JP2002278949A - 表題生成装置及び方法 - Google Patents

Abstract

(57)【要約】 【課題】 適切な表題を自動的に生成することができる
表題生成装置及び方法を提供する。 【解決手段】 文節ｂｉｇｒａｍテーブル生成部１１は
処理対象文書のテキストデータを形態素解析して文節ｂ
ｉｇｒａｍを抽出し、ｔｆ・ｉｄｆテーブル生成部１２
は複数の文書のテキストデータに基づいて各単語に対し
てｔｆ・ｉｄｆ値を演算する。文節列生成部１３は演算
されたｔｆ・ｉｄｆ値の複数の上位の名詞を選択して起
点語とし文節ｂｉｇｒａｍを探索して複数の表題候補の
文節列を生成する。接続妥当性検証部１４は複数の表題
候補の文節列が検証用テキストデータに基づく文節ｔｒ
ｉｇｒａｍに存在するか否かに基づいて接続の妥当性を
検証し存在する表題候補の文節列を表題候補句として出
力し、最適表題句選択部１５は表題候補句について隣接
する２文節が対象文書に出現する回数と処理対象文節に
含まれる自立語のｔｆ・ｉｄｆ値とに基づいて表題候補
句から表題を選択する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書の表題を自動
的に生成する表題生成装置及び方法に関する。

【０００２】

【従来の技術】文書における表題は本文の内容を簡潔に
表現していることが望ましい。その意味で表題の自動生
成は文書の非常に簡潔な要約の生成と捉えることが出来
る。従来、文書の要約手法としては何らかの選定基準に
従い重要文を抽出する手法が広く用いられている。新聞
記事や放送ニュース記事のようにリード文に文書の主題
が重点的に記述されている特別な分野では、先頭の１文
又はそれに続く数文を抽出し、その情報を元に表題生成
する手法は有効である（例えば、従来技術文献１「畑山
満美子ほか，“日本語記事の重要情報に基づく英文ヘッ
ドライン生成法”，言語処理学会第５回年次大会発表論
文集，ｐｐ．１７‐２０，１９９９年３月」参照。）。

【０００３】

【発明が解決しようとする課題】しかしながら、一般に
文書の主題を表す表現は文書中に散在しており、１文の
みからの表題生成では文書の主題を表現出来ない可能性
がある。要約手法においても、文抽出型の要約に対し
て、要約スコアが最大になるよう単語を接合することで
要約文を生成する手法や文節重要度と係り受け整合度に
基づいて文を要約する手法など非抽出型とも言える要約
手法が提案されている（例えば、従来技術文献２「堀智
織ほか，“話題語と言語モデルを用いた音声自動要約法
の検討”，音声言語情報処理，２９−１８，ｐｐ．１０
３−１０８，１９９９年１２月２０日」、従来技術文献
３「小黒玲ほか，“文節重要度と係り受け整合度に基づ
く文要約アルゴリズム”，言語処理学会第６回年次大会
発表論文集，ｐｐ．１３３‐１３６，２０００年３月」
参照。）。しかし、これらの従来手法では、処理対象文
書の主題を表現できず、適切に表題を生成することがで
きなかった。

【０００４】本発明の目的は以上の問題点を解決し、従
来技術に比較して適切な表題を自動的に生成することが
できる表題生成装置及び方法を提供することにある。

【０００５】

【課題を解決するための手段】第１の発明に係る表題生
成装置は、複数の文書データに基づいて、上記複数の文
書のうちの少なくとも１つの対象文書の表題を自動的に
生成する表題生成装置において、上記複数の文書データ
のうちの処理対象文書データから文節ｂｉｇｒａｍを抽
出する第１の生成手段と、上記文節ｂｉｇｒａｍを文書
毎に格納する第１の記憶手段と、上記複数の文書データ
に基づいて各単語に対して、当該単語が当該文書中に高
い頻度で出現することを表す所定の指標を演算する演算
手段と、上記各単語に対する指標を文書毎に格納する第
２の記憶手段と、上記第２の記憶手段に格納された指標
のうち複数の上位の名詞を選択して起点語とし、上記第
１の記憶手段に格納された文節ｂｉｇｒａｍを検索して
複数の表題候補の文節列を生成する第２の生成手段と、
別の検証用データから文節ｔｒｉｇｒａｍを抽出する第
３の生成手段と、上記文節ｔｒｉｇｒａｍを格納する第
３の記憶手段と、上記生成された複数の表題候補の文節
列が上記第３の記憶手段に格納された文節ｔｒｉｇｒａ
ｍに存在するか否かに基づいて接続の妥当性を検証し、
表題候補句として出力する検証手段と、上記表題候補句
について隣接する２文節が対象文書に出現する回数と、
当該各文節に含まれる自立語の上記指標とに基づいて、
表題候補句から表題を選択する選択手段とを備えたこと
を特徴とする。

【０００６】また、第２の発明にかかる表題生成装置
は、複数の文書のテキストデータに基づいて、上記複数
の文書のうちの少なくとも１つの対象文書の表題を自動
的に生成する表題生成装置において、上記複数の文書の
テキストデータのうちの処理対象文書のテキストデータ
から、抽出する文節ｂｉｇｒａｍが名詞又は形容詞、連
体詞と名詞を接続する形式になるような所定の抽出条件
を用いて文節ｂｉｇｒａｍを抽出する第１の生成手段
と、上記文節ｂｉｇｒａｍを文書毎に格納する第１の記
憶手段と、上記複数の文書のテキストデータに基づいて
各単語に対して、当該単語が複数の文書中で少数の文書
に偏って出現しかつ当該文書中に高い頻度で出現するこ
とを表す所定の指標を演算する演算手段と、各単語に対
する指標を文書毎に格納する第２の記憶手段と、上記第
２の記憶手段に格納された指標のうち複数の上位の名詞
を選択して起点語とし、上記第１の記憶手段に格納され
た文節ｂｉｇｒａｍを探索して複数の表題候補の文節列
を生成する第２の生成手段と、別の検証用テキストデー
タから、抽出する文節ｔｒｉｇｒａｍが名詞又は形容
詞、連体詞と名詞を接続する形式になるような所定の抽
出条件を用いて文節ｔｒｉｇｒａｍを抽出する第３の生
成手段と、上記文節ｔｒｉｇｒａｍを格納する第３の記
憶手段と、上記生成された複数の表題候補の文節列が上
記第３の記憶手段に格納された文節ｔｒｉｇｒａｍに存
在するか否かに基づいて接続の妥当性を検証し、存在す
る表題候補の文節列を表題候補句として出力する検証手
段と、上記表題候補句について隣接する２文節が対象文
書に出現する回数と、当該各文節に含まれる自立語の上
記指標とに基づいて表題候補句から表題を選択する選択
手段とを備えたことを特徴とする。

【０００７】さらに、第３の発明に係る表題生成方法
は、複数の文書データに基づいて、上記複数の文書のう
ちの少なくとも１つの対象文書の表題を自動的に生成す
る表題生成方法において、上記複数の文書データのうち
の処理対象文書データから文節ｂｉｇｒａｍを抽出して
文書毎に第１の記憶手段に格納するステップと、上記複
数の文書データに基づいて各単語に対して、当該単語が
当該文書中に高い頻度で出現することを表す所定の指標
を演算して文書毎に第２の記憶手段に格納するステップ
と、上記第２の記憶手段に格納された指標のうち複数の
上位の名詞を選択して起点語とし、上記第１の記憶手段
に格納された文節ｂｉｇｒａｍを検索して複数の表題候
補の文節列を生成するステップと、別の検証用データか
ら文節ｔｒｉｇｒａｍを抽出して第３の記憶手段に格納
するステップと、上記生成された複数の表題候補の文節
列が上記第３の記憶手段に格納された文節ｔｒｉｇｒａ
ｍに存在するか否かに基づいて接続の妥当性を検証し、
表題候補句として出力するステップと、上記表題候補句
について隣接する２文節が対象文書に出現する回数と、
当該各文節に含まれる自立語の上記指標とに基づいて、
表題候補句から表題を選択するステップとを含むことを
特徴とする。

【０００８】またさらに、第４の発明に係る表題生成方
法は、複数の文書のテキストデータに基づいて、上記複
数の文書のうちの少なくとも１つの対象文書の表題を自
動的に生成する表題生成方法において、上記複数の文書
のテキストデータのうちの処理対象文書のテキストデー
タから、抽出する文節ｂｉｇｒａｍが名詞又は形容詞、
連体詞と名詞を接続する形式になるような所定の抽出条
件を用いて文節ｂｉｇｒａｍを抽出して第１の記憶手段
に格納するステップと、上記複数の文書のテキストデー
タに基づいて各単語に対して、当該単語が複数の文書中
で少数の文書に偏って出現しかつ当該文書中に高い頻度
で出現することを表す所定の指標を演算して各単語に対
する指標を文書毎に第２の記憶手段に格納するステップ
と、上記第２の記憶手段に格納された指標のうち複数の
上位の名詞を選択して起点語とし、上記第１の記憶手段
に格納された文節ｂｉｇｒａｍを探索して複数の表題候
補の文節列を生成するステップと、別の検証用テキスト
データから、抽出する文節ｔｒｉｇｒａｍが名詞又は形
容詞、連体詞と名詞を接続する形式になるような所定の
抽出条件を用いて文節ｔｒｉｇｒａｍを抽出して第３の
記憶手段に格納するステップと、上記生成された複数の
表題候補の文節列が上記第３の記憶手段に格納された文
節ｔｒｉｇｒａｍに存在するか否かに基づいて接続の妥
当性を検証し、存在する表題候補の文節列を表題候補句
として出力するステップと、上記表題候補句について隣
接する２文節が対象文書に出現する回数と、当該各文節
に含まれる自立語の上記指標とに基づいて表題候補句か
ら表題を選択するステップとを含むことを特徴とする。

