分析システム及び情報分析方法
【課題】分類基準を外部から与えることなく文書そのものの内容に従って文書を分類し、かつ、分類された結果得られる文書グループの意味が利用者にとって明瞭である情報分析システムを提供する。
【解決手段】文書集合を作成し、文書集合中の文書から数値表現を抽出し、数値表現の周辺から説明語を抽出し、抽出された数値表現を具体的な数値と単位との組に変換し、単位毎に変換された値の大きさに従って文書を分類し、抽出された説明語のうち、数値表現と関連性の高いものを数値と関係付けて、関係付けられた結果をユーザに表示する。
【解決手段】文書集合を作成し、文書集合中の文書から数値表現を抽出し、数値表現の周辺から説明語を抽出し、抽出された数値表現を具体的な数値と単位との組に変換し、単位毎に変換された値の大きさに従って文書を分類し、抽出された説明語のうち、数値表現と関連性の高いものを数値と関係付けて、関係付けられた結果をユーザに表示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、データベース及びファイルサーバ等に保存されている電子文書の内容を分析するシステムに関し、特に、電子文書をその内容に従って分類し、利用者の情報分析作業を支援する分析システム及び情報分析方法に関する。
【背景技術】
【０００２】
電子化された文書が大量に蓄積され、自由に利用できるようになった。これによって、文書中の有用な情報を自動的に収集し、収集された情報を分析したいというニーズが高まっている。このようなニーズに応えることを目的として、自然言語処理の研究でも文書内容を分析する方法が研究されてきた。
【０００３】
自然言語処理における情報分析では、文書をその内容に従って分類する方法が代表的である。分類する方法には、文書クラスタリングと文書カテゴライズとの二つがある。
【０００４】
第１に、文書クラスタリングは、教師無し機械学習と呼ばれる方法の一つである。文書クラスタリングは、外部から分類基準を与えることなく、データそのものの内容を使って自動的に文書を分類する。文書クラスタリングは、二つの文書の間の類似度を数値によって表現し、類似度が高いとされた文書を同じグループに分類する方法である。
【０００５】
類似度は、比較されるそれぞれの文書に含まれる単語の使われ方が似ている程、高い数値が与えられる。文書の類似度を評価する方法には、単語を次元とし、単語に関する統計量を次元の値とするベクトルによって文書を表現し、各ベクトルの間の内積の値を計算する方法がよく用いられる。また、単語に関する統計量には、ｔｆ・ＩＤＦと呼ばれる尺度がよく用いられる。ｔｆ・ＩＤＦを計算する方法には、例えば、以下の式（１）を用いる方法がある（例えば、特許文献１参照）。
【０００６】
文書ｄｉにおける単語ｔｊのｔｆ・ＩＤＦの値：
（ｄｉ，ｔｊ）＝ｆ（ｉ，ｊ）×ｌｏｇ（Ｎ／ｎｊ）・・・・・（１）
ただし、ｆ（ｉ，ｊ）は文書ｉにおける単語ｊの出現頻度、Ｎは全文書数、ｎｊは単語ｊが出現する文書数である。
【０００７】
また、文書クラスタリングの方法には、類似度が近い文書から順に同じグループに分類する階層的クラスタリングがある（例えば、特許文献１参照）。また、文書集合をＫ個のグループ（Ｋはクラスタリングの実行者が指定する）に分類するＫ平均クラスタリングがある（例えば、特許文献２参照）。また、ベクトル化された文書を低次元の空間にマッピングする自己組織化マップがある（例えば、特許文献３参照）。
【０００８】
なお、利用者は、同じグループに分類された文書の内容、及び、同じグループに分類された文書から統計的な傾向を利用して抽出された単語に基づいて、文書クラスタリングによって得られる分類の結果が何を表しているのかを推定する。
【０００９】
第２に、文書を分類する他の方法である文書カテゴライズは、外部から与えられた分類基準（カテゴリ）によって、文書を分類する。
【００１０】
文書カテゴライズは、あらかじめ分類基準を定義し、定義された分類基準に従って、いくつかの文書を分類する。そして、分類済みの文書と新しい文書との間の類似度を評価し、類似度が高いと評価された場合には、分類済み文書が含まれる分類基準（カテゴリ）に新しい文書を分類する。なお、文書の類似度は、特許文献１に記載された方法によって評価することが一般的である。文書カテゴライズに関して、例えば、あらかじめ定義された法律に関する分類基準に従って、法律文書を分類する方法がある（例えば、特許文献４参照）。なお、特許文献４に記載された方法では、分類基準は１種類であるが、複数の分類基準を使うこともできる。
【００１１】
複数の分類基準に従って文書を分類する方法として、ファセットナビゲーションがある（例えば、特許文献５参照）。ファセットナビゲーションは、複数の分類基準（ファセット）に従って文書を分類し、分類された文書を閲覧する方法である。
【００１２】
図書館で文書を分析する作業を例として、ファセットナビゲーションの概要について説明する。ファセットナビゲーションでは、複数の分類基準（ファセット）を利用者に対して表示する。利用者は、ファセットに含まれる複数の値から一の値を選択することによって、文書を分析する。ファセットナビゲーションでは、ファセットの値と、ファセットの値を含む文書の数とが対応付けられて表示される。利用者は、ファセットの値を含む文書の数から文書集合のおおまかな傾向を把握することができる。また、キーワードによる検索が組み合わされたファセットナビゲーションも考えられる。
【００１３】
図２は、従来のファセットナビゲーションの画面の例を示す説明図である。
【００１４】
図２では、文書を選択するためのファセットとして、例えば、「出版社」、「言語」、「発行年」、「ジャンル」、「著者」、「所在」が利用者に表示されている。また、ファセット毎にファセットの値と、その値を含む文書の数が表示されている。例えば、ファセット「言語」の値は、「日本語」「英語」「中国語」である。利用者は、各ファセットの値を選ぶことによって、ファセットの値で表される分類の文書を収集することができる。
【００１５】
例えば、図２では、「発行年」が「２００７年」を選択した状態が表わされている。利用者は、ファセット「発行年」の値「２００７」である文書の集合のうち、ファセット「ジャンル」の「科学」に関わる文書は１００冊、「文学」に関する文書は１２０冊あると知ることができる。なお、ファセットの内容は階層的な関係になっていてもよい。例えば、図２では、「２００７年」は「上期」と「下期」とに分かれている。
【００１６】
このように、文書の集合が変化すると、ファセットの値とその値を含む文書の数が変化し、利用者は、新たに得られた文書の集合のおおまかな傾向を把握することできる。なお、ファセットナビゲーションの画面には、検索キーワードの入力部が設けられている。
【先行技術文献】
【特許文献】
【００１７】
【特許文献１】特開平１１−２５９５０９号公報
【特許文献２】特開２００２−１０８８９４号公報
【特許文献３】特開平１０−１７１８２３号公報
【特許文献４】特表２００３−５２６１４０号公報
【特許文献５】米国特許第７０３５８６４号明細書
【発明の概要】
【発明が解決しようとする課題】
【００１８】
前述した文書クラスタリングは、外部から分類基準を与えることなく、文書そのものの内容を使って自動的に分類する方法である。つまり、文書の集合のみを用いる簡便な方法である。しかし、分類基準が明らかでないために、分類の結果として得られる文書のグループが何を表しているのかよく分からないことがある。
【００１９】
また、文書クラスタリングでは、必ずしも利用者が求める文書のグループが得られるとは限らない。さらに、利用者が求めるグループが得られるようにクラスタリングの処理を調整することも難しい。
【００２０】
例えば、特許文献１に示された図１４には、「半導体」について検索して得られた文書集合をクラスタリングした結果が例として示されている。この例では、二つのクラスタ（グループ）が示され、それぞれのクラスタの内容を示すキーワードが示されている。しかしながら、利用者が豊富な背景知識を持たない場合には、キーワードのみによってクラスタ（グループ）の内容を推定することは困難である。
【００２１】
例えば、特許文献１の図１４に示されたクラスタ１に分類された各文書は、日米の貿易摩擦に関する文書であるが、日米通商摩擦当時の半導体協定に関する知識を持たない利用者にとっては、このクラスタ（グループ）が貿易摩擦についての文書を収集した結果であることを推定することは難しい。なお、特許文献２及び３に記載された方法によっても、利用者が分類の結果として得られる文書のグループが何を表しているのかを推定することは難しい。
【００２２】
一方、文書カテゴライズでは、あらかじめ定義された分類基準が外部から与えられるため、分類の結果得られる文書のグループが何を表しているのかは明瞭である。また、利用者は、意図したとおりに文書を分類することができる。また、利用者は、複数の分類基準（ファセット）を用いたファセットナビゲーションを利用し、文書を分析することができる。
【００２３】
しかしながら、文書カテゴライズに用いる分類基準を構築することは手間がかかるという問題がある。そして、特許文献４及び５に記載された方法によっては、この問題を解決できない。
【００２４】
つまり、従来の情報分析方法のうち、文書クラスタリングには、情報分析によって得られた文書グループの意味が分かりづらいという欠点があり、文書カテゴライズには、構築に手間がかかる分類記述が必要であるという問題がある。
【００２５】
本発明は、前述した問題に鑑みてなされたものであり、分類基準を外部から与えることなく文書そのものの内容に従って文書を分類することができ、かつ、分類された文書のグループの意味を利用者が容易に推定することができる分析システム及び情報分析方法を提供することを目的とする。
【課題を解決するための手段】
【００２６】
本発明の代表的な一例を示せば以下のとおりである。すなわち、記憶された文書を分析する分析システムであって、プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、前記プロセッサは、記憶された前記文書から文書集合を作成し、前記作成された文書集合から数値表現を抽出し、前記抽出された数値表現から、数値と前記数値の単位とを取得し、前記数値を前記単位毎に分類し、前記分類された数値を前記数値の大きさに従って分類し、前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする。
【発明の効果】
【００２７】
本発明の一実施形態によれば、文書中に含まれる数値表現を利用し、分類基準をあらかじめ定義することなく、複数の分類基準を使ったファセットナビゲーションによって、文書を分類し、また、情報を分析することができる。
【図面の簡単な説明】
【００２８】
【図１】本発明の実施形態の数値表現を利用した情報分析システムの構成を示すブロック図である。
【図２】従来のファセットナビゲーションの画面の例を示す説明図である。
【図３】本発明の実施形態の文書登録処理を示すフローチャートである。
【図４】本発明の実施形態の数値化処理の詳細を示すフローチャートである。
【図５】本発明の実施形態の換算処理に用いる表を示す説明図である。
【図６】本発明の実施形態のデータ登録部に入力される文書の例を示す説明図である。
【図７】本発明の実施形態のデータ登録部によって文書登録処理された文書の例を示す説明図である。
【図８Ａ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｂ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｃ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｄ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図９】本発明の実施形態の情報分析作業のための入出力処理を示すフローチャートである。
【図１０】本発明の実施形態のユーザインタフェース部に表示される初期画面の例を示す説明図である。
【図１１】本発明の実施形態のユーザインタフェース部に表示される分析結果閲覧の画面の例を示す説明図である。
【図１２】本発明の実施形態のユーザインタフェース部に表示される文書内容閲覧の画面の例を示す説明図である。
【図１３】本発明の実施形態の分析クエリ処理を示すフローチャートである。
【図１４】本発明の実施形態の分析結果一覧表示処理を示すフローチャートである。
【図１５】本発明の実施形態のファセットデータ作成処理の詳細を示すフローチャートである。
【発明を実施するための形態】
【００２９】
＜実施形態＞
以下に、本発明の実施形態について、図面を用いて説明する。
【００３０】
本実施形態の情報分析システムの構成及び処理について説明する。また、具体的な例として、文書が登録された文書データベースを検索し、検索された文書を分析する処理について説明する。
【００３１】
図１は、本発明の実施形態の数値表現を利用した情報分析システムの構成を示すブロック図である。
【００３２】
本実施形態の情報分析システムは、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、データ登録部１０４、文書データベース１０５、数値表現処理部１０６、説明語抽出部１０７、及び、文書内容表示部１０８を備える。
【００３３】
また、本実施形態の情報分析システムは、少なくとも一以上のプロセッサ、少なくとも一以上のメモリ、記憶装置、キーボード、ポインティングデバイス等の情報入力装置、及び、モニタディスプレイ等の情報出力装置を備える。記憶装置は、各種プログラム及び電子文書のデータを格納する。メモリは、プロセッサによって実行される各種プログラムを格納する。プロセッサは、記憶装置に格納された各種プログラムをメモリにロードし、ロードされた各種プログラムを実行することによって、各部の処理を実現してもよい。
【００３４】
なお、本実施形態の情報分析システムは、例えば、端末及びサーバによって構成されてもよい。この場合、端末は、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、数値表現処理部１０６、及び、文書内容表示部１０８を備える。また、サーバは、データ登録部１０４、数値表現処理部１０６、説明語抽出部１０７、及び、文書データベース１０５を備える。
【００３５】
また、本実施形態の情報分析システムは、ブラウザの機能のみを備えた端末、及び、サーバによって構成されてもよい。この場合、端末は、ユーザインタフェース部１０１のみを備える。また、サーバは、分析クエリ処理部１０２、分析結果一覧表示部１０３、データ登録部１０４、文書データベース１０５、数値表現処理部１０６、説明語抽出部１０７、及び、文書内容表示部１０８を備える。
【００３６】
図１に示した情報分析システムは、大きく分けて２種類の処理を実行する。第１に、情報分析システムは、利用者がシステムと対話的に実行する情報分析作業のための入出力処理を実行する。第２に、情報分析システムは、解析対象の文書を文書データベースに登録する文書登録処理を実行する。
【００３７】
入出力処理は、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、文書データベース１０５、数値表現処理部１０６、及び、文書内容表示部１０８によって実現される。
【００３８】
利用者は、ユーザインタフェース部１０１に分析クエリを入力する。ここで、分析クエリとは、文書の検索又は分類に用いるキーフレーズ及びファセットの値である。分析クエリの詳細については、後述する。
【００３９】
分析クエリ処理部１０２は、利用者によって入力された分析クエリを文書データベース１０５に対する分析命令に変換する。なお、分析命令の形式は、文書データベース１０５の種類に依存する。例えば、文書データベース１０５として関係データベースを用いる場合には、検索実行命令は、ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇａｇｅ）によって表現される。また、ＸＭＬデータベースを用いる場合には、検索実行命令は、ＸＱｕｅｒｙによって表現される。また、全文検索システムを用いて文書データベース１０５を構築する場合には、専用の検索言語を使用してもよい。
【００４０】
分析クエリ処理部１０２は、数値表現処理部１０６を用いて、分析クエリに含まれる数値表現を処理する。
【００４１】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果を受信し、受信した分析結果をユーザインタフェース部１０１に表示することができる画面データに変換し、変換された画面データをユーザインタフェース部１０１に送信する。例えば、端末でウェブブラウザが実行される場合には、分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果をＨＴＭＬ形式のデータに変換する。なお、本実施形態では、端末は、ウェブブラウザを使用しなくてもよい。また、画面に表示するためのデータは、ＨＴＭＬ形式に制限する必要はない。
【００４２】
文書内容表示部１０８は、利用者がユーザインタフェース部１０１に表示された画面から、閲覧したい文書を選択した場合には、文書の内容を表示するための要求を文書データベース１０５に送信する。文書データベース１０５は、文書の内容を文書内容表示部１０８に送信する。文書内容表示部１０８は、送信された文書の内容をユーザインタフェース部１０１が表示することができる形式（例えば、ＨＴＭＬ）に変換して、ユーザインタフェース部１０１に送信する。
【００４３】
文書登録処理は、データ登録部１０４、数値表現処理部１０６、説明語抽出部１０７及び文書データベース１０５によって実現される。
【００４４】
データ登録部１０４は、数値表現処理部１０６及び説明語抽出部１０７を用いて、分析対象となる入力文書から、分析に必要なデータを抽出し、抽出された分析に必要なデータを入力文書に付加した後、入力文書を文書データベース１０５に登録する。ここで、分析に必要なデータとは、数値表現とその数値表現の説明語である。ここで、説明語とは数値表現の数値が何についての数値かを説明する入力文書中の単語である。
【００４５】
以下に、文書登録処理の詳細について説明する。
【００４６】
図３は、本発明の実施形態の文書登録処理を示すフローチャートである。
【００４７】
文書登録処理には、文書ファイル入力処理５０１、文書部分抽出処理５０２、数値表現抽出処理５０３、数値化処理５０４、換算処理５０５、説明語抽出処理５０６、文書整形処理５０７、及び、文書出力処理５０８がある。
【００４８】
まず、文書ファイル入力処理５０１において、データ登録部１０４は、分析対象となる文書を入力する。文書は、ワードプロセッサ等によって作成された文書ファイルでもよいし、光学式文字読取装置（ＯＣＲ）等によって電子化された文書ファイルでもよい。ただし、どちらの場合でも、文書は文字コード化されている。なお、文字コードには、任意のコードを用いることができる。
【００４９】
次に、文書部分抽出処理５０２において、データ登録部１０４は、入力された文書ファイルから文書部分を抽出する。ここで、文書部分とは、当該文書ファイルの内容と考えられるプレーンテキストの部分である。文書部分を抽出するとは、入力された文書ファイルからフォーマット情報及びメタデータを取り除く処理である。
【００５０】
次に、数値表現抽出処理５０３において、データ登録部１０４は、数値表現処理部１０６を用い、抽出された文書部分から数値表現を抽出する。ここで、数値表現とは、アラビア数字又は漢数字等で表記される数値、単位、助数詞、範囲表現（「〜」、「から」等の範囲を表す表現）を含む数字文字列の部分である。本実施形態では、数値表現に使われる数字文字列を検索するために、正規表現に基づくパターンを記述し、そのパターンと文書中に含まれる数値表現の数字文字列とを照合することによって、数値表現を抽出するが、その他の方法でもよい。ここで、正規表現とは、複数の数字列及び文字列を一つのパターンで表現する方法である。
【００５１】
次に、数値化処理５０４において、データ登録部１０４は、数値表現処理部１０６を用い、抽出された数値表現に含まれる数字列（ただし、範囲表現を含む）を、具体的な値（整数値、又は、実数値）に変換する。なお、数字列は範囲表現を含むため、変換された値は、数字列に含まれる数値の最大値と最小値とが出力されてもよい。例えば、「百から二百」という数字列は、「最大値：２００、最小値：１００」として出力される。
【００５２】
以下に、数値化処理５０４の詳細について説明する。
【００５３】
図４は、本発明の実施形態の数値化処理５０４の詳細を示すフローチャートである。
【００５４】
まず、数値表現処理部１０６は、数字列を取得する（６０１）。次に、数値表現処理部１０６は、取得した数字列がコンマを含むか否かを判定する（６０２）。ステップ６０２において、取得した数字列がコンマを含むと判定された場合には、数値表現処理部１０６は、ステップ６０３へ進む。一方、取得した数字列がコンマを含まないと判定された場合には、ステップ６０８へ進む。
【００５５】
数値表現処理部１０６は、コンマを含む数字列が３桁の位どりの形式であるか否かを判定する（６０３）。ステップ６０３において、コンマを含む数字列が３桁の位どりの形式であると判定された場合には、数値表現処理部１０６は、数字列からコンマを削除し、ステップ６０８へ進む。
【００５６】
ステップ６０３において、コンマを含む数字列が３桁の位どりの形式でないと判定された場合には、数値表現処理部１０６は、コンマの前後にある数字が連番であるか否かを判定する（６０４）。
【００５７】
ステップ６０４において、連番ではないと判定された場合には、数値表現処理部１０６は、コンマで数字を分割し（６０５）、ステップ６０８に進む。ステップ６０４において、連番であると判定された場合には、ステップ６０７に進む。
【００５８】
ステップ６０７では、変数Ａ、Ｂ、Ｃ、Ｄが使用される。具体的には、数値表現処理部１０６は、コンマの前一文字をＡに、コンマの後一文字をＢに、数字列の先頭からコンマの二文字前までをＣに、コンマの二文字後から数字列の末尾までをＤに代入する。数値表現処理部１０６は、Ｃ、Ａ、Ｄの順にその値を連結した数字列と、Ｃ、Ｂ、Ｄの順にその値を連結した数字列を作成する。以降では、この作成された数字列を処理する。ステップ６０８へ進む。
【００５９】
ステップ６０８では、変数Ｖ、Ｃ１、Ｃ２、Ｆが使用される。数値表現処理部１０６は、変数Ｖの初期値を「０」、変数Ｃ１の初期値を「１」、変数Ｃ２の初期値を「１」、変数Ｆの初期値を「０」とする（６０８）。次に、数値表現処理部１０６は、数字列の右（末尾）から順に１文字ずつ抽出する（６０９）。
【００６０】
数値表現処理部１０６は、抽出された数字の値が、漢数字の〇から九、及び、アラビア数字の０から９のいずれかであるか否かを判定する（６１０）。ステップ６１０において、〇から九、及び、０から９のいずれかであると判定された場合には、数値表現処理部１０６は、「数字の値」×Ｃ１×Ｃ２をＶに加え、また、Ｃ１を１０倍する（６１４）。
【００６１】
一方、ステップ６１０において、〇から九、及び、０から９のいずれでもないと判定された場合には、数値表現処理部１０６は、次に、数字の値が漢数字の十、百、千のいずれかであるか否かを判定する（６１１）。
【００６２】
ステップ６１１において、漢数字の十、百、千のいずれかであると判定された場合には、数値表現処理部１０６は、次に、Ｆが「１」であるか否かを判定する（６１５）。ステップ６１５において、Ｆが「１」であると判定された場合には、数値表現処理部１０６は、Ｃ１×Ｃ２をＶに加える（６１６）。さらに、Ｃ１に数字の値（１０、１００、１０００）を代入し、Ｆに「１」を代入する（６１７）。一方、ステップ６１５において、Ｆが「１」でないと判定された場合には、数値表現処理部１０６は、ステップ６１７に進む。
【００６３】
一方、ステップ６１１において、漢数字の十、百、千のいずれかでもないと判定された場合には、数値表現処理部１０６は、数字が漢数字の万、億、兆、京、亥のいずれかであるか否かを判定する（６１２）。
【００６４】
ステップ６１２において、漢数字の万、億、兆、京、亥のいずれかであると判定された場合には、数値表現処理部１０６は、次に、Ｆが「１」であるか否かを判定する（６１８）。一方、ステップ６１２において、漢数字の万、億、兆、京、亥のいずれかでもないと判定された場合には、数値表現処理部１０６は、エラーを出力し（６１３）、数値化処理５０４を終了する。
【００６５】
ステップ６１８において、Ｆが「１」であると判定された場合には、数値表現処理部１０６は、Ｃ１×Ｃ２をＶに加える（６１９）。一方、ステップ６１８において、Ｆが「１」でないと判定された場合には、数値表現処理部１０６は、Ｃ２に数字の値（例えば、「１００００」等）、Ｃ１に「１」、Ｆに「０」を代入する（６２０）。
【００６６】
次に、数値表現処理部１０６は、数字列のうち、まだ検査されていない桁が残っているか否かを判定する（６２１）。ステップ６２１において、検査されていない桁が残っていないと判定された場合には、数値表現処理部１０６は、Ｖを出力し（６２２）、数値化処理５０４を終了する。ステップ６２１において、検査されていない桁が残っていると判定された場合には、ステップ６０９以降を繰り返す。
【００６７】
図３の換算処理５０５の処理に戻る。
【００６８】
換算処理５０５において、数値表現処理部１０６は、数値表現に含まれる単位を、基準となる単位（以下、基準単位）に変換する。ここで、基準単位とは、利用者によって指定される単位であり、ある尺度の中で換算後に用いられる単位である。例えば、利用者によって長さの基準単位が「メートル」に指定されている場合には、文書中から抽出された数値表現「１０ｃｍ」は「０．１メートル」に換算される。また、長さの基準単位が「センチメートル」に指定されている場合には、「０．１ｍ」は「１０センチメートル」に換算される。
【００６９】
以下に、換算処理５０５の詳細について、説明する。
【００７０】
図５は、本発明の実施形態の換算処理５０５に用いられる表を示す説明図である。
【００７１】
数値表現処理部１０６は、単位構造解析機能７０２及び計算機能７０３によって、基準単位選択用表７０１、接頭辞換算表７０４、及び、単位換算表７０５を用い、換算処理５０５を実行する。
【００７２】
基準単位選択用表７０１は、項目名として、単位又は助数詞７１１、尺度７１２、及び、尺度がとる基準単位７１３を含む。尺度７１２及び尺度がとる基準単位７１３は、計量法及び計量単位令を参考に定義される。なお、前述した法令に含まれない尺度及び基準単位が定義されてもよい。
【００７３】
数値表現処理部１０６は、数値表現に含まれる数値の右側に単位が与えられている場合には、基準単位選択用表７０１に基づいて、与えられた単位７１１に対応する基準単位を選ぶ。
【００７４】
また、数値表現処理部１０６は、尺度７１２が個数である、すなわち、数値表現に含まれる数値の右側に物の個数を数える助数詞（例えば、１個の「個」、１台の「台」等）が与えられている場合には、基準単位７１３を「個」とする。また、尺度７１２が含有量等の割合を示すものである場合には、基準単位７１３を「％」とする。
【００７５】
単位構造解析機能７０２は、文脈自由文法に基づく構文解析プログラムによって、単位の構造を解析する。具体的には、抽出された数値表現に含まれる単位を、単位の接頭辞と、単位とに分ける。例えば、「１０ｃｍ」の「ｃｍ」を、接頭辞の「ｃ」と単位の「ｍ」とに分ける。ここで、文脈自由文法とは、プログラミング言語の設計、コンパイラの構文の解析に利用される形式文法の一つである。また、構文解析プログラムとは、文節間の係り受けの構造を解析するプログラムである。
【００７６】
計算機能７０３は、単位構造解析機能７０２によって単位の構造が解析された後、接頭辞換算表７０４及び単位換算表７０５を用いて、抽出された数値を基準単位に合うように換算する。接頭辞換算表７０４は、単位の接頭辞と、接頭辞によって表わされる１０のＮ乗倍のＮに相当する値とを含む。単位換算表７０５は、変換元単位７１４、基準単位７１５、及び、変換式７１６を含む。計算機能７０３は、数値表現から抽出された数値を変換式７１６のＸに代入する。
【００７７】
例えば、文書中の数値表現に含まれる「１０ｃｍ」を基準単位「メートル」に換算する場合には、計算機能７０３は、接頭辞換算表７０４によって、接頭辞「ｃ」を「１０の（−２）乗」とし、数値「１０」×「１０の（−２）乗」を計算する。また、単位換算表７０５によって、単位「ｍ」を基準単位「メートル」とし、計算された数値「０．１」を変換式７１６のＸに代入する。これによって、「１０ｃｍ」は「０．１メートル」に換算される。
【００７８】
また、例えば、文書中の数値表現に含まれる「１ｍ」を基準単位「センチメートル」に換算する場合には、計算機能７０３は、単位換算表７０５を用い、数値「１」を変換式「Ｘ×１０の２乗」（図示省略）のＸに代入する。これによって、「１ｍ」は「１００センチメートル」に換算される。
【００７９】
図３の説明語抽出機能５０６の処理に戻る。
【００８０】
説明語抽出処理５０６において、説明語抽出部１０７は、抽出された数値表現が何を表すのかを説明する単語（説明語）を文書から抽出する。なお、説明語は、数値表現の前後からｎ個が抽出される。本実施形態では、ｎを１としたが、ｎを２以上としてもよい。
【００８１】
なお、例えば、「藤畑勝之、外２名、「係り受けの制約と優先規則に基づく数量表現抽出」、情報処理学会、自然言語処理研究会ＮＬ−１４５−１８、２００１年９月、Ｖｏｌ．２００１、Ｎｏ．８６、ｐ１１９−１２５」に記載された方法によって、数値表現と数値表現の前後の単語との係り受け関係から、説明語を抽出してもよい。ここで、「係り受けの制約と優先規則に基づく数量表現抽出」に記載された方法とは、数値表現と、数値表現に係る格助詞と、数値表現に係る名詞句及びその格助詞と、数値表現に係る名詞句及びその格助詞との組み合わせから、あらかじめ定義された規則に従って、数値表現が指し示すものが何かを推定する方法である。
【００８２】
次に、文書整形処理５０７において、データ登録部１０４は、抽出された数値の最大値、最小値、単位、及び、抽出された説明語を、元の文書に付加することによって、文書を整形する。
【００８３】
次に、文書出力処理５０８において、データ登録部１０４は、整形された文書を文書データベース１０５に送信する。送信された文書は、文書データベース１０５に登録される。
【００８４】
図６、図７は、各々、本発明の実施形態のデータ登録部に入力される文書の例、データ登録部によって文書登録処理された文書の例を示す説明図である。
【００８５】
例えば、図６に示す入力文書は、図３に示された文書登録処理によって処理されると、図７に示す文書になる。
【００８６】
本実施形態の情報分析システムは、図６に示した「文書」の「本文」の部分から数値表現を抽出し、抽出された数値表現の前後に出現する単語を説明語として抽出する。また、抽出された数値表現を整数値等の数値及び数値の単位に変換する。そして、変換された数値、単位及び説明語を文書に追加する。図６及び図７に示した例では、文書の構造は、ＸＭＬで記述されているが、本実施形態は、文書の構造を記述する方法を特に制限しない。
【００８７】
図７に示した文書は、文書データベース１０５に登録される。利用者は、登録された文書に付与された一意の文書識別子、元の文書に含まれる単語、及び、項目名（及びその値）の３つの方法を使って、登録された文書を検索することができる。ここで、項目名とは、図８Ａから図８Ｄを用いて後述する各テーブルに含まれるカラムの名である。本実施形態の情報分析システムは、全文検索技術、関係データベース、及び、ＸＭＬデータベースを用いて、このような検索の機能を実現してもよい。本実施形態では、全文検索機能を追加した関係データベースを用いた。具体的には、オープンソースのデータベースＰｏｓｔｇｒｅＳＱＬに、全文検索用のプログラムＬｕｄｉａを追加したデータベースを用いた。また、関係データベースＨｉＲＤＢに、全文検索用のプログラムＴｅｘｔＳｅａｒｃｈ Ｐｌｕｇ−ｉｎを追加した商用のデータベースを用いてもよい。これらのデータベースは、すでに広く使われている技術であるため、前述したデータベースの詳細については説明しない。
【００８８】
以下に、文書データベース１０５に登録されるテーブルの形式について説明する。
【００８９】
図８Ａ、図８Ｂ、図８Ｃ、図８Ｄは、各々、本発明の実施形態の関係データベースに登録される各テーブルの例を示す説明図である。
【００９０】
データ登録部１０４は、元の文書の内容を、全文検索の対象となるデータ型、例えば、図８Ａから図８Ｄに示された、ＴＡＢＬＥ＿ＡからＴＡＢＬＥ＿Ｄのすべての形式によって文書データベース１０５に登録する。
【００９１】
図８ＡのＴＡＢＬＥ＿Ａは、文書識別子８０１、文書の見出し８０２、及び、文書の本文８０３を含む。
【００９２】
図８ＢのＴＡＢＬＥ＿Ｂは、文書識別子８０４、最大値８０５、最小値８０６、基準単位８０７、説明語１ ８０８、及び、説明語２ ８０９を含む。
【００９３】
図８ＣのＴＡＢＬＥ＿Ｃは、文書識別子８１０、及び、文書の項目（例えば、年８１１、月８１２、日８１３）を含む。
【００９４】
図８ＤのＴＡＢＬＥ＿Ｄは、文書識別子８１４、及び、文書の項目（例えば、出典８１５、面８１６）を含む。
【００９５】
ＴＡＢＬＥ＿Ｂでは、抽出された数値表現から得られた数値の最大値と、最小値と、基準単位と、数値表現の前後から得られた説明語との組みが、文書識別子に対応付けられている。
【００９６】
また、ＴＡＢＬＥ＿Ｃ及びＴＡＢＬＥ＿Ｄでは、元の文書に含まれる項目の値（例えば、図６に示した文書の項目「日付」２００７年１月２日）が文書識別子に対応付けられて、テーブルに登録されている。
【００９７】
なお、本実施形態では、データ登録部１０４は、文書のデータを、複数のテーブルに分けて登録したが、すべてのデータを一つのテーブルにまとめて登録してもよい。
【００９８】
利用者は、文書に含まれる語（後述する分析クエリ）を用いた全文検索のほか、文書の「項目」の値を利用して、情報分析を実行してもよい。また、情報分析システムは、利用者によって入力された後（分析クエリ）に基づいて、全文検索を実行し、分析クエリを含む文書の集合を作成するだけでなく、ユーザによって指定された文書の項目（例えば、「日付」、「出典」等）ほかに基づいて、文書の集合を作成してもよい。
【００９９】
以下に、情報分析作業のための入出力処理について説明する。ユーザインタフェース部１０１は、情報分析作業において、利用者の入力作業を受け、得られた分析結果を利用者へ表示する。
【０１００】
図９は、本発明の実施形態の情報分析作業のための入出力処理を示すフローチャートである。
【０１０１】
まず、情報分析システムは、利用者によって入力された分析クエリを受け付ける（１１０１）。ここで、分析クエリとは、キーフレーズ、又は、ファセットの値である。なお、キーフレーズは、一般にいうキーワード（単語）のほか、名詞句及び文を含む。
【０１０２】
ここで、利用者が情報分析作業を開始する時のユーザインタフェース画面の構成について説明する。
【０１０３】
図１０は、本発明の実施形態のユーザインタフェース部に表示される初期画面の例を示す説明図である。
【０１０４】
ユーザインタフェース画面は、キーフレーズ入力部１２０１、ファセット入力部１２０２、及び、検索結果一覧表示部１２０３を含む。
【０１０５】
ユーザインタフェース画面は、利用者が分析クエリを入力する（図９のステップ１１０１）時に表示される画面である。つまり、利用者が情報分析システムを利用する時に初めに表示される初期画面である。
【０１０６】
図９のステップ１１０２に戻る。
【０１０７】
利用者によって、図１０に示すキーフレーズ入力部１２０１にキーフレーズ（例えば、「靴」）が入力されると、情報分析システムは、キーフレーズの入力を受け付け（１１０１）、分析クエリの処理を開始する。情報分析システムは、ユーザインタフェース画面に分析結果（例えば、「靴」に関する文書を分析した結果）を表示する（１１０２）。利用者は、表示された分析結果を閲覧することができる。以下に、分析結果が表示されたユーザインタフェース画面について、説明する。
【０１０８】
図１１は、本発明の実施形態のユーザインタフェース部に表示される分析結果閲覧の画面の例を示す説明図である。
【０１０９】
分析結果が表示されたユーザインタフェース画面は、キーフレーズ入力部１３０１、ファセット表示部１３０２、及び、検索結果一覧表示部１３０３を含む。
【０１１０】
キーフレーズ入力部１３０１には、「靴」が入力されている。ファセット表示部１３０２には、キーフレーズ「靴」を含む文書から抽出された数値表現から得られた数値と説明語とが、数値の基準単位毎、すなわち、ファセット毎に表示される。検索結果一覧表示部１３０３には、キーフレーズ「靴」を含む文書の項目（例えば、「出典」「日付」、「見出し」）が表示される。
【０１１１】
これによって、利用者は、ファセット及びファセットの値に基づき、分類の結果得られた文書のグループの意味を推定することができる。具体的には、利用者は、例えば、ファセット「円」と、ファセット「円」の値（数値）と、値（数値）に付与された説明語とによって、文書のグループが、例えば、靴に関する業種の業績、株式市場、商品の話題を収集したものであると推定することができる。
【０１１２】
なお、図１１に示したユーザインタフェース画面は、利用者が図９に示したステップ１１０２のほか、ステップ１１０３、１１０４及び１１０５が実行された時に表示される画面である。
【０１１３】
図９のステップ１１０３に戻る。
【０１１４】
ここで、利用者は、図１１に示されるユーザインタフェース画面の検索結果一覧表示部１３０３に、興味のある文書があるか否かを判断し、興味のある文書がある場合には、興味のある文書を選択する。情報分析システムは、利用者によって興味のある文書が選択されたか否かを判定する（１１０３）。
【０１１５】
ステップ１１０３において、利用者によって興味のある文書が選択されていないと判定された場合には、情報システムは、ステップ１１０４に進む。
【０１１６】
ここで、利用者は、次に、図１１に示されるユーザインタフェース画面のファセット表示部１３０２に興味のある数値（ファセットの値）があるか否かを判断し、興味のある数値がある場合には、数値を選択する。情報システムは、利用者が興味のある数値が選択されたか否かを判定する（１１０４）。
【０１１７】
ステップ１１０４において、利用者によって興味のある数値が選択されたと判定された場合には、情報システムは、ステップ１１０５に進む。
【０１１８】
利用者が、ファセット表示部１３０２（図１１）に示されたファセットの値から、興味ある値を選択すると、情報分析システムは、選択された値を受け付ける（１１０５）。情報分析システムは、利用者によって選択されたファセットの値を処理し、文書データベースによって、新たに文書集合を作成し、作成された文書集合を分析する。報分析システムは、分析された結果に基づいて、ファセット表示部１３０２の内容を変更して表示する（１１０２）。ここで、利用者は、新たに表示されたユーザインタフェース画面を閲覧することができる。なお、利用者は、各ファセットのそれぞれから複数の値を選択してもよい。
【０１１９】
なお、新たに表示されるユーザインタフェース画面とは、例えば、後述する図１２の画面である。
【０１２０】
ステップ１１０３において、利用者によって興味のある文書が選択されたと判定された場合には、情報分析システムは、利用者が検索結果一覧表示部１３０３（図１１）から選択した興味のある文書の内容をユーザインタフェース画面に表示する（１１０６）。ここで、利用者は、表示された文書の内容（「出典」「日付」「見出し」「本文」等）を閲覧することができる。また、利用者は、他の文書の内容を閲覧する場合には、分析クエリを修正してもよい。
【０１２１】
以下に、利用者によって選択された文書の内容が表示されたユーザインタフェース画面について、説明する。
【０１２２】
図１２は、本発明の実施形態のユーザインタフェース部に表示される文書内容閲覧の画面の例を示す説明図である。
【０１２３】
ユーザインタフェース画面は、キーフレーズ入力部１４０１、ファセット表示部１４０２、及び、文書内容表示部１４０３を含む。図１２では、分析クエリとして使用されたキーフレーズ及びファセットの値が強調されている。
【０１２４】
図１２に示したユーザインタフェース画面は、利用者によって図９に示したステップ１１０６が実行される時に表示される画面である。
【０１２５】
図９のステップ１１０７に戻る。
【０１２６】
ステップ１１０４において、利用者によって興味のある数値が選択されていないと判定された場合には、情報システムは、ステップ１１０７に進む。ここで、利用者は、次に、分析クエリを修正するか否かを判断する。
【０１２７】
情報システムは、利用者が分析クエリを修正する入力がされたか否かを判定する（１１０７）。
【０１２８】
ステップ１１０７において、分析クエリを修正する入力がされたと判定された場合には、情報システムは、利用者によって入力された分析クエリを受け付ける（１１０１）。ここで、分析クエリの入力とは、キーフレーズ入力部１３０１（図１１）に入力されているキーフレーズを書き換える、キーフレーズ入力部１３０１（図１１）に新たなキーフレーズを追加することである。
【０１２９】
一方、ステップ１１０７において、分析クエリを修正する入力がされていないと判定された場合には、情報システムは、ステップ１１０８に進む。ここで、利用者は、情報分析を継続するか否かを判断する。
【０１３０】
情報システムは、利用者が分析を継続する入力、及び、分析を終了する入力のいずれを受け付けたのかを判定する（１１０８）。
【０１３１】
ステップ１１０８において、分析を継続する入力を受け付けた場合には、情報分析システムは、ユーザインタフェース画面を利用者に継続して表示する（１１０２）。
【０１３２】
一方、ステップ１１０８において、分析を終了する入力を受け付けた場合には、情報分析システムは、入出力処理を終了する。
【０１３３】
以下に、情報分析システムによって実行される分析クエリの処理について説明する。
【０１３４】
図１３は、本発明の実施形態の分析クエリの処理を示すフローチャートである。
【０１３５】
分析クエリ処理には、分析クエリ受理処理１５０１、タイプ判断処理１５０２、形態素解析処理１５０３、数値表現抽出処理１５０４、数値化処理１５０５、換算処理１５０６、検索命令作成処理１５０７、検索命令送信処理１５０８、及び、ファセット処理１５０９がある。
【０１３６】
まず、分析クエリ受理処理１５０１において、分析クエリ処理部１０２は、ユーザインタフェース部１０１から送信された分析クエリ（キーフレーズ及びファセット）を受信する。次に、タイプ判断処理１５０２において、分析クエリ処理部１０２は、受信した分析クエリのタイプがキーフレーズ又はファセットのどちらであるのかを判定する。
【０１３７】
タイプ判断処理１５０２において、分析クエリのタイプがキーフレーズであると判定された場合には、分析クエリ処理部１０２は、次に、形態素解析処理１５０３に進む。
【０１３８】
ここで、形態素解析とは、名詞句又分等を形態素（最小単位、単語）に分割し、各形態素の品詞を判別する処理であるが、すでに広く知られた技術であるので、ここでは詳細な説明はしない。
【０１３９】
次に、形態素解析処理１５０３において、分析クエリ処理部１０２は、キーフレーズを単語に分割し、分割された単語に品詞等の情報を付与する。なお、キーフレーズが１語のみによって表現されている場合には、形態素解析処理１５０３は省略されてもよい。
【０１４０】
次に、入力されたキーフレーズが数値表現を含む場合には、数値表現処理部１０６は、キーフレーズに対して、数値表現抽出処理１５０４、数値化処理１５０５、及び、換算処理１５０６を実行する。数値表現抽出処理１５０４、数値化処理１５０５、換算処理１５０６は、各々、文書登録処理における数値表現抽出処理５０３（図３）、数値化処理５０４（図３）、換算処理５０５（図３）と同じである。
【０１４１】
一方、タイプ判断処理１５０２において、分析クエリのタイプがファセットであると判定された場合には、分析クエリ処理部１０２は、次に、ファセット処理１５０９に進む。
【０１４２】
ファセット処理１５０９において、分析クエリ処理部１０２は、受信したファセットから数値の最大値、最小値、及び、単位の三つを組として抽出し、命令作成処理１５０７に進む。
【０１４３】
つまり、分析クエリ処理部１０２は、分析クエリがキーフレーズである場合には、形態素解析処理１５０３から換算処理１５０６までの処理を実行し、分析クエリがファセットである場合には、ファセット処理１５０９を実行する。
【０１４４】
次に、命令作成処理１５０７において、分析クエリ処理部１０２は、各処理が実行されたキーフレーズ及びファセットを用い、文書データベース１０５に入力される分析命令（検索命令）を作成する。なお、分析命令は、ＳＱＬ形式で作成されてもよい。例えば、テーブルが図８Ａから図８Ｄに示したテーブルの形式によって文書データが文書データベース１０５に登録されている場合には、分析命令（検索命令）は、式（２）に示すＳＱＬの形式で作成される。なお、分析クエリ処理部１０２は、ファセットとして、最大値「１０００億」、最小値「１００億」、単位「円」、キーフレーズとして、「靴」を受信しているとする。
ＳＥＬＥＣＴ Ａ．文書識別子，Ａ．見出し，Ｂ．最大値，Ｂ．最小値，Ｂ．単位，
Ｂ．説明語１，Ｂ．説明語２，
Ｃ．年，Ｃ．月，Ｃ．日，Ｄ．新聞，Ｄ．面
ＦＲＯＭ ＴＡＢＬＥ＿Ａ Ａ，ＴＡＢＬＥ＿Ｂ Ｂ，ＴＡＢＬＥ＿Ｃ Ｃ，
ＴＡＢＬＥ＿Ｄ Ｄ
ＷＨＥＲＥ Ａ．文書識別 ＝ Ｂ．文書識別子
ＡＮＤ Ａ．文書識別 ＝ Ｃ．文書識別子
ＡＮＤ Ａ．文書識別 ＝ Ｄ．文書識別子
ＡＮＤ Ａ．文書本文 ＠＠ ‘靴’
ＡＮＤ Ｂ．最大値 ＜＝ １０００００００００００
ＡＮＤ Ｂ．最小値 ＞＝ １００００００００００
ＡＮＤ Ｂ．単位 ＝ 円’１０００００００００００ ・・・・・（２）
ただし、＠＠は、関係データベースＰｏｓｔｇｒｅＳＱＬ用の全文検索プログラムＬｕｄｉａにおいて、全文検索条件を記述する記号である。例えば、「ＸＸ ＠＠ ＹＹ」は、「項目ＸＸに対してＹＹを分析クエリとする全文検索」を意味する。
【０１４５】
次に、命令送信処理１５０８において、分析クエリ処理部１０２は、文書データベース１０５に、作成された分析命令（検索命令）を送信する。
【０１４６】
以下に、分析クエリ処理部１０２によって、分析命令が文書データベース１０５に送信された後の処理について説明する。
【０１４７】
文書データベース１０５は、分析クエリ処理部１０２から送信された分析命令を実行
した後、実行の結果（分析結果）を分析結果一覧表示部１０３に送信する。送信された分析結果（検索結果）には、文書を一意に識別するための「文書識別子」、文書の内容を判断するための「見出し」（文書タイトル）、文書に含まれる数値表現から抽出された「最大値」と「最小値」と「単位」との組が含まれる。なお、分析結果は、文書の「出典」及び「日付」の情報を含んでもよい。また、文書の内容を判断するために文書の内容（「本文」）の一部を含んでもよい。
【０１４８】
分析結果一覧表示部１０３は、受信した分析結果（検索結果）を表示用の画面データに変換して、変換された画面データをユーザインタフェース部１０１に送信する。ここで、画面データは、文書識別子と見出し（文書タイトル）とを対応付けて表示するためのデータ、及び、ファセットを選択できるように表示するためのデータを含む。
【０１４９】
また、利用者がユーザインタフェース部１０１に表示されたユーザインタフェース画面の検索結果一覧１３０３（図１１）から興味ある「見出し」（文書タイトル）を選択した場合には、ユーザインタフェース部１０１は、選択された見出し（図８Ａの見出し８０２）に対応付けられた文書識別子（図８Ａの文書識別子８０１）を文書内容表示部１０８に送信する。文書内容表示部１０８は、文書データベース１０５から送信された文書の内容を表示用の画面データに変換して、変換された画面データをユーザインタフェース部１０１に送信する。
【０１５０】
利用者がファセットの値を選択した場合には、分析クエリ処理部１０２は、ファセットの値（最大値、最小値、基準単位）を文書データベース１０５に送信する。分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果を、表示用の画面データに変換し、変換されたデータをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、図１１に示されるユーザインタフェース画面を利用者に表示する。
【０１５１】
図１１では、ファセットの値、すなわち、文書データベース１０５に登録されている文書に含まれる数値表現が指す具体的な数値（整数値又は実数値）は、数値の単位毎に表示される。なお、数値は、等比数列又は等差数列によって区分して表示されてもよい。例えば、等比数列によって区分して表示される場合には、比の値は１０とする。等差数列によって区分して表示される場合には、差の値は１０のｎ乗である。数値を等比数列又は等差数列によって区分する処理については、図１５を用いて後述する。
【０１５２】
図１１では、「円」及び「センチメートル」を等比数列によって区分して表示している。また、「歳」を等差数列によって区分して表示している。利用者が等比数列によって区分して表示された値を選択した場合には、分析結果一覧表示部１０３は、選択された値（最小値と最大値とによって示される数値）の部分を、さらに、等差数列に展開し、展開された各値を表示してもよい。また、分析結果一覧表示部１０３は、各ファセットの値と、各ファセットの値を含む文書の数とを並べて表示してよい。
【０１５３】
さらに、文書から抽出された数値表現の前後に出現する複数の説明語のうち、数値表現との関連性が最も高いと判定される少なくとも一以上の説明語を、数値と並べて表示してもよい。なお、複数の説明語から数値表現との関連性が最も高い説明語を選択する統計的な方法についてはいくつかあるが、本実施形態では、出現回数が多い説明語を最も関連性の高い説明語とした。また、図１１に示した分析結果の例では、説明語を一つのみ表示したが、二つ以上を表示してもよい。
【０１５４】
以下に、分析結果一覧表示部１０３が実行する処理の詳細について説明する。
【０１５５】
図１４は、本発明の実施形態の分析結果一覧表示処理を示すフローチャートである。
【０１５６】
分析結果一覧表示処理には、分析結果一覧データ受信処理１６０１、ファセットデータ作成処理１６０２、出力データ作成処理１６０３、及び、出力データ送信処理１６０４がある。
【０１５７】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果（検索結果）のデータを受信する（分析一覧データ受信処理１６０１）。受信したデータのうち、ファセットになるデータは、最大値と最小値と単位と説明語との組である。これらは、表示用のファセット構造に変換される（ファセットデータ作成処理１６０２）。
【０１５８】
以下に、ファセットデータ作成処理１６０２の詳細について説明する。
【０１５９】
図１５は、本発明の実施形態のファセットデータ作成処理１６０２の詳細を示すフローチャートである。
【０１６０】
分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を、基準単位毎に実行する。図１５に示したファセットデータ作成処理１６０２は、基準単位毎に分けられたファセットのデータの最大値と最小値との組の集合を対象とする。
【０１６１】
まず、分析結果一覧表示部１０３は、ファセットデータの各最大値のうち最も大きい最大値を「ＭＭａｘ」、各最小値のうち最も小さい最大値を「ＭＭｉｎ」とする（１７０１）。次に、分析結果一覧表示部１０３は、「ＭＭａｘ」と「ＭＭｉｎ」との比が１０より大きいか否かを判定する（１７０２）。
【０１６２】
ステップ１７０２において、比が１０より大きいと判定された場合には、分析結果一覧表示部１０３は、次に、ステップ１７０３に進む。
【０１６３】
一方、ステップ１７０２において、比が１０より大きくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０８に進む。
【０１６４】
なお、ステップ１７０３以降の処理は、ファセットを等比数列によって区分して表示するデータを作成する処理である。ステップ１７０８以降の処理は、ファセットを等差数列によって区分して表示するデータを作成する処理である。
【０１６５】
以下に、ファセットを等比数列によって区分して表示する場合の処理について述べる。
【０１６６】
まず、分析結果一覧表示部１０３は、受信したファセットのデータの最大値と最小値との組みのうち、処理されていない組みが少なくとも１組以上があるか否かを判定する（１７０３）。
【０１６７】
ステップ１７０３において、処理されていない組みが少なくとも１組以上があると判定された場合には、分析結果一覧表示部１０３は、１組の最大値及び最小値を取り出し（１７０４）、ステップ１７０５に進む。
【０１６８】
一方、ステップ１７０３において、処理されていない組みはない、すなわち、すべての組みについて処理が終了していると判定された場合は、分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を終了する。
【０１６９】
次に、分析結果一覧表示部１０３は、「ｉｎｔ（ｌｏｇ１０ 最大値）」、「ｉｎｔ（ｌｏｇ１０ 最小値）」を、各々、「Ｍａｘｌ」、「Ｍｉｎｌ」に代入する。ここで、「ｉｎｔ」は、「ｌｏｇ１０ 最大値」及び「ｌｏｇ１０ 最小値」の小数点以下を切り捨て、整数とする関数である。
【０１７０】
次に、分析結果一覧表示部１０３は、「１０の（Ｍａｘｌ）乗」、「１０の（Ｍｉｎｌ）乗」を、各々、「ＭａｘＬ」、「ＭｉｎＬ」に代入する（１７０５）。
【０１７１】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」を１０で割り、１０で割られた「ＭａｘＬ」を「ＭａｘＬ」に代入する。また、「ＭａｘＬ」をハッシュキーとするハッシュ「ＨａｓｈＴｂｌ」の値に「１」を加え、さらに、「ＭａｘＬ」をハッシュキーとするハッシュＳｅｔの値（データ型は集合）に説明語を追加する（１７０６）。
【０１７２】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」が「ＭｉｎＬ」より大きいか否か判定する（１７０７）。
【０１７３】
ステップ１７０７において、「ＭａｘＬ」が「ＭｉｎＬ」より大きいと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０６に戻る。つまり、「ＭａｘＬ」が「ＭｉｎＬ」と等しくなるまで、ステップ１７０６からステップ１７０７の処理を繰り返す。
【０１７４】
一方、ステップ１７０７において、「ＭａｘＬ」が「ＭｉｎＬ」より大きくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０３に戻る。
【０１７５】
以下に、ファセットを等差数列によって区分して表示する場合の処理について述べる。
【０１７６】
まず、分析結果一覧表示部１０３は、受信したファセットのデータの最大値と最小値との組みのうち、処理されていない組みが少なくとも１組以上があるか否かを判定する（１７０８）。
【０１７７】
ステップ１７０８において、処理されていない組みが少なくとも１組以上があると判定された場合には、分析結果一覧表示部１０３は、１組の最大値及び最小値を取り出し（１７０９）、ステップ１７１０に進む。
【０１７８】
一方、ステップ１７０８において、処理されていない組みはない、すなわち、すべての組みについて処理が終了していると判定された場合は、分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を終了する。
【０１７９】
次に、分析結果一覧表示部１０３は、「ｉｎｔ（ｌｏｇ１０ 最大値）」を「Ｍａｘｌ」に代入する。次に、「１０の（Ｍａｘｌ）乗」を「ＭａｘＬ」を代入する。次に、「ＭａｘＬ」の１０倍を「ＭａｘＥ」に代入する（１７１０）。
【０１８０】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」に「ＭａｘＯ」を加算する。また、「ＭａｘＬ」をハッシュキーとするハッシュ「ＨａｓｈＴｂｌ」の値に「１」を加え、さらに、「ＭａｘＬ」をハッシュキーとするハッシュＳｅｔの値（データ型は集合）に説明語を追加する（１７１１）。
【０１８１】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」が「ＭｉｎＥ」より小さいか否か判定する（１７１２）。
【０１８２】
ステップ１７１２において、「ＭａｘＬ」が「ＭｉｎＥ」より小さいと判定された場合には、分析結果一覧表示部１０３は、ステップ１７１１に戻る。つまり、「ＭａｘＬ」が「ＭｉｎＥ」と等しくなるまで、ステップ１７１１からステップ１７１３の処理を繰り返す。
【０１８３】
一方、ステップ１７１２において、「ＭａｘＬ」が「ＭｉｎＬ」より小さくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０８に戻る。
【０１８４】
図１４のステップ１６０３に戻る。
【０１８５】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果一覧データ、及び、ファセットデータ作成処理の結果を、表示用の画面データに変換する（出力データ作成処理１６０３）。例えば、ユーザインタフェース部１０１がウェブブラウザである場合には、分析結果一覧表示部１０３は、分析結果一覧データ及びファセットデータ作成処理の結果をＨＴＭＬ形式に変換する。なお、分析結果一覧表示部１０３は、ＨａｓｈＴｂｌに保存されたデータをＨａｓｈＴｂｌのキーの昇順にソートし、数値と説明語との組みをファセットの値として表示する。この場合、数値の文書数は、ファセットの値の小さい方をキーとするハッシュ「ＨａｓｈＴｂｌ」の値である。また、数値と並べて表示される説明語は、ハッシュＳｅｔの値である集合に最も多く出現する説明語である。
【０１８６】
出力データ送信処理１６０４において、分析結果一覧表示部１０３は、変換されたデータを、ユーザインタフェース部１０１（例えば、ウェブブラウザ）に送信する。ユーザインタフェース部１０１に送信されたデータは、例えば、図１１に示したユーザインタフェース画面として、利用者に閲覧される。
【０１８７】
図１１に示すユーザインタフェース画面が表示された場合、利用者は、表示された分析結果を閲覧することができる。ここで、利用者は、結果を閲覧して、内容を確認したい文書があるか否かを判断してもよい。内容を確認したい文書がある場合には、利用者は、内容を確認したい文書を、検索結果一覧表示部１３０３から選択し、選択された文書の内容を表示させることができる。
【０１８８】
利用者が文書を選択すると、ユーザインタフェース部１０１は、利用者が閲覧を希望した文書の文書識別子（図８Ａの文書識別子８０１）を文書内容表示部１０８に送信する。次に、文書内容表示部１０８は、ユーザインタフェース部１０１から送信された文書識別子を文書データベース１０５に送信し、文書データベース１０５から送信される文書の内容を受信する。文書内容表示部１０８は、受信した文書の内容を、例えば、「出典」、「日付」、「見出し」、「本文」等を含む表示用の画面データに変換し、変換された画面データをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、例えば、図１２に示すユーザインタフェース画面のとおり、選択された文書の内容を表示する。
【０１８９】
文書を閲覧した後、利用者は、分析クエリを修正して新たな分析を実行するか否かを判断してもよい。分析クエリを修正する場合には、利用者は、分析クエリを入力する。分析クエリを修正しない場合には、分析作業を継続するか否かを判断する。分析を継続する場合には、利用者は、再度、図１１に示されたユーザインタフェース画面を閲覧してもよい。分析を継続しない場合には、利用者は、分析作業を終了する。
【０１９０】
一方、内容を確認したい文書がない場合には、利用者は、ユーザインタフェース画面に表示されているファセットの数値から興味ある数値があるか否かを判断してもよい。
【０１９１】
利用者によって選択された数値の入力を受け付ける（図９のステップ１１０５）と、分析クエリ処理部１０２は、ファセット処理１５０９を実行し、作成された分析命令を文書データベース１０５に送信する。文書データベース１０５は、送信された分析命令に基づいて、登録された文書を分析し、分析結果を分析結果一覧表示部１０３に送信する。分析結果一覧表示部１０３は、送信された分析結果を表示用の画面データに変換し、変換されたデータをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、分析結果を利用者に表示する（図９のステップ１１０２）。
【０１９２】
以上説明したように、本実施形態によれば、情報分析システムは、文書から数値表現を抽出し、抽出された数値を具体的な値に変換し、数値をファセットとして利用することによって、あらかじめ分類体系を用意することなく文書カテゴライズに基づく文書分析を実行することができる。
【符号の説明】
【０１９３】
１０１ ユーザインタフェース部
１０２ 分析クエリ処理部
１０３ 分析結果一覧表示部
１０４ データ登録部
１０５ 文書データベース
１０６ 数値表現処理部
１０７ 説明語抽出部
１０８ 文書内容表示部
１２０１ キーフレーズ入力部
１２０２ ファセット表示部
１２０３ 文書一覧表示部
１３０１ キーフレーズ入力部
１３０２ ファセット表示部
１３０３ 文書一覧表示部
１４０１ キーフレーズ入力部
１４０２ ファセット表示部
１４０３ 文書内容表示部
【技術分野】
【０００１】
本発明は、データベース及びファイルサーバ等に保存されている電子文書の内容を分析するシステムに関し、特に、電子文書をその内容に従って分類し、利用者の情報分析作業を支援する分析システム及び情報分析方法に関する。
【背景技術】
【０００２】
電子化された文書が大量に蓄積され、自由に利用できるようになった。これによって、文書中の有用な情報を自動的に収集し、収集された情報を分析したいというニーズが高まっている。このようなニーズに応えることを目的として、自然言語処理の研究でも文書内容を分析する方法が研究されてきた。
【０００３】
自然言語処理における情報分析では、文書をその内容に従って分類する方法が代表的である。分類する方法には、文書クラスタリングと文書カテゴライズとの二つがある。
【０００４】
第１に、文書クラスタリングは、教師無し機械学習と呼ばれる方法の一つである。文書クラスタリングは、外部から分類基準を与えることなく、データそのものの内容を使って自動的に文書を分類する。文書クラスタリングは、二つの文書の間の類似度を数値によって表現し、類似度が高いとされた文書を同じグループに分類する方法である。
【０００５】
類似度は、比較されるそれぞれの文書に含まれる単語の使われ方が似ている程、高い数値が与えられる。文書の類似度を評価する方法には、単語を次元とし、単語に関する統計量を次元の値とするベクトルによって文書を表現し、各ベクトルの間の内積の値を計算する方法がよく用いられる。また、単語に関する統計量には、ｔｆ・ＩＤＦと呼ばれる尺度がよく用いられる。ｔｆ・ＩＤＦを計算する方法には、例えば、以下の式（１）を用いる方法がある（例えば、特許文献１参照）。
【０００６】
文書ｄｉにおける単語ｔｊのｔｆ・ＩＤＦの値：
（ｄｉ，ｔｊ）＝ｆ（ｉ，ｊ）×ｌｏｇ（Ｎ／ｎｊ）・・・・・（１）
ただし、ｆ（ｉ，ｊ）は文書ｉにおける単語ｊの出現頻度、Ｎは全文書数、ｎｊは単語ｊが出現する文書数である。
【０００７】
また、文書クラスタリングの方法には、類似度が近い文書から順に同じグループに分類する階層的クラスタリングがある（例えば、特許文献１参照）。また、文書集合をＫ個のグループ（Ｋはクラスタリングの実行者が指定する）に分類するＫ平均クラスタリングがある（例えば、特許文献２参照）。また、ベクトル化された文書を低次元の空間にマッピングする自己組織化マップがある（例えば、特許文献３参照）。
【０００８】
なお、利用者は、同じグループに分類された文書の内容、及び、同じグループに分類された文書から統計的な傾向を利用して抽出された単語に基づいて、文書クラスタリングによって得られる分類の結果が何を表しているのかを推定する。
【０００９】
第２に、文書を分類する他の方法である文書カテゴライズは、外部から与えられた分類基準（カテゴリ）によって、文書を分類する。
【００１０】
文書カテゴライズは、あらかじめ分類基準を定義し、定義された分類基準に従って、いくつかの文書を分類する。そして、分類済みの文書と新しい文書との間の類似度を評価し、類似度が高いと評価された場合には、分類済み文書が含まれる分類基準（カテゴリ）に新しい文書を分類する。なお、文書の類似度は、特許文献１に記載された方法によって評価することが一般的である。文書カテゴライズに関して、例えば、あらかじめ定義された法律に関する分類基準に従って、法律文書を分類する方法がある（例えば、特許文献４参照）。なお、特許文献４に記載された方法では、分類基準は１種類であるが、複数の分類基準を使うこともできる。
【００１１】
複数の分類基準に従って文書を分類する方法として、ファセットナビゲーションがある（例えば、特許文献５参照）。ファセットナビゲーションは、複数の分類基準（ファセット）に従って文書を分類し、分類された文書を閲覧する方法である。
【００１２】
図書館で文書を分析する作業を例として、ファセットナビゲーションの概要について説明する。ファセットナビゲーションでは、複数の分類基準（ファセット）を利用者に対して表示する。利用者は、ファセットに含まれる複数の値から一の値を選択することによって、文書を分析する。ファセットナビゲーションでは、ファセットの値と、ファセットの値を含む文書の数とが対応付けられて表示される。利用者は、ファセットの値を含む文書の数から文書集合のおおまかな傾向を把握することができる。また、キーワードによる検索が組み合わされたファセットナビゲーションも考えられる。
【００１３】
図２は、従来のファセットナビゲーションの画面の例を示す説明図である。
【００１４】
図２では、文書を選択するためのファセットとして、例えば、「出版社」、「言語」、「発行年」、「ジャンル」、「著者」、「所在」が利用者に表示されている。また、ファセット毎にファセットの値と、その値を含む文書の数が表示されている。例えば、ファセット「言語」の値は、「日本語」「英語」「中国語」である。利用者は、各ファセットの値を選ぶことによって、ファセットの値で表される分類の文書を収集することができる。
【００１５】
例えば、図２では、「発行年」が「２００７年」を選択した状態が表わされている。利用者は、ファセット「発行年」の値「２００７」である文書の集合のうち、ファセット「ジャンル」の「科学」に関わる文書は１００冊、「文学」に関する文書は１２０冊あると知ることができる。なお、ファセットの内容は階層的な関係になっていてもよい。例えば、図２では、「２００７年」は「上期」と「下期」とに分かれている。
【００１６】
このように、文書の集合が変化すると、ファセットの値とその値を含む文書の数が変化し、利用者は、新たに得られた文書の集合のおおまかな傾向を把握することできる。なお、ファセットナビゲーションの画面には、検索キーワードの入力部が設けられている。
【先行技術文献】
【特許文献】
【００１７】
【特許文献１】特開平１１−２５９５０９号公報
【特許文献２】特開２００２−１０８８９４号公報
【特許文献３】特開平１０−１７１８２３号公報
【特許文献４】特表２００３−５２６１４０号公報
【特許文献５】米国特許第７０３５８６４号明細書
【発明の概要】
【発明が解決しようとする課題】
【００１８】
前述した文書クラスタリングは、外部から分類基準を与えることなく、文書そのものの内容を使って自動的に分類する方法である。つまり、文書の集合のみを用いる簡便な方法である。しかし、分類基準が明らかでないために、分類の結果として得られる文書のグループが何を表しているのかよく分からないことがある。
【００１９】
また、文書クラスタリングでは、必ずしも利用者が求める文書のグループが得られるとは限らない。さらに、利用者が求めるグループが得られるようにクラスタリングの処理を調整することも難しい。
【００２０】
例えば、特許文献１に示された図１４には、「半導体」について検索して得られた文書集合をクラスタリングした結果が例として示されている。この例では、二つのクラスタ（グループ）が示され、それぞれのクラスタの内容を示すキーワードが示されている。しかしながら、利用者が豊富な背景知識を持たない場合には、キーワードのみによってクラスタ（グループ）の内容を推定することは困難である。
【００２１】
例えば、特許文献１の図１４に示されたクラスタ１に分類された各文書は、日米の貿易摩擦に関する文書であるが、日米通商摩擦当時の半導体協定に関する知識を持たない利用者にとっては、このクラスタ（グループ）が貿易摩擦についての文書を収集した結果であることを推定することは難しい。なお、特許文献２及び３に記載された方法によっても、利用者が分類の結果として得られる文書のグループが何を表しているのかを推定することは難しい。
【００２２】
一方、文書カテゴライズでは、あらかじめ定義された分類基準が外部から与えられるため、分類の結果得られる文書のグループが何を表しているのかは明瞭である。また、利用者は、意図したとおりに文書を分類することができる。また、利用者は、複数の分類基準（ファセット）を用いたファセットナビゲーションを利用し、文書を分析することができる。
【００２３】
しかしながら、文書カテゴライズに用いる分類基準を構築することは手間がかかるという問題がある。そして、特許文献４及び５に記載された方法によっては、この問題を解決できない。
【００２４】
つまり、従来の情報分析方法のうち、文書クラスタリングには、情報分析によって得られた文書グループの意味が分かりづらいという欠点があり、文書カテゴライズには、構築に手間がかかる分類記述が必要であるという問題がある。
【００２５】
本発明は、前述した問題に鑑みてなされたものであり、分類基準を外部から与えることなく文書そのものの内容に従って文書を分類することができ、かつ、分類された文書のグループの意味を利用者が容易に推定することができる分析システム及び情報分析方法を提供することを目的とする。
【課題を解決するための手段】
【００２６】
本発明の代表的な一例を示せば以下のとおりである。すなわち、記憶された文書を分析する分析システムであって、プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、前記プロセッサは、記憶された前記文書から文書集合を作成し、前記作成された文書集合から数値表現を抽出し、前記抽出された数値表現から、数値と前記数値の単位とを取得し、前記数値を前記単位毎に分類し、前記分類された数値を前記数値の大きさに従って分類し、前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする。
【発明の効果】
【００２７】
本発明の一実施形態によれば、文書中に含まれる数値表現を利用し、分類基準をあらかじめ定義することなく、複数の分類基準を使ったファセットナビゲーションによって、文書を分類し、また、情報を分析することができる。
【図面の簡単な説明】
【００２８】
【図１】本発明の実施形態の数値表現を利用した情報分析システムの構成を示すブロック図である。
【図２】従来のファセットナビゲーションの画面の例を示す説明図である。
【図３】本発明の実施形態の文書登録処理を示すフローチャートである。
【図４】本発明の実施形態の数値化処理の詳細を示すフローチャートである。
【図５】本発明の実施形態の換算処理に用いる表を示す説明図である。
【図６】本発明の実施形態のデータ登録部に入力される文書の例を示す説明図である。
【図７】本発明の実施形態のデータ登録部によって文書登録処理された文書の例を示す説明図である。
【図８Ａ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｂ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｃ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図８Ｄ】本発明の実施形態の関係データベースに登録されるテーブルの例を示す説明図である。
【図９】本発明の実施形態の情報分析作業のための入出力処理を示すフローチャートである。
【図１０】本発明の実施形態のユーザインタフェース部に表示される初期画面の例を示す説明図である。
【図１１】本発明の実施形態のユーザインタフェース部に表示される分析結果閲覧の画面の例を示す説明図である。
【図１２】本発明の実施形態のユーザインタフェース部に表示される文書内容閲覧の画面の例を示す説明図である。
【図１３】本発明の実施形態の分析クエリ処理を示すフローチャートである。
【図１４】本発明の実施形態の分析結果一覧表示処理を示すフローチャートである。
【図１５】本発明の実施形態のファセットデータ作成処理の詳細を示すフローチャートである。
【発明を実施するための形態】
【００２９】
＜実施形態＞
以下に、本発明の実施形態について、図面を用いて説明する。
【００３０】
本実施形態の情報分析システムの構成及び処理について説明する。また、具体的な例として、文書が登録された文書データベースを検索し、検索された文書を分析する処理について説明する。
【００３１】
図１は、本発明の実施形態の数値表現を利用した情報分析システムの構成を示すブロック図である。
【００３２】
本実施形態の情報分析システムは、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、データ登録部１０４、文書データベース１０５、数値表現処理部１０６、説明語抽出部１０７、及び、文書内容表示部１０８を備える。
【００３３】
また、本実施形態の情報分析システムは、少なくとも一以上のプロセッサ、少なくとも一以上のメモリ、記憶装置、キーボード、ポインティングデバイス等の情報入力装置、及び、モニタディスプレイ等の情報出力装置を備える。記憶装置は、各種プログラム及び電子文書のデータを格納する。メモリは、プロセッサによって実行される各種プログラムを格納する。プロセッサは、記憶装置に格納された各種プログラムをメモリにロードし、ロードされた各種プログラムを実行することによって、各部の処理を実現してもよい。
【００３４】
なお、本実施形態の情報分析システムは、例えば、端末及びサーバによって構成されてもよい。この場合、端末は、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、数値表現処理部１０６、及び、文書内容表示部１０８を備える。また、サーバは、データ登録部１０４、数値表現処理部１０６、説明語抽出部１０７、及び、文書データベース１０５を備える。
【００３５】
また、本実施形態の情報分析システムは、ブラウザの機能のみを備えた端末、及び、サーバによって構成されてもよい。この場合、端末は、ユーザインタフェース部１０１のみを備える。また、サーバは、分析クエリ処理部１０２、分析結果一覧表示部１０３、データ登録部１０４、文書データベース１０５、数値表現処理部１０６、説明語抽出部１０７、及び、文書内容表示部１０８を備える。
【００３６】
図１に示した情報分析システムは、大きく分けて２種類の処理を実行する。第１に、情報分析システムは、利用者がシステムと対話的に実行する情報分析作業のための入出力処理を実行する。第２に、情報分析システムは、解析対象の文書を文書データベースに登録する文書登録処理を実行する。
【００３７】
入出力処理は、ユーザインタフェース部１０１、分析クエリ処理部１０２、分析結果一覧表示部１０３、文書データベース１０５、数値表現処理部１０６、及び、文書内容表示部１０８によって実現される。
【００３８】
利用者は、ユーザインタフェース部１０１に分析クエリを入力する。ここで、分析クエリとは、文書の検索又は分類に用いるキーフレーズ及びファセットの値である。分析クエリの詳細については、後述する。
【００３９】
分析クエリ処理部１０２は、利用者によって入力された分析クエリを文書データベース１０５に対する分析命令に変換する。なお、分析命令の形式は、文書データベース１０５の種類に依存する。例えば、文書データベース１０５として関係データベースを用いる場合には、検索実行命令は、ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇａｇｅ）によって表現される。また、ＸＭＬデータベースを用いる場合には、検索実行命令は、ＸＱｕｅｒｙによって表現される。また、全文検索システムを用いて文書データベース１０５を構築する場合には、専用の検索言語を使用してもよい。
【００４０】
分析クエリ処理部１０２は、数値表現処理部１０６を用いて、分析クエリに含まれる数値表現を処理する。
【００４１】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果を受信し、受信した分析結果をユーザインタフェース部１０１に表示することができる画面データに変換し、変換された画面データをユーザインタフェース部１０１に送信する。例えば、端末でウェブブラウザが実行される場合には、分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果をＨＴＭＬ形式のデータに変換する。なお、本実施形態では、端末は、ウェブブラウザを使用しなくてもよい。また、画面に表示するためのデータは、ＨＴＭＬ形式に制限する必要はない。
【００４２】
文書内容表示部１０８は、利用者がユーザインタフェース部１０１に表示された画面から、閲覧したい文書を選択した場合には、文書の内容を表示するための要求を文書データベース１０５に送信する。文書データベース１０５は、文書の内容を文書内容表示部１０８に送信する。文書内容表示部１０８は、送信された文書の内容をユーザインタフェース部１０１が表示することができる形式（例えば、ＨＴＭＬ）に変換して、ユーザインタフェース部１０１に送信する。
【００４３】
文書登録処理は、データ登録部１０４、数値表現処理部１０６、説明語抽出部１０７及び文書データベース１０５によって実現される。
【００４４】
データ登録部１０４は、数値表現処理部１０６及び説明語抽出部１０７を用いて、分析対象となる入力文書から、分析に必要なデータを抽出し、抽出された分析に必要なデータを入力文書に付加した後、入力文書を文書データベース１０５に登録する。ここで、分析に必要なデータとは、数値表現とその数値表現の説明語である。ここで、説明語とは数値表現の数値が何についての数値かを説明する入力文書中の単語である。
【００４５】
以下に、文書登録処理の詳細について説明する。
【００４６】
図３は、本発明の実施形態の文書登録処理を示すフローチャートである。
【００４７】
文書登録処理には、文書ファイル入力処理５０１、文書部分抽出処理５０２、数値表現抽出処理５０３、数値化処理５０４、換算処理５０５、説明語抽出処理５０６、文書整形処理５０７、及び、文書出力処理５０８がある。
【００４８】
まず、文書ファイル入力処理５０１において、データ登録部１０４は、分析対象となる文書を入力する。文書は、ワードプロセッサ等によって作成された文書ファイルでもよいし、光学式文字読取装置（ＯＣＲ）等によって電子化された文書ファイルでもよい。ただし、どちらの場合でも、文書は文字コード化されている。なお、文字コードには、任意のコードを用いることができる。
【００４９】
次に、文書部分抽出処理５０２において、データ登録部１０４は、入力された文書ファイルから文書部分を抽出する。ここで、文書部分とは、当該文書ファイルの内容と考えられるプレーンテキストの部分である。文書部分を抽出するとは、入力された文書ファイルからフォーマット情報及びメタデータを取り除く処理である。
【００５０】
次に、数値表現抽出処理５０３において、データ登録部１０４は、数値表現処理部１０６を用い、抽出された文書部分から数値表現を抽出する。ここで、数値表現とは、アラビア数字又は漢数字等で表記される数値、単位、助数詞、範囲表現（「〜」、「から」等の範囲を表す表現）を含む数字文字列の部分である。本実施形態では、数値表現に使われる数字文字列を検索するために、正規表現に基づくパターンを記述し、そのパターンと文書中に含まれる数値表現の数字文字列とを照合することによって、数値表現を抽出するが、その他の方法でもよい。ここで、正規表現とは、複数の数字列及び文字列を一つのパターンで表現する方法である。
【００５１】
次に、数値化処理５０４において、データ登録部１０４は、数値表現処理部１０６を用い、抽出された数値表現に含まれる数字列（ただし、範囲表現を含む）を、具体的な値（整数値、又は、実数値）に変換する。なお、数字列は範囲表現を含むため、変換された値は、数字列に含まれる数値の最大値と最小値とが出力されてもよい。例えば、「百から二百」という数字列は、「最大値：２００、最小値：１００」として出力される。
【００５２】
以下に、数値化処理５０４の詳細について説明する。
【００５３】
図４は、本発明の実施形態の数値化処理５０４の詳細を示すフローチャートである。
【００５４】
まず、数値表現処理部１０６は、数字列を取得する（６０１）。次に、数値表現処理部１０６は、取得した数字列がコンマを含むか否かを判定する（６０２）。ステップ６０２において、取得した数字列がコンマを含むと判定された場合には、数値表現処理部１０６は、ステップ６０３へ進む。一方、取得した数字列がコンマを含まないと判定された場合には、ステップ６０８へ進む。
【００５５】
数値表現処理部１０６は、コンマを含む数字列が３桁の位どりの形式であるか否かを判定する（６０３）。ステップ６０３において、コンマを含む数字列が３桁の位どりの形式であると判定された場合には、数値表現処理部１０６は、数字列からコンマを削除し、ステップ６０８へ進む。
【００５６】
ステップ６０３において、コンマを含む数字列が３桁の位どりの形式でないと判定された場合には、数値表現処理部１０６は、コンマの前後にある数字が連番であるか否かを判定する（６０４）。
【００５７】
ステップ６０４において、連番ではないと判定された場合には、数値表現処理部１０６は、コンマで数字を分割し（６０５）、ステップ６０８に進む。ステップ６０４において、連番であると判定された場合には、ステップ６０７に進む。
【００５８】
ステップ６０７では、変数Ａ、Ｂ、Ｃ、Ｄが使用される。具体的には、数値表現処理部１０６は、コンマの前一文字をＡに、コンマの後一文字をＢに、数字列の先頭からコンマの二文字前までをＣに、コンマの二文字後から数字列の末尾までをＤに代入する。数値表現処理部１０６は、Ｃ、Ａ、Ｄの順にその値を連結した数字列と、Ｃ、Ｂ、Ｄの順にその値を連結した数字列を作成する。以降では、この作成された数字列を処理する。ステップ６０８へ進む。
【００５９】
ステップ６０８では、変数Ｖ、Ｃ１、Ｃ２、Ｆが使用される。数値表現処理部１０６は、変数Ｖの初期値を「０」、変数Ｃ１の初期値を「１」、変数Ｃ２の初期値を「１」、変数Ｆの初期値を「０」とする（６０８）。次に、数値表現処理部１０６は、数字列の右（末尾）から順に１文字ずつ抽出する（６０９）。
【００６０】
数値表現処理部１０６は、抽出された数字の値が、漢数字の〇から九、及び、アラビア数字の０から９のいずれかであるか否かを判定する（６１０）。ステップ６１０において、〇から九、及び、０から９のいずれかであると判定された場合には、数値表現処理部１０６は、「数字の値」×Ｃ１×Ｃ２をＶに加え、また、Ｃ１を１０倍する（６１４）。
【００６１】
一方、ステップ６１０において、〇から九、及び、０から９のいずれでもないと判定された場合には、数値表現処理部１０６は、次に、数字の値が漢数字の十、百、千のいずれかであるか否かを判定する（６１１）。
【００６２】
ステップ６１１において、漢数字の十、百、千のいずれかであると判定された場合には、数値表現処理部１０６は、次に、Ｆが「１」であるか否かを判定する（６１５）。ステップ６１５において、Ｆが「１」であると判定された場合には、数値表現処理部１０６は、Ｃ１×Ｃ２をＶに加える（６１６）。さらに、Ｃ１に数字の値（１０、１００、１０００）を代入し、Ｆに「１」を代入する（６１７）。一方、ステップ６１５において、Ｆが「１」でないと判定された場合には、数値表現処理部１０６は、ステップ６１７に進む。
【００６３】
一方、ステップ６１１において、漢数字の十、百、千のいずれかでもないと判定された場合には、数値表現処理部１０６は、数字が漢数字の万、億、兆、京、亥のいずれかであるか否かを判定する（６１２）。
【００６４】
ステップ６１２において、漢数字の万、億、兆、京、亥のいずれかであると判定された場合には、数値表現処理部１０６は、次に、Ｆが「１」であるか否かを判定する（６１８）。一方、ステップ６１２において、漢数字の万、億、兆、京、亥のいずれかでもないと判定された場合には、数値表現処理部１０６は、エラーを出力し（６１３）、数値化処理５０４を終了する。
【００６５】
ステップ６１８において、Ｆが「１」であると判定された場合には、数値表現処理部１０６は、Ｃ１×Ｃ２をＶに加える（６１９）。一方、ステップ６１８において、Ｆが「１」でないと判定された場合には、数値表現処理部１０６は、Ｃ２に数字の値（例えば、「１００００」等）、Ｃ１に「１」、Ｆに「０」を代入する（６２０）。
【００６６】
次に、数値表現処理部１０６は、数字列のうち、まだ検査されていない桁が残っているか否かを判定する（６２１）。ステップ６２１において、検査されていない桁が残っていないと判定された場合には、数値表現処理部１０６は、Ｖを出力し（６２２）、数値化処理５０４を終了する。ステップ６２１において、検査されていない桁が残っていると判定された場合には、ステップ６０９以降を繰り返す。
【００６７】
図３の換算処理５０５の処理に戻る。
【００６８】
換算処理５０５において、数値表現処理部１０６は、数値表現に含まれる単位を、基準となる単位（以下、基準単位）に変換する。ここで、基準単位とは、利用者によって指定される単位であり、ある尺度の中で換算後に用いられる単位である。例えば、利用者によって長さの基準単位が「メートル」に指定されている場合には、文書中から抽出された数値表現「１０ｃｍ」は「０．１メートル」に換算される。また、長さの基準単位が「センチメートル」に指定されている場合には、「０．１ｍ」は「１０センチメートル」に換算される。
【００６９】
以下に、換算処理５０５の詳細について、説明する。
【００７０】
図５は、本発明の実施形態の換算処理５０５に用いられる表を示す説明図である。
【００７１】
数値表現処理部１０６は、単位構造解析機能７０２及び計算機能７０３によって、基準単位選択用表７０１、接頭辞換算表７０４、及び、単位換算表７０５を用い、換算処理５０５を実行する。
【００７２】
基準単位選択用表７０１は、項目名として、単位又は助数詞７１１、尺度７１２、及び、尺度がとる基準単位７１３を含む。尺度７１２及び尺度がとる基準単位７１３は、計量法及び計量単位令を参考に定義される。なお、前述した法令に含まれない尺度及び基準単位が定義されてもよい。
【００７３】
数値表現処理部１０６は、数値表現に含まれる数値の右側に単位が与えられている場合には、基準単位選択用表７０１に基づいて、与えられた単位７１１に対応する基準単位を選ぶ。
【００７４】
また、数値表現処理部１０６は、尺度７１２が個数である、すなわち、数値表現に含まれる数値の右側に物の個数を数える助数詞（例えば、１個の「個」、１台の「台」等）が与えられている場合には、基準単位７１３を「個」とする。また、尺度７１２が含有量等の割合を示すものである場合には、基準単位７１３を「％」とする。
【００７５】
単位構造解析機能７０２は、文脈自由文法に基づく構文解析プログラムによって、単位の構造を解析する。具体的には、抽出された数値表現に含まれる単位を、単位の接頭辞と、単位とに分ける。例えば、「１０ｃｍ」の「ｃｍ」を、接頭辞の「ｃ」と単位の「ｍ」とに分ける。ここで、文脈自由文法とは、プログラミング言語の設計、コンパイラの構文の解析に利用される形式文法の一つである。また、構文解析プログラムとは、文節間の係り受けの構造を解析するプログラムである。
【００７６】
計算機能７０３は、単位構造解析機能７０２によって単位の構造が解析された後、接頭辞換算表７０４及び単位換算表７０５を用いて、抽出された数値を基準単位に合うように換算する。接頭辞換算表７０４は、単位の接頭辞と、接頭辞によって表わされる１０のＮ乗倍のＮに相当する値とを含む。単位換算表７０５は、変換元単位７１４、基準単位７１５、及び、変換式７１６を含む。計算機能７０３は、数値表現から抽出された数値を変換式７１６のＸに代入する。
【００７７】
例えば、文書中の数値表現に含まれる「１０ｃｍ」を基準単位「メートル」に換算する場合には、計算機能７０３は、接頭辞換算表７０４によって、接頭辞「ｃ」を「１０の（−２）乗」とし、数値「１０」×「１０の（−２）乗」を計算する。また、単位換算表７０５によって、単位「ｍ」を基準単位「メートル」とし、計算された数値「０．１」を変換式７１６のＸに代入する。これによって、「１０ｃｍ」は「０．１メートル」に換算される。
【００７８】
また、例えば、文書中の数値表現に含まれる「１ｍ」を基準単位「センチメートル」に換算する場合には、計算機能７０３は、単位換算表７０５を用い、数値「１」を変換式「Ｘ×１０の２乗」（図示省略）のＸに代入する。これによって、「１ｍ」は「１００センチメートル」に換算される。
【００７９】
図３の説明語抽出機能５０６の処理に戻る。
【００８０】
説明語抽出処理５０６において、説明語抽出部１０７は、抽出された数値表現が何を表すのかを説明する単語（説明語）を文書から抽出する。なお、説明語は、数値表現の前後からｎ個が抽出される。本実施形態では、ｎを１としたが、ｎを２以上としてもよい。
【００８１】
なお、例えば、「藤畑勝之、外２名、「係り受けの制約と優先規則に基づく数量表現抽出」、情報処理学会、自然言語処理研究会ＮＬ−１４５−１８、２００１年９月、Ｖｏｌ．２００１、Ｎｏ．８６、ｐ１１９−１２５」に記載された方法によって、数値表現と数値表現の前後の単語との係り受け関係から、説明語を抽出してもよい。ここで、「係り受けの制約と優先規則に基づく数量表現抽出」に記載された方法とは、数値表現と、数値表現に係る格助詞と、数値表現に係る名詞句及びその格助詞と、数値表現に係る名詞句及びその格助詞との組み合わせから、あらかじめ定義された規則に従って、数値表現が指し示すものが何かを推定する方法である。
【００８２】
次に、文書整形処理５０７において、データ登録部１０４は、抽出された数値の最大値、最小値、単位、及び、抽出された説明語を、元の文書に付加することによって、文書を整形する。
【００８３】
次に、文書出力処理５０８において、データ登録部１０４は、整形された文書を文書データベース１０５に送信する。送信された文書は、文書データベース１０５に登録される。
【００８４】
図６、図７は、各々、本発明の実施形態のデータ登録部に入力される文書の例、データ登録部によって文書登録処理された文書の例を示す説明図である。
【００８５】
例えば、図６に示す入力文書は、図３に示された文書登録処理によって処理されると、図７に示す文書になる。
【００８６】
本実施形態の情報分析システムは、図６に示した「文書」の「本文」の部分から数値表現を抽出し、抽出された数値表現の前後に出現する単語を説明語として抽出する。また、抽出された数値表現を整数値等の数値及び数値の単位に変換する。そして、変換された数値、単位及び説明語を文書に追加する。図６及び図７に示した例では、文書の構造は、ＸＭＬで記述されているが、本実施形態は、文書の構造を記述する方法を特に制限しない。
【００８７】
図７に示した文書は、文書データベース１０５に登録される。利用者は、登録された文書に付与された一意の文書識別子、元の文書に含まれる単語、及び、項目名（及びその値）の３つの方法を使って、登録された文書を検索することができる。ここで、項目名とは、図８Ａから図８Ｄを用いて後述する各テーブルに含まれるカラムの名である。本実施形態の情報分析システムは、全文検索技術、関係データベース、及び、ＸＭＬデータベースを用いて、このような検索の機能を実現してもよい。本実施形態では、全文検索機能を追加した関係データベースを用いた。具体的には、オープンソースのデータベースＰｏｓｔｇｒｅＳＱＬに、全文検索用のプログラムＬｕｄｉａを追加したデータベースを用いた。また、関係データベースＨｉＲＤＢに、全文検索用のプログラムＴｅｘｔＳｅａｒｃｈ Ｐｌｕｇ−ｉｎを追加した商用のデータベースを用いてもよい。これらのデータベースは、すでに広く使われている技術であるため、前述したデータベースの詳細については説明しない。
【００８８】
以下に、文書データベース１０５に登録されるテーブルの形式について説明する。
【００８９】
図８Ａ、図８Ｂ、図８Ｃ、図８Ｄは、各々、本発明の実施形態の関係データベースに登録される各テーブルの例を示す説明図である。
【００９０】
データ登録部１０４は、元の文書の内容を、全文検索の対象となるデータ型、例えば、図８Ａから図８Ｄに示された、ＴＡＢＬＥ＿ＡからＴＡＢＬＥ＿Ｄのすべての形式によって文書データベース１０５に登録する。
【００９１】
図８ＡのＴＡＢＬＥ＿Ａは、文書識別子８０１、文書の見出し８０２、及び、文書の本文８０３を含む。
【００９２】
図８ＢのＴＡＢＬＥ＿Ｂは、文書識別子８０４、最大値８０５、最小値８０６、基準単位８０７、説明語１ ８０８、及び、説明語２ ８０９を含む。
【００９３】
図８ＣのＴＡＢＬＥ＿Ｃは、文書識別子８１０、及び、文書の項目（例えば、年８１１、月８１２、日８１３）を含む。
【００９４】
図８ＤのＴＡＢＬＥ＿Ｄは、文書識別子８１４、及び、文書の項目（例えば、出典８１５、面８１６）を含む。
【００９５】
ＴＡＢＬＥ＿Ｂでは、抽出された数値表現から得られた数値の最大値と、最小値と、基準単位と、数値表現の前後から得られた説明語との組みが、文書識別子に対応付けられている。
【００９６】
また、ＴＡＢＬＥ＿Ｃ及びＴＡＢＬＥ＿Ｄでは、元の文書に含まれる項目の値（例えば、図６に示した文書の項目「日付」２００７年１月２日）が文書識別子に対応付けられて、テーブルに登録されている。
【００９７】
なお、本実施形態では、データ登録部１０４は、文書のデータを、複数のテーブルに分けて登録したが、すべてのデータを一つのテーブルにまとめて登録してもよい。
【００９８】
利用者は、文書に含まれる語（後述する分析クエリ）を用いた全文検索のほか、文書の「項目」の値を利用して、情報分析を実行してもよい。また、情報分析システムは、利用者によって入力された後（分析クエリ）に基づいて、全文検索を実行し、分析クエリを含む文書の集合を作成するだけでなく、ユーザによって指定された文書の項目（例えば、「日付」、「出典」等）ほかに基づいて、文書の集合を作成してもよい。
【００９９】
以下に、情報分析作業のための入出力処理について説明する。ユーザインタフェース部１０１は、情報分析作業において、利用者の入力作業を受け、得られた分析結果を利用者へ表示する。
【０１００】
図９は、本発明の実施形態の情報分析作業のための入出力処理を示すフローチャートである。
【０１０１】
まず、情報分析システムは、利用者によって入力された分析クエリを受け付ける（１１０１）。ここで、分析クエリとは、キーフレーズ、又は、ファセットの値である。なお、キーフレーズは、一般にいうキーワード（単語）のほか、名詞句及び文を含む。
【０１０２】
ここで、利用者が情報分析作業を開始する時のユーザインタフェース画面の構成について説明する。
【０１０３】
図１０は、本発明の実施形態のユーザインタフェース部に表示される初期画面の例を示す説明図である。
【０１０４】
ユーザインタフェース画面は、キーフレーズ入力部１２０１、ファセット入力部１２０２、及び、検索結果一覧表示部１２０３を含む。
【０１０５】
ユーザインタフェース画面は、利用者が分析クエリを入力する（図９のステップ１１０１）時に表示される画面である。つまり、利用者が情報分析システムを利用する時に初めに表示される初期画面である。
【０１０６】
図９のステップ１１０２に戻る。
【０１０７】
利用者によって、図１０に示すキーフレーズ入力部１２０１にキーフレーズ（例えば、「靴」）が入力されると、情報分析システムは、キーフレーズの入力を受け付け（１１０１）、分析クエリの処理を開始する。情報分析システムは、ユーザインタフェース画面に分析結果（例えば、「靴」に関する文書を分析した結果）を表示する（１１０２）。利用者は、表示された分析結果を閲覧することができる。以下に、分析結果が表示されたユーザインタフェース画面について、説明する。
【０１０８】
図１１は、本発明の実施形態のユーザインタフェース部に表示される分析結果閲覧の画面の例を示す説明図である。
【０１０９】
分析結果が表示されたユーザインタフェース画面は、キーフレーズ入力部１３０１、ファセット表示部１３０２、及び、検索結果一覧表示部１３０３を含む。
【０１１０】
キーフレーズ入力部１３０１には、「靴」が入力されている。ファセット表示部１３０２には、キーフレーズ「靴」を含む文書から抽出された数値表現から得られた数値と説明語とが、数値の基準単位毎、すなわち、ファセット毎に表示される。検索結果一覧表示部１３０３には、キーフレーズ「靴」を含む文書の項目（例えば、「出典」「日付」、「見出し」）が表示される。
【０１１１】
これによって、利用者は、ファセット及びファセットの値に基づき、分類の結果得られた文書のグループの意味を推定することができる。具体的には、利用者は、例えば、ファセット「円」と、ファセット「円」の値（数値）と、値（数値）に付与された説明語とによって、文書のグループが、例えば、靴に関する業種の業績、株式市場、商品の話題を収集したものであると推定することができる。
【０１１２】
なお、図１１に示したユーザインタフェース画面は、利用者が図９に示したステップ１１０２のほか、ステップ１１０３、１１０４及び１１０５が実行された時に表示される画面である。
【０１１３】
図９のステップ１１０３に戻る。
【０１１４】
ここで、利用者は、図１１に示されるユーザインタフェース画面の検索結果一覧表示部１３０３に、興味のある文書があるか否かを判断し、興味のある文書がある場合には、興味のある文書を選択する。情報分析システムは、利用者によって興味のある文書が選択されたか否かを判定する（１１０３）。
【０１１５】
ステップ１１０３において、利用者によって興味のある文書が選択されていないと判定された場合には、情報システムは、ステップ１１０４に進む。
【０１１６】
ここで、利用者は、次に、図１１に示されるユーザインタフェース画面のファセット表示部１３０２に興味のある数値（ファセットの値）があるか否かを判断し、興味のある数値がある場合には、数値を選択する。情報システムは、利用者が興味のある数値が選択されたか否かを判定する（１１０４）。
【０１１７】
ステップ１１０４において、利用者によって興味のある数値が選択されたと判定された場合には、情報システムは、ステップ１１０５に進む。
【０１１８】
利用者が、ファセット表示部１３０２（図１１）に示されたファセットの値から、興味ある値を選択すると、情報分析システムは、選択された値を受け付ける（１１０５）。情報分析システムは、利用者によって選択されたファセットの値を処理し、文書データベースによって、新たに文書集合を作成し、作成された文書集合を分析する。報分析システムは、分析された結果に基づいて、ファセット表示部１３０２の内容を変更して表示する（１１０２）。ここで、利用者は、新たに表示されたユーザインタフェース画面を閲覧することができる。なお、利用者は、各ファセットのそれぞれから複数の値を選択してもよい。
【０１１９】
なお、新たに表示されるユーザインタフェース画面とは、例えば、後述する図１２の画面である。
【０１２０】
ステップ１１０３において、利用者によって興味のある文書が選択されたと判定された場合には、情報分析システムは、利用者が検索結果一覧表示部１３０３（図１１）から選択した興味のある文書の内容をユーザインタフェース画面に表示する（１１０６）。ここで、利用者は、表示された文書の内容（「出典」「日付」「見出し」「本文」等）を閲覧することができる。また、利用者は、他の文書の内容を閲覧する場合には、分析クエリを修正してもよい。
【０１２１】
以下に、利用者によって選択された文書の内容が表示されたユーザインタフェース画面について、説明する。
【０１２２】
図１２は、本発明の実施形態のユーザインタフェース部に表示される文書内容閲覧の画面の例を示す説明図である。
【０１２３】
ユーザインタフェース画面は、キーフレーズ入力部１４０１、ファセット表示部１４０２、及び、文書内容表示部１４０３を含む。図１２では、分析クエリとして使用されたキーフレーズ及びファセットの値が強調されている。
【０１２４】
図１２に示したユーザインタフェース画面は、利用者によって図９に示したステップ１１０６が実行される時に表示される画面である。
【０１２５】
図９のステップ１１０７に戻る。
【０１２６】
ステップ１１０４において、利用者によって興味のある数値が選択されていないと判定された場合には、情報システムは、ステップ１１０７に進む。ここで、利用者は、次に、分析クエリを修正するか否かを判断する。
【０１２７】
情報システムは、利用者が分析クエリを修正する入力がされたか否かを判定する（１１０７）。
【０１２８】
ステップ１１０７において、分析クエリを修正する入力がされたと判定された場合には、情報システムは、利用者によって入力された分析クエリを受け付ける（１１０１）。ここで、分析クエリの入力とは、キーフレーズ入力部１３０１（図１１）に入力されているキーフレーズを書き換える、キーフレーズ入力部１３０１（図１１）に新たなキーフレーズを追加することである。
【０１２９】
一方、ステップ１１０７において、分析クエリを修正する入力がされていないと判定された場合には、情報システムは、ステップ１１０８に進む。ここで、利用者は、情報分析を継続するか否かを判断する。
【０１３０】
情報システムは、利用者が分析を継続する入力、及び、分析を終了する入力のいずれを受け付けたのかを判定する（１１０８）。
【０１３１】
ステップ１１０８において、分析を継続する入力を受け付けた場合には、情報分析システムは、ユーザインタフェース画面を利用者に継続して表示する（１１０２）。
【０１３２】
一方、ステップ１１０８において、分析を終了する入力を受け付けた場合には、情報分析システムは、入出力処理を終了する。
【０１３３】
以下に、情報分析システムによって実行される分析クエリの処理について説明する。
【０１３４】
図１３は、本発明の実施形態の分析クエリの処理を示すフローチャートである。
【０１３５】
分析クエリ処理には、分析クエリ受理処理１５０１、タイプ判断処理１５０２、形態素解析処理１５０３、数値表現抽出処理１５０４、数値化処理１５０５、換算処理１５０６、検索命令作成処理１５０７、検索命令送信処理１５０８、及び、ファセット処理１５０９がある。
【０１３６】
まず、分析クエリ受理処理１５０１において、分析クエリ処理部１０２は、ユーザインタフェース部１０１から送信された分析クエリ（キーフレーズ及びファセット）を受信する。次に、タイプ判断処理１５０２において、分析クエリ処理部１０２は、受信した分析クエリのタイプがキーフレーズ又はファセットのどちらであるのかを判定する。
【０１３７】
タイプ判断処理１５０２において、分析クエリのタイプがキーフレーズであると判定された場合には、分析クエリ処理部１０２は、次に、形態素解析処理１５０３に進む。
【０１３８】
ここで、形態素解析とは、名詞句又分等を形態素（最小単位、単語）に分割し、各形態素の品詞を判別する処理であるが、すでに広く知られた技術であるので、ここでは詳細な説明はしない。
【０１３９】
次に、形態素解析処理１５０３において、分析クエリ処理部１０２は、キーフレーズを単語に分割し、分割された単語に品詞等の情報を付与する。なお、キーフレーズが１語のみによって表現されている場合には、形態素解析処理１５０３は省略されてもよい。
【０１４０】
次に、入力されたキーフレーズが数値表現を含む場合には、数値表現処理部１０６は、キーフレーズに対して、数値表現抽出処理１５０４、数値化処理１５０５、及び、換算処理１５０６を実行する。数値表現抽出処理１５０４、数値化処理１５０５、換算処理１５０６は、各々、文書登録処理における数値表現抽出処理５０３（図３）、数値化処理５０４（図３）、換算処理５０５（図３）と同じである。
【０１４１】
一方、タイプ判断処理１５０２において、分析クエリのタイプがファセットであると判定された場合には、分析クエリ処理部１０２は、次に、ファセット処理１５０９に進む。
【０１４２】
ファセット処理１５０９において、分析クエリ処理部１０２は、受信したファセットから数値の最大値、最小値、及び、単位の三つを組として抽出し、命令作成処理１５０７に進む。
【０１４３】
つまり、分析クエリ処理部１０２は、分析クエリがキーフレーズである場合には、形態素解析処理１５０３から換算処理１５０６までの処理を実行し、分析クエリがファセットである場合には、ファセット処理１５０９を実行する。
【０１４４】
次に、命令作成処理１５０７において、分析クエリ処理部１０２は、各処理が実行されたキーフレーズ及びファセットを用い、文書データベース１０５に入力される分析命令（検索命令）を作成する。なお、分析命令は、ＳＱＬ形式で作成されてもよい。例えば、テーブルが図８Ａから図８Ｄに示したテーブルの形式によって文書データが文書データベース１０５に登録されている場合には、分析命令（検索命令）は、式（２）に示すＳＱＬの形式で作成される。なお、分析クエリ処理部１０２は、ファセットとして、最大値「１０００億」、最小値「１００億」、単位「円」、キーフレーズとして、「靴」を受信しているとする。
ＳＥＬＥＣＴ Ａ．文書識別子，Ａ．見出し，Ｂ．最大値，Ｂ．最小値，Ｂ．単位，
Ｂ．説明語１，Ｂ．説明語２，
Ｃ．年，Ｃ．月，Ｃ．日，Ｄ．新聞，Ｄ．面
ＦＲＯＭ ＴＡＢＬＥ＿Ａ Ａ，ＴＡＢＬＥ＿Ｂ Ｂ，ＴＡＢＬＥ＿Ｃ Ｃ，
ＴＡＢＬＥ＿Ｄ Ｄ
ＷＨＥＲＥ Ａ．文書識別 ＝ Ｂ．文書識別子
ＡＮＤ Ａ．文書識別 ＝ Ｃ．文書識別子
ＡＮＤ Ａ．文書識別 ＝ Ｄ．文書識別子
ＡＮＤ Ａ．文書本文 ＠＠ ‘靴’
ＡＮＤ Ｂ．最大値 ＜＝ １０００００００００００
ＡＮＤ Ｂ．最小値 ＞＝ １００００００００００
ＡＮＤ Ｂ．単位 ＝ 円’１０００００００００００ ・・・・・（２）
ただし、＠＠は、関係データベースＰｏｓｔｇｒｅＳＱＬ用の全文検索プログラムＬｕｄｉａにおいて、全文検索条件を記述する記号である。例えば、「ＸＸ ＠＠ ＹＹ」は、「項目ＸＸに対してＹＹを分析クエリとする全文検索」を意味する。
【０１４５】
次に、命令送信処理１５０８において、分析クエリ処理部１０２は、文書データベース１０５に、作成された分析命令（検索命令）を送信する。
【０１４６】
以下に、分析クエリ処理部１０２によって、分析命令が文書データベース１０５に送信された後の処理について説明する。
【０１４７】
文書データベース１０５は、分析クエリ処理部１０２から送信された分析命令を実行
した後、実行の結果（分析結果）を分析結果一覧表示部１０３に送信する。送信された分析結果（検索結果）には、文書を一意に識別するための「文書識別子」、文書の内容を判断するための「見出し」（文書タイトル）、文書に含まれる数値表現から抽出された「最大値」と「最小値」と「単位」との組が含まれる。なお、分析結果は、文書の「出典」及び「日付」の情報を含んでもよい。また、文書の内容を判断するために文書の内容（「本文」）の一部を含んでもよい。
【０１４８】
分析結果一覧表示部１０３は、受信した分析結果（検索結果）を表示用の画面データに変換して、変換された画面データをユーザインタフェース部１０１に送信する。ここで、画面データは、文書識別子と見出し（文書タイトル）とを対応付けて表示するためのデータ、及び、ファセットを選択できるように表示するためのデータを含む。
【０１４９】
また、利用者がユーザインタフェース部１０１に表示されたユーザインタフェース画面の検索結果一覧１３０３（図１１）から興味ある「見出し」（文書タイトル）を選択した場合には、ユーザインタフェース部１０１は、選択された見出し（図８Ａの見出し８０２）に対応付けられた文書識別子（図８Ａの文書識別子８０１）を文書内容表示部１０８に送信する。文書内容表示部１０８は、文書データベース１０５から送信された文書の内容を表示用の画面データに変換して、変換された画面データをユーザインタフェース部１０１に送信する。
【０１５０】
利用者がファセットの値を選択した場合には、分析クエリ処理部１０２は、ファセットの値（最大値、最小値、基準単位）を文書データベース１０５に送信する。分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果を、表示用の画面データに変換し、変換されたデータをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、図１１に示されるユーザインタフェース画面を利用者に表示する。
【０１５１】
図１１では、ファセットの値、すなわち、文書データベース１０５に登録されている文書に含まれる数値表現が指す具体的な数値（整数値又は実数値）は、数値の単位毎に表示される。なお、数値は、等比数列又は等差数列によって区分して表示されてもよい。例えば、等比数列によって区分して表示される場合には、比の値は１０とする。等差数列によって区分して表示される場合には、差の値は１０のｎ乗である。数値を等比数列又は等差数列によって区分する処理については、図１５を用いて後述する。
【０１５２】
図１１では、「円」及び「センチメートル」を等比数列によって区分して表示している。また、「歳」を等差数列によって区分して表示している。利用者が等比数列によって区分して表示された値を選択した場合には、分析結果一覧表示部１０３は、選択された値（最小値と最大値とによって示される数値）の部分を、さらに、等差数列に展開し、展開された各値を表示してもよい。また、分析結果一覧表示部１０３は、各ファセットの値と、各ファセットの値を含む文書の数とを並べて表示してよい。
【０１５３】
さらに、文書から抽出された数値表現の前後に出現する複数の説明語のうち、数値表現との関連性が最も高いと判定される少なくとも一以上の説明語を、数値と並べて表示してもよい。なお、複数の説明語から数値表現との関連性が最も高い説明語を選択する統計的な方法についてはいくつかあるが、本実施形態では、出現回数が多い説明語を最も関連性の高い説明語とした。また、図１１に示した分析結果の例では、説明語を一つのみ表示したが、二つ以上を表示してもよい。
【０１５４】
以下に、分析結果一覧表示部１０３が実行する処理の詳細について説明する。
【０１５５】
図１４は、本発明の実施形態の分析結果一覧表示処理を示すフローチャートである。
【０１５６】
分析結果一覧表示処理には、分析結果一覧データ受信処理１６０１、ファセットデータ作成処理１６０２、出力データ作成処理１６０３、及び、出力データ送信処理１６０４がある。
【０１５７】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果（検索結果）のデータを受信する（分析一覧データ受信処理１６０１）。受信したデータのうち、ファセットになるデータは、最大値と最小値と単位と説明語との組である。これらは、表示用のファセット構造に変換される（ファセットデータ作成処理１６０２）。
【０１５８】
以下に、ファセットデータ作成処理１６０２の詳細について説明する。
【０１５９】
図１５は、本発明の実施形態のファセットデータ作成処理１６０２の詳細を示すフローチャートである。
【０１６０】
分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を、基準単位毎に実行する。図１５に示したファセットデータ作成処理１６０２は、基準単位毎に分けられたファセットのデータの最大値と最小値との組の集合を対象とする。
【０１６１】
まず、分析結果一覧表示部１０３は、ファセットデータの各最大値のうち最も大きい最大値を「ＭＭａｘ」、各最小値のうち最も小さい最大値を「ＭＭｉｎ」とする（１７０１）。次に、分析結果一覧表示部１０３は、「ＭＭａｘ」と「ＭＭｉｎ」との比が１０より大きいか否かを判定する（１７０２）。
【０１６２】
ステップ１７０２において、比が１０より大きいと判定された場合には、分析結果一覧表示部１０３は、次に、ステップ１７０３に進む。
【０１６３】
一方、ステップ１７０２において、比が１０より大きくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０８に進む。
【０１６４】
なお、ステップ１７０３以降の処理は、ファセットを等比数列によって区分して表示するデータを作成する処理である。ステップ１７０８以降の処理は、ファセットを等差数列によって区分して表示するデータを作成する処理である。
【０１６５】
以下に、ファセットを等比数列によって区分して表示する場合の処理について述べる。
【０１６６】
まず、分析結果一覧表示部１０３は、受信したファセットのデータの最大値と最小値との組みのうち、処理されていない組みが少なくとも１組以上があるか否かを判定する（１７０３）。
【０１６７】
ステップ１７０３において、処理されていない組みが少なくとも１組以上があると判定された場合には、分析結果一覧表示部１０３は、１組の最大値及び最小値を取り出し（１７０４）、ステップ１７０５に進む。
【０１６８】
一方、ステップ１７０３において、処理されていない組みはない、すなわち、すべての組みについて処理が終了していると判定された場合は、分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を終了する。
【０１６９】
次に、分析結果一覧表示部１０３は、「ｉｎｔ（ｌｏｇ１０ 最大値）」、「ｉｎｔ（ｌｏｇ１０ 最小値）」を、各々、「Ｍａｘｌ」、「Ｍｉｎｌ」に代入する。ここで、「ｉｎｔ」は、「ｌｏｇ１０ 最大値」及び「ｌｏｇ１０ 最小値」の小数点以下を切り捨て、整数とする関数である。
【０１７０】
次に、分析結果一覧表示部１０３は、「１０の（Ｍａｘｌ）乗」、「１０の（Ｍｉｎｌ）乗」を、各々、「ＭａｘＬ」、「ＭｉｎＬ」に代入する（１７０５）。
【０１７１】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」を１０で割り、１０で割られた「ＭａｘＬ」を「ＭａｘＬ」に代入する。また、「ＭａｘＬ」をハッシュキーとするハッシュ「ＨａｓｈＴｂｌ」の値に「１」を加え、さらに、「ＭａｘＬ」をハッシュキーとするハッシュＳｅｔの値（データ型は集合）に説明語を追加する（１７０６）。
【０１７２】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」が「ＭｉｎＬ」より大きいか否か判定する（１７０７）。
【０１７３】
ステップ１７０７において、「ＭａｘＬ」が「ＭｉｎＬ」より大きいと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０６に戻る。つまり、「ＭａｘＬ」が「ＭｉｎＬ」と等しくなるまで、ステップ１７０６からステップ１７０７の処理を繰り返す。
【０１７４】
一方、ステップ１７０７において、「ＭａｘＬ」が「ＭｉｎＬ」より大きくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０３に戻る。
【０１７５】
以下に、ファセットを等差数列によって区分して表示する場合の処理について述べる。
【０１７６】
まず、分析結果一覧表示部１０３は、受信したファセットのデータの最大値と最小値との組みのうち、処理されていない組みが少なくとも１組以上があるか否かを判定する（１７０８）。
【０１７７】
ステップ１７０８において、処理されていない組みが少なくとも１組以上があると判定された場合には、分析結果一覧表示部１０３は、１組の最大値及び最小値を取り出し（１７０９）、ステップ１７１０に進む。
【０１７８】
一方、ステップ１７０８において、処理されていない組みはない、すなわち、すべての組みについて処理が終了していると判定された場合は、分析結果一覧表示部１０３は、ファセットデータ作成処理１６０２を終了する。
【０１７９】
次に、分析結果一覧表示部１０３は、「ｉｎｔ（ｌｏｇ１０ 最大値）」を「Ｍａｘｌ」に代入する。次に、「１０の（Ｍａｘｌ）乗」を「ＭａｘＬ」を代入する。次に、「ＭａｘＬ」の１０倍を「ＭａｘＥ」に代入する（１７１０）。
【０１８０】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」に「ＭａｘＯ」を加算する。また、「ＭａｘＬ」をハッシュキーとするハッシュ「ＨａｓｈＴｂｌ」の値に「１」を加え、さらに、「ＭａｘＬ」をハッシュキーとするハッシュＳｅｔの値（データ型は集合）に説明語を追加する（１７１１）。
【０１８１】
次に、分析結果一覧表示部１０３は、「ＭａｘＬ」が「ＭｉｎＥ」より小さいか否か判定する（１７１２）。
【０１８２】
ステップ１７１２において、「ＭａｘＬ」が「ＭｉｎＥ」より小さいと判定された場合には、分析結果一覧表示部１０３は、ステップ１７１１に戻る。つまり、「ＭａｘＬ」が「ＭｉｎＥ」と等しくなるまで、ステップ１７１１からステップ１７１３の処理を繰り返す。
【０１８３】
一方、ステップ１７１２において、「ＭａｘＬ」が「ＭｉｎＬ」より小さくないと判定された場合には、分析結果一覧表示部１０３は、ステップ１７０８に戻る。
【０１８４】
図１４のステップ１６０３に戻る。
【０１８５】
分析結果一覧表示部１０３は、文書データベース１０５から送信された分析結果一覧データ、及び、ファセットデータ作成処理の結果を、表示用の画面データに変換する（出力データ作成処理１６０３）。例えば、ユーザインタフェース部１０１がウェブブラウザである場合には、分析結果一覧表示部１０３は、分析結果一覧データ及びファセットデータ作成処理の結果をＨＴＭＬ形式に変換する。なお、分析結果一覧表示部１０３は、ＨａｓｈＴｂｌに保存されたデータをＨａｓｈＴｂｌのキーの昇順にソートし、数値と説明語との組みをファセットの値として表示する。この場合、数値の文書数は、ファセットの値の小さい方をキーとするハッシュ「ＨａｓｈＴｂｌ」の値である。また、数値と並べて表示される説明語は、ハッシュＳｅｔの値である集合に最も多く出現する説明語である。
【０１８６】
出力データ送信処理１６０４において、分析結果一覧表示部１０３は、変換されたデータを、ユーザインタフェース部１０１（例えば、ウェブブラウザ）に送信する。ユーザインタフェース部１０１に送信されたデータは、例えば、図１１に示したユーザインタフェース画面として、利用者に閲覧される。
【０１８７】
図１１に示すユーザインタフェース画面が表示された場合、利用者は、表示された分析結果を閲覧することができる。ここで、利用者は、結果を閲覧して、内容を確認したい文書があるか否かを判断してもよい。内容を確認したい文書がある場合には、利用者は、内容を確認したい文書を、検索結果一覧表示部１３０３から選択し、選択された文書の内容を表示させることができる。
【０１８８】
利用者が文書を選択すると、ユーザインタフェース部１０１は、利用者が閲覧を希望した文書の文書識別子（図８Ａの文書識別子８０１）を文書内容表示部１０８に送信する。次に、文書内容表示部１０８は、ユーザインタフェース部１０１から送信された文書識別子を文書データベース１０５に送信し、文書データベース１０５から送信される文書の内容を受信する。文書内容表示部１０８は、受信した文書の内容を、例えば、「出典」、「日付」、「見出し」、「本文」等を含む表示用の画面データに変換し、変換された画面データをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、例えば、図１２に示すユーザインタフェース画面のとおり、選択された文書の内容を表示する。
【０１８９】
文書を閲覧した後、利用者は、分析クエリを修正して新たな分析を実行するか否かを判断してもよい。分析クエリを修正する場合には、利用者は、分析クエリを入力する。分析クエリを修正しない場合には、分析作業を継続するか否かを判断する。分析を継続する場合には、利用者は、再度、図１１に示されたユーザインタフェース画面を閲覧してもよい。分析を継続しない場合には、利用者は、分析作業を終了する。
【０１９０】
一方、内容を確認したい文書がない場合には、利用者は、ユーザインタフェース画面に表示されているファセットの数値から興味ある数値があるか否かを判断してもよい。
【０１９１】
利用者によって選択された数値の入力を受け付ける（図９のステップ１１０５）と、分析クエリ処理部１０２は、ファセット処理１５０９を実行し、作成された分析命令を文書データベース１０５に送信する。文書データベース１０５は、送信された分析命令に基づいて、登録された文書を分析し、分析結果を分析結果一覧表示部１０３に送信する。分析結果一覧表示部１０３は、送信された分析結果を表示用の画面データに変換し、変換されたデータをユーザインタフェース部１０１に送信する。ユーザインタフェース部１０１は、分析結果を利用者に表示する（図９のステップ１１０２）。
【０１９２】
以上説明したように、本実施形態によれば、情報分析システムは、文書から数値表現を抽出し、抽出された数値を具体的な値に変換し、数値をファセットとして利用することによって、あらかじめ分類体系を用意することなく文書カテゴライズに基づく文書分析を実行することができる。
【符号の説明】
【０１９３】
１０１ ユーザインタフェース部
１０２ 分析クエリ処理部
１０３ 分析結果一覧表示部
１０４ データ登録部
１０５ 文書データベース
１０６ 数値表現処理部
１０７ 説明語抽出部
１０８ 文書内容表示部
１２０１ キーフレーズ入力部
１２０２ ファセット表示部
１２０３ 文書一覧表示部
１３０１ キーフレーズ入力部
１３０２ ファセット表示部
１３０３ 文書一覧表示部
１４０１ キーフレーズ入力部
１４０２ ファセット表示部
１４０３ 文書内容表示部
【特許請求の範囲】
【請求項１】
記憶された文書を分析する分析システムであって、
プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、
前記プロセッサは、
記憶された前記文書から文書集合を作成し、
前記作成された文書集合から数値表現を抽出し、
前記抽出された数値表現から、数値と前記数値の単位とを取得し、
前記数値を前記単位毎に分類し、
前記分類された数値を前記数値の大きさに従って分類し、
前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする分析システム。
【請求項２】
前記プロセッサは、
前記数値表現の前後から少なくとも一以上の単語を抽出し、
前記抽出された単語のうち、前記数値表現と関連性の高い少なくとも一以上の単語を、前記数値に関係付け、
前記関係付けられた数値と単語とを表示するためのデータを生成することを特徴とする請求項１に記載の分析システム。
【請求項３】
前記プロセッサは、
前記単位を所定の基準単位に変換し、
前記数値を前記基準単位に適合する数値に換算した後に、前記数値の大きさに従って分類することを特徴とする請求項１に記載の分析システム。
【請求項４】
前記プロセッサは、
前記換算された数値を前記数値の分布の大きさに基づき、等比数列又は等差数列のいずれによって表示するかを決定し、
前記決定された区分に従って、前記換算された数値表示するためのデータを生成することを特徴とする請求項３に記載の分析システム。
【請求項５】
前記プロセッサは、
前記表示された数値から、少なくとも一以上の数値の選択を受け付け、
前記選択された数値を含む文書のみによって、新しい文書集合を作成することを特徴とする請求項１に記載の分析システム。
【請求項６】
前記プロセッサは、
入力された語に基づいて、前記記憶された文書に対して、全文検索を実行し、
前記入力された語を含む文書によって、前記文書集合を作成することを特徴とする請求項１に記載の分析システム。
【請求項７】
前記プロセッサは、
前記抽出された数値表現から取得した数値を含む文書の数を計数し、
前記取得した数値と、前記計数された文書の数とを関連付け、
前記関連付けられた前記数値と前記文書の数とを表示するためのデータを生成することを特徴とする請求項１に記載の分析システム。
【請求項８】
記憶された文書を分析する分析システムにおいて実行される情報分析方法であって、
前記分析システムは、プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、
前記情報分析方法は、
前記プロセッサが、記憶された前記文書から文書集合を作成し、
前記プロセッサが、前記作成された文書集合から数値表現を抽出し、
前記プロセッサが、前記抽出された数値表現から、数値と前記数値の単位とを取得し、
前記プロセッサが、前記数値を前記単位毎に分類し、
前記プロセッサが、前記分類された数値を前記数値の大きさに従って分類し、
前記プロセッサが、前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする情報分析方法。
【請求項９】
前記プロセッサが、前記数値表現の前後から少なくとも一以上の単語を抽出し、
前記プロセッサが、前記抽出された単語のうち、前記数値表現と関連性の高い少なくとも一以上の単語を、前記数値に関係付け、
前記プロセッサが、前記関係付けられた数値と単語とを表示するためのデータを生成することを特徴とする請求項８に記載の情報分析方法。
【請求項１０】
前記プロセッサが、前記単位を所定の基準単位に変換し、
前記プロセッサが、前記数値を前記基準単位に適合する数値に換算した後に、前記数値の大きさに従って分類することを特徴とする請求項８に記載の情報分析方法。
【請求項１１】
前記プロセッサが、前記換算された数値を前記数値の分布の大きさに基づき、等比数列又は等差数列のいずれによって表示するかを決定し、
前記プロセッサが、前記決定された区分に従って、前記換算された数値表示するためのデータを生成することを特徴とする請求項１０に記載の情報分析方法。
【請求項１２】
前記プロセッサが、前記表示された数値から、少なくとも一以上の数値の選択を受け付け、
前記プロセッサが、前記選択された数値を含む文書のみによって、新しい文書集合を作成することを特徴とする請求項８に記載の情報分析方法。
【請求項１３】
前記プロセッサが、入力された語に基づいて、前記記憶された文書に対して、全文検索を実行し、
前記プロセッサが、前記入力された語を含む文書によって、前記文書集合を作成することを特徴とする請求項８に記載の情報分析方法。
【請求項１４】
前記プロセッサが、前記抽出された数値表現から取得した数値を含む文書の数を計数し、
前記プロセッサが、前記取得した数値と、前記計数された文書の数とを関連付け、
前記プロセッサが、前記関連付けられた前記数値と前記文書の数とを表示するためのデータを生成することを特徴とする請求項８に記載の情報分析方法。
【請求項１】
記憶された文書を分析する分析システムであって、
プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、
前記プロセッサは、
記憶された前記文書から文書集合を作成し、
前記作成された文書集合から数値表現を抽出し、
前記抽出された数値表現から、数値と前記数値の単位とを取得し、
前記数値を前記単位毎に分類し、
前記分類された数値を前記数値の大きさに従って分類し、
前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする分析システム。
【請求項２】
前記プロセッサは、
前記数値表現の前後から少なくとも一以上の単語を抽出し、
前記抽出された単語のうち、前記数値表現と関連性の高い少なくとも一以上の単語を、前記数値に関係付け、
前記関係付けられた数値と単語とを表示するためのデータを生成することを特徴とする請求項１に記載の分析システム。
【請求項３】
前記プロセッサは、
前記単位を所定の基準単位に変換し、
前記数値を前記基準単位に適合する数値に換算した後に、前記数値の大きさに従って分類することを特徴とする請求項１に記載の分析システム。
【請求項４】
前記プロセッサは、
前記換算された数値を前記数値の分布の大きさに基づき、等比数列又は等差数列のいずれによって表示するかを決定し、
前記決定された区分に従って、前記換算された数値表示するためのデータを生成することを特徴とする請求項３に記載の分析システム。
【請求項５】
前記プロセッサは、
前記表示された数値から、少なくとも一以上の数値の選択を受け付け、
前記選択された数値を含む文書のみによって、新しい文書集合を作成することを特徴とする請求項１に記載の分析システム。
【請求項６】
前記プロセッサは、
入力された語に基づいて、前記記憶された文書に対して、全文検索を実行し、
前記入力された語を含む文書によって、前記文書集合を作成することを特徴とする請求項１に記載の分析システム。
【請求項７】
前記プロセッサは、
前記抽出された数値表現から取得した数値を含む文書の数を計数し、
前記取得した数値と、前記計数された文書の数とを関連付け、
前記関連付けられた前記数値と前記文書の数とを表示するためのデータを生成することを特徴とする請求項１に記載の分析システム。
【請求項８】
記憶された文書を分析する分析システムにおいて実行される情報分析方法であって、
前記分析システムは、プロセッサと、前記プロセッサによって実行されるプログラムを格納するメモリと、文書が記憶される記憶装置と、を備え、
前記情報分析方法は、
前記プロセッサが、記憶された前記文書から文書集合を作成し、
前記プロセッサが、前記作成された文書集合から数値表現を抽出し、
前記プロセッサが、前記抽出された数値表現から、数値と前記数値の単位とを取得し、
前記プロセッサが、前記数値を前記単位毎に分類し、
前記プロセッサが、前記分類された数値を前記数値の大きさに従って分類し、
前記プロセッサが、前記単位毎に大きさに従って分類された数値を表示するためのデータを生成することを特徴とする情報分析方法。
【請求項９】
前記プロセッサが、前記数値表現の前後から少なくとも一以上の単語を抽出し、
前記プロセッサが、前記抽出された単語のうち、前記数値表現と関連性の高い少なくとも一以上の単語を、前記数値に関係付け、
前記プロセッサが、前記関係付けられた数値と単語とを表示するためのデータを生成することを特徴とする請求項８に記載の情報分析方法。
【請求項１０】
前記プロセッサが、前記単位を所定の基準単位に変換し、
前記プロセッサが、前記数値を前記基準単位に適合する数値に換算した後に、前記数値の大きさに従って分類することを特徴とする請求項８に記載の情報分析方法。
【請求項１１】
前記プロセッサが、前記換算された数値を前記数値の分布の大きさに基づき、等比数列又は等差数列のいずれによって表示するかを決定し、
前記プロセッサが、前記決定された区分に従って、前記換算された数値表示するためのデータを生成することを特徴とする請求項１０に記載の情報分析方法。
【請求項１２】
前記プロセッサが、前記表示された数値から、少なくとも一以上の数値の選択を受け付け、
前記プロセッサが、前記選択された数値を含む文書のみによって、新しい文書集合を作成することを特徴とする請求項８に記載の情報分析方法。
【請求項１３】
前記プロセッサが、入力された語に基づいて、前記記憶された文書に対して、全文検索を実行し、
前記プロセッサが、前記入力された語を含む文書によって、前記文書集合を作成することを特徴とする請求項８に記載の情報分析方法。
【請求項１４】
前記プロセッサが、前記抽出された数値表現から取得した数値を含む文書の数を計数し、
前記プロセッサが、前記取得した数値と、前記計数された文書の数とを関連付け、
前記プロセッサが、前記関連付けられた前記数値と前記文書の数とを表示するためのデータを生成することを特徴とする請求項８に記載の情報分析方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８Ａ】
【図８Ｂ】
【図８Ｃ】
【図８Ｄ】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８Ａ】
【図８Ｂ】
【図８Ｃ】
【図８Ｄ】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２０１０−１８２１６５（Ｐ２０１０−１８２１６５Ａ）
【公開日】平成２２年８月１９日（２０１０．８．１９）
【国際特許分類】
【出願番号】特願２００９−２６０９９（Ｐ２００９−２６０９９）
【出願日】平成２１年２月６日（２００９．２．６）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２２年８月１９日（２０１０．８．１９）
【国際特許分類】
【出願日】平成２１年２月６日（２００９．２．６）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]