JP5160312B2 - 文書分類装置 - 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・整理するための文書分類装置に関する。

近年、計算機の高性能化や記憶媒体の大容量化、計算機ネットワークの普及などに伴い、電子化された大量の文書を計算機システムに記憶管理して利用することが可能となった。ここでいう文書とは、例えば帳票、企画書、設計書といった業務文書や、マニュアル、特許、技術文献、法令、規程、議事録、ニュース記事、電子メール、ウェブページ、書籍などを指す。

このような大量の文書を未整理のまま計算機のファイルシステムや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が存在するかが分からなくなり、せっかくの情報が利用できなくなるという問題が生じる。従って、文書を内容や用途に応じて分類・整理しておくことで情報の有効活用や共有の促進を図るといったことが行われている。

また、例えば日々作成され蓄積される日報や週報などの報告書や、顧客から送付されてくる問い合わせ、製品等の不具合情報、特許・技術文献等の知的財産などを分析・調査して内容の傾向を把握したり、新たな知見を得る目的にも、互いに内容が類似した文書同士をグルーピングしたりすることが行われている。このような文書の分類作業には労力がかかるため、文書を自動的に分類する技術が従来より開発されている。

大量の文書を自動的に分類する技術には、大別すると教師あり分類と教師なし分類がある。教師あり分類は、あらかじめユーザが与えたカテゴリの構造と各カテゴリに分類されるべき訓練文書とに基づき、未分類の文書を自動的に分類する方法である。教師なし分類は主にクラスタリングと呼ばれ、ユーザが定義した文書の類似度に基づき、類似した文書同士を自動的にグルーピングし、カテゴリ構造自体も自動生成する方法である。

しかし、これらの技術による自動分類の結果はユーザが意図したものにならないことが多い。また、ある文書集合を自動または手作業で分類してカテゴリ構造を作成した後、新たな文書集合を追加して分類しようとすると、既存のカテゴリ構造では新しい文書をうまく分類できないこともある。

計算機処理による自動分類では、人間が手作業で行うような質の良い分類結果を得ることは困難であるし、文書をどのようなカテゴリ構造に分類すべきかはユーザ自身の意図にもよる。従って、ユーザと計算機との協調作業によってユーザが意図するカテゴリ構造を効率よく作成できるようにすることが望まれる。そこで、以下のような技術が提案されている。

その一つは、あるカテゴリに自動分類された文書をユーザが別のカテゴリに移動（割り当て直し）できるようにしたものである。もちろん、大量の文書をユーザが逐一移動するのは労力がかかるし、そもそも、どの文書をどのカテゴリに移動すべきかを判断すること自体が難しい。

従って、例えば特許文献１に開示されるように、自動分類による分類結果の適切さを判定する作業や、分類結果が誤りである場合に適切なカテゴリを見つける作業を効率良く行うための支援方法が考案されている。また、例えば特許文献２や特許文献３に開示されるように、適切なカテゴリが存在しない場合に新規のカテゴリを作成する必要性をユーザに提案する方法も考案されている。

さらに、例えば特許文献３に開示されるように、あるカテゴリに分類される文書数が少なくなった場合に当該カテゴリを削除するか、あるいは他のカテゴリへ併合することをユーザに提案したり、逆に、あるカテゴリへ分類される文書が多くなった場合に当該カテゴリを分割することを提案したりする方法も考案されている。

一方、例えば特許文献４に開示されるように、カテゴリの移動や削除等の変更の指示に応じて、既に分類されている文書を再分類する方法も考案されている。
特開平９−２２４１４号公報 特開平５−３４２２７２号公報 特開２００２−１１７０４６号公報 特開２０００−１３７７２３号公報

従来の自動分類、特に教師なし分類（クラスタリング）には以下の課題がある。まず、ユーザが類似していると考える文書が別々のカテゴリに分類されてしまったり、逆に、類似していないと考える文書が同じカテゴリに分類されてしまったりすることがある。

一般的な文書クラスタリングにおいては、各文書の特徴を表すために単語ベクトルを用いることが多い。単語ベクトルとは、文書中に出現する各々の単語をベクトルの次元とし、各次元の値を当該単語の品詞や頻度などに基づいて計算した重みとして構成したベクトルである。そして、文書の間の類似度は、両文書の単語ベクトルの類似度（余弦など）を用いて定義する。

この類似度を用いて、文書集合から、互いによく類似した文書同士を選んでグルーピングしていくのがクラスタリングの処理である。この処理においては、単語ベクトル中のどの単語が類似度の計算において影響を及ぼすかは機械的に定められるため、その分類結果がユーザが意図しないものになってしまうことがある。
また、生成したカテゴリ構造において、あるカテゴリＡとあるカテゴリＢにおいて、ある観点で見ると一つのカテゴリに統合できることがあり、ユーザの意図に合わないことがある。

前述した特許文献３には、ユーザの思い通りの分類結果にならなかったときに、カテゴリの統合によって、分類構造を作成していく構成が開示されている。しかし、複数のカテゴリを統合しても、ユーザが他にも統合できるカテゴリがないか把握するために全てのカテゴリを探していくことは各カテゴリに属する文書を全て閲覧しなければならず、大変である。また、似た文書が存在するカテゴリ同士を統合しても、統合されたカテゴリ内にはカテゴリに属するのに不適切な文書が存在することがある。

そこで、本発明の目的は、カテゴリの階層構造における各カテゴリを、ユーザの意図に合うように統合するための作業を効率化し、ユーザの統合操作に応じてカテゴリの階層構造を適切に再構成することが可能になる文書分類装置を提供することにある。

すなわち、本発明に係わる文書分類装置は、複数の文書を記憶する文書記憶手段に記憶された所定の文書集合を分類する文書分類手段と、文書分類手段による分類結果である複数のカテゴリの情報を記憶するカテゴリ記憶手段と、カテゴリ記憶手段に記憶されるカテゴリのうち統合対象の一カテゴリの選択操作を受け付ける第１の選択手段と、選択されたカテゴリとの統合対象のカテゴリの候補を当該選択されたカテゴリおよびその他のカテゴリの間の類似度をもとに提示する統合カテゴリ候補提示手段と、提示された候補のうち何れかのカテゴリの選択操作を受け付ける第２の選択手段と、第１および第２の選択手段により選択されたカテゴリの統合カテゴリとの間の類似度が所定の条件を満たすカテゴリを検出する検出手段とを備え、第１および第２の選択手段により選択されたカテゴリおよび検出手段により検出したカテゴリを統合することを特徴とする。

