特開 2024-110534 類似度算出システム、類似度算出方法、プログラム

(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】P2024110534

(43)【公開日】2024-08-16

(54)【発明の名称】類似度算出システム、類似度算出方法、プログラム

(51)【国際特許分類】

   G06F 16/38 20190101AFI20240808BHJP

【ＦＩ】

G06F16/38

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023015155

(22)【出願日】2023-02-03

(71)【出願人】

【識別番号】000201478

【氏名又は名称】前田建設工業株式会社

(74)【代理人】

【識別番号】110000154

【氏名又は名称】弁理士法人はるか国際特許事務所

(72)【発明者】

【氏名】遠藤 正史

(72)【発明者】

【氏名】伊藤 竜馬

(72)【発明者】

【氏名】▲崎▼浦 大樹

(72)【発明者】

【氏名】荒木 広夢

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175HB03

5B175JC05

(57)【要約】

【課題】類似度を精度良く算出可能な類似度算出システム１００を提供する。
【解決手段】類似度算出システム１００は、対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する取得部２３と、複数の類似文書データそれぞれに含まれる共通の用語の数に基づいて、共通の用語を評価する評価部２５と、評価部２５による、複数の類似文書データそれぞれに含まれる１又は複数の共通の用語の評価結果に基づいて、対象文書データに対する複数の類似文書データそれぞれの類似度を算出する類似度算出部２６と、を含む。
【選択図】図４

【特許請求の範囲】

【請求項1】

対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する取得部と、
前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する評価部と、
前記評価部による、前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する類似度算出部と、
を含む類似度算出システム。

【請求項2】

前記評価部は、少なくとも第１の共通の用語を含む１又は複数の前記類似文書データに含まれる前記共通の用語の数に基づいて、当該第１の共通の用語を評価する、
請求項１に記載の類似度算出システム。

【請求項3】

前記評価部は、少なくとも第２の共通の用語を含む１又は複数の前記類似文書データに含まれる前記共通の用語の数に基づいて、当該第２の共通の用語を評価し、
前記類似度算出部は、少なくとも前記第１の共通の用語の評価結果と前記第２の共通の用語の評価結果を合算することで、少なくとも前記第１の共通の用語及び第２の共通の用語を含む１又は複数の前記類似文書データの前記類似度を算出する、
請求項２に記載の類似度算出システム。

【請求項4】

前記類似度が高い順に前記複数の類似文書データを並び替えて、前記複数の類似文書データに関する情報を表示させる表示制御部を含む、
請求項１に記載の類似度算出システム。

【請求項5】

前記複数の類似文書データそれぞれを、それらに含まれる複数の用語と紐づけて記憶する類似文書データ記憶部を含む、
請求項１に記載の類似度算出システム。

【請求項6】

対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する手順と、
前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する手順と、
前記評価する手順における前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する手順と、
を含む類似度算出方法。

【請求項7】

対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する手順と、
前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する手順と、
前記評価する手順における前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する手順と、
をコンピュータに実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、類似度算出システム、類似度算出方法、及びプログラムに関する。

【背景技術】

【0002】

従来、特許文献１に開示されるように、類似する文書を検索する技術が用いられている。また、例えば、ある事業計画書と類似する事業計画書を検索したい場合、それら文書に共通で用いられる用語に基づいて検索を行うとよい。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００５－４３９７７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来の手法においては、対象の事業計画書の特徴を表すような用語が共通する文書のみならず、一般的な用語が多く共通する事業計画書が検索結果として取得されることとなってしまう。すなわち、類似度が低い文書データが検索結果として取得されることとなってしまう。

【0005】

本発明の目的は、類似度を精度良く算出可能な類似度算出システム、類似度算出方法、及びプログラムを提供することにある。

【課題を解決するための手段】

【0006】

上記課題を解決すべく本出願において開示される発明は種々の側面を有しており、それら側面の代表的なものの概要は以下のとおりである。

【0007】

（１）対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する取得部と、前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する評価部と、前記評価部による、前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する類似度算出部と、を含む類似度算出システム。

【0008】

（２）（１）において、前記評価部は、少なくとも第１の共通の用語を含む１又は複数の前記類似文書データに含まれる前記共通の用語の数に基づいて、当該第１の共通の用語を評価する、類似度算出システム。

【0009】

（３）（２）において、前記評価部は、少なくとも第２の共通の用語を含む１又は複数の前記類似文書データに含まれる前記共通の用語の数に基づいて、当該第２の共通の用語を評価し、前記類似度算出部は、少なくとも前記第１の共通の用語の評価結果と前記第２の共通の用語の評価結果を合算することで、少なくとも前記第１の共通の用語及び第２の共通の用語を含む１又は複数の前記類似文書データの前記類似度を算出する、類似度算出システム。

【0010】

（４）（１）～（３）のいずれかにおいて、前記類似度が高い順に前記複数の類似文書データを並び替えて、前記複数の類似文書データに関する情報を表示させる表示制御部を含む、類似度算出システム。

【0011】

（５）（１）～（４）のいずれかにおいて、前記複数の類似文書データそれぞれを、それらに含まれる複数の用語と紐づけて記憶する類似文書データ記憶部を含む、類似度算出システム。

【0012】

（６）対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する手順と、前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する手順と、前記評価する手順における前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する手順と、を含む類似度算出方法。

【0013】

（７）対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する手順と、前記複数の類似文書データそれぞれに含まれる前記共通の用語の数に基づいて、前記共通の用語を評価する手順と、前記評価する手順における前記複数の類似文書データそれぞれに含まれる１又は複数の前記共通の用語の評価結果に基づいて、前記対象文書データに対する前記複数の類似文書データそれぞれの類似度を算出する手順と、をコンピュータに実行させるプログラム。

【発明の効果】

【0014】

本発明によれば、類似度を精度良く算出可能な類似度算出システム、類似度算出方法、及びプログラムを提供することができる。

【図面の簡単な説明】

【0015】

【図1】本実施形態における対象プロジェクトの一例が表示部の表示画面に表示された様子を示す図である。

【図2】本実施形態における検索結果の一例が表示部の表示画面に表示された様子を示す図である。

【図3】本実施形態に係る類似度算出システムの物理構成の一例を示す図である。

【図4】本実施形態に係る類似度算出システムで実現される機能の一例を示す機能ブロック図である。

【図5】複数の共通用語と、それらを含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図6】各類似プロジェクトに対応する類似文書データにおける共通用語の数の一例を示す図である。

【図7A】共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図7B】共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図7C】共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図7D】共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図7E】共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。

【図8】各共通用語の評価値の一例を示す図である。

【図9】本実施形態に係る類似度算出システムにおける処理フローを示すフローチャートである。

【発明を実施するための形態】

【0016】

以下、本発明に係る実施形態（以下、本実施形態という）について、図面を参照しつつ説明する。

【0017】

まず、本実施形態で用いる言葉の定義について説明する。

【0018】

対象プロジェクトとは、検索対象であるプロジェクトである。類似プロジェクトとは、検索結果として取得されるプロジェクトであって、対象プロジェクトと類似するプロジェクトである。本実施形態においては、対象プロジェクトをＰＪ１とし、類似プロジェクトをＰＪ２～ＰＪ８として説明を行う。

【0019】

対象文書データとは、対象プロジェクトの内容を電子化したデータであり、複数の用語を含む文書データである。類似文書データとは、類似プロジェクトの内容を電子化したデータであり、対象文書データに含まれる用語と共通の用語を少なくとも１つ以上含む文書データである。対象文書データ及び類似文書データは、電子データであればよく、そのデータ形式は特に限定されるものではない。なお、対象文書データに含まれる複数の用語は、１又は複数の文字、記号、数字などから構成されるものであるとよい。また、対象文書データに含まれる複数の用語が文字である場合、それら文字は名詞であってもよいし、動詞や形容詞などであっても構わない。

【0020】

重み付け値とは、下記評価値を算出する際に用いる値であって、各類似プロジェクトに対応する各類似文書データの重みを示す値である。具体的には、重み付け値は、各類似文書データに含まれる、対象文書データと共通する用語（以下、共通用語とも呼ぶ）の数である。

【0021】

評価値とは、対象文書データに含まれる共通用語の評価を示す値である。具体的には、評価値は、共通用語において、重み付け値の合算を、その共通用語を含む類似文書データの数で割った値である。

【0022】

類似度とは、対象文書データに対する類似文書データの類似性の度合いである。具体的には、類似度は、各類似文書データにおいて評価値を合算した値である。類似度は、対象文書データと共通する用語の数が多いほど高くなり、また、共通する用語の評価値が高いほど高くなる。例えば、対象文書データと共通する用語の数が多い類似文書データであっても、共通する用語の評価値が低い場合、類似度は比較的低くなる。一方、対象文書データと共通する用語の数が少ない類似文書データであっても、共通する用語の評価値が高い場合、類似度は比較的高くなる。

【0023】

図１は、本実施形態における対象プロジェクトの一例が表示部の表示画面に表示された様子を示す図である。本実施形態においては、検索対象である対象プロジェクトとして、建設事業における施工計画を例に挙げて説明する。

【0024】

図２は、本実施形態における検索結果の一例が表示部の表示画面に表示された様子を示す図である。図２においては、上から順に類似度の高い類似文書データに対応する類似プロジェクトに関する情報が並べられている様子を示している。

【0025】

図３は、本実施形態に係る類似度算出システムの物理構成の一例を示す図である。

【0026】

本実施形態に係る類似度算出システム１００には、例えば図３に示すように、制御部１１、通信部１２、記憶部１３、操作部１４、及び表示部１５が含まれるとよい。類似度算出システム１００は、少なくとも一つのコンピュータを含んでいればよい。類似度算出システム１００が複数のコンピュータを含む場合、それらはネットワークを介して接続されているとよい。

【0027】

制御部１１は、少なくとも１つのプロセッサを含む。制御部１１は、例えば、類似度算出システム１００にインストールされるプログラムに従って動作するＣＰＵ等のプログラム制御デバイスであるとよい。通信部１２は、例えば無線ＬＡＮモジュールなどの通信インタフェースなどであるとよい。記憶部１３は、ＲＡＭ等の揮発性メモリと、ハードディスク等の不揮発性メモリと、を含むとよい。記憶部１３には、プロセッサによって実行されるプログラムなどが記憶されるとよい。操作部１４は、マウス、キーボード、又はタッチパネル等の入力デバイスであるとよい。表示部１５は、液晶ディスプレイ又は有機ＥＬディスプレイであるとよい。

【0028】

図４は、本実施形態に係る類似度算出システムで実現される機能の一例を示す機能ブロック図である。図４で示される各機能は、記憶部１３に記憶されるプログラムをコンピュータが実行することで実現される。プログラムはコンピュータに読み取り可能な情報記憶媒体に格納されていてもよい。

【0029】

類似度算出システム１００では、類似文書データ記憶部２１、抽出部２２、取得部２３、重み付け部２４、評価部２５、類似度算出部２６、及び表示制御部２７が実現される。類似文書データ記憶部２１は記憶部１３を主として実現される。抽出部２２、取得部２３、重み付け部２４、評価部２５、及び類似度算出部２６は制御部１１を主として実現される。表示制御部２７は制御部１１及び表示部１５を主として実現される。

【0030】

類似文書データ記憶部２１は、過去に実施されたプロジェクトである類似プロジェクトに対応する類似文書データに関する情報を、当該類似文書データに含まれる１又は複数の用語と紐づけて記憶している。なお、類似文書データに関する情報は、類似文書データそのものに加えて、類似文書データのファイル名や、類似文書データを識別するＩＤなどを含む情報であるとよい。

【0031】

抽出部２２は、対象文書データに含まれる複数の用語を抽出する。なお、抽出部２２は、ＯＣＲ（Optical Character Recognition）等の技術を用いて、対象文書データに含まれる複数の用語を文字情報等として識別し、抽出してもよい。

【0032】

取得部２３は、対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する。

【0033】

重み付け部２４は、取得部２３により取得された複数の類似文書データそれぞれに重み付けをする。具体的には、重み付け部２４は、複数の類似文書データそれぞれに含まれる共通用語の数に基づいて、複数の類似文書データそれぞれに重み付けをする。本実施形態においては、共通の用語の数が重み付け値に対応する。

【0034】

評価部２５は、複数の共通用語それぞれを評価する。具体的には、評価部２５は、少なくとも第１の共通の用語を含む複数の類似文書データに含まれる共通の用語の数を合算した合算値を、第１の共通の用語を含む類似文書データの数で割ることで、第１の共通用語の評価結果（評価値）を算出する。

【0035】

類似度算出部２６は、評価部２５による複数の用語それぞれの評価結果に基づいて、対象文書データに対する複数の類似文書データそれぞれの類似度を算出する。具体的には、類似度算出部２６は、類似文書データに含まれる共通用語の評価値を合算することで類似文書データの類似度を算出する。

【0036】

表示制御部２７は、類似度に応じて表示順に並び替えて複数の類似文書データに関する情報を表示部１５の表示画面に表示させる。具体的には、表示制御部２７は、図２に示すように、類似度が高い順に複数の類似文書データに関する情報を表示部１５の表示画面に表示させるとよい。

【0037】

次に、図１、図２、図５～図８を参照して、本実施形態における類似度算出の具体例を説明する。図５は、複数の共通用語と、それらを含む類似文書データに対応する類似プロジェクトの一例を示す図である。図６は、各類似プロジェクトに対応する類似文書データにおける共通用語の数の一例を示す図である。図７Ａ～７Ｅはそれぞれ、共通用語を含む類似文書データに対応する類似プロジェクトの一例を示す図である。図８は、各共通用語の評価値の一例を示す図である。

【0038】

ここでは、ユーザが図１に示す対象プロジェクトと類似する類似プロジェクトを検索する場合の例を説明する。まず、ユーザが操作部１４を操作することにより、図２に示す画面に表示される「ファイル選択」ボタンをクリックし、図１に示す対象プロジェクトに対応する対象文書データを選択する。そして、ユーザが操作部１４を操作することにより、図２に示す画面に表示される「検索」ボタンをクリックする。

【0039】

抽出部２２は、対象文書データに含まれる複数の用語を抽出する。取得部２３は、対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通する用語を含む複数の類似文書データに関する情報を、類似文書データ記憶部２１から読みだして取得する。

【0040】

図５においては、共通用語が「コンクリート」、「ニューマチックケーソン」、「クレーン」、「ハイドキャリア」、「ホスピタルロック」、「植生工」、「軽量盛土工」、「品川区」の８つである例を示している。また、図５においては、これら共通用語の少なくともいずれか１つを含む類似文書データとして、類似プロジェクトＰＪ２～ＰＪ９それぞれに対応する類似文書データが取得された例を示している。

【0041】

次に、重み付け部２４が、取得部２３により取得された複数の類似文書データそれぞれに重み付けをする。図６に示すように、類似プロジェクトＰＪ２に対応する類似文書データに含まれる共通用語は３つである。そのため、類似プロジェクトＰＪ２に対応する類似文書データの重み付け値を３とする。同様に、類似プロジェクトＰＪ３～ＰＪ９に対応する類似文書データに含まれる共通用語の数に応じて、それらの重み付け値をそれぞれ、５、５、３、３、３、４、２とする。

【0042】

次に、評価部２５が、複数の類似文書データそれぞれの重み付け値に基づいて、複数の共通用語それぞれを評価する。具体的には、評価部２５は、各共通用語において、その共通用語を含む類似文書データの重み付け値の合算値を、その共通用語を含む類似文書データの数で割った値を評価値とする。以下、評価値の算出をさらに具体的に説明する。

【0043】

図７Ａに示すように、共通用語「コンクリート」は、類似プロジェクトＰＪ２～ＰＪ９それぞれに対応する類似文書データに含まれている用語である。そのため、共通用語「コンクリート」の評価値は、（３＋５＋５＋３＋３＋３＋４＋２）／８＝３．５となる。「コンクリート」のように多くの類似文書データに含まれる用語の評価値は比較的低くなる。すなわち、「コンクリート」の類似度への寄与は小さい。

【0044】

図７Ｂに示すように、共通用語「ニューマチックケーソン」は、類似プロジェクトＰＪ２～ＰＪ４、ＰＪ７それぞれに対応する類似文書データに含まれている用語である。そのため、共通用語「ニューマチックケーソン」の評価値は、（３＋５＋５＋３）／４＝４となる。

【0045】

図７Ｃに示すように、共通用語「ハイドキャリア」は、類似プロジェクトＰＪ３、ＰＪ４それぞれに対応する類似文書データに含まれている用語である。そのため、共通用語「ハイドキャリア」の評価値は、（５＋５）／２＝５となる。「ハイドキャリア」を含む類似文書データは多くの共通用語を含むため、「ハイドキャリア」の評価値は比較的高くなる。すなわち、「ハイドキャリア」の類似度への寄与は大きい。

【0046】

図７Ｄに示すように、共通用語「ホスピタルロック」は、類似プロジェクトＰＪ３、ＰＪ４それぞれに対応する類似文書データに含まれている用語である。そのため、共通用語「ホスピタルロック」の評価値は、（５＋５）／２＝５となる。「ホスピタルロック」を含む類似文書データは多くの共通用語を含むため、「ホスピタルロック」の評価値は比較的高くなる。すなわち、「ホスピタルロック」の類似度への寄与は大きい。

【0047】

図７Ｅに示すように、共通用語「植生工」は、類似プロジェクトＰＪ５、ＰＪ６それぞれに対応する類似文書データに含まれている用語である。そのため、共通用語「植生工」の評価値は、（３＋３）／２＝３となる。「植生工」を含む類似文書データは少ない共通用語を含むため、「植生工」の評価値は比較的低くなる。すなわち、「植生工」の類似度への寄与は小さい。

【0048】

図示は省略するが、同様の計算により、共通用語「クレーン」の評価値は３．５となり、共通用語「軽量盛土工」の評価値は３．７となり、共通用語「品川区」の評価値は４となる。

【0049】

以上のように、本実施形態においては、多くの共通用語を含む類似プロジェクトＰＪ３とＰＪ４に含まれる共通用語の評価値が高くなる。ただし、多くの類似プロジェクトに含まれる共通用語「コンクリート」の評価値は比較的低くなる。

【0050】

次に、類似度算出部２６は、評価部２５による複数の共通用語それぞれの評価値（評価結果）に基づいて、対象文書データに対する複数の類似文書データそれぞれの類似度を算出する。具体的には、類似度算出部２６は、各類似文書データにおいて、その類似文書データに含まれる共通用語の評価値を合算することにより類似度を算出する。

【0051】

具体的には、類似プロジェクトＰＪ２に対応する類似文書データにおいては、共通用語「コンクリート」、「ニューマチックケーソン」、「クレーン」の評価値を合算して、３．５＋４＋３．５＝１１が類似度として算出される。

【0052】

同様の計算により、図２に示すように、類似プロジェクトＰＪ３に対応する類似文書データにおいては類似度が２１となり、類似プロジェクトＰＪ４に対応する類似文書データにおいては類似度が２１．２となり、類似プロジェクトＰＪ５に対応する類似文書データにおいては類似度が１０となり、類似プロジェクトＰＪ６に対応する類似文書データにおいては類似度が１０となり、類似プロジェクトＰＪ７に対応する類似文書データにおいては類似度が１１となり、類似プロジェクトＰＪ８に対応する類似文書データにおいては類似度が１４．７となり、類似プロジェクトＰＪ９に対応する類似文書データにおいては類似度が７．２となる。

【0053】

このように、対象文書データと多くの用語が共通する類似文書データの類似度は高くなる。また、含まれる共通用語の評価値が高いほど、その類似文書データの類似度は高くなる。本実施形態においては、評価値の高い「ハイドキャリア」、「ホスピタルロック」を含み、かつ多くの共通用語を含む類似プロジェクトＰＪ３及びＰＪ４の類似度が高くなっている。

【0054】

次に、表示制御部２７が、類似度の算出結果を表示部１５の表示画面に表示させる。具体的には、表示制御部２７は、類似度が高い順に複数の類似文書データに関する情報を表示部１５の表示画面に表示させる。本実施形態においては、図２に示すように、類似度が最も高い類似プロジェクトＰＪ４に関する情報が最も上に表示され、次に類似度が高い類似プロジェクトＰＪ３に関する情報が表示される。以下、類似度が高い順に並んでいる。

【0055】

また、図２に示すように、表示制御部２７は、類似プロジェクトに関する情報を、その類似度の値と併せて表示させるとよい。これにより、ユーザは各類似プロジェクトに関する情報にアクセスするか否かを容易に判断することができる。例えば、図２に示す例においては、類似度が２番目と３番目の類似プロジェクトでは類似度の差が大きいため、ユーザは類似度が３番目以降の類似プロジェクトにはアクセスしないという判断をすることができる。また、類似度が高いＰＪ４、３にアクセスした上で、類似度が比較的近いＰＪ８、ＰＪ２、ＰＪ７、ＰＪ５、ＰＪ６にはアクセスし、それらよりも類似度が小さく、かつ類似度の差が大きいＰＪ９にはアクセスしないという判断をすることができる。

【0056】

また、図２に示すように、表示制御部２７は、各類似文書データに含まれる共通用語を評価値順に表示部１５の表示画面に表示させるとよい。表示される共通用語は、その類似文書データに含まれる全ての共通用語であってもよいし、評価値が上位の共通用語のみであってもよい。これにより、ユーザは、類似文書データの類似度がどのような共通用語により構成されていたのかを把握でき、共通用語の種類に応じて当該類似文書データにアクセスするか否かの判断をすることができる。

【0057】

次に、図９を参照して、本実施形態に係る類似度算出システムにおける処理フローを説明する。図９は、本実施形態に係る類似度算出システムにおける処理フローを示すフローチャートである。

【0058】

まず、ユーザが選択した対象文書データの入力を受け付け、抽出部２２により対象文書データに含まれる複数の用語を抽出する（ステップＳ１）。次に、取得部２３により、対象文書データに含まれる複数の用語のうち少なくともいずれか１つと共通の用語を含む複数の類似文書データを取得する（ステップＳ２）。次に、評価部２５により、複数の類似文書データそれぞれに含まれる共通の用語の数に基づいて、共通の用語を評価する（ステップＳ３）。次に、評価部２５による複数の類似文書データそれぞれに含まれる１又は複数の共通の用語の評価値に基づいて、対象文書データに対する複数の類似文書データそれぞれの類似度を算出する（ステップＳ４）。そして、表示制御部２７により、類似度が高い順に複数の類似文書データを並び替えて、複数の類似文書データに関する情報を表示する（ステップＳ５）。

【0059】

以上説明した本実施形態においては、精度良く類似度を算出することができる。その結果、ユーザは検索したい文書データに容易にアクセスすることが可能となる。

【0060】

なお、共通用語の評価や、類似文書データの類似度の計算手法は本実施形態で説明したものに限られるものではない。例えば、図７Ａで示した「コンクリート」のように多くの文書データで共通する用語については、含まれる類似文書データの数に応じて更に評価値を下げる又は評価値を０にする処理を行ってもよい。また、例えば、類似度は、共通用語の評価値に所定の重み付けをして、重み付けがされた評価値を合算して算出されるものであってもよい。所定の重みは、例えば、用語のカテゴリーに応じたものであるとよい。具体的には、例えば、施工内容を示す用語については重み付けを高くし、施工日時を示す用語については重み付けを低く設定するとよい。

【0061】

なお、本実施形態においては、建設事業における施工計画に関して類似度の高い文書を検索する例を説明したが、適用分野はこれに限られるものではない。

【符号の説明】

【0062】

１１ 制御部、１２ 通信部、１３ 記憶部、１４ 操作部、１５ 表示部、２１ 類似文書データ記憶部、２２ 抽出部、２３ 取得部、２４ 重み付け部、２５ 評価部、２６ 類似度算出部、２７ 表示制御部、１００ 類似度算出システム。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7A】

【図7B】

【図7C】

【図7D】

【図7E】

【図8】

【図9】