JP2005251091A - Data processor, data processing method, and data processing program - Google Patents
Data processor, data processing method, and data processing program Download PDFInfo
- Publication number
- JP2005251091A JP2005251091A JP2004064172A JP2004064172A JP2005251091A JP 2005251091 A JP2005251091 A JP 2005251091A JP 2004064172 A JP2004064172 A JP 2004064172A JP 2004064172 A JP2004064172 A JP 2004064172A JP 2005251091 A JP2005251091 A JP 2005251091A
- Authority
- JP
- Japan
- Prior art keywords
- data
- group
- data processing
- classification
- processing apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
本発明は、データ処理装置、データ処理方法およびデータ処理プログラムに関する。 The present invention relates to a data processing device, a data processing method, and a data processing program.
クエリを用いて多数のデータに対する検索を行うデータ検索装置が広範に使用されている。このようなデータ検索装置では、検索に使用するクエリが適切であれば、所望のデータを含む比較的少数のデータを検索出力として得ることができる。しかし、適切なクエリの選択には、所望のデータに対する予備知識が必要であるとともに、データ検索装置におけるデータ検索のアルゴリズムにもある程度通じている必要がある。このため、データ検索装置において、不適切なキーワードを含むクエリがデータ検索に使用されて、膨大なノイズを含む検索結果が出力されたり、検索出力に所望のデータが含まれなかったりすることも多い。 2. Description of the Related Art Data search devices that perform searches on a large number of data using queries are widely used. In such a data search apparatus, if a query used for search is appropriate, a relatively small amount of data including desired data can be obtained as a search output. However, selection of an appropriate query requires prior knowledge of desired data, and needs to be familiar to some extent with a data search algorithm in the data search apparatus. For this reason, in a data search apparatus, a query including an inappropriate keyword is often used for data search, and a search result including a huge amount of noise is output, or desired data is not included in the search output. .
この問題を解決するため、単語に関する知識をデータ検索や検索対象のデータの蓄積に利用する技術が知られている。 In order to solve this problem, a technique is known in which knowledge about words is used for data search and storage of search target data.
例えば、特許文献1には、単語に関する知識を含むグラフを利用して、入力された単語の関連語を提示する技術が開示されている。また、特許文献2には、単語に関する知識を格納した領域オントロジを利用して、データを分類して蓄積する技術が開示されている。さらに、特許文献3には、単語に関する知識を含むオントロジ辞書を利用して、データを分類して蓄積する技術が開示されている。
For example,
しかし、特許文献1〜3の技術では、検索対象のデータが複数の分類項目を含む分類項目群に分類されている場合に、その分類の情報をデータ検索や検索対象のデータの蓄積に利用することができなかった。
However, in the techniques of
本発明は、この問題を解決するためになされたもので、検索対象のデータの分類に関する情報をデータ検索や検索対象のデータの蓄積に有効に活用可能なデータ処理装置を提供することを目的とする。 The present invention has been made to solve this problem, and an object of the present invention is to provide a data processing apparatus that can effectively use information related to classification of data to be searched for data search and storage of data to be searched. To do.
上記課題を解決するため、請求項1の発明は、データ処理装置であって、複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する生成手段と、分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類手段と、前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定手段とを備えることを特徴とする。
In order to solve the above-mentioned problem, the invention of
請求項2の発明は、請求項1に記載のデータ処理装置において、前記第1データ群の各データがテキストデータであり、前記第2データ群の各データが前記第1データ群のテキストデータの索引に相当するテキストデータであることを特徴とする。 According to a second aspect of the present invention, in the data processing device according to the first aspect, each data of the first data group is text data, and each data of the second data group is text data of the first data group. It is characterized by being text data corresponding to an index.
請求項3の発明は、請求項2に記載のデータ処理装置において、前記第1データ群が文献に係るデータ群であり、前記第2データ群が前記文献の索引に係るデータ群であることを特徴とする。 According to a third aspect of the present invention, in the data processing device according to the second aspect, the first data group is a data group related to a document, and the second data group is a data group related to an index of the document. Features.
請求項4の発明は、請求項2に記載のデータ処理装置において、前記第1データ群が医療行為によって発生したインシデントに係るデータ群であり、前記第2データ群が前記インシデントの索引に係るデータ群であることを特徴とする。 According to a fourth aspect of the present invention, in the data processing device according to the second aspect, the first data group is a data group related to an incident generated by a medical practice, and the second data group is data related to an index of the incident. It is a group.
請求項5の発明は、請求項1ないし請求項4のいずれかに記載のデータ処理装置において、前記第2データ群が前記第1データ群の部分データであることを特徴とする。 According to a fifth aspect of the present invention, in the data processing device according to any one of the first to fourth aspects, the second data group is partial data of the first data group.
請求項6の発明は、請求項2に記載のデータ処理装置において、前記生成手段が、前記テキストデータに記述された文字列を単語群に分割する形態素解析手段と、前記単語群から前記第2データ群を構築する構築手段とを備えることを特徴とする。 According to a sixth aspect of the present invention, in the data processing device according to the second aspect, the generating means includes a morpheme analyzing means for dividing a character string described in the text data into word groups, and the second from the word groups. And a construction means for constructing a data group.
請求項7の発明は、請求項6に記載のデータ処理装置において、前記構築手段が、前記単語群の中の重複語を除去する手段を有することを特徴とする。 A seventh aspect of the present invention is the data processing apparatus according to the sixth aspect, wherein the construction unit includes a unit for removing duplicate words in the word group.
請求項8の発明は、請求項6または請求項7に記載のデータ処理装置において、前記構築手段が、所定の不要語特定規則に従って前記単語群の中の不要語を特定し、当該不要語を除去する手段を有することを特徴とする。
The invention according to claim 8 is the data processing device according to claim 6 or
請求項9の発明は、請求項6ないし請求項8のいずれかに記載のデータ処理装置において、前記分類手段が、前記第1データ群の各データにおける前記第2データ群の各データの重みを所定の重み算出規則に従って算出する算出手段を備え、前記第2データ群の分類に前記重みを利用することを特徴とする。 According to a ninth aspect of the present invention, in the data processing device according to any one of the sixth to eighth aspects, the classification unit calculates a weight of each data of the second data group in each data of the first data group. A calculation means for calculating according to a predetermined weight calculation rule is provided, and the weight is used for classification of the second data group.
請求項10の発明は、請求項9に記載のデータ処理装置において、前記重みが所定の重要度判定規則によって定まるデータの重要度であることを特徴とする。 A tenth aspect of the present invention is the data processing apparatus according to the ninth aspect, wherein the weight is an importance level of data determined by a predetermined importance level determination rule.
請求項11の発明は、請求項10に記載のデータ処理装置において、前記重要度が、索引語の出現頻度と、当該索引語を含む文書の数の逆数との積であることを特徴とする。
The invention according to
請求項12の発明は、請求項1ないし請求項11のいずれかに記載のデータ処理装置において、前記分類手段が、前記第2データ群の各データを、前記第1データ群の分類項目に対応する成分を有するベクトルへ変換するベクトル化手段を備え、前記第2データ群の分類に前記ベクトルを利用することを特徴とする。 According to a twelfth aspect of the present invention, in the data processing device according to any one of the first to eleventh aspects, the classification means corresponds each data of the second data group to a classification item of the first data group. Vectorizing means for converting into a vector having a component to be used, and the vector is used for classification of the second data group.
請求項13の発明は、請求項12に記載のデータ処理装置において、前記第2データ群の各データについて、前記第1データ群の各分類項目への関連性の程度を表現した重みに基づいて、前記ベクトルの各成分をそれぞれ定めることを特徴とする。 According to a thirteenth aspect of the present invention, in the data processing device according to the twelfth aspect of the present invention, the data of the second data group is based on a weight expressing the degree of relevance to each classification item of the first data group. Each component of the vector is determined.
請求項14の発明は、請求項1ないし請求項13のいずれかに記載のデータ処理装置において、前記分類手段が、分類にニューラルネットワークを使用することを特徴とする。 A fourteenth aspect of the present invention is the data processing device according to any one of the first to thirteenth aspects, wherein the classification means uses a neural network for classification.
請求項15の発明は、請求項14に記載のデータ処理装置において、前記ニューラルネットワークが自己組織化マップであることを特徴とする。 According to a fifteenth aspect of the present invention, in the data processing device according to the fourteenth aspect, the neural network is a self-organizing map.
請求項16の発明は、請求項1ないし請求項15のいずれかに記載のデータ処理装置において、前記新規データが前記第1データ群に追加されるデータであることを特徴とする。 A sixteenth aspect of the present invention is the data processing device according to any one of the first to fifteenth aspects, wherein the new data is data added to the first data group.
請求項17の発明は、請求項1ないし請求項15のいずれかに記載のデータ処理装置において、前記新規データが前記第1データ群に対する検索に使用されるクエリから生成されることを特徴とする。
The invention according to
請求項18の発明は、請求項17に記載のデータ処理装置において、前記新規データが属する分類項目に属する他の前記第2データ群のデータを抽出する抽出手段をさらに備えることを特徴とする。 According to an eighteenth aspect of the present invention, in the data processing device according to the seventeenth aspect of the present invention, the data processing device further includes an extracting unit that extracts data of the second data group belonging to the classification item to which the new data belongs.
