JP6878379B2 - 情報処理装置、制御方法、及びプログラム - Google Patents

Description

本発明は、文書の検索方法に関する。

顧客から提示されるＲＦＰ（提案依頼書）に基づいて、見積もり提案依頼書を作成することが行われている。

このような業務においては、過去のノウハウを利用して見積もり提案書を作成することで、作成に係る作業負荷や精度の良い書類を作成することが可能となる。

そこで、過去にＲＦＰを基に作成された見積もり仕様書のうち、新規に入手したＲＦＰの内容と類似したＲＦＰを特定して、特定したＲＦＰに対して作成した見積もり仕様書を効率的に探せることが望ましい。

このためにも、新規のＲＦＰの内容と類似する過去のＲＦＰを特定する必要があるが、単に、それぞれのＲＦＰに含まれるキーワードなどの一致を試みて検索を行うとすると、それぞれ別のカテゴリ（例えば、異なる業種のもの）のＲＦＰであっても、似たようなキーワードからなる内容を備えているケースが存在する。

この場合、業種によっては、提案内容に相違が出ることが想定されることから、極力、同じようなカテゴリのＲＦＰを特定できることが好ましいとされる。

そこで、過去のＲＦＰをカテゴリに分類する方法の１例として、カテゴリに所属する単語の文書内の頻度や全文書内の出現数などの統計量をもとにした確率的な文書分類方法があげられる（例えば、特許文献１参照）。

特開2006-293767

しかしながら、特許文献１の発明では、分類対象の文章がある単語を含んでいるとき、特定のカテゴリに分類することが可能であるが、新たなＲＦＰと類似する過去のＲＦＰを特定するようなケースでは、新たなＲＦＰのカテゴリを、分類したカテゴリを選定して、予め定めた当該カテゴリに含まれる単語で検索することが想定される。

しかしながら、予め選定されたカテゴリに含まれる単語のなかには、新たなＲＦＰに含まれない単語も存在する可能性があり、非類似の過去のＲＦＰを特定してしまうといった課題が生じる。

そこで、本発明では、類似する文書を簡易に検索できる仕組みを提供することを目的とする。

上記課題を解決するため本発明は、文書を管理する情報処理装置であって、
文書のカテゴリ毎に特徴語を記憶する記憶手段と、
検索対象とする文書を受け付ける受付手段と、
前記受付手段で受け付けた文書から文字列を抽出する抽出手段と、
前記抽出手段で抽出した文字列のうち、前記記憶手段に記憶された、前記受付手段で受け付けた文書のカテゴリの特徴語と一致する文字列を用いて、前記管理された文書の検索を行う検索手段と、
を備えることを特徴とする。

本発明によれば、類似する文書を簡易に検索できる、という効果を奏する。

類似文書検索システムの概略構成の一例を示す構成図である。 本発明の実施形態における情報処理装置のハードウェア構成の一例を示すブロック図である。 特徴語の登録処理の一例を示すフローチャートである。 類似文書検索処理の一例を示すフローチャートである。 類似文書検索処理の一例を示すフローチャートである。 類似文書検索処理の一例を示すフローチャートである。 フィードバック処理の一例を示すフローチャートである フィードバック処理の一例を示すフローチャートである フィードバック処理の一例を示すフローチャートである フィードバック処理の一例を示すフローチャートである フィードバック処理の一例を示すフローチャートである 分野別登録画面の構成を示す構成図である。 分野別カテゴリ分類登録画面の構成を示す構成図である。 分野別カテゴリ分類別特徴語登録画面の構成を示す構成図である。 類似文書検索画面の構成を示す構成図である。 分野テーブルの構成を示す構成図である。 分野別カテゴリ分類テーブルの構成を示す構成図である。 分野別カテゴリ分類別特徴語テーブルの構成を示す構成図である。 ＯＫ候補リスト、追加用候補リストの構成を示す構成図である。 追加削除候補カテゴリ分類特徴語テーブルの構成を示す構成図である。 ＮＧ候補リスト、追加用候補リストの構成を示す構成図である。

以下、図面を参照して、本発明の実施形態を詳細に説明する。

図１は、本発明の実施形態における類似文書検索システムのシステム構成の一例を示す図である。

類似文書検索システム１００は、クライアントＰＣ１０２、類似文書検索サーバ１０４、ＤＢサーバ１０６、及び検索エンジンサーバ１０８が、ＬＡＮ１１０を介して通信可能なように構成されている。

クライアントＰＣ１０２は、業種に関する文字列なのか、またはシステムに関する文字列なのか等を示す分野、分野に応じたカテゴリ（例えば、分野が業種の場合、金融や医療等を示し、分野がシステムの場合、ポータルや印刷等を示す）、分野及びカテゴリに応じた特徴語の入力を行う。

また、検証する文書の類似文書を検索する指示を行うとともに、検索した結果を表示し、その検索した結果のフィードバックを入力すること等を行う。

類似文書検索サーバ１０４は、クライアントＰＣ１０２により入力された検証する文書の類似文書を検索して、その結果をクライアントＰＣへ返信する。

また、クライアントＰＣ１０２から入力されたフィードバックに基づいて、既に登録されている特徴語の見直しのために、追加、削除の候補となる特徴語を決定する。

ＤＢサーバ１０６は、クライアントＰＣから入力された分野、カテゴリに応じた特徴語を登録するためのテーブルや、入力されたフィードバックに基づいて追加、削除の候補となる特徴語を登録するためのテーブルを備える。

