JP7180341B2 - ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法 - Google Patents

ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法 Download PDF

Info

Publication number
JP7180341B2
JP7180341B2 JP2018228818A JP2018228818A JP7180341B2 JP 7180341 B2 JP7180341 B2 JP 7180341B2 JP 2018228818 A JP2018228818 A JP 2018228818A JP 2018228818 A JP2018228818 A JP 2018228818A JP 7180341 B2 JP7180341 B2 JP 7180341B2
Authority
JP
Japan
Prior art keywords
workflow
group
messages
text
message
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018228818A
Other languages
English (en)
Other versions
JP2020091686A (ja
Inventor
康平 山▲崎▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Konica Minolta Inc
Original Assignee
Konica Minolta Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Konica Minolta Inc filed Critical Konica Minolta Inc
Priority to JP2018228818A priority Critical patent/JP7180341B2/ja
Publication of JP2020091686A publication Critical patent/JP2020091686A/ja
Application granted granted Critical
Publication of JP7180341B2 publication Critical patent/JP7180341B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、通信メッセージを取り込んで、ワークフローモデルを自動的に生成するワークフロー生成システムに関し、特に、ワークフローモデル生成のために取り込んだ通信メッセージをどのように分類するかという、通信メッセージ分類の改良に関する。
ワークフローモデルとは、各端末を操作する複数ユーザーのそれぞれが行うべき作業項目や、それを担当する関係者、各作業項目の実行順序を示す。従来のワークフロー生成システムは、ユーザーによって予め選択されたメッセージの件名や受取人欄、差出人欄から、作業項目や関係者を示す文字列を抽出し、上記のワークフローモデルを自動的に生成する。
ところで、ＩＴ化が社会インフラの隅々まで浸透した昨今、事業所の通信拠点に蓄積される通信メッセージの数は膨大な数に及ぶといわれる。多くのメッセージを対象とした先行技術として、特許文献１に記載されたワークフロー生成システムが知られている。
特許文献１に記載されたワークフロー生成システムは、日々の業務で蓄積される送信メールのデータ、受信メールのデータのうち、件名が同一となるものを統合し、１つのスレッドにする。こうしてメールデータをスレッドに統合した後、１のスレッドに帰属することになったメールデータの宛先やメッセージの参照関係を辿ってゆく。あるメールデータが宛先としているユーザー名を宛先とする他のメールデータが検索される。また、あるメールデータのメッセージＩＤを参照ＩＤとして記述した他のメールデータが検索される。こうして検索されたメールデータを並べ、ワークフローとして表示する。
特開2003-256627号公報 特開2000-40104号公報
特許文献１に記載されたワークフロー生成システムは、メールデータの件名に使用された文字列の同一性や、メッセージＩＤの参照関係、メールの差出人と、受取人との関係から、スレッドにまとめるべきメールデータを選別している。しかし、そうしたシステムによる選別では足りず、ワークフローを生成する作業については、職場の業務内容について、相応の見識を有する者（以下、ワークフロー管理者と呼ぶ）の関与が必要になる。具体的にいうと、ワークフロー管理者は、スレッドにまとめられた複数のメールデータにより、どのような処理過程（プロセス）が進行しているかを把握して、そのプロセスに、ワークフローを生成する価値があるかどうかを慎重に判断せねばならない。
この際、それらのメールデータにより、どのようなプロセスが進行しているかを把握するには、ワークフロー管理者がスレッドとしてまとめられたメールデータの１つ１つの文面を理解する作業が必要になる。しかしながら、件名の同一性やメッセージＩＤの参照関係等により機械的にまとめられるメールデータは、膨大な数に及ぶことが多く、そうしたメールデータの文面を理解する作業は、ワークフロー管理者に大きな負担をもたらすという問題がある。
本発明の目的は、ワークフロー管理者に負担をもたらすことなく、職場の業務改善に役立つ、ワークフローを生成することができるワークフロー生成システムを提供することである。
上記課題を解決することができるワークフロー生成システムは、複数端末のユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数端末を操作する複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成する構成を前提にしていて、前記メッセージの文面が互いに類似する２以上のメッセージからなるグループを生成するグループ化手段と、前記グループに属するメッセージの通信タイミングは、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定手段と、前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記複数端末を操作するユーザーがなすべきタスクに変換する変換手段と、前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成手段とを含むことを特徴とする。
前記グループに属するメッセージが、前記所定の交信パターンをなすかどうかの判定は、予め定められた期間におけるメッセージの頻度が、所定の閾値を上回ることを要件にしてなされてもよい。
前記所定の交信パターンは、グループに属するメッセージの通信が周期的に繰り返される周期性パターンであり、前記選定手段は、グループにおけるユーザー間のメッセージ通信の時間間隔が、所定の繰り返し周期に等しい場合、グループに属するメッセージが、前記周期性パターンをなすと判定してもよい。
前記所定の交信パターンは、メッセージの通信時点が、現在時点から所定の時間単位だけ遡った期間において集中しているという内容の一時集中パターンであり、グループにおけるメッセージ通信の時間間隔が、所定の下限値を下回っていて、尚且つ、メッセージの通信タイミングが、前記期間に集中している場合、グループに属するメッセージが、前記一時集中パターンをなすと判定してもよい。
前記サーバ装置からのメールの読み込みは、所定のスキャン周期が到来する度になされ、前記選定手段により選定されなかったグループについては、前記所定のスキャン周期において、ワークフロー生成価値がないと判定された旨の判定履歴を付し、前記選定手段により選定されたグループについては、前記所定のスキャン周期においてワークフロー生成価値があると判定された旨の判定履歴を付してもよい。
前記グループ化手段は更に、次のスキャン周期の到来により、新たに取り込まれた場合、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似しているか否かの判断を行い、類似している場合、新たに取り込まれた複数のメッセージを、これまでのスキャン周期の到来時に生成されたグループに加え、
前記選定手段は、前記ワークフロー生成価値がないと判定された旨の判定履歴が付され、尚且つ、前記新たなメッセージが加えられたグループを対象として、グループに属する複数メッセージの通信タイミングが、前記所定の交信パターンをなすかどうかの判定を行ってもよい。
前記グループ化手段は更に、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似していない場合、新たに取り込まれた複数のメッセージからなる新たなグループを生成し、前記選定手段は、前記新たに取り込まれたメッセージからなるグループを対象として、グループに属する複数メッセージの通信タイミングが、所定の交信パターンをなすかどうかの判定を行ってもよい。
前記変換手段は、複数段のロングショートタームメモリを含む再帰型ニューラルネットワークを構築し、メッセージ文面を構成する個々の単語の単語ベクトルを、時系列に入力される入力語として前記複数段のロングショートタームメモリのそれぞれに格納し、複数段のロングショートタームメモリのうち、先頭段以外のものは、自身が格納した入力語と、前段からの出力とに、学習過程で得られた重み係数を乗じて合計するとのベクトル演算を実行し、複数段のロングショートタームメモリのうち最終段のもののベクトル演算の結果に従い、メッセージ文面の変換結果となる、１のタスクを選んでもよい。
前記ワークフロー生成システムは、サンプルとなるメッセージ文面を表示して、表示にかかるメッセージ文面は、メッセージの発起者がなすべきタスクを含むか、メッセージの受け手がなすべきタスクを含むかの指定を管理者から受け付ける受付手段と、発起者たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業報告の目的語を、学習語となるタスクとして抽出し、受け手たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業依頼の目的語を、学習語となるタスクとして抽出する抽出手段とを備え、前記学習過程において、前記複数のロングショートタームメモリのそれぞれのベクトル演算部に設定される重み係数は、抽出されたタスクの単語ベクトルを分類するための係数としてもよい。
プログラムの局面で、上記課題を解決する際、ワークフロー生成プログラムは、複数端末のユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数端末を操作する複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成する処理を、コンピュータに実行させることを前提にしていて、前記メッセージの文面が互いに類似する２以上のメッセージからなるグループを生成するグループ化ステップと、前記グループに属するメッセージの通信タイミングは、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定ステップと、前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記複数端末を操作するユーザーがなすべきタスクに変換する変換ステップと、前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成ステップとをコンピュータに実行させてもよい。
前記グループに属するメッセージが、前記所定の交信パターンをなすかどうかの判定は、予め定められた期間におけるメッセージの頻度が、所定の閾値を上回ることを要件にしてなされてもよい。
前記所定の交信パターンは、グループに属するメッセージの通信が周期的に繰り返される周期性パターンであり、前記選定ステップは、グループにおけるユーザー間のメッセージ通信の時間間隔が、所定の繰り返し周期に等しい場合、グループに属するメッセージが、前記周期性パターンをなすと判定してもよい。
前記所定の交信パターンは、メッセージの通信時点が、現在時点から所定の時間単位だけ遡った期間において集中しているという内容の一時集中パターンであり、グループにおけるメッセージ通信の時間間隔が、所定の下限値を下回っていて、尚且つ、メッセージの通信タイミングが、前記期間に集中している場合、グループに属するメッセージが、前記一時集中パターンをなすと判定してもよい。