請求項19の発明は、請求項18に記載のデータ処理装置において、前記新規データに関する補助情報を出力する出力手段をさらに備え、前記補助情報が前記新規データが属する分類項目に含まれる他の前記第2データ群のデータに基づいて作成されることを特徴とする。 The invention according to claim 19 is the data processing device according to claim 18, further comprising output means for outputting auxiliary information relating to the new data, wherein the auxiliary information is included in another classification item to which the new data belongs. It is created based on the data of the second data group.
請求項20の発明は、請求項1に記載のデータ処理装置において、前記新規データを操作者に入力させる入力手段をさらに備えることを特徴とする。 According to a twentieth aspect of the present invention, in the data processing device according to the first aspect of the present invention, the data processing apparatus further includes an input unit that allows an operator to input the new data.
請求項21の発明は、データ処理方法であって、複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する工程と、分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類行程と、前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定行程とを備えることを特徴とする。 The invention of claim 21 is a data processing method, the step of generating a second data group from a first data group classified into a classification item group including a plurality of classification items, and the classified first data group A classification process for classifying the second data group into the classification item group, and a classification item in the classification item group to which new data not included in the first data group and the second data group belongs. And a determination step of determining based on the classified second data group.
請求項22の発明は、データ処理プログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する生成工程と、分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類行程と、前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定行程とを実行させることを特徴とする。 The invention according to claim 22 is a data processing program, and when the program is executed by a computer, the computer generates a second data group from the first data group classified into a classification item group including a plurality of classification items. A generating step, a classification step of classifying the second data group into the classification item group based on the classified first data group, and a new process not included in the first data group and the second data group A determination step of determining a classification item in the classification item group to which the data belongs based on the classified second data group is performed.
請求項1ないし請求項22の発明によれば、分類された前記第1データ群に基づいて、第2データ群が分類され、分類された第2データ群に基づいて新規データが属する分類項目が特定されるので、新規データの処理に第1データ群の分類の情報を有効に利用可能になる。
According to the inventions of
請求項3の発明によれば、新規データが属する文献の分類項目が決定されるので、新規データの処理に文献の分類項目を利用可能になる。
According to the invention of
請求項4の発明によれば、新規データが属するインシデントの分類項目が決定されるので、新規データの処理にインシデントの分類項目を利用可能になる。 According to the invention of claim 4, since the incident classification item to which the new data belongs is determined, the incident classification item can be used for processing the new data.
請求項9ないし請求項13の発明によれば、第2データ群の各データが数値化されるので、第2データ群の分類処理が容易になる。 According to the ninth to thirteenth aspects of the present invention, since each data of the second data group is digitized, the classification process of the second data group becomes easy.
請求項12または請求項13の発明によれば、第2データ群の各データがベクトル化されるので、第2データ群の分類処理が容易になる。 According to the twelfth or thirteenth aspect of the present invention, since each data of the second data group is vectorized, the classification process of the second data group is facilitated.
請求項18または請求項19の発明によれば、新規データが属する分類項目に含まれる他の第2データ群のデータが抽出されるので、抽出されたデータを利用可能になる。 According to the invention of claim 18 or claim 19, since the data of the other second data group included in the classification item to which the new data belongs is extracted, the extracted data can be used.
請求項19の発明によれば、新規データが属する分類項目に含まれる他の第2データ群のデータに基づいて作成された補助情報が出力されるので、操作者は当該補助情報を利用可能になる。 According to the invention of claim 19, since the auxiliary information created based on the data of the other second data group included in the classification item to which the new data belongs is output, the operator can use the auxiliary information. Become.
請求項20の発明によれば、操作者が入力した新規データの処理が可能になる。 According to the twentieth aspect, it is possible to process new data input by the operator.
本実施形態のデータ検索装置1は、入力されたクエリを用いて、データストア11に格納されたデータ群111に対する検索を実行する。図2に示すように、データ検索装置1では、複数の分類項目に分類された状態でデータ群111がデータストア11に格納される。また、データ検索装置1のデータストア11には、データ群111と同様の分類項目に分類された状態で、データ群111から抽出されたキーワード群112が格納される。
The
さらに、データ処理装置でもあるデータ検索装置1は、データ群111に追加データを登録する場合に分類項目が指定されなくても、追加データが属する分類項目を追加データに含まれるキーワードを用いて決定可能である。また、データ検索装置1は、クエリが入力された場合に、クエリに含まれるキーワードを用いてクエリに関する補助情報であるヒントを生成可能である。なお、データ検索装置1は、テキストデータおよびバイナリデータ(イメージデータやムービーデータ等)のいずれも処理対象とすることができるが、以下では、データ群111が日本語の文字列を記述したテキストデータの集合であるとして説明を進める。
Furthermore, the
<ハードウエア構成>
図1は、本実施形態のデータ検索装置1を実現するためのコンピュータ4のハードウエア構成を示すブロック図である。
<Hardware configuration>
FIG. 1 is a block diagram showing a hardware configuration of a computer 4 for realizing the
コンピュータ4は、バス41等で接続されたCPU42、メモリ43、グラフィックスアダプタ44、入力デバイス45および記憶装置46を備える。グラフィックスアダプタ44には、ユーザインターフェース12を提供する出力デバイスとなるディスプレイ47が接続される。また、ユーザインターフェース12を提供する入力デバイス45は、キーボード451およびポインティングデバイス452を含む。
The computer 4 includes a
ハードディスクドライブ等で構成される記憶装置46には、コンピュータ4の基本動作を規定するオペレーティングシステム(以下では、「OS」とも称する)461がインストールされる。記憶装置46には、OS461の管理下で実行されるデータ検索プログラム462もインストールされる。データ検索装置1では、コンピュータ4がデータ検索プログラム462を実行することにより、後述する図2、5〜6および8〜9における各機能ブロックの機能が実現される。
An operating system (hereinafter also referred to as “OS”) 461 that defines the basic operation of the computer 4 is installed in the
なお、単一のコンピュータ4によってデータ検索装置1が実現される例を上記で示したが、データ検索装置1がネットワーク接続された複数のコンピュータによって実現されることも妨げられない。
In addition, although the example in which the
<機能構成>
○全体構成;
図2は、データ検索装置1の全体の機能構成を示すブロック図である。
<Functional configuration>
○ Overall composition;
FIG. 2 is a block diagram showing the overall functional configuration of the
記憶装置46を用いて実現されるデータ検索装置1のデータストア11には、データ群111およびキーワード群112が格納される。データ群111は、データ検索装置1において検索対象となるデータの集合である。キーワード群112は、データ群111を構成する各データのキーワードの集合であり、データ群111とは異なるデータの体系となっている。キーワードは、データを特徴付ける索引ないしはインデックスであり、好ましくはデータ群111を構成するデータの部分データである。これにより、データ群111の各データからキーワードを抽出可能となるので、キーワードの生成が容易になる。データ群111およびキーワード群112は、分類項目G0,G1,・・・,GNc-1を含む分類項目群に分類された状態でデータストア11に格納される。図3には、データ群111{D0,D1,・・・,Dp}が分類項目G0,G1,・・・,GNc-1に分類された状態の例が示されている。また、図4には、キーワード群112{K0,K1,・・・,KNk}が分類項目G0,G1,・・・,GNc-1に分類された状態の例が示されている。なお、データ群111およびキーワード群112のデータモデルは、リレーショナル型に制限されず、階層型またはネットワーク型でもよい。
データ検索装置1は、操作者等の外部から新規に与えられる入力データの取得および操作者等の外部への出力データの提示を行うユーザインターフェース12を備える。入力データには、データ群111に対する検索に使用されるクエリおよびデータ群111に追加される追加データが含まれる。出力データには、データ群111に対する検索により得られた検索結果およびクエリに関するヒントが含まれる。ユーザインターフェース12が取得したクエリおよび追加データは、それぞれ、クエリ処理エンジン13および追加データ処理エンジン14へ出力される。
The data search
クエリ処理エンジン13は、与えられたクエリを解析してキーワードを生成し、データ検索エンジン15へ出力する。また、クエリ処理エンジン13は、データストア11にアクセスして生成したキーワードが属する分類項目に属する他のキーワード(以下では、「同一分類キーワード」とも称する)を取得する。さらに、クエリ処理エンジン13は、同一分類キーワードに基づいて上述のヒントを生成してユーザインターフェース12へ出力する。
The
データ検索エンジン15は、データストア11にアクセスして、与えられたキーワードを含むデータを取得する。さらに、データ検索エンジン15は、取得したデータを検索結果としてユーザインターフェース12へ出力する。
The
追加データ処理エンジン14は、与えられた追加データを解析してキーワードを生成する。また、追加データ処理エンジン14は、データストア11にアクセスして、生成したキーワードが属する分類項目を特定し、追加データが属する分類項目を決定する。分類項目が決定された追加データは、当該分類項目に従ってデータストア11に格納される。
The additional
データ処理エンジン16は、データ群111からキーワード群112を生成し、分類されたデータ群111に基づいてキーワード群112の分類を行う。キーワードの生成および分類は、データストア11にデータが追加されるごとに行われる。
The
さらに、データ検索装置1は、データ検索装置1の内部の日本語処理に使用される日本語解析エンジン17を備える。
Further, the
以下では、上述の各機能ブロックについてさらに詳細に説明する。 Hereinafter, each functional block described above will be described in more detail.
○日本語解析エンジン;
図5は、入力された自然文からキーワードを抽出して出力する日本語解析エンジン17の機能構成を示すブロック図である。
○ Japanese analysis engine;
FIG. 5 is a block diagram showing a functional configuration of the
日本語解析エンジン17は、形態素解析部171、不要語除去部172および重複語除去部173を備える。形態素解析部171は、与えられた自然文を単語に分割して品詞情報とともに不要語除去部172へ出力する。不要語除去部172は、品詞情報や頻出辞書174を参照し、所定の規則に基づいて不要語を特定して、与えられた単語をフィルタリングし、キーワードとして適切な単語のみを抽出する。重複語除去部173は、不要語除去部172が抽出したキーワードに含まれる重複語を除去して出力する。
The
このような日本語解析エンジン17は、クエリ処理エンジン13、追加データ処理エンジン14およびデータ処理エンジン16におけるキーワード生成時に使用される。
Such a
なお、日本語解析エンジン17は、データ検索装置1が処理対象とするデータで使用されている言語によって適宜変更される。すなわち、処理対象とするデータで日本語以外の言語が使用される場合は、当該言語用の言語解析エンジンが日本語解析エンジン17に代わって使用される。もちろん、複数言語に対応した言語解析エンジンが日本語解析エンジン17に代わってデータ検索装置1に搭載されることも妨げられない。
Note that the
○データ処理エンジン;
図6は、データ処理エンジン16の機能構成を示すブロック図である。
○ Data processing engine;
FIG. 6 is a block diagram showing a functional configuration of the
データ処理エンジン16は、キーワード生成部161およびキーワード分類部162を備える。キーワード生成部161は、日本語解析エンジン17を利用してデータ群111の各データからキーワードを生成し、キーワード分類部162へ出力する。ひとつのデータから生成されるキーワードはひとつに制限されず、複数であってもよい。また、異なるデータから重複するキーワードが生成されることも妨げられない。
The
キーワード分類部162は、キーワードをクラスタリングして分類項目を決定し、決定した分類項目に従ってキーワードをデータストア11に格納する。キーワード分類部162におけるクラスタリングは、分類されたデータ群111に基づいて行われる。換言すれば、キーワード分類部162におけるクラスタリングは、データ群111の分類の情報を用いて行われる。クラスタリングの方法は制限されないが、ニューラルネットワーク、遺伝アルゴリズムおよびリンク分析等を利用した方法が適用可能である。以下では、これらの方法等のうち、ニューラルネットワークの一形態である自己組織化マップをクラスタリングに利用する例を説明する。
The
なお、クラスタリングの方法によっては、キーワードを数値で表現する必要がある場合やキーワードを数値で表現した方が処理が容易になる場合もある。このような場合において、キーワードを表現する数値は、単一の数値のみならず、複数の数値の組であってもよい(キーワードを複数の数値の組で表現することを以下では「ベクトル化」とも称する)。数値化の方法には、データ群の各データにおけるキーワードの重みに基づいて数値化する方法や、データ群111の各データにおけるキーワードの共起度に基づいて数値化する方法等がある。以下では、前者の一例として、データ群の各データにおけるキーワードのTF×IDF値に基づいて、キーワードを数値化する方法が採用されているものとして説明を進める。ここで、「TF(Term Frequency)」とは、キーワードのデータにおける出現頻度(索引語頻度)であり、「IDF(Inverse Document Frequency)」とは、キーワードを含むデータ数の逆数である。TF×IDF値は、局所的重み付けと大域的重み付けとの積であり、各データにおけるキーワードの重要性を示す指標となっている。
Depending on the clustering method, the keyword may need to be expressed numerically, or the processing may be easier if the keyword is expressed numerically. In such a case, the numerical value expressing the keyword is not limited to a single numerical value but may be a set of a plurality of numerical values. Also called). As a method of digitization, there are a method of digitizing based on the weight of the keyword in each data of the data group, a method of digitizing based on the co-occurrence degree of the keyword in each data of the
キーワードの数値化(ベクトル化)にあたっては、まず、データDmにおけるキーワードKnのTF×IDF値L(m,n)が算出される。そして、キーワードKnは、算出されたTF×IDF値L(m,n)を用いて、式1に示すNc次元のベクトルで表現される。
When the keywords quantify (vectorization), first, TF × IDF value L (m, n) of the keyword K n in the data D m is calculated. The keyword K n is expressed by an Nc-dimensional vector shown in
式1に示すベクトルの各成分における表記m∈Gi(i=1,2,・・・,Nc−1)は、分類項目Giに属するデータDmについて、TF×IDF値L(m,n)を加算することを意味する。換言すれば、式1に示すベクトルの各成分は、TF×IDF値L(m,n)をデータが属する分類項目ごとに集計したものに相当する。このようにして得られたベクトルKnの組は正規化される。具体的には、式2に示す行列の要素の最大値が1、最小値が0となるように正規化が行われる。
Notation in each component of the vector shown in Equation 1 m∈G i (i = 1,2, ···, Nc-1) , for the data D m belonging to the classification item G i, TF × IDF value L (m, n) means to add. In other words, each component of the vector shown in
この正規化後においては、キーワードを表現したベクトル(以下では、「キーワードベクトル」とも称する)の成分の大きさは、当該成分に対応する分類項目における当該キーワードの重要度、換言すれば関連性の程度となっている。 After this normalization, the magnitude of the component of the vector representing the keyword (hereinafter also referred to as “keyword vector”) is the importance of the keyword in the classification item corresponding to the component, in other words, the relevance of the keyword. It is about.
正規化後のNk個のベクトルは図7に例示す自己組織化マップSOMに入力され、キーワードのカテゴライズに利用される。自己組織化マップSOMの入力層ILはNc個(図7では、Nc=4の例が示されている)のユニットU11〜U14から構成される。ユニットU11〜U14は,自己組織化マップSOMの入力データとなるキーワードベクトルKiの各成分に対応している。自己組織化マップSOMの出力層OLはNg個(図7では、Ng=9の例が示されている)のユニットU21〜U29から構成される。ユニットU21〜U29は、一辺に(Ng)1/2個のユニットが存在するマトリクス状に配置される。出力層OLの各ユニットU21〜U29は、入力層ILの各ユニットU11〜U14と伝搬係数Sijで結合されている。ここで、インデックスiは入力層ILのユニット(キーワードベクトルKnの成分)を特定するインデックスであり、インデックスjは出力層OLのユニット(分類項目)を特定するインデックスである。 The normalized Nk vectors are input to the self-organizing map SOM illustrated in FIG. 7 and used for keyword categorization. The input layer IL of the self-organizing map SOM includes Nc units U11 to U14 (an example of Nc = 4 is shown in FIG. 7). Units U11 to U14 correspond to each component of the keyword vector Ki that is input data of the self-organizing map SOM. The output layer OL of the self-organizing map SOM is composed of Ng units U21 to U29 (in FIG. 7, an example of Ng = 9 is shown). The units U21 to U29 are arranged in a matrix having (Ng) 1/2 units on one side. Each unit U21~U29 of the output layer OL is coupled by the propagation coefficient S ij and each unit U11~U14 input layer IL. Here, the index i is an index that specifies a unit (component of the keyword vector K n ) of the input layer IL, and the index j is an index that specifies a unit (classification item) of the output layer OL.
なお、上述の説明では、キーワードがデータストア11に追加されるとしたが、キーワードに代えて複数の単語からなるキーセンテンスがデータストア11に格納されるようにしてもよい。
In the above description, a keyword is added to the
○クエリ処理エンジン;
図8はクエリ処理エンジン13の機能構成を示すブロック図である。
○ Query processing engine;
FIG. 8 is a block diagram showing a functional configuration of the
クエリ処理エンジン13は、クエリ解析部131を備える。クエリ解析部131は、日本語解析エンジン17を利用してクエリからキーワードを生成し、キーワード検索エンジン132およびデータ検索エンジン15へ出力する。クエリ解析部131で生成されたキーワードは、データ群111およびキーワード群112とは異なる新規データの一例となっている。
The
キーワード検索エンジン132は、データストア11にアクセスして、同一分類キーワードを取得する。例えば、キーワードの分類が図4に示す状態である場合、キーワード検索エンジン132は、キーワードK8が与えられると、キーワードK20,・・・,K50,・・・を同一分類キーワードとしてデータストア11から取得する。換言すれば、キーワード検索エンジン132は、分類されたキーワード群112に基づいて(キーワード群112の分類の情報を利用して)、与えられたキーワードが属する分類項目を特定している。すなわち、データ検索装置1は、キーワード群112の分類の情報を介して、データ群111の分類の情報を、生成したキーワードの処理(同一分類キーワードの取得やヒントの生成)に有効に利用可能となっている。なお、同じ分類項目に属するキーワードは、データ群111に対する重要度の傾向が類似しているので、同一分類キーワードをクエリに用いることにより適切な検索結果が得られる可能性は高いと言える。
The
ヒント生成部133は、与えられた同一分類キーワードに基づいてクエリに関する補助情報であるヒントを生成して、ユーザインターフェース12へ出力する。具体的には、ヒント生成部133は、与えられたキーワードを含むクエリを入力するように操作者に促すヒントを生成する等の処理を行い、ユーザインターフェース12へ出力する。このようなヒントの実例は後述する実施例で示される。これにより、操作者は、同一分類キーワードを利用して適切な検索結果を導くクエリをデータ検索装置1へ入力可能となる。
The
○追加データ処理エンジン;
図9は、追加データ処理エンジン14の機能構成を示すブロック図である。
○ Additional data processing engine;
FIG. 9 is a block diagram showing a functional configuration of the additional
追加データ処理エンジン14は、追加データ解析部141および追加データ分類部142を備える。
The additional
追加データ解析部141は、日本語解析エンジン17を利用して追加データからキーワードを生成し、追加データ分類部142へ出力する。追加データ解析部141で生成されたキーワードは、データ群111およびキーワード群112とは異なる新規データの一例となっている。
The additional
追加データ分類部142は、データベースにアクセスして、分類されたキーワード群112に基づいて(キーワード群112の分類の情報を利用して)、生成したキーワードが属する分類項目を特定し、追加データが属する分類項目を特定した分類項目に決定する。分類項目が決定された追加データは、当該分類項目に従ってデータストア11に格納される。つまり、追加データの分類項目が指定されなくても、データ検索装置1は、追加データに含まれるキーワードを利用して追加データの分類処理を自律的に実行可能となっている。すなわち、データ検索装置1は、データ群111の分類の情報を生成したキーワードの処理(生成元の追加データの分類)に有効に利用可能となっている。
The additional
<動作>
○全体動作;
図10は、データ検索装置1の全体の動作フローを示すフローチャートである。
<Operation>
○ Overall operation;
FIG. 10 is a flowchart showing an overall operation flow of the
動作フローの最初のステップS1では、検索およびデータ追加のいずれかが選択される。検索が選択された場合、動作フローはステップS2へ移行して検索動作のサブルーチンが実行される。一方、データ追加が選択された場合、動作フローはステップS3へ移行してデータ追加動作のサブルーチンが実行される。ステップS2またはS3終了後、動作フローは終了する。なお、ステップS1における選択の具体的方法は、後述する実施例において例示される。 In the first step S1 of the operation flow, either search or data addition is selected. If the search is selected, the operation flow moves to step S2 and the search operation subroutine is executed. On the other hand, when data addition is selected, the operation flow moves to step S3, and a subroutine for data addition operation is executed. After step S2 or S3 ends, the operation flow ends. In addition, the specific method of selection in step S1 is illustrated in the Example mentioned later.
○検索動作;
図11は、検索動作のサブルーチンの動作フローを示すフローチャートである。
○ Search operation;
FIG. 11 is a flowchart showing an operation flow of a subroutine for the search operation.
動作フローの最初のステップS101では、クエリ入力の検出が行われる。クエリ入力が検出された場合、動作フローは次のステップS102へ移行する。クエリ入力が検出されない場合、動作フローはステップS101へ戻り、クエリ入力の待機状態が継続する。なお、クエリ入力の具体的方法は、後述する実施例において例示される。 In the first step S101 of the operation flow, query input is detected. When a query input is detected, the operation flow moves to the next step S102. When the query input is not detected, the operation flow returns to step S101, and the query input standby state continues. A specific method for inputting a query is exemplified in an embodiment described later.
ステップS102では、クエリ解析部131がクエリからキーワードを生成して、キーワード検索エンジン132およびデータ検索エンジン15へ出力する。
In step S <b> 102, the
続いて、データ検索エンジン15がデータ検索を行い、検索結果をユーザインターフェース12へ出力する(ステップS103)。
Subsequently, the
さらに続いて、キーワード検索エンジン132がキーワード検索を行い、同一分類キーワードを抽出し(ステップS104)、ヒント生成部133がヒントを生成してユーザインターフェース12へ出力する(ステップS105)。
Subsequently, the
ステップS105に続くステップS106では、検索結果およびヒントがユーザインターフェース12を用いて操作者に提示される。しかる後に、検索動作のサブルーチンの動作フローが終了する。なお、検索結果およびヒントの提示の具体的方法は後述する実施例において例示される。
In step S106 following step S105, the search results and hints are presented to the operator using the
以上の動作フローにより、操作者は入力したクエリを用いた検索結果を取得するとともに、当該クエリに関するヒントを得たことになる。 Through the above operation flow, the operator obtains a search result using the input query and obtains a hint related to the query.
○データ追加動作;
図12は、データ追加動作のサブルーチンの動作フローを示すフローチャートである。
○ Data addition operation;
FIG. 12 is a flowchart showing an operation flow of a subroutine of data addition operation.
動作フローの最初のステップS201では、追加データの入力の検出が行われる。追加データの入力が検出された場合、動作フローは次のステップS202へ移行する。追加データの入力が検出されない場合、動作フローはステップS201へ戻り、追加データの入力の待機状態が継続する。なお、追加データの入力の具体的方法は、後述する実施例において例示される。 In the first step S201 of the operation flow, input of additional data is detected. When the input of additional data is detected, the operation flow moves to the next step S202. If the input of additional data is not detected, the operation flow returns to step S201, and the standby state for input of additional data continues. A specific method for inputting the additional data is exemplified in an embodiment described later.
ステップS202では、追加データ解析部141が追加データからキーワードを生成して、追加データ分類部142へ出力する。
In step S <b> 202, the additional
続いて、追加データ分類部142がデータ検索を行い与えられたキーワードが属する分類項目を特定し(ステップS203)、追加データ分類部142が特定した分類項目に基づいて追加データをデータストア11に格納する(ステップS204)。しかる後に、動作フローはステップへ移行する。
Subsequently, the additional
ステップS201〜S204により、データ検索装置1は、分類項目が指定されない追加データを自動的に分類してデータストア11に格納したことになる。
Through steps S201 to S204, the
ステップS205は、キーワードの分類のためのデータ処理のサブルーチンである。ステップS205終了後、データ追加動作のサブルーチンの動作フローは終了する。 Step S205 is a data processing subroutine for keyword classification. After step S205 ends, the operation flow of the subroutine for data addition operation ends.
○データ処理動作;
図13は、データ処理動作のサブルーチンの動作フローを示すフローチャートである。
○ Data processing operation;
FIG. 13 is a flowchart showing an operation flow of a subroutine of data processing operation.
動作フローの最初のステップS301では、キーワード生成部161がデータ群111の各データからキーワードを生成する。
In the first step S301 of the operation flow, the
続いて、キーワード分類部162は所定の方法で伝搬係数Sijを初期化し、伝搬係数Sijの修正回数sを初期化(s=0)する(ステップS302)。
Subsequently, the
さらに続いて、キーワード分類部162は、全てのキーワードKnをベクトル化して(ステップS303)、自己組織化マップSOMへ順次入力する(ステップS304)。
Subsequently, the
ステップS304に続くステップS305では、キーワード分類部162は、伝搬係数Sijの修正を行う(ステップS305)。具体的には、キーワード分類部162は、出力層OLの全てのユニットU21〜U29について、入力層ILのユニットU1〜U4が保持する値(キーワードベクトルKnの成分値Kni)と伝搬係数Sijとの誤差の総和T(式3参照)を計算し、誤差の総和Tが最小となる勝者ユニットを特定する。
In step S305 following step S304, the
そして、キーワード分類部162は、勝者ユニットを中心とする近傍領域内のユニットについて、誤差の総和Tが小さくなるように一定の割合で伝搬係数Sijを修正する。これにより、自己組織化マップSOMにおける学習が進行したことになる。
Then, the
続いて、修正回数sがインクリメント(s←s+1)される(ステップS306)。 Subsequently, the correction count s is incremented (s ← s + 1) (step S306).
続くステップ307では、修正回数sが所定回数Nに達しているかどうかによって分岐処理が行われる。達している場合は動作フローはステップS309へ移行する。一方、達していない場合は動作フローはステップS308へ移行する。 In the subsequent step 307, a branching process is performed depending on whether the number of corrections s has reached the predetermined number N. If it has reached, the operation flow moves to step S309. On the other hand, if not reached, the operation flow proceeds to step S308.
ステップ308では、誤差修正割合が削減されるとともに近傍領域が縮小され、動作フローはステップS304へ戻る。これにより、修正回数sが所定回数Nに達するまで、学習の進行を順次に抑制しつつ、自己組織化マップSOMの学習が継続されることになる。 In step 308, the error correction ratio is reduced and the neighborhood area is reduced, and the operation flow returns to step S304. As a result, the learning of the self-organizing map SOM is continued while the progress of learning is sequentially suppressed until the number of corrections s reaches the predetermined number N.
自己組織化マップSOMの学習終了後のステップS309では、キーワード分類部162がキーワードベクトルknを自己組織化マップSOMへ入力する。さらに、キーワード分類部162は、ステップS304と同様に勝者ユニットを特定する(ステップS311)。この勝者ユニットに対応する分類項目がキーワードknが属する分類項目となる。
In self-organizing map SOM step after learning completion of S309, the
ステップS312では、ステップS311で決定された分類項目に基づいてキーワードknがデータストア11に格納される。
In step S312, the keyword kn is stored in the
このような動作フローにより、データ群111から抽出されたキーワード群112がデータ群111の分類の情報に基づいて自動的に分類されたことになる。
With such an operation flow, the
実施例1は、データ検索装置1の論文検索システムへの適用例を示す実施例である。実施例2は、データ検索装置1の医療支援システムへの適用例を示す実施例である。論文検索システムおよび医療支援システムでは、データストア11に格納されるデータ群111およびキーワード群112が、各々のシステムが処理対象とする具体的なデータ群およびキーワード群となっている。また、論文検索システムおよび医療支援システムでは、各々のシステムの利用目的に適合するユーザインターフェース12が提供される。以下では、これらのデータ群111、キーワード群112およびユーザインターフェース12について説明する。なお、実施例1および実施例2は、データ検索装置1の適用方法の例示に過ぎない。したがって、データ検索装置1の適用方法や適用対象は、実施例1および実施例2によっては制限されず、特許請求の範囲の記載内で任意に変更可能である。
The first embodiment is an embodiment showing an application example of the
[実施例1]
実施例1は論文検索システムに関する。論文検索システムでは、データ群111が、医学分野の学術論文(以下では、「論文」とも称する)に係るテキストデータ(以下では、「論文データ」とも称する)の集合となっている。論文検索システムは、入力されたクエリを用いてデータ群111に対する検索を行い、当該クエリに合致する論文データを検索結果として操作者に提示する。また、論文検索システムは、入力された追加論文データをデータストア11に格納する。
[Example 1]
Example 1 relates to a paper search system. In the paper search system, the
さらに、論文検索システムは、検索実行時に、所望の論文データが検索出力される可能性を高めるためのクエリ変更のヒントを操作者に提示する。また、論文検索システムは、論文データ追加時に分類項目が指定されなくても、当該論文データが属する分類項目を決定可能である。これらの操作者の支援機能は、複数の分類項目群に分類されたデータ群11の分類の情報を利用して実現される。
Furthermore, the paper search system presents the operator with hints for changing a query to increase the possibility that desired paper data will be searched and output when executing the search. Further, the paper search system can determine the classification item to which the paper data belongs even if the classification item is not specified when the paper data is added. These support functions of the operator are realized by using the classification information of the
論文検索システムでは、データ群11を分類するための分類基準には、著者氏名、対象部位、病名およびセッションが採用される。ただし、これらの分類基準は例であり、これらの分類基準を他の分類基準に変更することや、これらの分類基準に他の分類基準を追加することも妨げられない。
In the paper search system, the author name, target region, disease name, and session are adopted as classification criteria for classifying the
論文検索システムでは、ユーザインターフェース12として、ディスプレイ47への表示を利用したGUI(Graphical User Interface)が採用される。このため、論文検索システムの操作者は、ディスプレイ47に表示された画面を参照しながら入力デバイス45で所定の操作を行うことにより、論文検索システムに指示を付与可能である。
In the paper search system, a GUI (Graphical User Interface) using display on the
<画面遷移>
図14は、論文検索システムのディスプレイ47に表示される画面の遷移を示す画面遷移図である。以下では、図14の画面遷移図および図15〜図22の画面例を参照しながら、論文検索システムの動作を説明する。
<Screen transition>
FIG. 14 is a screen transition diagram showing the transition of the screen displayed on the
○メニュー画面;
図15に例示するメニュー画面SC11は、論文検索システム起動時に表示される。メニュー画面SC11には、検索画面SC12および登録画面SC13への遷移リンク201および202が含まれる。遷移リンク201および202のいずれかを選択する操作がメニュー画面SC11で行われると、ディスプレイ47の表示は選択された遷移リンクに対応する画面(検索画面SC12または登録画面SC13)へ切り替わる。なお、メニュー画面SC11における遷移リンクの選択が図10のフローチャートのステップS1の選択に対応する。
○ Menu screen;
The menu screen SC11 illustrated in FIG. 15 is displayed when the paper search system is activated. Menu screen SC11 includes
○検索画面;
図16に例示する検索画面SC12は、クエリ入力用の画面である。検索画面SC12は、クエリ入力用のテキストエリア211および検索ボタン212を含む。操作者は、テキストエリア211へのクエリ入力後に検索ボタン212を押下することにより、当該クエリを用いた論文データ検索を論文検索システムに実行させる。すなわち、論文検索システムでは、検索画面SC12において検索ボタン212の押下が検出されると、図11のフローチャートに従って論文データ検索およびヒント生成が行われる。論文データ検索およびヒント生成の処理終了後、ディスプレイ47の表示は検索結果一覧表示画面SC14に切り替わる。なお、検索ボタン212の押下は、図11のフローチャートのステップS101のクエリ入力に対応している。
○ Search screen;
The search screen SC12 illustrated in FIG. 16 is a screen for query input. Search screen SC12 includes a
○検索結果一覧表示画面;
図17に例示する検索結果一覧表示画面SC14は、検索結果の一覧表示を行う画面である。検索結果一覧表示画面SC14は、検索結果一覧テーブル221および再検索ボタン223を含む。検索結果一覧テーブル221には、検索出力された論文のタイトルおよびカテゴリのリストが表示される。リストアップされた各論文のタイトル222a〜222gは、各論文に対応する詳細情報表示画面SC15への遷移リンクでもある。したがって、操作者は、所望の論文に対応する遷移リンクを選択することにより、所望の論文の詳細情報表示画面SC15をディスプレイ47に呼出可能である。また、再検索ボタン223は、再検索画面SC16の呼出指示を論文検索システムに与えるためのGUI指示部材である。
○ Search result list display screen;
A search result list display screen SC14 illustrated in FIG. 17 is a screen for displaying a list of search results. The search result list display screen SC14 includes a search result list table 221 and a
○詳細表示画面;
図18に例示する詳細情報表示画面SC15は、検索結果一覧表示画面SC14で選択された遷移リンクに対応する論文の詳細情報を表示する画面である。詳細情報表示画面SC15は、詳細表示テーブル231、再検索ボタン232および全文表示ボタン233を含む。詳細表示テーブル231には、タイトル、カテゴリ、著者、キーワード、妙録およびページ数が表示される。再検索ボタン232および全文表示ボタン233は、それぞれ、再検索画面SC16および全文表示画面SC17の呼出指示を論文検索システムに与えるためのGUI指示部材である。
○ Detailed display screen;
A detailed information display screen SC15 illustrated in FIG. 18 is a screen that displays detailed information of a paper corresponding to the transition link selected on the search result list display screen SC14. The detailed information display screen SC15 includes a detailed display table 231, a
○全文表示画面;
図19に例示する全文表示画面SC17は、詳細情報表示画面SC15で表示された論文の全文を表示する画面である。当該全文は、書式情報を含まないプレーンテキスト、書式情報を含むテキストまたはイメージ等で記述されたドキュメントであり、PDF(登録商標)等であってもよい。全文表示画面SC17は、論文の全文241および戻るボタン242を含む。戻るボタン242は、詳細情報表示画面SC15の呼出指示を論文検索システムに与えるためのGUI指示部材である。
○ Full text display screen;
The full text display screen SC17 illustrated in FIG. 19 is a screen that displays the full text of the paper displayed on the detailed information display screen SC15. The whole sentence is a document described in plain text not including format information, text or image including format information, and may be PDF (registered trademark) or the like. The full text display screen SC17 includes a
○再検索画面;
図20に例示される再検索画面SC16は、再検索のクエリ入力用の画面である。再検索画面SC16は、検索画面SC12と同様のテキストエリア251および検索ボタン252を含む。テキストエリア251には前回の検索で用いたクエリ251aがデフォルトで表示されるが、操作者は所定の操作により当該クエリ251aを編集可能である。
○ Re-search screen;
The re-search screen SC16 illustrated in FIG. 20 is a screen for query input for re-search. The re-search screen SC16 includes a
さらに、再検索画面SC16のテキストエリア251の下方には、クエリ変更のヒントHT1〜HT5が表示される。ヒントHT1〜HT5は、前回の検索で使用したクエリ251aに含まれるキーワード(「青木」、「大腸」、「ガン」、「再発率」および「大腸ガン」)の変更を促すヒントとなっている。
Furthermore, query change hints HT1 to HT5 are displayed below the
ヒントHT1は、著者氏名の分類項目に係る、「青木」の同一分類キーワード(「青木知美」および「青木 豊」)から生成されたヒントである。ヒントHT2は、対象部位の分類項目に係る、「大腸」の同一分類キーワード(「結腸」および「直腸」)から生成されたヒントである。ヒントHT3は、病名の分類項目に係る、「ガン」の同一分類キーワード(「悪性腫瘍」、「腫瘍マーカー」および「放射線」)から生成されたヒントである。ヒントHT4は、セッションの分類項目に係る、「再発率」の同一分類キーワード(「生存率」および「余命」)から生成されたヒントである。ヒントHT5は、セッションの分類項目に係る、「大腸ガン」の同一分類キーワード(「大腸ガン」および「大腸 ガン」)から生成されたヒントである。ヒントHT1〜HT5に含まれるキーワードは、前回の検索で使用したクエリに含まれるキーワード(以下では、「前回キーワード」とも称する)とデータ群111における出現傾向が類似しているので、前回キーワードの代替キーワードとして利用可能である。したがって、操作者はヒントを参照してクエリを変更することにより、より適切な検索出力を得る可能性がある。
The hint HT1 is a hint generated from the same classification keyword of “Aoki” (“Tomomi Aoki” and “Yutoshi Aoki”) related to the classification item of the author's name. The hint HT2 is a hint generated from the same classification keyword (“colon” and “rectum”) of “large intestine” related to the classification item of the target region. The hint HT3 is a hint generated from the same classification keyword (“malignant tumor”, “tumor marker”, and “radiation”) of “cancer” related to the disease name classification item. The hint HT4 is a hint generated from the same classification keyword (“survival rate” and “life expectancy”) of “recurrence rate” related to the session classification item. The hint HT5 is a hint generated from the same classification keyword (“colon cancer” and “colon cancer”) of “colon cancer” related to the session classification item. Since the keywords included in the hints HT1 to HT5 are similar in appearance tendency in the
さらに、再検索画面SC16は終了ボタン253を含む。終了ボタン253は、メニュー画面SC11への移行を論文検索システムに指示するためのGUI指示部材である。操作者は、終了ボタン253を押下することにより、ディスプレイ47の表示を再びメニュー画面SC11に切り替えることができる。
Further, the re-search screen SC16 includes an
○登録画面;
図21に例示する登録画面SC13は、論文登録用の画面である。登録画面SC13は、テキストボックス261、参照ボタン262および登録ボタン263を含む。操作者は、テキストボックス261へ登録論文のファイル場所(パス)を入力後(あるいは、ファイル参照ボタン262を押下して登録論文を選択するGUI操作後)に登録ボタン263を押下することにより、論文データのデータストア11への登録を論文検索システムに実行させる。すなわち、登録画面SC13において登録ボタン263の押下が検出されると、テキストボックス261に入力されたパスの論文データが、図12に示すフローチャートに従って追加データとしてデータストア11に格納される。なお、図21には、論文データの分類項目を指定するためのGUI操作部材は含まれないが、論文検索システムは入力された論文データを自動的に分類可能である。また、登録ボタン263の押下は、図12のフローチャートのステップS201における追加データ入力に対応する。
○ Registration screen;
A registration screen SC13 illustrated in FIG. 21 is a screen for paper registration. The registration screen SC13 includes a
登録ボタン263の押下後、論文の登録が完了するとディスプレイ47の表示は登録成功画面SC18へ切り替わる。
When the registration of the paper is completed after the
○登録成功画面;
図22に例示される登録成功画面SC18は、論文登録の成功を操作者に通知する画面である。
○ Registration success screen;
A registration success screen SC18 illustrated in FIG. 22 is a screen for notifying the operator of the success of the paper registration.
登録成功画面SC18には、操作者に論文登録の成功を通知する文字列271と、登録画面SC13およびメニュー画面SC11への遷移リンク272および273とが含まれる。遷移リンク272および273のいずれかを選択する操作が登録成功画面SC18で行われると、ディスプレイ47の表示は選択された遷移リンクに対応する画面へ移行する。
The registration success screen SC18 includes a
[実施例2]
実施例2は医療支援システムに関する。医療支援システムでは、データ群111が、医療従事者が医療行為実行時に経験したインシデントに係るテキストデータ(以下では、「インシデントデータ」とも称する)の集合となっている。医療支援システムは、入力されたクエリを用いてデータ群111に対する検索を行い、当該クエリに合致するインシデントデータを検索結果として操作者に提示する。また、医療支援システムは、入力された追加インシデントデータをデータストア11に格納する。医療支援システムにおけるクエリはコンディション入力画面SC21のテンプレートを用いて医療従事者が入力したコンディション情報に基づいて生成される。
[Example 2]
Example 2 relates to a medical support system. In the medical support system, the
さらに、医療支援システムは、検索実行時に、当該クエリに含まれるキーワードと関連が深いキーワードをヒントとして操作者に提示する。また、医療支援システムは、インシデントデータ追加時に分類項目が指定されなくても、当該インシデントデータが属する分類項目を決定可能である。これらの操作者の支援機能は、複数の分類項目群に分類されたデータ群111の分類の情報を利用して実現される。
Furthermore, the medical support system presents a keyword that is closely related to the keyword included in the query to the operator as a hint when executing the search. In addition, the medical support system can determine the classification item to which the incident data belongs even if the classification item is not specified when incident data is added. These support functions of the operator are realized by using the classification information of the
データ群111を分類するための分類基準には、インシデントを経験した医療従事者の所属科(内科、外科および耳鼻科等)および経験年数(一般的には属性)と、インシデントの発生時刻と、インシデント発生時の天候とが採用される。ただし、これらの分類基準は例であり、これらの分類基準を他の分類基準に変更することや、これらの分類基準に他の分類基準を追加することも妨げられない。
Classification criteria for classifying the
医療支援システムでは、論文検索システムと同様に、ユーザインターフェース12として、ディスプレイ47への表示を利用したGUIが採用される。このため、医療支援システムの操作者は、ディスプレイ47に表示された画面を参照しながら入力デバイス45で所定の操作を行うことにより、医療支援システムに指示を付与可能である。
In the medical support system, a GUI using display on the
<画面遷移>
図23は、医療支援システムのディスプレイ47に表示される画面の遷移を示す画面遷移図である。以下では、図23の画面遷移図および図24〜図29の画面例を参照しながら、医療支援システムの動作を説明する。
<Screen transition>
FIG. 23 is a screen transition diagram showing transition of screens displayed on the
○メニュー画面;
図24に例示するメニュー画面SC22は、医療支援システム起動時に表示される。メニュー画面SC22は、コンディション入力画面SC21およびインシデント登録画面SC23への遷移リンク301および302を含む。遷移リンク301および302のいずれかを選択する操作がメニュー画面SC22で行われると、ディスプレイ47の表示は選択された遷移リンクに対応する画面(コンディション入力画面SC21またはインシデント登録画面SC23)へ切り替わる。なお、メニュー画面SC22における遷移リンクの選択が図10のフローチャートのステップS1の選択に対応する。
○ Menu screen;
A menu screen SC22 illustrated in FIG. 24 is displayed when the medical support system is activated. Menu screen SC22 includes
○コンディション入力画面;
図25に例示するコンディション入力画面SC21は、医療従事者のコンディション入力用の画面である。
○ Condition input screen;
A condition input screen SC21 illustrated in FIG. 25 is a screen for inputting a condition of a medical worker.
コンディション入力画面SC21は、複数の入力項目の枠組みを有するテンプレートとなっている。テンプレートには、インシデントを経験した医療従事者の所属科および経験年数と、インシデントの発生時刻と、インシデント発生時の天候と、インシデントに係る医療行為(図25では、看護師が患者に対して実行するケアとなっている)の内容とを入力するためのテキストエリア311〜315および検索ボタン316を備える。ただし、図25に例示する入力項目は例であり、当該入力項目に他の入力項目を追加することや当該入力項目を他の入力項目に変更することも妨げられない。操作者は、テキストエリア311〜315への入力後に検索ボタン316を押下することにより、当該入力内容に対応するインシデントデータの検索を医療支援システムに実行させる。すなわち、コンディション入力画面SC21において検索ボタン316の押下が検出されると、図11のフローチャートに従ってインシデントデータ検索およびヒント生成が行われる。なお、医療支援システムでは、キーワードはテンプレートを用いて入力された複数の文字列から生成される。キーワードの生成にあたっては日本語解析に加えて、テンプレートにおける入力項目の情報も利用される。インシデントデータ検索およびヒント生成後、ディスプレイ47の表示は検索結果一覧表示画面SC24に切り替わる。なお、検索ボタン316の押下は、図11のフローチャートのステップS101のクエリ入力に対応する。
The condition input screen SC21 is a template having a plurality of input item frameworks. The template includes the department and years of experience of the medical staff who experienced the incident, the time when the incident occurred, the weather at the time of the incident, and the medical action related to the incident (in FIG. 25, the nurse performs the treatment on the patient).
○検索結果一覧表示画面;
図26に例示する検索結果一覧表示画面SC24は、検索結果の一覧表示を行う画面である。検索結果一覧表示画面SC24は、検索結果一覧321および関連キーワード一覧322を含む。関連キーワード一覧322には、クエリに関するヒントである関連キーワードのリストが表示される。ヒントは、キーワード検索エンジン132が抽出した同一分類キーワードである。すなわち、医療支援システムのヒント生成部133は、与えられた同一分類キーワードに特別な変換を行わないでユーザインターフェース12へ出力している。
○ Search result list display screen;
The search result list display screen SC24 illustrated in FIG. 26 is a screen for displaying a list of search results. The search result list display screen SC24 includes a
検索結果一覧321には、検索出力されたインシデントデータのケア内容のリストが表示される。検索出力は、コンディション入力画面SC21の入力から直接生成されたキーワードと当該キーワードの同一分類キーワードを用いて検索を行った検索出力となっている。このように同一分類キーワード(関連キーワード)をも検索に利用することにより、重要なインシデントデータが検索出力から抜け落ちることを防止可能である。なお、検索結果一覧でリストアップされた各インシデントデータのケア内容は、各インシデントデータに対応する詳細情報表示画面SC25への遷移リンクでもある。したがって、操作者は、所望のインシデントデータに対応する遷移リンクを選択することにより、所望のインシデントデータの詳細情報表示画面SC25をディスプレイ47に呼出可能である。
The
また、検索結果一覧表示画面SC24は、戻るボタン323を含む。戻るボタン323は、コンディション入力画面SC21の呼出指示を医療支援検索システムに与えるためのGUI指示部材である。
The search result list display screen SC24 includes a
○詳細表示画面;
図27に例示する詳細情報表示画面SC25は、検索結果一覧表示画面SC24で選択された遷移リンクに対応するインシデントデータの詳細情報を表示する画面である。詳細情報表示画面SC25は、詳細表示テーブル331および戻るボタン332を含む。詳細表示テーブル331には、インシデントを経験した医療従事者の所属科および経験年数と、インシデントの発生時刻と、インシデント発生時の天候と、インシデントに係る医療行為の内容と、インシデントの内容とが表示される。戻るボタン332は、検索結果一覧表示画面SC24の呼出指示を医療支援システムに与えるためのGUI指示部材である。
○ Detailed display screen;
The detailed information display screen SC25 illustrated in FIG. 27 is a screen that displays detailed information of incident data corresponding to the transition link selected on the search result list display screen SC24. Detailed information display screen SC25 includes a detailed display table 331 and a
○インシデント登録画面;
図28に例示するインシデント登録画面SC23は、インシデント登録用の画面である。インシデント登録画面SC23は、コンディション入力画面SC21と同様に、テンプレートとなっている。テンプレートには、詳細表示画面SC25と同じ項目の入力のためのテキストエリア341〜346を含む。操作者は、テキストエリア341〜346への入力後に登録ボタン347を押下することにより、インシデントデータのデータストア11への追加を医療支援システムに実行させる。すなわち、インシデント登録画面SC23において登録ボタン347の押下が検出されると、テンプレートに入力されたインシデントデータが追加データとしてデータストア11に格納される。なお、図28には、インシデントデータの分類項目を指定するためのGUI操作部材は含まれないが、医療支援システムは入力されたインシデントデータを自動的に分類可能である。
○ Incident registration screen;
The incident registration screen SC23 illustrated in FIG. 28 is an incident registration screen. The incident registration screen SC23 is a template, similar to the condition input screen SC21. The template includes
登録ボタンの押下後、インシデントデータの登録が完了するとディスプレイ47の表示は登録成功画面SC26へ移行する。また、登録ボタン347の押下は、図12のフローチャートのステップS201における追加データ入力に対応する。
When the registration of incident data is completed after the registration button is pressed, the display on the
○登録成功画面;
図29に例示される登録成功画面SC26は、インシデント登録の成功を操作者に通知する画面である。登録成功画面SC26には、操作者にインシデントデータ登録の成功を通知するための文字列351と、戻るボタン352とが含まれる。戻るボタン352の押下操作が登録成功画面SC26で行われると、ディスプレイ47の表示はインシデントデータ登録画面SC23へ移行する。
○ Registration success screen;
A registration success screen SC26 illustrated in FIG. 29 is a screen for notifying the operator of successful incident registration. The registration success screen SC26 includes a
IL 入力層
OL 出力層
U11〜U14,U21〜U29 ユニット
SOM 自己組織化マップ
HT1〜HT5 ヒント
IL input layer OL output layer U11 to U14, U21 to U29 Unit SOM Self-organizing map HT1 to HT5 Hint
Claims (22)
複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する生成手段と、
分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類手段と、
前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定手段と、
を備えることを特徴とするデータ処理装置。 A data processing device,
Generating means for generating a second data group from a first data group classified into a classification item group including a plurality of classification items;
Classification means for classifying the second data group into the classification item group based on the classified first data group;
Determining means for determining a classification item in the classification item group to which new data not included in the first data group and the second data group belongs, based on the classified second data group;
A data processing apparatus comprising:
前記第1データ群の各データがテキストデータであり、
前記第2データ群の各データが前記第1データ群のテキストデータの索引に相当するテキストデータであることを特徴とするデータ処理装置。 The data processing apparatus according to claim 1,
Each data of the first data group is text data,
A data processing apparatus, wherein each data of the second data group is text data corresponding to an index of text data of the first data group.
前記第1データ群が文献に係るデータ群であり、前記第2データ群が前記文献の索引に係るデータ群であることを特徴とするデータ処理装置。 The data processing apparatus according to claim 2, wherein
The data processing apparatus, wherein the first data group is a data group related to a document, and the second data group is a data group related to an index of the document.
前記第1データ群が医療行為によって発生したインシデントに係るデータ群であり、前記第2データ群が前記インシデントの索引に係るデータ群であることを特徴とするデータ処理装置。 The data processing apparatus according to claim 2, wherein
The data processing apparatus, wherein the first data group is a data group related to an incident caused by a medical practice, and the second data group is a data group related to an index of the incident.
前記第2データ群が前記第1データ群の部分データであることを特徴とするデータ処理装置。 The data processing device according to any one of claims 1 to 4,
The data processing apparatus, wherein the second data group is partial data of the first data group.
前記生成手段が、
前記テキストデータに記述された文字列を単語群に分割する形態素解析手段と、
前記単語群から前記第2データ群を構築する構築手段と、
を備えることを特徴とするデータ処理装置。 The data processing apparatus according to claim 2, wherein
The generating means
Morphological analysis means for dividing a character string described in the text data into word groups;
Construction means for constructing the second data group from the word group;
A data processing apparatus comprising:
前記構築手段が、
前記単語群の中の重複語を除去する手段を有することを特徴とするデータ処理装置。 The data processing apparatus according to claim 6, wherein
The construction means is
A data processing apparatus comprising means for removing duplicate words in the word group.
前記構築手段が、
所定の不要語特定規則に従って前記単語群の中の不要語を特定し、当該不要語を除去する手段を有することを特徴とするデータ処理装置。 The data processing device according to claim 6 or 7,
The construction means is
A data processing apparatus comprising: means for specifying an unnecessary word in the word group according to a predetermined unnecessary word specifying rule and removing the unnecessary word.
前記分類手段が、
前記第1データ群の各データにおける前記第2データ群の各データの重みを所定の重み算出規則に従って算出する算出手段を備え、
前記第2データ群の分類に前記重みを利用することを特徴とするデータ処理装置。 The data processing device according to any one of claims 6 to 8,
The classification means is
Calculating means for calculating a weight of each data of the second data group in each data of the first data group according to a predetermined weight calculation rule;
A data processing apparatus using the weight for classification of the second data group.
前記重みが所定の重要度判定規則によって定まるデータの重要度であることを特徴とするデータ処理装置。 The data processing apparatus according to claim 9, wherein
The data processing apparatus characterized in that the weight is the importance of data determined by a predetermined importance determination rule.
前記重要度が、索引語の出現頻度と、当該索引語を含む文書の数の逆数との積であることを特徴とするデータ処理装置。 The data processing apparatus according to claim 10, wherein
The degree of importance is a product of an appearance frequency of an index word and a reciprocal of the number of documents including the index word.
前記分類手段が、
前記第2データ群の各データを、前記第1データ群の分類項目に対応する成分を有するベクトルへ変換するベクトル化手段を備え、
前記第2データ群の分類に前記ベクトルを利用することを特徴とするデータ処理装置。 The data processing apparatus according to any one of claims 1 to 11,
The classification means is
Vectorization means for converting each data of the second data group into a vector having a component corresponding to a classification item of the first data group;
A data processing apparatus using the vector for classification of the second data group.
前記第2データ群の各データについて、前記第1データ群の各分類項目への関連性の程度を表現した重みに基づいて、前記ベクトルの各成分をそれぞれ定めることを特徴とするデータ処理装置。 The data processing apparatus according to claim 12, wherein
A data processing device, wherein each component of the vector is determined for each data of the second data group based on a weight expressing a degree of relevance to each classification item of the first data group.
前記分類手段が、分類にニューラルネットワークを使用することを特徴とするデータ処理装置。 The data processing device according to any one of claims 1 to 13,
A data processing apparatus, wherein the classification means uses a neural network for classification.
前記ニューラルネットワークが自己組織化マップであることを特徴とするデータ処理装置。 The data processing apparatus according to claim 14, wherein
A data processing apparatus, wherein the neural network is a self-organizing map.
前記新規データが前記第1データ群に追加されるデータであることを特徴とするデータ処理装置。 The data processing device according to any one of claims 1 to 15,
The data processing apparatus, wherein the new data is data added to the first data group.
前記新規データが前記第1データ群に対する検索に使用されるクエリから生成されることを特徴とするデータ処理装置。 The data processing device according to any one of claims 1 to 15,
The data processing apparatus, wherein the new data is generated from a query used for a search for the first data group.
前記新規データが属する分類項目に属する他の前記第2データ群のデータを抽出する抽出手段をさらに備えることを特徴とするデータ処理装置。 The data processing apparatus according to claim 17,
A data processing apparatus, further comprising an extracting unit that extracts data of another second data group belonging to the classification item to which the new data belongs.
前記新規データに関する補助情報を出力する出力手段をさらに備え、
前記補助情報が前記新規データが属する分類項目に含まれる他の前記第2データ群のデータに基づいて作成されることを特徴とするデータ処理装置。 The data processing apparatus according to claim 18, wherein
An output means for outputting auxiliary information related to the new data;
The data processing apparatus, wherein the auxiliary information is created based on data of another second data group included in a classification item to which the new data belongs.
前記新規データを操作者に入力させる入力手段をさらに備えることを特徴とするデータ処理装置。 The data processing apparatus according to claim 1,
The data processing apparatus further comprising input means for allowing an operator to input the new data.
複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する工程と、
分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類行程と、
前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定行程と、
を備えることを特徴とするデータ処理方法。 A data processing method,
Generating a second data group from the first data group classified into a classification item group including a plurality of classification items;
A classification step of classifying the second data group into the classification item group based on the classified first data group;
A determination step of determining a classification item in the classification item group to which new data not included in the first data group and the second data group belongs, based on the classified second data group;
A data processing method comprising:
複数の分類項目を含む分類項目群に分類された第1データ群から第2データ群を生成する生成工程と、
分類された前記第1データ群に基づいて、前記分類項目群に前記第2データ群を分類する分類行程と、
前記第1データ群および前記第2データ群に含まれない新規データが属する前記分類項目群の中の分類項目を、分類された前記第2データ群に基づいて決定する決定行程と、
を実行させることを特徴とするデータ処理プログラム。 A data processing program, the computer executing the program,
A generating step of generating a second data group from the first data group classified into a classification item group including a plurality of classification items;
A classification step of classifying the second data group into the classification item group based on the classified first data group;
A determination step of determining a classification item in the classification item group to which new data not included in the first data group and the second data group belongs, based on the classified second data group;
A data processing program characterized by causing
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004064172A JP2005251091A (en) | 2004-03-08 | 2004-03-08 | Data processor, data processing method, and data processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004064172A JP2005251091A (en) | 2004-03-08 | 2004-03-08 | Data processor, data processing method, and data processing program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005251091A true JP2005251091A (en) | 2005-09-15 |
Family
ID=35031485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004064172A Pending JP2005251091A (en) | 2004-03-08 | 2004-03-08 | Data processor, data processing method, and data processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005251091A (en) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007310720A (en) * | 2006-05-19 | 2007-11-29 | Toshiba Corp | Data processor, data processing method and data processing program |
JP2009015495A (en) * | 2007-07-03 | 2009-01-22 | Dainippon Printing Co Ltd | Keyword classification device |
WO2009054215A1 (en) * | 2007-10-23 | 2009-04-30 | Konica Minolta Medical & Graphic, Inc. | Information processing system and program |
JP2009098970A (en) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | Safe driving support system |
JP2012073804A (en) * | 2010-09-28 | 2012-04-12 | Toshiba Corp | Keyword presentation apparatus, method and program |
US8224820B2 (en) | 2005-11-17 | 2012-07-17 | Konica Minolta Medical & Graphic, Inc. | Information processing system |
JP2012160206A (en) * | 2012-04-27 | 2012-08-23 | Dainippon Printing Co Ltd | Brog collection server |
US8499195B2 (en) | 2010-06-16 | 2013-07-30 | Fujitsu Limited | Failure cause estimation device and failure cause estimation method |
CN104778606A (en) * | 2015-04-10 | 2015-07-15 | 北京京东尚科信息技术有限公司 | Account structure data processing method and device |
KR20170133692A (en) * | 2016-05-26 | 2017-12-06 | 아주대학교산학협력단 | Method and Apparatus for generating association rules between medical words in medical record document |
JP2018512639A (en) * | 2015-02-25 | 2018-05-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Method and system for evaluation in the context of clinical findings |
KR101899250B1 (en) * | 2017-04-12 | 2018-09-18 | 한국과학기술원 | A personalized automatic literature search system for patient by using their general blood test results |
-
2004
- 2004-03-08 JP JP2004064172A patent/JP2005251091A/en active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224820B2 (en) | 2005-11-17 | 2012-07-17 | Konica Minolta Medical & Graphic, Inc. | Information processing system |
JP2007310720A (en) * | 2006-05-19 | 2007-11-29 | Toshiba Corp | Data processor, data processing method and data processing program |
JP2009015495A (en) * | 2007-07-03 | 2009-01-22 | Dainippon Printing Co Ltd | Keyword classification device |
JP2009098970A (en) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | Safe driving support system |
WO2009054215A1 (en) * | 2007-10-23 | 2009-04-30 | Konica Minolta Medical & Graphic, Inc. | Information processing system and program |
US8499195B2 (en) | 2010-06-16 | 2013-07-30 | Fujitsu Limited | Failure cause estimation device and failure cause estimation method |
US8812504B2 (en) | 2010-09-28 | 2014-08-19 | Kabushiki Kaisha Toshiba | Keyword presentation apparatus and method |
JP2012073804A (en) * | 2010-09-28 | 2012-04-12 | Toshiba Corp | Keyword presentation apparatus, method and program |
JP2012160206A (en) * | 2012-04-27 | 2012-08-23 | Dainippon Printing Co Ltd | Brog collection server |
JP2018512639A (en) * | 2015-02-25 | 2018-05-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Method and system for evaluation in the context of clinical findings |
US11630874B2 (en) | 2015-02-25 | 2023-04-18 | Koninklijke Philips N.V. | Method and system for context-sensitive assessment of clinical findings |
CN104778606A (en) * | 2015-04-10 | 2015-07-15 | 北京京东尚科信息技术有限公司 | Account structure data processing method and device |
KR20170133692A (en) * | 2016-05-26 | 2017-12-06 | 아주대학교산학협력단 | Method and Apparatus for generating association rules between medical words in medical record document |
KR101897080B1 (en) * | 2016-05-26 | 2018-09-11 | 아주대학교산학협력단 | Method and Apparatus for generating association rules between medical words in medical record document |
KR101899250B1 (en) * | 2017-04-12 | 2018-09-18 | 한국과학기술원 | A personalized automatic literature search system for patient by using their general blood test results |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3755134B2 (en) | Computer-based matched text search system and method | |
Dogan et al. | An improved corpus of disease mentions in PubMed citations | |
US9183281B2 (en) | Context-based document unit recommendation for sensemaking tasks | |
JP3220886B2 (en) | Document search method and apparatus | |
JP2005122295A (en) | Relationship figure creation program, relationship figure creation method, and relationship figure generation device | |
JP2003167914A (en) | Multimedia information retrieving method, program, recording medium and system therefor | |
JP6767042B2 (en) | Scenario passage classifier, scenario classifier, and computer programs for it | |
JP2005251091A (en) | Data processor, data processing method, and data processing program | |
JPWO2012176374A1 (en) | Numerical range search device, numerical range search method, and numerical range search program | |
US10650191B1 (en) | Document term extraction based on multiple metrics | |
JP2011248596A (en) | Searching system and searching method for picture-containing documents | |
JP2000357170A (en) | Device that performs information retrieval by using reason of reference to document | |
Spitz et al. | EVELIN: Exploration of event and entity links in implicit networks | |
JP2000331032A (en) | Document processor and method and device for word extraction | |
JP2021072035A (en) | Workshop support system and workshop support method | |
JP4747711B2 (en) | Information survey device | |
KR20090089096A (en) | System and method for contextual association discovery to make concept of user query | |
CN109840275B (en) | Method, device and equipment for processing medical search statement | |
KR101509036B1 (en) | Apparatus and method for extraction clinical knowledge | |
KR101180470B1 (en) | Traditional Korean medicine diagnosis system based on basic ontology | |
Zouaoui et al. | Ontological Approach Based on Multi-Agent System for Indexing and Filtering Arabic Docu-ments | |
JP2009175895A (en) | Text segmentation device and method and program and computer-readable recording medium | |
Gulla et al. | An interactive ontology learning workbench for non-experts | |
JP2002056009A (en) | Method and device for classifying document | |
JP2007164462A (en) | Question answering system, question answering method and question answering program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080617 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080703 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090106 |