JP2019204221A

JP2019204221A - 検索ワードサジェスト装置、固有表現情報の作成方法、および、固有表現情報の作成プログラム

Info

Publication number: JP2019204221A
Application number: JP2018098019A
Authority: JP
Inventors: 鎮成齋藤; Shigenari Saito; 山人原田; Yamato Harada; 宮尾　浩; Hiroshi Miyao; 浩宮尾
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2018-05-22
Filing date: 2018-05-22
Publication date: 2019-11-28
Anticipated expiration: 2038-05-22
Also published as: JP6805206B2; WO2019225560A1; US20210200796A1

Abstract

【課題】テキスト解析を行うことなく抽象語に対する固有表現を抽出する。【解決手段】検索ワードサジェスト装置は、表データの最左の列を抽出し、その最左の列において最上位に配置される語を抽象語として抽出し、最上位の語の下位に配置される語を、当該抽象語に対する固有表現として抽出する。そして、検索ワードサジェスト装置は、抽出した抽象語および当該抽象語の固有表現を対応付けた抽象語‐固有表現データを作成する。その後、検索ワードサジェスト装置は、検索ワードとして抽象語が入力された場合、この抽象語‐固有表現データを参照して、検索ワードに、固有表現を付与した語を検索ワードの候補としてサジェストする。【選択図】図１

Description

本発明は、検索ワードサジェスト装置、固有表現情報の作成方法、および、固有表現情報の作成プログラムに関する。

ユーザが検索ワードを用いて文書の内容を検索する際に、その内容の具体名を失念し、検索ワードに具体名を投入できないケースがある。例えば、ユーザが、「UPAS所データ」に関する、あるテーブルについて検索したいが、テーブル名を忘れてしまった場合、検索ワードに「所データ」等の抽象的な語を入れるしかない。その結果、ユーザが調べたい内容以外の文書まで表示されてしまい、調べたい内容に行き着くまで時間がかかってしまうことがある。ここで、ユーザが、検索ワードとして抽象的な語（抽象語）を投入した場合に、より具体的な語（固有表現）を提示できれば、ユーザが調べたい内容に行き着くまでの時間を短縮できる。

特許第５５０６４８２号公報特許第５５９１８７０号公報

ここで、抽象語に対する固有表現を抽出する方法としては、教師あり学習を用いた自然言語処理を用いる方法が主流である。しかし、この方法では、教師データにない語に関してはテキスト解析の曖昧性により、固有表現を抽出できない場合があるという問題がある。そこで、本発明は、前記した問題を解決し、テキスト解析を行うことなく抽象語に対する固有表現を抽出することを課題とする。

前記した課題を解決するため、本発明は、文書内の表データから、前記表データの最左の列を抽出する列抽出部と、前記抽出した列を構成する語のうち、最上位に配置される語を抽象語として抽出し、前記最上位の語の下位に配置される語を、前記抽出した抽象語に対する固有表現として抽出する固有表現抽出部と、前記抽出した抽象語および前記抽象語の固有表現を対応付けた固有表現情報を作成する情報作成部とを備えることを特徴とする。

本発明によれば、テキスト解析を行うことなく抽象語に対する固有表現を抽出することができる。

図１は、第１の実施形態の検索ワードサジェスト装置の動作例を説明するための図である。図２は、第１の実施形態の検索ワードサジェスト装置の構成例を示す図である。図３は、第１の実施形態の検索ワードサジェスト装置が抽象語‐固有表現データを作成する手順の例を示すフローチャートである。図４は、第１の検索ワードサジェスト装置が検索ワードのサジェストを行う手順の例を示すフローチャートである。図５は、第２の実施形態の検索ワードサジェスト装置の動作例を説明するための図である。図６は、第２の実施形態の検索ワードサジェスト装置が抽象語‐固有表現データを作成する手順の例を示すフローチャートである。図７は、制御プログラムを実行するコンピュータを示す図である。

以下、図面を参照しながら、本発明を実施するための形態（実施形態）を、第１の実施形態および第２の実施形態に分けて説明する。本発明は、各実施形態に限定されない。

[第１の実施形態]
[概要]
第１の実施形態の検索ワードサジェスト装置は、データ検索に用いる検索ワードの候補として、ユーザから入力された検索ワードをより具体的に表現した語（固有表現）を付与した語を、サジェストする。これによりユーザが調べたい内容を具体的に表現した語を思いつくことができなかった場合でも、ユーザが調べたい内容に行き着くまでの時間を短縮できる。

ここで、一般に、文書内の表（表データ）の最左の列は、表内容の主項目を示す列であることが多く、その主項目を示す列には抽象語とその抽象語の固有表現とのペアが現れることが多い。例えば、図１の表「提供ガイダンス一覧」における最左の列（列１０１）は、この表の主項目を示す列であり、上から順に、ガイダンス種類、未使用番号、空番、裏番号ダイヤル等の語が格納されている。これらの語のうち、最上位に配置されるガイダンス種類という語と、その下に配置される、未使用番号、空番、裏番号ダイヤル等の語とは、抽象語と、当該抽象語の固有表現という関係になっている。

このような性質に着目し、検索ワードサジェスト装置は、表の最左の列の語のうち、最上位に配置される語を抽象語として抽出し、最上位の語の下に配置される語を当該抽象語の固有表現として抽出する。そして、検索ワードサジェスト装置は、抽出した固有表現と固有表現とを対応付けた抽象語‐固有表現データ（固有表現情報）を作成する。その後、検索ワードサジェスト装置は、この抽象語‐固有表現データに登録されている抽象語が検索ワードとして入力されると、この抽象語に、この抽象語の固有表現を付与した語を検索ワードの候補としてサジェストする。

例えば、検索ワードサジェスト装置は、「ガイダンス種類」という語が検索ワードとして入力された場合、図１に示すように、「ガイダンス種類」に、抽象語‐固有表現データにおいて「ガイダンス種類」の固有表現となる語（未使用番号、空番、裏番号直接等）を付与した語を検索ワードの候補（候補１〜３）としてサジェストする。

このようにすることで、ユーザが調べたい内容（例えば、「ガイダンス種類」）についてその内容を具体的に表現した語（例えば、「未使用番号」、「空番」、「裏番号直接」等）を思いつくことができなかった場合でも、サジェストされた検索ワードの候補の中から、ユーザが調べたい内容を具体的に表現した語を発見することができる。そして、情報検索装置が、ユーザにより選択された検索ワードを用いて情報検索を行うことで、ユーザが調べたい内容に近い内容を検索結果として出力することができる。その結果、ユーザが調べたい内容に行き着くまでの時間を短縮できる。

また、検索ワードサジェスト装置１０は、抽象語‐固有表現データの作成にあたり、抽象語とその抽象語の固有表現のペアが現れやすい、表の最左の列の語を用いるので、テキスト解析等を行う場合よりも、抽象語に対する固有表現を抽出しやすくなる。

[構成]
次に、図２を用いて検索ワードサジェスト装置１０の構成を説明する。検索ワードサジェスト装置１０は、入出力部（入力部および出力部）１１と、記憶部１２と、制御部１３とを備える。入出力部１１は、検索ワードサジェスト装置１０の入出力インタフェースを司る。この入出力部１１は、例えば、ユーザから検索ワードの入力を受け付けたり、検索ワードのサジェスト結果（検索ワードの候補）を出力したりする。

記憶部１２は、制御部１３が検索ワードのサジェストを行うための種々の情報を記憶する。例えば、記憶部１２は、１以上の表データを記憶する。また、記憶部１２は、制御部１３から出力される抽象語‐固有表現データを記憶する領域を備える。

制御部１３は、列抽出部１３１と、固有表現抽出部１３２と、データ作成部１３３と、サジェスト部１３４とを備える。

列抽出部１３１は、表データから、当該表データの内容の主項目を示す列を抽出する。例えば、列抽出部１３１は、記憶部１２の表データから、当該表データ（表）の最左の列を抽出する。また、列抽出部１３１は、表データの最左の列が項番を示す列である可能性がある場合、あるいは、表データの最左の列に「○」、「‐」、「同上」等の意味をなさない文字列が格納されている場合、当該表データにおける最左の列の右側に隣接する列を抽出してもよい。このようにすることで、列抽出部１３１は、当該表データの内容の主項目を示す列を確実に抽出しやすくなる。

固有表現抽出部１３２は、列抽出部１３１により抽出された列（例えば、表の最左の列）を構成する語のうち、当該列において最上位に配置される語を抽象語として抽出し、当該列において最上位の語の下位に配置される語を、当該抽象語に対する固有表現として抽出する。例えば、固有表現抽出部１３２は、図１に示す表の最左の列において、最上位に配置される「ガイダンス種類」を抽象語として抽出し、その列において「ガイダンス種類」の下位に配置される「未使用番号」、「空番」、「裏番号直接」を、「ガイダンス種類」に対する固有表現として抽出する。

データ作成部１３３は、固有表現抽出部１３２により抽出された抽象語および当該抽象語の固有表現を対応付けた抽象語‐固有表現データ（固有表現情報）を作成する。例えば、データ作成部１３３は、図１に示すように、抽象語「ガイダンス種類」に対し、「未使用番号」、「空番」、「裏番号直接」を固有表現として対応付けた抽象語‐固有表現データを作成し、記憶部１２に格納する。

サジェスト部１３４は、ユーザへの検索ワードのサジェストを行う。具体的には、サジェスト部１３４は、データ作成部１３３による抽象語‐固有表現データの作成後、入出力部１１経由でユーザから、抽象語‐固有表現データに含まれる抽象語が検索ワードとして入力された場合、検索に用いる検索ワードの候補として、抽象語‐固有表現データから当該検索ワードに対する固有表現を付与した語をサジェストする。

例えば、サジェスト部１３４は、検索ワードとして上記の「ガイダンス種類」という語が入力された場合、抽象語‐固有表現データにおいて「ガイダンス種類」の固有表現となる語（未使用番号、空番、裏番号直接等）を付与した語を検索ワードの候補（候補１〜３）としてサジェストする（図１参照）。なお、サジェストされた検索ワードの候補は、例えば、ユーザが検索ワードを入力した画面領域の下等に表示される。その後、ユーザは、画面上に表示された検索ワードおよびサジェストされた検索ワードの中から、検索に用いる検索ワードの選択入力を行う。そして、検索ワードサジェスト装置１０または情報検索装置（図示省略）は、ユーザから選択された検索ワードを用いて、情報検索を行う。

［処理手順］
次に、検索ワードサジェスト装置１０の処理手順を説明する。まず、図３を用いて、検索ワードサジェスト装置１０が抽象語‐固有表現データを作成する手順の例を説明し、次に、図４を用いて、検索ワードサジェスト装置１０が、抽象語‐固有表現データを用いて検索ワードのサジェストを行う手順の例を説明する。なお、検索ワードサジェスト装置１０は、表データ（表）の内容の主項目を示す列として、表の最左の列を抽出する場合を例に説明する。

例えば、検索ワードサジェスト装置１０の列抽出部１３１は、記憶部１２の表データから、当該表データ（表）の最左の列を抽出する（Ｓ１）。次に、固有表現抽出部１３２は、当該列において最上位に配置される語を抽象語として抽出する（Ｓ２）。また、固有表現抽出部１３２は、当該列において最上位の語の下位に配置される語を最上位の語に対する固有表現として抽出する（Ｓ３）。そして、データ作成部１３３は、抽出された抽象語と当該抽象語の固有表現とを対応付けたデータ（抽象語‐固有表現データ）を作成する（Ｓ４）。その後、データ作成部１３３は、作成した抽象語‐固有表現データを記憶部１２に格納する。このようにすることで、検索ワードサジェスト装置１０は、抽象語‐固有表現データを作成することができる。

図４の説明に移る。検索ワードサジェスト装置１０の入出力部１１が検索ワードの入力を受け付け（Ｓ１１）、入力された検索ワードが、抽象語‐固有表現データにおいて抽象語として登録されていれば（Ｓ１２でＹｅｓ）、サジェスト部１３４は、抽象語‐固有表現データにおける当該検索ワードに対する固有表現を読み出す。そして、サジェスト部１３４は、当該検索ワードに、当該検索ワードの固有表現を付与した語を検索ワードの候補としてサジェストする（Ｓ１３）。一方、入力された検索ワードが抽象語‐固有表現データにおいて抽象語として登録されていなければ（Ｓ１２でＮｏ）、サジェスト部１３４は、Ｓ１３の処理を実行しない。

このようにすることで、ユーザが調べたい内容（例えば、「ガイダンス種類」）についてその内容を具体的に表現した語（例えば、「未使用番号」、「空番」、「裏番号直接」等）を思いつくことができなかった場合でも、検索ワードサジェスト装置１０は、ユーザに、その内容を具体的に表現した語（例えば、「未使用番号」、「空番」、「裏番号直接」等）を付与した語を検索ワードの候補としてサジェストすることができる。

［第２の実施形態］
次に、本発明の第２の実施形態を説明する。第１の実施形態と同じ構成については同じ符号を用いて説明を省略する。第２の実施形態の検索ワードサジェスト装置１０の列抽出部１３１は、表データ（表）の内容の主項目を示す列として、当該表から、当該表のタイトルの文字列を含む語が最上位に配置される列を抽出する。

例えば、列抽出部１３１は、図５に示すように、表データのうち、タイトル「＊＊一覧」（例えば、「ＵＰＡＳ所データ一覧」）が付されている表データ（表）を取得する。そして、列抽出部１３１は、取得した表から、当該タイトルに含まれる文字列（例えば、「所データ」）を含む語（例えば、「所データ名」）が最上位に配置される列（列５０１）を抽出する。

そして、固有表現抽出部１３２は、第１の実施形態と同様に、列抽出部１３１により抽出された列について、当該列を構成する語のうち、最上位に配置される語を抽象語として抽出し、最上位の語の下位に配置される語を、当該抽象語に対する固有表現として抽出する。

例えば、固有表現抽出部１３２は、図５の列５０１を構成する語のうち、最上位に配置される「所データ」を抽象語として抽出し、「所データ（所データ名）」の下位に配置される「自ＵＰＡＳクラスタ情報」、「対向ＣＡ情報」、「対向ＭＳ・ＣＳＳ情報」を、抽象語「所データ（所データ名）」に対する固有表現として抽出する。そして、データ作成部１３３は、抽象語「所データ（所データ名）」に対し、「自ＵＰＡＳクラスタ情報」、「対向ＣＡ情報」、「対向ＭＳ・ＣＳＳ情報」を固有表現として対応付けた抽象語‐固有表現データを作成し、記憶部１２に格納する。そして、サジェスト部１３４は、作成した抽象語‐固有表現データを用いて、ユーザへの検索ワードの候補のサジェストを行う。

［処理手順］
次に、図６を用いて、第２の検索ワードサジェスト装置１０が抽象語‐固有表現データを作成する手順の例を説明する。まず、検索ワードサジェスト装置１０の列抽出部１３１は、記憶部１２からタイトルが付されている表データを取得する（Ｓ２１）。その後、列抽出部１３１は、当該表データのタイトルに含まれる文字列を含む語が最上位に配置される列を抽出する（Ｓ２２）。その後の、Ｓ２３〜Ｓ２５の処理は、図４のＳ２〜Ｓ４の処理と同様なので説明を省略する。

このような検索ワードサジェスト装置１０によれば、抽象語‐固有表現データの作成にあたり、表を構成する列のうち、当該表のタイトルの文字列を含む語が最上位に配置される列の語を用いるので、テキスト解析等を行う場合よりも、抽象語に対する固有表現を抽出しやすくなる。

［プログラム］
また、上記の実施形態で述べた検索ワードサジェスト装置１０の機能を実現するプログラムを所望の情報処理装置（コンピュータ）にインストールすることによって実装できる。例えば、パッケージソフトウェアやオンラインソフトウェアとして提供される上記のプログラムを情報処理装置に実行させることにより、情報処理装置を検索ワードサジェスト装置１０として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）等がその範疇に含まれる。また、検索ワードサジェスト装置１０を、クラウドサーバに実装してもよい。

図７を用いて、上記のプログラム（制御プログラム）を実行するコンピュータの一例を説明する。図７に示すように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ（Random Access Memory）１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。ディスクドライブ１１００には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１１１０およびキーボード１１２０が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１１３０が接続される。

ここで、図７に示すように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。前記した実施形態で説明した各種データや情報は、例えばハードディスクドライブ１０９０やメモリ１０１０に記憶される。

そして、ＣＰＵ１０２０が、ハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

なお、上記の制御プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、上記のプログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

１０検索ワードサジェスト装置
１１入出力部
１２記憶部
１３制御部
１３１列抽出部
１３２固有表現抽出部
１３３データ作成部
１３４サジェスト部

Claims

文書内の表データから、前記表データの最左の列を抽出する列抽出部と、
前記抽出した列を構成する語のうち、最上位に配置される語を抽象語として抽出し、前記最上位の語の下位に配置される語を、前記抽出した抽象語に対する固有表現として抽出する固有表現抽出部と、
前記抽出した抽象語および前記抽象語の固有表現を対応付けた固有表現情報を作成する情報作成部と
を備えることを特徴とする検索ワードサジェスト装置。
前記列抽出部は、
前記表データの最左の列が項番を示す列である場合、前記項番を示す列の右側に隣接する列を抽出することを特徴とする請求項１に記載の検索ワードサジェスト装置。
文書内の表データのうち、タイトルが付されている表データから、前記表データのタイトルの文字列を含む語が最上位に配置される列を抽出する列抽出部と、
前記抽出した列を構成する語のうち、最上位に配置される語を抽象語として抽出し、前記最上位の語の下位に配置される語を、前記抽出した抽象語に対する固有表現として抽出する固有表現抽出部と、
前記抽出した抽象語および前記抽象語の固有表現を対応付けた固有表現情報を作成する情報作成部と
を備えることを特徴とする検索ワードサジェスト装置。
前記固有表現情報に含まれる抽象語が検索ワードとして入力された場合、前記検索ワードの候補として、前記固有表現情報を参照して、前記入力された検索ワードに対する固有表現を読み出し、前記読み出した固有表現を前記検索ワードに付与してサジェストするサジェスト部
をさらに備えることを特徴とする請求項１〜３のいずれか１項に記載の検索ワードサジェスト装置。
検索ワードサジェスト装置により実行される固有表現情報の作成方法であって、
文書内の表データから、前記表データの最左の列を抽出するステップと、
前記抽出した列を構成する語のうち、最上位に配置される語を抽象語として抽出し、前記最上位の語の下位に配置される語を、前記抽出した抽象語に対する固有表現として抽出するステップと、
前記抽出した抽象語および前記抽象語の固有表現を対応付けた固有表現情報を作成するステップと
を含んだことを特徴とする固有表現情報の作成方法。
文書内の表データから、前記表データの最左の列を抽出するステップと、
前記抽出した列を構成する語のうち、最上位に配置される語を抽象語として抽出し、前記最上位の語の下位に配置される語を、前記抽出した抽象語に対する固有表現として抽出するステップと、
前記抽出した抽象語および前記抽象語の固有表現を対応付けた固有表現情報を作成するステップと
をコンピュータに実行させることを特徴とする固有表現情報の作成プログラム。