JP5117589B2 - 文書分析装置およびプログラム - Google Patents

Description

本発明の実施形態は、電子化された大量の文書を分析する文書分析装置およびプログラムに関する。

近年では、情報システムの高度化に伴い、例えば特許文献、新聞記事、ウェブページ、または書籍等の電子化された文書（以下、単に文書と表記）を大量に記録し、保存することが可能である。そこで、これらの蓄積された文書群を日々の業務に有効活用していくことが求められている。

文書群の有効活用の具体例としては、例えば過去の膨大な量の新聞記事を分類することで多くの人が利用しやすいように整理する、あるいは、現在研究開発している技術に関係のある特許文献を分類することで自他社の特許群の傾向を分析し、新しい研究開発分野を発見する等が考えられる。

つまり、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分類（整理）しておくことが好ましい。

また、このように分類された大量の文書を分析または調査することによって、当該文書の内容の傾向を把握したり、新たな知見を得たりするための技術の開発も行われている。

ここで、上記したような文書は、例えば複数の属性を有し、当該属性の値（以下、属性値と表記）を含む。文書が例えば特許文献である場合、当該文書は、出願人、出願日および技術の内容等の属性を有する。また、文書は、例えば出願人の属性の属性値として当該出願人である企業名（例えば、「Ａ社」、「Ｂ社」および「Ｃ社」）等を含む。このように文書が属性を有する場合、当該文書は、当該属性の属性値で各カテゴリに分類されることができる。この場合、同一の属性値を含む文書は、同一のカテゴリに分類される。

具体的には、上記した出願人の属性の属性値で文書集合が分類された場合には、当該属性の属性値として「Ａ社」を含む文書は当該「Ａ社」のカテゴリに分類され、当該属性の属性値として「Ｂ社」を含む文書は当該「Ｂ社」のカテゴリに分類され、当該属性の属性値として「Ｃ社」を含む文書は当該「Ｃ社」のカテゴリに分類される。ここでは、出願人の属性の属性値で文書集合が分類された場合について説明したが、他の属性の属性値でも同様に文書集合を分類することができる。

ところで、分類された文書（文書集合）を分析する方法の１つとして、例えばクロス集計がある。このクロス集計によれば、文書が有する属性のうちの２つを分類軸として選択し、一方の属性の属性値で文書集合が分類された各カテゴリおよび他方の属性の属性値で文書集合が分類された各カテゴリの両方に分類されている文書集合（積集合）を求め、当該求められた文書集合に含まれる文書数が２軸マップにおいてマトリックス状に表示される。これにより、分析の対象となる文書集合の全体像を容易に把握することができ、各カテゴリ間の相関関係（関連）等についての知見を得ることができる。

特開２００８−３０５２６８号公報 特開２００３−３４５８１１号公報

ここで、文書が有する属性の属性値で文書集合が複数のカテゴリに分類されており、この分類済みの情報を元に、文書の分析において目的とする属性（以下、目的属性と表記）に対して特徴のある別の属性、つまり、当該目的属性を説明するような属性（以下、説明属性と表記）をユーザが知りたいという状況を想定する。

具体的には、特許調査において、出願人（名）を目的属性とした場合に、自社が多く出願し、他者があまり出願していない技術等（説明属性）を知りたいという場合や、アンケート調査において、商品（名）を目的属性とした場合に、当社の商品を多く購入し、他社の商品をあまり購入していない人の年齢層等（説明属性）を知りたいという場合を想定する。

このような場合、上記した目的属性の属性値で文書が分類されたカテゴリ（以下、目的属性のカテゴリと表記）および説明属性の属性値で文書が分類されたカテゴリ（以下、説明属性のカテゴリと表記）のクロス集計を行い、当該クロス集計結果を当該目的属性のカテゴリおよび説明属性のカテゴリの２軸マップとして表示することによって、ユーザは、当該目的属性に対する説明属性の傾向または相関の分析を行うことができる。

なお、通常、文書は、上記した説明属性となり得る属性を複数有している。このため、ユーザは、２軸マップを表示する際に、目的属性に対する説明属性を１つ選択する必要がある。具体的には、特許調査では、文書が有する出願人の属性を目的属性とした場合、例えば技術の内容、出願日、発明者、ＩＰＣ分類およびＦターム分類の属性等が説明属性となり得るが、ユーザは、これらの属性の中から説明属性を１つ選択しなければならない。

ところで、上記したように目的属性のカテゴリとユーザによって選択された説明属性のカテゴリとの２軸マップが表示された場合であっても、説明属性のカテゴリ（説明属性の各属性値そのままで分類されたカテゴリ）では細かすぎて、当該目的属性（のカテゴリ）との相関を発見できない場合が多い。このような場合には、ユーザは、説明属性を再度選択し、表示された２軸マップを分析するということを、相関を発見するまで試行錯誤的に行わなければならず、労力がかかる。

このため、目的属性との相関を発見しやすいように説明属性のカテゴリを分類し直すことが考えられるが、この際どのような観点で説明属性のカテゴリを分類すればよいかを判断することは困難である。ここで、特許調査において出願人の属性を目的属性、技術の内容の属性を説明属性とした場合を想定する。この場合、説明属性のカテゴリを例えば「分類」、「検索」、「分析」および「抽出」等の技術の観点で分類する、「文書」、「文節」および「単語」等の技術が扱う対象範囲の観点で分類する、または、「検索」技術とそれ以外の技術等のような観点で分類すること等が考えられる。しかしながら、ユーザは、これらの観点のうちのどの観点で説明属性のカテゴリを分類すれば目的属性との相関が明確になるのかを判断することは困難である。

このため、ユーザは、目的属性との相関を発見しやすいような結果を得るまで試行錯誤的に説明属性のカテゴリを分類し直さなければならず、煩雑で労力がかかる。

したがって、上記したように目的属性のカテゴリと説明属性のカテゴリとの２軸マップを表示して例えば相関の分析（２軸分析）を行う場合、目的属性（のカテゴリ）に対して相関が高くなるように説明属性の各カテゴリを自動的に分類する仕組みが望まれる。このように自動的に分類された説明属性のカテゴリを例えばユーザに対して提示すれば、当該ユーザは、試行錯誤的に説明属性の各カテゴリを分類し直すことなく、目的属性に対する説明属性の傾向または相関の分析を容易に行うことが可能になる。

そこで、本発明が解決しようとする課題は、ユーザによって指定された属性のカテゴリに対して相関が高い属性のカテゴリを提示することが可能な文書分析装置およびプログラムを提供することにある。

実施形態に係る文書分析装置は、文書記憶手段と、選択手段と、カテゴリ記憶手段と、第１の算出手段と、分類手段と、抽出手段と、第２の算出手段と、再分類手段と、提示処理手段とを具備する。

文書記憶手段は、複数の属性を有する複数の文書であって、当該各属性の属性値を含む複数の文書を記憶する。

選択手段は、ユーザの操作に応じて、前記複数の属性の中から第１および第２の属性を選択する。

カテゴリ記憶手段は、前記選択された第１の属性の属性値に基づいて前記複数の文書が分類された複数の第１のカテゴリを示す第１のカテゴリ情報および前記選択された第２の属性の属性値に基づいて前記複数の文書が分類された複数の第２のカテゴリを示す第２のカテゴリ情報を記憶する。

第１の算出手段は、前記カテゴリ記憶手段に記憶された第１のカテゴリ情報および第２のカテゴリ情報に基づいて、前記第２のカテゴリ毎に、当該第２のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第２のカテゴリの両方に分類された文書数の割合を算出する。

分類手段は、前記第１の算出手段によって算出された割合に基づいて、前記複数の第２のカテゴリを複数の第３のカテゴリに分類する。

抽出手段は、前記複数の属性の属性値毎に、前記各第３のカテゴリに分類された文書における当該属性値を含む文書数および前記文書記憶手段に記憶されている複数の文書における当該属性値を含む文書数を算出し、当該算出された各文書数に基づいて、前記第３のカテゴリ毎に当該第３のカテゴリにおいて特徴的な属性を抽出する。

第２の算出手段は、前記第３のカテゴリ毎に、当該第３のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第３のカテゴリの両方に分類された文書数の割合と、当該第３のカテゴリに分類された文書における前記抽出された属性の属性値を含む文書数とを算出する。

再分類手段は、前記第２の算出手段によって算出された割合と文書数とに基づいて、前記複数の第３のカテゴリを複数の第４のカテゴリに再分類する。

提示処理手段は、前記複数の第４のカテゴリを前記ユーザに提示する。

第１の実施形態に係る文書分析装置のハードウェア構成を示すブロック図。 図１に示す文書分析装置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。 カテゴリの階層構造におけるルートのカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 カテゴリの階層構造においてルートカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 カテゴリの階層構造において図５に示すカテゴリ情報２３２によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 カテゴリの階層構造においてルートカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 カテゴリの階層構造において図７に示すカテゴリ情報２３４によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 カテゴリの階層構造において図７に示すカテゴリ情報２３４によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す図。 本実施形態に係る文書分析装置３０の処理手順を示すフローチャート。 階層構造を構成するカテゴリがユーザに対して表示された際の画面の一例を示す図。 ユーザが目的属性および説明属性を指定する際の画面の一例を示す図。 説明属性クラスタリング部３２１による説明属性クラスタリング処理の処理手順を示すフローチャート。 説明属性クラスタリング部３２１による説明属性クラスタリング処理の処理手順を示すフローチャート。 説明属性クラスタリング処理が実行される前の説明属性の各カテゴリについて説明するための図。 説明属性クラスタリング処理が実行された後の説明属性の各カテゴリについて説明するための図。 特徴属性抽出部３２２による特徴属性抽出処理の処理手順を示すフローチャート。 特徴属性抽出処理の処理結果の一例について説明するための図。 説明属性再分類部３２３による説明属性再分類処理の処理手順を示すフローチャート。 説明属性再分類部３２３による説明属性再分類処理の処理手順を示すフローチャート。 図１８に示す説明属性の各カテゴリに対して説明属性再分類処理が実行された結果として生成された説明属性のカテゴリについて具体的に説明するための図。 ２軸マップ可視化部３１２による２軸マップ生成処理の処理手順を示すフローチャート。 ２軸マップ可視化部３１２による２軸マップ生成処理の処理手順を示すフローチャート。 ２軸マップが表示された際の表示画面の一例を示す図。 第２の実施形態に係る文書分析装置の主として機能構成を示すブロック図。 本実施形態に係る文書分析装置５０の処理手順を示すフローチャート。 ユーザが目的属性、説明属性および再分類対象属性を指定する際の画面の一例を示す図。

以下、図面を参照して、各実施形態について説明する。

（第１の実施形態）
まず、図１および図２を参照して、第１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析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、文書分析装置３０を構成する。

図２は、図１に示す文書分析装置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、文書分析装置３０は、ユーザインタフェース部３１および説明属性分類部３２を含む。本実施形態において、これらの各部３１および３２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、文書分析装置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、例えば外部記憶装置２０に格納される。

文書記憶部２２には、文書分析装置３０による分析の対象となる複数の文書（データ）が記憶される。文書記憶部２２に記憶されている文書は、複数の属性を有する。文書記憶部２２に記憶されている文書には、当該文書が有する属性の属性名および属性値が含まれる。なお、文書が例えば商品に関するアンケートの文書である場合、当該文書が有する属性の属性名には、例えば商品名、開発社および購入日等が含まれる。また、属性名が例えば商品名である属性の属性値には、自社商品１、他社商品２および他社商品３等が含まれる。

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たカテゴリの各々を示すカテゴリ情報（つまり、当該複数の文書の分類結果）が記憶される。具体的には、カテゴリ記憶部２３には、例えば文書が有する属性の属性値に基づいて文書記憶部２２に記憶されている複数の文書が分類された結果が記憶される。

なお、文書記憶部２２およびカテゴリ記憶部２３は、例えばファイルシステムまたはデータベース等を用いて実現される。

ユーザインタフェース部３１は、カテゴリ表示操作部３１１および２軸マップ可視化部３１２を含む。

カテゴリ表示操作部３１１は、カテゴリ記憶部２３に記憶されているカテゴリ情報に基づいて階層構造を構成するカテゴリをユーザに対して提示（表示）する。また、カテゴリ表示操作部３１１は、提示された階層構造を構成するカテゴリに対するユーザの操作（選択操作）を受け付ける。これにより、カテゴリ表示操作部３１１は、ユーザの操作に応じて、文書記憶部２２に記憶されている文書が有する複数の属性の中から当該ユーザが文書の分析において目的とする属性（第１の属性）および当該属性に対して特徴のある別の属性、つまり、当該属性を説明するための属性（第２の属性）を選択する。以下の説明においては、ユーザが文書の分析において目的とする属性を目的属性、当該目的属性を説明するための属性を説明属性と称する。

なお、カテゴリ表示操作部３１１は、例えばソフトウェアにおいてグラフィカル・ユーザ・インタフェース（ＧＵＩ）と称される技術によって実現される。

２軸マップ可視化部３１２は、カテゴリ表示操作部３１１によって選択された目的属性および後述する説明属性分類部３２による処理結果に基づいて２軸マップを生成する。２軸マップ可視化部３１２によって生成された２軸マップは、ユーザに対して提示される。

説明属性分類部３２は、説明属性クラスタリング部３２１、特徴属性抽出部３２２および説明属性再分類部３２３を含む。

説明属性クラスタリング部３２１は、カテゴリ表示操作部３１１によって選択された目的属性の属性値に基づいて複数の文書（文書記憶部２２に記憶されている複数の文書）が分類された複数のカテゴリ（第１のカテゴリ）を示すカテゴリ情報（第１のカテゴリ情報）をカテゴリ記憶部２３から取得する。以下、目的属性の属性値に基づいて複数の文書が分類された各カテゴリを目的属性のカテゴリと称する。なお、目的属性の各カテゴリには、当該カテゴリに対応する目的属性の属性値を含む文書（集合）が分類される。

また、説明属性クラスタリング部３２１は、カテゴリ表示操作部３１１によって選択された説明属性の属性値に基づいて複数の文書（文書記憶部２２に記憶されている複数の文書）が分類された複数のカテゴリ（第２のカテゴリ）を示すカテゴリ情報（第２のカテゴリ情報）をカテゴリ記憶部２３から取得する。以下、説明属性の属性値に基づいて複数の文書が分類された各カテゴリを説明属性のカテゴリと称する。なお、説明属性の各カテゴリには、当該カテゴリに対応する説明属性の属性値を含む文書（集合）が分類される。

