特許 6642858 分類装置、分類方法及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6642858

(24)【登録日】2020年1月8日

(45)【発行日】2020年2月12日

(54)【発明の名称】分類装置、分類方法及びコンピュータプログラム

(51)【国際特許分類】

   G06F 16/35 20190101AFI20200130BHJP

【ＦＩ】

   G06F16/35

【請求項の数】9

【全頁数】24

(21)【出願番号】特願2017-240937(P2017-240937)

(22)【出願日】2017年12月15日

(65)【公開番号】特開2019-109615(P2019-109615A)

(43)【公開日】2019年7月4日

【審査請求日】2017年12月15日

(73)【特許権者】

【識別番号】506078404

【氏名又は名称】株式会社ローソン

(74)【代理人】

【識別番号】100141139

【弁理士】

【氏名又は名称】及川 周

(74)【代理人】

【識別番号】100145481

【弁理士】

【氏名又は名称】平野 昌邦

(74)【代理人】

【識別番号】100210572

【弁理士】

【氏名又は名称】長谷川 太一

(72)【発明者】

【氏名】佐々木 盛朗

【審査官】 吉田 誠

(56)【参考文献】

【文献】 特開２０１２−１６４０１８（ＪＰ，Ａ）

【文献】 特開平０８−１６６９６５（ＪＰ，Ａ）

【文献】 特開２０１０−０２６９２３（ＪＰ，Ａ）

【文献】 塔娜，レシート情報システムのためのデータベース設計と入力データ処理アルゴリズム，電子情報通信学会技術研究報告，日本，一般社団法人電子情報通信学会，２０１３年 １月１０日，Ｖｏｌ．１１２ Ｎｏ．３７８，８５−９０ページ

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １６／００−１６／９５８

(57)【特許請求の範囲】

【請求項1】

分類対象の名称を形態素に分割する形態素解析部と、
学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定部と、
前記分類対象の名称から得られた複数の前記形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペアを決定する形態素ペア決定部と、を備え、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、
前記第１分類情報決定部は、前記分類対象の名称に基づいて前記形態素ペア決定部によって決定された前記形態素ペアと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、前記学習結果データと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、
分類装置。

【請求項2】

分類対象の文字列を形態素に分割する形態素解析部と、
学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定部と、を備え、
前記訓練データは、前記付与された第１分類情報と、前記第１分類情報の下位分類である第２分類情報と、を含むデータであり、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第２分類情報に分類されるかを表す頻度を含む学習結果データであり、
前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記第２分類情報を決定する第２分類情報決定部をさらに備える、
分類装置。

【請求項3】

分類対象の文字列を形態素に分割する形態素解析部と、
学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定部と、
前記分類対象の文字列から前記形態素解析部によって分割された前記形態素を所定の条件に基づいて、他の形態素に置換する形態素置換部と、
を備える、分類装置。

【請求項4】

分類対象の名称を形態素に分割する形態素解析部と、
学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の名称とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定部と、
前記分類対象の名称から得られた複数の前記形態素のうち前記分類対象の名称と最も意味が近い形態素を決定し、特定した前記形態素と意味が近い他の形態素とを含む形態素ペアを決定する形態素ペア決定部とを、備え、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、
前記第１分類情報決定部は、前記学習結果データと、前記分類対象の名称に基づいて前記形態素ペア決定部によって決定された前記形態素ペアと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、
分類装置。

【請求項5】

分類装置が、分類対象の名称を形態素に分割する形態素解析ステップと、
分類装置が、学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定ステップと、
分類装置が、前記分類対象の名称から得られた複数の前記形態素のうち先頭及び末尾に位置づけられる２つの形態素 を含む形態素ペアを決定する形態素ペア決定ステップと、を有し、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、
前記第１分類情報決定ステップにおいて、前記分類対象の名称に基づいて前記形態素ペア決定ステップにおいて決定された前記形態素ペアと、 前記分類対象の名称から前記形態素解析ステップにおいて分割された前記形態素と、前記学習結果データと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、
分類方法。

【請求項6】

分類装置が、分類対象の文字列を形態素に分割する形態素解析ステップと、
分類装置が、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定ステップと、を有し、
前記訓練データは、前記付与された第１分類情報と、前記第１分類情報の下位分類である第２分類情報と、を含むデータであり、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第２分類情報に分類されるかを表す頻度を含む学習結果データであり、
分類装置が、前記学習結果データと、前記分類対象の文字列から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記第２分類情報を決定する第２分類情報決定ステップをさらに有する、
分類方法。

【請求項7】

分類装置が、分類対象の文字列を形態素に分割する形態素解析ステップと、
分類装置が、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定ステップと、
分類装置が、前記分類対象の文字列から前記形態素解析ステップにおいて分割された 前記形態素を所定の条件に基づいて、他の形態素に置換する形態素置換ステップと、
を有する、分類方法。

【請求項8】

分類装置が、分類対象の名称を形態素に分割する形態素解析ステップと、
分類装置が、学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の名称とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定ステップと、
分類装置が、前記分類対象の名称から得られた複数の前記形態素のうち前記分類対象の 名称と最も意味が近い形態素を決定し、特定した前記形態素と意味が近い他の形態素とを含む形態素ペアを決定する形態素ペア決定ステップとを、有し、
前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、
前記第１分類情報決定ステップにおいて、前記学習結果データと、前記分類対象の名称に基づいて前記形態素ペア決定ステップにおいて決定された前記形態素ペアと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、
分類方法。

【請求項9】

請求項１から４のいずれか一項に記載の分類装置としてコンピュータを機能させるためのコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分類装置、分類方法及びコンピュータプログラムに関する。

【背景技術】

【0002】

商品の売買を行うことで発行されるレシートには、商品名や販売額が記載されている。収集されたレシートから商品名や販売額等の商品に関する情報を取得し、分類することで、競合他社の商品の売れ行きや、売上高を把握することができる。そこで、商品に関する情報を分類した結果を記憶するためのマスタが構築・維持されてきた。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１１−１０３０３８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記の方法では、新商品が発売される都度、マスタを更新する必要があるため、マスタの構築・維持には多くの労力がかかる場合がある。また、レシート毎にカタカナ表記又はひらがな表記等の表記揺れ等によって、同じ商品であっても異なる商品として間違えて分類される場合もある。このような場合、マスタを更新したり、商品の分類間違いを個別に修正したりしなければ、商品に関する情報を正しく分類することができない場合があった。

【0005】

上記事情に鑑み、本発明は、より簡単に情報を分類できる分類装置、分類方法及びコンピュータプログラムを提供することを目的としている。

【課題を解決するための手段】

【0006】

本発明の一態様は、分類対象の文字列を形態素に分割する形態素解析部と、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す割合を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定部と、を備える分類装置である。

【0007】

本発明の一態様は、分類対象の名称を形態素に分割する形態素解析部と、学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定部と、前記分類対象の名称から得られた複数の前記形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペアを決定する形態素ペア決定部と、を備え、前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、前記第１分類情報決定部は、前記分類対象の名称に基づいて前記形態素ペア決定部によって決定された前記形態素ペアと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、前記学習結果データと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、分類装置である。

【0008】

本発明の一態様は、分類対象の文字列を形態素に分割する形態素解析部と、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定部と、を備え、前記訓練データは、前記付与された第１分類情報と、前記第１分類情報の下位分類である第２分類情報と、を含むデータであり、前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第２分類情報に分類されるかを表す頻度を含む学習結果データであり、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記第２分類情報を決定する第２分類情報決定部をさらに備える、分類装置である。

【0009】

本発明の一態様は、分類対象の文字列を形態素に分割する形態素解析部と、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定部と、前記分類対象の文字列から前記形態素解析部によって分割された前記形態素を所定の条件に基づいて、他の形態素に置換する形態素置換部と、を備える、分類装置である。

