JP5391887B2

JP5391887B2 - 情報処理装置及び情報処理プログラム

Info

Publication number: JP5391887B2
Application number: JP2009164390A
Authority: JP
Inventors: 博増市
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2009-07-13
Filing date: 2009-07-13
Publication date: 2014-01-15
Anticipated expiration: 2029-07-13
Also published as: JP2011022630A

Description

本発明は、情報処理装置及び情報処理プログラムに関する。

特許文献１には、多様な表現に対応して検索漏れを防ぎつつ、検索ゴミの少ない検索結果を得ることを課題とし、検索文を入力する入力ステップと、入力された検索文を解析用単語辞書に基づいて単語単位に分割する形態素解析ステップと、単語間の構文的係り受け関係を解析する構文解析ステップと、構文解析ステップの構文解析結果に基づき文書データベースを検索する一次検索ステップと、領域依存の概念知識を格納した概念知識データベースを基に検索文と一次検索ステップの検索結果との意味的な照合を行い類似あるいは非類似の検索結果を出力する意味照合ステップとを備えていることが開示されている。

特開２０００−２４２６５０号公報

本発明は、対象とする文書内で構文が類似していない文にまで類似している文を有する文書を検索してしまうことを抑制するようにした情報処理装置及び情報処理プログラムを提供することを目的としている。

かかる目的を達成するための本発明の要旨とするところは、次の各項の発明に存する。
請求項１の発明は、文書を記憶する文書記憶手段と、対象とする文書から文を抽出する文抽出手段と、前記文抽出手段によって抽出された文の構文に基づいて、該文の集合を生成する文集合生成手段と、前記文集合生成手段によって生成された文の集合内の第１の文と類似する第２の文を前記文書記憶手段に記憶されている文書内の文から検索する類似文検索手段と、前記類似文検索手段によって検索された第２の文に基づいて、前記対象とする文書に関連する文書を前記文書記憶手段から検索する関連文書検索手段と、前記関連文書検索手段によって検索された文書に含まれる前記第２の文の数、該第２の文に対応する前記対象文書における前記第１の文の出現順序と前記関連文書検索手段によって検索された文書における該第２の文の出現順序の比較結果、又はこれらの組み合わせに基づいて、前記関連文書検索手段によって検索された文書を順序付けする順序付手段を具備することを特徴とする情報処理装置である。

請求項２の発明は、前記順序付手段は、前記関連文書検索手段によって検索された文書と前記対象とする文書の類似度に基づいて、前記順序付けを行うことを特徴とする請求項１に記載の情報処理装置である。

請求項３の発明は、コンピュータを、文書を記憶する文書記憶手段と、対象とする文書から文を抽出する文抽出手段と、前記文抽出手段によって抽出された文の構文に基づいて、該文の集合を生成する文集合生成手段と、前記文集合生成手段によって生成された文の集合内の第１の文と類似する第２の文を前記文書記憶手段に記憶されている文書内の文から検索する類似文検索手段と、前記類似文検索手段によって検索された第２の文に基づいて、前記対象とする文書に関連する文書を前記文書記憶手段から検索する関連文書検索手段と、前記関連文書検索手段によって検索された文書に含まれる前記第２の文の数、該第２の文に対応する前記対象文書における前記第１の文の出現順序と前記関連文書検索手段によって検索された文書における該第２の文の出現順序の比較結果、又はこれらの組み合わせに基づいて、前記関連文書検索手段によって検索された文書を順序付けする順序付手段として機能させることを特徴とする情報処理プログラムである。

請求項１の情報処理装置によれば、対象とする文書内で構文が類似していない文にまで類似している文を有する文書を検索してしまうことを抑制することができる。そして、対象文書に関連する文書を順序付けすることができる。

請求項２の情報処理装置によれば、対象文書と類似する文書と、対象文書と類似していない文書であるが集合内の文と類似する文を有する文書とを分けることができる。

請求項３の情報処理プログラムによれば、対象とする文書内で構文が類似していない文にまで類似している文を有する文書を検索してしまうことを抑制することができる。そして、対象文書に関連する文書を順序付けすることができる。

