JP3333998B2 - 自動分類付与装置および方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【技術分野】この発明は，学術論文，科学記事，特許公
報とその抄録，その他の文書を複数のカテゴリーに分類
する自動分類付与装置および方法，ならびにこの自動分
類付与のために用いる分類間距離テーブルやキーワード
／分類テーブルの作成装置および方法に関する。

【０００２】

【従来技術とその問題点】従来の自動分類付与装置に
は，特開平１−188934号公報や特開平２−98778 号公報
に記載のものがある。これらの装置は電子化された文書
からキーワードを抽出しキーワードの頻度だけで分類を
決定したり，あらかじめ作成された生成規則を用いるも
のである。しかしながら頻度だけに基づいたのでは全く
的はずれな分類を付与してしまう可能性があり，また生
成規則を用いるものでもあらかじめ人間が生成規則辞書
を作成しないといけないという煩わしさがあった。

【０００３】

【発明の開示】この発明は，既に分類が付与された文書
に基づいて自動分類付与のためのデータ・ベースを作成
し，このデータ・ベースに基づいて適切な分類を付与す
ることのできる装置および方法を提供するものである。

【０００４】この発明による自動分類付与装置は，分類
未付与文書に含まれる複数のキーワードを入力する手
段，キーワードごとに，そのキーワードに関連の深い分
類およびその分類の関連の深さを示す度合をあらかじめ
記憶したキーワード／分類テーブルを参照して，入力さ
れたキーワードに関連する分類の関連度合の合計値を分
類ごとに算出し，この合計値の大きさの順序にしたがっ
て付与すべき分類の候補を選択する手段，ならびに２つ
の分類間の関連性の強さを表わすあらかじめ作成された
分類間距離テーブルを参照して，選択された複数の候補
分類相互間の距離が妥当な範囲内にあるかどうかを検査
し，妥当な範囲内にあれば候補分類を最終分類と決定す
る手段を備えている。

【０００５】この発明の実施態様においては，上記決定
手段は，上記合計値が所定値以上である候補分類が１つ
である場合に，上記分類間距離テーブルを参照すること
なくその候補分類を最終分類と決定する。

【０００６】この発明の他の好ましい実施態様において
は，上記合計値が所定値よりも大きい候補分類がない場
合に，上記合計値の大きさの順序にしたがって複数の分
類からなる分類パターンを作成し，同一分類パターンが
所定回数出現したときに新たな分類を創設して付与する
手段がさらに設けられる。

【０００７】この発明による自動分類付与方法は，分類
未付与文書に含まれる複数のキーワードを入力し，キー
ワードごとに，そのキーワードに関連の深い分類および
その分類の関連の深さを示す度合をあらかじめ記憶した
キーワード／分類テーブルを参照して，入力されたキー
ワードに関連する分類の関連度合の合計値を分類ごとに
算出し，この合計値の大きさの順序にしたがって付与す
べき分類の候補を選択し，２つの分類間の関連性の強さ
を表わすあらかじめ作成された分類間距離テーブルを参
照して，選択された複数の候補分類相互間の距離が妥当
な範囲内にあるかどうかを検査し，妥当な範囲内にあれ
ば候補分類を最終分類と決定するものである。

【０００８】この発明は上述した自動分類付与装置およ
び方法で用いられる分類間距離テーブルを作成する装置
および方法を提供している。

【０００９】この発明による分類間距離テーブル作成装
置は，一文書について複数の分類からなる分類の組があ
らかじめ付与された複数の分類付与済文書のそれぞれに
ついて，それらの文書に付与された分類の組を入力する
ための手段，および入力された分類の組に２つの分類が
同時に含まれる程度に基づいて，２つの分類間の距離
を，すべての分類の中から選択されたすべての組合せの
分類対について求め，分類間距離テーブルを作成する手
段を備えている。

【００１０】この発明による分類間距離テーブル作成方
法は，一文書について複数の分類からなる分類の組があ
らかじめ付与された複数の分類付与済文書のそれぞれに
ついて，それらの文書に付与された分類の組を入力し，
入力された分類の組に２つの分類が同時に含まれる程度
に基づいて，２つの分類間の距離を，すべての分類の中
から選択されたすべての組合せの分類対について求め，
分類間距離テーブルを作成するものである。

【００１１】この発明はさらに上記自動分類付与装置お
よび方法で用いるキーワード／分類テーブル作成装置お
よび方法を提供している。

【００１２】この発明によるキーワード／分類テーブル
作成装置は，分類があらかじめ付与された複数の分類付
与済文書のそれぞれについて，それらの文書に付与され
た分類とそれらの文書から抽出されたキーワードとを相
互に関連させて入力するための手段，入力されたキーワ
ードごとに，それらのキーワードに関連する分類の関連
度合を求め，関連度合の大きさの順序にしたがって所定
数の分類を選択する手段，キーワードごとに，それに関
連する選択された分類の関連度合に基づいてキーワード
を評価し，関連度合の低い分類のみが関連するキーワー
ドを削除するキーワード評価手段，および削除されずに
残ったキーワードのそれぞれについて，そのキーワード
に関連の深い所定数の分類およびその分類の関連度合を
対応させて記憶するキーワード／分類テーブルを作成す
る手段を備えている。

