JP4129048B2 - 固有表現抽出装置、方法、及びプログラム - Google Patents

Description

本発明は、ユーザに適応した固有表現を抽出することが可能な固有表現抽出装置に関するものである。

従来、複数の異なるタスクに対応するため、１つの入力テキストに対し複数の固有表現抽出モジュールを動作させ、抽出される固有表現をまとめることができる固有表現抽出方法が開示されている（例えば、特許文献１参照）。

ここで、固有表現とは、タスクによって１つの単位として扱われる、固有名詞、会社名、電子メールアドレス、国名、都市名、製品名、組織名、時間、日時、金額表現、割合表現など特定の言語項目を言う。
特開２００３−２４８６８０号公報

しかしながら、従来の複数の固有表現抽出モジュールを動作させることで異なるタスクに対応することができる固有表現抽出方法は、抽出する固有表現の種類や単位をユーザや表示端末に対して対応付けて記憶することができないため、ユーザや表示端末に適応した固有表現を抽出することができない。このため、特に、固有表現の中に固有表現が存在する固有表現の入れ子構造において、ユーザは抽出された固有表現が表示される場合、ユーザにとって冗長な文字列を含む固有表現や意味を理解するには短すぎる固有表現を読まなければならなかった。例えば、テレビ番組情報において、本題と副題を合わせて番組名とする番組に対し、本題のみで番組を識別できるユーザにとっては、副題は冗長な情報である。逆に本題のみで番組を識別できないユーザにとっては、副題は必要な情報であり、本題と副題を合わせてユーザに提示する必要がある。

そこで、本発明は上記の事情に鑑みてなされたものであり、ユーザの入力履歴や表示端末の表示能力等によって表される抽出条件に適応した固有表現を抽出することができる固有表現抽出装置を提供することを目的とする。

前述の目的を達成するために、この発明にかかわる固有表現抽出装置は、テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、複数のテキストが格納されている情報データベースと、複数のテキストを前記情報データベースから取得するテキスト取得手段と、複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの、固有表現の抽出に使用されるべき順序を複数記憶している抽出順序記憶手段と、前記テキスト取得手段で取得される複数のテキストから、前記抽出順序記憶手段で記憶されている各順序で固有表現パターンを用いて固有表現を抽出し、順序ごとに抽出された固有表現を固有表現セットとする固有表現抽出手段と、前記固有表現抽出手段で得られた固有表現セット毎に、その固有表現セットに含まれる類似する固有表現の数である類似固有表現数を算出し、類似固有表現数が最も少ない固有表現セットを出力する固有表現決定手段とを備える。

この構成によれば、固有表現を抽出する順序を抽出条件に応じて設定することができるので、例えば、入れ子構造が存在する固有表現に対して、文字列長の短い、または長い固有表現から順次抽出する場合は、ユーザにとって区別しにくい類似な固有表現をできるだけ含まない好ましい固有表現を得ることができ、ユーザや表示端末にとって最適な固有表現を抽出することができる。

本発明の固有表現抽出装置は、テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、入力テキストが入力される度に、抽出される固有表現を利用するユーザ、抽出される固有表現を表示する表示端末、入力テキストの属性、入力テキストの数、及び過去に固有表現が抽出された回数のうちの少なくとも一つを用いて表される抽出条件に応じて、固有表現の抽出に使用されるべき固有表現パターンの抽出順序を設定し直す抽出順序設定手段と、前記設定された抽出順序に示される順序で固有表現パターンを用いて、前記一つ以上の入力テキストから固有表現を抽出する固有表現抽出手段とを備える。

また、前記固有表現抽出装置は、さらに、前記抽出される固有表現を表示する表示手段を備えるとしてもよい。

また、前記入力テキストは、電子番組ガイドを構成する、副題と主題とから構成される番組名を含む番組情報を表すとしてもよい。

この構成によれば、前記固有表現抽出装置は、固有表現の抽出に用いる固有表現パターンの順序を抽出条件に応じて設定するので、例えば、抽出される固有表現を利用するユーザ、抽出される固有表現を表示する端末装置、入力テキストの属性、入力テキストの数、及び過去に固有表現が抽出された回数等によって表される抽出条件に応じて、異なる固有表現パターンを用いて異なる抽出結果を得ることができる。

この構成は、例えば、前記入力テキストが電子番組ガイドを構成する番組情報を表す場合に好適である。具体例として、番組情報から番組タイトルを固有表現として抽出する際に、その番組に慣れ親しんだユーザには本題のみからなる比較的短い固有表現を抽出して提示し、そうでないユーザには本題と副題とからなる比較的長い固有表現を抽出して提示すれば、ユーザに応じて最適な内容を反映した長さの番組タイトルを提示することができる。

また、抽出される固有表現を表示する端末装置が、携帯情報端末装置である場合には本題のみを抽出して表示し、家庭用テレビジョン放送受信装置である場合には本題と副題とを抽出して表示すれば、携帯情報端末装置に長い番組タイトルが表示されてしまい、その結果一覧性が損なわれてユーザにとってかえって見づらいといった不便を軽減できる。

また、前記固有表現抽出装置は、さらに、複数の固有表現パターンを記憶している固有表現パターン記憶手段と、複数の抽出条件のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの固有表現の抽出に使用されるべき順序を記憶している抽出順序記憶手段とを備え、前記抽出順序設定手段は、前記複数の抽出条件の一つが与えられると、与えられた抽出条件について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定めてもよい。

また、前記固有表現抽出装置は、さらに、複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの固有表現の抽出に使用されるべき順序を記憶している抽出順序記憶手段と、前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、抽出条件に応じて変更する抽出順序変更手段とを備え、前記抽出順序設定手段は、変更後の固有表現パターンの順序を、前記抽出順序として定めてもよい。

この構成によれば、抽出条件に応じて異なる固有表現パターンを用いて異なる抽出結果が得られるという本発明の特徴を、具体的に、複数の抽出順序の中から抽出条件に応じた一つを用いることによって実現するか、または抽出条件に応じて抽出順序を変更することによって実現することができる。

また、前記固有表現抽出装置は、ユーザを識別するユーザ識別子を抽出条件とし、さらに、前記ユーザ識別子を取得するユーザ識別手段を備え、前記抽出順序記憶手段は、複数のユーザ識別子のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの順序を記憶しており、前記抽出順序設定手段は、取得されたユーザ識別子について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定めてもよいし、また、前記固有表現抽出装置は、抽出される固有表現を表示する端末装置の端末識別子を抽出条件とし、さらに、前記端末識別子を取得する端末識別子取得手段を備え、前記抽出順序記憶手段は、複数の端末識別子のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの順序を記憶しており、前記抽出順序設定手段は、取得された端末識別子について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定めてもよい。

この構成によれば、前述したように、ユーザごと、及び端末装置ごとに、望ましい固有表現を抽出することができる。

また、前記固有表現抽出装置は、入力テキストの属性を抽出条件とし、さらに、前記入力テキストの属性を取得する属性取得手段を備え、前記抽出順序記憶手段は、複数の属性のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの順序を記憶しており、前記抽出順序設定手段は、取得された属性について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定めてもよい。

この構成によれば、前記入力テキストの属性に応じて、その入力テキストから固有表現を適切に抽出できる固有表現パターンが異なる場合に、取得された属性に応じて、その属性の入力テキストから適切に固有表現を抽出可能な特有の固有表現パターンを用いることができるので、固有表現の抽出精度の向上に役立つ。

例えば、前述したように、前記入力テキストが電子番組ガイドを構成する番組情報を表す場合に、前記入力テキストの属性としてその番組情報に含まれる番組カテゴリを取得し、取得された番組カテゴリに応じて、その番組カテゴリの番組情報から適切に固有表現を抽出可能な特有の固有表現パターンを用いれば、良好な抽出結果を得ることができる。

また、前記固有表現抽出装置は、入力テキストの数を抽出条件とし、さらに、複数のテキストが格納されている情報データベースと、入力テキストとなる一つ以上のテキストを前記情報データベースから検索するテキスト検索手段とを備え、前記抽出順序記憶手段は、入力テキストの数を示す複数の値のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの順序を記憶しており、前記抽出順序設定手段は、検索されたテキストの数について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定め、前記固有表現抽出手段は、前記定められた抽出順序に示される順序で固有表現パターンを用いて、前記検索されたテキストから固有表現を抽出してもよい。

この構成によれば、入力テキストの数に応じた長さの固有表現を抽出することが可能となる。入力テキストが多いほど、抽出される固有表現の区別を容易とするために、より長い固有表現を抽出することが望ましく、この構成によってそのような要請に応えることができる。

例えば、前述したように、前記入力テキストが電子番組ガイドを構成する番組情報を表し、そこから番組タイトルを固有表現として抽出する際に、入力テキストの数が予め定められたしきい値よりも少なければ本題のみからなる固有表現を抽出し、そのしきい値以上であれば本題と副題とからなる固有表現を抽出すれば、入力テキストが多数ある場合に、本題のみからなる多数の同一の固有表現が抽出されてしまい、ユーザはそれらを区別することができないといった不便を軽減できる。

また、前記固有表現抽出装置は、前記入力テキストの数を抽出条件とし、さらに、複数のテキストが格納されている情報データベースと、複数のテキストを前記情報データベースから取得するテキスト取得手段と、テキストを表示する表示手段と、前記テキスト取得手段で取得される複数のテキストから、前記表示手段に表示された際に類似する複数のテキストを前記入力テキストとして取得する類似テキスト取得手段とを備え、前記抽出順序記憶手段は、テキストの数を示す複数の値のそれぞれについて、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンの順序を記憶しており、前記抽出順序設定手段は、前記類似テキスト取得手段によって取得されたテキストの数について前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記抽出順序として定め、前記固有表現抽出手段は、前記定められた抽出順序に示される順序で固有表現パターンを用いて、前記類似テキスト取得手段によって取得されたテキストから固有表現を抽出してもよい。

この構成によれば、入力テキストの中でも特に類似する入力テキストの数に応じた長さの固有表現を抽出することが可能となる。類似する入力テキストが多いほど、抽出される固有表現の区別を容易とするために、より長い固有表現を抽出することが望ましく、この構成によってそのような要請に応えることができる。

また、前記固有表現抽出装置は、過去に固有表現が抽出された回数を抽出条件とし、さらに、前記抽出順序記憶手段に記憶されている固有表現パターンのそれぞれについて、その固有表現パターンを用いて過去に固有表現が抽出された回数を計数する抽出回数計数手段を備え、前記抽出順序変更手段は、前記抽出順序記憶手段に記憶されている固有表現パターンの順序を、前記計数された数に応じて変更してもよい。

この構成によれば、抽出順序を変更することによって、固有表現の抽出に寄与していない固有表現パターンをその後の抽出に用いないようにできるので、固有表現の抽出に要する計算量を減らしつつ、それまでと同様の固有表現の抽出を続けることができる。

また、前記抽出順序は、複数の固有表現パターンを、順次使用された場合に使用ごとにより長い固有表現の抽出が期待される順序で示し、前記固有表現抽出装置は、さらに、予め定められたしきい値を上回る長さの固有表現が抽出された場合、それ以降の固有表現パターンを用いて行われる抽出を打ち切る抽出打ち切り手段を備えてもよい。

この構成によれば、前記しきい値を、ユーザ、端末装置等に応じて必要限度の長さに定めておくことによって、必要以上に長い固有表現の抽出が行われないので、固有表現の抽出に要する計算量を減らしつつ、必要な固有表現を抽出することができる。

また、本発明の固有表現抽出装置は、テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、複数のテキストが格納されている情報データベースと、複数のテキストを前記情報データベースから取得するテキスト取得手段と、複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを複数記憶している抽出順序記憶手段と、前記テキスト取得手段で取得される複数のテキストから、前記抽出順序記憶手段で記憶されているルールセットごとに、ルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現パターンに対応する抽出順序番号の順に、固有表現として抽出し、抽出された固有表現を固有表現セットとする固有表現抽出手段と、前記固有表現抽出手段で得られた固有表現セット毎に、その固有表現セットに含まれる固有表現のうち、一定数以上の文字が同じ固有表現の数である類似固有表現数を計数し、類似固有表現数が最も少ない固有表現セットを出力する固有表現決定手段とを備える。

この構成によれば、前記複数の固有表現セットの中で類似固有表現数が最も少ない固有表現セットが出力されるので、ユーザは、区別しにくい類似な固有表現をできるだけ含まない好ましい固有表現を得ることができる。

また、前記固有表現抽出装置は、さらに、テキストを表示する表示手段を備え、前記固有表現決定手段は、固有表現セット毎に類似固有表現数を計数する際に、固有表現から前記表示手段に表示可能な文字数分の部分固有表現を抽出し、抽出した部分固有表現同士が類似する場合に、類似する部分固有表現の数を類似固有表現数としてもよい。

