JP4745419B2 - 文書分類装置およびプログラム - Google Patents

Description

本発明は、電子化された大量の文書をその内容に応じて分類または整理するための文書分類装置およびプログラムに関する。

近年では、計算機の高性能化、記憶媒体の大容量化および計算機ネットワークの普及等に伴い、電子化された大量の文書を計算機システムで記憶管理して種々の目的のために利用することができる。ここで、文書とは、例えば帳票、企画書または設計書のような業務文書や、マニュアル、特許文献、技術文献、法令、規定、議事録、ニュース記事、電子メール、ウェブページまたは書籍等を言う。

しかしながら、このような大量の文書を未整理のまま例えばファイルシステムまたはデータベースに記憶するだけでは、どこにどのような情報（文書）が存在するかが分からなくなり、計算機システムにおいて記憶管理されている当該大量の文書を有効に利用することはできない。

したがって、情報の有効活用や共有の促進を図るためには、大量の文書を内容または用途に応じて各カテゴリに分類（整理）しておくことが好ましい。

また、例えば日々作成されて蓄積される日報や週報等の報告書、顧客から送付される問い合わせ、製品等の不具合情報、特許または技術文献といった知的財産等を、分析または調査することによって内容の傾向を把握したり、新たな知見を得たりする目的のためにも、互いに内容が類似した文書同士をグルーピングすることが行われている。

このような文書の分類作業を人手に頼って行なうには労力がかかるため、近年では文書を計算機処理によって自動的に分類する技術が開発されている。

大量の文書を計算機処理によって自動的に分類する方法は、例えば第１の分類方法および第２の分類方法の２つに大別される。

第１の分類方法においては、文書の分類先であるカテゴリが予め複数個用意され、当該各カテゴリには何らかの分類基準を設定しておく。これにより、第１の分類方法によれば、分類対象である文書集合の各文書が、分類基準を満たす１つまたは複数のカテゴリに自動的に分類される。この第１の分類方法を自動分類（方法）と称する。

一方、第２の分類方法によれば、予めカテゴリを用意することなく、分類対象である文書集合から何らかの共通点または類似性のある文書同士のまとまり（すなわち、クラスタ）が自動的に生成される。この第２の分類方法をクラスタリング（方法）と称する。

上記した自動分類（第１の方法）には、代表的な２つの方法（第１の自動分類方法および第２の自動分類方法）がある。

第１の自動分類方法においては、カテゴリの分類基準として例えば「２００８年以降に作成された文書」、「本文に『インターネット』という語句を含む文書」のようなルールが設定される。第１の自動分類方法によれば、このルールに基づいて文書が自動的に分類される。以下、この第１の自動分類方法をルールベース自動分類と称する。

このルールベース自動分類において各カテゴリに設定されるルールとしては、一般的には、文書が持つ属性、例えば作成日時または作成者等の属性値についての条件が定められたルールまたは文書に含まれるテキスト（例えば題名または本文等）における所定の語句の出現の有無についての条件が定められたルールが用いられる。文書のデータ（文書データ）はデータベースに蓄積されることが多いため、これらのルールは、データベースから所定の文書を検索する条件式の形で記述される場合がある。

一方、第２の自動分類方法においては、カテゴリの分類基準として、各カテゴリに分類すべき文書の事例（すなわち、教師文書）がユーザによって与えられる。第２の自動分類方法によれば、この教師文書と何らかの類似性を持つ文書が当該カテゴリに自動的に分類される。以下、この第２の自動分類方法を事例ベース自動分類（または教師あり分類）と称する。具体的には、事例ベース自動分類においては、例えば文書のテキストに出現する単語の出現頻度に着目し、あるカテゴリに分類されている複数の教師文書に共通して多く出現する単語を含む文書が、当該カテゴリに分類される。

また、上記したクラスタリングについても、代表的な２つの方法（第１のクラスタリング方法および第２のクラスタリング方法）がある。

第１のクラスタリング方法においては、分類対象である文書の各々が持つ特徴を表すベクトル（特徴ベクトル）同士の類似度（例えば、内積または余弦）によって当該文書同士の類似度が定義される。第１のクラスタリング方法によれば、このように定義された類似度が高い文書同士を１つのまとまりとしてクラスタが生成される（例えば、特許文献１を参照）。以下、この第１のクラスタリング方法を文書クラスタリングと称する。文書の特徴は、例えば文書のテキスト中に出現する単語の頻度を用いて表現する場合が多い。この場合の特徴ベクトルは、単語ベクトルと呼ばれる。

一方、第２のクラスタリング方法においては、文書中に出現する単語に着目し、分類対象となる文書集合の中で各単語が出現する文書数（すなわち、出現頻度）または複数の単語が共通に出現する文書数（すなわち、共起頻度）に基づいて、当該文書集合の文書内容をよく表す重要な単語、単語間の関連、あるいは出現傾向が類似する単語のまとまり等が抽出される。第２のクラスタリング方法によれば、この抽出結果に基づき、各単語および当該単語が出現する文書を対応づけることで文書のまとまり（クラスタ）が自動的に生成される（例えば、特許文献２を参照）。以下、この第２のクラスタリング方法を単語クラスタリングと称する。

また、上述のクラスタリング処理（文書クラスタリングまたは単語クラスタリング）によって生成されたクラスタを用いて、自動分類のためのカテゴリを作成する技術として、例えばクラスタ（文書集合中の部分集合）において出現する頻度が高い単語を用いて、単語の論理式（主に論理和）を作成し、これを上述のルールベース自動分類似におけるルールとする技術（以下、第１の先行技術と表記）が開示されている（例えば、特許文献３を参照）。

ところで、文書を分類するためのカテゴリの構造として、複数のカテゴリがツリー形式の階層構造によって構成されることが多い。すなわち、カテゴリの階層構造の上位階層から下位階層に向けて、大分類、中分類、小分類のような形で文書が段階的に細かく分類されることが一般的に行われる。

このような場合に、例えば１つの階層構造（分類階層）を複数の異なる分類方法によるカテゴリを組み合わせて構成する技術（以下、第２の先行技術と表記）が開発されている。この第２の先行技術によれば、例えば分類階層の上位のカテゴリでは大まかな分類に適した分類方法（例えば、ルールベース自動分類）によって文書が分類され、当該分類階層の末端のカテゴリでは文書が持つより詳細な言語的特徴（例えば、文書のテキストに対して構文解析または係り受け解析を行った結果）に基づいて文書が分類される（例えば、特許文献４および特許文献５を参照）。

特開平７−３６８９７号公報 特開２０００−２３１５６０号公報 特開２００１−２９０８２６号公報 特開２００１−１８８６７８号公報 特開２００８−２２５５８２号公報

ここで、上述した２つの自動分類（ルールベース自動分類および事例ベース自動分類）の特徴について説明する。

ルールベース自動分類においては、カテゴリの分類基準（すなわち、ルール）が文書の属性またはテキストについての条件の論理式の形式で明示的に記述される。このため、ルールベース自動分類では、自動分類の結果の根拠、すなわち、ある文書があるカテゴリになぜ分類されたのかという根拠がユーザによって分かりやすい。また、ルールベース自動分類では、自動分類の処理を比較的少ない計算量で高速に行うことができる。

その一方で、ルールベース自動分類においては、ユーザが所望する形に文書を分類するために適切なルールを作成する必要がある。しかしながら、この適切なルールを作成する作業には熟練を要する場合がある。特に、文書の意味内容まで反映した分類を行う場合には、分類基準をルールの形式で与える方法では困難である場合が多い。

事例ベース自動分類では、上記したようにカテゴリの分類基準を教師文書の形で与える必要がある。すなわち、ユーザは、あるカテゴリに対して当該カテゴリに分類すべき文書の一部を計算機（分類装置）に例示するという作業を行う必要がある。この作業自体は比較的容易であるが、自動分類を精度よく行うためには、多数の教師文書が必要となる場合があり、このような場合には作業の労力が大きくなる。また、事例ベース自動分類の処理では、必要とする計算量が比較的多いため、大量の文書を高速に分類することが困難である。更には、事例ベース自動分類では、自動分類の結果の根拠がユーザにとって分かりにくい。すなわち、教師文書と自動分類された文書との共通点または類似性は、例えば分類装置が文書のテキストに出現する単語の統計的な出現傾向によって算出するため、ユーザはその処理内容を理解することが困難である。また、ユーザが所望する形に文書が分類されない場合に、ユーザが分類装置における処理を修正することも困難である。

次に、上述した２つのクラスタリング（文書クラスタリングおよび単語クラスタリング）の特徴について説明する。

文書クラスタリングおよび単語クラスタリングでは、当該クラスタリングの結果、すなわち、文書集合が複数のクラスタに自動的に分類された結果の根拠をユーザが認識することは困難である。この点については、文書クラスタリングおよび単語クラスタリングの両方に共通する。これは、上述した事例ベース自動分類の結果の根拠がユーザによって分かりにくいことと同様の理由によるが、クラスタリングの場合は、教師文書等の形で分類基準を与えるものではないため、当該事例ベース自動分類と比較してより結果の根拠の理解が困難となる。

また、文書クラスタリングでは、当該クラスタリング処理が一般的なアルゴリズム（例えば、階層型凝縮法等）を用いて行われる場合、分類対象とする文書同士の類似度を総当りで算出する必要があり、文書数の２乗のオーダーという多大な計算量を要する。このため、文書クラスタリングでは、大量の文書を高速に分類することは非常に困難である。

その一方で、文書クラスタリングにおいては、文書の特徴ベクトルとその類似度を適切に定義することで、意味内容が類似した文書同士を適切にまとめることができる可能性が高い。

単語クラスタリングでは、クラスタの生成に用いる単語を適切に選定することで、比較的少ない計算量によって処理を実行することが可能である。

しかしながら、分類装置による単語の選定は、上述したように文書に出現する単語の統計的な出現傾向に基づいて自動的に行われるため、文書集合の内容を適切に表す単語ではない単語またはユーザの意図に合わない単語が選定される場合がある。このような場合には、ユーザは、不要な単語の除外または重要な単語の登録という作業を行うことにより、分類装置に対して所望する単語が選定されるように指示する必要があり、この作業には熟練や労力を要する。

上記したように、文書の自動分類（ルールベース自動分類および事例ベース自動分類）およびクラスタリング（文書クラスタリングおよび単語クラスタリング）には、それぞれ特徴がある。したがって、分類の目的、作成したい分類構造（カテゴリの階層構造）、対象文書の個数、種類および特徴等に応じて適切な分類方法（以下では、自動分類方法またはクラスタリング方法を意味するものとする）を使い分けできることが好ましい。

例えば、未知の文書集合に対しては、ユーザは、複数の分類方法を試行錯誤的に使用したい場合がある。また、文書集合中の、ある話題に関する部分集合は、ある分類方法に適し、かつ別の部分集合は別の分類方法にも適している場合もある。更に、文書の追加または分類基準の明確化にしたがって、分類階層中の所定の部分の分類方法を変更したい場合もある。

しかしながら、これらのような複数の分類方法の使い分け、複数の分類方法の組み合わせ、または分類階層中での分類方法の変更等をユーザが所望する形で自由に行うことができる技術については知られていない。

上述した第１の先行技術においては、ある１つのクラスタリング方法によって生成されるクラスタから、ある１つの自動分類方法によるカテゴリを作成することしかできず、後で当該分類方法を変更することもできない。

また、上述した第２の先行技術では、分類階層上の位置に応じてカテゴリを作成するために用いることが可能な分類方法が限定されており、これを自由に組み合わせたり変更したりすることはできない。

つまり、複数の異なる自動分類方法およびクラスタリング方法を１つの分類階層の中で自由に組み合わせて用いることが可能な技術は上記した第１および第２の先行技術では実現できない。

これを実現するためには、ユーザによる分類階層の編集または分類対象文書の追加に対しても分類階層の一貫性を保障しつつ、大量の文書が適切かつ効率的に分類されるように各々の分類方法による自動分類処理を制御する仕組みが必要である。

そこで、本発明の目的は、複数の異なるクラスタリング方法および自動分類方法を１つの分類階層の中で自由に組み合わせて用いることが可能な文書分類装置およびそのプログラムを提供することにある。

本発明の１つの態様によれば、単語を含む複数の文書を記憶する文書記憶手段と、前記文書記憶手段に記憶されている複数の文書が分類される階層構造を構成する各カテゴリに文書を分類するための当該カテゴリの分類方法および当該カテゴリに文書を分類する基準となる当該カテゴリの分類基準を設定するためのカテゴリ記憶手段と、文書集合の文書の各々の特徴を表す特徴ベクトルに基づいて、互いに類似し合う文書からなる文書集合中の部分集合を生成する文書クラスタリング処理を実行する文書クラスタリング手段と、文書集合の文書の各々に含まれる複数の単語から当該各単語の出現頻度および当該各単語間の共起頻度に基づいて当該文書集合の内容を表す特徴的な単語を抽出し、当該抽出された単語を含む文書からなる文書集合中の部分集合を生成する単語クラスタリング処理を実行する単語クラスタリング手段と、ユーザの操作に応じて、前記文書記憶手段に記憶されている複数の文書のうち当該ユーザによって指定された文書からなる文書集合に対して前記文書クラスタリング手段による文書クラスタリング処理または前記単語クラスタリング手段による単語クラスタリング処理を実行するクラスタリング制御手段と、前記クラスタリング制御手段によって前記文書クラスタリング処理が実行された場合、当該文書クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法として事例ベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として当該部分集合の文書である教師文書を前記カテゴリ記憶手段に設定する第１の設定手段と、前記クラスタリング制御手段によって前記単語クラスタリング処理が実行された場合、当該単語クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法としてルールベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として前記単語クラスタリング処理において抽出された単語が出現することを条件とする分類ルールを前記カテゴリ記憶手段に設定する第２の設定手段と、前記カテゴリ記憶手段に設定されたカテゴリの分類ルールを満たす文書を、当該カテゴリに分類するルールベース自動分類処理を実行するルールベース自動分類手段と、前記カテゴリ記憶手段に設定されたカテゴリの教師文書および文書に含まれる単語に基づいて、当該カテゴリの教師文書に類似する文書を当該カテゴリに分類する事例ベース自動分類処理を実行する事例ベース自動分類手段と、前記ユーザの操作に応じて、複数の前記カテゴリのうち当該ユーザによって指定されたカテゴリおよび前記階層構造において当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定し、前記文書記憶手段に記憶されている文書のうち当該分類先候補カテゴリに分類されている文書の集合を分類対象文書集合として決定する決定手段と、前記カテゴリ記憶手段に設定された前記決定された分類先候補カテゴリ集合の各カテゴリの分類方法に基づいて、当該分類先候補カテゴリ集合および前記決定された分類対象文書集合を対象に前記ルールベース自動分類手段によるルールベース自動分類処理および前記事例ベース自動分類手段による事例ベース自動分類処理を制御することにより、当該分類対象文書集合の各文書を当該分類先候補カテゴリ集合の各カテゴリに分類する自動分類制御手段とを具備し、前記自動分類制御手段は、前記決定された分類先候補カテゴリ集合の各カテゴリに前記決定された分類対象文書の各文書を分類するにあたり、当該カテゴリに分類する文書は、当該カテゴリの分類方法および分類基準を満たし、かつ、前記階層構造において当該カテゴリと直接的または間接的に上位の関係にある全てのカテゴリの分類方法および分類基準を満たす文書となるように、前記ルールベース自動分類手段によるルールベース自動分類処理および前記事例ベース自動分類手段による事例ベース自動分類処理を制御することを特徴とする文書分類装置およびそのプログラムが提供される。

本発明は、複数の異なるクラスタリング方法および自動分類方法を１つの分類階層の中で自由に組み合わせて用いることを可能とする。

本発明の実施形態に係る文書分類装置のハードウェア構成を示すブロック図。 図１に示す文書分類装置３０の主として機能構成を示すブロック図。 図２に示す文書記憶部２２に記憶されている文書のデータ構造の一例を示す図。 ＸＭＬの形式で記述された文書の一例を示す図。 カテゴリ記憶部２３に記憶されているカテゴリの階層構造におけるルートのカテゴリのデータの一例を示す図。 カテゴリ記憶部２３に記憶されているカテゴリの階層構造における図５に示すカテゴリの下位カテゴリのデータの一例を示す図。 カテゴリ記憶部２３に記憶されているカテゴリの階層構造における図５に示すカテゴリの下位カテゴリのデータの一例を示す図。 カテゴリ記憶部２３に記憶されているカテゴリの階層構造における図５に示すカテゴリの下位カテゴリのデータの一例を示す図。 本実施形態に係る文書分類装置３０の全体的な処理手順を示すフローチャート。 文書の特徴ベクトルを算出する処理手順を示すフローチャート。 図３に示す文書２２０の特徴ベクトルの一例を示す図。 カテゴリの特徴ベクトルを算出する処理手順を示すフローチャート。 図２に示す文書クラスタリング部３２１による文書クラスタリング処理の処理手順を示すフローチャート。 図２に示す文書クラスタリング部３２１による文書クラスタリング処理の処理手順を示すフローチャート。 図２に示す単語クラスタリング部３２２による単語クラスタリング処理の処理手順を示すフローチャート。 図２に示す単語クラスタリング部３２２による単語クラスタリング処理の処理手順を示すフローチャート。 図２に示す単語クラスタリング部３２２による単語クラスタリング処理の処理手順を示すフローチャート。 図２に示す事例ベース自動分類部３４１による事例ベース自動分類処理の処理手順を示すフローチャート。 図２に示すルールベース自動分類部３４２によるルールベース自動分類処理の処理手順を示すフローチャート。 カテゴリ操作部３１によってユーザからのカテゴリ生成要求が受け付けられた場合の文書分類装置３０の処理手順の詳細を示すフローチャート。 カテゴリ操作部３１に表示されるクラスタリング処理の選択画面の一例を示す図。 カテゴリ操作部３１に表示されるクラスタリング処理の選択画面の一例を示す図。 図２０に示す処理によって作成されたカテゴリの階層構造について具体的に説明するための図。 図２０に示す処理によって作成されたカテゴリの階層構造について具体的に説明するための図。 図２０に示す処理によって作成されたカテゴリの階層構造について具体的に説明するための図。 図２０に示す処理によって作成されたカテゴリの階層構造について具体的に説明するための図。 カテゴリ操作部３１によってユーザからの分類方法変更要求が受け付けられた場合の文書分類装置３０の処理手順の詳細を示すフローチャート。 ユーザが対象カテゴリｃの分類方法の設定を行うためのカテゴリ操作部３１に表示される設定画面の一例を示す図。 ユーザが対象カテゴリｃの分類方法の設定を行うためのカテゴリ操作部３１に表示される設定画面の一例を示す図。 カテゴリ操作部３１を用いてユーザがカテゴリの階層構造に対して行うカテゴリ編集について説明するための図。 図３０に示すカテゴリ編集操作が行われた後のカテゴリの階層構造を示す図。 カテゴリ操作部３１を用いてカテゴリの統合操作が行われた場合の処理手順を示すフローチャート。 カテゴリ操作部３１を用いてカテゴリの移動操作が行われた場合の処理手順を示すフローチャート。 カテゴリ操作部３１を用いてカテゴリの複製操作が行われた場合の処理手順を示すフローチャート。 カテゴリ操作部３１を用いてカテゴリの削除操作が行われた場合の処理手順を示すフローチャート。 自動分類制御部３４による自動分類処理の処理手順を示すフローチャート。 自動分類制御部３４による自動分類処理の処理手順を示すフローチャート。 自動分類処理の概念について説明するための図。 自動分類処理の概念について説明するための図。 自動分類処理の概念について説明するための図。

