WO2013136477A1

WO2013136477A1 - 関係者抽出方法、装置、及びプログラム

Info

Publication number: WO2013136477A1
Application number: PCT/JP2012/056616
Authority: WO
Inventors: 幸久藤田; 知広花井; 健直野; 隆雄櫻井
Original assignee: 株式会社日立製作所
Priority date: 2012-03-15
Filing date: 2012-03-15
Publication date: 2013-09-19

Abstract

　ある事柄に関するキーワードから、人間関係の内容を考慮し、かつキーワードの揺れ、変化に頑健な関係者特定方法及び装置を提供する。【解決手段】　キーワードを入力として当該キーワードに関連する関係者を抽出するため、ユーザが入力したキーワードからファイルシーケンスマップを生成するファイルシーケンスマップ生成部２１０と、生成されたファイルシーケンスマップに与えられる重要度と、ファイルシーケンスマップに関連する通信とから、各個人の累積関係指数を算出する累積関係指数生成部２１１と、算出された個人の累積関係指数を出力するためのＧＵＩ生成部とを備え、個人ごとに累積関係指数の値が閾値以上である人物を関係者として抽出し、出力する。

Description

関係者抽出方法、装置、及びプログラム

　本発明は、通信ログとファイルを用い、キーワードに対する関係者を抽出する技術に関する。

　米国における電子情報開示（Ｅｌｅｃｔｒｏｎｉｃ　Ｄｉｓｃｏｖｅｒｙ）や、知識共有等を目的として、ある事柄に関する重要人物や責任者、例えば製品訴訟であればその製品の開発に携わった技術者および責任者を効率よく抽出する必要が生じている。現状では、人間関係を表現したネットワークを用いて当該事柄に関係するコミュニティを抽出する手段、またはこれまでの業務内容や経歴、専門分野等のプロフィール情報からテキスト検索により関係者を抽出する手段が利用されている。

　このような訴訟や業務における関係者を抽出する技術としては、例えば特許文献１、２に開示された技術が知られている。特許文献１では、人物間の関係と関係の内容を表すデータの集合から、共通の話題や関心に基づいた関係を高密度に持った人物の集合であるコミュニティを抽出する技術が開示されている。また、特許文献２では、スキル名を入力として人間関係を考慮して共に仕事を行う人物を抽出する技術が開示されている。

特開２００８－１０７８６７号公報特開２００９－２９４９６０号公報

　しかしながら、従来の人物抽出技術では、訴訟や業務の内容と人物を関係づけるデータが明確に定義されている必要があった。すなわち、関係者を抽出したい訴訟や業務の内容に関して、そのキーワードが明確に漏れなく判明しており、かつそれらのキーワードによって関係者が特徴づけられる必要があり、キーワードが曖昧であったり、訴訟や業務の内容に関するキーワードが変化したりする場合には、キーワードが不一致となるため対応できなかった。

　特許文献１で開示された技術は、人間関係を基にコミュニティを抽出する技術である。そのため、個々人に関してある事柄に関する関係があるかどうかは考慮しておらず、キーワードに関連する関係者の抽出を意図していない。

　特許文献２では、あらかじめ設定されたスキル名称に基づいて人物を抽出する技術であるので、スキル名によって明示されない人物、あるいは単語の揺れによって異なるスキル名を与えられた人物が抽出できなかった。

　本発明の目的は、上述した問題を考慮したものであって、ある事柄に関するキーワードから、キーワードの揺れや変化に依存しない関係者の抽出方法、装置、及びプログラムを提供することにある。

　上記の目的を達成するため、本発明においては、キーワードを入力として当該キーワードに関連する関係者を抽出する処理部による関係者抽出方法であって、処理部は、入力されたキーワードからファイルシーケンスマップを生成し、ファイルシーケンスマップと当該ファイルシーケンスマップに関連する通信から個人毎の関係指数を生成し、生成した関係指数に基づき、関係者を抽出する関係者抽出方法を提供する。

　また、上記の目的を達成するため、本発明においては、キーワードを入力として当該キーワードに関連する関係者を抽出する装置であって、ファイルを対象とした個人の操作を記録した操作ログと、個人の通信ログを記憶する記憶部と、当該記憶部に接続可能な処理部を備え、処理部は、入力されたキーワードからファイルシーケンスマップを生成し、ファイルシーケンスマップと、ファイルシーケンスマップに関連する通信ログから個人毎の関係指数を生成し、生成した当該関係指数に基づき、関係者を抽出する構成の装置を提供する。

　更に、上記の目的を達成するため、本発明においては、キーワードを入力として当該キーワードに関連する関係者を抽出する処理部によって実行される関係者抽出のためのプログラムであって、処理部を、入力されたキーワードからファイルシーケンスマップを生成し、ファイルシーケンスマップと、ファイルシーケンスマップに関連する通信から個人毎の関係指数を生成し、生成した当該関係指数に基づき、関係者を抽出させるよう動作させるプログラムを提供する。

　本発明によれば、ある事柄を示すキーワードから、そのキーワードが含まれていない、あるいはそのキーワードと関連を有する異なるキーワードを含む通信ログやファイルも利用することにより、その事柄の関係者をより正確に抽出することが可能になる。

第１の実施例の関係者抽出装置の一構成例を示す図である。第１の実施例の関係者抽出処理を説明するブロック図である。第１の実施例の関係者抽出処理の概要を示した図である。第１の実施例の関係者抽出処理を示すフローチャート図である。第１の実施例の操作ログテーブルの一例を示す図である。第１の実施例のファイルシーケンスマップ生成処理を示すフローチャート図である。第１の実施例の関連ファイル抽出処理を示すフローチャート図である。第１の実施例のシーケンス構築処理を示すフローチャート図である。第１の実施例の生成されるファイルシーケンスマップの一例を示した図である。第１の実施例の生成されるファイルシーケンスマップの他の例を示した図である。第１の実施例の通信ログテーブルの一例を示した図である。第１の実施例の関係指数生成処理のフローチャート図である。第１の実施例のノード追加、リンク追加、関係指数設定のフローチャート図である。第１の実施例の追加関係指数算出のフローチャート図である。第１の実施例の累積関係指数算出のフローチャート図である。第１の実施例のメールログを用いた累積関係指数算出の一例を示した図である。第１の実施例の累積関係指数算出の一例を説明するための図である。第１の実施例の入出力および管理用ＧＵＩの一例を示した図である。第２の実施例の関係者抽出装置の構成例を示す図である。第２の実施例の関係者抽出処理を説明するブロック図である。第２の実施例の正解データテーブルの一例を示した図である。第２の実施例の学習処理のフローチャート図である。第３の実施例の関係者抽出処理を説明するブロック図である。第３の実施例のキーワード拡充処理のフローチャート図である。

　以下、本発明の各種の実施形態について図面を用いて説明する。以下の説明において、ファイルシーケンスマップとは、ファイルの編集履歴、すなわちファイルに対する操作の履歴を日付および操作者による分類にマッピングしたものを、関係指数とは、各ファイルシーケンスマップについての操作者である個人間の、共通の話題や関心に基づく関係の強さを示す指標を意味する。また、累積関係指数とは、複数のファイルシーケンスマップに対する、個人間の関係指数の統計量を意味するものとする。更に、本明細書において、ログとは操作者が計算機上で行った操作のログ、及びメールや、ＳＩＰ（Ｓｅｓｓｉｏｎ　Ｉｎｉｔｉａｔｉｏｎ　Ｐｒｏｔｏｃｏｌ）、ＩＭ（Ｉｎｓｔａｎｔ　Ｍｅｓｓａｇｉｎｇ）等による通信のログの両方を意味する。

　図１～図１６を用いて、第１の実施例に係る関係者抽出方法、装置を説明する。本実施例は、入力されたキーワードに関係するファイルを抽出し、当該ファイルの作成、編集関係を表現するファイルシーケンスマップを生成し、生成されたファイルシーケンスマップに含まれるファイルを操作した人物を抽出し、抽出された人物が当該ファイルを操作した前後の通信の内容及び通常の通信量に対する変化量を用いて、個人ごとに関係指数を算出し、当該関係指数を用いて、キーワードに対する累積関係指数を算出し、一定以上の累積関係指数を持つ人部を関係者として抽出する関係者抽出方法、及び装置に関するものである。

　図１は、第１の実施例の関係者抽出方法を実現する抽出装置の一構成例を示す図である。計算機１０１、通信サーバ１２１、関係者抽出サーバ１４１はネットワーク１００によって接続されている。ネットワーク１００とは、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）やインターネット回線などである。計算機１０１は、業務や各種作業に用いられる例えばＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）である。図１には、一個の計算機１０１を図示しているが、ネットワーク１００には、複数の計算機が接続されていても良い。

　計算機１０１は、バスによって相互に接続された処理部であるＣＰＵ（Ｃｅｎｔｒａｌ　ＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）１０２、メモリ１０３、出力装置１０４、入力装置１０５、外部記憶装置１０６及びネットワークインターフェース１０７を備える。

　ＣＰＵ１０２は、メモリ１０３に記憶されているプログラムを処理することによって、各種処理を実行する演算処理部である。外部記憶装置１０６は、メモリ１０３に記憶されているプログラム本体又はメモリ１０３に記憶されているプログラムによって利用されるデータを格納する記憶部である。メモリ１０３は、ＣＰＵ１０２によって処理されるプログラム及び使用されるデータを格納する記憶部である。ＣＰＵ１０２によって処理されないプログラム及びデータは、外部記憶装置１０６に格納される。

　メモリ１０３は、操作記録部２０１、操作ログ送信部２０２の機能を実現する各種のプログラムを格納する。外部記憶装置１０５は、個別操作ログテーブル２０３を格納する。

　出力装置１０４は、例えばディスプレイなどの表示デバイスである。この出力装置１０４は、以降で説明する方法によって抽出された関係者や、抽出に用いられるパラメータの管理用インターフェース（図１６参照）を表示、あるいは提示する。入力装置１０５は、例えばキーボードやマウスなどの入力部である。この入力装置１０５を用いて、ユーザはある事柄に関するキーワードや関係者抽出に用いるパラメータを管理するための操作を入力する。

　ネットワークインターフェース１０７は、通信サーバ１２１、関係者抽出サーバ１４１及びその他の外部の計算機等と接続し、通信するためのインターフェース部である。

　通信サーバ１２１は、バスによって相互に接続されたＣＰＵ１２２、メモリ１２３、外部記憶装置１２４及びネットワークインターフェース１２５を備える通常の計算機構成を有する。ＣＰＵ１２２、メモリ１２３、外部記憶装置１２４及びネットワークインターフェース１２５は、それぞれ計算機１０１のＣＰＵ１０２、メモリ１０３、外部記憶装置１０６及びネットワークインターフェース１０７と同様である。通信サーバ１２１はメールサーバやＳＩＰサーバ、ＩＭサーバ等のいずれか、またはそれら複数の機能を備えるか、それらの通信ログを記録可能なサーバである。

　メモリ１２３は、通信記録部２０４、通信ログ送信部２０５の機能を実現するプログラムを格納する。外部記憶装置１２４は、通信サーバログテーブル２０６を格納する。

　関係者抽出サーバ１４１は、バスによって相互に接続されたＣＰＵ１４２、メモリ１４３、外部記憶装置１４４及びネットワークインターフェース１４５を備える通常の計算機構成をする。ＣＰＵ１４２、メモリ１４３、外部記憶装置１４４及びネットワークインターフェース１４５は、それぞれ計算機１０１のＣＰＵ１０２、メモリ１０３、外部記憶装置１０６及びネットワークインターフェース１０７と同様である。

　関係者抽出サーバ１４１のメモリ１４３は、操作ログ受信部２０７、通信ログ受信部２０８、ユーザインタフェース部として機能するＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）生成部２０９、ファイルシーケンスマップ生成部２１０、累積関係指数生成部２１１の機能を実現する各種のプログラムを格納する。外部記憶装置１４４は、操作ログテーブル２１２、通信ログテーブル２１３を格納する。なお、関係者抽出サーバ１４１で実現される各種の機能の内、ＧＵＩ生成部２０９の機能は、関係者抽出サーバ１４１以外の、ネットワーク１００や関係者抽出サーバに直接接続された他のサーバ等の計算機で実現することもできる。

　図２は、第１の実施例の抽出装置における関係者抽出方法を説明するブロック図である。図２を用いて、本実施例の関係者抽出方法の全体的な流れを説明する。

　計算機１０１の操作記録部２０１は、ユーザが計算機１０１上で行った操作を個別操作ログテーブル２０３に記録する。操作記録部２０１は、ユーザの計算機１０１上での操作を記録可能であればどのような方法で実現してもよい。個別操作ログテーブル２０３は、操作記録部２０１が取得したユーザの操作ログを保持する。個別操作ログテーブルの形式は、後で図５を用いて説明する。

　操作ログ送信部２０２は、個別操作ログテーブル２０３に記録されているレコードを関係者抽出サーバ１４１に送信する。送信は、逐次送信でも、一定期間ごとに送信するのでもよい。送信された操作ログは操作ログ受信部２０７によって操作ログテーブル２１２に記録される。

　一方、通信サーバ１２１では、メールやＳＩＰ、ＩＭ等による通信ログが通信記録部２０４によって記録される。記録された通信ログは通信サーバログテーブル２０６によって保持される。通信ログ送信部２０５は、保持された通信ログを関係者抽出サーバ１４１に送信する。送信されたログは通信ログ受信部２０８によって受信され、通信ログテーブル２１３に保持される。

　関係者抽出サーバ１４１のＧＵＩ生成部２０９は、ユーザ入力部２２２、結果出力部２２３から構成される。ユーザ入力部２２２は、ユーザからのキーワード入力および関係者抽出のための各種のパラメータ入力等、基準情報受け付ける機能を有し、結果出力部２２３は、入力されたキーワードに対して抽出した関係者等をユーザに提示する機能を有している。これらの機能は、好適には、ユーザが見ることのできるディスプレイ等の表示画面を入出力部とするための表示データを生成する機能で実現可能である。そのため、本明細書において、ＧＵＩ生成部という場合、少なくとも上記の表示データを生成するプログラム機能を意味するが、更には上記の表示データを用いて表示画面を映すための表示デバイスを含めたものをいう場合がある。後者の場合、ＧＵＩ生成部は、表示デバイスを備える。

　なお、このユーザ入力部２２２による入力、或いは結果出力部２２３による提示は、関係者抽出サーバ上の表示デバイスで行われても良いし、またはネットワーク１００を経由して、その他の計算機上のディスプレイで行われても良い。後者の場合、先に説明した様に、図１の計算機１０１の入力装置１０４や出力装置１０４を用いることができる。

　ファイルシーケンスマップ生成部２１０は、ファイル検索部２１５、シーケンス構築部２１６から構成されている。ユーザ入力部２１２において、ユーザからキーワードの入力を受け付けた後、ファイル検索部２１５は当該キーワードを含むファイルの検索を行う。ファイル検索部２１５の機能は、従来の全文検索や連想検索等によって実現される。また、検索対象となるファイルは、外部記憶装置１４４に格納されているファイルや、ネットワーク１００を通じて接続されるファイルサーバや、その他の計算機に格納されているファイルを含む。

　シーケンス構築部２１６は、ファイル検索部２１５によって検索されたファイル及び操作ログテーブル２１２に記録されたユーザ操作ログを基に、ファイルシーケンスマップを作成する。このファイルシーケンスマップについては、後に図９にて例を示して説明する。

　累積関係指数生成部２１１は、関係指数生成部２２０、関係指数統合部２２１から構成される。関係指数生成部２２０では、シーケンス構築部２１６が生成したファイルシーケンスマップ、および通信ログテーブル２１３のレコードを基に、個人ごとの関係指数を生成する。関係指数統合部２２１では、関係指数生成部２２０で生成された関係指数を基に、累積関係指数を算出する。

　図３は、前述した関係者抽出の流れの一例を示している。また、図４に関係者抽出の流れの一例をフローチャートで示している。最初に、検索キーワードである３０１、３０３、３０５によってファイルの検索が行われる。これは図４のステップ４０１に該当する。３０２、３０３は複数のキーワードが入力された場合の検索条件を指定する固有の表現であり、他の表現形式を用いてもよい。入力されたキーワードを基に検索されたファイルが、検索結果ファイル３０６、３０７、３０８である。これはステップ４０２に該当する。

　次に、検索されたファイルからファイルシーケンスマップが生成される。これは図４のステップ４０３に該当する。３０９は検索結果ファイル３０６から生成されたファイルシーケンスマップを、３１０は検索結果ファイル３０７および３０８から生成されたファイルシーケンスマップを示している。

　そして、検索結果の複数のファイルごとに生成されたファイルシーケンスマップ３０９、３１０を基に、人的ネットワーク３１１，３１２の生成と関係指数の算出が行われる。人的ネットワーク３１１はファイルシーケンスマップ３０９より、人的ネットワーク３１２はファイルシーケンスマップ３１０より生成されている。これは図４のステップ４０４に該当する。人的ネットワーク３１１，３１２の黒丸で示されるノードは人を示しており、黒丸付近の数字は個人ごとの関係指数を示している。

　最後に、生成された複数のファイルシーケンスマップ３０９、３１０に対応する人的ネットワーク３１１、３１２を用いて累積関係指数の算出を行う。これは図４のステップ４０５に該当する。統合ネットワーク３１３は、人的ネットワーク３１１、３１２を統合したものであり、ノード付近の数字は関係指数の総和をとった累積関係指数となっている。そして、図４のステップ４０６において、累積関係指数が累積関係閾値以上の個人が関係者として出力される。以上が、キーワードによる検索からスタートする関係者抽出処理の流れである。

　図５に、上述したファイルシーケンスマップ３０９、３１０の作成に用いられる操作ログテーブル２１２の一例を示す。テーブル中の各レコードは一人のユーザが行った単一の操作を示している。操作ログテーブル２１２は個別操作ログテーブル２０３を複数の計算機から集約したものである。そのため、個別操作ログテーブル２０３の構造も操作ログテーブル２１２と同様である。

　同図において、ＯＩＤ（Ｏｐｅｒａｔｉｏｎ　ＩＤｅｎｔｉｆｉｅｒ）５０１は操作ログテーブル２１２のレコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。ユーザ５０２は各レコードが示す操作を行ったユーザを識別するためのＩＤであり、ユーザを一意に識別可能であればどのような表現形式でもよい。

　操作日時５０３は操作が行われた日時を示しており、日時が識別可能であれば他の表現形式でもよい。操作内容５０４は操作の内容を示しており、ファイルの作成や更新、コピー等の操作を示す文字列または記号等である。対象ファイル５０５、操作後ファイル５０６にはそれぞれ操作の対象であるファイル名、操作によってファイル名に変化が生じる可能性があった場合にその操作後のファイル名が保持されている。ファイル名に変化が生じる可能性がある場合とは、ファイルのコピーやファイル名の変更等が行われた場合である。ファイル名に変化が生じない場合は、操作後ファイル５０６が“－”となる。対象ファイル５０５、操作後ファイル５０６は、上述の表現が可能であり、かつファイルが一意に特定できればどのような表現形式でもよい。

　図６は関係者抽出サーバ１４１のファイルシーケンスマップ生成部２１０で行われるファイルシーケンスマップ生成フローの一例である。まず、ステップ６０２で、ステップ４０２で検索されたファイルそれぞれに対して、ステップ６０３からステップ６０６までの処理を行う。この処理はシーケンス構築部２１６が行う。ステップ６０３では、現在対象としているファイルが、既に作成済みのファイルシーケンスマップに含まれているかどうかを判定し、作成済みのファイルシーケンスマップに含まれていれば次のファイルに対してステップ６０３の処理を行い、含まれていなければステップ６０４、ステップ６０５の処理を順に行う。ステップ６０４では、図７で述べる関連ファイル抽出フローに従って操作ログを用いて関連するファイルを抽出する。そして、ステップ６０４で抽出されたファイルを用いて、ステップ６０５でファイルシーケンスマップを構築する。

　全てのファイルシーケンスマップが生成された後、ステップ６０６にて、ファイルシーケンスマップの重要度を算出する。ファイルシーケンスマップの重要度は、当該ファイルシーケンスマップ中に含まれるステップ４０２で検索されたファイルの関連度の平均値とする。関連度とは、ステップ４０２の検索で用いられる、キーワードとファイルが関連している度合いである。

　なお、この関連度の算出は、ＰａｇｅＲａｎｋ（S. Brin and L. Page. The anatomy of a large-scale hypertextual Web search engine. Computer networks and ISDN systems, Vol. 30, No. 1-7, pp. 107-117, 1998.参照）や、ＴＦ／ＩＤＦ（K. S. Jones. A Statistical Interpretation of Term Specificity and its Application in Retrieval. Journal of Documentation, Vol. 28, pp. 11-21, 1972.参照）等の公知技術を用いる。例えば、図３のファイルシーケンスマップ３１０の重要度は、検索結果ファイル３０７、３０８の関連度の平均値となる。重要度の算出は関連度の中央値や総和を用いてもよい。

　図７は、ステップ６０４で行う関連ファイル抽出の処理フローの一例である。ステップ７０１において、ステップ６０２で選択されたファイルのファイル名と、対象ファイル５０５または操作後ファイル５０６の値が一致するレコードを操作ログテーブル２１２から検索し、一致するレコードを抽出する。ステップ７０２において、抽出されたレコードに記述されたＯＩＤ５０１および対象ファイル５０５および操作後ファイル名５０６の値を記録する。そして、ステップ７０３において、ステップ７０２で記録されたファイル名で、まだ検索に用いられていないファイル名が存在するかどうかを判定する。検索に用いられていないとは、ステップ７０１またはステップ７０５で検索に用いられたかどうかである。検索に用いられていないファイル名が存在すればステップ７０４、７０５の処理を行う。

　ステップ７０４では、７０２で記録され、検索に用いられていないファイルを一つ選択する。選択方法は、記録された順や無作為等の方法を用いる。そして、ステップ７０５において、ステップ７０１と同様に、対象ファイル５０５または操作後ファイル５０６の値が選択されたファイル名と一致するレコードを操作ログテーブル２１２から検索し、抽出する。そして、ステップ７０２の処理を行う。

　図８に、ステップ６０５の処理フローの一例を示す。まず、ステップ８０１において、記録されたＯＩＤ５０１それぞれに対して対応するファイルノードを作成する。記録されたＯＩＤ５０１とは、ステップ７０２において記録されたＯＩＤ５０１を指す。また、ファイルノードとは、ファイルシーケンスマップ中のノードを指す。

　ステップ８０２では、記録されたＯＩＤ５０１が示す操作ログテーブル２１２のレコードごとにステップ８０３から８０８を繰り返す。まず、ステップ８０３において、現在対象としているレコードの操作後ファイル５０６が“－”と一致するか判定し、一致していればステップ８０４からステップ８０６を、一致していなければステップ８０７からステップ８０８を実行する。

　ステップ８０４では、現在繰り返し対象としているレコードの操作後ファイル５０６の値を起点ファイル名とする。ステップ８０５において、対象ファイル５０５の値が起点ファイル名と一致し、かつ繰り返し対象としているレコードより操作日時５０３が新しく、さらに操作日時５０３の差が日時閾値以下かつ最小のレコードのＯＩＤ５０１を取得する。日時閾値は、図１６に示すＧＵＩによりユーザから入力される。図１６に示すＧＵＩについては、後で詳述する。ステップ８０６で、ステップ８０５で取得したＯＩＤ５０１に対応するファイルノードと、現在繰り返し対象としているレコードのＯＩＤ５０１に対応するファイルノードとをリンクで接続する。

　ステップ８０７では、現在繰り返し対象としているレコードの操作日時５０３より古く、かつ操作日時５０３の差が日時閾値以下かつ最小であり、対象ファイル５０５の値が一致するレコードのＯＩＤ５０１を取得する。ステップ８０８では、ステップ８０７において条件を満たすＯＩＤ５０１を取得できたかどうか判定し、取得できた場合はステップ８０６を実行する。

　ステップ８０２の繰り返し処理終了後、ステップ８１０において、全てのファイルノード対がリンクを辿ることにより到達可能なファイルノード集合ごとに個別のファイルシーケンスマップとする。

　以上が本実施例における、ファイルシーケンスマップ生成のための処理である。上述の処理により、入力されたキーワードと操作ログを基に、ファイルの編集や更新を表現したファイルシーケンスマップを作成することが可能になる。

　図９Ａ、図９Ｂに、本実施例の抽出装置で生成されたファイルシーケンスマップの一例を示す。図９Ａ、図９Ｂはそれぞれ、ステップ８１０にて分割されたファイルシーケンスマップ９０１、９２１である。ファイルノード９０９、９１０、９１１、９１２、９１３、９２５、９２６は、操作ログテーブル２１２の各レコードに相当する。例えば、ファイルノード９０９は、図２の操作ログテーブル２１２におけるＯＩＤ５０１が“１”のレコードに相当する。各ファイルノードには、対象ファイル５０５の値および操作内容５０４が表示されている。

　また、各ファイルノードは、横方向に時間変化、縦方向に操作を行った人物によって区分けられた表の上に配置されている。日時ラベル９０２、９０３、９０４、９０５、９２２、９２３は、それぞれファイルノードに該当する操作が行われた日時を示している。また、人名ラベル９０６、９０７、９０８、９２４は操作ログテーブル２１２のユーザ５０２に“さん”を付けて表示している。各日時ラベル、各ユーザラベルは操作を行った日時、ユーザが表現できれば別の表記でもよい。また、操作によるファイルの時間変化、およびユーザの変化が表現できればファイルシーケンスマップ９０１、９２１は表形式以外でもよい。

　各ファイルノードは、リンク９１４、９１５、９１６、９１７、９２７によって接続されている。これらのリンクは、ステップ８０６にて生成される。

　本実施例によれば、図９Ａ、図９Ｂが示すようなファイルシーケンスマップを作成することで、ファイル中のキーワードが変化、削除されてしまっても同様の内容を扱ったファイルの特定が可能になる。

　続いて図１０～図１３を用いて、上述したファイルシーケンスマップを用いて、関係者抽出サーバ１４１の累積関係指数生成部２１１が、累積関係指数を算出する方法について説明する。
まず図１０に、累積関係指数の算出に用いる通信ログテーブル２１３の一例を示す。なお、通信ログテーブル２１３は、通信サーバ１２１の通信サーバログテーブル２０６のレコードを集約したものである。そのため、通信サーバログテーブル２０６の構造も通信ログテーブル２１３と同様である。

　ＴＩＤ（Ｔｒａｎｓｍｉｓｓｉｏｎ　ＩＤｅｎｔｉｆｉｅｒ）１００１は通信ログテーブル２１３の各レコードを一意に識別するための数字である。発ユーザ１００２、受ユーザ１００３は、それぞれ各レコードが表現する通信の発信ユーザ、受信ユーザである。通信日時１００４は通信が行われた、または開始された時刻を示す。通信種別１００５はどのような通信が行われたかを示しており、例えばＩＭやＳＩＰによる電話、Ｅメールである。ここでは、Ｅメールの場合に限り、Ｔｏ、Ｃｃ、ＢＣＣのいずれかで表現している。

　通信内容１００６は、通信の内容を示しており、メールであればその本文、ＩＭであれば送ったメッセージである。内容１００６が“－”である場合、内容が存在しないか、記録不可能であったことを示す。ここでは、送信種別１００５がＳＩＰの場合、内容１００６が“－”となっているが、音声認識による内容のテキスト化や、録音したファイルを格納する等により内容に含めてもよい。その他１００７は、通信に付随する情報であり、送信種別ごとに固有の情報を格納する。例えば、送信種別１００５がＳＩＰの場合、通信を行った期間を通信時間として格納している。

　図１１は、図２に示した累積関係指数生成部２１１の関係指数生成部２２０が行う関係指数生成フローの一例を示しており、図４のステップ４０４に該当する。図１１で示す処理フローは、作成された複数のファイルシーケンスマップごとに実行する。ステップ１１０１では、ファイルシーケンスマップ中のファイルノードに対応するＯＩＤ５０１を抽出し、抽出されたＯＩＤ５０１に該当する操作ログテーブルのレコードからユーザ５０２を抽出する。例えば、ファイルシーケンスマップ９０１からは“Ａ”、“Ｂ”、“Ｃ”が抽出される。そして、ステップ１１０２で、抽出されたユーザごとに対応するノードを作成し、各ノード間にリンクを作成することで、図３で図示した人的ネットワーク３１１、３１２等を作成する。ステップ１１０３で、現在対象としているファイルシーケンスマップの重要度を、各ノードの関係指数とする。

　ステップ１１０４では、ステップ１１０２で作成されたノードごとにステップ１１０５を繰り返す。ステップ１１０５では、通信ログテーブル２１３のレコードを用いて、ノード追加、リンク追加、関係指数設定を行う。

　図１２にステップ１１０５で行われるノード追加、リンク追加、関係指数設定の処理フローを示す。まず、ステップ１２０１において、現在対象としているノードに対応するユーザが操作を行ったファイルノードを取得する。そしてステップ１２０２では、取得されたファイルノードごとにステップ１２０３から１２０９を繰り返す。ステップ１２０３では、対象としているファイルノードに対応するユーザが発ユーザ１００２または受ユーザ１００３に含まれ、かつ通信日付１００４が対象としているファイルノードの操作日付５０３の前後一定期間内である通信ログテーブル２１３のレコードから発ユーザ１００２および受ユーザ１００３を抽出し、関係指数追加対象ユーザとする。

　ステップ１２０４では、関係指数追加対象ユーザごとにステップ１２０５からステップ１２０９を繰り返す。ステップ１２０５では図１３で用いて後述する方法を用いて追加関係指数を算出する。そして、ステップ１２０６で、算出された追加関係指数が０かどうかを判定し、０でなければステップ１２０７に進み、０であればステップ１２０４に戻り次の関係指数追加対象ユーザに対して処理を行う。

　ステップ１２０７では、関係指数追加対象ユーザのノードが現在の人的ネットワークに存在するかどうか判定し、存在しなければステップ１２０８で、関係指数追加対象ユーザに対応するノードを追加し、そのノードの関係指数を０に設定する。そして、ステップ１２０９において、関係指数追加対象ユーザに対応するノードの関係指数にステップ１２０５で算出した追加関係指数を加算する。

　図１３は、上記のステップ１２０５で行われる追加関係指数算出の詳細処理フローの一例である。まず、対象としているファイルノードが示す操作日付を基に、通信抽出期間に関係指数追加対象ユーザへ行われた通信を通信ログテーブルから取得する。通信抽出期間とは、追加関係指数算出に用いる通信の範囲を決定づける定数であり、例えば前後一ヶ月である。

　次に、ステップ１３０２において、取得したレコード中に内容１００６が“－”ではないレコードが存在するかどうか判定する。そのようなレコードが存在すればステップ１３０３で平均類似度を算出し、存在しなければステップ１３０４で平均類似度を０に設定する。ステップ１３０３では、１３０１で取得したレコードの中で内容１００６が“－”ではないレコードを対象として、現在対象としているファイルノードが示すファイルとの類似値を算出し、それらの平均を平均類似度とする。ファイルとの類似度の算出方法は、通信の内容とファイルの内容にしたがって決定される。例えばＥメールとテキストファイルであれば、同様のキーワードを含む割合等の公知の方法によって類似度が算出される。また、ＳＩＰと音声ファイルであれば、音声の類似度で算出される。さらに、通信とファイルの類似度が算出可能であれば、その他の方法を用いてもよい。

　そして、ステップ１３０５からステップ１３０９で、通信頻度を示す頻度指数を算出する。ステップ１３０５において、ステップ１３０１で取得したレコードの最も古い日付以前に、関係指数追加対象ユーザから、または関係指数追加対象ユーザに行われた通信数の移動平均を、通信の相手ごとに通信種別１００５の重み付きで算出する。関係指数追加対象ユーザから、または関係指数追加対象ユーザに行われた通信とは、発ユーザ１００２または受ユーザ１００３に関係指数追加対象ユーザが含まれている通信である。また、通信種別１００５の重みは、例えばＴｏであれば１、Ｃｃであれば０．８というように設定される。重みの数値は、あらかじめ設定されるか、あるいは図１６に示すＧＵＩから設定される。

　ステップ１３０６では、ステップ１３０１で取得したレコードの総数を、ステップ１３０５と同様に送信種別１００５の重み付きで算出し、通信総数とする。そして、ステップ１３０７において、通信総数が、移動平均と頻度閾値の積（移動平均×頻度閾値）より大きければステップ１３０８を、そうでなければステップ１３０９を実行する。ステップ１３０８では、通信総数を移動平均で割った値（通信総数／移動平均）を頻度指数とし、ステップ１３０９では頻度指数を０とする。ステップ１３１０において、頻度指数および平均類似度、重要度を用いて追加関係指数（重要度×（頻度指数＋平均類似度））を算出する。

　上述した処理により、個別のファイルシーケンスマップごとに、個人の関係指数が算出される。これにより、ユーザが入力したキーワードに関連するファイルおよびそのファイルに起因する可能性がある通信のみを抽出し、個人の関係指数を算出することが可能になる。ステップ１３０５において移動平均を統計量として算出しているが、他の統計量を利用しても構わない。

　図１４に、図１３までで算出した関係指数から累積関係指数を算出するための処理フローの一例を示す。以下、累積関係指数算出のために用いる統合された人的ネットワークを統合ネットワークと呼ぶ。ステップ１４０１では、ステップ１４０２以降の処理を生成された人的ネットワークごとに繰り返す。ステップ１４０２では、ステップ１４０３からステップ１４０５までの処理を人的ネットワーク内のノードごとに繰り返す。

　ステップ１４０３では、現在繰り返し対象となっているノードが指すユーザと同じユーザを指すノードが、統合ネットワーク上に存在するかどうかを判定し、存在しなければステップ１４０４を実行する。ステップ１４０４では、現在繰り返し対象のノードが指すユーザと同じユーザを指すノードを統合ネットワーク上に加え、加えたノードの関係指数を０とする。そして、ステップ１４０５において、現在繰り返し対象のノードの関係指数を、そのノードが指すユーザと同じユーザを指す統合ネットワーク上のノードの関係指数に加算する。

　ステップ１４０１の繰り返し処理が全て終了した後、ステップ１４０６において統合ネットワークのリンクを作成する。ステップ１４０６では、統合ネットワーク上のノード対に対して、それらのノード対がいずれかの人的ネットワーク上でリンクにより接続されていれば統合ネットワーク上にリンクを作成する。そして、ステップ１４０７で、統合ネットワーク上のノードが持つ関係指数を個人の累積関係指数とする。なお、累積関係指数が閾値以下のノードを削除し、その結果リンクを持たず孤立してしまうノードを削除する等、ネットワークの特性を利用して累積関係指数を算出してもよい。
以上、累積関係指数の算出方法について述べた。

