JP7451157B2

JP7451157B2 - 情報処理装置、情報処理方法、及びプログラム

Info

Publication number: JP7451157B2
Application number: JP2019221265A
Authority: JP
Inventors: 修角田
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2019-12-06
Filing date: 2019-12-06
Publication date: 2024-03-18
Anticipated expiration: 2039-12-06
Also published as: JP2021092834A

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

ある対象文献に関連する関連文献を調査するためには、複数の文献が格納されたデータベースの中から対象文献に関連文献を検索する。対象文献に関連する文献を検索するために、検索の条件を規定する検索式を対象文献に応じて作成する必要がある。

特許文献１は、形式的には問題ない検索式ではあっても、検索業務を熟知しているユーザーであれば気づくような誤り等を含む検索式を修正する検索式提示システムが開示されている。

特開２０１８－４５５７５号公報

検索式が不適切である場合、関連文献として検索されるべき文献が検索結果から漏れる可能性があり、関連文献が含まれない検索結果の文献を調査することは時間の無駄になる。よって、検索結果の文献を調査する前に、関連文献として検索されるべき文献が検索結果に含まれる検索結果を得ることが可能な検索式であるかを評価することが望まれている。

特許文献１においては、検索項目と検索キーワードの関係を知識として有する知識データベースに基づき検索項目の誤りを修正する。しかし、特許文献１に記載の技術では、検索式により、関連文献として検索されるべき文献が含まれる検索結果を得ることができるかという観点では検索式を評価することはできない。

そこで、本発明は、関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる情報処理装置、情報処理方法、及びプログラムを提供することを目的とする。

上記課題を解決する本発明の一側面としての情報処理装置は、文献を検索するための検索式を評価する情報処理装置であって、関連する文献を検索できた検索式の特徴を示す情報を入力データ及び教師データとして含む学習データを用いた学習により取得された学習モデルに、評価対象の検索式の特徴を示す情報を第１データとして入力することにより前記学習モデルから出力された第２データを取得し、前記評価対象の検索式を評価するための評価データとして前記第１データと前記第２データが類似する度合いである類似度を取得する評価部を有する。

本発明によれば、関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる情報処理装置、情報処理方法、及びプログラムを提供することができる。

情報処理装置の構成を示す図である。情報処理装置における処理を示す図である。評価部における学習モデルを示す概略図である。学習部による学習処理を示すフローチャートである。評価部による評価処理を示すフローチャートである。表示装置により表示された画面を示す図である。複数の情報処理装置からなる構成を示す図である。

以下に、本発明の好ましい実施形態について図面を参照して詳細に説明する。各図において、同一の部材については、同一の参照番号を付し、重複する説明は省略する。

＜第１実施形態＞
本実施形態に係る情報処理装置について説明する。ここで、本実施形態では、特許出願に係る文献に関連する特許公報、特許公開公報等の先行技術文献を検索する場合の検索式の評価について説明するが、特許出願に係る文献に限られず、一般の文献の関連文献を検索する場合にも適用可能である。

図１は、情報処理装置１０の構成を示す図である。処理部１０１は、ＯＳ（ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍ）及び各種アプリケーションプログラムを実行する中央演算処理装置（ＣＰＵ）ある。また、処理部１０１は中央演算処理装置に限られず、マイクロプロセッシングユニット（ＭＰＵ）、グラフィクスプロセッシングユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、デジタルシグナルプロセッサ（ＤＳＰ）、データフロープロセッサ（ＤＦＰ）、またはニューラルプロセッシングユニット（ＮＰＵ）等のプロセッサ又は回路であってもよい。また、処理部１０１は、それらのプロセッサ又は回路のいずれかの組合せであってもよい。ＲＯＭ１０２は、処理部１０１が実行するプログラムや演算用のパラメータのうちの固定的なデータを格納するメモリである。ＲＡＭ１０３は、処理部１０１の作業領域やデータの一時記憶領域を提供するメモリである。入力部１０５はマウス、キーボードなどを含む入力装置、表示部１０６はＣＲＴや液晶ディスプレイなどの表示装置である。また、入力部１０５及び表示部１０６は、タッチパネル等の一体型の装置であってもよい。また、入力部１０５及び表示部１０６は、コンピュータとは別体の装置として構成されてもよい。記憶部１０４は、ハードディスク装置、ＣＤ、ＤＶＤ、メモリカード等の記憶装置であり、各種プログラムや各種データ等を記憶する。通信部１０７は、ネットワークに接続して通信を行う。通信部１０７は、例えばＬＡＮに接続してＴＣＰ／ＩＰ等の通信プロトコルによるデータ通信を行い、他の通信装置と相互に通信を行う場合に使用される。バス１０８は、処理部１０１、ＲＯＭ１０２、ＲＡＭ１０３、記憶部１０４、入力部１０５、表示部１０６、及び通信部１０７などの情報処理装置１０内の各部に接続して、各部間でデータ通信を行う場合に使用される。例えば、通信部１０７が、他の通信装置から受信したデータが、バス１０８を介して記憶部１０４に送信されて記憶される。