【0010】

本発明の一態様は、分類対象の名称を形態素に分割する形態素解析部と、学習対象の名称の特徴を示す情報として前記学習対象の名称に付与された第１分類情報と前記学習対象の名称とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の名称から前記形態素解析部によって分割された前記形態素と、に基づいて、前記分類対象の名称の前記第１分類情報を決定する第１分類情報決定部と、前記分類対象の名称から得られた複数の前記形態素のうち前記分類対象の名称と最も意味が近い形態素を決定し、特定した前記形態素と意味が近い他の形態素とを含む形態素ペアを決定する形態素ペア決定部とを、備え、前記学習結果データは前記複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の名称に含まれる複数の形態素のうち先頭及び末尾に位置づけられる２つの形態素を含む形態素ペア毎に、前記分類対象の名称がいずれの第１分類情報に分類されるかを表す頻度を含む学習結果データであり、前記第１分類情報決定部は、前記学習結果データと、前記分類対象の名称に基づいて前記形態素ペア決定部によって決定された前記形態素ペアと、に基づいて、前記分類対象の名称の前記第１分類情報を決定する、分類装置である。

【0011】

本発明の一態様は、学習対象の文字列を形態素に分割する形態素解析部と、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、分類対象の文字列がいずれの第１分類情報に分類されるかを表す割合を含む学習結果データを生成する学習結果データ生成部と、を備える、学習装置である。

【0012】

本発明の一態様は、分類装置が、分類対象の文字列を形態素に分割する形態素解析ステップと、分類装置が、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、前記分類対象の文字列がいずれの第１分類情報に分類されるかを表す割合を含む学習結果データを記録する学習結果データ記憶部から前記学習結果データを取得し、前記学習結果データと、前記分類対象の文字列から前記形態素解析ステップにおいて分割された前記形態素と、に基づいて、前記分類対象の文字列の前記第１分類情報を決定する第１分類情報決定ステップと、を有する、分類方法である。

【0013】

本発明の一態様は、学習装置が、学習対象の文字列を形態素に分割する形態素解析ステップと、学習装置が、学習対象の文字列の特徴を示す情報として前記学習対象の文字列に付与された第１分類情報と前記学習対象の文字列とを含む複数の訓練データに基づいて所定の機械学習をすることで前記学習対象の文字列に含まれる形態素毎に、分類対象の文字列がいずれの第１分類情報に分類されるかを表す割合を含む学習結果データを生成する学習結果データ生成ステップと、を有する、学習方法である。

【0014】

本発明の一態様は、上記の分類装置としてコンピュータを機能させるためのコンピュータプログラム。

【0015】

本発明の一態様は、上記の学習装置としてコンピュータを機能させるためのコンピュータプログラム。

【発明の効果】

【0016】

本発明により、より簡単に情報を分類することが可能となる。

【図面の簡単な説明】

【0017】

【図1】第１の実施形態の情報処理装置１００の機能構成を表す機能ブロック図である。

【図2】訓練データテーブルの一具体例を示す図である。

【図3】置換データテーブルの一具体例を示す図である。

【図4】分類情報テーブルの一具体例を示す図である。

【図5】マスタ情報テーブルの一具体例を示す図である。

【図6】形態素解析の一具体例を示す図である。

【図7】形態素に基づいて生成された第１カテゴリ行列の一具体例を示す図である。

【図8】形態素ペアに基づいて生成された第１カテゴリ行列の一具体例を示す図である。

【図9】形態素に基づいて生成された第２カテゴリ行列の一具体例を示す図である。

【図10】形態素ペアに基づいて生成された第２カテゴリ行列の一具体例を示す図である。

【図11】第１の実施形態の情報処理装置１００のカテゴリ行列の生成の処理の流れを示すフローチャートである。

【図12】第１の実施形態の情報処理装置１００の分類処理の流れを示すフローチャートである。

【図13】第１の実施形態の情報処理装置１００の分類情報の決定の処理の流れを示すフローチャートである。

【図14】第１の実施形態の情報処理装置１００の分類情報の決定の処理の流れを示すフローチャートである。

【図15】第２の実施形態の情報処理装置１００ａの機能構成を表す機能ブロック図である。

【発明を実施するための形態】

【0018】

図１は、第１の実施形態の情報処理装置１００の機能構成を表す機能ブロック図である。情報処理装置１００は、パーソナルコンピュータ、サーバ、スマートフォン又はタブレットコンピュータ等の装置である。情報処理装置１００は、入力された文字列情報に対して、任意の文字列情報の特徴を示す情報を付与する。文字列情報は、文章、単語又は数字等の文字であればどのような情報であってもよい。本実施形態の文字列情報は、例えば、売買によって発行されたレシートをＯＣＲ（Optical Character Recognition）で読み取られた情報を想定して説明する。本実施形態では、文字列情報は、売買に関する商品名、販売数、販売高を少なくとも含む情報であるとして説明するが、これに限定されない。文字列情報は、例えば、ユーザによって入力された文字列であってもよいし、インターネット等から取得された文字列であってもよい。

【0019】

情報処理装置１００は、バスで接続されたプロセッサやメモリや補助記憶装置などを備え、分類プログラム又は学習プログラムを実行することによって、通信部１０１、入力部１０２、表示部１０３、訓練データ記憶部１０４、置換データ記憶部１０５、分類情報記憶部１０６、カテゴリ行列記憶部１０７、マスタ情報記憶部１０８及び制御部１０９を備える装置として機能する。なお、情報処理装置１００の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。分類プログラム又は学習プログラムプログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。分類プログラム又は学習プログラムプログラムは、電気通信回線を介して送信されてもよい。

【0020】

通信部１０１は、ネットワークインタフェースである。通信部１０１はネットワークを介して、外部の装置と通信する。外部の装置とは、例えば、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ等の装置であってもよいし、画像形成装置又は画像処理装置等であってもよい。通信部１０１は、例えば無線ＬＡＮ（Local Area Network）、有線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＬＴＥ（Long Term Evolution）（登録商標）等の通信方式で通信してもよい。

【0021】

入力部１０２は、タッチパネル、マウス及びキーボード等の入力装置を用いて構成される。入力部１０２は、入力装置を情報処理装置１００に接続するためのインタフェースであってもよい。この場合、入力部１０２は、入力装置において入力された入力信号から入力データ（例えば、情報処理装置１００に対する指示を示す指示情報）を生成し、情報処理装置１００に入力する。

【0022】

表示部１０３は、ＣＲＴ（Cathode Ray Tube）ディスプレイ、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の出力装置である。表示部１０３は、出力装置を情報処理装置１００に接続するためのインタフェースであってもよい。この場合、表示部１０３は、映像データから映像信号を生成し自身に接続されている映像出力装置に映像信号を出力する。

【0023】

訓練データ記憶部１０４は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。訓練データ記憶部１０４は、訓練データテーブルを記憶する。訓練データテーブルは、学習結果データを生成するために用いられる文字列情報を記録するテーブルである。入力された文字列情報に付与された第１分類情報及び第２分類情報を記録するテーブルである。

【0024】

図２は、訓練データテーブルの一具体例を示す図である。訓練データテーブルは、訓練データレコードを有する。訓練データレコードは、年月、店舗名、商品名、第１分類情報、第２分類情報、販売高及び販売数の各値を有する。年月は、文字列情報に含まれる情報である。年月は、売買がされた年月を表す。店舗名は、文字列情報に含まれる情報である。店舗名は、売買がされた店舗の名称を表す。商品名は、文字列情報に含まれる情報である。商品名は、売買がされた商品の名称を表す。商品名には、ＯＣＲによって、誤って認識された文字が含まれてもよい。第１分類情報は、商品名がどのようなカテゴリに含まれる商品であるかを表す。第２分類情報は、第１分類情報に基づいて、商品名をより具体的に説明する情報を表す。第１分類情報及び第２分類情報は１：ｎの関係で、対応付けられる。第１分類情報と第２分類情報とは、入力部１０２を介してユーザによって指定されてもよい。第１分類情報と第２分類情報との組み合わせは、一意に定められる。販売高は、商品名に表される商品の販売された金額を表す。販売数は、商品名に表される商品の販売された数を表す。

【0025】

図２に示される例では、訓練データテーブルの最上段の訓練データレコードは、年月の値が“２０１７０６”、店舗名の値が“店舗２００”、商品名の値が“ｄ手巷おにぎり日高昆布”、第１分類情報の値が“食品”、第２分類情報の値が“米類”、販売高の値が“３３０”、販売数の値が“３”である。従って、訓練データテーブルの最上段の訓練データレコードによると、入力された文字列情報の年月が“２０１７年６月”であり、店舗名が“店舗２００”であり、商品名が“ｄ手巷おにぎり日高昆布”である場合、第１分類情報として“食品”、第２分類情報として“米類”が付与されることがわかる。また、商品名“ｄ手巷おにぎり日高昆布”の販売高は“３３０”であり、販売数は“３”であることがわかる。なお、図２に示される訓練データテーブルは一具体例に過ぎない。そのため、図２とは異なる態様で訓練データテーブルが構成されてもよい。例えば、訓練データテーブルは、第２分類情報を有しなくてもよいし、第３分類情報を有するように構成されてもよい。

【0026】

図２に戻り、情報処理装置１００の説明を続ける。置換データ記憶部１０５は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。置換データ記憶部１０５は、置換データテーブルを記憶する。置換データテーブルは、文字を異なる文字に置き換える規則を記録するテーブルである。

【0027】

図３は、置換データテーブルの一具体例を示す図である。置換データテーブルは、置換データレコードを有する。置換データレコードは、置換前及び置換後の各値を有する。置換前は、置換前の文字を表す。置換後は、置換前の文字が置換される文字を表す。

【0028】

図３に示される例では、置換データテーブルの最上段の置換データレコードは、置換前の値が“手巷”、置換後の値が“手巻”である。従って、置換データテーブルの最上段の置換データレコードによると、与えられた文字が“手巷”である場合、“手巷”は“手巻”に置き換えられることがわかる。なお、図３に示される置換データテーブルは一具体例に過ぎない。そのため、図３とは異なる態様で置換データテーブルが構成されてもよい。

【0029】

図２に戻り、情報処理装置１００の説明を続ける。分類情報記憶部１０６は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。分類情報記憶部１０６は、分類情報テーブルを記憶する。分類情報テーブルは、第１分類情報と第２分類情報との対応付けを記録するテーブルである。

【0030】

図４は、分類情報テーブルの一具体例を示す図である。分類情報テーブルは、分類情報レコードを有する。分類情報レコードは、第１分類情報及び第２分類情報の各値を有する。図４に示される例では、分類情報テーブルの最上段の分離情報レコードは、第１分類情報の値が“食品”、第２分類情報の値が“米類”、“麺類”、“パン類”、“肉類”、“野菜類”、・・・である。従って、分類情報テーブルの最上段の分類情報レコードによると、第１分類情報として“食品”が付与された場合、第２分類情報として、“米類”、“麺類”、“パン類”、“肉類”、“野菜類”、・・・のいずれかが付与されることがわかる。なお、図４に示される分類情報テーブルは一具体例に過ぎない。そのため、図４とは異なる態様で分類情報テーブルが構成されてもよい。

【0031】

図２に戻り、情報処理装置１００の説明を続ける。カテゴリ行列記憶部１０７は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。カテゴリ行列記憶部１０７は、第１カテゴリ行列又は第２カテゴリ行列を記憶する。第１カテゴリ行列は、文字列情報に対して付与される第１分類情報を決定するための第１決定情報に関連する値を保持する行列である。第１決定情報は、訓練データに含まれる文字列情報に対して付与された第１分類情報の分類結果の頻度を表す情報である。第２カテゴリ行列は、文字列情報に対して付与される第２分類情報を決定するための第２決定情報に関連する値を保持する行列である。第２決定情報は、訓練データに含まれる文字列情報に対して付与された第２分類情報の分類結果の頻度を表す情報である。第１カテゴリ行列及び第２カテゴリ行列の詳細な説明に関しては後述する。カテゴリ行列記憶部１０７は、学習結果データ記憶部の一態様である。

【0032】

マスタ情報記憶部１０８は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。マスタ情報記憶部１０８は、マスタ情報テーブルを記憶する。マスタ情報テーブルは、文字列情報と文字列情報に付与された第１分類情報又は第２分類情報との対応関係が記録されるテーブルである。

【0033】

図５は、マスタ情報テーブルの一具体例を示す図である。マスタ情報テーブルは、マスタ情報レコードを有する。マスタ情報レコードは、商品名、第１分類情報及び第２分類情報の各値を有する。商品名は、商品の名前を表す。商品名は、文字列情報の一態様である。第１分類情報は、商品名に付与された第１分類情報を表す。第２分類情報は、商品名に付与された第２分類情報を表す。

【0034】

図５に示される例では、マスタ情報テーブルの最上段のマスタ情報レコードは、商品名の値が“手巻おにぎり日高昆布”、第１分類情報の値が“食品”、第２分類情報の値が“米類”である。従って、マスタ情報テーブルの最上段のマスタ情報レコードによると、与えられた文字列情報が“手巻おにぎり日高昆布”である場合、第1分類情報は“食品”であり、第２分類情報は“米類”であることがわかる。なお、図５に示されるマスタ情報テーブルは一具体例に過ぎない。そのため、図５とは異なる態様でマスタ情報テーブルが構成されてもよい。例えば、マスタ情報テーブルは、商品名が、文字列情報として与えられた回数を記憶するように構成されてもよい。

【0035】

図２に戻り、情報処理装置１００の説明を続ける。制御部１０９は、情報処理装置１００の各部の動作を制御する。制御部１０９は、例えばプロセッサ及びメモリを備えた装置により実行される。制御部１０９は、分類プログラム又は学習プログラムを実行することによって、データ取得部１１０、形態素解析部１１１、形態素置換部１１２、形態素ペア決定部１１３、学習部１１４及び分類部１１５として機能する。

【0036】

データ取得部１１０は、文字列情報を取得する。データ取得部１１０は、文字列情報を入力部１０２を介して受け付けてもよいし、通信部１０１から受け付けてもよい。データ取得部１１０は、例えば、売買のレシート等をＯＣＲで読み取った情報を文字列情報として取得してもよい。データ取得部１１０は、取得した文字列情報を分類部１１５に出力する。データ取得部１１０は、取得した文字列情報を訓練データ記憶部１０４に記録してもよい。

【0037】

形態素解析部１１１は、文字列情報に対して形態素解析を行う。形態素解析は、文字列情報を形態素に分解する処理である。形態素解析は、分解された形態素に対して品詞を判別する処理である。形態素解析には、公知のアルゴリズムが用いられてもよい。形態素は、文字列情報が分割されることで得られる。形態素は、何らかの意味を持つ最小単位の文字である。

【0038】

形態素置換部１１２は、所定の形態素を、異なる形態素に置き換える。所定の形態素は、置換データテーブルの置換前カラムに保持される形態素である。形態素置換部１１２は、形態素が置換データテーブルの置換前カラムに記憶されているか否かを判定する。形態素が置換前カラムに記憶されている場合、形態素置換部１１２は、形態素を置換後カラムの形態素に置換する。形態素が置換前カラムに記憶されていない場合、形態素置換部１１２は、形態素を異なる形態素に置換しない。

【0039】

図６は、形態素解析の一具体例を示す図である。図６では、文字列情報として“ｄ手巷おにぎり日高昆布”が取得された場合を説明する。形態素解析部１１１は、文字列情報を形態素に分割する。形態素解析部１１１は、“ｄ手巷おにぎり日高昆布”を“ｄ”、“手巷”、“おにぎり”、“日高”及び“昆布”の形態素に分解する。形態素置換部１１２は、形態素が置換データテーブルの置換前カラムに、記憶されているか否かを判定する。図３及び図６によると形態素置換部１１２は、形態素“手巷”を、“手巻”に置換する。形態素解析部１１１は、形態素毎に、品詞を判別する。図６によると、形態素解析部１１１は、ｄを、“記号”、手巻を、“名詞”、おにぎりを、“名詞”、日高を、“名詞”、昆布を、“名詞”であると判別する。なお、形態素解析部１１１は、記号と判別された形態素を削除する。

