JP3518998B2 - 意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体 - Google Patents
意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体Info
- Publication number
- JP3518998B2 JP3518998B2 JP26615398A JP26615398A JP3518998B2 JP 3518998 B2 JP3518998 B2 JP 3518998B2 JP 26615398 A JP26615398 A JP 26615398A JP 26615398 A JP26615398 A JP 26615398A JP 3518998 B2 JP3518998 B2 JP 3518998B2
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- semantic
- semantic attribute
- words
- character string
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、インターネット上
から収集したＨＴＭＬ文書などのタグ付き文書を利用し
て意味属性辞書を自動的に作成する方法及び装置並びに
そのためのプログラムを記録した記録媒体に関する。
から収集したＨＴＭＬ文書などのタグ付き文書を利用し
て意味属性辞書を自動的に作成する方法及び装置並びに
そのためのプログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】意味属性辞書とは、単語間の意味の関係
を表している辞書であり、その関係は階層構造で表現さ
れることが多い。現存の意味属性辞書は、一般に手動で
構築されている。
を表している辞書であり、その関係は階層構造で表現さ
れることが多い。現存の意味属性辞書は、一般に手動で
構築されている。
【０００３】一方、文字列の論理構造を自動的に抽出す
る技術としては、特開平１０−２１２４９号公報に記載
の「キーワード抽出ルール生成方法」があるが、これ
は、人手により与えた論理構造定義から、文字列を内容
とする論理構造要素とそれらの間の隣接関係を表す要素
情報を生成し、論理構造を表すキーワード抽出ルールを
生成するものである。これは、非構造化文書を構造化文
書に変換する際に、論理構造を表す文字列（キーワー
ド）を抽出するために用いることを目的としており、構
造化に限らず、意味解析全体に使える辞書を作成するこ
とについては述べられていない。
る技術としては、特開平１０−２１２４９号公報に記載
の「キーワード抽出ルール生成方法」があるが、これ
は、人手により与えた論理構造定義から、文字列を内容
とする論理構造要素とそれらの間の隣接関係を表す要素
情報を生成し、論理構造を表すキーワード抽出ルールを
生成するものである。これは、非構造化文書を構造化文
書に変換する際に、論理構造を表す文字列（キーワー
ド）を抽出するために用いることを目的としており、構
造化に限らず、意味解析全体に使える辞書を作成するこ
とについては述べられていない。
【０００４】
【発明が解決しようとする課題】テキストの意味解析の
ためには、単語間の上位下位（ｉｓ−ａ）関係や、全体
部分（ｈａｓ−ａ）関係というような意味の階層関係を
記述した辞書、即ち、意味属性辞書を利用する。しか
し、この意味属性辞書を手動で構築するのはコストが大
きい。また、意味の階層関係は、分野毎に異なる。例え
ば、「カメラ」という単語は、美術の分野では「道具」
の下位概念であるが、店の広告分野では、「商品」の下
位概念となる。このように、分野毎に異なる意味階層関
係を一つ一つ手動で記述するのも、コストがかかりすぎ
る。さらに、意味属性辞書を手動で構築するには時間が
かかるため、辞書の情報が古くなるという欠点がある。
ためには、単語間の上位下位（ｉｓ−ａ）関係や、全体
部分（ｈａｓ−ａ）関係というような意味の階層関係を
記述した辞書、即ち、意味属性辞書を利用する。しか
し、この意味属性辞書を手動で構築するのはコストが大
きい。また、意味の階層関係は、分野毎に異なる。例え
ば、「カメラ」という単語は、美術の分野では「道具」
の下位概念であるが、店の広告分野では、「商品」の下
位概念となる。このように、分野毎に異なる意味階層関
