JP7843640B2

JP7843640B2 - レビュアー検索システム

Info

Publication number: JP7843640B2
Application number: JP2022077614A
Authority: JP
Inventors: 直樹藤本; 聡岩渕
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2022-05-10
Filing date: 2022-05-10
Publication date: 2026-04-10
Anticipated expiration: 2042-05-10
Also published as: JP2023166815A

Description

本開示は、レビュアー検索要求に応答してレビュアー候補適正度情報を得るレビュアー検索システム及びレビュアー検索方法に関する。

作成された文書の品質を保証するための手法として、文書の作成者以外の人物が、レビュアーとなり、レビュアーによる文書をレビューする方法が広く用いられている。なお、「レビュー」は「作成された文書の内容について適切性、妥当性、有効性、および関連文書との一貫性を確認する活動」を意味する。また、「レビュアー」は、「レビューを実施する人物」を意味する。

技術書などのある分野の専門的な事柄について記述された文書をレビューする場合、記述対象となっている特定の分野に対する専門知識を持った人物がレビュアーでないと文書の内容について品質の保証という効果が十分に得ることができない技術背景がある。

このような技術背景の下、従来のレビュアー検索システムは、知識分野を判断基準としてレビュアーを自動的にランク付けすることが一般的であった。このようなレビュアー検索システムとして、例えば、特許文献１が開示された個人検索システムがある。

特許第５２６６９７５号公報

特許文献１で開示された従来のレビュアー検索システムでは、各レビュアー候補の過去のレビュー作業に関するデータを用いて作業量を集計し、レビュー対象文書の知識分野と同一知識分野のレビュー経験を指標値としている。この指標値に基づき各レビュアー候補を定量的に評価し、レビュー対象文書をレビューすることに適切な人物を上位にランク付けした検索を行っている。

しかしながら、レビュー対象文書のレビューを行って検出されるレビュー検出種別として、例えば、「文書に含まれる間違い」や「必要な内容の記載不足」などがある。「文書に含まれる間違い」には、誤記、技術用語の誤使用等が含まれ、「必要な内容の記載不足」には、技術的事項の説明不足等が含まれる。

このように、レビュー検出種別には、誤記等の知識分野との関連性が低い要因が含まれる。以下、知識分野との関連性が低いレビュー検出種別を特に「文書傾向検出種別」と称する場合がある。

このように、レビュー検出種別には、文書の作成者の特性により発生しやすいもの／発生しにくいものがあり、文書傾向検出種別は文書の作成者の特性により発生しやすい検出種別となる。

一方、従来のレビュアー検索システムでは、レビュアー候補の知識分野のレビュー経験を指標値としているため、文書作成者の特性による文書品質の傾向を考慮したレビュアーの検索を行うことができないという問題点があった。

本開示は上記問題点を解決するためになされたもので、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の検索が行えるレビュアー検索システムを得ることを目的とする。

本開示に係るレビュアー検索システムは、レビュアー検索要求に応答してレビュアー候補適正度情報を得るレビュアー検索システムであって、過去に作成された複数の文書を示す複数の文書データと、各々が複数の文書のいずれかをレビューした事実を示す複数のレビューデータとを含む検索用データ群を格納するデータベースと、前記レビュアー検索要求に応答して、前記データベースにアクセスして前記検索用データ群を用いたデータベース検索処理を実行して前記レビュアー候補適正度情報を得るレビュアー検索処理部とを備え、前記検索用データ群において、前記複数の文書データそれぞれに文書、文書の作成者、文書に関連する知識分野、及びレビュー時に検出されたレビュー検出種別が特定されており、前記複数のレビューデータそれぞれにレビュー対象文書、レビュー担当者及びレビュー時に検出したレビュー検出種別が特定されており、前記レビュアー検索要求は、レビュー対象文書の作成者であるレビュー対象文書作成者を少なくとも示し、前記レビュアー検索処理部は、前記レビュアー検索要求に基づき、前記検索用データ群を用いた文書傾向適正度算出処理を実行することにより、レビュアー候補と前記レビュー対象文書作成者との文書傾向適性度を示す前記レビュアー候補適正度情報を得る文書傾向適正度算出部を含み、前記文書傾向適正度算出処理は、(a) 前記レビュー対象文書作成者が過去に作成した文書において、レビュー時に検出されたレビュー検出種別を示す作成者文書傾向情報を得るステップと、(b) 前記レビュアー候補が過去にレビューした文書において、レビュー時に検出したレビュー検出種別を示すレビュアー文書傾向情報を得るステップと、(c) 前記レビュアー候補において、前記レビュアー文書傾向情報と前記作成者文書傾向情報とのレビュー検出種別の一致度合を反映した前記文書傾向適性度を算出し、前記レビュアー候補の前記文書傾向適性度を示す前記レビュアー候補適正度情報を得るステップとを含み、前記データベース検索処理は前記文書傾向適正度算出処理を含む。

本開示のレビュアー検索システムにおいて、文書傾向適正度算出部は文書傾向適正度算出処理を実行して、文書傾向適性度を示すレビュアー候補適正度情報を得ている。

レビュアー候補適正度情報が示す文書傾向適性度は、レビュアー文書傾向情報と作成者文書傾向情報とのレビュー検出種別の一致度合を反映した値であるため、レビュー対象文書作成者の文書傾向との合致度合が高いレビュアー候補の文書傾向適性度は比較的高い値を有する。

その結果、本開示のレビュアー検索システムは、レビュアー候補適正度情報に基づくことにより、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の検索を行うことができる。

本実施の形態のレビュアー検索システムであるサーバーを含むレビュー支援システムの構成例を模式的に示す説明図である。レビュアー検索システムであるサーバーの内部構成を模式的に示す説明図である。サーバーの主要部のデータ授受関係を模式的に示す説明図である。サーバー内のレビュアー検索処理部が主として実行するデータベース検索処理の処理手順を示すフローチャートである。図４で示した知識分野経験度算出処理の詳細を示すフローチャートである。図４で示した文書傾向適正度算出処理の詳細を示すフローチャートである。図４で示した推薦度算出処理の詳細を示すフローチャートである。ユーザデータ群の格納例を表形式で示す説明図である。レビューデータ群の格納例を表形式で示す説明図である。文書データ群の格納例を表形式で示す説明図である。コメントデータ群の格納例を表形式で示す説明図である。サーバー内の主要構成部に対応する処理回路の構成を示すブロック図である。サーバー内の主要構成部に対応する処理回路の別の構成例を示すブロック図である。

＜実施の形態＞
図１は本開示における実施の形態のレビュアー検索システムであるサーバー１０を含むレビュー支援システムの構成例を模式的に示す説明図である。

図１において、サーバー１０はレビュアー検索システムとして機能し、ＰＣ(Personal Computer)等を用いて構成される。サーバー１０にはネットワーク１１を介して複数のクライアント２ｉ（ｉ＝１～ｎ（＞１））が接続されている。図１では、クライアント２ｉとして２つのクライアント２１及び２２が図示されている。

ネットワーク１１は、サーバー１０、クライアント２１及びクライアント２２を接続しており、ＨＴＴＰ(Hypertext Transfer Protocol)等のネットワークプロトコルで通信を行うことができる。

サーバー１０はネットワーク１１を介してＨＴＴＰリクエストを受信することにより、内部のデータベース５にアクセスしてデータベース検索処理を実行し、内部で得られたレビュアー検索結果をＨＴＴＰレスポンスとして応答する。このＨＴＴＰレスポンスが外部出力情報となる。

クライアント２ｉは、Internet Explorer（登録商標）、Microsoft Edge（登録商標）、Google Chrome（登録商標）、Mozilla Firefox（登録商標）及びSafari(登録商標)等のブラウザソフトウェアを利用して、ネットワーク１１を介してサーバー１０へＨＴＴＰリクエストを送信し、ネットワーク１１を介してサーバー１０から送信されたＨＴＴＰレスポンスを受信する。

図１で示すレビュー支援システムの利用者はクライアント２ｉを使い、ブラウザを介してサーバー１０に対しレビュアー検索要求Ｄ０を含むＨＴＴＰリクエストを送り、外部出力情報であるＨＴＴＰレスポンスからレビュアー検索結果を取得することができる。

