JP2021189703A - 分類制御プログラム、分類制御装置、及び分類制御方法 - Google Patents

Abstract

【課題】配置対象の配置先に適合するように配置対象を分類する分類制御プログラム、分類制御装置及び分類制御方法を提供する。【解決手段】分類制御プログラムは、複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成するステップ４０１と、評価結果に基づいて、複数の分類結果の中からいずれかの分類結果を選択するステップ４０２と、を含む。【選択図】図４

Description

本発明は、分類制御技術に関する。

教師あり機械学習では、学習データ及び教師ラベルを含むデータセットが用いられる。例えば、手書き文字を認識する学習モデルに与えられるデータセットの学習データは、手書き文字の画像であり、教師ラベルは、その手書き文字に対応する正解文字である。

教師ラベルは、手作業のアノテーションにより学習データに付与されることが多い。作業者は、アノテーションの対象となる学習データを用意し、事前に定められたアノテーション基準に基づいて、各学習データに教師ラベルを付与する。学習データが手書き文字の画像である場合、アノテーション基準としては、作業者が知っている文字に関する知識が用いられる。

図１は、手書き文字「５」の画像の例を示している。この場合、アノテーション基準としては、作業者が知っている「アラビア数字」に関する知識が用いられる。アノテーション処理を行うサーバから、図１の画像が学習データとして提示された場合、作業者は、「５」という正解文字のクラスを、教師ラベルとして付与する。

アノテーション基準としては、手書き文字の画像のように、学習データが属するクラスを明確に示す評価基準が用いられることが多い。しかし、学習データによっては、複数のクラスを示す評価基準が用いられることもある。例えば、「猫」の画像が学習データとして提示された場合、作業者は、「猫」、「ネコ科」、及び「メス」という３つのクラスを教師ラベルとして付与することができる。どのようなアノテーション基準を採用するかは、学習モデルのタスクに依存する。

図書館の書籍に分類番号を付与して本棚に配置するタスクにおいては、本棚の個数、書籍の冊数等によって、最適な作業方法が異なってくる。一般的には、書籍のカテゴリを示す分類番号が書籍に付与された後に、分類番号に従って適切な本棚に書籍が配置されることが多い。代表的な分類方法は、公立図書館等で使用されている日本十進分類法（Nippon Decimal Classification，ＮＤＣ）である。ＮＤＣによれば、例えば、情報理論に関する書籍に対して、分類番号“００７．１”が付与される。

図書館の書籍の分類に関連して、ＮＤＣを利用した図書の自動分類技術が知られている（例えば、非特許文献１を参照）。この自動分類技術では、書籍の書名、目次、著者名等を特徴素として用い、ＮＤＣによる分類番号を正解として用いて、機械学習が行われ、書籍を分類する学習モデルが生成される。

手動分類と自動分類の両分類結果を使用して、対象文書に対してより精度の高い分類を行う文書分類装置も知られている（例えば、特許文献１を参照）。

特開平１１−４５２４７号公報

宮田洋輔他，"NDCの階層構造を利用した図書の自動分類の試み"，2006年日本図書館情報学会春季研究集会発表要綱，大東文化大学(第2部会)，日本図書館情報学会，p.51-54，2006

図書館の書籍の分類では、作業者が本棚を見ながら書籍を分類しているわけではないため、作成された分類結果が本棚に適合していないことがある。

なお、かかる問題は、図書館の本棚に配置される書籍を分類する場合に限らず、配置先に配置される様々な配置対象を分類する場合において生ずるものである。

１つの側面において、本発明は、配置対象の配置先に適合するように配置対象を分類することを目的とする。

１つの案では、分類制御プログラムは、以下の処理をコンピュータに実行させる。

コンピュータは、複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成する。コンピュータは、評価結果に基づいて、複数の分類結果の中からいずれかの分類結果を選択する。

１つの側面によれば、配置対象の配置先に適合するように配置対象を分類することができる。

手書き文字の画像を示す図である。 町の図書館及び移動図書館に収蔵される書籍を示す図である。 分類制御装置の機能的構成図である。 分類制御処理のフローチャートである。 分類制御装置の具体例を示す機能的構成図である。 書誌情報を示す図である。 書籍の分類結果を示す図である。 図書館の本棚を示す図である。 配置先情報を示す図である。 作業者Ａの分類結果に対する割り当て結果を示す図である。 作業者Ｂの分類結果に対する割り当て結果を示す図である。 割り当て情報を示す図である。 関係スコアを示す図である。 最適割り当て情報を示す図である。 分類制御処理の具体例を示すフローチャートである。 美術品情報を示す図である。 美術品の分類結果を示す図である。 美術品の分類結果に対する割り当て結果を示す図である。 情報処理装置のハードウェア構成図である。

以下、図面を参照しながら、実施形態を詳細に説明する。

図書館の書籍が収納される本棚には、収納可能な書籍の冊数の上限が存在する。例えば、図書館によっては、上限が４０冊である本棚には、複数のカテゴリに属する書籍を収納することが困難であり、上限が１００冊である本棚には、複数のカテゴリに属する書籍を収納することが可能である。

さらに、２つの本棚が離れている等の物理的な制約も存在する。互いに類似する複数のカテゴリに属する書籍は、複数の本棚に別れて収納されるのではなく、同じ本棚に収納されることが望ましい。例えば、「プログラミング言語」のカテゴリの書籍と「機械学習」のカテゴリの書籍は、同じ本棚に収納されることが望ましく、「プログラミング言語」及び「機械学習」のカテゴリの書籍と、「料理」のカテゴリの書籍は、異なる本棚に収納されることが望ましい。

また、図書館に収蔵される書籍のカテゴリの粒度は、図書館毎に異なることが多い。例えば、町の図書館と移動図書館とでは、同じ書籍が異なるカテゴリに分類されていることがある。

図２は、町の図書館及び移動図書館に収蔵される書籍の例を示している。図２（ａ）は、町の図書館に収蔵される書籍の例を示している。書籍２０１−１〜書籍２０１−３は、「プログラミング言語」のカテゴリに分類されており、書籍２０２−１〜書籍２０２−３は、「機械学習」のカテゴリに分類されており、書籍２０３−１〜書籍２０３−３は、「料理」のカテゴリに分類されている。

図２（ｂ）は、移動図書館に収蔵される書籍の例を示している。書籍２０１−１〜書籍２０１−３及び書籍２０２−１〜書籍２０２−３は、「コンピュータ」のカテゴリに分類されており、書籍２０３−１〜書籍２０３−３は、「料理」のカテゴリに分類されている。この場合、町の図書館では異なるカテゴリに分類されている複数の書籍が、移動図書館では同じカテゴリに分類されていることが分かる。

