JP2015191396A - 詳細化不足検出装置、詳細化不足検出方法及びプログラム - Google Patents

Abstract

【課題】入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出する。【解決手段】詳細化不足検出装置１１は、入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切る文書区切り検出部１１４と、前記文書区切り検出部１１４によって区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め特定の表現が登録されている場合には、前記特定の表現を共起範囲とし、登録されていない場合には、前記部分文書を共起範囲とする共起有無チェック部１１５と、前記注目する部分文書において、予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが前記共起有無チェック部１１５によって設定された共起範囲に存在するか否かを判断し、前記第２の表現が存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出する詳細化不足検出部１１６と有する。【選択図】 図９

Description

本発明は、例えば、自然言語等によって記述された入力文書の記載表現が十分か否か等を評価する技術分野に関する。

近年、自然言語等によって記述された入力文書を、情報処理装置等を用いて分析することで、その入力文書において記述不足を起こしている箇所を検出するシステムが開発されている。

特許文献１に開示されている文書データ処理装置は、入力手段、記憶手段、検索手段と出力手段とを備える。係る文書データ処理装置は、入力手段によって処理対象である文書データ（入力文書）が受け付けられると、記憶手段に記憶されている文書データ中の予め定められた表現（以下、「適合表現」と称す。）のうち、当該入力文書中に存在する表現と一致する適合表現と関連付けられるメッセージを読み出し、出力手段によって出力する。即ち、特許文献１は、詳細化不足になりがちな表現を適合表現として予め記憶手段に記憶しておくことで、そのような表現を、係る入力文書の中から検出することが可能である。

特許文献２に開示されているデータ処理装置は、入力手段、構文解析手段、記憶手段、判定手段と出力手段を備えている。係るデータ処理装置において、まず、判定手段は、構文解析結果をすることで示される構文木において最も基底となる単一の要素が欠損しているか否かを判定する。そして、係るデータ処理装置は、その判定結果に従って、入力された文書データ中に文法上の“文”として成立するための文節の記述が不足しているか否かを判定する。また、別の手段として、係るデータ処理装置は、記憶手段に保管された係り受けすべき表現の一方が、当該入力された文書データ中に記述されていた場合に、他方の表現が係り受け関係にあるか否かを判定する。

特許文献３は、入力文書内から特定の検索対象を検索する際に、検索対象が大規模な文書集合に対する検索の高速化を図り得る技術が開示されている。即ち、特許文献３に開示された技術は、検索時に入力文書リストと、単語文書マトリックス内の領域ごとに作成された要約情報とを用いて、各領域に含まれる単語の出現頻度の上限を判定する。そして、特許文献３に開示された技術は、出現頻度の上限を単語領域ごとにまとめることによって、検索対象となる領域（即ち、読み込むべき単語の領域）を決定する。

特許文献４は、テキストマイニング辞書テーブル上の項目名に対応する単語が、入力文書に存在する場合であって、その関連情報テーブル上においてその単語に関連付けられる関連情報が、当該入力文書中に存在しない場合には、その入力文書中の記述が不足していると判断する文書データ処理装置を開示する。

特開２００８−０３３８８７ 特許第５０９５１２８号 国際公開ＷＯ２０１０/０６１５３７ 特開２００７−３１０８２９

しかしながら、特許文献１に開示された文書データ処理装置では、予め定められた表現を無条件に検索するため、実際に記述不足かどうかの判断を行っていない。このため、係る文書データ処理装置によっては、詳細化不足を判定することはできないという課題がある。

特許文献２に開示されたデータ処理装置では、構文上の欠損がある場合か、記憶手段に登録された表現と係り受け関係にあるべき表現が欠損している場合のみに記述不足と判定している。このため、係るデータ処理装置は、ある箇所では詳細化が不足している表現であっても、別の箇所に当該表現の説明が記述されていた際には詳細化不足とは判定できない。即ち、特許文献２に開示された技術によっては、入力文書の全体を考慮して詳細化不足を判定することはできないという課題がある。また、特許文献４も同様の課題がある。

特許文献３は、入力文書を構成する複数の領域ごとに要約情報を求め、その要約情報を基に特徴的な単語が求められるだけである。このため、特許文献３によっては、当該入力文書において、詳細に表現されることが不足している表現を検出することはできない。

そこで、本発明の主たる目的は、入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出することを主たる目的とする。

上述した目的を達成するために、本発明に係る詳細化不足検出装置は、
入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切る文書区切り検出手段と、
前記文書区切り検出手段によって区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め特定の表現が登録されている場合には、前記特定の表現を共起範囲とし、登録されていない場合には、前記部分文書を共起範囲とする共起有無チェック手段と、
前記注目する部分文書において、予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが前記共起有無チェック手段によって設定された共起範囲に存在するか否かを判断し、前記第２の表現が存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出する詳細化不足検出手段とを備えることを特徴とする。