前記メッセージの読み込みは、所定のスキャン周期が到来する度になされ、前記選定ステップにより選定されなかったグループについては、前記所定のスキャン周期において、ワークフロー生成価値がないと判定された旨の判定履歴を付し、前記選定ステップにより選定されたグループについては、前記所定のスキャン周期においてワークフロー生成価値があると判定された旨の判定履歴を付してもよい。
前記グループ化ステップは更に、次のスキャン周期の到来により、新たに取り込まれた場合、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似しているか否かの判断を行い、類似している場合、新たに取り込まれた複数のメッセージを、これまでのスキャン周期の到来時に生成されたグループに加え、前記選定ステップは、前記ワークフロー生成価値がないと判定された旨の判定履歴が付され、尚且つ、前記新たなメッセージが加えられたグループを対象として、グループに属する複数メッセージの通信タイミングが、前記所定の交信パターンをなすかどうかの判定を行ってもよい。
前記グループ化ステップは更に、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似していない場合、新たに取り込まれた複数のメッセージからなる新たなグループを生成し、前記選定ステップは、前記新たに取り込まれたメッセージからなるグループを対象として、グループに属する複数メッセージの通信タイミングが、所定の交信パターンをなすかどうかの判定を行ってもよい。
前記変換ステップは、複数段のロングショートタームメモリを含む再帰型ニューラルネットワークを構築し、メッセージ文面を構成する個々の単語の単語ベクトルを、時系列に入力される入力語として前記複数段のロングショートタームメモリのそれぞれに格納し、複数段のロングショートタームメモリのうち、先頭段以外のものは、自身が格納した入力語と、前段からの出力とに、学習過程で得られた重み係数を乗じて合計するとのベクトル演算を実行し、複数段のロングショートタームメモリのうち最終段のもののベクトル演算の結果に従い、メッセージ文面の変換結果となる、１のタスクを選んでもよい。
前記ワークフロー生成プログラムは、サンプルとなるメッセージ文面を表示して、表示にかかるメッセージ文面は、メッセージの発起者がなすべきタスクを含むか、メッセージの受け手がなすべきタスクを含むかの指定を管理者から受け付ける受付ステップと、発起者たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業報告の目的語を、学習語となるタスクとして抽出し、受け手たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業依頼の目的語を、学習語となるタスクとして抽出する抽出ステップとを備え、前記学習過程において、前記複数のロングショートタームメモリのそれぞれのベクトル演算部に設定される重み係数は、抽出されたタスクの単語ベクトルを分類するための係数であってもよい。
ワークフロー生成方法の局面で課題を解決する場合、複数端末のユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数端末を操作する複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成する構成を前提にしていて、前記メッセージの文面が互いに類似する２以上のメッセージからなるグループを生成するグループ化ステップと、前記グループに属するメッセージの通信タイミングは、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定ステップと、前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記複数端末を操作するユーザーがなすべきタスクに変換する変換ステップと、前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成ステップとを含んでいてもよい。
本発明のグループ化手段は、文面が類似する複数のメッセージを１つのグループにまとめる。また選定手段は、メッセージの通信タイミングが、ワークフロー生成価値が認められ得る所定の交信パターンに該当するグループをワークフローの生成対象として選定するので、本発明では、職場の業務に関し、相応の見識を有するワークフロー管理者の関与がなくとも、何等かのプロセスを進行させているメッセージからなるグループを選定することができる。
またメッセージの通信タイミングが、所定の交信パターンに該当するかどうかの判断は、メッセージ文面における業務項目の存否に左右されないので、選定手段は、同じ業務をなすと考えられる一連のメッセージからなるグループを、ワークフロー生成対象として選定することができる。
変換手段は、そうして選定されたグループに属するメッセージの文面をタスクに変換するので、メッセージ文面に、業務項目が含まれていなくても、グループに含まれる複数メッセージにより、どのような業務が進行するかをワークフローによって表示することができる。日常的なコミュニケーションをなすような多数のメールデータからも、ワークフローを生成することができるので、職場で進行している業務の見落としを少なくすることができる。
ワークフロー生成システムの構成を示す。 ワークフロー生成サーバー１０００の機能的な構成を示すブロック図である。 ワークフロー作成ツール１０１１の処理手順のメインとなるものを示すフローチャート（メインチャート）である。 図４（ａ）、（ｂ）は、図４（ｃ）の関係者アドレスリスト１０１Ｌに記載されたメールアドレスを、差出人又は受取人とするメールＭ１１～Ｍ１４、Ｍ２１～Ｍ２４を示す。図４（ｃ）は、関係者アドレスリスト１０１Ｌの一例を示す。 図４（ａ）、（ｂ）を対象として、グループ化を行うことで生成される、メールの２つのグループを示す。 グループ選定部１０４の処理手順を示すフローチャートである。 図７（ａ）は、直近集中パターンに該当するメールからなるグループの一例を示す。図７（ｂ）～（ｄ）は、稟議書パターン、長期不在パターン、周期性パターンに該当するメールからなるグループの一例を示す。 （ａ）～（ｃ）単語ベクトル作成フェーズｆ１、文章学習フェーズｆ２、タスク判定フェーズｆ３のそれぞれにおける処理過程を示す。 ＲＮＮ１０６の学習・利用による文面変換の処理手順を示すフローチャートである。 学習モードにおいて、ディスプレイデバイス１００７Ｄに表示されるべきGUI画面を示す。 タスクに該当すると指定された単語ベクトルＰ１１、Ｐ２１、Ｐ３１、Ｐ４１、Ｐ５１を分類するための超平面を示す。 ワークフロー生成部１１０による処理手順の詳細を示すフローチャートである。 図１３（ａ）、（ｂ）は、図５のグループ１、２を対象として生成された、ワークフローモデルの一例を示す。 ワークフロー閲覧画面の一例を示す。
［１］ワークフロー生成システムの全体構成
以下、図面を参照しながら、ワークフロー生成システムの実施形態を説明する。ワークフロー生成システムの構成を図１に示す。
ワークフロー生成システム１は、企業や官公庁の職場に設置される構内システムであり、図１に示すように、ワークフロー生成サーバー１０００、ワークフロー管理サーバー２００１、端末３００１、３００２、３００３を構内ＬＡＮ２０００に接続することで構成される。
図１は、ワークフロー生成システム１の構成の他、ワークフロー生成サーバー１０００を構成するハードウェア要素を併せて示す。図１に示すように、ワークフロー生成サーバー１０００は、ハードウェア要素として、組込メディアであるＨＤＤ１００１と、ＨＤＤ１００１からのブートストラップを実行させるためのブートＲＯＭ１００２と、ＨＤＤ１００１から読み出されたプログラムを格納するＲＡＭ１００３と、ＲＡＭ１００３に読み出されたプログラムを構成する命令コードをフェッチし、デコードして、実行するＣＰＵ１００４と、公衆回線網４０００との物理的な接続を規定する外部通信アダプタ１００５と、構内ＬＡＮ２０００との物理的な接続を規定するネットワークインターフェイスカード（ＮＩＣ）１００６と、対話的な操作環境をユーザーに提供するＧＵＩデバイス１００７（ディスプレイデバイス１００７Ｄ、キャラクターデバイス１００７Ｃ、ポインティングデバイス１００７Ｐを有する）と、複数のプロセッサコアを含み、マルチコアによるベクトル演算を実行するベクター演算回路１００８とを含む。
ＨＤＤ１００１には、ＯＳ１００９と、ＯＳ１００９上で動作する複数のアプリケーション１０１０とがインストールされている。複数のアプリケーション１０１０の１つとして、ＨＤＤ１００１には、ワークフロー生成プログラムの具体例であるワークフロー作成ツール１０１１がインストールされている。ワークフロー生成サーバー１０００は、ブートＲＯＭ１００２にインストールされたＯＳを起動した後、ワークフロー作成ツール１０１１を起動することで、ワークフローの生成機能を発揮する。
［２］ワークフロー生成サーバー１０００の機能構成
ワークフロー作成ツール１０１１は、複数のプログラムモジュールから構成される。ＨＤＤ１００１から、ワークフロー作成ツール１０１１を構成するプログラムモジュールをロードすることで、ワークフロー生成サーバー１０００は、図２に示すような機能的な構成をなす。具体的にいうと、ワークフロー生成サーバー１０００は、図２に示すように、メールスキャン部１０１、メールストレージ１０１Ｓ、関係者アドレスリスト１０１Ｌ、単語分布算出部１０２、グルーピング部１０３、グルーピング情報ストレージ１０３Ｓ、グループ選定部１０４、文面処理部１０５（ＲＮＮ１０６、文節分解部１０７Ａ、単語ベクトル生成部１０７Ｂ、学習制御部１０８、変換制御部１０９を含む）、ワークフロー生成部１１０、ワークフローモデルストレージ１１０Ｓ、ワークフロー登録部１１１により構成される。
（１）メールスキャン部１０１
メールスキャン部１０１は、所定のスキャン周期が到来する度に、図１の公衆回線網４０００に接続されたメールサーバー４００１をアクセスして、メールボックス４００１Ｂに蓄積された複数のメールのうち、関係者アドレスリスト１０１Ｌに掲載された複数メールアドレスを、差出人又は受取人とする全てのメールを取り込む。関係者アドレスリスト１０１Ｌは、図１に示す端末３００１、３００２、３００３を操作するユーザーであって、事業所内の何等かの直接業務、間接業務に係る関係者のメールアドレスを示す。こうしたメールアドレスを差出人又は受取人とするメールを全て取り込み、メールストレージ１０１Ｓに格納することで、直接業務、間接業務に係る全てのメールがメールストレージ１０１Ｓに得られ、ワークフロー作成ツール１０１１による処理に供される。また、メールスキャン部１０１によるスキャン周期は、職場の就業時間(一般的には、７～８時間）よりも短い時間長に定められる。これにより、職場の就業時間において、メールスキャン部１０１によるスキャンは少なくとも１回はなされる。
（２）単語分布算出部１０２
単語分布算出部１０２は、メールストレージ１０１Ｓに蓄積されたメールの文面に使用されている単語が、業務にかかる語の母集合（語彙、ボキャブラリーと呼ばれる）において、どのような分布をなすかを解析して、単語分布を生成する。単語分布の算出にあたって、単語分布算出部１０２は、メール文面に含まれる各単語の出現頻度(Term Frequency:以下、tf値という)と、各単語の逆文書頻度(Inverse Document Frequency：以下、idf値という)とを算出し、tf値と、idf値との組(tf-idf)を一個のメールの文面の単語分布とする。本実施形態におけるメールの文面は、メールの本文、メールの件名となるテキスト文字列を含む。tf-idfは、これらのテキスト文字列を対象として算出される。
（３）グルーピング部１０３
グルーピング部１０３は、単語分布算出部１０２により算出された各メールの単語分布に基づき、メールのグループ化を行う。
グルーピング部１０３によるグループ化は、メールストレージ１０１Ｓに格納されたメールの全体集合をＸとし、この全体集合Ｘにおいて、以下の１．～５．の過程を繰り返して、互いに素となる部分集合Ｘcを形成することでなされる。
１． 全体集合Ｘをランダムにｋ個に分割し、部分集合を得る。
２．ｘi＝|Ｘi|Σx∈XiＸの計算を行い、部分集合の重心（セントロイド）ｘiを得る。
３．何れかの部分集合に属するメールｘと、セントロイドｘiとの類似度を算出する。
４．類似度が最小になるよう、２以上の部分集合間で要素となるメールを入れ替える。
