JP2021026515A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】より効率的に類似文書を発見する情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置１００は、文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出部１０１と、複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出部１０２と、第１類似度および第２類似度に基づいて、新たに取得した文書に類似する文書を複数の文書から選択する選択部１０３と、を備える。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

上記技術分野において、特許文献１には、文書に含まれる単語に重要度を付し、単語の重要度を要素とする多次元ベクトルにより文書の特徴を表現し、文書間のベクトルの角度により類似度を判断する技術が開示されている。

特開２０１５−２１９７９９号公報

しかしながら、上記文献に記載の技術では、効率的に類似文書を発見することができなかった。

本発明の目的は、上述の課題を解決する技術を提供することにある。

上記目的を達成するため、本発明に係る情報処理装置は、
文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出部と、
複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出部と、
前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択部と、
を備えた。

上記目的を達成するため、本発明に係る情報処理方法は、
文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出ステップと、
複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出ステップと、
前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択ステップと、
を含む。

上記目的を達成するため、本発明に係る情報処理プログラムは、
文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出ステップと、
複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出ステップと、
前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択ステップと、
をコンピュータに実行させる。

本発明によれば、より効率的に類似文書を発見することができる。

本発明の第１実施形態に係る情報処理装置の内部構成を説明する図である。 本発明の第２実施形態に係る情報処理装置の動作の概要を説明する図である。 本発明の第２実施形態に係る情報処理装置の類似検索アルゴリズムの一例を説明する図である。 本発明の第２実施形態に係る情報処理装置の構成を示すブロック図である。 本発明の第２実施形態に係る情報処理装置により返信される返信メールの内容の一例を説明する図である。 本発明の第２実施形態に係る情報処理装置が有するベクトル化テーブルの一例を示す図である。 本発明の第２実施形態に係る情報処理装置が有するベクトル変換テーブルの一例を示す図である。 本発明の第２実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。 本発明の第２実施形態に係る情報処理装置の処理手順を説明するフローチャートである。

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。

［第１実施形態］
本発明の第１実施形態に係る情報処理装置について、図１を用いて説明する。図１は、本実施形態に係る情報処理装置の内部構成を説明するための図である。

情報処理装置１００は、算出部１０１、算出部１０２および選択部１０３を有する。算出部１０１は、文書データベース１６０に保存された複数の文書１６１のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点１６２と、新たに取得した文書１５０に含まれる単語の意味を表すベクトルの積算結果としての点１５２との距離を類似度１１１として算出する。算出部１０２は、複数の文書１６１のそれぞれに含まれる文字１６３と、新たに取得した文書１５０に含まれる文字１５３との相違を距離として算出し、その距離の近さを類似度１２１として算出する。選択部１０３は、類似度１１１および類似度１２１に基づいて、新たに取得した文書１５０に類似する文書１７０を複数の文書１４１から選択する。

本実施形態によれば、より効率的に類似文書を発見することができる。

［第２実施形態］
次に本発明の第２実施形態に係る情報処理装置について、図２Ａ乃至図６を用いて説明する。図２Ａは、本実施形態に係る情報処理装置２００の動作の概要を説明する図である。例えば、工作機械販売者２１０が、工作機械の購入希望者から工作機械の見積り依頼や工作機械の設計依頼を受けた場合、その種の依頼に基づいて、文書２５０（設計書）を作成して、情報処理装置２００に送信する。情報処理装置２００は、受け取った分書２５０に類似する仕様書２６１をデータベース２６０から検索し、過去の類似事例の工作機械の仕様書２６１を工作機械販売者２１０に提示する。

過去の類似事例の仕様書２６１を参照すれば、工作機械販売者２１０は、見積書を作成する際や、実際に受注して工作機械の設計をする際に、どんな部品を取り付けていたか、価格がいくらだったかなどをすぐに知ることができる。そのため、工作機械販売者２１０は、見積書の作成や設計を容易に行うことができ、見積書の作成の時間や設計の時間、部品の発注に要する時間を大幅に短縮することができる。

