特許 6735247 文書分類装置、文書分類方法及び文書分類プログラム

(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】6735247

(24)【登録日】2020年7月15日

(45)【発行日】2020年8月5日

(54)【発明の名称】文書分類装置、文書分類方法及び文書分類プログラム

(51)【国際特許分類】

   G06F 16/903 20190101AFI20200728BHJP

   G06F 16/906 20190101ALI20200728BHJP

【ＦＩ】

   G06F16/903

   G06F16/906

【請求項の数】9

【全頁数】23

(21)【出願番号】特願2017-65917(P2017-65917)

(22)【出願日】2017年3月29日

(65)【公開番号】特開2018-169753(P2018-169753A)

(43)【公開日】2018年11月1日

【審査請求日】2019年6月26日

(73)【特許権者】

【識別番号】306020818

【氏名又は名称】トヨタテクニカルディベロップメント株式会社

(74)【代理人】

【識別番号】110002516

【氏名又は名称】特許業務法人白坂

(72)【発明者】

【氏名】清水 大樹

【審査官】 萩島 豪

(56)【参考文献】

【文献】 特開２０１０−０２０５３０（ＪＰ，Ａ）

【文献】 特開２００７−３２３４５４（ＪＰ，Ａ）

【文献】 特開２０１０−１４６２２２（ＪＰ，Ａ）

【文献】 特開２００５−０９２８２５（ＪＰ，Ａ）

(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】

検索式に応じて検索された複数の文書データを示す第一文書情報と、前記文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶部と、
前記検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得部と、
前記第二特徴情報と前記第一特徴情報との一致度に基づいて、前記複数の文書データから所定数の文書データを抽出する抽出部と、
前記抽出部が抽出した前記所定数の文書データ各々に対応付けられた前記該当情報に基づいて、前記他の文書データが、前記ユーザにとって所望の文献であるか否かを判断する判断部と、
前記判断部の判断結果を出力する出力部とを備える文書分類装置。

【請求項2】

前記抽出部は、前記複数の文書データから、前記第二特徴情報と前記第一特徴情報との一致度の高いものから所定数を抽出し、
前記判断部は、前記抽出部が抽出した文献に対応付けられている該当情報が、ユーザにとって所望の文献であることを示すものが閾値より多い場合に、前記他の文書データはユーザにとって所望の文献であると判断し、ユーザにとって所望の文献でないことを示すものが閾値よりも多い場合に、前記他の文書データはユーザにとって所望の文献ではないと判断する
ことを特徴とする請求項１に記載の文書分類装置。

【請求項3】

前記判断部は、前記抽出部が抽出した文献に対応付けられている該当情報に対して、前記一致度に応じた重み付けを行い、重み付けを行った後の該当情報に基づいて、前記他の文書データが、前記ユーザにとって所望の文献であるか否かを判断する
ことを特徴とする請求項１又は２に記載の文書分類装置。

【請求項4】

前記判断部は、前記第一特徴情報が対応付けられている文書データであって前記該当情報がユーザが所望していない文献であることを示す文書データの、当該第一特徴情報が対応付けられている文書データ全体に対する割合を示す非該当率が、第一閾値を超える第一特徴情報と一致する第二特徴情報を有する他の文書データをユーザが所望していない文献であると判断する
ことを特徴とする請求項１〜３のいずれか１項に記載の文書分類装置。

【請求項5】

前記判断部は、前記第一特徴情報が対応付けられている文書データであって前記該当情報がユーザが所望している文献であることを示す文書データの、当該第一特徴情報が対応付けられている文書データ全体に対する割合を示す該当率が、第二閾値を超える第一特徴情報と一致する第二特徴情報を有する他の文書データをユーザが所望している文献であると判断する
ことを特徴とする請求項４に記載の文書分類装置。

【請求項6】

前記第一閾値は、前記第二閾値よりも大きい
ことを特徴とする請求項５に記載の文書分類装置。

【請求項7】

前記判断部は、前記検索式に、特徴情報が用いられている場合には、当該特徴情報を除く前記第一特徴情報と、前記第二特徴情報とに基づいて、前記判断を行う
ことを特徴とする請求項１〜６のいずれか１項に記載の文書分類装置。

【請求項8】

検索式に応じて検索された複数の文書データを示す第一文書情報と、前記文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶ステップと、
前記検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得ステップと、
前記第二特徴情報と前記第一特徴情報との一致度に基づいて、前記複数の文書データから所定数の文書データを抽出する抽出ステップと、
前記抽出ステップにおいて抽出した前記所定数の文書データ各々に対応付けられた前記該当情報に基づいて、前記他の文書データが、前記ユーザにとって所望の文献であるか否かを判断する判断ステップと、
前記判断ステップにおける判断結果を出力する出力ステップとを含む文書分類方法。

【請求項9】

コンピュータに、
検索式に応じて検索された複数の文書データを示す第一文書情報と、前記文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶機能と、
前記検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得機能と、
前記第二特徴情報と前記第一特徴情報との一致度に基づいて、前記複数の文書データから所定数の文書データを抽出する抽出機能と、
前記抽出機能が抽出した前記所定数の文書データ各々に対応付けられた前記該当情報に基づいて、前記他の文書データが、前記ユーザにとって所望の文献であるか否かを判断する判断機能と、
前記判断機能の判断結果を出力する出力機能とを実現させる文書分類プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、文書を分類する文書分類装置、文書分類方法及び文書分類プログラムに関する。

【背景技術】

【0002】

近年、技術者達は、最新の技術動向を追うために、毎年自身の目的に沿った各種の特許文献を読むことがある。その特許文献を読むにあたり技術者は、検索式により絞り込みを行うものの、その結果得られる文献数は膨大なものになることがままあり、全ての文献に目を通すことは現実的ではない。そのため、膨大な量の文献の中から読むべき文献とそうでない文献のふるい分け、即ち、スクリーニングをユーザが行うことがある。

【0003】

そこで、そのようなスクリーニングを補助する手法として、様々な技術がある。例えば、特許分類による検索の検索結果として得られる文献集合に、更に検索したい内容を表した種文書を追加し、文書内容の類似度に基づくクラスタリングを行って、クラスタ表示された特許文献を順次スクリーニングする技術が開示されている（例えば、特許文献１参照）。なお、類似度の算出には、文献に対して形態素解析を行って用語に分解し、各用語同士の類似度を算出することでクラスタリングを行う。

【0004】

また、文献検索後のスクリーニングを効率よく行うために、文献単位で、各文献を示す内容を自動めくりする方法が開示されている（例えば、特許文献２参照）。

【0005】

さらには、分類する文書と、予め分類の付与された文書集合との類似度を文書内のキーワードに基づいて算出し、入力された文書と最も類似する指定数の文書を抽出し、類似度を加味した分類の数に基づいて抽出した指定数の文書の分類のスコアを算出し、算出したスコアが指定値より大きい分類を抽出して、分類対象の文書に付与することで自動的に分類を行う技術もある（例えば、特許文献３参照）。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２００３−１５７２７０号公報

【特許文献2】特開２００４−２３４４３０号公報

【特許文献3】特開２００７−３２３４５４号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

ところで、上記特許文献２の場合、文献単位で自動めくりを行ってはくれるものの、ユーザが読むべき文献数が減るわけではなく、人がスクリーニングを行うこと自体は変わらないため、その人物の処理負荷が大きいという問題がある。

