JP2009093564A - 文書抽出装置および文書抽出プログラム - Google Patents

Abstract

【課題】参照情報が明示されていない特許や論文等の文書についても、適切な関連性を有する文書については抽出文書群の要素に組み込んで抽出する。
【解決手段】文書抽出装置１０は、少なくとも一部の文書が他の文書と参照関係を有する複数の文書を格納し、格納された複数の文書から所与の検索条件に基づいて検索された文書と参照関係を有する１次文書を抽出し、さらに１次文書と参照関係を有する２次文書を抽出するという処理を順次繰り返してｎ次文書まで抽出し、１乃至ｎ次文書を要素とする抽出文書群の少なくとも一部の文書と関連する情報を有する文書を、抽出文書群以外の文書から検索し、検索された文書の少なくとも一部を抽出文書群の要素に追加する。
【選択図】図１

Description

本発明は、文書抽出装置および文書抽出プログラムに関する。

発明の先行技術を調査する場合には、調査対象の発明と共通する技術分野に属する特許の引用文献および被引用文献に基づいて、先行技術を検索し分析するという手法が用いられることがある。例えば、下記の特許文献１には、キーワード、技術分野等から検索された特許情報に関する一次引用文献を検索し、検索された一次引用文献の引用文献である二次引用文献をさらに検索するという作業を複数回繰り返して、芋蔓式にｎ次引用文献まで検索する手法が開示されている。なお、学術文献データベースであるＷｅｂ Ｏｆ Ｓｃｉｅｎｃｅにおいても、上記の芋蔓式検索による検索結果を表示する検索サービスを提供している。
特開２０００−１４８７８９号公報

しかしながら、従来の技術では、参照情報（引用情報）が明示されていない特許、論文等の文献については、分析の対象から除外されてしまうため、参照情報が明示されていない文献は、実際には十分な関連性があったとしても調査の対象から漏れてしまっていた。そのため、従来の技術では、不十分な調査結果しか得られないことがあった。

本発明の目的は、参照情報が明示されていない特許や論文等の文書についても、適切な関連性を有する文書については抽出文書群の要素に組み込んで抽出できる文書抽出装置、及び文書抽出プログラムを提供することにある。

上記目的を達成するために、請求項１に記載の文書抽出装置の発明は、少なくとも一部の文書が他の文書と参照関係を有する複数の文書を格納する手段と、前記格納された複数の文書から所与の検索条件に基づいて検索された文書と参照関係を有する１次文書を抽出し、さらに当該１次文書と参照関係を有する２次文書を抽出するという処理を順次繰り返してｎ次文書まで抽出する手段と、前記１乃至ｎ次文書を要素とする抽出文書群の少なくとも一部の文書と関連する情報を有する文書を、当該抽出文書群以外の文書から検索する関連文書検索手段と、前記関連文書検索手段により検索された文書の少なくとも一部を前記抽出文書群の要素に追加する追加手段と、を含むことを特徴とする。

請求項２の発明は、請求項１に記載の文書抽出装置において、前記複数の文書は、それぞれ属性情報を有し、前記関連文書検索手段は、前記抽出文書群の少なくとも一部の文書と共通の属性情報を有する文書を、当該抽出文書群以外の文書から検索する、ことを特徴とする。

請求項３の発明は、請求項１に記載の文書抽出装置において、前記関連文書検索手段は、前記抽出文書群の少なくとも一部の文書と類似の文字列を含む文書を、当該抽出文書群以外の文書から検索する、ことを特徴とする。

請求項４の発明は、請求項１乃至３のいずれかに記載の文書抽出装置において、前記抽出文書群の各文書の重要度を算出する手段と、前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の文書に関連して検索された文書を、前記抽出文書群の要素に追加する、ことを特徴とする。

請求項５の発明は、請求項１乃至３のいずれかに記載の文書抽出装置において、前記抽出文書群の各文書の重要度を算出する手段と、前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の文書を、前記抽出文書群の要素に追加する、ことを特徴とする。

請求項６の発明は、請求項２に記載の文書抽出装置において、前記文書の属性情報は、人物の情報である、ことを特徴とする。

請求項７の発明は、請求項６に記載の文書抽出装置において、前記人物情報毎の重要度を算出する手段と、前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の人物情報が属性情報である文書を、前記抽出文書群の要素に追加する、ことを特徴とする。

請求項８の発明は、請求項１乃至７のいずれかに記載の文書抽出装置において、前記追加手段により追加された抽出文書群の各要素から構成されるネットワークを表示する手段をさらに含む、ことを特徴とする。

請求項９に記載の文書抽出プログラムの発明は、少なくとも一部の文書が他の文書と参照関係を有する複数の文書を格納する手段、前記格納された複数の文書から所与の検索条件に基づいて検索された文書と参照関係を有する１次引用文書を抽出し、さらに当該１次引用文書と参照関係を有する２次引用文書を抽出するという処理を順次繰り返してｎ次引用文書まで抽出する手段、前記１乃至ｎ次引用文書を要素とする抽出文書群の少なくとも一部の文書と関連する情報を有する文書を、当該抽出文書群以外の文書から検索する関連文書検索手段、及び、前記関連文書検索手段により検索された文書の少なくとも一部を前記抽出文書群の要素に追加する追加手段、としてコンピュータを機能させることを特徴とする。

請求項１に記載の発明によれば、参照情報が明示されていない特許や論文等の文書についても、適切な関連性を有する文書については抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出することができる。

請求項２に記載の発明によれば、共通する属性情報を有する文書を抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出することができる。

請求項３に記載の発明によれば、抽出文書群の文書と記述された文字列が類似する文書を抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出することができる。

請求項４に記載の発明によれば、抽出文書群に追加する文書を、その文書が関連する文書の重要度に応じて絞り込むことで、より適切な文書を抽出文書群に追加することができる。

請求項５に記載の発明によれば、抽出文書群に追加する文書を、その文書の重要度に応じて絞り込むことで、より適切な文書を抽出文書群に追加することができる。

請求項６に記載の発明によれば、文書の属性情報である人物情報が共通する文書を抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出することができる。

請求項７に記載の発明によれば、抽出文書群に追加する文書を、その文書に関する人物の重要度に応じて絞り込むことで、より適切な文書を抽出文書群に追加することができる。

請求項８に記載の発明によれば、抽出文書群の各要素からなる文書ネットワークを表示することで、関連する文書の分析に有用な情報を提示できる。

請求項９に記載の発明によれば、参照情報が明示されていない特許や論文等の文書についても、適切な関連性を有する文書については抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出するようにコンピュータを機能させることができる。

以下、本発明を実施するための好適な実施の形態（以下、実施形態という）を、図面に従って説明する。

図１には、本実施形態に係る文書抽出装置１０の機能ブロック図を示す。図１に示されるように、文書抽出装置１０は、文書取得部２０、文書格納部２２、初期文書検索部２４、参照文書抽出部２６、関連文書検索部２８、重要度算出部３０、文書ネットワーク生成部３２、及び文書ネットワーク表示部３６を有する。上記の各機能は、コンピュータシステムたる文書抽出装置１０がコンピュータプログラムに従って動作することにより実現されるものとしてよい。また、コンピュータプログラムは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、フラッシュメモリ等のコンピュータが読み取り可能なあらゆる形態の情報記録媒体に格納され、文書抽出装置１０に接続された図示しない媒体読み取り装置により文書抽出装置１０に読み込まれることとしてもよい。また、コンピュータプログラムは、ネットワークを介して文書抽出装置１０にダウンロードされることとしても構わない。

文書取得部２０は、複数の電子文書を取得する。取得される複数の電子文書は、その少なくとも一部の文書が他の電子文書への参照関係を有する、特許文献（特許公報等）や学術論文等のような他の文献への参照（引用）が明示されている文書である。例えば特許公報において、特許公報が有する他の特許公報への参照関係とは、特許公報に参考文献として記載された特許公報のことである。また、参照関係には被参照関係を含むこととしてもよい。文書取得部２０は、通信ネットワークを介して電子文書をダウンロードして取得することとしてもよいし、文書抽出装置１０に図示しないスキャナを接続して、スキャナにより得られたスキャン画像にＯＣＲ処理を施して電子文書を取得することとしてもよい。

文書格納部２２は、ハードディスク等の記憶装置を含み構成され、文書取得部２０により取得された電子文書（特許文献等）を格納する文書データベースである。

初期文書検索部２４は、文書格納部２２に格納された電子文書から所与の検索条件に従って電子文書を検索する。以下、初期文書検索部２４により検索された文書を初期文書とする。初期文書検索部２４は、例えば、利用者により入力されたテキストデータ、文書の発行時期や著者名（発明者名）等を検索キーとして初期文書を検索することとしてよい。また、初期文書検索部２４により検索される初期文書は１つに限られず、複数あっても構わない。

参照文書抽出部２６は、初期文書検索部２４により検索された初期文書と直接の参照関係にある１次文書を文書格納部２２に格納された文書から抽出し、さらに１次文書と参照関係にある２次文書を抽出するという処理を順次繰り返してｎ次文書（ｎは自然数）まで抽出する。参照文書抽出部２６は、初期文書に関して予め定められた次数の文書まで抽出することとしてもよいし、抽出された１乃至ｎ次文書の総数が所定の閾値に達するまで抽出することとしてもよい。以下、参照文書抽出部２６により文書間の参照関係に基づいて抽出された１乃至ｎ次文書を要素とする文書群を抽出文書群とする。

関連文書検索部２８は、参照文書抽出部２６により抽出された抽出文書群の要素の少なくとも一部の文書について、その文書と関連する情報を有する文書（以下、関連文書）を抽出文書群の要素以外の文書の中から検索する。本実施形態では、例えば文書を特許公報とすると、抽出文書群の要素の特許公報と属性情報（例えば、発明者情報、出願人情報、技術分野情報等）が共通の特許公報を関連文書として検索してもよいし、内容（特許請求の範囲、要約等）が類似する特許公報を関連文書として検索してもよい。また、関連文書検索部２８は、抽出文書群の全ての要素について関連文書を検索することとしてもよいし、１〜ｎ次文書のうち次数が閾値よりも小さい文書についてのみ関連文書を検索するようにしてもよい。

重要度算出部３０は、文書格納部２２に格納された文書や文書に関連する人物（特許文献であれば発明者、学術論文であれば著作者等）についての重要度を算出する。例えば文書が特許公報である場合には、その特許公報を参照する特許公報の数に基づいて各特許公報を数値化して、その数値に基づいて各特許公報の重要度を算出することとしてよい。また、各特許公報の重要度は、重要な特許公報からの参照については重みを増すようにして算出することとしてもよい。そして、各特許公報の発明者の重要度は、その発明者による発明が引用された数に基づいて数値化してもよいし、その発明者により権利化された発明のうち被引用数の多い発明の数に基づいて数値化してもよい。

文書ネットワーク生成部３２は、文書選択部３４を含み、抽出文書群の要素に文書選択部３４により選択された文書を追加してなる抽出文書群の各要素から構成される文書ネットワークを生成する。文書ネットワークは、要素の各文書をノードとして、参照関係にある文書間、および関連する文書間にリンクを設定したグラフとして表される。

文書選択部３４は、関連文書検索部２８により検索された文書のうち、所定の選択条件を満足する文書を選択し、抽出文書群に追加する。例えば、文書選択部３４は、関連文書検索部２８により検索された文書のうち、重要度算出部３０により算出された重要度が予め定められた閾値以上の文書に関連して検索された文書を選択することとしてもよいし、関連文書検索部２８により検索された文書のうち、その文書自体の重要度が予め定められた閾値以上の文書を選択することとしてもよい。また、文書の選択は、文書の重要度を用いる場合以外にも、文書の属性情報を用いて行っても構わない。具体的には、文書が特許公報であるとすると、特許公報に記載された技術分野の情報等を選択条件属性として、関連文書の中から初期文書の技術分野と共通する技術分野の特許公報を選択することとしてもよい。

文書ネットワーク表示部３６は、液晶ディスプレイ等の表示装置を含み構成され、文書ネットワーク生成部３２により生成された抽出文書群の各要素と各要素間のリンク情報に基づいて生成された文書ネットワークのグラフ構造を表示する。また、文書ネットワークにおいて、参照関係を示すリンクと、関連文書であることを示すリンクとはそれぞれ異なる態様で可視化するようにして、両者を区別できるようにしてもよい。

図２には、文書抽出装置１０により生成された文書ネットワークの一例を示す。文書Ａが初期文書であり、文書Ｂが文書Ａに参照関係を有する１次文書である。また、文書Ｃ，Ｄが、文書Ｂに参照関係を有する２次文書である。そして、文書Ｅは、文書Ｂと発明者（発明者５０Ｂ）を共通にする文書Ｂの関連文書であり、文書Ｆ，Ｇは、文書Ｄと発明者（発明者５０Ｄ）を共通にする文書Ｄの関連文書である。

図２に示されているのは、関連文書の絞り込み選択を行わない場合の文書ネットワークである。これに対して、図３（Ａ）及び図３（Ｂ）には、関連文書の絞り込み選択を行った場合の文書ネットワークが示されている。

図３（Ａ）では、文書（特許公報）の技術分野に基づいて、関連文書のうち文書ネットワークに追加する文書を選択する。図３（Ａ）に示されるように、文書Ｆ，Ｇについては文書Ａ（初期文書）と技術分野が異なるために選択されず、文書ネットワーク（抽出文書群）には組み込まれない。

図３（Ｂ）では、文書毎の重要度をノードのサイズとして表現している。ここでは、重要度の低い文書Ｇについては選択されず、文書ネットワーク（抽出文書群）には組み込まれない。

次に、図４を参照しつつ、文書抽出装置１０による文書抽出処理の一連の流れを説明する。

文書抽出装置１０は、文書格納部２２に格納された文書群から、所与の検索条件に従って初期文書を検索する（Ｓ１０１）。所与の検索条件とは、文書が特許公報である場合には、発明の名称、技術分野、出願人名、発明者名、特許請求の範囲及び発明の詳細な説明におけるキーワード等に関する検索条件式である。

文書抽出装置１０は、検索された初期文書が参照する１次文書、そして１次文書が参照する２次文書を順次抽出して、ｎ次文書まで抽出する（Ｓ１０２）。

文書抽出装置１０は、抽出した１乃至ｎ次文書と属性情報が共通する文書（関連文書）を、文書格納部２２に格納された文書群のうち抽出文書群を除いた文書の中から検索する（Ｓ１０３）。関連文書の検索は、例えば文書を特許公報とする場合には、発明者が共通する文書を関連文書として検索する。なお、発明者が複数ある場合には、完全一致としても部分一致としてもよい。

文書抽出装置１０は、検索された関連文書のうち、文書を予め定められた絞り込み選択条件に従って選択する（Ｓ１０４）。例えば、関連文書が発明者の一致で検索された場合には、その関連文書を技術分野が初期文書と一致するものに絞り込むこととしてもよいし、関連文書毎の重要度や、関連文書が関連する元の文書の重要度、文書の属性情報等により絞り込みしてもよい。

文書抽出装置１０は、１乃至ｎ次文書及び、絞り込まれた関連文書からなる文書ネットワークを生成する（Ｓ１０５）。参照関係にある文書間および関連する文書間にはリンクを設定する。そして、文書抽出装置１０は、生成した文書ネットワークをディスプレイに表示し（Ｓ１０６）、文書抽出処理を終了する。

以上説明した文書抽出装置１０では、参照情報が明示されていない文書についても、適切な関連性を有する文書については抽出文書群の要素に組み込むことで、関連する文書群を適切に抽出することができる。

なお、本発明は上記の実施形態に限定されるものではなく、例えば、特許文献と学術論文等の各種の文献が混合してなる文書データベースについても適用可能であるのはもちろんのことである。

本実施形態に係る文書抽出装置の機能ブロック図である。 文書抽出装置により生成された文書ネットワークの一例を示す図である。 関連文書の絞り込み選択を行った場合の文書ネットワークの一例を示す図である。 文書抽出処理のフロー図である。

符号の説明

１０ 文書抽出装置、２０ 文書取得部、２２ 文書格納部、２４ 初期文書検索部、２６ 参照文書抽出部、２８ 関連文書検索部、３０ 重要度算出部、３２ 文書ネットワーク生成部、３４ 文書選択部、３６ 文書ネットワーク表示部、５０Ａ，Ｂ，Ｃ，Ｄ 発明者、Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ 文書。

Claims (9)

1. 少なくとも一部の文書が他の文書と参照関係を有する複数の文書を格納する手段と、
   前記格納された複数の文書から所与の検索条件に基づいて検索された文書と参照関係を有する１次文書を抽出し、さらに当該１次文書と参照関係を有する２次文書を抽出するという処理を順次繰り返してｎ次文書まで抽出する手段と、
   前記１乃至ｎ次文書を要素とする抽出文書群の少なくとも一部の文書と関連する情報を有する文書を、当該抽出文書群以外の文書から検索する関連文書検索手段と、
   前記関連文書検索手段により検索された文書の少なくとも一部を前記抽出文書群の要素に追加する追加手段と、
   を含むことを特徴とする文書抽出装置。
2. 前記複数の文書は、それぞれ属性情報を有し、
   前記関連文書検索手段は、前記抽出文書群の少なくとも一部の文書と共通の属性情報を有する文書を、当該抽出文書群以外の文書から検索する、
   ことを特徴とする請求項１に記載の文書抽出装置。
3. 前記関連文書検索手段は、前記抽出文書群の少なくとも一部の文書と類似の文字列を含む文書を、当該抽出文書群以外の文書から検索する、
   ことを特徴とする請求項１に記載の文書抽出装置。
4. 前記抽出文書群の各文書の重要度を算出する手段と、
   前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の文書に関連して検索された文書を、前記抽出文書群の要素に追加する、
   ことを特徴とする請求項１乃至３のいずれかに記載の文書抽出装置。
5. 前記抽出文書群の各文書の重要度を算出する手段と、
   前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の文書を、前記抽出文書群の要素に追加する、
   ことを特徴とする請求項１乃至３のいずれかに記載の文書抽出装置。
6. 前記文書の属性情報は、人物の情報である、
   ことを特徴とする請求項２に記載の文書抽出装置。
7. 前記人物毎の重要度を算出する手段と、
   前記追加手段は、前記関連文書検索手段により検索された文書のうち、前記算出された重要度が閾値以上の人物情報が属性情報である文書を、前記抽出文書群の要素に追加する、
   ことを特徴とする請求項６に記載の文書抽出装置。
8. 前記追加手段により追加された抽出文書群の各要素から構成されるネットワークを表示する手段をさらに含む、
   ことを特徴とする請求項１乃至７のいずれかに記載の文書抽出装置。
9. 少なくとも一部の文書が他の文書と参照関係を有する複数の文書を格納する手段、
   前記格納された複数の文書から所与の検索条件に基づいて検索された文書と参照関係を有する１次引用文書を抽出し、さらに当該１次引用文書と参照関係を有する２次引用文書を抽出するという処理を順次繰り返してｎ次引用文書まで抽出する手段、
   前記１乃至ｎ次引用文書を要素とする抽出文書群の少なくとも一部の文書と関連する情報を有する文書を、当該抽出文書群以外の文書から検索する関連文書検索手段、及び、
   前記関連文書検索手段により検索された文書の少なくとも一部を前記抽出文書群の要素に追加する追加手段、
   としてコンピュータを機能させることを特徴とする文書抽出プログラム。

Images