JP7633015B2 - 解決手段の提案方法、分類モデルの生成方法、及び解決手段の提案システム - Google Patents

Description

実施形態は、解決手段の提案方法、分類モデルの生成方法、及び解決手段の提案システムに関する。

従来から、過去課題に解決手段を紐づけたセットデータを蓄積しておき、新規課題の解決手段を検討する際に、蓄積されたセットデータから新規課題に類似する過去課題を検索し、類似する過去課題の解決手段を活用することが試みられている。
しかしながら、過去課題において課題の特徴が十分に表現されておらず、蓄積されたセットデータから新規課題に類似する適切な過去課題を検出できない場合がある。

特開２０００－２７６４８７号公報

実施形態の目的は、新規課題に類似する適切な過去課題を検出できる解決手段の提案方法及び提案システムと、このような解決手段の提案方法に用いられる分類モデルの生成方法と、を提供することである。

実施形態に係る解決手段の提案方法は、新規課題を取得する工程と、複数の過去課題のそれぞれに対応する課題タグが相互の関連性に応じて複数のカテゴリに分類された教師データで学習済みの分類モデルを用いて、複数の前記カテゴリのうち前記新規課題が分類されるカテゴリを推定する工程と、推定された前記カテゴリ内において複数の前記過去課題のうち前記新規課題と類似する過去課題を検索する工程と、検索された前記類似する過去課題に紐づいた解決手段を出力する工程と、を備え、それぞれの前記過去課題は、課題項目及び手段項目が階層構造をなすように配置された少なくとも１つの階層データ内において、いずれかの前記課題項目に入力されており、それぞれの前記課題タグは、それぞれの前記過去課題、及び、前記階層データにおいて、それぞれの前記過去課題が入力された前記課題項目と親子関係にある項目に入力された情報に基づいて決定されている。

第１の実施形態に係る解決手段の提案システム及び提案システムに用いられる分類モデルの生成システムを示すブロック図である。 階層データを例示する図である。 第１の実施形態に係る分類モデルの生成方法を示すフローチャートである。 課題タグを決定する方法を示す図である。 課題タグを決定する方法を示す図である。 複数の課題タグを複数のカテゴリに分類する方法を示す図である。 第１の実施形態に係る解決手段の提案方法を示すフローチャートである。 新規課題が分類されるカテゴリを推定する方法を示す図である。 各カテゴリの関連度の最大値を示すグラフである。 類似する過去課題の検索方法を示す図である。 出力を例示する図である。 図１２（ａ）は、第２の実施形態に係る解決手段の提案システムにおいて新規課題が分類されるカテゴリの推定方法を示す図であり、図１２（ｂ）は、第２の実施形態に係る解決手段の提案システムにおいて複数の過去課題のうち新規課題に類似する過去課題の抽出方法を示す図である。 第２の実施形態に係る解決手段の提案システムの検索条件の設定画面を示す図である。 第２の実施形態に係る解決手段の提案システムの出力を示す図である。 第３の実施形態に係る解決手段の提案システムにおける課題タグの決定方法を示す図である。 第４の実施形態に係る過去データを示す図である。

＜第１の実施形態＞
先ず、第１の実施形態について説明する。
（解決手段の提案システムの概要）
図１は、本実施形態に係る解決手段の提案システム及び提案システムに用いられる分類モデルの生成システムを示すブロック図である。
本実施形態に係る解決手段の提案システム１（以下、単に「提案システム１」という）は、例えば、複数のドメインからなる組織において用いられる。「ドメイン」とは、企業等の組織が事業展開する際の事業領域である。

提案システム１は、いずれかのドメインの端末から新規課題ｉ１が入力された場合に、組織内に蓄積された複数の過去課題の中から新規課題ｉ１に類似する過去課題ａ１１を検索し、類似する過去課題ａ１１の解決手段ａ１２を出力する。これにより、各ドメインにおいて新規課題ｉ１の解決手段を検討する際に、ドメインを問わず過去の知見を活用できる。なお、提案システム１は、１つのドメイン内で用いられてもよい。

提案システム１は、各ドメインから提供された少なくとも１つの階層データＤ１（過去データ）、階層データＤ１を用いて生成システム２によって生成される分類モデルＤ５及びセットデータＤ２等を前提としてなり立っている。提案システム１の構成を詳述する前に、先ず、階層データＤ１及び生成システム２について詳述する。

（階層データ）
図２は、階層データを例示する図である。
階層データＤ１は、過去に技術や製品等の対象を実現する際に検討された知見を、対象を実現する際に生じた課題とその課題を解決可能な手段とにばらし、課題に手段を紐づけたデータである。階層データＤ１を作成することにより、対象を実現する際に検討された過去の知見を整理することができる。

階層データＤ１では、課題項目ａ１及び手段項目ａ２が階層構造をなすように配置されている。「階層構造」とは、上位側から下位側に向かって配列された複数の階層を有し、ある項目Ｘが配置された階層の直下の階層に、その項目Ｘを前提とする項目Ｙを配置し、上位側の項目Ｘに下位側の項目Ｙを紐づけた構造を意味する。以下、このようなＸ項目とＹ項目の関係を「親子関係」という。また、Ｙ項目から見てＸ項目を「親項目」といい、Ｘ項目から見てＹ項目を「子項目」という。さらに、Ｙ項目が配置された階層の直下の階層にＺ項目が配置され、Ｙ項目にＺ項目が紐づけられている場合、Ｘ項目から見てＺ項目を「孫項目」という。階層データＤ１を、課題項目ａ１及び手段項目ａ２以外にさらに別の項目を含んだ階層構造として構成してもよい。このような場合、階層データＤ１では、課題項目ａ１及び手段項目ａ２を含む複数の項目が階層構造をなすように配置される。

図２の例では階層データＤ１の最上位（根）には、対象項目ａ０が配置されている。対象項目ａ０には、例えば、対象となる技術や製品等が入力されている。対象項目ａ０の子項目は、対象項目ａ０を実現する際に生じる課題項目ａ１である。その課題項目ａ１の子項目は、その課題項目ａ１を解決可能な手段項目ａ２、又は、その課題項目ａ１を複数の下位概念の課題に細分化した別の課題項目ａ１である。手段項目ａ２の子項目は、その手段項目ａ２を採用したときに発生する課題項目ａ１、又は、その手段項目ａ２を複数の下位概念の手段に細分化した別の手段項目ａ２である。
なお、階層データＤ１において、一つの親項目に複数の子項目が紐づけられている場合、子項目同士の種類は同じである。

提案システム１及び生成システム２は、少なくとも１つの階層データＤ１のいずれかの課題項目ａ１に入力された課題を「過去課題ａ１１」として取り扱う。
また、提案システム１及び生成システム２は、例えば、過去課題ａ１１が入力された課題項目ａ１の子や孫等の子孫の手段項目ａ２に入力された手段のうち、実際に過去課題ａ１１を解決する際に採用された手段を「解決手段ａ１２」として扱う。なお、提案システム１及び生成システム２は、例えば、過去課題ａ１１が入力された課題項目ａ１の子孫の手段項目ａ２に入力された手段のうち、採用されなかった手段を含む全ての手段を「解決手段ａ１２」として扱ってもよい。

（分類モデルの生成システムの構成）
次に、生成システム２の構成について説明する。
図１に示すように、生成システム２は、タグ決定部２１、データ作成部２２、及びモデル生成部２３を備える。

タグ決定部２１は、それぞれの過去課題ａ１１、及び、階層データＤ１内において、それぞれの過去課題ａ１１が入力された課題項目ａ１と親子関係にある項目に入力された情報に基づいて、それぞれの過去課題ａ１１に対応する課題タグｃ４を決定する。「親子関係にある項目」とは、図２に示すように、過去課題ａ１１が入力された課題項目ａ１の親項目ｂ１及び子項目ｂ２である。

課題タグｃ４は、例えば、それぞれの過去課題ａ１１の文章と、親項目ｂ１及び子項目ｂ２に入力された文章と、から抽出される単語及び抽出した単語の同義語に基づいて決定されている。図１に示すように、タグ決定部２１は、例えば、同義語の検索や課題タグｃ４の決定にオントロジーＤ３を用いる。

オントロジーＤ３は、複数のドメインにおいて用いられる概念同士の関係を体系化したものである。同じような意味の課題であっても、ドメインが異なる場合、異なる単語を用いて課題が表現される場合がある。オントロジーＤ３は、例えば、各ドメインにおいて用いられる単語同士の関係を盛り込んで、単語の上下関係や同義関係等を体系化した概念辞書である。

データ作成部２２は、複数の課題タグｃ４が相互の関連性に応じて複数のカテゴリに分類された教師データＤ４を作成する。具体的には、データ作成部２２は、オントロジーＤ３を用いて、複数の課題タグｃ４をドメインを横断した統一の概念でまとめることのできる課題タグ群に分ける。データ作成部２２は、１つの課題タグ群を１つのカテゴリとする。すなわち、それぞれのカテゴリには、ドメインを横断した統一の概念でまとめることのできる複数の課題タグｃ４が属している。したがって、「ドメイン」は、例えば、「列車の空調事業」や「原子力事業」等の組織の事業領域であるのに対し、「カテゴリ」は、例えば、「調達系」や「据え付け系」等の複数のドメインにおいて共通して行われる業務である。

また、データ作成部２２は、例えば、課題タグｃ４に階層データＤ１から抽出された過去課題ａ１１及び解決手段ａ１２を紐づけてカテゴリごとにまとめたセットデータＤ２を作成する。セットデータＤ２は、後述する提案システム１の検索部１３及び出力部１４に提供される。

モデル生成部２３は、データ作成部２２が作成した教師データＤ４を用いて分類モデルＤ５を生成する。生成された分類モデルＤ５は、後述する提案システム１の推定部１２に提供され、推定部１２が新規課題ｉ１が分類されるカテゴリを推定するのに用いられる。

分類モデルＤ５は、テキスト分類モデルである。分類モデルＤ５は、例えば、１つの新規課題ｉ１が複数のカテゴリに分類されることを許容するマルチクラス分類モデルである。分類モデルＤ５に用いられる手法は、例えば、ニューラルネットワークである。ニューラルネットワークを用いたテキスト分類モデルとしては、例えば、Facebook, Inc.のオープンソースであるfastText等が挙げられる。

ただし、分類モデルＤ５に用いられる手法は、上記に限定されず、例えば、サポートベクターマシン（Support Vector Machine:SVM)、ｋ近傍法、ロジスティック回帰等であってもよい。また、分類モデルは、１つの新規課題ｉ１を１つのカテゴリのみに分類する排他的分類モデルであってもよい。

このように作成された分類モデルＤ５は、例えば、任意の語句を入力として、入力された語句のそれぞれのカテゴリにおける関連度を出力することができる。

（解決手段の提案システムの構成）
次に、提案システム１の構成について説明する。
提案システム１は、入力部１１、推定部１２、検索部１３、及び出力部１４を備える。

入力部１１は、提案システム１への入力を受け付ける。それぞれのドメインにおける使用者は、提案システム１に対して、端末を用いて新規課題ｉ１の入力、検索条件の設定、及び検索指示等を行う。入力部１１は、端末から検索指示を受けるとともに、新規課題ｉ１や検索条件等を取得する。

推定部１２は、生成システム２から提供された分類モデルＤ５を用いて、複数のカテゴリのうち新規課題ｉ１が分類されるカテゴリを推定する。

検索部１３は、複数の過去課題ａ１１がカテゴリごとにまとめられたセットデータＤ２を参照して、推定されたカテゴリ内において、複数の過去課題ａ１１のうち新規課題ｉ１と類似する過去課題ａ１１を検索する。このように、関連性の高い過去課題ａ１１同士が属するカテゴリ内から、新規課題ｉ１に類似する過去課題ａ１１が検索される。このため、新規課題ｉ１に類似する適切な過去課題ａ１１を検出できる。

検索部１３は、新規課題ｉ１に類似する過去課題ａ１１を検索する際に、文章をベクトル化するベクトル化ツールＤ６を用いてもよい。ベクトル化ツールＤ６としては、例えば、Ｗｏｒｄ２Ｖｅｃ、及びＤｏｃ２Ｖｅｃ等が挙げられる。ベクトル化ツールＤ６は、例えば、階層データＤ１内の各項目に入力された文章を教師データとして学習済みである。

検索部１３は、ベクトル化ツールＤ６を用いて、新規課題ｉ１の文章及び推定されたカテゴリに属する各過去課題ａ１１の文章をベクトル化する。検索部１３は、例えば、各カテゴリについて、新規課題ｉ１を表すベクトルに最も距離が近いベクトルで表される過去課題ａ１１を、新規課題ｉ１に類似する過去課題ａ１１とする。なお、検索部１３は、新規課題ｉ１を表すベクトルとの距離が閾値以下のベクトルで表される過去課題ａ１１を検出し、検出した過去課題ａ１１を新規課題ｉ１に類似する過去課題ａ１１としてもよい。

出力部１４は、生成システム２から提供されたセットデータＤ２を参照して、新規課題ｉ１に類似する過去課題ａ１１の解決手段ａ１２を出力する。

提案システム１及び生成システム２は、例えば、ＣＰＵ（Central Processing Unit）及びメモリを有し、それぞれのドメインの端末に接続されたサーバによって実現される。サーバは、１つのコンピュータによって構成されていてもよいし、複数のコンピュータによって構成されていてもよい。なお、提案システム１と生成システム２は、別々のコンピュータによって実現してもよい。また、提案システム及び生成システムを実現するハードウェアは、サーバに限定されない。例えば、提案システム及び生成システムは、クラウドにアップされた新規課題や過去データ等の各種データを用いて処理を行うコンピュータによって実現されてもよい。また、提案システムを実現するハードウェアと生成システムを実現するハードウェアは異なっていてもよい。

（分類モデルの生成方法）
図３は、本実施形態に係る分類モデルの生成方法を示すフローチャートである。
図４及び図５は、課題タグを決定する方法を示す図である。
次に、具体例を用いて、本実施形態に係る分類モデルの生成方法について説明する。
先ず、生成システム２のタグ決定部２１は、図３～図５に示すように、それぞれの過去課題ａ１１、及び、階層データＤ１内において、それぞれの過去課題ａ１１が入力された課題項目ａ１と親子関係にある項目ｂ１、ｂ２に入力された情報に基づいて、それぞれの過去課題ａ１１に対応する課題タグｃ４を決定する（工程Ｓ１１）。

より具体的に、タグ決定部２１は、図４に示すように、過去課題ａ１１の文章と、親項目ｂ１に入力された文章と、子項目ｂ２に入力された文章と、を形態素解析し、各文章から助詞及び助動詞を除いた単語（自立語）を抽出する（工程Ｓ１１ａ）。以下、抽出された単語を「抽出語ｃ１」という。すなわち、図４の例で説明すれば、過去課題ａ１１の文章は「製品の耐久性」である。親項目ｂ１に入力された文章は「半導体応用製品の調達業務」である。５つの子項目ｂ２に入力された文章は、「適切な設計」、「適切な材料の選定」、「適切な製造」、「適切な検査」、及び「適切な出荷搬送」である。そして、これらの文章中の自立語が抽出語ｃ１である。

次に、タグ決定部２１は、オントロジーＤ３を参照して、それぞれの抽出語ｃ１の同義語ｃ２を追加する（工程Ｓ１１ｂ）。

次に、タグ決定部２１は、図５に示すように、オントロジーＤ３を用いて、複数の抽出語ｃ１及び複数の同義語ｃ２の代表語ｃ３を決定する（工程Ｓ１１ｃ）。
具体的に、先ず、タグ決定部２１は、複数の抽出語ｃ１及び複数の同義語ｃ２を、オントロジーＤ３を用いて、統一の概念でまとめることのできる単語群ｇに分ける。次に、タグ決定部２１は、複数の単語群ｇからいくつかの単語群ｇを選出する。選出の方法は特に限定されないが、例えば、課題を表現する観点等から優先度の低い単語群ｇを除去した上で、含まれる語数が多い上位の単語群ｇを選出してもよい。

次に、タグ決定部２１は、選出したそれぞれの単語群ｇについて、含まれる抽出語ｃ１及び同義語ｃ２を集約した代表語ｃ３を決定する。それぞれの代表語ｃ３は、例えば、各単語群ｇに含まれる抽出語ｃ１及び同義語ｃ２の上位語であってもよいし、各単語群ｇに含まれる抽出語ｃ１及び同義語ｃ２のうちのいずれかの単語であってもよい。なお、図５の例では、代表語ｃ３の数は、６つであるが、代表語ｃ３の数は特に限定されない。

次に、タグ決定部２１は、決定した複数の代表語ｃ３に基づいて、課題タグｃ４を決定する（工程Ｓ１１ｄ）。課題タグｃ４は、全ての代表語ｃ３を組み合わせたものであってもよいし、決定した複数の代表語ｃ３を集約した単語又は単語の組み合わせであってもよい。なお、図では、それぞれの課題タグｃ４を便宜的に「Ｙ」に数字を組み合わせた文字列で表す。

タグ決定部２１は、このように過去課題ａ１１だけでなく親子関係にある項目ｂ１、ｂ２に入力された情報に基づいて、課題タグｃ４を決定する。このため、図４及び図５を例に説明すれば、課題タグｃ４には、過去課題ａ１１の「製品の耐久性」という文章では表現されていない、「調達」、「設計」、「製造」及び「搬送」等の特徴が含まれている。このように、課題タグｃ４には、過去課題ａ１１の上位側の階層の情報及び下位側の階層の情報の特徴が含まれている。

また、タグ決定部２１は、各過去課題ａ１１の文章と、親子関係にある項目ｂ１、ｂ２に入力された文章と、から抽出される抽出語ｃ１及び抽出語ｃ１の同義語ｃ２に基づいて、課題タグｃ４を決定する。これにより、過去課題ａ１１の文章及び親子関係にある項目ｂ１、ｂ２に入力された文章の表現のみに限定されずに、それぞれの過去課題ａ１１に適切な課題タグｃ４が付与される。

なお、課題タグｃ４の決定方法は、上記に限定されない。例えば、課題タグｃ４は、オントロジーＤ３等を用いてタグ決定部２１により機械的に決定されるのではなく、専門家等により人為的に決定されてもよいし、機械的な方法と人為的な方法とを組み合わせた方法で決定されてもよい。

図６は、複数の課題タグを複数のカテゴリに分類する方法を示す図である。
図６に示すように、上述した工程Ｓ１１により、各ドメインの各過去課題ａ１１に課題タグｃ４が付与される。

次に、データ作成部２２は、複数の課題タグｃ４が相互の関連性に応じて複数のカテゴリに分類された教師データＤ４を作成する（工程Ｓ１２）。
工程Ｓ１２において、例えば、データ作成部２２は、オントロジーＤ３を用いて、複数の課題タグｃ４を、複数のドメインを横断した統一の概念でまとめることができる課題タグ群ｈに分ける。データ作成部２２は、１つの課題タグ群ｈを１つのカテゴリとする。なお、この際、例えば、一つの課題タグｃ４が複数のカテゴリに属してもよい。図６に示す例では、「調達系」、「据え付け系」、「製品系」、「メンテ系」、「設計系」、「生産系」、及び「搬送系」等がカテゴリである。

なお、教師データＤ４の作成方法は、上記に限定されない。例えば、課題タグｃ４は、オントロジーＤ３等を用いてデータ作成部２２により機械的にカテゴリに分類されるのではなく、専門家等により人為的にカテゴリに分類されてもよいし、機械的な方法と人為的な方法とを組み合わせた方法でカテゴリに分類されてもよい。

また、データ作成部２２は、課題タグｃ４が過去課題ａ１１及び解決手段ａ１２に紐づけられてカテゴリごとにまとめられたセットデータＤ２（図１０参照）を作成する。データ作成部２２は、セットデータＤ２を検索部１３に提供する。

次に、モデル生成部２３は、教師データＤ４を用いて分類モデルＤ５を生成する（工程Ｓ１３）。モデル生成部２３が生成した分類モデルＤ５は、提案システム１の推定部１２に提供される。

なお、教師データＤ４を用いて分類モデルＤ５を生成する際は、データ作成部２２が作成した教師データＤ４の全てを分類モデルＤ５の学習に用いてもよいし、データ作成部２２が作成した教師データＤ４の一部のみを分類モデルＤ５の学習に用いてもよい。

（解決手段の提案方法）
図７は、本実施形態に係る解決手段の提案方法を示すフローチャートである。
次に、本実施形態に係る解決手段の提案方法を説明する。
先ず、使用者は、端末を用いて提案システム１に対して新規課題ｉ１の入力、検索条件の設定、及び検索開始の指示等を行う。入力部１１は、検索開始の指示を受けるとともに、新規課題ｉ１及び検索条件等を取得する（工程Ｓ２１）。

次に、推定部１２は、工程Ｓ１３において学習済みの分類モデルＤ５を用いて、複数のカテゴリのうち新規課題ｉ１が分類されるカテゴリを推定する（工程Ｓ２２）。

図８は、新規課題が分類されるカテゴリを推定する方法を示す図である。
推定部１２は、例えば、新規課題ｉ１の文章から位置をずらして複数の部分語ｉ２を切り出す。推定部１２は、例えば、切り出しの開始位置を１文字ずつずらしながら、３文字からなる部分語ｉ２を順次切り出す。ただし、部分語ｉ２の文字数及びずらす文字数等は上記に限定されない。

次に、推定部１２は、切り出した複数の部分語ｉ２を分類モデルＤ５に入力し、分類モデルＤ５にそれぞれの部分語ｉ２とそれぞれのカテゴリとの関連度ｉ３を出力させる。例えば、分類モデルＤ５は、それぞれの部分語ｉ２について、それぞれのカテゴリとの関連度ｉ３を成分とする縦ベクトルＶを算出する。以下、各部分語ｉ２の縦ベクトルＶを横に配列してまとめたものを関連度マトリクスＭという。

次に、推定部１２は、関連度マトリクスＭにおいて、それぞれのカテゴリの関連度ｉ３の最大値を算出し、それぞれのカテゴリについて算出した最大値が閾値以上であるか否かを判断する。図８の例では、「調達系」のカテゴリの関連度ｉ３の最大値は０．７７である。「据え付け系」のカテゴリの関連度ｉ３の最大値は０．９９である。「製品系」のカテゴリの関連度ｉ３の最大値は０．１１である。「メンテ系」のカテゴリの関連度ｉ３の最大値は０．７３である。

図９は、それぞれのカテゴリの関連度の最大値を示すグラフである。
推定部１２は、図９に示すように、関連度ｉ３の最大値が閾値以上となるカテゴリを、新規課題ｉ１が分類されるカテゴリと推定する。図９の例では、「据え付け系」、「メンテ系」、及び「調達系」の関連度ｉ３の最大値が閾値を超えている。したがって、推定部１２は、「据え付け系」、「メンテ系」、及び「調達系」が新規課題ｉ１が分類されるカテゴリと推定する。なお、閾値は、例えば、工程Ｓ２１において使用者が任意の値に設定できるようにしてもよい。

このように、新規課題ｉ１の文章から位置をずらして複数の部分語ｉ２が切り出される。そして、分類モデルＤ５は、切り出された複数の部分語ｉ２を入力として、それぞれの部分語ｉ２とそれぞれのカテゴリとの関連度ｉ３を出力する。そして、関連度ｉ３に基づき、新規課題ｉ１が分類されるカテゴリが推定される。少なくともいずれか１つの部分語ｉ２は、文章中において近い位置に配置された単語群の一部を含んでいる。その結果、新規課題ｉ１の文章の文脈的に関連のあるカテゴリを推定できる。なお、新規課題ｉ１が分類されるカテゴリの推定方法は上記に限定されない。

図１０は、類似する過去課題の検索方法を示す図である。
次に、検索部１３は、図１０に示すように、セットデータＤ２を参照して、推定された各カテゴリ内において、複数の過去課題ａ１１のうち新規課題ｉ１と類似する過去課題ａ１１を検索する（工程Ｓ２３）。

工程Ｓ２３において、検索部１３は、例えば、ベクトル化ツールＤ６を用いて、新規課題ｉ１の文章及び推定された各カテゴリ内の過去課題ａ１１の文章をベクトル化する。

次に、検索部１３は、例えば、それぞれのカテゴリ内において、新規課題ｉ１を表すベクトルに最も距離が近いベクトルで表される過去課題ａ１１を検出し、検出した過去課題ａ１１を、新規課題ｉ１に類似する過去課題ａ１１とする。

図１０に示す例では、「据え付け系」のカテゴリについて「Ｙ２２」の課題タグｃ４が付された過去課題ａ１１が、新規課題ｉ１に類似する過去課題ａ１１として検出されている。「メンテ系」のカテゴリについて「Ｙ２１」の課題タグｃ４が付された過去課題ａ１１が、新規課題ｉ１に類似する過去課題ａ１１として検出されている。「調達系」のカテゴリについて「Ｙ３３」の課題タグｃ４が付された過去課題ａ１１が、新規課題ｉ１に類似する過去課題ａ１１として検出されている。例えば、検索部１３は、カテゴリ内において複数の過去課題ａ１１のうち新規課題ｉ１と類似する過去課題ａ１１を課題タグｃ４に基づいて検索してもよい。この場合も、ベクトル化ツールＤ６を用いて、新規課題ｉ１に対応する課題タグｃ４及び推定された各カテゴリ内の過去課題ａ１１に対応する課題タグｃ４をそれぞれベクトル化すればよい。

このように、関連性の高い過去課題ａ１１同士が属するカテゴリ内から、新規課題ｉ１に類似する過去課題ａ１１が検索される。このため、新規課題ｉ１に類似する適切な過去課題ａ１１を検出できる。なお、前述したように、課題タグｃ４には、過去課題ａ１１の上位側の階層の情報及び下位側の階層の情報の特徴が含まれている。従って、各過去課題ａ１１は、課題タグｃ４を用いて適切なカテゴリに分類されている。なお、新規課題ｉ１に類似する過去課題ａ１１を検索する方法は、上記に限定されない。

図１１は、出力を例示する図である。
次に、出力部１４は、セットデータＤ２を参照して、推定した各カテゴリについて、類似する過去課題ａ１１の解決手段ａ１２を出力する（工程Ｓ２４）。
出力部１４は、例えば、推定されるカテゴリ、それぞれのカテゴリにおいて類似する過去課題ａ１１とその解決手段ａ１２等を出力する。類似する過去課題ａ１１は、１つのカテゴリについて１つでもよいし、複数であってもよい。使用者は、出力された解決手段ａ１２を参考にして、新規課題ｉ１の解決手段を検討できる。

なお、分類モデルＤ５の生成は、提案システム１が初めて使用される前に、少なくとも１度行われていればよい。例えば、分類モデルＤ５の生成は１度のみ行われ、提案システム１は新規課題ｉ１が分類されるカテゴリを推定する度に、同じ分類モデルＤ５を使用してもよい。また、例えば、階層データＤ１が新たに提供されたタイミングや既存の階層データＤ１の内容が更新されたタイミングで、分類モデルＤ５の再生成が行われてもよい。

次に、本実施形態の効果について説明する。
本実施形態においては、新規課題ｉ１が分類されると推定されたカテゴリ内で、新規課題ｉ１に類似する過去課題ａ１１が検索される。このため、関連性の高い過去課題ａ１１同士が属するカテゴリ内から、新規課題ｉ１に類似する過去課題ａ１１が検索される。その結果、新規課題ｉ１に類似する適切な過去課題ａ１１を検出できる。

また、本実施形態において、それぞれの過去課題ａ１１は、課題項目ａ１及び手段項目ａ２が階層構造をなすように配置された少なくとも１つの階層データＤ１内において、いずれかの課題項目ａ１に入力されている。そして、課題タグｃ４は、それぞれの過去課題ａ１１、及び、階層データＤ１内において、それぞれの過去課題ａ１１が入力された課題項目ａ１と親子関係にある項目ｂ１、ｂ２に入力された情報に基づいて決定されている。したがって、課題タグｃ４には、過去課題ａ１１の上位側の階層の情報及び下位側の階層の情報の特徴が含まれている。このため、各過去課題ａ１１を課題タグｃ４を用いて適切なカテゴリに分類できる。

また、本実施形態において、それぞれの課題タグｃ４は、それぞれの過去課題ａ１１の文章と、親子関係にある項目ｂ１、ｂ２に入力された文章と、から抽出された抽出語ｃ１及び抽出語ｃ１の同義語ｃ２に基づいて決定されている。これにより、過去課題ａ１１の文章の表現のみに限定されずに、それぞれの過去課題ａ１１に適切な課題タグｃ４が付与される。

また、本実施形態において、新規課題ｉ１の文章から位置をずらして複数の部分語ｉ２が切り出される。そして、分類モデルＤ５は、切り出された複数の部分語ｉ２を入力として、それぞれの部分語ｉ２とそれぞれのカテゴリとの関連度ｉ３を出力する。そして、出力された関連度ｉ３に基づき、複数のカテゴリのうち新規課題ｉ１が分類されるカテゴリが推定される。少なくともいずれかの部分語ｉ２は、新規課題ｉ１の文章中において近い位置に配置された単語群の一部を含んでいる。その結果、新規課題ｉ１の文章の文脈的に関連のあるカテゴリを推定できる。

また、本実施形態においては、それぞれのカテゴリには、複数のドメインを横断した統一の概念でまとめることのできる複数の課題タグｃ４が属している。その結果、ドメインを問わず、新規課題ｉ１に類似する適切な過去課題ａ１１を検索することができる。

以上説明した実施形態によれば、新規課題ｉ１に類似する適切な過去課題ａ１１を検出できる解決手段ａ１２の提案方法及び提案システムと、このような解決手段ａ１２の提案方法に用いられる分類モデルＤ５の生成方法と、を実現することができる。

＜第２の実施形態＞
次に、第２の実施形態について説明する。
図１２（ａ）は、本実施形態に係る解決手段の提案システムにおいて新規課題が分類されるカテゴリの推定方法を示す図であり、図１２（ｂ）は、本実施形態に係る解決手段の提案システムにおいて複数の過去課題のうち新規課題に類似する過去課題の抽出方法を示す図である。
図１３は、本実施形態に係る解決手段の提案システムの検索条件の設定画面を示す図である。
図１４は、本実施形態に係る解決手段の提案システムの出力を示す図である。
なお、以下の説明においては、原則として、第１の実施形態との相違点のみを説明する。以下に説明する事項以外は、第１の実施形態と同様である。

推定部１２は、図１２（ａ）に示すように、第１の実施形態と同様に、新規課題ｉ１と複数のカテゴリとの関連度を算出可能である。そして、推定部１２は、複数のカテゴリのうち関連度が第１閾値ＴＨ１以上のカテゴリを、新規課題ｉ１が分類されるカテゴリとして推定する。

また、検索部１３は、図１２（ｂ）に示すように、新規課題ｉ１と類似する過去課題ａ１１との類似度を算出可能である。そして、検索部１３は、複数の過去課題ａ１１のうち推定されたカテゴリに分類され、新規課題ｉ１との類似度が第２閾値ＴＨ２以上の過去課題ａ１１を類似する過去課題ａ１１として抽出する。類似度は、新規課題ｉ１と過去課題ａ１１との類似の程度を表すものであれば特に限定されないが、例えば、コサイン類似度、又は、意味空間における新規課題ｉ１と過去課題ａ１１との距離等が挙げられる。

入力部１１は、図１３に示すように、新規課題ｉ１の入力の際に、使用者による第１閾値ＴＨ１及び第２閾値ＴＨ２の設定も受け付ける。例えば、検索前に、使用者が操作するコンピュータに、図１３に示すような画面が表示される。使用者は、コンピュータのキーボードやマウス等の操作部を介して、新規課題ｉ１を入力するとともに、第１閾値ＴＨ１及び第２閾値ＴＨ２を設定し、検索ボタン２１０を押す。これにより、設定した条件での検索が開始される。

出力部１４は、図１４に示すように、類似する過去課題ａ１１の解決手段ａ１２を出力する際に、推定されたカテゴリと新規課題ｉ１との関連度ｋ１も出力する。また、出力部１４は、複数のカテゴリのうち、新規課題ｉ１との関連度が第１閾値ＴＨ１未満であって関連度が上位の複数のカテゴリ及びその関連度ｋ２を参考情報として出力する。これにより、使用者は、新規課題ｉ１が分類されると推定されなかったカテゴリの関連度ｋ２を確認し、第１閾値ＴＨ１が適切か否かを判断できる。なお、参考情報として関連度が第１閾値未満のカテゴリのうち、関連度が最大であるカテゴリ及びその関連度のみを出力してもよい。

出力部１４は、類似する過去課題ａ１１の解決手段ａ１２を出力する際に、新規課題ｉ１と類似する過去課題ａ１１との類似度ｋ３も出力する。また、出力部１４は、複数の過去課題ａ１１のうち、新規課題ｉ１との類似度ｋ３が第２閾値ＴＨ２未満であって類似度が上位の過去課題ａ１１及びその類似度ｋ４を参考情報として出力する。これにより、使用者は、抽出されなかった過去課題ａ１１の類似度ｋ４を確認し、第２閾値ＴＨ２が適切か否かを判断できる。なお、参考情報として類似度が第２閾値未満の過去課題のうち、類似度が最大である過去課題及びその関連度のみを出力してもよい。

入力部１１は、類似する過去課題ａ１１の解決手段ａ１２を出力後も、第１閾値ＴＨ１及び第２閾値ＴＨ２の変更を受け付け可能に構成している。例えば、使用者が操作するコンピュータに図１４に示すような画面が表示された場合に、使用者は、コンピュータのキーボードやマウス等の操作部を介して、第１閾値ＴＨ１及び第２閾値ＴＨ２を再設定し、再検索ボタン２２０を押す。これにより、設定した条件での再検索が開始される。

以上説明したように、出力部１４は、推定されたカテゴリと新規課題ｉ１との関連度ｋ１を出力する。そのため、使用者は、推定されたカテゴリと新規課題ｉ１との関連度ｋ１を把握できる。

また、出力部１４は、複数のカテゴリのうち、新規課題ｉ１との関連度が第１閾値ＴＨ１未満のカテゴリのうち関連度が最大であるカテゴリの関連度ｋ２を出力する。また、入力部１１は、第１閾値ＴＨ１の変更を受け付け可能に構成している。そのため、使用者は、第１閾値ＴＨ１が適切な値か否かを判断し、必要に応じて、第１閾値ＴＨ１の値を変更し、新規課題ｉ１が分類されると推定されるカテゴリの数を増減できる。

また、検索部１３は、抽出された類似する過去課題ａ１１と新規課題ｉ１との類似度ｋ３を出力する。そのため、使用者は、抽出された過去課題ａ１１と新規課題ｉ１との類似度ｋ３を把握できる。

また、出力部１４は、複数の過去課題のうち、新規課題ｉ１との類似度が第２閾値ＴＨ２未満の過去課題ａ１１のうち類似度が最大である過去課題ａ１１の類似度ｋ４を出力する。また、入力部１１は、第２閾値ＴＨ２の変更を受け付け可能である。そのため、使用者は、第２閾値ＴＨ２が適切な値か否かを判断し、必要に応じて、第２閾値ＴＨ２の値を変更し、抽出される類似する過去課題ａ１１の数を増減できる。

＜第３の実施形態＞
次に、第３の実施形態について説明する。
図１５は、本実施形態に係る解決手段の提案システムにおける課題タグの決定方法を示す図である。
第１の実施形態では、過去課題ａ１１と、階層データＤ１のうち過去課題ａ１１と親子関係にある項目の項目に入力された情報と、に基づいて過去課題ａ１１の課題タグｃ４を決定した。これに対して、第３の実施形態では、過去課題ａ１１と、階層データＤ１のうち過去課題ａ１１が属するドメイン３００内において過去課題ａ１１と関連する情報と、に基づいて過去課題ａ１１の課題タグｃ４を決定する。

第１の実施形態と同様に、複数の階層データＤ１は、複数のドメイン３００から提供される。そのため、複数の階層データＤ１において、各過去課題ａ１１は、いずれかのドメイン３００に属する。図１５に示すように、あるドメイン３００に属する「入荷品の品質を確認する」という過去課題ａ１１の課題タグｃ４を決定する際は、先ず、タグ決定部２１は、複数の階層データＤ１のうち、同じドメイン３００内において過去課題ａ１１と関連する情報を抽出する。抽出される情報は、特に限定されないが、例えば、課題項目ａ１に入力された文章、手段項目ａ２に入力された文章、又は課題項目ａ１及び手段項目ａ２に入力された文章の両方等が挙げられる。図１５では、例えば、「生産プロセスやレシピ変更でばらつきを抑制する」という課題項目ａ１に入力された文章及び「冗長な検査や信頼性に抜き取り検査を入れる」という課題項目ａ１に入力された文章が、関連する情報として抽出されている。

過去課題ａ１１と関連する情報を抽出する方法は特に限定されないが、例えば、ｗｏｒｄ２ｖｅｃ等の文章のベクトル化ツールＤ６等を用いた機械的な方法、専門家等が関連する情報を抽出する等の人為的な方法、又は機械的な方法及び人為的な方法を組み合わせた方法等が挙げられる。ベクトル化ツールＤ６を用いる場合は、複数の階層データＤ１のうち同じドメイン３００に属し、かつ、意味空間での距離が近い情報が抽出される。

以降の手順は、第１の実施形態と同様であり、「入荷品の品質を確認する」という文章、「生産プロセスやレシピ変更でばらつきを抑制する」という文章、及び「冗長な検査や信頼性に抜き取り検査を入れる」という文章から単語を抽出し、抽出した単語の同義語を追加し、最終的な課題タグｃ４を決定する。

以上説明したように、階層データＤ１において過去課題ａ１１の課題タグｃ４を決定する際に用いる情報は、過去課題ａ１１が入力された課題項目ａ１と親子関係にある項目に入力された情報に特に限定されず、階層データＤ１において過去課題ａ１１が属するドメインと同じドメインに属し、かつ、過去課題ａ１１と関連する情報であれば特に限定されない。

＜第４の実施形態＞
次に、第４の実施形態について説明する。
図１６は、本実施形態に係る過去データを示す図である。
第１の実施形態、第２の実施形態、及び第３の実施形態において、過去課題ａ１１が入力されており、課題タグｃ４の決定に用いられる過去データは、階層データＤ１である。これに対して、本実施形態では、過去課題ａ１１が入力されており、課題タグｃ４の決定に用いられる過去データは、表データＤ４１である。

表データＤ４１は、複数の過去課題ａ１１に複数の解決手段ａ１２が紐づけられた表形式のデータである。この場合は、過去課題ａ１１の課題タグｃ４は、第３の実施形態と同様に、過去課題ａ１１と、表データＤ４１のうち過去課題ａ１１と同じドメイン３００に属し、かつ、過去課題ａ１１と関連する情報と、に基づいて決定される。例えば、あるドメイン３００に属する「入荷品の品質を確認する」という過去課題ａ１１の課題タグｃ４を決定する際は、第３の実施形態と同様に、「生産プロセスやレシピ変更でばらつきを抑制する」という過去課題ａ１１及び「冗長な検査や信頼性に抜き取り検査を入れる」という過去課題ａ１１が、関連する情報として抽出される。ただし、第３の実施形態と同様に、解決手段ａ１２が関連する情報として抽出されてもよい。

以上、説明したように、過去課題ａ１１が入力されており、課題タグｃ４の決定に用いられる過去データは、過去課題ａ１１に解決手段ａ１２が紐づけられたものであれば階層データＤ１に限定されず、表データＤ４１等の他の形式のデータであってもよい。

以上、本発明の実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明及びその等価物の範囲に含まれる。

１：提案システム
２：生成システム
１１：入力部
１２：推定部
１３：検索部
１４：出力部
２１：タグ決定部
２２：データ作成部
２３：モデル生成部
Ｄ１：階層データ（過去データ）
Ｄ２：セットデータ
Ｄ３：オントロジー
Ｄ４：教師データ
Ｄ５：分類モデル
Ｄ６：ベクトル化ツール
Ｄ４１：表データ
Ｍ：関連度マトリクス
Ｖ：縦ベクトル
ａ０：対象項目
ａ１：課題項目
ａ１１：過去課題
ａ２：手段項目
ａ１２：解決手段
ｂ１：親項目
ｂ２：子項目
ｃ１：抽出語
ｃ２：同義語
ｃ３：代表語
ｃ４：課題タグ
ｇ：単語群
ｈ：課題タグ群
ｉ１：新規課題
ｉ２：部分語
ｉ３、ｋ１、ｋ２：関連度
ｋ３、ｋ４：類似度
ＴＨ１：第１閾値
ＴＨ２：第２閾値

Claims (7)

1. コンピュータで実行され、
   新規課題を取得する工程と、
   複数の過去課題のそれぞれに対応する課題タグが相互の関連性に応じて複数のカテゴリに分類された教師データで学習済みの分類モデルを用いて、複数の前記カテゴリのうち前記新規課題が分類されるカテゴリを推定する工程と、
   推定された前記カテゴリ内において複数の前記過去課題のうち前記新規課題と類似する過去課題を検索する工程と、
   検索された前記類似する過去課題に紐づいた解決手段を出力する工程と、
   を備え、
   それぞれの前記過去課題は、課題項目及び手段項目が階層構造をなすように配置された少なくとも１つの階層データ内において、いずれかの前記課題項目に入力されており、
   それぞれの前記課題タグは、それぞれの前記過去課題、及び、前記階層データ内において、それぞれの前記過去課題が入力された前記課題項目と親子関係にある項目に入力された情報に基づいて決定されている解決手段の提案方法。
2. それぞれの前記課題タグは、それぞれの前記過去課題の文章と、前記親子関係にある項目に入力された文章と、から抽出される単語及び前記単語の同義語に基づいて決定されている請求項１に記載の解決手段の提案方法。
3. 前記教師データにおいて、複数の前記課題タグは、オントロジーを用いて複数の前記カテゴリに分類されている請求項１または２に記載の解決手段の提案方法。
4. 前記カテゴリを推定する工程は、
   前記新規課題の文章から位置をずらして複数の部分語を切り出す工程と、
   前記分類モデルに複数の前記部分語を入力し、前記分類モデルにそれぞれの前記部分語とそれぞれの前記カテゴリとの関連度を出力させる工程と、
   前記関連度に基づき、複数の前記カテゴリのうち前記新規課題が分類される前記カテゴリを推定する工程と、
   を有する請求項１～３のいずれか１つに記載の解決手段の提案方法。
5. 複数の前記階層データは、複数のドメインから提供されたものであり、
   前記教師データにおいて、それぞれの前記カテゴリには、複数の前記ドメインを横断した統一の概念でまとめることのできる複数の前記課題タグが属している請求項１～４のいずれか１つに記載の解決手段の提案方法。
6. コンピュータで実行され、
   複数の過去課題のそれぞれに対応する課題タグを決定する工程と、
   複数の前記課題タグが相互の関連性に応じて複数のカテゴリに分類された教師データを作成する工程と、
   前記教師データを用いて、複数の前記カテゴリのうち新規課題が分類されるカテゴリを推定する分類モデルを生成する工程と、
   を備え、
   それぞれの前記過去課題は、課題項目及び手段項目が階層構造をなすように配置された少なくとも１つの階層データ内において、前記課題項目に入力されており、
   それぞれの前記課題タグを、それぞれの前記過去課題、及び、前記階層データ内において、それぞれの前記過去課題が入力された前記課題項目と親子関係にある項目に入力された情報に基づいて決定する分類モデルの生成方法。
7. 新規課題の入力を受け付ける入力部と、
   複数の過去課題のそれぞれに対応する課題タグが相互の関連性に応じて複数のカテゴリに分類された教師データで学習済みの分類モデルを用いて、複数の前記カテゴリのうち前記新規課題が分類されるカテゴリを推定する推定部と、
   推定された前記カテゴリ内において、複数の前記過去課題のうち前記新規課題と類似する過去課題を検索する検索部と、
   検索された前記類似する過去課題に紐づいた解決手段を出力する出力部と、
   を備え、
   それぞれの前記過去課題は、課題項目及び手段項目が階層構造をなすように配置された少なくとも１つの階層データ内において、いずれかの前記課題項目に入力されており、
   それぞれの前記課題タグは、それぞれの前記過去課題、及び、前記階層データにおいて、それぞれの前記過去課題が入力された前記課題項目と親子関係にある項目に入力された情報に基づいて決定されている解決手段の提案システム。

Images