従来の図書館では、手作業によりＮＤＣ等の分類基準が採用又は策定され、分類基準に従って書籍が分類され、分類結果に基づいて本棚に書籍が配置される。この場合、作業者が本棚を見ながら書籍を分類しているわけではないため、各本棚に配置される書籍の冊数が上限に達する可能性がある。また、収蔵されている書籍の経年変化により、書籍のカテゴリが増減することもある。

図書館の書籍の分類における制約条件をまとめると、以下のようになる。
（１）利用できる本棚の台数に上限が存在する。
（２）１台の本棚に収納可能な書籍の冊数に上限が存在する。
（３）すべての書籍がいずれかの本棚に収納される。
（４）各図書館に最適な分類結果が作成される。

複数の作業者が書籍の分類を行い、それぞれ異なる分類結果を作成した場合、上記制約条件を考慮して、複数の分類結果のうち最適な分類結果を選択するとともに、各書籍を収納する本棚を決定することが望ましい。例えば、作業者Ａが図２（ａ）に示した分類結果を作成し、作業者Ｂが図２（ｂ）に示した分類結果を作成した場合、町の図書館にとっていずれの分類結果が適切であるかを決定するとともに、各書籍を収納する本棚を決定することが望ましい。

図３は、実施形態の分類制御装置の機能的構成例を示している。図３の分類制御装置３０１は、記憶部３１１、評価部３１２、及び選択部３１３を含む。記憶部３１１は、複数の分類結果を記憶する。各分類結果は、複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果を示す。評価部３１２及び選択部３１３は、記憶部３１１が記憶する分類結果を用いて、分類制御処理を行う。

図４は、図３の分類制御装置３０１が行う分類制御処理の例を示すフローチャートである。まず、評価部３１２は、複数の配置対象の配置先に関する情報に基づいて複数の分類結果を評価することで、評価結果を生成する（ステップ４０１）。次に、選択部３１３は、評価結果に基づいて、複数の分類結果の中からいずれかの分類結果を選択する（ステップ４０２）。

図３の分類制御装置３０１によれば、配置対象の配置先に適合するように配置対象を分類することができる。

図５は、図３の分類制御装置３０１の具体例を示している。図５の分類制御装置５０１は、記憶部５１１、評価部５１２、選択部５１３、及び出力部５１４を含み、図書館の書籍の分類に関する分類制御処理を行う。記憶部５１１、評価部５１２、及び選択部５１３は、図３の記憶部３１１、評価部３１２、及び選択部３１３にそれぞれ対応する。

記憶部５１１は、分類対象の複数の書籍の書誌情報５２１と、複数の分類結果５２２と、配置先情報５２３とを記憶する。書籍は配置対象の一例であり、書籍が配置される複数の本棚は、配置先に含まれる複数の配置領域の一例である。配置先情報５２３は、配置先に関する情報の一例である。

複数の分類結果５２２は、複数の作業者それぞれによって作成された分類結果であり、各分類結果５２２は、各書籍を複数のクラスのうちいずれかのクラスに分類した結果を示す。各クラスは、書籍が属するカテゴリを表す。複数の分類結果５２２の一部又は全部は、コンピュータによって自動的に生成された分類結果であってもよい。配置先情報５２３は、各本棚の制約条件を表す。

図６は、書誌情報５２１の例を示している。図６の書誌情報５２１は、書籍ＩＤ、タイトル、著者、ＩＳＢＮ（International Standard Book Number）、及びキーワードを含む。書籍ＩＤは、書籍の識別子であり、キーワードは、書籍に対して付与されたキーワードである。

この例では、書籍ＩＤ“１”〜書籍ＩＤ“５”の５冊の書籍の書誌情報５２１が示されている。例えば、書籍ＩＤ“１”の書籍のタイトルは「ＸＭＬ ｉｎ Ａｃｔｉｏｎ」であり、著者は「山元大」であり、ＩＳＢＮは「９７８．．．」であり、キーワードは「プログラミング，ＸＭＬ，開発方法論」である。

図７は、図６の５冊の書籍に対する分類結果５２２の例を示している。図７の分類結果５２２は、書籍ＩＤ及びクラスを含む。クラスは、作業者によって、書籍ＩＤが示す書籍に付与されたカテゴリを表す。

図７（ａ）は、作業者Ａによって作成された分類結果５２２の例を示している。作業者Ａの分類結果５２２では、書籍ＩＤ“１”〜書籍ＩＤ“３”の書籍は、「ソフトウェア開発」のクラスに分類されている。また、書籍ＩＤ“４”の書籍は、「プログラミング言語」のクラスに分類され、書籍ＩＤ“５”の書籍は、「プログラミング教育」のクラスに分類されている。

図７（ｂ）は、作業者Ｂによって作成された分類結果５２２の例を示している。作業者Ｂの分類結果５２２では、書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍は、「ＸＭＬ」のクラスに分類されている。また、書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍は、「ソフトウェア開発」のクラスに分類され、書籍ＩＤ“４”の書籍は、「Ｐｙｔｈｏｎ」のクラスに分類されている。

図８は、図書館の本棚の例を示している。配置先には、本棚８０１及び本棚８０２が含まれる。各本棚には、３冊の書籍を収納することができる。

図９は、図８の本棚８０１及び本棚８０２の配置先情報５２３の例を示している。図９の配置先情報５２３は、棚ＩＤ及び収納可能冊数を含む。棚ＩＤは、本棚の識別子であり、収納可能冊数は、本棚に収納可能な書籍の冊数の上限を表す。本棚８０１の棚ＩＤは“０”であり、本棚８０２の棚ＩＤは“１”である。本棚８０１及び本棚８０２の収納可能冊数は“３”である。

評価部５１２は、各分類結果５２２に基づいて、配置先情報５２３が示すいずれかの本棚に各書籍を割り当てることで、各分類結果５２２に対する１つ又は複数の割り当て結果を生成する。このとき、評価部５１２は、配置先情報５２３が示す本棚の台数と、各本棚の収納可能冊数とに基づいて、すべての書籍がいずれかの本棚に配置されるような割り当て結果を生成する。そして、評価部５１２は、各割り当て結果を示す割り当て情報５２４を生成して、記憶部５１１に格納する。

図１０は、図７（ａ）の分類結果５２２に対する割り当て結果の例を示している。この例では、「ソフトウェア開発」のクラスに分類された書籍ＩＤ“１”〜書籍ＩＤ“３”の書籍が、本棚８０１に割り当てられている。また、「プログラミング言語」のクラスに分類された書籍ＩＤ“４”の書籍と、「プログラミング教育」のクラスに分類された書籍ＩＤ“５”の書籍とが、本棚８０２に割り当てられている。

