JP6142617B2 - 情報処理装置、情報処理方法及び情報処理用プログラム - Google Patents

Description

本発明は、クラスタリングの技術分野に関する。

従来、商品やサービス等に対するアンケートの回答やＳＮＳ（social networking service）におけるコメントなどの人の意見が記述されたテキストデータを分析するテキストマイニングが行われている。テキストマイニングでは、例えば、特許文献１及び２に開示されているような、文書解析処理が行われる。

また、分析者は、テキストマイニングを行う際、大量のアンケート結果等について概要を把握するため、まず、テキストデータのクラスタリング（分類）を行う。クラスタリングとは、テキストデータの集合を部分集合（クラスタ）に切り分けて、それぞれの部分集合に含まれるテキストデータがある共通の特徴を持つようにするデータ解析手法である。共通の特徴は主にテキストデータの類似度（距離の近さ）で示される。クラスタリング手法は、最短距離法などの階層的手法と、k-means法などの分割最適化手法に分けられる。

ここで、図１を用いて、最短距離法によるクラスタリングの例を示す。図１では、分類対象であるテキストデータ３０１、３０２、３０３、３０４、３０５、３０６、３０７が７件ある場合について説明する。最短距離法では、各テキストデータを類似度が高い（距離の近い）テキストデータ同士を順番に統合していく。クラスタは、統合の初期段階ではバラバラであるが、徐々に統合されて大きくなり、最終的には１つに統合される。それを、閾値により分割することで、複数のクラスタを得ることができる。図１では、テキストデータ３０１で構成されるクラスタと、テキストデータ３０２、３０３、３０４、３０５で構成されるクラスタと、テキストデータ３０６、３０７で構成されるクラスタの計３つのクラスタが得られた例を示している。閾値は、各クラスタに含まれるテキストデータの類似度をどの程度とするかに応じて設定される。

こうした最短距離法によるクラスタリングにおいてテキストデータ間の類似度は、例えば、各テキストデータに含まれる単語の出現回数により作成されるベクトル同士のなす角により計算される。すなわち、テキストデータＡとテキストデータＢの類似度は下記（１）式により算出することができる。

つまり、単語の出現回数によってテキストデータ間の類似度が定まるので、クラスタリングを行う場合には単語の出現回数が重要なファクターとなる。

一方で、分析者は、分類軸（テキストデータの内容を分類する際の種類（例えば、場所、人、組織等））に沿ってクラスタリングしようとする場合、その分類軸に対応する単語の出現回数に対して重み付けを行うが、そのために分類軸に対応する重み付けすべき単語を可能な限り設定しなければならないという問題がある。

特開平９−３１９７４６号公報 特開平８−３１４９３１号公報

本発明は、上記の点を鑑みてなされたもので、クラスタリングの対象となるテキストデータに含まれる単語の出現回数に対して、容易に分類軸に応じた重み付けを行うことのできる情報処理装置等を提供することを課題とする。

上記課題を解決するために、請求項１に記載の発明は、複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行う情報処理装置であって、前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段と、前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計手段と、前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算手段と、を備えることを特徴とする。

請求項２に記載の発明は、請求項１に記載の情報処理装置であって、前記分類軸に、前記重み付け係数が乗算された出現回数に基づいて、前記複数のテキストデータをクラスタリングするクラスタリング手段、を更に備えることを特徴とする。

請求項３に記載の発明は、請求項１又は２に記載の情報処理装置であって、前記複数のテキストデータにおいて出現する単語のうち、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む単語である寄与語の数を計数する計数手段を、更に備えることを特徴とする。

請求項４に記載の発明は、請求項１乃至３の何れか一項に記載の情報処理装置であって、前記複数のテキストデータにおいて出現する単語のうち、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む単語である寄与語を抽出する寄与語抽出手段と、前記複数のテキストデータのうち、前記抽出された寄与語を含むテキストデータの割合を算出する割合算出手段を、更に備えることを特徴とする。

請求項５に記載の発明は、請求項１乃至４の何れか一項に記載の情報処理装置であって、前記記憶手段は、前記分類軸に対応する固有名詞を更に記憶し、前記乗算手段は、前記記憶手段に記憶されている接頭辞、接尾辞又は固有名詞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算することを特徴とする。