また、情報処理装置１０は、ワークステーション（ＷＳ）、パーソナルコンピュータ（ＰＣ）などの据置型のコンピュータでもよいし、ノートＰＣ、スマートフォンなどの携帯型のコンピュータであってもよい。

図２は、情報処理装置における処理を示す図である。処理部１０１は、学習部２０１、評価部２０２から構成される。学習部２０１は、記憶部１０４から取得した学習データ２１１を用いた学習により学習モデル２１３を取得する。

ここで、学習データ２１１は、入力データ２２１、及び教師データ２２２として、検索式の特徴を示す情報を含む。また、学習データ２１１は、入力データ２２１と教師データ２２２との複数の組み合わせを含む。また、学習データ２１１は、関連する文献が含まれた検索結果が得られた検索式に基づき取得される。つまり、学習データ２１１は、関連する文献が検索できた検索式の特徴を示す情報を含む。

次に、検索式の特徴を示す情報について説明する。検索式の特徴を示す情報は、検索式に含まれる検索項目の数を含むことができる。

ここで、検索項目について説明する。検索項目は検索式を構成する項目であり、検索式は１又は複数の検索項目を含む。また、検索式が複数の検索項目を含む場合は、検索式において、複数の検索項目が論理和、論理積、又は論理差等の符号で結合され、カッコを用いて検索項目を評価する順序を規定することができる。例えば、検索項目Ａ～Ｅとし、論理和を表す符号を＋、論理積を表す符号を＊、論理差を表す符号を＃、カッコを（）とすると、検索式Ｅｘｐは以下の式（１）のように表される。
Ｅｘｐ＝Ａ＊（Ｂ＋Ｃ）＊（Ｄ＋（Ｅ＃Ｆ））・・・（１）

式（１）における第１項によって、検索項目Ａに該当する文献が検索結果として出力される。また、式（１）における第２項によって、検索項目Ｂに該当する文献又は検索項目Ｃに該当する文献が検索結果として出力される。また、式（１）における第３項によって、検索項目Ｃに該当する文献又は検索項目Ｄに該当する文献から検索項目Ｅに該当する文献を除外した文献が出力される。そして、式（１）によって、第１項によって出力された文献、第２項によって出力された文献、及び第３項によって出力された文献のすべてに該当する文献が検索結果として出力される。よって、検索式に含まれる検索項目の数は、式（１）の場合には６となる。

また、検索式の特徴を示す情報は、検索式に含まれる、検索条件ごとの検索項目の数を含むことができる。ここで、検索項目の検索条件について説明する。各検索項目は、検索条件が定められる。検索条件には、文献における検索範囲が含まれる。例えば、特許文献の場合、検索条件には、全文、書式事項、請求の範囲、明細書などが含まれ、明細書においてキーワードとして指定された文字列が検索条件として定められた検索範囲に含まれる特許文献が検索結果として出力される。

また、検索条件には、文献を特定するための番号が含まれる。例えば、特許文献の場合、文献を特定するための番号には、出願番号、公開番号、登録番号などの番号が含まれ、キーワードとして指定された番号に該当する特許文献が検索結果として出力される。また、文献を特定するための番号には、複数の番号、番号の範囲、複数の番号の範囲、及びそれらの組み合わせも含まれることができる。

また、検索条件には、文献を分類するための分類コードが含まれる。例えば、特許文献の場合、ＩＰＣ、ＦＩ、Ｆタームなどの特許分類が含まれ、キーワードとして指定された特許分類に該当する特許文献が検索結果として出力される。また、文献を分類するための分類コードには、複数の分類コード、分類コードの範囲、複数の分類コードの範囲、及びそれらの組み合わせも含まれることができる。

