JP2020135126A - 校閲方法、情報処理装置および校閲プログラム - Google Patents

校閲方法、情報処理装置および校閲プログラム Download PDF

Info

Publication number
JP2020135126A
JP2020135126A JP2019024652A JP2019024652A JP2020135126A JP 2020135126 A JP2020135126 A JP 2020135126A JP 2019024652 A JP2019024652 A JP 2019024652A JP 2019024652 A JP2019024652 A JP 2019024652A JP 2020135126 A JP2020135126 A JP 2020135126A
Authority
JP
Japan
Prior art keywords
word
abbreviation
prototype
determined
text data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2019024652A
Other languages
English (en)
Other versions
JP7211139B2 (ja
Inventor
菜那 長谷川
Nana Hasegawa
菜那 長谷川
宮尾 浩
Hiroshi Miyao
浩 宮尾
鎮成 齋藤
Shigenari Saito
鎮成 齋藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2019024652A priority Critical patent/JP7211139B2/ja
Priority to US17/430,089 priority patent/US20220138406A1/en
Priority to PCT/JP2020/003801 priority patent/WO2020166397A1/ja
Publication of JP2020135126A publication Critical patent/JP2020135126A/ja
Application granted granted Critical
Publication of JP7211139B2 publication Critical patent/JP7211139B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/10Text processing
    • G06F40/166Editing, e.g. inserting or deleting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/216Parsing using statistical methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/232Orthographic correction, e.g. spell checking or vowelisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/237Lexical tools
    • G06F40/247Thesauruses; Synonyms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/268Morphological analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】表記揺れがあるテキストデータを修正するための稼働を削減すること。
【解決手段】情報処理装置10は、テキストデータから略語と原型語のペアを抽出し、ペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を判定テーブル記憶部14aに格納する。そして、情報処理装置10は、判定テーブル記憶部14aに格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する。
【選択図】図1

