JP2020067864A - 知識検索装置、知識検索方法、および、知識検索プログラム - Google Patents

Abstract

【課題】文書集合から知識を検索する精度を向上可能にした知識検索装置、知識検索方法、および、知識検索プログラムを提供する。【解決手段】知識検索装置１０は、利用者から検索要求２０Ｑを受け付けると共に、受け付けた検索要求２０Ｑを提出した利用者に関する利用者情報２０Ｄを取得する。そして、知識検索装置は、受け付けた検索要求２０Ｑと、取得した利用者情報２０Ｄとを機械学習モデルの入力に含めて、当該入力に含まれる検索要求２０Ｑの内容に適合した知識を集合１３Ｇから機械学習モデルに出力させて、出力された知識を用いた回答１０Ａを利用者に提供する。【選択図】図１

Description

本発明は、組織が保有する電子文書の集合から知識を検索する知識検索装置、知識検索方法、および、知識検索プログラムに関する。

電子文書は、特定の構造を有した構造化データと、特定の構造を有しない非構造化データとに分類される。構造に制約を受けない非構造化データは、例えば、商品マニュアルなどの説明書や、電子メールなどの通信文書であって、曖昧な意味を含む自然言語で記述されやすい。企業などの組織が保有する電子文書の数は、非構造化データを作成するためのアプリケーションの増加に伴って急増している。電子文書の集合から知識を得るための検索技術は、急増する電子文書の有効的な活用を実現し、それによって、組織活動の大幅な効率化を達成し得る。

文書集合から知識を検索する技術の一つの例は、特許文献１に記載のように、構造化データの集合から知識を検索する。特許文献１に記載の技術は、知識に属する単一のフレーズが複数の条件フレーズを備え、複数の条件フレーズ間がＡＮＤ条件であるか、あるいは、ＯＲ条件であるかを考慮して、条件フレーズ間の意味内容の関連度合いを特徴量として用いる。そして、条件候補フレーズの組み合わせから得られた特徴量を用いて、条件フレーズの候補の組み合わせの中に条件関係が存在するか否かが推定される。

文書集合から知識を検索する技術の他の例は、特許文献２に記載のように、構造化データ、および、非構造化データの集合から知識を検索する。特許文献２に記載の技術は、二の情報と、当該二の情報のうちの一の情報と他の情報との関係と、を含む情報を元とし、その集合をモノイドとして機能させるデータ構造を保持する。そして、情報間の関係を新たに定義することなく、既に定義された関係のみを用いて、非構造化データを含む集合の中から構造化した知識を検索する。

特開２０１８−０１３９９８号公報 特開２０１８−０６０４０６号公報

一方、企業が保有する説明書や電子メールでは、相互に異なる単語が相互に類似した意味に置き換えられやすく、また、相互に類似した単語が相互に異なる意味で用いられやすい。他方、知識検索装置の利用者は、企業内での単語の置き換えや正確な意味の区別などを知り得がたい。また、知識検索装置の利用者は、企業内で専ら用いられる単語に限らず、企業外で用いられる数多くの呼称や略語なども用いる。結果として、キーワードを用いた単語の一致、あるいは、特徴量を用いた単語の推定では、利用者が求める知識を利用者が得られ難いのが実情である。また、利用者が求める知識と、知識検索装置が出力する知識との間に大きな乖離が生じる結果、利用者が求める知識を得るまでに、多大な時間を要しているのが実情である。

例えば、保険商品の商品企画部署では、「特約」と「特則」とが相互に類似した意味に置き換えられやすい。一方、保険商品の契約予定者は、新たに企画された保険商品において「特約」と「特則」とが類似した意味に置き換えられていることを知り得がたく、そのため、契約予定者が求める知識をキーワードの一致によって得がたいのが実情である。

例えば、会員カードのシステム管理部署では、「仮発行」と「即日発行」とが明確に異なる意味に用いられる。一方、会員カードの利用者は、「仮発行」と「即日発行」との差異を明確に区別し難く、そのため、利用者が求める知識と、知識検索装置が出力する知識との間に大きな乖離が生じやすいのが実情である。

なお、上述した検索精度に関わる課題は、企業が保有する電子文書の集合から知識を検索する技術に限らず、国や地方の行政機関を含め、特定の目的を達成するための集合体である組織が保有する電子文書の集合から知識を検索する技術に共通する。

本発明は、文書集合から知識を検索する精度を向上可能にした知識検索装置、知識検索方法、および、知識検索プログラムを提供することを目的とする。

上記課題を解決するための知識検索装置は、組織が保有する電子文書の集合を記憶した記憶部を備え、利用者の検索要求の内容に適合した知識を前記集合から検索する知識検索装置である。この知識検索装置は、前記利用者から前記検索要求を受け付ける質問受付部と、前記質問受付部が受け付けた前記検索要求の提出元である前記利用者に関する利用者情報を取得する利用者情報取得部と、前記検索要求と、当該検索要求を提出した前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを備え、前記質問受付部が受け付けた前記検索要求と、前記利用者情報取得部が取得した前記利用者情報とを前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させる検索処理部と、前記検索処理部が出力した知識を用いて前記質問受付部が受け付けた前記検索要求の回答を前記利用者に提供する回答処理部と、を備える。

上記課題を解決するための知識検索方法は、組織が保有する電子文書の集合を記憶した記憶部を用い、利用者の検索要求の内容に適合した知識を前記集合から検索する知識検索方法である。この知識検索方法は、前記利用者から前記検索要求を受け付けることと、前記利用者に関する利用者情報を取得することと、前記検索要求と、当該検索要求の提出元である前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを用い、受け付けられた前記検索要求と、当該検索要求を提出した前記利用者の前記利用者情報とを前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させることと、前記機械学習モデルが出力した知識を用いて、受け付けられた前記検索要求の回答を前記利用者に提供することと、を含む。

上記課題を解決するための知識検索プログラムは、組織が保有する電子文書の集合を記憶した記憶部を備えた知識検索装置に、利用者の検索要求の内容に適合した知識を前記集合から検索させる知識検索システムである。この知識検索プログラムは、前記知識検索装置を、前記利用者から前記検索要求を受け付ける質問受付部と、前記質問受付部が受け付けた前記検索要求の提出元である前記利用者に関する利用者情報を取得する利用者情報取得部と、前記検索要求と、当該検索要求を提出した前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを備え、前記質問受付部が受け付けた前記検索要求と、前記利用者情報取得部が取得した前記利用者情報と、を前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させる検索処理部と、前記検索処理部が出力した知識を用いて前記質問受付部が受け付けた検索要求の回答を前記利用者に提供する回答処理部として機能させる。

上記知識検索装置において、前記利用者情報取得部は、前記回答処理部が提供した前記回答に対する当該回答を提供された前記利用者の反応を取得し、当該利用者の反応を当該利用者に関する前記利用者情報に含めてもよい。

上記知識検索装置において、前記利用者情報は、前記組織の構造と当該構造の中での前記利用者の位置付けとを含めてもよい。
上記知識検索装置において、前記検索処理部は、前記検索要求の内容に適合した複数の前記知識に対して順位付けを行い、前記回答処理部は、順位付けされた各知識を用いて前記回答を提供し、前記利用者情報取得部は、前記回答処理部が提供した各知識のなかから前記利用者が選択した前記知識に関する情報を取得し、当該知識を提供された前記利用者の前記利用者情報に、当該利用者が選択した前記知識の情報を含めてもよい。

上記知識検索装置において、前記機械学習モデルは、前記検索要求に出現する単語と、当該検索要求の部分文字列とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習したモデルであり、前記検索処理部は、前記検索要求に出現する単語と、当該検索要求の部分文字列とを入力に含めて当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力してもよい。

上記知識検索装置において、前記検索処理部は、前記検索要求の内容に適合した複数の前記知識に対して前記検索要求に適合している確からしさを算出し、前記回答処理部は、前記検索処理部が出力する各知識のなかで前記確からしさが最も高い知識の確からしさが所定値以上である場合に、前記確からしさが最も高い知識を用いて前記回答を生成し、前記検索処理部が出力する各知識の確からしさが所定値に満たない場合に、前記検索処理部が出力する各知識のなかから選択を促す前記回答を前記利用者に提供し、前記利用者情報取得部は、前記回答処理部が提供した各知識のなかから前記利用者が選択した知識を前記利用者の反応として取得してもよい。