検索エンジンサーバ１０８は、全ての文書（例えば、過去のＲＦＰ等）が登録管理されており、それら文書の内容に基づいて、文字列のＩＤＦ（Inverse Document Frequency）を解析した結果を記憶する。

尚、類似文書検索サーバ１０４、ＤＢサーバ１０６、検索エンジンサーバ１０８のそれぞれの組み合わせによって（例えば、類似文書検索サーバ１０４と検索エンジンサーバ１０８とを同じサーバとする等）、同じサーバとする構成でも良いし、全て、同じサーバとする構成でも良い。

図２は、本発明の実施形態における、クライアントＰＣ１０２、類似文書検索サーバ１０４、ＤＢサーバ１０６、及び検索エンジンサーバ１０８のハードウェア構成の一例を示すブロック図である。

図２に示すように、それぞれの情報処理装置は、システムバス２０４を介してＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２０２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０３、入力コントローラ２０５、ビデオコントローラ２０６、メモリコントローラ２０７、及び通信Ｉ／Ｆコントローラ２０８が接続される。

ＣＰＵ２０１は、システムバス２０４に接続される各デバイスやコントローラを統括的に制御する。

ＲＯＭ２０２あるいは外部メモリ２１１は、ＣＰＵ２０１が実行する制御プログラムであるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）やＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や、それぞれの情報処理装置で読み取り実行可能なプログラムおよび必要な各種データ（データテーブルを含む）を保持している。

ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０２あるいは外部メモリ２１１からＲＡＭ２０３にロードし、ロードしたプログラムを実行することで各種動作を実現する。

入力コントローラ２０５は、キーボード２０９や不図示のマウス等のポインティングデバイス等の入力装置からの入力を制御する。

入力装置がタッチパネルの場合、ユーザがタッチパネルに表示されたアイコンやカーソルやボタンに合わせて押下（指等でタッチ）することにより、各種の指示を行うことができることとする。

また、タッチパネルは、マルチタッチスクリーンなどの、複数の指でタッチされた位置を検出することが可能なタッチパネルであってもよい。

ビデオコントローラ２０６は、ディスプレイ２１０などの外部出力装置への表示を制御する。

ディスプレイは本体と一体になったノート型パソコンのディスプレイも含まれるものとする。

なお、外部出力装置はディスプレイに限ったものははく、例えばプロジェクタであってもよい。

また、前述のタッチ操作を受け付け可能な装置については、入力装置も提供する。

なおビデオコントローラ２０６は、表示制御を行うためのビデオメモリ（ＶＲＡＭ）を制御することが可能で、ビデオメモリ領域としてＲＡＭ２０３の一部を利用することもできるし、別途専用のビデオメモリを設けることも可能である。

メモリコントローラ２０７は、外部メモリ２１１へのアクセスを制御する。外部メモリとしては、ブートプログラム、各種アプリケーション、フォントデータ、ユーザファイル、編集ファイル、および各種データ等を記憶する外部記憶装置（ハードディスク）、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等を利用可能である。

通信Ｉ／Ｆコントローラ２０８は、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。

例えば、ＴＣＰ／ＩＰを用いた通信やＩＳＤＮなどの電話回線、および携帯電話の３Ｇ回線を用いた通信が可能である。

尚、ＣＰＵ２０１は、例えばＲＡＭ２０３内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ２１０上での表示を可能としている。

また、ＣＰＵ２０１は、ディスプレイ２１０上の不図示のマウスカーソル等でのユーザ指示を可能とする。

次に、図３に示すフローチャートを用いて、特徴語の登録処理について説明を行う。

ステップＳ１００では、クライアントＰＣ１０２に導入されているウェブブラウザに表示された分野登録画面３００（図１２）に対して、ユーザによって入力された分野に関する情報を取得し、ＤＢサーバ１０６へ送信する。

図１２には、分野の登録を行うための分野登録画面３００の構成が示されており、分野登録画面３００は、実行ボタン３０２、編集ボタン３０４、削除ボタン３０６、追加ボタン３０８、検索ＳＱＬ入力窓３１０、及び表示部３１２を含んで構成されている。

実行ボタン３０２を押下することにより、検索ＳＱＬ入力窓３１０へ入力された検索ＳＱＬ、及び、編集ボタン３０４、削除ボタン３０６、追加ボタン３０８の押下により、表示部３１２に表示される行の編集、削除、追加を行うためのＳＱＬに変換して、ＤＢサーバ１０６へ送信するものである。

また、編集ボタン３０４を押下すると、押下した編集ボタン３０４と同じ行に表示された値を変更するものであり、削除ボタン３０６を押下すると、押下した削除ボタン３０６の行を削除するものであり、追加ボタン３０８は、表示部３１２に現在表示されいてる行に対して、新たに行を追加する。

検索ＳＱＬ入力窓３１０には、ユーザが自由にＤＢサーバ１０６に記憶されているデータ等の検索を行うために、ＳＱＬ文が入力される。

表示部３１２には、分野を一意に識別するＩＤと分野を示す名前が表示されている。

ステップＳ１０２では、ＤＢサーバ１０６は、ステップＳ１００でクライアントＰＣ１０２から送信された分野情報を受信して、分野テーブル（図１６参照）へ登録する。

図１６には、分野テーブルの構成が示されており、分野テーブルは、分野を一意に識別するＩＤと分野を示す名前を含む構成を備えている。

ステップＳ１０４では、クライアントＰＣ１０２に導入されているウェブブラウザに分野別カテゴリ分類登録画面４００（図１３参照）に対して、ユーザによって入力された分野別に分類したカテゴリに関する情報を取得し、ＤＢサーバ１０６へ送信する。