本発明によれば、カテゴリの階層構造における各カテゴリをユーザの意図に合うように統合するための作業を効率化し、ユーザの統合操作に応じてカテゴリの階層構造を適切に再構成することができる。

以下図面により本発明の実施形態について説明する。
図１は、本発明の実施形態における文書分類装置の構成例を表すブロック図である。
図１に示すように、本発明の実施形態における文書分類装置は、装置全体の処理動作を司る制御部１、記憶装置２、文書分類部３、カテゴリ統合部４、キーボードやマウスなどの入力装置５およびディスプレイ装置などの出力装置６を備え、それぞれがバス７を介して相互に接続される。

記憶装置２は、例えばハードディスクドライブや不揮発性メモリなどの記憶媒体であり、文書分類部３やカテゴリ統合部４による処理動作のためのプログラムを記憶する他、文書記憶部２１およびカテゴリ記憶部２２を有する。カテゴリ記憶部２２には、後述するように、階層構造を構成する複数のカテゴリが記憶され、各カテゴリには、その親カテゴリ、つまり上位のカテゴリと、当該カテゴリが持つ文書の情報が記憶される。

文書分類部３は、記憶装置２の文書記憶部２１に記憶されている文書集合を自動的に分類する手段であり、その分類結果すなわちカテゴリの集合を、カテゴリ記憶部２２に記憶する。文書分類部３は単語ベクトル生成部３１および分類・クラスタリング部３２を有する。

文書分類部３の単語ベクトル生成部３１は、文書記憶部２１に記憶されている各文書から当該文書の特徴を表す単語ベクトルを生成する。また、カテゴリは文書の部分集合として表現するので、カテゴリの単語ベクトルは、当該カテゴリが持つ複数の文書の単語ベクトルを用い、単語ベクトル生成部３１によって生成する。
また、文書分類部３の分類・クラスタリング部３２は、文書とカテゴリの間の類似度を上述の単語ベクトルの類似度によって計算し、その類似度に基づいて文書を自動的に分類もしくはクラスタリングする手段である。

以上説明した文書分類部３の単語ベクトル生成部３１および分類・クラスタリング部３２は、従来技術による文書分類装置が有する手段と同様の手段であるが、図１に示したカテゴリ統合部４は本発明の特徴的な手段であり、特に、カテゴリの統合を行った場合に、ユーザが選択したカテゴリ以外のカテゴリも統合される点と、統合されたカテゴリに属するのに不適切な文書を除去する点が従来技術と比べて新規な点である。

カテゴリ統合部４は統合カテゴリ候補提示部４１、選択外カテゴリ統合部４２不適切文書除去部４３および適切文書追加部４４を有する。カテゴリ統合部４の統合カテゴリ候補提示部４１は、ユーザが指定した統合元カテゴリＡについて、当該カテゴリを統合する先として適した別のカテゴリを統合先カテゴリＢの候補として提示する。

選択外カテゴリ統合部４２は、ユーザが統合操作を行ったカテゴリＡ，Ｂについて、カテゴリＡとカテゴリＢの同じ観点を抽出し、カテゴリＡ，Ｂ以外のカテゴリについて、観点が似たカテゴリも統合する。
また、不適切文書除去部４３は、統合したカテゴリに属する文書のうち当該統合したカテゴリに属する文書として不適切な文書を判定する判定手段であり、統合したカテゴリに属する全ての文書のうち、統合したカテゴリに属するのに不適切な文書を除去する。適切文書追加部４４は、選択外カテゴリ統合部４２にて統合されなかったカテゴリの文書のうち、統合カテゴリに属するのに適切な文書を当該統合カテゴリに追加する。つまり、適切文書追加部４４は、統合されなかったカテゴリに属する文書のうち統合したカテゴリに属する文書として適切な文書を判定する判定手段である。

なお、カテゴリ統合部４には、上述のカテゴリ移動の操作以外にも、文書をあるカテゴリから別のカテゴリに移動する操作や、新しいカテゴリを作成する手段、既存のカテゴリを削除する手段、さらには複数のカテゴリを１つのカテゴリに統合する操作や１つのカテゴリを複数のカテゴリに分割する操作などを行う機能を設けてもよい。これらの機能は従来技術による文書分類装置の一部で実現されており、本発明に本質的に関わるものではないため、詳細な説明は省略する。

図２は、本発明の実施形態における文書分類装置の文書記憶部に記憶される文書情報の一例を表形式で示す図である。
記憶装置２の文書記憶部２１には複数の文書の情報が記憶され、各文書は図２に示すように文書のユニークな識別子である文書番号、文書名、本文などの情報を持つ。また、本実施形態では文書の特徴を表す単語ベクトルも文書記憶部２１にて文書毎に記憶する。その詳細については後述する。なお、本実施形態では発明の理解を容易にするために文書の特徴を単語ベクトルのみで表現しているが、例えば文書の属性情報（日時、種別、作成者など）を、文書を特徴付けるベクトルの要素としてもよい。

図３は、本発明の実施形態における文書分類装置のカテゴリ記憶部に記憶されるカテゴリ情報の一例を表形式で示す図である。
図３では３種類のカテゴリを示す。各カテゴリは当該カテゴリのユニークな識別子であるカテゴリ番号およびカテゴリ名を持つ。また、本実施形態では、カテゴリは０個または１個の親カテゴリを持つとする。図３（ａ）に示したカテゴリはルートのカテゴリであるため親カテゴリを持たない。一方、図３（ｂ）に示したカテゴリは、カテゴリ番号「Ｃ００１」のカテゴリ、すなわち図３（ａ）で示したカテゴリを親に持ち、図３（ｃ）に示したカテゴリはカテゴリ番号「Ｃ００２」のカテゴリ、すなわち図３（ｂ）で示したカテゴリを親カテゴリに持つ。また、各カテゴリが持つ文書の情報もカテゴリ記憶部２２に記憶される。

例えば図３（ｃ）に示したカテゴリは文書番号が「Ｄ０２１」「Ｄ０７９」「Ｄ１９３」などの文書を直接持つ。ここで、図３（ｂ）に示したカテゴリは図３（ｃ）に示したカテゴリの親カテゴリであるため、図３（ｂ）に示したカテゴリは間接的に文書番号「Ｄ０２１」、「Ｄ０７９」、「Ｄ１９３」などの文書を持つことになる。