　図１５Ａ、図１５Ｂでは、本実施例においてメールログを用いた関係指数の算出の一例を述べる。図１５Ａには、図９Ａで示したファイルシーケンスマップにおいて“Ｃさん”が関与した部分のみを抽出し、かつ“Ｃさん”が発信者または受信者であるＥメールの授受を示したものである。日時ラベル１５０１から１５０５は図示されたファイル操作、Ｅメールの送受信が行われた日付を示し、人名ラベル１５０６から１５０９はそれらの操作を行ったユーザを示す。Ｅメール１５１３から１５１７はＥメールの送受信の記録を表し、例えばＥメール１５１３は、２０１１年１１月２０日の１０時から１１時の間に“Ｃさん”から“Ｆさん”にＥメールＴｏで送付されたことを示す。

　図１５Ｂにおいて、重要度１５１８は、ステップ６０６で算出されるファイルシーケンスマップの重要度である。頻度閾値１５１９はステップ１３０７、１３０８で用いられる頻度閾値、通信抽出期間１５２０はステップ１３０１で用いられる通信抽出期間、重み１５２１はステップ１３０５、１３０６で用いる通信種別に対する重みである。

　ここでは、ファイルノード９０９周辺の通信を用いて“Ｄさん”、“Ｅさん”、“Ｆさん”それぞれの関係指数を算出する例を示す。まず、Ｅメール１５１３から１５１７は全て通信抽出期間１５２０の範囲内なので、関係指数算出の対象となる。移動平均１５２２は、ステップ１３０５の処理によって算出される、２０１１年１１月２０日以前の重み付きの通信数の移動平均であり、平均類似度１５２３はステップ１３０３で算出される平均類似度であるとする。

　まず、“Ｄさん”の関係指数を算出する。“Ｄさん”はＥメール１５１５で“Ｃさん”とＴｏで通信を行っているため、ステップ１３０５の通信総数は１．０となる。そして、移動平均と頻度閾値との積は０．６であり、通信総数の方が大きいため、ステップ１３０８で頻度指数が２．５と算出される。そして、ステップ１３１０において、重要度１５１８と平均類似度１５２３を用いて、関係指数が６．７５に設定される。

　同様に“Ｅさん”はＥメール１５１６がＢｃｃで行われているため、通信総数が０．２、“Ｆさん”はＥメール１５１３、１５１４、１５１７がそれぞれＴｏであるため通信総数が３．０となる。しかし、“Ｅさん”、“Ｆさん”は移動平均と頻度閾値の積がそれぞれ０．３、６．０となるため、どちらも通信総数よりも大きい。その結果、ステップ１３０８で頻度指数が０に設定され、関係指数は重要度１５１８と平均類似度１５２３のみを用いて、それぞれ１．８、０．７５と算出される。

　図１５Ａ、図１５Ｂに示す例においては、“Ｃさん”と“Ｄさん”間では普段通信が行われておらず、かつファイル作成近辺でメールが送受信されており、ファイル操作に起因する確率が高いため、関係指数が高く設定される。一方、“Ｃさん”と“Ｅさん”間では普段通信が行われておらず、かつファイル作成近辺でメールが送受信されているが、Ｂｃｃであり、参考程度の可能性が高いため、関係指数が低く設定される。“Ｃさん”と“さん”間では、ファイル作成近辺でメールが送受信されているが、普段通信が行われており、ファイル作成と無関係な可能性が高いため、関係指数を低く設定されることとなる。

　図１５Ａ、図１５ＢではＥメールによる関係指数算出の例を示したが、ＩＭやＳＩＰ、その他の通信も、重みを設定することで同様に処理する。また、上述の処理をファイルシーケンスマップごとに行った後、図１４の処理で累積関係指数を算出する。

　図１６に、以上の本実施例における累積関係指数算出方法における入出力および管理用のユーザインタフェース部であるＧＵＩの一例を示す。関係者抽出のためのキーワードおよびパラメータ等の基準情報の入力設定、結果出力は、ＧＵＩ生成部２０９が生成する図１６のようなファイルシーケンスマップ一覧、関係者一覧や統合ネットワークを示す画面によって行われる。

　ウィンドウ１６０１はユーザ入力部２２２が生成する入力部１６０２と、結果出力部２２３が生成する出力部１６２１によって構成される。入力部１６０２は、累積関係指数を算出するための各種の基準情報を入力する、キーワード入力フィールド１６０３、通信抽出期間入力フィールド１６０４、１６０５、累積関係指数閾値入力フィールド１６０６、頻度閾値入力フィールド１６０７、Ｔｏ重み入力フィールド１６０８、Ｃｃ重み入力フィールド１６０９、Ｂｃｃ重み入力フィールド１６１０、ＳＩＰ重み入力フィールド１６１１、ＩＭ重み入力フィールド１６１２、日時閾値入力フィールド１６１３を含み、各フィールドにキーボード入力や手書き入力により、該当する基準情報の入力がなされる。

　キーワード入力フィールド１６０３はステップ４０１でユーザがキーワードを入力するフィールドである。また、通信抽出期間入力フィールド１６０４、１６０５は、ステップ１３０１で用いる通信抽出期間を入力するフィールドであり、１６０４、１６０５にそれぞれ期間の開始、終了の幅が入力される。累積関係指数閾値入力フィールド１６０６はステップ４０６で用いる累積関係閾値が入力されるフィールドである。Ｔｏ重み入力フィールド１６０８、Ｃｃ重み入力フィールド１６０９、Ｂｃｃ重み入力フィールド１６１０、ＳＩＰ重み入力フィールド１６１１、ＩＭ重み入力フィールド１６１２は通信の種別ごとの重みが入力されるフィールドであり、それぞれＥメールのＴｏ、ＥメールのＣｃ、ＥメールのＢｃｃ、ＳＩＰ、ＩＭの重みが入力される。日時閾値入力フィールド１６１３には、ステップ８０４、８０７で利用される日時閾値が入力される。なお、上記以外の通信の種別を対象とする場合その種別重み入力フィールドが、他の閾値が増えた場合はその閾値入力フィールドが入力部１６０２に表示される。

　この入力部１６０２の構成として、図１６に示すキーボードや手書き入力構成以外の、例えばプルダウンメニューやポップアップメニュー方式の入力部構成とすることも可能であることは言うまでもない。

　出力部１６２１は結果出力部２２３によって生成され、関係者出力部１６２２、統合ネットワーク表示部１６２３、ファイルシーケンスマップ一覧表示部１６２４、ファイルシーケンスマップ表示部１６２５を含む。関係者出力部１６２２は、ステップ４０６で出力されたユーザが表示される。また、統合ネットワーク表示部１６２３には、図１４で生成された統合ネットワークが表示される。ファイルシーケンスマップ一覧表示部１６２４には、ステップ４０３で生成されたファイルシーケンスマップの重要度が表示される。ファイルシーケンスマップ表示部１６２５は、ファイルシーケンスマップ一覧表示部１６２４で選択されたファイルシーケンスマップが表示される。

　以上に示した第１の実施例によれば、ある事柄に関するキーワードをユーザが入力することにより、通信ログと操作ログを用いて、キーワードの揺れや漏れに依存せず、その事柄に対する関係者を抽出することが可能になる。

　すなわち、ファイル間の作成、編集関係と、それらを行ったユーザの前後の通信とファイルに対する類似度及び通信量の変化から関係指数を算出することで、キーワードによって明示されない関係を抽出することができるので、キーワードの揺れや漏れに依存を防止できる。

