JPH10283366A - 情報分類装置 - Google Patents

Abstract

(57)【要約】 【課題】 テキストを含むファイルを自動分類する装置
の提供。 【解決手段】 ファイル格納手段１０１が出力するファ
イルのテキスト部分を形態素解析してファイルの識別子
と共に出力する形態素解析手段１０２と、ファイルを分
類するためのキーワードを格納するキーワード格納手段
１０３と、キーワード格納手段１０３の出力と形態素解
析手段１０２の出力とを入力として、形態素解析の結果
の中からキーワードを収集してファイルの識別子と共に
出力するキーワード収集手段１０４と、利用者が最近の
分類結果と異なる分類結果を要求するための入力手段１
０７と、入力手段１０７の出力とキーワード収集手段１
０４の出力とを入力としてファイルの識別子をキーワー
ドで分類して出力する情報分類手段１０５と、情報分類
手段１０５の出力とファイル格納手段１０１の出力とを
入力として、情報分類手段１０５が分類した結果を利用
者に提供する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文字コードによっ
て構成されるテキストを含むファイルをキーワードを付
けて分類する装置に関するものである。

【０００２】

【従来の技術】データベース・システムは一般に、検索
目的を持った利用者が目的のファイルに容易に到達でき
るように、キーワード論理式などを入力するインタフェ
ースを用意している。しかしながら、特に検索目的を持
たず、データベースの中にどのようなファイルが収納さ
れているかということに興味を持つ利用者にとっては、
このようなインタフェースはあまり役に立たない。デー
タベースの内容の一覧を提供するために、従来は、デー
タベースの管理者があらかじめ固定的な概念体系を用意
して、新しく追加するファイルの内容を理解してその体
系における位置を決定したり、ファイルの提供者が位置
を指定したり、あるいは、すでに手作業で分類したファ
イルとキーワードを比較して最も近い位置に自動分類し
て、利用者に分類結果を提供していた。

【０００３】

【発明が解決しようとする課題】前述のあらかじめ固定
的な概念体系を用意する方法では、新しい概念を持った
ファイルが出現したときに利用者にその存在が伝わらな
いという問題が生じる。自動分類では、すでに分類され
ているファイルとキーワードが１つでも一致すれば概念
的に近いと判断されて既存の概念に分類されるだけであ
る。したがって、適当な時期に概念体系を修正して分類
をやり直す必要があるが、その作業はデータベースの規
模に比例して膨大な量になる。

【０００４】本発明は、固定的な概念体系を利用するの
ではなく、ファイルに含まれるキーワードを概念として
利用し、ファイルをそれに属する集合として自動分類し
て、ユーザにデータベースの内容の一覧を提供すること
を目的とする。

【０００５】

【課題を解決するための手段】請求項１記載の本発明
は、文字コードによって構成されるテキストを含むファ
イルを格納するファイル格納手段と、前記ファイル格納
手段が出力するファイルのテキスト部分に対して形態素
解析を行って前記ファイルの識別子と共に出力する形態
素解析手段と、前記ファイルを分類するためのキーワー
ドを格納するキーワード格納手段と、前記キーワード格
納手段の出力と前記形態素解析手段の出力とを入力とし
て、前記形態素解析の結果の中から前記キーワードだけ
を収集して前記ファイルの識別子と共に出力するキーワ
ード収集手段と、利用者が最近の分類結果と異なる分類
結果を要求するための入力手段と、前記入力手段の出力
と前記キーワード収集手段の出力とを入力として前記フ
ァイルの識別子を前記キーワードで分類して出力する情
報分類手段と、前記情報分類手段の出力と前記ファイル
格納手段の出力とを入力として、前記情報分類手段が分
類した結果に従って前記ファイルを利用者に提供する表
示手段によって構成される情報分類装置である。