工作機械の仕様書２６１には、工作機械の種類、日程（商談開始日、打ち合わせ日、発注日）、オプションなどの記入欄がある。ここで、オプション欄は、いわゆる自由入力欄に相当するものであり、各顧客の個別の事情に合わせた、工作機械の様々な仕様を指定するための情報を記入する欄である。つまり、オプション欄は、顧客の要望が自由な体裁で記載されている。例えば、ある工作機械販売者２１０は、部品の名称、個数などを箇条書き形式で記入し、また、他の工作機械販売者２１０は、顧客の要望を文章化して記入する。このように、オプション欄の記載は、自由度が高く、工作機械販売者２１０によっては、略称や略語、記号などを用いて記載することもあり、記載のための決まったフォーマットはない。

そして、工作機械の見積書の作成や設計書の作成においては、オプション欄の記載が重要となる。つまり、例えば、工作機械の機種が同じであっても、どのようなオプションを設定するか応じて、見積内容や設計内容が大幅に異なってくる。そのため、工作機械販売者２１０は、オプション欄に記載されている内容に基づいて、過去の類似事例を検索する。

ただし、工作機械販売者２１０が検索のためのキーワードを考え、そのキーワードを用いて検索を行う場合には、工作機械販売者２１０が考えたキーワードが適切でなければ、工作機械販売者２１０が望むような検索結果は返ってこない。

そこで、工作機械販売者２１０は、オプション欄に記載されているであろう文章、用語、単語、記号、数値などを記載した送信メール２２０を作成し、情報処理装置２００へ送信する。送信メール２２０を受信した情報処理装置２００は、送信メール２２０に記載されている文章などに基づいて、データベース２６０から類似するオプション欄の記載を有する仕様書を検索し、抽出する。そして、情報処理装置２００は、抽出した仕様書を返信メール２３０として工作機械販売者２１０に返信する。なお、工作機械の仕様書は、データベース２６０に保存され、管理されている。データベース２６０は、情報処理装置２００の内部にあっても、外部にあってもよい。

情報処理装置２００は、データベース２６０の検索の際に、データベース２６０に保存されている仕様書の全てについて、工作機械販売者２１０が所望するオプション欄の記載との類似度を算出し、類似度の高い仕様書を抽出する。情報処理装置２００は、類似度の算出において、図３Ｃに示すように、コサイン距離およびレーベンシュタイン距離の２つの指標を用いて類似度を算出する。コサイン距離を用いた算出手法は、言葉や単語の意味が似ているものは類似度として高い値を算出する手法であり、言葉の意味をベースとした算出手法である。

また、レーベンシュタイン距離を用いた算出手法は、文字列自体がどの程度類似しているかで類似度を算出する手法であり、文字をベースとした算出手法である。例えば、文字列同士の相違が３文字以下であれば類似度として高い値を算出し、４文字以上であれば類似度として低い値を算出する手法である。情報処理装置２００は、この２つの類似度の算出手法を組み合わせて過去の類似事例を検索する。情報処理装置２００は、例えば、コサイン距離による類似度を５０点満点、レーベンシュタイン距離による類似度を５０点満点で算出し、両者の合計（１００点満点）で全体としての類似度を算出する。

情報処理装置２００は、算出した類似度の値と所定の閾値とを比較して、所定の閾値よりも高い類似度の値を有する仕様書を類似事例と決定する。情報処理装置２００は、類似事例と決定された仕様書を返信メール２３０に添付して工作機械販売者２１０に返信する。これにより、例えば、工作機械のある機種のオプション欄の記載については、返信メール２３０に添付されたような過去の仕様書、つまり、過去の類似事例があったことが分かる。

図３Ａは、本実施形態に係る情報処理装置の構成を示すブロック図である。図３Ｂは、本実施形態に係る情報処理装置により返信される返信メールの内容の一例を説明する図である。情報処理装置２００は、算出部３０１、算出部３０２、選択部３０３および送受信部３０４を有する。まず、データベース２６０に保存された複数の仕様書２４１のうち１つの仕様書に２４１に着目する。算出部３０１は、仕様書２４１に含まれる全ての単語の意味を表すベクトルを求め、求めたベクトルを積算し、その結果としての点を求める。

次に、算出部３０１は、データベース２６０に保存されている仕様書の残りの仕様書の全てについて上述の計算を行い、それぞれの仕様書のベクトルの積算結果としての点を求める。

次に、算出部３０１は、新たに取得した文書２５０に含まれる単語の意味を表すベクトルを求め、求めたベクトルの和を取り、文書２５０のベクトルの積算結果としての点を求める。

そして、算出部３０１は、仕様書２６１のそれぞれのベクトルの積算結果としての点２６２と、文書２５０のベクトルの積算結果としての点２５２と、の距離を類似度３１１として算出する。算出された類似度３１１は、算出部３０１に一時的に保存される。

この距離の類似度３１１は、コサイン距離（コサイン類似度）と呼ばれるものであり、ベクトル空間モデルにおいて、文書同士を比較する際に用いられる類似度計算手法であり、２本のベクトルの向きがどれくらい同じ向きを向いているのかを表す指標となる。コサイン距離においては、ベクトル同士の成す角度の近さを表現するため、１に近ければ類似していることを、０に近ければ類似していないことを表す。

算出部３０２は、データベース２６０に保存された複数の仕様書２６１のそれぞれに含まれる文字２６３と、新たに取得した文書２５０に含まれる文字２５３との相違を距離として算出する。算出部３０２は、算出された距離の近さを類似度３２１として算出する。

ここで、算出部３０２が算出する距離は、レーベンシュタイン距離と呼ばれるものである。レーベンシュタイン距離とは、２つの文字列がどの程度異なっているかを示す距離の一種である。

選択部３０３は、算出部３０１で算出した類似度３１１と算出部３０２で算出した類似度３２１とを合算して類似度３３１を生成する。選択部３０３は、生成した類似度３３１に基づいて、文書２５０に類似する仕様書をデータベース２６０に保存された仕様書２６１から類似仕様書２７０として選択する。

類似度３１１と類似度３２１とを合算して生成された類似度３３１は、意味に基づく類似度と文字に基づく類似度との組み合わせとなっており、これら２つの類似度をバランスよく組み合わせることにより、文書２５０と類似する類似仕様書２７０を抽出できる。

送受信部３０４は、選択された類似仕様書２７０を返信メールに添付して工作機械販売者２１０へ返信する。返信されるメールは、具体的には、図３Ｂに示したような内容のメールとなる。なお、送受信部３０４は、選択された類似仕様書２７０を添付して返信する代わりに、類似仕様書２７０へのリンク先のアドレスをユーザに返信メールとして返信してもよい。

なお、選択された類似仕様書２７０について、工作機械販売者２１０の望むものであったか否かのフィードバックを工作機械販売者２１０から受けて、選択結果の良し悪しを学習させるようにしてもよい。

なお、ここでは、工作機械の仕様書を例に説明をしたが、情報処理装置２００が受信する、新たに取得した文書２５０は仕様書には限定されず、例えば、部品の発注書、製品が故障した場合のユーザからの問い合わせ文書などであってもよい。

図４Ａは、本実施形態に係る情報処理装置が有するベクトル化テーブルの一例を示す図である。仕様書ＩＤ（Identifier）４１１は、仕様書を識別するための識別子であり、データベース２６０に保存されている各仕様書に一意に割り当てられている。データベース２６０には、新たな仕様書が作成される度に、作成された仕様書が保存される。オプション欄４１２は、顧客要望を自由に表した文書であり、どのような部品を付け足したか、価格はいくらか、などが記入されている。文書ベクトル４１３は、仕様書（文書）に含まれる各単語のコサイン距離（コサイン類似度）を足し合わせたものである。このように、各仕様書のオプション欄のコサイン距離をあらかじめ計算しておくと、類似度の近い仕様書を迅速、確実に特定することができる。これらの他に、ベクトル化テーブル４０１は、例えば、工作機械の機種、日程、ＮＣ装置の種類などを記憶してもよい。ここで、日程は、例えば、商談開始日、商談打ち合わせ日、発注日などを含む。なお、ベクトル化テーブル４０１は、機種ごとにソートしてもよい。

図４Ｂは、本実施形態に係る情報処理装置が有するベクトル変換テーブルの一例を示す図である。ベクトル変換テーブル４０２は、単語に４２１に関連付けてベクトル４２２を記憶する。単語４２１は、工作機械の仕様書に含まれる言葉である。なお、単語４２１には、一般用語の他に略語や外国語、専門用語なども含まれる。ベクトル４２２は、単語４２１の一つ一つのベクトルであり、単語４２１をベクトル化した場合に、どのようなベクトルとなるかを示している。つまり、ベクトル変換テーブル４０２は、単語とベクトルとの対応関係を表している。情報処理装置２００は、各単語について、コサイン距離をあらかじめ算出しているので、ベクトル変換テーブル４０２を参照すれば、仕様書のオプション欄のコサイン距離を容易に算出することができる。

図５は、本実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。ＣＰＵ(Central Processing Unit)５１０は、演算制御用のプロセッサであり、プログラムを実行することで図３の情報処理装置２００の機能構成部を実現する。ＣＰＵ５１０は複数のプロセッサを有し、異なるプログラムやモジュール、タスク、スレッドなどを並行して実行してもよい。ＲＯＭ(Read Only Memory)５２０は、初期データおよびプログラムなどの固定データおよびその他のプログラムを記憶する。また、ネットワークインタフェース５３０は、ネットワークを介して他の装置などと通信する。なお、ＣＰＵ５１０は１つに限定されず、複数のＣＰＵであっても、あるいは画像処理用のＧＰＵ(Graphics Processing Unit)を含んでもよい。また、ネットワークインタフェース５３０は、ＣＰＵ５１０とは独立したＣＰＵを有して、ＲＡＭ(Random Access Memory)５４０の領域に送受信データを書き込みあるいは読み出しするのが望ましい。また、ＲＡＭ５４０とストレージ５５０との間でデータを転送するＤＭＡＣ(Direct Memory Access Controller)を設けるのが望ましい（図示なし）。さらに、ＣＰＵ５１０は、ＲＡＭ５４０にデータが受信あるいは転送されたことを認識してデータを処理する。また、ＣＰＵ５１０は、処理結果をＲＡＭ５４０に準備し、後の送信あるいは転送はネットワークインタフェース５３０やＤＭＡＣに任せる。

ＲＡＭ５４０は、ＣＰＵ５１０が一時記憶のワークエリアとして使用するランダムアクセスメモリである。ＲＡＭ５４０には、本実施形態の実現に必要なデータを記憶する領域が確保されている。取得文書５４１は、工作機械販売者２１０が、情報処理装置２００に対して送信した、類似する仕様書を検索するための文書である。コサイン距離５４２は、取得した文書２５０とデータベース２６０に保存されている複数の仕様書２６１とがどれくらい似通っているかを示す距離である。レーベンシュタイン距離５４３は、取得した文書２５０に含まれる文字と、データベース２６０に保存されている複数の仕様書２６１の文字とが文字ベースでどれくらい似通っているかを示す距離である。類似度５４４は、コサイン距離５４２およびレーベンシュタイン距離５４３に基づいて決定された、取得した文書２５０とデータベース２６０に保存されている複数の仕様書２６１とが類似している割合である。類似仕様書５４５は、類似度５４４に基づいて選択された取得した文書２５０に類似する文書である。

送受信データ５４６は、ネットワークインタフェース５３０を介して送受信されるデータである。また、ＲＡＭ５４０は、各種アプリケーションモジュールを実行するためのアプリケーション実行領域５４７を有する。

ストレージ５５０には、データベースや各種のパラメータ、あるいは本実施形態の実現に必要な以下のデータまたはプログラムが記憶されている。ストレージ５５０は、ベクトル化テーブル４０１および変換テーブル４０２を格納する。ベクトル化テーブル４０１は、図４Ａに示した、仕様書ＩＤ４１１と文書ベクトル４１３などとを関連付けて記憶するテーブルである。変換テーブル４０２は、図４Ｂに示した、単語４２１とベクトル４２２とを関連付けて記憶するテーブルである。

ストレージ５５０は、さらに、算出モジュール５５１、算出モジュール５５２、選択モジュール５５３および送受信モジュール５５４を格納する。算出モジュール５５１は、コサイン距離を算出するモジュールである。算出モジュール５５２は、レーベンシュタイン距離を算出するモジュールである。選択モジュール５５３は、コサイン距離とレーベンシュタイン距離とに基づいて、新たに取得した文書２５０と類似する類似仕様書２７０を選択するモジュールである。送受信モジュール５５４は、文書２５０を電子メールで受信し、類似仕様書２７０を電子メールで返信するモジュールである。これらのモジュール５５１〜５５４は、ＣＰＵ５１０によりＲＡＭ５４０のアプリケーション実行領域５４７に読み出され、実行される。制御プログラム５５５は、情報処理装置２００の全体を制御するためのプログラムである。

入出力インタフェース５６０は、入出力機器との入出力データをインタフェースする。入出力インタフェース５６０には、表示部５６１、操作部５６２、が接続される。また、入出力インタフェース５６０には、さらに、記憶媒体５６４が接続されてもよい。さらに、音声出力部であるスピーカ５６３や、音声入力部であるマイク（図示せず）、あるいは、ＧＰＳ位置判定部が接続されてもよい。なお、図５に示したＲＡＭ５４０やストレージ５５０には、情報処理装置２００が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。

図６は、本実施形態に係る情報処理装置２００の処理手順を説明するためのフローチャートである。このフローチャートは、図５のＣＰＵ５１０がＲＡＭ５４０を使用して実行し、図３の情報処理装置２００の機能構成部を実現する。

ステップＳ６０１において、情報処理装置２００は、ユーザが知りたい過去の仕様書を検索するためのキーワードなどを記した文書をユーザから受信する。ステップＳ６０３において、情報処理装置２００は、ユーザから受信した文書とデータベース２６０に保存されている仕様書とのコサイン距離を算出する。ステップＳ６０５において、情報処理装置２００は、ユーザから受信した文書とデータベース２６０に保存されている仕様書とのレーベンシュタイン距離を算出する。ステップＳ６０７において、情報処理装置２００は、算出したコサイン距離と算出したレーベンシュタイン距離との和をとり、保存仕様書の類似度を算出する。ステップＳ６０９において、情報処理装置２００は、データベース２６０に保存されている全ての仕様書について、類似度の算出が完了したか否かを判断する。全ての保存仕様書について、類似度の算出が完了していない場合（ステップＳ６０９のＮＯ）、情報処理装置２００は、ステップＳ６０３以降の処理を繰り返す。全ての保存仕様書について、類似度の算出が完了している場合（ステップＳ６０９のＹＥＳ）、情報処理装置２００は、ステップＳ６１１へ進む。ステップＳ６１１において、情報処理装置２００は、所定の閾値以上の類似度を持つ仕様書を類似仕様書として電子メールに添付してユーザに送信する。

本実施形態によれば、コサイン距離とレーベンシュタイン距離とを組み合わせて類似度を判定するので、ユーザが探している文書に類似している過去の仕様書を迅速、確実に見つけ出すことができる。

［他の実施形態］
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、本願発明の技術的範囲で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の技術的範囲に含まれる。

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に供給され、内蔵されたプロセッサによって実行される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、プログラムを実行するプロセッサも本発明の技術的範囲に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体（non-transitory computer readable medium）は本発明の技術的範囲に含まれる。

上記目的を達成するため、本発明にかかる情報処理装置は、
工作機械の仕様書のオプション欄に記載されているであろう単語を含む検索対象としての文書データをユーザから受信する受信部と、
前記文書データに含まれる複数の単語の意味をそれぞれベクトル化して積算して第１文書ベクトルを算出する算出部と、
過去の仕様書のオプション欄に自由に記載された文書を示すオプション欄データと、前記オプション欄データに含まれる単語の意味をそれぞれベクトル化して積算した結果としての第２文書ベクトルとを対応付けて記憶する仕様書データベースと、
前記第１文書ベクトルと前記第２文書ベクトルとのコサイン距離を第１類似度として算出する第１算出部と、
前記オプション欄データに含まれる文字列と、前記文書データに含まれる文字列とを比較し、文字列の相違を表す距離を第２類似度として算出する第２算出部と、
前記第１類似度および前記第２類似度に基づいて、前記文書データに類似する前記オプション欄データを含む類似仕様書を前記仕様書データベースから選択する選択部と、
前記類似仕様書を前記ユーザに送信する送信部と、
を備えた。
上記目的を達成するため、本発明にかかる他の情報処理装置は、
機械の種類と、日程と、自由入力が可能なオプション欄とを含む仕様書データを取得する取得部と、
(a)文書データベースに保存された複数の仕様書データのそれぞれのオプション欄に含まれる単語の意味を表すベクトルの積算結果としての第１ベクトルと、前記取得部が取得した前記仕様書データに含まれるオプション欄に記載された第１オプションに含まれる単語の意味を表すベクトルの積算結果としての第２ベクトルと、のコサイン距離を前記第１オプションの第１類似度として算出し、(b)前記第１ベクトルと、前記取得部が取得した仕様書のデータに含まれる前記オプション欄に記載された第２オプションに含まれる単語の意味を表すベクトルの積算結果としての第３ベクトルと、のコサイン距離を前記第２オプションの第１類似度として算出する第１算出部と、
(c)前記文書データベースに保存された複数の仕様書データのそれぞれのオプション欄に含まれる文字列と、前記第１オプションに含まれる文字列との相違を距離として算出し、その距離の近さを前記第１オプションの第２類似度として算出し、(d)前記文書データベースに保存された複数の仕様書データのそれぞれのオプション欄に含まれる文字列と、前記第２オプションに含まれる文字列との相違を距離として算出し、その距離の近さを前記第２オプションの第２類似度として算出する第２算出部と、
(e)前記第１オプションの前記第１類似度及び前記第２類似度に基づいて前記第１オプションに類似する文書を前記文書データベースに保存された複数の仕様書から選択し、(f)前記第２オプションの前記第１類似度及び前記第２類似度に基づいて前記第２オプションに類似する文書を前記文書データベースに保存された複数の仕様書から選択する選択部と、
を備えた。

上記目的を達成するため、本発明にかかる情報処理方法は、
工作機械の仕様書のオプション欄に記載されているであろう単語を含む検索対象としての文書データをユーザから受信部が受信する受信ステップと、
前記文書データに含まれる複数の単語の意味をそれぞれベクトル化して積算して第１文書ベクトルを文書ベクトル算出部が算出する文書ベクトル算出ステップと、
過去の仕様書のオプション欄に自由に記載された文書を示すオプション欄データと、前記オプション欄データに含まれる単語の意味をそれぞれベクトル化して積算した結果としての第２文書ベクトルとを対応付けてを記憶する仕様書データベースを用いて、前記第１文書ベクトルと前記第２文書ベクトルとのコサイン距離を第１算出部が第１類似度として算出する第１算出ステップと、
前記オプション欄データに含まれる文字列と、前記文書データに含まれる文字列とを比較し、文字列の相違を表す距離を第２類似度として第２算出部が算出する第２算出ステップと、
前記第１類似度および前記第２類似度に基づいて、前記文書データに類似する前記オプション欄データを含む類似仕様書を前記仕様書データベースから選択部が選択する選択ステップと、
前記類似仕様書を前記ユーザに送信部が送信する送信ステップと、
を含む。

［第２実施形態］
次に本発明の第２実施形態に係る情報処理装置について、図２Ａ乃至図６を用いて説明する。図２Ａは、本実施形態に係る情報処理装置２００の動作の概要を説明する図である。例えば、工作機械販売者２１０が、工作機械の購入希望者から工作機械の見積り依頼や工作機械の設計依頼を受けた場合、その種の依頼に基づいて、文書２５０（設計書または仕様書）を作成して、情報処理装置２００に送信する。情報処理装置２００は、受け取った文書２５０に類似する仕様書２６１をデータベース２６０から検索し、過去の類似事例の工作機械の仕様書２６１を工作機械販売者２１０に提示する。

工作機械の仕様書２５０，２６１には、工作機械の種類、日程（商談開始日、打ち合わせ日、発注日）、オプションなどの記入欄がある。ここで、オプション欄は、いわゆる自由入力欄に相当するものであり、各顧客の個別の事情に合わせた、工作機械の様々な仕様を指定するための情報を記入する欄である。つまり、オプション欄は、顧客の要望が自由な体裁で記載されている。例えば、ある工作機械販売者２１０は、部品の名称、個数などを箇条書き形式で記入し、また、他の工作機械販売者２１０は、顧客の要望を文章化して記入する。このように、オプション欄の記載は、自由度が高く、工作機械販売者２１０によっては、略称や略語、記号などを用いて記載することもあり、記載のための決まったフォーマットはない。

そこで、工作機械販売者２１０は、過去の仕様書のオプション欄に記載されているであろう文章、用語、単語、記号、数値などを記載した送信メール２５０を作成し、情報処理装置２００へ送信する。送信メール２５０を受信した情報処理装置２００は、送信メール２５０に記載されている文章などに基づいて、データベース２６０から類似するオプション欄の記載を有する仕様書を検索し、抽出する。そして、情報処理装置２００は、抽出した仕様書を返信メール２３０として工作機械販売者２１０に返信する。なお、工作機械の仕様書は、データベース２６０に保存され、管理されている。データベース２６０は、情報処理装置２００の内部にあっても、外部にあってもよい。

図３Ａは、本実施形態に係る情報処理装置の構成を示すブロック図である。図３Ｂは、本実施形態に係る情報処理装置により返信される返信メールの内容の一例を説明する図である。情報処理装置２００は、算出部３０１、算出部３０２、選択部３０３および送受信部３０４を有する。まず、データベース２６０に保存された複数の仕様書２４１のうち１つの仕様書２４１に着目する。算出部３０１は、仕様書２４１に含まれる全ての単語の意味を表すベクトルを求め、求めたベクトルを積算し、その結果としての点を求める。

次に、算出部３０１は、新たに取得した文書２５０に含まれる単語の意味を表す単語ベクトルを求め、求めた単語ベクトルの和を取り、その単語ベクトルの積算結果としての文書ベクトルを示す点の座標を求める。

そして、算出部３０１は、仕様書２６１の文書ベクトルとしての点２６２と、文書２５０の文書ベクトルとしての点２５２と、のコサイン距離を類似度３１１として算出する。算出された類似度３１１は、算出部３０１に一時的に保存される。

このコサイン距離の類似度３１１は、コサイン類似度と呼ばれるものであり、ベクトル空間モデルにおいて、文書同士を比較する際に用いられる類似度計算手法であり、２本の文書ベクトルの向きがどれくらい同じ向きを向いているのかを表す指標となる。コサイン距離は１に近ければ類似していることを、０に近ければ類似していないことを表す。

算出部３０２は、データベース２６０に保存された複数の仕様書２６１のそれぞれに含まれる文字列２６３と、新たに取得した文書２５０に含まれる文字列２５３との相違を距離として算出する。算出部３０２は、算出された距離の近さを類似度３２１として算出する。

図４Ａは、本実施形態に係る情報処理装置が有するベクトル化テーブルの一例を示す図である。仕様書ＩＤ（Identifier）４１１は、仕様書を識別するための識別子であり、データベース２６０に保存されている各仕様書に一意に割り当てられている。データベース２６０には、新たな仕様書が作成される度に、作成された仕様書が保存される。オプション欄４１２は、顧客要望を自由に表した文書であり、どのような部品を付け足したか、価格はいくらか、などが記入されている。文書ベクトル４１３は、仕様書（文書）に含まれる各単語のベクトルを足し合わせたものである。このように、各仕様書のオプション欄の文書ベクトルをあらかじめ計算しておくと、文書ベクトル同士のコサイン距離（コサイン類似度）を求めることにより、類似度の近い仕様書を迅速、確実に特定することができる。これらの他に、ベクトル化テーブル４０１は、例えば、工作機械の機種、日程、ＮＣ装置の種類などを記憶してもよい。ここで、日程は、例えば、商談開始日、商談打ち合わせ日、発注日などを含む。なお、ベクトル化テーブル４０１は、機種ごとにソートしてもよい。

Claims (6)

1. 文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出部と、
   複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出部と、
   前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択部と、
   を備えた情報処理装置。
2. 前記複数の文書および前記新たに取得した文書は、工作機械の仕様書である請求項１に記載の情報処理装置。
3. 前記複数の文書および前記新たに取得した文書は、前記工作機械の仕様書において、顧客要望を自由に表した文書である請求項２に記載の情報処理装置。
4. 前記新たに取得した文書を電子メールで受信し、返信メールとして、前記選択部で選択した文書または、前記選択部で選択した文書へのリンクを送信する送受信部を
   さらに備えた請求項１または２に記載の情報処理装置。
5. 文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出ステップと、
   複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出ステップと、
   前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択ステップと、
   を含む情報処理方法。
6. 文書データベースに保存された複数の文書のそれぞれに含まれる単語の意味を表すベクトルの積算結果としての点と、新たに取得した文書に含まれる単語の意味を表すベクトルの積算結果としての点との距離を第１類似度として算出する第１算出ステップと、
   複数の文書のそれぞれに含まれる文字と、新たに取得した文書に含まれる文字との相違を距離として算出し、その距離の近さを第２類似度として算出する第２算出ステップと、
   前記第１類似度および前記第２類似度に基づいて、前記新たに取得した文書に類似する文書を前記複数の文書から選択する選択ステップと、
   をコンピュータに実行させる情報処理プログラム。

Images