また、カテゴリの特徴を表す単語ベクトルもカテゴリ記憶部２２にてカテゴリ毎に記憶される。その詳細については後述する。なお、ルートのカテゴリの単語ベクトルは不要なので「なし」とする。

図４は、本発明の実施形態における文書分類装置の処理動作の一例を示すフローチャートである。図５は、本発明の実施形態における文書分類装置による文書の単語ベクトルを求める処理動作の一例を示すフローチャートである。図６は、本発明の実施形態における文書分類装置によるカテゴリ内の文書の単語ベクトルを求める処理動作の一例を示すフローチャートである。図７は、本発明の実施形態における文書分類装置によるカテゴリの単語ベクトルを求める処理動作の一例を示すフローチャートである。
図５と図６に示した処理は、ともに文書の単語ベクトルを生成する処理を表すが、図５に示した処理で求められる単語ベクトルは、当該文書が属するカテゴリには依存しない単語ベクトルであるのに対し、図６に示した処理で求められる単語ベクトルは、図５に示した処理結果を用いて求められる、所定のカテゴリにおける文書の特徴を表す単語ベクトルである。また、図７に示した処理で求められる単語ベクトルは、図６の処理結果を用いて求められる、カテゴリの特徴を表す単語ベクトルである。

図４に示すように、文書分類部３の単語ベクトル生成部３１は、文書の単語ベクトル生成処理を行ない（ステップＳ１）、次にカテゴリ内の文書の単語ベクトル生成処理を行ない（ステップＳ２）、次にカテゴリの単語ベクトル生成処理を行なう（ステップＳ３）。

ステップＳ１の処理の詳細について図５を参照して説明する。単語ベクトル生成部３１は、処理の対象とする文書ｄから単語ベクトルを生成する対象とするテキストを取得する（ステップＳ１１）。図２に示した例では、文書の「本文」のテキストを対象とするが、例えば「［要約］」、「［課題］」、「［解決方法］」などの見出しの部分は文書の内容には直接関係がないので、これらの見出しを対象テキストから除去する。

次に単語ベクトル生成部３１は取得済みのテキストを形態素解析し（ステップＳ１２）、得られた単語（形態素）ｔのうち未選択の単語ｔがあれば（ステップＳ１３のＮＯ）、未選択の何れかの単語ｔを選択する。そして、単語ベクトル生成部３１は、選択した単語ｔの品詞が単語ベクトルに含めるべき所定の品詞の単語であるか、あるいは不要語であるかどうかを調べる（ステップＳ１４）。ここでは例えば、品詞が名詞やサ変名詞、固有名詞なである単語は単語ベクトルに含め、接続詞や副詞などは単語ベクトルに含めないといった単語の選別を行う。なお、文書の種類によっては文書の特徴を表さない単語については、不要語として除去する。例えば特許文書を処理対象とする場合には、「装置」、「手段」といった単語は文書の特徴を表さないので、不要語として除去する。

次に単語ベクトル生成部３１は文書ｄのテキスト中で単語ｔが出現する頻度ｔｆを求め（ステップＳ１５）、単語ｔを文書ｄの単語ベクトルｖｄにおける１つの次元とし、その次元のベクトルの値をｔｆとする（ステップＳ１６）。
ステップＳ１６の処理後はステップＳ１３の処理に戻る。単語ベクトル生成部３１は未選択の単語ｔがなければ（ステップＳ１３のＹＥＳ）、ステップＳ１の処理を終了する。

このようにして、図２に例示したような文書の単語ベクトルが生成される。例えば図２に示した「メール」という単語は頻度が１０、すなわち文書中で１０回出現したことを意味する。ただし図２に示した例では理解を容易にするために、値が０である次元、すなわち当該文書には出現していない単語は示しておらず、単語を出現頻度の多い順に記述している。

次にステップＳ２の処理の詳細について図６を参照して説明する。あるカテゴリｃにおける文書ｄの特徴を表すベクトルを生成するために、単語ベクトル生成部３１は、対象とするカテゴリｃについて、これが直接あるいは間接的に持つ文書の集合を求め、これをＤｃとする（ステップＳ２１）。

次に単語ベクトル生成部３１は、ステップＳ１６の処理で求めた単語ベクトルｖｄの各単語ｔについて未選択のものがあれば（ステップＳ２２のＮＯ）、当該未選択のいずれかの単語ｔを選択し、文書集合Ｄｃ中で当該選択した単語ｔを含む文書数ｄｆｃを求め（ステップＳ２３）、選択済みの単語ｔを単語ベクトルｖｃｄの１つの次元とし、その次元の値をｔｆ＊（ｌｏｇ（｜Ｄｃ｜／ｄｆｃ）＋１）とする（ステップＳ２４）。

ここで｜Ｄｃ｜は文書集合Ｄｃの文書数である。この計算式は一般にＴＦ・ＩＤＦと呼ばれ、従来より情報検索や文書分類の分野で広く使用されているものである。すなわち、単語ｔが文書ｄに出現する頻度が多い（ベクトルの値ｔｆが大きい）ほど、また、カテゴリｃが持つ文書のうち単語ｔを含む文書が少ない（文書数ｄｆｃが小さい）ほど、当該単語は文書ｄの特徴をよく表す単語であるとみなされる。

こうして生成された単語ベクトルｖｃｄは、前述したように求めた単語ベクトルｖｄと比較すると、カテゴリｃにおいて文書ｄの特徴をよく表す次元の値（単語の重み）が大きくなったベクトルとなる。なお、上記のＩＤＦに相当する部分、すなわち、（ｌｏｇ（｜Ｄｃ｜／ｄｆｃ）＋１）の部分は、カテゴリｃが持つ文書の集合Ｄｃを対象にしているため、特に文書集合Ｄｃの文書数が少ない場合には、本来特徴的でない単語の重みが大きくなってしまうこともあり得る。

したがって、このＩＤＦの部分を全ての文書集合Ｄおよび当該文書集合Ｄ中で単語ｔを含む文書数ｄｆを用いて計算してもよいし、文書集合Ｄｃで計算した値と文書集合Ｄで計算した値の両方を加味した値（例えば平均）を用いてもよい。さらに、ステップＳ２３の処理、つまり単語ｔを含む文書数を求める処理では、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で処理の効率を向上してもよい。