５．２．～４.の過程を繰り返して、各部分集合に帰属するメールに変動がなくなるか、又は、反復回数が最大数になった場合、部分集合は互いに素になったとみなす。
３．の類似度としては、tf-idfの内積計算で得られる値（コサイン類似度）を用いる。各メール文面の単語分布として算出されたtf-idfはベクトルなので、内積計算が可能であり、内積計算の計算結果は２つの文面間の類似度を示すことが知られている。そこで、単語分布算出部１０２は、任意のメールｘと、セントロイドｘiとの間で、tf-idfの内積計算を実行し、各メールの文面が、どれだけ類似しているかを示す類似度を算出する。
他のメールの一部、全部を引用することで、文面が互いに類似する２以上のメールは、こうしたグループ化により同じ部分集合に分類される。同じ部分集合に分類される２以上のメールは、業務の該否は不明であるものの、複数の関係者間で何等かのプロセスを進行させていると考えられる。文面が類似していて、何等のプロセスを進行させる２以上のメールの集まりをプロセスグループ（以下、グループと省略する）と呼ぶ。グルーピング部１０３は、各グループに属するメールの情報（グルーピング情報）をグルーピング情報ストレージ１０３ｓに書き込み、以降の処理単位として、グルーピング情報に対応するグループをループ選定部１０４、文面処理部１０５に供する。
（４）グループ選定部１０４
グループ選定部１０４は、グループに含まれるメールの数が、所定の頻度基準を上回っているかどうか、グループに属する各メールの通信タイミングが、数通りの決まったパターンの何れに該当するかの判断を行う。職場の複数の関係者は、日々の業務を進行させるにあたって、身近な意思疎通手段としてメールを用いる。これらの業務の中で、有用であり、ワークフローを生成する価値が認められるものは、複数メールの通信タイミングが、数通りの決まったパターン（この数通りかの決まったパターンを交信パターンという）をなすと考えられる。グループ選定部１０４は、グルーピング部１０３のグループ化で形成されたプロセス毎のグループのメールの通信タイミングが、予め定められた数通りの交信パターンの何れをなすかどうかを判定し、ワークフロー生成に値すると認められる場合に、当該グループをワークフローの生成対象として選定する。
（５）文面処理部１０５
文面処理部１０５は、単語ベクトル作成フェーズｆ１、文章学習フェーズｆ２、タスク判定フェーズｆ３といった３つのフェーズからなる文面処理を実行する。
単語ベクトル生成フェーズｆ１は、文書データを対象とした文節分解、単語ベクトルの生成を行う処理フェーズである。
文章学習フェーズｆ２は、メール文面と、タスク情報とのセットである学習データを生成する処理フェーズである。タスク情報は、同じセットに含まれるメール文面に、タスクが含まれているかどうかを示す。
タスク判定フェーズｆ３は、グループ選定部１０４が選定したグループに属するメール文面が、タスクを含むのかどうかの判定を行う処理フェーズである。
単語ベクトル作成フェーズｆ１、文章学習フェーズｆ２、タスク判定フェーズｆ３のそれぞれにおいて、処理対象となるべきデータは、処理対象ストレージ１０５Ｓから文節分解部１０７Ａに供給される。処理対象ストレージ１０５Ｓが、文節分解部１０７Ａに供給するデータは以下の通りである。単語ベクトル作成フェーズｆ１で処理対象となるデータは、メールデータベースに蓄積されたメール文面、公衆利用が可能なWebページ等から取得することができる公共文書の文書データである。文章学習フェーズｆ２で処理対象となるデータは、学習データに含まれるメール文面、タスク判定フェーズｆ３で処理対象となるデータは、グループ選定部１０４が選定したグループに属するメール文面である。
単語ベクトル作成フェーズｆ１において単語ベクトルの作成に用いる公共文書としては、Wikipedia(登録商標)、twitter(登録商標)などのソーシャルメディアで利用可能となる文書を利用することができる。特にWikipedia(登録商標)に掲載された文書は、ビジネスライクなものに限定されており、業務用のメール文面に対して問題なく適用でき、また、サンプル数が多いとの利点が存在する。
（６）ＲＮＮ１０６
ＲＮＮ１０６は、多段接続されたＬＳＴＭ(Long Short Term memory)１６１、１６２、１６３・・・１６０ｎによって構成され、単語ベクトル作成フェーズｆ１で作成された単語ベクトル、文章学習フェーズｆ２で生成された学習データにおける単語ベクトルを保存する。また、文章学習フェーズｆ２で生成された学習データにおけるタスク情報に従い重み係数W1,2,3,4・・・・nを生成して、当該重み係数に従い、入力語Ｘ1,2,3,4・・・・nを出力語に変換する。
入力語Ｘ1,2,3,4・・・・nは、グループ選定部１０４により選定されたグループのメール文面において形態素となる単語に、ベクトル埋込手法を適用することで、得られるＭ次元ベクトルである。それぞれの単語がＭ次元の次数を有するので、ベクトル埋込手法により得られる単語ベクトルは、メールの文脈において周囲に位置する単語との関係から定まる独特のニュアンスを単語毎に表現する。
重み係数W1,2,3,4・・・nは、単語ベクトルと同じ次元数の多項式（Ｍ次元多項式）の係数であり、Ｍ次元空間において、あるタスクを包含するとされる単語ベクトルと、当該タスクを包含しないとされる単語ベクトルとを分離するための平面（超平面）を規定する。
文章学習フェーズｆ２で得た学習データにおいてタスクを包含するとされたメール文面の単語ベクトルや、単語ベクトル作成フェーズｆ１において作成された単語ベクトルのうち、同じタスクを包含するとされるものは、重み係数W1,2,3,4・・・nにより一様に分類される。
任意の時点tに対応するＬＳＴＭ１６０ｔの構成を、枠ｆ１１に引き出して示す。枠ｆ１１に示すようにＬＳＴＭ１６０ｔは、時点ｔの入力語Ｘｔを格納するメモリ１７１、ベクトル演算部１７２を含み、入力語Ｘｔと、直前（時刻t-1）のメモリユニットの出力語Ｈt-1とに重み係数W1,2,3,4・・・nを乗じて合計し、活性化関数に供するとの演算を実行する。
図２では、ＲＮＮ１０６において、ＬＳＴＭ１６１～１６０ｎのそれぞれは、１時点前のＬＳＴＭの出力を取り込んだが、これは表記を簡略にしているに過ぎない。ＲＮＮ１０６は過去の複数の時点の何れかに対応するＬＳＴＭの出力を取り込むことができる。また、未来の複数の時点の何れかに対応するＬＳＴＭの出力を取り込むこともできる。
（７）文節分解部１０７Ａ、単語ベクトル作成部１０７Ｂ
文節分解部１０７Ａは、各フェーズにおいて、処理対象として与えられデータに対して形態素解析を施し、形態素である単語に分解する。
単語ベクトル作成部１０７Ｂは、各フェーズで処理対象とされたデータから、生成された単語を、単語ベクトルに変換する処理をＲＮＮ１０６に実行させる。
具体的にいうと、単語ベクトル作成フェーズｆ１においてメールデータベースや公共文書に含まれる単語を単語ベクトルに変換する。また文書学習フェーズｆ２において、生成された学習データに含まれるメール文を単語ベクトルに変換して、当該学習データに含まれるタスク情報に従い、ＲＮＮ１０６の学習を行う。
（８）学習制御部１０８
学習制御部１０８は、文章学習フェーズｆ２の処理として、処理対象ストレージ１０５Ｓに格納されたメール文面のサンプル（以下、文面サンプルと呼ぶ）を表示し、表示されたメール文面のサンプルを対象とした、対話処理を実行する。具体的にいうと、学習制御部１０８は、文面サンプルが表示された際、表示された文面サンプルがメールの差出人が行うべきタスクを含むか、受取人が行うべきタスクを含むか、何れのタスクも含まないかの指定を受け付ける。このようにして受け付けた、タスク包含の有無に従い、文面サンプルの中から、差出人、受取人の何れかが行うべきタスクを抽出し、その抽出結果を示すタスク情報を生成する。単語の単語ベクトルを求める。こうして求めた単語ベクトルを一様に分類する重み係数を算出して、ＲＮＮ１０６を構成する各ＬＳＴＭ１６１～１６０ｎに設定する。
（９）変換制御部１０９
変換制御部１０９は、タスク判定フェーズｆ３においてグループ選定部１０４により選定されたグループのメール文面を構成する複数の単語のそれぞれを、文面における順序で、ＬＳＴＭ１６１～１６０ｎのそれぞれに設定して、ＬＳＴＭ１６１～１６０ｎによる多段演算を、ＬＳＴＭ１６１～１６０ｎに実行させる。そして、ＲＮＮ１０６の最終段である、ＬＳＴＭ１６０ｎの出力語の単語ベクトルが、学習制御部１０８により抽出された複数タスクのうち、どれに対応するかを判定して、当該出力語に対応するタスクを変換結果として出力する。
（１０）ワークフロー生成部１１０
ワークフロー生成部１１０は、グループ選定部１０４により１のグループが選定された際、グループに属するメールを文面処理部１０５に引き渡し、このメールの文面をタスクに変換させる。本明細書における「タスク」は、業務となるプロセスを進行させるにあたって、関係者に割り当てられる作業項目である。タスクは、職場で進行する何等かの作業の作業項目であるから、タスクはその作業項目を包含する作業（ワーク）と関連付けて表される。
その後、ワークフロー生成部１１０は、かかる変換により得られた個々のタスクが、業務に適合した一連の流れをなすかどうかの判定を行う。例えば、一般の職場にみられる「物品廃棄」という業務は、申請というタスクに、「承認」又は「拒否」とのタスクが後続するという流れをなす。そうしたタスクの流れが認められると、ワークフロー生成部１１０は、ＸＭＬプロセス記述言語（XPDL）を用いて、タスクやタスクの流れ、タスクを担当する関係者を記述したデータ（以下、ワークフローモデルという）を生成して、ワークフローモデルストレージ１１０Ｓに蓄積する。
（１１）ワークフロー登録部１１１
ワークフロー登録部１１１は、構内ＬＡＮ２０００を介して、ワークフローモデルストレージ１１０Ｓに蓄積されたワークフローモデルを、図１に示すワークフロー管理サーバー２００１に登録する。
以上が、ワークフロー生成サーバ１０００の機能的要素の説明である。これら図２に示した機能的要素は、プログラムモジュールであるから、プログラムコードを用いて、所定の処理手順を記述することで作成することができる。具体的にいうと、グループ選定部１０４は、後述する図６のフローチャートに示す処理手順、学習制御部１０８及び変換制御部１０９については、図８のフローチャートに示す処理手順、ワークフロー生成部１１０については、図１２のフローチャートに示す処理手順を記述することで作成することができる。そうした記述に用いることができるプログラムコードとしては、算術演算、論理演算、レジスタ操作、メモリ操作のための命令コード等がある。尚、これらのフローチャートにより、ＣＰＵ１００４になさせるべき処理手順は、以下の動作例で詳細に説明するものとする。
残りのプログラムモジュール（メールスキャン部１０１、グルーピング部１０３、文節分解部１０７Ａ、単語ベクトル生成部１０７Ｂ、ワークフロー登録部１１１）については、機械翻訳分野、人口知能分野のプログラム開発のためにサードベンダー等から供給されるプログラムライブラリィやＯＳ１００９のプログラムライブラリィのAPI(Application Programing Interface)をコールする呼出コードを用いて作成することができる。
またメールストレージ１０１Ｓ、グルーピング情報ストレージ１０３Ｓ、処理対象ストレージ１０５Ｓ、ワークフローモデルストレージ１１０Ｓは、ＨＤＤ１００１のファイルシステム構造における一個のサブディレクトリとして実現される。
図１に戻って、ワークフロー生成システムの残りの構成要素（ワークフロー管理サーバー２００１）について説明する。
ワークフロー管理サーバー２００１は、サーバ１０００からワークフローモデルの登録を受け付けて、ワークフローモデルの管理を行う。構内の端末３００１、３００２、３００３からアクセスが要求された場合、ワークフローモデルの一覧表示、ワークフローモデルの詳細表示を含む閲覧画面を生成して、要求を発した端末３００１、３００２、３００３に送信する。こうした閲覧画面が表示されることで、端末３００１、３００２、３００３を操作する関係者は、職場でどのような業務が発生しているかを目視で確認することができる。
［３］ワークフロー生成システムの動作
以上のように構成されたワークフロー生成システムの動作について説明する。
図３は、ワークフロー作成ツール１０１１の処理手順のメインとなるものを示すフローチャート（メインチャート）である。図３のメインチャートにおける「ｕ」は、本フローチャートでなされる処理が、何回目の処理かを示す変数である。「ｎ」は、メールスキャン部１０１によるｕ回目のスキャン時に、グルーピング部１０３により形成されたグループの総数を示す。「m」は、メールスキャン部１０１によるｕ－１回目のスキャン時までに、グルーピング部１０３により形成されたグループの総数を示す。
