JP2018032187A

JP2018032187A - 正式名称・省略表現リスト生成装置、正式名称・省略表現リスト生成方法、プログラム

Info

Publication number: JP2018032187A
Application number: JP2016163366A
Authority: JP
Inventors: 亮増村; Akira Masumura; 中村　孝; Takashi Nakamura; 孝中村; 伊藤　彰則; Akinori Ito; 彰則伊藤
Original assignee: Tohoku University NUC; Nippon Telegraph and Telephone Corp
Current assignee: Tohoku University NUC; Nippon Telegraph and Telephone Corp
Priority date: 2016-08-24
Filing date: 2016-08-24
Publication date: 2018-03-01
Anticipated expiration: 2036-08-24
Also published as: JP6651183B2

Abstract

【課題】世の中で使われたことがある省略表現を正式名称とのペアとするリストを生成する正式名称・省略表現リスト生成装置を提供する。【解決手段】正式名称記録部１９０に記録された正式名称のリストである正式名称リストと、正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、正式名称と固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置１０５であって、固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、固有表現リストの要素である固有表現Ｃが正式名称リストの要素である正式名称の省略表現になっているか判断し、固有表現Ｃが正式名称リストのある正式名称Ｄの省略表現になっている場合には、正式名称Ｄと固有表現Ｃのペアを要素とするリストである正式名称・省略表現リストを生成するリスト照合部１２０とを含む。【選択図】図３

Description

本発明は、地名や組織名などについての正式名称と省略表現のペアを要素とするリストを自動的に生成する技術に関する。

音声認識や音声対話・機械翻訳などの言語処理においては、固有名詞の言語理解が重要である。その際に、表現としては異なるが同一の意味を持つ用語が存在する。これらは、基本的に正式名称と省略表現に分けることができる。

音声認識や音声対話・機械翻訳などの言語処理では、言語理解の際に、地名や組織名などについては、その省略表現から正式名称をたどる処理や省略表現と正式名称が同一のものを指示するのかを判断する処理をしばしば行うことで、頑健な処理系統を実現する。これらの処理を実現するためには、どの省略表現がどの正式名称に対応付いているかを示す（正式名称と省略表現のペアの）リストを持つことが重要になる。

ここでは、地域災害情報入力のための音声認識を例に挙げてそのリストの重要性を説明する。災害時における被害状況の把握、被災者の救護、国や周辺自治体への救援要請、避難所の管理などの地域災害情報には、場所や施設などの情報が必ず含まれるため、当該地域における地名、組織名などの音声認識が必要不可欠である。しかしながら、地域に特化した地名や組織名などは大量にあるため、一般の音声認識器の辞書には、これらの地名や組織名などの必要な固有表現が網羅されていない。そこで、他の情報源から地名・組織名などを取得し、それらを音声認識器の辞書に追加しておき、地域災害情報入力に必要な音声認識器を構築しておくことが、実用上は必要となる。

その際、地名・組織名などを取得するためのリストが必要であるが、整備されているデータベースには、一般的に地名・組織名などの正式名称のみが登録されている。地名・組織名などの正式名称のみを音声認識器の辞書に追加するだけでは、実際の発話に対応することができない。その理由は、実際の発話では地名・組織名などの正式名称の省略表現を用いて発話することが多いからである。例えば、「日本電信電話公社」という正式名称に対して、「電電公社」という省略表現が使われることがある。また、「○○高等学校」という正式名称に対して、「○○高校」や「○○高」などの省略表現が使われることもある。

このような状況を鑑みて、正式名称のデータベースを用いて、正式名称に対応する省略表現のデータベースを作る取組みがある。非特許文献１では、地名・組織名などの固有表現の正式名称から実際に発話される省略表現を推定することでデータベースを作成する方法を開示しており、実際に推定した省略表現を音声認識器の辞書に追加することで、音声認識性能の向上を報告している。

K. Shiga, T. Nose, A. Ito, R. Masumura and H. Masataki, "Automatic Generation of Proper Noun Entries in a Speech Recognizer for Local Information Recognition", Proc. 12th Western Pacific Acoustic Conference 2015 (WESPAC 2015), pages 486-490-a, Singapore, 2015.