ステップＳ２４の処理後はステップＳ２２の処理に戻る。未選択の単語ｔがなければ（ステップＳ２２のＹＥＳ）、単語ベクトル生成部３１は、単語ベクトルｖｃｄの各次元の値を当該単語ベクトルｖｃｄのノルム｜ｖｃｄ｜で割ることによって正規化する（ステップＳ２５）。その結果単語ベクトルｖｃｄはノルムが１のベクトルとなる。

次にステップＳ３の処理の詳細について図７を参照して説明する。この処理で求める対象はカテゴリｃの単語ベクトルである。カテゴリｃの単語ベクトルは、カテゴリｃの直接または間接の親カテゴリｐにおけるカテゴリｃの単語ベクトル（すなわちカテゴリｐにおいてカテゴリｃの特徴を表すベクトル）として求められる。

まず、単語ベクトル生成部３１は、カテゴリｃが直接・間接に持つ文書の集合をＤｃとする（ステップＳ３１）。そして単語ベクトル生成部３１は、求めたい単語ベクトルの初期値を空（すべての次元の値が０のベクトル）とする（ステップＳ３２）。次に、単語ベクトル生成部３１は、文書集合Ｄｃ中の各文書ｄのうち未選択の文書ｄがあれば（ステップＳ３３のＮＯ）、未選択のうち何れかの文書ｄを選択し、カテゴリｐにおける選択済みの文書ｄの単語ベクトルｖｐｄを求める（ステップＳ３４）。これは図６に示した処理によって求めることができる。
そして単語ベクトル生成部３１は、単語ベクトルｖｐｄを単語ベクトルｖｐｃに加える（ステップＳ３５）。

ステップＳ３５の処理後は、ステップＳ３３の処理に戻る。単語ベクトル生成部３１は未選択の文書ｄがなければ（ステップＳ３３のＹＥＳ）、単語ベクトルｖｐｃの各次元の値を単語ベクトルｖｐｃのノルム｜ｖｐｃ｜で割ることによって正規化する（ステップＳ３６）。その結果、単語ベクトルｖｐｃはノルムが１のベクトルとなる。このようにして、単語ベクトルｖｐｃは、親カテゴリｐにおいてカテゴリｃが持つ複数の文書の特徴を表す平均的なベクトルとして生成される。

図８は、本発明の実施形態における文書分類装置による文書の分類処理の一例を示すフローチャートである。ステップＳ３の処理後、文書分類部３の分類・クラスタリング部３２は文書の分類・クラスタリング処理を行なう（ステップＳ４）。
ステップＳ４の処理の詳細について図８を参照して説明する。まず、分類・クラスタリング部３２は、ユーザが入力装置５を用いて指定したカテゴリｐが持つ文書集合を分類対象の文書集合とする（ステップＳ４１）。カテゴリｐは、既にいくつかの子カテゴリを持っていることもあるし、子カテゴリを１つも持っていないこともあるが、図８ではいずれの場合にも実行する処理の流れを記している。

すなわち、カテゴリｐが直接持つ文書について、これを分類すべきｐの子カテゴリが既に存在すれば、その子カテゴリに当該文書を分類するし、そのような子カテゴリが存在しなければ、かつ、後述するように新規の子カテゴリを作成するよう指示されているならば、当該文書を分類すべき子カテゴリを新規に作成する。

以下に説明する処理は、ｌｅａｄｅｒ−ｆｏｌｌｏｗｅｒ法と呼ばれる単純なクラスタリング手法である。この手法では、分類・クラスタリング部３２は、対象文書集合中の各文書ｄのうち未選択の文書ｄがあれば（ステップＳ４２のＮＯ）、未選択のうちいずれかの文書ｄを選択する。そして、分類・クラスタリング部３２は、選択した文書ｄの分類先であるカテゴリｃｍａｘの初期値を「なし」とし、文書ｄとｃｍａｘの類似度の最大値の初期値を０とする（ステップＳ４３）。

そして、分類・クラスタリング部３２は、カテゴリｐの各子カテゴリｃのうち未選択のカテゴリがあれば（ステップＳ４４のＮＯ）、未選択のうちいずれかのカテゴリｃを選択し、選択済みの文書ｄとカテゴリｃの類似度ｓを求める（ステップＳ４５）。ここで、文書ｄとカテゴリｃとの類似度ｓは、図６および図７で説明した、文書の単語ベクトル（ここではｖｐｄ）と、カテゴリの単語ベクトル（ｖｐｃ）との類似度（主にはベクトルの余弦）によって求める。

分類・クラスタリング部３２は、類似度ｓが所定の閾値ｓｔｈ以上で、かつ最大値ｓｍａｘより大きければ（ステップＳ４６のＹＥＳ）、ｃｍａｘ＝ｃとし、ｓｍａｘ＝ｓとする（ステップＳ４７）。

ステップＳ４６の処理で「ＮＯ」と判別された場合やステップＳ４７の処理後は、ステップＳ４４の処理に戻る。分類・クラスタリング部３２は、カテゴリｐの各子カテゴリｃのうち未選択のカテゴリがなければ（ステップＳ４４のＹＥＳ）、カテゴリｃｍａｘ、すなわちカテゴリｐの子カテゴリのうち文書ｄとの類似度が最大で、かつ当該類似度が閾値ｓｔｈ以上のカテゴリが存在すれば（ステップＳ４８のＹＥＳ）、文書ｄをカテゴリｃｍａｘに分類する（ステップＳ５１）。

分類・クラスタリング部３２は、カテゴリｃｍａｘが存在せず（ステップＳ４８のＮＯ）、かつ新規の子カテゴリを作成するよう指示されているならば（ステップＳ４９のＹＥＳ）、カテゴリｐの子カテゴリとしてカテゴリｃｍａｘを新規に作成し（ステップＳ５０）、文書ｄをカテゴリｃｍａｘに分類する（ステップＳ５１）。

一方、分類・クラスタリング部３２は、新規カテゴリを作成しないよう指定されている場合には（ステップＳ４９のＮＯ）、文書ｄは既存の子カテゴリのうち最も適切なカテゴリに分類されるが、適切な子カテゴリが存在しない場合（文書ｄはいずれの子カテゴリとも、類似度が閾値未満である場合）、文書ｄはどの子カテゴリにも分類しない。