図１３には、分野別カテゴリ分類登録画面４００の構成が示されており、分野別カテゴリ分類登録画面４００は、実行ボタン４０２、編集ボタン４０４、削除ボタン４０６、追加ボタン４０８、検索ＳＱＬ入力窓４１０、及び表示部４１２を含んで構成されている。

基本的に、分野登録画面３００と同様な機能であるため説明を省略するが、表示部４１２には、分野におけるカテゴリを一意に識別するＩＤ（ＩＤ）、分野を一意に識別するＩＤ（ＦＩＥＬＤ＿ＩＤ）、及びカテゴリを示す名前（ＮＡＭＥ）が表示されている。

ステップＳ１０６では、ＤＢサーバ１０６は、ステップＳ１０４でクライアントＰＣ１０２から送信されたカテゴリ分類情報を受信して、分野別カテゴリ分類テーブル（図１７参照）へ登録する。

図１７には、分野別カテゴリ分類テーブルは、分野におけるカテゴリを一意に識別するＩＤ（ＩＤ）、分野を一意に識別するＩＤ（ＦＩＥＬＤ＿ＩＤ）、及びカテゴリを示す名前（ＮＡＭＥ）を含んで構成されている。

ステップＳ１０８では、クライアントＰＣ１０２に導入されているウェブブラウザに分野別カテゴリ分類別特徴語登録画面５００（図１４参照）に対して、ユーザによって入力された分野別、カテゴリ別に分類された特徴語に関する情報を取得し、ＤＢサーバ１０６へ送信する。

図１４には、分野別カテゴリ分類別特徴語登録画面５００の構成が示されており、分野別カテゴリ分類別特徴語登録画面５００は、実行ボタン５０２、編集ボタン５０４、削除ボタン５０６、追加ボタン５０８、検索ＳＱＬ入力窓５１０、及び表示部５１２を含んで構成されている。

基本的に、分野登録画面３００及び分野別カテゴリ分類登録画面４００と同様な機能であるため説明を省略するが、表示部５１２には、分野を一意に識別するＩＤ（ＦＩＥＬＤ＿ＩＤ）、分野におけるカテゴリを一意に識別するＩＤ（ＣＡＴＥＧＯＲＹ＿ＩＤ）、特徴語を示す名前（ＮＡＭＥ）、登録されている文書に対する特徴語のＩＤＦ値（ＩＤＦ）、特徴語のフィードバックがＯＫである件数（ＯＫ＿ＣＯＵＮＴ）、及び特徴語のフィードバックがＮＧである件数（ＮＧ＿ＣＯＵＮＴ）が表示されている。

ステップＳ１１０では、ＤＢサーバ１０６は、ステップＳ１０８でクライアントＰＣ１０２から送信された特徴語情報を受信して、分野別カテゴリ分類別特徴語テーブル（図１８参照）へ登録する。

図１８には、分野別カテゴリ別特徴語テーブルの構成が示されており、分野別カテゴリ別特徴語テーブルは、分野を一意に識別するＩＤ（分野（ＩＤ））、分野におけるカテゴリを一意に識別するＩＤ（カテゴリ（ＩＤ））、特徴語を示す名前（特徴語）、登録されている文書に対する特徴語のＩＤＦ値（ＩＤＦ）、特徴語のフィードバックがＯＫである件数（ＯＫカウント）、及び特徴語のフィードバックがＮＧである件数（ＮＧカウント）を含んで構成されている。

ステップＳ１１２では、ユーザによってＩＤＦを更新する処理を実行するプログラムを呼び出すために、クライアントＰＣ１０２に導入されているウェブブラウザの入力窓（不図示）に対してＵＲＬを入力してＥｎｔｅｒキーを押下すると、ＩＤＦの更新指示に関する情報を取得し、類似文書検索サーバ１０４へ送信する。

ステップＳ１１４では、類似文書検索サーバ１０４は、ステップＳ１１２でクライアントＰＣ１０２から送信されたＩＤＦ更新指示情報を受信する。

ステップＳ１１６では、類似文書検索サーバ１０４は、分野別、カテゴリ分類別の特徴語を全件取得する指示に関する情報をＤＢサーバ１０６へ送信する。

ステップＳ１１８では、ＤＢサーバ１０６は、ステップＳ１１６で類似文書検索サーバ１０４から送信された特徴語全件取得指示情報を受信し、分野別カテゴリ分類別特徴語テーブルから全ての特徴語に関する情報を取得する。

ステップＳ１２０では、ＤＢサーバ１０６は、ステップＳ１１８において取得した全ての特徴語に関する情報を類似文書検索サーバ１０４へ送信する。

ステップＳ１２２では、類似文書検索サーバ１０４は、ステップＳ１２０でＤＢサーバ１０６から送信された全ての特徴語に関する情報を受信する。

ステップＳ１２４では、類似文書検索サーバ１０４は、ステップＳ１２２で受信した全ての特徴語に関する情報に対して、先頭から順次、特徴語に関する情報を読み込む。

ステップＳ１２６では、類似文書検索サーバ１０４は、全ての特徴語に関する情報を読み込んだ場合は、本処理を終了し、読み込んでいない場合は、ステップＳ１２８へ処理を進める。

ステップＳ１２８では、類似文書検索サーバ１０４は、順次読んだ特徴語に関してＩＤＦ値の取得要求を検索エンジンサーバ１０８へ送信する。

ステップＳ１３０では、検索エンジンサーバ１０８は、ステップＳ１２８において類似文書検索サーバ１０４から受信したＩＤＦ値の取得要求に基づいて、特徴語のＩＤＦ値を取得する。

ステップＳ１３２では、検索エンジンサーバ１０８は、ステップＳ１３０において取得したＩＤＦ値の取得結果を類似文書検索サーバ１０４へ送信する。

ステップＳ１３４では、類似文書検索サーバ１０４は、ステップＳ１３２で検索エンジンサーバ１０８から送信されたＩＤＦ値の取得結果を受信する。

ステップＳ１３６では、類似文書検索サーバ１０４は、ステップＳ１３４で受信した取得結果に基づいて、ＩＤＦ値の更新指示に関する情報をＤＢサーバ１０６へ送信する。

ステップＳ１３８では、ＤＢサーバ１０６は、ステップＳ１３６で類似文書検索サーバ１０４から送信されたＩＤＦ値の更新指示情報によって、分野別カテゴリ分類別特徴語テーブルのＩＤＦを更新する。

次に、図４、図５、図６に示すフローチャートを用いて類似文書検索処理について説明を行う。

ステップＳ２００では、クライアントＰＣ１０２に導入されたウェブブラウザに表示された類似文書検索画面６００（図１５）に対して、ユーザによって文書選択ボタン６０２が押下されたことを検知すると、文書選択画面（不図示）が表示され、当該文書選択画面で文書が選択されると選択文書６０４を類似文書検索画面６００に表示する。

ステップＳ２０２では、クライアントＰＣ１０２は、類似文書検索画面６００に対して、実行ボタン６０６が押下されたことを検知することにより、選択文書６０４を文書として類似文書検索サーバ１０４へ送信する。

ステップＳ２０４では、類似文書検索サーバ１０４は、ステップＳ２０２においてクライアントＰＣ１０２から送信された文書を受信する。

ステップＳ２０６では、類似文書検索サーバ１０４は、分野別、カテゴリ分類別の特徴語を全件取得する指示に関する情報をＤＢサーバ１０６へ送信する。

ステップＳ２０８では、ＤＢサーバ１０６は、ステップＳ２０６において類似文書検索サーバ１０４から送信された特徴語全件取得指示情報を受信し、当該特徴語全件取得指示情報に基づいて、分野別カテゴリ分類別特徴語テーブルから全ての特徴語に関する情報を取得する。

ステップＳ２１０では、ＤＢサーバ１０６は、ステップＳ２０８において取得した全ての特徴語に関する情報に関して、分野＞カテゴリ分類＞特徴語でソートして類似文書検索サーバ１０４へ送信する。

ステップＳ２１２では、類似文書検索サーバ１０４は、ステップＳ２１０においてＤＢサーバ１０６から送信された全ての特徴語に関する情報を受信する。

ステップＳ２１４では、類似文書検索サーバ１０４は、ステップＳ２０４で受信した文書のテキスト文字列を抽出し、形態素に分解して、文書から抽出した単語を取得する。

ステップＳ２１６では、類似文書検索サーバ１０４は、ステップＳ２１２において受信した全件の特徴語に関する情報から順次、特徴語に関する情報を読み込む。

ステップＳ２１８では、類似文書検索サーバ１０４は、全ての特徴語情報を読み込んだ場合、ステップＳ２２８へ処理を進め、読み込んでいない場合、ステップＳ２２０へ処理を進める。

ステップＳ２２０では、類似文書検索サーバ１０４は、ステップＳ２１４において抽出した単語を順次読み込む。

ステップＳ２２２では、類似文書検索サーバ１０４は、全ての単語を読み込んだ場合、ステップＳ２１６へ処理を進め、読み込んでいない場合、ステップＳ２２４へ処理を進める。

ステップＳ２２４では、類似文書検索サーバ１０４は、ステップＳ２１６において読み込んだ特徴語とステップＳ２２０で読み込んだ単語とが一致しているか否かを判定し、一致していると判定した場合は、Ｓ２２６へ処理を進め、一致していると判定しない場合は、ステップＳ２２０へ処理を進める。

ステップＳ２２６では、類似文書検索サーバ１０４は、当該特徴語の分野、カテゴリ、及び当該特徴語に対応して件数を１件インクリメントする。

ステップＳ２２８では、類似文書検索サーバ１０４は、ステップＳ２１２で受信した全ての特徴語に関する情報のうち、分野ごとにカテゴリを重複しないように取得する。

例えば、特徴語に関する情報として、分野及びカテゴリが、業種及び金融である特徴語が２０語あり、業種及び医療である特徴語が０語であり、システム及びポータルである特徴語が１０語あり、システム及び印刷である特徴語が１０語ある場合、金融及び医療、ポータル及び印刷を１つずつ順次読む。つまり、ステップＳ２３０で読み込み終了となるまで、計２つ読むことになる。

ステップＳ２３０では、類似文書検索サーバ１０４は、全ての分野及びカテゴリを読み込んだ場合、ステップＳ２５８へ処理を進め、読み込んでいない場合、ステップＳ２３２へ処理を進める。

