JP2020119087A - 文書審査支援方法、文書審査支援装置及びコンピュータプログラム - Google Patents

Abstract

【課題】経験や知識が乏しい契約担当者においても容易に契約書の審査を行うこと。【解決手段】審査の対象である契約書の業界種別を取得する第１の取得ステップと、契約書の契約書種別を取得する第２の取得ステップと、契約書のテキストデータから契約書に記載の条項を取得する第３の取得ステップと、取得された条項毎に条種別を取得する第４の取得ステップと、取得された業界種別と、契約書種別と、条種別とに基づいて、条項毎に契約書の評価を行う評価ステップと、評価結果を含む画面データを生成する画面データ生成ステップと、を有する文書審査支援方法。【選択図】図３

Description

本発明は、文書審査支援方法、文書審査支援装置及びコンピュータプログラムに関する。

従来、取引を伴う企業間では、取引条件を記載した契約書を作成する。契約書は、契約締結時の証拠として非常に重要な書類となる。そのため、作成された契約書の内容の確認は、非常に重要な業務である。このような契約書の内容を経験や知識が乏しい契約担当者が確認する場合には、契約書の内容の確認に非常に時間を要する。そこで、従来、経験や知識が乏しい契約担当者でも容易に契約書の審査を行うことができる支援装置が提案されている（例えば、特許文献１参照）。特許文献１に記載の技術では、契約書の作成段階において、契約内容の審査に関係する契約書の記載を提示することによって、経験や知識が乏しい契約担当者でも容易に契約書の審査を行うことができるように支援している。

特開２０１０−２３１７４３号公報

しかしながら、従来の技術では、審査項目に関連する関連条項と、契約書に対応して予め規定された審査項目データとを契約書データに対応付けて表示しているため、契約担当者は全ての項目を確認する必要がある。また、表示されるデータの文章量が多くなるにつれて、経験や知識が乏しい契約担当者は、契約書の内容の確認にさらに時間を要してしまうことが想定される。このように、従来の技術では、経験や知識が乏しい契約担当者が契約書の審査を行うには十分ではないという問題があった。

上記事情に鑑み、本発明は、経験や知識が乏しい契約担当者においてもより容易に契約書の審査を行うことができる技術の提供を目的としている。

本発明の一態様は、審査の対象である契約書の業界種別を取得する第１の取得ステップと、前記契約書の契約書種別を取得する第２の取得ステップと、前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得ステップと、取得された前記条項毎に条種別を取得する第４の取得ステップと、取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価ステップと、評価結果を含む画面データを生成する画面データ生成ステップと、を有する文書審査支援方法である。

本発明の一態様は、上記の文書審査支援方法であって、前記条項毎に前記評価の根拠となった文字列を取得する第５の取得ステップをさらに有し、画面データ生成ステップにおいて、前記評価結果とともに、前記条項を構成する文字列のうち前記評価の根拠となった文字列と、その他の文字列とを異なる態様で表示させる画面データを生成する。

本発明の一態様は、上記の文書審査支援方法であって、前記評価ステップにおいて、前記条項毎に、取得された前記業界種別、前記契約書種別及び前記条種別に基づいて複数の選択肢の中から推測された推測結果と、正しい内容として事前に取得した正解データとが一致する場合には前記条項の契約書の記載が正しいと評価し、正解データとが一致しない場合には前記条項の契約書の記載が正しくないと評価する。

本発明の一態様は、審査の対象である契約書の業界種別を取得する第１の取得部と、前記契約書の契約書種別を取得する第２の取得部と、前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得部と、取得された前記条項毎に条種別を取得する第４の取得部と、取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価部と、評価結果を含む画面データを生成する画面データ生成部と、を備える文書審査支援装置である。

本発明の一態様は、審査の対象である契約書の業界種別を取得する第１の取得ステップと、前記契約書の契約書種別を取得する第２の取得ステップと、前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得ステップと、取得された前記条項毎に条種別を取得する第４の取得ステップと、取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価ステップと、評価結果を含む画面データを生成する画面データ生成ステップと、をコンピュータに実行させるためのコンピュータプログラムである。

本発明により、経験や知識が乏しい契約担当者においてもより容易に契約書の審査を行うことが可能となる。

本発明における文書審査支援システムのシステム構成を表す構成図である。 契約書審査ポリシーの構造の一例を示す図である。 本発明における文書審査支援装置の機能構成を表す概略ブロック図である。 業界種別解析用教師データの一例を示す図である。 契約書種別解析用教師データの一例を示す図である。 条種別解析用教師データの一例を示す図である。 ポリシー審査用教師データの一例を示す図である。 確認文字列推定用教師データの一例を示す図である。 契約書審査ポリシーデータの一例を示す図である。 正解選択データの一例を示す図である。 過去契約書データの一例を示す図である。 本発明における学習部の詳細機能構成を表す概略ブロック図である。 条文抽出の方法を説明するための図である。 本発明における文書審査支援装置の処理の流れを示すフローチャートである。 、契約書の審査結果の確認画面の一例を示す図である。 階層化された教師データの一例を示す図である。