【０００６】請求項２記載の本発明は、情報分類手段
が、キーワードを持つファイルの識別子の集合と利用者
からの指示とを入力として、ファイルを分類する前記キ
ーワードを選択し、分類キーワード集合として出力する
初期キーワード選択手段と、前記初期キーワード選択手
段の出力を入力として、前記分類キーワード集合を洗練
して出力する分類キーワード洗練手段と、前記分類キー
ワード洗練手段の出力を入力として、前記ファイルの識
別子を前記分類キーワード集合に含まれる各キーワード
に割り当てるファイル集合生成手段と、前記分類キーワ
ード集合によって分類された前記ファイルの識別子の各
集合を前記初期キーワード選択手段に出力して再帰的な
分類を行わせる再帰的分類制御手段によって構成される
情報分類装置である。

【０００７】請求項３記載の本発明は、初期キーワード
選択手段が、利用者からの指示がなければ、キーワード
収集手段が収集したキーワードを、前記キーワードが出
現するファイルの数が多い順に一列に並べて、最上位か
ら一定数の前記キーワードを分類キーワード集合として
選択して出力する情報分類装置である。

【０００８】請求項４記載の本発明は、初期キーワード
選択手段が、利用者から最近の分類結果と異なる分類結
果を要求する指示があれば、最近並べたキーワードの列
について、最近選択した分類キーワード集合に含まれる
前記キーワードを最下位に順序を保存して移動した後、
最上位から一定数の前記キーワードを分類キーワード集
合として選択して出力する情報分類装置である。

【０００９】請求項５記載の本発明は、分類キーワード
洗練手段が、分類キーワード集合に含まれるキーワード
が出現するファイルの数を前記分類キーワード集合の評
価関数として、前記分類キーワード集合に含まれる１つ
のキーワードを、まだ前記分類キーワード集合に含まれ
たことがない１つのキーワードと置換し、前記評価関数
の値が前記置換の直前の値より増加する限り前記置換を
行って、前記分類キーワード集合を更新する情報分類装
置である。

【００１０】請求項６記載の本発明は、ファイル集合生
成手段が、分類キーワード集合に含まれるキーワード
を、前記キーワードが出現するファイルの数が多い順に
一列に並べて、前記キーワードに割り当てるファイルの
識別子の集合を、前記キーワードよりも下位のキーワー
ドが１つも出現しない前記ファイルの識別子に限定し、
かつ前記分類キーワード集合に含まれるキーワードが１
つも出現しないファイルについては、その他を意味する
特殊キーワードを前記分類キーワード集合に追加して、
前記特殊キーワードに前記ファイルの識別子を割り当て
る情報分類装置である。

【００１１】

【発明の実施の形態】本発明の一実施の形態の情報分類
装置全体の構成を表すブロック図を図１に示す。ファイ
ル格納手段１０１は、文字コードによって構成されるテ
キストを含むファイルを格納する。形態素解析手段１０
２は、ファイル格納手段１０１のファイルのテキスト部
分に対して形態素解析を行ってファイルの識別子と共に
出力する。キーワード格納手段１０３は、ファイルを分
類するためのキーワードを格納する。キーワード収集手
段１０４は、形態素解析の結果の中からキーワード格納
手段１０３に格納されているキーワードだけを収集し
て、ファイルの識別子と共に出力する。情報分類手段１
０５は、ファイルの識別子をそれに付随するキーワード
によって分類する。表示手段１０６は、ファイル格納手
段１０１のファイルの内容を分類結果に従って利用者に
提供する。入力手段１０７は、利用者が提供された分類
結果と異なる分類を希望するときに、情報分類手段１０
５にその要求を伝える。

【００１２】次に本実施の形態の動作を説明する。例と
して、図２に示すラーメンの飲食店について記述した５
つのファイルがファイル格納装置１０１に格納されてい
るとする。それぞれのファイルの識別子は、file1, fil
e2, file3, file4, file5である。

【００１３】形態素解析手段１０２は、ファイル格納手
段１０１に格納されているファイルのテキスト部分につ
いて形態素解析を行い、ファイルの識別子と共に出力す
る。図２に示すファイルについて、形態素解析手段１０
２が処理した結果の、名詞のみを取り出した結果を図３
に示す。

