JP2017097451A - 情報処理方法、情報処理プログラムおよび情報処理装置 - Google Patents

Abstract

【課題】語義曖昧性解決の計算量および計算時間を削減できる情報処理方法、情報処理プログラムおよび情報処理装置を提供する。【解決手段】情報処理方法は、文中から複数の語義がある述語について格補語候補を抽出する処理をコンピュータが実行する。また、情報処理方法は、述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された格補語候補ごとに各語義との組み合わせ点数を算出する処理をコンピュータが実行する。また、情報処理方法は、各格補語候補について組み合わせ点数に基づいて、語義を選別する処理をコンピュータが実行する。また、情報処理方法は、選別された語義を用いて述語と格補語候補との関係性を探索して述語の語義を選択する処理をコンピュータが実行する。【選択図】図１

Description

本発明は、情報処理方法、情報処理プログラムおよび情報処理装置に関する。

近年、コンピュータに自然言語処理を行わせる需要が増加している。自然言語処理では、一つの単語に複数の意味がある場合に、文中における単語がどの意味で用いられているかを判別するために、語義曖昧性解決が行われる。語義曖昧性解決の方法としては、周辺の単語を素性に機械学習する方法と、主語および目的語と述語との選好性を利用する述語項解析結果を用いる方法とがある。

特開２００１−３３１５１５号公報 特開２００８−２３３９６４号公報

しかしながら、述語項解析結果を用いる場合には、全幅検索になるので計算時間が増大することがある。また、解析精度を上げるために照応解析等の他の処理を含めると、選択肢の数が増大し、複数の語義があると計算量が指数関数的に増大する。

一つの側面では、本発明は、語義曖昧性解決の計算量および計算時間を削減できる情報処理方法、情報処理プログラムおよび情報処理装置を提供することにある。

一つの態様では、情報処理方法は、文中から複数の語義がある述語について格補語候補を抽出する処理をコンピュータが実行する。また、情報処理方法は、前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出する処理をコンピュータが実行する。また、情報処理方法は、前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別する処理をコンピュータが実行する。また、情報処理方法は、選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する処理をコンピュータが実行する。

語義曖昧性解決の計算量および計算時間を削減できる。

図１は、実施例の情報処理装置の構成の一例を示すブロック図である。 図２は、名詞辞書記憶部の一例を示す図である。 図３は、動詞辞書記憶部の一例を示す図である。 図４は、語義マスク記憶部の一例を示す図である。 図５は、実施例の語義選択処理の一例を示すフローチャートである。 図６は、情報処理プログラムを実行するコンピュータの一例を示す図である。

以下、図面に基づいて、本願の開示する情報処理方法、情報処理プログラムおよび情報処理装置の実施例を詳細に説明する。なお、本実施例により、開示技術が限定されるものではない。また、以下の実施例は、矛盾しない範囲で適宜組みあわせてもよい。

図１は、実施例の情報処理装置の構成の一例を示すブロック図である。図１に示す情報処理装置１００は、入力された文について、文中から複数の語義がある述語について格補語候補を抽出する。情報処理装置１００は、述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された格補語候補ごとに各語義との組み合わせ点数を算出する。情報処理装置１００は、各格補語候補について組み合わせ点数に基づいて、語義を選別する。情報処理装置１００は、選別された語義を用いて述語と格補語候補との関係性を探索して述語の語義を選択する。これにより、情報処理装置１００は、語義曖昧性解決の計算量および計算時間を削減できる。なお、探索にかかる述語項解析結果を用いる語義曖昧性解決については、参考文献（Roberto Navigli.Word sense disambiguation:A survey.ACM Computing Surveys,41(2):10:1-10:69(2009)）に詳しく記載されている。

図１に示す情報処理装置１００は、入力部１１０と、表示部１１１と、操作部１１２と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば各種の通信デバイス、入力デバイスや音声出力デバイス等の機能部を有することとしてもかまわない。情報処理装置１００の一例としては、タブレット端末を採用できる。情報処理装置１００には、上記のタブレット端末等の可搬型の端末のみならず、据置型のパーソナルコンピュータを情報処理装置１００として採用することもできる。また、情報処理装置１００は、可搬型の端末としては、上記のタブレット端末の他にも、例えば、可搬型のパーソナルコンピュータや、スマートフォン、携帯電話機等の移動体通信端末等を採用することもできる。