以下、本発明の一実施形態を、図面を参照しながら説明する。
図１は、本発明における文書審査支援システム１００のシステム構成を表す構成図である。文書審査支援システム１００は、文書の審査の支援を行うためのシステムである。文書は、例えば契約書である。文書の審査の支援とは、文書（例えば、契約書）における条文の内容、記載すべき事項の有無、記載の誤り等の顧客が文書の確認を行う際のサポートである。本実施形態における文書審査支援システム１００で行う文書の審査の支援は、例えば契約書に記載の内容と、予め保持している正解データとの比較結果や審査結果の判断根拠となる文字列を提示することである。

文書審査支援システム１００は、顧客端末装置１０、文書審査支援装置２０、教師データ登録装置３０及び管理装置４０を備える。顧客端末装置１０、文書審査支援装置２０、教師データ登録装置３０及び管理装置４０は、ネットワーク５０を介して通信可能な状態に接続される。なお、図１では、文書審査支援システム１００が１台の教師データ登録装置３０及び管理装置４０を備える構成を示しているが、文書審査支援システム１００は２台以上の教師データ登録装置３０及び管理装置４０を備えるように構成されてもよい。

顧客端末装置１０は、文書の審査を所望する顧客によって操作される。顧客端末装置１０は、契約書のデータ（契約書ファイル）を文書審査支援装置２０に送信する。また、顧客端末装置１０は、文書審査支援装置２０から送信された審査結果を画面上に表示する。また、顧客端末装置１０は、顧客により契約書文の修正及び再審査等を行う機能を有する。顧客端末装置１０は、例えばＶＭ（Virtual Machine）やコンテナ技術で構築されるＯＳ（Operating System）、パーソナルコンピュータ、ノートパソコン、スマートフォン、携帯電話、タブレット端末等の情報処理装置を用いて構成される。

文書審査支援装置２０は、顧客端末装置１０から送信された契約書のデータに基づいて、契約書の審査の支援を行う。文書審査支援装置２０は、例えばＶＭやコンテナ技術で構築されるＯＳ、パーソナルコンピュータ、ノートパソコン、スマートフォン、携帯電話、タブレット端末等の情報処理装置を用いて構成される。

教師データ登録装置３０は、文書審査支援装置２０が学習する際に必要となる教師データを登録する。本実施形態において使用する教師データは、教師ありの教師データである。教師データ登録装置３０は、ユーザの操作に応じて、教師データの追加登録を顧客端末装置１０に行う。教師データ登録装置３０は、例えばＶＭやコンテナ技術で構築されるＯＳ、パーソナルコンピュータ、ノートパソコン、スマートフォン、携帯電話、タブレット端末等の情報処理装置を用いて構成される。

教師データを作成する際の課題として、教師データを作成する際には大量の契約書の中で異なる「契約書雛形」を抽出する必要がある点と、契約書の雛形が「同じ」でなくても、複数契約書の間で条として、「同じ」雛形のものがある。それを教師データから排除する必要がある。「同じ」雛形の契約書また条とは、特定の固有名詞（会社名、サインナの名前など）、日付（契約期間、サインの日付）、数字（条番号）、符号（スペース、点、カッコなど）を除く、出現する形態素が同様であることを意味する。

そこで、教師データ登録装置３０は、以下のように同じ契約書文を抽出する。
１．テキストの正規化。
２．形態素解析を行う際、特定の固有名詞、日付、数字、符号など、契約書文として意味を持たない形態素をストップワードとして、特徴量として抽出しない。ここで、特徴量は、入力されたテキストデータにおける文の共起回数である。
３．固有名詞の抽出、匿名化処理等を追加。
４．入力されたテキストデータに対して、教師データ登録装置３０は、１〜３の処理を行った後に特徴量を抽出し、他のテキストデータと比較する。特徴量が同じような契約書を「同じ」雛形の契約書と判断する。

管理装置４０は、顧客毎の契約書審査ポリシーを管理する。契約書審査ポリシーとは、契約書を審査するための観点を示す。異なる契約書タイプは、異なる審査観点が必要となる。管理装置４０は、ユーザの操作に応じて、顧客毎の契約書審査ポリシーの内容に対して追加又は修正を行う。管理装置４０は、例えばＶＭやコンテナ技術で構築されるＯＳ、パーソナルコンピュータ、ノートパソコン、スマートフォン、携帯電話、タブレット端末等の情報処理装置を用いて構成される。契約書審査ポリシーの具体的な例として、業界種別、契約書種別、条種別、審査観点大、審査観点小、結果選択肢、正解選択、装置推測結果及び審査結果が挙げられる。契約書審査ポリシーは、図２に示すような構造になっている。

図２は、契約書審査ポリシーの構造の一例を示す図である。
図２に示すように、契約書審査ポリシーの構造は階層構造となる。
業界種別は、契約書の所属業界の種類を表す。業界種別の種類は、例えば「ＩＴ」、「金融」、「建築」、「小売」、「医療」、「運輸」及び「製造」等がある。同じ契約書でも業界毎に確認観点が異なる場合がある。

契約書種別は、契約書の種類を表す。契約書種別の種類は、例えば「業務委託契約」、「準委任契約」、「秘密保持契約」及び「売買契約」等がある。契約書種別によって、共通できる「条」の審査観点もあれば、共通できない審査観点もある。例えば、「損害賠償」は「業務委託契約」でも「売買契約」でも共通できる。

条種別は、契約書に記載の条の種類を表す。条種別の種類は、例えば「損害賠償」、「秘密情報の定義」、「秘密保持義務及び秘密情報の取扱い」、「瑕疵担保責任」、「知的財産権の帰属の帰属」、「著作権および産業財産権の帰属」及び「第三者の知的財産権等」等である。

審査観点大は、条毎に審査すべき審査項目を表す。損害賠償の条における審査観点大の種類は、例えば「損害賠償条項有無」、「損害賠償適用対象当事者」、「損害賠償条項の適用対象事由」、「損害賠償範囲の制限」、「損害賠償の制限の例外」、「損害賠償額の上限設定」、「賠償事由による損害賠償額の上限の例外」及び「その他の責任制限または拡大」等である。なお、図２では、損害賠償の条における審査観点大の種類しか例示していないが、条毎に審査観点大の種類は設けられる。

審査観点小は、「審査観点大」毎に審査すべき審査項目を表す。損害賠償条項の適用対象事由における審査観点小の種類は、例えば「損害賠償責任制限規定有無」、「責任対象範囲_通常損害」、「責任対象範囲_特別損害（予見可能）」、「責任対象範囲_特別損害（予見不可能）」、「責任対象範囲_直接損害」、「責任対象範囲_間接損害」、「責任対象範囲_逸失利益」、「責任対象範囲_懲罰的損害」及び「責任対象範囲_相手方(請求者)責事由の損害」等である。なお、図２では、損害賠償条項の適用対象事由における審査観点小の種類しか例示していないが、審査観点大毎に審査観点小の種類は設けられる。

結果選択肢は、「審査観点小」毎の項目において結果としてなりうる選択肢を表す。結果選択肢は、例えば「賠償責任を負う当事者」であれば、「双方当事者（甲または乙）」や「片方当事者（乙のみ）」等が選択肢となる。

正解選択は、「審査観点小」毎の項目において、顧客が「結果選択肢」の中から正解として選んだ内容を表す。正解選択の内容は、事前に顧客から取得される。なお、正解選択は、顧客から頂いた契約書を文書審査支援装置２０が読み込むことで、自動的に生成してもよい。
装置推測結果は、「審査観点小」毎の項目において文書審査支援装置２０が「結果選択肢」の中から選択した推測結果を表す。

審査結果は、契約書の審査結果を表す。契約書の審査結果は、契約書に記載の内容に基づいて文書審査支援装置２０が推測した結果と、顧客から事前に取得されている正解選択とに基づいて取得される。文書審査支援装置２０が推測した結果と、正解選択の内容とが一致する場合（「装置推測結果」＝＝「正解選択」）、契約書の記載が正しいことを示す審査結果（ＯＫ）が取得される。一方、文書審査支援装置２０が推測した結果と、正解選択の内容とが一致しない場合（「装置推測結果」！＝「正解選択」）、契約書の記載が正しくないことを示す審査結果（ＮＧ）が取得される。

図２に示す例では、「責任対象範囲_直接損害」の項目と、「責任対象範囲_間接損害」の項目とにＮＧが審査結果として示されている。具体的には、「責任対象範囲_直接損害」の項目において正解選択として記載が必須であるのに対し、文書審査支援装置２０が契約書を分析した結果として契約書内に「責任対象範囲_直接損害」の記載がないと評価されたことが示されている。また、「責任対象範囲_間接損害」の項目において正解選択として「責任対象範囲_間接損害」の項目が記載すべきでないのに対し、文書審査支援装置２０が契約書を分析した結果として契約書内に「責任対象範囲_間接損害」の項目の記載があると評価されたことが示されている。文書審査支援装置２０は、このような審査結果を、顧客端末装置１０に送信することによって、顧客の審査を支援することができる。

図１に戻って、説明を続ける。
ネットワーク５０は、どのように構成されたネットワークでもよい。例えば、ネットワーク５０はインターネットを用いて構成されてもよい。

図３は、本発明における文書審査支援装置２０の機能構成を表す概略ブロック図である。文書審査支援装置２０は、通信部２１、記憶部２２及び制御部２３を備える。
通信部２１は、顧客端末装置１０、教師データ登録装置３０及び管理装置４０との間で通信を行う。例えば、通信部２１は、顧客端末装置１０から契約書ファイルを受信し、契約書の審査結果を顧客端末装置１０に送信する。また、例えば、通信部２１は、教師データ登録装置３０から教師データを受信する。また、例えば、通信部２１は、管理装置４０から顧客毎の契約書審査ポリシーの情報を受信する。

記憶部２２は、業界種別解析用教師データ２２１、契約書種別解析用教師データ２２２、条種別解析用教師データ２２３、ポリシー審査用教師データ２２４、確認文字列推定用教師データ２２５、契約書審査ポリシーデータ２２６、正解選択データ２２７及び過去契約書データ２２８を記憶する。なお、正解選択データ２２７及び過去契約書データ２２８は、顧客毎に設けられる。記憶部２２は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成されてもよいし、仮想マシンの技術により構築されるＯＳ上に仮想的に構築されてもよいし、コンテナ技術により構築されるＯＳ上に仮想的に構築されてもよい。

