JP2020123227A - 単語出力方法、単語出力プログラム及び情報処理装置 - Google Patents

Abstract

【課題】複数の単語から構成される用語の抽出精度を向上すること。【解決手段】形態素解析部１２が文章群２を入力し、基本辞書１１を参照して形態素解析を行い、各文章から単語を抽出して単語記憶部１３に格納する。そして、意味関係解析部１６が、文法情報記憶部１４と意味構造変換辞書１５を参照して、形態素解析結果から意味構造を作成し、意味構造記憶部１７に格納する。意味関係解析部１６は、隣り合う２つの単語の意味の組み合わせと当該単語間の文法関係とに基づいて当該単語間のアークを生成する。そして、専門用語抽出部１８が、特定の種別のアークでつながり、「ＲＥＮＧＯ」アークを持つ単語を含む単語列から専門用語を生成し、単語記憶部１３を更新する。【選択図】図４

Description

本発明は、単語出力方法、単語出力プログラム及び情報処理装置に関する。

文章をクラスタリングする技術は、例えば、ユーザからの問合せに回答するサービスデスク担当者を支援するシステムで利用されている。ここで、クラスタリングとは、データの集まりについて、似ているものをまとめることである。

図１２は、文章のクラスタリングを説明するための図である。図１２に示すように、「サーバが壊れた」、「ネットワークに接続できない」、「ネットワークにつながらない」及び「サーバが止まった」の４つの文章の集合は、サーバのクラスタとネットワークのクラスタに分割される。サーバのクラスタには、「サーバが壊れた」及び「サーバが止まった」が含まれ、ネットワークのクラスタには、「ネットワークに接続できない」及び「ネットワークにつながらない」が含まれる。

サービスデスク担当者を支援するシステムは、ユーザの問合せを解析して問合せのクラスタを特定し、特定したクラスタに対応する回答例をサービスデスク担当者に提供することで、サービスデスク担当者を支援することができる。

図１３Ａは、文章のクラスタリングのしくみを説明するための図である。図１３Ａに示すように、文章のクラスタリングでは、基本辞書を用いて文章が形態素解析される。そして、単語の出現頻度情報（例えばＴＦ（Term Frequency）−ＩＤＦ（Inverse Document Frequency））を利用して文章がベクトル化され、ベクトル間のコサイン類似度が計算される。そして、コサイン類似度が閾値を超える文章がまとめられる。

図１３Ｂは、文章のベクトル化とコサイン類似度に基づくクラスタリングの例を示す図である。図１３Ｂに示すように、文章＃１「サーバが壊れた」、文章＃２「ネットワークに接続できない」、文章＃３「サーバが止まった」及び文章＃４「ネットワークにつながらない」は、単語の頻度でベクトル化される。

そして、文章＃１「サーバが壊れた」と文章＃３「サーバが止まった」のコサイン類似度として「０．７」が計算され、文章＃２「ネットワークに接続できない」と文章＃４「ネットワークにつながらない」のコサイン類似度として「０．４」が計算される。また、文章＃１「サーバが壊れた」と文章＃４「ネットワークにつながらない」のコサイン類似度として「０．０」が計算される。

そして、文章＃１「サーバが壊れた」と文章＃３「サーバが止まった」が１つのクラスタとしてまとめられ、文章＃２「ネットワークに接続できない」と文章＃４「ネットワークにつながらない」が１つのクラスタとしてまとめられる。このような文章のクラスタリングでは、利用する辞書によってクラスタリング結果が変わってくる。

なお、従来技術として、特許請求の範囲から文法上の構造単位の大小関係と、それぞれの持つ名詞の概念階層の双方を考慮に入れ、特許の広さを評価する技術がある。この技術では、格成分抽出プログラムが、電子データ化された特許明細書における特許請求の範囲の記載から文字列を抽出し、抽出した文字列について形態素解析及び構文解析を行うことにより、これらを単語に分解した上で、所定の文字列を一単語とする。

そして、格成分抽出プログラムは、所定の文字列が一単語とされた文字列から名詞句を抽出し、抽出した名詞句から格成分を抽出する。そして、格成分抽出プログラムは、名詞の概念が上位概念から下位概念まで階層化されて記憶されている概念辞書を参照して、抽出した各格成分に含まれる名詞の概念階層をそれぞれ特定する。そして、格成分抽出プログラムは、抽出した格成分の数と、特定した各格成分における名詞の概念階層とに基づいて評価値を算出する。

また、従来技術として、解析速度の向上のために複合語を１つに纏め上げたときに、検索システムの再現率や適合率の低下を防止する自然言語処理システムがある。この自然言語システムは、連続する形態素をまとめて１つの複合語を形成する際に、元の形態素間に区切り文字を与え、形態素解析結果から元の形態素を容易に取り出すことができる構造とすることで、検索システムにおける再現率を維持する。

また、従来技術として、解析結果を簡易に表示することが可能な言語処理装置がある。この言語処理装置は、句判定部、拡張部、表示処理部、表示部を有する。句判定部は、入力された文に含まれる複数の単語を抽出して文の意味を解析した解析結果に基づき、複数の単語のそれぞれについて、単語を含み一つの意味を成す句があるか否かを判定し、句を出力する。拡張部は、複数の単語のうちの互いに関係する２つの単語同士の関係を示す関係情報及び句判定部の判別結果に基づき、単語又は句を前後の単語又は句とつなげて別の句として表示させるか否かの判別を行う。表示処理部は、文を表示させる際に、別の句として表示させると判別された単語又は句を一つの句として表示させる。表示部は、解析結果及び表示処理部での処理の結果に基づき、文を表示する。

また、従来技術として、解析が難しかった複合語、重文、複文を効率的に解析できる構文解析方法がある。この構文解析方法は、入力文を分析して構文要素を判別し、構文要素を分岐点として入力文を分割し、分割結果に対して形態素分析を行い品詞情報を持った単語列を生成する。そして、この構文解析方法は、分割結果に対して、予め用意した複合語化規則を適応し、品詞情報を持った単語列を結合し複合語データを生成する。そして、この構文解析方法は、予め用意した構文規則と構文要素とを参照して、複合語及び複合化規則適用後も単一で残った単語の格情報を獲得し、格情報を持った単語及び格情報を持った複合語からなるリスト（構文表現）を生成する。

また、従来技術として、２語以上にわたる広範囲な係り受け関係の全体概観から、詳細な絞り込み表示までの自由で対話的な分析を可能にするテキストマイニング装置がある。このテキストマイニング装置は、２語以上の単語間の係り受け関係を抽出し、単語間の係り受け関係を構成する単語をカテゴリ別に分類し、分類されたカテゴリに含まれる単語間の係り受け関係ネットワーク構造を構成する。そして、このテキストマイニング装置は、単語間の係り受け関係ネットワーク構造を表示し、表示条件の設定の入力を受け付け、表示された単語間の係り受け関係ネットワーク構造に対し、表示条件の設定を指示する。

特開２０１５−７２５７３号公報 特開２００５−９２６１７号公報 特開２０１４−１１００２６号公報 特開２００１−１２５８９８号公報 特開２００７−２９３６８５号公報

図１３Ａに示したクラスタリングには、専門用語を構成する複数の単語が別々に抽出され、類似していない文章が同じクラスタに分類されるという問題がある。図１４は、図１３Ａに示したクラスタリングの問題を説明するための図である。図１４において、「時間によってプライベート接続オプションに接続されます。」と「プライベートな時間を、オプションに接続して楽しめます。」は、違うクラスタに分類されるべきである。

これら２つの文章を違うクラスタに分類するためには、形態素解析において、「プライベート接続オプション」を１つの単語として抽出する必要がある。しかしながら、基本辞書を用いた形態素解析では、２つの文章から「プライベート」、「接続」及び「オプション」が単語として抽出されるため、２つの文章は似ていると判定される。

なお、手作業で基本辞書に専門用語を加えることで図１４に示した問題を解決することができるが、専門用語の数が多い場合には作業に多くの時間がかかる。また、形態素解析の結果に対して、名詞句が連続した複合名詞又は単名詞を抽出する等の規則を適用することにより、専門用語を抽出することが考えられるが、この方法では、専門用語以外の用語も抽出されてしまう。

図１５は、専門用語以外の用語の抽出例を示す図である。図１５に示すように、形態素解析の結果に対して、名詞句が連続した複合名詞又は単名詞を抽出する等の規則を適用すると、「提供範囲」が単語として抽出される。その結果、「プライベート接続オプションの提供範囲です。」と「プライベート接続オプションが提供する範囲です。」は、同じクラスタに分類されるべきであるが、異なるクラスタに分類される。

本発明は、１つの側面では、複数の単語から構成される用語の抽出精度を向上することを目的とする。

１つの態様では、単語出力方法は、文字列データを受け付け、受け付けた前記文字列データより隣り合う第１の単語及び第２の単語を抽出する処理をコンピュータが実行する。そして、前記単語出力方法は、前記第１の単語及び前記第２の単語間で特定される意味関係が特定の意味関係である場合、前記第１の単語及び前記第２の単語を含む新たな単語を生成し、生成した前記単語を出力する処理を前記コンピュータが実行する。ここで、前記単語出力方法は、抽出した前記第１の単語及び前記第２の単語の意味の組み合わせと、前記第１の単語及び前記第２の単語間の文法関係と、により前記意味関係を特定する。

１つの側面では、本発明は、複数の単語から構成される用語の抽出精度を向上することができる。

図１は、実施例に係るクラスタリング装置による専門用語抽出を説明するための図である。 図２は、ノードの品詞が名詞以外の場合で抽出される専門用語の例を示す図である。 図３は、専門用語として抽出されない他の例を示す図である。 図４は、実施例に係るクラスタリング装置の機能構成を示す図である。 図５は、「プライベート接続オプションの提供範囲です。」という文章の意味構造を示す図である。 図６は、専門用語の抽出に用いられる特定の種別を示す図である。 図７は、抽出される専門用語の例を示す図である。 図８は、抽出される専門用語の例を示す図である。 図９は、クラスタリング装置による処理のフローを示すフローチャートである。 図１０は、抽出部による処理のフローを示すフローチャートである。 図１１は、実施例に係るクラスタリングプログラムを実行するコンピュータのハードウェア構成を示す図である。 図１２は、文章のクラスタリングを説明するための図である。 図１３Ａは、文章のクラスタリングのしくみを説明するための図である。 図１３Ｂは、文章のベクトル化とコサイン類似度に基づくクラスタリングの例を示す図である。 図１４は、図１３Ａに示したクラスタリングの問題を説明するための図である。 図１５は、専門用語以外の用語の抽出例を示す図である。

以下に、本願の開示する単語出力方法、単語出力プログラム及び情報処理装置の実施例を図面に基づいて詳細に説明する。なお、この実施例は開示の技術を限定するものではない。

まず、実施例に係るクラスタリング装置による専門用語抽出について説明する。図１は、実施例に係るクラスタリング装置による専門用語抽出を説明するための図である。図１に示すように、実施例に係るクラスタリング装置は、形態素解析の結果に対して、意味関係解析を行うことで、アークの種別に基づく専門用語抽出を行い、抽出した専門用語による置き換えを行う。

ここで、意味関係解析とは、形態素解析の結果に対して構文解析と意味解析を含む解析を行って文章に対応する意味構造を作成することである。意味構造は、文章の意味を表す構造である。図１では、例として、「プライベート接続オプション」の意味構造グラフと「提供範囲」の意味構造グラフが示されている。意味構造グラフは、意味構造をグラフ表現したものである。意味構造グラフにおいて、ノードは単語を表す。ノード間を接続するアークは、文章を意味関係解析して得られる単語間の意味的な関係（意味関係）を表す。

アークには、意味関係を示す種別がある。図１では、「ＲＥＮＧＯ」、「ＭＯＤ．Ａ」、「ＰＲＥＤ．Ｎ」がアークの種別の例である。「ＲＥＮＧＯ」は、単語が連語として使用されることを示す。「ＭＯＤ．Ａ」は、名詞が形容詞的な性質や状態の修飾であることを示す。「プライベート接続オプション」の意味構造グラフは、「プライベート」と「接続」と「オプション」とが「プライベート（という性質）で接続された（状態の）オプション」という意味でつながっていることを表す。「ＰＲＥＤ．Ｎ」は、単語が名詞述語として使用されることを示す。「提供範囲」の意味構造グラフは、「提供」と「範囲」とが「提供する範囲だ」の意味でつながっていることを表す。

アークの種別に基づく専門用語抽出では、実施例に係るクラスタリング装置は、例えば、「ＲＥＮＧＯ」を持つノードを含み「ＭＯＤ．Ａ」で接続されるものを専門用語として抽出する。ここで、「ＲＥＮＧＯ」を持つノードとは、種別が「ＲＥＮＧＯ」のアークと接続するノードである。また、実施例に係るクラスタリング装置は、「ＲＥＮＧＯ」を持つノードを含んでも、例えば、「ＰＲＥＤ．Ｎ」で接続されるものは専門用語として抽出しない。

図１では、ノードの品詞が全て名詞である場合を示したが、実施例に係るクラスタリング装置は、ノードの品詞が名詞以外の場合にも専門用語を抽出することができる。図２は、ノードの品詞が名詞以外の場合で抽出される専門用語の例を示す図である。図２（ａ）は「インシデント取り下げフラグ」が専門用語として抽出される場合を示し、図２（ｂ）は「Ｋ５クライアント証明書」が専門用語として抽出される場合を示す。

図２（ａ）に示すように、「インシデント取り下げフラグ」には、動詞の「取り下げ」が含まれる。実施例に係るクラスタリング装置は、「ＲＥＮＧＯ」を持つノードを含み、例えば「ＭＯＤ．Ａ」又は「ＭＯＤ」で接続されるものを専門用語として抽出することで、動詞が含まれる場合にも、専門用語を抽出することができる。なお、「ＭＯＤ」は、非修飾概念に対する世界の限定を示す。「インシデント取り下げフラグ」の意味構造グラフは、「インシデント」と「取り下げ」と「フラグ」とが「インシデント（という性質）の取り下げの（限定の）フラグ」の意味でつながっていることを表す。

図２（ｂ）に示すように、「Ｋ５クライアント証明書」には、辞書にない固有名詞の「Ｋ５」が含まれる。実施例に係るクラスタリング装置は、「ＲＥＮＧＯ」を持つノードを含み、例えば「ＭＯＤ」で接続されるものを専門用語として抽出することで、固有名詞が含まれる場合にも、専門用語を抽出することができる。なお、「Ｋ５クライアント証明書」の意味構造グラフは、「Ｋ５」と「クライアント」と「証明書」とが「Ｋ５のクライアントの証明書」の意味でつながっていることを表す。

図３は、専門用語として抽出されない他の例を示す図である。図３（ａ）は「対処済」の意味構造グラフを示し、図３（ｂ）は「設定不可」の意味構造グラフを示す。図３（ａ）において、「ＰＥＲＦＥＣＴ」は動作の完了を表すアークである。「ＰＥＲＦＥＣＴ」により「済」の意味が表される。「ＰＥＲＦＥＣＴ」を持つノードは専門用語として抽出されない。

図３（ｂ）において、「ＡＳＰ」は様相（ありさま）を表すアークであり、「ＮＯＴ」は述語の否定を表すアークである。ノード「可」とアーク「ＮＯＴ」により「不可」が表される。「ＮＯＴ」を持つノードを含むものは専門用語として抽出されない。

次に、実施例に係るクラスタリング装置の機能構成について説明する。図４は、実施例に係るクラスタリング装置の機能構成を示す図である。図４に示すように、実施例に係るクラスタリング装置１は、文章群２を入力し、各文章をクラスタ＃１〜クラスタ＃ｍで表されるｍ個のクラスタ３に分類する。クラスタリング装置１は、基本辞書１１と、形態素解析部１２と、単語記憶部１３と、文法情報記憶部１４と、意味構造変換辞書１５と、意味関係解析部１６と、意味構造記憶部１７と、専門用語抽出部１８と、ベクトル化部１９と、類似度計算部２０とを有する。

基本辞書１１は、文章で使われる単語、単語の品詞等の情報を記憶する。形態素解析部１２は、文章群２を例えばファイルから入力して形態素解析を行い、文章から単語を抽出し、抽出した単語を文章と対応付けて単語記憶部１３に格納する。単語記憶部１３は、形態素解析により抽出された単語を文章毎に記憶する。

文法情報記憶部１４は、文章の文法に関する情報を記憶する。文法情報記憶部１４が記憶する情報は、文章の構文解析に用いられる。意味構造変換辞書１５は、意味構造を作成するための情報を記憶する。意味構造変換辞書１５が記憶する情報は、意味解析で用いられる。

意味関係解析部１６は、文法情報記憶部１４が記憶する情報と意味構造変換辞書１５が記憶する情報を参照して、形態素解析結果に対して構文解析と意味解析を含む解析を行い、意味構造を作成して意味構造記憶部１７に格納する。

意味関係解析部１６は、構文解析部１６ａと意味解析部１６ｂとを有する。構文解析部１６ａは、文法情報記憶部１４が記憶する情報に基づいて、形態素解析結果に対して構文解析を行う。意味解析部１６ｂは、意味構造変換辞書１５が記憶する情報に基づいて、構文解析結果に対して意味解析を行う。

意味関係解析部１６は、構文解析と意味解析を連携することで意味構造を作成する。意味関係解析部１６は、隣り合う２つの単語の意味の組み合わせと当該単語間の文法関係とに基づいて当該単語間のアークの種別を特定する。

なお、意味関係解析部１６によって行われる意味関係解析処理は、既存の機械翻訳技術を使って実現される。意味関係解析処理には、例えば、特開平６−６８１６０号公報、特開昭６３−１３６２６０号公報や特開平４−３７２０６１号公報に開示されている機械翻訳技術が用いられる。また、意味構造は、例えば、特開２０１２−７３９５１号公報に開示されている。

意味構造記憶部１７は、意味構造を記憶する。図５は、意味構造の一例を示す図である。図５は、「プライベート接続オプションの提供範囲です。」という文章の意味構造を示す図である。図５に示すように、意味構造には、単語一覧とグラフ構造とが含まれる。

単語一覧には、表記、品詞、概念記号等が含まれる。表記は、単語の表現法を示す。品詞は、単語の文法上の区分けである。例えば、「ＡＮ」は形容動詞を示し、「ＳＮ」はサ変名詞を示し、「Ｎ」は名詞を示す。概念記号は、単語の概念を示す記号である。例えば、「プライベート」と表記される単語は、形容動詞であり、その概念を示す記号は「ＰＲＩＶＡＴＥ」である。

グラフ構造は、単語間の意味関係を表す。グラフ構造において、「（ ）」は概念記号を示し、「＜ ＞」はアークの種別を示し、「−−＞」はアークの方向を示す。

単語一覧とグラフ構造を用いて図１に示した意味構造グラフが生成される。概念記号を対応する表記で置き換えたものが意味構造グラフのノードに対応する。「−−＞」に基づいてノード間のアークが生成され、生成されたアークにアークの種別が付加される。「（ＮＵＬＬ）」は、接続先のノードがないことを示す。

専門用語抽出部１８は、形態素解析結果と意味構造に基づいて、専門用語を抽出し、抽出した専門用語を用いて単語記憶部１３を更新する。すなわち、専門用語抽出部１８は、抽出した専門用語を構成する単語列を、抽出した専門用語で置き換える。専門用語抽出部１８は、抽出部１８ａと出力部１８ｂとを有する。

抽出部１８ａは、以下の条件＃１を満たす単語列を専門用語として抽出する。
条件＃１：意味構造において特定の種別のアークでつながった単語列であって種別が「ＲＥＮＧＯ」のアークを持つ単語を含む単語列

図６は、専門用語の抽出に用いられる特定の種別を示す図である。図６に示すように、専門用語の抽出に用いられる特定の種別には、「ＭＯＤ」、「ＭＯＤ．Ａ」、「ＭＯＤ．ＩＮＤ」、「ＭＯＤ．ＮＵＭ」及び「ＥＮＵＭ」がある。「ＭＯＤ．ＩＮＤ」は、「非」、「被」等の先頭の接頭語であることを示す。「ＭＯＤ．ＮＵＭ」は、序数詞の文節と名詞句をつなぐ関係を示す。「ＥＮＵＭ」は、対等の関係であることを示す。

図７は、抽出される専門用語の例を示す図である。図７は、「ＦＥＮＩＣＳネットワークサービスはプライベート接続オプションの提供範囲です。」から抽出される専門用語を示す。図７に示すように、「ＦＥＮＩＣＳ（概念記号もＦＥＮＩＣＳ）」と「ネットワーク（概念記号はＮＥＴＷＯＲＫ）」と「サービス（概念記号はＳＥＲＶＩＣＥ）」はアーク「ＭＯＤ」でつながり、「ＦＥＮＩＣＳ」は「ＲＥＮＧＯ」のアークを持つ。したがって、「ＦＥＮＩＣＳネットワークサービス」が専門用語として抽出される。

また、「プライベート」と「接続オプション」と「オプション」はアーク「ＭＯＤ．Ａ」でつながり、「プライベート」は「ＲＥＮＧＯ」のアークを持つ。したがって、「プライベート接続オプション」が専門用語として抽出される。

なお、「提供」と「範囲」はアーク「ＰＲＥＤ．Ｎ」でつながるため、専門用語と認識されない。

また、抽出部１８ａは、中黒「・」によってｎ個の固まりが「固まり＃１・固まり＃２・〜・固まり＃ｎ」のように結合されたもので、以下の条件＃２Ａ及び条件＃２Ｂを満たす単語列を専門用語として抽出する。
条件＃２Ａ：各固まりは１単語のみか、又は、条件＃１を満たす単語列
条件＃２Ｂ：「固まり＃ｎ」以外の固まりは、種別が「ＭＩＤＰＯＩＮＴ」のアークを持つ単語を含む
ここで、「ＭＩＤＰＯＩＮＴ」は、カタカナ語とカタカナ語の間に中黒があることを示す。

図８は、抽出される専門用語の例を示す図である。図８は、「ダイナミック・キュー・コントロール機能により、安定したレスポンスを保証しています。」から抽出される専門用語を示す。図８に示すように、「コントロール（概念記号はＣＯＮＴＲＯＬ）」と「機能（概念記号はＦＵＮＣＴＩＯＮ）」はアーク「ＭＯＤ」でつながり、「コントロール」は「ＲＥＮＧＯ」のアークを持つ。したがって、「コントロール機能」は固まり＃１として抽出される。

固まり＃１に対してアーク「ＭＩＤＰＯＩＮＴ」を持つ「キュー（概念記号はＣＵＥ＝ＫＹＵ−）」がつながり、さらに、アーク「ＭＩＤＰＯＩＮＴ」を持つ「ダイナミック（概念記号はＤＹＮＡＭＩＣ）」がつながる。したがって、「ダイナミック・キュー・コントロール機能」が専門用語として抽出される。なお、「ＴＯＵＴＥＮ」は、文章中に読点が含まれることを示し、「Ｍ．ＳＥＱ」は、異種記号の連続を示す。

図４に戻って、出力部１８ｂは、単語記憶部１３が記憶する単語のうち、抽出された専門用語を構成する単語列を専門用語で置き換える。なお、出力部１８ｂは、抽出した専門用語を基本辞書１１に加えてもよい。この場合、クラスタリング装置１は、専門用語が追加された基本辞書１１を用いて再度形態素解析を行う。

ベクトル化部１９は、単語記憶部１３が記憶する単語に基づいて各文章をベクトル化する。類似度計算部２０は、ベクトル化部１９によるベクトル結果に基づいて、文章の類似度を計算し、文章群２をクラスタ＃１〜クラスタ＃ｍで表されるｍ個のクラスタ３に分割する。

次に、クラスタリング装置１による処理のフローについて説明する。図９は、クラスタリング装置１による処理のフローを示すフローチャートである。図９に示すように、クラスタリング装置１は、文章群２を入力し（ステップＳ１）、基本辞書１１を用いて文章群２の形態素解析を行って単語を抽出し、抽出した単語を単語記憶部１３に格納する（ステップＳ２）。

そして、クラスタリング装置１は、文法情報記憶部１４及び意味構造変換辞書１５を用いて形態素解析結果に対して意味関係解析を行い意味構造を作成する（ステップＳ３）。そして、クラスタリング装置１は、形態素解析結果と意味構造を用いて専門用語を抽出し（ステップＳ４）、単語記憶部１３を更新する（ステップＳ５）。そして、クラスタリング装置１は、単語記憶部１３を用いて文章群２をベクトル化する（ステップＳ６）。なお、クラスタリング装置１は、ステップＳ１〜ステップＳ６の処理を文章毎に行ってもよい。

そして、クラスタリング装置１は、文章間の類似度を計算し（ステップＳ７）、文章群２を複数のクラスタ３に分割する（ステップＳ８）。

このように、クラスタリング装置１は、形態素解析結果と意味構造を用いて専門用語を抽出するので、専門用語を含む文章を適切にクラスタリングすることができる。

次に、抽出部１８ａによる処理のフローについて説明する。図１０は、抽出部１８ａによる処理のフローを示すフローチャートである。なお、抽出部１８ａは、図１０に示す処理を文章毎に行う。また、抽出部１８ａは、文章の形態素解析結果を単語列として受け取る。

図１０に示すように、抽出部１８ａは、単語列が存在するか否かを判定し（ステップＳ１１）、存在しない場合には、処理を終了する。一方、単語列が存在する場合には、抽出部１８ａは、単語列を現単語列にコピーする。ここで、現単語列は、後述するステップＳ１７において、単語が最後から順番に削除されていく単語列を記憶する。

そして、抽出部１８ａは、（現単語列の単語に特定の６個のアークのいずれかのアークがある）、又は、（単語の表記が中黒でつながっていて、かつ、最後のノード以外には「ＭＩＤＰＯＩＮＴ」アークがある）か否かを判定する（ステップＳ１２）。ここで、特定の６個のアークは、「ＭＯＤ」、「ＭＯＤ．Ａ」、「ＭＯＤ．ＩＮＤ」、「ＭＯＤ．ＮＵＭ」、「ＥＮＵＭ」、「ＭＩＤＰＯＩＮＴ」である。

ステップＳ１２の判定結果が「Ｙｅｓ」の場合には、抽出部１８ａは、現単語列に「ＲＥＮＧＯ」アークを持った単語があるか否かを判定し（ステップＳ１３）、ある場合には、現単語列を専門用語として抽出する（ステップＳ１４）。そして、抽出部１８ａは、現単語列を含んだ単語の列を単語列の先頭から削除し（ステップＳ１６）、ステップＳ１１に戻る。

一方、現単語列に「ＲＥＮＧＯ」アークを持った単語がない場合には、抽出部１８ａは、現単語列に「ＭＩＤＰＯＩＮＴ」アークを持った単語があるか否かを判定し（ステップＳ１５）、ある場合には、ステップＳ１４に移動する。一方、現単語列に「ＭＩＤＰＯＩＮＴ」アークを持った単語がない場合には、抽出部１８ａは、ステップＳ１６に移動する。

また、ステップＳ１２の判定結果が「Ｎｏ」の場合には、抽出部１８ａは、現単語列の最後の単語を削除し（ステップＳ１７）、残りが１単語であるか否かを判定する（ステップＳ１８）。そして、残りが１単語である場合には、抽出部１８ａは、残りの１単語を単語列の先頭から削除し（ステップＳ１９）、ステップＳ１１に戻る。一方、残りが１単語でない場合には、抽出部１８ａは、ステップＳ１２に戻る。

このように、抽出部１８ａは、形態素解析結果を意味構造を用いて処理することで、専門用語を抽出することができる。

次に、「ＦＥＮＩＣＳ」、「ネットワーク」、「サービス」、「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」、「範囲」及び「です」を単語列の例として、図１０に示した処理を説明する。「ＦＥＮＩＣＳ」、「ネットワーク」、「サービス」、「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」、「範囲」及び「です」の単語列に対してステップＳ１１の判定結果は「Ｎｏ」であり、ステップＳ１２の判定が行われる。

すると、「は」、「の」、「提供」、「範囲」及び「です」には特定の６個のアークのうちのいずれもなく、中黒でつながっていないので、ステップＳ１２の判定結果は「Ｎｏ」となる。そして、ステップＳ１７において、最後の単語「です」が削除され、現単語列は、「ＦＥＮＩＣＳ」、「ネットワーク」、「サービス」、「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」及び「範囲」となる。

そして、ステップＳ１１に戻って、「ＦＥＮＩＣＳ」、「ネットワーク」、「サービス」、「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」及び「範囲」の現単語列が同様に処理され、ステップＳ１７において、最後の「範囲」が削除される。同様の繰り返しにより、ステップＳ１７において、「提供」、「の」、「オプション」、「接続」、「プライベート」及び「は」が順番に削除され、現単語列が「ＦＥＮＩＣＳ」、「ネットワーク」及び「サービス」となる。

そして、ステップＳ１１に戻り、「ＦＥＮＩＣＳ」、「ネットワーク」及び「サービス」には「ＭＯＤ」アークがあるため、ステップＳ１２の判定結果は「Ｙｅｓ」となる。そして、「ＦＥＮＩＣＳ」は「ＲＥＮＧＯ」アークを持つので、ステップＳ１３の判定結果が「Ｙｅｓ」となり、ステップＳ１４において、「ＦＥＮＩＣＳネットワークサービス」が専門用語として抽出される。そして、ステップＳ１６において、「ＦＥＮＩＣＳ」、「ネットワーク」及び「サービス」が単語列から削除され、単語列は、「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」、「範囲」及び「です」となる。

そして、ステップＳ１７において、「です」、「範囲」、「提供」、「の」、「オプション」、「接続」及び「プライベート」が順に削除され、現単語列が「は」となる。そして、ステップＳ１８の判定結果が「Ｙｅｓ」となり、ステップＳ１９において「は」が単語列「は」、「プライベート」、「接続」、「オプション」、「の」、「提供」、「範囲」及び「です」から削除される。そして、単語列は、「プライベート」、「接続」、「オプション」、「の」、「提供」、「範囲」及び「です」となる。

そして、ステップＳ１７において、「です」、「範囲」、「提供」及び「の」が順に削除され、現単語列が「プライベート」、「接続」及び「オプション」となる。そして、ステップＳ１２において、「プライベート」、「接続」及び「オプション」には「ＭＯＤ．Ａ」アークがあるので、判定結果は「Ｙｅｓ」となる。そして、「プライベート」は「ＲＥＮＧＯ」アークを持つので、ステップＳ１３の判定結果が「Ｙｅｓ」となり、ステップＳ１４において、「プライベート接続オプション」が専門用語として抽出される。そして、ステップＳ１６において、「プライベート」、「接続」及び「オプション」が単語列から削除され、単語列は、「の」、「提供」、「範囲」及び「です」となる。

そして、ステップＳ１２の判定結果が「Ｙｅｓ」となる場合はなくなるため、ステップＳ１９において、単語列から「の」、「提供」、「範囲」、「です」の順に削除され、最後に単語列がなくなり、処理が終了する。

上述してきたように、実施例では、形態素解析部１２が文章群２を入力し、基本辞書１１を参照して形態素解析を行い、各文章から単語を抽出して単語記憶部１３に格納する。そして、意味関係解析部１６が、文法情報記憶部１４と意味構造変換辞書１５を参照して、形態素解析結果から意味構造を作成し、意味構造記憶部１７に格納する。意味関係解析部１６は、隣り合う２つの単語の意味の組み合わせと当該単語間の文法関係とに基づいて当該単語間のアークを生成する。そして、専門用語抽出部１８が、特定の種別のアークでつながり、「ＲＥＮＧＯ」アークを持つ単語を含む単語列から専門用語を生成し、単語記憶部１３を更新する。したがって、クラスタリング装置１は、複数の単語から構成される専門用語を文章から抽出することができる。

また、実施例では、専門用語抽出部１８は、中黒によってｎ個の固まりが「固まり＃１・固まり＃２・〜・固まり＃ｎ」のように結合されたもので、条件＃２Ａ及び条件＃２Ｂを満たす単語列を専門用語として抽出する。したがって、中黒によって単語又は専門用語が結合される専門用語を文章から抽出することができる。

なお、実施例では、クラスタリング装置１について説明したが、クラスタリング装置１が有する構成をソフトウェアによって実現することで、同様の機能を有するクラスタリングプログラムを得ることができる。そこで、クラスタリングプログラムを実行するコンピュータについて説明する。

図１１は、実施例に係るクラスタリングプログラムを実行するコンピュータのハードウェア構成を示す図である。図１１に示すように、コンピュータ５０は、メインメモリ５１と、ＣＰＵ（Central Processing Unit）５２と、ＬＡＮ（Local Area Network）インタフェース５３と、ＨＤＤ（Hard Disk Drive）５４とを有する。また、コンピュータ５０は、スーパーＩＯ（Input Output）５５と、ＤＶＩ（Digital Visual Interface）５６と、ＯＤＤ（Optical Disk Drive）５７とを有する。

メインメモリ５１は、プログラムやプログラムの実行途中結果等を記憶するメモリである。ＣＰＵ５２は、メインメモリ５１からプログラムを読み出して実行する中央処理装置である。ＣＰＵ５２は、メモリコントローラを有するチップセットを含む。

ＬＡＮインタフェース５３は、コンピュータ５０をＬＡＮ経由で他のコンピュータに接続するためのインタフェースである。ＨＤＤ５４は、プログラムやデータを格納するディスク装置であり、スーパーＩＯ５５は、マウスやキーボード等の入力装置を接続するためのインタフェースである。ＤＶＩ５６は、液晶表示装置を接続するインタフェースであり、ＯＤＤ５７は、ＤＶＤの読み書きを行う装置である。

ＬＡＮインタフェース５３は、ＰＣＩエクスプレス（ＰＣＩｅ）によりＣＰＵ５２に接続され、ＨＤＤ５４及びＯＤＤ５７は、ＳＡＴＡ（Serial Advanced Technology Attachment）によりＣＰＵ５２に接続される。スーパーＩＯ５５は、ＬＰＣ（Low Pin Count）によりＣＰＵ５２に接続される。

そして、コンピュータ５０において実行されるクラスタリングプログラムは、コンピュータ５０により読み出し可能な記録媒体の一例であるＤＶＤに記憶され、ＯＤＤ５７によってＤＶＤから読み出されてコンピュータ５０にインストールされる。あるいは、クラスタリングプログラムは、ＬＡＮインタフェース５３を介して接続された他のコンピュータシステムのデータベース等に記憶され、これらのデータベースから読み出されてコンピュータ５０にインストールされる。そして、インストールされたデータ処理プログラムは、ＨＤＤ５４に記憶され、メインメモリ５１に読み出されてＣＰＵ５２によって実行される。

また、実施例では、クラスタリング装置１について説明したが、クラスタリング装置１からベクトル化部１９及び類似度計算部２０を取り除くことで、文章から専門用語を生成して出力する単語出力装置を得ることができる。

１ クラスタリング装置
２ 文章群
３ クラスタ
１１ 基本辞書
１２ 形態素解析部
１３ 単語記憶部
１４ 文法情報記憶部
１５ 意味構造変換辞書
１６ 意味関係解析部
１６ａ 構文解析部
１６ｂ 意味解析部
１７ 意味構造記憶部
１８ 専門用語抽出部
１８ａ 抽出部
１８ｂ 出力部
１９ ベクトル化部
２０ 類似度計算部
５０ コンピュータ
５１ メインメモリ
５２ ＣＰＵ
５３ ＬＡＮインタフェース
５４ ＨＤＤ
５５ スーパーＩＯ
５６ ＤＶＩ
５７ ＯＤＤ

Claims (7)

1. 文字列データを受け付け、
   受け付けた前記文字列データより隣り合う第１の単語及び第２の単語を抽出し、
   抽出した前記第１の単語及び前記第２の単語の意味の組み合わせと、前記第１の単語及び前記第２の単語間の文法関係と、により前記第１の単語及び前記第２の単語間で特定される意味関係が特定の意味関係である場合、前記第１の単語及び前記第２の単語を含む新たな単語を生成し、
   生成した前記単語を出力する、
   処理をコンピュータが実行することを特徴とする単語出力方法。
2. 前記生成する処理は、前記第１の単語と前記第２の単語の少なくとも一方が連語として使用されることを示す意味関係を持つ場合、前記新たな単語を生成することを特徴とする請求項１に記載の単語出力方法。
3. 前記生成する処理は、前記第１の単語と前記第２の単語が中黒で結合され、前記第１の単語は、カタカナ語とカタカナ語の間に中黒があることを示す意味関係を持つ場合、前記第１の単語、前記中黒及び前記第２の単語を含む新たな単語を生成することを特徴とする請求項１又は２に記載の単語出力方法。
4. 前記生成する処理は、前記第１の単語及び前記第２の単語間で特定される意味関係が特定の意味関係である場合に前記第１の単語及び前記第２の単語から生成した新たな単語と該新たな単語と隣り合う第３の単語が中黒で結合され、前記第１の単語及び前記第２の単語は、カタカナ語とカタカナ語の間に中黒があることを示す意味関係を持つ場合、該新たな単語、前記中黒及び前記第３の単語を含む新たな単語を生成することを特徴とする請求項１又は２に記載の単語出力方法。
5. 前記特定の意味関係は、被修飾概念に対して世界を限定する関係、名詞が形容詞的に限定する関係、前記第１の単語が前記第２の単語の接頭語である関係、前記第１の単語が前記第２の単語の序数詞である関係、前記第１の単語と前記第２の単語が対等である関係を含むことを特徴とする請求項１〜４のいずれか１つに記載の単語出力方法。
6. 文字列データを受け付け、
   受け付けた前記文字列データより隣り合う第１の単語及び第２の単語を抽出し、
   抽出した前記第１の単語及び前記第２の単語の意味の組み合わせと、前記第１の単語及び前記第２の単語間の文法関係と、により前記第１の単語及び前記第２の単語間で特定される意味関係が特定の意味関係である場合、前記第１の単語及び前記第２の単語を含む新たな単語を生成し、
   生成した前記単語を出力する、
   処理をコンピュータに実行させることを特徴とする単語出力プログラム。
7. 文字列データを受け付け、受け付けた前記文字列データより隣り合う第１の単語及び第２の単語を抽出する単語抽出部と、
   前記単語抽出部により抽出された前記第１の単語及び前記第２の単語の意味の組み合わせと、前記第１の単語及び前記第２の単語間の文法関係と、により前記第１の単語及び前記第２の単語間で特定される意味関係が特定の意味関係である場合、前記第１の単語及び前記第２の単語を含む新たな単語を生成し、生成した前記単語を出力する単語出力部と
   を有することを特徴とする情報処理装置。

Images