知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022149064
(43)【公開日】2022-10-06
(54)【発明の名称】匿名化処理方法、プログラム、および、匿名化処理装置
(51)【国際特許分類】
G06F 16/332 20190101AFI20220929BHJP
G06F 40/151 20200101ALI20220929BHJP
G06F 40/279 20200101ALI20220929BHJP
G06Q 50/10 20120101ALI20220929BHJP
G06F 21/62 20130101ALI20220929BHJP
【ＦＩ】
G06F16/332
G06F40/151
G06F40/279
G06Q50/10
G06F21/62 354
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2021051013
(22)【出願日】2021-03-25
(71)【出願人】
【識別番号】393031586
【氏名又は名称】株式会社国際電気通信基礎技術研究所
(74)【代理人】
【識別番号】100143498
【弁理士】
【氏名又は名称】中西 健
(74)【代理人】
【識別番号】100136319
【弁理士】
【氏名又は名称】北原 宏修
(74)【代理人】
【識別番号】100148275
【弁理士】
【氏名又は名称】山内 聡
(74)【代理人】
【識別番号】100142745
【弁理士】
【氏名又は名称】伊藤 世子
(72)【発明者】
【氏名】三本 知明
(72)【発明者】
【氏名】橋本 真幸
(72)【発明者】
【氏名】横山 浩之
【テーマコード（参考）】
5B091
5B109
5B175
5L049
【Ｆターム（参考）】
5B091AA15
5B091CA01
5B091CA21
5B091CD11
5B109TA11
5B175DA01
5B175FA01
5B175JB02
5L049CC12
(57)【要約】 （修正有）
【課題】危険な単語の事前定義をしなくとも、単語の組み合わせや文書の種類を考慮し、個人識別や追加情報の漏洩の危険性がある単語を発見し、適切な匿名化処理を行う匿名化処理システム、装置、方法及びプログラムを提供する。
【解決手段】匿名化処理システムによる方法は、評価対象文書データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索を行うための検索語を取得し、取得した検索語により、Ｗｅｂ検索を行い、Ｗｅｂ検索により取得した文書データと評価対象文書データＤとの同一性を判定し、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかを判定し、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する。
【選択図】図４
【解決手段】匿名化処理システムによる方法は、評価対象文書データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索を行うための検索語を取得し、取得した検索語により、Ｗｅｂ検索を行い、Ｗｅｂ検索により取得した文書データと評価対象文書データＤとの同一性を判定し、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかを判定し、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する。
【選択図】図４
【特許請求の範囲】
【請求項1】
評価対象文書データを単語データに分割する単語分割処理ステップと、
前記単語分割処理ステップにより分割された各単語データの情報量を取得する単語情報量算出ステップと、
前記単語情報量により取得された各単語データの情報量に基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する単語選択処理ステップと、
前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する検索語取得ステップと、
前記検索語取得ステップにより取得された検索語を用いて、Ｗｅｂ検索処理を行うＷｅｂ検索処理ステップと、
前記Ｗｅｂ検索処理ステップにより取得されたデータであるＷｅｂ検索取得データと、前記評価対象文書データとの同一性を判定する同一性判定処理を行うとともに、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行い、前記同一性判定処理および前記追加情報判定処理の結果に基づいて、前記Ｗｅｂ検索処理に用いた前記検索語を高リスク単語とするか否かを決定する高リスク単語検出処理ステップと、
を備える匿名化処理方法。
前記単語分割処理ステップにより分割された各単語データの情報量を取得する単語情報量算出ステップと、
前記単語情報量により取得された各単語データの情報量に基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する単語選択処理ステップと、
前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する検索語取得ステップと、
前記検索語取得ステップにより取得された検索語を用いて、Ｗｅｂ検索処理を行うＷｅｂ検索処理ステップと、
前記Ｗｅｂ検索処理ステップにより取得されたデータであるＷｅｂ検索取得データと、前記評価対象文書データとの同一性を判定する同一性判定処理を行うとともに、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行い、前記同一性判定処理および前記追加情報判定処理の結果に基づいて、前記Ｗｅｂ検索処理に用いた前記検索語を高リスク単語とするか否かを決定する高リスク単語検出処理ステップと、
を備える匿名化処理方法。
【請求項2】
前記評価対象文書データにおいて、前記高リスク単語検出処理ステップにより高リスク単語であると決定された単語を削除する、および／または一般化した単語に置換する処理である匿名化処理を行うことで、匿名化文書データを取得する匿名化処理ステップを
さらに備える、
請求項１に記載の匿名化処理方法。
さらに備える、
請求項１に記載の匿名化処理方法。
【請求項3】
文書データを格納しているデータ格納部から、前記文書データを取得し、当該文書データに対して分類処理を実行することで、それぞれタグ付けされたクラスタを取得し、前記評価対象文書データが分類される前記クラスタのタグを取得する分類処理ステップと、
前記分類処理ステップによる処理結果に基づいて、単語選択処理の精度を決定する第１パラメータαと、検索語取得処理の精度を決定する第２パラメータβと、高リスク単語検出処理の精度を決定する第３パラメータγとを調整するパラメータ調整ステップと、
をさらに備える、
請求項１または２に記載の匿名化処理方法。
前記分類処理ステップによる処理結果に基づいて、単語選択処理の精度を決定する第１パラメータαと、検索語取得処理の精度を決定する第２パラメータβと、高リスク単語検出処理の精度を決定する第３パラメータγとを調整するパラメータ調整ステップと、
をさらに備える、
請求項１または２に記載の匿名化処理方法。
【請求項4】
前記単語選択処理ステップは、
前記第１パラメータαに基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの最大数を決定する、
請求項３に記載の匿名化処理方法。
前記第１パラメータαに基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの最大数を決定する、
請求項３に記載の匿名化処理方法。
【請求項5】
前記検索語取得ステップは、
前記第２パラメータβに基づいて、前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得するときの前記単語データの組み合わせ数を決定し、当該組み合わせ数に基づいて、前記検索語を取得する、
請求項３に記載の匿名化処理方法。
前記第２パラメータβに基づいて、前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得するときの前記単語データの組み合わせ数を決定し、当該組み合わせ数に基づいて、前記検索語を取得する、
請求項３に記載の匿名化処理方法。
【請求項6】
前記高リスク単語検出処理ステップは、
前記第３パラメータγに基づいて、前記同一性判定処理、および／または、前記追加情報判定処理の処理精度を決定する、
請求項３に記載の匿名化処理方法。
前記第３パラメータγに基づいて、前記同一性判定処理、および／または、前記追加情報判定処理の処理精度を決定する、
請求項３に記載の匿名化処理方法。
【請求項7】
請求項１から６のいずれかに記載の匿名化処理方法をコンピュータに実行させるためのプログラム。
【請求項8】
評価対象文書データを単語データに分割する単語分割処理部と、
前記単語分割処理部により分割された各単語データの情報量を取得する単語情報量算出部と、
前記単語情報量により取得された各単語データの情報量に基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する単語選択処理部と、
前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する検索語取得部と、
前記検索語取得部により取得された検索語を用いて、Ｗｅｂ検索処理を行うＷｅｂ検索処理部と、
前記Ｗｅｂ検索処理部により取得されたデータであるＷｅｂ検索取得データと、前記評価対象文書データとの同一性を判定する同一性判定処理を行うとともに、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行い、前記同一性判定処理および前記追加情報判定処理の結果に基づいて、前記Ｗｅｂ検索処理に用いた前記検索語を高リスク単語とするか否かを決定する高リスク単語検出処理部と、
を備える匿名化処理装置。
前記単語分割処理部により分割された各単語データの情報量を取得する単語情報量算出部と、
前記単語情報量により取得された各単語データの情報量に基づいて、前記評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する単語選択処理部と、
前記検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する検索語取得部と、
前記検索語取得部により取得された検索語を用いて、Ｗｅｂ検索処理を行うＷｅｂ検索処理部と、
前記Ｗｅｂ検索処理部により取得されたデータであるＷｅｂ検索取得データと、前記評価対象文書データとの同一性を判定する同一性判定処理を行うとともに、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、前記Ｗｅｂ検索取得データに、前記評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行い、前記同一性判定処理および前記追加情報判定処理の結果に基づいて、前記Ｗｅｂ検索処理に用いた前記検索語を高リスク単語とするか否かを決定する高リスク単語検出処理部と、
を備える匿名化処理装置。
【請求項9】
前記評価対象文書データにおいて、前記高リスク単語検出処理部により高リスク単語であると決定された単語を削除する、および／または一般化した単語に置換する処理である匿名化処理を行うことで、匿名化文書データを取得する匿名化処理部を
さらに備える、
請求項８に記載の匿名化処理装置。
さらに備える、
請求項８に記載の匿名化処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、匿名化技術に関し、特に、文書データに対する匿名化技術に関する。
【背景技術】
【0002】
現在、文書データに対する匿名化処理は、データの保有者が手動で行うことが多く、手動で匿名化処理を行った文書データを公開または研究等の目的で他の組織に提供している。
【0003】
文書データに対する匿名化に関する研究は、あまりなされておらず、現在、提案されている文書データに対する匿名化手法の多くは、リスクとなる単語を事前に定義した上で、その単語に関連する単語を発見するという方式を採用している（例えば、非特許文献１～３を参照）。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】D. Sanchez and M. Batet, "C-sanitized: A privacy model for document redaction and sanitization," Journal of the Association for Information Science and Technology, vol. 67, no. 1, pp. 148-163, 2016.
【非特許文献2】V. T. Chakaravarthy, H. Gupta, P. Roy, and M. K. Mohania, "Efficient techniques for document sanitization," in Proceedings of the 17th ACM conference on Information and knowledge management, 2008, pp. 843-852.
【非特許文献3】E. Bier, R. Chow, P. Golle, T. H. King, and J. Staddon, "The rules of redaction: Identify, protect, review (and repeat)," IEEE Security & Privacy, vol. 7, no. 6, pp. 46-53, 2009.