【００１３】好ましい実施態様においては，上記キーワ
ード評価手段は，２つの分類間の関連性の強さを表わす
あらかじめ作成された分類間距離テーブルを参照してキ
ーワードを評価し，分類間距離の大きい２つの分類が関
連するキーワードを削除するものである。

【００１４】この発明によるキーワード／分類テーブル
作成方法は，分類があらかじめ付与された複数の分類付
与済文書のそれぞれについて，それらの文書に付与され
た分類とそれらの文書から抽出されたキーワードとを相
互に関連させて入力し，入力されたキーワードごとに，
それらのキーワードに関連する分類の関連度合を求め，
関連度合の大きさの順序にしたがって所定数の分類を選
択し，キーワードごとに，それに関連する選択された分
類の関連度合に基づいてキーワードを評価し，関連度合
の低い分類のみが関連するキーワードを削除するととも
に，２つの分類間の関連性の強さを表わすあらかじめ作
成された分類間距離テーブルを参照してキーワードを評
価し，分類間距離の大きい２つの分類が関連するキーワ
ードを削除し，削除されずに残ったキーワードのそれぞ
れについて，そのキーワードに関連の深い所定数の分類
およびその分類の関連度合を対応させて記憶するキーワ
ード／分類テーブルを作成するものである。

【００１５】分類付与済文書への分類の付与は，一般に
専門家によって行なわれるであろう。上記分類間距離は
後述する実施例では分類間の技術距離として具体化され
ている。

【００１６】この発明によると，あらかじめ分類が付与
された分類付与済文書における分類とキーワードのデー
タを用いて，自動分類付与のためのデータ・ベースとな
る分類間距離テーブルおよびキーワード／分類テーブル
が作成されている。既存の分類付与済文書に基づいてデ
ータ・ベースが作成されるので，上述した従来例のよう
に人間が生成規則辞書を作成する煩わしさがなくなる。
また，データ・ベースの作成のためにより多くの情報
（分類付与済文書のデータ）を与えれば与えるほどより
正確な分類間距離テーブルおよびキーワード／分類テー
ブルが得られる。すなわち，この発明は学習機能をもっ
ており，この学習により，より正確な分類の自動付与が
達成される。さらに，この発明では分類間距離という概
念を導入してこの分類間距離をキーワード／分類テーブ
ルの作成および自動分類付与処理に利用しているので，
妥当でない分類の付与を排除してより正しい分類の付与
が可能となる。

【００１７】

【実施例の説明】図１は自動分類付与装置の電気的構成
の概要を示している。

【００１８】自動分類付与装置は最も好ましい形態にお
いてはコンピュータ・システム10を含み，このコンピュ
ータ・システム10には入力装置11，出力装置12，内部メ
モリ13および外部メモリ14が接続される。入力装置11は
後述する分類付与済文書の分類（コード），キーワード
等を入力するとともに，分類未付与文書に記載された文
章を入力するものであり，キーボード，マウス，イメー
ジ・リーダ等を含む。分類未付与文書はキーボードから
入力してもよいし，イメージ・リーダによって読込んだ
ドット・データを文字コードに変換する文字認識処理に
より入力を達成することもできる。出力装置12は主に分
類結果を出力するものであり，ＣＲＴ表示装置やプリン
タを含む。分類結果は好ましくは文書の分類欄にプリン
タによって印字される。内部メモリ13はコンピュータ・
システム10のプログラムを格納するとともに各種処理の
ためのワーク・エリア（後述する各種テーブルの作成
等）を含む。外部メモリ14は入力された文書データ，分
類データ等を記憶する。プログラムを外部メモリ14に格
納しておいてもよい。

【００１９】自動分類付与装置はあらかじめ分類が付与
された複数の文書（分類付与済文書）における分類とキ
ーワードに関するデータに基づいて分類のための基礎デ
ータを作成し，この基礎データを用いて分類未付与文書
にその記載内容に適した分類を付与するものである。分
類付与処理のための基礎データとしては，分類間の技術
距離テーブル（図４）とキーワード／分類テーブル（図
８）とがある。したがって，自動分類付与装置は，分類
付与処理（図11および図14〜図16）に先だって，分類間
の技術距離テーブル作成処理（図３）およびキーワード
／分類テーブルの作成処理（図７）を実行する。

