JP5526209B2 - フォレンジックシステムおよびフォレンジック方法並びにフォレンジックプログラム - Google Patents

Description

本発明は、フォレンジックシステムおよびフォレンジック方法並びにフォレンジックプログラムに関するものであって、特に、訴訟に関連する文書情報を収集するためのフォレンジックシステムおよびフォレンジック方法並びにフォレンジックプログラムに関するものである。

従来、不正アクセスや機密情報漏洩などコンピュータに関する犯罪や法的紛争が生じた際に、原因究明や捜査に必要な機器やデータ、電子的記録を収集・分析し、その法的な証拠性を明らかにする手段や技術が提案されている。

また、米国民事訴訟では、ｅＤｉｓｃｏｖｅｒｙ（電子証拠開示）等が求められており、当該訴訟の原告および被告のいずれもが、関連するデジタル情報をすべて証拠として提出する責任を負う。そのため、コンピュータやサーバに記録されたデジタル情報を証拠として、提出しなければならない。

一方、ＩＴの急速な発達と普及に伴い、今日のビジネスの世界ではほとんどの情報がコンピュータで作成されているため、同一企業内であっても多くのデジタル情報が氾濫している。

そのため、法廷への証拠資料提出のための準備作業を行う過程において、当該訴訟に必ずしも関連しない機密なデジタル情報までも証拠資料として含めてしまうミスが生じやすい。また、当該訴訟に関連しない機密な文書情報を提出してしまうことが問題になっていた。

近年、フォレンジックシステムにおける文書情報に関する技術が、特許文献１乃至特許文献３に提案されている。特許文献１には、文書提出命令の対象者情報に含まれる少なくとも１人以上の対象者から、特定の者を指定し、指定された特定の者に関するアクセス履歴情報に基づいて、特定の者がアクセスしたデジタル文書情報のみを抽出し、抽出されたデジタル文書情報の文書ファイルそれぞれが、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フォレンジックシステムについて開示されている。

また、特許文献２には、記録されたデジタル情報を表示し、複数の文書ファイル毎に、対象者情報に含まれる対象者のうちいずれの対象者に関連するものであるかを示す対象者特定情報を設定し、該設定された対象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対象者を指定し、指定された対象者に対応する対象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フォレンジックシステムについて開示されている。

さらに、特許文献３には、デジタル文書情報に含まれる少なくとも１以上の文書ファイルの指定を受け付け、指定された文書ファイルをいずれの言語に翻訳するかの指定を受け付け、指定を受け付けた文書ファイルを、指定を受け付けた言語に翻訳し、記録部に記録されたデジタル文書情報から、指定された文書ファイルと同一の内容を示す共通文書ファイルを抽出し、抽出された共通文書ファイルが、翻訳された文書ファイルの翻訳内容を援用することにより翻訳されたことを示す翻訳関連情報を生成し、翻訳関連情報に基づいて、訴訟に関連する文書ファイルを出力するフォレンジックシステムについて開示されている。

特開２０１１−２０９９３０号公報 特開２０１１−２０９９３１号公報 特開２０１２−３２８５９号公報

しかしながら、例えば、特許文献１乃至特許文献３のようなフォレンジックシステムおいては、複数のコンピュータおよびサーバを利用した対象者の膨大な文書情報を収集することになる。

このようなデジタル化された膨大な文書情報を訴訟の証拠資料として妥当であるか否かの分別をする作業は、レビュワーと呼ばれる利用者が目視により確認し、当該文書情報をひとつひとつ分別していく必要があり、多大な労力と時間がかかるという問題があった。

そこで、本発明は、上記事情に鑑み、レビュワーのレビューの負荷を軽減することを可能とするフォレンジックシステムおよびフォレンジック方法並びにフォレンジックプログラムを提供することを目的とするものである。

本発明のフォレンジックシステムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックシステムにおいて、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付ける結果情報受付部と、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定する要素選定部と、文書データの各文書に含まれる選定された要素および選定された要素の評価値から文書データの各文書のスコアを算出するスコア算出部と、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する再現率算出部とを備える。

「文書」は、１つ以上の単語を含む情報をいう。文書の一例として、電子メール、プレゼンテーション資料、表計算資料、打ち合わせ資料、契約書、組織図、事業計画書等が挙げられる。

「文書データ」は、文書の集合をいう。

「文書群」は、文書の集合をいい、文書データの部分集合であるものをいう。文書データは、訴訟との関連性の判断が必要な全文書を指し、文書群は、文書データのうち、利用者が関連性の判断を行う文書をいってもよい。

「関連性の判断」は、文書に対して、訴訟への提出の必要の有無を判断するものをいう。例えば、関連性の判断は、関連性の度合いに応じて分別符号を付与する行為であってもよい。