係を一つ一つ手動で記述するのも、コストがかかりすぎ
る。さらに、意味属性辞書を手動で構築するには時間が
かかるため、辞書の情報が古くなるという欠点がある。
【０００５】本発明は、このような課題を解決するもの
で、単語間の意味の階層関係を記述した意味属性辞書を
自動的に作成・構築することを目的とする。
で、単語間の意味の階層関係を記述した意味属性辞書を
自動的に作成・構築することを目的とする。
【０００６】
【課題を解決するための手段】本発明による意味属性辞
書を自動作成する処理手順を図１に示す。 〈ＨＴＭＬ文書作成〉ステップＳ１では、インターネッ
ト上よりＨＴＭＬ文書を収集する。即ち、意味属性辞書
を自動で作成するための情報源として、インターネット
上にあるＨＴＭＬ文書あるいはそれと同様のタグ付き文
書（以下では、ＨＴＭＬ文書で総称する）を使用する。
ＨＴＭＬは文書のレイアウトを決めるための文書記述言
語であるが、文書のレイアウトから、文字列間の関係を
推定することが出来る。例えば表を表すＨＴＭＬタグを
用いて、表の属性部分の文字列や値の部分の文字列を特
定することが出来る。
書を自動作成する処理手順を図１に示す。 〈ＨＴＭＬ文書作成〉ステップＳ１では、インターネッ
ト上よりＨＴＭＬ文書を収集する。即ち、意味属性辞書
を自動で作成するための情報源として、インターネット
上にあるＨＴＭＬ文書あるいはそれと同様のタグ付き文
書（以下では、ＨＴＭＬ文書で総称する）を使用する。
ＨＴＭＬは文書のレイアウトを決めるための文書記述言
語であるが、文書のレイアウトから、文字列間の関係を
推定することが出来る。例えば表を表すＨＴＭＬタグを
用いて、表の属性部分の文字列や値の部分の文字列を特
定することが出来る。
【０００７】〈構造抽出〉ステップＳ２では、収集した
ＨＴＭＬ文書より、各文字列の階層構造（属性とその
値）を抽出する。これは、ＨＴＭＬタグのパターンとそ
れに対応する意味階層構造をルールとして記述してお
き、そのルールに基づいて、ある上位概念（属性）の文
字列に対し下位概念（値）の文字列を抽出することで行
う。
ＨＴＭＬ文書より、各文字列の階層構造（属性とその
値）を抽出する。これは、ＨＴＭＬタグのパターンとそ
れに対応する意味階層構造をルールとして記述してお
き、そのルールに基づいて、ある上位概念（属性）の文
字列に対し下位概念（値）の文字列を抽出することで行
う。
【０００８】構造変換ルールの例を図２に示す。図２の
例は、ＨＴＭＬタグの、リストを表すタグにおけるルー
ルの一つである。ＨＴＭＬタグのレイアウト規則では、
＜ｄｌ＞＜／ｄｌ＞で囲まれている部分がリストを表
す。＜ｄｔ＞＜／ｄｔ＞で囲まれた部分はリストの見出
し部分を表し、＜ｄｄ＞＜／ｄｄ＞で囲まれた部分は見
出しに対する内容を表している。ＨＴＭＬ夕グのレイア
ウト規則より、図２のようなＨＴＭＬタグパターンが現
われた場合、ｘが上位概念（属性）、ｙが下位概念
（値）を表しているというルールを定義することができ
る。
例は、ＨＴＭＬタグの、リストを表すタグにおけるルー
ルの一つである。ＨＴＭＬタグのレイアウト規則では、
＜ｄｌ＞＜／ｄｌ＞で囲まれている部分がリストを表
す。＜ｄｔ＞＜／ｄｔ＞で囲まれた部分はリストの見出
し部分を表し、＜ｄｄ＞＜／ｄｄ＞で囲まれた部分は見
出しに対する内容を表している。ＨＴＭＬ夕グのレイア
ウト規則より、図２のようなＨＴＭＬタグパターンが現
われた場合、ｘが上位概念（属性）、ｙが下位概念
（値）を表しているというルールを定義することができ
る。
【０００９】〈辞書記述〉ステップＳ３では、こうして
抽出された上位概念（属性）と下位概念（値）を単語レ
ベルで辞書に記述し、意味属性辞書を生成する。まず、
上位概念（属性）、下位概念（値）という意味階層構造
を付与された文字列を、単語に分割する。その上で、被
係り受け単語のような、辞書に記述すべき中心となる単
語を選択し、単語レベルで意味階層構造を辞書に記述す
る。これは、文法解析ルールを参照して行う。単語分割
（形態素解析）および、係り受け関係の解析には、既存
技術を使えばよい。
抽出された上位概念（属性）と下位概念（値）を単語レ
ベルで辞書に記述し、意味属性辞書を生成する。まず、
上位概念（属性）、下位概念（値）という意味階層構造
を付与された文字列を、単語に分割する。その上で、被
係り受け単語のような、辞書に記述すべき中心となる単
語を選択し、単語レベルで意味階層構造を辞書に記述す
る。これは、文法解析ルールを参照して行う。単語分割
（形態素解析）および、係り受け関係の解析には、既存
技術を使えばよい。
【００１０】なお、意味属性辞書を特定の分野に対応さ
せるためには、インターネット上の特定の分野の文書集
合から文字列を抽出すればよい。また、インターネット
上の文書は日々更新されている生のデータなので、それ
に合わせて辞書を更新させていくことで、辞書の陳腐化
が防止出来る。
せるためには、インターネット上の特定の分野の文書集
合から文字列を抽出すればよい。また、インターネット
上の文書は日々更新されている生のデータなので、それ
に合わせて辞書を更新させていくことで、辞書の陳腐化
が防止出来る。
【００１１】
【発明の実施の形態】図３は、本発明の意味属性辞書作
成方法を実現する装置構成のブロック図を示し、１００
はインターネット、１１０は意味属性辞書自動作成装置
本体、１２０は構造変換ルールデータベース、１３０は
文法解析ルールデータベース、１４０は作成される意味
属性辞書データベースである。ここで、意味属性辞書自
動作成装置本体１１０はＨＴＭＬ文書収集部１１１、構
造抽出部１１２及び辞書記述部１１３からなり、それぞ
れ図１のステップＳ１〜Ｓ３を実行する。この図３の構
成は、実際には、いわゆるコンピュータのハードウエ
ア、ソフトウエア資源を利用して実現されることは云う
までもない。
成方法を実現する装置構成のブロック図を示し、１００
はインターネット、１１０は意味属性辞書自動作成装置
本体、１２０は構造変換ルールデータベース、１３０は
文法解析ルールデータベース、１４０は作成される意味
属性辞書データベースである。ここで、意味属性辞書自
動作成装置本体１１０はＨＴＭＬ文書収集部１１１、構
造抽出部１１２及び辞書記述部１１３からなり、それぞ
れ図１のステップＳ１〜Ｓ３を実行する。この図３の構
成は、実際には、いわゆるコンピュータのハードウエ
ア、ソフトウエア資源を利用して実現されることは云う
までもない。
【００１２】ＨＴＭＬ文書収集部１１１は、いわゆるロ
ボットと呼ばれ、インターネット１００上のＨＴＭＬ文
書を収集する。該ＨＴＭＬ文書収集部１１１は、収集し
たＨＴＭＬ文書を蓄積して構造抽出部１１２に渡す。
ボットと呼ばれ、インターネット１００上のＨＴＭＬ文
書を収集する。該ＨＴＭＬ文書収集部１１１は、収集し
たＨＴＭＬ文書を蓄積して構造抽出部１１２に渡す。
【００１３】構造抽出部１１２は、構造変換ルールデー
タベース１２０を参照して、ＨＴＭＬ文書収集部１１１
から渡されたＨＴＭＬ文書より、各文字列の階層構造を
抽出する。構造変換ルールデータベース１２０には、図
２に示したように、ＨＴＭＬタグのパターンとそれに対
応する意味階層構造がルールとして記述されている。構
造抽出部１１２は、抽出された階層構造の文字列を上位
概念（属性）と下位概念（値）に分け、解析結果を辞書
記述部１１３に渡す。
タベース１２０を参照して、ＨＴＭＬ文書収集部１１１
から渡されたＨＴＭＬ文書より、各文字列の階層構造を
抽出する。構造変換ルールデータベース１２０には、図
２に示したように、ＨＴＭＬタグのパターンとそれに対
応する意味階層構造がルールとして記述されている。構
造抽出部１１２は、抽出された階層構造の文字列を上位
概念（属性）と下位概念（値）に分け、解析結果を辞書
記述部１１３に渡す。
【００１４】辞書記述部１１３は、文法解析ルールデー
タベース１３０を参照して、構造抽出部１１２から渡さ
れた文字列を単語に分割して、意味属性辞書データベー
ス１４０に記述すべき単語を選び、上位概念（属性）と
下位概念（値）を単語レベルで意味属性辞書データベー
ス１４０に記述する。文法解析ルールデータベース１３
０には単語間の係り受けルールなどが記述されている。
この文法解析ルールデータベース１３０を参照すること
で、例えば、「形容詞−名詞」という文法から、「きれ
いな服」といった文字列を「きれいな」という形容詞と
「服」という名詞に分割し、「服」の方を辞書に記述す
るべき中心語として取り出すことができる。
タベース１３０を参照して、構造抽出部１１２から渡さ
れた文字列を単語に分割して、意味属性辞書データベー
ス１４０に記述すべき単語を選び、上位概念（属性）と
下位概念（値）を単語レベルで意味属性辞書データベー
ス１４０に記述する。文法解析ルールデータベース１３
０には単語間の係り受けルールなどが記述されている。
この文法解析ルールデータベース１３０を参照すること
で、例えば、「形容詞−名詞」という文法から、「きれ
いな服」といった文字列を「きれいな」という形容詞と
「服」という名詞に分割し、「服」の方を辞書に記述す
るべき中心語として取り出すことができる。
【００１５】以下に、具体例にもとづいて構造抽出部１
１２及び辞書記述部１１３の動作を詳述する。
１２及び辞書記述部１１３の動作を詳述する。
【００１６】〈構造抽出部１１２〉構造抽出部１１２で
は、構造変換ルールデータベース１２０を参照して、Ｈ
ＴＭＬ文書収集部１１１で収集されたＨＴＭＬ文書よ
り、各文字列の階層構造（属性とその値）を抽出する。
は、構造変換ルールデータベース１２０を参照して、Ｈ
ＴＭＬ文書収集部１１１で収集されたＨＴＭＬ文書よ
り、各文字列の階層構造（属性とその値）を抽出する。
【００１７】例えば、ＨＴＭＬ文書中に、”＜ｄｌ＞＜
ｄｔ＞今日の天気＜／ｄｔ＞＜ｄｄ＞晴れ＜／ｄｄ＞＜
／ｄｌ＞”という表現Ａがあるとする。これはリスト表
現である。また、構造変換ルールデータベース１２０
に、図２に示したように、”＜ｄｌ＞＜ｄｔ＞Ｘ＜／ｄ
ｔ＞＜ｄｄ＞Ｙ＜／ｄｄ＞＜／ｄｌ＞という表現があっ
た場合、Ｘ＝属性、Ｙ＝値である”というルールがある
とする。このとき、ＨＴＭＬ文書中の表現Ａは、属性＝
「今日の天気」、値＝「晴れ」というように解析され
る。
ｄｔ＞今日の天気＜／ｄｔ＞＜ｄｄ＞晴れ＜／ｄｄ＞＜
／ｄｌ＞”という表現Ａがあるとする。これはリスト表
現である。また、構造変換ルールデータベース１２０
に、図２に示したように、”＜ｄｌ＞＜ｄｔ＞Ｘ＜／ｄ
ｔ＞＜ｄｄ＞Ｙ＜／ｄｄ＞＜／ｄｌ＞という表現があっ
た場合、Ｘ＝属性、Ｙ＝値である”というルールがある
とする。このとき、ＨＴＭＬ文書中の表現Ａは、属性＝
「今日の天気」、値＝「晴れ」というように解析され
る。
【００１８】もう一つ例をあげる。”＜ｔａｂｌｅ＞＜
ｔｒ＞＜ｔｄ＞＜／ｔｄ＞＜ｔｄ＞カレーライス＜／ｔ
ｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ＞材料＜／ｔｄ＞＜ｔｄ
＞にんじん、じゃがいも、たまねぎ・・・＜／ｔｄ＞＜
／ｔｒ＞＜ｔｒ＞＜ｔｄ＞作り方＜／ｔｄ＞＜ｔｄ＞野
菜をやわらかくなるまでゆでる＜／ｔｄ＞＜／ｔｒ＞＜
／ｔａｂｌｅ＞”という表現Ｂがあるとする。これは表
の表現である。また、構造変換ルールデータベース１２
０に、”＜ｔａｂｌｅ＞＜ｔｒ＞＜ｔｄ＞＜／ｔｄ＞＜
ｔｄ＞Ｘ＜／ｔｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ＞Ｙ＜／
ｔｄ＞＜ｔｄ＞Ｚ＜／ｔｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ
＞α＜／ｔｄ＞＜ｔｄ＞β＜／ｔｄ＞＜／ｔｒ＞＜／ｔ
ａｂｌｅ＞の場合、属性１＝Ｘ、値１＝Ｙ、α、属性２
＝Ｙ、値２＝Ｚ、属性３＝α、値＝βである。”という
ルールがあるとする。このとき、ＨＴＭＬ文書中の表現
Ｂは、属性１＝「カレーライス」、値１＝「材料」「作
り方」、属性２＝「材料」、値２＝「じゃがいも」「に
んじん」・・・、属性３＝「作り方」、値「野菜をやわ
らかくゆでる」というように解析できる。
ｔｒ＞＜ｔｄ＞＜／ｔｄ＞＜ｔｄ＞カレーライス＜／ｔ
ｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ＞材料＜／ｔｄ＞＜ｔｄ
＞にんじん、じゃがいも、たまねぎ・・・＜／ｔｄ＞＜
／ｔｒ＞＜ｔｒ＞＜ｔｄ＞作り方＜／ｔｄ＞＜ｔｄ＞野
菜をやわらかくなるまでゆでる＜／ｔｄ＞＜／ｔｒ＞＜
／ｔａｂｌｅ＞”という表現Ｂがあるとする。これは表
の表現である。また、構造変換ルールデータベース１２
０に、”＜ｔａｂｌｅ＞＜ｔｒ＞＜ｔｄ＞＜／ｔｄ＞＜
ｔｄ＞Ｘ＜／ｔｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ＞Ｙ＜／
ｔｄ＞＜ｔｄ＞Ｚ＜／ｔｄ＞＜／ｔｒ＞＜ｔｒ＞＜ｔｄ
＞α＜／ｔｄ＞＜ｔｄ＞β＜／ｔｄ＞＜／ｔｒ＞＜／ｔ
ａｂｌｅ＞の場合、属性１＝Ｘ、値１＝Ｙ、α、属性２
＝Ｙ、値２＝Ｚ、属性３＝α、値＝βである。”という
ルールがあるとする。このとき、ＨＴＭＬ文書中の表現
Ｂは、属性１＝「カレーライス」、値１＝「材料」「作
り方」、属性２＝「材料」、値２＝「じゃがいも」「に
んじん」・・・、属性３＝「作り方」、値「野菜をやわ
らかくゆでる」というように解析できる。
【００１９】〈辞書記述部１１３〉辞書記述部１１３で
は、文法解析ルールデータベース１３０を参照して、構
造抽出部１１２の解析結果の文字列を単語に分割し、分
割された単語中から、意味属性辞書データベース１４０
に記述する単語を選ぶ。そして、上位概念（属性）の単
語と下位概念（値）の単語として、意味属性辞書データ
ベース１４０辞書に記述する。
は、文法解析ルールデータベース１３０を参照して、構
造抽出部１１２の解析結果の文字列を単語に分割し、分
割された単語中から、意味属性辞書データベース１４０
に記述する単語を選ぶ。そして、上位概念（属性）の単
語と下位概念（値）の単語として、意味属性辞書データ
ベース１４０辞書に記述する。
【００２０】さきの具体例、表現Ａを用いて説明する。
構造抽出部１１２で解析された、属性＝「今日の天
気」、値＝「晴れ」を、文法解析辞書１３０を参照し
て、単語に分割し、係り受け関係を解析する。文法解析
ルールには、”名詞１＋「の」＋名詞２が現われる場
合、名詞１＋「の」が係り受け語で、名詞２が被係り受
け単語であり、辞書に記述すべき単語は名詞２の方であ
る”と記述されているとする。このルールより、「今日
の天気」は、「天気」が意味属性辞書データベース１４
０に登録すべき単語として選択される。値の「晴れ」は
これ以上分割できないので、解析されない。結局、辞書
記述部１１３は、上位概念（属性）「天気」と下位概念
（値）「晴れ」を対にして意味属性辞書データベース１
４０に記述する。
構造抽出部１１２で解析された、属性＝「今日の天
気」、値＝「晴れ」を、文法解析辞書１３０を参照し
て、単語に分割し、係り受け関係を解析する。文法解析
ルールには、”名詞１＋「の」＋名詞２が現われる場
合、名詞１＋「の」が係り受け語で、名詞２が被係り受
け単語であり、辞書に記述すべき単語は名詞２の方であ
る”と記述されているとする。このルールより、「今日
の天気」は、「天気」が意味属性辞書データベース１４
０に登録すべき単語として選択される。値の「晴れ」は
これ以上分割できないので、解析されない。結局、辞書
記述部１１３は、上位概念（属性）「天気」と下位概念
（値）「晴れ」を対にして意味属性辞書データベース１
４０に記述する。
【００２１】同様に、表現Ｂの属性３「作り方」、値３
「野菜をやわらかくゆでる」の対について説明する。
「作り方」はこれ以上解析しない。「野菜をやわらかく
ゆでる」については、文法解析ルールに”名詞＋格助詞
＋形容詞の連体形＋動詞の終止形が現われる場合、動詞
の終止形を辞書に登録する”とあったとすると、上位概
念（属性）「作り方」に対し、「ゆでる」が下位概念
（値）として、意味属性辞書データベース１４０に記述
される。
「野菜をやわらかくゆでる」の対について説明する。
「作り方」はこれ以上解析しない。「野菜をやわらかく
ゆでる」については、文法解析ルールに”名詞＋格助詞
＋形容詞の連体形＋動詞の終止形が現われる場合、動詞
の終止形を辞書に登録する”とあったとすると、上位概
念（属性）「作り方」に対し、「ゆでる」が下位概念
（値）として、意味属性辞書データベース１４０に記述
される。
【００２２】構造抽出部１１２及び辞書記述部１１３で
は、収集されたすべてのＨＴＭＬ文書に対して、以上の
ような処理を繰り返し実行することになる。また、ＨＴ
ＭＬ文書収集部１１１では、例えば定期的にＨＴＭＬ文
書を収集する。
は、収集されたすべてのＨＴＭＬ文書に対して、以上の
ような処理を繰り返し実行することになる。また、ＨＴ
ＭＬ文書収集部１１１では、例えば定期的にＨＴＭＬ文
書を収集する。
【００２３】以上、実施例では使用するタグ付き文書を
ＨＴＭＬ文書としたが、ＨＴＭＬ文書と同様の文書記述
言語のものであれば、ＨＴＭＬ文書以外のタグ付き文書
を使用することが可能である。
ＨＴＭＬ文書としたが、ＨＴＭＬ文書と同様の文書記述
言語のものであれば、ＨＴＭＬ文書以外のタグ付き文書
を使用することが可能である。
【００２４】また、図１に示したような処理手順をコン
ピュータに実行させるためのプログラム（意味属性辞書
作成プログラム）を、該コンピュータが読み取り可能な
記録媒体、例えばフロッピーディスクやメモリカード、
コンパクトディスク（ＣＤ−ＲＯＭ）などに記録して提
供することも可能である。この記録媒体に記録された意