説明属性クラスタリング部３２１は、取得されたカテゴリ情報（第１および第２のカテゴリ情報）に基づいて、説明属性のカテゴリ毎に、当該説明属性のカテゴリに分類された文書数に対する目的属性の各カテゴリおよび当該説明属性のカテゴリの両方に分類された文書数の割合を算出する。

説明属性クラスタリング部３２１は、説明属性のカテゴリ毎に算出された割合に基づいて、複数の説明属性のカテゴリを複数のカテゴリ（第３のカテゴリ）に分類する。つまり、説明属性クラスタリング部３２１は、複数の説明属性のカテゴリの各々が分類された新たな説明属性のカテゴリを生成する。

特徴属性抽出部３２２は、文書記憶部２２に記憶されている文書が有する複数の属性の属性値毎に、説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリに分類された文書における当該属性値を含む文書数および文書記憶部２２に記憶されている複数の文書における当該属性値を含む文書数を算出する。特徴属性抽出部３２２は、算出された各文書数に基づいて、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ毎に当該カテゴリにおいて特徴的な属性を抽出する。

説明属性再分類部３２３は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ毎に、当該説明属性のカテゴリに属する文書数に対する目的属性の各カテゴリおよび当該説明属性のカテゴリの両方に分類された文書数の割合と、当該説明属性のカテゴリに分類された文書における特徴属性抽出部３２２によって抽出された属性（当該説明属性のカテゴリにおいて特徴的な属性）の属性値を含む文書数とを算出する。

説明属性再分類部３２３は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ毎に算出された割合と文書数とに基づいて、当該複数の説明属性のカテゴリを複数のカテゴリ（第４のカテゴリ）に再分類する。つまり、説明属性再分類部３２３は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリが再分類された新たな説明属性のカテゴリを生成する。この場合、カテゴリ記憶部２３には、説明属性再分類部３２３によって生成された説明属性のカテゴリの各々を示すカテゴリ情報が記憶される。

なお、説明属性再分類部３２３によって生成された説明属性のカテゴリは、例えばユーザインタフェース部３１を介してユーザに対して提示される。

また、説明属性再分類部３２３によって生成された説明属性のカテゴリ（説明属性再分類部３２３による再分類結果）は、上記した２軸マップ可視化部３１２による２軸マップの生成において用いられる。

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。文書記憶部２２に記憶されている文書は、複数の属性を有する。文書記憶部２２に記憶されている文書には、当該文書が有する属性毎に属性名、属性値および型が対応づけて含まれる。

属性名は、文書の種類に応じて当該文書が有する属性の名称である。属性値は、文書が有する属性の値である。型は、文書に含まれる属性値（データ）の型である。型には、例えば文字列型、テキスト型、日付型および数値型等が含まれる。なお、データ同士は、同じ型でなければ統合（結合）することはできない。

ここで、図３は、商品のアンケートの文書２２１の一例を示す。図３に示す例では、文書２２１には、当該文書２２１が有する属性の属性名として、当該文書２２１を識別するための文書番号、当該文書のタイトル、本文、アンケートの対象である商品の商品名、当該商品の開発社、購入日、購入者業種、購入者年収、購入者年齢層および商品評価が含まれている。

また、文書２２１には、例えば属性名「文書番号」に対応づけて属性値「Ｄ０１」および型「文字列型」が含まれている。これによれば、文書２２１を識別するための文書番号が「Ｄ０１」であり、その型が「文字列型」であることが示されている。

また、文書２２１には、例えば属性名「タイトル」に対応づけて属性値「携帯電話Ｂ１１１の評判結果」および型「テキスト型」が含まれている。これによれば、文書２２１のタイトルが「携帯電話Ｂ１１１の評判結果」であり、その型が「テキスト型」であることが示されている。

ここでは、属性名「文書番号」および「タイトル」（に対応づけられている属性値および型）について説明したが、文書２２１には、他の属性名についても同様に属性値および型が当該属性名に対応づけて含まれている。

なお、以下の説明においては、文書において属性名に対応づけられている属性値を単に属性名に対する属性値と表記する。

図４〜図９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情報のデータ構造の一例を示す。カテゴリ記憶部２３に記憶されているカテゴリ情報は、文書記憶部２２に記憶されている文書が分類されたカテゴリを示す。なお、カテゴリ記憶部２３に記憶されているカテゴリ情報によって示されるカテゴリは、例えば階層構造を構成する。

図４〜図９に示すように、カテゴリ情報には、カテゴリ番号、親カテゴリ番号、カテゴリ名および文書番号が含まれる。なお、図６、図８および図９に示すように、カテゴリ情報には、必要に応じて条件が含まれても構わない。

カテゴリ番号は、カテゴリを一意に識別するための識別子である。親カテゴリ番号は、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の一階層上位に位置するカテゴリ（親カテゴリ）を識別するためのカテゴリ番号を示す。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を示す。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た文書を識別するための文書番号を示す。また、条件は、カテゴリ番号によって識別されるカテゴリに分類される文書が満たすべき条件を示す。

なお、カテゴリ記憶部２２に記憶されるカテゴリ情報は、例えば文書記憶部２２に記憶されている文書が有する属性の属性名または属性値単位のカテゴリ（つまり、属性名または属性値に対応するカテゴリ）を示す。

図４は、カテゴリの階層構造におけるルートのカテゴリ（以下、ルートカテゴリと表記）を示すカテゴリ情報のデータ構造の一例を示す。

図４に示す例では、カテゴリ情報２３１には、カテゴリ番号「ｃ０１」、親カテゴリ番号「（なし）」、カテゴリ名「（ルート）」および文書番号「（なし）」が含まれている。このカテゴリ情報２３１によれば、カテゴリ番号「ｃ０１」によって識別されるルートカテゴリのカテゴリ名が「（ルート）」であることが示されている。なお、親カテゴリ番号「（なし）」は、階層構造においてカテゴリ番号「ｃ０１」によって識別されるカテゴリ（ルートカテゴリ）の親カテゴリは存在しないことが示されている。また、文書番号「（なし）」は、カテゴリ番号「ｃ０１」によって識別されるルートカテゴリには文書が分類されていないことが示されている。なお、以下に説明するカテゴリ情報に含まれる文書番号「（なし）」についても同様であるため、その説明については省略する。

図５は、カテゴリの階層構造においてルートカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す。

図５に示す例では、カテゴリ情報２３２には、カテゴリ番号「ｃ０２」、親カテゴリ番号「ｃ０１」、カテゴリ名「商品名別」および文書番号「（なし）」が含まれている。このカテゴリ情報２３２によれば、カテゴリ番号「ｃ０２」によって識別されるカテゴリの親カテゴリが親カテゴリ番号「ｃ０１」によって識別されるカテゴリ（つまり、ルートカテゴリ）であることが示されている。また、カテゴリ番号「ｃ０２」によって識別されるカテゴリのカテゴリ名が「商品名別」であることが示されている。

なお、図５に示すカテゴリ情報２３２は、文書記憶部２２に記憶されている文書に含まれる属性名「商品名」のカテゴリ（属性名「商品名」に対応するカテゴリ）を示している。

図６は、カテゴリの階層構造において図５に示すカテゴリ情報２３２によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す。

図６に示す例では、カテゴリ情報２３３には、カテゴリ番号「ｃ２１」、親カテゴリ番号「ｃ０２」、カテゴリ名「自社商品１」、文書番号「ｄ１５，ｄ２３，ｄ３６，…」および条件「商品名＝“自社商品１”」が含まれている。このカテゴリ情報２３３によれば、カテゴリ番号「ｃ２１」によって識別されるカテゴリの親カテゴリが親カテゴリ番号「ｃ０２」によって識別されるカテゴリ（つまり、図５に示すカテゴリ情報２３２によって示されるカテゴリ）であることが示されている。また、カテゴリ番号「ｃ２１」によって識別されるカテゴリのカテゴリ名が「自社商品１」であることが示されている。また、カテゴリ番号「ｃ２１」によって識別されるカテゴリには、条件「商品名＝“自社商品１”」を満たす文書、つまり、文書番号「ｄ１５」、「ｄ２３」および「ｄ３６」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ている。なお、条件「商品名＝“自社商品１”」は、文書が属性名「商品名」の属性値として「自社商品１」を含むことを示している。

なお、図６に示すカテゴリ情報２３３は、文書記憶部２２に記憶されている文書に含まれる属性値「自社商品１」のカテゴリ（属性値「自社商品１」に対応するカテゴリ）を示している。

図７は、カテゴリの階層構造においてルートカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す。

図７に示す例では、カテゴリ情報２３４には、カテゴリ番号「ｃ０３」、親カテゴリ番号「ｃ０１」、カテゴリ名「評価別」および文書番号「（なし）」が含まれている。このカテゴリ情報２３４によれば、カテゴリ番号「ｃ０３」によって識別されるカテゴリの親カテゴリが親カテゴリ番号「ｃ０１」によって識別されるカテゴリ（つまり、ルートカテゴリ）であることが示されている。また、カテゴリ番号「ｃ０３」によって識別されるカテゴリのカテゴリ名が「評価別」であることが示されている。

なお、図７に示すカテゴリ情報２３４は、文書記憶部２２に記憶されている文書に含まれる属性名「商品評価」のカテゴリ（属性名「商品評価」に対応するカテゴリ）を示している。

図８は、カテゴリの階層構造において図７に示すカテゴリ情報２３４によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す。

図８に示す例では、カテゴリ情報２３５には、カテゴリ番号「ｃ３１」、親カテゴリ番号「ｃ０３」、カテゴリ名「かっこ良い」、文書番号「ｄ０７，ｄ２３，ｄ５８，…」および条件「商品評価＝“かっこ良い”」が含まれている。このカテゴリ情報２３５によれば、カテゴリ番号「ｃ３１」によって識別されるカテゴリの親カテゴリが親カテゴリ番号「ｃ０３」によって識別されるカテゴリ（つまり、図７に示すカテゴリ情報２３４によって示されるカテゴリ）であることが示されている。また、カテゴリ番号「ｃ３１」によって識別されるカテゴリのカテゴリ名が「かっこ良い」であることが示されている。また、カテゴリ番号「ｃ３１」によって識別されるカテゴリには、条件「商品評価＝“かっこ良い”」を満たす文書、つまり、文書番号「ｄ０７」、「ｄ２３」および「ｄ５８」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ている。なお、条件「商品評価＝“かっこ良い”」は、文書が属性名「商品評価」の属性値として「かっこ良い」を含むことを示している。

なお、図８に示すカテゴリ情報２３５は、文書記憶部２２に記憶されている文書に含まれる属性値「かっこ良い」のカテゴリ（属性値「かっこ良い」に対応するカテゴリ）を示しめしている。

図９は、カテゴリの階層構造において図７に示すカテゴリ情報２３４によって示されるカテゴリの下位に位置するカテゴリを示すカテゴリ情報のデータ構造の一例を示す。

図９に示す例では、カテゴリ情報２３６には、カテゴリ番号「ｃ３２」、親カテゴリ番号「ｃ０３」、カテゴリ名「シンプル」、文書番号「ｄ１５，ｄ３２，ｄ６９，…」および条件「商品評価＝“シンプル”」が含まれている。このカテゴリ情報２３５によれば、カテゴリ番号「ｃ３２」によって識別されるカテゴリの親カテゴリが親カテゴリ番号「ｃ０３」によって識別されるカテゴリ（つまり、図７に示すカテゴリ情報２３４によって示されるカテゴリ）であることが示されている。また、カテゴリ番号「ｃ３２」によって識別されるカテゴリのカテゴリ名が「シンプル」であることが示されている。また、カテゴリ番号「ｃ３２」によって識別されるカテゴリには、条件「商品評価＝“シンプル”」を満たす文書、つまり、文書番号「ｄ１５」、「ｄ３２」および「ｄ６９」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ている。なお、条件「商品評価＝“シンプル”」は、文書が属性名「商品評価」の属性値として「シンプル」を含むことを示している。

なお、図９に示すカテゴリ情報２３６は、文書記憶部２２に記憶されている文書に含まれる属性値「シンプル」のカテゴリ（属性値「シンプル」に対応するカテゴリ）を示している。

上記したように、例えば属性名「商品評価」のカテゴリ（図７のカテゴリ情報２３４によって示されるカテゴリ）の下位に位置するカテゴリとして属性値「かっこ良い」のカテゴリ（図８のカテゴリ情報２３５によって示されるカテゴリ）および属性値「シンプル」のカテゴリ（図９のカテゴリ情報２３６によって示されるカテゴリ）が存在する。ここで、属性値「かっこ良い」および「シンプル」は、属性名「商品評価」に対する属性値（属性名が「商品評価」である属性の属性値）である。つまり、属性名「商品評価」のカテゴリの下位には、当該属性名「商品評価」に対する属性値の各々に基づいて複数の文書が分類された各カテゴリ（当該属性名に対する各属性値のカテゴリ）が存在する。ここでは、属性名「商品評価」のカテゴリについて説明したが、他の属性名のカテゴリの下位にも同様に当該属性名に対する各属性値のカテゴリが存在する。

なお、上記した図４、図５および図７に示す例では文書番号「（なし）」がカテゴリ情報に含まれているが、これは当該カテゴリ情報によって示されるカテゴリに直接分類された文書が存在しないことを意味しており、当該カテゴリの下位に位置するカテゴリに分類された文書は存在する。つまり、文書番号「（なし）」を含むカテゴリ情報によって示されるカテゴリであっても、下位に位置するカテゴリを介して間接的に分類された文書は存在し得る。

また、上記した図６、図８および図９に示す例では文書番号および条件がカテゴリ情報に含まれるものとして説明したが、カテゴリ情報には、文書番号および条件の一方のみが含まれる構成であっても構わない。

以下の説明においては、あるカテゴリに対して一階層下位に位置するカテゴリを子カテゴリと称する。具体的には、上記した図６に示すカテゴリ情報２３３によって示されるカテゴリは、図５に示すカテゴリ情報２３２によって示されるカテゴリの子カテゴリと称する。