請求項６に記載の発明は、複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行い、且つ、前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段を備える情報処理装置による情報処理方法であって、前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計工程と、前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算工程と、を含むことを特徴とする。

請求項７に記載の発明は、複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行い、且つ、前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段を備える情報処理装置におけるコンピュータを、前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計手段、前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算手段、として機能させることを特徴とする。

本発明によれば、事前に分類軸とそれに対応する接頭辞又は接尾辞を設定しておくことにより、分類軸に応じて単語の出現回数に対する重み付けを容易に行うことができる。また、分類軸に対応する重み付けすべき単語を全て設定することなく、分類軸に対応する接頭辞又は接尾辞を設定するだけで済むとともに、分類軸に対応する単語を検出する際の漏れを少なくすることができる。

最短距離法によるクラスタリングの例を説明するための図である。 アンケート結果分析装置１の構成例を示すブロック図である。 分類軸ＤＢ４０の内容の一例を示す図である。 アンケート結果ＤＢ５０の内容の一例を示す図である。 アンケート結果分析装置１の制御部１１による重み付け・クラスタリング処理の一例を示すフローチャートである。 標準分類データ６０の内容の一例を示す図である。 分類データ（場所）の内容の一例を示す図である。 分類データ（人）の内容の一例を示す図である。 分類データ（組織）の内容の一例を示す図である。 提示画面２００の画面例を示す図である。 （Ａ）は標準分類データ６０における単語の出現回数を示す図である。（Ｂ）は分類データ（場所）における単語の出現回数を示す図である。 分類軸ＤＢ７０の内容の一例を示す図である。 （Ａ）は分類結果情報８０の内容の一例を示す図である。（Ｂ）はクラスタ情報９０の内容の一例を示す図である。

以下、図面を用いて本発明の実施形態について説明する。なお、本実施形態は、アンケート結果分析装置１について本発明を適用した場合の実施形態である。また、本実施形態は特許請求の範囲にかかる発明を限定するものではなく、また本実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

［１．アンケート結果分析装置１の構成］
図２を用いて、アンケート結果分析装置１の構成について説明する。図２に示すように、アンケート結果分析装置１は、制御部１１、記憶部１２、インターフェース部１３、表示部１４、及び操作部１５を備えている。

記憶部１２は、例えば、ＨＤＤ（Hard disk drive）等により構成されており、オペレーティングシステムや、アプリケーションプログラム等の各種プログラムを記憶する。特に、本実施形態の記憶部１２は、複数のテキストデータをクラスタリングするクラスタリング用プログラムを記憶する。なお、各種プログラムは、例えば、他のサーバ装置等からネットワークを介して取得されるようにしても良いし、記録媒体に記録されて外付けドライブ装置を介して読み込まれるようにしても良い。

また、記憶部１２には、分類軸ＤＢ４０及びアンケート結果ＤＢ５０が構築されている。ここで、図３及び図４を用いて、分類軸ＤＢ４０及びアンケート結果ＤＢ５０の内容について説明する。

分類軸ＤＢ４０には、図３に示すように、分類軸データとして、分類軸ＩＤ４１、分類軸４２、接尾辞４３を示す情報が登録されている。具体的には、分類軸ＩＤ４１で識別される分類軸４２に対応する接尾辞４３が登録されている。例えば、「場所」という分類軸４２の接尾辞４３として「所」、「場」、「室」が登録され、「人」という分類軸４２の接尾辞４３として「者」、「係」、「員」が登録され、「組織」という分類軸４２の接尾辞４３として「社」、「庁」が登録されている。なお、図３は各分類軸４２に対応する接尾辞４３の一例を示すものであり、図３に示した接尾辞４３以外の接尾辞４３を登録することとしてもよい。また、分類軸４２として「場所」、「人」、「組織」以外の分類軸４２を登録することもできる。

アンケート結果ＤＢ５０には、図４に示すように、テキストＩＤ５１毎に、アンケート結果として得られたテキストデータ５２が登録されている。図４では一例として、次のテキストデータ５２が登録されている。
＜テキストＩＤ：０００１＞
「駐車場に警備員がいなかった。警備員を置いて欲しい。」
＜テキストＩＤ：０００２＞
「喫煙所を掃除して欲しい。」
＜テキストＩＤ：０００３＞
「待合室にクーラーと扇風機をつけて。」
＜テキストＩＤ：０００４＞
「待合室を掃除して下さい。」
＜テキストＩＤ：０００５＞
「クーラーが効き過ぎ。」