また、検索条件には、文献に関する日時が含まれる。例えば、特許文献の場合、文献に関する日時には、出願日、公開日、登録日などの日時が含まれ、キーワードとして指定された日時に該当する特許文献が検索結果として出力される。また、文献に関する日時には、複数の日時、日時の範囲、複数の日時の範囲、及びそれらの組み合わせも含まれることができる。

また、検索条件には、文献に関する名称が含まれる。例えば、特許文献の場合、出願人名、発明者名、代理人名などが含まれ、キーワードとして指定された名称に該当する特許文献が検索結果として出力される。また、文献に関する名称には、複数の名称も含まれることができる。また、上述した検索条件は、一例であり上述した検索条件に限られるものではない。

例えば、式（１）において、検索項目Ａの検索条件が文献における検索範囲であり、検索項目Ｂ及びＣの検索条件が文献を特定するための番号であり、検索項目Ｄ、Ｅ、及びＦの検索条件が文献を分類するための分類コードであるとする。その場合、検索条件が文献における検索範囲である検索項目の数は１であり、検索条件が文献を特定するための番号である検索項目の数は２であり、検索条件が文献を分類するための分類コードである検索項目の数は３である。

また、検索式の特徴を示す情報は、検索式の階層ごとの検索項目の数を含むことができる。ここで、検索式の階層について説明する。上述の通り、検索式にはカッコを含むことができ、カッコによって検索式に含まれる検索項目の階層を定めることができる。例えば、式（１）の場合、検索項目Ａは第１階層、検索項目Ｂ、Ｃ、及びＤは第２階層、検索項目Ｅ、及びＦは第３階層の検索項目となり、第１階層の検索項目の数は１、第２階層の検索項目の数は３、第３階層の検索項目の数は２となる。

さらに、検索式の特徴を示す情報は、検索条件ごと、及び検索式の階層ごと検索項目の数を含むことができる。例えば、検索式の特徴を示す情報は、検索条件が文献における検索範囲であり階層が第１階層である検索項目の数を含むことができる。これにより、検索式の特徴を示す情報のデータ量は増加するが、検索式の特徴を示す情報はより詳細に検索式の特徴を表現することができる。

また、検索式の特徴を示す情報は、検索式に含まれる符号の数を含むことができる。検索式に含まれる符号の数は、式（１）の場合、論理和を表す符号の数は２、論理積を表す符号の数は２、論理差を表す符号の数は１となる。

また、検索式の特徴を示す情報は、検索条件ごとの検索項目に含まれる符号の数を含むことができる。ここで、検索項目に含まれる符号について説明する。上述の通り、１つの検索項目に対して複数のキーワードを指定することができる。また、検索項目に対して複数のキーワードが指定される場合、それぞれのキーワードを論理和、論理積又は論理差などの符号で結合することができる。

例えば、検索項目Ａに含まれるキーワードをａ１～ａ３、検索項目Ｂに含まれるキーワードをｂ１～ｂ４、検索項目Ｃに含まれるキーワードをｃ１、ｃ２とすると、検索項目Ａ、Ｂ、及びＣは、それぞれ以下の式（２）、（３）、及び（４）のように表される。
Ａ＝ａ１＋ａ２＋ａ３・・・（２）
Ｂ＝ｂ１＊ｂ２＊ｂ３＊ｂ４・・・（３）
Ｃ＝ｃ１＃ｃ２・・・（４）

式（２）において、検索項目Ａは、ａ１、ａ２、及びａ３のいずれかに関して検索条件を満たす場合に真となる。また、式（３）において、検索項目Ｂは、ｂ１、ｂ２、ｂ３、及びｂ４のすべてに関して検索条件を満たす場合に真となる。また、式（４）において、検索項目Ｃは、ｃ１に関して検索条件を満たし、ｃ２に関して検索条件を満たさない場合に真となる。例えば、検索項目Ａの検索条件が文献における検索範囲である場合、検索条件が文献における検索範囲である検索項目に含まれる論理和の数は３である。また、例えば、検索項目Ｂ、及びＣの検索条件が文献を特定するための番号である場合、検索条件が文献を特定するための番号である検索項目に含まれる論理積の数は４であり、論理差の数は１である。また、検索項目に含まれる符号は、複数のキーワードが予め定められた文字数内に存在する場合に真となるような近傍検索のための符号であってもよい。