Description

本発明は、校閲方法、情報処理装置および校閲プログラムに関する。
開発現場では、開発用語は略語が使用されることが多い。例えば、「ミドルウェア」と「ミドル」、「レプリケーション」と「レプリ」、「電話番号」と「電番」等がある。また、開発ドキュメント等のテキストデータについて、執筆者は一人に限られないため、表記揺れが発生する。このような表記揺れは、どちらかに統一させる必要があるため、従来では、開発用語に関する表記揺れを人手で確認し修正することが行われている。
酒井浩之、増山繁、"略語とその原型語との対応関係のコーパスからの自動獲得手法の改良"、自然言語処理 Vol.12 No.5、2005年10月
しかしながら、従来の手法では、開発ドキュメント等のテキストデータについて、表記揺れが発生した場合に、テキストデータを人手で修正するため、手間が掛かるという課題があった。
例えば、略語と原型語、どちらを記述すべきなのかはその開発現場によって様々であり、開発用語によっても異なるため一様に定めることは出来ず、開発用語に関する表記揺れは人手で確認し修正しなければならなかった。なお、一般に市販されている校正ツールは開発用語のような専門用語を対象としておらず、開発用語に関する表記揺れは人手で確認し修正していくことが多かった。
上述した課題を解決し、目的を達成するために、本発明の校閲方法は、情報処理装置によって実行される校閲方法であって、テキストデータから略語と原型語のペアを抽出する抽出工程と、前記抽出工程によって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数工程と、前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数工程によって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定工程とを含むことを特徴とする。
また、本発明の情報処理装置は、テキストデータから略語と原型語のペアを抽出する抽出部と、前記抽出部によって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数部と、前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数部によって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定部とを有することを特徴とする。
また、本発明の校閲プログラムは、テキストデータから略語と原型語のペアを抽出する抽出ステップと、前記抽出ステップによって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数ステップと、前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数ステップによって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定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。
本発明によれば、表記揺れがあるテキストデータを修正するための稼働を削減することができるという効果を奏する。
図1は、第1の実施形態に係る情報処理装置の構成例を示すブロック図である。 図2は、判定テーブル記憶部に記憶されるデータの一例を示す図である。 図3は、略語と原型語のペアを抽出する処理を説明する図である。 図4は、抽出ルールについて説明する図である。 図5は、略語の出現回数と原型語の出現回数とを計数する処理を説明する図である。 図6は、新規ドキュメントを修正する処理を説明する図である。 図7は、第1の実施形態に係る情報処理装置における判定テーブル格納処理の流れの一例を示すフローチャートである。 図8は、第1の実施形態に係る情報処理装置における校閲処理の流れの一例を示すフローチャートである。 図9は、開発現場における開発ドキュメントの背景について説明するための図である。 図10は、校閲プログラムを実行するコンピュータを示す図である。
以下に、本願に係る校閲方法、情報処理装置および校閲プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態により本願に係る校閲方法、情報処理装置および校閲プログラムが限定されるものではない。
[第1の実施形態]
以下の実施の形態では、第1の実施形態に係る情報処理装置10の構成、情報処理装置10の処理の流れを順に説明し、最後に第1の実施形態による効果を説明する。
[情報処理装置の構成]
まず、図1を用いて、本実施形態の情報処理装置10の構成例を説明する。図1は、第1の実施形態に係る情報処理装置の構成例を示すブロック図である。図1に例示する情報処理装置10は、過去の開発文書のテキストデータから略語と原型語のペアを作成し、略語と原型語の出現頻度をそれぞれ求め、多い方を正解の単語、少ない方を誤りの単語とする。そして、情報処理装置10は、校閲対象の新規ドキュメントの文書において、誤りの単語の方が使用されている場合には、正解の単語に修正する。
図1に示すように、この情報処理装置10は、入力部11、出力部12、制御部13および記憶部14を有する。以下に情報処理装置10が有する各部の処理を説明する。
入力部11は、キーボードやマウスなどの入力デバイスであり、例えば、過去の開発文書のテキストデータや校閲対象のテキストデータなどを入力するものである。出力部12は、ディスプレイなどの出力デバイスであり、校閲対象のテキストデータの校閲結果等を出力する。例えば、出力部12は、後述する判定部13cによって特定された修正対象の単語を出力するようにしてもよい。なお、校閲結果は、出力部12から出力される代わりに、外部の装置に送信されるようにしてもよい。
記憶部14は、制御部13による各種処理に必要なデータおよびプログラムを格納する。例えば、記憶部14は、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、又は、ハードディスク、光ディスク等の記憶装置などである。例えば、記憶部14は、判定テーブル記憶部14aを有する。
判定テーブル記憶部14aは、過去の開発文書のテキストデータから抽出された略語と原型語のペアについて、どちらが正解の単語であるか誤りの単語であるかをそれぞれ記憶する。
例えば、判定テーブル記憶部14aは、図2に例示するように、略語と原型語の各ペアについて、正解の単語を示す「正」と誤りの単語であることを示す「誤」とを対応付けて記憶する。図2は、判定テーブル記憶部に記憶されるデータの一例を示す図である。図2の例を挙げて説明すると、判定テーブル記憶部14aは、例えば、原型語である「電話番号」が正解の単語であり、略語である「電番」が誤りの単語であることを記憶している。
制御部13は、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有し、これらによって種々の処理を実行する。ここで、制御部13は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)などの電子回路やASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)などの集積回路である。制御部13は、抽出部13a、計数部13b、判定部13cおよび修正部13dを有する。