また、上述した目的を達成するために、本発明に係る詳細化不足検出方法は、
コンピュータが、
入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切り、
区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め登録されている表現が含まれるか否かを判断し、
その共起範囲が登録されていない場合に、該注目する部分文書を共起範囲とし、
予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが前記設定された共起範囲に存在するか否かを判断し、
前記第２の表現が存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出することを特徴とする。

更に、同目的は、上記構成を有する詳細化不足検出装置、並びに対応する方法を、コンピュータによって実現するコンピュータ・プログラム、及びそのコンピュータ・プログラムが格納されている、コンピュータ読み取り可能な記憶媒体によっても達成される。

本発明によれば、入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出することができる。

本発明の第一の実施形態に係る詳細化不足検出装置１０の構成を説明するブロック図である。 本発明の第一の実施形態に係る詳細化不足検出装置１０が詳細化不足を起こしている表現を検出する処理を表すフローチャートである。 本発明の第一の実施形態に係る詳細化表現データベース１０２に蓄積されている被詳細化テーブルＴ１を構成する情報を例示する図である。 本発明の第一の実施形態にかかる被詳細化テーブルＴ２を構成する情報を例示する図である。 本発明の第一の実施形態における入力文書Ｄ１を例示する図である。 本発明の第二の実施形態における詳細化表現データベース１０２の保存されている被詳細化テーブルＴ３を構成する情報を例示する図である。 本発明の第二の実施形態に係る部分文書Ｄ２を例示する図である。 本発明の第三の実施形態に係る部分文書Ｄ３を例示する図である。 本発明の第四の実施形態に係る詳細化不足検出装置１１の構成を説明するブロック図である。

以下、本発明を、図面を参照して詳細に説明する。はじめに、以下に説明する各実施形態において、入力文書とは、当該各実施形態において説明する詳細化不足検出装置（１０、１１）に、検出対象（処理対象）として入力される文書（文書情報、文書データ）である。

そして、当該各実施形態において、文書（入力文書）なる文言は、例えば、以下に挙げる、文字列及び記号の少なくとも何れかによって構成される群を表す。即ち、
・複数の文（単文、複文、重文等）によって構成される所謂自然言語、
・行方向及び列方向に複数の項目が並んで構成される表及び帳票（例えば米国マイクロソフト社のエクセル（登録商標）によって作成された帳票シート等）、
・上記自然言語と帳票とが混在する書面（例えば、各種製品の取扱い説明書等）。

＜第一の実施形態＞
図１は、本発明の第一の実施形態に係る詳細化不足検出装置１０の構成を説明するブロック図である。

詳細化不足検出装置１０は、文書入力部１０１、詳細化表現データベース１０２、単語抽出部１０３、文書区切り検出部１０４、共起有無チェック１０５、詳細化不足検出部１０６、出力部１０７を有する。

文書入力部１０１は、詳細化不足を検出したい文書（即ち、入力文書）を詳細化不足検出装置１０に入力することができる。

詳細化表現データベース１０２は、図３に例示するように、「被詳細化表現」と、「詳細化表現」と、「状況限定ワード」と、そして「共起範囲」とが関連付けされた被詳細化テーブルＴ１を記憶することができる。これらの文言の定義が以下の通りである（後述する他の実施形態においても同様）。即ち、
・被詳細化表現：条件や挙動などが詳細に記述されるべき表現、
・詳細化表現：被詳細化表現が詳細化されていたら書かれているべき表現、
・状況限定ワード：被詳細化表現と詳細化表現とが共起すべき状況を限定する表現、
・共起範囲：被詳細化表現と詳細化表現とが共起すべき範囲。

ここで、以下に説明する各実施形態において、上記の被詳細化表現及び詳細化表現のように、名詞（或いは、名詞の一部）として記載する「表現」なる文言は、文字（文字列）、記号（記号列）、及び、図表の少なくとも何れか、或いは、それらの組み合わせを含むこととする。

尚、状況限定ワードは、一つの被詳細化表現と詳細化表現とに対して、複数関連付けてもよい。

単語抽出部１０３は、詳細化表現データベース１０２を参照することにより、当該入力文書の中から、同データベースに予め蓄積されている被詳細化表現、詳細化表現及び状況限定ワードと一致する表現を抽出する。そして、単語抽出部１０３は、抽出された被詳細化表現、詳細化表現及び状況限定ワードの位置（ファイル名、ページ数（ページ番号）、行数、セル番号、文字数などを用いても良い。）を、記憶装置（不図示）に記録する。

単語抽出部１０３は、被詳細化表現及び／又は詳細化表現として登録されている文字が、当該入力文書内において複合語の一部になっている場合、その複合語自体を被詳細化表現及び／又は詳細化表現として抽出してもよい。例えば、詳細化表現データベースに「ＩＤ」という文字が被詳細化表現として登録されていた場合、単語抽出部１０３は、入力文書の中から、「ＩＤ」を含む「ユーザＩＤ」、「商品ＩＤ」等の複合語を抽出することができる。