「結果情報」は、利用者が文書に対して行った、訴訟との関連性判断の結果を示すものをいう。結果情報は、利用者が文書に付与した、訴訟との関連性の度合いを表す分別符号を指してもよい。

「結果情報受付部」は、利用者が文書に対して行った判断結果に関する結果情報を受け付けるものをいう。

「要素」は、文書に含まれる単語、記号、図面等の文書の構成要素をいう。例えば、要素は、形態素のようなある言語においてそれ以上分解したら意味をなさなくなるところまで分割して抽出された、音素のまとまりの一つ一つを指してもよい。

「要素選定部」は、要素の評価値から要素を選定するものをいう。要素選定部は、利用者による訴訟の関連性判断において、同一の判断を受けた文書ごとに共通して出現する要素を抽出するものとしてもよい。また、要素選定部は、要素が持つ、伝達情報量をもとに評価値を算出するものとしてもよい。また、要素選定部は、評価値の和に基づいて要素を選定するものとしてもよい。また、要素選定部は、要素を評価値の降順に並び替え、要素の評価値の和が固有の目標値に到達するまで要素を抽出し、該抽出した要素を選定するものとしてもよい。

「評価値」は、要素の特徴を表す値をいう。評価値は、要素がもつ伝達情報量を表すものとしてもよい。

「伝達情報量」は、確率論および情報理論において、２つの確率変数の相互依存の尺度を表す量をいう。具体的には、伝達情報量は、その要素を含む文書に対する関連性の判断結果と、その要素との依存関係を表す尺度のこととしてもよい。

「固有の目標値」は、目標とする再現率の値を示すものをいう。固有の目標値は、百分率であらわされるものとしてもよい。

「スコア算出部」は、文書のスコアを算出するものをいう。例えば、スコア算出部は、文書に含まれる要素の評価値の和をスコアとして算出するものとしてもよい。

「再現率」は、訴訟との関連性の判断に関するものをいう。再現率は、人間の関連性の判断をシステムが自動で再現した程度を表す指標としてもよい。

「再現率算出部」は、再現率を算出するものをいう。例えば、再現率算出部は、本発明に係るシステムが、文書に付与したスコアの値を評価し、利用者の関連性判断との一致率を算出するものとしてもよい。

また、再現率算出部は、スコアを算出された文書のうち、所定のスコア以上を有する文書に、文書群の文書が含まれる割合から再現率を算出するものとしてもよい。また、再現率算出部は、スコアを算出された文書データの各文書を、スコアの降順に並び替え、スコアの上位から所定の割合の文書を抽出し、抽出された文書に文書群が含まれる割合を再現率として計算するものとしてもよい。

また、本発明に係るフォレンジックシステムは、更に、スコアが所定の閾値を超過した文書に対して前記訴訟との関連性に関する判断を行う自動判断部を備えてもよい。

「自動判断部」は、文書に対して訴訟との関連性の判断を自動で行うものをいう。例えば、自動判断部は、スコア算出部が文書に付与したスコアが所定の閾値を超過した場合に、関連性ありと判断するものとしてもよい。

また、本発明に係るフォレンジックシステムは、更に、デジタル情報に含まれる文書データから所定数の文書を含む文書群を抽出する抽出部と、抽出された文書群を画面上に表示する表示部とを備えてもよい。

「抽出部」は、デジタル情報中の文書データから文書群を抽出するものをいう。抽出部は、文書データの更新日時等の属性に基づいて抽出するものとしてもよい。また、抽出部は、文書データから文書群をランダムにサンプリングし、抽出する機能を備えてもよい。

「表示部」は、抽出した文書群を表示するものをいう。表示部は、利用者が利用するクライアント端末等の表示機器であってもよい。

また、本発明に係るフォレンジックシステムは、更に、再現率が固有の目標値を下回っていた際に、要素の評価値の和と固有の目標値と再現率との差を用いて要素を再選定する要素再選定部を備えてもよい。

「要素再選定部」は、要素選定部に選定された要素を再度選定するものをいう。

また、要素再選定部は、再現率が固有の目標値を下回っていた際に、再現率が固有の目標値を上回るまで、要素の評価値の和が固有の目標値と再現率との差に到達するまで要素から抽出された要素を除いた要素の集合から要素を抽出し、選定するものとしてもよい。

また、スコア算出部は、更に、再現率が固有の目標値を下回っていた際に、要素再選定部が選定した要素と該要素再選定部が再選定した要素の評価値とを用いて文書データの各文書の第２のスコアを算出し、スコアと前記第２のスコアとの合成により、文書データの各文書のスコアを再度算出するものであってもよい。