抽出部13aは、テキストデータから略語と原型語のペアを抽出する。例えば、抽出部13aは、特定の開発現場における過去の開発文書のテキストデータを集約し、開発コーパスを作成する。そして、例えば、抽出部13aは、図3に例示するように、過去の開発文書のテキストデータから抽出ルールに従って、略語と原型語のペアを取得し、リスト化する。図3は、略語と原型語のペアを抽出する処理を説明する図である。
なお、抽出部13aは、過去の開発文書のテキストデータについて、複数の開発現場における過去の開発文書のテキストデータを集約するようにしてもよい。この場合には、抽出部13aは、全てのテキストデータから略語と原型語のペアを抽出してリスト化するようにしてもよいし、開発現場別にテキストデータを分類し、開発現場ごとに略語と原型語のペアを抽出してリスト化するようにしてもよい。
ここで、図4を用いて、抽出ルールについて説明する。図4は、抽出ルールについて説明する図である。抽出部13aは、抽出ルールとして、以下のルール1およびルール2が設定されており、ルール1およびルール2を満たす名詞を略語と原型語のペアとして抽出する。
ルール1:名詞Aに含まれる全ての文字が、名詞Bに同じ順序で出現する。
ルール2:名詞A(略語候補)と名詞B(原型語候補)の先頭の文字列が同じである。
抽出部13aは、抽出ルールに従い、テキストデータに含まれる名詞Aに含まれるすべての文字が、テキストデータに含まれる名詞Bに同じ順序で出現し、かつ、名詞Aと名詞Bの先頭の文字列が同じである場合に、名詞Aを略語、名詞Bを原型語とするペアとして抽出する。
図4の例を用いて説明すると、抽出部13aは、名詞「カスコン」と名詞「カスタマーコントロール」とが抽出ルールを満たすか判定するため、まず、名詞「カスコン」に含まれる「カ」、「ス」、「コ」、「ン」が、名詞「カスタマーコントロール」に同じ順序で出現するか判定する。名詞「カスタマーコントロール」では、「カ」、「ス」、「コ」、「ン」の順序で出現するため、抽出部13aは、上記のルール1を満たすと判定する。
続いて、抽出部13aは、名詞「カスコン」と名詞「カスタマーコントロール」の先頭の文字が同じであるか判定する。名詞「カスコン」も名詞「カスタマーコントロール」も先頭の文字が「カ」であるため、抽出部13aは、上記のルール2を満たすと判定する。この結果、抽出部13aは、ルール1およびルール2の両方を満たすため、名詞「カスコン」と名詞「カスタマーコントロール」とを略語候補と原型語候補として取得する。
そして、抽出部13aは、例えば、取得した略語候補と原型語候補との名詞間類似度をWord2vecにより計算し、名詞間類似度が一定数のペアを正式な略語と原型語として抽出する。
計数部13bは、抽出部13aによって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を判定テーブル記憶部14aに格納する。
ここで、図5の例を用いて、略語の出現回数と原型語の出現回数とを計数する処理を説明する。図5は、略語の出現回数と原型語の出現回数とを計数する処理を説明する図である。図5に例示するように、計数部13bは、過去の開発文書のテキストデータにおいて、ペアの略語および原型語の出現回数をそれぞれ計数し、出現回数が多い方を正解の単語、出現回数が少ない方を誤りの単語として判定テーブル記憶部14aに格納する。
図5の例を挙げて具体的に説明すると、例えば、計数部13bは、略語「電番」と原型語「電話番号」の出現回数をそれぞれ計数し、出現回数が多い「電話番号」を正解の単語、出現回数が少ない「電番」を誤りの単語として判定テーブル記憶部14aに格納する。
なお、計数部13bは、抽出部13aが複数の開発現場における過去の開発文書のテキストデータから略語と原型語のペアを抽出した場合には、開発現場ごとにテキストデータにおける略語の出現回数と原型語の出現回数とを計数し、開発現場ごとに判定結果を判定テーブル記憶部14aに格納するようにしてもよい。
判定部13cは、判定テーブル記憶部14aに格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、計数部13bによって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する。
例えば、判定部13cは、校閲対象のテキストデータとして新規ドキュメントを受け付けると、判定テーブルを参照し、新規ドキュメントに判定テーブルにおいて「誤」として記憶された単語が含まれているか否か判定する。そして、判定部13cは、新規ドキュメントに判定テーブルにおいて「誤」として記憶された単語が含まれていると判定した場合には、修正対象の単語を修正部13dに通知する。また、判定部13cは、出力部12bを介して修正対象の単語を出力するようにしてもよい。
修正部13dは、判定部13cによって特定された修正対象の単語が略語である場合には、該略語に対応する原型語に修正し、修正対象の単語が原型語である場合には、該原型語に対応する略語に修正する。
ここで、図6を用いて、校閲対象のテキストデータを修正する処理について説明する。図6は、新規ドキュメントを修正する処理を説明する図である。図6の例では、情報処理装置10は、校閲対象のテキストデータとして、新規ドキュメントの入力を受け付け、新規ドキュメントにおいて、判定テーブル記憶部14aに誤りの単語として記憶された単語と一致する単語が含まれている場合には、新規ドキュメントにおける該当の単語を、誤りの単語に対応する正解の単語に修正する。
例えば、図6の例を用いて説明すると、修正部13dは、新規ドキュメントにおける「レプリケーション」が誤りの単語「レプリケーション」と一致するので、「レプリケーション」を正解の単語「レプリ」に修正する。
このように、情報処理装置10では、新規の開発ドキュメントにおいて「略語」か「原型語」のどちらで記載する方が適切か自動的に判断し、新規の開発ドキュメントの記載が適切でない場合には、新規の開発ドキュメントを自動で修正したり、ユーザに誤りを指摘したりすることが可能である。なお、情報処理装置10は、修正部13dによる修正処理を行わずに、判定部13cによって特定された修正対象の単語を出力する処理のみを行い、修正作業を手動で行うように促すだけでもよい。
[情報処理装置の処理手順]
次に、図7および図8を用いて、第1の実施形態に係る情報処理装置10による処理手順の例を説明する。図7は、第1の実施形態に係る情報処理装置における判定テーブル格納処理の流れの一例を示すフローチャートである。図8は、第1の実施形態に係る情報処理装置における校閲処理の流れの一例を示すフローチャートである。
まず、図7を用いて、略語と原型語のペアのうち、どちらが正解の単語であるか誤りの単語であるかを示す判定テーブルを格納する処理の流れを説明する。図7に例示するように、情報処理装置10の抽出部13aは、過去の開発文書を取得し(ステップS101)、略語および原型語のペアを抽出する(ステップS102)。
そして、計数部13bは、抽出部13aによって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し(ステップS103)、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を判定テーブル記憶部14aに格納する(ステップS104)。
続いて、図8を用いて、判定テーブルを用いて新規ドキュメントを校閲する処理の流れを説明する。図8に例示するように、情報処理装置10の判定部13cは、校閲対象のテキストデータとして新規ドキュメントを受け付けると(ステップS201肯定)、判定テーブルを参照し、新規ドキュメントに判定テーブルにおいて「誤」として記憶された単語が含まれているか否か判定する(ステップS202)。
そして、判定部13cが、新規ドキュメントに判定テーブルにおいて「誤」として記憶された単語が含まれていると判定した場合には(ステップS202肯定)、修正部13dは、修正対象の単語を修正部13dに通知する(ステップS203)。また、判定部13cが、新規ドキュメントに判定テーブルにおいて「誤」として記憶された単語が含まれていないと判定した場合には(ステップS202否定)、そのまま処理を終了する。
[第1の実施形態の効果]
第1の実施形態に係る情報処理装置10は、テキストデータから略語と原型語のペアを抽出し、ペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を判定テーブル記憶部14aに格納する。そして、情報処理装置10は、判定テーブル記憶部14aに格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する。このため、情報処理装置10は、表記揺れがあるテキストデータを修正するための稼働を削減することが可能である。
図9を用いて、開発現場における開発ドキュメントの背景について説明する。図9は、開発現場における開発ドキュメントの背景について説明するための図である。図9に例示するように、新入社員A、中堅社員Bおよびベテラン社員Cが執筆者として開発ドキュメントを作成する場合には、略語と原型語が混在することとなる。さらに、開発現場によっても用語によっても略語で記述すべきか原型語で記載すべきかが異なる。例えば、図9に例示するように、A社では、開発ドキュメントにおいて「電話番号」という用語は略語「電番」と記載し、ミドルウェアについては原型語「ミドルウェア」と記載する一方で、B社では、開発ドキュメントにおいて「電話番号」という用語は略語「電番」と記載し、ミドルウェアについては原型語「ミドルウェア」と記載する。
このような前提のもと、第1の実施形態に係る情報処理装置10では、新規の開発ドキュメントにおいて「略語」か「原型語」のどちらで記載する方が適切か自動的に判断し、新規の開発ドキュメントの記載が適切でない場合には、新規の開発ドキュメントを自動で修正したり、ユーザに誤りを指摘したりすることが可能である。このため、第1の実施形態に係る情報処理装置10では、開発環境に応じた略語と原型語の使い分けが可能となり、修正おための稼働削減を実現することが可能である。
[システム構成等]
また、図示した各装置の各構成要素は機能概念的なものであり、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、各装置の分散・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などに応じて、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。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、CPUおよび当該CPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
また、本実施の形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
[プログラム]
また、上記実施形態において説明した情報処理装置が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、実施形態に係る情報処理装置10が実行する処理をコンピュータが実行可能な言語で記述した校閲プログラムを作成することもできる。この場合、コンピュータが校閲プログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかる校閲プログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録された校閲プログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
図10は、校閲プログラムを実行するコンピュータを示す図である。図10に例示するように、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とを有し、これらの各部はバス1080によって接続される。
メモリ1010は、図10に例示するように、ROM(Read Only Memory)1011及びRAM1012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、図10に例示するように、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、図10に例示するように、ディスクドライブ1100に接続される。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、ディスクドライブ1100に挿入される。シリアルポートインタフェース1050は、図10に例示するように、例えばマウス1110、キーボード1120に接続される。ビデオアダプタ1060は、図10に例示するように、例えばディスプレイ1130に接続される。
ここで、図10に例示するように、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、プログラムデータ1094を記憶する。すなわち、上記の、校閲プログラムは、コンピュータ1000によって実行される指令が記述されたプログラムモジュールとして、例えばハードディスクドライブ1090に記憶される。
また、上記実施形態で説明した各種データは、プログラムデータとして、例えばメモリ1010やハードディスクドライブ1090に記憶される。そして、CPU1020が、メモリ1010や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、各種処理手順を実行する。
なお、校閲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、ディスクドライブ等を介してCPU1020によって読み出されてもよい。あるいは、校閲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、ネットワーク(LAN(Local Area Network)、WAN(Wide Area Network)等)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 情報処理装置
11 入力部
12 出力部
13 制御部
13a 抽出部
13b 計数部
13c 判定部
13d 修正部
14 記憶部
14a 判定テーブル記憶部

Claims (6)

  1. 情報処理装置によって実行される校閲方法であって、
    テキストデータから略語と原型語のペアを抽出する抽出工程と、
    前記抽出工程によって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数工程と、
    前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数工程によって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定工程と
    を含むことを特徴とする校閲方法。
  2. 前記判定工程によって特定された修正対象の単語が略語である場合には、該略語に対応する原型語に修正し、前記修正対象の単語が原型語である場合には、該原型語に対応する略語に修正する修正工程をさらに含むことを特徴とする請求項1に記載の校閲方法。
  3. 前記判定工程によって特定された修正対象の単語を出力する出力工程をさらに含むことを特徴とする請求項1に記載の校閲方法。
  4. 前記抽出工程は、前記テキストデータに含まれる第一の名詞に含まれるすべての文字が、前記テキストデータに含まれる第二の名詞に同じ順序で出現し、かつ、前記第一の名詞と前記第二の名詞の先頭の文字列が同じである場合に、前記第一の名詞を略語、前記第二の名詞を原型語とするペアとして抽出することを特徴とする請求項1に記載の校閲方法。
  5. テキストデータから略語と原型語のペアを抽出する抽出部と、
    前記抽出部によって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数部と、
    前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数部によって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定部と
    を有することを特徴とする情報処理装置。
  6. テキストデータから略語と原型語のペアを抽出する抽出ステップと、
    前記抽出ステップによって抽出されたペアの略語および原型語の出現回数をそれぞれ計数し、略語の出現回数と原型語の出現回数のうち、どちらの出現回数多いかを判定し、判定結果を記憶部に格納する計数ステップと、
    前記記憶部に格納された判定結果を参照し、校閲対象のテキストデータに含まれる単語に、前記計数ステップによって出現回数が少ないと判定された略語または原型語が含まれるか判定し、出現回数が少ないと判定された略語または原型語が含まれると判定した場合には、該単語を修正対象の単語として特定する判定ステップと
    をコンピュータに実行させることを特徴とする校閲プログラム。
JP2019024652A 2019-02-14 2019-02-14 校閲方法、情報処理装置および校閲プログラム Active JP7211139B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019024652A JP7211139B2 (ja) 2019-02-14 2019-02-14 校閲方法、情報処理装置および校閲プログラム
US17/430,089 US20220138406A1 (en) 2019-02-14 2020-01-31 Reviewing method, information processing device, and reviewing program
PCT/JP2020/003801 WO2020166397A1 (ja) 2019-02-14 2020-01-31 校閲方法、情報処理装置および校閲プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019024652A JP7211139B2 (ja) 2019-02-14 2019-02-14 校閲方法、情報処理装置および校閲プログラム

Publications (2)

Publication Number Publication Date
JP2020135126A true JP2020135126A (ja) 2020-08-31
JP7211139B2 JP7211139B2 (ja) 2023-01-24

Family

ID=72045422

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019024652A Active JP7211139B2 (ja) 2019-02-14 2019-02-14 校閲方法、情報処理装置および校閲プログラム

Country Status (3)

Country Link
US (1) US20220138406A1 (ja)
JP (1) JP7211139B2 (ja)
WO (1) WO2020166397A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116502614B (zh) * 2023-06-26 2023-09-01 北京每日信动科技有限公司 一种数据校对方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6441963A (en) * 1987-08-07 1989-02-14 Hitachi Ltd Calibration supporting system
JPH03244071A (ja) * 1990-02-22 1991-10-30 Toshiba Corp 文書校正支援システム
JP2008234174A (ja) * 2007-03-19 2008-10-02 Nec Corp 文書参照関係抽出システム、表現統一化システム、文書伝達評価システム、方法及びプログラム

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675821A (en) * 1984-11-16 1997-10-07 Canon Kabushiki Kaisha Document processing apparatus and method
DE3577937D1 (de) * 1984-11-16 1990-06-28 Canon Kk Wortverarbeitungsgeraet.
US5774833A (en) * 1995-12-08 1998-06-30 Motorola, Inc. Method for syntactic and semantic analysis of patent text and drawings
US6023670A (en) * 1996-08-19 2000-02-08 International Business Machines Corporation Natural language determination using correlation between common words
US8726148B1 (en) * 1999-09-28 2014-05-13 Cloanto Corporation Method and apparatus for processing text and character data
JP3768105B2 (ja) * 2001-01-29 2006-04-19 株式会社東芝 翻訳装置、翻訳方法並びに翻訳プログラム
EP1429258A4 (en) * 2001-07-26 2007-08-29 Ibm DATA PROCESSING, DATA PROCESSING SYSTEM AND PROGRAM
US20040008368A1 (en) * 2001-09-07 2004-01-15 Plunkett Michael K Mailing online operation flow
US7131117B2 (en) * 2002-09-04 2006-10-31 Sbc Properties, L.P. Method and system for automating the analysis of word frequencies
US7308458B2 (en) * 2003-06-11 2007-12-11 Wtviii, Inc. System for normalizing and archiving schemas
US20070055639A1 (en) * 2005-08-26 2007-03-08 Lee Garvey Method and system for printing self-mailer including color-postal form
US7848918B2 (en) * 2006-10-04 2010-12-07 Microsoft Corporation Abbreviation expansion based on learned weights
SG188160A1 (en) * 2009-12-23 2013-03-28 Gradalis Inc Furin-knockdown and gm-csf-augmented (fang) cancer vaccine
US20120254333A1 (en) * 2010-01-07 2012-10-04 Rajarathnam Chandramouli Automated detection of deception in short and multilingual electronic messages
WO2011139687A1 (en) * 2010-04-26 2011-11-10 The Trustees Of The Stevens Institute Of Technology Systems and methods for automatically detecting deception in human communications expressed in digital form
CA2860231A1 (en) * 2011-12-28 2013-07-04 Pozen Inc. Improved compositions and methods for delivery of omeprazole plus acetylsalicylic acid
US9582555B2 (en) * 2012-09-06 2017-02-28 Sap Se Data enrichment using business compendium
AU2014360704A1 (en) * 2013-12-02 2016-05-19 Abbvie, Inc. Compositions and methods for treating osteoarthritis
WO2015138337A1 (en) * 2014-03-09 2015-09-17 Abbvie, Inc. Compositions and methods for treating rheumatoid arthritis
WO2016118921A1 (en) * 2015-01-24 2016-07-28 Abbvie, Inc. Compositions and methods for treating psoriatic arthritis
US11514096B2 (en) * 2015-09-01 2022-11-29 Panjiva, Inc. Natural language processing for entity resolution
US10918672B1 (en) * 2016-04-07 2021-02-16 The Administrators Of The Tulane Educational Fund Small tissue CCR5−MSCs for treatment of HIV
US10366461B2 (en) * 2017-03-06 2019-07-30 Aon Risk Services, Inc. Of Maryland Automated document analysis for varying natural languages

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6441963A (en) * 1987-08-07 1989-02-14 Hitachi Ltd Calibration supporting system
JPH03244071A (ja) * 1990-02-22 1991-10-30 Toshiba Corp 文書校正支援システム
JP2008234174A (ja) * 2007-03-19 2008-10-02 Nec Corp 文書参照関係抽出システム、表現統一化システム、文書伝達評価システム、方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
酒井 浩之、増山 繁: "企業の業績発表記事からの業績要因の抽出", 言語処理学会第13回年次大会発表論文集, JPN6022027807, 19 March 2007 (2007-03-19), JP, pages 436 - 439, ISSN: 0004817548 *

Also Published As

Publication number Publication date
WO2020166397A1 (ja) 2020-08-20
JP7211139B2 (ja) 2023-01-24
US20220138406A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
JP3973549B2 (ja) 対訳依存構造対応付け装置、方法及びプログラム、並びに、対訳依存構造対応付けプログラムを記録した記録媒体
US6047300A (en) System and method for automatically correcting a misspelled word
CN110263311B (zh) 一种网络页面的生成方法及设备
JP2013196374A (ja) 文章校正装置、及び文章校正方法
US20100204977A1 (en) Real-time translation system that automatically distinguishes multiple languages and the method thereof
KR20000035018A (ko) 음성 인식을 위한 부 어휘집 지정 방법 및 시스템
WO2021169626A1 (zh) 基于词库的匹配推荐方法、装置、设备及存储介质
CN114330251B (zh) 文本生成方法、模型的训练方法、设备及存储介质
KR20190056184A (ko) 기계 독해를 위한 질의응답 데이터 생성 시스템
Náplava et al. Understanding model robustness to user-generated noisy texts
JP2020135126A (ja) 校閲方法、情報処理装置および校閲プログラム
CN111554295B (zh) 文本纠错方法、相关设备及可读存储介质
CN110929514B (zh) 文本校对方法、装置、计算机可读存储介质及电子设备
CN117422064A (zh) 搜索文本纠错方法、装置、计算机设备及存储介质
Reynaert TICCLops: Text-Induced Corpus Clean-up as online processing system
US11961316B2 (en) Text extraction using optical character recognition
JP6568968B2 (ja) 文書校閲装置およびプログラム
EP3719676A1 (en) Language processing method and device
CN111553130A (zh) 一种章节标题样式转换方法、装置、电子设备及存储介质
CN112733517B (zh) 需求模板符合性检查的方法、电子设备及存储介质
KR101523842B1 (ko) 번역 관리 방법 및 시스템
JP6578841B2 (ja) 難読化装置、方法およびプログラム
CN114528824A (zh) 文本纠错方法、装置、电子设备及存储介质
WO2020170804A1 (ja) 同義語抽出装置、同義語抽出方法、および、同義語抽出プログラム
JP2020160782A (ja) 自然言語データ処理装置およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210602

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220705

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220905

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221213

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221226

R150 Certificate of patent or registration of utility model

Ref document number: 7211139

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150