JPH11296550A - 文書分類装置、文書分類方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 文書間の類似性に基づいて文書分類をおこな
う際、操作者の意図を反映する文書分類をおこなうこと
を課題とする。 【解決手段】 一つまたは複数の項目から構成された文
書データを入力する入力部４０１と、入力された文書デ
ータを構成する前記項目を指定する指定部４０２と、指
定された項目に対応するデータのみの内容となるように
前記文書データを変換する変換部４０３と、変換された
変換データをもちいて文書を分類する分類部４０５とを
備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書の内容に基
づいて文書を分類する文書分類装置、文書分類方法およ
びその方法をコンピュータに実行させるプログラムを記
録したコンピュータ読み取り可能な記録媒体に関する。

【０００２】

【従来の技術】従来、文書分類装置として、たとえば、
特開平７−３６８９７号公報記載の文書分類装置には、
文書を単語を特徴とする文書ベクトルとみなし、クラス
タリング手法を用いてこれらの文書ベクトルを群分け
し、文書の自動分類をおこなうものが記載されている。

【０００３】また、通常、文書データは一般的にデータ
ベース化されており、文書内容だけでなく作成日や作成
者などの書誌的項目が付加されていたり、また文書内容
自体が複数の項目を含んでいる場合が多い。たとえば、
特許公報は、「特許請求の範囲」「発明の詳細な説明」
といった複数の項目から構成されている。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来技術の文書分類装置は、複数の項目を持つ文書データ
に対して、操作者が分類対象とする項目を任意に指定す
ることができないことから、分類に悪影響を与えるデー
タが付加されていたり、また、複数の項目を組み合わせ
ることが出来ないことから、分類に有効なデータが不足
したりして、精度の高い分類結果を得ることができない
という問題があった。

【０００５】この発明は、上述した従来例による問題点
を解消するため、操作者の意図が反映された精度の高い
分類をおこなうことができる文書分類装置、文書分類方
法およびその方法をコンピュータに実行させるプログラ
ムを記録したコンピュータ読み取り可能な記録媒体を提
供することを目的とする。

【０００６】

【課題を解決するための手段】上述した課題を解決し、
目的を達成するため、請求項１の発明に係る文書分類装
置は、文書の内容に基づいて文書の分類をおこなう文書
分類装置において、一つまたは複数の項目から構成され
た文書データを入力する入力手段と、前記入力手段によ
り入力された文書データを構成する前記項目を指定する
指定手段と、前記指定手段により指定された項目に対応
するデータのみの内容となるように前記文書データを変
換する変換手段と、前記変換手段により変換された変換
データをもちいて文書を分類する分類手段と、を備えた
ことを特徴とする。

【０００７】この請求項１の発明によれば、文書を分類
する際に、指定された項目の内容データだけが用いられ
るので、その他の項目の内容による分類結果への影響を
防ぐことができる。そのため、操作者が期待する分類の
観点に必要と思われる文書データの項目を指定すること
により、操作者が望む分類により近い精度の高い分類を
効率よくおこなうことが可能である。

【０００８】また、請求項２に係る文書分類装置は、文
書の内容に基づいて文書の分類をおこなう文書分類装置
において、一つまたは複数の項目から構成された文書デ
ータを入力する入力手段と、前記入力手段により入力さ
れた文書データを構成する前記項目を指定する指定手段
と、前記指定手段により指定された項目に対応するデー
タのみの内容となるように前記文書データを変換する変
換手段と、前記変換手段により変換された変換データを
もちいて各文書の特徴ベクトルを生成する文書ベクトル
生成手段と、前記文書ベクトル生成手段により生成され
た各文書の特徴ベクトルをもちいて文書を分類する分類
手段と、を備えたことを特徴とする。

【０００９】この請求項２の発明によれば、文書を分類
するための各文書の特徴ベクトルを生成する際に、指定
された項目の内容データだけが用いられるので、その他
の項目の内容による分類結果への影響を防ぐことができ
る。そのため、操作者が期待する分類の観点に必要と思
われる文書データの項目を指定することにより、操作者
が望む分類により近い精度の高い分類をおこなうことが
可能である。

【００１０】また、請求項３に係る文書分類装置は、請
求項１または２の発明において、前記変換手段が、前記
文書データを変換する際、前記各項目のデータが分離可
能となるように前記項目のデータ間に所定の記号を挿入
することを特徴とする。

【００１１】この請求項３の発明によれば、各変換デー
タの間に区切りとなる記号を挿入するので、形態素解析
等の解析処理をおこなう際に、各項目に対応するデータ
をそのまま結合させることにより変換データ全体として
全く別の意味が構成されることを回避することが可能で
ある。

