WO2015037262A1 - 文書分析システム及び文書分析方法並びに文書分析プログラム - Google Patents

文書分析システム及び文書分析方法並びに文書分析プログラム Download PDF

Info

Publication number
WO2015037262A1
WO2015037262A1 PCT/JP2014/057106 JP2014057106W WO2015037262A1 WO 2015037262 A1 WO2015037262 A1 WO 2015037262A1 JP 2014057106 W JP2014057106 W JP 2014057106W WO 2015037262 A1 WO2015037262 A1 WO 2015037262A1
Authority
WO
WIPO (PCT)
Prior art keywords
document
survey
unit
information
category
Prior art date
Application number
PCT/JP2014/057106
Other languages
English (en)
French (fr)
Inventor
守本　正宏
秀樹 武田
和巳 蓮子
Original Assignee
株式会社Ｕｂｉｃ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｕｂｉｃ filed Critical 株式会社Ｕｂｉｃ
Priority to US14/391,628 priority Critical patent/US20160292803A1/en
Publication of WO2015037262A1 publication Critical patent/WO2015037262A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems

Definitions

  • the present invention relates to a document analysis system, a document analysis method, and a document analysis program.
  • Patent Document 1 discloses a digital document in which a specific person is designated from at least one or more users included in the user information and is accessed based on access history information regarding the specified specific person. Extracts only the information, sets the accompanying information indicating whether each extracted digital document information document file is related to a lawsuit, and outputs a document file related to the lawsuit based on the supplementary information
  • a forensic system is disclosed.
  • Patent Document 2 recorded digital information is displayed, and for each of a plurality of document files, a user identification indicating which of the users included in the user information relates to the user is specified. Information is set, the set user identification information is set to be recorded in the storage unit, at least one user is specified, and the user identification information corresponding to the specified user is set Searches the document file, sets incidental information indicating whether or not the retrieved document file is related to the lawsuit, and outputs the document file related to the lawsuit based on the supplementary information. A forensic system is disclosed.
  • Patent Document 3 accepts designation of at least one or more document files included in the digital document information, accepts designation of which language the designated document file is translated into, and designates the document file for which designation is accepted.
  • Translated into the language that accepted the specification extracted from the digital document information recorded in the recording unit a common document file showing the same content as the specified document file, the extracted common document file was translated
  • a forensic system that generates translation-related information indicating that a document file has been translated by using the translation content of the document file, and outputs a document file related to a lawsuit based on the translation-related information.
  • Patent Document 1 a forensic system such as Patent Document 1 to Patent Document 3
  • a large amount of document information of users using a plurality of computers and servers is collected.
  • the present invention has an object to provide a document analysis system, a document analysis method, and a document analysis program for facilitating analysis of document information used in a lawsuit.
  • the document analysis system of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information composed of a plurality of documents included in the acquired digital information, and performs a lawsuit or fraud investigation.
  • a document analysis system that facilitates use in a survey, a survey category input receiving unit that receives an input of a category of litigation or fraud investigation, and a survey unit that performs a survey based on a category received by the survey category input receiving unit, And a report creation section for creating a report for reporting the results of the survey conducted by the survey section.
  • the report creation unit can create a report that matches the category received by the survey category input reception unit based on the results of the survey conducted by the survey unit.
  • the document analysis system further determines a survey category to be surveyed based on a survey basic database for storing information related to lawsuits or fraud surveys, and a category received by the survey category input reception unit, and provides a survey basic database. From this, it is possible to provide a survey type determination unit that extracts the type of necessary information.
  • the document analysis system may further include a display screen control unit that controls a display screen that presents the type of information extracted by the survey type determination unit to the user.
  • the document analysis system may further include an input receiving unit that receives a keyword and / or text input by the user corresponding to the type of information presented on the display screen control unit.
  • the document analysis system can further include an information extraction unit that extracts keywords and / or sentences corresponding to the type of information extracted by the survey type determination unit from the basic survey database.
  • the document analysis system can further include a search unit that searches the document for keywords and / or sentences.
  • the document analysis system further includes an automatic classification code assigning unit that automatically assigns a classification code to a document, and keywords and / or sentences can be used for assigning a classification code.
  • the document analysis method of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information composed of a plurality of documents included in the acquired digital information, and performs a lawsuit or fraud investigation.
  • a document analysis method for facilitating use in a survey a survey category input receiving step for receiving a lawsuit or fraud investigation category input, a survey step for conducting a survey based on a category received by a survey category input receiving unit, And a report creation step of creating a report for reporting the results of the survey conducted by the survey department.
  • the document analysis program of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information comprised of a plurality of documents included in the acquired digital information, and conducts a lawsuit or fraud investigation
  • FIG. 1 is a configuration diagram of a document discrimination system according to an embodiment of the present invention.
  • the chart which shows the flow of a process in the document analysis method concerning embodiment of this invention The chart which shows the flow of the investigation and the classification process according to the investigation type in the document analysis method according to the embodiment of the present invention
  • the chart which shows the flow of the predictive coding according to the investigation kind in the document analysis method concerning embodiment of this invention The chart which showed the flow of processing for every step in an embodiment
  • the chart which shows the processing flow of the keyword database in an embodiment
  • the chart which showed the processing flow of the 1st automatic classification part in this embodiment The chart which showed the processing flow of the 2nd automatic classification part in this embodiment
  • the graph which showed the analysis result in the document analysis part in this embodiment The chart which showed the processing flow of the 3rd automatic separation part in one example
  • the document analysis system of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information composed of a plurality of documents included in the acquired digital information, and performs a lawsuit or fraud investigation. It is a document analysis system that makes it easy to use.
  • the document analysis system includes a survey category input reception unit, a survey unit, and a report creation unit.
  • the survey category input receiving unit receives an input of a category of lawsuit or fraud investigation.
  • the above survey unit conducts a survey based on the category received by the survey category input receiving unit.
  • the above-mentioned report preparation department creates a report for reporting the results of the investigation conducted by the investigation department.
  • the report creation unit can create a report that matches the category received by the survey category input reception unit based on the results of the survey conducted by the survey unit.
  • the document analysis system further includes a survey basic database and a survey type determination unit.
  • the above-mentioned investigation basic database stores information related to lawsuits or fraud investigations.
  • the survey type determination unit determines the survey category to be surveyed based on the category received by the survey category input reception unit, and extracts the necessary information type from the survey basic database.
  • the document analysis system may further include a display screen control unit that controls a display screen that presents the type of information extracted by the survey type determination unit to the user.
  • the document analysis system may further include an input receiving unit that receives a keyword and / or sentence input by the user corresponding to the type of information presented on the display screen control unit.
  • the document analysis system can further include an information extraction unit that extracts keywords and / or sentences corresponding to the type of information extracted by the survey type determination unit from the basic survey database.
  • the document analysis system can further include a search unit that searches the document for keywords and / or sentences.
  • the document analysis system further includes an automatic classification code assigning unit that automatically assigns a classification code to a document, and keywords and / or sentences can be used for assigning a classification code.
  • FIG. 1 shows an example of the configuration of a document analysis system according to an embodiment of the present invention.
  • the document analysis system 1 can include a data storage unit 100 that stores information and data.
  • the data storage unit 100 stores digital information acquired from a plurality of computers or servers in the digital information storage area 101 for use in analysis of lawsuits or fraud investigations.
  • the data storage unit 100 includes, for example, a category attribute, company name, person in charge, custody, which indicates any category of litigation matters including antitrust, patent, FCPA, PL, or information leakage, and fraud investigations including fictitious claims.
  • a survey basic database 103 for storing the configuration of the survey or classification input screen, a specific classification code of the document included in the acquired digital information, a keyword closely related to the specific classification code, and the A keyword database 104 for registering keyword correspondence information indicating the correspondence between a specific classification code and the keyword, a predetermined classification code, and an association consisting of words having a high appearance frequency in a document to which the predetermined classification code is assigned
  • the related term data for registering the term and related term correspondence information indicating the correspondence between the predetermined classification code and the related term
  • a database 105 which stores the score calculation database 106 for registering the weighting of words contained in the document in order to calculate a score indicating the strength of the connection between document and sorting code.
  • the data storage unit 100 stores a report creation database 107 for registering a report format determined according to the category, custodian, and contents of sorting work. As shown in FIG. 1, the data storage unit 100 may be installed in the document analysis system 1, or may be installed outside the document analysis system 1 as a separate storage device.
  • the document analysis system 1 includes a database management unit 109 that manages updating of data contents of a survey basic database 103, a keyword database 104, a related term database 105, a score calculation database 106, and a report creation database 107. Prepare.
  • the database management unit 109 can be connected to the information storage device 902 via a dedicated connection line or the Internet line 901. Then, based on the data contents stored in the information storage device 902, the database management unit 109 stores the data contents of the survey basic database 103, the keyword database 104, the related term database 105, the score calculation database 106, and the report creation database 107. Can be updated.
  • a document analysis system 1 includes a document extraction unit 112 that extracts a plurality of documents from document information, a word search unit 114 that searches keywords or related terms recorded in a database from document information, and a document And a score calculation unit 116 for calculating a score indicating the strength of the connection between the classification code and the classification code.
  • the document analysis system 1 searches a keyword recorded in the keyword database 104 by the word search unit 114, extracts a document including the keyword from the document information, and applies a keyword correspondence to the extracted document.
  • a first automatic classification unit 201 that automatically assigns a specific classification code based on the information, and a document including related terms recorded in the related term database is extracted from the document information, and the related terms included in the extracted document
  • a score is calculated based on the evaluation value and the number of the related terms.
  • a document having the score exceeding a certain value is determined based on the score and the related term correspondence information. It can have the 2nd automatic classification part 301 which assigns a classification code automatically.
  • the document analysis system 1 includes a document display unit 130 that displays a plurality of documents extracted from document information on a screen, and a plurality of documents that are not assigned a classification code extracted from document information.
  • the classification code assigned by the user based on the relevance to the lawsuit is received, and the classification code reception / giving unit 131 for assigning the classification code and the document to which the classification code is given by the classification code reception / giving unit 131 are analyzed.
  • the classification code is obtained.
  • a third automatic sorting unit 401 that automatically applies can be provided.
  • the document analysis system 1 translates the extracted document automatically by accepting the language determination unit 120 that determines the language type of the extracted document and the user's specification.
  • a translation unit 122 may be provided.
  • the language delimiter in the language determination unit 120 is set to be smaller than one sentence so as to be able to cope with a single sentence multilingual compound language. Furthermore, a process of removing an HTML header or the like from a translation target may be performed.
  • the document analysis system 1 in order to perform the analysis by the document analysis unit 118, the classification that each document has based on the type of word, the number of occurrences, and the evaluation value of the word included in each document You may provide the tendency information generation part 124 which produces
  • the document analysis system 1 compares the classification code received by the classification code reception / giving unit 131 with the classification code given by the trend information in the document analysis unit 118, and the classification code reception / granting unit 131. May include a quality inspection unit 501 that verifies the validity of the classification code received.
  • the document analysis system 1 may include a learning unit 601 that learns the weighting of each keyword or related term based on the result of the document analysis processing.
  • the document analysis system includes a report creation unit 701 for outputting an optimal investigation report according to the investigation type of the litigation case or the fraud investigation based on the result of the document analysis processing.
  • Litigation cases include, for example, antitrust (cartel), patents, foreign bribery prohibition (FCPA), or product liability (PL).
  • the fraud investigation includes, for example, information leakage and fictitious claims.
  • the document analysis system 1 can include, for example, a lawyer review reception unit 133 that receives a review of a chief attorney or a chief patent attorney in order to improve the quality of the classification survey and the report.
  • Classification code refers to an identifier used when classifying documents, and indicates the degree of relevance with a lawsuit so that it can be easily used in a lawsuit. For example, when document information is used as evidence in a lawsuit, it may be given according to the type of evidence.
  • Document means data containing one or more words. Examples of “documents” include e-mail, presentation materials, spreadsheet materials, meeting materials, contracts, organization charts, business plans, and the like.
  • “Word” refers to a group of the smallest character strings that have meaning. For example, in a sentence “document means data including one or more words”, the words “document” “one” “more” “word” “include” “data” “say” Is included.
  • Keyword refers to a group of character strings having a certain meaning in a certain language. For example, if a keyword is selected from a sentence “classify a document”, it may be “document” or “classify”. In the embodiment, keywords such as “infringement”, “lawsuit”, and “patent publication No. 00” are selected with priority. In the present embodiment, it is assumed that the keyword includes a morpheme.
  • keyword correspondence information refers to information indicating the correspondence between a keyword and a specific classification code. For example, if the classification code “important” representing an important document in a lawsuit has a close relationship with the keyword “infringer”, the “keyword correspondence information” links the classification code “important” with the keyword “infringer”. It may be the information that is managed.
  • a related term refers to a word having an evaluation value equal to or higher than a certain value among words having a high appearance frequency in common with a document to which a predetermined classification code is assigned.
  • the appearance frequency refers to the rate at which related terms appear in the total number of words that appear in one document.
  • evaluation value refers to the amount of information that is exhibited in a document with each word.
  • the “evaluation value” may be calculated based on the amount of transmitted information.
  • the “related term” may indicate a name of a technical field to which the product belongs, a country where the product is sold, a similar product name of the product, and the like.
  • “related terms” in the case of assigning the product name of the apparatus that performs the image encoding process as a classification code includes “encoding process”, “Japan”, “encoder”, and the like.
  • “Related term correspondence information” refers to information indicating correspondence between related terms and classification codes. For example, when the classification code “product A” which is the product name related to the lawsuit has a related term “image encoding” which is a function of the product A, the “related term correspondence information” is classified into the classification code “product A”. And the related term “image coding” may be associated with each other and managed.
  • “Score” refers to a quantitative evaluation of the strength of association with a specific classification code in a document.
  • the score is calculated from the words appearing in the document and the evaluation value possessed by each word using the following equation (1).
  • the document analysis system 1 of the present invention may extract words that frequently appear in documents having a common classification code assigned by the user.
  • the extracted word type, the evaluation value of each word, and the trend information of the number of appearances included in each document are analyzed for each document, and the classification code reception / giving unit 131 does not accept the classification code.
  • a common classification code may be assigned to a document having the same tendency as the analyzed trend information.
  • trend information refers to the degree of similarity between each document and a document to which a classification code is assigned, and is based on the type of word, the number of occurrences, and the word evaluation value included in each document.
  • the degree of relevance with a predetermined classification code For example, when each document is similar in degree of relevance between a document assigned a predetermined classification code and the predetermined classification code, the two documents have the same tendency information.
  • documents having the same evaluation value and the same number of occurrences may be documents having the same tendency.
  • the document analysis method of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information composed of a plurality of documents included in the acquired digital information, and performs a lawsuit or fraud investigation.
  • a document analysis method for facilitating use in a survey a survey category input receiving step for receiving a lawsuit or fraud investigation category input, a survey step for conducting a survey based on a category received by a survey category input receiving unit, And a report creation step of creating a report for reporting the results of the survey conducted by the survey department.
  • FIG. 2 shows a flowchart of the document analysis method according to the embodiment of the present invention.
  • a document analysis method according to an embodiment of the present invention will be described below with reference to FIG.
  • the use database such as the survey basic database and the document analysis database can be specified (S12).
  • the information storage device may be installed inside an organization that performs sorting or may be installed outside the organization. As a case where the information storage device is installed outside the organization, for example, there is a case where the information storage device is installed in an affiliated law firm or patent office.
  • the usage database such as the survey basic database and the document analysis database can be updated to the guideline database (S14).
  • the updated survey basic database is searched (S15), and the name of the company, the person in charge, and the custodian can be presented on the screen of the display device (S16).
  • the document analysis apparatus can accept the correction input of the user and specify the names of the actual person in charge and the custodian (S17).
  • digital document information can be extracted in order to perform document analysis work (S18).
  • the updated document analysis database the updated keyword database, related term database, and score calculation database can be searched (S19), and a classification code can be assigned to the extracted document information (S20).
  • the classification code by the reviewer can be received and the classification code can be given to the extracted document information (S21).
  • the database can be searched using the classification result as teacher data, and a classification code can be assigned to the extracted document information (S22).
  • the category is specified by the user's argument designation (S24), and the report creation database can be specified according to the specified category (S25).
  • the format of the report can be determined by the identified report creation database, and the report can be automatically output (S26).
  • FIG. 3 is a chart showing a flow of investigation and classification processing according to the investigation type in the document analysis method according to the embodiment of the present invention.
  • the survey type can be input (S31).
  • the user will try to carry out from a fraud investigation including antitrust, patents, litigation cases including overseas bribery prohibition (FCPA), product liability (PL) or information leakage, fictitious claims, etc. Enter the category corresponding to the survey and sorting work.
  • the document analysis system can accept a user category input and specify a category to be investigated.
  • the type of survey and document analysis processing and the type of database to be used can be determined (S32).
  • information stock stored in a usage database such as a survey basic database or a document analysis database may be accessed (S33).
  • the survey basic database is accessed according to the specified category, and each keyword input screen corresponding to the specified category can be displayed (S34).
  • the survey basic database is accessed according to the specified category, and each text input screen corresponding to the specified category can be displayed (S35).
  • the survey basic database is accessed according to the specified category, and keywords or documents can be extracted according to the specified category (S36).
  • the extracted documents and information can be narrowed down by performing a keyword search in the document analysis database (S38).
  • FIG. 4 is a chart showing the flow of predictive coding according to the investigation type in the document analysis method according to the embodiment of the present invention.
  • the document analysis system can ask the user for input according to the type of survey, and can accept the user's input for that. For example, regarding cartels in relation to the antitrust law, user input is requested for target products, parties (name and email address), related organizations (name and department), and time, and user input is accepted. it can. In addition, regarding related organizations, it is possible to request user input regarding competitor companies and customer companies, and accept user input in response to the input (S51).
  • the registration process, the classification process, and the inspection process are performed in the first to fifth stages according to the flowchart shown in FIG.
  • the keyword and related terms are updated and registered in advance using the result of the past classification process (S100).
  • the keyword and the related term are updated and registered together with the keyword correspondence information and the related term correspondence information which are correspondence information between the classification code and the keyword or the related term.
  • a document including the keyword updated and registered in the first stage is extracted from all document information.
  • the updated keyword correspondence information recorded in the first stage is referred to, and the classification corresponding to the keyword is performed.
  • a first separation process for assigning a code is performed (S200).
  • the document including the related term updated and registered in the first stage is extracted from the document information that has not been given the classification code in the second stage, and the score of the document including the related term is calculated.
  • a second classification process is performed in which a classification code is assigned (S300).
  • the classification code given by the user is accepted for the document information that has not been given the classification code by the third stage, and the classification code accepted from the user is given to the document information.
  • the document information provided with the classification code received from the user is analyzed, the document without the classification code is extracted based on the analysis result, and the third classification for adding the classification code to the extracted document Process. For example, words that frequently appear in documents with a common classification code assigned by the user are extracted, and the types of extracted words, evaluation values possessed by each word, and trend information on the number of appearances are included for each document.
  • the common classification code is assigned to the document having the same tendency as the trend information (S400).
  • the classification code to be given is determined based on the analyzed trend information for the document to which the user has given the classification code in the fourth stage, and the determined classification code and the classification code given by the user are determined.
  • the validity of the classification process is verified by comparison (S500). Moreover, you may perform a learning process based on the result of a document analysis process as needed.
  • the trend information used in the fourth and fifth stage processing refers to the degree of similarity between each document and the document to which the classification code is assigned.
  • the type of word included in each document the number of occurrences, This is based on the evaluation value of a word. For example, when each document is similar in degree of relevance between a document assigned a predetermined classification code and the predetermined classification code, the two documents have the same tendency information. In addition, even if the types of words included are different, documents having the same evaluation value and the same number of occurrences may be documents having the same tendency.
  • the keyword database 104 creates a management table for each classification code based on the result of classifying documents in past lawsuits, and specifies keywords corresponding to each classification code (S111).
  • the document to which each classification code is assigned is analyzed, and the number of occurrences of each keyword in the document and the evaluation value are used.
  • a method, a method of manual selection by the user, or the like may be used.
  • the keyword correspondence information indicating that the keyword has a special relationship is created (S112). Then, the identified keyword is registered in the keyword database 104. At this time, the identified keyword is associated with the keyword correspondence information and recorded in the management table of the classification code “important” in the keyword database 104 (S113).
  • the related term database 105 creates a management table for each classification code based on the result of classifying documents in past lawsuits, and registers the related terms corresponding to each classification code (S121).
  • S121 classification code
  • encoding process” and “product a” are registered as related terms of “product A”
  • decoding” and “product b” are registered as related terms of “product B”.
  • the related term correspondence information indicating which classification code each registered related term corresponds to is created (S122) and recorded in each management table (S123). At this time, the related term correspondence information also records a threshold value serving as a score necessary for determining an evaluation value and a classification code of each related term.
  • the keyword and the keyword correspondence information, and the related term and the related term correspondence information are updated and registered (S113, S123).
  • the first automatic sorting unit 201 extracts documents including the keywords “infringement” and “patent attorney” registered in the keyword database 104 in the first step (S100) from the document information (S211).
  • the extracted document is referred to from the keyword correspondence information with reference to the management table in which the keyword is recorded (S212), and a classification code of “important” is given (S213).
  • the second automatic classification unit 301 assigns the classification codes “product A” and “product B” to the document information that has not been assigned the classification code in the second stage (S200). Process.
  • the second automatic classification unit 301 records a document including related terms “encoding process”, “product a”, “decoding”, and “product b” recorded in the related term database 105 in the first stage. Extract (S311). For the extracted document, a score is calculated by the score calculation unit 116 using Expression (1) based on the appearance frequency and evaluation value of the four related terms recorded (S312). The score represents the degree of association between each document and the classification codes “product A” and “product B”.
  • the appearance frequency of the related terms “encoding process” and “product a” and the evaluation value of the related term “encoding process” are high, and the score indicating the degree of association with the classification code “product A” is a threshold value. Is exceeded, the document is given a classification code “Product A”.
  • the second automatic sorting unit 301 recalculates the evaluation value of the related term using the score calculated in S432 in the fourth stage according to the following equation (2), and weights the evaluation value (S315). ).
  • the classification code from the reviewer is given to the document information of a certain ratio extracted from the document information to which the classification code is not given. Acceptance and the accepted classification code are assigned to the document information.
  • the document information assigned with the classification code received from the reviewer is analyzed, and based on the analysis result, the classification code is assigned to the document information without the classification code.
  • a process of assigning classification codes of “important”, “product A”, and “product B” is performed on the document information. The fourth stage is further described below.
  • the document extraction unit 112 randomly samples a document from the document information to be processed in the fourth stage and displays it on the document display unit 130.
  • 20% of the document information to be processed is extracted at random and set as a classification target by the reviewer.
  • Sampling may be an extraction method in which documents are arranged in order of document creation date and time or in order of name, and 30% of documents are selected from the top.
  • the user views the display screen 11 shown in FIG. 16 displayed on the document display unit 130, and selects a classification code to be assigned to each document.
  • the classification code reception / giving unit 131 receives the classification code selected by the user (S411) and classifies the classification code based on the given classification code (S412).
  • the document analysis unit 118 extracts words that frequently appear in the documents classified by classification code by the classification code reception and grant unit 131 (S421).
  • the evaluation value of the extracted common word is analyzed by equation (2) (S422), and the appearance frequency of the common word in the document is analyzed (S423).
  • FIG. 12 is a graph showing a result of analyzing words frequently appearing in a document to which a classification code of “important” is assigned in S424.
  • the vertical axis R_hot includes words selected as words linked to the classification code “important” among all documents to which the classification code “important” is assigned by the user, and the classification code “important” is assigned. Shows the percentage of documents that were used.
  • the horizontal axis indicates the ratio of documents including the word extracted in S421 by the classification code receiving and assigning unit 131 among all documents subjected to the classification process by the user.
  • the processing from S421 to S424 is also executed for the documents to which the classification codes “product A” and “product B” are assigned, and the trend information of the documents is analyzed.
  • the third automatic classification unit 401 performs processing on the document that has not been given the classification code by the classification code reception / giving unit 131 in step S411 out of the document information to be processed in the fourth stage.
  • a document having the same trend information as the trend information of the document assigned with the classification codes “important”, “product A”, and “product B” analyzed in S 424 from such a document. Is extracted (S431), and a score is calculated for the extracted document using equation (1) based on the trend information (S432). Further, an appropriate classification code is assigned to the document extracted in S431 based on the trend information (S433).
  • the third automatic sorting unit 401 further reflects the sorting result in each database using the score calculated in S432 (S434). Specifically, a process of lowering the evaluation values of keywords and related terms included in a document having a low score and increasing the evaluation values of keywords and related terms included in a document having a high score may be performed.
  • the third automatic classification unit 401 may perform a classification process on the document information that has not been accepted by the classification code reception / giving unit 131 in step S411 out of the document information to be processed in the fourth stage. .
  • the same trend information as the trend information of the document to which the classification code “important” is assigned is analyzed from the document in S424. Is extracted (S442), and the score of the extracted document is calculated using equation (1) based on the trend information (S443). Further, an appropriate classification code is assigned to the document extracted in S442 based on the trend information (S444).
  • the third automatic sorting unit 401 further reflects the sorting result in each database using the score calculated in S443 (S445). Specifically, the evaluation value of the keyword and the related term included in the document with a low score is lowered, while the evaluation value of the keyword and the related term included in the document with a high score is increased.
  • the data for score calculation is collectively stored in the score calculation database 106. May be stored.
  • ⁇ Fifth stage (S500)> A detailed processing flow of the quality inspection unit 501 in the fifth stage will be described with reference to FIG.
  • the classification code reception / giving unit 131 determines the classification code to be given based on the trend information analyzed by the document analysis unit 118 in S424 for the document received in S411 (S511). .
  • the classification code received by the classification code reception / giving unit 131 is compared with the classification code determined in S511 (S512), and the validity of the classification code received in S411 is verified (S513).
  • the document analysis system 1 may include a learning unit 601.
  • the learning unit 601 learns the weighting of each keyword or related term based on the first to fourth processing results using Expression (2).
  • the learning result may be reflected in the keyword database 104, the related term database 105, or the score calculation database 106.
  • the document analysis system is based on the result of the document analysis process, and a lawsuit case (for example, a cartel / patent / FCPA / PL in the case of a lawsuit) or a fraud investigation (for example, information leakage, It is possible to provide a report creation unit 701 for outputting an optimum survey report according to the survey type (eg, fictitious billing).
  • a lawsuit case for example, a cartel / patent / FCPA / PL in the case of a lawsuit
  • a fraud investigation for example, information leakage
  • the contents of the survey vary depending on the survey type. For example, 1. When and how did the competing personnel communicate with the cartel (price adjustment)? 2. Who is the organization involved? Is the point.
  • a document survey report system, a document survey report method, and a document survey report program according to another example of the embodiment of the present invention will be described below.
  • a document that has already been given a classification code is analyzed in correspondence with similar search information, and a range in which the classification code is assigned based on the analysis result is determined. adjust. Then, based on the range to which the adjusted classification code is assigned, the classification work and the survey work are performed, and a report is created based on the results of the classification work and the survey work.
  • the method of adjusting the range to which the classification code is assigned by clustering similar search information corresponding to the similar search information There is a method to perform prediction classification by learning.
  • a common classification code may be given to the reply document of the reply document of the original document.
  • the same or similar classification codes are given to similar search information by learning to integrate similar search information for the classification results.
  • the reliability of the analysis result varies depending on the number of documents to be analyzed.
  • a statistical method may be added to the total number of documents to be classified to determine at what time point the percentage of all documents to be adjusted for the range to which the classification code is assigned based on the analysis results. .
  • the classification is performed by clustering the search information corresponding to the similar search information.
  • the range of the document to which the classification code is assigned may be adjusted by executing both the method of adjusting the range to be performed and the method of performing the prediction classification by learning the classification result.
  • a report is created based on the results of these sorting operations and surveys.
  • the document analysis program of the present invention acquires digital information recorded in a plurality of computers or servers, analyzes document information comprised of a plurality of documents included in the acquired digital information, and conducts a lawsuit or fraud investigation
  • the survey category input reception function can be realized by the survey category input reception unit. Details are as described above.
  • the survey function can be realized by the survey unit. Details are as described above.
  • the report creation function can be realized by the report creation unit. Details are as described above.
  • the embodiment of the present invention automatically updates the database according to a category by accepting a user input for a category of litigation case or fraud investigation case.
  • a category of litigation case or fraud investigation case As a result, the burden of office work for inputting the names of persons in charge, custodians, etc. is reduced.
  • the search word is adjusted by the database automatically updated according to the category, and a classification code is automatically assigned to the document information using the adjusted search word. This reduces the burden of sorting the document information used for litigation or fraud investigation cases.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　訴訟に利用する文書情報の分析を容易にする。　本発明の文書分析システムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析システムであって、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付部と、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査部と、調査部が行った調査の結果を報告するための報告書を作成する報告作成部とを備えることを特徴とする。

Description

文書分析システム及び文書分析方法並びに文書分析プログラム
　本発明は、文書分析システム及び文書分析方法並びに文書分析プログラムに関する。
　従来、不正アクセスや機密情報漏洩などコンピュータに関する犯罪や法的紛争が生じた際に、原因究明や捜査に必要な機器やデータ、電子的記録を収集・分析し、その法的な証拠性を明らかにする手段や技術が提案されている。
　特に、米国民事訴訟では、ｅＤｉｓｃｏｖｅｒｙ（電子証拠開示）等が求められており、当該訴訟の原告および被告のいずれもが、関連するデジタル情報をすべて証拠として提出する責任を負う。そのため、コンピュータやサーバに記録されたデジタル情報を証拠として、提出しなければならない。
　一方、ＩＴの急速な発達と普及に伴い、今日のビジネスの世界ではほとんどの情報がコンピュータで作成されているため、同一企業内であっても多くのデジタル情報が氾濫している。
　そのため、法廷への証拠資料提出のための準備作業を行う過程において、当該訴訟に必ずしも関連しない機密なデジタル情報までも証拠資料として含めてしまうミスが生じやすい。また、当該訴訟に関連しない機密な文書情報を提出してしまうことが問題になっていた。
　近年、フォレンジックシステムにおける文書情報に関する技術が、特許文献１乃至特許文献３に提案されている。特許文献１には、利用者情報に含まれる少なくとも１人以上の利用者から、特定の者を指定し、指定された特定の者に関するアクセス履歴情報に基づいて、特定の者がアクセスしたデジタル文書情報のみを抽出し、抽出されたデジタル文書情報の文書ファイルそれぞれが、訴訟に関連するものであるか否かを示す付帯情報を設定し、付帯情報に基づき、訴訟に関連する文書ファイルを出力するフォレンジックシステムについて開示されている。
　また、特許文献２には、記録されたデジタル情報を表示し、複数の文書ファイル毎に、利用者情報に含まれる利用者のうちいずれの利用者に関連するものであるかを示す利用者特定情報を設定し、該設定された利用者特定情報を記憶部に記録するように設定し、少なくとも一人以上の利用者を指定し、指定された利用者に対応する利用者特定情報が設定された文書ファイルを検索し、表示部を介して、検索された文書ファイルが、訴訟に関連するものであるか否かを示す付帯情報を設定し、付帯情報に基づき、訴訟に関連する文書ファイルを出力するフォレンジックシステムについて開示されている。
　さらに、特許文献３には、デジタル文書情報に含まれる少なくとも１以上の文書ファイルの指定を受け付け、指定された文書ファイルをいずれの言語に翻訳するかの指定を受け付け、指定を受け付けた文書ファイルを、指定を受け付けた言語に翻訳し、記録部に記録されたデジタル文書情報から、指定された文書ファイルと同一の内容を示す共通文書ファイルを抽出し、抽出された共通文書ファイルが、翻訳された文書ファイルの翻訳内容を援用することにより翻訳されたことを示す翻訳関連情報を生成し、翻訳関連情報に基づいて、訴訟に関連する文書ファイルを出力するフォレンジックシステムについて開示されている。
特開２０１１－２０９９３０号公報 特開２０１１－２０９９３１号公報 特開２０１２－３２８５９号公報
　しかしながら、例えば、特許文献１乃至特許文献３のようなフォレンジックシステムおいては、複数のコンピュータ及びサーバを利用した利用者の膨大な文書情報を収集することになる。
　このようなデジタル化された膨大な文書情報を訴訟の証拠資料として妥当であるか否かの分別をする作業は、レビュワーと呼ばれるユーザが目視により確認し、当該文書情報をひとつひとつ分別していく必要があり、多大な労力と費用がかかるという問題があった。
　本発明は、訴訟に利用する文書情報の分析を容易にするための文書分析システム及び文書分析方法並びに文書分析プログラムを提供することを目的とするものである。
　本発明の文書分析システムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析システムであって、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付部と、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査部と、調査部が行った調査の結果を報告するための報告書を作成する報告作成部とを備えることを特徴とする。
　上記報告作成部は、調査部が行った調査の結果に基づいて、調査カテゴリ入力受付部が受け付けたカテゴリに合わせた報告書を作成することができる。
　上記文書分析システムは、さらに、訴訟又は不正調査に関連する情報記憶する調査基礎データベースと、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査の対象とする調査カテゴリを判定し、調査基礎データベースから、必要な情報の種類を抽出する調査種類判定部とを備えることができる。
　上記文書分析システムは、さらに、ユーザに対し、調査種類判定部が抽出した情報の種類を提示する表示画面を制御する表示画面制御部を備えることができる。
　上記文書分析システムは、さらに、表示画面制御部に提示された情報の種類に対応した、ユーザによるキーワードおよび／または文章の入力を受け付ける入力受付部を備えることができる。
　上記文書分析システムは、さらに、調査基礎データベースから、調査種類判定部が抽出した情報の種類に対応した、キーワードおよび／または文章を抽出する情報抽出部を備えることができる。
　上記文書分析システムは、さらに、キーワードおよび／または文章を、文書の中から検索する検索部を備えることができる。
　上記文書分析システムは、さらに、文書に対して自動で分別符号を付与する自動分別符号付与部を備え、キーワードおよび／または文章は、分別符号の付与に利用されることができる。
　本発明の文書分析方法は、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析方法であって、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付ステップと、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査ステップと、調査部が行った調査の結果を報告するための報告書を作成する報告書作成ステップとを備えることを特徴とする。
　本発明の文書分析プログラムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析プログラムであって、コンピュータに、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付機能と、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査機能と、調査部が行った調査の結果を報告するための報告書を作成する報告書作成機能とを実現させることを特徴とする。
　本発明の文書分析システム、文書分析方法、および、文書分析プロラムによれば、訴訟に利用する文書情報の分析を容易にすることができる。
本発明の実施形態に係る文書判別システムの構成図 本発明の実施形態に係る文書分析方法における処理の流れを示すチャート 本発明の実施形態に係る文書分析方法における調査種類に応じた調査及び分別処理の流れを示すチャート 本発明の実施形態に係る文書分析方法における調査種類に応じた予測コーディングの流れを示すチャート 実施形態における段階ごとの処理の流れを示したチャート 実施形態におけるキーワードデータベースの処理フローを示すチャート 本実施形態における関連用語データベースの処理フローを示したチャート 本実施形態における第１自動分別部の処理フローを示したチャート 本実施形態における第２自動分別部の処理フローを示したチャート 本実施形態における分別符号受付付与部の処理フローを示したチャート 本実施形態における文書解析部の処理フローを示したチャート 本実施形態における文書解析部での解析結果を示したグラフ 本実施形態の１実施例における第３自動分別部の処理フローを示したチャート 本実施形態の他の実施例における第３自動分別部の処理フローを示したチャート 本実施形態における品質検査部の処理フローを示したチャート 本実施形態における文書表示画面
　本発明の文書分析システムについて、説明する。
　本発明の文書分析システムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析システムである。
　上記文書分析システムは、調査カテゴリ入力受付部と、調査部と、報告作成部とを備える。
　上記調査カテゴリ入力受付部は、訴訟又は不正調査のカテゴリの入力を受け付ける。
　上記調査部は、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う。
　上記報告作成部は、調査部が行った調査の結果を報告するための報告書を作成する。
　上記報告作成部は、調査部が行った調査の結果に基づいて、調査カテゴリ入力受付部が受け付けたカテゴリに合わせた報告書を作成することができる。
　上記文書分析システムは、さらに、調査基礎データベースと、調査種類判定部とを備える。
　上記調査基礎データベースは、訴訟又は不正調査に関連する情報記憶する。
　上記調査種類判定部は、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査の対象とする調査カテゴリを判定し、調査基礎データベースから、必要な情報の種類を抽出する。
　上記文書分析システムは、さらに、ユーザに対し、調査種類判定部が抽出した情報の種類を提示する表示画面を制御する表示画面制御部を備えることができる。
　この場合、上記文書分析システムは、さらに、表示画面制御部に提示された情報の種類に対応した、ユーザによるキーワードおよび／または文章の入力を受け付ける入力受付部を備えることができる。
　上記文書分析システムは、さらに、調査基礎データベースから、調査種類判定部が抽出した情報の種類に対応した、キーワードおよび／または文章を抽出する情報抽出部を備えることができる。
　上記文書分析システムは、さらに、キーワードおよび／または文章を、文書の中から検索する検索部を備えることができる。
　上記文書分析システムは、さらに、文書に対して自動で分別符号を付与する自動分別符号付与部を備え、キーワードおよび／または文章は、分別符号の付与に利用されることができる。
　続いて、本発明の文書分析システムの詳細について、図面を参照しながら具体的に説明する。なお、以下に説明する例は一例であって、この例に限定されるものではない。
　図１は、本発明の実施形態に係る文書分析システムの構成の例を示す。
　図１に示すように、本実施形態に係る文書分析システム１は、情報及びデータを格納するデータ格納部１００を有することができる。該データ格納部１００は、訴訟又は不正調査の解析に利用するために、複数のコンピュータまたはサーバから取得したデジタル情報をデジタル情報格納領域１０１に格納する。
　そして、データ格納部１００は、例えば、反トラスト、特許、ＦＣＰＡ、ＰＬを含む訴訟案件又は情報漏洩、架空請求を含む不正調査のいずれのカテゴリに属するか示すカテゴリ属性、会社名、担当者、カストディアン、及び調査又は分別入力画面の構成を格納する調査基礎データベース１０３と、取得されたデジタル情報に含まれる文書の特定の分別符号と、該特定の分別符号と密接な関係を有するキーワード、及び該特定の分別符号と該キーワードとの対応関係を示すキーワード対応情報を登録するキーワードデータベース１０４と、所定の分別符号と、該所定の分別符号が付与された文書中において出現頻度が高い単語からなる関連用語と、該所定の分別符号と関連用語との対応関係を示す関連用語対応情報とを登録する関連用語データベース１０５と、文書と分別符号との結びつきの強さを示すスコアを算出するために該文書に含まれるワードの重みづけを登録するスコア算出データベース１０６とを格納する。
　更に、データ格納部１００は、カテゴリ、カストディアン、分別作業の内容に応じて定められる報告書の形式を登録する報告作成データベース１０７を格納する。このデータ格納部１００は、図１に示されるように、文書分析システム１内に設置されても良く、別個のストレージ装置として文書分析システム１の外部に設置されても良い。
　本発明の実施形態に係る文書分析システム１は、調査基礎データベース１０３、キーワードデータベース１０４、関連用語データベース１０５、スコア算出データベース１０６、及び報告作成データベース１０７のデータ内容の更新を管理するデータベース管理部１０９を備える。
　データベース管理部１０９は、専用接続線又はインターネット回線９０１を経由して情報格納装置９０２に接続されることができる。そして、データベース管理部１０９は、情報格納装置９０２に記憶されるデータの内容に基づいて、調査基礎データベース１０３、キーワードデータベース１０４、関連用語データベース１０５、スコア算出データベース１０６、及び報告作成データベース１０７のデータ内容を更新することができる。
　本発明の実施形態に係る文書分析システム１は、文書情報から複数の文書を抽出する文書抽出部１１２と、データベースに記録されたキーワード又は関連用語を文書情報から検索するワード検索部１１４と、文書と分別符号との結びつきの強さを示すスコアを算出するスコア算出部１１６とを備えることができる。
　本発明の実施形態に係る文書分析システム１は、ワード検索部１１４によりキーワードデータベース１０４に記録したキーワードを検索し、キーワードを含む文書を文書情報から抽出し、該抽出した文書に対して、キーワード対応情報に基づき特定の分別符号を自動的に付与する第１自動分別部２０１と、文書情報から、関連用語データベースに記録した関連用語を含む文書を抽出し、該抽出した文書に含まれる関連用語の評価値及び該関連用語の数に基づいて、スコアを算出し、関連用語を含む文書のうち、該スコアが一定値を超過した文書に対して、スコアおよび関連用語対応情報に基づいて、所定の分別符号を自動的に付与する第２自動分別部３０１を有することができる。
　更に、実施形態に係る文書分析システム１は、文書情報から抽出された複数の文書を画面上に表示する文書表示部１３０と、文書情報から抽出された分別符号が付与されていない複数の文書に対して、ユーザが訴訟との関連性に基づいて付与した分別符号を受け付け、分別符号を付与する分別符号受付付与部１３１と、分別符号受付付与部１３１により分別符号を付与された文書を解析する文書解析部１１８と、文書情報から抽出された複数の文書に対して、分別符号受付付与部１３１により分別符号を付与された文書を文書解析部１１８により解析した解析結果に基づいて、分別符号を自動的に付与する第３自動分別部４０１を備えることができる。
　また、本発明の実施形態に係る文書分析システム１は、抽出した文書の言語の種類を判定する言語判定部１２０と、ユーザの指定を受け付けて、又は、自動的に、抽出した文書を翻訳する翻訳部１２２とを備えても良い。１文多言語の複合言語にも対応できるように、言語判定部１２０における言語の区切りを１文より小さくする。更に、ＨＴＭＬのヘッダ等を翻訳の対象から除く処理を行うようにしても良い。
　また、本発明の実施形態に係る文書分析システム１は、文書解析部１１８による解析を行うために、各文書が含む単語の種類、出現数、単語の評価値に基づいて、各文書が持つ分別符号が付与された文書との類似の度合いを表す傾向情報を生成する傾向情報生成部１２４を備えても良い。
　また、本発明の実施形態に係る文書分析システム１は、分別符号受付付与部１３１が受け付けた分別符号と文書解析部１１８において傾向情報により付与された分別符号を比較し、分別符号受付付与部１３１が受け付けた分別符号の妥当性を検証する品質検査部５０１を備えても良い。
　更に、本発明の実施形態に係る文書分析システム１は、文書分析処理の結果をもとに、各キーワード又は関連用語の重みづけを学習する学習部６０１を備えても良い。
　本発明の実施形態に係る文書分析システムは、文書分析処理の結果をもとに、訴訟案件又は不正調査の調査種類に合わせて最適な調査レポートの出力を行うための報告作成部７０１を備えることができる。訴訟案件には、例えば、反トラスト（カルテル）、特許、海外賄賂禁止（ＦＣＰＡ）、又は製造物責任（ＰＬ）が含まれる。また、不正調査には、例えば、情報漏洩、架空請求が含まれる。
　本発明の実施形態に係る文書分析システム１は、分別調査と報告の質を向上するために、例えば、主任弁護士又は主任弁理士のレビューを受け付ける弁護士レビュー受付部１３３を備えることができる。
　本発明の実施形態に係る文書分析システム１の理解を容易とするために、実施形態に特有な用語について以下に記載する。
　「分別符号」とは、文書を分類する際に用いる識別子のことをいい、訴訟への利用が容易になるように、訴訟との関連度を示すものをいう。例えば、訴訟で文書情報を証拠として利用する際において、証拠の種類に応じて付与してもよい。
　「文書」とは、１つ以上の単語を含むデータをいう。「文書」の一例として、電子メール、プレゼンテーション資料、表計算資料、打ち合わせ資料、契約書、組織図、事業計画書等が挙げられる。
　「単語」とは、意味をもつ最少の文字列のまとまりをいう。例えば、「文書とは、１つ以上の単語を含むデータをいう。」という文章の中には、「文書」「１つ」「以上」「単語」「含む」「データ」「いう」という単語が含まれる。
　「キーワード」とは、ある言語において、一定の意味を持つ文字列のまとまりをいう。例えば、「文書を分別する」という文章からキーワードを選定すると、「文書」「分別」としてもよい。実施形態においては、「侵害」や「訴訟」、「特許公報〇〇号」といったキーワードが重点的に選定される。
　本実施形態においては、キーワードには形態素が含まれるものとする。
　また、「キーワード対応情報」とは、キーワードと特定の分別符号との対応関係を表すものをいう。例えば、訴訟において重要な文書を表す「重要」という分別符号が「侵害者」というキーワードと密接な関係を持つ場合、「キーワード対応情報」は分別符号「重要」とキーワード「侵害者」を紐づけて管理する情報のことをいってもよい。
　「関連用語」とは、所定の分別符号が付与された文書に共通して出現頻度が高い単語のうち、評価値が一定値以上のものをいう。例えば、出現頻度は、ひとつの文書中に登場する単語の総数のうち、関連用語が出現する割合をいう。
　また、「評価値」は、各単語がある文書中で発揮する情報量をいう。「評価値」は伝達情報量を基準に算出してもよい。例えば、所定の商品名を分別符号として付与する場合、「関連用語」は、該商品が属する技術分野の名称、該商品の販売国、該商品の類似商品名等を指してもよい。具体的には、画像符号化処理を行う装置の商品名を分別符号として付与する場合の「関連用語」は、「符号化処理」、「日本」、「エンコーダ」等が挙げられる。
　「関連用語対応情報」とは、関連用語と分別符号との対応関係を表すものをいう。例えば、訴訟にかかる商品名である「製品Ａ」という分別符号が製品Ａの機能である、「画像符号化」という関連用語を持つ場合、「関連用語対応情報」は、分別符号「製品Ａ」と関連用語「画像符号化」とを紐づけて管理する情報のことをいってもよい。
　「スコア」とは、ある文書において、特定の分別符号との結びつきの強さを定量的に評価したものをいう。本発明の各実施形態では、例えば、スコアを以下の式（１）を用いて、文書中に出現する単語と、各単語の持つ評価値とにより算出している。
Figure JPOXMLDOC01-appb-I000001
　また、本発明の文書分析システム１はユーザが付与した分別符号が共通である文書中に頻出する単語を抽出しても良い。そして、文書ごとに含まれる、該抽出した単語の種類、各単語がもつ評価値及び出現数の傾向情報を文書ごとに解析し、分別符号受付付与部１３１により分別符号を受け付けていない文書のうち、解析した傾向情報と同じ傾向をもつ文書に対して、共通の分別符号の付与を行ってもよい。
　ここで、「傾向情報」とは、各文書が持つ、分別符号が付与された文書との類似の度合いを表すものをいい、各文書が含む単語の種類、出現数、単語の評価値に基づく、所定の分別符号との関連度で表される。例えば、各文書が、所定の分別符号を付与された文書と、該所定の分別符号との関連度において類似である場合に、該２つの文書は同じ傾向情報を持つという。また、含まれる単語の種類は異なっていても、評価値が同じ単語を同じ出現数で含む文書について、同じ傾向を持つ文書としてもよい。
　次に、本発明の文書分析方法について説明する。
　本発明の文書分析方法は、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析方法であって、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付ステップと、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査ステップと、調査部が行った調査の結果を報告するための報告書を作成する報告書作成ステップとを備えることを特徴とする。
　続いて、本発明の文書分析方法の詳細について、図面を参照しながら具体的に説明する。なお、以下に説明する例は一例であって、この例に限定されるものではない。
　図２は、本発明の実施形態に係る文書分析方法のフローチャートを示す。図２を参照して、本発明の実施形態に係る文書分析方法について以下に記載する。
　表示部の表示画面の表示に応じてユーザから引数の指定を受け付けて、例えば、反トラスト、特許、ＦＣＰＡ、ＰＬを含む訴訟案件、又は情報漏洩、架空請求を含む不正調査から対応するカテゴリを特定することができる（Ｓ１１）。
　特定されたカテゴリに応じて、調査基礎データベース、文書分析データベース等の使用データベースを特定することができる（Ｓ１２）。
　使用データベースが最新のものかどうか確認するために、最新データベースを格納する情報格納装置にアクセスすることができる。情報格納装置は、分別を実施する組織の内部に設置される場合と、組織の外部に設置される場合がある。情報格納装置が組織の外部に設置される場合として、例えば、提携する法律事務所又は特許事務所に設置される場合がある。
　情報格納装置にアクセスする場合には、セキュリティーを保持するために、ＩＤ及びパスワードによる認証が行われることができる。（Ｓ１３）
　認証が行われた後に、情報格納装置にアクセスすることが許可され、調査基礎データベース、文書分析データベース等の使用データベースが指針のデータベースに更新されることができる（Ｓ１４）。
　更新された調査基礎データベースを検索し（Ｓ１５）、表示装置の画面に会社名、担当者、カストディアンの名前が提示されることができる（Ｓ１６）。
　表示装置の画面に表示される担当者とカストディアンの名前が実際の担当者とカストディアンの名前と異なる場合は、ユーザは表示装置の画面で担当者とカストディアンの名前を修正する。文書分析装置は、ユーザの修正入力を受け付けて、実際の担当者とカストディアンの名前を特定することができる（Ｓ１７）。
　次に、文書分析作業を実施するために、デジタル文書情報を抽出することができる（Ｓ１８）。
　更新された文書分析データベースとして、更新されたキーワードデータベース、関連用語データベース、及びスコア算出データベースを検索して（Ｓ１９）、抽出文書情報に分別符号を付与することができる（Ｓ２０）。
　また、レビュアーによる分別符号を受け付けて、抽出文書情報に分別符号を付与することができる（Ｓ２１）。
　分別結果を教師データとして、データベースを検索し、抽出文書情報に分別符号を付与することができる（Ｓ２２）。
　主任弁護士又は弁理士によるレビューを受け付けることができる（Ｓ２３）。これにより、調査の質を向上させることができる。
　ユーザの引数指定によりカテゴリを特定し（Ｓ２４）、特定されたカテゴリに応じて報告作成データベースを特定することができる（Ｓ２５）。特定された報告作成データベースにより、報告書の形式を定め、報告書を自動出力することができる（Ｓ２６）。
　図３は、本発明の実施形態に係る文書分析方法における調査種類に応じた調査及び分別処理の流れを示すチャートである。
　最初に、調査種類を入力することができる（Ｓ３１）。すなわち、表示画面の表示に応じて、ユーザが、例えば、反トラスト、特許、海外賄賂禁止（ＦＣＰＡ）、製造物責任（ＰＬ）を含む訴訟案件又は情報漏洩、架空請求を含む不正調査から実施しようとする調査及び分別作業と対応するカテゴリを入力する。文書分析システムは、ユーザのカテゴリの入力を受け付けて、調査対象となるカテゴリを特定することができる。
　特定されたカテゴリに応じて、調査及び文書分析処理の種類と使用するデータベースの種類を判定することができる（Ｓ３２）。
　特定されたカテゴリに応じて、調査基礎データベース、文書分析データベース等の使用データベースに記憶された情報のストックにアクセスしてもよい（Ｓ３３）。
　特定されたカテゴリに応じて調査基礎データベースにアクセスし、特定されたカテゴリに応じた各キーワード入力画面を表示することができる（Ｓ３４）。
　特定されたカテゴリに応じて調査基礎データベースにアクセスし、特定されたカテゴリに応じた各文章入力画面を表示することができる（Ｓ３５）。
　特定されたカテゴリに応じて調査基礎データベースにアクセスし、特定されたカテゴリに応じてキーワードもしくは文書を抽出することができる（Ｓ３６）。
　上述の処理をすることにより、自動分別符号付与（予測コーディング）の教師データに重み付けを追加して行うことができる（Ｓ３７）。
　文書分析データベースをキーワード検索することにより、抽出文書及び情報の絞り込みを行うことができる（Ｓ３８）。
　図４は、本発明の実施形態に係る文書分析方法における調査種類に応じた予測コーディングの流れを示すチャートである。
　本発明の実施形態に係る文書分析方法では、最初に、文書分析システムが調査の種類に応じてユーザに入力を求め、それに対するユーザの入力を受け付けることができる。例えば、反トラスト法と関連してカルテルについて、対象製品、関係者（氏名とメールアドレス）、関係組織（名称と部門）及び時期について、ユーザの入力を求め、それに対するユーザの入力を受け付けることができる。その他に、関係組織については、競争相手企業と顧客企業に関してユーザの入力を求め、それに対するユーザの入力を受け付けることができる（Ｓ５１）。
　次に、入力キーワードによって、分別符号付与に対する重み付けを行うことができる（Ｓ５２）。そして、予測コーディングを行うことができる（Ｓ５３）。
　本発明の実施形態では、一例として、図５に示すようなフローチャートに従い、第１段階～第５段階で、登録処理、分別処理、及び検査処理を行う。
　第１段階では、過去の分別処理の結果を用いて、事前にキーワードと関連用語の更新登録を行う（Ｓ１００）。このとき、キーワード及び関連用語は、分別符号とキーワード又は関連用語の対応情報であるキーワード対応情報及び関連用語対応情報とともに更新登録される。
　第２段階では、第１段階で更新登録されたキーワードを含む文書を全文書情報から抽出し、該文書を発見すると第１段階で記録した更新キーワード対応情報を参照し、該キーワードに対応する分別符号を付与する第１分別処理を行う（Ｓ２００）。
　第３段階では、第１段階で更新登録された関連用語を含む文書を、第２段階で分別符号を付与されなかった文書情報から抽出し、該関連用語を含む文書のスコアを算出する。該算出したスコアと第１段階で更新登録された関連用語対応情報を参照し、分別符号の付与を実行する第２分別処理を行う（Ｓ３００）。
　第４段階では、第３段階までに分別符号を付与されなかった文書情報に対して、ユーザが付与した分別符号を受け付け、該文書情報に対してユーザから受け付けた分別符号を付与する。次に、ユーザから受け付けた分別符号を付与された文書情報を解析し、解析結果に基づいて、分別符号が付与されていない文書を抽出して、抽出した文書に分別符号を付与する第３分別処理を行う。例えば、該ユーザが付与した分別符号が共通である文書中に頻出する語を抽出し、文書ごとに含まれる、抽出した単語の種類、各単語が持つ評価値及び出現数の傾向情報を文書ごとに解析し、該傾向情報と同じ傾向を持つ文書に対して、共通の分別符号の付与を行う（Ｓ４００）。
　第５段階では、第４段階でユーザが分別符号を付与した文書に対して、解析した傾向情報に基づいて付与すべき分別符号を決定し、該決定した分別符号とユーザの付与した分別符号を比較し、分別処理の妥当性の検証を行う（Ｓ５００）。また、必要に応じて、文書分析処理の結果に基づいて学習処理を行っても良い。
　第４段階及び第５段階の処理に用いられる傾向情報は、各文書が持つ、分別符号が付与された文書との類似の度合いを表すものをいい、各文書が含む単語の種類、出現数、単語の評価値に基づくものをいう。例えば、各文書が、所定の分別符号を付与された文書と、該所定の分別符号との関連度において類似である場合に、該２つの文書は同じ傾向情報を持つという。また、含まれる単語の種類は異なっていても、評価値が同じ単語を同じ出現数で含む文書について、同じ傾向を持つ文書としてもよい。
　第１段階から第５段階の各段階における詳細な処理フローを以下で説明する。
　＜第１段階（Ｓ１００）＞
　第１段階におけるキーワードデータベース１０４の詳細な処理フローを図６を用いて説明する。
　キーワードデータベース１０４は、過去の訴訟において文書を分別した結果を踏まえ、それぞれの分別符号ごとに管理用のテーブルを作成し、各分別符号に対応するキーワードを特定する（Ｓ１１１）。この特定は、本発明の実施形態においては、各分別符号が付与された文書を解析し、該文書中の各キーワードの出現数及び評価値を用いて行うが、キーワードが持つ伝達情報量を用いる方法や、ユーザが手動で選択する方法等を用いてもよい。
　本発明の実施形態においては、例えば、分別符号「重要」のキーワードとして「侵害」及び「弁理士」というキーワードが特定された場合、「侵害」及び「弁理士」が分別符号「重要」と密接な関係を持つキーワードであることを示すキーワード対応情報を作成する（Ｓ１１２）。そして、特定されたキーワードをキーワードデータベース１０４に登録する。この際、特定されたキーワードとキーワード対応情報を関係付けてキーワードデータベース１０４の分別符号「重要」の管理テーブルに記録する（Ｓ１１３）。
　次に、関連用語データベース１０５の詳細な処理フローを図７を用いて説明する。関連用語データベース１０５は、過去の訴訟において文書を分別した結果を踏まえ、それぞれの分別符号ごとに管理用のテーブルを作成し、各分別符号に対応する関連用語を登録する（Ｓ１２１）。本発明の実施形態においては、例えば、「製品Ａ」の関連用語として「符号化処理」及び「製品ａ」並びに「製品Ｂ」の関連用語として「復号化」及び「製品ｂ」を登録する。
　登録したそれぞれの関連用語がどの分別符号に対応するものかを示す関連用語対応情報を作成し（Ｓ１２２）、各管理テーブルに記録する（Ｓ１２３）。このとき、関連用語対応情報には、各関連用語の持つ評価値及び分別符号を決定するのに必要なスコアとなる閾値も併せて記録される。
　実際に分別作業を行う前に、キーワードとキーワード対応情報、及び関連用語と関連用語対応情報を最新のものに更新登録する（Ｓ１１３、Ｓ１２３）。
　＜第２段階（Ｓ２００）＞
　第２段階における第１自動分別部２０１の詳細な処理フローを、図８を用いて説明する。本発明の実施形態において、第２段階では、第１自動分別部２０１によって、分別符号「重要」を文書に付与する処理を行う。
　第１自動分別部２０１では、第１段階（Ｓ１００）でキーワードデータベース１０４に登録したキーワード「侵害」及び「弁理士」を含む文書を文書情報から抽出する（Ｓ２１１）。該抽出した文書に対して、キーワード対応情報から、該キーワードが記録されている管理テーブルを参照し、（Ｓ２１２）、「重要」という分別符号を付与する（Ｓ２１３）。
　＜第３段階（Ｓ３００＞
　第３段階における第２自動分別部３０１の詳細な処理フローを、図９を用いて説明する。
　本発明の実施形態において、第２自動分別部３０１では、第２段階（Ｓ２００）で分別符号を付与しなかった文書情報に対して、「製品Ａ」及び「製品Ｂ」という分別符号を付与する処理を行う。
　第２自動分別部３０１は、該文書情報から、第１段階で関連用語データベース１０５に記録した関連用語「符号化処理」、「製品ａ」、「復号化」及び「製品ｂ」を含む文書を抽出する（Ｓ３１１）。該抽出した文書に対して、記録した４つの関連用語の出現頻度、評価値に基づいて、式（１）を用いて、スコア算出部１１６によりスコアを算出する（Ｓ３１２）。該スコアは各文書と分別符号「製品Ａ」及び「製品Ｂ」との関連度を表している。
　該スコアが閾値を超過した場合、関連用語対応情報を参照し（Ｓ３１３）、適切な分別符号を付与する（Ｓ３１４）。
　例えば、ある文書において関連用語「符号化処理」及び「製品ａ」の出現頻度並びに関連用語「符号化処理」が持つ評価値が高く、分別符号「製品Ａ」との関連度を示すスコアが閾値を超過した際、該文書には分別符号「製品Ａ」が付与される。
　このとき、該文書に関連用語「製品ｂ」の出現頻度も高く、分別符号「製品Ｂ」との関連度を示すスコアが閾値を超過した場合、該文書には分別符号「製品Ａ」と併せて、「製品Ｂ」も付与される。一方、該文書に関連用語「製品ｂ」の出現頻度が低く、分別符号「製品Ｂ」との関連度を示すスコアが閾値を超過しなかった場合には、該文書には分別符号「製品Ａ」のみが付与される。
　第２自動分別部３０１では、第４段階のＳ４３２において算出されるスコアを用いて以下に示す式（２）により、関連用語の評価値を再計算し、該評価値の重みづけを行う（Ｓ３１５）。
Figure JPOXMLDOC01-appb-I000002
　例えば、「復号化」の出現頻度が非常に高いがスコアが一定値以上低い、という文書が一定数以上発生した場合、関連用語「復号化」の評価値を下げて再度、関連用語対応情報に記録する。
　＜第４段階（Ｓ４００）＞
　第４段階では、図１０に示すように、第３段階までの処理において、分別符号が付与されなかった文書情報から抽出した一定の割合の文書情報に対して、レビュワーからの分別符号の付与を受け付け、当該文書情報に受け付けた分別符号を付与する。次に、図１１に示すように、レビュワーから受け付けた分別符号を付与された文書情報を解析し、その解析結果に基づいて、分別符号が付与されていない文書情報に分別符号を付与する。なお、本発明の実施形態においては、該文書情報に対して、第４段階では、例えば、「重要」、「製品Ａ」及び「製品Ｂ」という分別符号を付与する処理を行う。第４段階について、更に以下に記載する。
　第４段階における分別符号受付付与部１３１の詳細な処理フローを、図１０を用いて説明する。第４段階での処理対象となる文書情報からまず文書抽出部１１２が、ランダムに文書をサンプリングし、文書表示部１３０上で表示する。本発明の実施形態では、処理対象となる文書情報のうち２割の文書をランダムに抽出し、レビュワーによる分別対象とする。サンプリングは、文書の作成日時順や、名称順に文書を並べ、上から３割の文書を選ぶという抽出の仕方をしてもよい。
　ユーザは文書表示部１３０上に表示される図１６に示す表示用画面１１を閲覧し、各文書に対して付与する分別符号を選択する。分別符号受付付与部１３１は、該ユーザが選択した分別符号を受け付け（Ｓ４１１）、付与された分別符号に基づいて分別する（Ｓ４１２）。
　次に、文書解析部１１８の詳細な処理フローを、図１１を用いて説明する。文書解析部１１８では、分別符号受付付与部１３１で分別符号ごとに分別された文書に共通して頻出する単語を抽出する（Ｓ４２１）。抽出した共通の単語の評価値を式（２）により解析し（Ｓ４２２）、該共通の単語の文書中の出現頻度を解析する（Ｓ４２３）。
　さらに、Ｓ４２２及びＳ４２３によって解析した結果を踏まえて、「重要」という分別符号が付与された文書の傾向情報を解析する（Ｓ４２４）。
　図１２は、Ｓ４２４によって、「重要」という分別符号が付与された文書に共通して頻出する単語を解析した結果のグラフである。
　図１２において、縦軸R_hotは、ユーザによって分別符号「重要」が付与された全文書のうち、分別符号「重要」に紐づく単語として選定された単語を含み、かつ分別符号「重要」が付与された文書の割合を示している。横軸は、ユーザが分別処理を実施した全文書のうち、分別符号受付付与部１３１によってＳ４２１で抽出された単語を含む文書の割合を示している。
　本発明の実施形態において、分別符号受付付与部１３１では、直線R_hot=R_allよりも上部にプロットされるような単語を、分別符号「重要」における共通の単語として抽出する。
　Ｓ４２１乃至Ｓ４２４の処理を、「製品Ａ」及び「製品Ｂ」という分別符号が付与された文書に対しても実行し、該文書の傾向情報を解析する。
　次に、第３自動分別部４０１の詳細な処理フローを、図１３を用いて説明する。第３自動分別部４０１では、第４段階での処理対象の文書情報のうち、Ｓ４１１で分別符号受付付与部１３１によって分別符号の付与が受け付けられなかった文書に対して処理を行う。第３自動分別部４０１では、このような文書から、Ｓ４２４で解析した、分別符号「重要」、「製品Ａ」及び「製品Ｂ」が付与された文書の傾向情報と、同じ傾向情報を持つ文書を、抽出し（Ｓ４３１）、抽出した文書について、傾向情報をもとに式（１）を用いてスコアを算出する（Ｓ４３２）。また、Ｓ４３１で抽出した文書に対して、傾向情報に基づいて適切な分別符号を付与する（Ｓ４３３）。
　第３自動分別部４０１では、さらに、Ｓ４３２で算出したスコアを用いて、分別結果を各データベースに反映する（Ｓ４３４）。具体的には、スコアの低い文書に含まれているキーワード及び関連用語の評価値を下げ、スコアの高い文書に含まれているキーワード及び関連用語の評価値を上げる処理を行っても良い。
　更に、第３自動分別部４０１の詳細な処理フローの１例を、図１４を用いて説明する。第３自動分別部４０１では、第４段階での処理対象の文書情報のうち、Ｓ４１１で分別符号受付付与部１３１によって分別符号の付与が受け付けられなかった文書に対して分別処理を行っても良い。第３自動分別部４０１では、引数が与えられなかった場合には（Ｓ４４１：なし）、該文書から、Ｓ４２４で解析した、分別符号「重要」が付与された文書の傾向情報と、同じ傾向情報を持つ文書を、抽出し（Ｓ４４２）、抽出した文書について、傾向情報をもとに式（１）を用いてスコアを算出する（Ｓ４４３）。また、Ｓ４４２で抽出した文書に対して、傾向情報に基づいて適切な分別符号を付与する（Ｓ４４４）。
　第３自動分別部４０１では、さらに、Ｓ４４３で算出したスコアを用いて、分別結果を各データベースに反映する（Ｓ４４５）。具体的には、スコアの低い文書に含まれているキーワード及び関連用語の評価値を下げ、一方、スコアの高い文書に含まれているキーワード及び関連用語の評価値を上げる処理を行う。
　上述のように第２自動分別部３０１と第３自動分別部４０１の両方でスコア算出が行われ、スコア算出の回数が多くなる場合には、スコア算出のためのデータをスコア算出データベース１０６に一括して格納しても良い。
　＜第５段階（Ｓ５００）＞
　第５段階における品質検査部５０１の詳細な処理フローを図１５を用いて説明する。品質検査部５０１では、分別符号受付付与部１３１が、Ｓ４１１で受け付けた文書に対して、文書解析部１１８がＳ４２４で解析した傾向情報に基づいて、付与されるべき分別符号を決定する（Ｓ５１１）。
　分別符号受付付与部１３１が受け付けた分別符号とＳ５１１で決定した分別符号とを比較し（Ｓ５１２）、Ｓ４１１で受け付けた分別符号の妥当性を検証する（Ｓ５１３）。
　本発明の実施形態に係る文書分析システム１は、学習部６０１を備えても良い。学習部６０１では、第１から第４の処理結果をもとに、各キーワード又は関連用語の重みづけを式（２）により学習する。該学習結果をキーワードデータベース１０４、関連用語データベース１０５、又はスコア算出データベース１０６に反映しても良い。
　本発明の実施形態に係る文書分析システムは、文書分析処理の結果をもとに、訴訟案件（例えば、訴訟であればカルテル・特許・FCPA・PLなど）、又は不正調査（例えば、情報漏洩、架空請求など）の調査種類に合わせて最適な調査レポートの出力を行うための報告作成部７０１を備えることができる。
　調査種類によって、調査する内容は異なる。
　例えば、カルテル案件であれば、
１．競合の担当者がカルテルに関連する意思疎通（価格の調整）を、いつ・どのように取ったか？
２．関係者はどの組織の誰か？
がポイントになる。
　また、特許侵害であれば、
１．侵害の対象になっている技術と内容が同じか？
２．誰が、いつ、どのような意図をもって（持たずに）侵害したか、もしくはしていないか？
といったことがポイントになる。
　本発明の実施形態の他の実施例に係る文書調査報告システム及び文書調査報告方法並びに文書調査報告プログラムについて以下に記載する。
　本発明の実施形態の他の実施例に係る文書調査報告システムでは、類似の検索情報に対応して、既に分別符号を付与した文書を解析し、解析結果に基づいて分別符号を付与する範囲を調整する。そして調整された分別符号を付与する範囲に基づいて、分別作業及び調査作業を行い、分別作業及び調査作業の結果に基づいて報告を作成する。
　類似の検索情報に対応して分別符号を付与する範囲を調整する方法として、類似の検索情報に対応して類似の検索情報をクラスタリングして分別符号を付与する範囲を調整する方法と、分別結果を学習して予測分別を行う方法がある。類似の検索情報に対応して類似の検索情報をクラスタリングして分別符号を付与する範囲を調整する方法には、例えば、メタデータの共通性に着目して、原文書、原文書の返信文書、原文書の返信文書の返信文書に共通の分別符号を付与する場合がある。分別結果を学習して予測分別を行う方法では、分別結果について類似の検索情報を統合するように学習することによって、類似の検索情報について同一又は類似の分別符号を付与する。
　本発明の実施形態の他の実施例では、解析の対象となる文書の件数により、解析結果の信頼性が変化する。分別の対象となる文書の全件数に対して、統計的手法を加えて、どの時点で、全文書のどの割合について、解析結果に基づいて分別符号を付与する範囲を調整するか定めても良い。
　本発明の実施形態の他の実施例では、類似の検索情報に対応して分別符号を付与する範囲を調整する方法として、類似の検索情報に対応して検索情報をクラスタリングして分別符号を付与する範囲を調整する方法と、分別結果を学習して予測分別を行う方法の両方を実行して、分別符号を付与する文書の範囲を調整しても良い。
　本発明の実施形態の他の実施例に係る文書調査報告システム及び文書調査報告方法並びに文書調査報告プログラムでは、これらの分別作業及び調査の結果に基づいて、報告を作成する。
　これにより、本発明の実施形態の他の実施例に係る文書調査報告システム及び文書調査報告方法並びに文書調査報告プログラムでは、的確な調査報告を迅速に作成することが可能となると共に、分別作業及び報告作成作業に伴う負担を軽減することができる。
　本発明の文書分析プログラムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析プログラムであって、コンピュータに、訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付機能と、調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査機能と、調査部が行った調査の結果を報告するための報告書を作成する報告書作成機能とを実現させることを特徴とする。
　上記調査カテゴリ入力受付機能は、上記調査カテゴリ入力受付部により実現されることができる。詳細については上述した通りである。
　上記調査機能は、上記調査部により実現されることができる。詳細については上述した通りである。
　上記報告書作成機能は、上記報告作成部により実現されることができる。詳細については上述した通りである。
　本発明の実施形態は、訴訟案件又は不正調査案件のカテゴリについてユーザの入力を受け付けることにより、カテゴリに応じて自動的にデータベースを更新する。これにより担当者、カストディアンの氏名等を入力する事務作業の負担が軽減される。また、カテゴリに応じて自動的に更新されたデータベースにより検索ワードを調整し、調整された検索ワードを用いて当該文書情報に対して分別符号を自動で付与する。これにより、訴訟又は不正調査案件に利用する文書情報の分別作業の負担が軽減される。
　すなわち、本発明により、訴訟に利用する文書情報の分析が容易になる。
１　　　文書分析システム
２０１　第１自動分別部
３０１　第２自動分別部
４０１　第３自動分別部
５０１　品質検査部
６０１　学習部
７０１　報告作成部
１００　データ格納部
１０１　デジタル情報格納領域
１０３　調査基礎データベース
１０４　キーワードデータベース
１０５　関連用語データベース
１０６　スコア算出データベース
１０７　報告作成データベース
１０９　データベース管理部
１１２　文書抽出部
１１４　ワード検索部
１１６　スコア算出部
１１８　文書解析部
１２０　言語判定部
１２２　翻訳部
１２４　傾向情報生成部
１３０　文書表示部
１３１　分別符号受付付与部
１３３　弁護士レビュー受付部
１１　　文書表示画面
 

Claims (10)

  1. 　複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析システムであって、
    　前記訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付部と、
    　前記調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査部と、
    　前記調査部が行った調査の結果を報告するための報告書を作成する報告作成部と
    を備える文書分析システム。
  2. 　前記報告作成部は、前記調査部が行った調査の結果に基づいて、前記調査カテゴリ入力受付部が受け付けたカテゴリに合わせた報告書を作成することを特徴とする請求項１に記載の文書分析システム。
  3. 　前記文書分析システムは、さらに、
    　前記訴訟又は不正調査に関連する情報記憶する調査基礎データベースと、
    　前記調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査の対象とする調査カテゴリを判定し、前記調査基礎データベースから、必要な情報の種類を抽出する調査種類判定部と
    を備える請求項１または２に記載の文書分析システム。
  4. 　前記文書分析システムは、さらに、
    　ユーザに対し、前記調査種類判定部が抽出した情報の種類を提示する表示画面を制御する表示画面制御部を備えることを特徴とする請求項３に記載の文書分析システム。
  5. 　前記文書分析システムは、さらに、
    　前記表示画面制御部に提示された情報の種類に対応した、ユーザによるキーワードおよび／または文章の入力を受け付ける入力受付部を備えることを特徴とする請求項４に記載の文書分析システム。
  6. 　前記文書分析システムは、さらに、
    　前記調査基礎データベースから、前記調査種類判定部が抽出した情報の種類に対応した、キーワードおよび／または文章を抽出する情報抽出部を備えることを特徴とする請求項３～５のいずれか一項に記載の文書分析システム。
  7. 　前記文書分析システムは、さらに、
    　前記キーワードおよび／または文章を、前記文書の中から検索する検索部を備えることを特徴とする請求項５または６に記載の文書分析システム。
  8. 　前記文書分析システムは、さらに、
    　前記文書に対して自動で前記分別符号を付与する自動分別符号付与部を備え、
    　前記キーワードおよび／または文章は、前記分別符号の付与に利用されることを特徴とする請求項５～７のいずれか一項に記載の文書分析システム。
  9. 　複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析方法であって、
    　前記訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付ステップと、
    　前記調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査ステップと、
    　前記調査部が行った調査の結果を報告するための報告書を作成する報告書作成ステップと
    を備える文書分析方法。
  10. 　複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報に含まれる、複数の文書から構成される文書情報を分析し、訴訟又は不正調査への利用を容易にする文書分析プログラムであって、コンピュータに、
    　前記訴訟又は不正調査のカテゴリの入力を受け付ける調査カテゴリ入力受付機能と、
    　前記調査カテゴリ入力受付部が受け付けたカテゴリに基づいて、調査を行う調査機能と、
    　前記調査部が行った調査の結果を報告するための報告書を作成する報告書作成機能と
    を実現させるための文書分析プログラム。
     
PCT/JP2014/057106 2013-09-11 2014-03-17 文書分析システム及び文書分析方法並びに文書分析プログラム WO2015037262A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/391,628 US20160292803A1 (en) 2013-09-11 2014-03-17 Document Analysis System, Document Analysis Method, and Document Analysis Program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-188379 2013-09-11
JP2013188379A JP5627750B1 (ja) 2013-09-11 2013-09-11 文書分析システム及び文書分析方法並びに文書分析プログラム

Publications (1)

Publication Number Publication Date
WO2015037262A1 true WO2015037262A1 (ja) 2015-03-19

Family

ID=52136347

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/057106 WO2015037262A1 (ja) 2013-09-11 2014-03-17 文書分析システム及び文書分析方法並びに文書分析プログラム

Country Status (4)

Country Link
US (1) US20160292803A1 (ja)
JP (1) JP5627750B1 (ja)
TW (1) TW201510921A (ja)
WO (1) WO2015037262A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MY196087A (en) * 2015-08-11 2023-03-14 Ragubathi A/L R Subramaniam S A System and Method for Conducting Lawsuit Over Offensive Content Through Telecommunication and Networking System
JP6635624B2 (ja) * 2016-11-10 2020-01-29 株式会社オプティム 情報処理装置、情報処理システム、情報処理方法およびプログラム
WO2018207485A1 (ja) * 2017-05-11 2018-11-15 株式会社村田製作所 情報処理システム、情報処理装置、コンピュータプログラム、及び辞書データベースの更新方法
KR101900026B1 (ko) 2018-03-22 2018-09-18 주식회사 인즈시스템 오탐 방지 및 무결성 향상이 가능한 모바일 포렌식 솔루션에 대한 교차 검증 시스템
US10452734B1 (en) 2018-09-21 2019-10-22 SSB Legal Technologies, LLC Data visualization platform for use in a network environment
US11281858B1 (en) * 2021-07-13 2022-03-22 Exceed AI Ltd Systems and methods for data classification
US11675582B2 (en) * 2021-07-15 2023-06-13 Kyndryl, Inc. Neural networks to identify source code
US11893031B2 (en) * 2021-07-15 2024-02-06 Open Text Sa Ulc Systems and methods for intelligent automatic filing of documents in a content management system

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0969123A (ja) * 1995-08-31 1997-03-11 Fujitsu Ltd 作業支援装置
JP2005266964A (ja) * 2004-03-16 2005-09-29 Fujitsu Ltd 業務対応型エージェントプログラム、業務対応型情報検索支援方法、及び業務対応型情報検索支援装置
JP2009048503A (ja) * 2007-08-21 2009-03-05 Chugoku Electric Power Co Inc:The 報告書自動生成方法及び報告書自動生成装置
JP2012526319A (ja) * 2009-05-08 2012-10-25 シーピーエー ソフトウェア リミテッド 電子ドキュメントコレクション内の複数選択ドキュメントを標的調査する方法、システムおよび装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090083132A1 (en) * 2007-09-20 2009-03-26 General Electric Company Method and system for statistical tracking of digital asset infringements and infringers on peer-to-peer networks

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0969123A (ja) * 1995-08-31 1997-03-11 Fujitsu Ltd 作業支援装置
JP2005266964A (ja) * 2004-03-16 2005-09-29 Fujitsu Ltd 業務対応型エージェントプログラム、業務対応型情報検索支援方法、及び業務対応型情報検索支援装置
JP2009048503A (ja) * 2007-08-21 2009-03-05 Chugoku Electric Power Co Inc:The 報告書自動生成方法及び報告書自動生成装置
JP2012526319A (ja) * 2009-05-08 2012-10-25 シーピーエー ソフトウェア リミテッド 電子ドキュメントコレクション内の複数選択ドキュメントを標的調査する方法、システムおよび装置

Also Published As

Publication number Publication date
US20160292803A1 (en) 2016-10-06
JP2015055982A (ja) 2015-03-23
JP5627750B1 (ja) 2014-11-19
TW201510921A (zh) 2015-03-16

Similar Documents

Publication Publication Date Title
JP5596213B1 (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
JP5627750B1 (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
JP5627820B1 (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
JP5530476B2 (ja) 文書分別システム及び文書分別方法並びに文書分別プログラム
KR101658794B1 (ko) 문서 분류 시스템, 문서 분류 방법 및 문서 분류 프로그램
JP5683749B1 (ja) 文書分析システム、文書分析方法、および、文書分析プログラム
WO2015059940A1 (ja) 文書分別調査システム及び文書分別調査方法並びに文書分別調査プログラム
JP5669904B1 (ja) 事前情報を提供する文書調査システム、文書調査方法、及び文書調査プログラム
WO2015118619A1 (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
JP2015056185A (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
WO2015025978A1 (ja) 文書分別システム及び文書分別方法並びに文書分別プログラム
JP5815911B1 (ja) 文書分析システム、文書分析システムの制御方法、および、文書分析システムの制御プログラム
WO2015145524A1 (ja) 文書分析システム、文書分析方法、および、文書分析プログラム
JP5851007B2 (ja) 文書分析システム及び文書分析方法並びに文書分析プログラム
JP5990562B2 (ja) 事前情報を提供する文書調査システム、文書調査方法、及び文書調査プログラム
JP5829768B2 (ja) 電子メール分析システム、電子メール分析方法、および、電子メール分析プログラム
JP5850973B2 (ja) 文書分別システム及び文書分別方法並びに文書分別プログラム

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 14391628

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14844813

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14844813

Country of ref document: EP

Kind code of ref document: A1