JP2000148762A - 動詞クラスタリング装置および方法と動詞クラスタリングプログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 統計的に精度が良く、意味的に近い動詞を同
じクラスタに分類する動詞クラスタリング装置および方
法と動詞クラスタリングプログラムを記録した記録媒体
を提供する。 【解決手段】 動詞集合が共起頻度算出部１００に入力
されると、共起頻度算出部は動詞集合内の各動詞と人手
によって意味的に名詞が木構造に分類された名詞シソー
ラスの各ノードとの共起頻度を算出し、ベイズ推定量算
出部２００は共起頻度情報を用いて有限のサンプルに対
して真の分布との２乗誤差がベイズ基準のもとで最小と
なることが保証されたベイズ推定量を算出し、クラスタ
マージ部３００は動詞集合とベイズ推定量を入力され、
ＫＬ情報量を評価尺度にして動詞集合のクラスタリング
を行い、該クラスタリングによって得られた統計的に精
度が良く意味的に近い動詞が同じクラスタに所属するよ
うにクラスタリングされた動詞集合のクラスタリング結
果を出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、意味的に近い動詞
を同じクラスタにクラスタリングする動詞クラスタリン
グ装置および方法に関し、更に詳しくは、動詞と名詞シ
ソーラス中の各ノードとの同一文中における共起に多項
分布を仮定したもとで動詞のクラスタと名詞シソーラス
の各ノードとの共起する多項分布がクラスタ内の各動詞
と名詞シソーラスの各ノードとの共起する多項分布にな
るべく近い近似になるような動詞のクラスタリングを行
う動詞クラスタリング装置および方法と動詞クラスタリ
ングプログラムを記録した記録媒体に関する。

【０００２】

【従来の技術】自然言語処理の分野において、情報検索
や文書クラスタリングなどへの利用を目的として、広く
単語の自動クラスタリングに関する手法が提案されてい
る。単語の自動クラスタリングは、「単語の意味はどの
ような単語と共起するかという観点から特徴付けられ
る」というHarris（Harris,Zelig S. "Mathematical St
ructures of Language" ，New York:Wiley（1968）.)の
分布仮説（distributionalhypothesis ）に基づいてい
る。つまり、単語の共起に多項分布などの分布を仮定
し、似たような分布形を有する単語を意味が近いと判断
して同じクラスタにまとめていく方法である。

【０００３】単語の自動クラスタリングは、確率モデル
を元のモデルよりも少ないパラメータで近似する問題と
して定式化することができる。

【０００４】従来から、分布仮説に基づく単語の自動ク
ラスタリングは多々行われてきた。Hindle（Hindle,Don
ald "Noun Classification from Predicative-Argument
Structures"，ACL90,pp.268-275(1990)）は、（１）式
による事象ｘと事象ｙの相関関係を示す相互情報量を用
いて、（２）式による２つの名詞ｎ_j ，ｎ_k 間の類似度
を定義している。

【０００５】

【数１】 但し、ｐ（ｘ），ｐ（ｙ）はそれぞれ事象ｘと事象ｙの
生起する確率、ｐ（ｘ，ｙ）は事象ｘと事象ｙが同時に
生起する同時確率を示す。

【０００６】

【数２】 但し、

【０００７】

【数３】 Ｃ_obj （ｖ_i ，ｎ_j ）は動詞ｖ_i とその目的語の名詞ｎ
_j との共起スコア、ｆ_{ob j} （ｖ_i ，ｎ_j ）は名詞ｎ_j が
動詞ｖ_i の目的語として出現した回数、ｆ_obj （ｎ_j ）
は名詞ｎ_j が動詞の目的語として出現した回数、ｆ（ｖ
_i ）は動詞ｖ_i の出現回数、Ｎは学習サンプル中の節の
数で、ＳＩＭ_subj（ｖ_i ，ｎ_j ，ｎ_k ）も同様に定義さ
れる。

【０００８】また、 Pereira（Pereira,F.,Tishby,N.an
d Lee,L.: "Distributional Clustering of English Wo
rds", ACL-93,pp.183-190(1193).）は（５）式で示され
る２つの確率分布ｐ（ｘ）とｑ（ｘ）間の擬距離である
カルバック・ライブラー情報量（ＫＬ情報量）を用い
て、動詞の直接目的語としての分布に基づいて、近い名
詞をクラスタにまとめることによって名詞のクラスタリ
ングを行っている。