ステップＳ５１の処理後、分類・クラスタリング部３２は、文書ｄが分類されたカテゴリｃｍａｘの単語ベクトルを再計算する（ステップＳ５２）。図７で説明したように、カテゴリの単語ベクトルは、本実施形態では当該カテゴリが持つ文書の単語ベクトルを平均したものであるため、カテゴリｃｍａｘの単語ベクトルは文書ｄを追加する前のカテゴリｃｍａｘの単語ベクトルｖｐｃｍａｘと、文書ｄの単語ベクトルｖｐｄとを用いて求めることができる。

すなわち、文書ｄを加える前のカテゴリｃｍａｘが持つ文書数をとすれば、ベクトル｜Ｄｃｍａｘ｜＊ｖｐｃｍａｘ＋ｖｐｄを、そのノルムで正規化して大きさを１としたベクトルが、カテゴリｃｍａｘの新しい単語ベクトルとなる。以上の処理を各文書ｄについて繰り返し行うことで、カテゴリｐが持つ文書は当該カテゴリｐの子カテゴリに分類される。

ステップＳ４９の処理で「ＮＯ」と判別された場合やステップＳ５２の処理後は、ステップＳ４２の処理に戻る。分類・クラスタリング部３２は、対象文書集合中の各文書ｄのうち未選択の文書ｄがあり（ステップＳ４２のＮＯ）、ステップＳ５０の処理にて作成された子カテゴリで、結局ただ１つの文書しか持たないようなものがあれば、その子カテゴリは不要であるので削除する（ステップＳ５３）。以上に述べた処理は、文書の教師あり分類と教師なし分類を兼ねた比較的単純な処理であるが、本発明はこの方法に限定しない。

なお、ｌｅａｄｅｒ−ｆｏｌｌｏｗｅｒ法自体は階層的な構造を持つカテゴリを生成しない方法ではあるが、例えば、あるカテゴリｐを対象に図８で説明した処理を実行して作成した子カテゴリのうち、所定の子カテゴリｃを対象にして、さらに当該図８に示した処理を実行することで、カテゴリｃの子カテゴリ（すなわちカテゴリｐの孫）を作成することができるので、カテゴリの階層構造を容易に作成できる。

図９は、本発明の実施形態における文書分類装置によるカテゴリ統合処理の一例を示すフローチャートである。ステップＳ４の処理後、カテゴリ統合部４はカテゴリ統合処理を行なう（ステップＳ５）。ステップＳ５の処理の詳細について説明する。
ここでは、各カテゴリのカテゴリ名および当該カテゴリの文書の内容を示すウインドウが出力装置６において画面表示されているものとする。この状態で、カテゴリ統合部４は、入力装置５への操作によりユーザが統合元カテゴリとしたいカテゴリ７１を選択すると、当該カテゴリを統合元カテゴリＡとして認識する（ステップＳ６１）。

図１０は、本発明の実施形態における文書分類装置による統合元カテゴリが選択された場合の提示画面の一例を示す図である。
カテゴリ統合部４は、当該選択されたカテゴリの名称と当該カテゴリに属する文書の中身を図１０に示すように出力装置６に画面表示させる。図１０に示した例では、カテゴリ７１のカテゴリ名「過去最高」および当該カテゴリの文書を示すウインドウを枠で囲むことで、統合元カテゴリＡを区別している。尚、ここでは文書の中身を表示しているが、当該カテゴリが持つ特徴的な単語でも良い。ここで、カテゴリが持つ特徴語的な単語とは、図７で説明したカテゴリの単語ベクトルのうち、次元の値、すなわち単語の重みが特に大きい単語である。

前述したように、ユーザが統合元カテゴリＡを選択すると、統合カテゴリ候補提示部４１は、選択された統合元カテゴリＡの中心ベクトルおよびその他の各カテゴリの中心ベクトルの類似度をもとに、統合元カテゴリＡとの統合先のカテゴリ候補を提示する（ステップＳ６２）。

図１１は、本発明の実施形態における文書分類装置による統合候補カテゴリの提示画面の一例を示す図である。
図１１に示した例では、統合先カテゴリＢの候補として、自カテゴリの中心ベクトルと選択済みのカテゴリ７１の中心ベクトルとの類似度が高い上位４つのカテゴリ７２，７３，７４，７５が類似度の高い順で表示される。図１１に示した例では、統合先カテゴリＢの候補の各カテゴリについて類似度の順位を示す数字が付与されており、類似度の順位が「１」でカテゴリ名が「メモリカード」であるカテゴリ７２がカテゴリ７１との類似度が最も高いカテゴリとなる。カテゴリの中心ベクトルとは、図６で説明したように、あるカテゴリｃに属する全ての文書ｄの特徴を表すベクトルを生成し、特徴ベクトルの平均値を算出した値である。

カテゴリ７１と、他のカテゴリとの類似度は、図６および図７で説明した、カテゴリ７１の中心ベクトルと、カテゴリ７１以外のカテゴリ（例えば、カテゴリ７２など）の中心ベクトルとの類似度（主にはベクトルの余弦）によって求める。
類似度順で表示することで、ユーザは統合元カテゴリとして選択したカテゴリ７１と統合すべきカテゴリとしてカテゴリ７２やカテゴリ７３などがあることが分かるので、ユーザは統合候補となるカテゴリを画面上から容易に判断することができる。

図１２は、本発明の実施形態における文書分類装置による統合カテゴリ名の入力を求める画面の一例を示す図である。ユーザが統合先カテゴリの候補の中から入力装置５を用いて統合先カテゴリＢを選択した場合、カテゴリ統合部４は、統合元のカテゴリＡと統合先カテゴリＢとを統合した統合カテゴリの名称である統合カテゴリ名の入力画面を画面表示させる。

図１２に示した例では、図１１に示したカテゴリ７１に相当するカテゴリ７１と類似したカテゴリ７２，７３，７４，７５が統合先カテゴリＢの候補として表示されている状態で、ユーザがカテゴリ７３を統合先カテゴリＢとして選択した場合の統合カテゴリのカテゴリ名の入力用のウインドウが示される。

ユーザが入力装置５を用いて統合カテゴリ名を入力すると（ステップＳ６３）、選択外カテゴリ統合部４２は、ステップＳ６２の処理時に統合先カテゴリＢの候補として提示されたカテゴリから統合先カテゴリＢとして選択されたカテゴリを除いたカテゴリのうち、統合先カテゴリＢとして選択されたカテゴリよりも類似した類似度高カテゴリがあるか否かを判別する（ステップＳ６４）。

選択外カテゴリ統合部４２は、類似度高カテゴリがあれば（ステップＳ６４のＹＥＳ）、当該類似度高カテゴリに属する文書には出現するが、選択済みのカテゴリＢに出現しなかった単語の重みを低くする（ステップＳ６５）。

続いて、選択外カテゴリ統合部４２は、類似度高カテゴリに属する文書には出現しないが、選択済みのカテゴリＢに出現する単語の重みを高くする（ステップＳ６６）。
ステップＳ６６の処理後、もしくは類似度高カテゴリがなかった場合には（ステップＳ６４のＮＯ）、選択外カテゴリ統合部４２は、選択済みのカテゴリＡ、カテゴリＢの両方に出現する単語の重みを高くする（ステップＳ６７）。

そして選択外カテゴリ統合部４２は、ユーザが入力した統合カテゴリ名の同義語、関連語を、外部辞書を用いて検索し、当該検索した単語の重みを重くする（ステップＳ６８）。外部辞書は、日本語語彙大系などのシソーラス辞書ならば何でもよい。尚、ステップＳ６８の処理は省略してもよい。

以上のステップＳ６４〜ステップＳ６８までの処理における単語の重みの調整後、選択外カテゴリ統合部４２は、選択済みのカテゴリＡ，カテゴリＢ以外の各カテゴリのいずれかを選択し、当該選択したカテゴリである選択カテゴリの中心ベクトルとカテゴリＡ，Ｂの統合カテゴリの単語の中心ベクトルとの間の類似度を計算し（ステップＳ６９）、各カテゴリのそれぞれについて計算を繰り返す。選択外カテゴリ統合部４２は、計算の結果、前述した各カテゴリのうち、ある閾値以上の類似度であるカテゴリをカテゴリＡ，Ｂの統合カテゴリに統合する（ステップＳ７０）。閾値はユーザが設定できるものとする。

図１３は、本発明の実施形態における文書分類装置による統合後のカテゴリの提示画面の一例を示す図である。図１３に示した例では、カテゴリ７１とカテゴリ７３が統合元カテゴリおよび統合先カテゴリとして選択された場合で、統合カテゴリ名「業績」が入力され、かつカテゴリ７４が選択外カテゴリ統合部４２によりカテゴリ７１とカテゴリ７３の統合カテゴリに統合された状態が示される。

選択以外のカテゴリの統合後、不適切文書除去部４３によって、統合したカテゴリに属する文書のうち、当該カテゴリに属するのに不適切な文書を除去する。図１４は、本発明の実施形態における文書分類装置による不適切文書除去処理の一例を示すフローチャートである。
まず、不適切文書除去部４３は、統合カテゴリに属する文書のうち未選択の文書のいずれかを選択し（ステップＳ７１）、当該選択した文書が統合する前の統合元カテゴリＡや統合先カテゴリＢのいずれかに属していたか否かをチェックする。

不適切文書除去部４３は、ステップＳ７１の処理で選択済みの文書がステップＳ６１の処理で説明した統合元のカテゴリＡに属していた場合は（ステップＳ７２のＹＥＳ）、当該選択済みの文書内の単語の重みを大きい程度に重くし（ステップＳ７３）、統合元カテゴリＡと統合したいカテゴリとしてユーザが選択した統合先カテゴリＢに選択済みの文書が属していた場合は（ステップＳ７４のＹＥＳ）、当該選択済みの文書内の単語の重みをステップＳ７３の処理と比較して小さい程度に重くし（ステップＳ７５）、選択済み文書がカテゴリＡ，Ｂの何れにも属しておらず、統合カテゴリに属していた場合には（ステップＳ７４のＮＯ）、当該選択済みの文書内の単語の重みは変えない。以上の処理で単語の重みを調整する。

不適切文書除去部４３は、統合カテゴリに属する文書のうち未選択の文書があれば（ステップＳ７６のＹＥＳ）、ステップＳ７１の処理に戻り、未選択の文書がなければ（ステップＳ７６のＮＯ）、統合カテゴリの中心ベクトルと統合カテゴリに属する文書の単語ベクトルとの類似度を計算し、類似度の低い順で文書を並べ、類似度がある閾値以下となった文書を除去する（ステップＳ７７）。閾値はユーザが設定できるものとする。

図１５は、本発明の実施形態における文書分類装置による統合後のカテゴリにおける除去対象の不適切文書の提示画面の一例を示す図である。図１５に示した例では、統合カテゴリに属する文書において、中心ベクトルと文書の単語ベクトルの類似度の低い順に文書の内容が表示され、これらの文書のうち前述した類似度の低い上位２つの文書が除去対象文書として下線によって強調表示される。

図１６は、本発明の実施形態における文書分類装置による適切文書追加処理の一例を示すフローチャートである。適切文書追加処理は、不適切文書除去処理と逆の処理、すなわち統合カテゴリに属するのに適切な文書を探して当該カテゴリに追加する処理である。

まず、適切文書追加部２４は、ステップＳ７０の処理において、統合カテゴリとの類似度が閾値α以下であったため統合されなかったカテゴリのうち、別の閾値β（β＜α）以上であったカテゴリがある場合（ステップＳ８１のＹＥＳ）、閾値β以上のカテゴリに属する各文書の単語ベクトルとカテゴリＡ，Ｂの統合カテゴリの中心ベクトルとの類似度を計算し（ステップＳ８２）、当該計算した類似度が閾値αより大きいか否か判別する（ステップＳ８３）。
適切文書追加部２４は、ステップＳ８３の処理で「ＹＥＳ」と判別された場合には、閾値がαより大きい文書を、カテゴリＡ，Ｂの統合カテゴリに属するのに適切な文書とし、カテゴリＡ，Ｂの統合カテゴリに追加する。

このように適切文書追加処理を行なえば、統合カテゴリに属するのに適切な文書が例えばステップＳ７０の処理で統合されなかったカテゴリに存在している場合でも、より正確な分類構造が効率的に作成できる。また、適切文書追加処理を行なうタイミングは、ステップＳ７０の処理後でもよいし不適切文書除去処理後でも良い。

