JP3001047B2 - 文書要約装置 - Google Patents
文書要約装置Info
- Publication number
- JP3001047B2 JP3001047B2 JP9100432A JP10043297A JP3001047B2 JP 3001047 B2 JP3001047 B2 JP 3001047B2 JP 9100432 A JP9100432 A JP 9100432A JP 10043297 A JP10043297 A JP 10043297A JP 3001047 B2 JP3001047 B2 JP 3001047B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- sentence
- shared
- sentence component
- document
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
- G01N1/20—Devices for withdrawing samples in the liquid or fluent state for flowing or falling materials
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、主として文書中の
文同士における情報の共通性や概念の関係を用いて総合
的な表現として要約文を得る文書要約装置に関する。
文同士における情報の共通性や概念の関係を用いて総合
的な表現として要約文を得る文書要約装置に関する。
【０００２】
【従来の技術】従来、一般に計算機を用いた要約文の自
動生成においては、対象となる文書中から先ず重要文抽
出規則を用いて重要文を抽出し、更に重要文から要約文
生成規則を用いて要約文を生成するという手法が採用さ
れている。
動生成においては、対象となる文書中から先ず重要文抽
出規則を用いて重要文を抽出し、更に重要文から要約文
生成規則を用いて要約文を生成するという手法が採用さ
れている。
【０００３】このような重要文抽出規則に関する特色を
有する周知技術としては、例えば特開平２−９３８６６
号公報や特開平２−１１２０６９号公報等が挙げられ
る。ここでは単語の出現頻度分布，キーワードデータベ
ース，ユーザーによる判断等の情報に基づいて重要なキ
ーワードを判定し、そのキーワードを含む重要文を抽出
するようになっている。又、特開平２−２１５０４９号
公報には、文脈ベクトルを用いた解析により文書中の重
要部分を抽出する技術が開示されている。更に、特開平
３−１９１４７５号公報には、段落毎に段落の性質を反
映した規則を適用して重要文を抽出する技術が開示され
ている。
有する周知技術としては、例えば特開平２−９３８６６
号公報や特開平２−１１２０６９号公報等が挙げられ
る。ここでは単語の出現頻度分布，キーワードデータベ
ース，ユーザーによる判断等の情報に基づいて重要なキ
ーワードを判定し、そのキーワードを含む重要文を抽出
するようになっている。又、特開平２−２１５０４９号
公報には、文脈ベクトルを用いた解析により文書中の重
要部分を抽出する技術が開示されている。更に、特開平
３−１９１４７５号公報には、段落毎に段落の性質を反
映した規則を適用して重要文を抽出する技術が開示され
ている。
【０００４】
【発明が解決しようとする課題】上述した重要文の抽出
技術の場合、キーワードを含む文に基づいて要約文を自
動生成するものでは、キーワード判定にデータベースを
用いることが不可欠であるため、要約文がデータベース
に強く依存し、内容の偏りや柔軟性に欠けるという問題
がある。
技術の場合、キーワードを含む文に基づいて要約文を自
動生成するものでは、キーワード判定にデータベースを
用いることが不可欠であるため、要約文がデータベース
に強く依存し、内容の偏りや柔軟性に欠けるという問題
がある。
【０００５】又、文脈や段落等の文書構造に基づいて要
約文を生成するものでは、長文書の構造や全体の主題の
流れを抽出する趣旨での使用には適しているが、精度の
高いコンパクトな要約文を生成するのには不向きとなっ
ている。
約文を生成するものでは、長文書の構造や全体の主題の
流れを抽出する趣旨での使用には適しているが、精度の
高いコンパクトな要約文を生成するのには不向きとなっ
ている。
【０００６】更に、重要文の集合から要約文を生成する
ものに共通した問題として、重要文の集合に共通の情報
をまとめてコンパクトな表現を得る新しい効果的な手法
の必要性がある点を挙げられるが、現状ではこのための
合理的な手法が提案されていない。
ものに共通した問題として、重要文の集合に共通の情報
をまとめてコンパクトな表現を得る新しい効果的な手法
の必要性がある点を挙げられるが、現状ではこのための
合理的な手法が提案されていない。
【０００７】本発明は、このような問題点を解決すべく
なされたもので、その技術的課題は、利用者の観点に立
って高精度にコンパクトな要約文を生成し得る文書要約
装置を提供することにある。
なされたもので、その技術的課題は、利用者の観点に立
って高精度にコンパクトな要約文を生成し得る文書要約
装置を提供することにある。
【０００８】
【課題を解決するための手段】本発明によれば、入力さ
れた文書データから文を構成する文構成要素情報を属性
に従って抽出する文構成要素データベース生成部と、文
構成要素情報を属性値に従って保持する文構成要素デー
タベースと、文構成要素データベースにおける文構成要
素情報毎の属性値に応じた共有情報を抽出し、該共有情
報に基づいて最大限に共有可能な共有表現情報を得る要
約文構成要素生成部と、共有表現情報に基づいて要約文
を生成する要約文生成部とを備えた文書要約装置が得ら
れる。
れた文書データから文を構成する文構成要素情報を属性
に従って抽出する文構成要素データベース生成部と、文
構成要素情報を属性値に従って保持する文構成要素デー
タベースと、文構成要素データベースにおける文構成要
素情報毎の属性値に応じた共有情報を抽出し、該共有情
報に基づいて最大限に共有可能な共有表現情報を得る要
約文構成要素生成部と、共有表現情報に基づいて要約文
を生成する要約文生成部とを備えた文書要約装置が得ら
れる。
【０００９】又、本発明によれば、上記文書要約装置に
おいて、要約文構成要素生成部は、共有表現情報に関す
る概念の上下関係を示すシソーラス辞書を備えた文書要
約装置が得られる。
おいて、要約文構成要素生成部は、共有表現情報に関す
る概念の上下関係を示すシソーラス辞書を備えた文書要
約装置が得られる。
【００１０】更に、本発明によれば、上記何れかの文書
要約装置において、要約文構成要素生成部は、共有情報
に関してユーザーの関心度の高い情報に重点をおくため
に属性値に優先順位を設定する文書要約装置が得られ
る。
要約装置において、要約文構成要素生成部は、共有情報