次に、図１０のフローチャートを参照して、本実施形態に係る文書分析装置３０の処理手順について説明する。ここで説明する文書分析装置３０の処理は、例えば当該文書分析装置３０を利用するユーザからの指示に応じて実行される。

まず、文書分析装置３０のユーザインタフェース部３１に含まれるカテゴリ表示操作部３１１は、カテゴリ記憶部２３に記憶されているカテゴリ情報に基づいて、階層構造を構成するカテゴリをユーザに対して表示（提示）する（ステップＳ１）。この場合、階層構造を構成するカテゴリは、カテゴリ記憶部２３に記憶されているカテゴリ情報に含まれるカテゴリ番号、カテゴリ名および親カテゴリ番号に基づいて表示される。

ここで、図１１は、階層構造を構成するカテゴリがユーザに対して表示された際の画面の一例を示す。

図１１に示す画面１００には、カテゴリ表示領域１００ａ、タイトル表示領域１００ｂおよび本文表示領域１００ｃが設けられている。

カテゴリ表示領域１００ａには、カテゴリ記憶部２３に記憶されているカテゴリ情報によって示されるカテゴリ（のカテゴリ名）が階層構造で表示される。図１１に示す例では、カテゴリ表示領域１００ａには、ルートカテゴリの子カテゴリとして、「商品名別」カテゴリおよび「評価別」カテゴリが表示されている。更に、カテゴリ表示領域１００ａには、「評価別」カテゴリの子カテゴリとして、「かっこ良い」カテゴリ、「シンプル」カテゴリ、「大人っぽい」カテゴリ、「かわいい」カテゴリおよび「ビジネス向け」カテゴリが表示されている。ここで、カテゴリ表示領域１００ａに表示されている例えば「商品名別」カテゴリとは、カテゴリ名が「商品名別」であるカテゴリである。他のカテゴリについても同様であるものとする。また、以下の説明においても同様に表記する。

なお、図１１に示すカテゴリ表示領域１００ａに表示されているカテゴリのうちの「商品名別」カテゴリおよび「評価別」カテゴリは、文書記憶部２２に記憶されている文書に含まれる属性名「商品名」および「商品評価」のカテゴリである。また、「かっこ良い」カテゴリ、「シンプル」カテゴリ、「大人っぽい」カテゴリ、「かわいい」カテゴリおよび「ビジネス向け」カテゴリの各々は、属性名「商品評価」に対する属性値「かっこ良い」、「シンプル」、「大人っぽい」、「かわいい」および「ビジネス向け」のカテゴリである。

また、図１１に示す画面１００には表示されていないが、当該画面１００においてユーザが例えば「商品名別」カテゴリを指定すると、属性名「商品名」に対する属性値（例えば、「自社商品１」、「他社商品２」および「他社商品３」等）のカテゴリ（つまり、「商品名別」カテゴリの子カテゴリ）が表示される。

ここで、ユーザは、カテゴリ表示領域１００ａに表示されているカテゴリのうちの例えば１つを選択することができる。タイトル表示領域１００ｂには、カテゴリ表示領域１００ａに表示されたカテゴリのうち、ユーザによって選択されたカテゴリに分類された文書のタイトル（当該文書に含まれる属性名「タイトル」に対する属性値）の一覧が表示される。図１１に示す例では、カテゴリ表示領域１００ａに表示されているカテゴリのうち「かっこ良い」カテゴリが指定され、タイトル表示領域１００ｂには、当該「かっこ良い」カテゴリに分類された文書のタイトルの一覧が表示されている。具体的には、タイトル表示領域１００ｂには、「かっこ良い」カテゴリに分類された文書のタイトルとして、「Ａ社のＡ１２３のデザインについて」、「携帯電話Ｂ１１１の評判結果」、「Ｃ社のＣ１１１の使い勝手について」および「Ｄ社のＤ１３４のデザインについて」が表示されている。

また、ユーザは、タイトル表示領域１００ｂに表示されている文書のタイトルの一覧の中から例えば１つを選択することができる。本文表示領域１００ｃには、タイトル表示領域１００ｂに表示された文書のタイトルの一覧の中からユーザによって選択されたタイトルの文書の本文（当該文書に含まれる属性名「本文」に対する属性値）が表示される。図１１に示す例では、タイトル表示領域１００ｂに表示されている文書のタイトルの一覧の中から「携帯電話Ｂ１１１の評判結果」が選択され、本文表示領域１００ｃには、タイトルが当該「携帯電話Ｂ１１１の評判結果」である文書の本文「地下に入ると、電話が入り辛い所があるが、デザインがかっこ良い」が表示されている。

再び図１０に戻ると、カテゴリ表示操作部３１１は、階層構造を構成するカテゴリが表示されている画面（例えば、図１１に示す画面１００）に対するユーザの操作に応じて、目的属性（文書の分析において目的とする属性）および説明属性（当該目的属性を説明するための属性）を選択する（ステップＳ２）。

ここで、上述したように階層構造を構成するカテゴリ（のカテゴリ名）は、文書が有する属性の属性名または当該属性の属性値に対応する（つまり、文書が有する属性はカテゴリと対応する）。このため、ユーザは、例えばカテゴリ表示操作部３１１によって表示された階層構造を構成するカテゴリのうちの１つのカテゴリを指定する操作を行うことによって、当該カテゴリに対応する属性を目的属性として指定することができる。ここで、ユーザによって指定されるカテゴリは、属性名のカテゴリであり、少なくとも子カテゴリ（つまり、属性値のカテゴリ）が存在するものとする。カテゴリ表示操作部３１１は、このようなユーザの操作に基づいて、当該ユーザによって指定された属性を目的属性として選択する。

また、ユーザは、文書記憶部２２に記憶されている文書が有する複数の属性の属性名のうちの例えば１つの属性名を指定する操作を行うことによって、当該属性を説明属性として指定することができる。カテゴリ表示操作部３１１は、このようなユーザの操作に基づいて、当該ユーザによって指定された属性を説明属性として選択する。

ここで、図１２を参照して、ユーザが目的属性および説明属性を指定する際の画面について説明する。

ここでは、例えば自社の商品を購入し、他社の商品をあまり購入していない人（購入者）の商品の評価について分析を行う場合を想定する。この場合には、ユーザは、カテゴリが表示された画面上で、図１２に示すように「商品名別」カテゴリを指定する。これにより、カテゴリ表示操作部３１１は、属性名が「商品名」である属性（つまり、「商品名別」カテゴリに対応する属性）を目的属性として選択する。

また、カテゴリ表示操作部３１１によって目的属性が選択されると、図１２に示すように、画面１００には、説明属性を選択するためのサブ画面１００ｄが表示される。このサブ画面１００ｄには、文書が有する複数の属性の属性名が表示される。図１２に示すサブ画面１００ｄには、上述した図３に示す文書２１１が有する属性の属性名「タイトル」、「本文」、「商品名」、「開発社」、「購入日」、「購入者業種」、「購入者年収」、「購入者年齢層」および「商品評価」が表示されている。

ここでは、上記したように商品の評価について分析するため、ユーザは、サブ画面１００ｄに表示されている複数の属性名の中から属性名「商品評価」を指定する。これにより、カテゴリ表示操作部３１１は、属性名が「商品評価」である属性を説明属性として選択する。

再び図１０に戻ると、説明属性分類部３２に含まれる説明属性クラスタリング部３２１は、カテゴリ表示操作部３１１によって選択された目的属性の各属性値のカテゴリ（当該属性値を含む文書が分類された各カテゴリ）および説明属性の属性名（および属性値）に基づいて、説明属性クラスタリング処理を実行する（ステップＳ３）。この説明属性クラスタリング処理においては、目的属性の属性値に基づいて複数の文書が分類されたカテゴリ（目的属性のカテゴリ）との相関が高く（大きく）なるように、説明属性の属性値に基づいて複数の文書が分類された複数のカテゴリ（説明属性のカテゴリ）が新たな複数のカテゴリに分類される。ここで、相関が高くなるとは、目的属性のカテゴリと説明属性のカテゴリとの両方に分類された文書数が、説明属性のあるカテゴリでは多くなり、他のカテゴリでは少なくなるような関係をいう。

この説明属性クラスタリング処理においては、目的属性の各カテゴリおよび説明属性の各カテゴリの両方に分類された文書数に基づいて当該説明属性のカテゴリ間の類似度が算出され、当該算出された類似度が予め定められた条件を満たす場合には当該説明属性のカテゴリは同一のカテゴリに分類される。このような説明属性クラスタリング処理が実行されることによって、説明属性の各カテゴリが分類された新たな説明属性のカテゴリが生成される。なお、説明属性クラスタリング処理の詳細については後述する。

次に、特徴属性抽出部３２２は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ毎に、文書が有する属性の中から当該説明属性のカテゴリにおいて特徴的な属性（の属性名および属性値）を抽出する処理（以下、特徴属性抽出処理と表記）を実行する（ステップＳ４）。なお、特徴属性抽出処理の詳細については後述する。

説明属性再分類部３２３は、説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリおよび特徴属性抽出部３２２によって抽出された当該説明属性のカテゴリにおいて特徴的な属性に基づいて、当該説明属性のカテゴリを再分類する処理（以下、説明属性再分類処理と表記）が実行される（ステップＳ５）。具体的には、説明属性再分類処理においては、目的属性の各カテゴリおよび説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリの両方に分類された文書数に基づいて当該説明属性のカテゴリ間の類似度が算出され、当該算出された類似度が予め定められた条件を満たす場合には当該説明属性のカテゴリは同一のカテゴリに分類される。このような説明属性再分類処理が実行されることによって、説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリが再分類された新たな説明属性のカテゴリが生成される。なお、説明属性再分類処理の詳細については後述する。

説明属性再分類部３２３によって生成された説明属性の各カテゴリ（のカテゴリ名）は、例えばユーザインタフェース部３１を介してユーザに対して提示される（ステップＳ６）。なお、説明属性再分類部３２３によって説明属性再分類処理が実行されると、当該説明属性再分類部３２３によって生成された説明属性の各カテゴリを示すカテゴリ情報がカテゴリ記憶部２３に記憶される。

次に、ユーザインタフェース部３１に含まれる２軸マップ可視化部３１２は、目的属性の各カテゴリと説明属性再分類部３２３によって生成された説明属性の各カテゴリとの２軸マップを生成する処理（以下、２軸マップ生成処理と表記）を実行する（ステップＳ７）。２軸マップ可視化部３１２によって生成される２軸マップには、目的属性の各カテゴリおよび説明属性再分類部３２３によって生成された説明属性の各カテゴリの両方に分類された文書数が含まれる。また、２軸マップ可視化部３１２によって生成される２軸マップには、目的属性の各カテゴリにおいて特徴的な属性が含まれる。なお、２軸マップ生成処理の詳細については、後述する。

２軸マップ生成処理が実行されると、２軸マップ可視化部３１２は、生成された２軸マップをユーザに対して提示（表示）する（ステップＳ８）。ユーザに対して提示される２軸マップの詳細については後述する。

次に、図１３および図１４のフローチャートを参照して、上述した説明属性クラスタリング処理（図１０に示すステップＳ３の処理）の処理手順について説明する。なお、説明属性クラスタリング処理は、カテゴリ表示選択部３１１によって選択された目的属性および説明属性（の属性名および属性値等の情報）を入力値として、説明属性クラスタリング部３２１によって実行される。

まず、説明属性クラスタリング部３２１は、カテゴリ表示操作部３１１によって選択された説明属性の属性値で、文書記憶部２２に記憶されている複数の文書を自動分類する（ステップＳ１１）。この自動分類により、カテゴリ表示操作部３１１によって選択された説明属性の属性値に基づいて複数の文書が分類された複数のカテゴリ（説明属性のカテゴリ）が生成される。具体的には、カテゴリ表示操作部３１１によって選択された説明属性の属性値を含む文書が分類されたカテゴリが当該説明属性の属性値毎に生成される。なお、ステップＳ１の処理が実行されると、自動分類によって生成された説明属性の各カテゴリを示すカテゴリ情報がカテゴリ記憶部２３に記憶される。この説明属性の各カテゴリを示すカテゴリ情報には、上述したように当該説明属性のカテゴリに分類された文書を識別するための文書番号等が含まれる。

なお、例えば説明属性の各カテゴリが既に生成されており、当該カテゴリを示すカテゴリ情報がカテゴリ記憶部２３に記憶されている場合には、ステップＳ１１の処理は省略されても構わない。

次に、説明属性クラスタリング部３２１は、説明属性のカテゴリの各々について以下のステップＳ１２〜Ｓ１７の処理を実行する。説明属性のカテゴリＣｅに対してステップＳ１２〜Ｓ１７の処理が実行されることによって、当該説明属性のカテゴリＣｅの特徴を表すベクトル（以下、カテゴリベクトルｖｅと表記）が生成される。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。

まず、説明属性クラスタリング部３２１は、説明属性のカテゴリＣｅを示すカテゴリ情報をカテゴリ記憶部２３から取得する（ステップＳ１２）。

次に、説明属性クラスタリング部３２１は、目的属性のカテゴリ（目的属性の属性値に基づいて複数の文書が分類されたカテゴリ）の各々についてステップＳ１３〜Ｓ１５の処理を実行する。この処理の対象となる目的属性のカテゴリを目的属性のカテゴリＣｏとする。

説明属性クラスタリング部３２１は、目的属性のカテゴリＣｏを示すカテゴリ情報をカテゴリ記憶部２３から取得する（ステップＳ１３）。

説明属性クラスタリング部３２１は、説明属性のカテゴリＣｅに対する目的属性のカテゴリＣｏの確信度（ｃｏｎｆ（Ｃｅ，Ｃｏ））を算出する（ステップＳ１４）。説明属性クラスタリング部３２１は、ステップＳ１２において取得された説明属性のカテゴリＣｅを示すカテゴリ情報およびステップＳ１３において取得された目的属性のカテゴリＣｏを示すカテゴリ情報に基づいて算出処理を実行する。

