(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-12-11
(45)【発行日】2023-12-19
(54)【発明の名称】情報処理装置、情報処理方法、およびプログラム
(51)【国際特許分類】
G06F 16/34 20190101AFI20231212BHJP
【ＦＩ】
G06F16/34
【請求項の数】
9
(21)【出願番号】P 2020009674
(22)【出願日】2020-01-24
(65)【公開番号】P2021117634
(43)【公開日】2021-08-10
【審査請求日】2022-11-29
(73)【特許権者】
【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】100122529
【弁理士】
【氏名又は名称】藤枡 裕実
(74)【代理人】
【識別番号】100135954
【弁理士】
【氏名又は名称】深町 圭子
(74)【代理人】
【識別番号】100119057
【弁理士】
【氏名又は名称】伊藤 英生
(74)【代理人】
【識別番号】100131369
【弁理士】
【氏名又は名称】後藤 直樹
(74)【代理人】
【識別番号】100171859
【弁理士】
【氏名又は名称】立石 英之
(72)【発明者】
【氏名】小林 秀章
【審査官】三橋 竜太郎
(56)【参考文献】
【文献】特開２０１９－１５９９２０（ＪＰ，Ａ）
【文献】岩田 具治 Tomoharu IWATA，分類の評価や特異文書の検出のための文書群の構造可視化 Visualization of Documents for Evaluation of Classification and Detection of Unique Documents，情報処理学会研究報告 Ｖｏｌ．２００４ Ｎｏ．４７ IPSJ SIG Technical Reports，日本，社団法人情報処理学会 Information Processing Society of Japan，2004年05月13日，第2004巻
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
(57)【特許請求の範囲】
【請求項1】
各アイテムに関連する集合は、各アイテムに含まれる集合又は各アイテムに付随する集合の少なくとも一つであり、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、各アイテムをｋ（ｋ≧１）次元空間に配置する情報処理装置であって、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段と、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段と、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段と、
前記算出された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段と、
各アイテムをｋ次元空間に配置するアイテム配置手段と、
を有することを特徴とする情報処理装置。
【請求項2】
前記関心対象カテゴリに属する各アイテムに自然言語で記述された文章が関連付けられている場合に、前記文章に対して形態素解析を行って形態素を抽出する形態素解析手段をさらに有し、前記エントロピー算出手段は、前記抽出された形態素を前記アイテムに関連する集合の要素として用いて、エントロピーの値を算出することを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記特徴ベクトル算出手段は、各前記要素を含む前記アイテムを特定し、特定された前記アイテムの数を前記ｍ次元特徴ベクトルの算出に用いることを特徴とする請求項１または請求項２に記載の情報処理装置。
【請求項4】
前記特徴ベクトル算出手段は、前記アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分の値を、当該アイテムに関連する集合が、前記重要要素の集合の第 ｉ 番目の要素を含むか含まないかに応じて決定することを特徴とする請求項１または請求項２に記載の情報処理装置。
【請求項5】
前記特徴ベクトル算出手段は、各アイテムのｍ次元特徴ベクトルを算出する際、当該アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分を、前記重要要素の集合の第ｉ番目の要素がそのアイテムに関連する集合に出現する確率と、前記重要要素の第ｉ番目の要素が前記和集合に出現する確率との比に基づいて算出することを特徴とする請求項１または請求項２に記載の情報処理装置。
【請求項6】
前記次元削減手段は、主成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする請求項１から請求項５のいずれか一項に記載の情報処理装置。
【請求項7】
前記次元削減手段は、独立成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする請求項１から請求項５のいずれか一項に記載の情報処理装置。
【請求項8】
各アイテムに関連する集合は、各アイテムに含まれる集合又は各アイテムに付随する集合の少なくとも一つであり、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータが、各アイテムをｋ（ｋ≧１）次元空間に配置する情報処理方法であって、
コンピュータが、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出し、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出し、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出し、
前記算出された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減し、
各アイテムをｋ次元空間に配置することを特徴とする情報処理方法。
【請求項9】
各アイテムに関連する集合は、各アイテムに含まれる集合又は各アイテムに付随する集合の少なくとも一つであり、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータに、各アイテムをｋ（ｋ≧１）次元空間に配置させるプログラムであって、
コンピュータを、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段、
前記算出された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段、
各アイテムをｋ次元空間に配置するアイテム配置手段、
として機能させることを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、関心対象とするカテゴリに属する各アイテムに対して、それに関連するデータに基づいて各アイテムの特徴を求め、カテゴリ全体の構造を可視化する技術に関する。
【背景技術】
【0002】
近年、コンピュータネットワーク技術の発展により、膨大なデータが流通するようになってきた。これらのデータは、何らかのアイテムに関連しており、これらのデータを分析することにより、アイテム間の何らかの関係性、意味合いが導き出されることが期待される。
【0003】
このような技術の一例として、アイテムとして文書を用い、これらの文書において重要な単語を提示する技術が開発されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１８－１９５１０８号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、従来の技術では、文書を構成する単語を提示することはできるが、文書を構成する単語を用いて、文書の位置付け、特に多様な文書群の全体における文書の位置付けを分析することが難しいという問題がある。また、文書に限らず、多様なアイテム群の全体におけるアイテムの位置付けを分析することも難しい。
【0006】
そこで、本発明は、関心対象とするカテゴリに属する各アイテムの、カテゴリ内における位置付けを把握することが可能な情報処理装置、情報処理方法、およびプログラムを提供することを課題とする。
【課題を解決するための手段】
【0007】
上記課題を解決するため、本発明は、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、各アイテムをｋ次元空間に配置する情報処理装置であって、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段と、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段と、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段と、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段と、
各アイテムをｋ次元空間に配置するアイテム配置手段と、
を有することを特徴とする情報処理装置を提供する。
関心対象カテゴリに属する各アイテムに関連する集合を用いて、各アイテムをｋ次元空間に配置する情報処理装置であって、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段と、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段と、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段と、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段と、
各アイテムをｋ次元空間に配置するアイテム配置手段と、
を有することを特徴とする情報処理装置を提供する。
【0008】
また、本発明に係る情報処理装置は、
前記関心対象カテゴリに属する各アイテムに自然言語で記述された文章が関連付けられている場合に、前記文章に対して形態素解析を行って形態素を抽出する形態素解析手段をさらに有し、
前記エントロピー算出手段は、前記抽出された形態素の集合を前記アイテムに関連する集合として用いて、エントロピーの値を算出することを特徴とする。
前記関心対象カテゴリに属する各アイテムに自然言語で記述された文章が関連付けられている場合に、前記文章に対して形態素解析を行って形態素を抽出する形態素解析手段をさらに有し、
前記エントロピー算出手段は、前記抽出された形態素の集合を前記アイテムに関連する集合として用いて、エントロピーの値を算出することを特徴とする。
【0009】
また、本発明に係る情報処理装置は、
前記特徴ベクトル算出手段は、各前記要素（例えば単語ｔi）を含む前記アイテム（例えば文書の集合Ｖ（ｔi）の要素）を特定し、特定された前記アイテムの数（集合Ｖ（ｔi）の要素の個数ｈ（ｔi））を前記ｍ次元特徴ベクトルの算出に用いることを特徴とする。
前記特徴ベクトル算出手段は、各前記要素（例えば単語ｔi）を含む前記アイテム（例えば文書の集合Ｖ（ｔi）の要素）を特定し、特定された前記アイテムの数（集合Ｖ（ｔi）の要素の個数ｈ（ｔi））を前記ｍ次元特徴ベクトルの算出に用いることを特徴とする。
【0010】
また、本発明に係る情報処理装置は、
前記特徴ベクトル算出手段は、前記アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分の値を、当該アイテムに関連する集合が、前記重要要素の集合の第 i 番目の要素を含むか含まないかに応じて決定することを特徴とする。
前記特徴ベクトル算出手段は、前記アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分の値を、当該アイテムに関連する集合が、前記重要要素の集合の第 i 番目の要素を含むか含まないかに応じて決定することを特徴とする。
【0011】
また、本発明に係る情報処理装置は、
前記特徴ベクトル算出手段は、各アイテムのｍ次元特徴ベクトルを算出する際、当該アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分を、前記重要要素の集合の第ｉ番目の要素がそのアイテムに関連する集合に出現する確率と、前記重要要素の第ｉ番目の要素が前記和集合に出現する確率との比に基づいて算出することを特徴とする。
前記特徴ベクトル算出手段は、各アイテムのｍ次元特徴ベクトルを算出する際、当該アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分を、前記重要要素の集合の第ｉ番目の要素がそのアイテムに関連する集合に出現する確率と、前記重要要素の第ｉ番目の要素が前記和集合に出現する確率との比に基づいて算出することを特徴とする。
【0012】
また、本発明に係る情報処理装置は、
前記次元削減手段は、主成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする。
前記次元削減手段は、主成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする。
【0013】
また、本発明に係る情報処理装置は、