【００１２】また、請求項４に係る文書分類方法は、文
書の内容に基づいて文書の分類をおこなう文書分類方法
において、一つまたは複数の項目から構成された文書デ
ータを入力する入力工程と、前記入力工程により入力さ
れた文書データを構成する前記項目を指定する指定工程
と、前記指定工程により指定された項目に対応するデー
タのみの内容となるように前記文書データを変換する変
換工程と、前記変換工程により変換された変換データを
もちいて文書を分類する分類工程とを含んだことを特徴
とする。

【００１３】この請求項４の発明によれば、文書を分類
する際に、指定された項目の内容データだけが用いられ
るので、その他の項目の内容による分類結果への影響を
防ぐことができる。そのため、操作者が自分が期待する
分類の観点に必要と思われる文書データの項目を指定す
ることにより、操作者が望む分類により近い精度の高い
分類をおこなうことが可能である。

【００１４】また、請求項５に係る文書分類方法は、文
書の内容に基づいて文書の分類をおこなう文書分類方法
において、一つまたは複数の項目から構成された文書デ
ータを入力する入力工程と、前記入力工程により入力さ
れた文書データを構成する前記項目を指定する指定工程
と、前記指定工程により指定された項目に対応するデー
タのみの内容となるように前記文書データを変換する変
換工程と、前記変換工程により変換された変換データを
もちいて各文書の特徴ベクトルを生成する文書ベクトル
生成工程と、前記文書ベクトル生成工程により生成され
た各文書の特徴ベクトルをもちいて文書を分類する分類
工程と、を含んだことを特徴とする。

【００１５】この請求項５の発明によれば、文書を分類
するための各文書の特徴ベクトルを生成する際に、指定
された項目の内容データだけが用いられるので、その他
の項目の内容による分類結果への影響を防ぐことができ
る。そのため、操作者が自分が期待する分類の観点に必
要と思われる文書データの項目を指定することにより、
操作者が望む分類により近い精度の高い分類をおこなう
ことが可能である。

【００１６】また、請求項６に係る文書分類方法は、請
求項４または５の発明において、前記変換工程が、前記
文書データを変換する際、前記各項目のデータが分離可
能となるように前記項目のデータ間に所定の記号を挿入
することを特徴とする。

【００１７】この請求項６の発明によれば、各変換デー
タの間に区切りとなる記号を挿入するので、形態素解析
等の解析処理の際に、複数の項目のデータを一つのデー
タとして混同して扱われることを回避できるとともに、
各項目ごとの内容データが瞬時に識別することが可能で
ある。

【００１８】また、請求項７の発明に係る記憶媒体は、
請求項４〜６に記載された方法をコンピュータに実行さ
せるプログラムを記録したことで、そのプログラムを機
械読み取り可能となり、これによって、請求項４〜６の
動作をコンピュータによって実現することが可能であ
る。

【００１９】

【発明の実施の形態】以下に添付図面を参照して、この
発明に係る文書分類装置、文書分類方法およびその方法
をコンピュータに実行させるプログラムを記録したコン
ピュータ読み取り可能な記録媒体の好適な実施の形態を
詳細に説明する。

【００２０】（実施の形態１）まず、この発明の実施の
形態１による文書分類装置を構成する情報処理システム
全体のハードウエア構成を説明する。図１は、実施の形
態１による文書分類装置を構成する情報処理システム全
体のハードウエア構成を示す説明図である。図１におい
て、実施の形態１による文書分類装置を構成する情報処
理システムは、サーバー／クライアント方式で構成され
ている。すなわち、サーバー１０１と複数のクライアン
ト１０２がネットワーク１０３によって接続されてい
る。

【００２１】クライアント１０２は、分類データの生
成、サーバー１０１への指示、分類結果の表示などをお
こなう。一方、クライアント１０２からの指示に従い、
サーバー１０１は文書（テキスト）分類に関する処理を
膨大な数値演算によりおこない、その処理の結果をクラ
イアント１０２へ送る。より具体的には、サーバー１０
１においては、テキスト分類処理がおこなわれ、クライ
アント１０２においては、分類データ生成、処理実行指
示、テキスト分類結果表示等がおこなわれる。

【００２２】また、サーバー１０１とクライアント１０
２との間のデータのやりとりはファイル共有という方法
をもちいる。すなわち、分類処理にもちいるファイルを
サーバー１０１上の共有フォルダに作成することにより
両者はデータのやりとりをおこなう。したがって、クラ
イアント１０２からはサーバー１０１の共有フォルダを
ネットワーク共有して利用することが可能である。

【００２３】つぎに、サーバー１０１およびクライアン
ト１０２のハードウエア構成について説明する。図２
は、実施の形態１による文書分類装置を構成する情報処
理システムにおけるサーバー１０１をハードウエア的に
示す説明図である。サーバー１０１は、たとえばワーク
ステーション（ＷＳ）等がもちいられる。

