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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-03-03
(45)【発行日】2025-03-11
(54)【発明の名称】情報処理装置、分類方法、および分類プログラム
(51)【国際特許分類】
G06F 16/906 20190101AFI20250304BHJP
【ＦＩ】
G06F16/906
【請求項の数】
4
(21)【出願番号】P 2023510002
(86)(22)【出願日】2021-03-31
(86)【国際出願番号】 JP2021013770
(87)【国際公開番号】W WO2022208706
(87)【国際公開日】2022-10-06
【審査請求日】2023-09-15
(73)【特許権者】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】110000338
【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ
(72)【発明者】
【氏名】小山田 昌史
【審査官】松尾 真人
(56)【参考文献】
【文献】特開２００８－２０４４４４（ＪＰ，Ａ）
【文献】特開２００９－２６６２０４（ＪＰ，Ａ）
【文献】特開２０１０－０２６７８２（ＪＰ，Ａ）
(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】
階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段と、
前記対象データについて検索することにより得られた上位の検索結果から下位の検索結果までを示す対象関連情報と、前記カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示すカテゴリ関連情報とが類似している程度に基づいて前記適合度を算出すると共に、前記対象関連情報と、前記上位カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示す上位カテゴリ関連情報とが類似している程度に基づいて前記上位適合度を算出する適合度算出手段と、を備え、
前記適合度算出手段は、前記対象関連情報および前記カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記適合度を算出し、前記対象関連情報および前記上位カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記上位適合度を算出する、情報処理装置。
【請求項2】
前記適合度算出手段は、前記適合度と前記上位適合度から、前記分類手段が前記分類に用いる総合適合度を算出し、前記総合適合度の算出において、前記適合度の重みを、前記上位適合度の重みよりも重くする、請求項１に記載の情報処理装置。
【請求項3】
少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得することと、
前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類することと、
前記対象データについて検索することにより得られた上位の検索結果から下位の検索結果までを示す対象関連情報と、前記カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示すカテゴリ関連情報とが類似している程度に基づいて前記適合度を算出することと、
前記対象関連情報と、前記上位カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示す上位カテゴリ関連情報とが類似している程度に基づいて前記上位適合度を算出することと、を含み、
前記適合度の算出においては、前記対象関連情報および前記カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記適合度を算出し、
前記上位適合度の算出においては、前記対象関連情報および前記上位カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記上位適合度を算出する、分類方法。
【請求項4】
コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、
前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、および
前記対象データについて検索することにより得られた上位の検索結果から下位の検索結果までを示す対象関連情報と、前記カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示すカテゴリ関連情報とが類似している程度に基づいて前記適合度を算出すると共に、前記対象関連情報と、前記上位カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示す上位カテゴリ関連情報とが類似している程度に基づいて前記上位適合度を算出する適合度算出手段、として機能させ、
前記適合度算出手段は、前記対象関連情報および前記カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記適合度を算出し、前記対象関連情報および前記上位カテゴリ関連情報に示される上位から下位までの各検索結果の類似の程度に基づいて前記上位適合度を算出する、分類プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、分類対象のデータをカテゴリに分類する情報処理装置等に関する。
【背景技術】
【0002】
近年では、様々なデータが大量に収集・蓄積されるようになったことに伴い、蓄積されたデータを効果的に利用するための分類に要するコストも増大している。このようなコストを抑えるための技術として、例えば下記の特許文献１が挙げられる。下記の特許文献１には、ネットワークを介して販売される商品またはサービスに関する商品データを様々なカテゴリに分類する情報処理装置が開示されている。
【0003】
より詳細には、特許文献１に記載されている情報処理装置は、階層的なカテゴリに分類された商品データを学習データとして、入力された商品データが示す商品に対して階層的なカテゴリの分類結果を出力するように学習された分類器を用いてカテゴリを決定する。この情報処理装置によれば、自動で商品データを分類することができるので、商品データの分類にかかる人的コストを削減することができる。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１９－１６４４０２号