インターフェース部１３は他の装置や機器との間で送受信されるデータの窓口の役割を果たす。

表示部１４は、例えば、液晶ディスプレイ等により構成されており、アンケート結果分析装置１の利用者（分析者）がアンケート結果分析装置１を操作する際の操作画面等を表示する。また、操作部１５は、例えば、キーボードやマウス等により構成されており、分析者の操作を受け付け、操作内容を示す操作信号を制御部１１に送信する。

制御部１１は、演算機能を有するＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、作業用のＲＡＭ（Random Access Memory）、及び図示しない発振回路等を備えて構成される。制御部１１は、操作部１５から受信した操作信号に基づいて分析者の操作内容に応じた処理を実行する。

また、制御部１１は、クラスタリング用アプリケーションプログラムを実行することで、アンケート結果ＤＢ５０に登録されているテキストデータ５２をクラスタリングする。具体的には、制御部１１は、テキストデータ５２に含まれる単語の出現回数に対して所定の条件に従って重み付け係数を乗算し、重み付けされた単語の出現回数に基づいてテキストデータ５２をクラスタリングする。

［３．制御部１１による重み付け・クラスタリング処理］
次に、図５のフローチャートを用いて、制御部１１による重み付け・クラスタリング処理について説明する。なお、重み付け・クラスタリング処理は、分析者により重み付け・クラスタリング処理を開始するための開始操作が検出された場合に開始される。

まず、アンケート結果分析装置１の制御部１１は、アンケート結果ＤＢ５０からテキストデータ５２を１件取得する（ステップＳ１）。

次に、制御部１１は、取得したテキストデータ５２を形態素解析する（ステップＳ２）。形態素解析には従来公知の方法を採用することができる。

次に、制御部１１は、ステップＳ２の処理結果に基づいて複合語を生成する（ステップＳ３）。例えば、制御部１１は、形態素解析により「駐車」と「場」が得られた場合に、これらを組み合わせて「駐車場」という複合語（単語）を生成し、また、形態素解析により「警備」と「員」が得られた場合に、これらを組み合わせて「警備員」という複合語（単語）を生成する。

次に、制御部１１は、ステップＳ１の処理で取得したテキストデータ５２における単語毎の出現回数を集計する（ステップＳ４）。このとき、制御部１１は、ステップＳ３の処理で生成した複合語（単語）と、ステップＳ２の処理における形態素解析で検出された単語を抽出して、各単語の出現回数を計数する。

次に、制御部１１は、アンケート結果ＤＢ５０に未取得のテキストデータ５２があるか否かを判定する（ステップＳ５）。このとき、制御部１１は、未取得のテキストデータ５２があると判定した場合には（ステップＳ５：ＹＥＳ）、ステップＳ１の処理に移行する。すなわち、制御部１１は、アンケート結果ＤＢ５０に登録されている全てのテキストデータ５２についてステップＳ１〜ステップＳ４の処理を行う（但し、アンケート結果ＤＢ５０にはクラスタリングの対象であるテキストデータ５２のみが登録されているものとする）。一方、制御部１１は、未取得のテキストデータ５２はないと判定した場合には（ステップＳ５：ＮＯ）、ステップＳ６の処理に移行する。

次に、制御部１１は、ステップＳ１〜ステップ５の処理結果に基づいて標準分類データ６０を作成する（ステップＳ６）。ここで、図４に示したテキストデータ５２がアンケート結果ＤＢ５０に登録されている場合の標準分類データ６０を図６に示す。標準分類データ６０は、テキストＩＤ６１（５１）毎に各単語６２の出現回数６３が記述されている。なお、図５のフローチャートでは、ステップＳ６の処理において、ステップＳ１〜ステップ５の処理結果に基づいて標準分類データ６０を作成することとしたが、制御部１１は、ステップＳ４の処理を行う都度、直近に取得したテキストデータ５２のテキストＩＤ５１と対応付けて、各単語６２の出現回数６３を標準分類データ６０に記述することとしてもよい。