また、検索式の特徴を示す情報は、検索式の階層ごとの符号の数を含むことができる。式（１）における第１階層の場合、論理和を表す符号の数は０、論理積を表す符号の数は２、論理差を表す符号の数は０となる。また、式（１）における第２階層の場合、論理和を表す符号の数は２、論理積を表す符号の数は０、論理差を表す符号の数は０となる。式（１）における第３階層の場合、論理和を表す符号の数は０、論理積を表す符号の数は０、論理差を表す符号の数は１となる。

さらに、検索式の特徴を示す情報は、検索条件ごと、及び検索式の階層ごと符号の数を含むことができる。例えば、検索式の特徴を示す情報は、検索条件が文献における検索範囲であり階層が第１階層である符号の数を含むことができる。これにより、検索式の特徴を示す情報に含まれる項目の数は増加するが、検索式の特徴を示す情報はより詳細に検索式の特徴を表現することができる。

ここで、上述したような検索式の特徴を示す情報を適切にすることにより、検索結果に関連文献が含まれる可能性は高くなる。例えば、論理積を表す符号で結合された検索項目の数が多すぎると検索範囲が狭くなり、検索結果に関連文献が含まれる可能性が低くなるので、論理積を表す符号で結合された検索項目の数を適切にする必要がある。また、論理和を表す符号で結合された検索項目の数が少なすぎると検索範囲が狭くなり、検索結果に関連する文献が含まれる可能性が低くなるので、論理和を表す符号で結合された検索項目の数を適切にする必要がある。また、検索条件ごと、階層ごとの検索項目の数も検索結果に影響がある。また、検索条件ごと、階層ごとの符号の数も検索結果に関連文献が含まれる可能性に影響がある。よって、検索式の特徴を示す情報は、検索結果に関連文献が含まれるかということと相関関係を有する。

また、学習モデル２１３は、ニューラルネットワークにより構成されることができる。図３は、評価部２０２における学習モデル２１３を示す図である。ここで、ニューラルネットワークとは、入力層、中間層、出力層といった多層のネットワーク構造を有するモデルである。入力データと教師データとの関係を示す学習データを用いて、誤差逆伝播法等のアルゴリズムでニューラルネットワーク内部の結合重み付け係数等が最適化されることにより、学習モデル２１３を取得することができる。誤差逆伝播法は、出力データと教師データとの誤差が小さくなるように、各ニューラルネットワークのノード間の結合重み付け係数等を調整する手法である。

また、本実施形態では機械学習の一手法であるオートエンコーダを用いて、検索式を評価するための評価データを求める。オートエンコーダでは、ニューラルネットワークの入力層と出力層を同じ構造とし、検索式の特徴を示す情報を入力すると、検索式の特徴を示す情報が出力される構造とする。また、学習データ２１１として、関連する文献が含まれた検索結果が得られた検索式に基づき取得された検索式の特徴を示す情報を学習データ２１１の入力データ２２１、及び教師データ２２２として用いる。つまり、適正な検索式の特徴を示す情報を学習データ２１１の入力データ２２１、及び教師データ２２２として用いる。このような学習データ２１１を用いた学習により取得された学習モデル２１３に、適正な検索式の特徴を示す情報を入力データ２２１として入力すると、入力データ２２１と同様の情報を出力データ２１４として出力する。一方、学習モデル２１３に、適正でない検索式の特徴を示す情報を入力データ２２１として入力すると、入力データ２２１と異なる情報を出力データ２１４として出力する。このような特性を利用して、入力データ２２１と出力データ２１４を比較することにより、入力された入力データ２２１を取得した検索式を評価することができる。

また、学習データ２１１は、関連する文献が含まれた検索結果が得られ、かつ検索結果に含まれる文献の数が適正であった検索式に基づき取得されるとよい。このような学習データ２１１を用いることにより、検索式により検索される検索結果に含まれる文献の数が適正であるかという観点でも検索式を評価することができる。検索結果に含まれる文献の数が多い方が、検索結果に関連文献が含まれる可能性は高くなるが、検索結果に含まれる文献を調査する時間を考慮すると、検索結果に含まれる文献の数は少ない方が望ましい。この場合、検索結果に含まれる文献の数は適正な数として閾値が予め定められ、検索結果に含まれる文献の数がかかる閾値より少ない検索結果が得られた検索式の特徴を示す情報を学習データとして含める。つまり、学習データ２１１には、関連する文献が検索結果に含まれ、かつ予め定められた閾値より少ない数の文献が含まれた検索結果が得られた検索式の特徴を示す情報を含むとよい。

次に、学習部２０１による学習処理について説明する。図４は、学習部２０１による学習処理を示すフローチャートである。Ｓ４０１において、学習部２０１は、記憶部１０４から学習データ２１１を取得する。ここで、学習部２０１は、ＲＡＭ１０３や外部の記憶装置に保存された学習データ２１１を取得してもよい。

Ｓ４０２において、学習部２０１は、学習により学習モデル２１３を取得する。例えば、学習モデル２１３がニューラルネットワークにより構成される場合、学習部２０１は、誤差検出部（不図示）と、更新部（不図示）と、を備えてもよい。誤差検出部は、入力層に入力される入力データ２１２に応じてニューラルネットワークの出力層から出力される出力データ２１４と、教師データとの誤差を得る。誤差検出部は、損失関数を用いて、ニューラルネットワークからの出力データ２１４と教師データとの誤差を計算するようにしてもよい。更新部は、誤差検出部で得られた誤差に基づいて、その誤差が小さくなるように、ニューラルネットワークのノード間の結合重み付け係数等を更新する。この更新部は、例えば、誤差逆伝播法を用いて、結合重み付け係数等を更新する。

Ｓ４０３において、学習部２０１は、Ｓ４０２で取得した学習モデル２１３を評価部２０２に出力する。ここで、学習部２０１は、学習モデル２１３を記憶部１０４に保存し、評価部２０２は保存された学習モデル２１３を取得してもよい。また、学習モデル２１３はＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよい。

次に、評価部２０２による評価処理について説明する。図５は、評価部２０２による評価処理を示すフローチャートである。Ｓ５０１において、評価部２０２は、記憶部１０４から入力データ２１２を取得する。ここで、評価部２０２は、ＲＡＭ１０３や外部の記憶部１０４に保存された入力データ２１２を取得してもよい。また、評価部２０２は、入力部１０５を介して入力された入力データ２１２を取得してもよい。

ここで、入力データ２１２は、評価対象となる検索式（第２の検索式）の特徴を示す情報を含む。詳細については、学習データ２１１に含まれる入力データ２２１と同様である。

Ｓ５０２において、評価部２０２は、学習部２０１から学習モデル２１３を取得する。ここで、評価部２０２は、ＲＡＭ１０３や外部の記憶装置に保存された学習モデル２１３を取得してもよい。

Ｓ５０３において、評価部２０２は、Ｓ５０１で取得した入力データ２１２を、Ｓ５０２で取得した学習モデル２１３に入力して、学習モデル２１３から出力される出力データ２１４を取得する。そして、評価部２０２は、入力データ２１２、及び出力データ２１４に基づき評価データ２１５を取得する。

ここで、評価データ２１５を取得する方法について説明する。学習モデル２１３に入力される入力データ２１２の複数の要素をＩＤ_ｉとする。また、学習モデル２１３から出力される出力データ２１４の複数の要素をＯＤ_ｉとする。ここで、ｉは自然数（ｉ＝１、２、３、．．．、ｎ）であり、入力データ２１２、及び出力データ２１４の要素数を表す。ＩＤ_ｉ、及びＯＤ_ｉは、検索式の特徴を示す情報に含まれる個別のデータに相当する。例えば、ＩＤ_１、及びＯＤ_１は検索式に含まれる検索項目の数とし、ＩＤ_２、ＯＤ_２は、検索条件が文献における検索範囲である検索項目の数とし、ＩＤ_３、ＯＤ_３は、検索条件が文献を特定するための番号である検索項目の数とすることができる。さらに、評価データ２１５をＥＤとし、複数の評価データ２１５のそれぞれをＥＤ_ｉとする。

例えば、ＥＤ_ｉとＥＤは、以下の式（４）、（５）のように表すことができる。
ＥＤ_ｉ＝ＩＤ_ｉ－ＯＤ_ｉ・・・（４）

ＥＤは、ｎ次元ユークリッド空間における２点のユークリッド距離を表している。よって、ＥＤが小さくなるほど入力データ２１２と出力データ２１４が類似する度合い（類似度）が大きくなるので検索式の評価は高くなり、ＥＤが大きくなるほど入力データ２１２と出力データ２１４との類似度が小さくなるので検索式の評価は低くなる。また、ＥＤは、ユークリッド距離に限られず、マハラノビス距離など２つのベクトルで表される２点の距離やコサイン類似度など２つのベクトルの類似度を示す指標により表わされてもよい。また、ＥＤ_ｉは正規化された値としてもよい。

Ｓ５０４において、評価部２０２は、Ｓ５０３で取得した評価データ２１５を表示部１０６に出力する。ここで、評価部２０２は、評価データ２１５を記憶部１０４に保存し、表示部１０６は保存された評価データ２１５を表示してもよい。また、評価データ２１５はＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよい。

表示部１０６は、評価部２０２により出力された評価データ２１５を画面に表示する。図６は、表示装置により表示された画面を示す図である。画面６００には、検索式を表示する領域６１０、検索式の特徴を示す情報を表示する領域６２０が表示される。領域６１０には、領域６１１、領域６１２、領域６１３が表示される。領域６１１には、検索項目ごとの検索条件が表示される。また、領域６１２には、検索項目ごとのキーワード、及び符号が表示される。また、領域６１３には、式（１）のような検索式が表示される。また、図６の例では、検索項目Ａ～Ｄに対応する領域６１１、及び６２１が４つずつ表示されているが、領域６１１、及び６２１の数については図６の例に限られない。

また、領域６２０には、領域６２１、領域６２２、及び領域６２３が表示される。領域６２１には、検索式の特徴を示す情報に含まれる個別の項目を示す情報が表示される。例えば、領域６２１には、検索式に含まれる検索項目の数を示す情報や、検索条件が文献における検索範囲である検索項目の数を示す情報が表示される。

また、領域６２２には、検索式の特徴を示す情報に含まれる個別の項目について入力データ２１２と出力データ２１４を比較したデータを示す情報が表示される。例えば、領域６２２には、式（４）で表されるＥＤ_ｉが表示される。また、領域６２２に表示されるデータが予め定められた閾値を超えた検索式の特徴を示す情報の項目が目立つように、領域６２１、及び領域６２２の少なくとも一方に表示される文字の色やフォントなどを変更してもよい。

また、領域６２３には、評価データ２１５が表示される。例えば、領域６２３には、式（５）で表されるＥＤが表示される。また、領域６２３に表示される評価データ２１５が予め定められた閾値を超えた場合に、評価データ２１５が目立つように領域６２３に表示される文字の色やフォントなどを変更してもよい。

また、画面６００の領域６１０において、ユーザーが検索式に関する情報を入力することを可能とし、Ｓ５０１において、評価部２０２は、画面６００の領域６１０に入力された検索式に関する情報に基づき、入力データ２１２を取得してもよい。

以上、本実施形態の情報処理装置によれば、学習により取得された学習モデルを用いて検索式に関する評価データを取得することができるので、関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる。

＜第２実施形態＞
次に、第２実施形態に係る情報処理装置について説明する。なお、ここで言及しない事項は、第１実施形態に従いうる。本実施形態では、検索式の特徴を示す情報に加えて、それ以外の情報を、学習部２０１の学習処理に用いられる学習データ２１１に含まれる入力データ２２１及び教師データ２２２として用いる。また、同様に検索式の特徴を示す情報に加えて、それ以外の情報を、評価部２０２における評価処理に用いられる入力データ２１２及び出力データ２１４として用いる。

入力データ２２１及び教師データ２２２には、検索条件が文献における検索範囲である検索項目で指定された、対象文献に含まれないキーワードの数が含まれることができる。一般に、対象文献に含まれるキーワードのみを用いて検索した場合、類義語を含む関連文献が検索結果に含まれない可能性がある。よって、対象文献に含まれないキーワードの数は、検索結果に関連文献が含まれるかということと相関関係を有する。また、入力データ２１２及び出力データ２１４にも同様に、検索条件が文献における検索範囲である検索項目で指定された、対象文献に含まれないキーワードの数が含まれることができる。

入力データ２２１及び教師データ２２２には、検索条件が文献を分類するための分類コードである検索項目で指定された、対象文献を分類するための分類コードに含まれないキーワードの数が含まれることができる。一般に、対象文献を分類するための分類コードに含まれるキーワードのみを用いて検索した場合、他の分類コードに分類された関連文献が検索結果に含まれない可能性がある。よって、対象文献を分類するための分類コードに含まれないキーワードの数は、検索結果に関連文献が含まれるかということと相関関係を有する。また、入力データ２１２及び出力データ２１４にも同様に、文献を分類するための分類コードである検索項目で指定された、対象文献を分類するための分類コードに含まれないキーワードの数が含まれることができる。

以上、本実施形態の情報処理装置によれば、学習により取得された学習モデルを用いて検索式に関する評価データを取得することができるので、関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる。また、検索式の特徴を示す情報に加えて、それ以外の情報を学習データ２１１等として用いるので、より精度よく関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる。

＜第３実施形態＞
次に、第３実施形態に係る情報処理装置について説明する。なお、ここで言及しない事項は、第１実施形態、及び第２実施形態に従いうる。本実施形態では、異なる情報処理装置において学習部２０１による学習処理と評価部２０２による評価処理が行われる形態について説明する。本実施形態では、例えば、より高い処理能力が必要な学習処理を据置型のコンピュータで行い、学習処理ほど高い処理能力が必要でない評価処理を携帯型のコンピュータで行うといった形態を実現できる。

図７は、複数の情報処理装置からなる構成を示す図である。本実施形態に係る情報処理装置は、第１情報処理装置７１と第２情報処理装置７２を含む。第１情報処理装置７１と第２情報処理装置７２は、第１実施形態で説明した情報処理装置１０と同様の構成からなる情報処理装置である。また、第１情報処理装置７１と第２情報処理装置７２は、ＬＡＮなどのネットワークに接続して、互いの通信部１０７（図７では不図示）を介してデータの送受信を行うことができる。また、ネットワークは有線によって第１情報処理装置７１と第２情報処理装置７２を接続するだけでなく、無線ＬＡＮなどにより無線で第１情報処理装置７１と第２情報処理装置７２を接続してもよい。

第１情報処理装置７１における処理部１０１は、学習部２０１から構成される。また、第２情報処理装置７２における処理部１０１は、評価部２０２から構成される。第１情報処理装置７１における処理部１０１は、学習部２０１により学習処理を行い、取得された学習モデル２１３に関する情報を第２情報処理装置７２に送信する。ここで、学習モデル２１３に関する情報には、例えば、ニューラルネットワークの構造を定めるパラメータとして、各層のノードの数、中間層の数、ノード間の結合重み付け係数などのデータを含む。

第２情報処理装置７２における処理部１０１は、評価部２０２により評価処理を行い、評価データ２１５を出力して、記憶部１０４に保存される。また、評価データ２１５は、ＲＡＭ１０３や通信部１０７を介して外部の記憶装置に保存されてもよく、表示部１０６により画面に表示されてもよい。

以上、本実施形態の情報処理装置によれば、学習により取得された学習モデルを用いて検索式に関する評価データを取得することができるので、関連文献として検索されるべき文献が含まれる検索結果が得られる検索式であるか評価することができる。また、本実施形態の情報処理装置によれば、より高い処理能力が必要な学習処理を据置型のコンピュータで行い、学習処理ほど高い処理能力が必要でない評価処理を携帯型のコンピュータで行うといった形態を実現できる。

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワークまたは記憶媒体を介してシステムまたは装置に供給し、そのシステムまたは装置のコンピュータがプログラムを読出し実行する処理でも実現可能である。コンピュータは、１または複数のプロセッサまたは回路を有し、コンピュータ実行可能命令を読み出し実行するために、分離した複数のコンピュータまたは分離した複数のプロセッサまたは回路のネットワークを含みうる。

また、第１実施形態乃至第３実施形態は、単独で実施するだけでなく、第１実施形態乃至第３実施形態のいかなる組合せでも実施することができる。

Claims

文献を検索するための検索式を評価する情報処理装置であって、
関連する文献を検索できた検索式の特徴を示す情報を入力データ及び教師データとして含む学習データを用いた学習により取得された学習モデルに、評価対象の検索式の特徴を示す情報を第１データとして入力することにより前記学習モデルから出力された第２データを取得し、前記評価対象の検索式を評価するための評価データとして前記第１データと前記第２データが類似する度合いである類似度を取得する評価部を有する
ことを特徴とする情報処理装置。
前記学習データを用いた学習により前記学習モデルを取得する学習部を有することを特徴とする、請求項１に記載の情報処理装置。
前記検索式の特徴を示す情報は、前記検索式に含まれる検索項目の数を含むことを特徴とする、請求項１又は２に記載の情報処理装置。
前記検索項目の数は、前記検索項目の検索条件ごとの検索項目の数を含むことを特徴とする、請求項３に記載の情報処理装置。
前記検索条件は、文献における検索範囲、文献を特定するための番号、文献を分類するための分類コード、文献に関する日時、文献に関する名称の少なくとも１つを含むことを特徴とする、請求項４に記載の情報処理装置。
前記検索項目の数は、前記検索式の階層ごとの検索項目の数を含むことを特徴とする、請求項３乃至５のいずれか１項に記載の情報処理装置。
前記検索式の特徴を示す情報は、前記検索式に含まれる符号の数を含むことを特徴とする、請求項１乃至６のいずれか１項に記載の情報処理装置。
前記検索式の特徴を示す情報は、前記検索式に含まれる検索項目の検索条件ごとの符号の数を含むことを特徴とする、請求項７に記載の情報処理装置。
前記検索式の特徴を示す情報は、前記検索式の階層ごとの符号の数を含むことを特徴とする、請求項７又は８に記載の情報処理装置。
前記学習データは、前記検索式の検索条件が文献における検索範囲である検索項目で指定された前記文献に含まれないキーワードの数、前記検索条件が前記文献を分類するための分類コードである検索項目で指定された前記文献を分類するための分類コードに含まれないキーワードの数のうち少なくとも１つを含むことを特徴とする、請求項１乃至９のいずれか１項に記載の情報処理装置。
前記評価対象の検索式の特徴を示す情報は、前記評価対象の検索式に含まれる検索項目の数を含むことを特徴とする、請求項１乃至１０のいずれか１項に記載の情報処理装置。
前記検索項目の数は、前記検索項目の検索条件ごとの検索項目の数を含むことを特徴とする、請求項１１に記載の情報処理装置。
前記検索条件は、文献における検索範囲、文献を特定するための番号、文献を分類するための分類コード、文献に関する日時、文献に関する名称の少なくとも１つを含むことを特徴とする、請求項１２に記載の情報処理装置。
前記検索項目の数は、前記評価対象の検索式の階層ごとの検索項目の数を含むことを特徴とする、請求項１１乃至１３のいずれか１項に記載の情報処理装置。
前記評価対象の検索式の特徴を示す情報は、前記評価対象の検索式に含まれる符号の数を含むことを特徴とする、請求項１乃至１４のいずれか１項に記載の情報処理装置。
前記評価対象の検索式の特徴を示す情報は、前記評価対象の検索式に含まれる検索項目の検索条件ごとの符号の数を含むことを特徴とする、請求項１５に記載の情報処理装置。
前記評価対象の検索式の特徴を示す情報は、前記評価対象の検索式の階層ごとの符号の数を含むことを特徴とする、請求項１５又は１６に記載の情報処理装置。
前記第１データ及び前記第２データは、前記検索式の検索条件が文献における検索範囲である検索項目で指定された前記文献に含まれないキーワードの数、前記検索条件が前記文献を分類するための分類コードである検索項目で指定された前記文献を分類するための分類コードに含まれないキーワードの数のうち少なくとも１つを含むことを特徴とする、請求項１乃至１７のいずれか１項に記載の情報処理装置。
情報処理装置が実行する、文献を検索するための検索式を評価する情報処理方法であって、
関連する文献を検索できた検索式の特徴を示す情報を入力データ及び教師データとして含む学習データを用いた学習により取得された学習モデルに、評価対象の検索式の特徴を示す情報を第１データとして入力することにより前記学習モデルから出力された第２データを取得し、前記評価対象の検索式を評価するための評価データとして前記第１データと前記第２データが類似する度合いである類似度を取得する評価工程を有する
ことを特徴とする情報処理方法。
文献を検索するための検索式を評価する情報処理方法をコンピュータに実行させるプログラムであって、
関連する文献を検索できた検索式の特徴を示す情報を入力データ及び教師データとして含む学習データを用いた学習により取得された学習モデルに、評価対象の検索式の特徴を示す情報を第１データとして入力することにより前記学習モデルから出力された第２データを取得し、前記評価対象の検索式を評価するための評価データとして前記第１データと前記第２データが類似する度合いである類似度を取得する評価工程を有する
ことを特徴とする情報処理方法をコンピュータに実行させるプログラム。