文書区切り検出部１０４は、入力文書の特徴を基に、その入力文書に含まれる区切りの位置を検出する。即ち、文書区切り検出部１０４は、入力文書において繰り返される特定の表現に基づいて、その入力文書の区切り位置を検出する。

以下の説明では、文書区切り検出部１０４によって当該入力文書が区切られた場合に、区切られた個々の範囲を、説明の便宜上から「部分文書」と称することとする。

ここで、入力文書の区切り位置を検出する具体的な例を説明する。係る区切り位置の検出方法としては、例えば、入力文書において、特定のキーワード（即ち、上記「特定の表現」）を含む名前が付与されたファイル、シート、章等が含まれる場合に、その特定のキーワードを区切りとして検出する方法等が考えられる。係る特定の表現は、ユーザが事前に詳細化不足検出装置１０に登録しても、或いは、外部装置から適当な方法によって入手してもよい。

また、例えば、入力文書において、同じ文字列、同じ記号列、同じ図表、或いは、それらが適宜組み合わせられた同一パターン（即ち、上記の「特定の表現」）が、当該入力文書内において定期的に、或いは、不定期に繰り返し出現している場合を考える。この場合は、係る繰り返し範囲を一単位と見做すことにより、当該入力文書を区切る方法が考えられる。

このような入力文書の一例としては、各種の製品の取り扱い説明書が想定される。このような文書では、読み手が知りたい事項を効率よく見つけることができるように、定型化された見出し表現（例えば、「第＿章」、「≪＿＿＿≫」、「●＿＿＿：」等、但し“＿＿＿”内は任意）が採用される。この場合、文書区切り検出部１０４は、係る定型化された見出し表現を、当該入力文書（この例では当該説明書）の区切りとして検出する。また、他の例としては、帳票作成ソフトウェアを利用して作成された帳票シートにおいて繰り返し出現する表現や、ソフトウェア・プログラムに記述されたコメント文の判別記号等の表現も、区切り検出の基準となり得る。

このような方法によって入力文書を区切る文書区切り検出部１０４によれば、類似した被詳細化表現の条件や挙動が定型的に詳細化されている入力文書において、区切りを的確に検出（判別）することができる。

また、出力部１０７は、詳細化不足を起こしている表現として抽出されたか否かを区分できる態様で、被詳細化表現を出力しても良い。例えば、出力部１０７は、詳細化不足を起こしている表現と抽出された被詳細化表現と詳細化不足を起こしている表現として抽出されなかった被詳細化表現とで、出力の際における色、フォント、線の太さ等を変えて出力しても良い。

更に、文書区切り検出部１０４は、入力文書中に存在する特定の表現（例えば、被詳細化テーブルＴ１に登録されている各種表現）の位置が拡散しているほど当該入力文書を区切る間隔を広くし、密集しているほど当該入力文書を区切る間隔を狭くする等の処理構成を採用してもよい。

共起有無チェック部１０５は、文書区切り検出部１０４によって区切られた部分文書毎に、共起の有無を判断する。即ち、詳細化表現データベース１０２に共起範囲が設定されている場合、共起有無チェック部１０５は、その共起範囲に従って部分文書を構成する文や記号の共起の有無を検出する。この場合、共起の有無とは、当該共起範囲内に被詳細化表現と、それに関連付けされている詳細化表現とが共に存在するか否かを表す。一方、詳細化表現データベース１０２に共起範囲が登録されていない場合、共起有無チェック部１０５は、文書区切り検出部１０４によって検出された区切り（即ち、当該部分文書）を、共起範囲と見做す。

尚、詳細化表現データベース１０２に状況限定ワードが登録されている場合、共起有無チェック部１０５は、被詳細化表現と詳細化表現と状況限定ワードとが全て当該共起範囲内に存在している場合に、共起“有り”と、記憶装置（不図示）に記録する。

詳細化不足検出部１０６は、共起有無チェック部１０５によって抽出した共起の有無と詳細化不足検出ルールとに基づき、詳細化不足を起こしている表現を検出する。詳細化不足の検出方法は、以下に説明するように、詳細化表現データベース１０２で共起範囲が登録されている場合と、登録されていない場合とで異なる。

即ち、詳細化データベース１０２に共起範囲が登録されている場合、詳細化不足検出部１０６は、当該入力文書のうち、注目する部分文書において、当該共起範囲内において被詳細化表現に関連付けされている詳細化表現の有無を確認し、無い場合は、その被詳細化表現を、詳細化が不足している表現として抽出する。

一方、詳細化データベース１０２に共起範囲が登録されていない場合、詳細化不足検出部１０６は、被詳細化表現と詳細化表現との相対的な位置関係を用いて詳細化不足を抽出する。本実施形態では、この詳細化不足を検出する手順を、「詳細化不足検出ルール」とも称することとする。