図５に戻り、制御部１１は、分類軸ＤＢ４０から分類軸データを１件取得する（ステップＳ７）。

次に、制御部１１は、ステップＳ６の処理で作成した標準分類データ６０における各単語６２と、ステップＳ７の処理で取得した分類軸データにおける接尾辞４３を比較し、接尾辞４３を含む単語６２の出現回数に重み付け係数α（αは任意に設定することができる）を乗算した分類データを作成する（ステップＳ８）。ここで、図７を用いて、ステップＳ６の処理において図６に示した標準分類データ６０が作成され、ステップＳ７の処理において図３に示した分類軸４２が「場所」である分類軸データが取得され、ステップＳ８の処理において重み付け係数「５」が乗算された場合の、分類データ（場所）の一例を示す。この例では、標準分類データ６０に「場所」に対応する接尾辞４３である「場」、「所」、「室」を含む単語６２として「駐車場」、「喫煙所」、「待合室」が存在するので、これらの単語６２に対応する出現回数６３が「５」倍されている。

次に、制御部１１は、ステップＳ７の処理で取得した分類軸データにおける分類軸４２毎に、その分類軸４２に対応する接尾辞４３を含む単語（「寄与語」という）を抽出して、寄与語の数及び寄与語が含まれるテキストデータ５２（文書）の割合を算出する（ステップＳ９）。例えば、アンケート結果ＤＢ５０に図４に示すテキストデータ５２のみが登録されており、ステップＳ７の処理において分類軸４２が「場所」である分類軸データを取得した場合であれば、寄与語数は、「駐車場」、「喫煙所」、「待合室」の計「３」となる。また、寄与語が含まれる文書の割合は「４／５（８０％）」となる。

次に、制御部１１は、分類軸ＤＢ４０に未取得の分類軸データがあるか否かを判定する（ステップＳ１０）。このとき、制御部１１は、未取得の分類軸データがあると判定した場合には（ステップＳ１０：ＹＥＳ）、ステップＳ７の処理に移行する。つまり、制御部１１は、分類軸ＤＢ４０に登録されている全ての分類軸データについてステップＳ７〜ステップＳ９の処理を行う。一方、制御部１１は、未取得の分類軸データはないと判定した場合には（ステップＳ１０：ＮＯ）、ステップＳ１１の処理に移行する。なお、制御部１１は、ステップＳ７〜ステップＳ９の処理を繰り返すことにより、分類軸ＤＢ４０に登録されている分類軸４２毎に分類データを作成する。

ここで、図８を用いて、ステップＳ６の処理において図６に示した標準分類データ６０が作成され、ステップＳ７の処理において図３に示した分類軸４２が「人」である分類軸データが取得され、ステップＳ８の処理において重み付け係数「５」が乗算された場合の、分類データ（人）の一例を示す。分類データ（人）では、標準分類データ６０に分類軸「人」に対応する接尾辞４３「者」、「係」、「員」を含む単語６２が「警備員」のみであるので、「警備員」のみの出現回数が５倍され「１０」になっている。

次に、図９を用いて、ステップＳ６の処理において図６に示した標準分類データ６０が作成され、ステップＳ７の処理において図３に示した分類軸４２が「組織」である分類軸データが取得され、ステップＳ８の処理において重み付け係数「５」が乗算された場合の、分類データ（組織）の一例を示す。分類データ（組織）では、標準分類データ６０に分類軸「組織」に対応する接尾辞４３「社」、「庁」を含む単語６２が一つもないことから何れの単語についても出現回数は変化しない。

図５に戻り、制御部１１は、ステップＳ７〜ステップＳ９の処理を繰り返すことにより、分類軸ＤＢ４０に登録されている分類軸４２毎に作成した分類データ及び標準分類データ６０に基づいてクラスタリングを行う（ステップＳ１１）。ステップＳ１１の処理では、出現回数に基づいてクラスタリングを行う従来公知のクラスタリング手法を採用することができる。

次に、制御部１１は、後述する提示画面を表示するための提示データを作成し、当該提示データに基づいて提示画面を表示部１４に表示させ（ステップＳ１２）、当該フローチャートに示す処理を終了する。