上記知識検索装置において、前記回答処理部は、前記検索処理部が出力した知識の要約を前記回答として提供してもよい。
上記知識検索装置において、前記組織は第１組織であり、前記第１組織と類似した他の組織が、第２組織であり、前記機械学習モデルは、前記第１組織において前記検索要求の内容に適合した知識を前記集合から出力するように、前記第２組織での学習結果を用いて学習したモデルであってもよい。

本発明によれば、知識検索装置が受け付けた検索要求と、知識検索装置が取得した利用者情報とが機械学習モデルの入力に含められる。機械学習モデルは、組織が保有する文書集合から、機械学習モデルの入力に含まれる検索要求の内容に適合した知識を出力する。そして、知識検索装置は、機械学習モデルが出力した知識を用いて検索要求の回答を利用者に提供する。結果として、利用者に関する情報が加味されたうえで知識が知識検索装置から出力されるため、文書集合から知識を検索する精度が向上可能となる。

知識検索装置の一実施形態での構成を示すハードウェアブロック図。 知識検索装置の一実施形態での構成を示す機能ブロック図。 知識検索装置が備える機械学習モデルの一部を示す模式図。 知識検索装置が行う文書集合処理の流れを示すフロー図。 知識検索装置が行う知識検索処理の流れを示すフロー図。 知識検索装置の作用を出力画面例によって示す作用図。 知識検索装置の作用を出力画面例によって示す作用図。 知識検索装置の作用を出力画面例によって示す作用図。 知識検索装置の作用を他の出力画面例によって示す作用図。 知識検索装置の作用を他の出力画面例によって示す作用図。

図１から図１０を参照して知識検索装置、知識検索方法、および、知識検索プログラムを具体化した一実施形態を説明する。
［知識検索装置］
図１が示すように、知識検索装置１０は、知識検索プログラムを実行し、それによって、知識検索方法を行う。知識検索装置１０は、利用者端末２０から検索要求２０Ｑを受け付ける。知識検索装置１０は、利用者に関する利用者情報２０Ｄを取得する。知識検索装置１０は、受け付けられた検索要求２０Ｑと、検索要求２０Ｑを提出した利用者の利用者情報２０Ｄとを機械学習モデルの入力に含めて、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した知識を、組織が保有する電子文書の集合１３Ｇ（文書集合）から機械学習モデルに出力させる。知識検索装置１０は、機械学習モデルが出力した知識を用いて、検索要求２０Ｑの回答１０Ａを利用者端末２０に提供する。

組織は、特定の目的を達成するための集合体である。組織は、企業、および、国や地方の行政機関を含む。企業は、株式会社、合資会社、合同会社、および、合名会社である営利法人、医療法人、学校法人、ＮＰＯ法人などの非営利法人、公社、公団、公共組合などの公法人を含む。

組織の構造の種類は、集合体が機能別の業績単位に分けられた機能別構造、集合体が製品別の業績単位に分けられた事業部制構造、および、集合体が製品別の経営単位に分けられたカンパニー制構造を含む。また、組織の構造は、集合体が別々の機能と別々の製品とを掛け持つ部門に分けられたマトリックス構造、および、集合体を構成する各部門が相互に関連するネットワーク構造を含む。組織の構造を図示した組織図の形式は、ヒエラルキー型とマトリックス型とを含む。複数の組織が相互に類似していることは、例えば、組織の構造の種類が組織間において同一であること、組織図の形式が同一であること、あるいは、画像処理によるパターンの一致度が組織図間で所定値以上であることである。

電子文書の集合１３Ｇは、組織内で共有される電子文書の集まりである。電子文書は、特定の構造を有した構造化データと、特定の構造を有しない非構造化データとを含む。電子文書は、テキストデータを含み、テキストデータ以外に、画像、映像、および、画像ファイル、映像ファイル、音声ファイル、ウェブページなどの情報リソースへのリンクを含んでもよい。各電子文書は、電子文書の内容をベクトル化したデータである文書ベクトルを含む。なお、複数の組織が相互に類似していることは、例えば、組織が保有する電子文書の集合において、電子文書に含まれる文書ベクトルの分布が組織間において類似していることである。

構造化データは、一定の階層に従って記述された電子文書である。構造化データは、流れや階層などの構造がマークアップされた電子文書である。構造化データは、例えば、組織のＷｅｂページを提供するためのＸＭＬ文書、ＨＴＭＬ文書、および、ＸＨＴＭＬ文書である。構造化データは、定型的に取り扱うことが可能である。

非構造化データは、例えば、組織内で専ら用いられる単語を数多く含むフリーテキストデータである。非構造化データは、例えば、商品マニュアルなどの説明書、議事録や日報、自由形式で記述されたアンケートである。非構造化データは、例えば、顧客から寄せられた意見や苦情が記述された記録書、顧客とオペレータとのやり取りが記述された記録書、論文の抄録、電子メールなどの通信文書である。非構造化データは、定型的に取り扱うことが不可能である。

検索要求２０Ｑは、検索に関わる要求を自然言語で記述した情報である。検索要求２０Ｑは、利用者端末２０から知識検索装置１０に入力される。検索要求２０Ｑは、検索の要求内容が直接的に記述された要求である。なお、検索要求２０Ｑは、検索の要求内容が間接的に記述された要求でもよい。検索要求２０Ｑは、検索要求２０Ｑの意図に適合した回答が提供されるまでの確認や応答などの対話行為でもよい。

検索の要求内容が直接的に記述された検索要求２０Ｑは、例えば、「ＸＸ法の規制はいつ？」「ＸＸ保険の特約は？」「会員カードの発行は？」という自然言語で記述された情報である。検索の要求内容が間接的に記述された検索要求２０Ｑは、例えば、会員カードの利用者が発話する「カードを落とした！」という自然言語で記述された情報である。適合した回答が提供されるまでの対話行為での検索要求２０Ｑは、例えば、会員カードを落とした利用者が問い合わせ先を要求する際の「電話番号は？」という自然言語で記述された情報である。

知識は、検索要求２０Ｑを提出した利用者に役立つと知識検索装置１０が判断した情報、あるいは、検索要求２０Ｑを提出した利用者に役立つと知識検索装置１０が判断した情報の集合である。知識は、組織内で知られる内容である。知識は、組織内での妥当性が要求される内容、あるいは、組織内での妥当性が要求される内容の体系である。知識は、組織が保有する電子文書の集合１３Ｇから得られる成果である。回答１０Ａに含まれる知識は、検索要求２０Ｑの内容に適合した関連語を含み得る。関連語は、検索要求２０Ｑに含まれる単語に関連した単語、検索要求２０Ｑに含まれる単語の一部、あるいは、検索要求２０Ｑに含まれる単語である。

例えば、「ＸＸ法の規制はいつ？」という検索要求２０Ｑが提出された場合、「ＸＸＸＸ年です」という知識は、利用者に役立つ情報である。また、「会員カードの発行は？」という検索要求２０Ｑが提出された場合、「会員カードの発行には、仮発行と即日発行とがあります。どちらでしょうか？」という知識は、利用者に役立つ情報の集合である。また、「ＸＸ商品の公表日は？」という検索要求２０Ｑが提出された場合、「ＸＸ商品の市場調査開始日ですか？ＸＸ商品の販売開始日ですか？」という知識は、利用者に役立つ情報の集合である。

なお、会員カードの新規契約を担当する部署は、会員カードが新規に発行される前の「仮発行」に関して、検索要求２０Ｑを提出しやすい。これに対し、会員カードの紛失対応を担当する部署は、会員カードの「即日発行」に関して、検索要求２０Ｑを提出しやすい。また、商品の開発を担当する部署は、商品が市場に公表されることに関して、検索要求２０Ｑを提出しやすい。これに対し、商品の営業を担当する部署は、商品が販売されることに関して、検索要求２０Ｑを提出しやすい。このように、検索要求２０Ｑの意図に適合する知識は、検索要求２０Ｑを提出した利用者が所属する部署に応じて変わり得る。

利用者情報２０Ｄは、利用者に関する静的情報、および、利用者に関する動的情報の少なくとも一方を含む。
利用者に関する静的情報は、利用者に対して固定された情報である。利用者に関する静的情報は、例えば、利用者に関する基本情報、組織内開示情報、および、人事情報の少なくとも１つである。

利用者に関する基本情報は、例えば、利用者の国籍、利用者の氏名、利用者の性別、利用者の年齢、利用者の住所である。利用者に関する組織内開示情報は、例えば、利用者の社員番号、利用者の所属部署、利用者の役職、利用者の雇用形態である。利用者に関する人事情報は、例えば、利用者の職位、利用者の資格、利用者の職歴、利用者の学歴である。利用者の所属部署、利用者の役職、利用者の職位、および、利用者の資格は、組織の構造の中での利用者の位置付けの一例である。

利用者に関する動的情報は、利用者が提出する検索要求２０Ｑと、利用者に提供された回答１０Ａとの関係から生成される情報である。利用者に関する動的情報は、例えば、回答１０Ａに対する利用者の反応を示す情報や、利用者による知識検索装置１０の利用履歴を示す情報である。回答１０Ａに対する利用者の反応は、回答１０Ａが提供された利用者の振る舞い、回答１０Ａが提供された利用者の言語表出、および、回答１０Ａが提供された利用者の感情表出の少なくとも１つである。利用者による知識検索装置１０の利用履歴は、利用者が知識検索装置１０を利用する頻度、利用者が知識検索装置１０を利用した時刻、前回の利用と今回の利用との間の時間的な間隔などある。

利用者の振る舞いは、例えば、利用者が回答１０Ａを閲覧している時間、回答１０Ａが引用する電子文書を利用者が閲覧している時間、回答１０Ａが引用する電子文書を利用者が繰り返して閲覧した回数、回答１０Ａの提供ごとに更新されるこれらの履歴、および、これらの組み合わせである。

利用者の振る舞いは、例えば、利用者による知識の選択である。
知識検索装置１０は、知識検索装置１０が提供する各知識に、当該知識についての絞り込みの確からしさを対応付ける。絞り込みの確からしさは、回答１０Ａに含まれる知識が、検索要求２０Ｑの内容に適合している度合いである。絞り込みの確からしさは、知識検索装置１０によって演算される値である。回答１０Ａのなかに複数の知識が含まれる場合、利用者の振る舞いは、複数の知識のなかから所望の知識を選択することであり、利用者に関する動的情報は、利用者が選択した知識についての絞り込みの確からしさである。

また、知識検索装置１０は、知識検索装置１０が提供する各知識に、当該知識の順位を対応付けてもよい。知識についての絞り込みの確からしさが高いほど、当該知識に付けられる順位は、高位である。知識に付けられる順位は、知識検索装置１０によって付される。回答１０Ａのなかに複数の知識が含まれる場合、利用者の振る舞いは、複数の知識のなかから所望の知識を選択することであり、利用者に関する動的情報は、利用者が選択した知識の順位や利用者が選択した電子文書の文書ベクトルでもよい。

利用者の言語表出、および、利用者の感情表出は、例えば、回答１０Ａを提供された際に利用者が発する声、回答１０Ａを提供された際に利用者が入力する言語、回答１０Ａを提供された際の利用者の表情、および、これらの組み合わせである。

利用者端末２０が備える入出力部２１は、利用者の振る舞いを示す情報を、利用者による選択などの振る舞いに追従して入力する。
また、利用者端末２０は、マイク、カメラ、視線センサ、および、心拍センサなどの各種の生体情報を取得するセンサ、および、センサの検知信号を処理する情報処理部を備えてもよい。利用者端末２０は、情報処理部による検知信号の処理を通じて、利用者の言語表出、および、利用者の感情表出を示す情報を、回答１０Ａが提供された後の所定期間に入力してもよい。

利用者に関する静的情報の取得は、利用者に関する静的情報を知識検索装置１０が利用者端末２０から受け付けることである。
利用者に関する動的情報の取得は、動的情報を生成するためのデータを知識検索装置１０が利用者端末２０から受け付けて、利用者に関する動的情報を知識検索装置１０が知識検索装置１０内で動的に生成することである。利用者情報２０Ｄを取得する要求は、例えば、知識検索プログラムの命令に従って知識検索装置１０から発せられる、あるいは、利用者端末２０が知識検索装置１０に接続する際に知識検索装置１０から発せられる。

知識検索装置１０は、通信部１１、制御部１２、および、記憶部１３を備える。通信部１１、制御部１２、および、記憶部１３は、１以上のコンピューターによって構成される。通信部１１、制御部１２、および、記憶部１３を構成するコンピューターは、組織内のコンピューターネットワークであるイントラネットなどの閉域通信網に接続されている。通信部１１を構成するコンピューター、制御部１２を構成するコンピューター、および、記憶部１３を構成するコンピューターは、ワイドエリアネットワークを構成する別々の閉域通信網に接続されて、ゲートウェイを通じて、相互に接続されてもよい。

通信部１１は、利用者端末２０と接続するための通信デバイスを備える。通信部１１は、例えば、組織内のコンピューターネットワークを通じて、利用者端末２０に接続される。あるいは、通信部１１は、インターネット、衛星ネットワーク、携帯電話ネットワーク、Ｗｉ−Ｆｉ（登録商標）などを通じて、利用者端末２０に接続される。

通信部１１は、制御部１２と共に、質問受付部を構成する。通信部１１は、利用者端末２０による検索要求２０Ｑの入力を受け付ける。通信部１１は、受け付けられた検索要求２０Ｑを制御部１２に入力する。

通信部１１は、制御部１２と共に、利用者情報取得部を構成する。通信部１１は、制御部１２が入力する取得命令を受け付けて、利用者情報２０Ｄの取得を実行する。通信部１１は、利用者に関する静的情報を知識検索装置１０が利用者端末２０から受け付けて、受け付けられた静的情報を制御部１２に入力してもよい。通信部１１は、利用者に関する動的情報を生成するためのデータを利用者端末２０から受け付けて、受け付けられたデータを制御部１２に入力してもよい。

通信部１１は、制御部１２と共に、回答処理部を構成する。通信部１１は、制御部１２が入力する提供命令を受け付けて、制御部１２が生成した回答１０Ａの利用者端末２０への提供を実行する。

制御部１２は、中央演算処理装置、および、メモリを備える。制御部１２は、知識検索を行うための各種処理を全てソフトウェアで処理するものに限らない。制御部１２は、例えば、各種処理のなかの少なくとも一部の処理を実行する専用のハードウェア（ＡＳＩＣ）を備えてもよい。つまり、制御部１２は、ＡＳＩＣなどの１つ以上の専用のハードウェア回路、知識検索プログラムに従って動作する１つ以上のプロセッサ、あるいは、これらの組み合わせ、を含む回路として構成し得る。なお、専用のハードウェア回路、プロセッサ、あるいは、これらの組み合わせを含む回路は、２つ以上の機能部を構成し得る。

制御部１２は、機械学習モデルを備える。機械学習モデルは、ニューラルネットワークを備えたモデルであって、例えば、深層学習モデルである。機械学習モデルは、検索要求２０Ｑと、当該検索要求２０Ｑを提出した利用者に関する利用者情報２０Ｄとを入力に含めて、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した知識を集合１３Ｇから出力するように学習している。

制御部１２は、検索処理部として機能する。制御部１２は、通信部１１が受け付けた検索要求２０Ｑと、通信部１１を通じて取得した利用者情報２０Ｄ、あるいは、知識検索装置１０が生成した利用者情報２０Ｄと、を機械学習モデルの入力に含める。制御部１２は、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した知識を、集合１３Ｇから、機械学習モデルに出力させる。制御部１２は、機械学習モデルが出力した知識を用いて検索要求２０Ｑの回答１０Ａを生成し、生成された回答１０Ａを通信部１１に送信させる。

記憶部１３は、ハードディスクなどのコンピューター可読記憶媒体を備える。記憶部１３は、組織が保有する電子文書の集合１３Ｇを読み出し可能に記憶する。記憶部１３は、制御部１２が読み出す知識検索プログラムを記憶する。記憶部１３は、知識検索プログラムの実行に用いられる利用者情報２０Ｄを記憶する。記憶部１３は、機械学習モデルを読み出し可能に記憶する。なお、知識検索プログラム、利用者情報２０Ｄ、および、機械学習モデルは、制御部１２が記憶してもよい。

利用者端末２０は、デスクトップ、ラップトップ、タブレット、および、スマートフォンなどのコンピューターであって、入出力部２１を備える。入出力部２１は、検索要求２０Ｑを入力するためのインターフェース、および、回答１０Ａを出力するためのインターフェースを備える。入出力部２１は、タッチパネル、キーボード、マウス、マイクなどの入力機器、および、ディスプレイ、スピーカなどの出力機器を備える。

［モジュール］
図２が示すように、知識検索装置１０は、文書理解モジュール１４、意図理解モジュール１５、絞込モジュール１６、および、回答モジュール１７として機能する。知識検索装置１０は、制御部１２が知識検索プログラムを実行することによって、各モジュール１４，１５，１６，１７として機能する。

文書理解モジュール１４は、記憶部１３に記憶された電子文書を解析する。文書理解モジュール１４は、電子文書の解析の結果として、電子文書の文書ベクトルを出力し、それによって、電子文書の内容を理解する。

文書理解モジュール１４は、機械学習モデルである文書理解モデルを備える。文書理解モデルは、ニューラルネットワークを備える。文書理解モデルは、例えば、深層学習モデルである。文書理解モデルは、電子文書の内容をベクトル空間で表現する。文書理解モデルは、電子文書の内容に適合した文書ベクトルを出力するように、電子文書とそれの内容との関連性を学習したものである。

文書理解モデルの入力は、電子文書の前処理の結果を含む。文書理解モデルの出力は、電子文書に出現した単語の意味、および、電子文書に含まれる文の意味を捉えるように、電子文書の内容を、ベクトル空間で表現する。文書理解モジュール１４は、文書理解モデルを用いて、電子文書の内容をベクトル化する。

電子文書の文書ベクトルは、電子文書の内容を表現した行列である。電子文書の文書ベクトルは、電子文書に出現した単語を表現したベクトルと、電子文書に含まれる文を表現したベクトルとで表現される。

文書理解モジュール１４は、前処理として、例えば、電子文書の形態素解析を行う。形態素解析は、電子文書を単語に分割する単語分割、各単語に名詞や動詞などの品詞を付与する品詞処理、および、各単語に活用を付与する活用処理を含む。また、形態素解析は、相互に隣り合う文字の列を単語（形態素）と見なし、単語内の部分文字列や複合単語を対象とした品詞処理、および、活用処理を含む。

電子文書の集合１３Ｇは、組織外のネットワークを通じて得られる電子文書の集合と比べて、電子文書の数量が少ない。結果として、知識検索装置１０が知識を提供するうえで、電子文書の数量が不十分となる場合があり得る。この点、部分文字列や複合単語を単語と見なす形態素解析は、電子文書の数量不足を補うことを可能とする。

なお、文書理解モジュール１４は、形態素解析の他に、分割された単語の品詞を参照して、分割された単語を語幹の形に戻す語幹化処理を行ってもよい。文書理解モジュール１４は、形態素解析の他に、分割された単語の活用を参照して、分割された単語を辞書などの見出し語に戻す見出し語化処理を行ってもよい。

文書理解モジュール１４は、前処理として、例えば、電子文書の構文解析を行う。構文解析は、単語間の関係を特定して単語に役割を付与する係り受け解析を含む。構文解析は、単語の列である句の句構造を特定して句に役割を付与する句構造解析を含む。

文書理解モジュール１４は、電子文書の形態素解析、構文解析、係り受け解析、句構造解析などの前処理の結果を、文書理解モデルに適用し、電子文書の文書ベクトルを出力する。文書理解モジュール１４は、電子文書の集合１３Ｇを構成する全ての電子文書について、文書ベクトルを生成する。

意図理解モジュール１５は、受け付けられた検索要求２０Ｑを解析する。意図理解モジュール１５は、検索要求２０Ｑの解析の結果として、検索要求２０Ｑの文書ベクトルを出力し、それによって、検索要求２０Ｑの意図を理解する。

意図理解モジュール１５は、機械学習モデルである意図理解モデルを備える。意図理解モデルは、ニューラルネットワークを備える。意図理解モデルは、例えば、深層学習モデルである。意図理解モデルは、検索要求２０Ｑの意図をベクトル空間で表現する。意図理解モデルは、検索要求２０Ｑの意図に適合した文書ベクトルを出力するように、検索要求２０Ｑとそれの意図との関連性を学習したものである。

意図理解モデルの入力は、検索要求２０Ｑの前処理の結果を含む。意図理解モデルの出力は、検索要求２０Ｑに出現した単語の意味、および、検索要求２０Ｑに含まれる文の意味を捉えるように、検索要求２０Ｑの意図を、ベクトル空間で表現する。意図理解モジュール１５は、意図理解モデルを用いて、検索要求２０Ｑの意図をベクトル化する。

検索要求２０Ｑの文書ベクトルは、検索要求２０Ｑの意図を表現した行列である。検索要求２０Ｑの文書ベクトルは、検索要求２０Ｑに出現した単語を表現したベクトルと、検索要求２０Ｑに含まれる文を表現したベクトルとで表現される。

意図理解モジュール１５は、前処理として、形態素解析、構文解析、係り受け解析、句構造解析を行う。意図理解モジュール１５は、形態素解析、構文解析、係り受け解析、句構造解析などの前処理の結果を、意図理解モデルに適用し、検索要求２０Ｑの文書ベクトルを出力する。意図理解モジュール１５は、通信部１１が検索要求２０Ｑを受け付ける都度、受け付けられた検索要求２０Ｑの文書ベクトルを出力する。

絞込モジュール１６は、知識検索装置１０が取得した利用者情報２０Ｄを解析する。絞込モジュール１６は、利用者情報２０Ｄの解析の結果として、利用者ベクトルを出力し、それによって、利用者情報２０Ｄの内容を理解する。

絞込モジュール１６は、機械学習モデルである利用者理解モデルを備える。利用者理解モデルは、ニューラルネットワークを備える。利用者理解モデルは、例えば、深層学習モデルである。利用者理解モデルは、利用者情報２０Ｄの内容をベクトル空間で表現する。利用者理解モデルは、利用者情報２０Ｄの内容に適合した利用者ベクトルを出力するように、利用者情報２０Ｄとそれの内容との関連性を学習したものである。利用者ベクトルは、利用者情報２０Ｄの内容を表現した行列である。

なお、利用者理解モデルは、利用者情報２０Ｄの内容に適合した利用者ベクトルを出力するように、利用者が属する組織とは異なる他の組織での学習結果を用いて学習してもよい。例えば、利用者理解モデルは、利用者が属する組織と類似した他の組織での学習結果の少なくとも一部を初期値として学習してもよく、利用者が属する組織とは異なる他の組織での学習結果の少なくとも一部を学習に援用してもよい。

相互に類似した組織間においては、利用者の位置付けなどを示す利用者情報２０Ｄと、当該利用者情報２０Ｄの内容に適合した利用者ベクトルが、相互に近しい関係を有しやすい。例えば、機能別構造を有した組織においては、開発、製造、営業、経理、法務などの各機能内に向けて、利用者ベクトルが大きな指向性を有しやすい。事業部制構造を有した組織においては、企業向け製品、法人向け製品、一般消費者向け製品などの各製品内に向けて、利用者ベクトルが大きな指向性を有しやすい。また、マトリックス構造を有した組織においては、利用者ベクトルが機能と製品とに分散した指向性を有しやすい。そのため、類似した他の組織での学習結果を参考とする利用者理解モデルであれば、新たな組織に向けた利用者モデルにおける学習速度や学習精度が向上可能である。また、類似した他の組織での学習結果を参考とする利用者理解モデルであれば、利用者が属する組織の情報が学習に適したデータ形態で得られがたい場合にも知識検索装置が適用可能となる。

利用者理解モデルの入力は、利用者情報２０Ｄの前処理の結果を含む。絞込モデルの出力は、利用者情報２０Ｄの各項目に出現した数値の意味、および、利用者情報２０Ｄの各項目に出現した単語の意味を捉えるように、利用者情報２０Ｄの内容を、ベクトル空間で表現する。すなわち、絞込モジュール１６は、利用者理解モデルを用いて、利用者情報２０Ｄの内容をベクトル化する。

絞込モジュール１６は、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した知識を、電子文書の集合１３Ｇのなかから絞り込む。絞込モジュール１６は、電子文書の文書ベクトル、検索要求２０Ｑの文書ベクトル、および、利用者ベクトルを絞り込みに用いる。

絞込モジュール１６は、機械学習モデルである絞込モデルを備える。絞込モデルは、ニューラルネットワークを備える。絞込モデルは、例えば、深層学習モデルである。絞込モデルは、絞り込まれた電子文書について、絞り込みの確からしさを出力する。絞り込みの確からしさは、検索要求２０Ｑの文書ベクトル、および、利用者ベクトルと、電子文書の文書ベクトルとが適合する度合いである。

絞込モデルの入力は、検索要求２０Ｑの文書ベクトル、利用者ベクトル、および、電子文書の文書ベクトルである。絞込モデルの出力は、絞り込まれた電子文書ごとの、絞り込みの確からしさである。絞込モデルは、検索要求２０Ｑの意図、および、利用者情報２０Ｄの内容と、電子文書の内容とが、これらに適合した確からしさを出力するように、検索要求２０Ｑの意図、利用者情報２０Ｄの内容、および、電子文書の内容と、これらに適合する確からしさとの関連性を学習したものである。

なお、絞込モデルは、検索要求２０Ｑの意図、および、利用者情報２０Ｄの内容と、電子文書の内容とが、これらに適合した確からしさを出力するように、利用者が属する組織とは異なる他の組織での学習結果を用いて学習してもよい。例えば、絞込モデルは、利用者が属する組織と類似した他の組織での学習結果の少なくとも一部を初期値として学習してもよく、利用者が属する組織とは異なる他の組織での学習結果の少なくとも一部を学習に援用してもよい。

相互に類似した組織間においては、検索要求２０Ｑと当該検索要求２０Ｑの意図とが、相互に近しい関係を有しやすい。例えば、機能別構造を有した組織においては、開発、製造、営業、経理、法務などの各機能内において、検索要求２０Ｑの意図が作用しやすい。事業部制構造を有した組織においては、企業向け製品、法人向け製品、一般消費者向け製品などの各製品内に向けて、検索要求２０Ｑの意図が作用しやすい。また、マトリックス構造を有した組織においては、検索要求２０Ｑの意図が機能と製品とに分散して作用しやすい。そして、相互に類似した組織間においては、検索要求２０Ｑの意図、および、利用者情報２０Ｄの内容と、電子文書の内容とが適合した確からしさが、相互に近しい値を有しやすい。そのため、類似した他の組織での学習結果を参考とする絞込モデルであれば、絞込モデルにおける学習速度や学習精度が向上可能である。また、類似した他の組織での学習結果を参考とする絞込モデルであれば、利用者が属する組織の情報が学習に適したデータ形態で得られがたい場合にも、知識検索装置が適用可能となる。

絞込モジュール１６は、例えば、絞り込みの確からしさが最も高い電子文書を、絞り込みの結果として出力する。
なお、絞込モジュール１６は、例えば、絞り込みの確からしさが高い順に、電子文書の順位付けを行い、所定順位以上の電子文書を、絞り込みの結果として出力してもよい。また、絞込モジュール１６は、例えば、絞り込みの確からしさが所定値以上である電子文書を、絞り込みの結果として出力してもよい。

絞込モジュール１６は、絞り込みの確からしさに、利用者情報２０Ｄの内容を加味する。すなわち、絞込モジュール１６は、検索要求２０Ｑの意図の理解と、利用者に関する静的情報の理解とを通じて、検索要求２０Ｑの意図と静的情報の内容とに適合した電子文書を絞り込み、その絞り込みの確からしさを出力する。また、絞込モジュール１６は、検索要求２０Ｑの意図の理解、および、利用者に関する動的情報の内容の理解を通じて、検索要求２０Ｑの意図と動的情報の内容とに適合した電子文書を絞り込み、その絞り込みの確からしさを出力する。

ここで、利用者に関する静的情報、すなわち、利用者に関する基本情報、利用者に関する組織内開示情報、および、利用者に関する人事情報は、利用者が求める知識を絞り込むうえで、有益な情報である。

例えば、相互に異なる単語は、組織内の特定部署で、相互に類似した意味に置き換えられやすい。また、相互に類似した単語は、組織内の特定部署で、相互に異なる意味に用いられやすい。それゆえに、利用者の所属部署や社員番号は、利用者が専ら用いる単語を特定し得る。利用者の役職や雇用形態は、利用者が知り得る知識の範囲を特定し得る。そして、絞込モジュール１６は、検索要求２０Ｑの意図の理解に加えて、これら利用者に関する静的情報の内容を理解し、それによって、利用者に提供する知識を絞り込む。

また、利用者に関する動的情報、すなわち、回答１０Ａに対する利用者の反応は、利用者が求める知識と、提供された知識との適合の度合いを理解するうえで、有益な情報である。

例えば、利用者が回答１０Ａを閲覧している時間、あるいは、回答１０Ａが引用する電子文書を利用者が閲覧している時間が長いほど、また、回答１０Ａが引用する電子文書を利用者が繰り返して閲覧した回数が多いほど、利用者が求める知識と、提供された知識とが適合している可能性が高い。

また、要求が満たされたときの言語表出、あるいは、要求が満たされたときの感情表出が検出されるほど、利用者が求める知識と、提供された知識とが適合している可能性が高い。そして、絞込モジュール１６は、検索要求２０Ｑの意図の理解に加えて、これら利用者に関する動的情報の内容を理解し、それによって、利用者に提供する知識を絞り込む。

絞り込まれた電子文書は、検索要求２０Ｑに関わる関連語を含み得る。関連語は、検索要求２０Ｑに出現した単語、検索要求２０Ｑに出現した単語に関連した他の単語、検索要求２０Ｑに出現した単語を含む複合語、および、検索要求２０Ｑに出現した単語の類義語などである。例えば、検索要求２０Ｑに出現した単語が「発行」である場合、回答１０Ａに含まれる知識は、関連語である「仮発行」や「即日発行」を含み得る。

また、関連語は、検索要求２０Ｑに出現した単語の部分文字列、検索要求２０Ｑに出現した単語の部分文字列に関連した他の単語、および、検索要求２０Ｑに出現した単語の部分文字列の類義語などである。例えば、検索要求２０Ｑに出現した単語が「特約」である場合、回答１０Ａに含まれる知識は、部分文字列である「特」を有した関連語である「特則」を含み得る。

回答モジュール１７は、絞り込みの結果を用いて、検索要求２０Ｑの意図に適合した回答１０Ａを生成する。回答モジュール１７は、生成された回答１０Ａを利用者端末２０に送信する。回答モジュール１７は、検索要求２０Ｑを用いた対話によって、回答１０Ａを提供する。

回答モジュール１７は、対話行為の理解、属性値の抽出、内部状態の更新、回答１０Ａの生成を行う。
対話行為は、例えば、「はい」「いいえ」などの応答、「ＸＸ法の規制はいつ？」という自然言語での時期の要求、「ＸＸ年ＡＡ月だよね？」という自然言語での時期の確認である。また、対話行為は、例えば、「候補を複数出して！」という自然言語での選択肢の要求、「候補Ａについて教えて」という自然言語での選択肢の指定である。

属性値は、対話行為に含まれる選択肢、時期、場所、主体、客体などの内容である。
内部状態は、対話行為の履歴、および、回答モジュール１７で理解された属性値の内容である。内部状態の更新は、検索要求２０Ｑと回答１０Ａとの間での対話の流れの更新である。

回答モジュール１７は、機械学習モデルである回答モデルを備える。回答モデルは、ニューラルネットワークを備える。回答モデルは、例えば、深層学習モデルである。回答モデルは、検索要求２０Ｑの文書ベクトルを用いて、検索要求２０Ｑの対話行為を理解する。回答モデルは、検索要求２０Ｑの意図に適合した対話行為を捉えるように、検索要求２０Ｑの意図と、それの対話行為との関連性を学習したものである。

回答モデルは、内部状態を参照し、検索要求２０Ｑに対する対話行為を選択する。回答モデルは、内部状態に適合した対話行為を選択するように、内部状態と、内部状態に適合した対話行為との関連性を学習したものである。

回答モジュール１７は、絞り込みの結果を参照し、回答モデルが選択した対話行為で、回答１０Ａを提供する。回答モジュール１７は、例えば、絞り込みの確からしさが最も高い電子文書を用い、当該電子文書に基づく知識を回答１０Ａに含める。

なお、回答モジュール１７は、例えば、所定順位以上の電子文書を用い、当該電子文書に基づく各知識を、選択肢として、回答１０Ａに含めてもよい。また、回答モジュール１７は、例えば、絞り込みの確からしさが所定値以上の電子文書を用い、当該電子文書に基づく各知識を、選択肢として、回答１０Ａに含めてもよい。また、回答モジュール１７は、例えば、絞り込みの確からしさが所定値未満である場合、電子文書に基づく知識を回答１０Ａに含めず、属性値の入力を求める旨の回答１０Ａを提供してもよい。

［機械学習モデル］
図３が示すように、各モジュール１４，１５，１６，１７が備える機械学習モデルは、ニューラルネットワークを備える。ニューラルネットワークは、複数の入力ノードＮＡから構成される入力層１８Ａ、複数の中間ノードＮＢから構成される中間層１８Ｂ（隠れ層）、および、複数の出力ノードＮＣから構成される出力層１８Ｃを備える。

ニューラルネットワークは、所定の演算を入力値に適用して出力値を演算するモデルである。図３は、検索要求２０Ｑに出現した単語２０Ｑｓ、および、検索要求２０Ｑに出現した部分文字列２０Ｐｓを入力値とし、中間層１８Ｂが一層である例を図示する。中間層１８Ｂは、２層以上であってもよく、中間層１８Ｂを構成する中間ノードＮＢと、出力層１８Ｃを構成する出力ノードＮＣとの間に、複数の他のノードが介在してもよい。

入力ノードＮＡと中間ノードＮＢとを接続するエッジＥ、および、中間ノードＮＢと出力ノードＮＣとを接続するエッジＥは、各々独立に重みを定める。各エッジＥが定める重みは、当該エッジＥの入力端となるノードの入力値に掛け合わされて、掛け合わされた結果は、当該エッジＥの出力端となるノードに引き渡される。

中間ノードＮＢは、当該中間ノードＮＢに引き渡された値を足し合わせる。出力ノードＮＣもまた、当該出力ノードＮＣに引き渡された値を足し合わせる。中間ノードＮＢは、当該中間ノードＮＢで足し合わされた値を、当該中間ノードＮＢが定める活性化関数に適用して、当該中間ノードＮＢの出力値を出力する。出力ノードＮＣは、当該出力ノードＮＣで足し合わされた値を、当該出力ノードＮＣが定める活性化関数に適用して、当該出力ノードＮＣの出力値を出力する。

各ノードＮＢ，ＮＣが定める活性化関数は、例えば、softmax関数、logistic関数、hyperbolic tangent関数、Rectifier Linear Unitである。各エッジＥが定める重みは、ニューラルネットワークの学習によって最適化される。

ニューラルネットワークの学習方法は、例えば、誤差逆伝播法である。誤差逆伝播法は、入力値である訓練データ、当該入力値に対する出力値の理想値である教師データ、および、重みの初期値を用いる。

誤差逆伝播法は、入力層１８Ａに訓練データを入力して、中間層１８Ｂの出力値、および、出力層１８Ｃの出力値を求める。次いで、出力層１８Ｃの出力値と、教師データとの差分を、出力層１８Ｃの誤差として求める。また、出力層１８Ｃの誤差と、中間層１８Ｂでの出力値とを用いて、中間層１８Ｂの誤差を求める。次いで、出力層１８Ｃの誤差が減るように、出力層１８Ｃと中間層１８Ｂとを接続するエッジＥについて、重みを調整する。また、中間層１８Ｂの誤差が減るように、中間層１８Ｂと入力層１８Ａとを接続するエッジＥについて、重みを調整する。そして、誤差逆伝播法は、出力層１８Ｃの誤差が十分に小さくなるまで、以上の処理を繰り返す。

なお、絞込モジュール１６が備える機械学習モデルは、畳み込みニューラルネットワークを備えてもよい。畳み込みニューラルネットワークは、例えば、検索要求２０Ｑの文書ベクトル、および、利用者ベクトルと、電子文書の文書ベクトルとを、二次元の入力として取り扱う。

畳み込みニューラルネットワークは、中間層として、畳み込み層、プーリング層、および、全結合層を備える。畳み込み層は、入力に対して畳み込み処理を行う。プーリング層は、入力に対してプーリング処理を行う。全結合層は、全結合層を構成する各ノードと、全結合層の１つ前の層を構成する全てのノードとを結合する。

畳み込み処理は、二次元の入力全体にフィルタを適用する。フィルタは、所定サイズの二次元領域において、入力の特徴を凝縮するものである。フィルタは、畳み込みニューラルネットワークの学習によって更新される。すなわち、畳み込み処理は、二次元の入力全体において、入力の特徴を凝縮させて次の層に出力する。

プーリング処理は、畳み込み処理の次に行われる。プーリング処理は、所定サイズの二次元領域ごとに重要な要素を抽出することを、二次元の入力に適用する。重要な要素は、所定サイズの二次元領域における最大値、あるいは、所定サイズの二次元領域における平均値などである。

［知識検索方法］
知識検索装置１０が行う知識検索方法は、文書集合処理と、検索処理とを含む。
図４が示すように、文書集合処理は、まず、文書理解モジュール１４が、記憶部１３の集合１３Ｇから電子文書１３Ｂを取得する（ステップＳ１１）。文書理解モジュール１４が取得する電子文書１３Ｂは、文書ベクトルを含まない電子文書である。次いで、文書理解モジュール１４は、取得された電子文書１３Ｂを解析し、当該電子文書１３Ｂの内容である文書ベクトルを出力する（ステップＳ１２）。これによって、知識検索装置１０は、取得された電子文書１３Ｂの内容を理解する。次に、文書理解モジュール１４は、取得された電子文書１３Ｂに、出力された文書ベクトルを含めて、あるいは、出力された電子文書ベクトルを対応付けて、電子文書の集合１３Ｇを更新する（ステップＳ１３）。

知識検索装置１０は、新たな電子文書１３Ｂを記憶部１３に記憶する都度、上述した電子文書の取得、電子文書の理解、集合１３Ｇの更新（ステップＳ１１〜ステップＳ１３）をこの順に繰り返し、電子文書の集合１３Ｇを構成する各電子文書の内容を理解する。

図５が示すように、知識検索処理は、まず、意図理解モジュール１５が、検索要求２０Ｑを受け付ける（ステップＳ２１）。次いで、絞込モジュール１６が、利用者端末２０のアドレスや、利用者が入力するＩＤなどを用い、検索要求２０Ｑを提出した利用者に関する利用者情報２０Ｄを取得する（ステップＳ２２）。

次に、意図理解モジュール１５は、受け付けられた検索要求２０Ｑを解析し、当該検索要求２０Ｑの意図である文書ベクトルを出力する（ステップＳ２３）。これによって、知識検索装置１０は、検索要求２０Ｑの意図を理解する。次いで、絞込モジュール１６は、取得された利用者情報２０Ｄを解析し、当該利用者情報２０Ｄの内容である利用者ベクトルを出力する（ステップＳ２４）。これによって、知識検索装置１０は、利用者情報２０Ｄの内容を理解する。そして、絞込モジュール１６は、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とを用い、電子文書の集合１３Ｇのなかで、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した電子文書を絞り込む（ステップＳ２５）。

そして、回答モジュール１７は、絞り込みの結果を用いて、検索要求２０Ｑの意図に適合した回答１０Ａを対話の形式で生成し、生成された回答１０Ａを利用者端末２０に提供する。知識検索装置１０は、検索要求２０Ｑを受け付ける都度、上述した利用者情報２０Ｄの取得、検索要求２０Ｑの理解、利用者情報２０Ｄの理解、電子文書の絞込、回答の提供、および、利用者情報２０Ｄの更新（ステップＳ２２〜ステップＳ２７）をこの順に繰り返す。

［作用］
利用者端末２０が備える入出力部２１の出力画面を用いて知識検索装置１０の作用を説明する。図６は、第１利用者が実行させた一連の知識検索処理での出力画面の例を示す。図７，８は、第１利用者とは異なる第２利用者が実行させた一連の知識検索処理での出力画面の例を示す。図９，１０は、利用者の動的情報を理解した一連の知識検索処理での出力画面の例を示す。

図６が示すように、第１利用者は、「ＸＸ法」の規制が開始される時期を知るために、「ＸＸ法の規制はいつ？」という検索要求２０Ｑを、入出力部２１から入力する。利用者端末２０の出力画面２１Ｍは、「ＸＸ法の規制はいつ？」という検索要求２０Ｑを表示する。

知識検索装置１０は、検索要求２０Ｑの意図を理解する。すなわち、知識検索装置１０は、「ＸＸ法」の規制が開始される時期を、第１利用者が求める知識であると理解する。また、知識検索装置１０は、第１利用者の利用者情報２０Ｄから、第１利用者が商品の安全を担当する部署に属することを理解する。

そして、知識検索装置１０は、絞り込みの確からしさが所定値以上であって、かつ、複数の知識のなかで最も高い確からしさを有した知識を提供する。すなわち、知識検索装置１０は、第１利用者の意図に適合した回答１０Ａとして、「２０ＸＸ年です」という知識を提供する。

図７が示すように、第２利用者は、「ＸＸ法」の規制が開始される時期を知るために、「ＸＸ法の規制はいつ？」という検索要求２０Ｑを、入出力部２１から入力する。利用者端末２０の出力画面２１Ｍは、「ＸＸ法の規制はいつ？」という検索要求２０Ｑを表示する。

知識検索装置１０は、検索要求２０Ｑの意図を理解する。すなわち、知識検索装置１０は、「ＸＸ法」の規制が開始される時期を、第２利用者が求める知識であると理解する。一方、知識検索装置１０は、第２利用者の利用者情報２０Ｄから、第２利用者が商品の営業を担当する部署に属することを理解する。

そして、知識検索装置１０は、「ＸＸ法」に含まれる３種類の規制について、各々の開始される時期を、第２利用者が求める知識であると理解する。例えば、知識検索装置１０は、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合する確からしさが、各規制の開始される時期でほぼ等しく、いずれの確からしさも所定値未満であることを出力する。

結果として、知識検索装置１０は、第２利用者の意図に適合した回答１０Ａとして、「以下の候補があります。１．安全規制、２．環境規制、３．健康規制」という知識を提供する。これによって、第２利用者は、「ＸＸ法」に３種類の規制が含まれることを、知識として得る。

図８が示すように、第２利用者は、さらに、第２利用者の求める知識が「環境規制」に関するものであることを、入出力部２１から入力する。利用者端末２０の出力画面２１Ｍは、「２」という検索要求２０Ｑを表示する。そして、知識検索装置１０は、「２」という検索要求２０Ｑを、利用者端末２０から受け付ける。

知識検索装置１０は、検索要求２０Ｑの対話行為が「２．環境規制」の選択であることを理解する。そして、知識検索装置１０は、内部状態を参照し、検索要求２０Ｑに対する対話行為として、「環境規制」が開始される時期が「２０ＹＹ年」である旨の応答を選択する。すなわち、知識検索装置１０は、第２利用者の意図に適合した回答１０Ａとして、「環境規制」が開始される時期が「２０ＹＹ年」である、という知識を提供する。

なお、知識検索装置１０は、利用者が環境規制に携わっていることを利用者情報２０Ｄに含めて、利用者情報２０Ｄを更新する。
図９が示すように、利用者は、会員カードを無くした際の対処を知るために、「カードを落とした！」という検索要求２０Ｑを、入出力部２１から入力する。利用者端末２０の出力画面２１Ｍは、「カードを落とした！」という検索要求２０Ｑを表示する。

知識検索装置１０は、検索要求２０Ｑの意図を理解する。すなわち、知識検索装置１０は、カードを無くしたことに関する問い合わせ先を、第１利用者が求める知識であると理解する。また、知識検索装置１０は、利用者の利用者情報２０Ｄから、利用者が会員カードの利用に関わる関係者であることを理解する。

そして、知識検索装置１０は、利用者の意図に適合した回答１０Ａとして、「下記をご確認下さい」というメッセージと共に、１位に順位付けられたアドレスと、２位に順位付けられたアドレスとを提供する。１位に順位付けられたアドレスは、紛失や盗難に関する問合せ先が記述された電子文書を提供する。２位に順位付けられたアドレスは、会員カードに関わる総合問合せ先が記述された電子文書を提供する。

利用者は、会員カードを無くした際の対処方法を知るために、１位に順位付けられたアドレスで提供される電子文書と、２位に順位付けられたアドレスで提供される電子文書とを確認する。この際、会員カードを落とした利用者は、会員カードに関わる総合問合せ先が記述された電子文書よりも、紛失盗難の問合せ先が記述された電子文書を長く閲覧する。知識検索装置１０は、会員カードに関わる総合問合せ先が記述された電子文書よりも、紛失盗難の問合せ先が記述された電子文書を長く閲覧したことを、新たな利用者情報２０Ｄに加える。

図１０が示すように、各電子文書を確認した利用者は、会員カードを無くした際の問合せ先に連絡するために、「電話番号は？」という検索要求２０Ｑを、入出力部２１から入力する。利用者端末２０の出力画面２１Ｍは、「電話番号は？」という検索要求２０Ｑを表示する。

知識検索装置１０は、検索要求２０Ｑの意図を理解する。すなわち、知識検索装置１０は、問い合わせ先の電話番号を、利用者が求める知識であると理解する。また、知識検索装置１０は、更新された利用者情報２０Ｄから、利用者が会員カードの紛失盗難に関心を抱いていることを理解する。

そして、知識検索装置１０は、内部状態を参照し、検索要求２０Ｑに対する対話行為として、「電話番号」が紛失盗難の問合せ先である旨の確認を選択する。すなわち、知識検索装置１０は、利用者の意図に適合した回答１０Ａとして、「紛失・盗難時の連絡先でよろしいでしょうか」という知識を提供する。次いで、知識検索装置１０は、利用者端末２０から入力される「大丈夫」という検索要求２０Ｑを理解し、「電話番号はＡＡＢＢＢＢＣＣＣＣ」という知識を提供する。

以上、上記実施形態によれば、以下に列挙する効果が得られる。
（１）知識検索装置１０が受け付けた検索要求２０Ｑと、知識検索装置１０が取得した利用者情報２０Ｄとが、回答１０Ａを生成するための機械学習モデルの入力に含められる。機械学習モデルは、検索要求２０Ｑの意図、および、利用者情報２０Ｄの内容を理解する。そして、知識検索装置１０は、組織が保有する電子文書の集合１３Ｇから、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した知識を出力し、当該知識を含む回答１０Ａを利用者に提供する。

ここで、電子文書に出現する単語、および、電子文書に含まれる文は、これらを用いる利用者ごとに意味を変え得る。検索要求２０Ｑに出現する単語、および、検索要求２０Ｑに含まれる文もまた、これらを提供する利用者ごとに意味を変え得る。この点、上記知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、利用者情報２０Ｄを含める。結果として、知識検索装置１０は、利用者ごとに変わり得る単語の意味、および、利用者ごとに変わり得る文の意味を理解し、その理解の結果を回答１０Ａに反映させる。それゆえに、電子文書の集合１３Ｇから知識を検索する精度が向上可能となる。

（２）知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、利用者の所属部署や利用者の役職などの利用者の静的情報を含める。

利用者の静的情報は、利用者が専ら用いる単語、利用者が用いる単語や文の意味、利用者が既に知り得る知識の範囲などを、利用者ごとに特定し得る有益な情報である。知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、利用者の静的情報を含める。結果として、知識検索装置１０は、利用者ごとに変わり得る単語や文の意味を理解し、さらに、利用者ごとに変わり得る知識の範囲を理解し、これらの理解の結果を、回答１０Ａに反映させる。それゆえに、電子文書の集合１３Ｇから知識を検索する精度がさらに向上可能となる。

特に、組織の構造の中で相互に一致した位置付けとなる利用者間、あるいは、相互に近しい位置付けとなる利用者間においては、各利用者が相互に近しい知識を求め得る。また、相互に近しい位置付けとなる利用者は、相互に近しい閲覧の制限を組織から課せられ得る。この点、利用者の静的情報が利用者の位置付けを含み、かつ、利用者の位置付けを用いて学習が行われた構成であれば、位置付けに適した電子文書を集合１３Ｇの中で絞り込むことが可能であって、利用者が求める知識がさらに的確に提供可能となる。

（３）知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、回答１０Ａを提供された利用者の反応などの利用者の動的情報を含める。

利用者の動的情報は、利用者が求める知識と、提供された知識との適合の度合いを理解するうえで、有益な情報である。知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、利用者の動的情報を含める。結果として、知識検索装置１０は、利用者ごとに変わり得る単語や文の意味を検索ごとに理解し、その理解の結果を、次回の回答１０Ａに反映させる。それゆえに、電子文書の集合１３Ｇから知識を検索する精度が、さらに向上可能となる。

特に、利用者が回答１０Ａを閲覧している時間などの利用者の振る舞いと、利用者の位置付けとを併用する構成は、電子文書の集合１３Ｇから知識を検索する精度を、より一層に向上可能とする。例えば、利用者が求める知識の複雑さは、利用者の所属部署や、利用者の職位に応じて区々であって、利用者が回答１０Ａを閲覧する時間を大きく変える。利用者の振る舞いと利用者の位置付けとが併用される構成であれば、利用者の振る舞いが利用者の位置付けに合わせて適切に加味されるため、電子文書の集合１３Ｇから知識を検索する精度が、より一層に向上可能となる。

（４）知識検索装置１０は、検索要求２０Ｑの内容に適合した複数の知識に対して順位付けを行い、複数の知識のなかから利用者が選択した知識の順位を、新たな利用者情報２０Ｄに含める。すなわち、知識検索装置１０は、利用者ごとに変わり得る順位付けを検索ごとに更新し、その更新の結果を、次回の回答１０Ａに反映させる。それゆえに、電子文書の集合１３Ｇから知識を検索する精度が、さらに向上可能となる。

（５）知識検索装置１０は、検索要求２０Ｑの意図に適合した知識を出力するための機械学習モデルの入力に、検索要求２０Ｑに出現する単語と、検索要求２０Ｑの部分文字列とから得た文書ベクトルを含める。

電子文書の集合１３Ｇは、組織外のネットワークを通じて得られる電子文書の集合と比べて、電子文書の数量が少ない。結果として、知識検索装置１０が知識を提供するうえで、電子文書の数量が不十分となる場合があり得る。この点、知識検索装置１０は、部分文字列を単語と見なす形態素解析を前処理で行うため、電子文書の数量不足を補うことを可能とする。ひいては、電子文書の数量が少ない環境下であっても、電子文書の集合１３Ｇから知識を検索する精度が向上可能となる。

（６）知識検索装置１０は、回答１０Ａに含めるための各知識について、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合している度合い、すなわち、絞り込みの確からしさを出力する。そして、知識検索装置１０は、絞り込みの確からしさが所定値以上である場合に、絞り込みの確からしさが最も高い知識を用いて、回答１０Ａを提供する。これに対し、知識検索装置１０は、絞り込みの確からしさが所定値に満たない場合に、候補となる各知識のなかから利用者に選択を促す旨の回答１０Ａを提供する。結果として、絞り込みの確からしさが不十分である場合には、利用者の選択などの対話行為を通じて、より適合した知識を提供することが可能ともなる。

（７）利用者理解モデルや絞込モデルは、利用者が属する第１組織に類似した第２組織での学習結果を用いて学習可能である。相互に類似した組織間においては、例えば、利用者情報２０Ｄと、当該利用者情報２０Ｄの内容に適合した利用者ベクトルとの関係、また、検索要求２０Ｑと、検索要求２０Ｑの意図との関係が、相互に近しい関係を有しやすい。それゆえに、類似した他の組織での学習結果を参考とする機械学習モデルであれば、学習速度や学習精度が向上可能であって、学習に適したデータが得られがたい場合にも、知識検索装置が適用可能となる。

なお、上記実施形態は、以下のように変更して実施できる。
・回答モジュール１７は、検索要求２０Ｑの意図と利用者情報２０Ｄの内容とに適合した電子文書を用い、適合した内容に基づく知識の要約を、当該電子文書から別途生成してもよい。そして、知識検索装置１０は、回答１０Ａとして知識の要約を提供してもよい。

この構成によれば、複雑な内容を有した電子文書が回答１０Ａに含まれる場合に、また、相互に異なる数多くの内容を有した電子文書が回答１０Ａに含まれる場合に、回答１０Ａの確認に要する利用者の負荷が軽減可能である。

・利用者情報２０Ｄは、利用者ごとの情報に限らず、部署ごとの情報であってもよいし、職位ごとの情報であってもよい。要は、利用者情報２０Ｄは、個人やグループなどの組織の構成要素を最小単位として取り扱う情報であればよい。

１０…知識検索装置、１０Ａ…回答、１１…通信部、１２…制御部、１３…記憶部、１３Ｇ…集合、１４…文書理解モジュール、１５…意図理解モジュール、１６…絞込モジュール、１７…回答モジュール、２０…利用者端末、２１…入出力部。

Claims (10)

1. 組織が保有する電子文書の集合を記憶した記憶部を備え、利用者の検索要求の内容に適合した知識を前記集合から検索する知識検索装置であって、
   前記利用者から前記検索要求を受け付ける質問受付部と、
   前記質問受付部が受け付けた前記検索要求の提出元である前記利用者に関する利用者情報を取得する利用者情報取得部と、
   前記検索要求と、当該検索要求を提出した前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを備え、前記質問受付部が受け付けた前記検索要求と、前記利用者情報取得部が取得した前記利用者情報とを前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させる検索処理部と、
   前記検索処理部が出力した知識を用いて前記質問受付部が受け付けた前記検索要求の回答を前記利用者に提供する回答処理部と、を備える
   知識検索装置。
2. 前記利用者情報取得部は、前記回答処理部が提供した前記回答に対する当該回答を提供された前記利用者の反応を取得し、当該利用者の反応を当該利用者に関する前記利用者情報に含める
   請求項１に記載の知識検索装置。
3. 前記利用者情報は、前記組織の構造と当該構造の中での前記利用者の位置付けとを含む
   請求項１または２に記載の知識検索装置。
4. 前記検索処理部は、前記検索要求の内容に適合した複数の前記知識に対して順位付けを行い、
   前記回答処理部は、順位付けされた各知識を用いて前記回答を提供し、
   前記利用者情報取得部は、前記回答処理部が提供した各知識のなかから前記利用者が選択した前記知識に関する情報を取得し、当該知識を提供された前記利用者の前記利用者情報に、当該利用者が選択した前記知識の情報を含める
   請求項１から３のいずれか一項に記載の知識検索装置。
5. 前記機械学習モデルは、前記検索要求に出現する単語と、当該検索要求の部分文字列とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習したモデルであり、
   前記検索処理部は、前記検索要求に出現する単語と当該検索要求の部分文字列とを入力に含めて当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力する
   請求項１から４のいずれか一項に記載の知識検索装置。
6. 前記検索処理部は、前記検索要求の内容に適合した複数の前記知識に対して前記検索要求に適合している確からしさを算出し、
   前記回答処理部は、前記検索処理部が出力する各知識のなかで前記確からしさが最も高い知識の確からしさが所定値以上である場合に、前記確からしさが最も高い知識を用いて前記回答を生成し、前記検索処理部が出力する各知識の確からしさが所定値に満たない場合に、前記検索処理部が出力する各知識のなかから選択を促す前記回答を前記利用者に提供し、
   前記利用者情報取得部は、前記回答処理部が提供した各知識のなかから前記利用者が選択した知識を前記利用者の反応として取得する
   請求項２に記載の知識検索装置。
7. 前記回答処理部は、前記検索処理部が出力した知識の要約を前記回答として提供する
   請求項１から６のいずれか一項に記載の知識検索装置。
8. 前記組織は、第１組織であり、
   前記第１組織と類似した他の組織が、第２組織であり、
   前記機械学習モデルは、前記第１組織において前記検索要求の内容に適合した知識を前記集合から出力するように、前記第２組織での学習結果を用いて学習したモデルである
   請求項１から７のいずれか一項に記載の知識検索装置。
9. 組織が保有する電子文書の集合を記憶した記憶部を用い、利用者の検索要求の内容に適合した知識を前記集合から検索する知識検索方法であって、
   前記利用者から前記検索要求を受け付けることと、
   前記利用者に関する利用者情報を取得することと、
   前記検索要求と、当該検索要求の提出元である前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを用い、受け付けられた前記検索要求と当該検索要求を提出した前記利用者の前記利用者情報とを前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させることと、
   前記機械学習モデルが出力した知識を用いて、受け付けられた前記検索要求の回答を前記利用者に提供することと、を含む
   知識検索方法。
10. 組織が保有する電子文書の集合を記憶した記憶部を備えた知識検索装置に、利用者の検索要求の内容に適合した知識を前記集合から検索させる知識検索プログラムであって、
    前記知識検索装置を、
    前記利用者から前記検索要求を受け付ける質問受付部と、
    前記質問受付部が受け付けた前記検索要求の提出元である前記利用者に関する利用者情報を取得する利用者情報取得部と、
    前記検索要求と、当該検索要求を提出した前記利用者に関する前記利用者情報とを入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から出力するように学習した機械学習モデルを備え、前記質問受付部が受け付けた前記検索要求と、前記利用者情報取得部が取得した前記利用者情報とを前記機械学習モデルの入力に含めて、当該入力に含まれる前記検索要求の内容に適合した知識を前記集合から前記機械学習モデルに出力させる検索処理部と、
    前記検索処理部が出力した知識を用いて前記質問受付部が受け付けた検索要求の回答を前記利用者に提供する回答処理部として機能させる
    知識検索プログラム。