【0040】

図２に戻り、情報処理装置１００の説明を続ける。形態素ペア決定部１１３は、形態素ペアを決定する。形態素ペアは、分解された形態素のうち、文字列情報の先頭及び末尾に位置づけられる形態素の組み合わせである。例えば、文字列情報が“ｄ手巻おにぎり日高昆布”である場合、形態素は、“ｄ”、“手巻”、“おにぎり”、“日高”及び“昆布”である。“ｄ”は、記号であるため削除される。したがって、形態素ペア決定部１１３は、“手巻”及び“昆布”を形態素ペアとして決定する。形態素ペア決定部１１３は、形態素解析部１１１から受け付けた形態素に基づいて、形態素ペアを決定する。

【0041】

学習部１１４は、学習プログラムを実行することで、第１カテゴリ行列生成部１１６及び第２カテゴリ行列生成部１１７として機能する。分類部１１５は、分類プログラムを実行することで、マスタ情報検索部１１８、第１分類情報決定部１１９、第２分類情報決定部１２０及びマスタ情報生成部１２１として機能する。

【0042】

第１カテゴリ行列生成部１１６は、形態素又は形態素ペアに基づいて、所定の機械学習によって第１カテゴリ行列を生成する。形態素は、形態素解析部１１１によって分解された形態素が用いられてもよい。第１カテゴリ行列は、形態素に付与された第１分類情報の頻度を表す行列である。本機械学習によって生成された第１カテゴリ行列は、第１学習結果データの一態様である。形態素ペアは、形態素ペア決定部１１３によって決定された形態素ペアが用いられてもよい。まず、第１カテゴリ行列生成部１１６が、形態素に基づく第１カテゴリ行列を生成する場合の機械学習について説明する。

【0043】

第１カテゴリ行列生成部１１６は、分類情報記憶部１０６に記憶される分類情報テーブルから、第１分類情報を取得する。第１カテゴリ行列生成部１１６は、形態素解析部１１１から形態素を取得する。形態素解析部１１１は、訓練データ記憶部１０４に記憶される訓練データテーブルの商品名カラムに対して形態素解析を行うことで、形態素を生成する。形態素解析部１１１は、生成した形態素を第１カテゴリ行列生成部１１６に出力する。第１カテゴリ行列生成部１１６は、第１カテゴリ行列の行として第１分類情報を、第１カテゴリ行列の列として形態素を、設定する。

【0044】

第１カテゴリ行列生成部１１６は、取得した各形態素の数を計数する。例えば、第１カテゴリ行列生成部１１６は、形態素解析部１１１から形態素“手巻”を取得した数が“３”である場合、形態素“手巻”の数は“３”と計数する。第１カテゴリ行列生成部１１６は、形態素毎に、各第１分類情報に属する形態素の割合を算出する。第１分類情報の値は、訓練データテーブルにて、商品名に対応付けられた第１分類情報が用いられる。具体的には、第１カテゴリ行列生成部１１６は、形態素毎に、各第１分類情報に対応付けられた形態素の個数を、その形態素の計数された総数で除算することで、割合を算出する。例えば、形態素“手巻”の総数が７であり、そのうち、第１分類情報“食品”に対応付けられた形態素“手巻”が６、第１分類情報“書籍”に対応付けられた形態素“手巻”が１である場合、第１カテゴリ行列生成部１１６は、“食品”に属する形態素の割合は、“０．８６”、“書籍”に属する形態素の割合は、“０．１４”、他の第１分類情報に属する形態素の割合は、“０．００”であると算出する。第１カテゴリ行列生成部１１６は、算出された値を、第１カテゴリ行列の各セルに設定する。第１カテゴリ行列生成部１１６は、第１カテゴリ行列をカテゴリ行列記憶部１０７に記録する。なお、第１カテゴリ行列生成部１１６は、割合を算出するに当たり、販売数を考慮するように構成されてもよい。例えば、第１カテゴリ行列生成部１１６は、訓練データテーブルに販売数として“３”が記録されている場合、形態素の数を“３”として計数してもよい。

【0045】

図７は、形態素に基づいて生成された第１カテゴリ行列の一具体例を示す図である。第１カテゴリ行列の行は、“形態素”、“食品”、“飲料”、“書籍”、“文具”、“日用品”、・・・等の第１分類情報が表される。第１カテゴリ行列の列は、“塩”、“文芸”、“カツ”、“バナナ”、“ラーメン”、・・・等の形態素が表される。

【0046】

図７に示される例では、第１カテゴリ行列の最上段の行では、形態素の値が“塩”、食品の値が“０．４２”、飲料の値が“０．３３”、書籍の値が“０．０１”、文具の値が“０．０２”、日用品の値が“０．０４”、・・・である。従って、第１カテゴリ行列の最上段の行によると、形態素に“塩”が含まれる場合、食品である可能性は“０．４２”、飲料である可能性は“０．３３”、書籍である可能性は“０．０１”、文具である可能性は“０．０２”、日用品である可能性は“０．０４”、・・・であることがわかる。

【0047】

次に、第１カテゴリ行列生成部１１６が、形態素ペアに基づく第１カテゴリ行列を生成する場合の機械学習について説明する。本機械学習により生成された第１カテゴリ行列は、第２学習結果データの一態様である。第１カテゴリ行列生成部１１６は、形態素ペア決定部１１３から形態素ペアを取得する。第１カテゴリ行列生成部１１６は、第１カテゴリ行列の行として第１分類情報を、第１カテゴリ行列の列として形態素ペアを、設定する。

【0048】

第１カテゴリ行列生成部１１６は、取得した各形態素ペアの数を計数する。例えば、第１カテゴリ行列生成部１１６は、形態素ペア“手巻”、“昆布”を取得した数が“３”である場合、形態素ペア“手巻”、“昆布”の数は“３”と計数する。第１カテゴリ行列生成部１１６は、形態素ペア毎に、各第１分類情報に属する形態素ペアの割合を算出する。具体的には、第１カテゴリ行列生成部１１６は、各形態素ペアに対して、各第１分類情報に対応付けられた形態素ペアの個数を、その形態素ペアの計数された総数で除算することで、割合を算出する。例えば、形態素ペア“手巻”、“昆布”の総数が３であり、そのうち、第１分類情報“食品”に対応付けられた形態素ペア“手巻”、“昆布”が３である場合、“食品”に属する形態素ペアの割合は、“１．００”であり、他の第１分類情報に属する形態素ペアの割合は、“０．００”である。第１カテゴリ行列生成部１１６は、算出された割合を、第１カテゴリ行列の各セルに設定する。第１カテゴリ行列生成部１１６は、第１カテゴリ行列をカテゴリ行列記憶部１０７に記録する。なお、第１カテゴリ行列生成部１１６は、割合を算出するに当たり、販売数を考慮するように構成されてもよい。例えば、第１カテゴリ行列生成部１１６は、訓練データテーブルに販売数として“３”が記録されている場合、形態素の数を“３”として計数してもよい。

【0049】

図８は、形態素ペアに基づいて生成された第１カテゴリ行列の一具体例を示す図である。第１カテゴリ行列の行は、“第１形態素”、“第２形態素”、“食品”、“飲料”、“書籍”、“文具”、“日用品”、・・・等の第１分類情報が表される。第１カテゴリ行列の列は、第１形態素の列が“Ａ社”、“Ａ社”、“Ａ社”、“Ｂ社”、・・・等、第２形態素の列が“ヌードル”、“焼きそば”、“ミニ”、“ペン”・・・等が表される。第１形態素は、形態素ペアのうち、先頭の形態素を表す。第２形態素は、形態素ペアのうち末尾の形態素を表す。

【0050】

図８に示される例では、第１カテゴリ行列の最上段の行では、第１形態素の値が“Ａ社”、第２形態素の値が“ヌードル”、食品の値が“０．９７”、飲料の値が“０．０１”、書籍の値が“０．０１”、文具の値が“０．００”、日用品の値が“０．００”、・・・である。従って、第１カテゴリ行列の最上段の行によると、形態素ペアが“Ａ社”、“ヌードル”である場合、食品である可能性は“０．９７”、飲料である可能性は“０．０１”、書籍である可能性は“０．０１”、文具である可能性は“０．００”、日用品である可能性は“０．００”、・・・であることがわかる。

【0051】

第２カテゴリ行列生成部１１７は、形態素又は形態素ペアと第１カテゴリ行列生成部１１６によって生成された第１カテゴリ行列とに基づいて、所定の機械学習によって第２カテゴリ行列を生成する。形態素は、形態素解析部１１１によって分解された形態素が用いられてもよい。第２カテゴリ行列は、形態素に付与された第２分類情報の頻度を表す行列である。本機械学習によって生成された第２カテゴリ行列は、第３学習結果データの一態様である。形態素ペアは、形態素ペア決定部１１３によって決定された形態素ペアが用いられてもよい。まず、第２カテゴリ行列生成部１１７が、形態素に基づく第２カテゴリ行列を生成する場合の機械学習について説明する。

【0052】

第２カテゴリ行列生成部１１７は、分類情報記憶部１０６に記憶される分類情報テーブルから、決定された第１分類情報に対応付けられた第２分類情報を取得する。第２カテゴリ行列生成部１１７は、形態素解析部１１１から形態素を取得する。第２カテゴリ行列生成部１１７は、第１カテゴリ行列の行として第２分類情報を、第２カテゴリ行列の列として形態素を、設定する。

【0053】

第２カテゴリ行列生成部１１７は、取得した各形態素の数を、第２分類情報毎に計数する。例えば、第２カテゴリ行列生成部１１７は、第２分類情報が“米類”である形態素“手巻”を取得した数が“１”である場合、形態素“手巻”の第２分類情報“米類”の数は“１”と計数する。さらに、第２カテゴリ行列生成部１１７は、第２分類情報が“麺類”である形態素“手巻”を取得した数が“０”である場合、形態素“手巻”の第２分類情報“麺類”の数は“０”と計数する。第２カテゴリ行列生成部１１７は、計数された値を、第２カテゴリ行列の各セルに設定する。第２カテゴリ行列生成部１１７は、第２カテゴリ行列をカテゴリ行列記憶部１０７に記録する。なお、第２カテゴリ行列生成部１１７は、計数するに当たり、販売数を考慮するように構成されてもよい。例えば、第２カテゴリ行列生成部１１７は、訓練データテーブルに第２分類情報が“米類”である形態素“手巻”の販売数として“３”が記録されている場合、形態素の数を“３”として計数してもよい。

【0054】

図９は、形態素に基づいて生成された第２カテゴリ行列の一具体例を示す図である。第２カテゴリ行列の行は、“形態素”、“米類”、“麺類”、“パン類”、“肉類”、“野菜類”、・・・等の第１分類情報“食品”に対応付けられた第２分類情報が表される。第１カテゴリ行列の列は、“焼きそば”、“チャーシュー”、“とんこつ”、“二八”、“ミート”、・・・等の形態素が表される。

【0055】

図９に示される例では、第１カテゴリ行列の最上段の行では、形態素の値が“焼きそば”、米類の値が“０”、麺類の値が“１２”、パン類の値が“６”、肉類の値が“２”、野菜類の値が“３”、・・・である。従って、第１カテゴリ行列の最上段の行によると、形態素に“焼きそば”が含まれる場合、米類である可能性は“０”、麺類である可能性は“１２”、パン類である可能性は“６”、肉類である可能性は“２”、野菜類である可能性は“３”、・・・であることがわかる。

【0056】

次に、第２カテゴリ行列生成部１１７が、形態素ペアに基づく第２カテゴリ行列を生成する場合の機械学習について説明する。本機械学習によって生成された第２カテゴリ行列は、第４学習結果データの一態様である。第２カテゴリ行列生成部１１７は、形態素ペア決定部１１３から形態素ペアを取得する。第２カテゴリ行列生成部１１７は、第２カテゴリ行列の行として第２分類情報を、第２カテゴリ行列の列として形態素ペアを、設定する。

【0057】

第２カテゴリ行列生成部１１７は、取得した各形態素ペアの数を、第２分類情報毎に計数する。第２分類情報は、取得した形態素ペアに関する文字列情報に付与された第１分類情報に対応付けられる分類情報である。例えば、第２カテゴリ行列生成部１１７は、第２分類情報が“米類”、形態素ペア“手巻”、“昆布”を取得した数が“１”である場合、第２分類情報が“米類”に関する形態素ペア“手巻”、“昆布”の数は“１”と計数する。また、第２カテゴリ行列生成部１１７は、第２分類情報が“麺類”、形態素ペア“手巻”、“昆布”を取得したが“０”である場合、第２分類情報が“麺類”に関する形態素ペア“手巻”、“昆布”の数は“０”と計数する。第２カテゴリ行列生成部１１７は、計数した値を、第２カテゴリ行列に設定する。第２カテゴリ行列生成部１１７は、第２カテゴリ行列をカテゴリ行列記憶部１０７に記録する。なお、第２カテゴリ行列生成部１１７は、計数するに当たり、販売数を考慮するように構成されてもよい。例えば、第２カテゴリ行列生成部１１７は、訓練データテーブルに第２分類情報が“米類”である形態素“手巻”の販売数として“３”が記録されている場合、形態素の数を“３”として計数してもよい。

【0058】

図１０は、形態素ペアに基づいて生成された第２カテゴリ行列の一具体例を示す図である。第２カテゴリ行列の行は、“第１形態素”、“第２形態素”、“米類”、“麺類”、“パン類”、“肉類”、“野菜類”、・・・等の第１分類情報に対応付けられた第２分類情報が表される。第１カテゴリ行列の列は、第１形態素の列が“Ａ社”、“Ａ社”、“Ａ社”、“Ａ社”、“Ｂ社”、・・・等、第２形態素の列が“ヌードル”、“焼きそば”、“ミニ”、“しょうゆ”・・・等が表される。第１形態素は、形態素ペアのうち、先頭の形態素を表す。第２形態素は、形態素ペアのうち末尾の形態素を表す。

【0059】

図９に示される例では、第１カテゴリ行列の最上段の行では、第１形態素の値が“Ａ社”、第２形態素の値が“ヌードル”、米類の値が“０”、麺類の値が“９”、パン類の値が“０”、肉類の値が“０”、野菜類の値が“０”、・・・である。従って、第２カテゴリ行列の最上段の行によると、形態素ペアが“Ａ社”、“ヌードル”である場合、米類である可能性は“０”、麺類である可能性は“９”、パン類である可能性は“０”、肉類である可能性は“０”、野菜類である可能性は“０”、・・・であることがわかる。

【0060】

マスタ情報検索部１１８は、マスタ情報テーブルが備える所定のカラムに、文字列情報が含まれるか否かを判定する。マスタ情報検索部１１８は、所定のカラムに記録される文字列と文字列情報とが一致する場合、文字列情報が含まれると判定する。マスタ情報検索部１１８は、所定のカラムに記録される文字列と文字列情報とが一致しない場合、文字列情報が含まれないと判定する。所定のカラムは、ユーザによって予め指定される。ユーザは、例えば商品の購入者であってもよいし、情報処理装置１００を運用する者であってもよい。本実施形態の場合、所定のカラムは、訓練データテーブルが備える“商品名”カラムである。所定のカラムは１つであってもよいし、複数であってもよい。

【0061】

第１分類情報決定部１１９は、形態素又は形態素ペアとカテゴリ行列記憶部１０７に記憶された第１カテゴリ行列に基づいて、文字列情報に対する第１分類情報を決定する。まず、第１分類情報決定部１１９が、形態素に基づく第１カテゴリ行列に基づいて第１分類情報を決定する場合について説明する。第１分類情報決定部１１９は、第１カテゴリ行列から形態素解析部１１１によって解析された形態素の行を特定する。第１分類情報決定部１１９は、第１カテゴリ行列の列毎に特定された形態素の行の値を加算して合計値を算出する。第１分類情報決定部１１９は、算出された合計値のうち、最も大きな値を第１分類情報に決定する。

【0062】

図７に基づいて、文字列情報“塩ラーメン”が与えられた場合について説明する。形態素解析部１１１は、“塩ラーメン”を形態素“塩”及び“ラーメン”に分解する。第１分類情報決定部１１９は、形態素に基づく第１カテゴリ行列から、形態素“塩”及び“ラーメン”に関する行を特定する。形態素“塩”の場合、食品の割合は“０．４２”、飲料の割合は“０．３３”、書籍の割合は“０．０１”、文具の割合は“０．０２”、日用品の割合は“０．０４”・・・である。形態素“ラーメン”の場合、食品の割合は“０．４８”、飲料の割合は“０．２２”、書籍の割合は“０．０８”、文具の割合は“０．０５”、日用品の割合は“０．０６”・・・である。したがって、第１分類情報決定部１１９は、各列毎に和を算出する。図７によると、食品の値が“０．９０”となり、最大となるため、第１分類情報決定部１１９は、文字列情報“塩ラーメン”の第１分類情報を“食品”に決定する。

【0063】

次に、第１分類情報決定部１１９が、形態素ペアに基づく第１カテゴリ行列に基づいて第１分類情報を決定する場合について説明する。第１分類情報決定部１１９は、第１カテゴリ行列から形態素ペア決定部１１３によって決定された形態素ペアの行を特定する。第１分類情報決定部１１９は、特定された行の各列の値のうち、最も大きな値を第１分類情報に決定する。

【0064】

図８に基づいて、文字列情報“Ａ社塩ヌードル”が与えられた場合について説明する。形態素解析部１１１は、“Ａ社塩ヌードル”を形態素“Ａ社”、“塩”及び“ヌードル”に分解する。形態素ペア決定部１１３は、形態素ペアを“Ａ社”及び“ヌードル”に決定する。第１分類情報決定部１１９は、形態素ペアに基づく第１カテゴリ行列から、形態素ペア“Ａ社”及び“ヌードル”に関する行を特定する。形態素ペア“Ａ社”及び“ヌードル”の場合、食品の割合は“０．９７”、飲料の割合は“０．０１”、書籍の割合は“０．０１”、文具の割合は“０．００”、日用品の割合は“０．００”・・・である。したがって、図８によると、食品の値が“０．９７”となり、最大となるため、第１分類情報決定部１１９は、文字列情報“Ａ社塩ヌードル”の第１分類情報を“食品”に決定する。

【0065】

なお、第１分類情報決定部１１９は、第１分類情報を決定するにあたり、形態素ペアの決定結果を優先するように構成されてもよいし、形態素の決定結果を優先するように構成されてもよい。例えば、第１分類情報決定部１１９は、形態素ペアの第１カテゴリ行列で算出された値のうち最も大きな値が第１閾値以上の値である場合、形態素ペアで決定された第１分類情報に決定してもよい。第１閾値は、例えば０．９５であってもよいし、どのような値であってもよい。また、第１分類情報決定部１１９は、形態素ペアに基づく第１カテゴリ行列で算出された値のうち、最も大きな値が第２閾値以上第１閾値未満である場合、形態素に基づく第１カテゴリ行列の算出結果のうち、形態素ペアで決定された第１分類情報に対して所定の数値を加算してもよい。所定の数値は例えば、０．１であってもよいし、形態素ペアに基づく第１カテゴリ行列で算出された値であってもよいし、形態素ペアの第１カテゴリ行列で算出された値に数値計算を施して、求められた値であってもよい。第２閾値は、例えば、０．６６であってもよいし、どのような値であってもよい。第１閾値及び第２閾値は、予めユーザによって指定されてもよい。

【0066】

第２分類情報決定部１２０は、形態素又は形態素ペアとカテゴリ行列記憶部１０７に記憶された第２カテゴリ行列に基づいて、文字列情報に対する第２分類情報を決定する。まず、第２分類情報決定部１２０が、形態素に基づく第２カテゴリ行列に基づいて第２分類情報を決定する場合について説明する。第２分類情報決定部１２０は、第２カテゴリ行列から形態素解析部１１１によって解析された形態素の行を特定する。第２分類情報決定部１２０は、第２カテゴリ行列の列毎に特定された形態素の行の値を加算して合計値を算出する。第２分類情報決定部１２０は、算出された合計値のうち、最も大きな値を第２分類情報に決定する。

【0067】

図９に基づいて、文字列情報“塩ラーメン”が与えられた場合について説明する。形態素解析部１１１は、“塩ラーメン”を形態素“塩”及び“ラーメン”に分解する。第２分類情報決定部１２０は、形態素に基づく第２カテゴリ行列から、形態素“塩”及び“ラーメン”に関する行を特定する。形態素“塩”の場合、米類の値は“２”、麺類の値は“８”、パン類の値は“３”、肉類の値は“２”、野菜類の値は“３”・・・である。形態素“ラーメン”の場合、米類の値は“１”、麺類の値は“１３”、パン類の値は“０”、肉類の値は“４”、野菜類の値は“５”・・・である。したがって、第２分類情報決定部１２０は、列毎に和を算出する。図９によると、麺類の値が“２１”となり、最大となるため、第２分類情報決定部１２０は、文字列情報“塩ラーメン”の第２分類情報を“麺類”に決定する。

【0068】

次に、第２分類情報決定部１２０が、形態素ペアに基づく第２カテゴリ行列に基づいて第２分類情報を決定する場合について説明する。第２分類情報決定部１２０は、第２カテゴリ行列から形態素ペア決定部１１３によって決定された形態素ペアの行を特定する。第２分類情報決定部１２０は、特定された行の各列の値のうち、最も大きな値を第２分類情報に決定する。

【0069】

図１０に基づいて、文字列情報“Ａ社塩ヌードル”が与えられた場合について説明する。文字列情報“Ａ社塩ヌードル”の形態素ペアは、“Ａ社”及び“ヌードル”である。第２分類情報決定部１２０は、形態素ペアに基づく第２カテゴリ行列から、形態素ペア“Ａ社”及び“ヌードル”に関する行を特定する。形態素ペア“Ａ社”及び“ヌードル”の場合、米類の値は“０”、麺類の値は“９”、パン類の値は“０”、肉類の値は“０”、野菜類の値は“０”・・・である。したがって、図１０によると、麺類の値が“９”となり、最大となるため、第２分類情報決定部１２０は、文字列情報“Ａ社塩ヌードル”の第２分類情報を“麺類”に決定する。

【0070】

なお、第２分類情報決定部１２０は、第２分類情報を決定するにあたり、形態素ペアの決定結果を優先するように構成されてもよいし、形態素の決定結果を優先するように構成されてもよい。例えば、第２分類情報決定部１２０は、形態素ペアの第２カテゴリ行列で、最大の値となった第２分類情報の割合が、第３閾値以上の値を有する場合、形態素ペアで決定された第２分類情報に決定してもよい。第３閾値は、例えば０．９５であってもよいし、どのような値であってもよい。最大の値となった第２分類情報の割合とは、最大の値となった第２分類情報の値を、各第２分類情報の値の総和で除算した値である。また、第２分類情報決定部１２０は、形態素ペアの第２カテゴリ行列で、最大の値となった第２分類情報の割合が、第３閾値以上、第４閾値未満である場合、形態素ペアで決定された第２分類情報に対して、形態素の第２カテゴリ行列の算出結果に対して、所定の数値を加算してもよい。所定の数値は例えば、１００であってもよいし、形態素ペアの第２カテゴリ行列で算出された値であってもよいし、形態素ペアの第２カテゴリ行列で算出された値に数値計算を施して、求められた値であってもよい。第４閾値は、例えば、０．６６であってもよいし、どのような値であってもよい。第３閾値及び第４閾値は、予めユーザによって指定されてもよい。

【0071】

マスタ情報生成部１２１は、マスタ情報レコードを生成する。マスタ情報生成部１２１は、決定された第１分類情報及び第２分類情報と取得された文字列情報に基づいて、マスタ情報レコードを生成する。マスタ情報生成部１２１は、マスタ情報レコードを、マスタ情報テーブルに記録する。

【0072】

図１１は、第１の実施形態の情報処理装置１００のカテゴリ行列の生成の処理の流れを示すフローチャートである。データ取得部１１０は、訓練データ記憶部１０４から訓練データを取得する（ステップＳ１０１）。形態素解析部１１１は、文字列情報に対して形態素解析を行う（ステップＳ１０２）。形態素置換部１１２は、分解された形態素が置換データテーブルの置換前カラムに記憶されている場合、形態素を置換後カラムの形態素に置換する（ステップＳ１０３）。形態素解析部１１１は、形態素の品詞を判別する。形態素解析部１１１は、“記号”と判別された形態素を削除する（ステップＳ１０４）。形態素ペア決定部１１３は、形態素のうち、文字列情報の先頭及び末尾に位置づけられる形態素の組み合わせを形態素ペアとして決定する（ステップＳ１０５）。

【0073】

第１カテゴリ行列生成部１１６は、形態素及び形態素ペアに基づいて、第１カテゴリ行列を生成する（ステップＳ１０６）。第１カテゴリ行列生成部１１６は、生成した第１カテゴリ行列をカテゴリ行列記憶部１０７に記録する（ステップＳ１０７）。第２カテゴリ行列生成部１１７は、形態素及び形態素ペアと第２分類情報とに基づいて第２カテゴリ行列を生成する（ステップＳ１０８）。第２カテゴリ行列生成部１１７は、生成した第２カテゴリ行列をカテゴリ行列記憶部１０７に記録する（ステップＳ１０９）。

【0074】

図１２は、第１の実施形態の情報処理装置１００の分類処理の流れを示すフローチャートである。データ取得部１１０は、通信部１０１又は入力部１０２を介して文字列情報を取得する（ステップＳ２０１）。マスタ情報検索部１１８は、マスタ情報テーブルの所定のカラムに、文字列情報が含まれるか否かを判定する（ステップＳ２０２）。所定のカラムは、例えば、商品名である。文字列情報が含まれる場合（ステップＳ２０２：ＹＥＳ）、情報処理装置１００は、処理を終了する。文字列情報が含まれない場合（ステップＳ２０２：ＮＯ）、分類部１１５は、分類情報を決定する（ステップＳ２０３）。

【0075】

図１３及び図１４は、第１の実施形態の情報処理装置１００の分類情報の決定の処理の流れを示すフローチャートである。データ取得部１１０は、通信部１０１又は入力部１０２を介して文字列情報を取得する（ステップＳ３０１）。形態素解析部１１１は、文字列情報に対して形態素解析を行う（ステップＳ３０２）。形態素置換部１１２は、分解された形態素が置換データテーブルの置換前カラムに記憶されている場合、形態素を置換後カラムの形態素に置換する（ステップＳ３０３）。形態素解析部１１１は、形態素の品詞を判別する。形態素解析部１１１は、“記号”と判別された形態素を削除する（ステップＳ３０４）。形態素ペア決定部１１３は、形態素のうち、文字列情報の先頭及び末尾に位置づけられる形態素の組み合わせを形態素ペアとして決定する（ステップＳ３０５）。

【0076】

第１分類情報決定部１１９は、形態素及び形態素ペアに基づく第１カテゴリ行列を取得する（ステップＳ３０６）。第１分類情報決定部１１９は、取得した第１カテゴリ行列から形態素解析部１１１によって解析された形態素の行を特定し、列毎に各行の値の合計値を算出する（ステップＳ３０７）。第１分類情報決定部１１９は、形態素ペアに基づいて生成された第１カテゴリ行列から形態素ペア決定部１１３によって決定された形態素ペアの行を特定し、各列の値の中で最大の値を特定する。

【0077】

第１分類情報決定部１１９は、形態素ペアの第１カテゴリ行列で算出された値のうち最も大きな値が第１閾値以上の値であるか否かを判定する（ステップＳ３０８）。本フローチャートでは、第１閾値は０．９５である。値が０．９５以上である場合（ステップＳ２０８：ＹＥＳ）、第１分類情報決定部１１９は、形態素ペアの第１カテゴリ行列に保持される値のうち、特定した形態素ペアの行の中で最も大きな値を有する第１分類情報を、文字列情報の第１分類情報に決定し、ステップＳ３１３に遷移する（ステップＳ３０９）。値が０．９５以上でない場合（ステップＳ３０８：ＮＯ）、第１分類情報決定部１１９は、形態素ペアの第１カテゴリ行列に保持される値のうち、特定した形態素ペアの行の中で最も大きな値が第２閾値以上の値であるか否かを判定する（ステップＳ３１０）。本フローチャートでは、第２閾値は０．６６である。値が０．６６以上である場合（ステップＳ３１０：ＹＥＳ）、第１分類情報決定部１１９は、形態素の第１カテゴリ行列で算出された値のうち、形態素ペアで決定された第１分類情報に対して所定の数値を加算する（ステップＳ３１１）。第１分類情報決定部１１９は、算出された合計値のうち、最も大きな値を第１分類情報に決定する（ステップＳ３１２）。

【0078】

第２分類情報決定部１２０は、形態素及び形態素ペアと決定された第１分類情報に基づいて、第２分類情報を決定する。第２分類情報決定部１２０は、形態素及び形態素ペアと第２分類情報とに基づいて第２カテゴリ行列を取得する（ステップＳ３１３）。第２分類情報決定部１２０は、形態素に基づいて生成された第２カテゴリ行列から形態素解析部１１１によって解析された形態素の行を特定し、列毎に値の合計値を算出する（ステップＳ３１４）。第２分類情報決定部１２０は、形態素ペアに基づいて生成された第２カテゴリ行列から形態素ペア決定部１１３によって決定された形態素ペアの行を特定し、各列の値のうち、最大の値を特定する。

【0079】

第２分類情報決定部１２０は、形態素ペアの第２カテゴリ行列で、最大の値となった第２分類情報の割合が、第３閾値以上の値であるか否かを判定する（ステップＳ３１５）。本フローチャートでは、第３閾値は０．９５である。値が０．９５以上である場合（ステップＳ３１５：ＹＥＳ）、第２分類情報決定部１２０は、形態素ペアの第２カテゴリ行列で算出された値のうち、最も大きな値を有する第２分類情報を、文字列情報の第２分類情報に決定し、ステップＳ３２０に遷移する（ステップＳ３１６）。値が０．９５以上でない場合（ステップＳ３１５：ＮＯ）、第２分類情報決定部１２０は、形態素ペアの第２カテゴリ行列で算出された値のうち最も大きな値が第４閾値以上の値であるか否かを判定する（ステップＳ３１７）。本フローチャートでは、第４閾値は０．６６である。値が０．６６以上である場合（ステップＳ３１７：ＹＥＳ）、第２分類情報決定部１２０は、形態素の第２カテゴリ行列の算出結果のうち、形態素ペアで決定された第２分類情報に対して所定の数値を加算する（ステップＳ３１８）。第２分類情報決定部１２０は、算出された合計値のうち、最も大きな値を有する第２分類情報を、文字列情報の第２分類情報として決定する（ステップＳ３１９）。

【0080】

マスタ情報生成部１２１は、決定された第１分類情報及び第２分類情報と取得された文字列情報とに基づいて、マスタ情報レコードを生成する（ステップＳ３２０）。マスタ情報生成部１２１は、マスタ情報レコードを、マスタ情報テーブルに記録する（ステップＳ３２１）。

【0081】

このように構成された情報処理装置１００では、第１カテゴリ行列生成部１１６と第２カテゴリ行列生成部１１７とが、訓練データに基づいて、第１カテゴリ行列と第２カテゴリ行列とを生成する。形態素解析部１１１が、与えられた文字列情報を形態素に分解する。形態素ペア決定部１１３は、文字列情報の先頭の形態素と、末尾の形態素と、を形態素ペアとして決定する。第１分類情報決定部１１９は、形態素及び形態素ペアと、第１カテゴリ行列と、に基づいて文字列情報の特徴を示す第１分類情報を決定する。さらに第２分類情報決定部１２０は、形態素及び形態素ペアと、決定された第１分類情報と、第２カテゴリ行列と、に基づいて第１分類情報に対応付けられた第２分類情報を決定する。したがって、より簡単に情報を分類することが可能となる。

【0082】

（第２の実施形態）
次に、第２の実施形態における情報処理システム１について説明する。図１５は、第２実施形態の情報処理システム１のシステム構成を表すシステム構成図である。情報処理システム１は、ネットワーク４００に設けられる。情報処理システム１は、入力された文字列情報に対して、任意の文字列情報の特徴を示す情報を付与する。情報処理システム１は、ネットワーク４００を介して互いに通信可能に接続される情報処理装置１００ａ及び端末装置３００を備える。ネットワーク４００は、どのようなネットワークで構築されてもよい。例えば、ネットワーク４００は、インターネットで構成されてもよい。

【0083】

第２の実施形態における情報処理装置１００ａは、制御部１０９の代わりに制御部１０９ａを備え、分類部１１５の代わりに分類部１１５ａを備える点で第１の実施形態とは異なるが、それ以外の構成は同じである。以下、第１の実施形態と異なる点について説明する。

【0084】

制御部１０９ａは、情報処理装置１００ａの各部の動作を制御する。制御部１０９ａは、例えばプロセッサ及びメモリを備えた装置により実行される。制御部１０９ａは、分類プログラム又は学習プログラムを実行することによって、データ取得部１１０、形態素解析部１１１、形態素置換部１１２、形態素ペア決定部１１３、学習部１１４及び分類部１１５ａとして機能する。

【0085】

データ取得部１１０ａは、文字列情報を取得する。データ取得部１１０ａは、文字列情報を端末装置３００から取得する。データ取得部１１０ａは、取得した文字列情報を分類部１１５ａに出力する。データ取得部１１０ａは、取得した文字列情報を訓練データ記憶部１０４に記録してもよい。

【0086】

分類部１１５ａは、分類プログラムを実行することで、マスタ情報検索部１１８ａ、第１分類情報決定部１１９、第２分類情報決定部１２０及びマスタ情報生成部１２１として機能する。

【0087】

マスタ情報検索部１１８ａは、第１実施形態のマスタ情報検索部１１８と同様の処理でマスタ情報テーブルが備える所定のカラムに、文字列情報が含まれるか否かを判定する。マスタ情報検索部１１８ａは、マスタ情報記憶部１０８に記憶されるマスタ情報テーブルに基づいて、文字列情報が含まれるか否かを判定する。マスタ情報テーブルに文字列情報が含まれる場合、マスタ情報検索部１１８ａは、文字列情報に対応付けられた第１分類情報及び第２分類情報を端末装置３００に送信する。マスタ情報テーブルに文字列情報が含まれない場合、分類部１１５ａは、分類情報の決定処理を実行する。マスタ情報検索部１１８ａは、分類情報の決定処理の実行結果によって決定された第１分類情報及び第２分類情報を端末装置３００に送信する。

【0088】

端末装置３００は、バスで接続されたプロセッサやメモリや補助記憶装置などを備え、分類要求プログラムを実行することによって、通信部３０１、入力部３０２、表示部３０３及び制御部３０４を備える装置として機能する。なお、端末装置３００の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。分類プログラム又は学習プログラムプログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。分類プログラム又は学習プログラムプログラムは、電気通信回線を介して送信されてもよい。

【0089】

通信部３０１は、ネットワークインタフェースである。通信部３０１はネットワーク４００を介して、外部の装置と通信する。外部の装置とは、例えば、情報処理装置１００ａ等の装置であってもよい。通信部３０１は、例えば無線ＬＡＮ、有線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ又はＬＴＥ等の通信方式で通信してもよい。

【0090】

入力部３０２は、タッチパネル、マウス及びキーボード等の入力装置を用いて構成される。入力部３０２は、入力装置を端末装置３００に接続するためのインタフェースであってもよい。この場合、入力部３０２は、入力装置において入力された入力信号から入力データ（例えば、端末装置３００に対する指示を示す指示情報）を生成し、端末装置３００に入力する。

【0091】

表示部３０３は、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ等の出力装置である。表示部３０３は、出力装置を端末装置３００に接続するためのインタフェースであってもよい。この場合、表示部３０３は、映像データから映像信号を生成し自身に接続されている映像出力装置に映像信号を出力する。

【0092】

制御部３０４は、端末装置３００の各部の動作を制御する。制御部３０４は、例えばプロセッサ及びメモリを備えた装置により実行される。制御部３０４は、分類要求プログラムを実行することによって、分類要求部３０５を備える装置として機能する。

【0093】

分類要求部３０５は、ユーザから入力部３０２を介して文字列情報を受付ける。分類要求部３０５は、受け付けた文字列情報を情報処理装置１００ａに送信する。分類要求部３０５は、情報処理装置１００ａから、第１分類情報及び第２分類情報を受信する。分類要求部３０５は、受信した第１分類情報及び第２分類情報を表示部３０３に表示させる。

【0094】

＜変形例＞
本実施形態では、形態素ペアは、文字列情報の先頭及び末尾の形態素であるとして説明したが、形態素ペアは、文字列情報の先頭及び末尾に限定されない。例えば、形態素ペア決定部１１３は、文字列情報の先頭から１番目と２番目との形態素を形態素ペアとして決定してもよい。

【0095】

形態素ペア決定部１１３は、文字列情報が分解された形態素のうち、文字列情報の特徴を最も表す形態素を特定する。文字列情報の特徴を最も表す形態素とは、文字列情報と形態素とを比較して、文字列情報と意味が近い形態素である。形態素ペア決定部１１３は、文字列情報と意味が近い形態素を特定するに当たり、公知の方法を用いてもよい。形態素ペア決定部１１３は、特定した形態素と意味が近い他の形態素を特定する。形態素ペア決定部１１３は、特定した形態素と、特定した形態素と意味が近い他の形態素と、を形態素ペアとして決定する。形態素ペア決定部１１３は、形態素と意味が近い他の形態素を特定するに当たり、公知の方法を用いてもよい。

【0096】

本実施形態では、訓練データは訓練データ記憶部１０４に記憶されているが、訓練データは、必要に応じて通信部１０１を介して外部から入力されてもよいし、入力部１０２を介してユーザから受け付けてもよい。

【0097】

本実施形態では、分類処理と学習処理とは、同一の情報処理装置１００又は情報処理装置１００ａ内で実行されるものとして説明したが、これに限定されない。例えば、分類処理を実行する分類装置と、学習処理を実行する学習装置と、でそれぞれ構成されてもよいし、クラウドコンピューティング上に構成されてもよい。

【0098】

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

【産業上の利用可能性】

【0099】

本発明は、商品の分類に利用可能である。

【符号の説明】

【0100】

１００…情報処理装置， １０１…通信部， １０２…入力部， １０３…表示部， １０４…訓練データ記憶部， １０５…置換データ記憶部， １０６…分類情報記憶部， １０７…カテゴリ行列記憶部， １０８…マスタ情報記憶部， １０９…制御部， １１０…データ取得部， １１１…形態素解析部， １１２…形態素置換部， １１３…形態素ペア決定部， １１４…学習部， １１５…分類部， １１６…第１カテゴリ行列生成部， １１７…第２カテゴリ行列生成部， １１８…マスタ情報検索部， １１９…第１分類情報決定部， １２０…第２分類情報決定部， １２１…マスタ情報生成部， １…情報処理システム， １００ａ…情報処理装置， １０９ａ…制御部， １１０ａ…データ取得部， １１５ａ…分類部， １１８ａ…マスタ情報検索部， ３００…端末装置， ３０１…通信部， ３０２…入力部， ３０３…表示部， ３０４…制御部， ３０５…分類要求部， ４００…ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】