターネット<URL:http://jpn.nec.com/press/201411/20141118_02.html>

上述のように、キーワードをベースにしたクラスタリング技術では、観点を明確にするためのユーザの作業が必要になり、ユーザの負荷が大きいという技術課題があった。

本発明の目的は、上述の技術課題を解決し、テキストのクラスタリングの結果を効率よく把握できる、テキスト可視化システム、テキスト可視化方法、及び、記録媒体を提供することである。

本発明の一態様におけるテキスト可視化システムは、複数のテキスト、及び、当該複数のテキストの内の代表テキストと当該代表テキストを含意する要素テキストとを示す情報、を記憶する記憶手段にアクセス可能に接続され、複数の代表テキストを表示する第１の表示手段と、前記複数の代表テキストの内の特定の代表テキストの指定を受け付ける受付手段と、前記特定の代表テキストの指定を受け付けたことに応じて、前記複数のテキストから、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示する第２の表示手段と、を含み、前記代表テキストと、当該代表テキストを含意する要素テキストとの関係は、要素テキストの内容が真であるならば代表テキストの内容が真である、という関係である。

本発明の一態様におけるテキスト可視化方法は、複数のテキストについて、代表テキストと当該代表テキストを含意する要素テキストが設定されている場合に、複数の代表テキストを表示し、前記複数の代表テキストの内の特定の代表テキストの指定を受け付け、
前記特定の代表テキストの指定を受け付けたことに応じて、前記複数のテキストから、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示し、前記代表テキストと、当該代表テキストを含意する要素テキストとの関係は、要素テキストの内容が真であるならば代表テキストの内容が真である、という関係である。

本発明の一態様におけるコンピュータが読み取り可能な記録媒体は、コンピュータに、複数のテキストについて、代表テキストと当該代表テキストを含意する要素テキストが設定されている場合に、複数の代表テキストを表示し、前記複数の代表テキストの内の特定の代表テキストの指定を受け付け、前記特定の代表テキストの指定を受け付けたことに応じて、前記複数のテキストから、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示する、処理を実行させ、前記代表テキストと、当該代表テキストを含意する要素テキストとの関係は、要素テキストの内容が真であるならば代表テキストの内容が真である、という関係である、プログラムを格納する。

本発明の技術効果は、テキストのクラスタリングの結果を効率よく把握できることである。

本発明の第１の実施の形態の基本的な構成を示すブロック図である。 本発明の第１の実施の形態における、クラスタリングシステム１の構成を示すブロック図である。 本発明の第１の実施の形態における、コンピュータにより実現されたクラスタリングシステム１の構成を示すブロック図である。 本発明の第１の実施の形態における、クラスタリングシステム１の動作を示すフローチャートである。 本発明の第１の実施の形態における、クラスタリング対象のテキストデータの例を示す図である。 本発明の第１の実施の形態における、含意関係の抽出結果の例を示す図である。 本発明の第１の実施の形態における、クラスタリング結果の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（表示条件指定前）の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（代表テキスト指定時）の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（複数の代表テキスト指定時）の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（属性値指定時）の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（属性値、及び、取得期間指定時）の例を示す図である。 本発明の第１の実施の形態における、クラスタリング画面８０（属性値、取得期間、及び、代表テキスト指定時）の例を示す図である。 本発明の第２の実施の形態における、クラスタリングシステム１の構成を示すブロック図である。 本発明の第２の実施の形態における、分析画面９０（集計表表示時）の例を示す図である。 本発明の第２の実施の形態における、分析画面９０（調整済み標準化残差表示時）の例を示す図である。 本発明の実施の形態における、代表テキストと要素テキストの関係の例を示す図である。

はじめに、本発明の実施の形態で用いるテキストのクラスタリング手法である、含意クラスタリングについて説明する。含意クラスタリングでは、非特許文献２に記載されているように、テキスト間の意味の関係である、含意関係をもとにクラスタリングを行う。本発明の実施の形態では、含意関係を、特許文献１と同様に、次のように定義する。すなわち、第１のテキストの内容が真であるならば第２のテキストの内容が真である場合、第１のテキストが第２のテキストを含意（entailment）すると定義する。また、第１のテキストの内容から第２のテキストの内容が読み取れる場合、第１のテキストが第２のテキストを含意すると定義してもよい。含意クラスタリングを用いることにより、分析対象のテキストに含まれる観点をもれなく、かつ、クラスタ内のテキストが共通に含意し、クラスタの概要を表す代表テキストとともに抽出できる。

含意関係の理解を容易にするため、具体例を用いて説明する、
＜具体例１＞
第１のテキスト：オバマ大統領はホワイトハウスに住んでいる。
第２のテキスト：オバマ大統領はアメリカに住んでいる。

この場合、第１のテキストの内容が真であるならば第２のテキストの内容が真であるので、第１のテキストが第２のテキストを含意するといえる。

＜具体例２＞
第１のテキスト：犬養毅首相は海軍将校らに暗殺された。
第２のテキスト：犬養毅首相は亡くなった
この場合、第１のテキストの内容が真であるならば第２のテキストの内容が真であるので、第１のテキストが第２のテキストを含意するといえる。