具体的には、ｃｏｎｆ（Ｃｅ，Ｃｏ）は、｜Ｃｅ∧Ｃｏ｜／｜Ｃｅ｜によって算出される。ここで、｜Ｃｅ∧Ｃｏ｜は、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書数である。また、｜Ｃｅ｜は、説明属性のカテゴリＣｅに分類された文書数（全文書数）である。つまり、ｃｏｎｆ（Ｃｅ，Ｃｏ）は、説明属性のカテゴリＣｅに分類された文書数に対する説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書数の割合を示す。

説明属性クラスタリング部３２１は、算出されたｃｏｎｆ（Ｃｅ，Ｃｏ）を、カテゴリベクトルｖｅの１つの次元の値（ベクトル値）とする（ステップＳ１５）。

ここで、説明属性クラスタリング部３２１は、全ての目的属性のカテゴリについて上記したステップＳ１３〜Ｓ１５の処理が実行されたか否かを判定する（ステップＳ１６）。

全ての目的属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ１６のＮＯ）、上記したステップＳ１３に戻って処理が繰り返される。この場合、ステップＳ１３〜Ｓ１５の処理が実行されていない目的属性のカテゴリを目的属性のカテゴリＣｏとして処理が実行される。

このように目的属性のカテゴリの各々についてステップＳ１３〜Ｓ１５の処理が繰り返されることによって、説明属性のカテゴリＣｅに対して目的属性のカテゴリ毎に確信度（ｃｏｎｆ（Ｃｅ，Ｃｏ））が算出され、当該目的属性のカテゴリ毎に算出された確信度を各次元の値とするカテゴリベクトルｖｅが生成される。

上記したように目的属性のカテゴリの各々についてステップＳ１３〜Ｓ１５の処理が繰り返された結果、全ての目的属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ１６のＹＥＳ）、説明属性クラスタリング部３２１は、生成されたカテゴリベクトルｖｅの各次元の値をノルム｜ｖｅ｜で割ることによって、当該カテゴリベクトルｖｅを正規化する（ステップＳ１７）。これにより、カテゴリベクトルｖｅは、ノルムが１のベクトルとなる。

ここで、説明属性クラスタリング部３２１は、全ての説明属性のカテゴリについて上記したステップＳ１２〜Ｓ１７の処理が実行されたか否かを判定する（ステップＳ１８）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ１８のＮＯ）、上記したステップＳ１２に戻って処理が繰り返される。この場合、ステップＳ１２〜Ｓ１７の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。このように説明属性のカテゴリの各々についてステップＳ１２〜Ｓ１７の処理が繰り返されることによって、当該説明属性のカテゴリ毎の正規化されたカテゴリベクトルが生成される。

上記したように説明属性のカテゴリの各々についてステップＳ１２〜Ｓ１７の処理が繰り返された結果、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ１８のＹＥＳ）、説明属性クラスタリング部３２１は、説明属性のカテゴリの各々について以下のステップＳ１９〜Ｓ２９の処理を実行する。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。

まず、説明属性クラスタリング部３２１は、以下の処理において用いられるｃｍａｘおよびｓｍａｘを初期化する（ステップＳ１９）。この場合、説明属性クラスタリング部３２１は、ｃｍａｘをなし、ｓｍａｘを０とする。

次に、説明属性クラスタリング部３２１は、分類先カテゴリがあるか否かを判定する（ステップＳ２０）。なお、上記したようにステップＳ１９〜Ｓ２９の処理は説明属性のカテゴリの各々について実行されるが、ここで処理の対象である説明属性のカテゴリＣｅが当該説明属性のカテゴリのうちの１つ目（つまり、処理順が最初）である場合には、後述するように分類先カテゴリが生成されていないため、分類先カテゴリがないと判定される。

ステップＳ２０において分類先カテゴリがないと判定された場合には、後述するステップＳ２５の処理が実行される。

一方、ステップＳ２０において分類先カテゴリがあると判定された場合には、説明属性クラスタリング部３２１は、分類先カテゴリの各々について以下のステップＳ２１〜Ｓ２３の処理を実行する。以下、この処理の対象となる分類先カテゴリを分類先カテゴリＣｎとする。

説明属性クラスタリング部３２１は、上記したステップＳ１２〜Ｓ１５の処理によって生成された説明属性のカテゴリＣｅのカテゴリベクトルｖｅおよび分類先カテゴリＣｎのカテゴリベクトル（以下、カテゴリベクトルｖｎと表記）に基づいて、当該説明属性のカテゴリＣｅおよび分類先カテゴリＣｎ間の類似度（以下、類似度ｓと表記）を算出する（ステップＳ２１）。この類似度ｓは、例えば説明属性のカテゴリＣｅのカテゴリベクトルｖｅおよび分類先カテゴリのカテゴリベクトルｖｎの余弦値である。なお、分類先カテゴリＣｎのカテゴリベクトルｖｎの詳細については後述する。

次に、説明属性クラスタリング部３２１は、算出された類似度ｓが予め定められた条件を満たすか否かを判定する（ステップＳ２２）。ここで、予め定められた条件とは、例えば類似度ｓが予め定められた値（閾値）以上であることを示す。つまり、類似度ｓが閾値以上である場合には条件を満たすと判定され、類似度ｓが閾値未満である場合には条件を満たさないと判定される。

類似度ｓが条件を満たすと判定された場合（ステップＳ２２のＹＥＳ）、説明属性クラスタリング部３２１は、ｃｍａｘ＝分類先カテゴリＣｎ、ｓｍａｘ＝ｓとする（ステップＳ２１）。つまり、説明属性クラスタリング部３２１は、ｃｍａｘに分類先カテゴリＣｎを、ｓｍａｘに類似度ｓを代入する。

一方、類似度ｓが条件を満たさないと判定された場合（ステップＳ２２のＮＯ）、ステップＳ２１の処理は実行されない。

次に、説明属性クラスタリング部３２１は、全ての分類先カテゴリについて上記したステップＳ２１〜Ｓ２３の処理が実行されたか否かを判定する（ステップＳ２４）。

全ての分類先カテゴリについて処理が実行されていないと判定された場合（ステップＳ２４のＮＯ）、上記したステップＳ２１に戻って処理が繰り返される。この場合、ステップＳ２１〜Ｓ２３の処理が実行されていない分類先カテゴリを分類先カテゴリＣｎとして処理が実行される。

一方、全ての分類先カテゴリについて処理が実行されたと判定された場合（ステップＳ２４のＹＥＳ）、説明属性クラスタリング部３２１は、上記した分類先カテゴリの各々についてステップＳ２１〜Ｓ２３の処理が実行された結果、ｃｍａｘとされた分類先カテゴリ（以下、分類先カテゴリｃｍａｘと表記）が存在するか否かを判定する（ステップＳ２５）。

なお、上記したようにステップＳ２０において分類先カテゴリがないと判定された場合にはステップＳ２５の処理が実行されるが、この場合、ステップＳ２１〜Ｓ２３の処理が実行されていないため、分類先カテゴリｃｍａｘが存在しないと判定される。この他、上記したステップＳ２１において算出された類似度ｓの全てが閾値未満であるような場合には、分類先カテゴリｃｍａｘが存在しないと判定される。

ステップＳ２５において分類先カテゴリｃｍａｘが存在しないと判定された場合、説明属性クラスタリング部３２１は、説明属性のカテゴリＣｅを分類先カテゴリとする（ステップＳ２６）。つまり、分類先カテゴリｃｍａｘが存在しない場合には、ステップＳ２６において新たな分類先カテゴリ（分類先カテゴリｎｅｗ）が生成される。ここで生成された分類先カテゴリｎｅｗのカテゴリベクトルは、当該分類先カテゴリｎｅｗとされた説明属性のカテゴリＣｅのカテゴリベクトルｖｅとする。

一方、ステップＳ２５において分類先カテゴリｃｍａｘが存在すると判定された場合、説明属性クラスタリング部３２１は、説明属性のカテゴリＣｅを当該分類先カテゴリｃｍａｘに分類する（ステップＳ２７）。このステップＳ２７の処理によって、分類先カテゴリｃｍａｘおよび説明属性のカテゴリＣｅが統合され、新たな分類先カテゴリ（分類先カテゴリｎｅｗ）とされる。

次に、説明属性カテゴリクラスタリング部３２１は、説明属性のカテゴリＣｅが分類される前の分類先カテゴリｃｍａｘのカテゴリベクトルに、当該説明属性のカテゴリＣｅのカテゴリベクトルｖｅを加算する（ステップＳ２８）。これにより、ステップＳ２７における分類先カテゴリｎｅｗ（説明属性のカテゴリＣｅが分類された後の分類先カテゴリ）のカテゴリベクトルが算出される。つまり、この場合における分類先カテゴリｎｅｗのカテゴリベクトルは、分類先カテゴリｃｍａｘのカテゴリベクトルおよび当該分類先カテゴリｃｍａｘに分類された説明属性のカテゴリＣｅのカテゴリベクトルｖｅの和である。

説明属性クラスタリング部３２１は、算出された分類先カテゴリｎｅｗのカテゴリベクトルの各次元の値をノルムで割ることによって、当該分類先カテゴリｎｅｗのカテゴリベクトルを正規化する（ステップＳ２９）。

上記したステップＳ２６またはＳ２９が実行されると、説明属性クラスタリング部３２１は、全ての説明属性のカテゴリについて上記したステップＳ１９〜Ｓ２９の処理が実行されたか否かを判定する（ステップＳ３０）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ３０のＮＯ）、上記したステップＳ１９に戻って処理が繰り返される。この場合、ステップＳ１９〜Ｓ２９の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。なお、上記したようにステップＳ１９に戻って処理が繰り返される場合、ステップＳ２０〜Ｓ２３においては、上記したステップＳ２４またはＳ２５における分類先カテゴリｎｅｗは１つの分類先カテゴリとして扱われる。

一方、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ３０のＹＥＳ）、説明属性クラスタリング部３２１は、上記したステップＳ１９〜Ｓ２９の処理が実行された結果である全ての分類先カテゴリを、説明属性クラスタリング処理の返り値とする（ステップＳ３１）。なお、この説明属性クラスタリング処理の返り値は、特徴属性抽出部３２２に渡される。

このように説明属性クラスタリング処理が実行されることによって、当該説明属性のカテゴリの各々が分類先カテゴリに分類される、つまり、説明属性のカテゴリ間のクラスタリングが行われる。これにより、説明属性のカテゴリの各々が統合され、新たな説明属性のカテゴリ（上述した分類先カテゴリ）が生成される。なお、説明属性クラスタリング部３２１によって生成された新たな説明属性のカテゴリのカテゴリ名は、当該カテゴリに分類された（統合された）説明属性の各カテゴリのカテゴリ名を組み合わせたものとする。また、説明属性クラスタリング部３２１によって生成された新たな説明属性のカテゴリに分類された文書とは、当該カテゴリに分類された（統合された）説明属性の各カテゴリに分類された文書の和集合である。

なお、上記したように説明属性クラスタリング処理においては、説明属性のカテゴリの各々が統合されて新たな説明属性のカテゴリが生成される。このため、説明属性クラスタリング処理においては、当該説明属性クラスタリング処理が実行される前の説明属性のカテゴリより少ない数の新たな説明属性のカテゴリが生成される。

ここで、図１５および図１６を参照して、上記した説明属性クラスタリング処理の処理結果の一例について簡単に説明する。

まず、図１５を用いて説明属性クラスタリング処理が実行される前の目的属性の各カテゴリおよび説明属性の各カテゴリについて説明する。なお、図１５においては、各カテゴリ間の相関（関係）が分かり易いように、便宜的に目的属性の各カテゴリおよび説明属性の各カテゴリを２軸マップで示している。なお、目的属性の各カテゴリおよび説明属性の各カテゴリに対応づけられている数値は、当該目的属性のカテゴリおよび説明属性のカテゴリの両方に分類された文書数を表す。図１６についても同様である。

ここでは、属性名が「商品名」である属性が目的属性としてカテゴリ表示操作部３１１によって選択され、属性名が「商品評価」である属性が説明属性としてカテゴリ表示操作部３１１によって選択されているものとする。以下、目的属性として選択された属性（属性名が「商品名」である属性）を目的属性「商品名」と称し、説明属性として選択された属性（属性名が「商品評価」である属性）を説明属性「商品評価」と称するものとする。

この場合、目的属性「商品名」の各カテゴリ（つまり、目的属性「商品名」の属性値に基づいて文書が分類された各カテゴリ）には、図１５に示す「自社商品１」カテゴリ、「他社商品２」カテゴリおよび「他社商品３」カテゴリが含まれるものとする。また、説明属性「商品評価」の各カテゴリ（つまり、目的属性「商品評価」の属性値に基づいて文書が分類された各カテゴリ）には、図１５に示す「かっこ良い」カテゴリ、「シンプル」カテゴリ、「大人っぽい」カテゴリおよび「かわいい」カテゴリが含まれるものとする。

このような目的属性「商品名」の各カテゴリおよび説明属性「商品評価」の各カテゴリに対して上記した説明属性クラスタリング処理が実行されると、図１６に示すような説明属性「商品評価」のカテゴリが生成される。

つまり、図１６に示す例では、説明属性クラスタリング処理において、図１５に示す説明属性「商品評価」の「シンプル」カテゴリおよび「大人っぽい」カテゴリが統合されて、「シンプル 大人っぽい」カテゴリが生成されている。換言すれば、説明属性クラスタリング処理が実行されることによって、図１５に示す説明属性「商品評価」の「かっこ良い」カテゴリ、「シンプル」カテゴリ、「大人っぽい」カテゴリおよび「かわいい」カテゴリの４つのカテゴリから、図１６に示す「かっこ良い」カテゴリ、「シンプル 大人っぽい」カテゴリおよび「かわいい」カテゴリの３つのカテゴリが新たに生成されている。

ここで、図１５を参照すると、説明属性「商品評価」の「シンプル」カテゴリおよび「大人っぽい」カテゴリは、目的属性「商品名」の「他社商品２」カテゴリと互いに共通する文書数が他のカテゴリ（「自社商品１」カテゴリおよび「他社商品３」カテゴリ）と比較して多い。

つまり、説明属性クラスタリング処理においては、説明属性のカテゴリに分類された文書における目的属性の各カテゴリに分類された文書の散らばり具合（上述した説明属性のカテゴリのカテゴリベクトル）に基づいて、当該散らばり具合が似ている度合い（上述した類似度）が高い説明属性のカテゴリ同士が統合される。