前記次元削減手段は、独立成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする。
前記次元削減手段は、独立成分分析を用いてｍ次元特徴ベクトルをｋ次元へと次元削減することを特徴とする。
【0014】
また、本発明は、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータが、各アイテムをｋ次元空間に配置する情報処理方法であって、
コンピュータが、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出し、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出し、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出し、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減し、
各アイテムをｋ次元空間に配置することを特徴とする情報処理方法を提供する。
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータが、各アイテムをｋ次元空間に配置する情報処理方法であって、
コンピュータが、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出し、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出し、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出し、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減し、
各アイテムをｋ次元空間に配置することを特徴とする情報処理方法を提供する。
【0015】
また、本発明は、
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータに、各アイテムをｋ次元空間に配置させるプログラムであって、
コンピュータを、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段、
各アイテムをｋ次元空間に配置するアイテム配置手段、
として機能させることを特徴とするプログラムを提供する。
関心対象カテゴリに属する各アイテムに関連する集合を用いて、コンピュータに、各アイテムをｋ次元空間に配置させるプログラムであって、
コンピュータを、
前記関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から各要素のエントロピーの値を算出するエントロピー算出手段、
前記和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する重要要素抽出手段、
前記関心対象カテゴリに属する各アイテムについて、当該各アイテムに関連する集合と、前記抽出された重要要素との関係性に基づいて、当該アイテムについて前記抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する特徴ベクトル算出手段、
前記生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する次元削減手段、
各アイテムをｋ次元空間に配置するアイテム配置手段、
として機能させることを特徴とするプログラムを提供する。
【発明の効果】
【0016】
本発明によれば、関心対象とするカテゴリに属する各アイテムの、カテゴリ内における位置付けを容易に把握することが可能となる。
【図面の簡単な説明】
【0017】
【図1】本発明の一実施形態に係る情報処理装置のハードウェア構成図である。
【図2】本発明の一実施形態に係る情報処理装置の構成を示す機能ブロック図である。
【図3】本発明の一実施形態で用いる文書データベースに記憶された情報の一例を示す図である。
【図4】本発明の一実施形態で用いる単語データベースに記憶された情報の一例を示す図である。
【図5】本発明の一実施形態に係る情報処理装置の処理動作を示すフローチャートである。
【図6】確率ｐとエントロピーＨの関係を示す図である。
【図7】各アイテムに対応するアイコンを配置した状態を説明するための図である。
【図8】各アイテムの配置状態の一例を示す図である。
【図9】行列Ｆを求める第２の手法を説明するための図である。
【発明を実施するための形態】
【0018】
以下、本発明の好適な実施形態について図面を参照して詳細に説明する。
＜１．装置構成＞
図１は、本発明の一実施形態に係る情報処理装置１００のハードウェア構成図である。本実施形態に係る情報処理装置１００は、汎用のコンピュータで実現することができ、図１に示すように、ＣＰＵ（Central Processing Unit）１と、コンピュータのメインメモリであるＲＡＭ（Random Access Memory）２と、ＣＰＵ１が実行するプログラムやデータを記憶するためのハードディスク、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の大容量の記憶装置３と、キーボード、マウス等の指示入力Ｉ／Ｆ（インターフェース）４と、データ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インターフェース）５と、液晶ディスプレイ等の表示デバイスである表示部６と、グラフィックスに特化した演算処理部であるＧＰＵ（Graphics Processing Unit）７と、表示部６に表示する画像を保持するフレームメモリ８と、を備え、互いにバスを介して接続されている。ＧＰＵ７による演算結果はフレームメモリ８に書き込まれるため、ＧＰＵ７とフレームメモリ８は、表示部６へのインタフェースを備えたビデオカードに搭載されて汎用のコンピュータにバス経由で装着されていることが多い。
＜１．装置構成＞
図１は、本発明の一実施形態に係る情報処理装置１００のハードウェア構成図である。本実施形態に係る情報処理装置１００は、汎用のコンピュータで実現することができ、図１に示すように、ＣＰＵ（Central Processing Unit）１と、コンピュータのメインメモリであるＲＡＭ（Random Access Memory）２と、ＣＰＵ１が実行するプログラムやデータを記憶するためのハードディスク、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の大容量の記憶装置３と、キーボード、マウス等の指示入力Ｉ／Ｆ（インターフェース）４と、データ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インターフェース）５と、液晶ディスプレイ等の表示デバイスである表示部６と、グラフィックスに特化した演算処理部であるＧＰＵ（Graphics Processing Unit）７と、表示部６に表示する画像を保持するフレームメモリ８と、を備え、互いにバスを介して接続されている。ＧＰＵ７による演算結果はフレームメモリ８に書き込まれるため、ＧＰＵ７とフレームメモリ８は、表示部６へのインタフェースを備えたビデオカードに搭載されて汎用のコンピュータにバス経由で装着されていることが多い。
【0019】
本実施形態において、ＣＰＵ１は、マルチコアＣＰＵであってもよい。この場合、ＣＰＵ１は、複数のＣＰＵコアを有し、並列処理が可能となっている。図１の例では、ＲＡＭ２が１つだけ示されているが、ＣＰＵ１の各ＣＰＵコアが、１つのＲＡＭ２にアクセスするように構成されている。なお、ＣＰＵ１は複数であってもよい。またマルチコアＣＰＵは、論理的に複数のＣＰＵコアを有するＣＰＵであってもよい。
【0020】
図２は、本実施形態に係る情報処理装置の構成を示す機能ブロック図である。図２において、１０は単語データベース、１１は文書データベース、２０は演算処理部、２１はエントロピー算出手段、２２は重要要素抽出手段、２３は特徴ベクトル算出手段、２４は次元削減手段、２５はアイテム配置手段、２６は形態素解析手段、３０は出力手段である。
【0021】
エントロピー算出手段２１は、関心対象カテゴリに属する全てのアイテムに関連する集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率からエントロピーの値を算出する手段である。重要要素抽出手段２２は、和集合の要素のうちエントロピーの値が一定値以上の要素である重要要素を抽出する手段である。特徴ベクトル算出手段２３は、関心対象カテゴリに属する各アイテムについて、各アイテムに関連する集合と、抽出された重要要素との関係性に基づいて、アイテムについて抽出された重要要素の数ｍ（ｍ≧ｋ）に対応するｍ次元特徴ベクトルを算出する手段である。次元削減手段２４は、生成された各アイテムのｍ次元特徴ベクトルをｋ次元へと次元削減する手段である。アイテム配置手段２５は、各アイテムをｋ次元空間に配置する手段である。形態素解析手段２６は、文書データベース１１から各文書を読み込み、各文書に含まれる単語を抽出する手段である。エントロピー算出手段２１、重要要素抽出手段２２、特徴ベクトル算出手段２３、次元削減手段２４、アイテム配置手段２５、形態素解析手段２６は、演算処理部２０に含まれ、ＣＰＵ１が、プログラムを実行することにより実現される。
【0022】
出力手段３０は、アイテム配置手段２５により各アイテムが配置されたｋ次元空間をグラフィカルに出力する手段であり、データ入出力Ｉ／Ｆ５を介したプリンタや、表示デバイス等の表示部６により実現される。
【0023】
単語データベース１０は、単語を識別する単語ＩＤと単語を対応付けて記憶したデータベースであり、記憶装置３により実現される。文書データベース１１は、テキスト情報からなる文書を、文書を識別する文書ＩＤと対応付けて記憶したデータベースであり、記憶装置３により実現される。文書は例えばテキストファイルの形式で提供される。
【0024】
図３は文書データベース１１に記憶された情報の一例を示す図である。本実施形態では、関心対象カテゴリ（単語データベース１０、文書データベース１１等で管理される所定の文書群）に属する各アイテム（文書：文書の集合の要素）に関連する集合（単語の集合）を入力データとして用いて、各アイテムに対応するアイコンを所定数の次元であるｋ次元空間に配置する処理を行う。ここで、文書データベース１１に記憶された情報、すなわち、文書の集合が関心対象カテゴリとなり、各文書が各アイテムとなる。そして、各文書に含まれる単語の集合が、各文書に関連する集合となる。各アイテムに関連する集合とは、各アイテムに関連付け（対応付け、ひも付け）されている集合を意味し、各アイテムに含まれる集合や、各アイテムに付随する集合を含む。各アイテムに含まれる集合とは、例えば、各アイテムが文書である場合に、その文書に含まれる単語の集合である。通常、文書は自然言語で記述された文章により構成されている。このため、各アイテムが文書である場合、各アイテムに自然言語で記述された文章が関連付けられていることになる。また、各アイテムに付随する集合とは、例えば、各アイテムが何らかのグループである場合に、そのグループに含まれる要素（通常は何らかの単語として表現可能）の集合である。
【0025】
例えば、関心対象カテゴリが映画であったとして、関心対象カテゴリに属する各アイテムが個々の映画作品であるとき、各アイテムに付随する集合として、その映画作品に出演した俳優の集合を採用することができる。また、例えば、関心対象カテゴリが俳優であったとして、関心対象カテゴリに属する各アイテムが個々の俳優であるとき、各アイテムに付随する集合として、その俳優が出演した映画作品の集合を採用することができる。この２例において、映画と俳優の関係は、一方が関心対象で、他方が付随集合であるというデータ構造から、その逆のデータ構造へと変換することが可能である。また、同じ変換をもう一度かけることにより、元の関係に戻すことができる。このような関係性を一般に双対(dual) という。文書と単語との関係性についても、双対な関係に変換することが可能である。すなわち、単語を関心対象とみなし、それぞれの単語を含む文書の集合を付随集合とみなすのである。
【0026】
図３に示すように、文書データベース１１には、文書を識別する文書識別情報である文書ＩＤに対応付けて、文書名、作者名、文書データが対応付けて記憶されている。文書データについては、文書ＩＤの特定により文書データを取得可能なように、文書データの格納アドレスが記録されていればよい。図３の例では、例えば、作者「Ａ氏」の「〇〇〇〇〇」という文書（作品）が、文書ＩＤ「Ｂ００１」として登録されていることを示している。
【0027】
図４は単語データベース１０に記憶された情報の一例を示す図である。図４に示すように、単語データベース１０には、単語を識別する単語識別情報である単語ＩＤに対応付けて、単語、その単語が出現する文書の文書ＩＤが記憶されている。図４の例では、１行目の単語ＩＤ「Ｔ０００１」として登録されている単語が、文書ＩＤ「Ｂ００１」で特定される文書に５回出現しており、文書ＩＤ「Ｂ００２」で特定される文書に３回出現することを意味している。また、２行目の単語ＩＤ「Ｔ０００２」として登録されている単語が、文書ＩＤ「Ｂ００１」で特定される文書に３回出現しており、文書ＩＤ「Ｂ００２」で特定される文書に８回出現することを意味している。
【0028】
単語データベース１０に登録された各単語は、文書ＩＤと対応付けられているため、関心対象カテゴリである文書群（文書データベース１１に登録されたもの）に属する各文書に関連する要素の集合（単語の集合）を記憶していることになる。本実施形態では、この単語データベース１０に記録された単語の情報を入力として、各文書を示すアイコンを所定数の次元の空間であるｋ次元空間に配置することになる。所定数の次元としては、１次元以上であればよく、２次元以上であることが好ましい。すなわち、ｋ≧２であることが好ましい。ここで、単語データベース１０は、図４に示したような構成であるため、逆に文書ＩＤで参照することにより、その文書に出現する全ての単語の単語ＩＤを特定することもできる。図４の例では、単語ＩＤ「Ｔ０００１」として登録されている単語、単語ＩＤ「Ｔ０００２」として登録されている単語のいずれも、文書ＩＤ「Ｂ００１」に関連する集合にも、文書ＩＤ「Ｂ００２」に関連する集合にも含まれることになる。
【0029】
図２に示した各構成手段は、現実には図１に示したように、コンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。本実施形態においては、ＣＰＵがマルチコアＣＰＵであることが好ましい。なお、本明細書において、コンピュータとは、ＣＰＵ、ＧＰＵ等の演算処理部を有し、データ処理が可能な装置を意味し、パーソナルコンピュータなどの汎用コンピュータだけでなく、ＣＰＵを搭載するタブレットなどの携帯端末や様々な装置に組み込まれたコンピュータも含む。
【0030】
＜２．処理動作＞
本実施形態における情報処理装置は、所定の情報処理を実行して、各文書（アイテム）に対応するアイコンをｋ次元空間に配置する。次に、本実施形態に係る情報処理方法とともに、図１、図２に示した情報処理装置の処理動作について説明する。図５は、本実施形態に係る情報処理装置の処理動作を示すフローチャートである。まず、形態素解析手段２６が文書データベース１１から各文書を読み込み、各文書に含まれる単語を抽出する（ステップＳ１０）。具体的には、形態素解析手段２６は、抽出した文書に対して形態素解析を実行し、特定の品詞の単語を抽出する。特定の品詞としては、事前に指定されたものが用いられる。例えば、品詞を「名詞」と指定すれば、名詞の単語のみを抽出する。抽出した単語は、その文書に出現した回数とともに、図４に示したように単語データベース１０に登録される。
本実施形態における情報処理装置は、所定の情報処理を実行して、各文書（アイテム）に対応するアイコンをｋ次元空間に配置する。次に、本実施形態に係る情報処理方法とともに、図１、図２に示した情報処理装置の処理動作について説明する。図５は、本実施形態に係る情報処理装置の処理動作を示すフローチャートである。まず、形態素解析手段２６が文書データベース１１から各文書を読み込み、各文書に含まれる単語を抽出する（ステップＳ１０）。具体的には、形態素解析手段２６は、抽出した文書に対して形態素解析を実行し、特定の品詞の単語を抽出する。特定の品詞としては、事前に指定されたものが用いられる。例えば、品詞を「名詞」と指定すれば、名詞の単語のみを抽出する。抽出した単語は、その文書に出現した回数とともに、図４に示したように単語データベース１０に登録される。
【0031】
ここで、文書データベース１１に登録されている各文書の集合をＶとする。文書の集合Ｖの要素数をｎとする。集合を絶対値記号で挟んだ式は、その集合の要素の個数を表すものとする（以降の他の数式においても同じ）と、ｎ＝｜Ｖ｜と表現される。文書の集合Ｖの各要素、すなわち各文書をｖjとする（ｖj∈Ｖ：ｊ＝１,２,３,・・・,ｎ）。文書の集合が関心対象カテゴリに相当し、各文書ｖjがアイテムに相当する。各文書ｖjから、形態素解析により抽出された特定の品詞の単語の集合をＴjとする。
【0032】
Ｔj＝｛ｔj1, ｔj2, ｔj3,・・・ ｝ ， ｊ＝１,２,３,・・・,ｎ
【0033】
各単語ｔji（単語データベース１０では、単語ＩＤで管理）には、それぞれに付随して、その単語が 文書ｖj（単語データベース１０では、文書ＩＤで管理） の中で出現した回数の値が取得できている（図４参照）。
【0034】
次に、全文書に含まれる全ての単語を抽出する（ステップＳ２０）。具体的には、エントロピー算出手段２１が、単語データベース１０内の全ての単語を抽出する。上述のように、文書ｖjから抽出された単語の集合をＴjと表現することができるが、全ての文書から抽出された単語の集合Ｔは、全ての集合Ｔj（ｊ＝１,２,３,・・・,ｎ）の和集合として求められる。この集合Ｔは、単語データベース１０内の全ての単語の集合となる。以降、どの文書ｖj に出現した単語であるかを問わず、集合Ｔに含まれる個々の単語を参照する際は、ｔiのように表記する（ｔi∈Ｔ）。
【0035】
次に、抽出された全ての単語について、そのエントロピーを算出する（ステップＳ３０）。具体的には、エントロピー算出手段２１が、全ての各単語ｔi（∈Ｔ）について、そのエントロピーの値Ｈ（ｔi）を算出する。エントロピーとは、ある確率分布があるとき、その確率分布に応じて定義される量であり、起こりうる個々の事象が起きたときに得られる情報量の、すべての事象にわたる平均値である。確率分布に偏りが少ないとき、すなわち、一様分布に近いとき、エントロピーの値は大きくなる。
【0036】
エントロピー算出手段２１は、まず、単語ｔiを含む文書の集合Ｖ（ｔi）の要素の個数ｈ（ｔi）をカウントする。具体的には、以下の〔数式１〕に基づき、単語ｔiを含む文書の集合Ｖ（ｔi）を特定し、文書の集合Ｖ（ｔi）の要素の個数ｈ（ｔi）を求める。
【0037】
〔数式１〕
Ｖ（ｔi）（⊆Ｖ）＝｛ｖj∈Ｖ；ｔi∈Ｔj｝
ｈ（ｔi）＝｜Ｖ（ｔi）｜
Ｖ（ｔi）（⊆Ｖ）＝｛ｖj∈Ｖ；ｔi∈Ｔj｝
ｈ（ｔi）＝｜Ｖ（ｔi）｜
【0038】
続いて、各単語 ti (∈Ｔ) について、文書の集合Ｖの中から無作為に選び出した文書ｖjが単語tiを含む確率 p(ti) を求める。具体的には、以下の〔数式２〕 に基づき、単語tiを含む文書の集合Ｖ(ti) の要素の個数 h(ti) を文書数ｎで除算することによって算出する。
【0039】
〔数式２〕
ｐ（ｔi）＝ｈ（ｔi）／ｎ
ｐ（ｔi）＝ｈ（ｔi）／ｎ
【0040】
次に、以下の〔数式３〕に基づき、確率ｐ（ｔi）のベルヌーイ試行のエントロピーＨを算出し、これを単語ｔiのエントロピーＨ（ｔi）とする。
【0041】
〔数式３〕
Ｈ（ｔi）＝－ｐ・ｌｏｇ（ｐ）－（１－ｐ）・ｌｏｇ（１－ｐ）
Ｈ（ｔi）＝－ｐ・ｌｏｇ（ｐ）－（１－ｐ）・ｌｏｇ（１－ｐ）
【0042】
ここで、〔数式３〕に示したエントロピーＨ（ｔi）の関数について図６に示す。図６左側は、確率ｐとエントロピーＨのサンプル値を示す表であり、図６右側は、横軸を確率ｐ、縦軸をエントロピーＨとしたエントロピーＨのグラフである。図６に示すように、エントロピーＨは、確率ｐ＝０．５のとき最大値１．０をとり、確率ｐ＝０．０、確率ｐ＝１．０のとき最小値０．０をとる。ある単語ｔiから算出されるエントロピーＨ(ｔi) の値が高いとは、その単語ｔiが出現するかしないかにより、すべての文書をおよそ半々に分けることができるため、その単語ｔiの価値が高いことを示している。
【0043】
次に、全単語から、重要語群を抽出する（ステップＳ４０）。重要語とは全単語のうち重要である単語であり、文書をアイテムとした場合の重要要素である。全文書に含まれる全ての単語の和集合Ｔを重要語群としてもよいが、和集合Ｔに含まれる単語数が多すぎる場合は、全単語から絞り込み重要語群を抽出する。本実施形態では、各単語ｔiのエントロピーの値により重要語を抽出している。具体的には、エントロピーＨ（ｔi）の値が一定のしきい値Ｈ０以上になっている単語ｔiだけに絞り込み、これを重要語の集合である重要語群Ａとする。重要語群Ａは、以下の〔数式４〕で表現される。
【0044】
〔数式４〕
Ａ＝[ｔi∈Ｔ; Ｈ（ｔi）≧ Ｈ０ ]
Ａ＝[ｔi∈Ｔ; Ｈ（ｔi）≧ Ｈ０ ]
【0045】
しきい値Ｈ０としては、適宜設定することができるが、例えば０．５を設定することができる。エントロピーＨ（ｔi）が０．５以上は、出現確率ｐ（ｔi）が０．１～０．９程度を意味する。このため、エントロピーＨ（ｔi）が０．５以上の単語を重要語として抽出することにより、出現頻度が極端に少なく特殊であると思われる単語や、出現頻度が極端に多く汎用的過ぎると思われる単語を除外することができる。
【0046】
そして、以下のように重要語群Ａの要素の個数（これを重要語数と呼ぶこともある）をｍとする。これは、以下の〔数式５〕で表現される。
【0047】
〔数式５〕
ｍ＝｜Ａ｜
ｍ＝｜Ａ｜
【0048】
重要語数ｍは、エントロピーＨ（ｔi）が比較的高く、出現頻度が程々の単語ｔiの数を示している。そのため、特徴ベクトルを求める際の仮の次元数として適している。特徴ベクトルの成分の数を｜Ｔ｜よりも削減しつつ、文書を類別する上で価値の高い単語を残しているからである。
【0049】
次に、各文書ｖj（∈Ｖ）について、重要語数ｍに対応する次元のベクトルであるｍ次元特徴ベクトルを求める（ステップＳ５０）。そして、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆjiを第ｊ行 第ｉ列成分とするｎ行×ｍ列の行列をＦとすると、行列Ｆは以下の〔数式６〕のように表現される。なお、ｍ次元特徴ベクトルは後に求めるｋ次元特徴ベクトルよりも次元数が大きいか、または、等しく、ｍ≧ｋである。
【0050】
〔数式６〕
Ｆ＝［ｆji］（ｊ＝１,２,３,・・・,ｎ；ｉ＝１,２,３,・・・, ｍ）
Ｆ＝［ｆji］（ｊ＝１,２,３,・・・,ｎ；ｉ＝１,２,３,・・・, ｍ）
【0051】
この行列Ｆの各行ベクトルがｍ次元特徴ベクトルとなる。したがって、行列Ｆの各成分を求めることにより、ｎ個の各文書に対応したｍ次元特徴ベクトルが得られることになる。特に、本実施形態では、〔数式１〕で示したように、各要素（単語ｔi）を含むアイテム（文書ｖj：文書の集合Ｖ（ｔi）の要素）を特定し、特定されたアイテムの数（集合Ｖ（ｔi）の要素の個数ｈ（ｔi））をｍ次元特徴ベクトルの算出に用いるため、より的確な特徴ベクトルを算出することができる。
【0052】
ステップＳ５０において行列Ｆを求める手法として、本実施形態では、第１の手法と第２の手法の２通りの手法を用いている。まず、第１の手法について説明する。第１の手法では、第ｊ番目の文書ｖj（∈Ｖ）と、第ｉ番目の重要語ａi（∈Ａ）の全ての組み合わせに対し、文書ｖj（∈Ｖ）から抽出された単語の集合Ｔjが、重要要素である重要語ａi（∈Ａ）を含んでいるか否かを判定する。そして、文書ｖjから抽出された単語の集合Ｔjが、重要語ａiを含む場合は、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆji＝１とする。一方、文書ｖjから抽出された単語の集合Ｔjが、重要語ａiを含まない場合は、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆji＝０とする。これは、以下の〔数式７〕により表現される。
【0053】
〔数式７〕
ｆji＝１（ｉｆ ａi∈Ｔj）
ｆji＝０（ｏｔｈｅｗｉｓｅ）
ｆji＝１（ｉｆ ａi∈Ｔj）
ｆji＝０（ｏｔｈｅｗｉｓｅ）
【0054】
以上のようにして、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆjiがそれぞれ算出され、ｎ行×ｍ列の行列Ｆ（＝［ｆji］）が得られる。この行列Ｆの各行の列ベクトルは、各文書ｖjに対応するｍ次元特徴ベクトルとなる。このように、第１の手法では、アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分の値を、当該アイテムに関連する集合が、重要語集合の第 i 番目の要素（重要語）を含むか含まないかに応じて決定している。
【0055】
次に、第２の手法について説明する。図９は、行列Ｆを求める第２の手法を説明するための図である。第２の手法では、行列Ｆの各成分を求めるにあたり、いくつかの定義を行う。まず、与えられた任意の単語ｔiが第ｊ番目の文書ｖj（∈Ｖ）の中に出現する回数をＮj（ｔi）と定義する。また、重要語に限定されない全ての単語ｔiが第ｊ番目の文書ｖj（∈Ｖ）の中に出現する回数をＮjと定義する。このように定義すると、以下の〔数式８〕に示すような関係が得られる。
【0056】
〔数式８〕
Ｎj＝ΣiＮj（ｔi）
Ｎj＝ΣiＮj（ｔi）
【0057】
さらに、与えられた任意の単語ｔiが全ての文書ｖj（∈Ｖ）の中に出現する回数をＮ（ｔi）と定義する。このように定義すると、以下の〔数式９〕に示すような関係が得られる。
【0058】
〔数式９〕
Ｎ（ｔi）＝ΣjＮj（ｔi）
Ｎ（ｔi）＝ΣjＮj（ｔi）
【0059】
さらに、重要語に限定されない全ての単語ｔiが全ての文書ｖj（∈Ｖ）の中に出現する回数をＮと定義する。このように定義すると、以下の〔数式１０〕に示すような関係が得られる。
【0060】
〔数式１０〕
Ｎ＝ΣjＮj＝ΣjΣiＮj（ｔi）
Ｎ＝ΣjＮj＝ΣjΣiＮj（ｔi）
【0061】
〔数式８〕〔数式９〕〔数式１０〕におけるΣi、Σj、Ｎj（ｔi）、Ｎj、Ｎ（ｔi）、Ｎの関係は、図９（ａ）に示したようなものになる。
【0062】
次に、与えられた任意の単語ｔiが第ｊ番目の文書ｖj（∈Ｖ）の中に出現する確率をｐj（ｔi）と定義する。与えられた任意の単語ｔiが第ｊ番目の文書ｖj（∈Ｖ）の中に出現する回数Ｎj（ｔi）と、重要語に限定されない全ての単語ｔiが第ｊ番目の文書ｖj（∈Ｖ）の中に出現する回数Ｎjにより、以下の〔数式１１〕のように表現できる。
【0063】
〔数式１１〕
ｐj（ｔi）＝Ｎj（ｔi）／Ｎj
ｐj（ｔi）＝Ｎj（ｔi）／Ｎj
【0064】
さらに、与えられた任意の単語ｔiが全ての文書ｖj（∈Ｖ）の中に出現する確率をｐ（ｔi）と定義する。与えられた任意の単語ｔjが全ての文書ｖj（∈Ｖ）の中に出現する回数Ｎ（ｔj）と、重要語に限定されない全ての単語ｔiが全ての文書ｖj（∈Ｖ）の中に出現する回数Ｎにより、以下の〔数式１２〕のように表現できる。
【0065】
〔数式１２〕
ｐ（ｔi）＝Ｎ（ｔi）／Ｎ
ｐ（ｔi）＝Ｎ（ｔi）／Ｎ
【0066】
〔数式１１〕〔数式１２〕におけるｐj（ｔi）、ｐ（ｔi）、Ｎj（ｔi）、Ｎj、Ｎ（ｔi）、Ｎの関係は、図９（ｂ）に示したようなものになる。図９（ａ）（ｂ）においては、図９（ａ）上段のＮj（ｔi）をＮjで除算したものが、図９（ｂ）上段のｐj（ｔi）であり、図９（ａ）下段のＮ（ｔi）をＮで除算したものが、図９（ｂ）下段のｐ（ｔi）である。
【0067】
以上のように、各種の出現回数Ｎj（ｔi）、Ｎj、Ｎ（ｔi）、Ｎと、出現確率ｐj（ｔi）、ｐ（ｔi）が定義されたら、具体的に、ｎ行×ｍ列の行列Ｆの各成分を求めていく。まず、第ｊ番目の文書ｖj（∈Ｖ）と、第ｉ番目の重要語ａi（∈Ａ）の全ての組み合わせに対し、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆjiを以下の〔数式１３〕のようにして求める。
【0068】
〔数式１３〕
ｆji＝ｇ（ｐj（ａi）／ｐ（ａi））
ｆji＝ｇ（ｐj（ａi）／ｐ（ａi））
【0069】
ここで、ｇ（ｘ）は、傾きを緩和する関数である。〔数式１３〕では、与えられた任意の単語ｔi（ここでは重要語ａi）が第ｊ番目の文書ｖj（∈Ｖ）の中に出現する確率ｐj（ａi）と、与えられた任意の単語ｔi（ここでは重要語ａi）が全ての文書ｖj（∈Ｖ）の中に出現する確率ｐ（ａi）の比である（ｐj（ａi）／ｐ（ａi））に対して、傾きを緩和する関数ｇ（ｘ）を用いることにより、第ｊ番目の文書のｍ次元特徴ベクトルの第ｉ成分ｆjiを求めている。
【0070】
ｇ（ｘ）は、恒等写像ｆ（ｘ）＝ｘ、であってもよい。しかし、その場合、最終的に得られる全アイテムのｋ次元空間配置において、少数のアイテムが極端に遠くに配置されるという不都合が発生することがある。そこで、本実施形態では、ｆjiの値があまり大きくならないように抑制する目的で、傾きを緩和する関数ｇ（ｘ）を用いる。具体的には、関数ｇ（ｘ）がｘについて単調増加であり、微分関数ｇ´（ｘ）がｘについて単調減少であるような関数をｇ（ｘ）として選択する。例えば、以下の〔数式１４〕に示すような関数ｇ（ｘ）を用いることができる。
【0071】
〔数式１４〕
ｇ（ｘ）＝ｌｏｇ2（ｘ＋１）
ｇ（ｘ）＝ｌｏｇ2（ｘ＋１）
【0072】
このような関数ｇ（ｘ）を用いることにより、第ｊ番目の文書の特徴ベクトルの第ｉ成分ｆjiがそれぞれ算出され、ｎ行×ｍ列の行列Ｆ（＝［ｆji］）が得られる。この行列Ｆの各行の列ベクトルは、各文書ｖjに対応するｍ次元特徴ベクトルとなる。以上のように、第２の手法では、各アイテムのｍ次元特徴ベクトルを算出する際、当該アイテムのｍ次元特徴ベクトルの第ｉ番目 (１≦ｉ≦ｍ) の成分を、重要要素の第ｉ番目の要素がそのアイテムに関連する集合に出現する確率と、重要要素の第ｉ番目の要素が和集合に出現する確率との比に基づいて算出している。
【0073】
次に、次元削減を行う（ステップＳ６０）。具体的には、ｍ次元の特徴ベクトルをｋ次元へと次元削減する。「次元削減」は「次元圧縮」と表現することもでき、次元数を減らすことを意味する。次元削減には、ｎ行×ｍ列の行列Ｆを用いる。この行列Ｆを用いて次元削減を行ってｎ行×ｋ列の行列Ｆ´を求める。そして、行列Ｆ´の各行の列ベクトルが各文書ｖjに対応するｋ次元特徴ベクトルとなる。次元削減する手法としては、主成分分析と独立成分分析の２つの手法がある。
【0074】
主成分分析とは、第１主成分の分散を最大化し、第２主成分以降は、それ以前の主成分と直交する条件において分散を最大化するように選択することにより主成分を決定していく分析手法である。独立成分分析とは、多変量の成分を複数の加法的な成分に分離することにより、独立成分を決定していく分析手法である。主成分分析、独立成分分析のいずれも公知の分析手法であり、これらを用いることにより、ｍ次元の特徴ベクトルをｋ次元へと次元削減することができる。行列Ｆを求める２つの手法のうち第１の手法においては、各成分が０か１かの２値の値をとるのみであったが、その場合においても、行列Ｆ´の各成分は任意の実数値をとる。これを必要に応じて適正な範囲に正規化して、ｋ次元の特徴ベクトルが得られる。
【0075】
各文書についてｋ次元の特徴ベクトルが得られたら、アイテム配置手段２５が、各文書をｋ次元空間に配置する（ステップＳ７０）。具体的には、各文書を示すアイコンと、ｋ次元空間における特定の位置座標との対応付けを行う。ｋ次元空間における位置座標は、ｋ次元ベクトルの各成分に相当する値で特定される。そして、各文書のｋ次元空間における配置情報を表示デバイス等の出力手段３０に出力する。出力手段３０は、各アイテムに対応するアイコンを配置した散布状態を鳥観図、平面図等として表示する。
【0076】
＜４．具体的な例＞
次に、具体的なデータを用いた例で説明する。アイテムである文書として、３６編の小説を用いた。このような３６編の文書を、文書を識別する文書ＩＤと対応付けて文書データベース１１に登録しておく。ステップＳ１０において、形態素解析手段２６は、形態素解析を実行し、単語を抽出する。この状態で、抽出した単語を、単語を識別する単語ＩＤと出現した文書の文書ＩＤと対応付けて単語データベース１０に登録する。
次に、具体的なデータを用いた例で説明する。アイテムである文書として、３６編の小説を用いた。このような３６編の文書を、文書を識別する文書ＩＤと対応付けて文書データベース１１に登録しておく。ステップＳ１０において、形態素解析手段２６は、形態素解析を実行し、単語を抽出する。この状態で、抽出した単語を、単語を識別する単語ＩＤと出現した文書の文書ＩＤと対応付けて単語データベース１０に登録する。
【0077】
この単語データベース１０が記憶する情報から、文書ＩＤを特定することにより、その文書ＩＤの文書に出現する単語を特定することができる。ステップＳ２０において、エントロピー算出手段２１が、単語データベース１０内の全ての単語を抽出し、ステップＳ３０において、抽出された全ての単語について、そのエントロピーを算出する。これは、単語データベース１０を、全ての文書ＩＤで参照し、上記〔数式３〕に従った処理を実行してエントロピーを算出することにより行われる。これにより、単語データベース１０内の全ての単語のエントロピーが得られる。
【0078】
そして、ステップＳ４０にて重要要素抽出手段２２が重要要素である重要語を抽出した後、ステップＳ５０にて特徴ベクトル算出手段２３が各文書のｍ次元特徴ベクトルを求め、ステップＳ６０にて、次元削減手段２４がｍ次元からｋ（≦ｍ）次元に削減してｋ次元特徴ベクトルを得る。そして、ステップＳ７０にて、ｋ次元特徴ベクトルを用いて、アイテム配置手段２５が、各文書をｋ次元空間に配置する。配置した情報を表示する際には、指定された１以上の成分に基づき、投影した２次元画像を生成し、出力手段３０から出力する。
【0079】
ステップＳ７０において、アイテム配置手段２５は、ｋ次元特徴ベクトルのｋ個の各成分をｋ個の軸で定義される空間に配置する。出力手段３０として表示デバイス等に出力する場合には、ｋ次元空間を出力することもできるが、特定の成分を指定して指定された成分数の次元で出力することもできる。指定された次元の空間には、その次元に対応する特徴ベクトルの成分に対応する位置に各文書を示すアイコンが配置される。各アイコンには、文書データベース１１に登録されている文書名、作者名を表示する。以上のようにして作成された配置空間の様子を図７に示す。
【0080】
図７は、各文書に対応するアイコンをｋ次元空間に配置した状態を説明するための図である。図７の例では、３つの成分が指定された際の状態を示しており、３つの成分に対応する軸で表現された３次元空間が示されている。図７に示すように、配置を行うことにより、各作品の位置付けが一目瞭然となる。各アイコンの下部には、ｋ次元特徴ベクトルのｋ個の成分のうち指定された成分が示されている（図７の例では３個）。
【0081】
図７は、説明の便宜上、少数の文書の例を示したが、より多数の文書を用いた場合の配置状態を図８に示す。図８の例は、６人の作家についての６つの文書（作品）、計３６文書について対応するアイコンを配置した空間を示す図である。図８では、関心対象カテゴリ（著名な作家群）に属する各アイテム（文書）に関連する集合（単語）を入力データとした、各アイテム（文書）をアイコンとして配置していることになる。
【0082】
図８に示すように、著名な作家群の作品全体の構造を可視化することができる。図８の例では、ｋ個の成分のうち３個を指定した状態を示している。そして、３個の成分全てを用いたＸＹＺの３次元空間を右上に鳥観図として表示し、３個の成分のうち２個の成分を用いた２次元平面を平面図として３つ表示している。図８における２次元平面はＸ－Ｚ、Ｘ－Ｙ、Ｚ－Ｙ成分に対応したものとなっている。なお、実際には、各文書に対応するアイコンは、著者ごとに色分けすることもできる。
【0083】
図７、図８に示したように、関心対象カテゴリに属する各アイテムに対して、それに関連する集合（データ）を用いて各アイテムをｋ次元空間に配置することで、関心対象カテゴリに属するアイテムの分布の全体像を俯瞰的に眺めることができ、そのカテゴリの構造を把握することができる。特に、関心対象カテゴリに属する全てのアイテムに関連する要素の集合の和集合について、その要素がいくつのアイテムに関連する集合の要素であるかに応じて得られる確率から求めたエントロピーを用いることにより、各アイテムをその要素に応じて特徴付けることができる。また、和集合の要素のうちエントロピーの値が一定値以上の要素からなる重要語集合を用いてｍ次元特徴ベクトルを求めることにより、重要な要素に基づいて的確な各アイテムのｍ次元特徴ベクトルを求めることができる。さらに、一旦様々な特徴を組み入れたｍ次元特徴ベクトルを求めた後、選出されたｋ個の成分からなるｋ次元特徴ベクトルを得るため広範な特徴を加味しつつアイテム固有の特徴を特定することができる。ｋ個の成分のうち、特定の成分を指定することにより、任意の成分による分析が可能となる。
【0084】
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、ｍ次元特徴ベクトルをｋ次元へと次元削減する手法として、主成分分析と独立成分分析を用いたが、多くの次元の特徴ベクトルから少ない次元の特徴ベクトルを求めることができれば、どのような手法であってもよい。
【0085】
また、上記実施形態では、関心対象カテゴリに属する各アイテムとして自然言語で記述された文書を用い、この文書を入力データとして、各アイテムである文書を形態素解析することによって、形態素を抽出し、抽出された形態素からなる集合をもって、各アイテムに関連する集合としたが、事前に、各アイテムに関連する集合を用意しておいてもよい。例えば、上記実施形態において、文書データベース１１を用いずに、予め単語データベース１０だけを用意しておき、単語データベース１０に記録された情報だけを用いて、ｋ次元特徴ベクトルを作成し、各アイテムをｋ次元空間に配置することも可能である。
【0086】
また、上記実施形態では、関心対象カテゴリを複数の文書群、各アイテムとして自然言語で記述された文書、入力データとして文書に含まれる単語の集合を用いたが、これ以外にも様々な用途を用いることができる。例えば、複数の会社に関する記事群を収集し、これらの記事群を関心対称カテゴリとして、各会社の月別の記事をアイテムとし、各記事に含まれる単語の集合を入力データとし、各会社の記事の位置付けをｋ次元空間に配置することもできる。また、例えば、複数の商品に関する説明文を収集し、これらの説明文群を関心対称カテゴリとして、各商品をアイテムとし、各商品の説明文に含まれる単語の集合を入力データとし、各商品の位置付けをｋ次元空間に配置することもできる。
【符号の説明】
【0087】
１・・・ＣＰＵ（Central Processing Unit）
２・・・ＲＡＭ（Random Access Memory）
３・・・記憶装置
４・・・指示入力Ｉ／Ｆ
５・・・データ入出力Ｉ／Ｆ
６・・・表示部
７・・・ＧＰＵ
８・・・フレームメモリ
１０・・・単語データベース
１１・・・文書データベース
２０・・・演算処理部
２１・・・エントロピー算出手段
２２・・・重要要素抽出手段
２３・・・特徴ベクトル算出手段
２４・・・次元削減手段
２５・・・アイテム配置手段
２６・・・形態素解析手段
３０・・・出力手段
１００・・・情報処理装置
２・・・ＲＡＭ（Random Access Memory）
３・・・記憶装置
４・・・指示入力Ｉ／Ｆ
５・・・データ入出力Ｉ／Ｆ
６・・・表示部
７・・・ＧＰＵ
８・・・フレームメモリ
１０・・・単語データベース
１１・・・文書データベース
２０・・・演算処理部
２１・・・エントロピー算出手段
２２・・・重要要素抽出手段
２３・・・特徴ベクトル算出手段
２４・・・次元削減手段
２５・・・アイテム配置手段
２６・・・形態素解析手段
３０・・・出力手段
１００・・・情報処理装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
