JP2004078512A - 文書管理方法および文書管理装置 - Google Patents

Abstract

【課題】関連づけのされていない大量の文書を人間の判断によって関連づけするのは膨大な手間を要する。
【解決手段】文書管理サーバ１０において、条件設定部１６が決定した語句が含まれる文書を格納部１４から抽出部２４が抽出し、スレッド管理部２８は時系列順で隣接する文書間でその語句同士をリンクし、そのリンクの連鎖によって文書間のコンテキストの存在を認識する。出力部３６は、コンテキストの分類を検索条件として格納部１４から文書を検索し、その結果を通信部４２経由でユーザの画面に提示する。
【選択図】　図２

Description

【０００１】
【発明の属する技術分野】
この発明は、文書管理方法および文書管理装置に関する。この発明は特に、複数の文書をその内容に基づいて関連づける技術に関する。
【０００２】
【従来の技術】
近年、別々の人によって作成された社内文書などの大量のファイルを一元的に管理して有効利用するための技術に注目が集まっている。蓄積された文書は知識とノウハウの凝縮でもあるが、こうした潜在的な資産を真に意味のある情報として共有し活用するには、あらかじめ計画的に文書を管理することが近道となる。その手法としては、データベース化を前提としてはじめから一つの文書を一つのレコードとして扱う方法や、検索用インデックスを各文書に内包させる方法などがある。
【０００３】
一方、ひとかたまりの文書を効率的に抽出するために、関連のある文書同士をあらかじめ紐付けしておく手法がある。文書のヘッダなどの領域に、その文書と関連する他の文書の参照情報を付加しておけば紐付けが実現される。例えば、電子メールソフトウエアにおいては、特定の受信メールに対して返信メールを作成するとき、その返信メールのヘッダに受信メールの参照ＩＤを記述してそれらの関連性を保持している。電子掲示板でも同様な手法で参照関係を管理している。
【０００４】
【発明が解決しようとする課題】
上記の各方法により管理される文書は、あらかじめ特定の管理方法を前提として作成されるので、インデックスや参照情報が付加されるなどの処理が作成時に施される。しかしながら、そうした処理がなされていない文書は同手法による管理の対象外になってしまう。これらの文書を管理対象にするためにはインデックスを付加する処理や参照関係を見出す処理などを手作業で行う必要があり、多大な時間と手間を要する。一方、計画的に文書同士が関連づけられた場合であっても、与えられた関連性の視点は画一的であり、必ずしも有効に二次利用できるわけではなかった。
【０００５】
本発明者は以上の認識に基づき本発明をなしたもので、その目的は、多量の文書ファイルを効率的に管理する技術の提供にある。本発明の別の目的は、文書ファイルの検索キーとして文書の類型を検出する技術の提供にある。さらに別の目的は、文書データベースの構築を支援する技術の提供にある。さらに別の目的は、複数の文書における傾向の分析を支援する技術の提供にある。さらに別の目的は、文書同士の関連性を視覚化する技術の提供にある。
【０００６】
【課題を解決するための手段】
本発明のある態様は、文書管理方法に関する。この方法は、文書間において関連性を見出すための視点となる語句を決定する工程と、決定した語句を内容に含む複数の文書を抽出する工程と、抽出した複数の文書を関連づけることによって文書間のコンテキストの存在を認識する工程と、コンテキストの存在が認識された文書を提示する工程と、を含む。
【０００７】
「文書」は、例えばワードプロセッサ、プレゼンテーションソフト、電子メールクライアント、スケジューラなどのアプリケーションソフトウエアによって生成されたファイルが該当する。電子掲示板のＣＧＩ（Ｃｏｍｍｏｎ　Ｇａｔｅｗａｙ　Ｉｎｔｅｒｆａｃｅ）などのサーバプログラムによって生成されたテキストデータであってもよい。「文書」は言語解析処理の対象とするため主にテキストを含むデータファイルを想定するが、データ形式としては必ずしも限定せず、画像ファイルやＣＡＤデータファイルなどであってもよい。
【０００８】
「語句」は、単語、フレーズ、文節などを含み、語句の長さは問わない。係り受けの関係にある複数語からなるフレーズであってもよい。「語句」は、必ずしも文書中に登場しなくてもよく、文書間に共通する話題や概念を表す語句であってもよい。「文書間のコンテキスト」は、文書間に存在する内容上の関連性であって、複数の文書を作成日時順や更新日時順に並べたときの文書内容の脈絡であってもよい。このコンテキストを文書内容に基づいて自動検出するとともに、その特徴を文書検索のための検索キーとして利用する。
【０００９】
複数の文書の関連づけは、相互にリンクを設定することによってスレッドを形成させる手法でもよい。「スレッド」は、話題ごとに区別された複数のデータがそれぞれ時系列的に前後するデータと関連づけられた形式であり、本態様においては視点となる語句ごとにスレッドが形成される。一般的には電子掲示板や電子メールクライアントにスレッド形式が用いられ、本態様における一連の文書間のコンテキストはスレッド形式での表示が可能である。「時系列順」は、文書の作成または更新の日時だけでなく、その文書が参照された日時やその文書が稟議を通った日時に基づいて判断されてもよい。
【００１０】
この態様によれば、文書同士の関連性について何も情報が付加されていない複数の文書が自動的に関連づけされる。検出される関連性はあくまでも文書内容に基づいているので、関連性の連鎖が文書間のコンテキストを示すこととなる。これをスレッドのような馴染みやすい形式で表現できるので、文書全体についてその関連性を把握しながら効率的に管理できる。
【００１１】
本発明の別の態様は、文書管理装置に関する。この装置は、文書を記憶する格納部と、文書間において関連性を見出すための視点となる語句を決定する条件設定部と、決定した語句を内容に含む複数の文書を格納部から抽出する抽出部と、抽出した複数の文書のうち、所定の規則に従った序列の下で隣接する文書の組み合わせをリンクにより関連づけるとともに、複数のリンクを連鎖させることによって文書間のコンテキストの存在を認識するスレッド管理部と、コンテキストの存在が認識された文書を提示する出力部と、を有する。
【００１２】
格納部は、主にハードディスクなどの記憶装置を示す。この格納部を本体から分離した形で構成してもよく、その場合ネットワークを介して本体に接続してもよい。複数の文書の格納位置や格納状態は様々な形態が想定できる。条件設定部、抽出部、スレッド管理部、および出力部は、中央演算装置や制御装置などによって実現される。
【００１３】
条件設定部は、視点となる語句を文書内容に含まれる特徴的な語句を自動抽出することによって決定してもよいし、ユーザによる指定に基づいて決定してもよい。「所定の規則に従った序列」は、例えば文書ごとに割り当てられたシリアル番号の昇順でもよいし、各文書に含まれる何らかの属性に着目して客観的な序列が導き出されればよい。「リンク」としては、例えばＸＭＬ（ｅＸｔｅｎｓｉｂｌｅ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）におけるＸＬｉｎｋなどの手法を用いて、文書間で同じ語句同士を結びつけてもよい。
【００１４】
本装置をファイルサーバとして実現する場合、新たな文書をそのサーバへ転送するだけで自動的に他の文書と関連づけられる。同様に、すでに大量に蓄積された過去の文書をそのサーバへ入力すれば自動的な関連づけが処理される。これにより、例えば社内文書のように複数人によって多量に作成または編集されるファイルを、その作成者または編集者の手を煩わせずに効率的に管理できる。
【００１５】
本発明のさらに別の態様もまた文書管理装置に関する。この装置は、文書を記憶する格納部と、文書間において関連性を見出すための視点となる語句を決定する条件設定部と、決定した語句を内容に含む複数の文書を格納部から抽出する抽出部と、抽出した複数の文書のうち、時系列順で隣接する文書の組み合わせをリンクにより関連づけるとともに、複数のリンクを連鎖させることによって文書間のコンテキストの存在を認識するスレッド管理部と、コンテキストの存在が認識された文書を提示する出力部と、を有する。
【００１６】
この態様においても、多量のファイルを効率的に管理できる他、時系列順で関連づけることによって、文書間の因果関係をより直感的に把握できる形で提示できる。
【００１７】
本装置は、ネットワーク上に設置されたサーバまたはユーザ端末のいずれかを指す場合と、ネットワークを介して接続されたサーバおよびユーザ端末からなるシステムを指す場合の双方を含み、格納部、条件設定部、抽出部、スレッド管理部、および出力部の各機能ブロックは、サーバ側に設けられてもよいし、ユーザ端末側に設けられてもよい。サーバおよびユーザ端末の双方に設けられてもよいし、その場合の各機能ブロックはそれぞれ同じ名称でもよい。これら各機能は、それぞれプログラムモジュールのかたちで提供され、サーバおよびユーザ端末のいずれかまたは双方にて実行されてもよいし、実行にあたりサーバからユーザ端末へダウンロードされてもよい。
【００１８】
なお、以上の構成要素の任意の組合せや、本発明の構成要素や表現を方法、装置、システム、コンピュータプログラム、コンピュータプログラムを格納した記録媒体、データ構造などの間で相互に置換したものもまた、本発明の態様として有効である。
【００１９】
【発明の実施の形態】
本実施形態においては、含まれる語句の共通性をもとに複数の文書を関連づけ、導き出される複数の関連性の分布や連鎖の態様に基づいて文書間のコンテキストを検出する。さらに、各文書をコンテキストの態様に応じて分類してこれを検索条件の一つとして扱う。これにより、あらかじめ関連づけられていない複数の文書から様々な視点による関連性を見出すことができ、それら関連性の傾向から検索インデックスの代用となる情報を生み出す。また、文書から語句を抽出できる限りデータ形式を問わず管理の対象とすることができる。
【００２０】
図１は、実施の形態に係る文書管理システムの構成を示す図である。文書管理システム１００は、ネットワーク１０２を介して接続される複数のユーザ端末１０４および文書管理サーバ１０により構成される。文書管理サーバ１０は、ウェブサーバを含む構成であってもよいし、ユーザ端末１０４は、パーソナルコンピュータと、これにインストールされたクライアントソフトウェアを含む構成であってもよい。
【００２１】
文書管理サーバ１０は、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子で実現でき、ソフトウェア的には言語解析機能やデータ管理機能のあるプログラムなどによって実現されるが、以下説明する図２ではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できる。
【００２２】
図２は、実施の形態に係る文書管理装置の基本構成を示す機能ブロック図である。文書管理サーバ１０は、入力部１２、格納部１４、条件設定部１６、文書管理部２２、出力部３６、および通信部４２を有する。各部は、通信部４２を介してネットワーク上の端末との間でデータを送受信する。通信部４２は、データ送受信機能のほか、ルータ機能やサーバ機能を有してもよい。
【００２３】
格納部１４は、複数の文書を記憶する。格納部１４へは入力部１２を介して文書が格納される。入力部１２はデータ入力のインターフェイスであって、通信部４２を介する入力の他、他のデータポートを介するデータ入力を処理してもよい。入力部１２は、文書を入出力するためのポータルサイトや電子掲示板などのワークスペースをユーザに提供してもよい。入力部１２が外部文書を取り込む場合、取り込む範囲としてネットワーク上のドメインをユーザに指定させてもよい。
【００２４】
条件設定部１６は、文書間において関連性を見出すための視点となる語句（以下、「視点語句」という。）を決定する機能を有し、文書解析部１８および語句決定部２０を含む。文書解析部１８は、格納部１４に格納された文書の内容を解析して特徴的な語句を抽出する。例えば、各文書に共通して多く含まれる語句を抽出してもよいし、固有名詞を含む名詞句を中心に抽出してもよい。形容詞などの修飾語も含んだ形で語句を抽出してもよい。文書のタイトルに含まれる語句か否かに応じて重み付けしてもよいし、文書を要約してから語句を抽出してもよい。抽出語句の優先度をあらかじめ設定しておいてもよい。
【００２５】
文書解析部１８は、ワークスペースの広狭や部門分けに応じて解析の対象となる文書範囲を決定してもよいし、ユーザが指定するドメイン内の文書を解析の対象としてもよい。
【００２６】
語句決定部２０は、文書解析部１８による抽出結果またはユーザによる指示に基づいて視点語句を決定する。ユーザの指示は、通信部４２を介してネットワーク１０２経由で受け取られる。
【００２７】
文書管理部２２は、抽出部２４、時系列処理部２６、およびスレッド管理部２８を含む。時系列処理部２６は、格納部１４に格納された複数の文書を時系列順に並び替える。このとき、各文書が持つ作成日時や更新日時などの時間属性に基づいて並び替えてもよいし、文書生成の経緯に関して別途管理される履歴に基づいて並び替えてもよい。入力部１２が提供するワークスペースを通じて履歴を記録してもよい。その履歴は格納部１４に格納されてもよい。
【００２８】
抽出部２４は、条件設定部１６により決定された語句を内容に含む複数の文書を格納部１４から抽出する。このとき抽出部２４は、同じ語句を含む複数の文書のうち時系列順に並べられたときに隣接しあう文書同士をリンク対象として組み合わせる。
【００２９】
スレッド管理部２８は、リンク処理部３０、コンテキスト認識部３２、および分類処理部３４を含む。リンク処理部３０は、リンク対象の文書間において共通する視点語句同士をＸＬｉｎｋなどのリンク方法で文書内に記述することにより相互に関連づける。リンクする対象は、ＸＭＬ文書においてタグで囲まれた要素を単位としてもよい。コンテキスト認識部３２は、複数のリンクをスレッドとして連鎖させることによって一連の文書間のコンテキストの存在を認識する。スレッドまたはコンテキストを特定するための情報が分類処理部３４へ送られる。
【００３０】
分類処理部３４は、一連のコンテキストで関連づけられた複数の文書を、それぞれから認識されるコンテキストの態様に応じて分類する。各文書には通常複数のコンテキストが流れており、前後の文書とのリンク形態に見られる一定の傾向からコンテキストの態様をいくつかの類型に分類する。その類型を属性として保存し、後に検索条件の一つに指定できるよう扱う。その属性を各文書内に記述してもよいし、管理データとして格納部１４へ一括保存してもよい。これにより、従来にない形での検索の絞り込みやノイズ除去が可能となる。コンテキストの類型については、後述する。
【００３１】
出力部３６は、複数の文書をコンテキストとともに提示する機能を有し、検索処理部３８および表示処理部４０を含む。検索処理部３８は、コンテキストの態様に関するユーザの指定を検索条件の一つとして取得し、その指定された態様に分類される文書を格納部１４から抽出し、検索結果として提示する。表示処理部４０は、認識されたコンテキストをスレッドの形式で画面表示させるためのデータをユーザ端末１０４へ送る機能と、検索処理部３８による検索結果をユーザ端末１０４へ送る機能を有する。表示処理部４０は、コンテキストを表示する画面を通じて、ユーザの指示に基づいたコンテキストの修正機能を提供してもよい。
【００３２】
図３は、各文書に含まれる語句のリンクによって連鎖する文書間のコンテキストを示す図である。これら一連の文書には複数のコンテキストが流れ、それぞれから認識されるコンテキストの態様に応じて文書をいくつかの類型に分類する。分類処理部３４は、各文書においてコンテキストの態様に関する特徴点を見出す。具体的には、コンテキストの態様がその文書において始点、合流点、通過点、分岐点、および終点のいずれに該当するかに基づいて文書を分類する。
【００３３】
本図では、各文書から「Ａ社」および「製品Ｂ」という視点語句を抽出してリンクを設定する。各文書は時系列的に並べられている。第１の文書５０以前の文書からは「Ａ社」および「製品Ｂ」の語句は抽出されず、以前の文書とはリンクされていない。そこで、第１の文書５０はコンテキストの始点になる傾向が強い類型であると判断する。
【００３４】
第１の文書５０に含まれる語句「Ａ社」および「製品Ｂ」は、それぞれ第２の文書５２に含まれる語句「Ａ社」および「製品Ｂ」にリンクされ、それがさらに第３の文書５４に含まれる語句「Ａ社」および「製品Ｂ」にリンクされる。そこで、第２の文書５２はコンテキストの通過点になる傾向が強い類型であると判断する。
【００３５】
第３の文書５４に含まれる語句「Ａ社」は第４の文書５６に含まれる語句「Ａ社」にリンクされるが、第３の文書５４に含まれる語句「製品Ｂ」は第５の文書５８に含まれる語句「製品Ｂ」にリンクされる。そこで、第３の文書５４はコンテキストの分岐点になる傾向が強い類型であると判断する。この類型を、意思決定の要因となった文書と位置づけてもよいし、分岐の態様をさらに細分化してその一つを議事録である可能性が高いと位置づけてもよい。
【００３６】
第４の文書５６に含まれる語句「Ａ社」および第５の文書５８に含まれる語句「製品Ｂ」は、それぞれ第６の文書６０に含まれる語句「Ａ社」または「製品Ｂ」にリンクされる。そこで、第６の文書６０はコンテキストの合流点になる傾向が強い類型であると判断する。この類型を、プロジェクトの集束あるいは節目となる文書と位置づけてもよい。
【００３７】
第６の文書６０に含まれる語句「Ａ社」および「製品Ｂ」は、それぞれ第７の文書６２に含まれる語句「Ａ社」および「製品Ｂ」にリンクされ、以降の文書にはリンクされていない。そこで、第７の文書６２はコンテキストの終点になる傾向が強い類型であると判断する。
【００３８】
本図では第１のコンテキスト６４および第２のコンテキスト６６の二つだけを示すが、実際には多数のコンテキスト認識が可能である。認識するコンテキストの数が多いほど態様の傾向が明確になる場合も考えられる。そうした傾向の分類基準を図２の分類処理部３４があらかじめ保持してもよい。
【００３９】
図４は、時系列的に配置された複数の文書が複数のコンテキストにより関連づけられた状態を示す図である。縦軸がワークスペースの軸であり、横軸が時間軸である。ワークスペースは、例えば社内における各部門や各プロジェクトの広がりを示す空間でもよいし、本装置によって管理の対象とする文書の分類に応じて形成される空間であってもよい。
【００４０】
図に示すコンテキストの全体空間をユーザ端末１０４の画面に表示してもよい。その場合、例えばユーザが特定の視点語句を指定したときに、対応するコンテキストだけを強調表示してもよい。複数のコンテキストからいずれかをユーザに選択させ、選択されたコンテキストの表示をツリー状のスレッド形式に切り替えてもよい。
【００４１】
図５は、語句ごとのスレッドをツリー状に表示する画面例を示す図である。第１のスレッド７０においては、図３および４の第１のコンテキスト６４に含まれる各文書のタイトルと作成日がツリー状に表示される。同様に、第２のスレッド７２においては第２のコンテキスト６６に含まれる各文書のタイトルと作成日がツリー状に表示される。これにより、ユーザが指定した語句と関連する複数の文書をその時系列の関連性とともに視覚化できる。
【００４２】
図６は、実施の形態に係る文書管理装置により実行される処理を示すフローチャートである。格納部１４に格納された複数の文書を時系列順に並べ替え（Ｓ１０）、文書間のコンテキストを見出すための視点語句を決定する（Ｓ１２）。その視点語句を含んだリンク対象となる文書を抽出し（Ｓ１４）、時系列的に前後する文書の組み合わせにおいて語句同士のリンクを付加する（Ｓ１６）。複数のリンクを連鎖させたコンテキストを認識し（Ｓ１８）、その態様に応じて文書を分類する（Ｓ２０）。以上の処理によって検索の前提となる前処理が完了する。
【００４３】
検索キーワードとともに、文書の分類に関する検索条件をユーザから取得し（Ｓ２２）、それらの検索条件に基づいて検索を実行する（Ｓ２４）。検索結果として抽出された文書をユーザ端末１０４の画面に提示する（Ｓ２６）。
【００４４】
以上、本発明を実施の形態をもとに説明した。この実施の形態は例示であり、その各構成要素や各処理プロセスの組合せにいろいろな変形が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。以下、変形例を挙げる。
【００４５】
実施の形態においては、同じ語句を含む文書同士でリンクを設定するが、変形例においては語句の同一性に関して厳密さを要求せず、文書ごとに語句を正規化したり、類義語辞書や統制語辞書を用いて柔軟性を持たせてもよい。
【００４６】
図６において、文書を時系列順に並べ替える処理はＳ１２の前に位置しているが、変形例としてはＳ１２とＳ１４の間に処理してもよい。または、並べ替えの処理をＳ１４とＳ１６の間に実行することとし、文書の抽出後にそれらを時系列順に並べ替える手順を採用してもよい。
【００４７】
実施の形態においては、コンテキストの分類を検索条件の一つとして扱うが、変形例においては、文書に流れるコンテキストの本数に応じた重み付けや、オーソリティとハブの関係に応じた重み付けを加えることによって検索結果に優先順位をつけてもよい。
【００４８】
入力部１２から電子掲示板の投稿データを入力した場合、その電子掲示板上で管理するスレッドと異なるスレッドが形成されることが考えられる。電子掲示板上では一つのスレッドに属する一連のデータが実際には途中で話題が分断していたとき、実施の形態においては自動的に別スレッドに分けることが可能である。
【００４９】
【発明の効果】
本発明によれば、蓄積された情報の活用に関してユーザの利便性を高めることができる。
【図面の簡単な説明】
【図１】実施の形態に係る文書管理システムの構成を示す図である。
【図２】実施の形態に係る文書管理サーバの基本構成を示す機能ブロック図である。
【図３】各文書に含まれる語句のリンクによって連鎖する文書間のコンテキストを示す図である。
【図４】時系列的に配置された複数の文書が複数のコンテキストにより関連づけられた状態を示す図である。
【図５】語句ごとのスレッドをツリー状に表示する画面例を示す図である。
【図６】実施の形態に係る文書管理サーバにより実行される処理を示すフローチャートである。
【符号の説明】
１０　文書管理サーバ、　１４　格納部、　１６　条件設定部、　２０　語句決定部、　２４　抽出部、　２８　スレッド管理部、　３６　出力部。

Claims (6)

1. 文書間において関連性を見出すための視点となる語句を決定する工程と、
   前記決定した語句を内容に含む複数の文書を抽出する工程と、
   前記抽出した複数の文書を関連づけることによって文書間のコンテキストの存在を認識する工程と、
   前記コンテキストの存在が認識された文書を提示する工程と、
   を含むことを特徴とする文書管理方法。
2. 文書を記憶する格納部と、
   文書間において関連性を見出すための視点となる語句を決定する条件設定部と、
   前記決定した語句を内容に含む複数の文書を前記格納部から抽出する抽出部と、
   前記抽出した複数の文書のうち、所定の規則に従った序列の下で隣接する文書の組み合わせをリンクにより関連づけるとともに、複数のリンクを連鎖させることによって文書間のコンテキストの存在を認識するスレッド管理部と、
   前記コンテキストの存在が認識された文書を提示する出力部と、
   を有することを特徴とする文書管理装置。
3. 文書を記憶する格納部と、
   文書間において関連性を見出すための視点となる語句を決定する条件設定部と、
   前記決定した語句を内容に含む複数の文書を前記格納部から抽出する抽出部と、
   前記抽出した複数の文書のうち、時系列順で隣接する文書の組み合わせをリンクにより関連づけるとともに、複数のリンクを連鎖させることによって文書間のコンテキストの存在を認識するスレッド管理部と、
   前記コンテキストの存在が認識された文書を提示する出力部と、
   を有することを特徴とする文書管理装置。
4. 前記スレッド管理部は、前記複数の文書を、それぞれから認識される前記コンテキストの態様に応じて分類し、
   前記出力部は、前記コンテキストの態様に関するユーザの指定を取得し、その指定された態様に分類される文書を前記格納部から抽出して提示することを特徴とする請求項２または３に記載の文書管理装置。
5. 前記スレッド管理部は、前記複数の文書を、それぞれから認識される前記コンテキストの態様がその文書において始点、合流点、通過点、分岐点、および終点のいずれに該当するかに基づいて分類することを特徴とする請求項４に記載の文書管理装置。
6. 文書間において関連性を見出すための視点となる語句を決定する工程と、
   前記決定した語句を内容に含む複数の文書を抽出する工程と、
   前記抽出した複数の文書を関連づけることによって文書間のコンテキストの存在を認識する工程と、
   前記コンテキストの存在が認識された文書を提示する工程と、
   をコンピュータに実行させることを特徴とするコンピュータプログラム。

Images