【０００９】

【数４】 図７にその動作原理を示す。名詞集合と動詞集合が入力
されると、文章のデータベースであるコーパス中の同一
文において各名詞と各動詞が共起した総回数である共起
頻度を算出する（ステップＳ１００）。次に、共起頻度
を基にその相対頻度で計算される最尤推定量を算出する
（ステップＳ１０２）。次に、カルバック・ライブラー
（ＫＬ）情報量を評価尺度に名詞集合のクラスタリング
を行い（ステップＳ１０４）、最後に名詞集合のクラス
タリング結果を出力する。

【００１０】

【発明が解決しようとする課題】上述した従来の技術に
はいくつかの問題点が挙げられる。第１に、いずれの手
法においても、文章のデータベースであるコーパス等を
学習サンプルとして各分布の推定を行うが、その推定量
として最尤推定量（（４）式の分母分子に現れているよ
うな相対頻度による推定量）を用いている。しかし、最
尤推定量はサンプル数が無限の場合に真の分布への収束
が保証されているだけで、有限のサンプル数のもとでは
何も保証されていない。実際に得られるサンプルは有限
であるため、最尤推定量を用いたのでは、統計的には精
度の良いクラスタリングは行われない。更に、頻度がゼ
ロの分布の推定量が求められないというゼロ頻度問題が
生じる。

【００１１】第２に、従来手法では、例えば名詞と動詞
の共起情報を用いて名詞のクラスタリングを行う際に、
動詞そのものとの共起を考慮しているので動詞の数の増
加に伴って、その計算量は膨大になってしまう。

【００１２】第３に、従来手法では、例えば名詞と動詞
の共起情報を用いて名詞のクラスタリングを行う際に、
名詞と各動詞との共起情報をそのまま用いていたので
は、共起する動詞をそれぞれ独立に扱っているため、
「似た意味の動詞との共起」というような特徴を無視し
ている。

【００１３】以上の問題点により、従来手法によってク
ラスタリングされた結果は、統計的に精度が悪く、意味
の似た単語が同じクラスタに存在しないことが多いとい
う問題がある。

【００１４】本発明は、上記に鑑みてなされたもので、
その目的とするところは、有限のサンプルのもとで保証
のあるベイズ推定量と名詞を人手で意味的に木構造に分
類した既存の名詞シソーラスの各ノードとの共起頻度を
用いて、統計的に精度が良く、更に意味的に近い動詞を
同じクラスタに分類する動詞クラスタリング装置および
方法と動詞クラスタリングプログラムを記録した記録媒
体を提供することにある。

【００１５】

【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の本発明は、動詞集合を入力され、コ
ーパス中の文書データにおける名詞シソーラスの各ノー
ドと動詞集合の各動詞との共起頻度を算出する共起頻度
算出手段と、この算出された共起頻度情報を入力され、
各動詞または動詞クラスタが名詞シソーラスの各ノード
と共起する多項分布のベイズ推定量を算出するベイズ推
定量算出手段と、前記動詞集合と前記ベイズ推定量を入
力され、カルバック・ライブラー情報量を評価尺度とし
て動詞のクラスタと名詞シソーラスの各ノードとの共起
する多項分布がクラスタ内の各動詞と名詞シソーラスの
各ノードとの共起する多項分布に近い近似となるような
動詞集合のクラスタリング結果を出力するクラスタマー
ジ手段とを有し、前記動詞集合からカルバック・ライブ
ラー情報量を評価尺度にして動詞のクラスタと名詞シソ
ーラスの各ノードとの共起する多項分布が前記クラスタ
内の各動詞と名詞シソーラスの各ノードとの共起する多
項分布に近い近似となる動詞集合のクラスタリング結果
を出力することを要旨とする。