【００２０】ここで文書とは文字で記載された内容が情
報としての意味をもつすべての文書を含む。もちろん文
書は人間が読むことができる形態で表わされていても，
マシン・リーダブルな形態で表わされていてもよい。最
も典型的な文書には技術文書があろう。中でも，特許公
報，その抄録のような特許文献が最もなじみが深いもの
かも知れない。分類とはこのような文書を大系化して整
理するためにその内容に応じて文書をグループ分けする
のに用いる記号である。分類は大分類，中分類，小分類
のようにヒエラルキー構造とすることもできよう。最も
身近な分類には特許関係分書に付与されるＩＰＣ（国際
特許分類），各企業で付与する社内分類等があろう。文
書に記載された内容の輪郭を端的に表現する用語はキー
ワードと呼ばれている。キーワードは一般的には文書の
中で用いられる用語の中から抽出される。特許文献や学
術論文ではキーワードが特定の欄に羅列して表わされて
いる。

【００２１】図２は分類付与済文書の一例を示してい
る。

【００２２】分類付与済文書には，文書を識別するため
の文書番号が付与されている。また文書に付与された分
類を記載する分類欄と文書から抽出されたキーワードを
記載するキーワード欄が設けられている。この実施例で
は一つの文書に最大３種類の分類が付与されるものとす
る。この明細書では分類（コード）をＡ，Ｂ，Ｃ，Ｄ，
Ｅ，Ｆ，ＧおよびＨと表現する。またキーワードをａ，
ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，…等の小文字のアルファベッ
トで表わす。一般には専門家によって分類が付与された
文書が分類付与済文書となろう。

【００２３】まず図３から図６を参照して分類間の技術
距離テーブル作成処理について説明する。

【００２４】あらかじめ用意された分類付与済文書の分
類欄に記載されている分類の組（一文書について最大３
種類の分類からなる）が文書ごとに入力される（ステッ
プ21）。一つの文書について分類の組が入力されるとＰ
（Ｉ，Ｊ）テーブルおよびＱ（Ｉ，Ｊ）テーブルのデー
タが更新される（ステップ22）。

【００２５】Ｐ（Ｉ，Ｊ）テーブルは，図５に示すよう
に，入力された分類の組の中で分類ＩまたはＪが含まれ
る分類の組の数を，分類ＩとＪのすべての組合せＰ
（Ｉ，Ｊ）（Ｉ≠Ｊ，Ｉ，Ｊ＝Ａ〜Ｈ）について記憶す
るものである。Ｑ（Ｉ，Ｊ）テーブルは，図６に示すよ
うに，入力された分類の組の中で分類ＩおよびＪがとも
に含まれる分類の組の数を，分類ＩとＪのすべての組合
せＱ（Ｉ，Ｊ）（Ｉ≠Ｊ，Ｉ，Ｊ＝Ａ〜Ｈ）について記
憶するものである。

【００２６】分類付与済文書のすべてについて，その分
類欄に記載されている分類の組の入力と，Ｐ（Ｉ，Ｊ）
テーブルおよびＱ（Ｉ，Ｊ）テーブルのデータの更新が
繰返して実行される（ステップ23）。これによりＰ
（Ｉ，Ｊ）テーブルとＱ（Ｉ，Ｊ）テーブルとが完成す
る。

【００２７】分類Ｉと分類Ｊとの技術距離Ｌ（Ｉ，Ｊ）
は，たとえば次式にしたがって算出される。

【００２８】

【数１】 Ｌ（Ｉ，Ｊ）＝100 −［Ｑ（Ｉ，Ｊ）／Ｐ（Ｉ，Ｊ）］×α ‥式１ αは定数である。

【００２９】技術距離Ｌ（Ｉ，Ｊ）は０〜100 の間の値
をとる。

【００３０】分類Ｉと分類Ｊのすべての組合せについて
式１にしたがって技術距離Ｌ（Ｉ，Ｊ）が算出され，図
４に示すような分類間の技術距離テーブルが作成され
る。

【００３１】技術距離Ｌ（Ｉ，Ｊ）は，文書が技術文書
である場合に，それらに付与される分類間の技術上の関
連性の近さ，または遠さを表わしている。技術距離が大
きければ２つの分類間の関連性が小さく，小さければ大
きい。

【００３２】技術距離を一般文書についての分類間距離
という概念に敷衍することができる。分類間距離は２つ
の分類間の関連性の近さまたは遠さを表わす。分類間距
離または分類間の技術距離は式１のみならず他の演算式
によっても定義することができよう。

【００３３】分類付与済文書が10枚あったとして，それ
らに付与された分類の組が次の10個であったと仮定す
る。

【００３４】（Ａ，Ｂ，Ｃ），（Ａ，Ｂ，Ｄ），（Ａ，
Ｅ，Ｆ），（Ｂ，Ｆ，Ｇ），（Ｂ，Ｆ，Ｇ），（Ｃ，
Ｄ，Ｅ），（Ｃ，Ｇ，Ｈ），（Ｃ，Ｇ，Ｈ），（Ｄ，
Ｅ，Ｆ），（Ｄ，Ｇ，Ｈ）

【００３５】この場合に，Ｐ（Ａ，Ｂ）＝５，Ｑ（Ａ，
Ｂ）＝２となる。α＝100 とすると，分類ＡとＢとの技
術距離Ｌ（Ａ，Ｂ）は式１にしたがうと，

【数２】 Ｌ（Ａ，Ｂ）＝100 −（２／５）×100 ＝60 ‥式２ となる。この値Ｌ（Ａ，Ｂ）＝60は単純化した一例であ
るから図４に示すものとは異なっている。