【００２４】図２において、２０１はサーバー１０１全
体を制御するＣＰＵを、２０２はブートプログラム等を
記憶したＲＯＭを、２０３はＣＰＵ２０１のワークエリ
アとして使用されるＲＡＭ２０３を、２０４は通信回線
２０５を介してネットワーク１０３に接続され、そのネ
ットワーク１０３と内部のインターフェイスを司るイン
ターフェイス（Ｉ／Ｆ）を、２０６はデータを記憶する
ディスク装置を示している。２００は上記各部を結合さ
せるためのバスを示している。

【００２５】そのほか、文書情報、画像情報、機能情報
等を表示するディスプレイ２０８や、データを入力する
ためのキーボード２０９およびマウス２１０等が同様に
接続されていてもよい。さらに、ディスク装置２０６に
は、クライアント１０２との間のデータのやりとりをす
るための共有フォルダ２０７が設けられている。

【００２６】また、図３は、実施の形態１による文書分
類装置を構成する情報処理システムにおけるクライアン
ト１０２をハードウエア的に示す説明図である。クライ
アント１０２は、たとえばパーソナルコンピュータ（Ｐ
Ｃ）等がもちいられる。

【００２７】図３において、３０１はシステム全体を制
御するＣＰＵを、３０２はブートプログラム等を記憶し
たＲＯＭを、３０３はＣＰＵ３０１のワークエリアとし
て使用されるＲＡＭを、３０４はＣＰＵ３０１の制御に
したがってＨＤ（ハードディスク）３０５に対するデー
タのリード／ライトを制御するＨＤＤ（ハードディスク
ドライブ）を、３０５はＨＤＤ３０４の制御で書き込ま
れたデータを記憶するＨＤを、３０６はＣＰＵ３０１の
制御にしたがってＦＤ（フロッピーディスク）３０７に
対するデータのリード／ライトを制御するＦＤＤ（フロ
ッピーディスクドライブ）を、３０７はＦＤＤ３０６の
制御で書き込まれたデータを記憶する着脱自在のＦＤ
を、３０８はドキュメント、画像、機能情報等を表示す
るディスプレイをそれぞれ示している。

【００２８】また、３０９は通信回線３１０を介してネ
ットワーク１０３に接続され、そのネットワーク１０３
と内部のインターフェイスを司るインターフェイス（Ｉ
／Ｆ）を、３１１は文字、数値、各種指示等の入力のた
めのキーを備えたキーボードを、３１２はカーソルの移
動や範囲選択、あるいは表示画面に表示されたアイコン
やボタンの押下やウインドウの移動やサイズの変更等を
おこなうマウスを、３１３はＯＣＲ（Ｏｐｔｉｃａｌ
Ｃｈａｒａｃｔｅｒ Ｒｅａｄｅｒ）機能を備えた画像
を光学的に読み取るスキャナを、３１４は分類結果を含
むデータの内容等を印刷するプリンタを、３１５は上記
各部を結合するためのバスをそれぞれ示している。

【００２９】つぎに、実施の形態１による文書分類装置
の機能的構成について説明する。図４は実施の形態１に
よる文書分類装置の構成を機能的に示すブロック図であ
る。図４において、文書分類装置は、入力部４０１と、
指定部４０２と、変換部４０３と、変換データ記憶部４
０４と、分類部４０５と、分類結果記憶部４０６を含む
構成である。

【００３０】つぎに、各構成部についてその内容を詳細
に説明する。なお、入力部４０１、指定部４０２、変換
部４０３、変換データ記憶部４０４、分類部４０５、分
類結果記憶部４０６は、ＲＯＭ２０２または３０２、Ｒ
ＡＭ２０３または３０３、あるいはディスク装置３０６
またはハードディスク３１６等の記録媒体に記録された
プログラムに記載された命令に従ってＣＰＵ２０１また
は３０１等が命令処理を実行することにより、各部の機
能を実現するものである。

【００３１】（入力部４０１）入力部４０１は、文書デ
ータを入力するものであり、たとえば、キーボード２０
９または３１１、ＯＣＲ機能を備えたスキャナ３１３、
またはネットワーク１０３を経由して文書や文書群を得
ることができるＩ／Ｆ２０４または３０９等である。ま
た、入力部４０１は、上記以外に文書データを取得する
ことができるものであれば、それらすべてを含む。

【００３２】たとえば、文書データがデータベース化さ
れている場合に、そのデータベースが記録された媒体を
本実施の形態の文書分類装置に組み入れた場合も文書デ
ータの入力とする。さらに、入力した文書データを記憶
する図示しない文書データ記憶部を含んでいてもよい。
この文書データ記憶部は、たとえば大容量のメモリを有
するサーバー１０１のディスク装置２０６等であっても
よい。

【００３３】ここで、文書とは、本実施の形態にあって
は、自然言語で記述された一つ以上の文の集まりであ
り、それが分類対象となる場合はこれを文書という。具
体的には、公開特許公報や特定の新聞記事も文書であ
り、また、請求項や特定の一文を取り出したものであっ
ても、これを文書と見なすものである。。

【００３４】（指定部４０２）指定部４０２は、文書デ
ータの項目を指定するものである。指定部は、具体的に
は３つの処理から構成される。

【００３５】まず、入力部４０１により入力された文書
データから項目を抽出する（第１処理）。項目を抽出す
る方法としては、あらかじめ所定の符号（たとえば、
「［」「］」等）が付されている項目を検索し、その項
目を選択する等の方法がある。

【００３６】上記第１処理は、指定部４０２でおこなう
代わりに、入力部４０１においておこなってもよい。す
なわち、入力部４０１が文書データを入力する際に、あ
わせてその文書データの項目の抽出をおこなう。その抽
出結果は文書データと対応付けされて上記文書データ記
憶部に記憶される。この場合は、当該抽出結果をもちい
ることにより、指定部４０２においては上記第１処理は
省略されることになる。また、データベースの種類によ
ってはあらかじめ項目に関する情報を有しているものが
あり、その項目に関する情報を利用することによって
も、上記第１処理は省略される。

【００３７】つぎに、第１処理による項目の抽出結果、
上記文書データ記憶部に記憶された上記抽出結果、また
は上記項目に関する情報等に基づいて、抽出された各項
目がどのような項目であり、その項目に対応する内容は
どのようなものであるかの一覧を操作者に提示する（第
２処理）。提示の方法としては、ディスプレイ２０８ま
たは３０８に項目のみを、あるいは項目とその項目に対
応する内容の全部または一部を表示する方法等がある。

【００３８】項目のみを表示する方法としては、たとえ
ば、項目名を文書データ中の出現順序に基づいて横書で
縦一列になるように羅列して表示するといった方法があ
る。この場合、表示画面上の表示行数よりも項目数が多
くなる場合は、折り返して縦二列以上で表示してもよ
く、また、縦一列で表示して、表示画面を縦方向にスク
ロールできるようにしてもよい。

【００３９】項目とその項目に対応する内容の全部また
は一部を表示する方法としては、たとえば、上述の項目
のみを表する方法と同様に、項目名を文書データ中の出
現順序に基づいて横書で縦一列になるように羅列して表
示し、さらにその右側に項目名と対応して配置される位
置に同じく横書でその内容を表示するといった方法があ
る。この場合、表示画面上の表示列数よりも内容のデー
タ量が多くなる場合は、表示画面を横方向にスクロール
できるようにしてもよい。

【００４０】また、項目とその項目に対応する内容の全
部または一部を表示する別の方法としては、項目名のみ
を表示し、項目名が表示されている領域にカーソルを移
動させ、所定の操作（マウス２１０または３１２のボタ
ンあるいはキーボード２０９または３１１等の所定キー
の押下）により、内容のデータの全部または一部をポッ
プアップして表示するようにしてもよい。

【００４１】つぎに、操作者の指示に従って、提示（表
示）された項目の中から分類処理の対象となる項目を一
つまたは二つ以上を同時に指定する（第３処理）。指定
の方法としては、キーボード２０９または３１１やマウ
ス２１０または３１２等のポインティングデバイスから
の指定に関する指示信号に基づいて、提示されている項
目の中から該当する項目を指定する。

【００４２】この際、項目の指定は一つであってもよ
く、また、二つ以上を同時に指定してもよい。また、結
合の形態を併せて指定することもできる。さらに、指定
の順序により、データの変換後の内容データの配列順を
指定するようにしてもよい。

【００４３】（変換部４０３）変換部４０３は、入力さ
れた文書データを前記指定部４０２により指定された項
目に対応するデータのみの内容となるように文書データ
を変換するものである。具体的には、文書データ中の指
定された項目に対応するデータだけを抽出し、抽出され
たデータのみからなる変換データへ変換するものであ
る。

【００４４】変換データは、単にもとの文書データにお
ける指定された項目の順序で各項目に対応するデータを
羅列することにより変換される場合のみならず、たとえ
ば指定された項目のデータ内容を文字列として結合して
指定された項目のデータ内容だけを含む変換データとす
ることや、項目の順序をもとの文書データ内における順
序と異なる順序に入れ替えてからデータを結合するよう
に変換してもよい。

【００４５】また、変換部４０３は、変換データにおけ
る各項目のデータが分離可能となるように項目のデータ
間に所定の分離記号６０１を挿入する。これにより、各
項目に対応するデータの切れ目を瞬時に把握することが
できる。

【００４６】また、この分離記号６０１は、形態素解析
等の自然言語解析をおこなう場合に特に重要である。各
項目に対応するデータが文の体をなしている場合（文の
終わりが句点で終わっている場合）は、この分離記号が
なくても文と文の切れ目を判断することができるが、各
項目に対応するデータが文の体をなしていない場合（箇
条書きの文、文の途中で項目が変わる等の場合）は、そ
のままデータ同士を結合させると、項目によっては、全
く別の意味が構成されてしまう場合がある。そのような
場合を回避するためにこの分離記号６０１を挿入する。