ステップＳ２３２では、類似文書検索サーバ１０４は、分野／カテゴリにおけるスコア値を比較するためのパラメータであるスコアＷＫ１を初期化する。

ステップＳ２３４では、類似文書検索サーバ１０４は、ステップＳ２２８において読み込んだ同じ分野における異なるカテゴリを順次読む。

ステップＳ２３６では、類似文書検索サーバ１０４は、ステップＳ２２８で読んだ同じ分野における全てのカテゴリを読み込んだ場合、ステップＳ２５２へ処理を進め、読み込んでいない場合、ステップＳ２３８へ処理を進める。

ステップＳ２３８では、類似文書検索サーバ１０４は、分野／カテゴリにおけるスコア値を設定するためのパラメータであるスコアＷＫ２を初期化する。

ステップＳ２４０では、類似文書検索サーバ１０４は、ステップＳ２３４で読み込んだ分野／カテゴリにおける特徴語をステップＳ２１２で受信した全ての特徴語に関する情報に基づいて読み込む。

ステップＳ２４２では、類似文書検索サーバ１０４は、ステップＳ２４０で読み込んだ分野／カテゴリにおける全ての特徴語を読み込んだ場合は、ステップＳ２４８へ処理を進め、読み込んでいない場合は、ステップＳ２４４へ処理を進める。

ステップＳ２４４では、類似文書検索サーバ１０４は、ステップＳ２２６において求めた件数と特徴語に関する情報のＩＤＦとを用いて特徴語のスコア値を計算する。

例えば、以下のような数式を用いてスコア値の計算を行う
[数式１]

特徴語のスコア計算式 =

... スコアa
ＴＦ : 文書内の特徴語の出現数
ＩＤＦ :特徴語の希少価値（コーパス内の特徴語の逆頻度）
文書のカテゴリのスコア =

尚、特徴語のスコア計算式のＴＦは、特徴語の件数を代入し、スコア計算式のＩＤＦは特徴語のＩＤＦを代入し、スコア計算式のＬＥＮＧＴＨはバッファ２（文書から抽出した単語の配列）の長さを代入してスコア計算式を行い特徴語のスコアaを求める。

ステップＳ２４６では、類似文書検索サーバ１０４は、ステップＳ２４４で算出した特徴語のスコアaをスコアＷＫ２に加算し、ステップＳ２４０へ処理を進める。

ステップＳ２４８では、類似文書検索サーバ１０４は、スコアＷＫ２の数値とスコアＷＫ1の数値を比較し、スコアＷＫ２が大きくない場合は、ステップＳ２３４へ処理を進め、スコアＷＫ２が大きい場合は、ステップＳ２５０へ処理を進める。

ステップＳ２５０では、類似文書検索サーバ１０４は、スコアＷＫ２の値をスコアＷＫ1へ設定し、ステップＳ２３２へ処理を進める。

ステップＳ２５２では、類似文書検索サーバ１０４は、現時点でスコアＷＫ２に設定した値を計算した分野のカテゴリにおける特徴語をステップＳ２１２で受信した全ての特徴語に関する情報に基づいて順次読む。

ステップＳ２５４では、類似文書検索サーバ１０４は、ステップＳ２５２で読み込んだ分野／カテゴリにおける全ての特徴語を読み込んだ場合は、ステップＳ２２８へ処理を進め、読み込んでいない場合は、ステップＳ２５６へ処理を進める。

ステップＳ２５６では、類似文書検索サーバ１０４は、ステップＳ２５２で読んだ分野のカテゴリにおける特徴語を検索キーワードとして追加する。

ステップＳ２５８では、類似文書検索サーバ１０４は、ステップＳ２５６における検索キーワードが存在しない場合、ステップＳ２６０へ処理を進め、検索キーワードが存在した場合、ステップＳ２６２へ処理を進める。

ステップＳ２６０では、類似文書検索サーバ１０４は、検索対象なしのメッセージをクライアントＰＣ１０２へ送信する。

ステップＳ２６２では、クライアントＰＣ１０２は、ステップＳ２６０において類似文書検索サーバ１０４から送信されたメッセージを受信する。

ステップＳ２６４では、クライアントＰＣ１０２は、ステップＳ２６２で受信したメッセージを類似文書検索画面６００に表示する。

ステップＳ２６６では、類似文書検索サーバ１０４は、ステップＳ２５６における検索キーワードを用いて、検索エンジンサーバ１０８に対して検索指示に関する情報を送信する。

ステップＳ２６８では、検索エンジンサーバ１０８は、ステップＳ２６６において類似文書検索サーバ１０４から送信された検索指示に関する情報に基づき、検索キーワードを含む文書を自身に蓄積した文書から検索する。

尚、検索エンジンサーバ１０８には、分野、カテゴリ別に文書を蓄積して登録しておき、検索キーワードの分野、カテゴリにより、分類された文書群から特徴語を含む文書を検索しても良い。

ステップＳ２７０では、検索エンジンサーバ１０８は、ステップＳ２６８において検索した結果、得られた文書に関する情報を類似文書検索サーバ１０４へ送信する。

この際に、検索キーワードに関して、検索した文書のＴＦ−ＩＤＦのスコア順に、上位の数文書を検索結果として送信しても良い。

ステップＳ２７２では、類似文書検索サーバ１０４は、ステップＳ２７０において検索エンジンサーバ１０８から送信された検索結果を受信する。

ステップＳ２７４では、類似文書検索サーバ１０４は、検索結果に対応する検索キーワードとして分野、カテゴリ、及び特徴語をセットとして、当該検索結果と共にクライアントＰＣ１０２へ送信する。

ステップＳ２７６では、クライアントＰＣ１０２は、ステップＳ２７４において類似文書検索サーバ１０４から送信された検索結果等を受信する。

ステップＳ２７８では、クライアントＰＣ１０２は、類似文書検索画面６００のカテゴリを分類の検索結果６０８へステップＳ２７６で受信した分野、カテゴリを表示し、類似文書検索結果６１０へステップＳ２７６で受信した検索結果を表示する。

次に、図７、図８、図９、図１０、及び図１１に示すフローチャートを用いて、フィードバック処理について説明する。

ステップＳ３００では、クライアントＰＣ１０２は、類似文書検索画面６００のＯＫフィードバックボタン６１２、または、ＮＧフィードバックボタン６１４が押下されたことを検知することにより、ユーザから入力されたＯＫかＮＧかのフィードバックを受け取る。

そして、受け取ったフィードバックとステップＳ２７６で受信した分野、カテゴリ、及び特徴語のセットとを類似文書検索サーバ１０４へ送信する。

ステップＳ３０２では、類似文書検索サーバ１０４は、ステップＳ３００においてクライアントＰＣ１０２から送信されたフィードバックと分野、カテゴリ、及び特徴語のセットとを受信する。

ステップＳ３０４では、類似文書検索サーバ１０４は、フィードバックがＯＫであれば、ステップＳ３０６へ処理を進め、ＮＧであれば、ステップＳ３５０へ処理を進める。

ステップＳ３０６では、類似文書検索サーバ１０４は、ステップＳ３０２において受信した分野、カテゴリ、及び特徴語のセットで検索を行う指示を示す情報を検索エンジンサーバ１０８へ送信する。

ステップＳ３０８では、検索エンジンサーバ１０８は、ステップＳ３０６において類似文書検索サーバ１０４から送信された検索指示情報に基づき、分野、カテゴリ、及び特徴語を含む文書を検索し、検索された文書の特徴語を取得する。

ステップＳ３１０では、検索エンジンサーバ１０８は、ステップＳ３０８における検索結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３１２では、類似文書検索サーバ１０４は、ステップＳ３１０において検索エンジンサーバ１０８から送信された検索結果を受信する。

ステップＳ３１４では、類似文書検索サーバ１０４は、各文書の特徴語をＯＫ候補リスト（図１９上段）として生成する。

ＯＫ候補リストのＡｒｒａｙＬｉｓｔは、検索して文書が得られた順位を示し、それらの文書に含まれる特徴語と当該特徴語のＴＦ−ＩＤＦ値を含む構成を備えている。

ステップＳ３１６では、類似文書検索サーバ１０４は、ＯＫ候補リストの重複する特徴語をマージする処理を行う。

マージする処理の例としては、同じ特徴語のＴＦ−ＩＤＦの値の平均値をとることでマージすることがあげられ、マージする処理を行うことにより、追加用候補リスト（図１９下段）を生成する。

ステップＳ３１８では、類似文書検索サーバ１０４は、ステップＳ３０６で用いた分野及びカテゴリとステップＳ３１６で生成した追加用候補リストに存在するそれぞれの特徴語とをセットとしたが、ＤＢサーバ１０６の分野別カテゴリ分類別特徴語テーブルに存在するか否かの確認依頼を行う。

ステップＳ３２０では、ＤＢサーバ１０６は、ステップＳ３１８において、類似文書検索サーバ１０４からの確認依頼を受け付けると、分野、カテゴリ、及び特徴語のセットに基づいて、分野別カテゴリ分類別特徴語テーブルの検索を行う。

ステップＳ３２２では、ＤＢサーバ１０６は、ステップＳ３２０において検索した結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３２４では、類似文書検索サーバ１０４は、ステップＳ３２２においてＤＢサーバ１０６から送信された検索結果を受信する。

ステップＳ３２６では、類似文書検索サーバ１０４は、ステップS３２４において受信した検索結果に基づいて、分野、カテゴリ、及び特徴語のそれぞれのセットのうち、分野別カテゴリ分類別特徴語テーブルに存在するものがある場合、ステップＳ３２８へ処理を進め、存在するものがない場合、ステップＳ４００へ処理を進める。

尚、全ての件数の確認を行わずに、任意の件数を確認するような態様をとっても良い。つまり、ステップＳ３４２の処理の後、追加・更新する特徴語があらかじめ定めた所定件数を超えるときに、ステップＳ３２８へ処理を進めても良い。

ステップＳ３２８では、類似文書検索サーバ１０４は、ステップＳ３２６において分野別カテゴリ分類別特徴語テーブルに存在しない特徴語（分野／カテゴリに属する）が、分野別カテゴリ分類別特徴語テーブルへの追加候補となるか否かの確認をＤＢサーバ１０６へ行う。

ステップＳ３３０では、ＤＢサーバ１０６は、ステップＳ３２８において類似文書検索サーバ１０４からの確認依頼に基づいて、分野、カテゴリ、及び特徴語のセットが追加削除候補カテゴリ分類特徴語テーブル（図２０）に存在するかの検索を行う。

図２０には、追加削除候補カテゴリ分類特徴語テーブルの構成が示されており、追加削除候補カテゴリ分類特徴語テーブルは、分野、カテゴリ、特徴語、特徴語を追加（ＡＤＤ）あるいは削除（ＤＥＬ）かを示す区分、及び追加あるいは削除候補とされた回数を示すカウントを含んで構成されている。