【００１４】キーワード格納手段１０３には、分類に使
用するキーワードを列挙する。例を図４に示す。

【００１５】キーワード収集手段１０４は、形態素解析
手段１０２の出力の中から、キーワード格納手段１０３
に格納されている単語だけを取り出して、ファイルの識
別子と共に出力する。図３の形態素解析の結果を、キー
ワード収集手段１０４が処理した結果を図５に示す。

【００１６】情報分類手段１０５は、キーワード収集手
段が１０４が出力するキーワードを持つファイルの識別
子の集合を、キーワードで分類して出力する。情報分類
手段１０５の詳細な構成を示すブロック図を図６に示
す。

【００１７】初期キーワード選択手段６０１は、キーワ
ードをそれが出現するファイル数が多い順に並べ、最上
位から一定数のキーワードを分類キーワード集合として
選択する。図５のキーワード収集手段１０４の出力を、
キーワードを横軸として出現ファイル数が多い順に左か
ら並べた結果を図７に示す。分類キーワード集合として
選択するキーワードの数を２とすると、分類キーワード
の集合は、｛ラーメン、しょうゆ味｝となる。

【００１８】分類キーワード洗練手段６０２は、初期キ
ーワード選択手段６０１が出力する分類キーワード集合
に含まれるキーワードが、より多くのファイルに出現す
るように他のキーワードと置換する。まず、分類キーワ
ード集合に含まれるキーワードが出現するファイルの数
を評価関数とする。そして、分類キーワード集合に含ま
れる１つのキーワードを、まだ分類キーワード集合に含
まれたことがないキーワードと置換する操作を、評価関
数の値が増加する限り繰り返す。図７の例で、分類キー
ワード集合が、 ｛ラーメン、しょうゆ味｝ に設定されているとき、評価関数の値は４である。分類
集合に含まれるキーワードの「ラーメン」と「しょうゆ
味」を、まだ分類集合に含まれたことがないキーワード
の「焼き豚」と置換し、評価関数の値を計算するといず
れの場合も４である。したがって、評価関数の値が増加
しないので、分類キーワード洗練手段６０２は分類キー
ワード集合を、 ｛ラーメン、しょうゆ味｝ として出力する。

【００１９】ファイル集合生成手段６０３は、分類キー
ワード洗練手段６０２が出力する分類キーワード集合に
従って、ファイルの識別子を分類する。まず、分類キー
ワード集合に含まれるキーワードを、それが出現するフ
ァイル数が多い順に並べて、キーワードに割り当てるフ
ァイルの識別子の集合を、そのキーワードよりも下位の
キーワードが１つも出現しないファイルの識別子に限定
する。図７の例で分類キーワード集合が、 ｛ラーメン、しょうゆ味｝ であれば、キーワード「ラーメン」が出現するファイル
は、 {file1, file3, file5} であるが、file1にはそれよりも下位のキーワード「し
ょうゆ味」が出現するので、各キーワードに割り当てる
ファイルの識別子の集合は、 ラーメン：{file3, file5} しょうゆ味：{file1, file4} となる。また、分類キーワード集合に含まれるキーワー
ドが１つも出現しないファイルについては、特殊キーワ
ード「その他」を分類キーワード集合に追加し、それに
ファイルの識別子を割り当てる。図７の例では、 その他：{file2} となり、ファイル集合生成手段６０３から情報分類手段
１０５の結果として、 ｛ラーメン：{file3, file5}、しょうゆ味：{file1, fi
le4}、その他：{file2}｝ が出力される。

【００２０】再帰的分類制御手段６０４は、ファイル集
合生成手段６０３が分類した結果をさらに細分類すると
きに使用する。すなわち、すでに分類されたファイルの
識別子とそのファイルに出現するキーワードの集合を初
期キーワード選択手段６０１に与えることで、分類され
たファイルの識別子をさらにキーワードで分類する。

【００２１】表示手段１０６は、情報分類手段１０５の
結果を木構造に変換して、利用者にデータベースの内容
の一覧を提供する。情報分類手段１０５の出力が、 ｛ラーメン：{file3, file5}、しょうゆ味：{file1, fi
le4}、その他：{file2}｝ のときは、図８に示すような出力結果が得られる。利用
者は、この出力結果を見て、他の分類結果を要求したい
ときに入力手段１０７を用いる。入力手段１０７は情報
分類手段１０５に接続され、初期キーワード選択手段２
０１にその要求が伝えられる。