詳細化不足検出部１０６は、文書区切り検出部１０４によって検出された個々の部分文書を処理対象として、詳細化不足を起こしている表現を検出する。

即ち、詳細化不足検出部１０６は、共起有無チェック部１０５によって個々の部分文書に対して設定された共起範囲を基準として、その部分文書中に存在する被詳細化表現に対応する詳細化表現の有無を確認する。

より具体的に、詳細化データベース１０２に共起範囲が登録されている場合、詳細化不足検出部１０６は、注目する部分文書において共起有無チェック部１０５によって抽出された範囲を基準として、その部分文書中に存在する被詳細化表現に対応する詳細化表現の有無を確認する。

一方、詳細化データベース１０２に共起範囲が登録されていない場合、詳細化不足検出部１０６は、注目する部分文書を共起範囲と同様な一単位と見做して、その部分文書中に存在する被詳細化表現に対応する詳細化表現の有無を確認する。

そして、詳細化不足検出部１０６は、被詳細化表現に対応する詳細化表現が存在しない場合に、その被詳細化表現を、詳細化不足を起こしている表現（以下、「詳細化不足表現」と称する場合がある）として抽出する。

出力部１０７は、詳細化不足検出部１０６によって抽出した詳細化不足表現を、例えば、ユーザが判別可能な態様によって出力する。

図２は、本発明の第一の実施形態に係る詳細化不足検出装置１０が詳細化不足表現を検出する処理を示すフローチャートである。

文書入力部１０１は、詳細化不足表現を検出したい文書（入力文書）を入力する（ステップＳ１０１）。

単語抽出部１０３は、詳細化表現データベース１０２（詳細化テーブルＴ１（図３））を参照し、当該入力文書の中から詳細化表現データベース１０２に登録されている文字列と一致する被詳細化表現、詳細化表現、状況限定ワードを抽出する（ステップＳ１０２）。更に、単語抽出部１０３は、当該入力文書中の各単語の位置情報を、記憶装置（不図示）に記録する（ステップＳ１０２）。

文書区切り検出部１０４は、当該入力文書において繰り返される特定の表現に基づいて、その入力文書の区切り位置を検出する（ステップＳ１０３）。

共起有無チェック部１０５は、詳細化表現データベース１０２内の被詳細化表現と詳細化表現とに関連付けられている共起範囲（Ｃ４）欄に共起範囲が登録されているかどうかを確認する（ステップＳ１０４）。

共起範囲（Ｃ４）欄に共起範囲が登録されている場合、共起有無チェック部１０５は、当該入力文書のうち、注目する部分文書を、当該共起範囲（Ｃ４）欄に登録されている共起範囲に従って区切る（ステップＳ１０５）。一方、共起範囲（Ｃ４）欄が登録されていない場合、共起有無チェック部１０５は、文書区切り検出部１０４によって検出された区切り（即ち、当該部分文書）を、共起範囲と見做す（ステップＳ１０６）。

詳細化不足検出部１０６は、当該注目する部分文書において、ステップＳ１０５またはステップＳ１０６において決定した共起範囲に基づいて、上述した手順によって、その部分文書の中から詳細化不足表現が存在するか否かを判断する（ステップＳ１０７）。そして、詳細化不足検出部１０６は、ステップＳ１０１において入力された当該入力文書において、詳細化不足の有無を未だ判断していない部分文書の有無を判断する（ステップＳ１０８）。全ての部分文書について詳細化不足の有無を判断した場合、詳細化不足検出部１０６は、処理をステップＳ１０９に進める（ステップＳ１０８にてＮＯ）。一方、未だ判断していない部分文書が存在する場合、詳細化不足検出部１０６は、処理をステップＳ１０４に戻す（ステップＳ１０８にてＹＥＳ）。そしてこの場合、上述したステップＳ１０４以降の処理が、新たな部分文書を対象として開始される。

出力部１０７は、個々の部分文書について検出した詳細化不足の判定結果を出力する（ステップＳ１０９）。ステップＳ１０９における出力の態様は、例えば、ユーザが認識可能な一覧表示、外部装置への情報提供等、様々な態様が想定される。また、本実施形態では、一例として、当該入力文書を構成する全ての部分文書について処理を完了してから結果を出力する構成について説明した。しかしながら、本実施形態を例に説明する本発明は係る構成には限定されない。例えば、ある部分文書に関してステップＳ１０７において検出結果が得られる度に、その検出結果を出力してもよい。

次に、被詳細化表現と詳細化表現とが共起しているかを判定する処理の具体例について、図３を参照して説明する。

図３は、本発明の第一の実施形態に係る被詳細化テーブルＴ１に保存されている情報を例示する。被詳細化テーブルＴ１は、例えば詳細化表現データベース１０２に蓄積されている。なお、図３は動作例であり、本実施形態は図３には限定されない。以下、図３を用いて、共起範囲が指定されていない場合の詳細化不足検出装置１０の動作を説明する。

被詳細化テーブルＴ１には、被詳細化表現Ｃ１、詳細化表現Ｃ２、状況限定ワードＣ３、そして共起範囲Ｃ４を登録することができる。この際、状況限定ワードＣ３と共起範囲Ｃ４欄は、本実施形態において必須の要素ではないため、空欄でもよい。

図３に示す例において、被詳細化テーブルＴ１の１列目の被詳細化表現Ｃ１には「検索システム」、詳細化表現Ｃ２には「パフォーマンス」、状況限定ワードＣ３と共起範囲Ｃ４は空欄となっている。

文書入力部１０１は、詳細化不足表現を検出したい文書を入力する（図２のステップＳ１０１）。

単語抽出部１０３は、被詳細化テーブルＴ１を参照し、保存されている被詳細化表現Ｃ１「検索システム」、及び詳細化表現Ｃ２「パフォーマンス」なる文言を、当該入力文書中から抽出する（図２のステップＳ１０２）。

文書区切り検出部１０３は、当該入力文書を、上述した如く１つ以上の部分文書に区切る（図２のステップＳ１０３）。

共起有無チェック部１０５は、被詳細化テーブルＴ１内の共起範囲Ｃ４欄に共起範囲として何らかの文字等が指定（登録）されているかを確認する（図２のステップＳ１０４）。共起有無チェック部１０５は、共起範囲Ｃ４欄に指定がない（即ち空欄）と判定すると、「検索システム」なる文言の配置を基に、区切り単位を決定する。これにより、共起有無チェック部１０５は、注目している部分文書を区切り、この区切りを共起範囲であるとみなす（図２のステップＳ１０６）。共起有無チェック部１０５は、共起範囲Ｃ４欄に指定がある場合、その指定された文字列等を、共起範囲として採用する（図２のステップＳ１０５）。

詳細化不足検出部１０６は、共起有無チェック部１０５によって決定された共起範囲内において、「検索システム」なる文言が存在しているにもかかわらず「パフォーマンス」なる文言が存在していない文書を抽出する。詳細化不足検出装置１０６は、その文書中に存在する被詳細化表現である「パフォーマンス」なる文言を、詳細化不足表現として、記憶装置（不図示）に記録する（図２のステップＳ１０７）。

出力部１０７は、詳細化不足検出部１０６によって抽出された詳細化不足表現を出力する（図２のステップＳ１０９）。

次に図４及び図５を用い、共起範囲Ｃ４欄に指定がある場合に詳細化不足検出装置１０が行う動作を説明する。

図４は、本発明の第一の実施形態にかかる被詳細化テーブルＴ２の構成図である。

被詳細化テーブルＴ２において、被詳細化表現Ｃ５は「ＣＳＶ」、詳細化表現Ｃ６は「文字コード」、限定ワードＣ7は「入力、出力」、共起範囲Ｃ８は「１ページ」であり、これらが関連付けされて記憶されている。

図５は、第一の実施形態における入力文書Ｄ１である。入力文書Ｄ１は、本実施形態で詳細化不足の表現を抽出したい文書である。

文書入力部１０１は、詳細化不足表現を検出したい文書である入力文書Ｄ１を受付ける。

単語抽出部１０３は、詳細化表現データベース１０２内にある被詳細化テーブルＴ２を参照し、入力文書の中から被詳細化テーブルＴ２に蓄積されている情報と一致する文言である「ＣＳＶ」、「文字コード」、そして「入力、出力」を抽出する。そして当該文言の入力文書Ｄ１における位置情報を、記憶装置（不図示）に記録する。

共起有無チェック部１０５は、被詳細化テーブルＴ２内の共起範囲Ｃ８の欄に数値などの指定が入力されているかどうかを確認する。共起範囲Ｃ８として指定されている「１ページ」という範囲に応じて部分文書を区切る。

共起有無チェック部１０５は、共起範囲「１ページ」で区切る処理を終えると、共起範囲「１ページ」内において被詳細化表現Ｃ５「ＣＳＶ」と詳細化表現Ｃ６「文字コード」とが共起しているかを確認し、結果を記憶装置（不図示）に記録する。

共起有無チェック部１０５は、共起範囲「１ページ」内において被詳細化表現Ｃ５「ＣＳＶ」という文言に対する詳細化表現Ｃ６「文字コード」という文言が共起しているか否かの判定を、注目する部分文書を構成する各文に関してチェックする。部分文書が帳票シート、或いは、帳票シートを含む場合は、各項目に関してチェックすればよい。

詳細化不足検出部１０６は、共起範囲「１ページ」内において被詳細化表現Ｃ５「ＣＳＶ」と詳細化表現Ｃ６「文字コード」が共起していないと判定すると、当該被詳細化表現Ｃ５「ＣＳＶ」は詳細化不足と判定し、その判定結果を、記憶装置（不図示）に記録する。