入力部１１０は、例えば、光学ディスク、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤメモリカード等の外部記憶媒体に対する媒体アクセス装置等によって実現される。入力部１１０は、外部記憶媒体に記憶された解析対象の文を読み取って、読み取った文を制御部１３０に出力する。また、入力部１１０は、音声認識装置であってもよい。この場合に、入力部１１０は、マイク等から入力された音声を音声認識して文を生成し、生成した文を制御部１３０に出力する。

表示部１１１は、各種情報を表示するための表示デバイスである。表示部１１１は、例えば、表示デバイスとして液晶ディスプレイ等によって実現される。表示部１１１は、制御部１３０から入力された出力画面等の各種画面を表示する。

操作部１１２は、情報処理装置１００のユーザから各種操作を受け付ける入力デバイスである。操作部１１２は、例えば、入力デバイスとして、キーボードやマウス等によって実現される。操作部１１２は、ユーザによって入力された操作を操作情報として制御部１３０に出力する。なお、操作部１１２は、入力デバイスとして、タッチパネル等によって実現されるようにしてもよく、表示部１１１の表示デバイスと、操作部１１２の入力デバイスとは、一体化されるようにしてもよい。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、名詞辞書記憶部１２１と、動詞辞書記憶部１２２と、語義マスク記憶部１２３とを有する。また、記憶部１２０は、制御部１３０での処理に用いられる情報を記憶する。

名詞辞書記憶部１２１は、名詞と、当該名詞が属するクラス情報を示すクラスとを対応付けて記憶する。図２は、名詞辞書記憶部の一例を示す図である。図２に示すように、名詞辞書記憶部１２１は、「名詞」、「クラス」といった項目を有する。名詞辞書記憶部１２１は、例えば、名詞ごとに１レコードとして記憶する。

「名詞」は、例えば、「彼」、「顧客」、「ソフト」といった具体名詞や抽象名詞を示す情報である。「名詞」は、述語に対する格補語候補となる語の一例である。「クラス」は、名詞を分類した場合における当該名詞が属するクラスを示す情報である。「クラス」は、例えば、「人」、「物」、「ソフト」等といった情報であり、１つの名詞に対して複数のクラスを持つようにしてもよい。

図１の説明に戻って、動詞辞書記憶部１２２は、動詞ごとに語義とクラスと点数とを対応付けて記憶する。図３は、動詞辞書記憶部の一例を示す図である。図３に示すように、動詞辞書記憶部１２２は、「動詞」、「語義」、「クラス」、「点数」といった項目を有する。動詞辞書記憶部１２２は、例えば、動詞ごとに１つ以上の語義、クラスおよび点数を対応付けて記憶する。

「動詞」は、例えば、「走る」、「立つ」というように動作や状態を表す動詞を示す情報である。なお、「動詞」は、活用形を含むようにしてもよい。「語義」は、文中で動詞がどの様な意味として用いられているか、すなわち具体的な意味であるか抽象的な意味であるかを示す情報である。「クラス」は、例えば、「人」、「物」、「ソフト」等といった情報であり、名詞辞書記憶部１２１の名詞のクラスに対応する。「点数」は、動詞の語義と、名詞のクラスとの組み合わせに応じた評価情報である。すなわち、動詞辞書記憶部１２２は、例えば、「格ＸにクラスＹに属する名詞が来たらＺ点」といった評価情報を記憶する。なお、「点数」は、日本語としてもっともらしい場合に高い値となるように値が決定される。

図３の例では、動詞「走った」が、語義「具体的」と「抽象的」とを有し、語義「具体的」について、クラス「人」および「その他」の場合における点数が、それぞれ「＋５」点および「０」点であることを示す。また、図３の例では、語義「抽象的」について、クラス「ソフト」、「計画」および「その他」の場合における点数が、それぞれ「＋４」点、「＋３」点および「０」点であることを示す。

図１の説明に戻って、語義マスク記憶部１２３は、動詞の複数の語義のうち、マスクされる語義とクラス、つまり選出されない語義とクラスとを、動詞に対応付けて記憶する。図４は、語義マスク記憶部の一例を示す図である。図４に示すように、語義マスク記憶部１２３は、「動詞」、「語義」、「クラス」といった項目を有する。