ステップＳ３３２では、ＤＢサーバ１０６は、ステップＳ３３０における検索結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３３４では、類似文書検索サーバ１０４は、ステップＳ３３２においてＤＢサーバ１０６から送信された検索結果を受信する。

ステップＳ３３６では、類似文書検索サーバ１０４は、ステップＳ３３４において受信した検索結果に基づいて、特徴語が追加削除候補カテゴリ分類特徴語テーブルに存在しないと判定した場合、ステップＳ３３８へ処理を進め、存在すると判定した場合、ステップＳ３４０へ処理を進める。

ステップＳ３３８では、類似文書検索サーバ１０４は、特徴語の追加指示に関する情報を生成し、ステップＳ３４０では、特徴語の更新指示に関する情報を生成する。

ステップＳ３４２では、類似文書検索サーバ１０４は、ステップＳ３３８あるいはステップＳ３４０で生成した情報をＤＢサーバ１０６へ送信する。

ステップＳ３４４では、ＤＢサーバ１０６は、ステップＳ３４２において類似文書検索サーバ１０４から送信された追加、更新指示に関する情報に基づいて、追加削除候補カテゴリ分類特徴語テーブルに対して、特徴語を追加する（区分をＡＤＤ、カウントを１として登録）、あるいは特徴語を更新する（カウントに１を加算）。

ステップＳ３４６では、ＤＢサーバ１０６は、ステップＳ３４４で追加、更新した結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３４８では、類似文書検索サーバ１０４は、ステップＳ３４６においてＤＢサーバ１０６から送信された追加、更新した結果を受信し、ステップＳ４００へ処理を進める。

ステップＳ３５０では、類似文書検索サーバ１０４は、ステップＳ３０２において受信した分野、カテゴリ、及び特徴語のセットで検索を行う指示を示す情報を検索エンジンサーバ１０８へ送信する。

ステップＳ３５２では、検索エンジンサーバ１０８は、ステップＳ３５０において類似文書検索サーバ１０４から送信された検索指示情報に基づき、分野、カテゴリ、及び特徴語を含む文書を検索し、検索された文書の特徴語を取得する。

ステップＳ３５４では、検索エンジンサーバ１０８は、ステップＳ３５２における検索結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３５６では、類似文書検索サーバ１０４は、ステップＳ３５４において検索エンジンサーバ１０８から送信された検索結果を受信する。

ステップＳ３５８では、類似文書検索サーバ１０４は、各文書の特徴語をＮＧ候補リスト（図２１上段）として生成する。

ＮＧ候補リストのＡｒｒａｙＬｉｓｔは、検索して文書が得られた順位を示し、それらの文書に含まれる特徴語と当該特徴語のＴＦ−ＩＤＦ値を含む構成を備えている。

ステップＳ３６０では、類似文書検索サーバ１０４は、ＮＧ候補リストの重複する特徴語をマージする処理を行う。

マージする処理の例としては、同じ特徴語のＴＦ−ＩＤＦの値の平均値をとることでマージすることがあげられ、マージする処理を行うことにより、追加用候補リスト（図２１下段）を生成する。

ステップＳ３６２では、類似文書検索サーバ１０４は、ステップＳ３５０における特徴語（分野／カテゴリに属する）が、分野別カテゴリ分類別特徴語テーブルからの削除候補となるか否かの確認をＤＢサーバ１０６へ行う。

ステップＳ３６４では、ＤＢサーバ１０６は、ステップＳ３６２において類似文書検索サーバ１０４からの確認依頼に基づいて、分野、カテゴリ、及び特徴語のセットが追加削除候補カテゴリ分類特徴語テーブルに存在するかの検索を行う。

ステップＳ３６６では、ＤＢサーバ１０６は、ステップＳ３６４における検索結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３６８では、類似文書検索サーバ１０４は、ステップＳ３６６においてＤＢサーバ１０６から送信された検索結果を受信する。

ステップＳ３７０では、類似文書検索サーバ１０４は、ステップＳ３６８において受信した検索結果に基づいて、特徴語が追加削除候補カテゴリ分類特徴語テーブルに存在しないと判定した場合、ステップＳ３７２へ処理を進め、存在すると判定した場合、ステップＳ３７４へ処理を進める。

ステップＳ３７２では、類似文書検索サーバ１０４は、特徴語の追加指示に関する情報を生成し、ステップＳ３７４では、特徴語の更新指示に関する情報を生成する。

ステップＳ３７６では、類似文書検索サーバ１０４は、ステップＳ３７２あるいはステップＳ３７４で生成した情報をＤＢサーバ１０６へ送信する。

ステップＳ３７８では、ＤＢサーバ１０６は、ステップＳ３７６において類似文書検索サーバ１０４から送信された追加、更新指示に関する情報に基づいて、追加削除候補カテゴリ分類特徴語テーブルに対して、特徴語を追加する（区分をＤＥＬ、カウントを１として登録）、あるいは特徴語を更新する（カウントに１を加算）。

ステップＳ３８０では、ＤＢサーバ１０６は、ステップＳ３７８で追加、更新した結果を類似文書検索サーバ１０４へ送信する。

ステップＳ３８２では、類似文書検索サーバ１０４は、ステップＳ３８０においてＤＢサーバ１０６から送信された追加、更新した結果を受信する。

ステップＳ４００では、類似文書検索サーバ１０４は、ステップＳ２７６で受信した分野、カテゴリ、及び特徴語のセットを順次読み込む。

ステップＳ４０２では、類似文書検索サーバ１０４は、ステップＳ２７６で受信した全ての分野、カテゴリ、及び特徴語のセットを読んだ場合、本処理を終了し、読んでいない場合、ステップＳ４０４へ処理を進める。

ステップＳ４０４では、類似文書検索サーバ１０４は、ステップＳ４００で読んだ分野、カテゴリ、及び特徴語のセットが、ＤＢサーバ１０６の分野別カテゴリ分類別特徴語テーブルのＯＫカウント及びＮＧカウントの取得依頼を行う。

ステップＳ４０６では、ＤＢサーバ１０６は、ステップＳ４０４において、類似文書検索サーバ１０４からの取得依頼を受け付けると、分野、カテゴリ、及び特徴語のセットに基づいて、分野別カテゴリ分類別特徴語テーブルの検索を行う。

ステップＳ４０８では、ＤＢサーバ１０６は、ステップＳ４０６において検索して取得した結果を類似文書検索サーバ１０４へ送信する。

ステップＳ４１０では、類似文書検索サーバ１０４は、ステップＳ４０８においてＤＢサーバ１０６から送信された取得結果を受信する。

ステップＳ４１２では、類似文書検索サーバ１０４は、ステップＳ３０２においてクライアントＰＣ１０２から受信したフィードバックが、ＮＧであれば、ステップＳ４１４へ処理を進め、ＯＫであれば、ステップＳ４１６へ処理を進める。

ステップＳ４１４では、類似文書検索サーバ１０４は、ステップＳ４１０において受信した検索結果に含まれるＮＧカウントを１つカウントアップする。

ステップＳ４１６では、類似文書検索サーバ１０４は、ステップＳ４１０において受信した検索結果に含まれるＯＫカウントを１つカウントアップする。

ステップＳ４１８では、類似文書検索サーバ１０４は、ステップＳ４１４あるいはステップＳ４１６において、分野、カテゴリ、及び特徴語のセットに対応するＮＧカウントあるいはＯＫカウントをカウントアップするように更新指示をＤＢサーバ１０６へ送信する。

ステップＳ４２０では、ＤＢサーバ１０６は、ステップＳ４１８において類似文書検索サーバ１０４から送信された更新指示に基づいて、分野別カテゴリ分類別特徴語テーブルの分野、カテゴリ、及び特徴語のセットに対応するＮＧカウントあるいはＯＫカウントをカウントアップするように更新する。

ステップＳ４２２では、ＤＢサーバ１０６は、ステップＳ４２０において更新した結果を類似文書検索サーバ１０４へ送信する。

ステップＳ４２４では、類似文書検索サーバ１０４は、ＤＢサーバ１０６から送信された更新結果を受信し、ステップＳ４００へ処理を進める。

以上、本発明によれば、類似する文書を簡易に検索できる。

例えば、類似する文書を検索するにあたり、ＲＦＰのように業種に関する情報や、システムに関する情報、あるいは、人事体制や開発に係る日程等の様々な情報がふくまれることから、単純に文書同士を比較して、類似している文書を検索することが難しい場合に効果を適する。

以上、本実施形態について示したが、本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

また、本発明におけるプログラムは、図３乃至図１０に示すフローチャートの処理方法をコンピュータが実行可能なプログラムであり、本発明の記憶媒体は図３乃至図１０の処理方法をコンピュータが実行可能なプログラムが記憶されている。なお、本発明におけるプログラムは図３乃至図１０の各装置の処理方法ごとのプログラムであってもよい。

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。

プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＥＰＲＯＭ、シリコンディスク等を用いることが出来る。

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適用できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。

１００ 類似文書検索システム
１０２ クライアントＰＣ
１０４ 類似文書検索サーバ
１０６ ＤＢサーバ
１０８ 検索エンジンサーバ１０８
１１０ ＬＡＮ

Claims (5)

1. 文書を管理する情報処理装置であって、
   文書のカテゴリ毎に特徴語を記憶する記憶手段と、
   検索対象とする文書を受け付ける受付手段と、
   前記受付手段で受け付けた文書から文字列を抽出する抽出手段と、
   前記抽出手段で抽出した文字列のうち、前記記憶手段に記憶された、前記受付手段で受け付けた文書のカテゴリの特徴語と一致する文字列を用いて、前記管理された文書の検索を行う検索手段と、
   を備えることを特徴とする情報処理装置。
2. 前記検索手段による検索結果に対するフィードバックを受け付ける受付手段と、
   前記受付手段により受け付けたフィードバックの内容に基づき、前記特徴語の追加または削除を行う更新手段と
   を備えることを特徴とする請求項１に記載の情報処理装置。
3. 前記受付手段で受け付けた文書のカテゴリと前記検索手段による検索結果とを順次表示させるべく、前記カテゴリと前記検索結果とを送信する送信手段
   を備えることを特徴とする請求項１又は２に記載の情報処理装置。
4. 文書を管理する情報処理装置の制御方法であって、
   検索対象とする文書を受け付ける受付ステップと、
   前記受付ステップで受け付けた文書から文字列を抽出する抽出ステップと、
   前記抽出ステップで抽出した文字列のうち、前記受付ステップで受け付けた文書のカテゴリの特徴語と一致する文字列を用いて、前記管理された文書の検索を行う検索ステップと、
   を備えることを特徴とする情報処理装置の制御方法。
5. コンピュータを、請求項１乃至３の何れか１項に記載の情報処理装置の各手段として機能させるためのプログラム。

Images