【００３６】続いて図７から図10を参照して，キーワー
ド／分類テーブルの作成処理について説明する。

【００３７】あらかじめ用意されたすべての分類付与済
文書に記載されている分類（最大３種類の分類）および
キーワードが，文書ごとに入力される（ステップ31）。
後に示す自動分類付与処理と同じように，文書も入力し
て，入力された文書からキーワードを抽出するようにし
てもよい。

【００３８】分類付与済文書についての分類とキーワー
ドの入力ごとに図９に示すようなキーワード別分類頻度
テーブルにおける度数（頻度）が加算される。たとえ
ば，一文書について分類Ａ，ＢおよびＤとキーワード
ａ，ｂ，ｃ，ｅおよびｈが入力されたときには，キーワ
ードａ，ｂ，ｃ，ｅおよびｈのそれぞれについて分類
Ａ，ＢおよびＤの度数が＋１される。すべての分類付与
済文書についての分類とキーワードの入力が終了する
と，キーワード別分類頻度テーブルが完成し，このテー
ブルに基づいて図10に示すようなキーワード別分類ヒス
トグラムがキーワードごとに作成される（ステップ3
2）。

【００３９】このキーワード別分類頻度テーブルまたは
キーワード別分類ヒストグラムは，キーワードごとに，
そのキーワードと関連性がある分類についてその関連性
（関係）の深さまたは強さを表わす度数から構成されて
いる。度数はキーワードと分類との関係の深さまたは強
さを表わしており，度数が大きいほど関係が強いといえ
る。たとえば，図10を参照して，キーワードａに最も関
係が強い分類はＡであり，次に分類Ｂが関係が強く，第
３番目は分類Ｄである。

【００４０】このようなキーワード別分類頻度テーブル
またはキーワード別分類ヒストグラムに基づいてキーワ
ードの評価処理（その１）が行なわれる（ステップ3
3）。キーワードは特定の分類（できるだけ少数の分
類）に強く関係している方が後に示す自動分類付与処理
に役立つ。逆に言えば，強く関係している特定の分類が
無く多くの分類に同程度に弱く関係しているキーワード
は，分類付与処理のためのキーワードとして役に立たな
い。そこで，１または２，３程度の少数の特定の分類に
関係しているとは言い切れない役に立ちそうもないキー
ワードを削除するのがこのキーワード評価処理（その
１）である。

【００４１】一つのキーワードについて度数の大きいも
のから所定数（この実施例では３個）の分類を抽出し，
その分類についての度数の和が求められ，これが所定数
βよりも小さいかどうかがチェックされる。たとえば，
度数の高いものからｎ番目の分類コードの度数をδ(n)
とすると（ここでｎはキーワードを表わす符号とは異な
り一般的な番号を表わす），

【数３】δ(1) ＋δ(2) ＋δ(3) ＜β ‥式３ βはたとえば50 を満たすキーワードが削除される。

【００４２】上述したキーワードａについては，度数の
高い３種類の分類Ａ，Ｂ，Ｄについての度数はそれぞれ
80，70，10であり，これらの和は160 であるから，キー
ワードａは削除されない。

【００４３】続いて，既に作成された分類間の技術距離
テーブルを参照したキーワードの評価処理（その２）が
行なわれる（ステップ34）。

【００４４】キーワード評価処理（その１）において削
除されなかったキーワードには度数の高い３種類の分類
が対応しているが，これらの３種類の分類の中に相互の
関連性がきわめて低い分類対が含まれている場合には，
キーワードと３種類の分類との関連性に疑問があると考
えられるので，このようなキーワードが削除される。

【００４５】このキーワード評価処理（その２）におい
ては，あるキーワードについて度数の大きい３種類の分
類をＩ，Ｊ，Ｋとすると，これらの３種類の分類から選
択された１対の分類間の技術距離Ｌ（Ｉ，Ｊ），Ｌ
（Ｉ，Ｋ），Ｌ（Ｊ，Ｋ）のうち１つでもしきい値γよ
りも大きいものがあれば，そのキーワードは削除され
る。すなわち，

【数４】｛Ｌ（Ｉ，Ｊ）＞γ｝or ｛Ｌ（Ｉ，Ｋ）＞γ｝or ｛Ｌ（Ｊ，Ｋ）＞γ｝＝真 ‥式４ であればそのキーワードは削除される。

【００４６】たとえばキーワードａについては，図４の
技術距離テーブルを参照すると， Ｌ（Ａ，Ｂ）＝10 Ｌ（Ａ，Ｄ）＝14 Ｌ（Ｂ，Ｄ）＝30 であり，γ＝40とすると，式４の条件を満たさないので
削除されない。

【００４７】このようにして２種類のキーワード評価処
理（その１）（その２）において削除されずに残ったキ
ーワードのそれぞれについて，そのキーワードに関係す
る度数の最も高い分類から３番目に高い分類までの重要
な３種類の分類とその度数とが対応づけられることによ
り，図８に示すようなキーワード／分類テーブルが作成
される（ステップ35）。たとえば，キーワードａについ
ては，分類Ａ（度数80）と分類Ｂ（度数70）と分類Ｄ
（度数10）とが正しく関係するものとして対応づけられ
る。

【００４８】図11は自動分類付与処理の概要を示してい
る。

【００４９】分類未付与文書に記載された文章が入力さ
れる（ステップ41）。上述したように，文書の文章はキ
ーボードから入力されてもよいし，イメージ・リーダか
ら入力されてもよい。または，あらかじめ外部メモリ14
に格納しておいてこれを読出してもよい。いずれにして
も入力された文章を構成する各文字を表わすコードの列
がコンピュータ・システム10内に入力され，このコード
列からキーワードを表わすコード列が抽出される（ステ
ップ42）。入力された文章からキーワードを抽出する処
理は公知であり，たとえば文章が分かち書きされ，助詞
などの不要語が除かれることにより単語（主に名詞，動
詞が含まれてもよい）が抽出される。この単語がここで
はキーワードとなる。したがって，先に説明したキーワ
ード／分類テーブルに登録されていない単語（キーワー
ド）が抽出されても問題は無い。キーワードの抽出処理
の進行にともなって抽出されたキーワードは，図12に示
すようなキーワード・リストに登録される（ステップ4
3）。

【００５０】このようにして，入力された文章からキー
ワードの抽出処理，抽出されたキーワードのリストの作
成が終了すると，キーワード・リストに挙げられている
キーワードのそれぞれについて，リストの順番に，キー
ワード／分類テーブルに登録されているかどうかが調べ
られ，登録されていればそのキーワードに対応する分類
と度数が読取られ，キーワードごとに図13に示すような
度数加算表に書加えられる。また，文類ごとに度数が加
算される（ステップ44）。抽出されたキーワードがキー
ワード／分類テーブルに登録されていなければそのキー
ワードについては何らの処理も行なわれない。度数加算
表はキーワードごとに，そのキーワードにキーワード／
分類テーブルにおいて対応する分類についてその度数を
記憶するとともに，分類ごとにその度数の合計を記憶す
るものである。

【００５１】このようにして作成された度数加算表を用
いて，また必要に応じて先に作成された分類間の技術距
離テーブルを参照して分類決定処理が行なわれる（ステ
ップ45）。

【００５２】この分類決定処理において次の４種類の結
論が得られる。

【００５３】(1) 文書への既存の分類（コード）の付与
（最大３種類の分類） (2) 新しい分類（コード）の付与 (3) 検討中であることを示すコードの付与 (4) 分類不可能であることを示すコードの付与

【００５４】図14から図16は分類決定処理（ステップ4
5）の詳細を示すものである。

【００５５】まず図14において，先にステップ44で作成
された度数加算表における分類ごとの合計度数を用いて
ヒストグラムが作成され，このヒストグラムが正規化さ
れる（ステップ51）。

【００５６】図13に示す度数加算表に基づいて作成され
たヒストグラムが図17に示されている。このようなヒス
トグラムの正規化は次式にしたがって行なわれる。

【００５７】分類Ｉの正規化された度数をＤ(I) とす
る。

【００５８】

【数５】

【００５９】正規化されたヒストグラムが図18に示され
ている。この正規化されたヒストグラムに基づいて分類
の付与か行なわれる。

【００６０】まず，正規化されたヒストグラムにおい
て，度数の最も高い分類の度数が所定のしきい値ＴＨ１
を越えているかどうかがチェックされる（ステップ5
2）。図18に示すヒストグラムにおいては分類Ｄの度数
がしきい値ＴＨ１を越えている。

【００６１】このステップ52における判断がYES であれ
ば次に，しきい値ＴＨ１を越えた度数をもつ分類が１つ
のみであるかどうかがチェックされる（ステップ53）。

【００６２】しきい値ＴＨ１を越えた度数をもつ分類が
１つのみであればその分類が付与されることになる（ス
テップ54）。図18に示すヒストグラムではしきい値ＴＨ
１を越える度数をもつ分類は分類Ｄのみであるから，こ
のヒストグラムを生じさせた文書には１つの分類Ｄのみ
が付与される。

【００６３】分類の付与は上述したように文書の分類欄
に，付与されるべき分類を表わす符号もしくは記号また
はコードをプリンタによって印字することによって，ま
たは文書番号に対応して分類を表示，プリント・アウト
もしくはメモリに記憶することによって行なわれよう。

【００６４】度数がしきい値ＴＨ１を越えた分類が１つ
だけでない場合には，度数がしきい値ＴＨ１を越えた分
類が２つかどうかがチェックされる（ステップ55）。

【００６５】度数がしきい値ＴＨ１を越えた分類が２つ
の場合には，これらの２つの分類間の技術距離が技術距
離テーブル（図４）を参照して求められ（ステップ5
6），求められた技術距離が所定値よりも小さいかどう
かが判定される（ステップ57）。

【００６６】２つの分類間の技術距離が所定値よりも小
さければ，これらの２つの分類は技術的な観点からいっ
て比較的近いから，これらの２つの分類は妥当とみなさ
れ，その２つの分類が該当文書に付与されることになる
（ステップ58）。

【００６７】２つの分類間の技術距離が所定値よりも大
きい場合には，これらの２つの分類は比較的遠く，何ら
かの誤りを含んでいる可能性があるので分類不可能の旨
が出力される（ステップ59）。この出力は，文書番号と
分類不可能の旨を示す記号またはコードの表示，プリン
ト・アウトもしくは記憶，または該当文書の分類欄への
分類不可能の旨の印字によって達成される。

【００６８】正規化されたヒストグラムにおいて度数が
しきい値ＴＨ１を越える分類が３つ以上ある場合には，
図15を参照して，これらの３つ以上の分類の中から任意
の３つの分類を選択して一つの組を構成する。そして，
各組ごとにその組に含まれる分類の技術距離の合計を技
術距離テーブルを参照して算出する（ステップ60）。

【００６９】たとえば，度数がしきい値ＴＨ１を越える
分類がＡ，Ｃ，Ｄ，Ｆ，Ｇの５種類あったと仮定する。
この５種類の分類の中から任意の３種類の分類が選ばれ
組が構成される。生成される組は，（Ａ，Ｃ，Ｄ），
（Ａ，Ｃ，Ｆ），（Ａ，Ｃ，Ｇ），（Ａ，Ｄ，Ｆ），
（Ａ，Ｄ，Ｇ），（Ａ，Ｆ，Ｇ），（Ｃ，Ｄ，Ｆ），
（Ｃ，Ｄ，Ｇ），（Ｃ，Ｆ，Ｇ），（Ｄ，Ｆ，Ｇ）の10
組である。

【００７０】組（Ａ，Ｃ，Ｄ）の技術距離の合計Ｌ
（Ａ，Ｃ，Ｄ）は次式で求められる。

【００７１】

【数６】 Ｌ（Ａ，Ｃ，Ｄ）＝Ｌ（Ａ，Ｃ）＋Ｌ（Ｃ，Ｄ）＋Ｌ（Ｄ，Ａ） ‥式６

【００７２】他のすべての組についても同じように技術
距離の合計が算出される。

【００７３】続いて，このようにして算出された技術距
離の合計がある所定値と比較され，その所定値よりも小
さい組があるかどうかがチェックされる（ステップ6
1）。技術距離の合計があまりに大きいということは，
その組に含まれる分類の中に関連性の薄いものが含まれ
ている可能性があるので，そのような分類の組を排除す
るためである。

【００７４】技術距離の合計が所定値よりも小さい組が
一つでもあれば，その中で技術距離の合計が最も小さい
組が選択され，その組に含まれる３種類の分類が妥当な
ものとして該当文書に付与される（ステップ62）。

【００７５】度数がしきい値ＴＨ１を越える分類が３つ
の場合にはその３つの分類についての技術距離の合計が
算出され，この合計が所定値よりも小さければその３つ
の分類が付与されることになるのはいうまでもない。

【００７６】技術距離の合計が所定値よりも小さい組が
ない場合には，分類付与不可能の旨が出力される（ステ
ップ63）。

【００７７】正規化されたヒストグラムにおいて，度数
がしきい値ＴＨ１を越える分類が存在しない場合には
（ステップ52でNO），まだ定義されていない新しい分類
に振分けられる文書である可能性がある。図19は，度数
がしきい値ＴＨ１を越えるものが存在しない場合の正規
化されたヒストグラムを示している。

【００７８】図16はこのような新分類の決定を含む処理
を示すものである。

【００７９】図19に示すように第１のしきい値ＴＨ１よ
りも低い第２のしきい値ＴＨ２があらかじめ定められて
いる。度数がこの第２のしきい値ＴＨ２を越える分類が
あるかどうかがチェックされる（ステップ64）。もし第
２のしきい値ＴＨ２を越える度数をもつ分類が存在しな
ければ分類付与不可能ということになる（ステップ6
3）。

【００８０】しきい値ＴＨ２を越えた度数をもつ分類が
一つでもあれば次にヒストグラム・パターン作成に移る
（ステップ65）。図20に示すように，しきい値ＴＨ１と
ＴＨ２との間を等分し複数（この例では５個）のランク
に分ける。度数の高い方からランク１，２，３，４，５
となっている。しきい値ＴＨ２を越える度数をもつ分類
のうち上位複数種類（この例では５種類）の分類が選ば
れ，これらの分類がどのランクに属するかが判定され，
この判定結果に基づいて図21に示すようなヒストグラム
・パターンが作成される（ステップ65）。

【００８１】しきい値ＴＨ２を越える度数をもつ分類が
５個以上無い場合にはしきい値ＴＨ２を越える度数をも
つ分類のみでパターンを作成する。度数の高いものから
合計５分類になるまで選択し，しきい値ＴＨ２以下のも
のにランク６を付与してまたはランクを付与せずにヒス
トグラム・パターンを作成してもよい。または分類不可
能と判定してもよい。

【００８２】一方，図22に示すように新分類テーブルと
未定分類テーブルとが設けられている。同一のヒストグ
ラム・パターンをもつ文書の数が所定数に達したときに
そのヒストグラム・パターンに新たな分類コードが付与
され，この新たな分類コードが付与されたパターンが新
分類コードとともに新分類テーブルに登録される。同一
のヒストグラム・パターンをもつ文書の数が所定数に達
しないヒストグラム・パターンがそのパターンをもつ文
書の数（出現回数：カウント）とともに未定分類テーブ
ルに登録されている。

【００８３】ステップ65で作成されたヒストグラム・パ
ターンと同一のパターンが新分類テーブルにあるかどう
かがチェックされ，もしあればそのパターンに与えられ
た新分類が付与されることになる（ステップ66，67，6
8）。

【００８４】新分類テーブルに同一パターンのものが存
在しない場合には，作成されたヒストグラム・パターン
は未定分類テーブルのパターンと比較される（ステップ
69）。未定分類テーブルに同一のパターンがあればその
パターンのカウントが１つインクレメントされ（ステッ
プ70，71），そのパターンのカウントが所定数に達した
かどうかがチェックされる（ステップ72）。

【００８５】未定分類テーブルのあるパターンのカウン
トが所定数に達すると，そのパターンは新分類テーブル
に移されかつそのパターンに新分類コードが割当てられ
（ステップ73），そのパターンと同一のヒストグラム・
パターンを生じさせた文書に新たに割当てられた新分類
コードが付与される（ステップ74）。

【００８６】未定分類テーブルに同一パターンが存在し
ない場合には，作成されたパターンが未定分類テーブル
に追加され，カウント１が与えられる（ステップ76）。
この場合，およびステップ72において該当パターンのカ
ウントが所定数に達しない場合には，その文書に検討中
である旨のコードが付与される（ステップ75）。

【００８７】ヒストグラム・パターンを構成する分類の
数は５個に限られず，ランクは必ずしも必要ではない。
要するに，ヒストグラム・パターンが類似しているかど
うかを判定できるものであればよい。

【図面の簡単な説明】

【図１】自動分類付与装置の構成を示すブロック図であ
る。

【図２】分類付与済文書の例を示す。

【図３】分類間の技術距離テーブル作成処理を示すフロ
ー・チャートである。

【図４】分類間の技術距離テーブルを示す。

【図５】Ｐ（Ｉ，Ｊ）テーブルを示す。

【図６】Ｑ（Ｉ，Ｊ）テーブルを示す。

【図７】キーワード／分類テーブルの作成処理を示す。

【図８】キーワード／分類テーブルを示す。

【図９】キーワード別分類頻度テーブルを示す。

【図１０】キーワード別分類ヒストグラムを示す。

【図１１】自動分類付与処理の概要を示すフロー・チャ
ートである。

【図１２】キーワード・リストを示す。

【図１３】度数加算表を示す。

【図１４】分類決定処理を示すフロー・チャートであ
る。

【図１５】分類決定処理を示すフロー・チャートであ
る。

【図１６】分類決定処理を示すフロー・チャートであ
る。

【図１７】度数加算表から作成されるヒストグラムを示
す。

【図１８】正規化されたヒストグラムを示す。

【図１９】正規化されたヒストグラムを示す。

【図２０】ヒストグラム・パターンの作成の様子を示
す。

【図２１】ヒストグラム・パターンを示す。

【図２２】新分類テーブルと未定分類テーブルを示す。

【符号の説明】

10 コンピュータ・システム 11 入力装置 12 出力装置 13 内部メモリ 14 外部メモリ

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−105973（ＪＰ，Ａ) 特開 平３−78872（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (9)

(57)【特許請求の範囲】
1. 【請求項１】 分類未付与文書に含まれる複数のキーワ
   ードを入力する手段，キーワードごとに，そのキーワー
   ドに関連の深い分類およびその分類の関連の深さを示す
   度合をあらかじめ記憶したキーワード／分類テーブルを
   参照して，入力されたキーワードに関連する分類の関連
   度合の合計値を分類ごとに算出し，この合計値の大きさ
   の順序にしたがって付与すべき分類の候補を選択する手
   段，ならびに２つの分類間の関連性の強さを表わすあら
   かじめ作成された分類間距離テーブルを参照して，選択
   された複数の候補分類相互間の距離が妥当な範囲内にあ
   るかどうかを検査し，妥当な範囲内にあれば候補分類を
   最終分類と決定する手段，を備えた自動分類付与装置。
2. 【請求項２】 上記決定手段は，上記合計値が所定値以
   上である候補分類が１つである場合に，上記分類間距離
   テーブルを参照することなくその候補分類を最終分類と
   決定する，請求項１に記載の自動分類付与装置。
3. 【請求項３】 上記合計値が所定値よりも大きい候補分
   類がない場合に，上記合計値の大きさの順序にしたがっ
   て複数の分類からなる分類パターンを作成し，同一分類
   パターンが所定回数出現したときに新たな分類を創設し
   て付与する手段，をさらに備えた請求項１に記載の自動
   分類付与装置。
4. 【請求項４】 一文書について複数の分類からなる分類
   の組があらかじめ付与された複数の分類付与済文書のそ
   れぞれについて，それらの文書に付与された分類の組を
   入力するための手段，および入力された分類の組に２つ
   の分類が同時に含まれる程度に基づいて，２つの分類間
   の距離を，すべての分類の中から選択されたすべての組
   合せの分類対について求め，分類間距離テーブルを作成
   する手段，を備えた分類間距離テーブル作成装置。
5. 【請求項５】 分類があらかじめ付与された複数の分類
   付与済文書のそれぞれについて，それらの文書に付与さ
   れた分類とそれらの文書から抽出されたキーワードとを
   相互に関連させて入力するための手段，入力されたキー
   ワードごとに，それらのキーワードに関連する分類の関
   連度合を求め，関連度合の大きさの順序にしたがって所
   定数の分類を選択する手段，キーワードごとに，それに
   関連する選択された分類の関連度合に基づいてキーワー
   ドを評価し，関連度合の低い分類のみが関連するキーワ
   ードを削除するキーワード評価手段，および削除されず
   に残ったキーワードのそれぞれについて，そのキーワー
   ドに関連の深い所定数の分類およびその分類の関連度合
   を対応させて記憶するキーワード／分類テーブルを作成
   する手段，を備えたキーワード／分類テーブル作成装
   置。
6. 【請求項６】 上記キーワード評価手段は，２つの分類
   間の関連性の強さを表わすあらかじめ作成された分類間
   距離テーブルを参照してキーワードを評価し，分類間距
   離の大きい２つの分類が関連するキーワードを削除する
   ものである，請求項５に記載のキーワード／分類テーブ
   ル作成装置。
7. 【請求項７】 分類未付与文書に含まれる複数のキーワ
   ードを入力し，キーワードごとに，そのキーワードに関
   連の深い分類およびその分類の関連の深さを示す度合を
   あらかじめ記憶したキーワード／分類テーブルを参照し
   て，入力されたキーワードに関連する分類の関連度合の
   合計値を分類ごとに算出し，この合計値の大きさの順序
   にしたがって付与すべき分類の候補を選択し，２つの分
   類間の関連性の強さを表わすあらかじめ作成された分類
   間距離テーブルを参照して，選択された複数の候補分類
   相互間の距離が妥当な範囲内にあるかどうかを検査し，
   妥当な範囲内にあれば候補分類を最終分類と決定する，
   自動分類付与方法。
8. 【請求項８】 一文書について複数の分類からなる分類
   の組があらかじめ付与された複数の分類付与済文書のそ
   れぞれについて，それらの文書に付与された分類の組を
   入力し，入力された分類の組に２つの分類が同時に含ま
   れる程度に基づいて，２つの分類間の距離を，すべての
   分類の中から選択されたすべての組合せの分類対につい
   て求め，分類間距離テーブルを作成する，分類間距離テ
   ーブル作成方法。
9. 【請求項９】 分類があらかじめ付与された複数の分類
   付与済文書のそれぞれについて，それらの文書に付与さ
   れた分類とそれらの文書から抽出されたキーワードとを
   相互に関連させて入力し，入力されたキーワードごと
   に，それらのキーワードに関連する分類の関連度合を求
   め，関連度合の大きさの順序にしたがって所定数の分類
   を選択し，キーワードごとに，それに関連する選択され
   た分類の関連度合に基づいてキーワードを評価し，関連
   度合の低い分類のみが関連するキーワードを削除すると
   ともに，２つの分類間の関連性の強さを表わすあらかじ
   め作成された分類間距離テーブルを参照してキーワード
   を評価し，分類間距離の大きい２つの分類が関連するキ
   ーワードを削除し，削除されずに残ったキーワードのそ
   れぞれについて，そのキーワードに関連の深い所定数の
   分類およびその分類の関連度合を対応させて記憶するキ
   ーワード／分類テーブルを作成する，キーワード／分類
   テーブル作成方法。