【００２２】初期キーワード選択手段６０１は、キーワ
ード収集手段１０４が出力した結果から最近選択した分
類キーワード集合を記憶している。入力手段１０７から
利用者の要求が伝えられると、最近並べたキーワードの
列について、最近選択した分類キーワードに含まれるキ
ーワードの列を、最下位に順序を保存して移動した後、
最上位から一定数のキーワードを分類キーワード集合と
して選択して出力する。図７の例では、分類キーワード
として ｛ラーメン、しょうゆ味｝ を最近選択したので、それを順序を保存して最下位のキ
ーワード「焼き豚」の次に移動し、図９のようなキーワ
ードの列を作る。そして最上位から２つのキーワードを
選択して、分類キーワード集合、 ｛焼き豚、ラーメン｝ を選択して出力する。分類キーワード洗練装置６０２以
降の処理は同様であり、情報分類装置の出力として、 ｛ラーメン：{file1, file5}、焼き豚：{file2, file
3}、その他：{file4}｝ が出力される。表示手段１０６には、前回の図８の分類
結果とは異なる、図１０に示すようなデータベースの内
容の一覧が利用者に提供される。

【００２３】なお、本発明は文字コードによって構成さ
れるテキストを含むファイルであればどのような種類の
ファイルでも分類することができる。ファイルをインタ
ーネット上のホームページを構成するＨＴＭＬファイ
ル、ファイルの識別子をそのＵＲＬアドレスとすれば、
本発明の情報分類装置をホームページの分類システムと
して利用することができる。

【００２４】

【発明の効果】以上述べたところから明らかなように、
本発明は、キーワードを概念として利用し、文字コード
によって構成されるテキストを含むファイルを自動分類
するので、新しい概念を持ったファイルが出現しても、
キーワードを保守するだけで容易に概念体系の更新が可
能であり、利用者にデータベースの内容の一覧を迅速に
提供できるという長所を有する。

【図面の簡単な説明】

【図１】本発明の一実施の形態の情報分類装置の全体の
構成を表すブロック図

【図２】同実施の形態の動作を説明するための図１のフ
ァイル格納手段１０１の一例を示す図

【図３】同実施の形態の動作を説明するための図１の形
態素解析手段１０２の出力の一例を示す図

【図４】同実施の形態の動作を説明するための図１のキ
ーワード格納手段１０３の一例を示す図

【図５】同実施の形態の動作を説明するための図１のキ
ーワード収集手段１０４の出力の一例を示す図

【図６】同実施の形態の動作を説明するための図１の情
報分類手段１０５の詳細なブロック図

【図７】同実施の形態の動作を説明するための図６の初
期キーワード選択手段６０１の内部状態の一例を示す図

【図８】同実施の形態の動作を説明するための図１の表
示手段１０６の一例を示す図

【図９】同実施の形態の動作を説明するための図６の初
期キーワード選択手段６０１の内部状態の一例を示す図

【図１０】同実施の形態の動作を説明するための図１の
表示手段１０６の一例を示す図

【符号の説明】

１０１ ファイル格納手段 １０２ 形態素解析手段 １０３ キーワード格納手段 １０４ キーワード収集手段 １０５ 情報分類手段 １０６ 表示手段 １０７ 入力手段 ６０１ 初期キーワード選択手段 ６０２ 分類キーワード洗練手段 ６０３ ファイル集合生成手段 ６０４ 再帰的分類制御手段

Claims (7)

