JP2002259371A - 文書要約方法および装置と文書要約プログラムおよび該プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 単語の出現密度を考慮した重要性に基づき精
度の高い要約を要約種別に応じて生成し得る文書要約方
法および装置と文書要約プログラムおよび該プログラム
を記録した記録媒体を提供する。 【解決手段】 入力された文書を単語集合抽出装置３で
形態素解析し要約種別に応じて要約の手がかりとして必
要な単語集合を文書から抽出するとともに、文書分割装
置１において文書を複数の意味的なまとまりに分割し、
各意味的なまとまりについて単語集合に含まれる単語の
出現密度の高い重要部分を重要箇所算出装置５で算出
し、この重要部分から要約率に応じて文を要約文抽出装
置７で抽出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書の要約を要約
種別に応じて生成し得る文書要約方法および装置と文書
要約プログラムおよび該プログラムを記録した記録媒体
に関する。

【０００２】

【従来の技術】文書要約方法に使用し得る従来の手法と
して、重要語を多く含む文が重要であると考え、単語の
重要度の和を文の重要度とする手法（自動要約のための
文重要度の比較、自然言語処理、Vol.7, No.4, pp.261-
270, 2000 参照）がある。

【０００３】この従来の手法においては、文書中の一文
ｌの重要度Ｓｃ(ｌ) はキーワードの単語集合をＫＷと
すると以下の式で表される。

【０００４】

【数１】 ここで、ｆｒｅｑ(ｔ，ｌ) は単語ｔの文ｌにおける出
現頻度である。ｗ(ｔ) は単語ｔの重みを表す。重みは
ｔｆ・ｉｄｆ法など既存の単語の重み付けの手法などを
利用して算出することができる。また、ＫＷは文書中の
すべての単語に重み付けを施し、高い重みが付与された
単語の集合やタイトルに含まれる単語集合が用いられ
る。

【０００５】

【発明が解決しようとする課題】従来の手法では、文書
に対して唯一の要約を作成することを前提として、文書
中の一文を独立したものと考え、重要度をその文に出現
する単語の出現頻度に基づき計算している。このため、
一文中に重要語が近接して出現する場合や連続する数文
に重要語が近接して出現する場合を考慮できないこと
で、十分な精度が得られず、読みやすさも損なわれる
し、また文書中の話題構造も考慮していないという問題
がある。

【０００６】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、単語の出現密度を考慮した重
要性に基づき精度の高い要約を要約種別に応じて生成し
得る文書要約方法および装置と文書要約プログラムおよ
び該プログラムを記録した記録媒体を提供することにあ
る。

【０００７】

【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、文書の要約を要約種別に
応じて生成し得る文書要約方法であって、前記文書を形
態素解析し、前記要約種別に応じて要約の手がかりとし
て必要な単語集合を前記文書から抽出し、前記文書を複
数の意味的なまとまりに分割し、各意味的なまとまりに
ついて前記単語集合に含まれる単語の出現密度の高い重
要部分を算出し、この算出した重要部分から所与の要約
率に応じて文を抽出することを要旨とする。

【０００８】請求項１記載の本発明にあっては、文書を
形態素解析し要約種別に応じて要約の手がかりとして必
要な単語集合を文書から抽出するとともに文書を複数の
意味的なまとまりに分割し、各意味的なまとまりについ
て単語集合に含まれる単語の出現密度の高い重要部分を
算出し、この重要部分から要約率に応じて文を抽出する
ため、要約種別に応じて原文の代わりとなる要約、情報
検索システムのための要約、質問応答システムのための
要約などを作成できるとともに、重要語が近接して出現
する場合を考慮して十分な精度の要約を作成することが
できる。

【０００９】請求項２記載の本発明は、請求項１記載の
発明において、前記意味的なまとまりに分割する処理
が、前記文書を段落毎に分割し、前記重要部分を算出す
る処理が、各意味的なまとまりにおける所定の文字数の
連続した文字列のすべての組み合わせについて該文字列
の中心における重要度をハニング窓関数を用いて算出
し、この算出した重要度の高い文字列部分を前記重要部
分として算出することを要旨とする。

【００１０】請求項２記載の本発明にあっては、意味的
なまとまりとして文書を段落毎に分割し、各意味的なま
とまりにおける所定の文字数の連続した文字列のすべて
の組み合わせについて該文字列の中心における重要度を
ハニング窓関数を用いて算出し、この算出した重要度の
高い文字列部分を重要部分として算出する。

【００１１】更に、請求項３記載の本発明は、文書の要
約を要約種別に応じて生成し得る文書要約装置であっ
て、前記文書を形態素解析し、前記要約種別に応じて要
約の手がかりとして必要な単語集合を前記文書から抽出
する単語集合抽出手段と、前記文書を複数の意味的なま
とまりに分割する文書分割手段と、各意味的なまとまり
について前記単語集合に含まれる単語の出現密度の高い
重要部分を算出する重要部分算出手段と、この算出した
重要部分から所与の要約率に応じて文を抽出する要約文
抽出手段とを有することを要旨とする。

【００１２】請求項３記載の本発明にあっては、文書を
形態素解析し要約種別に応じて要約の手がかりとして必
要な単語集合を文書から抽出するとともに文書を複数の
意味的なまとまりに分割し、各意味的なまとまりについ
て単語集合に含まれる単語の出現密度の高い重要部分を
算出し、この重要部分から要約率に応じて文を抽出する
ため、要約種別に応じて原文の代わりとなる要約、情報
検索システムのための要約、質問応答システムのための
要約などを作成できるとともに、重要語が近接して出現
する場合を考慮して十分な精度の要約を作成することが
できる。

【００１３】請求項４記載の本発明は、請求項３記載の
発明において、前記文書分割手段が、前記文書を段落毎
に分割する手段を有し、前記重要部分算出手段が、各意
味的なまとまりにおける所定の文字数の連続した文字列
のすべての組み合わせについて該文字列の中心における
重要度をハニング窓関数を用いて算出し、この算出した
重要度の高い文字列部分を前記重要部分として算出する
手段を有することを要旨とする。

【００１４】請求項４記載の本発明にあっては、意味的
なまとまりとして文書を段落毎に分割し、各意味的なま
とまりにおける所定の文字数の連続した文字列のすべて
の組み合わせについて該文字列の中心における重要度を
ハニング窓関数を用いて算出し、この算出した重要度の
高い文字列部分を重要部分として算出する。

【００１５】また、請求項５記載の本発明は、文書の要
約を要約種別に応じて生成し得る文書要約プログラムで
あって、前記文書を形態素解析し、前記要約種別に応じ
て要約の手がかりとして必要な単語集合を前記文書から
単語集合抽出手段で抽出し、前記文書を複数の意味的な
まとまりに文書分割手段で分割し、各意味的なまとまり
について前記単語集合に含まれる単語の出現密度の高い
重要部分を重要部分算出手段で算出し、この算出した重
要部分から所与の要約率に応じて文を要約文抽出手段で
抽出することを要旨とする。

【００１６】請求項５記載の本発明にあっては、文書を
形態素解析し要約種別に応じて要約の手がかりとして必
要な単語集合を文書から抽出するとともに文書を複数の
意味的なまとまりに分割し、各意味的なまとまりについ
て単語集合に含まれる単語の出現密度の高い重要部分を
算出し、この重要部分から要約率に応じて文を抽出する
ため、要約種別に応じて原文の代わりとなる要約、情報
検索システムのための要約、質問応答システムのための
要約などを作成できるとともに、重要語が近接して出現
する場合を考慮して十分な精度の要約を作成することが
できる。

【００１７】更に、請求項６記載の本発明は、請求項５
記載の発明において、前記意味的なまとまりに分割する
処理が、前記文書を段落毎に分割し、前記重要部分を算
出する処理が、各意味的なまとまりにおける所定の文字
数の連続した文字列のすべての組み合わせについて該文
字列の中心における重要度をハニング窓関数を用いて算
出し、この算出した重要度の高い文字列部分を前記重要
部分として算出することを要旨とする。

【００１８】請求項６記載の本発明にあっては、意味的
なまとまりとして文書を段落毎に分割し、各意味的なま
とまりにおける所定の文字数の連続した文字列のすべて
の組み合わせについて該文字列の中心における重要度を
ハニング窓関数を用いて算出し、この算出した重要度の
高い文字列部分を重要部分として算出する。

【００１９】請求項７記載の本発明は、文書の要約を要
約種別に応じて生成し得る文書要約プログラムを記録し
た記録媒体であって、前記文書を形態素解析し、前記要
約種別に応じて要約の手がかりとして必要な単語集合を
前記文書から抽出し、前記文書を複数の意味的なまとま
りに分割し、各意味的なまとまりについて前記単語集合
に含まれる単語の出現密度の高い重要部分を算出し、こ
の算出した重要部分から所与の要約率に応じて文を抽出
する文書要約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７記載の本発明にあっては、文書を
形態素解析し要約種別に応じて要約の手がかりとして必
要な単語集合を文書から抽出するとともに文書を複数の
意味的なまとまりに分割し、各意味的なまとまりについ
て単語集合に含まれる単語の出現密度の高い重要部分を
算出し、この重要部分から要約率に応じて文を抽出する
文書要約プログラムを記録媒体に記録しているため、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】また、請求項８記載の本発明は、請求項７
記載の発明において、前記意味的なまとまりに分割する
処理が、前記文書を段落毎に分割し、前記重要部分を算
出する処理が、各意味的なまとまりにおける所定の文字
数の連続した文字列のすべての組み合わせについて該文
字列の中心における重要度をハニング窓関数を用いて算
出し、この算出した重要度の高い文字列部分を前記重要
部分として算出する文書要約プログラムを記録媒体に記
録することを要旨とする。

【００２２】請求項８記載の本発明にあっては、意味的
なまとまりとして文書を段落毎に分割し、各意味的なま
とまりにおける所定の文字数の連続した文字列のすべて
の組み合わせについて該文字列の中心における重要度を
ハニング窓関数を用いて算出し、この算出した重要度の
高い文字列部分を重要部分として算出する文書要約プロ
グラムを記録媒体に記録しているため、該記録媒体を用
いて、その流通性を高めることができる。

【００２３】

【発明の実施の形態】まず、本発明の文書要約方法の概
要について図１に示す概念図を参照して説明する。本発
明の文書要約方法は、キーワードである単語の集合ＫＷ
と文書が与えられると、この文書中の文を要約文として
出力するものであり、単語集合ＫＷに従って、すなわち
要約種別に従って例えば原文の代わりとなる要約、情報
検索システムのための要約、質問応答システムのための
要約などを作成し得るものである。

【００２４】このような要約の作成では、図１に示すよ
うに、文書の話題を考慮して、複数の意味的なまとまり
である複数の段落に分割する。この分割された各段落に
は複数の文が含まれることになる。図１の例では、最初
の段落には文ｐ_1-1 ，ｐ_{1- 2} ，ｐ_1-3 があり、次の段落
には文ｐ_2-1 ，ｐ_2-2 ，ｐ_2-3 があり、最後の段落には
文ｐ_n-1 ，ｐ_n-2 ，ｐ_n-3 がある。

【００２５】このように複数の文からなる各段落に対し
て、単語集合ＫＷに含まれる単語が各文中には図１にお
いて太線で示すように複数存在するが、これらの単語が
密集して出現する部分である各パッセージ毎にキーワー
ドである単語の出現密度を考慮した重要度であるスコア
を算出する。図１の文書例では、例えば最初の段落の文
ｐ_1-1 にはＫＷに含まれる４つの単語が近接して出現し
ていて、この文のスコアは０．５となり、また次の段落
の文ｐ_2-3 には３つの単語が近接して出現し、スコアは
０．３となり、また最後の段落では文ｐ_n-2 と文ｐ_n-3
の両方に跨って４つの単語が近接して出現し、そのスコ
アは０．７となる。

【００２６】このように算出したスコアの高いパッセー
ジから指定の要約率に従ってスコアの高いパッセージに
相当する文ｐ_n-2 、文ｐ_n-3 、文ｐ_1-1 、文ｐ_2-3 が要
約文として抽出される。それから、この抽出された各文
を原文における出現位置の順に並び替えて出力するもの
である。

【００２７】また、上述したように、本発明の文書要約
方法では、要約種別に従って例えば原文の代わりとなる
要約、情報検索システムのための要約、質問応答システ
ムのための要約などを作成し得るものであるが、この要
約の種別または種類に対応するキーワードである単語集
合は次の表１のようになる。以下、単語とは自立語を表
すものとする。

【００２８】

【表１】 上記表１からわかるように、原文の代わりとなる要約を
作成する場合には、文書中のすべての単語に重み付けを
施した結果、高い重みをもつ単語と文書にタイトルが付
加されているなら、タイトルに含まれる語の集合をＫＷ
とする。情報検索システムに応じた要約を作成するには
検索要求に含まれる語の集合をＫＷとする。質問応答シ
ステムに応じた要約を作成するには質問文に含まれる語
の集合をＫＷ、質問文を解析して得られる質問種別に合
致する対象文書に含まれる固有表現の集合をＮＥとする
（質問応答システムに関しては特願２０００−３１９９
９８を参照）。

【００２９】また、上述したように、本発明の文書要約
方法では、文書に含まれる話題を考慮するために与えら
れた文書を、該文書に付与されている形式段落、すなわ
ち複数の意味的なまとまりである複数の形式段落に分割
する。そして、前記パッセージのスコアは、ハニング窓
関数を用いて計算する。このハニング窓関数は、パッセ
ージの文字数をＷ、中心位置をｌとすると、次式で表さ
れる。

【００３０】

【数２】 更に、ハニング窓関数を用いてパッセージのスコアＳ
(ｌ) を以下の式で定義する。ａ(ｉ) はパッセージ中の
位置ｉにおいてＫＷに含まれる単語が出現した場合にそ
の重みｗ(ｔ) を考慮する。

【００３１】

【数３】 次に、図２を参照して、本発明の文書要約方法を従来手
法と比較して説明する。

【００３２】図２（ｂ）に示す文の例では、文１と文２
は同じ単語Ａ，Ｂ，Ｃを含んでいるが、この出現密度は
異なっている。このような文１，２に対して従来の手法
で重要度を算出すると、文１の重要度Ｓｃ(１) と文２
の重要度Ｓｃ(２) は等しくなり、各文中の単語の密度
を考慮することができない。

【００３３】これに対して、本発明の文書要約方法で
は、文書を該文書に付与された形式段落により分割し、
各形式段落に対して固定長の文字数Ｗを含むパッセージ
を設定し、その重要度をハニング窓関数を利用して、単
語の出現密度を考慮して計算し、各段落から最も高い重
要度を与える窓に含まれる文を要約文候補とする。

【００３４】図２の例では、文１と文２に跨る窓を想定
した場合、文１の終端付近と文２の開始付近に単語が密
集しており、このパッセージが重要であることがわか
る。従って、文１と文２を要約文候補とすることができ
る。

【００３５】次に、図３を参照して、上述した文書要約
方法を実施する本発明の一実施形態に係る文書要約装置
について説明する。

【００３６】図３に示す本実施形態の文書要約装置は、
入力される文書を複数の意味的なまとまりである複数の
形式段落に分割する文書分割手段である文書分割装置
１、前記文書を形態素解析し、検索要求や質問文および
要約種別に応じて要約の手がかりとして必要な単語集合
を文書から抽出する単語集合抽出手段である単語集合抽
出装置３、各意味的なまとまりである各段落について単
語集合に含まれる単語の出現密度の高い重要部分または
重要箇所を算出する重要部分算出手段である重要箇所算
出装置５、およびこの算出した重要部分から所与の要約
率に応じて要約文を抽出する要約文抽出手段である要約
文抽出装置７から構成されている。

【００３７】また、重要箇所算出装置５は、後述するよ
うに、各意味的なまとまりである段落における所定の文
字数の連続した部分的文字列のすべての組み合わせであ
る各パッセージについて該文字列であるパッセージの中
心における重要度をハニング窓関数を用いて算出し、こ
の算出した重要度の高い文字列部分を重要部分として算
出するようにしている。

【００３８】次に、図４に示すフローチャートを参照し
て、図３に示す実施形態の文書要約装置の作用について
図７に示す文書例、図８に示す文書の分割例、図９に示
す文書のパッセージ例を用いて説明する。

【００３９】図４に示すように、図３の文書要約装置に
図７に示すような文書が入力されると（ステップＳ１
１）、この文書は文書分割装置１と単語集合抽出装置３
に供給される。単語集合抽出装置３は、文書を形態素解
析して、単語に分けるとともに、品詞の情報を取得す
る。ここで、普通名詞、固有名詞などの中で出現頻度の
高い自立語を入力として与える単語集合ＫＷを抽出する
（ステップＳ１３）。なお、文書にタイトルが付与され
ている場合には、タイトルを形態素解析し、自立語を単
語集合ＫＷに追加する。図７に示す文書からは、単語集
合ＫＷ＝｛ワクチン、特効薬、エイズ、ＨＩＶ｝が抽出
される。

【００４０】次に、文書分割装置１は、入力された文書
を形式段落により図８に示すように複数の段落ｐ₁ ，
…，ｐ_n に分割する（ステップＳ１５）。

【００４１】このように複数の段落に分割されると、重
要箇所算出装置５は、各段落について段落の先頭から末
尾に向かって幅Ｗのパッセージ（文字数Ｗの連続した文
字列）を一文字単位で移動させ、その中心１におけるス
コア、すなわち重要度Ｓ(ｌ)を単語の集合に基づき算出
する（ステップＳ１７）。但し、幅Ｗは経験に基づいて
決定され、以下の例ではすべてＷ＝２５として説明す
る。

【００４２】

【数４】 ここで、ａ(ｉ) は以下の値をとる。

【００４３】

【数５】 但し、ｗ(ｔ) は単語ｔの重みを表す。重みは、ｔｆ・
ｉｄｆ法など既存の単語の重み付けの手法などを使用し
て算出することができる。

【００４４】パッセージの例について図９を参照して説
明する。図９では、幅Ｗ＝２５としたパッセージの例を
示している。図９に示すようなＷ＝２５のパッセージを
すべての段落について説明する。但し、段落の先頭と末
尾では文字数Ｗに満たないパッセージとなる。そして、
このように作成された各パッセージのスコアＳ(ｌ)を上
述したように算出する。このような計算方法を用いる
と、単語集合ＫＷに含まれる単語が密集して出現する場
合に高いスコアが付与されることになる。

【００４５】上述したように算出したスコアＳ(ｌ) の
最大値をＳ_pi(ｌ) とし、Ｓ_pi(ｌ)を与える位置ｌを中
心とした幅Ｗの窓に含まれる文を段落ｐ_i における要約
文候補とする。窓が複数の文に跨る場合には複数文を、
単一文の場合にはその一文を要約文候補とする。

【００４６】図８の段落１に対しては図９に示すパッセ
ージ１−２４のスコアが最も高い。同様に段落２−４に
対しても最も高いスコアのパッセージを特定する。特定
したパッセージをスコアの高いものから順に並べる。図
８に示す段落ではパッセージスコアは高いものから順
に、段落１、段落３、段落２、段落４のパッセージであ
る。ここで、各パッセージに含まれる文を要約文候補と
する。段落１から特定したパッセージに含まれる文は文
１−１、段落３から特定したパッセージに含まれる文は
文３−２、文３−３、段落２から特定したパッセージか
らは文２−１、段落４から特定したパッセージからは文
４−１を順に要約文候補とする。

【００４７】次に、指定された要約率に最も近くなるよ
うにＳ_pi(ｌ) の高い順に要約文候補を要約文として採
用する（ステップＳ１９）。要約率を３３％とすると文
は全部で９文あるので３文を要約文とする。よって、文
１−１、文３−２、文３−３を要約文とする。そして、
このように採用した要約文を原文での出現順に並べ替え
て出力する（ステップＳ２１）。

【００４８】上述したように出力された要約文は、「エ
イズ・ウィルス（ＨＩＶ）に速効性のあるエイズワクチ
ンを、ＸＸＸ総合医薬研究所が開発したことを２０ＹＹ
年ＭＭ月ＤＤ日に発表した。多くの感染者は早急にワク
チンを必要としている。今回のＨＩＶのワクチン開発は
時期的にまさにグッドタイミングである。」となる。

【００４９】次に、図５に示すフローチャートを参照し
て、本発明の他の実施形態に係る文書要約装置について
説明する。同図に示す実施形態は、情報検索システムの
ための要約を作成するものである。

【００５０】図５では、まず文書集合を格納し（ステッ
プＳ３１）、情報検索システムのための要約を作成する
ために検索要求を入力する（ステップＳ３３）。そし
て、この入力された検索要求を形態素解析して、単語に
分けるとともに、品詞の情報を取得する。ここで、普通
名詞、固有名詞などの自立語を入力として与える単語集
合ＫＷを抽出する（ステップＳ３５）。検索要求の一例
として「エイズ（ＨＩＶ）ワクチン」が入力されたとす
ると、ＫＷ＝｛エイズ、ＨＩＶ、ワクチン｝となる。

【００５１】次に、検索要求により情報検索システムよ
り検索結果の文書集合Ｄを抽出する（ステップＳ３
７）。これは既存の情報検索システムにより検索結果を
得ればよい。なお、この文書集合Ｄには図７に示す文書
が含まれていたとする。

【００５２】この文書集合Ｄに含まれる関連文書を図８
に示すように形式段落によりｐ₁ ，…，ｐ_n に分割する
（ステップＳ３９）。この分割された各段落の先頭から
末尾に向かって幅Ｗの窓、すなわちパッセージ（文字数
Ｗの連続した文字列）を一文字単位で移動させ、その中
心ｌにおける重要度Ｓ(ｌ) を求める（ステップＳ４
１）。但し、Ｗは経験に基づき決定する。

【００５３】

【数６】 ここで、ａ(ｉ) は以下の値をとる。

【００５４】

【数７】 但し、ｗ(ｔ) は単語ｔの重みを表す。重みは、ｔｆ・
ｉｄｆ法など既存の単語の重み付けの手法などを使用し
て算出することができる。原文の代わりとなる要約と同
様にＳ(ｌ) を計算する。

【００５５】このように求めたＳ(ｌ) の最大値をＳ
_pi(ｌ) とし、Ｓ_pi(ｌ) を与える位置ｌを中心とした幅
Ｗの窓に含まれる文を段落ｐ_i における要約文候補とす
る。窓が複数の文に跨る場合には複数文を、単一文の場
合にはその一文を要約文候補とする。図８に示す例にお
いては、パッセージスコアの順は高いものから段落１、
段落２、段落３、段落４のそれとなる。ここで各パッセ
ージに含まれる文を要約文候補とすると、文１−１、文
２−１、文３−３、文４−１となる。

【００５６】次に、指定された要約率に最も近くなるよ
うにＳ_pi(ｌ) の高い順に要約文候補を要約文として採
用する（ステップＳ４３）。

【００５７】要約率を３３％とすると文１−１、文２−
１、文３−３を要約文とする。このように採用した要約
文を原文での出現順に並び替えて出力する（ステップＳ
４５）。

【００５８】上述したように出力された要約文は、「エ
イズ・ウィルス（ＨＩＶ）に速効性のあるエイズワクチ
ンを、ＸＸＸ総合医薬研究所が開発したことを２０ＹＹ
年ＭＭ月ＤＤ日に発表した。ＸＸＸ総合医薬研の研究グ
ループリーダによるとＨＩＶの「急所」を特定すること
がエイズワクチン開発の成功に繋がったという。今回の
ＨＩＶのワクチン開発は時期的にまさにグッドタイミン
グである。」となる。

【００５９】次に、図６に示すフローチャートを参照し
て、本発明の更に他の実施形態に係る文書要約装置につ
いて説明する。同図に示す実施形態は、質問応答システ
ムのための要約を作成するものである。

【００６０】図６では、まず文書集合を格納し（ステッ
プＳ５１）、質問応答システムのための要約を作成する
ために質問文を入力する（ステップＳ５３）。そして、
この入力された質問文を形態素解析し、単語に分けると
ともに品詞の情報を得る。ここで、普通名詞、固有名詞
などの自立語を入力として与える単語集合ＫＷを抽出す
る（ステップＳ５５）。例えば、質問として、「エイズ
ワクチンを開発したのは何という研究所ですか？」が入
力されたとすると、ＫＷ＝｛エイズ、ワクチン、開発、
研究所｝となる。

【００６１】また、質問文を解析して質問種別を得る
（ステップＳ５５）。パターンマッチングにより「〜は
誰？」という表現なら質問種別「who」など（特願２０
００−３１９９９８を参照）となり、「何という研究所
ですか」というパターンより質問種別は「organizatio
n」となる。

【００６２】上述したように抽出した単語集合ＫＷを用
いて情報検索システムより検索結果の文書集合Ｄを抽出
する（ステップＳ５７）。これは、既存の情報検索シス
テムにより検索結果を得ればよい。なお、この文書集合
Ｄに図７に示す文書が含まれていたとする。

【００６３】次に、文書集合Ｄに含まれる文書より質問
種別に合致する固有表現の集合ＮＥを抽出する（ステッ
プＳ６１）。例えば、ＮＥ＝｛ＸＸＸ総合医薬研究所｝
となる。

【００６４】前記文書集合Ｄに含まれる文書を図８に示
すように形式段落によりｐ₁ ，…，ｐ_n に分割する（ス
テップＳ６３）。この分割された各段落の先頭から末尾
に向かって幅Ｗの窓（文字数Ｗの連続した文字列）を一
文字単位で移動させ、その中心ｌにおける重要度Ｓ(ｌ)
を求める（ステップＳ６５）。但し、Ｗは経験に基づ
き決定する。

【００６５】

【数８】 ここで、ａ(ｉ) は以下の値をとる。

【００６６】

【数９】 但し、ｗ(ｔ) は単語ｔの重みを表す。重みは、ｔｆ・
ｉｄｆ法など既存の単語の重み付けの手法などを使用し
て算出することができる。

【００６７】このように求めたＳ(ｌ) の最大値をＳ
_pi(ｌ) とし、Ｓ_pi(ｌ) を与える位置ｌを中心とした幅
Ｗの窓に含まれる文を段落ｐ_i における要約文候補とす
る。窓が複数の文に跨る場合には複数文を、単一文の場
合にはその一文を要約文候補とする。図８に示す例で
は、スコアの高いパッセージから順に、文１−１、文２
−１、文３−３、文４−１が要約文候補として抽出され
る。

【００６８】次に、指定された要約率に最も近くなるよ
うにＳ_pi(ｌ) の高い順に要約文候補を要約文として採
用する（ステップＳ６７）。

【００６９】要約率３３％とすると文１−１、文２−
１、文３−３を要約文とする。このように採用した要約
文を原文での出現順に並び替えて出力する（ステップＳ
６９）。

【００７０】上述したように出力された要約文は、「エ
イズ・ウィルス（ＨＩＶ）に速効性のあるエイズワクチ
ンを、ＸＸＸ総合医薬研究所が開発したことを２０ＹＹ
年ＭＭ月ＤＤ日に発表した。ＸＸＸ総合医薬研の研究グ
ループリーダによるとＨＩＶの「急所」を特定すること
がエイズワクチン開発の成功に繋がったという。今回の
ＨＩＶのワクチン開発は時期的にまさにグッドタイミン
グである。」となる。

【００７１】なお、上記実施形態の文書要約方法の処理
手順をプログラムとして例えばＣＤやＦＤなどの記録媒
体に記録して、この記録媒体に記録されたプログラムを
通信回線を介してコンピュータシステムにダウンロード
したり、または記録媒体からインストールし、該プログ
ラムでコンピュータシステムを作動させることにより、
文書要約方法を実施する文書要約装置として機能させる
ことができることは勿論であり、このような記録媒体を
用いることにより、その流通性を高めることができるも
のである。

【００７２】

【発明の効果】以上説明したように、本発明によれば、
文書を形態素解析し要約種別に応じて要約の手がかりと
して必要な単語集合を文書から抽出するとともに文書を
複数の意味的なまとまりに分割し、各意味的なまとまり
について単語集合に含まれる単語の出現密度の高い重要
部分を算出し、この重要部分から要約率に応じて文を抽
出するので、要約種別に応じて原文の代わりとなる要
約、情報検索システムのための要約、質問応答システム
のための要約などを作成できるとともに、重要語が近接
して出現する場合を考慮して十分な精度の要約を作成す
ることができる。

【図面の簡単な説明】

【図１】本発明の文書要約方法の概要を説明するための
図である。

【図２】本発明の文書要約方法を従来手法と比較して示
す説明図である。

【図３】本発明の一実施形態に係る文書要約装置の構成
を示すブロック図である。

【図４】図３に示す実施形態の文書要約装置の作用を示
すフローチャートである。

【図５】本発明の他の実施形態に係る文書要約装置の作
用を示すフローチャートである。

【図６】本発明の更に他の実施形態に係る文書要約装置
の作用を示すフローチャートである。

【図７】本発明の文書要約装置の作用の説明に使用され
る文書例を示す図である。

【図８】図７に示した文書を分割した例を示す図であ
る。

【図９】図７に示した文書のパッセージの例を示す図で
ある。

【符号の説明】

１ 文書分割装置 ３ 単語集合抽出装置 ５ 重要箇所算出装置 ７ 要約文抽出装置

Claims (8)

【特許請求の範囲】
1. 【請求項１】 文書の要約を要約種別に応じて生成し得
   る文書要約方法であって、 前記文書を形態素解析し、前記要約種別に応じて要約の
   手がかりとして必要な単語集合を前記文書から抽出し、 前記文書を複数の意味的なまとまりに分割し、 各意味的なまとまりについて前記単語集合に含まれる単
   語の出現密度の高い重要部分を算出し、 この算出した重要部分から所与の要約率に応じて文を抽
   出することを特徴とする文書要約方法。
2. 【請求項２】 前記意味的なまとまりに分割する処理
   は、前記文書を段落毎に分割し、 前記重要部分を算出する処理は、各意味的なまとまりに
   おける所定の文字数の連続した文字列のすべての組み合
   わせについて該文字列の中心における重要度をハニング
   窓関数を用いて算出し、この算出した重要度の高い文字
   列部分を前記重要部分として算出することを特徴とする
   請求項１記載の文書要約方法。
3. 【請求項３】 文書の要約を要約種別に応じて生成し得
   る文書要約装置であって、 前記文書を形態素解析し、前記要約種別に応じて要約の
   手がかりとして必要な単語集合を前記文書から抽出する
   単語集合抽出手段と、 前記文書を複数の意味的なまとまりに分割する文書分割
   手段と、 各意味的なまとまりについて前記単語集合に含まれる単
   語の出現密度の高い重要部分を算出する重要部分算出手
   段と、 この算出した重要部分から所与の要約率に応じて文を抽
   出する要約文抽出手段とを有することを特徴とする文書
   要約装置。
4. 【請求項４】 前記文書分割手段は、前記文書を段落毎
   に分割する手段を有し、 前記重要部分算出手段は、各意味的なまとまりにおける
   所定の文字数の連続した文字列のすべての組み合わせに
   ついて該文字列の中心における重要度をハニング窓関数
   を用いて算出し、この算出した重要度の高い文字列部分
   を前記重要部分として算出する手段を有することを特徴
   とする請求項３記載の文書要約装置。
5. 【請求項５】 文書の要約を要約種別に応じて生成し得
   る文書要約プログラムであって、 前記文書を形態素解析し、前記要約種別に応じて要約の
   手がかりとして必要な単語集合を前記文書から単語集合
   抽出手段で抽出し、 前記文書を複数の意味的なまとまりに文書分割手段で分
   割し、 各意味的なまとまりについて前記単語集合に含まれる単
   語の出現密度の高い重要部分を重要部分算出手段で算出
   し、 この算出した重要部分から所与の要約率に応じて文を要
   約文抽出手段で抽出することを特徴とする文書要約プロ
   グラム。
6. 【請求項６】 前記意味的なまとまりに分割する処理
   は、前記文書を段落毎に分割し、 前記重要部分を算出する処理は、各意味的なまとまりに
   おける所定の文字数の連続した文字列のすべての組み合
   わせについて該文字列の中心における重要度をハニング
   窓関数を用いて算出し、この算出した重要度の高い文字
   列部分を前記重要部分として算出することを特徴とする
   請求項５記載の文書要約プログラム。
7. 【請求項７】 文書の要約を要約種別に応じて生成し得
   る文書要約プログラムを記録した記録媒体であって、 前記文書を形態素解析し、前記要約種別に応じて要約の
   手がかりとして必要な単語集合を前記文書から抽出し、 前記文書を複数の意味的なまとまりに分割し、 各意味的なまとまりについて前記単語集合に含まれる単
   語の出現密度の高い重要部分を算出し、 この算出した重要部分から所与の要約率に応じて文を抽
   出することを特徴とする文書要約プログラムを記録した
   記録媒体。
8. 【請求項８】 前記意味的なまとまりに分割する処理
   は、前記文書を段落毎に分割し、 前記重要部分を算出する処理は、各意味的なまとまりに
   おける所定の文字数の連続した文字列のすべての組み合
   わせについて該文字列の中心における重要度をハニング
   窓関数を用いて算出し、この算出した重要度の高い文字
   列部分を前記重要部分として算出することを特徴とする
   請求項７記載の文書要約プログラムを記録した記録媒
   体。