以下、図面を参照して、本発明の実施形態について説明する。

図１は、本実施形態に係る文書分類装置のハードウェア構成を示すブロック図である。図１に示すように、コンピュータ１０は、例えばハードディスクドライブ（ＨＤＤ：Hard Disk Drive）のような外部記憶装置２０と接続されている。この外部記憶装置２０は、コンピュータ１０によって実行されるプログラム２１を格納する。コンピュータ１０および外部記憶装置２０は、文書分類装置３０を構成する。

この文書分類装置３０は、単語を含む複数の文書を、例えば階層構造を構成する複数のカテゴリに分類する機能を有する。

図２は、図１に示す文書分類装置３０の主として機能構成を示すブロック図である。図２に示すように、文書分類装置３０は、カテゴリ操作部３１、クラスタリング制御部３２、カテゴリ分類方法設定部３３および自動分類制御部３４を含む。本実施形態において、これらの各部３１乃至３４は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。このプログラム２１は、コンピュータ読み取り可能な記憶媒体に予め格納して頒布可能である。また、このプログラム２１が、例えばネットワークを介してコンピュータ１０にダウンロードされても構わない。

また、文書分類装置３０は、文書記憶部２２およびカテゴリ記憶部２３を含む。本実施形態において、文書記憶部２２およびカテゴリ記憶部２３は、例えば図１に示す外部記憶装置２０に格納される。

文書記憶部２２には、文書分類装置３０における分類処理の対象となる複数の文書が記憶されている。文書記憶部２２に記憶されている複数の文書の各々には、単語が含まれる。また、文書記憶部２２に記憶されている複数の文書の各々には、当該文書を識別するための文書番号が付与されている。

なお、文書記憶部２２は、一般的にはファイルシステムまたは文書データベース等によって実現されるが、例えば計算機ネットワークによって接続された複数の記憶部（図示せず）によって構成されてもよい。

カテゴリ記憶部２３には、文書記憶部２２に記憶されている複数の文書が分類される階層構造を構成する複数のカテゴリに関する情報（複数のカテゴリのデータ）が記憶される。

カテゴリ記憶部２３には、階層構造を構成する複数のカテゴリの各々を識別するカテゴリ識別子（例えば、カテゴリ番号）に対応づけて当該カテゴリに文書を分類するための分類方法（カテゴリの分類方法）および当該カテゴリに文書を分類する基準となる分類基準（カテゴリの分類基準）が設定される。分類方法としては、後述するルールベース自動分類および事例ベース自動分類が設定される。また、分類基準としては、後述する分類ルールおよび教師文書が設定される。

カテゴリ記憶部２３には、各カテゴリに分類されている文書を識別するための文書識別子（例えば、文書番号）および当該カテゴリの階層構造、すなわち当該各カテゴリ間の上位下位関係を表すデータ（例えば、上位の関係にあるカテゴリを識別するための上位カテゴリ番号）が記憶される。

カテゴリ操作部３１は、例えば文書が分類されるカテゴリの階層構造をユーザに対して表示する。ユーザは、例えばカテゴリ操作部３１による表示上にて、後述するカテゴリに対する編集操作とクラスタリングおよび自動分類の実行指示操作とを行うことができる。

カテゴリ操作部３１は、ユーザの操作に応じて、カテゴリ記憶部２３に設定（記憶）されているカテゴリに文書を分類するための分類方法（以下、単にカテゴリの分類方法と表記）または当該カテゴリに文を分類する基準となる分類基準（以下、単にカテゴリの分類基準と表記）を変更する操作（要求）を受け付ける。また、カテゴリ操作部３１は、ユーザの操作に応じて、カテゴリに対する編集操作（要求）を受け付ける。これにより、カテゴリ操作部３１は、当該カテゴリ操作部３１による表示上においてカテゴリに対する編集処理を実行する。このカテゴリに対する編集処理には、例えばカテゴリの統合、移動、複製および削除が含まれる。

なお、カテゴリ操作部３１は、一般的にはグラフィカル・ユーザ・インタフェース（ＧＵＩ：Graphical User Interface）によって実現される。

クラスタリング制御部３２は、カテゴリ操作部３１を用いてユーザが行う操作に従って、文書記憶部２２に記憶されている文書に対して実行されるクラスタリング処理を制御する。

ここで、本実施形態に係る文書分類装置３０は、文書のクラスタリング処理を実行する処理部として、文書クラスタリング部３２１および単語クラスタリング部３２２を備える。

文書クラスタリング部３２１は、文書集合の文書の各々の特徴を表す特徴ベクトルに基づいて、互いに類似し合う文書からなる文書集合中の部分集合（クラスタ）を生成する文書クラスタリング処理を実行する。

単語クラスタリング部３２２は、文書集合の文書の各々に含まれる複数の単語から当該各単語の出現頻度および当該各単語間の共起頻度に基づいて当該文書集合の内容を表す特徴的な単語を抽出し、当該抽出された単語を含む文書からなる文書集合中の部分集合（クラスタ）を生成する単語クラスタリング処理を実行する。

クラスタリング制御部３２は、この文書クラスタリング部３２１による文書クラスタリング処理および単語クラスタリング部３２２による単語クラスタリング処理を実行することにより、新たなカテゴリ（当該処理によって生成される文書集合中の部分集合が分類されるカテゴリ）を作成することができる。

クラスタリング制御部３２は、ユーザの操作に応じて、文書記憶部２２に記憶されている複数の文書のうち当該ユーザによって指定された文書からなる文書集合に対して文書クラスタリング部３２１による文書クラスタリング処理または単語クラスタリング部３２２による単語クラスタリング処理を実行する。つまり、クラスタリング制御部３２は、文書クラスタリング部３２１および単語クラスタリング部３２２を制御することによって、ユーザによって指定された文書からなる文書集合に対して文書クラスタリング処理または単語クラスタリング処理を当該文書クラスタリング部３２１または単語クラスタリング部３２２に実行させる。

なお、ユーザは、カテゴリ操作部３１を操作することによって、文書クラスタリング処理または単語クラスタリング処理のいずれかを選択して実行させることができる。また、ユーザは、カテゴリ操作部３１を用いてカテゴリを指定することによって、当該カテゴリに分類されている文書の集合をクラスタリング処理の対象となる文書集合として指定することができる。

カテゴリ分類方法設定部３３は、ユーザによって指定されたカテゴリまたはクラスタリング制御部３２によって作成されたカテゴリ（文書クラスタリング処理または単語クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリ）に対して、当該カテゴリの分類方法および分類基準を設定する。このカテゴリの分類方法および分類基準は、上記したようにカテゴリ記憶部２３に設定される。

カテゴリ分類方法設定部３３は、クラスタリング制御部３２によって文書クラスタリング処理が実行された場合、当該クラスタリング制御部３２によって作成されたカテゴリ（当該文書クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリ）を識別するためのカテゴリ番号に対応づけて、当該カテゴリの分類方法として事例ベース自動分類をカテゴリ記憶部２３に設定し、当該カテゴリの分類基準として当該部分集合の文書のうちの少なくとも１つである教師文書をカテゴリ記憶部２３に設定する。

また、カテゴリ分類方法設定部３３は、クラスタリング制御部３２によって単語クラスタリング処理が実行された場合、当該クラスタリング制御部３２によって作成されたカテゴリを識別するためのカテゴリ番号に対応づけて、当該カテゴリの分類方法としてルールベース自動分類をカテゴリ記憶部２３に設定し、当該カテゴリの分類基準として当該単語クラスタリング処理において抽出された単語（ユーザによって指定された文書集合の内容を表す特徴的な単語）が文書中に出現することを条件とする分類ルールをカテゴリ記憶部２３に設定する。

自動分類制御部３４は、カテゴリ操作部３１を用いてユーザが行う操作に従って、当該ユーザによって指定されたカテゴリおよび階層構造において、当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定する。また、自動分類制御部３４は、決定された分類先候補カテゴリに分類されている文書の集合を分類対象文書集合として決定する。

自動分類制御部３４は、上記したように決定された分類対象文書集合（の各文書）を分類先候補カテゴリ集合（の各カテゴリ）に分類する自動分類処理を制御する。

ここで、本実施形態に係る文書分類装置３０は、文書をカテゴリに分類する自動分類処理を実行する処理部として、事例ベース自動分類部３４１およびルールベース自動分類部３４２を備える。

事例ベース自動分類部３４１は、カテゴリ記憶部２３に設定されたカテゴリの教師文書および文書に含まれる単語に基づいて、当該カテゴリの教師文書に類似する文書を当該カテゴリ（カテゴリ記憶部２３において当該教師文書に対応づけられているカテゴリ番号によって識別されるカテゴリ）に分類する事例ベース自動分類処理を実行する。つまり、事例ベース自動分類部３４１による事例ベース自動分類処理は、カテゴリ記憶部２３に分類方法として設定されている事例ベース自動分類に対応する。

ルールベース自動分類部３４２は、カテゴリ記憶部２３に設定されたカテゴリの分類ルールを満たす（分類ルールに合致する）文書を、当該カテゴリ（カテゴリ記憶部２３において当該分類ルールに対応づけられているカテゴリ番号によって識別されるカテゴリ）に分類するルールベース自動分類処理を実行する。つまり、ルールベース自動分類部３４２によるルールベース自動分類処理は、カテゴリ記憶部２３に分類方法として設定されているルールベース自動分類に対応する。

自動分類制御部３４は、決定された分類先候補カテゴリ集合（の各カテゴリ）の分類方法（当該分類先候補カテゴリ集合の各カテゴリを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に設定されている分類方法）に基づいて、分類先候補カテゴリ集合および分類対象文書集合を対象に、事例ベース自動分類部３４１による事例ベース自動分類処理およびルールベース自動分類部３４２によるルールベース自動分類処理を制御する。これにより、自動分類制御部３４は、当該分類対象文書集合の文書の各々を当該分類先候補カテゴリ集合の各カテゴリに分類する。つまり、自動分類制御部３４は、分類対象文書の自動分類処理が適切かつ効率的に行われるように、２つの自動分類部（事例ベース自動分類部３４１およびルールベース自動分類部３４２）の処理順序または処理対象等を制御する。

なお、自動分類制御部３４は、分類先候補カテゴリ集合の各カテゴリに分類対象文書集合の各文書を分類するにあたり、当該カテゴリに分類する文書は、当該カテゴリにの分類方法および分類基準を満たし、かつ、階層構造において当該カテゴリと直接的または間接的に上位の関係にある全てのカテゴリの分類方法および分類基準を満たす文書となるように、自動分類処理を制御する。

図３は、図２に示す文書記憶部２２に記憶されている文書のデータ構造の一例を示す。ここでは、文書記憶部２２には、文書２２０が記憶されているものとする。

図３に示すように、文書記憶部２２に記憶されている文書には、当該文書を識別するためのユニークな識別子である文書番号が付与されている。図３に示す例では、文書２２０には、文書番号「Ｄ１０１」が付与されている。

また、文書記憶部２２に記憶されている文書は、その目的または形式に従った属性およびテキストを持つ。図３に示す例では、文書２２０は、例えば自動車の不具合情報が記述された文書の一例である。この場合、文書２２０は、例えば「報告日」、「製造元」および「車種」の属性を持つ。また、文書２２０は、文書のテキスト、すなわち、日本語または英語等の自然言語で記述されたデータとして、「問題」および「対策」のテキストを持つ。

なお、文書記憶部２２に記憶される文書は、例えば図４に示すように当該文書のデータをＸＭＬ（eXtensible Markup Language）の形式で記述して記憶管理することも可能である。この場合は、図３で説明した属性またはテキストに相当するデータは、ＸＭＬの要素（タグ）または属性を用いて記述される。

図５〜図８は、図２に示すカテゴリ記憶部２３に記憶されているカテゴリのデータ（当該カテゴリに関する情報）の一例を示す。図５〜図８に示すように、カテゴリ記憶部２３に記憶されているカテゴリのデータには、カテゴリ番号に対応づけて上位カテゴリ番号、カテゴリ名、文書番号、分類方法および分類基準が含まれる。

カテゴリ番号は、カテゴリに付与される当該カテゴリを識別するためのユニークな識別子である。

上位カテゴリ番号は、例えば複数のカテゴリによって構成されるツリー形式の階層構造においてカテゴリ番号によって識別されるカテゴリと上位の関係にあるカテゴリ（上位カテゴリ）に付与されるカテゴリ番号である。上位カテゴリ番号は、階層構造における各カテゴリ間の上位下位関係を表すデータである。

カテゴリ名は、カテゴリ番号によって識別されるカテゴリの名称である。文書番号は、カテゴリ番号によって識別されるカテゴリに分類されている文書に付与された文書番号である。

分類方法は、カテゴリ番号によって識別されるカテゴリに文書を分類するための分類方法であり、事例ベース自動分類およびルールベース自動分類を含む。つまり、分類方法には、事例ベース自動分類およびルールベース自動分類という異なる２つの分類方法のいずれかを選択して設定することができる。なお、この事例ベース自動分類は上記した図１に示す事例ベース自動分類部３４１（による事例ベース自動分類処理）に対応するものであり、ルールベース自動分類はルールベース自動分類部３４２（によるルールベース自動分類処理）に対応するものである。

分類基準は、カテゴリ番号によって識別されるカテゴリに文書を分類するための基準であり、教師文書および分類ルールを含む。教師文書には、カテゴリ番号によって識別されるカテゴリに分類されている文書（を識別するための文書番号）のいずれかが設定される。分類ルールには、例えば所定の単語が文書中に出現することを示す条件等が設定される。

なお、カテゴリの分類方法として事例ベース自動分類が設定されている場合には、分類基準として教師文書が設定される。同様に、カテゴリの分類方法としてルールベース自動分類が設定されている場合には、分類基準として分類ルールが設定される。

図５は、カテゴリの階層構造におけるルートのカテゴリのデータの一例を示す。図５に示すカテゴリのデータには、カテゴリ番号「Ｃ００１」に対応づけて上位カテゴリ番号「（なし）」、カテゴリ名「ルート」、文書番号「Ｄ００１，Ｄ００２，Ｄ００３，Ｄ００４，Ｄ００５，Ｄ００６，Ｄ００７，…」、分類方法「ルールベース自動分類」および分類基準として分類ルール「ｔｒｕｅ」が含まれている。

これによれば、カテゴリ番号「Ｃ００１」によって識別されるカテゴリには文書番号「Ｄ００１」〜「Ｄ００７」等によって識別される文書が分類されていることが示される。なお、上記したようにカテゴリ番号「Ｃ００１」によって識別されるカテゴリはルートのカテゴリであるため、上位カテゴリは存在しない。このため、上位カテゴリ番号は「（なし）」である。また、分類ルール「ｔｒｕｅ（恒真）」は、全ての文書が条件を満足する（満たす）ルールである。

図６は、カテゴリの階層構造における図５に示すカテゴリと下位の関係にあるカテゴリ（図５に示すカテゴリの下位カテゴリ）のデータの一例を示す。図６に示すカテゴリのデータには、カテゴリ番号「Ｃ１０１」に対応づけて上位カテゴリ番号「Ｃ００１」、カテゴリ名「燃料」、文書番号「Ｄ１０１，Ｄ１０５，Ｄ１１３，Ｄ１１６，Ｄ１１７，Ｄ１２２，Ｄ１２９，…」、分類方法「ルールベース自動分類」および分類基準として分類ルール「contains(./(問題|対策)//text(),””)」が含まれている。

これによれば、カテゴリ番号「Ｃ１０１」によって識別されるカテゴリには文書番号「Ｄ１０１」、「Ｄ１０５」、「Ｄ１１３」、「Ｄ１１６」、「Ｄ１１７」、「Ｄ１２２」および「Ｄ１２９」等によって識別される文書が分類されていることが示される。また、カテゴリ番号「Ｃ１０１」によって識別されるカテゴリの上位カテゴリが上位カテゴリ番号「Ｃ００１」によって識別されるカテゴリであることが示される。また、分類ルール「contains(./(問題|対策)//text(),””)」は、上述したＸＭＬ形式で記述された文書についての条件を示す。ここでは、ＸＱｕｅｒｙ（またはＸＰａｔｈ）と呼ばれる問い合わせ言語を用いて記述されている。この分類ルール「contains(./(問題|対策)//text(),””)」は、例えば文書が持つテキスト「問題」または「対策」が「燃料」という語句（単語）を含むことを条件としたルールである。

なお、分類ルールの記述形式は、上記した文書記憶部２２の実現方法または文書のデータの形式に応じて定めればよく、例えばＳＱＬ等が用いられてもよい。

図７は、カテゴリの階層構造における図５に示すカテゴリの下位カテゴリのデータの一例を示す。図７に示すカテゴリのデータには、カテゴリ番号「Ｃ２０３」に対応づけて上位カテゴリ番号「Ｃ００１」、カテゴリ名「２００８年」、文書番号「Ｄ１０１，Ｄ１０２，Ｄ１０３，Ｄ１０４，Ｄ１０５，Ｄ１０６，Ｄ１０７，…」、分類方法「ルールベース自動分類」および分類基準として分類ルール「./報告日 >= ”2008/01/01” and ./報告日 <= “2008/12/31”」が含まれている。

これによれば、カテゴリ番号「Ｃ２０３」によって識別されるカテゴリには文書番号「Ｄ１０１」〜「Ｄ１０７」等によって識別される文書が分類されていることが示される。また、カテゴリ番号「Ｃ２０３」によって識別されるカテゴリの上位カテゴリが上位カテゴリ番号「Ｃ００１」によって識別されるカテゴリであることが示される。また、分類ルール「./報告日 >= ”2008/01/01” and ./報告日 <= “2008/12/31”」は、上記した図６に示す分類ルールと同様に、ＸＱｕｅｒｙの条件式を用いて記述されており、文書の「報告日」が「２００８年（の１／１〜１２／３１）」であることを条件としたルールである。

図８は、カテゴリの階層構造における図５に示すカテゴリの下位カテゴリのデータの一例を示す。図６に示すカテゴリのデータには、カテゴリ番号「Ｃ３０５」に対応づけて上位カテゴリ番号「Ｃ００１」、カテゴリ名「タンク」、文書番号「Ｄ１０１，Ｄ１１３，Ｄ１１７，Ｄ１２９，…」、分類方法「事例ベース自動分類」および分類基準として教師文書「Ｄ１０１，Ｄ１１７，…」が含まれている。

これによれば、カテゴリ番号「Ｃ３０５」によって識別されるカテゴリには文書番号「Ｄ１０１」、「Ｄ１１３」、「Ｄ１１７」および「Ｄ１２９」等によって識別される文書が分類されていることが示される。また、カテゴリ番号「Ｃ３０５」によって識別されるカテゴリの上位カテゴリが上位カテゴリ番号「Ｃ００１」によって識別されるカテゴリであることが示される。また、ここでは、教師文書としてカテゴリ番号「Ｃ３０５」によって識別されるカテゴリに分類されている文書のうちの文書番号「Ｄ１０１」および「Ｄ１１７」によって識別される文書等が設定されている。