　また、ファイルが作成、編集された前後の時間帯に行われた通信を抽出し、その通信が当該編集に起因するかどうかを定量的に判定することで、無関係な人物が出力に含まれることを抑制することができる。

　更に、抽出された関係者群が累積関係指数によってランク付けされるので、その後のヒヤリングや情報収集の対象を限定することも可能となる。

　前述の第１の実施例では、抽出に用いられる通信抽出期間および各処理で用いられる閾値、通信種別の重みはあらかじめ定めるか、ユーザが設定する必要があった。第２の実施例では、過去の抽出結果を用いてそれらの値を学習する実施例を説明する。すなわち、累積関係指数を算出するための基準情報を、過去の累積関係指数生成時の基準情報を用いて設定する。

　図１７は、第２の実施例の構成例を示す図である。なお、以下では図１と同様の構成要素には同一の符号を付して重複する説明を適宜省略する。

　第２の実施例は、図１の第１の実施例の各構成要素に加えて、パラメータ学習部１７０１、正解データテーブル１７０２を有する。正解データテーブル１７０２には、過去に入力されたキーワードと、そのキーワードに対する正解データが格納されている。パラメータ学習部１７０１は、正解データテーブル１７０２に格納されているデータを用いて関係者抽出に最適なパラメータを設定する。

　図１８は、第２の実施例の関係者抽出および抽出のためのパラメータ学習を説明するソフトウェアブロック図である。図１８を用いて、本実施例の関係者抽出および抽出のためのパラメータ学習方法の全体的な流れを説明する。なお、以下では図２と同様の構成要素には同一の符号を付して重複する説明を適宜省略する。

　まず、ユーザよりキーワードが入力された後、以降の処理で必要なパラメータをパラメータ学習部１７０１が算出する。パラメータの算出は、実際に過去用いられたキーワードを基に関係者を抽出することによって行われる。パラメータの算出処理は図２０にて述べる。なお、パラメータの算出は、キーワード入力の後以外でも、バッチ処理として特定の日時に行う、正解データテーブル１７０２のレコード数が一定数増えた時行う等、他のタイミングで実施しても良い。

　図１９に、パラメータの算出に用いられる正解データテーブル１７０２の一構成例を示す。各レコードは、実施例１で示した関係者抽出が実施された日付、およびその時の入力、正解データを格納している。ＣＩＤ（Ｃａｓｅ　ＩＤｅｎｔｉｆｉｅｒ）１９０１は各レコードを一意に識別するための識別子であり、一意に識別可能であれば他の表現形式でもよい。実施日時１９０２は、各レコードが示す関係者抽出が実施された日付を示す。入力キーワード１９０３は、各レコードの関係者抽出において入力となったキーワードであり、正解データ１９０４はその時に抽出されるべき関係者一覧である。なお、正解データ１９０４は、人手によって設定されてもよいし、最終的に参照された個人を操作ログや通信ログから抽出してもよい。

　図２０に、パラメータの算出フローの一例を示す。まず、ステップ２００１において、全てのパラメータを初期値に設定する。ここで、全てのパラメータとは、通信抽出期間、累積関係指数閾値、頻度閾値、日時閾値、Ｔｏ重み、Ｃｃ重み、Ｂｃｃ重み、ＳＩＰ重み、ＩＭ重みである。対応する通信の種類が増えた場合は、増えた通信に対する重みも対象となる。また、必要であればこれらのパラメータのいくつかは対象に含めず固定値でもよい。なお、初期値は、学習にともなって設定される値であり、例えば０である。

　次に、ステップ２００２において、正解データテーブルの各レコードに対して、ステップ２００３およびステップ２００４を繰り返す。なお、正解データテーブルの全レコードを対象にする必要はなく、最新のレコード一定数を対象にしたり、入力キーワードが類似のレコードを対象にしたりしてもかまわない。ステップ２００３では、現在のパラメータを用いてレコード中の入力キーワード１９０２に対する関係者を抽出する。ステップ２００４において、抽出された関係者と正解データ中の関係者の一致数を算出する。一致数は、正解データ１９０４中の関係者が抽出された関係者に出てきた数や割合等を用いる。

　ステップ２００５において、ステップ２００４において算出された全ての一致数が一致閾値以上であった場合、ステップ２００６を実行し、そうでなければステップ２００７を実施する。なお、ステップ２００５は、一致数の積が一致閾値以上である、または一致数の平均が一致閾値以上である等、一致数が多ければ多いほどステップ２００６を実行しやすい条件であれば、他の条件を用いてもかまわない。ステップ２００６では、現在のパラメータを用いて、実施例１で述べた関係者抽出を行う。

　ステップ２００７では、ステップ２００２の繰り返し処理が実行された回数をカウントし、その回数が繰り返し閾値よりも大きい場合はステップ２００８を、それ以外は２００９を実行する。ステップ２００８では、条件を満たすパラメータの発見が困難として、これまでで最も一致数が多かったパラメータを用いて実施例１で述べた関係者抽出を行う。一致数が多いと判定する条件は、ステップ２００５同様、一致数の積や平均等、他の指標を用いてもかまわない。

　ステップ２００９では、パラメータをこれまで試行していない値に変更し、再びステップ２００２以降の処理を実施する。パラメータの変更方法に関しては、遺伝的アルゴリズムや焼きなまし法等、既存の機械学習の手法を用いる。

　以上に示した第２の実施例によれば、第１の実施例の利点に加え、学習により最適なパラメータが自動で設定され、関係者抽出の精度を向上させることが可能となる。

　前述の第１の実施例では、ユーザが入力したキーワードのみを用いて関係者抽出を行った。第３の実施例は、ファイルシーケンスマップ作成において抽出されたファイルに含まれるキーワードを用いてキーワードの補完を行う実施例である。すなわち、ファイルシーケンスマップが含むファイルから単語を抽出し、当該単語を用いてキーワード検索を行い、その検索結果に基づく、他のファイルシーケンスマップを生成する。

　図２１は、第３の実施例の関係者抽出および抽出のためのキーワード拡充方法を説明するブロック図である。なお、以下では図２と同様の構成要素には同一の符号を付して重複する説明を適宜省略する。

　キーワード検出部２１０１は、ファイル検索部２１５が図７における関連ファイル抽出処理を行った後、すなわちステップ６０４の処理の後に、抽出された全てのファイルからキーワードとなりうる単語を抽出する。そして、新規に抽出されたキーワードを用いて検索を行う。新たなキーワードが抽出されなくなるまでファイル検索およびキーワード抽出を行う。新たなキーワードが抽出されなくなった後、ステップ６０５の処理を行う。

　図２２は、前述のファイル検索およびキーワード抽出処理の処理フローの一例である。まず、ステップ２２０１において、ステップ６０４にて抽出されたファイルからキーワードを抽出する。キーワードの抽出には固有表現抽出等の既存手法を用いる。次に、ステップ２２０２において、未検索のキーワードに対してステップ２２０３からステップ２２０５を繰り返す。未検索のキーワードとは、ステップ２２０１およびステップ２２０５において抽出されたキーワードの中で、ステップ２２０３で検索されていないキーワードを指す。ステップ２２０３では、選択されたキーワードを用いてファイル検索を行い、ステップ２２０４で関連ファイルの抽出を行う。ファイル検索はステップ４０２同様に既存の手法を用いる。また、関連ファイルの抽出処理は図７で示したフローと同様の処理を行う。その後ステップ２２０５でステップ２２０１と同様に、検索、抽出されたファイルからキーワードを抽出し、検索対象のキーワードに追加する。ステップ２２０２の繰り返し処理終了後、未検索のキーワードが存在すればステップ２２０２以降の処理を繰り返す。

　実施例３における上述の処理により、ファイルシーケンスマップの対象になりうるファイルからキーワードを抽出し、ユーザが考慮しなかったキーワードも入力とすることが可能になる。これにより、実施例１の利点に加え、より多くのキーワードを用いることが可能になり、抽出する関係者の漏れをより少なくすることが可能になる。

　以上、本発明の種々の実施例について説明したが、上記各実施例は本発明の適用例の一つを示したものであり、本発明の技術的範囲を上記各実施例の具体的構成に限定する趣旨ではない。

　例えば、上記の説明において、抽出される関係者は、ユーザや操作者としての個人を例示して説明したが、所定のグループや組織を構成する複数のユーザを纏めて一個人として扱える場合は、当該グループや組織も本明細書における個人として扱い、関係者として抽出することができる。言い換えるなら、本明細書において、そのようなグループや組織も、対象とする個人、抽出する関係者とすることができる。

　また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、ある実施例の構成に他の実施例の構成を加えることが可能である。更に、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

　また更に、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。更にまた、各機能を実現するプログラム、テーブル、ファイル等の情報は、半導体メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置、または、ＩＣカード、ＤＶＤ等の記録媒体におくことができるし、必要に応じてネットワーク等を介してダウンロード、インストロールすることも可能である。

１０１　計算機
１２１　通信サーバ
１４１　関係者抽出サーバ
２０９　ＧＵＩ生成部
２１０　ファイルシーケンスマップ生成部
２１１　累積関係指数生成部
２１２　操作ログテーブル
２１３　通信ログテーブル
２１５　ファイル検索部
２１６　ファイルシーケンス生成部
２２０　関係指数生成部
２２１　関係指数統合部
２２２　ユーザ入力部
２２３　結果出力部
１７０１　パラメータ学習部
１７０２　正解データテーブル
２１０１　キーワード検出部

Claims

キーワードを入力として当該キーワードに関連する関係者を抽出する処理部による関係者抽出方法であって、
前記処理部は、
入力されたキーワードからファイルシーケンスマップを生成し、
前記ファイルシーケンスマップと、前記ファイルシーケンスマップに関連する通信ログから個人毎の関係指数を生成し、
生成した当該関係指数に基づき、前記関係者を抽出して出力する、
ことを特徴とする関係者抽出方法。
請求項１に記載の関係者抽出方法であって、
前記処理部は、
前記キーワードから検索により得られる検索結果のファイルと、当該ファイルを対象に行われた操作を記録した操作ログを用いて、前記ファイルシーケンスマップを生成する、
ことを特徴とする関係者抽出方法。
請求項２に記載の関係者抽出方法であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルの内容と、前記ファイルに対する操作が行われた時間の前後に行われた通信に基づき、前記ファイルシーケンスマップ毎の前記関係指数を算出し、
前記ファイルシーケンスマップ毎に算出された前記関係指数の統計量を累積関係指数とし、
当該累積関係指数が閾値以上である個人を前記関係者とする、
ことを特徴とする関係者抽出手法。
請求項３に記載の関係者抽出方法であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルの内容と、前記通信の内容の類似度と、前記ファイルに対する操作の前後一定期間に対する通信頻度から前記関係指数を算出する、
ことを特徴とする関係者抽出手法。
請求項３に記載の関係者抽出方法であって、
前記処理部は、
前記累積関係指数を算出するための基準情報を設定し、且つ、抽出された前記ファイルシーケンスマップ、及び前記関係者を出力するデータを生成する、
ことを特徴とする関係者抽出手法。
請求項４に記載の関係者抽出方法であって、
前記処理部は、
前記累積関係指数を算出するための前記基準情報を、過去の累積関係指数生成時の基準情報を用いて設定する、
ことを特徴とする関係者抽出方法。
請求項２に記載の関係者抽出方法であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルから単語を抽出し、
前記抽出した前記単語を用いてキーワード検索を行い、
その検索結果に基づく、他のファイルシーケンスマップを生成する
ことを特徴する関係者抽出方法。
キーワードを入力として当該キーワードに関連する関係者を抽出する装置であって、
ファイルを対象とした個人の操作を記録した操作ログと、個人の通信ログを記憶する記憶部と、当該記憶部に接続可能な処理部を備え、
前記処理部は、
入力されたキーワードからファイルシーケンスマップを生成し、
前記ファイルシーケンスマップと、前記ファイルシーケンスマップに関連する前記通信ログから個人毎の関係指数を生成し、
生成した当該関係指数に基づき、前記関係者を抽出する、
ことを特徴とする装置。
請求項８に記載の装置であって、
前記処理部は、
前記キーワードから検索により得られる検索結果のファイルと、当該ファイルを対象に行われた操作の前記操作ログを用いて、前記ファイルシーケンスマップを生成する、
ことを特徴とする装置。
請求項９に記載の装置であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルの内容と、前記ファイルに対する操作が行われた時間の前後に行われた前記通信ログに基づき、前記ファイルシーケンスマップ毎の前記関係指数を算出し、
前記ファイルシーケンスマップ毎に算出された前記関係指数の統計量を累積関係指数とし、
当該累積関係指数が閾値以上である個人を前記関係者として抽出する、
ことを特徴とする装置。
請求項１０に記載の装置であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルの内容と、前記通信ログの内容の類似度と、前記ファイルに対する操作の前後一定期間に対する通信頻度から前記関係指数を算出する、
ことを特徴とする装置。
請求項１０に記載の装置であって、
前記処理部は、
前記累積関係指数を算出するための基準情報を設定し、且つ、抽出された前記ファイルシーケンスマップ、及び前記関係者を出力するデータを生成する、
ことを特徴とする装置。
請求項１１に記載の装置であって、
前記処理部は、
前記累積関係指数を算出するための前記基準情報を、過去の累積関係指数生成時の基準情報を用いて設定する、
ことを特徴とする装置。
請求項９に記載の装置であって、
前記処理部は、
前記ファイルシーケンスマップが含む前記ファイルから単語を抽出し、
前記抽出した前記単語を用いてキーワード検索を行い、
その検索結果に基づく、他のファイルシーケンスマップを生成する
ことを特徴する装置。
キーワードを入力として当該キーワードに関連する関係者を抽出する処理部によって実行される関係者抽出のプログラムであって、
前記処理部を、
入力されたキーワードからファイルシーケンスマップを生成し、
前記ファイルシーケンスマップと、前記ファイルシーケンスマップに関連する通信ログから個人毎の関係指数を生成し、
生成した当該関係指数に基づき、前記関係者を抽出させるよう動作させる、
ことを特徴とするプログラム。