JP2010117832A - Related information extraction device, related information extraction method, program, and recording medium - Google Patents
Related information extraction device, related information extraction method, program, and recording medium Download PDFInfo
- Publication number
- JP2010117832A JP2010117832A JP2008289720A JP2008289720A JP2010117832A JP 2010117832 A JP2010117832 A JP 2010117832A JP 2008289720 A JP2008289720 A JP 2008289720A JP 2008289720 A JP2008289720 A JP 2008289720A JP 2010117832 A JP2010117832 A JP 2010117832A
- Authority
- JP
- Japan
- Prior art keywords
- information
- related information
- relationship
- extracted
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
Description
本発明は、入力されたテキストを要約する要約システム等において重要な役割を果たす、複数の固有表現に関係する情報を抽出する技術に関する。 The present invention relates to a technique for extracting information related to a plurality of specific expressions, which plays an important role in a summarization system or the like that summarizes input text.
従来、複数の固有表現に関係する情報を抽出する技術として、2つの固有表現を含む多数の文を所定の記憶装置に予め格納し、これらの文に対して各固有表現間に存在する単語または各固有表現それぞれの前後所定数の文字以内に存在する単語を検索して、最も多く検索された単語を関係情報として抽出するものが知られている(例えば非特許文献1参照)。 Conventionally, as a technique for extracting information related to a plurality of specific expressions, a large number of sentences including two specific expressions are stored in a predetermined storage device in advance, and words existing between the specific expressions for these sentences or It is known to search for words existing within a predetermined number of characters before and after each unique expression and extract the most frequently searched words as related information (see Non-Patent Document 1, for example).
このような関係情報抽出装置は、図1に示すように、記憶部1と、テキスト取得部2と、対象抽出部3と、関係情報抽出部4とを備えている。 As shown in FIG. 1, such a relationship information extraction device includes a storage unit 1, a text acquisition unit 2, a target extraction unit 3, and a relationship information extraction unit 4.
記憶部1には、周知の形態素解析処理がなされた複数の文が予め記憶されている。テキスト取得部2は、キーボード等の入力手段を用いて入力された2つの固有表現を含む文を記憶部から取得する。例えば、「小泉」と「日本」という2つの固有表現が入力された場合には、テキスト取得部2は、「日本の首相である小泉氏は来月韓国を訪問する。」や「日本の小泉首相は先月訪米しブッシュ米大統領と会談した。」等の文を記憶部から取得する。この場合、記憶部から取得された文は、「日本(名詞)/の(格助詞)/首相(名詞)/で(助詞)/ある(動詞)/小泉(名詞)/氏(接尾辞)/は(助詞)/来月(名詞)/韓国(名詞)/を(格助詞)/訪問(動詞)/する(接尾辞)/。(句点)」や「日本(名詞)/の(格助詞)/小泉(名詞)/首相(名詞)/は(助詞)/先月(名詞)/訪米(動詞)/し(接尾辞)/ブッシュ(名詞)/米(名詞)/大統領(名詞)/と(助詞)/会談(動詞)/した(接尾辞)/。(句点)」等のように形態素解析処理がなされている。 The storage unit 1 stores in advance a plurality of sentences that have been subjected to a known morphological analysis process. The text acquisition unit 2 acquires a sentence including two specific expressions input using an input unit such as a keyboard from the storage unit. For example, when two unique expressions “Koizumi” and “Japan” are input, the text acquisition unit 2 reads “Koizumi, the prime minister of Japan, will visit Korea next month.” The Prime Minister visited the US last month and met with US President Bush. ” In this case, the sentence acquired from the storage unit is “Japan (noun) / no (case particle) / prime (noun) / de (particle) / ar (verb) / Koizumi (noun) / Mr. (Suffix) / Is (participant) / next month (noun) / Korea (noun) / do (case particle) / visit (verb) / do (suffix) /. (Phrase) ”or“ Japan (noun) / no (case particle) ” / Koizumi (noun) / prime minister (noun) / ha (particle) / last month (noun) / visiting the United States (verb) / shi (suffix) / bush (noun) / rice (noun) / president (noun) / and (particle) ) / Conversation (verb) / done (suffix) /. (Punctuation) ”and so on.
対象抽出部3は、前記2つの固有表現を用いて、テキスト取得部2で取得した文から各固有表現間に存在する単語と各固有表現それぞれの前後10文字以内に存在する単語とを抽出する。ここで、例として抽出された各文を用いて説明すると、各固有表現間に存在する単語として「首相」及び「ある」が抽出され、各固有表現それぞれの前後10文字以内に存在する単語として「来月」、「韓国」、「訪問」、「首相」、「先月」、「訪米」及び「ブッシュ」が抽出される。 The target extraction unit 3 uses the two specific expressions to extract words existing between the specific expressions and words existing within 10 characters before and after each specific expression from the sentence acquired by the text acquisition unit 2. . Here, using each extracted sentence as an example, “Prime” and “A” are extracted as words existing between each unique expression, and words existing within 10 characters before and after each specific expression. “Next month”, “Korea”, “Visit”, “Prime Minister”, “Last month”, “Visit America” and “Bush” are extracted.
次に、対象抽出部3は、抽出された各単語それぞれの抽出回数をカウントして、各単語とその抽出回数を出力する。前記の抽出結果を用いて説明すると、「首相」という単語が2回抽出され、その他の単語はそれぞれ1回抽出されている。 Next, the target extraction unit 3 counts the number of extractions of each extracted word and outputs each word and the number of extractions. If it explains using the above-mentioned extraction result, the word "Prime Minister" is extracted twice, and the other words are extracted once each.
関係情報抽出部4は、対象抽出部3から各単語及びその抽出回数を取得すると、最も抽出回数の多い単語を関係情報として出力する。この場合、「首相」という単語が関係情報として出力される。 When the relationship information extraction unit 4 acquires each word and the number of extractions from the target extraction unit 3, the relationship information extraction unit 4 outputs the word with the highest number of extractions as the relationship information. In this case, the word “Prime Minister” is output as the relationship information.