業界種別解析用教師データ２２１は、図４に示す構造であり、契約書文に応じた業界種別が教師データとして与えられたデータである。図４は、業界種別解析用教師データ２２１の一例を示す図である。図４において、契約書文１はテキスト化された契約書を表し、“Ｙ”は正解データを表す。図４に示す例では、「契約書文１」に対応する契約書が入力された場合に「業界種別２」に分類されるように教師データが与えられており、「契約書文２」に対応する契約書が入力された場合に「業界種別１及び３」に分類されるように教師データが与えられており、「契約書文３」に対応する契約書が入力された場合に「業界種別３」に分類されるように教師データが与えられている。

図３に戻って、説明を続ける。
契約書種別解析用教師データ２２２は、図５に示す構造であり、契約書文に応じた契約書種別が教師データとして与えられたデータである。図５は、契約書種別解析用教師データ２２２の一例を示す図である。図５において、契約書文１はテキスト化された契約書を表し、“Ｙ”は正解データを表す。なお、正解データを表すフラグは“Ｙ”に限らず、その他の値であってもよい。図５に示す例では、「契約書文１」に対応する契約書が入力された場合に「契約書種別２」に分類されるように教師データが与えられており、「契約書文２」に対応する契約書が入力された場合に「契約書種別１及び３」に分類されるように教師データが与えられており、「契約書文３」に対応する契約書が入力された場合に「契約書種別３」に分類されるように教師データが与えられている。

図３に戻って、説明を続ける。
条種別解析用教師データ２２３は、図６に示す構造であり、契約書に記載の条文（条項）に応じた条種別が教師データとして与えられたデータである。図６は、条種別解析用教師データ２２３の一例を示す図である。図６において、条文１は契約書に記載の条文を表し、“Ｙ”は正解データを表す。なお、正解データを表すフラグは“Ｙ”に限らず、その他の値であってもよい。図６に示す例では、「条文１」に分解されたテキストが入力された場合に「条種別２」に分類されるように教師データが与えられており、「条文２」に分解されたテキストが入力された場合に「条種別１及び３」に分類されるように教師データが与えられており、「条文３」に分解されたテキストが入力された場合に「条種別３」に分類されるように教師データが与えられている。

図３に戻って、説明を続ける。
ポリシー審査用教師データ２２４は、図７に示す構造であり、契約書に記載の条文に応じた審査観点毎の結果選択肢が教師データとして与えられたデータである。図７は、ポリシー審査用教師データ２２４の一例を示す図である。図７において、条文１は契約書に記載の条文を表す。図７に示す例では、「条文１」に分解されたテキストが入力された場合に、装置推測結果として審査観点大１における審査観点小１−１の項目においては「結果選択肢１−１−Ａ」、審査観点大１における審査観点小１−２の項目においては「結果選択肢１−２−Ｂ」、審査観点大２における審査観点小２−１の項目においては「結果選択肢２−１−Ｃ」に分類されるように教師データが与えられており、「条文２」に分解されたテキストが入力された場合に、装置推測結果として審査観点大１における審査観点小１−１の項目においては「結果選択肢１−１−Ａ」、審査観点大１における審査観点小１−２の項目においては「結果選択肢１−２−Ａ」、審査観点大２における審査観点小２−１の項目においては「結果選択肢２−１−Ｂ」に分類されるように教師データが与えられており、「条文３」に分解されたテキストが入力された場合に、装置推測結果として審査観点大１における審査観点小１−１の項目においては「結果選択肢１−１−Ｂ」、審査観点大１における審査観点小１−２の項目においては「結果選択肢１−２−Ｅ」、審査観点大２における審査観点小２−１の項目においては「結果選択肢２−１−Ｆ」に分類されるように教師データが与えられている。

図３に戻って、説明を続ける。
確認文字列推定用教師データ２２５は、図８に示す構造であり、契約書に記載の条文に応じて、推測結果の判断根拠となる文が教師データとして与えられたデータである。図８は、確認文字列推定用教師データ２２５の一例を示す図である。図８において、条文は契約書に記載の条文を表し、条文内容は契約書に記載の条文の内容（例えば、条文１の詳細な内容、条文２の詳細な内容等）を表し、文字列は文章を所定の間隔で区切った文字列を表し、“Ｙ”は推測結果の判断根拠となる文字列であることを表す。なお、推測結果の判断根拠となる文字列を表すフラグは“Ｙ”に限らず、その他の値であってもよい。所定の間隔とは、例えば、「、」,「。」,「(」,「)」等の符号が現れてから次の符号が現れるまでの区間であってもよいし、予め決められた特定の符号が現れてから次の特定の符号が現れるまでの区間であってもよい。このように、確認文字列推定用教師データ２２５は、「審査観点小」毎に設けられる。すなわち、「審査観点小」と「文字列」の組み合わせ毎に「Ｙ」が又は「Ｎ」が教師データとして与えられる。

図８に示す例では、条文「ａａａａａａ、ｂｂｂｂｂ、ｃｃｃｃｃｃｃ。ｄｄｄｄｄ、ｅｅｅｅｅ、ｆｆｆｆｆｆ。」のテキストデータが入力された場合に、審査観点小１−１においては「ａａａａａａ」、「ｄｄｄｄｄ」、「ｅｅｅｅｅ」を確認文字列として分類されるように教師データが与えられている。

