JP2018055491A - 言語処理装置、言語処理方法、及び言語処理プログラム - Google Patents

Abstract

【課題】複数通りの原語がある略語に対する原語をテキストの内容に応じた適切な原語に特定する。【解決手段】言語処理装置は、文書抽出部と、原語候補抽出部と、原語特定部と、を備える。文書抽出部は、テキストに含まれる略語と、略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、略語と特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出する。原語候補抽出部は、抽出した本文から略語の原語の候補を抽出する。原語特定部は、本文における原語の候補から特徴語又は特徴語の類義語までの語数に基づいて、原語の候補が略語の原語であるか否かを判定し略語の原語を特定する。【選択図】図１

Description

本発明は、言語処理装置、言語処理方法、及び言語処理プログラムに関する。

テキストデータ等の文章データに対する言語処理の１つとして、文章中の略語を原語（正式名称）に変換する処理がある。この種の言語処理は、例えば、ｗｅｂサイトの情報やニュース記事等のテキストを音声に変換して出力する情報処理装置に適用されている。

テキストを音声に変換して出力する技術の１つとして、アルファベットの文字列の読みを登録した辞書を参照し、テキストから抽出したアルファベットの文字列を辞書に登録された読みの音声に変換する方法が知られている（例えば、特許文献１を参照）。

また、略語から原語を推測する技術の１つとして、略語をキーワードとした検索で略語の部分のみが異なる単語に置き換えられた同一構文の文を抽出し、略語と対応する単語を原語候補として抽出する方法が知られている（例えば、特許文献２を参照）。

特開２００２−０２３７８２号公報 特開２０１２−１２３４５２号公報

略語のなかには、複数通りの原語が存在するものがある。例えば、「ＰＴ」という略語は、「プロジェクトチーム（Project Team）」の略語でもあり、「フィジカルセラピスト（Physical Therapist）」の略語でもある。このように、１個の略語に対する原語が複数通りある場合、テキストの内容により、略語に対する適切な原語が異なる。

しかしながら、特許文献１や特許文献２等に開示された技術では、１個の略語に対する原語が複数通りある場合に、複数通りの原語から適切な原語を特定することが困難である。このため、テキスト中の略語が不適切な原語に変換されてしまうことが多い。

１つの側面において、本発明は、複数通りの原語がある略語に対する原語を、テキストの内容に応じた適切な原語に特定することを目的とする。

１つの態様の言語処理装置は、文書抽出部と、原語候補抽出部と、原語特定部と、を備える。文書抽出部は、テキストに含まれる略語と、略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、略語と特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出する。原語候補抽出部は、抽出した本文から略語の原語の候補を抽出する。原語特定部は、本文における原語の候補から特徴語又は特徴語の類義語までの語数に基づいて、原語の候補が略語の原語であるか否かを判定し略語の原語を特定する。

上述の態様によれば、複数通りの原語がある略語に対する原語を、テキストの内容に応じた適切な原語に特定することが可能となる。

第１の実施形態に係る言語処理装置の機能的構成を示す図である。 略語テーブルの例を示す図である。 本文データベースの例を示す図である。 要約文データベースの例を示す図である。 言語間関係テーブルの例を示す図である。 第１の実施形態に係る言語処理の内容を説明するフローチャートである。 キーワード抽出処理の内容を説明するフローチャートである。 文書抽出処理の内容を説明するフローチャートである。 原語候補抽出処理の内容を説明するフローチャート（その１）である。 原語候補抽出処理の内容を説明するフローチャート（その２）である。 原語特定処理の内容を説明するフローチャートである。 第１の実施形態に係る言語処理の具体例を説明する図（その１）である。 第１の実施形態に係る言語処理の具体例を説明する図（その２）である。 文書データベースの例を示す図である。 第２の実施形態に係る言語処理における文書抽出処理の内容を説明するフローチャートである。 要約文中の略語の有無と本文中の原語の有無とのパターンを説明する図である。 第３の実施形態に係る言語処理システムのシステム構成を示す図である。 第３の実施形態に係る言語処理システムの機能的構成を示す図である。 第３の実施形態に係る言語処理システムが行う処理を説明するシーケンス図である。 第４の実施形態に係る言語処理システムの機能的構成を示す図である。 第４の実施形態に係る言語処理システムが行う処理を説明するシーケンス図である。 コンピュータのハードウェア構成を示す図である。

［第１の実施形態］
図１は、第１の実施形態に係る言語処理装置の機能的構成を示す図である。

図１に示すように、本実施形態の言語処理装置１は、入力部１１０と、キーワード抽出部１２０と、文書抽出部１３０と、原語候補抽出部１４０と、原語特定部１５０と、変換部１６０と、出力部１７０と、記憶部１９０とを備える。

入力部１１０は、処理対象のテキストデータの入力を受け付ける。ここで、処理対象のテキストデータは、文章中の略語を原語（正式名称）に変換する文書データである。処理対象のテキストデータは、言語処理装置１のオペレータがキーボード等を操作して入力したデータであってもよいし、或いは外部装置から取得したデータであってもよい。以下の説明では、処理対象のテキストデータを、「処理対象のテキスト」或いは「テキスト」ともいう。

キーワード抽出部１２０は、テキストから、略語と、該略語についての特徴語との組を含むキーワードを抽出する。キーワード抽出部１２０は、テキストの形態素解析を行い、テキストに含まれるアルファベットの文字列や、記憶部１９０に記憶させた略語テーブル１９１に登録された略語等を、変換対象の略語として抽出する。また、キーワード抽出部１２０は、抽出した略語の係り受け語、或いは略語と複合語の関係にある語等の語句（形態素）を、特徴語として抽出する。

文書抽出部１３０は、記憶部１９０に記憶させた要約文データベース１９２と、本文データベース１９３とを参照し、テキストから抽出した略語及び特徴語の組を含む可能性の高い文書を抽出する。本文データベース１９３には、テキストと同一言語で作成された複数の文書（本文）が登録されている。要約文データベース１９２には、本文データベース１９３に登録された複数の文書（本文）のそれぞれについての要約文が登録されている。ここで、要約文は、例えば、文書のタイトルや要約（概要）等の、本文の内容を所定の文字数以内にまとめた短い文書である。要約文データベース１９２の要約文と、本文データベース１９３の文書（本文）とは、所定の識別子により対応付けられている。

本実施形態に係る文書抽出部１３０は、要約文検索部１３１と、本文検索部１３２とを含む。要約文検索部１３１は、略語と特徴語との組をキーワードとして要約文データベース１９２を検索し、略語又は特徴語を含む要約文を抽出する。本文検索部１３１は、本文データベース１９３を検索し、抽出した要約文と対応付けられた文書（本文データ）を抽出する。

原語候補抽出部１４０は、抽出した文書（本文データ）から、略語に対する原語の候補を抽出する。原語候補抽出部１４０は、記憶部１９０に記憶させた言語間関係テーブル１９４や略語テーブル１９１を参照し、本文データに含まれる文章から、略語に対する原語の候補を抽出する。

原語特定部１５０は、本文データにおける原語の候補から特徴語までの語数に基づいて、略語に対する原語を特定する。原語特定部１５０は、本文データの形態素解析を行い、原語の候補から特徴語までの語数（形態素数）を算出する。そして、算出した語数が所定の閾値以下である場合、原語の候補を略語に対する原語に特定する。

変換部１６０は、テキストから抽出した略語を、原語特定部１５０で特定した原語に変換する。

出力部１７０は、略語を原語に変換したテキストを出力する。出力部１７０は、テキストを音声に変換して出力してもよいし、テキストを可視化して出力（表示）してもよい。

記憶部１９０は、上記の略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４を含む、各種データを記憶する。

図２は、略語テーブルの例を示す図である。
略語テーブル１９１には、処理対象のテキストの言語における原語（正式名称）と、略語との対応関係が登録されている。テキストの言語が日本語である場合、図２に示すように、略語テーブル１９１には、日本語における原語と、該原語に対する略語との組が複数組登録されている。ここで、１個の原語に対する略語は、複数であってもよい。

図３は、本文データベースの例を示す図である。図４は、要約文データベースの例を示す図である。

本文データベース１９３には、テキストと同一言語で作成された複数の文書（本文データ）が登録されている。図３に示すように、本文データベース１９３に登録された複数の本文データには、それぞれ、本文データを識別する本文ＩＤ（識別子）が付与されている。以下の説明では、本文データベース１９３に登録された本文データのことを、単に本文ともいう。

一方、要約文データベース１９２には、本文データベース１９３に登録された各本文データについての要約文が登録されている。図４に示すように、要約文データベース１９２に登録された要約文データには、それぞれの要約文データを識別する要約文ＩＤが付与されている。各要約文データには、元の本文データについての本文ＩＤが対応付けられている。例えば、要約文ＩＤが１００１である要約文データは、本文ＩＤが１０００１である本文データの文書内容を要約した文のデータである。以下の説明では、要約文データベース１９２に登録された要約文データのことを、単に要約文ともいう。

図５は、言語間関係テーブルの例を示す図である。
言語間関係テーブル１９４には、英単語と、該英単語の他言語（処理対象のテキストの言語）での読みと、英語表記における略語候補との対応関係が登録されている。処理対象のテキストの言語が日本語である場合、言語間関係テーブル１９４には、図５に示すように、英単語と、該英単語の日本語での読み（表記）と、英語表記における略語候補との組が複数組登録されている。ここで、１個の英単語に対する略語候補は、複数であってもよい。

上記の略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４は、それぞれ、予め作成して記憶部１９０に記憶させておき、適宜更新する。

本実施形態に係る言語処理装置１が行う言語処理の１つは、入力されたテキストデータに含まれる略語を正式名称に変換して出力する処理である。図６から図１０までの各図を参照して、言語処理装置１が行う上記の言語処理の内容を説明する。なお、以下の説明では、処理対象のテキスト、要約文データベース１９２に登録された要約文、及び本文データベース１９３に登録された本文の言語を日本語とする。

図６は、第１の実施形態に係る言語処理の内容を説明するフローチャートである。
本実施形態に係る言語処理装置１は、図６に示すように、まず、処理対象のテキストデータの入力を受け付ける（ステップＳ１）。ステップＳ１の処理は、入力部１１０が行う。入力部１１０は、言語処理装置１のオペレータ（利用者）がキーボード等を操作して入力したテキストデータ、或いは該オペレータが処理対象に指定したテキストデータをキーワード抽出部１２０に渡す。

次に、言語処理装置１は、入力されたテキストからキーワードを抽出するキーワード抽出処理を行う（ステップＳ２）。ステップＳ２の処理は、キーワード抽出部１２０が行う。キーワード抽出部１２０は、入力されたテキストの形態素解析を行い、テキストに含まれる略語と、該略語についての特徴語との組を含むキーワードを抽出する。キーワード抽出部１２０は、例えば、アルファベットの大文字のみの形態素、未知のカタカナ語、及び略語テーブル１９１に登録された日本語の略語を、変換対象の略語として抽出する。また、キーワード抽出部１２０は、抽出した略語毎に、該略語の係り受け語、或いは該略語と複合語の関係にある語等を特徴語として抽出する。キーワード抽出部１２０は、抽出したキーワードを文書抽出部１３０に渡す。また、キーワード抽出部１２０は、テキストの形態素解析の結果を変換部１６０に渡す。

次に、言語処理装置１は、ステップＳ２で抽出したキーワードを含む文書を本文データベース１９３から抽出する文書抽出処理を行う（ステップＳ３）。ステップＳ３の処理は、文書抽出部１３０が行う。文書抽出部１３０は、まず、要約文検索部１３１において要約文データベース１９２を検索し、キーワードを含む要約文を抽出する。その後、文書抽出部１３０は、本文検索部１３２において本文データベース１９３を検索し、抽出した要約文と対応付けられた本文データを抽出する。文書抽出部１３０は、キーワードと、抽出した本文データとを原語候補抽出部１４０に渡す。

次に、言語処理装置１は、キーワードに含まれる略語についての原語の候補を本文データから抽出する原語候補抽出処理を行う（ステップＳ４）。ステップＳ４の処理は、原語候補抽出部１４０が行う。原語候補抽出部１４０は、言語間関係テーブル１９４を参照してアルファベットの大文字のみの略語についての原語候補を抽出する。また、原語候補抽出部１４０は、略語テーブル１９１を参照して本文データから日本語表記の略語についての原語候補を抽出する。更に、原語候補抽出部１４０は、本文データのカタカナ語のなかから、カタカナ表記の略語についての原語候補を抽出する。原語候補抽出部１４０は、キーワードと、抽出した原語候補と、本文データと、を原語特定部１５０に渡す。

次に、言語処理装置１は、抽出した原語候補のなかから略語の原語を特定する原語特定処理（ステップＳ５）を行う。ステップＳ５の処理は、原語特定部１５０が行う。原語特定部１５０は、まず、本文に特徴語又は特徴語の類義語が含まれるか否かを判定する。そして、本文に特徴語又は特徴語の類義語が含まれる場合、原語特定部１５０は、本文の形態素解析を行い、特徴語と対応付けられた略語についての原語候補の形態素から、特徴語又は特徴語の類義語までの語数（形態素数）を算出する。算出した語数が所定の閾値以下である場合、原語特定部１５０は、原語候補を略語の原語に特定する。原語特定部１５０は、略語と、特定した原語とを変換部１６０に渡す。

次に、言語処理装置１は、処理対象のテキストの略語を原語に変換する（ステップＳ６）。ステップＳ６の処理は、変換部１６０が行う。変換部１６０は、処理対象のテキストにおける略語を原語特定部１５０で特定した原語に変換する。変換部１６０は、略語を原語に変換したテキストデータを出力部１７０に渡す。なお、ステップＳ３〜Ｓ５の処理でテキストに含まれる略語に対する原語を特定できなかった場合、変換部１６０は、入力されたテキストデータをそのまま出力部１７０に渡す。

入力されたテキストデータに対するステップＳ２〜Ｓ６の処理を終えると、言語処理装置１は、テキストデータを出力する（ステップＳ７）。ステップＳ７の処理は、出力部１７０が行う。出力部１７０は、例えば、変換部１６０から受け取ったテキストデータを音声に変換して出力する。また、出力部１７０は、例えば、変換部１６０から受け取ったテキストデータの文章を可視化して表示する。出力部１７０がステップＳ７の処理を終えると、言語処理装置１は、入力されたテキストデータに対する言語処理を終了する。

図６のフローチャートにおけるキーワード抽出処理（ステップＳ２）は、キーワード抽出部１２０が行う。キーワード抽出部１２０は、キーワード抽出処理として、例えば、図７に示した処理を行う。

図７は、キーワード抽出処理の内容を説明するフローチャートである。
キーワード抽出処理において、キーワード抽出部１２０は、まず、テキストの形態素解析を行う（ステップＳ２０１）。キーワード抽出部１２０は、既知の解析方法に従って、入力されたテキストを形態素に分割する。

次に、キーワード抽出部１２０は、形態素を１個選択し（ステップＳ２０２）、選択した形態素の形態素長がＮ以下であるか否かを判定する（ステップＳ２０３）。ステップＳ２０２において、キーワード抽出部１２０は、所定の選択規則に従って形態素を選択する。選択規則は、例えば、名詞（複合名詞を含む）である形態素、或いは品詞が不明である形態素のうちの、未選択であり、かつテキストにおける出現順序が最も早い形態素を選択する、という規則にする。

形態素長がＮよりも長い場合（ステップＳ２０３；ＮＯ）、キーワード抽出部１２０は、選択した形態素が略語ではないと認識し、次に、未処理の形態素があるか否かを判定する（ステップＳ２０８）。未処理の形態素がある場合（ステップＳ２０８；ＹＥＳ）、キーワード抽出部１２０は、次に、ステップＳ２０２の処理を行う。処理対象である全ての形態素に対する処理を行った場合（ステップＳ２０８；ＮＯ）、キーワード抽出部１２０は、キーワード抽出処理を終了する。

これに対し、形態素長がＮ以下である場合（ステップＳ２０３；ＹＥＳ）、キーワード抽出部１２０は、次に、選択した形態素が全てアルファベットの大文字であるか否かを判定する（ステップＳ２０４）。選択した形態素が全てアルファベットの大文字である場合（ステップＳ２０４；ＹＥＳ）、キーワード抽出部１２０は、次に、選択した形態素を略語とし、略語と、略語に対する特徴語との組をキーワードとして抽出する（ステップＳ２０５）。ステップＳ２０５において、キーワード抽出部１２０は、形態素解析の結果に基づいて、選択した形態素（略語）の係り受け語、或いは該形態素と複合語の関係にある語を特徴語として抽出する。その後、キーワード抽出部１２０は、選択した略語と、該略語についての特徴語とを対応付けて１組のキーワードとする。この際、キーワード抽出部１２０は、抽出したキーワードに対し、各キーワードを識別する識別子を付与する。キーワードに付与する識別子は、例えば、キーワードの抽出順を示す１から始まる整数値とする。ステップＳ２０５の処理を行った後、キーワード抽出部１２０は、ステップＳ２０８の判定を行う。

また、選択した形態素にアルファベットの大文字ではない文字が含まれる場合（ステップＳ２０４；ＮＯ）、キーワード抽出部１２０は、次に、選択した形態素が未知のカタカナ語であるか否かを判定する（ステップＳ２０６）。形態素が未知のカタカナ語である場合（ステップＳ２０６；ＹＥＳ）、キーワード抽出部１２０は、ステップＳ２０５の処理を行い、キーワードを抽出する。その後、キーワード抽出部１２０は、ステップＳ２０８の判定を行う。

更に、選択した形態素が未知のカタカナ語でもない場合（ステップＳ２０６；ＮＯ）、キーワード抽出部１２０は、次に、選択した形態素（語句）が略語テーブルに登録されているか否かを判定する（ステップＳ２０７）。ステップＳ２０７において、キーワード抽出部１２０は、選択した形態素を検索キーとして記憶部１９０の略語テーブル１９１を検索し、該形態素が略語テーブル１９１に登録されているか否かを判定する。選択した形態素が略語テーブル１９１に登録されている場合（ステップＳ２０７；ＹＥＳ）、キーワード抽出部１２０は、ステップＳ２０５の処理を行い、キーワードを抽出する。その後、キーワード抽出部１２０は、ステップＳ２０８の判定を行う。

一方、選択した形態素が略語テーブル１９１に登録されていない場合（ステップＳ２０７；ＮＯ）、キーワード抽出部１２０は、選択した形態素が略語ではないと認識し、次に、ステップＳ２０８の判定を行う。

上記の手順で、処理対象である全ての形態素に対するステップＳ２０２以降の処理を行うと、キーワード抽出部１２０は、キーワード抽出処理を終了する。

このように、本実施形態に係る言語処理では、処理対象のテキストに含まれる略語として、全てアルファベットの大文字である形態素に加え、未知のカタカナ語や、日本語表記での略語と対応する形態素を抽出する。更に、本実施形態に係る言語処理では、略語と判定した形態素の係り受け語、或いは該形態素と複合語の関係にある語を特徴語として抽出し、略語と特徴語とを含むキーワードを抽出する。

キーワード抽出処理が終了すると、言語処理装置１では、次に、文書抽出部１３０が文書抽出処理（ステップＳ３）を行う。文書抽出部１３０は、文書抽出処理として、例えば、図８に示した処理を行う。

図８は、文書抽出処理の内容を説明するフローチャートである。
文書抽出処理において、文書抽出部１３０は、まず、略語と特徴語との組（キーワード）を１組選択する（ステップＳ３０１）。ステップＳ３０１において、文書抽出部１３０は、所定の選択規則に従ってキーワードを選択する。選択規則は、例えば、キーワード抽出処理において抽出したキーワードのうち、未選択であり、かつ抽出順序が最も早いキーワード（識別子が最小値のキーワード）を選択する、という規則にする。

次に、文書抽出部１３０は、選択した略語と特徴語との組をキーワードとして要約文データベース１９２を検索する（ステップＳ３０２）。ステップＳ３０２の処理は、要約文検索部１３１が行う。要約文検索部１３１は、例えば、図４に示した要約文データベース１９２に登録された要約文毎に、選択したキーワードの略語及び特徴語が含まれるか否かを検索する。選択したキーワードの略語及び特徴語を含む要約文があった場合、要約文検索部１３１は、当該要約文の要約文ＩＤと、要約文に対応付けられた本文ＩＤとを抽出して保持する。

要約文検索部１３１は、要約文データベース１９２の検索を終えると、次に、要約文ＩＤを保持しているか否かに基づいて、キーワードを含む要約文があるか否かを判定する（ステップＳ３０３）。キーワードを含む要約文がなかった場合（ステップＳ３０３；ＮＯ）、文書抽出部１３０（要約文検索部１３１）は、次に、未選択の略語と特徴語との組があるか否かを判定する（ステップＳ３０６）。未選択の組がある場合（ステップＳ３０６；ＹＥＳ）、文書抽出部１３０は、次に、ステップＳ３０１の処理を行う。全ての組が選択済みである場合（ステップＳ３０６；ＮＯ）、文書抽出部１３０は、文書抽出処理を終了する。

これに対し、キーワードを含む要約文があった場合（ステップＳ３０３；ＹＥＳ）、文書抽出部１３０は、次に、要約文と対応付けられた本文ＩＤを検索キーとして本文データベース１９３を検索し、本文を取得する（ステップＳ３０４）。ステップＳ３０４の処理は、本文検索部１３２が行う。本文検索部１３２は、例えば、図３に示した本文データベース１９３に登録された複数の本文のなかから、要約文と対応付けられた本文ＩＤを付与した本文を抽出する。

要約文と対応する本文を取得すると、文書抽出部１３０（本文検索部１３２）は、キーワードと、取得した本文とを対応付ける（ステップＳ３０５）。ステップＳ３０５の処理を終えると、文書抽出部（要約文検索部１３１）は、次に、ステップＳ３０６の判定を行う。

上記の手順で、テキストから抽出した全てのキーワード（略語と特徴語との組）に対するステップＳ３０１以降の処理を行うと、文書抽出部１３０は、文書抽出処理を終了する。

このように、本実施形態に係る言語処理では、本文の内容を短くまとめた要約文（タイトルを含む）に略語又は略語に対する特徴語を含まれる場合に、該要約文の元である本文を抽出する。要約文に略語が含まれる場合、該要約文の元である本文には、要約文中の略語や該略語の原語が含まれる可能性が高い。また、テキストから抽出した略語と特徴語との組が要約文に含まれる場合、該要約文の本文に含まれる略語又は略語の原語の近傍に、略語と対応付けた特徴語又は特徴語の類義語が存在する可能性が高い。このため、略語の係り受け語や略語と複合語の関係にある特徴語が要約文に含まれる場合、本文において特徴語の近傍にある略語の原語は、テキストに含まれる略語に対する適切な原語である可能性が高い。

文書抽出処理が終了すると、言語処理装置１では、次に、原語候補抽出部１４０が原語候補抽出処理（ステップＳ４）を行う。原語候補抽出部１４０は、原語候補抽出処理として、例えば、図９Ａ及び図９Ｂに示した処理を行う。

図９Ａは、原語候補抽出処理の内容を説明するフローチャート（その１）である。図９Ｂは、原語候補抽出処理の内容を説明するフローチャート（その２）である。

原語候補抽出処理において、原語候補抽出部１４０は、まず、略語を１個選択する（ステップＳ４０１）。ステップＳ４０１において、原語候補抽出部１４０は、所定の選択規則に従ってキーワードを選択する。選択規則は、例えば、キーワード抽出処理において抽出したキーワードのうち、未選択であり、かつ抽出順序が最も早いキーワード（識別子が最小値のキーワード）に含まれる略語を選択する、という規則にする。

次に、原語候補抽出部１４０は、選択した略語が全てアルファベットの大文字の語であるか否かを判定する（ステップＳ４０２）。

選択した略語が全てアルファベットの大文字の語である場合（ステップＳ４０２；ＹＥＳ）、原語候補抽出部１４０は、次に、本文中のカタカナ語を抽出する（ステップＳ４０３）。文書抽出部１３０で複数の本文を抽出した場合、原語候補抽出部１４０は、本文毎にカタカナ語を抽出する。なお、ステップＳ４０３において、原語候補抽出部１４０は、例えば、文書抽出部１３０で抽出した本文に含まれる全てのカタカナ語のうちの、略語よりも文字数の多いカタカナ語のみを抽出してもよい。

次に、原語候補抽出部１４０は、抽出したカタカナ語と、言語間関係テーブル１９４とに基づいて、略語候補を生成する（ステップＳ４０４）。原語候補抽出部１４０は、例えば、図５に示した言語間関係テーブル１９４の日本語読みを検索し、カタカナ語に含まれる文字列と一致する日本語読みと対応付けられた略語候補を抽出する。ここで、１個のカタカナ語が複数の英単語の日本語読みを組み合わせた語である場合、原語候補抽出部１４０は、それぞれの日本語読みと対応する略語候補を日本語読みと同一の並び順にした略語候補を生成する。また、１個の日本語読みに複数の略語候補が対応付けられている場合、原語候補抽出部１４０は、それぞれの略語候補を組み合わせて複数通りの略語候補を生成する。

次に、原語候補抽出部１４０は、生成した略語候補のなかに、テキストから抽出した略語と一致する略語候補があるか否かを判定する（ステップＳ４０５）。略語と一致する略語候補がある場合（ステップＳ４０５；ＹＥＳ）、原語候補抽出部１４０は、一致した略語候補と対応するカタカナ語を、選択した略語の原語候補として抽出する（ステップＳ４０６）。一方、略語と一致する略語候補がない場合（ステップＳ４０５；ＮＯ）、原語候補抽出部１４０は、選択した略語の原語候補がないことを示す情報を生成する（ステップＳ４０７）。

ステップＳ４０６又はＳ４０７の処理を終えると、原語候補抽出部１４０は、未選択の略語があるか否かを判定する（ステップＳ４１６）。未選択の略語がある場合（ステップＳ４１６；ＹＥＳ）、原語候補抽出部１４０は、次に、ステップＳ４０１の処理を行う。全ての略語が選択済みである場合（ステップＳ４１６；ＮＯ）、原語候補抽出部１４０は、原語候補抽出処理を終了する。

これに対し、ステップＳ４０１で選択した略語がアルファベットの大文字ではない文字を含む語である場合（ステップＳ４０２；ＮＯ）、原語候補抽出部１４０は、次に、図９Ｂに示すように、選択した略語がカタカナ語であるか否かを判定する（ステップＳ４０８）。選択した略語がカタカナ語である場合（ステップＳ４０８；ＹＥＳ）、原語候補抽出部１４０は、次に、本文中のカタカナ語を抽出する（ステップＳ４０９）。ステップＳ４０９において、原語候補抽出部１４０は、ステップＳ４０３と同様の処理を行い、本文中のカタカナ語を抽出する。

次に、原語候補抽出部１４０は、選択した略語（カタカナ語）が本文から抽出したカタカナ語の一部であるか否かを判定する（ステップＳ４１０）。ステップＳ４１０において、原語候補抽出部１４０は、例えば、本文から抽出したカタカナ語毎に、選択した略語に含まれるカタカナが略語内での並び順通りに出現するか否かを判定する。本文から抽出したカタカナ語のなかに、選択した略語に含まれるカタカナが略語内での並び順通りに出現する場合、原語候補抽出部１４０は、選択した略語が本文から抽出したカタカナ語の一部である（ステップＳ４１０；ＹＥＳ）と判定する。選択した略語が本文から抽出したカタカナ語の一部である場合（ステップＳ４１０；ＹＥＳ）、原語候補抽出部１４０は、本文から抽出したカタカナ語を原語候補として抽出する（ステップＳ４１１）。この場合、原語候補抽出部１４０は、次に、図９ＡのステップＳ４１６の判定を行う。一方、選択した略語が本文から抽出したカタカナ語の一部ではない場合（ステップＳ４１０；ＮＯ）、原語候補抽出部１４０は、次に、図９ＡのステップＳ４０７の処理を行い、選択した略語の原語候補がないことを示す情報を生成する。その後、原語候補抽出部１４０は、ステップＳ４１６の判定を行う。

また、選択した略語がカタカナ語ではない場合（ステップＳ４０８；ＮＯ）、原語候補抽出部１４０は、次に、略語テーブル１９１を参照して略語と対応する原語を抽出する（ステップＳ４１２）。処理対象のテキストから抽出した略語は、全てがアルファベットの大文字である語、未知のカタカナ語、及び略語テーブル１９１に登録された日本語表記の略語のいずれかである。したがって、ステップＳ４０１で選択した略語がアルファベットの大文字とは異なる文字を含み、かつカタカナ語ではない場合、選択した略語は略語テーブル１９１に登録された日本語表記の略語となる。よって、ステップＳ４１２において、原語候補抽出部１４０は、選択した略語と対応する原語を１個抽出する。

次に、原語候補抽出部１４０は、抽出した原語を検索キーとして本文を検索し（ステップＳ４１３）、抽出した原語が本文中にあるか否かを判定する（ステップＳ４１４）。抽出した原語が本文中にある場合（ステップＳ４１４；ＹＥＳ）、原語候補抽出部１４０は、次に、本文に含まれる原語を原語候補として抽出する（ステップＳ４１５）。この場合、原語候補抽出部１４０は、次に、図９ＡのステップＳ４１６の判定を行う。一方、抽出した原語が本文中にない場合（ステップＳ４１４；ＮＯ）、原語候補抽出部１４０は、次に、図９ＡのステップＳ４０７の処理を行い、選択した略語の原語候補がないことを示す情報を生成する。その後、原語候補抽出部１４０は、ステップＳ４１６の判定を行う。

上記の手順で、テキストから抽出した全ての略語に対するステップＳ４０１以降の処理を行うと、原語候補抽出部１４０は、原語候補抽出処理を終了する。

このように、本実施形態に係る言語処理では、テキストから抽出した略語が全てアルファベットの大文字である場合、本文中のカタカナ語と、言語間関係テーブル１９４とに基づいて生成した略語候補とに基づいて、原語候補を抽出する。また、本実施形態に係る言語処理では、テキストから抽出した略語が未知のカタカナ語である場合、本文中のカタカナ語と、略語におけるカタカナの並び順とに基づいて、原語候補を抽出する。原語候補を抽出する本文は、上記の通り、テキストから抽出した略語に対する適切な原語を含む可能性が高い。このため、本実施形態に係る言語処理における原語候補抽出処理で抽出した原語候補は、テキストから抽出した略語に対する適切な原語である可能性が高い。すなわち、テキストから抽出した略語に対する原語が複数通りある場合でも、原語候補抽出処理で抽出した原語候補は、複数通りの原語のうちの、テキストから抽出した略語に対する適切な原語である可能性が高い。

原語候補抽出処理が終了すると、言語処理装置１では、次に、原語特定部１５０が原語特定処理（ステップＳ５）を行う。原語特定部１５０は、原語特定処理として、例えば、図１０に示した処理を行う。

図１０は、原語特定処理の内容を説明するフローチャートである。
原語特定処理において、原語特定部１５０は、まず、略語と、特徴語と、原語候補との組を１組選択する（ステップＳ５０１）。ステップＳ５０１において、原語特定部１５０は、所定の選択規則に従って略語と、特徴語と、原語候補との組を選択する。選択規則は、例えば、キーワード抽出処理において抽出したキーワードのうち、未選択であり、かつ抽出順序が最も早いキーワード（識別子が最小値のキーワード）と、当該キーワードに含まれる略語に対する原語候補との組を選択する、という規則にする。

次に、原語特定部１５０は、本文を検索し（ステップＳ５０２）、特徴語又は特徴語の類義語が本文中にあるか否かを判定する（ステップＳ５０３）。

特徴語及び特徴語の類義語が本文中にない場合（ステップＳ５０３；ＮＯ）、原語特定部１５０は、次に、未選択の略語と特徴語と原語候補との組があるか否かを判定する（ステップＳ５０７）。未選択の組がある場合（ステップＳ５０７；ＹＥＳ）、原語特定部１５０は、次に、ステップＳ５０１の処理を行う。全ての組が選択済みである場合（ステップＳ５０６；ＮＯ）、原語特定部１５０は、原語特定処理を終了する。

これに対し、特徴語又は特徴語の類義語が本文中にある場合（ステップＳ５０３；ＹＥＳ）、原語特定部１５０は、次に、本文の形態素解析を行う（ステップＳ５０４）。ステップＳ５０４において、原語特定部１５０は、既知の解析方法に従って、本文を形態素に分割する。

次に、原語特定部１５０は、形態素解析の結果に基づいて、原語候補から特徴語又は特徴語の類義語までの語数（形態素数）を算出し、算出した語数が閾値以下であるか否かを判定する（ステップＳ５０５）。ステップＳ５０５の判定における閾値は、例えば、１０程度の値とする。算出した語数が閾値よりも大きい場合（ステップＳ５０５；ＮＯ）、原語特定部１５０は、次に、ステップＳ５０７の判定を行う。

一方、算出した語数が閾値以下である場合（ステップＳ５０５；ＹＥＳ）、原語特定部１５０は、原語候補を略語の原語に決定する（ステップＳ５０６）。その後、原語特定部１５０は、ステップＳ５０７の判定を行う。

上記の手順で、全ての略語、特徴語、及び原語候補の組に対するステップＳ５０１以降の処理を行うと、原語特定部１５０は、原語特定処理を終了する。

このように、本実施形態に係る言語処理では、本文中における原語候補から、特徴語又は特徴語の類義語までの語数が閾値以下である場合にのみ、当該原語候補をテキストから抽出した略語に対する原語に特定する。要約文における全てアルファベットの大文字である略語やカタカナの略語は、当該要約文の元となる本文中ではカタカナ語として原語で記載されている場合が多い。更に、本文中では、全てアルファベットの大文字である略語や、カタカナの略語についての原語の近くに、略語と対応する特徴語又は特徴語の類義語が記載されていることが多い。このため、テキスト中の略語を含む要約文と対応する本文中における、テキスト中の略語に対する原語候補と、特徴語又は特徴語の類義語との語数（距離）が閾値以下である場合、原語候補が略語の適切な原語である可能性が非常に高くなる。よって、１個の略語に対する原語が複数通りある場合でも、本文中における略語（原語候補）と特徴語との位置関係に基づいて、複数通りの原語の中からテキストの略語の原語として適切な原語を抽出することが可能となる。

図１１Ａは、第１の実施形態に係る言語処理の具体例を説明する図（その１）である。図１１Ｂは、第１の実施形態に係る言語処理の具体例を説明する図（その２）である。

図１１Ａの（ａ）には、入力されるテキスト２０１の例を示している。テキスト２０１は、アルファベットの大文字を組み合わせた「ＰＴ」という語２０１ａを含む。テキスト２０１に対して形態素解析を行うと、テキスト２０１は、例えば、図１１Ａの（ｂ）に示した解析結果２０２のように１０個の形態素に分割される。なお、解析結果２０２における「 / 」は、形態素の区切りを示す。

解析結果２０２に基づいて、図７のステップＳ２０２〜Ｓ２０８の処理を行うと、アルファベットの大文字を組み合わせた「ＰＴ」という形態素２０２ａが略語として抽出される。また、略語（形態素２０２ａ）に対する特徴語として、「ＰＴ」と複合語の関係にある「与党」という形態素２０２ｂが抽出される。すなわち、テキスト２０１に対するキーワード抽出処理（ステップＳ２）を行うと、キーワード抽出部１２０は、図１１Ａの（ｃ）のテーブル２０３のように、「ＰＴ」と「与党」との組を略語と特徴語との組（キーワード）として抽出する（ステップＳ２０５）。

その後、要約文検索部１３１が、「ＰＴ」と「与党」との組をキーワードとして、図４の要約文データベース１９２を検索し、要約文ＩＤが１００１の要約文を、キーワードを含む要約文として抽出する（ステップＳ３０２）。続けて、本文検索部１３２が、図３の本文データベース１９３から、要約文ＩＤ（＝１００１）と対応付けられた、本文ＩＤが１０００１である本文を取得する（ステップＳ３０４）。すなわち、文書抽出処理において図４の要約文データベース１９２及び図３の本文データベース１９３を参照して本文を抽出する場合、図１１Ａの（ｄ）のテーブル２０４のように、要約文ＩＤと対応付けられた本文ＩＤの本文データを、本文データベース１９３から抽出する。抽出した本文データは、「ＰＴ」という形態素（略語）２０２ａの原語候補である「プロジェクトチーム」というカタカナ語２０４ａと、特徴語である「与党」という語を含む。

文書抽出処理の後、言語処理装置１では、原語候補抽出部１４０が原語候補抽出処理を行う。原語候補抽出処理において、原語候補抽出部１４０は、まず、略語が全てアルファベットの大文字であるか否かを判定する（ステップＳ４０１）。テーブル２０３に示した略語「ＰＴ」は、全てアルファベットの大文字である。このため、原語候補抽出部１４０は、次に、図９ＡのステップＳ４０３〜Ｓ４０７の処理を行う。これらの処理において、原語候補抽出部１４０は、図１１Ｂの（ｅ）のテーブル２０５のように、まず、本文中のカタカナ語「プロジェクトチーム」を抽出する（ステップＳ４０３）。次に、原語候補抽出部１４０は、図５の言語間関係テーブル１９４を参照し、「プロジェクトチーム」を英語化した語、プロジェクト（project）の略語、及びチーム（team）の略語を取得し、略語候補を生成する（ステップＳ４０４）。プロジェクトには「Ｐ」及び「ＰＪ」を含む複数通りの略語候補があり、チームには「Ｔ」を含む複数の略語候補がある。このため、原語候補抽出部１４０は、「プロジェクトチーム」の略語候補として、これらの略語候補を組み合わせた「ＰＴ」及び「ＰＪＴ」を含む複数通りの略語候補を生成する。

原語候補抽出部１４０で生成した複数の略語候補のうちの「ＰＴ」という略語候補２０５ａは、テキスト２０１から抽出した略語「ＰＴ」と一致する。このため、原語候補抽出部１４０は、テキスト２０１から抽出した略語「ＰＴ」の原語候補として、「プロジェクトチーム」を抽出する（ステップＳ４０６）。

その後、言語処理装置１では、原語特定部１５０が、図１１Ｂの（ｆ）に示したように、本文に対する形態素解析の解析結果２０６に基づいて、原語候補である「プロジェクトチーム」から特徴語である「与党」までの距離（語数又は形態素数）を算出する。図１１Ｂの（ｆ）に示したように、解析結果２０６では、原語候補である「プロジェクトチーム」という形態素２０６ａの直前が特徴語である「与党」という形態素２０６ｂであるため、原語候補から特徴語までの語数は「１」となる。よって、ステップＳ５０５の判定における閾値を「１０」とした場合、原語特定部１５０は、原語候補である「プロジェクトチーム」という形態素２０６ａを、テキスト２０１の略語「ＰＴ」に対する原語に決定する（ステップＳ５０６）。これにより、変換部１６０は、図１１Ｂの（ｇ）に示したテーブル２０７のように、入力したテキストにおける「ＰＴ」という略語２０１ａを、「プロジェクトチーム」という原語（形態素）２０７ａに変換したテキストを生成して出力する。

テキスト２０１における略語「ＰＴ」は、上記のように「フィジカルセラピスト」の略語でもある。しかしながら、テキスト２０１のように略語「ＰＴ」に対する特徴語が「与党」である場合、特徴語である「与党」の近傍に原語候補の「プロジェクトチーム」がある本文のみが抽出される。これにより、略語「ＰＴ」のように原語が複数通りある場合でも、テキスト２０１における略語に対する適切な原語「プロジェクトチーム」を特定することが可能となる。よって、本実施形態によれば、１個の略語に対する複数の原語候補のなかから適切な原語を特定することが可能となる。

なお、図６から図１０に示したフローチャートは、本実施形態に係る言語処理装置１が行う言語処理の一例に過ぎない。本実施形態に係る言語処理装置１が行う言語処理は、上記の要旨を逸脱しない範囲において、適宜変更可能である。例えば、テキストから抽出する略語は、全てアルファベットの大文字の略語のみであってもよい。また、例えば、テキスト抽出処理におけるステップＳ２０４の判定条件や、原語候補抽出処理におけるステップＳ４０２の判定条件は、全てアルファベットで大文字が２文字以上であるか否か、或いはアルファベットと数字のみであるか否か等としてもよい。更に、図６に示したステップＳ１〜Ｓ７の処理は、処理対象のテキストデータに含まれる文書を段落毎、或いは一文毎分割し、段落毎或いは一文毎に行ってもよいし、段落毎或いは一文毎にステップＳ１〜Ｓ７の処理を行う場合、これらの処理をパイクライン化して行ってもよい。

また、図２の略語テーブル１９１及び図５の言語間関係テーブル１９４は、それぞれ、本実施形態に係る言語処理で参照する略語テーブル１９１及び言語間関係テーブル１９４の例に過ぎない。同様に、図３の本文データベース１９３及び図４の要約文データベース１９２は、それぞれ、本実施形態に係る言語処理で参照する本文データベース１９３及び要約文データベース１９２の例に過ぎない。略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４は、それぞれ、適宜変更可能である。また、本実施形態に係る文書抽出処理では、要約文データベース１９２と、本文データベース１９３との２つのデータベースを参照する代わりに、該２個のデータベースを１個にまとめた文書データベースを参照して本文を抽出してもよい。

図１２は、文書データベースの例を示す図である。
図１２に示したように、要約文データベース１９２と、本文データベース１９３とを１個のデータベースにまとめた文書データベース１９５は、本文と、本文の内容を短くまとめた要約文との組に対し、１個の文書ＩＤを付与している。このため、別個に生成した要約文データベース１９２と、本文データベース１９３とに基づいて本文を抽出する場合に比べて、本文を抽出するまでの処理数を低減させることが可能となる。よって、要約文データベース１９２と、本文データベース１９３との組の変わりに、文書データベース１９５を記憶部１９０に登録して文書抽出処理（ステップＳ３）を行うことにより、言語処理装置１の処理負荷を軽減することが可能となる。なお、要約文データベース１９２及び本文データベース１９３の代わりに文書データベース１９５を利用する場合、文書抽出部１３０の要約文検索部１３１と本文検索部１３２とは、１個の検索部に統合することが可能である。

更に、処理対象のテキストの言語は、本実施形態で例示した日本語に限らず、英語を含む他の言語であってもよい。

［第２の実施形態］
本実施形態では、図１の言語処理装置１が行う言語処理のうちの文書抽出処理の別の例について説明する。すなわち、本実施形態に係る言語処理装置１は、入力部１１０と、キーワード抽出部１２０と、文書抽出部１３０と、原語候補抽出部１４０と、原語特定部１５０と、変換部１６０と、出力部１７０と、記憶部１９０とを備える。このうち、入力部１１０、キーワード抽出部１２０、原語候補抽出部１４０、原語特定部１５０、変換部１６０、出力部１７０、及び記憶部１９０は、それぞれ、第１の実施形態で説明した機能を備える。また、記憶部１９０に記憶させた略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４は、それぞれ、第１の実施形態で説明した情報を含む（図２〜図５を参照）。

更に、本実施形態に係る言語処理装置１における文書抽出部１３０は、要約文検索部１３１と、本文検索部１３２とを含む。このうち、要約文検索部１３１は、第１の実施形態で説明した機能を備える。一方、本実施形態に係る本文検索部１３２は、要約文検索部１３１で抽出した要約文と対応付けられた本文と、当該本文との類似度が高い他の本文とを抽出し、これらの本文を利用して、テキストから抽出した略語についての原語を特定する。

本実施形態に係る言語処理装置１が行う言語処理は、図６に示したステップＳ１〜Ｓ７と同じ手順で行われる。ただし、本実施形態に係る言語処理では、図６の文書抽出処理（ステップＳ３）として、図１３に示した処理を行う。

図１３は、第２の実施形態に係る言語処理における文書抽出処理の内容を説明するフローチャートである。

本実施形態に係る文書抽出処理は、第１の実施形態と同様、文書抽出部１３０が行う。本実施形態に係る文書抽出処理において、文書抽出部１３０は、まず、略語と特徴語との組（キーワード）を１組選択する（ステップＳ３０１）。ステップＳ３０１において、文書抽出部１３０は、第１の実施形態で説明したように、所定の選択規則に従ってキーワードを選択する。

次に、文書抽出部１３０は、選択した略語と特徴語との組をキーワードとして要約文データベース１９２を検索する（ステップＳ３０２）。ステップＳ３０２の処理は、要約文検索部１３１が行う。要約文検索部１３１は、例えば、図４に示した要約文データベース１９２に登録された要約文毎に、選択したキーワードの略語及び特徴語が含まれるか否かを検索する。選択したキーワードの略語及び特徴語を含む要約文があった場合、要約文検索部１３１は、当該要約文の要約文ＩＤと、要約文に対応付けられた本文ＩＤとを抽出して保持する。

要約文検索部１３１は、要約文データベース１９２の検索を終えると、次に、要約文ＩＤを保持しているか否かに基づいて、キーワードを含む要約文があるか否かを判定する（ステップＳ３０３）。キーワードを含む要約文がなかった場合（ステップＳ３０３；ＮＯ）、文書抽出部１３０（要約文検索部１３１）は、次に、未選択の略語と特徴語との組があるか否かを判定する（ステップＳ３０６）。未選択の組がある場合（ステップＳ３０６；ＹＥＳ）、文書抽出部１３０は、次に、ステップＳ３０１の処理を行う。全ての組が選択済みである場合（ステップＳ３０６；ＮＯ）、文書抽出部１３０は、次に、ステップＳ３０７，Ｓ３０８の処理を行う。

これに対し、キーワードを含む要約文があった場合（ステップＳ３０３；ＹＥＳ）、文書抽出部１３０は、次に、要約文と対応付けられた本文ＩＤを検索キーとして本文データベース１９３を検索し、本文を取得する（ステップＳ３０４）。ステップＳ３０４の処理は、本文検索部１３２が行う。本文検索部１３２は、例えば、図３に示した本文データベース１９３に登録された複数の本文のなかから、要約文と対応付けられた本文ＩＤを付与した本文を抽出する。

要約文と対応する本文を取得すると、文書抽出部１３０（本文検索部１３２）は、キーワードと、取得した本文とを対応付ける（ステップＳ３０５）。ステップＳ３０５の処理を終えると、文書抽出部（要約文検索部１３１）は、次に、ステップＳ３０６の判定を行う。

上記の手順で、テキストから抽出した全てのキーワード（略語と特徴語との組）に対するステップＳ３０１以降の処理を行うと（ステップＳ３０６；ＮＯ）、文書抽出部１３０（本文検索部１３２）は、ステップＳ３０７，Ｓ３０８の処理を行う。ステップＳ３０７の処理は、取得した本文中の単語と、他の本文中の単語との類似度に基づいて、本文同士の類似度を算出する処理である。また、ステップＳ３０８の処理は、ステップＳ３０７で算出した類似度の高い本文を、原語候補抽出処理及び原語特定処理の処理対象に追加する処理である。

ステップＳ３０７において、本文検索部１３２は、例えば、ステップＳ３０４で取得した本文とは別の本文（他の本文）のそれぞれについて、取得した本文との類似度を算出する。本文検索部１３２は、本文同士の類似度として、取得した本文中の単語と、他の本文中の単語とに対する、コサイン類似度と、Term Frequency - Inverse Document Frequency（ＴＦ−ＩＤＦ）とに基づいて、本文同士の類似度を算出する。ここで、コサイン類似度は、ベクトルＡとベクトルＢとの組に対し、下記式（１）により算出される値ｃｏｓ（Ａ，Ｂ）であり、ベクトルＡとベクトルＢとの類似度が高いほど算出した値ｃｏｓ（Ａ，Ｂ）が１に近い値となる。
ｃｏｓ（Ａ，Ｂ）＝（Ａ・Ｂ）／（｜Ａ｜｜Ｂ｜） ・・・（１）

式（１）により本文同士の類似度を算出する方法の１つとして、文書中の単語の集合により比較照合を行うBag of Wordを用いた方法がある。この方法では、ベクトルＡの成分を、ステップＳ３０４で取得した本文について形態素解析を行い、それぞれの形態素毎にＴＦ−ＩＤＦを算出したものとする。また、ベクトルＢの成分を、他の本文について形態素解析を行い、それぞれの形態素毎にＴＦ−ＩＤＦを算出したものとする。

次に、本文検索部１３２は、ステップＳ３０４で取得した本文とは別の本文のなかから、取得した本文との類似度の高い本文を所定の数だけ抽出し、抽出した本文を、関連文書として、原語候補の抽出及び原語の特定に用いる本文に追加する（ステップＳ３０８）。

ステップＳ３０７，Ｓ３０８の処理を終えると、文書抽出部１３０は、文書抽出処理を終了する。

このように、本実施形態に係る言語処理における文書抽出処理では、略語及び特徴語を含む要約文の元文書である本文との類似度の高い他の本文を、原語候補の抽出及び原語の特定に用いる本文に追加する。したがって、本実施形態では、略語又は特徴語を含まない要約文の元文書である本文を、原語候補の抽出及び原語の特定に利用可能となる。

図１４は、要約文中の略語の有無と本文中の原語の有無とのパターンを説明する図である。

図１４のテーブル２１０には、要約文中の略語の有無と本文中の原語の有無との関係についての４通りのパターンを示している。第１のパターンは、要約文中に略語があり、当該略語と対応する原語が本文中にあるというパターンである。第２のパターンは、要約文中に略語があるが、当該略語と対応する原語が本文中にないというパターンである。第３のパターンは、要約文中に略語はないが、本文中にテキストから抽出した略語と対応する原語があるというパターンである。そして、第４のパターンは、要約文中に略語がなく、しかも本文中に原語がないというパターンである。

本実施形態に係る文書抽出処理では、ステップＳ３０１〜Ｓ３０５の処理により、本文データベース１９３に登録された複数の本文のうち、第１のパターンに当てはまる本文と、第２のパターンに当てはまる本文とが抽出される。ここで、第１のパターンに当てはまる本文が抽出されれば、抽出した本文から原語候補を抽出し、テキストの略語に対する原語を特定することが可能である。しかしながら、第１のパターンに当てはまる本文が抽出されず、第２のパターンに当てはまる本文のみが抽出された場合、本文から原語候補を抽出することが困難となり、テキストの略語に対する適切な原語を特定することが困難となる。

これに対し、本実施形態に係る文書抽出処理では、ステップＳ３０１〜Ｓ３０５の処理により第１のパターン又は第２のパターンに当てはまる本文を抽出した後、ステップＳ３０７，Ｓ３０８により第３のパターンに当てはまる本文を抽出する。これにより、要約文中に略語又は特徴語はないものの、略語についての原語候補を含む本文を抽出することが可能となり、テキストの略語に対する適切な原語を、より確実に特定することが可能となる。

なお、図１３のフローチャートは、本実施形態に係る文書抽出処理の一例に過ぎない。本実施形態に係る文書抽出処理は、上記の要旨を逸脱しない範囲において適宜変更可能である。例えば、ステップＳ３０６の判定は、ステップＳ３０７，Ｓ３０８の処理の後で行ってもよい。

［第３の実施形態］
図１５は、第３の実施形態に係る言語処理システムのシステム構成を示す図である。

図１５に示すように、本実施形態に係る言語処理システム３は、サーバ装置４と、ストレージ装置５と、クライアント端末７（７Ａ〜７Ｃ）とを含む。サーバ装置４とクライアント端末７とは、インターネット等のネットワーク６を介して通信可能に接続される。本実施形態に係る言語処理システム３では、クライアント端末７からサーバ装置４にテキストデータを送信し、サーバ装置４においてテキストデータ中の略語を原語に変換する。この際、サーバ装置４は、ストレージ装置５に記憶させた各種情報を参照して、テキストデータ中の略語を原語に変換する。テキストデータ中の略語を原語に変換した後、サーバ装置４は、テキストデータをクライアント端末７に返送する。サーバ装置４からのテキストデータを受信したクライアント端末７は、受信したテキストデータを音声又は画像として出力する。なお、図１５には３個のクライアント端末７を示しているが、言語処理システム３におけるクライアント端末７の数は、３個に限らず、１個又は２個であってもよいし、４個以上であってもよい。

図１６は、第３の実施形態に係る言語処理システムの機能的構成を示す図である。
図１６に示すように、クライアント端末７は、入力部７１０と、通信部７２０と、出力部７３０とを備える。

入力部７１０は、処理対象のテキストデータの入力を受け付ける。ここで、処理対象のテキストデータは、文章中の略語を原語（正式名称）に変換する文書データである。処理対象のテキストデータは、クライアント端末７のオペレータがキーボード等を操作して入力したデータであってもよいし、或いは外部装置から取得したデータであってもよい。

通信部７２０は、クライアント端末７をネットワーク６に接続し、ネットワーク６を介してサーバ装置４を含む各種通信装置との通信を行う。

出力部７３０は、略語を原語に変換したテキストを出力する。出力部７３０は、テキストを音声に変換して出力してもよいし、テキストを可視化して出力（表示）してもよい。

サーバ装置４は、変換処理部４１０と、通信部４２０とを含む。
変換処理部４１０は、テキストデータに含まれる略語を原語に変換する処理を行う。変換処理部４１０は、キーワード抽出部１２０と、文書抽出部１３０と、原語候補抽出部１４０と、原語特定部１５０と、変換部１６０とを含む。本実施形態のサーバ装置４におけるキーワード抽出部１２０、文書抽出部１３０、原語候補抽出部１４０、原語特定部１５０、及び変換部１６０は、それぞれ、第１の実施形態で説明した機能を備える。

通信部４２０は、サーバ装置４をネットワーク６に接続し、ネットワーク６を介してクライアント７を含む各種通信装置との通信を行う。また、通信部４２０は、変換処理部４１０においてテキストデータの略語を原語に変換する処理を行っている際等に、ストレージ装置５にアクセスする。

ストレージ装置５は、第１の実施形態に係る言語処理装置１における記憶部１９０に相当する記憶装置である。ストレージ装置５には、略語テーブル１９１と、要約文データベース１９２と、本文データベース１９３と、言語間関係テーブル１９４とを含む各種データを記憶させる。本実施形態における略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４は、それぞれ、第１の実施形態で説明したような情報を含む（図２〜図５を参照）。

本実施形態に係る言語処理システム３では、クライアント端末７からサーバ装置４に対してテキストデータを送信し、テキストデータ中の略語を原語に変換する処理をリクエストすると、サーバ装置４がテキストデータ中の略語を原語に変換する処理を行う。

図１７は、第３の実施形態に係る言語処理システムが行う処理を説明するシーケンス図である。

本実施形態の言語処理システム３を利用する際には、まず、クライアント端末７においてテキストを入力し（ステップＳ８０１）、入力したテキストをサーバ装置４に送信する（ステップＳ８０２）。このとき、サーバ装置４は待機状態であり、クライアント端末７からのテキストを受信すると（ステップＳ８１１）、サーバ装置４は、受信したテキスト中の略語を原語に変換する処理を開始する。

テキストを受信した後、サーバ装置４は、まず、キーワード抽出処理を行う（ステップＳ８１２）。ステップＳ８１２の処理は、キーワード抽出部１２０が行う。キーワード抽出部１２０は、例えば、図７に示したキーワード抽出処理を行う。この際、キーワード抽出部１２０は、必要に応じてストレージ装置５に記憶させた略語テーブル１９１を参照する。

次に、サーバ装置４は、文書抽出処理を行う（ステップＳ８１３）。ステップＳ８１３の処理は、文書抽出部１３０が行う。文書抽出部１３０は、例えば、図８に示した文書抽出処理を行う。この際、文書抽出部１３０は、ストレージ装置５に記憶させた要約文データベース１９２を検索して要約文データを抽出するとともに、ストレージ装置５に記憶させた本文データベース１９３を検索して本文データを抽出する。

次に、サーバ装置４は、原語候補抽出処理を行う（ステップＳ８１４）。ステップＳ８１４の処理は、原語候補抽出部１４０が行う。原語候補抽出部１４０は、例えば、図９Ａ及び図９Ｂに示した原語候補抽出処理を行う。この際、原語候補抽出部１４０は、ストレージ装置５に記憶させた言語間関係テーブル１９４を参照する。

次に、サーバ装置４は、原語特定処理を行う（ステップＳ８１５）。ステップＳ８１５の処理は、原語特定部１５０が行う。原語特定部１５０は、例えば、図１０に示した原語特定処理を行う。この際、原語特定部１５０は、必要に応じてストレージ装置５に記憶させた略語テーブル１９１を参照する。

次に、サーバ装置４は、テキストの略語を原語特定処理で特定した言語に変換し（ステップＳ８１６）、テキストをクライアント端末７に返信する（ステップＳ８１７）。ステップＳ８１６の処理は、変換部１６０が行う。ステップＳ８１７の処理は、通信部４２０が行う。ステップＳ８１７の処理を終えると、サーバ装置４は、待機状態に戻る。

クライアント端末７は、サーバ装置４から返信されたテキストを受信すると（ステップＳ８０３）、受信したテキストを出力する（ステップＳ８０４）。このとき、クライアント端末７は、通信部７２０で受信したテキストを出力部７３０に渡す。テキストを受け取った出力部７３０は、テキストを音声又は画像に変換して出力する。テキストを出力した後、クライアント端末７は、待機状態となる。

このように、本実施形態に係る言語処理システム３では、クライアント端末７に入力されたテキストデータに含まれる略語を原語に変換する処理をサーバ装置４で行う。このため、クライアント端末７は、要約文データベース１９２や本文データベース１９３等の大容量のデータを保持する必要がない。よって、例えば、スマートフォンやタブレット型コンピュータ等をクライアント端末７として利用し、ネットワーク６等を介して配信されるニュース記事等における略語を原語に変換して出力する際に、クライアント端末７の処理負荷を軽減することが可能となる。

なお、本実施形態に係る言語処理システム３が行う処理は、第１の実施形態及び第２の実施形態で説明した言語処理装置１が行う処理と同様、適宜変更可能である。例えば、サーバ装置４の文書抽出部１３０が行う文書抽出処理（ステップＳ８１３）は、図１３に示した処理であってもよい。また、テキストから抽出する略語は、全てアルファベットの大文字である語（形態素）のみであってもよい。

［第４の実施形態］
本実施形態では、言語処理システムの機能的構成の別の例を説明する。本実施形態に係る言語処理システム３は、サーバ装置４と、ストレージ装置５と、クライアント端末７（７Ａ〜７Ｃ）とを含む。サーバ装置４とクライアント端末７とは、インターネット等のネットワーク６を介して通信可能に接続される。本実施形態に係る言語処理システム３では、クライアント端末７からサーバ装置４にテキストデータを送信し、サーバ装置４においてテキストデータ中の略語を原語に変換する。この際、サーバ装置４は、ストレージ装置５に記憶させた各種情報を参照して、テキストデータ中の略語を原語に変換する。テキストデータ中の略語を原語に変換した後、サーバ装置４は、テキストデータをクライアント端末７に返送する。サーバ装置４からのテキストデータを受信したクライアント端末７は、受信したテキストデータを音声又は画像として出力する。なお、図１５には３個のクライアント端末７を示しているが、言語処理システム３におけるクライアント端末７の数は、３個に限らず、１個或いは２個でもよいし、４個以上であってもよい。

図１８は、第４の実施形態に係る言語処理システムの機能的構成を示す図である。
図１８に示すように、本実施形態に係るクライアント端末７は、入力部７１０と、通信部７２０と、出力部７３０とを備える。また、クライアント端末７は、変換処理部７４０と、記憶部７９０とを更に備える。

入力部７１０は、処理対象のテキストデータの入力を受け付ける。ここで、処理対象のテキストデータは、文章中の略語を原語（正式名称）に変換する文書データである。処理対象のテキストデータは、クライアント端末７のオペレータがキーボード等を操作して入力したデータであってもよいし、或いは外部装置から取得したデータであってもよい。

通信部７２０は、クライアント端末７をネットワーク６に接続し、ネットワーク６を介してサーバ装置４を含む各種通信装置との通信を行う。

出力部７３０は、略語を原語に変換したテキストを出力する。出力部７３０は、テキストを音声に変換して出力してもよいし、テキストを可視化して出力（表示）してもよい。

変換処理部７４０は、入力されたテキストデータの略語を原語に変換する処理のうちの一部の処理を行う。変換処理部７４０は、キーワード抽出部１２０と、原語候補抽出部１４０と、原語特定部１５０と、変換部１６０とを含む。本実施形態のクライアント装置７におけるキーワード抽出部１２０、原語候補抽出部１４０、原語特定部１５０、及び変換部１６０は、それぞれ、第１の実施形態で説明した機能を備える。

記憶部７９０は、変換処理部７４０が処理中に参照する略語テーブル１９１と、言語間関係テーブル１９４とを含む各種データを記憶する。

サーバ装置４は、文書抽出部１３０と、通信部４２０とを含む。
文書抽出部１３０は、テキストから抽出した略語と、該略語と関連付けられた特徴語との組に基づいて、当該略語と特徴語とを含む要約文と対応付けられた本文を抽出する。文書抽出部１３０は、要約文検索部１３１と、本文検索部１３２とを含む。

通信部４２０は、サーバ装置４をネットワーク６に接続し、ネットワーク６を介してクライアント７を含む各種通信装置との通信を行う。また、通信部４２０は、ストレージ装置５にアクセスして要約文データベース１９２の要約文の検索や、本文データベース１９３の本文の検索等を行う。

ストレージ装置５は、要約文データベース１９２と、本文データベース１９３とを含む各種データを記憶する。本実施形態における要約文データベース１９２、及び本文データベース１９３は、それぞれ、第１の実施形態で説明したような情報を含む（図３及び図４を参照）。

本実施形態に係る言語処理システム３では、テキストデータの略語を原語に変換する処理のうちの文書抽出処理（図６のステップＳ３）をサーバ装置４で行い、他の処理はクライアント端末７で行う。

図１９は、第４の実施形態に係る言語処理システムが行う処理を説明するシーケンス図である。

本実施形態の言語処理システム３では、まず、クライアント端末７においてテキストを入力し（ステップＳ８２１）、入力したテキストからキーワードを抽出するキーワード抽出処理を行う（ステップＳ８２２）。ステップＳ８２２の処理は、キーワード抽出部１２０が行う。キーワード抽出部１２０は、例えば、図７に示したキーワード抽出処理を行う。この際、キーワード抽出部１２０は、必要に応じて記憶部７９０に記憶させた略語テーブル１９１を参照する。

次に、クライアント端末７は、抽出したキーワード（略語と特徴語との組）をサーバ装置４に送信する（ステップＳ８２３）。このとき、サーバ装置４は待機状態であり、クライアント端末７が送信したキーワードを受信すると（ステップＳ８３１）、サーバ装置４は、受信したキーワードと、ストレージ装置５の要約文データベース１９２と、本文データベース１９３とに基づいて、文書抽出処理を行う（ステップＳ８３２）。ステップＳ８３２の処理は、文書抽出部１３０が行う。文書抽出部１３０は、例えば、図８に示した文書抽出処理を行う。この際、文書抽出部１３０は、通信部４２０を介してストレージ装置５にアクセスし、要約文データベース１９２の検索や本文データベース１９３の検索を行う。

文書抽出処理を終えると、サーバ装置４は、抽出した本文をクライアント端末７に送信する（ステップＳ８３３）。その後、サーバ装置４は、待機状態に戻る。

クライアント端末７は、サーバ装置４が送信した本文を受信すると（ステップＳ８２４）、次に、原語候補抽出処理を行う（ステップＳ８２５）。ステップＳ８２５の処理は、原語候補抽出部１４０が行う。原語候補抽出部１４０は、例えば、図９Ａ及び図９Ｂに示した処理を行う。

次に、クライアント端末７は、原語特定処理を行う（ステップＳ８２５）。ステップＳ８２５の処理は、原語特定部１５０が行う。原語特定部１５０は、例えば、図１０に示した原語特定処理を行う。

次に、クライアント端末７は、テキストの略語を原語特定処理で特定した原語に変換し（ステップＳ８２７）、テキストを出力する（ステップＳ８２８）。ステップＳ８２７の処理は変換部１６０が行う。ステップＳ８２８の処理は、出力部７３０が行う。出力部７３０は、テキストを音声又は画像に変換して出力する。テキストを出力した後、クライアント端末７は、待機状態となる。

このように、本実施形態に係る言語処理システム３では、クライアント端末７に入力されたテキストデータに含まれる略語を原語に変換する処理の一部をサーバ装置４で行う。このため、クライアント端末７は、要約文データベース１９２や本文データベース１９３等の大容量のデータを保持する必要がない。よって、例えば、スマートフォンやタブレット型コンピュータ等をクライアント端末７として利用し、ネットワーク６等を介して配信されるニュース記事等における略語を原語に変換して出力する際に、クライアント端末７の処理負荷を軽減することが可能となる。

なお、図１９のシーケンスは、テキストの略語を原語に変換する処理をクライアント端末７とサーバ装置４とで分担して行う場合の一例に過ぎない。本実施形態に係る言語処理システム３では、図１９に示した分け方に限らず、クライアント端末７とサーバ装置４とが行う処理の分担は適宜変更可能である。

上記の各実施形態に係る言語処理装置１は、それ自体を、コンピュータと、当該コンピュータに実行させるプログラムプログラムとにより実現可能である。以下、図２０を参照して、コンピュータとプログラムとにより実現される言語処理装置１について説明する。

図２０は、コンピュータのハードウェア構成を示す図である。
図２０に示すように、コンピュータ１０は、プロセッサ１００１と、主記憶装置１００２と、補助記憶装置１００３と、入力装置１００４と、出力装置１００５と、入出力インタフェース１００６と、通信制御装置１００７と、媒体駆動装置１００８と、を備える。コンピュータ１０におけるこれらの要素１００１〜１００８は、バス１０１０により相互に接続されており、要素間でのデータの受け渡しが可能になっている。

プロセッサ１００１は、Central Processing Unit（ＣＰＵ）やMicro Processing Unit（ＭＰＵ）等である。プロセッサ１００１は、オペレーティングシステムを含む各種のプログラムを実行することにより、コンピュータ１０の全体の動作を制御する。また、プロセッサ１００１は、例えば、図６〜図１０に示した言語処理を含む言語処理プログラムを実行する。

主記憶装置１００２は、図示しないRead Only Memory（ＲＯＭ）及びRandom Access Memory（ＲＡＭ）を含む。主記憶装置１００２のＲＯＭには、例えば、コンピュータ１０の起動時にプロセッサ１００１が読み出す所定の基本制御プログラム等が予め記録されている。一方、主記憶装置１００２のＲＡＭは、プロセッサ１００１が、各種のプログラムを実行する際に必要に応じて作業用記憶領域として使用する。主記憶装置１００２のＲＡＭは、例えば、略語テーブル１９１や言語間関係テーブル１９４等の記憶に利用可能である。

補助記憶装置１００３は、主記憶装置１００２のＲＡＭと比べて容量の大きい記憶装置であり、例えば、Hard Disk Drive（ＨＤＤ）や、フラッシュメモリのような不揮発性メモリ（Solid State Drive（ＳＳＤ）を含む）等である。補助記憶装置１００３は、プロセッサ１００１によって実行される各種のプログラムや各種のデータ等の記憶に利用可能である。補助記憶装置１００３は、例えば、図６〜図１０に示した言語処理、或いは言語処理における文書抽出処理として図８の処理の代わりに図１３の処理を行う言語処理プログラム等の記憶に利用可能である。また、補助記憶装置１００３は、例えば、図１の言語処理装置１における記憶部１９０として利用可能である。すなわち、補助記憶装置１００３は、略語テーブル１９１、要約文データベース１９２、本文データベース１９３、及び言語間関係テーブル１９４等の記憶に利用可能である。

入力装置１００４は、例えば、キーボード装置やタッチパネル装置等である。コンピュータ１０のオペレータ（利用者）が入力装置１００４に対して所定の操作を行うと、入力装置１００４は、その操作内容に対応付けられている入力情報をプロセッサ１００１に送信する。入力装置１００４は、例えば、言語処理を開始させる命令、コンピュータ１０が実行可能な他の処理に関する命令等の入力や、テキストデータの入力、各種設定値の入力等に利用可能である。

出力装置１００５は、例えば、液晶表示装置等の表示装置やレシーバ等の音声出力装置である。

入出力インタフェース１００６は、コンピュータ１０と、他の電子機器とを接続する。入出力インタフェース１００６は、例えば、Universal Serial Bus（ＵＳＢ）規格のコネクタ等を備える。

通信制御装置１００７は、コンピュータ１０をインターネット等のネットワークに接続し、ネットワークを介したコンピュータ１０と他の通信機器との各種通信を制御する装置である。

媒体駆動装置１００８は、可搬型記憶媒体１１に記録されているプログラムやデータの読み出し、補助記憶装置１００３に記憶させたデータ等の可搬型記憶媒体１１への書き込みを行う。媒体駆動装置１００８には、例えば、１種類又は複数種類の規格に対応したメモリカード用リーダ／ライタが利用可能である。媒体駆動装置１００８としてメモリカード用リーダ／ライタを用いる場合、可搬型記憶媒体１１としては、メモリカード用リーダ／ライタが対応している規格、例えば、Secure Digital（ＳＤ）規格のメモリカード（フラッシュメモリ）等を利用可能である。また、可搬型記録媒体１１としては、例えば、ＵＳＢ規格のコネクタを備えたフラッシュメモリが利用可能である。更に、コンピュータ１０が媒体駆動装置１００８として利用可能な光ディスクドライブを搭載している場合、当該光ディスクドライブで認識可能な各種の光ディスクを可搬型記録媒体１１として利用可能である。可搬型記録媒体１１として利用可能な光ディスクには、例えば、Compact Disc（ＣＤ）、Digital Versatile Disc（ＤＶＤ）、Blu-ray Disc（Blu-rayは登録商標）等がある。可搬型記録媒体１１は、例えば、図６〜図１０に示した言語処理、或いは言語処理における文書抽出処理として図８の処理の代わりに図１３の処理を行う言語処理プログラム等の記憶に利用可能である。また、可搬型記録媒体１１は、例えば、図１の言語処理装置１における記憶部１９０として利用可能である。

オペレータが入力装置１００４等を利用して言語処理を開始する命令をコンピュータ１０に入力すると、プロセッサ１００１が、補助記憶装置１００３等の非一時的な記録媒体に記憶させた言語処理プログラムを読み出して実行する。この処理において、プロセッサ１００１は、図１の言語処理装置１のキーワード抽出部１２０、文書抽出部１３０、原語候補抽出部１４０、原語特定部１５０、及び変換部１６０として機能する（動作する）。る。また、プロセッサ１００１は、例えば、テキスト音声信号を入出力インタフェース１００６、或いは通信制御装置１００７を介して情報処理装置等の外部装置に出力してもよい。プロセッサ１００１がこれらの処理を行っている間、主記憶装置１００２のＲＡＭや補助記憶装置１００３等は、図１の言語処理装置１における記憶部１９０として機能する。

なお、言語処理装置１として動作させるコンピュータ１０は、図２０に示した全ての要素１００１〜１００８を含む必要はなく、用途や条件に応じて一部の要素を省略することも可能である。例えば、コンピュータ１０は、通信制御装置１００７や媒体駆動装置１００８が省略されたものであってもよい。

また、コンピュータ１０を言語処理装置１として動作させる場合、例えば、図６のステップＳ１〜Ｓ７の処理のうちのいくつかの処理を、サーバ装置４等の外部装置に実行させてもよい。すなわち、コンピュータ１０は、第３の実施形態及び第４の実施形態で説明した言語処理システム３におけるクライアント端末７、或いはサーバ装置４として動作させることも可能である。

以上記載した各実施形態に関し、更に以下の付記を開示する。
（付記１）
テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出する文書抽出部と、
抽出した前記本文から前記略語の原語の候補を抽出する原語候補抽出部と、
前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する原語特定部と、
を備えることを特徴とする言語処理装置。
（付記２）
前記原語特定部は、前記特徴語又は前記特徴語の類義語までの語数が閾値以下である前記原語の候補を、前記略語の原語に特定する、
ことを特徴とする付記１に記載の言語処理装置。
（付記３）
前記要約文は、前記本文の内容を所定の文字数以下に要約した文である、
ことを特徴とする付記１に記載の言語処理装置。
（付記４）
前記文書抽出部は、複数の前記本文のうちの、前記略語と前記特徴語とを含む前記要約文についての前記本文との内容の類似度が高い関連本文を更に抽出し、
前記原語候補抽出部は、抽出した前記本文及び前記関連本文から前記原語の候補を抽出する、
ことを特徴とする付記１に記載の言語処理装置。
（付記５）
前記言語処理装置は、
前記テキストから前記略語と、前記特徴語とを含むキーワードを抽出するキーワード抽出部、を更に備え、
前記キーワード抽出部は、前記テキスト中の前記略語と係り受けの関係がある語、及び前記略語と複合語の関係がある語を前記特徴語として抽出する、
ことを特徴とする付記１に記載の言語処理装置。
（付記６）
前記言語処理装置は、
英語とは異なる言語における略語と原語との対応関係を示す略語テーブルを記憶する記憶部と、
前記テキストから前記略語と、前記特徴語とを含むキーワードを抽出するキーワード抽出部と、を更に備え、
前記キーワード抽出部は、前記テキストから、全てアルファベットの単語と、前記略語テーブルに登録された前記略語とを、前記テキスト中の略語として抽出する、
ことを特徴とする付記１に記載の言語処理装置。
（付記７）
前記言語処理装置は、
英単語のカタカナ表記と、前記英単語の略語との対応関係を示す言語間関係テーブルを記憶する記憶部と、
前記テキストから前記略語と、前記特徴語とを含むキーワードを抽出するキーワード抽出部と、を更に備え、
前記キーワード抽出部は、前記テキスト中の全てアルファベットの単語を前記略語として抽出し、
前記原語候補抽出部は、前記本文から抽出したカタカナ語と、前記言語間関係テーブルとに基づいて、前記カタカナ語についての略語候補を生成し、生成した前記略語候補が前記略語と一致する前記カタカナ語を前記原語の候補とする、
ことを特徴とする付記１に記載の言語処理装置。
（付記８）
前記言語処理装置は、
前記テキストの前記略語を特定した前記原語に変換する変換部と、
前記略語を前記原語に変換した前記テキストを音声に変換して出力する出力部と、を更に備える、
ことを特徴とする付記１に記載の言語処理装置。
（付記９）
テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出する文書抽出部と、
抽出した前記本文から前記略語の原語の候補を抽出する原語候補抽出部と、
前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する原語特定部と、
を備えることを特徴とする言語処理システム。
（付記１０）
前記言語処理システムは、
前記文書抽出部と、通信部とを備えるサーバ装置と、
前記原語候補抽出部と、前記原語特定部と、通信部とを備える端末装置と、を含む、
ことを特徴とする付記９に記載の言語処理システム。
（付記１１）
前記言語処理システムは、
前記文書抽出部と、前記原語候補抽出部と、前記原語特定部と、通信部とを備えるサーバ装置と、
前記テキストを入力する入力部と、前記テキストを出力する出力部と、通信部とを備える端末装置と、を含む、
ことを特徴とする付記９に記載の言語処理システム。
（付記１２）
コンピュータが、
テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、
前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出し、
抽出した前記本文から前記略語の原語の候補を抽出し、
前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する、
処理を実行することを特徴とする言語処理方法。
（付記１３）
前記略語の原語を特定する処理において、前記コンピュータは、前記特徴語又は前記特徴語の類義語までの語数が閾値以下である前記原語の候補を、前記略語の原語に特定する、
ことを特徴とする付記１２に記載の言語処理方法。
（付記１４）
テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、
前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出し、
抽出した前記本文から前記略語の原語の候補を抽出し、
前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する、
処理をコンピュータに実行させる言語処理プログラム。
（付記１５）
前記略語の原語を特定する処理は、前記特徴語又は前記特徴語の類義語までの語数が閾値以下である前記原語の候補を、前記略語の原語に特定する、
ことを特徴とする付記１４に記載の言語処理プログラム。

１ 言語処理装置
１１０ 入力部
１２０ キーワード抽出部
１３０ 文書抽出部
１３１ 要約文検索部
１３２ 本文検索部
１４０ 原語候補抽出部
１５０ 原語特定部
１６０ 変換部
１７０ 出力部
１９０ 記憶部
１９１ 略語テーブル
１９２ 要約文データベース
１９３ 本文データベース
１９４ 言語間関係テーブル
１９５ 文書データテーブル
３ 言語処理システム
４ サーバ装置
４１０ 変換処理部
４２０ 通信部
５ ストレージ装置
６ ネットワーク
７，７Ａ，７Ｂ，７Ｃ クライアント端末
７１０ 入力部
７２０ 通信部
７３０ 出力部
７４０ 変換処理部
１０ コンピュータ
１００１ プロセッサ
１００２ 主記憶装置
１００３ 補助記憶装置
１００４ 入力装置
１００５ 出力装置
１００６ 入出力インタフェース
１００７ 通信制御装置
１００８ 媒体駆動装置
１１ 可搬型記録媒体

Claims (7)

1. テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出する文書抽出部と、
   抽出した前記本文から前記略語の原語の候補を抽出する原語候補抽出部と、
   前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する原語特定部と、
   を備えることを特徴とする言語処理装置。
2. 前記原語特定部は、前記特徴語又は前記特徴語の類義語までの語数が閾値以下である前記原語の候補を、前記略語の原語に特定する、
   ことを特徴とする請求項１に記載の言語処理装置。
3. 前記文書抽出部は、複数の前記本文のうちの、前記略語と前記特徴語とを含む前記要約文についての前記本文との内容の類似度が高い関連本文を更に抽出し、
   前記原語候補抽出部は、抽出した前記本文及び前記関連本文から前記原語の候補を抽出する、
   ことを特徴とする請求項１に記載の言語処理装置。
4. 前記言語処理装置は、
   英語とは異なる言語における略語と原語との対応関係を示す略語テーブルを記憶する記憶部と、
   前記テキストから前記略語と、前記特徴語とを含むキーワードを抽出するキーワード抽出部と、を更に備え、
   前記キーワード抽出部は、前記テキストから、全てアルファベットの単語と、前記略語テーブルに登録された前記略語とを、前記テキスト中の略語として抽出する、
   ことを特徴とする請求項１に記載の言語処理装置。
5. 前記言語処理装置は、
   英単語のカタカナ表記と、前記英単語の略語との対応関係を示す言語間関係テーブルを記憶する記憶部と、
   前記テキストから前記略語と、前記特徴語とを含むキーワードを抽出するキーワード抽出部と、を更に備え、
   前記キーワード抽出部は、前記テキスト中の全てアルファベットの単語を前記略語として抽出し、
   前記原語候補抽出部は、前記本文から抽出したカタカナ語と、前記言語間関係テーブルとに基づいて、前記カタカナ語についての略語候補を生成し、生成した前記略語候補が前記略語と一致する前記カタカナ語を前記原語の候補とする、
   ことを特徴とする請求項１に記載の言語処理装置。
6. コンピュータが、
   テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、
   前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出し、
   抽出した前記本文から前記略語の原語の候補を抽出し、
   前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する、
   処理を実行することを特徴とする言語処理方法。
7. テキストに含まれる略語と、前記略語と所定の関係にある特徴語とをキーワードとして、複数の本文のそれぞれの内容を要約した複数の要約文を検索し、
   前記略語と前記特徴語とを含む要約文がある場合に、当該要約文と対応付けられた本文を抽出し、
   抽出した前記本文から前記略語の原語の候補を抽出し、
   前記本文における前記原語の候補から前記特徴語又は前記特徴語の類義語までの語数に基づいて、前記原語の候補が前記略語の原語であるか否かを判定し前記略語の原語を特定する、
   処理をコンピュータに実行させる言語処理プログラム。

Images