なお、上記した図６に示すカテゴリ番号「Ｃ１０１」によって識別されるカテゴリは、上位カテゴリ番号「Ｃ００１」によって識別されるカテゴリと階層構造において直接的に下位の関係にあるカテゴリである。同様に、図７に示すカテゴリ番号「Ｃ２０３」および図８に示すカテゴリ番号「Ｃ３０５」によって識別されるカテゴリは、上位カテゴリ番号「Ｃ００１」によって識別されるカテゴリと階層構造において直接的に下位の関係にあるカテゴリである。

一方、例えば図６に示すカテゴリ番号「Ｃ１０１」によって識別されるカテゴリと直接的に下位の関係にあるカテゴリは、カテゴリ番号「Ｃ００１」によって識別されるカテゴリと階層構造において間接的に下位の関係にあるカテゴリである。また、カテゴリ番号「Ｃ１０１」によって識別されるカテゴリと階層構造において間接的に下位の関係にあるカテゴリと更に直接的または間接的に下位の関係にあるカテゴリも、カテゴリ番号「Ｃ００１」によって識別されるカテゴリと階層構造において間接的に下位の関係にあるカテゴリである。

ここでは、階層構造において直接的または間接的に下位の関係にあるカテゴリについて説明したが、階層構造において直接的または間接的に上位の関係にあるカテゴリについても同様である。

次に、図９のフローチャートを参照して、本実施形態に係る文書分類装置３０の全体的な処理手順について説明する。

まず、カテゴリ操作部３１は、ユーザの操作に応じて、当該ユーザからの各種要求（操作）を受け付ける。

このユーザからの各種要求には、例えばカテゴリの階層構造において新たなカテゴリの生成を要求するためのカテゴリ生成要求が含まれる。この場合、ユーザは、カテゴリ操作部３１を用いて、実行すべきクラスタリング処理（文書クラスタリング処理または単語クラスタリング処理）および当該クラスタリング処理の対象となる文書集合を指定することができる。ユーザは、例えばカテゴリを指定することによって、当該カテゴリに分類されている文書を文書集合として指定することができる。

また、ユーザからの各種要求には、例えばカテゴリの分類方法（または分類基準）の変更を要求するための分類方法変更要求が含まれる。この場合、ユーザは、カテゴリ操作部３１を用いて、分類方法を変更すべきカテゴリおよび当該分類方法（または分類基準）の変更内容を指定（選択）することができる。

また、ユーザからの各種要求には、例えばカテゴリの階層構造（分類構造）の編集を要求するためのカテゴリ編集要求が含まれる。この場合、ユーザは、カテゴリ操作部３１を用いて、編集すべきカテゴリおよび当該編集内容（例えば、カテゴリの統合、移動、複製または削除等）を指定することができる。

また、ユーザからの各種要求には、例えば処理の終了を要求するための終了要求が含まれる。

カテゴリ操作部３１は、ユーザからの要求（カテゴリ操作部３１によって受け付けられた要求）がカテゴリ生成要求であるか否かを判定する（ステップＳ１）。

カテゴリ生成要求であると判定された場合（ステップＳ１のＹＥＳ）、クラスタリング制御部３２は、当該カテゴリ生成要求においてユーザによって指定された文書集合に対して、当該ユーザによって指定されたクラスタリング処理を実行する（ステップＳ２）。つまり、クラスタリング制御部３２は、文書クラスタリング部３２１または単語クラスタリング部３２２を用いてクラスタリング処理（文書クラスタリング部３２１による文書クラスタリング処理または単語クラスタリング部３２２による単語クラスタリング処理）を実行する。このクラスタリング処理においては、文書集合中の部分集合（クラスタ）が生成される。

文書クラスタリング部３２１による文書クラスタリング処理においては、文書集合の文書の各々の特徴を表す特徴ベクトルに基づいて、互いに類似し合う文書からなる文書集合中の部分集合が生成される。

単語クラスタリング部３２２による単語クラスタリング処理においては、文書集合の文書の各々に含まれる複数の単語から当該各単語の出現頻度および当該各単語間の共起頻度に基づいて当該文書集合の内容を表す特徴的な単語が抽出され、当該抽出された単語を含む文書からなる文書集合中の部分集合が生成される。

なお、文書クラスタリング部３２１による文書クラスタリング処理および単語クラスタリング部３２２による単語クラスタリング処理の詳細については後述する。

次に、クラスタリング制御部３２は、実行されたクラスタリング処理によって生成された文書集合中の部分集合（クラスタリング結果）をもとに、当該部分集合（の文書）が分類されるカテゴリを作成（生成）する（ステップＳ３）。この場合、クラスタリング制御部３２によって作成されたカテゴリを識別するためのカテゴリ番号等がカテゴリ記憶部２３に記憶される。

カテゴリ分類方法設定部３３は、クラスタリング制御部３２によって作成されたカテゴリの分類方法および分類基準を設定する（ステップＳ４）。なお、このステップＳ４におけるカテゴリの分類方法および分類基準の設定処理の詳細については後述する。ステップＳ４の処理が実行されると、ステップＳ１に戻って処理が繰り返される。

一方、上記したステップＳ１においてカテゴリ生成要求でないと判定された場合、カテゴリ操作部３１は、ユーザからの要求が分類方法変更要求であるか否かを判定する（ステップＳ５）。

分類方法変更要求であると判定された場合（ステップＳ５のＹＥＳ）、カテゴリ分類方法設定部３３は、当該分類方法変更要求においてユーザによって指定されたカテゴリの変更内容および当該カテゴリに分類されている文書に基づいて、当該カテゴリの分類方法および分類基準をカテゴリ記憶部２３に設定する（ステップＳ６）。具体的には、ユーザによって指定されたカテゴリを識別するためのカテゴリ番号に対応づけて、当該カテゴリの分類方法および分類基準がカテゴリ記憶部２３に設定される。

これにより、カテゴリ分類方法設定部３３は、ユーザによって指定されたカテゴリの分類方法および分類基準を変更する。

なお、ステップＳ６におけるカテゴリの分類方法および分類基準の設定処理の詳細については後述する。

次に、自動分類制御部３４は、カテゴリ操作部３１によって受け付けられた分類方法変更要求においてユーザによって指定されたカテゴリ（つまり、分類方法が変更されたカテゴリ）と直接的または間接的に上位または下位の関係（上位下位関係）にあるカテゴリの集合を分類先候補カテゴリ集合として決定し、当該分類先候補カテゴリ集合（のカテゴリの各々）に分類されている文書の集合を分類対象文書集合として決定する（ステップＳ７）。

自動分類制御部３４は、決定された分類先候補カテゴリ集合および分類対象文書集合を対象に、ルールベース自動分類部３４２によるルールベース自動分類処理を実行する（ステップＳ８）。なお、ルールベース自動分類処理の詳細については後述する。

自動分類制御部３４は、決定された分類先候補カテゴリ集合および分類対象文書集合を対象に、事例ベース自動分類部３４１による事例ベース自動分類処理を実行する（ステップＳ９）。このとき、自動分類制御部３４は、ステップＳ８におけるルールベース自動分類処理結果に基づいて事例ベース自動分類処理を実行する。なお、事例ベース自動分類処理の詳細については後述する。

つまり、上記したようにユーザからの要求が分類方法変更要求である場合には、文書の自動分類処理（ルールベース自動分類処理および事例ベース自動分類処理）が実行される。ここでは、ユーザからの要求が分類方法変更要求である場合の大まかな流れとして、分類先候補カテゴリ集合および分類対象文書集合に対してルールベース自動分類処理が実行された後に事例ベース自動分類処理が実行されるものとして説明したが、このステップＳ８およびステップＳ９の処理の流れの詳細については後述する。

なお、上記したステップＳ９の処理が実行されると、ステップＳ１に戻って処理が繰り返される。

一方、上記したステップＳ５において分類方法変更要求でないと判定された場合、カテゴリ操作部３１は、ユーザからの要求がカテゴリ編集要求であるか否かを判定する（ステップＳ１０）。

カテゴリ編集要求であると判定された場合（ステップＳ１０のＹＥＳ）、カテゴリ分類方法設定部３３は、当該カテゴリ編集要求においてユーザによって指定されたカテゴリの編集内容、当該カテゴリの分類方法および分類基準に基づいて、当該カテゴリに対する編集処理（具体的には、カテゴリの統合、移動、複製または削除等）を実行する。この場合、カテゴリ分類方法設定部３３は、カテゴリ編集要求においてユーザによって指定されたカテゴリの分類方法および分類基準等を、当該カテゴリ編集要求における編集内容に応じてカテゴリ記憶部２３に設定する。なお、カテゴリ編集処理の詳細については後述する。

次に、上記したステップＳ７〜ステップＳ９の処理と同様のステップＳ１２〜ステップＳ１４の処理が実行される。つまり、ユーザからの要求がカテゴリ編集要求である場合には、上記したユーザからの要求が分類方法変更要求である場合と同様に、文書の自動分類処理が実行される。なお、ステップＳ１４の処理が実行されるとステップＳ１に戻って処理が繰り返される。

一方、上記したステップＳ１０においてカテゴリ編集要求でないと判定された場合、カテゴリ操作部３１は、ユーザからの要求が終了要求であるか否かを判定する（ステップＳ１５）。

終了要求であると判定された場合（ステップＳ１５のＹＥＳ）、文書分類装置３０の処理は終了される。一方、終了要求でないと判定された場合（ステップＳ１５のＮＯ）、ステップＳ１に戻って処理が繰り返される。

次に、図１０のフローチャートを参照して、上述した文書クラスタリング部３２１による文書クラスタリング処理において用いられる文書の特徴を表す特徴ベクトル（以下、文書の特徴ベクトルと表記）を算出する処理手順について説明する。

なお、後述するが、図１０に示す処理において算出される文書の特徴ベクトルは、事例ベース自動分類部３４１による事例ベース自動分類処理においても用いられる。

つまり、図１０に示す処理は、主に文書クラスタリング部３２１および事例ベース自動分類部３４１によって実行される汎用的な処理である。ここでは、図１０に示す処理は、文書クラスタリング部３２１によって実行されるものとして説明する。

以下、図１０に示す処理の対象となる文書（つまり、特徴ベクトルを算出する文書）を文書ｄとする。また、文書ｄを含む文書集合を文書集合Ｄとする。また、図１０に示す処理において算出される文書ｄの特徴ベクトルを特徴ベクトルｖｄと称する。なお、文書ｄは、文書記憶部２２に記憶されている文書であるものとする。

まず、文書クラスタリング部３２１は、文書記憶部２２から文書ｄを取得する。文書クラスタリング部３２１は、取得された文書ｄから特徴ベクトルｖｄを算出する対象となるテキストを（以下、対象テキストと表記）を取得する（ステップＳ２１）。図３に示す文書２２０においては、対象テキストとして例えば「問題」および「対策」のテキストが取得される。

次に、文書クラスタリング部３２１は、取得された対象テキストを形態素解析する（ステップＳ２２）。文書クラスタリング部３２１は、形態素解析結果に基づいて、取得された対象テキストに含まれる単語および当該単語の品詞を取得する。

文書クラスタリング部３２１は、取得された各単語（以下、単語ｔと表記）について以下のステップＳ２４〜ステップＳ２９の処理を繰り返し実行する（ステップＳ２３）。

文書クラスタリング部３２１は、単語ｔの品詞が所定の品詞に該当するか否かを判定する（ステップＳ２４）。ここで、所定の品詞とは、例えば名詞、サ変名詞および固有名詞をいう。つまり、例えば接続詞および副詞等は所定の品詞には該当しないものとする。

単語ｔの品詞が所定の品詞であると判定された場合（ステップＳ２４のＹＥＳ）、文書クラスタリング部３２１は、単語ｔが予め定められた不要語に該当するか否かを判定する（ステップＳ２５）。例えば図３に示す文書２２０のような自動車の不具合に関する文書を処理対象とする場合には、例えば「自動車」および「不具合」のような単語は当該文書の特徴を表さないため、予め不要語として設定されている。

単語ｔが予め定められた不要語に該当しないと判定された場合（ステップＳ２５のＮＯ）、文書クラスタリング部３２１は、取得された対象テキスト中で単語ｔが出現する頻度（出現頻度ｔｆ）を算出する（ステップＳ２６）。

次に、文書クラスタリング部３２１は、文書集合Ｄ（に含まれる文書）の中で単語ｔが出現する文書数ｄｆを算出する（ステップＳ２７）。

文書クラスタリング部３２１は、算出された出現頻度ｔｆおよび文書数ｄｆを用いて、計算式「ｔｆ＊（ｌｏｇ（｜Ｄ｜／ｄｆ）＋１）」の値を算出する（ステップＳ２８）。ここで、｜Ｄ｜は、文書集合Ｄの文書数である。

この計算式は、ＴＦ／ＩＤＦと呼ばれ、例えば情報検索または文書分類の分野において広く使用されているものである。このＴＦ／ＩＤＦによれば、単語ｔが文書ｄに出現する頻度が多い（つまり、ｔｆの値が大きい）ほど、また、文書集合Ｄの全文書のうち単語ｔを含む文書（単語ｔが出現する文書）が少ない（つまり、ｄｆの値が小さい）ほど、ＴＦ／ＩＤＦの値が大きくなり、当該単語ｔは文書ｄの特徴を適切に表す単語であるとみなされる。

文書クラスタリング部３２１は、単語ｔを文書ｄの特徴ベクトルｖｄにおける１つの次元としステップＳ２８において算出された値（ＴＦ／ＩＤＦの値）を当該次元の値とする（ステップＳ２９）。

次に、上記した形態素解析により得られた各単語ｔ（対象テキストに含まれる単語ｔ）について繰り返し処理が実行されると、文書クラスタリング部３２１は、算出された文書ｄの特徴ベクトルｖｄの各次元の値を、当該特徴ベクトルｖｄのノルム｜ｖｄ｜で割ることによって正規化する（ステップＳ３０）。つまり、正規化された特徴ベクトルｖｄ（ｔ）＝ｖｄ（ｔ）／｜ｖｄ｜となる。この結果、文書ｄの特徴ベクトルｖｄは、文書ｄによらず、ノルムが１のベクトルとなる。

なお、ステップＳ２４において単語ｔの品詞が所定の品詞でないと判定された場合、およびステップＳ２５において単語ｔが予め定められた不要語に該当すると判定された場合、ステップＳ２３に戻って処理が繰り返される。

上記したように図１０に示す処理が実行されることにより、文書ｄに対する形態素解析により得られた全ての単語のうち、所定の品詞であり、かつ、不要語でない単語を次元とする文書ｄの特徴ベクトルｖｄが算出（生成）される。

なお、上記したステップＳ２７における単語ｔが出現する文書数ｄｆを算出する処理においては、例えば情報検索における転置ファイルのような手段を用いることにより処理の効率を向上させる構成であっても構わない。

ここで、図１１は、上述した図３に示す文書２２０に対して図１０に示す処理が実行されることにより算出された当該文書２２０の特徴ベクトルの一例を示す。図１１に示す文書２２０の特徴ベクトル２２１おいては、便宜的に、値が０である次元（すなわち、文書２２０には出現していない単語）は示されておらず、また、単語の重み（次元の値）の大きい順に記述されている。

図３に示す文書２２０（の「問題」および「対策」のテキスト）において、例えば「タンク」という単語は３回と他の単語と比較して多く出現している（つまり、出現頻度ｔｆ＝３）。この場合、図１１に示す文書２２０の特徴ベクトル２２１における単語「タンク」の重みは０．５１である。

一方、文書２２０において、例えば「底板」という単語の出現回数は２回（つまり、出現頻度ｔｆ＝２）であるが、ここでは、文書集合Ｄ中において単語「底板」が出現する文書数ｄｆが単語「タンク」の文書数ｄｆよりも小さいものとしているため、文書２２０の特徴ベクトル２２１における当該単語「底板」の重みは０．５２と最も大きくなっている。

また、文書２２０において、例えば「おそれ」という単語は１回だけ出現し（つまり、出現頻度ｔｆ＝１）、また、文書数ｄｆも大きいものとしているため、文書２２０の特徴ベクトル２２１における単語「おそれ」の重みは０．０８と最小になっている。

次に、図１２のフローチャートを参照して、カテゴリ（またはクラスタ）の特徴を表す特徴ベクトル（以下、カテゴリの特徴ベクトルと表記）を算出する処理手順について説明する。

図１２の処理において算出されるカテゴリの特徴ベクトルは、文書クラスタリング部３２１による文書クラスタリング処理および事例ベース自動分類部３４１による事例ベース自動分類処理において用いられる。

つまり、図１２に示す処理は、主に文書クラスタリング部３２１および事例ベース自動分類部３４１によって実行される汎用的な処理である。ここでは、図１２に示す処理は、文書クラスタリング部３２１によって実行されるものとして説明する。

以下、図１２に示す処理の対象となるカテゴリ（つまり、特徴ベクトルを算出するカテゴリ）をカテゴリｃとする。なお、図１２に示す処理において算出されるカテゴリの特徴ベクトルを特徴ベクトルｖｃと称する。

まず、文書クラスタリング部３２１は、カテゴリ記憶部２３を参照して、上記したカテゴリｃに分類されている文書の集合（カテゴリｃの文書集合）を文書集合Ｄｃとする（ステップＳ３１）。カテゴリｃに分類されている文書は、カテゴリｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に記憶されている文書番号によって識別される文書である。例えば図８に示すカテゴリのデータによれば、カテゴリ番号「Ｃ３０５」によって識別されるカテゴリに分類されている文書は、文書番号「Ｄ１０１」および「Ｄ１１３」等によって識別される文書である。

なお、ステップＳ３１においては、カテゴリｃに分類されている文書の集合を文書集合Ｄｃとするが、後述する事例ベース自動分類処理のように例えばカテゴリｃの教師文書を対象とする場合には、当該カテゴリｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に設定されている教師文書の集合が文書集合Ｄｃとされる。

文書クラスタリング部３２１は、カテゴリｃの特徴ベクトルｖｃの初期値を空（つまり、全ての次元の値を０）とする（ステップＳ３２）。

次に、文書クラスタリング部３２１は、文書集合Ｄｃ中の各文書（以下、文書ｄと表記）について、以下のステップＳ３４およびステップＳ３５の処理を繰り返し実行する（ステップＳ３３）。

文書クラスタリング部３２１は、文書集合Ｄｃにおける文書ｄの特徴ベクトルｖｄを算出する（ステップＳ３４）。この場合、文書クラスタリング部３２１は、上述した図１０に示す処理を実行することにより、文書ｄの特徴ベクトルｖｄを算出する。

文書クラスタリング部３２１は、算出された文書ｄの特徴ベクトルｖｄをカテゴリｃの特徴ベクトルｖｃに加算する（ステップＳ３５）。つまり、カテゴリｃの特徴ベクトルｖｃ＝ｖｃ＋ｖｄとする。

次に、文書集合Ｄｃ中の各文書ｄについて繰り返し処理が実行されると、カテゴリｃの特徴ベクトルｖｃが算出される。つまり、カテゴリｃの単語ベクトルｖｃは、文書集合Ｄｃに含まれる文書（カテゴリｃに分類されている文書）毎に生成された特徴ベクトルｖｄを合計することによって算出される。

以下、文書集合に対するクラスタリング処理の流れについて説明する。本実施形態に係る文書分類装置３０においては、文書クラスタリング部３２１および単語クラスタリング部３２２が備えられており、上述した図９に示すステップＳ２において文書クラスタリング処理または単語クラスタリング処理が実行される。

なお、以下の説明では、クラスタリング処理によって生成されるデータ（文書集合中の部分集合）をクラスタと称する。このクラスタは、文書集合を表す点ではカテゴリと同等であるが、以下では両者を区別して説明する。すなわち、カテゴリは、分類階層を表す要素として例えば図３において説明した形式でカテゴリ記憶部２３に記憶されるデータであるものとする。これに対して、クラスタは、クラスタリング処理の結果として生成される一時的なデータである。

まず、図１３および図１４のフローチャートを参照して、図２に示す文書クラスタリング部３２１による文書クラスタリング処理の処理手順について説明する。

本実施形態に係る文書分類装置３０においては、文書クラスタリング処理の手法として、例えばｌｅａｄｅｒ−ｆｏｌｌｏｗｅｒ法と呼ばれる比較的単純なクラスタリング手法が用いられるものとする。なお、このクラスタリング手法以外の手法が用いられても構わない。

まず、文書クラスタリング部３２１は、文書クラスタリング処理の対象となる文書の集合を文書集合Ｄ、分類先となるクラスタの集合をクラスタ集合Ｃとする（ステップＳ４１）。後述するように、文書クラスタリング処理の対象となる文書集合Ｄは、例えばユーザによって指定されたカテゴリに分類されている文書の集合である。なお、クラスタ集合Ｃの初期値は空集合とする。

次に、文書クラスタリング部３２１は、文書集合Ｄ中の各文書（以下、文書ｄと表記）について以下のステップＳ４３〜ステップＳ５８の処理を繰り返し実行する（ステップＳ４２）。

文書クラスタリング部３２１は、文書集合Ｄにおける文書ｄの特徴ベクトルｖｄを算出する（ステップＳ４３）。この場合、文書クラスタリング部３２１は、上述した図１０に示す処理を実行することにより、文書ｄの特徴ベクトルｖｄを算出する。

文書クラスタリング部３２１は、後述するｓｍａｘの初期値を０（つまり、ｓｍａｘ＝０）とする（ステップＳ４４）。

文書クラスタリング部３２１は、クラスタ集合Ｃ中の各クラスタ（以下、クラスタｃと表記）について以下のステップＳ４６〜ステップＳ５１の処理を繰り返し実行する（ステップＳ４５）。このとき、後述する文書ｄの分類先となるクラスタｃｍａｘの初期値を「なし」とする。

文書クラスタリング部３２１は、クラスタｃの特徴ベクトルｖｃを算出する（ステップＳ４６）。この場合、文書クラスタリング部３２１は、上述した１２に示す処理を実行することにより、クラスタｃの特徴ベクトルｖｃを算出する。

文書クラスタリング部３２１は、ステップＳ４３において算出された文書ｄの特徴ベクトルｖｄおよびステップＳ４６において算出されたクラスタｃの特徴ベクトルｖｃに基づいて、当該文書ｄとクラスタｃとの類似度（以下、類似度ｓと表記）を算出する（ステップＳ４７）。

ここで、文書クラスタリング部３２１は、文書ｄとクラスタｃとの類似度ｓとして、文書ｄの特徴ベクトルｖｄとクラスタｃの特徴ベクトルｖｃとの類似度ｓを算出する。文書ｄの特徴ベクトルｖｄとクラスタｃの特徴ベクトルｖｃとの類似度ｓは、当該ベクトルの余弦、すなわち、（ｖｄ・ｖｃ）／（｜ｖｄ｜＊｜ｖｃ｜）によって算出される。ｖｄ・ｖｃは、ベクトルの内積を表す。｜ｖｄ｜等は、ベクトルのノルムを表す。

次に、文書クラスタリング部３２１は、算出された類似度ｓが予め定められた値（以下、閾値ｓｍｉｎと表記）以上（つまり、ｓｍｉｎ≦ｓ）であるか否かを判定する（ステップＳ４８）。

類似度ｓが閾値ｓｍｉｎ以上であると判定された場合（ステップＳ４８のＹＥＳ）、文書クラスタリング部３２１は、当該類似度ｓが上記したｓｍａｘより大きいか否かを判定する（ステップＳ４９）。

類似度ｓがｓｍａｘより大きいと判定された場合（ステップＳ４９のＹＥＳ）、文書クラスタリング部３２１は、文書ｄの分類先となるクラスタｃｍａｘをクラスタｃ（つまり、ｃｍａｘ＝ｃ）とする（ステップＳ５０）。

また、文書クラスタリング部３２１は、ｓｍａｘ＝ｓ（ステップＳ４７において算出された類似度ｓ）とする（ステップＳ５１）。

なお、上記したステップＳ４８において類似度ｓが閾値ｓｍｉｎ以上でないと判定された場合、およびステップＳ４９において類似度ｓがｓｍａｘ以下であると判定された場合には、ステップＳ４５に戻って処理が繰り返される。

このように、クラスタ集合Ｃに含まれるクラスタｃについて処理が繰り返されると、文書ｄとの類似度ｓが最大、かつ、当該類似度ｓが閾値ｓｍｉｎ以上であるクラスタがクラスタｃｍａｘ（文書ｄの分類先）とされる。

クラスタ集合Ｃ中の各クラスタｃについて繰り返し処理が実行されると、文書クラスタリング部３２１は、クラスタｃｍａｘが存在するか否かを判定する（ステップＳ５２）。なお、上記したようにクラスタ集合Ｃが空集合（つまり、初期値）である場合には、処理すべきクラスタｃが存在しないため上記したステップＳ４６〜ステップＳ５１の処理は実行されず、クラスタｃｍａｘは存在しないと判定される。また、例えばクラスタ集合Ｃに含まれるクラスタｃと文書ｄとの類似度ｓが全て閾値ｓｍｉｎ未満である場合には、クラスタｃｍａｘは存在しないと判定される。

クラスタｃｍａｘが存在すると判定された場合（ステップＳ５２のＹＥＳ）、文書クラスタリング部３２１は、文書ｄを当該クラスタｃｍａｘに分類する（ステップＳ５３）。

次に、文書クラスタリング部３２１は、クラスタｃｍａｘの特徴ベクトル（以下、クラスタｃｍａｘの特徴ベクトルｖｃｍａｘと表記）を再計算する（ステップＳ５４）。この場合、文書クラスタリング部３２１は、文書ｄを分類する前のクラスタｃｍａｘの特徴ベクトルｖｃｍａｘに、文書ｄの特徴ベクトルｖｄを加算することで、クラスタｃｍａｘの特徴ベクトルｖｃｍａｘを再計算する。すなわち、上述した図１２で説明したように、クラスタの特徴ベクトルは、当該クラスタに分類された文書の特徴ベクトルの和であるため、クラスタｃｍａｘの特徴ベクトルｖｃｍａｘに文書ｄの特徴ベクトルｖｄを加えた結果が、文書ｄの分類後のクラスタｃｍａｘの特徴ベクトルｖｃｍａｘとなる。

一方、クラスタｃｍａｘが存在しないと判定された場合（ステップＳ５２のＮＯ）、文書クラスタリング部３２１は、文書ｄの分類先となるクラスタ（以下、クラスタｃｎｅｗと表記）を新規に作成する（ステップＳ５５）。

文書クラスタリング部３２１は、作成されたクラスタｃｎｅｗをクラスタ集合Ｃに追加する（ステップＳ５６）。

文書クラスタリング部３２１は、文書ｄをクラスタｃｎｅｗに分類する（ステップＳ５７）。

文書クラスタリング部３２１は、クラスタｃｎｅｗの特徴ベクトル（以下、クラスタｃｎｅｗの特徴ベクトルｖｃｎｅｗと表記）を文書ｄの特徴ベクトルｖｄ（つまり、クラスタｃｎｅｗの特徴ベクトルｖｃｎｅｗ＝ｖｄ）とする（ステップＳ５８）。この時点では、クラスタｃｎｅｗに分類されている文書は文書ｄただ１つであるため、この場合のクラスタｃｎｅｗの特徴ベクトルｖｃｎｅｗは、文書ｄの特徴ベクトルｖｄと等しい。

文書集合Ｄ中の各文書ｄについて繰り返し処理が実行されると、後述するステップＳ５９の処理が実行される。

例えば上記したステップＳ５５において新規に作成されたクラスタであっても、ただ１つの文書しか分類されていないようなクラスタは、クラスタとして意味をなさない。このため、文書クラスタリング部３２１は、上記したステップＳ５５において新規に作成されたクラスタであって、当該クラスタに分類されている文書数が予め定められた数（以下、閾値ｎｍｉｎと表記）未満であるクラスタを削除する（ステップＳ５９）。この閾値ｎｍｉｎは、例えば２としてもよいし、文書数が５未満のクラスタ（カテゴリ）が不要であるとする場合には５としてもよい。

上記したように、文書クラスタリング部３２１による文書クラスタリング処理においては、文書集合Ｄに含まれる文書が分類されるクラスタが新たに生成される。

次に、図１５〜図１７のフローチャートを参照して、図２に示す単語クラスタリング部３２２による単語クラスタリング処理の処理手順について説明する。

本実施形態に係る文書分類装置３０においては、単語クラスタリング処理の手法として、例えば単語の共起頻度に基づいた比較的高速な手法が用いられるものとする。なお、このクラスタリング手法以外の手法が用いられても構わない。

単語クラスタリング部３２２は、単語クラスタリング処理の対象となる文書集合Ｄ中の少なくとも１つの文書ｄに出現する単語の集合を単語集合Ｔとする（ステップＳ６１）。つまり、単語集合Ｔは、文書集合Ｄ中の各文書ｄのテキストを形態素解析した結果（得られた単語）の和集合である。後述するように、単語クラスタリング処理の対象となる文書集合Ｄは、例えばユーザによって指定されたカテゴリに分類されている文書の集合である。

単語クラスタリング部３２２は、単語集合Ｔ中の単語の各々（以下、単語ｔと表記）について以下のステップＳ６３〜ステップＳ６７の処理を実行する（ステップＳ６２）。

単語クラスタリング部３２２は、単語ｔの品詞が所定の品詞に該当するか否かを判定する（ステップＳ６３）。ここで、所定の品詞とは、例えば名詞、サ変名詞および固有名詞をいう。

単語ｔの品詞が所定の品詞であると判定された場合（ステップＳ６３のＹＥＳ）、単語クラスタリング部３２２は、単語ｔが予め定められた不要語に該当するか否かを判定する（ステップＳ６４）。上記した文書集合Ｄに含まれる文書ｄの特徴を表さないような単語が不要語として設定されている。

単語ｔが予め定められた不要語に該当しないと判定された場合（ステップＳ６４のＮＯ）、単語クラスタリング部３２２は、文書集合Ｄの中で単語ｔが出現する文書数ｄｆを算出する（ステップＳ６５）。

次に、単語クラスタリング部３２２は、算出された文書数ｄｆが予め定められた所定の範囲内（ｄｆｍｉｎ≦ｄｆ≦ｄｆｍａｘ）であるか否かを判定する（ステップＳ６６）。

文書数ｄｆが所定の範囲内でないと判定された場合（ステップＳ６６のＮＯ）、単語クラスタリング部３２２は、単語ｔを単語集合Ｔから除く（ステップＳ６７）。

一方、文書数ｄｆが所定の範囲内であると判定された場合（ステップＳ６６のＹＥＳ）、ステップＳ６７の処理は実行されず、ステップＳ６２に戻って処理が繰り返される。

一般に、文書数ｄｆが小さい単語は、文書集合の主要な内容を表す単語ではなく、また、他の単語と共起して出現することも稀である。あるいは、その共起性は統計的に有意なものではない。逆に文書数ｄｆが極度に大きい単語は、どの文書にもよく出現する単語であるため、文書集合の内容を適切に表す特徴的な（峻別性のある）単語ではない場合が多い。このため、ステップＳ６６およびステップＳ６７においては、採用すべき単語ではない可能性の高い単語が大まかに除かれる。

なお、ステップＳ６３において単語ｔの品詞が所定の品詞でないと判定された場合、およびステップＳ６４において単語ｔが予め定められた不要語に該当すると判定された場合、ステップＳ６２に戻って処理が繰り返される。

単語集合Ｔ中の各単語ｔについて繰り返し処理が実行されると、単語クラスタリング部３２２は、単語集合Ｔ中の各単語（以下、単語ｔｉと表記）について以下のステップＳ６９〜ステップＳ７７の処理を繰り返し実行する（ステップＳ６８）。

単語クラスタリング部３２２は、単語ｔｉのスコアｓｉの初期値を０（つまり、ｓｉ＝０）とする（ステップＳ６９）。

単語クラスタリング部３２２は、上記した文書集合Ｄ（に含まれる文書）の中で単語ｔｉが出現する文書集合中の部分集合（以下、部分集合Ｄｉと表記）を算出する（ステップＳ７０）。

次に、単語クラスタリング部３２２は、単語集合Ｔの単語であって単語ｔｉとは異なる単語ｔｊ（ただし、ｉ≠ｊ）の各々について以下のステップＳ７１〜ステップＳ７７の処理を繰り返し実行する（ステップＳ７１）。

単語クラスタリング部３２２は、文書集合Ｄの中で単語ｔｊが出現する文書集合Ｄ中の部分集合（以下、部分集合Ｄｊと表記）を算出する（ステップＳ７２）。

単語クラスタリング部３２２は、ステップＳ７０において算出された部分集合ＤｉおよびステップＳ７２において算出された部分集合Ｄｊの積集合（以下、積集合Ｄｉｊと表記）を算出する（ステップＳ７３）。すなわち、積集合Ｄｉｊは、文書集合Ｄの中で単語ｔｉおよび単語ｔｊ（の両方）が出現する文書集合Ｄ中の部分集合である。

以下の処理においては、このようにして算出された部分集合Ｄｉ、部分集合Ｄｊおよび積集合Ｄｉｊを用いて、単語ｔｉおよび単語ｔｊの関連度（以下、関連度ｒｉｊと表記）が算出される。

まず、単語クラスタリング部３２２は、単語ｔｉおよび単語ｔｊの関連度ｒｉｊの初期値を０（つまり、関連度ｒｉｊ＝０）とする（ステップＳ７４）。

次に、単語クラスタリング部３２２は、文書集合Ｄ中における単語ｔｉおよび単語ｔｊの出現頻度に有意な相関があるか否かを判定する（ステップＳ７５）。

この場合、単語クラスタリング部３２２は、例えば次式（１）で示すように、Ｘ二乗検定等の検定手法を用いて判定処理を実行する。

この式（１）における例えば｜Ｄｉｊ｜は上記した積集合（文書集合）Ｄｉｊの文書数であり、例えばＤｉ−Ｄｊは上記した部分集合Ｄｉおよび部分集合Ｄｊの差集合を表す。

式（１）の計算結果ｘｉｊが、例えば１自由度のＸ二乗分布の５％水準での値である７．８８以上であれば、単語ｔｉおよび単語ｔｊの文書集合Ｄ中での出現頻度には統計的に有意な相関があるものとする。

上記した式（１）を用いることにより単語ｔｉおよび単語ｔｊの出現頻度に有意な相関がないと判定された場合（ステップＳ７５のＮＯ）、ステップＳ７１に戻って処理が繰り返される。

一方、単語ｔｉおよび単語ｔｊの出現頻度に有意な相関があると判定された場合（ステップＳ７５のＹＥＳ）、単語クラスタリング部３２２は、単語ｔｉおよび単語ｔｊの関連度ｒｉｊとして相互情報量（の値）を算出する（ステップＳ７６）。この相互情報量は、次式（２）によって計算される。

次に、単語クラスタリング部３２２は、上記した単語ｔｉのスコアｓｉに、算出された関連度ｒｉｊを加算する（ステップＳ７７）。つまり、スコアｓｉ＝スコアｓｉ＋関連度ｒｉｊとされる。

なお、上記したステップＳ７７においては、単語ｔｉおよび単語ｔｊに正の相関がある場合も、負の相関がある場合も、スコアｓｉに正の値（関連度ｒｉｊ）を加算する。すなわち、このスコアｓｉが大きい単語は、他の多くの単語と共起して出現することから、それらの単語群によって、文書集合中の部分集合の内容を適切に表すような単語であるとみなすことができるとともに、他の多くの単語と排他的に出現することから別の文書集合中の部分集合に対して峻別性の高い単語であるともみなすことができる。

単語集合Ｔ中の各単語ｔｊについて繰り返し処理が実行されると、単語集合Ｔ中の単語ｔｉの１つについての処理が終了される。

単語集合Ｔ中の各単語ｔｉについて繰り返し処理が実行されると、単語クラスタリング部３２２は、上記したように単語集合Ｔの各単語のスコアｓｉを参照して、当該スコアｓｉの大きさが上位ｍ位以内の単語を採用し、残りの単語（スコアｓｉが上位ｍ位以内でない単語）は単語集合Ｔから除く（ステップＳ７８）。つまり、ステップＳ７８の処理後の単語集合Ｔは、ｍ個の単語の集合となる。

以上のステップＳ６８〜ステップＳ７８の処理により、単語同士の共起頻度に基づいて、採用すべき単語がより詳細に選別され、かつ、各単語間の関係（つまり、関連度）が算出される。

以下の処理においては、このようにして選別された単語集合Ｔ（の各単語）を用いて、新たにクラスタが生成される。

単語クラスタリング部３２２は、単語集合Ｔ中の各単語（単語ｔｉ）について以下のステップＳ８０〜ステップＳ８６の処理を繰り返し実行する（ステップＳ７９）。

単語クラスタリング部３２２は、単語ｔｉに対応するクラスタとして、文書集合Ｄの中で単語ｔｉが出現する文書集合Ｄ中の部分集合Ｄｉを有するクラスタ（当該部分集合Ｄｉの文書が分類されたクラスタ）ｃｉを作成する（ステップＳ８０）。この部分集合Ｄｉは、上記したステップＳ７０において算出された部分集合Ｄｉと同一である。

次に、単語クラスタリング部３２２は、単語ｔｉのスコアｓｉよりスコアが小さい単語（以下、単語ｔｊと表記）を、単語集合Ｔの中から特定する（ステップＳ８１）。つまり、単語ｔｊのスコアをスコアｓｊとすると、スコアがｓｊ＜ｓｉである単語ｔｊを特定する。このｓｊ＜ｓｉの条件は、単語ｔｊとして、単語ｔｉよりも詳細な話題または下位の概念を表す単語を選ぶ目的で設けられている。

単語クラスタリング部３２２は、特定された各単語ｔｊについて以下のステップＳ８３〜ステップＳ８６の処理を繰り返し実行する（ステップＳ８２）。

単語クラスタリング部３２２は、単語ｔｉおよび単語ｔｊの出現に正の相関があるか否かを判定する（ステップＳ８３）。正の相関があるとは、次式（３）で示すように、文書集合Ｄにおいて単語ｔｉが出現する割合よりも、部分集合Ｄｊ（文書集合Ｄの中で単語ｔｊが出現する文書集合Ｄ中の部分集合）において単語ｔｉが出現する割合の方が大きい場合をいう。