次に、図１７のフローチャートを参照して、上述した特徴属性抽出処理（図１０に示すステップＳ４の処理）の処理手順について説明する。この特徴属性抽出処理においては、説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリにおいて特徴的な属性が抽出される。なお、特徴属性抽出処理は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ（説明属性クラスタリング処理における分類結果）を入力値として、特徴属性抽出部３２２によって実行される。この特徴属性抽出処理の説明においては、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリを単に説明属性のカテゴリと称する。

特徴属性抽出部３２２は、説明属性のカテゴリの各々について以下のステップＳ４１〜Ｓ４９の処理を実行する。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。

この場合、特徴属性抽出部３２２は、以下の処理において用いられるｍａｘｓｃｏｒｅおよびｍａｘｃｅを初期化する（ステップＳ４１）。このとき、特徴属性抽出部３２２は、ｍａｘｓｃｏｒｅを０とし、ｍａｘｃｅをなしとする。

次に、特徴属性抽出部３２２は、説明属性のカテゴリＣｅに分類された文書に含まれる属性値（当該文書が有する属性の属性値）の各々について以下のステップＳ４２〜Ｓ４８の処理を実行する。以下、この処理の対象となる属性値を属性値Ａｔｖとする。

特徴属性抽出部３２２は、カテゴリ記憶部２３に記憶されているカテゴリ情報に基づいて、説明属性のカテゴリＣｅに分類された文書集合における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｃｅ））を算出する（ステップＳ４２）。

特徴属性抽出部３２２は、カテゴリ記憶部２３に記憶されているカテゴリ情報に基づいて、全ての説明属性のカテゴリ（Ｃｅａｌｌ）に分類された文書集合における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｃｅａｌｌ））を算出する（ステップＳ４３）。

また、特徴属性抽出部３２２は、文書記憶部２２に記憶されている全ての文書集合（Ｎ）における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｎ））を算出する（ステップＳ４４）。

次に、特徴属性抽出部３２２は、算出されたＤＦ（Ａｔｖ，Ｃｅ）、ＤＦ（Ａｔｖ，Ｃｅａｌｌ）およびＤＦ（Ａｔｖ，Ｎ）を用いて、属性値Ａｔｖの説明属性のカテゴリＣｅにおけるスコア（ｓｃｏｒｅ（Ａｔｖ，Ｃｅ））を算出する（ステップＳ４５）。具体的には、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）は、ＤＦ（Ａｔｖ，Ｃｅ）／ＤＦ（Ａｔｖ，Ｃｅａｌｌ）＊ｌｏｇ（Ｎ／ＤＦ（Ａｔｖ，Ｎ））の算出式によって算出される。

この算出式について簡単に説明すると、ＤＦ（Ａｔｖ，Ｃｅ）／ＤＦ（Ａｔｖ，Ｃｅａｌｌ）は、カテゴリＣｅにおける属性値Ａｔｖを含む文書数の多さを表しており、全ての説明属性のカテゴリＣｅａｌｌに属する文書集合における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｃｅａｌｌ））で割ることによって正規化することで、属性値Ａｔｖが全ての説明属性のカテゴリＣｅａｌｌ内で文書数が多い場合と少ない場合との差を軽減している。また、ｌｏｇ（Ｎ／ＤＦ（Ａｔｖ，Ｎ））は、属性値Ａｔｖの珍しさの値であり、全ての文書集合Ｎにおいて属性値Ａｔｖを含む文書数が少ない場合にその値は大きくなり、結果的にｓｃｏｒｅ（Ａｔｖ，Ｃｅ）の値が大きくなる。

次に、特徴属性抽出部３２２は、算出されたｓｃｏｒｅ（Ａｔｖ，Ｃｅ）が上述したｍａｘｓｃｏｒｅより大きいか否かを判定する（ステップＳ４６）。

ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅより大きいと判定された場合（ステップＳ４６のＹＥＳ）、特徴属性抽出部３２２は、ｍａｘｓｃｏｒｅにｓｃｏｒｅ（Ａｔｖ，Ｃｅ）を代入する（ステップＳ４７）。

また、特徴属性抽出部３２２は、上述したｍａｘｃｅに属性値Ａｔｖを代入する（ステップＳ４８）。

なお、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅより大きくない、つまり、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅ以下であると判定された場合（ステップＳ４６のＮＯ）、上記したステップＳ４７およびＳ４８の処理は実行されない。

次に、特徴属性抽出部３２２は、説明属性のカテゴリＣｅに分類された文書に含まれる全ての属性値について上記したステップＳ４２〜ステップＳ４８の処理が実行されたか否かを判定する（ステップＳ４９）。

説明属性のカテゴリＣｅにおける全ての属性値について処理が実行されていないと判定された場合（ステップＳ４９のＮＯ）、上記したステップＳ４２に戻って処理が繰り返される。この場合、ステップＳ４２〜Ｓ４８の処理が実行されていない属性値を属性値Ａｔｖとして処理が実行される。このように属性値の各々について上記したステップＳ４２〜Ｓ４８の処理が繰り返されることによって、説明属性のカテゴリＣｅにおいて特徴的な属性の属性値（つまり、ｍａｘｃｅ）を抽出することができる。

一方、全ての属性値について処理が実行されたと判定された場合（ステップＳ４９のＹＥＳ）、特徴属性抽出部３２２は、全ての説明属性のカテゴリについて上記したステップＳ４１〜Ｓ４９の処理が実行されたか否かを判定する（ステップＳ５０）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ５０のＮＯ）、上記したステップＳ４１に戻って処理が繰り返される。この場合、ステップＳ４１〜Ｓ４９の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。なお、上記したように説明属性のカテゴリの各々についてステップＳ４１〜Ｓ４９の処理が繰り返されることによって、説明属性の各カテゴリにおいて特徴的な属性の属性値を抽出することができる。

一方、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ５０のＹＥＳ）、特徴属性抽出部３２２は、説明属性の各カテゴリにおいて特徴的な属性の属性名および属性値（つまり、ｍａｘｃｅ）を、特徴属性抽出処理の返り値とする（ステップＳ５１）。返り値とされた属性名は、文書においてｍａｘｃｅとされた属性値（ｍａｘｃｅに代入されている属性値）に対応づけられている属性名である。なお、この特徴属性抽出処理の返り値は、説明属性再分類部３２３に渡される。

このような特徴属性抽出処理が実行されることによって、説明属性のカテゴリ毎に、当該カテゴリに属する文書が有する全ての属性の中から当該カテゴリにおいて特徴的な属性（の属性値および属性名）が抽出される。

ここで、図１８を参照して、上記した特徴属性抽出処理の処理結果の一例について簡単に説明する。

ここでは、上述した説明属性クラスタリング部３２１によって例えば「かっこ良い カジュアル ユニーク」カテゴリ、「シンプル 大人っぽい 見易い」カテゴリ、「かわいい 子供向け」カテゴリおよび「ビジネス向け 使い易い」カテゴリが生成されているものとする。なお、「かっこ良い カジュアル ユニーク」カテゴリは、説明属性クラスタリング処理において「かっこ良い」カテゴリ、「カジュアル」カテゴリおよび「ユニーク」カテゴリが統合されることによって生成された説明属性のカテゴリである。また、「シンプル 大人っぽい 見易い」カテゴリは、説明属性クラスタリング処理において「シンプル」カテゴリ、「大人っぽい」カテゴリおよび「見易い」カテゴリが統合されることによって生成された説明属性のカテゴリである。同様に、「かわいい 子供向け」カテゴリは、説明属性クラスタリング処理において「かわいい」カテゴリおよび「子供向け」カテゴリが統合されることによって生成された説明属性のカテゴリである。また、「ビジネス向け 使い易い」カテゴリは、説明属性クラスタリング処理において「ビジネス向け」カテゴリおよび「使い易い」カテゴリが統合されることによって生成された説明属性のカテゴリである。

ここで、上記した説明属性クラスタリング部３２１によって生成された説明属性のカテゴリに対して特徴属性抽出処理が実行された場合、図１８に示すように、当該説明属性のカテゴリ毎に、当該カテゴリにおいて特徴的な属性（属性名および属性値）が抽出される。

図１８に示す例では、特徴属性抽出部３２２によって抽出された例えば「かっこ良い カジュアル ユニーク」カテゴリにおいて特徴的な属性の属性名が「購入者業種」であることが示されている。また、特徴属性抽出部３２２によって抽出された「かっこ良い カジュアル ユニーク」カテゴリにおいて特徴的な属性の属性値が「マスコミ」であることが示されている。

また、特徴属性抽出部３２２によって抽出された例えば「シンプル 大人っぽい 見易い」カテゴリにおいて特徴的な属性の属性名が「購入者年齢層」であり、当該特徴的な属性の属性値が「３０代」であることが示されている。

また、特徴属性抽出部３２２によって抽出された例えば「かわいい 子供向け」カテゴリにおいて特徴的な属性の属性名が「開発社」であり、当該特徴的な属性の属性値が「Ｘ社」であることが示されている。

また、特徴属性抽出部３２２によって抽出された例えば「ビジネス向け 使い易い」カテゴリにおいて特徴的な属性の属性名が「購入者年齢層」であり、当該特徴的な属性の属性値が「３０代」であることが示されている。

次に、図１９および図２０のフローチャートを参照して、上述した説明属性再分類処理（図１０に示すステップＳ５の処理）の処理手順について説明する。

この説明属性再分類処理は、説明属性クラスタリング処理において生成された説明属性のカテゴリを別の観点で更に統合し、再び新たな説明属性のカテゴリを生成するための処理である。ここでは、別の観点として特徴属性抽出部３２２によって抽出された特徴的な属性が用いられる。

この説明属性再分類処理は、説明属性クラスタリング部３２１によって生成された説明属性の各カテゴリおよび特徴属性抽出部３２２によって抽出された当該各カテゴリにおける特徴的な属性（属性名および属性値）を入力値として、説明属性再分類部３２３によって実行される。この説明属性再分類処理の説明においては、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリを単に説明属性のカテゴリと称する。

説明属性再分類部３２３は、説明属性のカテゴリの各々について以下のステップＳ６１〜Ｓ７１の処理を実行する。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。説明属性のカテゴリＣｅに対してステップＳ６１〜Ｓ７１の処理が実行されることによって、当該説明属性のカテゴリＣｅの特徴を表すベクトル（カテゴリベクトルｖｅ）が生成される。

まず、説明属性再分類部３２３は、説明属性のカテゴリＣｅを示すカテゴリ情報をカテゴリ記憶部２３から取得する（ステップＳ６１）。

次に、説明属性再分類部３２３は、目的属性のカテゴリの各々についてステップＳ６２〜Ｓ６４の処理を実行する。この処理の対象となる目的属性のカテゴリを目的属性のカテゴリＣｏとする。

説明属性再分類部３２３は、目的属性のカテゴリＣｏを示すカテゴリ情報をカテゴリ記憶部２３から取得する（ステップＳ６２）。

説明属性再分類部３２３は、説明属性のカテゴリＣｅに対する目的属性のカテゴリＣｏの確信度（ｃｏｎｆ（Ｃｅ，Ｃｏ））を算出する（ステップＳ６３）。説明属性再分類部３２３は、ステップＳ６１において取得された説明属性のカテゴリＣｅを示すカテゴリ情報およびステップＳ６２において取得された目的属性のカテゴリＣｏを示すカテゴリ情報に基づいて算出処理を実行する。具体的には、ｃｏｎｆ（Ｃｅ，Ｃｏ）は、上述したように｜Ｃｅ∧Ｃｏ｜／｜Ｃｅ｜によって算出される。なお、｜Ｃｅ∧Ｃｏ｜は説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書数であり、｜Ｃｅ｜は説明属性のカテゴリＣｅに分類された文書数（全文書数）である。

説明属性再分類部３２３は、算出されたｃｏｎｆ（Ｃｅ，Ｃｏ）を、カテゴリベクトルｖｅの１つの次元の値（ベクトル値）とする（ステップＳ６４）。

ここで、説明属性再分類部３２３は、全ての目的属性のカテゴリについて上記したステップＳ６２〜Ｓ６４の処理が実行されたか否かを判定する（ステップＳ６５）。

全ての目的属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ６５のＮＯ）、上記したステップＳ６２に戻って処理が繰り返される。この場合、ステップＳ６２〜Ｓ６４の処理が実行されていない目的属性のカテゴリを目的属性のカテゴリＣｏとして処理が実行される。

このように目的属性のカテゴリの各々についてステップＳ６２〜Ｓ６４の処理が繰り返されることによって、説明属性のカテゴリＣｅに対して目的属性のカテゴリ毎に算出された確信度（ｃｏｎｆ（Ｃｅ，Ｃｏ））を各次元の値とするカテゴリベクトルｖｅが生成される。

上記したように目的属性のカテゴリの各々についてステップＳ６２〜Ｓ６４の処理が繰り返された結果、全ての目的属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ６５のＮＯ）、説明属性再分類部３２３は、生成されたカテゴリベクトルｖｅの各次元の値をノルム｜ｖｅ｜で割ることによって、当該カテゴリベクトルｖｅを正規化する（ステップＳ６６）。

次に、説明属性再分類部３２３は、特徴属性抽出部３２２によって抽出された説明属性のカテゴリＣｅにおいて特徴的な属性の全ての属性値（当該属性がとり得る全ての属性値）の各々についてステップＳ６７およびＳ６８の処理を実行する。図１８を用いて具体的に説明すると、説明属性のカテゴリＣｅが例えば「シンプル 大人っぽい 見易い」カテゴリである場合、当該説明属性のカテゴリＣｅにおいて特徴的な属性（ここでは、属性名が「購入者年齢層」である属性）がとり得る全ての属性値（例えば、「１０代」、「２０代」、「３０代」、「４０代」および「５０代」等）の各々についてステップＳ６７およびＳ６８の処理が実行される。

以下、この処理の対象となる説明属性のカテゴリＣｅにおいて特徴的な属性の属性値を属性値Ａｔｖとする。

説明属性再分類部３２３は、説明属性のカテゴリＣｅに分類された文書集合における属性値Ａｔｖを含む文書数を算出する（ステップＳ６７）。なお、説明属性再分類部３２３は、説明属性のカテゴリＣｅを示すカテゴリ情報に基づいて算出処理を実行する。

説明属性再分類部３２３は、算出された文書数を、説明属性のカテゴリＣｅの特徴を表すカテゴリベクトル（以下、カテゴリベクトルｖｅ´と表記）の１つの次元の値（ベクトル値）とする（ステップＳ６８）。

ここで、説明属性再分類部３２３は、説明属性のカテゴリＣｅにおいて特徴的な属性の全ての属性値について上記したステップＳ６７およびＳ６８の処理が実行されたか否かを判定する（ステップＳ６９）。

カテゴリＣｅにおける全ての属性値について処理が実行されていないと判定された場合（ステップＳ６９のＮＯ）、上記したステップＳ６７に戻って処理が繰り返される。この場合、ステップＳ６７およびＳ６８の処理が実行されていない属性値を属性値Ａｔｖとして処理が実行される。

このように説明属性のカテゴリＣｅにおいて特徴的な属性の属性値の各々についてステップＳ６７およびＳ６８の処理が繰り返されることによって、当該属性値毎に算出された文書数（説明属性のカテゴリＣｅに分類された文書集合における当該属性値を含む文書数）を各次元の値とするカテゴリベクトルｖｅ´が生成される。

上記したように説明属性のカテゴリＣｅにおいて特徴的な属性の全ての属性値の各々についてステップＳ６７およびＳ６８の処理が繰り返された結果、全ての属性値について処理が実行されたと判定された場合（ステップＳ６９のＹＥＳ）、説明属性再分類部３２３は、生成されたカテゴリベクトルｖｅ´の各次元の値をノルム｜ｖｅ´｜で割ることによって、当該カテゴリベクトルｖｅ´を正規化する（ステップＳ７０）。

次に、説明属性再分類部３２３は、上記したステップＳ６６において正規化されたカテゴリベクトルｖｅおよびステップＳ７０において正規化されたカテゴリベクトルｖｅ´のそれぞれのベクトルの和集合カテゴリＣｅの特徴を表すカテゴリベクトルｖｃｅ（つまり、ｖｃｅ＝｛ｖｅ，ｖｅ´｝）とする。これは、具体的な値のベクトルで説明すると例えば、計算の結果がｖｅ＝｛０．１，０．２，０．３｝およびｖｅ´＝｛０．４，０．５｝のとき、これらを合せたベクトルｖｃｅを｛０．１，０．２，０．３，０．４，０．５｝とする処理である。

ここで、説明属性再分類部３２３は、全ての説明属性のカテゴリについて上記したステップＳ６１〜Ｓ７１の処理が実行されたか否かを判定する（ステップＳ７２）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ７２のＮＯ）、上記したステップＳ６１に戻って処理が繰り返される。この場合、ステップＳ６１〜Ｓ７１の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。このように説明属性のカテゴリの各々についてステップＳ６１〜Ｓ７１の処理が繰り返されることによって、当該説明属性のカテゴリ毎のカテゴリベクトルが生成される。

上記したように説明属性のカテゴリの各々についてステップＳ６１〜Ｓ７１の処理が繰り返された結果、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ７２のＹＥＳ）、上述した図１３および図１４に示すステップＳ１９〜Ｓ３０の処理に相当するステップＳ７３〜Ｓ８４の処理が実行される。

具体的には、説明属性再分類部３２３は、説明属性のカテゴリの各々について以下のステップＳ７３〜Ｓ８３の処理を実行する。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。

まず、説明属性再分類部３２３は、以下の処理において用いられるｃｍａｘおよびｓｍａｘを初期化する（ステップＳ７３）。この場合、説明属性再分類部３２３は、ｃｍａｘをなし、ｓｍａｘを０とする。

次に、説明属性再分類部３２３は、分類先カテゴリがあるか否かを判定する（ステップＳ７４）。なお、上記したようにステップＳ７３〜Ｓ８３の処理は説明属性のカテゴリの各々について実行されるが、ここで処理の対象である説明属性のカテゴリＣｅが当該説明属性のカテゴリのうちの１つ目（つまり、処理順が最初）である場合には、上述した図１３に示すステップＳ２０と同様に、分類先カテゴリがないと判定される。

ステップＳ７４において分類先カテゴリがないと判定された場合には、後述するステップＳ７９の処理が実行される。

一方、ステップＳ７４において分類先カテゴリがあると判定された場合には、説明属性再分類部３２３は、分類先カテゴリの各々について以下のステップＳ７５〜Ｓ７７の処理を実行する。以下、この処理の対象となる分類先カテゴリを分類先カテゴリＣｎとする。

説明属性再分類部３２３は、上記したステップＳ６１〜Ｓ７１の処理によって生成された説明属性のカテゴリＣｅのカテゴリベクトルｖｃｅおよび分類先カテゴリＣｎのカテゴリベクトル（以下、カテゴリベクトルｖｃｎと表記）に基づいて、当該説明属性のカテゴリＣｅおよび分類先カテゴリＣｎ間の類似度（以下、類似度ｓと表記）を算出する（ステップＳ７５）。この類似度ｓは、例えば説明属性のカテゴリＣｅのカテゴリベクトルｖｃｅおよび分類先カテゴリＣｎのカテゴリベクトルｖｃｎの余弦値である。なお、この分類先カテゴリＣｎのカテゴリベクトルｖｃｎは、前述した説明属性クラスタリング処理における分類先カテゴリＣｎのカテゴリベクトルｖｃｎと同様に算出される。

次に、説明属性再分類部３２３は、算出された類似度ｓが予め定められた条件を満たすか否かを判定する（ステップ７６）。ここで、予め定められた条件とは、例えば類似度ｓが予め定められた値（閾値）以上であることを示す。つまり、類似度ｓが閾値以上である場合には条件を満たすと判定され、類似度ｓが閾値未満である場合には条件を満たさないと判定される。

類似度ｓが条件を満たすと判定された場合（ステップＳ７６のＹＥＳ）、説明属性再分類部３２３は、ｃｍａｘ＝分類先カテゴリＣｎ、ｓｍａｘ＝ｓとする（ステップＳ７７）。つまり、説明属性再分類部３２３は、ｃｍａｘに分類先カテゴリＣｎを、ｓｍａｘに類似度ｓを代入する。

一方、類似度ｓが条件を満たさないと判定された場合（ステップＳ７６のＮＯ）、ステップＳ７７の処理は実行されない。

次に、説明属性再分類部３２３は、全ての分類先カテゴリについて上記したステップＳ７５〜Ｓ７７の処理が実行されたか否かを判定する（ステップＳ７８）。

全ての分類先カテゴリについて処理が実行されていないと判定された場合（ステップＳ７８のＮＯ）、上記したステップ７５に戻って処理が繰り返される。この場合、ステップＳ７５〜Ｓ７７の処理が実行されていない分類先カテゴリを分類先カテゴリＣｎとして処理が実行される。

一方、全ての分類先カテゴリについて処理が実行されたと判定された場合（ステップＳ７８のＹＥＳ）、説明属性再分類部３２３は、上記した分類先カテゴリの各々についてステップＳ７５〜Ｓ７７の処理が実行された結果、ｃｍａｘとされた分類先カテゴリ（以下、分類先カテゴリｃｍａｘと表記）が存在するか否かを判定する（ステップＳ７９）。

なお、上記したようにステップＳ７４において分類先カテゴリがないと判定された場合にはステップＳ７９の処理が実行されるが、この場合、ステップＳ７５〜Ｓ７７の処理が実行されていないため、分類先カテゴリｃｍａｘが存在しないと判定される。この他、上記したステップＳ７７において算出された類似度ｓの全てが閾値未満であるような場合には、分類先カテゴリｃｍａｘが存在しないと判定される。

ステップＳ７９において分類先カテゴリｃｍａｘが存在しないと判定された場合、説明属性再分類部３２３は、説明属性のカテゴリＣｅを分類先カテゴリとする（ステップＳ８０）。つまり、分類先カテゴリｃｍａｘが存在しない場合には、ステップＳ８０において新たな分類先カテゴリ（分類先カテゴリｎｅｗ）が生成される。ここで生成された分類先カテゴリｎｅｗのカテゴリベクトルは、当該分類先カテゴリｎｅｗとされた説明属性のカテゴリＣｅのカテゴリベクトルｖｃｅとする。

一方、ステップＳ７９において分類先カテゴリｃｍａｘが存在すると判定された場合、説明属性再分類部３２３は、説明属性のカテゴリＣｅを当該分類先カテゴリｃｍａｘに分類する（ステップＳ８１）。このステップＳ８１の処理によって、分類先カテゴリｃｍａｘおよび説明属性のカテゴリＣｅが統合され、新たな分類先カテゴリ（分類先カテゴリｎｅｗ）とされる。

次に、説明属性再分類部３２３は、説明属性のカテゴリＣｅが分類される前の分類先カテゴリｃｍａｘのカテゴリベクトルに、当該説明属性のカテゴリＣｅのカテゴリベクトルｖｃｅを加算する（ステップＳ８２）。これにより、ステップＳ８１における分類先カテゴリｎｅｗ（説明属性のカテゴリＣｅが分類された後の分類先カテゴリ）のカテゴリベクトルが算出される。つまり、この場合における分類先カテゴリｎｅｗのカテゴリベクトルは、分類先カテゴリｃｍａｘのカテゴリベクトルおよび当該分類先カテゴリｃｍａｘに分類された説明属性のカテゴリＣｅのカテゴリベクトルｖｃｅの和である。

説明属性再分類部３２３は、算出された分類先カテゴリｎｅｗのカテゴリベクトルのｖｅに対する各次元の値をノルムで割る、ｖｅ´に対する各次元の値をノルムで割ることによって、当該分類先カテゴリｎｅｗのカテゴリベクトルを正規化する（ステップＳ８３）。

上記したステップＳ８０またはＳ８３の処理が実行されると、説明属性再分類部３２３は、全ての説明属性のカテゴリについて上記したステップＳ７３〜Ｓ８３の処理が実行されたか否かを判定する（ステップＳ８４）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ８４のＮＯ）、上記したステップＳ７３に戻って処理が繰り返される。この場合、ステップＳ７３〜Ｓ８３の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。なお、上記したようにステップＳ７３に戻って処理が繰り返される場合、ステップＳ７４〜Ｓ７７においては、上記したステップＳ８０またはＳ８１における分類先カテゴリｎｅｗは１つの分類先カテゴリとして扱われる。

一方、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ８４のＮＯ）、説明属性再分類部３２３は、上記したステップＳ７３〜Ｓ８３の処理が実行された結果である全ての分類先カテゴリ（の各々）を示すカテゴリ情報をカテゴリ記憶部２３に記憶する（ステップＳ８５）。

ここで、ステップＳ８５においてカテゴリ記憶部２３に記憶される分類先カテゴリを示すカテゴリ情報には、上述したようにカテゴリ番号、親カテゴリ番号、カテゴリ名および文書番号が含まれる。このカテゴリ番号は、分類先カテゴリに対して発行されたカテゴリ番号であり、当該分類先カテゴリを一意に識別するための識別子である。また、親カテゴリ番号は、ルートカテゴリを識別するためのカテゴリ番号または例えばルートカテゴリの子カテゴリとして便宜的に作成された中間カテゴリを識別するためのカテゴリ番号とする。カテゴリ名は、分類先カテゴリに分類された説明属性の各カテゴリ（つまり、当該分類先カテゴリにおいて統合された説明属性の各カテゴリ）のカテゴリ名を組み合わせたものとする。また、文書番号は、分類先カテゴリに分類された説明属性の各カテゴリに属する文書を識別するための文書番号の和集合である。

このように説明属性再分類処理が実行されることによって、説明属性のカテゴリ（ここでは、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ）の各々が分類先カテゴリに分類される、つまり、当該説明属性のカテゴリ間のクラスタリングが行われる。これにより、説明属性のカテゴリの各々が統合され、新たな説明属性のカテゴリ（上述した分類先カテゴリ）が生成される。

なお、上記したように説明属性再分類処理においては、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリの各々が統合されて新たな説明属性のカテゴリが生成される。このため、説明属性再分類処理においては、当該説明属性再分類処理が実行される前の説明属性のカテゴリ（つまり、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ）より少ない数の新たな説明属性のカテゴリが生成される。

上記したように説明属性再分類部３２３によって生成された説明属性の各カテゴリ（のカテゴリ名）は、ユーザに対して提示される。

ここで、図２１を参照して、上述した図１８に示す説明属性の各カテゴリに対して説明属性再分類処理が実行された結果として生成された説明属性のカテゴリについて具体的に説明する。

図１８に示す「シンプル 大人っぽい 見易い」カテゴリと「ビジネス向け 使い易い」カテゴリとを参照すると、特徴的な属性（の属性名および属性値）が等しい。このような場合には、説明属性再分類処理が実行されることによって図１８に示す「シンプル 大人っぽい 見易い」カテゴリおよび「ビジネス向け 使い易い」カテゴリが統合され、図２１に示す「シンプル 大人っぽい 見易い ビジネス向け 使い易い」カテゴリが生成される。

次に、図２２および図２３のフローチャートを参照して、上述した２軸マップ生成処理（図１０に示すステップＳ７の処理）の処理手順について説明する。この２軸マップ生成処理は、説明属性再分類部３２３によって生成された説明属性の各カテゴリ（を示すカテゴリ情報）および目的属性の各カテゴリ（を示すカテゴリ情報）を入力値として、２軸マップ可視化部３１２によって実行される。この２軸マップ生成処理の説明においては、説明属性再分類部３２３によって生成された説明属性のカテゴリ（説明属性再分類処理における再分類結果）を単に説明属性のカテゴリと称する。

なお、この２軸マップ生成処理が実行される際には、２軸マップを可視化するための情報を保持するｖｉｅｗＬｉｓｔが用意される。

２軸マップ可視化部３１２は、目的属性のカテゴリの各々について以下のステップＳ９１〜Ｓ１０３の処理を実行する。以下、この処理の対象となる目的属性のカテゴリを目的属性のカテゴリＣｏとする。

２軸マップ可視化部３１２は、以下の処理において用いられるｍａｘｓｃｏｒｅおよびｍａｘｃｅを初期化する（ステップＳ９１）。このとき、２軸マップ可視化部３１２は、ｍａｘｓｃｏｒｅを０とし、ｍａｘｃｅをなしとする。

２軸マップ可視化部３１２は、説明属性のカテゴリの各々について以下のステップＳ９２〜Ｓ１００の処理を実行する。以下、この処理の対象となる説明属性のカテゴリを説明属性のカテゴリＣｅとする。

２軸マップ可視化部３１２は、カテゴリ記憶部２３に記憶されている説明属性のカテゴリＣｅを示すカテゴリ情報および目的属性のカテゴリＣｏを示すカテゴリ情報に基づいて、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書数を算出する。２軸マップ可視化部３１２は、算出された文書数を、上記したｖｉｅｗＬｉｓｔに代入する（ステップＳ９２）。また、２軸マップ可視化部３１２は、ｖｉｅｗＬｉｓｔに説明属性のカテゴリＣｅのカテゴリ名および目的属性のカテゴリＣｏのカテゴリ名を代入する。この場合、２軸マップ可視化部３１２によって算出された文書数（つまり、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書数）は、ｖｉｅｗＬｉｓｔにおいて説明属性のカテゴリＣｅ（のカテゴリ名）および目的属性のカテゴリＣｏ（のカテゴリ名）に対応づけられた位置に代入（配置）される。なお、説明属性のカテゴリＣｅのカテゴリ名は当該カテゴリＣｅを示すカテゴリ情報から取得され、目的属性のカテゴリＣｏのカテゴリ名は当該カテゴリＣｏを示すカテゴリ情報から取得される。

２軸マップ可視化部３１２は、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書が有する属性の全ての属性値（つまり、当該文書に含まれる全ての属性値）の各々について以下のステップＳ９３〜Ｓ９９の処理を実行する。以下、この処理の対象となる属性値を属性値Ａｔｖとする。

２軸マップ可視化部３１２は、説明属性のカテゴリＣｅを示すカテゴリ情報および目的属性のカテゴリＣｏを示すカテゴリ情報に基づいて、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書集合における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｃｅ∧Ｃｏ））を算出する（ステップＳ９３）。

２軸マップ可視化部３１２は、説明属性のカテゴリＣｅを示すカテゴリ情報に基づいて、説明属性のカテゴリＣｅに属する文書集合における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｃｅ））を算出する（ステップＳ９４）。

２軸マップ可視化部３１２は、文書記憶部２２に記憶されている全ての文書集合（Ｎ）における属性値Ａｔｖを含む文書数（ＤＦ（Ａｔｖ，Ｎ））を算出する（ステップＳ９５）。

次に、２軸マップ可視化部３１２は、算出されたＤＦ（Ａｔｖ，Ｃｅ∧Ｃｏ）、ＤＦ（Ａｔｖ，Ｃｅ）およびＤＦ（Ａｔｖ，Ｎ）を用いて、属性値Ａｔｖの説明属性のカテゴリＣｅにおけるスコア（ｓｃｏｒｅ（Ａｔｖ，Ｃｅ））を算出する（ステップＳ９６）。具体的には、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）は、ＤＦ（Ａｔｖ，Ｃｅ∧Ｃｏ）／ＤＦ（Ａｔｖ，Ｃｅ）＊ｌｏｇ（Ｎ／ＤＦ（Ａｔｖ，Ｎ））の算出式によって算出される。

２軸マップ可視化部３１２は、算出されたｓｃｏｒｅ（Ａｔｖ，Ｃｅ）が上述したｍａｘｓｃｏｒｅより大きいか否かを判定する（ステップＳ９６）。

ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅより大きいと判定された場合（ステップＳ９７のＹＥＳ）、２軸マップ可視化部３１２は、ｍａｘｓｃｏｒｅにｓｃｏｒｅ（Ａｔｖ，Ｃｅ）を代入する（ステップＳ９８）。

また、２軸マップ可視化部３１２は、上述したｍａｘｃｅに属性値Ａｔｖを代入する（ステップＳ９９）。

なお、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅより大きくない、つまり、ｓｃｏｒｅ（Ａｔｖ，Ｃｅ）がｍａｘｓｃｏｒｅ以下であると判定された場合（ステップＳ９７のＮＯ）、上記したステップＳ９８およびＳ９９の処理は実行されない。

次に、２軸マップ可視化部３１２は、説明属性のカテゴリＣｅおよび目的属性のカテゴリＣｏの両方に分類された文書が有する属性の全ての属性値について上記したステップＳ９３〜Ｓ９９の処理が実行されたか否かを判定する（ステップＳ１００）。

説明属性のカテゴリＣｅにおける全ての属性値について処理が実行されていないと判定された場合（ステップＳ１００のＮＯ）、上記したステップＳ９３に戻って処理が繰り返される。この場合、ステップＳ９３〜Ｓ９９の処理が実行されていない属性値を属性値Ａｔｖとして処理が実行される。

一方、説明属性のカテゴリＣｅにおける全ての属性値について処理が実行されたと判定された場合（ステップＳ１００のＹＥＳ）、２軸マップ可視化部３１２は、全ての説明属性のカテゴリについて上記したステップＳ９２〜Ｓ１００の処理が実行されたか否かを判定する（ステップＳ１０１）。

全ての説明属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ１０１のＮＯ）、上記したステップＳ９２に戻って処理が繰り返される。この場合、ステップＳ９２〜Ｓ１００の処理が実行されていない説明属性のカテゴリを説明属性のカテゴリＣｅとして処理が実行される。

一方、全ての説明属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ１０１のＹＥＳ）、２軸マップ可視化部３１２は、ｍａｘｓｃｏｒｅが予め定められた条件を満たすか否かを判定する（ステップＳ１０２）。ここで、予め定められた条件とは、例えばｍａｘｓｃｏｒｅが予め定められた値（閾値）以上であることを示す。つまり、ｍａｘｓｃｏｒｅが閾値以上である場合には条件を満たすと判定され、ｍａｘｓｃｏｒｅが閾値未満である場合に条件を満たさないと判定される。

ｍａｘｓｃｏｒｅが条件を満たすと判定された場合（ステップＳ１０２のＹＥＳ）、ｍａｘｃｅに代入されている属性値は、目的属性のカテゴリＣｏにおいて特徴的な属性の属性値である。この場合、２軸マップ可視化部３１２は、目的属性のカテゴリＣｏ（およびｍａｘｓｃｏｒｅが算出された際の説明属性のカテゴリの両方に分類された文書集合）において特徴的な属性の属性名および属性値（ｍａｘｃｅに代入された属性値）をｖｉｅｗＬｉｓｔに代入する（ステップＳ１０３）。ここで、目的属性のカテゴリＣｏにおいて特徴的な属性の属性名は、ｍａｘｃｅに代入された属性値に文書において対応づけられている属性名である。

ここで、２軸マップ可視化部３１２は、全ての目的属性のカテゴリについて上記したステップＳ９１〜Ｓ１０３の処理が実行されたか否かを判定する（ステップＳ１０４）。

全ての目的属性のカテゴリについて処理が実行されていないと判定された場合（ステップＳ１０４のＮＯ）、上記したステップＳ９１に戻って処理が繰り返される。この場合、ステップＳ９１〜Ｓ１０３の処理が実行されていない目的属性のカテゴリを目的属性のカテゴリＣｏとして処理が実行される。

一方、全ての目的属性のカテゴリについて処理が実行されたと判定された場合（ステップＳ１０４のＹＥＳ）、２軸マップ可視化部３１２は、ｖｉｅｗＬｉｓｔを、２軸マップ生成処理の返り値とする（ステップＳ１０５）。

このように２軸マップ生成処理が実行されることによって生成されたｖｉｅｗＬｉｓｔ（２軸マップ）には、説明属性の各カテゴリおよび目的属性の各カテゴリの両方に分類された文書数および目的属性の各カテゴリにおける特徴的な属性（の属性名および属性値）が含まれる。

なお、２軸マップ生成処理によって生成された２軸マップは、ユーザに対して表示（提示）される。

ここで、図２４は、２軸マップが表示された際の表示画面の一例を示す。図２４においては、説明属性のカテゴリのカテゴリ名として、「かっこ良い カジュアル ユニーク」カテゴリ、「シンプル 大人っぽい 見易い ビジネス向け 使い易い」カテゴリおよび「かわいい 子供向け」カテゴリが表示されている。また、目的属性のカテゴリのカテゴリ名として、「自社商品１」カテゴリ、「他社商品２」カテゴリおよび「他社商品３」カテゴリのカテゴリ名が表示されている。なお、「かっこ良い カジュアル ユニーク」カテゴリ、「シンプル 大人っぽい 見易い ビジネス向け 使い易い」カテゴリおよび「かわいい 子供向け」カテゴリは、上述したように説明属性再分類部３２３によって生成された説明属性のカテゴリである。

図２４に示す表示画面には、例えば「かっこ良い カジュアル ユニーク」カテゴリ（のカテゴリ名）および「自社商品１」カテゴリ（のカテゴリ名）に対応づけて「８０」が表示されている。これによれば、「かっこ良い カジュアル ユニーク」カテゴリおよび「自社商品１」カテゴリの両方に分類された文書数が８０であることが示されている。更に、図２４に示す表示画面には、属性名「購入者業種」および属性値「マスコミ」が例えばポップアップ表示されている。

つまり、図２４に示す表示画面によれば、他の説明属性のカテゴリと比較して「自社商品１」カテゴリと相関が高い説明属性のカテゴリが「かっこ良い カジュアル ユニーク」カテゴリであることが示されており、「自社商品１」カテゴリと相関が高い属性の属性名が「購入者業種」であり、その属性値が「マスコミ」であることが示されている。

同様に、図２４に示す表示画面によれば、他の説明属性のカテゴリと比較して「他社商品２」カテゴリと相関が高い説明属性のカテゴリが「シンプル 大人っぽい 見易い ビジネス向け 使い易い」カテゴリであることが示されており、「他社商品２」カテゴリと相関が高い属性の属性名が「購入者年齢層」であり、その属性値が「３０代」であることが示されている。

更に、図２４に示す表示画面によれば、他の説明属性のカテゴリと比較して「他社商品３」カテゴリと相関が高い説明属性のカテゴリが「かわいい 子供向け」カテゴリであることが示されており、「他社商品３」カテゴリと相関が高い属性の属性名が「開発社」であり、その属性値が「Ｘ社」であることが示されている。

なお、図２４に示すように、属性名および属性値は、目的属性のカテゴリおよび説明属性のカテゴリに対応づけて表示されている。この場合、この属性名および属性値は、対応づけられている目的属性のカテゴリおよび説明属性のカテゴリの両方に分類された文書集合において特徴的な属性を表す。具体的には、図２４に示す表示画面において、属性名「購入者業種」および属性値「マスコミ」は、「自社商品１」カテゴリおよび「かっこ良い カジュアル ユニーク」カテゴリに対応づけてポップアップ表示されている。この場合、属性名「購入者業種」および属性値「マスコミ」は、「自社商品１」カテゴリおよび「かっこ良い カジュアル ユニーク」カテゴリの両方に分類された文書集合において特徴的な属性を表している。

ユーザは、このような表示画面を参照することによって、目的属性の各カテゴリに対する相関の高い説明属性のカテゴリを容易に発見し、更に、当該目的属性のカテゴリと相関が高い属性を発見することができる。

上記したように本実施形態においては、ユーザによって選択された説明属性の属性値に基づいて複数の文書が分類された説明属性のカテゴリ毎に、当該説明属性のカテゴリに分類された文書数に対する目的属性の各カテゴリおよび当該説明属性のカテゴリの両方に分類された文書数の割合（つまり、確信度）が算出され、当該割合に基づいて各説明属性のカテゴリが新たなカテゴリ（説明属性のカテゴリ）に分類される。また、本実施形態においては、分類後の説明属性の各カテゴリにおいて特徴的な属性が抽出され、当該説明属性のカテゴリ毎に、当該説明属性のカテゴリに分類された文書数に対する各目的属性のカテゴリおよび当該説明属性のカテゴリの両方に分類された文書数の割合と当該説明属性のカテゴリに分類された文書における当該抽出された当該説明属性において特徴的な属性の属性値を含む文書数とが算出され、当該算出された割合と文書数とに基づいて当該説明属性の各カテゴリが更に新たなカテゴリ（説明属性のカテゴリ）に再分類され、当該再分類後の説明属性のカテゴリがユーザに対して提示される。

つまり、本実施形態においては、ユーザによって指定（選択）された目的属性の各カテゴリに対して相関が高くなるように説明属性のカテゴリを分類し、当該ユーザに対して当該分類結果（説明属性のカテゴリ）を提示することができる。これにより、本実施形態においては、ユーザは説明属性のカテゴリを目的属性の各カテゴリと相関が高くなるように試行錯誤して分類する必要がなく、効率的に、当該目的属性の各カテゴリと相関が高い説明属性のカテゴリ（の分類結果）を把握することができる。

また、本実施形態においては、目的属性の各カテゴリおよび再分類後の説明属性の各カテゴリの両方に分類された文書数と当該目的属性の各カテゴリにおいて特徴的な属性（の属性名および属性値）とを２軸マップとして提示することにより、ユーザは、目的属性の各カテゴリと相関が高い説明属性のカテゴリを当該２軸マップ上から容易に発見することが可能となる。

更に、本実施形態においては、目的属性の各カテゴリにおいて特徴的な属性（の属性名および属性値）についても２軸マップ上に表示されるため、ユーザは、容易に目的属性の各カテゴリと相関が高い属性を把握することができる。

なお、本実施形態においては、カテゴリ表示操作部３１１によって１つの説明属性が選択されるものとして説明したが、複数の説明属性が選択されても構わない。この場合、上述したように説明属性のカテゴリは統合される必要があるため、当該選択された複数の説明属性のデータの型は同一である必要がある。

（第２の実施形態）
次に、図２５を参照して、第２の実施形態について説明する。図２５は、本実施形態に係る文書分析装置の主として機能構成を示すブロック図である。なお、前述した図２と同様の部分には同一参照符号を付してその詳しい説明を省略する。ここでは、図２と異なる部分について主に述べる。

また、本実施形態に係る文書分析装置のハードウェア構成は、前述した第１の実施形態と同様であるため、適宜、図１を用いて説明する。

本実施形態においては、目的属性および説明属性に加えて、説明属性のカテゴリを再分類する際に用いられる属性（再分類時に着目すべき属性）をユーザが指定する点が、前述した第１の実施形態とは異なる。

図２５に示すように、本実施形態に係る文書分析装置５０は、ユーザインタフェース部５１および説明属性分類部５２を含む。本実施形態において、これらの各部５１および５２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。

ユーザインタフェース部５１は、カテゴリ表示操作部５１１を含む。カテゴリ表示操作部５１１は、ユーザの操作に応じて、文書記憶部２２に記憶されている文書が有する複数の属性の中から目的属性（第１の属性）、説明属性（第２の属性）および説明属性のカテゴリを再分類する際に用いられる属性（第３の属性）を選択する。

説明属性分類部５２は、説明属性再分類部５２１を含む。なお、上記したように説明属性のカテゴリを再分類する際に用いられる属性（以下、再分類対象属性と表記）はユーザの操作に応じてカテゴリ表示操作部５１１によって選択されるため、図２５に示すように、前述した第１の実施形態における特徴属性抽出部３２２に相当する機能部は、本実施形態においては存在しない。

説明属性再分類部５２１は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリ毎に、当該説明属性のカテゴリに属する文書数に対する目的属性の各カテゴリ（第１のカテゴリ）および当該説明属性のカテゴリの両方に分類された文書数の割合と、当該説明属性のカテゴリに属する文書におけるカテゴリ表示操作部５１１によって選択された再分類対象属性の属性値を含む文書数とを算出する。説明属性再分類部５２１は、算出された割合と文書数とに基づいて、当該複数の説明属性のカテゴリを複数のカテゴリ（第４のカテゴリ）に再分類する。つまり、説明属性再分類部５２１は、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリが再分類された新たな説明属性のカテゴリを生成する。この説明属性再分類部５２１によって生成された説明属性のカテゴリは、例えばユーザインタフェース部５１を介してユーザに対して提示される。

次に、図２６のフローチャートを参照して、本実施形態に係る文書分析装置５０の処理手順について説明する。ここで説明する文書分析装置５０の処理は、例えば当該文書分析装置５０を利用するユーザからの指示に応じて実行される。

まず、前述した図１０に示すステップＳ１の処理に相当するステップＳ１１１の処理が実行される。この場合、例えば前述した図１１に示す画面１００が表示される。

次に、カテゴリ表示操作部５１１は、階層構造を構成するカテゴリ表示されている画面に対するユーザの操作に応じて、目的属性、説明属性および再分類対象属性（説明属性のカテゴリを再分類する際に用いられる属性）を選択する（ステップＳ１１２）。

ここで、カテゴリ表示操作部５１１による目的属性および説明属性の選択については、前述した第１の実施形態におけるカテゴリ表示操作部３１１による目的属性および説明属性の選択と同様である。

これに加えて、ユーザは、文書記憶部２２に記憶されている文書に含まれる複数の属性名のうちの例えば１つの属性名を指定する操作を行うことによって、当該属性を再分類対象属性として指定することができる。カテゴリ表示操作部５１１は、このようなユーザの操作に基づいて、当該ユーザによって指定された属性を再分類対象属性として選択する。

ここで、図２７を参照して、ユーザが目的属性、説明属性および再分類対象属性を指定する際の画面について説明する。

ここでは、例えば自社の商品を購入し、他社の商品をあまり購入していない人（購入者）の商品の評価について分析を行う場合を想定する。この場合には、ユーザは、カテゴリが表示された画面上で、図２７に示すように「商品名別」カテゴリを指定する。これにより、カテゴリ表示操作部５１１は、属性名が「商品名」である属性（つまり、「商品名別」カテゴリに対応する属性）を目的属性として選択する。

また、カテゴリ表示操作部５１１によって目的属性が選択されると、図２７に示すように、画面１００には、説明属性を選択するためのサブ画面１００ｄが表示される。このサブ画面１００ｄには、文書に含まれる複数の属性の属性名が表示される。

ここでは、上記したように商品の評価について分析するため、ユーザは、サブ画面１００ｄに表示されている複数の属性名の中から属性名「商品評価」を指定する。これにより、カテゴリ表示操作部５１１は、属性名が「商品評価」である属性を説明属性として選択する。

更に、画面１００においては、再分類対象属性を選択するためのサブ画面１００ｅが表示される。このサブ画面１００ｅには、サブ画面１００ｄと同様に、文書が有する複数の属性の属性名が表示される。このサブ画面１００ｅにおいて属性名が指定されることにより、カテゴリ表示操作部５１１は、当該属性を再分類対象属性として選択する。図２７に示す例では、サブ画面１００ｅに表示されている複数の属性名の中から属性名「購入者年齢層」がユーザによって指定されているため、カテゴリ表示操作部５１１は、属性名が「購入者年齢層」である属性を再分類対象属性として選択する。

再び図２６に戻ると、前述した図１０に示すステップＳ３の処理に相当するステップＳ１１３の処理が実行される。このステップＳ１１３の処理が実行されることによって、カテゴリ表示操作部５１１によって選択された説明属性の属性値に基づいて複数の文書が分類されたカテゴリ（第２のカテゴリ）が分類された新たな説明属性のカテゴリ（第３のカテゴリ）が生成される。

次に、説明属性再分類部５２１は、ステップＳ１１２においてカテゴリ表示操作部５１１によって選択された再分類対象属性およびステップＳ１１３において説明属性クラスタリング部３２１によって生成された説明属性のカテゴリを入力値として、説明属性再分類処理を実行する（ステップＳ１１４）。

ここで、本実施形態における説明属性再分類処理について前述した図１９および図２０を用いて説明する。

前述した第１の実施形態における説明属性再分類処理においては、図１９に示すステップＳ６７および６８の処理が特徴属性抽出部３２２によって抽出された説明属性のカテゴリＣｅにおいて特徴的な属性の全ての属性値の各々について実行される。

これに対して、本実施形態における説明属性再分類処理においては、図１９に示すステップＳ６７およびＳ６８の処理がカテゴリ表示操作部５１１によって選択された再分類対象属性の全ての属性値の各々について実行される。

なお、この点以外の処理については、前述した図１９および図２０において説明した処理と同様であるため、その詳しい説明を省略する。

本実施形態においては、このようにステップＳ１１４において説明属性再分類処理が実行されることによって、説明属性クラスタリング部３２１によって生成された説明属性のカテゴリが再分類された新たな説明属性のカテゴリ（第４のカテゴリ）が生成される。

ステップＳ１１４の処理が実行されると、前述した図１０に示すステップＳ６〜Ｓ８の処理に相当するステップＳ１１５〜Ｓ１１７の処理が実行される。

上記したように本実施形態においては、説明属性再分類処理の際に、前述した第１の実施形態における特徴属性抽出部３２２によって抽出された説明属性のカテゴリにおいて特徴的な属性に代えて、カテゴリ表示操作部５１１によって選択された再分類対象属性（ユーザによって指定された属性）が用いられる。

これにより、本実施形態においては、説明属性再分類処理においてユーザによって指定された属性が利用されるため、前述した第１の実施形態と比較して、当該説明属性再分類処理の精度を向上させることができ、更に、よりユーザの意図を反映した目的属性のカテゴリとの相関が高い説明属性のカテゴリを提示することが可能となる。

以上説明した少なくとも１つの実施形態によれば、ユーザによって指定された目的属性に対して相関が高い説明属性のカテゴリを提示することが可能な文書分析装置およびプログラムを提供することができる。

なお、本願発明は、上記各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、上記各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、各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。更に、異なる実施形態に亘る構成要素を適宜組合せてもよい。

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、３０，５０…文書分析装置、３１，５１…ユーザインタフェース部、３２，５２…説明属性分類部、３１１，５１１…カテゴリ表示操作部（選択手段）、３１２…２軸マップ可視化部（提示処理手段）、３２１…説明属性クラスタリング部、３２２…特徴属性抽出部、３２３，５２１…説明属性再分類部。

Claims (6)

1. 複数の属性を有する複数の文書であって、当該各属性の属性値を含む複数の文書を記憶する文書記憶手段と、
   ユーザの操作に応じて、前記複数の属性の中から第１および第２の属性を選択する選択手段と、
   前記選択された第１の属性の属性値に基づいて前記複数の文書が分類された複数の第１のカテゴリを示す第１のカテゴリ情報および前記選択された第２の属性の属性値に基づいて前記複数の文書が分類された複数の第２のカテゴリを示す第２のカテゴリ情報を記憶するカテゴリ記憶手段と、
   前記カテゴリ記憶手段に記憶されている第１のカテゴリ情報および第２のカテゴリ情報に基づいて、前記第２のカテゴリ毎に、当該第２のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第２のカテゴリの両方に分類された文書数の割合を算出する第１の算出手段と、
   前記第１の算出手段によって算出された割合に基づいて、前記複数の第２のカテゴリを複数の第３のカテゴリに分類する分類手段と、
   前記複数の属性の属性値毎に、前記各第３のカテゴリに分類された文書における当該属性値を含む文書数および前記文書記憶手段に記憶されている複数の文書における当該属性値を含む文書数を算出し、当該算出された各文書数に基づいて、前記第３のカテゴリ毎に当該第３のカテゴリにおいて特徴的な属性を抽出する抽出手段と、
   前記第３のカテゴリ毎に、当該第３のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第３のカテゴリの両方に分類された文書数の割合と、当該第３のカテゴリに分類された文書における前記抽出された当該第３のカテゴリにおいて特徴的な属性の属性値を含む文書数とを算出する第２の算出手段と、
   前記第２の算出手段によって算出された割合と文書数とに基づいて、前記複数の第３のカテゴリを複数の第４のカテゴリに再分類する再分類手段と、
   前記複数の第４のカテゴリを前記ユーザに提示する提示処理手段と
   を具備することを特徴とする文書分析装置。
2. 前記提示処理手段は、前記各第１のカテゴリおよび前記各第４のカテゴリの両方に分類された文書数を更に提示することを特徴とする請求項１記載の文書分析装置。
3. 前記提示処理手段は、前記複数の属性の属性値毎に、前記各第１のカテゴリおよび前記各第４のカテゴリの両方に分類された文書数、前記各第４のカテゴリに分類された文書における当該属性値を含む文書数および前記文書記憶手段に記憶されている複数の文書における当該属性値を含む文書数を算出し、当該算出された各文書数に基づいて、前記第１のカテゴリ毎に当該第１のカテゴリにおいて特徴的な属性名と属性値を抽出し、当該抽出された属性名と属性値を更に提示することを特徴とする請求項２記載の文書分析装置。
4. 前記分類手段は、前記第１の算出手段によって算出された割合に基づいて前記第２のカテゴリ間の類似度を算出し、当該類似度が予め定められた条件を満たす場合に、当該第２のカテゴリを同一の第３のカテゴリに分類し、
   前記再分類手段は、前記第２の算出手段によって算出された割合と文書数とに基づいて前記第３のカテゴリ間の類似度を算出し、当該算出された類似度が予め定められた条件を満たす場合に、当該第３のカテゴリを同一の第４のカテゴリに分類する
   ことを特徴とする請求項１記載の文書分析装置。
5. 複数の属性を有する複数の文書であって、当該各属性の属性値を含む複数の文書を記憶する文書記憶手段と、
   ユーザの操作に応じて、前記複数の属性の中から第１、第２および第３の属性を選択する選択手段と、
   前記選択された第１の属性の属性値に基づいて前記複数の文書が分類された複数の第１のカテゴリを示す第１のカテゴリ情報および前記選択された第２の属性の属性値に基づいて前記複数の文書が分類された複数の第２のカテゴリを示す第２のカテゴリ情報を記憶するカテゴリ記憶手段と、
   前記カテゴリ記憶手段に記憶されている第１のカテゴリ情報および第２のカテゴリ情報に基づいて、前記第２のカテゴリ毎に、当該第２のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第２のカテゴリの両方に分類された文書数の割合を算出する第１の算出手段と、
   前記第１の算出手段によって算出された割合に基づいて、前記複数の第２のカテゴリを複数の第３のカテゴリに分類する分類手段と、
   前記第３のカテゴリ毎に、当該第３のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第３のカテゴリの両方に分類された文書数の割合と、当該第３のカテゴリに分類された文書における前記選択された第３の属性の属性値を含む文書数とを算出する第２の算出手段と、
   前記第２の算出手段によって算出された割合と文書数とに基づいて、前記複数の第３のカテゴリを複数の第４のカテゴリに分類する再分類手段と、
   前記複数の第４のカテゴリを前記ユーザに提示する提示処理手段と
   を具備することを特徴とする文書分析装置。
6. 複数の属性を有する複数の文書であって、当該各属性の属性値を含む複数の文書を記憶する文書記憶手段と、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析装置において、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、
   ユーザの操作に応じて、前記複数の属性の中から第１および第２の属性を選択するステップと、
   前記カテゴリ記憶手段に記憶されている、前記選択された第１の属性の属性値に基づいて前記複数の文書が分類された複数の第１のカテゴリを示す第１のカテゴリ情報および前記選択された第２の属性の属性値に基づいて前記複数の文書が分類された複数の第２のカテゴリを示す第２のカテゴリ情報に基づいて、前記第２のカテゴリ毎に、当該第２のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第２のカテゴリの両方に分類された文書数の第１の割合を算出するステップと、
   前記算出された第１の割合に基づいて、前記複数の第２のカテゴリを複数の第３のカテゴリに分類するステップと、
   前記複数の属性の属性値毎に、前記各第３のカテゴリに分類された文書における当該属性値を含む文書数を算出し、当該算出された各文書数に基づいて、前記第３のカテゴリ毎に当該第３のカテゴリにおいて特徴的な属性を抽出するステップと、
   前記第３のカテゴリ毎に、当該第３のカテゴリに分類された文書数に対する前記各第１のカテゴリおよび当該第３のカテゴリの両方に分類された文書数の第２の割合と、当該第３のカテゴリに分類された文書における前記抽出された属性の属性値を含む文書数とを算出するステップと、
   前記算出された第２の割合と前記抽出された属性の属性値を含む文書数とに基づいて、前記複数の第３のカテゴリを複数の第４のカテゴリに再分類するステップと、
   前記複数の第４のカテゴリを前記ユーザに提示するステップと
   を実行させるためのプログラム。

Images