に関してユーザーの関心度の高い情報に重点をおくため
に属性値に優先順位を設定する文書要約装置が得られ
る。
【００１１】
【発明の実施の形態】以下に幾つかの実施例を挙げ、本
発明の文書要約装置について、図面を参照して詳細に説
明する。
発明の文書要約装置について、図面を参照して詳細に説
明する。
【００１２】（実施例１） 図１は、本発明の実施例１に係る文書要約装置の基本構
成を示した簡易ブロック図である。
成を示した簡易ブロック図である。
【００１３】この文書要約装置は、文書データを入力し
て文書データから文を構成する文構成要素情報を属性に
従って抽出して出力する文構成要素データベース生成部
１と、文構成要素情報を属性値に従って蓄積保持する文
構成要素データベース２と、文構成要素情報を入力して
文構成要素データベース２における文構成要素情報毎の
属性値に応じた共有情報を抽出し、その共有情報に基づ
いて最大限に共有可能な共有表現情報を得る要約文構成
要素生成部３と、共有表現情報に基づいて要約文を生成
出力する要約文生成部４とを備えて成っている。
て文書データから文を構成する文構成要素情報を属性に
従って抽出して出力する文構成要素データベース生成部
１と、文構成要素情報を属性値に従って蓄積保持する文
構成要素データベース２と、文構成要素情報を入力して
文構成要素データベース２における文構成要素情報毎の
属性値に応じた共有情報を抽出し、その共有情報に基づ
いて最大限に共有可能な共有表現情報を得る要約文構成
要素生成部３と、共有表現情報に基づいて要約文を生成
出力する要約文生成部４とを備えて成っている。
【００１４】このうち、文構成要素データベース生成部
１は、文書データに対する形態素解析等の前処理を行っ
て前処理情報を出力する入力処理部５と、文書データに
対する解析用データを蓄えた解析用辞書７と、解析用デ
ータに基づいて前処理情報による文書を一文単位で解析
し、いつ（Ｗｈｅｎ），どこで（Ｗｈｅｒｅ），だれが
（Ｗｈｏ），なにを（Ｗｈａｔ），なぜ（Ｗｈｙ），ど
のように（Ｈｏｗ）といった５Ｗ１Ｈ情報や、どうした
（Ｄｏｎｅ）といった文の構成に欠かせない文構成要素
情報を属性に従って抽出して保持する５Ｗ１Ｈ情報抽出
部６とから成っている。
１は、文書データに対する形態素解析等の前処理を行っ
て前処理情報を出力する入力処理部５と、文書データに
対する解析用データを蓄えた解析用辞書７と、解析用デ
ータに基づいて前処理情報による文書を一文単位で解析
し、いつ（Ｗｈｅｎ），どこで（Ｗｈｅｒｅ），だれが
（Ｗｈｏ），なにを（Ｗｈａｔ），なぜ（Ｗｈｙ），ど
のように（Ｈｏｗ）といった５Ｗ１Ｈ情報や、どうした
（Ｄｏｎｅ）といった文の構成に欠かせない文構成要素
情報を属性に従って抽出して保持する５Ｗ１Ｈ情報抽出
部６とから成っている。
【００１５】文構成要素データベース２は、例えば５Ｗ
１Ｈ情報の５Ｗ１Ｈ項目を属性，抽出された文構成要素
を属性値，各文を１レコードとするデータベースによっ
て文書データに関する文構成要素情報を保持する。
１Ｈ情報の５Ｗ１Ｈ項目を属性，抽出された文構成要素
を属性値，各文を１レコードとするデータベースによっ
て文書データに関する文構成要素情報を保持する。
【００１６】要約文構成要素生成部３は、文構成要素情
報を入力して文構成要素データベース２における文構成
要素情報毎の属性値に応じた共有情報を抽出して共有表
現情報を出力する共有情報抽出部８と、抽出される共有
情報に対して最大限に共有可能な表現を与えるために、
文構成要素データベース２において属性毎に属性値が共
有する情報や概念に関する上下関係を示したシソーラス
辞書９とを備えている。即ち、共有情報抽出部８は、シ
ソーラス辞書９を用いて文構成要素情報に対して共有情
報を抽出し、これを要約文構成要素用の共有表現情報と
して要約文生成部４へ出力する。
報を入力して文構成要素データベース２における文構成
要素情報毎の属性値に応じた共有情報を抽出して共有表
現情報を出力する共有情報抽出部８と、抽出される共有
情報に対して最大限に共有可能な表現を与えるために、
文構成要素データベース２において属性毎に属性値が共
有する情報や概念に関する上下関係を示したシソーラス
辞書９とを備えている。即ち、共有情報抽出部８は、シ
ソーラス辞書９を用いて文構成要素情報に対して共有情
報を抽出し、これを要約文構成要素用の共有表現情報と
して要約文生成部４へ出力する。
【００１７】要約文生成部４は、文生成用データを蓄え
た文生成用辞書１１と、文生成用データに基づいて共有
表現情報から要約文を生成する文生成出力部１０とを備
えている。即ち、文生成出力部１０は文生成用辞書１１
を用いて共有表現情報に対して文生成用データを抽出
し、これを要約文情報として出力する。
た文生成用辞書１１と、文生成用データに基づいて共有
表現情報から要約文を生成する文生成出力部１０とを備
えている。即ち、文生成出力部１０は文生成用辞書１１
を用いて共有表現情報に対して文生成用データを抽出
し、これを要約文情報として出力する。
【００１８】この文書要約装置では、文構成要素データ
ベース生成部１の入力処理部５に例えば図２に示すよう
な文書データが入力される。即ち、文書データは「Ａ社
が９５年９月に台湾にソフトウェア会社を設立」、「Ｂ
社が９５年４月に香港にソフトベンチャー設立」、「Ｃ
社が９５年１２月に中国でカラーテレビ工場を設立」と
いう３文を含んでいる。文構成要素データベース生成部
１では、５Ｗ１Ｈ情報抽出部６が解析用辞書７の解析用
データを用いて文書データから１文を１レコードとし、
いつ，だれが，どこで，なにを，どうしたといった文構
成要素の項目に対する属性値を抽出し、図３に示すよう
に文構成要素情報を文構成要素データベース２に蓄積保
持する。
ベース生成部１の入力処理部５に例えば図２に示すよう
な文書データが入力される。即ち、文書データは「Ａ社
が９５年９月に台湾にソフトウェア会社を設立」、「Ｂ
社が９５年４月に香港にソフトベンチャー設立」、「Ｃ
社が９５年１２月に中国でカラーテレビ工場を設立」と
いう３文を含んでいる。文構成要素データベース生成部
１では、５Ｗ１Ｈ情報抽出部６が解析用辞書７の解析用
データを用いて文書データから１文を１レコードとし、
いつ，だれが，どこで，なにを，どうしたといった文構
成要素の項目に対する属性値を抽出し、図３に示すよう
に文構成要素情報を文構成要素データベース２に蓄積保
持する。
【００１９】要約文構成要素生成部３では、共有情報抽
出部８が文構成要素データベース２において属性値が共
有する共有情報である文字列として、「いつ」の属性値
については文７，文２３，文５１の「９５年」を、「ど
うした」の属性値については文３，文２３，文５１の
「設立」を抽出する。又、共有情報抽出部８では図４に
示されるようなシーソラスを用いることによって、属性
値が共有する概念として、「だれが」の属性値について
