JP2001167124A

JP2001167124A - 文書分類装置及び文書分類プログラムを記録した記録媒体

Info

Publication number: JP2001167124A
Application number: JP35355699A
Authority: JP
Inventors: Nobuyuki Iwata; 展幸岩田
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1999-12-13
Filing date: 1999-12-13
Publication date: 2001-06-22

Abstract

(57)【要約】【課題】ユーザが意識的に分類のためのカテゴリを決
定することなく、話題性、又はユーザの嗜好に合ったカ
テゴリヘ大量の文書を自動分類する。【解決手段】本発明の文書分類装置は、分類対象文書
１１及び履歴情報１２の文書を記憶する記憶部（図示せ
ず）と、記憶部に記憶されている文書からキーワードを
抽出するキーワード抽出部１と、キーワード抽出部１に
より抽出されるキーワードの重要度、該キーワードを含
む文書の保存日時又は保存場所の少なくとも一つに基づ
いて、該キーワードを上記文書の分類先にする重みを算
出する解析部１０と、解析部１０により算出される各重
みに基づいて、文書を分類する分類部１３と、を備え
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は文書分類装置に関
し、特に、情報を蓄積するシステムにおいて文書のグル
ープから文書を分類する文書分類装置及び文書分類プロ
グラムを記録した記録媒体に関する。

【０００２】

【従来の技術】インターネット等の情報通信網の普及に
伴い、情報提供者等から必要に応じて取得した文書情報
を分類する機会が増えている。

【０００３】本発明に関連する公知技術として、特開平
６−３４８７５５号公報、及び特開平１１−１５８４８
号公報に開示されている文書分類方法がある。上記各公
報に記載されている文書分類方法は、分類済みの文書群
から各分野に固有の単語（キーワード）を抽出し、分類
対象の文書におけるキーワードの出現頻度に基づいて、
分類対象文書の分類先を決定するものである。

【０００４】また、特開平７−１１４５７２号公報に開
示されている文書分類方法は、分類対象文書に含まれる
単語の特徴を表現する特徴ベクトルから文書の特徴を表
現する文書ベクトルを生成し、文書ベクトル間の類似度
を利用して分類するものである。

【０００５】

【発明が解決しようとする課題】上記各公報にみられる
ように、従来の文書分類システムでは、分類対象文書の
分類先を決定する要素として、キーワードの文書構造又
はキーワードの出現頻度等、文書自身が有する情報を利
用しており、話題性のあるカテゴリや、ユーザの嗜好に
合ったカテゴリに分類対象の文書を自動分類するもので
はない。

【０００６】本発明の目的は、話題性又はユーザの嗜好
に適したカテゴリに分類対象の文書を自動的に分類する
ことができる文書分類装置、及び文書分類プログラムを
記録した記録媒体を提供することにある。

【０００７】

【課題を解決するための手段】上記目的を達成するため
に本発明の文書分類装置は、文書を記憶する記憶手段
と、前記記憶手段に記憶されている前記文書からキーワ
ードを抽出する抽出手段と、前記抽出手段により抽出さ
れるキーワードの重要度、前記キーワードを含む文書の
保存日時又は保存場所の少なくとも一つに基づいて、前
記キーワードを前記文書の分類先にする重みを算出する
重み算出手段と、前記重み算出手段により算出される前
記重みに基づいて、前記文書を分類する分類手段と、を
備えるものである。

【０００８】また、前記重み算出手段は、前記キーワー
ドが前記文書の見出し、表題、図題、ハイパーリンク又
は強調表示、又は固有名詞の少なくとも一つに使用され
ている場合に前記重みを変えるものであることで、キー
ワードの重要度を重視して文書を分類できる。

【０００９】また、前記重み算出手段は、前記キーワー
ドを含む前記文書の前記保存日時から前記キーワードが
出現する日時を算出し、該算出日時と所定の基準日時と
の比較に基づいて前記重みを算出するものであること
で、キーワードの出現日時等が時間情報として付与さ
れ、話題性のあるカテゴリを検出することが可能にな
る。

【００１０】また、前記重み算出手段は、前記キーワー
ドを含む前記文書が所定のブラウザのキャッシュ、該ブ
ラウザのお気に入りファイル又はブックマークのリンク
先、検索時の文字入力列、ユーザが行った階層分類構
造、又は自動分類された階層構造の少なくとも一つであ
る場合に前記重みを変えるものであることで、操作履歴
情報等が付与され、嗜好性のあるカテゴリを検出するこ
とが可能になる。

【００１１】また、さらに、前記重み算出手段により算
出される前記重みに対する比重を制御する制御手段を更
に備え、前記分類手段は、前記制御手段からの比重と前
記算出手段により算出される前記重みとに基づいて、前
記文書を分類することにより、ユーザニーズをより考慮
して文書を分類できる。

【００１２】他の観点において本発明は、コンピュータ
を、文書を記憶する記憶手段と、前記記憶手段に記憶さ
れている前記文書からキーワードを抽出する抽出手段
と、前記抽出手段により抽出されるキーワードの重要
度、前記キーワードを含む文書の保存日時又は保存場所
の少なくとも一つに基づいて、前記キーワードを前記文
書の分類先にする重みを算出する重み算出手段と、前記
重み算出手段により算出される前記重みに基づいて、前
記文書を分類する分類手段と、を備える文書分類装置と
して機能させるためのプログラムを記録したことを特徴
とするコンピュータ読み取り可能な記録媒体である。

【００１３】

【発明の実施の形態】本発明の実施の形態を添付図面と
対応して以下に詳細に説明する。図１は、本発明の実施
の形態による文書分類装置の構成を示すブロック図であ
る。本文書分類装置は、キーワード抽出部（抽出手段）
１、制御部（制御手段）５、解析部（重み算出手段）１
０、分類部（分類手段）１３及びＣＤ−ＲＯＭドライブ
１４を備える。

【００１４】また、解析部１０は、文書構造解析部２、
時間情報解析部３及び履歴解析部４を有し、分類部１３
は、カテゴリ度算出部６、カテゴリキーワード登録部
７、カテゴライズ部８及び格納部９を有する。また、Ｃ
Ｄ−ＲＯＭドライブ１４は、制御部５の指示に基づいて
ＣＤ−ＲＯＭ１５に格納されているプログラムを読み出
す。

【００１５】上記文書構造解析部２、時間情報解析部３
及び履歴解析部４は、全体として、キーワードの重要
度、該キーワードを含む文書の保存日時又は保存場所に
基づいて該キーワードを文書の分類先にする重みを算出
する解析部１０を構成している。

【００１６】分類対象文書１１は、本文書分類装置にお
いて分類の対象となる文書である。分類対象文書１１
は、例えばインターネット等からダウンロードされ一時
的にＨＤＤ等の記録装置に格納されている文書でも良い
し、履歴情報１２である文書の集合における要素であっ
ても良い。分類対象文書１１及び履歴情報１２は、各文
書の保存日時、保存場所等の情報が認識できる状態で、
ＨＤＤ等の記録装置（記憶手段）に格納されている。

【００１７】履歴情報１２は、本文書分類装置により管
理される文書の集合である。履歴情報１２は、例えばWo
rld Wide Webブラウザ（以下、Webブラウザと呼ぶ）
のキャッシュの文書、Webブラウザのお気に入りファイ
ル又はブックマークのリンク先の文書、検索操作時の入
力文字列、または、既にユーザが行った階層分類構造又
は自動分類された階層構造等である。

【００１８】キーワード抽出部１は、分類対象文書１１
及び履歴情報１２の文書からキーワードを抽出する。分
類対象文書１１及び履歴情報１２の文書におけるある文
字列が、カテゴリキーワード登録部７のキーワード辞書
（図示せず）に予め登録されているカテゴリキーワード
と一致する場合に、該文字列をキーワードとして抽出す
る。

【００１９】解析部１０において、文書構造解析部２
は、キーワード抽出部１により抽出されたキーワードの
文書構造上の重みを構造重みとして算出する。該キーワ
ードの構造重みが大きいほど、文書中で重要なキーワー
ドとなる。

【００２０】例えば、構造重みが大きくなるのは、分類
対象文書１１又は履歴情報１２の文書における見出し、
表題、図題に使用されているキーワード、及びハイパー
リンク等で使用されているキーワードである。また、強
調表示されているキーワード、他のキーワードと比較し
て大きなフォントで表示されているキーワード、及び固
有名詞で用いられているキーワードの構造重みも大きく
なる。この構造重みは、制御部５からの指示で変化させ
る。

【００２１】また、時間情報解析部３は、キーワード抽
出部１により抽出されたキーワードの時間軸上の重みを
時間重みとして算出する。分類対象文書１１から抽出さ
れたキーワードを含む履歴情報１２の文書が有する更新
日時、保存日時等の情報から該キーワードの出現頻度の
最も高い日時を算出する。この場合、該キーワードの出
現頻度が所定の頻度を超える日時をキーワード出現日時
として算出するようにしても良い。

【００２２】例えば、算出日時が基準日時に近いキーワ
ードほど時間重みは大きくなり、算出日時が基準日時に
遠いキーワードほど時間重みは小さくなる。この時間重
みは、制御部５からの指示で変化させる。また、履歴解
析部４は、キーワード抽出部１により抽出されたキーワ
ードが履歴情報１２の文書の中で出現する頻度を履歴重
みとして算出する。

【００２３】例えば、Webブラウザで最近閲覧してキャ
ッシュ中に記憶されているページに使用されている場
合、又は検索操作した際に使用された文字列等に使用さ
れている場合に履歴重みは大きくなる。この履歴重み
は、制御部５からの指示で変化させる。

【００２４】このように、本実施の形態では、文書構造
解析部２、時間情報解析部３及び履歴解析部４が設けら
れており、分類対象文書１１から抽出したキーワードが
該分類対象文書１１の分類先として適切であるか否かを
示す指標として、文書構造解析部２により重要性のある
カテゴリを検出することが可能になり、時間情報解析部
３によりキーワードの出現日時を時間情報として付与し
て話題性のあるカテゴリを検出することが可能となると
ともに、履歴解析部４により嗜好性のあるカテゴリを検
出することが可能となる。

【００２５】制御部５は、以下に示す４つの制御を主に
行う。第１の制御として、文書構造解析部２、時間情報
解析部３、履歴解析部４にて算出される重みの基準値を
設定する。文書構造解析における基準値には、見出し、
表題、図題、ハイパーリンク、強調表示、及びフォント
を要素とする基準ベクトルを設定する。この基準ベクト
ルに対してどの要素に比重を置いて重みを算出するのか
を決定する。また、時間情報解析における基準値には、
時間軸上の値を設定する。設定した基準値に近いキーワ
ードの時間重みは大きくなる。

【００２６】また、履歴情報解析における基準値には、
履歴情報１２の文書を要素とする基準ベクトルを設定す
る。この基準ベクトルに対してどの要素に比重を置いて
重みを算出するのかを決定する。例えば「検索操作時の
入力文字列」という要素を大きくした基準ベクトルを基
準値として設定した場合には、「検索操作時の入力文字
列」に使用されているキーワードに大きな比重が置か
れ、履歴重みが算出される。

【００２７】第２の制御として、文書構造解析部２、時
間情報解析部３、履歴解析部４で算出した重みから、カ
テゴリ度算出部６においてカテゴリ度を導く際にそれぞ
れの重みの比重を制御する。

【００２８】第３の制御として、カテゴリキーワードの
数を制御する。分類対象文書１１の数が多い場合にはカ
テゴリキーワードとして登録するキーワード数を増加さ
せ、逆に分類対象文書１１の数が少ない場合にはカテゴ
リキーワードとして登録するキーワード数を減少させ
る。

【００２９】第４の制御として、分類先の文書数の最大
値及び最小値を制御する。分類先の文書数が最大値を超
えた場合には、新たにカテゴリキーワードを登録して再
分類する。また、分類先の文書数が最小値に満たない場
合には、そのカテゴリを分類先とせず他のカテゴリに分
類する。

【００３０】カテゴリ度算出部６は、文書構造解析部
２、時間情報解析部３及び履歴解析部４からキーワード
毎にカテゴリベクトルを導き、カテゴリベクトルの大き
さからカテゴリ度を算出する。カテゴリベクトルは、構
造重み、時間重み及び履歴重みの３要素からなり、各重
みに対する比重は制御部５により与えられる。

【００３１】上述のように、カテゴリベクトルを導出す
る際には、各重みに対する比重を変更できる。文書構造
上の重みの比重を大きくした場合には、キーワードの重
要性を重視したカテゴリベクトルが導出される。文書の
保存日時の情報に基づく話題的要素である時間重みの比
重を大きくした場合には、話題性を重視したカテゴリベ
クトルが導出される。文書の格納場所の情報を利用して
ユーザの操作履歴の情報による嗜好的要素である履歴重
みの比重を大きくした場合には、ユーザの嗜好を重視し
たカテゴリベクトルが導出される。

【００３２】カテゴリキーワード登録部７は、カテゴリ
度算出部６で算出されたカテゴリ度に基づいて、カテゴ
リキーワードを登録する。例えば、分類対象文書１１及
び履歴情報１２の文書から抽出したキーワードをカテゴ
リ度の高いものから順に、制御部５から与えされたカテ
ゴリキーワード数の上限まで登録する。

【００３３】カテゴライズ部８は、カテゴリキーワード
登録部７により登録されたカテゴリキーワードの中か
ら、カテゴリ度が最も高いカテゴリキーワードを分類対
象文書１１の分類先としてカテゴライズする。格納部９
は、カテゴライズ部８からの分類先の指示に基づいて分
類対象文書１１を格納する。

【００３４】次に、図２から図６に示すフローチャート
を参照して、本実施の形態による文書分類装置の動作を
説明する。図２は、本実施の形態による文書分類装置の
文書分類処理を説明するフローチャートである。はじめ
に、ステップＳ１１では、分類対象文書１１から抽出し
たキーワードの中からカテゴリキーワードを登録し、次
いで、ステップＳ１２で、分類対象文書１１をカテゴラ
イズする。

【００３５】ステップＳ１３では、分類先の文書数が、
設定されている基準最小値以下であるか否かを判別す
る。ここで、分類先の文書数が基準最小値以下である場
合には、分類先として設定されているカテゴリキーワー
ドはカテゴリとして相応しくないと判断して削除し、ス
テップＳ１２に戻りカテゴライズ処理を再度実行する。
また、分類先の文書数が基準最小値より大きい場合に
は、ステップＳ１４に進む。

【００３６】ステップＳ１４では、分類先の文書数が設
定されている基準最大値以上であるか否かを判別する。
ここで、分類先の文書数が基準最大値以上である場合に
は、より小さい単位のカテゴリに分類可能であると判断
してカテゴリキーワードを新しく追加登録し、ステップ
Ｓ１２に戻りカテゴライズ処理を再度実行する。また、
分類先の文書数が基準最大値より小さい場合には、ステ
ップＳ１５に進み分類対象文書１１を分類先に各々格納
する。

【００３７】図３は、本実施の形態による文書分類装置
のカテゴリキーワード登録処理を説明するフローチャー
トであり、図２のステップＳ１１の処理に対応する。は
じめに、ステップＳ２１では、分類対象文書１１及び履
歴情報１２の文書からキーワードを抽出し、次いで、ス
テップＳ２２で、抽出されたキーワード毎にカテゴリ度
を算出する。

【００３８】次いで、ステップＳ２３で、算出されたカ
テゴリ度と基準値とを比較する。ここで、算出されたカ
テゴリ度が基準値以上の場合には、ステップＳ２４に進
みカテゴリキーワードとして登録する。また、算出され
たカテゴリ度が基準値以下の場合にはステップＳ２５に
進む。

【００３９】ステップＳ２５では、全てのキーワードを
検索したか否かを判別し、全てのキーワードが検索され
たと判断された場合には、カテゴリキーワードの登録処
理を完了する。また、全てのキーワードが検索されてい
ない場合には、ステップＳ２１に戻り次のキーワードの
処理に移る。

【００４０】図４は、本実施の形態による文書分類装置
のカテゴリ度算出処理を説明するフローチャートであ
り、図３のステップＳ２２の処理に対応する。はじめ
に、ステップＳ３１では、文書構造に基づく構造重みを
算出する。文書構造解析部２は、キーワード抽出部１で
抽出されたキーワードのうち、分類対象文書１１に含ま
れるキーワードの文書構造を調べ、キーワード毎に時間
重みを算出する。上述のように文書構造は、分類対象文
書１１と履歴情報１２の文書において、該キーワードが
使用されている場所又は文字サイズ等を示す。

【００４１】構造重みの基準値には、見出し、表題、図
題、ハイパーリンク、強調表示、及びフォントを要素と
する基準ベクトルが設定される。基準ベクトルに基づい
た配分で重み付けを行う。例えば、ハイパーリンクに比
重を置いた基準ベクトルに基づいた重み付けでは、ハイ
パーリンクに使用されているキーワードの構造重みは大
きくなる。この基準ベクトルは予め設定されているが、
ユーザが適宜変更することができる。

【００４２】次いで、ステップＳ３２で、日時情報に基
づく時間重みを算出する。時間情報解析部３は、キーワ
ード抽出部１で抽出されたキーワードのうち、分類対象
文書１１に含まれるキーワードを含む文書が有する日時
情報を調べ、キーワード毎に時間重みを算出する。上述
のように日時情報は、該キーワードが出現した日時を示
す。ただし、複数の文書で該キーワードが出現した場合
には、各文書内での出現回数と各文書の保存日時から算
出した値を日時情報とする。時間重み算出における基準
値には、時間紬上の値を設定する。設定された基準値に
近いキーワードの時間重みは大きくなる。

【００４３】ステップＳ３３では、履歴情報１２に基づ
く履歴重みを算出する。履歴解析部４は、キーワード抽
出部１で抽出されたキーワードのうち、分類対象文書１
１に含まれるキーワードを含む文書の保存場所を調べ、
キーワード毎に履歴重みを算出する。

【００４４】履歴重みの基準値には、履歴情報１２の文
書を要素とする基準ベクトルを設定する。基準ベクトル
に基づいてどの要素に比重を置いて重みを算出するのか
を決定する。例えば、「検索操作時の入力文字列」とい
う要素を大きくしたベクトルを基準値として設定する
と、「検索操作時の入力文字列」に使用されているキー
ワードに大きな比重をおかれ、履歴重みが算出される。

【００４５】ステップＳ３４では、キーワード毎に算出
された構造重み、時間重み及び履歴重みを要素とするカ
テゴリベクトルを導出する。導出されたカテゴリベクト
ルは、制御部５からの各重みに対する比重を考慮して各
重みの大きさが変更される。次いで、ステップＳ３５
で、導出されたカテゴリベクトルの大きさからカテゴリ
度を算出する。

【００４６】図５は、本実施の形態による文書分類装置
のカテゴライズ処理を示すフローチャートであり、図２
のステップＳ１２の処理に対応する。はじめに、ステッ
プＳ４１では、分類対象文書１１に対して登録されてい
るカテゴリキーワードを検索し、次いで、ステップＳ４
２で、分類対象文書１１からカテゴリキーワードが見つ
かったか否かを判断する。

【００４７】ステップＳ４２において、分類対象文書１
１からカテゴリキーワードが見つかった場合には、ステ
ップＳ４３に進む。ステップＳ４３では、カテゴリキー
ワードの中で最もカテゴリ度の高いものを検索し、最も
カテゴリ度が高いカテゴリキーワードをカテゴリに分類
する。

【００４８】また、該分類対象文書１１からカテゴリキ
ーワードが見つからなかった場合には、ステップＳ４４
に進み類似カテゴリ検索を行う。ステップＳ４４では、
該分類対象文書１１が最も類似するカテゴリキーワード
を分類先とする。

【００４９】図６は、本実施の形態による文書分類装置
の類似カテゴリ検索処理を示すフローチャートであり、
図５のステップＳ４４の処理に対応する。分類対象文書
１１中にカテゴリキーワードとなるキーワードが存在し
ないので、まずステップＳ５１で、該分類対象文書１１
から抽出された各キーワードに対応するカテゴリベクト
ルの平均を算出し、算出した平均を該分類対象文書自身
のカテゴリベクトルとする。

【００５０】次いで、ステップＳ５２で、ステップＳ５
１で算出した文書のカテゴリベクトルと、カテゴリキー
ワードのカテゴリベクトルとの類似度を算出する。次い
で、ステップＳ５３で、算出された類似度が最大値を超
えたか否かを判別する。

【００５１】ステップＳ５３において、算出された類似
度が最大値を超える場合には、ステップＳ５４及びステ
ップＳ５５で、類似度の最大値及び類似カテゴリを更新
する。また、算出された類似度が最大値を超えない場合
には、ステップＳ５６に移る。

【００５２】ステップＳ５６では、文書のカテゴリベク
トルと、全てのカテゴリキーワードのカテゴリベクトル
との比較が終了したか否かを判別する。ここで、全ての
カテゴリキーワードのカテゴリベクトルとの比較が終了
した場合には類似カテゴリ検索処理を終了する。また、
全てのカテゴリキーワードのカテゴリベクトルとの比較
が終了していないと判断された場合には、ステップＳ５
２の処理に戻り、次のカテゴリキーワードの類似カテゴ
リ検索を行う。以上により、最も類似度が大きいカテゴ
リキーワードが該分類対象文書１１の分類先となる。

【００５３】以上説明したように、本実施の形態の文書
分類装置は、管理可能な文書の集合からキーワードを抽
出するキーワード抽出部１と、分類対象文書１１から抽
出したキーワードに対して、文書中の構造に基づく構造
重みを算出する文書構造解析部２と、文書の作成日時情
報からキーワード出現の時間的な位置付けを時間重みと
して算出する時間情報解析部３と、ユーザの操作履歴情
報を履歴重みとして算出する履歴解析部４と、上記構造
重みと、時間重み及び履歴重みとからキーワードのカテ
ゴリベクトルを導出し、該ベクトルの大きさをカテゴリ
度とするカテゴリ度算出部６と、該カテゴリ度を有する
キーワードからカテゴリとなるカテゴリキーワードを選
出し登録するカテゴリキーワード登録部７と、分類対象
文書１１の分類先を判別するカテゴライズ部８と、該分
類先に分類対象文書１１を格納する格納部９と、分類先
集合内の文書数により分類を制御する制御部５を備え、
分類対象文書１１から抽出したキーワードのみでなく、
文書作成日時等の時間情報や蓄積しているユーザの操作
履歴情報を利用して文書分類先を決定するように構成し
たので、話題性を加味したカテゴライズとユーザの嗜好
に合ったカテゴライズを実現することができる。

【００５４】なお、本実施の形態では、解析部１０によ
り構造重み、時間重み及び履歴重みを各々算出し、分類
部１３により制御部５からの重みの比重の指示に基づい
て各重みを要素とするカテゴリベクトルを導出してい
る。本発明は上記実施の形態に限定されず、制御部５の
比重の指示による特別なケースとして、キーワードの重
要度（構造重み）、話題性（時間重み）又はユーザの嗜
好（履歴重み）の少なくとも一つを重視し、重視した重
みのみを要素とするカテゴリベクトルを導出して文書分
類処理を行う構成であれば良い。

【００５５】また、本実施の形態では、分類部１３をカ
テゴリ度算出部６、カテゴリキーワード登録部７、カテ
ゴライズ部８及び格納部９に分けて示しているが本発明
を限定するものではなく、解析部１０により算出される
各重みに基づいて、分類対象文書１１を自動的に分類す
る構成であれば良い。

【００５６】上述したように、本発明の文書分類装置
は、本文書分類装置を機能させるためのプログラムでも
実現される。このプログラムはコンピュータで読み取り
可能な記録媒体に格納されている。本発明では、この記
録媒体としてＲＯＭ（図示せず）そのものがプログラム
メディアであっても良いし、また、外部記憶装置として
ＣＤ−ＲＯＭドライブ１４等のプログラム読み取り装置
が設けられ、そこに記録媒体を挿入することで読み取り
可能なＣＤ−ＲＯＭ１５等のプログラムメディアであっ
ても良い。いずれの場合においても、格納されているプ
ログラムは制御部５がアクセスして実行させる構成であ
っても良いし、プログラムを読み出し、読み出されたプ
ログラムは、図示されていないプログラム記憶エリアに
ダウンロードされて、そのプログラムが実行される方式
であっても良い。このダウンロード用のプログラムは予
め本体装置に格納されているものとする。

【００５７】ここで上記プログラムメディアは、本体と
分離可能に構成される記録媒体であり、磁気テープやカ
セットテープ等のテープ系、フロッピーディスクやハー
ドディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／Ｍ
Ｄ／ＤＶＤ等の光ディスクのディスク系、ＩＣカード
（メモリカードを含む）／光カード等のカード系、ある
いはマスクＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッ
シュＲＯＭ等による半導体メモリを含めた固定的にプロ
グラムを担持する媒体であっても良い。

【００５８】さらに、送受信手段（図示せず）を介して
通信ネットワーク（図示せず）からプログラムをダウン
ロードするように、流動的にプログラムを担持する媒体
であっても良い。なお、このように通信ネットワークか
らプログラムをダウンロードする場合には、そのダウン
ロード用プログラムは予め装置本体に格納しておくか、
あるいは別な記録媒体からインストールされるものであ
っても良い。なお、記録媒体に格納されている内容とし
てはプログラムに限定されず、データであっても良い。

【００５９】

【発明の効果】本発明によれば、キーワード自身の重要
度、話題性又はユーザの嗜好に合ったカテゴリを抽出し
て、分類対象文書を自動的に分類できる。また、キーワ
ード自身の重要度、話題性及びユーザの嗜好の各々に対
応する重みの比重を自由に変更することにより、ユーザ
ニーズに適したシステムを実現できる。

【図面の簡単な説明】

【図１】本発明の実施の形態による文書分類装置の構成
を説明するブロック図である。

【図２】本発明の実施の形態による文書分類装置の文書
分類処理を説明するフローチャートである。

【図３】本発明の実施の形態による文書分類装置のカテ
ゴリキーワード登録処理を説明するフローチャートであ
る。

【図４】本発明の実施の形態による文書分類装置のカテ
ゴリ度算出処理を説明するフローチャートである。

【図５】本発明の実施の形態による文書分類装置の文書
のカテゴライズ処理を説明するフローチャートである。

【図６】本発明の実施の形態による文書分類装置の類似
カテゴリ検索処理を説明するフローチャートである。

【符号の説明】

１：キーワード抽出部（抽出手段）２：文書構造解析部３：時間情報解析部４：履歴解析部５：制御部（制御手段）６：カテゴリ度算出部７：カテゴリキーワード登録部８：カテゴライズ部９：格納部１０：解析部（重み算出手段）１１：分類対象文書１２：履歴情報１３：分類部（分類手段）１４：ＣＤ−ＲＯＭドライブ１５：ＣＤ−ＲＯＭ（記録媒体）

Claims

【特許請求の範囲】

【請求項１】文書を記憶する記憶手段と、前記記憶手
段に記憶されている前記文書からキーワードを抽出する
抽出手段と、前記抽出手段により抽出されるキーワード
の重要度、前記キーワードを含む文書の保存日時又は保
存場所の少なくとも一つに基づいて、前記キーワードを
前記文書の分類先にする重みを算出する重み算出手段
と、前記重み算出手段により算出される前記重みに基づ
いて、前記文書を分類する分類手段と、を備えることを
特徴とする文書分類装置。
【請求項２】前記重み算出手段は、前記キーワードが
前記文書の見出し、表題、図題、ハイパーリンク又は強
調表示、又は固有名詞の少なくとも一つに使用されてい
る場合に前記重みを変える、ことを特徴とする請求項１
記載の文書分類装置。
【請求項３】前記重み算出手段は、前記キーワードを
含む前記文書の前記保存日時から前記キーワードが出現
する日時を算出し、該算出日時と所定の基準日時との比
較に基づいて前記重みを算出する、ことを特徴とする請
求項１記載の文書分類装置。
【請求項４】前記重み算出手段は、前記キーワードを
含む前記文書が所定のブラウザのキャッシュ、該ブラウ
ザのお気に入りファイル又はブックマークのリンク先、
検索時の文字入力列、ユーザが行った階層分類構造、又
は自動分類された階層構造の少なくとも一つである場合
に前記重みを変える、ことを特徴とする請求項１記載の
文書分類装置。
【請求項５】前記重み算出手段により算出される前記
重みに対する比重を制御する制御手段を更に備え、前記
分類手段は、前記制御手段からの比重と前記算出手段に
より算出される前記重みとに基づいて、前記文書を分類
する、ことを特徴とする請求項１記載の文書分類装置。
【請求項６】コンピュータを、文書を記憶する記憶手
段と、前記記憶手段に記憶されている前記文書からキー
ワードを抽出する抽出手段と、前記抽出手段により抽出
されるキーワードの重要度、前記キーワードを含む文書
の保存日時又は保存場所の少なくとも一つに基づいて、
前記キーワードを前記文書の分類先にする重みを算出す
る重み算出手段と、前記重み算出手段により算出される
前記重みに基づいて、前記文書を分類する分類手段と、
を備える文書分類装置として機能させるためのプログラ
ムを記録したことを特徴とするコンピュータ読み取り可
能な記録媒体。