非特許文献１では、正式名称から自動的に省略表現を作成し、正式名称と省略表現のペアを生成していく方法を示しているが、作成した省略表現が実際に世の中で使われている省略表現であるのかについては評価することはできていない。したがって、全く世の中で使われたことのないような省略表現を正式名称とのペアとして生成してしまう可能性がある。

そこで本発明では、世の中で使われたことがある省略表現を正式名称とのペアとするリストを生成する正式名称・省略表現リスト生成装置を提供することを目的とする。

本発明の一態様は、正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、前記固有表現リストの要素である固有表現Ｃが前記正式名称リストの要素である正式名称の省略表現になっているか判断し、前記固有表現Ｃが前記正式名称リストのある正式名称Ｄの省略表現になっている場合には、前記正式名称Ｄと前記固有表現Ｃのペアを要素とするリストである正式名称・省略表現リストを生成するリスト照合部とを含む。

本発明の一態様は、正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）とし、前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する文字表現照合部と、前記文字表現照合部により前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成部とを含む。

本発明の一態様は、正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）、前記固有表現の形態素表現をＣ＝Ｃ_１・Ｃ_２・…・Ｃ_Ｎ（ただし、Ｎは１以上の整数、Ｃ_ｉ（１≦ｉ≦Ｎ）は形態素）、前記正式名称の形態素表現をＤ＝Ｄ_１・Ｄ_２・…・Ｄ_Ｍ（ただし、Ｍは１以上の整数（Ｎ＜Ｍ）、Ｄ_ｊ（１≦ｊ≦Ｍ）は形態素）とし、前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現の可能性があると判断する文字表現照合部と、前記文字表現照合部により前記正式名称Ｄの省略表現の可能性があると判断された前記固有表現Ｃと前記正式名称Ｄに対して、１≦Ｋ_１＜…＜Ｋ_Ｎ≦Ｍを満たすインデックス（Ｋ_１，…，Ｋ_Ｎ）が存在し、すべての１≦ｉ≦ＮについてＣ_ｉ＝Ｄ_Ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する形態素表現照合部と、前記形態素表現照合部により前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成部とを含む。

本発明によれば、公開されているテキストデータから抽出した固有表現の中から正式名称の省略表現を選択することにより、正式名称と世の中で使われたことがある省略表現のペアを要素とするリストを自動的に生成することが可能となる。

固有表現抽出機能付正式名称・省略表現リスト生成装置１００の構成を示すブロック図。固有表現抽出機能付正式名称・省略表現リスト生成装置１００の動作を示すフローチャート。正式名称・省略表現リスト生成装置１０５の構成を示すブロック図。正式名称・省略表現リスト生成装置１０５の動作を示すフローチャート。正式名称・省略表現リスト生成装置１０５ａの構成を示すブロック図。正式名称・省略表現リスト生成装置１０５ａの動作を示すフローチャート。

以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。

＜記法＞
_（アンダースコア）は下付き添字を表す。例えば、x^y_zはy_zがxに対する上付き添字であり、x_{y_z}はy_zがxに対する下付き添字であることを表す。

＜本発明の要点＞
本発明では、地名・組織名に関する正式名称リストが必要である。また、大規模テキストデータを用意する必要がある。大規模テキストデータとして、例えば、Ｗｅｂ上のテキストデータやＴｗｉｔｔｅｒのデータなどインターネットで収集できるテキストデータのような公開されているテキストデータを使用する。本発明では、このように実際に使用されている大規模テキストデータから、省略表現の候補となり得る固有表現を抽出し、抽出した固有表現各々について正式名称リスト中の正式名称と対応がとれるかどうかを評価する。その際、正式名称の省略表現として適さないものを間違えてリスト化しないようにするための制約を導入する。

なお、１つの省略表現に対して対応する正式名称は１つとは限らない。例えば、「吉田商店」という省略表現のように、「吉田商店新潟店」「吉田商店仙台店」など複数の正式名称に対応付けられる場合が存在する。

＜実施形態１＞
以下、図１〜図４を参照して固有表現抽出機能付正式名称・省略表現リスト生成装置１００について説明する。図１は、固有表現抽出機能付正式名称・省略表現リスト生成装置１００の構成を示すブロック図である。図２は、固有表現抽出機能付正式名称・省略表現リスト生成装置１００の動作を示すフローチャートである。図１に示すように、固有表現抽出機能付正式名称・省略表現リスト生成装置１００は、固有表現抽出部１１０と、正式名称・省略表現リスト生成装置１０５を含む。正式名称・省略表現リスト生成装置１０５は、リスト照合部１２０と、正式名称記録部１９０を含む。正式名称記録部１９０には、地名・組織名などの正式名称のリスト（以下、正式名称リストという）が記録されている。正式名称記録部１９０に記録されている正式名称の数をＪとする（ただし、Ｊは１以上の整数）。