本実施の形態の構成例についての概念的なモジュール構成図である。本実施の形態による処理例を示すフローチャートである。本実施の形態の文書格納モジュール内に記憶されている文書の例を示す説明図である。対象文書内の文の例を示す説明図である。本実施の形態の関連文書ランキングモジュールによって上位にランキングされた文書内の文の例を示す説明図である。本実施の形態の関連文書ランキングモジュールによって上位にランキングされた文書内の文の例を示す説明図である。対象文書内の文の例を示す説明図である。本実施の形態の関連文書ランキングモジュールによって上位にランキングされた文書内の文の例を示す説明図である。文・文書テーブルのデータ構造例を示す説明図である。文・グループテーブルのデータ構造例を示す説明図である。類似度テーブルのデータ構造例を示す説明図である。本実施の形態を実現するコンピュータのハードウェア構成例を示すブロック図である。

以下、図面に基づき本発明を実現するにあたっての好適な一実施の形態の例を説明する。
図１は、本実施の形態の構成例についての概念的なモジュール構成図を示している。
なお、モジュールとは、一般的に論理的に分離可能なソフトウェア（コンピュータ・プログラム）、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはコンピュータ・プログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、コンピュータ・プログラム、システム及び方法の説明をも兼ねている。ただし、説明の都合上、「記憶する」、「記憶させる」、これらと同等の文言を用いるが、これらの文言は、実施の形態がコンピュータ・プログラムの場合は、記憶装置に記憶させる、又は記憶装置に記憶させるように制御するの意である。また、モジュールは機能にほぼ一対一に対応しているが、実装においては、１モジュールを１プログラムで構成してもよいし、複数モジュールを１プログラムで構成してもよく、逆に１モジュールを複数プログラムで構成してもよい。また、複数モジュールは１コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって１モジュールが複数コンピュータで実行されてもよい。なお、１つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続の他、論理的な接続（データの授受、指示、データ間の参照関係等）の場合にも用いる。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク（一対一対応の通信接続を含む）等の通信手段で接続されて構成されるほか、１つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。「装置」と「システム」とは、互いに同義の用語として用いる。「予め定められた」とは、対象としている処理の前に定まっていることをいい、本実施の形態による処理が始まる前はもちろんのこと、本実施の形態による処理が始まった後であっても、対象としている処理の前であれば、そのときの状況・状態に応じて、又はそれまでの状況・状態に応じて定まることの意を含めて用いる。

本実施の形態である情報処理装置は、対象とする文書に関連する文書を検索するものであって、図１に示すように、文書受付モジュール１１０、文書格納モジュール１２０、文抽出モジュール１３０、類似構文集合生成モジュール１４０、類似文検索モジュール１５０、関連文書検索モジュール１６０、関連文書ランキングモジュール１７０、関連文書出力モジュール１８０を有している。

特に、この情報処理装置は、次のような文書管理システムに適用してもよい。
近年、企業に対するコンプライアンス徹底の社会的要請を背景にして、厳密な文書管理のニーズが高まっている。例えば、ＲｏＨＳ（ＲｅｓｔｒｉｃｔｉｎｇｔｈｅｕｓｅｏｆＨａｚａｒｄｏｕｓＳｕｂｓｔａｎｃｅｓ、危険物質に関する制限）やＲＥＡＣＨ（Ｒｅｇｉｓｔｒａｔｉｏｎ，Ｅｖａｌｕａｔｉｏｎ，ＡｕｔｈｏｒｉｓａｔｉｏｎａｎｄＲｅｓｔｒｉｃｔｉｏｎｏｆＣＨｅｍｉｃａｌｓ、欧州化学品規制）といった製品中の含有物質の含有量に関する制限規則に適合していることを証明するための適合宣言書や、機密情報の機密レベルや開示範囲を示すために文書に付与する機密情報表示を正確に記述することが必要不可欠である。このために、例えば、新たに作成する適合宣言書の記述が、準拠すべきＲｏＨＳやＲＥＡＣＨ等の基準書（定義文書）や類似製品の適合宣言書等に適合しているか否かを確認するために、それらを参考情報として参照する必要が生じる。この場合に文書管理システムが用いられる。
以下、情報処理装置がこのような文書管理に用いられる場合を主に例示して説明する。

