特開 2025-151924 情報処理装置、情報処理方法及びプログラム

(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】P2025151924

(43)【公開日】2025-10-09

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06F 40/56 20200101AFI20251002BHJP

   G06F 16/35 20250101ALI20251002BHJP

【ＦＩ】

G06F40/56

G06F16/35

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2024053559

(22)【出願日】2024-03-28

(71)【出願人】

【識別番号】000002897

【氏名又は名称】大日本印刷株式会社

(74)【代理人】

【識別番号】110002952

【氏名又は名称】弁理士法人鷲田国際特許事務所

(72)【発明者】

【氏名】加藤 啓路

(72)【発明者】

【氏名】福井 花菜

(72)【発明者】

【氏名】伊藤 直之

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175FA03

(57)【要約】

【課題】生成モデルを利用して文書データの記載内容を効率的に分類するための技術を提供することである。
【解決手段】本開示の一態様は、文書データを取得する取得部と、前記文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成するプロンプト生成部と、前記プロンプトデータを生成モデルに入力し、前記生成モデルからの出力結果に基づいて前記文章を分類する分類部と、を有する、情報処理装置に関する。
【選択図】図１

【特許請求の範囲】

【請求項1】

文書データを取得する取得部と、
前記文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成するプロンプト生成部と、
前記プロンプトデータを生成モデルに入力し、前記生成モデルからの出力結果に基づいて前記文章を分類する分類部と、
を有する、情報処理装置。

【請求項2】

前記プロンプト生成部は、前記文書データのレイアウトに基づいて前記文書データ内の各文章を抽出する、請求項１に記載の情報処理装置。

【請求項3】

前記分類部は、前記文章に対する各カテゴリの分類スコアを決定する、請求項１に記載の情報処理装置。

【請求項4】

前記分類部は、前記文章と前記所定のカテゴリの分類結果との組み合わせを提示する、請求項１に記載の情報処理装置。

【請求項5】

前記分類部は、前記分類スコアのスコア値に応じた表示形態によって、前記文章に対する各カテゴリの分類スコアを表示する、請求項３に記載の情報処理装置。

【請求項6】

前記プロンプト生成部は、各カテゴリに関連するキーワードリストを前記プロンプトデータに記述する、請求項１に記載の情報処理装置。

【請求項7】

前記プロンプト生成部は、前記文書データ内の非テキストデータをテキストデータに変換し、前記テキストデータを前記プロンプトデータに記述する、請求項１に記載の情報処理装置。

【請求項8】

前記分類部は、カテゴリ分類手法による前記文章に対するカテゴリ分類結果にさらに基づいて、前記文章を分類する、請求項１に記載の情報処理装置。

【請求項9】

前記分類部は、前記カテゴリ分類結果による第１の分類スコアと前記生成モデルからの出力結果による第２の分類スコアとの平均値に基づいて、前記文章を分類する、請求項８に記載の情報処理装置。

【請求項10】

前記分類部は、前記カテゴリ分類手法に従って前記文章の第１の分類スコアを算出し、前記算出した第１の分類スコアが所定の閾値以上であるとき、前記プロンプトデータを前記生成モデルに入力する、請求項８に記載の情報処理装置。

【請求項11】

文書データを取得することと、
前記文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成することと、
前記プロンプトデータを生成モデルに入力し、前記生成モデルからの出力結果に基づいて前記文章を分類することと、
を有する、コンピュータが実行する情報処理方法。

【請求項12】

文書データを取得することと、
前記文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成することと、
前記プロンプトデータを生成モデルに入力し、前記生成モデルからの出力結果に基づいて前記文章を分類することと、
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】

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

近年のディープラーニングの進展によって、機械学習技術が広範な技術分野に適用されてきている。例えば、自然言語処理の技術分野では、情報抽出、情報検索、要約生成、機械翻訳、音声認識、対話処理などに利用される機械学習モデルの研究開発が進展している。現在、ＣｈａｔＧＰＴ（登録商標）などの生成モデルを利用した自然言語処理が注目されている。

【0003】

例えば、特許文献１は、生成ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）システムを利用して、インターネット上の求人票データ提供ウェブサイトを巡回し、これらのウェブサイトから取得した求人票原データを整形した求人票データを生成することについて記載している。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特許第７３４９２１９号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

多くの企業は、従業員に業務を適切に実行させるため業務マニュアルを作成し、従業員に業務マニュアルに従って業務を実行させるようにしている。このような業務マニュアルは、しばしば業務部門毎に作成され、複数の業務マニュアルに同一又は類似内容が記載されていることが多い。

【0006】

このような業務マニュアルなどの複数の文書を整理・統合する際、現状は作業者が目検で文書を読み、文書を構成する文章などの記載内容をカテゴリに分類している。このような記載内容の分類は、人手によるコストを要する作業となっている。

【0007】

本開示の課題は、生成モデルを利用して文書データの記載内容を効率的に分類するための技術を提供することである。

【課題を解決するための手段】

【0008】

本開示の一態様は、文書データを取得する取得部と、前記文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成するプロンプト生成部と、前記プロンプトデータを生成モデルに入力し、前記生成モデルからの出力結果に基づいて前記文章を分類する分類部と、を有する、情報処理装置に関する。

【発明の効果】

【0009】

本開示によると、生成モデルを利用して文書データの記載内容を効率的に分類するための技術を提供することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、本開示の一実施例による文章分類処理を示す概略図である。

【図2】図２は、本開示の一実施例による情報処理装置を示す概略図である。

【図3】図３は、本開示の一実施例による情報処理装置のハードウェア構成を示すブロック図である。

【図4】図４は、本開示の一実施例による情報処理装置の機能構成を示すブロック図である。

【図5】図５は、本開示の一実施例によるプロンプトデータを示す図である。

【図6】図６は、本開示の一実施例による生成モデルからの出力結果を示す図である。

【図7】図７は、本開示の一実施例による各文章の分類スコアを示す図である。

【図8】図８は、本開示の一実施例による文章分類処理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】

【0011】

以下、図面を参照して本開示の実施の形態を説明する。

【0012】

以下の実施例では、文章内容を分類する情報処理装置が開示される。

【0013】

［本開示の概略］
後述される実施例による情報処理装置１００は、各文書データが意味のまとまりのある複数の文章から構成されるとき、文書データにおける処理対象の文章の記載内容が何れのカテゴリに分類できるか判定する。具体的には、情報処理装置１００は、文書データを取得すると、文書データから処理対象の文章を抽出し、生成モデル５０に抽出した文章を所定のカテゴリに分類させるためのプロンプトデータを生成する。そして、情報処理装置１００は、生成したプロンプトデータを生成モデル５０に入力し、生成モデル５０からの出力結果に基づいて処理対象の文章のカテゴリを判定する。

【0014】

例えば、情報処理装置１００は、図１に示されるように、“ＸＸ保険申込マニュアル”の文書データを取得すると、処理対象の文章として“本人確認”の記載内容を抽出する。例えば、処理対象の文章は、見出し、目次、文書レイアウト等に基づいて自動抽出されてもよいし、あるいは、ユーザによって指定されてもよい。

【0015】

処理対象の文章が特定されると、情報処理装置１００は、処理対象の文章を生成モデル５０に所定のカテゴリに分類させるためのプロンプトデータを生成する。図１に示される例では、プロンプトデータはまず、“以下の文章を指定するカテゴリに分けてください。各カテゴリに対するスコアも０～１の範囲で出力してください。”という指示文を含み、次に処理対象の文章を含む。さらに、プロンプトデータは、所定のカテゴリとして“１．データ作成、２．提出書類確認、３．申込内容確認、４．受付、５．審査、及び、６．契約関連通知送付”の６つのカテゴリを規定している。なお、図示されたプロンプトデータは、単なる一例に過ぎず、これに限定されるものでない。

【0016】

プロンプトデータを生成すると、情報処理装置１００は、生成したプロンプトデータを生成モデル５０に入力し、生成モデル５０から出力結果を取得する。例えば、図１に示されたプロンプトデータを生成モデル５０に入力した場合、情報処理装置１００は、図１に示されるような出力結果を取得し、生成モデル５０からの出力結果に基づいて処理対象の文章を分類する。図示された例では、処理対象の文章について、“２．提出書類確認”の分類スコアが最も高いことが示されおり、情報処理装置１００は、処理対象の文章を“２．提出書類確認”のカテゴリに分類しうる。

【0017】

すなわち、図２に示されるように、情報処理装置１００は、文書データを取得すると、取得した文書データから処理対象の文章を抽出し、抽出した文章を生成モデル５０に分類させるためのプロンプトデータを生成する。そして、情報処理装置１００は、生成したプロンプトデータを生成モデル５０に入力し、生成モデル５０から出力結果を取得する。情報処理装置１００は、取得した出力結果に基づいて処理対象の文章を分類する。

【0018】

図示された実施例では、生成モデル５０は、例えば、ＣｈａｔＧＰＴ（登録商標）などで利用される言語モデルであってもよく、典型的には、情報処理装置１００の外部のサーバ等に運営・管理されている。しかしながら、本開示は、これに限定されず、例えば、生成モデル５０は、情報処理装置１００に格納されて実行されてもよい。

【0019】

このようにして、情報処理装置１００は、生成モデル５０を利用して、文書データの記載内容を所定のカテゴリに分類することが可能になる。

【0020】

ここで、情報処理装置１００は、サーバ、パーソナルコンピュータ（ＰＣ）、スマートフォン、タブレット等の計算装置によって実現されてもよく、例えば、図３に示されるようなハードウェア構成を有してもよい。すなわち、情報処理装置１００は、バスＢを介し相互接続されるドライブ装置１０１、ストレージ装置１０２、メモリ装置１０３、プロセッサ１０４、ユーザインタフェース（ＵＩ）装置１０５及び通信装置１０６を有する。

【0021】

情報処理装置１００における各種機能及び処理を実現するプログラム又は指示は、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の着脱可能な記憶媒体に格納されてもよい。当該記憶媒体がドライブ装置１０１にセットされると、プログラム又は指示が記憶媒体からドライブ装置１０１を介しストレージ装置１０２又はメモリ装置１０３にインストールされる。ただし、プログラム又は指示は、必ずしも記憶媒体からインストールされる必要はなく、ネットワークなどを介し何れかの外部装置からダウンロードされてもよい。

【0022】

ストレージ装置１０２は、ハードディスクドライブなどによって実現され、インストールされたプログラム又は指示と共に、プログラム又は指示の実行に用いられるファイル、データ等を格納する。

【0023】

メモリ装置１０３は、ランダムアクセスメモリ、スタティックメモリ等によって実現され、プログラム又は指示が起動されると、ストレージ装置１０２からプログラム又は指示、データ等を読み出して格納する。ストレージ装置１０２、メモリ装置１０３及び着脱可能な記憶媒体は、非一時的な記憶媒体（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｓｔｏｒａｇｅ ｍｅｄｉｕｍ）として総称されてもよい。

【0024】

プロセッサ１０４は、１つ以上のプロセッサコアから構成されうる１つ以上のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、処理回路（ｐｒｏｃｅｓｓｉｎｇ ｃｉｒｃｕｉｔｒｙ）等によって実現されてもよく、メモリ装置１０３に格納されたプログラム、指示、当該プログラム若しくは指示を実行するのに必要なパラメータなどのデータ等に従って、情報処理装置１００の各種機能及び処理を実行する。

【0025】

ユーザインタフェース（ＵＩ）装置１０５は、キーボード、マウス、カメラ、マイクロフォン等の入力装置、ディスプレイ、スピーカ、ヘッドセット、プリンタ等の出力装置、タッチパネル等の入出力装置から構成されてもよく、ユーザと情報処理装置１００との間のインタフェースを実現する。例えば、ユーザは、ディスプレイ又はタッチパネルに表示されたＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）をキーボード、マウス等を操作し、情報処理装置１００を操作する。

【0026】

通信装置１０６は、外部装置、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、セルラーネットワーク等の通信ネットワークとの有線及び／又は無線通信処理を実行する各種通信回路により実現される。

【0027】

しかしながら、上述したハードウェア構成は単なる一例であり、本開示による情報処理装置１００は、他の何れか適切なハードウェア構成により実現されてもよい。

【0028】

［情報処理装置］
図４は、本開示の一実施例による情報処理装置１００の機能構成を示すブロック図である。図４に示されるように、情報処理装置１００は、取得部１１０、プロンプト生成部１２０及び分類部１３０を有する。取得部１１０、プロンプト生成部１２０及び分類部１３０の各機能部は、情報処理装置１００のメモリ装置１０３に格納されているコンピュータプログラムがプロセッサ１０４によって実行されることによって実現されてもよい。

【0029】

取得部１１０は、文書データを取得する。ここで、文書データは、上述したような業務マニュアルに限定されず、例えば、分類対象の文章を含む任意の文書データであってもよい。ここでの文書データは、ＷＯＲＤファイルなどのファイル形式に限定されず、テキストデータ、ＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）データ、Ｅｘｃｅｌファイル、ＰｏｗｅｒＰｏｉｎｔファイル、ＰＤＦ（Ｐｏｒｔａｂｌｅ Ｄｏｃｕｍｅｎｔ Ｆｏｒｍａｔ）ファイルなど、文章を含む任意のファイル形式の電子データなどであってもよい。また、文書データは、英数字等の文字だけでなく、図や画像などを含むものであってもよい。

【0030】

プロンプト生成部１２０は、文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成する。具体的には、プロンプト生成部１２０は、文書データから処理対象の文章を抽出し、抽出した文章を生成モデル５０に分類させるためのプロンプトデータを生成する。

【0031】

一実施例では、プロンプト生成部１２０は、文書データのレイアウトに基づいて文書データ内の各文章を抽出してもよい。一般に、文書データは、意味のまとまりによって章立てされるなど構造化された複数の文章から構成（レイアウト化）され、各文章には、見出しなどが設けられ、まとまった記載内容であることが示されている。プロンプト生成部１２０は、何れか公知の見出し／レイアウト抽出技術に従ってこのような文書データの見出しやレイアウトを特定し、文書データ内の各文章を抽出することができる。

【0032】

処理対象の文章を特定すると、プロンプト生成部１２０は、生成モデル５０に特定した文章を所定のカテゴリに分類させるためのプロンプトデータを生成する。例えば、処理対象の文章として“本人確認”に関する記載内容を特定すると、プロンプト生成部１２０は、図５に示されるように、当該文書をカテゴリに分類させるための指示文、処理対象の文章、所定のカテゴリ、各カテゴリの説明、各カテゴリに関連する単語、及び出力フォーマット例を記述したプロンプトデータを生成してもよい。

【0033】

図５に示されたプロンプトデータでは、指示文として「以下の文章を指定するカテゴリに分けてください。各カテゴリに対するスコアも０～１の範囲で出力してください。注意点：必ず、全てのカテゴリに対するスコアを出力してください。理由も必ず明記してください。」が記述される。この指示文によって、生成モデル５０は、プロンプトデータにおける指示内容を認識することができうる。

【0034】

次に、処理対象の文章として、文書データ内の当該文章のコピー「＃＃＃文章：（１）本人確認 契約者から提出された本人確認書類を元に本人確認を行います。［申込データ入力］画面の本人確認欄のプルダウンから選んで下さい。本人確認書類の例は以下です。運転免許証、パスポート、マイナンバーカード。」が記述される。“＃＃＃文章”によって、指示文の“文章”を明確に規定しうる。

【0035】

次に、所定のカテゴリとして「＃＃＃カテゴリ：１．データ作成 ２．提出書類確認
３．申込内容確認 ４．受付 ５．審査 ６．契約関連通知送付」が記述される。“＃＃＃カテゴリ”によって、指示文の“カテゴリ”を明確に規定しうる。

【0036】

次に、各カテゴリの説明として「＃＃＃各カテゴリの具体的な意味 １．データ作成：申込データベースの操作、入力手順や記載方法などの具体的な行動が記載されています。 ２．提出書類確認：申込書、身分証明書等の書類に対しての確認について記載されています。 ３．申込内容確認：申込データの確認についての説明が記載されています。 ４．受付：審査の受付手続についての説明、具体的な手順についての説明が記載されています。 ５．審査：保険契約の承認可否に関する内容が記載されています。 ６．契約関連通知送付：審査結果や契約条件など、申込者に対する通知の送付についての方法が記載されています。」が記述される。当該記述によって、各カテゴリが具体的にどのような意味を表しているかを明確に規定し、分類精度の向上を図りうる。

【0037】

次に、各カテゴリに関連する単語として「＃＃＃各カテゴリに関連性のある単語 文章中に以下の単語やその類義語を含む場合、単語が属するカテゴリに分けられる可能性が高くなります。 １．データ作成：申込データ、入力、操作、データベース ２．提出書類確認：申込書、証明書、健康診断書、真正性確認、名義 ３．申込内容確認：氏名、年齢、職業、プラン、期間、金額、面積、同意 ４．受付：受付番号、受付手続 ５．審査：申込者情報審査、リスク評価、健康状態、支払い能力 ６．契約関連通知送付：通知、案内、保険証書」が記述される。すなわち、プロンプト生成部１２０は、各カテゴリに関連するキーワードリストをプロンプトデータに記述してもよい。当該記述によって、各カテゴリにどのような単語や用語が使用されるかを明示し、分類精度の向上を図りうる。

【0038】

最後に、出力フォーマット例として「＃＃＃出力フォーマット例 １．データ作成：０．０ ２．提出書類確認：１．０ ３．申込内容確認：０．０ ４．受付：０．０ ５．審査：０．０ ６．契約関連通知送付：０．０ 理由：○○○」が記述される。当該記述によって、生成モデル５０からの出力結果の書式を規定しうる。

【0039】

プロンプト生成部１２０は、図５に示されるようなプロンプトデータを生成し、生成したプロンプトデータを分類部１３０にわたす。また、プロンプト生成部１２０は、上述したプロンプトデータのうち“＃＃＃文章～”の箇所に処理対象の各文章を入力し、文章データ内の複数の文章を処理してもよい。なお、図示されたプロンプトデータは、単なる一例であり、他の何れか適切な書式の記述内容から構成されてもよい。

【0040】

ここで、文書データが図、表、画像などの非テキストデータを含むケースがある。この場合、プロンプト生成部１２０は、文書データ内の非テキストデータをテキストデータに変換し、テキストデータをプロンプトデータに記述してもよい。具体的には、プロンプト生成部１２０は、ＯＣＲや画像認識ＡＩなどの何れか公知の変換ツールを利用して、図、表や画像などをテキストデータに変換し、当該テキストデータを処理対象の文章に含めるようにしてもよい。なお、生成モデル５０が、テキストデータ以外のデータ形式のデータを処理可能なマルチモーダルタイプの生成モデルである場合、プロンプト生成部１２０は、図、表、画像などの非テキストデータを処理対象の文章としてそのまま含むプロンプトデータを生成してもよい。

【0041】

分類部１３０は、プロンプトデータを生成モデル５０に入力し、生成モデル５０からの出力結果に基づいて文章を分類する。例えば、図５に示されるようなプロンプトデータをプロンプト生成部１２０から取得すると、分類部１３０は、取得したプロンプトデータを生成モデル５０に入力する。このとき、生成モデル５０は、図６に示されるような出力結果を生成し、分類部１３０は、当該出力結果を生成モデル５０から取得する。この出力結果によると、各カテゴリに対して分類スコアが記載されるとともに、当該分類スコアを決定した理由が記載されている。

【0042】

ここでの分類スコアは、例えば、処理対象の文章が当該カテゴリに分類される確度（０～１の実数）を示すものであってもよい。例えば、確度が０に近いほど、処理対象の文章は当該カテゴリに属する可能性が低く、確度が１に近いほど、処理対象の文章は当該カテゴリに属する可能性が高いと解釈されうる。従って、図６に示される出力結果によると、処理対象の文章は、“２．提出書類確認”に該当する可能性が高いと判断されている。

【0043】

このような出力結果を取得すると、分類部１３０は、分類スコアが最も高いカテゴリを分類結果として示してもよい。あるいは、各カテゴリの分類スコアを分類結果として示してもよい。例えば、分類部１３０は、処理対象の文章と所定のカテゴリの分類結果との組み合わせを提示してもよい。例えば、分類部１３０は、図７に示されるような表形式に分類結果を整形して表示してもよい。図示された表形式で示される分類結果によると、処理対象の文書である“（１）本人確認～”に対して、分類部１３０は、図６に示された出力結果に基づいて、各カテゴリの分類スコアを入力してもよい。図７に示された分類結果では、“データ作成”、“申込内容確認”、“受付”、“審査”及び“契約関連通知送付”の各カテゴリに対して、分類スコア“０．０”が入力され、“提出書類確認”のカテゴリに対して、分類スコア“０．９”が入力されている。さらに、この場合、分類部１３０は、分類スコアのスコア値に応じた表示形態によって、文章に対する各カテゴリの分類スコアを表示してもよい。例えば、分類部１３０は、分類スコアの大きさに応じて分類スコアをカラー化又はグレースケール化して、視覚的に強調表示してもよい。

【0044】

一実施例では、分類部１３０は、カテゴリ分類手法による文章に対するカテゴリ分類結果にさらに基づいて、文章を分類してもよい。すなわち、分類部１３０は、上述した生成モデル５０からの出力結果と、ＴＦ－ＩＤＦ（Ｔｅｒｍ Ｆｒｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｑｕｅｎｃｙ）、サポートベクタマシンなどの何れか公知の自然言語処理によるカテゴリ分類手法によるカテゴリ分類結果とを併用して、処理対象の文書を分類してもよい。

【0045】

例えば、分類部１３０は、ＴＦ－ＩＤＦ、サポートベクタマシンなどのカテゴリ分類手法による文章に対するカテゴリ分類結果による第１の分類スコアと、生成モデル５０からの出力結果による第２の分類スコアとの平均値に基づいて、処理対象の文章を分類してもよい。具体的には、分類部１３０は、ＴＦ－ＩＤＦ、サポートベクタマシンなどの何れかのカテゴリ分類手法に従って処理対象の文章に対するカテゴリ分類結果による第１の分類スコアを導出し、生成モデル５０からの出力結果による第２の分類スコアを導出する。そして、分類部１３０は、導出した２つの分類スコアをカテゴリ毎に平均化し、算出したカテゴリ毎の平均値を各カテゴリの分類スコアとして決定してもよい。これにより、何れかのカテゴリ分類手法と生成モデル５０との２つの分類結果を考慮して、処理対象の文章を分類することができる。

【0046】

また、分類部１３０は、カテゴリ分類手法に従って文章の第１の分類スコアを算出し、算出した第１の分類スコアが所定の閾値以上であるとき、文書を所定のカテゴリに分類させるためのプロンプトデータを生成モデル５０に入力してもよい。すなわち、分類部１３０はまず、ＴＦ－ＩＤＦ、サポートベクタマシンなどのカテゴリ分類手法に従って処理対象の文章を分類し、当該分類結果による分類スコアが所定の閾値以上である場合に、生成モデル５０を利用したカテゴリ分類を実行するようにしてもよい。これにより、カテゴリ分類手法による分類結果をさらに確認することができる。

【0047】

［文章分類処理］
次に、図８を参照して、本開示の一実施例による文章分類処理を説明する。図８は、本開示の一実施例による文章分類処理を示すフローチャートである。当該文章分類処理は、例えば、情報処理装置１００によって実行され、より詳細には、情報処理装置１００のプロセッサ１０４がメモリ装置１０３に格納されたコンピュータプログラム又は指示を実行することによって実現されてもよい。また、当該文章分類処理は、ネットワークを介し連携して各ステップを実行する複数の情報処理装置１００によって実現されてもよい。

【0048】

ステップＳ１０１において、情報処理装置１００は、文書データを取得する。例えば、文書データは、ユーザによって提供されてもよいし、あるいは、データベースから抽出されてもよい。

【0049】

ステップＳ１０２において、情報処理装置１００は、文書データ内の文章を所定のカテゴリに分類させるためのプロンプトデータを生成する。このようなプロンプトデータは、典型的には、テキストデータとして生成され、当該テキストデータには、処理対象の文章を含むとともに、各カテゴリ及び／又はその説明と、当該文章をカテゴリに分類させるための指示文とを含むよう構成されてもよい。さらに、プロンプトデータは、各カテゴリに関連するキーワードリストを含むよう構成されてもよい。

【0050】

ステップＳ１０３において、情報処理装置１００は、プロンプトデータを生成モデル５０に入力する。例えば、生成モデル５０が、情報処理装置１００の外部のサーバによって運営されている場合、情報処理装置１００は、当該サーバにプロンプトデータを送信してもよい。あるいは、生成モデル５０が、情報処理装置１００内に格納されている場合、情報処理装置１００は、プロンプトデータを生成モデル５０に入力し、生成モデル５０を実行してもよい。

【0051】

ステップＳ１０４において、情報処理装置１００は、生成モデル５０から出力結果を取得する。

【0052】

ステップＳ１０５において、情報処理装置１００は、出力結果に基づいて文章を分類する。例えば、情報処理装置１００は、図７に示されるように、文書データ内の各文章の見出し及び／又は章立ての項目と、各カテゴリの分類スコアとから構成される表形式のデータとして整形し、分類結果を表示してもよい。

【0053】

上述した実施例によると、生成モデル５０を利用して、文書データを構成する各文章の記載内容を所定のカテゴリに効率的に分類することが可能になる。

【0054】

以上、本開示の実施例について詳述したが、本開示は上述した特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本開示の要旨の範囲内において、種々の変形・変更が可能である。

【符号の説明】

【0055】

５０ 生成モデル
１００ 情報処理装置
１１０ 取得部
１２０ プロンプト生成部
１３０ 分類部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】