は文７，文２３，文５１に対して「電機会社３社」を、
文７，文２３に対して「通信・コンピュータ会社２社」
を、「どこで」の属性値については文７，文２３，文５
１に対して「東アジア」を、「なにを」の属性値につい
ては文７，文２３，文５１に対して「ソフト会社とカラ
ーテレビ工場」を、文７，文２３に対して「ソフト会
社」を抽出して上下関係を付け、図５に示されるような
共有表現情報を生成する。
出部８が文構成要素データベース２において属性値が共
有する共有情報である文字列として、「いつ」の属性値
については文７，文２３，文５１の「９５年」を、「ど
うした」の属性値については文３，文２３，文５１の
「設立」を抽出する。又、共有情報抽出部８では図４に
示されるようなシーソラスを用いることによって、属性
値が共有する概念として、「だれが」の属性値について
は文７，文２３，文５１に対して「電機会社３社」を、
文７，文２３に対して「通信・コンピュータ会社２社」
を、「どこで」の属性値については文７，文２３，文５
１に対して「東アジア」を、「なにを」の属性値につい
ては文７，文２３，文５１に対して「ソフト会社とカラ
ーテレビ工場」を、文７，文２３に対して「ソフト会
社」を抽出して上下関係を付け、図５に示されるような
共有表現情報を生成する。
【００２０】要約文生成部４では、この共有表現情報を
要約文の構成要素として、例えば「９５年に通信・コン
ピュータ会社が東アジアにソフト会社を設立」，「９５
年に電機会社３社が東アジアにソフト会社やカラーテレ
ビ工場を設立」のように、共有表現情報に基づいた要約
文情報を生成出力する。
要約文の構成要素として、例えば「９５年に通信・コン
ピュータ会社が東アジアにソフト会社を設立」，「９５
年に電機会社３社が東アジアにソフト会社やカラーテレ
ビ工場を設立」のように、共有表現情報に基づいた要約
文情報を生成出力する。
【００２１】（実施例２） 図６は、本発明の実施例２に係る文書要約装置の基本構
成を示した簡易ブロック図である。
成を示した簡易ブロック図である。
【００２２】この文書要約装置では、先の実施例１のも
のが文構成要素データベース２において属性値が共有す
る共有情報を抽出し、この共有情報に基づいて得た共有
表現情報により要約文の構成要素を得ているのに対し、
要約文構成要素生成部３において共有情報に関して共有
表現情報中の属性値に共起する情報を共有表現情報にリ
ンクした上で要約文の構成要素を拡張し得るようにして
いる。
のが文構成要素データベース２において属性値が共有す
る共有情報を抽出し、この共有情報に基づいて得た共有
表現情報により要約文の構成要素を得ているのに対し、
要約文構成要素生成部３において共有情報に関して共有
表現情報中の属性値に共起する情報を共有表現情報にリ
ンクした上で要約文の構成要素を拡張し得るようにして
いる。
【００２３】即ち、この文書要約装置では、要約文構成
要素生成部３の構成として、共有情報抽出部８及びシソ
ーラス辞書９に加え、先に得られた共有表現情報中の属
性値に対して共起する共起情報を文構成要素データベー
ス２から抽出する共起情報抽出部１２と、共起情報を蓄
積保持する共起データベース１３と、共有情報抽出部８
からの共有表現情報に対してその属性値の単語に共起す
る共起情報を共起データベース１３から取り込み、その
共起情報を共有表現情報にリンクする共起情報連結部１
４とが備えられている。
要素生成部３の構成として、共有情報抽出部８及びシソ
ーラス辞書９に加え、先に得られた共有表現情報中の属
性値に対して共起する共起情報を文構成要素データベー
ス２から抽出する共起情報抽出部１２と、共起情報を蓄
積保持する共起データベース１３と、共有情報抽出部８
からの共有表現情報に対してその属性値の単語に共起す
る共起情報を共起データベース１３から取り込み、その
共起情報を共有表現情報にリンクする共起情報連結部１
４とが備えられている。
【００２４】この文書要約装置では、文構成要素データ
ベース生成部１の入力処理部５に先の一実施例の場合と
同様に例えば図２に示すような文書データが入力された
とすると、この場合も同様に文構成要素データベース２
には図３に示したような文構成要素情報が保持され、要
約文構成要素生成部３の共有情報抽出部８からは図５に
示したような共有表現情報が抽出される。
ベース生成部１の入力処理部５に先の一実施例の場合と
同様に例えば図２に示すような文書データが入力された
とすると、この場合も同様に文構成要素データベース２
には図３に示したような文構成要素情報が保持され、要
約文構成要素生成部３の共有情報抽出部８からは図５に
示したような共有表現情報が抽出される。
【００２５】そこで、ここでは文構成要素データベース
２中に図３に示すように、共有表現情報中の「だれが」
の属性値であるＡ社及びＢ社に関して共起するものがあ
る場合、共起情報抽出部１２はこの共起情報を共起デー
タベース１３へ伝送する。共起情報連結部１４では、共
起データベース１３からの共起情報を共有表現情報に連
結することによって、要約文構成要素として図７に示さ
れるような共起情報連結共有表現情報を生成して出力す
る。
２中に図３に示すように、共有表現情報中の「だれが」
の属性値であるＡ社及びＢ社に関して共起するものがあ
る場合、共起情報抽出部１２はこの共起情報を共起デー
タベース１３へ伝送する。共起情報連結部１４では、共
起データベース１３からの共起情報を共有表現情報に連
結することによって、要約文構成要素として図７に示さ
れるような共起情報連結共有表現情報を生成して出力す
る。
【００２６】要約文生成部４では例えば「９５年に年間
売り上げ見通しを上方修正した通信・コンピュータ会社
２社が東アジアにソフト会社を設立」のように、共起情
報連結共有表現情報に基づいた要約文情報を生成出力す
る。
売り上げ見通しを上方修正した通信・コンピュータ会社
２社が東アジアにソフト会社を設立」のように、共起情
報連結共有表現情報に基づいた要約文情報を生成出力す
る。
【００２７】（実施例３） この文書要約装置は、先の実施例１及び実施例２のもの
が要約文構成要素生成部３の共有情報抽出部８におい
て、文構成要素データベース２から属性毎に属性値が共
有する情報や概念の抽出を行っていたのに対し、この抽
出に際して用いられるシソーラス辞書９を複数の分野毎
に用意し、分野に応じた様々な視点からの要約表現を得
るものである。
が要約文構成要素生成部３の共有情報抽出部８におい
て、文構成要素データベース２から属性毎に属性値が共
有する情報や概念の抽出を行っていたのに対し、この抽
出に際して用いられるシソーラス辞書９を複数の分野毎
に用意し、分野に応じた様々な視点からの要約表現を得
るものである。
【００２８】この文書要約装置では、文構成要素データ
ベース生成部１の入力処理部５に先の一実施例の場合と
同様に例えば図２に示すような文書データが入力された
とすると、この場合も同様に文構成要素データベース２