「動詞」は、複数の語義を有し、１つ以上の語義またはクラスがマスクされる動詞を示す情報である。「語義」は、選出されない語義、または、選出されないクラスが属する語義を示す情報である。「クラス」は、選出されないクラスを示す情報である。図４の例では、複数の語義を有する動詞「走った」のうち、語義「抽象的」に属するクラス「計画」をマスクすることを示す。

図１の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。制御部１３０は、抽出部１３１と、算出部１３２と、選別部１３３と、選択部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

抽出部１３１は、入力部１１０から文が入力されると、入力された文に対して形態素解析および文節分割を実行する。抽出部１３１は、形態素解析および文節分割の実行結果に基づいて、文中から複数の語義がある述語について、述語に対する格補語候補を抽出する。抽出部１３１は、抽出した格補語候補を述語に対応付けて算出部１３２に出力する。なお、以下の説明では、述語が動詞である場合について説明する。

算出部１３２は、抽出部１３１から対応付けられた述語および格補語候補が入力された場合、または、選別部１３３から判定指示が入力された場合には、述語ごとに未選択の格補語候補があるか否かを判定する。算出部１３２は、入力された全ての述語について未選択の格補語候補がない場合には、マスク記憶指示を選別部１３３に出力する。

算出部１３２は、入力された述語について未選択の格補語候補がある場合には、当該述語にかかる未選択の格補語候補を１つ選択する。算出部１３２は、格補語候補が１つ選択されると、当該述語の語義のうち、未選択の語義があるか否かを判定する。算出部１３２は、未選択の語義がある場合には、未選択の語義を１つ選択する。算出部１３２は、名詞辞書記憶部１２１および動詞辞書記憶部１２２を参照し、選択された格補語候補と語義の各クラスとの組み合わせ点数を算出する。算出部１３２は、未選択の語義がない場合には、算出された組み合わせ点数と格補語候補と語義のクラスとを選別部１３３に出力する。

選別部１３３は、算出部１３２から組み合わせ点数と格補語候補と語義のクラスとが入力されると、選択された格補語候補について、当該格補語候補のうち組み合わせ点数が最高点となる語義のクラスを選出する。選別部１３３は、組み合わせ点数が最高点となる語義のクラスを選出すると、算出部１３２に未選択の格補語候補の有無を判定する判定指示を出力する。

また、選別部１３３は、算出部１３２からマスク記憶指示が入力されると、どの格補語候補についても組み合わせ点数が最高点とならない語義のクラスを、語義マスクとして語義マスク記憶部１２３に記憶する。すなわち、選別部１３３は、述語の複数の語義におけるクラスのうち、選出されない語義のクラスを探索対象から除く語義マスクを語義マスク記憶部１２３に登録することで語義のクラスを選別する。なお、上述の語義のクラスは、語義が１つのクラスを有する場合、または、クラスを有さない場合には、語義のクラスに代えて語義を用いてもよい。選別部１３３は、語義マスクを語義マスク記憶部１２３に記憶すると、探索指示を選択部１３４に出力する。

選択部１３４は、選別部１３３から探索指示が入力されると、語義マスク記憶部１２３を参照し、語義マスクを用いて述語と格補語候補との関係性を探索して述語の語義を選択する。すなわち、選択部１３４は、選別された語義を用いて述語と格補語候補との関係性を探索して述語の語義を選択する。なお、探索については、参考文献（伊藤英紀.オブジェクト指向的アプローチによる係り受け/語義曖昧性解決/照応解析/述語項解析システム.研究報告自然言語処理（NL）,2014-NL-218(1),1-7(2014).）の技術を用いることができる。選択部１３４は、述語と選択された語義とを出力する。選択部１３４は、例えば出力先として、モバイルコンシェルジュ、カスタマサポートおよび翻訳ソフトウェア等の自然言語処理を用いるプログラムやソフトウェア等に対して、述語と選択された語義とを出力する。また、選択部１３４は、述語と選択された語義とを含む出力画面を生成し、表示部１１１に出力して表示させてもよい。