【００１６】請求項１記載の本発明にあっては、動詞集
合を入力され、コーパス中の文書データにおける名詞シ
ソーラスの各ノードと動詞集合の各動詞との共起頻度を
共起頻度算出手段で算出し、この共起頻度情報を用い
て、各動詞または動詞クラスタが名詞シソーラスの各ノ
ードと共起する多項分布のベイズ推定量をベイズ推定量
算出手段で算出し、動詞集合とベイズ推定量を入力さ
れ、カルバック・ライブラー情報量を評価尺度として動
詞のクラスタと名詞シソーラスの各ノードとの共起する
多項分布がクラスタ内の各動詞と名詞シソーラスの各ノ
ードとの共起する多項分布に近い近似となるような動詞
集合のクラスタリング結果をクラスタマージ手段で出力
し、動詞集合からカルバック・ライブラー情報量を評価
尺度にして動詞のクラスタと名詞シソーラスの各ノード
との共起する多項分布がクラスタ内の各動詞と名詞シソ
ーラスの各ノードとの共起する多項分布に近い近似とな
る動詞集合のクラスタリング結果を出力するため、入力
された動詞集合に対して統計的に精度が良く、意味的に
近い動詞が同じクラスタに分類されたクラスタリング結
果を共起する名詞の意味による特徴も考慮して、少ない
計算量で提示することができる。

【００１７】また、請求項２記載の本発明は、動詞集合
を入力され、コーパス中の文書データにおける名詞シソ
ーラスの各ノードと動詞集合の各動詞との共起頻度を算
出し、この算出された共起頻度情報を入力され、各動詞
または動詞クラスタが名詞シソーラスの各ノードと共起
する多項分布のベイズ推定量を算出し、前記動詞集合と
前記ベイズ推定量を入力され、カルバック・ライブラー
情報量を評価尺度として動詞のクラスタと名詞シソーラ
スの各ノードとの共起する多項分布がクラスタ内の各動
詞と名詞シソーラスの各ノードとの共起する多項分布に
近い近似となるような動詞集合のクラスタリング結果を
出力し、前記動詞集合からカルバック・ライブラー情報
量を評価尺度にして動詞のクラスタと名詞シソーラスの
各ノードとの共起する多項分布が前記クラスタ内の各動
詞と名詞シソーラスの各ノードとの共起する多項分布に
近い近似となる動詞集合のクラスタリング結果を出力す
ることを要旨とする。

【００１８】請求項２記載の本発明にあっては、入力さ
れた動詞集合の各動詞と人手によって意味的に名詞が木
構造に分類されている名詞シソーラスの各ノードとのコ
ーパス中における共起頻度を算出し、この共起頻度情報
を基にベイズ推定量を算出して、カルバック・ライブラ
ー情報量を評価尺度にして動詞集合のクラスタリングを
行うため、入力された動詞集合に対して統計的に精度が
良く、意味的に近い動詞が同じクラスタに分類されたク
ラスタリング結果を共起する名詞の意味による特徴も考
慮して、少ない計算量で提示することができる。

【００１９】更に、請求項３記載の本発明は、動詞集合
を入力され、コーパス中の文書データにおける名詞シソ
ーラスの各ノードと動詞集合の各動詞との共起頻度を算
出し、この算出された共起頻度情報を入力され、各動詞
または動詞クラスタが名詞シソーラスの各ノードと共起
する多項分布のベイズ推定量を算出し、前記動詞集合と
前記ベイズ推定量を入力され、カルバック・ライブラー
情報量を評価尺度として動詞のクラスタと名詞シソーラ
スの各ノードとの共起する多項分布がクラスタ内の各動
詞と名詞シソーラスの各ノードとの共起する多項分布に
近い近似となるような動詞集合のクラスタリング結果を
入力し、前記動詞集合からカルバック・ライブラー情報
量を評価尺度にして動詞のクラスタと名詞シソーラスの
各ノードとの共起する多項分布が前記クラスタ内の各動
詞と名詞シソーラスの各ノードとの共起する多項分布に
近い近似となる動詞集合のクラスタリング結果を出力す
る動詞クラスタリングプログラムを記録媒体に記録する
ことを要旨とする。

【００２０】請求項３記載の本発明にあっては、動詞集
合を入力され、コーパス中の文書データにおける名詞シ
ソーラスの各ノードと動詞集合の各動詞との共起頻度を
算出し、この共起頻度情報を用いて、各動詞または動詞
クラスタが名詞シソーラスの各ノードと共起する多項分
布のベイズ推定量を算出し、動詞集合とベイズ推定量を
入力され、カルバック・ライブラー情報量を評価尺度と
して動詞のクラスタと名詞シソーラスの各ノードとの共
起する多項分布がクラスタ内の各動詞と名詞シソーラス
の各ノードとの共起する多項分布に近い近似となるよう
な動詞集合のクラスタリング結果を出力し、動詞集合か
らカルバック・ライブラー情報量を評価尺度にして動詞
のクラスタと名詞シソーラスの各ノードとの共起する多
項分布がクラスタ内の各動詞と名詞シソーラスの各ノー
ドとの共起する多項分布に近い近似となる動詞集合のク
ラスタリング結果を出力する動詞クラスタリングプログ
ラムを記録媒体に記録するため、該記録媒体を用いて、
その流通性を高めることができる。

【００２１】

【発明の実施の形態】以下、図面を用いて本発明の実施
の形態について説明する。図１は、一実施形態に係る動
詞クラスタリング装置の構成を示すブロック図である。
同図に示す動詞クラスタリング装置は、動詞集合を入力
データとして与えられると、各動詞の名詞シソーラスの
各ノードとの共起の仕方を表す多項分布間のカルバック
・ライブラー情報量を評価尺度にしてクラスタリングし
た動詞集合クラスタリング結果、すなわち、動詞集合が
統計的に精度良くかつ意味的に近い動詞が同じクラスタ
に分類されたクラスタリング結果を出力する装置であっ
て、動詞集合が与えられると、共起頻度情報と動詞集合
を出力する共起頻度算出部１００と、共起頻度情報が与
えられると、ベイズ推定量を出力するベイズ推定量算出
部２００と、動詞集合とベイズ推定量が与えられると、
動詞集合クラスタリング結果を出力するクラスタマージ
部３００とを有する。

【００２２】次に、図２に示すフローチャートを参照し
て、図１に示す動詞クラスタリング装置の作用を説明す
る。まず、動詞集合が共起頻度算出部１００に入力され
ると（ステップＳ１０）、共起頻度算出部１００は動詞
集合内の各動詞と人手によって意味的に名詞が木構造に
分類された名詞シソーラスの各ノードとの共起頻度を算
出し、該共起頻度情報をベイズ推定量算出部２００に供
給する（ステップＳ２０）。ベイズ推定量算出部２００
は、この共起頻度情報を用いて、有限のサンプルに対し
て真の分布との２乗誤差がベイズ基準のもとで最小とな
ることが保証されたベイズ推定量を算出し、クラスタマ
ージ部３００に供給する（ステップＳ３０）。

【００２３】クラスタマージ部３００は、動詞集合とベ
イズ推定量を入力されると、カルバック・ライブラー
（ＫＬ）情報量を評価尺度にして動詞集合のクラスタリ
ングを行う（ステップＳ４０）。このクラスタリングに
よって得られた統計的に精度が良く、意味的に近い動詞
が同じクラスタに所属するようにクラスタリングされた
動詞集合のクラスタリング結果を出力する（ステップＳ
５０）。

【００２４】従って、本実施形態の動詞クラスタリング
装置は第１に、有限のサンプルに対して真の分布との２
乗誤差がベイズ基準のもとで最小となることが保証され
たベイズ推定量を用いているので、統計的にも精度の良
いクラスタリング結果が得られる。２乗誤差に関するベ
イズ推定量は（６）式で示される。

【００２５】

【数５】 但し、

【００２６】

【数６】 θは分布を支配する連続パラメータを示す。更に、パラ
メータθに対する事前分布ｐ（θ）の設定により、ゼロ
頻度問題にも対処できる。第２に、動詞と各名詞との共
起頻度ではなく、人手によって名詞を意味的に木構造に
分類した名詞シソーラスの各ノードとの共起頻度を用い
るので膨大な名詞を考慮しながらも計算量はノード数分
に抑えることができる。第３に、動詞と各名詞との共起
頻度ではなく、名詞シソーラスの各ノードとの共起頻度
を用いるので、意味的に近い名詞との共起情報をまとめ
て特徴として利用できる。

【００２７】図３は、図１に示した動詞クラスタリング
装置の詳細な内部構成を示すブロック図である。図３に
示す動詞クラスタリング装置は、図１と同様に、共起頻
度算出部１００、ベイズ推定量算出部２００、クラスタ
マージ部３００で構成されている。そして、共起頻度算
出部１００は、共起頻度算出器１１０と、コーパス１２
０と、名詞シソーラス１３０とからなる。ベイズ推定量
算出部２００は、ベイズ推定量算出器２１０と、共起頻
度テーブル２２０と、ベータ分布パラメータテーブル２
３０とからなる。クラスタマージ部３００は、クラスタ
マージ対決定器３１０と、クラスタ記憶テーブル３２０
と、ＫＬ情報量算出器３３０とからなる。

【００２８】最初に、図４に示された共起情報算出部１
００の動作フローチャートを参照して、共起情報算出部
１００の動作を説明する。まず、動詞集合が与えられる
と（ステップＳ６０）、共起頻度算出器１１０は、動詞
ｖ_i （ｖ_i ∈Ｖ，Ｖ：動詞集合、 Ｖ＝｛ｖ₁ ，ｖ₂ ，…，ｖ_{｜V ｜}｝ ）と名詞シソーラス１３０のノードｎ₋ｎｏｄｅ_j （ｎ
₋ｎｏｄｅ_j ∈Ｎ₋ｎｏｄｅ，Ｎ₋ｎｏｄｅ：名詞シソ
ーラスのノード集合、

【００２９】

【数７】 Ｎ₋ｎｏｄｅ＝｛ｎ₋ｎｏｄｅ₁ ，ｎ₋ｎｏｄｅ₂ ，
…，ｎ₋ｎｏｄｅ_｜N-node｜｝ ）の共起頻度ｃｏ（ｖ_i ，ｎ₋ｎｏｄｅ_j ）、すなわ
ち、文書データベースであるコーパス１２０中の同一文
において共起した総回数を算出する（ステップＳ６
２）。但し、

【００３０】

【数８】 ｃｏ（ｖ_i ，ｎ_k ）は動詞ｖ_i と名詞ｎ_k （ｎ_k ∈Ｎ，
Ｎ：名詞集合、 Ｎ＝｛ｎ₁ ，ｎ₂ ，…，ｎ_{｜N ｜}｝ ）のコーパス１２０中における共起頻度を示す。共起頻
度の算出後、共起頻度算出器１１０は、動詞集合と共起
頻度情報を出力する（ステップＳ６４）。

【００３１】図５に示されたベイズ推定量算出部２００
の動作フローチャートを参照して、ベイズ推定量算出部
２００の動作を説明する。まず、共起頻度情報が共起頻
度テーブル２２０に与えられる（ステップＳ７０）。ベ
イズ推定量算出器２１０は共起頻度テーブル２２０の共
起頻度情報とベータ分布パラメータテーブル２３０のベ
ータ分布のパラメータβ（ｖ_i ，ｎ₋ｎｏｄｅ_j ）（真
の分布を支配するパラメータの事前分布を示す）を用い
て、（８）式で示されるある一文の中で動詞ｖ_i が観測
された条件の下で、名詞シソーラスのノードｎ₋ｎｏｄ
ｅ_j 中の任意の名詞が観測される条件付き確率分布の２
乗誤差に関するベイズ推定量

【００３２】

【数９】 または、（９）式で示されるある一文の中で動詞クラス
タｃ_i 中の任意の動詞が観測された条件の下で、名詞シ
ソーラスのノードｎ₋ｎｏｄｅ_j 中の任意の名詞が観測
される条件付き確率分布の２乗誤差に関するベイズ推定
量

【００３３】

【数１０】 を算出する（ステップＳ７２）。

【００３４】

【数１１】 但し、β（ｖ_i ，ｎ−ｎｏｄｅ_j ）はベータ分布のパラ
メータで、真の ｐ（ｎ−ｎｏｄｅ_j ｜ｖ_i ，θ^* （ｖ_i )) を支配するパラメータθ^* （ｖ_i ）の事前分布を示す。

【００３５】

【数１２】 図６に示されたクラスタマージ部３００の動作フローチ
ャートを参照して、クラスタマージ部３００の動作を説
明する。まず、動詞集合を与えられる（ステップＳ８
０）。クラスタマージ対決定器３１０は各動詞ｖ_i に１
つのクラスタｃ_i（ｃ_i ∈Ｃ，Ｃ：動詞クラスタ集合、 Ｃ＝｛ｃ₁ ，ｃ₂ ，…，ｃ｜_C ｜｝、 ＣはＶの分割で、

【００３６】

【数１３】 ）を割り当てる（ステップＳ８２）。なお、初期のクラ
スタ集合Ｃは動詞集合Ｖそのもので｜Ｖ｜個の要素を持
つ、

【００３７】

【数１４】Ｃ＝｛ｃ₁ ，ｃ₂ ，…，ｃ｜_C ｜｝＝
｛ｖ₁ ，ｖ₂ ，…，ｖ｜_V ｜｝＝Ｖ クラスタの情報はクラスタ記憶テーブル３２０に記憶さ
れる。次に、クラスタマージ対決定器３１０は動詞クラ
スタのマージ回数を示すカウンタｔを０に設定する（ス
テップＳ８４）。

【００３８】次に、クラスタマージ対決定器３１０は、
ＫＬ情報量算出器３３０が算出するクラスタ集合 Ｃ＝｛ｃ₁ ，ｃ₂ ，…，ｃ｜_C ｜｝ の内の異なる２つのクラスタｃ_i とｃ_j をマージして、
新たなクラスタ集合 Ｃ′＝｛ｃ₁ ，ｃ₂ ，…，ｃ_{｜C ｜-1}｝ を作成し、クラスタ集合 Ｃ＝｛ｃ₁ ，ｃ₂ ，…，ｃ_{｜C ｜}｝ による分布

【００３９】

【数１５】 を新たなクラスタ集合 Ｃ′＝｛ｃ₁ ，ｃ₂ ，…，ｃ_{｜C ｜-1}｝ による分布

【００４０】

【数１６】 で近似するときの損失であるカルバック・ライブラー情
報量（ＫＬ情報量）Ｄ（Ｃ‖Ｃ′）が最小になるような
クラスタ対をマージし、クラスタ記憶テーブル３２０を
更新する（ステップＳ８６）。なお、カルバック・ライ
ブラー情報量Ｄ（Ｃ‖Ｃ′）は（１０）式で示される。

【００４１】

【数１７】 但し、

【００４２】

【数１８】 また、新しいクラスタ集合による近似の損失が最小にな
るようにマージするクラスタ対（ｃ_i ，ｃ_j ）は次式で
決定される。

【００４３】

【数１９】 このマージ操作により、新たなクラスタ集合Ｃ′、｜
Ｃ′｜＝｜Ｃ｜−１が作成される。次に、クラスタマー
ジ対決定器３１０は、動詞クラスタのマージ回数を示す
カウンタｔを１増加させる（ステップＳ８８）。次にク
ラスタマージ対決定器３１０は、動詞クラスタのマージ
回数を示すカウンタｔがＭと等しいか確認し、等しくな
ければステップＳ８６に戻り、等しければクラスタリン
グを終了する（ステップＳ９０）。このように、逐次的
にマージ操作をＭ回繰り返すことにより、最終的には要
素数｜Ｖ｜−Ｍの動詞クラスタ集合が作成され、分布の
パラメータの次元数は｜Ｖ｜（｜Ｎ₋ｎｏｄｅ｜−１）
から（｜Ｖ｜−Ｍ）（｜Ｎ₋ｎｏｄｅ｜−１）に削減さ
れる。

【００４４】

【発明の効果】以上説明したように、本発明によれば、
入力される動詞集合の各動詞と人手によって意味的に名
詞が木構造に分類されている名詞シソーラスの各ノード
とのコーパス中における共起頻度を算出し、この共起頻
度情報を基にベイズ推定量を算出し、カルバック・ライ
ブラー情報量を評価尺度にして動詞集合のクラスタリン
グを行うので、入力された動詞集合に対して統計的に精
度が良く、意味的に近い動詞が同じクラスタに分類され
たクラスタリング結果を共起する名詞の意味による特徴
も考慮して、少ない計算量で提示することができる。

【図面の簡単な説明】

【図１】一実施形態に係る動詞クラスタリング装置の構
成を示すブロック図である。

【図２】図１に示す動詞クラスタリング装置の作用を示
すフローチャートである。

【図３】図１に示した動詞クラスタリング装置の詳細な
内部構成を示すブロック図である。

【図４】図３に示した動詞クラスタリング装置に使用さ
れている共起頻度算出部の作用を示すフローチャートで
ある。

【図５】図３に示した動詞クラスタリング装置に使用さ
れているベイズ推定量算出部の作用を示すフローチャー
トである。

【図６】図３に示した動詞クラスタリング装置に使用さ
れているクラスタマージ部の作用を示すフローチャート
である。

【図７】従来技術による名詞クラスタリング手法の動作
原理を示すフローチャートである。

【符号の説明】

１００ 共起頻度算出部 １１０ 共起頻度算出器 １２０ コーパス １３０ 名詞シソーラス ２００ ベイズ推定量算出部 ２１０ ベイズ推定量算出器 ２２０ 共起頻度テーブル ２３０ ベータ分布パラメータテーブル ３００ クラスタマージ部 ３１０ クラスタマージ対決定器 ３２０ クラスタ記憶テーブル ３３０ カルバック・ライブラー情報量算出器

Claims (3)

【特許請求の範囲】
1. 【請求項１】 動詞集合を入力され、コーパス中の文書
   データにおける名詞シソーラスの各ノードと動詞集合の
   各動詞との共起頻度を算出する共起頻度算出手段と、 この算出された共起頻度情報を入力され、各動詞または
   動詞クラスタが名詞シソーラスの各ノードと共起する多
   項分布のベイズ推定量を算出するベイズ推定量算出手段
   と、 前記動詞集合と前記ベイズ推定量を入力され、カルバッ
   ク・ライブラー情報量を評価尺度として動詞のクラスタ
   と名詞シソーラスの各ノードとの共起する多項分布がク
   ラスタ内の各動詞と名詞シソーラスの各ノードとの共起
   する多項分布に近い近似となるような動詞集合のクラス
   タリング結果を出力するクラスタマージ手段とを有し、 前記動詞集合からカルバック・ライブラー情報量を評価
   尺度にして動詞のクラスタと名詞シソーラスの各ノード
   との共起する多項分布が前記クラスタ内の各動詞と名詞
   シソーラスの各ノードとの共起する多項分布に近い近似
   となる動詞集合のクラスタリング結果を出力することを
   特徴とする動詞クラスタリング装置。
2. 【請求項２】 動詞集合を入力され、コーパス中の文書
   データにおける名詞シソーラスの各ノードと動詞集合の
   各動詞との共起頻度を算出し、 この算出された共起頻度情報を入力され、各動詞または
   動詞クラスタが名詞シソーラスの各ノードと共起する多
   項分布のベイズ推定量を算出し、 前記動詞集合と前記ベイズ推定量を入力され、カルバッ
   ク・ライブラー情報量を評価尺度として動詞のクラスタ
   と名詞シソーラスの各ノードとの共起する多項分布がク
   ラスタ内の各動詞と名詞シソーラスの各ノードとの共起
   する多項分布に近い近似となるような動詞集合のクラス
   タリング結果を出力し、 前記動詞集合からカルバック・ライブラー情報量を評価
   尺度にして動詞のクラスタと名詞シソーラスの各ノード
   との共起する多項分布が前記クラスタ内の各動詞と名詞
   シソーラスの各ノードとの共起する多項分布に近い近似
   となる動詞集合のクラスタリング結果を出力することを
   特徴とする動詞クラスタリング方法。
3. 【請求項３】 動詞集合を入力され、コーパス中の文書
   データにおける名詞シソーラスの各ノードと動詞集合の
   各動詞との共起頻度を算出し、 この算出された共起頻度情報を入力され、各動詞または
   動詞クラスタが名詞シソーラスの各ノードと共起する多
   項分布のベイズ推定量を算出し、 前記動詞集合と前記ベイズ推定量を入力され、カルバッ
   ク・ライブラー情報量を評価尺度として動詞のクラスタ
   と名詞シソーラスの各ノードとの共起する多項分布がク
   ラスタ内の各動詞と名詞シソーラスの各ノードとの共起
   する多項分布に近い近似となるような動詞集合のクラス
   タリング結果を入力し、 前記動詞集合からカルバック・ライブラー情報量を評価
   尺度にして動詞のクラスタと名詞シソーラスの各ノード
   との共起する多項分布が前記クラスタ内の各動詞と名詞
   シソーラスの各ノードとの共起する多項分布に近い近似
   となる動詞集合のクラスタリング結果を出力することを
   特徴とする動詞クラスタリングプログラムを記録した記
   録媒体。