JPH08153121A - 文書情報分類方法および文書情報分類装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明の目的は、文書群に付与されたキーワ
ードおよび文書中の出現単語を手がかりとして、規定の
分類体系に依存せずに文書群を分類し、分類結果を階層
的に整理する文書情報分類方法および文書情報分類装置
を提供することにある。 【構成】 文書ＤＢ１０７の文書群とキーワードＤＢ１
０８の各文書に付与されたキーワード群をデータ管理部
１０１で管理する。文書分類部１０３では、個々のキー
ワードに基づいて文書をフォルダに分類して格納する。
次に、類似した文書群を持つフォルダを統合する。統合
する際には統合が有効かどうかの判断を行う。統合され
たフォルダ内や、統合されずに残ったフォルダ内は、細
分類が可能かどうかを判断し、階層的な分類体系を作り
出す。分類結果は分類結果出力部１０４でＣＲＴ１０９
に出力し、ユーザが分類結果を読み出すことができる環
境を提供する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、計算機上に蓄積された
文書ファイルを階層的に分類する文書情報分類方法およ
び文書情報分類装置に関する。特に、情報分類システム
および文書ファイリングシステム等に適用されるもので
ある。

【０００２】

【従来の技術】計算機ネットワークの整備によって、情
報検索サービスや電子メールを利用して、情報収集が行
える環境が整いつつある。計算機ネットワークを介し
て、新しい情報が次々に到着し、話題は時々刻々変化す
る。最新情報の有用性は十分認識されているが、次の問
題によって有効活用されていないのが現状である。

【０００３】（１）所望の情報を選択するための検索式
を論理式で入力しなければならない。このことは一般ユ
ーザには困難である。

【０００４】（２）所望する情報を得るために適切な検
索式を作成することが困難である。

【０００５】（３）収集した情報数が多くなると読み切
れず、収集した中で必要な情報だけを選択して読むこと
ができない。

【０００６】「２１世紀の情報化社会」（日経バイト、
１９９１年１１月、３２０〜３３１ページ）に記載され
ている広域情報サーバは、（１）、（２）の問題点を関
連性フィードバックにより解決している。関連性フィー
ドバックとは、ユーザが提示した検索条件に基づいて検
索を行い、検索結果の中からユーザが所望の情報を選択
すると、選択した情報を検索条件にフィードバックし
て、検索条件を改善するものである。はじめにユーザが
提示した検索条件が不適切であっても、後に学習が行わ
れて検索条件が洗練されるという手法である。

【０００７】「情報のブロードキャッチシステム」（情
報処理学会 情報メディア研究会１３-６、グループウェ
ア研究会４-６報告、１９９３年１０月２８日、３７ペ
ージ〜４４ページ）に記載されているシステムでは、ユ
ーザが自分の興味をキーワードとしてシステムに登録し
ておくと、これに適合する文書を収集する。論理式の入
力を必要とせず、キーワードの登録だけでよいことか
ら、（１）の問題点が解決できる。さらに、収集した文
書数が一定数を超えると、文書群を自動分類している。
文書の内容をキーワードの出現頻度の並びによるワード
ベクトルで表現し、ワードベクトル間の類似度を計算し
て類似する文書をまとめ、文書を分類する。

【０００８】また、特開平５-２８１９８号公報記載の
文書情報検索装置は、各文書に付与された分類や文書中
に出現する単語といった検索情報を手がかりとして文書
検索を行う。ユーザが検索したい分野や単語などの検索
データを入力すると、内容を推測し自動的に検索式を作
成して検索を行うことにより、（１）の問題を解決して
いる。検索式の作成に際しては、あらかじめ登録してあ
る検索論理式のうち、最適な論理式を選択する。さら
に、検索された文書群は検索データとの類似度を算出
し、その値を使って整列することで、（３）の問題に対
処している。

【０００９】また、これらの従来例では、１つの視点で
しか文書分類できない。そのため、検索漏れを起こすと
の問題もある。

【００１０】

【発明が解決しようとする課題】前述の「２１世紀の情
報化社会」に記載された広域情報サーバでは、関連性フ
ィードバックという方法によって、ユーザが指定した検
索条件だけではなく、ユーザの希望にかなった実情報を
利用して、システムが検索条件を改善し、（１）、
（２）の問題を解決した。

【００１１】「情報のブロードキャッチシステム」で
は、検索式を入力するのではなく、キーワードを登録す
るという方法を採用している。しかし、ユーザが自分の
興味を的確に反映するキーワードを登録するのは困難な
ため、（２）の問題は解決し切れていない。また、文書
群の自動分類処理は逐次的に起動されることが前提なの
で、文書の到着順序に依存した分類になる。情報の内容
は時々刻々変化するので、過去のある時点における分類
体系に依存し続けると、有効な分類結果は生成できず、
（３）の解決は困難になる。

【００１２】上述したように、文書の収集、検索処理で
はユーザが自分の興味を的確に反映したキーワードを設
定する作業が困難であるという問題がある。

【００１３】この検索処理に対する問題と比較して、文
書の分類処理でも分類の手がかりとなる分類体系をあら
かじめ設定する作業においても同様の問題が生じる。つ
まり、一つの分類体系に依存し続けると、内容の変化に
対応することができず、不適切な分類結果になり得ると
いう問題が生じる。

【００１４】一方、特開平５-２８１９８号公報記載の
文書情報検索装置では、検索結果を有効なものから順に
整列して検索式に類似する文書から見られるように工夫
している。しかし、何番目までが有効な情報かを判断す
るには、ユーザは文書の内容を確認せざるを得ないた
め、（３）の問題を解決できるとはいえない。

【００１５】つまり、検索結果を一階層に整列しだけで
は、類似した内容の文書をまとめて見たり、まとめて読
み飛ばしたりすることができないという問題がある。

【００１６】これらの問題を解決するものとして、特開
平５−３２４７２６号公報がある。この従来例では、あ
るキーワードに着目して文書内にそのキーワードが存在
するか否かにより文書を分類する。分類された文書に同
様の処理を施すことにより階層的に分類していく。

【００１７】しかし、この従来例でも複数分野に関連す
る文書を１つの視点でしか分類できないとの問題点を有
する。

【００１８】また、本従来例を新聞などの一般の文書デ
ータに適用すると階層が深くなり、分類数が爆発的に増
加するとの問題もある。

【００１９】本発明の目的は上述した問題を解決するた
めに、既定の分類体系にとらわれることなく文書を自動
的に分類し、分類結果を階層的に整理する文書分類方法
および文書分類装置を提供することにある。

【００２０】

【課題を解決するための手段】上記の目的を達成するた
めに本発明は、予め複数の文書および文書の各文書にお
けるキーワード群を蓄積しておき、蓄積された各キーワ
ード毎に、キーワードを含む文書を単一キーワードフォ
ルダにまとめ、単一キーワードフォルダ内の文書同士を
比較することにより、単一キーワードフォルダ同士を結
合して関連キーワードフォルダを作成し、予め蓄積され
た複数の文書を関連キーワードフォルダに分類すること
を特徴とする。

【００２１】本発明の文書情報分類方法および文書情報
分類装置では、蓄積された複数の文書と、各文書に人手
で付与したキーワードと各文書中から自動抽出した単語
をまとめたキーワード群と、キーワード群中の個々のキ
ーワードから算出した重要度を管理し、キーワード群と
重要度を分類処理に利用する。

【００２２】分類処理では、まず各キーワードごとに文
書をまとめる単一キーワード分類処理によって、文書群
を単一キーワードフォルダに格納する。複数のキーワー
ドを持つ文書は、複数の単一キーワードフォルダに重複
して分類する。

【００２３】次に、類似した文書群を含む単一キーワー
ドフォルダについて統合判定を行い、統合可能と判断し
た場合には関連キーワード分類処理で統合し、関連キー
ワードフォルダに格納する。

【００２４】さらに、類似した文書群を含む関連キーワ
ードフォルダについて統合判定を行い、統合可能と判断
した場合には関連キーワード分類処理手段で関連キーワ
ードフォルダの統合を繰り返す。

【００２５】単一キーワードフォルダ内あるいは関連キ
ーワードフォルダ内について、細分類判定を行い、細分
類可能な場合は単一キーワード分類処理と関連キーワー
ド分類処理を利用して、階層的に分類する。細分類は分
類停止の判断するまで再帰的に繰り返す。細分類不可能
な場合は文書間関連度の判定を行い、関連度が低い文書
を雑音とみなして分ける。

【００２６】各関連キーワードフォルダには、フォルダ
内に格納された文書群を代表する名称を付与し、フォル
ダ名を付ける。

【００２７】

【作用】最終的に、既定の分類体系に依存することな
く、各文書を必ず一つ以上の分類に格納し、階層的な分
類体系を作成し、分類結果群を代表する名称を付与する
ことができる。その結果、ユーザが大量の文書から所望
の文書を見つけやすくすることができる。

【００２８】

【実施例】以下本発明の一実施例について説明する。

【００２９】本実施例の文書分類装置が対象とするの
は、計算機上のテキストファイルであり、以下、これを
文書とする。各文書には、文書の内容を代表する複数個
のキーワードを付与することができ、以下、これをキー
ワード群とする。

【００３０】図１に本実施例の文書分類装置の構成例を
示す。文書分類装置１００は、データ管理部１０１、単
語検出部１０２、文書分類部１０３、分類結果出力部１
０４から構成されており、一般用語を収録した単語辞書
１０５、用語間の上位下位関係や同義語情報などを収録
したシソーラス辞書１０６、文書を格納している文書DB
１０７、各文書のキーワード群を格納しているキーワー
ドDB１０８、出力装置のCRT１０９、入力装置のキーボ
ード１１０、マウス１１１を持つ。

【００３１】データ管理部１０１は、文書DB１０７と、
キーワードDB１０８を管理し、文書やキーワード群の入
出力を行う。キーワードDB１０８には、あらかじめ人手
で付与したキーワード（以下、人手付与キーワードとす
る）を格納することができる。人手付与キーワードは格
納する必要はないが、本実施例では格納した場合を例に
説明する。

【００３２】単語検出部１０２は、データ管理部１０１
から文書を受け取り、単語辞書１０５を利用して形態素
解析処理を行い、文書から単語を抽出する。または、文
書を文字種の変化点で分割し、単語を抽出する手法や、
文書中のn文字の並びに対する出現頻度を調べ、意味を
持つn文字の並びを抽出する手法などを利用してもよ
い。抽出した単語群は、シソーラス辞書１０６を参照し
て、同義語展開したり、上位語への変換を行い、同義語
群を生成する。抽出した単語群と、同義語群をあわせ
て、単語キーワードを生成する。単語キーワードをデー
タ管理部１０１に受け渡し、キーワードDB１０８中の各
文書のキーワード群に追加登録する。

【００３３】また、単語検出部１０２は各単語キーワー
ドの重要度を計算する。重要度とは、（１）全単語の出
現頻度総数における各単語の出現頻度、（２）タイト
ル、見出し、段落などの文書中での出現位置に基づく。
すなわち、タイトルは文書の内容を代表する可能性が高
いので、タイトル中に出現した単語の重要度を高くする
といった手法である。

【００３４】文書分類部１０３は、データ管理部１０１
から各文書のキーワード群を受け取り、階層的な分類体
系を生成し、結果を分類結果出力部１０４に受け渡す。
分類処理の詳細は後述する。

【００３５】分類結果出力部１０４は、文書分類部１０
３から階層的な分類体系を受け取り、インタフェース画
面をCRT１０９に表示する。

【００３６】図２に単語キーワードの具体例を示し、図
１の単語検出部１０２の詳細を説明する。まず、単語辞
書１０５を参照して文書２０１から単語群２０２の抽出
を行う。単語群２０２は、シソーラス辞書１０６を参照
して同義語や上位語に展開する。同義語群２０３は、
「ブレンド」という用語が同義語の「調合」に展開され
た例を示していて、同義語への展開はキーワードの表記
を統一するために行うものである。次に、単語群２０２
と同義語群２０３から、単語キーワード２０４を生成
し、これをキーワードDB１０８に格納されている文書２
０１のキーワード群２０５に格納する。キーワード群２
０５は、あらかじめ付与されていた人手付与キーワード
に、単語キーワード２０４が追加された様子を示す。

【００３７】図３の流れ図に従い、文書分類部１０３の
詳細について説明する。分類の結果、文書が格納される
領域をフォルダ、フォルダに格納される複数個の文書を
文書群と呼ぶ。また、「フォルダを作成する」とは、分
類された文書群を格納する領域を確保することである。

【００３８】まず、各キーワードをキーワード群中に含
む文書を、各キーワードごとにまとめる単一キーワード
分類処理３０１を行う。次に、単一キーワード分類処理
３０１によって作成された単一キーワードフォルダにつ
いて、類似した文書群を含む単一キーワードフォルダの
組を統合する関連キーワード分類処理３０２を行う。ス
テップ３０３では、関連キーワード分類処理３０２によ
って作成された関連キーワードフォルダについて、類似
した文書群を含む関連キーワードフォルダの組を統合で
きるかどうかの判定を行い、統合が可能な間は関連キー
ワードフォルダの統合を繰り返す。さらに、作成された
単一キーワードフォルダや関連キーワードフォルダ内に
ついて、細分類できるかどうかを調べ（ステップ３０
４）、細分類可能な間は階層的に分類を繰り返す（ステ
ップ３０５）。ステップ３０５は、すべてのフォルダ内
について階層的な分類を行う。

【００３９】次に、図３の各処理の詳細を説明する。

【００４０】まず、図４の流れ図を用いて、図３の単一
キーワード分類処理３０１の詳細を説明する。以下、単
一キーワード分類処理３０１で作成するフォルダを単一
キーワードフォルダと呼ぶ。

【００４１】ステップ４０１では、キーワードを管理す
るテーブルの初期化を行う。キーワードを管理するテー
ブルをキーワードテーブルと呼ぶ。ステップ４０２で
は、図１のキーワードDB１０８から一文書のキーワード
群を読み出し、キーワードテーブルに各キーワードを登
録する。すべての文書について、キーワードの登録を繰
り返す（ステップ４０３）。ステップ４０４では、各キ
ーワードについて、キーワードをキーワード群に含む文
書数を数える。文書数が１であるかどうかの判定を行い
（ステップ４０５）、１のときはキーワードを対象外と
する（ステップ４０６）。一文書にしか含まれないキー
ワードは、分類時に他の文書との関連性を判断する材料
にならないためである。文書数が１ではないときは、キ
ーワードと同一の名前の単一キーワードフォルダを作成
し、キーワードをキーワード群中に含む文書群を単一キ
ーワードフォルダに格納し、さらに単一キーワードフォ
ルダ名をフォルダを管理するテーブルに登録する（ステ
ップ４０７）。フォルダを管理するテーブルをフォルダ
テーブルと呼ぶ。ステップ４０８では、全キーワードに
ついて、上述した単一キーワードフォルダの作成処理を
繰り返す。

【００４２】次に、上述したキーワードテーブルについ
て図５を用いて説明する。キーワードテーブル５０１の
各エントリは、キーワードリスト５０２を指している。
エントリは、キーワードを入力とするハッシュ関数の値
で決定する。キーワードリスト５０２は、キーワード５
０３、同一ハッシュ値のキーワードリストへのポインタ
５０４、文書識別番号リストへのポインタ５０５の組で
ある。ポインタ５０４は、同一ハッシュ値のキーワード
リスト５０６を指していて、キーワードリスト５０２と
同一ハッシュ値のキーワードリスト５０６のキーワード
は同じハッシュ値になることを示す。ポインタ５０５
は、文書識別番号リスト５０７を指していて、キーワー
ド５０３を含む文書群が連結されている。文書識別番号
リスト５０７は、文書を識別するための番号５０８、次
文書識別番号リストへのポインタ５０９の組である。各
キーワードを含む文書の数は、キーワードテーブル５０
１の文書識別番号リスト５０５をたどれば得られる。

【００４３】図６に示したキーワードテーブルの具体例
では、キーワードテーブル６００の７番のエントリ６０
１にキーワードリストが連結されている。ポインタ６０
３は、「ペット」というキーワード６０２のキーワード
リストに、「新種」というキーワード６０９のキーワー
ドリストが連結していることを示し、ポインタ６１０は
キーワードリストの連結はそれ以上はないことを示して
いる。ポインタ６０４は、「ペット」というキーワード
を含む一つの文書識別番号リストである文書識別番号１
（６０５）を指し、さらにポインタ６０６は文書識別番
号２（６０７）を指している。ポインタ６０８は、それ
以上「ペット」というキーワードを含む文書群はないこ
とを示す。同様に、ポインタ６１１は「新種」というキ
ーワードを含む文書識別番号リストの文書識別番号３
（６１２）を指している。ポインタ６１３は、さらに文
書識別番号リストが連結されていることを示す。

【００４４】次に、フォルダテーブルについて図７を用
いて説明する。フォルダテーブル７００は、フォルダ名
７０１、フォルダに格納されている文書数７０２、分類
終了フラグ７０３、文書識別番号リスト７０４の組であ
る。分類終了フラグ７０３は分類を行うか否かを記憶す
るフラグで、詳細については後述する。文書識別番号リ
スト７０４は、図５のキーワードテーブル５０１の文書
識別番号リスト５０７と等しい。フォルダテーブル７０
０の０番のエントリ７０５は、「ペット」というフォル
ダがあり、その中には文書が２件格納されていて、フォ
ルダの分類はOFF（終了していない）で、文書識別番号
のリストが連結していることを示す。

【００４５】図８に示す単一キーワード分類処理の具体
例を用いて、図３の単一キーワード分類処理３０１を説
明する。文書８０１は図１の文書DB１０７に格納されて
いて、文書群８０２を形成する。各文書にはキーワード
群８０３が付与されていて、キーワード群８０３は個々
のキーワード８０４の集合である。８０３１は文書１の
キーワード群で、「犬」、「動物」、「ペット」という
キーワードを含む。８０３２は文書２のキーワード群
で、「猫」、「動物」、「ペット」、「ねずみ」という
キーワードを含む。８０３３は文書３のキーワード群
で、「新種」、「ねずみ」、「動物」、「ABC国」とい
うキーワードを含む。８０３４は文書４のキーワード群
で、「ねずみ」、「キャラクター商品」、「ABC国」と
いうキーワードを含む。その他の文書５、文書６、文書
７、文書８も同様にキーワード群を持つものとする。文
書群８０２に対して単一キーワード分類処理を行うと、
単一キーワードフォルダ８００群に展開される。単一キ
ーワードフォルダは、「犬」、「猫」、「キャラクター
商品」、「新種」、「ABC国」、「ペット」、「ねず
み」、「動物」、というキーワードと同一の名前で作成
されている。各単一キーワードフォルダには、文書集合
８０５が格納されている。

【００４６】例えば、８０５１は単一キーワードフォル
ダ「犬」の文書集合で、文書１が含まれていることを示
す。８０５２は、単一キーワードフォルダ「ペット」の
文書集合で、文書１と文書２が格納されている。８０５
３は単一キーワードフォルダ「ねずみ」の文書集合で、
文書２、文書３、文書４が格納されている。８０５４は
単一キーワードフォルダ「動物」の文書集合で、文書
１、文書２、文書３が格納されている。８０５５は単一
キーワードフォルダ「ABC国」の文書集合で、文書３、
文書４が格納されている。８０５６は単一キーワードフ
ォルダ「新種」の文書集合で、文書３、文書５、文書
６、文書７、文書８が格納されていることを示す。

【００４７】次に、図９の流れ図に従い、図３の関連キ
ーワード分類処理３０２の詳細を説明する。以下、関連
キーワード分類処理３０２で作成するフォルダを関連キ
ーワードフォルダと呼ぶ。

【００４８】ステップ９０１では、フォルダ間の一致文
書数を管理するテーブルの初期化を行う。フォルダ間の
一致文書数を管理するテーブルをフォルダ間一致文書数
管理テーブルと呼ぶ。二つの単一キーワードフォルダ間
での一致文書数を数えて、フォルダ間一致文書数管理テ
ーブルに登録する（ステップ９０２）。ステップ９０３
では、すべての単一キーワードフォルダ間の一致文書数
をフォルダ間一致文書数管理テーブルに登録する。ステ
ップ９０４では、フォルダ間一致文書数管理テーブルを
一致文書数で降順に配列し、テーブルの先頭すなわちフ
ォルダ間の一致文書数が最大となった単一キーワードフ
ォルダの組の統合が可能であるかを調べる（ステップ９
０５）。ステップ９０５の詳細は後述する。

【００４９】統合が可能である場合は、関連キーワード
フォルダを作成し、統合する二つの単一キーワードフォ
ルダの文書群を格納し、関連キーワードフォルダ名を図
７のフォルダテーブル７００に登録し、統合した二つの
単一キーワードフォルダをフォルダテーブル７００から
削除する（ステップ９０７）。関連キーワードフォルダ
の名称は、統合した二つの単一キーワードフォルダ名を
列挙したものである。このとき、列挙する順番は文書数
の多い単一キーワードフォルダ名から並べ、関連キーワ
ードフォルダ内の文書群がどのようなキーワードを多く
含むかを明示する。さらに、ステップ９０８でフォルダ
間一致文書数管理テーブルに統合が終了したことを書き
込み、フォルダ間一致文書数管理テーブルの更新を行
う。

【００５０】統合が不可能である場合や、統合が終了し
た場合には、統合処理を行っていない単一キーワードフ
ォルダの組について、フォルダ間一致文書数管理テーブ
ルの先頭から終りまで、統合処理を繰り返す（ステップ
９０６）。

【００５１】上述したフォルダ間一致文書数管理テーブ
ルを図１０に示し、詳細を説明する。フォルダ間一致文
書数管理テーブル１００１は、一致文書数を調べる二つ
のフォルダの識別番号１００２、１００３、一致文書数
１００４、統合済フラグ１００５の組である。図１０の
例では、フォルダ識別番号０番と１番の一致文書数が５
件あったことを示している。統合済フラグ１００５は、
「フォルダの統合が済んでいるか否か」や「フォルダの
統合が不可能である」ことを記憶するフラグで、「済」
は統合が済んでいることを示し、「不可」は統合が不可
能であることを示している。

【００５２】次に、図１１にフォルダ間一致文書数管理
テーブルの具体例を示す。すべての単一キーワードフォ
ルダの識別番号を１１０１と識別番号１１０２に列挙
し、二つのフォルダ間の一致文書数を調べて登録したも
ので、例えば、文書０と文書４の一致文書数１１０３は
８件あったことを示す。一致文書数は、図７のフォルダ
テーブル７００の文書識別番号リスト７０４をたどり、
比較することで求められる。