ここで、図１０を用いて提示画面２００について説明する。提示画面２００は図５のフローチャートに示した重み付け・クラスタリング処理により得られた結果を分析者に提示する。具体的には、提示画面２００は分類軸４２毎に、アンケート結果ＤＢ５０に登録されているテキストデータ５２全件についての、寄与語数、寄与語を含む文書（テキストデータ）の割合、及びステップＳ１１の処理により得られたクラスタ数を提示する。なお、分類軸４２として「標準」と記述された行には、標準分類データ６０について算出された寄与語数、寄与語を含む文書（テキストデータ）の割合、及びクラスタ数が提示される。また、寄与語が含まれている文書（テキストデータ）の割合が高い分類軸４２ほど、その分類軸４２が主題になっている可能性が高いため、分析者が分類軸４２を選択する際の手がかりとなる。

次に、図４に示したアンケート結果ＤＢ５０におけるテキストＩＤ５１が「０００２」であるテキストデータ５２とテキストＩＤ５１が「０００４」であるテキストデータ５２間の類似度と、テキストＩＤ５１が「０００３」であるテキストデータ５２とテキストＩＤ５１が「０００４」であるテキストデータ５２間の類似度を、それぞれ上記（１）式を用いて、図５のステップＳ６の処理で得られた標準分類データ６０（図６参照）と、ステップＳ８の処理で得られた分類データ（場所）（図７参照）のそれぞれに基づいて算出する例について説明する。なお、図１１（Ａ）は標準分類データ６０（図６参照）における単語の出現回数をテキストＩＤ５１毎に表にまとめたものである。また、図１１（Ｂ）は分類データ（場所）（図７参照）における単語の出現回数をテキストＩＤ５１毎に表にまとめたものである。

＜標準分類データ＞
＜テキストＩＤ「０００２」とテキストＩＤ「０００４」＞

＜テキストＩＤ「０００３」とテキストＩＤ「０００４」＞

つまり、標準分類データ６０に基づいて類似度を算出した場合、テキストＩＤ「０００２」のテキストデータ５２とテキストＩＤ「０００４」のテキストデータ５２間の類似度の方が、テキストＩＤ「０００３」のテキストデータ５２とテキストＩＤ「０００４」のテキストデータ５２間の類似度よりも大きくなる。

＜分類データ（場所）＞
＜テキストＩＤ「０００２」とテキストＩＤ「０００４」＞

＜テキストＩＤ「０００３」とテキストＩＤ「０００４」＞

つまり、分類データ（場所）に基づいて類似度を算出した場合、テキストＩＤ「０００３」のテキストデータ５２とテキストＩＤ「０００４」のテキストデータ５２間の類似度の方が、テキストＩＤ「０００２」のテキストデータ５２とテキストＩＤ「０００４」のテキストデータ５２間の類似度よりも大きくなる。

このように、「場所」に関する単語の重み付けを高くすることにより、「場所」を意味しない単語である「掃除」を含むテキストＩＤ「０００２」のコメントデータ５２とテキストＩＤ「０００４」のコメントデータ５２間の類似度より、「場所」を意味する単語である「待合室」を含むテキストＩＤ「０００３」のコメントデータ５２とテキストＩＤ「０００４」のコメントデータ５２間の類似度の方が高くなる。

以上説明したように、本実施形態におけるアンケート結果分析装置１（「情報処理装置」の一例）は、複数のテキストデータ５２について、当該テキストデータ５２に含まれる単語の出現回数に重み付けを行う装置であって、記憶部１２（「記憶手段」の一例）が、複数のテキストデータ５２を分類するための分類軸４２に対応する接尾辞４３を記憶し、制御部１１（「集計手段」、「乗算手段」の一例）が、テキストデータ５２毎に、当該テキストデータ５２に含まれる単語の出現回数を集計し、記憶部１２に記憶されている接尾辞７３を含む単語について集計された出現回数に対して重み付け係数αを乗算する。

本実施形態のアンケート結果分析装置１によれば、事前に分類軸４２とそれに対応する接尾辞４３を設定しておくことにより、分類軸４２に応じて単語の出現回数に対する重み付けを行うことができる。また、分類軸４２に対応する重み付けすべき単語を全て設定することなく、分類軸４２に対応する接尾辞４３を設定するだけで済むとともに、分類軸４２に対応する単語を検出する際の漏れを少なくすることができる。

また、本実施形態におけるアンケート結果分析装置１は、制御部１１（「クラスタリング手段」の一例）が、重み付け係数αが乗算された出現回数に基づいて、複数のテキストデータ５２をクラスタリングする。したがって、分類軸４２に沿ったクラスタリングを行うことができる。

更に、本実施形態におけるアンケート結果分析装置１は、記憶部１２が、分類軸４２毎に接尾辞４３を記憶し、制御部１１が、分類軸４２毎に、接尾辞４３を含む単語について集計された出現回数に対して重み付け係数αを乗算し、分類軸４２毎に、複数のテキストデータ５２をクラスタリングする。したがって、分析者は単語の重みを分類軸４２毎に調節することなく、各分類軸４２に沿ったクラスタリング結果を得ることができる。

更にまた、本実施形態におけるアンケート結果分析装置１は、制御部１１（「計数手段」の一例）が複数のテキストデータ５２において出現する単語のうち、記憶部１２に記憶されている接尾辞４３を含む単語である寄与語の数を計数する。したがって、分析者がクラスタリングを行うために分析軸を選択する場合の参考となる寄与語の数を提示することができ、分析者の作業負荷を軽減することができる。

更にまた、本実施形態におけるアンケート結果分析装置１は、制御部１１（「寄与語抽出手段」、「割合算出手段」の一例）が複数のテキストデータ５２に記述されている単語のうち、記憶部１２に記憶されている接尾辞４３を含む単語である寄与語を抽出し、複数のテキストデータ５２のうち、抽出した寄与語を含むテキストデータ５２の割合を算出する。したがって、分析者がクラスタリングを行うために分析軸を選択する場合の参考となる寄与語を含むテキストデータ５２の割合を提示することができ、分析者の作業負荷を軽減することができる。

なお、本実施形態では、分類軸４２毎に登録された接尾辞４３と単語を比較し、接尾辞４２を含む単語の出現回数に重み付け係数αを乗算する構成としたが、これに代えて又はこれに加えて、分類軸毎に固有名詞を登録しておき、当該登録された固有名詞と単語を比較し、固有名詞を含む単語の出現回数に重み付け係数αを乗算する構成としてもよい。例えば、図１２に示すような分類軸ＤＢ７０を記憶部１２に構築することとする。

分類軸ＤＢ７０には、分類軸データとして、分類軸ＩＤ７１、分類軸７２、固有名詞７３を示す情報が登録されている。具体的には、分類軸ＩＤ７１で識別される分類軸７２に対応する固有名詞７３が登録されている。例えば、「場所」という分類軸７２の固有名詞７３として場所や地域を表す「東京」、「町田」、「東京ドーム」などが登録され、「人」という分類軸７２の固有名詞７３として人名や役職名を表す「田中一郎」、「田中花子」、「社長」、「部長」、「係長」などが登録され、「組織」という分類軸７２の固有名詞７３として組織名を表す「財団法人ＡＢＣ」、「ＸＹＺ株式会社」などが登録されている。なお、図１２は各分類軸７２に対応する固有名詞の一例を示すものであり、ここに示した固有名詞以外の固有名詞を登録することができる。また、分類軸７２として「場所」、「人」、「組織」以外の分類軸を登録することもできる。

当該構成とした場合にも、接尾辞４３を含む単語の出現回数に重み付け係数αを乗算した場合と同様に、事前に分類軸７２とそれに対応する固有名詞７３を設定しておくことにより、分類軸７２に応じて単語の出現回数に対する重み付けを行うことができる等の効果が得られる。

ここで、図１３を用いて、図５のステップＳ１１の処理（クラスタリング）で生成される分類結果情報８０とこれに対応するクラスタ情報９０について説明する。図１３では、上述した接尾辞４３に加えて固有名詞７３に基づいて単語に重み付けを行った場合の例を示している。図１３（Ａ）に示すように、分類結果情報８０は、テキストＩＤ５１で識別されるテキストデータ５２が、ステップＳ１１の処理（クラスタリング）により何れのクラスタに分類されたかを示す情報であり、テキストＩＤ５１毎に分類されたクラスタを示すクラスタＮＯ．が記述されている。一方、クラスタ情報９０は、クラスタＮＯ．で識別されるクラスタに対応する寄与語を示す情報である。例えば、テキストＩＤ５１が「０００１」であるテキストデータ５２は、「駐車場」、「駐輪場」という単語を含むことにより、クラスタＮＯ．「２」で識別されるクラスタに分類されたことを示している。なお、図１３では、分類軸が「場所」である場合における分類結果情報８０及びクラスタ情報９０の一例を示したが、ステップＳ１１の処理（クラスタリング）では、分類軸毎に分類結果情報８０及びクラスタ情報９０が生成される。

また、上記実施形態では、分類軸４２毎に接尾辞４３を登録して、テキストデータ５２に記述された単語と比較する構成としたが、これに代えて又はこれに加えて、分類軸４２毎に接頭辞を登録して、テキストデータ５２に記述された単語と比較し、接頭辞を含む単語の出現回数に重み付け係数αを乗算する構成としてもよい。

ところで、従来のクラスタリング用プログラムでは自動分類が可能であるものの、分析者が分類軸に沿ってクラスタリングしようとする場合、一旦、クラスタリングを行い、その結果を見て分類軸を決め、各単語の重みを調節して再度クラスタリングを行うといった作業を繰り返さなくてはならなかった。これに対して、アンケート結果分析装置１によれば、テキストデータ５２に含まれる寄与語数、寄与語を含む文書割合、更に各分類軸４２に基づいて重み付けを行った上でクラスタリングをした際の結果が得られる。したがって、分析者は単語の重みを調節することなく分類軸４２に沿ったクラスタリング結果を得られる。また、分析者に最適な分類軸（例えば、寄与語数の多かった分類軸や寄与語を含む文書割合の高かった分類軸）が提示され、分析者の作業負荷を軽減することができる。

１ アンケート結果分析装置
１１ 制御部
１２ 記憶部
１３ インターフェース部
１４ 表示部
１５ 操作部
４０、７０ 分類軸ＤＢ
５０ アンケート結果ＤＢ
６０ 標準分類データ
８０ 分類結果情報
９０ クラスタ情報

Claims (7)

1. 複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行う情報処理装置であって、
   前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段と、
   前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計手段と、
   前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算手段と、
   を備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記分類軸に、前記重み付け係数が乗算された出現回数に基づいて、前記複数のテキストデータをクラスタリングするクラスタリング手段、
   を更に備えることを特徴とする情報処理装置。
3. 請求項１又は２に記載の情報処理装置であって、
   前記複数のテキストデータにおいて出現する単語のうち、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む単語である寄与語の数を計数する計数手段を、
   更に備えることを特徴とする情報処理装置。
4. 請求項１乃至３の何れか一項に記載の情報処理装置であって、
   前記複数のテキストデータにおいて出現する単語のうち、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む単語である寄与語を抽出する寄与語抽出手段と、
   前記複数のテキストデータのうち、前記抽出された寄与語を含むテキストデータの割合を算出する割合算出手段を、
   更に備えることを特徴とする情報処理装置。
5. 請求項１乃至４の何れか一項に記載の情報処理装置であって、
   前記記憶手段は、前記分類軸に対応する固有名詞を更に記憶し、
   前記乗算手段は、前記記憶手段に記憶されている接頭辞、接尾辞又は固有名詞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算することを特徴とする情報処理装置。
6. 複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行い、且つ、前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段を備える情報処理装置による情報処理方法であって、
   前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計工程と、
   前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算工程と、
   を含むことを特徴とする情報処理方法。
7. 複数のテキストデータについて、当該テキストデータに含まれる単語の出現回数に重み付けを行い、且つ、前記複数のテキストデータを分類するための分類軸に対応する接頭辞又は接尾辞の少なくとも何れか一方を、当該分類軸毎に記憶する記憶手段を備える情報処理装置におけるコンピュータを、
   前記テキストデータ毎に、当該テキストデータに含まれる単語の出現回数を集計する集計手段、
   前記分類軸毎に、前記記憶手段に記憶されている接頭辞又は接尾辞の少なくとも何れか一方を含む前記単語について集計された出現回数に対して重み付け係数を乗算する乗算手段、
   として機能させることを特徴とする情報処理用プログラム。

Images