JP2002334077A - 対義度検出装置、その方法、そのプログラム及びそのプログラムが記録された記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 与えられる２単語の相互に反対の意味を持つ
程度を対義度として検出する。 【解決手段】 属性ベクトル保持手段１１は、与えられ
る第１及び第２の単語のそれぞれに対する第１及び第２
の属性ベクトルを概念ベース１２に蓄積されたものから
選択し、類似度計算手段１３は、第１及び第２の属性ベ
クトルを用いて、第１及び第２の単語同士の類似の程度
である類似度を求め、差ベクトル計算手段１４は、第１
及び第２の属性ベクトルにおける同一属性についての差
異の程度を要素にもつ差ベクトルを求め、対義度計算手
段１３は、差ベクトルにおける要素のばらつきと類似度
のいずれもが大きくなった場合に大きくなるような値を
対義度として求めるので、与えられる２単語の相互に反
対の意味を持つ程度を対義度として検出できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、テキストデータを
用いた情報処理技術に関わり、特に、単語の関連性を用
いた自然言語処理、情報検索に適用可能な対義度検出装
置、その方法、そのプログラム及びそのプログラムが記
録された記録媒体に関する。

【０００２】

【従来の技術】近年では、コンピュータやインターネッ
トの社会への普及に伴い、ＷＷＷや電子メール等のテキ
ストデータがコンピュータネットワーク上に日々蓄積さ
れている。これらのテキストデータは、人類の歴史上か
つてない規模の知識の宝庫とも言えるが、その規模の大
きさのゆえに、利用者がその中から有用な情報を探し出
したり加工したりすることが困難となりつつある。その
ための技術として、情報検索等のテキストに関する情報
処理技術が現在利用されているが、これらの技術ではテ
キストデータが文字列、あるいは単語の列として処理さ
れている。人間のようにテキストデータ中の言葉の意味
を考えていないので、必ずしも利用者の意図に沿った情
報処理が行えていない。そこで、人間が単語の意味や単
語間の関連性を考慮してテキストを処理するように、コ
ンピュータでも単語の関連性を判別する技術が必要とな
っている。

【０００３】その方法としては現在、国語辞典中に記載
されている単語間の関係の記述やアンケート調査等で収
集した単語間の関係を電子的に電子辞書が利用されてい
る。そのような電子辞書としてはＷｏｒｄＮｅｔ（英
語）やＥＤＲ（日本語）が挙げられる。これらには、単
語間の関係として、類義、対義、上位、下位等の単語間
の関係が記述されており、例えば対義の関係にある「大
きい」と「小さい」を参照して、ユーザの「大きくない
果物」という検索要素を「小さい果物」と変形して情報
を探すことも可能である。

【０００４】しかし、上記の電子辞書は、作成に膨大な
時間的／金銭的なコストを要する。また国語辞典中の関
連語の記述を利用する場合であっても、典型的な関連語
が記述されているにとどまるため、単語間の関連性につ
いて、何らかの自動生成を可能とする技術が要望されて
いる。その一つとして、２つの単語が似ているかどうか
を判定する技術（特許第３０９５０９７「類似性判別装
置」）を挙げる。これは、国語辞書の語義文中の単語の
出現頻度、あるいはテキストコーパス中の単語の共起頻
度に基づく値を要素とした単語のベクトル表現に対し
て、単語同士が似ている度合いを表す類似度を検索する
方法である。上記技術を利用することにより、任意の単
語について類義関係にある単語を検索することが可能で
ある。

【０００５】

【発明が解決しようとする課題】上記の通り単語の関連
性判別は、類義性については、すでに自動的に判定する
技術が考案されている一方対義関係は、上記で例示した
ような情報検索での検索条件の詳細化や、エキスパート
システム等の推論システムにおいて、「〜ではない」と
いう否定の知識を利用する際に重要な関係である。

【０００６】しかし、対義関係、すなわち２つの単語が
相互に反対の意味を持つ関係は、自動的に判定する技術
は存在しない。

【０００７】そこで本発明は、上記の従来の課題に鑑み
てなされたものであり、その目的とするところは、与え
られる２単語の相互に反対の意味を持つ程度を対義度と
して検出する対義度検出装置、その方法、そのプログラ
ム及びそのプログラムが記録された記録媒体を提供する
ことにある。

【０００８】

【課題を解決するための手段】上記従来の課題を解決す
るために、請求項１の本発明は、単語と該単語が有する
属性ごとの重要度とを要素にもつ属性ベクトルが蓄積さ
れるデータベースと、与えられる第１及び第２の単語の
それぞれに対する第１及び第２の属性ベクトルを前記デ
ータベースに蓄積されたものから選択する属性ベクトル
選択手段と、前記第１及び第２の属性ベクトルを用いて
前記第１及び第２の単語同士の類似の程度である類似度
を求める類似度計算手段と、前記第１及び第２の属性ベ
クトルにおける同一属性についての差異の程度を要素に
もつ差ベクトルを求める差ベクトル計算手段と、前記差
ベクトルにおける要素のばらつきと前記類似度のいずれ
もが大きくなった場合に大きくなるような値を対義度と
して求める対義度計算手段とを備える対義度検出装置を
もって解決手段とする。

【０００９】請求項２の本発明は、前記差ベクトル計算
手段は、前記同一属性の要素同士の差の絶対値を差ベク
トルの要素とすることを特徴とする請求項１記載の対義
度検出装置をもって解決手段とする。

【００１０】請求項３の本発明は、前記差ベクトル計算
手段は、前記同一属性の中の、属性として類似しかつ対
義である２属性についての差異の程度を差ベクトルの要
素とすることを特徴とする請求項１記載の対義度検出装
置をもって解決手段とする。

【００１１】請求項４の本発明は、前記差ベクトル計算
手段は、類似しかつ対義である２属性が予めシソーラス
の同一の分類に属性として含まれている場合には、該２
属性についての差異の程度を差ベクトルの要素とするこ
とを特徴とする請求項１記載の対義度検出装置をもって
解決手段とする。

【００１２】請求項５の本発明は、前記類似度計算手段
は、前記類似度として、前記第１及び第２の属性ベクト
ルの要素同士の積の総和を求めることを特徴とする請求
項１ないし４のいずれかに記載の対義度検出装置をもっ
て解決手段とする。

【００１３】請求項６の本発明は、前記対義度計算手段
は、前記対義度として、前記差ベクトルの要素の中の最
大値と類似度との積を求めることを特徴とする請求項１
ないし５のいずれかに記載の対義度検出装置をもって解
決手段とする。

【００１４】請求項７の本発明は、単語と該単語が有す
る属性ごとの重要度とを要素にもつ属性ベクトルがデー
タベースに蓄積されるときの対義度検出方法であって、
与えられる第１及び第２の単語のそれぞれに対する第１
及び第２の属性ベクトルを前記データベースに蓄積され
たものから選択する属性ベクトル選択ステップと、前記
第１及び第２の属性ベクトルを用いて前記第１及び第２
の単語同士の類似の程度である類似度を求める類似度計
算ステップと、前記第１及び第２の属性ベクトルにおけ
る同一属性についての差異の程度を要素にもつ差ベクト
ルを求める差ベクトル計算ステップと、前記差ベクトル
における要素のばらつきと前記類似度のいずれもが大き
くなった場合に大きくなるような値を対義度として求め
る対義度計算ステップとを備える対義度検出方法をもっ
て解決手段とする。

【００１５】請求項８の本発明は、前記差ベクトル計算
ステップでは、前記同一属性の要素同士の差の絶対値を
差ベクトルの要素とすることを特徴とする請求項７記載
の対義度検出方法をもって解決手段とする。

【００１６】請求項９の本発明は、前記差ベクトル計算
ステップでは、前記同一属性の中の、属性として類似し
かつ対義である２属性についての差異の程度を差ベクト
ルの要素とすることを特徴とする請求項７記載の対義度
検出方法をもって解決手段とする。

【００１７】請求項１０の本発明は、前記差ベクトル計
算ステップでは、類似しかつ対義である２属性が予めシ
ソーラスの同一の分類に属性として含まれている場合に
は、該２属性についての差異の程度を差ベクトルの要素
とすることを特徴とする請求項７記載の対義度検出方法
をもって解決手段とする。

【００１８】請求項１１の本発明は、前記類似度計算ス
テップでは、前記類似度として、前記第１及び第２の属
性ベクトルの要素同士の積の総和を求めることを特徴と
する請求項７ないし１０のいずれかに記載の対義度検出
方法をもって解決手段とする。

【００１９】請求項１２の本発明は、前記対義度計算ス
テップでは、前記対義度として、前記差ベクトルの要素
の中の最大値と類似度との積を求めることを特徴とする
請求項７ないし１１のいずれかに記載の対義度検出方法
をもって解決手段とする。

【００２０】請求項１３の本発明は、単語と該単語が有
する属性ごとの重要度とを要素にもつ属性ベクトルがデ
ータベースに蓄積されるときの対義度検出プログラムで
あって、与えられる第１及び第２の単語のそれぞれに対
する第１及び第２の属性ベクトルを前記データベースに
蓄積されたものから選択する属性ベクトル選択ステップ
と、前記第１及び第２の属性ベクトルを用いて前記第１
及び第２の単語同士の類似の程度である類似度を求める
類似度計算ステップと、前記第１及び第２の属性ベクト
ルにおける同一属性についての差異の程度を要素にもつ
差ベクトルを求める差ベクトル計算ステップと、前記差
ベクトルにおける要素のばらつきと前記類似度のいずれ
もが大きくなった場合に大きくなるような値を対義度と
して求める対義度計算ステップとを備える対義度検出プ
ログラムをもって解決手段とする。

【００２１】請求項１４の本発明は、前記差ベクトル計
算ステップでは、前記同一属性の要素同士の差の絶対値
を差ベクトルの要素とすることを特徴とする請求項１３
記載の対義度検出プログラムをもって解決手段とする。

【００２２】請求項１５の本発明は、前記差ベクトル計
算ステップでは、前記同一属性の中の、属性として類似
しかつ対義である２属性についての差異の程度を差ベク
トルの要素とすることを特徴とする請求項１３記載の対
義度検出プログラムをもって解決手段とする。

【００２３】請求項１６の本発明は、前記差ベクトル計
算ステップでは、類似しかつ対義である２属性が予めシ
ソーラスの同一の分類に属性として含まれている場合に
は、該２属性についての差異の程度を差ベクトルの要素
とすることを特徴とする請求項１３記載の対義度検出プ
ログラムをもって解決手段とする。

【００２４】請求項１７の本発明は、前記類似度計算ス
テップでは、前記類似度として、前記第１及び第２の属
性ベクトルの要素同士の積の総和を求めることを特徴と
する請求項１３ないし１６のいずれかに記載の対義度検
出プログラムをもって解決手段とする。

【００２５】請求項１８の本発明は、前記対義度計算ス
テップでは、前記対義度として、前記差ベクトルの要素
の中の最大値と類似度との積を求めることを特徴とする
請求項１３ないし１７のいずれかに記載の対義度検出プ
ログラムをもって解決手段とする。

【００２６】請求項１９の本発明は、単語と該単語が有
する属性ごとの重要度とを要素にもつ属性ベクトルがデ
ータベースに蓄積されるときの対義度検出プログラムが
記録された記録媒体であって、与えられる第１及び第２
の単語のそれぞれに対する第１及び第２の属性ベクトル
を前記データベースに蓄積されたものから選択する属性
ベクトル選択ステップと、前記第１及び第２の属性ベク
トルを用いて前記第１及び第２の単語同士の類似の程度
である類似度を求める類似度計算ステップと、前記第１
及び第２の属性ベクトルにおける同一属性についての差
異の程度を要素にもつ差ベクトルを求める差ベクトル計
算ステップと、前記差ベクトルにおける要素のばらつき
と前記類似度のいずれもが大きくなった場合に大きくな
るような値を対義度として求める対義度計算ステップと
を備える対義度検出プログラムが記録された記録媒体を
もって解決手段とする。

【００２７】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。

【００２８】[第１の実施の形態]]図１は、本発明の第
１の実施の形態の対義度検出装置１の構成を示す図であ
る。対義度検出装置１は、属性ベクトル保持手段１１、
概念ベース１２、類似度計算手段１３、差ベクトル計算
手段１４、対義度計算手段１５を備える。

【００２９】図２は、概念ベース１２を示す図である。
概念ベース１２は、関連性を判定する対象となる複数の
単語と、その単語それぞれに対応して単語の特徴（属
性）の重要さの程度を表す数値である重要度を要素とす
るベクトル（「属性ベクトル」）より構成されるデータ
ベースである。

【００３０】属性ベクトルの要素と対応する個々の属性
は、単語の特徴を表わす語や、シソーラスの分類カテゴ
リ、あるいは、主成分分析などの何らかの統計処理手段
を用いて計算された成分等、単語の特徴を表現でき、個
々の単語について属性の重みを決定できるものであれば
どのようなものであっても構わない。

【００３１】また、単語の属性に対応する重要度として
は、その単語にとって重要である程度が高い属性ほど大
きな値を取る数値であればどのようなものであっても構
わない。

【００３２】例えば、個々の単語について、人手で属性
ベクトルの重要度を設定することや、国語辞典やテキス
トデータを用いて、単語の出現頻度に基づいて自動的に
設定された値であってもかまわない。

【００３３】属性ベクトル保持手段１１は、与えられる
第１及び第２の単語のそれぞれに対する第１及び第２の
属性ベクトルを概念ベース１２に蓄積されたものから選
択するブロックである。

【００３４】類似度計算手段１３は、第１及び第２の属
性ベクトルを用いて第１及び第２の単語同士の類似の程
度である類似度を求めるブロックである。

【００３５】差ベクトル計算手段１４は、第１及び第２
の属性ベクトルにおける同一属性についての差異の程度
を要素にもつ差ベクトルを求めるブロックである。

【００３６】対義度計算手段１５は、差ベクトルにおけ
る要素のばらつきと類似度のいずれもが大きくなった場
合に大きくなるような値を対義度として求めるブロック
である。

【００３７】次に、第１の実施の形態の作用を説明す
る。図３は、第１の実施の形態の作用を示すフローチャ
ートである。対義度検出装置１には、２つの単語１、単
語２が入力される。この単語は、概念ベース１２に含ま
れる単語であれば、どのような単語であっても構わな
い。

【００３８】属性ベクトル保持手段１１は、単語１と単
語２が読み込まれる（ステップＳ１）と、それぞれ対応
する属性ベクトルを概念ベース１２より読み取り、属性
ベクトル１、属性ベクトル２として保持する（ステップ
Ｓ２，３）。

【００３９】類似度計算手段１３は、属性ベクトル保持
手段１１によって取得された属性ベクトル１と属性ベク
トル２を比較し、２つの属性ベクトルの類似の程度を表
す類似度を計算する（ステップＳ４）。

【００４０】類似度としては、２つの属性ベクトルのユ
ークリッド距離の逆数や、２つの属性ベクトルのなす角
度の余弦（コサイン）等、２つの属性ベクトルの類似の
程度が高い程、値が大きくなるような数値を与える尺度
であれば、どのようなものであっても構わない。その場
合、同一の属性ベクトルの場合に類似度の値が最大とな
る。

【００４１】差ベクトル計算手段１４は、属性ベクトル
保持手段１１によって取得された属性ベクトル１と属性
ベクトル２を比較し、２つの属性ベクトル中の同一の属
性に対する重要度がどの程度異なっているか、すなわ
ち、差異の程度を表す差ベクトルを計算する（ステップ
Ｓ５）。

【００４２】差ベクトルとしては、２つの属性ベクトル
の同一の属性に対する重要度の差の絶対値を要素とする
ベクトルや、２つの属性ベクトルの同一の属性に対する
重要度の積に−１を乗じた値を要素とするベクトル等、
２つの属性ベクトル中の同一の属性に対する重要度の差
が大きくなる程大きくなる数値を要素としたベクトルで
あればどのようなものであってもよい。

【００４３】対義度計算手段１５は、類似度計算手段１
３で得られた類似度と差ベクトル計算手段１４で得られ
た差ベクトルより、単語１と単語２の関連性の程度を表
す対義度を計算する（ステップＳ６）。

【００４４】対義度の計算法としては、類似度と差ベク
トル中の最大の要素の値の積や、類似度と差ベクトル中
の値の大きな要素の平均等、類似度と差ベクトルを用い
て単語１と単語２が相互に反対の関係である語である程
対義語の値が大きくなるようなものであればどのような
計算方法でもよい。

【００４５】対義度検出装置１は、対義度計算手段１５
で計算された対義度を単語１と単語２の関連する程度と
して出力する（ステップＳ７）。

【００４６】ここで、例を示しながら、第１の実施の形
態の作用を更に詳細に説明する。

【００４７】最初に、概念ベース１２について説明す
る。概念ベース１２は、対象とする単語とそれに対する
属性の重要度を要素とした属性ベクトルから成る。

【００４８】単語としては、「上流」、「下流」、「水
流」、「山脈」、「下積み」が含まれている。 属性
は、対象とする単語の性質を区別するための特徴に関す
るものであれば、単語であっても、記号であっても構わ
ない。

【００４９】ここでは、単語個々に対して、属性「自
然」、「高さ」、「大きさ」、「重さ」、「上下」、
「堅さ」という属性に対する重要度からなる属性ベクト
ルが与えられる。 例えば、「上流」の属性ベクトル
は、（0.401, 0.229, 0.172, -0.401, 0.516, 0.574）
となる。それぞれの属性の重要度の値は、他の属性の重
要度と比べてその属性がどの程度単語の特徴として重要
であるかの程度を考慮して付与されている。

【００５０】重要度を付与する方法としては、人手によ
って行う方法でも、国語辞典や新聞記事等のテキスト情
報を用いて自動的に付与する方法であっても構わない。
この例では、重要度の正の大きな値程属性の正の性質が
深く、重要度が負の値で小さい程属性の負の性質が深く
なるように数値が付与されている。

【００５１】次に、図３のフローチャートに従い、例を
示しながら作用を説明する。ここでは、単語１として
「上流」、単語２として「下流」とする。両方の単語
は、概念ベースに含まれている。

【００５２】まず、単語１「上流」、単語２「下流」を
読み込む（ステップＳ１）。

【００５３】次に、属性ベクトル保持手段１１は、概念
ベース１２より単語１「上流」の属性ベクトル（0.401,
0.229, 0.172, -0.401, 0.516, 0.574）を読み込む
（ステップＳ２）。また、属性ベクトル保持手段１１は
続けて、概念ベース１２より単語２「下流」の属性ベク
トル（0.347, 0.173, 0.173, -0.463, -0.520, 0.578）
を読み込む（ステップＳ３）。

【００５４】類似度計算手段１３は、「上流」の属性ベ
クトルと「下流」の属性ベクトルより、類似度を計算す
る（ステップＳ４）。ここでは、２つの属性ベクトルの
同一属性の重要度（要素）同士を掛け合わせ、その結果
を足したものを類似度とする。したがって、類似度は、
0.458となる。

【００５５】 類似度＝0.401×0.347＋0.229×0.173＋0.172×0.173＋(-0.401)×（-0.463) ×0.516×(-0.520)＋0.574×0.578 ＝0.458 差ベクトル計算手段１４では、属性ベクトル１と属性ベ
クトル２より差ベクトルを計算する（ステップＳ５）。
ここでは、２つの属性ベクトルの同一属性の重要度を差
の絶対値を差ベクトルの要素とする。したがって、差ベ
クトルは、次のようになる。

【００５６】 差ベクトル＝(|0.401-0.347|,|0.229-0.173|,|0.172-0.173|, |-0.401-(-0.463)|,|0.516-(-0.520)|,|0.574-0.578|) ＝(0.054,0.056,0.001,0.062,1.036,0.004) 対義度計算手段１５は、類似度計算手段１３で計算され
た類似度0.458と、差ベクトル計算手段１４で計算され
た差ベクトル(0.054, 0.056, 0.056, 0.001, 0.062, 1.
036, 0.004)より対義度を計算する（ステップＳ６）。

【００５７】ここでは対義度を、類似度と、差ベクトル
の要素の中の最大値との積とする。差ベクトル中の要素
の最大値は1.036であり、類似度は0.458であるので、対
義度は0.458×1.036＝0.744となる。

【００５８】最後に、関連性判別結果として対義度0.44
6を出力する（ステップＳ７）。

【００５９】同様にして、「上流」に対して概念ベース
１２に含まれている「水流」、「山脈」、「下積み」の
対義度を計算すると、それぞれ0.429, 0.422, -0.929と
なる。例えば、これらの数値を比較すると、「上流」と
「下流」の対義度0.744が最大となり、概念ベース１２
に含まれる単語の中で「上流」に対して対義度が最大と
なる単語は「下流」となる。

【００６０】[第２の実施の形態]]図４は、本発明の第
２の実施の形態の対義度検出装置１Ａの構成を示す図で
ある。対義度検出装置１Ａは、属性ベクトル保持手段１
１、概念ベース１２Ａ、類似度計算手段１３、差ベクト
ル計算手段１４Ａ、対義度計算手段１５、シソーラス１
６を備える。なお、第１の実施の形態と同一構成には同
一符号を付して説明を略す。

【００６１】第２の実施の形態では、概念ベース１２と
は異なる概念ベース１２Ａを利用する。さらに、関連性
判別に利用するシソーラス１６を追加し、差ベクトル計
算手段１４に代えて差ベクトル計算手段１４Ａを構成し
ている。

【００６２】対義度検出装置１Ａでは、対義度検出装置
１に対し、概念ベース１２の属性を分類したシソーラス
１６が追加されており、差ベクトル計算手段１４Ａは、
属性ベクトル、属性ベクトル２及びシソーラス１６に基
づいて差ベクトルを計算する。ここでは、シソーラス１
６中の分類ごとに、そこに含まれる属性について属性ベ
クトル１と属性ベクトル２の重要度を取り出し、これら
重要度を総合した値を要素とするベクトルを差ベクトル
とする。

【００６３】図５は、概念ベース１２Ａを示す図であ
る。概念ベース１２Ａに含まれる単語は、概念ベース１
２の単語と同様であるが、属性ベクトルの要素となる重
要度には負の値がない。このような概念ベースは、テキ
ストデータより単語の出現頻度に基づいて属性ベクトル
を生成するときに得られる。

【００６４】図６は、シソーラス１６を示す図である。
シソーラス１６は、概念ベース１２に含まれる属性ベク
トルの属性について、同じ内容の属性を同一のカテゴリ
に分類して分類名が付与されたデータである。シソーラ
ス１６では、属性として類似しかつ対義である２属性が
予め同一カテゴリに分類されている。この例では、類似
しかつ対義である属性「上」と「下」が分類名「位置」
が指す分類に入り、それ以外の属性は個別に１つずつ分
類されている。なお、分類名は、各々の分類を識別でき
るならば、単語であっても数字や記号であっても構わな
い。

【００６５】差ベクトル計算手段１４Ａは、属性ベクト
ル１と属性ベクトル２についての同一属性が、シソーラ
ス１６に分類された、類似しかつ対義である２属性に一
致する場合には、該２属性についての差異の程度を差ベ
クトルに含ませるようになっている。

【００６６】次に、第２の実施の形態の作用を説明す
る。図７は、第２の実施の形態の作用を示すフローチャ
ートである。ここでは、単語１を「上流」、単語２を
「下流」とする。両方の単語は、概念ベース１２Ａに含
まれている。まず、単語１「上流」、単語「下流」を読
み込む（ステップＳ１１）。

【００６７】次に、属性ベクトル保持手段１１は、概念
ベース１２Ａより、単語１「上流」の属性ベクトル（0.
152, 0.380, 0.304, 0.608, 0.000, 0.608, 0.000）を
読み込む（ステップＳ１２）。また、属性ベクトル保持
手段１１は続けて、概念ベース１２Ａより、単語２「下
流」の属性ベクトル（0.076, 0.383, 0.306, 0.000,0.6
13, 0.613, 0.000）を読み込む（ステップＳ１３）。

【００６８】類似度計算手段１３は、「上流」の属性ベ
クトルと「下流」の属性ベクトルより、類似度を計算す
る（ステップＳ４）。ここでは、２つの属性ベクトルの
同一の属性の重要度を掛け合わせて、その結果を足した
もの、つまり積の総和を類似度とする。類似度は、次の
ように0.623となる。

【００６９】 類似度＝0.152×0.076＋0.380×0.383＋0.304×0.306＋0.608×0.000 ＋0.000×0.613＋0.608×0.613＋0.000×0.000 ＝0.623 差ベクトル計算手段１４Ａでは、属性ベクトル１、属性
ベクトル２及びシソーラス１６より差ベクトルを計算す
る（ステップＳ１５）。

【００７０】ここで差ベクトルは、シソーラスの分類
「山」、「水」、「移動」、「位置」ごとに設定された
値を要素としたベクトルとし、その値は、ただ１つの属
性を保有する分類では０とする。また、類似しかつ対義
である２属性を保有する分類では、２つの属性ベクトル
の対応する属性の重要度の和の積とする。

【００７１】差ベクトル計算手段１４Ａは、シソーラス
１６では、類似しかつ対義である２属性が含まれる分類
は「位置」であり、その２属性「上」と「下」が、属性
ベクトル１及び属性ベクトル２における同一属性「山
地」、「水」、「流れ」、「上」、「下」、「階級」、
「職業」に含まれるので、「位置」を属性としたときの
要素を差ベクトルの要素とする。

【００７２】差ベクトル計算手段１４Ａは、要素の値
を、属性ベクトル１中の属性「上」の重要度0.608と
「下」の重要度0.000の和0.608と、属性ベクトル２中の
属性「上」の重要度０と「下」の重要度0.613の和0.613
の積0.373とする。

【００７３】 差ベクトル＝(0,0,0,(0.608＋0.00）×(0.000＋0.613)) (0,0,0,0.373) 対義度計算手段１５は、類似度計算手段１３で計算され
た類似度0.623と、差ベクトル計算手段５で計算された
差ベクトル(0,0,0,0.373)より対義度を計算する（ステ
ップＳ６）。

【００７４】ここでは対義度を、類似度と、差ベクトル
の要素の中の最大値との積とする。差ベクトル中の要素
の最大値は0.373であり、類似度は0.623であるので、対
義度は0.373×0.623＝0.232となる。

【００７５】最後に、対義度検出装置１Ａは、関連性判
別結果として対義度0.232を出力する（ステップＳ
７）。

【００７６】同様にして、「上流」に対して、概念ベー
ス１２Ａに含まれている「水流」、「山脈」、「下積
み」の対義度を計算すると、それぞれ0.207, 0.141, 0.
127となる。例えば、これらの数値を比較すると、「上
流」と「下流」の対義度0.232が最大となり、概念ベー
ス１２Ａに含まれる単語の中で「上流」に対して対義度
が最大となる単語は「下流」となる。

【００７７】なお、上記説明した処理を実行する本発明
に係る対義度検出プログラムは、半導体メモリ、磁気デ
ィスク、光ディスク、光磁気ディスク、磁気テープなど
のコンピュータ読み取り可能な記録媒体に記録したり、
インターネットなどの通信網を介して伝送させて、広く
流通させることができる。

【００７８】

【発明の効果】以上説明したように、本発明によれば、
与えられる第１及び第２の単語のそれぞれに対する第１
及び第２の属性ベクトルをデータベースに蓄積されたも
のから選択し、第１及び第２の属性ベクトルを用いて、
第１及び第２の単語同士の類似の程度である類似度を求
め、第１及び第２の属性ベクトルにおける同一属性につ
いての差異の程度を要素にもつ差ベクトルを求め、差ベ
クトルにおける要素のばらつきと類似度のいずれもが大
きくなった場合に大きくなるような値を対義度として求
めるので、与えられる２単語の相互に反対の意味を持つ
程度を対義度として検出できる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態の対義度検出装置１
の構成を示す図である。

【図２】概念ベース１２を示す図である。

【図３】第１の実施の形態の作用を示すフローチャート
である。

【図４】本発明の第２の実施の形態の対義度検出装置１
Ａの構成を示す図である。

【図５】概念ベース１２Ａを示す図である。

【図６】第２の実施の形態の作用を示すフローチャート
である。

【図７】シソーラス１６を示す図である。

【符号の説明】

１，１Ａ 対義度検出装置 １１ 属性ベクトル保持手段 １２，１２Ａ 概念ベース １３ 類似度計算手段 １４，１４Ａ 差ベクトル計算手段 １５ 対義度計算手段 １６ シソーラス

フロントページの続き (72)発明者 稲子 希望 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 Ｆターム(参考） 5B075 ND03 NK06 NK32 PR06 QM08 UU01 5B091 AA15 CC02 CC04 CC16

Claims (19)

【特許請求の範囲】
1. 【請求項１】 単語と該単語が有する属性ごとの重要度
   とを要素にもつ属性ベクトルが蓄積されるデータベース
   と、 与えられる第１及び第２の単語のそれぞれに対する第１
   及び第２の属性ベクトルを前記データベースに蓄積され
   たものから選択する属性ベクトル選択手段と、 前記第１及び第２の属性ベクトルを用いて前記第１及び
   第２の単語同士の類似の程度である類似度を求める類似
   度計算手段と、 前記第１及び第２の属性ベクトルにおける同一属性につ
   いての差異の程度を要素にもつ差ベクトルを求める差ベ
   クトル計算手段と、 前記差ベクトルにおける要素のばらつきと前記類似度の
   いずれもが大きくなった場合に大きくなるような値を対
   義度として求める対義度計算手段とを備える対義度検出
   装置。
2. 【請求項２】 前記差ベクトル計算手段は、前記同一属
   性の要素同士の差の絶対値を差ベクトルの要素とするこ
   とを特徴とする請求項１記載の対義度検出装置。
3. 【請求項３】 前記差ベクトル計算手段は、前記同一属
   性の中の、属性として類似しかつ対義である２属性につ
   いての差異の程度を差ベクトルの要素とすることを特徴
   とする請求項１記載の対義度検出装置。
4. 【請求項４】 前記差ベクトル計算手段は、類似しかつ
   対義である２属性が予めシソーラスの同一の分類に属性
   として含まれている場合には、該２属性についての差異
   の程度を差ベクトルの要素とすることを特徴とする請求
   項１記載の対義度検出装置。
5. 【請求項５】 前記類似度計算手段は、前記類似度とし
   て、前記第１及び第２の属性ベクトルの要素同士の積の
   総和を求めることを特徴とする請求項１ないし４のいず
   れかに記載の対義度検出装置。
6. 【請求項６】 前記対義度計算手段は、前記対義度とし
   て、前記差ベクトルの要素の中の最大値と類似度との積
   を求めることを特徴とする請求項１ないし５のいずれか
   に記載の対義度検出装置。
7. 【請求項７】 単語と該単語が有する属性ごとの重要度
   とを要素にもつ属性ベクトルがデータベースに蓄積され
   るときの対義度検出方法であって、 与えられる第１及び第２の単語のそれぞれに対する第１
   及び第２の属性ベクトルを前記データベースに蓄積され
   たものから選択する属性ベクトル選択ステップと、 前記第１及び第２の属性ベクトルを用いて前記第１及び
   第２の単語同士の類似の程度である類似度を求める類似
   度計算ステップと、 前記第１及び第２の属性ベクトルにおける同一属性につ
   いての差異の程度を要素にもつ差ベクトルを求める差ベ
   クトル計算ステップと、 前記差ベクトルにおける要素のばらつきと前記類似度の
   いずれもが大きくなった場合に大きくなるような値を対
   義度として求める対義度計算ステップとを備える対義度
   検出方法。
8. 【請求項８】 前記差ベクトル計算ステップでは、前記
   同一属性の要素同士の差の絶対値を差ベクトルの要素と
   することを特徴とする請求項７記載の対義度検出方法。
9. 【請求項９】 前記差ベクトル計算ステップでは、前記
   同一属性の中の、属性として類似しかつ対義である２属
   性についての差異の程度を差ベクトルの要素とすること
   を特徴とする請求項７記載の対義度検出方法。
10. 【請求項１０】 前記差ベクトル計算ステップでは、類
    似しかつ対義である２属性が予めシソーラスの同一の分
    類に属性として含まれている場合には、該２属性につい
    ての差異の程度を差ベクトルの要素とすることを特徴と
    する請求項７記載の対義度検出方法。
11. 【請求項１１】 前記類似度計算ステップでは、前記類
    似度として、前記第１及び第２の属性ベクトルの要素同
    士の積の総和を求めることを特徴とする請求項７ないし
    １０のいずれかに記載の対義度検出方法。
12. 【請求項１２】 前記対義度計算ステップでは、前記対
    義度として、前記差ベクトルの要素の中の最大値と類似
    度との積を求めることを特徴とする請求項７ないし１１
    のいずれかに記載の対義度検出方法。
13. 【請求項１３】 単語と該単語が有する属性ごとの重要
    度とを要素にもつ属性ベクトルがデータベースに蓄積さ
    れるときの対義度検出プログラムであって、 与えられる第１及び第２の単語のそれぞれに対する第１
    及び第２の属性ベクトルを前記データベースに蓄積され
    たものから選択する属性ベクトル選択ステップと、 前記第１及び第２の属性ベクトルを用いて前記第１及び
    第２の単語同士の類似の程度である類似度を求める類似
    度計算ステップと、 前記第１及び第２の属性ベクトルにおける同一属性につ
    いての差異の程度を要素にもつ差ベクトルを求める差ベ
    クトル計算ステップと、 前記差ベクトルにおける要素のばらつきと前記類似度の
    いずれもが大きくなった場合に大きくなるような値を対
    義度として求める対義度計算ステップとを備える対義度
    検出プログラム。
14. 【請求項１４】 前記差ベクトル計算ステップでは、前
    記同一属性の要素同士の差の絶対値を差ベクトルの要素
    とすることを特徴とする請求項１３記載の対義度検出プ
    ログラム。
15. 【請求項１５】 前記差ベクトル計算ステップでは、前
    記同一属性の中の、属性として類似しかつ対義である２
    属性についての差異の程度を差ベクトルの要素とするこ
    とを特徴とする請求項１３記載の対義度検出プログラ
    ム。
16. 【請求項１６】 前記差ベクトル計算ステップでは、類
    似しかつ対義である２属性が予めシソーラスの同一の分
    類に属性として含まれている場合には、該２属性につい
    ての差異の程度を差ベクトルの要素とすることを特徴と
    する請求項１３記載の対義度検出プログラム。
17. 【請求項１７】 前記類似度計算ステップでは、前記類
    似度として、前記第１及び第２の属性ベクトルの要素同
    士の積の総和を求めることを特徴とする請求項１３ない
    し１６のいずれかに記載の対義度検出プログラム。
18. 【請求項１８】 前記対義度計算ステップでは、前記対
    義度として、前記差ベクトルの要素の中の最大値と類似
    度との積を求めることを特徴とする請求項１３ないし１
    ７のいずれかに記載の対義度検出プログラム。
19. 【請求項１９】 単語と該単語が有する属性ごとの重要
    度とを要素にもつ属性ベクトルがデータベースに蓄積さ
    れるときの対義度検出プログラムが記録された記録媒体
    であって、 与えられる第１及び第２の単語のそれぞれに対する第１
    及び第２の属性ベクトルを前記データベースに蓄積され
    たものから選択する属性ベクトル選択ステップと、 前記第１及び第２の属性ベクトルを用いて前記第１及び
    第２の単語同士の類似の程度である類似度を求める類似
    度計算ステップと、 前記第１及び第２の属性ベクトルにおける同一属性につ
    いての差異の程度を要素にもつ差ベクトルを求める差ベ
    クトル計算ステップと、 前記差ベクトルにおける要素のばらつきと前記類似度の
    いずれもが大きくなった場合に大きくなるような値を対
    義度として求める対義度計算ステップとを備える対義度
    検出プログラムが記録された記録媒体。