【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、特許文献１のように機械学習により構築した分類器を用いる場合、カテゴリ毎に十分な学習データがないと高精度な分類結果を出力できないという問題がある。本発明の一態様は、機械学習により構築した分類器を用いることなく、データを自動で分類することができる情報処理装置等を提供することを目的としている。
【課題を解決するための手段】
【0006】
本発明の一側面に係る情報処理装置は、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段と、を備える。
【0007】
本発明の一側面に係る分類方法は、少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得することと、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類することと、を含む。
【0008】
本発明の一側面に係る分類プログラムは、コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、および前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、として機能させる。
【発明の効果】
【0009】
本発明の一態様によれば、機械学習により構築した分類器を用いることなく、データを自動で分類することができる。
【図面の簡単な説明】
【0010】
【図1】本発明の例示的実施形態１に係る情報処理装置の構成を示すブロック図である。
【図2】本発明の例示的実施形態１に係る分類方法の流れを示すフロー図である。
【図3】本発明の例示的実施形態２に係る情報処理装置の構成を示すブロック図である。
【図4】上記情報処理装置による総合適合度の算出例を示す図である。
【図5】上記情報処理装置が実行する分類方法を説明する図である。
【図6】本発明の例示的実施形態３に係る情報処理装置の構成を示すブロック図である。
【図7】上記情報処理装置による、ウェブ検索で検出されたウェブページ間の類似度に基づく適合度の算出例を示す図である。
【図8】上記情報処理装置が実行する分類方法の流れを示すフロー図である。
【図9】本発明の各例示的実施形態に係る情報処理装置の各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータの一例を示す図である。
【発明を実施するための形態】
【0011】
〔例示的実施形態１〕
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。
【0012】
（情報処理装置１の構成）
本例示的実施形態に係る情報処理装置１の構成について、図１を参照して説明する。図１は、情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、データ取得部１１と分類部１２を備えている。
本例示的実施形態に係る情報処理装置１の構成について、図１を参照して説明する。図１は、情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、データ取得部１１と分類部１２を備えている。
【0013】
データ取得部１１は、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得する。
【0014】
分類部１２は、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する。
【0015】
以上のように、本例示的実施形態に係る情報処理装置１においては、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得部１１と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類部１２と、を備える、という構成が採用されている。
【0016】
カテゴリが階層構造となっている場合、対象データを正しいカテゴリに分類できたときには、対象データと上位カテゴリとの適合度が高くなることが多い。例えば、「タピ茶」という商品名が対象データであるとする。そして、この対象データの正しい分類が、上位カテゴリ「茶」であり、下位カテゴリ「タピオカミルクティー」であるとする。この場合、「タピ茶」は、「タピオカミルクティー」への適合度が高いと共に、「茶」への適合度も高い。
【0017】
よって、あるカテゴリに対する適合度のみならず、その上位カテゴリに対する適合度に基づいて対象データの分類を行う上記の構成によれば、カテゴリに対する適合度のみからは適切なカテゴリを特定できないような場合にも、対象データを適切なカテゴリに分類することが可能になる。
【0018】
例えば、上述の例で、下位カテゴリに「タピオカサワー」という分類が存在したとする。この場合、「タピ茶」と「タピオカサワー」の適合度と、「タピ茶」と「タピオカミルクティー」の適合度に差が出ないか、または「タピオカサワー」の適合度の方が高くなることも考えられる。このような場合であっても、「タピオカサワー」の上位カテゴリが例えば「アルコール」であれば、「タピ茶」の「アルコール」に対する適合度は、「タピ茶」の「茶」に対する適合度よりも低くなると考えられる。よって、上位カテゴリに対する適合度に基づいて分類することにより、「タピ茶」を「タピオカミルクティー」に正しく分類することが可能になる。
【0019】
また、上記の構成によれば、機械学習により構築した分類器を用いる必要がない。このように、上記の構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができるという効果が得られる。
【0020】
（変換パターン決定プログラム）
上述の情報処理装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る分類プログラムは、コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、および前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、として機能させる、という構成が採用されている。このため、本例示的実施形態に係る分類プログラムによれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができるという効果が得られる。
上述の情報処理装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る分類プログラムは、コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、および前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、として機能させる、という構成が採用されている。このため、本例示的実施形態に係る分類プログラムによれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができるという効果が得られる。
【0021】
（分類方法の流れ）
本例示的実施形態に係る分類方法の流れについて、図２を参照して説明する。図２は、分類方法の流れを示すフロー図である。なお、この分類方法における各ステップの実行主体は、情報処理装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
本例示的実施形態に係る分類方法の流れについて、図２を参照して説明する。図２は、分類方法の流れを示すフロー図である。なお、この分類方法における各ステップの実行主体は、情報処理装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
【0022】
Ｓ１１では、少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得する。
【0023】
Ｓ１２では、少なくとも１つのプロセッサが、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する。
【0024】
以上のように、本例示的実施形態に係る分類方法においては、少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得することと、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類することと、を含む、という構成が採用されている。このため、本例示的実施形態に係る分類方法によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができるという効果が得られる。
【0025】
〔例示的実施形態２〕
（情報処理装置２の構成）
図３に基づいて情報処理装置２の構成を説明する。図３は、情報処理装置２の構成を示すブロック図である。図示のように、情報処理装置２は、情報処理装置２の各部を統括して制御する制御部２０と、情報処理装置２が使用する各種データを記憶する記憶部２１を備えている。また、情報処理装置２は、情報処理装置２が他の装置と通信するための通信部２２、情報処理装置２に対する各種データの入力を受け付ける入力部２３、情報処理装置２が各種データを出力するための出力部２４を備えている。
（情報処理装置２の構成）
図３に基づいて情報処理装置２の構成を説明する。図３は、情報処理装置２の構成を示すブロック図である。図示のように、情報処理装置２は、情報処理装置２の各部を統括して制御する制御部２０と、情報処理装置２が使用する各種データを記憶する記憶部２１を備えている。また、情報処理装置２は、情報処理装置２が他の装置と通信するための通信部２２、情報処理装置２に対する各種データの入力を受け付ける入力部２３、情報処理装置２が各種データを出力するための出力部２４を備えている。
【0026】
また、制御部２０には、データ取得部２０１、分類先データ取得部２０２、階層構造特定部２０３、適合度算出部２０４、および分類部２０５が含まれている。そして、記憶部２１には、分類先データ２１１および階層情報２１２が記憶されている。
【0027】
データ取得部２０１は、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得する。対象データは、分類の対象となり得るものであればよく、例えばテキストデータ、画像データ、または音声データ等を対象データとしてもよい。対象データは、例えばデータベースやデータテーブルに含まれるアイテム名等であってもよい。
【0028】
分類先データ取得部２０２は、対象データの分類先となる複数のカテゴリを示す分類先データ２１１を取得して、対象データの分類先の候補となるカテゴリを特定する。分類先のカテゴリは、少なくとも２階層の階層構造を有するものであれば特に制限はなく、所望のカテゴリを予め分類先データ２１１に規定しておけばよい。
【0029】
階層構造特定部２０３は、カテゴリの階層構造を示す階層情報２１２に基づいて、分類先の候補の各カテゴリの上位のカテゴリを特定する。具体的には、階層情報２１２には、分類先データ２１１に示される各カテゴリについて、その上位カテゴリと下位カテゴリが示されている。なお、最上位のカテゴリには下位カテゴリのみが示され、最下位のカテゴリには上位カテゴリのみが示されている。よって、階層構造特定部２０３は、階層情報２１２を参照することにより、分類先データ取得部２０２が取得した分類先の候補の各カテゴリの上位カテゴリを特定することができる。
【0030】
適合度算出部２０４は、対象データが、分類先データ取得部２０２の特定した分類先の候補のカテゴリに適合する度合いを示す適合度を算出する。また、適合度算出部２０４は、対象データが、階層構造特定部２０３が特定した上位カテゴリに適合する度合いを示す上位適合度を算出する。そして、適合度算出部２０４は、適合度と上位適合度から、分類部２０５が分類に用いる総合適合度を算出する。これらの各適合度の算出方法は図４に基づいて後述する。
【0031】
分類部２０５は、適合度算出部２０４が算出する総合適合度に基づいて、対象データを複数のカテゴリの何れかに分類する。上述のように、総合適合度は、対象データがカテゴリに適合する度合いを示す適合度と上位適合度とに基づいて算出されるから、分類部２０５は、対象データがカテゴリに適合する度合いを示す適合度と上位適合度とに基づいて対象データを分類しているといえる。
【0032】
（総合適合度の算出方法）
総合適合度の算出方法を図４に基づいて説明する。図４は、総合適合度の算出例を示す図である。この例では、対象データが「タピ茶」であり、分類先の候補が小分類のカテゴリ「ビール」と「タピオカミルクティー」である。
総合適合度の算出方法を図４に基づいて説明する。図４は、総合適合度の算出例を示す図である。この例では、対象データが「タピ茶」であり、分類先の候補が小分類のカテゴリ「ビール」と「タピオカミルクティー」である。
【0033】
この例では、分類先データ取得部２０２は、分類先データ２１１から、小分類のカテゴリ「ビール」と「タピオカミルクティー」を分類先の候補として取得する。そして、階層構造特定部２０３は、「ビール」の上位カテゴリが「アルコール」であることを特定すると共に、「タピオカミルクティー」の上位カテゴリが「お茶」であることを特定する。なお、階層構造特定部２０３は、さらに上位のカテゴリについても特定してもよい。
【0034】
次に、適合度算出部２０４が、対象データとカテゴリとの適合度ａｄａ（Ｉ，Ｃ）を算出すると共に、対象データと上位カテゴリとの上位適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，ｐａｒｅｎｔ（Ｃ））を算出する。
【0035】
対象データとカテゴリとの適合度ａｄａ（Ｉ，Ｃ）は、その対象データがそのカテゴリに該当する可能性が高いほど大きい値となるような指標値であればよい。例えば、「タピ茶」と「お茶」のように、対象データ名とカテゴリ名とが類似している場合、その対象データがそのカテゴリに該当する可能性が高いといえる。このため、例えば、対象データ名とカテゴリ名との類似度を、それらの名称に含まれる文字列の共通性等に基づいて算出したものを適合度ａｄａ（Ｉ，Ｃ）としてもよい。また、後述する例示的実施形態３のように、対象データに関連する対象データ関連情報と、カテゴリに関連するカテゴリ関連情報との類似度を適合度ａｄａ（Ｉ，Ｃ）としてもよい。
【0036】
図４の例において、対象データ「タピ茶」の、カテゴリ「ビール」に対する適合度ａｄａ（Ｉ，Ｃ）と、対象データ「タピ茶」のカテゴリ「アルコール」（「ビール」の上位カテゴリ）に対する上位適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，ｐａｒｅｎｔ（Ｃ））は、何れも０．０５と算出されている。また、対象データ「タピ茶」の、カテゴリ「タピオカミルクティー」に対する適合度ａｄａ（Ｉ，Ｃ）は、０．９７と算出され、対象データ「タピ茶」の、上位カテゴリ「お茶」に対する上位適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，ｐａｒｅｎｔ（Ｃ））は、０．９５と算出されている。
【0037】
ここで、適合度算出部２０４は、図４に示す数式（１）で総合適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，Ｃ）を算出してもよい。なお、数式（１）におけるαは０から１の間で設定される重み値である。数式（１）を用いる場合、αが０．５未満のときに、対象データのカテゴリに対する適合度ａｄａ（Ｉ，Ｃ）に対する重みが、対象データの上位カテゴリに対する上位適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，ｐａｒｅｎｔ（Ｃ））に対する重みよりも重くなる。このため、αは０．５未満とすることが好ましい。また、上位カテゴリのさらに上位のカテゴリについては、上位カテゴリよりもさらに重みを小さくすることが好ましい。これにより、分類先の候補のカテゴリに近いものにより高い影響度を持たせることができる。
【0038】
例えば、α＝０．２とした場合、「タピ茶」の「ビール」に対する総合適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，Ｃ）＝０．８×０．０５＋０．２×０．０５＝０．０５となる。また、「タピ茶」の「タピオカミルクティー」に対する総合適合度ａｄａｒｅｃｕｒｓｉｖｅ（Ｉ，Ｃ）＝０．８×０．９７＋０．２×０．９５＝０．９７となる。
【0039】
分類部２０５は、このようにして算出した、各カテゴリについての総合適合度に基づいて対象データを分類する。図４の例では、分類部２０５は、総合適合度がより高い「タピオカミルクティー」に「タピ茶」を分類する。
【0040】
以上のように、本例示的実施形態に係る情報処理装置２は、対象データのカテゴリに対する適合度と上位適合度から、分類部２０５が分類に用いる総合適合度を算出する適合度算出部２０４を備えている。そして、適合度算出部２０４は、総合適合度の算出において、適合度の重みを、上位適合度の重みよりも重くしてもよい。
【0041】
上記の構成によれば、対象データのあるカテゴリに対する適合度の重みを、そのカテゴリの上位カテゴリに対する適合度の重みよりも重くして総合適合度を算出し、分類部２０５はこの総合適合度を用いて対象データを分類する。このため、本例示的実施形態に係る情報処理装置２によれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、対象データのカテゴリに対する適合度を重視して対象データを分類することができるという効果が得られる。
【0042】
（分類方法の流れ）
本例示的実施形態に係る分類方法の流れについて、図５を参照して説明する。図５は、情報処理装置２が実行する分類方法を説明する図である。なお、図５には、分類方法の流れを示すフローチャートと共に、対象データとその対象データの分類先となるカテゴリの階層構造の例を示している。
本例示的実施形態に係る分類方法の流れについて、図５を参照して説明する。図５は、情報処理装置２が実行する分類方法を説明する図である。なお、図５には、分類方法の流れを示すフローチャートと共に、対象データとその対象データの分類先となるカテゴリの階層構造の例を示している。
【0043】
Ｓ２１では、データ取得部２０１が、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得する。例えば、図示のように、対象データが「タピ茶」という単語（商品名）であれば、データ取得部２０１は「タピ茶」というテキストデータを対象データとして取得する。
【0044】
Ｓ２２では、分類先データ取得部２０２が、記憶部２１に記憶されている分類先データ２１１を取得し、Ｓ２１で取得された対象データの分類先の候補となるカテゴリを特定する。例えば、図５の例において、対象データの「タピ茶」を小分類のカテゴリに分類する場合、分類先データ取得部２０２は、分類先データ２１１に示される大分類から小分類までの各カテゴリのうち、小分類のカテゴリである「ビール」、「焼酎」、「タピオカミルクティー」、および「緑茶」を特定する。
【0045】
Ｓ２３では、階層構造特定部２０３が、階層情報２１２に基づいて、Ｓ２２で特定されたカテゴリの上位カテゴリを特定する。なお、階層構造特定部２０３は、特定した上位カテゴリにさらに上位のカテゴリがある場合には、そのカテゴリについても特定してもよい。また、この処理は、最上位のカテゴリを特定するまで繰り返してもよい。例えば、大分類、中分類、小分類の３階層のカテゴリが規定されている場合に、Ｓ２２で小分類のカテゴリが特定されたときには、階層構造特定部２０３は、少なくとも中分類のカテゴリを特定し、さらに大分類のカテゴリについても特定してもよい。なお、Ｓ２２で特定されたカテゴリに上位のカテゴリが存在しない場合には、対象関連情報とカテゴリ関連情報の類似度に基づいて分類を行えばよい。
【0046】
例えば、図５に示すカテゴリのうち「ビール」がＳ２２で特定された場合、階層構造特定部２０３は、上位カテゴリとして少なくとも「アルコール」を特定すればよく、「アルコール」の上位カテゴリである「ドリンク」についても特定してもよい。他のカテゴリについても同様である。
【0047】
Ｓ２４では、適合度算出部２０４が、Ｓ２２で特定された複数のカテゴリの中から１つを選択する。そして、続くＳ２５では、適合度算出部２０４は、Ｓ２１で取得された対象データの、Ｓ２２で特定された各カテゴリに対する適合度をそれぞれ算出する。また、適合度算出部２０４は、Ｓ２１で取得された対象データの、Ｓ２３で特定された各上位カテゴリに対する上位適合度についてもそれぞれ算出する。そして、Ｓ２６では、適合度算出部２０４は、Ｓ２５で算出した各適合度から総合適合度を算出する。
【0048】
Ｓ２７では、適合度算出部２０４は、Ｓ２２で特定された複数のカテゴリの全てについて総合適合度の算出が終了しているか否かを判定する。ここで終了していると判定された場合（Ｓ２７でＹＥＳ）にはＳ２８の処理に進む。一方、適合度算出部２０４は、終了していないと判定した場合（Ｓ２７でＮＯ）にはＳ２４の処理に戻り、総合適合度の算出に用いられていないカテゴリを１つ選択する。
【0049】
例えば、Ｓ２２では図５に示すカテゴリのうち小分類の４つのカテゴリが特定され、Ｓ２３では各カテゴリについて中分類と大分類のカテゴリがそれぞれ特定されたとする。この場合、Ｓ２４～Ｓ２７の処理では、「タピ茶」のカテゴリ「ビール」に対する適合度が算出されると共に、「タピ茶」の上位カテゴリ「アルコール」および「ドリンク」のそれぞれに対する上位適合度が算出されて、これらの適合度および上位適合度から「タピ茶」のカテゴリ「ビール」に対する総合適合度が算出される。また、残り３つの小分類のカテゴリ「焼酎」、「タピオカミルクティー」、および「緑茶」についても同様にして総合適合度が算出される。
【0050】
Ｓ２８では、分類部２０５が、Ｓ２２で特定された複数のカテゴリのうち、総合適合度が最も高いカテゴリに対象データを分類する。これにより、図５の分類方法は、終了する。
【0051】
〔例示的実施形態３〕
本発明の第３の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態２にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付記し、その説明を繰り返さない。
本発明の第３の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態２にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付記し、その説明を繰り返さない。
【0052】
（情報処理装置２Ａの構成）
本例示的実施形態に係る情報処理装置２Ａの構成を図６に基づいて説明する。図６は、情報処理装置２Ａの構成を示すブロック図である。情報処理装置２Ａは、図３に示した情報処理装置２と比べて、関連情報取得部２０４Ａを備えている点、および適合度算出部２０４が適合度算出部２０４Ｂに変わっている点で相違している。
本例示的実施形態に係る情報処理装置２Ａの構成を図６に基づいて説明する。図６は、情報処理装置２Ａの構成を示すブロック図である。情報処理装置２Ａは、図３に示した情報処理装置２と比べて、関連情報取得部２０４Ａを備えている点、および適合度算出部２０４が適合度算出部２０４Ｂに変わっている点で相違している。
【0053】
関連情報取得部２０４Ａは、対象データに関連する対象関連情報と、その対象データの分類先の候補のカテゴリに関連するカテゴリ関連情報と、そのカテゴリの上位のカテゴリに関連する上位カテゴリ関連情報と、を取得する。
【0054】
対象関連情報は、対象データに関連した情報であればよい。同様に、カテゴリ関連情報は、カテゴリに関連した情報であればよく、上位カテゴリ関連情報は、上位カテゴリに関連した情報であればよい。なお、以下では、対象関連情報、カテゴリ関連情報、および上位カテゴリ関連情報をまとめて単に関連情報と呼ぶ場合がある。これらの関連情報の取得方法については後述する。
【0055】
適合度算出部２０４Ｂは、対象関連情報とカテゴリ関連情報とが類似している程度に基づいて対象データのカテゴリに対する適合度を算出する。また、適合度算出部２０４Ｂは、対象関連情報と上位カテゴリ関連情報とが類似している程度に基づいて上位適合度を算出する。
【0056】
以上のように、本例示的実施形態に係る情報処理装置２Ａは、対象データに関連する対象関連情報と、カテゴリに関連するカテゴリ関連情報とが類似している程度に基づいて適合度を算出すると共に、対象関連情報と、上位カテゴリに関連する上位カテゴリ関連情報とが類似している程度に基づいて上位適合度を算出する適合度算出部２０４Ｂを備えている。
【0057】
対象データに関連する対象関連情報と、カテゴリに関連するカテゴリ関連情報とが類似している場合、対象データはそのカテゴリに適合している可能性が高い。同様に、対象関連情報と、上位カテゴリに関連する上位カテゴリ関連情報とが類似している場合、対象データはその上位カテゴリに適合している可能性が高い。
【0058】
よって、対象関連情報とカテゴリ関連情報とが類似している程度に基づいて算出した適合度と、対象関連情報と上位カテゴリ関連情報とが類似している程度に基づいて算出した上位適合度に基づいて対象データの分類を行う上記の構成によれば、対象データを適切なカテゴリに分類することができるという効果が得られる。
【0059】
（関連情報の取得方法）
関連情報取得部２０４Ａは、検索により関連情報を取得してもよい。検索場所は、対象データに関連する可能性がある各種情報が記録されている場所であればよい。例えば、関連情報取得部２０４Ａは、対象データに関連する情報を、対象データに関連する可能性がある各種情報を記録した関連情報ＤＢ（データベース）内で検索し、この検索で検出された情報を対象関連情報として取得してもよい。関連情報ＤＢは、記憶部２１に記憶されていてもよいし、情報処理装置２Ａの外部の装置に記憶されていてもよく、複数の場所に分散して設けられていてもよい。
関連情報取得部２０４Ａは、検索により関連情報を取得してもよい。検索場所は、対象データに関連する可能性がある各種情報が記録されている場所であればよい。例えば、関連情報取得部２０４Ａは、対象データに関連する情報を、対象データに関連する可能性がある各種情報を記録した関連情報ＤＢ（データベース）内で検索し、この検索で検出された情報を対象関連情報として取得してもよい。関連情報ＤＢは、記憶部２１に記憶されていてもよいし、情報処理装置２Ａの外部の装置に記憶されていてもよく、複数の場所に分散して設けられていてもよい。
【0060】
例えば、対象データが商品の名称を示すテキストデータである場合、各種商品についての説明文や、各種商品についてのレビュー等の各種テキストデータを記録した関連情報ＤＢを用いてもよい。この他にも、例えば、対象データと関連する商品やサービスを扱う企業のデータベースやデータレイクを関連情報ＤＢとして利用してもよい。
【0061】
また、例えば、対象データと関連し得る様々な商品やサービスに関する各種データを対象としたデータエンリッチメントにより抽出された各種データを格納するデータベースを関連情報ＤＢとして利用してもよい。データエンリッチメントとは、対象となるデータに関連する各種情報を抽出してそのデータの付加情報とすることにより、対象となるデータの利用価値を高めるサービスである。また、この場合、情報処理装置２Ａが決定したカテゴリを対象データに関連する情報として関連情報ＤＢに追加してもよい。この場合、情報処理装置２Ａは、対象データのデータエンリッチメントを行っているともいえる。
【0062】
また、対象データが画像データである場合には、関連情報取得部２０４Ａは、対象データと類似した画像や対象データに関連するテキストデータを関連情報ＤＢ内で検索してもよい。
【0063】
また、例えば、関連情報取得部２０４Ａは、対象データについてウェブ検索を行うことにより得られた検索結果を対象関連情報として取得してもよい。何れの検索においても、検索方法は特に限定されず、例えばテキストデータによる検索であれば、全文一致検索を行ってもよいし、部分一致検索を行ってもよい。
【0064】
また、関連情報取得部２０４Ａは、対象関連情報と同様にして、分類先の候補のカテゴリに関連するカテゴリ関連情報を取得すると共に、そのカテゴリの上位のカテゴリに関連する上位カテゴリ関連情報を取得する。
【0065】
なお、各関連情報の取得方法は同じであってもよいし、異なっていてもよい。また、異なる取得方法で取得された各情報を関連情報としてもよい。例えば、関連情報取得部２０４Ａは、対象データについてウェブ検索を行うことにより得られた検索結果と、対象データについて関連情報ＤＢ内の検索を行うことにより得られた検索結果の両方を対象関連情報として取得してもよい。
【0066】
（関連情報間の類似度の算出方法と類似度に基づく適合度の算出方法）
適合度算出部２０４Ｂは、上述のようにして取得された各関連情報間の類似度を算出し、その類似度に基づいて対象データとカテゴリの適合度を算出する。ここでは、関連情報間の類似度の算出方法と、類似度に基づく適合度の算出方法について図７に基づいて説明する。図７は、ウェブ検索で検出されたウェブページ間の類似度に基づく適合度の算出例を示す図である。
適合度算出部２０４Ｂは、上述のようにして取得された各関連情報間の類似度を算出し、その類似度に基づいて対象データとカテゴリの適合度を算出する。ここでは、関連情報間の類似度の算出方法と、類似度に基づく適合度の算出方法について図７に基づいて説明する。図７は、ウェブ検索で検出されたウェブページ間の類似度に基づく適合度の算出例を示す図である。
【0067】
図７には、対象データ「タピ茶」の検索結果のうち、最も上位の検索結果として検出されたウェブページＰＩ
１と、２番目に上位の検索結果として検出されたウェブページＰＩ
２を示している。また、図７には、カテゴリ「お茶」の検索結果のうち、最も上位の検索結果であるウェブページＰＣ
１と、２番目に上位の検索結果であるウェブページＰＣ
２を示している。
【0068】
このように、対象データである「タピ茶」についてウェブ検索を行うことにより「タピ茶」という文字列を含む様々なウェブページが検出される。同様に、カテゴリ「お茶」についてウェブ検索を行うことにより「お茶」という文字列を含む様々なウェブページが検出される。なお、関連情報取得部２０４Ａは、ウェブ検索結果の全てを関連情報とする必要はなく、類似度の算出に必要な検索結果を関連情報として取得すればよい。例えば、関連情報取得部２０４Ａは、ウェブ検索結果のうち上位の所定数を関連情報として取得してもよい。
【0069】
適合度算出部２０４Ｂは、検出されたウェブページ間の類似度ｓｉｍ（ＰＩ
ｉ，ＰＣ
ｊ）を用いて、対象データ「タピ茶」の検索結果と、カテゴリ「お茶」の検索結果との類似度を算出してもよい。
【0070】
例えば、適合度算出部２０４Ｂは、類似度を算出する対象となるウェブページあるいはドキュメントで使用されている単語の重複度合い、ドメイン名の重複度合い、またはファイルパスに含まれる単語の重複度合いを、ウェブページ間の類似度ｓｉｍ（ＰＩ
ｉ，ＰＣ
ｊ）として算出してもよい。例えば、重複度合いをJaccard-Indexで算出してもよく、この場合、ウェブページ間の類似度ｓｉｍ（ＰＩ
ｉ，ＰＣ
ｊ）は下記の数式で表される。
ｓｉｍ（ＰＩ ｉ，ＰＣ ｊ）＝Ｊ（ｂｏｗ（ＰＩ ｉ），ｂｏｗ（ＰＣ ｊ））
なお、ｂｏｗ（ＰＩ ｉ）は、ウェブページＰＩ ｉにおける単語のカウント値からなる多重集合である。同様に、ｂｏｗ（ＰＣ ｊ）は、ウェブページＰＣ ｊにおける単語のカウント値からなる多重集合である。無論、Jaccard-Indexは一例にすぎず、各検索結果から得られる集合間の類似度を算出する任意の手法を適用することができる。
ｓｉｍ（ＰＩ ｉ，ＰＣ ｊ）＝Ｊ（ｂｏｗ（ＰＩ ｉ），ｂｏｗ（ＰＣ ｊ））
なお、ｂｏｗ（ＰＩ ｉ）は、ウェブページＰＩ ｉにおける単語のカウント値からなる多重集合である。同様に、ｂｏｗ（ＰＣ ｊ）は、ウェブページＰＣ ｊにおける単語のカウント値からなる多重集合である。無論、Jaccard-Indexは一例にすぎず、各検索結果から得られる集合間の類似度を算出する任意の手法を適用することができる。
【0071】
適合度算出部２０４Ｂは、上述のようにして算出した各ウェブページ間の類似度を用いて、図７に示す数式（２）により、対象データとカテゴリの適合度を算出してもよい。数式（２）におけるｒ（ｉ，ｊ）は重みである。つまり、数式（２）を用いる場合、適合度算出部２０４Ｂは、ウェブページ間の類似度にその検索順位に応じた重みｒ（ｉ，ｊ）を乗じるという演算を、１位から１０位までの各検索順位の全ての組み合わせについて行い、各演算結果の和を対象データとカテゴリとの適合度として算出する。
【0072】
無論、重みを乗じることは必須ではない。ただし、重みを乗じることにより、妥当な類似度が算出される確度を高めることが可能になるので、重みを乗じることは好ましい。例えば、上位の検索結果間の類似の程度に対する重みを下位の検索結果間の類似の程度に対する重みよりも重くしてもよい。これは、上位の検索結果は下位の検索結果よりも対象データやカテゴリと関連の深いものとなることが多いためである。具体的には、例えば、ｒ（ｉ，ｊ）＝（１／ｉ）・（１／ｊ）としてもよい。
【0073】
なお、図７に示した類似度の算出方法は、関連情報ＤＢを対象とした検索の検索結果の類似度の算出にも同様に適用することができる。また、対象データと上位カテゴリの適合度、すなわち上位適合度についても上記と同様にして算出することができる。
【0074】
ここで、ウェブまたは関連情報ＤＢを対象として検索を行った場合、対象データやカテゴリと関連の深いものから低いものまで、様々な検索結果が得られる可能性がある。このため、対象関連情報およびカテゴリ関連情報に含まれる検索結果が、何れも対象データやカテゴリと関連の低いものであった場合には、妥当な類似度が算出されないことも考えられる。
【0075】
そこで、本例示的実施形態に係る情報処理装置２Ａにおいては、以上のように、対象データについて検索することにより得られた上位の検索結果から下位の検索結果までを示す対象関連情報を用いてもよい。また、カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示すカテゴリ関連情報を用いてもよい。さらに、上位カテゴリについて検索することにより得られた上位の検索結果から下位の検索結果までを示す上位カテゴリ関連情報を用いてもよい。この場合、適合度算出部２０４Ｂは、各関連情報が示す上位から下位までの各検索結果の類似の程度に基づいて適合度を算出する。
【0076】
この構成によれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、各関連情報の中に、対象データ、カテゴリ、および上位カテゴリと関連の高い検索結果が含まれる可能性を高めて、適合度の確度を高めることができるという効果が得られる。また、各関連情報に対象データ、カテゴリ、および上位カテゴリと関連の低い検索結果が含まれていたとしても、全体として妥当な適合度を算出することが可能になる。
【0077】
また、以上のように、本例示的実施形態に係る情報処理装置２Ａにおいては、適合度算出部２０４Ｂは、適合度の算出において、上位の検索結果間の類似の程度に対する重みを下位の検索結果間の類似の程度に対する重みよりも重くする、という構成を採用してもよい。
【0078】
上位の検索結果は下位の検索結果よりも対象データやカテゴリと関連の深いものとなることが多い。このため、本例示的実施形態に係る情報処理装置２Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、妥当な適合度が算出される確度を高めることができるという効果が得られる。
【0079】
（分類方法の流れ）
本例示的実施形態に係る分類方法の流れについて、図８を参照して説明する。図８は、情報処理装置２Ａが実行する分類方法の流れを示すフロー図である。なお、Ｓ３１～Ｓ３３、およびＳ３９～Ｓ４１は、図５のＳ２１～Ｓ２３、およびＳ２７～Ｓ２９と同様であるからここでは説明を繰り返さない。
本例示的実施形態に係る分類方法の流れについて、図８を参照して説明する。図８は、情報処理装置２Ａが実行する分類方法の流れを示すフロー図である。なお、Ｓ３１～Ｓ３３、およびＳ３９～Ｓ４１は、図５のＳ２１～Ｓ２３、およびＳ２７～Ｓ２９と同様であるからここでは説明を繰り返さない。
【0080】
Ｓ３４では、関連情報取得部２０４Ａが、Ｓ３１で取得された対象データの関連情報である対象関連情報を取得する。例えば、関連情報取得部２０４Ａは、対象データについて検索した検索結果のうち上位所定件数を対象関連情報として取得してもよい。
【0081】
Ｓ３５では、関連情報取得部２０４Ａは、Ｓ３２で特定された複数のカテゴリの中から１つを選択する。そして、続くＳ３６では、関連情報取得部２０４Ａは、Ｓ３５で選択したカテゴリに関連する情報をカテゴリ関連情報として取得する。例えば、関連情報取得部２０４Ａは、Ｓ３４と同様に、カテゴリについて検索した検索結果のうち上位所定件数をカテゴリ関連情報として取得してもよい。
【0082】
Ｓ３７では、関連情報取得部２０４Ａは、Ｓ３５で選択されたカテゴリの上位カテゴリ（Ｓ３３で特定されたもの）に関連する情報を上位カテゴリ関連情報として取得する。例えば、関連情報取得部２０４Ａは、Ｓ３４、Ｓ３６と同様に、上位カテゴリについて検索した検索結果のうち上位所定件数を上位カテゴリ関連情報として取得してもよい。
【0083】
Ｓ３８では、適合度算出部２０４Ｂが、Ｓ３４で取得された対象関連情報と、Ｓ３６で取得されたカテゴリ関連情報との類似度に基づいて、対象データのカテゴリに対する適合度を算出する。また、適合度算出部２０４Ｂは、Ｓ３４で取得された対象関連情報と、Ｓ３７で取得された上位カテゴリ関連情報との類似度に基づいて、対象データの上位カテゴリに対する上位適合度を算出する。そして、Ｓ３９では、適合度算出部２０４Ｂは、Ｓ３８で算出した適合度と上位適合度から総合適合度を算出する。
【0084】
〔変形例〕
上述の各例示的実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。つまり、相互に通信可能な複数の装置により、情報処理装置１、２、２Ａと同様の機能を有する情報処理システムを構築することができる。例えば、図３および図６に示す各ブロックを複数の装置に分散して設けることにより、情報処理装置２、２Ａと同様の機能を有する情報処理システムを構築することができる。
上述の各例示的実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。つまり、相互に通信可能な複数の装置により、情報処理装置１、２、２Ａと同様の機能を有する情報処理システムを構築することができる。例えば、図３および図６に示す各ブロックを複数の装置に分散して設けることにより、情報処理装置２、２Ａと同様の機能を有する情報処理システムを構築することができる。
【0085】
〔ソフトウェアによる実現例〕
情報処理装置１、２、２Ａの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
情報処理装置１、２、２Ａの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
【0086】
後者の場合、情報処理装置１、２、２Ａは、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図９に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを情報処理装置１、２、２Ａとして動作させるためのプログラムＰが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、情報処理装置１、２、２Ａの各機能が実現される。
【0087】
プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。
【0088】
なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。
【0089】
また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。
【0090】
〔付記事項１〕
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
【0091】
〔付記事項２〕
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
【0092】
（付記１）
階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段と、を備える情報処理装置。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段と、を備える情報処理装置。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
【0093】
（付記２）
前記適合度と前記上位適合度から、前記分類手段が前記分類に用いる総合適合度を算出する適合度算出手段を備え、前記適合度算出手段は、前記総合適合度の算出において、前記適合度の重みを、前記上位適合度の重みよりも重くする、付記１に記載の情報処理装置。この構成によれば、対象データのカテゴリに対する適合度を重視して対象データを分類することができる。
前記適合度と前記上位適合度から、前記分類手段が前記分類に用いる総合適合度を算出する適合度算出手段を備え、前記適合度算出手段は、前記総合適合度の算出において、前記適合度の重みを、前記上位適合度の重みよりも重くする、付記１に記載の情報処理装置。この構成によれば、対象データのカテゴリに対する適合度を重視して対象データを分類することができる。
【0094】
（付記３）
前記対象データに関連する対象関連情報と、前記カテゴリに関連するカテゴリ関連情報とが類似している程度に基づいて前記適合度を算出すると共に、前記対象関連情報と、前記上位カテゴリに関連する上位カテゴリ関連情報とが類似している程度に基づいて前記上位適合度を算出する適合度算出手段を備える、付記１または２に記載の情報処理装置。この構成によれば、対象データを適切なカテゴリに分類することができる。
前記対象データに関連する対象関連情報と、前記カテゴリに関連するカテゴリ関連情報とが類似している程度に基づいて前記適合度を算出すると共に、前記対象関連情報と、前記上位カテゴリに関連する上位カテゴリ関連情報とが類似している程度に基づいて前記上位適合度を算出する適合度算出手段を備える、付記１または２に記載の情報処理装置。この構成によれば、対象データを適切なカテゴリに分類することができる。
【0095】
（付記４）
少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得することと、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類することと、を含む分類方法。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
少なくとも１つのプロセッサが、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得することと、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類することと、を含む分類方法。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
【0096】
（付記５）
コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、および前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、として機能させる分類プログラム。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
コンピュータを、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得するデータ取得手段、および前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する分類手段、として機能させる分類プログラム。この構成によれば、機械学習により構築した分類器を用いることなく、対象データを自動で分類することができる。
【0097】
〔付記事項３〕
上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
【0098】
少なくとも１つのプロセッサを備え、前記プロセッサは、階層構造の複数のカテゴリの何れかへの分類の対象となる対象データを取得する処理と、前記対象データが前記カテゴリに適合する度合いを示す適合度と、前記対象データが前記カテゴリの上位カテゴリに適合する度合いを示す上位適合度とに基づいて、当該対象データを複数の前記カテゴリの何れかに分類する処理とを実行する情報処理装置。
【0099】
なお、この情報処理装置は、更にメモリを備えていてもよく、このメモリには、前記対象データを取得する処理と、前記対象データを複数の前記カテゴリの何れかに分類する処理とを前記プロセッサに実行させるための分類プログラムが記憶されていてもよい。また、この分類プログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。
【符号の説明】
【0100】
１ 情報処理装置
１１ データ取得部（データ取得手段）
１２ 分類部（分類手段）
２ 情報処理装置
２０１ データ取得部（データ取得手段）
２０４ 適合度算出部（適合度算出手段）
２０５ 分類部（分類手段）
２Ａ 情報処理装置
２０４Ｂ 適合度算出部（適合度算出手段）
１１ データ取得部（データ取得手段）
１２ 分類部（分類手段）
２ 情報処理装置
２０１ データ取得部（データ取得手段）
２０４ 適合度算出部（適合度算出手段）
２０５ 分類部（分類手段）
２Ａ 情報処理装置
２０４Ｂ 適合度算出部（適合度算出手段）
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】