ここで、「代表テキスト」と「要素テキスト」を定義する。テキストの集合に対して含意クラスタリング処理を実行すると、代表テキストと要素テキストとが決定される。代表テキストと要素テキストとの関係は、要素テキストの内容が真であるならば代表テキストの内容が真である、という関係である。すなわち、代表テキストと要素テキストとの関係は、要素テキストは代表テキストを含意するという関係である。

図１７は、本発明の実施の形態における、代表テキストと要素テキストの関係の例を示す図である。代表テキストと要素テキストの理解を容易にするため、図１７を用いて説明する。図１７は、Ｔ１からＴ１１までの１１個のテキストについて、含意クラスタリング処理を実行した様子を示す。図１７における円形のシンボルは一つのテキストを示す。図１７における矢印は、矢印の元のテキストが矢印の先のテキストを含意することを示す。図１７において、テキストＴ６、Ｔ７、Ｔ１１が、テキストＴ１を含意している。同様に、テキストＴ２、Ｔ３、Ｔ７、Ｔ１０が、テキストＴ５を含意しており、テキストＴ２、Ｔ４、Ｔ７、Ｔ８が、テキストＴ９を含意している。このとき、テキストＴ６、Ｔ７、Ｔ１１は、代表テキストＴ１の要素テキストである。同様に、テキストＴ２、Ｔ３、Ｔ７、Ｔ１０は、代表テキストＴ５の要素テキストである。同様に、テキストＴ２、Ｔ４、Ｔ７、Ｔ８は、代表テキストＴ９の要素テキストである。

ここで、代表テキスト自身が要素テキストとして扱われてもよい。例えば、テキストＴ１、Ｔ６、Ｔ７、Ｔ１１が代表テキストＴ１の要素テキストでもよい。

（第１の実施の形態）
次に、本発明の第１の実施の形態について説明する。

はじめに、本発明の第１の実施の形態の構成を説明する。

図２は、本発明の第１の実施の形態における、クラスタリングシステム１の構成を示すブロック図である。

図２を参照すると、本発明の第１の実施の形態におけるクラスタリングシステム１は、記憶部１０、含意関係抽出部２０、クラスタリング部３０、表示制御部５０を含む。クラスタリングシステム１は、本発明のテキスト可視化システムの一実施形態である。

記憶部１０は、クラスタリング対象のテキストを示すテキストデータ、及び、テキスト間のクラスタリングの結果（クラスタリング結果）を記憶する。

図５は、本発明の第１の実施の形態における、テキストデータの例を示す図である。図５の例は、クラスタリング対象のテキストが、自動車の不具合報告における「不具合の現象」に係る、自然言語のテキストである場合の例である。図５の例では、テキストデータは、テキストの取得日時、属性（メーカ）、及び、テキストを含む。なお、テキストの前の括弧内の符号は、テキストの識別子を示す。

クラスタリング対象のテキストは、例えば、文書（不具合報告書等）から抽出される。この場合、テキストは、例えば、所定の形式に従って、複数のカテゴリ（不具合の現象、原因、対策等）毎に記載された文書中の、指定されたカテゴリ（現象）に対する記載を取得することにより抽出される。また、テキストは、自由形式で記述された文書から、クラスタリング対象のカテゴリに係る記載部分を特定することにより抽出されてもよい。また、テキストは、例えば、コールセンタ等における会話を音声認識することにより生成した、コールログから抽出されてもよい。

含意関係抽出部２０は、クラスタリング対象のテキスト間の含意関係を抽出する。

クラスタリング部３０は、抽出された含意関係をもとに、クラスタリング対象のテキストに対する含意クラスタリングを行い、代表テキスト、及び、当該代表テキストを含意する要素テキストが設定されたクラスタを複数生成する。

表示制御部５０は、クラスタリング結果をもとに、代表テキスト、及び、表示対象の要素テキスト（以下、対象要素テキストとも記載する）を表示するためのクラスタリング画面８０を生成し、ユーザ等に表示（出力）する。

図８は、本発明の第１の実施の形態における、クラスタリング画面８０（表示条件指定前）の例を示す図である。

クラスタリング画面８０は、代表テキスト表示領域８１、要素テキスト表示領域８２、属性情報表示領域８３、及び、時系列表示領域８４を含む。

代表テキスト表示領域８１の「クラスタ」欄には、各クラスタの代表テキストが表示される。また、「件数」欄には、対象要素テキストの内、各代表テキストを含意する（各代表テキストのクラスタに属する）要素テキストの数が表示される。代表テキスト表示領域８１の代表テキストは、「件数」欄に示される要素テキストの数の大きい（または小さい）順に表示されてもよい。

要素テキスト表示領域８２の「詳細テキスト」欄には、対象要素テキストが、取得日時、及び、属性値に関連付けられて、例えば、時系列順で表示される。

属性情報表示領域８３の「件数」欄には、対象要素テキストの内、「メーカ」欄に示された各属性値を有する要素テキストの数が表示される。属性情報表示領域８３の属性値は、「件数」欄に示される要素テキストの数の大きい（または小さい）順に表示されてもよい。

時系列表示領域８４には、対象要素テキストの取得日時毎の数（時系列）を示すグラフが表示される。

表示制御部５０は、代表テキスト表示部５１（または、第１の表示部）、要素テキスト表示部５２（または、第２の表示部）、属性情報表示部５３（または、第３の表示部）、時系列表示部５４（または、第４の表示部）、及び、受付部５５を含む。

代表テキスト表示部５１は、各クラスタの代表テキストを、代表テキスト表示領域８１に表示する。

受付部５５は、クラスタリング画面８０において、ユーザ等から、対象要素テキストに係る条件（以下、表示条件とも記載する）の指定を受け付ける。本発明の実施の形態では、表示条件として、代表テキスト、属性値、及び、取得期間の内の１つ以上の組み合わせ（ＡＮＤ条件）が指定される。この場合、対象要素テキストは、クラスタリング対象の全テキストの内、表示条件で指定された代表テキストを含意し（代表テキストのクラスタに属し）、指定された属性値を有し、取得日時が指定された取得期間内の要素テキストである。なお、表示条件として、ＡＮＤ条件の代わりに、ＯＲ条件が指定されてもよい。

要素テキスト表示部５２は、クラスタリング対象のテキストから、表示条件に応じた対象要素テキストを抽出し（絞り込み）、要素テキスト表示領域８２に表示する。

属性情報表示部５３は、対象要素テキストの属性値毎の数を、属性情報表示領域８３に表示する。

時系列表示部５４は、対象要素テキストの取得日時毎の数（時系列）を示すグラフを、時系列表示領域８４に表示する。

なお、クラスタリングシステム１は、ＣＰＵ（Central Processing Unit）とプログラムを記憶した記憶媒体を含み、プログラムにもとづく制御によって動作するコンピュータであってもよい。

図３は、本発明の第１の実施の形態における、コンピュータにより実現されたクラスタリングシステム１の構成を示すブロック図である。

クラスタリングシステム１は、ＣＰＵ２、ハードディスクやメモリ等の記憶デバイス３（記憶媒体）、他の装置等と通信を行う通信デバイス４、マウスやキーボード等の入力デバイス５、及び、ディスプレイ等の出力デバイス６を含む。

ＣＰＵ２は、含意関係抽出部２０、クラスタリング部３０、表示制御部５０の機能を実現するためのコンピュータプログラムを実行する。記憶デバイス３は、記憶部１０のデータを記憶する。出力デバイス６は、ユーザ等へ、クラスタリング画面８０を出力する。入力デバイス５は、ユーザ等から、表示条件の指定を受け付ける。また、通信デバイス４が、他の装置へクラスタリング画面８０を出力し、他の装置から表示条件の指定を受け付けてもよい。

また、図２に示されたクラスタリングシステム１の各構成要素は、独立した論理回路でもよい。また、図２に示されたクラスタリングシステム１の各構成要素は、有線または無線で接続された複数の物理的な装置に分散的に配置されていてもよい。

次に、本発明の第１の実施の形態の動作を説明する。

ここでは、図５のようなテキストデータが、記憶部１０に記憶されていると仮定する。

図４は、本発明の第１の実施の形態における、クラスタリングシステム１の動作を示すフローチャートである。

はじめに、含意関係抽出部２０は、記憶部１０に記憶されたクラスタリング対象のテキスト間の含意関係を抽出する（ステップＳ１０１）。

ここで、含意関係抽出部２０は、例えば、特許文献１と同様の判定処理を行うことにより、テキスト間の含意関係を抽出する。この場合、含意関係抽出部２０は、テキストに含まれる内容語を比較し、被覆率を算出することにより、含意関係の有無を判定する。なお、含意関係抽出部２０は、テキスト間の含意関係を抽出できれば、特許文献１と異なる判定処理により、テキスト間の含意関係を判定してもよい。

図６は、本発明の第１の実施の形態における、含意関係の抽出結果の例を示す図である。図６において、矢印の元のテキストは、先のテキストを含意することを示す。図６の例では、テキストＴ６、Ｔ７、Ｔ１１…が、テキストＴ１を含意している。同様に、テキストＴ２、Ｔ３、Ｔ７、Ｔ１０…が、テキストＴ５を含意しており、テキストＴ２、Ｔ４、Ｔ７、Ｔ８…が、テキストＴ９を含意している。

例えば、含意関係抽出部２０は、図５のテキストに対して、図６に示すように、含意関係を抽出する。

クラスタリング部３０は、記憶部１０に記憶されたクラスタリング対象のテキストに対する含意クラスタリングを行う（ステップＳ１０２）。

ここで、クラスタリング部３０は、例えば、非特許文献２の技術と同様に、含意関係抽出部２０により抽出された含意関係をもとに、含意クラスタリングを行う。クラスタリングの結果、テキストが複数の代表テキストを含意する場合、当該テキストは、複数のクラスタの要素テキストに設定される。なお、本発明の実施の形態では、あるクラスタの代表テキストに設定されたテキスト自身も、当該クラスタの代表テキストを含意する要素テキストとして設定される。クラスタリング部３０は、各クラスタの代表テキストの識別子を当該クラスタの要素テキストの識別子と関連付けたクラスタリング結果を、記憶部１０に保存する。

図７は、本発明の第１の実施の形態における、クラスタリング結果の例を示す図である。図７の例では、テキストＴ１、Ｔ５、及び、Ｔ９が、それぞれ、クラスタＣ１、Ｃ２、及び、Ｃ３の代表テキストに設定されている。また、テキストＴ１とテキストＴ１を含意するテキストＴ６、Ｔ７、Ｔ１１…が、クラスタＣ１の要素テキストに設定されている。同様に、テキストＴ５とテキストＴ５を含意するテキストが、クラスタＣ２の要素テキストに設定され、テキストＴ９とテキストＴ９を含意するテキストが、クラスタＣ３の要素テキストに設定されている。

例えば、クラスタリング部３０は、図６の含意関係をもとに、図７のようなクラスタリング結果を生成する。

なお、クラスタリング部３０は、さらに、異なるクラスタ間の要素テキストの重複の度合いをもとに、当該異なるクラスタを一つのクラスタに統合してもよい。

次に、表示制御部５０の代表テキスト表示部５１は、記憶部１０に記憶されたクラスタリング結果をもとに、各クラスタの代表テキストを、クラスタリング画面８０の代表テキスト表示領域８１に表示する（ステップＳ１０３）。

例えば、代表テキスト表示部５１は、図７のクラスタリング結果をもとに、図８のように、代表テキスト表示領域８１に、代表テキストＴ５、Ｔ９、Ｔ１を表示する。

要素テキスト表示部５２は、表示条件に応じて、クラスタリング対象のテキストから抽出した対象要素テキストを、要素テキスト表示領域８２に表示する。（ステップＳ１０４）。最初の時点では、表示条件が指定されていないため、例えば、クラスタリング対象の全テキストが、対象要素テキストとして用いられる。また、同時に、代表テキスト表示部５１、属性情報表示部５３、及び、時系列表示部５４は、代表テキスト表示領域８１、属性情報表示領域８３、及び、時系列表示領域８４の要素テキストの数を、対象要素テキストに応じて更新する。

例えば、要素テキスト表示部５２は、図８のように、要素テキスト表示領域８２に、クラスタリング対象の全テキストＴ１、Ｔ２、…を表示する。さらに、代表テキスト表示部５１は、図８のように、代表テキスト表示領域８１に、クラスタリング対象の全テキストの内、各代表テキストを含意する要素テキストの数を表示する。属性情報表示部５３は、図８のように、属性情報表示領域８３に、クラスタリング対象の全テキストの内、各属性値を有する要素テキストの数を表示する。時系列表示部５４は、図８のように、時系列表示領域８４に、クラスタリング対象の全テキストについて、取得日時毎の数を示すグラフを表示する。

ユーザ等は、図８の代表テキスト表示領域８１を参照し、概要レベルで、全体的な不具合、及び、発生数の多い不具合（「異音がする」）を把握できる。また、ユーザ等は、属性情報表示領域８３を参照し、不具合の発生数が多い属性（「Ｂ社」）を把握できる。さらに、ユーザ等は、時系列表示領域８４を参照し、不具合の発生数が多い期間（「２０１５／３−５」等）を把握できる。

次に、受付部５５は、クラスタリング画面８０において、表示条件（代表テキスト、属性値、取得期間）の指定を受け付ける（ステップＳ１０５）。

ここで、受付部５５は、例えば、代表テキスト表示領域８１に表示されている代表テキストの、マウスによるクリックを検出することにより、代表テキストの指定を受け付ける。また、受付部５５は、属性情報表示領域８３に表示されている属性値の、マウスによるクリックを検出することにより、属性値の指定を受け付ける。また、受付部５５は、時系列表示部５４に表示されている時系列の、特定の取得日時の範囲のマウスによるドラッグを検出することにより、取得期間の指定を受け付ける。

以降、ステップＳ１０４からの処理が繰り返され、表示条件を受け付けるたびに、表示条件に応じて、クラスタリング画面８０が更新される。

以下、表示条件のいくつかの例を用いて、ステップＳ１０４、Ｓ１０５の動作を説明する。

＜表示条件として代表テキストが指定された場合＞
ユーザ等が、図８の代表テキスト表示領域８１において最も発生数が多い概要レベルの不具合「異音がする」について、詳細を確認する場合を考える。例えば、受付部５５は、図８の代表テキスト表示領域８１において、ユーザ等から、表示条件として、代表テキストＴ５「異音がする」の指定を受け付ける。

図９は、本発明の第１の実施の形態における、クラスタリング画面８０（代表テキスト指定時）の例を示す図である。

要素テキスト表示部５２は、図９のように、要素テキスト表示領域８２に、対象要素テキストである、代表テキストＴ５を含意する（クラスタＣ２に属する）要素テキストＴ２、Ｔ３、Ｔ５、Ｔ７、Ｔ１０、…を表示する。

代表テキスト表示部５１は、図９のように、代表テキスト表示領域８１の各代表テキストを含意する要素テキストの数を、各代表テキストと代表テキストＴ５とを含意する要素テキストの数で更新する。属性情報表示部５３は、図９のように、属性情報表示領域８３を、代表テキストＴ５を含意する要素テキストの内の、各属性値を有する要素テキストの数で更新する。時系列表示部５４は、図９のように、時系列表示領域８４を、代表テキストＴ５を含意する要素テキストの時系列で更新する。

ユーザ等は、図９の要素テキスト表示領域８２を参照し、概要レベルの不具合（「異音がする」）の詳細を把握できる。

＜表示条件として複数の代表テキストが指定された場合＞
ユーザ等が、図９の代表テキスト表示領域８１における概要レベルの不具合「異音がする」と「エンストした」の両方に属する不具合について、詳細を確認する場合を考える。例えば、受付部５５は、図９の代表テキスト表示領域８１において、ユーザ等から、表示条件として、さらに代表テキストＴ９「エンストした」の指定の追加を受け付ける。

図１０は、本発明の第１の実施の形態における、クラスタリング画面８０（複数の代表テキスト指定時）の例を示す図である。

要素テキスト表示部５２は、図１０のように、要素テキスト表示領域８２に、対象要素テキストである、代表テキストＴ５とＴ９との両方を含意する（クラスタＣ２とＣ３に属する）要素テキストＴ２、Ｔ７、…を表示する。

ユーザ等は、図１０の要素テキスト表示領域８２を参照し、概要レベルの複数の不具合「異音がする」及び「エンストした」の両方に属する不具合の詳細を把握できる。

なお、要素テキスト表示部５２は、対象要素テキストとして、代表テキストＴ５とＴ９との両方を含意する要素テキストの代わりに、代表テキストＴ５とＴ９の内の少なくとも一方を含意する要素テキストを表示してもよい。

＜表示条件として属性値が指定された場合＞
ユーザ等が、図８の属性情報表示領域８３において、最も不具合の発生数が多いメーカ「Ｂ社」について、概要レベルの不具合を確認する場合を考える。例えば、受付部５５は、図８の属性情報表示領域８３において、ユーザ等から、表示条件として、属性値「Ｂ社」の指定を受け付ける。

図１１は、本発明の第１の実施の形態における、クラスタリング画面８０（属性値指定時）の例を示す図である。

要素テキスト表示部５２は、図１１のように、要素テキスト表示領域８２に、対象要素テキストである、属性値「Ｂ社」を有する要素テキストＴ２、Ｔ６、Ｔ７、Ｔ９、Ｔ１０、…を表示する。

ユーザ等は、図１１の代表テキスト表示領域８１を参照し、概要レベルで、メーカ「Ｂ社」について、発生数の多い不具合（「異音がする」）を把握できる。また、ユーザ等は、時系列表示領域８４を参照し、メーカ「Ｂ社」について、不具合の発生数が多い取得期間（「２０１５／３−５」、「２０１５／１０−１２」）を把握できる。

＜表示条件として属性値、及び、取得期間が指定された場合＞
ユーザ等が、図１１のクラスタリング画面８０において、メーカ「Ｂ社」の不具合の発生数が多い取得期間「２０１５／１０−２０１５／１２」について、不具合の詳細を確認する場合を考える。例えば、受付部５５は、図１１のクラスタリング画面８０の時系列表示領域８４において、ユーザ等から、表示条件として、さらに、取得期間「２０１５／１０−２０１５／１２」の指定を受け付ける。

図１２は、本発明の第１の実施の形態における、クラスタリング画面８０（属性値、及び、取得期間指定時）の例を示す図である。

要素テキスト表示部５２は、図１２のように、要素テキスト表示領域８２に、属性値「Ｂ社」を有し、かつ、取得日時が取得期間「２０１５／１０−２０１５／１２」内の要素テキストＴ１０１、Ｔ１０２、…を表示する。

ユーザ等は、図１２の代表テキスト表示領域８１を参照し、概要レベルで、メーカ「Ｂ社」の取得期間（「２０１５／１０−２０１５／１２」）について、発生数の多い不具合（「警告灯が点灯した」）を把握できる。

＜表示条件として属性値、取得期間、及び、代表テキストが指定された場合＞
ユーザ等が、図１２のクラスタリング画面８０において、メーカ「Ｂ社」の取得期間（「２０１５／１０−２０１５／１２」）で、最も発生数が多い概要レベルの不具合「警告灯が点灯した」について、詳細を確認する場合を考える。例えば、受付部５５は、図１２の代表テキスト表示領域８１において、ユーザ等から、表示条件として、さらに、代表テキストＴ１「警告灯が点灯した」の指定を受け付ける。

図１３は、本発明の第１の実施の形態における、クラスタリング画面８０（属性値、取得期間、及び、代表テキスト指定時）の例を示す図である。

要素テキスト表示部５２は、図１３のように、要素テキスト表示領域８２に、対象要素テキストである、属性値「Ｂ社」を有し、取得日時が取得期間「２０１５／１０−２０１５／１２」内であり、代表テキストＴ１を含意する要素テキストを表示する。

ユーザ等は、図１３の要素テキスト表示領域８２を参照し、メーカ「Ｂ社」の取得期間（「２０１５／１０−２０１５／１２」）について、概要レベルの不具合（「警告灯が点灯した」）の詳細を把握できる。

なお、ここでは、表示条件が「代表テキスト」、「複数の代表テキスト」、「属性値」、「属性値、及び、取得期間」、「属性値、取得期間、及び、代表テキスト」の場合を例に説明した。しかしながら、これに限らず、表示条件として、「代表テキスト」、「属性値」、及び、「取得期間」の内の１以上の任意の組み合わせが指定されてもよい。

以上により、本発明の第１の実施の形態の動作が完了する。

なお、本発明の第１の実施の形態では、クラスタリング対象のテキストが、自動車の不具合報告に係るテキストである場合を例に説明した。しかしながら、これに限らず、クラスタリング対象のテキストは、様々な現象や原因、対策、意見、評価、苦情、要望等、どのような内容に係るテキストでもよい。

また、本発明の第１の実施の形態では、要素テキスト表示部５２は、表示条件が指定されていない段階では、クラスタリング対象の全テキストを対象要素テキストとして、要素テキスト表示領域８２に表示した。これに限らず、要素テキスト表示部５２は、表示条件が指定されていない段階では、対象要素テキストの表示を省略してもよい。

また、本発明の第１の実施の形態では、要素テキスト表示部５２は、抽出した対象要素テキストの表示方法として、抽出した対象要素テキストのみを要素テキスト表示領域８２に表示した。これに限らず、要素テキスト表示部５２は、クラスタリング対象の全テキスト、或いは、特定のテキストを表示したまま、抽出した対象要素テキストのみを強調表示してもよい。

また、本発明の第１の実施の形態では、クラスタリング対象の各テキストに、当該テキストに係る日時として、取得日時が付与されている場合を例に説明した。しかしながら、これに限らず、各テキストには、取得日時の代わりに、当該テキストの内容の発生日時や当該テキストの内容が電話等で通知された時の入電日時が付与されていてもよい。

また、本発明の第１の実施の形態では、表示条件として、「代表テキスト」、「属性値」、及び、「取得期間」の組み合わせが指定される場合を例に説明した。しかしながら、これに限らず、表示条件が、さらに、テキストに係る任意のキーワードを含んでいてもよい。この場合、受付部５５は、クラスタリング画面８０において、ユーザ等から、表示条件として、キーワードの指定を受け付ける。要素テキスト表示部５２は、要素テキスト表示領域８２に、対象要素テキストとして、指定されたキーワードを含む要素テキストを表示する。

例えば、受付部５５が、図８のクラスタリング画面８０において、表示条件として、キーワード「エンジン」の指定を受け付けたと仮定する。この場合、要素テキスト表示部５２は、要素テキスト表示領域８２に、対象要素テキストである、キーワード「エンジン」を含む要素テキストＴ２、Ｔ４、Ｔ７、…を表示する。

次に、本発明の第１の実施の形態の基本的な構成を説明する。

図１は、本発明の第１の実施の形態の基本的な構成を示すブロック図である。図１を参照すると、本発明のクラスタリングシステム１（テキスト可視化システム）は、代表テキスト表示部５１（第１の表示部）、受付部５５、及び、要素テキスト表示部５２（第２の表示部）を含む。クラスタリングシステム１は、複数のテキスト、及び、当該複数のテキストの内の代表テキストと当該代表テキストを含意する要素テキストとを示す情報、を記憶する記憶部にアクセス可能に接続される。代表テキスト表示部５１は、複数の代表テキストを表示する。受付部５５は、複数の代表テキストの内の特定の代表テキストの指定を受け付ける。要素テキスト表示部５２は、特定の代表テキストの指定を受け付けたことに応じて、複数のテキストから、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示する。

次に、本発明の第１の実施の形態の効果を説明する。

上述のキーワードをベースにしたクラスタリングでは、各クラスタの観点が不明確となるため、観点を明確にするためのユーザの作業が必要であった。例えば、上述の図５のテキストデータに対して、単なるキーワードをベースにしたクラスタリングや、キーワードとキーワードの係り受けをベースにしたクラスタリングを行っても、テキストＴ９、Ｔ２、及び、Ｔ４がそれぞれ別のクラスタに分類される。この場合、同じ観点のテキストが複数のクラスタに分類されるため、クラスタ内のテキストの確認が必要である。

本発明の第１の実施の形態によれば、テキストのクラスタリングの結果を効率よく把握できる。その理由は、代表テキスト表示部５１が、複数の代表テキストを表示し、要素テキスト表示部５２が、特定の代表テキストの指定を受け付けたことに応じて、当該指定された特定の代表テキストを含意する要素テキストを抽出して表示するためである。

これにより、ユーザは、最初に、代表テキストにより、概要レベルで観点を把握でき、次に、特定の観点の代表テキストを指定することで、当該観点のクラスタに分類された各テキストの詳細を把握できる。すなわち、ユーザは、クラスタリング結果を、概要から詳細のように、ドリルダウン式で分析できる。

クラスタは、観点毎に生成されるため、ユーザは、上述のキーワードをベースにしたクラスタリングの場合のように、観点を明確にするために複数のクラスタのテキストを確認し、テキストの再分類を行う必要はない。例えば、本発明の第１の実施の形態では、上述のテキストＴ２とＴ４は、テキストＴ９の要素テキストとして、同じクラスタに分類されている。

また、上述のキーワードをベースにしたクラスタリングでは、クラスタに関連するキーワードが提示されるだけであるため、クラスタの内容を理解することが難しかった。

本発明の第１の実施の形態によれば、クラスタリング結果を、人間にとって理解しやすく提示できる。その理由は、代表テキスト表示部５１が、各クラスタの代表テキストとして、自然文で記述されたテキストを表示するためである。

また、上述のキーワードをベースにしたクラスタリングでは、各クラスタの観点が不明確となるため、複数のクラスタを指定しても、複数の観点を有するテキストを抽出することは難しかった。

本発明の第１の実施の形態によれば、テキストのクラスタリングにおいて、複数の観点に係るテキストを効率よく把握できる。その理由は、要素テキスト表示部５２が、複数の特定の代表テキストの指定を受け付けたことに応じて、当該指定された複数の特定の代表テキストの全てを含意する要素テキストを抽出して表示するためである。

クラスタは、観点毎に生成されるため、複数のクラスタを指定することで、複数の観点に係るテキストを抽出できる。

また、テキストにクラスタリングにおいて、特定の属性値や取得日時のテキストをクラスタリングしただけでは、その属性値や取得日時に対する局所的なクラスタが生成されてしまうことがあった。

本発明の第１の実施の形態によれば、テキストのクラスタリングにおいて、さまざまな属性値、あるいは、取得日時を有するようなテキストに対して、網羅的なクラスタを用いて分析を行うことができる。その理由は、表示制御部５０が、クラスタリング対象の全テキストについて得られた含意クラスタリングの結果に対して、属性値や取得日時毎の要素テキストの数の表示や、属性値や取得日時の条件に適合する要素テキストの抽出を行うためである。これにより、異なる属性値や取得日時の間で、共通な観点を用いて、クラスタリングの結果を比較できる。

（第２の実施の形態）
次に、本発明の第２の実施の形態について説明する。

本発明の第２の実施の形態では、表示制御部５０が分析テーブル９１を表示する点において、本発明の第１の実施の形態と異なる。

はじめに、本発明の第２の実施の形態の構成を説明する。

図１４は、本発明の第２の実施の形態における、クラスタリングシステム１の構成を示すブロック図である。

図１４を参照すると、本発明の第２の実施の形態のクラスタリングシステム１は、本発明の第１の実施の形態のクラスタリングシステム１の構成に加えて、表示制御部５０に、さらに、分析結果表示部５６（または、第５の表示部）を含む。

分析結果表示部５６は、要素テキストが含意する代表テキスト（要素テキストが属するクラスタ）と当該要素テキストが有する属性値の関係性（相関）を表す分析テーブル９１を生成し、表示する。

次に、本発明の第２の実施の形態の動作を説明する。

上述のステップＳ１０５で、表示制御部５０の受付部５５は、クラスタリング画面８０において、分析テーブル９１の作成指示を受け付ける。

分析結果表示部５６は、クラスタリング結果をもとに、代表テキストと属性値との各組について、要素テキストの数を集計する。分析結果表示部５６は、集計結果を表す集計表を、分析テーブル９１として生成する。

図１５は、本発明の第２の実施の形態における、分析画面９０（集計表表示時）の例を示す図である。分析画面９０は、分析テーブル９１（集計表）を含む。図１５の例では、分析テーブル９１（集計表）において、代表テキストＴ９、Ｔ５、Ｔ１の各々と属性値「Ａ社」、「Ｂ社」、「Ｃ社」の各々の組について、当該代表テキストを含意し、当該属性値を有する要素テキストの数が表示されている。

例えば、分析結果表示部５６は、図７のクラスタリング結果をもとに、図１５のような分析テーブル９１を生成し、分析画面９０に表示する。

また、分析結果表示部５６は、上述の集計表に対して、さらに、調整済み標準化残差を計算したテーブルを、分析テーブル９１として生成してもよい。

図１６は、本発明の第２の実施の形態における、分析画面９０（調整済み標準化残差表示時）の例を示す図である。調整済み標準化残差テーブルでは、集計表の各セルについて、代表テキストと属性値とが独立として仮定して算出した期待値と実際の値との残差が算出され、残差が大きい場合、これらは独立していない、すなわち、相関性が高いと判断される。例えば、調整済み標準化残差の値が、＋２以上／−２以下であれば、５％の水準で、集計表の各セルの値が、有意に多い／少ないと判断される。

図１６の例では、分析テーブル９１（調整済み標準化残差テーブル）において、代表テキストＴ９、Ｔ５、Ｔ１の各々と属性値「Ａ社」、「Ｂ社」、「Ｃ社」の各々の組について、調整済み標準化残差が表示されている。そして、調整済み標準化残差の値が＋２以上のセルが強調して表示されている。

例えば、分析結果表示部５６は、図１５の集計表をもとに、図１６のような分析テーブル９１（調整済み標準化残差テーブル）を生成し、分析画面９０に表示する。

ユーザ等は、図１６の分析テーブル９１を参照し、発生数が多い概要レベルの不具合と属性値との組（「Ａ社」は「異音がする」が多く、「Ｂ社」は「警告灯が点灯した」が多く、「Ｃ社」は「エンストした」が多い）を把握できる。

