JP2008305078A - 関連語抽出支援装置および関連語抽出支援プログラム - Google Patents

Abstract

【課題】従来は、動詞＋格と名詞の出現頻度をもとにシソーラスへ登録するための名詞の類似度を計算しているが、名詞同士がどのような関係性を持つかに依存した関連語は抽出することができない。
【解決手段】用語の見出しとその用語の意味分類等が格納された用語辞書と、用語間のｎ項関係を定義したｎ項関係辞書と、コーパスから用語間の類似度を計算して用語類似度辞書に格納する用語類似度計算手段と、用語辞書と、用語間ｎ項関係辞書と、用語類似度計算手段で用語間の類似度が格納された用語類似度辞書とから、対象用語に対する関連度を基に関連語候補を抽出する関連語候補抽出手段を備え、対象用語と関連語間の関係性を考慮した関連語の抽出が行う。
【選択図】図１

Description

この発明は電子化文書の検索や分析により業務へフィードバックするため電子化文書を検索する際に用いられる関連語を抽出する関連語抽出支援装置およびその機能をコンピュータに実行させる関連語抽出支援プログラムに関する。

近年、電子化して蓄積される文書の増加にともない、業務の効率化の観点で文書検索機能が重要視されるようになってきた。
また、業務で作成される電子化文書も増加しており、業務に依存した文書の検索や分析を行って業務へフィードバックするための技術が求められるようになってきた。その一例として、蓄積された不具合報告書に関する用語を用いて新規の設計書の該当箇所を検索することにより不具合につながる記述をチェックする技術がある。

前記のような業務依存の検索や文書チェックの技術を利用する際に、関連語を抽出する技術が重要となる。
例えば、検索の入力時には、ある部品名が入力された時に、検索の絞込みに役立つ的確な用語として、単なる類義語ではなく、例えば、入力された部品名と属性の関係を持つ用語を関連語として提示することが求められている。
また、業務依存の文書のチェックとして、ある部品名に関する不具合の原因をチェックするルールにおいては、例えば、部品名とその部品名に関連する属性の対をルールとして作成しておく場合が多く、この部品名と属性という関係を持つ関連語の対を効率よく作成したいという要求がある。

これらの要求に対して、該当業務ごとに文書中で用いられる用語とその関連語の関係が異なるので、あらかじめ網羅された関連語辞書が作成されていることは期待できないため、応用目的に応じて関連語の抽出を効率よく行う技術が望まれている。
この発明は、このように業務依存で用いられる文書に関する関連語の抽出を支援するための技術に関するものである。
なお、この発明において、単語と用語（単語および複合語を含む）という言葉は、特に明示しない場合は、区別せず同じ意味で用いるものとする。

従来から、関連語の抽出に関連する技術として、シソーラスへ単語を登録する技術が用いられており、例えば、特許文献１がある。

特開2005-326952号公報[概念辞書への単語登録方法、装置、およびプログラム」

特許文献１は、シソーラスにおける未登録語の類似度を計算するために、未登録語に関係する別の語とその関係を抽出した特徴ベクトルにより関連するシソーラスの登録ノードを選定してシソーラスを構築する方法を開示している。
特許文献１の［0028］から［0029］では、未登録語、格要素、動詞の三つ組みを特徴ベクトルの項として関連する登録先ノードを選定する方法が示されている。

しかしながら、特許文献１に示された従来の技術では、動詞＋格と名詞の出現頻度をもとにシソーラスへ登録するための名詞の類似度を計算しているが、名詞同士がどのような関係性を持つかに依存した関連語は抽出することができないという問題点があった。

例えば、電気関連の技術文書を対象とした場合に、「ＳＷ」という入力により、従来技術では「リレー」、「スイッチ」のように類似した単語を抽出することができる。しかし、電気部品という意味で類似した「リレー」や「スイッチ」ととともに、これらの用語と属性という関係をもつ「接点」のような用語を関係性を考慮して抽出することはできなかった。

この発明は上記のような問題点を解決するためになされたもので、業務依存のｎ項関係辞書を用いることにより、用語間の関係性（部品名とその属性など）を考慮した関連語の抽出を支援する装置を実現することを目的とするものである。

この発明に係る関連語抽出支援装置は、指定した用語に関連する他の用語の抽出を支援する関連語抽出支援装置であって、
用語の見出しとその用語の意味分類等が格納された用語辞書と、
用語間のｎ項関係を定義した用語間のｎ項関係辞書と、
コーパスから用語間の類似度を計算して用語類似度辞書に格納する用語類似度計算手段と、
用語辞書と、用語間ｎ項関係辞書と、用語類似度計算手段で用語間の類似度が格納された用語類似度辞書とから、対象用語に対する関連度を基に関連語候補を抽出する関連語候補抽出手段を備え、
対象用語と関連語間の関係性を考慮した関連語の抽出が行うものである。

この実施の関連語抽出支援装置によれば、業務依存で作成したｎ項関係辞書を用いることにより、用語間の関係性（部品名とその属性など）を考慮した関連語の抽出を支援する装置を実現することができる。

実施の形態１．
図1はこの発明の実施の形態１の基本構成を示す構成図である。
図１において、
１０１０は、用語の見出しとその用語の意味分類等が格納された用語辞書で、対象とする業務で用いられる文書中の用語の関係に応じて複数ｎ種類のものがある。
１０２０は、用語間の関係を記載したｎ項関係辞書、
１０３０は、仕様書、マニュアル等の文書データ等を格納したコーパス、
１０４０は、コーパス１０３０から用語辞書１０１０の用語間の類似度を計算する用語類似度計算手段、
１０５０は、用語類似度計算手段１０４０によって計算された用語間の類似度を格納する用語類似度辞書、
１０６０は、関連語候補を求める対象となる対象用語、
１０７０は、対象用語１０６０を入力するための対象用語入力手段、
１０８０は、対象用語入力手段１０７０によって入力された対象用語１０６０に対する関連語候補を抽出する関連語候補抽出手段、
１０９０は、関連語候補抽出手段１０８０によって抽出された対象用語１０６０に関する関連語候補を表示するための関連語候補表示手段、
１１００は、関連語候補表示手段１０９０に表示された関連語候補である。

図２は、この発明の実施の形態１を実現するためのコンピュータのハードウェア資源の構成図である。
図２において、
２０１０は、図１の対象用語１０６０を入力するためのキーボード、マウス等の入力装置であり、対象用語入力手段１０７０を構成する。
２０２０は、制御装置であり、この発明の基本構成の用語類似度計算手段１０４０、関連語候補抽出手段１０８０における計算および全体の動作に関する制御を行うために用いられ、少なくともＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０３０、主記憶装置２０４０から構成される。
２０５０は、２次記憶装置であり、本装置の用語類似度計算手段１０４０、関連語候補抽出手段１０８０を実現するためのプログラムの格納、用語辞書１０１０の格納、ｎ項関係辞書１０２０の格納、コーパス１０３０の格納、用語類似度辞書１０５０の格納のために使用される。また、前記計算の過程で主記憶装置２０４０の補助記憶として使用されることもある。

２０６０は、ディスプレイ等の表示装置２０７０、プリンタ等の印刷装置２０８０を含む出力装置であり、関連語候補１１００の出力、コーパス１０３０、用語辞書１０１０、ｎ項関係辞書１０２０、用語類似度辞書１０５０等の内容の出力、および、前記抽出、計算、推定の途中過程の出力に使用され、また、関連語候補表示手段１０９０の機能を実現する。
２０９０は記録媒体駆動装置、２１００はＣＤ−ＲＯＭ等の記録媒体である。本装置を構成するプログラムやデータが記録媒体２１００に格納されている際には、記録媒体駆動装置２０９０において読み出され、制御装置２０２０を通じて、２次記憶装置２０５０に格納され、動作に応じて制御装置２０２０に読み出されて実行される。
２１１０は、通信装置であり、他の制御装置との通信に用いられる。ここでは、簡単のため、１つの制御で実行されるとして説明しているが、通信装置によって連携した複数の制御装置および2次記憶装置に分散される構成としても良い。

図３は、この発明の実施の形態１の用語類似度計算手段１０４０の処理の過程を示す流れ図である。
図３において、
３０１０は、コーパス１０３０を解析してコーパス中に含まれる用語を抽出する用語抽出ステップ、
３０２０は、用語抽出ステップ３０１０でコーパス１０３０から抽出された用語と用語辞書１０１０に格納された用語間の類似度を計算する用語類似度計算ステップである。

図４は、この発明の実施の形態１の関連語候補抽出手段１０８０の処理の過程を示す流れ図である。
図４において、
４０１０は、対象用語１０６０を対象用語入力手段１０７０によって入力する対象用語入力ステップ、
４０２０は、対象用語入力手段１０７０によって入力された対象用語の関連語を、用語辞書１０１０，ｎ項関係辞書１０２０、用語類似度辞書１０５０を用いて、関連語候補の関連度を計算する関連語候補計算ステップ、
４０３０は、計算された関連語候補１１００を関連語候補表示手段１０９０に表示する関連語候補表示ステップである。

図５は、この発明の実施の形態１の関連語候補抽出手段１０８０の関連語候補計算処理の過程を示す流れ図である。
図５において、
５０１０は、対象用語ｐ_ｉとの関係で同じ用語辞書ｉに格納された用語間の類似度を用語類似度辞書１０５０から取り出す用語類似度取得ステップ、
５０２０は、ステップ５０１０の類似度が閾値thを超える用語ｐ_ｊを集め、関連語を求めるベースとなる用語集合Ｐを求める類似用語取得ステップ、
５０３０は、用語集合Ｐの要素である用語ｐ_ｊに対して所定の関係を持つ用語をn項目関係辞書から取り出し、関連語候補集合Ａを求める関連語候補取得ステップ、
５０４０は、関連語候補集合Ａの各要素にスコアを割り当てる関連語候補スコア設定ステップ、
５０５０は、関連語候補集合Ａの要素をスコア順に並べかえる関連語候補順序設定ステップである。

図６は、この発明における用語辞書の例である。用語辞書は、図６に示すように、対象とする業務で用いられる文書中の用語の関係に応じて複数種類のものがあるものとする。
図６（a）は、部品名に関する用語辞書の例であり、部品名の見出しとその意味分類の項目から構成される。
図６（ｂ）は、部品の属性に関する用語辞書の例であり、属性の名前のみの項目からなる。

図７は、この発明におけるｎ項関係辞書の一例である。この例では、部品名と属性という項目からなり、部品名というカテゴリを持つそれぞれの用語に対して属性という関係にある用語があることを表している。

図８は、この発明におけるｎ項関係辞書の他の例である。この例では、部品名、属性、操作、状態という項目からなり、それぞれの部品名に対して、行で対応する属性、操作、状態の各欄の用語が属性、操作、状態という関係にあることを表す。

図９は、この発明におけるｎ項関係辞書のもう一つの例である。この例では、カテゴリ１という分類で値１の欄に格納された用語が、カテゴリ２の分類を持つ値２の用語とカテゴリ１、カテゴリ２の組で表される関係を持つことを表す。

図１０は、コーパスから抽出した用語データの例である。
図１１は、コーパスから抽出した用語・格関係データの例である。
図１２は、この発明における、ユーザからみた入出力の例である。

次に、図３、図４、図５を用いて、適宜他の図を参照しながらこの発明の動作の流れを説明する。
まず、図３の用語類似度計算手段１０４０の処理での用語抽出ステップ３０１０においてコーパス１０３０から図１０に示す述語データと名詞データのように、用語見出しとその頻度の形で用語データを抽出する。また、図１１に示す用語・格関係データを抽出する。用語、および用語・格関係データの抽出は、コーパス１０３０を形態素解析および構文解析して抽出するが、形態素解析および構文解析の方法については、広く公知であるので、ここでは説明を省略する。なお、前記構文解析は、文中で文節が他の文節に係ることを解析する係り受け解析を含むものとする。ここで、文節とは、自立語（名詞、動詞など）と付属語（助詞、助動詞など）から構成されるものである。名詞＋格助詞が動詞に係る、名詞＋格助詞の文節が他の名詞の文節と並列関係にある、などが代表的な係り受け解析の結果である。

次に、図３の用語類似度計算ステップ３０２０において、図１０に示す用語データと図１１に示す用語・格関係データから用語間の類似度を計算し、その結果を用語類似度辞書１０５０に格納する。ここで、用語間の類似度の計算については、引用文献１で開示されているような様々な手法が従来から計算されており、ここでは、従来から知られている手法を用いて用語間の類似度を計算するものとする。

次に、図４の対象用語入力ステップ４０１０において、ユーザが入力装置２０１０で構成される対象用語入力手段１０７０から関連語を計算する対象となる対象用語を入力する。例えば、図１２では、「ＳＷ」または「ＴＲ」という語がユーザから入力されたことを表しており、対象用語入力ステップ４０１０では、この入力された用語を受け付ける。図１２に示した入力インタフェースでは、入力窓の部分に「部品：」という情報が記載されており、入力された用語が「部品名」というカテゴリを持つことを表している。

また、対象用語入力ステップ４０１０では、入力した対象用語に関する関連語の表示対象が持つ関係の指定を受け取る。図１２示す例では、ユーザは、抽出したい関連語のカテゴリとして、「属性候補」という欄を選択しており、入力した対象用語に関する関連語の表示対象として「属性」という関係を持つ語を提示して欲しい、というユーザの要求も受け取る。

なお、図１２では、対象用語のカテゴリは、あたかも「部品名」で固定されているかのように示しているが、関係の欄と同様に、対象用語のカテゴリを選択する形としても構わない。

次に、図４の関連語候補計算ステップ４０２０において、用語辞書１０１０と、用語類似度辞書１０５０と、ｎ項関係辞書１０２０から対象用語に関する関連語の集合を計算する。関連語候補計算ステップの詳細な処理については、図５を用いて説明を後述する。

次に、図４の関連語候補表示ステップ４０３０において、図１２に示すように、指定された関係を持つ対象用語に関する関連語を、出力装置２０６０により構成される関連語候補表示手段１０９０に表示する。

また、図４の関連語候補表示ステップ４０３０において、図１２に示すように、指定された関係を持つ対象用語に関する関連語を出力装置２０６０に後述する関連語のスコア（関連度）の順で出力する。

このとき、図１２では、単に関連語のみを表示しているが、関連度をあわせて表示する構成としても良い。

ここで、図５を用いて、関連語候補計算ステップ４０２０の詳細な処理の流れを説明する。まず、図５のステップ５０１０において、対象用語Ｐ_ｉと同じカテゴリを持つ用語辞書１０１０から用語の一覧を受け取り、各用語に対する類似度を用語類似度辞書１０５０から取り出す。

例えば、図１２に示すように、部品名というカテゴリの用語が入力された場合には、図６（ａ）に示す用語辞書から、部品名の一覧（対象用語と同じカテゴリをもつ用語の一覧）を取り出し、部品名である対象用語ｐ_ｉと、各部品名との間の類似度sim(p_i,p_j)を用語類似度辞書１０５０から取り出す。

次に、ステップ５０２０において、類似度sim(p_i,p_j)が閾値thよりも大きな用語ｐ_ｊからなる用語の集合Ｐを求める。ここで、閾値thはあらかじめ設定した所定のものを用いても良いし、ユーザから入力させても良い。

次に、ステップ５０３０において、集合Ｐの要素である用語ｐ_ｊに対して関係ｒを持つ（rel_of(p_j,a_j,r))という表記で表す）用語ａ_ｊをｎ項目関係辞書から取り出し、関連語候補の集合Ａとする。このとき、関係ｒは、ｎ項関係辞書に規定された関係とする。ここで、関係ｒは、例えば、ステップ４０１０において、ユーザから受け取った「属性」という関係である。図１２に例示したように、「操作」、「状態」等であっても良い。

次に、ステップ５０４０において、ステップ５０３０で求めた関連語候補の集合Ａの各要素の用語ａ_ｊに対して、用語ａ_ｊに対応するもとの用語Ｐ_ｊと対象用語Ｐ_ｉとの類似度sim(p_i,p_j)を、各要素ａ_ｊのスコア（関連度）score(a_j)とする。

次に、ステップ５０５０において、関連語候補の集合Ａの各要素の用語ａ_ｊをスコアscore(a_j)の降順（類似度が大きいものから小さいものへ）と並び替える。
これによって、図１２に示すような関連語の関連度（スコア）の順によって、スコア（関連度）の高い順に関連語を抽出して提示することが可能となる。

なお、前述の説明では、あたかも技術文書における関連語の抽出に用いる装置であるかのように説明してきたが、この発明における関連語抽出支援装置は技術文書に限定されるものではない。例えば、図１８は、商品説明の検索サイトでの検索絞込み支援を行う場合の、関連語抽出するためのｎ項関係辞書の場合の他の例である。この例では、機能、操作、状態という項目からなり、行で対応する機能、操作、状態の各欄の用語が、それぞれ機能、操作、状態という関係にあることを表す。このようなｎ項関係辞書およびこの辞書に含まれる用語辞書を備えることにより、商品説明の検索サイトにおいて、機能に関する用語、例えば、「メール」が入力された場合に、直接「メール」に対して状態という関係を持つとして定義されている用語は「着信」だけであるが、これまで説明してきた動作によって、「メール」と「機能」が類似している用語であると計算された場合には、「機能」対して状態という関係を持つ「受信」という用語も関連語の候補として抽出することができる。

また、前述の説明では、用語辞書１０１０、ｎ項関係辞書１０２０を所与のものとして説明しているが、用語類似度辞書１０５０と同様に、公知の意味分類推定技術を用いてコーパス１０３０から抽出した用語により用語辞書１０１０、ｎ項関係辞書１０２０を構成しても良い。

以上により、この実施の形態によれば、業務依存で作成したｎ項関係辞書を用いることにより、用語間の関係性（部品名とその属性など）を考慮した関連語の抽出を支援する装置を実現することができる。

実施の形態２．
実施の形態１では、関連語のスコアとして、対象用語と同一カテゴリを持つ用語間の類似度の値を用いる形態について説明したが、関連語のスコアは、対象用語と同一カテゴリを持つ用語間の類似度限定されるものではなく、他の値を用いても良い。関連語のスコアとして、対象用語と同一カテゴリを持つ用語間のシソーラス上の距離を用いる例を実施の形態２として説明する。
なお、実施の形態２を実現するためのコンピュータのハードウェア資源の構成は、実施の形態１と同様であるので省略する。

図１３は、この発明の実施の形態２における用語（部品名）シソーラスの例である。図１３では、簡潔に示すために、用語のみを示しているが、用語に付随する情報が付加された形態であっても良い。
図１４は、この発明における実施の形態２の関連語候補抽出手段１０８０の関連語候補計算ステップのフローチャートの例である。図１４において、ステップ１４０１０以外の動作は、実施の形態１と同様であるので、説明を省略する。

図１４のステップ１４０１０では、図１３に示した用語シソーラス上の用語の距離によって関連語のスコアを計算する。シソーラス上の距離の計算には種々の方法があるが、例えば、シソーラスの木の高さ（用語から最上層の意味分類までにたどる段数）を（ｍ＋１）としたとき、階層の下の同じ最下層の意味分類のノードに属する用語(意味分類が同じ用語)間の距離を０、ある最下層の意味分類のノードに属する用語ｐ_ｉから木をｎ段上方向にたどってから下方向にたどった最下層の意味分類のノードに属する用語ｐ_ｉと間の距離dist(ｐ_i，ｐ_i)をｎ／ｍとする。このとき、関連語のスコアscore(a_j)を1- score(a_j)として設定する。

例えば、図１３に示したシソーラスの例では、最下層の意味分類「電気部品」に属する用語「ＳＷ」と用語「リレー」は距離dist(スイッチ, リレー)=０である。また、最下層の意味分類「電気部品」に属する用語「スイッチ」と最下層の意味分類「情報部品」に属する「レジスタ」との間の距離は、シソーラスの高さが４（ｍ＝３）、意味分類「電気部品」から意味分類「部品」まで木を１段たどるのでdist(スイッチ, レジスタ)=１／３であるとする。もちろん、シソーラス上の距離の定義としては他の計算式を用いても良い。

したがって、対象用語が「ＳＷ」である場合には、図１３で、「スイッチ」および「リレー」は同じ電気部品のノードに属しているので距離が０となる。このとき、n項関係辞書として図７を用いた場合には、部品名「スイッチ」の属性「ＮＯ接点」、「接点」と部品名「リレー」の属性「ＯＮ接点」、「ＯＦＦ接点」、「接触点」がスコアの値が１となり「ＳＷ」の関連語として上位（最初の方）に表示される。

また、情報部品のノードに属する部品名「レジスタ」等の場合は、対象用語が「ＳＷ」との距離が１／３となるので、「レジスタ」の属性「アドレス」、「上位バイト」、「下位バイト」等は、前述の「ＮＯ接点」、「接点」、「ＯＮ接点」、「ＯＦＦ接点」、「接触点」等よりもスコアの値が小さく（１−１／３）となり、下位（後ろの方に）表示される。

この実施の形態２の構成により、対象分野の知識を反映したシソーラスを反映した距離を基にしたスコアの順番で関連語を抽出することができる。

実施の形態３．
実施の形態１では、関連語のスコアとして、対象用語と同一カテゴリを持つ用語間の類似度の値を用いる形態とし、実施の形態２では、関連語のスコアとして、対象用語と同一カテゴリを持つ用語間のシソーラス上の距離を用いる例を説明したが、関連語のスコアとして関連語同士に関する値を用いる形態としても良い。
なお、実施の形態３を実現するためのコンピュータのハードウェア資源の構成は、実施の形態１と同様であるので省略する。

ここでは、図１５を参照して、実施の形態３における動作を説明する。図１５は、この発明の実施の形態３における関連語候補抽出手段１０８０の関連語候補計算の詳細な処理の過程を示す流れ図である。図１５において、ステップ１５０１０、１５０２０以外の動作は、実施の形態１と同様であるので、説明を省略する。

図１５において、ステップ５０３０までの動作は、実施の形態１と同じである。次に、図１５のステップ１５０１０では、ステップ５０３０で求めた関連語候補の集合Ａの各要素の用語同士の類似度を用語類似度辞書１０２０から取り出す。

次に、ステップ１５０２０において、ステップ５０３０で求めた関連語候補の集合Ａの各要素の用語a_jに対して、ステップ１５０１０で求めた類似度sim(a_ｊ, a_ｊ)を、関連語候補の集合Ａの各要素である用語ａ_ｊのスコアscore(a_j)として設定する。

なお、実施の形態３のバリエーションとして、用語ａ_ｊに対応するもとの用語Ｐ_ｊと対象用語Ｐ_ｉとの類似度sim(p_i,p_j)をステップ１５０１０で求めた類似度sim(a_ｊ, a_ｊ)に掛けたものを関連語候補の集合Ａの各要素である用語ａ_ｊのスコアscore(a_j)としても良い。

この実施の形態３の構成により、関連語のスコアとして関連語同士に関する値を用いることにより、用語間の関係性（部品名とその属性など）を考慮し、かつ、関連語候補同士の類似度により順位づけされた関連語の抽出を支援する装置を実現することができる

実施の形態４．
実施の形態３では、関連語のスコアとして、関連語のスコアとして関連語同士に関する値を用いる形態について説明したが、実施の形態１に対する実施の形態２のように、関連語候補同士のシソーラスに関する距離を用いる形態が考えられる。そこで、関連語のスコアとして、関連語候補と同一カテゴリを持つ用語間のシソーラス上の距離を用いる例を実施の形態４として説明する。
なお、実施の形態４を実現するためのコンピュータのハードウェア資源の構成は、実施の形態１と同様であるので省略する。

図１６は、この発明の実施の形態４における関連語候補のカテゴリに関する用語（属性）シソーラスの例である。図１６では、簡潔に示すために、上位下位の階層と用語のみを示しているが、用語に付随する情報が付加された形態であっても良い。

図１７は、この発明における実施の形態４の関連語候補抽出手段１０８０での関連語候補計算ステップのフローチャートの例である。図１７において、ステップ１７０１０以外の動作は、実施の形態１と同様であるので、説明を省略する。

図１７のステップ１７０１０では、図１６に示した用語シソーラス上の用語の距離によって関連語のスコアを計算する。シソーラス上の距離の計算には種々の方法があるが、ここでは、実施の形態２と同様に、シソーラスの木の高さを（ｍ＋１）としたとき、階層の下の同じ最下層のノードに属する用語(意味分類が同じ用語)間の距離を０、ある最下層に属する用語ｐ_ｉから木をｎ段上方向にたどってから下方向にたどった最下層のノードに属する用語Ｐ_ｉと間の距離dist(ｐ_i，ｐ_i)をｎ／ｍとして用いる。このとき、関連語のスコアscore(a_j)を1- score(a_j)として設定する。

例えば、図１６に示したシソーラスの例では、最下層の意味分類「電圧」に属する用語「起動電圧」と用語「基準電圧」は距離dist(起動電圧, 基準電圧)=０である。また、最下層の意味分類「電圧」に属する用語「起動電圧」と最下層の意味分類「電流」に属する用語「起動電流」との間の距離は、シソーラスの高さが４（ｍ＝３）、木を１段たどるのでdist(起動電圧, 起動電流)=１／３であるとする。もちろん、シソーラス上の距離の定義としては他の計算式を用いても良い。

このとき、関連語候補の集合Ａの要素として、「起動電圧」、「基準電圧」、「起動電流」があれば、「起動電圧」と「基準電圧」のスコアが０、「起動電流」のスコアが（１−１／３）となり、「起動電圧」と「基準電圧」が先に、「起動電流」が後に関連語候補として表示されることになる。

上記のように、この実施の形態４の構成により、対象分野の知識を反映した関連語候補同士のシソーラスを反映した距離を基にしたスコアの順番で関連語を抽出することができる。

この発明は、電子化文書の検索用関連語の抽出装置に適用され、Ｗｅｂサイトにおける検索絞り込み単語の提示機能や、不具合未然防止システムのチェックルール作成等に利用できる。

この発明の実施の形態１の基本構成を示す構成図である。 実施の形態１を実現するためのコンピュータのハードウェア資源の構成図である。 実施の形態１の用語類似度計算手段の処理過程を示す流れ図である。 実施の形態１の関連語候補抽出手段の処理過程を示す流れ図である。 実施の形態１の関連語候補抽出手段の詳細な処理過程を示す流れ図である。 この発明における用語辞書例の説明図である。 この発明におけるｎ項関係辞書の他の例の説明図である。 この発明におけるｎ項関係辞書の他の例の説明図である。 この発明におけるｎ項関係辞書のさらに他の例の説明図である。 コーパスから抽出された用語データ例の説明図である。 コーパスから抽出した用語・格関係データ例の説明図である。 この発明におけるユーザからみた入出力例の説明図である。 この発明の実施の形態２における部品名シソーラス例の説明図である。 実施の形態２における関連語候補抽出手段の詳細な処理の過程を示す流れ図である。 この発明の実施の形態３における関連語候補抽出手段の詳細な処理の過程を示す流れ図である。 この発明の実施の形態４における属性シソーラス例の説明図である。 実施の形態４における関連語候補抽出手段の詳細な処理の過程を示す流れ図である。 実施の形態１における商品説明検索サイトでの関連語抽出用のｎ項関係辞書の説明図である。

符号の説明

１０１０；用語辞書、１０２０；ｎ項関係辞書、１０３０；コーパス、１０４０；用語類似度計算手段、１０５０；用語類似度辞書、１０６０；対象用語、１０７０；対象用語入力手段、１０８０；関連語候補抽出手段、１０９０；関連語候補表示手段、１１００；関連語候補、２０１０；入力装置、２０２０；制御装置、２０３０；ＣＰＵ、２０４０；主記憶装置、２０５０；２次記憶装置、２０６０；出力装置、２０７０；表示装置、２０８０；印刷装置、２０９０；記録媒体駆動装置、２１００；記録媒体、２１１０；通信装置。

Claims (5)

1. 指定した用語に関連する他の用語の抽出を支援する関連語抽出支援装置であって、
   用語の見出しとその用語の意味分類が格納された用語辞書と、
   用語間のｎ項関係を定義した用語間のｎ項関係辞書と、
   コーパスから用語間の類似度を計算して用語類似度辞書に格納する用語類似度計算手段と、
   用語辞書と、用語間ｎ項関係辞書と、用語類似度計算手段で用語間の類似度が格納された用語類似度辞書とから、対象用語に対する関連度を基に関連語候補を抽出する関連語候補抽出手段を備えることを特徴とする関連語抽出支援装置。
2. 関連語候補抽出手段における関連度として、対象用語に関するシソーラス上の距離を用いることを特徴とする請求項１記載の関連語抽出支援装置。
3. 関連語候補抽出手段における関連度として、用語類似度辞書に格納された関連語候補語同士の類似度を用いることを特徴とする請求項１記載の関連語抽出支援装置。
4. 関連語候補抽出手段における関連度として、関連語候補語同士のシソーラス上の距離を用いることを特徴とする請求項１記載の関連語抽出支援装置。
5. コンピュータに指定した用語に関連する他の用語の抽出を支援する機能を実行させる関連語抽出支援プログラムであって、
   コーパスから用語間の類似度を計算して用語類似度辞書に格納する用語類似度計算ステップと、
   用語の見出しとその用語の意味分類が格納された用語辞書と、用語間のｎ項関係を定義した用語間のｎ項関係辞書と、用語類似度計算ステップで用語間の類似度が格納された用語類似度辞書とから、対象用語に対する関連語候補を抽出する関連語候補抽出ステップを備えることにより、
   用語間の関係性を考慮した関連語の抽出をコンピュータに実行させることを特徴とする関連語抽出支援プログラム。

Images