JP2006338457A - 質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラム - Google Patents

Abstract

【課題】 質問応答システムにおいて、的確な回答を提供可能とした構成を実現する。
【解決手段】 入力質問に基づく検索処理を実行し、質問に対する回答候補を取得し、検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行して、解析結果に基づいて木構造を生成し、生成した木構造から、検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出して、抽出した素性に基づく機械学習手法を適用した評価処理を実行して、各回答候補に対する評価値を決定し、決定した評価値に基づいて、回答候補のリランキングを実行してクライアント（質問者としてのユーザ）に提示する。
【選択図】 図２

Description

本発明は、質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムに関する。さらに詳細には、質問文を入力して、質問に対応する回答を提供するシステムにおいて、質問に対して、より的確な回答を提供可能とした質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムに関する。

昨今、インターネットなどを介したネットワーク通信が盛んになり、様々なサービスがネットワークを介して行なわれている。ネットワークを介したサービスの１つとして検索サービスがある。検索サービスは、例えばネットワーク接続されたパーソナルコンピュータ、携帯端末などのユーザ端末からの検索要求を検索サーバが受信し、検索サーバにおいて、検索要求に応じた処理を実行して処理結果をユーザ端末に送信するサービスである。

例えば、インターネットを介した検索処理を実行する場合、検索サービスを提供しているＷｅｂサイトにアクセスし、Ｗｅｂサイトの提示メニューに従って、キーワード、カテゴリなどの検索条件を入力しサーバに送信する。サーバは、これらの検索条件に従って、処理を実行し、処理結果をユーザ端末に表示する。

データ検索処理には様々な態様がある。例えば、ユーザがキーワードを入力し、入力したキーワードを含む文書の一覧情報をユーザに提示するキーワードベースの検索方式や、ユーザが質問文を入力して質問に対する回答を提供するいわゆる質問応答システムなどがある。質問応答システムは、ユーザがキーワードを選択する必要がなく、また、質問に対する回答のみを受領することができるシステムであり利用が広まっている。

例えば特許文献１は、典型的な質問応答システムについて開示している。特許文献１には、ユーザの提示する質問文から検索語（検索キーワード）集合と質問種別の判定を行う質問解析部と、検索語（検索キーワード）集合に基づく検索により、検索語を含む文としてのパッセージを抽出する情報検査部と、パッセージからいくつかの回答候補を抽出する回答抽出部と、回答候補の根拠を提示する根拠提示部からなる質問応答システム構成が開示されている。

このような質問応答システムにおいて、回答抽出部は、検索結果の中からユーザの質問に対応する回答を抽出する処理を行なうことになるが、情報検査部から得られた多くの検索結果の中からユーザの質問に対応する回答を的確に抽出することは容易ではない。

そこで、パッセージの文中に出現する検索語と回答候補との位置関係には特徴があるという仮説に基づき、抽出された回答候補を検査する技術が開発されている。例えば、非特許文献１では、パッセージ中に含まれる検索語と回答候補との文節間の距離の近さを決定木で学習して回答候補を選択する処理構成を開示している。

また、非特許文献２では、パッセージ中の文に構文解析を施した結果をグラフ化し、グラフ中に含まれる検索語と回答候補との距離の計算結果を回答候補の順位付けに利用する処理構成を開示している。
特開２００２−１３２８１１号公報 Ｇａｎｅｓｈ Ｒａｍａｋｒｉｓｈｎａｎ， Ｓｏｕｍｅｎ Ｃｈａｋｒａｂａｒｔｉ， Ｄｅｅｐａ Ｐａｒａｎｊｐｅ， Ｐｕｓｈｐａｋ Ｂｈａｔｔａｃｈａｒｙａ， "Ｉｓ Ｑｕｅｓｔｉｏｎ Ａｎｓｗｅｒｉｎｇ ａｎ Ａｃｑｕｉｒｅｄ Ｓｋｉｌｌ？"， ｉｎ ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １３ｔｈ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ， ｐｐ．１１１−１２０（２００４） 倉田岳人， 岡崎直観， 石塚満， "係り受け関係に基づくグラフ構造を用いた質問応答システム"， 情報処理学会研究報告ＮＬ−１５８， ｐｐ． ６９−７４（２００３）

上述したように、ユーザの質問に基づいて、例えばデータベース、Ｗｅｂページなどの検索対象である知識源を検索して抽出されたパッセージ（検索キーワードを含む文章群）中に質問に適合する回答が含まれている場合でも、従来の質問応答システムでは、ユーザの必要とする適切な回答を効率的に抽出することは困難である。

上述したように、非特許文献１，２には、回答候補を選択する処理構成が示されているが、非特許文献１の課題は、重文や複文または多くの修飾語からなる複雑な文構造を持つ文の場合、検索語と回答候補を含む文節が離れてしまう傾向がある。この場合、文節間距離の測定を学習しても、適切な検索語と回答候補の関係が抽出されないため、誤った学習結果を出力してしまうという問題点がある。

また、非特許文献２の課題は、該当するパッセージ中の文集合をまとめてグラフ化し距離を算出するため、文単位で距離計算と比較して正確な検索語と回答候補の関係を取り出すことができず、適切な回答候補の順位付けが難しいという問題点がある。

本発明は、このような問題点に鑑みてなされたものであり、ユーザの質問に基づく検索処理によって取得されたパッセージ中の文に含まれる回答候補間の関係を考慮し、回答精度の向上を実現した質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムを提供することを目的とする。

特に本発明は、質問応答システムで得た検索語と回答候補に対して、格関係（述語に対して何が主語で何が目的語であるかなど）という精緻な文構造の特徴を機械学習手法のデータに用いて評価を行うことで、検査能力の高い回答候補のリランキングを行い、適切な回答を効率的に提示することを可能とした質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムを提供することを目的とする。

これまでの従来技術において、文に精緻な解析を施して、回答候補の検査を行った技術はなく、正解・不正解の回答候補が含まれる文の部分構造のパターンを学習することは、正解の回答を得るために有用であり、本発明は、このような文解析処理によって、質問に対する適切な回答を効率的に抽出する構成を持つ。

本発明の第１の側面は、
入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答手段と、
前記質問応答手段における検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析手段と、
前記解析手段の解析結果に基づいて木構造を生成する木構造生成手段と、
前記木構造生成手段の生成した木構造から、前記質問応答手段における検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出手段と、
前記素性抽出手段において抽出した素性に基づいて各回答候補に対する評価値を決定する評価手段と、
前記評価手段の決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキング手段と、
を有することを特徴とする質問応答システムにある。

さらに、本発明の質問応答システムの一実施態様において、前記評価手段は、前記素性抽出手段において抽出した素性について、機械学習法を適用した評価処理を実行し、各回答候補に対する評価値を決定する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記解析手段は、前記パッセージ構成文についての構文・意味解析処理を実行し、解析対象文の語の格関係を保持したｆ−ｓｔｒｕｃｔｕｒｅを生成する構成であり、前記木構造生成手段は、前記ｆ−ｓｔｒｕｃｔｕｒｅに基づいて、格関係を明示した格関係表現木構造を生成する構成であり、前記素性抽出手段は、前記格関係表現木構造に基づいて、検索語と回答候補との格関係を各回答候補に対応する素性として抽出する処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記解析手段は、前記パッセージ構成文についての構文解析処理を実行する構成であり、前記木構造生成手段は、前記解析手段における構文解析処理結果に基づく構文木を生成する構成であり、前記素性抽出手段は、前記構文木に基づいて、検索語と回答候補との間の述語の語数を素性として抽出する処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記評価手段は、前記素性抽出手段において抽出した素性について、異なる複数の機械学習法を適用した評価処理を実行する複数の評価手段を有し、さらに、該複数の評価手段の複数の評価結果を統合し、各回答候補に対する最終的な評価値を決定する評価統合手段と、を有する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記質問応答システムは、さらに、前記木構造生成手段の生成した木構造データを、該木構造データの生成元であるパッセージ構成文に対応付けて格納する木構造データベースと、前記質問応答手段から入力するパッセージ構成文に基づいて前記木構造データベースの検索処理を実行するパッセージ文検索手段とを有し、前記パッセージ文検索手段による検索処理によって、前記木構造データベースに一致するパッセージ文が検出された場合は、前記木構造生成手段による木構造生成処理を省略し、前記木構造データベースから検出されたパッセージ文に対応して格納された木構造を利用する構成を有することを特徴とする。

さらに、本発明の第２の側面は、
データ検索方法であり、
入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答ステップと、
前記質問応答ステップにおける検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析ステップと、
前記解析ステップの解析結果に基づいて木構造を生成する木構造生成ステップと、
前記木構造生成ステップにおいて生成した木構造から、前記質問応答ステップにおける検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出ステップと、
前記素性抽出ステップにおいて抽出した素性に基づいて各回答候補に対する評価値を決定する評価ステップと、
前記評価ステップにおいて決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキングステップと、
を有することを特徴とするデータ検索方法にある。

さらに、本発明のデータ検索方法の一実施態様において、前記評価ステップは、前記素性抽出ステップにおいて抽出した素性について、機械学習法を適用した評価処理を実行し、各回答候補に対する評価値を決定するステップであることを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記解析ステップは、前記パッセージ構成文についての構文・意味解析処理を実行し、解析対象文の語の格関係を保持したｆ−ｓｔｒｕｃｔｕｒｅを生成するステップであり、前記木構造生成ステップは、前記ｆ−ｓｔｒｕｃｔｕｒｅに基づいて、格関係を明示した格関係表現木構造を生成するステップであり、前記素性抽出ステップは、前記格関係表現木構造に基づいて、検索語と回答候補との格関係を各回答候補に対応する素性として抽出する処理を実行するステップであることを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記解析ステップは、前記パッセージ構成文についての構文解析処理を実行するステップであり、前記木構造生成ステップは、前記解析ステップにおける構文解析処理結果に基づく構文木を生成するステップであり、前記素性抽出ステップは、前記構文木に基づいて、検索語と回答候補との間の述語の語数を素性として抽出する処理を実行するステップであることを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記評価ステップは、前記素性抽出ステップにおいて抽出した素性について、異なる複数の機械学習法を適用した評価処理を実行する複数の評価処理を実行するステップと、該複数の評価ステップの複数の評価結果を統合し、各回答候補に対する最終的な評価値を決定する評価統合ステップと、を有することを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記データ検索方法は、さらに、前記質問応答ステップにおいて取得したパッセージ構成文をクエリとして、木構造データと該木構造データの生成元であるパッセージ構成文とを対応付けて格納した木構造データベースを検索するパッセージ文検索ステップと、前記パッセージ文検索処理によって、前記木構造データベースに一致するパッセージ文が検出された場合は、前記木構造データベースから検出されたパッセージ文に対応して格納された木構造を利用して、素性抽出処理を実行するステップとを有することを特徴とする。

さらに、本発明の第３の側面は、
データ検索処理をコンピュータ上において実行させるコンピュータ・プログラムであり、
入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答ステップと、
前記質問応答ステップにおける検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析ステップと、
前記解析ステップの解析結果に基づいて木構造を生成する木構造生成ステップと、
前記木構造生成ステップにおいて生成した木構造から、前記質問応答ステップにおける検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出ステップと、
前記素性抽出ステップにおいて抽出した素性に基づいて各回答候補に対する評価値を決定する評価ステップと、
前記評価ステップにおいて決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキングステップと、
を有することを特徴とするコンピュータ・プログラムにある。

なお、本発明のコンピュータ・プログラムは、例えば、様々なプログラム・コードを実行可能なコンピュータシステムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体、例えば、ＣＤやＦＤ、ＭＯなどの記録媒体、あるいは、ネットワークなどの通信媒体によって提供可能なコンピュータ・プログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、コンピュータシステム上でプログラムに応じた処理が実現される。

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本発明の構成によれば、入力質問に基づく検索処理を実行し、質問に対する回答候補を取得し、検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行して、解析結果に基づいて木構造を生成し、生成した木構造から、検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出して、抽出した素性に基づく機械学習手法を適用した評価処理を実行して、各回答候補に対する評価値を決定し、決定した評価値に基づいて、回答候補のリランキングを実行してクライアント（質問者としてのユーザ）に提示する構成としたので、質問に対するより適格な回答をリストの上位に提示した回答候補の提供が可能となる。

以下、図面を参照しながら本発明の実施形態に係る質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムの詳細について説明する。

［実施例１］
まず、図１を参照して、本発明の質問応答システムの利用形態の一例について説明する。図１は本発明の質問応答システム２００をネットワークに接続したネットワーク構成を示す図である。図１に示すネットワーク１００は、インターネットやイントラネットなどのネットワークであり、ネットワーク１００には、質問応答システム２００に対する質問を送信するユーザ端末としてのクライアント１０１−１〜ｎ、クライアント１０１−１〜ｎに対する回答を取得するための素材としてのＷｅｂページを提供する様々なＷｅｂページ提供サーバ１０２Ａ〜Ｎやデータベース１０３ａ〜ｎが接続されている。

質問応答システム２００は、クライアント１０１−１〜ｎから、ユーザの生成した様々な質問文を入力し、入力質問に対する回答をクライアント１０１−１〜ｎに提供する。質問に対する回答は、Ｗｅｂページ提供サーバ１０２Ａ〜Ｎの提供するＷｅｂページや、データベース１０３ａ〜ｎに格納された文書データなどから取得する。Ｗｅｂページ提供サーバ１０２Ａ〜Ｎの提供するＷｅｂページや、データベース１０３ａ〜ｎに格納されたデータが検索対象データであり知識源と呼ばれる。

Ｗｅｂページ提供サーバ１０２Ａ〜Ｎは、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）システムによる公開ページとしてＷｅｂページを提供する。Ｗｅｂページは、Ｗｅｂブラウザに表示されるデータ集合であり、テキストデータやＨＴＭＬによるレイアウト情報、文書中に埋め込まれた画像や音声、動画などによって構成される。Ｗｅｂページの集合はＷｅｂサイトであり、Ｗｅｂサイトは、トップページ（ホームページ）とトップページからリンクされた他のＷｅｂページで構成される。

質問応答システム２００の構成および処理について図２を参照して説明する。質問応答システム２００は、ネットワーク１００に接続され、ネットワーク１００に接続されたクライアントからの質問を受領し、ネットワーク１００に接続されたＷｅｂページ提供サーバの提供するＷｅｂページやその他のデータベースを知識源として回答を検索して、例えば回答候補からなるリストを生成してクライアントに提供する処理を実行する。

本発明の質問応答システム２００の構成について、図２を参照して説明する。質問応答システム２００は、図２に示すように、質問応答手段２１０、構文・意味解析手段２２１、木構造生成手段２２２、素性抽出手段２２３、評価手段２２４、リランキング手段２２５、学習データベース２３０を有する。以下、質問応答システム２００の有する各処理手段の実行する処理について説明する。

［質問応答手段］
質問応答手段２１０は、一般的な質問応答システムを用いて、質問文から得られる検索語（検索キーワード）に基づくデータベース、ＷＥｂページ検索などの知識源の検索を実行し、検索結果から得られるパッセージから回答候補を出力する手段である。図２に示す質問応答手段２１０は、既存の一般的な質問応答システムを適用可能である。なお、既存の質問応答システムでは、回答候補は複数出力される場合が多い。

図３を参照して、質問応答手段２１０の実行するプロセスについて説明する。質問応答手段２１０は、図３に示すように、質問解析部２１１、情報検索部２１２、回答候補抽出部２１３を有する。質問解析部２１１は、入力質問の解析処理を実行する。例えば質問が求めている回答が、人であるか場所であるかなどの質問タイプの判別や、質問の構成文から検索語（検索キーワード）となる特徴語の検出などが行なわれる。

情報検索部２１２は、質問解析部２１１の解析によって抽出された検索語（検索キーワード）に基づく検索を実行する。すなわち、例えば、ネットワークに接続されたＷｅｂページ提供サーバの提供するＷｅｂページやデータベースを検索対象文書（知識源）２１５とした検索処理を実行して質問に対応する回答の含まれると判定される文章群としてのパッセージを取得する。

回答候補抽出部２１３は、情報検索部２１２の抽出した文章群としてのパッセージから質問に対する回答として適当であると判定される回答候補を選択する処理を実行する。従来の質問応答システムでは、この時点で得られた回答候補が例えば出現頻度などに基づいてランキングされたリストとしてユーザに提示されていた。

しかし、前述したように、この時点の回答候補には、ユーザの質問に対応する正確な回答が含まれない場合も多い。本発明のシステムでは、この回答候補抽出部２１３の抽出した回答候補を構文・意味解析手段２２１に出力し、以下、構文・意味解析手段２２１、木構造生成手段２２２、素性抽出手段２２３、評価手段２２４、リランキング手段２２５において、回答候補の検査を行い、質問に対する回答としてより適切なランキングを行なった結果を質問者としてのクライアント（ユーザ）に提示する。以下、構文・意味解析手段２２１、木構造生成手段２２２、素性抽出手段２２３、評価手段２２４、リランキング手段２２５の各手段において実行する処理について説明する。

［構文・意味解析手段］
構文・意味解析手段２２１は、図３に示す質問応答手段の情報検索部２１２がキーワードに基づく検索処理によって取得した検索結果としてのパッセージを入力する。パッセージは、知識源に対する検索語（検索キーワード）を適用した検索の結果として取得した文であり、検索語（検索キーワード）を含む文章の集合である。

構文・意味解析手段２２１は、情報検索部２１２から入力するパッセージ中の文に対して、Ｌｅｘｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｇｒａｍｍａｒ（ＬＦＧ）に基づく構文・意味解析を施す。

構文意味解析処理について簡単に説明する。日本語や英語を始めとする各種の言語で記述される自然言語は、本来抽象的であいまい性が高い性質を持つが、文章を数学的に取り扱うことにより、コンピュータ処理を行なうことができる。この結果、機械翻訳や対話システム、検索システム、質問応答システムなど、自動化処理により自然言語に関するさまざまなアプリケーション／サービスが実現される。かかる自然言語処理は一般に、形態素解析、構文解析、意味解析、文脈解析という各処理フェーズに区分される。

形態素解析では、文を意味的最小単位である形態素（ｍｏｒｐｈｅｍｅ）に分節して品詞の認定処理を行なう。構文解析では、文法規則などを基に句構造などの文の構造を解析する。文法規則が木構造であることから、構文解析結果は一般に個々の形態素が係り受け関係などを基にして接合された木構造となる。意味解析では、文中の語の語義（概念）や、語と語の間の意味関係などに基づいて、文が伝える意味を表現する意味構造を求めて、意味構造を合成する。また、文脈解析では、文の系列である文章（談話）を解析の基本単位とみなして、文間の意味的なまとまりを得て談話構造を構成する。

構文解析及び意味解析は、自然言語処理の分野において、対話システム、機械翻訳、文書校正支援、文書要約などのアプリケーションを実現する上で必要不可欠の技術であるとされている。

構文解析では、自然言語文を受け取り、文法規則に基づいて単語（文節）間の係り受け関係を決定する処理を行なう。構文解析結果は、依存構造と呼ばれる木構造（依存木）の形態で表現することができる。また、意味解析では、単語（文節）間の係り受け関係に基づいて文中の格関係を決定する処理を行なうことができる。ここで言う格関係とは、文を構成する各要素が持つ、主語（ＳＵＢＪ）、目的語（ＯＢＪ）といった文法上の役割のことを指す。また、文の時制や様相、話法などを判定する処理を意味解析が含む場合もある。

構文意味解析システムの詳細については、例えば、「増市，大熊，"Ｌｅｘｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｇｒａｍｍａｒに基づく実用的な日本語解析システムの構築"，自然言語処理，Ｖｏｌ．１０，Ｎｏ．２，ｐｐ．７９−１０９，言語処理学会，２００３」及び当該論文中の引用文献に詳細が記述されている。構文・意味解析手段２２１は、このＬＦＧに基づく自然言語処理システムを適用する。

構文・意味解析手段２２１は、ＬＦＧに基づくパッセージ解析によって、格関係を解析結果に含むｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）と呼ばれる構造を出力する。

図４を参照して、ｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）について説明する。ｆ−ｓｔｒｕｃｔｕｒｅは、文法機能の概念に基づき、文の格構造、時制、様相、話法などの意味情報を属性―属性値のマトリックス構造で表現するものである。

図４には、「継母は、シンデレラが履いたガラスの靴を割った」という文の構文意味解析結果としてのｆ−ｓｔｒｕｃｔｕｒｅを示す。ｆ−ｓｔｒｕｃｔｕｒｅは、文法的な機能を明確に表現したものであり、文法的な機能名、意味的形式、並びに特徴シンボルにより構成される。ｆ−ｓｔｒｕｃｔｕｒｅを参照することにより、主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）、補語（ｃｏｍｐｌｅｍｅｎｔ）、修飾語（ａｄｊｕｎｃｔ）といった意味理解を得ることができる。

構文・意味解析手段２２１は、情報検索部２１２から入力する検索語（キーワード）に基づく知識源の検索結果として得られたパッセージ中のキーワードを含む文に対して、Ｌｅｘｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｇｒａｍｍａｒ（ＬＦＧ）に基づく構文・意味解析を施し、図４に示すような格関係を解析結果に含むｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）構造を出力する。

［木構造生成手段］
木構造生成手段２２２は、構文・意味解析手段２２１が検索結果としてのパッセージに基づいて生成したｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）を入力し、ｆ−ｓｔｒから格関係を抜き出し、格関係に基づく木構造を生成する。

図５を参照して、ｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）に基づく木構造の生成処理例について説明する。図５（１）は図４に示すと同様の「継母は、シンデレラが履いたガラスの靴を割った」という文の構文意味解析結果としてのｆ−ｓｔｒｕｃｔｕｒｅを示す。図５（２）は、図５（１）に示す、ｆ−ｓｔｒから格関係を抜き出して生成した格関係に基づく木構造を示している。

図５（２）に示す木構造において、Ｔｎｎは、解析対象としての文に含まれる主語、述語、目的語等を示し、Ａｎｎは、連結された語相互の格関係を示している。この木構造を格関係表現木構造と呼ぶ。図５（２）に示す語Ｔｎｎは、図５（１）に示すｆ−ｓｔｒに示す語Ｔｎｎに対応し、図５（２）に示す格関係Ａｎｎは、図５（１）に示すｆ−ｓｔｒに示す格関係Ａｎｎに対応する。

図５（２）に示す格関係表現木構造は、図５（１）に示すｆ−ｓｔｒｕｃｔｕｒｅから、主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）、補語（ｃｏｍｐｌｅｍｅｎｔ）、修飾語（ａｄｊｕｎｃｔ）といった文の構成を取得して生成されるものである。

図５（１）に示すｆ−ｓｔｒｕｃｔｕｒｅの左上部の「割る」を木構造の頂点として設定し、右下方に順に語を取得して、主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）、補語（ｃｏｍｐｌｅｍｅｎｔ）、修飾語（ａｄｊｕｎｃｔ）といった格関係をｆ−ｓｔｒから取得し設定することで生成することができる。

このように、木構造生成手段２２２は、構文・意味解析手段２２１が検索結果としてのパッセージに基づいて生成したｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）を入力し、ｆ−ｓｔｒから格関係を抜き出し、格関係に基づく木構造（格関係表現木構造）を生成する。

［素性抽出手段］
素性抽出手段２２３は、木構造生成手段２２２が生成したパッセージ構成文に基づく木構造を入力し、さらに、図３に示す質問応答手段２１０の質問解析部２１１が保持する検索語（検索キーワード）と回答候補抽出部２１３が保持する回答候補をそれぞれ入力し、パッセージのｆ−ｓｔｒに基づいて生成した木構造における検索語（検索キーワード）と回答候補との位置関係を特定する。

木構造において、検索語と回答候補が同じ述語で結ばれているか否かなどを判定する。同じ述語である場合は、格関係（ＳＵＢＪ，ＯＢＪなど）を抽出する。素性抽出手段２２３が、木構造（格関係表現木構造）から抽出する検索語と回答候補の連結パターンの例を図６に示す。

図６（Ａ）は、検索語と回答候補が同じ述語（ＰＲＥＤ）によって結ばれている検索語と回答候補の連結パターンである。
図６（Ｂ）は、回答候補が述語（ＰＲＥＤ）であり、検索語と主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）等の格関係で直接、接続された連結パターンである。
図６（Ｃ）は、検索語が述語（ＰＲＥＤ）であり、回答候補と主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）等の格関係で直接、接続された連結パターンである。

素性抽出手段２２３は、木構造生成手段２２２が生成したパッセージ構成文に基づく木構造を入力し、さらに、図３に示す質問応答手段２１０の質問解析部２１１が保持する検索語（検索キーワード）と回答候補抽出部２１３が保持する回答候補をそれぞれ入力し、パッセージのｆ−ｓｔｒに基づいて生成した木構造における検索語（検索キーワード）と回答候補との格関係（例えば図６（Ａ）〜（Ｃ）などの格関係）を解析する。

［評価手段］
評価手段２２４は、素性抽出手段２２３の抽出した検索結果としてのパッセージに基づく木構造における検索語（検索キーワード）と回答候補との格関係情報を入力し、機械学習手法の一つであるＳｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）を用いて、あらかじめ集められ学習データベース２３０に格納された機械学習用のデータ（素性）に基づいて、木構造から解析された検索語（検索キーワード）と回答候補との格関係が、回答としての適正の高い関係に相当するか否かを判定し、各回答候補の適正を評価する。

ＳＶＭは、正解（正例）と不正解（負例）に素性を分類して、入力されたデータが正例または負例であるかどうか判定する機械学習手法である。ＳＶＭについては、例えば文献「Ｆａｂｒｉｚｉｏ Ｓｅｂａａｓｔｉａｎｉ， Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ｉｎ Ａｕｔｏｍａｔｅｄ Ｔｅｘｔ Ｃａｔｅｇｏｒｉｚａｔｉｏｎ， ＡＣＭ Ｃｏｍｐｕｒｔｉｎｇ Ｓｕｒｖｅｙｓ Ｖｏｌ．３４， Ｎｏ．１， ｐｐ．１−４７，２００２」及び当該論文中の引用文献に詳細が記載されている。

評価手段２２４は、素性抽出手段２２３の抽出した検索結果としてのパッセージに基づく木構造における検索語（検索キーワード）と回答候補との格関係情報を、機械学習手法の一つであるＳＶＭを用いて、学習データベース２３０に格納された機械学習用のデータ（素性）を適用して評価し、木構造から解析された検索語（検索キーワード）と回答候補との格関係が、回答としての適正の高い関係に相当するか否かを判定し、各回答候補の適正評価値を例えば、数値として各回答候補に付与する。

［リランキング手段］
リランキング手段２２５は、評価手段２２４から得られた、各回答候補の適正評価値を入力し、評価値に基づいて、回答候補を並べ替えて、回答候補リストを生成する。ここで生成された回答候補リストが、質問応答手段に対して１１０に対して質問を入力したクライアント（ユーザ）に提示される。

次に、本発明の質問応答システムの実行する具体的な処理手順について、図７に示すフローチャートを参照して説明する。

まず、ステップＳ１０１において、クライアント（ユーザ）からの質問を入力する。次に、ステップＳ１０２において、一般的な質問応答システムと同様の処理によって、図３に示す質問応答手段２１０の質問解析部２１１によりクライアント（ユーザ）の入力した質問文Ｑの解析を実行し、質問文からの重要語抽出により、検索キーワードとして適用する検索語を選択する。これを検索語集合Ｓ＝｛ｓ１，ｓ２，ｓ３｝とする。

ステップＳ１０３において、検索語を適用した知識源の検索を質問応答手段２１０の検索部２１２おいて実行し、検索語を含む文章群としてのパッセージを取得する。取得したパッセージ中の文集合をＰ＝｛ｐ１，ｐ２，・・・，ｐｎ｝とする。

次に、ステップＳ１０４において、パッセージに基づいて、回答候補抽出部２１３が回答候補の抽出処理を実行し、回答候補が得られる、回答候補抽出部２１３の抽出した回答候補の集合を、回答候補集合Ａ＝｛ａ１，ａ２，ａ３｝とする。ここまでの処理は、質問応答手段２１０において実行される。

次に、ステップＳ１０５の処理に進む。ステップＳ１０５は、構文・意味解析手段２２１の処理である。パッセージ中の文ｐｎに対して、ＬＦＧによって構文・意味解析を施し、ｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）を出力する。図４を参照して説明したｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）である。なお、ｆ−ｓｔｒは、入力文（ここでは検索結果としてのパッセージ構成文）によって複数の解析結果を出力する。ここでは、ｆ−ｓｔｒ集合Ｆ＝｛ｆ１，ｆ２，ｆ３｝とする。

次に、ステップＳ１０６において、ｆ−ｓｔｒ集合Ｆ＝｛ｆ１，ｆ２，ｆ３｝に対して、木構造を生成する。この処理は、木構造生成手段２２２の処理である。図５を参照して説明したように、木構造生成手段２２２は、構文・意味解析手段２２１が検索結果としてのパッセージに基づいて生成したｆ−ｓｔｒｕｃｔｕｒｅ（ｆ−ｓｔｒ）を入力し、ｆ−ｓｔｒから格関係を抜き出し、格関係に基づく木構造を生成する。

ｆ−ｓｔｒ集合Ｆから生成される木構造集合をＴ＝｛ｔ１，ｔ２，ｔ３｝とする。ｆ−ｓｔｒ集合と木構造集合の要素は、１対１に対応する。たとえばｆ−ｓｔｒ集合Ｆの要素ｆ１の木構造は木構造集合Ｔの要素ｔ１に対応する。木構造は、先に図５を参照して説明したように各ノードに対して、ノードＩＤ、ノードの親ＩＤ、ＳＵＢＪやＯＢＪなどの格情報が記述されるデータ構造になっている。

次に、ステップＳ１０７において、木構造（格関係表現木構造）から検索語と回答候補のペアの素性（格関係）を解析する。この処理は素性抽出手段２２３の実行する処理である。

素性抽出手段２２３は、まず、木構造に基づく素性を抽出する準備として、検索語集合Ｓ＝｛ｓ１，ｓ２，ｓ３｝と回答候補集合Ａ＝｛ａ１，ａ２，ａ３｝から素性表を作成する。素性表とは、検索語と回答候補のペアが含まれた木構造を発見したときに、そのペアの格情報を入力するための表である。図８に、本実施例での素性表を示す。

本例では、検索語集合Ｓ＝｛ｓ１，ｓ２，ｓ３｝と回答候補集合Ａ＝｛ａ１，ａ２，ａ３｝があり、それぞれ３つの検索語、回答候補がある。これらのすべての組み合わせについての素性（木構造における格関係）を記録するための表として図８に示す素性表を生成する。例えばｓ１ａ１の項目には、検索語ｓ１と回答候補ａ１のペアについての素性（木構造における格関係）を記録する。素性表は、検索語と回答候補の数に応じた記入欄を持つ表として設定される。

さらに、素性抽出手段２２３は、木構造集合の木構造ごとに、素性表の検索語と回答候補のペアが木構造に含まれているかを確認する。含まれている場合、検索語と回答候補が同じ述語で結ばれていれば、格関係を抽出する。抽出された格関係を素性とする。取得した検索語と回答候補の素性を素性表の対応欄に記入して、素性表を完成させる。

図９に、検索語集合Ｓ＝｛ｓ１，ｓ２，ｓ３｝と回答候補集合Ａ＝｛ａ１，ａ２，ａ３｝の各々の組について、木構造から抽出された検索語と回答候補の素性を記入した素性表の例を示す。図９に示す例では、例えば、検索語ｓ１と、回答候補ａ１との素性（木構造における格関係）は、主語（ＳＵＢＪ）と目的語（ＯＢＪ）の関係である。これは、図６（Ａ）の関係に相当する。

図１０を参照して、素性表に登録する検索語と回答候補の例について説明する。図１０（Ａ）は、検索語と回答候補が同じ述語で結ばれている関係にあり、素性表に登録される対象となる。この場合の検索語（ｓ１）と回答候補（ａ１）の素性は、［ＳＵＢＪ−ＯＢＪ］である。一方、図１０（Ｂ）に示す検索語（ｓ１）と回答候補（ａ１）は、検索語と回答候補が同じ述語で結ばれている関係になく、素性表に登録される対象とならない。

このような検索語と回答候補の素性解析が各回答候補、各木構造ごとに作成される。さらに、ステップＳ１０７では、木構造ごとに作成された素性表を木構造集合ｔでまとめ、それを回答候補｛ａ１，ａ２，ａ３｝ごとに並べ替える。これによって回答候補ごとの素性が完成する。

次にステップＳ１０８において、回答候補ごとにＳＶＭを用いて評価を行う。この処理は評価手段２２４において実行する処理である。ＳＶＭでは、あらかじめ作成された学習データをＳＶＭによって学習した学習モデルを用いる。学習データは、人手によって正解と不正解の素性を用意する。

評価手段２２４は、素性抽出手段２２３の抽出した検索結果としてのパッセージに基づく木構造における検索語（検索キーワード）と回答候補との格関係情報を、機械学習手法の一つであるＳＶＭを用いて、学習データベース２３０に格納された機械学習用のデータ（素性）を適用して評価し、木構造から解析された検索語（検索キーワード）と回答候補との格関係が、回答としての適正の高い関係に相当するか否かを判定し、各回答候補の適正評価値を例えば、数値として各回答候補に付与する。例えば、回答候補ａ１，ａ２，ａ３について、評価値が以下のように設定される。
ａ１＝（０．５０）、
ａ２＝（−１．０３）、
ａ３＝（０．９０）

次に、ステップＳ１０９において、評価によって得られた評価値に基づき、回答候補のリランキングを行う。この処理はリランキング手段２２５の実行する処理である。例えば、ａ１（０．５０）、ａ２（−１．０３）、ａ３（０．９０）が評価結果から得られた評価値とすると、リランキング手段２２５は、評価値の高い回答候補から順にリストを生成し、ａ３、ａ１、ａ２の回答候補順のリストを生成して、質問応答手段に対して１１０に対して質問を入力したクライアント（ユーザ）に提示する。

このように、本発明の質問応答システムでは、一般的な質問応答システムにおいて生成した検索語と、検索結果として得られたパッセージから取得した回答候補との関係を木構造（格関係表現木構造）として解析し、さらに、パッセージから生成した木構造に基づいて、検索語と回答候補間の素性（検索語と回答候補との格関係）を解析し、解析した関係に基づいて、回答候補ごとにＳＶＭを用いて評価を行い、この評価によって回答候補毎の評価値を取得して、取得した評価値に基づく回答候補のリランキングを実行して評価値順の回答候補リストを生成してクライアント（質問者としてのユーザ）に提示する構成としたので、質問に対する回答としての適正の高い回答を上位としたリストをクライアントに提示することが可能となる。

なお、上述した実施例においては日本語の場合の処理例を例として説明したが、英語など他の言語に対しても同様に適用することが可能である。

［その他の実施例］
次に、上述した質問応答システムの実施例と異なる構成を持つ実施例について説明する。

［実施例２］
上述した実施例では、図２に示す評価手段２２４は、学習データベース２３０に格納されたデータを適用し、ＳＶＭ手法に基づく１つの機械学習手法によって評価する構成として説明した。しかし、機械学習手法を適用した評価手法はＳＶＭに限らず、その他の様々な手法を適用することも可能であり、また、複数の手法を組み合わせて使用することも可能である。

機械学習手法を適用した評価手法はＳＶＭの他に、例えば、Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ法などがある。このように、複数の機械学習手法によって評価する構成とすることで、より客観的な評価が可能となる。このような複数の機械学習手法を適用した評価構成について、図１１を参照して説明する。

図１１は、図２に示す質問応答システムの素性抽出手段〜リランキング手段の変形構成例を示している。その他の構成は、図２に示す構成と同様の構成を持つ。本構成例では、評価手段３２３として、複数の評価手段１〜ｎを持つ構成となっている。これらの各評価手段は、それぞれ異なる機械学習手法を適用し、異なる学習データをそれぞれの学習データベース１〜ｎ，３２４に保持し、上述したＳＶＭ，Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ法などを個別に適用して素性抽出手段２２３が抽出した素性の評価を実行する。

しかし、素性抽出手段３２１が抽出した素性をそのまま利用できない機械学習手法も存在するため、本方式では素性を評価可能な素性に変換する素性変換手段３２２を設ける。この素性変換手段３２２は、後段の評価手段の適用する機械学習手法による評価が可能なデータに、素性抽出手段３２１が抽出した素性データを変換する処理を行なう。

複数の異なる機械学習手法によって評価された結果は、評価統合手段３２５に入力され、例えば加重平均などの演算処理により、総合的な評価値を算出する。評価値は前述の実施例と同様、各回答候補に対応して設定される。リランキング手段３２６は、この総合的な評価値に基づいて回答候補のリランキングを実行して、回答リストを生成してクライアント（質問ユーザ）に提示する。

本構成例によれば、さまざまな機械学習手法を取り入れ、それぞれの評価結果をまとめることによって、評価の精度向上を期待できる。これにより回答提示におけるリランキングの精度の向上が可能となる。

［実施例３］
次に、図２に示す評価手段２２４において生成した評価データによって使用される学習データのデータ数を自動的に増やす構成例について、図１２を参照して説明する。図１２も図１１と同様、図２に示す質問応答システムの素性抽出手段〜リランキング手段の変形構成例を示している。その他の構成は、図２に示す構成と同様の構成を持つ。

本構成例では、評価手段３５２は、素性抽出手段３５１から素性データを入力し、例えばＳＶＭ手法を適用し、学習データベース３５３に格納された学習データに基づく評価処理を実行し、評価結果をリランキング手段３５４に出力する。ここまでは前述の実施例と同様の処理である。

例えば、評価手段３５２が、評価処理において適用するＳＶＭでは評価対象となる素性ごとに正例または負例に分類される。この評価結果としての正例／負例データを素性に付与して学習データベース３５３に蓄積する。学習データ生成手段３５６は、評価手段３５２から評価対象の素性データを取得し、素性に対して設定された正例または負例の情報を付与し、この情報付与済の素性データを学習データベース３５３に蓄積する。

このように、新たに学習データが学習データベース３５３に蓄積されると、学習手段３５５が、ＳＶＭの評価で用いる学習モデルを更新し、学習データベースに学習モデルを蓄積する。蓄積された新たな学習モデルは、次の評価に用いられる。

本構成例によれば、新たな評価結果を新たに学習データに追加することで、学習モデルを更新することができ、例えばユーザの興味の変化などを反映した学習モデルをタイムリーに声新することが可能となり、ユーザの興味の推移に応じた評価を行なうことが可能となる。

［実施例４］
上述した実施例では、回答候補の評価値の順にリランキングを実行して生成した回答候補リストをクライアントに提示する構成としたが、ＳＶＭでは正負の評価結果を出力することができるため、正例と判定された回答候補のみを提示する構成としてもよい。

例えば、評価結果により回答候補ａ１〜ａ３について、
ａ１：評価値＝０．５０、
ａ２：評価値＝−１．０３、
ａ３：評価値＝０．９０、
の各評価値が得られたとすると、リランキング手段では、評価値が性の値を持つ回答候補［ａ１、ａ３］のみを選択してリストを生成してクライアントに提示する。正負の評価結果は、評価値の正負の記号で判定することができる。この処理によって、不適当な回答を多く含むリストを提示することないため、ユーザに混乱を招かせることがなく、回答候補のスクリーニングができるという効果がある。

［実施例５］
前述した実施例では、検索結果に基づくパッセージ構成文に対応したｆ−ｓｔｒｕｃｔｕｒｅを生成し、ｆ−ｓｔｒｕｃｔｕｒｅに基づく木構造を逐次生成する構成例として説明した。以下、説明する変形実施例は、生成した木構造をデータベースに蓄積し、蓄積した木構造を再利用することを可能とした構成である。

この構成例について、図１３を参照して説明する。図１３は、本変形実施例に係る質問応答システムの全体構成を示している。図２に示す質問応答システムとの差異は、パッセージ文検索手段３８１を有する点、木構造データベース３９３を有する点である。その他の質問応答手段３７０、構文・意味解析手段３８２、木構造生成手段３８３、素性抽出手段３８４、評価手段３８５、リランキング手段３８６、学習データベース３９０は、図２を参照して説明したと基本的に同様の構成である。図２に示す構成および処理との差異について以下、説明する。

図１３の構成を持つ質問応答システムでは、過去に生成された木構造を再利用する。パッセージ文検索手段３８１は、質問応答手段３７０の情報検索部からパッセージ構成文を入力し、同じパッセージ構成文が木構造データヘース３９３にあるかを検索する。木構造データベース３９３は、木構造生成手段３８３によって生成された木構造を入力文（パッセージ構成文）とともに入力し、これらを対応付けて格納するデータベースである。

本構成例における処理シーケンスは以下の通りである。
ステップ１．パッセージ文検索手段３８１は、パッセージの構成文をクエリとして木構造データベース３９３を検索する。

ステップ２−ａ．木構造データベース３９３から、検索対象のパッセージ構成文と同一のパッセージ構成文が検索された場合は、その文に対応する木構造を木構造データベース３９３から取得して、素性抽出手段３９４に送る。
ステップ２−ｂ．木構造データベース３９３から、検索対象のパッセージ構成文と同一のパッセージ構成文が検索されなかった場合、構文・意味解析手段３８２において、パッセージ中の文に対して構文・意味解析を実施し、木構造生成手段３８３が木構造を生成する。生成された木構造は、パッセージ中の文とともに木構造データベースＤＢに格納する。以降のステップは、図２を参照して説明した実施例と同様である。

本構成例によれば、入力文（パッセージ構成文）と同じ文に基づく木構造が生成され、データベースに蓄積されている場合、構文・意味解析処理や木構造生成処理を実施する必要がないため、処理の効率化が実現される。

［実施例６］
図２を参照して説明した実施例では、パッセージ構成文について、構文・意味解析手段２２１において、構文・意味解析処理を実行してｆ−ｓｔｒｕｃｔｕｒｅを生成する処理構成として説明した。以下、構文・意味解析ではなく、構文解析のみに置き換えた実施例について、図１４を参照して説明する。

図１４に示す質問応答システムは、図２に示す質問応答システムにおける構文・意味解析手段２２１を構文解析手段４２１に置き換えた点、木構造生成手段２２２を構文木生成手段に置き換えたが異なる。他の質問応答手段４１０、素性抽出手段４２３、評価手段４２４、リランキング手段４２５、学習データベース４３０は、図２を参照して説明したと基本的に同様の構成である。図２に示す構成および処理との差異について以下、説明する。

構文解析手段４２１は、質問応答手段４１０の情報検索部（図３参照）が保持するパッセージ中の文に対して、構文解析（係り受け関係）のみを実施する。すなわち意味解析処理については実行しない。構文木生成手段４２２は、構文解析手段の解析結果である、パッセージ構成文の構文解析結果に基づいて構文木を生成する。

図１５を参照して構文木生成手段４２２の生成する構文木と、生成構文木からの素性抽出処理について説明する。

構文木生成手段４２２の生成する構文木は、先に図５を参照して説明した木構造とは異なり、意味解析結果を適用していないので、格情報（ＳＵＢＪ，ＯＢＪなど）が付与されていない。そのため、抽出される素性は、検索語（ｓｎ）と回答候補（ａｎ）が、いくつの述語を介してつながっているかデータのみが取得できる表現形式となる。

本実施例における検索語（ｓｎ）と回答候補（ａｎ）の素性は、いくつの述語を介してつながっているかを素性として取得する。例えば、図１５（Ａ）は、検索語（ｓ１）と回答候補（ａ１）とは、述語１のみの１つの述語を介して連結されている。この場合、検索語（ｓ１）と回答候補（ａ１）の素性は［１］となる。これをｓ１ａ１：１とあらわす。

また、図１５（Ｂ）は、検索語（ｓ１）と回答候補（ａ１）とは、述語１と述語２の２つの述語を介して連結されている。この場合、検索語（ｓ１）と回答候補（ａ１）の素性は［２］となる。これをｓ１ａ１：２とあらわす。

このように、本実施例では、パッセージ構成文の意味解析処理を行なわず、構文解析結果のみから構文木を生成し、構文木から、検索語（ｓｎ）と回答候補（ａｎ）とが、いくつの述語を介してつながっているかをカウントしてこれを素性として取得する。本構成によれば、パッセージ構成文の意味解析処理を省略することができ、処理の高速化が実現される。

最後に、上述した処理を実行する質問応答システムを構成する情報処理装置のハードウェア構成例について、図１６を参照して説明する。ＣＰＵ（Central Processing Unit）５０１は、ＯＳ（Operating System)に対応する処理や、上述の実施例において説明した入力質問に基づく検索語抽出、検索処理、パッセージ解析としての構文・意味解析処理、木構造生成処理、素性抽出処理、機械学習手法に基づく評価処理、リランキング処理などを実行する。これらの処理は、各情報処理装置のＲＯＭ、ハードディスクなどのデータ記憶部に格納されたコンピュータ・プログラムに従って実行される。

ＲＯＭ（Read Only Memory）５０２は、ＣＰＵ５０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Random Access Memory）５０３は、ＣＰＵ５０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス５０４により相互に接続されている。

ホストバス５０４は、ブリッジ５０５を介して、ＰＣＩ(Peripheral Component Interconnect/Interface)バスなどの外部バス５０６に接続されている。

キーボード５０８、ポインティングデバイス５０９は、ユーザにより操作される入力デバイスである。ディスプレイ５１０は、液晶表示装置またはＣＲＴ（Cathode Ray Tube）などから成り、各種情報をテキストやイメージで表示する。

ＨＤＤ（Hard Disk Drive）５１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ５０１によって実行するプログラムや情報を記録または再生させる。ハードディスクは、例えば検索結果としての回答候補、パッセージの格納、さらに、機械学習手法を適用する評価処理に利用する学習データの格納、木構造データの格納、回答候補の格納手段などに利用され、さらに、データ処理プログラム等、各種コンピュータ・プログラムが格納される。

ドライブ５１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体５２１に記録されているデータまたはプログラムを読み出して、そのデータまたはプログラムを、インタフェース５０７、外部バス５０６、ブリッジ５０５、およびホストバス５０４を介して接続されているＲＡＭ５０３に供給する。

接続ポート５１４は、外部接続機器５２２を接続するポートであり、ＵＳＢ，ＩＥＥＥ１３９４等の接続部を持つ。接続ポート５１４は、インタフェース５０７、および外部バス５０６、ブリッジ５０５、ホストバス５０４等を介してＣＰＵ５０１等に接続されている。通信部５１５は、ネットワークに接続され、クライアントやネットワーク接続サーバとの通信を実行する。

なお、図１６に示す質問応答システムとして適用される情報処理装置のハードウェア構成例は、ＰＣを適用して構成した装置の一例であり、本発明の質問応答システムは、図１６に示す構成に限らず、上述した実施例において説明した処理を実行可能な構成であればよい。

以上、特定の実施例を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本発明の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

なお、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。

例えば、プログラムは記録媒体としてのハードディスクやＲＯＭ（Read Only Memory)に予め記録しておくことができる。あるいは、プログラムはフレキシブルディスク、ＣＤ−ＲＯＭ(Compact Disc Read Only Memory)，ＭＯ(Magneto optical)ディスク，ＤＶＤ(Digital Versatile Disc)、磁気ディスク、半導体メモリなどのリムーバブル記録媒体に、一時的あるいは永続的に格納（記録）しておくことができる。このようなリムーバブル記録媒体は、いわゆるパッケージソフトウエアとして提供することができる。

なお、プログラムは、上述したようなリムーバブル記録媒体からコンピュータにインストールする他、ダウンロードサイトから、コンピュータに無線転送したり、ＬＡＮ(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送し、コンピュータでは、そのようにして転送されてくるプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本発明の構成によれば、入力質問に基づく検索処理を実行し、質問に対する回答候補を取得し、検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行して、解析結果に基づいて木構造を生成し、生成した木構造から、検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出して、抽出した素性に基づく機械学習手法を適用した評価処理を実行して、各回答候補に対する評価値を決定し、決定した評価値に基づいて、回答候補のリランキングを実行してクライアント（質問者としてのユーザ）に提示する構成としたので、質問に対するより適格な回答をリストの上位に提示した回答候補の提供が可能となる。

本発明の質問応答システムの適用例を示すネットワーク構成図である。 本発明の一実施形態に係る質問応答システムの構成について説明する図である。 質問応答システムにおける質問応答手段の構成および処理について説明する図である 構文・意味解析手段の生成するｆ−ｓｔｒｕｃｔｕｒｅの構成例について説明する図である。 木構造生成手段がｆ−ｓｔｒｕｃｔｕｒｅに基づいて生成する木構造の構成および生成処理について説明する図である。 素性抽出手段が木構造から抽出する検索語と回答候補間の木構造における関係および素性の例について説明する図である。 本発明の質問応答システムの実行する処理シーケンスについて説明するフローチャートを示す図である。 本発明の質問応答システムの生成する素性表について説明する図である。 本発明の質問応答システムの生成する完成した素性表について説明する図である。 本発明の質問応答システムにおいて抽出する素性について説明する図である。 本発明の一実施形態（実施例２）に係る質問応答システムの評価手段の構成を示す図である。 本発明の一実施形態（実施例３）に係る質問応答システムの評価手段の構成を示す図である。 本発明の一実施形態（実施例５）に係る質問応答システムの構成を示す図である。 本発明の一実施形態（実施例６）に係る質問応答システムの評価手段の構成を示す図である。 本発明の一実施形態（実施例６）に係る質問応答システムにおいて生成する構文木の構成および素性抽出処理について説明する図である。 本発明の一実施形態に係る質問応答システムのハードウェア構成例について説明する図である。

符号の説明

１００ ネットワーク
１０１ クライアント
１０２ Ｗｅｂページ提供サーバ
１０３ データベース
２００ 質問応答システム
２１０ 質問応答手段
２１１ 質問解析部
２１２ 情報検索部
２１３ 回答候補抽出部
２２１ 構文・意味解析手段
２２２ 木構造生成手段
２２３ 素性抽出手段
２２４ 評価手段
２２５ リランキング手段
２３０ 学習データベース
３２１ 素性抽出手段
３２２ 素性変換手段
３２３ 評価手段
３２４ 学習データベース
３２５ 評価統合手段
３２６ リランキング手段
３５１ 素性抽出手段
３５２ 評価手段
３５３ 学習データベース
３５４ リランキング手段
３５５ 学習手段
３５６ 学習データ生成手段
３７０ 質問応答手段
３８１ パッセージ文検索手段
３８２ 構文・意味解析手段
３８３ 木構造生成手段
３８４ 素性抽出手段
３８５ 評価手段
３８６ リランキング手段
３９０ 学習データベース
３９３ 木構造データベース
４１０ 質問応答手段
４２１ 構文解析手段
４２２ 木構造生成手段
４２３ 素性抽出手段
４２４ 評価手段
４２５ リランキング手段
４３０ 学習データベース
５０１ ＣＰＵ(Central Processing Unit)
５０２ ＲＯＭ（Read-Only-Memory）
５０３ ＲＡＭ（Random Access Memory）
５０４ ホストバス
５０５ ブリッジ
５０６ 外部バス
５０７ インタフェース
５０８ キーボード
５０９ ポインティングデバイス
５１０ ディスプレイ
５１１ ＨＤＤ（Hard Disk Drive）
５１２ ドライブ
５１４ 接続ポート
５１５ 通信部
５２１ リムーバブル記録媒体
５２２ 外部接続機器

Claims (13)

1. 入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答手段と、
   前記質問応答手段における検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析手段と、
   前記解析手段の解析結果に基づいて木構造を生成する木構造生成手段と、
   前記木構造生成手段の生成した木構造から、前記質問応答手段における検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出手段と、
   前記素性抽出手段において抽出した素性に基づいて各回答候補に対する評価値を決定する評価手段と、
   前記評価手段の決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキング手段と、
   を有することを特徴とする質問応答システム。
2. 前記評価手段は、
   前記素性抽出手段において抽出した素性について、機械学習法を適用した評価処理を実行し、各回答候補に対する評価値を決定する構成であることを特徴とする請求項１に記載の質問応答システム。
3. 前記解析手段は、
   前記パッセージ構成文についての構文・意味解析処理を実行し、解析対象文の語の格関係を保持したｆ−ｓｔｒｕｃｔｕｒｅを生成する構成であり、
   前記木構造生成手段は、
   前記ｆ−ｓｔｒｕｃｔｕｒｅに基づいて、格関係を明示した格関係表現木構造を生成する構成であり、
   前記素性抽出手段は、
   前記格関係表現木構造に基づいて、検索語と回答候補との格関係を各回答候補に対応する素性として抽出する処理を実行する構成であることを特徴とする請求項１に記載の質問応答システム。
4. 前記解析手段は、
   前記パッセージ構成文についての構文解析処理を実行する構成であり、
   前記木構造生成手段は、
   前記解析手段における構文解析処理結果に基づく構文木を生成する構成であり、
   前記素性抽出手段は、
   前記構文木に基づいて、検索語と回答候補との間の述語の語数を素性として抽出する処理を実行する構成であることを特徴とする請求項１に記載の質問応答システム。
5. 前記評価手段は、
   前記素性抽出手段において抽出した素性について、異なる複数の機械学習法を適用した評価処理を実行する複数の評価手段を有し、さらに、
   該複数の評価手段の複数の評価結果を統合し、各回答候補に対する最終的な評価値を決定する評価統合手段と、
   を有する構成であることを特徴とする請求項１に記載の質問応答システム。
6. 前記質問応答システムは、さらに、
   前記木構造生成手段の生成した木構造データを、該木構造データの生成元であるパッセージ構成文に対応付けて格納する木構造データベースと、
   前記質問応答手段から入力するパッセージ構成文に基づいて前記木構造データベースの検索処理を実行するパッセージ文検索手段とを有し、
   前記パッセージ文検索手段による検索処理によって、前記木構造データベースに一致するパッセージ文が検出された場合は、前記木構造生成手段による木構造生成処理を省略し、前記木構造データベースから検出されたパッセージ文に対応して格納された木構造を利用する構成を有することを特徴とする請求項１に記載の質問応答システム。
7. データ検索方法であり、
   入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答ステップと、
   前記質問応答ステップにおける検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析ステップと、
   前記解析ステップの解析結果に基づいて木構造を生成する木構造生成ステップと、
   前記木構造生成ステップにおいて生成した木構造から、前記質問応答ステップにおける検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出ステップと、
   前記素性抽出ステップにおいて抽出した素性に基づいて各回答候補に対する評価値を決定する評価ステップと、
   前記評価ステップにおいて決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキングステップと、
   を有することを特徴とするデータ検索方法。
8. 前記評価ステップは、
   前記素性抽出ステップにおいて抽出した素性について、機械学習法を適用した評価処理を実行し、各回答候補に対する評価値を決定するステップであることを特徴とする請求項７に記載のデータ検索方法。
9. 前記解析ステップは、
   前記パッセージ構成文についての構文・意味解析処理を実行し、解析対象文の語の格関係を保持したｆ−ｓｔｒｕｃｔｕｒｅを生成するステップであり、
   前記木構造生成ステップは、
   前記ｆ−ｓｔｒｕｃｔｕｒｅに基づいて、格関係を明示した格関係表現木構造を生成するステップであり、
   前記素性抽出ステップは、
   前記格関係表現木構造に基づいて、検索語と回答候補との格関係を各回答候補に対応する素性として抽出する処理を実行するステップであることを特徴とする請求項７に記載のデータ検索方法。
10. 前記解析ステップは、
    前記パッセージ構成文についての構文解析処理を実行するステップであり、
    前記木構造生成ステップは、
    前記解析ステップにおける構文解析処理結果に基づく構文木を生成するステップであり、
    前記素性抽出ステップは、
    前記構文木に基づいて、検索語と回答候補との間の述語の語数を素性として抽出する処理を実行するステップであることを特徴とする請求項７に記載のデータ検索方法。
11. 前記評価ステップは、
    前記素性抽出ステップにおいて抽出した素性について、異なる複数の機械学習法を適用した評価処理を実行する複数の評価処理を実行するステップと、
    該複数の評価ステップの複数の評価結果を統合し、各回答候補に対する最終的な評価値を決定する評価統合ステップと、
    を有することを特徴とする請求項７に記載のデータ検索方法。
12. 前記データ検索方法は、さらに、
    前記質問応答ステップにおいて取得したパッセージ構成文をクエリとして、木構造データと該木構造データの生成元であるパッセージ構成文とを対応付けて格納した木構造データベースを検索するパッセージ文検索ステップと、
    前記パッセージ文検索処理によって、前記木構造データベースに一致するパッセージ文が検出された場合は、前記木構造データベースから検出されたパッセージ文に対応して格納された木構造を利用して、素性抽出処理を実行するステップと、
    を有することを特徴とする請求項７に記載のデータ検索方法。
13. データ検索処理をコンピュータ上において実行させるコンピュータ・プログラムであり、
    入力質問に基づく検索処理を実行し、質問に対する回答候補を取得する質問応答ステップと、
    前記質問応答ステップにおける検索結果として取得したパッセージ構成文についての構文解析処理または構文・意味解析処理を実行する解析ステップと、
    前記解析ステップの解析結果に基づいて木構造を生成する木構造生成ステップと、
    前記木構造生成ステップにおいて生成した木構造から、前記質問応答ステップにおける検索処理において適用した検索語と、取得した回答候補との関係を各回答候補に対応する素性として抽出する素性抽出ステップと、
    前記素性抽出ステップにおいて抽出した素性に基づいて各回答候補に対する評価値を決定する評価ステップと、
    前記評価ステップにおいて決定した評価値に基づいて、前記回答候補のリランキングを実行するリランキングステップと、
    を有することを特徴とするコンピュータ・プログラム。

Images