なお、相関の有意性については、上記したステップＳ７５において判定済みである（相関がなければ関連度ｒｉｊ＝０）。

上記した式（３）を用いて単語ｔｉおよび単語ｔｊの出現に正の相関があると判定された場合（ステップＳ８３のＹＥＳ）、単語クラスタリング部３２２は、単語ｔｉおよび単語ｔｊの関連度ｒｉｊが他の単語ｔｊ（との関連度）と比較して上位ｎ位以内であるか否かを判定する（ステップＳ８４）。

単語ｔｉおよび単語ｔｊの関連度ｒｉｊが上位ｎ位以内であると判定された場合（ステップＳ８４のＹＥＳ）、単語クラスタリング部３２２は、単語ｔｉおよび単語ｔｊがともに出現する文書集合Ｄ中の部分集合Ｄｉｊを持つクラスタｃｉｊを作成する（ステップＳ８５）。この部分集合Ｄｉｊは、上記したステップＳ７１において算出された積集合Ｄｉｊと同一である。

次に、単語クラスタリング部３２２は、ステップＳ８５において作成されたクラスタｃｉｊをステップＳ７９において作成されたクラスタｃｉの下位クラスタとする（ステップＳ８６）。

ステップＳ８０において特定された各単語ｔｊについて繰り返し処理が実行されると、単語集合Ｔ中の単語ｔｉの１つについての処理が終了される。

単語集合Ｔ中の各単語ｔｉの全てについて繰り返し処理が実行されると、単語クラスタリング処理は終了される。

なお、上記したステップＳ８３において単語ｔｉおよび単語ｔｊの出現に正の相関がないと判定された場合、およびステップＳ８４において単語ｔｉおよび単語ｔｊの関連度ｒｉｊが上位ｎ位以内でないと判定された場合、ステップＳ８２に戻って処理が繰り返される。

ここでは、ステップＳ７９〜ステップＳ８６の処理によりクラスタｃｉおよび当該クラスタｃｉの下位クラスタであるクラスタｃｉｊの２階層のクラスタが作成されるものとして説明したが、例えばこの処理を変形することで、例えば３階層以上のクラスタを再帰的に作成することも可能であるし、ステップＳ８２〜ステップＳ８６の処理を省略することによって１階層のみのクラスタを作成することも容易に行うことができる。

以下、文書集合に対する自動分類処理の流れについて説明する。本実施形態に係る文書分類装置３０においては、事例ベース自動分類部３４１およびルールベース自動分類部３４２が備えられており、上述した図９に示すステップＳ１３においてルールベース自動分類処理が実行され、ステップＳ１４において事例ベース自動分類処理が実行される。

まず、図１８のフローチャートを参照して、図２に示す事例ベース自動分類部３４１による事例ベース自動分類処理の処理手順について説明する。

事例ベース自動分類部３４１は、事例ベース自動分類処理における分類先候補カテゴリの集合を分類先候補カテゴリ集合Ｃ、分類対象となる文書（分類対象文書）の集合を分類対象文書集合Ｄとする（ステップＳ９１）。分類先候補カテゴリ集合は、分類方法として事例ベース自動分類が設定され、分類基準として教師文書が設定されているカテゴリの集合であって、ユーザの操作に応じて自動分類制御部３４によって決定される。この分類先候補カテゴリの決定処理の詳細については、後述する。また、分類対象文書集合は、自動分類制御部３４によって決定された分類先候補カテゴリ集合の各分類先候補カテゴリに分類されている文書の集合である。

次に、事例ベース自動分類部３４１は、分類先候補カテゴリ集合Ｃ中の各分類先候補カテゴリ（以下、分類先候補カテゴリｃと表記）について以下のステップＳ９３およびステップＳ９４の処理が繰り返し実行される（ステップＳ９２）。

事例ベース自動分類部３４１は、カテゴリ記憶部２３を参照して、分類先候補カテゴリｃの教師文書（当該分類先候補カテゴリｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に設定されている教師文書）および当該分類先候補カテゴリｃと直接的または間接的に下位の関係にあるカテゴリの教師文書（当該カテゴリを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に設定されている教師文書）の和集合を教師文書集合Ｄｃとする（ステップＳ９３）。すなわち、事例ベース自動分類処理においては、分類先候補カテゴリｃの下位カテゴリの教師文書も、当該分類先候補カテゴリｃ自体の教師文書とみなして自動分類が行われる。

事例ベース自動分類部３４１は、教師文書集合Ｄｃを用いて、分類先候補カテゴリｃの特徴ベクトルｖｃを算出する（ステップＳ９４）。事例ベース自動分類部３４１は、図１２に示す処理を実行することにより、分類先候補カテゴリｃの特徴ベクトルｖｃを算出する。具体的には、教師文書集合Ｄｃの教師文書の各々の特徴ベクトルが加算されることにより、分類先候補カテゴリｃの特徴ベクトルｖｃが算出される。

つまり、ステップＳ９３およびステップＳ９４の処理が繰り返されることにより、分類先候補カテゴリ集合Ｃ中の各分類先候補カテゴリｃの特徴ベクトル（ｖｃ）が算出される。

分類先候補カテゴリ集合Ｃ中の各分類先候補カテゴリｃについて繰り返し処理が実行されると、事例ベース自動分類部３４１は、分類対象文書集合Ｄ中の各分類対象文書（以下、分類対象文書ｄと表記）について以下のステップＳ９５〜ステップＳ１０１の処理を繰り返し実行する（ステップＳ９５）。

以下の処理においては、分類対象文書ｄを分類すべき適切なカテゴリを求めることができる。

事例ベース自動分類部３４１は、分類対象文書ｄの分類先となるカテゴリの集合（以下、分類先カテゴリ集合Ｃｄと表記）の初期値を空集合とする（ステップＳ９６）。

事例ベース自動分類部３４１は、分類対象文書ｄの特徴ベクトルｖｄを算出する（ステップＳ９７）。この場合、事例ベース自動分類部３４１は、上述した図１０に示す処理を実行することにより、分類対象文書ｄの特徴ベクトルｖｄを算出する。

次に、事例ベース自動分類部３４１は、分類先候補カテゴリ集合Ｃ中の各分類先候補カテゴリ（分類先候補カテゴリｃ）について以下のステップＳ９９〜ステップＳ１０１の処理を繰り返し実行する（ステップＳ９８）。

事例ベース自動分類部３４１は、上記したステップＳ９４において算出された分類先候補カテゴリｃの特徴ベクトルｖｃおよびステップＳ９７において算出された分類対象文書ｄの特徴ベクトルｖｄに基づいて、当該分類先候補カテゴリｃと分類対象文書ｄとの類似度（以下、類似度ｓと表記）を算出する（ステップＳ９９）。この場合、上述した図１３に示すステップＳ４７と同様に、ベクトルの余弦等を用いて類似度ｓが算出される。

次に、事例ベース自動分類部３４１は、算出された類似度ｓが閾値ｓｍｉｎ以上（つまり、ｓｍｉｎ≦ｓ）であるか否かを判定する（ステップＳ１００）。

類似度ｓが閾値ｓｍｉｎ以上でないと判定された場合（ステップＳ１００のＮＯ）、ステップＳ９８に戻って処理が繰り返される。

一方、類似度ｓが閾値ｓｍｉｎ以上であると判定された場合（ステップＳ１００のＹＥＳ）、事例ベース自動分類部３４１は、分類先カテゴリ集合Ｃｄに分類先候補カテゴリｃを追加する（ステップＳ１０１）。

分類先候補カテゴリ集合Ｃ中の各分類先候補カテゴリｃについて繰り返し処理が実行されると、分類対象文書集合Ｄ中の分類対象文書ｄの１つについての処理が終了される。

分類対象文書集合Ｄ中の各分類対象文書ｄの全てについて繰り返し処理が実行されると、事例ベース自動分類処理は終了される。

上記したように事例ベース自動分類処理が実行されると、分類対象文書集合Ｄ中の各文書に対して、当該文書が分類されるべきカテゴリの集合（分類先カテゴリ集合Ｃｄ）を求めることができる。

なお、分類対象文書集合Ｄに含まれる各文書を、上記した事例ベース自動分類処理で求められた当該文書に対する分類先カテゴリ集合Ｃｄに含まれるカテゴリの全てに分類するのが適切であるとは限らない。そのため、後述するように、自動分類制御部３４においては適切な分類がなされるような制御が実行される。

次に、図１９のフローチャートを参照して、図２に示すルールベース自動分類部３４２によるルールベース自動分類処理の処理手順について説明する。

ルールベース自動分類部３４２は、ルールベース自動分類処理における分類先候補カテゴリの集合のうち、階層構造における最上位の分類先候補カテゴリをｃ（分類先候補カテゴリｃ）とし、分類対象文書の集合を分類対象文書集合Ｄとする（ステップＳ１１１）。分類先候補カテゴリ（の集合）および分類対象文書（の集合）は、ユーザの操作に応じて自動分類制御部３４によって決定され、当該自動分類制御部３４から与えられる。

次に、ルールベース自動分類部３４２は、分類先候補カテゴリｃに分類される文書集合（分類対象文書の集合）Ｄｃの初期値を空集合とする（ステップＳ１１２）。

ルールベース自動分類部３４２は、カテゴリ記憶部２３を参照して、分類先候補カテゴリｃの分類方法がルールベース自動分類であるか否かを判定する（ステップＳ１１３）。ルールベース自動分類部３４２は、分類先候補カテゴリｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に設定されている分類方法を参照することにより判定処理を実行する。

分類先候補カテゴリｃの分類方法がルールベース自動分類であると判定された場合（ステップＳ１１３のＹＥＳ）、ルールベース自動分類部３４２は、分類対象文書集合Ｄにおいて、当該分類先候補カテゴリｃの分類基準である分類ルールを満たす（当該分類ルールに合致する）文書集合Ｄ中の部分集合（分類対象となる文書集合Ｄの部分集合）を文書集合Ｄｃとする（ステップＳ１１４）。

一方、分類先候補カテゴリｃの分類方法がルールベース自動分類でない（つまり、事例ベース自動分類である）と判定された場合（ステップＳ１１３のＮＯ）、ルールベース自動分類部３４２は、ルールベース自動分類処理においては当該分類先候補カテゴリｃに分類すべき文書集合を求めず、暫定的に分類対象文書集合Ｄ（すなわち、現在対象としている全ての文書の集合）を文書集合Ｄｃとする（ステップＳ１１５）。

ステップＳ１１４またはステップＳ１１５の処理が実行されると、ルールベース自動分類部３４２は、文書集合Ｄｃが空集合であるか否かを判定する（ステップＳ１１６）。ここで、文書集合Ｄｃが空集合であると判定される場合とは、ステップＳ１１４において分類対象文書集合Ｄに含まれる全ての文書が分類ルールを満たさない場合である。

文書集合Ｄｃが空集合であると判定された場合（ステップＳ１１６のＹＥＳ）、分類先候補カテゴリｃの下位カテゴリに分類すべき文書が存在しないことになるため、ルールベース自動分類処理は終了される。

一方、文書集合Ｄｃが空集合でないと判定された場合（ステップＳ１１６のＮＯ）、ルールベース自動分類部３４２は、カテゴリ記憶部２３を参照して、分類先候補カテゴリｃの各下位カテゴリ（分類先候補カテゴリｃと直接的に下位の関係にあるカテゴリ）（以下、下位カテゴリｃｃと表記）についてステップＳ１１８の処理を繰り返し実行する（ステップＳ１１７）。

ルールベース自動分類部３４２は、下位カテゴリｃｃを分類先候補カテゴリｃ、上記した文書集合Ｄｃを分類対象文書集合Ｄとして、上記した処理（ステップＳ１１２〜ステップＳ１１６の処理）を再帰的に実行する（ステップＳ１１８）。

なお、分類先候補カテゴリｃの各下位カテゴリｃｃについて繰り返し処理が実行されると、ルールベース自動分類処理は終了される。

上記したように、ルールベース自動分類処理においては、ステップＳ１１１における分類先候補カテゴリの最上位のカテゴリおよび当該カテゴリと直接的または間接的に下位の関係にあるカテゴリの各々について、当該カテゴリに分類すべき文書の集合が求まることになる。ただし、ステップＳ１１５においては、事例ベース自動分類によって分類すべき文書をこのルールベース自動分類処理で決定することは留保している。

以下、ユーザがカテゴリ操作部３１を用いてカテゴリ階層構造に対して種々の操作を行った場合の文書分類装置３０の処理の流れについて説明する。

まず、図２０のフローチャートを参照して、カテゴリ操作部３１によってユーザからのカテゴリ生成要求が受け付けられた場合の文書分類装置３０の処理手順の詳細について説明する。つまり、図２０は、前述した図９に示すステップＳ１〜ステップＳ４の処理の詳細を示す。図２０に示す処理は、カテゴリ操作部３１、クラスタリング制御部３２およびカテゴリ分類方法設定部３３によって実行される。

クラスタリング制御部３１は、カテゴリ操作部３１においてカテゴリ生成要求が受け付けられると、ユーザが当該カテゴリ操作部３１を用いて指定したカテゴリを対象カテゴリｃとする（ステップＳ１２１）。つまり、以下の処理においては対象カテゴリｃの下位カテゴリが自動生成される。

ここで、ユーザは、カテゴリ操作部３１に対する操作により、対象カテゴリｃに対するクラスタリング処理を選択することができる。具体的には、カテゴリ操作部３１にクラスタリング処理の選択画面が表示され、ユーザは、当該選択画面を介して文書クラスタリング処理または単語クラスタリング処理のいずれかを選択することができる。

ここで、図２１および図２２は、カテゴリ操作部３１に表示されるクラスタリング処理の選択画面の一例を示す。

図２１は、ユーザが例えば「ルート」カテゴリを対象カテゴリとして指定し、当該「ルート」カテゴリに対するクラスタリング処理として単語クラスタリング（処理）を選択する場合の選択画面の一例を示す。

一方、図２２は、ユーザが例えば「ルート」カテゴリを対象カテゴリとして指定し、当該「ルート」カテゴリに対するクラスタリング処理として文書クラスタリング（処理）を選択する場合の選択画面の一例を示す。

カテゴリ操作部３１に表示される選択画面においては、図２１および図２２に示すようなダイアログ・ウィンドウがユーザに対して提示される。

クラスタリング制御部３２は、カテゴリ操作部３１を用いてユーザによって選択されたクラスタリング処理が文書クラスタリング処理であるか否かを判定する（ステップＳ１２２）。

ユーザによって選択されたクラスタリング処理が文書クラスタリング処理であると判定された場合（ステップＳ１２２のＹＥＳ）、クラスタリング制御部３２は、対象カテゴリｃに分類されている文書の集合（以下、文書集合Ｄｃと表記）を対象として文書クラスタリング部３２１による文書クラスタリング処理を実行する（ステップＳ１２３）。

この場合、前述した図１３および図１４に示す処理が実行され、その結果、クラスタの集合が得られる。以下、文書クラスタリング処理において得られたクラスタの集合をクラスタ集合Ｃｄとする（ステップＳ１２４）。

次に、クラスタリング制御部３２は、クラスタ集合Ｃｄ中の各クラスタ（以下、クラスタｃｄと表記）について以下のステップＳ１２６〜ステップＳ１２８の処理を繰り返し実行する（ステップＳ１２５）。

クラスタリング制御部３２は、クラスタｃｄに対応するカテゴリ（以下、カテゴリｃｃと表記）を作成する（ステップＳ１２６）。クラスタリング制御部３２によって作成されたカテゴリｃｃのカテゴリ名は、自動的に設定される。例えば上記した文書クラスタリング処理におけるクラスタｃｄの特徴ベクトル中で、重みが最大の単語がクラスタ名とされる。このカテゴリ名は、カテゴリｃｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に記憶（設定）される。

また、クラスタリング制御部３２は、作成されたカテゴリｃｃを対象カテゴリｃの下位カテゴリ（対象カテゴリｃと直接的に下位の関係にあるカテゴリ）とする。この場合、カテゴリｃｃを識別するためのカテゴリ番号に対応づけて対象カテゴリｃを識別するためのカテゴリ番号が上位カテゴリ番号としてカテゴリ記憶部２３に記憶（設定）される。

次に、カテゴリ分類方法設定部３３は、カテゴリｃｃの分類方法をカテゴリ記憶部２３に設定する。

ここで、クラスタｃｄは、文書クラスタリング処理、すなわち、文書の特徴ベクトルの類似性に基づいた方法によって生成されたものであるため、当該クラスタｃｄに対応するカテゴリｃｃに設定される分類方法としては、文書の類似性に基づいた分類方法である事例ベース自動分類が適切である。

したがって、カテゴリ分類方法設定部３３は、カテゴリｃｃの分類方法を事例ベース自動分類とする（ステップＳ１２７）。つまり、カテゴリ分類方法設定部３３は、カテゴリｃｃのデフォルトの分類方法として事例ベース自動分類をカテゴリ記憶部２３に設定する。

また、カテゴリ分類方法設定部３３は、クラスタｃｄに分類されている文書のいずれかを選択し、当該文書をカテゴリｃｃの分類基準（である教師文書）としてカテゴリ記憶部２３に設定する（ステップＳ１２８）。

教師文書を自動的に選択する方法としては、クラスタｃｄの特徴ベクトルを用いて、当該クラスタｃｄと類似度の大きい文書を所定数選択して教師文書とする方法がある。このクラスタｃｄの特徴ベクトルは、前述した図１２に示す処理によって算出される特徴ベクトルであり、図１４に示す（ステップＳ５４の）処理によって常に再計算されるものである。なお、教師文書は、ユーザによって明示的に手作業で選択されてもよい。

次に、クラスタ集合Ｃｄ中の各クラスタｃｄについて繰り返し処理が実行されると、処理は終了される。

上記したステップＳ１２２において、ユーザによって選択されたクラスタリング処理が文書クラスタリング処理でない（つまり、単語クラスタリング処理である）と判定された場合、クラスタリング制御部３２は、対象カテゴリに分類されている文書集合Ｄｃを対象として単語クラスタリング部３２２による単語クラスタリング処理を実行する（ステップＳ１２９）。

この場合、前述した図１５〜図１７に示す処理が実行され、その結果、クラスタの集合が得られる。以下、単語クラスタリング処理において得られたクラスタの集合をクラスタ集合Ｃｔとする（ステップＳ１３０）。

次に、クラスタリング制御部３２は、クラスタ集合Ｃｔ中の各クラスタ（以下、クラスタｃｔと表記）について以下のステップＳ１３２〜ステップＳ１３４の処理を繰り返し実行する（ステップＳ１３１）。

クラスタリング制御部３２は、クラスタｃｔに対応するカテゴリｃｃを作成する（ステップＳ１３２）。クラスタリング制御部３２によって作成されたカテゴリｃｃのカテゴリ名は、自動的に設定される。この場合、上記した単語クラスタリング処理におけるクラスタｃｔに対応する単語または単語間の関係をそのまま用いてカテゴリ名とする。このカテゴリ名は、カテゴリｃｃを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に記憶（設定）される。

また、クラスタリング制御部３２は、作成されたカテゴリｃｃを対象カテゴリｃの下位カテゴリとする。この場合、カテゴリｃｃを識別するためのカテゴリ番号に対応づけて対象カテゴリｃを識別するためのカテゴリ番号が上位カテゴリ番号としてカテゴリ記憶部２３に記憶（設定）される。

次に、カテゴリ分類方法設定部３３は、カテゴリｃｃの分類方法をカテゴリ記憶部２３に設定する。

ここで、クラスタｃｔは、単語クラスタリング、すなわち、文書中での単語あるいは単語間の関係の出現頻度に基づいて方法によって生成されたものであるため、当該クラスタｃｔに対応するカテゴリｃｃに設定される分類方法としては、文書中での単語あるいは単語間の関係の出現の有無によって文書を分類するルールベース自動分類が適切である。

したがって、カテゴリ分類方法設定部３３は、カテゴリｃｃの分類方法をルールベース自動分類とする（ステップＳ１３３）。つまり、カテゴリ分類方法設定部３３は、カテゴリｃｃのデフォルトの分類方法としてルールベース自動分類をカテゴリ記憶部２３に設定する。

また、カテゴリ分類方法設定部３３は、クラスタｃｔに対応する単語または単語間の関係の、文書中での出現の有無を条件とした分類ルールを作成し、当該分類ルールをカテゴリｃｃの分類基準としてカテゴリ記憶部２３に設定する（ステップＳ１３４）。なお、分類ルールは、ユーザが手作業で設定あるいは変更してもよい。

クラスタ集合Ｃｔ中の各クラスタｃｔについて繰り返し処理が実行されると、処理は終了される。

なお、上述した図１５〜図１７において説明したように、単語クラスタリング処理においては複数段の階層構造を構成するクラスタを生成することが可能であるが、この場合には、当該クラスタに対応したカテゴリが当該クラスタと同様の階層構造を構成するように対象カテゴリｃの下位に作成される。

ここで、図２１〜図２６を参照して、上述した図２０に示す処理によって作成されたカテゴリ（の階層構造）について具体的に説明する。

なお、図２１〜図２６においては、分類方法としてルールベース自動分類が設定されたカテゴリを矩形で表し、分類方法として事例ベース自動分類が設定されたカテゴリを角丸矩形で表す。また、図２１〜図２６において「ルート」カテゴリの件数（３０００件）は、カテゴリの階層構造全体に分類されている文書数を表す。また、「ルート」カテゴリ以外のカテゴリの件数は、当該カテゴリに分類されている文書数を表す。

まず、図２１に示すように、ユーザによって指定された「ルート」カテゴリに対して単語クラスタリング処理が実行された場合を想定する。この場合には、例えば図２３に示すように、「燃料」および「ブレーキ」等の新しいカテゴリ集合が自動的に作成され、これらは「ルート」カテゴリの下位カテゴリとなる。なお、ここで作成されたカテゴリ集合は、単語クラスタリング処理によって作成されたクラスタに対応するカテゴリであるため、分類方法としてはルールベース自動分類が設定され、分類基準としては分類ルールが設定される。例えば、図２３に示す「燃料」カテゴリの分類基準（分類ルール）には、例えば前述した図６に示す分類ルール、すなわち、「燃料」という単語を文書のテキスト「問題」または「対策」に含むことを条件とした分類ルールが設定される。

一方、図２２に示すように、ユーザが指定した「ルート」カテゴリに対して文書クラスタリング処理が実行された場合を想定する。この場合には、例えば図２４に示すように、「ランプ」および「ワイパー」の新しいカテゴリ集合が自動的に作成され、これらは「ルート」カテゴリの下位カテゴリとなる。なお、ここで作成されたカテゴリ集合は、文書クラスタリング処理によって作成されたクラスタに対応するカテゴリであるため、分類方法としては事例ベース自動分類が設定され、分類基準として教師文書が設定される。

なお、クラスタリング処理によるカテゴリに自動生成は、カテゴリの階層構造の任意の部分（カテゴリ）を対象に実行することができる。

例えば図２４に示すカテゴリ「燃料」を対象に文書クラスタリングが実行された場合を想定する。この場合、図２５に示すように、分類方法として事例ベース自動分類が設定されたカテゴリ「タンク」および「ポンプ」がカテゴリ「燃料」の下位カテゴリとして作成される。

また、図２５に示すカテゴリ「タンク」を対象に単語クラスタリングを行うことで、図２６に示すように、分類方法としてルールベース自動分類が設定されたカテゴリ「亀裂」および「変形」がカテゴリ「タンク」の下位カテゴリとして作成される。

なお、カテゴリの作成は、クラスタリングによって自動的に作成するだけでなく、ユーザが例えばカテゴリ操作部３１を操作することによって手作業により作成することも可能である。例えば図２６に示すカテゴリ「２００７年」および「２００８年」は、カテゴリ「ランプ」の下位カテゴリとしてユーザが手作業で作成したカテゴリの例である。これらのカテゴリは、例えば図７に示すような文書の属性「報告日」を条件とした分類ルールが設定されたカテゴリである。

文書クラスタリング処理または単語クラスリング処理によって作成されたカテゴリは、文書のテキストの内容に応じて分類を行うのに向いている一方、このように、文書の属性に応じた分類にも有用な場合がある。

このように、複数の異なるクラスタリング処理を使い分けることにより、複数の異なる分類方法のカテゴリを自由に組み合わせた階層構造を作成することが可能となる。

次に、図２７のフローチャートを参照して、カテゴリ操作部３１によってユーザからの分類方法変更要求が受け付けられた場合の文書分類装置３０の処理手順の詳細について説明する。つまり、図２７は、前述した図９に示すステップＳ５〜ステップＳ９の処理の詳細を示す。図２７に示す処理は、カテゴリ操作部３１、カテゴリ分類方法設定部３３および自動分類制御部３４によって実行される。

カテゴリ分類方法設定部３３は、カテゴリ操作部３１において分類方法変更要求が受け付けられると、ユーザが当該カテゴリ操作部３１を用いて指定したカテゴリ（つまり、分類方法を変更するカテゴリ）を対象カテゴリｃとする（ステップＳ１４１）。すなわち、以下の処理では、この対象カテゴリｃを対象として、当該対象カテゴリｃの分類方法または分類基準を設定または変更する処理が実行される。

なお、ユーザは、カテゴリ操作部３１を用いて、対象カテゴリｃの分類方法を事例ベース自動分類からルールベース自動分類へ変更（以下、第１の変更と表記）、当該対象カテゴリｃの分類方法をルールベース自動分類から事例ベース自動分類へ変更（以下、第２の変更と表記）または当該対象カテゴリｃの分類基準（分類ルールまたは教師文書）の変更のいずれかを分類方法変更要求において指定することができる。なお、対象カテゴリｃの分類基準の変更が指定される場合には、当該変更後の分類基準がユーザによって指定される。

カテゴリ分類方法設定部３３は、カテゴリ操作部３１において受け付けられた分類方法変更要求において上記した第１の変更がユーザによって指定されたか否かを判定する（ステップＳ１４２）。

第１の変更がユーザによって指定されたと判定された場合（ステップＳ１４２のＹＥＳ）、カテゴリ分類方法設定部３３は、対象カテゴリｃの分類方法としてルールベース自動分類をカテゴリ記憶部２３に設定する。

次に、カテゴリ分類方法設定部３３は、対象カテゴリｃに分類されている文書に多く出現する単語または当該単語間の関係を用いて、分類ルールを作成する。この処理では、例えば事例ベース自動分類処理のために算出されている対象カテゴリｃの特徴ベクトルを用いて重みの大きい単語を選択してもよいし、前述した単語クラスタリング処理における単語の関係（単語ｔｉおよび単語ｔｊの関係）を用いても構わない。

カテゴリ分類方法設定部３３は、作成された分類ルールを対象カテゴリｃの分類基準としてカテゴリ記憶部２３に設定する（ステップＳ１４３）。

ここでは、カテゴリ分類方法設定部３３が自動的に分類ルールを設定する場合について説明したが、ユーザが分類ルールを手作業で設定する構成であっても構わない。

一方、第１の変更がユーザによって指定されていないと判定された場合（ステップＳ１４２のＮＯ）、カテゴリ分類方法設定部３３は、カテゴリ操作部３１において受け付けられた分類方法変更要求において上記した第２の変更がユーザによって指定されたか否かを判定する（ステップＳ１４４）。

第２の変更がユーザによって指定されたと判定された場合（ステップＳ１４４のＹＥＳ）、カテゴリ分類方法設定部３３は、対象カテゴリの分類方法として事例ベース自動分類をカテゴリ記憶部２３に設定する。

次に、カテゴリ分類方法設定部３３は、対象カテゴリｃに分類されている文書のいずれかを当該対象カテゴリｃの教師文書としてカテゴリ記憶部２３に設定する（ステップＳ１４５）。この場合、上述した図２０に示すステップＳ１２８において説明したような方法を用いて教師文書とする文書を選択する。

一方、ステップＳ１４４において第２の変更がユーザによって指定されていないと判定された場合（ステップＳ１４４のＮＯ）、カテゴリ分類方法設定部３３は、カテゴリ操作部３１において受け付けられた分類方法変更要求において上記した対象カテゴリｃの分類基準の変更がユーザによって指定されたか否かを判定する（ステップＳ１４６）。

対象カテゴリｃの分類基準の変更がユーザによって指定された場合（ステップＳ１４６のＹＥＳ）、カテゴリ分類方法設定部３３は、当該ユーザによって指定された変更後の分類基準（分類ルールまたは教師文書）を対象カテゴリｃの分類基準としてカテゴリ記憶部２３に設定する。

上記したように、カテゴリの分類方法または分類基準が変更された場合、その結果を分類階層（カテゴリの階層構造）に反映するために文書の自動分類（再分類）を行う必要がある。このため、自動分類制御部３４によって以下のステップＳ１４８〜ステップＳ１５０の処理が実行される。

自動分類制御部３４は、対象カテゴリｃおよび当該対象カテゴリｃと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合Ｃｃとして決定する（ステップＳ１４８）。

すなわち、対象カテゴリｃの分類方法または分類基準が変更された結果、例えば対象カテゴリｃの上位カテゴリ（当該対象カテゴリｃと直接的または間接的に上位の関係にあるカテゴリ）に分類されている文書には、当該対象カテゴリｃまたは当該対象カテゴリｃの下位カテゴリ（当該対象カテゴリｃと直接的または間接的に下位の関係にあるカテゴリ）に分類しなおすべき文書が含まれている可能性がある。また、対象カテゴリｃまたは当該対象カテゴリｃの下位カテゴリに分類されている文書には、分類基準の変更等により当該カテゴリにそのまま分類させ続けることができず、別のカテゴリ、特に対象カテゴリｃの上位カテゴリに分類しなおす必要がある文書が含まれている場合がある。このような観点から、分類先候補カテゴリ集合Ｃｃは、上記したステップＳ１４８のように決定される。

次に、自動分類制御部３４は、決定された分類先候補カテゴリ集合Ｃｃ（に含まれる各カテゴリ）に分類されている文書の集合を、分類対象文書集合Ｄｃとして決定する（ステップＳ１４９）。

自動分類制御部３４は、上記したように決定された分類先候補カテゴリ集合Ｃｃおよび分類対象文書集合Ｄｃを対象として、自動分類処理を実行する（ステップＳ１５０）。この自動分類処理においては、上述した事例ベース自動分類部３４１による事例ベース自動分類処理およびルールベース自動分類部３４２によるルールベース自動分類処理が実行される。なお、この自動分類処理の詳細については後述する。

なお、上記したステップＳ１４６において、対象カテゴリｃの分類基準の変更がユーザによって指定されていないと判定された場合には処理は終了される。

ここで、図２８および図２９は、ユーザが対象カテゴリｃの分類方法の設定（変更）を行うためのカテゴリ操作部３１に表示される設定画面の一例を示す。

図２８に示す設定画面において、例えばユーザが対象カテゴリｃとしてカテゴリ「ポンプ」を指定した場合、当該カテゴリ「ポンプ」の分類方法および分類基準の設定内容がダイアログ・ウィンドウ等の形でユーザに対して提示される。

ここでは、カテゴリ「ポンプ」の分類方法には事例ベース自動分類が設定されている。また、カテゴリ「ポンプ」の分類基準である教師文書は、例えば上述した図２０に示すステップＳ１２８の処理または図２７に示すステップＳ１４５の処理において自動的に設定された文書である。なお、図２８に示すように、教師文書の一覧は、その候補も含めてユーザに対して表示される。ユーザは、この教師文書の設定を手作業により変更する場合には、手動設定を選択し、教師文書の一覧表示上で教師文書とすべき文書を選択することで所望とする教師文書を設定することができる。

また、上記したように設定画面においては分類方法自体を変更することも可能である。ここでは、図２８に示すカテゴリ「ポンプ」の分類方法を、事例ベース自動分類からルールベース自動分類へ変更する場合について説明する。図２８に示す設定画面において、分類方法としてルールベース自動分類を選択すると、図２９に示す設定画面に遷移する。これにより、カテゴリ「ポンプ」の分類方法がルールベース自動分類に変更できる。このカテゴリ「ポンプ」の分類ルールを自動で設定する場合には、図２９に示す設定画面上の自動設定を選択することで、上記した図２７に示すステップＳ１４３において説明したように分類ルールが自動的に作成される。図２９に示す設定画面上の分類ルールは、文書テキスト「問題」または「対策」のテキストに「ポンプ」または「噴射」の語句を含むことを条件とした分類ルールである。ユーザが分類ルールを手作業によって変更（または追加）したい場合には、図２９に示す設定画面上の手動設定を選択し、当該設定方法を切り替えた上で、手動で所望の形のルールを入力することができる。

次に、カテゴリ操作部３１によってユーザからのカテゴリ編集要求が受け付けられた場合の文書分類装置３０の処理手順の詳細について説明する。ユーザは、カテゴリ操作部３１を用いてカテゴリの階層構造に対してカテゴリ編集操作を行うことによってカテゴリ編集要求を行う。

ここで、図３０を参照して、カテゴリ操作部３１を用いてユーザがカテゴリの階層構造に対して行うカテゴリ編集操作について説明する。ここでは、前述した図２３に示すカテゴリの階層構造に対してカテゴリ編集操作が行われるものとして説明する。

ユーザが、図２３に示すカテゴリの階層構造を所望の形（構造）に編集するために行う代表的な操作としては、前述したように「統合」、「移動」、「複製」および「削除」が挙げられる。

図３０に示すように、ユーザは、カテゴリ操作部３１を操作することによって、例えばカテゴリ「ガソリン」をカテゴリ「燃料」に統合する操作（以下、統合操作と表記）を行うことができる。

また、ユーザは、カテゴリ操作部３１を操作することによって、例えばカテゴリ「ペダル」をカテゴリ「ブレーキ」の下位カテゴリに移動する操作（以下、移動操作と表記）を行うことができる。

また、ユーザは、カテゴリ操作部３１を操作することによって、例えばカテゴリ「ブレーキ」の下位カテゴリ「ペダル」をカテゴリ「アクセル」の下位カテゴリの位置に複製する操作（以下、複製操作と表記）を行うことができる。

更に、ユーザは、カテゴリ操作部３１を操作することによって、例えばカテゴリ「配線」を削除する操作（以下、削除操作と表記）を行うことができる。

なお、図３１は、図２３に示すカテゴリの階層構造において、図３０に示す統合、移動、複製および削除等の操作がユーザによって行われた後のカテゴリの階層構造を示す。

このように、ユーザによるカテゴリ編集操作によって分類構造（カテゴリの階層構造）が変更された場合には、上記したカテゴリの分類方法または分類基準が変更された場合と同様に、文書を分類しなおすことが必要となる。

具体的には、図３０に示すように、分類方法としてルールベース自動分類が設定されているカテゴリ「ペダル」がカテゴリ「ブレーキ」の下位に移動された場合、これらのカテゴリの分類ルール自体に変化はなくても、カテゴリの階層構造が変化されるため、分類ルールの適用のされ方が変化する。つまり、カテゴリ「ブレーキ」の下位に移動されたカテゴリ「ペダル」に分類されるべき文書は、カテゴリ「ブレーキ」およびカテゴリ「ペダル」の両方の分類ルールを満足する文書である。したがって、図３０に示すように、移動前のカテゴリ「ペダル」に分類されている文書数は９５件であるが、移動後のカテゴリ「ペダル」に分類される文書数は６２件となる。このように、カテゴリの階層構造が変更された場合には、当該変更に伴って、文書を分類しなおす処理（つまり、再分類処理）を自動的に行うことが必要となる。

以下、図３２〜図３５のフローチャートを参照して、カテゴリ操作部ｌ３１によってユーザからのカテゴリ編集要求が受け付けられた場合の文書分類装置３０の処理手順の詳細について説明する。つまり、図３２〜図３５は、前述した図９に示すステップＳ１０〜ステップＳ１４の処理の詳細を示す。

図３２〜図３５に示す処理は、カテゴリ操作部３１によってユーザの操作が受け付けられことで開始され、当該処理の結果、すなわち、ユーザによって編集が行われ、文書分類装置３０によって自動分類が行われた結果のカテゴリの階層構造（分類構造）は、当該カテゴリ操作部３１によってユーザに提示される。

まず、図３２のフローチャートを参照して、上記したようにカテゴリ操作部３１を用いてカテゴリの統合操作が行われた場合の処理手順について説明する。

まず、カテゴリ分類方法設定部３３は、ユーザによってカテゴリの統合操作が行われた場合、当該ユーザによって指定されたカテゴリの集合を統合対象カテゴリ集合Ｃとし、当該統合対象カテゴリ集合Ｃの中の１つのカテゴリ（統合後も削除されない代表のカテゴリ）を統合結果カテゴリｃとする（ステップＳ１５１）。図３０に示す例では、カテゴリ「燃料」および「ガソリン」が統合対象カテゴリ集合Ｃであり、カテゴリ「燃料」が統合結果カテゴリｃである。この場合、カテゴリ「ガソリン」は、図３１に示すように統合操作の結果、削除されることになる。

なお、統合操作においては、分類方法が同一である複数のカテゴリが統合されるものとする。

次に、カテゴリ分類方法設定部３３は、統合対象カテゴリ集合Ｃに含まれるカテゴリの分類基準（教師文書または分類ルール）の内容を統合し、当該統合された分類基準を統合結果カテゴリｃの分類基準としてカテゴリ記憶部２３に設定する（ステップＳ１５２）。

この場合、カテゴリ分類方法設定部３３は、統合対象カテゴリ集合Ｃに含まれる各カテゴリの分類方法が事例ベース自動分類である場合には、統合結果カテゴリｃの教師文書として、当該統合対象カテゴリ集合Ｃ中の全カテゴリの教師文書の和集合をカテゴリ記憶部２３に設定する。

また、カテゴリ分類方法設定部３３は、統合対象カテゴリ集合Ｃに含まれる各カテゴリの分類方法がルールベース自動分類である場合には、統合結果カテゴリｃの分類ルールとして、当該対象カテゴリ集合Ｃ中の全カテゴリの分類ルールの論理和をカテゴリ記憶部２３に設定する。

統合結果カテゴリｃの分類基準をこのようにすることで、当該統合結果カテゴリｃには、統合前の各カテゴリに自動分類されるであろう文書が分類されやすくなる。なお、統合結果カテゴリの分類方法は変更されない。

以下のステップＳ１５３およびステップＳ１５４は、後述するステップＳ１５６の自動分類処理において対象とするカテゴリおよび文書の集合を決定する処理である。この処理は、上述した図２７に示すステップＳ１４８およびステップＳ１４９の処理と同様の考え方に基づいて実行される。

自動分類制御部３４は、統合対象カテゴリ集合Ｃ中の各カテゴリおよびこれらと直接的または間接的に上位下位関係にある（上位または下位の関係にある）カテゴリの集合を分類先候補カテゴリ集合Ｃｃとして決定する（ステップＳ１５３）。

また、自動分類制御部３４は、決定された分類先候補カテゴリ集合Ｃｃ中の各カテゴリに分類されている文書の集合を分類対象文書集合Ｄｃとして決定する（ステップＳ１５４）。

次に、実際に統合対象カテゴリ集合Ｃ中の各カテゴリを統合する処理が実行される（ステップＳ１５５）。すなわち、統合対象カテゴリ集合Ｃ中の統合結果カテゴリｃ以外の各カテゴリ（カテゴリｃｉ）について、当該各カテゴリｃｉの各下位カテゴリ（カテゴリｃｊ）が統合結果カテゴリｃの下位に移動される。その後、統合対象カテゴリ集合Ｃ中の統合結果カテゴリｃ以外の各カテゴリｃｉが削除される。

ステップＳ１５５の処理が実行されると、自動分類制御部３４は、ステップＳ１５３において決定された分類先候補カテゴリＣｃおよびステップＳ１５４において決定された分類対象文書集合Ｄｃを対象として、自動分類処理を実行する（ステップＳ１５６）。この自動分類処理は、上述した図２７に示すステップＳ１５０と同様の処理であり、その詳細については後述する。

次に、図３３のフローチャートを参照して、上記したようにカテゴリ操作部３１を用いてカテゴリの移動操作が行われた場合の処理手順について説明する。

まず、カテゴリ分類方法設定部３３は、ユーザによってカテゴリの移動操作が行われた場合、当該ユーザによって指定されたカテゴリを移動対象カテゴリＣとし、当該移動対象カテゴリＣの移動先の上位カテゴリを移動先上位カテゴリｃとする（ステップＳ１６１）。図３０に示す例では、カテゴリ「ペダル」が移動対象カテゴリＣであり、カテゴリ「ブレーキ」が移動先上位カテゴリｃである。

なお、複数のカテゴリを同一のカテゴリの下位に移動させる場合には、当該複数のカテゴリを移動対象カテゴリ集合Ｃとすることができる。

次に、自動分類制御部３４は、移動対象カテゴリＣ、移動先上位カテゴリｃおよびこれらと直接的または間接的に上位下位関係にあるカテゴリの集合を分類先候補カテゴリ集合Ｃｃとして決定する（ステップＳ１６２）。

また、自動分類制御部３４は、決定された分類先候補カテゴリ集合Ｃｃ中の各カテゴリに分類されている文書の集合を分類対象文書集合Ｄｃとして決定する（ステップＳ１６３）。

次に、移動対象カテゴリＣが移動先上位カテゴリｃの下位に移動される（ステップＳ１６３）。

このように変更されたカテゴリの階層構造（分類構造）のもとで、自動分類制御部３４は、自動分類処理を実行する（ステップＳ１６４）。この自動分類処理は、上述した図２７に示すステップＳ１５０と同様の処理であり、その詳細については後述する。

次に、図３４のフローチャートを参照して、上記したようにカテゴリ操作部３１を用いてカテゴリの複製操作が行われた場合の処理手順について説明する。

まず、カテゴリ分類方法設定部３３は、ユーザによってカテゴリの複製操作が行われた場合、当該ユーザによって指定されたカテゴリを複製対象カテゴリＣとし、当該複製対象カテゴリＣの複製先の上位カテゴリを複製先上位カテゴリｃとする（ステップＳ１７１）。図３０に示す例では、カテゴリ「ペダル」が複製対象カテゴリＣであり、カテゴリ「アクセル」が複製先上位カテゴリｃである。

なお、複数のカテゴリを同一のカテゴリの下位に複製する場合には、当該複数のカテゴリを複製対象カテゴリ集合Ｃとすることができる。

次に、複製対象カテゴリＣが複製され、当該複製結果のカテゴリ（以下、複製結果カテゴリｃｊと表記）が複製先上位カテゴリｃの下位カテゴリに設定される（ステップＳ１７２）。図３０に示す例では、複製先上位カテゴリｃの下位カテゴリであるカテゴリ「ペダル」が複製結果カテゴリｃｊである。

ここで、カテゴリの複製処理では、カテゴリ名をはじめ、分類方法および分類基準等の設定内容についても複製される。

自動分類制御部３４は、複製先上位カテゴリｃおよび当該複製先上位カテゴリｃと直接的または間接的に上位下位関係にあるカテゴリの集合を分類先候補カテゴリ集合Ｃｃとして決定する（ステップＳ１７３）。

また、自動分類制御部３４は、複製対象カテゴリＣまたはステップＳ１７３において決定された分類先候補カテゴリ集合Ｃｃ中の各カテゴリに分類されている文書の集合を分類対象文書集合Ｄｃとして決定する（ステップＳ１７４）。

このように変更されたカテゴリの階層構造（分類構造）のもとで、自動分類制御部３４は、自動分類処理を実行する（ステップＳ１７５）。この自動分類処理は、上述した図２７に示すステップＳ１５０と同様の処理であり、その詳細については後述する。

次に、図３５のフローチャートを参照して、上記したようにカテゴリ操作部３１を用いてカテゴリの削除操作が行われた場合の処理手順について説明する。

まず、カテゴリ分類方法設定部３３は、ユーザによってカテゴリの削除操作が行われた場合、当該ユーザによって指定されたカテゴリを削除対象カテゴリＣとする（ステップＳ１８１）。図３０に示す例では、カテゴリ「配線」が削除対象カテゴリＣである。

なお、複数のカテゴリを削除する場合には、当該複数のカテゴリを削除対象カテゴリ集合Ｃとすることができる。

次に、自動分類制御部３４は、削除対象カテゴリＣと直接的または間接的に上位下位関係にあるカテゴリの集合を分類先候補カテゴリ集合Ｃｃとして決定する（ステップＳ１８３）。なお、分類先候補カテゴリ集合Ｃｃには、削除対象カテゴリＣは含まれない。

また、自動分類制御部３４は、削除対象カテゴリＣまたはステップＳ１８３において決定された分類先候補カテゴリ集合Ｃｃ中の各カテゴリに分類されている文書の集合を分類対象文書集合Ｄｃとして決定する（ステップＳ１８４）。

次に、削除対象カテゴリＣが削除される（ステップＳ１８４）。このとき、削除対象カテゴリＣの下位カテゴリ（例えば、カテゴリｃｊ）が当該削除対象カテゴリＣの上位カテゴリ（例えば、カテゴリｃｋ）の下位に移動される。すなわち、削除対象カテゴリＣの下位カテゴリｃｊを当該削除対象カテゴリＣの上位カテゴリｃｋの下位に付け替える処理を行った上で、削除対象カテゴリは削除される。

このように変更されたカテゴリの階層構造（分類構造）のもとで、自動分類制御部３４は、自動分類処理を実行する（ステップＳ１８５）。この自動分類処理は、上述した図２７に示すステップＳ１５０と同様の処理であり、その詳細については後述する。

次に、図３６および図３７のフローチャートを参照して、前述した自動分類処理の処理手順について説明する。図３６および図３７に示す自動分類処理は、上述した図２７に示すステップＳ１５０、図３２に示すステップＳ１５６、図３３に示すステップＳ１６４、図３４に示すステップＳ１７５および図３５に示すステップＳ１８５において自動分類制御部３４によって実行される処理である。

なお、前述した図９に示すステップＳ８およびステップＳ９（ステップＳ１３およびステップＳ１４）において説明したが、自動分類処理においてはルールベース自動分類処理が実行され、その後に事例ベース自動分類処理が実行される。

ここで、図３６および図３７に示す自動分類処理の概念（考え方）について、図３８〜図４０を用いて説明する。なお、図３８〜図４０は、カテゴリの階層構造を示すものとする。

また、図３８〜図４０に示すカテゴリ階層構造においては、前述した図２１〜図２６と同様に、分類方法としてルールベース自動分類が設定されたカテゴリは矩形で表され、分類方法として事例ベース自動分類が設定されたカテゴリは角丸矩形で表されているものとする。

つまり、図３８〜図４０においては、カテゴリｃｒ（ｃｒ０１、ｃｒ０４、ｃｒ０９、ｃｒ１２）は分類方法としてルールベース自動分類が設定されたカテゴリを表し、カテゴリｃｅ（ｃｅ０２、ｃｅ０３、ｃｅ０５、ｃｅ０６、ｃｅ０７、ｃｅ０８、ｃｅ１０、ｃｅ１１、ｃｅ１３、ｃｅ１４）は分類方法として事例ベース自動分類が設定されたカテゴリを表す。

例えば図３８に示すカテゴリの階層構造（分類構造）が存在するものとする。この図３８に示すカテゴリの階層構造において、例えば文書ｄ１が、ルールベース自動分類が分類方法として設定されているカテゴリのうち、カテゴリｃｒ０１およびｃｒ０４の分類ルールを満たし、カテゴリｃｒ０９およびｃｒ１２の分類ルールを満たさないものとする。なお、正確に言えば、文書ｄ１がカテゴリｃｒ０４の分類ルールを満たすとは、カテゴリｃｒ０４の上位カテゴリであるカテゴリｃｒ０１の分類ルールと当該カテゴリｃｒ０４の分類ルールの両方、つまり論理積の条件を満たすことをいう。

この場合、文書ｄ１が事例ベース自動分類によって分類され得るカテゴリの候補（分類先候補）は、カテゴリｃｅ０２、ｃｅ０３、ｃｅ０５、ｃｅ０６、ｃｅ０７、ｃｅ０８、ｃｅ１１の７つである。文書ｄ１は、例えばカテゴリｃｒ０９の分類ルールを満たさない場合には、当該カテゴリｃｒ０９および当該カテゴリｃｒ０９の下位カテゴリには分類され得ないため、カテゴリｃｅ１０は分類先候補とはならない。同様に、カテゴリｃｅ１３およびｃｅ１４は分類先候補とはならない。その結果、文書ｄ１の分類先候補となるカテゴリは、図３８において網掛けで示されているカテゴリ（つまり、カテゴリｃｒ０１、ｃｅ０２、ｃｅ０３、ｃｒ０４、ｃｅ０５、ｃｅ０６、ｃｅ０７、ｃｅ０８、ｃｅ１１）となる。

同様に、例えば文書ｄ２がカテゴリｃｒ０１およびｃｒ０９の分類ルールを満たし、カテゴリｃｒ０４およびｃｒ１２の分類ルールを満たさない場合には、文書ｄ２の分類先候補となるカテゴリは、図３９において網掛けで示されているカテゴリ（つまり、ｃｒ０１、ｃｅ０２、ｃｅ０３、ｃｅ０８、ｃｒ０９、ｃｅ１０、ｃｅ１１）となる。

また、図３８および図３９に示すように、文書ｄ１および文書ｄ２の両方ともカテゴリｃｒ１２、ｃｅ１３およびｃｅ１４には分類され得ない。

このように、ルールベース自動分類によって分類先候補のカテゴリを絞る（限定する）ことにより、後に実行される事例ベース自動分類の処理を効率化することができ、不適切なカテゴリに文書が分類されることを回避することができる。

一方、事例ベース自動分類によって、文書ｄ１が例えばカテゴリｃｅ０６に分類された場合を想定すると、当該カテゴリｃｅ０６と直接的または間接的に上位の関係にあるカテゴリ（上位カテゴリ）には、文書ｄ１を分類する必要はない。すなわち、この場合には、例えばカテゴリｃｅ０２またはｃｅ０５には、既に文書ｄ１が間接的に分類されていることになるため、これらのカテゴリに文書ｄ１を分類すべきか否かを判定する必要はない（逆にもし、文書ｄ1を例えばカテゴリｃｅ０５に直接分類するのが適切であるのならば、当該文書ｄ1をカテゴリｃｅ０６に分類するのは適切でないということになる）。したがって、この場合に文書ｄ１をカテゴリｃｅ０６に分類した場合、当該カテゴリｃｅ０６の他に文書ｄ１の分類先候補となるカテゴリは、図３８に示す分類先候補となるカテゴリから更に、図４０において網掛けで示されているカテゴリ（つまり、ｃｅ０３、ｃｅ０６、ｃｅ０８、ｃｅ１１）に絞ることができる。

図３６および図３７に示す自動分類処理は、以上のような考えに基づいて、実行される。以下、図３６および図３７に示す自動分類処理について説明する。

まず、自動分類制御部３４は、分類先候補となるカテゴリの集合を分類先候補カテゴリ集合Ｃ、当該分類対象となる文書の集合を分類対象文書集合Ｄとする（ステップＳ１９１）。

なお、この分類先候補カテゴリ集合Ｃは、上述した図２７に示すステップＳ１４８、図３２に示すステップＳ１５３、図３３に示すステップＳ１６２、図３４に示すステップＳ１７３および図３５に示すステップＳ１８２において決定された分類先候補カテゴリ集合（Ｃｃ）である。

また、この分類対象文書集合Ｄは、図２７に示すステップＳ１４９、図３２に示すステップＳ１５４、図３３に示すステップＳ１６３、図３４に示すステップＳ１７４および図３５に示すステップＳ１８３において決定された分類対象文書集合（Ｄｃ）である。

次に、自動分類制御部３４は、分類先候補カテゴリ集合Ｃおよび分類対象文書集合Ｄを対象に、ルールベース自動分類部３４２によるルールベース自動分類処理を実行する（ステップＳ１９２）。この場合、前述した図１９に示すルールベース自動分類処理が実行される。

以下のステップＳ１９２〜ステップＳ２００においては、ルールベース自動分類処理の結果を用いて、事例ベース自動分類処理の対象とすべきカテゴリおよび文書を求める処理が行われる。

自動分類制御部３４は、事例ベース自動分類処理における分類先候補となるカテゴリの集合（分類先候補カテゴリ）Ｃｅの初期値を空集合とする（ステップＳ１９３）。

また、自動分類制御部３４は、事例ベース自動分類処理における分類対象となる文書の集合（分類対象文書集合）Ｄｅの初期値を空集合とする（ステップＳ１９４）。

次に、自動分類制御部３４は、分類先候補カテゴリＣ中の各カテゴリについて以下のステップＳ１９６〜ステップＳ２００の処理を繰り返し実行する（ステップＳ１９５）。

自動分類制御部３４は、カテゴリ記憶部２３を参照して、カテゴリｃの分類方法が事例ベース自動分類であるか否かを判定する（ステップＳ１９６）。この場合、自動分類制御部３４は、カテゴリ記憶部２３においてカテゴリｃを識別するためのカテゴリ番号に対応づけられている分類方法が事例ベース自動分類である場合には、当該カテゴリｃの分類方法が事例ベース自動分類であると判定する。

カテゴリｃの分類方法が事例ベース自動分類でないと判定された場合（ステップＳ１９６のＮＯ）、ステップＳ２００に戻って処理が繰り返される。

一方、カテゴリｃの分類方法が事例ベース自動分類であると判定された場合（ステップＳ１９６のＹＥＳ）、自動分類制御部３４は、カテゴリｃの直接または間接の上位カテゴリ（カテゴリｃと直接的または間接的に上位の関係にあるカテゴリ）のうち、分類方法がルールベース自動分類であって階層構造において最も下位（の位置）のカテゴリ（以下、カテゴリｃｒと表記）を特定する（ステップＳ１９７）。なお、このカテゴリｃｒは、ルートカテゴリである場合もある。

次に、自動分類制御部３４は、特定されたカテゴリｃｒに分類された文書の集合および分類対象文書集合Ｄの積集合（以下、積集合Ｄｃｒと表記）を算出する（ステップＳ１９８）。

なお、カテゴリｃｒに分類された文書の集合とは、上記したステップＳ１９２において実行されたルールベース自動分類処理において当該カテゴリｃｒに分類された文書の集合である。なお、このルールベース自動分類処理において分類された文書には、当該ルールベース自動分類処理（上述した図１９に示すステップＳ１１５）において暫定的に分類された文書も含まれる。

自動分類制御部３４は、算出された積集合Ｄｃｒが空集合であるか否かを判定する（ステップＳ１９９）。

積集合Ｄｃｒが空集合であると判定された場合（ステップＳ１９９のＮＯ）、ステップＳ１９５に戻って処理が繰り返される。

一方、積集合Ｄｃｒが空集合でないと判定された場合（ステップＳ１９９のＮＯ）、カテゴリｃには、文書集合である当該積集合Ｄｃｒ中のいずれかの文書が分類される可能性がある。したがって、自動分類制御部３４は、カテゴリｃを分類先候補カテゴリ集合Ｃｅ（事例ベース自動分類処理における分類先候補カテゴリ集合）に追加し、積集合（文書集合）Ｄｃｒを分類対象文書集合Ｄｅ（事例ベース自動分類処理における分類対象文書集合）に追加する（ステップＳ２００）。

分類先候補カテゴリ集合Ｃ中の各カテゴリｃについて繰り返し処理が実行されると、自動分類制御部３４は、ステップＳ２０１の処理を実行する。

上記したように分類先候補カテゴリ集合Ｃ中の各カテゴリについて上記したステップＳ１９６〜ステップＳ２００の処理が実行されることによって求められた分類先候補カテゴリ集合Ｃｅおよび分類対象文書集合Ｄｅは、事例ベース自動分類の対象として必要十分な集合となる。なお、この分類先候補カテゴリ集合Ｃｅは、上述した図３８において網掛けで示されているカテゴリおよび図３９において網掛けで示されているカテゴリの和集合となる。

自動分類制御部３４は、分類先候補カテゴリ集合Ｃｅおよび分類対象文書集合Ｄｅを対象に、事例ベース自動分類部３４１による事例ベース自動分類処理を実行する（ステップＳ２０１）。この場合、前述した図１８に示す事例ベース自動分類処理が実行される。この事例ベース自動分類処理の結果としては、分類対象文書集合Ｄｅ中の各文書に対して、当該文書を分類すべきカテゴリの集合（図１８において説明した分類先カテゴリ集合Ｃｄ）が求まる。

以下のステップＳ２０２〜ステップＳ２０７においては、事例ベース自動分類処理によって求められた文書を分類すべきカテゴリの集合の各カテゴリに当該文書を実際に分類すべきか否かを判定する処理が実行される。

自動分類制御部３４は、分類対象文書集合Ｄｅ中の各文書について以下のステップＳ２０３〜ステップＳ２０７の処理を繰り返し実行する（ステップＳ２０２）。

自動分類制御部３４は、上記した事例ベース自動分類処理によって求められた文書ｄを分類すべきカテゴリの集合を分類先カテゴリ集合Ｃｄとする（ステップＳ２０３）。

次に、自動分類制御部３４は、分類先カテゴリ集合Ｃｄから、文書ｄを分類し得ないカテゴリを除く（ステップＳ２０４）。

具体的には、上述したように階層構造において上位下位関係にある２つのカテゴリ（上位カテゴリおよび下位カテゴリ）においては、上位カテゴリの分類方法がルールベース自動分類であり文書ｄが当該上位カテゴリの分類ルールを満たさない場合には、当該文書ｄはその下位カテゴリに分類することはできない。

したがって、自動分類制御部３４は、分類先カテゴリ集合Ｃｄのうち、文書ｄが分類ルールを満たさない上位カテゴリ（分類方法がルールベース自動分類である上位カテゴリ）が存在するカテゴリを、当該分類先カテゴリ集合Ｃｄから除く。つまり、自動分類制御部３４は、文書ｄが分類先カテゴリ集合Ｃｄのカテゴリの上位カテゴリの分類ルールを満たさない場合、当該上位カテゴリと直接的または間接的に下位の関係にあるカテゴリには文書ｄを分類しない。

つまり、上述した図３８に示す例で分類先カテゴリ集合Ｃｄにカテゴリｃｅ１０が含まれている場合においては、文書ｄがカテゴリｃｒ０９の分類ルールを満たさないときは、カテゴリｃｅ１０は分類先カテゴリ集合Ｃｄから除かれる（つまり、文書ｄはカテゴリｃｅ１０には分類されない）。

自動分類制御部３４は、分類先カテゴリＣｄ中に互いに直接的または間接的に上位下位関係にある複数のカテゴリが存在する場合、当該複数のカテゴリのうち文書ｄとの類似度が最大のカテゴリのみを採用し、当該類似度が最大のカテゴリ以外のカテゴリを当該分類先カテゴリＣｄから除く（ステップＳ２０５）。つまり、分類先カテゴリＣｄ中に互いに直接的または間接的に上位下位関係にある複数のカテゴリが存在する場合には、文書ｄは、当該複数のカテゴリ（カテゴリの部分集合）のうちのいずれか１つのカテゴリにのみ分類されることになる。

この処理は、上記した図４０に示す例では例えばカテゴリｃｅ０２、ｃｅ０５およびｃｅ０６のうち、文書ｄを分類すべきカテゴリとしてカテゴリｃｅ０６のみを採用し、カテゴリｃｅ０２およびｃｅ０５は分類先カテゴリ集合Ｃｄから除くという処理である。

自動分類制御部３４は、分類先カテゴリＣｄのうち、文書ｄとの類似度が上位ｎ位以内のカテゴリを採用し、当該上位ｎ位以外のカテゴリを当該分類先カテゴリＣｄから除く（ステップＳ２０６）。

この処理は、例えば１つの文書を複数のカテゴリに分類する場合における当該カテゴリ数の上限ｎが定められている場合の処理であり、適切なカテゴリに優先的に文書を分類ために行われる。

なお、ステップＳ２０５およびステップＳ２０６における類似度は、前述した図１８に示すステップＳ９９の処理と同様に、分類先カテゴリＣｄ中のカテゴリの特徴ベクトルおよび文書ｄの特徴ベクトルから算出される。

次に、自動分類制御部３４は、上記したステップＳ２０４〜ステップＳ２０６の処理後の分類先カテゴリＣｄ中の各カテゴリに文書ｄを分類する（ステップＳ２０７）。この場合、文書ｄを識別するための文書番号が、分類先カテゴリＣｄ中の各カテゴリを識別するためのカテゴリ番号に対応づけてカテゴリ記憶部２３に記憶（設定）される。

分類対象文書集合Ｄｅ中の各文書ｄについて繰り返し処理が実行されると、自動分類処理は終了される。

以上の処理により、ルールベース自動分類および事例ベース自動分類という異なる複数の分類方法が設定されたカテゴリを自由に組み合わせて、１つの分類構造を構成することが可能となる。これにより、このような分類構造が構成された場合であっても、効率よく、かつ、適切に、文書を自動的に分類することが可能となる。

上記したように本実施形態においては、ユーザの操作に応じて文書クラスタリング処理または単語クラスタリング処理が実行され、当該クラスタリング処理によって作成された文書集合中の部分集合（クラスタ）に対応するカテゴリの分類方法および分類基準が当該実行されたクラスタリング処理に応じてカテゴリ記憶部２３に設定される。また、本実施形態においては、例えばユーザによるカテゴリの分類方法（または分類基準）を変更する操作または当該カテゴリの編集操作（統合、移動、複製、削除等）に応じて分類先候補カテゴリ集合および分類対象文書集合が決定され、当該分類先候補カテゴリ集合および分類対象文書集合に対してルールベース自動分類処理および事例ベース自動分類処理が実行される。

これにより、本実施形態においては、複数の異なるクラスタリング方法および自動分類方法を１つの分類階層（カテゴリの階層構造）の中で自由に組み合わせて用いることが可能となる。

また、本実施形態においては、ユーザによって選択されたクラスタリング処理（文書クラスタリング処理または単語クラスタリング処理）によりカテゴリを自動生成し、かつ、当該生成されたカテゴリに適した分類方法および分類基準を自動的に設定することが可能となる。

また、本実施形態においては、ユーザによってカテゴリの分類方法および分類基準が変更された場合には、当該変更に応じて文書の再分類が実行される。これにより、本実施形態においては、文書を適切かつ効率よく自動分類することが可能となる。

また、本実施形態においては、階層構造において互いに上位下位関係にある複数のカテゴリのうちのいずれかの１つのカテゴリにのみ分類対象文書が分類される。このため、本実施形態においては、冗長かつ一貫性のない分類を防止し、自動分類処理の効率を向上させることが可能となる。

また、本実施形態においては、自動分類処理において一般的に処理が単純で計算量の少ないルールベース自動分類処理を先に実行させるように制御を行うことで、分類先候補となるカテゴリを効率よく限定し、自動分類処理の効率を向上させることが可能となる。

また、本実施形態においては、ユーザによってカテゴリの階層構造に対してカテゴリの統合、移動、複製または削除等の編集操作が行われた場合には、当該編集操作に応じて文書の再分類が実行される。これにより、本実施形態においては、文書を適切、かつ、効率よく自動分類することが可能となる。

つまり、本実施形態においては、複数のクラスタリング方法（文書クラスタリングおよび単語クラスタリング）および自動分類方法（事例ベース自動分類およびルールベース自動分類）を自由に組み合わせて利用することが可能となるため、ユーザは単一の分類方法では構成することができないような階層構造（分類構造）を所望の形に構成することが可能となる。また、クラスタリング処理によってカテゴリを自動生成することができるため、ユーザは、全てのカテゴリを１つ１つ手作業で作成する必要はなく、分類作業の労力を軽減することが可能となる。さらに、ユーザは、分類階層の構造、すなわちカテゴリ間の上位下位関係および各カテゴリの分類方法を自由に変更できるため、文書の追加または分類の目的の変化等に柔軟に対応することができる。

なお、本願発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。

１０…コンピュータ、２０…外部記憶装置、２２…文書記憶部、２３…カテゴリ記憶部、３０…文書分類装置、３１…カテゴリ操作部、３２…クラスタリング部制御部、３３…カテゴリ分類方法設定部、３４…自動分類制御部、３２１…文書クラスタリング部、３２２…単語クラスタリング部、３４１…事例ベース自動分類部、３４２…ルールベース自動分類部。

Claims (10)

1. 単語を含む複数の文書を記憶する文書記憶手段と、
   前記文書記憶手段に記憶されている複数の文書が分類される階層構造を構成する各カテゴリに文書を分類するための当該カテゴリの分類方法および当該カテゴリに文書を分類する基準となる当該カテゴリの分類基準を設定するためのカテゴリ記憶手段と、
   文書集合の文書の各々の特徴を表す特徴ベクトルに基づいて、互いに類似し合う文書からなる文書集合中の部分集合を生成する文書クラスタリング処理を実行する文書クラスタリング手段と、
   文書集合の文書の各々に含まれる複数の単語から当該各単語の出現頻度および当該各単語間の共起頻度に基づいて当該文書集合の内容を表す特徴的な単語を抽出し、当該抽出された単語を含む文書からなる文書集合中の部分集合を生成する単語クラスタリング処理を実行する単語クラスタリング手段と、
   ユーザの操作に応じて、前記文書記憶手段に記憶されている複数の文書のうち当該ユーザによって指定された文書からなる文書集合に対して前記文書クラスタリング手段による文書クラスタリング処理または前記単語クラスタリング手段による単語クラスタリング処理を実行するクラスタリング制御手段と、
   前記クラスタリング制御手段によって前記文書クラスタリング処理が実行された場合、当該文書クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法として事例ベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として当該部分集合の文書である教師文書を前記カテゴリ記憶手段に設定する第１の設定手段と、
   前記クラスタリング制御手段によって前記単語クラスタリング処理が実行された場合、当該単語クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法としてルールベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として前記単語クラスタリング処理において抽出された単語が出現することを条件とする分類ルールを前記カテゴリ記憶手段に設定する第２の設定手段と、
   前記カテゴリ記憶手段に設定されたカテゴリの分類ルールを満たす文書を、当該カテゴリに分類するルールベース自動分類処理を実行するルールベース自動分類手段と、
   前記カテゴリ記憶手段に設定されたカテゴリの教師文書および文書に含まれる単語に基づいて、当該カテゴリの教師文書に類似する文書を当該カテゴリに分類する事例ベース自動分類処理を実行する事例ベース自動分類手段と、
   前記ユーザの操作に応じて、複数の前記カテゴリのうち当該ユーザによって指定されたカテゴリおよび前記階層構造において当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定し、前記文書記憶手段に記憶されている文書のうち当該分類先候補カテゴリに分類されている文書の集合を分類対象文書集合として決定する決定手段と、
   前記カテゴリ記憶手段に設定された前記決定された分類先候補カテゴリ集合の各カテゴリの分類方法に基づいて、当該分類先候補カテゴリ集合および前記決定された分類対象文書集合を対象に前記ルールベース自動分類手段によるルールベース自動分類処理および前記事例ベース自動分類手段による事例ベース自動分類処理を制御することにより、当該分類対象文書集合の各文書を当該分類先候補カテゴリ集合の各カテゴリに分類する自動分類制御手段と
   を具備し、
   前記自動分類制御手段は、前記決定された分類先候補カテゴリ集合の各カテゴリに、前記決定された分類対象文書の各文書を分類するにあたり、当該カテゴリに分類する文書は、当該カテゴリの分類方法および分類基準を満たし、かつ、前記階層構造において当該カテゴリと直接的または間接的に上位の関係にある全てのカテゴリの分類方法および分類基準を満たす文書となるように、前記ルールベース自動分類手段によるルールベース自動分類処理および前記事例ベース自動分類手段による事例ベース自動分類処理を制御する
   ことを特徴とする文書分類装置。
2. 前記ユーザの操作に応じて、当該ユーザによって指定されたカテゴリに文書を分類するための分類方法を前記ルールベース自動分類から前記事例ベース自動分類に変更する旨の変更要求を受け付けるカテゴリ操作手段と、
   前記カテゴリ操作手段によって変更要求が受け付けられた場合、当該変更要求において前記ユーザによって指定されたカテゴリの分類方法として前記事例ベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として当該カテゴリに分類されている文書である教師文書を前記カテゴリ記憶手段に設定する第３の設定手段と
   を更に具備し、
   前記決定手段は、前記カテゴリ操作手段によって受け付けられた変更要求において前記ユーザによって指定されたカテゴリおよび前記階層構造において当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定する
   ことを特徴とする請求項１記載の文書分類装置。
3. 前記ユーザの操作に応じて、当該ユーザによって指定されたカテゴリに文書を分類するための分類方法を前記事例ベース自動分類から前記ルールベース自動分類に変更する旨の変更要求を受け付けるカテゴリ操作手段と、
   前記カテゴリ操作手段によって変更要求が受け付けられた場合、当該変更要求において前記ユーザによって指定されたカテゴリの分類方法として前記ルールベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として当該カテゴリに分類されている文書に出現する単語が出現することを条件とする分類ルールを前記カテゴリ記憶手段に設定する第３の設定手段と
   を更に具備し、
   前記決定手段は、前記カテゴリ操作手段によって受け付けられた変更要求において前記ユーザによって指定されたカテゴリおよび前記階層構造において当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定する
   ことを特徴とする請求項１記載の文書分類装置。
4. 前記自動分類制御手段は、前記決定された分類対象文書集合の各文書を、前記決定された分類先候補カテゴリ集合のうちの前記階層構造において互いに直接的または間接的に上位または下位の関係にあるカテゴリの部分集合については、前記決定された分類対象文書集合の各文書を当該部分集合のうちのいずれか１つのカテゴリにのみ分類することを特徴とする請求項１乃至３のいずれか１項に記載の文書分類装置。
5. 前記自動分類制御手段は、前記決定された分類対象文書集合の文書であって前記カテゴリ記憶手段に設定されたカテゴリの分類ルールを満たさない文書を、当該カテゴリおよび当該カテゴリと前記階層構造において直接的または間接的に下位の関係にあるカテゴリには分類しないことを特徴とする請求項１乃至４のいずれか１項に記載の文書分類装置。
6. 前記ユーザの操作に応じて、当該ユーザによって指定された複数のカテゴリを統合対象カテゴリとして、当該統合対象カテゴリを１つの統合結果カテゴリに統合するカテゴリ操作手段と、
   前記統合対象カテゴリのうち前記ユーザによって選択された１つのカテゴリの分類方法を、前記カテゴリ操作手段によって統合された統合結果カテゴリの分類方法として前記カテゴリ記憶手段に設定する第３の設定手段と、
   前記統合対象カテゴリの各々の分類基準として設定されている分類ルールの論理和または教師文書の和集合を、前記カテゴリ操作手段によって統合された統合結果カテゴリの分類基準として前記カテゴリ記憶手段に設定する第４の設定手段と
   を更に具備し、
   前記決定手段は、前記統合対象カテゴリおよび前記階層構造において当該統合対象カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリを分類先候補カテゴリとして決定する
   ことを特徴とする請求項１記載の文書分類装置。
7. 前記ユーザの操作に応じて、当該ユーザによって指定された移動対象カテゴリを当該ユーザによって指定された移動先上位カテゴリの前記階層構造における下位カテゴリとするカテゴリ操作手段を更に具備し、
   前記決定手段は、前記移動対象カテゴリと、前記移動先上位カテゴリと、前記階層構造において当該移動対象カテゴリおよび当該移動先上位カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリとを分類先候補カテゴリとして決定する
   ことを特徴とする請求項１記載の文書分類装置。
8. 前記ユーザの操作に応じて、当該ユーザによって指定された複製対象カテゴリが複製された結果である複製結果カテゴリを、当該ユーザによって指定された複製先上位カテゴリの前記階層構造における下位カテゴリとするカテゴリ操作手段を更に具備し、
   前記決定手段は、前記複製先上位カテゴリおよび前記階層構造において当該複製先上位カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリを分類先候補カテゴリとして決定する
   ことを特徴とする請求項１記載の文書分類装置。
9. 前記ユーザの操作に応じて、当該ユーザによって指定された削除対象カテゴリを前記階層構造において削除するカテゴリ操作手段を更に具備し、
   前記決定手段は、前記削除対象カテゴリおよび前記階層構造において当該削除対象カテゴリと直接または間接的に上位または下位の関係にあるカテゴリを分類先候補カテゴリとして決定する
   ことを特徴とする請求項１記載の文書分類装置。
10. 単語を含む複数の文書を記憶する文書記憶手段と、前記文書記憶手段に記憶されている複数の文書が分類される階層構造を構成する各カテゴリに文書を分類するための当該カテゴリの分類方法および当該カテゴリに文書を分類する基準となる当該カテゴリの分類基準を設定するためのカテゴリ記憶手段とを有する外部記憶装置と、当該外部記憶装置を利用するコンピュータとから構成される文書分類装置において、前記コンピュータによって実行されるプログラムであって、
    前記コンピュータに、
    文書集合の文書の各々の特徴を表す特徴ベクトルに基づいて、互いに類似し合う文書からなる文書集合中の部分集合を生成する文書クラスタリング処理を実行するステップと、
    文書集合の文書の各々に含まれる複数の単語から当該各単語の出現頻度及び当該各単語間の共起頻度に基づいて当該文書集合の内容を表す特徴的な単語を抽出し、当該抽出された単語を含む文書からなる文書集合中の部分集合を生成する単語クラスタリング処理を実行するステップと、
    ユーザの操作に応じて、前記文書記憶手段に記憶されている複数の文書のうち当該ユーザによって指定された文書からなる文書集合に対して前記文書クラスタリング処理または前記単語クラスタリング処理を実行するステップと、
    前記文書クラスタリング処理が実行された場合、当該文書クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法として事例ベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリの分類基準として当該部分集合の文書である教師文書を前記カテゴリ記憶手段に設定するステップと、
    前記単語クラスタリング処理が実行された場合、当該単語クラスタリング処理によって生成された文書集合中の部分集合が分類されるカテゴリの分類方法としてルールベース自動分類を前記カテゴリ記憶手段に設定し、当該カテゴリに文書を分類する基準となる分類基準として前記単語クラスタリング処理において抽出された単語が出現することを条件とする分類ルールを前記カテゴリ記憶手段に設定するステップと、
    前記カテゴリ記憶手段に設定されたカテゴリの分類ルールを満たす文書を、当該カテゴリに分類するルールベース自動分類処理を実行するステップと、
    前記カテゴリ記憶手段に設定されたカテゴリの教師文書および文書に含まれる単語に基づいて、当該カテゴリの教師文書に類似する文書を当該カテゴリに分類する事例ベース自動分類処理を実行するステップと、
    前記ユーザの操作に応じて、複数の前記カテゴリのうち当該ユーザによって指定されたカテゴリおよび前記階層構造において当該カテゴリと直接的または間接的に上位または下位の関係にあるカテゴリの集合を分類先候補カテゴリ集合として決定し、前記文書記憶手段に記憶されている文書のうち当該分類先候補カテゴリに分類されている文書の集合を分類対象文書集合として決定するステップと、
    前記カテゴリ記憶手段に設定された前記決定された分類先候補カテゴリ集合の各カテゴリの分類方法に基づいて、当該分類先候補カテゴリ集合および前記決定された分類対象文書集合を対象に前記ルールベース自動分類処理および前記事例ベース自動分類処理を制御することにより、当該分類対象文書集合の各文書を当該分類先候補カテゴリ集合の各カテゴリに分類するステップと
    を実行させ、
    前記分類するステップにおいては、前記決定された分類先候補カテゴリ集合の各カテゴリに前記決定された分類対象文書の各文書を分類するにあたり、当該カテゴリに分類する文書は、当該カテゴリの分類方法および分類基準を満たし、かつ、前記階層構造において当該カテゴリと直接的または間接的に上位の関係にある全てのカテゴリの分類方法および分類基準を満たす文書となるように、前記ルールベース自動分類処理および前記事例ベース自動分類処理を制御する
    ことを特徴とするプログラム。

Images