このようにして、「小泉」と「日本」という2つの固有表現の関係情報として「首相」という単語が抽出される。 In this way, the word “Prime Minister” is extracted as the relation information of the two unique expressions “Koizumi” and “Japan”.
従来の関係情報抽出処理では、例えば「小泉」と「日本」という2つの固有表現を含む多数のテキストを予め記憶部1に記憶することにより関係情報の抽出精度を向上させることが可能であり、それ故に「小泉」と「日本」という2つの固有表現に対して「首相」や「総理」等の潜在的な関係を表す情報を抽出することができるものの、例えば「小泉純一郎が東京駅で演説した。」という事例における「小泉純一郎」と「東京駅」との一時的な関係を表す情報を抽出することが困難であった。 In the conventional relationship information extraction process, for example, it is possible to improve the extraction accuracy of relationship information by storing in advance in the storage unit 1 a large number of texts including two specific expressions “Koizumi” and “Japan”, Therefore, although it is possible to extract information representing potential relationships such as “Prime Minister” and “Prime Minister” for the two unique expressions “Koizumi” and “Japan”, for example, “Junichiro Koizumi gave a speech at Tokyo Station It was difficult to extract information representing the temporary relationship between “Joiichiro Koizumi” and “Tokyo Station” in the case of
そこで、本発明者は、各固有情報に対して一時的な関係を表す情報を抽出することの可能な関係情報抽出装置及びその方法を既に提案している(例えば特許文献1参照)。 In view of this, the present inventor has already proposed a relationship information extraction apparatus and method capable of extracting information representing a temporary relationship with respect to each unique information (see, for example, Patent Document 1).
この関係情報抽出装置は、各固有表現を含むテキストが入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受けを解析する解析処理部と、解析処理部による解析結果を取得するとともに、前記各固有表現が同一文に含まれている場合には、各固有表現のそれぞれを含む文節間の係り受け解析結果において係り先のない文節に含まれる自立語を関係情報として抽出し、各固有表現のそれぞれが互いに異なる文に含まれている場合には、各固有表現のうち一方の固有表現を含む文節から一方の固有表現とは異なる自立語を関係情報として抽出する関係情報抽出処理部とを備えている。 When the text including each unique expression is input, the relation information extracting device analyzes the input text by morphological analysis and analyzes the dependency of the clauses constituting the input text, and the analysis result by the analysis processing section. In addition, when the specific expressions are included in the same sentence, the independent words included in the unrelated clauses are extracted as relation information in the dependency analysis result between the clauses including the specific expressions. If each specific expression is contained in a different sentence, the relation information that extracts independent words different from the one specific expression from the clause containing one specific expression as the related information. And an extraction processing unit.
これにより、入力テキストを構成する文節に含まれる自立語であって、各固有表現のそれぞれを含む文節間の係り受け解析結果において係り先のない文節に含まれる自立語または各固有表現のうち一方の固有表現を含む文節内の自立語が関係情報として抽出されることから、各固有表現間の関係情報を入力テキストから抽出することが可能となる。
しかしながら、特許文献1記載の技術では、例えば「小泉純一郎が東京駅で演説した。」という事例において「小泉純一郎」と「東京駅」に対して「演説」という一時的な関係を表す情報を抽出することができるものの、最適な関係情報の抽出精度が19%、同一の事例における関係情報の再現率が33%という評価結果が得られたことから、関係情報を高精度で抽出することが困難であった。 However, in the technique described in Patent Literature 1, for example, in the case of “Junichiro Koizumi made a speech at Tokyo Station”, information representing a temporary relationship “Speech” with respect to “Junichiro Koizumi” and “Tokyo Station” was extracted. However, it is difficult to extract the relationship information with high accuracy because the evaluation result that the extraction accuracy of the optimum relationship information is 19% and the recall rate of the relationship information in the same case is 33% is obtained. Met.
本発明は前記問題点に鑑みてなされたものであり、その目的とするところは、個々の事例に応じた複数の固有表現間の関係情報を高精度で抽出可能な装置、その方法、プログラム及び記録媒体を提供することにある。 The present invention has been made in view of the above-mentioned problems, and an object of the present invention is an apparatus, a method, a program, and an apparatus capable of extracting relation information between a plurality of specific expressions according to individual cases with high accuracy. It is to provide a recording medium.
本発明の関係情報抽出装置は、前記目的を達成するために、入力された複数の固有表現に関係する情報を抽出する装置であって、前記各固有表現を含むテキストが入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受けを解析する解析処理部と、解析処理部による解析結果を取得すると、入力テキストに含まれる少なくとも一つの自立語を関係情報候補として抽出するとともに、該関係情報候補が関係情報であると推定される度合を表す関係推定情報を、抽出された関係情報候補毎に取得し、解析結果及び関係推定情報に基づき関係情報候補から関係情報を抽出する関係情報抽出処理部とを備えている。 In order to achieve the above object, the related information extracting apparatus of the present invention is an apparatus for extracting information related to a plurality of input specific expressions, and when a text including each of the specific expressions is input, When the analysis processing unit that analyzes the morphological analysis of the text and analyzes the dependency of the clauses constituting the input text, and when the analysis result by the analysis processing unit is acquired, at least one independent word included in the input text is extracted as a related information candidate In addition, relation estimation information indicating the degree to which the relation information candidate is estimated to be relation information is acquired for each extracted relation information candidate, and relation information is extracted from the relation information candidate based on the analysis result and the relation estimation information And a related information extraction processing unit.
また、本発明の関係情報抽出方法は、前記目的を達成するために、入力された複数の固有表現に関係する情報を、コンピュータを用いて抽出する方法であって、前記コンピュータは、各固有表現を含むテキストが入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受けを解析し、入力テキストに含まれる少なくとも一つの自立語を関係情報候補として抽出するとともに、該関係情報候補が関係情報であると推定される度合を表す関係推定情報を、抽出された関係情報候補毎に取得し、解析結果及び関係推定情報に基づき関係情報候補から関係情報を抽出している。 Further, the related information extraction method of the present invention is a method for extracting information related to a plurality of input specific expressions using a computer in order to achieve the object, wherein the computer Input text, morphological analysis of the input text, analysis of the dependency of clauses constituting the input text, and extraction of at least one independent word included in the input text as a candidate for related information The relationship estimation information indicating the degree to which the information candidate is estimated to be the relationship information is acquired for each extracted relationship information candidate, and the relationship information is extracted from the relationship information candidate based on the analysis result and the relationship estimation information.
さらに、本発明のプログラムは、コンピュータを、上記関係情報抽出装置の各手段として機能させるためのものである。 Furthermore, the program of the present invention is for causing a computer to function as each means of the related information extracting apparatus.
さらにまた、本発明のプログラムは、コンピュータに、上記関係情報抽出方法の各処理を実行させるためのものである。 Furthermore, the program of the present invention is for causing a computer to execute each process of the related information extraction method.
さらに、本発明の記録媒体は、上記プログラムを記録している。 Furthermore, the recording medium of the present invention records the above program.
これにより、入力テキストに含まれる少なくとも一つの自立語が関係情報候補として抽出され、該関係情報候補が関係情報であると推定される度合を表す関係推定情報及び解析結果に基づき関係情報候補から関係情報が抽出されることから、各固有表現間の関係情報を入力テキストから抽出することが可能となる。 As a result, at least one independent word included in the input text is extracted as a related information candidate, and the related information from the related information candidate based on the relationship estimation information and the analysis result indicating the degree to which the related information candidate is estimated to be related information. Since the information is extracted, it is possible to extract the relationship information between each unique expression from the input text.
本発明の関係情報抽出装置、その方法、プログラム及び記録媒体によれば、各固有表現の関係情報を入力テキストから抽出することができるので、例えば「小泉純一郎は東京駅で、小沢一郎は大阪駅で演説した。」という事例において「小泉純一郎」と「東京駅」という固有表現に対して「演説」という一時的な関係を表す情報を抽出することができ、個々の事例に応じた固有表現間の関係情報を抽出することができる。 According to the related information extracting apparatus, method, program and recording medium of the present invention, the related information of each unique expression can be extracted from the input text. For example, “Junichiro Koizumi is Tokyo Station and Ichiro Ozawa is Osaka Station In the case of "Speech", the information representing the temporary relationship "Speech" can be extracted for the specific expressions "Joiichiro Koizumi" and "Tokyo Station". Related information can be extracted.
また、本発明によれば、前述した特開2008−225566号公報記載の技術と比較して、最適な関係情報の抽出精度が19%から68%と大幅に向上するとともに、同一の事例における関係情報の再現率が33%から41%に向上するという格別の効果が得られた。 In addition, according to the present invention, the extraction accuracy of the optimum relationship information is greatly improved from 19% to 68% as compared with the technique described in Japanese Patent Application Laid-Open No. 2008-225565 described above, and the relationship in the same case The special effect that the information reproduction rate was improved from 33% to 41% was obtained.
図2乃至図9は本発明の一実施形態を示すもので、図2は本発明の一実施形態における関係情報抽出装置の構成図、図3は関係情報抽出処理のフロー図、図4は係り受け解析部による解析結果の概要を示す図、図5は固有表現対応付け部による処理結果の概要を示す図、図6乃至図8は係り受け構造情報取得部による処理結果の概要を示す図、図9は関係推定情報取得部による処理結果の概要を示す図である。 2 to 9 show an embodiment of the present invention. FIG. 2 is a configuration diagram of a related information extracting apparatus according to an embodiment of the present invention. FIG. 3 is a flowchart of related information extraction processing. FIG. 5 is a diagram showing an overview of the analysis result by the receiving analysis unit, FIG. 5 is a diagram showing an overview of the processing result by the specific expression matching unit, and FIGS. 6 to 8 are diagrams showing an overview of the processing result by the dependency structure information acquiring unit, FIG. 9 is a diagram illustrating an outline of a processing result by the relationship estimation information acquisition unit.
以下、図面を参照して本発明の関係情報抽出装置及びその方法の概要を説明する。 The outline of the related information extracting apparatus and method according to the present invention will be described below with reference to the drawings.
本発明の関係情報抽出装置は、周知のCPUを主体として構成されたコンピュータ装置からなり、モニタ等の表示手段、キーボード等の入力手段、ハードディスクやメモリ等の記憶手段及び外部ネットワークに接続可能な通信装置等(何れも図示省略)を備えている。また、本発明の関係情報抽出装置には、解析処理部10と、関係情報抽出処理部20と、関係推定情報記憶部30と、モデル記憶部40とが設けられている。
The related information extracting apparatus of the present invention comprises a computer device mainly composed of a well-known CPU, and can be connected to display means such as a monitor, input means such as a keyboard, storage means such as a hard disk and memory, and an external network. A device (not shown) is provided. Further, the relationship information extraction apparatus of the present invention is provided with an
解析処理部10は、図2に示すように形態素解析部11、係り受け解析部12及び固有表現対応付け部13からなり、入力手段を用いて入力されたテキストを形態素解析するとともに入力テキストを構成する文節の係り受け関係を解析するようになっている。
As shown in FIG. 2, the
形態素解析部11は、入力テキストを取得すると(図3のステップS1)、入力テキストに対して周知の形態素解析処理を行うことにより入力テキストを単語分割し、分割した各単語に品詞を付与して出力する(図3のステップS2)。例えば、「小泉純一郎は東京駅で、小沢一郎は大阪駅で演説した。」という文が入力された場合には、形態素解析部11による処理結果は、「小泉純一郎(名詞)/は(格助詞)/東京駅(名詞)/で(助詞)/、(読点)/小沢一郎(名詞)/は(助詞)/大阪駅(名詞)/で(助詞)/演説(動詞)/した(接尾辞)/。(句点)」となる。 When the morphological analysis unit 11 acquires the input text (step S1 in FIG. 3), the input text is subjected to a known morphological analysis process to divide the input text into words, and parts of speech are assigned to the divided words. Output (step S2 in FIG. 3). For example, if a sentence “Junichiro Koizumi gave a speech at Tokyo Station and Ichiro Ozawa at Osaka Station” is input, the processing result by the morphological analysis unit 11 is “Junichiro Koizumi (noun) / ha (case particle). ) / Tokyo Station (noun) / de (particle) /, (reading) / Ichiro Ozawa (noun) / ha (particle) / Osaka station (noun) / de (particle) / speech (verb) / suffix (suffix) /. (Punctuation) ".
係り受け解析部12は、形態素解析部11から取得した形態素解析済みの入力テキストに対して周知の係り受け解析処理を行うことにより、該テキストを文節に分割し、分割された複数の文節間の係り受け関係を解析して出力する(図3のステップS3)。この場合、例示した入力テキストが係り受け解析部12によって解析されると、図4に示すような係り受け構造を表す情報(係り受け木)が解析結果として出力される。ここで、「小泉純一郎/は」という文節と、「東京駅/で/、」という文節と、「小沢一郎/は」という文節と、「大阪駅/で」という文節とは、それぞれ「演説/した/。」という文節に係っており、これらの係り受け関係をデータとして実装する場合には、例えば「(演説した。(小泉純一郎は)(東京駅で、)(小沢一郎は)(大阪駅で)」というように表現される。また、これらの係り受け関係には、周知の係り受け解析技術において定義された係り受けタイプ情報(通常の係り受け関係を表す「D」、並列の係り受け関係を表す「P」または「同格の係り受け関係を表す「A」)が付与される。
The
固有表現対応付け部13は、2つの固有表現からなる固有表現の組を取得するとともに係り受け解析部12の解析結果を用いて固有表現対応付け処理を行うためのものである。具体的に説明すると、固有表現対応付け部13は、入力手段を用いて入力された固有表現の組及び係り受け解析部12で解析された入力テキストを取得すると(図3のステップS4)、入力された各固有表現に対応する固有表現を入力テキストから抽出し、抽出された固有表現に対して固有表現を表す固有表現識別子を付与する(図3のステップS5)。例えば、「小泉純一郎」という固有表現が入力された場合には、入力テキスト中の「小泉純一郎」は「<PSN>小泉純一郎</PSN>」と表記される。ここで、「PSN」は人名を表す固有表現識別子であり、本実施形態では、周知の固有表現抽出技術において定義された8種類の固有表現識別子(人名を表す「PSN」、組織名を表す「ORG」、地名を表す「LOC」、固有物名を表す「ART」、金額を表す「MNY」、割合を表す「PNT」、時刻を表す「TIM」及び日付を表す「DAT」)が用いられている。
The specific
なお、本実施形態では、固有表現の組を「小泉純一郎:東京駅」のように表記する。この場合、固有表現の組のうち入力テキストにおいて先に現れる固有表現が前方固有表現として「:」の左側に表され、後に現れる固有表現が後方固有表現として「:」の右側に表される。また、「小泉純一郎:東京駅」という固有表現の組が入力されたときには、固有表現対応付け部13の処理結果は図5のように示される。
In the present embodiment, a set of unique expressions is expressed as “Junichiro Koizumi: Tokyo Station”. In this case, the specific expression that appears first in the input text in the set of specific expressions is represented as the front specific expression on the left side of “:”, and the specific expression that appears later is displayed on the right side of “:” as the backward specific expression. Further, when a set of specific expressions “Junichiro Koizumi: Tokyo Station” is input, the processing result of the specific
次に、関係情報抽出処理部20の概要を説明する。関係情報抽出処理部20は、関係情報候補抽出部21と、係り受け構造情報取得部22と、関係推定情報取得部23と、モデル選択部24と、分類器25と、関係情報抽出部26とからなり、解析処理部10からによる解析結果に基づいて固有表現の組の関係情報を抽出するようになっている。
Next, an outline of the relationship information
関係情報候補抽出部21は、解析処理部10による解析結果を固有表現対応付け部13から取得すると、入力テキストに含まれる少なくとも一つの自立語を関係情報候補として抽出する(図3のステップS6)。ここで、関係情報候補抽出部21は、入力テキストにおいて固有表現の組が同一文節に含まれる場合に、固有表現の組のうち前方固有表現の前方に隣接する自立語と、各固有表現間に存在する自立語と、後方固有表現の後方に隣接する自立語とを関係情報候補として抽出する。例えば、「<PSN>石原</PSN><LOC>東京都</LOC>知事が」というように、「石原:東京都」という固有表現の組が同一文節に含まれている場合には、後方固有表現「東京都」の後方に隣接する「知事」という自立語が関係情報候補として抽出される。
When the analysis result obtained by the
また、関係情報候補抽出部21は、入力テキストにおいて固有表現の組が互いに異なる文節に含まれる場合に、固有表現の組のうち前方固有表現の前方又は後方に隣接する自立語と、後方固有表現の前方又は後方に隣接する自立語とを関係情報候補として抽出する。例えば、「<ORG>自民党</ORG>総裁には」というように、「小泉純一郎:自民党」という固有表現の組が互いに異なる文節に含まれている場合には、後方固有表現「自民党」の後方に隣接する「総裁」という自立語が関係情報候補として抽出される。
In addition, the related information
さらに、関係情報候補抽出部21は、固有表現の組が含まれていない文節の主辞が自立語である場合に、該文節の先頭から主辞までの形態素を関係情報候補として抽出する。例えば、「演説した。」という文節のように、主辞「演説」が自立語である場合には、「演説」という形態素が関係情報候補として抽出される。
Furthermore, when the main word of the phrase that does not include the specific expression pair is an independent word, the related information
なお、本実施形態では、図5に示した解析結果が入力されると、「小沢一郎」、「大阪駅」及び「演説」の3つが関係情報候補として抽出される。また、本実施形態では、上記3つの関係情報候補抽出方法を用いたが、各関係情報候補抽出方法のうち何れか1つ又は2つの方法を用いて関係情報候補の抽出処理を行ってもよい。 In the present embodiment, when the analysis result shown in FIG. 5 is input, “Ichiro Ozawa”, “Osaka Station”, and “Speech” are extracted as related information candidates. Further, in the present embodiment, the above three relational information candidate extraction methods are used. However, any one or two of the relational information candidate extraction methods may be used to perform the relational information candidate extraction process. .
係り受け構造情報取得部22は、解析処理部10による解析結果を固有表現対応付け部13から取得するとともに、関係情報候補を関係情報候補抽出部21から取得すると、固有表現の組と関係情報候補を含む最小の係り受け木を抽出する。また、係り受け構造情報取得部22は、抽出した係り受け木と、各文節の主辞の品詞・係り受けタイプ・助詞と、固有表現の組の固有表現識別子と、関係情報候補の形態素の表記及び品詞とを用いて木構造情報を生成することにより、係り受け構造情報を取得する(図3のステップS7)。例えば、「小泉純一郎:東京駅」という固有表現の組と、「小沢一郎」という関係情報候補とから生成された木構造情報は、図6のように示される。また、「小泉純一郎:東京駅」という固有表現の組と、「大阪駅」という関係情報候補とから生成された木構造情報は、図7のように示され、「小泉純一郎:東京駅」という固有表現の組と、「演説」という関係情報候補とから生成された木構造情報は、図8のように示される。なお、本実施形態では、助詞が文節に含まれていないことを、「φ」を用いて表現している。例えば、図6乃至図8の木構造情報では、助詞が「演説した。」という文節に含まれていないことが表されている。
When the dependency structure
関係推定情報取得部23は、係り受け構造情報取得部22によって生成された各関係情報候補の係り受け構造情報を取得すると、関係情報候補が関係情報であると推定される度合を表す関係推定情報を、関係推定情報記憶部30から取得する(図3のステップS8)。関係推定情報記憶部30には、例えば「小沢一郎=0.1」、「大阪駅=0.2」、「演説=1」というように、複数の形態素それぞれに対応する複数の関係推定情報が事前に記憶されており、各関係推定情報は、人的または後述の算出方法により作成されている。関係推定情報取得部23は、図8に示した係り受け構造情報を取得すると、関係推定情報記憶部30に記憶された各関係推定情報のうち、「演説」という関係情報候補に対応する関係推定情報を検索し、該当する関係推定情報「1」を抽出する。そして、関係推定情報取得部23は、抽出した関係推定情報を、図9に示すように、係り受け構造情報における候補ノードの子ノードとして追加する。なお、関係推定情報取得部23は、関係情報候補抽出部21にて抽出された他の関係情報候補(「小沢一郎」及び「大阪駅」)についても同様の処理を行う。
When the relationship estimation
なお、関係情報の推定度合を大規模コーパスから算出する技術については、田中他、「意味範疇の散らばりに基づいた名詞の統語範疇の分類」、情報処理学会論文誌、vol.40、no.9、pp.3387−3396、1999年9月を参照されたい。 As for the technique for calculating the estimated degree of related information from a large corpus, Tanaka et al., “Classification of syntactic categories of nouns based on the dispersion of semantic categories”, Transactions of Information Processing Society of Japan, vol. 40, no. 9, pp. 3387-3396, September 1999.
モデル選択部24は、関係推定情報取得部23の処理結果を取得すると、固有表現対応付け部13によって付与された固有表現識別子に基づいて固有表現の組を分類するとともに、後述の分類器25によって抽出されるモデルの種類を選択する(図3のステップS9)。例えば、固有表現の組として「小泉純一郎:東京駅」が入力された場合には、モデル選択部24は固有表現の組を「人名:地名」という種類に分類し、分類された固有表現の組の種類を出力する。
When the
分類器25は、関係推定情報取得部23の処理結果と、モデル選択部24の処理結果とを取得すると、モデル選択部24で選択された固有表現の組の種類に基づいて、複数のモデルが記憶されたモデル記憶部40からモデルを抽出する。そして、分類器25は、各関係情報候補が固有表現の組の関係情報となるか否かを、抽出したモデルを用いて判別する(図3のステップS10)。
When the
ここで、モデルは、所定の固有表現の組に対応する関係情報について事前に判別された結果と、該所定の固有表現の組に対応する各固有表現を含むテキストを用いて解析処理部10及び関係情報抽出処理20から事前に抽出された情報とを用いて周知の機械学習を行うことにより予め生成されている。また、所定の固有表現の組についての判別結果は人的な判断に基づいて事前になされている。なお、各モデルを、例えば「人名:地名」や「人名:人名」等のように固有表現の組の種類に応じて構成してもよいし、種類を区別することなく構成してもよい。
Here, the model uses the
この場合、分類器25による判別には、関係推定情報取得部23によって付与された関係推定情報も利用されていることから、関係情報としての推定度合に基づき各関係情報候補が固有表現の組の関係情報となるか否か判別することができる。本実施形態では、各関係情報候補のうち「演説」という関係情報候補が、「小泉純一郎:東京駅」という固有表現の組の関係情報であると判別される。
In this case, since the relationship estimation information given by the relationship estimation
なお、分類器25を、関係情報となる否かという判別結果の他に、関係情報となり得る度合を表す数値を出力するように構成してもよい。また、機械学習としては、周知のものを用いることが可能であるが、木構造やグラフ構造のデータを直接入力して学習可能に構成されたものを用いることが望ましい。
Note that the
関係情報抽出部26は、各関係情報候補のうち、固有表現の組の関係情報であると分類器25によって判別された関係情報候補を関係情報として抽出し、抽出された関係情報を表示手段に出力する(図3のステップS11)。なお、分類器25が、関係情報となり得る度合を表す数値を出力するように構成されている場合には、関係情報抽出部26は、該数値が最も大きい関係情報候補を関係情報として抽出するようにしてもよいし、該数値が所定の閾値より大きい関係情報候補を関係情報として抽出するようにしてもよい。
The relation
このようにして、「小泉純一郎は東京駅で、小沢一郎は大阪駅で演説した。」というテキストと、「小泉純一郎:東京駅」という固有表現の組とが入力されると、「演説」という関係情報が抽出される。 In this way, if the text “Junichiro Koizumi delivered a speech at Tokyo Station and Ichiro Ozawa delivered a speech at Osaka Station” and a set of specific expressions “Junichiro Koizumi: Tokyo Station” were entered, it would be called “Speech”. Relationship information is extracted.
なお、本発明者は、既に提案した特開2008−225566号公報記載の関係情報抽出技術の性能評価を行ったところ、最適な関係情報の抽出精度が19%、同一の事例における関係情報の再現率が33%との評価結果が得られた。一方、本発明について性能評価を行った場合には、最適な関係情報の抽出精度が68%と大幅に向上するとともに、同一の事例における関係情報の再現率が41%に向上するという格別の効果が得られた。 The present inventor performed performance evaluation of the related information extraction technique described in Japanese Patent Application Laid-Open No. 2008-225666, and found that the optimal relation information extraction accuracy was 19% and the related information was reproduced in the same case. An evaluation result of 33% was obtained. On the other hand, when the performance evaluation is performed for the present invention, the optimum accuracy of extracting the related information is greatly improved to 68%, and the reproducibility of the related information in the same case is improved to 41%. was gotten.
前述したように上記実施形態では、入力テキストに含まれる少なくとも一つの自立語が関係情報候補として抽出され、該関係情報候補が関係情報であると推定される度合を表す関係推定情報及び解析結果に基づき関係情報候補から関係情報が抽出されることから、各固有表現間の関係情報を入力テキストから抽出することができる。従って、例えば「小泉純一郎は東京駅で、小沢一郎は大阪駅で演説した。」という事例において「小泉純一郎」と「東京駅」という固有表現に対して「演説」という一時的な関係を表す情報を抽出することができ、個々の事例に応じた固有表現間の関係情報を抽出することができる。 As described above, in the above-described embodiment, at least one independent word included in the input text is extracted as the relationship information candidate, and the relationship estimation information and the analysis result indicating the degree that the relationship information candidate is estimated to be the relationship information. Since the relationship information is extracted from the relationship information candidates based on the relationship information, the relationship information between the unique expressions can be extracted from the input text. Thus, for example, in the case of “Junichiro Koizumi gave a speech at Tokyo Station and Ichiro Ozawa at Osaka Station”, information representing a temporary relationship “speech” to the specific expression “Junichiro Koizumi” and “Tokyo Station” Can be extracted, and the relationship information between the unique expressions according to individual cases can be extracted.
また、本発明によれば、特開2008−225566号公報記載の技術と比較して、最適な関係情報の抽出精度が19%から68%と大幅に向上するとともに、同一の事例における関係情報の再現率が33%から41%に向上するという格別の効果が得られた。 In addition, according to the present invention, the extraction accuracy of the optimum relationship information is greatly improved from 19% to 68% as compared with the technique described in Japanese Patent Application Laid-Open No. 2008-225566, and the relationship information in the same case is improved. A special effect was obtained in that the recall was improved from 33% to 41%.
さらに、関係情報候補に対応する関係推定情報を事前に記憶する関係推定情報記憶部30を備え、関係情報抽出処理部20は、抽出された関係情報候補に対応する関係推定情報を関係推定情報記憶部30から取得するので、関係推定情報を容易に取得することができ、関係情報を抽出する際の処理効率を向上させることができる。
Furthermore, a relationship estimation
さらにまた、関係情報抽出処理部20は、各固有表現が同一文節に含まれる場合に、各固有表現のうち入力テキストにおいて先に現れる一方の固有表現の前方に隣接する自立語、各固有表現間に存在する自立語及び各固有表現のうち他方の固有表現の後方に隣接する自立語を関係情報候補として抽出するので、複数の関係情報候補を各固有表現を含む同一文節から抽出することができ、関係情報の抽出精度を向上させることができる。
Furthermore, the relational information
また、関係情報抽出処理部20は、各固有表現が互いに異なる文節に含まれる場合に、各固有表現のうち入力テキストにおいて先に現れる一方の固有表現の前方又は後方に隣接する自立語と、各固有表現のうち他方の固有表現の前方又は後方に隣接する自立語とを関係情報候補として抽出するので、複数の関係情報候補を各固有表現それぞれが含まれる文節から抽出することができ、関係情報の抽出精度を向上させることができる。
In addition, when each specific expression is included in different clauses, the relationship information
さらに、関係情報抽出処理部20は、各固有表現が含まれていない文節の主辞が自立語である場合に、該文節の先頭から主辞までの形態素を関係情報候補として抽出するので、関係情報候補を各固有表現が含まれていない文節から抽出することができ、関係情報の抽出精度を向上させることができる。
Furthermore, when the main word of the phrase that does not include each unique expression is an independent word, the related information
なお、上記実施形態は本発明の具体例に過ぎず、本発明が上記実施形態のみに限定されることはない。例えば、本発明は、周知のコンピュータに記録媒体もしくは通信回線を介して、図2の構成図に示された機能を実現するプログラムあるいは図3のフローに示された手順を備えるプログラムをインストールすることによっても実現可能である。 In addition, the said embodiment is only a specific example of this invention, and this invention is not limited only to the said embodiment. For example, the present invention installs a program for realizing the functions shown in the configuration diagram of FIG. 2 or a program having the procedure shown in the flow of FIG. 3 through a recording medium or a communication line in a known computer. This is also possible.
また、関係情報候補抽出部21を、所定の助詞が、連続する文節のうち入力テキストにおいて先に現れる一方の文節の最後尾に含まれるとともに、所定の動詞が、該連続する文節のうち他方の文節の先頭に含まれる場合に、一方の文節と、他方の文節の先頭から主辞までの形態素とからなる形態素列を関係情報候補として抽出するように構成してもよい。例えば、関係情報候補抽出部21は、「及ぼす」という機能動詞と、該機能動詞に対応する「を」という助詞とを記憶している。そして、「影響を」という文節と「及ぼす」という文節が入力テキスト内で連続して現れる場合には、関係情報候補抽出部21は、「影響を」という一方の文節と、「及ぼす」という他方の文節の先頭から主辞までの形態素即ち「及ぼす」とからなる形態素列「影響を及ぼす」を関係情報候補として抽出する。
In addition, the related information
この場合、所定の助詞と機能動詞の組合せからなる形態素列を関係情報候補として抽出することができるので、関係情報候補の数を増加させることができ、関係情報の抽出精度を向上させることができる。 In this case, since a morpheme sequence consisting of a combination of a predetermined particle and a functional verb can be extracted as related information candidates, the number of related information candidates can be increased, and the accuracy of extracting related information can be improved. .
また、モデル選択部24を、各固有表現の位置関係に応じてモデルの種類を選択するように構成してもよい。例えば、各固有表現が同一文節に含まれている場合には、モデル選択部24は、固有表現の組を「同一文節型」という種類に分類する。また、モデル選択部24は、各固有表現のうち前方固有表現が後方固有表現に係る場合に、固有表現の組を「係り受け型」という種類に分類し、「同一文節型」及び「係り受け型」に該当しない場合に、固有表現の組を「その他型」に分類する。
Further, the
なお、上記のモデル選択方法と、上記実施形態におけるモデル選択方法とを適宜組み合わせて用いるのも可能であることは言うまでもない。 Needless to say, the model selection method described above and the model selection method according to the embodiment may be used in appropriate combination.
10…解析処理部、11…形態素解析部、12…係り受け解析部、20…関係情報抽出処理部、21…関係情報候補抽出部、23…関係推定情報取得部、26…関係情報抽出部、30…関係推定情報記憶部。
DESCRIPTION OF
Claims (10)
前記各固有表現を含むテキストが入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受けを解析する解析処理部と、
解析処理部による解析結果を取得すると、入力テキストに含まれる少なくとも一つの自立語を関係情報候補として抽出するとともに、該関係情報候補が関係情報であると推定される度合を表す関係推定情報を、抽出された関係情報候補毎に取得し、解析結果及び関係推定情報に基づき関係情報候補から関係情報を抽出する関係情報抽出処理部とを備えた
ことを特徴とする関係情報抽出装置。 An apparatus for extracting information related to a plurality of input proper expressions,
When a text including each of the specific expressions is input, an analysis processing unit that analyzes morphological analysis of the input text, and analyzes a dependency of a clause constituting the input text,
When the analysis result by the analysis processing unit is acquired, at least one independent word included in the input text is extracted as a related information candidate, and the relationship estimation information indicating the degree to which the related information candidate is estimated to be related information, A relationship information extraction apparatus comprising: a relationship information extraction processing unit that acquires each extracted relationship information candidate and extracts relationship information from the relationship information candidate based on an analysis result and relationship estimation information.
関係情報抽出処理部は、抽出された関係情報候補に対応する関係推定情報を関係推定情報記憶部から取得する
ことを特徴とする請求項1記載の関係情報抽出装置。 A relationship estimation information storage unit that stores in advance relationship estimation information corresponding to the relationship information candidates;
The relationship information extraction apparatus according to claim 1, wherein the relationship information extraction processing unit acquires relationship estimation information corresponding to the extracted relationship information candidate from the relationship estimation information storage unit.
ことを特徴とする請求項1または2記載の関係情報抽出装置。 The relation information extraction processing unit exists between each unique expression and an independent word adjacent to the front of one of the specific expressions that appears first in the input text when each specific expression is included in the same phrase. The related information extraction apparatus according to claim 1, wherein an independent word adjacent to the rear of the other unique expression is extracted as a related information candidate.
ことを特徴とする請求項1乃至3何れか1項記載の関係情報抽出装置。 The related information extraction processing unit, when each specific expression is included in different clauses, the independent word adjacent to the front or rear of one specific expression that appears first in the input text among the specific expressions, and each specific expression 4. The related information extraction apparatus according to claim 1, wherein a self-supporting word adjacent to the front or rear of the other specific expression is extracted as a related information candidate. 5.
ことを特徴とする請求項1乃至4何れか1項記載の関係情報抽出装置。 The relation information extraction processing unit extracts a morpheme from the head of the clause to the main word as a related information candidate when the main word of the phrase that does not include each unique expression is an independent word. 5. The related information extracting device according to any one of 1 to 4.
ことを特徴とする請求項1乃至5何れか1項記載の関係情報抽出装置。 The related information extraction processing unit includes a predetermined particle at the end of one of the consecutive phrases that appears first in the input text, and a predetermined verb of the other phrase among the consecutive phrases. 6. The morpheme sequence consisting of one clause and a morpheme from the beginning of the other clause to the main word when it is included at the beginning is extracted as a relational information candidate. Relationship information extraction device.
前記コンピュータは、各固有表現を含むテキストが入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受けを解析し、
入力テキストに含まれる少なくとも一つの自立語を関係情報候補として抽出するとともに、該関係情報候補が関係情報であると推定される度合を表す関係推定情報を、抽出された関係情報候補毎に取得し、解析結果及び関係推定情報に基づき関係情報候補から関係情報を抽出する
ことを特徴とする関係情報抽出方法。 A method of extracting information related to a plurality of input unique expressions using a computer,
When the text including each unique expression is input, the computer morphologically analyzes the input text and analyzes the dependency of the clause constituting the input text,
At least one independent word included in the input text is extracted as a related information candidate, and relationship estimation information representing the degree to which the related information candidate is estimated to be related information is acquired for each extracted related information candidate And extracting relation information from the candidate relation information based on the analysis result and the relation estimation information.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008289720A JP5142395B2 (en) | 2008-11-12 | 2008-11-12 | Related information extraction apparatus, method, program, and recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008289720A JP5142395B2 (en) | 2008-11-12 | 2008-11-12 | Related information extraction apparatus, method, program, and recording medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010117832A true JP2010117832A (en) | 2010-05-27 |
JP5142395B2 JP5142395B2 (en) | 2013-02-13 |
Family
ID=42305483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008289720A Active JP5142395B2 (en) | 2008-11-12 | 2008-11-12 | Related information extraction apparatus, method, program, and recording medium |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5142395B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011257791A (en) * | 2010-06-04 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | Relational information extracting device, its method and its program |
US9785756B2 (en) | 2013-03-08 | 2017-10-10 | Sony Corporation | Restriction of use that exceeds a personal use range when transmitting a content accumulated at home via an external network |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004258723A (en) * | 2003-02-24 | 2004-09-16 | Nippon Telegr & Teleph Corp <Ntt> | Topic extraction device, topic extraction method and program |
JP2006053907A (en) * | 2004-07-14 | 2006-02-23 | Ricoh Co Ltd | Information extraction method, information extraction device, information extraction program, and recording medium recording information extraction program |
JP2006195535A (en) * | 2005-01-11 | 2006-07-27 | Ntt Data Corp | Information extractor, information extraction method, and information extraction program |
JP2008225566A (en) * | 2007-03-08 | 2008-09-25 | Nippon Telegr & Teleph Corp <Ntt> | Device and method for extracting related information |
-
2008
- 2008-11-12 JP JP2008289720A patent/JP5142395B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004258723A (en) * | 2003-02-24 | 2004-09-16 | Nippon Telegr & Teleph Corp <Ntt> | Topic extraction device, topic extraction method and program |
JP2006053907A (en) * | 2004-07-14 | 2006-02-23 | Ricoh Co Ltd | Information extraction method, information extraction device, information extraction program, and recording medium recording information extraction program |
JP2006195535A (en) * | 2005-01-11 | 2006-07-27 | Ntt Data Corp | Information extractor, information extraction method, and information extraction program |
JP2008225566A (en) * | 2007-03-08 | 2008-09-25 | Nippon Telegr & Teleph Corp <Ntt> | Device and method for extracting related information |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011257791A (en) * | 2010-06-04 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | Relational information extracting device, its method and its program |
US9785756B2 (en) | 2013-03-08 | 2017-10-10 | Sony Corporation | Restriction of use that exceeds a personal use range when transmitting a content accumulated at home via an external network |
Also Published As
Publication number | Publication date |
---|---|
JP5142395B2 (en) | 2013-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101136007B1 (en) | System and method for anaylyzing document sentiment | |
CN108885617B (en) | Sentence analysis system and program | |
JP2007287134A (en) | Information extracting device and information extracting method | |
CN115860006B (en) | Aspect-level emotion prediction method and device based on semantic syntax | |
Günther et al. | Semantic transparency is not invisibility: A computational model of perceptually-grounded conceptual combination in word processing | |
JP3372532B2 (en) | Computer-readable recording medium for emotion information extraction method and emotion information extraction program | |
JP5142395B2 (en) | Related information extraction apparatus, method, program, and recording medium | |
Aliero et al. | Systematic review on text normalization techniques and its approach to non-standard words | |
JP4361299B2 (en) | Evaluation expression extraction apparatus, program, and storage medium | |
JP5441173B2 (en) | Related information extraction apparatus, method and program thereof | |
JP2016224847A (en) | Document identity extraction device, document identity extraction method, document classification device, document classification method, document retrieval device, document retrieval method, computer program, and recording medium where computer program is recorded | |
JP4646328B2 (en) | Related information extraction apparatus and method | |
JP4476609B2 (en) | Chinese analysis device, Chinese analysis method and Chinese analysis program | |
JP4793931B2 (en) | Apparatus and method for extracting sets of interrelated specific expressions | |
JP4671440B2 (en) | Reputation relationship extraction device, method and program thereof | |
JP2005063030A (en) | Method for expressing concept, method and device for creating expression of concept, program for implementing this method, and recording medium for recording this program | |
JP5441174B2 (en) | Related information extraction apparatus, method and program thereof | |
JP5882241B2 (en) | Method and apparatus for generating search keyword for question answering, and program | |
KR20040018008A (en) | Apparatus for tagging part of speech and method therefor | |
JP6805927B2 (en) | Index generator, data search program, index generator, data search device, index generation method, and data search method | |
JP4646078B2 (en) | Apparatus and method for extracting sets of interrelated specific expressions | |
JP2005157823A (en) | Knowledge base system, inter-word meaning relation determination method in the same system and computer program | |
JP2008225561A (en) | Device and method for extracting set of interrelated unique expression | |
JP5251132B2 (en) | Response generation apparatus and response generation program | |
JP4071657B2 (en) | Text processing device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100804 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20101215 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20110613 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20110614 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110615 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20110616 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120918 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121024 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121115 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121119 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151130 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5142395 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |