JP6965773B2

JP6965773B2 - 提示装置、提示方法および提示プログラム

Info

Publication number: JP6965773B2
Application number: JP2018016984A
Authority: JP
Inventors: 有記卜部; 志朗小笠原; 健太郎堀田
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2018-02-02
Filing date: 2018-02-02
Publication date: 2021-11-10
Anticipated expiration: 2038-02-02
Also published as: WO2019151502A1; US20210049180A1; US11347759B2; JP2019133546A

Description

本発明は、提示装置、提示方法および提示プログラムに関する。

一般に、企業におけるオペレーション業務では、オペレータが迅速かつ正確に必要な情報をオペレーションシステム（以下、ＯｐＳとも記す。）等の入力画面に入力することにより、業務を効率的に進めることが求められている。しかしながら、業務によっては、運用方法が複雑で短期間に全てを覚えるのは困難な場合がある。また、実施の頻度が少ない業務は、運用の機会が少なく習得が困難である。そのような業務に対して、オペレータは必要に応じて関連する情報を参照しながら運用を行っている。

一方、運用方法や注意事項等の業務に関連する情報は、日々更新や周知があったり保管場所が様々であったりしている。そのため、オペレータは、情報がどこにあるのかを把握することが困難で、情報を探す手間と時間がかかったり、情報の見落としや確認漏れにより手戻りが発生したりして、非効率な運用になっている。

そこで、従来は、例えば、オペレータすなわちＯｐＳのユーザが情報の保管場所を探す手間を省くため、ファイルのショートカットを作成したり、フォルダやウェブページなどをユーザが探し易いように管理者が情報を管理したり、検索エンジン／ＦＡＱ（Frequently Asked Questions）を設けたりしている。また、ユーザの現在の操作に対して関連する文書を見つけ、情報の見落としや確認漏れを防ぐように、過去の操作ログ中の閲覧記録のある文書から関連文書を抽出して、類似する操作の際に提示したり、操作画面を関連文書に貼付して、操作に連動して表示させたりしている。

なお、非特許文献１，２には、ロボット型検索エンジンにおいて、プログラムがインターネット上のリンクをたどってウェブサイトを巡回し、ウェブページ上の情報を複製し保存するクローリングについて開示されている。また、非特許文献３には、文書を単語に分割するための形態素解析について開示されている。また、非特許文献４には、文書中の単語の特徴を表すＴＦ−ＩＤＦ（Term Frequency-Inverse Document Frequency）について開示されている。また、非特許文献５には、文書をベクトル化するためのＤｏｃ２Ｖｅｃについて開示されている。また、非特許文献６には、主にテキスト解析を対象としたスケーラブルな機械学習ライブラリであるｇｅｎｓｉｍが開示されている。

"S2Robot"，[online]、２０１７年、［２０１７年１２月２１日検索]、インターネット＜URL: http://s2robot.sandbox.seasar.org/ja/＞ "Nutch"，[online]、２０１７年、［２０１７年１２月２１日検索]、インターネット＜URL: http://nutch.apache.org/＞ "MeCab"，[online]、２０１７年、［２０１７年１２月２１日検索]、インターネット＜URL: http://taku910.github.io/mecab/＞ Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman, "Mining of Massive Datasets", Cambridge University Press, 2014年, pp.1-340 Quoc Le, Tomas Mikolov, "Distributed Representations of Sentences and Documents", Proc. of the 31st International Conference on Machine Learning, PMLR 32(2), 2014年, pp.1188-1196 "gensim"，[online]、２０１７年、［２０１７年１２月２１日検索]、インターネット＜URL: https://radimrehurek.com/gensim/＞

しかしながら、従来の技術では、ユーザの操作に関連する情報をユーザに提示することが困難な場合があった。例えば、ファイルのショートカットを作成しても、リンク切れが起きた場合にリンクの更新を行う必要があった。また、管理者は、ユーザがアクセスし易いように人手で文書管理を行わなければならなかった。また、検索エンジン／ＦＡＱを利用する場合に、ユーザが現在のシステムの操作状況を表す適切なキーワード／質問を投入する必要があった。また、過去の操作ログ中の閲覧記録のある文書から関連文書を提示する技術では、閲覧記録がある文書の中からしか関連文書として提示することができなかった。また、操作に連動して操作画面を貼付した関連文書を表示する技術では、操作画面を貼付した文書を作成する必要があった。

本発明は、上記に鑑みてなされたものであって、ユーザの操作に関連する文書をユーザに提示すること目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る提示装置は、文書を収集する文書取得部と、収集された文書に含まれる単語の特徴量を算出する特徴量算出部と、算出された、前記文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する関連度算出部と、前記関連度が高い順に、所定数の前記文書を関連文書としてユーザに提示する提示部と、を備えることを特徴とする。

本発明によれば、ユーザの操作に関連する文書をユーザに提示することができる。

図１は、本実施形態に係る提示装置の処理概要を説明するための説明図である。図２は、本実施形態に係る提示装置の処理概要を説明するための説明図である。図３は、本実施形態に係る提示装置の処理概要を説明するための説明図である。図４は、本実施形態に係る提示装置の概略構成を例示する模式図である。図５は、文書学習部のデータ構成を例示する図である。図６は、ＴＦ−ＩＤＦを用いた特徴量算出部の処理を説明するための説明図である。図７は、Ｄｏｃ２Ｖｅｃを用いた特徴量算出部の処理を説明するための説明図である。図８は、関連度算出部の処理を説明するための説明図である。図９は、関連度算出部の処理を説明するための説明図である。図１０は、関連度算出部の処理を説明するための説明図である。図１１は、本実施形態に係る提示装置による提示処理手順を示すフローチャートである。図１２は、本実施形態に係る提示装置による提示処理手順を示すフローチャートである。図１３は、他の実施形態に係る提示装置の処理を説明するための説明図である。図１４は、他の実施形態に係る提示装置の概略構成を例示する模式図である。図１５は、関連情報記憶部のデータ構成を例示する図である。図１６は、作業対象ウィンドウ記憶部のデータ構成を例示する図である。図１７は、他の実施形態に係る提示装置による提示処理手順を示すフローチャートである。図１８は、他の実施形態に係る提示装置による提示処理手順を示すフローチャートである。図１９は、他の実施形態に係る提示装置の処理を説明するための説明図である。図２０は、他の実施形態に係る提示装置による提示処理手順を示すフローチャートである。図２１は、提示プログラムを実行するコンピュータの一例を示す図である。

以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

［提示装置の処理概要］
図１〜図３は、本実施形態に係る提示装置の処理概要を説明するための説明図である。まず、図１に例示するように、提示装置は、例えばクローリングの技術を用いてインターネット上のＷｅｂページやフォルダ等から文書を収集して処理対象の文書の集合を取得する。また、提示装置は、ファイル名等の文書中の各単語の特徴量を算出し、文書および単語と対応付けて文書学習部１４ａに登録しておく。

また、提示装置は、ユーザが操作しているウィンドウ（以下、作業対象ウィンドウとも記す。）の操作ログを取得して、操作ログ中のコンテンツに含まれる単語を用いて文書学習部の文書との関連度を算出する。そして、提示装置は、関連度が高い順に、関連文書としてユーザに提示する。

ここで、図２に例示するように、作業対象ウィンドウは、コンテンツとして、例えば、ＯｐＳの「氏名」「住所」等の項目名やユーザの「電電花子」、「サービスＡ」等の投入内容等のテキスト情報を含む。提示装置は、処理対象の単語をテキスト情報から抽出する。

したがって、提示装置によれば、図３に例示するように、例えば、ユーザの投入箇所の項目名「工事日」である場合に、単語「工事日」との関連度が高い文書が関連文書としてユーザに提示される。図３に示す例では、関連文書Ａがユーザに提示されている。

なお、本提示装置によれば、後述するように、処理対象の単語と同一の単語を含まなくても、例えば、同一の文中や同一の文書中に同時に出現する頻度が高いような関連の強い他の単語を含む文書に対しても、高い関連度が算出される。これにより、例えば、図３に例示する文書Ｂを、文書Ｃより関連度が高い関連文書として提示することが可能となる。

［提示装置の構成］
図４は、本実施形態に係る提示装置の概略構成を例示する模式図である。図４に例示するように、提示装置１０は、パソコン等の汎用コンピュータで実現され、入力部１１、出力部１２、通信制御部１３、記憶部１４、および制御部１５を備える。

入力部１１は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部１５に対して処理開始などの各種指示情報を入力する。出力部１２は、液晶ディスプレイなどの表示装置、プリンター等の印刷装置等によって実現される。

通信制御部１３は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネット等の電気通信回線を介したユーザ端末等の外部の装置と制御部１５との通信を制御する。

記憶部１４は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１４には、提示装置１０を動作させる処理プログラムや、処理プログラムの実行中に使用されるデータなどが予め記憶され、あるいは処理の都度一時的に記憶される。なお、記憶部１４は、通信制御部１３を介して制御部１５と通信する構成でもよい。

本実施形態において、記憶部１４は、文書学習部１４ａを含む。図５は、文書学習部１４ａのデータ構成を例示する図である。図５に例示するように、文書学習部１４ａに記憶される情報は、「ファイル名／Ｗｅｂサイトのウィンドウタイトル名」、「リンク先」、「ページ／シート」、「単語」および「特徴量」等の項目を含む。

ファイル名／Ｗｅｂサイトのウィンドウタイトル名は、例えば、○○マニュアル等の処理対象の文書である各ファイル／Ｗｅｂサイトの名称であり、各ファイル／Ｗｅｂサイトの識別に利用される。リンク先は、各ファイル／Ｗｅｂサイトの格納場所を示す情報であり、例えば、「www.△△サービス.co.jp/unyou_manual」のように表される。この「ファイル名／Ｗｅｂサイトのウィンドウタイトル名」および「リンク先」は、クローリングの際に、Ｓ２ＲｂｏｔまたはＮｕｔｃｈ等により取得することができる。

ページ／シートは、各ファイル／Ｗｅｂサイトのうちの一部を特定する情報である。例えば、文書がＰＤＦあるいはＯｆｆｉｃｅ（登録商標）のワードの場合にはページで表され、文書がＯｆｆｉｃｅのパワーポイントの場合にはスライドで表され、エクセルの場合はシートで表される。単語とは、後述する処理で抽出される処理対象の文書内の単語であり、形態素解析により文書から抽出される。また、特徴量は、単語の特徴量であり、後述する処理で算出される。

図４の説明に戻る。制御部１５は、ＣＰＵ（Central Processing Unit）等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部１５は、図４に例示するように、文書収集部１５ａおよび関連文書提示部１５ｂとして機能する。この文書収集部１５ａは、文書取得部１５ｃと特徴量算出部１５ｄとを含む。また、関連文書提示部１５ｂは、操作ログ取得部１５ｅ、関連度算出部１５ｆ、および提示部１５ｇを含む。

なお、これらの機能部は、それぞれ、あるいは一部が異なるハードウェアに実装されてもよい。例えば、文書収集部１５ａと関連文書提示部１５ｂとが異なるハードウェアに実装されてもよい。

文書取得部１５ｃは、文書を収集する。具体的には、文書取得部１５ｃは、入力部１１あるいは通信制御部１３を介して、処理対象の文書の集合を取得する。例えば、文書取得部１５ｃは、共有フォルダ、ローカルフォルダ、またはＷｅｂサイトを定期的にクローリングして文書を収集し、文書学習部１４ａに格納する。クローリングには、例えばオープンソースのＳ２ＲｂｏｔやＮｕｔｃｈを用いて、文書のパス、ＷｅｂサイトのＵＲＬ、文書のファイル名、Ｗｅｂサイトのタイトル名等を取得する。

特徴量算出部１５ｄは、収集された文書に含まれる単語の特徴量を算出する。具体的には、特徴量算出部１５ｄは、文書取得部１５ｃが収集した文書に含まれる単語の特徴量を算出する。また、特徴量算出部１５ｄは、算出した特徴量を文書と対応付けて文書学習部１４ａに格納する。

具体的には、まず、特徴量算出部１５ｄは、文書学習部１４ａの各文書について、各文書内のテキスト情報を形態素解析により単語に分割する。

次に、特徴量算出部１５ｄは、例えば、文書に含まれる単語の出現数に基づいて、特徴量としてＴＦ−ＩＤＦを算出する。すなわち、特徴量算出部１５ｄは、文書の集合から各文書中に出現する単語それぞれのＴＦ−ＩＤＦを特徴量として算出する。

ここで、図６は、ＴＦ−ＩＤＦを用いた特徴量算出部１５ｄの処理を説明するための説明図である。図６に例示するように、特徴量算出部１５ｄは、各文書に含まれる単語それぞれについて、ＴＦ−ＩＤＦを算出する。ＴＦは、単語の出現数を文書内の全単語数で除した値であり、単語の出現頻度を表す。ＩＤＦは、全文書数を、単語を含む文書数で除した値の対数に１を加算した値であり、単語が共通に使われている文書数が多いほど小さくなる。また、ＴＦ−ＩＤＦは、ＴＦとＩＤＦとの積である。

図６に示した例において、例えば、図６（ａ）に示す文書Ａに含まれる単語のうち、「申込」について、図６（ｂ）に示すように、ＴＦ＝０．１４、ＩＤＦ＝１、ＴＦ−ＩＤＦ＝０．１４と算出されている。この場合に、図６（ｃ）に示すように、文書「文書Ａ」、単語「申込」およびＴＦ−ＩＤＦ「０．１４」が対応付けられて文書学習部１４ａに登録される。

なお、特徴量算出部１５ｄは、Ｄｏｃ２Ｖｅｃの手法を適用して単語の特徴量を算出することも可能である。その場合に、特徴量算出部１５ｄは、文書に含まれる単語を高次元のベクトルで表現する分散表現に基づいて特徴量を算出する。

ここで、図７は、Ｄｏｃ２Ｖｅｃを用いた特徴量算出部１５ｄの処理を説明するための説明図である。Ｄｏｃ２Ｖｅｃでは、「同じ文脈で使われる単語は似た意味を持つ傾向にある」という仮定の下で、図７に例示するように、文書中の単語の特徴量として、文書および文書中の単語の意味上の関係をベクトル空間で表現する。

例えば、「飼っている犬と散歩」、「飼っている猫と散歩」という文をＤｏｃ２Ｖｅｃで学習すると、「犬」と「猫」とは同じ文脈で用いられていることから、「犬」と「猫」との類似度が高く、意味が似ていると評価される。図７に示す例では、例えば、文書_Ｚは、文書_Ｂより文書_Ａに類似する単語集合を持つことが示されている。

この場合に、特徴量算出部１５ｄは、文書の集合の特徴を学習し、単語間、単語−文書間、文書間の関係を表すモデルを作成する。また特徴量算出部１５ｄは、作成したモデルを文書学習部１４ａに登録する。

なお、Ｄｏｃ２Ｖｅｃでは、文単位、ページ単位、またはファイル単位等の所定の単位でベクトル化することができる。また、Ｄｏｃ２Ｖｅｃは、例えば、オープンソースのＡＰＩであるｇｅｎｓｉｍを用いて実装される。

操作ログ取得部１５ｅは、ユーザが操作する作業対象ウィンドウの例えばｘｍｌファイル形式の操作ログを、入力部１１あるいは通信制御部１３を介して取得する。

関連度算出部１５ｆは、算出された、文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する。

ここで、図８〜図１０は、関連度算出部１５ｆの処理を説明するための説明図である。まず、図８には、ＴＦ−ＩＤＦを用いて特徴量が算出された場合（図６参照）の関連度算出部１５ｆの処理が例示されている。この場合に、図８（ａ）に示すように、関連度算出部１５ｆは、作業対象ウィンドウの操作ログ中のテキスト情報に含まれる単語を形態素解析により抽出し、単語ベクトルＳを生成する。

この単語ベクトルＳの次元は、文書の集合に出現する単語の種類の総数であり、操作ログに含まれる単語に対応する要素の値が１、それ以外の要素の値が０である。例えば、図８（ａ）に示す例では、操作ログに含まれる単語「申込」に対応する要素Ｗ_１の値が１である。

次に、関連度算出部１５ｆは、図８（ｂ）に示すように、作業対象ウィンドウの操作ログの単語ベクトルＳと文書学習部１４ａの各文書との関連度を算出する。すなわち、関連度算出部１５ｆは、文書学習部１４ａの文書に含まれる単語と各単語の特徴量とを用いて、文書の単語ベクトルＢを生成する。

この文書の単語ベクトルＢの次元は、単語ベクトルＳと同様であり、文書に含まれる単語に対応する要素の値が特徴量（ＴＦ−ＩＤＦ値）、それ以外の要素の値が０である。図８（ｂ）に示す例では、例えば、文書Ａに含まれる単語のうち、単語「申込」に対応する要素Ｗ_１の特徴量が０．１４である。

また、関連度算出部１５ｆは、文書の単語ベクトルＢと操作ログの単語ベクトルＳとの関連度を算出する。関連度の算出方法として、ユークリッド距離、コサイン類似度、あるいはＪａｃｃａｒｄ距離等が適用できる。例えば、関連度の算出方法をコサイン類似度とする場合に、単語ベクトルＳと図８（ｂ）に示す文書Ａの単語ベクトルＢ_ａおよび文書Ｂの単語ベクトルＢ_ｂとの関連度は、次式（１）により算出される。

また、図９には、Ｄｏｃ２Ｖｅｃを用いて特徴量が算出された場合（図７参照）の関連度算出部１５ｆの処理が例示されている。この場合に、図９（ａ）に示すように、関連度算出部１５ｆは、作業対象ウィンドウの操作ログ中のテキスト情報を抽出し、形態素解析によりテキスト情報を単語の集合に変換する。

次に、関連度算出部１５ｆは、図９（ｂ）に示すように、単語の集合を表すベクトルと、文書学習部１４ａのモデルで表される各文書のベクトルとを用いて、関連度を算出する。図９（ｂ）に破線の矢印で表される単語の集合を表すベクトルは、例えば、ｇｅｎｓｉｍのｉｎｆｅｒ＿ｖｅｃｔｏｒ関数を用いて生成することができる。関連度算出部１５ｆは、関連度として、単語の集合を表すベクトルと各文書を表すベクトルとのコサイン類似度等の類似度を算出する。図９（ｂ）に示す例では、単語の集合を表すベクトルとの類似度が文書_Ｂより文書_Ａの方が大きく、関連度が高いことが示されている。

なお、関連度算出部１５ｆは、操作ログに含まれる単語のうち、ウィンドウ上でユーザにより直前に入力された単語との距離が所定の閾値以下の単語に大きく重み付けして関連度を算出してもよい。例えば、作業対象ウィンドウ内のテキスト情報の表示位置（ｘ，ｙ）と、ユーザによる直前の投入箇所とがわかっている場合、あるいは、ユーザの投入箇所を予測できる場合に、投入箇所の周辺の単語に重み付けをして関連度を算出する。これにより、投入箇所とその周辺の単語との関連度が高い文書を関連文書として取得することが可能となる。

例えば、ＴＦ−ＩＤＦを用いて特徴量が算出された場合（図６参照）に、図１０に示すように、関連度算出部１５ｆは、作業ウィンドウの操作ログの単語ベクトルの各単語のうち、ユーザによる投入箇所に近いほど大きく重み付けして関連度を算出する。具体的には、関連度算出部１５ｆは、作業ウィンドウの操作ログの単語ベクトルＳ（図８（ａ）参照）の各要素に、図１０（ａ）に示すように、ユーザによる直前の投入箇所に近い単語により大きく重み付けした単語ベクトルＳ’を生成する。

図１０（ａ）に示す例では、ユーザの投入箇所の単語と、投入箇所から最も遠い単語との座標により算出される距離を１とした場合に、ユーザの投入箇所の単語との距離に応じて、各単語に段階的に０〜５の重みが付与される。例えば、ユーザの投入箇所との距離が０．２未満の最も近いテキスト情報（単語）の重みが５とされている。