図３に戻って、説明を続ける。
契約書審査ポリシーデータ２２６は、図９に示す構造であり、各業界の契約書種別毎に、審査すべき条種別が示されたデータである。図９は、契約書審査ポリシーデータ２２６の一例を示す図である。図９において“Ｙ”は審査すべき項目を表す。なお、審査すべき項目を表すフラグは“Ｙ”に限らず、その他の値であってもよい。図９に示す例では、「条種別１」における審査観点小毎に、各業界の各契約書種別の審査すべき項目が示されている。例えば、文書審査支援装置２０に入力された契約書の業界種別が“業界１”であり、契約書種別が“契約書種別１−１”の場合、条種別１においては審査観点大１の項目に含まれる審査観点小１−１、審査観点小１−２と、審査観点大２の項目に含まれる審査観点小２−１、審査観点小２−２とを審査すべきであることが示されている。

図３に戻って、説明を続ける。
正解選択データ２２７は、図１０に示す構造であり、各業界の契約書種別毎に、審査すべき条種別における正解データが示されたデータである。図１０は、正解選択データ２２７の一例を示す図である。図１０において正解データである結果選択肢毎に、各契約書種別で契約書の記載に関する情報が対応付けられている。契約書の記載に関する情報とは、“必須”、“不可”、“許容”及び“無視”等の情報である。“必須”は、対応付けられている結果選択肢の記載が必須であること、すなわち記載すべきであることを表す。“不可”は、対応付けられている結果選択肢の記載があってはいけない、すなわち記載すべきでないことを表す。“許容”は、対応付けられている結果選択肢の記載があってもよいことを表す。“無視”は、対応付けられている結果選択肢の記載を確認しないことを表す。

図３に戻って、説明を続ける。
過去契約書データ２２８は、図１１に示す構造であり、契約書に記載の条文に応じた条種別が教師データとして与えられたデータである。図１１は、過去契約書データ２２８の一例を示す図である。図１１において、契約書毎に、プロパティの情報及び条毎の本文が過去契約書データ２２８として保存される。プロパティの情報には、「契約書名」、「甲とは」、「乙とは」、「契約期間」、「契約金額」及び「契約金額が税込みかどうか」等の契約書における重要情報が含まれる。

制御部２３は、ＣＰＵ（Central Processing Unit）等のプロセッサやメモリを用いて構成される。制御部２３は、プログラムを実行することによって、データ登録部２３１、ファイル変換部２３２、学習部２３３、分類部２３４、抽出部２３５、文書評価部２３６及び画面データ生成部２３７として機能する。

データ登録部２３１は、他の装置から送信されたデータを登録する。具体的には、データ登録部２３１は、教師データ登録装置３０から送信された各種教師データを業界種別解析用教師データ２２１、契約書種別解析用教師データ２２２、条種別解析用教師データ２２３、ポリシー審査用教師データ２２４、確認文字列推定用教師データ２２５として記憶部２２に登録する。また、データ登録部２３１は、管理装置４０から送信された契約書審査ポリシーの情報を契約書審査ポリシーデータ２２６として記憶部２２に登録する。また、データ登録部２３１は、正解選択データ及び過去の契約書のデータを正解選択データ２２７及び過去契約書データ２２８として記憶部２２に登録する。

ファイル変換部２３２は、文書のファイル形式を変換する。具体的には、ファイル変換部２３２は、顧客端末装置１０から送信された契約書ファイル（例えば、ワードファイル、ＰＤＦ（Portable Document Format）ファイル、紙媒体等）の形式をテキストデータの形式に変換する。また、ファイル変換部２３２は、テキストデータの形式をワードファイルの形式、ＰＤＦファイルの形式に変換する。

学習部２３３は、記憶部２２に記憶されている教師データを用いて、日本語自然言語処理をベースとした学習を行うことによって分類器を作成する。なお、本実施形態では、処理対象の言語として日本語を例に説明すると、日本語に限定される必要ない。例えば、処理対象の言語として、他の言語（英語、フランス語、中国語等）が用いられてもよい。学習は、機械学習であり、例えばＳＶＭ（Support Vector Machine）や決定木等のいずれの機械学習の方法が用いられてもよい。なお、学習部２３３は、どのようなタイミングで分類器を作成してもよい。例えば、学習部２３３は、あらかじめ定められた時刻や期間になったタイミングで分類器を作成してもよいし、外部から分類器の作成指示がなされたタイミングで分類器を作成してもよい。図１２は、本発明における学習部２３３の詳細機能構成を表す概略ブロック図である。図１２に示すように、学習部２３３は、業界種別学習部２３３１、契約書種別学習部２３３２、条種別学習部２３３３、審査結果学習部２３３４及び確認文字列学習部２３３５で構成される。

業界種別学習部２３３１は、業界種別解析用教師データ２２１を用いて、日本語自然言語処理をベースとした学習を行うことによって、入力されたテキストデータの分類結果として業界種別の情報を出力するための業界種別分類器を作成する。
契約書種別学習部２３３２は、契約書種別解析用教師データ２２２を用いて、日本語自然言語処理をベースとした学習を行うことによって、入力されたテキストデータの分類結果として契約書種別の情報を出力するための契約書種別分類器を作成する。