（１）メールサーバー４００１からのメール取り込み
初めに、変数ｕを１で初期化し（ステップＳ１０１）、ｕ回目のスキャン周期が到来したかどうかの判定待ちとなる（ステップＳ１０３）。尚、本動作例では、５時間という時間単位をスキャン周期として設定している。これは、２時間の残業時間を含めた約１０時間の就業時間において、２回のスキャンを可能にする時間長である。
ｕ回目のスキャン周期が到来すると（ステップＳ１０３でYes）、メールスキャン部１０１は関係者アドレスリスト１０１Ｌの内容に従い、今回のスキャン周期に蓄積したメールをメールストレージ１０１Ｓを取り込む（ステップＳ１０４）。
図４（ｃ）に示すように、何等かの業務に関係する関係者ＡＡＡ、ＢＢＢ、ＣＣＣ、ＤＤＤ、ＥＥＥといったメールアドレスが、関係者アドレスリスト１０１Ｌに記載されている場合、メールスキャン部１０１は、これら関係者ＡＡＡ、ＢＢＢ、ＣＣＣ、ＤＤＤ、ＥＥＥのメールアドレスを、差出人又は受取人とするメールを、メールサーバー４００１からメールストレージ１０１Ｓを取り込む。メールスキャン部１０１による取り込みで、メールストレージ１０１Ｓには、図４（ａ）（ｂ）に示すようなメールＭ１１～Ｍ１４，Ｍ２１～Ｍ２４が格納される。尚、図４（ａ）、（ｂ）の一例において、メールＭ１１～Ｍ４１、Ｍ２１～２４は、通信タイミングの順にソートされている。
（２）類似度によるグループ化
単語分布算出部１０２は、メールストレージ１０１Ｓに蓄積されたテキスト文面から単語ベクトルを算出する（ステップＳ１０５）。グループ化を行うにあたって、既存のグループの有無により異なる処理を行う。具体的にいうと、既存のグループがあるかどうかを判定し（ステップＳ１０６）、既存グループが存在しない場合（ステップＳ１０６でNo）、メールサーバー４００１から取り込まれたメールを、上記１．～５．のグルーピング手法に従い、グループ１～ｎの何れかにグループ化する（ステップＳ１０７）。
以下、図４（ａ）、（ｂ）のメールＭ１１～１４、Ｍ２１～２４をグループ化するケースについて説明する。
メールＭ１２は、図１に示した端末３００１～３００３の何れかがメールＭ１１を受信した際、その受信端末において、メールプログラムの返信機能を起動することで作成された返信メールであり、メールＭ１１の文面を引用した引用箇所Ｒ１１を含む。同様に、メールＭ１３、Ｍ１４も、メールＭ１１の文面を引用した引用箇所Ｒ１１を含む。そのため、メールＭ１２～Ｍ１４の文面は、メールＭ１１の文面と同様の単語分布をなす。メール文面が同様の単語分布を示すことで、これらのメールＭ１１～Ｍ１４の類似度は高い値になる。よってグルーピング部１０３は、これらのメールＭ１１～Ｍ１４を同じグループ（図５のグループ１）にまとめる。
メールＭ２２～Ｍ２４も同様であり、それぞれ、メールＭ２１～Ｍ２２からの引用箇所Ｒ２１～Ｒ２２を含む。メールＭ２１～Ｍ２４の文面は、同様の単語分布をなし、類似度は高い値になるので、グルーピング部１０３は、これらのメールＭ２１～Ｍ２４を同じグループ（図５のグループ２）にまとめる。こうした処理により、図４（ａ）（ｂ）のメールＭ１１～Ｍ１４は、図５のグループ１にまとめられ、メールＭ２１～Ｍ２４は、図５のグループ２にまとめられる。
（３）交信パターンの合致判定
ステップＳ１０９、Ｓ１１０のループでは、グルーピング部１０３により得られたグループが、予め定められた複数交信パターンの何れに該当するかどうかの判別（ステップＳ１１１）を、全てのグループを対象として実行する。尚、以下の説明において、処理対象となるグループを、変数iを用いて特定する。
ステップＳ１１１における判別を具体的に表したのが、図６のサブルーチンのフローチャートである。本フローチャートにおける「ｉ」は、グルーピング部１０３により形成された複数グループのそれぞれを指示する制御変数である。図６のサブルーチンは、グループｉに属するメールの通信タイミングを引数として受け付け、これらの通信タイミングが該当するとされた交信パターン（以下、交信パターンＰと呼ぶ）と、ｕ回目スキャンの判定履歴とを戻り値として返す。
グループ選定部１０４は、グループｉに属するメール数が、予め定められた頻度基準以上であるかを判定する（ステップＳ２０１）。本動作例では、所定の頻度基準となるメール数を「４」としている。グループｉに属するメール数が、頻度基準以上であればグループｉに属するメールを通信タイミングの順に並べて、メールの通信タイミングの差分（時間間隔）を算出し（ステップＳ２０２）、この時間間隔を元に、ステップＳ２０３～Ｓ２０６からなる一連の判定ステップを実行する。これらの判定ステップの結果により、グループ選定部１０４により選定されたグループの交信パターンの類型を定める。
ステップＳ２０３は、何れかのメールの通信タイミングと、直前の通信タイミングとの時間間隔が下限値を下回っており、通信タイミングの集中が発生しているか否かの判定である。本動作例では、時間間隔の下限値を０．５ｈ（０．５時間）としている。また、下限値を下回る通信タイミングが２つ以上連続する場合、通信タイミングは「集中している」と判定するものとする。
ステップＳ２０４は、グループｉに属するメールの通信タイミングが集中している場合、当該集中が、現在時点直近の時間帯に存在するかどうかの判定である。
ステップＳ２０５は、グループｉに属するメールの通信タイミングが、古い時点に集中していて、尚且つ、現時点付近に単発の通信タイミングが存在するかどうかの判定である。
ステップＳ２０６は、グループｉに属する通信タイミングが業務周期の末期であるかを判定する。業務周期とは、スキャン周期よりも長期の期間であって、何等かの業務の繰り返し性が発生する周期である。具体的な業務周期としては、４半期（３か月）、半期（６か月）といった会計期間、１週間、１日といった週報、日報の提出期間といったものがある。
以下、図５に示した２つのグループ（グループ１、２）が処理対象になった場合のグループ選定部１０４の動作について説明する。尚、以下の動作説明において、現在時点は、２０１８年１０月１日のＰＭ３：００であるものとする。
図５のグループ１のメール数は「４」であり、上述した所定基準の具体値「４」に等しいから、ステップＳ２０１がYesになり、ステップＳ２０２、Ｓ２０３～Ｓ２０６の一連の判定ステップに移行する。
図５のメールＭ１１、Ｍ１２、Ｍ１３、Ｍ１４の通信タイミングは、図７（ａ）に示すように、それぞれ１０月１日のＰＭ２：００、ＰＭ２：１０、ＰＭ２：２０、ＰＭ２：３０であり、これらの時間間隔は何れも１０分となる。グループ１に属する、全てのメールの通信タイミングの時間間隔が基準値である０．５ｈを下回っている。またこれらの通信タイミングは、現在時点である１０月１日ＰＭ３：００の１時間前の時間帯に存在する。そのため、ステップＳ２０３がYes、ステップＳ２０４がYesになり、グループｉに属するメールの交信パターンＰは、直近集中パターンであるとの判定結果を下す（ステップＳ２１０）。
図５のメールＭ１１の文面は、会議という単語や申請たる単語を含んではいないが、「結論をだしたいと思います」という意味内容の文や、「以下の場所を押さえました」という内容の文から、何等かの会議をとりまとめようとしていると考えられる。また、メールＭ１２の「行きます。他の案件も相談させてください」という文面や、メールＭ１３の「でますが、もっと早く知らせてください」という文面も同様であり、明示的な記載を含まないものの、会議の開催に賛同し、会議に出席の意思を表明していると思われる。メールＭ１４の「時間とれません。私抜きで進めてください」という文面は、「欠席」との用語を含まないが、会議欠席の意思を表明していると思われる。
以上のように、業務について直接的な単語を含まないものの、メールＭ１１～Ｍ１４は、会議とりまとめという、共通のプロセスを進行させているので、グループ選定部１０４により選定され、文面処理部１０５による文面変換に供される。
グループ２が処理対象になった場合を考える。図５におけるメールＭ２１、Ｍ２２、Ｍ２３、Ｍ２４の通信タイミングは１０月１日のＡＭ１１：００、ＰＭ０：００、ＰＭ１：３０、ＰＭ２：１５であり、これらメールＭ２１、Ｍ２２、Ｍ２３、Ｍ２４の通信タイミングの時間間隔は、図７（ｂ）に示すように、１ｈ、１．５ｈ、０．７５ｈとなる。メールの時間間隔が何れも下限値０．５ｈを上回っている。一方、これらの通信タイミングは、月単位、周単位の業務周期の末期に分散している訳ではない。Ｍ２１～Ｍ２４は、メールの通信タイミングが不均等な時間間隔で分散しているので、ステップＳ２０３がNo、ステップＳ２０６がNoになり、稟議書パターンに該当するとの判定結果が下される（ステップＳ２１３）。
メールの通信タイミングが不均等な時間間隔で分散している場合に、上記のような判定を下す理由は以下の通りである。物品購入や廃棄など、稟議を必要とする業務において、申請の適否の判断は、個々の承認者で発生する（図７（ｂ）のＭ２１と、Ｍ２２との間隔、Ｍ２２と、Ｍ２３との間隔を参照）。加えて稟議にあたって、申請の適否判断に要する時間は、承認者毎に異なる。そこで、図７（ｂ）に示すように、通信タイミングの時間間隔が不均等になっている場合、グループ選定部１０４は、複数承認者による判定を経ている可能性が高いとして、グループｉが、稟議書パターンに該当するとの判定結果を下す。
図５のメールＭ２１の文面は、廃棄という単語や申請たる単語を含んではいない。しかし「場所とれないので、機器回収にだしたいと思います」という意味内容の文から、何等か機器の廃棄を申請していると考えられる。また、メールＭ２２の「古い機器を捨てたいといってます」との文面やメールＭ２３の「ＯＫですが、業者は慎重にえらんでください」という文面は、文面に明示的な記載存在しないものの、物品廃棄に賛同の意思を表明していると思われる。メールＭ２４の「だめだよ、他所からの預かり物だって」の文面は、「否認」との用語を含まないが、物品廃棄に否認の意思を表明していると思われる。グループ２に属するメールＭ２１～Ｍ２４は、直接的な単語を含まないものの、物品廃棄という、共通のプロセスを進行させているので、グループ選定部１０４により選定される。ステップＳ２１０、Ｓ２１１、Ｓ２１２、Ｓ２１３において、交信パターンが選定された後、ｕ回目スキャンの判定履歴を「価値あり」に設定して（ステップＳ２１４）、交信パターンＰ、ｕ回目スキャンの判定履歴をメインチャートにリターンする。
尚、グループｉに属するメール数が、所定の頻度基準を下回っている場合、交信パターンを「非該当」に設定して（ステップＳ２１５）、ｕ回目スキャンの判定履歴に、「価値なし」を設定した上で（ステップＳ２１６）、交信パターンＰ、ｕ回目スキャンの判定履歴をメインチャートにリターンする。
以上の処理を、全てのグループについて繰り返すことで、各グループの交信パターンを定める。その後、図２のステップＳ１１３、Ｓ１１４のループに移行する。図２のステップＳ１１３、Ｓ１１４のループは、以下の１）、２）の処理を、グルーピング部１０３により生成された全てのグループについて繰り返すものである。
１）ＲＮＮ１０６の学習・利用による文面変換（ステップＳ１２１）、
２）文面変換により得られたタスクを用いた、ワークフローモデルの生成（ステップＳ１２２）
ステップＳ１２１は文面処理部１０５による処理である。
（４）文面処理部１０５による学習モードの処理
図８（ａ）は、単語ベクトル作成フェーズｆ１において公共文書や一般のメール文面が、文節分解部１０７Ａ、単語ベクトル生成部１０７Ｂにより処理される過程を示す。
図８（ｂ）は、文章学習フェーズｆ２において学習データが文節分解部１０７Ａ、単語ベクトル生成部１０７Ｂにより処理される過程を示す。文章学習フェーズｆ２では、学習制御部１０８がGUIを介した対話制御を行い、メール文面と、タスク情報とを取得して学習データを作成する。そして、単語ベクトル生成部１０７Ｂの変換により得られた単語ベクトルを、上記の学習データにおけるタスク情報に従い分類するための重み係数をＲＮＮ１０６に設定する。
図８（ｃ）は、タスク判定フェーズｆ３においてグループ選定部１０４により選定されたグループに含まれるメール文面が、文節分解部１０７Ａ、単語ベクトル生成部１０７Ｂにより処理される過程を示す。単語ベクトル作成フェーズｆ１では、「きのうはくもり」なるメール文面の単語が単語ベクトルＶ１１に変換され、文章学習フェーズｆ２において「今日は晴れ」なるメール文面の単語が単語ベクトルＶ１２に変換されたとする。これらのメール文面の単語は意味的に類似しているから、「きのうはくもり」なるメール文面の単語ベクトルＶ１１、「今日は晴れ」なるメール文面の単語ベクトルＶ１２は、タスクを包含しない単語を表すとして、学習制御部１０８が生成した重み係数の超平面により、Ｍ次元空間において同一の象限に分類される。