【０００９】

【発明の実施の形態】講演文など、１人の発声発話文の
書き起こし文であるいわゆる独話文を対象として表題を
自動生成する手法について以下の提案を行う。この提案
では、簡潔な表現からなる表題句を生成するには文より
小さな単位、形態素あるいは文節を単位とした表題句の
生成手法が有効であるという見地に基づいて自動的に表
題を生成する。本実施形態の提案する表題生成手法にお
いて、形態素や文節を生成の単位とし。これらを原文書
中の出現順に拘束されずに接合して簡潔な表題句を生成
する。

【００１０】以下、図面を参照して本発明に係る実施形
態について説明する。

【００１１】図１は、本発明に係る一実施形態である表
題生成装置の構成を示すブロック図である。この実施形
態に係る表題生成装置は、文節ｂｉｇｒａｍテーブル生
成部１１と、ｔｆ・ｉｄｆテーブル生成部１２と、文節
列生成部１３と、接続妥当性検証部１４と、最適表題句
選択部１５とを備え、複数の対象文書に基づいて所定の
１つの対象文書の表題を自動的に生成することを特徴と
している。

【００１２】まず、表題生成装置で用いる各処理におい
て詳細に説明する。本実施形態においては、表題として
名詞句を生成する。名詞句は名詞を含む文節が連続する
単純な形式とし、句の先頭にのみ形容詞、連体詞を認め
る。

【００１３】

【表１】 ――――――――――――――――――――――――――――――――――― 例）ヨーロッパ．の．右翼．勢力．の．台頭 新しい．世紀．に対する．希望．と．不安 ―――――――――――――――――――――――――――――――――――

【００１４】表題の生成は文書中の重要名詞を起点に接
続可能な文節を連続して接続することによって行う。生
成の流れは、図１に示すように、以下のようになる。 （ａ）文節ｂｉｇｒａｍテーブル生成部１１により、複
数の対象文書を文書毎に形態素解析し、文節ｂｉｇｒａ
ｍを抽出する。 （ｂ）ｔｆ・ｉｄｆテーブル生成部１２により、複数の
対象文書に基づいて文書毎に、ｔｆ・ｉｄｆ値を演算し
てｔｆ・ｉｄｆテーブルを生成する。 （ｃ）文節列生成部１３により、対象文書のｔｆ・ｉｄ
ｆ値の上位の名詞（複数）を起点に文節ｂｉｇｒａｍテ
ーブルを探索して複数の表題候補の文節列を生成する。 （ｄ）接続妥当性検証部１４により、表題としての表現
の妥当性を検証する。 （ｅ）最適表題句選択部１５により、表題候補句を順位
付けして最良句を選択する。

【００１５】なお、処理対象の複数の文書のテキストデ
ータは、テキストデータメモリ２１において文書毎に格
納されている。実施例においては、ＮＨＫテレビが放送
のプログラム「あすを読む」の５０回分の書き起こし文
のテキストを用いた。

【００１６】まず、文節ｂｉｇｒａｍの抽出について説
明する。文節ｂｉｇｒａｍテーブル生成部１１は、テキ
ストデータメモリ２１内のテキストデータを形態素解析
し、重要名詞に接続する文節列の要素となる文節ｂｉｇ
ｒａｍ（出現頻度付き）を抽出ルールを適用して、表２
に示すように対象文書から抽出し、文書毎にテーブル形
式で文節ｂｉｇｒａｍテーブルメモリ２２に格納する。
ここでいう文節ｂｉｇｒａｍは表３の形式をとる。１文
節が含む自立語は１個で名詞が連続する複合語は異なる
文節とした。

【００１７】

【表２】 文節ｂｉｇｒａｍの抽出例 ――――――――――――――――――――――――――――――――――― …行政による被災者支援の制度を見直すだけではなく選択するような 工夫が必要です。 ――――――――――――――――――――――――――――――――――― ↓ ――――――――――――――――――――――――――――――――――― ．行政．．による．．被災．者 ．被災．者．．．支援． ．支援．．の．．制度． ．選択．．するような．．工夫． ―――――――――――――――――――――――――――――――――――

【００１８】

【表３】 文節ｂｉｇｒａｍ ――――――――――――――――――――――――――――――――――― 自立語部＝［接頭辞］^＊［自立語］［接尾辞］^＊ 第１文節＝［自立語部］［付属語部］^＊ 第２文節＝［自立語部］ 文節ｂｉｇｒａｍ＝［第１文節］［第２文節］ ――――――――――――――――――――――――――――――――――― （注）＊：０回以上の繰り返し。

【００１９】抽出する文節ｂｉｇｒａｍが名詞又は形容
詞、連体詞と名詞を接続する形式になるように以下の抽
出条件を適用した。 （ａ）第１文節の自立語は名詞又は形容詞、連体詞の
み。 （ｂ）第２文節の自立語は名詞のみ。 （ｃ）１文節の付属語部分を構成する最後尾の付属語に
ついては表４のいずれかに適合するもののみ。

【００２０】

【表４】 付属語部分の最後尾の付属語 ――――――――――――――――――――――――――――――――――― 品詞 その他の条件 ――――――――――――――――――――――――――――――――――― 助詞−連体化 なし ――――――――――――――――――――――――――――――――――― 助詞−並立助詞 なし ――――――――――――――――――――――――――――――――――― 助詞−接続助詞 出現形［および］のみ ――――――――――――――――――――――――――――――――――― 助詞−格助詞−連語 出現形［う、る、た］で終わる う：という、とかいう、など る：に対する、に関する、など た：といった ――――――――――――――――――――――――――――――――――― 助動詞 体言接続又は基本形 ――――――――――――――――――――――――――――――――――― 動詞−非自立 基本形 ――――――――――――――――――――――――――――――――――― 動詞−接尾 基本形 ―――――――――――――――――――――――――――――――――――

【００２１】（ｄ）名詞（多くはサ変接続名詞）の直後
に続く場合の動詞は自立語部（名詞）間を接合する付属
語部分と同様の扱いする。

【００２２】

【表５】

【００２３】なお、本実施形態での形態素の品詞区分は
「茶筌」（例えば、従来技術文献４「日本語形態素解析
システム“茶筌（ChaSen）version 2.0 for Window
s”，１９９９年」参照。）の品詞体系に従った。

【００２４】次いで、表題候補の文節列の生成の前段に
おいて、ｔｆ・ｉｄｆテーブル生成部１２は、テキスト
データメモリ２１内の複数の文書のテキストデータに基
づいて、文書毎に各単語に対してｔｆ・ｉｄｆ値を演算
してテーブル形式でｔｆ・ｉｄｆテーブルメモリ２３に
格納する。

【００２５】ここで、ｔｆ・ｉｄｆ法は、各文書中にお
ける語の頻度を用いて、各語が文書間の違いを識別する
度合いを測定する方法であり（例えば、従来技術文献５
「Salton et al.,“On the specification of term val
ues in automatic indexing,Journal Documentation”,
Vol.29, No.4, pp.351-372, 1973年12月」参照。）、
基本的には、文書集合中で少数の文書に偏って高頻度で
出現する語をキーワードとして抽出するという考えに基
づいている。このような考えを数値的に表現するため
に、ｔｆ・ｉｄｆ法では、語頻度（term frequency)及
び文書頻度（document frequency)という２つの数値を
用いる。語頻度ｔｆ_ｉｊは、文書Ｄ_ｉにおいて語Ｔ_ｊが
出現した回数を表す。

【数１】ｔｆ_ｉｊ＝文書Ｄ_ｉにおける語Ｔ_ｊの出現回数 また、文書頻度ｄｆ_ｊは、ある語Ｔ_ｊが出現した文書数
を表す。

【数２】ｄｆ_ｊ＝語Ｔ_ｊが出現した文書数

【００２６】さらに、ある語Ｔ_ｊが、文書集合全体にお
いてどの程度偏って出現するかを測定するために、文書
集合中の全文書数をＮとして、文書頻度の逆数（invers
e document frequency,ＩＤＦ）とよばれる値Ｎ／ｄｆ
_ｊを用いる。そして、語頻度ｔｆ_ｉｊ及び文書頻度の逆
数Ｎ／ｄｆ_ｊから計算される以下の指標ｗ_ｉｊによっ
て、文書Ｄ_ｊにおいて語Ｔ_ｉがキーワードとして適切か
どうかを測定する。

【００２７】

【数３】ｗ_ｉｊ＝ｔｆ_ｉｊ・ｌｏｇ（Ｎ／ｄｆ_ｊ）

【００２８】この指標のｔｆ・ｉｄｆ値ｗ_ｉｊは、語Ｔ
_ｉが文書集合中で少数の文書に偏って出現する、すなわ
ちＮ／ｄｆ_ｊが大きく、かつ、その文書中に高頻度で出
現する。すなわちｔｆ_ｉｊが大きい場合に大きい値をと
る。すなわち、ｔｆ・ｉｄｆ値ｗ_ｉｊは、処理対象の単
語が複数の文書中で少数の文書に偏って出現しかつ当該
文書中に高い頻度で出現することを表す指標である。

【００２９】次いで、文節列生成部１３は、表題候補の
文節列を生成する際に処理の起点となる語を起点語と
し、対象文書中のｔｆ・ｉｄｆ値の高位順の名詞を複数
個、メモリ１２内のｔｆ・ｉｄｆテーブルから選択す
る。そして、メモリ１１内の文節ｂｉｇｒａｍテーブル
中で第１文節の自立語が起点語と等しい文節ｂｉｇｒａ
ｍを検索し取り出す。これらの第２文節自立語部と第１
文節自立語部が等しい文節ｂｉｇｒａｍを文節ｂｉｇｒ
ａｍテーブルから検索し、合致した文節ｂｉｇｒａｍを
表題候補の文節列として接続する。接続可能な文節ｂｉ
ｇｒａｍがある限り処理を繰り返して起点語に後続する
文節列を生成する。起点語に先行する文節列も同様にし
て生成する。

【００３０】ただし起点語から文節列の末端までのパス
で同一文節ｂｉｇｒａｍを２回以上使用しない。これは
生成処理が無限に連続するのを回避するためである。起
点語の後方に接続する文節列ｗは深さ（図２の横方向）
優先で生成される。