条種別学習部２３３３は、条種別解析用教師データ２２３を用いて、日本語自然言語処理をベースとした学習を行うことによって、入力されたテキストデータの分類結果として条種別の情報を出力するための条種別分類器を作成する。
審査結果学習部２３３４は、ポリシー審査用教師データ２２４を用いて、日本語自然言語処理をベースとした学習を行うことによって、入力されたテキストデータの分類結果として装置推測結果の情報を出力するための装置推測結果分類器を作成する。
確認文字列学習部２３３５は、確認文字列推定用教師データ２２５を用いて、日本語自然言語処理をベースとした学習を行うことによって、入力されたテキストデータの分類結果として確認すべき文字列の情報を出力するための確認文字列分類器を作成する。

次に、分類器の具体的な作成方法について説明する。ここで、学習部２３３による各分類器の作成方法は同一であるため、各分類器を区別せずに説明する。
学習部２３３は、予め分類された教師データ（テキストデータ）から特徴量抽出を行う。次に、学習部２３３は、予め定められた分類結果により特徴量のクラス分けを行う。そして、学習部２３３は、特徴量による分類器を作成する。

図３に戻って説明を続ける。
分類部２３４は、ファイル変換部２３２によってテキストデータに変換された契約書を入力し、学習部２３３によって作成された分類器を用いて、入力された契約書を分類して分類結果を出力する。具体的には、分類部２３４は、業界種別分類器を用いて、テキストデータに変換された契約書の業界種別を分類する。また、分類部２３４は、契約書種別分類器を用いて、テキストデータに変換された契約書の種別を分類する。また、分類部２３４は、条種別分類器を用いて、テキストデータに変換された契約書の条の種別を分類する。なお、一つ、または複数の条の分類、既存ＤＢ上の条の種類に一つも当てはめられない場合は、「未知」とする。また、分類部２３４は、装置推測結果分類器を用いて、条種別に分類された条単位の契約書の審査観点小毎の装置推測結果を分類する。また、分類部２３４は、確認文字列分類器を用いて、条種別に分類された条単位の契約書において確認すべき文字列を分類する。

次に、分類部２３４による具体的な分類方法について説明する。
まず分類部２３４は、形態素解析によって、入力されたテキストデータを「形態素」毎に分解する。次に、分類部２３４は、テキストデータに対して、余分な改行やスペース等の除去、アルファベットの小文字化及び正規化(半角／全角変換等)を行う。そして、分類部２３４は、入力されたテキストデータから特徴量の抽出を行い、学習部２３３によって作成された分類器を使用してテキストデータの分類を行う。

抽出部２３５は、ファイル変換部２３２によってテキストデータに変換された契約書を入力し、テキスト化された契約書から、予めに設定したルールに従って重要情報及び条文を抽出する。なお、ルールベースでの作業のため、必ずしもすべての契約書に対応しない。対応しない契約書は、人が必要な情報を入力する。予めに設定したルールは、例えば正規表現で表される。

図１３は、条文抽出の方法を説明するための図である。
図１３（Ａ）は複数種類の契約書フォーマットのパターンを表す図であり、図１３（Ｂ）及び図１３（Ｃ）は条の抽出ルールを表す図である。なお、図１３では、２種類の契約書フォーマットのパターン及び抽出ルールを示したが、契約書フォーマットのパターン及び抽出ルールはこれに限定される必要はなく、契約書から条を抽出できれば他の方法でもよい。抽出部２３５は、入力されたテキスト化された契約書において、契約書フォーマットのパターン及び抽出ルールに従って検索を行い、当てはまった文を１つの条として抽出する。

文書評価部２３６は、分類結果と、装置推測結果と、契約書審査ポリシーデータ２２６と、正解選択データ２２７とに基づいて、契約書を評価する。具体的には、文書評価部２３６は、審査観点小毎の装置推測結果と、分類結果審、契約書審査ポリシーデータ２２６及び正解選択データ２２７に基づいて得られる審査観点小毎の結果選択肢とが一致する場合には、一致した審査観点小の項目において契約書の記載が正しいと評価する。一方、文書評価部２３６は、審査観点小毎の装置推測結果と、分類結果審、契約書審査ポリシーデータ２２６及び正解選択データ２２７に基づいて得られる審査観点小毎の結果選択肢とが一致しない場合には、一致しない審査観点小の項目において契約書の記載が正しくないと評価する。

画面データ生成部２３７は、入力された評価結果と、条毎の確認すべき文字列の分類結果とに基づいて、契約書の審査結果を確認するための画面データを生成する。

図１４は、本発明における文書審査支援装置２０の処理の流れを示すフローチャートである。なお、図１４の処理開始時には、学習部２３３により各種分類器が作成されているものとする。
ファイル変換部２３２は、顧客端末装置１０から送信された契約書ファイルの形式をテキストデータの形式に変換する（ステップＳ１０１）。ファイル変換部２３２は、変換後のテキストデータを分類部２３４及び抽出部２３５に出力する。

分類部２３４は、変換後のテキストデータを入力する。分類部２３４は、入力したテキストデータを業界種別分類器に入力することによって、テキストデータに変換された契約書の業界種別の分類結果（例えば、業界種別２）を文書評価部２３６に出力する（ステップＳ１０２）。これにより、文書評価部２３６は、入力された契約書の業界種別を把握することができる。

また、分類部２３４は、入力したテキストデータを契約書種別分類器に入力することによって、テキストデータに変換された契約書の契約書種別の分類結果（例えば、契約書種別２）を文書評価部２３６に出力する（ステップＳ１０３）。これにより、文書評価部２３６は、入力された契約書の契約書種別を把握することができる。

抽出部２３５は、入力したテキストデータから、予めに設定したルールに従って重要情報を抽出する（ステップＳ１０４）。抽出部２３５は、抽出した重要情報を文書評価部２３６に出力する。抽出部２３５は、入力したテキストデータから、予めに設定したルールに従って条のテキストデータを条毎（条文毎）に抽出する（ステップＳ１０５）。抽出部２３５は、抽出した条毎のテキストデータを分類部２３４に出力する。

分類部２３４は、条毎のテキストデータを条種別分類器に入力することによって、条毎に条種別の分類結果を文書評価部２３６に出力する（ステップＳ１０６）。これにより、文書評価部２３６は、入力された契約書に記載の各条の条種別を把握することができる。
分類部２３４は、条毎のテキストデータを装置推測結果分類器に入力することによって、各条の審査観点小毎の装置推測結果を文書評価部２３６に出力する（ステップＳ１０７）。これにより、文書評価部２３６は、入力された契約書に記載の各条の審査観点小毎の装置推測結果を把握することができる。

文書評価部２３６は、入力された分類結果と、契約書審査ポリシーデータ２２６と、正解選択データ２２７とを用いて契約書を評価する（ステップＳ１０８）。文書評価部２３６は、評価結果を画面データ生成部２３７に出力する。分類部２３４は、条毎のテキストデータ確認文字列分類器に入力することによって、条毎の確認すべき文字列の分類結果を文書評価部２３６に出力する（ステップＳ１０９）。テキストデータ確認文字列分類器には、「審査観点小」の項目と、「条文内容」とが入力される。画面データ生成部２３７は、入力された評価結果と、条毎の確認すべき文字列の分類結果とに基づいて、契約書の審査結果を確認するための画面データを生成する（ステップＳ１１０）。具体的には、画面データ生成部２３７は、条毎に確認すべき文字列、すなわち評価の判断根拠となった文を他の文と異なる態様で示した画面データを生成する。例えば、画面データ生成部２３７は、評価の判断根拠となった文を強調（例えば、ハイライトや太字等）して表示させる画面データを生成する。通信部２１は、生成された画面データを顧客端末装置１０に送信する（ステップＳ１１１）。これにより、顧客は、顧客端末装置１０を操作することによって契約書の審査結果を確認することができる。

図１５は、契約書の審査結果の確認画面の一例を示す図である。
契約書の審査結果の確認画面１５０は、顧客端末装置１０に表示される。図１５に示すように、契約書の審査結果の確認画面１５０には、審査観点小毎の審査結果１５１と、条の内容１５２とが表示される。図１５に示される条の内容１５２のうち、条を構成する文字列における評価の根拠となった文字列（図１５における「ｄｄｄｄｄ、ｅｅｅｅｅ、ｆｆｆｆｆｆ。」）が、その他の文字列（図１５における「ａａａａａａ、ｂｂｂｂｂ、ｃｃｃｃｃｃｃ。」）と異なる態様で表示されている。なお、図１５に示す契約書の審査結果の確認画面１５０に表示される情報は、これらに限定される必要はない。

以上のように構成された文書審査支援システム１００によれば、経験や知識が乏しい契約担当者においてもより容易に契約書の審査を行うことが可能となる。具体的には、文書審査支援装置２０は、入力された契約書のテキストデータから業界種別、契約書種別、条種別に分類して、条単位で契約書を評価する。そして、文書審査支援装置２０は、評価結果、すなわち契約書の審査結果を顧客に提示する。条単位で評価がなされて条単位の審査結果が得られるため、顧客は、契約書のどの部分を確認すればよいのかを容易に把握することができる。そのため、経験や知識が乏しい契約担当者においてもより容易に契約書の審査を行うことが可能になる。さらに、契約担当者の労力を軽減することができる。

また、文書審査支援装置２０は、条毎に確認すべき文字列、例えば評価の判断根拠となった文を他の文と異なる態様で示した画面データを生成している。これにより、顧客は、契約書において一目で判断根拠となった文を見つけることができる。そして、顧客は、見つけた文と、自社の契約内容とを見比べることによって容易に契約書の確認を行うことができる。

＜変形例＞
教師データ登録装置３０及び管理装置４０は、１つの装置で構成されてもよい。
文書審査支援装置２０は、過去契約書データ２２８から過去の類似契約書文を抽出するように構成されてもよい。このように構成される場合、文書審査支援装置２０は、条毎のテキストデータを入力し、過去契約書データ２２８から、入力した「条」と類似する、過去の「条」単位の契約書文を抽出する。これにより、自動的に類似契約書文を探しだすことができ、効率化することができる。

本実施形態では、企業によらず同じ教師データを使用していた。しかしながら、契約書審査では、異なる業界・企業では異なる審査規準がある。それを対応するために、文書審査支援システム１００では教師データの階層化を行うように構成されてもよい。図１６は、階層化された教師データの一例を示す図である。図１６に示すように、文書審査支援システム１００では、企業特有の教師データ、業界特有の教師データ及び業界・企業によらず同じ教師データを用いて契約書の審査を行うように構成されてもよい。このように構成される場合、それぞれの企業において特化した契約書の審査を行うことができる。