次に、本実施形態の変形例として、統合元カテゴリＡと統合先カテゴリＢの双方に子カテゴリが存在しているときのカテゴリ統合処理および不適切文書除去処理について説明する。
図１７は、本発明の実施形態における文書分類装置によるカテゴリ統合処理の変形例を示すフローチャートである。図１８は、本発明の実施形態における文書分類装置による子カテゴリの統合処理における第１の遷移状態の例を示す図である。図１９は、本発明の実施形態における文書分類装置による子カテゴリの統合処理における第２の遷移状態の例を示す図である。

まず、カテゴリ統合部４は、ユーザが選択した統合元カテゴリＡの子カテゴリである子カテゴリＡが存在し、かつ統合先カテゴリＢの子カテゴリである子カテゴリＢがそれぞれ存在するか否かを調べる（ステップＳ１０１）。
カテゴリ統合部４は、図１８に示すように子カテゴリＡ，子カテゴリＢがそれぞれ存在する場合には（ステップＳ１０１のＹＥＳ）、子カテゴリＡの中心ベクトルと子カテゴリＢの中心ベクトル間の類似度を計算し、当該類似度が所定の閾値以上か調べる（ステップＳ１０２）。

カテゴリ統合部４は、類似度が閾値未満ならば（ステップＳ１０２のＮＯ）、子カテゴリ間を統合せず、子カテゴリＡおよび子カテゴリＢは、カテゴリＡ，Ｂの統合カテゴリの子カテゴリとなる。
カテゴリ統合部４は、類似度が閾値以上ならば（ステップＳ１０２のＹＥＳ）、図１９に示すように子カテゴリ間を統合し、子カテゴリ間の統合カテゴリ名の入力を求めるためのウインドウを画面表示させる。これにより、ユーザが入力装置５を用いて子カテゴリ間の統合カテゴリ名を入力することができる（ステップＳ１０３）。

続いて、カテゴリ統合部４は、子カテゴリＡ，Ｂには出現しないが、その他のカテゴリに出現する単語の重みを低くする（ステップＳ１０４）。その他のカテゴリとは、子カテゴリＡ，Ｂの兄弟カテゴリ、つまり共通の親カテゴリに属するカテゴリである。カテゴリ統合部４は、子カテゴリＡ，Ｂには出現し、その他のカテゴリには出現しない単語の重みを高くする（ステップＳ１０５）。

カテゴリ統合部４は、子カテゴリＡ，Ｂの統合カテゴリに出現する単語の重みを高くする（ステップＳ１０６）。続いて、ステップＳ１０３の処理で説明したようにユーザが入力したカテゴリ名の同義語、関連語を、外部辞書を用いて検索し、当該検索した単語の重みを重くする（ステップＳ１０７）。外部辞書は、日本語語彙大系などのシソーラス辞書ならば、何でもよい。尚ステップＳ１０７の処理は省略が可能である。以上のステップＳ１０３〜ステップＳ１０７までの処理により単語の重みを調整する。

そして、選択外カテゴリ統合部４２は、ステップＳ７０の処理にてカテゴリＡ，Ｂの統合カテゴリに統合されたカテゴリのいずれかを選択し、当該選択カテゴリを子カテゴリＡ，Ｂの統合カテゴリに統合するか否かを判定するために、子カテゴリＡ，Ｂの統合カテゴリの単語の中心ベクトルと選択カテゴリの中心ベクトルとの間の類似度を計算する（ステップＳ１０８）。
選択外カテゴリ統合部４２は、計算した類似度が所定の閾値以上で、且つ、当該類似度がステップＳ６９の処理で計算した類似度よりも高いカテゴリを子カテゴリＡ，Ｂの統合カテゴリと統合する（ステップＳ１０９）。

次に、不適切文書除去部４３によって、統合した子カテゴリに属する文書のうち、当該カテゴリに属するのに不適切な文書を除去する。
図２０は、本発明の実施形態における文書分類装置による不適切文書除去処理の変形例を示すフローチャートである。
まず、不適切文書除去部４３は、統合した子カテゴリに属する文書のうち未選択の文書のいずれかを選択し（ステップＳ１１１）、統合する前はどの子カテゴリに属していていたかチェックする。

不適切文書除去部４３は、選択済みの文書が統合元の子カテゴリＡに属していた場合は（ステップＳ１１２のＹＥＳ）、選択済みの文書内の単語の重みを大きい程度で重くし（ステップＳ１１３）、子カテゴリＢに選択済みの文書が属していた場合は（ステップＳ１１４のＹＥＳ）、選択済みの文書内の単語の重みをステップＳ１１３の処理と比較して小さい程度で重くし（ステップＳ１１５）、選択済みの文書が子カテゴリＡ，Ｂの何れにも属しておらず、子カテゴリの統合カテゴリに属していた場合には（ステップＳ１１４のＮＯ）、当該選択済みの文書内の単語の重みを変えない。以上の処理で単語の重みを調整する。

不適切文書除去部４３は、統合した子カテゴリに属する文書のうち未選択の文書があれば（ステップＳ１１６のＹＥＳ）ステップＳ１１１の処理に戻り、未選択の文書がなければ（ステップＳ１１６のＮＯ）子カテゴリの統合カテゴリの中心ベクトルと子カテゴリの統合カテゴリに属する文書の単語ベクトルとの類似度を計算し、類似度の低い順で文書を並べ、類似度がある閾値以下となった文書を除去する（ステップＳ１１７）。

ここでは説明を簡単にするため子カテゴリは一つしか存在しない例で説明したが、当該カテゴリは複数あっても良く、また子カテゴリの子カテゴリ、すなわち孫カテゴリにおいても同様の統合処理を行っても良い。

以上のように、本発明の実施形態における文書分類装置では、統合カテゴリ候補提示部４１によって、ユーザが指定したカテゴリ、典型的にはユーザが自分の意図と異なる構造になっていると考える部分に対し、これをどのカテゴリと統合すべきか、あるいは逆に、このカテゴリとどのカテゴリを統合すべきかの候補を知ることができるので、ユーザは多くのカテゴリを逐一調べて統合すべき対象を探す必要がなくなるのでユーザの労力を削減できる。

また、カテゴリの統合操作に従い、選択外カテゴリ統合部４２によって、統合前には当該カテゴリとは別のカテゴリが持っていた文書や下位カテゴリのうち、統合後には当該カテゴリが持つ方が適切なカテゴリが自動的に選択されるので、過不足なく効率的に再分類が行われる。

さらに、不適切文書除去部４３によって、統合カテゴリに属すると不適切な文書や統合後には別のカテゴリに属する方が適切な文書が自動的に選択されるので、過不足なく効率的に再分類が行われる。

つまり、カテゴリの統合という簡単な操作によって、ユーザが意図する階層構造を作成することができ、その操作に基づいて操作対象以外のカテゴリや文書も適切に再構成される。従って、クラスタリング等によって自動生成したカテゴリの階層構造を用いたり、過去に作成した階層構造を再利用したりして、効率よく意図通りの階層構造を作成することが可能となる。

以上に説明した、カテゴリ統合の処理、不適切文書除去処理および適切文書追加処理は、ユーザのカテゴリ統合操作に応じて自動的に実行してもよいが、ユーザの明示的な指示があった場合にのみ、これらの処理を行ってもよい。また、カテゴリ統合の処理、不適切文書除去処理および適切文書追加処理の結果をユーザに提示してその採否をユーザが判定し、採用する場合にのみ統合カテゴリの結果をカテゴリ記憶部２２に記憶し、採用しない場合には処理結果を破棄するようにしてもよい。

さらには、ユーザがあるカテゴリの統合を仮に試行してみて、その結果を参照して、この統合操作が適切でないと判断すれば、操作自体を取りやめる、といった形態も可能である。このような変更は、上記で説明した処理の流れに軽微な変更を加えることで容易に実現することができる。また、本実施例で説明した文書分類のモデルは、１つの文書が１つのカテゴリにのみ属すモデルであるが、１つの文書が複数のカテゴリに属すことが可能なモデルに拡張することも容易に行える。

なお、この発明は前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、前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み合わ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省略してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

本発明の実施形態における文書分類装置の構成例を表すブロック図。 本発明の実施形態における文書分類装置の文書記憶部に記憶される文書情報の一例を表形式で示す図。 本発明の実施形態における文書分類装置のカテゴリ記憶部に記憶されるカテゴリ情報の一例を表形式で示す図。 本発明の実施形態における文書分類装置の処理動作の一例を示すフローチャート。 本発明の実施形態における文書分類装置による文書の単語ベクトルを求める処理動作の一例を示すフローチャート。 本発明の実施形態における文書分類装置によるカテゴリ内の文書の単語ベクトルを求める処理動作の一例を示すフローチャート。 本発明の実施形態における文書分類装置によるカテゴリの単語ベクトルを求める処理動作の一例を示すフローチャート。 本発明の実施形態における文書分類装置による文書の分類処理の一例を示すフローチャート。 本発明の実施形態における文書分類装置によるカテゴリ統合処理の一例を示すフローチャート。 本発明の実施形態における文書分類装置による統合元カテゴリが選択された場合の提示画面の一例を示す図。 本発明の実施形態における文書分類装置による統合候補カテゴリの提示画面の一例を示す図。 本発明の実施形態における文書分類装置による統合カテゴリ名の入力を求める画面の一例を示す図。 本発明の実施形態における文書分類装置による統合後のカテゴリの提示画面の一例を示す図。 本発明の実施形態における文書分類装置による不適切文書除去処理の一例を示すフローチャート。 本発明の実施形態における文書分類装置による統合後のカテゴリにおける除去対象の不適切文書の提示画面の一例を示す図。 本発明の実施形態における文書分類装置による適切文書追加処理の一例を示すフローチャート。 本発明の実施形態における文書分類装置によるカテゴリ統合処理の変形例を示すフローチャート。 本発明の実施形態における文書分類装置による子カテゴリの統合処理における第１の遷移状態の例を示す図。 本発明の実施形態における文書分類装置による子カテゴリの統合処理における第２の遷移状態の例を示す図。 本発明の実施形態における文書分類装置による不適切文書除去処理の変形例を示すフローチャート。

符号の説明

１…制御部、２…記憶装置、３…文書分類部、４…カテゴリ統合部、５…入力装置、６…出力装置、７…バス、２１…文書記憶部、２２…カテゴリ記憶部、３１…単語ベクトル生成部、３２…分類・クラスタリング部、４１…統合カテゴリ候補提示部、４２…選択外カテゴリ統合部、４３…不適切文書除去部、４４…適切文書追加部。

Claims (5)

1. 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た所定の文書集合を分類する文書分類手段と、
   前記文書分類手段による分類結果である複数のカテゴリの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るカテゴリのうち統合対象の一カテゴリの選択操作を受け付ける第１の選択手段と、
   前記選択されたカテゴリとの統合対象のカテゴリの候補を当該選択されたカテゴリおよびその他のカテゴリの間の類似度をもとに提示する統合カテゴリ候補提示手段と、
   前記提示された候補のうち何れかのカテゴリの選択操作を受け付ける第２の選択手段と、
   前記第１および第２の選択手段により選択されたカテゴリの統合カテゴリとの間の類似度が所定の条件を満たすカテゴリを検出する検出手段と、
   前記第１および第２の選択手段により選択されたカテゴリおよび前記検出手段により検出したカテゴリを統合するカテゴリ統合手段と
   を備えたことを特徴とする文書分類装置。
2. 前記カテゴリ統合手段により統合したカテゴリに属する文書のうち当該統合したカテゴリに属する文書として不適切な文書を判定する判定手段をさらに備えた
   ことを特徴とする請求項１に記載の文書分類装置。
3. 前記カテゴリ統合手段は、
   前記第１および第２の選択手段により選択されたカテゴリにそれぞれ属する別のカテゴリ同士の類似度が所定の条件を満たす場合に当該カテゴリ同士をさらに統合する
   ことを特徴とする請求項１に記載の文書分類装置。
4. 前記カテゴリ統合手段により統合されなかったカテゴリに属する文書のうち前記カテゴリ統合手段により統合したカテゴリに属する文書として適切な文書を判定する判定手段をさらに備えた
   ことを特徴とする請求項１に記載の文書分類装置。
5. 前記検出手段は、
   前記第１および第２の選択手段により選択されたカテゴリ以外のカテゴリのうち、自カテゴリの中心ベクトルと前記第１および第２の選択手段により選択されたカテゴリの統合カテゴリに属する文書中の単語の中心ベクトルとの類似度が所定の条件を満たすカテゴリを検出する
   ことを特徴とする請求項１に記載の文書分類装置。

Images