また、図３は、正式名称・省略表現リスト生成装置１０５の構成を示すブロック図である。図４は、正式名称・省略表現リスト生成装置１０５の動作を示すフローチャートである。図３に示すように、正式名称・省略表現リスト生成装置１０５のリスト照合部１２０は、文字表現照合部１２１と、形態素表現照合部１２２と、正式名称・省略表現リスト生成部１２３を含む。

固有表現抽出機能付正式名称・省略表現リスト生成装置１００は、公開されているテキストデータ（例えば、Ｗｅｂ上のテキストなど大規模テキストデータ）と正式名称リストを用いて、正式名称と省略表現のペアのリストを生成する。

なお、固有表現抽出機能付正式名称・省略表現リスト生成装置１００が固有表現を抽出するテキストデータは、インターネット上のテキストデータに限られるものではない。実際に用いられているテキストデータ、公開されているテキストデータであればどのようなものでもよい。

以下、固有表現抽出部１１０、リスト照合部１２０について説明する。

＜固有表現抽出部１１０＞
入力：（公開されている）テキストデータ
出力：Ｋ種類の固有表現（固有表現リスト）
固有表現抽出部１１０は、Ｗｅｂ上のテキストデータなどのテキストデータの中から固有表現を抽出し、正式名称の省略表現の候補としてリスト化する（Ｓ１１０）。つまり、固有表現リストを生成する。固有表現抽出部１１０は、例えば、参考非特許文献１の技術を用いて構成することができる。ただし、これに限定されるものではなく、任意の固有表現抽出技術を用いてよい。
（参考非特許文献１：工藤拓、松本裕治，“チャンキングの段階適用による日本語係り受け解析”，情報処理学会論文誌，Vol.43，No.6，pp.1834-1842，2002.）

抽出される固有表現には、地名、組織名などの他、人名、日付表現、時間表現、金額表現、割合表現などが含まれることがある。例えば、「今日は吉田商店に行きます。」というテキストデータから固有表現を抽出すると、「今日」、「吉田商店」という２つの固有表現が抽出される。「吉田商店」は組織名の固有表現となるが、「今日」は地名・組織名の固有表現に該当しない。つまり、一般には正式名称の省略表現として適切でないものも抽出されうる。なお、Ｋは１以上の整数としてよい。この例では、Ｋ＝２となっている。

なお、同一の固有表現が入力したテキストデータから何度も抽出されることもあり得るが、種類としては１つとなる。したがって、固有表現抽出部１１０は抽出した固有表現のダブりをなくすための処理を行ってもよい。

＜リスト照合部１２０＞
入力：固有表現リスト、正式名称リスト
出力：正式名称・省略表現リスト
リスト照合部１２０は、Ｋ種類の固有表現を含む固有表現リストとＪ種類の正式名称を含む正式名称リストから、正式名称・省略表現リストを生成する（Ｓ１２０）。正式名称リストは、正式名称記録部１９０から読み出される。正式名称・省略表現リストは、正式名称とその省略表現として正しい固有表現のペアのリストのことである。例えば、正式名称リストに「吉田商店新潟店」が含まれている場合、「吉田商店新潟店−吉田商店」が正式名称とその省略表現たる固有表現のペアとなる。また、（「吉田商店新潟店−吉田商店」，「日本電信電話株式会社−電電公社」）などがリストの例となる。

リスト照合部１２０は、Ｋ種類の固有表現とＪ種類の正式名称の組み合わせ（つまり、Ｋ×Ｊ種類の固有表現と正式名称の組）に対して、文字表現上の照合、形態素表現上の照合の２つの照合処理を行う。したがって、文字表現照合部１２１、形態素表現照合部１２２による各処理は、Ｋ×Ｊ回行われることになる。最後に、正式名称・省略表現リスト生成部１２３は、２つの照合結果に基づいて正式名称・省略表現リストを生成する。

以下、文字表現照合部１２１、形態素表現照合部１２２、正式名称・省略表現リスト生成部１２３について説明する。

＜文字表現照合部１２１＞
入力：固有表現、正式名称
出力：固有表現、正式名称、文字表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
文字表現照合部１２１は、正式名称の文字列からいくつかの文字を削除することで、固有表現の文字列と一致する文字列が生成できる場合、固有表現は正式名称の省略表現の候補であると判断してＴＲＵＥを、そうでない場合はＦＡＬＳＥを文字表現照合結果として生成する（Ｓ１２１）。

ここで、固有表現の文字列（文字表現）をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、正式名称の文字列（文字表現）をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）とする。つまり、固有表現Ｃにはｎ個の文字が、正式名称Ｄにはｍ個の文字が含まれているとする。例えば、固有表現Ｃが「吉田商店」であれば、ｃ_１＝「吉」、ｃ_２＝「田」、ｃ_３＝「商」、ｃ_４＝「店」となり、ｎ＝４となる。

固有表現Ｃ、正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、すなわち、固有表現Ｃのすべての文字が正式名称Ｄの文字としてこの順に含まれるときに、固有表現Ｃは正式名称Ｄの省略表現の可能性があると判断し、ＴＲＵＥという文字表現照合結果を生成する。一方、このようなインデックス（ｋ_１，…，ｋ_ｎ）が存在しない場合は、文字表現照合結果をＦＡＬＳＥとする。

また、ｄ_ｋ＿ｉ（１≦ｉ≦ｎ）のうちＲ％の文字は互いに隣接する文字でなければ固有表現Ｃは正式名称Ｄの省略表現としてみなさないという制約を課してもよい。この制約は、省略表現には正式名称の隣接する文字が一定割合出現することに対応するものである。この制約を満たさない場合は、上記インデックスが存在する場合であっても、文字表現照合結果をＦＡＬＳＥとする。例えば、Ｒの値を５０とすると、半数以上が隣接する文字とならないと、正式名称の省略表現の候補とならないことになる。

＜形態素表現照合部１２２＞
入力：固有表現、正式名称、文字表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
出力：固有表現、正式名称、形態素表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
形態素表現照合部１２２は、文字表現照合結果がＦＡＬＳＥの場合は、形態素表現照合結果もＦＡＬＳＥとする。一方、文字表現照合結果がＴＲＵＥの場合は、正式名称の形態素列からいくつかの形態素を削除することで、固有表現の形態素列と一致する形態素の列が生成できる場合、固有表現は正式名称の省略表現であると判断してＴＲＵＥを、そうでない場合はＦＡＬＳＥを形態素表現照合結果として生成する（Ｓ１２２）。

ここで、固有表現Ｃの形態素列（つまり、Ｃを形態素に分割し、生成できる列である形態素表現）をＣ_１・Ｃ_２・…・Ｃ_Ｎ（ただし、Ｎは１以上の整数、Ｃ_ｉ（１≦ｉ≦Ｎ）は形態素）、正式名称Ｄの形態素列（つまり、Ｄを形態素に分割し、生成できる列である形態素表現）をＤ_１・Ｄ_２・…・Ｄ_Ｍ（ただし、Ｍは１以上の整数（Ｎ＜Ｍ）、Ｄ_ｊ（１≦ｊ≦Ｍ）は形態素）する。例えば、固有表現Ｃが「吉田商店」であれば、Ｃ_１＝「吉田」、Ｃ_２＝「商店」となり、Ｎ＝２となる。

固有表現Ｃと正式名称Ｄに対して、１≦Ｋ_１＜…＜Ｋ_Ｎ≦Ｍを満たすインデックス（Ｋ_１，…，Ｋ_Ｎ）が存在し、すべての１≦ｉ≦ＮについてＣ_ｉ＝Ｄ_Ｋ＿ｉとなるとき、すなわち、固有表現Ｃのすべての形態素が正式名称Ｄの形態素としてこの順に含まれるときに、固有表現Ｃは正式名称Ｄの省略表現であると判断し、ＴＲＵＥという形態素表現照合結果を生成する。一方、このようなインデックス（Ｋ_１，…，Ｋ_Ｎ）が存在しない場合は、形態素表現照合結果をＦＡＬＳＥとする。

なお、形態素解析処理には、例えば、参考非特許文献２の技術を用いることができる。ただし、これに限定されるものではなく、任意の形態素解析技術を用いてよい。
（参考非特許文献２：T. Fuchi and S. Takagi, “Japanese morphological analyzer using word co-occurrence: JTAG”, In Proc. COLING ’98, pp.409-413, 1998.）

また、形態素解析に際して、単語の品詞情報もあわせて得ることができる場合、その品詞情報を含めて形態素の間に対応関係があるかどうかを判断し、形態素照合結果を生成することとしてもよい。つまり、Ｃ_ｉ＝Ｄ_Ｋ＿ｉ（１≦ｉ≦Ｎ）となるＣ_ｉとＤ_Ｋ＿ｉとの品詞情報に対応関係があるとき、形態素照合結果をＴＲＵＥとする。品詞情報とは、例えば、固有名詞（例：吉田）、普通名詞（例：商店）などである。また、対応関係があるとは、一致することをいう。

＜正式名称・省略表現リスト構成部１２３＞
入力：固有表現、正式名称、形態素表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
出力：正式名称・省略表現リスト
正式名称・省略表現リスト構成部１２３は、Ｋ×Ｊ個の固有表現、正式名称、形態素表現照合結果の組の中から、形態素表現照合結果がＴＲＵＥとなっている固有表現と正式名称の組を抽出し、正式名称・省略表現リストを生成する（Ｓ１２３）。正式名称・省略表現リストは、形態素表現照合結果がＴＲＵＥ（したがって、文字表現照合結果もＴＲＵＥ）となった、正式名称と固有表現のペアのリストである。

なお、１つの省略表現に対応する正式名称が複数存在する場合、そのことを許容してリスト化が行われることになる。

＜実施形態２＞
実施形態１では、固有表現が正式名称の省略表現となっているかを２つの観点から照合することで判断している。つまり、文字表現照合部１２１では、文字を単位として順序も考慮したうえで「すべての文字が含まれるかどうか」という観点から照合し、形態素表現照合部１２２では、形態素を単位として順序も考慮したうえで「すべての形態素が含まれるかどうか」という観点から照合している。これは、固有表現Ｃと正式名称Ｄとの対応が形態素としてみたときも無意味な対応であってはならないという要請にこたえるものである。

しかし、当該要請を考慮せず、単に文字を単位として照合するだけで十分な場合もある。この場合は、文字表現照合部１２１がＴＲＵＥと判断した固有表現と正式名称の組から、正式名称・省略表現リスト構成部１２３が正式名称・省略表現リストを生成するようにすればよい（図５、図６参照）。

＜文字表現照合部１２１＞
入力：固有表現、正式名称
出力：固有表現、正式名称、文字表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
文字表現照合部１２１は、正式名称の文字列からいくつかの文字を削除することで、固有表現の文字列と一致する文字列が生成できる場合、固有表現は正式名称の省略表現であると判断してＴＲＵＥを、そうでない場合はＦＡＬＳＥを文字表現照合結果として生成する（Ｓ１２１）。

＜正式名称・省略表現リスト構成部１２３＞
入力：固有表現、正式名称、文字表現照合結果（ＴＲＵＥ／ＦＡＬＳＥ）の組
出力：正式名称・省略表現リスト
正式名称・省略表現リスト構成部１２３は、Ｋ×Ｊ個の固有表現、正式名称、文字表現照合結果の組の中から、文字表現照合結果がＴＲＵＥとなっている固有表現と正式名称の組を抽出し、正式名称・省略表現リストを生成する（Ｓ１２３）。

本発明によれば、正式名称と実際に世の中で使われたことがある省略表現のペアを要素とするリストを生成することができる。作成したリストを音声認識に適用する場合、省略表現を音声認識器の辞書に追加することになるが、実際に使われたことがある省略表現のみを辞書に追加することが可能となる。省略表現が辞書に追加されることにより、音声認識性能の向上が期待できる。また、実際に使われたことがない省略表現は追加対象とならないため、無駄に辞書サイズを増やすことを避けることもできる。

なお、地名・組織名などを念頭に説明を行ってきたが、本発明は、地名・組織名の正式名称と省略表現の候補である固有表現に限定されるものではない。正式名称と固有表現が文字列解析や形態素解析の対象となるものであれば、本発明を適用することが可能である。

また、本発明は省略表現の候補を絞る方法と考えることもできるため、当該方法で候補を絞った後に、非特許文献１の技術を適用することも可能であり、この場合は、相乗効果を得ることができる。

＜補記＞
本発明の装置は、例えば単一のハードウェアエンティティとして、キーボードなどが接続可能な入力部、液晶ディスプレイなどが接続可能な出力部、ハードウェアエンティティの外部に通信可能な通信装置（例えば通信ケーブル）が接続可能な通信部、ＣＰＵ（Central Processing Unit、キャッシュメモリやレジスタなどを備えていてもよい）、メモリであるＲＡＭやＲＯＭ、ハードディスクである外部記憶装置並びにこれらの入力部、出力部、通信部、ＣＰＵ、ＲＡＭ、ＲＯＭ、外部記憶装置の間のデータのやり取りが可能なように接続するバスを有している。また必要に応じて、ハードウェアエンティティに、ＣＤ−ＲＯＭなどの記録媒体を読み書きできる装置（ドライブ）などを設けることとしてもよい。このようなハードウェア資源を備えた物理的実体としては、汎用コンピュータなどがある。

ハードウェアエンティティの外部記憶装置には、上述の機能を実現するために必要となるプログラムおよびこのプログラムの処理において必要となるデータなどが記憶されている（外部記憶装置に限らず、例えばプログラムを読み出し専用記憶装置であるＲＯＭに記憶させておくこととしてもよい）。また、これらのプログラムの処理によって得られるデータなどは、ＲＡＭや外部記憶装置などに適宜に記憶される。

ハードウェアエンティティでは、外部記憶装置（あるいはＲＯＭなど）に記憶された各プログラムとこの各プログラムの処理に必要なデータが必要に応じてメモリに読み込まれて、適宜にＣＰＵで解釈実行・処理される。その結果、ＣＰＵが所定の機能（上記、…部、…手段などと表した各構成要件）を実現する。

本発明は上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。また、上記実施形態において説明した処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

既述のように、上記実施形態において説明したハードウェアエンティティ（本発明の装置）における処理機能をコンピュータによって実現する場合、ハードウェアエンティティが有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記ハードウェアエンティティにおける処理機能がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Random Access Memory）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ−Ｒ（Recordable）／ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto-Optical disc）等を、半導体メモリとしてＥＥＰ−ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、ハードウェアエンティティを構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

１００固有表現抽出機能付正式名称・省略表現リスト生成装置
１０５正式名称・省略表現リスト生成装置
１１０固有表現抽出部
１２０リスト照合部
１２１文字表現照合部
１２２形態素表現照合部
１２３正式名称・省略表現リスト生成部
１９０正式名称記録部

Claims

正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、
前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、
前記固有表現リストの要素である固有表現Ｃが前記正式名称リストの要素である正式名称の省略表現になっているか判断し、前記固有表現Ｃが前記正式名称リストのある正式名称Ｄの省略表現になっている場合には、前記正式名称Ｄと前記固有表現Ｃのペアを要素とするリストである正式名称・省略表現リストを生成するリスト照合部と
を含む正式名称・省略表現リスト生成装置。
正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、
前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、
前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）とし、
前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する文字表現照合部と、
前記文字表現照合部により前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成部と
を含む正式名称・省略表現リスト生成装置。
正式名称記録部に記録された正式名称のリストである正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成装置であって、
前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、
前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）、前記固有表現の形態素表現をＣ＝Ｃ_１・Ｃ_２・…・Ｃ_Ｎ（ただし、Ｎは１以上の整数、Ｃ_ｉ（１≦ｉ≦Ｎ）は形態素）、前記正式名称の形態素表現をＤ＝Ｄ_１・Ｄ_２・…・Ｄ_Ｍ（ただし、Ｍは１以上の整数（Ｎ＜Ｍ）、Ｄ_ｊ（１≦ｊ≦Ｍ）は形態素）とし、
前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現の可能性があると判断する文字表現照合部と、
前記文字表現照合部により前記正式名称Ｄの省略表現の可能性があると判断された前記固有表現Ｃと前記正式名称Ｄに対して、１≦Ｋ_１＜…＜Ｋ_Ｎ≦Ｍを満たすインデックス（Ｋ_１，…，Ｋ_Ｎ）が存在し、すべての１≦ｉ≦ＮについてＣ_ｉ＝Ｄ_Ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する形態素表現照合部と、
前記形態素表現照合部により前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成部と
を含む正式名称・省略表現リスト生成装置。
請求項２または３に記載の正式名称・省略表現リスト生成装置であって、
前記文字表現照合部は、
さらに、文字ｄ_ｋ＿ｉ（１≦ｉ≦ｎ）が所定の割合以上前記正式名称Ｄの中で隣接する文字となっているという条件も満たすときに、前記固有表現Ｃは前記正式名称Ｄの省略表現であるまたは省略表現の可能性があると判断する正式名称・省略表現リスト生成装置。
請求項３に記載の正式名称・省略表現リスト生成装置であって、
前記形態素表現照合部は、
さらに、すべての１≦ｉ≦Ｎについて形態素Ｃ_ｉと形態素Ｄ_Ｋ＿ｉの品詞情報に対応関係があるという条件も満たすときに、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する正式名称・省略表現リスト生成装置。
正式名称のリストである正式名称リストを記録した正式名称記録部を備えた正式名称・省略表現リスト生成装置が、前記正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成方法であって、
前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、
前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）とし、
前記正式名称・省略表現リスト生成装置が、前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する文字表現照合ステップと、
前記正式名称・省略表現リスト生成装置が、前記文字表現照合ステップにより前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成ステップと
を含む正式名称・省略表現リスト生成方法。
正式名称のリストである正式名称リストを記録した正式名称記録部を備えた正式名称・省略表現リスト生成装置が、前記正式名称リストと、前記正式名称の省略表現の候補となる固有表現のリストである固有表現リストとから、前記正式名称と前記固有表現のペアを要素とするリストである正式名称・省略表現リストを生成する正式名称・省略表現リスト生成方法であって、
前記固有表現リストは、公開されているテキストデータから抽出した固有表現のリストであり、
前記固有表現の文字表現をＣ＝ｃ_１・ｃ_２・…・ｃ_ｎ（ただし、ｎは１以上の整数、ｃ_ｉ（１≦ｉ≦ｎ）は文字）、前記正式名称の文字表現をＤ＝ｄ_１・ｄ_２・…・ｄ_ｍ（ただし、ｍは１以上の整数（ｎ＜ｍ）、ｄ_ｊ（１≦ｊ≦ｍ）は文字）、前記固有表現の形態素表現をＣ＝Ｃ_１・Ｃ_２・…・Ｃ_Ｎ（ただし、Ｎは１以上の整数、Ｃ_ｉ（１≦ｉ≦Ｎ）は形態素）、前記正式名称の形態素表現をＤ＝Ｄ_１・Ｄ_２・…・Ｄ_Ｍ（ただし、Ｍは１以上の整数（Ｎ＜Ｍ）、Ｄ_ｊ（１≦ｊ≦Ｍ）は形態素）とし、
前記正式名称・省略表現リスト生成装置が、前記固有表現Ｃと前記正式名称Ｄに対して、１≦ｋ_１＜…＜ｋ_ｎ≦ｍを満たすインデックス（ｋ_１，…，ｋ_ｎ）が存在し、すべての１≦ｉ≦ｎについてｃ_ｉ＝ｄ_ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現の可能性があると判断する文字表現照合ステップと、
前記正式名称・省略表現リスト生成装置が、前記文字表現照合ステップにより前記正式名称Ｄの省略表現の可能性があると判断された前記固有表現Ｃと前記正式名称Ｄに対して、１≦Ｋ_１＜…＜Ｋ_Ｎ≦Ｍを満たすインデックス（Ｋ_１，…，Ｋ_Ｎ）が存在し、すべての１≦ｉ≦ＮについてＣ_ｉ＝Ｄ_Ｋ＿ｉとなるとき、前記固有表現Ｃは前記正式名称Ｄの省略表現であると判断する形態素表現照合ステップと、
前記正式名称・省略表現リスト生成装置が、前記形態素表現照合ステップにより前記正式名称Ｄの省略表現であると判断された前記固有表現Ｃと前記正式名称Ｄから、前記正式名称Ｄと前記固有表現Ｃのペアを生成し、当該ペアを要素とする前記正式名称・省略表現リストを生成する正式名称・省略表現リスト生成ステップと
を含む正式名称・省略表現リスト生成方法。
請求項１ないし５のいずれか１項に記載の正式名称・省略表現リスト生成装置としてコンピュータを機能させるためのプログラム。