文書受付モジュール１１０は、文抽出モジュール１３０と接続されている。関連文書の検索を行う場合で検索対象とする文書を受け付ける。なお、文書とは、テキストデータによって構成されており、場合によっては画像、動画、音声等の電子データ、又はこれらの組み合わせを含めてもよく、記憶、編集及び検索等の対象となり、システム又は利用者間で個別の単位として交換できるものをいい、これらに類似するものを含む。対象となる文書には、文が含まれている。また、対象とする文書は、１つであってもよいし、複数の文書であってもよい。例えば、新たに作成する適合宣言書等が該当する。
文書を受け付けるとは、例えば、ハードディスク（コンピュータに内蔵されているものの他に、ネットワークを介して接続されているもの等を含む）等に記憶されている文書を読み出すこと、スキャナ、カメラ等で読み込んだ画像を文字認識すること等が含まれる。

文書格納モジュール１２０は、文抽出モジュール１３０、類似文検索モジュール１５０、関連文書検索モジュール１６０、関連文書ランキングモジュール１７０からアクセスされる。文書格納モジュール１２０が記憶する文書について、図３を用いて説明する。図３は、本実施の形態の文書格納モジュール１２０内に記憶されている文書の例を示す説明図である。文書格納モジュール１２０は、例えば、定義文書群３１０、サプライヤからの適合宣言書群３２０、設計仕様書群３３０等の過去に作成された文書を記憶しており、作成文書群３４０内の文書を対象文書として記憶する。
定義文書群３１０の文書としては「ＲｏＨＳ指令」、「ＲＥＡＣＨ改訂」等の文書があり、サプライヤからの適合宣言書群３２０の文書としては「サプライヤからの部品ａの適合宣言書」等の文書があり、設計仕様書群３３０の文書としては「○○プロダクトＡの設計仕様」等の文書があり、また、文書受付モジュール１１０が受け付けて文書格納モジュール１２０に記憶される文書としては「○○プロダクトＡのＸＸ向け適合宣言書」等がある。

文抽出モジュール１３０は、文書受付モジュール１１０、文書格納モジュール１２０、関連文書ランキングモジュール１７０と接続されている。文書受付モジュール１１０から受け取った対象とする文書から文を抽出し、その文を類似構文集合生成モジュール１４０へ渡す。また、文書格納モジュール１２０に記憶されている文書から文を抽出してもよく、その文を文書格納モジュール１２０に記憶させてもよい。文抽出モジュール１３０は、文書内のテキストデータを、句点、改行記号に応じて複数の文に分割する。つまり、句点、改行記号があったところを区切りとして、文を切り出す。

類似構文集合生成モジュール１４０は、文抽出モジュール１３０、類似文検索モジュール１５０と接続されている。文抽出モジュール１３０によって抽出された文の構文に基づいて、その文の集合を生成する。
前述した適合宣言書や機密情報表示のようなコンプライアンスに関わる文書では、コンプライアンス項目に適合していることを示す複数の記述が並置的に記載されているという特徴を持つ。例えば、適合宣言書では、「六価クロムは、５００ｐｐｍ以下である。ポリ臭化ジフェニルエーテルは２０ｐｐｍ以下である。…」というような並置的な記述が続く。類似構文集合生成モジュール１４０は、適合宣言書や機密情報表示のある文書を対象とした場合、複数の事実や定義が並置的に記述される文の集合を生成する。

より詳細には、例えば、類似構文集合生成モジュール１４０は、文抽出モジュール１３０から受け取った文同士の類似度を総当りで比較し、予め定められた閾値Ｔ１以上の類似度を持つ文のグループを特定する。類似度の判定には、例えば特許文献１に開示されている文比較手段を用いる。すなわち、解析用単語辞書を有しており、その解析用単語辞書に基づいて、文を単語単位に分割する。その単語間の構文的係り受け関係を解析する。その構文解析結果である構文構造に基づいて、文の集合を生成する。つまり、構文構造が閾値Ｔ１以上の類似度（一致している場合を含む）を有している文をグループ化する。さらに、シソーラス辞書を有しており、そのシソーラス辞書に基づいて、構文上の対応する単語がシソーラス上で類似していること（例えば、具体的には、シソーラス上での距離が予め定められた閾値Ｔ２以下）をグループ化の条件として加えてもよい。
また、文の集合が複数できた場合には、集合に属する文の数が、予め設定された閾値Ｔ３よりも大きい集合のみを残し、他の集合は処理対象から外す。

