ホーム > 特許ランキング > 富士フイルム株式会社
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】P2024010619
(43)【公開日】2024-01-24
(54)【発明の名称】学習装置、学習方法、及び学習プログラム
(51)【国際特許分類】
G06F 16/35 20190101AFI20240117BHJP
【ＦＩ】
G06F16/35
【審査請求】未請求
【請求項の数】18
【出願形態】ＯＬ
(21)【出願番号】P 2022112070
(22)【出願日】2022-07-12
(71)【出願人】
【識別番号】306037311
【氏名又は名称】富士フイルム株式会社
(74)【代理人】
【識別番号】110001519
【氏名又は名称】弁理士法人太陽国際特許事務所
(72)【発明者】
【氏名】外池 昌嗣
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175FA03
(57)【要約】
【課題】分類モデルの分類精度をより向上させることができる学習装置、学習方法、及び学習プログラムを提供する。
【解決手段】素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、少なくとも１つのプロセッサを含み、前記プロセッサは、前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、前記修正指示と前記修正根拠とが受け付けられた場合において、前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる学習装置。
【選択図】図９
【解決手段】素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、少なくとも１つのプロセッサを含み、前記プロセッサは、前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、前記修正指示と前記修正根拠とが受け付けられた場合において、前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる学習装置。
【選択図】図９
【特許請求の範囲】
【請求項1】
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、
少なくとも１つのプロセッサを含み、
前記プロセッサは、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
学習装置。
少なくとも１つのプロセッサを含み、
前記プロセッサは、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
学習装置。
【請求項2】
前記素性抽出テーブルの項目には、素性として抽出すべき単語、または素性として抽出すべき単語及び前記単語毎に割り当てられる重みが少なくとも含まれる
請求項１に記載の学習装置。
請求項１に記載の学習装置。
【請求項3】
前記プロセッサは、
前記修正根拠に基づいて、前記素性抽出テーブルの前記項目のうちの少なくとも１つを更新する、
請求項２に記載の学習装置。
前記修正根拠に基づいて、前記素性抽出テーブルの前記項目のうちの少なくとも１つを更新する、
請求項２に記載の学習装置。
【請求項4】
前記更新は、前記修正根拠に含まれる単語の追加である、
請求項３に記載の学習装置。
請求項３に記載の学習装置。
【請求項5】
前記更新は、前記修正根拠に含まれる単語に割り当てられる前記重みの更新である、
請求項３に記載の学習装置。
請求項３に記載の学習装置。
【請求項6】
前記プロセッサは、
前記受付画面に、前記文書から抽出した前記修正根拠の候補を選択可能に表示し、
前記候補を選択させることにより前記修正根拠の入力を受け付ける
請求項１に記載の学習装置。
前記受付画面に、前記文書から抽出した前記修正根拠の候補を選択可能に表示し、
前記候補を選択させることにより前記修正根拠の入力を受け付ける
請求項１に記載の学習装置。
【請求項7】
前記プロセッサは、
前記修正根拠の候補として、前記文書から少なくとも単語を抽出する、
請求項６に記載の学習装置。
前記修正根拠の候補として、前記文書から少なくとも単語を抽出する、
請求項６に記載の学習装置。
【請求項8】
前記プロセッサは、
前記修正根拠の候補として、前記単語に加えて、文を抽出し、
前記受付画面に、抽出した前記単語と前記文を混在させて表示する
請求項７に記載の学習装置。
前記修正根拠の候補として、前記単語に加えて、文を抽出し、
前記受付画面に、抽出した前記単語と前記文を混在させて表示する
請求項７に記載の学習装置。
【請求項9】
前記受付画面は、ユーザが前記修正根拠を自由文で入力可能な入力欄を有しており、
前記プロセッサは、
入力された前記自由文の中から、前記文書に含まれる情報を識別可能に表示する
請求項１に記載の学習装置。
前記プロセッサは、
入力された前記自由文の中から、前記文書に含まれる情報を識別可能に表示する
請求項１に記載の学習装置。
【請求項10】
前記プロセッサは、
前記文書に含まれる情報を強調することにより識別可能に表示する
請求項９に記載の学習装置。
前記文書に含まれる情報を強調することにより識別可能に表示する
請求項９に記載の学習装置。
【請求項11】
前記文書の意味内容が機械の故障の状況を表す場合において、前記カテゴリには、前記故障の原因が含まれる、
請求項１に記載の学習装置。
請求項１に記載の学習装置。
【請求項12】
前記受付画面は、前記文書と前記分類結果とを表示する表示領域を含む
請求項１に記載の学習装置。
請求項１に記載の学習装置。
【請求項13】
前記素性抽出テーブルには、前記文書に関連する画像が含まれ、
前記分類モデルには、前記文書から抽出された素性に加えて前記画像が素性として入力される
請求項１に記載の学習装置。
前記分類モデルには、前記文書から抽出された素性に加えて前記画像が素性として入力される
請求項１に記載の学習装置。
【請求項14】
前記文書には記号が含まれ、前記素性抽出テーブルの項目には、素性として抽出すべき記号が少なくとも含まれる
請求項１に記載の学習装置。
請求項１に記載の学習装置。
【請求項15】
少なくとも１つのプロセッサを含み、
前記プロセッサは、
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示し、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示し、
表示された分類結果の誤りを修正する修正指示を受け付け、
前記修正指示の根拠となる修正根拠を受け付け、
受け付けられた修正指示と修正根拠とを用いて、再学習する、
学習装置。
前記プロセッサは、
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示し、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示し、
表示された分類結果の誤りを修正する修正指示を受け付け、
前記修正指示の根拠となる修正根拠を受け付け、
受け付けられた修正指示と修正根拠とを用いて、再学習する、
学習装置。
【請求項16】
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサにより、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行する学習方法。
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行する学習方法。
【請求項17】
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示するステップと、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示するステップと、
表示された分類結果の誤りを修正する修正指示を受け付けるステップと、
前記修正指示の根拠となる修正根拠を受け付けるステップと、
受け付けられた修正指示と修正根拠とを用いて、再学習するステップと、
を含む学習方法。
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示するステップと、
表示された分類結果の誤りを修正する修正指示を受け付けるステップと、
前記修正指示の根拠となる修正根拠を受け付けるステップと、
受け付けられた修正指示と修正根拠とを用いて、再学習するステップと、
を含む学習方法。
【請求項18】
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサに、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行させるための学習プログラム。
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行させるための学習プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、学習装置、学習方法、及び学習プログラムに関する。
【背景技術】
【0002】
従来、機械学習モデルとして、入力された単語や文等が属するカテゴリを自動的に分類し、分類結果を出力する分類モデルが知られている。例えば、特許文献１には、単語のカテゴリを分類する分類モデルが記載されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－１２４５７号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、分類モデルの分類結果が誤っている場合の再学習の方法として、誤っている分類結果をユーザが修正し、修正後の正しい分類結果を用いて分類モデルの再学習を行う方法がある。例えば、特許文献１に記載の技術では、ユーザによって修正された単語の分類を用いて分類モデルの再学習を行う。しかしながら、特許文献１に記載の技術では、再学習された分類モデルの精度を向上させるのに十分とは言えない場合があり、改善の余地があった。
【0005】
本開示は、以上の事情を鑑みて成されたものであり、分類モデルの分類精度をより向上させることができる学習装置、学習方法、及び学習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】
【0006】
上記目的を達成するために本開示の第１の態様の学習装置は、素性抽出テーブルを参照して文書から抽出された素性を入力とし、文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、少なくとも１つのプロセッサを含み、プロセッサは、分類結果の誤りを修正する修正指示と、文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、修正指示と修正根拠とが受け付けられた場合において、修正根拠に基づいて素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の素性抽出テーブルとを用いて分類モデルを再学習させる。
【0007】
第２の態様の学習装置は、第１の態様の学習装置において、素性抽出テーブルの項目には、素性として抽出すべき単語、または素性として抽出すべき単語及び単語毎に割り当てられる重みが少なくとも含まれる。
【0008】
第３の態様の学習装置は、第２の態様の学習装置において、プロセッサは、修正根拠に基づいて、素性抽出テーブルの項目のうちの少なくとも１つを更新する。
【0009】
第４の態様の学習装置は、第３の態様の学習装置において、更新は、修正根拠に含まれる単語の追加である。
【0010】
第５の態様の学習装置は、第３の態様の学習装置において、更新は、修正根拠に含まれる単語に割り当てられる重みの更新である。
【0011】
第６の態様の学習装置は、第１の態様の学習装置において、プロセッサは、受付画面に、文書から抽出した修正根拠の候補を選択可能に表示し、候補を選択させることにより修正根拠の入力を受け付ける。
【0012】
第７の態様の学習装置は、第６の態様の学習装置において、プロセッサは、修正根拠の候補として、文書から少なくとも単語を抽出する。
【0013】
第８の態様の学習装置は、第７の態様の学習装置において、プロセッサは、修正根拠の候補として、単語に加えて、文を抽出し、受付画面に、抽出した単語と文を混在させて表示する。
【0014】
第９の態様の学習装置は、第１の態様の学習装置において、受付画面は、ユーザが修正根拠を自由文で入力可能な入力欄を有しており、プロセッサは、入力された自由文の中から、文書に含まれる情報を識別可能に表示する。
【0015】
第１０の態様の学習装置は、第９の態様の学習装置において、プロセッサは、文書に含まれる情報を強調することにより識別可能に表示する。
【0016】
第１１の態様の学習装置は、第１の態様の学習装置において、文書の意味内容が機械の故障の状況を表す場合において、カテゴリには、故障の原因が含まれる。
【0017】
第１２の態様の学習装置は、第１の態様の学習装置において、受付画面は、文書と分類結果とを表示する表示領域を含む。
【0018】
第１３の態様の学習装置は、第１の態様の学習装置において、素性抽出テーブルには、文書に関連する画像が含まれ、分類モデルには、文書から抽出された素性に加えて画像が素性として入力される。
【0019】
第１４の態様の学習装置は、第１の態様の学習装置において、文書には記号が含まれ、素性抽出テーブルの項目には、素性として抽出すべき記号が少なくとも含まれる。
【0020】
また、上記目的を達成するために本開示の第１５の態様の学習装置は、少なくとも１つのプロセッサを含み、プロセッサは、素性抽出テーブルを参照して文書から抽出された素性を入力とし、文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示し、過去に入力された文書に応じて分類モデルから出力された分類結果を表示し、表示された分類結果の誤りを修正する修正指示を受け付け、修正指示の根拠となる修正根拠を受け付け、受け付けられた修正指示と修正根拠とを用いて、再学習する学習装置。
【0021】
また、上記目的を達成するために本開示の第１６の態様の学習方法は、素性抽出テーブルを参照して文書から抽出された素性を入力とし、文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサにより、分類結果の誤りを修正する修正指示と、文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、修正指示と修正根拠とが受け付けられた場合において、修正根拠に基づいて素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の素性抽出テーブルとを用いて分類モデルを再学習させる処理を実行する学習方法である。
【0022】
また、上記目的を達成するために本開示の第１７の態様の学習方法は、素性抽出テーブルを参照して文書から抽出された素性を入力とし、文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示するステップと、過去に入力された文書に応じて分類モデルから出力された分類結果を表示するステップと、表示された分類結果の誤りを修正する修正指示を受け付けるステップと、修正指示の根拠となる修正根拠を受け付けるステップと、受け付けられた修正指示と修正根拠とを用いて、再学習するステップと、を含む学習方法である。
【0023】
また、上記目的を達成するために本開示の第１８の態様の学習プログラムは、素性抽出テーブルを参照して文書から抽出された素性を入力とし、文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサに、分類結果の誤りを修正する修正指示と、文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、修正指示と修正根拠とが受け付けられた場合において、修正根拠に基づいて素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の素性抽出テーブルとを用いて分類モデルを再学習させる処理を実行させるためのものである。
【発明の効果】
【0024】
本開示によれば、分類モデルの分類精度をより向上させることができる。
【図面の簡単な説明】
【0025】
【図1】実施形態の分類モデルによる文書が属するカテゴリの分類について説明するための図である。
【図2】学習装置の構成の一例を示すブロック図である。
【図3】データ管理ＤＢの一例を示す図である。
【図4】素性抽出テーブルの一例を示す図である。
【図5】学習フェーズにおける学習装置の機能的な構成の一例を示すブロック図である。
【図6】学習処理の一例を示すフローチャートである。
【図7】運用フェーズにおける学習装置の機能的な構成の一例を示すブロック図である。
【図8】分類処理の一例を示すフローチャートである。
【図9】再学習フェーズにおける学習装置の機能的な構成の一例を示すブロック図である。
【図10】第１実施形態の受付画面の表示状態の一例を示す図である。
【図11】第１実施形態の再学習処理の一例を示すフローチャートである。
【図12】正しい分類結果及び修正根拠が入力された受付画面の表示状態の一例を示す図である。
【図13】第１実施形態のＵＩ提示部による修正根拠単語の抽出を説明するための図である。
【図14】第１実施形態の受付画面の表示状態の一例を示す図である。
【図15】素性抽出テーブルの更新を説明するための図である。
【図16】第２実施形態の受付画面の表示状態の一例を示す図である。
【図17】第２実施形態の再学習処理の一例を示すフローチャートである。
【図18】第２実施形態の受付画面の表示状態の一例を示す図である。
【図19】第２実施形態のＵＩ提示部による修正根拠単語の抽出を説明するための図である。
【図20】第２実施形態の受付画面の表示状態の一例を示す図である。
【図21】第２実施形態の受付画面の表示状態の他の例を示す図である。
【図22】第３実施形態の受付画面の表示状態の一例を示す図である。
【図23】第３実施形態の再学習処理の一例を示すフローチャートである。
【図24】第３実施形態の受付画面の表示状態の一例を示す図である。
【図25】第３実施形態のＵＩ提示部による修正根拠単語の抽出を説明するための図である。
【図26】第３実施形態の受付画面の表示状態の他の例を示す図である。
【発明を実施するための形態】
【0026】
以下、図面を参照して本開示の実施形態を詳細に説明する。なお、本実施形態は本開示の技術を限定するものではない。
【0027】
［第１実施形態］
まず、本実施形態の学習装置により学習される分類モデルについて説明する。図１には、本実施形態で扱う分類モデル３７による文書５０が属するカテゴリの分類の予測（以下、単に「文書５０の分類」という）について説明するための図が示されている。
まず、本実施形態の学習装置により学習される分類モデルについて説明する。図１には、本実施形態で扱う分類モデル３７による文書５０が属するカテゴリの分類の予測（以下、単に「文書５０の分類」という）について説明するための図が示されている。
【0028】
分類モデル３７は、素性抽出部４０によって素性抽出テーブル３４（詳細後述）を参照して文書５０から抽出され、重み付けに応じてベクトル化された素性５２を入力とし、文書５０が属するカテゴリを分類結果５４として出力する。なお、本実施形態において、文書５０とは、単語及び文の少なくとも一方を構成要素とした情報である。例えば、文書５０は、１つの単語のみを含んでいてもよいし、また、複数の文を含んでいてもよい。
「素性」とは、本来の性質のことをいい、機械学習においては、データを分類する手がかりとなる情報、すなわち特徴量のことをいう。本実施形態において素性５２とは、文書５０の特徴を表すものであり、一例として、文書５０に含まれる単語が挙げられる。
「素性」とは、本来の性質のことをいい、機械学習においては、データを分類する手がかりとなる情報、すなわち特徴量のことをいう。本実施形態において素性５２とは、文書５０の特徴を表すものであり、一例として、文書５０に含まれる単語が挙げられる。
【0029】
図２には、上記分類モデル３７の学習及び再学習を行う学習装置１０のハードウェア構成の一例を表す構成図が示されている。図２に示すように、本実施形態の学習装置１０は、ＣＰＵ（Central Processing Unit）２０、一時記憶領域としてのメモリ２１、不揮発性の記憶部２２、液晶ディスプレイ等のディスプレイ２３、入力部２４、及びネットワークＩ／Ｆ（Interface）２６を備える。ＣＰＵ２０、メモリ２１、記憶部２２、ディスプレイ２３、入力部２４、及びネットワークＩ／Ｆ２６は、システムバス及びコントロールバス等のバス２９を介して相互に各種情報の授受が可能に接続されている。
【0030】
入力部２４は、ユーザの操作を受け付けるためのものであり、例えばタッチパネル、ボタン、キーボード、及びマウス等である。なお、ディスプレイ２３及び入力部２４を一体化したタッチパネルディスプレイを採用してもよい。ネットワークＩ／Ｆ２６は、外部装置（図示省略）との有線又は無線通信を行う。
【0031】
記憶部２２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、及びフラッシュメモリ等の記憶媒体によって実現される。記憶部２２には、学習プログラム３０Ａ、分類プログラム３０Ｂ、及び再学習プログラム３０Ｃが記憶される。分類モデル３７の学習を行う場合、ＣＰＵ２０は、記憶部２２から学習プログラム３０Ａを読み出してメモリ２１に展開し、展開した学習プログラム３０Ａを実行する。また、分類モデル３７を運用し、文書５０の分類を行う場合、ＣＰＵ２０は、記憶部２２から分類プログラム３０Ｂを読み出してメモリ２１に展開し、展開した分類プログラム３０Ｂを実行する。また、分類モデル３７の再学習を行う場合、ＣＰＵ２０は、記憶部２２から再学習プログラム３０Ｃを読み出してメモリ２１に展開し、展開した再学習プログラム３０Ｃを実行する。ＣＰＵ２０が本開示のプロセッサの一例であり、再学習プログラム３０Ｃが本開示の学習プログラムの一例である。
【0032】
また、記憶部２２には、データ管理ＤＢ３２が記憶される。データ管理ＤＢ３２は、文書５０を管理するためのものである。データ管理ＤＢ３２には、文書５０及び正解の分類結果５４を組合せた複数の学習用データが記録される。また、文書５０と、実際に分類モデル３７によりその文書５０を分類した分類結果５４との組合せが記録される。図３には、本実施形態のデータ管理ＤＢ３２の一例が示されている。図３に示すように、文書５０及び分類結果５４は、管理用の「ＩＤ（Identification）」に対応付けられて管理されている。一例として、本実施形態の文書５０の意味内容が機械の故障の状況を表しており、カテゴリには、機械故障の原因を区分する原因区分が含まれる。図３に示すように、文書５０は、「題名」、「説明」、「対応結果」、「機種」、及び「ＯＳ（Operating System）」のフィールドを含む。「題名」は、文書５０に付与された題名である。「説明」は、生じた故障の内容の説明である。「対応結果」は、その故障に対してメンテナンス作業者が対応した結果である。「機種名」は故障が生じた装置の機種名である。「ＯＳ」は、故障が生じた際に用いていたＯＳの名称である。また、図３に示すように、分類結果５４は、「原因区分」を含む。「原因区分」は、故障が生じた原因に応じたカテゴリである。
【0033】
また、記憶部２２には、素性抽出テーブル３４が記憶される。素性抽出テーブル３４には、文書５０から素性を抽出する際の抽出ルールが記憶されている。素性抽出テーブル３４は、素性抽出部４０が文書５０から素性５２を抽出する際に参照されるテーブルである。本実施形態の保持部材４０は、文書５０から素性５２を抽出するためのルールを記録するテーブルである。図４には、本実施形態の素性抽出テーブル３４の一例が示されている。図４に示すように、素性抽出テーブル３４の項目には、素性５２を抽出する文書５０の「フィールド」、そのフィールドの「タイプ」、具体的な「素性」、及びその素性の「重み」が含まれる。図４に示した例では、「フィールド」のうち、「説明」、「対応結果」、及び「機種名」が示されている。このうち、「説明」及び「対応結果」は、タイプが「テキスト」とされている。タイプが「テキスト」の場合、例えば、テキストをＪＵＭＡＮ等の公知の形態素解析器で形態素解析して得られる形態素や。ｎ－ｇｒａｍ（形態素のｎ個の並び）を「素性」として採用してもよい。また、「重み」は、例えば、公知のＴＦ－ＩＤＦ（Term Frequency - Inverse Document Frequency）等の尺度で得られた重み付けを採用してもよい。一方、「機種名」は、タイプが「名義尺度」とされている。タイプが「名義尺度」の場合、取り得る値の有無を素性とする。例えば、図３に示したデータ管理ＤＢ３２に「機種名」として挙げられた「Ｄｅｓｋｅｔ」の場合、Ｄｅｓｋｅｔであるか否かを表す値が素性として、素性抽出テーブル３４に記憶される。なお、「名義」とは、「表面上の名前」であり、また、「尺度」とは、物事を評価するときの基準である。すなわち、「名義尺度」とは、数値の大きさや大小関係には意味を持たない尺度である。
【0034】
また、記憶部２２には、分類モデルＤＢ（DataBase）３６が記憶される。分類モデルＤＢ３６は、上述した分類モデル３７が格納されたデータベースである。
【0035】
次に、本実施形態の学習装置１０の作用について説明する。
【0036】
（学習フェーズ）
まず、本実施形態の分類モデル３７の学習を行う学習フェーズについて説明する。図５には、学習フェーズにおける学習装置１０の機能的な構成の一例が示されている。分類モデル３７の学習を行う場合、学習装置１０のＣＰＵ２０が学習プログラム３０Ａを実行することにより、ＣＰＵ２０が素性抽出部４０及びモデル学習部４２として機能する。なお、本実施形態では、機械学習モデルを学習用データを用いて学習することにより分類モデル３７を生成することを「分類モデル３７の学習」という。また、本実施形態において分類モデル３７の「学習」とは、文書５０及び正解の分類結果５４を組み合わせた学習用データを用いて、分類モデル３７を学習することをいう。
まず、本実施形態の分類モデル３７の学習を行う学習フェーズについて説明する。図５には、学習フェーズにおける学習装置１０の機能的な構成の一例が示されている。分類モデル３７の学習を行う場合、学習装置１０のＣＰＵ２０が学習プログラム３０Ａを実行することにより、ＣＰＵ２０が素性抽出部４０及びモデル学習部４２として機能する。なお、本実施形態では、機械学習モデルを学習用データを用いて学習することにより分類モデル３７を生成することを「分類モデル３７の学習」という。また、本実施形態において分類モデル３７の「学習」とは、文書５０及び正解の分類結果５４を組み合わせた学習用データを用いて、分類モデル３７を学習することをいう。
【0037】
素性抽出部４０は、データ管理ＤＢ３２から学習用データである、文書５０及び正解の分類結果５４の組合せを取得する。なお、一例として本実施形態では、学習用データには、所定のＩＤが対応付けられている。例えば、学習用データに対応付けられているＩＤが「００００１」～「０９９９９」である場合、素性抽出部４０は、データ管理ＤＢ３２から、「００００１」～「０９９９９」の範囲内のＩＤが対応付けられている文書５０及び正解の分類結果５４の組合せを学習用データとして取得する。例えば、図３に示したデータ管理ＤＢ３２の例では、ＩＤが「０１２３４」である、文書５０及び正解の分類結果５４の組合せを学習用データとして取得する。素性抽出部４０は、取得した文書５０から素性抽出テーブル３４に指定されている要素を素性５２として抽出する。素性抽出部４０は、抽出した素性５２に割り当てられている重み付けを用い、素性５２をベクトル化する。素性抽出部４０は、ベクトル化した素性５２と、データ管理ＤＢ３２から取得した正解の分類結果５４とをモデル学習部４２に出力する。
【0038】
モデル学習部４２は、素性抽出部４０から入力された学習用データである文書５０の素性５２と、正解の分類結果５４とに基づいて、分類モデル３７の学習を行う。本実施形態のモデル学習部４２は、ベクトル化された素性５２を入力とし、出力が正解の分類結果５４となるように、分類モデル３７の学習を行う。なお、機械学習手法は、公知のSupport Vector MachineやRandom Forest等、分類が行えるものであれば種類を問わない。モデル学習部４２は、学習済みの分類モデル３７を分類モデルＤＢ３６に格納する。
【0039】
学習装置１０が分類モデル３７の学習を行う場合、ＣＰＵ２０が学習プログラム３０Ａを実行することにより、図６に示す学習処理が実行される。学習処理は、例えば、学習を実施するように予め定められたタイミングや、ユーザにより入力部２４を介して実行開始の指示があった場合に実行される。
【0040】
図６のステップＳ１００で、素性抽出部４０は、上述したように、データ管理ＤＢ３２から、学習用データである、文書５０及び正解の分類結果５４の組合せを取得する。次のステップＳ１０２で素性抽出部４０は、上述したように、素性抽出テーブル３４を参照し、取得した文書５０から素性５２を抽出し、割り当てられている重みに応じてベクトル化する。素性抽出部４０は、ベクトル化した素性５２と、取得した正解の分類結果５４とをモデル学習部４２に出力する。
【0041】
次のステップＳ１０４でモデル学習部４２は、上述したように、ベクトル化された素性５２と、正解の分類結果とに基づいて、分類モデル３７の学習を行い、学習済みの分類モデル３７を分類モデルＤＢ３６に格納する。
【0042】
次のステップＳ１０６で素性抽出部４０は、学習処理を終了するか否かを判定する。素性抽出部４０は、所定の学習処理終了条件を満たす場合、学習処理を終了する。一例として、本実施形態の素性抽出部４０は、所定の数の学習用データにより分類モデル３７の学習を行った場合、具体的には、ステップＳ１００～Ｓ１０４の処理を所定の回数実施した場合を所定の学習処理終了条件として採用している。所定の学習処理終了条件を満たすまで、ステップＳ１０６の判定が否定判定となり、ステップＳ１００に戻り、ステップＳ１００～Ｓ１０４の処理を繰り返す。一方、所定の学習処理終了条件を満たす場合、ステップＳ１０６の判定が肯定判定となる。ステップＳ１０６の判定が肯定判定となった場合、図６に示した学習処理が終了する。
【0043】
このように学習フェーズでは、学習装置１０が図６に示した学習処理を実行することにより、学習済みの分類モデル３７が分類モデルＤＢ３６に格納された状態となる。
【0044】
（運用フェーズ）
次に、本実施形態の分類モデル３７により文書５０の分類を行う運用フェーズについて説明する。図７には、運用フェーズにおける学習装置１０の機能的な構成の一例が示されている。分類モデル３７の運用を行う場合、学習装置１０のＣＰＵ２０が分類プログラム３０Ｂを実行することにより、ＣＰＵ２０が素性抽出部４０及び分類予測部４４として機能する。
次に、本実施形態の分類モデル３７により文書５０の分類を行う運用フェーズについて説明する。図７には、運用フェーズにおける学習装置１０の機能的な構成の一例が示されている。分類モデル３７の運用を行う場合、学習装置１０のＣＰＵ２０が分類プログラム３０Ｂを実行することにより、ＣＰＵ２０が素性抽出部４０及び分類予測部４４として機能する。
【0045】
素性抽出部４０は、データ管理ＤＢ３２から実際に分類を行う文書５０を取得する。一例として本実施形態では、分類モデル３７により分類を行う文書５０もデータ管理ＤＢ３２に格納されている。データ管理ＤＢ３２に格納されている複数の文書５０のうち、これから分類モデル３７により分類を行う対象となる文書５０（以下、「分類対象の文書５０」という）は、対応する分類結果５４の欄が空欄となっている。そのため、一例として本実施形態の素性抽出部４０は、データ管理ＤＢ３２に格納されている複数の文書５０のうち、分類結果５４の欄が空欄となっている文書５０を取得する。素性抽出部４０は、素性抽出テーブル３４を参照し、取得した文書５０から素性抽出テーブル３４に指定されている要素を素性５２として抽出する。素性抽出部４０は、抽出した素性５２に割り当てられている重み付けを用い、素性５２をベクトル化する。素性抽出部４０は、ベクトル化した素性５２を分類予測部４４に出力する。
【0046】
分類予測部４４は、素性抽出部４０から入力されたベクトル化された素性５２を、分類モデルＤＢ３６に格納されている分類モデル３７に入力し、分類モデル３７から出力された分類結果５４を取得する。上述したように、文書５０の意味内容が機械の故障の状況を表している場合、分類モデル３７からは、機械故障の原因が分類結果５４として出力される。分類予測部４４は、取得した分類結果５４を、データ管理ＤＢ３２に記憶されている分類対象の文書５０に対応付けて記憶させる。上述したように、データ管理ＤＢ３２に記憶されている分類対象の文書５０に対応する分類結果５４の欄が空欄となっているため、その空欄に分類モデル３７から出力された分類結果５４を記録する。
【0047】
学習装置１０が分類モデル３７による文書５０の分類を行う場合、ＣＰＵ２０が分類プログラム３０Ｂを実行することにより、図８に示す分類処理が実行される。分類処理は、例えば、ユーザにより入力部２４を介して実行開始の指示があった場合や、分類対象となる文書５０が所定の数以上データ管理ＤＢ３２に蓄積された場合等に実行される。
【0048】
図８のステップＳ２００で素性抽出部４０は、上述したように、データ管理ＤＢ３２から分類対象の文書５０を１つ取得する。次のステップＳ２０２で素性抽出部４０は、上述したように、素性抽出テーブル３４を参照し、取得した分類対象の文書５０から素性５２を抽出し、割り当てられている重みに応じてベクトル化する。素性抽出部４０は、ベクトル化した素性５２を分類予測部４４に出力する。
【0049】
次のステップＳ２０４で分類予測部４４は、上述したように、分類モデル３７から出力された分類結果５４を取得する。次のステップＳ２０６で分類予測部４４は、上述したように、取得した分類結果５４を分類対象の文書に対応付けてデータ管理ＤＢ３２に記憶させる。
【0050】
次のステップＳ２０８で素性抽出部４０は、分類処理を終了するか否かを判定する。素性抽出部４０は、所定の分類処理終了条件を満たす場合、分類処理を終了する。一例として、本実施形態の素性抽出部４０は、データ管理ＤＢ３２に分類結果５４の欄が空欄となっている文書５０が記憶されていない場合、換言すると、データ管理ＤＢ３２に記憶されている全ての文書５０に分類結果５４が対応付けて記憶されている場合を分類処理終了条件として採用している。所定の分類処理終了条件を満たすまで、ステップＳ２０８の判定が否定判定となり、ステップＳ２００に戻り、ステップＳ２００で次の文書５０を取得して、ステップＳ２０４及びＳ２０６の処理を繰り返す。一方、所定の分類処理終了条件を満たす場合、ステップＳ２０８の判定が肯定判定となる。ステップＳ２０８の判定が肯定判定となった場合、図８に示した分類処理が終了する。なお、図８に示した分類処理では、分類対象の文書５０を、データ管理ＤＢ３２から１つずつ順次取得し、分類結果５４を順次取得する形態について説明したが、本形態に限定されない。例えば、分類処理のステップＳ２００で、データ管理ＤＢ３２に記憶されている、分類対象となる全ての文書５０を取得する形態であってもよい。この場合、上述した分類処理におけるステップＳ２０８の処理は不要となるため、ステップＳ２０６の終了に応じて、分類処理を終了すればよい。
【0051】
このように運用フェーズでは、学習装置１０が図８に示した分類処理を実行することにより、分類モデル３７による文書５０の分類が行われ分類結果５４が分類対象の文書５０に対応付けられてデータ管理ＤＢ３２に記憶された状態となる。
【0052】
（再学習フェーズ）
次に、本実施形態の分類モデル３７により文書５０の再学習を行う再学習フェーズについて説明する。上述のように運用フェーズにおいて分類モデル３７により文書５０の分類を行うことで取得された分類結果５４が誤っている場合がある。本実施形態の学習装置１０は、このように分類結果５４が誤っている場合、ユーザが入力した正しい分類結果５４、及び正しい分類結果５４に修正すべき修正根拠を受け付け、受け付けた修正根拠に基づいて素性抽出テーブル３４を更新する。また、学習装置１０は、更新した素性抽出テーブル３４を参照して、正しい分類結果５４を用いて分類モデル３７の再学習を行う。
次に、本実施形態の分類モデル３７により文書５０の再学習を行う再学習フェーズについて説明する。上述のように運用フェーズにおいて分類モデル３７により文書５０の分類を行うことで取得された分類結果５４が誤っている場合がある。本実施形態の学習装置１０は、このように分類結果５４が誤っている場合、ユーザが入力した正しい分類結果５４、及び正しい分類結果５４に修正すべき修正根拠を受け付け、受け付けた修正根拠に基づいて素性抽出テーブル３４を更新する。また、学習装置１０は、更新した素性抽出テーブル３４を参照して、正しい分類結果５４を用いて分類モデル３７の再学習を行う。
【0053】
図９には、再学習フェーズにおける学習装置１０の機能的な構成の一例が示されている。分類モデル３７の再学習を行う場合、学習装置１０のＣＰＵ２０が再学習プログラム３０Ｃを実行することにより、ＣＰＵ２０が素性抽出部４０、モデル学習部４２、ＵＩ（User Interface）提示部４６、及び素性抽出テーブル更新部４８として機能する。
【0054】
ＵＩ提示部４６は、分類結果５４の誤りを修正する正しい分類結果である修正指示と、修正根拠とを受け付ける受付画面６０をＵＩとして提示する。なお、本実施形態のＵＩ提示部４６が提示する受付画面６０は、分類モデル３７から出力された分類結果５４の修正を実施すべきか否かの修正実施指示も受け付ける。
【0055】
図１０には、ＵＩ提示部４６が提示する受付画面６０の一例が示されている。なお、図１０では、図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０の分類結果５４を修正する際に提示される受付画面６０の初期状態の一例が示されている。図１０に示した受付画面６０は、分類対象となった文書５０が表示される領域を有する。ＩＤが「１２４７８」の文書５０は、題名のフィールドとして「端末のフリーズ」、説明のフィールドとして「頻繁にＷｉｎｄｏｗｓ（登録商標）がフリーズするようになったとのこと。」、対応結果のフィールドとして「ＨＤＤの交換を実施」、機種名のフィールドとして「Ｄｅｓｋｅｔ」、及びＯＳのフィールドとして「Ｗｉｎｄｏｗｓ１０（登録商標）」が含まれる（図３参照）。そのため、図１０に示した受付画面６０では、これらを含む文書５０が表示された状態となっている。
【0056】
また、図１０に示すように、受付画面６０は、分類結果欄６４、修正後分類結果欄６６、修正根拠欄６８及び修正根拠単語欄７０を含む。分類結果欄６４には、文書５０を分類モデル３７から取得され、データ管理ＤＢ３２に記憶されていた分類結果５４が表示される。図１０に示した例では、ＩＤが「１２４７８」の文書５０に対応付けられている分類結果５４である原因区分の「Ｓ／Ｗ（SoftWare）不具合」が受付画面６０の分類結果欄６４に表示される。また、初期状態では、受付画面６０の修正後分類結果欄６６、修正根拠欄６８、及び修正根拠単語欄７０は空欄となっている。
【0057】
さらに、図１０に示すように、受付画面６０は、修正実施指示ボタン６２を含む。修正実施指示ボタン６２は、分類結果欄６４に表示された分類結果５４の修正を行うことを指示するための実施指示ボタン６２Ａと、分類結果欄６４に表示された分類結果５４の修正を行わないことを指示するための非実施指示ボタン６２Ｂとを含む。
【0058】
ＵＩ提示部４６は、受付画面６０の修正後分類結果欄６６にユーザによって入力された正しい分類結果を受け付ける。ＵＩ提示部４６は、データ管理ＤＢ３２に記憶されている文書５０のうち、修正の対象となった文書５０に対応付けられている分類結果５４を、受付画面６０により受け付けた正しい分類結果に書き換える。
【0059】
また、ＵＩ提示部４６は、受付画面６０の修正根拠欄６８にユーザによって入力された修正根拠を受け付ける。また、ＵＩ提示部４６は受付画面６０の修正根拠単語欄７０にユーザによって入力された修正の根拠となる単語を受け付ける。ＵＩ提示部４６は、受け付けた修正の根拠となる単語を素性抽出テーブル更新部４８に出力する。
【0060】
素性抽出テーブル更新部４８は、ＵＩ提示部４６が受け付けた修正根拠に基づいて素性抽出テーブル３４を更新する。素性抽出テーブル更新部４８は、単語を素性５２として追加、単語の組合せを素性５２として追加、及び素性５２に割り当てられる重み付けを更新することで、素性抽出テーブル３４の更新を行う。
【0061】
素性抽出部４０はデータ管理ＤＢ３２から、再学習用データを取得する。再学習用データは、ＵＩ提示部４６が提示した受付画面６０により分類結果５４が修正された文書５０と、その文書５０に対応付けられている分類結果５４との組合せである。この場合、再学習用データに含まれる分類結果５４は、ユーザによって修正されたことにより正しい分類結果となっている。素性抽出部４０は、素性抽出テーブル更新部４８により更新された素性抽出テーブル３４を参照して、取得した文書５０から素性５２を抽出する。素性抽出部４０は、抽出した素性５２に割り当てられている重み付けを用い、素性５２をベクトル化する。素性抽出部４０は、ベクトル化した素性５２と、データ管理ＤＢ３２から取得した正しい分類結果５４とをモデル学習部４２に出力する。
【0062】
モデル学習部４２は、素性抽出部４０から入力された再学習用データである文書５０の素性５２と、正しい分類結果５４とに基づいて、分類モデル３７の再学習を行う。本実施形態のモデル学習部４２は、ベクトル化された素性５２を入力とし、出力が正しい分類結果５４となるように、分類モデル３７の再学習を行う。なお、再学習の手法は、上述した学習フェーズにおけるモデル学習部４２が分類モデル３７の学習を行う手法と同様の手法を態様することができる。モデル学習部４２は、再学習を行った分類モデル３７を分類モデルＤＢ３６に格納する。
【0063】
学習装置１０が分類モデル３７の学習を行う場合、ＣＰＵ２０が再学習プログラム３０Ｃを実行することにより、図１１に示す再学習処理が実行される。再学習処理は、例えば、ユーザにより入力部２４を介して実行開始の指示があった場合に実行される。なお、図１１に示した再学習処理は、文書５０毎に行われる。
【0064】
図１１のステップＳ３００でＵＩ提示部４６は、データ管理ＤＢ３２から、１つの文書５０及びその文書５０に対応付けられている分類結果５４を取得する。具体的には、データ管理ＤＢ３２に記憶されている複数の文書５０のうち、実際に分類モデル３７により分類された文書５０であり、再学習用データとして用いられていない文書５０と、その文書５０に対応付けられている分類結果５４との組合せを１つ取得する。ここでは、上記と同様に、図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０と分類結果５４との組合せをＵＩ提示部４６が取得した場合を例として説明する。
【0065】
次のステップＳ３０２でＵＩ提示部４６は、受付画面６０をディスプレイ２３に表示させる。本ステップによりディスプレイ２３に表示される受付画面６０は、図１０に示した表示状態となる。
【0066】
ユーザは、受付画面６０に表示された文書５０を参照し、分類結果欄６４に表示された分類結果を修正すべきか否か判断する。修正を行わない場合、ユーザは入力部２４を用いて、修正実施指示ボタン６２の非実施指示ボタン６２Ｂを指定する。非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けた場合、次のステップＳ３０４の判定が肯定判定となり、図１１に示した再学習処理を終了する。
【0067】
一方、非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けていない場合、ステップＳ３０４の判定が否定判定となり、ステップＳ３０６へ移行する。分類結果欄６４に表示された分類結果５４の修正を行う場合、ユーザは、入力部２４を用いて、修正後分類結果欄６６に、正しい分類結果を入力する。一例として本実施形態では、ユーザは修正後分類結果欄６６のプルダウンメニュー６６Ｐから正しい分類結果を選択する。具体的には、ユーザが入力部２４を用いてプルダウンメニュー６６Ｐを操作すると、分類結果の候補が表示される。ユーザは、表示された分類結果の候補のうちから、正しい分類結果を、入力部２４を用いて選択する。また、ユーザは、入力部２４を用いて修正根拠欄６８に、修正根拠となるフィールドを入力する。一例として本実施形態では、ユーザは修正根拠欄６８のプルダウンメニュー６８Ｐから修正根拠となるフィールドを選択する。具体的には、ユーザが入力部２４を用いてプルダウンメニュー６８Ｐを操作すると、修正根拠の候補となる文書５０のフィールドが表示される。ユーザは、表示された修正根拠の候補であるフィールドのうちから、修正根拠とするフィールドを、入力部２４を用いて選択する。
【0068】
一例として図１２には、修正後分類結果欄６６に正しい分類結果として「Ｈ／Ｗ（HardWare）障害」が入力され、１つ目の修正根拠欄６８に修正根拠のフィールドとして「対応結果」が入力され、また２つ目の修正根拠欄６８に修正根拠のフィールドとして「ＯＳ」が入力された状態が示されている。なお、本実施形態の受付画面６０が、修正根拠欄６８を２つ表示することにより、修正根拠のフィールドを２つ受け付けることが可能な形態である場合について説明するが、受付画面６０により修正根拠として受け付けるフィールドの数は、本実施形態で例示した数に限定されない。
【0069】
そこでステップＳ３０６でＵＩ提示部４６は、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄６８に入力された修正根拠を受け付けたか否か判定する。修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄６８に入力された修正根拠を受け付けていない場合、ステップＳ３０６の判定が否定判定となり、ステップＳ３０４に戻る。一方、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄６８に入力された修正根拠を受け付けた場合、ステップＳ３０６の判定が肯定判定となり、ステップＳ３０８へ移行する。図１２に示した例では、ＵＩ提示部４６は、正しい分類結果として「Ｈ／Ｗ障害」を受け付け、修正根拠のフィールドとして「対応結果」及び「ＯＳ」を受け付ける。
【0070】
次のステップＳ３０８でＵＩ提示部４６は、修正根拠の文または単語から修正根拠単語の候補を抽出し、修正根拠単語欄７０に表示させる。なお、ステップＳ３０８及び後述するステップＳ３１０の処理は、受け付けた修正根拠のフィールドのタイプがテキストである場合に実行され、受け付けた修正根拠のフィールドのタイプがテキストではない場合、実行されない。そのため、図１２に示した例では、ＵＩ提示部４６は、受け付けた修正根拠のフィールドのうち、タイプがテキストである「対応結果」についてのみ本ステップの処理を実行し、修正根拠単語の候補を抽出する。
【0071】
ＵＩ提示部４６は、図１３に示すように、修正根拠として受け付けたフィールドである「対応結果」のテキストである「ＨＤＤの交換を実施」との文に対し、形態素解析を行い、形態素と品詞とをペアにした形態素リストを生成する。図１３に示した例では、ＵＩ提示部４６は、「ＨＤＤ：名詞」、「の：助詞」、「交換：名詞」、「を：助詞」、及び「実施：名詞」を含む形態素リストを生成する。また、図１３に示すように、ＵＩ提示部４６は、生成した形態素リストから、助詞及び一般語等を除外したものを修正根拠単語の候補として抽出する。図１３に示した例では、「ＨＤＤ」、「交換」、及び「実施」が修正根拠単語の候補として抽出される。
【0072】
ＵＩ提示部４６は、図１４に示すように、抽出した修正根拠単語の候補の各々をチェックボックスつきで修正根拠単語欄７０に表示することで、文書５０から抽出した修正根拠の候補を選択可能に表示する。ユーザは、入力部２４を用いて修正根拠単語欄７０のチェックボックスにチェックを行うことにより、修正の根拠とする修正根拠単語を選択する。図１４に示した例では、ユーザにより、「ＨＤＤ」及び「交換」が選択された場合が示されている。なお、選択する修正根拠単語の数は、特に限定されず、１つであってもよいし、複数であってもよく、また、修正根拠単語欄７０に表示されている全ての修正根拠単語であってもよい。ＵＩ提示部４６は、修正根拠単語欄７０に表示された修正根拠単語の候補のうち、チェックボックスにチェックが入った修正根拠単語の候補を修正根拠単語として受け付ける。
【0073】
そこで次のステップＳ３１０でＵＩ提示部４６は、修正根拠単語の選択を受け付けたか否かを判定する。ＵＩ提示部４６が修正根拠単語の選択を受け付けるまで、ステップＳ３１０の判定が否定判定となる。一方、ＵＩ提示部４６が修正根拠単語の選択を受け付けた場合、ステップＳ３１０の判定が肯定判定となり、ステップＳ３１２へ移行する。
【0074】
ユーザはこのように、正しい分類結果の入力、修正根拠及び修正根拠単語の選択を行うと、入力部２４を用いて、実施指示ボタン６２Ａを指定することで分類結果５４の修正の実施を指示する。実施指示ボタン６２Ａが指定された場合、ＵＩ提示部４６は、分類結果５４の修正の実施を受け付ける。
【0075】
ＵＩ提示部４６が修正の実施を受け付けるまで、ステップＳ３１２の判定が否定判定となり、ステップＳ３０６に戻り、ステップＳ３０６～Ｓ３１０の処理を繰り返す。一方、ＵＩ提示部４６が修正の実施を受け付けた場合、ステップＳ３１２の判定が肯定判定となり、ステップＳ３１４へ移行する。
【0076】
ステップＳ３１４でＵＩ提示部４６は、素性抽出テーブル３４に記憶されている分類結果５４を、受け付けた正解の分類結果に修正する。上述の例では、ＩＤが「１２４７８」の文書５０に対応付けられている分類結果５４を、誤りである「Ｓ／Ｗ不具合」から、正しい分類結果である「Ｈ／Ｗ障害」に修正する。本処理により、ＩＤが「１２４７８」とされている文書５０及び分類結果５４の組合せが再学習用データとなる。
【0077】
次のステップＳ３１６で素性抽出テーブル更新部４８は、ＵＩ提示部４６が受け付けた修正根拠に基づいて、素性抽出テーブル３４を更新する。図１５には、素性抽出テーブル更新部４８によって更新された素性抽出テーブル３４の一例が示されている。素性抽出テーブル更新部４８は、修正根拠単語を選択したフィールドに関しては、そのフィールドにタイプを「追加素性」として、素性の項目に、各修正根拠単語、及び各修正根拠単語の組合せを追加することで素性抽出テーブル３４を更新する。上述のように、修正根拠単語として「ＨＤＤ」及び「交換」を受け付けた場合、図１５に示すように素性抽出テーブル更新部４８は、「ＨＤＤ」、「交換」、及び「ＨＤＤ 交換（「ＨＤＤ」と「交換」との組合せ）」の各々を、フィールドを「対応結果」、タイプを「追加素性」として、素性の項目に追加する。
【0078】
また、ＵＩ提示部４６は、素性抽出テーブル３４に素性を追加した場合、その素性に対して重み「１」を割り当てる。なお、追加しようとする素性が既に素性抽出テーブル３４に存在する場合、素性抽出テーブル更新部４８は、「追加素性」として素性を追加するのに代えて、その素性に割り当てられている重みの値に「１」を加算することで、重みの値のみを更新する。
【0079】
また、ＵＩ提示部４６が修正根拠として、タイプが名義尺度のフィールドを受け付けた場合、素性抽出テーブル更新部４８は、そのフィールドをタイプが「名義尺度」として、素性抽出テーブル３４に追加する。上述のように、修正根拠フィールドとして「ＯＳ」を受け付けた場合、素性抽出テーブル更新部４８は、タイプを「名義尺度」とした「ＯＳ」のフィールドを素性抽出テーブル３４に追加し、重みの値として「１」を割り当てる。なお、追加しようとするフィールドが既に素性抽出テーブル３４に存在する場合、素性抽出テーブル更新部４８は、そのフィールドを追加するのに代えて、そのフィールドに割り当てられている重みの値に「１」を加算することで、重みの値のみを更新する。
【0080】
なお、素性抽出テーブル３４の更新方法は、本実施形態で説明した方法に限定されない。集積根拠のタイプがテキストの場合、修正根拠として選択された修正根拠単語が新たに素性５２として文書５０から抽出されるようになる、または、既存の素性５２であれば、その素性５２の重要度が高くなる方法であればよい。例えば、割り当てるもしくは加算する重みの値は「１」ではなくてもよい。また、修正根拠のタイプが名義尺度である場合、修正根拠として選択されたフィールドが存在することが素性５２として追加されるようになる、または、既存のフィールドであれば、そのフィールドの重要度が高くなる方法であればよい。
【0081】
次のステップＳ３１８で素性抽出部４０は、データ管理ＤＢ３２から再学習用データである文書５０と正しい分類結果５４との組合せを取得し、取得した文書５０から、更新した素性抽出テーブル３４に指定されている要素を素性５２として抽出する。素性抽出部４０は、抽出した素性５２に割り当てられている重み付けを用い、素性５２をベクトル化する。素性抽出部４０は、ベクトル化した素性５２と、データ管理ＤＢ３２から取得した正しい分類結果５４とをモデル学習部４２に出力する。
【0082】
次のステップＳ３２０でモデル学習部４２は、上述したように、ベクトル化された素性５２と、正しい分類結果とに基づいて、分類モデル３７の再学習を行い、再学習を行った分類モデル３７を分類モデルＤＢ３６に格納する。ステップＳ３２０が終了すると、図１１に示した再学習処理が終了する。
【0083】
なお、再学習処理は、図１１に示した形態に限定されない。例えば、文書５０毎に図１１に示した再学習処理を行う形態について説明したが、本形態に限定されない。例えば、ステップＳ３００～Ｓ３１６の処理と、ステップＳ３１８及びＳ３２０の処理を別のフローとし、所定数の文書５０に対して各々の処理を、順次行うようにしてもよい。
【0084】
なお、学習装置１０における再学習フェーズは、本実施形態に限定されず、例えば、下記の第２実施形態及び第３実施形態を採用してもよいし、これらの実施形態等を適宜、組み合わせて採用してもよい。なお、下記の第２実施形態及び第３実施形態は、ＵＩ提示部４６が提示する受付画面６０が第１実施形態のＵＩ提示部４６が提示する受付画面６０と異なっており、これに伴い、再学習処理が各々異なっている。
【0085】
［第２実施形態］
第２実施形態における再学習フェーズについて説明する。具体的には、本実施形態のＵＩ提示部４６が提示する受付画面６０及び再学習処理について図面を参照して説明する。図１６には、本実施形態のＵＩ提示部４６が提示する受付画面６０の一例が示されている。なお、図１６では、第１実施形態と同様に図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０の分類結果５４を修正する際に提示される受付画面６０の初期状態の一例が示されている。図１６に示した受付画面６０は、第１実施形態の受付画面６０（図１０参照）において含まれていた修正根拠欄６８及び修正根拠単語欄７０に代えて、修正根拠欄７２が含まれている。初期状態では、受付画面６０の修正後分類結果欄６６、及び修正根拠欄７２は空欄となっている。修正根拠欄７２は、ユーザが修正根拠を自由文で入力可能な入力欄である。ユーザは、第１実施形態と同様に、修正後分類結果欄６６に、正しい分類結果を入力し、その分類結果に修正する修正根拠を自由文で修正根拠欄７２に入力する。ＵＩ提示部４６は、修正根拠欄７２に自由文として入力された修正根拠を受け付ける。
第２実施形態における再学習フェーズについて説明する。具体的には、本実施形態のＵＩ提示部４６が提示する受付画面６０及び再学習処理について図面を参照して説明する。図１６には、本実施形態のＵＩ提示部４６が提示する受付画面６０の一例が示されている。なお、図１６では、第１実施形態と同様に図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０の分類結果５４を修正する際に提示される受付画面６０の初期状態の一例が示されている。図１６に示した受付画面６０は、第１実施形態の受付画面６０（図１０参照）において含まれていた修正根拠欄６８及び修正根拠単語欄７０に代えて、修正根拠欄７２が含まれている。初期状態では、受付画面６０の修正後分類結果欄６６、及び修正根拠欄７２は空欄となっている。修正根拠欄７２は、ユーザが修正根拠を自由文で入力可能な入力欄である。ユーザは、第１実施形態と同様に、修正後分類結果欄６６に、正しい分類結果を入力し、その分類結果に修正する修正根拠を自由文で修正根拠欄７２に入力する。ＵＩ提示部４６は、修正根拠欄７２に自由文として入力された修正根拠を受け付ける。
【0086】
また、図１７には、本実施形態の学習装置１０により実行される再学習処理の一例のフローチャートが示されている。なお、図１７に示した再学習処理のステップＳ３３０、Ｓ３３４、Ｓ３４２、Ｓ３４４、Ｓ３４８、及びＳ３５０の各々は、第１実施形態の再学習処理（図１１参照）のステップＳ３００、Ｓ３０４、Ｓ３１２、Ｓ３１４、Ｓ３１８、及びＳ３２０の各々と同様の処理であるため、詳細な説明を省略する。
【0087】
図１７のステップＳ３３０でＵＩ提示部４６は、データ管理ＤＢ３２から、１つの文書５０及びその文書５０に対応付けられている分類結果５４を取得する。ここでも、上記と同様に、図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０と分類結果５４との組合せをＵＩ提示部４６が取得した場合を例として説明する。
【0088】
次のステップＳ３３２で、ＵＩ提示部４６は、受付画面６０をディスプレイ２３に表示させる。本ステップによりディスプレイ２３に表示される受付画面６０は、図１６に示した表示状態となる。
【0089】
ユーザにより非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けた場合、次のステップＳ３３４の判定が肯定判定となり、図１７に示した再学習処理を終了する。
【0090】
一方、非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けていない場合、ステップＳ３３４の判定が否定判定となり、ステップＳ３３６へ移行する。分類結果欄６４に表示された分類結果５４の修正は、第１実施形態と同様に行われる。一方、修正根拠欄７２には、ユーザが入力部２４を用いて修正根拠を自由文で入力する。一例として図１８には、修正後分類結果欄６６に正しい分類結果として「Ｈ／Ｗ障害」が入力され、修正根拠欄７２に修正根拠として「ＨＤＤを交換しているから」との自由文が入力された状態が示されている。
【0091】
そこでステップＳ３３６でＵＩ提示部４６は、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄７２に入力された修正根拠を受け付けたか否か判定する。修正後分類結果欄６６に入力された正しい分類結果、修正根拠欄７２に入力された修正根拠を受け付けていない場合、ステップＳ３３６の判定が否定判定となり、ステップＳ３３４に戻る。一方、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄７２に入力された修正根拠を受け付けた場合、ステップＳ３３６の判定が肯定判定となり、ステップＳ３３８へ移行する。
【0092】
次のステップＳ３３８でＵＩ提示部４６は、上記ステップＳ３３０で取得した文書５０から修正根拠単語の候補を抽出する。ＵＩ提示部４６は、図１９に示すように、分類結果を修正する修正対象の文書５０に含まれるテキストである「頻繁にＷｉｎｄｏｗｓがフリーズするようになったとのこと。ＨＤＤの交換を実施」との文に対し、形態素解析を行い、形態素と品詞とをペアにした形態素リストを生成する。
【0093】
図１９に示した例では、ＵＩ提示部４６は、「頻繁：名詞」、「に：助詞」、「Ｗｉｎｄｏｗｓ：名詞」、「を：助詞」、及び「実施：名詞」等を含む形態素リストを生成する。また、図１９に示すように、ＵＩ提示部４６は、生成した形態素リストから、助詞及び一般語等を除外したものを修正根拠単語の候補として抽出する。図１９に示した例では、「頻繁」、「Ｗｉｎｄｏｗｓ」、「フリーズ」、「ＨＤＤ」、「交換」、及び「実施」が修正根拠単語の候補として抽出される。
【0094】
次のステップＳ３４０でＵＩ提示部４６は、修正根拠欄７２に入力された修正根拠に含まれる修正単語の候補をハイライト表示する。図２０には、修正根拠欄７２に入力された修正根拠に含まれる修正単語の候補をハイライト表示した状態の受付画面６０の一例が示されている。ＵＩ提示部４６は、図１９に示すように、抽出した修正根拠単語の候補と、修正根拠欄７２に入力された修正根拠である自由文とを比較し、修正根拠である自由文に含まれる、修正根拠単語の候補をハイライト表示する。これにより、図２０に示した例では、修正根拠欄７２に入力された「ＨＤＤに交換しているから」との自由文のうち、「ＨＤＤ」及び「交換」がハイライト表示された状態となる。なお、本実施形態では、修正根拠欄７２に入力された修正根拠の自由文の中から、修正根拠単語の候補をハイライト表示する形態について説明したが、自由文の中から文書５０に含まれる情報を識別可能に表示することができれば、本形態に限定されない。例えば、ハイライト表示に代えて、他と文字の書体や大きさの少なくとも一方を代える、点滅表示させる等、他の単語に比べて強調することにより、自由文の中から文書５０に含まれる情報を識別可能に表示してもよい。なお、ここで「識別可能」とは、再学習の際に用いられる情報である旨が識別可能であることを意味する。
【0095】
また、修正根拠欄７２に入力された修正根拠の自由文に含まれる修正根拠単語が、既に素性５２として素性抽出テーブル３４に登録されている場合、その修正根拠単語については、登録されていない修正根拠単語と表示色を変える等して、識別可能に表示してもよい。また、この場合、割り当てられている重みの値の大きさに応じて、色が濃くなる等、表示色により重みの値の大小について識別を可能としてもよい。このように、修正根拠欄７２に入力された修正根拠の自由文に含まれる修正根拠単語の表示を行うことにより、ハイライト表示された単語が、分類モデル３７の再学習において、どの程度、重視されるかを確認することができる。
【0096】
ユーザは、修正根拠欄７２に入力された修正根拠の自由文に対して施されたハイライト表示を参照することで、素性抽出テーブル３４に素性５２として追加される、若しくは重みの値が更新される単語を認識することができる。そのため、例えば、修正根拠欄７２に入力された修正根拠の自由文に対してハイライト表示が施されない場合、素性抽出テーブル３４が更新されることがないため、入力した自由文を変更等することができるようになる。
【0097】
ユーザは、正しい分類結果の入力、修正根拠を自由文で入力すると、入力部２４を用いて、実施指示ボタン６２Ａを指定することで分類結果５４の修正の実施を指示する。実施指示ボタン６２Ａが指定された場合、ＵＩ提示部４６は、分類結果５４の修正の実施を受け付ける。
【0098】
ＵＩ提示部４６が修正の実施を受け付けるまで、ステップＳ３４２の判定が否定判定となり、ステップＳ３３６に戻り、ステップＳ３３６～Ｓ３４０の処理を繰り返す。一方、ＵＩ提示部４６が修正の実施を受け付けた場合、ステップＳ３４２の判定が肯定判定となり、ステップＳ３４４へ移行する。
【0099】
ステップＳ３４４でＵＩ提示部４６は、素性抽出テーブル３４に記憶されている分類結果５４を、受け付けた正解の分類結果に修正し、再学習用データとする。
【0100】
次のステップＳ３４６で素性抽出テーブル更新部４８は、ハイライト表示を行った修正根拠単語に基づいて、素性抽出テーブル３４を更新する。なお、素性抽出テーブル更新部４８の更新方法は、第１実施形態の素性抽出テーブル更新部４８が、タイプを「追加素性」として、素性の項目に素性を追加し、その素性に割り当てられている重みの値を更新する方法と同様としているため、説明を省略する。
【0101】
次のステップＳ３４８で素性抽出部４０は、データ管理ＤＢ３２から再学習用データを取得し、取得した文書５０から、更新した素性抽出テーブル３４に指定されている要素を素性５２として抽出し、割り当てられている重み付けを用い、素性５２をベクトル化する。
【0102】
次のステップＳ３５０でモデル学習部４２は、上述したように、ベクトル化された素性５２と、正しい分類結果とに基づいて、分類モデル３７の再学習を行い、再学習を行った分類モデル３７を分類モデルＤＢ３６に格納する。ステップＳ３２０が終了すると、図１７に示した再学習処理が終了する。
【0103】
なお、図１７に示した再学習処理のステップＳ３３８及びＳ３４０の処理は、受付画面６０の表示中、所定のタイミングが経過する毎に適宜繰り返し行うようにしてもよい。すなわち、ユーザが修正根拠欄７２に修正根拠を自由文で入力している間にも、適宜、その自由文に対してハイライト表示を行ってもよい。また、上述した受付画面６０に代えて、図２１に示す受付画面６０のように、修正根拠欄７２に確認ボタン７３を設け、確認ボタン７３がユーザによって指示された場合に、修正根拠欄７２に入力された修正根拠の自由文に対してハイライト表示を行う形態としてもよい。
【0104】
［第３実施形態］
第３実施形態における再学習フェーズについて説明する。具体的には、本実施形態のＵＩ提示部４６が提示する受付画面６０及び再学習処理について図面を参照して説明する。図２２には、本実施形態のＵＩ提示部４６が提示する受付画面６０の一例が示されている。なお、図２２では、第１実施形態と同様に図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０の分類結果５４を修正する際に提示される受付画面６０の初期状態の一例が示されている。図２２に示した受付画面６０は、第１実施形態の受付画面６０（図１０参照）において含まれていた修正根拠欄６８及び修正根拠単語欄７０に代えて、修正根拠欄７４が含まれている。初期状態では、受付画面６０の修正後分類結果欄６６は空欄となっている。一方、修正根拠欄７４には、文書５０から抽出された修正根拠文候補がチェックボックス付きで表示され、ユーザにより修正根拠文の選択が可能とされている。ユーザは、第１実施形態と同様に、修正後分類結果欄６６に、正しい分類結果を入力し、その分類結果に修正する修正根拠となる修正根拠文を修正根拠欄７２に表示された修正根拠文候補から選択する。ＵＩ提示部４６は、修正根拠欄７２に自由文として入力された修正根拠を受け付ける。
第３実施形態における再学習フェーズについて説明する。具体的には、本実施形態のＵＩ提示部４６が提示する受付画面６０及び再学習処理について図面を参照して説明する。図２２には、本実施形態のＵＩ提示部４６が提示する受付画面６０の一例が示されている。なお、図２２では、第１実施形態と同様に図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０の分類結果５４を修正する際に提示される受付画面６０の初期状態の一例が示されている。図２２に示した受付画面６０は、第１実施形態の受付画面６０（図１０参照）において含まれていた修正根拠欄６８及び修正根拠単語欄７０に代えて、修正根拠欄７４が含まれている。初期状態では、受付画面６０の修正後分類結果欄６６は空欄となっている。一方、修正根拠欄７４には、文書５０から抽出された修正根拠文候補がチェックボックス付きで表示され、ユーザにより修正根拠文の選択が可能とされている。ユーザは、第１実施形態と同様に、修正後分類結果欄６６に、正しい分類結果を入力し、その分類結果に修正する修正根拠となる修正根拠文を修正根拠欄７２に表示された修正根拠文候補から選択する。ＵＩ提示部４６は、修正根拠欄７２に自由文として入力された修正根拠を受け付ける。
【0105】
また、図２３には、本実施形態の学習装置１０により実行される再学習処理の一例のフローチャートが示されている。なお、図２３に示した再学習処理のステップＳ３６０、Ｓ３６４、Ｓ３７２、Ｓ３７４、Ｓ３７８、及びＳ３８０の各々は、第１実施形態の再学習処理（図１１参照）のステップＳ３００、Ｓ３０４、Ｓ３１２、Ｓ３１４、Ｓ３１８、及びＳ３２０の各々と同様の処理であるため、詳細な説明を省略する。
【0106】
図２３のステップＳ３６０でＵＩ提示部４６は、データ管理ＤＢ３２から、１つの文書５０及びその文書５０に対応付けられている分類結果５４を取得する。ここでも、上記と同様に、図３に示したデータ管理ＤＢ３２に記憶されている「１２４７８」がＩＤとして付与されている文書５０と分類結果５４との組合せをＵＩ提示部４６が取得した場合を例として説明する。
【0107】
次のステップＳ３６１でＵＩ提示部４６は、上記ステップＳ３６０で取得した文書５０から、修正根拠文候補を抽出する。一例として本実施形態のＵＩ提示部４６は、文書５０のうちタイプがテキストであるフィールドについては、そのテキストを、単文に分割し、分割した単文毎に、修正根拠文候補とする。なお、本開示において「文」とは、１つの単語のみを含む、いわゆる単語文も含む。図２２に示した例では、文書５０のうち、「題名」のフィールドからは「端末のフリーズ」が修正根拠文候補として抽出される。また、文書５０のうち、「説明」のフィールドからは「頻繁にＷｉｎｄｏｗｓがフリーズするようになったとのこと。」が修正根拠文候補として抽出される。また、文書５０のうち「対応結果」のフィールドからは「ＨＤＤの交換を実施。」が修正根拠文候補として抽出される。
【0108】
また、ＵＩ提示部４６は、文書５０のうちタイプが名義尺度であるフィールドについては、文書５０に含まれるそのフィールドの記述を修正根拠文候補とする。図２２に示した例では、文書５０のうち「機種名」のフィールドからは「Ｄｅｓｋｅｔ」が修正根拠文候補として抽出される。また、文書５０のうち「ＯＳ」のフィールドからは「Ｗｉｎｄｏｗｓ１０」が修正根拠文候補として抽出される。
【0109】
次のステップＳ３６２で、ＵＩ提示部４６は、受付画面６０をディスプレイ２３に表示させる。本ステップによりディスプレイ２３に表示される受付画面６０は、図２２に示した表示状態となる。
【0110】
ユーザにより非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けた場合、次のステップＳ３６４の判定が肯定判定となり、図２３に示した再学習処理を終了する。
【0111】
一方、非実施指示ボタン６２Ｂが指定されたことをＵＩ提示部４６が受け付けていない場合、ステップＳ３６４の判定が否定判定となり、ステップＳ３６６へ移行する。分類結果欄６４に表示された分類結果５４の修正は、第１実施形態と同様に行われる。一方、修正根拠文の選択は、修正根拠欄７４に表示された修正根拠文候補のうちから、修正根拠として選択する修正根拠文候補に対応するチェックボックスに、ユーザが入力部２４を用いてチェックすることで行われる。一例として図２４には、修正後分類結果欄６６に正しい分類結果として「Ｈ／Ｗ障害」が入力され、修正根拠欄７４に表示された修正根拠文候補のうち「ＨＤＤを交換しているから」が修正根拠文として選択された状態が示されている。なお、ユーザが選択する修正根拠文の数は、特に限定されず、１つであってもよいし、複数であってもよく、また、修正根拠欄７４に表示されている全ての修正根拠文候補を選択してもよい。
【0112】
そこでステップＳ３６６でＵＩ提示部４６は、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠欄文の選択を受け付けたか否か判定する。修正後分類結果欄６６に入力された正しい分類結果、修正根拠文の選択を受け付けていない場合、ステップＳ３６６の判定が否定判定となり、ステップＳ３６４に戻る。一方、修正後分類結果欄６６に入力された正しい分類結果、及び修正根拠文の選択を受け付けた場合、ステップＳ３６６の判定が肯定判定となり、ステップＳ３７２へ移行する。
【0113】
ユーザは、正しい分類結果の入力、修正根拠文の選択を行うと、入力部２４を用いて、実施指示ボタン６２Ａを指定することで分類結果５４の修正の実施を指示する。実施指示ボタン６２Ａが指定された場合、ＵＩ提示部４６は、分類結果５４の修正の実施を受け付ける。
【0114】
ＵＩ提示部４６が修正の実施を受け付けるまで、ステップＳ３７２の判定が否定判定となり、ステップＳ３６６に戻る。一方、ＵＩ提示部４６が修正の実施を受け付けた場合、ステップＳ３７２の判定が肯定判定となり、ステップＳ３７４へ移行する。
【0115】
ステップＳ３７４でＵＩ提示部４６は、素性抽出テーブル３４に記憶されている分類結果５４を、受け付けた正解の分類結果に修正し、再学習用データとする。
【0116】
次のステップＳ３７５でＵＩ提示部４６は、受け付けた修正根拠文に基づいて、文書５０から修正根拠単語を抽出する。ＵＩ提示部４６は、受け付けた修正根拠文に対応するフィールドのタイプがテキストである場合、修正根拠文に対し、形態素解析を行い、形態素と品詞とをペアにした形態素リストを生成する。図２５に示した例では、修正根拠文の「ＨＤＤの交換を実施」であり、対応するフィールドが「対応結果」であり、そのタイプがテキストであるため、「ＨＤＤの交換を実施」との文に対し、形態素解析を行い、形態素と品詞とをペアにした形態素リストを生成する。
【0117】
図２５に示した例では、ＵＩ提示部４６は、「ＨＤＤ：名詞」、「の：助詞」、「交換：名詞」、「を：助詞」、及び「実施：名詞」を含む形態素リストを生成する。また、図２５に示すように、ＵＩ提示部４６は、生成した形態素リストから、助詞及び一般語等を除外したものを修正根拠単語として抽出する。図２５に示した例では、「ＨＤＤ」、「交換」、及び「実施」が修正根拠単語として抽出される。
【0118】
次のステップＳ３７６で素性抽出テーブル更新部４８は、抽出した修正根拠単語に基づいて、素性抽出テーブル３４を更新する。なお、素性抽出テーブル更新部４８の更新方法は、第１実施形態の素性抽出テーブル更新部４８が、タイプを「追加素性」として、素性の項目に素性を追加し、その素性に割り当てられている重みの値を更新する方法と同様としているため、説明を省略する。
【0119】
なお、修正根拠欄７４に表示された修正根拠文の候補から、タイプが名義尺度とされているフィールドを選択した場合、上記ステップＳ３７５の処理を実施せず、第１実施形態において上述したように、取り得る値の有無を素性として追加することで素性抽出テーブル３４を更新してもよい。
【0120】
次のステップＳ３７８で素性抽出部４０は、データ管理ＤＢ３２から再学習用データを取得し、取得した文書５０から、更新した素性抽出テーブル３４に指定されている要素を素性５２として抽出し、割り当てられている重み付けを用い、素性５２をベクトル化する。
【0121】
次のステップＳ３８０でモデル学習部４２は、上述したように、ベクトル化された素性５２と、正しい分類結果とに基づいて、分類モデル３７の再学習を行い、再学習を行った分類モデル３７を分類モデルＤＢ３６に格納する。ステップＳ３８０が終了すると、図２３に示した再学習処理が終了する。
【0122】
なお、上述した受付画面６０に代えて、図２６に示す受付画面６０のように、プルダウンメニュー６８Ｐが設けられた修正根拠欄６８が含まれていてもよい。この場合、第１実施形態の受付画面６０に含まれる修正根拠欄６８と同様に、ＵＩ提示部４６は、ユーザにより選択された修正根拠となるフィールドを受け付ける。そして、受け付けたフィールドに対応するテキスト文を修正根拠文として選択可能に、修正根拠欄７４に表示させる。図２６に示した例では、ＵＩ提示部４６は、修正根拠文として、対応結果のフィールドに対応する「頻繁にＷｉｎｄｏｗｓがフリーズする。」との文と、説明のフィールドに対応する「ＨＤＤの交換を実施」との文とを修正根拠文として受け付ける。また、タイプが名義尺度である「ＯＳ」を修正根拠として受け付ける。
【0123】
以上説明したように、上記形態の学習装置１０は、素性抽出テーブル３４を参照して文書５０から抽出された素性５２を入力とし、文書５０が属するカテゴリを分類結果５４として出力する分類モデル３７を再学習させる学習装置である。学習装置１０は、ＣＰＵ２０を含み、ＣＰＵ２０は、分類結果５４の誤りを修正する修正指示として正しい分類結果と、文書５０に含まれる情報に基づく修正根拠として修正根拠単語の入力を受け付ける受付画面６０を提示する。ＣＰＵ２０は、正しい分類結果と修正根拠とが受け付けられた場合において、修正根拠に基づいて素性抽出テーブル３４を更新し、かつ、修正された正しい分類結果と更新後の素性抽出テーブル３４とを用いて分類モデル３７を再学習させる。
【0124】
このように、本実施形態の学習装置１０では、ユーザが入力した修正根拠に基づいて、素性抽出テーブル３４を更新し、更新後の素性抽出テーブル３４を用いて再学習を行うため、分類モデル３７の分類精度をより向上させることができる。
【0125】
なお、上記各実施形態では、素性５２として単語を扱う形態について説明したが、素性５２として単語以外を扱う形態としてもよいし、単語に加えてその他のものも扱う形態としてもよい。単語以外としては、例えば、文書５０に、例えば、エラーコードのように、それ自体が一般的な意味を有さない文字列が含まれる場合は、そのような文字列を素性５２として扱ってもよい。また例えば、文書５０に、記号が含まれる場合、その記号を素性５２として扱ってもよい。また例えば、素性抽出テーブル３４に文書５０に関連する画像が含まれる場合、その画像を素性５２として扱い、分類モデル３７に、文書５０から抽出された素性５２に加えて素性５２として扱う画像を入力する形態としてもよい。
【0126】
また、上記各実施形態では、文書５０の意味内容が機械の故障の状況を表し、分類結果のカテゴリに、故障の原因が含まれる形態について説明したが、文書５０の意味内容や、分類結果のカテゴリはこれらに限定されない。例えば、文書５０が患者のカルテや状態を表し、分類結果のカテゴリを病名としてもよい。
また、上記各実施形態の受付画面６０では、文書５０及び分類結果欄６４が含まれる形態について説明したが、これらを含むことは必須ではない。例えば、文書５０、分類結果欄６４、及び修正実施指示ボタン６２を１つの画面に表示させ、実施指示ボタン６２Ａがユーザによって指定され、ＵＩ提示部４６が修正の実施指示を受け付けた場合に、文書５０及び分類結果欄６４を含まない受付画面６０に遷移する形態としてもよい。
また、受付画面６０は１つのディスプレイ２３に表示させてもよいし、複数のディスプレイ２３に表示させてもよい。すなわち、ディスプレイ２３として、マルチディスプレイを採用してもよい。
また、上記各実施形態では、学習装置１０が分類モデル３７の学習、運用、及び再学習を行う形態について説明したが、各々について、別装置が実行する形態であってもよい。
また、上記各実施形態の受付画面６０では、文書５０及び分類結果欄６４が含まれる形態について説明したが、これらを含むことは必須ではない。例えば、文書５０、分類結果欄６４、及び修正実施指示ボタン６２を１つの画面に表示させ、実施指示ボタン６２Ａがユーザによって指定され、ＵＩ提示部４６が修正の実施指示を受け付けた場合に、文書５０及び分類結果欄６４を含まない受付画面６０に遷移する形態としてもよい。
また、受付画面６０は１つのディスプレイ２３に表示させてもよいし、複数のディスプレイ２３に表示させてもよい。すなわち、ディスプレイ２３として、マルチディスプレイを採用してもよい。
また、上記各実施形態では、学習装置１０が分類モデル３７の学習、運用、及び再学習を行う形態について説明したが、各々について、別装置が実行する形態であってもよい。
【0127】
また、上記形態において、例えば、素性抽出部４０、モデル学習部４２、分類予測部４４、ＵＩ提示部４６、及び素性抽出テーブル更新部４８といった各種の処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
【0128】
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
【0129】
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
【0130】
更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）を用いることができる。
【0131】
また、上記各実施形態では、学習プログラム３０Ａ、分類プログラム３０Ｂ、及び再学習プログラム３０Ｃの各々が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。学習プログラム３０Ａ、分類プログラム３０Ｂ、及び再学習プログラム３０Ｃの各々は、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、学習プログラム３０Ａ、分類プログラム３０Ｂ、及び再学習プログラム３０Ｃの各々は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。つまり、本実施形態で説明したプログラム(プログラム製品)は、記録媒体で提供するほか、外部のコンピュータから配信する形態であっても良い。
【0132】
以上の上記実施形態に関し、更に以下の付記を開示する。
【0133】
（付記１）
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、
少なくとも１つのプロセッサを含み、
前記プロセッサは、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
学習装置。
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置であって、
少なくとも１つのプロセッサを含み、
前記プロセッサは、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
学習装置。
【0134】
（付記２）
前記素性抽出テーブルの項目には、素性として抽出すべき単語、または素性として抽出すべき単語及び前記単語毎に割り当てられる重みが少なくとも含まれる
付記１に記載の学習装置。
前記素性抽出テーブルの項目には、素性として抽出すべき単語、または素性として抽出すべき単語及び前記単語毎に割り当てられる重みが少なくとも含まれる
付記１に記載の学習装置。
【0135】
（付記３）
前記プロセッサは、
前記修正根拠に基づいて、前記素性抽出テーブルの前記項目のうちの少なくとも１つを更新する、
付記２に記載の学習装置。
前記プロセッサは、
前記修正根拠に基づいて、前記素性抽出テーブルの前記項目のうちの少なくとも１つを更新する、
付記２に記載の学習装置。
【0136】
（付記４）
前記更新は、前記修正根拠に含まれる単語の追加である、
付記１から付記３のいずれか１つに記載の学習装置。
前記更新は、前記修正根拠に含まれる単語の追加である、
付記１から付記３のいずれか１つに記載の学習装置。
【0137】
（付記５）
前記更新は、前記修正根拠に含まれる単語に割り当てられる前記重みの更新である、
付記１から付記４のいずれか１つに記載の学習装置。
前記更新は、前記修正根拠に含まれる単語に割り当てられる前記重みの更新である、
付記１から付記４のいずれか１つに記載の学習装置。
【0138】
（付記６）
前記プロセッサは、
前記受付画面に、前記文書から抽出した前記修正根拠の候補を選択可能に表示し、
前記候補を選択させることにより前記修正根拠の入力を受け付ける
付記１から付記５のいずれか１つに記載の学習装置。
前記プロセッサは、
前記受付画面に、前記文書から抽出した前記修正根拠の候補を選択可能に表示し、
前記候補を選択させることにより前記修正根拠の入力を受け付ける
付記１から付記５のいずれか１つに記載の学習装置。
【0139】
（付記７）
前記プロセッサは、
前記修正根拠の候補として、前記文書から少なくとも単語を抽出する、
付記６に記載の学習装置。
前記プロセッサは、
前記修正根拠の候補として、前記文書から少なくとも単語を抽出する、
付記６に記載の学習装置。
【0140】
（付記８）
前記プロセッサは、
前記修正根拠の候補として、前記単語に加えて、文を抽出し、
前記受付画面に、抽出した前記単語と前記文を混在させて表示する
付記７に記載の学習装置。
前記プロセッサは、
前記修正根拠の候補として、前記単語に加えて、文を抽出し、
前記受付画面に、抽出した前記単語と前記文を混在させて表示する
付記７に記載の学習装置。
【0141】
（付記９）
前記受付画面は、ユーザが前記修正根拠を自由文で入力可能な入力欄を有しており、
前記プロセッサは、
入力された前記自由文の中から、前記文書に含まれる情報を識別可能に表示する
付記１から付記５のいずれか１つに記載の学習装置。
前記受付画面は、ユーザが前記修正根拠を自由文で入力可能な入力欄を有しており、
前記プロセッサは、
入力された前記自由文の中から、前記文書に含まれる情報を識別可能に表示する
付記１から付記５のいずれか１つに記載の学習装置。
【0142】
（付記１０）
前記プロセッサは、
前記文書に含まれる情報を強調することにより識別可能に表示する
付記９に記載の学習装置。
前記プロセッサは、
前記文書に含まれる情報を強調することにより識別可能に表示する
付記９に記載の学習装置。
【0143】
（付記１１）
前記文書の意味内容が機械の故障の状況を表す場合において、前記カテゴリには、前記故障の原因が含まれる、
付記１から付記１０のいずれか１つに記載の学習装置。
前記文書の意味内容が機械の故障の状況を表す場合において、前記カテゴリには、前記故障の原因が含まれる、
付記１から付記１０のいずれか１つに記載の学習装置。
【0144】
（付記１２）
前記受付画面は、前記文書と前記分類結果とを表示する表示領域を含む
付記１から付記１１のいずれか１つに記載の学習装置。
前記受付画面は、前記文書と前記分類結果とを表示する表示領域を含む
付記１から付記１１のいずれか１つに記載の学習装置。
【0145】
（付記１３）
前記素性抽出テーブルには、前記文書に関連する画像が含まれ、
前記分類モデルには、前記文書から抽出された素性に加えて前記画像が素性として入力される
付記１から付記１２のいずれか１つに記載の学習装置。
前記素性抽出テーブルには、前記文書に関連する画像が含まれ、
前記分類モデルには、前記文書から抽出された素性に加えて前記画像が素性として入力される
付記１から付記１２のいずれか１つに記載の学習装置。
【0146】
（付記１４）
前記文書には記号が含まれ、前記素性抽出テーブルの項目には、素性として抽出すべき記号が少なくとも含まれる
付記１から付記１３のいずれか１つに記載の学習装置。
前記文書には記号が含まれ、前記素性抽出テーブルの項目には、素性として抽出すべき記号が少なくとも含まれる
付記１から付記１３のいずれか１つに記載の学習装置。
【0147】
（付記１５）
少なくとも１つのプロセッサを含み、
前記プロセッサは、
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示し、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示し、
表示された分類結果の誤りを修正する修正指示を受け付け、
前記修正指示の根拠となる修正根拠を受け付け、
受け付けられた修正指示と修正根拠とを用いて、再学習する、
学習装置。
少なくとも１つのプロセッサを含み、
前記プロセッサは、
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示し、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示し、
表示された分類結果の誤りを修正する修正指示を受け付け、
前記修正指示の根拠となる修正根拠を受け付け、
受け付けられた修正指示と修正根拠とを用いて、再学習する、
学習装置。
【0148】
（付記１６）
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサにより、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行する学習方法。
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサにより、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行する学習方法。
【0149】
（付記１７）
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示するステップと、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示するステップと、
表示された分類結果の誤りを修正する修正指示を受け付けるステップと、
前記修正指示の根拠となる修正根拠を受け付けるステップと、
受け付けられた修正指示と修正根拠とを用いて、再学習するステップと、
を含む学習方法。
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルに過去に入力された文書を表示するステップと、
前記過去に入力された文書に応じて前記分類モデルから出力された分類結果を表示するステップと、
表示された分類結果の誤りを修正する修正指示を受け付けるステップと、
前記修正指示の根拠となる修正根拠を受け付けるステップと、
受け付けられた修正指示と修正根拠とを用いて、再学習するステップと、
を含む学習方法。
【0150】
（付記１８）
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサに、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行させるための学習プログラム。
素性抽出テーブルを参照して文書から抽出された素性を入力とし、前記文書が属するカテゴリを分類結果として出力する分類モデルを再学習させる学習装置が備えるプロセッサに、
前記分類結果の誤りを修正する修正指示と、前記文書に含まれる情報に基づく修正根拠との入力を受け付ける受付画面を提示し、
前記修正指示と前記修正根拠とが受け付けられた場合において、
前記修正根拠に基づいて前記素性抽出テーブルを更新し、かつ、修正された正しい分類結果と更新後の前記素性抽出テーブルとを用いて前記分類モデルを再学習させる
処理を実行させるための学習プログラム。
【符号の説明】
【0151】
１０ 学習装置
２０ ＣＰＵ
２１ メモリ
２２ 記憶部
２３ ディスプレイ
２４ 入力部
２６ ネットワークＩ／Ｆ
２９ バス
３０Ａ 学習プログラム、３０Ｂ 分類プログラム、３０Ｃ 再学習プログラム
３２ データ管理ＤＢ
３４ 素性抽出テーブル
３６ 分類モデルＤＢ
３７ 分類モデル
４０ 素性抽出部
４２ モデル学習部
４４ 分類予測部
４６ ＵＩ提示部
４８ 素性抽出テーブル更新部
５０ 文書
５２ 素性
５４ 分類結果
６０ 受付画面
６２ 修正実施指示ボタン、６２Ａ 実施指示ボタン、６２Ｂ 非実施指示ボタン
６４ 分類結果欄
６６ 修正後分類結果欄、６６Ｐ プルダウンメニュー
６８ 修正根拠欄、６８Ｐ プルダウンメニュー
７０ 修正根拠単語欄
７２、７４ 修正根拠欄
７３ 確認ボタン
２０ ＣＰＵ
２１ メモリ
２２ 記憶部
２３ ディスプレイ
２４ 入力部
２６ ネットワークＩ／Ｆ
２９ バス
３０Ａ 学習プログラム、３０Ｂ 分類プログラム、３０Ｃ 再学習プログラム
３２ データ管理ＤＢ
３４ 素性抽出テーブル
３６ 分類モデルＤＢ
３７ 分類モデル
４０ 素性抽出部
４２ モデル学習部
４４ 分類予測部
４６ ＵＩ提示部
４８ 素性抽出テーブル更新部
５０ 文書
５２ 素性
５４ 分類結果
６０ 受付画面
６２ 修正実施指示ボタン、６２Ａ 実施指示ボタン、６２Ｂ 非実施指示ボタン
６４ 分類結果欄
６６ 修正後分類結果欄、６６Ｐ プルダウンメニュー
６８ 修正根拠欄、６８Ｐ プルダウンメニュー
７０ 修正根拠単語欄
７２、７４ 修正根拠欄
７３ 確認ボタン
【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】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