そうすると、タスク判定フェーズｆ３において、近い意味のメール文面「明日は晴れ」の単語ベクトルＶ１３が入力された場合、当該単語ベクトルＶ１３は、学習制御部１０８が生成した重み係数の超平面により同一の象限に分類される。その結果ＲＮＮ１０６は、「タスク無し（タスク包含せず）」との認識結果を出力する。
以上のように文面処理部１０５は、単語ベクトル作成フェーズｆ１からタスク判定フェーズｆ３までの過程において、入手が容易な公共文書を土台として、ＲＮＮ１０６に保存する単語ベクトルの語彙を増やし、これをもとに文章学習フェーズｆ２による学習を実行する。文章学習フェーズｆ２において１の単語ベクトルが、タスクを包含するかどうかというタスク包含の有無が明らかになれば、意味的に近い単語の単語ベクトルについてのタスク包含の有無も明らかになるので、学習データのサンプル数が少ない場合であっても、ＲＮＮ１０６の学習効率を高めることができる。
単語ベクトル作成フェーズｆ１が終了した後の文章学習フェーズｆ２、タスク判定フェーズｆ３の処理内容は図９のフローチャートに示すものとなる。図９は、文面処理部１０５による処理手順の詳細を示すフローチャートである。本フローチャートにおける「ｖ」は、ステップＳ３０２、Ｓ３０３のループにより処理対象となる文面サンプルを特定する変数である。
ステップＳ３０１では、まず文面処理部１０５によるフェーズが、タスク判定フェーズｆ３であるか否かを判定する（ステップＳ３０１）。
文章学習フェーズｆ２であれば（ステップＳ３０１でYes）、ステップＳ３０２に移行して、処理対象ストレージ１０５Ｓに格納された全てのメール文面のサンプルを対象として、ステップＳ３０４～ステップＳ３１０の処理を繰り返す。具体的にいうと、文面サンプルｖと、タスク分類の指定とを含む対話画面を表示して（ステップＳ３０４）、文面サンプルｖは、差出人、受取人の何れのタスクを含むかの指定をユーザーから受け付ける（ステップＳ３０５）。
図１０は、ステップＳ３０４で表示される対話画面の一例を示す。図１０において、メールの文面サンプルｖが、ウィンドウｗ１１に表示されており、その右横に、３択の選択入力を受け付けるボタンＢ１１、Ｂ１２、Ｂ１３が配置される。
３択の選択入力とは、文面サンプルｖが、差出人のタスクを含むか、受取人のタスクを含むか、差出人、受取人の何れのタスクも含まないかの何れかの指定を意味する。指定がなされると（ステップＳ３０５でYes）、対話画面の文面サンプルｖに含まれるタスクは、差出人が行うべきものかどうかを判定する（ステップＳ３０６）。差出人が行うべきタスクを含むと指定された場合（ステップＳ３０６でYes）、その文面サンプルｖに含まれるタスクの種類は、差出人の作業報告であるとして、文面サンプルの構文において、作業報告の対象となる目的語をタスクとして抽出する（ステップＳ３０７）。
差出人が行うべきタスクを含まない場合（ステップＳ３０６でNo）、対話画面の文面サンプルｖは、受取人が行うべきタスクを含むかどうかを判定する（ステップＳ３０８）。受取人が行うべきタスクを含む場合（ステップＳ３０８でYes）、その文面サンプルｖに含まれるタスクの種類は、受取人への作業依頼であるとし、文面サンプルｖの構文のうち、作業依頼の対象となる目的語をタスクとして抽出する（ステップＳ３０９）。
かかる処理がなされれば、対象となったメール文面と、抽出結果を示すタスク情報とからなる学習データを作成する。これに合わせて文面サンプルの単語ベクトルを囲む超平面を規定するＭ次元多項式を算出して、算出されたＭ次元多項式の係数を、抽出されたタスクの重み係数とする（ステップＳ３１０）。
ここで、１の文面サンプルを構成する単語が、図１１に示す単語ベクトルＰ１１、Ｐ２１、Ｐ３１、Ｐ４１、Ｐ５１に変換されたものとする。この場合、学習制御部１０８は、単語ベクトルＰ１１、Ｐ２１、Ｐ３１、Ｐ４１、Ｐ５１を囲むような、超平面を規定するＭ次元多項式を算出する（ステップＳ３１０）。図１１は、２次元座標系であるから、上記超平面は、単語ベクトルＰ１１、Ｐ２１、Ｐ３１、Ｐ４１、Ｐ５１を囲む回帰曲線Ｖ１１の形状となる。
尚、差出人、受取人の何れかのタスクをも含まない場合（ステップＳ３０８でNo）、ステップＳ３０９をスキップする。以上のステップＳ３０４～Ｓ３１０の処理を、文章学習フェーズｆ２のために処理対象ストレージ１０５Ｓに格納された、全ての文面サンプルについて繰り返す。
ステップＳ３０２、Ｓ３０３のループを終えた後、学習制御部１０８は、複数文面サンプルのそれぞれから得られたＭ次元多項式の係数を、タスクの重み係数として、ＲＮＮ１０６のＬＳＴＭ１６１～１６０ｎに設定して（ステップＳ３１１）、本サブルーチンの処理を終える。
（５）文面処理部１０５による変換モードの処理
一方、文面処理部１０５がタスク判定フェーズｆ３に設定されている場合、ステップＳ３０１がNoになり、ステップＳ３１１に移行する。
この際、グループｉに属する全てのメールについて、ステップＳ３１２～Ｓ３１３のループを実行する。このループにおいて、グループiのメール文面を構成する単語の単語ベクトルを入力語として、ＲＮＮ１０６の各ＬＳＴＭ１６１～１６０ｎに設定し（ステップＳ３１４）、ＬＳＴＭ１６１～１６０ｎに多段演算を実行させる（ステップＳ３１５）。多段演算によって、最終段であるＬＳＴＭ１６０ｎから出力される出力語の単語ベクトルに対応するタスクを、複数の重み係数に対応する複数タスクの中から１つを選んで、当該タスクをメール文面の変換結果として出力する（ステップＳ３１６）。
（６）ワークフロー生成部１１０によるワークフロー生成
ステップＳ１２２における処理は、ワークフロー生成部１１０による処理であり、図１２のサブルーチンに展開することができる。図１２は、ワークフロー生成部１１０による処理手順の詳細を示すフローチャートである。
本フローチャートにおける変数ｊは、グループｉに属する個々のメールの文面を変換することで得られた複数タスクのそれぞれを表す変数である。また、「ｈ」は、１個のグループに対応するタスク総数を示す。
始めに、グループｉに対応するワークｉは、ワークフローモデルが既に形成されているかどうかを判定する（ステップＳ４０２）。形成されていない場合（ステップＳ４０２でNo）、ｊ番目のメールから得られたタスクは、グループｉの最初のタスクであるとして、変数ｊを１で初期化する（ステップＳ４０３）。
形成されている場合（ステップＳ４０２でYes）、グループｉに対応する既存のワークフローモデルiのタスク数をＰとし（ステップＳ４０４）、Ｐに「１」を加えた値を、変数ｊに設定する（ステップＳ４０５）。
ステップＳ４０３、Ｓ４０５の何れかで、変数ｊを設定した後、メールｊを対象とした文面変換で得られたタスク名をノード図形に変換し（ステップＳ４０６）、メール差出人を示す文字列を、関係者名としてノード図形近傍に配置する（ステップＳ４０７）。ここでのノード図形とは、ベクター形式の矩形図形のデータであり、拡大・縮小や変形等が可能となるものである。かかる、ノード図形に、タスクや関係者を示すテキスト文字列を配置することで、ステップＳ４０７では、タスクを表す。
次に、ステップＳ４０８において、変数ｊが２以上であるかを判定する（ステップＳ４０８）。変数ｊが１であるなら（ステップＳ４０８でNo）、タスク図形が未生成なので、ステップＳ４０９～Ｓ４１１をスキップして、ステップＳ４１２に移行する。変数ｊが２以上であるなら（ステップＳ４０８でYes）、既存のタスク図形が存在するので、ステップＳ４０９～Ｓ４１１の処理を実行する。具体的にいうと、ノード図形ｊの変換元になったメールの差出人を受取人とするメール（以下、メールｋという）を特定して（ステップＳ４０９）、特定されたメールｋを変換元とするノード図形ｋを特定し（ステップＳ４１０）、ノード図形ｋからノード図形ｊに至るリンク図形を配置して（ステップＳ４１１）、ステップＳ４１２に移行する。ここでのリンク図形とは、ベクター形式の矢印図形のデータであり、拡大・縮小や変形等が可能となるものである。ノード図形ｋと、ノード図形ｊとの間に、リンク図形を配置することで、２つのタスクの流れを表現する。
ステップＳ４１２は、ループ継続要件であり、変数ｊが、グループｉに対応するタスク総数ｈを下回るかどうかを判定する。下回る場合（ステップＳ４１２がYes）、変数ｊをインクリメントした後（ステップＳ４１３）、ステップＳ４０２まで戻る。以下、ステップＳ４１２のループ継続要件を満たす限り、ステップＳ４０２～Ｓ４１１の処理を繰り返す。変数ｊが、タスク総数ｈ以上になると（ステップＳ４１２がNo）、本フローチャートの処理を終了し、図３のメインルーチンにリターンする。
図５のグループ１、２を対象として生成された、ワークフローモデルの一例を、図１３（ａ）、（ｂ）に示す。
図１３（ａ）のワークフローモデルＭ１０１は、ノード図形Ｎ１１に示される「申請」を発端として、「会議とりまとめ」たる業務が発生し、現在、「２課 ＥＥＥ」「２課 ＦＦＦ」という関係者が、ノード図形Ｎ１２、Ｎ１３に示される「出席」の意思を表明していて、「２課ＧＧＧ」という関係者が、ノード図形Ｎ１４に示される「欠席」の意思を表明していることを示す。
図１３（ｂ）のワークフローモデルＭ２０１は、ノード図形Ｎ２１に示される「申請」を発端として、「物品廃棄」たる業務が発生し、現在、「ＢＢＢリーダー」「ＣＣＣ」という関係者が、ノード図形Ｎ２２、Ｎ２３に示す「承認」の意思を表明していて、「ＤＤＤマネージャー」という関係者が、ノード図形Ｎ２４に示される「否認」の意思を表明していることを示す。
図５に示したグループ１、２について、ワークフローモデルＭ１０１、Ｍ２０１が生成されると、ワークフロー登録部１１１は、これらのワークフローモデルをワークフロー管理サーバー２００１に登録する。ワークフロー管理サーバー２００１は、登録にかかるワークフローモデルをワークフローデータベース２００１Ｂに格納する。そして、登録された複数ワークフローの閲覧画面を作成し、各端末からのアクセス要求に応じて、端末３００１～３００３に送信する。図１４は、端末３００１～３００３に表示されるワークフロー閲覧画面の一例を示す。
図１４のワークフロー閲覧画面は、一覧表示欄Ｃ１１、詳細表示欄Ｃ２１を含み、一覧表示欄Ｃ１１は、ワークフローモデルの表題Ｔ１０１、Ｔ１０２、Ｔ１０３を配してなる。表題Ｔ１０１、Ｔ１０２、Ｔ１０３は、業務名である「会議とりまとめ」、「物品廃棄」、「物品購入」や、業務の対象「１０１棟１０２号会議室」、「古い機器」「新しいＰＣ」を明示することで、事業所に、どのような業務が発生しているかを明示する。
詳細表示欄Ｃ２１は、一覧表示欄において指定された「会議とりまとめ」の業務について、ワークフローモデルＭ１０１を表示する。ワークフローモデルＭ１０１が表示されることで、該当業務がどの程度進捗しているかという進捗度合を知得することができる。
以上のワークフローモデルの生成を、グループ１～ｍのそれぞれについて、繰り返した後（図１のステップＳ１１２～Ｓ１１４）、変数uをインクリメントして（図３のステップＳ１１５）、ステップＳ１０２に戻る。
（７）２回目以降のグループ化
以下、１回目のスキャンと同様、ステップＳ１０４～Ｓ１０５の処理を実行する。これまでのスキャンにより、グルーピング情報ストレージ１０３Ｓに、ｍ個のグループ（グループ１～ｍ）が格納されているものとする。また２回目以降のスキャン周期が到来して、ｎ個のメールが取り込まれたものとする。グループ１～ｍが存在するので、ステップＳ１０６がYesになり、ステップＳ１０８に移行する。
ステップＳ１０８では、ｕ回目のスキャンにより、メールストレージ１０１Ｓに取り込まれたメールを、既存のグループであるグループ１～ｍ、新規グループであるグループｍ＋１～ｍ＋ｎの何れかにグループ化する。
以下、ステップＳ１０９～Ｓ１１１の処理を行い、グループに属する各メールが、何れかの交信パターンに該当するかを判別する。
（８）２回目以降のスキャンで、処理対象となるグループ
２回目以降のスキャンにより、交信パターンの該当性が判断されるメールには、図７（ｃ）に示すメールＭ３１～Ｍ３４、図７（ｄ）に示すメールＭ４１～Ｍ４４がある。
図７（ｃ）に示すメールＭ３１、Ｍ３２、Ｍ３３からなるグループ（グループ３とする）は、時間間隔が０．５ｈを下回るものの、グループに含まれるメール数が「３」であり、頻度基準である「４」のメール数を満たさない。そのため、図６の交信パターン判定処理の対象になった場合、図６のステップＳ２０１がNoになって、グループ３に対応する交信パターンｐを「非該当」とし（ステップＳ２１５）、ｕ回目の判定履歴を「価値なし」に設定して（ステップＳ２１６）、図６のサブルーチンを終了し、図３のメインルーチンにリターンする。
