JP2004348555A

JP2004348555A - 文書分析方法及び装置及び文書分析プログラム及び文書分析プログラムを格納した記憶媒体

Info

Publication number: JP2004348555A
Application number: JP2003146322A
Authority: JP
Inventors: Junji Tomita; 準二富田; Tamio Kihara; 民雄木原
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2003-05-23
Filing date: 2003-05-23
Publication date: 2004-12-09
Anticipated expiration: 2023-05-23
Also published as: JP4259179B2

Abstract

【課題】大量の文書集合の内容を即座に正確に把握させる。
【解決手段】本発明は、ユーザが可視化されたグラフ上の１つまたは複数の単語を選択すると、選択された単語及びその周辺単語から構成される条件グラフを自動的に生成し、原文書の中で条件グラフに類似する文単位（文節、文、段落、連続するｎ単語やｎ文字）を要約表現として出力する。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、文書分析方法及び装置及び文書分析プログラム及び文書分析プログラムを格納した記憶媒体に係り、特に、大量の文書を分析し、文書の内容の概観を作成する文書分析方法及び装置及び文書分析プログラム及び文書分析プログラムを格納した記憶媒体に関する。
【０００２】
【従来の技術】
情報技術の進歩によって、人々がアクセスすることができる電子化文書の量は急速に拡大している。しかしながら、人間の情報処理能力は限られているため、大量の文書を１つずつ読むことは事実上不可能となってきている。従って、大量の文書の内容の概観を作成し、人間がその内容を即座に正確に理解することを支援するための技術が必要となってきている。
【０００３】
このような技術を以下に示す。
【０００４】
（１）文書集合が蓄積されたデーターベースから各文書を取得する。
【０００５】
（２）各文書から単語を抽出し、単語をノード、単語間の関連をリンクとしたグラフを作成する。ここで、単語の出現頻度、単語の共出現頻度等を用いて単語の重要度、単語間の関連度を計算し、それぞれ、ノードの重み、リンクの重みとして設定する。
【０００６】
（３）ユーザによって指定されたグラフ操作を実行する。ここで、グラフ操作とは、グラフの集合を引数とし、グラフの集合を結果として出力する関数である。グラフ操作には、類似グラフ検索、類似グラフ分類、部分グラフ抽出、グラフ合成、グラフ差分等がある。
【０００７】
（４）引数として指定されたグラフ集合に対して、グラフ操作を実行し、実行結果であるグラフ集合を出力する。例えば、類似グラフ検索では、引数として検索条件グラフと、検索対象グラフの集合を与えると、検索対象グラフの中で、検索条件グラフに類似している上位ｎ件のグラフが出力として得られる。
【０００８】
（５）グラフ操作によって出力されたグラフを可視化する。
【０００９】
（６）ユーザは、可視化されたグラフを確認し、満足な結果が得られるまで、上記の（３）〜（５）を繰り返す。
【００１０】
以下に、「特許」を対象とした分析の例を用いて上記の処理を説明する。
【００１１】
あるユーザが、「情報システムを、医療分野に適用する」といった内容の特許Ａを書いたときに、特許Ａに関連する他社特許の内容を概観したいとする。まず、特許Ａをグラフに変換する。このグラフをＧＡとする（図１５）。次に、分析対象である各特許をグラフに変換する。ＧＡを検索条件グラフとし、各特許から作成されたグラフを検索対象グラフとして、類似する上位５０件のグラフを取得する。次に、これら５０件のグラフを分類対象のグラフ集合とし、類似グラフ分類操作を実行し、３つのカテゴリに分類する。分類された各カテゴリのグラフをグラフ合成操作によって合成し、可視化を行う。このようにして作成されたグラフの例を図１６に示す。図１６では、文字の大きさが単語の重要度に、リンクの太さが単語間の関連度に対応している。また、各カテゴリに分類された特許の件数と文書ＩＤが併せて表示してある。図１６から各カテゴリに分類された特許の内容は、それぞれ
・カテゴリ１：「医療データを検索管理するためのシステム」
・カテゴリ２：「医療費の控除を計算するためのシステム」
・カテゴリ３：「医療画像を撮影するためのシステム」
であることが読み取れる。即ち、「情報システムを、医療分野に適用する」という内容の特許に対して、カテゴリ１〜３のような内容の関連特許が出願されていることがわかる。
【００１２】
このように、いくつかのグラフ操作を組み合わせ、結果として出力される結果グラフを可視化することによって、その文書集合に含まれる重要な単語がどれなのか、また、各単語と関連の強い単語がどれなのかを即座に判断することができる。そのため、対象となる文書を一つずつ読まなくても、文書や文書集合の内容を即座に把握することができる。
【００１３】
【発明が解決しようとする課題】
前述した従来の技術では、文書集合の中で、特に重要な単語や、それらの単語と関連が強い単語がどれなのかわかる。しかしながら、これらの単語間にどのような関係があるかまではわからないという問題がある。
【００１４】
例えば、図１６のカテゴリ１のグラフには、「患者」「データ」「検索」の間に太いリンクがあるため、これらの単語間には強い関連があることがわかる。しかし、これらの単語間の関係が、以下の（ａ），（ｂ）のどちらであるのかは判断できない。
【００１５】
（ａ）「検索の対象が患者データである」という関係
例文：「医療スタッフが患者データを即座に検索できるシステム」
（ｂ）「患者が何らかのデータを検索する」という関係
例文：「患者自身が、医療データを検索できるシステム」
このように、可視化されたグラフを見ただけでは、単語間にどのような関係があるのかがわからず、文書や文書集合の内容を正確に把握できないという問題がある。
【００１６】
本発明は、上記の点に鑑みなされたもので、単語間の関係がどのようなものであるかを正確に判断でき、大量の文書集合の内容を、即座に正確に把握することが可能な文書分析方法及び装置及び文書分析プログラム及び文書分析プログラムを格納した記憶媒体を提供することを目的とする。
【００１７】
【課題を解決するための手段】
図１は、本発明の原理を説明するための図である。
【００１８】
本発明は、文書を分析し、文書集合の内容の概観を作成する文書分析方法において、
分析実行装置が、分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとをユーザインタフェースに出力し（ステップ１）、
条件グラフ生成装置が、ユーザインタフェースによって表示された結果グラフからユーザにより選択された１つまたは、複数の単語からなる選択単語リストと、結果グラフから条件グラフを生成し（ステップ２）、
文単位グラフ生成装置が、条件グラフと分析実行装置から取得した文書ＩＤリストに基づいて、分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行い（ステップ３）、
文単位選択装置が、条件グラフに合致する文単位を選択し、ユーザインタフェースに出力し（ステップ４）、
ユーザインタフェースが、選択された文単位を要約表現として表示する（ステップ５）。
【００１９】
また、本発明は、条件グラフ生成装置において、条件グラフを生成する際に（ステップ２）、
選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして条件グラフを生成する。
【００２０】
また、本発明は、条件グラフ生成装置において、条件グラフを生成する際に（ステップ２）、
ホップ数及び最低関連度を設定し、
結果グラフ上で、各選択単語から指定されたホップ数以内であり、最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、
選択単語リストと周辺単語リストとを条件単語リストとし、
条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、
結果グラフ上のこれらのノード間に存在するリンクを条件グラフのリンクとして条件グラフを生成する。
【００２１】
また、本発明は、文単位グラフ生成装置において、文単位グラフを生成する際（ステップ３）に、
文書ＩＤを用いて分析対象文書データーベースから文書を取得し、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割し、
条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算し、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算し、
単語の出現頻度を各ノードの重要度、共出現頻度を各単語間の関連度に設定した文単位グラフを生成する。
【００２２】
また、本発明は、文単位選択装置において、文単位を選択して出力する際に（ステップ４）、
条件グラフ生成装置において生成された条件グラフと、文単位グラフ生成装置において生成された各文単位グラフとの類似度を計算し、
類似度の高い定数個の文単位グラフに対応する文単位を、条件グラフに合致する文単位として選択して出力する。
【００２３】
図２は、本発明の原理構成図である。
【００２４】
本発明は、文書を分析し、文書集合の内容の概観を作成する文書分析装置であって、
分析対象の文書を蓄積する分析対象データーベース６０と、
分析対象文書データーベース６０から文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行手段１０と、
結果グラフを可視化し、可視化された該結果グラフのユーザにより指定された部分に対応する要約表現を表示するユーザインタフェース２０と、
ユーザインタフェース２０によって表示された結果グラフから選択された１つまたは、複数の単語からなる選択単語リストと、結果グラフから条件グラフを生成する条件グラフ生成手段３０と、
条件グラフと文書ＩＤリストに基づいて、分析対象文書データーベース６０から文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成手段４０と、
条件グラフに合致する文単位を選択し、ユーザインタフェース２０に出力する文単位選択手段５０と、を有する。
【００２５】
また、本発明の条件グラフ生成手段３０は、
選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして条件グラフを生成する手段を有する。
【００２６】
また、本発明の条件グラフ生成手段３０は、
ホップ数及び最低関連度を設定する手段と、
結果グラフ上で、各選択単語から指定されたホップ数以内であり、最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとする手段と、
選択単語リストと周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを条件グラフのリンクとして前記条件グラフを生成する手段と、を有する。
【００２７】
また、本発明の文単位グラフ生成手段４０は、
文書ＩＤを用いて分析対象文書データーベース６０から文書を取得する手段と、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割する手段と、
条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算する手段と、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算する手段と、
単語の出現頻度を各ノードの重要度、共出現頻度を各単語間の関連度に設定した文単位グラフを生成する手段と、を有する。
【００２８】
また、本発明の文単位選択手段５０は、
条件グラフ生成手段において生成された条件グラフと、文単位グラフ生成手段において生成された前記各文単位グラフとの類似度を計算する手段と、
類似度の高い定数個の文単位グラフに対応する文単位を、条件グラフに合致する文単位として選択して出力する手段と、を有する。
【００２９】
本発明は、文書を分析し、文書集合の内容の概観を作成する文書分析プログラムであって、
分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行ステップと、
ユーザインタフェースによって表示された結果グラフからユーザにより選択された１つまたは、複数の単語からなる選択単語リストと、結果グラフから条件グラフを生成する条件グラフ生成ステップと、
条件グラフと文書ＩＤリストに基づいて、分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成ステップと、
条件グラフに合致する文単位を選択し、ユーザインタフェースに出力する文単位選択ステップと、
ユーザインタフェースが、選択された文単位を要約表現として表示する表示ステップからなる。
【００３０】
また、本発明の条件グラフ生成ステップにおいて、条件グラフを生成する際に、
選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして条件グラフを生成するステップを含む。
【００３１】
また、本発明の文書分析プログラムの条件グラフ生成ステップにおいて、条件グラフを生成する際に、
ホップ数及び最低関連度を設定するステップと、
結果グラフ上で、各選択単語から指定されたホップ数以内であり、最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、選択単語リストと周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを条件グラフのリンクとして条件グラフを生成するステップとを含む。
【００３２】
また、本発明の文書分析プログラムの文単位グラフ生成ステップにおいて、文単位グラフを生成する際に、
文書ＩＤを用いて分析対象文書データーベースから文書を取得するステップと、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割するステップと、
条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算するステップと、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算するステップと、
単語の出現頻度を各ノードの重要度、共出現頻度を各単語間の関連度に設定した文単位グラフを生成するステップと、を含む。
【００３３】
また、本発明の文書分析プログラムの文単位選択ステップにおいて、文単位を選択して出力する際に、
条件グラフ生成ステップにおいて生成された条件グラフと、文単位グラフ生成装置において生成された各文単位グラフとの類似度を計算するステップと、
類似度の高い定数個の文単位グラフに対応する文単位を、条件グラフに合致する文単位として選択して出力するステップとを含む。
【００３４】
本発明は、文書を分析し、文書集合の内容の概観を作成する文書分析プログラムを格納した記憶媒体であって、
分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行ステップと、
ユーザインタフェースによって表示された結果グラフからユーザにより選択された１つまたは、複数の単語からなる選択単語リストと、結果グラフから条件グラフを生成する条件グラフ生成ステップと、
条件グラフと文書ＩＤリストに基づいて、分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成ステップと、
条件グラフに合致する文単位を選択し、ユーザインタフェースに出力する文単位選択ステップと、
ユーザインタフェースが、選択された文単位を要約表現として表示する表示ステップからなる。
【００３５】
また、本発明の文書分析プログラムを格納した記憶媒体の条件グラフ生成ステップにおいて、条件グラフを生成する際に、
選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして条件グラフを生成するステップを含む。
【００３６】
また、本発明の文書分析プログラムを格納した記憶媒体の条件グラフ生成ステップにおいて、条件グラフを生成する際に、
ホップ数及び最低関連度を設定するステップと、
結果グラフ上で、各選択単語から指定されたホップ数以内であり、最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、選択単語リストと周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを条件グラフのリンクとして条件グラフを生成するステップとを含む。
【００３７】
また、本発明の文書分析プログラムを格納した記憶媒体の文単位グラフ生成ステップにおいて、文単位グラフを生成する際に、
文書ＩＤを用いて分析対象文書データーベースから文書を取得するステップと、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割するステップと、
条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算するステップと、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算するステップと、
単語の出現頻度を各ノードの重要度、共出現頻度を各単語間の関連度に設定した文単位グラフを生成するステップと、を含む。
【００３８】
また、本発明の文書分析プログラムを格納した記憶媒体の文単位選択ステップにおいて、文単位を選択して出力する際に、
条件グラフ生成ステップにおいて生成された条件グラフと、文単位グラフ生成ステップにおいて生成された各文単位グラフとの類似度を計算するステップと、
類似度の高い定数個の文単位グラフに対応する文単位を、条件グラフに合致する文単位として選択して出力するステップとを含む。
【００３９】
上述のように、本発明は、可視化されたグラフ上の１つまたは、複数の単語を選択すると、選択された単語及びその周辺の単語から構成される条件グラフを自動的に生成し、原文書の中で、条件グラフに類似する文単位（文節、文、段落、連続するｎ単語や、ｎ文字）を要約表現として出力することにより、単語間の関係がどのようなものであるかを正確に判断でき、大量の文書集合の内容を即座に正確に把握することが可能となる。
【００４０】
【発明の実施の形態】
以下、図面と共に、本発明の実施の形態を説明する。
【００４１】
図３は、本発明の一実施の形態における文書分析装置の構成を示す。
【００４２】
同図に示す文書分析装置は、分析実行装置１０、ユーザインタフェース２０、条件グラフ生成装置３０、文単位グラフ生成装置４０、文単位選択装置５０、及び分析対象文書データーベース６０から構成される。
【００４３】
分析実行装置１０は、分析対象文書データーベース６０から文書を取得し、各文書をグラフに変換する。グラフ操作の実行を行い、結果グラフと文書ＩＤリストをユーザインタフェース２０に送る。以下にグラフ操作について説明する。
【００４４】
最初に類似グラフ検索操作（ｓｅｒｃｈ：ＧＡ，ＧＳ）について説明する。
【００４５】
図４は、本発明の一実施の形態における類似グラフ検索操作を説明するための図である。当該類似グラフ検索操作における入力は、検索条件グラフ（Ｇａ）と、ｎ個の検索対象グラフ（ＧＳ）であり、以下の処理により類似度の高いｍ個のグラフ集合が出力される。
【００４６】
（１）ＧａとＧＳの各グラフとの類似度を計算する。なお、グラフ間の類似度計算手法としては、既存の技術である、例えば、特願平１０−２９７３２１を利用することができる。
【００４７】
（２）類似度の降順にＧＳをソートする。
【００４８】
（３）類似度の高いｍ個のグラフを出力する。
【００４９】
次に、類似グラフ分析操作（ｃｌｕｓｔｅｒｉｎｇ（ＧＳ））について説明する。
【００５０】
図５は、本発明の一実施の形態における類似グラフ分類操作を説明するための図である。
【００５１】
当該類似グラフ分析装置における入力は、ｎ個の分類対象グラフ（ＧＳ）であり、以下の処理により、ｋ個のクラスタに分けられた分類対象グラフが出力される。
【００５２】
（１）ＧＳに含まれるグラフ間の類似度を計算する。なお、当該類似度の計算には、類似グラフ検索操作と同様の既存の技術を利用することができる。
【００５３】
（２）類似度に基づき、グラフをｋのクラスタに分類する。
【００５４】
（３）ｋのクラスタを出力する。
【００５５】
次に、部分グラフ抽出操作（ｅｘｔｒａｃｔ（Ｇａ，ＧＳ）について説明する。
【００５６】
図６は、本発明の一実施の形態における部分グラフ抽出操作を説明するための図である。
【００５７】
当該グラフ抽出操作における入力は、抽出条件グラフ（Ｇａ）とｎ個の抽出対象グラフ（ＧＳ）であり、以下の処理により、ｎ個の抽出されたグラフが出力される。
【００５８】
（１）ＧＳの各グラフからＧａに基づき部分グラフを抽出する。
【００５９】
（２）抽出された部分グラフの集合を出力する。
【００６０】
図６の例では、Ｇａに含まれるノード（単語‘Ａ’，‘Ｂ’）から１ホップ以内のノードからなる部分グラフを抽出している。部分グラフの抽出アルゴリズムは既存技術による。例えば、特願２０００−６２５６１が利用できる。
【００６１】
次に、グラフ合成操作（ｍｅｒｇｅ（ＧＳ））について説明する。
【００６２】
グラフ合成における入力は、ｎ個の合成対象グラフであり、以下の処理により、合成されたグラフが出力される。図７は、本発明の一実施の形態におけるグラフ合成操作を説明するための図である。
【００６３】
（１）ＧＳの中の同じ単語を持つノードを見つけ、その重要度を加算する。
【００６４】
（２）ＧＳの中の同じ単語を両端に持つリンクを見つけ、その関連度を加算する。
【００６５】
（３）このようにして作成されたグラフを出力する。
【００６６】
次に、グラフ差分抽出操作（ｓｕｂｓｔｒｃｔ（Ｇａ，Ｇｂ））について説明する。
【００６７】
グラフ差分抽出操作の入力は、差分対象グラフ（Ｇａ）と、差分抽出条件グラフ（Ｇｂ）であり、以下の処理により、差分グラフが抽出される。図８は、本発明の一実施の形態におけるグラフ差分抽出操作を説明するための図である。
【００６８】
（１）ＧａからＧｂの重要度の減算を行う。
【００６９】
（２）ＧａからＧｂの関連度の減算を行う。
【００７０】
（３）減算された重要度、関連度を持つグラフを出力する。
【００７１】
なお、ここで、減算とは、同じノード（リンク）がある場合には、重要度、関連度を減算し、同じノード（リンク）がない場合には、何も行わない。また、減算した結果、負数になる場合には、そのノード（リンク）を削除する。
【００７２】
これらの操作の入出力は共にグラフリストであるため、任意の順序で組み合わせることが可能である。また、上記のグラフ操作以外でも入出力が共にグラフリストであれば本発明に組み込むことができる。
【００７３】
ユーザインタフェース２０は、分析実行装置１０から取得したグラフを、単語をノード、単語間の関連をリンクとしたグラフによって可視化する。ユーザは可視化されたグラフ上の任意の単語を複数選択することができる。選択された単語のリストを、結果グラフ、文書ＩＤリストと共に、条件グラフ生成装置３０に送る。また、文単位選択装置５０が選択した文単位リストを要約表現として表示する。ここで、文単位とは、文、段落、文節といった文書の論理的な単位か、連続するｎ文字、ｎ単語である。文単位は、その文単位が出現する文書ＩＤと、その文書の中での出現位置を持つ、文単位の中で、ユーザによって選択された単語は、フォントや色を変えて表示する。また、選択単語間の関連に該当する箇所に線を記述する。図９は、本発明の一実施の形態におけるユーザインタフェースの表示例を示す。同図における詳細な説明は、後述する。
【００７４】
条件グラフ生成装置３０は、ユーザインタフェース２０上で選択された単語リストと、分析実行装置１０が出力した結果グラフから条件グラフを生成する。条件グラフの生成方法は、以下の通りである。
【００７５】
（ａ）ユーザが選択した単語を含む結果グラフ上のノードを条件グラフのノードとし、結果グラフ上で、これらのノード間に存在するリンクをリンクとして、条件グラフを作成する方法：
（ｂ）ユーザが選択した単語を含む結果グラフ上のノード、及び、選択された単語の周辺のノードを条件グラフのノードとし、これらのノード間に存在するリンクを条件グラフのリンクとして、条件グラフを生成する方法：
ここで、周辺のノードとは、「選択された単語を持つノードからｍホップ（最短経路のパス長がｍ）以内のノード」や「選択された単語を持つノードからの関連度がｋ以上のノード」等である。ここで、ｍ，ｋは０以上の定数である。
【００７６】
このようにして生成した条件グラフを文単位選択装置５０、文単位グラフ生成装置４０に送る。文単位グラフ生成装置４０には、文書ＩＤリストを合わせて送る。
【００７７】
文単位グラフ生成装置５０は、条件グラフ生成装置３０から取得した条件グラフと文書ＩＤリストを用いて、文単位グラフを以下のステップによって生成する。
【００７８】
（１）文書ＩＤに対応する文書を分析対象文書データーベース６０から取得し、各文書から条件グラフに含まれる単語を１つでも含む文単位を抽出する。
【００７９】
（２）各文単位をグラフに変換する。文単位への変換方法は、次の通りである。
【００８０】
ｉ）文単位から単語を抽出し、出現頻度を計算し、重要度を割り当てる。
【００８１】
ｉｉ）文単位の中の規定区間の中での共出現頻度を計算し、関連度を割り当てる。ここで、規定区間は、分単位または、文単位より短い予め定めた区間である。例えば、文単位が文の場合には、文節や連続する規定数の文字等である。
【００８２】
文単位グラフ、文単位、文書ＩＤ、文単位の出現位置を１つのセットとし、文単位グラフリストに追加する。文書ＩＤリストに対応する全ての文書に対して上記の処理を行い、生成した文単位グラフリストを文単位選択装置５０に送る。
【００８３】
文単位選択装置５０は、条件グラフ生成装置３０から取得した条件グラフ、文単位グラフ生成装置４０から取得した文単位グラフリストを用いて、以下の処理によって最適な分単位を選択する。
【００８４】
（１）条件グラフと各文単位グラフの類似度を計算する。類似度の計算は、例えば、分析実行装置１０において説明した方法を用いることが可能である。つまり、同じ単語が同程度の重要度で使用され、同じ単語間に同程度の関連があるグラフ同士に大きな類似度を割り当てる。
【００８５】
（２）類似度の大きい順にｎ個の文単位を選択する。
【００８６】
上位ｎ個の文単位、各文単位が出現する文書ＩＤ、出現位置をまとめて文単位リストとし、これをユーザインタフェース２０に送る。
【００８７】
以下、上記の構成における動作を説明する。
【００８８】
図１０は、本発明の一実施の形態における文書分析処理の動作のフローチャートである。
【００８９】
ステップ１００）分析実行装置１０が以下の処理を行う。
【００９０】
（ａ）分析対象文書データーベース６０から文書を取得する。
【００９１】
（ｂ）各文書をグラフに変換する。
【００９２】
（ｃ）グラフ集合に対して、ユーザの指定する複数のグラフ操作を実行する。
【００９３】
（ｄ）結果グラフとそのグラフの基となった文書の文書ＩＤをユーザインタフェース２０に送信し、ユーザインタフェース２０が、このようにして得られた結果グラフを、可視化して表示する。
【００９４】
ステップ２００）ユーザインタフェース２０を通して、ユーザが可視化された結果グラフ上の１つまたは、複数の単語を選択し、「要約表現作成」ボタンを押す。
【００９５】
ステップ３００）条件グラフ生成装置３０が、選択された単語リストと結果グラフから、条件グラフを生成する。詳細については後述する。
【００９６】
ステップ４００）文単位グラフ生成装置４０が、条件グラフと文書ＩＤリストに基づき、分析対象文書データーベース６０からの文書の取得、文単位の抽出、文単位グラフの生成を行う。詳細は、後述する。
【００９７】
ステップ５００）文単位選択装置５０が、各分単位グラフと条件グラフとの類似度を計算し、類似度の高いｎ個の文単位を選択する。
【００９８】
ステップ６００）文単位選択装置５０が出力した文単位を、単語及び単語間の関連を色、フォント、線によって示し，出力する。各文単位の出現する文書ＩＤと出現位置を併せて表示する。
【００９９】
次に、上記のステップ３００における条件グラフ生成処理について詳細に説明する。
【０１００】
図１１は、本発明の一実施の形態における条件グラフ生成処理のフローチャートである。
【０１０１】
ステップ３０１）分析実行装置１０の出力した結果グラフとユーザによって選択された選択単語リストを取得する。
【０１０２】
ステップ３０２）単語を格納するための条件単語リスト、追加単語リスト、基本単語リストを空の状態で生成する。周辺単語を取得する際のホップ数ｍと、関連度の最低値ｋを設定する。ここで、前述の条件グラフ生成装置３０の説明で示した（ａ）の方法（選択単語のみで条件グラフを生成）の場合は、ｍ＝０とする。
【０１０３】
ステップ３０３）選択単語リストを、条件単語リスト及び追加単語リストに設定する。
【０１０４】
ステップ３０４）ホップ数ｍの値を判定し、以下の分岐処理を行う。
【０１０５】
ｍ＞０の場合は、ステップ３０５に移行する。
【０１０６】
ｍ≦０の場合は、ステップ３１１に移行する。
【０１０７】
ステップ３０５）追加単語リストを基本単語リストに設定する。また、追加単語リストを空にする。
【０１０８】
ステップ３０６）基本単語リストが空かどうかを判定し、以下の分岐処理を行う。
【０１０９】
空でない場合は、ステップ３０７に移行する。
【０１１０】
空である場合は、ステップ３０９に移行する。
【０１１１】
ステップ３０７）基本単語リストから単語を１つ取り出し、結果グラフ上で、この単語ｉからの関連度がｋ以上であり、これまでの処理で一度も抽出されていないリンク集合を抽出する。
【０１１２】
ステップ３０８）ステップ３０７で抽出した各リンクの単語ｉの逆端の単語を取得する。この単語が、条件単語リスト、追加単語リストのいずれにも存在しない場合、追加単語リストに追加する。
【０１１３】
ステップ３０９）ホップ数ｍを１減算する。
【０１１４】
ステップ３１０）追加単語リストを条件単語リストに追加する。
【０１１５】
ステップ３１１）条件単語リストの中のすべての２つの単語間のリンクを、結果グラフから取得する。
【０１１６】
ステップ３１２）条件単語リストの各単語を持つ結果グラフ上のノード、及びステップ３１１で得られたリンクの集合からグラフを作成する。これを条件グラフとして出力する。
【０１１７】
次に、上記のステップ４００の文単位グラフ生成処理について説明する。
【０１１８】
図１２は、本発明の一実施の形態における文単位グラフ生成処理のフローチャートである。
【０１１９】
ステップ４０１）ステップ３００で生成した条件グラフ、ステップ１００で生成した文書ＩＤリストを取得する。
【０１２０】
ステップ４０２）空の文単位グラフリストを生成する。文単位グラフリストには、文単位グラフ、文単位、文書ＩＤ、文単位の出現位置のセットをリストとして持つことができる。
【０１２１】
ステップ４０３）文書ＩＤリストが空かを判定し、以下の分岐処理を行う。
【０１２２】
空でない場合は、ステップ４０４に移行する。
【０１２３】
空である場合は、ステップ４１２に移行する。
【０１２４】
ステップ４０４）文書ＩＤリストから文書ＩＤを１つ取り出し、文書ＩＤに対応した文書を分析対象文書データーベース６０から取得する。
【０１２５】
ステップ４０５）文書から文単位を抽出し、文単位リストに設定する。
【０１２６】
ステップ４０６）文単位リストが空かを判定し、以下の分岐処理を行う。
【０１２７】
文単位リストが空でない場合は、ステップ４０７に移行する。
【０１２８】
文単位リストが空である場合は、ステップ４０３に移行する。
【０１２９】
ステップ４０７）文単位リストから文単位ｊを１つ取り出し、文単位ｊが条件グラフの単語を１つでも含むかを判定し、以下の分岐処理を行う。
【０１３０】
含む場合は、ステップ４０８に移行する。
【０１３１】
含まない場合は、ステップ４０６に移行する。
【０１３２】
ステップ４０８）文単位ｊから単語を抽出し、各単語の出現頻度を計算することによって、各単語の重要度を計算する。
【０１３３】
ステップ４０９）文単位ｊを規定区間に分割し、各規定区間内での共出現頻度を計算することによって、各単語間の関連度を計算する。
【０１３４】
ステップ４１０）ステップ４０８で計算した単語の重要度を、ノードの重みに設定し、ステップ４０９で計算した単語間の関連度をリンクの重みに設定した文単位グラフｊを生成する。
【０１３５】
ステップ４１１）文単位グラフｊ、文単位ｊ、文書ＩＤ、文単位ｊの出現位置を１つのセットとし、文単位グラフリストへ追加する。
【０１３６】
ステップ４１２）文単位グラフリストを出力する。
【０１３７】
【実施例】
以下、図面と共に本発明の実施例を説明する。
【０１３８】
以下では、前述の図１０のフローチャートに基づいて説明するものとし、上記のステップ１００の分析実行処理によって、図１６のカテゴリ１のグラフが可視化され、ユーザインタフェース２０に表示されているとして説明する。
【０１３９】
ステップ２００）ユーザは、このように可視化されたグラフの中から「検索」「患者」「データ」を選択し、「要約表現作成」ボタンを押す。
【０１４０】
ステップ３００）ユーザの選択したこれらの単語及びその周辺の単語である「医療」「管理」から条件グラフを生成する。ここで、周辺は、１ホップ（ｎ＝１）、最低関連度は、関連度が大きいもの（太いリンク）としてある。ここで作成された条件グラフは、図１３である。
【０１４１】
ステップ４００）カテゴリ１に含まれる各文書の中で、条件グラフの単語を１つでも含む文単位が抽出される。図１４では、文書３、文書５、文書６からそれぞれ、２個、３個、１個の文単位が抽出されている。各文単位の先頭の数字は、その文単位の出現位置（文書の先頭の文単位を１とした連番）を示す。次に、文単位を文単位グラフに変換する。各文単位から単語を抽出し、文節の中で共出現関係を抽出し、グラフを生成している（図１４の右に示す）。
【０１４２】
ステップ５００）図１３の条件グラフと図１４の各文単位グラフの類似度計算が行われ、類似度の高い順に文単位が抽出される。
【０１４３】
ステップ６００）ステップ５００で抽出された文単位をユーザインタフェース２０に表示する。表示例を図９に示す。結果グラフ可視化ウィンドウでは、分析実行装置１０の出力した結果グラフを表示している。ここで、ユーザが選択した単語をノードの色を変えて表示している。要約表現表示ウィンドウでは、ユーザの選択した単語間の関係を最も良く表す文単位上位３個が、文書ＩＤ、出現位置と共に表示されている。各文単位では、ユーザの選択した単語を斜字体・太字、ユーザが選択した単語間の関連が文単位内にある場合には線によって表示している。
【０１４４】
ユーザは、この要約表現から、可視化された結果グラフの「患者」「検索」「データ」の関連が、「患者が何らかのデータを検索する」という関係に対応することを理解することができる。即ち、可視化されたグラフの一部を指定するだけで、その指定部分を最も良く表す原文書の箇所を即座に確認することができるので、文書や文書集合のないようを正確に判断することができる。
【０１４５】
また、前述の図１０、図１１、図１２に示すフローチャートの動作をプログラムとして構築し、文書分析装置として利用されるコンピュータにインストールし、ＣＰＵ等の制御手段により実行する、または、ネットワークを介して流通させることが可能である。
【０１４６】
また、構築されたプログラムを、文書分析装置として利用されるコンピュータに接続されるハードディスク装置や、フレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納しておき、本発明を実施する際に、コンピュータにインストールして実行することも可能である。
【０１４７】
なお、本発明は、上記の実施の形態及び実施例に限定されることなく、特許請求の範囲内に置いて、種々変更・応用が可能である。
【０１４８】
【発明の効果】
上述のように、本発明によれば、可視化された単語のグラフの一部を選択するだけでその部分を最も良く表す要約表現（原文書の箇所）を確認することができるので、単語間の関係がどのようなものであるかを理解でき、正確に、即座に文書や文書集合の内容を把握することができる。
【図面の簡単な説明】
【図１】本発明の原理を説明するための図である。
【図２】本発明の原理構成図である。
【図３】本発明の一実施の形態における文書分析装置の構成図である。
【図４】本発明の一実施の形態における類似グラフ検索操作を説明するための図である。
【図５】本発明の一実施の形態における類似グラフ分類操作を説明するための図である。
【図６】本発明の一実施の形態における部分グラフ抽出操作を説明するための図である。
【図７】本発明の一実施の形態におけるグラフ合成操作を説明するための図である。
【図８】本発明の一実施の形態におけるグラフ差分抽出操作を説明するための図である。
【図９】本発明の一実施の形態におけるユーザインタフェースの表示例である。
【図１０】本発明の一実施の形態における文書分析処理の動作のフローチャートである。
【図１１】本発明の一実施の形態における条件グラフ生成処理のフローチャートである。
【図１２】本発明の一実施の形態における文単位グラフ生成処理のフローチャートである。
【図１３】本発明の一実施例の条件グラフ生成処理により生成された条件グラフの例である。
【図１４】本発明の一実施例の文単位グラフ生成処理により生成された文単位グラフの例である。
【図１５】従来の分析処理により特許Ａから作成されたグラフ（ＧＡ）の例である。
【図１６】従来の分析処理により得られた結果グラフの例である。
【符号の説明】
１０分析実行手段、分析実行装置
２０ユーザインタフェース
３０条件グラフ生成手段、条件グラフ生成装置
４０文単位グラフ生成手段、文単位生成装置
５０文単位選択手段、文単位選択装置
６０分析対象文書データーベース

Claims

文書を分析し、文書集合の内容の概観を作成する文書分析方法において、
分析実行装置が、分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとをユーザインタフェースに出力し、
条件グラフ生成装置が、前記ユーザインタフェースによって表示された前記結果グラフからユーザによって選択された１つまたは、複数の単語からなる選択単語リストと、前記結果グラフから条件グラフを生成し、
文単位グラフ生成装置が、前記条件グラフと前記分析実行装置から取得した文書ＩＤリストに基づいて、前記分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行い、
文単位選択装置が、前記条件グラフに合致する文単位を選択し、前記ユーザインタフェースに出力し、
前記ユーザインタフェースが、選択された文単位を要約表現として表示することを特徴とする文書分析方法。
前記条件グラフ生成装置において、前記条件グラフを生成する際に、
前記選択単語リストの各単語を持つ結果グラフ上のノードを、前記条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして前記条件グラフを生成する請求項１記載の文書分析方法。
前記条件グラフ生成装置において、前記条件グラフを生成する際に、
ホップ数及び最低関連度を設定し、
前記結果グラフ上で、各選択単語から指定されたホップ数以内であり、前記最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、
前記選択単語リストと前記周辺単語リストとを条件単語リストとし、
前記条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、
前記結果グラフ上のこれらのノード間に存在するリンクを前記条件グラフのリンクとして前記条件グラフを生成する請求項１記載の文書分析方法。
前記文単位グラフ生成装置において、前記文単位グラフを生成する際に、
前記文書ＩＤを用いて前記分析対象文書データーベースから文書を取得し、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割し、
前記条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算し、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算し、
前記単語の出現頻度を各ノードの重要度、前記共出現頻度を各単語間の関連度に設定した前記文単位グラフを生成する請求項１記載の文書分析方法。
前記文単位選択装置において、前記文単位を選択して出力する際に、
前記条件グラフ生成装置において生成された前記条件グラフと、前記文単位グラフ生成装置において生成された前記各文単位グラフとの類似度を計算し、
前記類似度の高い定数個の文単位グラフに対応する文単位を、前記条件グラフに合致する文単位として選択して出力する請求項１記載の文書分析方法。
文書を分析し、文書集合の内容の概観を作成する文書分析装置であって、
分析対象の文書を蓄積する分析対象データーベースと、
前記分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行手段と、
前記結果グラフを可視化し、可視化された該結果グラフのユーザにより指定された部分に対応する要約表現を表示するユーザインタフェースと、
前記ユーザインタフェースによって表示された前記結果グラフから選択された１つまたは、複数の単語からなる選択単語リストと、前記結果グラフから条件グラフを生成する条件グラフ生成手段と、
前記条件グラフと前記文書ＩＤリストに基づいて、前記分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成手段と、
前記条件グラフに合致する文単位を選択し、前記ユーザインタフェースに出力する文単位選択手段と、
を有することを特徴とする文書分析装置。
前記条件グラフ生成手段は、
前記選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして前記条件グラフを生成する手段を有する請求項６記載の文書分析装置。
前記条件グラフ生成手段は、
ホップ数及び最低関連度を設定する手段と、
前記結果グラフ上で、各選択単語から指定されたホップ数以内であり、前記最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとする手段と、
前記選択単語リストと前記周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを前記条件グラフのリンクとして前記条件グラフを生成する手段と、を有する請求項６記載の文書分析装置。
前記文単位グラフ生成手段は、
前記文書ＩＤを用いて前記分析対象文書データーベースから文書を取得する手段と、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割する手段と、
前記条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算する手段と、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算する手段と、
前記単語の出現頻度を各ノードの重要度、前記共出現頻度を各単語間の関連度に設定した前記文単位グラフを生成する手段と、を有する請求項６記載の文書分析装置。
前記文単位選択手段は、
前記条件グラフ生成手段において生成された前記条件グラフと、前記文単位グラフ生成手段において生成された前記各文単位グラフとの類似度を計算する手段と、
前記類似度の高い定数個の文単位グラフに対応する文単位を、前記条件グラフに合致する文単位として選択して出力する手段と、を有する請求項６記載の文書分析装置。
文書を分析し、文書集合の内容の概観を作成する文書分析プログラムであって、
分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行ステップと、
前記ユーザインタフェースによって表示された前記結果グラフからユーザにより選択された１つまたは、複数の単語からなる選択単語リストと、前記結果グラフから条件グラフを生成する条件グラフ生成ステップと、
前記条件グラフと文書ＩＤリストに基づいて、前記分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成ステップと、
前記条件グラフに合致する文単位を選択し、前記ユーザインタフェースに出力する文単位選択ステップと、
前記ユーザインタフェースが、選択された文単位を要約表現として表示する表示ステップからなることを特徴とする文書分析プログラム。
前記条件グラフ生成ステップにおいて、前記条件グラフを生成する際に、
前記選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして前記条件グラフを生成するステップを含む請求項１１記載の文書分析プログラム。
前記条件グラフ生成ステップにおいて、前記条件グラフを生成する際に、
ホップ数及び最低関連度を設定するステップと、
前記結果グラフ上で、各選択単語から指定されたホップ数以内であり、前記最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、前記選択単語リストと該周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを前記条件グラフのリンクとして前記条件グラフを生成するステップとを含む請求項１１記載の文書分析プログラム。
前記文単位グラフ生成ステップにおいて、前記文単位グラフを生成する際に、
前記文書ＩＤを用いて前記分析対象文書データーベースから文書を取得するステップと、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割するステップと、
前記条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算するステップと、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算するステップと、
前記単語の出現頻度を各ノードの重要度、前記共出現頻度を各単語間の関連度に設定した前記文単位グラフを生成するステップと、を含む請求項１１記載の文書分析プログラム。
前記文単位選択ステップにおいて、前記文単位を選択して出力する際に、
前記条件グラフ生成ステップにおいて生成された前記条件グラフと、前記文単位グラフ生成ステップにおいて生成された前記各文単位グラフとの類似度を計算するステップと、
前記類似度の高い定数個の文単位グラフに対応する文単位を、前記条件グラフに合致する文単位として選択して出力するステップとを含む請求項１１記載の文書分析プログラム。
文書を分析し、文書集合の内容の概観を作成する文書分析プログラムを格納した記憶媒体であって、
分析対象の文書を蓄積する分析対象文書データーベースから文書を読み出して、分析し、単語をノード、単語間の関連をリンクとした結果グラフと、該結果グラフの基となった文書の文書ＩＤとを出力する分析実行ステップと、
前記ユーザインタフェースによって表示された前記結果グラフからユーザにより選択された１つまたは、複数の単語からなる選択単語リストと、前記結果グラフから条件グラフを生成する条件グラフ生成ステップと、
前記条件グラフと文書ＩＤリストに基づいて、前記分析対象文書データーベースから文書を取得して、文単位の抽出、文単位グラフの生成を行う文単位グラフ生成ステップと、
前記条件グラフに合致する文単位を選択し、前記ユーザインタフェースに出力する文単位選択ステップと、
前記ユーザインタフェースが、選択された文単位を要約表現として表示する表示ステップからなることを特徴とする文書分析プログラムを格納した記憶媒体。
前記条件グラフ生成ステップにおいて、前記条件グラフを生成する際に、
前記選択単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを、該条件グラフのリンクとして前記条件グラフを生成するステップを含む請求項１６記載の文書分析プログラムを格納した記憶媒体。
前記条件グラフ生成ステップにおいて、前記条件グラフを生成する際に、
ホップ数及び最低関連度を設定するステップと、
前記結果グラフ上で、各選択単語から指定されたホップ数以内であり、前記最低関連度以上の関連度を持つリンクのみを用いて、到達可能なノードが持つ単語を周辺単語として取得し、周辺単語リストとし、前記選択単語リストと前記周辺単語リストとを条件単語リストとし、該条件単語リストの各単語を持つ結果グラフ上のノードを、条件グラフのノードとし、該結果グラフ上のこれらのノード間に存在するリンクを前記条件グラフのリンクとして前記条件グラフを生成するステップとを含む請求項１６記載の文書分析プログラムを格納した記憶媒体。
前記文単位グラフ生成ステップにおいて、前記文単位グラフを生成する際に、
前記文書ＩＤを用いて前記分析対象文書データーベースから文書を取得するステップと、
文書を、段落、文、分析、連続する文字列、または、連続する単語列からなる文単位に分割するステップと、
前記条件グラフに含まれる単語を１つでも含む各文単位にのみに対して、単語を抽出し、これらの単語の出現頻度を計算するステップと、
文単位と同じか、より短い規定区間に分割し、該規定区間内での単語の共出現頻度を計算するステップと、
前記単語の出現頻度を各ノードの重要度、前記共出現頻度を各単語間の関連度に設定した前記文単位グラフを生成するステップと、を含む請求項１６記載の文書分析プログラムを格納した記憶媒体。
前記文単位選択ステップにおいて、前記文単位を選択して出力する際に、
前記条件グラフ生成ステップにおいて生成された前記条件グラフと、前記文単位グラフ生成ステップにおいて生成された前記各文単位グラフとの類似度を計算するステップと、
前記類似度の高い定数個の文単位グラフに対応する文単位を、前記条件グラフに合致する文単位として選択して出力するステップとを含む請求項１６記載の文書分析プログラムを格納した記憶媒体。