【００３１】図３は、図１の文節列生成部１３によって
生成される文節列生成処理を示すフローチャートであ
る。図３において、Ｔは文節ｂｉｇｒａｍテーブルと
し、ｌａｓｔＴは文節ｂｉｇｒａｍテーブルの大きさ
（語数）とする。各テーブル内の１ｓｔ（ｂｇｍ）は第
１文節自立語部、ｆｕｚｏｋ（ｂｇｍ）は第１文節付属
語部、２ｎｄ（ｂｇｍ）は第２文節自立語部である。ま
ず、ステップＳ１において起点語を単語レジスタｓにセ
ットし、ステップＳ２において単語レジスタｓの単語を
単語レジスタｗにセットした後、ステップＳ３のサブル
ーチン処理ｐｒｏｃ（ｗ，ｓ，Ｔ）を実行した当該文節
列処理を終了する。ここで、サブルーチン処理ｐｒｏｃ
（ｗ，ｓ，Ｔ）の括弧内は、入出力の引数である。

【００３２】図４は、図３のサブルーチン処理ｐｒｏｃ
（ｗ，ｓ，Ｔ）を示すフローチャートである。図４にお
いて、まず、ステップＳ１１において変数ｊに１を設定
し、次いで、ステップＳ１２において変数ｊが文節ｂｉ
ｇｒａｍテーブルの大きさＴ以下であるか否かを判断す
る。ＮＯのときはテーブルの最後に到達していると判断
しステップＳ１８に進む。ステップＳ１８では現在得ら
れた単語ｗを文節列メモリ２４に書き込み、元のルーチ
ンに戻る。ステップＳ１２でＹＥＳのときはテーブルの
最後まで到達していないので、以下の処理を行う。すな
わちステップ１３において単語ｓがｊ番目のｂｉｇｒａ
ｍに関する第１文節自立語部１ｓｔ（ｂｇｍ［ｊ］）に
一致するか否かを判断し、ＹＥＳのときはステップＳ１
４に進む一方、ＮＯのときはステップ１７に進む。ステ
ップ１４で単語ｗと、ｊ番目のｂｉｇｒａｍに関する第
１文節自立語部と、ｊ番目のｂｉｇｒａｍに関する第２
文節自立語部とを並置するように加算した時の語を単語
レジスタｗに代入した後、ステップＳ１５において、単
語Ｔからｊ番目のｂｉｇｒａｍを減算したものを単語
Ｔ’として、ステップＳ１６でサブルーチン処理ｐｒｏ
ｃ（ｗ，２ｎｄ（ｂｇｍ），Ｔ’）を実行する。ステッ
プＳ１７で変数ｊを１加算した後、ステップ１２に戻
り、ステップ１２以降の処理を繰り返す。

【００３３】図２は、この文節列生成部１３による文節
列生成処理により、起点語を中心に前後の文節列を接続
して表題候補となる文節列が生成された文節例の一例を
示しており、単語グラフの形式で生成して文節列メモリ
２４に格納する。図２において、二重線の矩形で囲んで
いる単語「マカオ」は起点語である。図２から明らかな
ように、起点語から前方向及び後ろ方向に延在している
ことがわかる。

【００３４】次いで、新聞記事データベースに基づく文
節ｔｒｉｇｒａｍを用いた接続妥当性の検証処理につい
て説明する。文節ｂｉｇｒａｍを再帰的に接続して得ら
れる文節列は対象文書中に出現するとは限らず、日本語
として不適当な可能性もある。本実施形態においては、
接続で得られた文節列の妥当性を新聞記事（１９９５−
１９９９年、日本経済新聞）コーパスから抽出した文節
ｔｒｉｇｒａｍで検証する。文節ｔｒｉｇｒａｍテーブ
ル生成部１０は、新聞記事データベースメモリ３０内の
記事テキストデータ（コーパス）を形態素解析し、文節
ｂｉｇｒａｍ抽出条件に準じた基準により抽出し、得ら
れた文節ｔｒｉｇｒａｍ集合を文節ｔｒｉｇｒａｍテー
ブルとし、文節ｔｒｉｇｒａｍテーブルメモリ３１に格
納した。本実施形態においては、新聞記事を検証用テキ
ストデータとして用いたが、本発明はこれに限らず、雑
誌や単行本などのテキストデータを検証用テキストデー
タとして用いてもよい。

【００３５】本実施形態においては、接続妥当性検証部
１４は、文節列生成部１３により作成した文節列がメモ
リ３１内の文節ｔｒｉｇｒａｍテーブルで被覆できる場
合のみ接続が妥当であると判断し、すなわち、文節列生
成部１３により作成した文節列がメモリ３１内の文節ｔ
ｒｉｇｒａｍテーブルに存在するか否かを判断し、存在
しているとき接続が妥当であるとし、接続が妥当である
文節列を最適表題句選択部１５に出力する。接続妥当性
の検証は起点語から末梢方向に行ない、妥当性が検証さ
れた部分までを表題候補句とする。文節間の接続妥当性
の検証は、文節ｔｒｉｇｒａｍテーブルを用いるほか
に、表題生成対象の「あすを読む」そのものに出現する
文節ｔｒｉｇｒａｍを使うことも考えられる。しかし
「あすを読む」には言いよどみ、言い直し表現がある
他、語り口調の文特有の冗長な表現（「発表いたしまし
た内容」など）も多く見られる。これらの表現を含む接
続が、妥当とされてしまうことを避け、「あすを読む」
を書き言葉的な観点でチェックするために文節ｔｒｉｇ
ｒａｍテーブルのみを用いて検証した。

【００３６】最後に、最適表題句選択部１５は、接続妥
当性検証部１４において残った表題候補句を対象に表題
としての良さを示すスコアを計算し最適な表題句を選定
し、例えばＣＲＴディスプレイなどの表示部又はプリン
タ装置などの印字部であるデータ出力部１６に出力して
最適な表題句を文書毎に表示又は印字などの処理を行
う。最適表題句選択部１５によるスコアの計算は以下の
通り、Ｎ個の文字列からなる表題候補句Ｗ＝ｗ_１，
ｗ_２，…，ｗ_Ｎについて隣接する２文節ｗ_ｉ，ｗ_{ｉ＋ １}
が対象文書中に出現する回数をＦＲＱ（ｗ_ｉ，
ｗ_ｉ＋１）とする。文節ｗ_ｉに含まれる自立語（名詞、
表題候補句の先頭に限り形容詞，連体詞も含む。）ｖ_ｉ
のｔｆ・ｉｄｆ値をＴＦＩＤＦ（ｖ_ｉ）とする。表題候
補句Ｗの表題として良さのスコアを以下のように計算す
る。

【００３７】

【数４】

【００３８】上記式から明らかなように、文節のつなが
りの良さを数４の右辺第１項で、文節中の自立語の重要
度を右辺第２項で計算し、その合計値を表題の良さの指
標とした。本実施形態では、予備実験により重み係数λ
を０．１とした。また対象とした「あすを読む」の既存
の番組表題がすべて３文節以上であることから、上記評
価式により順位付けを行なう対象は３文節以上の表題候
補句とした。

【００３９】以上の実施形態において、文節ｂｉｇｒａ
ｍテーブル生成部１１と、ｔｆ・ｉｄｆテーブル生成部
１２と、文節列生成部１３と、接続妥当性検証部１４
と、最適表題句選択部１５とは、例えば、コンピュータ
などのディジタル計算機で構成され、メモリ２１乃至２
４，３０，３１は例えばハードディスクメモリなどの記
憶装置である。

【００４０】以上説明したように、本実施形態によれ
ば、表題生成の起点を複数とした上で、ひとつの起点か
ら複数の表題候補句を生成する。複数の生成句から最良
句を選択することにより、適切な表題を生成することが
できる。

【００４１】以上に実施形態においては、複数の文書の
テキストデータに基づいて複数の文書（すべての文書を
処理対象文書としている）の表題を自動的に生成する表
題生成装置について説明しているが、本発明はこれに限
らず、複数の文書のテキストデータに基づいて複数の文
書のうちの少なくとも１つ文書の表題を自動的に生成す
る表題生成装置を構成してもよい。処理対象文書がすべ
ての文書ではなく限定されるときは、文節ｂｉｇｒａｍ
テーブル生成部１１と、ｔｆ・ｉｄｆテーブル生成部１
２と、文節列生成部１３と、接続妥当性検証部１４と、
最適表題句選択部１５とは、処理対象文書についてのみ
処理すればよい。

【００４２】

【実施例】本発明者らは、「あすを読む」（５０件）の
書き起しテキストを対象に、各文書のｔｆ・ｉｄｆ値の
上位５名詞を起点語として、表題の生成実験を行なっ
た。表題句としての評価で上位１，２位となった生成句
について以下の３段階の評価を行なった。評価の結果を
次の表に示す。 （１）適切な表題である。 （２）表題として許容できる。 （３）不正な表題である。

【００４３】

【表６】 生成表題に対する評価 ――――――――――――――――――――――――――― 適切 許容 不適 ――――――――――――――――――――――――――― １位 ２６％ ３４％ ４０％ ２位 １２％ ３６％ ５２％ １位又は２位 ３０％ − − ――――――――――――――――――――――――――― 前回実験 １０％ ５６％ ３４％ ―――――――――――――――――――――――――――

【００４４】評価式の適用により１，２位となった表題
間で、「適切」の評価に関して、１０％程度の差が見ら
れる。比較例である前回実験（従来技術文献６「松本賢
司ほか，“ 重要語の共起情報を用いた講演文の表題生
成”,情報処理学会第61回（平成１２年後期）全国大会
講演論文集（２），４Ｔ−２，ｐｐ．２−１６１〜２−
１６２，平成１２年１０月」参照。）とは、「許容」の
基準が異なるため、比較は難しいが、今回１位と判定さ
れた表題は「適切な表題」の割合が１５％程度向上して
いる。また順位２位までを加えると２０％の向上が見ら
れた。

【００４５】表題の良さで１位とされた１３件の生成表
題句のうち、１０件については結果的に、対象文書中に
出現する文字列を表題句にしており、残り３件は、対象
文書中に出現しない文字列を生成している。

【００４６】

【発明の効果】以上詳述したように本発明によれば、処
理対象文書のテキストデータを形態素解析して文節ｂｉ
ｇｒａｍを抽出し、複数の文書のテキストデータに基づ
いて各単語に対して、当該単語が複数の文書中で少数の
文書に偏って出現しかつ複数の文書中に高い頻度で出現
することを表す所定の指標であるｔｆ・ｉｄｆ値を演算
し、演算されたｔｆ・ｉｄｆ値の複数の上位の名詞を選
択して起点語とし文節ｂｉｇｒａｍを探索して複数の表
題候補の文節列を生成し、複数の表題候補の文節列が検
証用テキストデータに基づく文節ｔｒｉｇｒａｍに存在
するか否かに基づいて接続の妥当性を検証し存在する表
題候補の文節列を表題候補句として出力し、表題候補句
について隣接する２文節が対象文書に出現する回数と処
理対象文節に含まれる自立語のｔｆ・ｉｄｆ値とに基づ
いて表題候補句から表題を選択するように構成した。従
って、表題生成の起点を複数とした上で、ひとつの起点
から複数の表題候補句を生成し、複数の生成句から最良
句を選択したので、適切な表題を自動的に生成すること
ができる。

【図面の簡単な説明】

【図１】 本発明に係る一実施形態である表題生成装置
の構成を示すブロック図である。

【図２】 図１の文節列生成部１３によって生成された
文節列の一例を示す図である。

【図３】 図１の文節列生成部１３によって生成される
文節列生成処理を示すフローチャートである。

【図４】 図３のサブルーチン処理ｐｒｏｃ（ｗ，ｓ，
Ｔ）を示すフローチャートである。

【符号の説明】

１１…文節ｂｉｇｒａｍテーブル生成部、 １２…ｔｆ・ｉｄｆテーブル生成部、 １３…文節列生成部、 １４…接続妥当性検証部、 １５…最適表題句選択部、 １６…データ出力部、 ２１…テキストデータメモリ、 ２２…文節ｂｉｇｒａｍテーブルメモリ、 ２３…ｔｆ・ｉｄｆテーブルメモリ、 ２４…文節列メモリ、 ３０…新聞記事データベースメモリ、 ３１…文節ｔｒｉｇｒａｍテーブルメモリ。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 17/30 ４１４ Ｇ０６Ｆ 17/30 ４１４Ｚ (72)発明者 伊藤 山彦 京都府相楽郡精華町光台二丁目２番地２ 株式会社エイ・ティ・アール音声言語通信 研究所内 (72)発明者 谷田 泰郎 京都府相楽郡精華町光台二丁目２番地２ 株式会社国際電気通信基礎技術研究所内 (72)発明者 柏岡 秀紀 京都府相楽郡精華町光台二丁目２番地２ 株式会社エイ・ティ・アール音声言語通信 研究所内 (72)発明者 田中 英輝 京都府相楽郡精華町光台二丁目２番地２ 株式会社エイ・ティ・アール音声言語通信 研究所内 (72)発明者 浦谷 則好 京都府相楽郡精華町光台二丁目２番地２ 株式会社エイ・ティ・アール音声言語通信 研究所内 Ｆターム(参考） 5B009 QA11 SA14 5B075 ND03 NK04 PQ02 PR04 UU06 5B091 AA15 AB13 CA02 CA05

Claims (4)

【特許請求の範囲】
1. 【請求項１】 複数の文書データに基づいて、上記複数
   の文書のうちの少なくとも１つの対象文書の表題を自動
   的に生成する表題生成装置において、 上記複数の文書データのうちの処理対象文書データから
   文節ｂｉｇｒａｍを抽出する第１の生成手段と、 上記文節ｂｉｇｒａｍを文書毎に格納する第１の記憶手
   段と、 上記複数の文書データに基づいて各単語に対して、当該
   単語が当該文書中に高い頻度で出現することを表す所定
   の指標を演算する演算手段と、 上記各単語に対する指標を文書毎に格納する第２の記憶
   手段と、 上記第２の記憶手段に格納された指標のうち複数の上位
   の名詞を選択して起点語とし、上記第１の記憶手段に格
   納された文節ｂｉｇｒａｍを検索して複数の表題候補の
   文節列を生成する第２の生成手段と、 別の検証用データから文節ｔｒｉｇｒａｍを抽出する第
   ３の生成手段と、 上記文節ｔｒｉｇｒａｍを格納する第３の記憶手段と、 上記生成された複数の表題候補の文節列が上記第３の記
   憶手段に格納された文節ｔｒｉｇｒａｍに存在するか否
   かに基づいて接続の妥当性を検証し、表題候補句として
   出力する検証手段と、 上記表題候補句について隣接する２文節が対象文書に出
   現する回数と、当該各文節に含まれる自立語の上記指標
   とに基づいて、表題候補句から表題を選択する選択手段
   とを備えたことを特徴とする表題生成装置。
2. 【請求項２】 複数の文書のテキストデータに基づい
   て、上記複数の文書のうちの少なくとも１つの対象文書
   の表題を自動的に生成する表題生成装置において、 上記複数の文書のテキストデータのうちの処理対象文書
   のテキストデータから、抽出する文節ｂｉｇｒａｍが名
   詞又は形容詞、連体詞と名詞を接続する形式になるよう
   な所定の抽出条件を用いて文節ｂｉｇｒａｍを抽出する
   第１の生成手段と、 上記文節ｂｉｇｒａｍを文書毎に格納する第１の記憶手
   段と、 上記複数の文書のテキストデータに基づいて各単語に対
   して、当該単語が複数の文書中で少数の文書に偏って出
   現しかつ当該文書中に高い頻度で出現することを表す所
   定の指標を演算する演算手段と、 各単語に対する指標を文書毎に格納する第２の記憶手段
   と、 上記第２の記憶手段に格納された指標のうち複数の上位
   の名詞を選択して起点語とし、上記第１の記憶手段に格
   納された文節ｂｉｇｒａｍを探索して複数の表題候補の
   文節列を生成する第２の生成手段と、 別の検証用テキストデータから、抽出する文節ｔｒｉｇ
   ｒａｍが名詞又は形容詞、連体詞と名詞を接続する形式
   になるような所定の抽出条件を用いて文節ｔｒｉｇｒａ
   ｍを抽出する第３の生成手段と、 上記文節ｔｒｉｇｒａｍを格納する第３の記憶手段と、 上記生成された複数の表題候補の文節列が上記第３の記
   憶手段に格納された文節ｔｒｉｇｒａｍに存在するか否
   かに基づいて接続の妥当性を検証し、存在する表題候補
   の文節列を表題候補句として出力する検証手段と、 上記表題候補句について隣接する２文節が対象文書に出
   現する回数と、当該各文節に含まれる自立語の上記指標
   とに基づいて表題候補句から表題を選択する選択手段と
   を備えたことを特徴とする表題生成装置。
3. 【請求項３】 複数の文書データに基づいて、上記複数
   の文書のうちの少なくとも１つの対象文書の表題を自動
   的に生成する表題生成方法において、 上記複数の文書データのうちの処理対象文書データから
   文節ｂｉｇｒａｍを抽出して文書毎に第１の記憶手段に
   格納するステップと、 上記複数の文書データに基づいて各単語に対して、当該
   単語が当該文書中に高い頻度で出現することを表す所定
   の指標を演算して文書毎に第２の記憶手段に格納するス
   テップと、 上記第２の記憶手段に格納された指標のうち複数の上位
   の名詞を選択して起点語とし、上記第１の記憶手段に格
   納された文節ｂｉｇｒａｍを検索して複数の表題候補の
   文節列を生成するステップと、 別の検証用データから文節ｔｒｉｇｒａｍを抽出して第
   ３の記憶手段に格納するステップと、 上記生成された複数の表題候補の文節列が上記第３の記
   憶手段に格納された文節ｔｒｉｇｒａｍに存在するか否
   かに基づいて接続の妥当性を検証し、表題候補句として
   出力するステップと、 上記表題候補句について隣接する２文節が対象文書に出
   現する回数と、当該各文節に含まれる自立語の上記指標
   とに基づいて、表題候補句から表題を選択するステップ
   とを含むことを特徴とする表題生成方法。
4. 【請求項４】 複数の文書のテキストデータに基づい
   て、上記複数の文書のうちの少なくとも１つの対象文書
   の表題を自動的に生成する表題生成方法において、 上記複数の文書のテキストデータのうちの処理対象文書
   のテキストデータから、抽出する文節ｂｉｇｒａｍが名
   詞又は形容詞、連体詞と名詞を接続する形式になるよう
   な所定の抽出条件を用いて文節ｂｉｇｒａｍを抽出して
   第１の記憶手段に格納するステップと、 上記複数の文書のテキストデータに基づいて各単語に対
   して、当該単語が複数の文書中で少数の文書に偏って出
   現しかつ当該文書中に高い頻度で出現することを表す所
   定の指標を演算して各単語に対する指標を文書毎に第２
   の記憶手段に格納するステップと、 上記第２の記憶手段に格納された指標のうち複数の上位
   の名詞を選択して起点語とし、上記第１の記憶手段に格
   納された文節ｂｉｇｒａｍを探索して複数の表題候補の
   文節列を生成するステップと、 別の検証用テキストデータから、抽出する文節ｔｒｉｇ
   ｒａｍが名詞又は形容詞、連体詞と名詞を接続する形式
   になるような所定の抽出条件を用いて文節ｔｒｉｇｒａ
   ｍを抽出して第３の記憶手段に格納するステップと、 上記生成された複数の表題候補の文節列が上記第３の記
   憶手段に格納された文節ｔｒｉｇｒａｍに存在するか否
   かに基づいて接続の妥当性を検証し、存在する表題候補
   の文節列を表題候補句として出力するステップと、 上記表題候補句について隣接する２文節が対象文書に出
   現する回数と、当該各文節に含まれる自立語の上記指標
   とに基づいて表題候補句から表題を選択するステップと
   を含むことを特徴とする表題生成方法。