類似文検索モジュール１５０は、文書格納モジュール１２０、類似構文集合生成モジュール１４０、関連文書検索モジュール１６０、関連文書ランキングモジュール１７０と接続されている。類似構文集合生成モジュール１４０によって生成された文の集合内の第１の文と類似する第２の文（以下、「類似文」ともいう）を文書格納モジュール１２０に記憶されている文書内の文から検索する。
例えば、具体的には、類似構文集合生成モジュール１４０から得られた同じ集合に属する各第１の文を対象として、文書格納モジュール１２０に記憶された各文書から文抽出モジュール１３０によって得られた文を対象に、それぞれの第１の文に類似する文を検索する。つまり、２つの文の類似度を算出し、その類似度が予め設定された閾値Ｔ４よりも大きい文を検索結果とする。類似構文集合生成モジュール１４０で複数の集合が得られた場合には、集合ごとにこの検索処理を実行する。

類似文検索モジュール１５０で用いる類似する文の検索手法は、類似構文集合生成モジュール１４０で用いた文の集合生成手法とは異なるものである。類似文検索モジュール１５０では単語の一致度を重視する検索手法を用いる。例えば、「ＦｏｕｎｄａｔｉｏｎｓｏｆＳｔａｔｉｓｔｉｃａｌＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ，ＴｈｅＭＩＴＰｒｅｓｓ（１９９９）」等に開示されている単語ベクトル法を用いるようにしてもよい。
ただし、数値の単語については、「５００」や「２０」といった具体的な数値を用いるのではなく、「数値表現」として統一的に扱う。

関連文書検索モジュール１６０は、文書格納モジュール１２０、類似文検索モジュール１５０、関連文書ランキングモジュール１７０と接続されている。類似文検索モジュール１５０によって検索された類似文に基づいて、対象とする文書に関連する文書を文書格納モジュール１２０から検索する。例えば、具体的には、文書格納モジュール１２０に記憶されている文書のうち、類似文検索モジュール１５０から検索結果として得られた文を複数含む文書を抽出する。

関連文書ランキングモジュール１７０は、文書格納モジュール１２０、文抽出モジュール１３０、類似文検索モジュール１５０、関連文書検索モジュール１６０、関連文書出力モジュール１８０と接続されている。関連文書ランキングモジュール１７０は、関連文書検索モジュール１６０から得られた文書を関連度の高いものから順にランキングする。ランキングに用いる情報は以下の通りである。
（１）関連文書検索モジュール１６０によって検索された文書に含まれる類似文の数。これは、関連文書検索モジュール１６０によって検索された文書ごとに、類似文検索モジュール１５０によって検索された類似文がいくつあるかをカウントすることによって得られる。
（２）関連文書検索モジュール１６０によって検索された文書に含まれる類似文とその類似文に対応する第１の文の類似度。これは、関連文書検索モジュール１６０によって検索された文書ごとに、類似文検索モジュール１５０で算出した類似度を用いる。
（３）類似文に対応する対象文書における第１の文の出現順序と関連文書検索モジュール１６０によって検索された文書における類似文の出現順序の比較結果。これは、関連文書検索モジュール１６０によって検索された文書ごとに、その文書内での類似文の出現順序とその類似文に対応する第１の文の対象文書における出現順序を比較することによって得られる。なお、比較結果の値は、出現順序が同じ場合を高い値とし、逆順の場合を低い値とするような関数によって算出する。
（４）前述の（１）、（２）、（３）の２つ以上の組み合わせ
例えば、（１）の値、（２）の値、（３）の値のいずれか、又はこれらの値の組み合わせ（例えば、これらの値の和、各値に予め定めた重み係数を乗じた値の平均値等であってもよい）が大きい文書から順に並べる。

また、関連文書ランキングモジュール１７０は、関連文書検索モジュール１６０によって検索された文書と対象文書の類似度に基づいて、前述の順序付けを行うようにしてもよい。例えば、関連文書検索モジュール１６０によって検索された文書内の全ての単語と対象文書内の全ての単語の類似度を、類似文検索モジュール１５０で用いた類似度の算出と同等の方法で求めて、予め定められた閾値Ｔ５よりも高い文書に対してだけ前述の順序付けを行うようにしてもよい。つまり、文書全体が類似している文書を対象として順序付けを行う。また、予め定められた閾値Ｔ６よりも低い文書に対してだけ前述の順序付けを行うようにしてもよい。つまり、文書全体は類似していないが、集合内の文と類似している文を有する文書を対象として順序付けを行う。