【特許請求の範囲】
1. 【請求項１】文字コードによって構成されるテキストを
   含むファイルを格納するファイル格納手段と、前記ファ
   イル格納手段が出力するファイルのテキスト部分に対し
   て形態素解析を行って前記ファイルの識別子と共に出力
   する形態素解析手段と、前記ファイルを分類するための
   キーワードを格納するキーワード格納手段と、前記キー
   ワード格納手段の出力と前記形態素解析手段の出力とを
   入力として、前記形態素解析の結果の中から前記キーワ
   ードだけを収集して前記ファイルの識別子と共に出力す
   るキーワード収集手段と、利用者が最近の分類結果と異
   なる分類結果を要求するための入力手段と、前記入力手
   段の出力と前記キーワード収集手段の出力とを入力とし
   て前記ファイルの識別子を前記キーワードで分類して出
   力する情報分類手段と、前記情報分類手段の出力と前記
   ファイル格納手段の出力とを入力として、前記情報分類
   手段が分類した結果に従って前記ファイルを利用者に提
   供する表示手段によって構成される情報分類装置。
2. 【請求項２】情報分類手段は、キーワードを持つファイ
   ルの識別子の集合と利用者からの指示とを入力として、
   ファイルを分類する前記キーワードを選択し、分類キー
   ワード集合として出力する初期キーワード選択手段と、
   前記初期キーワード選択手段の出力を入力として、前記
   分類キーワード集合を洗練して出力する分類キーワード
   洗練手段と、前記分類キーワード洗練手段の出力を入力
   として、前記ファイルの識別子を前記分類キーワード集
   合に含まれる各キーワードに割り当てるファイル集合生
   成手段と、前記分類キーワード集合によって分類された
   前記ファイルの識別子の各集合を前記初期キーワード選
   択手段に出力して再帰的な分類を行わせる再帰的分類制
   御手段によって構成されることを特徴とする請求項１記
   載の情報分類装置。
3. 【請求項３】初期キーワード選択手段は、利用者からの
   指示がなければ、キーワード収集手段が収集したキーワ
   ードを、前記キーワードが出現するファイルの数が多い
   順に一列に並べて、最上位から一定数の前記キーワード
   を分類キーワード集合として選択して出力することを特
   徴とする請求項１記載の情報分類装置。
4. 【請求項４】初期キーワード選択手段は、利用者から最
   近の分類結果と異なる分類結果を要求する指示があれ
   ば、最近並べたキーワードの列について、最近選択した
   分類キーワード集合に含まれる前記キーワードを最下位
   に順序を保存して移動した後、最上位から一定数の前記
   キーワードを分類キーワード集合として選択して出力す
   ることを特徴とする請求項１記載の情報分類装置。
5. 【請求項５】分類キーワード洗練手段は、分類キーワー
   ド集合に含まれるキーワードが出現するファイルの数を
   前記分類キーワード集合の評価関数として、前記分類キ
   ーワード集合に含まれる１つのキーワードを、まだ前記
   分類キーワード集合に含まれたことがない１つのキーワ
   ードと置換し、前記評価関数の値が前記置換の直前の値
   より増加する限り前記置換を行って、前記分類キーワー
   ド集合を更新することを特徴とする請求項１記載の情報
   分類装置。
6. 【請求項６】ファイル集合生成手段は、分類キーワード
   集合に含まれるキーワードを、前記キーワードが出現す
   るファイルの数が多い順に一列に並べて、前記キーワー
   ドに割り当てるファイルの識別子の集合を、前記キーワ
   ードよりも下位のキーワードが１つも出現しない前記フ
   ァイルの識別子に限定し、かつ前記分類キーワード集合
   に含まれるキーワードが１つも出現しないファイルにつ
   いては、その他を意味する特殊キーワードを前記分類キ
   ーワード集合に追加して、前記特殊キーワードに前記フ
   ァイルの識別子を割り当てることを特徴とする請求項１
   記載の情報分類装置。
7. 【請求項７】文字コードによって構成されるテキストを
   含むファイルをキーワードを付けて分類するプログラム
   製品であり、以下のステップを実現するプログラム記録
   媒体を含む：ファイルに含まれる文字コードによって構
   成されるテキスト部分を形態素解析するステップ、 前記形態素解析の結果から前記ファイルを分類するため
   に使用するキーワードを収集して、ファイルの識別子と
   共に出力するステップ、 キーワードを持つファイルの識別子の集合を、前記キー
   ワードで分類するステップ。