この場合に、関連度算出部１５ｆは、生成した単語ベクトルＳ’を用いて、図８（ｂ）に示した手順と同様に、文書学習部１４ａの各文書との関連度を算出する。例えば、関連度をコサイン類似度とする場合に、単語ベクトルＳ’と図１０（ｂ）に示す文書Ａの単語ベクトルＢ_ａおよび文書Ｂの単語ベクトルＢ_ｂとの関連度は、次式（２）により算出される。なお、距離の範囲と重みとは、適宜設定可能である。

また、Ｄｏｃ２Ｖｅｃを用いて特徴量が算出された場合（図７参照）には、関連度算出部１５ｆは、ユーザによる投入箇所に物理的に近い所定範囲の単語集合を抽出し、その単語集合に対する関連度すなわち文書ベクトルとの類似度を算出する。類似度の算出は、図９（ｂ）に示した手順と同様である。また、単語集合の範囲は適宜設定可能である。

提示部１５ｇは、関連度が高い順に、所定数の文書を関連文書としてユーザに提示する。具体的には、提示部１５ｇは、関連文書の文書名等を一覧可能に出力部１２に出力する。また、提示部１５ｇは、ユーザにより一覧可能に出力された関連文書のうちいずれかを選択する指示が入力された場合に、選択された関連文書を格納場所から取得して出力部１２に出力する。

［提示処理］
図１１〜図１２は、本実施形態に係る提示装置１０による提示処理手順を示すフローチャートである。本実施形態の提示処理は、文書収集処理と関連文書提示処理とを含む。文書収集処理と関連文書提示処理とは、時間的に連続する場合に限定されず、隔たりがあってもよい。

まず、図１１は、処理対象の文書の集合を収集する文書収集手順を示す。図１１のフローチャートは、例えば、開始を指示する操作入力があったタイミングで開始される。

文書取得部１５ｃは、定期的にクローリングを行って、文書を収集する（ステップＳ１）。対象のフォルダまたはＷｅｂサイトのクローリングが終了していない場合に（ステップＳ１，Ｎｏ）、文書取得部１５ｃは、さらに文書を選択し（ステップＳ２）、文書内にテキスト情報が存在する場合に（ステップＳ３，Ｙｅｓ）、その文書を保持し（ステップＳ４）、ステップＳ１に処理を戻す。文書内にテキスト情報が存在しない場合には（ステップＳ３，Ｎｏ）、文書取得部１５ｃは、ステップＳ１に処理を戻す。

また、対象のフォルダまたはＷｅｂサイトのクローリングが終了した場合に（ステップＳ１，Ｙｅｓ）、特徴量算出部１５ｄが、保持した文書の集合の特徴量を算出し（ステップＳ５）、文書学習部１４ａに登録する（ステップＳ６）。これにより、一連の文書収集処理が終了する。

図１２は、処理対象の文書の集合から、ユーザが操作中の作業対象ウィンドウの操作ログに関連する関連文書を提示する関連文書提示手順を示す。操作ログ取得部１５ｅは、ユーザが作業対象ウィンドウを開いたか、または情報投入を行ったかを定期的に確認し（ステップＳ１１）、作業対象ウィンドウが開かれたか情報投入が行われるまで待機する（ステップＳ１１，Ｎｏ）。ユーザが作業対象ウィンドウを開いたか、情報投入を行った場合に（ステップＳ１１，Ｙｅｓ）、操作ログ取得部１５ｅは、作業対象ウィンドウの操作ログを取得する（ステップＳ１２）。

次に、関連度算出部１５ｆが、操作ログからテキスト情報を抽出し、単語に分割する（ステップＳ１３）。また、関連度算出部１５ｆが、分割した単語と文書学習部１４ａの文書との関連度を算出する（ステップＳ１４）。

関連度算出部１５ｆは、文書学習部１４ａのすべての文書について関連度を算出したかを確認する（ステップＳ１５）。関連度算出部１５ｆは、すべての文書について関連度を算出していない場合に（ステップＳ１５，Ｎｏ）、処理をステップＳ１４に戻し、すべての文書について関連度を算出した場合に（ステップＳ１５，Ｙｅｓ）、ステップＳ１６に処理を進める。

ステップＳ１６の処理では、提示部１５ｇが、関連度の高い順に所定数の文書を、関連文書の文書候補として出力部１２を介してユーザに表示する（ステップＳ１６）。また、提示部１５ｇは、ユーザが表示された関連文書の中から１つを選択する指示入力を行った場合に（ステップＳ１７，Ｙｅｓ）、選択された文書をリンク先から取得して出力部１２に表示する（ステップＳ１８）。これにより、または、ユーザが関連文書の中から選択する指示入力を行わなかった場合に（ステップＳ１７，Ｎｏ）、一連の関連文書提示処理が終了する。

以上、説明したように、本実施形態の提示装置１０において、特徴量算出部１５ｄが、入力された文書に含まれる単語の特徴量を算出する。また、関連度算出部１５ｆが、算出された、文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する。また、提示部１５ｇが、関連度が高い順に、所定数の文書を関連文書としてユーザに提示する。

これにより、提示装置１０は、ユーザの操作に関連する文書をユーザに提示することができる。例えば、処理対象の単語と同一の単語を含まなくても、同一の文中や同一の文書中に同時に出現する頻度が高いような関連の強い他の単語を含む文書が関連文書として提示される。また、ユーザのＯｐＳ画面内のコンテンツであるテキスト情報を文書との関連度の評価に用いてランキングを表示できる。これにより、閲覧記録のない文書もレコメンドの対象として、ランキング可能となる。また、ランキングに応じて関連文書をユーザにレコメンドできる。これにより、ユーザがキーワードや質問を考えなくてもシステムの現在の操作状況を関連文書のランキングに反映させることができる。また、操作画面が貼り付けられていない文書もレコメンドの対象になる。また、ユーザが闇雲に文書を探さなくても、レコメンドされた文書の中から目的の文書を探すことが可能となる。

［他の実施形態］
本発明は上記実施形態に限定されない。図１３は、他の実施形態に係る提示装置１０の処理を説明するための説明図である。例えば、図１３に例示するように、関連度算出部１５ｆは、算出した関連度を文書および操作ログと対応付けして関連情報記憶部１４ｂに蓄積して、該関連情報記憶部１４ｂを参照して、操作ログと新たに入力された操作ログとの類似度を算出してもよい。その場合に、提示部１５ｇは、類似度が高い順に、所定数の操作ログに対応付けられた文書を関連文書としてユーザに提示する。

図１４は、他の実施形態に係る提示装置の概略構成を例示する模式図である。図１３および図１４に示すように、この実施形態の提示装置１０は、上記実施形態の提示装置１０（図１および図４参照）とは、関連情報記憶部１４ｂを備える点が異なる。そして提示装置１０は、図１３に示すように、上記実施形態とは、あらかじめ文書学習部１４ａの文書と操作ログとの関連度を算出して関連情報記憶部１４ｂに蓄積する点が異なる。これにより、ユーザが操作中の操作ログが関連情報記憶部１４ｂの操作ログと類似する場合に、効率よく関連文書をユーザに提示することが可能となる。

なお、この場合に、文書学習部１４ａの文書との関連度を算出する操作ログを作業対象ウィンドウ記憶部１４ｃに記憶しておいて、その後の適宜なタイミングで各操作ログと文書との関連度を算出してもよい。この場合には、図１４に示すように、記憶部１４に作業対象ウィンドウ記憶部１４ｃを備える。これにより、バックヤードで処理を行うことが可能となるので、処理負荷が分散され、関連文書の提示の効率が向上する。

以下に、上記実施形態と異なる点について説明する。上記実施形態と同様である点については説明を省略する。まず、図１５は、関連情報記憶部１４ｂのデータ構成を例示する図である。図１５に例示するように、関連情報記憶部１４ｂに記憶される情報は、「作業対象ウィンドウ」、「文書のリンク先」、「ページ／シート」および「関連度」等の項目を含む。

作業対象ウィンドウとは、操作ログを識別する情報であり、例えばｘｍｌ形式のファイル名で表される。文書のリンク先は、操作ログの関連文書として抽出された文書の格納場所を示す情報であり、関連度は、この関連文書について算出された関連度を示す。図１５に示す例では、例えば、作業対象ウィンドウ「log_1.xml」の関連文書のうち、リンク先が「\\folderA\folderB\○○マニュアル.pptx」の５ページ／シートの文書は、操作ログとの関連度が０．９２であることが例示されている。

図１６は、作業対象ウィンドウ記憶部１４ｃのデータ構成を例示する図である。図１６に例示するように、作業対象ウィンドウ記憶部１４ｃにおいて、操作ログ格納フォルダに「log_1.xml」等の各作業対象ウィンドウの操作ログが格納される。

また、図１７および図１８は、この場合の提示装置による提示処理手順を示すフローチャートである。この実施形態の文書収集処理は、図１１に示した上記実施形態と同様であり、図１７および図１８は、関連文書提示処理を示す。この関連文書提示処理は、図１２に示した上記実施形態とは、図１７に示すステップＳ１５以降の処理と、図１８に示す処理とが異なる。具体的には、関連文書提示処理は、図１７に示す関連度算出処理と図１８に示す関連文書取得処理とを含む。関連度算出処理と関連文書取得処理とは、時間的に連続する場合に限定されず、隔たりがあってもよい。

まず、図１７に示す関連度算出処理は、ステップＳ１５より前の処理までは、図１２の処理と同様であるので説明を省略する。関連度算出部１５ｆは、ステップＳ１５の処理において、すべての文書について関連度を算出した場合に（ステップＳ１５，Ｙｅｓ）、算出した関連度を操作ログおよび文書と対応付けて関連情報記憶部１４ｂに登録する（ステップＳ２１）。これにより、関連度算出処理が終了する。

次に、関連文書取得処理では、図１８に示すように、操作ログ取得部１５ｅが、ユーザが作業対象ウィンドウを開いたか、または情報投入を行ったかを定期的に確認し（ステップＳ２２）、作業対象ウィンドウが開かれたか情報投入が行われるまで待機する（ステップＳ２２，Ｎｏ）。ユーザが作業対象ウィンドウを開いたか、情報投入を行った場合に（ステップＳ２２，Ｙｅｓ）、操作ログ取得部１５ｅは、作業対象ウィンドウの操作ログを取得する（ステップＳ２３）。

次に、提示部１５ｇは、関連情報記憶部１４ｂを参照し、取得した操作ログと一致あるいは類似度が所定の閾値より高く類似する操作ログが存在するかを確認する（ステップＳ２４）。提示部１５ｇは、取得した操作ログと一致あるいは類似する操作ログが存在しない場合には（ステップＳ２４，Ｎｏ）、「関連文書なし」と判定し、出力部１２を介してユーザに表示して（ステップＳ２８）、一連の関連文書取得処理を終了する。

一方、提示部１５ｇは、取得した操作ログと一致あるいは類似する操作ログが存在する場合に（ステップＳ２４，Ｙｅｓ）、関連度算出部１５ｆは、操作ログをキーに関連情報記憶部１４ｂの文書を検索し、関連度が高い順に所定数の文書を、関連文書の文書候補として出力部１２を介してユーザに表示する（ステップＳ２５）。また、提示部１５ｇは、ユーザが表示された関連文書の中から１つを選択する指示入力を行った場合に（ステップＳ２６，Ｙｅｓ）、選択された文書をリンク先から取得して出力部１２に表示する（ステップＳ２７）。これにより、またはユーザが関連文書の中から選択する指示入力を行わなかった場合に（ステップＳ２６，Ｎｏ）、一連の関連文書取得処理が終了する。

また、図１９は、他の実施形態に係る提示装置１０の処理を説明するための説明図である。図１９に例示するように、関連度算出部１５ｆは、図１３に示した類似度が所定の閾値未満の場合に、さらに文書に含まれる単語の特徴量を用いて、該文書と入力された操作ログに含まれる単語との関連度を算出してもよい。その場合に、提示部１５ｇは、算出された該関連度が高い順に、所定数の文書を関連文書としてユーザに提示する。このように、ユーザが操作中の操作ログと関連情報記憶部１４ｂの操作ログとの類似度が低い場合に限って、あらためて関連度を算出する処理を行うことにより、より適切に関連文書をユーザに提示することが可能となる。

この実施形態は、図１３に示した実施形態とは、ユーザが操作中の操作ログと類似度が高い操作ログが関連情報記憶部１４ｂにない場合に、関連度算出部１５ｆが改めて操作ログと文書学習部１４ａの文書との関連度を算出する点が異なる。その他の点については、図１３に示した実施形態と同様であるので、説明を省略する。

図２０は、この場合の提示装置による提示処理手順を示すフローチャートである。この場合の抽出処理は、図１３に示した実施形態とは、図１８に示した関連文書取得処理のステップＳ２８に対応する処理が異なる。具体的には、図２０に示す関連文書取得処理では、図１８に示したステップＳ２８の処理の代わりに、ステップＳ３１〜ステップＳ３６の処理が行われる。その他の処理は図１８の処理と同様であるので、説明を省略する。

図２０に示すように、提示部１５ｇが取得した操作ログと一致あるいは類似する操作ログが存在しない場合に（ステップＳ２４，Ｎｏ）、あらためて関連度算出部１５ｆが、取得した操作ログからテキスト情報を抽出し、単語に分割する（ステップＳ３１）。また、関連度算出部１５ｆが、文書学習部１４ａの文書を選択し（ステップＳ３２）、選択した文書と操作ログとの関連度を算出し、メモリに保持する（ステップＳ３３）。

関連度算出部１５ｆは、文書学習部１４ａのすべての文書について関連度を算出したかを確認する（ステップＳ３４）。関連度算出部１５ｆは、すべての文書について関連度を算出していない場合に（ステップＳ３４，Ｎｏ）、処理をステップＳ３２に戻し、すべての文書について関連度を算出した場合に（ステップＳ３４，Ｙｅｓ）、ステップＳ３５に処理を進める。

ステップＳ３５の処理では、関連度算出部１５ｆが、操作ログと文書算出した関連度とを対応付けて、関連情報記憶部１４ｂに登録する（ステップＳ３５）。また、提示部１５ｇが、関連度の高い順に所定数の文書を、関連文書の文書候補として出力部１２を介してユーザに表示し（ステップＳ３６）、ステップ２６に処理を進め、ユーザが選択した関連文書をユーザに表示する。これにより、一連の関連文書取得処理が終了する。

［プログラム］
上記実施形態に係る提示装置１０が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。一実施形態として、提示装置１０は、パッケージソフトウェアやオンラインソフトウェアとして上記の提示処理を実行する提示プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の提示プログラムを情報処理装置に実行させることにより、情報処理装置を提示装置１０として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）などの移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistants）などのスレート端末などがその範疇に含まれる。

また、提示装置１０は、ユーザが使用する端末装置をクライアントとし、当該クライアントに上記の提示処理に関するサービスを提供するサーバ装置として実装することもできる。例えば、提示装置１０は、ユーザ端末の操作ログを入力とし、関連文書を出力する提示処理サービスを提供するサーバ装置として実装される。この場合、提示装置１０は、Ｗｅｂサーバとして実装することとしてもよいし、アウトソーシングによって上記の提示処理に関するサービスを提供するクラウドとして実装することとしてもかまわない。以下に、提示装置１０と同様の機能を実現する提示プログラムを実行するコンピュータの一例を説明する。

図２１は、提示プログラムを実行するコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０３１に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１０４１に接続される。ディスクドライブ１０４１には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１０５１およびキーボード１０５２が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１０６１が接続される。

ここで、ハードディスクドライブ１０３１は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。上記実施形態で説明した各情報は、例えばハードディスクドライブ１０３１やメモリ１０１０に記憶される。

また、提示プログラムは、例えば、コンピュータ１０００によって実行される指令が記述されたプログラムモジュール１０９３として、ハードディスクドライブ１０３１に記憶される。具体的には、上記実施形態で説明した提示装置１０が実行する各処理が記述されたプログラムモジュール１０９３が、ハードディスクドライブ１０３１に記憶される。

また、提示プログラムによる情報処理に用いられるデータは、プログラムデータ１０９４として、例えば、ハードディスクドライブ１０３１に記憶される。そして、ＣＰＵ１０２０が、ハードディスクドライブ１０３１に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

なお、提示プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０３１に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１０４１等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、提示プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮやＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本発明の範疇に含まれる。

１０提示装置
１１入力部
１２出力部
１３通信制御部
１４記憶部
１４ａ文書学習部
１４ｂ関連情報記憶部
１４ｃ作業対象ウィンドウ記憶部
１５制御部
１５ａ文書収集部
１５ｂ関連文書提示部
１５ｃ文書取得部
１５ｄ特徴量算出部
１５ｅ操作ログ取得部
１５ｆ関連度算出部
１５ｇ提示部

Claims

文書を収集する文書取得部と、
収集された文書に含まれる単語の特徴量を算出する特徴量算出部と、
算出された、前記文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する関連度算出部と、
前記関連度が高い順に、所定数の前記文書を関連文書としてユーザに提示する提示部と、
を備え、
前記関連度算出部は、算出した前記関連度を前記文書および前記操作ログと対応付けして記憶部に蓄積し、該記憶部を参照して、前記操作ログと新たに入力された操作ログとの類似度を算出し、
前記提示部は、前記類似度が高い順に、所定数の前記操作ログに対応付けられた前記文書を関連文書としてユーザに提示することを特徴とする提示装置。
前記関連度算出部は、前記操作ログに含まれる単語のうち、前記ウィンドウ上で前記ユーザにより直前に入力された単語との距離が所定の閾値以下の単語に大きく重み付けして前記関連度を算出することを特徴とする請求項１に記載の提示装置。
前記関連度算出部は、前記類似度が所定の閾値未満の場合に、さらに前記文書に含まれる単語の特徴量を用いて、該文書と前記入力された操作ログに含まれる単語との関連度を算出し、
前記提示部は、算出された該関連度が高い順に、所定数の前記文書を関連文書としてユーザに提示することを特徴とする請求項１に記載の提示装置。
前記特徴量算出部は、文書に含まれる単語の出現数に基づいて前記特徴量を算出することを特徴とする請求項１〜３のいずれか１項に記載の提示装置。
前記特徴量算出部は、文書に含まれる単語の分散表現に基づいて前記特徴量を算出することを特徴とする請求項１〜３のいずれか１項に記載の提示装置。
提示装置で実行される提示方法であって、
文書を収集する文書取得工程と、
収集された文書に含まれる単語の特徴量を算出する特徴量算出工程と、
算出された、前記文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する関連度算出工程と、
前記関連度が高い順に、所定数の前記文書を関連文書としてユーザに提示する提示工程と、
を含み、
前記関連度算出工程は、算出した前記関連度を前記文書および前記操作ログと対応付けして記憶部に蓄積し、該記憶部を参照して、前記操作ログと新たに入力された操作ログとの類似度を算出し、
前記提示工程は、前記類似度が高い順に、所定数の前記操作ログに対応付けられた前記文書を関連文書としてユーザに提示することを特徴とする提示方法。
文書を収集する文書取得ステップと、
収集された文書に含まれる単語の特徴量を算出する特徴量算出ステップと、
算出された、前記文書に含まれる単語の特徴量を用いて、該文書とユーザが操作するウィンドウの操作ログに含まれる単語との関連度を算出する関連度算出ステップと、
前記関連度が高い順に、所定数の前記文書を関連文書としてユーザに提示する提示ステップと、をコンピュータに実行させ、
前記関連度算出ステップは、算出した前記関連度を前記文書および前記操作ログと対応付けして記憶部に蓄積し、該記憶部を参照して、前記操作ログと新たに入力された操作ログとの類似度を算出し、
前記提示ステップは、前記類似度が高い順に、所定数の前記操作ログに対応付けられた前記文書を関連文書としてユーザに提示することを特徴とする提示プログラム。