には図３に示したような文構成要素情報が保持される
が、ここでは分野毎のシソーラスとして、図４に示した
ような地理の分野におけるシソーラスの代わりに図８に
示すような経済の分野におけるシソーラスが用いられる
ものとする。
ベース生成部１の入力処理部５に先の一実施例の場合と
同様に例えば図２に示すような文書データが入力された
とすると、この場合も同様に文構成要素データベース２
には図３に示したような文構成要素情報が保持される
が、ここでは分野毎のシソーラスとして、図４に示した
ような地理の分野におけるシソーラスの代わりに図８に
示すような経済の分野におけるシソーラスが用いられる
ものとする。
【００２９】この場合、要約文構成要素生成部３の共有
情報抽出部８は、文構成要素データベース２において、
属性値が共有する共有情報である文字列として、「どこ
で」の属性値については文７，文２３，文５１に対して
「アジアＮＩＥＳ」を抽出し、共有表現情報を生成す
る。この共有表現情報を要約文の構成要素に用いて生成
される要約文は、「９５年に通信・コンピュータ会社２
社がアジアＮＩＥＳにソフト会社を設立」となる。この
ように、シソーラスを分野毎に複数用意すれば、分野に
応じた要約表現を選択することができ、様々な視点から
の要約文を得ることができる。
情報抽出部８は、文構成要素データベース２において、
属性値が共有する共有情報である文字列として、「どこ
で」の属性値については文７，文２３，文５１に対して
「アジアＮＩＥＳ」を抽出し、共有表現情報を生成す
る。この共有表現情報を要約文の構成要素に用いて生成
される要約文は、「９５年に通信・コンピュータ会社２
社がアジアＮＩＥＳにソフト会社を設立」となる。この
ように、シソーラスを分野毎に複数用意すれば、分野に
応じた要約表現を選択することができ、様々な視点から
の要約文を得ることができる。
【００３０】（実施例４） この文書要約装置は、先の実施例１及び実施例２のもの
が要約文構成要素生成部３の共有情報抽出部８におい
て、文構成要素データベース２から属性毎に属性値が共
有する情報や概念の抽出を行っていたのに対し、この抽
出に際して共有情報を抽出する各属性に対してユーザー
が優先順位を与える等の限定条件を設定し、ユーザーの
関心度の高い情報（例えば５Ｗ１Ｈ情報）に重点をおい
てフレキシブルな要約文を得るものである。
が要約文構成要素生成部３の共有情報抽出部８におい
て、文構成要素データベース２から属性毎に属性値が共
有する情報や概念の抽出を行っていたのに対し、この抽
出に際して共有情報を抽出する各属性に対してユーザー
が優先順位を与える等の限定条件を設定し、ユーザーの
関心度の高い情報（例えば５Ｗ１Ｈ情報）に重点をおい
てフレキシブルな要約文を得るものである。
【００３１】この文書要約装置では、文構成要素データ
ベース生成部１の入力処理部５に図９に示すような「Ａ
社が９３年１月に韓国に半導体工場を設立」，「Ａ社が
９５年９月に台湾にソフトウェア会社を設立」，「Ｂ社
が９４年６月に台湾にパソコン工場を設立」という３文
を含む文書データが入力されたとする。
ベース生成部１の入力処理部５に図９に示すような「Ａ
社が９３年１月に韓国に半導体工場を設立」，「Ａ社が
９５年９月に台湾にソフトウェア会社を設立」，「Ｂ社
が９４年６月に台湾にパソコン工場を設立」という３文
を含む文書データが入力されたとする。
【００３２】この場合、要約文構成要素生成部３の共有
情報抽出部８において、文構成要素データベース２から
属性毎に属性値が共有する情報や概念の抽出を行う際、
共有情報を優先的に抽出する属性として、「だれが」及
び「どうした」に限定したとすると、得られる要約文は
「９３年と９５年にＡ社が東アジアに半導体工場とソフ
トウェア会社を設立」となる。又、「どこで」及び「ど
うした」に限定したとすると、得られる要約文は「９４
年と９５年に通信・コンピュータ会社２社が台湾にソフ
トウェア会社とパソコン工場を設立」となる。
情報抽出部８において、文構成要素データベース２から
属性毎に属性値が共有する情報や概念の抽出を行う際、
共有情報を優先的に抽出する属性として、「だれが」及
び「どうした」に限定したとすると、得られる要約文は
「９３年と９５年にＡ社が東アジアに半導体工場とソフ
トウェア会社を設立」となる。又、「どこで」及び「ど
うした」に限定したとすると、得られる要約文は「９４
年と９５年に通信・コンピュータ会社２社が台湾にソフ
トウェア会社とパソコン工場を設立」となる。
【００３３】このようにして、ユーザーの関心度の高い
情報（５Ｗ１Ｈ情報）に重点をおいたフレキシブルな要
約文を得ることができる。
情報（５Ｗ１Ｈ情報）に重点をおいたフレキシブルな要
約文を得ることができる。
【００３４】
【発明の効果】以上に述べた通り、本発明の文書要約装
置によれば、文書中の文同士における情報の共通性や概
念の関係を用いて高品質で総合的な表現を得ているた
め、利用者の興味の観点から複数の文の共通性を把握し
た上、一層柔軟で高精度にコンパクトな要約文を生成す
ることが可能となる。
置によれば、文書中の文同士における情報の共通性や概
念の関係を用いて高品質で総合的な表現を得ているた
め、利用者の興味の観点から複数の文の共通性を把握し
た上、一層柔軟で高精度にコンパクトな要約文を生成す
ることが可能となる。
【図１】本発明の実施例１に係る文書要約装置の基本構
成を示した簡易ブロック図である。
成を示した簡易ブロック図である。
【図２】図１に示す文書要約装置に備えられる文構成要
素データベース生成部の入力処理部に入力される文書デ
ータを例示したものである。
素データベース生成部の入力処理部に入力される文書デ
ータを例示したものである。
【図３】図１に示す文書要約装置に備えられる文構成要
素データベースに保持される文構成要素情報を模試的に
例示したものである。
素データベースに保持される文構成要素情報を模試的に
例示したものである。
【図４】図１に示す文書要約装置に備えられる要約文構
成要素生成部のシソーラス辞書の内容を例示したもので
ある。
成要素生成部のシソーラス辞書の内容を例示したもので
ある。
【図５】図１に示す文書要約装置に備えられる要約文構
成要素生成部の共有情報抽出部で抽出される共有表現情
報を例示したものである。
成要素生成部の共有情報抽出部で抽出される共有表現情
報を例示したものである。
【図６】本発明の実施例２に係る文書要約装置の基本構
成を示した簡易ブロック図である。
成を示した簡易ブロック図である。
【図７】図６に示す文書要約装置に備えられる要約文構
成要素生成部の共起情報連結部から出力される共起情報
連結共有表現情報を例示したものである。
成要素生成部の共起情報連結部から出力される共起情報
連結共有表現情報を例示したものである。
【図８】実施例３の文書要約装置に備えられる要約文構
成要素生成部のシソーラス辞書の内容を例示したもので
ある。
成要素生成部のシソーラス辞書の内容を例示したもので
ある。
【図９】実施例４の文書要約装置に備えられる文構成要
素データベース生成部の入力処理部に入力される文書デ
ータを例示したものである。
素データベース生成部の入力処理部に入力される文書デ
ータを例示したものである。
１ 文構成要素データベース生成部 ２ 文構成要素データベース ３ 要約文構成要素生成部 ４ 要約文生成部 ５ 入力処理部 ６ ５Ｗ１Ｈ情報抽出部 ７ 解析用辞書 ８ 共有情報抽出部 ９ シソーラス辞書 １０ 文生成出力部 １１ 文生成辞書 １２ 共起情報抽出部 １３ 共起データベース １４ 共起情報連結部
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平１−290076（ＪＰ，Ａ) 土井，西村「日本語テキスト要約」Ｎ ＥＣ技報，Ｖｏｌ．47，Ｎｏ．８, 1994，ｐ48−52（平６−９−16) 安藤，土井，村木「新聞記事からの情 報抽出と多言語インデックス付与」情報 処理学会第48回（平成６年前期）全国大 会講演論文集（３），ｐ．105−106（平 ６−３−23) (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/30 G06F 17/28 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (3)
- 【請求項１】 入力された文書データから文を構成する
文構成要素情報を属性に従って抽出する文構成要素デー
タベース生成部と、前記文構成要素情報を属性値に従っ
て保持する文構成要素データベースと、前記文構成要素
データベースにおける前記文構成要素情報毎の属性値に
応じた共有情報を抽出し、該共有情報に基づいて最大限
に共有可能な共有表現情報を得る要約文構成要素生成部
と、前記共有表現情報に基づいて要約文を生成する要約
文生成部とを備えたことを特徴とする文書要約装置。 - 【請求項２】 請求項１記載の文書要約装置において、
前記要約文構成要素生成部は、前記共有表現情報に関す
る概念の上下関係を示すシソーラス辞書を備えたことを
特徴とする文書要約装置。 - 【請求項３】 請求項１又は２記載の文書要約装置にお
いて、前記要約文構成要素生成部は、前記共有情報に関
してユーザーの関心度の高い情報に重点をおくために前
記属性値に優先順位を設定することを特徴とする文書要
約装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9100432A JP3001047B2 (ja) | 1997-04-17 | 1997-04-17 | 文書要約装置 |
| US09/061,096 US6338034B2 (en) | 1997-04-17 | 1998-04-16 | Method, apparatus, and computer program product for generating a summary of a document based on common expressions appearing in the document |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9100432A JP3001047B2 (ja) | 1997-04-17 | 1997-04-17 | 文書要約装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10293762A JPH10293762A (ja) | 1998-11-04 |
| JP3001047B2 true JP3001047B2 (ja) | 2000-01-17 |
Family
ID=14273798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9100432A Expired - Fee Related JP3001047B2 (ja) | 1997-04-17 | 1997-04-17 | 文書要約装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6338034B2 (ja) |
| JP (1) | JP3001047B2 (ja) |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6789230B2 (en) * | 1998-10-09 | 2004-09-07 | Microsoft Corporation | Creating a summary having sentences with the highest weight, and lowest length |
| US6924828B1 (en) * | 1999-04-27 | 2005-08-02 | Surfnotes | Method and apparatus for improved information representation |
| JP2000348041A (ja) | 1999-06-03 | 2000-12-15 | Nec Corp | 文書検索方法及びその装置並びにプログラムを記録した機械読み取り可能な記録媒体 |
| JP2001101207A (ja) * | 1999-09-30 | 2001-04-13 | Oki Electric Ind Co Ltd | 文書要約装置 |
| US7475334B1 (en) * | 2000-01-19 | 2009-01-06 | Alcatel-Lucent Usa Inc. | Method and system for abstracting electronic documents |
| GB2360609A (en) * | 2000-03-22 | 2001-09-26 | Ibm | Dynamically generating expanded user messages in a computer system |
| US6763500B2 (en) | 2000-12-01 | 2004-07-13 | Microsoft Corporation | Real-time-on-demand dynamic document generation |
| US8484177B2 (en) * | 2001-03-21 | 2013-07-09 | Eugene M. Lee | Apparatus for and method of searching and organizing intellectual property information utilizing a field-of-search |
| US6990634B2 (en) * | 2001-04-27 | 2006-01-24 | The United States Of America As Represented By The National Security Agency | Method of summarizing text by sentence extraction |
| US7925616B2 (en) | 2001-06-19 | 2011-04-12 | Microstrategy, Incorporated | Report system and method using context-sensitive prompt objects |
| US7861161B1 (en) | 2001-06-19 | 2010-12-28 | Microstrategy, Inc. | Report system and method using prompt objects |
| US7302639B1 (en) * | 2001-06-19 | 2007-11-27 | Microstrategy, Inc. | Report system and method using prompt in prompt objects |
| US7356758B1 (en) | 2001-06-19 | 2008-04-08 | Microstrategy Incorporated | System and method for run-time report resolution of reports that include prompt objects |
| US9009590B2 (en) * | 2001-07-31 | 2015-04-14 | Invention Machines Corporation | Semantic processor for recognition of cause-effect relations in natural language documents |
| WO2003012661A1 (en) * | 2001-07-31 | 2003-02-13 | Invention Machine Corporation | Computer based summarization of natural language documents |
| US8799776B2 (en) * | 2001-07-31 | 2014-08-05 | Invention Machine Corporation | Semantic processor for recognition of whole-part relations in natural language documents |
| JP2003196270A (ja) * | 2001-12-27 | 2003-07-11 | Sharp Corp | 文書情報処理方法、文書情報処理装置、通信システム、コンピュータプログラム、及び記録媒体 |
| JP2003248676A (ja) * | 2002-02-22 | 2003-09-05 | Communication Research Laboratory | 解データ編集処理装置、解データ編集処理方法、自動要約処理装置、および自動要約処理方法 |
| JP3624186B2 (ja) * | 2002-03-15 | 2005-03-02 | Ｔｄｋ株式会社 | スイッチング電源装置用の制御回路及びこれを用いたスイッチング電源装置 |
| JP2004030021A (ja) * | 2002-06-24 | 2004-01-29 | Oki Electric Ind Co Ltd | 文書処理装置および方法 |
| KR100463655B1 (ko) * | 2002-11-15 | 2004-12-29 | 삼성전자주식회사 | 부가 정보 제공 기능이 있는 텍스트/음성 변환장치 및 방법 |
| US7376552B2 (en) * | 2003-08-12 | 2008-05-20 | Wall Street On Demand | Text generator with an automated decision tree for creating text based on changing input data |
| US8868670B2 (en) * | 2004-04-27 | 2014-10-21 | Avaya Inc. | Method and apparatus for summarizing one or more text messages using indicative summaries |
| JP2006023878A (ja) * | 2004-07-07 | 2006-01-26 | Quin Land Co Ltd | データ抽出システム |
| KR100785927B1 (ko) * | 2006-06-02 | 2007-12-17 | 삼성전자주식회사 | 데이터 요약 생성 방법 및 장치 |
| US9031947B2 (en) * | 2007-03-27 | 2015-05-12 | Invention Machine Corporation | System and method for model element identification |
| US7925496B1 (en) | 2007-04-23 | 2011-04-12 | The United States Of America As Represented By The Secretary Of The Navy | Method for summarizing natural language text |
| US20080270119A1 (en) * | 2007-04-30 | 2008-10-30 | Microsoft Corporation | Generating sentence variations for automatic summarization |
| KR100895535B1 (ko) | 2007-05-10 | 2009-04-30 | (주) 지육공팔 컨설팅그룹 | 데이터 검색 장치 및 그 방법 |
| US20090018819A1 (en) * | 2007-07-11 | 2009-01-15 | At&T Corp. | Tracking changes in stratified data-streams |
| US8984398B2 (en) * | 2008-08-28 | 2015-03-17 | Yahoo! Inc. | Generation of search result abstracts |
| EP2406739A2 (en) * | 2009-03-13 | 2012-01-18 | Invention Machine Corporation | System and method for knowledge research |
| EP2406738A4 (en) * | 2009-03-13 | 2012-08-15 | Invention Machine Corp | SYSTEM AND METHOD FOR RESPONSE TO QUESTIONS THAT INVOLVE THE APPOSITION OF SEMANTIC MARKS ON TEXT DOCUMENTS AND USER QUESTIONS |
| JP5388038B2 (ja) * | 2009-12-28 | 2014-01-15 | 独立行政法人情報通信研究機構 | 文書要約装置、文書処理装置、及びプログラム |
| US9727556B2 (en) | 2012-10-26 | 2017-08-08 | Entit Software Llc | Summarization of a document |
| JP6338842B2 (ja) * | 2013-11-01 | 2018-06-06 | キヤノンメディカルシステムズ株式会社 | 医用処理装置及び医用処理プログラム |
| US10387538B2 (en) | 2016-06-24 | 2019-08-20 | International Business Machines Corporation | System, method, and recording medium for dynamically changing search result delivery format |
| US10482180B2 (en) * | 2017-11-17 | 2019-11-19 | International Business Machines Corporation | Generating ground truth for questions based on data found in structured resources |
| JP2021114184A (ja) * | 2020-01-20 | 2021-08-05 | シャープ株式会社 | 要約生成装置、要約生成方法、及びプログラム |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4965763A (en) * | 1987-03-03 | 1990-10-23 | International Business Machines Corporation | Computer method for automatic extraction of commonly specified information from business correspondence |
| JPH01290076A (ja) | 1988-05-18 | 1989-11-21 | Canon Inc | 自然言語処理装置 |
| JP2783558B2 (ja) * | 1988-09-30 | 1998-08-06 | 株式会社東芝 | 要約生成方法および要約生成装置 |
| JPH02112069A (ja) | 1988-10-21 | 1990-04-24 | Hitachi Ltd | 自動要約方式 |
| JPH03191475A (ja) | 1989-12-20 | 1991-08-21 | Nec Corp | 文書要約方式 |
| JPH0418673A (ja) * | 1990-05-11 | 1992-01-22 | Hitachi Ltd | テキスト情報抽出方法および装置 |
| JPH0748217B2 (ja) | 1990-07-17 | 1995-05-24 | 工業技術院長 | 文書要約装置 |
| JPH0743728B2 (ja) | 1990-08-02 | 1995-05-15 | 工業技術院長 | 要約文生成方式 |
| EP0523269A1 (de) * | 1991-07-18 | 1993-01-20 | International Business Machines Corporation | Computersystem zur Datenverwaltung |
| JPH05233729A (ja) | 1992-02-24 | 1993-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 要約選択型情報提供装置 |
| JP2944346B2 (ja) | 1993-01-20 | 1999-09-06 | シャープ株式会社 | 文書要約装置 |
| JPH06259423A (ja) | 1993-03-02 | 1994-09-16 | N T T Data Tsushin Kk | 要約自動作成方式 |
| US5638543A (en) * | 1993-06-03 | 1997-06-10 | Xerox Corporation | Method and apparatus for automatic document summarization |
| JP3300142B2 (ja) | 1993-12-17 | 2002-07-08 | シャープ株式会社 | 自然言語処理装置 |
| US5689716A (en) * | 1995-04-14 | 1997-11-18 | Xerox Corporation | Automatic method of generating thematic summaries |
| US5918240A (en) * | 1995-06-28 | 1999-06-29 | Xerox Corporation | Automatic method of extracting summarization using feature probabilities |
| US5778397A (en) * | 1995-06-28 | 1998-07-07 | Xerox Corporation | Automatic method of generating feature probabilities for automatic extracting summarization |
| US5838323A (en) * | 1995-09-29 | 1998-11-17 | Apple Computer, Inc. | Document summary computer system user interface |
| US5848191A (en) * | 1995-12-14 | 1998-12-08 | Xerox Corporation | Automatic method of generating thematic summaries from a document image without performing character recognition |
| US5924108A (en) * | 1996-03-29 | 1999-07-13 | Microsoft Corporation | Document summarizer for word processors |
| US5857184A (en) * | 1996-05-03 | 1999-01-05 | Walden Media, Inc. | Language and method for creating, organizing, and retrieving data from a database |
| US5963965A (en) * | 1997-02-18 | 1999-10-05 | Semio Corporation | Text processing and retrieval system and method |
-
1997
- 1997-04-17 JP JP9100432A patent/JP3001047B2/ja not_active Expired - Fee Related
-
1998
- 1998-04-16 US US09/061,096 patent/US6338034B2/en not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 土井，西村「日本語テキスト要約」ＮＥＣ技報，Ｖｏｌ．４７，Ｎｏ．８，１９９４，ｐ４８−５２（平６−９−１６） |
| 安藤，土井，村木「新聞記事からの情報抽出と多言語インデックス付与」情報処理学会第４８回（平成６年前期）全国大会講演論文集（３），ｐ．１０５−１０６（平６−３−２３） |
Also Published As
| Publication number | Publication date |
|---|---|
| US20010016809A1 (en) | 2001-08-23 |
| US6338034B2 (en) | 2002-01-08 |
| JPH10293762A (ja) | 1998-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3001047B2 (ja) | 文書要約装置 | |
| US8484238B2 (en) | Automatically generating regular expressions for relaxed matching of text patterns | |
| JP3266586B2 (ja) | データ分析システム | |
| US20020122053A1 (en) | Method and apparatus for presenting non-displayed text in Web pages | |
| CN111597351A (zh) | 可视化文档图谱构建方法 | |
| JP2007517338A (ja) | サーチ品質の改善システムおよび改善方法 | |
| GB2401972A (en) | Identifying special word usage in a document | |
| KR101933953B1 (ko) | 페이지랭크와 토픽 모델링을 이용한 소프트웨어 도메인 토픽 추출 시스템 | |
| US8533211B2 (en) | Information extraction across multiple expertise-specific subject areas | |
| CN112380337A (zh) | 基于富文本的高亮方法及装置 | |
| JP2001084250A (ja) | 膨大な文書データからの知識抽出方法、その装置及び媒体 | |
| Gupta et al. | Text analysis and information retrieval of text data | |
| JP2005148936A (ja) | 社会的な関係を用いてユーザの評価コメントを要約する文書処理装置、その方法及びプログラム | |
| JP2005316590A (ja) | 情報検索装置 | |
| JP4384736B2 (ja) | 画像検索装置およびその装置の各手段としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP2003099429A (ja) | 用語集生成装置及び用語集生成プログラム並びに用語集検索装置 | |
| JPH1145254A (ja) | 文書検索装置およびその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を記録したコンピュータ読み取り可能な記録媒体 | |
| JP2002297667A (ja) | 文書閲覧装置 | |
| Sulaksono et al. | Automatic Article Summary with the Term Frequency-Inverse Document Frequency Algorithm for Information on Elderly Health | |
| US20220292126A1 (en) | Information management system | |
| ter Stal et al. | Twenty-one: cross-language disclosure and retrieval of multimedia documents on sustainable development | |
| JP2830097B2 (ja) | 文章検索方式 | |
| JP2010165041A (ja) | 正解判定装置、正解判定システム、正解判定方法および正解判定プログラム | |
| JPH1145255A (ja) | 文書検索装置およびその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を記録したコンピュータ読み取り可能な記録媒体 | |
| JP2939348B2 (ja) | 画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19991013 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071112 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091112 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091112 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101112 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |