JP2019061490A - 業務支援システムおよび業務支援方法 - Google Patents

Abstract

【課題】所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援する。【解決手段】業務支援システム１００において、所定業務に必要な情報を情報ソース中から特定する辞書であって、前記情報に対応した用語を示す検索ノードと前記用語に対して所定関係にある用語を示す目印ノードとから構成されたグラフ構造の辞書を保持する記憶装置１０１と、処理対象の文章データに対して所定の文章解析アルゴリズムを適用し、当該文章データにおいて所定特性を有する用語のノードと、前記特性を有する用語に関して前記辞書における前記所定関係と同様の関係にある用語のノードとから構成されるグラフ化文章を生成する処理と、前記辞書と前記グラフ化文章とをマッチングし、前記検索ノードおよび前記目印ノードの構成に関して前記辞書と所定の一致度を示すグラフ化文章の所定情報を所定装置２００に出力する処理と、を実行する演算装置１０４を含む構成とする。【選択図】図２

Description

本発明は、業務支援システムおよび業務支援方法に関するものであり、具体的には、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援する技術に関する。

人員など種々のリソースを様々に活用し、継続的に事業を遂行する企業にとって、当該企業に関して存在する各種情報を収集し、自身の活動に有効活用することは重要である。

そうした情報収集とその分析に関連する従来技術としては、例えば、新聞報道記事などの大量の文書データ中から自動的に企業間の相関関係を抽出することを目的とした、所定の時間情報が関連付けられた複数の文書データが蓄積された文書記憶手段と、複数の企業名が格納された企業名記憶手段と、この企業名記憶手段を参照し、文書中に複数の企業名が出現する文書データを上記文書記憶手段から抽出する手段と、抽出した各文書データの時間情報及び出現企業名を比較し、同一事象に係る複数の文書データを一対の企業の組合せ毎に関連文書データとして抽出する関連文書抽出手段と、各関連文書データからそれぞれキーワードを抽出するキーワード抽出手段と、各キーワードの存否を関連文書毎にチェックし、少なくとも２以上の関連文書中に存在しているキーワードを相関キーワードと認定する相関キーワード認定手段と、上記一対の企業名及び上記相関キーワードからなる企業相関情報を、企業相関情報記憶手段に格納する手段と、を備えたことを特徴とする企業相関情報抽出システム（特許文献１参照）などが提案されている。

特開２００９−２７１７９９号公報

上述のような情報の収集や分析が必要となる具体的事例として、例えば、株主総会における取締役、社外取締役の選任決議に関するものがある。この事例においては、議決案の投票内容に関して、アナリストが必要な情報（例：取締役、社外取締役の候補者がしかるべき役職にあった企業において発生した不祥事の情報など）を収集し、該当企業における所定基準に則った判断をくだすこととなる。

一方、上述のアナリストらは、そうした情報の収集や判断に際し、ニュースサイト等の各種情報ソースで適宜な検索を実行し、当該検索で得た情報を読み込んでその意図を判断するといった業務を繰り返し行う現状にある。

ところが、こうした業務の効率や精度は、アナリストのスキルや経験など属人的な要因に大きく影響されやすい。また、該当業務を遂行するためには、その業務量に応じた人的リソースの確保が必要であり、業務コストの増大につながりやすい傾向があった。
そこで本発明の目的は、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援する技術を提供することにある。

上記課題を解決する本発明の業務支援システムは、所定業務に必要な情報を情報ソース中から特定する辞書であって、前記情報に対応した用語を示す検索ノードと前記用語に対
して所定関係にある用語を示す目印ノードとから構成されたグラフ構造の辞書を保持する記憶装置と、処理対象の文章データに対して所定の文章解析アルゴリズムを適用し、当該文章データにおいて所定特性を有する用語のノードと、前記特性を有する用語に関して前記辞書における前記所定関係と同様の関係にある用語のノードとから構成されるグラフ化文章を生成する処理と、前記辞書と前記グラフ化文章とをマッチングし、前記検索ノードおよび前記目印ノードの構成に関して前記辞書と所定の一致度を示すグラフ化文章の所定情報を、所定装置に出力する処理と、を実行する演算装置と、を備えることを特徴とする。

また、本発明の業務支援方法は、所定業務に必要な情報を情報ソース中から特定する辞書であって、前記情報に対応した用語を示す検索ノードと前記用語に対して所定関係にある用語を示す目印ノードとから構成されたグラフ構造の辞書を保持する記憶装置を備えた情報処理システムが、処理対象の文章データに対して所定の文章解析アルゴリズムを適用し、当該文章データにおいて所定特性を有する用語のノードと、前記特性を有する用語に関して前記辞書における前記所定関係と同様の関係にある用語のノードとから構成されるグラフ化文章を生成する処理と、前記辞書と前記グラフ化文章とをマッチングし、前記検索ノードおよび前記目印ノードの構成に関して前記辞書と所定の一致度を示すグラフ化文章の所定情報を、所定装置に出力する処理と、を実行することを特徴とする。

本発明によれば、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援することが可能となる。

本実施形態の業務支援システムを含むネットワーク構成図である。 本実施形態の業務支援システムのハードウェア構成例を示す図である。 本実施形態の文章データテーブルのデータ構成例を示す図である。 本実施形態の辞書テーブルのデータ構成例を示す図である。 本実施形態のテーマ特定基準テーブルのデータ構成例を示す図である。 本実施形態の議決判断基準テーブルのデータ構成例を示す図である。 本実施形態における業務支援方法のフロー例１を示す図である。 本実施形態における業務支援方法のフロー例２を示す図である。 本実施形態における業務支援方法のフロー例３を示す図である。 本実施形態における画面例を示す図である。 本実施形態における業務支援方法のフロー例４を示す図である。 本実施形態における業務支援方法のフロー例５を示す図である 本実施形態における業務支援方法のフロー例６を示す図である。 本実施形態における業務支援方法のフロー例７を示す図である 本実施形態における業務支援方法のフロー例８を示す図である。 本実施形態における業務支援方法のフロー例９を示す図である 本実施形態における目印ノード特定の概念例を示す図である。 本実施形態における情報付与の概念例を示す図である。 本実施形態における業務支援方法のフロー例１０を示す図である。 本実施形態におけるマッチングの概念例を示す図である。 本実施形態における業務支援方法のフロー例１１を示す図である。 本実施形態におけるテーマ特定の概念例を示す図である。 本実施形態における業務支援方法のフロー例１２を示す図である。 本実施形態における議決判断の概念例を示す図である。

−−−ネットワーク構成−−−

以下に本発明の実施形態について図面を用いて詳細に説明する。図１は、本実施形態の業務支援システム１００を含むネットワーク構成図である。図１に示す業務支援システム１００は、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援するコンピュータシステムである。

本実施形態の業務支援システム１００は、企業が運営するサーバ装置を想定できる。また、その運営企業としては、一例として信託銀行を想定できる。この信託銀行における業務の一つに、その投資先企業における株主総会での議決判断が存在する。そこで本実施形態では、業務支援システム１００が当該信託銀行の該当業務に関する支援を実現するケースについて説明するものとする。

こうした業務支援システム１００は、上述のごとき運営企業の担当者が操作するユーザ端末２００と、例えば、ネットワーク１０を介して通信可能に接続されている。よって、業務支援システム１００は、当該ユーザ端末２００からの指示やデータ入力を受け、本実施形態の業務支援方法に関する処理を実行し、その処理結果を返すこととする。

勿論、業務支援システム１００がいわゆるスタンドアロンコンピュータであり、自身に備わる入力装置や出力装置を介して上述の担当者との情報授受を行うとしてもよい。

なお、上述の運営企業の例たる信託銀行の当該業務では、投資先企業の株主総会における取締役、社外取締役の選任決議に向け、所定のアナリストが、当該取締役、社外取締役の候補者がしかるべき役職にあった企業において発生した談合や粉飾決算といった不祥事の情報を収集し、当該議決案の投票内容について判断を下す。

上述のアナリストは、ニュースサイト等の適宜な情報ソースから記事などの大量の文章データを取得し、当該記事の記載内容から、事件行為（例：＊＊の入札で、＊＊社などが談合を行った）と、その行為に対する法執行（例：＊＊＊は、＊＊社に、課徴金支払いを命じた）の記述を特定し、事件行為の主体、法執行の客体、法執行の内容等を認識する必要がある。その上で、上述の議決案の投票内容について判断を下すこととなる。
本実施形態の業務支援システム１００は、こうした業務の属人性や過大な業務負担等を適宜に排除し、該当業務の効率化や精度の向上を図るものとなる。
−−−ハードウェア構成−−−

図２は、本実施形態の業務支援システム１００のハードウェア構成例を示す図である。本実施形態の業務支援システム１００のハードウェア構成は以下の如くとなる。すなわち、業務支援システム１００は、記憶装置１０１、メモリ１０３、演算装置１０４、および、通信装置１０５、を備える。

上述の構成のうち、記憶装置１０１は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やハードディスクドライブなど適宜な不揮発性記憶素子で構成される。また、メモリ１０３は、ＲＡＭなど揮発性記憶素子で構成される。

また、演算装置１０４は、上述の記憶装置１０１に保持されるプログラム１０２をメモリ１０３に読み出すなどして実行し装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵなどである。
また、通信装置１０５は、ネットワーク１０と接続してユーザ端末２００などの他装置との通信処理を担う、ネットワークインターフェイスカード等である。

なお、本実施形態における業務支援システム１００では、必須構成としていないが、上述の担当者（アナリスト等）からのキー入力や音声入力を受け付ける入力装置、および、処理データの表示を行うディスプレイ等の出力装置、を更に備えるとしてもよい。

また、上述の記憶装置１０１内には、本実施形態の業務支援システム１００として必要な機能を実装する為のプログラム１０２に加えて、文章データテーブル１２５、辞書テーブル１２６、テーマ特定基準テーブル１２７、および、議決判断基準テーブル１２８、などのテーブルが少なくとも記憶されている。上述の文章データテーブル１２５、辞書テーブル１２６、テーマ特定基準テーブル１２７、および、議決判断基準テーブル１２８、の各詳細については後述する。
−−−データ構造例−−−

続いて、本実施形態の業務支援システム１００が用いるテーブル類について説明する。図３に、本実施形態における文章データテーブル１２５のデータ構成例を示す。

本実施形態の文章データテーブル１２５は、業務支援システム１００が処理対象とする記事データなどの文章データを蓄積したテーブルである。こうした文章データは、後述する辞書生成用や、業務支援方法におけるグラフ化文章の元データ、となるもので、本実施形態では各種ニュースソースから得た記事データを例とする。

そのデータ構造は、例えば、記事を一意に特定する記事ＩＤをキーとして、当該記事の発信日時、発信元、および、当該記事データのファイル、といったデータから成るレコードの集合体である。

また図４に、本実施形態における辞書テーブル１２６のデータ構成例を示す。本実施形態の辞書テーブル１２６は、上述の議決判断等の業務に必要な情報を、例えば、文章データテーブル１２５の記事データ中から特定する辞書を蓄積したテーブルである。

この辞書は、該当業務に必要な情報（例：談合事件や粉飾決算事件に関する特徴的な情報）に対応した用語（例：違反会社、発注会社、など）を示す検索ノードと、そうした用語に対して係り受けの上流／下流など所定関係にある用語（例：談合、巡る、疑い、立ち入り検査、など）を示す目印ノードとを、その係り受け関係の方向に応じた矢印を持つエッジで接続し構成した有向グラフの構造を有している。

本実施形態の辞書テーブル１２６のデータ構造は、上述のごとき辞書を一意に特定する辞書ＩＤをキーとして、粉飾や談合といった当該辞書のテーマ、および、辞書データ、といったデータから成るレコードの集合体である。

また図５に、本実施形態におけるテーマ特定基準テーブル１２７のデータ構成例を示す。本実施形態のテーマ特定基準テーブル１２７は、業務支援方法における辞書とグラフ化文章（上述の記事データをグラフ化したもの）とのマッチング処理に際し、辞書とグラフ化文章とが一致と判定しうる一致度の基準を蓄積したテーブルである。そのデータは、「８０」などといった基準値を含むレコードから構成されている。

また図６に、本実施形態における議決判断基準テーブル１２８のデータ構成例を示す。本実施形態の議決判断基準テーブル１２８は、上述の投資先企業の株主総会における取締役、社外取締役の選任決議での投票内容について判断を行う基準の情報を、蓄積したテーブルである。

具体的には、上述のマッチング処理における辞書とグラフ化文章との一致度が、この議
決判断基準テーブル１２８の基準に達している場合に、談合や粉飾決算といった当該辞書のテーマ（事象）を踏まえた上述の選任決議での投票内容を決定する場合の基準値を格納したテーブルとなる。

そのデータ構造は、談合や粉飾決算といったテーマ名をキーとして、当該テーマに関する上述の一致度の基準値（否決投票の基準値）のデータを対応付けたレコードの集合体となっている。
−−−フロー例１−−−

以下、本実施形態における業務支援方法の実際手順について図に基づき説明する。以下で説明する業務支援方法に対応する各種動作は、業務支援システム１００がメモリ等に読み出して実行するプログラムによって実現される。そして、このプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。
図７は、本実施形態における業務支援方法のフロー例１を示す図である。ここではまず、本実施形態における業務支援方法の全体フローについて説明しておく。

この場合、業務支援システム１００は、例えば、上述のアナリストが操作するユーザ端末２００から、辞書テーブル１２６に格納すべき辞書の定義設定を受け付けて、辞書の生成を実行する（ｓ１０）。或いは、ユーザ端末２００からの指示に応じて、或いは、業務支援システム１００は、予め定めたルール（例：ランダムにファイルを選択するアルゴリズムなど）によって文章データテーブル１２５などの適宜なリソースから、辞書生成用の文章データすなわち記事データを得て、辞書学習を実行することで辞書の自動生成を行う（ｓ５０）。

続いて、業務支援システム１００は、業務支援方法の処理対象たる記事データを、文章データテーブル１２５から読み出し、これに対してグラフ化の処理を行ってグラフ化文章を生成する（ｓ６０）。この生成では、記事データが示す文章中に登場する単語間の意味関係を捉えて、「誰が⇒何を⇒誰に」といった係り受けにおける上流/下流の関係に対応
するよう、単語のノードの各間を有向エッジで接続したグラフを作成することとなる。生成したグラフ化文章は、例えば、文章データテーブル１２５に格納される。
また、業務支援システム１００は、辞書テーブル１２６の各辞書と、文章データテーブル１２５の各グラフ化文章とを、それぞれマッチングする（ｓ２０）。

続いて、業務支援システム１００は、上述のｓ２０でのマッチング処理の結果に基づき、辞書との一致が判明した各ノードに関してその一致度を集計し、これをテーマ特定基準テーブル１２７の値と照合して所定の判定を行うことで、当該記事のテーマを対応する辞書のテーマとして特定する（ｓ３０）。

また、業務支援システム１００は、ｓ３０でテーマを特定した記事に関して、辞書の対応ノードとマッチングしたノードが持つ判断スコアを集計し、その値が議決判断基準テーブル１２８の該当テーマの基準値に達している場合、談合や粉飾決算といった当該辞書のテーマ（事象）を踏まえた上述の選任決議での投票内容を決定し（ｓ４０）、これをユーザ端末２００に出力して処理を終了する。
以上が本実施形態の業務支援方法のメインフローとなる。続いて、このメインフローに含まれる各処理の詳細について説明する。
−−−フロー例２−−−
図８は、本実施形態における業務支援方法のフロー例２を示す図である。続いて、上述のフロー例１の辞書定義（ｓ１０）の詳細について説明する。

この場合、業務支援システム１００は、グラフ構造の辞書における検索ノードと目印ノ
ードの定義をユーザ端末２００から受け付ける（ｓ１０１）。このうち検索ノードは、記事の文章中よりアナリストが特定したい用語のノードである。この検索ノードの名称としては、個別名称ではなく、特定したい目的に応じた汎用的な名称（例：違反会社、など）を受け付ける。

また、目印ノードは、上述の検索ノードを特定するに当たり、同じ文章中に頻出し、かつ係り受け関係にあるなど、関連性の高い用語のノードである。この目印ワードの名称としては、個別名称（例：自主申告、など）を受け付けることとする。

なお、上述のｓ１０１で定義を受け付ける際、業務支援システム１００は、検索ノードや目印ノードに持たせる情報として、辞書テーマ、辞書ＩＤ、グループ名称、カテゴリー名称、名称、テーマ適合度、判断スコア、といった情報も受け付けるものとする。
そのうち辞書テーマは、当該辞書のテーマを指定するもので、「談合」、「粉飾決算」などを想定する。
また、辞書ＩＤは、同テーマで複数の辞書を登録する際のユニークキーであり、数値の連番を想定する。
また、グループ名称は、ノードに対してグルーピング情報（例：違反、発注、など）を指定するものを想定する。
また、カテゴリー名称は、名称に対してカテゴリー（例：人名、企業名、など）を指定するものを想定する。
また、名称は、項目の名称（例：違反会社、自主申告、など）を想定する。
また、テーマ適合度は、当該辞書のテーマに該当するか否かのスコア（例：０、−１００、１００、など）を想定する。
また、判断スコアは、議決判断をするためのスコア（例：０、−１００、１００、など）を想定する。

続いて、業務支援システム１００は、上述のｓ１０１で定義を受け付けた検索ノードと目印ノードとの間の関係性の定義を、ユーザ端末２００から受け付ける（ｓ１０２）。

なお、このｓ１０２でユーザ端末２００から受け付ける関係性のうち、ノード間の方向性の定義は、対象となる検索ノードおよび目印ノードの各用語間の関係性、意味を踏まえた、「誰が何を誰に」の上流／下流の関係に応じた方向性の指定を受け付けるものとする。例えば、「“発注会社”が“違反会社”に“発注”」といった文において、検索ノードの「違反会社」に対して「発注会社」は係り受け関係の上流に位置し、方向性としては「発注会社」→「違反会社」となる。また、ノード間の関係性としては、「“公正取引委員会”が“談合”に関して“立ち入り検査”を行った結果、“違反会社”は“自主申告”した」といった文であれば、検索ノードの「違反会社」の上流に、目印ノードの「立ち入り検査」、「談合」、らがシリアルに接続された関係が定義として指定されることとなる。また、或る検索ノードに対して、複数の目印ノードが係り受け関係上の上流から結びついている場合、当該検索ノードの上流には複数の目印ノードが並列接続されている関係が定義として指定されることとなる。

続いて、業務支援システム１００は、ここまでの各処理で得た検索ノードおよび目印ノードの各定義と、それらの各間の関係性の定義とに基づき、検索ノードと目印ノードとを該当関係に応じた有向エッジで接続して、グラフ構造の辞書を生成し（ｓ１０３）、これを辞書テーブル１２６に格納して処理を終了する。
−−−フロー例３−−−
図９は、本実施形態における業務支援方法のフロー例３を示す図である。続いて、上述のフロー例１の辞書学習（ｓ５０）の詳細について説明する。

この場合、業務支援システム１００は、例えば、辞書生成用の記事データについて、アナリストが操作するユーザ端末２００から指定を受け、該当記事データに対するグラフ化の処理を実行する（ｓ５０１）。このグラフ化の処理は、図１４に基づき後述するフローと同様のアルゴリズムで実行するものとする。

また、業務支援システム１００は、ｓ５０１でグラフ化した記事データ中において、検索ノードの指定をユーザ端末２００から受け付ける（ｓ５０２）。この場合、業務支援システム１００は、図１０に例示する画面５５０を、ユーザ端末２００に配信し、当該画面５５０のインターフェイスを介して、検索ノードの指定を受け付ける。

この画面５５０は、該当記事の文章を閲覧させる記事表示欄５５１、当該記事の文章中から特定したノード（検索ノードや目印ノードとなりうるもの）の情報を表示するノード情報表示欄５５２、を含んでいる。

このうちノード情報表示欄５５２は、各ノードのＩＤ、時間、修飾、組織、名詞、といったカテゴリーと、当該ノードに対応する用語（記事中に登場する語彙）の個別名称とが表示される。アナリストは、ユーザ端末２００を操作して、このノード情報表示欄５５２の情報を閲覧し、検索ノードとして指定したいノードの正解値欄５５３に、当該検索ノードの名称（例：違反会社）を入力ないし指定し、登録ボタン５５４を押下し、検索ノードの指定をする。

また、業務支援システム１００は、上述のｓ５０２で受け付けた検索ノードが存在する記事において、他のノードと検索ノードとの間の係り受け関係を踏まえた方向性、該当関係の頻出度に基づき、辞書候補を生成する（ｓ５０３）。この処理の詳細については図１１にて後述する。

また、業務支援システム１００は、ｓ５０３で生成した辞書候補それぞれについて、ｓ５０１で得ている記事データとのマッチングを実施する（ｓ５０４）。このマッチングの処理については、図１７におけるグラフマッチングのフローと同様であり、ここでは説明を省略する。

また、業務支援システム１００は、検索ノードの特定率、誤り率などから辞書候補それぞれの評価を行う（ｓ５０５）。この処理の詳細については、図１２にて後述するものとする。

また、業務支援システム１００は、上述のｓ５０３における辞書候補の生成時に用いた頻出度の基準を下げ、辞書登録するノード数を増加させて、ｓ５０３〜ｓ５０５をあらためて実行し、前回生成した辞書候補からｓ５０５での評価結果に変化がなくなった場合、当該辞書候補を辞書として確定し、これを辞書テーブル１２６に格納し（ｓ５０６）、処理を終了する。
−−−フロー例４−−−
図１１は、本実施形態における業務支援方法のフロー例４を示す図である。続いて、上述のフロー例３の辞書候補生成（ｓ５０３）の詳細について説明する。

この場合、業務支援システム１００は、上述のｓ５０２で受け付けた検索ノードと他のノードとの間の係り受け関係が示す方向性、の頻出度から辞書候補のノードを選定する（ｓ５０３１）。

例えば、所定の検索ノードに対し、係り受け関係にあるノードが、対象となる各記事にて“ノードＡ”〜“ノードＣ”の３つ特定できたとする。この場合、業務支援システム１
００は、その３つのノードそれぞれについて、検索ノードとの係り受け関係の上流と下流のいずれの方向性に存在するかカウントし、該当ノードそれぞれの頻出度を方向性ごとに算定する。そして、その３つのノードのうち、検索ノードとの係り受け関係における方向性の観点を踏まえた頻出度が所定の基準以上であったものを、辞書候補のノード（例：検索ノードの上流に相応の高頻度で出現するノードＡと、検索ノードの下流に相応の高頻度で出現するノードＣ）として抽出する。

また、業務支援システム１００は、ｓ５０３１で選定した辞書候補のノードと、上述の検索ノードとの関係性をパターン化し、これを辞書候補として生成し（ｓ５０３２）、処理を終了する。例えば、或る検索ノードに対して、辞書候補の“ノードＡ”が上流から接続するパターン、上述の検索ノードに対して、辞書候補の“ノードＣ”が下流から接続するパターン２、といったものや、上述の検索ノードに対して、辞書候補の“ノードＡ”および辞書候補の“ノードＣ”が、上流から接続するパターン３、上述の検索ノードに対して、辞書候補の“ノードＡ”または辞書候補の“ノードＣ”が、上流から接続するパターン４、などといったパターン化が想定できる。
−−−フロー例５−−−
図１２は、本実施形態における業務支援方法のフロー例５を示す図である。続いて、上述のフロー例３の辞書評価（ｓ５０５）の詳細について説明する。

この場合、業務支援システム１００は、ｓ５０４でのマッチング結果から評価数値を算出する（ｓ５０５１）。この評価数値とは、文章毎の正解率（正しく正解値すなわち検索ノードを抽出できた率）と、文章毎の誤り率（誤った検索ノードを抽出した率）、を想定する。

また、業務支援システム１００は、上述のｓ５０５１で得た正解率および誤り率に基づき、辞書候補を評価して、最も精度の高い辞書候補を選定し（ｓ５０５２）、処理を終了する。この場合の評価の優先順位は、 正解率の中央値が高い辞書＞ 誤り率の中央値が低い辞書＞正解率の平均値が高い辞書＞誤り率の平均値が低い辞書＞ノード数が少ない辞書、となる。
−−−フロー例６−−−
図１３は、本実施形態における業務支援方法のフロー例６を示す図である。続いて、上述のフロー例３の終了判断（ｓ５０６）の詳細について説明する。

この場合、業務支援システム１００は、頻出度の基準値を変動させることで、記事中から抽出する用語すなわちノードの数を変動（基準値を下げれば数は増加し、上げれば減少する）させ、辞書候補生成（ｓ５０３）を再度実行する（ｓ５０６１）。

また、業務支援システム１００は、ｓ５０６１で生成した辞書候補と、直近で生成している辞書候補（前回基準辞書）とを、その辞書評価（ｓ５０５）の結果に関して比較し（ｓ５０６２）、両者の間で精度が変わらない結果となれば、辞書候補の再生成を終了し、該当辞書候補を辞書として辞書テーブル１２６に格納し、処理を終了する。
−−−フロー例７−−−
図１４は、本実施形態における業務支援方法のフロー例７を示す図である。続いて、上述のフロー例１の文章グラフ化（ｓ６０）の詳細について説明する。

この場合、業務支援システム１００は、例えば、ユーザ端末２００から処理対象の文章データとして指示された記事に対し、句読点ごとに一文を切り離す、文章分解の処理を実行する（ｓ６０１）。また、業務支援システム１００は、ｓ６０１で得た各一文に対して、形態素解析のアルゴリズムなど既存技術を適用して単語に分解する処理を実行する（ｓ６０２）。

また、業務支援システム１００は、ｓ６０２で得た各単語の間の関係性について、係り受け解析のアルゴリズムを適用して、単語間それぞれに関して係り受け関係を特定する（ｓ６０３）。上述のような文章分解、単語分解、係り受け解析、といった文章処理に関する技術は既存のものを適宜に採用すればよい。そのため詳細説明は省略する。

また、業務支援システム１００は、ｓ６０３で得ている単語と単語間の関係性とに基づいて、単語間の方向性、すなわち係り受け関係の上流／下流の関係を特定する（ｓ６０４）。

また、業務支援システム１００は、上述の記事に関してここまでで得ている一文それぞれの単語をノードとし、当該ノードの間を、上述のｓ６０４で特定した方向性に応じた有向エッジで接続することで、上述の１または複数の一文に出現する単語（用語）と、各一文で当該単語と係り受け関係を持って出現する他の単語との関係を、当該記事に関して統合したグラフ構造を生成し（ｓ６０５）、当該グラフ構造の記事、すなわちグラフ化文章を文章データテーブル１２５に格納する。
−−−フロー例８−−−
図１５は、本実施形態における業務支援方法のフロー例８を示す図である。続いて、上述のフロー例７の方向付け（ｓ６０４）の詳細について説明する。

この場合、業務支援システム１００は、上述のようにｓ６０３で得ている単語と単語間の関係性とに基づいて、単語間の方向性、すなわち係り受け関係の上流／下流の関係を特定するに際し、いわゆる受動態にあたる関係性を持つ単語間については、その方向性すなわち上流／下流を反転（逆向きの有向エッジを採用）させる（ｓ６０４２）。受動態の表現としては、例えば、“ＡにＢ（動詞）”、“ＣからＤを受けた”等が想定できる。

続いて、業務支援システム１００は、大小、包含関係はあるものの、同じ集合体とみなせる単語間については、双方向（両矢印の有向エッジ）の方向付けを行う。例えば、“ＡとＢ”、“ＡにＢを加える”、“Ａの内訳にＢが含まれる”等の表現は、“Ａ”と“Ｂ”とが係り受け関係上の上流／下流のいずれかの立場には無く、同列か包含関係にある。

こうした双方向の関係性について考慮することで、グラフマッチングの際に、該当ノードに関して検証する際、上流／下流に関係無く、検索ノードと目印ノードとの接続関係を辿ることが可能となる。
−−−フロー例９−−−
図１６は、本実施形態における業務支援方法のフロー例９を示す図である。続いて、上述のフロー例１のグラフマッチング（ｓ２０）の詳細について説明する。

この場合、業務支援システム１００は、図１７の概念例で示すように、処理対象とした辞書（グラフ構造の辞書）上で、検索ノードに対する目印ノードを特定し、当該ノード間の方向性（上流／下流。双方向の概念含む）の情報を抽出する（ｓ２０１）。

また、業務支援システム１００は、処理対象とする記事すなわちグラフ化文章にて、上述のｓ２０１で得た目印ノードを検索し、同じくｓ２０１で特定した方向性の示す方向にむかって、上述の目印ノードとカテゴリー名称が一致するノードを探索（例：目印ノードから有向エッジの向きにそって辿れる下流のノードの企業名称を探索）する（ｓ２０２）。

また、業務支援システム１００は、ｓ２０２で探索に成功したノードに対して、処理対象とした辞書上の該当ノードすなわち検索ノードが保有する情報を付与する（ｓ２０３）
。この情報付与は、図１８の概念例にて示すように、辞書１２６１の検索ノード１３００が保持する、カテゴリー：企業名、名称：違反会社、適合度：１００、および、判断スコア：５０、といった情報を、グラフ化文章１２５１の該当ノード１３１０にコピーする処理となる。
−−−フロー例１０−−−

図１９は、本実施形態における業務支援方法のフロー例１０を示す図であり、図２０は、その概念例を示す図である。続いて、上述のフロー例１０の文章マッチング（ｓ２０２）の詳細について説明する。

この場合、業務支援システム１００は、グラフ化文章上で目印ノードを探索し、目印ノードが存在した場合（図２０の例では、目印ノード“Ａ”〜“Ｅ”）、先に抽出した方向性の示す係り受け関係上の方向に、辞書の検索ノード（例：検索ノード“Ｘ”）とカテゴリー（例：企業名や人名など）が一致するノード、すなわちグラフ化文章において、辞書の持つものと同じ係り受け関係を、目印ワードと持つ検索ノード（図２０の例では、ノード“Ｚ”）、を探索する（ｓ２０２１）。この処理は、グラフ化文章上で検索ノードが特定されなくなるまで実行するものとする。

なお、業務支援システム１００は、このｓ２０２１の処理において、目印ノードから係り受け関係に沿って検索ノードを探索する際、１）他の検索ノードの目印ノードにぶつかった場合は探索中止、２）上述の係り受け関係上の方向と一致しない向きの有向エッジに至った場合は探索中止、といった条件を踏まえつつ、探索を継続することで、グラフ化文章のノード間の接続を辿る上で、途中に入りうる無関係（目的の検索ノードとは無関係の雑音）の用語は無視する。
−−−フロー例１１−−−

図２１は、本実施形態における業務支援方法のフロー例１１を示す図であり、図２２はその概念例を示す図である。続いて、上述のフロー例１のテーマ特定（ｓ３０）の詳細について説明する。

この場合、業務支援システム１００は、上述のグラフマッチングによって、辞書における検索ノードおよび目印ノードの存在とその関係性に関して一致した、グラフ化文章における該当ノードそれぞれ、が保有する適合度の値を集計する（ｓ３０１）。この適合度は、図１８等で概念を例示した情報付与の処理で辞書の該当ノードから付与された値である。

図２２の例であれば、「辞書１」とのグラフマッチングで特定された各ノードの適合度の値が、「−１００」、「９０」、「１０」、であったので、これらの集計値は「０」、同様に、「辞書２」とのグラフマッチングで特定された各ノードの適合度の値が、「８０」、「１０」、であったので、これらの集計値は「９０」、同様に、「辞書３」とのグラフマッチングで特定された各ノードの適合度の値が、「−３０」、「４０」、「２０」、「−２０」、であったので、これらの集計値は「１０」、などとなる。

また、業務支援システム１００は、ｓ３０１で得た適合度の集計値を、テーマ特定基準テーブル１２７で規定している基準値（例：８０）と比較し、当該集計値が当該基準値を超えているか判定する（ｓ３０２）。この判定により、いずれかの辞書とのグラフマッチング結果たる集計値が基準値を超えていることが特定できた場合、業務支援システム１００は、上述のグラフ化文章は当該辞書のテーマ（例：談合）に適合していると特定し、当該テーマの情報を、ユーザ端末２００に返すこととする。
−−−フロー例１２−−−

図２３は、本実施形態における業務支援方法のフロー例１２を示す図であり、図２４はその概念例を示す図である。続いて、上述のフロー例１の議決判断決定（ｓ４０）の詳細について説明する。

この場合、業務支援システム１００は、上述のグラフマッチングで特定した各ノードの判断スコアの値を、当該グラフマッチングの対象辞書のテーマごとに集計する（ｓ４０１）。例えば、テーマが「粉飾決算」である各辞書とのグラフマッチングで、或るグラフ化文章の記事に関して特定したノードそれぞれの判断スコアの値が、「１０」、「３０」であった場合、これを集計することで、テーマ「粉飾決算」に関して判断スコアの集計値「４０」を得ることとなる。

続いて、業務支援システム１００は、ｓ４０１で得た判断スコアの集計値を、議決判断基準テーブル１２８における該当テーマの基準値（例：３０）と照合し、当該集計値が当該基準値を超えていた場合、株主総会での議決判断の結果として、「否決」の情報を生成し、これをユーザ端末２００に返す（ｓ４０２）。

以上、本発明を実施するための最良の形態などについて具体的に説明したが、本発明はこれに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。
こうした本実施形態によれば、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援することが可能となる。

本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の業務支援システムにおいて、前記演算装置は、グラフ化文章の生成に際し、処理対象の文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記グラフ化文章を生成するものである、としてもよい。

これによれば、一文ごとの係り受け関係に基づいたノードとその接続を構成することができるため、全文に関して係り受け解析を行うケースにくらべて、不要な係り受け関係を排除しやすくなる。また、各文の係り受け関係をそれぞれ統合して各ノードの接続に反映させることが可能となるため、グラフ構造におけるノード間の関係性の定義精度が良好なものとなりやすい。ひいては、所定業務に必要な更に精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援することが可能となる。

また、本実施形態の業務支援システムにおいて、前記演算装置は、前記マッチングに際し、前記検索ノードの用語と同じ属性のノードに対し、係り受けの関係において直接ないし間接に接続された所定ノードが存在し、前記同じ属性のノードと前記所定ノードとの係り受けの関係が、前記辞書における前記検索ノードと目印ノードとの関係と一致し、かつ、前記一致の程度が所定基準以上であるグラフ化文章を特定するものである、としてもよい。

これによれば、目的とする情報すなわち検索ノードに対応するノードを、周辺の目印ノードとの係り受け関係に基づいてグラフ化文章中から効率良く特定することとなり、ひいては、所定業務に必要な更に精度良好な情報をより効率良く特定し、当該業務の遂行を効果的に支援することが可能となる。

また、本実施形態の業務支援システムにおいて、前記演算装置は、辞書生成用の所定文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解
析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記辞書生成用の文書データをグラフ化する処理と、前記グラフ化した文書データにおける各ノードのうち、前記検索ノードのユーザ指定を所定装置から受け付け、当該検索ノードに接続された所定ノードのうち所定の頻出度を示す目印ノードを特定し、前記検索ノードと前記目印ノードとの組み合わせパターン別に辞書候補を生成する処理と、前記辞書候補それぞれと所定文章データのグラフ化文章との各間について前記マッチングを実行し、当該マッチングで前記係り受けに関して一致をみた検索ノードが、前記ユーザ指定を受けた検索ノードとなった正解率を判定し、当該正解率が所定基準を示す辞書候補を前記グラフ構造の辞書として記憶装置に格納する処理と、を更に実行するものである、としてもよい。

これによれば、必要な情報を精度良く特定する辞書を効率良く生成し、辞書定義にかかるユーザ負担を軽減することも可能となる。ひいては、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を効果的に支援することが可能となる。

また、本実施形態の業務支援システムにおいて、前記演算装置は、前記グラフ化文章の所定情報を出力するに際し、当該グラフ化文章と所定の一致度であった前記辞書に紐付く情報であって、前記所定業務の遂行に際して所定の判断を要する事象の情報を出力するものである、としてもよい。

これによれば、株主総会における議決判断等に重要な影響を及ぼす「談合」、「粉飾決算」などといった事象について、アナリスト等のユーザに提示可能となる。ひいては、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を更に効果的に支援することが可能となる。

また、本実施形態の業務支援システムにおいて、前記演算装置は、前記一致度に応じた所定値が、前記事象に関して予め定めた基準値と所定の関係にあるか判定し、当該判定の結果、前記所定値が前記基準値と所定の関係にある場合、前記所定業務に関して所定の判断結果を生成し、当該判断結果を所定装置に出力する処理を更に実行するものである、としてもよい。

これによれば、株主総会における議決判断等のための情報、すなわち、役員候補者の前勤務先企業にて発生した談合事件や粉飾決算事件等の内容に応じて、当該役員候補者の選任可否について有用な情報を提示可能となる。 ひいては、所定業務に必要な精度良好な情報を効率良く特定し、当該業務の遂行を更に効果的に支援することが可能となる。

また、本実施形態の業務支援方法において、 前記情報処理システムが、グラフ化文章の生成に際し、処理対象の文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記グラフ化文章を生成する、としてもよい。

また、本実施形態の業務支援方法において、前記情報処理システムが、前記マッチングに際し、前記検索ノードの用語と同じ属性のノードに対し、係り受けの関係において直接ないし間接に接続された所定ノードが存在し、前記同じ属性のノードと前記所定ノードとの係り受けの関係が、前記辞書における前記検索ノードと目印ノードとの関係と一致し、かつ、前記一致の程度が所定基準以上であるグラフ化文章を特定する、としてもよい。

また、本実施形態の業務支援方法において、前記情報処理システムが、辞書生成用の所定文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所
定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記辞書生成用の文書データをグラフ化する処理と、前記グラフ化した文書データにおける各ノードのうち、前記検索ノードのユーザ指定を所定装置から受け付け、当該検索ノードに接続された所定ノードのうち所定の頻出度を示す目印ノードを特定し、前記検索ノードと前記目印ノードとの組み合わせパターン別に辞書候補を生成する処理と、前記辞書候補それぞれと所定文章データのグラフ化文章との各間について前記マッチングを実行し、当該マッチングで前記係り受けに関して一致をみた検索ノードが、前記ユーザ指定を受けた検索ノードとなった正解率を判定し、当該正解率が所定基準を示す辞書候補を前記グラフ構造の辞書として記憶装置に格納する処理と、を更に実行するとしてもよい。

また、本実施形態の業務支援方法において、前記情報処理システムが、前記グラフ化文章の所定情報を出力するに際し、当該グラフ化文章と所定の一致度であった前記辞書に紐付く情報であって、前記所定業務の遂行に際して所定の判断を要する事象の情報を出力する、としてもよい。

また、本実施形態の業務支援方法において、前記情報処理システムが、前記一致度に応じた所定値が、前記事象に関して予め定めた基準値と所定の関係にあるか判定し、当該判定の結果、前記所定値が前記基準値と所定の関係にある場合、前記所定業務に関して所定の判断結果を生成し、当該判断結果を所定装置に出力する処理を更に実行する、としてもよい。

１０ ネットワーク
１００ 業務支援システム
１０１ 記憶装置
１０２ プログラム
１０３ メモリ
１０４ 演算装置
１０５ 通信装置
１２５ 文章データテーブル
１２６ 辞書テーブル
１２７ テーマ特定基準テーブル
１２８ 議決判断基準テーブル
２００ ユーザ端末

Claims (12)

1. 所定業務に必要な情報を情報ソース中から特定する辞書であって、前記情報に対応した用語を示す検索ノードと前記用語に対して所定関係にある用語を示す目印ノードとから構成されたグラフ構造の辞書を保持する記憶装置と、
   処理対象の文章データに対して所定の文章解析アルゴリズムを適用し、当該文章データにおいて所定特性を有する用語のノードと、前記特性を有する用語に関して前記辞書における前記所定関係と同様の関係にある用語のノードとから構成されるグラフ化文章を生成する処理と、前記辞書と前記グラフ化文章とをマッチングし、前記検索ノードおよび前記目印ノードの構成に関して前記辞書と所定の一致度を示すグラフ化文章の所定情報を、所定装置に出力する処理と、を実行する演算装置と、
   を備えることを特徴とする業務支援システム。
2. 前記演算装置は、
   グラフ化文章の生成に際し、処理対象の文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記グラフ化文章を生成するものである、
   ことを特徴とする請求項１に記載の業務支援システム。
3. 前記演算装置は、
   前記マッチングに際し、前記検索ノードの用語と同じ属性のノードに対し、係り受けの関係において直接ないし間接に接続された所定ノードが存在し、前記同じ属性のノードと前記所定ノードとの係り受けの関係が、前記辞書における前記検索ノードと目印ノードとの関係と一致し、かつ、前記一致の程度が所定基準以上であるグラフ化文章を特定するものである、
   ことを特徴とする請求項２に記載の業務支援システム。
4. 前記演算装置は、
   辞書生成用の所定文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記辞書生成用の文書データをグラフ化する処理と、
   前記グラフ化した文書データにおける各ノードのうち、前記検索ノードのユーザ指定を所定装置から受け付け、当該検索ノードに接続された所定ノードのうち所定の頻出度を示す目印ノードを特定し、前記検索ノードと前記目印ノードとの組み合わせパターン別に辞書候補を生成する処理と、
   前記辞書候補それぞれと所定文章データのグラフ化文章との各間について前記マッチングを実行し、当該マッチングで前記係り受けに関して一致をみた検索ノードが、前記ユーザ指定を受けた検索ノードとなった正解率を判定し、当該正解率が所定基準を示す辞書候補を前記グラフ構造の辞書として記憶装置に格納する処理と、
   を更に実行するものである、
   ことを特徴とする請求項３に記載の業務支援システム。
5. 前記演算装置は、
   前記グラフ化文章の所定情報を出力するに際し、当該グラフ化文章と所定の一致度であった前記辞書に紐付く情報であって、前記所定業務の遂行に際して所定の判断を要する事象の情報を出力するものである、
   ことを特徴とする請求項１に記載の業務支援システム。
6. 前記演算装置は、
   前記一致度に応じた所定値が、前記事象に関して予め定めた基準値と所定の関係にあるか判定し、当該判定の結果、前記所定値が前記基準値と所定の関係にある場合、前記所定業務に関して所定の判断結果を生成し、当該判断結果を所定装置に出力する処理を更に実行するものである、
   ことを特徴とする請求項５に記載の業務支援システム。
7. 所定業務に必要な情報を情報ソース中から特定する辞書であって、前記情報に対応した用語を示す検索ノードと前記用語に対して所定関係にある用語を示す目印ノードとから構成されたグラフ構造の辞書を保持する記憶装置を備えた情報処理システムが、
   処理対象の文章データに対して所定の文章解析アルゴリズムを適用し、当該文章データにおいて所定特性を有する用語のノードと、前記特性を有する用語に関して前記辞書における前記所定関係と同様の関係にある用語のノードとから構成されるグラフ化文章を生成する処理と、
   前記辞書と前記グラフ化文章とをマッチングし、前記検索ノードおよび前記目印ノードの構成に関して前記辞書と所定の一致度を示すグラフ化文章の所定情報を、所定装置に出力する処理と、
   を実行することを特徴とする業務支援方法。
8. 前記情報処理システムが、
   グラフ化文章の生成に際し、処理対象の文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記グラフ化文章を生成する、
   ことを特徴とする請求項７に記載の業務支援方法。
9. 前記情報処理システムが、
   前記マッチングに際し、前記検索ノードの用語と同じ属性のノードに対し、係り受けの関係において直接ないし間接に接続された所定ノードが存在し、前記同じ属性のノードと前記所定ノードとの係り受けの関係が、前記辞書における前記検索ノードと目印ノードとの関係と一致し、かつ、前記一致の程度が所定基準以上であるグラフ化文章を特定する、
   ことを特徴とする請求項８に記載の業務支援方法。
10. 前記情報処理システムが、
    辞書生成用の所定文章データを一文ごとに単語分解して、当該一文における単語の間の係り受け関係の所定解析を各文ごとに実行し、前記文章データにおける各文が含む単語それぞれをノードとして前記係り受け関係で当該ノードの各間を接続することで、前記辞書生成用の文書データをグラフ化する処理と、
    前記グラフ化した文書データにおける各ノードのうち、前記検索ノードのユーザ指定を所定装置から受け付け、当該検索ノードに接続された所定ノードのうち所定の頻出度を示す目印ノードを特定し、前記検索ノードと前記目印ノードとの組み合わせパターン別に辞書候補を生成する処理と、
    前記辞書候補それぞれと所定文章データのグラフ化文章との各間について前記マッチングを実行し、当該マッチングで前記係り受けに関して一致をみた検索ノードが、前記ユーザ指定を受けた検索ノードとなった正解率を判定し、当該正解率が所定基準を示す辞書候補を前記グラフ構造の辞書として記憶装置に格納する処理と、
    を更に実行することを特徴とする請求項９に記載の業務支援方法。
11. 前記情報処理システムが、
    前記グラフ化文章の所定情報を出力するに際し、当該グラフ化文章と所定の一致度であ
    った前記辞書に紐付く情報であって、前記所定業務の遂行に際して所定の判断を要する事象の情報を出力する、
    ことを特徴とする請求項７に記載の業務支援方法。
12. 前記情報処理システムが、
    前記一致度に応じた所定値が、前記事象に関して予め定めた基準値と所定の関係にあるか判定し、当該判定の結果、前記所定値が前記基準値と所定の関係にある場合、前記所定業務に関して所定の判断結果を生成し、当該判断結果を所定装置に出力する処理を更に実行する、
    ことを特徴とする請求項１１に記載の業務支援方法。

Images