出力部１０７は、詳細化不足検出部１０６による判定結果に基づき、詳細化表現不足と判定された「ＣＳＶ」なる文言を出力する。

以上、本実施形態において上述した詳細化不足検出装置１０によれば、入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出することができる。その理由は、入力文書に含まれる特定の表現が、当該入力文書内において定期的に、或いは、不定期に繰り返し出現している場合に、その特定の表現に従って部分文書として入力文書を区切ることができるからである。そして、詳細化不足検出装置１０によれば、個々の部分文書に対して、共起範囲という区分範囲内において詳細化不足表現を判定しているからである。

即ち、一般に、膨大な文字列や記号列等によって構成される帳票シートやソフトウェア・プログラム等が入力文書である場合に、その入力文書全体に共通する妥当な詳細化不足表現を検出することは難しい。これに対して、本実施形態に係る詳細化不足検出装置１０によれば、このような膨大な入力文書であっても、特定の表現に基づいて１つ以上の部分文書に区分し、個々の部分文書において詳細化不足表現が出力される。このため、ユーザは、当該個々の部分文書に関して詳細化不足表現か否かを判断すればよいので、結果として、当該入力文書に対して、正しい判断を容易に行うことができる。

＜第二の実施形態＞
次に、上述した第一の実施形態を基本とする第二の実施形態について説明する。以下の説明において第一の実施形態と同一の構成については、同一の参照番号を付し、重複する説明は省略する。

図６は、第二の実施形態において詳細化表現データベース１０２に保存されている被詳細化テーブルＴ３を例示する図である。被詳細化表現Ｃ９には、「ＩＤ」、詳細化表現Ｃ１０には「変更不可」が登録されており、状況限定ワードＣ１１と共起範囲Ｃ１２は空欄になっている。

図７は、第二の実施形態に係る部分文書Ｄ２である。

本実施形態において文書入力部１０１は、例えば部分文書Ｄ２を受け付ける。以下、詳細化不足を抽出する方法は、第一の実施形態と同様である。

単語抽出部１０３は、被詳細化テーブルＴ３を参照し、保存されている被詳細化表現Ｃ９「ＩＤ」、詳細化表現Ｃ１０「変更不可」なる文言を部分文書Ｄ２から抽出する。

共起有無チェック部１０５は、被詳細化テーブルＴ３内の共起範囲Ｃ１２に指定があるか否かを確認し、図６に示す例では、空欄であることから、指定がないと判定する。共起有無チェック部１０５は、テーブルＴ３に指定がないことから、「変更不可」なる詳細化表現Ｃ１０の部分文書中における配置を基に、区切り単位を決定し、当該部分文書を区切ることで共起範囲を決める。

共起範囲の決定の仕方は、部分文書Ｄ２には、詳細化表現である「変更不可」が１行目から３行目まで１行毎に分布しているため、文書区切り単位は１行単位であると判定し、これを共起範囲と決定する。

詳細化不足検出部１０６は、この共起範囲内に「ＩＤ」と「変更不可」が共起しているかを判定する。部分文書Ｄ２は、１行目から３行目の「ＩＤ」は、共起範囲である１行以内に「変更不可」が共起しているが、４行目の「ＩＤ」には「変更不可」は共起していない。このため４行目の被詳細化表現「ＩＤ」は、詳細化不足として詳細化不足検出部１０６により抽出される。詳細化不足検出部１０６は、詳細化不足を判定する際、「ＩＤ」だけでなく、「ＩＤ」を含む複合語「店舗ＩＤ」を詳細化不足として抽出する。

本実施形態によれば、第１の実施形態と同様に、入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出することができる。特に本実施形態によれば、「変更不可」が１行目から３行目まで繰り替えされていたことで繰り返し単位を１行と設定することができ、共起範囲を決定することができた。そして、被詳細化テーブルＴ３に登録されている「ＩＤ」だけの文字列ではなく、複合語である「店舗ＩＤ」を詳細化不足表現として、抽出することができた。

＜第三の実施形態＞
次に、上述した第一の実施形態と第二の実施形態を基本とする第三の実施形態について説明する。以下の説明において、第一の実施形態及び第二の実施形態と同一の構成については、同一の参照番号を付し、重複する説明は省略する。

本実施形態では、詳細化不足検出部１０６が被詳細化表現と詳細化表現の位置関係を用いて詳細化不足を抽出する場合について、図８を参照して詳細に説明する。図８は、第三に実施形態に係る部分文書Ｄ３を例示する図である。

詳細化表現データベース１０２に、被詳細化表現として「ＩＤ」が登録され、且つ、詳細化表現として「変更不可」が登録されているケース（図６に示す被詳細化表現テーブルＴ３）について考える。

図８に示す部分文書Ｄ３を、上述した被詳細化表現テーブルＴ３（図６）に基づいて参照すると、被詳細化表現である「ＩＤ」を含む複合語として、「ユーザＩＤ」、「商品ＩＤ」、「店舗ＩＤ」、並びに「注文ＩＤ」なる各文言がＣ１４列に存在することが判る。これらの複合語に含まれる「ＩＤ」なる被詳細化表現には、被詳細化表現テーブルＴ３（図６）において、詳細化表現として「変更不可」が関連付けされている。そこで、詳細化不足検出部１０６は、部分文書Ｄ３（図８）において、「ＩＤ」を含む個々の複合語に注目すると共に、注目した複合語に基づいて、詳細化表現として「変更不可」なる文言がどこに存在するかを探索する。

その結果、詳細化不足検出部１０６は、部分文書Ｄ３（図８）を参照することにより、「ＩＤ」を含む何れの複合語にも、詳細化表現である「変更不可」なる文言が一行以内に共起していることを検出する。その際、詳細化不足検出部１０６は、部分文書Ｄ３（図８）において、複合語である「ユーザＩＤ」、「商品ＩＤ」、「店舗ＩＤ」に含まれる「ＩＤ」なる被詳細化表現と共起する詳細化表現として、「変更不可」なる文言を、いずれも「ＩＤ」なる被詳細化表現が含まれる列Ｃ１４の左側の列である列Ｃ１３に検出することができる。これに対して、複合語「注文ＩＤ」に含まれる「ＩＤ」なる被詳細化表現に関して部分文書Ｄ３（図８）を参照した場合、詳細化不足検出部１０６は、共起する詳細化表現「変更不可」を、列Ｃ１４より右側の列である列Ｃ１５において検出することになる。すなわち、被詳細化テーブルＴ３（図６）において「ＩＤ」なる被詳細化表現が含まれる個々の複合語（Ｃ１４列の各行）を基準として見た詳細化表現「変更不可」の方向（即ち、相対的な位置関係）を比較する。比較した結果、「ユーザＩＤ」、「商品ＩＤ」、並びに「店舗ＩＤ」なる個々の複合語は、詳細化表現と被詳細化表現との相対的な位置関係が同じ（即ち、右方向）である。これに対して、「注文ＩＤ」なる複合語の場合、詳細化表現と被詳細化表現との相対的な位置関係が異なる（即ち、左方向）ことが判る。このような場合、詳細化不足検出部１０６は、検出した相対的な位置関係として、同じ複数の複合語（この例では「ユーザＩＤ」、「商品ＩＤ」、並びに「店舗ＩＤ」）を同一パターンとして分類する。一方、詳細化不足検出部１０６は、当該同一パターンから外れた複合語「注文ＩＤ」については、「ＩＤ」なる文言が含まれているものの、被詳細化表現と詳細化表現とのペアも共起していないと見做す。即ち、詳細化不足検出部１０６は、部分文書Ｄ３（図８）を参照した場合、複合語「ユーザＩＤ」、「商品ＩＤ」、並びに「店舗ＩＤ」については被詳細化表現と詳細化表現とのペアが共起すると判定するのに対して、複合語「注文ＩＤ」に対しては、詳細化不足であると判定する。

本実施形態によれば、同じ列に被詳細化表現である「変更不可」が記載されていても、繰り返し単位を決めた際の他の「変更不可」と詳細化表現からの向きにより、詳細化不足を抽出することができる。

（第三の実施形態の変形例）
詳細化表現と被詳細化表現との相対的な位置関係に基づいて共起を判定する方法は、上述した「方向」だけには限定されない。例えば、詳細化表現と被詳細化表現との距離に基づいて、或いは上述した方向と距離とを組み合わせた基準に基づいて、共起の有無を判定してもよい。

＜第四の実施形態＞
次に、上述した各実施形態及び変形例に共通する概念を表す第四の実施形態について説明する。

図９は、本発明の第四の実施形態に係る詳細化不足検出装置１１の構成を説明するブロック図である。

詳細化不足検出装置１１は、文書区切り検出部１１４、共起有無チェック部１１５、詳細化不足検出部１１６を有している。

まず、文書区切り検出部１１４は、入力文書に含まれる特定の表現の位置を基準として当該入力文書を1つ以上の部分文書に区切る。次に、共起有無チェック部１１５は、個々の部分文書中に、共起範囲として予め登録されている特定の文字列が含まれるかどうかを判定する。そして、共起有無チェック部１１５は、共起範囲が登録されていない場合に、文書区切り検出部１１４によって区切られた部分文書を共起範囲とみなす。

そして、詳細化不足検出部１１６は、共起有無チェック部１１５によってみなされた共起範囲に、特定の表現と特定の文字列に関連付けられている文字列とが存在しているかを判定する。特定の文字列と特定の文字列に関連付けられている文字列が、共起範囲に存在しない場合、当該特定の文字列を詳細化不足として検出する。

以上、説明した詳細化不足検出装置によれば、入力文書を構成する適当な範囲別に、詳細に表現されることが不足している表現（被詳細化表現）を検出することができる。

尚、上述した各実施形態における詳細化不足検出装置は、専用の装置によって実現してもよいが、コンピュータ（情報処理装置）によっても実現可能である。この場合、係るコンピュータは、メモリ（不図示）に格納されたソフトウェア・プログラムをＣＰＵ（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）に読み出し、読み出したソフトウェア・プログラムをＣＰＵにおいて実行することにより、実行結果を、例えば、ユーザ・インタフェースに出力する。上述した各実施形態及び変形例の場合、係るソフトウェア・プログラムには、上述したところの、図１に示した詳細化不足検出装置１０の各部、或いは、図９に示した詳細化不足検出装置１１の各部の機能を実現可能な記述がなされていればよい。但し、詳細化不足検出装置１０の場合、文書入力部１０１及び出力部１０７には、適宜ハードウェアを含むことも想定される。そして、このような場合、係るソフトウェア・プログラム（コンピュータ・プログラム）は、本発明を構成すると捉えることができる。更に、係るソフトウェア・プログラムを格納した、コンピュータ読み取り可能な記憶媒体も、本発明を構成すると捉えることができる。

以上、本発明を、上述した各実施形態およびその変形例によって例示的に説明した。しかしながら、本発明の技術的範囲は、上述した各実施形態およびその変形例に記載した範囲には限定されない。当業者には、係る実施形態に対して多様な変更又は改良を加えることが可能であることは明らかである。そのような場合、係る変更又は改良を加えた新たな実施形態も、本発明の技術的範囲に含まれ得る。そしてこのことは、特許請求の範囲に記載した事項から明らかである。

１０ 詳細化不足検出装置
１０１ 文書入力部
１０２ 詳細化表現データベース
１０３ 単語抽出部
１０４ 文書区切り検出部
１０５ 共起有無チェック部
１０６ 詳細化不足検出部
１０７ 出力部
１１ 詳細化不足検出装置
１１４ 文書区切り検出部
１１５ 共起有無チェック部
１１６ 詳細化不足検出部

Claims (10)

1. 入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切る文書区切り検出手段と、
   前記文書区切り検出手段によって区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め特定の表現が登録されている場合には、前記特定の表現を共起範囲とし、登録されていない場合には、前記部分文書を共起範囲とする共起有無チェック手段と、
   前記注目する部分文書において、予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが前記共起有無チェック手段によって設定された共起範囲に存在するか否かを判断し、前記第２の表現が存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出する詳細化不足検出手段とを備える
   ことを特徴とする詳細化不足検出装置。
2. 前記文書区切り検出手段は、
   前記入力文書において繰り返し出現する前記特定の表現の位置に基づいて、前記入力文書を前記１つ以上の部分文書に区切る
   ことを特徴とする請求項１記載の詳細化不足検出装置。
3. 前記文書区切り検出手段は、
   前記入力文書中に存在する前記特定の表現の位置の拡散の度合いに従って、前記入力文書を前記１つ以上の部分文書に区切る
   ことを特徴とする請求項１記載の詳細化不足検出装置。
4. 前記特定の表現は、
   １つ以上の文字と１つ以上の記号との少なくとも何れか、或いは、それらの組み合わせを含む
   ことを特徴とする請求項１乃至請求項３の何れかに記載の詳細化不足検出装置。
5. 前記詳細化不足検出手段は、前記第１の表現と、前記第２の表現との相対的な位置関係に基づいて、前記詳細化不足を起こしている表現を検出する
   ことを特徴とする請求項１乃至請求項４の何れかに記載の詳細化不足検出装置。
6. 前記相対的な位置関係は、
   前記第１の表現と、前記第２の表現との方向及び距離の少なくとも何れかである
   ことを特徴とする請求項５記載の詳細化不足検出装置。
7. 前記特定の表現と、前記第１及び第２の表現との少なくとも何れかを記憶可能な記憶手段を更に備える
   ことを特徴とする請求項１乃至６の何れかに記載の詳細化不足検出装置。
8. 詳細化不足を起こしている表現として検出されたか否かを区分できる態様で、前記各第１の表現を出力する出力手段と、
   を更に備える請求項１乃至７に記載の詳細化不足検出装置。
9. コンピュータが、
   入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切り、
   区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め登録されている表現が含まれるか否かを判断し、
   その共起範囲が登録されていない場合に、該注目する部分文書を共起範囲とし、
   予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが前記設定された共起範囲に存在するか否かを判断し、
   前記第２の表現が存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出することを特徴とする詳細化不足検出方法。
10. 入力文書を、特定の表現の位置を基準として１つ以上の部分文書に区切る文書区切り検出機能と、
    前記文書区切り検出機能によって区切られた前記１つ以上の部分文書のうち、注目する部分文書に、共起範囲として予め登録されている表現が含まれるか否かを判断し、その共起範囲が登録されていない場合に、該注目する部分文書を共起範囲と設定する共起有無チェック機能と、
    予め登録されている第１の表現と、その第１の表現に関連付けされている第２の表現とが存在するか否かを判断し、前記第２の表現が前記共起有無チェック機能によって設定された共起範囲に存在しない場合、前記第１の表現を、詳細化不足を起こしている表現として検出する詳細化不足検出機能とを、
    コンピュータに実現させることを特徴とするコンピュータ・プログラム。

Images