【００５３】図１２にフォルダ間一致文書数管理テーブ
ルの更新処理の具体例を示し、これを用いて詳細を説明
する。フォルダ間一致文書数管理テーブル１２００は、
図９のステップ９０４まで処理が終了した状態を示す。
フォルダ間一致文書数管理テーブルの先頭、すなわちエ
ントリ０番からフォルダの統合処理を開始し、フォルダ
識別番号０番と１番の統合が可能と判断されると統合を
行い（ステップ９０５）、統合済フラグ１２０５に
「済」と書き込む（ステップ９０８）。フォルダ識別番
号０番と１番を統合すると、０番と１番に関係する１２
０６〜１２１３を「不可」にする。次に、フォルダ間一
致文書数テーブルの次のエントリ、すなわちエントリ１
番について統合処理を行う（ステップ９０６）。このと
き、統合済フラグが「不可」ではないことを確認する。
「不可」ならばエントリ１番の単一キーワードフォルダ
の組の一方は、すでに統合処理が終了しているので統合
はできない。図１２では、統合済フラグ１２１４は「不
可」ではないので、統合を行うことができる。本実施例
では、フォルダ間一致文書数管理テーブルの先頭から順
番に処理を行うので、「済」のエントリが処理中のエン
トリよりも後ろのエントリに現われることはない。

【００５４】次に、図１３の流れ図を用いて、図９のス
テップ９０５のフォルダの統合判定処理の詳細を説明す
る。

【００５５】統合するフォルダの組は、「一致文書数が
最大になること」を条件として決定する。統合すべきか
どうかは、統合した結果が有効な分類になるかどうかを
調べる必要があり、統合前と統合後を比較して判定す
る。本実施例では図１３に示すフォルダ内文書の距離計
算処理１３００を適用する。

【００５６】図１３の１３０１は、フォルダ内文書の距
離計算処理１３００で一時的に用いる作業用キーワード
テーブルの初期化を行っている。作業用テーブルのデー
タ構造は、図５のキーワードテーブル５０１と同様とす
る。フォルダ内に格納されている文書に対して、キーワ
ードの登録を行い（ステップ１３０２）、すべてのフォ
ルダ内文書について繰り返す（ステップ１３０３）。キ
ーワード数の計数用にキーワード数pを初期化する（ス
テップ１３０４）。キーワードを含む文書数を数えて
（ステップ１３０５）、文書数が１のキーワードは作業
用キーワードテーブルから削除し（ステップ１３０
８）、１以上のときはキーワード数pを１ずつ増やす
（ステップ１３０７）。すべてのキーワードについてス
テップ１３０５以下の処理を繰り返し（ステップ１３０
９）、フォルダ内の文書群に含まれるキーワードのう
ち、二つ以上の文書に含まれるキーワードの選定が終了
する。次に、図１４のステップ１４００に進む。

【００５７】図１４の１４０１では、ワードベクトルを
管理するテーブルの初期化を行う。ワードベクトルWiと
は、文書iにおける「キーワードの出現頻度とキーワー
ドの重要度の積」の並びであり、具体的には次のように
表現できる。

【００５８】ワードベクトルWi = (F1*V1, F2*V2, ...,
Fj*Vj, ..., Fp*Vp) ( iは文書識別番号、1<=j<=p,jはキーワード識別番号、
pはキーワード数、Fjはキーワードjの出現頻度、Vjはキ
ーワードjの重要度 ) 重要度は、図１の単語検出部１０２で付与したもので、
値が大きいものほど重要度が高い。ワードベクトルを管
理するテーブルをワードベクトルテーブルと呼ぶ。 ス
テップ１４０２では、各キーワードの出現頻度と単語検
出部１０２で付与した各キーワードの重要度の積を計算
し、ワードベクトルテーブルに登録し、各文書に関して
繰り返す（ステップ１４０３）。さらに、ステップ１４
０４では、各文書のワードベクトルの平均ベクトルを求
める。本実施例では次式で定義する。

【００５９】平均ベクトルWa = ΣWi / n ( 1<=i<=n, iは文書識別番号、nは文書数 ) 次に、ステップ１４０５では、各文書のワードベクトル
Wi（1<=i<=文書数）と平均ベクトルWaとの距離を計算す
る。ベクトル間の距離とは、ベクトルの近さを判断する
もので、本実施例ではベクトル間の距離を次式で定義す
る。文書Di、DjのワードベクトルをそれぞれWi、Wjと
し、WiとWjのなす角度をθとし、Di、Dj間の距離をd(D
i, Dj)とする。

【００６０】 d(Di,Dj) = 1 - Wi・Wj / |Wi|*|Wj| = 1 - cosθ （ただし、・は内積、*は積、|Wi|はWiの大きさ） d(Di,Dj)は0<=d(Di,Dj)<=1の範囲の値であり、ベクトル
間の距離が近いほど値は小さくなり、一致する場合は0
になる。

【００６１】すべての文書について、ワードベクトルと
平均ベクトルとの距離計算を繰り返す（ステップ１４０
６）。次にステップ１４０７で、すべての平均ベクトル
と各文書との距離から距離分布を求める。距離分布と
は、（１）平均距離、（２）分散とし、次式で定義す
る。

【００６２】平均距離da = Σdi / n 分散σ = Σ( ( di - da ) * ( di - da ) ) / ( n-1 ) （ 1<=i<=n, iは文書識別番号、nは文書数、diは文書識
別番号iの文書と平均ベクトルとの距離 ） 統合前の二つの単一キーワードフォルダについて、別々
に調べた距離分布の平均値と、統合後の関連キーワード
フォルダの距離分布を比較することで、統合の可否を判
断する。本実施例では、（１）、（２）を具体的に次式
で定義する。

【００６３】（１）|d2-d1| >= Td (d1は統合前の二つの単一キーワードフォルダの平均距
離の平均値、d2統合後の平均距離、|x|はxの絶対値、Td
はしきい値） （２）σ2/σ1 >= Tσ （σ1は統合前の二つの単一キーワードフォルダの平均
分散値、σ2は統合後の分散値、Tσはしきい値） （１）または（２）の条件が満たされるときに、統合不
可と判断する。しきい値Td、Tσは、初期実験で数種類
を決定しておき、フォルダ内の文書群の距離分布の状況
に適したものを選択する。

【００６４】図１５のワードベクトルテーブルの具体例
を用いて、詳細を説明する。ワードベクトルテーブル１
５００は、縦軸が文書識別番号、横軸がキーワード識別
番号の２次元テーブルである。例えばエントリ１５０３
は、文書識別番号３番の文書において、キーワード識別
番号３のキーワードの出現頻度と重要度の積が２である
ことを表している。図１５を例にとり、ワードベクトル
と平均ベクトルとの距離の計算例を示す。説明を簡略化
するために、各キーワードの重要度はすべて１とし、文
書数は４、キーワードは識別番号４までを対象としたと
きの、文書識別番号１番のワードベクトルと平均ベクト
ルとの距離を計算する。

【００６５】W1 = ( 3, 2, 1, 1 ) W2 = ( 1,13, 2, 0 ) W3 = ( 1, 1, 8, 0 ) W4 = ( 0, 1, 3, 2 ) 文書識別番号１のワードベクトルと平均ベクトルWaとの
距離d1 d1(D1, Wa) = 1 - W1・Wa / |W1|*|Wa| = 1- ( 3, 2, 1, 1 )・( 1.3, 4.2, 3.5, 0.8 ) / 3.9 * 38 = 1- 48.1 / 148.2 = 1- 0.32 = 0.68 図１６に関連キーワード分類処理の具体例を示す。単一
キーワードフォルダ「ペット」１６０１と単一キーワー
ドフォルダ「動物」１６０２とを統合して関連キーワー
ドフォルダ「動物とペット」１６０５を作り、単一キー
ワードフォルダ「ABC国」１６０３と単一キーワードフ
ォルダ「ねずみ」１６０４を統合して関連キーワードフ
ォルダ「ねずみとABC国」を作成している（図３ステッ
プ３０２）。さらに、関連キーワード分類処理を繰り返
し（図３ステップ３０３）、関連キーワードフォルダ
「動物とペット」１６０５と関連キーワードフォルダ
「ねずみとABC国」１６０６を統合し、関連キーワード
フォルダ「動物とねずみとペットとABC国」１６０７を
作成している。１６０７のフォルダ名は、「動物」、
「ねずみ」、「ペット」、「ABC国」の順に、各キーワ
ードに関連する文書が多く格納されていることを示す。

【００６６】関連キーワード分類処理が終了すると、分
類体系の第一階層が生成される。

【００６７】次に、細分類処理について説明する。細分
類とはフォルダ内を階層的に分類することで、上位フォ
ルダの作成に利用していないキーワードを用いて分類を
行う。例えば、図１６の関連キーワードフォルダ「動物
とねずみとペットとABC国」１６０７内を細分類する場
合には、キーワード「動物」、「ねずみ」、「ペッ
ト」、「ABC国」以外のキーワードを利用して分類を行
う。

【００６８】図１７に細分類の流れ図を示し、図３のス
テップ３０４の詳細を説明する。ステップ１７０１では
フォルダの種類を判別する。

【００６９】関連キーワードフォルダの場合は、類似度
の高い、複数の単一キーワードフォルダが統合された結
果なので、フォルダ内をさらに階層的に分類する。分類
は、図３の流れ図に従って、単一キーワード分類処理３
０１、関連キーワード分類処理３０２、関連キーワード
フォルダの統合処理３０３、細分類３０４〜３０６を再
帰的に繰り返す。

【００７０】単一キーワードフォルダの場合は、一つの
キーワードに引き付けられた文書群が格納されているの
で、集合としてのまとまりがあるかどうかの保証がな
い。そこで、図１３のフォルダ内の文書間の距離計算を
行って（ステップ１３００）、各文書と平均ベクトルと
の距離の分散値を求める（ステップ１７０２）。

【００７１】分散値としきい値Tσを比較し（ステップ
１７０２）、Tσ以上ならばフォルダ内を階層的に分類
する価値はないとみなし、さらに平均距離を調べる（ス
テップ１７０３）。平均距離がしきい値Td以上の文書
は、関連性の薄い雑音文書であると判定し、単一キーワ
ード内の雑音フォルダに格納する（ステップ１７０
４）。雑音フォルダは、雑音と判定された文書を格納す
るためのフォルダで、雑音文書が存在したフォルダ内に
だけ作成する。フォルダ内のすべての文書について、平
均距離計算を行い（ステップ１７０５）、雑音文書を雑
音フォルダに格納し、図７のフォルダテーブル７００の
分類終了フラグ７０３に分類終了と書き込む（ステップ
１７０６）。

【００７２】分散値がTσ以下の場合は、単一キーワー
ドフォルダ内を細分類可能と判断し、図３の流れ図に従
って、単一キーワード分類処理３０１、関連キーワード
分類処理３０２、関連キーワードフォルダの統合処理３
０３、細分類３０４〜３０６を再帰的に繰り返す。

【００７３】図１８の細分類の具体例では、関連キーワ
ードフォルダ「猫と魚」１８０１は、単一キーワードフ
ォルダ「キャットフード」１８０４と、関連キーワード
フォルダ「釣りと海」１８０５の二つのフォルダに階層
的に分類された例である。また、単一キーワードフォル
ダ「犬」１８０２は、単一キーワードフォルダ「柴犬」
１８０６と関連キーワードフォルダ「えさと散歩」１８
０７の二つのフォルダに階層的に分類された例である。
単一キーワードフォルダ「新種」１８０３は、雑音文書
１８０９が雑音文書フォルダ１８０８に分けられた例で
ある。

【００７４】細分類によって、分類体系の第二階層以下
を作成したことになる。

【００７５】これまでは文書分類部の流れを説明した。
ここで、分類によって作成されるフォルダの階層構造の
記憶方法について、図１９の分類階層管理テーブル１９
００を用いて説明する。

【００７６】分類階層管理テーブル１９００の各エント
リは、フォルダ情報リストを指している。フォルダ情報
リスト１９０１は、フォルダ名１９０２、文書識別番号
リスト１９０３、文書数１９０４、兄弟フォルダ情報リ
ストへのポインタ１９０５、子フォルダ情報リストへの
ポインタ１９０６、親フォルダ情報リストへのポインタ
１９０７の組である。フォルダ名１９０２は図７のフォ
ルダテーブル７００のフォルダ名７０１と一致し、文書
数１９０４は７０２と一致する。文書識別番号リスト１
９０３は、各フォルダに格納されている文書識別番号リ
スト１９０８へのポインタであり、１９０８は文書識別
番号１９０９と次文書識別番号リストへのポインタ１９
１０の組である。文書識別番号リスト１９０３は、図７
のフォルダテーブル７００の文書識別番号リスト７０４
と一致する。兄弟フォルダ情報リストへのポインタ１９
０５は、フォルダ情報リスト１９０１と同じ上位フォル
ダを持ち、同階層に位置するフォルダ情報リストへのポ
インタである。子フォルダ情報リストへのポインタ１９
０６は、フォルダ情報リスト１９０１の一つの下位フォ
ルダ情報リストへのポインタである。親フォルダ情報リ
ストへのポインタ１９０７は、上位フォルダ情報リスト
へのポインタである。

【００７７】図７のフォルダテーブル７００に作成した
フォルダの情報を書き込むと同時に、分類階層管理テー
ブル１９００にもフォルダテーブル７００の内容を複写
する。細分類によって、第二階層以降のフォルダを作成
すると、分類階層管理テーブル１９００の子フォルダ情
報リストへのポインタ１９０６、兄弟フォルダ情報リス
トへのポインタ１９０５、親フォルダ情報リストへのポ
インタ１９０７の更新を行う。

【００７８】図１９の分類階層管理テーブル１９００を
用いて、具体的に階層構造の記憶方式を説明する。ま
ず、新規作成したフォルダをフォルダ情報リスト１９０
１に登録する。さらに、フォルダ内を細分類して二つの
フォルダに分類したとすると、子フォルダ情報リストへ
のポインタ１９０６に一つの子フォルダ情報リスト１９
１１を登録し、１９１１の兄弟フォルダ情報リストへの
ポインタ１９１２に二つ目の子フォルダ情報リスト１９
１５を登録し、それ以上はフォルダはないので、１９１
６は連結がないことを示す。フォルダ情報リスト１９０
１は１９１１と１９１５の親フォルダ情報リストに相当
するので、親フォルダ情報リストへのポインタ１９１
４、１９１８は１９０１を指している。フォルダ情報リ
スト１９０１の子フォルダ情報リスト１９１１、１９１
５は、以下に階層的な分類はないので、１９１３、１９
１８は連結がないことを示す。フォルダ情報リスト１９
０１は第一階層のフォルダで、それ以上の階層や同一の
階層に位置するフォルダはないので、１９０５、１９０
７は連結がないことを示す。また、フォルダ情報リスト
１９０１は、二つの文書を持ち、１９０３は一つ目の文
書識別番号リスト１９０８を、１９０９は二つ目の文書
識別番号リスト１９１０を指している。

【００７９】図１の文書分類部１０３で生成された分類
体系は、具体的には図２０のような階層構造に展開さ
れ、第一階層には、関連キーワードフォルダ「猫と魚」
１８０１、単一キーワードフォルダ「犬」１８０２、単
一キーワードフォルダ「新種」が、第二階層フォルダに
は、１８０１の下位に単一キーワードフォルダ「キャッ
トフード」１８０４、関連キーワードフォルダ「釣りと
海」１８０５があり、１８０２の下位に単一キーワード
フォルダ「柴犬」１８０６、関連キーワードフォルダ
「えさと散歩」１８０７があり、１８０３の下位には雑
音文書が雑音文書フォルダに分離されている。

【００８０】図１の分類結果出力部１０４は、上記分類
体系を文書分類部１０３から受け取ると、インタフェー
ス画面を図２１に示すように作成し、CRT１０９に出力
する。図２１の２１０１は、分類体系の上位三階層が表
示されていて、２１１３は第一階層、２１１４は第二階
層２１１５が第三階層を示していて、各階層のフォルダ
名が縦方向に表示されている。図２１は、第一階層
「猫、魚」を選択し、第二階層「キャットフード」を選
択した結果、第三階層に文書群が表示され、文書１５を
選択した様子である。２１１２は文書１５の内容、文書
の作成された日２１１６やフォルダ内における文書１５
の得点情報２１１７を表示している。ユーザは図１のマ
ウス１１１で、興味のあるフォルダ名を選択し、自由に
内容を参照することができる。また、興味のないフォル
ダは読み飛ばすことができ、参照すべき文書量が削減で
きる。

【００８１】図１の文書DB１０７に新規文書の到着や、
古い文書の削除が行われる場合には、文書分類部１０３
が改めて分類しなおすことで、新規情報の入手にも対応
できる。

【００８２】次に、第２の実施例を説明する。第２の実
施例は、図１に示した第１の実施例の文書分類装置１０
０における分類結果出力部１０４に、ユーザの意見を反
映した分類結果を構築するための分類指定手段を設けた
文書分類装置に関する。

【００８３】第１の実施例の文書分類装置は既定の分類
体系にとらわれることなく文書を自動的に分類するため
に、ユーザの意向と異なる分類結果を生成してしまうこ
とがある。そこで図２２のように、図１の分類結果出力
部１０４に分類指定部２２０１を加えた、文書分類装置
２２００の構成をとり、ユーザの意見を分類結果に反映
させる手段を設ける。分類指定部２２０１はフォルダ数
指定インタフェース２５００と分類体系構築補助インタ
フェース２７００という二つの画面から構成される。

【００８４】ユーザがキーボード１１０、マウス１１１
といった入力装置を用いて分類したい文書群を指定し、
分類処理の実行を指示すると、文書分類装置２２００が
起動され、図２３の流れ図に基づく処理が施される。ま
ずステップ２３０１としてデータ管理部１０１が文書Ｄ
Ｂ１０７にユーザの指定した文書群を格納する。

【００８５】続くステップ２３０２では、単語検出部１
０２が文書群から単語キーワードを検出し、単語辞書１
０５に格納する。こうして分類処理を行うためのデータ
が用意できると、ステップ２３０３で文書分類部１０３
が図３の流れ図に従って分類体系を生成し、文書を分類
する。分類結果出力部１０４はこの分類結果を図２１の
ようなインタフェース画面に表示して、ユーザに提示す
る（ステップ２３０４）。ここまでは第１の実施例と同
一の処理ステップである。さらに、分類結果を参照した
ユーザから分類指定部２２０１に対する指示を確認し
（ステップ２３０５）、指示がない場合には終了する。
指示がある場合にはステップ２３０６で指示内容を解釈
し、フォルダ数指定インタフェース２５００への指示の
場合はステップ２３０７の再分類処理を施し、分類体系
構築補助インタフェース２７００への指示の場合はステ
ップ２３０８の再分類処理を適用する。フォルダ数指定
インタフェース２５００および分類体系構築補助インタ
フェース２７００については後述する。そして再びステ
ップ２３０４に戻り、再分類の結果をユーザに提示す
る。ユーザが分類指定部２２０１に対して指示するケー
スとしては、分類結果がユーザの意向に合わない場合な
どが挙げられる。

【００８６】次に、分類指定部２２０１の提供する二つ
の入力画面、フォルダ数指定インタフェース２５００お
よび分類体系構築補助インタフェース２７００について
説明する。ここでは、各インタフェースから取り込まれ
る再分類に関する指示情報と再分類処理２３０７および
２３０８の詳細について述べる。

【００８７】はじめにフォルダ数指定インタフェース２
５００について述べる。

【００８８】図２４は分類結果出力部１０４によって作
成された、約一千件の「コンピュータ」関係の文書群の
分類結果を示すインタフェース画面である。これは図２
１と同種の出力画面であり、第１の実施例と同様に文書
分類部１０３で作成された分類結果を読み出して作成さ
れる。具体的には図１９の分類階層管理テーブル１９０
０からフォルダ名１９０２、文書群１９０３、文書数１
９０４、フォルダの階層関係（１９０５、１９０６、１
９０７）を読み出すことによって、図２４の画面に表示
する情報を得ている。

【００８９】このように一つの分野の文書群であっても
内容が多岐に渡れば詳細に分類することができ、数十か
ら数百ものフォルダが生成される。分類結果として第一
階層に数十個のフォルダが生成され、各フォルダの下位
に同等数のフォルダが生成された場合を例に、本図では
分類体系の上位三階層を表示している。フォルダ「パソ
コン、発売、販売、ソフト」２４０５およびフォルダ
「発売、価格、販売、見込」２４０６はユーザが参照し
ようとして選択した状態を反転して示している。２４０
１は第一階層に生成された複数個のフォルダの名前を縦
方向に列挙し、２４０２はユーザから選択された第一階
層２４０１のフォルダ「パソコン、発売、販売、ソフ
ト」２４０５の下位（第二）階層のフォルダ名を、２４
０３は選択された第二階層２４０２のフォルダ「発売、
価格、販売、見込」２４０６の下位（第三）階層のフォ
ルダ名を縦方向に表示している。本図では第一階層（to
p class）２４０１のフォルダ名が６個しか見えない
が、実際にはスクロールバー２４０４を用いて画面をス
クロールさせることで数十個のフォルダ名を参照でき
る。

【００９０】なお第一階層内をさらに細分化し第二階層
以下を作成する細分類処理（図１７）について、第１の
実施例では「上位フォルダの作成に利用していないキー
ワードを用いて分類を行う」場合を仮定したが、本例で
は上位フォルダの作成に利用したキーワードも用いて分
類する場合について取り挙げている。そのため、上位階
層のフォルダの作成に利用されたキーワードが下位階層
のフォルダにも出現することがあり、例えば第一階層
（top class）２４０１のフォルダ「パソコン、発売、
販売、ソフト」２４０５に含まれているキーワード「パ
ソコン」、「発売」、「販売」、「ソフト」は第二階層
２４０２のフォルダ「発売、価格、販売、見込」２４０
６とフォルダ「パソコン、開発、シリーズ、新製品」２
４０７、フォルダ「ソフト、東京、複雑、成功」２４０
８にも含まれている。

【００９１】この分類結果では一階層のフォルダ数が多
く、所望のフォルダを見つけにくい。一方、一階層のフ
ォルダ数を少なくし階層を深くして細分類すると、所望
の文書を見つけるまで手間がかかる。分類結果として適
切なフォルダの数やフォルダの大きさは、分類対象の文
書数や文書の内容の均質さによって異なってくる。さら
に、分類結果の適否はこれを参照するユーザの視点によ
って異なることから、予め適切なフォルダ数や平均文書
数を設定することは難しい。そこで、フォルダ数指定イ
ンタフェース２５００は文書分類部１０３によって生成
される分類結果のフォルダ数やフォルダの大きさを、ユ
ーザによって指定できる環境を提供するという役割を担
う。

【００９２】図２５に示すフォルダ数指定インタフェー
ス２５００では、フォルダ数やフォルダの平均文書数と
いった分類結果に関する情報をユーザに提示し、好みに
応じて適切なフォルダ数や平均文書数にまとめ直すため
の指示を受け取れるようにしている。一般的にフォルダ
数を少なくすれば平均文書数は多くなるというように両
者は連動する関係にあるが、ユーザが分類結果を評価す
る基準としてどちらを用いてもよいようにする。２５０
１は一階層に生成されたフォルダ数を、２５０２は平均
文書数を示す。フォルダ数操作バー２５０３はフォルダ
数の増減を、平均文書数操作バー２５０４は平均文書数
の増減をユーザが指定するためのグラフィカルユーザイ
ンタフェース（GUI）である。２５０５は文書数に応じ
た大きさに表現した円状の図形をフォルダと見立て、分
類体系全体の状況を表示している。分類指定部２２０１
はフォルダ数指定インタフェースを作成するために、分
類結果出力部１０４から第一階層２４０１に関する情報
を読み出し、フォルダ数を調べて２５０１に書き込み、
各フォルダの文書数を調べてその平均値を２５０２に書
き込み、各フォルダは文書数に比例した値を半径とする
円状の図形として画面２５０５を作成する。

【００９３】図２５はユーザがフォルダ数操作バー２５
０３を操作してフォルダ数の減少を指示した様子を示し
ている。ユーザからの指示に従って再分類処理２３０７
が実行されると、新たな分類結果が生成されフォルダ数
指定インタフェースは２５００から２５１０のように変
わる。再分類処理２３０７の詳細は後述する。

【００９４】再分類前にはフォルダ数２５０１は９６個
であったが、ユーザの指示を反映して、フォルダ数２５
１１は３０個に減少している。このように、ユーザが自
分の参照しやすいレベルに分類結果を調節することが可
能となる。

【００９５】次に、分類指定部２２０１がフォルダ数指
定インタフェース２５００から取り込まれたユーザの指
示に基づいて行う、再分類処理２３０７の詳細を図２６
を用いて説明する。

【００９６】まず、分類指定部２２０１はステップ２６
０１としてユーザからの指示内容を解釈する。「フォル
ダ数の減少」あるいは「平均文書数の増加」を指示する
ものでなければ、ステップ２６０２として分類処理２３
０３における分類結果を見直し、よりフォルダ数が多
く、平均文書数が少ない分類結果を再選択することを文
書分類部１０３に指示する。

【００９７】ここで文書分類部１０３が行う、分類結果
の再選択処理２６０２について説明を加える。文書分類
部１０３の行う分類処理２３０３は図３の流れ図に基づ
き、関連キーワード処理３０２を繰り返し適用して分類
結果となるフォルダを生成し、これらのフォルダに文書
を分類する。関連キーワード処理３０２とは、図９で示
した流れ図に従い、関連のありそうなフォルダの組を統
合することによって分類結果となるフォルダを作り出
す。フォルダに関する情報を記録しておくフォルダテー
ブル７００（図７）は、関連キーワード分類処理３０２
が繰り返されるたびに更新され、関連キーワード処理３
０２が終了（ステップ３０３）した時点の情報が分類結
果のフォルダとして採用される。

【００９８】すなわち、関連キーワード分類処理３０２
が繰り返されるたびにフォルダが統合されて、分類結果
全体としてみるとフォルダ数が減少し、平均文書数が増
加する。そこで、関連キーワード分類処理３０２のたび
にフォルダテーブル７００の情報を中間結果的なフォル
ダとして記録しておけば、後から分類結果よりも多いフ
ォルダ数で、平均文書数の少ないフォルダを再選択する
ことが可能となる。例えば第１の実施例の図１６のフォ
ルダ「動物とねずみとペットとABC」１６０７が分類結
果のフォルダの一つと仮定すると、中間結果にはフォル
ダ「動物とペット」１６０５、フォルダ「ねずみとABC
国」１６０６が該当する。中間結果は関連キーワード処
理３０２を繰り返した回数分だけ存在するので、ユーザ
の指示した操作バーの増減レベルに応じて「より少ない
フォルダ数」で「より多い平均文書数」の中間結果を選
択することによって、ユーザからの指示に対応する。

【００９９】一方ステップ２６０１で、ユーザから「フ
ォルダ数の減少」および「平均文書数の増加」が指示さ
れた場合は、分類指定部２２０１が文書分類部１０３に
対して「より少ないフォルダ数で、より平均文書数の多
い分類結果を作り直すこと」を指示する（ステップ２６
０３）。これに対して文書分類部１０３では、分類結果
のフォルダをさらに統合することによって「より少ない
フォルダ数で、より平均文書数の多い分類結果」を作
る。分類処理２３０３で分類結果となるフォルダが生成
されるのは、図３の流れ図のステップ３０３で関連キー
ワード分類処理が終了したと判断される場合、すなわち
図９のステップ９０５でフォルダの統合がこれ以上不可
能であると判定された場合である。そこでステップ２６
０３では、ステップ９０５の統合判定条件となるしきい
値TdおよびTσを調整して、フォルダの統合がさらに可
能となるような設定を行う。第１の実施例の図１７の説
明で述べたように、しきい値Tdは平均ベクトルとの距離
がTd以上に離れている場合に統合不適と判断する指標な
ので、Tdをより大きい値に設定し直す。しきい値Tσは
平均ベクトルとの距離の分散値がTσ以上に大きい場合
に統合不適と判断する指標なので、Tσをより大きい値
に設定し直す。具体的な値はユーザの指示した操作バー
の増減レベルに応じて、文書分類部１０３が決定する。
これら準備の後、関連キーワード処理３０２を適用して
さらなるフォルダの統合を行い、可能な限りフォルダの
統合を繰り返す（ステップ３０３）。これによって先に
ユーザに提示した分類結果よりもフォルダ数が少なく、
平均文書数が多い分類結果を生成できるので、この結果
から分類結果の再選択処理２６０２を行う。

【０１００】次に、分類指定部２２０１の提供するもう
一つの入力画面である、分類体系構築補助インタフェー
ス２７００の詳細を述べる。

【０１０１】文書分類部１０３はシソーラスなどの情報
を用いずに、自動的にフォルダを階層化するため、一般
的な上位語下位語の概念と矛盾する階層関係を生成する
場合がある。例えば、図２０のフォルダ「犬」１８０２
とフォルダ「柴犬」１８０６は正しい上下関係にある
が、逆転した場合には概念的に矛盾することになる。

【０１０２】この解決策として、シソーラス辞書１０６
を用いて上位語下位語として不適当な関係となるフォル
ダの生成を禁止する方法が考えられる。しかし、本発明
の文書分類装置が生成するフォルダ名はキーワードを統
合した形式、フォルダ「猫と魚」１８０１のようになる
ことが多い。そこで前例の「犬」と「柴犬」のように、
１対１のキーワードの上下関係を調べるのでは対応し切
れず、複数個対複数個のキーワードの上下関係を考慮し
なければならない。このとき、例えばキーワードA、B、
C、Dから上位フォルダ「A、B」、下位フォルダ「C、D」
が作られたとすると、「キーワードAとCは上位語下位語
として適当であるが、キーワードBとDは逆転関係にあ
る」という場合には適否判断が行えないという問題が残
り、これでは不十分である。

【０１０３】分類体系構築補助インタフェース２７００
は、適切な階層構造を作るための補助情報をユーザから
取り込み、これを用いて文書分類部１０３が分類処理を
行えるようにするものである。例えば特許の明細書なら
ば「発明の名称」、「特許請求の範囲」といった特定の
項目と各項目に書くべき内容が定められているが、これ
らが補助情報に相当する。各項目に書かれる文章の内容
は明細書ごとに異なるが、専門性や一般性の度合には共
通点があり、項目ごとにその度合が決まっているものと
考えられる。例えば明細書の「発明の名称」や「発明の
属する技術分野」といった項目には発明の前提条件や背
景が書かれるので、他の項目に比べて一般性が高い。ま
た、「課題を解決するための手段」や「発明の実施の形
態」などの項目には発明の内容が記載されることから、
専門性が高くなる。上位語となるキーワードは一般性が
高く、下位語となるキーワードは下位に位置するほど専
門性が高い。

【０１０４】したがって、一般性の高い内容の項目に出
現するキーワードを上位階層のフォルダに、専門性の高
い内容の項目に出現するキーワードを下位階層のフォル
ダの作成に利用することで適切な階層構造を構築しやす
くなる。具体的には、一般性の高い「発明の名称」や
「発明の属する技術分野といった項目に出現するキーワ
ードを上位階層の作成に、課題を解決するための手段」
や「発明の実施の形態」といった項目に出現するキーワ
ードを下位階層の作成に利用するというように階層ごと
に分類に利用する項目を限定する。分類体系構築補助イ
ンタフェース２７００は、こうした文書に含まれる項目
とその項目に書かれる文章の専門性をユーザから容易に
取り込むことができる。

【０１０５】図２７は文書分類装置２２００が特許の明
細書を対象として分類処理を行ったときの分類体系構築
補助インタフェース２７００の表示例である。次に、分
類指定部２２０１がこの分類体系構築補助インタフェー
ス２７００を介してユーザから補助情報を取り込む処理
の流れを図２８の流れ図を用いて説明する。分類指定部
２２０１は、ステップ２８０１として画面２７０１にサ
ンプル文書を読み込む。サンプル文書とは文書ＤＢ１０
７に格納されている文書群のうちの一つで、図２７では
特許の明細書の一例である。続くステップ２８０２では
ユーザからサンプル文書中の項目に関する情報を受け取
る。ユーザはマウス２７０２を用いて画面２７０１上の
文字列を指定することができる。図２７ではマウス２７
０２を用いて項目「発明の名称」の文字列をドラッグ
し、項目として指定した様子を示している。このように
ユーザから項目が指定されるとステップ２８０３として
ダイアログボックス２７０６を表示し、ユーザの指定し
た項目が適当かどうかの確認を求める。ステップ２８０
４でユーザから確認が取れると、項目とその項目のサン
プル文書上の出現位置に関する情報を取り込む（ステッ
プ２８０５）。すなわち、分類指定部２２０１は「発明
の名称」という項目と出現位置「１文字目から５文字目
まで」という情報を格納する。サンプル文書中の全項目
の受取りが終了すると、ステップ２８０６として各項目
の出現位置を手掛かりとして項目をサンプル文書での出
現順に整列し、これを項目設定画面２７１０の２７１２
に表示する（ステップ２７０７）。続くステップ２８０
８では、ユーザから全項目の専門性の度合に関する情報
を受け取る。分類指定部２２０１は予め用意しておいた
専門性を示す数種類の度合をレベルリスト２７１４に表
示するので、これを用いてユーザは２７１２から項目の
一つを選択し、その内容の一般性、専門性を考慮して２
７１４から適切なレベルを一つ選択し、２７１５のOKボ
タンで確定するという手順で指定が行える。項目設定画
面２７１０では「一般的」、「やや一般的」、「どちら
ともいえない」、「やや専門的」、「専門的」といった
項目に関する５種類の専門性の度合が用意されているの
で、各項目に適切な度合をここから選択する。項目に関
する専門性の度合のことを項目レベルと呼び、詳細につ
いては後述する。

【０１０６】次に図２９を用いて、分類指定部２２０１
が分類体系構築補助インタフェース２７００から取り込
まれたユーザの指示に基づいて行う、再分類処理２３０
８の詳細を説明する。ステップ２９０１として分類指定
部２２０１はユーザから取り込んだ項目とその項目レベ
ルに基づいて階層構築情報を作成する。階層構築情報と
は、文書分類部１０３が適切な階層構造の分類結果を構
築するために分類処理２３０３で参照する情報であり、
ある階層を構築する場合に分類に利用すべき項目とその
項目の重要度を規定するものである。詳細については後
述する。

【０１０７】次にステップ２９０２として、この階層構
築情報を用いて一時キーワードＤＢを作成する。一時キ
ーワードＤＢとは、ある階層を構築する場合に分類に利
用するキーワードとしての重要度を付与したキーワード
群の集合を格納したもので、第１の実施例のキーワード
ＤＢ１０８と同形式である。一時キーワードの作成に関
しては後に説明する。これらは分類指定部２２０１がユ
ーザから取り込んだ情報をもとに、適切な階層構造の分
類結果を構築するためのデータを準備する処理ステップ
である。

【０１０８】次に、分類指定部２２０１は文書分類部１
０３に対してこれらのデータを用いて適切な階層構造の
分類結果を構築するように指示する。文書分類部１０３
はステップ２９０３として、第１の実施例におけるキー
ワードDBの代わりに一時キーワードＤＢを用いて、各キ
ーワードをキーワード群中に含む文書を各キーワードご
とにまとめる、単一キーワード処理３０１を行う。

【０１０９】次にステップ２９０４として、単一キーワ
ード分類処理２９０３によって作成された単一キーワー
ドフォルダについて、類似した文書群を含む単一キーワ
ードフォルダの組を統合する関連キーワード処理３０２
を行う。第２の実施例では、第１の実施例で説明した図
１４のステップ１４０２における統合すべきかどうかを
判定するための処理において、適切な階層構造の分類結
果を構築するために階層構築情報を用いてワードベクト
ルの各キーワードに重要度を付与する。この詳細は後述
する。

【０１１０】続くステップ３０３では第１の実施例と同
様に、関連キーワード処理２９０４によって作成された
関連キーワードフォルダについて、類似した文書群を含
む関連キーワードフォルダの統合を繰り返す。さらに、
作成された単一キーワードフォルダや関連キーワードフ
ォルダ内について、細分類できるかどうかを調べ（第１
の実施例のステップ３０４と同様）、細分類可能な場合
はフォルダ内を分類する（ステップ２９０５）。ステッ
プ２９０５はフォルダ内に分類されている文書を対象と
して、図２９におけるステップ２９０２から終了までの
処理Bを適用する。ステップ３０６では、すべてのフォ
ルダ内について階層的な分類を繰り返し行う。

【０１１１】次に、階層構築情報（の詳細とその役割に
ついて説明する。ここでは、文書分類装置２２００は三
階層の分類体系を生成するものとし、項目レベルは「一
般的」、「やや一般的」、「どちらでもない」、「やや
専門的」、「専門的」の５種類を設定できるようにする
ものとする。さらに図２８の流れ図に従い、分類体系構
築補助インタフェース２７００を介して、図３０の４項
目と各項目レベルがユーザから与えられている。階層構
築情報を作成するための規則として、例えば次のような
ものを仮定する。

【０１１２】○第一階層構築規則：「一般的」項目レベ
ルの重要度 = a 「やや一般的」項目レベルの重要度 = b その他の項目レベルの重要度 = ０ ○第二階層構築規則：「やや一般的」項目レベルの重要
度 = c 「どちらでもない」項目レベルの重要度 = d 「やや専門的」項目レベルの重要度 = e その他の項目レベルの重要度 = ０ ○第三階層構築規則：「やや専門的」項目レベルの重要
度 = f 「専門的」項目レベルの重要度 = g その他の項目レベルの重要度 = ０ 例えばこの第一階層構築規則は、第一階層のフォルダを
生成する際には「一般的」項目レベルの重要度をa、
「やや一般的」項目レベルの重要度をbとし、その他の
項目レベルは重要度０、すなわち分類に利用しないこと
を意味する。例えば、第一階層は一般的な内容に基づき
分類するのが好ましいと考えると、「一般的」項目レベ
ルの重要度aを１、「やや一般的」項目レベルの重要度b
を0.5、その他の項目レベルの重要度を０とするという
ようにa〜gには０以上の１以下の定数を経験的に決め
て、分類指定部２２０１に設定してあるものとする。

【０１１３】上記規則に基づき、図３０の項目レベルか
ら階層構築情報を作成すると以下のようになる。

【０１１４】○第一階層構築情報：( a, 0, 0, b ) ○第二階層構築情報：( 0, e, 0, c ) ○第三階層構築情報：（ ０， ｆ， ｇ， ０ ） 階層構築情報の第一要素は項目「第一章」、第二要素は
項目「第二章」、第三要素は項目「第三章」、第四要素
は項目「第四章」それぞれの重要度である。すなわち、
上例の第一階層構築情報は項目「第一章」を重要度ａ、
項目「第四章」を重要度bとして分類に利用し、それ以
外の項目は分類には利用しないことを示す。

【０１１５】次に、一時キーワードDBの詳細について説
明する。第一階層を構築する場合のステップ２９０２で
は、第一階層構築情報を用いて次のように一時キーワー
ドDBを作成する。

【０１１６】まず、第一階層構築情報から分類に利用す
べき項目は「第一章」と「第四章」であることを読み取
る。すなわち、「第二章」と「第三章」は重要度０なの
で分類に利用せず、それ以外の「第一章」と「第四章」
を利用する。

【０１１７】次に、キーワードDB１０８から文書のキー
ワード群を読み出し、項目「第一章」と項目「第四章」
に出現するキーワードだけを取り出して一時キーワード
群を作成し、これを一時キーワードDBに登録する。例え
ば、図３１の文書３１００のキーワード群はキーワード
DB１０８中のキーワード群３１１０として登録されてい
る。キーワード群３１１０から一時キーワード群を作る
には、項目「第一章」３１０１と項目「第四章」３１０
３にそれぞれ付随する文章３１０２、３１０４中に出現
するキーワードだけを取り出せばよい。すなわち、キー
ワードa３１０５、キーワードb３１０６、キーワードg
３１０７、キーワードh３１０８がこれに相当し、一時
キーワード群３１１２を作成し、一時キーワードＤＢ３
１１１に登録される。単一キーワード分類２９０３では
こうして作成された一時キーワード群を利用する。

【０１１８】こうした階層構築情報、一時キーワードＤ
Ｂを用いて行う関連キーワード分類処理２９０４につい
て説明を加える。第一階層を構築するための関連キーワ
ード処理２９０４では、第一階層構築情報から項目「第
一章」に出現するキーワードは重要度a、項目「第四
章」に出現するキーワードは重要度bであることを読み
取る。次に、各文書の持つキーワードの出現頻度に上記
重要度を積算し、第一階層構築時に重視すべきキーワー
ドの重要度を高めて分類処理を行う。このように、ユー
ザの指定した項目に出現するキーワードを重視して分類
することでその階層に適するフォルダが生成しやすくな
り、上下関係の適切な分類体系が作り出されることにな
る。

【０１１９】第２の実施例で説明した分類指定部２２０
１について、予めユーザから分類に関する指示を受け取
りこれに基づく分類処理を施す、文書分類装置４１００
（図４１に示した）に関する第３の実施例を説明する。

【０１２０】ユーザがキーボード１１０、マウス１１１
といった入力装置を用いて分類したい文書群を指定し、
分類処理の実行を指示すると、文書分類装置４１００が
起動され、図３２の流れ図に基づく処理が施される。ま
ずステップ２３０１としてデータ管理部１０１が文書Ｄ
Ｂ１０７にユーザの指定した文書群を格納する。

【０１２１】続くステップ２３０２では、単語検出部１
０２が文書群から単語キーワードを検出し、単語辞書１
０５に格納する。こうして分類処理を行うためのデータ
が用意できると、ステップ２３０５として分類指定部２
２０１に対するユーザからの指示を確認し、指示がない
場合には待ち続ける。ユーザから指示があると文書分類
部１０３にユーザの指示を受け渡して分類処理３２０１
を実行させる。

【０１２２】分類処理３２０１の詳細は後述する。次に
ステップ２３０４として分類結果出力部１０４が分類結
果を表示する。さらに分類指定部２２０１は分類結果を
参照したユーザからの指示を確認し（ステップ２３０
５）、指示がない場合には処理を終了する。指示がある
場合にはステップ２３０６で指示内容を解釈し、フォル
ダ数指定インタフェース２５００への指示の場合はステ
ップ２３０７の再分類処理を施し、分類体系構築補助イ
ンタフェース２７００への指示の場合はステップ２３０
８の再分類処理を適用する。ステップ２３０５で再びユ
ーザからの分類に関する指示がある例としては、予めユ
ーザが指定した分類結果が予想に反して意向に沿わなか
った場合などが考えられる。

【０１２３】図３３に分類処理３２０１の具体的な処理
の流れを示す。まずステップ３３０１として、フォルダ
数指定インタフェース２５００に対する指示か、分類体
系構築補助インタフェース２７００に対する指示かを調
べ、後者の場合は分類体系構築補助インタフェース２７
００の再分類処理２３０８を実行して処理を終了する。
前者の場合はステップ２３０３で文書分類部１０３が図
３の流れ図に従って分類体系を生成し文書を分類する。
次にステップ３３０２として、分類結果がユーザの指示
条件を満たすかどうかを確認する。フォルダ数指定イン
タフェース２５００へのユーザからの指示はフォルダ数
あるいは平均文書数が指定されるものなので、これに見
合った分類結果が得られているかどうかを調べ、得られ
た場合は処理を終了する。ここでユーザからの指示が満
たされない場合は、フォルダ数指定インタフェース２５
００の再分類処理２３０７を実行してユーザの指示に見
合うように再び分類処理２３０３を実行する。

【０１２４】図１に示した第１の実施例の文書分類装置
１００における分類結果出力部１０４に、ユーザが分類
結果をブラウジングする手段を設けた文書分類装置に関
する第４の実施例を説明する。

【０１２５】第１の実施例の文書分類装置は予め設定し
た分類体系に基づいて分類する場合と異なり、分類結果
として生成されるフォルダが全く未知である。そこでユ
ーザが分類結果を参照して所望の文書を検索する場合に
は、まずどのようなフォルダがあるのかを調べ、その上
で所望の文書が分類されていそうなフォルダを選びフォ
ルダ内をブラウジングする。しかし、所望の文書に辿り
着くまでの手間が大きいと分類体系が固定化されている
方がブラウジングしやすいということになる。これでは
分類対象の文書に応じて適切な分類体系を生成する本発
明が有効に活用されない。そこで図３４のように、第１
の実施例の文書分類装置に検索支援部３４０１を設けた
文書分類装置３４００の構成を取り、分類結果のブラウ
ジングの支援が行えるようにする。検索支援部３４０１
はフォルダ検索支援機能３４０２と文書検索支援機能３
４０３という二つの処理機能から構成される。

【０１２６】ユーザがキーボード１１０、マウス１１１
といった入力装置を用いて分類したい文書群を指定し、
分類処理の実行を指示すると、文書分類装置３４００が
起動され、図３５の流れ図に基づく処理が施される。ま
ずステップ２３０１としてデータ管理部１０１が文書Ｄ
Ｂ１０７にユーザの指定した文書群を格納する。

【０１２７】続くステップ２３０２では、単語検出部１
０２が文書群から単語キーワードを検出し、単語辞書１
０５に格納する。こうして分類処理を行うためのデータ
が用意できると、ステップ２３０３で文書分類部１０３
が図３の流れ図に従って分類体系を生成し、文書を分類
する。分類結果出力部１０４はこの分類結果を図３６の
ようなインタフェース画面３６００に表示して、ユーザ
に提示する（ステップ２３０４）。

【０１２８】本図では３６０１に第一階層のフォルダ名
が、３６０２に第二階層のフォルダ名が、３６０３に第
３階層のフォルダ名が表示されている。ここまでは第１
および第２の実施例と同一の処理ステップである。続く
ステップ３５０１では、分類結果出力部１０４が表示し
た分類状況のうち、任意のフォルダあるいは文書をユー
ザが選択したかを調べる。もし何も選択がないまま、ユ
ーザが終了ボタン３６０４で分類結果の終了を指示した
場合は処理を終える（ステップ３５０２）。

【０１２９】選択した場合は、ステップ３５０３で分類
結果出力部１０４がフォルダを選択しているのか文書を
選択しているのかを調べ、フォルダの場合は検索支援部
３４０１のフォルダ検索支援機能３４０２にフォルダ検
索支援処理３５０４を指示し、文書の場合は検索支援部
３４０１の文書検索支援機能３４０３に文書検索支援処
理３５０５を指示する。フォルダ検索支援処理３５０４
および文書検索支援処理３４０５はブラウジングしやす
いように分類結果の加工を行うもので、詳細については
後述する。さらに、ユーザが検索支援ボタン３６０５を
押し、分類結果のブラウジングの支援を要求した場合に
は、検索支援部３４０１が分類結果出力部１０４に加工
した分類結果を受け渡し、新たな分類結果が表示され
る。

【０１３０】次に、検索支援部３４０１の提供する、フ
ォルダ検索支援機能３４０２および文書検索支援機能３
４０３の詳細について述べる。

【０１３１】フォルダ検索支援機能３４０２とは、ユー
ザが参照しようとして選択したフォルダとの類似度に基
づいてその他のフォルダを評価し、この類似度順にフォ
ルダの並び換えを行うものである。図３６は分類結果出
力部１０４が出力する分類結果のインタフェース画面３
６００と、検索支援部３４０１が出力する補助情報画面
３６１０を示している。インタフェース画面３６００に
は、第一階層３６０１、第二階層３６０２、第三階層３
６０３のフォルダ名が表示され、ユーザが選択し参照で
きるようになっている。ここでは説明を簡略化するた
め、フォルダ名を抽象化して「フォルダa」などのよう
に示しているが、実際には１個以上のキーワードによっ
て構成される。補助情報画面３６１０には、フォルダ数
３６１１や平均文書数３６１２といった分類結果に関す
る補助情報が表示される。ユーザがまだ何も選択してい
ない状態のときは、画面３６１３には第一階層に生成さ
れたフォルダがその文書数に応じた大きさの円で表現さ
れ、文書数の多い順番に整列される。ユーザはこれらの
情報を手掛かりとして所望のフォルダを選択し、フォル
ダに分類された文書を参照する。

【０１３２】例えば、ユーザが第一階層３６０１の中か
らフォルダaを選択すると、分類結果出力部１０４はこ
れを検索支援部３４０１のフォルダ検索支援機能３４０
２に知らせ、フォルダ検索支援処理３５０４を実行す
る。フォルダ検索支援処理３５０４では、まずフォルダ
aと第一階層のその他のフォルダとの類似度を調べる。
フォルダ間の類似度は、「フォルダaに分類された文書
と一致する文書が多いフォルダほど類似度が高い」と判
断する。これは第１の実施例で説明した文書分類部１０
３の関連キーワード処理３０２の中で求められる。すな
わち、第４の実施例では図３５のステップ３５０１の分
類処理がこれに相当する。

【０１３３】フォルダ検索支援処理３５０４ではこのフ
ォルダ間の類似度が必要になるので、第４の実施例の分
類処理３５０１ではフォルダ間で一致する文書数に関す
る情報を保存しておき、フォルダ検索支援機能３４０２
に情報を提供する。具体的には図９のステップ９０２で
フォルダ間一致文書数管理テーブル１００１の内容の保
存を行う。

【０１３４】例えば、フォルダaとその他のフォルダと
の類似度を調べるには、まずフォルダ間一致文書数管理
テーブル１００１を参照して、フォルダ識別番号１００
２、１００３からフォルダaに対応する識別番号のカラ
ムだけを取り出す。フォルダ間一致文書数管理テーブル
１００１は一致文書数を手掛かりとして降順に整列され
ているので、取り出したカラムのうち、テーブルの上位
に位置するカラムほどフォルダaとの一致文書数が多
く、類似度が高いことになる。すなわち、フォルダaと
の類似度順に第一階層のフォルダに関する情報を取り出
すことができる。フォルダ検索支援機能３４０２はこれ
らの情報を用いて、補助情報画面３６１０の画面３６１
３を図３７の補助情報画面３７００の画面３７０１のよ
うに書き換える。すなわち、フォルダaと類似する順番
に第一階層のフォルダを並び換え、ユーザがフォルダa
と類似したフォルダに関する情報を得やすくなるように
している。

【０１３５】次に、文書検索支援機能３４０３について
説明する。

【０１３６】文書検索支援機能３４０３とは、フォルダ
に分類された文書のうち、ユーザが不適切と判断した文
書と類似する文書を調べ、これをフォルダから除外する
ことで所望の文書を検索する操作を支援するものであ
る。図３８は分類結果出力部１０４が出力する分類結果
のインタフェース画面３８００と、検索支援部３４０１
が出力する補助情報画面３８１０を示している。インタ
フェース画面３８００には、第一階層３８０１にフォル
ダ名、３８０２にはユーザによって選択されたフォルダ
aに関する第二階層のフォルダ名、３８０３にはサブフ
ォルダaに関する文書名一覧が表示され、ユーザが３８
０３から文書aを選択し、文書の内容を表示する画面３
８０４で文書aを参照している。

【０１３７】補助情報画面３８１０の３８１１には、現
在ユーザが参照中の文書aをはじめとするサブフォルダa
中の文書と、各文書の内容の先頭部分が一覧表示されて
いる。ユーザはこれらの情報を手掛かりとして分類結果
をブラウジングする。情報を参照した結果、例えば「文
書aは不要」とユーザが判断し、不要な文書を指定する
消去ボタン３８１２を押すと、検索支援部３４０１はこ
の情報を文書検索支援機能３４０３に知らせる。文書検
索支援機能３４０３は、図３９の流れ図に従って文書検
索支援処理３５０５を行う。不要と判断された文書aと
類似する文書を調べるために、第１の実施例で述べたワ
ードベクトル間の距離計算処理１４０５を用いる。その
ための準備として、フォルダ内文書の距離計算処理１３
００をサブフォルダaについて行う。

【０１３８】次に、図１４のステップ１４０１でワード
ベクトルテーブル１５００の初期化を行い、各文書につ
いてワードベクトルの作成を繰り返す（ステップ１４０
２、１４０３）。ここまでは第１の実施例と同一の処理
である。続くステップ３９０１では、文書aとその他の
各文書とについて第１の実施例のワードベクトル間の距
離計算処理１４０５を行う。文書間の距離は類似度であ
ることから、文書aと各文書との類似度が求められる。
さらにステップ３９０２として、文書aとの距離がしき
い値Tα以下の文書、すなわち文書aとの類似度が近いも
のを調べ、これらを不適切な文書の候補とみなす（ステ
ップ３９０３）。全文書についてこの処理を繰り返し
（ステップ３９０４）、文書aと類似度の高いすべての
文書を選び出す。

【０１３９】検索支援部３４０１は、不適切な文書の候
補と判断された文書に関する情報を分類結果出力部１０
４に受け渡す。この後、ユーザが検索支援ボタン３８０
５を指定すると、文書aと類似した文書をフォルダから
除外して、新たに図４０の分類結果のインタフェース画
面４０００を作成する。サブフォルダaは文書aおよび文
書aと類似すると判断された文書が除かれて文書数が図
３８の９６件（３８０６）から図４０の７１件（４００
１）になり、文書一覧３８０３は文書aおよび文書aと類
似すると判断された文書d、文書fなどの２５件が除かれ
て４００２のように変更されている。

【０１４０】

【発明の効果】本発明によれば、以下の効果が得られ
る。

【０１４１】（１）既定の分類体系に依存することな
く、文書を分類することができる。

【０１４２】（２）階層的な分類体系を自動的に生成す
ることができる。

【０１４３】（３）分類結果群の代表名称を付与するこ
とができる。代表名称は分類結果群との関連度の高いも
のから順番に付与する。

【０１４４】その結果、ユーザが特に興味の対象を指定
しなくても、大量の文書の中から所望の文書を見つけや
すくすることができる。あるいは興味の分野は定まって
いても、それを代表するキーワードが思いつかない場合
の助けとなる。

【図面の簡単な説明】

【図１】本発明の一実施例のシステム構成図である。

【図２】本実施例のキーワード説明図である。

【図３】本実施例の文書分類処理の流れ図である。

【図４】本実施例の単一キーワード分類処理の流れ図で
ある。

【図５】本実施例のキーワードテーブルのデータ構造を
表わす図である。

【図６】本実施例のキーワードテーブルの具体例を示す
図である。

【図７】本実施例のフォルダテーブルのデータ構造を表
わす図である。

【図８】本実施例の単一キーワード分類処理の具体例を
示す図である。

【図９】本実施例の関連キーワード分類処理の流れ図で
ある。

【図１０】本実施例のフォルダ間一致文書数管理テーブ
ルのデータ構造を表わす図である。

【図１１】本実施例のフォルダ間一致文書数管理テーブ
ルの具体例を示す図である。

【図１２】本実施例のフォルダ統合時に生じるフォルダ
間一致文書数管理テーブルの更新処理の具体例を示す図
である。

【図１３】本実施例のフォルダ内文書情報の距離計算の
流れ図（その１）である。

【図１４】本実施例のフォルダ内文書情報の距離計算の
流れ図（その２）である。

【図１５】本実施例のワードベクトルテーブルの具体例
を示す図である。

【図１６】本実施例の関連キーワード分類処理結果の具
体例を示す図である。

【図１７】本実施例の細分類処理の流れ図である。

【図１８】本実施例の細分類処理結果の具体例を示す図
である。

【図１９】本実施例の分類階層管理テーブルのデータ構
造を表わす図である。

【図２０】本実施例の最終的な分類結果例を示す図であ
る。

【図２１】本実施例の分類結果の画面表示の具体例を示
す図である。

【図２２】本発明の第２の実施例のシステム構成図であ
る。

【図２３】第２の実施例の文書分類装置の流れ図であ
る。

【図２４】第２の実施例の分類結果の画面表示の具体例
を示す図である。

【図２５】第２の実施例のフォルダ数指定インタフェー
スの具体例を示す図である。

【図２６】第２の実施例のフォルダ数指定インタフェー
スにおける再分類処理の流れ図である。

【図２７】第２の実施例の分類体系構築補助インタフェ
ースの具体例を示す図である。

【図２８】第２の実施例の分類体系構築補助インタフェ
ースにおいて項目設定を行う画面の具体例を示す図であ
る。

【図２９】第２の実施例の分類体系構築補助インタフェ
ースにおける再分類処理の流れ図である。

【図３０】第２の実施例の項目と項目レベルの具体例を
示す図である。

【図３１】第２の実施例の一時キーワードDBの説明図で
ある。

【図３２】第２の実施例の分類指定部２２０１を図２３
とは別に適用した場合の、文書分類装置の流れ図であ
る。

【図３３】第２の実施例の図３２における分類処理の詳
細を示す図である。

【図３４】第３の実施例のシステム構成図である。

【図３５】第３の実施例の文書分類装置の流れ図であ
る。

【図３６】第３の実施例の分類結果の画面表示の具体例
およびフォルダ検索支援機能によって提示される補助情
報画面の具体例を示す図である。

【図３７】第３の実施例の補助情報画面がユーザからの
指示に基づいて変化した具体例を示す図である。

【図３８】第３の実施例の分類結果の画面表示の具体例
および文書検索支援機能によって提示される補助情報画
面の具体例を示す図である。

【図３９】第３の実施例の文書検索支援機能による検索
支援処理の流れ図である。

【図４０】第３の実施例の文書検索支援機能によって分
類結果が変化した具体例を示す図である。

【図４１】第３の実施例のシステム構成図である。

【符号の説明】

１００…文書分類装置、１０２…単語検出部、１０３…
文書分類部、３０１…単一キーワード分類処理、３０２
…関連キーワード分類処理、１３００…フォルダ内文書
の距離計算

───────────────────────────────────────────────────── フロントページの続き (72)発明者 橋本 哲也 神奈川県川崎市麻生区王禅寺1099番地 株 式会社日立製作所システム開発研究所内

Claims (25)

【特許請求の範囲】
1. 【請求項１】予め蓄積された複数の文書情報のそれぞれ
   を所定の分類に分類する文書情報分類方法において、 上記文書情報および上記文書情報の各文書情報における
   キーワード群を蓄積しておき、 蓄積された各キーワード毎に、キーワードを含む上記文
   書情報を単一キーワードフォルダにまとめ、 上記単一キーワードフォルダ内の文書同士を比較するこ
   とにより、上記単一キーワードフォルダ同士を結合して
   関連キーワードフォルダを作成し、 予め蓄積された上記複数の文書情報を上記関連キーワー
   ドフォルダに分類することを特徴とする文書情報分類方
   法。
2. 【請求項２】請求項１に記載の文書情報分類方法におい
   て、 上記関連キーワードフォルダ同士を結合し、 上記複数の文書情報を新たな関連キーワードフォルダに
   分類することを特徴とする文書情報分類方法。
3. 【請求項３】請求項２に記載の文書情報分類方法におい
   て、 予め関連キーワードフォルダの数を指定しておき、 上記関連キーワードフォルダ同士を結合する際、指定さ
   れた関連キーワードフォルダの数になるまで結合を繰り
   返すことを特徴とする文書情報分類方法。
4. 【請求項４】請求項２に記載の文書情報分類方法におい
   て、 上記新たな関連キーワードフォルダ内の各文書の内容に
   より、上記新たな関連キーワードフォルダを存続させる
   か否か確認することを特徴とする文書情報分類方法。
5. 【請求項５】請求項１に記載の文書情報分類方法におい
   て、 上記関連キーワードフォルダ内の文書情報同士を比較す
   ることにより、上記文書情報を第２の単一キーワードフ
   ォルダにまとめ、 上記第２の単一キーワードフォルダ内の文書情報同士を
   比較することにより、上記第２の単一キーワードフォル
   ダ同士を結合して、第２の関連キーワードフォルダを作
   成し、 上記関連キーワードフォルダ内の文書情報を上記第２の
   関連キーワードフォルダに分類することを特徴とする文
   書情報分類方法。
6. 【請求項６】請求項５に記載の文書情報分類方法におい
   て、 予め上記第２の関連キーワードフォルダ内に分類される
   文書情報の数を定めておき、 上記第２の関連キーワードフォルダに分類するステップ
   は、予め定められた数になるまで上記文書情報を分類す
   ることを特徴とする文書情報分類方法。
7. 【請求項７】請求項１に記載の文書情報分類方法におい
   て、 予め蓄積された上記複数の文書情報中に現れる言葉を抽
   出し、 抽出された上記言葉を上記キーワードとすることを特徴
   とする文書情報分類方法。
8. 【請求項８】請求項１に記載の文書情報分類方法におい
   て、 上記単一キーワードフォルダ内の文書同士を比較して、
   一致する文書情報の数が所定以上の単一キーワードフォ
   ルダ同士を結合して上記関連キーワードフォルダを作成
   することを特徴とする文書情報分類方法。
9. 【請求項９】請求項１に記載の文書情報分類方法におい
   て、 上記キーワードの上記文書情報中での出現頻度および出
   現位置のうちいずれか一方を用いることにより上記関連
   キーワードフォルダを作成することを特徴とする文書情
   報分類方法。
10. 【請求項１０】請求項１に記載の文書情報分類方法にお
    いて、 上記関連キーワードフォルダ内の各文書情報の特徴ベク
    トルを算出して、算出された各特徴ベクトルの平均ベク
    トルを求め、 求められた上記平均ベクトルと特徴ベクトルとの差が所
    定以上の文書情報を上記関連キーワードフォルダ内で再
    分割することを特徴とする文書情報分類方法。
11. 【請求項１１】請求項１に記載の文書情報分類方法にお
    いて、 上記関連キーワードフォルダ内の各文書情報の特徴ベク
    トルを算出し、 算出した上記特徴ベクトルを用いて上記関連キーワード
    フォルダの結合の可否を判定することを特徴とする文書
    情報分類方法。
12. 【請求項１２】予め複数の文書情報および上記文書情報
    の各文書情報におけるキーワード群を蓄積しておく記憶
    手段を有し、上記文書情報を分類する文書情報分類装置
    において、 上記記憶手段に蓄積された各キーワード毎に、キーワー
    ドを含む上記文書情報を単一キーワードフォルダにまと
    める単一キーワード処理手段と、 上記単一キーワードフォルダ内の文書情報同士を比較す
    ることにより、上記単一キーワードフォルダ同士を結合
    して関連キーワードフォルダを作成する関連キーワード
    処理手段とを有し、 予め蓄積された上記複数の文書情報を上記関連キーワー
    ドフォルダに分類することを特徴とする文書情報分類装
    置。
13. 【請求項１３】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ同士を結合する関連キーワ
    ード結合手段を有し、上記複数の文書情報を新たな関連
    キーワードフォルダに分類することを特徴とする文書情
    報分類装置。
14. 【請求項１４】請求項１３に記載の文書情報分類装置に
    おいて、 上記新たな関連キーワードフォルダ内の各文書情報の内
    容により、上記新たな関連キーワードフォルダを存続さ
    せるか否か確認する確認手段を有することを特徴とする
    文書情報分類装置。
15. 【請求項１５】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ内の文書情報同士を比較す
    ることにより、上記文書情報を第２の単一キーワードフ
    ォルダにまとめる第２の単一キーワード処理手段と、 上記第２の単一キーワードフォルダ内の文書情報同士を
    比較することにより、上記第２の単一キーワードフォル
    ダ同士を結合して、第２の関連キーワードフォルダを作
    成する第２の関連キーワード処理手段とを有し、 上記関連キーワードフォルダ内の文書情報を上記第２の
    関連キーワードフォルダに分類することを特徴とする文
    書情報分類装置。
16. 【請求項１６】請求項１２に記載の文書情報分類装置に
    おいて、 予め蓄積された上記複数の文書情報中に現れる言葉を抽
    出する抽出手段と、 抽出された上記言葉を上記キーワードとするキーワード
    作成手段を有することを特徴とする文書情報分類装置。
17. 【請求項１７】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ処理手段は、上記単一キー
    ワードフォルダ内の文書情報同士を比較して、一致する
    文書情報の数が所定以上の単一キーワードフォルダ同士
    を結合して上記関連キーワードフォルダを作成すること
    を特徴とする文書情報分類装置。
18. 【請求項１８】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ処理手段は、上記キーワー
    ドの上記文書情報中での出現頻度および出現位置のうち
    いずれか一方を用いることにより上記関連キーワードフ
    ォルダを作成することを特徴とする文書情報分類装置。
19. 【請求項１９】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ内の各文書の特徴ベクトル
    を算出して、算出された各特徴ベクトルの平均ベクトル
    を求める平均ベクトル算出手段と、 求められた上記平均ベクトルと特徴ベクトルとの差が所
    定以上の文書情報を上記関連キーワードフォルダ内で再
    分割する再分割手段とを有することを特徴とする文書情
    報分類装置。
20. 【請求項２０】請求項１２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダ内の各文書の特徴ベクトル
    を算出する特徴ベクトル算出手段と、 算出した上記特徴ベクトルを用いて上記関連キーワード
    フォルダの結合の可否を判定する結合判定手段とを有す
    ることを特徴とする文書情報分類装置。
21. 【請求項２１】予め複数の文書情報および上記文書情報
    の各文書情報におけるキーワード群を蓄積しておく記憶
    手段を有し、上記文書情報を分類する文書情報分類装置
    において、 上記記憶手段に蓄積された各キーワード毎に、キーワー
    ドを含む上記文書情報を単一キーワードフォルダにまと
    める単一キーワード処理手段と、 上記単一キーワードフォルダ内の文書情報同士を比較す
    ることにより、上記単一キーワードフォルダ同士を結合
    して関連キーワードフォルダを作成する関連キーワード
    処理手段と、 操作者が指定した上記関連キーワードフォルダ同士を結
    合する手段を有し、 予め蓄積された上記複数の文書情報を上記関連キーワー
    ドフォルダに分類することを特徴とする文書情報分類装
    置。
22. 【請求項２２】請求項１２に記載の文書情報分類装置に
    おいて、 上記単一キーワード処理手段は、操作者が選択した文字
    列を含む文書情報を単一キーワードフォルダにまとめる
    ことを特徴とする文書情報分類装置。
23. 【請求項２３】請求項２２に記載の文書情報分類装置に
    おいて、 文字列の階層構造を示すシソーラス辞書を有し、 上記シソーラス辞書を用いて、上記関連キーワードフォ
    ルダの階層関係を構築する階層関係構築手段とを有する
    ことを特徴とする文書情報分類装置。
24. 【請求項２４】請求項２２に記載の文書情報分類装置に
    おいて、 上記関連キーワードフォルダに含まれる文書情報に基づ
    いて関連キーワードフォルダ同士の類似度を定める手段
    と、 上記類似度に応じて、操作者が選択した関連キーワード
    フォルダに類似する関連キーワードフォルダを選択する
    手段を有することを特徴とする文書情報分類装置。
25. 【請求項２５】請求項２４に記載の文書情報分類装置に
    おいて、 上記類似度に応じて、操作者が選択した文書情報と同じ
    関連キーワードフォルダに属し、類似する文書情報を上
    記関連キーワードフォルダから取り除く手段とを有する
    ことを特徴とする文書情報分類装置。