【００４７】分離記号６０１は、一般的には、切れ目を
表す「／（スラッシュ）」がもちいられるが、変換デー
タ中に「／」が存在する場合には、データの「／」との
混同が生じるので、別の記号をもちいることができる。
また、この記号を挿入するか否かについてキーボード２
０９または３１１に所定のキーを割付け、そのキーを押
下するごとに、あるいは表示画面上に所定のアイコンを
表示させて、マウス２１０または３１２によりそのアイ
コンをクリックするごとに、分離記号６０１を挿入する
／挿入しないを交互に設定するようにしてもよい。

【００４８】（変換データ記憶部４０４）変換データ記
憶部４０４は、変換データを記憶する記憶部である。変
換データ記憶部４０４としては、たとえば、サーバー１
０１のディスク装置２０６またはクライアント側のハー
ドディスク３０５、またはフロッピーディスク３０７
等、変換データの容量の違いあるいは用途の違いによ
り、それぞれ設定することが可能である。

【００４９】変換データ記憶部４０４には、項目の設定
順序等を含む変換データのほか、前記分離記号６０１等
も記憶される。変換データ記憶部４０４に記憶された変
換データは、別の分類の際に用いる等、活用を図ること
ができる。

【００５０】（分類部４０５）分類部４０５は、変換部
４０３により変換された変換データまたは変換データ記
憶部４０４に記憶されている変換データの内容にしたが
って自動的に分類する。分類部４０５については、たと
えば特開平７−３６８９７号公報に開示された「文書分
類装置」など従来の文書分類方法を用いて文書を分類す
ることができる。

【００５１】（分類結果記憶部４０６）分類結果記憶部
４０６は、分類部４０５により分類された結果を記憶す
る記憶部である。分類結果記憶部４０６としては、変換
データ記憶部４０４と同様に、たとえば、サーバー１０
１のディスク装置２０６またはクライアント側のハード
ディスク３０５、またはフロッピーディスク３０７等、
変換データの容量の違いあるいは用途の違いにより、そ
れぞれ設定することが可能である。

【００５２】つぎに、文書データと文書データを変換し
た変換データの一例について説明する。図５は文書デー
タとその変換データの一例を示す説明図である。図５に
おいて、文書群として特許公報群をもちいた場合であ
り、５０１は文書データの一例であり、５０２は変換デ
ータの一例である。

【００５３】文書データ５０１は、「出願番号」、「出
願日」、「発明者」、「発明の名称」、「目的」、「構
成」、「請求項１」、「従来技術」、「課題を解決する
ための手段」、「作用」、「実施例」、「発明の効果」
等の項目が含まれている。

【００５４】従来の文書分類装置では各文書データをひ
とまとまりとして取り扱うので、複数の項目を含む文書
データに対してはすべての項目の内容データが分類処理
の対象となり、操作者が望む分類の観点に不必要、ある
いは悪影響を与える項目も含まれる場合がある。

【００５５】本実施の形態においては、分類をおこなう
操作者は自分が望む分類の観点に必要と思われる項目を
１つ以上指定することができる。たとえば特許公報文書
群の分類をおこなう際に、操作者が「発明の課題」に注
目したい場合は、「目的」、「課題を解決するための手
段」、「作用」、「発明の効果」を指定する。また、解
決手段に注目したい場合は、「課題を解決するための手
段」および「実施例」を指定することができる。分類の
対象となる項目が指定されると、指定された項目に基づ
いて文書データを変換する。

【００５６】図５にあっては、操作者が「目的」、「課
題を解決するための手段」、「作用」、「発明の効果」
の項目を指定した場合において、指定された項目の内容
データだけを含むように変換した場合の例である。

【００５７】変更データ５０２から明らかなように、
「目的」の項目に対応するデータである「履歴とともに
対応する画面情報を記憶しておき・・・ことを目的とす
る。」と、「課題を解決するための手段」の項目に対応
するデータである「上記目的を達成するために・・・表
示する表示手段とを有する。」と、「作用」の項目に対
応するデータである「以上の構成において、入力手続き
より・・・表示するように動作する。」と、「発明の効
果」の項目に対応するデータである「以上説明したよう
日本発明によれば・・・再現できる効果がある。」とが
結合して一つの文書を構成している。

【００５８】また、図６は、同一の文書データをもちい
て、操作者が「目的」、「課題を解決するための手
段」、「作用」、「発明の効果」を指定した場合におい
て、指定された項目の内容データだけを含み、各項目の
データ間に分離記号６０１（「／」）を挿入するように
変換した場合の例である。

【００５９】つぎに、実施の形態１による文書分類装置
の一連の処理の手順について説明する。図７は実施の形
態１による文書分類装置の一連の処理の手順を示すフロ
ーチャートである。

【００６０】図７のフローチャートにおいて、まず、入
力部１は文書データの入力をおこなう（ステップＳ７１
０）。また、指定部４０２は項目の指定をおこなう（ス
テップＳ７２０）。

【００６１】変換部４０３は、ステップＳ７１０におい
て入力された文書データをステップＳ７２０において指
定されて項目の内容になるように変換データへ変換する
（ステップＳ７３０）。また、必要に応じて分離記号６
０１を項目に対応するデータ間に挿入する（ステップＳ
７４０）。変換された変換データは、分離記号データと
ともに変換データ記憶部４０４により記憶される（ステ
ップＳ７５０）。

【００６２】上記ステップＳ７３０において変換された
変換データあるいは上記ステップＳ７５０において変換
データ記憶部４０４によって記憶された変換データに基
づいて、分類部４０５は文書の分類をおこなう（ステッ
プＳ７８０）。分類処理が終了後、分類処理の結果は分
類結果記憶部４０６により記憶され（ステップＳ７９
０）、すべての処理は終了する。

【００６３】以上説明したように、実施の形態１によれ
ば、指定された項目により文書データが変換データへ変
換され、その変換データに基づいて文書の分類をおこな
うので、その他の不要な項目の内容による分類結果への
影響を抑制することができる。また、分離記号６０１の
挿入により、変換データにおける結合された項目ごとの
データの識別ができ、かつ、項目間のデータの結合によ
る内容の混同を回避することができる。

【００６４】（実施の形態２）さて、実施の形態１で
は、変換データをもちいて文書を分類したが、以下に説
明する実施の形態２のように、変換データを用いて文書
の特徴ベクトルを生成し、その特徴ベクトルを用いて文
書を分類するようにしてもよい。

【００６５】まず、実施の形態２による文書分類装置の
機能的構成について説明する。図８は、実施の形態２に
よる文書分類装置の構成を機能的に示すブロック図であ
る。図８において、実施の形態１の図４と同一のものに
関しては同じ番号を付して、その説明を省略する。

【００６６】図８において、文書分類装置は、入力部４
０１と、指定部４０２と、変換部４０３と、変換データ
記憶部４０４と、分類部４０５と、分類結果記憶部４０
６のほかに、文書ベクトル生成部８０１と、文書ベクト
ル記憶部８０２とを含む構成である。

【００６７】なお、文書ベクトル生成部８０１と文書ベ
クトル記憶部８０２は、他の構成部と同様に、ＲＯＭ２
０２または３０２、ＲＡＭ２０３または３０３、あるい
はディスク装置３０６またはハードディスク３１６等の
記録媒体に記録されたプログラムに記載された命令に従
ってＣＰＵ２０１または３０１等が命令処理を実行する
ことにより、各部の機能を実現するものである。

【００６８】（文書ベクトル生成部８０１）文書ベクト
ル生成部８０１は、各文書の特徴ベクトルを生成する。
文書の特徴ベクトルを生成するためには、文書データに
対して形態素解析等の自然言語解析処理をおこなう必要
がある。この自然言語解析処理は、図示しない文書解析
部によって、各文書データについて各項目ごとおこなわ
れる。形態素解析は従来の形態素解析手法を用いること
ができる。

【００６９】文書ベクトル生成部８０１では各文書デー
タに対して前記文書解析部によって得られた解析結果を
用いて文書ベクトルを生成するものである。この際に指
定部４０２によって指定された項目に関する解析結果の
みに基づいて文書ベクトルの生成をおこなう。たとえば
各文書データに対して指定部４０２で指定された項目の
内容データから得られる特徴ベクトルだけを加算して文
書ベクトルを生成することで、指定部４０２で指定され
た項目の内容データだけを反映した文書ベクトルを生成
することができる。

【００７０】（文書ベクトル記憶部８０２）文書ベクト
ル記憶部８０２は、文書ベクトル生成部８０１によって
生成された各文書の特徴ベクトルを記憶する記憶部であ
る。文書ベクトル記憶部８０２においては同一文書であ
っても指定部４０２により指定される項目によっては、
その文書の特徴ベクトルが異なってくるので、指定ごと
にそれぞれ文書の特徴ベクトルを記憶する。分類部４０
５による文書の分類をおこなう際には、あらかじめ文書
ベクトル記憶部８０２によって記憶された上記文書の特
徴ベクトルをもちいるので、効率よく文書の分類をおこ
なうことができる。

【００７１】文書ベクトル記憶部８０２としては、たと
えば、サーバー１０１のディスク装置２０６またはクラ
イアント側のハードディスク３０５、またはフロッピー
ディスク３０７等を、変換データの容量の違いあるいは
用途の違いにより、それぞれ設定することが可能であ
る。

【００７２】（分類部４０５）分類部４０５は、変換部
４０３により変換された各文書の特徴ベクトル間の類似
度に基づいて文書を分類するものである。具体的には、
生成された分類対象データに対して、カイ自乗法の手
法、判別分析の手法、およびクラスタ分析の手法等の分
類手法を適用することで、文書分類をおこなうことがで
きる。ここではベクトルデータが適用できる分類手法で
あれば、その手法は問わない。

【００７３】つぎに、実施の形態２による文書分類装置
の一連の処理の手順について説明する。図９は実施の形
態２による文書分類装置の一連の処理の手順を示すフロ
ーチャートである。図９のフローチャートにおいて、ス
テップＳ７１０〜Ｓ７５０までは、実施の形態１の図７
のフローチャートと同一ステップなので、同一ステップ
番号を付して、その説明は省略する。

【００７４】上記ステップＳ７３０において変換された
変換データあるいは上記ステップＳ７５０において記憶
された変換データに基づいて、文書ベクトル生成部８０
１は各文書の特徴ベクトルの生成をおこなう（ステップ
Ｓ７６０）。生成された各文書の特徴ベクトルは文書ベ
クトル記憶部８０２により記憶される（ステップＳ７７
０）。

【００７５】上記ステップＳ７６０において変換された
変換データあるいはステップＳ７７０において記憶され
た変換データに基づいて、分類部４０５は文書の分類が
おこなう（ステップＳ７８０）。分類処理が終了後、分
類処理の結果は分類結果記憶部４０６により記憶され
（ステップＳ７９０）、すべての処理は終了する。

【００７６】以上、実施の形態２によれば、指定された
項目により文書データが変換データへ変換され、変換デ
ータに基づいて、各文書の特徴ベクトルの生成をおこな
うので、操作者の意図をより反映した文書の特徴ベクト
ルを用いて文書の分類をおこなうことでき、その他の不
要な項目の内容による分類結果への影響を抑制すること
ができる。

【００７７】

【発明の効果】以上説明したように、請求項１の発明に
よれば、文書を分類する際に、指定された項目の内容デ
ータだけが用いられるので、その他の項目の内容による
分類結果への影響を防ぐことができる。そのため、操作
者が期待する分類の観点に必要と思われる文書データの
項目を指定することにより、操作者が望む分類により近
い精度の高い分類を効率よくおこなうことが可能な文書
分類装置が得られるという効果を奏する。

【００７８】また、請求項２の発明によれば、文書を分
類するための各文書の特徴ベクトルを生成する際に、指
定された項目の内容データだけが用いられるので、その
他の項目の内容による分類結果への影響を防ぐことがで
きる。そのため、操作者が期待する分類の観点に必要と
思われる文書データの項目を指定することにより、操作
者が望む分類により近い精度の高い分類をおこなうこと
が可能な文書分類装置が得られるという効果を奏する。

【００７９】また、請求項３の発明によれば、各変換デ
ータの間に区切りとなる記号を挿入するので、形態素解
析等の解析処理の際に、複数の項目のデータを一つのデ
ータとして混同して扱われることを回避できるととも
に、各項目ごとの内容データが瞬時に識別することが可
能な文書分類装置が得られるという効果を奏する。

【００８０】また、請求項４の発明によれば、文書を分
類する際に、指定された項目の内容データだけが用いら
れるので、その他の項目の内容による分類結果への影響
を防ぐことができる。そのため、操作者が自分が期待す
る分類の観点に必要と思われる文書データの項目を指定
することにより、操作者が望む分類により近い精度の高
い分類をおこなうことが可能な文書分類方法が得られる
という効果を奏する。

【００８１】また、請求項５の発明によれば、文書を分
類するための各文書の特徴ベクトルを生成する際に、指
定された項目の内容データだけが用いられるので、その
他の項目の内容による分類結果への影響を防ぐことがで
きる。そのため、操作者が自分が期待する分類の観点に
必要と思われる文書データの項目を指定することによ
り、操作者が望む分類により近い精度の高い分類をおこ
なうことが可能な文書分類方法が得られるという効果を
奏する。

【００８２】また、請求項６の発明によれば、各変換デ
ータの間に区切りとなる記号を挿入するので、形態素解
析等の解析処理の際に、複数の項目のデータを一つのデ
ータとして混同して扱われることを回避できるととも
に、各項目ごとの内容データが瞬時に識別することが可
能な文書分類方法が得られるという効果を奏する。

【００８３】また、請求項７の発明によれば、請求項４
〜６のいずれか一つに記載された方法をコンピュータに
実行させるプログラムを記録したことで、そのプログラ
ムを機械読み取り可能となり、これによって、請求項４
〜６の動作をコンピュータによって実現することが可能
な記録媒体が得られるという効果を奏する。

【図面の簡単な説明】

【図１】この発明の実施の形態１による文書分類装置を
構成する情報処理システム全体のハードウエア構成を示
す説明図である。

【図２】実施の形態１による文書分類装置を構成する情
報処理システムにおけるサーバーをハードウエア的に示
す説明図である。

【図３】実施の形態１による文書分類装置を構成する情
報処理システムにおけるクライアントをハードウエア的
に示す説明図である。

【図４】実施の形態１による文書分類装置の構成を機能
的に示すブロック図である。

【図５】実施の形態１による文書分類装置における文書
データおよび変換データの内容の一例を示す説明図であ
る。

【図６】実施の形態１による文書分類装置における文書
データおよび変換データの内容の別の一例を示す説明図
である。

【図７】実施の形態１による文書分類装置の一連の処理
の手順を示すフローチャートである。

【図８】この発明の実施の形態２による文書分類装置の
構成を機能的に示すブロック図である。

【図９】実施の形態２による文書分類装置の一連の処理
の手順を示すフローチャートである。

【符号の説明】

１０１ サーバー １０２ クライアント １０３ ネットワーク ２０１ ＣＰＵ ２０４ Ｉ／Ｆ ２０６ ディスク装置 ３０１ ＣＰＵ ３０６ ハードディスク ３０８ ディスプレイ ３０９ Ｉ／Ｆ ３１１ キーボード ３１２ マウス ３１３ スキャナ ４０１ 入力部 ４０２ 指定部 ４０３ 変換部 ４０４ 変換データ記憶部 ４０５ 分類部 ４０６ 分類結果記憶部 ５０１ 文書データ ５０２ 変換データ ６０１ 分離記号 ８０１ 文書ベクトル生成部 ８０２ 文書ベクトル記憶部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 武谷 一寿 東京都大田区中馬込１丁目３番６号 株式 会社リコー内 (72)発明者 剣持 栄治 東京都大田区中馬込１丁目３番６号 株式 会社リコー内 (72)発明者 中島 明子 東京都大田区中馬込１丁目３番６号 株式 会社リコー内 (72)発明者 山崎 真湖人 東京都大田区中馬込１丁目３番６号 株式 会社リコー内 (72)発明者 藤田 克彦 東京都大田区中馬込１丁目３番６号 株式 会社リコー内

Claims (7)

【特許請求の範囲】
1. 【請求項１】 文書の内容に基づいて文書の分類をおこ
   なう文書分類装置において、 一つまたは複数の項目から構成された文書データを入力
   する入力手段と、 前記入力手段により入力された文書データを構成する前
   記項目を指定する指定手段と、 前記指定手段により指定された項目に対応するデータの
   みの内容となるように前記文書データを変換する変換手
   段と、 前記変換手段により変換された変換データをもちいて文
   書を分類する分類手段と、 を備えたことを特徴とする文書分類装置。
2. 【請求項２】 文書の内容に基づいて文書の分類をおこ
   なう文書分類装置において、 一つまたは複数の項目から構成された文書データを入力
   する入力手段と、 前記入力手段により入力された文書データを構成する前
   記項目を指定する指定手段と、 前記指定手段により指定された項目に対応するデータの
   みの内容となるように前記文書データを変換する変換手
   段と、 前記変換手段により変換された変換データをもちいて各
   文書の特徴ベクトルを生成する文書ベクトル生成手段
   と、 前記文書ベクトル生成手段により生成された各文書の特
   徴ベクトルをもちいて文書を分類する分類手段と、 を備えたことを特徴とする文書分類装置。
3. 【請求項３】 前記変換手段は、前記文書データを変換
   する際、前記各項目のデータが分離可能となるように前
   記項目のデータ間に所定の記号を挿入することを特徴と
   する請求項１または２に記載の文書分類装置。
4. 【請求項４】 文書の内容に基づいて文書の分類をおこ
   なう文書分類方法において、 一つまたは複数の項目から構成された文書データを入力
   する入力工程と、 前記入力工程により入力された文書データを構成する前
   記項目を指定する指定工程と、 前記指定工程により指定された項目に対応するデータの
   みの内容となるように前記文書データを変換する変換工
   程と、 前記変換工程により変換された変換データをもちいて文
   書を分類する分類工程と、 を含んだことを特徴とする文書分類方法。
5. 【請求項５】 文書の内容に基づいて文書の分類をおこ
   なう文書分類方法において、 一つまたは複数の項目から構成された文書データを入力
   する入力工程と、 前記入力工程により入力された文書データを構成する前
   記項目を指定する指定工程と、 前記指定工程により指定された項目に対応するデータの
   みの内容となるように前記文書データを変換する変換工
   程と、 前記変換工程により変換された変換データをもちいて各
   文書の特徴ベクトルを生成する文書ベクトル生成工程
   と、 前記文書ベクトル生成工程により生成された各文書の特
   徴ベクトルをもちいて文書を分類する分類工程と、 を含んだことを特徴とする文書分類方法。
6. 【請求項６】 前記変換工程は、前記文書データを変換
   する際、前記各項目のデータが分離可能となるように前
   記項目のデータ間に所定の記号を挿入することを特徴と
   する請求項４または５に記載の文書分類方法。
7. 【請求項７】 前記請求項４〜６のいずれか一つに記載
   された方法をコンピュータに実行させるプログラムを記
   録したことを特徴とするコンピュータ読み取り可能な記
   録媒体。