【0008】

また、上記特許文献１や特許文献３の場合、各文献に対して形態素解析を行った上で抽出された用語各々について類似度を算出するという手法をとっているため、形態素解析や膨大な数の用語の類似度の算出といった膨大な処理負荷がプロセッサにかかるという問題がある。

【0009】

そこで、本発明は上記問題に鑑みて成されたものであり、上記特許文献１〜３よりも人やプロセッサの処理負荷が少ない文書分類装置、文書分類方法及び文書分類プログラム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】

【0010】

上記課題を解決するために、本発明の一態様に係る文書分類装置は、検索式に応じて検索された複数の文書データを示す第一文書情報と、文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶部と、検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得部と、第二特徴情報と第一特徴情報との一致度に基づいて、複数の文書データから所定数の文書データを抽出する抽出部と、抽出部が抽出した所定数の文書データ各々に対応付けられた該当情報に基づいて、他の文書データが、ユーザにとって所望の文献であるか否かを判断する判断部と、判断部の判断結果を出力する出力部とを備える。

【0011】

また、本発明の一態様に係る文書分類方法は、検索式に応じて検索された複数の文書データを示す第一文書情報と、文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶ステップと、検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得ステップと、第二特徴情報と第一特徴情報との一致度に基づいて、複数の文書データから所定数の文書データを抽出する抽出ステップと、抽出ステップにおいて抽出した所定数の文書データ各々に対応付けられた該当情報に基づいて、他の文書データが、ユーザにとって所望の文献であるか否かを判断する判断ステップと、判断ステップにおける判断結果を出力する出力ステップとを含む。

【0012】

また、本発明の一態様に係る文書分類プログラムは、コンピュータに、検索式に応じて検索された複数の文書データを示す第一文書情報と、文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶する記憶機能と、検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する取得機能と、第二特徴情報と第一特徴情報との一致度に基づいて、複数の文書データから所定数の文書データを抽出する抽出機能と、抽出機能が抽出した所定数の文書データ各々に対応付けられた該当情報に基づいて、他の文書データが、ユーザにとって所望の文献であるか否かを判断する判断機能と、判断機能の判断結果を出力する出力機能とを実現させる。

【0013】

また、上記文書分類装置において、抽出部は、複数の文書データから、第二特徴情報と第一特徴情報との一致度の高いものから所定数を抽出し、判断部は、抽出部が抽出した文献に対応付けられている該当情報が、ユーザにとって所望の文献であることを示すものが閾値よりも多い場合に、他の文書データはユーザにとって所望の文献であると判断し、ユーザにとって所望の文献でないことを示すものが閾値よりも多い場合に、他の文書データはユーザにとって所望の文献ではないと判断することとしてもよい。

【0014】

また、上記文書分類装置において、判断部は、抽出部が抽出した文献に対応付けられている該当情報に対して、一致度に応じた重み付けを行い、重み付けを行った後の該当情報に基づいて、他の文書データが、ユーザにとって所望の文献であるか否かを判断することとしてもよい。

【0015】

また、上記文書分類装置において、判断部は、第一特徴情報が対応付けられている文書データであって該当情報がユーザが所望していない文献であることを示す文書データの、当該第一特徴情報が対応付けられている文書データ全体に対する割合を示す非該当率が、第一閾値を超える第一特徴情報と一致する第二特徴情報を有する他の文書データをユーザが所望していない文献であると判断することとしてもよい。

【0016】

また、上記文書分類装置において、判断部は、第一特徴情報が対応付けられている文書データであって該当情報がユーザが所望している文献であることを示す文書データの、当該第一特徴情報が対応付けられている文書データ全体に対する割合を示す該当率が、第二閾値を超える第一特徴情報と一致する第二特徴情報を有する他の文書データをユーザが所望している文献であると判断することとしてもよい。

【0017】

また、上記文書分類装置において、第一閾値は、第二閾値よりも大きいこととしてもよい。

【0018】

また、上記文書分類装置において、判断部は、検索式に、特徴情報が用いられている場合には、当該特徴情報を除く第一特徴情報と、第二特徴情報とに基づいて、判断を行うこととしてもよい。

【発明の効果】

【0019】

本発明の一態様に係る文書分類装置は、新たに検索された他の文書データが、ユーザにとって所望の文献であるか否かを、予め同じ検索式で検索された文献に対して付与された技術的情報を示す特徴情報の一致度と、その文献がユーザにとって所望の文献であるか否かを示す該当情報に基づいて判断することができる。したがって、文書分類装置は、ユーザが読まなくてもよい文献のふるい分けを行うことができるので、ユーザが読むべき文献数を低減できる。よって、ユーザの処理負荷を軽減することができる。また、文書分類装置は、文献内を精査することなく、文献のふるい分けを行うことができるので、文書分類装置に対してかかる処理負荷を軽減することができる。

【図面の簡単な説明】

【0020】

【図1】文書分類装置の構成例を示すブロック図である。

【図2】文書分類装置の詳細な構成例を示すブロック図である。

【図3】（ａ）は、分類済みのリストを示す過去リストの一例を示すデータ概念図である。（ｂ）は、新たな文献のリストを示す新文献リストの一例を示すデータ概念図である。

【図4】新たな文献との一致度で過去文献をソートした一致度表の一例を示すデータ概念図である。

【図5】分類ごとにノイズであるか該当するかを示すＩＰＣ該当情報の一例を示すデータ概念図である。

【図6】文書分類装置の動作であって、事前準備に係る処理を示すフローチャートである。

【図7】図６に続く処理を示すフローチャートである。

【図8】文書分類装置の動作であって、新たな文書を分類する際の処理を示すフローチャートである。

【図9】図８に続く処理を示すフローチャートである。

【図10】図９に続く処理を示すフローチャートである。

【図11】文書分類装置の構成例を示すブロック図である。

【発明を実施するための形態】

【0021】

以下、本発明の一実施態様に係る文書分類装置について、図面を参照しながら詳細に説明する。

【0022】

＜実施の形態＞
＜構成＞
図１は、文書分類装置の構成例を示すブロック図である。図１に示すように、記憶部１３０と、取得部１１０と、抽出部１２１と、判断部１２２と、出力部１４０とを備える。

【0023】

記憶部１３０は、検索式に応じて検索された複数の文書データを示す第一文書情報と、文書データに付与された当該文書データの１つ以上の技術的特徴を示す第一特徴情報と、当該文書データがユーザにとって所望の文献であるか否かを示す該当情報とを対応付けて記憶している。記憶部１３０は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリなどにより実現できるが、これに限定されるものではない。ここで第一文書情報は、第一文書情報の文書そのものを示すデータであってもよいし、第一文書情報を示す識別情報であってもよい。ここで、第一特徴情報は、文書データ各々の技術的特徴を示すものであって、例えば、ＩＰＣ、ＣＰＣ、ＥＣＬＡ、ＩＣＯ、ＵＳＣ、ＦＩ、Ｆタームなどが挙げられるが、これらに限定されるものではない。また、該当情報とは、検索を行ったユーザが検索により得られた文献を目視することによって検索の結果得られた文献各々がユーザにとって所望の文献であるか否かを示す情報であればよく、例えば、「該当する」、「ノイズ」であるといった情報や、「どちらでもない」、「不明である」というような内容を示すような情報であってもよい。なお、該当情報は、文書分類装置が付与するものであってもよい。各第一文書情報には、上述の通り、技術的特徴を示す第一特徴情報として、少なくとも１つの技術的特徴が対応付けられる。

【0024】

取得部１１０は、検索式に応じて新たに検索され、１つ以上の技術的特徴を示す第二特徴情報が付与された他の文書データを示す第二文書情報を取得する。取得部１２１は、例えば、有線又は無線による通信により第二文書情報を取得することとしてもよいし、あるいは、記憶部１３０に予め記憶されていた他の文書データを取得するものであってもよいし、文書分類装置に他の文書データを記憶した他の記憶媒体が接続されて当該他の記憶媒体から他の文書データを取得することとしてもよい。他の記憶媒体とは、例えば、フラッシュメモリなどの可搬型の記憶媒体である。また、第二文書情報は、第二文書情報の文書その物を示すデータであってもよいし、第二文書情報を示す識別情報であってもよい。また、第二特徴情報は、他の文書データの技術的特徴を示すものであって、例えば、ＩＰＣ、ＣＰＣ、ＥＣＬＡ、ＩＣＯ、ＵＳＣ、ＦＩ、Ｆタームなどが挙げられるが、これらに限定されるものではない。ここで、取得部１１０が取得する他の文書データは、１つでも複数でもどちらでもよい。

【0025】

抽出部１２１は、第二特徴情報と第一特徴情報との一致度に基づいて、複数の文書データから所定数の文書データを抽出する。抽出部１２１は、例えば、記憶部１３０に記憶されている抽出プログラムを実行するプロセッサにより実現することができる。例えば、抽出部１２１は、複数の文書データの中から第二特徴情報と第一特徴情報との一致度が高い文書データを抽出することとしてもよいし、一致度が一定以上の文書データを抽出することとしてもよい。

【0026】

判断部１２２は、抽出部１２１が抽出した所定数の文書データ各々に対応付けられた該当情報に基づいて、他の文書データが、ユーザにとって所望の文献であるか否かを判断する。判断部１２２は、例えば、記憶部１３０に記憶されている判断プログラムを実行するプロセッサにより実現することができる。例えば、判断部１２２は、抽出部１２１が抽出した文書データに対応付けられた該当情報が該当を示すものが多い場合に、他の文書データも、ユーザが所望する文献に該当すると判断することができる。なお、「ユーザにとって所望の文献であるか」という条件は、「所定の観点に合致する文献であるか」といった条件や「所定の条件に合致する文献であるか」というような条件であってもよい。

【0027】

出力部１４０は、判断部１２２の判断結果を出力する。出力部１４０は、判断部１２２による判断結果を外部に出力できればよく、例えば、文書分類装置１００が出力装置としてのモニターやスピーカを備えて、それらのモニターに画像情報として判断結果を出力する、あるいは、音声情報として判断結果を出力することとしてもよい。また、出力部１４０は、例えば、文書分類装置１００に外部の装置が接続されて、無線又は有線により、外部の装置に判断結果を示す情報を送信することにより出力することとしてもよい。

【0028】

以下、文書分類装置１００について更に詳細に説明する。

【0029】

図２は、文書分類装置１００の詳細な構成例を示すブロック図である。図２に示すように、文書分類装置１００は、取得部１１０と、制御部１２０と、記憶部１３０と、出力部１４０とから構成される。文書分類装置１００は、新たな文書データが入力された場合に、当該新たな文書データが、ユーザの所望する文献に該当するノイズであるか否かを判定する機能を有するコンピュータシステムである。

【0030】

取得部１１０は、文書分類装置１００が分類する新たな他の文書データとしての特許文献を示す情報を取得する機能を有する。当該特許文献を示す情報は、特許文献を示す情報であればよく、特許文献を示す識別情報あるいは文書そのものであってもよい。当該特許文献を示す情報には、当該特許文献の技術的情報を示す第二特徴情報としての特許分類を示す情報が付与されている。取得部１１０は、一例として、外部の装置（図示せず）から、未分類の他の文書データを取得する通信インターフェースである。

【0031】

制御部１２０は、記憶部１３０に記憶されている各種プログラムを実行することで、文書分類装置１００の各部を制御する機能を有するプロセッサである。制御部１２０は、抽出部１２１と、判断部１２２としての機能を有する。制御部１２０は、検索式に応じて検索された文献として、ユーザにとって所望の文献であるか否かを判定するために、各文献に付与されているＩＰＣが「ノイズ」となるか「該当」するかを判断するためのＩＰＣ該当情報を事前情報として生成する機能を有する。また、制御部１２０は、抽出部１２１や判断部１２２の機能により、新たに検索式により検索されたノイズか該当かの分類が付与されていない特許文献が、ユーザの所望する文献であるか否かを判断する機能も有する。

【0032】

抽出部１２１は、過去の分類済みの文献リストである過去文献リストの中から、新たな文献がノイズであるか否かを判定するために用いる文献を抽出する。抽出部１２１は、新たな文献とのＩＰＣの一致度が高い順にソートされた過去文献リストの上位から所定数の文献を抽出する。

【0033】

判断部１２２は、抽出部１２１が抽出した文献に付与されている該当情報としての分類（「ノイズ」か「該当」するか）に基づいて、新たな文献がユーザにとって所望の文献であるか否か、即ち、「ノイズ」であるか「該当」するかを判断する。判断部１２２は、抽出部１２１が抽出した文献のうち、過半数を占める分類を、新たな文献の分類とする。

【0034】

制御部１２０による新たな文献が、ユーザの所望する文献であるか否かを判断する際の処理やＩＰＣ該当情報を生成する際の処理の詳細については、後述する。

【0035】

記憶部１３０は、文書分類装置１００が動作する上で必要とする各種のデータやプログラムを記憶する機能を有する記録媒体である。記憶部１３０は、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリ等により実現されるが、これらに限定されるものではない。記憶部１３０は、例えば、各ＩＰＣがノイズなのか該当するのかの事前情報を制御部１２０が生成するためのプログラムや、新たな文献が入力されたときに当該新たな文献がノイズなのか該当するのかを制御部１２０が判断するためのプログラムを記憶している。また、記憶部１３０は、過去の特許文献のリストであって、各文献がユーザの所望の文献に該当するか否かを示す該当情報が対応付けられた過去文献リスト３００と、取得部１１０が取得するものであって、新たな文献のリストである新文献リスト３５０と、制御部１２０が生成した事前情報であるＩＰＣ該当情報５００を記憶している。また、新たな文献がノイズか該当するかを判定する際に生成する一致度表４００も記憶する。

【0036】

出力部１４０は、制御部１２０の新たな文献についての判断結果に関する情報を外部の装置に対して出力する機能を有する通信インターフェースである。ここでは、例えば、図３（ａ）に示すような態様（少なくとも新たな文献の公報番号と分類とが対応付けられた態様）で、分類が付与された新文献リストを出力することとする。

【0037】

以上が、文書分別装置１００の構成の説明である。

【0038】

＜データ＞
ここから、文書分類装置１００において用いられる各種データについて説明する。

【0039】

図３（ａ）は、記憶部１３０に記憶されている分類済みの文書データに関する過去文献リスト３００の構成例を示すデータ概念図である。過去文献リスト３００は、過去に所定の検索式で検索された文献に関する情報であって、各文献がユーザにとって所望の文献であるかいなかを示す情報を含む。図３（ａ）に示すように、過去文献リスト３００は、検索式に応じて検索された複数の文書データを示す第文書情報としての公報番号３０１と、対応する文書データである特許文献が検索の結果としてユーザが所望する内容が記載された文献であるか否かを示す該当情報に相当する情報である分類３０２と、当該文書データ各々に付与された１以上の技術的特徴を示す第一特徴情報に相当するＩＰＣ分類３０３とが対応付けられた情報である。

【0040】

公報番号３０１は、検索式に応じて検索された文書データであって、分類済みの文書データである特許文献を一意に特定するための情報である。ここでは、分類の対象となる特許文献の公報番号を用いているが、これは、公報番号に限るものではなく、当該文献を一意に特定できる識別情報であれば、公報番号以外を用いることとしてもよい。

【0041】

分類３０２は、対応する特許文献が、ユーザにとって所望の文献であるか否かを示す該当情報と呼ぶべき情報であり、ここでは、対応する特許文献がユーザにとって所望の文献である場合には、「該当」で示し、所望の文献でない場合には、「ノイズ」の２値で示している。

【0042】

ＩＰＣ分類３０３は、対応する特許文献に付与されているＩＰＣを示す情報である。当該ＩＰＣ分類３０３は、対応する特許文献の１つ以上の技術的特徴を示す情報であり、国際的に統一されて用いられている特許文献の技術内容による分類を示す情報である。

【0043】

図３（ｂ）は、文書分類装置１００の取得部１１０が取得する新たな文書データの一例を示す新文献リスト３５０の構成例を示すデータ概念図である。新文献リスト３５０に記載される各特許文献が分類の対象となる新たな文書データの一覧である。新文献リスト３５０は、検索により新たに検索される他の文書データを示す情報に相当する公報番号３５１と、１つ以上の技術的特徴を示す第二特徴情報に相当するＩＰＣ分類３５２とが対応付けられた情報である。

【0044】

公報番号３５１は、文書データを一意に特定するための情報である。ここでは、分類の対象となる特許文献の公報番号を用いているが、これは、公報番号に限るものではなく、当該文献を一意に特定できる識別情報であれば、公報番号以外を用いることとしてもよい。

【0045】

ＩＰＣ分類３５２は、対応する特許文献に付与されているＩＰＣを示す情報である。当該ＩＰＣ分類３５２は、対応する特許文献の１つ以上の技術的特徴を示す情報であり、国際的に統一されて用いられている特許文献の技術内容による分類を示す情報である。

【0046】

図４は、新文献リスト３００に含まれる一文献と、過去文献リスト３５０に含まれる各文献との技術分類の一致度を対応付けて、その一致度の高いものから降順に並べ替えた状態の一致度表４００の構成例を示すデータ概念図である。一致度表４００は、文書分類装置１００が新たな文書データが、「ノイズ」か「該当」かを判断する過程で生成する情報である。

【0047】

公報番号４０１は、分類済みの文書データである特許文献を一意に特定するための情報である。ここでは、分類の対象となる特許文献の公報番号を用いているが、これは、公報番号に限るものではなく、当該文献を一意に特定できる識別情報であれば、公報番号以外を用いることとしてもよい。

【0048】

分類４０２は、対応する特許文献が、ユーザにとって所望の文献であるか否かを示す該当情報と呼ぶべき情報であり、ここでは、対応する特許文献がユーザにとって所望の文献である場合には、「該当」で示し、所望の文献でない場合には、「ノイズ」の２値で示している。

【0049】

ＩＰＣ分類４０３は、対応する特許文献に付与されているＩＰＣを示す情報である。当該ＩＰＣ分類４０３は、対応する特許文献の１つ以上の技術的特徴を示す情報であり、国際的に統一されて用いられている特許文献の技術内容による分類を示す情報である。

【0050】

一致度４０４は、新文献リスト３５０に含まれる一つの新文献について、当該新文献に付与されているＩＰＣ分類３５２と、過去文献リスト３００に含まれる各文献に対応付けられているＩＰＣ分類３０３との一致度を示す情報である。

【0051】

一致度表４００は、新文献リスト３５０に含まれる各文献毎に生成される。そして、各文献について各々がユーザの所望する文献かそうでないかを、対応する一致度表４００を用いて、判断部１２２が判断する。

【0052】

図５は、ＩＰＣ分類ごとに、ノイズとなるか、該当になるかの確率を示すＩＰＣ該当情報５００の構成例を示すデータ概念図である。図５に示すようにＩＰＣ該当情報５００は、ＩＰＣ分類５０１と、公報件数５０２と、ノイズ件数５０３と、ノイズ率５０４と、ノイズ判定５０５と、とが対応付けられた情報である。

【0053】

ＩＰＣ分類５０１は、特許文献の技術的特徴を示す情報であり、国際的に統一されて用いられている特許文献の技術内容による分類を示す情報である。ＩＰＣ分類５０１は、過去文献リスト３００に含まれる過去文献に付与されているＩＰＣを抽出したものである。

【0054】

公報件数５０２は、過去文献リスト３００において、対応するＩＰＣ分類５０１が付与されている文献の総数を示す情報である。

【0055】

ノイズ件数５０３は、対応するＩＰＣ分類５０１が付与されている過去文献のうち、ユーザが「ノイズ」であると判断した文献の総数を示す情報である。

【0056】

ノイズ率５０４は、対応するＩＰＣ分類５０１が文書データに付与されている場合に、ユーザにとって所望の文献ではない確率を示唆する情報であって、対応するノイズ件数５０３を、対応する公報件数５０２で除した値を示している。

【0057】

ノイズ判定５０５は、対応するＩＰＣ分類５０１が付与されている場合にノイズとなるか該当するかを判定するための値である。文書分類装置１００は、ノイズ判定が「１００」となっていれば「ノイズ」、即ちユーザにとって所望でない文書であると判定することができる。また、文書分類装置１００は、ノイズ判定が「０」となっていれば「該当」、即ちユーザにとって所望の文書であると判定することができる。本実施の形態においては、ノイズ率５０４が９５以上であるＩＰＣ分類はノイズ判定５０５を１００とし、ノイズ率５０４が１０以下であるＩＰＣ分類はノイズ判定５０５を０としている。なお、ここで９５や１０の閾値は、文書分類装置１００が定めた値であり、適宜その設定を変更できることとしてもよい。当該設定を変更する場合には、文書分類装置１００に接続された入力装置等を用いて変更することができる。

【0058】

ＩＰＣ該当情報５００は、特定のＩＰＣ分類について、高確率でノイズあるいは該当となり得る文書を、文書分類装置１００が特定するのに用いることができる。即ち、例えば、文書分類装置１００は、ノイズ判定が１００となっているＩＰＣ分類が付与されている文書は、ユーザにとって所望でない文献として特定することができる。逆に、ノイズ判定が０となっているＩＰＣ分類が付与されている文書は、ユーザにとって所望の文献であると特定することもできる。なお、図５に示す各値は一例である。

【0059】

＜動作＞
ここから、文書分類装置１００による歪み量の算出に係る動作を説明する。図６から図７にかけて示すフローチャートは、文書分類装置１００が新たな文書の分類を行う前の事前準備のための処理を示すフローチャートである。当該処理は、文書分類装置１００の制御部１２０が実行する処理である。本処理は、図５に示す該当確率情報５００を生成するための処理である。以下、詳細に説明する。

【0060】

（ステップＳ６０１）
ステップＳ６０１において、文書分類装置１００の制御部１２０は、処理に用いる変数ｉを、１に設定する。当該変数ｉは、過去文献リスト３００に含まれる各文献について、処理対象の文献を定めるための変数である。変数ｉを１に設定した後に、ステップＳ６０２の処理に移行する。

【0061】

（ステップＳ６０２）
ステップＳ６０２において、制御部１２０は、過去文献リスト３００に含まれる全ての文献について、処理を行ったか否かを判定する。当該判定は、変数ｉの数が、過去文献リスト３００の総数に一致するか否かによって判定できる。当該判定において、全ての文献について処理を行っていない場合には（ＮＯ）、ステップＳ６０３の処理に移行し、全ての文献について処理を終了している場合には（ＹＥＳ）、ステップＳ６０９の処理に移行する。

【0062】

（ステップＳ６０３）
ステップＳ６０３において、制御部１２０は、過去文献リスト３００のｉ行目の公報の分類が「ノイズ」であるか否かを、過去文献リスト３００の対応する分類３０２を参照して判定する。ｉ行目の公報の分類が「ノイズ」である場合には（ＹＥＳ）、ステップＳ６０４の処理に移行し、「ノイズ」でない、即ち、「該当」となっている場合には（ＮＯ）、ステップＳ６０５の処理に移行する。

【0063】

（ステップＳ６０４）
ステップＳ６０４において、制御部１２０は、カウント設定値Ｃを１に設定して、ステップＳ６０６の処理に移行する。

【0064】

（ステップＳ６０５）
ステップＳ６０５において、制御部１２０は、カウント設定値Ｃを０に設定して、ステップＳ６０７に移行する。

【0065】

（ステップＳ６０６）
ステップＳ６０６において、過去文献リスト３００のｉ番目の文献に対応するＩＰＣ分類３０３に示される各ＩＰＣのノイズカウントに、ステップＳ６０４又はステップＳ６０５において算出されたカウント設定値Ｃを足す。ここでノイズカウントは、各ＩＰＣがそれぞれノイズであるか否かを判断するための指標となる値である。その後に、ステップＳ６０７に移行する。

【0066】

（ステップＳ６０７）
ステップＳ６０７において、制御部１２０は、過去文献リスト３００のｉ番目の文献に対応するＩＰＣ分類に示される各ＩＰＣ各々についての総数を示す総カウント値に１を足す。その後に、ステップＳ６０８に移行する。

【0067】

（ステップＳ６０８）
ステップＳ６０８において、制御部１２０は、変数ｉに１を足した値を次のｉの値として、ステップＳ６０２の処理に戻る。

【0068】

（ステップＳ６０９）
ステップＳ６０９において、制御部１２０は、閾値Ｔを、過去文献リスト３００に記載されている文献の総数である総文献数の２．５％に設定して、ステップＳ６１０の処理に移行する。なお、ここで、閾値Ｔは、各ＩＰＣごとに設定される。

【0069】

（ステップＳ６１０）
ステップＳ６１０において、制御部１２０は、ステップＳ６０９において算出した閾値Ｔが５０を超えるか否かを判定する。閾値Ｔが５０を超えている場合には（ＹＥＳ）、ステップＳ６１１の処理に移行し、超えていない場合には（ＮＯ）、閾値をそのままの値にして、図７のステップＳ７０１の処理に移行する。

【0070】

（ステップＳ６１１）
ステップＳ６１１において、制御部１２０は、閾値Ｔを５０に設定しなおして、図７のステップＳ７０１の処理に移行する。

【0071】

（ステップＳ７０１）
図７に示すステップＳ７０１において、制御部１２０は、変数ｊを１に設定し、ステップＳ７０２の処理に移行する。変数ｊは、各ＩＰＣについての処理対象となるＩＰＣを特定するための変数である。

【0072】

（ステップＳ７０２）
ステップＳ７０２において、制御部１２０は、変数ｊが処理対象のＩＰＣの総数に１を足した数と同じであるか否かを判定する。変数ｊが処理対象のＩＰＣの総数に１を足した数と同数である場合には（ＹＥＳ）、処理を終了し、同数でない場合には（ステップＳ７０３）の処理に移行する。

【0073】

（ステップＳ７０３）
ステップＳ７０３において、制御部１２０は、各ＩＰＣについて、総件数が閾値Ｔ未満であるか否かを判定する。総件数が閾値Ｔ未満である場合には（ＹＥＳ）、ステップＳ７０９に移行し、閾値Ｔ未満でない場合には（ＮＯ）、ステップＳ７０４の処理に移行する。

【0074】

（ステップＳ７０４）
ステップＳ７０４において、制御部１２０は、各ＩＰＣのノイズ率を、各ＩＰＣのノイズカウント値を、当該ＩＰＣの総カウント値で除した値として算出する。ノイズカウント値は、図６のステップＳ６０２からＳ６０８の処理を繰り返すことで、ステップＳ６０６の処理により算出される値である。また、ＩＰＣの総カウント値は、ステップＳ６０２からＳ６０８の処理を繰り返すことで、ステップＳ６０７の処理により算出される値である。ノイズ率を算出した後には、ステップＳ７０５の処理に移行する。

【0075】

（ステップＳ７０５）
ステップＳ７０５において、制御部１２０は、各ＩＰＣについて各々のノイズ率が１０％未満であるか否かを判定する。１０％未満である場合には（ＹＥＳ）、ステップＳ７０６に移行し、１０％未満でない場合、即ち、１０％以上である場合には（ＮＯ）、ステップＳ７０８の処理に移行する。

【0076】

（ステップＳ７０６）
ステップＳ７０６において、制御部１２０は、ＩＰＣノイズ率が１０％未満であったＩＰＣのノイズ判定を０％に設定する。その後に、ステップＳ７０９の処理に移行する。

【0077】

（ステップＳ７０７）
ステップＳ７０７において、制御部１２０は、ＩＰＣノイズ率が１０％未満ではなかったＩＰＣ各々について、ノイズ率が９５％以上であるか否かを判定する。ノイズ率が９５％以上であった場合には（ＹＥＳ）、ステップＳ７０９に移行し、ノイズ率が９５％以上でなかった場合には（ＮＯ）、ノイズ率は、ステップＳ７０４で算出した値として、ステップＳ７０９の処理に移行する。

【0078】

（ステップＳ７０８）
ステップＳ７０８において、制御部１２０は、ＩＰＣノイズ率が９５％以上であったＩＰＣのノイズ判定を１００％に設定する。その後にステップＳ７０９の処理に移行する。

【0079】

（ステップＳ７０９）
ステップＳ７０９において、制御部１２０は、ｊに１加算した値を新たなｊとし、ステップＳ７０２の処理に戻る。

【0080】

以上の処理を実行することにより、制御部１２０は、各ＩＰＣに対してノイズ率が算出され、図５に示すＩＰＣ該当情報５００を生成し、記憶部１３０に記憶する。

【0081】

次に、実際に新たな文書データ（公報）を入力された場合に、その公報が「ノイズ」であるか、「該当する」かを文書分類装置１００が判断する際の動作について説明する。図８〜図１０にかけて示すフローチャートが当該処理に該当する。本処理は、取得部１１０が新たな文献の集合である新文献リスト３５０を入手した後に、抽出部１２１及び判断部１２２が実行する処理となる。以下、詳細に説明する。

【0082】

（ステップＳ８０１）
ステップＳ８０１において、判断部１２２は、未判別の文献を区別するための変数ｌを１に設定する。その後に、ステップＳ８０２の処理に移行する。

【0083】

（ステップＳ８０２）
ステップＳ８０２において、判断部１２２は、未判別の文献が残っているか否かを判定する。当該判定は、新文献リスト３５０に含まれる文献数と、変数ｌが一致するか否かによって行う。未判別の文献が残っている場合には（ＹＥＳ）、ステップＳ８０３の処理に移行し、残っていない場合には（ＮＯ）、処理を終了する。

【0084】

（ステップＳ８０３）
ステップＳ８０３において、判断部１２２は、ｌ番目の公報のＩＰＣを抽出する。ここでは、新文献リスト３５０のＩＰＣ分類３５２から抽出する。抽出したＩＰＣは個別に管理する。ＩＰＣを抽出した後に、ステップＳ８０４の処理に移行する。

【0085】

（ステップＳ８０４）
ステップＳ８０４において、判断部１２２は、処理を行っていないＩＰＣを識別するために用いる変数ｍを１に設定する。ここで変数ｍの最大値は、ステップＳ８０３において抽出したＩＰＣの合計数に相当する。その後に、ステップＳ８０５の処理に移行する。

【0086】

（ステップＳ８０５）
ステップＳ８０５において、判断部１２２は、最後のＩＰＣについての判定であるか、即ち、ｍがｍの総数に１を足した数になっているか否かを判定する。ｍがＩＰＣの総数に１を足した数になっている場合には（ＹＥＳ）、ステップＳ８０６に移行し、なっていない場合には（ＮＯ）、ステップＳ８１２の処理に移行する。

【0087】

（ステップＳ８０６）
ステップＳ８０６において、判断部１２２は、検索式ＩＰＣとの一致ＩＰＣ数カウントがｍになっているか否かを判定する。なっている場合には（ＹＥＳ）、ステップＳ８０７に移行し、なっていない場合には（ＮＯ）、図９のステップＳ９０１の処理に移行する。

【0088】

（ステップＳ８０７）
ステップＳ８０７において、判断部１２２は、対象のＩＰＣのノイズ判定を０％とし、ステップＳ８１１の処理に移行する。

【0089】

（ステップＳ８０８）
ステップＳ８０８において、判断部１２２は、ノイズ判定が０であるか否かを判定する。ノイズ判定が０である場合には（ＹＥＳ）、ステップＳ８０９の処理に移行し、０ではない場合には（ＮＯ）、ステップＳ８１０の処理に移行する。なお。ここでは、ノイズ判定が０であるか否かに基づいて判定しているが、これは、ノイズ判定が１００であるか否かに基づいて判定してもよく、ノイズ判定が１００である場合にステップＳ８１０の処理に移行し、１００でない場合にステップＳ８０９の処理に移行することになる。

【0090】

（ステップＳ８０９）
ステップＳ８０９において、判断部１２２は、Ｐｌ、即ち、ｌ番目の文献が「該当」、即ち、ユーザが所望する文献であると判断し、ｌ番目の文献に対応付けて記憶する。その後に、ステップＳ８１１の処理に移行する。

【0091】

（ステップＳ８１０）
ステップＳ８１０において、判断部１２２は、Ｐｌ、即ち、ｌ番目の文献が「ノイズ」、即ち、ユーザが所望する文献ではないと判断し、ｌ番目の文献に対応付けて記憶する。その後に、ステップＳ８１１の処理に移行する。

【0092】

（ステップＳ８１１）
ステップＳ８１１において、判断部１２２は、変数ｌに１加算した値を新たな変数ｌとし、ステップＳ８０２の処理に戻る。

【0093】

（ステップＳ８１２）
ステップＳ８１２において、判断部１２２は、処理対象のＩＰＣのノイズ率が、ＩＰＣ該当情報５００において０％若しくは１００％に設定されているか否かを判定する。ノイズ率が０％若しくは１００％に設定されている場合には（ＹＥＳ）、ステップＳ８１３に移行し、設定されていない場合には（ＮＯ）、ステップＳ８１４の処理に移行する。

【0094】

（ステップＳ８１３）
ステップＳ８１３において、判断部１２２は、新たな文献のノイズ判定を対象ＩＰＣのノイズ判定値（即ち、０％若しくは１００％のいずれか）に設定して、ステップＳ８０８の処理に移行する。当該処理は、新たな文献が、ＩＰＣ該当情報５００において、ノイズ１００％となるＩＰＣ分類または該当１００％となるＩＰＣ分類を有する場合に、ＩＰＣ該当情報５００で示される分類をそのまま新たな文献に適用するものである。

【0095】

（ステップＳ８１４）
ステップＳ８１４において、判断部１２２は、処理対象のＩＰＣが検索式として使用したＩＰＣと一致するか否かを判定する。一致する場合には（ＹＥＳ）、ステップＳ８１５に移行し、一致しない場合には（ＮＯ）、ステップＳ８１６の処理に移行する。

【0096】

（ステップＳ８１５）
ステップＳ８１５において、判断部１２２は、検索式ＩＰＣと一致するＩＰＣ数カウントを１加算する。その後に、ステップＳ８１６の処理に移行する。

【0097】

（ステップＳ８１６）
ステップＳ８１６において、判断部１２２は、変数ｍに１加算した値を新たなｍとし、ステップＳ８０５の処理に戻る。

【0098】

（ステップＳ９０１）
ステップＳ９０１において、判断部１２２は、変数ｋを１に設定する。変数ｋは、処理対象となる過去文献リスト３００中の過去文献を識別するための用いる変数である。変数ｋを１に設定した後に、ステップＳ９０２の処理に移行する。

【0099】

（ステップＳ９０２）
ステップＳ９０２において、判断部１２２は、処理対象の文献が、過去文献リスト３００の過去文献リストの総数になっているか否かを、変数ｋが過去文献リスト３００に含まれる過去文献の総数に１足した値に一致するか否かによって判定する。処理対象の文献が、過去文献リスト３００に含まれる過去文献の最後の文献になっている場合には（ＹＥＳ）、図１０のステップＳ１００１に移行し、なっていない場合には（ＮＯ）、ステップＳ９０３の処理に移行する。

【0100】

（ステップＳ９０３）
ステップＳ９０３において、判断部１２２は、過去文献リスト３００のｋ番目の公報のＩＰＣを抽出する。即ち、過去文献リスト３００のｋ行目のＩＰＣ分類３０３から、各ＩＰＣを抽出する。その後に、ステップＳ９０４の処理に移行する。

【0101】

（ステップＳ９０４）
ステップＳ９０４において、新文献リスト３５０のｈ番目の公報の各ＩＰＣ（ｈ）を、新文献リスト３５０のＩＰＣ分類３５２から抽出する。その後に、ステップＳ９０５の処理に移行する。

【0102】

（ステップＳ９０５）
ステップＳ９０５において、判断部１２２は、変数ｎを１に設定する。変数ｎは、処理対象の新文献に付与されているＩＰＣのうちの処理対象となっているＩＰＣを区別するための変数である。変数ｎを１に設定した後に、ステップＳ９０６の処理に移行する。

【0103】

（ステップＳ９０６）
ステップＳ９０６において、判断部１２２は、ｎがラストになっているか、即ち、新文献に付与されている全てのＩＰＣについて処理を行ったか否かを判定する。行っている場合には（ＹＥＳ）、ステップＳ９０６に移行し、行っていない場合には（ＮＯ）、ステップＳ９０７の処理に移行する。

【0104】

（ステップＳ９０７）
ステップＳ９０７において、判断部１２２は、ＩＰＣ（ｈ）ｎが、検索式のＩＰＣと一致するか否かを判定する。一致する場合には（ＹＥＳ）、ステップＳ９０８に移行し、一致しない場合には（ＮＯ）、ステップＳ９０９の処理に移行する。

【0105】

（ステップＳ９０８）
ステップＳ９０８において、判断部１２２は、対象ＩＰＣカウントを１減算し、ステップＳ９１１の処理に移行する。

【0106】

（ステップＳ９０９）
ステップＳ９０９において、判断部１２２は、ＩＰＣ（ｈ）ｎがＩＰＣ（ｋ）に一致するか否かを判定する。即ち、新文献リスト３５０のｈ番目の新文献に付与されているＩＰＣのうち、ｎ番目のＩＰＣが、過去文献リスト３００のｋ番目の過去文献に付与されているＩＰＣのいずれかと一致するか否かを判定する。一致する場合には、ステップＳ９１０に移行し（ＹＥＳ）、一致しない場合には（ＮＯ）、ステップＳ９１１の処理に移行する。

【0107】

（ステップＳ９１０）
ステップＳ９１０において、判断部１２２は、ＩＰＣ一致数カウントを１加算し、その後に、ステップＳ９１１の処理に移行する。

【0108】

（ステップＳ９１１）
ステップＳ９１１において、判断部１２２は、ｋに１加算した値を新たなｋとし、ステップＳ９０２の処理に戻る。

【0109】

（ステップＳ９１２）
ステップＳ９１２において、判断部１２２は、新文献リスト３５０のｈ番目の新文献のＩＰＣと、過去文献リスト３００のｋ番目の過去文献に付与されているＩＰＣとの一致率を、それまでにカウントしたＩＰＣ一致率カウントを、対象ＩＰＣカウント数で除することで、算出する。その後に、ステップＳ９１３の処理に移行する。

【0110】

（ステップＳ９１３）
ステップＳ９１３において、判断部１２２は、変数ｋに１加算した値を新たなｋとし、ステップＳ９０２の処理に戻る。

【0111】

（ステップＳ１００１）
ステップＳ１００１において、判断部１２２は、新文献リスト３００の新文献に付与されているＩＰＣと、過去文献リスト３５０の過去文献各々に付与されているＩＰＣとの各文献毎の一致率を降順で並べ替える。その後に、ステップＳ１００２の処理に移行する。

【0112】

（ステップＳ１００２）
ステップＳ１００２において、抽出部１２１は、変数ｑを１に設定する。変数ｑは、ＩＰＣの一致度の高いものから、過去文献を抽出するため個数を特定するための変数である。変数ｑを１に設定した後に、ステップＳ１００３の処理に移行する。

【0113】

（ステップＳ１００３）
ステップＳ１００３において、抽出部１２１は、ｑが８になっているか否かを判定する。ｑが８になっている場合には（ＹＥＳ）、ステップＳ１００４に移行し、なっていない場合には（ＮＯ）、ステップＳ１００９の処理に移行する。

【0114】

（ステップＳ１００４）
ステップＳ１００４において、判断部１２２は、対象の新たに検索された特許文献が、ユーザにとって所望の文献であるか否かを判断するための指標ｔを、ノイズカウントを比較公報数カウントで除することで算出する。ノイズカウントは、ステップＳ１０１１において算出される数であって、特許分類の一致度の高かった文献の上位から所定数抽出した過去文献の中で、ノイズである文献の個数を示す。比較公報数カウントは、ステップＳ１０１２においてカウントされる数であって、ｑの最大数に一致する。即ち、比較公報数カウントは、抽出する公報数のことを意味する。ｔを算出すると、ステップＳ１００５の処理に移行する。

【0115】

（ステップＳ１００５）
ステップＳ１００５において、判断部１２２は、ステップＳ１００４で算出したｔが所定の閾値αを超えるか否かを判定する。ｔが閾値αを超えている場合には（ＹＥＳ）、ステップＳ１００６に移行し、超えていない場合には（ＮＯ）、ステップＳ１００７の処理に移行する。

【0116】

（ステップＳ１００６）
ステップＳ１００６において、判断部１２２は、対応する新たな公報が、ユーザの所望の文献に該当することを示す情報を付与する（該当すると分類する）。その後に、ステップＳ１００８の処理に移行する。

【0117】

（ステップＳ１００７）
ステップＳ１００７において、判断部１２２は、対応する新たな公報が、ユーザの所望の文献ではないものとして、ノイズであることを示す情報を付与する（ノイズであると分類する）。その後に、ステップＳ１００８の処理に移行する。

【0118】

（ステップＳ１００８）
ステップＳ１００８において、判断部１２２は、変数ｌに１加算した値を新たなｌとし、図８のステップＳ８０２の処理に移行する。

【0119】

（ステップＳ１００９）
ステップＳ１００９において、判断部１２２は、処理対象の文献数が、過去文献リスト３００の総数に１足した値に達したか否かを判定する。当該判定は、過去文献リスト３００に、ｑ個の文献が含まれていない場合のための処置である。処理対象の文献の数が過去文献リスト３００の総数に１足した値に達していた場合には（ＹＥＳ）、ステップＳ１００４に移行し、達していなかった場合には（ＮＯ）、ステップＳ１０１０の処理に移行する。

【0120】

（ステップＳ１０１０）
ステップＳ１０１０において、判断部１２２は、過去文献リストのｑ番目の公報の分類３０２が「ノイズ」であるか否かを判定する。ノイズであると判定した場合には（ＹＥＳ）、ステップＳ１０１１に移行し、ノイズでないと判定した場合には（ＮＯ）、ステップＳ１０１２の処理に移行する。

【0121】

（ステップＳ１０１１）
ステップＳ１０１１において、判断部１２２は、ノイズカウントを１加算し、ステップＳ１０１２の処理に移行する。

【0122】

（ステップＳ１０１２）
ステップＳ１０１２において、判断部１２２は、比較公報数カウントを１加算し、ステップＳ１０１３の処理に移行する。

【0123】

（ステップＳ１０１３）
ステップＳ１０１３において、判断部１２２は、変数ｑに１加算した値を新たなｑとし、ステップＳ１００３の処理に移行する。

【0124】

図８から図１０に示す処理を実行することにより、新文献リスト３５０に含まれる新たな文献全てについて、文書分類装置１００は、新たな文献各々が、ノイズであるか否かを判定することができる。

【0125】

以上が、文書分類装置１００の動作の説明である。

【0126】

＜まとめ＞
上記実施の形態に係る文書分類装置は、特許公報に元々付与されている特許分類に基づいて、予め検索式により得られた文献が所望のものであるか否かを、「ノイズ」、「該当」という分類情報を付与しておく。そして、新たな特許公報が入力されたときに、その新たな特許公報に付与されている特許分類と、分類済みの特許公報の特許分類との一致度に基づいて、文献を所定数抽出する。そして、抽出された文献に付与されている分類が「ノイズ」と「該当」とのいずれが多いかによって、新たな特許公報が「ノイズ」であるか「該当」するのかを、特許公報の内容を精査しなくとも分類することができる。そして、ユーザは、ユーザが設定した検索式に応じて検索された文献であっても、ノイズと判定された文献については、その内容を確認する必要がなくなるので、文献のスクリーニングに要する時間を短縮することができる。また、文書分類装置としては、公報内を精査する必要がない（形態素解析を行ったり、形態素解析により抽出された膨大な個数のワードの一致率などを見たりする必要がない）ので、特許文献１〜３に示す分類装置よりもプロセッサの処理負荷を少なくすることができる。

【0127】

＜補足＞
上記実施の形態に係る文書分類装置は、上記実施の形態に限定されるものではなく、他の手法により実現されてもよいことは言うまでもない。以下、各種変形例について説明する。

【0128】

（１）上記実施の形態においては特に説明していないが、抽出部１２１が抽出する文献数ｑは、奇数であることが望ましい。奇数に設定することで、必ず、「ノイズ」か「該当」を特定できるためである。その変数ｑは、所謂ｋ近傍法を用いて、算出するとよい。

【0129】

なお、ｑを偶数に設定した場合に、「ノイズ」と「該当」との数が一致するような場合も考えられる。そのため、文書分類装置は、以下のような手法を用いて文書を分類することとしてもよい。即ち、「ノイズ」の文献の基本値を「−１」、「該当」の基本値を「＋１」とする。そして、その基本値に対して一致度を重み値として乗じた値を当該文献のノイズか該当かの分類値とする。そして、判断部１２２は、抽出部１２１が抽出した文献の分類値を合算し、その値が正であれば、「該当」と分類し、負であれば、「ノイズ」と分類することとしてもよい。当該手法の場合、「ノイズ」か「該当」かの判断処理に係る処理負荷は上述の実施形態に示した処理による処理負荷よりも大きくなるものの、より正確に「ノイズ」か「該当」かの判断を行うことができる。即ち、文書分類装置１００は、重み付けによる補正を行った上で、分類を行うこととしてもよい。なお、ここでは、一致度そのものを重み値としているが、これはその限りではなく、任意の値を重み値としてもよい。

【0130】

（２）上記実施の形態においては、ノイズか該当かの判定において過半数を占める方の分類を新たな文献の分類としているが、これはその限りではない。例えば、抽出部１２１が抽出するｑ個の文献のうち、所定数以上の文献の分類が「ノイズ」であれば、新たな文献も「ノイズ」であると判断する構成としてもよい。例えば、抽出した文献数を１０個とし、そのうちの８個以上の分類が「ノイズ」であれば、新たな文献の分類を「ノイズ」とするように構成してもよい。

【0131】

（３）上記実施の形態においては、各技術的特徴である特許分類がノイズであるか該当であるかを判定するにおいて、ノイズ率が１０％未満である分類をノイズ判定０％とし、ＩＰＣノイズ率が９５％以上である分類をノイズ判定１００％とすることとした。ここで、１０％の閾値は、対応する分類が付与されている場合に、文献がユーザの所望する文献に該当するか否かを判定するための第２閾値であると言える。つまり、ステップＳ７０５における判定は、該当している率が９０％以上であるかの判定であるともいえる。また、ステップＳ７０７における判定に用いた第１閾値についても同様のことが言える。

【0132】

つまり、文書分類装置１００は、文献に付与されている特許分類が該当か否かを示す該当率が第１閾値である９０％以上であるか否かに基づいて判定し、非該当率が第２閾値である９５％以上であるか否かにに基づいて判定していることが理解できる。ここで、第１閾値と第２閾値との間に差を設けることによって、分類を、ノイズか該当かのいずれかに必ず分類できるようにすることができる。また、その分類がノイズであることを判定することを優先するのか、該当であることを判定することを優先するのかに応じて、第１閾値と第２閾値とを変動させることとしてもよい。そのために、文書分類装置１００は、第１閾値、第２閾値を設定するための設定部を備えることとしてもよい。当該設定部に対する入力は、文書分類装置１００が学習によって適切な値に設定することとしてもよいし、文書分類装置１００のユーザが設定することとしてもよい。なお、これらの判定に用いた閾値のパーセンテージは、上記実施の形態に示した数値に限るものではなく、適宜その設定値を、文書分類装置１００のオペレータが変更することができる。

【0133】

（４）上記実施の形態において、ＩＰＣノイズ率が１００％の分類が付与されている文献を、ノイズと分類し、ＩＰＣノイズ率が０％の分類が付与されている文献を、該当に分類することとしている。しかしながら、場合によっては、ノイズ率が１００％の分類と、ノイズ率が０％の分類が付与されている文献が存在する可能性がある。そのような場合には、予めユーザが定めた所定の基準にしたがって、文書分類装置１００は、その文献を「ノイズ」であると判定してもよいし、「該当」であると判定してもよい。例えば、「ノイズ」を優先する設定とした場合には、「ノイズ」であると判定し、「該当」を優先する設定とした場合には、「該当」であると判定することとしてよい。

【0134】

（５）上記実施の形態においては、文書分類装置が新たな文書データを分類する手法として、文書分類装置１００を構成する各機能部として機能するプロセッサが文書分類プログラム等を実行することにより、新たな文書データを分類することとしているが、これは装置に集積回路（ＩＣ（Integrated Circuit）チップ、ＬＳＩ（Large Scale Integration））等に形成された論理回路（ハードウェア）や専用回路によって実現してもよい。また、これらの回路は、１または複数の集積回路により実現されてよく、上記実施の形態に示した複数の機能部の機能を１つの集積回路により実現されることとしてもよい。ＬＳＩは、集積度の違いにより、ＶＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩなどと呼称されることもある。すなわち、図１１に示すように、文書分類装置１００を構成する各機能部は、物理的な回路により実現されてもよい。図１１に示すように、文書分類装置１００は、記憶回路１３０ａと、取得回路１１０ａと、抽出回路１２１ａと、判断回路１２２ａと、出力回路１４０ａ、とを備え、各回路は、上述の同名の機能部と同様の機能を有する。

【0135】

また、上記文書分類プログラムは、プロセッサが読み取り可能な記録媒体に記録されていてよく、記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記文書分類プログラムは、当該文書分類プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記プロセッサに供給されてもよい。本発明は、上記文書分類プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0136】

なお、上記文書分類プログラムは、例えば、ActionScript、JavaScript（登録商標）などのスクリプト言語、Objective-C、Java（登録商標）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。

【0137】

（６）上記実施の形態及び各補足に示した構成は、適宜組み合わせることとしてもよい。

【符号の説明】

【0138】

１００ 文書分類装置
１１０ 取得部
１２１ 抽出部
１２２ 判断部
１４０ 出力部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】