JP2003167898A - 情報検索システム - Google Patents

Abstract

(57)【要約】 【課題】 入力された文章に該当する情報単位をデータ
ベースから高い確率で抽出できるようにする。 【解決手段】 文章データＳを単文にしてテキストデー
タベース１０に格納する。前記単文に対して形態素解析
４と構文解析５を行って、構文木を形成するが、この構
文木の個々の部分木に対してこれに属する単語の述語属
性のデータを付加して構文木データ２２を形成する。こ
の構文木データ２２と抽出情報データベース９内の情報
単位とから演算処理７を行って、抽出情報データベース
９内の複数の情報単位のうち、前記文章データＳが属す
るカテゴリーの情報単位を検索する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力した文章の構
文を解析して、その文章に対応する情報を検索したり、
または前記情報に関連する回答文や確認文などを抽出す
る情報検索システムに関する。

【０００２】

【従来の技術】例えば、インターネット上においてデー
タベースから情報を検索するとき、または、コンピュー
タ内で蓄積されたデータベースから情報を検索するとき
には、検索を指示するために入力された入力文章の単語
を解読し、この単語を検索単位として、この単語が含ま
れている情報が前記データベースから検索されるのが一
般的である。

【０００３】しかし、単語を単位とした情報検索では、
検索結果となる情報の数が膨大になったり、または実際
に検索しようとする情報と異なる情報が検索されること
になって、必要とする情報を迅速に且つ正確に検索する
ことが困難である。

【０００４】また、これはインターネットなどを通じ
て、所定の質問文や注文文などを入力し、サーバーにお
いて前記質問文や注文文に対応する回答文や確認文を抽
出する場合においても同様に迅速で且つ正確な回答を行
うのが難しい。

【０００５】また、入力した文章に基づいて情報を検索
するいわゆるデータマイニングの手法として、例えば特
開２００１−１３４５７５号公報には、入力される文章
を単語に分割して、単語間の係り受け構造を解析した構
文木を形成し、この構文木に基づいて、同じ構文木を含
む情報をデータベースから迅速に検索するシステムが説
明されている。

【０００６】

【発明が解決しようとする課題】前記特開２００１−１
３４５７５号公報に記載の構文木構造は、例えば「私は
会社に行く。」という文章に対して「私→行く」「会社
→行く」のような構文木を構築しているものであるた
め、データベースから同種の文章を迅速に検索できるよ
うになる。

【０００７】しかし、実際の日本語の文章は、肯定と否
定の表現が様々であり、また話者の意図についても多種
多様な表現が用いられる。例えば「本体の交換」を主題
とする文章は「本体を交換してください」「本体を交換
してほしい」「本体を交換してほしくない」などきわめ
て微妙な言い回しが行われることが多い。

【０００８】したがって、入力された文章を形態素解析
し、この解析により抽出された単語を中心とした単純な
構文木データを構築するだけでは、入力された文章が持
つ意味を的確に分析したことにならず、データベースか
らの情報の検索精度を高くするのに限界がある。

【０００９】また、インターネットを介してサーバーへ
所定の質問文や注文文を送信し、その質問文や注文文を
解析してその回答文や確認文などを検索するシステムに
おいては、同じ内容の質問や同じ内容の注文事項であっ
ても様々な表現の文章で入力されることが多い。そのた
め、個々の質問文や注文文をカテゴリー別に正確に分類
するのが難しく、よって回答文や確認文などをデータベ
ースから正確に検索するのが難しい。

【００１０】本発明は上記従来の課題を解決するもので
あり、データベースから情報を検索する際、または質問
文や注文文などをカテゴリー別に分類する際に、正確な
検索ができる情報検索システムを提供することを目的と
している。

【００１１】

【課題を解決するための手段】本発明は、以下の（ａ）
〜（ｄ）の手段を有することを特徴とする情報検索シス
テムである。

【００１２】（ａ）入力された文章データに辞書のデー
タベースを適用して、前記文章データを単語と品詞属性
とに解析して形態素解析データを生成する手段、（ｂ）
前記形態素解析データに基づいて、前記単語を少なくと
も１つ含む文節を解読するとともに、文節間の係り受け
関係を解析する手段と、（ｃ）係り受け関係にある複数
の文節およびこの文節ごとの述語属性と、さらに前記文
節間の関係属性を付加した部分木データを生成し、さら
に関係のある複数の前記部分木からなる構文木を構築し
て構文木データを生成する手段、（ｄ）前記部分木デー
タおよび前記構文木データに基づいて、抽出すべき情報
が格納されたデータベースから、前記構文木データと一
致する構文を含む情報、または前記構文木データに類似
した構文を含む情報を抽出する手段。

【００１３】例えば、入力された文章をＳ、入力された
文章Ｓ内の部分木データをＴｉ（ｉ＝１，２，３，…
ｎ）とし、被検索対象のデータベースに含まれる情報単
位をＣｊ（ｊ＝１，２，３，…ｍ）、前記情報単位Ｃｊ
が複数集まった集合をＭとし、前記（ｄ）の情報を抽出
する手段が以下の具体的な手段を含むものとして構成で
きる。

【００１４】（ｄ１）それぞれの前記情報単位Ｃｊにつ
いて、その情報単位Ｃｊに属する全ての部分木の数に対
する、前記部分木データＴｉが出現する回数の比を、前
記情報単位ＣｊにおけるＴｉの出現確率Ｐ（ｊ）として
演算する、（ｄ２）前記集合Ｍに属する全ての部分木の
数に対する、前記部分木データＴｉが出現する回数の比
を、集合ＭにおけるＴｉの出現確率Ｐｔ（ｉ）として演
算する、（ｄ３）前記出現確率の比｛Ｐ（ｊ）／Ｐｔ
（ｉ）｝を、情報単位Ｃｊにおける前記部分木データＴ
ｉの特異度Ｐｓ（ｉ）とする、（ｄ４） 文章Ｓ内の各
部分木Ｔｉについて演算された前記特異度Ｐｓ（ｉ）か
ら、各情報単位Ｃｊの尤度Ｐｓｔ＝Σ｛Ｐｓ（ｉ）｝
（ｉ＝１からｉ＝ｎまでの累積加算値｝を求め、前記尤
度Ｐｓｔが所定値以上の前記情報単位Ｃｊを検索結果と
する。

【００１５】例えば、前記情報単位Ｃｊは、同種のカテ
ゴリーの文章の集まりであり、前記情報単位Ｃｊが検索
結果とされたときに、この情報単位Ｃｊのカテゴリーに
対する対応文がデータベースから選択されるものであ
る。

【００１６】ただし、前記情報単位が、インターネット
を介して入力された文章を含む情報などであり、文章の
入力によって情報検索が行われるものであってもよい。

【００１７】

【発明の実施の形態】図１は本発明の実施の形態の情報
検索システムを示す構成図、図２は入力された文章の解
析手法を示す説明図、図３は情報検索の手法を示す説明
図、図４は本発明の情報検索の応用範囲を示す説明図で
ある。

【００１８】図１に示すように、この情報検索システム
１は、インターネット経由でデータの授受を行うことが
できるシステム本体２を有している。このシステム本体
２は、インターネット経由で文章データＳを受け入れる
読み込みインターフェース３および、前記文章データＳ
を格納するテキストデータベース１０を有している。

【００１９】またシステム本体２は情報処理部８を有し
ている。この情報処理部８は、テキストデータベース１
０に格納されている前記文章データＳに対して、形態素
解析４、構文解析５、構文木データの生成６および検索
のための演算処理７などの各種処理を行うＣＰＵを主体
として構成されている。

【００２０】被検索対象となる情報は抽出情報データベ
ース９に格納されている。前記情報処理部８では、前記
抽出情報データベース９にアクセスするとともに、後に
説明する規則に基づいて演算処理７が行われて、前記抽
出情報データベース９から検索データ２３を抽出できる
ようになっている。

【００２１】前記システム本体２には、データの記憶部
が設けられている。この記憶部には、基本語辞書１１の
データ、ユーザ辞書１２のデータ、構文解析５を行う際
の解析ルール１３のデータ、類語辞書１４のデータ、さ
らに述語属性と関係属性を解析するための解析ルール１
５を定めたデータなどが記憶されている。

【００２２】検索者の端末からインターネット経由によ
り検索指示を意味する文章データＳが与えられ、この文
章データＳがインターフェース３を介してテキストデー
タベース１０に格納される。このテキストデータベース
１０から読み出された文章データＳが情報処理部８に与
えられると、情報処理部８において、形態素解析４およ
び構文解析５が行われ、さらに属性ルール１５に基づい
て述語属性と関係属性が付与されて構文木データ２２が
生成される。この構文木データ２２と前記抽出情報デー
タベース９に格納されたデータ（情報単位Ｃｊ）とから
演算処理７が行われて検索データ２３が抽出される。

【００２３】この情報検索システム１が、データベース
からのデータの抽出システムとして使用されるときに
は、前記演算処理７に基づいて前記抽出情報データベー
ス９から抽出された検索データ２３が、インターフェー
スを介してインターネット経由にて検索者の端末に送り
出される。そして検索者の端末のディスプレイで、前記
検索データ２３の内容を確認することができる。

【００２４】ただし、図１に示す実施の形態では、検索
者の端末から入力される文章データＳが質問文または注
文文などの場合を一例として示している。情報処理部８
では、前記質問文や注文文などが解析され、さらに演算
処理７されて、その質問や注文などの内容が抽出情報デ
ータベース９に格納されたデータ群のどのカテゴリーに
属するかが検索される。そして、その検索結果、すなわ
ち前記質問や注文が抽出情報データベース９に格納され
たデータ群のどのカテゴリーに属するかを意味するデー
タが検索データ２３として得られる。さらに、この検索
データ２３が検索モジュール２４に送られ、検索モジュ
ール２４では、前記質問や注文のカテゴリーに対応する
回答文や確認文などが検索され、この回答文や確認文な
どが出力インターフェース２５を介して前記検索者の端
末に送り出されるようになっている。

【００２５】以下においては、前記情報検索システム１
に対して前記質問文や注文文の文章データＳが与えられ
たときに、前記検索データ２３が得られるまでの処理動
作を、図２および図３を用いて詳しく説明する。ただ
し、前述のように、本発明の情報検索システム１は、前
記のような質問などの解析と回答などの検索を行うもの
に限られず、抽出情報データベース９から情報を検索
し、その検索データを検索者に与えられるシステムとし
て使用する場合においても、以下と同様の処理動作を実
行するものとして使用できる。

【００２６】図２では、検索者の端末からインターネッ
ト経由でシステム本体２に与えられた文章データＳが注
文文である場合を一例として示している。

【００２７】情報処理部８では、テキストデータベース
１０に格納された前記文章データＳを読み出して、文章
データＳ内に含まれる文末記号にしたがって、単文ごと
に分割する。この実施の形態では、前記単文Ｓａが「修
理してもプリンターの紙詰まりが直らないので、本体を
交換してもらえませんか？」である。

【００２８】前記単文Ｓａは、情報処理部８に設定され
る形態素解析エンジンに取り込まれ、基本語辞書１１お
よびユーザ辞書１２に基づいて形態素解析４が行われ
る。なお、前記ユーザ辞書１２は、システム本体２を管
理する管理者において構築されるものである。図２に示
す枠内は、前記単文Ｓａを形態素解析４した解析データ
３１を示している。

【００２９】形態素解析４では、前記単文Ｓａを構成し
ている「修理」「直」「交換」「プリンター」「紙」
「詰まり」「本体」などの「自立語」、および、「し」
「て」「も」「の」などの「付属語」の単語綴りや、そ
れぞれの品詞属性、すなわち「名詞」「動詞」「動詞活
用語尾」「動詞接尾辞」「連用助詞」「格助詞」などの
属性が解析される。

【００３０】さらに、前記形態素解析４された解析デー
タ３１に対し、解析ルール１３に基づく構文解析５が行
われる。

【００３１】この構文解析５では、形態素解析４により
解析された「自立語」および「付属語」とから文節をま
とめる。図２の例では、前記文節は「交換してもらえま
せんか」「本体を」「直らないので」などである。さら
に前記文節間の係り受け関係を解析して、係り受け関係
の文節からなる木構造をまとめる。図２の例での木構造
Ｔ１´，Ｔ２´，Ｔ３´，Ｔ４´，Ｔ５´は、「本体を
交換してもらえませんか」「直らないので交換してもら
えませんか」「修理しても直らないので」「紙詰まりが
直らないので」「プリンターの紙詰まりが」である。

【００３２】次に、係り受け関係の単位である前記木構
造Ｔ１´，Ｔ２´，Ｔ３´，Ｔ４´，Ｔ５´の単語を標
準形に置き換える。このとき類語については、類語辞書
１４を参照して、必要に応じて代表語に変換する。標準
形の単語を用いた係り受け関係が部分木となり、標準形
の部分木Ｔ１は「本体＋交換する」、部分木Ｔ２は「治
る＋交換する」、部分木Ｔ３は「紙詰まり＋治る」、部
分木Ｔ４は「修理する＋治る」、部分木Ｔ５は「プリン
ター＋紙詰まり」である。

【００３３】さらに、それぞれの前記部分木Ｔｉに対し
て、属性ルール１５にしたがって属性解析を行い、それ
ぞれの文節に述語属性が付加され、さらに文節間の関係
属性が付与されて、対を成す文節および前記述語属性お
よび関係属性とから成る部分木Ｔｉの集合である構文木
データ２２が形成される。

【００３４】前記構文木データ２２での部分木Ｔ１は、
「本体」の単語を含む文節と、「交換」の単語を含む文
節「交換する」とが対を成し、前記「交換する」の文節
に意思を意味する述語属性「ｉｎｔ」が付与され、さら
に関係属性として「意図」が付与されたものとなる。

【００３５】部分木Ｔ２は、代表語に変換された「治」
の単語を含む文節「治る」と、「交換」の単語を含む文
節「交換する」とが対を成し、「治る」の文節に否定を
意味する述語属性の「ｎｅｇ」が付与され、前記「交換
する」の文節に述語属性の「ｉｎｔ」（意思）が付加さ
れ、さらに関係属性として「理由」が付与されたものと
なる。

【００３６】部分木Ｔ３は、「紙」の単語と「詰まり」
の単語を有する文節「紙詰まり」と、「治」の単語を含
む文節「治る」とが対を成し、「治る」の文節に否定を
意味する述語属性の「ｎｅｇ」が付与され、さらに関係
属性として「現象」が付与されたものとなる。

【００３７】また、部分木Ｔ４は関係属性が「状況」で
あり、部分木Ｔ５は関係属性が「限定」である。

【００３８】図１に示す情報検索システム１では、前記
構文木データ２２と抽出情報データベース９内のデータ
とから演算を行って、前記単文Ｓａで述べられている意
味が、抽出情報データベース９に格納された複数の情報
単位のどれに該当する確率が高いかの演算が行われる。

【００３９】すなわち、入力された文章データＳの単文
Ｓａが図２に示すような「修理してもプリンターの紙詰
まりが直らないので、本体を交換してもらえませんか
？」の質問文または注文文などの場合には、抽出情報デ
ータベース９に、同じカテゴリーの質問文または注文文
が含まれた情報単位Ｃｊ（ｊ＝１，２，３…，ｍ）が複
数単位格納されている。

【００４０】ひとつの情報単位Ｃｊには、同種の質問ま
たは注文の標準文例が複数例含まれている。そして図１
に示す情報検索システム１では、図２に示す単文Ｓａ
「修理してもプリンターの紙詰まりが直らないので、本
体を交換してもらえませんか？」の意味する内容のカテ
ゴリーがどの情報単位Ｃｊに相当するかが、演算処理７
によって求められる。この演算処理７は、情報処理部８
のＣＰＵなどにより実行される。

【００４１】まず、それぞれの情報単位Ｃｊ内での部分
木Ｔ１の出現確率Ｐ（ｊ）を演算する。これは、それぞ
れの前記情報単位Ｃｊ（Ｃ１，Ｃ２，Ｃ３，…，Ｃｍ）
ごとに演算される。前記出現確率Ｐ（ｊ）は、その情報
単位Ｃｊに属する全ての部分木の数に対する、その情報
単位Ｃｊ内で前記部分木Ｔ１が出現する回数の比であ
る。

【００４２】次に、全ての情報単位Ｃ１，Ｃ２，Ｃ３，
…，Ｃｍの集合をＭとしたときに、前記集合Ｍ内での前
記部分木Ｔ１の出現確率Ｐｔ（ｉ）を演算する。これは
前記集合Ｍに属する全ての部分木の数に対する、前記部
分木Ｔ１が出現する回数の比として求められる。

【００４３】前記出現確率の比｛Ｐ（ｊ）／Ｐｔ
（ｉ）｝が、それぞれの情報単位Ｃ１，Ｃ２，Ｃ３，
…，Ｃｍにおける、前記部分木Ｔ１の特異度Ｐｓ（１）
である。

【００４４】そして、入力された単文Ｓａの構文木デー
タ２２内の各部分木Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５｛一
般式ではＴｉ（ｉ＝１，２，３…，ｎ）｝の全てに対し
て前記特異度Ｐｓ（ｉ）（ｉ＝１，２，３…，ｎ）を求
め、これを累積して加算した値が、前記単文Ｓａの全て
の部分木Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５を加味した尤度
Ｐｓｔである。

【００４５】すなわち、特異度Ｐｓ（ｉ）（ｉは部分木
の番号）から、Σ｛Ｐｓ（ｉ）｝（ｉ＝１からｉ＝ｎま
での累積加算値）で求められた前記尤度Ｐｓｔが、前記
集合Ｍ内におけるそれぞれの情報単位Ｃ１，Ｃ２，Ｃ
３，…，Ｃｍの尤度である。

【００４６】前記尤度Ｐｓｔが所定値（しきい値）を越
えた情報単位Ｃｊが検索すべき検索データ２３である。

【００４７】なお、いずれの情報単位Ｃ１，Ｃ２，Ｃ
３，…，Ｃｍにおいても前記尤度Ｐｓｔがしきい値を超
えない場合には、情報検索システム１の管理者に警告が
出されるなどし、管理者が実際の単文Ｓａを読んで解釈
し、いずれの情報単位Ｃｊが前記単文Ｓａのカテゴリー
に近いかを判断し、検索データ２３として指定する。

【００４８】図１に示す検索モジュール２４では、前記
尤度Ｐｓｔにより抽出された検索データ２３のカテゴリ
ーに対応した回答文、または注文等の確認文が選択さ
れ、インターフェース２５から検索者の端末に送信され
る。

【００４９】図４は、前記情報検索システム１の応用範
囲を示している。図４に示すＩのフローが、前記質問文
や注文文が入力されたときであり、前記のようにインタ
ーネットを通じての自動回答や注文の確認などが行われ
る。また前記のように単文Ｓａが情報単位Ｃ１，Ｃ２，
Ｃ３．．．，Ｃｍのいずれかのカテゴリーに属するべき
かが判断された時点で、前記単文Ｓａを検索された情報
単位内に格納するなどのＱ＆Ａの構築支援に利用するこ
とができる。

【００５０】または図４に示すＩＩのフローのように、
前記尤度Ｐｓｔを演算することにより、入力された単文
Ｓａを主題とする、または前記単文Ｓａを含む、文章デ
ータの分類、文章データの検索、データベースの構築な
どを行うことができる。

【００５１】

【発明の効果】以上のように本発明では、文章データが
入力されたときに、その文章データの文意を正確に把握
して、その文章データに対応する情報の検索を行うこと
ができる。また、文章データの構文木に基づいてどの情
報単位の尤度が高いかを検索することにより、情報単位
の検索精度を向上させることができる。

【図面の簡単な説明】

【図１】本発明の情報検索システムの構成例を示すブロ
ック図、

【図２】構文木データを形成する過程を示す説明図、

【図３】データベース内の情報単位の検索手法の説明
図、

【図４】本発明の情報検索システムの応用範囲を示す説
明図、

【符号の説明】

１ 情報検索システム ２ システム本体 ３ 読み込みインターフェース ４ 形態素解析 ５ 構文解析 ６ 構文木データの生成 ７ 演算処理 ８ 情報処理部 ９ 抽出情報データベース １０ テキストデータベース ２２ 構文木データ ２３ 検索データ

Claims (3)

【特許請求の範囲】
1. 【請求項１】 以下の手段を有することを特徴とする情
   報検索システム。 （ａ）入力された文章データに辞書のデータベースを適
   用して、前記文章データを単語と品詞属性とに解析して
   形態素解析データを生成する手段、 （ｂ）前記形態素解析データに基づいて、前記単語を少
   なくとも１つ含む文節を解読するとともに、文節間の係
   り受け関係を解析する手段と、 （ｃ）係り受け関係にある複数の文節およびこの文節ご
   との述語属性と、さらに前記文節間の関係属性を付加し
   た部分木データを生成し、さらに関係のある複数の前記
   部分木からなる構文木を構築して構文木データを生成す
   る手段、 （ｄ）前記部分木データおよび前記構文木データに基づ
   いて、抽出すべき情報が格納されたデータベースから、
   前記構文木データと一致する構文を含む情報、または前
   記構文木データに類似した構文を含む情報を抽出する手
   段。
2. 【請求項２】 入力された文章をＳ、入力された文章Ｓ
   内の部分木データをＴｉ（ｉ＝１，２，３，…ｎ）と
   し、被検索対象のデータベースに含まれる情報単位をＣ
   ｊ（ｊ＝１，２，３，…ｍ）、前記情報単位Ｃｊが複数
   集まった集合をＭとし、 前記（ｄ）の情報を抽出する手段が以下の具体的な手段
   を含む請求項１記載の情報検索システム。 （ｄ１）それぞれの前記情報単位Ｃｊについて、その情
   報単位Ｃｊに属する全ての部分木の数に対する、前記部
   分木データＴｉが出現する回数の比を、前記情報単位Ｃ
   ｊにおけるＴｉの出現確率Ｐ（ｊ）として演算する、 （ｄ２）前記集合Ｍに属する全ての部分木の数に対す
   る、前記部分木データＴｉが出現する回数の比を、集合
   ＭにおけるＴｉの出現確率Ｐｔ（ｉ）として演算する、 （ｄ３）前記出現確率の比｛Ｐ（ｊ）／Ｐｔ（ｉ）｝
   を、情報単位Ｃｊにおける前記部分木データＴｉの特異
   度Ｐｓ（ｉ）とする、 （ｄ４） 文章Ｓ内の各部分木Ｔｉについて演算された
   前記特異度Ｐｓ（ｉ）から、各情報単位Ｃｊの尤度Ｐｓ
   ｔ＝Σ｛Ｐｓ（ｉ）｝（ｉ＝１からｉ＝ｎまでの累積加
   算値｝を求め、前記尤度Ｐｓｔが所定値以上の前記情報
   単位Ｃｊを検索結果とする。
3. 【請求項３】 前記情報単位Ｃｊは、同種のカテゴリー
   の文章の集まりであり、前記情報単位Ｃｊが検索結果と
   されたときに、この情報単位Ｃｊのカテゴリーに対する
   対応文がデータベースから選択される請求項２記載の情
   報検索システム。