JPH1145247A - 文書分類装置、文書分類プログラムが記憶された記憶媒体、及び文書分類方法 - Google Patents

Abstract

(57)【要約】 【課題】 手動分類と自動分類の両分類結果を使用し
て、対象文書に対してより精度の高い分類を行う。 【解決手段】 過去に行った分類に対する正解率から求
めた重み付け等による評価関数を各分類担当者毎にデー
タベース化しておくと共に、各分類毎にその分類を特徴
づける典型文書を予め用意しておく。そして、分類担当
者（人手）による対象文書の分類結果と評価関数とか
ら、各分類に対する手動分類の点数化を行う。また、対
象文書と典型文書との類似度を算出し、この類似度を用
いて各分類に対する自動分類の点数化を行う。この両点
数を各分類毎に合計した値が最も高い分類を最終分類結
果とする。このように、手動分類と自動分類とを融合化
することで、より正確な分類結果を得ることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書分類装置、文
書分類プログラムが記憶された記憶媒体、及び文書分類
方法に係り、詳細には、取得した対象文書に対する分類
精度の向上に関する。

【０００２】

【従来の技術】文書をファイルしたり、電子的に配信し
たり、記憶媒体に記憶させたりする場合、その対象文書
を予め決められたカテゴリに分類する場合がある。この
ように対象文書の分類を行う場合、従来では分類者担当
ものがその対象文書を読んだ後に手動分類をしたり、コ
ンピュータシステムを使用して文書内容を解析すること
で対象文書を自動的に分類したりしている。

【０００３】

【発明が解決しようとする課題】しかし、従来の人手に
よる文書の手動分類では、必ずしも正確に分類付けがさ
れない場合があった。一方、コンピュータシステムによ
る判断は高速に大量の文書を分類することが可能である
が、この分類も必ず下正確であるとは限らなかった。ま
た、従来の手動分類と自動分類とでは、分類形態が全く
異なるため両者を融合したシームレスな使い勝手が実現
しないかった。

【０００４】本発明は、このような従来技術の課題を解
決するために成されたもので、手動分類と自動分類の両
分類結果を使用して、対象文書に対してより精度の高い
分類を行うことが可能な文書分類装置を提供することを
第１の目的とする。また、本発明は、手動分類と自動分
類の両分類結果を使用して、対象文書に対してより精度
の高い分類を行うことが可能な文書分類プログラムが記
録された記憶媒体を提供することを第１の目的とする。
また、本発明は、手動分類と自動分類の両分類結果を使
用して、対象文書に対してより精度の高い分類を行うこ
とが可能な文書分類方法を提供することを第３の目的と
する。

【０００５】

【課題を解決するための手段】請求項１に記載した発明
では、図８に示すように、予め決められた複数分類のセ
ットの範囲内で、人手によって対象文書を分類した手動
分類結果を取得する手動分類結果取得手段と、前記対象
文書を取得する対象文書取得手段と、前記対象文書取得
手段で取得された対象文書を、前記複数分類のセットの
範囲内で、自動的に分類して自動分類結果を得る自動分
類結果取得手段と、前記手動分類結果と前記自動分類結
果とから前記対象文書に対する分類を最終決定する分類
決定手段と、を文書分類装置に具備させて前記目的を達
成する。請求項２に記載した発明では、図９に示すよう
に、請求項１に記載した文書分類装置において、前記自
動分類結果取得手段は、前記対象文書を特徴づける対象
文書ベクトルを取得する文書ベクトル取得手段と、前記
各分類を特徴づける典型文書の典型文書ベクトルを取得
する典型文書ベクトル取得手段と、前記対象文書ベクト
ルと前記各典型文書ベクトルとの類似度を算出して各分
類に対する類似度を得る類似度算出手段とを有し、前記
類似度算出手段によって得られた各分類に対する類似度
を分類結果とする。請求項３に記載した発明では、図１
０に示すように、予め決められた複数分類のセットの範
囲内で、人手によって対象文書を分類した手動分類結果
を取得する手動分類結果取得機能と、前記対象文書を取
得する対象文書取得機能と、前記対象文書取得機能で取
得された対象文書を、前記複数分類のセットの範囲内
で、自動的に分類して自動分類結果を得る自動分類結果
取得機能と、前記手動分類結果と前記自動分類結果とか
ら前記対象文書に対する分類を最終決定する分類決定機
能と、をコンピュータに実現させるためのコンピュータ
読取り可能な文書分類プログラムを記憶媒体に記憶させ
て前記第２の目的を達成する。請求項４に記載した発明
では、図１１に示すように、前記自動分類結果取得機能
は、前記対象文書を特徴づける対象文書ベクトルを取得
する文書ベクトル取得機能と、前記各分類を特徴づける
典型文書の典型文書ベクトルを取得する典型文書ベクト
ル取得機能と、前記対象文書ベクトルと前記各典型文書
ベクトルとの類似度を算出して各分類に対する類似度を
得る類似度算出機能とを有し、前記類似度算出機能によ
って得られた各分類に対する類似度を分類結果とする。
請求項５に記載した発明では、図１２に示すように、予
め決められた複数分類のセットの範囲内で対象文書を自
動的に分類し、この自動分類結果と、前記複数分類のセ
ットの範囲内で、人手によって前記対象文書を分類した
手動分類結果とから前記対象文書に対する分類を最終決
定する、ことで前記第３の目的を達成する。

【０００６】

【発明の実施の形態】以下、本発明の文書分類装置、文
書分類プログラムが記憶された記憶媒体、及び文書分類
方法における好適な実施の形態について、図１から図７
を参照して説明する。 （１）実施形態の概要 本実施形態による文書分類処理では、過去に行った分類
に対する正解率から求めた重み付け等による評価関数を
各分類担当者毎にデータベース化しておくと共に、各分
類毎にその分類を特徴づける典型文書を予め用意してお
く。そして、分類担当者（人手）による対象文書の分類
結果と評価関数とから、各分類に対する手動分類の点数
化を行う。また、対象文書と典型文書との類似度を算出
し、この類似度を用いて各分類に対する自動分類の点数
化を行う。この両点数を各分類毎に合計した値が最も高
い分類を最終分類結果とする。このように、手動分類と
自動分類とを融合化することで、より正確な分類結果を
得ることができる。

【０００７】（２）実施の形態の詳細 本実施形態の文書分類装置は、パーソナルコンピュータ
やワードプロセッサ等を含むコンピュータシステムで構
成するだけでなく、ＬＡＮ（ローカル・エリア・ネット
ワーク）のサーバ、コンピュータ（パソコン）通信のホ
スト、インターネット上に接続されたコンピュータシス
テム等によって構成することも可能である。また、ネッ
トワーク上の各機器に機能分散させ、ネットワーク全体
で文書分類装置を構成することも可能である。

【０００８】図１は、文書分類装置の構成を表したブロ
ック図である。文書分類装置は、図１に示すようにシス
テム全体を制御するための制御部１１を備えている。こ
の制御部１１には、データバス等のバスライン２１を介
して、入力装置としてのキーボード１２やマウス１３、
表示装置１４、印刷装置１５、記憶装置１６、記憶媒体
駆動装置１７、通信制御装置１８、入出力Ｉ／Ｆ１９、
及び文字認識装置２０が接続されている。制御部１１
は、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３を備え
ている。ＲＯＭ１１２は、ＣＰＵ１１１が各種制御や演
算を行うための各種プログラムやデータが予め格納され
たリードオンリーメモリである。

【０００９】ＲＡＭ１１３は、ＣＰＵ１１１にワーキン
グメモリとして使用されるランダムアクセスメモリであ
る。このＲＡＭ１１３には、本実施形態による文書分類
処理を行うためのエリアとして、自動分類と手動分類の
分類結果を点数化して正規化等の処理を行う分類処理表
が格納される分類処理表格納エリア１１３１、分類の対
象となる対象文書が格納される対象文書格納エリア１１
３２、抽出したキーワードの重要度等を要素値として対
象文書を特徴づける対象文書ベクトルが格納される対象
文書ベクトル格納エリア、典型文書を特徴づける典型文
書ベクトルが格納される典型文書ベクトル格納エリア１
１３４、対象文書と各典型文書との類似度が格納される
類似度格納エリア１１３５、…、その他の各種エリアが
確保されるようになっている。

【００１０】キーボード１２は、自装置内で対象文書を
作成する場合の対象文書取得手段や群類担当者による分
類結果を入力する場合の手動分類結果取得手段の一部を
構成し、かな文字を入力するためのかなキーやテンキ
ー、各種機能を実行するための機能キー、カーソルキ
ー、等の各種キーが配置されている。マウス１３は、ポ
インティングデバイスであり、表示装置１４に表示され
たキーやアイコン等を左クリックすることで対応する機
能の指定を行う入力装置である。表示装置１４は、例え
ばＣＲＴや液晶ディスプレイ等が使用される。この表示
装置には、キーボード１２やマウス１３による入力結果
が表示されたり、最終分類結果が表示されたりするよう
になっている。印刷装置１５は、表示装置１４に表示さ
れた文書や、記憶装置１６の文書格納部１６４に格納さ
れた文書等の印刷を行うためのものである。この印刷装
置としては、レーザプリンタ、ドットプリンタ、インク
ジェットプリンタ、ページプリンタ、感熱式プリンタ、
熱転写式プリンタ、等の各種印刷装置が使用される。

【００１１】記憶装置１６は、読み書き可能な記憶媒体
と、その記憶媒体に対してプログラムやデータ等の各種
情報を読み書きするための駆動装置で構成されている。
この記憶装置１６に使用される記憶媒体としては、主と
してハードディスクが使用されるが、後述の記憶媒体駆
動装置１７で使用される各種記憶媒体のうちの読み書き
可能な記憶媒体を使用するようにしてもよい。記憶装置
１６は、仮名漢字変換辞書１６１、プログラム格納部１
６２、データ格納部１６３、文書データベース１６４、
評価関数データベース１６５、文書ベクトルデータベー
ス１６６、図示しないその他の格納部（例えば、この記
憶装置１６内に格納されているプログラムやデータ等を
バックアップするための格納部）等を有している。プロ
グラム格納部１６２には、本実施形態における文書分類
処理プログラム、文書ベクトル作成処理プログラム等の
各種プログラムの他、仮名漢字変換辞書１６１を使用し
て入力された仮名文字列を漢字混り文に変換する仮名漢
字変換プログラム等の各種プログラムが格納されてい
る。データ格納部１６３には、ユーザに関するデータ等
の、システムが必要とする各種データが格納されてい
る。

【００１２】文書データベース１６４には、各の分類を
特徴づける典型文書や、典型文書以外の通常の文書等が
格納されている。この文書データベース１６４に格納さ
れる各文書の形式は特に限定されるものではなく、テキ
スト形式の文書、ＨＴＭＬ（Hyper Text Markup Langua
ge）形式の文書、ＪＩＳ形式の文書等の各種形式の文書
の格納が可能である。この典型文書により特徴づけられ
る分類としては、技術動向報告、主張報告、新プロジェ
クト等の社内用の分類や、政治、経済、健康等の一般的
な分類、図書館等弟子用される一般図書や科学技術文献
に関する分類、その他各種分類が使用目的によって適宜
選択可能になっている。

【００１３】図２は、評価関数データベース１６５の内
容を概念的に表したものである。この図２に示すよう
に、評価関数は各分類担当者花子、太郎、四郎、…毎
に、各分類甲、乙、丙、…に対する、「重み」が評価値
として格納されている。「重み」は各分類に対する分類
担当者の正解率（または誤り率）等に基づいて決定され
る。この「重み」は、各担当者が対象文書に対する分類
を決定する毎に、最終分類結果と比較して、変更され
る。この図２に示すように、分類担当者花子さんは、分
類甲に対しての正解率が低く、分類丙に対する正解率が
高いことが理解される。

【００１４】図３は、文書ベクトルデータベース１６６
の内容を概念的に表したものである。この図３に示され
るように、文書Ａｊｋの中から自動抽出されたキーワー
ドｘに対して求められた重要度ｆ（ｘ）が文書ベクトル
の要素値ｆ（ｘ）として格納されている。この文書ベク
トルは各文書ｊｋ（ｊ＝１〜、ｋ＝１〜）毎に格納さ
れ、文書データベース１６４に格納されている各文書と
対応づけられている。各文書ベクトルの次元は採用する
キーワードｘ（重要語句）の数であるが、２文書間の類
似度を両文書ベクトルから求める場合には、両文書のキ
ーワードの和集合の数が両文書ベクトルの次元となる。
この場合、一方の文書ベクトルにのみ含まれるキーワー
ドに対する他方の文書ベクトルの要素値は、”０”に定
義される。

【００１５】例えば図３おいて、文書Ｂのキーワードは
「重要、重要語、重要度、…」、文書Ｃのキーワードは
「重要、…、政治、…」であり、両文書の文書ベクトル
は次の通りである。 文書Ｂの文書ベクトル＝（ １，１８，１９，…） 文書Ｃの文書ベクトル＝（１８，…，２１，…） これに対して文書Ｂと文書Ｃとの類似度を算出する場合
には、両文書のキーワードを「重要、重要語、重要度、
…、政治、…」とし、両文書の文書ベクトルはつぎの通
り定義される。 文書Ａの文書ベクトル＝（ １，１８，１９，…，
０，…）、 文書Ｃの文書ベクトル＝（１８， ０， ０，…，２
１，…）

【００１６】記憶媒体駆動装置１７（図１）は、ＣＰＵ
１１１が外部の記憶媒体からコンピュータプログラムや
文書を含むデータ等を読み込むための駆動装置である。
記憶媒体に記憶されているコンピュータプログラム等に
は、本実施形態の文書分類装置により実行される文書分
類処理等の各種処理プログラム、および、そこで使用さ
れる辞書、データ等も含まれる。ここで、記憶媒体と
は、コンピュータプログラムやデータ等が記憶される記
憶媒体をいい、具体的には、フロッピーディスク、ハー
ドディスク、磁気テープ等の磁気記憶媒体、メモリチッ
プやＩＣカード等の半導体記憶媒体、ＣＤ−ＲＯＭやＭ
Ｏ、ＰＤ（相変化書換型光ディスク）等の光学的に情報
が読み取られる記憶媒体、紙カードや紙テープ等の用紙
（および、用紙に相当する機能を持った媒体）を用いた
記憶媒体、その他各種方法でコンピュータプログラム等
が記憶される記憶媒体が含まれる。本実施形態の文書分
類装置において使用される記憶媒体としては、主とし
て、ＣＤ−ＲＯＭやフロッピーディスク等の記憶媒体が
使用される。記憶媒体駆動装置１７は、これらの各種記
憶媒体からコンピュータプログラムを読み込む他に、フ
ロッピーディスクのような書き込み可能な記憶媒体に対
してＲＡＭ１１３や記憶装置１６に格納されているデー
タ等を書き込むことが可能である。

【００１７】本実施形態の文書分類装置では、制御部１
１のＣＰＵ１１１が、記憶媒体駆動装置１７にセットさ
れた外部の記憶媒体からコンピュータプログラムを読み
込んで、記憶装置１６の各部に格納（インストール）す
る。そして、本実施形態による文書分類処理等の各種処
理を実行する場合、記憶装置１６から該当プログラムを
ＲＡＭ１１３に読み込み、実行するようになっている。
但し、記憶装置１６からではなく、記憶媒体駆動装置１
７により外部の記憶媒体から直接ＲＡＭ１１３にプログ
ラムを読み込んで実行することも可能である。また、文
書分類装置によっては、本実施形態の文書分類処理プロ
グラム等を予めＲＯＭ１１２に記憶させておき、これを
ＣＰＵ１１１が実行するようにしてもよい。さらに、本
実施形態の文書分類処理プログラム等の各種プログラム
やデータを、通信制御装置１８を介して他の記憶媒体か
らダウンロードし、実行するようにしてもよい。

【００１８】通信制御装置１８は、文書分類装置と他の
パーソナルコンピュータやワードプロセッサ等の各種電
子機器との間をネットワーク接続するための制御装置で
ある。通信制御装置１８は、これら各種電子機器が有し
ている対象文書と同一の言語の文書、入力された他言語
の文書、および同一言語や他言語の文書のデータベース
を検索対象としてアクセスすることが可能になってい
る。対象となる文書には、テキスト形式やＨＴＭＬ形式
等の各種形式の文書の他、ビットマップデータ等の各種
データも含まれる。入出力Ｉ／Ｆ１９は、音声や音楽等
の出力を行うスピーカ等の各種機器を接続するためのイ
ンターフェースである。文字認識装置２０は、用紙等に
記載された文字をテキスト形式やＨＴＭＬ等の各種形式
で認識する装置であり、イメージスキャナや文字認識プ
ログラム等で構成されている。

【００１９】本実施形態では、キーボード１２の入力操
作により作成した文書（ＲＡＭ１１３の所定格納エリア
に格納）の他、外部で作成して所定の記憶媒体に格納し
た文書で記憶媒体駆動装置１７から読み込んだ文書、予
め文書データベースに格納されている文書、通信制御装
置１８からダウンロードした文書、及び文字認識装置２
０で文字認識した文書、等の各種文書を検索の元になる
対象文書として取得する（文書取得手段）ことが可能で
ある。

【００２０】以上のように構成された本実施形態の文書
分類装置による文書分類処理の動作について、図４を使
用して説明する。図４は文書分類処理のメイン動作を表
したフローチャートである。ＣＰＵ１１１は、まず分類
を希望する対象文書Ｔを取得しＲＡＭ１１３の対象文書
格納エリア１１３２に格納する（ステップ１１）。

【００２１】そして、ＣＰＵ１１１は、分類担当者と、
その分類担当者によって分類された手動分類結果を取得
し、ＲＡＭ１１３の分類処理表格納エリア１１３１の分
類処理表に格納する（ステップ１２）。図６は、ＲＡＭ
１１３１の作業領域としてエリアが確保されている自動
分類表の内容を概念的に表したものである。分類担当者
花子が対象文書を読んで決定した分類が分類甲であった
場合、図６に示すように、花子の分類結果として花子ａ
欄６１における、分類甲の点数が１点で他の分類が０点
となる。

【００２２】次にＣＰＵ１１１は、取得した対象文書Ｔ
の文書ベクトルＢｔが既に作成されていて文書ベクトル
データベース１６６中に格納されているか否かを確認し
（ステップ１４）、格納されていれば（；Ｙ）、その文
書ベクトルＢｔを読み込んでＲＡＭ１１３の対象文書ベ
クトル格納エリア１１３３に格納する（ステップ１
５）。対象文書の文書ベクトルＢｔが文書ベクトルデー
タベース１６６に格納されていない場合（ステップ１
４；Ｎ）、ＣＰＵ１１１は、対象文書に対する文書ベク
トルＢｔを作成する（ステップ１６）。

【００２３】図５は、文書ベクトル作成処理の動作を表
したフローチャートである。ＣＰＵ１１１は、形態素解
析を行うことで対象文書Ｔから自立語を抽出する（ステ
ップ１３１）と共に、名詞句、複合名詞句等を含めた候
補語（句）を対象文書Ｔから抽出しＲＡＭ１１３の所定
作業領域に格納する（ステップ１３２）。そして抽出し
た候補語（句）の対象文書Ｔでの出現頻度、評価関数か
ら、各候補語（句）重要度ｆ（ｘ）を決定する（ステッ
プ１３３）。ここで、評価関数としては、例えば、所定
の重要語が予め指定されている場合にはその重要語に対
する重み付け、単語、名詞句、複合名詞句等の候補語
（句）の種類による重み付け等が使用される。さらにＣ
ＰＵ１１１は、決定した重要度ｆ（ｘ）の値から対象文
書Ｔのキーワードａ，ｂ，…を決定する（ステップ１３
４）。そして、各キーワードの重要度ｆ（ｘ）を要素と
して、文書ベクトルＢ＝（ｆ（ａ），ｆ（ｂ），…）を
ＲＡＭ１１３の対象文書ベクトル格納エリア１１３３に
格納して（ステップ１３５）、図４の文書分類処理ルー
チンにリターンする。

【００２４】次にＣＰＵ１１１は、対象文書Ｔと分類
甲、乙、丙、…の各典型文書との類似度Ｓを算出する
（ステップ１７）。すなわち、ＣＰＵ１１１は、図７に
示すように、対象文書の文書ベクトルＢｔと典型文書の
文書ベクトルＢｊｋとを比較し、両者ベクトルの角度に
依存するコサインにより両文書間の類似度Ｓを算出す
る。一般に、文書Ａｘの文書ベクトルＢｘと文書Ａｙの
文書ベクトルＢｙとの間の角度をθとし、両文書ベクト
ルの内積をＢｘ・Ｂｙとし、両文書ベクトルの大きさを
それぞれ｜Ｂｘ｜、｜Ｂｙ｜とした場合、両文書ベクト
ルの類似度Ｓは次の数式１により求まる。

【００２５】

【数１】類似度Ｓ＝ＣＯＳ（θ）＝（Ｂｘ・Ｂｙ）／
（｜Ｂｘ｜×｜Ｂｙ｜）

【００２６】この類似度Ｓの値は−１≦Ｓ≦１の値をと
り、１に近いほど２つの文書ベクトルが互いに平行に近
く、２つの文書Ａｘと文書Ａｙは互いに類似していると
考えることができる。

【００２７】次に、ＣＰＵ１１１は、各分類の典型文書
に対して算出した類似度Ｓの合計値が１になるように正
規化し、正規化後の類似度を自動分類の点数として分類
処理表エリア１１３１の自動ｂ欄６２（図６）に格納す
る（ステップ１８）。

【００２８】そして、ＣＰＵ１１１は、手動分類と自動
分類による点数に対して評価関数の処理を行う（ステッ
プ１９）。すなわち、分類担当花子の評価関数のうち、
分類甲に対象文書を分類した場合の評価関数（重みｗ＝
０．５）を評価関数データベース１６５から読み出し、
図６の分類処理表における、花子ａ欄６１の各分類の点
数に、乗じて花子ｃ欄６３に格納する。また、自動ｂ欄
６２における各分類の点数に（１−ｗ＝０．５）を乗じ
て、自動ｄ欄６４に格納する。

【００２９】さらにＣＰＵ１１１は、評価関数処理を行
った後の手動分類の各点数（花子ｃ欄６３）と、に評価
関数処理後の自動分類の各点数（自動ｄ欄６４）との合
計値（ｃ＋ｄ）を各分類毎に求め、合計値が最大となる
分類を対象文書Ｔに対する分類として最終決定する（ス
テップ２０；分類決定手段）。ＣＰＵ１１１は、最終決
定した分類により、分類目的に応じて対象文書を処理し
（ステップ２１）、処理を終了する。対象文書の処理の
例としては、分類目的が配信であればその分類に属する
ユーザに対象文書を配信する。

【００３０】以上説明したように本実施形態によれば、
各分類担当者による手動分類の結果にから各分類に対す
る手動分類の点数化を行い、各分類を特徴づける典型文
書の文書ベクトルと対象文書の対象文書ベクトルとの類
似度から各分類に対する自動分類の点数化を行うこと
で、手動分類と自動分類とを融合させることができ、よ
り正確な分類結果を得ることができる。

【００３１】以上、本実施形態の構成および他言語文書
検索の処理について説明したが、本発明では、これらの
各形態に限定されるものではなく、請求項に記載された
発明の範囲内で種々の変形をすることが可能である。例
えば、典型文書は、必ずしも予め選ばれている必要がな
く、文書データベース１６４に格納されてる通常の文書
を典型文書として使用してもよい。また、文書データベ
ース１６３に格納されている文書の中から、クラスタリ
ング処理により自動抽出した文書を典型文書として使用
するようにしてもよい。

【００３２】説明した実施形態では、典型文書とその典
型文書ベクトルとがそれぞれ文書データベース１６４、
文書ベクトルデータベース１６６に格納されていること
を前提に説明したが、必ずしも両者が存在する必要はな
い。すなわち、典型文書に対する典型文書ベクトルが存
在すれば（文書ベクトルデータベース１６６に格納され
ていれば）、対象文書Ｔとの類似度Ｓを算出することが
できるので、典型文書自体は必ずしも必要ではない。逆
に、各分類毎にその分類を特徴づける典型文書が存在す
れば（文書データベース１６４に格納されて入れば）、
図５に示した文書ベクトル作成処理により、典型文書ベ
クトルを作成することができるので、典型文書ベクトル
自体は必ずしも必要ではない。

【００３３】また、説明した実施形態では、１分類に対
する典型文書の数については特に限定しなかったが、典
型文書は必ずしも１分類に１典型文書である必要はな
く、１分類に複数の典型文書を用意するようにしてもよ
い。この場合、各分類に対する対象文書の類似度として
は合計値または平均値（正規化処理を行うのでどちらを
使用することも可能である。）を使用する。このように
１分類複数典型文書とすることで、各をより的確に特徴
づけることができ、自動分類側の精度を上げることがで
きる。

【００３４】また、最終分類結果と分類対象者による分
類結果が異なる場合には、評価関数の重み付けを変える
ことで、学習を行うようにしても良い。で文書分類装置
を構成することも可能である。また、自動分類による分
類結果（例えば、ステッ１８による正規化後の類似度の
値）に対して、手動分類の場合と同様に、重み付け（自
動分類に対する評価関数）を規定するようにしてもよ
い。そして、この場合の重み付けに対しても、学習によ
り変更するようにしてもよい。

【００３５】さらに、説明した実施形態では、対象文書
の言語については特に言及しなかったが、本発明では日
本語に限定されるものではなく、あらゆる言語の対象文
書に適用することが可能である。この場合、対象文書の
言語用の形態素解析アルゴリズム等を使用するといっ
た、本発明の構成には影響のない部分を変更するだけで
よい。但し、典型文書の言語は対象文書の言語と同一で
ある必要がある。

【００３６】以上の実施形態において説明した、各装
置、各部、各動作、各処理等に対しては、それらを含む
上位概念としての各手段（〜手段）により、実施形態を
構成することが可能である。例えば、「ＣＰＵ１１１
は、図７に示すように、対象文書の文書ベクトルＢｔと
典型文書の文書ベクトルＢｊｋとを比較し、両者ベクト
ルの角度に依存するコサインにより両文書間の類似度Ｓ
を算出する。」との記載に対して「類似度算出手段」を
構成するようにしてもよい。同様に、その他各種動作に
対して「〜（動作）手段」等の上位概念で実施形態を構
成するようにしてもよい。

【００３７】

【発明の効果】本発明によれば、同一の複数分類のセッ
トの範囲内で、手動分類と自動分類を行うと共に、両分
類結果を使用して対象文書に対する最終分類を決定する
ようにしたので、手動分類と自動分類の両分類結果を使
用して、対象文書に足してより精度の高い分類を行うこ
とができる。

【図面の簡単な説明】

【図１】本発明の１実施形態における文書分類装置の構
成を表したブロック図である。

【図２】同上、実施形態における評価関数データベース
の内容を概念的に表した説明図である。

【図３】同上、実施形態における文書ベクトルデータベ
ースの内容を概念的に表した説明図である。

【図４】同上、実施形態における文書分類処理のメイン
動作を表したフローチャートである。

【図５】同上、実施形態の文書分類処理における文書ベ
クトル作成処理の動作を表したフローチャートである。

【図６】同上、実施形態において分類の最終決定までの
分類処理表での処理を表した説明図である。

【図７】同上、実施形態においける対象文書と典型文書
との類似関係を文書ベクトルを用いて表した説明図であ
る。

【図８】請求項１に記載した発明のクレーム対応図であ
る。

【図９】請求項２に記載した発明のクレーム対応図であ
る。

【図１０】請求項３に記載した発明のクレーム対応図で
ある。

【図１１】請求項４に記載した発明のクレーム対応図で
ある。

【図１２】請求項５に記載した発明のクレーム対応図で
ある。

【符号の説明】

１１ 制御部 １１２ ＲＯＭ １１３ ＲＡＭ １１３１ 分類処理表 １１３２ 対象文書格納エリア １１３３ 対象文書ベクトル格納エリア １１３４ 典型文書ベクトル格納エリア １１３５ 類似度格納エリア １２ キーボード １３ マウス １４ 表示装置 １５ 印刷装置 １６ 記憶装置 １６１ 仮名漢字変換辞書 １６２ プログラム格納部 １６３ データ格納部 １６４ 文書データベース １６５ 評価関数データベース １６６ 文書ベクトルデータベース １７ 記憶媒体駆動装置 １８ 通信制御装置 １９ 入出力Ｉ／Ｆ ２０ 文字認識装置

Claims (5)

【特許請求の範囲】
1. 【請求項１】 予め決められた複数分類のセットの範囲
   内で、人手によって対象文書を分類した手動分類結果を
   取得する手動分類結果取得手段と、 前記対象文書を取得する対象文書取得手段と、 前記対象文書取得手段で取得された対象文書を、前記複
   数分類のセットの範囲内で、自動的に分類して自動分類
   結果を得る自動分類結果取得手段と、 前記手動分類結果と前記自動分類結果とから前記対象文
   書に対する分類を最終決定する分類決定手段と、を具備
   することを特徴とする文書分類装置。
2. 【請求項２】 前記自動分類結果取得手段は、 前記対象文書を特徴づける対象文書ベクトルを取得する
   文書ベクトル取得手段と、 前記各分類を特徴づける典型文書の典型文書ベクトルを
   取得する典型文書ベクトル取得手段と、 前記対象文書ベクトルと前記各典型文書ベクトルとの類
   似度を算出して各分類に対する類似度を得る類似度算出
   手段とを有し、前記類似度算出手段によって得られた各
   分類に対する類似度を分類結果とする、ことを特徴とす
   る請求項１に記載の文書分類装置。
3. 【請求項３】 予め決められた複数分類のセットの範囲
   内で、人手によって対象文書を分類した手動分類結果を
   取得する手動分類結果取得機能と、 前記対象文書を取得する対象文書取得機能と、 前記対象文書取得機能で取得された対象文書を、前記複
   数分類のセットの範囲内で、自動的に分類して自動分類
   結果を得る自動分類結果取得機能と、 前記手動分類結果と前記自動分類結果とから前記対象文
   書に対する分類を最終決定する分類決定機能と、をコン
   ピュータに実現させるためのコンピュータ読取り可能な
   文書分類プログラムが記憶された記憶媒体。
4. 【請求項４】 前記自動分類結果取得機能は、 前記対象文書を特徴づける対象文書ベクトルを取得する
   文書ベクトル取得機能と、 前記各分類を特徴づける典型文書の典型文書ベクトルを
   取得する典型文書ベクトル取得機能と、 前記対象文書ベクトルと前記各典型文書ベクトルとの類
   似度を算出して各分類に対する類似度を得る類似度算出
   機能とを有し、前記類似度算出機能によって得られた各
   分類に対する類似度を分類結果とする、ことを特徴とす
   る請求項３に記載の文書分類プログラムが記憶された記
   憶媒体文書分類装置。
5. 【請求項５】 予め決められた複数分類のセットの範囲
   内で対象文書を自動的に分類し、 この自動分類結果と、前記複数分類のセットの範囲内
   で、人手によって前記対象文書を分類した手動分類結果
   とから前記対象文書に対する分類を最終決定することを
   特徴とする文書分類方法。