その後、１週間（図７（ｃ）の１Ｗたる期間）が経過し、新たなスキャン周期が到来したものとする。そして、１週間という期間が経過した後のスキャンによりメールＭ３４が取り込まれたとする。この場合、グループ３のメール数は「４」になり、頻度基準「４」と等しくなるので、図６のステップＳ２０１がYesになる。また、メールＭ３１～Ｍ３３は、通信タイミングの時間間隔が下限０．５ｈを下回っており、通信タイミングが集中しているので、図６のステップＳ２０３がYesとなる。更に集中するタイミングは現在直前の時間帯ではないから、ステップＳ２０４がNoになり、ステップＳ２０５に移行する。メールＭ３４は、現時点付近に発せられるから、ステップＳ２０５がYesになるので、Ｍ３１～Ｍ３４からなるグループ３に対応する交信パターンｐを「長期不在パターン」とし（ステップＳ２１１）、ｕ回目の判定履歴を「価値有り」に設定して（ステップＳ２１４）、図６のサブルーチンを終了し、図３のメインルーチンにリターンする。
図７（ｄ）の３つのメールＭ４１、Ｍ４２、Ｍ４３（これらが属するグループをグループ４とする）は、３ヶ月（３Ｍ）という時間間隔を空けて送信されている。メールＭ４１からメールＭ４３までは、メール数が「３」であり、グループ４のメール数は頻度基準である、「４」のメール数に満たない。そのためステップＳ２０１がNoになる。この場合、グループ４に対応する交信パターンｐを「非該当」とし（ステップＳ２１５）、ｕ回目の判定履歴を「価値なし」に設定して（ステップＳ２１６）、図６のサブルーチンを終了し、図３のメインルーチンにリターンする。
メールＭ４３の受信時点から３ヶ月（３Ｍ）を経過して、メールスキャン部１０１がメールＭ４４をメールストレージ１０１Ｓに取り込んだとする。メールＭ４４が取り込まれることで、グループ４のメール数は「４」になり、頻度基準を満たすので、ステップＳ２０１がYesになりステップＳ２０２、Ｓ２０３に供される。グループ４のメールＭ４１～Ｍ４４は通信タイミングが集中していないので、ステップＳ２０３がNoになり、ステップＳ２０６に移行する。ステップＳ２０６では、これらメールＭ４１～Ｍ４４の通信タイミングが、業務周期の末期において周期的に送信されているかどうかを判定する。
メールＭ４１～Ｍ４４は、３ヶ月という業務周期の末期に周期的に送信されているので、ステップＳ２０６がYesとなる。この際、Ｍ４１～Ｍ４４からなるグループ４に対応する交信パターンｐを「周期性パターン」とし（ステップＳ２１２）、ｕ回目の判定履歴を「価値有り」に設定して（ステップＳ２１４）、図６のサブルーチンを終了し、図３のメインルーチンにリターンする。
スキャン周期によるワークフローの生成の他、何れかの業務周期において、繰り返しなされるような業務を対象として、ワークフローを生成するので、３ヶ月、６ヶ月という長期にわたり進行しているようなプロセスについてワークフローを生成することができる。これにより、経理関連、長期主張といった業務に関し、ワークフローを生成することができる。
（９）長期不在パターン、周期性パターンを対象とした文面変換
図３のメインチャートにリターンした後、ステップＳ１１２では、グループｍ＋１～ｍ＋ｎが存在するかどうかの判定を行う。
先ずはじめに、ステップＳ１１５、Ｓ１１６からなるループに移行して、グループ１～ｍのうち、ｕ回目のスキャン周期における判定履歴が「価値無し」と判定されたものを対象として、ステップＳ１２１、ステップＳ１２２の処理を実行する。
図７（ｃ）に示すメールＭ３１～Ｍ３４からなるグループ３、図７（ｄ）に示すＭ４１～Ｍ４４からなるグループ４は、u-1回目までのスキャンにおいて、何れも「価値なし」と判定されたので、ステップＳ１１5～Ｓ１１６のループの対象になる。
グループ１～ｍについて、ステップＳ１２１、Ｓ１２２がなされた後、ステップＳ１１７、Ｓ１１８のループに移行し、グループｍ＋１～ｍ＋ｎを対象として、ステップＳ１２１、ステップＳ１２２の処理を実行する。
図３のステップＳ１１５～Ｓ１１６では、２回目以降のスキャンにおいて、これまでの処理過程でワークフロー生成対象とされたものを除外するので、一個のグループを対象としたワークフロー生成が重複してなされることはない。
［４］まとめ
以上のように本実施形態によれば、他のメール文面の一部を引用して自身の見解を書き加えたようなメールは、グルーピング部１０３により引用元となるメール文面との類似度が高く評価され、同じグループにまとめられる。
グループ選定部１０４は、他のメールの引用部分を含む１のメールの通信タイミングと、引用元となる他のメールの通信タイミングとの時間関係から、各グループが、交信パターンをなすかの判断を行い、所定の交信パターンをなす場合、ワークフローを生成する価値があるとの判断結果を下す。
文面処理部１０５は、そうして選定されたグループに属するメッセージの文面をタスクに変換するので、メッセージ文面に、業務項目が含まれていなくても、グループに含まれる複数メッセージにより、どのような業務が進行するかをワークフローによって表示することができる。業務項目を含まず、日常的なコミュニケーションをなすような多数のメールデータからも、ワークフローを生成することができるので、職場で進行している業務の見落としを少なくすることができる。
［５］変形例
以上、本発明を実施の形態に基づいて説明してきたが本発明は上述の実施の形態に限定されないのは勿論であり以下の変形例が考えられる。
（１）ワークフロー作成ツール１０１０は、ワークフロー生成サーバー１０００に予めインストールされた、プリインストールタイプのアプリケーションとして開示したがこれに限らない。ワークフロー作成ツールのみを可搬型記録媒体に記録して、ソフトウェアパッケージとして販売してもよいし、アプリケーション配信サーバにアップロードして、アプリケーション配信サーバによる配信に供してもよい。
（２）メッセージは電子メールであるとして説明を進めたが、これに限らない。受取人や差出人を明示して送受信がなされ、また、他のメッセージの文面を引用した引用箇所を含み得るものであれば、他のメッセージであってもよい。
例えば、ソーシャルネットワークサービスにおいて、ユーザー間通信に用いられるメッセージや、ＢＢＳに掲示されるメッセージであってもよい。対話型アプリケーションのチャット機能においてユーザー間通信に用いられるメッセージであってもよい。メールサーバ４００１が、送信メールサーバと、受信メールサーバとに分離している場合、職場の関係者を差出人とするメールは、送信メールサーバから取り込み、職場の関係者を受取人とするメールは、受信メールサーバから取り込んでもよい。
（３）ワークフロー生成サーバー１０００は、事業所の構内に設置されたコンピュータ機器により構成されるとしたが、クラウドサーバとして構成してもよい。クラウドサーバは、ＯＳと、ワークフロー作成ツール１０１１とをインストールしており、端末から要求があると、ゲストＯＳを起動し、かかるゲストＯＳ上でワークフロー作成ツール１０１１を起動することで、上記実施形態に示した処理を行う。
クラウドサーバのように、社外の機器でワークフロー生成サーバー１０００を構成する場合、メールサーバー４００１と、ワークフロー生成サーバー１０００とを一体のクラウドサーバで構成してもよい。またグルーピング情報ストレージ１０３Ｓと、ワークフローモデルストレージ１１０Ｓとは一体のストレージにより構成してもよい。上記実施形態に示したワークフロー生成サーバー１０００を、画像形成装置と一体になった一体機として構成してもよい。画像形成装置には、プリンター単体の機能を具備するものと、プリンタ、複写機、スキャナ、ファックスの機能を有する多機能複合機のものとがある。
（４）グループ化手段のグループ化では、各メールの文面の類似度から、メールのグループ化を実行したがこれに限らない。word2vecで生成されたベクトルや、char2vec（１単語ではなく、１文字をベクトルにする手法）で生成されたベクトルを算出して、これらのベクトル間距離の短さにより、グループ化を実行してもよい。また、character level CNN（１文字ごとのasciiコードをそのまま入力として用いる伝搬型ニューラルネットワーク）を用いて単語のベクトル化を行い、これらの単語のベクトル間距離の短さにより、メールのグループ化を実行してもよい。character level CNNは、辞書データを持つ必要がなく、また計算時間も早いとのメリットが存在する。
（５）文面サンプルを対象とした学習制御部１０８による学習は１行ごとのデータでもよいし、文章全体でもよい。
（６）上記実施形態におけるワークフロー生成サーバー１０００は、テキスト文字列で記述されたメールの文面を対象として、メールのグループ化を行ったがこれに限らない。メールの添付ファイルを構成する文字列を対象としてグループ化を行ってもよい。ワークフロー生成サーバー１０００のグルーピング部１０３、グループ選定部１０４、ワークフロー生成部１１０は、メール本体を構成する画像データや、メールの添付ファイルの画像データを対象として処理を行ってもよい。
（７）２回目以降のスキャンでは、これまでのスキャンでワークフローが生成されなかったグループをワークフロー生成対象としたが、これに限らない。全てのスキャン周期において、グループ選定部１０４が選定したグループを対象として、ワークフローを生成してもよい。
（８）学習制御部１０８は、メールの署名の有無を判断して、その判断結果に従い、変換しようとするメール文面が、差出人の作業報告であるか否かの判断を実行してもよい。
図２のＬＳＴＭ１６１～１６０ｎのそれぞれに、他のＬＳＴＭから取り込んだ出力を選択し、削除するためのゲート回路を設けてもよい。ＬＳＴＭ１６１～１６０ｎの何れかにおいて、長期記憶された出力語を元に、出力語への変換のための演算を実行してもよい。これにより、文章のつながりを考慮した、文面変換を行うことができる。
（９）上記実施形態で示した数値例（頻度基準たるメール数、集中の閾値となる下限値、上限値）は、理解の容易化を図るための一例に過ぎない。職場規模に応じて増減させてよいことはいうまでもない。また、実施形態で示した５時間というスキャン周期の具体例も、説明の簡略化のための１例に過ぎない。必要に応じて、スキャン周期を増減させてもよい。
（１０）グルーピング部１０３は、ベクトル内積演算の結果である類似度を用いて、メール文面を構成する単語のグループ化を行ったが、ベクトル間距離を用いて、グループ化を行ってもよい。
（１１）図７（ｃ）の稟議書パターンに対応する業務として、物品廃棄を一例として説明を進めたがこれに限らない。複数人の稟議を必要とする業務であれば他のものでもよい。例えば、物品の購入や、会合開催の決定であってもよい。
（１２）メールのグループが何れかの交信パターンに該当しないとグループ選定部１０４が判定した場合、そのグループをユーザーに提示して、かかるグループの通信タイミングを交信パターンとして登録するかどうかの入力を受け付けてもよい。
（１３）ワークフロー生成部１１０によるワークフロー生成は、WorkFlow Management Coalitionの規則に従い、XPDLを用いることが望ましい。しかし、これに限らず、他の規則に従い。他のコンピュータプログラミング言語を用いて生成してもよい。
本発明は、事業所等でなされている様々な作業の可視化を可能にするので、ＯＡ機器産業や、企業の業態調査を行う調査業、業務改善を提言するカウンセリング業等、様々な業種の産業分野で利用される可能性がある、
１ ワークフロー生成システム
１０１Ｌ 関係者アドレスリスト
１０１Ｓ メールストレージ
１０２ 単語分布算出部
１０３ グルーピング部
１０３Ｓ グルーピング情報ストレージ
１０４ グループ選定部
１０５ 文面処理部
１０６ ＲＮＮ
１０８ 学習制御部
１０９ 変換制御部
１１０ ワークフロー生成部
１１０Ｓ ワークフローモデルストレージ
１１１ ワークフロー登録部
１０００ ワークフロー生成サーバ
１００１ ＨＤＤ
１００２ ブートＲＯＭ
１００３ ＲＡＭ
１００４ ＣＰＵ
１００５ 外部通信アダプタ
１００７ ＧＵＩデバイス
１００７Ｃ キャラクターデバイス
１００７Ｄ ディスプレイデバイス
１００７Ｐ ポインティングデバイス
１００８ ベクター演算回路
１００９ ＯＳ
１０１０ アプリケーション
１０１１ ワークフロー作成ツール
２０００ 構内ＬＡＮ
２００１ ワークフロー管理サーバ
３００１～３００３ 端末
４０００ 公衆ネットワーク
４００１ メールサーバ