なお、分析結果表示部５６は、各代表テキストと各属性値との間の関係性が算出できれば、他の方法により算出された関係性を表すテーブルを分析テーブル９１として生成してもよい。例えば、分析結果表示部５６は、調整済み標準化残差の代わりに、集計表の各セルについて、標準化残差や、単に残差を算出したテーブルを生成してもよい。また、分析結果表示部５６は、カイ二乗値や対数尤度比（log-likelihood ratio）により、各代表テキストと各属性値との間の関係性を示してもよい。

次に、本発明の第２の実施の形態の効果を説明する。

本発明の第２の実施の形態によれば、テキストのクラスタリングにおいて、観点と属性値との関係性を把握できる。その理由は、分析結果表示部５６が、要素テキストが含意する代表テキストと当該要素テキストが有する属性値の関係性を表す分析テーブル９１を生成し、表示するためである。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

以下、参考形態の例を付記する。

（付記１）
テキスト間の含意関係を抽出し、含意関係があるテキストを同じグループに分類することによりクラスタリングされた情報源と、前記情報源から、前記含意関係があるテキストの中からクラスタの代表として選択された代表テキストを複数提示して、選択を受け付ける第１の提示手段と、前記代表テキストの選択に応じて、前記情報源から、前記代表テキストを含意する要素テキストを抽出して表示する第２の提示手段と、を備える、テキスト可視化システム。

本発明は、大量文書データをクラスタリングするシステムに適用できる。例えば、本発明は、製品やサービスの改善、マーケティング、営業活動の効率化のために、コールログや顧客の意見等を分析するシステムに適用できる。また、本発明は、製品の不具合や製品に対する評価や要望を分析するシステム、学術文献等を分析するシステムにも適用できる。また、本発明は、カスタマーサポートに対する質問を分析して、ＦＡＱ（Frequently Asked Questions）を生成するシステムにも適用できる。

１ クラスタリングシステム
２ ＣＰＵ
３ 記憶デバイス
４ 通信デバイス
５ 入力デバイス
６ 出力デバイス
１０ 記憶部
２０ 含意関係抽出部
３０ クラスタリング部
５０ 表示制御部
５１ 代表テキスト表示部
５２ 要素テキスト表示部
５３ 属性情報表示部
５４ 時系列表示部
５５ 受付部
５６ 分析結果表示部
８０ クラスタリング画面
８１ 代表テキスト表示領域
８２ 要素テキスト表示領域
８３ 属性情報表示領域
８４ 時系列表示領域
９０ 分析画面
９１ 分析テーブル

Claims (9)

1. 複数の第１のテキストを表示装置に表示する第１のテキスト表示手段と、
   表示された複数の前記第１のテキストから複数の前記第１のテキストの指定を受け付ける受付手段と、
   受け付けたすべての複数の前記第１のテキストの意味を含む第２のテキストを表示装置に表示する第２のテキスト表示手段と
   を備える分析支援装置。
2. 前記受付手段は、属性値を受け付け、
   前記第２のテキスト表示手段は、受け付けた属性値を有する前記第２のテキストを表示装置に表示する
   請求項１に記載の分析支援装置。
3. 前記受付手段は、期間の指定を受け付け、
   前記第２のテキスト表示手段は、受け付けた前記期間内の日時に係る前記第２のテキストを表示装置に表示する
   請求項１または２に記載の分析支援装置。
4. 前記受付手段は、キーワードを受け付け、
   前記第２のテキスト表示手段は、受け付けた前記キーワードを含む前記第２のテキストを表示装置に表示する
   請求項１から３のいずれか１項に記載の分析支援装置。
5. 前記第２のテキストの属性値ごとの数を表示装置に表示する属性表示手段
   を備える請求項１から４のいずれか１項に記載の分析支援装置。
6. 前記第２のテキストの数を時系列で表示装置に表示する時系列表示手段
   を備える請求項１から５のいずれか１項に記載の分析支援装置。
7. 前記第１のテキストと、前記第１のテキストの意味を含む前記第２のテキストとの関係は、前記第２のテキストの内容が真であるならば前記第１のテキストの内容が真である、ことを示す
   請求項１から６のいずれか１項に記載の分析支援装置。
8. コンピュータが備えるテキスト表示手段が、複数の第１のテキストを表示装置に表示し、
   前記コンピュータが備える受付手段が、表示された複数の前記第１のテキストから複数の前記第１のテキストの指定を受け付け、
   前記コンピュータが備える第２のテキスト表示手段が、受け付けたすべての複数の前記第１のテキストの意味を含む第２のテキストを表示装置に表示する
   分析支援方法。
9. コンピュータに、
   複数の第１のテキストを表示装置に表示し、
   表示された複数の前記第１のテキストから複数の前記第１のテキストの指定を受け付け、
   受け付けたすべての複数の前記第１のテキストの意味を含む第２のテキストを表示装置に表示する
   処理を実行させるプログラム。

Images