JP5853090B2 - デジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラム - Google Patents

Description

本発明は、デジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラムに関する。特に、本発明は、デジタル情報に含まれる複数の単語の関連性に基づいて当該デジタル情報を分析するデジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラムに関する。

従来、記録されたデジタル情報を表示し、複数の文書ファイルごとに、利用者情報に含まれる利用者のうちいずれの利用者に関連するものであるかを示す利用者特定情報を設定し、設定された利用者特定情報を記憶部に記録するように設定し、少なくとも一人以上の利用者を指定し、指定された利用者に対応する利用者特定情報が設定された文書ファイルを検索し、表示部を介して、検索された文書ファイルが、訴訟に関連するものであるか否かを示す付帯情報を設定し、付帯情報に基づき、訴訟に関連する文書ファイルを出力するシステムが知られている（例えば、特許文献１参照。）。特許文献１に記載のシステムによれば、特定の者に関係するデジタル文書情報のみを抽出し、訴訟の証拠資料作成のための作業負荷の軽減を図ることができる。

特開２０１２−１８１８５１号公報

特許文献１に記載されているようなシステムにおいて、一の単語だけでなく、複数の単語に基づいて共起形態素を選定することで、更なる作業負荷の軽減を図ることができると考えられる。

したがって、本発明の目的は、複数の単語の関連性に基づいてデジタル情報を分析するデジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラムを提供することにある。

本発明は、上記目的を達成するため、情報処理装置に格納されている調査対象の対象デジタル情報を選択する対象選択部と、予め定められた特定事項と関連性を有する複数の単語の組合せそれぞれを格納する組合せ格納部と、対象選択部において選択された対象デジタル情報内に、組合せ格納部が格納している複数の単語の組合せが含まれているか否か検索する検索部と、対象デジタル情報内に組合せ格納部が格納している複数の単語の組合せの少なくとも１つが含まれている場合、形態素解析の結果に基づいて対象デジタル情報の予め定められた特定事項との関連性を判断する関連性判断部と、関連性判断部の判断結果を対象デジタル情報に対応づける判断結果設定部とを備えるデジタル情報分析システムが提供される。

また、上記デジタル情報分析システムにおいて、判断結果設定部が複数の対象デジタル情報のそれぞれに対応づけた判断結果に基づいて、予め定められた特定情報に関連する対象デジタル情報を出力する出力部を更に備えることもできる。

また、上記デジタル情報分析システムは、対象選択部が、情報処理装置から複数の対象デジタル情報を選択し、検索部が、複数の対象デジタル情報のそれぞれに複数の単語の組合せが含まれているか否かを検索し、関連性判断部が、複数の単語の組合せのそれぞれについて関連性を判断し、判断結果設定部が、判断結果を複数の対象デジタル情報のそれぞれに対応づけることもできる。

また、上記デジタル情報分析システムは、関連性判断部が、対象デジタル情報を形態素解析する解析部と、解析部の解析結果に基づいて、単語の組合せを構成する一の単語と他の単語とのそれぞれに対象デジタル情報が示す文章内における位置情報を付与する位置情報付与部と、位置情報付与部が付与した一の単語の位置情報と他の単語の位置情報との間の距離を算出する距離算出部と、距離に基づいて、関連性を判断する判断部とを有することもできる。

また、上記デジタル情報分析システムは、関連性判断部が、対象デジタル情報を形態素解析する解析部と、解析部の解析結果から得られる単語の組合せを構成する一の単語と他の単語との語順に基づいて、関連性を判断する語順判断部とを有することもできる。

また、上記デジタル情報分析システムは、関連性判断部が、対象デジタル情報を形態素解析する解析部と、解析部の解析結果から得られる単語の組合せを構成する一の単語と他の単語とが同一文中に存在するか否かを示す情報に基づいて関連性を判断するセンテンス判断部とを有することもできる。

また、上記デジタル情報分析システムは、予め定められた特定事項が、訴訟に関係することを示す情報であってもよい。

また、上記デジタル情報分析システムは、関連性判断部の判断結果を外部からの指示に応じて修正する修正部を更に備えることもできる。

また、本発明は、上記目的を達成するため、情報処理装置に格納されている調査対象の対象デジタル情報を選択する対象選択段階と、対象選択部において選択された対象デジタル情報内に、予め定められた特定事項と関連性を有する複数の単語の組合せそれぞれを格納する組合せ格納部が格納している複数の単語の組合せが含まれているか否か検索する検索段階と、対象デジタル情報内に組合せ格納部が格納している複数の単語の組合せの少なくとも１つが含まれている場合、形態素解析の結果に基づいて対象デジタル情報の予め定められた特定事項との関連性を判断する関連性判断段階と、関連性判断段階における判断結果を対象デジタル情報に対応づける判断結果設定段階とを備えるデジタル情報分析方法が提供される。

また、本発明は、上記目的を達成するため、デジタル情報分析プログラムであって、コンピュータに、情報処理装置に格納されている調査対象の対象デジタル情報を選択する対象選択機能と、対象選択機能が選択した対象デジタル情報内に、予め定められた特定事項と関連性を有する複数の単語の組合せのそれぞれを格納する組合せ格納部に格納されている複数の単語の組合せが含まれているか否か検索する検索機能と、対象デジタル情報内に組合せ格納部が格納している複数の単語の組合せの少なくとも１つが含まれている場合、形態素解析の結果に基づいて対象デジタル情報の予め定められた特定事項との関連性を判断する関連性判断機能と、関連性判断機能における判断結果を対象デジタル情報に対応づける判断結果設定機能とを実現させるデジタル情報分析プログラムが提供される。

本発明に係るデジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラムによれば、複数の単語の関連性に基づいてデジタル情報を分析するデジタル情報分析システム、デジタル情報分析方法、及びデジタル情報分析プログラムを提供できる。

本実施の形態に係るデジタル情報分析システムの機能構成ブロック図である。 情報処理装置の機能構成ブロック図である。 本実施の形態に係るデジタル情報分析システムが備える関連性判断部の機能構成ブロック図である。 本実施の形態に係る組合せ格納部のデータ構成図である。 本発明の実施の形態に係るデジタル情報分析システムの処理のフロー図である。 本実施の形態に係るデジタル情報分析システムのハードウェア構成図である。

［実施の形態］
図１は、本実施の形態に係るデジタル情報分析システムの機能構成ブロックの一例を示す。

（デジタル情報分析システム１の概要）
本実施の形態に係るデジタル情報分析システム１は、ユーザー端末若しくはサーバー等の情報処理装置２に格納されている複数のデジタル情報から予め定められた特定事項に関連性のあるデジタル情報を自動的に抽出するシステムである。ここで、予め定められた特定事項は、例えば、訴訟に関連することを示す情報である。そして、本実施の形態に係るデジタル情報分析システム１は、一例として、不正アクセスや機密情報漏洩等のコンピュータに関する犯罪や法的紛争が生じた場合に、犯罪や紛争の原因究明や捜査に要する電子的記録であるデジタル情報を収集及び分析し、その法的な証拠性を明らかにする技術であるフォレンジックに適用できる。

デジタル情報分析システム１は、予め定められた特定事項に関連する複数の単語の組合せに、予め定められた特定事項との関連性の高低を示すスコアを対応づけて格納する辞書としての組合せ格納部１４を備える。そして、デジタル情報分析システム１は、情報処理装置２に格納されている任意のファイルが選択された場合に、形態素解析に基づいて当該ファイル内の文章を解析し、組合せ格納部１４に格納されている複数の単語の組合せが選択されたファイルに含まれているか否かを判断する。

デジタル情報分析システム１は、組合せ格納部１４に格納されている単語の組合せが、選択されたファイルに含まれていると判断した場合、複数の単語それぞれの間の距離、複数の単語の語順、及び／又は複数の単語が同一文章に含まれているか否かに基づいて、予め定められた特定事項に対する当該ファイルの関連性の高低を判断する。そして、デジタル情報分析システム１は、判断結果を示す情報（すなわち、予め定められた特定事項に対する関連性の高低を示す情報）を選択されたファイルに対応づける。

例えば、デジタル情報分析システム１は、複数の単語が２つの単語を含む場合、一方の単語と他方の単語との文章中における距離が予め定められた距離以下の場合であって当該単語の組合せに所定の有意性がある場合に、選択されたファイルの予め定められた特定事項との関連性が高いと判断する。また、デジタル情報分析システム１は、一方の単語の品詞と他方の単語の品詞とを比較し、文章中で予め定められた順序で品詞が並んでいる場合であって当該単語の組合せに所定の有意性がある場合に、選択されたファイルの予め定められた特定事項との関連性が高いと判断する。更に、デジタル情報分析システム１は、一方の単語と他方の単語との距離が予め定められた距離以下の場合であっても、両単語が互いに異なる文中に存在する場合よりも両単語が同一文中に存在する場合に、当該単語の組合せに所定の有意性があると判断し、当該単語の組合せを含むファイルの予め定められた特定事項との関連性が高いと判断する。そして、デジタル情報分析システム１は、判断結果を示す情報を選択されたファイルに対応づける。

デジタル情報分析システム１は、同様の処理を情報処理装置２に格納されている他の複数のファイルに対しても実行する。次に、外部からの指示に応じ、デジタル情報分析システム１は、予め定められた特定事項に対する関連性の高いファイル、又は関連性の低いファイルを自動的に情報処理装置２から抽出する。そして、デジタル情報分析システム１は、抽出したファイルをユーザーに知覚可能に出力する。これにより、デジタル情報分析システム１は、予め定められた特定情報に関連性のある複数のファイルを、自動的に抽出及び出力することができる。

なお、本実施の形態においてサーバーは、１つ以上のサーバーであって、複数のサーバーを含んで構成することもできる。例えば、サーバーは、メールサーバー、ファイルサーバー、又は文書管理サーバー等のデジタル情報を格納可能なサーバーを含む。また、ユーザー端末は、１つ以上のユーザー端末であって、複数のユーザー端末を含んで構成することもできる。例えば、ユーザー端末は、パーソナルコンピュータ、ノートパソコン、タブレットＰＣ、又は携帯電話等の携帯通信端末等を含む。

（デジタル情報分析システム１の詳細）
図２は、情報処理装置の機能構成ブロックの一例を示し、図３は、本実施の形態に係るデジタル情報分析システムが備える関連性判断部の機能構成ブロックの一例を示す。また、図４は、本実施の形態に係る組合せ格納部のデータ構成の一例を示す。

デジタル情報分析システム１は、情報処理装置２に格納されている調査対象のデジタル情報である対象デジタル情報を選択する指示を外部から受け付ける入力部１０と、入力部１０が受け付けた指示に応じて情報処理装置２から対象デジタル情報を選択して取得する対象選択部１２と、予め定められた特定事項との関連性を有する複数の単語の組合せのそれぞれを格納する組合せ格納部１４とを備える。

また、デジタル情報分析システム１は、対象選択部１２において選択された対象デジタル情報内に組合せ格納部１４が格納している複数の単語の組合せが含まれているか否か検索する検索部１６と、組合せ格納部１４が格納している複数の単語の組合せの少なくとも１つが対象デジタル情報内に含まれている場合、形態素解析の結果に基づいて、予め定められた特定事項と対象デジタル情報との関連性を判断する関連性判断部１８と、関連性判断部１８の判断結果を対象デジタル情報に対応づける判断結果設定部２０とを備える。

更に、デジタル情報分析システム１は、判断結果設定部２０からの情報を格納する設定情報格納部２２と、判断結果設定部２０の設定、又は設定情報格納部２２が格納している設定情報に基づいて、対象デジタル情報を出力する出力部２４と、判断結果設定部２０の設定結果を修正可能な修正部２６とを備える。また、デジタル情報分析システム１は、複数のデジタル情報のそれぞれに含まれる複数の単語の組合せを抽出する抽出部２８と、抽出部２８において抽出された複数の単語の組合せのそれぞれに、予め定められた特定事項との関連性に応じたスコアを対応づけるスコア部３０とを備えることもできる。

（情報処理装置２）
情報処理装置２は、複数のデジタル情報を格納するデジタル情報格納部２００と、デジタル情報を外部に出力する情報出力部２１０とを有する。デジタル情報格納部２００は、文章情報を含む文書ファイル、テキストファイル、又は電子メール等の複数のデジタル情報を格納する。デジタル情報格納部２００は、対象選択部１２又は抽出部２８からの働きかけに応じ、所定のデジタル情報を情報出力部２１０に供給する。情報出力部２１０は、デジタル情報格納部２００が格納しているデジタル情報を対象選択部１２又は抽出部２８に供給する。なお、デジタル情報分析システム１と情報処理装置２とは、インターネット等の通信ネットワーク、又はＬＡＮ等の有線若しくは無線のネットワーク等により相互に通信可能に接続される。また、デジタル情報分析システム１は、情報処理装置２が有する機能及び構成の一部又は全部を備えることもできる。

（入力部１０）
入力部１０は、情報処理装置２のデジタル情報格納部２００に格納されている対象デジタル情報を選択する指示を外部から受け付ける。また、入力部１０は、判断結果設定部２０の判断結果を修正する指示を受け付けることもできる。更に入力部１０は、予め定められた特定情報に関連する電子ファイルの出力指示を受け付ける。入力部１０は、例えば、キーボード、マウス、タッチパネル、マイク等を介し、ユーザーからの指示を受け付ける。入力部１０は、受け付けた対象デジタル情報を選択する指示を対象選択部１２に供給する。また、入力部１０は、受け付けた修正する指示を修正部２６に供給する。

（対象選択部１２）
対象選択部１２は、入力部１０から受け付けた指示に応じ、デジタル情報格納部２００に格納されている対象デジタル情報を選択すると共に選択した対象デジタル情報をデジタル情報格納部２００から取得する。ここで、入力部１０が受け付ける指示には、対象デジタル情報を特定する情報が含まれる。例えば、対象選択部１２は、入力部１０から対象デジタル情報を識別するファイル名、対象デジタル情報の作成日付、対象デジタル情報の更新日付、対象デジタル情報のファイルサイズ等を指定する情報を受け付ける。そして、対象選択部１２は、当該指定する情報に合致する対象デジタル情報をデジタル情報格納部２００から選択して取得する。また、対象選択部１２は、情報処理装置２のデジタル情報格納部２００から複数の対象デジタル情報を選択することもできる。対象選択部１２は、取得した対象デジタル情報を検索部１６に供給する。

（組合せ格納部１４）
組合せ格納部１４は、予め定められた特定事項と関連性を有する複数の単語の組合せ、若しくは予め定められた特定事項と共に予め定められた特定事項との関連性に応じたスコアが対応づけられた複数の単語の組合せのそれぞれを格納する。ここで、単語とは、文法上、特定の意味及び機能を有する最小の言語単位である。また、複数の単語は、２つ以上の単語である。そして、スコアとは、複数の単語の組合せが予め定められた特定事項との関連性において、関連性の高低を示す数値である。数値が大きいほど、関連性が高いことを示す。

例えば、組合せ格納部１４は、第１の単語と第２の単語との組合せに対応づけてスコアを格納する。図４の例においては、予め定められた特定事項が「侵害」に関連する情報である例を示す。この場合、組合せ格納部１４に、第１の単語としての「デジタルカメラ」と第２の単語としての「侵害」との組合せに対応づけてスコア「５」が格納されている。また、組合せ格納部１４に、第１の単語としての「急ピッチ」と第２の単語としての「予定」との組合せに対応づけてスコア「１」が格納されている。この場合、「デジタルカメラ」と「侵害」との単語の組合せの方が、「急ピッチ」と「予定」との単語の組合せよりも侵害に対する関連性が高いことを示す。

組合せ格納部１４は、検索部１６からの働きかけに応じ、当該働きかけに対応する単語の組合せを検索部１６に供給する。また、組合せ格納部１４は、スコア部３０から供給される単語の組合せと当該単語の組合せのスコアとを受け取って格納する。

（検索部１６）
検索部１６は、対象選択部１２において選択された対象デジタル情報内に、組合せ格納部１４が格納している複数の単語の組合せが含まれているか否か検索する。具体的に、検索部１６は、対象デジタル情報としての電子ファイル内に、組合せ格納部１４が格納している複数の単語の組合せを構成する各単語が含まれているか否か検索する。例えば、一の単語の組合せが第１の単語と第２の単語とで構成されている場合、検索部１６は、第１の単語と第２の単語との双方が、電子ファイル内に含まれているか否か検索する。

検索部１６は、組合せ格納部１４に格納されている複数の単語の組合せのうち少なくとも１つの単語の組合せが電子ファイルに含まれている場合、当該単語の組合せを含む電子ファイルを関連性判断部１８に供給する。また、検索部１６は、組合せ格納部１４に格納されている複数の単語の組合せのいずれもが電子ファイルに含まれていない場合も、当該電子ファイルを関連性判断部１８に供給することができる。

なお、検索部１６は、対象選択部１２から複数の対象デジタル情報を受け取った場合、複数の対象デジタル情報のそれぞれに複数の単語の組合せが含まれているか否かを検索することもできる。また、検索部１６は、対象デジタル情報が電子メールである場合、電子メールのヘッダー情報を除く情報に複数の単語の組合せが含まれているか否かを検索することもできる。これにより、デジタル情報分析システム１は、予め定められた特定事項に関連することが実質的にはない情報（すなわち、ノイズになる情報）を排除できる。また、検索部１６は、組合せ格納部１４が格納しているスコアの値が予め定められた値以上のスコアに対応する単語の組合せに基づいて、対象デジタル情報内に含まれている単語の組合せを検索することもできる。

（関連性判断部１８）
関連性判断部１８は、検索部１６から受け取った電子ファイルに含まれている少なくとも１つの単語の組合せ、若しくは複数の単語の組合せのそれぞれを分析する。そして、関連性判断部１８は、形態素解析に基づいて電子ファイルの予め定められた特定事項との関連性、すなわち、当該電子ファイルが予め定められた特定事項に関連するか否かを判断する。そして、関連性判断部１８は、判断結果を示す情報を判断結果設定部２０に供給する。

具体的に、関連性判断部１８は、対象デジタル情報を形態素解析する解析部１８０と、解析部１８０の解析結果に基づいて、単語の組合せを構成する一の単語と他の単語とのそれぞれに対象デジタル情報が示す文章内における位置情報を付与する位置情報付与部１８１と、位置情報付与部１８１が付与した一の単語の位置情報と他の単語の位置情報との間の文章内における距離を算出する距離算出部１８２と、距離算出部１８２が算出した距離に基づいて関連性を判断する判断部１８３とを有する。

より具体的に、解析部１８０は、形態素解析に用いる文法ルールの集合体、及び品詞に関する情報を含む単語リスト等を含む解析用辞書を有する。そして、解析部１８０は、解析用辞書を用いて対象デジタル情報としての電子ファイルに含まれている文章を解析することで、当該文章を形態素ごとに分割する。解析部１８０は、解析結果を示す情報及び電子ファイルを位置情報付与部１８１、語順判断部１８４、及びセンテンス判断部１８５に供給する。なお、解析部１８０は、日本語、英語等の多言語に対応した解析用辞書を有することができる。

続いて、位置情報付与部１８１は、解析部１８０が分割した各形態素に対し、各形態素の文章中における位置情報を付与する。例えば、解析部１８０が、一の文章を第１の形態素ｍと第２の形態素ｎとに分割した場合、位置情報付与部１８１は、第１の形態素ｍに位置情報としてＰ_ｍを付与し、第２の形態素に位置情報としてＰ_ｎを付与する。位置情報付与部１８１は、位置情報を付与した複数の形態素それぞれを示す情報を距離算出部１８２、語順判断部１８４、及びセンテンス判断部１８５に供給する。

距離算出部１８２は、位置情報が付与された形態素を示す情報に基づいて、各形態素間の文章中における距離を算出する。距離算出部１８２は、各形態素に付与された位置情報の差分を算出することで距離を算出する。例えば、距離算出部１８２は、第１の形態素の位置情報Ｐ_ｍと第２の形態素の位置情報Ｐ_ｎとの差分の絶対値を距離ｄ_ｍｎとして算出する。すなわち、距離算出部１８２は、式ｄ_ｍｎ＝｜Ｐ_ｍ−Ｐ_ｎ｜を用いて距離を算出する。距離算出部１８２は、電子ファイル内の複数の単語の組合せのそれぞれについて距離を算出し、算出した距離を示す複数の情報を判断部１８３に供給する。

判断部１８３は、電子ファイルが複数の同一の単語の組合せを含んでいる場合、距離算出部１８２から受け取った複数の距離のうち、最短距離を示す単語の組合せを共起形態素として選定する。そして、判断部１８３は、選定した単語の組合せの有意性を、形態素の出現頻度が出現頻度の期待値からどの程度、乖離しているかを算出して評価する。具体的に判断部１８３は以下の式に基づいて評価値を算出する。

ただし、Ｔ_ｍ，ｎは、共起形態素の評価値であるＴ Ｓｃｏｒｅである。ＣＴＦ_ｍ，ｎは、共起形態素の電子ファイル内における出現頻度である。Ｅ（ＣＴＦ_ｍ，ｎ）はＣＴＦ_ｍ，ｎの期待値である。ＴＦ_ｍ（ｎ）は、形態素の出現頻度である。Ｎ_ｖは、電子ファイル内の動名詞の総数である。

そして、判断部１８３は、複数の電子ファイルごとに予め定められた特定事項に対する関連性の高低を判断する。すなわち、判断部１８３は、上記式により得られる評価値の大きさに応じ、電子ファイルが、予め定められた特定事項に関連しているか、予め定められた特定事項に関連する可能性があるか、若しくは予め定められた特定事項に関連する可能性がないかを判断する。

例えば、判断部１８３は、評価値が予め定められた値以上の値である場合に、共起形態素として選定した単語の組合せの有意性が高いと判断する。一例として、判断部１８３は、Ｔ_ｍｎが「２」以上の場合に、有意性が高いと判断する。次に、判断部１８３は、有意性が高いと判断した単語の組合せを含む電子ファイルを、予め定められた特定事項に関連する電子ファイルであると判断する。そして、判断部１８３は、判断結果を示す情報を判断結果設定部２０に供給する。

同様に、判断部１８３は、評価値が予め定められた値の範囲内である場合に、共起形態素として選定した単語の組合せの有意性が中程度であると判断する。そして、判断部１８３は、有意性が中程度であると判断した単語の組合せを含む電子ファイルを、予め定められた特定事項に関連する可能性がある電子ファイルであると判断する。また、判断部１８３は、評価値が予め定められた値より小さい値である場合に、共起形態素として選定した単語の組合せの有意性が低いと判断する。そして、判断部１８３は、有意性が低いと判断した単語の組合せを含む電子ファイルを、予め定められた特定事項に関連する可能性がない電子ファイルであると判断する。

また、判断部１８３は、複数の単語の組合せのそれぞれに対応する複数の距離を比較して、距離の長さに応じて複数の単語について序列を対応づけることもできる。例えば、判断部１８３は、単語間の距離が最も短い単語の組合せを共起形態素として選定することができる。更に、判断部１８３は、距離算出部１８２から受け取った距離と距離について予め定められた閾値とを比較して、閾値以下若しくは閾値を超える距離に対応する単語の組合せを共起形態素として選定することもできる。例えば、判断部１８３は、閾値以下の距離に対応する単語の組合せを共起形態素として選定することができる。

また、関連性判断部１８は、解析部１８０の形態素解析の結果から得られる複数の単語の組合せを構成する一の単語と他の単語との語順及び／又は一の単語の品詞と他の単語の品詞との語順に基づいて、関連性を判断する語順判断部１８４を有する。例えば、語順判断部１８４は、複数の単語のそれぞれが一般名詞であるかサ変名詞であるかを判断すると共に、判断した結果得られる一般名詞Ｇ_ｎとサ変接続Ｖ_ｎとの位置関係を判断する。一例として、複数の単語の組合せのそれぞれが２つの単語を含み、一方の単語が一般名詞であり、他方の単語がサ変接続である場合を説明する。

この場合、語順判断部１８４は、複数の単語の組合せのそれぞれについて、文章中における一般名詞の位置Ｐ_Ｖｎとサ変接続の位置Ｐ_Ｇｎとを比較する。そして、語順判断部１８４は、一般名詞がサ変接続に比べて文章中の先の方に位置する場合（すなわち、Ｐ_Ｖｎ＜Ｐ_Ｇｎの場合）より、文章中における一般名詞の位置Ｐ_Ｖｎがサ変接続の位置Ｐ_Ｇｎより後に位置する場合（すなわち、Ｐ_Ｖｎ＞Ｐ_Ｇｎの場合）に、一般名詞の位置Ｐ_Ｖｎがサ変接続の位置Ｐ_Ｇｎより後に位置する単語の組合せを共起形態素として選定する。これにより、関連性判断部１８は、日本語の主語と動詞との組合せ、及び目的語と動詞との組合せに応じて単語の組合せを共起形態素として選定できる。

また、関連性判断部１８は、解析部１８０の形態素解析の結果から得られる単語の組合せを構成する一の単語と他の単語とが同一文中に存在するか否かを示す情報に基づいて関連性を判断するセンテンス判断部１８５を有する。まず、センテンス判断部１８５は、電子ファイルに含まれている文章を、文の単位（すなわち、区切り）を検出することで、複数の文に分割する。例えば、センテンス判断部１８５は、全文検索機能（例えば、ｌｕｃｅｎｅ−ｇｏｓｅｎで実現される機能（以下、「ｌｕｃｅｎｅ−ｇｏｓｅｎ機能」という。））を有する。センテンス判断部１８５は、ｌｕｃｅｎｅ−ｇｏｓｅｎ機能の文頭フラグを利用して、電子ファイルに含まれている文章を複数の文に分割する。

続いて、センテンス判断部１８５は、単語の組合せを構成する各単語が、同一文中に存在するか否かを判断する。そして、センテンス判断部１８５は、同一文中に存在する単語の組合せを共起形態素として選択する。なお、センテンス判断部１８５が有するｌｕｃｅｎｅ−ｇｏｓｅｎ機能は、文頭フラグとして句点又は読点を用いることができる。

（判断結果設定部２０）
判断結果設定部２０は、関連性判断部１８の判断結果を電子ファイルに対応づける。判断結果設定部２０は、判断結果を複数の電子ファイルのそれぞれに対応づけることができる。例えば、判断結果設定部２０は、予め定められた特定事項に関連する電子ファイルであると関連性判断部１８が判断した判断結果を受け取った場合に「Ｈｏｔ」、予め定められた特定事項に関連する可能性があるという判断結果を受け取った場合に「Ｒｅｓｐｏｎｓｉｖｅ」、予め定められた特定事項と関連する可能性がないという判断結果を受け取った場合に「Ｎｏｔ Ｒｅｓｐｏｎｓｉｖｅ」を示すタグを電子ファイルに付与する。判断結果設定部２０は、判断結果を示すタグを付与した電子ファイルを設定情報格納部２２及び／又は出力部２４に供給する。

（設定情報格納部２２）
設定情報格納部２２は、電子ファイルを一意に識別する電子ファイル識別子に対応づけて、電子ファイルに対応づけられた判断結果設定部２０の判断結果を示すタグを格納する。設定情報格納部２２は、電子ファイル識別子に対応づけられているタグを出力部２４に供給する。なお、設定情報格納部２２は、電子ファイル識別子に対応づけて電子ファイルを格納してもよい。

（出力部２４）
出力部２４は、判断結果設定部２０が複数の対象デジタル情報としての電子ファイルのそれぞれに対応づけた判断結果に基づいて、予め定められた特定情報に関連する対象デジタル情報を出力する。例えば、出力部２４は、外部からの指示に応じ、予め定められた特定情報に関連する電子ファイルをユーザーに知覚可能に出力する。また、出力部２４は、設定情報格納部２２が格納している電子ファイル識別子に対応づけられているタグを出力することもできる。更に、出力部２４は、入力部１０が外部から予め定められた特定情報に関連する電子ファイルの出力指示を受け取った場合、当該特定情報に関連することを示すタグが対応づけられた複数の電子ファイルを出力する。

なお、出力部２４は、デジタル情報を表示可能なディスプレイ等の表示装置、及び／又はデジタル情報を所定の媒体に出力するプリンター等の出力装置である。更に、出力部２４は、出力する情報を磁気記録媒体、光学記録媒体等の記録媒体に記録することで出力することもできる。

（修正部２６）
修正部２６は、入力部１０が外部から受け付けた修正指示を示す情報に応じ、関連性判断部１８の判断結果を修正する。関連性判断部１８は、修正部２６による修正を施した判断結果を示す情報を判断結果設定部２０に供給する。

（抽出部２８）
抽出部２８は、複数のサンプルファイルとしての複数のデジタル情報のそれぞれに含まれる複数の単語の組合せを抽出する。抽出部２８は、抽出した複数の単語の組合せをスコア部３０に供給する。なお、サンプルファイルとしては、例えば、特定の事件に依存している特定事項（一例として、特定の訴訟）と関連性が高いことが予め判明している電子ファイルが挙げられる。また、サンプルファイルとしては、特定の事件に依存しない特定事項（一例として、知財訴訟一般）と関連性が高いことが予め判明している電子ファイルも挙げられる。

（スコア部３０）
スコア部３０は、抽出部２８において抽出された複数の単語の組合せのそれぞれに、予め定められた特定事項との関連性に応じたスコアを対応づける。例えば、スコア部３０は、予め定められた特定事項が「訴訟」である場合、「訴訟」に関連性の高い単語の組合せの電子ファイル内における出現頻度に応じ、当該電子ファイルにスコアを対応づける。スコア部３０は、スコアを対応づけた単語の組合せを組合せ格納部１４に供給して格納させる。

（デジタル情報分析方法の概要）
図５は、本発明の実施の形態に係るデジタル情報分析システムの処理の流れの一例を示す。

まず、対象選択部１２は、情報処理装置２に格納されている複数の対象デジタル情報から、入力部１０からの指示に対応する対象デジタル情報を選択して取得する（ステップ１０。以下、ステップを「Ｓ」と表す。）。対象選択部１２は、取得した対象デジタル情報を検索部１６に供給する。検索部１６は、対象選択部１２から受け取った対象デジタル情報に含まれる文章に組合せ格納部１４に格納されている単語の組合せが存在しているか否か検索する（Ｓ１５）。検索部１６は、検索結果を関連性判断部１８に供給する。

関連性判断部１８は、検索部１６が検索した結果を検索部１６から受け取り、対象デジタル情報に含まれる少なくとも一組の単語の組合せについて解析する。そして、関連性判断部１８は、当該対象デジタル情報と予め定められた特定事項との関連性の高低を判断する（Ｓ２０）。関連性判断部１８は、判断結果を示す情報を判断結果設定部２０に供給する。判断結果設定部２０は、当該対象デジタル情報に関連性判断部１８が判断した結果を示すタグとしての判断結果を対応づける（Ｓ２５）。判断結果設定部２０は、タグを対応づけた対象デジタル情報、又はタグを対応づけた対象デジタル情報を識別する識別子を出力部２４に供給する。出力部２４は、外部からの働きかけに応じ、所定のタグが対応づけられている対象デジタル情報を外部に出力する（Ｓ３０）。

図６は、本発明の実施の形態に係るデジタル情報分析システムのハードウェア構成の一例を示す。

本実施の形態に係るデジタル情報分析システム１は、ＣＰＵ１５００と、グラフィックコントローラ１５２０と、ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ（ＲＡＭ）、Ｒｅａｄ−ＯｎｌｙＭｅｍｏｒｙ（ＲＯＭ）及び／又はフラッシュＲＯＭ等のメモリ１５３０と、データを記憶する記憶装置１５４０と、記録媒体からデータを読み込み及び／又は記録媒体にデータを書き込む読込み／書込み装置１５４５と、データを入力する入力装置１５６０と、外部の通信機器とデータを送受信する通信インターフェース１５５０と、ＣＰＵ１５００とグラフィックコントローラ１５２０とメモリ１５３０と記憶装置１５４０と読込み／書込み装置１５４５と入力装置１５６０と通信インターフェース１５５０とを互いに通信可能に接続するチップセット１５１０とを備える。

チップセット１５１０は、メモリ１５３０と、メモリ１５３０にアクセスして所定の処理を実行するＣＰＵ１５００と、外部の表示装置の表示を制御するグラフィックコントローラ１５２０とを相互に接続することにより、各構成要素間のデータの受渡しを実行する。ＣＰＵ１５００は、メモリ１５３０に格納されたプログラムに基づいて動作して、各構成要素を制御する。グラフィックコントローラ１５２０は、メモリ１５３０内に設けられたバッファ上に一時的に蓄えられた画像データに基づいて、画像を所定の表示装置に表示させる。

また、チップセット１５１０は、記憶装置１５４０と、読込み／書込み装置１５４５と、通信インターフェース１５５０とを接続する。記憶装置１５４０は、デジタル情報分析システム１のＣＰＵ１５００が使用するプログラムとデータとを格納する。記憶装置１５４０は、例えば、フラッシュメモリである。読込み／書込み装置１５４５は、プログラム及び／又はデータを記憶している記憶媒体からプログラム及び／又はデータを読み取って、読み取ったプログラム及び／又はデータを記憶装置１５４０に格納する。読込み／書込み装置１５４５は、例えば、通信インターフェース１５５０を介し、インターネット上のサーバーから所定のプログラムを取得して、取得したプログラムを記憶装置１５４０に格納する。

通信インターフェース１５５０は、通信ネットワークを介して外部の装置とデータの送受信を実行する。また、通信インターフェース１５５０は、通信ネットワークが不通の場合、通信ネットワークを介さずに外部の装置とデータの送受信を実行することもできる。そして、キーボード、タブレット、マウス等の入力装置１５６０は、所定のインターフェースを介してチップセット１５１０と接続する。

記憶装置１５４０に格納されるデジタル情報分析システム１用のデジタル情報分析プログラムは、インターネット等の通信ネットワーク、又は磁気記録媒体、光学記録媒体等の記録媒体を介して記憶装置１５４０に提供される。そして、記憶装置１５４０に格納されたデジタル情報分析システム１用のプログラムは、ＣＰＵ１５００により実行される。

本実施の形態に係るデジタル情報分析システム１により実行されるデジタル情報分析プログラムは、ＣＰＵ１５００に働きかけて、デジタル情報分析システム１を、図１から図５にかけて説明した入力部１０、対象選択部１２、組合せ格納部１４、検索部１６、関連性判断部１８、判断結果設定部２０、設定情報格納部２２、出力部２４、修正部２６、抽出部２８、スコア部３０、解析部１８０、位置情報付与部１８１、距離算出部１８２、判断部１８３、語順判断部１８４、及びセンテンス判断部１８５として機能させる。

（実施の形態の効果）
本実施の形態に係るデジタル情報分析システム１は、対象デジタル情報としての電子ファイルに含まれる共起形態素を、予め定められた特定事項に対する関連性の高い一の単語と他の単語との組合せだけでなく、電子ファイルに含まれる一の単語と他の単語との間の距離、語順、及び同一文中に存在するか否かに基づいて選定できる。そして、デジタル情報分析システム１は、選定した単語の組合せを用いて、情報処理装置２に格納されている複数の電子ファイルの中から、予め定められた特定事項に関連する電子ファイルを容易に選別できる。したがって、デジタル情報分析システム１は、予め定められた特定事項に関連する複数の電子ファイルを、確度よく自動的に抽出することができる。

以上、本発明の実施の形態を説明したが、上記に記載した実施の形態は特許請求の範囲に係る発明を限定するものではない。また、実施の形態の中で説明した特徴の組合せのすべてが発明の課題を解決するための手段に必須であるとは限らない点に留意すべきである。更に、上記した実施形態の技術的要素は、単独で適用されてもよいし、プログラム部品とハードウェア部品とのような複数の部分に分割されて適用されるようにすることもできる。

１ デジタル情報分析システム
２ 情報処理装置
１０ 入力部
１２ 対象選択部
１４ 組合せ格納部
１６ 検索部
１８ 関連性判断部
２０ 判断結果設定部
２２ 設定情報格納部
２４ 出力部
２６ 修正部
２８ 抽出部
３０ スコア部
１８０ 解析部
１８１ 位置情報付与部
１８２ 距離算出部
１８３ 判断部
１８４ 語順判断部
１８５ センテンス判断部
２００ デジタル情報格納部
２１０ 情報出力部
１５００ ＣＰＵ
１５１０ チップセット
１５２０ グラフィックコントローラ
１５３０ メモリ
１５４０ 記憶装置
１５４５ 読込み／書込み装置
１５５０ 通信インターフェース
１５６０ 入力装置

Claims (6)

1. 複数の単語の組合せそれぞれを格納する組合せ格納部と、
   前記組合せ格納部が格納している前記複数の単語の組合せが、対象デジタル情報内に含まれているか否か検索する検索部と、
   前記複数の単語のうちの一方の単語の品詞と他方の単語の品詞とを比較し、文章中で予め定められた順序で品詞が並んでいる場合に、前記複数の単語の組合せが前記対象デジタル情報内に出現する頻度を用いて、当該複数の単語の組合せを評価する判断部と、
   前記判断部の評価結果に基づいて、前記対象デジタル情報と予め定められた特定事項との関連性を判断する関連性判断部と、
   前記関連性判断部の判断結果を前記対象デジタル情報に対応づける判断結果設定部と、
   を備えたデジタル情報分析システム。
2. 前記一方の単語は、一般名詞であり、
   前記他方の単語は、サ変接続の動詞であり、
   前記関連性判断部は、前記一方の単語と他方の単語との位置関係に応じて、日本語の主語と動詞との組合せ、または目的語と動詞との組合せを選定する
   ことを特徴とする請求項１に記載のデジタル情報分析システム。
3. 前記単語の組合せを構成する一の単語と他の単語とが同一文中に存在するか否かを判断し、当該同一文中に存在する単語の組合せを共起形態素として選択するセンテンス判断部
   をさらに備えたことを特徴とする請求項１又は請求項２に記載のデジタル情報分析システム。
4. 前記判断結果設定部が前記複数の対象デジタル情報のそれぞれに対応づけた前記判断結果に基づいて、前記予め定められた特定事項に関連する前記対象デジタル情報を出力する出力部
   をさらに備えたことを特徴とする請求項１から３のいずれか一項に記載のデジタル情報分析システム。
5. コンピュータが、
   複数の単語の組合せそれぞれを所定の記憶装置に格納する組合せ格納ステップと、
   前記組合せ格納ステップにおいて格納された前記複数の単語の組合せが、対象デジタル情報内に含まれているか否か検索する検索ステップと、
   前記複数の単語のうちの一方の単語の品詞と他方の単語の品詞とを比較し、文章中で予め定められた順序で品詞が並んでいる場合に、前記複数の単語の組合せが前記対象デジタル情報内に出現する頻度を用いて、当該複数の単語の組合せを評価する判断ステップと、
   前記判断ステップにおける評価結果に基づいて、前記対象デジタル情報と予め定められた特定事項との関連性を判断する関連性判断ステップと、
   前記関連性判断ステップにおける判断結果を前記対象デジタル情報に対応づける判断結果設定ステップと、
   を実行するデジタル情報分析方法。
6. コンピュータに、
   複数の単語の組合せそれぞれを所定の記憶装置に格納する組合せ格納機能と、
   前記組合せ格納機能により格納された前記複数の単語の組合せが、対象デジタル情報内に含まれているか否か検索する検索機能と、
   前記複数の単語のうちの一方の単語の品詞と他方の単語の品詞とを比較し、文章中で予め定められた順序で品詞が並んでいる場合に、前記複数の単語の組合せが前記対象デジタル情報内に出現する頻度を用いて、当該複数の単語の組合せを評価する判断機能と、
   前記判断機能による評価結果に基づいて、前記対象デジタル情報と予め定められた特定事項との関連性を判断する関連性判断ステップと、
   前記関連性判断機能による判断結果を前記対象デジタル情報に対応づける判断結果設定機能と、
   を実現させるデジタル情報分析プログラム。

Images