「第２のスコア」は、要素再選定部が再選定した要素を用いてスコア算出部が再度算出した文書のスコアをいう。

また、本発明に係るフォレンジック方法は、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジック方法において、コンピュータが、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付けるステップと、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定するステップと、文書データの各文書に含まれる選定された要素および選定された要素の評価値から前記文書データの各文書のスコアを算出するステップと、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出するステップとを実行する。

また、本発明に係るフォレンジックプログラムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックプログラムにおいて、コンピュータに、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付ける機能と、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定する機能と、文書データの各文書に含まれる選定された要素および選定された要素の評価値から文書データの各文書のスコアを算出する機能と、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する機能とを実現させる。

本発明のフォレンジックシステムおよびフォレンジック方法並びにフォレンジックプログラムは、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付けるステップと、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定するステップと、文書データの各文書に含まれる選定された要素および選定された要素の評価値から前記文書データの各文書のスコアを算出するステップと、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出するステップとを実行することによって、システムが自動で行った場合でも、システムの判断が人間の判断にどの程度合致するかを検証することで判断精度を向上させることが可能となる。

また、本発明に係る要素選定部が、評価値の和に基づいて要素を選定するものである際においては、システムが利用する要素の数を抑えることができ、これによってノイズ（訴訟に関連しない文書に割り当てられてしまうスコアをいう）を低減することが可能となる。

また、本発明に係る要素選定部が、要素を評価値の降順に並び替え、要素の評価値の和が固有の目標値に到達するまで要素を抽出し、該抽出した要素を選定するものである際においては、システムが利用する要素の数を抑えることができ、これによってノイズを低減することが可能となる。

また、本発明に係る再現率算出部が、スコアを算出された文書のうち、所定のスコア以上を有する文書に、文書群の文書が含まれる割合から再現率を算出するものである際においては、文書のスコアからシステムの関連性判断の傾向を評価し、利用者の関連性判断の傾向との一致具合を判定することが可能となる。

また、本発明に係る再現率算出部が、スコアを算出された文書データの各文書を、前記スコアの降順に並び替え、スコアの上位から所定の割合の文書を抽出し、前記抽出された文書に前記文書群が含まれる割合を再現率として計算するものである際には、文書のスコアからシステムの関連性判断の傾向を評価し、利用者の関連性判断の傾向との一致具合を判定することが可能となる。

また、本発明のフォレンジックシステムは、更に、スコアが所定の閾値を超過した文書に対して訴訟との関連性に関する判断を行う自動判断部を備える際においては、利用者の関連性判断の傾向を踏まえて、自動で文書と訴訟との関連性の判断をすることが可能となる。

また、本発明のフォレンジックシステムは、更に、デジタル情報に含まれる文書データから所定数の文書を含む文書群を抽出する抽出部と、抽出された文書群を画面上に表示する表示部とを備える際においては、利用者が関連性の判断を行う文書を抽出し、利用者の端末上に表示することが可能となる。

また、本発明のフォレンジックシステムは、更に、再現率が固有の目標値を下回っていた際に、要素の評価値の和と固有の目標値と再現率との差を用いて要素を再選定する要素再選定部を備える際においては、再現率が目標値に達しなかった場合、スコアの算出に用いる要素を再度選び直すことが可能となり、関連性の判断精度を向上させることが可能となる。

また、本発明に係る要素再選定部が、再現率が固有の目標値を下回っていた際に、再現率が固有の目標値を上回るまで、要素の評価値の和が固有の目標値と再現率との差に到達するまで要素から抽出された要素を除いた要素の集合から要素を抽出し、選定するものである際においては、再現率が目標値に達しなかった場合、スコアの算出に用いる要素を、前回用いた要素とは異なる要素から再度選び直すことが可能となり、関連性の判断精度を向上させることが可能となる。

また、本発明に係るスコア算出部が、更に、再現率が固有の目標値を下回っていた際に、要素再選定部が選定した要素と該要素再選定部が再選定した要素の評価値とを用いて文書データの各文書の第２のスコアを算出し、スコアとの合成により、文書データの各文書のスコアを再度算出するものである際においては、前回のスコアと第２のスコアとの合成スコアをスコアとして用いることで、再現率の向上を図ることが可能となる。

本発明の第１の実施形態におけるフォレンジックシステムのブロック図 本発明の第１の実施形態におけるレビュー画面を模式的に示した図 本発明の第１の実施形態の教師データ作成処理フローを表すフローチャート 本発明の第１の実施形態の再現率向上処理フローを表すフローチャート 本発明のその他の実施形態におけるフォレンジックシステムのブロック図 本発明のその他の実施形態における自動判別部の処理フローを表すフローチャート

[第１の実施形態]
以下、本発明の第１の実施形態を図１乃至図４を用いて説明する。

本発明の第１の実施形態に係るフォレンジックシステムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックシステムにおいて、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付ける結果情報受付部１１１と、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定する要素選定部１１２と、文書データの各文書に含まれる選定された要素および選定された要素の評価値から文書データの各文書のスコアを算出するスコア算出部１１３と、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する再現率算出部１１４とを備える。

また、フォレンジックシステムは、更に、デジタル情報に含まれる文書データから所定数の文書を含む文書群を抽出する抽出部１１７と、抽出された文書群を画面上に表示する表示部１１６とを備えてもよい。

また、フォレンジックシステムは、更に、再現率が固有の目標値を下回っていた際に、要素の評価値の和と固有の目標値と再現率との差を用いて要素を再選定する要素再選定部１１５を備えてもよい。

フォレンジックシステムは、コンピュータまたはサーバを備え、各種入力に基づきＣＰＵがＲＯＭに記録されたプログラムを実行することで、各種機能部として動作する。該プログラムは、ＣＤ−ＲＯＭ等の記憶媒体に記憶され、もしくはインターネット等のネットワークを介して配布され、コンピュータにインストールされるものであってもよい。

本実施形態においては、レビュワーと呼ばれる利用者が、文書データの中から、訴訟に提出が必要な文書を抽出するために、訴訟との関連性の判断を行う。文書は、１つ以上の単語を含む情報をいう。文書の一例として、電子メール、プレゼンテーション資料、表計算資料、打ち合わせ資料、契約書、組織図、事業計画書等が挙げられる。また、スキャンデータを文書として扱うことも可能である。この場合、スキャンデータをテキストデータへと変換できるように、フォレンジックシステム内にＯＣＲ（Optical Character Reader）装置を備えてもよい。ＯＣＲ装置によってテキストデータへ変更することで、スキャンデータから後述する要素の解析や探索が可能になる。

文書データは文書の集合体のことである。文書データは、訴訟との関連性の判断が必要な全文書を指し、文書群は、文書データのうち、利用者が関連性の判断を行う文書をいう。この、システム又は利用者が訴訟に関連するか否かを判断する行為をレビューという。レビューでは、レビューの対象となる文書である文書群を、訴訟の関連の度合いや、訴訟との関連の仕方に基づいて、複数の種類に分類を行う。

図１は、第１の実施形態におけるフォレンジックシステムのブロック図を示している。本実施形態において、フォレンジックシステムは、サーバ装置１００と、クライアント端末２００とを備えている。

サーバ装置１００とクライアント端末２００とは通信ネットワークを介して接続されている。通信ネットワークは、有線あるいは無線の通信回線をいう。例えば、電話回線、インターネット回線等である。

クライアント端末２００は、図２に示すレビュー画面Ｉ１を表示する画面表示部２１１を有している。レビュワーは、クライアント端末２００を介して、サーバ装置１００と接続し、レビュー画面Ｉ１上でレビューを行う。

サーバ装置１００は、結果情報受付部１１１と、要素選定部１１２と、スコア算出部１１３と、再現率算出部１１４と、要素再選定部１１５と、表示部１１６と、抽出部１１７とを備えている。

本実施形態において、各構成はサーバ装置１００上に搭載されているが、それぞれ別筐体に搭載されるものであってもよい。

図１に記載されている各構成について説明する。結果情報受付部１１１は、レビュワーが文書に対して行ったレビューの結果を受け付ける。レビュー結果は、結果情報として受け付けられる。結果情報は、各文書の訴訟との関連度合を符号によって示したものであってもよい。

要素選定部１１２は、各文書に対するレビュー結果である結果情報ごとに文書に共通して出現する要素を抽出し、該要素の評価値から後段の処理に用いる要素を選定する。

要素は、文書に含まれる単語、記号、図面等の文書の構成要素をいう。例えば、要素は、形態素のようなある言語においてそれ以上分解したら意味をなさなくなるところまで分割して抽出された、音素のまとまりの一つ一つを指してもよい。

評価値は、要素の特徴を表す値をいう。評価値は、要素がもつ伝達情報量を表すものとしてもよい。

また、要素選定部１１２は、要素が持つ、伝達情報量をもとに評価値を算出するものとしてもよい。

伝達情報量は、確率論および情報理論において、２つの確率変数の相互依存の尺度を表す量をいう。具体的には、伝達情報量は、その要素を含む文書に対する関連性の判断結果と、その要素との依存関係を表す尺度のこととしてもよい。例えば要素選定部１１２は、伝達情報量の大きい要素を、選定することが可能である。

また、要素選定部１１２は、評価値の和に基づいて要素を選定するものとしてもよい。また、要素選定部１１２は、要素を評価値の降順に並び替え、要素の評価値の和が固有の目標値に到達するまで要素を抽出し、該抽出した要素を選定するものとしてもよい。

固有の目標値は、目標とする再現率の値を示すものをいう。固有の目標値は、百分率であらわされるものとしてもよい。

スコア算出部１１３は、文書のスコアを算出する。例えば、スコア算出部１１３は、文書に含まれる要素の評価値の和をスコアとして算出することが可能である。

また、スコア算出部１１３は、更に、後述するように、再現率が固有の目標値を下回っていた際に、要素再選定部１１５が選定した要素と該要素再選定部１１５が再選定した要素の評価値とを用いて文書データの各文書の第２のスコアを算出し、スコアと前記第２のスコアとの合成により、文書データの各文書のスコアを再度算出するものであってもよい。

第２のスコアは、スコア算出部１１３が各文書について算出した２回目以降のスコアをいう。

再現率算出部１１４は、スコア算出部１１３の処理の再現率を算出する。例えば、再現率算出部１１４は、サーバ装置１００が、文書に付与したスコアの値を評価し、レビュワーのレビュー結果の再現性を算出するものとしてもよい。

再現率は、訴訟との関連性の判断に関するものをいう。再現率は、人間の関連性の判断をシステムが自動で再現した程度を表す指標としてもよい。

また、再現率算出部１１４は、スコアを算出された文書のうち、所定のスコア以上を有する文書に、文書群の文書が含まれる割合から再現率を算出するものとしてもよい。また、再現率算出部１１４は、スコアを算出された文書データの各文書を、スコアの降順に並び替え、スコアの上位から所定の割合の文書を抽出し、抽出された文書に文書群が含まれる割合を再現率として計算するものとしてもよい。

抽出部１１７は、デジタル情報中の文書データから文書群を抽出する。ランダムにサンプリングし抽出するものとしてもよい。また、文書の更新日時等の属性に基づいて抽出するものとしてもよい。また、抽出部１１７は、文書データから文書群をランダムにサンプリングし、抽出する機能を備えてもよい。

表示部１１６は、抽出した文書群を表示する。利用者が利用するクライアント端末２００上に表示するものとしてもよい。

要素再選定部１１５は、要素選定部１１２に選定された要素を再度選定する。また、要素再選定部１１５は、再現率が固有の目標値を下回っていた際に、再現率が固有の目標値を上回るまで、要素の評価値の和が固有の目標値と再現率との差に到達するまで要素から抽出された要素を除いた要素の集合から要素を抽出し、選定するものとしてもよい。

次に、図３および図４を用いて、フォレンジックシステムの処理フローを説明する。

図３は教師データ作成フローに関する処理を示すチャートである。フォレンジックシステムは、教師データについてレビュワーがしたレビュー結果の特徴に基づいて、他の文書データの関連性判断の処理をおこなう。

まず、抽出部１１７が、集められた文書データからレビュワーに提示するための文書群をランダムにサンプリングし、抽出する（ＳＴＥＰ１１１）。次に、表示部１１６が抽出された文書群を文書表示画面Ｉ１に表示するようにクライアント端末２００の画面表示部２１１に指示をだす。このとき、表示部１１６は、日付の順に文書を並べて表示するように指示をだす。指示を受けた画面表示部２１１は、文書表示画面Ｉ１をクライアント端末２００上に表示する（ＳＴＥＰ１１２）。レビュワーは、文書表示画面Ｉ１に表示された文書をみてレビューを行う。具体的には、文書と訴訟との関連性の度合いに応じて分別符号を文書に付与する。レビュワーによって付与された分別符号は結果情報として結果情報受付部１１１が受け付ける（ＳＴＥＰ１１３）。このように、レビュワーによってレビューされた文書群は教師データとして後段の処理に渡される。

図４は、再現率向上フローに関する処理を表すチャートである。

要素選定部１１２が教師データを解析し、要素を選定する処理を行う。具体的には、共通の分別符号が付与された文書に共通して出現する形態素を要素としてＮ個、抽出する（ＳＴＥＰ１２０）。抽出した形態素は、各形態素が持つ伝達情報量をもとに評価値を算出する（ＳＴＥＰ１２１）。例えば１番目に抽出した形態素の評価値をＷｇｔ_１、２番目をＷｇｔ_２、Ｎ番目をＷｇｔ_ｎとする。要素選定部１１２はこのＷｇｔ_１からＷｇｔ_ｎの評価値を用いて、後段の処理を行うための形態素を選定する。具体的には、形態素を評価値の降順に並び替え、以下の式（１）を満たし、その総和が固有の目標値（Ｋとする：Ｋは任意の定数）に到達するまで評価値の上位から順番にｍ個の形態素を選択する。

本実施形態で、固有の目標値は、目標とする再現率のことを指す。
次に、スコア算出部１１３が選定されたｍ個の形態素を含む文書を、文書データから抽出し（ＳＴＥＰ１３０）、含まれる形態素の評価値に基づいて、各文書のスコアを以下の式（２）により算出する（ＳＴＥＰ１３１）。このとき教師データに対しても、スコア算出部１１３はスコアを算出する。

次に、再現率算出部１１４が、スコアの降順に文書（教師データを含む）を並び替え（ＳＴＥＰ１４０）、並び替えられた文書の上位Ａ％（Ａは任意の定数）を抽出する（ＳＴＥＰ１４１）。再現率算出部１１４は、Ａ％に含まれる文書数のうち、教師データが含まれる割合から再現率Ｘ_１（Ｘ_ｎ：再現率算出部１１４がｎ回目に算出した再現率）を算出する（ＳＴＥＰ１４２）。

次に要素再選定部１１５が、目標値Ｋを再現率Ｘ_１が上回っているか判定する（ＳＴＥＰ１５０）。上回っていた場合（ＳＴＥＰ１５０：ＹＥＳ）、処理を終了する。下回っていた場合（ＳＴＥＰ１５０：ＮＯ）、要素再選定部１１５は要素を再選定する（ＳＴＥＰ１５１）。具体的には、要素選定部１１２が抽出したＮ個の形態素から、今回の処理に用いたｍ個の形態素を除いた形態素から、以下の式（３）を満たし、その総和が固有の目標値に到達するまで評価値の上位から順番にｌ個の形態素を選択する。

スコア算出部１１３は、要素再選定部１１５が再選定した形態素を含む文書を教師データを含む文書から抽出し（ＳＴＥＰ１３０：２巡目）、各文書の第２のスコアＳ_1ｒを、式（１）を用いて計算する。初回に計算したスコアＳ_１と第２のスコアＳ_1ｒとの残差Δ₁（Δ₁＝Ｓ_1ｒ−Ｓ_１）を用いて、以下の式（４）から各文書の合成スコアＳ₂を算出する（ＳＴＥＰ１３１：２巡目）。

合成スコアＳ₂を用いて、再現率算出部１１４は再度、再現率を算出し、目標値Ｋを上回るまで、ＳＴＥＰ１３０〜ＳＴＥＰ１５１の処理を繰り返す。これにより、目標再現率まで、フォレンジックシステムのレビュー処理の精度を向上させることが可能となる。

[その他の実施形態]
以下、本発明のその他の実施形態を図５および図６を用いて説明する。

本発明のその他の実施形態に係るフォレンジックシステムは、複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックシステムにおいて、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付ける結果情報受付部１１１と、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定する要素選定部１１２と、文書データの各文書に含まれる選定された要素および選定された要素の評価値から文書データの各文書のスコアを算出するスコア算出部１１３と、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する再現率算出部１１４とを備える。

また、本実施形態におけるフォレンジックシステムは、更に、スコアが所定の閾値を超過した文書に対して前記訴訟との関連性に関する判断を行う自動判断部１１８を備えてもよい。

図５は、その他の実施形態におけるフォレンジックシステムのブロック図を示している。本実施形態において、フォレンジックシステムは、サーバ装置１００と、クライアント端末２００とを備えている。

クライアント端末２００は、図２に示すレビュー画面Ｉ１を表示する画面表示部２１１を有している。レビュワーは、クライアント端末２００を介して、サーバ装置１００と接続し、レビュー画面Ｉ１上でレビューを行う。

サーバ装置１００は、結果情報受付部１１１と、要素選定部１１２と、スコア算出部１１３と、再現率算出部１１４と、要素再選定部１１５と、表示部１１６と、抽出部１１７と、自動判断部１１８とを備えている。

本実施形態において、各構成はサーバ装置１００上に搭載されているが、それぞれ別筐体に搭載されるものであってもよい。

自動判断部１１８は、文書に対して訴訟との関連性の判断を自動で行う。例えば、自動判断部１１８は、スコア算出部１１３が文書に付与したスコアが所定の閾値を超過した場合に、関連性ありと判断するものとしてもよい。

図６は自動判断部１１８の処理フローを示すチャートである。自動判別部の処理は、第１の実施形態において図４で示したＳＴＥＰ１５０の処理が完了後、開始される。

システム管理者が、各分別符号について、閾値を入力する（ＳＴＥＰ２０１）。スコア算出部１１３が算出したスコアがこの閾値を超過した文書は、超過したスコアに関する分別符号が付与されるものと自動判別部が判断することになる。

例えば、ある文書Ａについて、スコア算出部１１３が算出したスコアが、閾値を超過していた場合（ＳＴＥＰ２０２：ＹＥＳ）、ある文書Ａに対して、分別符号を自動判断部１１８が付与する（ＳＴＥＰ２０３）。一方、閾値を超過していなかった場合（ＳＴＥＰ２０２０：ＮＯ）、文書Ａには分別符号は付与されない。文書データの中に、スコアが超過したか否かの判定がまだされていない文書が残っている場合（ＳＴＥＰ２０４：ＹＥＳ）、自動判断部１１８は、再度ＳＴＥＰ２０２の処理を実行する。文書データの中に、スコアが超過したか否かの判定がまだされていない文書が残っていなかった場合（ＳＴＥＰ２０４：ＮＯ）、自動判断部１１８は、処理を終了する。

その他の構成、機能については第１の実施形態と同様である。

フォレンジックシステムは、デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、訴訟との関連性について判断した結果である結果情報を受け付ける結果情報受付部１１１と、結果情報ごとに文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、要素を選定する要素選定部１１２と、文書データの各文書に含まれる選定された要素および選定された要素の評価値から前記文書データの各文書のスコアを算出するスコア算出部１１３と、スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する再現率算出部１１４とを実行することによって、利用者が行う訴訟に利用する文書データの関連性判断作業の負担軽減とし、また、システムが自動で行った判断が人間の判断にどの程度合致するかを検証することで判断精度を向上させることが可能となる。

また、要素選定部１１２が、評価値の和に基づいて要素を選定するものである際においては、システムが利用する要素の数を抑えることができ、これによってノイズを低減することが可能となる。

また、要素選定部１１２が、要素を評価値の降順に並び替え、要素の評価値の和が固有の目標値に到達するまで要素を抽出し、該抽出した要素を選定するものである際においては、システムが利用する要素の数を抑えることができ、これによってノイズを低減することが可能となる。

また、再現率算出部１１４が、スコアを算出された文書のうち、所定のスコア以上を有する文書に、文書群の文書が含まれる割合から再現率を算出するものである際においては、文書のスコアからシステムの関連性判断の傾向を評価し、利用者の関連性判断の傾向との一致具合を判定することが可能となる。

また、再現率算出部１１４が、スコアを算出された文書データの各文書を、前記スコアの降順に並び替え、スコアの上位から所定の割合の文書を抽出し、前記抽出された文書に前記文書群が含まれる割合を再現率として計算するものである際には、文書のスコアからシステムの関連性判断の傾向を評価し、利用者の関連性判断の傾向との一致具合を判定することが可能となる。

また、フォレンジックシステムは、更に、スコアが所定の閾値を超過した文書に対して訴訟との関連性に関する判断を行う自動判断部１１８を備える際においては、利用者の関連性判断の傾向を踏まえて、自動で文書と訴訟との関連性の判断をすることが可能となる。

また、フォレンジックシステムは、更に、デジタル情報に含まれる文書データから所定数の文書を含む文書群を抽出する抽出部１１７と、抽出された文書群を画面上に表示する表示部１１６とを備える際においては、利用者が関連性の判断を行う文書を抽出し、利用者の端末上に表示することが可能となる。

また、フォレンジックシステムは、更に、再現率が固有の目標値を下回っていた際に、要素の評価値の和と固有の目標値と再現率との差を用いて要素を再選定する要素再選定部１１５を備える際においては、再現率が目標値に達しなかった場合、スコアの算出に用いる要素を再度選び直すことが可能となり、関連性の判断精度を向上させることが可能となる。

また、要素再選定部１１５が、再現率が固有の目標値を下回っていた際に、再現率が固有の目標値を上回るまで、要素の評価値の和が固有の目標値と再現率との差に到達するまで要素から抽出された要素を除いた要素の集合から要素を抽出し、選定するものである際においては、再現率が目標値に達しなかった場合、スコアの算出に用いる要素を、前回用いた要素とは異なる要素から再度選び直すことが可能となり、関連性の判断精度を向上させることが可能となる。

また、スコア算出部１１３が、更に、再現率が固有の目標値を下回っていた際に、要素再選定部１１５が選定した要素と該要素再選定部１１５が再選定した要素の評価値とを用いて文書データの各文書の第２のスコアを算出し、スコアとの合成により、文書データの各文書のスコアを再度算出するものである際においては、前回のスコアと第２のスコアとの合成スコアをスコアとして用いることで、再現率の向上を図ることが可能となる。

１００ サーバ装置
１１１ 結果情報受付部
１１２ 要素選定部
１１３ スコア算出部
１１４ 再現率算出部
１１５ 要素再選定部
１１６ 表示部
１１７ 抽出部
１１８ 自動判断部
２００ クライアント端末
２１１ 画面表示部
Ｉ１ レビュー画面

Claims (14)

1. 複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックシステムにおいて、
   前記デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、前記訴訟との関連性について判断した結果である結果情報を受け付ける結果情報受付部と、
   前記結果情報ごとに前記文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、前記要素を選定する要素選定部と、
   前記文書データの各文書に含まれる前記選定された要素および前記選定された要素の評価値から前記文書データの各文書のスコアを算出するスコア算出部と、
   前記スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する再現率算出部とを備えるフォレンジックシステム。
2. 前記要素選定部は、
   前記評価値の和に基づいて前記要素を選定することを特徴とする請求項１記載のフォレンジックシステム。
3. 前記要素選定部は、
   前記要素を評価値の降順に並び替え、前記要素の評価値の和が固有の目標値に到達するまで要素を抽出し、該抽出した要素を選定することを特徴とする請求項１または２記載のフォレンジックシステム。
4. 前記再現率算出部は、
   前記スコアを算出された文書のうち、所定のスコア以上を有する文書に、前記文書群の文書が含まれる割合から再現率を算出することを特徴とする請求項１から３いずれか１項記載のフォレンジックシステム。
5. 前記再現率算出部は、
   前記スコアを算出された文書データの各文書を、前記スコアの降順に並び替え、スコアの上位から所定の割合の文書を抽出し、前記抽出された文書に前記文書群が含まれる割合を再現率として計算することを特徴とする請求項１から４いずれか１項記載のフォレンジックシステム。
6. 前記要素選定部は、
   前記要素が持つ、伝達情報量をもとに前記評価値を算出することを特徴とする請求項１から５いずれか１項記載のフォレンジックシステム。
7. 前記フォレンジックシステムは、更に、
   前記スコアが所定の閾値を超過した文書に対して前記訴訟との関連性に関する判断を行う自動判断部を備えることを特徴とする請求項１から６いずれか１項記載のフォレンジックシステム。
8. 前記フォレンジックシステムは、更に、
   前記デジタル情報に含まれる文書データから所定数の文書を含む文書群を抽出する抽出部と、
   前記抽出された文書群を画面上に表示する表示部とを備えることを特徴とする請求項１から７いずれか１項記載のフォレンジックシステム。
9. 前記フォレンジックシステムは、更に、
   前記再現率が前記固有の目標値を下回っていた際に、前記要素の評価値の和と前記固有の目標値と前記再現率との差を用いて前記要素を再選定する要素再選定部を備えることを特徴とする請求項３から８いずれか１項記載のフォレンジックシステム。
10. 前記要素再選定部は、
    前記再現率が前記固有の目標値を下回っていた際に、前記再現率が前記固有の目標値を上回るまで、前記要素の評価値の和が前記固有の目標値と前記再現率との差に到達するまで前記要素から前記抽出された要素を除いた要素の集合から要素を抽出し、選定することを特徴とする請求項９記載のフォレンジックシステム。
11. 前記スコア算出部は、更に、
    前記再現率が前記固有の目標値を下回っていた際に、前記要素再選定部が選定した要素と該要素再選定部が再選定した要素の評価値とを用いて前記文書データの各文書の第２のスコアを算出し、前記スコアと前記第２のスコアとの合成により、前記文書データの各文書のスコアを再度算出することを特徴とする請求項９または１０記載のフォレンジックシステム。
12. 前記抽出部は、前記文書データから文書群をランダムにサンプリングし、抽出する機能を備えることを特徴とする請求項８記載のフォレンジックシステム。
13. 複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジック方法において、
    コンピュータが、
    前記デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、前記訴訟との関連性について判断した結果である結果情報を受け付けるステップと、
    前記結果情報ごとに前記文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、前記要素を選定するステップと、
    前記文書データの各文書に含まれる前記選定された要素および前記選定された要素の評価値から前記文書データの各文書のスコアを算出するステップと、
    前記スコアに基づいて、訴訟との関連性の判断に関する再現率を算出するステップとを実行するフォレンジック方法。
14. 複数のコンピュータまたはサーバに記録されたデジタル情報を取得し、該取得されたデジタル情報を訴訟との関連性について分析するフォレンジックプログラムにおいて、
    コンピュータに、
    前記デジタル情報に含まれる文書データから抽出された、所定数の文書を含む文書群に対して利用者が、前記訴訟との関連性について判断した結果である結果情報を受け付ける機能と、
    前記結果情報ごとに前記文書群に共通して出現する要素の特徴から該要素の評価値を算出し、該評価値に基づいて、前記要素を選定する機能と、
    前記文書データの各文書に含まれる前記選定された要素および前記選定された要素の評価値から前記文書データの各文書のスコアを算出する機能と、
    前記スコアに基づいて、訴訟との関連性の判断に関する再現率を算出する機能とを実現させるフォレンジックプログラム。

Images