特許ウォッチ

公開番号2025173359
公報種別公開特許公報(A)
公開日2025-11-27
出願番号2024078914
出願日2024-05-14
発明の名称類似度算出プログラム及びコンピュータ
出願人MFオプテックス株式会社
代理人弁理士法人前田特許事務所
主分類G06F 16/35 20250101AFI20251119BHJP(計算;計数)
要約【課題】テキストファイル対の類似度をユーザにわかりやすく提示する。
【解決手段】複数のテキストファイルに対して名詞の抽出を行い、各テキストファイルにおいて抽出された各名詞の出現回数を算出するステップと、複数のテキストファイルについてそれぞれ算出された前記出現回数に基づいて、複数のテキストファイルから抽出された複数の名詞のTF-IDFを、各テキストファイルについて算出するステップと、算出したTF-IDFを成分とする特徴度ベクトルの内積を、各複数のテキストファイルに含まれる各テキストファイル対について算出するステップと、少なくとも一部のテキストファイル対について算出した内積に基づく類似度指標を表示装置に表示させるステップとをコンピュータに実行させる。
【選択図】図2
特許請求の範囲【請求項１】
複数のテキストファイルに対して名詞の抽出を行い、各テキストファイルにおいて抽出された各名詞の出現回数を算出するステップと、
前記複数のテキストファイルについてそれぞれ算出された前記出現回数に基づいて、前記複数のテキストファイルから抽出された複数の名詞のＴＦ－ＩＤＦを、各前記テキストファイルについて算出するステップと、
算出した前記ＴＦ－ＩＤＦを成分とする特徴度ベクトルの内積を、前記複数のテキストファイルに含まれるテキストファイル対について算出するステップと、
前記テキストファイル対について算出した前記内積に基づく類似度指標を表示装置に表示させるステップとをコンピュータに実行させる類似度算出プログラム。
続きを表示（約 860 文字）【請求項２】
請求項１に記載の類似度算出プログラムにおいて、
前記類似度指標は、前記内積に基づく値の対数に応じた値であることを特徴とする類似度算出プログラム。
【請求項３】
請求項２に記載の類似度算出プログラムにおいて、
前記類似度指標をＩＳ、前記内積をγ、Ｄを正の実数、ｍを１を超える実数、εを１０＾
（－４）
以下の値としたときに、類似度指標は以下の式で表されることを特徴とする類似度算出プログラム。
ＩＳ＝Ｄ＋ｌｏｇ
ｍ
（γ＋ε）
【請求項４】
請求項３に記載の類似度算出プログラムにおいて、
前記式において、
Ｄ＝１０、ｍ＝１０であることを特徴とする類似度算出プログラム。
【請求項５】
請求項１に記載の類似度算出プログラムにおいて、
０．０５以上０．２以下である所定の閾値よりも前記内積が大きくなる前記テキストファイル対を特定する情報を前記表示装置に表示させるステップをさらに前記コンピュータに実行させる類似度算出プログラム。
【請求項６】
請求項５に記載の類似度算出プログラムにおいて、
前記所定の閾値は、０．０６３以上０．１以下であることを特徴とする類似度算出プログラム。
【請求項７】
請求項１に記載の類似度算出プログラムにおいて、
前記複数のテキストファイルの題名に対して名詞の抽出を行い、
各前記テキストファイルの題名において抽出された名詞の前記出現回数に所定のシード値を加算する加算処理を行い、
前記ＴＦ－ＩＤＦの算出を、前記加算処理後の前記出現回数に基づいて行うことを特徴とする類似度算出プログラム。
【請求項８】
請求項１～７のいずれか１項に記載の類似度算出プログラムを記憶する記憶部と、
前記記憶部に記憶された類似度算出プログラムを実行する制御部とを備えるコンピュータ。

発明の詳細な説明【技術分野】
【０００１】
本開示は、複数のテキストファイルの互いの類似度に関する情報を生成して表示する技術に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
特許文献１に開示された文書分析装置は、文書の内容をベクトル化し、文書ベクトルを算出し、文書ベクトルに基づいて、クラスタリングを行い、クラスタ中心点と最もコサイン距離が近い代表の文書を選択する処理を行う。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１６６４２６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、多数のテキストファイルを含むテキストファイル群から所望の情報を取得したいが、テキストファイル全てを人間が読み込むことは容易でない場合がある。このようなテキストファイル群としては、時系列に蓄積された社内技術情報（技術資料）、所定のデータベース（例えば、特許のデータベース）から抽出された特定のキーワードを含む文書等がある。したがって、テキストファイル群に含まれるテキストファイル同士の類似度を、容易に理解できるルールで簡潔に提示することが非常に有用となる。
【０００５】
本開示は、かかる点に鑑みてなされたものであり、その目的とするところは、テキストファイル同士の類似度をユーザにわかりやすく提示することにある。
【課題を解決するための手段】
【０００６】
上記の目的を達成するため、本開示の第１の実施態様に係る類似度算出プログラムは、複数のテキストファイルに対して名詞の抽出を行い、各テキストファイルにおいて抽出された各名詞の出現回数を算出するステップと、前記複数のテキストファイルについてそれぞれ算出された前記出現回数に基づいて、前記複数のテキストファイルから抽出された複数の名詞のＴＦ－ＩＤＦを、各前記テキストファイルについて算出するステップと、算出した前記ＴＦ－ＩＤＦを成分とする特徴度ベクトルの内積を、前記複数のテキストファイルに含まれるテキストファイル対について算出するステップと、前記テキストファイル対について算出した前記内積に基づく類似度指標を表示装置に表示させるステップとをコンピュータに実行させることを特徴とする。
【０００７】
これにより、テキストファイル対の類似度を、類似度指標によってユーザにわかりやすく提示できる。
【０００８】
また、本開示の第２の実施態様は、第１の実施態様において、前記類似度指標は、前記内積に基づく値の対数に応じた値であることを特徴とする。
【０００９】
これにより、表示装置に表示させる類似度指標を人間の感じる類似度に近づけることができる。したがって、テキストファイル対の類似度を、類似度指標によってユーザによりわかりやすく提示できる。
【００１０】
また、本開示の第３の実施態様は、第２の実施態様において、前記類似度指標をＩＳ、前記内積をγ、Ｄを正の実数、ｍを１を超える実数、εを１０＾
（－４）
以下の値としたときに、類似度指標は以下の式で表されることを特徴とする。
（【００１１】以降は省略されています）

関連特許