図２は、図１で示したサーバー１０の内部構成を模式的に示す説明図である。図３はサーバー１０の主要部のデータ授受関係を模式的に示す説明図である。

図２に示すように、サーバー１０は、オペレーティングシステム１、通信処理部２、データベースマネジメントシステム３、レビュアー検索処理部４、データベース５及びネットワークインターフェース６を主要構成要素として含んでいる。

オペレーティングシステム１はネットワークインターフェース６を介して、サーバー１０に接続されているネットワーク１１とデータの送受信を行うことができる。通信処理部２は送信指示を受けたデータに対してネットワークプロトコルに関するデータを付加してオペレーティングシステム１にネットワーク１１への送信指示を行う。なお、ネットワークプロトコルとして例えば、ＴＣＰ／ＩＰ、Ethernet（登録商標）等が考えられる。

また、通信処理部２は、オペレーティングシステム１から受け取ったデータに対して、ネットワークプロトコルに関するデータを分離して、ネットワークプロトコルに関するデータをネットワークメタデータとし、上記ネットワークプロメタデータを取り除いた残りのデータをペイロードデータとする。その結果、通信処理部２とレビュアー検索処理部４との間でペイロードデータの授受が行うことができる。

このように、オペレーティングシステム１、通信処理部２及びネットワークインターフェース６を含む外部入力部は、外部からのペイロードデータとしてレビュアー検索要求Ｄ０を受け、レビュアー検索処理部４にレビュアー検索要求Ｄ０を付与している。

レビュアー検索要求Ｄ０には、レビュー対象文書の作成者を示すレビュー対象文書作成者とレビュー対象文書に関連する知識分野を示すレビュー対象知識分野とレビュアー候補の最大検索数ＸＳが含まれる。

データベース５は、検索用データ群ＤＢ１～ＤＢ４を格納しており、検索用データ群ＤＢ１～ＤＢ４にはユーザデータ群ＤＢ１、レビューデータ群ＤＢ２、文書データ群ＤＢ３及びコメントデータ群ＤＢ４が含まれる。文書データ群ＤＢ３は各々が過去に作成された複数の文書を示す複数の文書データを含み、レビューデータ群ＤＢ２は各々が複数の文書のいずれかをレビューした事実を示す複数のレビューデータを含んでいる。

検索用データ群ＤＢ１～ＤＢ４において、文書データ群ＤＢ３内の複数の文書データはそれぞれ、文書、文書の作成者、文書に関連する知識分野、及びレビュー検出種別を特定する情報が有している。

また、レビューデータ群ＤＢ２内の複数のレビューデータはそれぞれ、レビュー対象文書、及びレビュー担当者を特定する情報を有している。また、レビュー担当者のレビュー検出種別はレビューデータ群ＤＢ２のコメントデータの詳細を示すコメントデータ群ＤＢ４から特定することができる。

このように、検索用データ群ＤＢ１～ＤＢ４において、複数の文書データそれぞれに文書、文書の作成者、文書に関連する知識分野、レビュー時に検出されたレビュー検出種別が特定されており、複数のレビューデータそれぞれにレビュー対象文書、レビュー担当者及びレビュー時に検出したレビュー検出種別が特定されている。

なお、ユーザデータ群ＤＢ１において、ユーザＩＤに対応づけてユーザ名、レビュー経験知識分野を特定する情報が格納されている。また、コメントデータ群ＤＢ４において、文書データ群ＤＢ３のコメントデータに対応する情報が格納されている。コメントデータはレビュー検出種別の詳細を示すデータである。なお、ユーザには、レビュー対象文書作成者及びレビュアー候補が含まれる。

レビュアー検索処理部４は、データベースマネジメントシステム３を介してデータベースマネジメントシステム３にアクセスすることにより、データベース５内の検索用データ群ＤＢ１～ＤＢ４を用いたデータベース検索処理を実行したり、データベース５内の格納データの追加、削除、変更を含むデータ処理を実行したりすることができる。

このように、レビュアー検索処理部４によるデータベース検索処理は、データ検索機構であるデータベースマネジメントシステム３を介して行われる。

レビュアー検索処理部４は、レビュアー検索要求Ｄ０に応答して、検索用データ群ＤＢ１～ＤＢ４を用いたデータベース検索処理を実行して、レビュアー候補適正度情報Ｄ４３、レビュアー候補推薦情報Ｄ４４及び最終レビュアー候補情報Ｄ４等を得る。

レビュアー検索処理部４は、レビュアー候補管理部４１、知識分野経験度算出部４２、文書傾向適正度算出部４３、推薦度算出部４４、パラメータ管理部４５及びＨＴＴＰ処理部４６を主要構成要素として含んでいる。

レビュアー候補管理部４１は知識分野経験度算出部４２、文書傾向適正度算出部４３及び推薦度算出部４４とのデータの授受、実行タイミングを制御し、かつ、レビュアー候補となるユーザの情報を作業用レビュアー候補情報として管理している。

また、レビュアー候補管理部４１は、レビュアー検索要求Ｄ０に基づき、データベース５内の検索用データ群ＤＢ１～ＤＢ４を用いたレビュアー候補検索処理を実行する。

レビュアー候補管理部４１は、レビュアー候補検索処理を実行することにより、各々が過去にレビュー対象文書知識分野に関連する文書のレビュー経験のある複数のレビュアー候補を示すレビュアー候補情報Ｄ１を得ている。

したがって、レビュアー候補管理部４１で取得される複数のレビュアー候補は全て過去にレビュー対象知識分野の文書のレビュー経験がある知識経験レビュアーとなる。なお、複数のレビュアー候補にはレビュー対象文書作成者は含まれない。

なお、理論的には、レビュアー候補検索処理を実行した際、レビュアー候補が検索されない場合、一のレビュアー候補しか検索されない可能性もある。以下では、説明の都合上、各々が知識経験レビュアーである複数のレビュアー候補が検索されたとして説明する。

このように、レビュアー候補管理部４１は、レビュアー候補検索処理を実行するレビュアー候補検索部として機能する。なお、データベース検索処理はレビュアー候補検索処理を含んでいるため、レビュアー候補検索処理はデータベースマネジメントシステム３を介してデータベース５に対して行われる。

また、レビュアー候補管理部４１は、レビュアー検索処理部４内のデータ管理処理をさらに行っている。図３で示すデータ管理領域Ｃ４１は、レビュアー候補管理部４１が管理するデータ管理領域を仮想的に線で示している。このデータ管理領域Ｃ４１上で作業用レビュアー候補情報が管理される。

したがって、レビュアー候補管理部４１は、知識分野経験度算出部４２、文書傾向適正度算出部４３、及び推薦度算出部４４に対し必要なデータを提供し、かつ、知識分野経験度算出部４２、文書傾向適正度算出部４３、及び推薦度算出部４４から出力されるデータをデータ管理領域Ｃ４１にて管理することができる。

さらに、レビュアー候補管理部４１は、知識分野経験度算出部４２、文書傾向適正度算出部４３及び推薦度算出部４４それぞれの実行開始の指示を行う実行開始制御を併せて行っている。

知識分野経験度算出部４２は、レビュアー候補情報Ｄ１に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた知識分野経験度算出処理を実行することにより、複数のレビュアー候補それぞれのレビュアー知識分野経験度Ｄ２を示すレビュアー候補経験度情報Ｄ４２を取得する。

なお、知識分野経験度算出処理は、レビュアー候補管理部４１の制御下で開始される。また、データベース検索処理は知識分野経験度算出処理を含むため、知識分野経験度算出処理はデータベースマネジメントシステム３を介してデータベース５に対して行われる。

文書傾向適正度算出部４３は、レビュアー検索要求Ｄ０及びレビュアー候補情報Ｄ１に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた文書傾向適正度算出処理を実行する。文書傾向適正度算出処理に実行により、レビュアー候補情報Ｄ１で示す複数のレビュアー候補それぞれとレビュー対象文書作成者との文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得ることができる。

文書傾向適正度算出部４３による文書傾向適正度算出処理は、以下のステップ(a)～(c)を含んでいる。

(a) レビュー対象文書作成者が過去に作成した文書において、レビュー時に検出されたレビュー検出種別を示す作成者文書傾向情報Ｄ３１を得るステップ、
(b) 複数のレビュアー候補それぞれが過去にレビューした文書において、レビュー時に検出したレビュー検出種別を示すレビュアー文書傾向情報Ｄ３２を得るステップ、及び
(c) 複数のレビュアー候補それぞれにおいて、作成者文書傾向情報Ｄ３１とレビュアー文書傾向情報Ｄ３２とのレビュー検出種別の一致度合を反映した文書傾向適性度Ｄ３を算出し、複数のレビュアー候補それぞれの文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得るステップ。

なお、文書傾向適正度算出部４３による文書傾向適正度算出処理は、レビュアー候補管理部４１の制御下で開始される。また、データベース検索処理は文書傾向適正度算出処理を含んでおり、文書傾向適正度算出処理はデータベースマネジメントシステム３を介してデータベース５に対して行われる。

推薦度算出部４４は、レビュアー候補情報Ｄ１、レビュアー候補経験度情報Ｄ４２、及びレビュアー候補適正度情報Ｄ４３に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた推薦度算出処理を実行する。推薦度算出処理の実行により、レビュアー候補情報Ｄ１で示す複数のレビュアー候補それぞれの推薦度ＶＲを算出し、複数のレビュアー候補それぞれの推薦度ＶＲを示すレビュアー候補推薦情報Ｄ４４が得られる。

複数のレビュアー候補それぞれの推薦度ＶＲは、レビュアー候補適正度情報Ｄ４３が示す文書傾向適性度Ｄ３が高い程大きな値となる第１の数値特性と、レビュアー候補経験度情報Ｄ４２が示すレビュアー知識分野経験度Ｄ２が高い程大きな値となる第２の数値特性を有している。

なお、推薦度算出部４４による推薦度算出処理は、レビュアー候補管理部４１の制御下で開始される。また、データベース検索処理は推薦度算出処理を含むため、推薦度算出処理はデータベースマネジメントシステム３を介してデータベース５に対して行われる。

レビュアー候補管理部４１は、レビュアー候補推薦情報Ｄ４４に対するデータ整形処理を行うことにより最終レビュアー候補情報Ｄ４を作成する。最終レビュアー候補情報Ｄ４は、複数のレビュアー候補に推薦度を対応させて、最大検索数ＸＳ内で推薦度の高い順に複数のレビュアー候補を並べたリスト形式の情報となる。このように、レビュアー候補管理部４１は、データ整形処理を行うデータ整形部としても機能する。

前述したように、ＨＴＴＰ処理部４６及びパラメータ管理部４５は通信処理部２から受け取ったデータからＨＴＴＰ処理部４６を介してＨＴＴＰリクエスト内のレビュアー検索要求Ｄ０を取り出し保持する。このように、ＨＴＴＰ処理部４６はパラメータ管理部４５から受け取ったＨＴＴＰリクエストからレビュアー検索要求Ｄ０の取り出しを行うことができる。

また、ＨＴＴＰ処理部４６は、レビュアー候補管理部４１から受け取った最終レビュアー候補情報Ｄ４をＪＳＯＮ（JavaScript（登録商標） Object Notation）のデータフォーマットに合わせて整形してレビュアー検索結果を作成する。さらに、作成したレビュアー検索結果をレスポンスボディに含めたＨＴＴＰレスポンスデータを作成し、通信処理部２を介してＨＴＴＰレスポンスを送信する。

そして、ネットワークインターフェース６により、レビュアー検索処理部４より得られた最終レビュアー候補情報Ｄ４を含む検索結果データがネットワーク１１を介して、クライアント２ｉを含む外部に出力される。

すなわち、オペレーティングシステム１、通信処理部２及びネットワークインターフェース６は、最終レビュアー候補情報Ｄ４を含む検索結果データを外部のクライアント２１及び２２に出力する外部出力部として機能する。

（処理回路）
図１２は図２で示したサーバー１０内の主要構成部に対応する処理回路９０の構成を示すブロック図である。主要構成部は、サーバー１０内のオペレーティングシステム１、通信処理部２、データベースマネジメントシステム３及びレビュアー検索処理部４を含んでいる。すなわち、サーバー１０内において、データベース５及びネットワークインターフェース６を除く部分が主要構成部となる。主要構成部の機能は、図１２で示す処理回路９０により実現される。すなわち、処理回路９０は、主要構成部を含む回路として機能する。

処理回路９０が専用のハードウェアである場合、処理回路９０は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、またはこれらを組み合わせた回路等である。主要構成部の各機能１～４（４１～４６）は、複数の処理回路により個別に実現されてもよいし、１つの処理回路によりまとめて実現されてもよい。

図１３は主要構成部に対応する処理回路の別の構成例を示すブロック図である。同図に示すように、処理回路９０は、プロセッサ９１とメモリ９２と、プロセッサ９１及びメモリ９２間のデータ転送経路となるバス９６とを含む。プロセッサ９１がメモリ９２に格納されるプログラムを実行することにより、主要構成部の各部１～４（４１～４６）の機能が実現される。例えば、プログラムとして記述されたソフトウェアまたはファームウェアがプロセッサ９１により実行されることにより、各部１～４の機能が実現される。すなわち、サーバー１０の主要構成部は、プログラムを格納するメモリ９２と、そのプログラムを実行するプロセッサ９１と、メモリ９２，プロセッサ９１間のデータ転送用のバス９６とを含む。

なお、プログラムは、主要構成部の各部１～４（４１～４６）それぞれの機能の処理手順または処理方法をコンピュータに実行させるものである。

プロセッサ９１として、例えば、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）等が考えられる。メモリ９２として、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等の、不揮発性または揮発性の半導体メモリが考えられる。または、メモリ９２として、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等、今後使用されるあらゆる記憶媒体を用いても良い。

また、データベース５はメモリ９２、またはバス９６につながる図示しない外部記憶装置によって実現することができる。検索用データ群ＤＢ１～ＤＢ４はデータベース５に格納されるデータとなる。

上述した主要構成部の各部１～４の各機能は、一部が専用のハードウェアによって実現され、他の一部がソフトウェアまたはファームウェアにより実現されてもよい。このように、処理回路９０は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現する。

なお、ネットワークインターフェース６は、有線または無線で接続されるハードウェアで構成される。

（レビュアー検索処理）
図４は本実施の形態のレビュアー検索システムであるサーバー１０内のレビュアー検索処理部４が主として実行するビュアー検索処理の処理手順を示すフローチャートである。また、図５は図４のステップＳ３で示す知識分野経験度算出処理の詳細を示すフローチャートであり、図６は図４のステップＳ４で示す文書傾向適正度算出処理の詳細を示すフローチャートであり、図７は図４のステップＳ５で示す推薦度算出処理の詳細を示すフロ－チャートである。

以下、図４を参照し、図５～図７の説明を適宜加えて、レビュアー検索システムであるサーバー１０によるレビュアー検索処理の処理手順を説明する。

まず、ステップＳ１において、サーバー１０はレビュアー検索要求Ｄ０を受信する。すなわち、サーバー１０は、レビュアー検索要求Ｄ０を含むＨＴＴＰリクエストの受信をトリガとしてレビュアー候補検索処理を開始する。このＨＴＴＰリクエストが外部要求情報となる。

前述したように、ＨＴＴＰリクエストは、外部入力部であるオペレーティングシステム１、ネットワークインターフェース６及び通信処理部２の組合せを介してレビュアー検索処理部４内に取り込まれる。

このように、外部入力部は、レビュアー検索要求Ｄ０を含む外部要求情報であるＨＴＴＰリクエストをレビュアー検索処理部４に付与している。

レビュアー検索処理部４によるレビュアー検索処理が開始されるとパラメータ管理部４５は、通信処理部２から受信したペイロードデータの中からＨＴＴＰ処理部４６を介してレビュアー検索要求Ｄ０の抽出を行い保持する。

その結果、レビュアー検索処理部４は、レビュアー検索要求Ｄ０に基づくデータベース検索処理を実行することができる。なお、前述したように、データベース検索処理にはレビュアー候補検索処理、知識分野経験度算出処理、文書傾向適正度算出処理及び推薦度算出処理を含んでいる。

また、パラメータ管理部４５は、通信処理部２から受信したネットワークメタデータを応答先情報として保持する。

その後、ステップＳ２において、レビュアー検索処理部４内のレビュアー候補管理部４１は、レビュアー検索要求Ｄ０に基づき、検索用データ群ＤＢ１～ＤＢ４を用いたレビュアー候補検索処理を実行する。レビュアー候補検索処理の実行によって、複数のレビュアー候補を示すレビュアー候補情報Ｄ１が得られる。

複数のレビュアー候補はそれぞれレビュアー検索要求Ｄ０が示すレビュー対象知識分野に関連する文書のレビュー経験がある知識経験レビュアーである。なお、複数のレビュアー候補にはレビュー対象文書作成者は含まれない。

ステップＳ２で実行されるレビュアー候補検索処理は、レビュアー候補管理部４１がデータベースマネジメントシステム３を介してデータベース５に対して行われる。また、レビュアー検索要求Ｄ０及びレビュアー候補情報Ｄ１の組合せは、データ管理領域Ｃ４１上で作業用レビュアー候補情報として管理される。

その後、ステップＳ３において、知識分野経験度算出部４２は、レビュアー候補情報Ｄ１に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた知識分野経験度算出処理を実行することによりレビュアー候補経験度情報Ｄ４２を得る。

ステップＳ３の知識分野経験度算出処理は、レビュアー候補管理部４１による知識分野経験度算出指示をトリガとして実行開始される。また、ステップＳ３で実行される知識分野経験度算出処理は、知識分野経験度算出部４２がデータベースマネジメントシステム３を介してデータベース５に対して行われる。

以下、図５を参照して、知識分野経験度算出部４２による知識分野経験度算出処理の処理内容を説明する。

まず、ステップＳ３１において、検索対象となるレビュアー候補を設定する。ステップＳ３１で設定されるレビュアー候補は、レビュアー候補情報Ｄ１で示された複数のレビュアー候補のうち、一のレビュアー候補となる。

その後、ステップＳ３２において、レビュアー検索要求Ｄ０で示されたレビュー対象知識分野を検索キーとして、ステップＳ３１で設定したレビュアー候補の過去における全てのレビューデータを検索する。

次に、ステップＳ３３において、ステップＳ３２で検索されたレビューデータから、過去にレビューした文書のうち、レビュー対象知識分野に関連する文書の数を知識合致文書数ＮＹとして算出する。レビューデータはレビュー対象文書及びレビュー担当者を特定する情報を有しており、文書データは文書に知識分野を特定する情報を有しているため、知識分野経験度算出部４２は知識分野経験度算出処理を実行することにより、知識合致文書数ＮＹを算出することができる。

図８～図１１はデータベース５に格納されている検索用データ群ＤＢ１～ＤＢ４の具体例を表形式で示す説明図である。図８はユーザデータ群ＤＢ１の格納例を示し、図９はレビューデータ群ＤＢ２の格納例を示し、図１０は文書データ群ＤＢ３の格納例を示し、図１１はコメントデータ群ＤＢ４の格納例を示している。

図８に示すように、ユーザデータ群ＤＢ１は、ユーザＩＤ、ユーザ名、及びレビュー経験知識分野情報を有している。このように、ユーザデータ群ＤＢ１は、ユーザを識別するユーザＩＤに対応する形式でユーザ名及びレビュー経験知識分野情報を有している。図８では、レビュー経験知識分野情報として、「ＴＣＰ／ＩＰ」、「ＨＴＴＰ」、「放送規格」、「電子回路」、「ＳＤ規格」、「財務法務」、及び「ソフトウェア」が示されている。

図９に示すように、レビューデータ群ＤＢ２は、レビューＩＤ、レビュー名、レビュー日時、レビュー時間、レビュー対象文書ＩＤ、参加ユーザＩＤ及びコメントデータを有している。このように、レビューデータ群ＤＢ２は、レビューした事実を示すレビューＩＤに対応する形式でレビュー名、レビュー日時、レビュー時間、レビュー対象文書ＩＤ、参加ユーザＩＤ及びコメントデータを有している。

参加ユーザＩＤはレビューに参加したユーザのＩＤを示しており、参加ユーザのうち文書作成者を除くユーザがレビュー担当者となる。コメントデータにはレビュー検討内容に関する議事録が特定づけられている。

図１０に示すように、文書データ群ＤＢ３は、文書ＩＤ、文書名、作成日、作成ユーザＩＤ、知識分野情報、及び文書傾向情報を有している。このように、文書データ群ＤＢ３は、文書を識別する文書ＩＤに対応する形式で文書名、作成日、作成ユーザＩＤ、知識分野情報、及び文書傾向情報を有している。

文書傾向情報には文書ＩＤで特定される文書に関し、レビュー時に検出されたレビュー検出種別が示されている。図１０で示す例では、文書ＩＤ値ＤＣ４のドキュメント４に関し、レビュー時に検出されたレビュー検出種別として「クラス間違い（１）」が示されている。なお、カッコ内は検出数を示している。

図１１に示すように、コメントデータ群ＤＢ４は、コメントユーザＩＤ、指摘箇所、指摘内容、回答ユーザＩＤ、回答内容及び検出種別を有している。なお、コメントデータ群ＤＢ４は、レビューデータ群ＤＢ２のコメントデータの「議事録４」に対応するデータを示している。また、「コメントユーザＩＤ」は、レビュー担当者のうち議事録に相当するコメントを述べたユーザＩＤを示している。

図１１に示すように、「指摘箇所」には「指摘対象の文書ＩＤ、指摘頁、及び指摘図」が示され、図１１の１行目に示す「指摘内容」では、「クラスＡに値Ｂを設定するインタフェースがない」等のレビュー検出種別の指摘内容が具体的に示されている。図１１の１行目及び２行目に示す例では、共に文書ＩＤ値ＤＣ４のドキュメント４が指摘対象となっている。

図１１に示すように、「回答ユーザＩＤ」は、「指摘内容」に対し回答したユーザＩＤが示されており、通常、回答者は指摘された文書の文書作成者となる。図１１で示す例では、ドキュメント４の作成者である、ユーザＩＤが“Ｕ１”のユーザＡが回答ユーザとして示されている。

「回答内容」は回答ユーザＩＤの回答者による、指摘内容に対する回答内容が具体的に示されている。図１１の１行目に示す「回答内容」では、「指摘通りのため修正する」旨、記載されており、「レビュー検出種別」として「クラス間違い」が示されている。一方、図１１の２行目に示す「回答内容」では、「クラスＸで間違いない」旨、記載されているため、「指摘内容」は肯定されず、「レビュー検出種別」は記載されていない。

このように、コメントデータ群ＤＢ４は、コメントユーザＩＤに対応する形式で指摘箇所、指摘内容、回答ユーザＩＤ、回答内容及び検出種別を有している。

上述したように、文書データ群ＤＢ３は、複数の文書データそれぞれに文書、文書の作成者、文書に関連する知識分野、レビュー時に検出されたレビュー検出種別を特定する情報を有している。

また、レビューデータ群ＤＢ２は、複数のレビューデータそれぞれのレビュー対象文書及びレビュー担当者を有している。また、レビューデータ群ＤＢ２とコメントデータ群ＤＢ４から、レビュー担当者がレビュー時に検出したレビュー検出種別を特定することができる。したがって、検索用データ群ＤＢ１～ＤＢ４において、複数のレビューデータそれぞれにレビュー対象文書、レビュー担当者及びレビュー時に検出したレビュー検出種別が特定されている。

以下、図８～図１１を参照して、図５のステップＳ３３の処理内容の一例を説明する。例えば、レビュアー候補がユーザＩＤ値Ｕ５のユーザＥの場合、レビューデータ群ＤＢ２から、ユーザＥは、レビューＩＤ値Ｒ４で示す文書ＩＤ値ＤＣ４のドキュメント４のレビュー４に参加したことがわかる。なお、ユーザＥはレビューＩＤ値Ｒ３のドキュメント３のレビュー３にも参加しているが、ドキュメント３はユーザＥ自身が作成した文書ＩＤ値ＤＣ３の文書であるため、除外される。

文書データ群ＤＢ３に、文書ＩＤ値ＤＣ４で示すドキュメント４の知識分野は、｛「ＴＣＰ／ＩＰ」，「ＨＴＴＰ」及び「ソフトウェア」｝であることが示されている。このため、レビュー対象知識分野が「ＴＣＰ／ＩＰ」，「ＨＴＴＰ」及び「ソフトウェア」のいずれかであれば、ドキュメント４はレビュー対象知識分野に一致する知識合致文書となる。そして、レビュアー候補が過去にレビューした文書のうち、レビュー対象知識分野に一致する知識分野の文書の数が知識合致文書数ＮＹとなる。

図５に戻って、ステップＳ３４において、知識合致文書数ＮＹをレビュアー知識分野経験度Ｄ２として算出する。したがって、知識合致文書数ＮＹが多い程、レビュアー知識分野経験度Ｄ２は大きな値となる。なお、知識合致文書数ＮＹに“１”以外の重み係数βを積算した値をレビュアー知識分野経験度Ｄ２としても良い。

その後、ステップＳ３５において、レビュアー候補情報Ｄ１で示す複数のレビュアー候補を全て検索対象としたか(YES)否か(NO)が確認され、ステップＳ３５がＹＥＳになるまでステップＳ３１～Ｓ３４の処理が繰り返し実行される。すなわち、レビュアー候補情報Ｄ１で示す複数のレビュアー候補全てのレビュアー知識分野経験度Ｄ２が算出されるまでステップＳ３１～Ｓ３４の処理が実行される。

ステップＳ３５でＹＥＳになると、知識分野経験度算出処理が終了し、レビュアー候補情報Ｄ１が示す複数のレビュアー候補それぞれのレビュアー知識分野経験度Ｄ２を示すレビュアー候補経験度情報Ｄ４２を得ることができる。

レビュアー候補経験度情報Ｄ４２はレビュアー候補管理部４１によってデータ管理領域Ｃ４１上で管理される。データ管理領域Ｃ４１上のレビュアー検索要求Ｄ０、レビュアー候補情報Ｄ１及びレビュアー候補経験度情報Ｄ４２の組合せがステップＳ３の実行後の作業用レビュアー候補情報となる。

図４に戻って、ステップＳ４において、文書傾向適正度算出部４３は、レビュアー検索要求Ｄ０及びレビュアー候補情報Ｄ１に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた文書傾向適正度算出処理を実行する。文書傾向適正度算出処理の実行により、レビュアー候補情報Ｄ１で示す複数のレビュアー候補それぞれの文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３が得られる。

ステップＳ４の文書傾向適正度算出処理は、レビュアー候補管理部４１による文書傾向適正度算出指示をトリガとして開始される。また、ステップＳ４で実行される文書傾向適正度算出処理は、文書傾向適正度算出部４３がデータベースマネジメントシステム３を介してデータベース５に対して行われる。

前述したように、図６は図４で示したステップＳ４の文書傾向適正度算出処理の詳細を示すフローチャートである。以下、同図を参照して文書傾向適正度算出処理の処理内容を説明する。

まず、ステップＳ４１において、レビュー対象文書作成者が過去に作成した文書データである作成者過去文書データを検索する。

次に、ステップＳ４２において、ステップＳ４１で検索された作成者過去文書データに基づき、作成者文書傾向情報Ｄ３１を得る。

以下、図８～図１１を参照して、ステップＳ４２の処理内容の一例を説明する。例えば、レビュー対象文書作成者がユーザＩＤ値Ｕ１のユーザＡであった場合、検索用データ群ＤＢ１～ＤＢ４から、ユーザＡが作成した文書ＩＤ値ＤＣ４のドキュメント４に関し、「クラス間違いが１箇所あった」とする、レビュー時に検出されたレビュー検出種別を認識することができる。このレビュー検出種別がレビュー対象文書作成者であるユーザＡの文書傾向となる。

このように、ステップＳ４１，Ｓ４２は、レビュー対象文書作成者が過去に作成した文書において過去にレビューされたレビュー検出種別を示す作成者文書傾向情報Ｄ３１を得るステップとなる。

その後、ステップＳ４３において、検索対象となるレビュアー候補を設定する。ステップＳ４３で設定されるレビュアー候補は、レビュアー候補情報Ｄ１で示された複数のレビュアー候補のうち、一のレビュアー候補となる。

そして、ステップＳ４４において、ステップＳ４３で設定したレビュアー候補が過去にレビューしたレビューデータである過去レビューデータを検索する。

次に、ステップＳ４５において、ステップＳ４４で検索された過去レビューデータに基づき、レビュアー文書傾向情報Ｄ３２を得る。

以下、図８～図１１を参照して、ステップＳ４５の処理内容の一例を説明する。例えば、レビュアー候補がユーザＩＤ値Ｕ２のユーザＢであった場合、文書データ群ＤＢ３及びコメントデータ群ＤＢ４を参照して、ユーザＢがレビューした文書ＩＤ値ＤＣ４のドキュメント４に関し、コメントデータ群ＤＢ４の１行目の内容から「クラス間違いを１箇所検出した」という、レビュー時に検出したレビュー検出種別を認識することができる。このレビュー検出種別がレビュアー候補であるユーザＢの文書傾向となる。

このように、ステップＳ４４，Ｓ４５は、レビュアー候補が過去にレビューした文書において、過去にレビューしたレビュー検出種別を示すレビュアー文書傾向情報Ｄ３２を得るステップとなる。

次に、ステップＳ４６において、レビュアー候補の文書傾向適性度Ｄ３を算出する。文書傾向適性度Ｄ３は、ステップＳ４２で得られたレビュアー文書傾向情報Ｄ３２とステップＳ４５で得られた作成者文書傾向情報Ｄ３１とのレビュー検出種別の一致度合を反映した値となる。

（仮想条件下でのステップＳ４１～Ｓ４６の実行内容）
以下で示す仮想条件下において、ステップＳ４１～４６の処理がどのように実行されるかを説明する。

レビュー対象文書作成者ＰＡが過去に作成した文書データＩ及び文書データＪで検出されたレビュー検出種別はそれぞれ以下の(K1)、(K2)である。

(K1) 文書データＩのレビュー検出種別：シーケンス間違い(検出数＝１)、シーケンス抜け(検出数＝１)、文書間不整合(検出数＝３)
(K2) 文書データＪのレビュー検出種別：シーケンス間違い(検出数＝１)、クラス抜け(検出数＝１)、文書間不整合(検出数＝１)

一方、ステップＳ４５の実行により得られたレビュアー文書傾向情報Ｄ３２の内容は以下の仮想結果(Kb)である。

(Kb) レビュアー文書傾向情報Ｄ３２で示すレビュアー候補ＰＢのレビュー検出種別：クラス間違い(検出数＝５)、クラス抜け(検出数＝７)、文書間不整合(検出数＝４)

なお、「シーケンス」は、システムの概要・仕様・処理の流れを記載したシーケンス図を意味し、「シーケンス抜け」は、シーケンス図で示す流れに抜けがあったことを示し、「シーケンス間違い」は、シーケンス図で示す流れの一部に誤りがあったことを示している。

また、「クラス」は、システムを構成する要素や関係性を表現したクラス図を意味し、「クラス抜け」は、クラス図で示す要素に抜けがあったことを示し、「クラス間違い」は、クラス図で示す要素の一部に誤りがあったことを示している。

「文書間不整合」は、他の文書との間で用語等の不整合があったことを示している。なお、他のレビュー検出種別として、例えば、「ダイアグラム間不整合」があり、「ダイアグラム間不整合」は、複数の図の間で不整合があったことを示している。

このように、レビュー検出種別は、上述した「シーケンス抜け」、「シーケンス間違い」、「クラス抜け」、「クラス間違い」、「文書間不整合」及び「ダイアグラム間不整合」を含んでいる。これらのレビュー検出種別は、知識分野との関連性が低い文書傾向検出種別に分類される。

上記仮想条件(K1),(K2)でステップＳ４２が実行されると、作成者文書傾向情報Ｄ３１は以下の(Ka)で示す仮想結果となる。

(Ka) 作成者文書傾向情報Ｄ３１で示すレビュー対象文書作成者ＰＡの文書傾向：｛シーケンス間違い(検出数＝２)、シーケンス抜け(検出数＝１)、文書間不整合(検出数＝４)、クラス抜け(検出数＝１)｝

上記仮想結果(Ka),(Kb)に基づき、ステップＳ４６が実行されると、文書傾向適性度Ｄ３は以下の(KX)で示す内容となる。

(KX) 文書傾向適性度Ｄ３：２３＝｛７×１（クラス抜け）＋４×４（文書間不整合）｝

このように、作成者文書傾向情報Ｄ３１とレビュアー文書傾向情報Ｄ３２との間でレビュー検出種別が一致する検出数同士を積算して総和を求めることにより、文書傾向適性度Ｄ３を得ることができる。

仮想結果(KX)で示す「クラス抜け」に関し、レビュー対象文書作成者ＰＡの検出数が“１”であり、レビュアー候補ＰＢの検出数が“７”であるため、両者を積算することにより“７”が得られる。仮想結果(KX)で示す「文書間不整合」に関し、レビュー対象文書作成者ＰＡの検出数が“４”であり、レビュアー候補ＰＢの検出数が“４”であるため、両者を積算することにより“１６”が得られる。その結果、最終的に“７”と“１６”との加算値“２３”が文書傾向適性度Ｄ３となる。

その後、ステップＳ４７において、レビュアー候補情報Ｄ１で示す複数のレビュアー候補を全て検索対象としたか(YES)否か(NO)が確認され、ステップＳ４５がＹＥＳになるまでステップＳ４３～Ｓ４６の処理が繰り返し実行される。すなわち、レビュアー候補情報Ｄ１で示す複数のレビュアー候補全ての文書傾向適性度Ｄ３が算出されるまでステップＳ４３～Ｓ４６の処理が実行される。

ステップＳ４７でＹＥＳになると、レビュアー候補情報Ｄ１が示す複数のレビュアー候補それぞれの文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得ることができる。

レビュアー候補適正度情報Ｄ４３はデータ管理領域Ｃ４１上でレビュアー候補管理部４１によって管理される。レビュアー検索要求Ｄ０、レビュアー候補情報Ｄ１、レビュアー候補経験度情報Ｄ４２及びレビュアー候補適正度情報Ｄ４３の組合せが、データ管理領域Ｃ４１上で管理される作業用レビュアー候補情報となる。

図４に戻って、ステップＳ５において、推薦度算出部４４は、レビュアー候補情報Ｄ１、レビュアー候補経験度情報Ｄ４２及びレビュアー候補適正度情報Ｄ４３に基づき、検索用データ群ＤＢ１～ＤＢ４を用いた推薦度算出処理を実行する。推薦度算出処理の実行により、複数のレビュアー候補それぞれの推薦度ＶＲを示すレビュアー候補推薦情報Ｄ４４が得られる。

ステップＳ５の推薦度算出処理は、レビュアー候補管理部４１による推薦度算出指示をトリガとして開始される。また、ステップＳ５で実行される推薦度算出処理は、推薦度算出部４４がデータベースマネジメントシステム３を介してデータベース５に対して行われる。

前述したように、図７は図４で示したステップＳ５の推薦度算出処理の詳細を示すフローチャートである。以下、同図を参照して推薦度算出処理の処理内容を説明する。

まず、ステップＳ５１において、全てのレビュアー候補におけるレビュアー知識分野経験度Ｄ２の正規化処理を実行する。全てのレビュアー候補とは、レビュアー候補情報Ｄ１で示す複数のレビュアー候補の全てを指している。

なお、「正規化」とは、「最小値を“０”、最大値を“１”とするスケーリング手法」を意味する。ここで、正規化処理後のレビュアー知識分野経験度Ｄ２を「正規化レビュアー知識分野経験度ＲＤ２」とする。

次に、ステップＳ５２において、全てのレビュアー候補における文書傾向適性度Ｄ３の正規化処理を実行する。ここで、正規化処理後の文書傾向適性度Ｄ３を「正規化文書傾向適性度ＲＤ３」とする。

その後、ステップＳ５３において、全てのレビュアー候補における正規化文書傾向適性度ＲＤ３に“１”以外の重み係数αを積算し、重み付き文書傾向適性度ＷＤ３を得る。重み係数αは通常、“１”を超える値に設定される。

ステップＳ５１～Ｓ５３の実行後、全てのレビュアー候補における正規化レビュアー知識分野経験度ＲＤ２と重み付き文書傾向適性度ＷＤ３とが得られる。

その後、ステップＳ５４において、推薦度算出対象となるレビュアー候補を設定する。ステップＳ５４で設定されるレビュアー候補は、レビュアー候補情報Ｄ１で示された複数のレビュアー候補のうち、一のレビュアー候補となる。

次に、ステップＳ５５において、ステップＳ５４で設定されたレビュアー候補に対し、推薦度ＶＲを算出する。推薦度ＶＲは正規化レビュアー知識分野経験度ＲＤ２と重み付き文書傾向適性度ＷＤ３との加算値として得られる。すなわち、｛ＶＲ＝ＲＤ２＋ＲＤ３｝となる。

推薦度ＶＲは重み付き文書傾向適性度ＷＤ３を反映しており、レビュアー候補適正度情報Ｄ４３が示す文書傾向適性度Ｄ３が高い程大きな値となる第１の数値特性を有する。また、推薦度ＶＲは正規化レビュアー知識分野経験度ＲＤ２を反映しており、レビュアー知識分野経験度Ｄ２が高い程大きな値となる第２の数値特性を有する。

その後、ステップＳ５６において、レビュアー候補情報Ｄ１で示す複数のレビュアー候補を全て検索対象としたか(YES)否か(NO)が確認され、ステップＳ５６がＹＥＳになるまでステップＳ５４及びＳ５５の処理が繰り返し実行される。すなわち、レビュアー候補情報Ｄ１で示す複数のレビュアー候補全ての推薦度ＶＲが算出されるまでステップＳ５４及びＳ５５の処理が実行される。

ステップＳ５６でＹＥＳになると、推薦度算出処理は終了し、レビュアー候補情報Ｄ１が示す複数のレビュアー候補それぞれの推薦度ＶＲを示すレビュアー候補推薦情報Ｄ４４を得ることができる。レビュアー候補推薦情報Ｄ４４はレビュアー候補管理部４１によって管理される。

ステップＳ５１～Ｓ５５を含むステップＳ５の実行後は、レビュアー候補情報Ｄ１及びレビュアー候補推薦情報Ｄ４４の組合せが、データ管理領域Ｃ４１上で管理される作業用レビュアー候補情報となる。

図４に戻って、ステップＳ５の実行後、ステップＳ６において、レビュアー候補管理部４１は、レビュアー候補推薦情報Ｄ４４に対しデータ整形処理を実行することにより、最終レビュアー候補情報Ｄ４を作成する。最終レビュアー候補情報Ｄ４は、複数のレビュアー候補に推薦度を対応させて、推薦度の高い順に複数のレビュアー候補を並べたリスト形式の情報となる。

最終レビュアー候補情報Ｄ４を作成する際、レビュアー検索要求Ｄ０が指示する最大検索数ＸＳに絞り込む絞り込み処理が併せて行われる。すなわち、最終レビュアー候補情報Ｄ４には、最大検索数ＸＳ内で推薦度ＶＲの高い順にレビュアー候補を並べたリスト形式の情報となる。なお、最大検索数ＸＳがレビュアー候補情報Ｄ１に含まれる複数のビュアー候補の数以上の場合は、上述した絞り込み処理は行われず、レビュアー候補情報Ｄ１が示す複数のレビュアー候補の全てが推薦度ＶＲの数値の大きい順に並べられる。

このように、ステップＳ６のデータ整形処理を実行するレビュアー候補管理部４１は、データ整形部としても機能している。

ステップＳ６の実行後、ステップＳ７において、レビュアー候補管理部４１は、最終レビュアー候補情報Ｄ４を外部に送信する。

レビュアー候補管理部４１は、パラメータ管理部４５から応答先情報を取り出し、最終レビュアー候補情報Ｄ４を応答先情報に従って送信するようにＨＴＴＰ処理部４６に送信指示を行う。ＨＴＴＰ処理部４６は送信指示を受けると、最終レビュアー候補情報Ｄ４をＪＳＯＮのデータフォーマットに合わせて整形してレビュアー検索結果を作成する。

次に、ＨＴＴＰ処理部４６は、作成したレビュアー検索結果をレスポンスボディに含めたＨＴＴＰレスポンスデータを作成し、応答先情報を送信先として通信処理部２を介してＨＴＴＰレスポンスをネットワークインターフェース６に送信する。

その結果、ネットワークインターフェース６からネットワーク１１を介してクライアント２ｉを含む外部に最終レビュアー候補情報Ｄ４を含むＨＴＴＰレスポンスを送信することができる。このＨＴＴＰレスポンスが外部出力情報となる。

このように、オペレーティングシステム１、通信処理部２及びネットワークインターフェース６を含む外部出力部は、最終レビュアー候補情報Ｄ４を含むレビュアー検索結果をサーバー１０外に出力している。

（効果）
本実施の形態のレビュアー検索システムであるサーバー１０において、レビュアー検索処理部４に含まれる文書傾向適正度算出部４３は文書傾向適正度算出処理を実行して、文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得ている。

文書傾向適性度Ｄ３は、レビュアー文書傾向情報Ｄ３２と作成者文書傾向情報Ｄ３１とのレビュー検出種別の一致度合を反映した値であるため、レビュー対象文書作成者の文書傾向に合致度合が高いレビュアー候補の文書傾向適性度Ｄ３は比較的高い値を有する。

その結果、本実施の形態のサーバー１０は、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の文書傾向適性度Ｄ３を高くしたレビュアー候補適正度情報Ｄ４３を得ることができる。なお、レビュー対象文書作成者の文書傾向は、レビュー対象文書作成者が過去に作成した文書にて検出されたレビュー検出種別の傾向となる。

さらに、レビュアー検索処理部４に含まれる推薦度算出部４４は、推薦度算出処理を実行してレビュアー候補推薦情報Ｄ４４を得ている。

レビュアー候補推薦情報Ｄ４４において、レビュアー候補情報Ｄ１で示される複数のレビュアー候補それぞれの推薦度ＶＲは、レビュアー候補適正度情報Ｄ４３が示す文書傾向適性度Ｄ３が高い程大きな値となる第１の数値特性を有する。このため、推薦度算出部４４は、レビュー対象文書作成者の文書傾向に合致するレビュアー候補の推薦度ＶＲの値を大きくすることができる。

その結果、本実施の形態のサーバー１０は、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の推薦度ＶＲを高くしたレビュアー候補推薦情報Ｄ４４を得ることができる。

レビュアー候補管理部４１のレビュアー候補検索処理によって得られたレビュアー候補情報は各々が知識経験レビュアーである複数のレビュアー候補を示している。

このため、本実施の形態のレビュアー検索システムであるサーバー１０は、レビュアー候補を知識経験レビュアーに事前に絞り込むことができる。

したがって、本実施の形態のサーバー１０の推薦度算出部４４は、過去にレビュー対象知識分野の文書のレビュー経験があり、かつ、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の推薦度ＶＲを高くしたレビュアー候補推薦情報Ｄ４４を得ることができる。

さらに、レビュアー候補推薦情報Ｄ４４に関し、第１の数値特性に加え、複数のレビュアー候補それぞれの推薦度ＶＲはレビュアー知識分野経験度Ｄ２が高い程大きな値となる第２の数値特性を有する。

複数のレビュアー候補それぞれの推薦度ＶＲは上述した第１及び第２の数値特性を有するため、本実施の形態のレビュアー検索システムであるサーバー１０は、文書傾向適性度Ｄ３が高く、かつ、レビュアー知識分野経験度Ｄ２が高いレビュアー候補の推薦度ＶＲを大きな値にすることができる。

その結果、本実施の形態のサーバー１０は、文書傾向適性度Ｄ３とレビュアー知識分野経験度Ｄ２との組合せに適合した値の推薦度ＶＲを示すレビュアー候補推薦情報Ｄ４４を得ることができる。なお、重み係数αを大きくすることにより、第１及び第２の数値特性間における第１の数値特性の比率を高めることができる。

本実施の形態のサーバー１０は、オペレーティングシステム１、通信処理部２及びネットワークインターフェース６を主要構成要素とする外部入力部をさらに備えることにより、外部から受けるレビュアー検索要求Ｄ０を含む外部要求情報であるＨＴＴＰリクエストに応じて、レビュアー検索処理部４によってレビュアー候補検索処理を実行することができる。

さらに、本実施の形態のレビュアー検索システムであるサーバー１０は、データ整形部として機能するレビュアー候補管理部４１により、最大検索数ＸＳ内で推薦度の高い順に複数のレビュアー候補を並べたリスト形式の最終レビュアー候補情報Ｄ４を得ている。

レビュアー候補推薦情報Ｄ４４は最終レビュアー候補情報Ｄ４にデータ整形された後、外部出力部によって最終レビュアー候補情報Ｄ４を含むＨＴＴＰレスポンスとしてサーバー１０外に送信される。ここで、外部出力部はオペレーティングシステム１、通信処理部２及びネットワークインターフェース６を含んでいる。

したがって、外部からレビュアー検索要求Ｄ０を含むＨＴＴＰリクエストをサーバー１０に送信した検索要求者となるユーザは、クライアント２ｉからＨＴＴＰレスポンスに含まれる最終レビュアー候補情報Ｄ４を参照することにより、最大検索数ＸＳに絞り込まれ、かつ、レビュアー検索要求Ｄ０に適したレビュアー候補を容易に認識することができる。

本実施の形態のサーバー１０において、レビュアー検索処理部４によるデータベース検索処理は、専用のデータ検索機構であるデータベースマネジメントシステム３を介して行われるため、検索時間の短縮化を図ることができる。

（レビュアー検索方法）
本実施の形態のサーバー１０を用いて以下に示すレビュアー検索方法を実行することができる。レビュアー検索方法は、レビュアー検索要求Ｄ０に応答して、データベース５にアクセスして、検索用データ群ＤＢ１～ＤＢ４を利用したデータベース検索処理を行うことによりレビュアー候補適正度情報Ｄ４３を得る方法である。

本実施の形態のレビュアー検索方法は、以下のステップ(a)を有している。

(a) レビュアー検索要求Ｄ０に基づき、データベース５に対するデータベース検索処理を実行することにより、レビュアー候補とレビュー対象文書作成者との文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得るステップ。

なお、上記ステップ(a)は図４で示したステップＳ４の処理に対応している。また、レビュアー候補はレビュアー候補情報Ｄ１で示す知識経験レビュアーを含んでいる。

そして、上記ステップ(a)は、以下のステップ(a-1)～(a-3)を含んでいる。

(a-1) レビュー対象文書作成者が過去に作成した文書において、レビュー時に検出されたレビュー検出種別を示す作成者文書傾向情報Ｄ３１を得るステップ、
(a-2) レビュアー候補が過去にレビューした文書において、レビュー時に検出したレビュー検出種別を示すレビュアー文書傾向情報Ｄ３２を得るステップ、及び
(a-3) レビュアー候補において、レビュアー文書傾向情報Ｄ３２と作成者文書傾向情報Ｄ３１とのレビュー検出種別の一致度合を反映した文書傾向適性度Ｄ３算出し、レビュアー候補の文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得るステップ。

上記ステップ(a-1)は図６で示したステップＳ４１，Ｓ４２の処理に対応し、上記ステップ(a-2)は図６で示したステップＳ４４，Ｓ４５の処理に対応し、上記ステップ(a-3)は図６で示したステップＳ４６の処理に対応する。

本実施の形態のレビュアー検索方法はステップ(a)を実行して、文書傾向適性度Ｄ３を示すレビュアー候補適正度情報Ｄ４３を得ている。

文書傾向適性度Ｄ３は、レビュアー文書傾向情報Ｄ３２と作成者文書傾向情報Ｄ３１とのレビュー検出種別の一致度合を反映した値であるため、レビュー対象文書作成者の文書傾向との合致度合が高いレビュアー候補の文書傾向適性度Ｄ３は比較的高い値を有する。

その結果、本実施の形態のレビュアー検索方法は、レビュアー候補適正度情報Ｄ４３に基づくことにより、レビュー対象文書作成者の文書傾向に適合したレビュアー候補の検索を行うことができる。

＜その他＞
本実施の形態のサーバー１０を含む図１で示すレビュー支援システムは、サーバー１０とクライアント２ｉとの間の通信にＨＴＴＰを利用しているが、必要に応じてＨＴＴＰ以外の他の通信プロトコルを用いて構成してもよい。

また、図１で示したネットワーク１１接続されるサーバー１０及びクライアント２ｉの数は一例にすぎず、ネットワーク１１に接続されるサーバー１０及びクライアント２ｉの数を増減してもよい。さらに、サーバー１０及びクライアント２ｉ以外の機器が接続されていてもよい。

本実施の形態では、データベースマネジメントシステム３及びデータベース５をサーバー１０に内蔵した構成となっているが、データベースマネジメントシステム３及びデータベース５をネットワーク１１に接続された、サーバー１０とは別のサーバーに搭載する変形構成でも良い。変形構成の場合、ネットワーク１１経由でサーバー１０からデータベース５に対するデータベース検索処理を行ったり、データベース５内の格納データの追加、削除、変更を含むデータ処理を実行したりすることができる。

なお、本開示は、その開示の範囲内において、実施の形態を適宜、変形、省略することが可能である。

１オペレーティングシステム、２通信処理部、３データベースマネジメントシステム、４レビュアー検索処理部、５データベース、６ネットワークインターフェース、１０サーバー、１１ネットワーク、２１，２２，２ｉクライアント、４１レビュアー候補管理部、４２知識分野経験度算出部、４３文書傾向適正度算出部、４４推薦度算出部、４５パラメータ管理部、４６ＨＴＴＰ処理部。

Claims

レビュアー検索要求に応答してレビュアー候補適正度情報を得るレビュアー検索システムであって、
過去に作成された複数の文書を示す複数の文書データと、各々が複数の文書のいずれかをレビューした事実を示す複数のレビューデータとを含む検索用データ群を格納するデータベースと、
前記レビュアー検索要求に応答して、前記データベースにアクセスして前記検索用データ群を用いたデータベース検索処理を実行して前記レビュアー候補適正度情報を得るレビュアー検索処理部とを備え、
前記検索用データ群において、前記複数の文書データそれぞれに文書、文書の作成者、文書に関連する知識分野、及びレビュー時に検出されたレビュー検出種別が特定されており、前記複数のレビューデータそれぞれにレビュー対象文書、レビュー担当者及びレビュー時に検出したレビュー検出種別が特定されており、
前記レビュアー検索要求は、レビュー対象文書の作成者であるレビュー対象文書作成者を少なくとも示し、
前記レビュアー検索処理部は、
前記レビュアー検索要求に基づき、前記検索用データ群を用いた文書傾向適正度算出処理を実行することにより、レビュアー候補と前記レビュー対象文書作成者との文書傾向適性度を示す前記レビュアー候補適正度情報を得る文書傾向適正度算出部を含み、
前記文書傾向適正度算出処理は、
(a) 前記レビュー対象文書作成者が過去に作成した文書において、レビュー時に検出されたレビュー検出種別を示す作成者文書傾向情報を得るステップと、
(b) 前記レビュアー候補が過去にレビューした文書において、レビュー時に検出したレビュー検出種別を示すレビュアー文書傾向情報を得るステップと、
(c) 前記レビュアー候補において、前記レビュアー文書傾向情報と前記作成者文書傾向情報とのレビュー検出種別の一致度合を反映した前記文書傾向適性度を算出し、前記レビュアー候補の前記文書傾向適性度を示す前記レビュアー候補適正度情報を得るステップとを含み、
前記データベース検索処理は前記文書傾向適正度算出処理を含む、
レビュアー検索システム。
請求項１記載のレビュアー検索システムであって、
前記レビュアー検索要求は前記レビュー対象文書に関連する知識分野であるレビュー対象知識分野をさらに示し、
前記レビュアー検索処理部は、
前記レビュアー検索要求に基づき、前記検索用データ群を用いたレビュアー候補検索処理を実行することにより、過去に前記レビュー対象知識分野に関連する文書のレビュー経験のある知識経験レビュアーを示すレビュアー候補情報を得るレビュアー候補検索部をさらに備え、
前記レビュアー候補は前記知識経験レビュアーを含み、
前記文書傾向適正度算出部は、前記レビュアー検索要求に加え、前記レビュアー候補情報に基づき、前記検索用データ群を用いた前記文書傾向適正度算出処理を実行し、
前記データベース検索処理は前記レビュアー候補検索処理を含む、
レビュアー検索システム。
請求項２記載のレビュアー検索システムであって、
前記レビュアー検索処理部は、
前記レビュアー候補情報に基づき、前記検索用データ群を用いた知識分野経験度算出処理を実行することにより、前記レビュアー候補のレビュアー知識分野経験度を示すレビュアー候補経験度情報を得る知識分野経験度算出部をさらに含み、前記レビュアー候補の前記レビュアー知識分野経験度は、過去にレビューした文書のうち、前記レビュー対象知識分野に一致する知識分野に関連する文書の数である知識合致文書数が多い程大きな値となり、
前記レビュアー検索処理部は、
前記レビュアー候補情報、前記レビュアー候補経験度情報、及び前記レビュアー候補適正度情報に基づき、前記検索用データ群を用いた推薦度算出処理を実行することにより、前記レビュアー候補の推薦度を算出し、前記レビュアー候補の前記推薦度を示すレビュアー候補推薦情報を得る推薦度算出部をさらに含み、
前記レビュアー候補の前記推薦度は、前記レビュアー候補適正度情報が示す前記文書傾向適性度が高い程大きな値となる第１の数値特性と、前記レビュアー候補経験度情報が示す前記レビュアー知識分野経験度が高い程大きな値となる第２の数値特性とを有し、
前記データベース検索処理は、前記知識分野経験度算出処理、及び前記推薦度算出処理を含む、
レビュアー検索システム。
請求項３記載のレビュアー検索システムであって、
前記レビュアー検索要求は最大検索数をさらに示し、
前記レビュアー候補は複数のレビュアー候補を含み、
前記複数のレビュアー候補それぞれに対し、前記文書傾向適正度算出部による前記文書傾向適正度算出処理、前記知識分野経験度算出部による前記知識分野経験度算出処理、及び、前記推薦度算出部による前記推薦度算出処理が実行され、
前記レビュアー検索処理部は、
前記レビュアー候補推薦情報に対しデータ整形処理を実行することにより、前記複数のレビュアー候補それぞれに前記推薦度を対応させて、前記最大検索数内で前記推薦度の高い順に前記複数のレビュアー候補を並べたリスト形式の最終レビュアー候補情報を得るデータ整形部を含み、
前記レビュアー検索システムは、
前記レビュアー検索要求を含む外部要求情報を外部より受け、前記レビュアー検索処理部に前記外部要求情報を付与する外部入力部と、
前記最終レビュアー候補情報を含む外部出力情報を外部に出力する外部出力部とをさらに備える、
レビュアー検索システム。
請求項１から請求項４のうち、いずれか１項に記載のレビュアー検索システムであって、
前記レビュアー検索処理部による前記データベース検索処理は、データ検索機構を介して行われる、
レビュアー検索システム。