文書審査支援装置２０は、契約書の良し悪しの指標となるリスクスコアを算出するように構成されてもよい。このように構成される場合、文書評価部２３６は、「審査観点小」の審査結果と、「審査観点小」毎に予め定められたスコアとを用いて、１つの契約書のリスクスコアを算出する。ここで、「審査観点小」毎に予め定められたスコアは、「審査観点小」の重要度に応じてユーザに設定される。例えば、「審査観点小」の重要度が高い、すなわち契約書において重要度が高いほどスコアの値が高くなるように設定され、「審査観点小」の重要度が低い、すなわち契約書において重要度が低いほどスコアの値が低くなるように設定される。文書評価部２３６は、「審査観点小」の審査結果がＯＫの項目のスコアの合計値を、審査した「審査観点小」全ての項目の合計値で除算することによってリスクスコア（例えば６０％、８０％又は６０点、８０点など）を算出する。文書評価部２３６は、算出したリスクスコアを画面データ生成部２３７に出力する。画面データ生成部２３７は、出力されたリスクスコアも含めて画面データを生成する。このように構成されることによって、顧客は、契約書の良し悪しを直感的に判断することができる。

本実施形態では、文書審査支援装置２０が、学習部２３３において機械学習を行うことによって得られた分類器を用いて各種種別（例えば、業界種別、契約書種別、条種別等）、装置推測結果及び条単位の契約書において確認すべき文字列を取得する構成を示したが、これらの取得方法は機械学習に限定される必要はない。例えば、文書審査支援装置２０は、ルールベースにより各種種別、装置推測結果及び条単位の契約書において確認すべき文字列を取得するように構成されてもよい。このように構成される場合、文書審査支援装置２０は、学習部２３３及び分類部２３４に代えて、ルールベースにより各種種別、装置推測結果及び条単位の契約書において確認すべき文字列を取得する取得部を備える。また、文書審査支援装置２０は、教師データを記憶しなくてよい。また、文書審査支援装置２０は、一部の情報を機械学習により取得し、残りの情報をルールベースにより取得するように構成されてもよい。

本実施形態では、文書審査支援装置２０が、契約書のテキストデータから業界種別及び契約書種別を取得する構成を示したが、文書審査支援装置２０は他の方法で業界種別及び契約書種別を取得するように構成されてもよい。例えば、文書審査支援装置２０は、人間がＵＩ（User Interface）からプルダウンメニューで入力した業界種別及び契約書種別を取得してもよいし、手入力により入力した業界種別及び契約書種別を取得してもよい。

上述した実施形態における文書審査支援装置２０をコンピュータで実現するようにしてもよい。その場合、こ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、実行することによって実現してもよい。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んでもよい。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よく、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よく、ＦＰＧＡ（Field Programmable Gate Array）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。

以上、この発明の実施形態について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。

１０…顧客端末装置， ２０…文書審査支援装置， ３０…教師データ登録装置， ４０…管理装置， ２１…通信部， ２２…記憶部， ２３…制御部， ２３１…データ登録部， ２３２…ファイル変換部， ２３３…学習部， ２３４…分類部， ２３５…抽出部， ２３６…文書評価部， ２３７…画面データ生成部， ２３３１…業界種別学習部， ２３３２…契約書種別学習部， ２３３３…条種別学習部， ２３３４…審査結果学習部， ２３３５…確認文字列学習部

Claims (5)

1. 審査の対象である契約書の業界種別を取得する第１の取得ステップと、
   前記契約書の契約書種別を取得する第２の取得ステップと、
   前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得ステップと、
   取得された前記条項毎に条種別を取得する第４の取得ステップと、
   取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価ステップと、
   評価結果を含む画面データを生成する画面データ生成ステップと、
   を有する文書審査支援方法。
2. 前記条項毎に前記評価の根拠となった文字列を取得する第５の取得ステップをさらに有し、
   画面データ生成ステップにおいて、前記評価結果とともに、前記条項を構成する文字列のうち前記評価の根拠となった文字列と、その他の文字列とを異なる態様で表示させる画面データを生成する、請求項１に記載の文書審査支援方法。
3. 前記評価ステップにおいて、前記条項毎に、取得された前記業界種別、前記契約書種別及び前記条種別に基づいて複数の選択肢の中から推測された推測結果と、正しい内容として事前に取得した正解データとが一致する場合には前記条項の契約書の記載が正しいと評価し、正解データとが一致しない場合には前記条項の契約書の記載が正しくないと評価する、請求項１又は２に記載の文書審査支援方法。
4. 審査の対象である契約書の業界種別を取得する第１の取得部と、
   前記契約書の契約書種別を取得する第２の取得部と、
   前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得部と、
   取得された前記条項毎に条種別を取得する第４の取得部と、
   取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価部と、
   評価結果を含む画面データを生成する画面データ生成部と、
   を備える文書審査支援装置。
5. 審査の対象である契約書の業界種別を取得する第１の取得ステップと、
   前記契約書の契約書種別を取得する第２の取得ステップと、
   前記契約書のテキストデータから前記契約書に記載の条項を取得する第３の取得ステップと、
   取得された前記条項毎に条種別を取得する第４の取得ステップと、
   取得された前記業界種別と、前記契約書種別と、前記条種別とに基づいて、前記条項毎に前記契約書の評価を行う評価ステップと、
   評価結果を含む画面データを生成する画面データ生成ステップと、
   をコンピュータに実行させるためのコンピュータプログラム。

Images