図１１は、図７（ｂ）の分類結果５２２に対する割り当て結果の例を示している。図１１（ａ）は、第１の割り当て結果の例を示している。この例では、「ソフトウェア開発」のクラスに分類された書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍と、「Ｐｙｔｈｏｎ」のクラスに分類された書籍ＩＤ“４”の書籍とが、本棚８０１に割り当てられている。また、「ＸＭＬ」のクラスに分類された書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍が、本棚８０２に割り当てられている。

図１１（ｂ）は、第２の割り当て結果の例を示している。この例では、「ＸＭＬ」のクラスに分類された書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍と、「Ｐｙｔｈｏｎ」のクラスに分類された書籍ＩＤ“４”の書籍とが、本棚８０１に割り当てられている。また、「ソフトウェア開発」のクラスに分類された書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍が、本棚８０２に割り当てられている。

図１２は、図１０及び図１１の割り当て結果を示す割り当て情報５２４の例を示している。図１２の割り当て情報５２４は、配置ＩＤ、棚ＩＤ、書籍ＩＤ集合、及びクラス集合を含む。配置ＩＤは、割り当て結果の識別子である。書籍ＩＤ集合は、棚ＩＤが示す本棚に割り当てられた書籍の書籍ＩＤの集合を表す。クラス集合は、棚ＩＤが示す本棚に割り当てられた書籍が属するクラスの集合を表す。

図１２（ａ）は、図１０の割り当て結果を示す割り当て情報５２４の例を示している。図１２（ａ）の配置ＩＤ“０”は、図１０の割り当て結果を示す。図１２（ｂ）は、図１１の割り当て結果を示す割り当て情報５２４の例を示している。図１２（ｂ）の配置ＩＤ“０”は、図１１（ａ）の割り当て結果を示し、配置ＩＤ“１”は、図１１（ｂ）の割り当て結果を示す。

次に、評価部５１２は、割り当て情報５２４を用いて各分類結果５２２を評価する。まず、評価部５１２は、書誌情報５２１を用いて、各分類結果５２２内のあるクラスに分類された１つ又は複数の書籍と、別のクラスに分類された１つ又は複数の書籍との間の類似度を計算する。そして、評価部５１２は、計算された類似度を、クラス間の関係スコア５２５として記憶部５１１に格納する。評価部５１２は、各分類結果５２２に含まれる複数のクラスのうち、２つのクラスのすべての組み合わせについて、関係スコア５２５を計算する。

例えば、図７（ａ）の分類結果５２２において、「プログラミング言語」に属する書籍ＩＤ“４”の書籍のキーワードは、図６に示したように、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き」である。また、「プログラミング教育」に属する書籍ＩＤ“５”の書籍のキーワードは、「プログラミング，ＸＭＬ，学習」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，Ｐｙｔｈｏｎ，ＸＭＬ，学習，逆引き」となる。

そこで、評価部５１２は、各クラスの特徴を表す５次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５） （１）

ＩＤは、各クラスに属する書籍の書籍ＩＤの集合を表す。ｘ１〜ｘ５は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「Ｐｙｔｈｏｎ」、「ＸＭＬ」、「学習」、及び「逆引き」がそれぞれ含まれているか否かを示す。例えば、キーワードの集合の中に「プログラミング」が含まれている場合、ｘ１＝１となり、キーワードの集合の中に「プログラミング」が含まれていない場合、ｘ１＝０となる。ｘ２〜ｘ５についても、ｘ１と同様である。

この場合、「プログラミング言語」のクラスの特徴ベクトルｘ（４）、及び「プログラミング教育」のクラスの特徴ベクトルｘ（５）は、次のようになる。

ｘ（４）＝（１，１，０，１，１） （２）
ｘ（５）＝（１，０，１，１，０） （３）

「プログラミング言語」と「プログラミング教育」との間の類似度としては、特徴ベクトルｘ（４）と特徴ベクトルｘ（５）との間の類似度Ｓｉｍ（ｘ（４），ｘ（５））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（４），ｘ（５））は、次式により計算される。

Ｓｉｍ（ｘ（４），ｘ（５））
＝（ｘ（４）・ｘ（５））／（｜ｘ（４）｜＊｜ｘ（５）｜）
＝２／（４^１／２＊３^１／２）＝０．５８ （４）

ｘ（４）・ｘ（５）は、ｘ（４）とｘ（５）の内積を表し、｜ｘ（４）｜は、ｘ（４）のノルムを表し、｜ｘ（５）｜は、ｘ（５）のノルムを表す。

次に、図７（ａ）の分類結果５２２において、「ソフトウェア開発」に属する書籍ＩＤ“１”〜書籍ＩＤ“３”の書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発」である。また、「プログラミング言語」に属する書籍ＩＤ“４”の書籍のキーワードは、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発，Ｐｙｔｈｏｎ，学習，逆引き」となる。

そこで、評価部５１２は、各クラスの特徴を表す９次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５，ｘ６，ｘ７，ｘ８，ｘ９） （５）

ｘ１〜ｘ９は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「ＸＭＬ」、「開発方法論」、「ＧＧＧ」、「ＶＣＳ」、「ソフトウェア開発」、「Ｐｙｔｈｏｎ」、「学習」、及び「逆引き」がそれぞれ含まれているか否かを示す。

この場合、「ソフトウェア開発」のクラスの特徴ベクトルｘ（１，２，３）、及び「プログラミング言語」のクラスの特徴ベクトルｘ（４）は、次のようになる。

ｘ（１，２，３）＝（１，１，１，１，１，１，０，０，０） （６）
ｘ（４）＝（１，０，０，０，０，０，１，１，１） （７）

「ソフトウェア開発」と「プログラミング言語」との間の類似度としては、特徴ベクトルｘ（１，２，３）と特徴ベクトルｘ（４）との間の類似度Ｓｉｍ（ｘ（１，２，３），ｘ（４））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（１，２，３），ｘ（４））は、次式により計算される。

Ｓｉｍ（ｘ（１，２，３），ｘ（４））
＝（ｘ（１，２，３）・ｘ（４））／（｜ｘ（１，２，３）｜＊｜ｘ（４）｜）
＝１／（６^１／２＊４^１／２）＝０．２０ （８）

次に、図７（ａ）の分類結果５２２において、「ソフトウェア開発」に属する書籍ＩＤ“１”〜書籍ＩＤ“３”の書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発」である。また、「プログラミング教育」に属する書籍ＩＤ“５”の書籍のキーワードは、「プログラミング，ＸＭＬ，学習」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発，学習」となる。

そこで、評価部５１２は、各クラスの特徴を表す７次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５，ｘ６，ｘ７） （９）

ｘ１〜ｘ７は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「ＸＭＬ」、「開発方法論」、「ＧＧＧ」、「ＶＣＳ」、「ソフトウェア開発」、及び「学習」がそれぞれ含まれているか否かを示す。

この場合、「ソフトウェア開発」のクラスの特徴ベクトルｘ（１，２，３）、及び「プログラミング教育」のクラスの特徴ベクトルｘ（５）は、次のようになる。

ｘ（１，２，３）＝（１，１，１，１，１，１，０） （１０）
ｘ（５）＝（１，１，０，０，０，０，１） （１１）

「ソフトウェア開発」と「プログラミング教育」との間の類似度としては、特徴ベクトルｘ（１，２，３）と特徴ベクトルｘ（５）との間の類似度Ｓｉｍ（ｘ（１，２，３），ｘ（５））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（１，２，３），ｘ（５））は、次式により計算される。

Ｓｉｍ（ｘ（１，２，３），ｘ（５））
＝（ｘ（１，２，３）・ｘ（５））／（｜ｘ（１，２，３）｜＊｜ｘ（５）｜）
＝２／（６^１／２＊３^１／２）＝０．４７ （１２）

次に、図７（ｂ）の分類結果５２２において、「ＸＭＬ」に属する書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，学習」である。また、「ソフトウェア開発」に属する書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍のキーワードの和集合は、「開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，学習，ソフトウェア開発，ＧＧＧ，ＶＣＳ」となる。

そこで、評価部５１２は、各クラスの特徴を表す７次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５，ｘ６，ｘ７） （１３）

ｘ１〜ｘ７は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「ＸＭＬ」、「開発方法論」、「学習」、「ソフトウェア開発」、「ＧＧＧ」、及び「ＶＣＳ」がそれぞれ含まれているか否かを示す。

この場合、「ＸＭＬ」のクラスの特徴ベクトルｘ（１，５）、及び「ソフトウェア開発」のクラスの特徴ベクトルｘ（２，３）は、次のようになる。

ｘ（１，５）＝（１，１，１，１，０，０，０） （１４）
ｘ（２，３）＝（０，０，１，０，１，１，１） （１５）

「ＸＭＬ」と「ソフトウェア開発」との間の類似度としては、特徴ベクトルｘ（１，５）と特徴ベクトルｘ（２，３）との間の類似度Ｓｉｍ（ｘ（１，５），ｘ（２，３））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（１，５），ｘ（２，３））は、次式により計算される。

Ｓｉｍ（ｘ（１，５），ｘ（２，３））
＝（ｘ（１，５）・ｘ（２，３））／（｜ｘ（１，５）｜＊｜ｘ（２，３）｜）
＝１／（４^１／２＊４^１／２）＝０．２５ （１６）

次に、図７（ｂ）の分類結果５２２において、「Ｐｙｔｈｏｎ」に属する書籍ＩＤ“４”の書籍のキーワードは、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き」である。また、「ソフトウェア開発」に属する書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍のキーワードの和集合は、「開発方法論，ＧＧＧ，ＶＣＳ，ソフトウェア開発」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き，開発方法論，ソフトウェア開発，ＧＧＧ，ＶＣＳ」となる。

そこで、評価部５１２は、各クラスの特徴を表す８次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５，ｘ６，ｘ７，ｘ８） （１７）

ｘ１〜ｘ８は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「Ｐｙｔｈｏｎ」、「学習」、「逆引き」、「開発方法論」、「ソフトウェア開発」、「ＧＧＧ」、及び「ＶＣＳ」がそれぞれ含まれているか否かを示す。

この場合、「Ｐｙｔｈｏｎ」のクラスの特徴ベクトルｘ（４）、及び「ソフトウェア開発」のクラスの特徴ベクトルｘ（２，３）は、次のようになる。

ｘ（４）＝（１，１，１，１，０，０，０，０） （１８）
ｘ（２，３）＝（０，０，０，０，１，１，１，１） （１９）

「Ｐｙｔｈｏｎ」と「ソフトウェア開発」との間の類似度としては、特徴ベクトルｘ（４）と特徴ベクトルｘ（２，３）との間の類似度Ｓｉｍ（ｘ（４），ｘ（２，３））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（４），ｘ（２，３））は、次式により計算される。

Ｓｉｍ（ｘ（４），ｘ（２，３））
＝（ｘ（４）・ｘ（２，３））／（｜ｘ（４）｜＊｜ｘ（２，３）｜）
＝０／（４^１／２＊４^１／２）＝０ （２０）

次に、図７（ｂ）の分類結果５２２において、「ＸＭＬ」に属する書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，学習」である。また、「Ｐｙｔｈｏｎ」に属する書籍ＩＤ“４”の書籍のキーワードは、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き」である。この場合、これらの書籍のキーワードの和集合は、「プログラミング，ＸＭＬ，開発方法論，学習，Ｐｙｔｈｏｎ，逆引き」となる。

そこで、評価部５１２は、各クラスの特徴を表す６次元の特徴ベクトルｘ（ＩＤ）を生成する。

ｘ（ＩＤ）＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５，ｘ６） （２１）

ｘ１〜ｘ６は、各クラスに属する書籍のキーワードの集合の中に、「プログラミング」、「ＸＭＬ」、「開発方法論」、「学習」、「Ｐｙｔｈｏｎ」、及び「逆引き」がそれぞれ含まれているか否かを示す。

この場合、「ＸＭＬ」のクラスの特徴ベクトルｘ（１，５）、及び「Ｐｙｔｈｏｎ」のクラスの特徴ベクトルｘ（４）は、次のようになる。

ｘ（１，５）＝（１，１，１，１，０，０） （２２）
ｘ（４）＝（１，０，０，１，１，１） （２３）

「ＸＭＬ」と「Ｐｙｔｈｏｎ」との間の類似度としては、特徴ベクトルｘ（１，５）と特徴ベクトルｘ（４）との間の類似度Ｓｉｍ（ｘ（１，５），ｘ（４））が用いられる。例えば、特徴ベクトル間のコサイン類似度を用いた場合、Ｓｉｍ（ｘ（１，５），ｘ（４））は、次式により計算される。

Ｓｉｍ（ｘ（１，５），ｘ（４））
＝（ｘ（１，５）・ｘ（４））／（｜ｘ（１，５）｜＊｜ｘ（４）｜）
＝２／（４^１／２＊４^１／２）＝０．５ （２４）

図１３は、図７の分類結果５２２に対する関係スコア５２５の例を示している。図１３の関係スコア５２５は、関係及び関係スコアを含む。関係は、関係スコアの計算対象である２つのクラスを表す。