Claims (19)

  1. 複数ユーザーのユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成するワークフロー生成システムであって、
    前記メッセージの文面が互いに類似する２以上のメッセージからなるグループを生成するグループ化手段と、
    前記グループに属するメッセージの通信タイミングが、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定手段と、
    前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記ユーザーがなすべきタスクに変換する変換手段と、
    前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成手段とを含む
    ことを特徴とするワークフロー生成システム。
  2. 前記グループに属するメッセージが、前記所定の交信パターンをなすかどうかの判定は、予め定められた期間におけるメッセージの頻度が、所定の閾値を上回ることを要件にしてなされる
    ことを特徴とする請求項１に記載のワークフロー生成システム。
  3. 前記所定の交信パターンは、グループに属するメッセージの通信が周期的に繰り返される周期性パターンであり、
    前記選定手段は、グループにおけるユーザー間のメッセージ通信の時間間隔が、所定の繰り返し周期に等しい場合、グループに属するメッセージが、前記周期性パターンをなすと判定する
    ことを特徴とする請求項１又は２に記載のワークフロー生成システム。
  4. 前記所定の交信パターンは、メッセージの通信時点が、現在時点から所定の時間単位だけ遡った期間において集中しているという内容の一時集中パターンであり、
    グループにおけるメッセージ通信の時間間隔が、所定の下限値を下回っていて、尚且つ、メッセージの通信タイミングが、前記期間に集中している場合、グループに属するメッセージが、前記一時集中パターンをなすと判定する
    ことを特徴とする請求項１又は２に記載のワークフロー生成システム。
  5. 前記メッセージの取り込みは、所定のスキャン周期が到来する度になされ、
    前記選定手段により選定されなかったグループについては、前記所定のスキャン周期において、ワークフロー生成価値がないと判定された旨の判定履歴を付し、
    前記選定手段により選定されたグループについては、前記所定のスキャン周期においてワークフロー生成価値があると判定された旨の判定履歴を付す
    ことを特徴とする請求項１～４の何れかに記載のワークフロー生成システム。
  6. 前記グループ化手段は更に、次のスキャン周期の到来により、新たに取り込まれた場合、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似しているか否かの判断を行い、類似している場合、新たに取り込まれた複数のメッセージを、これまでのスキャン周期の到来時に生成されたグループに加え、
    前記選定手段は、前記ワークフロー生成価値がないと判定された旨の判定履歴が付され、尚且つ、前記新たなメッセージが加えられたグループを対象として、グループに属する複数メッセージの通信タイミングが、前記所定の交信パターンをなすかどうかの判定を行う
    ことを特徴とする請求項５に記載のワークフロー生成システム。
  7. 前記グループ化手段は更に、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似していない場合、新たに取り込まれた複数のメッセージからなる新たなグループを生成し、
    前記選定手段は、前記新たに取り込まれたメッセージからなるグループを対象として、グループに属する複数メッセージの通信タイミングが、所定の交信パターンをなすかどうかの判定を行う
    ことを特徴とする請求項６に記載のワークフロー生成システム。
  8. 前記変換手段は、複数段のロングショートタームメモリを含む再帰型ニューラルネットワークを構築し、
    メッセージ文面を構成する個々の単語の単語ベクトルを、時系列に入力される入力語として前記複数段のロングショートタームメモリのそれぞれに格納し、
    複数段のロングショートタームメモリのうち、先頭段以外のものは、
    自身が格納した入力語と、前段からの出力とに、学習過程で得られた重み係数を乗じて合計するとのベクトル演算を実行し、
    複数段のロングショートタームメモリのうち最終段のもののベクトル演算の結果に従い、メッセージ文面の変換結果となる、１のタスクを選ぶ
    ことを特徴とする請求項１に記載のワークフロー生成システム。
  9. 前記ワークフロー生成システムは、
    サンプルとなるメッセージ文面を表示して、表示にかかるメッセージ文面は、メッセージの発起者がなすべきタスクを含むか、メッセージの受け手がなすべきタスクを含むかの指定を管理者から受け付ける受付手段と、
    発起者たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業報告の目的語を、学習語となるタスクとして抽出し、受け手たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業依頼の目的語を、学習語となるタスクとして抽出する抽出手段とを備え、
    前記学習過程において、前記複数のロングショートタームメモリのそれぞれのベクトル演算部に設定される重み係数は、抽出されたタスクの単語ベクトルを分類するための係数である
    ことを特徴とする請求項８に記載のワークフロー生成システム。
  10. 複数端末のユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数端末を操作する複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成する処理を、コンピュータに実行させるワークフロー生成プログラムであって、
    前記メッセージの文面が互いに類似する２以上のメッセージからなるグループを生成するグループ化ステップと、
    前記グループに属するメッセージの通信タイミングは、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定ステップと、
    前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記複数端末を操作するユーザーがなすべきタスクに変換する変換ステップと、
    前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成ステップとをコンピュータに実行させる
    ことを特徴とするワークフロー生成プログラム。
  11. 前記グループに属するメッセージが、前記所定の交信パターンをなすかどうかの判定は、予め定められた期間におけるメッセージの頻度が、所定の閾値を上回ることを要件にしてなされる
    ことを特徴とする請求項１０に記載のワークフロー生成プログラム。
  12. 前記所定の交信パターンは、グループに属するメッセージの通信が周期的に繰り返される周期性パターンであり、
    前記選定ステップは、グループにおけるユーザー間のメッセージ通信の時間間隔が、所定の繰り返し周期に等しい場合、グループに属するメッセージが、前記周期性パターンをなすと判定する
    ことを特徴とする請求項１０又は１１に記載のワークフロー生成プログラム。
  13. 前記所定の交信パターンは、メッセージの通信時点が、現在時点から所定の時間単位だけ遡った期間において集中しているという内容の一時集中パターンであり、
    グループにおけるメッセージ通信の時間間隔が、所定の下限値を下回っていて、尚且つ、メッセージの通信タイミングが、前記期間に集中している場合、グループに属するメッセージが、前記一時集中パターンをなすと判定する
    ことを特徴とする請求項１０又は１１に記載のワークフロー生成プログラム。
  14. 前記メッセージの取り込みは、所定のスキャン周期が到来する度になされ、
    前記選定ステップにより選定されなかったグループについては、前記所定のスキャン周期において、ワークフロー生成価値がないと判定された旨の判定履歴を付し、
    前記選定ステップにより選定されたグループについては、前記所定のスキャン周期においてワークフロー生成価値があると判定された旨の判定履歴を付す
    ことを特徴とする請求項１０～１３の何れかに記載のワークフロー生成プログラム。
  15. 前記グループ化ステップは更に、次のスキャン周期の到来により、新たに取り込まれた場合、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似しているか否かの判断を行い、類似している場合、新たに取り込まれた複数のメッセージを、これまでのスキャン周期の到来時に生成されたグループに加え、
    前記選定ステップは、前記ワークフロー生成価値がないと判定された旨の判定履歴が付され、尚且つ、前記新たなメッセージが加えられたグループを対象として、グループに属する複数メッセージの通信タイミングが、前記所定の交信パターンをなすかどうかの判定を行う
    ことを特徴とする請求項１４に記載のワークフロー生成プログラム。
  16. 前記グループ化ステップは更に、新たに取り込まれた複数のメッセージの文面が、これまでのスキャン周期の到来時にグループ化がなされた何れかのメッセージの文面と類似していない場合、新たに取り込まれた複数のメッセージからなる新たなグループを生成し、
    前記選定ステップは、前記新たに取り込まれたメッセージからなるグループを対象として、グループに属する複数メッセージの通信タイミングが、所定の交信パターンをなすかどうかの判定を行う
    ことを特徴とする請求項１５に記載のワークフロー生成プログラム。
  17. 前記変換ステップは、複数段のロングショートタームメモリを含む再帰型ニューラルネットワークを構築し、
    メッセージ文面を構成する個々の単語の単語ベクトルを、時系列に入力される入力語として前記複数段のロングショートタームメモリのそれぞれに格納し、
    複数段のロングショートタームメモリのうち、先頭段以外のものは、
    自身が格納した入力語と、前段からの出力とに、学習過程で得られた重み係数を乗じて合計するとのベクトル演算を実行し、
    複数段のロングショートタームメモリのうち最終段のもののベクトル演算の結果に従い、メッセージ文面の変換結果となる、１のタスクを選ぶ
    ことを特徴とする請求項１０に記載のワークフロー生成プログラム。
  18. 前記ワークフロー生成プログラムは、
    サンプルとなるメッセージ文面を表示して、表示にかかるメッセージ文面は、メッセージの発起者がなすべきタスクを含むか、メッセージの受け手がなすべきタスクを含むかの指定を管理者から受け付ける受付ステップと、
    発起者たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業報告の目的語を、学習語となるタスクとして抽出し、受け手たるユーザがなすべきタスクを含むと指定された場合、表示されたメッセージ文面において、作業依頼の目的語を、学習語となるタスクとして抽出する抽出ステップとを備え、
    前記学習過程において、前記複数のロングショートタームメモリのそれぞれのベクトル演算部に設定される重み係数は、抽出されたタスクの単語ベクトルを分類するための係数である
    ことを特徴とする請求項１７に記載のワークフロー生成プログラム。
  19. 複数端末のユーザー間通信のための複数のメッセージを取り込んで、取り込まれたメッセージに基づき、前記複数端末を操作する複数ユーザーによりなされる業務のワークフローを示すワークフローデータを生成するワークフロー生成方法であって、
    前記メッセージの文面が互いに類似する2以上のメッセージからなるグループを生成するグループ化ステップと、
    前記グループに属するメッセージの通信タイミングは、ワークフロー生成の価値が認められる際の所定の交信パターンをなすかどうかを判定して、前記所定の交信パターンをなす場合、当該グループを、ワークフローの生成対象として選定する選定ステップと、
    前記ワークフローの生成対象として選定されたグループに属する複数のメッセージの文面を、前記複数端末を操作するユーザーがなすべきタスクに変換する変換ステップと、
    前記変換により得られたタスクと、タスク間の流れとを表すワークフローデータを生成する生成ステップとを含む
    ことを特徴とするワークフロー生成方法。
JP2018228818A 2018-12-06 2018-12-06 ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法 Active JP7180341B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018228818A JP7180341B2 (ja) 2018-12-06 2018-12-06 ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018228818A JP7180341B2 (ja) 2018-12-06 2018-12-06 ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法

Publications (2)

Publication Number Publication Date
JP2020091686A JP2020091686A (ja) 2020-06-11
JP7180341B2 true JP7180341B2 (ja) 2022-11-30

Family

ID=71012905

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018228818A Active JP7180341B2 (ja) 2018-12-06 2018-12-06 ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法

Country Status (1)

Country Link
JP (1) JP7180341B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610504A (zh) * 2021-08-17 2021-11-05 平安资产管理有限责任公司 数据处理方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010049427A (ja) 2008-08-20 2010-03-04 Ricoh Co Ltd タスク管理システム
WO2011001989A1 (ja) 2009-06-29 2011-01-06 Tokuyama Masaaki ワークフロー処理プログラム、情報処理装置、及び、ワークフロー処理方法
JP2013536497A (ja) 2010-07-12 2013-09-19 ゼンデスク， インコーポレイテッド 自動化されたワークフロー管理の方法および装置
JP2014106775A (ja) 2012-11-28 2014-06-09 Fujitsu Ltd 受信メール表示プログラム、方法及び装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010049427A (ja) 2008-08-20 2010-03-04 Ricoh Co Ltd タスク管理システム
WO2011001989A1 (ja) 2009-06-29 2011-01-06 Tokuyama Masaaki ワークフロー処理プログラム、情報処理装置、及び、ワークフロー処理方法
JP2013536497A (ja) 2010-07-12 2013-09-19 ゼンデスク， インコーポレイテッド 自動化されたワークフロー管理の方法および装置
JP2014106775A (ja) 2012-11-28 2014-06-09 Fujitsu Ltd 受信メール表示プログラム、方法及び装置

Also Published As

Publication number Publication date
JP2020091686A (ja) 2020-06-11

Similar Documents

Publication Publication Date Title
Yoo et al. Mining social networks for personalized email prioritization
US20170199866A1 (en) Adaptive learning of actionable statements in natural language conversation
US11270316B2 (en) Systems, methods, and apparatuses for implementing automatic entry of customer relationship management (CRM) data into a CRM database system
CN104364781B (zh) 用于计算类别比例的系统和方法
JP2018026119A (ja) 分類システム、分類システムの制御方法、およびプログラム
US20230412537A1 (en) Cognitive determination of message suitability
JP7180341B2 (ja) ワークフロー生成システム、ワークフロー生成プログラム、ワークフロー生成方法
CN106294676A (zh) 一种电子商务政务系统的数据检索方法
CN110490547A (zh) 办公系统智能化技术
US9378418B2 (en) Methods and system for classifying, processing, and/or generating automatic responses to mail items
US20200356725A1 (en) System and method for automatically tagging customer messages using artificial intelligence models
JP7180342B2 (ja) ワークフローモデル生成システム、ワークフローモデル生成プログラム、ワークフローモデル生成方法。
Khare et al. E-Mail Assistant–Automation of E-Mail Handling and Management using Robotic Process Automation
Patidar et al. A novel technique of email classification for spam detection
Elleuch et al. Discovering business processes and activities from messaging systems: State-of-the art
US20210273900A1 (en) Methods and systems for processing electronic messages
CN114417010A (zh) 面向实时工作流的知识图谱构建方法、装置和存储介质
JP2003256627A (ja) ワークフローの抽出方法及び装置
JP2021033860A (ja) サーバおよびコンピュータプログラム
Narasimhan et al. Open-source Intelligence (OSINT) investigation in Facebook
Saha et al. A Natural Language Understanding Approach Toward Extraction of Specifications from Request for Proposals
JP6949341B1 (ja) プログラムコード自動生成装置及びプログラム
Mishra et al. Data Analysis using Robot Process Automation Study on Web Scraping using UI Path Studio
Boahene An automated email classification system for the Ashesi Support Center
KR102560244B1 (ko) 프로세스 자동화 시스템 및 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210915

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220715

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220928

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221018

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221031

R150 Certificate of patent or registration of utility model

Ref document number: 7180341

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150