関連文書出力モジュール１８０は、関連文書ランキングモジュール１７０と接続されている。関連文書ランキングモジュール１７０によってランキングされた文書を出力する。なお、出力する文書とは、文書そのものであってもよいし、その文書の属性（例えば、タイトル等）のリストであってもよい。また、出力するとは、例えば、ディスプレイ等の表示装置に表示すること、プリンタ等の印刷装置で印刷すること、ファックス等の画像送信装置で画像を送信すること、文書データベース等の文書記憶装置へ文書を書き込むこと、メモリーカード等の記憶媒体に記憶すること、他の情報処理装置へ渡すこと等が含まれる。

図２は、本実施の形態による処理例を示すフローチャートである。具体例を用いて説明する。なお、この例では、文抽出モジュール１３０が予め文書格納モジュール１２０内の文書について文を抽出しておく。文の抽出結果は、例えば、文・文書テーブル９００に記憶する。図９は、文・文書テーブル９００のデータ構造例を示す説明図である。文・文書テーブル９００は、文ＩＤ欄９０２、文欄９０４、文書ＩＤ欄９０６を有している。つまり、文と文書を対応付けている。
文ＩＤ欄９０２は、抽出した文を一意に識別する文ＩＤ（ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）を記憶する。
文欄９０４は、抽出した文を記憶する。
文書ＩＤ欄９０６は、その文を抽出した文書を一意に識別する文書ＩＤを記憶する。

ステップＳ２０２では、文書受付モジュール１１０が、対象文書を受け付ける。
ステップＳ２０４では、文抽出モジュール１３０が、受け付けた文書内のテキストデータから文を抽出する。図４は、対象文書（適合宣言書）内の文の例を示す説明図であり、文４０２から文４１０の文を抽出した例である。図７は、対象文書（機密情報表示を含む文書）内の文の例を示す説明図であり、文７０２から文７０８の文を抽出した例である。つまり、句点又は改行記号のいずれか一方を発見するごとに文を抽出する。

ステップＳ２０６では、類似構文集合生成モジュール１４０が、文同士の（構文構造の類似性に基づく）類似度を計算し、文をグループに分類する。例えば、図４に例示した文のうち文４０２、文４０６、文４０８は、並置的な記述の文（構文構成として「＜物質名＞を主部に含み、＜数値表現＞＜単位＞を述部に含む」）であり、これらをグループとして特定する。図７に例示した文７０２から文７０８は、並置的な記述の文であり、これらをグループとして特定する。対象文書内の文についてグループ分けした結果を、例えば、文・グループテーブル１０００に記憶する。図１０は、文・グループテーブル１０００のデータ構造例を示す説明図である。文・グループテーブル１０００は、文ＩＤ欄１００２、文欄１００４、グループ欄１００６を有している。
文ＩＤ欄１００２は、対象文書内の文を一意に識別する文ＩＤを記憶する。
文欄１００４は、抽出した文を記憶する。
グループ欄１００６は、グループ分けした結果であるグループＩＤを記憶する。図１０の例では、「Ａ−００５」と「Ａ−００７」の文は同じグループに属する。

ステップＳ２０８では、類似文検索モジュール１５０が、過去に作成された文書（文書格納モジュール１２０内の文書）を対象にして、グループに属する各文の（単語の類似性に基づく）類似文を検索する。
例えば、図４に例示した文４０６である
「ポリ臭化ジフェニルエーテルの含有は、２０ｐｐｍ以下である。」
に類似する文として、
「ポリ臭化ジフェニルエーテルは１０ｐｐｍ以下の含有量である。」
「ポリ臭化ジフェニルエーテルの含有は５０ｐｐｍ以下の含有に抑えること。」
等の文が検索結果として得られる。つまり、これらの文は、文４０６内の「ポリ臭化ジフェニルエーテル」、「含有」、「『数値表現』ｐｐｍ」、「以下」と同じ単語を含んでいるので、類似文として検索される。
類似文の検索結果を、例えば、類似度テーブル１１００に記憶する。図１１は、類似度テーブル１１００のデータ構造例を示す説明図である。類似度テーブル１１００は、対象文ＩＤ欄１１０２、類似文ＩＤ欄１１０４、文書ＩＤ欄１１０６、類似度欄１１０８を有している。
対象文ＩＤ欄１１０２は、対象文書内の文の文ＩＤを記憶する。
類似文ＩＤ欄１１０４は、検索結果である類似文の文ＩＤを記憶する。
文書ＩＤ欄１１０６は、その類似文が含まれている文書ＩＤを記憶する。
類似度欄１１０８は、対象文と類似文との間における類似度を記憶する。

ステップＳ２１０では、関連文書検索モジュール１６０が、得られた類似文を含む文書を文書格納モジュール１２０から検索する。例えば、類似度テーブル１１００のその類似文ＩＤに対応する文書ＩＤ欄１１０６を用いればよい。
ステップＳ２１２では、関連文書ランキングモジュール１７０が、文書内の類似文の数等に基づき文書のランキングを決定する。例えば、図４に例示した文４０２、文４０６、文４０８のそれぞれの文と単語が類似しており、それらの文の出現順序が同じである、図５（文４０２、４０６、４０８に対応する文として文５０２、５０４、５０６）、図６（文４０２、４０６、４０８に対応する文として文６０２、６０４、６０６）に例示した文書が上位にランキングされる。また、図７に例示した文７０２から文７０８のそれぞれの文と単語が類似しており、それらの文の出現順序が同じである、図８（文７０２、７０４、７０６、７０８に対応する文として文８０２、８０６、８１０、８１４）に例示した文書が上位にランキングされる。

なお、本実施の形態としてのプログラムが実行されるコンピュータのハードウェア構成は、図１２に例示するように、一般的なコンピュータであり、具体的にはパーソナルコンピュータ、サーバーとなり得るコンピュータ等である。つまり、具体例として、処理部（演算部）としてＣＰＵ１２０１を用い、記憶装置としてＲＡＭ１２０２、ＲＯＭ１２０３、ＨＤ１２０４を用いている。ＨＤ１２０４として、例えばハードディスクを用いてもよい。文抽出モジュール１３０、類似構文集合生成モジュール１４０、類似文検索モジュール１５０、関連文書検索モジュール１６０、関連文書ランキングモジュール１７０等のプログラムを実行するＣＰＵ１２０１と、そのプログラムやデータを記憶するＲＡＭ１２０２と、本コンピュータを起動するためのプログラム等が格納されているＲＯＭ１２０３と、補助記憶装置であるＨＤ１２０４と、キーボード、マウス等のデータを入力する入力装置１２０６と、ＣＲＴや液晶ディスプレイ等の出力装置１２０５と、ネットワークインタフェースカード等の通信ネットワークと接続するための通信回線インタフェース１２０７、そして、それらをつないでデータのやりとりをするためのバス１２０８により構成されている。これらのコンピュータが複数台互いにネットワークによって接続されていてもよい。

前述の実施の形態のうち、コンピュータ・プログラムによるものについては、本ハードウェア構成のシステムにソフトウェアであるコンピュータ・プログラムを読み込ませ、ソフトウェアとハードウェア資源とが協働して、前述の実施の形態が実現される。
なお、図１２に示すハードウェア構成は、１つの構成例を示すものであり、本実施の形態は、図１２に示す構成に限らず、本実施の形態において説明したモジュールを実行可能な構成であればよい。例えば、一部のモジュールを専用のハードウェア（例えばＡＳＩＣ等）で構成してもよく、一部のモジュールは外部のシステム内にあり通信回線で接続しているような形態でもよく、さらに図１２に示すシステムが複数互いに通信回線によって接続されていて互いに協調動作するようにしてもよい。また、特に、パーソナルコンピュータの他、情報家電、複写機、ファックス、スキャナ、プリンタ、複合機（スキャナ、プリンタ、複写機、ファックス等のいずれか２つ以上の機能を有している画像処理装置）などに組み込まれていてもよい。

前述の実施の形態においては、制限規則に関する文書を示したが、他の文書を対象としてもよい。類似している構文構成の文が複数含まれており、それらの文が検索対象となるような文書であれば適用できる。
なお、前述の実施の形態内の各モジュールの処理内容として従来技術として説明した技術を採用してもよい。
また、前述の実施の形態の説明において、予め定められた値との比較において、「以上」、「以下」、「より大きい」、「より小さい（未満）」としたものは、その組み合わせに矛盾が生じない限り、それぞれ「より大きい」、「より小さい（未満）」、「以上」、「以下」としてもよい。

なお、説明したプログラムについては、記録媒体に格納して提供してもよく、また、そのプログラムを通信手段によって提供してもよい。その場合、例えば、前記説明したプログラムについて、「プログラムを記録したコンピュータ読み取り可能な記録媒体」の発明として捉えてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通などのために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク（ＤＶＤ）であって、ＤＶＤフォーラムで策定された規格である「ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ−ＲＡＭ等」、ＤＶＤ＋ＲＷで策定された規格である「ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等」、コンパクトディスク（ＣＤ）であって、読出し専用メモリ（ＣＤ−ＲＯＭ）、ＣＤレコーダブル（ＣＤ−Ｒ）、ＣＤリライタブル（ＣＤ−ＲＷ）等、ブルーレイ・ディスク（Ｂｌｕ−ｒａｙＤｉｓｃ（登録商標））、光磁気ディスク（ＭＯ）、フレキシブルディスク（ＦＤ）、磁気テープ、ハードディスク、読出し専用メモリ（ＲＯＭ）、電気的消去及び書換可能な読出し専用メモリ（ＥＥＰＲＯＭ）、フラッシュ・メモリ、ランダム・アクセス・メモリ（ＲＡＭ）等が含まれる。
そして、前記のプログラム又はその一部は、前記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、あるいは無線通信ネットワーク、さらにこれらの組み合わせ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、前記のプログラムは、他のプログラムの一部分であってもよく、あるいは別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して
記録されていてもよい。また、圧縮や暗号化など、復元可能であればどのような態様で記録されていてもよい。

１１０…文書受付モジュール
１２０…文書格納モジュール
１３０…文抽出モジュール
１４０…類似構文集合生成モジュール
１５０…類似文検索モジュール
１６０…関連文書検索モジュール
１７０…関連文書ランキングモジュール
１８０…関連文書出力モジュール

Claims

文書を記憶する文書記憶手段と、
対象とする文書から文を抽出する文抽出手段と、
前記文抽出手段によって抽出された文の構文に基づいて、該文の集合を生成する文集合生成手段と、
前記文集合生成手段によって生成された文の集合内の第１の文と類似する第２の文を前記文書記憶手段に記憶されている文書内の文から検索する類似文検索手段と、
前記類似文検索手段によって検索された第２の文に基づいて、前記対象とする文書に関連する文書を前記文書記憶手段から検索する関連文書検索手段と、
前記関連文書検索手段によって検索された文書に含まれる前記第２の文の数、該第２の文に対応する前記対象文書における前記第１の文の出現順序と前記関連文書検索手段によって検索された文書における該第２の文の出現順序の比較結果、又はこれらの組み合わせに基づいて、前記関連文書検索手段によって検索された文書を順序付けする順序付手段
を具備することを特徴とする情報処理装置。
前記順序付手段は、前記関連文書検索手段によって検索された文書と前記対象とする文書の類似度に基づいて、前記順序付けを行う
ことを特徴とする請求項１に記載の情報処理装置。
コンピュータを、
文書を記憶する文書記憶手段と、
対象とする文書から文を抽出する文抽出手段と、
前記文抽出手段によって抽出された文の構文に基づいて、該文の集合を生成する文集合生成手段と、
前記文集合生成手段によって生成された文の集合内の第１の文と類似する第２の文を前記文書記憶手段に記憶されている文書内の文から検索する類似文検索手段と、
前記類似文検索手段によって検索された第２の文に基づいて、前記対象とする文書に関連する文書を前記文書記憶手段から検索する関連文書検索手段と、
前記関連文書検索手段によって検索された文書に含まれる前記第２の文の数、該第２の文に対応する前記対象文書における前記第１の文の出現順序と前記関連文書検索手段によって検索された文書における該第２の文の出現順序の比較結果、又はこれらの組み合わせに基づいて、前記関連文書検索手段によって検索された文書を順序付けする順序付手段
として機能させることを特徴とする情報処理プログラム。