図１３（ａ）は、図７（ａ）の分類結果５２２に対して、式（４）、式（８）、及び式（１２）により計算された関係スコアを示している。図１３（ｂ）は、図７（ｂ）の分類結果５２２に対して、式（１６）、式（２０）、及び式（２４）により計算された関係スコアを示している。

次に、評価部５１２は、関係スコア５２５を用いて、各割り当て結果の評価値Ｅを計算する。割り当て結果の評価値Ｅとしては、各本棚の評価値の総和が用いられる。各割り当て結果の評価値Ｅは、各本棚に配置される書籍の組み合わせの好適度を表す。

本棚の評価値としては、本棚に割り当てられた書籍が属する複数のクラスのうち、２つのクラスのすべての組み合わせに対する関係スコア５２５の統計値が用いられる。統計値としては、例えば、調和平均、算術平均、中央値、最頻値、又は総和を用いることができる。ただし、関係スコア５２５に“０”が含まれている場合、関係スコア５２５の調和平均は“０”に設定される。また、本棚に割り当てられたすべての書籍が同じクラスに属する場合、本棚の評価値は所定値に設定される。所定値として“０”を用いてもよい。

例えば、図１０の割り当て結果において、本棚８０２には、「プログラミング言語」に属する書籍ＩＤ“４”の書籍と、「プログラミング教育」に属する書籍ＩＤ“５”の書籍とが割り当てられている。本棚の評価値として、関係スコア５２５の調和平均を用いた場合、本棚８０２の評価値Ｅ２は、式（４）のＳｉｍ（ｘ（４），ｘ（５））を用いて、次式により計算される。

Ｅ２＝１／（１／Ｓｉｍ（ｘ（４），ｘ（５）））
＝１／（１／０．５８）
＝０．５８ （３１）

図１０の本棚８０１に割り当てられた書籍はすべて同じクラスに属するため、本棚８０１の評価値Ｅ１は“０”に設定される。そして、図１０の割り当て結果の評価値Ｅは、次式により計算される。

Ｅ＝Ｅ１＋Ｅ２
＝０＋０．５８
＝０．５８ （３２）

次に、図１１（ａ）の割り当て結果において、本棚８０１には、「Ｐｙｔｈｏｎ」に属する書籍ＩＤ“４”の書籍と、「ソフトウェア開発」に属する書籍ＩＤ“２”及び書籍ＩＤ“３”の書籍とが割り当てられている。この場合、式（２０）のＳｉｍ（ｘ（４），ｘ（２，３））が“０”であるため、本棚８０１の評価値Ｅ１は“０”に設定される。

図１１（ａ）の本棚８０２に割り当てられた書籍はすべて同じクラスに属するため、本棚８０２の評価値Ｅ２は“０”に設定される。そして、図１１（ａ）の割り当て結果の評価値Ｅは、次式により計算される。

Ｅ＝Ｅ１＋Ｅ２
＝０＋０
＝０ （３３）

次に、図１１（ｂ）の割り当て結果において、本棚８０１には、「ＸＭＬ」に属する書籍ＩＤ“１”及び書籍ＩＤ“５”の書籍と、「Ｐｙｔｈｏｎ」に属する書籍ＩＤ“４”の書籍とが割り当てられている。この場合、本棚８０１の評価値Ｅ１は、式（２４）のＳｉｍ（ｘ（１，５），ｘ（４））を用いて、次式により計算される。

Ｅ１＝１／（１／Ｓｉｍ（ｘ（１，５），ｘ（４）））
＝１／（１／０．５）
＝０．５ （３４）

図１１（ｂ）の本棚８０２に割り当てられた書籍はすべて同じクラスに属するため、本棚８０２の評価値Ｅ２は“０”に設定される。そして、図１１（ｂ）の割り当て結果の評価値Ｅは、次式により計算される。

Ｅ＝Ｅ１＋Ｅ２
＝０．５＋０
＝０．５ （３５）

このように、クラス間の関係スコア５２５を用いることで、各割り当て結果の評価値Ｅを計算して、複数の割り当て結果の評価値Ｅを比較することが可能になる。評価値Ｅが大きいほど、同じ本棚に配置される書籍の類似性が高くなり、望ましい配置結果が得られる可能性が高い。そこで、評価部５１２は、分類結果５２２毎に最大の評価値Ｅを有する最適な割り当て結果を選択して、最適割り当て情報５２６を生成し、記憶部５１１に格納する。

図１４は、図７の分類結果５２２に対する最適割り当て情報５２６の例を示している。図１４の最適割り当て情報５２６は、配置ＩＤ、本棚８０１の評価値Ｅ１、本棚８０２の評価値Ｅ２、割り当て結果の評価値Ｅ、及びフラグを含む。フラグは、各分類結果５２２に対する最適な割り当て結果を示す。

図１４（ａ）は、図１２（ａ）の割り当て情報５２４に対する最適割り当て情報５２６を示している。図１４（ａ）の最適割り当て情報５２６には、配置ＩＤ“０”の割り当て結果のみが含まれているため、この割り当て結果が最適な割り当て結果として選択される。

図１４（ｂ）は、図１２（ｂ）の割り当て情報５２４に対する最適割り当て情報５２６を示している。図１４（ｂ）の最適割り当て情報５２６には、配置ＩＤ“０”及び配置ＩＤ“１”の２つの割り当て結果が含まれている。このうち、最大の評価値Ｅを有する配置ＩＤ“１”の割り当て結果が、最適な割り当て結果として選択される。

評価部５１２は、関係スコア５２５として、特徴ベクトル間のコサイン類似度の代わりに、各クラスに属する書籍のキーワードの集合同士の類似度を計算してもよい。集合同士の類似度としては、Jaccard係数、Dice係数等を用いることができる。例えば、集合Ｓ１と集合Ｓ２の間のJaccard係数Ｊ（Ｓ１，Ｓ２）は、次式により計算される。

Ｊ（Ｓ１，Ｓ２）＝｜Ｓ１∩Ｓ２｜／｜Ｓ１∪Ｓ２｜ （３６）

｜Ｓ１∩Ｓ２｜は、集合Ｓ１と集合Ｓ２の積集合の要素数を表し、｜Ｓ１∪Ｓ２｜は、集合Ｓ１と集合Ｓ２の和集合の要素数を表す。ただし、Ｓ１及びＳ２がいずれも空集合である場合、Ｊ（Ｓ１，Ｓ２）＝１となる。

例えば、図７（ａ）の分類結果５２２において、「プログラミング言語」に属する書籍ＩＤ“４”の書籍のキーワードの集合Ｓ（４）は、「プログラミング，Ｐｙｔｈｏｎ，学習，逆引き」である。また、「プログラミング教育」に属する書籍ＩＤ“５”の書籍のキーワードの集合Ｓ（５）は、「プログラミング，ＸＭＬ，学習」である。この場合、Ｊ（Ｓ（４），Ｓ（５））は、次式により計算される。

Ｊ（Ｓ（４），Ｓ（５））＝｜Ｓ（４）∩Ｓ（５）｜／｜Ｓ（４）∪Ｓ（５）｜
＝２／５ （３７）

選択部５１３は、最適割り当て情報５２６が示す最適な割り当て結果の評価値Ｅを評価結果として用いて、複数の分類結果５２２の中からいずれかの分類結果５２２を選択する。そして、選択部５１３は、選択された分類結果５２２を、最適分類結果５２７として記憶部５１１に格納する。

選択部５１３は、例えば、最大の評価値Ｅを有する最適な割り当て結果を含む分類結果５２２を、最適分類結果５２７として選択することができる。この場合、選択部５１３は、最適分類結果５２７に対する最適割り当て情報５２６のフラグが示す最適な割り当て結果を、書籍の最適配置として選択し、選択された最適配置を示す最適配置情報５２８を生成して、記憶部５１１に格納する。出力部５１４は、最適分類結果５２７及び最適配置情報５２８を出力する。

例えば、図１４の最適割り当て情報５２６の場合、図１４（ａ）のフラグが示す最適な割り当て結果の評価値Ｅは“０．５８”であり、図１４（ｂ）のフラグが示す最適な割り当て結果の評価値Ｅは“０．５”である。したがって、最大の評価値Ｅである“０．５８”を含む図１４（ａ）の最適割り当て情報５２６に対応する、図７（ａ）の分類結果５２２が、最適分類結果５２７として選択される。また、図１４（ａ）の最適割り当て情報５２６に対応する図１２（ａ）の割り当て情報５２４が、最適配置情報５２８として選択される。

図５の分類制御装置５０１によれば、各作業者によって作成された分類結果５２２に基づいて各書籍を配置先の本棚に割り当てることで、各分類結果５２２に対する割り当て結果が生成される。そして、割り当て結果とクラス間の類似度とに基づいて各分類結果５２２を評価することで、配置先の本棚に適合した分類結果５２２を特定することができる。したがって、図書館及び本棚の制約条件を知らない作業者が分類結果５２２を作成した場合であっても、その制約条件を満たす最適な分類結果５２２を求めることができる。

さらに、最適な分類結果５２２に対する割り当て結果を書籍の最適配置として選択することで、最適な分類結果５２２に従って各書籍を収納する本棚を自動的に決定することができる。

図１５は、図５の分類制御装置５０１が行う分類制御処理の具体例を示すフローチャートである。評価部５１２は、複数の分類結果５２２各々について、ステップ１５０１〜ステップ１５０３の処理を繰り返す。

まず、評価部５１２は、分類結果５２２に基づいて、配置先情報５２３が示すいずれかの本棚に各書籍を割り当てることで、１つ又は複数の割り当て結果を示す割り当て情報５２４を生成する（ステップ１５０１）。

次に、評価部５１２は、書誌情報５２１を用いて、分類結果５２２に含まれる複数のクラスのうち、２つのクラスのすべての組み合わせについて、関係スコア５２５を計算する（ステップ１５０２）。

次に、評価部５１２は、関係スコア５２５を用いて、割り当て情報５２４が示す各割り当て結果の評価値Ｅを計算し、最大の評価値Ｅを有する最適な割り当て結果を選択して、分類結果５２２に対する最適割り当て情報５２６を生成する（ステップ１５０３）。

次に、選択部５１３は、複数の分類結果５２２それぞれの最適割り当て情報５２６を用いて、最適分類結果５２７を選択し（ステップ１５０４）、最適配置情報５２８を生成する（ステップ１５０５）。そして、出力部５１４は、最適分類結果５２７及び最適配置情報５２８を出力する（ステップ１５０６）。

ところで、分類制御装置５０１は、図書館の書籍の分類に関する分類制御処理だけでなく、他の配置対象の分類に関する分類制御処理を行うこともできる。他の配置対象としては、美術館の美術品、博物館の展示品等が挙げられる。

図１６は、美術館の美術品の美術品情報の例を示している。図１６の美術品情報は、作品ＩＤ、タイトル、作家、製作年、及びキーワードを含み、図６の書誌情報５２１の代わりに用いられる。作品ＩＤは、美術品の識別子である。キーワードは、美術品に対して付与されたキーワードであり、美術品の図録又はデータベースから取得される。美術品は、配置対象の一例である。

この例では、作品ＩＤ“１”〜作品ＩＤ“５”の５点の美術品の美術品情報が示されている。例えば、作品ＩＤ“１”の美術品のタイトルは「自画像」であり、作家は「ピサロ」であり、製作年は「１８７３」であり、キーワードは「自画像、オルセー美術館、ひげ」である。

図１７は、図１６の５点の美術品に対する分類結果５２２の例を示している。図１７の分類結果５２２は、作品ＩＤ及びクラスを含む。クラスは、作業者によって、作品ＩＤが示す美術品に付与されたカテゴリを表す。

図１７（ａ）は、作業者Ａによって作成された分類結果５２２の例を示している。作業者Ａの分類結果５２２では、作品ＩＤ“１”及び作品ＩＤ“２”の美術品は、「印象派」のクラスに分類されている。また、作品ＩＤ“３”の美術品は、「ポップアート」のクラスに分類され、作品ＩＤ“４”の美術品は、「メディアアート」のクラスに分類され、作品ＩＤ“５”の美術品は、「ポスト印象派」のクラスに分類されている。

図７（ｂ）は、作業者Ｂによって作成された分類結果５２２の例を示している。作業者Ｂの分類結果５２２では、作品ＩＤ“１”、作品ＩＤ“３”、及び作品ＩＤ“５”の美術品は、「自画像」のクラスに分類されている。また、作品ＩＤ“２”の美術品は、「風景画」のクラスに分類され、作品ＩＤ“４”の美術品は、「現代美術」のクラスに分類されている。

美術品の配置先としては、美術館の展示室の壁が用いられる。美術館の複数の壁は、配置先に含まれる複数の配置領域の一例である。

図１８は、図１７の分類結果５２２に対する割り当て結果の例を示している。図１８では、壁１８０１及び壁１８０２が配置先として設定されている。各壁には、３点の美術品を展示することができる。

図１８（ａ）は、図１７（ａ）の分類結果５２２に対する割り当て結果の例を示している。この例では、「印象派」のクラスに分類された作品ＩＤ“１”及び作品ＩＤ“２”の美術品と、「ポスト印象派」のクラスに分類された作品ＩＤ“５”の美術品とが、壁１８０１に割り当てられている。また、「ポップアート」のクラスに分類された作品ＩＤ“３”の美術品と、「メディアアート」のクラスに分類された作品ＩＤ“４”の美術品とが、壁１８０２に割り当てられている。

図１８（ｂ）は、図１８（ｂ）の分類結果５２２に対する割り当て結果の例を示している。この例では、「自画像」のクラスに分類された作品ＩＤ“１”、作品ＩＤ“３”、及び作品ＩＤ“５”の美術品が、壁１８０１に割り当てられている。また、「風景画」のクラスに分類された作品ＩＤ“２”の美術品と、「現代美術」のクラスに分類された作品ＩＤ“４”の美術品とが、壁１８０２に割り当てられている。

分類制御装置５０１は、図１６の美術品情報、図１７の分類結果５２２、及び図１８の割り当て結果を用いて、図１５と同様の分類制御処理を行うことで、最適分類結果５２７及び最適配置情報５２８を求める。

図３の分類制御装置３０１及び図５の分類制御装置５０１の構成は一例に過ぎず、分類制御装置の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。例えば、図５の分類制御装置５０１において、最適分類結果５２７及び最適配置情報５２８を出力する必要がない場合は、出力部５１４を省略することができる。

図４及び図１５のフローチャートは一例に過ぎず、分類制御装置の構成又は条件に応じて一部の処理を省略又は変更してもよい。例えば、図１５の分類制御処理において、最適分類結果５２７及び最適配置情報５２８を出力する必要がない場合は、ステップ１５０６の処理を省略することができる。

図１に示した手書き文字の画像は一例に過ぎず、手書き文字の画像は、文字の種類に応じて変化する。図２に示した書籍の分類は一例に過ぎず、書籍の分類は、図書館に応じて変化する。

図６に示した書誌情報５２１は一例に過ぎず、書誌情報５２１は、書籍に応じて変化する。図７に示した書籍の分類結果５２２は一例に過ぎず、書籍の分類結果５２２は、作業者に応じて変化する。図８に示した本棚は一例に過ぎず、本棚は、図書館に応じて変化する。配置先は、３台以上の本棚であってもよい。図９に示した配置先情報５２３は一例に過ぎず、配置先情報５２３は、本棚に応じて変化する。収納可能冊数は、４冊以上であってもよい。

図１０及び図１１に示した割り当て結果と図１２に示した割り当て情報５２４は一例に過ぎず、割り当て結果及び割り当て情報５２４は、書籍の分類結果５２２及び配置先情報５２３に応じて変化する。

図１３に示した関係スコア５２５は一例に過ぎず、関係スコア５２５は、書誌情報５２１及び分類結果５２２に応じて変化する。評価部５１２は、書誌情報５２１に含まれるキーワードに加えて、タイトル、著者、及びＩＳＢＮを用いて、関係スコア５２５を計算してもよい。図１４に示した最適割り当て情報５２６は一例に過ぎず、最適割り当て情報５２６は、関係スコア５２５に応じて変化する。

図１６に示した美術品情報は一例に過ぎず、美術品情報は、美術品に応じて変化する。図１７に示した美術品の分類結果５２２は一例に過ぎず、美術品の分類結果５２２は、作業者に応じて変化する。図１８に示した割り当て結果は一例に過ぎず、割り当て結果は、美術品の分類結果５２２及び配置先情報５２３に応じて変化する。

式（１）〜式（３７）は一例にすぎず、分類制御装置は、別の計算式を用いて分類制御処理を行ってもよい。

図１９は、図３の分類制御装置３０１及び図５の分類制御装置５０１として用いられる情報処理装置（コンピュータ）のハードウェア構成例を示している。図１９の情報処理装置は、ＣＰＵ（Central Processing Unit）１９０１、メモリ１９０２、入力装置１９０３、出力装置１９０４、補助記憶装置１９０５、媒体駆動装置１９０６、及びネットワーク接続装置１９０７を含む。これらの構成要素はハードウェアであり、バス１９０８により互いに接続されている。

メモリ１９０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリであり、処理に用いられるプログラム及びデータを格納する。メモリ１９０２は、図３の記憶部３１１又は図５の記憶部５１１として動作してもよい。

ＣＰＵ１９０１（プロセッサ）は、例えば、メモリ１９０２を利用してプログラムを実行することにより、図３の評価部３１２及び選択部３１３として動作する。ＣＰＵ１９０１は、メモリ１９０２を利用してプログラムを実行することにより、図５の評価部５１２及び選択部５１３としても動作する。

入力装置１９０３は、例えば、キーボード、ポインティングデバイス等であり、オペレータ又はユーザからの指示又は情報の入力に用いられる。出力装置１９０４は、例えば、表示装置、プリンタ、スピーカ等であり、オペレータ又はユーザへの問い合わせ又は指示、及び処理結果の出力に用いられる。処理結果は、最適分類結果５２７及び最適配置情報５２８であってもよい。出力装置１９０４は、図５の出力部５１４として動作してもよい。

補助記憶装置１９０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置１９０５は、ハードディスクドライブ又はフラッシュメモリであってもよい。情報処理装置は、補助記憶装置１９０５にプログラム及びデータを格納しておき、それらをメモリ１９０２にロードして使用することができる。補助記憶装置１９０５は、図３の記憶部３１１又は図５の記憶部５１１として動作してもよい。

媒体駆動装置１９０６は、可搬型記録媒体１９０９を駆動し、その記録内容にアクセスする。可搬型記録媒体１９０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体１９０９は、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＵＳＢ（Universal Serial Bus）メモリ等であってもよい。オペレータ又はユーザは、この可搬型記録媒体１９０９にプログラム及びデータを格納しておき、それらをメモリ１９０２にロードして使用することができる。

このように、処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ１９０２、補助記憶装置１９０５、又は可搬型記録媒体１９０９のような、物理的な（非一時的な）記録媒体である。

ネットワーク接続装置１９０７は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等の通信ネットワークに接続され、通信に伴うデータ変換を行う通信インタフェース回路である。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置１９０７を介して受信し、それらをメモリ１９０２にロードして使用することができる。ネットワーク接続装置１９０７は、図５の出力部５１４として動作してもよい。

なお、情報処理装置が図１９のすべての構成要素を含む必要はなく、情報処理装置の用途又は条件に応じて一部の構成要素を省略することも可能である。例えば、オペレータ又はユーザとのインタフェースが不要な場合は、入力装置１９０３及び出力装置１９０４を省略してもよい。可搬型記録媒体１９０９又は通信ネットワークを使用しない場合は、媒体駆動装置１９０６又はネットワーク接続装置１９０７を省略してもよい。

開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。

図２乃至図１９を参照しながら説明した実施形態に関し、さらに以下の付記を開示する。
（付記１）
複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、前記複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成し、
前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する、
処理をコンピュータに実行させるための分類制御プログラム。
（付記２）
前記配置先は、複数の配置領域を含み、
前記評価結果を生成する処理は、前記複数の分類結果各々に基づいて、前記複数の配置対象各々を前記複数の配置領域のうちいずれかの配置領域に割り当てることで、前記複数の分類結果各々に対する割り当て結果を生成する処理と、前記複数の分類結果各々に対する割り当て結果に基づいて、前記複数の分類結果各々を評価する処理とを含むことを特徴とする付記１記載の分類制御プログラム。
（付記３）
前記複数のクラスは、第１クラス及び第２クラスを含み、
前記複数の分類結果各々を評価する処理は、前記複数の分類結果各々において、前記第１クラスに分類された１つ又は複数の配置対象と、前記第２クラスに分類された１つ又は複数の配置対象との間の類似度を計算する処理と、前記類似度を用いて、前記複数の分類結果各々に対する割り当て結果の評価値を計算する処理とを含み、
前記いずれかの分類結果を選択する処理は、前記複数の分類結果各々に対する割り当て結果の評価値を前記評価結果として用いて、前記いずれかの分類結果を選択する処理を含むことを特徴とする付記２記載の分類制御プログラム。
（付記４）
複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を記憶する記憶部と、
前記複数の配置対象の配置先に関する情報に基づいて前記複数の分類結果を評価することで、評価結果を生成する評価部と、
前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する選択部と、
を備えることを特徴とする分類制御装置。
（付記５）
前記配置先は、複数の配置領域を含み、
前記評価部は、前記複数の分類結果各々に基づいて、前記複数の配置対象各々を前記複数の配置領域のうちいずれかの配置領域に割り当てることで、前記複数の分類結果各々に対する割り当て結果を生成し、前記複数の分類結果各々に対する割り当て結果に基づいて、前記複数の分類結果各々を評価することを特徴とする付記４記載の分類制御装置。
（付記６）
前記複数のクラスは、第１クラス及び第２クラスを含み、
前記評価部は、前記複数の分類結果各々において、前記第１クラスに分類された１つ又は複数の配置対象と、前記第２クラスに分類された１つ又は複数の配置対象との間の類似度を計算し、前記類似度を用いて、前記複数の分類結果各々に対する割り当て結果の評価値を計算し、
前記選択部は、前記複数の分類結果各々に対する割り当て結果の評価値を前記評価結果として用いて、前記いずれかの分類結果を選択することを特徴とする付記５記載の分類制御装置。
（付記７）
複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、前記複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成し、
前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する、
処理をコンピュータが実行することを特徴とする分類制御方法。
（付記８）
前記配置先は、複数の配置領域を含み、
前記評価結果を生成する処理は、前記複数の分類結果各々に基づいて、前記複数の配置対象各々を前記複数の配置領域のうちいずれかの配置領域に割り当てることで、前記複数の分類結果各々に対する割り当て結果を生成する処理と、前記複数の分類結果各々に対する割り当て結果に基づいて、前記複数の分類結果各々を評価する処理とを含むことを特徴とする付記７記載の分類制御方法。
（付記９）
前記複数のクラスは、第１クラス及び第２クラスを含み、
前記複数の分類結果各々を評価する処理は、前記複数の分類結果各々において、前記第１クラスに分類された１つ又は複数の配置対象と、前記第２クラスに分類された１つ又は複数の配置対象との間の類似度を計算する処理と、前記類似度を用いて、前記複数の分類結果各々に対する割り当て結果の評価値を計算する処理とを含み、
前記いずれかの分類結果を選択する処理は、前記複数の分類結果各々に対する割り当て結果の評価値を前記評価結果として用いて、前記いずれかの分類結果を選択する処理を含むことを特徴とする付記８記載の分類制御方法。

２０１−１〜２０１−３、２０２−１〜２０２−３、２０３−１〜２０３−３ 書籍
３０１、５０１ 分類制御装置
３１１、５１１ 記憶部
３１２、５１２ 評価部
３１３、５１３ 選択部
５１４ 出力部
５２１ 書誌情報
５２２ 分類結果
５２３ 配置先情報
５２４ 割り当て情報
５２５ 関係スコア
５２６ 最適割り当て情報
５２７ 最適分類結果
５２８ 最適配置情報
８０１、８０２ 本棚
１８０１、１８０２ 壁
１９０１ ＣＰＵ
１９０２ メモリ
１９０３ 入力装置
１９０４ 出力装置
１９０５ 補助記憶装置
１９０６ 媒体駆動装置
１９０７ ネットワーク接続装置
１９０８ バス
１９０９ 可搬型記録媒体

Claims (5)

1. 複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、前記複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成し、
   前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する、
   処理をコンピュータに実行させるための分類制御プログラム。
2. 前記配置先は、複数の配置領域を含み、
   前記評価結果を生成する処理は、前記複数の分類結果各々に基づいて、前記複数の配置対象各々を前記複数の配置領域のうちいずれかの配置領域に割り当てることで、前記複数の分類結果各々に対する割り当て結果を生成する処理と、前記複数の分類結果各々に対する割り当て結果に基づいて、前記複数の分類結果各々を評価する処理とを含むことを特徴とする請求項１記載の分類制御プログラム。
3. 前記複数のクラスは、第１クラス及び第２クラスを含み、
   前記複数の分類結果各々を評価する処理は、前記複数の分類結果各々において、前記第１クラスに分類された１つ又は複数の配置対象と、前記第２クラスに分類された１つ又は複数の配置対象との間の類似度を計算する処理と、前記類似度を用いて、前記複数の分類結果各々に対する割り当て結果の評価値を計算する処理とを含み、
   前記いずれかの分類結果を選択する処理は、前記複数の分類結果各々に対する割り当て結果の評価値を前記評価結果として用いて、前記いずれかの分類結果を選択する処理を含むことを特徴とする請求項２記載の分類制御プログラム。
4. 複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を記憶する記憶部と、
   前記複数の配置対象の配置先に関する情報に基づいて前記複数の分類結果を評価することで、評価結果を生成する評価部と、
   前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する選択部と、
   を備えることを特徴とする分類制御装置。
5. 複数の配置対象各々を複数のクラスのうちいずれかのクラスに分類した結果をそれぞれ示す複数の分類結果を、前記複数の配置対象の配置先に関する情報に基づいて評価することで、評価結果を生成し、
   前記評価結果に基づいて、前記複数の分類結果の中からいずれかの分類結果を選択する、
   処理をコンピュータが実行することを特徴とする分類制御方法。
   

Images