【発明の概要】
【発明が解決しようとする課題】
【0005】
上記のような従来の文書データに対する匿名化手法では、手動で匿名化した結果に近づけるような匿名化手法を採用している。手動で文書データに対して匿名化を行った場合であっても、個人識別や追加情報の漏洩といったリスクがあり、したがって、手動で匿名化した結果に近づけるような匿名化手法では、依然として個人識別や追加情報の漏洩といったリスクが残っている。加えて、上記のような従来の文書データに対する匿名化手法では、文書の分類結果によって匿名化の度合いを変えることは考えられておらず、潜在的にリスクが潜んでいる文書に対する匿名化が不十分である。
【0006】
また、上記の従来技術では、予め危険な単語をデータベース化し、それに関連する単語を文書中から算出する。しかしながら、このような従来技術では、以下のような問題点がある。
【0007】
第１に、危険な単語は分野ごと、利用シーンごとに異なるため、そのようなデータベースを作成することは技術的にもコスト的にも困難である。
【0008】
第２に、危険な単語でなくとも、特定の単語が組み合わさることで文書の特異性が高まり、結果として、個人識別や重要な情報が特定されるといった危険性が高まる。
【0009】
第３に、文書の内容によって匿名化の度合いを考えることがないため、特徴的な文書では依然として個人識別や追加情報の漏洩リスクが残っている。
【0010】
そこで、本発明では、上記課題に鑑み、文書データに関連するプライバシ保護を目的として、危険な単語の事前定義をしなくとも、単語の組み合わせや文書の種類を考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行う匿名化処理システム、匿名化処理方法、プログラム、および、匿名化処理装置を実現することを目的とする。
【課題を解決するための手段】
【0011】
上記課題を解決するために、第１の発明は、単語分割処理ステップと、単語選択処理ステップと、検索語取得ステップと、Ｗｅｂ検索処理ステップと、高リスク単語検出処理ステップと、を備える匿名化処理方法である。
【0012】
単語分割処理ステップは、評価対象文書データを単語データに分割する。
【0013】
単語情報量算出ステップは、単語分割処理ステップにより分割された各単語データの情報量を取得する。
【0014】
単語選択処理ステップは、単語情報量により取得された各単語データの情報量に基づいて、評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する。
【0015】
検索語取得ステップは、検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する。
【0016】
Ｗｅｂ検索処理ステップは、検索語取得ステップにより取得された検索語を用いて、Ｗｅｂ検索処理を行う。
【0017】
高リスク単語検出処理ステップは、Ｗｅｂ検索処理ステップにより取得されたデータであるＷｅｂ検索取得データと、評価対象文書データとの同一性を判定する同一性判定処理を行う。また、高リスク単語検出処理ステップは、Ｗｅｂ検索取得データに、評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、Ｗｅｂ検索取得データに、評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行う。そして、高リスク単語検出処理ステップは、同一性判定処理および追加情報判定処理の結果に基づいて、Ｗｅｂ検索処理に用いた検索語を高リスク単語とするか否かを決定する。
【0018】
この匿名化処理方法では、評価対象文書データについて、文章データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索処理を行うための検索語を取得する。そして、この匿名化処理方法では、取得した検索語により、Ｗｅｂ検索処理を行い、Ｗｅｂ検索処理により取得した文書データと評価対象文書データＤとの同一性の判定（同一性判定処理）、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかの判定（追加情報判定処理）を行う。そして、この匿名化処理方法では、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する（高リスク単語と判定する）。
【0019】
これにより、この匿名化処理方法では、危険な単語の事前定義をしなくとも、単語の組み合わせを考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【0020】
第２の発明は、第１の発明であって、評価対象文書データにおいて、高リスク単語検出処理ステップにより高リスク単語であると決定された単語を削除する、および／または一般化した単語に置換する処理である匿名化処理を行うことで、匿名化文書データを取得する匿名化処理ステップをさらに備える。
【0021】
これにより、この匿名化処理方法では、評価対象文書データＤに対して、高リスク単語について、匿名化処理を行うことで、適切な匿名化処理を行うことができる（適切な匿名化処理が施された匿名化文書を取得できる）。
【0022】
したがって、この匿名化処理方法では、危険な単語の事前定義をしなくとも、単語の組み合わせを考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【0023】
第３の発明は、第１または第２の発明であって、分類処理ステップと、パラメータ調整ステップと、をさらに備える。
【0024】
分類処理ステップは、文書データを格納しているデータ格納部から、文書データを取得し、当該文書データに対して分類処理を実行することで、それぞれタグ付けされたクラスタを取得し、評価対象文書データが分類されるクラスタのタグを取得する。
【0025】
パラメータ調整ステップは、分類処理ステップによる処理結果に基づいて、単語選択処理の精度を決定する第１パラメータαと、検索語取得処理の精度を決定する第２パラメータβと、高リスク単語検出処理の精度を決定する第３パラメータγとを調整する。
【0026】
これにより、この匿名化処理方法では、評価対象文書データがどのような種別の文書であるかに基づいて（評価対象文書データの分類結果に基づいて）、匿名化処理の精度を調整するパラメータを取得できる。
【0027】
第４の発明は、第３の発明であって、単語選択処理ステップは、第１パラメータαに基づいて、評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの最大数を決定する。
【0028】
これにより、この匿名化処理方法では、評価対象文書データがどのような種別の文書であるかに基づいて（評価対象文書データの分類結果に基づいて）、単語選択処理の精度を調整することができる。
【0029】
第５の発明は、第３の発明であって、検索語取得ステップは、第２パラメータβに基づいて、検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得するときの単語データの組み合わせ数を決定し、当該組み合わせ数に基づいて、検索語を取得する。
【0030】
これにより、この匿名化処理方法では、評価対象文書データがどのような種別の文書であるかに基づいて（評価対象文書データの分類結果に基づいて）、Ｗｅｂ検索処理用の検索語の組み合わせ数を調整することができる。
【0031】
第６の発明は、第３の発明であって、高リスク単語検出処理ステップは、第３パラメータγに基づいて、同一性判定処理、および／または、追加情報判定処理の処理精度を決定する。
【0032】
これにより、この匿名化処理方法では、評価対象文書データがどのような種別の文書であるかに基づいて（評価対象文書データの分類結果に基づいて）、同一性判定処理、および／または、追加情報判定処理の処理精度を調整することができる。
【0033】
第７の発明は、第１から第６のいずれの発明である匿名化処理方法をコンピュータに実行させるためのプログラムである。
【0034】
これにより、第１から第６のいずれの発明と同様の効果を奏する匿名化処理方法をコンピュータに実行させるためのプログラムを実現することができる。
【0035】
第８の発明は、単語分割処理部と、単語情報量算出部と、単語選択処理部と、検索語取得部と、Ｗｅｂ検索処理部と、高リスク単語検出処理部と、を備える匿名化処理装置である。
【0036】
単語分割処理部は、評価対象文書データを単語データに分割する。
【0037】
単語情報量算出部は、単語分割処理部により分割された各単語データの情報量を取得する。
【0038】
単語選択処理部は、単語情報量により取得された各単語データの情報量に基づいて、評価対象文書データに含まれる単語データの中から検索語の候補とする単語データの集合である検索語候補単語データ集合を選択する。
【0039】
検索語取得部は、検索語候補単語データ集合から、Ｗｅｂ検索処理用の検索語を取得する。
【0040】
Ｗｅｂ検索処理部は、検索語取得部により取得された検索語を用いて、Ｗｅｂ検索処理を行う。
【0041】
高リスク単語検出処理部は、Ｗｅｂ検索処理部により取得されたデータであるＷｅｂ検索取得データと、評価対象文書データとの同一性を判定する同一性判定処理を行う。また、高リスク単語検出処理部は、Ｗｅｂ検索取得データに、評価対象文書データに含まれるデータであって匿名化すべきであると認定されるデータである特異データを含む、あるいは、Ｗｅｂ検索取得データに、評価対象文書データに含まれないデータが含まれるか否かを判定する追加情報判定処理を行う。また、高リスク単語検出処理部は、同一性判定処理および追加情報判定処理の結果に基づいて、Ｗｅｂ検索処理に用いた検索語を高リスク単語とするか否かを決定する。
【0042】
この匿名化処理装置では、評価対象文書データについて、文章データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索処理を行うための検索語を取得する。そして、この匿名化処理装置では、取得した検索語により、Ｗｅｂ検索処理を行い、Ｗｅｂ検索処理により取得した文書データと評価対象文書データＤとの同一性の判定（同一性判定処理）、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかの判定（追加情報判定処理）を行う。そして、この匿名化処理装置では、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する（高リスク単語と判定する）。
【0043】
これにより、この匿名化処理装置では、危険な単語の事前定義をしなくとも、単語の組み合わせを考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【0044】
第９の発明は、第７の発明であって、評価対象文書データにおいて、高リスク単語検出処理部により高リスク単語であると決定された単語を削除する、および／または一般化した単語に置換する処理である匿名化処理を行うことで、匿名化文書データを取得する匿名化処理部をさらに備える。
【0045】
これにより、この匿名化処理装置では、評価対象文書データＤに対して、高リスク単語について、匿名化処理を行うことで、適切な匿名化処理を行うことができる（適切な匿名化処理が施された匿名化文書を取得できる）。
【0046】
したがって、この匿名化処理装置では、危険な単語の事前定義をしなくとも、単語の組み合わせを考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【発明の効果】
【0047】
本発明によれば、文書データに関連するプライバシ保護を目的として、危険な単語の事前定義をしなくとも、単語の組み合わせや文書の種類を考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行う匿名化処理システム、匿名化処理方法、プログラム、および、匿名化処理装置を実現することができる。
【図面の簡単な説明】
【0048】
【図1】第１実施形態に係る匿名化処理システム１０００の概略構成図。
【図2】第１実施形態に係る匿名化処理装置１００の概略構成図。
【図3】匿名化処理システム１０００で実行される処理のシーケンス図。
【図4】匿名化処理システム１０００で実行される処理のフローチャートである。
【図5】匿名化処理システム１０００による匿名化処理の一例を示す図。
【図6】匿名化処理システム１０００による匿名化処理の一例を示す図。
【図7】匿名化処理システム１０００による匿名化処理の一例を示す図。
【図8】第１実施形態に係る匿名化処理装置１００（高リスク単語検出処理装置Ｄｅｖ１および匿名化処理部９）の概略構成図。
【図9】ＣＰＵバス構成を示す図。
【発明を実施するための形態】
【0049】
［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。
第１実施形態について、図面を参照しながら、以下、説明する。
【0050】
＜１．１：匿名化処理システムの構成＞
図１は、第１実施形態に係る匿名化処理システム１０００の概略構成図である。
図１は、第１実施形態に係る匿名化処理システム１０００の概略構成図である。
【0051】
図２は、第１実施形態に係る匿名化処理装置１００の概略構成図である。
【0052】
匿名化処理システム１０００は、図１に示すように、匿名化処理装置１と、データ格納部ＤＢ１と、エッジルータＥＲ１とを備える。また、匿名化処理システム１０００は、検索サーバＳｖｒ＿ｓｅａｒｃｈと、Ｍ個（Ｍ：自然数）のサーバである第１サーバＳｖｒ＿１から第ＭサーバＳｖｒ＿Ｍとを備える。エッジルータＥＲ１、検索サーバＳｖｒ＿ｓｅａｒｃｈ、および、第１サーバＳｖｒ＿１から第ＭサーバＳｖｒ＿Ｍは、ネットワークＮＷ１（例えば、インターネット）を介して、通信可能に接続される。
【0053】
匿名化処理装置１は、図２に示すように、分類処理部１と、パラメータ調整部２と、単語分割処理部３と、単語情報量算出部４と、単語選択処理部５と、検索語取得部６と、通信処理部７と、通信インターフェースＩＦ１と、高リスク単語検出処理部８と、匿名化処理部９とを備える。
【0054】
分類処理部１は、評価対象文書データＤを含むデータＤｉｎを入力する。また、分類処理部１は、文書データの集合データＤ’をデータ格納部ＤＢ１から読み出し、読み出した当該データＤ’含むデータをデータＤ０として入力する。
【0055】
なお、評価対象文書データＤは、人手によって加工されたデータ、あるいは、生データ（加工されていないデータ）であり、人手により加工されたデータの場合、評価対象文書データＤの各単語は、加工されなかった単語の集合Ａと加工された単語の集合Ｓとに分類される。つまり、評価対象文書データＤのすべての単語を含む集合を集合Ａａｌｌとすると、
Ａａｌｌ＝｛Ａ，Ｓ｝
である。
Ａａｌｌ＝｛Ａ，Ｓ｝
である。
【0056】
評価対象文書データＤが生データである場合、評価対象文書データＤに含まれる全ての単語の集合を集合Ａとする。つまり、
Ａａｌｌ＝｛Ａ｝
である。
Ａａｌｌ＝｛Ａ｝
である。
【0057】
なお、上記集合データを作成するときに、助詞や助動詞等評価に無関係な単語は省くようにしてもよい。
【0058】
また、分類処理部１は、データ格納部ＤＢ１から取得した文書データ集合Ｄ’に対して機械学習等（例えば、クラスタやクラスに分類する処理を行うための機械学習）を適用し、所定の数のクラスタに分類する。そして、各クラスタに対して、例えば、手動でタグ付けを行うことで、文書データ集合Ｄ’をダグ付けされたクラスタに分類する。
【0059】
そして、分類処理部１は、評価対象文書データＤが、上記で分類（取得）した、どのクラスタに属するかを判定する処理を行う。そして、当該判定処理の結果を含むデータをデータＤ１として、パラメータ調整部２に出力する。
【0060】
パラメータ調整部２は、分類処理部１から出力されるデータＤ１を入力する。パラメータ調整部２は、データＤ１に含まれる評価対象文書データＤの分類結果に基づいて、パラメータα、β、および、γの値を決定（調整）する。そして、パラメータ調整部２は、パラメータαを単語選択処理部５に出力する。また、パラメータ調整部２は、パラメータβを検索語取得部６に出力する。また、パラメータ調整部２は、パラメータγを高リスク単語検出処理部８に出力する。
【0061】
単語分割処理部３は、入力データＤｉｎ（評価対象文書データＤ）と、データ格納部ＤＢ１から出力されるデータＤ０（文書データ集合Ｄ’）とを入力する。単語分割処理部３は、データＤ１に含まれる評価対象文書データＤ、および、データＤｉｎに含まれる文書データ集合Ｄ’に対して、形態素解析処理を施し、単語データ（単語に分割したデータ）を取得する。
【0062】
なお、説明便宜のため、評価対象文書データＤを１つの文章データｄ１とし、ｎ個（ｎ：自然数）の単語に分割されるものとする。つまり、評価対象文書データＤは、
Ｄ＝｛ｄ１｝
Ｄ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
ｗ１，ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｎ）
である。
Ｄ＝｛ｄ１｝
Ｄ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
ｗ１，ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｎ）
である。
【0063】
また、説明便宜のため、文書データ集合Ｄ’がｍ個（ｍ：自然数）の単語に分割されるものとする。つまり、文書データ集合Ｄ’は、
Ｄ’＝｛ｗ’１，・・・，ｗ’ｍ｝
ｗ’ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｍ）
である。
Ｄ’＝｛ｗ’１，・・・，ｗ’ｍ｝
ｗ’ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｍ）
である。
【0064】
単語分割処理部３は、取得した単語データを含むデータを、データＤ２として、単語情報量算出部４および単語選択処理部５に出力する。
【0065】
単語情報量算出部４は、単語分割処理部３から出力されるデータＤ２を入力し、データＤ２に含まれる単語データの情報量（各単語に情報量）を算出する。そして、単語情報量算出部４は、算出した各単語データの情報量のデータを含むデータを、データＤ３として、単語選択処理部５に出力する。
【0066】
単語選択処理部５は、単語分割処理部３から出力されるデータＤ２と、単語分割処理部３から出力されるデータＤ３と、パラメータ調整部２から出力されるパラメータαとを入力する。
【0067】
単語選択処理部５は、パラメータαに基づいて、データＤ２に含まれる評価対象文書データＤの単語データの集合（｛ｗ１、１，・・・，ｗ１、ｎ｝）から、情報量の多い単語データ（単語）を選択する。そして、単語選択処理部５は、選択した単語データを含むデータをデータＤ４として検索語取得部６に出力する。なお、説明便宜のため、単語選択処理部５により選択された単語データの集合を｛ｗ１，・・・，ｗｋ｝とする（ｋ：自然数）。
【0068】
検索語取得部６は、単語選択処理部５から出力されるデータＤ４と、パラメータ調整部２から出力されるパラメータβとを入力する。検索語取得部６は、パラメータβに基づいて、データＤ４から、Ｗｅｂ検索するための検索語を取得する。そして、検索語取得部６は、取得した検索語を含むデータをデータＤ５として通信処理部７に出力する。
【0069】
通信処理部７は、検索語取得部６から出力されるデータＤ５を入力し、当該データＤ５に基づいて、外部の検索サーバＳｖｒ＿ｓｅａｒｃｈに対して、Ｗｅｂ検索を行うための通信データを生成する。そして、通信処理部７は、生成した通信データをデータＤ６ｏとして、通信インターフェースＩＦ１に出力する。また、通信処理部７は、通信インターフェースＩＦ１から出力されるデータＤ６ｉを入力し、当該データＤ６ｉに含まれるデータを取得する。そして、通信処理部７は、取得したデータと当該データを取得するときに用いた検索語（これを検索語ｗ＿ｓｒｃｈという）とを含むデータをデータＤ８として、高リスク単語検出処理部８に出力する。
【0070】
通信インターフェースＩＦ１は、外部の通信機器（例えば、エッジルータ、ゲートウェイ）等とデータ通信を行うためのインターフェースである。通信インターフェースＩＦ１は、通信処理部７から出力されるデータＤ６ｏを入力し、当該データＤ６ｏを、外部の通信機器と通信できる形式のデータに変換し、当該データを外部の通信機器（ここでは、エッジルータＥＲ１）に出力する。また、通信インターフェースＩＦ１は、外部の通信機器（ここでは、エッジルータＥＲ１）から出力される通信データを入力し、当該通信データから所定のデータを取り出し、取り出したデータをデータＤ６ｉとして、通信処理部７に出力する。
【0071】
高リスク単語検出処理部８は、入力データＤｉｎと、通信処理部７から出力されるデータＤ８と、パラメータ調整部２から出力されるパラメータγとを入力する。高リスク単語検出処理部８は、パラメータγに基づいて、入力データＤｉｎとデータＤ８とを用いて、高リスク単語検出処理（詳細については後述）を実行し、高リスク単語ｗｈ＿ｄｅｔを検出（取得）する。そして、高リスク単語検出処理部８は、検出した高リスク単語ｗｈ＿ｄｅｔを含むデータをデータＤ９として、匿名化処理部９に出力する。
【0072】
匿名化処理部９は、入力データＤｉｎと、高リスク単語検出処理部８から出力されるデータＤ９とを入力する。匿名化処理部９は、データＤ９に基づいて、入力データＤｉｎに対して、匿名化処理を実行し、匿名化処理後のデータＤｏｕｔを取得する。
【0073】
データ格納部ＤＢ１は、文書データを記憶する記憶部であり、例えば、データベースにより実現される。データ格納部ＤＢ１は、匿名化処理装置１００の分類処理部１からの読み出し指令に従い、データを読み出し、読み出したデータをデータＤ０として、分類処理部１に出力する。
【0074】
エッジルータＥＲ１は、図１に示すように、ネットワークＮＷ１および匿名化処理装置１００に接続されており、パケット転送処理、パケット中継処理等を行う。例えば、エッジルータＥＲ１は、ネットワークＮＷ１から受信したパケット（受信パケット）を解析し、その通信先が匿名化処理装置１００であると判断した場合、当該受信パケットを、匿名化処理装置１００に送信する。
【0075】
また、エッジルータＥＲ１は、匿名化処理装置１００から受信したパケット（受信パケット）を解析し、その通信先がネットワークＮＷ１に接続されている通信装置（例えば、検索サーバＳｖｒ＿ｓｅａｒｃｈ、第１サーバＳｖｒ１～第ＭサーバＳｖｒＭ等）であると判断した場合、当該受信パケットを、ネットワークＮＷ１に接続されている当該通信装置に届くように、当該受信パケットを、ネットワークＮＷ１を介して当該通信装置に転送（送信）する。なお、匿名化処理システム１０００において、エッジルータＥＲ１の代わりに、ゲートウェイ等の装置（例えば、ルーティング機能を有する通信装置）を用いてもよい。
【0076】
検索サーバＳｖｒ＿ｓｅａｒｃｈは、例えば、検索エンジンを備え、ネットワークＮＷ１（例えば、インターネット）上で公開されている情報を検索する機能を有する。検索サーバＳｖｒ＿ｓｅａｒｃｈは、例えば、匿名化処理装置１００から、所定の検索語によるＷｅｂ検索を指示するデータ（Ｑｕｅｒｙデータ（問い合わせデータ））を受信すると、当該Ｑｕｅｒｙデータに対するＷｅｂ検索処理を行う。そして、検索サーバＳｖｒ＿ｓｅａｒｃｈは、当該処理結果を含むデータを応答データ（Ｒｅｓｐｏｎｓｅデータ）として、ネットワークＮＷ１、エッジルータＥＲ１を介して、匿名化処理装置１００に送信する。
【0077】
第１サーバＳｖｒ＿１～第ＭサーバＳｖｒＭは、それぞれ、ネットワークＮＷ１（例えば、インターネット）に接続されるサーバであり、所定の情報をネットワークＮＷ１（例えば、インターネット）上で公開するサーバである。第１サーバＳｖｒ＿１～第ＭサーバＳｖｒＭは、それぞれ、例えば、匿名化処理装置１００から、エッジルータＥＲ１、ネットワークＮＷ１を介して、データ取得要求データを受信すると、当該データ取得要求データに基づくデータを、ネットワークＮＷ１、エッジルータＥＲ１を介して、匿名化処理装置１００に送信する。
【0078】
＜１．２：匿名化処理システムの動作＞
以上のように構成された匿名化処理システム１０００の動作について、以下、説明する。
以上のように構成された匿名化処理システム１０００の動作について、以下、説明する。
【0079】
図３は、匿名化処理システム１０００で実行される処理のシーケンス図である。
【0080】
図４は、匿名化処理システム１０００で実行される処理のフローチャートである。
【0081】
以下では、匿名化処理システム１０００の動作を、シーケンス図とフローチャートとを参照しながら、説明する。
【0082】
（ステップＳ１）：
ステップＳ１において、評価対象文書データＤの分類処理が実行される。具体的には、以下の処理が実行される。
ステップＳ１において、評価対象文書データＤの分類処理が実行される。具体的には、以下の処理が実行される。
【0083】
評価対象文書データＤを含むデータＤｉｎが匿名化処理装置１００に入力される。また、分類処理部１は、文書データの集合データＤ’をデータ格納部ＤＢ１から読み出す（データ格納部ＤＢ１からデータＤ０を入力する）。
【0084】
分類処理部１は、データ格納部ＤＢ１から取得した文書データ集合Ｄ’に対して機械学習等（例えば、クラスタやクラスに分類する処理を行うための機械学習）を適用し、所定の数のクラスタに分類する。そして、各クラスタに対して、タグ付けを行うことで、文書データ集合Ｄ’を所定数のタグ付けされたクラスタに分類する。
【0085】
例えば、所定のクラスタに分類された文書データが「事件」に関するものである場合（「事件」に関連する文書を多く含む場合）、当該クラスタに「事件」を示すタグを付与する。
【0086】
また、例えば、所定のクラスタに分類された文書データが「事故」に関するものである場合（「事故」に関連する文書を多く含む場合）、当該クラスタに「事故」を示すタグを付与する。
【0087】
また、例えば、所定のクラスタに分類された文書データが「死亡」に関するものである場合（「事故」に関連する文書を多く含む場合）、当該クラスタに「死亡」を示すタグを付与する。
【0088】
また、例えば、所定のクラスタに分類された文書データが「表彰」に関するものである場合（「表彰」に関連する文書を多く含む場合）、当該クラスタに「表彰」を示すタグを付与する。
【0089】
なお、タグ付けは、例えば、文書データ集合Ｄ’、あるいは、文書データ集合Ｄ’に含まれる文章データ（または、当該文章データを構成する単語データ）に対して、分散表現を取得するツール（例えば、ｆａｓｔＴｅｘｔ、ｗｏｒｄ２ｔｘｔ等）を使用して行う。具体的には、分類処理部１は、文書データ集合Ｄ’、あるいは、文書データ集合Ｄ’に含まれる文章データ（または、当該文章データを構成する単語データ）に対して、分散表現を取得し、当該分散表現（例えば、各単語をｎ次元ベクトル（ｎ：自然数）で表現する分散表現）と、タグの候補としている文字列との類似度（例えば、コサイン類似度）を取得する。そして、分類処理部１は、上記類似度が高い文字列をタグとして、当該文章データにタグ付けを行う。
【0090】
なお、文書データ集合Ｄ’、あるいは、文書データ集合Ｄ’に含まれる文章データに対して、複数のタグ付けがなされてもよい。例えば、所定の文章データ（あるいは、文章データの集合）に付けられるタグが「事件」および「死亡」であってもよい。
【0091】
そして、分類処理部１は、評価対象文書データＤ’が、上記で分類（取得）した、どのクラスタに属するかを判定する処理を行う。なお、この判定処理においても、分類処理部１は、評価対象文書データＤ’の分散表現を取得し、各クラスタのタグとの類似度（例えば、コサイン類似度）を取得し、取得した類似度に基づいて、評価対象文書データＤ’が、上記で分類（取得）した、どのクラスタに属するかを判定するようにしてもよい。
【0092】
そして、当該判定処理の結果（どのタグが付与されたクラスタに分類されたかを示す結果データ）を含むデータをデータＤ１として、パラメータ調整部２に出力する。なお、ここで、説明便宜のため、評価対象文書データＤ’が、「事故」および「死亡」を示すタグが付与されたクラスタに分類されたものとして、以下、説明する。なお、評価対象文書データＤ’がどのクラスタに分類されるかの判定処理においても、複数のクラスタに分類されるものと判定されるものであってもよい。
【0093】
なお、評価対象文書データＤは、人手によって加工されたデータ、あるいは、生データ（加工されていないデータ）であり、人手により加工されたデータの場合、評価対象文書データＤの各単語は、加工されなかった単語の集合Ａと加工された単語の集合Ｓとに分類される。つまり、評価対象文書データＤのすべての単語を含む集合を集合Ａａｌｌとすると、
Ａａｌｌ＝｛Ａ，Ｓ｝
である。
Ａａｌｌ＝｛Ａ，Ｓ｝
である。
【0094】
評価対象文書データＤが生データである場合、評価対象文書データＤに含まれる全ての単語の集合を集合Ａとする。つまり、
Ａａｌｌ＝｛Ａ｝
である。
Ａａｌｌ＝｛Ａ｝
である。
【0095】
なお、上記集合データを作成するときに、助詞や助動詞等評価に無関係な単語は省くようにしてもよい。
【0096】
（ステップＳ２）：
ステップＳ２において、パラメータ調整処理が実行される。具体的には、以下の処理が実行される。
ステップＳ２において、パラメータ調整処理が実行される。具体的には、以下の処理が実行される。
【0097】
パラメータ調整部２は、分類処理部１から出力されるデータＤ１（評価対象文書データＤの分類結果データ）を入力する。パラメータ調整部２は、データＤ１に含まれる評価対象文書データＤの分類結果（本実施形態では、タグ「事件」、「死亡」のクラスタに分類されたという結果データ）に基づいて、パラメータα、β、および、γの値を決定（調整）する。
【0098】
ここで、パラメータ調整部２は、データＤ１により、評価対象文書データＤが「死亡」という語のようにニュースになりやすい語（話題になりやすい語）のクラスタに分類されていると判断した場合、パラメータα、β、および、γの値を高い値に設定し、匿名化処理装置１００において、Ｗｅｂ検索処理を高精度に行うようにする。なお、パラメータα、β、および、γは、その値が高い程、Ｗｅｂ検索処理がより高精度に実行されるものとする。
【0099】
また、ニュースになりやすい語（話題になりやすい語）の判断は、例えば、ニュースになりやすい語（話題になりやすい語）を予め設定しておき、パラメータ調整部２が、当該語を含むか否かを判定することで行うようにすればよい。
【0100】
上記のようにして、パラメータ調整部２は、データＤ１（評価対象文書データＤの分類結果データ）に基づいて、パラメータα、β、および、γの値を設定する。
【0101】
そして、パラメータ調整部２は、設定したパラメータαを単語選択処理部５に出力する。また、パラメータ調整部２は、設定したパラメータβを検索語取得部６に出力する。また、パラメータ調整部２は、設定したパラメータγを高リスク単語検出処理部８に出力する。
【0102】
（ステップＳ３）：
ステップＳ３において、単語分割処理が実行される。具体的には、以下の処理が実行される。
ステップＳ３において、単語分割処理が実行される。具体的には、以下の処理が実行される。
【0103】
単語分割処理部３は、入力データＤｉｎ（評価対象文書データＤ）と、分類処理部１から出力されるデータＤ０（文書データ集合Ｄ’）とを入力する。単語分割処理部３は、データＤ１に含まれる評価対象文書データＤ、および、データＤｉｎに含まれる文書データ集合Ｄ’に対して、形態素解析処理を施し、単語データ（単語に分割したデータ）を取得する。
【0104】
なお、ここで、説明便宜のため、評価対象文書データＤを１つの文章データｄ１とし、ｎ個（ｎ：自然数）の単語に分割されたものとし、文書データ集合Ｄ’がｍ個（ｍ：自然数）の単語に分割されたものとして、以下、説明する。
【0105】
つまり、評価対象文書データＤは、
Ｄ＝｛ｄ１｝
Ｄ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
ｗ１，ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｎ）
であるものとする。
Ｄ＝｛ｄ１｝
Ｄ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
ｗ１，ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｎ）
であるものとする。
【0106】
また、文書データ集合Ｄ’は、
Ｄ’＝｛ｗ’１，・・・，ｗ’ｍ｝
ｗ’ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｍ）
であるものとする。
Ｄ’＝｛ｗ’１，・・・，ｗ’ｍ｝
ｗ’ｉ：ｉ番目の単語データ（ｉ：自然数、１≦ｉ≦ｍ）
であるものとする。
【0107】
また、説明便宜のため、上記のように分割された単語データの集合をＤｓｅｔ、Ｄ’ｓｅｔとする。つまり、
Ｄｓｅｔ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
Ｄ’ｓｅｔ＝｛ｗ’１，・・・，ｗ’ｍ｝
とする。
Ｄｓｅｔ＝｛ｗ１、１，・・・，ｗ１、ｎ｝
Ｄ’ｓｅｔ＝｛ｗ’１，・・・，ｗ’ｍ｝
とする。
【0108】
単語分割処理部３は、上記により取得した単語データを含むデータを、データＤ２として、単語情報量算出部４および単語選択処理部５に出力する。
【0109】
（ステップＳ４）：
ステップＳ４において、各単語（各単語データ）の情報量算出処理が実行される。単語情報量算出部４は、単語分割処理部３から出力されるデータＤ２を入力し、データＤ２に含まれる単語データの情報量（各単語に情報量）を算出する。具体的には、単語情報量算出部４は、評価対象文書データＤの分割された単語データからなる集合Ｄｓｅｔ＝｛ｗ１、１，・・・，ｗ１、ｎ｝と、文書データ集合Ｄ’の分割された単語データからなる集合Ｄ’ｓｅｔ＝｛ｗ１，・・・，ｗｍ｝との和集合（＝Ｄｓｅｔ∪Ｄ’ｓｅｔ）に対して、各単語データの情報量を
Ｉ（ｘ）＝－ｌｏｇ（Ｐ（ｘ））
ｌｏｇ（ｘ）：ｘの対数をとる関数
Ｐ（ｘ）：ｘの出現確率
として、算出する。例えば、単語データｗ１，ｋ（ｋ：自然数、1≦ｋ≦ｎ）が、和集合（＝Ｄｓｅｔ∪Ｄ’ｓｅｔ）において出現する確率がＰ０（＝Ｐ（ｗ１，ｋ））である場合、単語情報量算出部４は、当該単語データｗ１，ｋの情報量Ｉ（ｘ）（＝Ｉ（ｗ１，ｋ））を、－ｌｏｇ（Ｐ０）として算出する。
ステップＳ４において、各単語（各単語データ）の情報量算出処理が実行される。単語情報量算出部４は、単語分割処理部３から出力されるデータＤ２を入力し、データＤ２に含まれる単語データの情報量（各単語に情報量）を算出する。具体的には、単語情報量算出部４は、評価対象文書データＤの分割された単語データからなる集合Ｄｓｅｔ＝｛ｗ１、１，・・・，ｗ１、ｎ｝と、文書データ集合Ｄ’の分割された単語データからなる集合Ｄ’ｓｅｔ＝｛ｗ１，・・・，ｗｍ｝との和集合（＝Ｄｓｅｔ∪Ｄ’ｓｅｔ）に対して、各単語データの情報量を
Ｉ（ｘ）＝－ｌｏｇ（Ｐ（ｘ））
ｌｏｇ（ｘ）：ｘの対数をとる関数
Ｐ（ｘ）：ｘの出現確率
として、算出する。例えば、単語データｗ１，ｋ（ｋ：自然数、1≦ｋ≦ｎ）が、和集合（＝Ｄｓｅｔ∪Ｄ’ｓｅｔ）において出現する確率がＰ０（＝Ｐ（ｗ１，ｋ））である場合、単語情報量算出部４は、当該単語データｗ１，ｋの情報量Ｉ（ｘ）（＝Ｉ（ｗ１，ｋ））を、－ｌｏｇ（Ｐ０）として算出する。
【0110】
また、単語データｗｑ（ｑ：自然数、1≦ｑ≦ｍ）が、和集合（＝Ｄｓｅｔ∪Ｄ’ｓｅｔ）において出現する確率がＰ１（＝Ｐ（ｗｑ））である場合、単語情報量算出部４は、当該単語データｗｑの情報量Ｉ（ｘ）（＝Ｉ（ｗｑ））を、－ｌｏｇ（Ｐ１）として算出する。
【0111】
そして、単語情報量算出部４は、上記により算出した各単語データの情報量のデータを含むデータを、データＤ３として、単語選択処理部５に出力する。
【0112】
（ステップＳ５）：
ステップＳ５において、単語選択処理が実行される。具体的には、以下の処理が実行される。
ステップＳ５において、単語選択処理が実行される。具体的には、以下の処理が実行される。
【0113】
単語選択処理部５は、単語分割処理部３から出力されるデータＤ２と、単語分割処理部３から出力されるデータＤ３と、パラメータ調整部２から出力されるパラメータαとを入力する。
【0114】
そして、単語選択処理部５は、パラメータαに基づいて、データＤ２に含まれる評価対象文書データＤの単語データの集合（｛ｗ１、１，・・・，ｗ１、ｎ｝）から、情報量の多い単語データ（単語）を選択する。例えば、単語選択処理部５は、以下のようにして、情報量の多い単語データ（単語）を選択する。
（１）パラメータαを情報量の閾値とした場合、単語選択処理部５は、情報量の閾値αを超える情報量を有する単語データを選択し、当該選択した単語データの集合を集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝として取得する。
（２）パラメータαを情報量の多い最上位からの数とした場合、単語選択処理部５は、情報量の多い方からα個（上位α個）単語データを選択し、当該選択した単語データの集合を集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝として取得する。
（１）パラメータαを情報量の閾値とした場合、単語選択処理部５は、情報量の閾値αを超える情報量を有する単語データを選択し、当該選択した単語データの集合を集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝として取得する。
（２）パラメータαを情報量の多い最上位からの数とした場合、単語選択処理部５は、情報量の多い方からα個（上位α個）単語データを選択し、当該選択した単語データの集合を集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝として取得する。
【0115】
なお、本実施形態では、評価対象文書データＤがタグ「死亡」（話題になりやすい語）を含むので、パラメータαの値が高い値に設定されている。そのため、上記処理により、選択される単語の数（α個）が多くなる。
【0116】
そして、単語選択処理部５は、上記により選択した単語データを含むデータ（集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝）をデータＤ４として検索語取得部６に出力する。
【0117】
（ステップＳ６）：
ステップＳ６において、検索語取得処理が実行される。具体的には、以下の処理が実行される。
ステップＳ６において、検索語取得処理が実行される。具体的には、以下の処理が実行される。
【0118】
検索語取得部６は、単語選択処理部５から出力されるデータＤ４と、パラメータ調整部２から出力されるパラメータβとを入力する。
【0119】
そして、検索語取得部６は、パラメータβに基づいて、データＤ４から、Ｗｅｂ検索するための検索語を取得する。具体的には、検索語取得部６は、データＤ４に含まれる集合Ｄ＿ｓｅｌｅｃｔｅｄ＝｛ｗ１，・・・，ｗｋ｝（単語選択処理部５により選択された単語）の中から、単語（単語データ）を抽出し、組み合わせることで、検索ワードを取得する。なお、検索語取得部６は、検索語（検索ワード）を取得ための単語の組み合わせ数の最大数Ｌ（Ｌ：自然数）を、パラメータβに基づいて決定する。すなわち、
Ｌ＝ｆ（β）
ｆ（ｘ）：ｘを変数とする関数
である。ここで、Ｌは、βが大きな値である程、大きな値をとるものとする。
Ｌ＝ｆ（β）
ｆ（ｘ）：ｘを変数とする関数
である。ここで、Ｌは、βが大きな値である程、大きな値をとるものとする。
【0120】
なお、本実施形態では、評価対象文書データＤがタグ「死亡」（話題になりやすい語）を含むので、パラメータβの値が高い値に設定されている。そのため、上記処理における、検索語（検索ワード）を取得ための単語の組み合わせ数の最大数Ｌは大きな値となる。
【0121】
そして、検索語取得部６は、上記により取得した検索語を含むデータをデータＤ５として通信処理部７に出力する。
【0122】
（ステップＳ７）：
ステップＳ７において、ステップＳ８～ステップＳ９を、ステップＳ６で決定された検索語数（検索語の組み合わせ数）（Ｌ回）だけ繰り返すループ処理が開始される。
ステップＳ７において、ステップＳ８～ステップＳ９を、ステップＳ６で決定された検索語数（検索語の組み合わせ数）（Ｌ回）だけ繰り返すループ処理が開始される。
【0123】
（ステップＳ８）：
ステップＳ８において、Ｗｅｂ検索処理が実行される。具体的には、以下の処理が実行される。
ステップＳ８において、Ｗｅｂ検索処理が実行される。具体的には、以下の処理が実行される。
【0124】
通信処理部７は、検索語取得部６から出力されるデータＤ５を入力し、当該データＤ５に基づいて、外部の検索サーバＳｖｒ＿ｓｅａｒｃｈに対して、Ｗｅｂ検索を行うための通信データを生成する。つまり、通信処理部７は、データＤ５に含まれる検索語により、Ｗｅｂ検索を行うための通信データを生成し、当該通信データをデータＤ６ｏとして、通信インターフェースＩＦ１に出力する。
【0125】
通信インターフェースＩＦ１は、通信処理部７から出力されるデータＤ６ｏを入力し、当該データＤ６ｏを、外部の通信機器と通信できる形式のデータに変換するとともに、送信先を検索サーバＳｖｒ＿ｓｅａｒｃｈとするようにして通信データ（送信データ）を生成する。なお、ここでは、通信インターフェースＩＦ１は、送信先を検索サーバＳｖｒ＿ｓｅａｒｃｈとし、当該検索サーバＳｖｒ＿ｓｅａｒｃｈにてＷｅｂ検索処理を実行するように指示する通信データ（通信データＱｕｅｒｙ）を生成するものとする。
【0126】
そして、通信インターフェースＩＦ１は、上記により生成した通信データＱｕｅｒｙを、エッジルータＥＲ１、ネットワークＮＷ１を介して、検索サーバＳｖｒ＿ｓｅａｒｃｈに送信する。
【0127】
検索サーバＳｖｒ＿ｓｅａｒｃｈは、匿名化処理装置１００の通信インターフェースＩＦ１からの通信データＱｕｅｒｙ（送信データＱｕｅｒｙ）を受信し、当該通信データＱｕｅｒｙに含まれる検索語によるＷｅｂ検索処理を行う。なお、Ｗｅｂ検索処理は、検索サーバＳｖｒ＿ｓｅａｒｃｈが、一定周期で、ネットワークＮＷ１上の情報を検索し、検索結果を、例えば、リストとして、記憶保持しているデータを用いて実行されるものであってもよい。そして、検索サーバＳｖｒ＿ｓｅａｒｃｈは、例えば、Ｗｅｂ検索処理により、検索語を含む情報を提供、および／または、保持しているサーバのＵＲＬを取得する。
【0128】
そして、検索サーバＳｖｒ＿ｓｅａｒｃｈは、上記の検索処理により取得したサーバのＵＲＬ（検索語を含む情報を提供、および／または、保持しているサーバのＵＲＬ）のデータを含めた応答データＲｅｓ（匿名化処理装置１００からの送信データＱｕｅｒｙに対する応答データＲｅｓ）を生成する。そして、検索サーバＳｖｒ＿ｓｅａｒｃｈは、生成した応答データＲｅｓを、匿名化処理装置１００へ、ネットワークＮＷ１、エッジルータＥＲ１を介して、送信する。
【0129】
匿名化処理装置１００の通信インターフェースＩＦ１は、検索サーバＳｖｒ＿ｓｅａｒｃｈからの送信データＲｅｓ（応答データＲｅｓ）を、ネットワークＮＷ１、エッジルータＥＲ１を介して、受信する。そして、通信インターフェースＩＦ１により受信された応答データＲｅｓから、送信データＱｕｅｒｙによるＷｅｂ検索処理結果を含むデータを取得し、取得したデータをデータＤ６ｉとして通信処理部７に出力する。
【0130】
通信処理部７は、データＤ６ｉから、送信データＱｕｅｒｙによるＷｅｂ検索処理結果のデータを取得する。つまり、通信処理部７は、検索語によるＷｅｂ検索結果のデータ、すなわち、検索語を含む情報を提供、および／または、保持しているサーバのＵＲＬを取得する。ここで、説明便宜のため、取得されたサーバのＵＲＬが、第１サーバＳｖｒ＿１のＵＲＬであるＵＲＬ＿１～第ＭサーバＳｖｒ＿ＭのＵＲＬであるＵＲＬ＿Ｍ（Ｍ個のサーバのＵＲＬ）であるものとする。つまり、Ｗｅｂ検索処理により、検索語に関連するデータを保持しているサーバが、第１サーバＳｖｒ＿１～第ＭサーバＳｖｒ＿Ｍであると判明したものとする。
【0131】
≪第１～第Ｍサーバからの文書データ取得処理（ステップＳ８＿ｓｖｒ＿１～Ｓ８＿ｓｖｒ＿Ｍ）（図３を参照）≫
通信処理部７は、上記Ｗｅｂ検索処理により、検索語に関連するデータを保持しているサーバであると判定された、第１サーバＳｖｒ＿１（第１サーバＳｖｒ＿１のＵＲＬであるＵＲＬ＿１）に対して、当該サーバが保持している（提示している）情報を取得（要求）するための通信データ（この通信データを「ＲｅｑＧｅｔＤａｔａ（ＵＲＬ＿１）」と表記する）を生成する。通信処理部７は、生成したデータをデータＤ６ｏとして、通信インターフェースＩＦ１に出力する。
通信処理部７は、上記Ｗｅｂ検索処理により、検索語に関連するデータを保持しているサーバであると判定された、第１サーバＳｖｒ＿１（第１サーバＳｖｒ＿１のＵＲＬであるＵＲＬ＿１）に対して、当該サーバが保持している（提示している）情報を取得（要求）するための通信データ（この通信データを「ＲｅｑＧｅｔＤａｔａ（ＵＲＬ＿１）」と表記する）を生成する。通信処理部７は、生成したデータをデータＤ６ｏとして、通信インターフェースＩＦ１に出力する。
【0132】
通信インターフェースＩＦ１は、通信処理部７からのデータＤ６ｏに入力し、当該データを、送信先を第１サーバＳｖｒ＿１とする通信データ（送信データ）Ｄ７ｏを生成し、当該通信データをエッジルータＥＲ１、ネットワークＮＷ１を介して、第１サーバＳｖｒ＿１に送信する。なお、この第１サーバＳｖｒ＿１への送信データを通信データＲｅｑＧｅｔＤａｔａ（ＵＲＬ＿１）と表記する。
【0133】
第１サーバＳｖｒ＿１は、匿名化処理装置１００の通信インターフェースＩＦ１からの通信データＲｅｑＧｅｔＤａｔａ（送信データＲｅｑＧｅｔＤａｔａ）を受信し、当該通信データＲｅｑＧｅｔＤａｔａにより要求されている情報（データ）（このデータをデータＤ＿１とする）を取得し、当該情報（データＤ＿１）を含めた送信データ（このデータを「Ｒｅｓ（Ｄ＿１）」と表記する）を生成する。そして、第１サーバＳｖｒ＿１は、生成した送信データ（返信データＲｅｓ（Ｄ＿１））を、送信先を匿名化処理装置１００として、ネットワークＮＷ１、エッジルータＥＲ１を介して、匿名化処理装置１００へ送信（返信）する。
【0134】
匿名化処理装置１００の通信インターフェースＩＦ１は、第１サーバＳｖｒ＿１からの送信データＲｅｓ（Ｄ＿１）を、ネットワークＮＷ１、エッジルータＥＲ１を介して、受信する。そして、通信インターフェースＩＦ１により受信された応答データＲｅｓ（Ｄ＿１）から、第１サーバから送信されたデータＤ＿１（例えば、第１サーバが保持している文書データＤ＿１）を取得し、取得したデータをデータＤ６ｉとして通信処理部７に出力する。
【0135】
通信処理部７は、データＤ６ｉを入力し、当該データにふくまれている、データＤ＿１（例えば、第１サーバが保持している文書データＤ＿１）を取得する。
【0136】
上記にようにして、匿名化処理装置１００と第１サーバＳｖｒ＿１との間で、Ｗｅｂ検索処理（文書データ取得（文書データＤ＿１の取得）処理）が実行される。
【0137】
そして、同様に、匿名化処理装置１００と第ｋサーバＳｖｒ＿ｋ（ｋ：自然数、２≦ｋ≦Ｍ）との間においてもＷｅｂ検索処理（文書データ取得（文書データＤ＿１～Ｄ＿Ｍの取得）処理）が実行される。
【0138】
通信処理部７は、上記のＷｅｂ検索処理により取得した文書データＤ＿１～Ｄ＿Ｍを含むデータと、当該データを取得するときに用いた検索語（検索語ｗ＿ｓｒｃｈ）とを含むデータをデータＤ８として、高リスク単語検出処理部８に出力する。
【0139】
（ステップＳ９）：
ステップＳ９において、高リスク単語検出処理が実行される。具体的には、以下の処理が実行される。
ステップＳ９において、高リスク単語検出処理が実行される。具体的には、以下の処理が実行される。
【0140】
高リスク単語検出処理部８は、入力データＤｉｎと、通信処理部７から出力されるデータＤ８（Ｗｅｂ検索処理により、第１～第Ｍサーバから取得した文書データＤ＿１～Ｄ＿Ｍと、検索語ｗ＿ｓｒｃｈを含むデータ）と、パラメータ調整部２から出力されるパラメータγとを入力する。
【0141】
高リスク単語検出処理部８は、データＤ８から、Ｗｅｂ検索処理により第１～第Ｍサーバから取得した文書データＤ＿１～Ｄ＿Ｍを取得する。そして、高リスク単語検出処理部８は、文書データＤ＿１～Ｄ＿Ｍのそれぞれと、評価対象文書データＤとの同一性について判定する（同一性判定処理を行う）。
【0142】
≪Ａ：同一性判定処理≫
具体的には、高リスク単語検出処理部８は、下記条件が満たされるか否かを判定することで、文書データＤ＿ｋ（ｋ：自然数、１≦ｋ≦Ｍ）と、評価対象文書データＤとの同一性を判定する。
（１）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、パラメータγにより決定される割合ｒａｔｅ１で、ｗ∈Ｓを満たす単語（集合Ｓ（加工された単語の集合Ｓ）に含まれる単語ｗ）が含まれている。
（２）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに一定の割合ｒａｔｅ１で、ｗ∈Ａａｌｌ＼｛ｗ１，１，・・・，ｗ１，ｎ｝を満たす（単語ｗが集合Ａａｌｌから｛ｗ１，１，・・・，ｗ１，ｎ｝を除いた集合に含まれる）単語が含まれている。
具体的には、高リスク単語検出処理部８は、下記条件が満たされるか否かを判定することで、文書データＤ＿ｋ（ｋ：自然数、１≦ｋ≦Ｍ）と、評価対象文書データＤとの同一性を判定する。
（１）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、パラメータγにより決定される割合ｒａｔｅ１で、ｗ∈Ｓを満たす単語（集合Ｓ（加工された単語の集合Ｓ）に含まれる単語ｗ）が含まれている。
（２）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに一定の割合ｒａｔｅ１で、ｗ∈Ａａｌｌ＼｛ｗ１，１，・・・，ｗ１，ｎ｝を満たす（単語ｗが集合Ａａｌｌから｛ｗ１，１，・・・，ｗ１，ｎ｝を除いた集合に含まれる）単語が含まれている。
【0143】
なお、割合ｒａｔｅ１は、パラメータγが大きな値である程、小さな値となるものとする。つまり、パラメータγが大きな値である程、割合ｒａｔｅ１は小さな値となり、その結果、文書データＤ＿１と、評価対象文書データＤとが同一性を有すると判定されやすくなる。
【0144】
本実施形態では、評価対象文書データＤがタグ「死亡」（話題になりやすい語）を含むので、パラメータγの値が高い値に設定されている。そのため、上記処理における、割合ｒａｔｅ１が小さな値となり、評価対象文書データＤとが同一性を有すると判定されやすくなる。
【0145】
そして、上記条件（１）または（２）を満たす場合、高リスク単語検出処理部８は、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）と、評価対象文書データＤとの間に同一性がある（同一内容を含む文書データである）と判定する。
【0146】
さらに、高リスク単語検出処理部８は、追加情報判定処理（追加情報が含まれているか否かを判定する処理）を行う。
【0147】
≪Ｂ：追加情報判定処理≫
具体的には、高リスク単語検出処理部８は、下記条件が満たされるか否かを判定することで、文書データＤ＿ｋ（ｋ：自然数、１≦ｋ≦Ｍ）に追加情報（評価対象文書データＤにおいて、加工された情報（集合Ｓに含まれる単語による情報）、または、評価対象文書データＤに含まれていない情報）が含まれていると判定する。
（１）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、ｗ∈Ｓを満たす単語（集合Ｓ（加工された単語の集合Ｓ）に含まれる単語ｗ）が含まれている。
（２）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、人名（人名を表す単語、単語列）が含まれている。
具体的には、高リスク単語検出処理部８は、下記条件が満たされるか否かを判定することで、文書データＤ＿ｋ（ｋ：自然数、１≦ｋ≦Ｍ）に追加情報（評価対象文書データＤにおいて、加工された情報（集合Ｓに含まれる単語による情報）、または、評価対象文書データＤに含まれていない情報）が含まれていると判定する。
（１）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、ｗ∈Ｓを満たす単語（集合Ｓ（加工された単語の集合Ｓ）に含まれる単語ｗ）が含まれている。
（２）Ｗｅｂ検索処理により取得した文書データＤ＿ｋに、人名（人名を表す単語、単語列）が含まれている。
【0148】
そして、上記条件（１）または（２）を満たす場合、高リスク単語検出処理部８は、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）に、追加情報（評価対象文書データＤにおいて、加工された情報（集合Ｓに含まれる単語による情報）、または、評価対象文書データＤに含まれていない情報）が含まれていると判定する。
【0149】
そして、高リスク単語検出処理部８は、
（Ａ）同一性判定処理において、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）と、評価対象文書データＤとの間に同一性がある（同一内容を含む文書データである）と判定した場合であり、かつ、
（Ｂ）追加情報判定処理において、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）に、追加情報（評価対象文書データＤにおいて、加工された情報（集合Ｓに含まれる単語による情報）、または、評価対象文書データＤに含まれていない情報）が含まれていると判定した場合、
Ｗｅｂ検索処理により第ｋサーバＳｖｒ＿ｋから取得した文書データＤ＿ｋを取得するときに用いた検索語ｗ＿ｓｒｃｈを高リスク単語ｗｈ＿ｄｅｔとして検出する（高リスク単語であると判定する）。
（Ａ）同一性判定処理において、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）と、評価対象文書データＤとの間に同一性がある（同一内容を含む文書データである）と判定した場合であり、かつ、
（Ｂ）追加情報判定処理において、文書データＤ＿ｋ（第ｋサーバＳｖｒ＿ｋからＷｅｂ検索処理により取得した文書データ）に、追加情報（評価対象文書データＤにおいて、加工された情報（集合Ｓに含まれる単語による情報）、または、評価対象文書データＤに含まれていない情報）が含まれていると判定した場合、
Ｗｅｂ検索処理により第ｋサーバＳｖｒ＿ｋから取得した文書データＤ＿ｋを取得するときに用いた検索語ｗ＿ｓｒｃｈを高リスク単語ｗｈ＿ｄｅｔとして検出する（高リスク単語であると判定する）。
【0150】
なお、上記処理については、第１サーバＳｖｒ＿１～第ＭサーバＳｖｒ＿Ｍのそれぞれから取得した文書データＤ＿１～Ｄ＿Ｍについて、繰り返し実行される。これにより、高リスク単語検出処理部８は、第１サーバＳｖｒ＿１～第ＭサーバＳｖｒ＿Ｍのそれぞれから取得した文書データＤ＿１～Ｄ＿Ｍについて、同一性判定処理、追加情報判定処理を実行して、高リスク単語ｗｈ＿ｄｅｔ（または、高リスク単語の集合データ）を取得する。
【0151】
（ステップＳ１０）：
ステップＳ１０において、ループ処理（ループ１）の終了条件を判定する。ループ処理の終了条件を満たしている場合、処理をステップＳ１１に進め、ループ処理の終了条件を満たしていない場合、処理をステップＳ７に戻す。
ステップＳ１０において、ループ処理（ループ１）の終了条件を判定する。ループ処理の終了条件を満たしている場合、処理をステップＳ１１に進め、ループ処理の終了条件を満たしていない場合、処理をステップＳ７に戻す。
【0152】
これにより、ステップＳ８、ステップＳ９が、検索語の組み合わせ数だけ繰り返される。
【0153】
そして、すべての検索語の組み合わせについて、ステップＳ８、Ｓ９を実行することで、高リスク単語検出処理部８により取得された高リスク単語ｗｈ＿ｄｅｔ（または、高リスク単語の集合データ｛ｗｈ＿ｄｅｔ｝）を含むデータをデータ９として匿名化処理部９に出力する。
【0154】
（ステップＳ１１）：
ステップＳ１１において、匿名化処理が実行される。具体的には、以下の処理が実行される。
ステップＳ１１において、匿名化処理が実行される。具体的には、以下の処理が実行される。
【0155】
匿名化処理部９は、入力データＤｉｎと、高リスク単語検出処理部８から出力されるデータＤ９（＝｛ｗｈ＿ｄｅｔ｝）とを入力する。匿名化処理部９は、データＤ９に基づいて、入力データＤｉｎに対して、匿名化処理を実行する。例えば、匿名化処理部９は、入力データＤｉｎから取り出した評価対象文書データＤに含まれる単語であって、高リスク単語の集合データ｛ｗｈ＿ｄｅｔ｝に含まれる単語について、削除する、または、一般化する（上位概念化した単語に置換する）処理を行う。これにより、高リスク単語が削除、または、一般化された匿名化文書Ｄ＿ｓａｎｉが取得される。そして、匿名化処理部９は、上記処理により取得した匿名化文書Ｄ＿ｓａｎｉを含むデータを出力データＤｏｕｔとして、出力する。
【0156】
以上のように処理することで、匿名化処理システム１０００では、匿名化処理を実行することができる。
【0157】
【0158】
【0159】
説明便宜のため、一例として、図５に示す文章が評価対象文書データＤである場合において、匿名化処理装置１００により、
（１）図５に示す単語データＡ１（＝「第一小学校」），Ａ２（＝「脊椎」），Ａ３（＝「損傷」）が１回目の検索語として取得され、
（２）図５に示す単語データＢ１（＝「山田太郎」），Ｂ２（＝「２０２０年１２月１１日」），Ｂ３（＝「大阪市」）が２回目の検索語として取得され、
（３）図５に示す単語データＣ１（＝「山田太郎」），Ｃ２（＝「フットサル」）が３回目の検索語として取得されたものとして、説明する。なお、単語データＡ１～Ａ３、Ｂ１～Ｂ３、および、Ｃ１～Ｃ２の全ての単語データが集合Ｓ（評価対象文書データＤにおいて、加工された単語データの集合）に含まれるものとする。
（１）図５に示す単語データＡ１（＝「第一小学校」），Ａ２（＝「脊椎」），Ａ３（＝「損傷」）が１回目の検索語として取得され、
（２）図５に示す単語データＢ１（＝「山田太郎」），Ｂ２（＝「２０２０年１２月１１日」），Ｂ３（＝「大阪市」）が２回目の検索語として取得され、
（３）図５に示す単語データＣ１（＝「山田太郎」），Ｃ２（＝「フットサル」）が３回目の検索語として取得されたものとして、説明する。なお、単語データＡ１～Ａ３、Ｂ１～Ｂ３、および、Ｃ１～Ｃ２の全ての単語データが集合Ｓ（評価対象文書データＤにおいて、加工された単語データの集合）に含まれるものとする。
【0160】
そして、１回目の検索語｛Ａ１，Ａ２，Ａ３｝によるＷｅｂ検索処理（検索語｛Ａ１，Ａ２，Ａ３｝のＡＮＤ検索によるＷｅｂ検索処理）により、図６に示す文書データＤ＿ｋが取得されたものとする。
【0161】
この場合、図６に示す文書データＤ＿ｋは、集合Ｓに含まれる単語を複数（例えば、単語データＡ１～Ａ３、Ｂ１～Ｂ３、および、Ｃ１～Ｃ２）含むので、匿名化処理装置１００は、同一性判定処理、および、追加情報判定処理において、評価対象文書データＤと文書データＤ＿ｋとは同一性を有しており、かつ、文書データＤ＿ｋは、追加情報を含むと判定する。そして、匿名化処理装置１００は、１回目の検索語｛Ａ１，Ａ２，Ａ３｝を高リスク単語であると判定する（高リスク単語として検出する）。つまり、匿名化処理装置１００は、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝＝｛Ａ１，Ａ２，Ａ３｝とする。
【0162】
また、２回目の検索語｛Ｂ１，Ｂ２，Ｂ３｝によるＷｅｂ検索処理（検索語｛Ｂ１，Ｂ２，Ｂ３｝のＡＮＤ検索によるＷｅｂ検索処理）により、図６に示す文書データＤ＿ｋが取得されたものとする。
【0163】
この場合、図６に示す文書データＤ＿ｋは、集合Ｓに含まれる単語を複数（例えば、単語データＡ１～Ａ３、Ｂ１～Ｂ３、および、Ｃ１～Ｃ２）含むので、匿名化処理装置１００は、同一性判定処理、および、追加情報判定処理において、評価対象文書データＤと文書データＤ＿ｋとは同一性を有しており、かつ、文書データＤ＿ｋは、追加情報を含むと判定する。そして、匿名化処理装置１００は、２回目の検索語｛Ｂ１，Ｂ２，Ｂ３｝を高リスク単語であると判定する（高リスク単語として検出する）。つまり、匿名化処理装置１００は、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝に｛Ｂ１，Ｂ２，Ｂ３｝を追加する。すなわち、匿名化処理装置１００は、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝＝｛Ａ１，Ａ２，Ａ３，Ｂ１，Ｂ２，Ｂ３｝とする。
【0164】
また、３回目の検索語｛Ｃ１，Ｃ２｝によるＷｅｂ検索処理（検索語｛Ｃ１，Ｃ２｝のＡＮＤ検索によるＷｅｂ検索処理）により、図６に示す文書データＤ＿ｋが取得されたものとする。
【0165】
この場合、図６に示す文書データＤ＿ｋは、集合Ｓに含まれる単語を複数（例えば、単語データＡ１～Ａ３、Ｂ１～Ｂ３、および、Ｃ１～Ｃ２）含むので、匿名化処理装置１００は、同一性判定処理、および、追加情報判定処理において、評価対象文書データＤと文書データＤ＿ｋとは同一性を有しており、かつ、文書データＤ＿ｋは、追加情報を含むと判定する。そして、匿名化処理装置１００は、３回目の検索語｛Ｃ１，Ｃ２｝を高リスク単語であると判定する（高リスク単語として検出する）。つまり、匿名化処理装置１００は、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝に｛Ｃ１，Ｃ２｝を追加する。すなわち、匿名化処理装置１００は、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝＝｛Ａ１，Ａ２，Ａ３，Ｂ１，Ｂ２，Ｂ３，Ｃ１，Ｃ２｝とする。
【0166】
そして、匿名化処理装置１００の匿名化処理部９は、評価対象文書データＤにおいて、高リスク単語の集合｛ｗｈ＿ｄｅｔ｝＝｛Ａ１，Ａ２，Ａ３，Ｂ１，Ｂ２，Ｂ３，Ｃ１，Ｃ２｝に対して、削除または一般化する処理を行い、匿名化文書Ｄ＿ｓａｎｉを取得する。
【0167】
例えば、匿名化処理部９は、図７に示すように、下記のように単語（単語データ）を一般化した単語に置換する。
「山田太郎」（Ｂ１，Ｃ１）→「Ａ」
「２０２０年１２月１１日」（Ｂ２）→「２０２０年」
「大阪市」（Ｂ３）→「大阪」
「第一小学校」（Ａ１）→「小学校」
「フットサル」（Ｃ２）→「スポーツ」
「脊椎」（Ａ３）→「体の一部」
「損傷」（Ａ３）→「負傷」
そして、匿名化処理部９は、上記処理により取得した文書データを匿名化文書Ｄ＿ｓａｎｉとして取得する（図７の下段を参照）。
「山田太郎」（Ｂ１，Ｃ１）→「Ａ」
「２０２０年１２月１１日」（Ｂ２）→「２０２０年」
「大阪市」（Ｂ３）→「大阪」
「第一小学校」（Ａ１）→「小学校」
「フットサル」（Ｃ２）→「スポーツ」
「脊椎」（Ａ３）→「体の一部」
「損傷」（Ａ３）→「負傷」
そして、匿名化処理部９は、上記処理により取得した文書データを匿名化文書Ｄ＿ｓａｎｉとして取得する（図７の下段を参照）。
【0168】
図７から分かるように、匿名化処理装置１００により取得された匿名化文書Ｄ＿ｓａｎｉは、適切な匿名化が施された文書となっている。
【0169】
なお、このようにして取得された匿名化文書Ｄ＿ｓａｎｉは、データ格納部ＤＢ１に記憶するようにしてもよい。
【0170】
≪まとめ≫
以上のように、匿名化処理システム１０００では、評価対象文書データＤについて、文章データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索処理を行うための検索語を取得する。そして、匿名化処理システム１０００では、取得した検索語により、Ｗｅｂ検索処理を行い、Ｗｅｂ検索処理により取得した文書データと評価対象文書データＤとの同一性の判定（同一性判定処理）、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかの判定（追加情報判定処理）を行う。そして、匿名化処理システム１０００では、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する（高リスク単語と判定する）。そして、匿名化処理システム１０００では、評価対象文書データＤに対して、高リスク単語について、匿名化処理を行うことで、適切な匿名化処理を行うことができる（適切な匿名化処理が施された匿名化文書Ｄ＿ｓａｎｉを取得できる）。
以上のように、匿名化処理システム１０００では、評価対象文書データＤについて、文章データを単語分割し、取得した単語の情報量に基づいてＷｅｂ検索処理を行うための検索語を取得する。そして、匿名化処理システム１０００では、取得した検索語により、Ｗｅｂ検索処理を行い、Ｗｅｂ検索処理により取得した文書データと評価対象文書データＤとの同一性の判定（同一性判定処理）、Ｗｅｂ検索処理により取得した文書データに追加情報が含まれているかの判定（追加情報判定処理）を行う。そして、匿名化処理システム１０００では、同一性判定処理において、同一性ありと判定され、かつ、追加情報判定処理で追加情報ありと判定された場合、Ｗｅｂ検索処理に用いた検索語を高リスク単語として検出する（高リスク単語と判定する）。そして、匿名化処理システム１０００では、評価対象文書データＤに対して、高リスク単語について、匿名化処理を行うことで、適切な匿名化処理を行うことができる（適切な匿名化処理が施された匿名化文書Ｄ＿ｓａｎｉを取得できる）。
【0171】
つまり、匿名化処理システム１０００では、危険な単語の事前定義をしなくとも、単語の組み合わせを考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【0172】
また、匿名化処理システム１０００では、評価対象文書データＤの分類処理を行い、評価対象文書データＤの文書の種類を決定し、決定した文書の種類に応じて、パラメータ調整部２により、パラメータα、β、γを調整する。そして、匿名化処理システム１０００では、パラメータα、β、γに基づいて、検索語の選択、Ｗｅｂ検索処理の精度、同一性判定処理の判定制度、追加情報判定処理の判定制度を調整することができる。匿名化処理システム１０００では、危険な単語の事前定義をしなくとも、単語の組み合わせや文書の種類を考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができ、さらに、文書の分類結果に応じて、匿名化の度合いを変更することができる。
【0173】
以上のように、匿名化処理システム１０００では、危険な単語の事前定義をしなくとも、単語の組み合わせや文書の種類を考慮して、個人識別や追加情報の漏洩の危険性がある単語を発見し、当該単語について処理することで適切な匿名化処理を行うことができる。
【0174】
なお、匿名化処理装置１００において、図８に示すように、高リスク単語検出処理装置Ｄｅｖ１と、匿名化処理部９とを分けた構成としてもよい。つまり、匿名化処理装置１００を、２つの装置（高リスク単語検出処理装置Ｄｅｖ１と匿名化処理部９）で構成するようにしてもよい。
【0175】
［他の実施形態］
上記実施形態では、匿名化処理システム１０００において、高リスク単語検出処理部８が同一性判定処理および追加情報判定処理の両方を行う場合について、説明したが、これに限定されることはなく、例えば、高リスク単語検出処理部８は、同一性判定処理、または、追加情報判定処理のみを実行し、高リスク単語を検出するようにしてもよい。
上記実施形態では、匿名化処理システム１０００において、高リスク単語検出処理部８が同一性判定処理および追加情報判定処理の両方を行う場合について、説明したが、これに限定されることはなく、例えば、高リスク単語検出処理部８は、同一性判定処理、または、追加情報判定処理のみを実行し、高リスク単語を検出するようにしてもよい。
【0176】
また、上記実施形態において、評価対象文書データＤは、生データ（加工された単語、文章を含まないデータ）（Ａａｌｌ＝｛Ａ｝）であってもよいし、加工された単語（集合Ｓ）、文章を含むデータ（Ａａｌｌ＝｛Ａ，Ｓ｝）であってもよい。
【0177】
また、上記実施形態において、データ格納部ＤＢ１に格納する文書データは、用途別に収集された文書データであってもよい。例えば、データ格納部ＤＢ１に格納する文書データは、裁判用文章データ、学校用文章データ、スポーツ報告用文章データ等であってもよい。そして、この場合、データ格納部ＤＢ１に格納する文書データの種別に応じて、評価対象文書データＤを分類した結果に基づいて調整されるパラメータα、β、γの調整度合いを設定してもよい。例えば、データ格納部ＤＢ１に格納する文書データの種別が「裁判用」である場合、「殺人」というタグ付けがされたクラスタに、評価対象文書データＤが分類された場合、パラメータα、β、γが大きな値になるように設定してもよい。これにより、裁判用文章データにおいて、殺人を扱う文書データをＷｅｂ検索処理による取得できる可能性が高くすることができ、その結果、匿名化処理システム１０００での匿名化処理の精度を上げることができる。
【0178】
また、上記実施形態において、追加情報判定処理では、人名が含まれるか否かで判定処理を行う場合について説明したが、これに限定されることはなく、例えば、追加情報判定処理において、人名以外の固有名詞（法人名、学校名）等が含まれるか否かで判定処理を行うようにしてもよい。
【0179】
また、上記実施形態で説明した匿名化処理システム１０００、および、匿名化処理装置１００において、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。
【0180】
なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
【0181】
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。
【0182】
また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。
【0183】
また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。
【0184】
例えば、上記実施形態の各機能部を、ソフトウェアにより実現する場合、図９に示したハードウェア構成（例えば、ＣＰＵ（ＧＰＵを含む）、ＲＯＭ、ＲＡＭ、入力部、出力部等をバスＢｕｓにより接続したハードウェア構成）を用いて、各機能部をソフトウェア処理により実現するようにしてもよい。
【0185】
また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。
【0186】
前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。
【0187】
上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。
【0188】
なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。
【符号の説明】
【0189】
１０００ 匿名化処理システム
１００ 匿名化処理装置
１ 分類処理部
２ パラメータ調整部
３ 単語分割処理部
４ 単語情報量算出部
５ 単語選択処理部
６ 検索語取得部
８ 高リスク単語検出処理部
９ 匿名化処理部
１００ 匿名化処理装置
１ 分類処理部
２ パラメータ調整部
３ 単語分割処理部
４ 単語情報量算出部
５ 単語選択処理部
６ 検索語取得部
８ 高リスク単語検出処理部
９ 匿名化処理部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】