次に、実施例の情報処理装置１００の動作について説明する。図５は、実施例の語義選択処理の一例を示すフローチャートである。

入力部１１０は、外部記憶媒体に記憶された対象の文を読み取って、読み取った文を制御部１３０に出力する。制御部１３０の抽出部１３１は、入力部１１０から文が入力されると、入力された文に対して形態素解析および文節分割を実行する（ステップＳ１）。抽出部１３１は、形態素解析および文節分割の実行結果に基づいて、文中から複数の語義がある述語について、述語に対する格補語候補を抽出する（ステップＳ２）。抽出部１３１は、抽出した格補語候補を述語に対応付けて算出部１３２に出力する。

算出部１３２は、抽出部１３１から対応付けられた述語および格補語候補が入力された場合、または、選別部１３３から判定指示が入力された場合には、述語ごとに未選択の格補語候補があるか否かを判定する（ステップＳ３）。算出部１３２は、入力された述語について未選択の格補語候補がある場合には（ステップＳ３：肯定）、当該述語にかかる未選択の格補語候補を１つ選択する（ステップＳ４）。

算出部１３２は、格補語候補が１つ選択されると、当該述語の語義のうち、未選択の語義があるか否かを判定する（ステップＳ５）。算出部１３２は、未選択の語義がある場合には（ステップＳ５：肯定）、未選択の語義を１つ選択する（ステップＳ６）。算出部１３２は、名詞辞書記憶部１２１および動詞辞書記憶部１２２を参照し、選択された格補語候補と語義の各クラスとの組み合わせ点数を算出し（ステップＳ７）、ステップＳ５に戻る。算出部１３２は、未選択の語義がない場合には（ステップＳ５：否定）、算出された組み合わせ点数と格補語候補と語義のクラスとを選別部１３３に出力する。

選別部１３３は、算出部１３２から組み合わせ点数と格補語候補と語義のクラスとが入力されると、選択された格補語候補について、組み合わせ点数が最高点となる語義のクラスを選出する（ステップＳ８）。選別部１３３は、組み合わせ点数が最高点となる語義のクラスを選出すると、算出部１３２に未選択の格補語候補の有無を判定する判定指示を出力し、ステップＳ３に戻る。

算出部１３２は、入力された全ての述語について未選択の格補語候補がない場合には（ステップＳ３：否定）、マスク記憶指示を選別部１３３に出力する。選別部１３３は、算出部１３２からマスク記憶指示が入力されると、どの格補語候補についても組み合わせ点数が最高点とならない語義のクラスを、語義マスクとして語義マスク記憶部１２３に記憶する（ステップＳ９）。選別部１３３は、語義マスクを語義マスク記憶部１２３に記憶すると、探索指示を選択部１３４に出力する。

選択部１３４は、選別部１３３から探索指示が入力されると、語義マスク記憶部１２３を参照し、語義マスクを用いて述語と格補語候補との関係性を探索して述語の語義を選択する（ステップＳ１０）。選択部１３４は、述語と選択された語義とを出力する（ステップＳ１１）。これにより、情報処理装置１００は、語義曖昧性解決の計算量および計算時間を削減できる。

ここで、情報処理装置１００で行われる語義選択処理について具体例を挙げて説明する。

まず、入力部１１０は、外部記憶媒体に記憶された対象の文「ソフトが届いたので、彼は店へ走った」を読み取って、読み取った文を制御部１３０に出力する。制御部１３０の抽出部１３１は、入力部１１０から文が入力されると、入力された文に対して形態素解析および文節分割を実行する。抽出部１３１は、述語「走った」について、格補語候補「ソフト」と「彼」とを抽出する。なお、「店」は、同時に行われる述語項解析に基づいて、どの語義でも候補外となる。抽出部１３１は、格補語候補「ソフト」と「彼」とを述語「走った」に対応付けて算出部１３２に出力する。

算出部１３２は、抽出部１３１から述語「走った」、格補語候補「ソフト」および「彼」が入力されると、１つ目の格補語候補として「ソフト」を選択する。算出部１３２は、名詞辞書記憶部１２１を検索し、格補語候補、つまり名詞である「ソフト」のクラス「ソフト」を取得する。また、算出部１３２は、動詞辞書記憶部１２２を検索し、名詞のクラス「ソフト」に対応する、述語、つまり動詞である「走った」の語義の組み合わせ点数を算出する。算出部１３２は、語義「具体的」のクラスに「ソフト」がないため、クラス「その他」の点数「０」を取得する。つまり、算出部１３２は、動詞「走った」の語義「具体的」は、組み合わせ点数が「０」点であると算出する。

次に、算出部１３２は、語義「抽象的」のクラス「ソフト」について、クラス「ソフト」の点数「＋４」を取得する。つまり、算出部１３２は、動詞「走った」の語義「具体的」クラス「ソフト」は、組み合わせ点数が「＋４」点であると算出する。また、算出部１３２は、語義「抽象的」のクラス「計画」について、クラス「計画」の点数「＋３」を取得する。つまり、算出部１３２は、動詞「走った」の語義「具体的」クラス「計画」は、組み合わせ点数が「＋３」点であると算出する。算出部１３２は、動詞「走った」について、格補語候補「ソフト」は、語義「具体的」が「０」点、語義「抽象的」クラス「ソフト」が「＋４」点、および、語義「抽象的」クラス「計画」が「＋３」点であることを示す情報を選別部１３３に出力する。

選別部１３３には、算出部１３２から動詞「走った」について、格補語候補「ソフト」は、語義「具体的」が「０」点、語義「抽象的」クラス「ソフト」が「＋４」点、および、語義「抽象的」クラス「計画」が「＋３」点であることを示す情報が入力される。選別部１３３は、格補語候補「ソフト」について、組み合わせ点数が最高点である語義「抽象的」クラス「ソフト」を選出するとともに、算出部１３２に判定指示を出力する。

算出部１３２は、選別部１３３から判定指示が入力されると、２つ目の格補語候補として「彼」を選択する。算出部１３２は、名詞辞書記憶部１２１を検索し、格補語候補、つまり名詞である「彼」のクラス「人」を取得する。また、算出部１３２は、動詞辞書記憶部１２２を検索し、名詞のクラス「人」に対応する、述語、つまり動詞である「走った」の語義の組み合わせ点数を算出する。算出部１３２は、語義「具体的」のクラスについて、クラス「人」の点数「＋５」を取得する。つまり、算出部１３２は、動詞「走った」の語義「具体的」クラス「人」は、組み合わせ点数が「＋５」点であると算出する。

次に、算出部１３２は、語義「抽象的」のクラスに「人」がないため、クラス「その他」の点数「０」を取得する。つまり、算出部１３２は、動詞「走った」の語義「抽象的」は、組み合わせ点数が「０」点であると算出する。算出部１３２は、動詞「走った」について、格補語候補「彼」は、語義「具体的」クラス「人」が「＋５」点、語義「抽象的」が「０」点であることを示す情報を選別部１３３に出力する。

選別部１３３には、算出部１３２から動詞「走った」について、格補語候補「彼」は、語義「具体的」クラス「人」が「＋５」点、語義「抽象的」が「０」点であることを示す情報が入力される。選別部１３３は、格補語候補「彼」について、組み合わせ点数が最高点である語義「具体的」クラス「人」を選出するとともに、算出部１３２に判定指示を出力する。

算出部１３２は、選別部１３３から判定指示が入力されると、述語である動詞「走った」の未選択の格補語候補がないため、マスク記憶指示を選別部１３３に出力する。

選別部１３３には、算出部１３２からマスク記憶指示が入力される。選別部１３３は、動詞「走った」について、どの格補語候補についても組み合わせ点数が最高点とならない語義のクラスである、語義「抽象的」クラス「計画」を語義マスクとして語義マスク記憶部１２３に記憶する。選別部１３３は、語義マスクを語義マスク記憶部１２３に記憶すると、探索指示を選択部１３４に出力する。

選択部１３４は、選別部１３３から探索指示が入力されると、語義マスク記憶部１２３を参照し、語義マスクを用いて述語「走った」について、格補語候補「ソフト」および「彼」と、語義「具体的（人）」および「抽象的（ソフト）」との関係性を探索する。なお、ここでは、クラスは語義に含めて表現する。すなわち、選択部１３４は、格補語候補２つ×語義２つ＝４通り探索する。なお、従来では、語義「走った」の「抽象的（計画）」がマスクされていないので、格補語候補２つ×語義３つ＝６通り探索することになる。従って、本具体例では、６−４＝２通り分の計算量および計算時間が削減できることになる。

選択部１３４は、探索の結果、述語「走った」と選択された語義「具体的」とを出力する。選択部１３４は、例えば、出力画面に「「走った」は「具体的」です。」といったメッセージを出力する。

なお、上記実施例では、各格補語候補について、組み合わせ点数が最高点となる語義を選出したが、これに限定されない。例えば、最高点が所定の点数、例えば２点以下となる語義を探索対象から除くことで語義を選別するようにしてもよい。すなわち、組み合わせ点数が所定の点数以下の語義を語義マスクに登録するようにしてもよい。

このように、情報処理装置１００は、文中から複数の語義がある述語について格補語候補を抽出する。また、情報処理装置１００は、述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された格補語候補ごとに各語義との組み合わせ点数を算出する。また、情報処理装置１００は、各格補語候補について組み合わせ点数に基づいて、語義を選別する。また、情報処理装置１００は、選別された語義を用いて述語と格補語候補との関係性を探索して述語の語義を選択する。その結果、語義曖昧性解決の計算量および計算時間を削減できる。

また、情報処理装置１００は、各格補語候補について、該各格補語候補のうち組み合わせ点数が最高点となる語義を選出し、複数の語義のうち選出されない語義を探索対象から除くことで語義を選別する。その結果、語義曖昧性解決の計算量および計算時間を削減できる。

また、情報処理装置１００は、選出されない語義を語義マスクに登録する。また、情報処理装置１００は、語義マスクを用いて述語と格補語候補との関係性を探索して述語の語義を選択する。その結果、語義曖昧性解決の計算量および計算時間を削減できる。

また、情報処理装置１００は、さらに、最高点が所定の点数以下となる語義を探索対象から除くことで語義を選別する。その結果、より適切に語義を選別できるので、語義曖昧性解決の計算量および計算時間を削減できる。

なお、上記実施例では、情報処理装置１００の一例として、タブレット端末やパーソナルコンピュータ等を挙げたが、これに限定されない。例えば、クライアント−サーバ型システムとしてもよく、クライアント端末で入力された文がサーバに送信され、サーバ側で実行された語義選択処理の結果がクライアント端末に送信されるようにしてもよい。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、算出部１３２と選別部１３３とを統合してもよい。また、図示した各処理は、上記の順番に限定されるものではなく、処理内容を矛盾させない範囲において、同時に実施してもよく、順序を入れ替えて実施してもよい。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図６は、情報処理プログラムを実行するコンピュータの一例を示す図である。

図６に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、データ入力を受け付ける入力装置２０２と、モニタ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る媒体読取装置２０４と、各種装置と接続するためのインタフェース装置２０５と、他の情報処理装置等と有線または無線により接続するための通信装置２０６とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０７と、ハードディスク装置２０８とを有する。また、各装置２０１〜２０８は、バス２０９に接続される。

ハードディスク装置２０８には、図１に示した抽出部１３１、算出部１３２、選別部１３３および選択部１３４の各処理部と同様の機能を有する情報処理プログラムが記憶される。また、ハードディスク装置２０８には、名詞辞書記憶部１２１、動詞辞書記憶部１２２、語義マスク記憶部１２３、および、情報処理プログラムを実現するための各種データが記憶される。入力装置２０２は、例えば、コンピュータ２００のユーザから操作情報等の各種情報の入力を受け付ける。モニタ２０３は、例えば、コンピュータ２００のユーザに対して出力画面等の各種画面を表示する。媒体読取装置２０４は、記憶媒体から文を読み取る。インタフェース装置２０５は、例えば印刷装置等が接続される。通信装置２０６は、例えば、図示しないネットワークと接続され、他の情報処理装置と各種情報をやりとりする。

ＣＰＵ２０１は、ハードディスク装置２０８に記憶された各プログラムを読み出して、ＲＡＭ２０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を図１に示した抽出部１３１、算出部１３２、選別部１３３および選択部１３４として機能させることができる。

なお、上記の情報処理プログラムは、必ずしもハードディスク装置２０８に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこの情報処理プログラムを記憶させておき、コンピュータ２００がこれらから情報処理プログラムを読み出して実行するようにしてもよい。

以上、本実施例を含む実施の形態に関し、さらに以下の付記を開示する。

（付記１）文中から複数の語義がある述語について格補語候補を抽出し、
前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出し、
前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別し、
選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
処理をコンピュータが実行することを特徴とする情報処理方法。

（付記２）前記選別する処理は、前記各格補語候補について、該各格補語候補のうち前記組み合わせ点数が最高点となる前記語義を選出し、前記複数の語義のうち選出されない前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記１に記載の情報処理方法。

（付記３）前記選別する処理は、前記選出されない前記語義を語義マスクに登録し、
前記選択する処理は、前記語義マスクを用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
ことを特徴とする付記２に記載の情報処理方法。

（付記４）前記選別する処理は、さらに、前記最高点が所定の点数以下となる前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記２または３に記載の情報処理方法。

（付記５）文中から複数の語義がある述語について格補語候補を抽出し、
前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出し、
前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別し、
選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
処理をコンピュータに実行させることを特徴とする情報処理プログラム。

（付記６）前記選別する処理は、前記各格補語候補について、該各格補語候補のうち前記組み合わせ点数が最高点となる前記語義を選出し、前記複数の語義のうち選出されない前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記５に記載の情報処理プログラム。

（付記７）前記選別する処理は、前記選出されない前記語義を語義マスクに登録し、
前記選択する処理は、前記語義マスクを用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
ことを特徴とする付記６に記載の情報処理プログラム。

（付記８）前記選別する処理は、さらに、前記最高点が所定の点数以下となる前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記６または７に記載の情報処理プログラム。

（付記９）文中から複数の語義がある述語について格補語候補を抽出する抽出部と、
前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出する算出部と、
前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別する選別部と、
選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する選択部と、
を有することを特徴とする情報処理装置。

（付記１０）前記選別部は、前記各格補語候補について、該各格補語候補のうち前記組み合わせ点数が最高点となる前記語義を選出し、前記複数の語義のうち選出されない前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記９に記載の情報処理装置。

（付記１１）前記選別部は、前記選出されない前記語義を語義マスクに登録し、
前記選択部は、前記語義マスクを用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
ことを特徴とする付記１０に記載の情報処理装置。

（付記１２）前記選別部は、さらに、前記最高点が所定の点数以下となる前記語義を探索対象から除くことで前記語義を選別する、
ことを特徴とする付記１０または１１に記載の情報処理装置。

１００ 情報処理装置
１１０ 入力部
１１１ 表示部
１１２ 操作部
１２０ 記憶部
１２１ 名詞辞書記憶部
１２２ 動詞辞書記憶部
１２３ 語義マスク記憶部
１３０ 制御部
１３１ 抽出部
１３２ 算出部
１３３ 選別部
１３４ 選択部

Claims (6)

1. 文中から複数の語義がある述語について格補語候補を抽出し、
   前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出し、
   前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別し、
   選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
   処理をコンピュータが実行することを特徴とする情報処理方法。
2. 前記選別する処理は、前記各格補語候補について、該各格補語候補のうち前記組み合わせ点数が最高点となる前記語義を選出し、前記複数の語義のうち選出されない前記語義を探索対象から除くことで前記語義を選別する、
   ことを特徴とする請求項１に記載の情報処理方法。
3. 前記選別する処理は、前記選出されない前記語義を語義マスクに登録し、
   前記選択する処理は、前記語義マスクを用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
   ことを特徴とする請求項２に記載の情報処理方法。
4. 前記選別する処理は、さらに、前記最高点が所定の点数以下となる前記語義を探索対象から除くことで前記語義を選別する、
   ことを特徴とする請求項２または３に記載の情報処理方法。
5. 文中から複数の語義がある述語について格補語候補を抽出し、
   前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出し、
   前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別し、
   選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する、
   処理をコンピュータに実行させることを特徴とする情報処理プログラム。
6. 文中から複数の語義がある述語について格補語候補を抽出する抽出部と、
   前記述語の語義ごとに名詞との組み合わせ点数を記した辞書に基づいて、抽出された前記格補語候補ごとに前記各語義との組み合わせ点数を算出する算出部と、
   前記各格補語候補について前記組み合わせ点数に基づいて、前記語義を選別する選別部と、
   選別された前記語義を用いて前記述語と前記格補語候補との関係性を探索して前記述語の前記語義を選択する選択部と、
   を有することを特徴とする情報処理装置。

Images