味属性辞書作成プログラムをコンピュータにインストー
ルすることで、図２のＨＴＭＬ文書収集部１１１、構造
抽出部１１２及び辞書記述部１１３の機能が達成され
る。また、当該記録媒体には、構造変換ルールや文法解
析ルールを一緒に記録することでもよい。
ピュータに実行させるためのプログラム（意味属性辞書
作成プログラム）を、該コンピュータが読み取り可能な
記録媒体、例えばフロッピーディスクやメモリカード、
コンパクトディスク（ＣＤ−ＲＯＭ）などに記録して提
供することも可能である。この記録媒体に記録された意
味属性辞書作成プログラムをコンピュータにインストー
ルすることで、図２のＨＴＭＬ文書収集部１１１、構造
抽出部１１２及び辞書記述部１１３の機能が達成され
る。また、当該記録媒体には、構造変換ルールや文法解
析ルールを一緒に記録することでもよい。
【００２５】
【発明の効果】以上説明したように、本発明によれば、
インターネット上のＨＴＭＬ文書などのタグ付き文書を
利用して、意味属性辞書を自動で作成・構築することが
可能であり、該辞書の作成コストを削減できる。また、
定期的にＨＴＭＬ文書等を収集して、作成処理を繰り返
し、辞書を自動的に更新することで、意味属性辞書の情
報が古くなるのを防止できる。
インターネット上のＨＴＭＬ文書などのタグ付き文書を
利用して、意味属性辞書を自動で作成・構築することが
可能であり、該辞書の作成コストを削減できる。また、
定期的にＨＴＭＬ文書等を収集して、作成処理を繰り返
し、辞書を自動的に更新することで、意味属性辞書の情
報が古くなるのを防止できる。
【図１】本発明による意味属性辞書作成方法の処理の手
順を示す図である。
順を示す図である。
【図２】構造変換ルールの一例を示す図である。
【図３】本発明による意味属性辞書作成装置の一実施例
のブロック図である。
のブロック図である。
１００ インターネット
１１１ ＨＴＭＬ文書収集部
１１２ 構造抽出部
１１３ 辞書記述部
１２０ 構造変換ルールデータベース
１３０ 文法解析ルールデータベース
１４０ 意味属性辞書データベース１４０
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 平10−207910（ＪＰ，Ａ)
冨田一郎 外３名，ＨＴＭＬ文書から
の商品情報抽出方式の提案，信学技報
（ＫＢＳＥ97−27），1998年 １月22
日，Ｖｏｌ．97，Ｎｏ．502，ｐ．15−
22
井上香織，高橋克巳，検索のための広
告文書構造化，情報処理学会第57回（平
成10年後期）全国大会講演論文集
（３），1998年10月 ５日，ｐ．207−
208
(58)調査した分野(Int.Cl.7，ＤＢ名)
G06F 17/30
Claims (4)
- 【請求項１】 インターネット上からタグ付き文書を収
集して、単語間の意味の階層関係を記述した辞書（意味
属性辞書）を自動的に作成する方法であって、 タグ付き文書のタグのパターンとそのパターンに対応し
た文字列の意味階層構造を記述した構造変換ルールを参
照して、収集したタグ付き文書から各文字列の階層構造
を抽出し、 単語間の係り受けルールを記述した文法解析ルールを参
照して、前記階層構造の抽出された各文字列を単語に分
割し、単語ごとの意味階層関係（意味属性）を辞書に記
述することを特徴とする意味属性辞書作成方法。 - 【請求項２】 定期的にタグ付き文書を収集して処理を
繰り返すことで、辞書を定期的に更新することを特徴と
する請求項１記載の意味属性辞書作成方法。 - 【請求項３】 インターネット上からタグ付き文書を収
集する手段と、タグ付き文書のタグのパターンとそのパ
ターンに対応した文字列の意味階層構造を記述した構造
変換ルールデータベースと、前記構造変換ルールデータ
ベースを参照して、前記収集したタグ付き文書から各文
字列の階層構造を抽出する手段と、単語間の係り受けル
ールを記述した文法解析ルールデータベースと、前記文
法解析ルールデータベースを参照して、前記階層構造の
抽出された各文字列を単語に分割し、単語ごとの意味階
層関係を辞書（意味属性辞書）に記述する手段とを具備
することを特徴とする意味属性辞書作成装置。 - 【請求項４】 単語間の意味の階層関係を記述した辞書
（意味属性辞書）を自動的に作成するための意味属性辞
書作成プログラムを記述したコンピュータ読み取り可能
な記録媒体であって、 インターネット上からタグ付き文書を収集する処理プロ
セスと、タグ付き文書のタグのパターンとそのパターン
に対応した文字列の意味階層構造を記述した構造変換ル
ールを参照して、前記収集したタグ付き文書から各文字
列の階層構造を抽出する処理プロセスと、単語間の係り
受けルールを記述した文法解析ルールを参照して、前記
階層構造の抽出された各文字列を単語に分割し、単語ご
との意味階層関係を辞書（意味属性辞書）に記述する処
理プロセスとを有することを特徴とする意味属性辞書作
成プログラムを記録した記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26615398A JP3518998B2 (ja) | 1998-09-21 | 1998-09-21 | 意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26615398A JP3518998B2 (ja) | 1998-09-21 | 1998-09-21 | 意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000099515A JP2000099515A (ja) | 2000-04-07 |
| JP3518998B2 true JP3518998B2 (ja) | 2004-04-12 |
Family
ID=17427036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26615398A Expired - Fee Related JP3518998B2 (ja) | 1998-09-21 | 1998-09-21 | 意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3518998B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025490A1 (fr) * | 2000-09-20 | 2002-03-28 | Cai Co.. Ltd. | Procede et systeme de recherche automatique d'une page d'accueil sur internet |
| JP4480353B2 (ja) * | 2003-06-20 | 2010-06-16 | 株式会社 日立システムアンドサービス | リンク情報配送システムおよびリンク情報配送方法 |
| JP4119413B2 (ja) * | 2004-09-30 | 2008-07-16 | 株式会社東芝 | 知識情報収集システム、知識検索システム及び知識情報収集方法 |
| JP2009026083A (ja) * | 2007-07-19 | 2009-02-05 | Fujifilm Corp | コンテンツ検索装置 |
| JPWO2022208822A1 (ja) * | 2021-03-31 | 2022-10-06 | ||
| CN114707045B (zh) * | 2022-03-23 | 2023-09-26 | 江苏悉宁科技有限公司 | 一种基于大数据的舆情监测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3596210B2 (ja) * | 1997-01-16 | 2004-12-02 | 富士ゼロックス株式会社 | 関連語辞書作成装置 |
-
1998
- 1998-09-21 JP JP26615398A patent/JP3518998B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 井上香織，高橋克巳，検索のための広告文書構造化，情報処理学会第５７回（平成１０年後期）全国大会講演論文集（３），１９９８年１０月 ５日，ｐ．２０７−２０８ |
| 冨田一郎 外３名，ＨＴＭＬ文書からの商品情報抽出方式の提案，信学技報（ＫＢＳＥ９７−２７），１９９８年 １月２２日，Ｖｏｌ．９７，Ｎｏ．５０２，ｐ．１５−２２ |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000099515A (ja) | 2000-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9256584B2 (en) | Rich text handling for a web application | |
| CN106681708A (zh) | 一种基于数据挖掘的源代码注释自动生成方法 | |
| US20070204215A1 (en) | Device for analyzing log files generated by process automation tools | |
| JP3372532B2 (ja) | 感情情報抽出方法および感情情報抽出プログラムの計算機読み取り可能な記録媒体 | |
| JP2020098596A (ja) | ウェブページから情報を抽出する方法、装置及び記憶媒体 | |
| JP3518998B2 (ja) | 意味属性辞書作成方法及び装置並びに意味属性辞書作成プログラムを記録した記録媒体 | |
| JPH11110384A (ja) | 構造化文書検索表示方法及び装置 | |
| Al-Ghuribi et al. | A comprehensive survey on web content extraction algorithms and techniques | |
| JP2004030202A (ja) | 特徴語抽出システム | |
| JP4937709B2 (ja) | 構造化文書生成方法及び装置及びプログラム | |
| JP3471253B2 (ja) | 文書分類方法、文書分類装置、および文書分類プログラムを記録した記録媒体 | |
| Martins et al. | The WebCAT framework automatic generation of meta-data for Web resources | |
| JP2009140113A (ja) | 辞書編集装置、および辞書編集方法、並びにコンピュータ・プログラム | |
| JP2004334382A (ja) | 構造化文書要約装置、プログラムおよび記録媒体 | |
| JP2008276561A (ja) | 形態素解析装置、形態素解析方法、形態素解析プログラム及びコンピュータプログラムを格納した記録媒体 | |
| JPH0743728B2 (ja) | 要約文生成方式 | |
| Lakshmi et al. | Web structure analysis for information mining | |
| JP3943005B2 (ja) | 情報検索プログラム | |
| US20030217051A1 (en) | Information retrieving apparatus and storage medium storing information retrieving software therein | |
| JP5337575B2 (ja) | 候補語抽出装置、候補語抽出方法及び候補語抽出プログラム | |
| KR20110008980A (ko) | 중복 정보가 제거된 웹사이트 통합 검색 장치 및 방법 | |
| JP2007213157A (ja) | 用例文検索装置および用例文検索方法 | |
| Li et al. | Automatic function interpretation: Using natural language processing on patents to understand design purposes | |
| JP2001184351A (ja) | 文書情報抽出装置および文書分類装置 | |
| JPH0863483A (ja) | 情報解析・編集システム |
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: 20040127 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040127 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080206 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100206 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110206 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |