JP2003150624A - 情報抽出装置および情報抽出方法 - Google Patents

Abstract

(57)【要約】 【課題】 従来は、処理単位が文に限定されており、見
出しや箇条書き、表などの構造の文書を考慮していない
ため、構造化された文書において、文書全体に渡った情
報を抽出できなかった。 【解決手段】 質問から抽出文字列タイプ、属性名、検
索語を抽出する質問文解析手段、文書へのリンクのリス
トを得る文書検索手段、リンク用いて文書を収集する文
書収集手段、収集文書とリンクをカテゴリに分類する文
書分類手段、収集文書から文書ブロックを抽出する文書
ブロック抽出手段、複数の解析処理係数を用いて文書ブ
ロックから解答候補の文字列と信頼度を抽出する情報抽
出手段、カテゴリに応じて解析処理係数を設定する情報
抽出制御手段、同じ文字列の信頼度を集計する抽出結果
統合手段、文書ブロックから表示用データを生成する抽
出結果出力手段を備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明はユーザの入力した
質問文に対する回答をインターネット等のネットワーク
上から収集した文書より抽出する情報抽出装置および情
報抽出方法に関するものである。

【０００２】

【従来の技術】近年、インターネット等のネットワーク
に接続された情報端末の利用者は急速に増加している。
それに伴い、ネットワークで公開される文書の量も急速
に増加している。これら大量の文書の中から必要な情報
を取得するための従来技術として、全文検索システム
（通称、ロボット検索）がある。全文検索システムで
は、ネットワークで公開されている文書の中から、検索
条件として指定された単語（キーワード）が記載されて
いる文書をすべて抽出し検索結果として返してくるもの
である。しかし、従来の検索システムでは、検索結果の
文書は指定したキーワードを１語でも含めば抽出してし
まうので、利用者が本来ターゲットとした以外の文書ま
で入手してしまい、入手した文書の中から利用者自身が
必要な情報を取り出さなければならず、情報を抽出する
際の作業負担を利用者に強いるという問題があった。

【０００３】上記の問題に応えるものとして、例えば特
開平７−５６９５４号公報「文書検索方法」で開示され
る技術がある。図３０はその技術の動作を説明するフロ
ーチャートである。ステップＳＴ３１において、ネット
ワークから検索した結果を一次文書として入力する。ス
テップＳＴ３２では、一次文書の入力列を解析し、また
一次文書の予備仮説を生成する。予備仮説は、文書中に
整合文を見出し、これらの整合文を採点し、整合文と一
次文書内の近隣文から名詞句を抽出する。さらに抽出し
た名詞句を採点し、予備仮説のランク付けしたリストを
生成する。ステップＳＴ３２の結果は選択された仮説の
群となる。得られたこの仮説の群はステップＳＴ３４で
検証される。そのために、辞書式構文解析、テンプレー
ト照合、随意的な等価仮説の関連付け等が用いられる。
検証の結果は、検証証拠の集合、および随意的な各仮説
についての関連付け情報として得られる。ステップＳＴ
３５では、採点スキームに従い仮説のランク付けを実行
する。このステップの目的は、入力列に尤も応答的であ
りそうな回答仮説を最高位にランク付けすることであ
り、結果として解答仮説の順序化されたリストを得てス
テップＳＴ３６で出力表示する。このように従来の情報
抽出方法は、文書集合から質問文の答えを抽出する際
に、質問文中の単語を抽出し、対象文書内で同単語との
構文的関係から回答候補を推測し、かつ質問の答えを特
定するための情報が複数の文書に分散して記述されてい
る場合に、これらの記述を統合して答えを特定するもの
である。

【０００４】

【発明が解決しようとする課題】従来の情報抽出方法は
以上のように構成されているので、検索の対象がプレイ
ンテキストで、処理単位が文に限定されており、インタ
ーネットにおけるＨＴＭＬ文書等のように文書中に見出
しや箇条書き、表などの構造を有した文書を対象とした
処理については考慮していない。そのため、構造化され
た文書において、文書全体に渡って記述された情報を抽
出できないという課題があった。

【０００５】この発明は上記のような課題を解決するた
めになされたもので、処理対象の文の形式を分類し、各
形式に応じた情報抽出処理を行うことで、構造を持った
文書に対しても的確に質問文の答えを抽出できる情報抽
出装置および情報抽出方法を得ることを目的とする。

【０００６】

【課題を解決しようとする手段】この発明に係る情報抽
出装置は、ユーザが入力した質問文中の疑問詞の種類か
ら質問文の答えとして求める文字列の種類を表す抽出文
字列タイプを特定すると共に、質問文から抽出文字列に
関連する属性名と、疑問詞や属性名以外の自立語からな
る検索語とを抽出する質問文解析手段と、抽出された検
索語と属性名を検索条件としてネットワーク上の文書を
検索し、検索結果として文書へのリンクのリストを得る
文書検索手段と、文書へのリンクにアクセスして該当す
る各文書をネットワークから収集して格納する文書収集
手段と、収集された文書と文書へのリンクを文書収集手
段から取得し予め用意された分類ルールに従ってカテゴ
リに分類する文書分類手段と、収集された文書を文書収
集手段から取得し検索語、属性名および抽出文字列タイ
プをすべて含む文書ブロックを抽出する文書ブロック抽
出手段と、一つの文書ブロックに対して適用するそれぞ
れ異なる解析処理方法を持つ複数の文字列抽出手段を用
い、抽出された文書ブロックから検索語、属性名および
抽出文字列タイプを用い質問文の解答候補となる文字列
および質問文に対する答えとしての当該文字列の信頼度
を抽出する情報抽出手段と、文書収集手段から収集され
た文書を順次に取得して文書分類手段と文書ブロック抽
出手段の動作を制御し、かつ文書分類手段で分類された
カテゴリに応じて文字列抽出手段のそれぞれが受け持つ
解析処理係数の組み合わせを設定し情報抽出手段の動作
を制御する情報抽出制御手段と、抽出された文字列のう
ちの同じ文字列について信頼度を集計し、抽出された文
字列、信頼度、集計された信頼度、抽出された文書ブロ
ックおよび信頼度からなる組を出力する抽出結果統合手
段と、集計された信頼度の順位に基づいて抽出された文
書ブロックから表示用データを生成する抽出結果出力手
段とを備えたものである。

【０００７】この発明に係る情報抽出装置は、質問文解
析手段が、疑問詞と係り受け関係にある自立語を属性名
と判定し抽出する属性名判定手段を有したものである。

【０００８】この発明に係る情報抽出装置は、質問文解
析手段が、疑問詞の省略された質問文の文末にある自立
語を属性名と推定し抽出する属性名推定手段を有したも
のである。

【０００９】この発明に係る情報抽出装置は、質問文解
析手段が、疑問詞とこの疑問詞に対応する抽出文字列タ
イプを定義した疑問詞辞書と、抽出された疑問詞に基づ
いて疑問詞辞書を参照し該当する抽出文字列タイプを出
力する抽出文字列タイプ判定手段を有したものである。

【００１０】この発明に係る情報抽出装置は、質問文解
析手段が、属性名とこの属性名に対応する抽出文字列タ
イプを定義した属性名辞書と、推定された属性名に基づ
いて属性名辞書を参照し該当する抽出文字列タイプを推
定し出力する抽出文字列タイプ推定手段を有したもので
ある。

【００１１】この発明に係る情報抽出装置は、文書検索
手段が、複数の検索エンジンに対して検索語および属性
名を検索条件として与え、複数の検索エンジンが収集し
た各検索結果である文書へのリンクのリストを一つのリ
ストに統合する検索エンジン制御手段を有したものであ
る。

【００１２】この発明に係る情報抽出装置は、文書検索
手段が、検索語の分野の検索に適した検索エンジンを判
定する分野判定手段と、この分野判定手段により判定さ
れた検索エンジンを複数の検索エンジンの中から選択す
る検索エンジン選択手段とを有したものである。

【００１３】この発明に係る情報抽出装置は、抽出結果
出力手段が、抽出された文字列、検索語および属性名を
含む要約文書を抽出された文書ブロックから作成する文
書要約手段と、抽出された文字列と要約文書とからなる
組で表示用データを生成する抽出結果整形手段とを有し
たものである。

【００１４】この発明に係る情報抽出装置は、抽出結果
出力手段が、抽出された文字列と抽出された文書ブロッ
クとからなる組で表示用データを生成する抽出結果整形
手段を有したものである。

【００１５】この発明に係る情報抽出方法は、ユーザが
入力した質問文中の疑問詞の種類から質問文の答えとし
て求める文字列の種類を表す抽出文字列タイプを特定
し、質問文から抽出文字列に関連する属性名と、疑問詞
や属性名以外の自立語からなる検索語とを抽出し、抽出
された検索語と属性名を検索条件としてネットワーク上
の文書を検索して検索結果として文書へのリンクのリス
トを取得し、文書へのリンクにアクセスして該当する各
文書をネットワークから収集し、収集された文書と文書
へのリンクを予め用意された分類ルールに従ってカテゴ
リに分類し、収集された文書から検索語、属性名および
抽出文字列タイプをすべて含む文書ブロックを抽出し、
一つの文書ブロックにそれぞれ適用する異なる複数の解
析処理方法において各解析処理係数をカテゴリに応じて
設定し、抽出された文書ブロックに解析処理方法を適用
することにより検索語、属性名および抽出文字列タイプ
に基づいて質問文の解答候補となる文字列および質問文
に対する答えとしての当該文字列の信頼度を抽出し、抽
出された文字列のうちの同じ文字列について信頼度を集
計し、集計された信頼度の順位に基づいて抽出された文
書ブロックから表示用データを生成するようにしたもの
である。

【００１６】この発明に係る情報抽出方法は、抽出され
た疑問詞と係り受け関係にある自立語を属性名と判定し
抽出するようにしたものである。

【００１７】この発明に係る情報抽出方法は、疑問詞の
省略された質問文の文末にある自立語を属性名と推定し
抽出するようにしたものである。

【００１８】この発明に係る情報抽出方法は、疑問詞と
この疑問詞に対応する抽出文字列タイプの関係予め設け
た定義を参照し、抽出された疑問詞について該当する抽
出文字列タイプを推定するようにしたものである。

【００１９】この発明に係る情報抽出方法は、属性名と
この属性名に対応する抽出文字列タイプの関係を予め設
けた定義を参照し、推定された属性名について該当する
抽出文字列タイプを推定するようにしたものである。

【００２０】この発明に係る情報抽出方法は、ネットワ
ーク上の文書を検索して文書へのリンクのリストを取得
する際に、複数の検索エンジンに対して検索語および属
性名を検索条件として与え、複数の検索エンジンが収集
した各検索結果である文書へのリンクのリストを一つの
リストに統合するようにしたものである。

【００２１】この発明に係る情報抽出方法は、ネットワ
ーク上の文書を検索して文書へのリンクのリストを取得
する際に、検索語の分野の検索に適した検索エンジンを
判定し、判定された検索エンジンを複数の検索エンジン
の中から選択するようにしたものである。

【００２２】この発明に係る情報抽出方法は、抽出され
た文字列、検索語および属性名を含む要約文書を抽出さ
れた文書ブロックから作成し、抽出された文字列と要約
文書とからなる組で表示用データを生成するようにした
ものである。

【００２３】この発明に係る情報抽出方法は、抽出され
た文字列と抽出された文書ブロックとからなる組で表示
用データを生成するようにしたものである。

【００２４】

【発明の実施の形態】以下、この発明の実施の一形態を
説明する。 実施の形態１．図１はこの発明の実施の形態１における
情報抽出装置の構成を示すブロック図である。図におい
て、１は質問文解析手段で、ユーザが入力した質問文を
入力として受け取り、質問文中の疑問詞の種類から質問
文の答えとして求めるための文字列の種類を表す抽出文
字列タイプを判別して特定し、かつ質問文から属性名お
よび検索語を抽出する手段である。ここで、抽出文字列
とは、この情報抽出装置がユーザの入力した質問文の答
えとしてインターネット等のネットワーク上に開示され
ている文書から抽出する、あるいは抽出された文字列の
ことである。また、抽出文字列タイプとは、「人名」、
「場所名」、「時間」、「日付」、「金額」、「長さ」
などのように抽出文字列の種類を表す。さらに、属性名
とは、抽出文字列との関連が強い自立語である。検索語
は、質問文中の疑問詞と属性名以外の全ての自立語であ
る。

【００２５】２は文書検索手段で、質問文解析手段１に
より抽出された検索語と属性名を入力とし、これらの語
を検索条件としてネットワーク上の文書を検索し、検索
結果として文書へのリンクのリストを出力する手段であ
る。ここで、文書へのリンクとは、ネットワーク中にお
ける文書の所在を一意に決定する文字列であり、通常、
複数のリンクが検索されるのでリストにする。３は文書
収集手段で、検索結果である文書へのリンクを受け取
り、リスト上の文書へのリンクに順次アクセスして該当
する各文書をネットワークから取得し、内部の記録装置
に格納する手段である。

【００２６】５は文書分類手段で、文書収集手段３から
順次入力される処理対象の文書と文書へのリンクのリス
トに対し予め用意された分類ルールに従ってカテゴリに
分類する手段である。６は文書ブロック抽出手段で、文
書収集手段３から順次入力される処理対象の文書から検
索語、属性名および抽出文字列タイプをすべて含む文書
ブロックを情報抽出対象となる部分として抽出する手段
である。

【００２７】７は情報抽出手段で、文書ブロックに対す
る解析処理方法がそれぞれ異なる複数の文字列抽出手段
７１（１）〜７１（ｎ）により構成され、質問文解析手
段１からの検索語、属性名および抽出文字列タイプを用
い文書ブロック抽出手段６からの処理対象の文書ブロッ
クから回答候補となる文字列と、質問文に対する答えと
しての信頼度の組を出力する手段である。文字列抽出手
段７１（１）〜７１（ｎ）は、質問文解析結果である検
索語、属性名および抽出文字列タイプと、処理対象の文
書ブロックを入力とし、文書ブロックから抽出文字列タ
イプに合致する文字列を抽出し、質問文に対する答えと
しての抽出文字列の信頼度を求める手段である。ここ
で、信頼度とは、抽出文字列がユーザの入力した質問文
の答えである確率を示したパラメータであり、文字列抽
出手段７１（１）〜７１（ｎ）に与えられたそれぞれの
抽出処理係数と、文字列抽出手段７１（１）〜７１
（ｎ）内での処理内容によって決まる抽出処理信頼度を
掛け合わせたものである。抽出処理係数の値は、処理対
象としている文書のカテゴリに応じて変化させるものと
する。

【００２８】４は情報抽出制御手段で、文書収集手段３
から収集された文書を順次に取得して文書分類手段５と
文書ブロック抽出手段６の動作を制御し、かつ文書分類
手段５で分類されたカテゴリに応じて文字列抽出手段７
１（１）〜７１（ｎ）のそれぞれが受け持つ解析処理係
数の組み合わせを設定し情報抽出手段７の動作を制御す
る手段である。

【００２９】８は抽出結果統合手段で、抽出された文字
列のうちの同じ文字列について信頼度を集計し、抽出さ
れた文字列、信頼度、集計された信頼度および抽出され
た文書ブロックからなる組を出力する手段である。９は
抽出結果出力手段で、集計された信頼度の順位に基づい
て抽出された文書ブロックから表示用データを得る手段
である。詳しくは、抽出された文字列を基準として信頼
度の高い順位に並べられた抽出された文書ブロックから
検索語、属性名、抽出された文字列のいずれかを含む所
定の長さの文字列をそれぞれ取り出して連結することに
より要約文書を生成し、質問文、抽出された文字列、取
集計された信頼度および要約文書からなる表示用データ
を得る。

【００３０】次に情報抽出装置の動作について説明す
る。図２は実施の形態１による情報抽出装置の一連動作
を示すフローチャートである。まず、ステップＳＴ１に
おいて、質問文解析手段１は、ユーザが入力した質問文
を解析し、抽出文字列タイプを判別し、属性名および検
索語を抽出する。質問文解析手段１は、図３に示される
構成例を備えている。図３において、１１は形態素解析
手段、１２は構文解析手段、１３１は属性名判定手段、
１３２は属性名推定手段、１４１は疑問詞辞書、１４２
は抽出文字列タイプ判別手段、１４３は抽出文字列タイ
プ推定手段である。

【００３１】形態素解析手段１１は、図４に例示すよう
にユーザの入力した質問文を単語（下線部）に分解す
る。形態素解析処理については言語解析の分野では周知
の処理であるので、その詳細説明については省略する。
次に、構文解析手段１２により、文書中の単語の品詞や
係り受け関係等の文法情報を用いて疑問詞、属性名およ
び検索語を抽出する。属性名判定手段１３１は、質問文
から抽出された疑問詞と係り受け関係にある自立語を属
性名として抽出する。また、質問文中の疑問詞と属性名
以外の全ての自立語を検索語とする。図４の質問文で
は、疑問詞は「いつ」に該当し、属性名は「発売日」に
該当する。検索語としては「ディジタル」、「保護リレ
ー」が該当する。構文解析処理中の係り受け関係につい
ても言語解析の分野では周知の処理であるので、その詳
細説明については省略する。

【００３２】抽出文字列タイプ判別手段１４２は、疑問
詞辞書１４１を参照して、疑問詞から質問文の答えを求
めるための抽出文字列タイプを判定する。疑問詞辞書１
４１には、図５に示すように疑問詞とそれに対応する抽
出文字列タイプが定義されている。図４に示す質問文で
は、疑問詞は「いつ」となるから、その抽出文字列タイ
プは「日付」となる。

【００３３】なお、質問文において「ディジタル保護リ
レーの発売日は？」の様に疑問詞が省略される場合があ
る。このようなケースには、属性名推定手段１３２が対
応する。属性名推定手段１３２は、文末にある自立語を
属性名として推定し出力する。この場合、質問文に疑問
詞を伴わないので、抽出文字列タイプは、抽出文字列タ
イプ推定手段１４３により属性名を用いて推定される。
抽出文字列タイプ推定手段１４３は、図６に示す属性名
辞書１４４を参照して、属性名推定手段１３２で推定さ
れた属性名から抽出文字列タイプを推定する。属性名辞
書１４４には、図７に示すように属性名とそれに対応す
る抽出文字列タイプが定義されている。ここの例では、
文末にある自立語が「発売日」であるから、推定された
属性名は「発売日」となり、属性名に対応する抽出文字
列タイプは「日付」となる。以上の処理により、ステッ
プＳＴ１において、質問文解析手段１はユーザの入力し
た質問文から抽出文字列タイプ、属性名、検索語を出力
する。

【００３４】次に、ステップＳＴ２において文書検索を
行う。文書検索手段２は、質問文解析手段１から得られ
た検索語および属性名を検索条件としてインターネット
等のネットワーク上で開示されている文書を検索し、検
索結果を文書へのリンクのリストとして出力する。検索
処理は、一般にインターネット等の検索エンジンとして
用いられている様々な既存技術を用いることで行える。
この場合、文書検索結果には、検索要求を満たす文書の
一覧が文書へのリンクのリストとして表現される。ここ
で、文書へのリンクとは、ネットワーク中における文書
の所在を一意に決定する文字列であり、例えばインター
ネットにおいては周知のＵＲＬ（Uniform Resource Loc
ator）を文書へのリンクとして利用できる。また、検索
語および属性名から検索要求を作成する際に、検索語お
よび属性名に含まれる単語の類義語を求め、これらの類
義語を検索要求に追加することにより、より広範に文書
を検索することも可能となる。ここで用いる類義語展開
方法としては、類義語辞書を用いる方法などがあるが、
言語解析の分野では周知の処理であるので、その説明に
ついては省略する。

【００３５】図８は文書検索手段２の構成例を示し、図
において、２１は分野判定手段、２２は分野判定辞書、
２３は検索エンジン選択手段、２４は検索エンジン制御
手段、２５（１）〜２５（ｎ）は検索エンジンである。
まず分野判定手段２１は、検索要求の語（検索語）と分
野判定辞書２２の内容とを照合し、その検索要求の語の
分野の検索に適した検索エンジンを判定する。分野判定
辞書２２には、図９に示すように、検索要求の語、その
選択に適した検索エンジンの名前および重みの組が定義
されている。分野判定手段２１は、検索要求の中の各語
を分野判定辞書２２と照合し、検索要求の語の欄に一致
する項目があれば、選択する検索エンジンの名前と重み
を出力する。

【００３６】検索要求中のすべての語について照合した
後、検索エンジン選択手段２３により、分野判定手段２
１の処理結果を検索エンジンの名前ごとに重みを足し合
わせ、最も重みの大きい検索エンジンの名前に該当する
ものを検索エンジン２５（１）〜２５（ｎ）の中から選
択する。また、利用する検索エンジンの数を予め定義し
ておき、重みの値の上位から予め定義した件数分の検索
エンジンを選択するようにしてもよい。次に、検索エン
ジン制御手段２４は、検索エンジン選択手段２３により
選択された検索エンジンに対して検索要求を送る。選択
されたすべての検索エンジンからの検索結果を取得し終
わると、その各検索エンジンの検索結果である文書への
リンクのリストをすべてつなぎ合わせ、一つのリストに
統合する。このとき、リスト内で同一の文書へのリンク
が重複しないようにするため、すでにリストに登録した
文書へのリンクをリストには追加しないようにする。以
上の処理により、ステップＳＴ２では、文書検索手段２
は検索語および属性名を検索条件として検索した結果を
文書へのリンクのリストとして出力する。

【００３７】次に、ステップＳＴ３において、文書収集
を行う。文書収集手段３は検索結果である文書へのリン
クのリストに示された各文書をネットワーク経由で取得
し、文書収集手段３内の記録装置（パソコンの場合、ハ
ードディスク上の指定されたファイル）に文書へのリン
クのリストと共に格納する。ここでの文書格納方法は、
文書検索結果のリンクのリストと収集した文書がそれぞ
れ１対１に対応していることが保証されるものであれ
ば、様々な既存技術を用いることができる。以上の処理
により、文書収集ステップＳＴ３では、文書収集手段３
は文書検索結果として文書へのリンクのリストで示され
た文書を記録装置に格納する。

【００３８】次に、ステップＳＴ４において、情報抽出
制御を行う。情報抽出制御手段４は、文書収集手段３が
収集した文書を一つずつ処理し、各文書から質問文の解
答候補となる文字列および当該文字列の前記質問文に対
する答えとしての信頼度の組を抽出するための制御を行
う。図１０に情報抽出制御（ステップＳＴ４）の詳細手
順を示す。ステップＳＴ４は、ステップＳＴ５〜ＳＴ７
を含める手順として考えられる。情報抽出制御手段４
は、文書収集手段３内の記録装置に格納する収集された
文書を一つずつ取得し（ステップＳＴ４２）、文書分類
（ステップＳＴ５）、文書ブロック抽出（ステップＳＴ
６）、抽出処理係数判定（ステップＳＴ４３）および情
報抽出（ステップＳＴ７）の各処理を行わせる。文書収
集手段３内の記録装置に格納された文書についてすべて
処理し終わると情報抽出制御（ステップＳＴ４）は終了
する。以下、これらの各ステップに従って動作を説明す
る。

【００３９】ステップＳＴ５において、文書分類手段５
は、文書収集手段３から順次取得した文書と文書へのリ
ンクを形式と所在に基づいたカテゴリに分類する。図１
１は文書分類手段５の構成例を示し、図において、５１
は文書と文書へのリンクから文書を文書形式に基づいて
分類する文書形式分類手段で、パタン比較手段５１１と
文書形式分類ルール５１２から構成されている。５２は
文書を文書所在に基づいて分類する文書所在分類手段
で、パタン比較手段５２１と文書所在分類ルール５２２
から構成されている。

【００４０】文書形式分類手段５１は、パタン比較手段
５１１により文書と文書形式分類ルール５１２に定義さ
れているルールとの比較を行う。文書形式分類ルール５
１２は、図１２に示すようにルールＮｏ、条件、分類先
の組で構成される。ルールの条件は、パタン表記の一般
的な手法である正規表現を用いているが、パタン表記方
法を限定するものではない。また、正規表現は言語解析
の分野では周知の処理であるので、ここではその詳細説
明については省略する。図１２の例では、パタン表記に
おける特殊記号として任意の１文字を表す「．」、直前
の文字の繰り返しを表す「＊」を用いている。また、パ
タンマッチで一致した文字列を格納するための変数とし
て「￥１」〜「￥３」、２つの変数に格納された文字列
が一致することを示す演算子として「＝＝」、変数に格
納された文字列の長さを表すオペレータとして「．ｌｅ
ｎｇｔｈ」、整数の加算演算子として「＋」、整数の比
較演算子として「＜＝」を用いている。ルール比較で
は、文書ブロックと文書形式分類ルール５１２に定義さ
れているルールとを、ルールＮｏ．の順に比較し、ルー
ルの条件が文書ブロックの記述と一致した段階で、ルー
ルに記されている分類先カテゴリのラベルを文書形式分
類結果として出力し終了する。

【００４１】次に、文書所在分類手段５２は、パタン比
較手段５２１により文書へのリンクと文書所在分類ルー
ル５２２に定義されているルールとの比較を行う。文書
所在分類ルール５２２は、図１３に示すようにルールＮ
ｏ、条件、分類先の組で構成される。ルールの条件は、
パタン表記の一般的な手法である正規表現を用いている
が、パタン表記方法を限定するものではない。また、正
規表現は言語解析の分野では周知の処理であるので、こ
こではその詳細説明は省略する。図１３の例では、パタ
ン表記における特殊記号として任意の１文字を表
す「．」、直前の文字の繰り返しを表す「＊」を用いて
いる。ルール比較では、パタン比較手段５２１は、文書
へのリンクと文書所在分類ルール５２２に定義されてい
るルールとを、ルールＮｏの順に比較し、ルールの条件
が文書へのリンクと一致した段階で、ルールに記されて
いる分類先カテゴリのラベルを文書所在分類結果として
出力する。以上の処理により、ステップＳＴ５では、文
書分類手段５は文書をカテゴリに分類し、文書の形式と
所在に関する分類先カテゴリのラベルを文書分類結果と
して出力する。

【００４２】ステップＳＴ６では、文書ブロック抽出手
段６は質問文解析結果である検索語、属性名および抽出
文字列タイプを入力し、また文書収集手段３に格納され
た処理対象の文書を順次入力し、処理対象の文書から検
索語、属性名および抽出文字列タイプをすべて含む文書
ブロックを情報抽出対象となる部分として抽出する。こ
こで、文書ブロックとは文書中に埋め込まれた文書構造
を表すタグにより区切られた文書の構造上の単位であ
る。図１６に示す構造化文書の文書ブロック例では、文
書中に構造の開始を表すタグとして＜ＴＩＴＬＥ＞の様
に「＜」と「＞」で囲まれた文字列と、構造の終わりを
示すタグとして＜／ＴＩＴＬＥ＞の様に「＜／」と
「＞」で囲まれた文字列が挿入してある。この中で、＜
ＴＡＢＬＥ＞タグと＜／ＴＡＢＬＥ＞タグで囲まれた文
書ブロックは、図中の点線で示した範囲になる。

【００４３】図１４は文書ブロック抽出手段６の構成例
を示し、図において、６１は検索語位置判定手段、６２
は属性名位置判定手段、６３は抽出文字列位置判定手
段、６４は文字列タイプ判定手段、６５は文字列タイプ
判定辞書、６６は部分文書抽出手段である。文書ブロッ
ク抽出手段６は、検索語位置判定手段６１、属性名位置
判定手段６２および抽出文字列位置判定手段６３によ
り、与えられた処理対象の文書中の検索語、属性名およ
び抽出文字列の位置を判定し、情報抽出対象となる文書
ブロックを抽出する。このとき、抽出文字列位置判定手
段６３は、処理対象の文書を先頭から読み込み各文から
単語を抽出し、文字列タイプ判定手段６４に渡す。

【００４４】文字列タイプ判定手段６４は、図１５に示
す形式の文字列タイプの判定パタンが登録されている文
字列タイプ判定辞書６５を参照し、渡された名詞句と一
致するパタンが辞書内にある場合には、そのパタンに対
応する抽出文字列タイプを抽出文字列位置判定手段６３
に返す。また、一致するパタンが辞書内にない場合に
は、不明なパタンであることを示す情報を返す。なお、
図１５では、パタン表記の一般的な手法である正規表現
を用いているが、文書検索方法を限定するものではな
い。また、正規表現は言語解析の分野では周知の処理で
あるので、ここではその詳細説明については省略する。
図１５の例では、パタン表記の特殊記号として、任意の
１文字を表す「．」、直前の文字の繰り返しを表す
「＊」、括弧内の範囲の１文字を表す「［０−９］」、
エスケープ文字である価格記号「￥」を正規表現として
表すための「￥￥」を用いている。

【００４５】次に、部分文書抽出手段６６により、文書
中の構造を表すタグを文書の先頭から順に検査し、検索
語、属性名および抽出文字列の全てを含む最も範囲の狭
いタグを求める。このとき、文書中に検索語、属性名お
よび抽出文字列が複数存在する場合は、属性名と抽出文
字列すべての組合せについて文書ブロックを抽出する。
以上の処理により、ステップＳＴ６では、文書ブロック
抽出手段６は処理対象の文書から情報抽出対象となる文
書ブロックを抽出する。

【００４６】ステップＳＴ４３の抽出処理係数判定にお
いて、情報抽出制御手段４は、文書分類手段５で得られ
た文書分類結果（カテゴリ分類）に応じて文字列抽出手
段７１（１）〜７１（ｎ）のそれぞれが受け持つ解析処
理係数の組み合わせを設定して情報抽出手段７の動作を
制御する。図１７に抽出処理係数定義の例を示す。抽出
処理係数定義は、文書形式分類結果および文書所在分類
結果からなり、かつ両者に対応して適用すべく定義した
解析方法とそれに与えられた抽出処理係数を示したもの
である。各解析方法による処理は、それぞれの解析方法
を受け持つ情報抽出手段７の文字列抽出手段７１（１）
〜７１（ｎ）によって行われる。例として説明すると、
文書所在分類結果が「ニュースサイト」、文書形式分類
結果が「トップページ」である文書の場合、この文書か
ら情報抽出を「係り受け解析」を受け持つ文字列抽出手
段７１（１）で行うと、抽出された情報の抽出処理係数
が０．８となるということである。同様に、「表解析」
を用いた文字列抽出手段７１（２）で抽出した場合、抽
出処理係数は０．２となり、「タイトル重視解析」を用
いた抽出の場合には抽出処理係数は０．２となり、また
「段落内重視解析」を用いた抽出の場合には抽出処理係
数は０．５となる。

【００４７】ステップＳＴ７において、情報抽出手段７
は文書ブロック抽出手段６で抽出された文書ブロック
（以下、抽出文書ブロックとする）から、複数の文字列
抽出手段７１（１）〜７１（ｎ）により回答候補となる
文字列と質問文に対する答えとしての信頼度を抽出す
る。文字列抽出手段７１（１）〜７１（ｎ）は、それぞ
れが処理対象となる文章ブロックに対して異なる解析処
理方法を受け持っている。以下、係り受け解析処理およ
び表解析処理を用いた解析処理方法の例について説明す
る。まず、係り受け解析処理を受け持つ文字列抽出手段
７１（１）による文字列抽出について説明する。図１８
は係り受け解析処理を行う文字列抽出手段１７（１）の
構成例を示す。図において、７１１は形態素解析手段、
７１２は係り受け解析手段、７１３は回答候補生成手
段、７１４は抽出処理信頼度判定手段である。

【００４８】文字列抽出手段７１（１）は、文書ブロッ
ク、検索語、属性名、抽出文字列タイプを入力とする。
まず、形態素解析手段７１１により文書ブロック中のす
べての文を単語に分解し、係り受け解析手段７１２によ
り文書ブロック中の各名詞句間の係り受け関係を解析す
る。係り受け解析処理は、言語解析の分野では周知の処
理であるので、ここではその説明については省略する。
図１９は係り受け解析を行う文例を示し、図２０は図１
９の文例に対する係り受け解析結果の木構造を示す。こ
の場合、「三菱電機」は「発表」にかかるので、図２０
では「三菱電機」から「発表」へ矢印を記している。同
様に、係り受け関係の係る句から受ける句への矢印を文
中のすべての語について記す。この処理の結果、一つの
文書ブロックから複数の係り受け解析結果の木が生成さ
れる。

【００４９】次に、回答候補生成手段７１３により、検
索語、属性名、抽出文字列タイプに一致する文字列を全
て含む係り受け解析結果の木を選択し、各木から検索
語、属性名および抽出文字列タイプに一致する文字列
と、ノードの文字列とが部分一致するもの以外を除去し
た部分木を生成する。図２０の解析結果の木において、
質問文を「保護リレーの発売日はいつですか？」と想定
した場合、検索語は「保護リレー」、属性名は「発売
日」、抽出文字列タイプは「日付」となる。このことか
ら、回答候補として図２１に示す二つの候補が生成され
る。

【００５０】回答候補が生成されると、抽出処理信頼度
判定手段７１４によりそれぞれの回答候補の抽出処理信
頼度を求める。抽出処理信頼度とは、回答候補の部分木
の中で、検索語、属性名および抽出文字列タイプに一致
する文字列と、ノードの文字列とが部分一致しているノ
ードの割合である。図２１の例では、回答候補（１）の
ノードはすべて部分一致しているので、信頼度は１．０
となる。回答候補（２）のノードは、「発表」が部分一
致していないので、信頼度は０．７５となる。以上のよ
うにして、求めた回答候補の中から抽出文字列タイプに
一致するノードの文字列と信頼度の組を出力する。図２
１の例では、「１０月１日」−「１．０」と、「２６
日」−「０．７５」が出力される。

【００５１】次に、表解析処理を受け持つ文字列抽出手
段７１（２）による文字列抽出について説明する。図２
２は表解析処理を行う文字列抽出手段７１（２）の構成
例を示す。図において、７２１は属性名位置判定手段、
７２２は検索語位置判定手段、７２３は回答候補抽出手
段、７２４は抽出文字列タイプ判定手段である。表解析
処理において、処理対象とする文書ブロックは、例えば
図２３に示すような表である。文字列抽出手段７１
（２）は、文書ブロック、検索語、属性名、抽出文字列
タイプを入力とする。まず、属性名位置判定手段７２１
において処理対象の表から属性名と一致するセルの位置
を判定し、検索語位置判定手段７２２において検索語と
一致するセルの位置を判定する。

【００５２】例えば、検索語が「過電圧継電器」、属性
名が「発売日」、抽出文字列タイプが「日付」であると
き、図２３に示す表を処理した場合は、属性名は６行目
−１列目のセルに該当し、検索語は１行目−４列目のセ
ルに該当する。次に、回答候補抽出手段７２３は、検索
語のある列と属性名のある行との交点にあるセル、およ
び検索語のある行と属性名のある列との交点にあるセル
の両方の文字列を抽出する。この結果に対して、抽出文
字列タイプ判定手段７２４は抽出文字列のタイプに一致
している文字列を回答候補とする。抽出文字列タイプの
一致判定は、文書ブロック抽出手段６の詳細説明で用い
た文字列タイプ判定手段６４を利用して行えるので、こ
こでは説明を省略する。図２３の例では、１行目−１列
目にある「仕様」というセルと、６行目―４列目にある
「１０月１日」というセルが処理対象になる。抽出文字
列タイプは「日付」であるので、６行目―４列目にある
「１０月１日」という文字列を回答候補とする。表解析
処理を用いた文字列抽出手段７１（２）により得られた
回答候補の信頼度は１．０とする。以上の処理により、
情報抽出手段７は文章ブロックが表である場合に、その
表から検索語と属性名で特定される文字列を抽出する。

【００５３】次に、情報抽出手段７は、抽出処理係数判
定（ステップＳＴ４３）により求めた各文字列抽出手段
７１（１）〜７１（ｎ）の抽出処理係数と、各文字列抽
出手段７１（１）〜７１（ｎ）により得られた抽出文字
列の信頼度との積をとり、得られた値を抽出文字列の信
頼度とし、出力として抽出文字列、信頼度および抽出文
書ブロックからなる組を得る。

【００５４】ステップＳＴ８において、抽出結果統合手
段８は、以上の処理によって得られた抽出文字列、その
信頼度および抽出文書ブロックからなる組のリストを入
力とする。抽出結果統合手段８は、抽出された複数の抽
出文字列のうち、同じ文字列のものについて信頼度の合
計を求める。例えば、図２４に示すように、抽出文字列
が得られた場合、「１０月１日」、「２６日」等のそれ
ぞれ同じ抽出文字列に対して信頼度の合計値（集計信頼
度）を求める。この集計結果は図２５に示される。抽出
結果統合手段８は、抽出文字列、信頼度、集計信頼度お
よび抽出文書ブロックを統合して出力する。

【００５５】ステップＳＴ９において、抽出結果出力手
段９は、抽出文字列、信頼度、抽出結果統合手段８から
の集計信頼度および抽出文書ブロックからなる組を入力
とし、集計された信頼度の順位に基づいた抽出文書ブロ
ックからユーザに提示する表示用データを生成する。図
２６は抽出結果出力手段９の構成例を示す。図におい
て、９１は文書選択手段、９２は文書要約手段、９３は
抽出結果整形手段である。抽出文字列と信頼度、集計信
頼度および抽出文書ブロックからなる組が入力される
と、文書選択手段９１は、抽出文書ブロックのうちから
抽出文字列と共にユーザに提示する抽出元文書ブロック
を選択する。抽出文字列ごとに抽出元文書ブロックを信
頼度の高い順に並べ替え、１抽出文字列あたりの抽出元
文書ブロックを予め設定された表示件数分だけ、信頼度
の上位から取得する。図２４の抽出文字列「１０月１
日」を例にとると、抽出元文書ブロックの順番は信頼度
の高い順に「三菱電機株式会社（…）、「バックナンバ
ー：電力…」、「リレー製品一覧…」、「製品ラインナ
ップ…」となる。ここで、１抽出文字列あたりの抽出元
文書ブロックの表示件数を２件とすると、「三菱電機株
式会社（…）、「バックナンバー：電力…」の２つの文
書ブロックを選択する。同様に、他の抽出文字列につい
ても信頼度の高い順に抽出元文書ブロックを選択する。

【００５６】次に、文書要約手段９２は検索語、属性
名、抽出文字列および文書選択手段９１で選択された抽
出元文書ブロックを入力とし、各文書の要約を生成す
る。文書要約手段９２は、抽出元文書ブロックから取り
出す文字列の長さを予め定めておき、抽出元文書ブロッ
クを先頭から読み込み、検索語、属性名、抽出文字列の
いずれかを検出した場合、抽出元文書ブロック中での検
出位置の前後から予め定めた長さ分だけ文字列を取り出
す。これら取り出された文字列を、ユーザが見て中略し
たことが判明できる「…」等の記号を間に入れて連結
し、要約文書を生成する。

【００５７】次に、抽出結果整形手段９３は、ユーザの
入力した質問文、抽出文字列、集計信頼度および要約文
書を図２７に例示されるような予め定められた形式に整
形して出力する。ここで示されたものは、ユーザの入力
した質問文、抽出文字列、集計信頼度および要約文書を
含んだ例である。他の例として、抽出結果整形手段９３
は、抽出文字列と文書選択手段９１で選択された抽出元
文書ブロックとからなる組で表示データを生成するよう
にしてもよい。

【００５８】以上のように、ここでは、文書の構造を考
慮した文字列抽出処理を行っているが、文書の構造の持
つ意味は、文書の所在と形式によって異なることが分
る。この実施の形態１では、文書の所在と形式によって
文字列抽出方法に対する係数を切り替えることで、文書
の構造の持つ意味の違いにも対応できるようにしてい
る。例えば、ニュースサイトにおいて、文書形式が「文
書」に分類されるような個別のニュースの文書では、タ
イトル部分にニュース記事に関係した語が記述されるこ
とが多い。また、文書形式が「トップページ」に分類さ
れるような表紙の文書では、一般にタイトル部分が新聞
社の名前やニュースサイトのブランドになっていること
が多い。そこで、図１７に示すように、文書所在分類の
「ニュースサイト」に対応する文書形式分類の「文書」
は、タイトル重視解析の抽出処理係数を係り受け解析よ
りも高く設定する。このことにより、タイトル中に検索
語があり、タイトルから離れた位置に抽出文字列がある
文書においても、抽出文字列とタイトル中の語には関係
があるとみなせる。一方、対応する文書形式分類の「ト
ップページ」はタイトル重視解析の抽出処理係数を低く
し、１文ずつ処理する係り受け解析の値をより大きく設
定することにより、不要な語の抽出を避けることが可能
となる。

【００５９】以上の処理について具体例を用いて説明す
る。質問文として、「ディジタル保護リレーの発売日は
いつですか？」を想定する。ステップＳＴ２で文書検索
した結果として、企業のサイトにある図２８で示す文書
と、ニュースのサイトにある図２９で示す文書がヒット
したとする。ステップＳＴ４の情報抽出制御では、これ
らの文書を形式と所在で分類し、図２８の文書を「混在
−企業サイト」、図２９の文書を「トップページ−ニュ
ースサイト」と判定する。図２８の文書については、図
１７の抽出処理係数を参照すると、タイトル重視解析の
抽出処理係数が０．７となる。一般に企業が公開してい
る通常の文書では、タイトル部分に重要な項目が記述さ
れており、かつ１文書１トピックであることが多い。そ
のため、「混在−企業サイト」と判定された文書に対す
る文字列抽出処理では、タイトル重視解析により得られ
た情報の信頼度を、情報抽出の注目範囲を段落内だけに
絞った段落重視解析の信頼度より高く設定しておく。結
果として、文書中の＜ＴＩＴＬＥ＞タグで囲まれたタイ
トル部分にある「ディジタル保護リレー」が文書全体に
関係するとみなすタイトル重視解析によって抽出された
情報の信頼度は高くなる。

【００６０】一方、文書の形式と所在が「トップページ
−ニュースサイト」と判定された図２９の文書では、タ
イトル重視解析の抽出処理係数は０．２となる。図２９
を見ると分るように、タイトル部分に日付が表記されて
いるが、これはトピック部分に記述されていることとは
直接関係していない。タイトル重視解析の抽出処理係数
は０．２となっており、この文書に対しては、タイトル
を重視した解析により抽出された情報の信頼度は低くな
る。

【００６１】以上のように、この実施の形態１によれ
ば、文書中に見出しや箇条書き、表などを有する文書の
構造を考慮した文字列抽出処理を行うことで、構造を持
った文書からの情報の抽出を可能にする効果が得られ
る。また、文書の所在と形式によって文字列抽出処理に
おける抽出処理係数を切り替えることで、文書の構造の
持つ意味の違いに適宜対応する情報抽出を行える効果が
得られる。

【００６２】

【発明の効果】以上のように、この発明によれば、ユー
ザが入力した質問文中の疑問詞の種類から質問文の答え
として求める文字列の種類を表す抽出文字列タイプを特
定すると共に、質問文から抽出文字列に関連する属性名
と、疑問詞や属性名以外の自立語からなる検索語とを抽
出する質問文解析手段と、抽出された検索語と属性名を
検索条件としてネットワーク上の文書を検索し、検索結
果として文書へのリンクのリストを得る文書検索手段
と、文書へのリンクにアクセスして該当する各文書をネ
ットワークから収集して格納する文書収集手段と、収集
された文書と文書へのリンクを文書収集手段から取得し
予め用意された分類ルールに従ってカテゴリに分類する
文書分類手段と、収集された文書を文書収集手段から取
得し検索語、属性名および抽出文字列タイプをすべて含
む文書ブロックを抽出する文書ブロック抽出手段と、一
つの文書ブロックに対して適用するそれぞれ異なる解析
処理方法を持つ複数の文字列抽出手段を用い、抽出され
た文書ブロックから検索語、属性名および抽出文字列タ
イプを用い質問文の解答候補となる文字列および質問文
に対する答えとしての当該文字列の信頼度を抽出する情
報抽出手段と、文書収集手段から収集された文書を順次
に取得して文書分類手段と文書ブロック抽出手段の動作
を制御し、かつ文書分類手段で分類されたカテゴリに応
じて文字列抽出手段のそれぞれが受け持つ解析処理係数
の組み合わせを設定し情報抽出手段の動作を制御する情
報抽出制御手段と、抽出された文字列のうちの同じ文字
列について信頼度を集計し、抽出された文字列、信頼
度、集計された信頼度、抽出された文書ブロックおよび
信頼度からなる組を出力する抽出結果統合手段と、集計
された信頼度の順位に基づいて抽出された文書ブロック
から表示用データを生成する抽出結果出力手段とを備え
るように構成したので、文書の構造を考慮した文字列抽
出処理を行うことで、構造を持った文書からの情報の抽
出を可能にする効果がある。また、文書分類手段で分類
されたカテゴリによって文字列の抽出処理係数を切り替
えることで、文書の構造の持つ意味の違いに適宜対応す
る情報抽出を行える効果がある。

【００６３】この発明によれば、質問文解析手段が、疑
問詞と係り受け関係にある自立語を属性名と判定し抽出
する属性名判定手段を有するように構成したので、文字
列抽出に用いる属性名を容易に得ることができ、構造を
持った文書からの情報の抽出を可能にする効果がある。

【００６４】この発明によれば、質問文解析手段が、疑
問詞の省略された質問文の文末にある自立語を属性名と
推定し抽出するように構成したので、疑問詞を持たない
質問文に対しても対応ができ、構造を持った文書からの
情報の抽出を可能にする効果がある。

【００６５】この発明によれば、質問文解析手段が、疑
問詞とこの疑問詞に対応する抽出文字列タイプを定義し
た疑問詞辞書と、抽出された疑問詞に基づいて疑問詞辞
書を参照し該当する抽出文字列タイプを出力する抽出文
字列タイプ判定手段を有するように構成したので、質問
文の答えとして求める文字列の種類を表す抽出文字列タ
イプを容易に特定することができ、構造を持った文書か
らの情報の抽出を可能にする効果がある。

【００６６】この発明によれば、質問文解析手段が、属
性名とこの属性名に対応する抽出文字列タイプを定義し
た属性名辞書と、推定された属性名に基づいて属性名辞
書を参照し該当する抽出文字列タイプを推定し出力する
抽出文字列タイプ推定手段を有するように構成したの
で、質問文に疑問詞が省略されている場合でも、推定さ
れた属性名から抽出文字列タイプを直接入手することが
でき、構造を持った文書からの情報の抽出を可能にする
効果がある。

【００６７】この発明によれば、文書検索手段が、複数
の検索エンジンに対して検索語および属性名を検索条件
として与え、複数の検索エンジンが収集した各検索結果
である文書へのリンクのリストを一つのリストに統合す
る検索エンジン制御手段を有するように構成したので、
複数の検索エンジンによる処理結果を自動的に整理し、
重複の無い文書へのリンクのリストを作成でき、構造を
持った文書からの情報の抽出を効率よく行う効果があ
る。

【００６８】この発明によれば、文書検索手段が、検索
語の分野の検索に適した検索エンジンを判定する分野判
定手段と、この分野判定手段により判定された検索エン
ジンを複数の検索エンジンの中から選択する検索エンジ
ン選択手段とを有するように構成したので、検索対象の
分野に適した検索エンジンを優先して自動選択でき、検
索ノイズが少なく確度の高い検索結果が得られ、構造を
持った文書からの情報の抽出を効率よく行う効果があ
る。

【００６９】この発明によれば、抽出結果出力手段が、
抽出された文字列、検索語および属性名を含む要約文書
を抽出された文書ブロックから作成する文書要約手段
と、抽出された文字列と要約文書とからなる組で表示用
データを生成する抽出結果整形手段とを有するように構
成したので、構造を持った文書からの情報の抽出を可能
にし、ユーザの質問に対して複数の検索された文書情報
から適切な回答文を作成することができる効果がある。

【００７０】この発明によれば、抽出結果出力手段が、
抽出された文字列と抽出された文書ブロックとからなる
組で表示用データを生成する抽出結果整形手段を有する
ように構成したので、構造を持った文書からの情報の抽
出を可能にし、ユーザの質問に対して複数の検索された
文書情報から信頼度の高い回答を得ることができる効果
がある。

【００７１】この発明によれば、ユーザが入力した質問
文中の疑問詞の種類から質問文の答えとして求める文字
列の種類を表す抽出文字列タイプを特定し、質問文から
抽出文字列に関連する属性名と、疑問詞や属性名以外の
自立語からなる検索語とを抽出し、抽出された検索語と
属性名を検索条件としてネットワーク上の文書を検索し
て検索結果として文書へのリンクのリストを取得し、文
書へのリンクにアクセスして該当する各文書をネットワ
ークから収集し、収集された文書と文書へのリンクを予
め用意された分類ルールに従ってカテゴリに分類し、収
集された文書から検索語、属性名および抽出文字列タイ
プをすべて含む文書ブロックを抽出し、一つの文書ブロ
ックにそれぞれ適用する異なる複数の解析処理方法にお
いて各解析処理係数をカテゴリに応じて設定し、抽出さ
れた文書ブロックに解析処理方法を適用することにより
検索語、属性名および抽出文字列タイプに基づいて質問
文の解答候補となる文字列および質問文に対する答えと
しての当該文字列の信頼度を抽出し、抽出された文字列
のうちの同じ文字列について信頼度を集計し、集計され
た信頼度の順位に基づいて抽出された文書ブロックから
表示用データを生成するように構成したので、文書の構
造を考慮した文字列抽出処理を行うことで、構造を持っ
た文書からの情報の抽出を可能にする効果がある。ま
た、分類されたカテゴリによって文字列の抽出処理係数
を切り替えることで、文書の構造の持つ意味の違いに適
宜対応する情報抽出を行える効果がある。

【００７２】この発明によれば、抽出された疑問詞と係
り受け関係にある自立語を属性名と判定し抽出するよう
に構成したので、文字列抽出に用いる属性名を容易に得
ることができ、構造を持った文書からの情報の抽出を可
能にする効果がある。

【００７３】この発明によれば、疑問詞の省略された質
問文の文末にある自立語を属性名と推定し抽出するよう
に構成したので、属性名を持たない質問文に対しても対
応ができ、構造を持った文書からの情報の抽出を可能に
する効果がある。

【００７４】この発明によれば、疑問詞とこの疑問詞に
対応する抽出文字列タイプの関係予め設けた定義を参照
し、抽出された疑問詞について該当する抽出文字列タイ
プを推定するように構成したので、質問文の答えとして
求める文字列の種類を表す抽出文字列タイプを容易に特
定することができ、構造を持った文書からの情報の抽出
を可能にする効果がある。

【００７５】この発明によれば、属性名とこの属性名に
対応する抽出文字列タイプの関係を予め設けた定義を参
照し、推定された属性名について該当する抽出文字列タ
イプを推定するように構成したので、質問文に疑問詞が
省略されている場合でも、推定された属性名から抽出文
字列タイプを直接入手することができ、構造を持った文
書からの情報の抽出を可能にする効果がある。

【００７６】この発明によれば、ネットワーク上の文書
を検索して文書へのリンクのリストを取得する際に、複
数の検索エンジンに対して検索語および属性名を検索条
件として与え、複数の検索エンジンが収集した各検索結
果である文書へのリンクのリストを一つのリストに統合
するように構成したので、複数の検索エンジンによる処
理結果を自動的に整理し、重複の無い文書へのリンクの
リストを作成でき、構造を持った文書からの情報の抽出
を効率よく行う効果がある。

【００７７】この発明によれば、ネットワーク上の文書
を検索して文書へのリンクのリストを取得する際に、検
索語の分野の検索に適した検索エンジンを判定し、判定
された検索エンジンを複数の検索エンジンの中から選択
するように構成したので、検索対象の分野に適した検索
エンジンを優先して自動選択でき、検索ノイズが少なく
確度の高い検索結果が得られ、構造を持った文書からの
情報の抽出を効率よく行う効果がある。

【００７８】この発明によれば、抽出された文字列、検
索語および属性名を含む要約文書を抽出された文書ブロ
ックから作成し、抽出された文字列と要約文書とからな
る組で表示用データを生成するように構成したので、構
造を持った文書からの情報の抽出を可能にし、ユーザの
質問に対して複数の検索された文書情報から適切な回答
文を作成することができる効果がある。

【００７９】この発明によれば、抽出された文字列と抽
出された文書ブロックとからなる組で表示用データを生
成するように構成したので、構造を持った文書からの情
報の抽出を可能にし、ユーザの質問に対して複数の検索
された文書情報から信頼度の高い回答を得ることができ
る効果がある。

【図面の簡単な説明】

【図１】 この発明の実施の形態１における情報抽出装
置の構成を示すブロック図である。

【図２】 同実施の形態１による動作のフローチャート
である。

【図３】 同実施の形態１に係る質問文解析手段の構成
例を示すブロック図である。

【図４】 同実施の形態１に係る形態素解析処理の文例
を示す説明図である。

【図５】 同実施の形態１に係る疑問詞辞書の構成例を
示す説明図である。

【図６】 同実施の形態１に係る抽出文字列タイプ推定
手段を示すブロック図である。

【図７】 同実施の形態１に係る属性名辞書の構成例を
示す説明図である。

【図８】 同実施の形態１に係る文書検索手段の構成例
を示すブロック図である。

【図９】 同実施の形態１に係る分野判定辞書の構成例
を示す説明図である。

【図１０】 同実施の形態１に係る情報抽出制御の詳細
手順を示すフローチャートである。

【図１１】 同実施の形態１に係る文書分類手段の構成
例を示すブロック図である。

【図１２】 同実施の形態１に係る文書形式分類ルール
の構成例を示す説明図である。

【図１３】 同実施の形態１に係る文書所在分類ルール
の構成例を示す説明図である。

【図１４】 同実施の形態１に係る文書ブロック抽出手
段の構成例を示すブロック図である。

【図１５】 同実施の形態１に係る文字列タイプ判定辞
書の構成例示す説明図である。

【図１６】 同実施の形態１に係る文書ブロック抽出手
段で抽出対象とする文書ブロックの例を示す説明図であ
る。

【図１７】 同実施の形態１に係る情報抽出制御手段で
扱う抽出処理係数定義の例を示す説明図である。

【図１８】 同実施の形態１における係り受け解析処理
を受け持つ文字列抽出手段の構成例を示すブロック図で
ある。

【図１９】 同実施の形態１に係る文字列抽出手段で処
理される文例を示す説明図である。

【図２０】 同実施の形態１に係る係り受け解析手段に
よる解析結果例を示す説明図である。

【図２１】 同実施の形態１に係る回答候補生成手段に
よる解答候補の例を示す説明図である。

【図２２】 同実施の形態１における表解析処理を受け
持つ文字列抽出手段の構成例を示すブロック図である。

【図２３】 同実施の形態１に係る文字列抽出手段で処
理される表例を示す説明図である。

【図２４】 同実施の形態１に係る情報抽出手段の抽出
結果の例を示す説明図である。

【図２５】 同実施の形態１に係る抽出結果統合手段の
集計結果の例を示す説明図である。

【図２６】 同実施の形態１に係る抽出結果出力手段の
構成例を示すブロック図である。

【図２７】 同実施の形態１に係る抽出結果出力手段の
抽出元文書例を示す説明図である。

【図２８】 同実施の形態１に係る文書検索で抽出され
た文書ブロックの例を示す説明図である。

【図２９】 同実施の形態１に係る文書検索で抽出され
た文書ブロックの例を示す説明図である。

【図３０】 従来技術を説明するフローチャートであ
る。

【符号の説明】

１ 質問文解析手段、２ 文書検索手段、３ 文書収集
手段、４ 情報抽出制御手段、５ 文書分類手段、６
文書ブロック抽出手段、７ 情報抽出手段、８抽出結果
統合手段、９ 抽出結果出力手段、１１ 形態素解析手
段、１２ 構文解析手段、２１ 分野判定手段、２２
分野判定辞書、２３ 検索エンジン選択手段、２４ 検
索エンジン制御手段、２５（１）〜２５（ｎ） 検索エ
ンジン、５１ 文書形式分類手段、５２ 文書所在分類
手段、６１ 検索語位置判定手段、６２ 属性名位置判
定手段、６３ 抽出文字列位置判定手段、６４ 文字列
タイプ判定手段、６５ 文字列タイプ判定辞書、６６
部分文書抽出手段、７１（１）〜７１（ｎ） 文字列抽
出手段、９１ 文書選択手段、９２ 文書要約手段、９
３ 抽出結果整形手段、１３１ 属性名判定手段、１３
２ 属性名推定手段、１４１ 疑問詞辞書、１４２ 抽
出文字列タイプ判別手段、１４３ 抽出文字列タイプ推
定手段、１４４ 属性名辞書、５１１ パタン比較手
段、５１２文書形式分類ルール、５２１ パタン比較手
段、５２２ 文書所在分類ルール、７１１ 形態素解析
手段、７１２ 係り受け解析手段、７１３ 回答候補生
成手段、７１４ 抽出処理信頼度判定手段、７２１ 属
性名位置判定手段、７２２検索語位置判定手段、７２３
回答候補抽出手段、７２４ 抽出文字列タイプ判定手
段。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 高山 泰博 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 鈴木 克志 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5B075 ND03 NK25 NR12 PP24 PQ74 UU06

Claims (18)

【特許請求の範囲】
1. 【請求項１】 ユーザが入力した質問文中の疑問詞の種
   類から前記質問文の答えとして求める文字列の種類を表
   す抽出文字列タイプを特定すると共に、前記質問文から
   前記抽出文字列に関連する属性名と、前記疑問詞や前記
   属性名以外の自立語からなる検索語とを抽出する質問文
   解析手段と、 抽出された前記検索語と前記属性名を検索条件としてネ
   ットワーク上の文書を検索し、検索結果として文書への
   リンクのリストを得る文書検索手段と、 前記文書へのリンクにアクセスして該当する各文書をネ
   ットワークから収集して格納する文書収集手段と、 収集された文書と前記文書へのリンクを前記文書収集手
   段から取得し予め用意された分類ルールに従ってカテゴ
   リに分類する文書分類手段と、 前記収集された文書を前記文書収集手段から取得し前記
   検索語、前記属性名および前記抽出文字列タイプをすべ
   て含む文書ブロックを抽出する文書ブロック抽出手段
   と、 一つの文書ブロックに対して適用するそれぞれ異なる解
   析処理方法を持つ複数の文字列抽出手段を用い、抽出さ
   れた文書ブロックから前記検索語、前記属性名および前
   記抽出文字列タイプを用い前記質問文の解答候補となる
   文字列および前記質問文に対する答えとしての当該文字
   列の信頼度を抽出する情報抽出手段と、 前記文書収集手段から前記収集された文書を順次に取得
   して前記文書分類手段と前記文書ブロック抽出手段の動
   作を制御し、かつ前記文書分類手段で分類されたカテゴ
   リに応じて前記文字列抽出手段のそれぞれが受け持つ解
   析処理係数の組み合わせを設定し前記情報抽出手段の動
   作を制御する情報抽出制御手段と、 抽出された文字列のうちの同じ文字列について前記信頼
   度を集計し、前記抽出された文字列、前記信頼度、集計
   された信頼度、前記抽出された文書ブロックおよび前記
   信頼度からなる組を出力する抽出結果統合手段と、 前記集計された信頼度の順位に基づいて前記抽出された
   文書ブロックから表示用データを生成する抽出結果出力
   手段とを備えたことを特徴とする情報抽出装置。
2. 【請求項２】 質問文解析手段が、疑問詞と係り受け関
   係にある自立語を属性名と判定し抽出する属性名判定手
   段を有したことを特徴とする請求項１記載の情報抽出装
   置。
3. 【請求項３】 質問文解析手段が、疑問詞の省略された
   質問文の文末にある自立語を属性名と推定し抽出する属
   性名推定手段を有したことを特徴とする請求項１または
   請求項２記載の情報抽出装置。
4. 【請求項４】 質問文解析手段が、 疑問詞とこの疑問詞に対応する抽出文字列タイプを定義
   した疑問詞辞書と、 抽出された疑問詞に基づいて前記疑問詞辞書を参照し該
   当する抽出文字列タイプを出力する抽出文字列タイプ判
   定手段を有したことを特徴とする請求項２記載の情報抽
   出装置。
5. 【請求項５】 質問文解析手段が、 属性名とこの属性名に対応する抽出文字列タイプを定義
   した属性名辞書と、 推定された属性名に基づいて前記属性名辞書を参照し該
   当する抽出文字列タイプを推定し出力する抽出文字列タ
   イプ推定手段を有したことを特徴とする請求項３記載の
   情報抽出装置。
6. 【請求項６】 文書検索手段が、複数の検索エンジンに
   対して検索語および属性名を検索条件として与え、前記
   複数の検索エンジンが収集した各検索結果である文書へ
   のリンクのリストを一つのリストに統合する検索エンジ
   ン制御手段を有したことを特徴とする請求項１から請求
   項５のうちのいずれか１項記載の情報抽出装置。
7. 【請求項７】 文書検索手段が、 検索語の分野の検索に適した検索エンジンを判定する分
   野判定手段と、 この分野判定手段により判定された検索エンジンを複数
   の検索エンジンの中から選択する検索エンジン選択手段
   とを有したことを特徴とする請求項１から請求項６のう
   ちのいずれか１項記載の情報抽出装置。
8. 【請求項８】 抽出結果出力手段が、 抽出された文字列、検索語および属性名を含む要約文書
   を抽出された文書ブロックから作成する文書要約手段
   と、 前記抽出された文字列と前記要約文書とからなる組で表
   示用データを生成する抽出結果整形手段とを有したこと
   を特徴とする請求項１から請求項７のうちのいずれか１
   項記載の情報抽出装置。
9. 【請求項９】 抽出結果出力手段が、抽出された文字列
   と抽出された文書ブロックとからなる組で表示用データ
   を生成する抽出結果整形手段を有したことを特徴とする
   請求項１から請求項７のうちのいずれか１項記載の情報
   抽出装置。
10. 【請求項１０】 ユーザが入力した質問文中の疑問詞の
    種類から前記質問文の答えとして求める文字列の種類を
    表す抽出文字列タイプを特定し、 前記質問文から前記抽出文字列に関連する属性名と、前
    記疑問詞や前記属性名以外の自立語からなる検索語とを
    抽出し、 抽出された前記検索語と前記属性名を検索条件としてネ
    ットワーク上の文書を検索して検索結果として文書への
    リンクのリストを取得し、 前記文書へのリンクにアクセスして該当する各文書をネ
    ットワークから収集し、 収集された文書と前記文書へのリンクを予め用意された
    分類ルールに従ってカテゴリに分類し、 前記収集された文書から前記検索語、前記属性名および
    前記抽出文字列タイプをすべて含む文書ブロックを抽出
    し、 一つの文書ブロックにそれぞれ適用する異なる複数の解
    析処理方法において各解析処理係数を前記カテゴリに応
    じて設定し、 抽出された文書ブロックに前記解析処理方法を適用する
    ことにより前記検索語、前記属性名および前記抽出文字
    列タイプに基づいて前記質問文の解答候補となる文字列
    および前記質問文に対する答えとしての当該文字列の信
    頼度を抽出し、 抽出された文字列のうちの同じ文字列について前記信頼
    度を集計し、 前記集計された信頼度の順位に基づいて前記抽出された
    文書ブロックから表示用データを生成するようにしたこ
    とを特徴とする情報抽出方法。
11. 【請求項１１】 抽出された疑問詞と係り受け関係にあ
    る自立語を属性名と判定し抽出するようにしたことを特
    徴とする請求項１０記載の情報抽出方法。
12. 【請求項１２】 疑問詞の省略された質問文の文末にあ
    る自立語を属性名と推定し抽出するようにしたことを特
    徴とする請求項１０または請求項１１記載の情報抽出方
    法。
13. 【請求項１３】 疑問詞とこの疑問詞に対応する抽出文
    字列タイプの関係を予め設けた定義を参照し、抽出され
    た疑問詞について該当する抽出文字列タイプを推定する
    ようにしたことを特徴とする請求項１１記載の情報抽出
    方法。
14. 【請求項１４】 属性名とこの属性名に対応する抽出文
    字列タイプの関係を予め設けた定義を参照し、推定され
    た属性名について該当する抽出文字列タイプを推定する
    ようにしたことを特徴とする請求項１２記載の情報抽出
    方法。
15. 【請求項１５】 ネットワーク上の文書を検索して文書
    へのリンクのリストを取得する際に、複数の検索エンジ
    ンに対して検索語および属性名を検索条件として与え、
    前記複数の検索エンジンが収集した各検索結果である文
    書へのリンクのリストを一つのリストに統合するように
    したことを特徴とする請求項１０から請求項１４のうち
    のいずれか１項記載の情報抽出方法。
16. 【請求項１６】 ネットワーク上の文書を検索して文書
    へのリンクのリストを取得する際に、検索語の分野の検
    索に適した検索エンジンを判定し、判定された検索エン
    ジンを複数の検索エンジンの中から選択するようにした
    ことを特徴とする請求項１０から請求項１５のうちのい
    ずれか１項記載の情報抽出方法。
17. 【請求項１７】 抽出された文字列、検索語および属性
    名を含む要約文書を抽出された文書ブロックから作成
    し、前記抽出された文字列と前記要約文書とからなる組
    で表示用データを生成するようにしたことを特徴とする
    請求項１０から請求項１６のうちのいずれか１項記載の
    情報抽出方法。
18. 【請求項１８】 抽出された文字列と抽出された文書ブ
    ロックとからなる組で表示用データを生成するようにし
    たことを特徴とする請求項１０から請求項１６のうちの
    いずれか１項記載の情報抽出方法。