この構成によれば、さらに、表示手段に表示可能な文字数を勘案して、類似な固有表現をできるだけ含まない好ましい固有表現を得ることができる。これにより、例えば、抽出された固有表現の表示に用いられる文字数が異なる表示フォーマットを使い分ける場合などに、表示フォーマットに応じてユーザにとって最も区別しやすいと考えられる好適な固有表現を提示できる。

また、本発明の固有表現抽出装置は、テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを記憶している抽出順序記憶手段と、前記一つ以上の入力テキストから、前記抽出順序記憶手段に記憶されているルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現パターンに対応する抽出順序番号の順に、固有表現として抽出する固有表現抽出手段と、前記抽出された固有表現、固有表現が抽出された入力テキスト、及び抽出に用いられた固有表現パターンに対応する抽出順序番号を対応付けて記憶する固有表現記憶手段と、既定の抽出順序番号を指定するか、又は共通の抽出順序番号に対応して抽出された一つ以上の固有表現をユーザ操作に応じて指定する表示条件指定手段と、前記表示条件指示手段から既定の抽出順序番号が指定された場合、前記固有表現記憶手段から前記指定された抽出順序番号に対応して記憶されている全ての固有表現を取得し、また、前記表示条件指示手段から一つ以上の固有表現が指定された場合、前記固有表現記憶手段から、前記指定された各固有表現に対応する入力テキストについて前記共通の抽出順序番号の次の抽出順序番号に対応して記憶されている固有表現を取得する固有表現取得手段と、前記固有表現取得手段で取得された固有表現から重複を削除する重複削除手段と、前記重複削除手段によって重複を削除されて残った固有表現を表示する表示手段とを備える。

この構成によれば、抽出された固有表現を、抽出順序番号毎に、例えば簡略な固有表現から複雑な固有表現へと向かう方向に表示できるので、ユーザが抽出された固有表現を段階的に確認する上で便利である。

また、本発明は、このような固有表現抽出装置として実現できるだけでなく、このような固有表現抽出装置が備える特徴的な手段によって実行される処理をステップとする固有表現抽出方法として実現することも、また、それらのステップをコンピュータに実行させるプログラムとして実現することもできる。そして、そのようなプログラムは、ＣＤ−ＲＯＭ等の記録媒体やインターネット等の伝送媒体を介して配信できることはいうまでもない。

（実施の形態１）
以下、本発明の実施形態１による固有表現抽出装置について図面を参照しながら説明する。図１は本発明の実施形態１による固有表現抽出装置の構成図である。この固有表現抽出装置は、抽出条件に応じて、抽出に用いられる一つ以上の固有表現パターンの使用順序を設定し、設定された順序で固有表現パターンを用いて入力テキストから固有表現を抽出する固有表現抽出装置であり、入力部１０１、抽出順序記憶部１０２、抽出順序読込部１０３、固有表現パターン記憶部１０４、固有表現抽出部１０５、抽出終了判定部１０６を含んで構成される。

ここで、抽出順序読込部１０３が、抽出順序設定手段の一例である。

入力部１０１は、キーボードやマウス、リモコン等の入力装置で構成され、ユーザが固有表現を含むテキストを入力すると、この入力されるテキストと処理する抽出順序の初期値として値１を出力する。また、入力部１０１は、テレビ放送番組に関する情報やハードディスクレコーダ等に蓄積されたコンテンツに関する情報、または、インターネット上に存在するコンテンツを記憶するデータベースからユーザに提示するテキストを取得し、この取得するテキストと処理する抽出順序の初期値として値１を出力するようにしてもよい。

抽出順序記憶部１０２は、固有表現パターン記憶部１０４に記憶される固有表現パターンを使用する順序である抽出順序と抽出順序に対応する固有表現パターン名とを対応付けて記憶し、さらに抽出順序の総数である抽出順序総数も記憶する。図２は、抽出順序記憶部１０２に記憶される抽出順序の一例を示すものであり、（抽出順序総数、（抽出順序、使用する固有表現パターン名））として、（３、（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）が記憶される。

抽出順序読込部１０３は、テキストと抽出順序が入力されると、入力される抽出順序に対応した固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込み、入力されるテキストと抽出順序と抽出順序記憶部１０２から読み込んだ抽出順序総数と固有表現パターン名とを出力する。

固有表現パターン記憶部１０４は、固有表現Ａを抽出するために使用する固有表現Ａパターン１０４Ａ、固有表現Ｂを抽出するために使用する固有表現Ｂパターン１０４Ｂ、固有表現Ｃを抽出するために使用する固有表現Ｃパターン１０４Ｃを記憶する。例えば、番組名「松上電器創業記（１） −誕生−」の場合、小タイトルをメインタイトル「松上電器創業記」に相当するテキスト、中タイトルを小タイトルに回数を追加したもの「松上電器創業記（１）」に相当するテキスト、大タイトルを番組名全て「松上電器創業記（１） −誕生−」に相当するテキストとする場合、固有表現Ａを小タイトル、固有表現Ｂを中タイトル、固有表現Ｃを大タイトルとすると、固有表現Ａパターン１０４Ａは小タイトルを抽出するためのルール、固有表現Ｂパターン１０４Ｂは中タイトルを抽出するためのルール、固有表現Ｃパターン１０４Ｃは大タイトルを抽出するためのルールとなる。ここでいうルールとは、抽出する文字列そのものや抽出する文字列とその前後の文字列を対応付けて記憶するものや抽出する文字列とその前後の文字列との連接確率などである。

ルールを用いて行われる抽出の具体的な一例として、テキスト「［解説］続木貴史、松下太郎」から固有表現の１つである人名として「続木貴史」を抽出する場合について説明する。そのような抽出を行う方法としては、図３に示すような人名を記憶する人名テーブルを利用して、人名テーブルに含まれる人名と完全一致する文字列を人名としてテキストから抽出する方法がある。さらには、抽出する文字列とその前後の文字列を対応付けて記憶する一例としては、図４に示すような人名が出現する前後の文字列のパターンを記憶する人名正規表現テーブルを利用して、人名正規表現テーブルに含まれるパターンと一致する文字列を人名としてテキストから抽出する方法がある。さらには、抽出する文字列とその前後の文字列との連接確率の一例としては、図５に示すような人名が出現する前後の文字列と人名との連接確率を記憶する人名確率テーブルを利用して、尤度を計算し（上記テキスト中の人名「続木貴史」の場合は、前の文字列「］」の確率値「0.9」と後ろの文字
列「、」の確率値「0.2」を足し合わせて尤度は「1.1」となる）、尤度が特定の閾値以上になった場合に人名としてテキストから抽出する方法がある。

図６に示すように、固有表現抽出部１０５は、人名を含むテキスト「［解説］続木貴史、松下太郎」から、図３〜図５に例示した人名抽出用のルール（人名パターン）を前述した方法に従って用いて、固有表現の一例である人名「続木貴史」を抽出する。

また、上記具体例では、文字列を対象として説明したが、形態素や単語、固有表現抽出結果である固有表現ラベルでもよく、さらには、文字列と形態素、単語、固有表現ラベルなどを組み合わせてルールを構築してもよい。また、上記具体例では、前後１文字のみを対象としてルールを構築したが、複数文字を対象にルールを構築してもよい。

なお、固有表現Ａパターン１０４Ａ、固有表現Ｂパターン１０４Ｂ、固有表現Ｃパターン１０４Ｃを以下、それぞれ固有表現パターンと総称する。

固有表現抽出部１０５は、抽出順序読込部１０３からテキストと抽出順序と抽出順序総数と固有表現パターン名が入力されると、入力される固有表現パターン名に対応する固有表現パターンを固有表現パターン記憶部１０４から読み込み、この読み込んだ固有表現パターンを使用して入力されるテキストから固有表現を抽出する。そして、抽出した固有表現を含むテキストと抽出順序読込部１０３から入力される抽出順序総数と抽出順序とを出力する。

抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序総数と抽出順序とテキストが入力されると、抽出順序が抽出順序総数より小さい場合は、抽出順序の値に数値１を加算し、加算後の抽出順序と固有表現抽出部１０５から入力されるテキストとを抽出順序読込部１０３に出力する。また、抽出順序が抽出順序総数以上の場合は、固有表現抽出部１０５から入力されるテキストを固有表現抽出結果である結果テキストとして出力する。

このように構成された本実施形態による固有表現抽出装置の動作例について図１のブロック図、図７のフローチャート、及び図８の抽出結果の一具体例を示す図を用いて説明する。ユーザが入力部１０１から固有表現を含むテキストを入力する（ステップＳ１０１）。入力部１０１は、固有表現を含むテキストが入力されると、この入力されるテキストと処理する抽出順序の初期値として値１を抽出順序読込部１０３に出力する（ステップＳ１０２）。具体的な一例として、ユーザが入力部１０１から番組名であるテキスト「松上電器創業記（１） −誕生−」を入力すると、入力部１０１は、入力されるテキスト「松上電器創業記（１） −誕生−」と抽出順序の初期値として値１を抽出順序読込部１０３に出力する。

抽出順序読込部１０３は、入力部１０１からテキストと抽出順序が入力されると、入力される抽出順序に対応した固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込み（ステップＳ１０３）、入力されるテキストと抽出順序と抽出順序記憶部１０２から読み込んだ抽出順序総数と固有表現パターン名とを出力する。上記の例では、抽出順序読込部１０３は、入力部１０１からテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１が入力されると、入力される抽出順序の値１に対応した固有表現パターン名「固有表現Ａパターン」と抽出順序総数の値３とを抽出順序記憶部１０２から読み込み、入力されるテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１と抽出順序総数の値３と固有表現パターン名「固有表現Ａパターン」とを固有表現抽出部１０５に出力する。

固有表現抽出部１０５は、抽出順序読込部１０３からテキストと抽出順序と抽出順序総数と固有表現パターン名が入力されると、入力される固有表現パターン名に対応する固有表現パターンを固有表現パターン記憶部１０４から読み込み（ステップＳ１０４）、この読み込んだ固有表現パターンを使用して入力されるテキストから固有表現を抽出する（ステップＳ１０５）。そして、抽出した固有表現を含むテキストと抽出順序読込部１０３から入力される抽出順序総数と抽出順序とを出力する。

上記の例では、固有表現抽出部１０５は、抽出順序読込部１０３からテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１と抽出順序総数の値３と固有表現パターン名「固有表現Ａパターン」が入力されると、入力される固有表現パターン名「固有表現Ａパターン」に対応する固有表現パターン「固有表現Ａパターン」を固有表現パターン記憶部１０４から読み込み、この読み込んだ固有表現パターン「固有表現Ａパターン」を使用して入力されるテキスト「松上電器創業記（１） −誕生−」から固有表現を抽出する。

この場合、固有表現パターン「固有表現Ａパターン」は小タイトルを抽出するパターンであるので、テキスト「松上電器創業記（１） −誕生−」の一部であるテキスト「松上電器創業記」が「小タイトル」の固有表現として抽出される。一例としてここでは、「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」のように、抽出される固有表現を「＜固有表現の種類＞」と「＜／固有表現の種類＞」で囲む。そして、固有表現抽出部１０５は、抽出した固有表現を含むテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」と抽出順序総数の値３と抽出順序の値１とを抽出終了判定部１０６に出力する（図８の抽出結果（１回目））。

抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序総数と抽出順序とテキストが入力されると、抽出順序が抽出順序総数より小さい場合は（ステップＳ１０６）、抽出順序の値に数値１を加算し（ステップＳ１０７）、加算後の抽出順序と固有表現抽出部１０５から入力されるテキストとを抽出順序読込部１０３に出力する。また、抽出順序が抽出順序総数以上の場合は（ステップＳ１０６）、固有表現抽出部１０５から入力されるテキストを固有表現抽出結果である結果テキストとして出力する。

上記の例では、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値１とテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」が入力されると、抽出順序の値１が抽出順序総数の値３よりも小さいので、抽出順序の値１に数値１を加算して値を２にし、抽出順序の値２とテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」とを抽出順序読込部１０３に出力する。

この後、抽出順序読込部１０３、固有表現抽出部１０５では、上記と同様の処理が行われ、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値２とテキスト「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−」が入力されるが、抽出順序の値２が抽出順序総数の値３よりも小さいので、抽出順序の値２に数値１を加算して値を３にし、抽出順序の値３とテキスト「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−」とを抽出順序読込部１０３に出力する（図８の抽出結果（２回目））。

さらにこの後、抽出順序読込部１０３、固有表現抽出部１０５では、上記と同様の処理が行われ、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値３とテキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」が入力され、抽出順序の値３が抽出順序総数の値３以上であるので、テキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」を固有表現抽出結果である結果テキストとして出力する（図８の抽出結果（３回目））。

なお、上記の実施例では、抽出順序記憶部１０２は、抽出順序総数と抽出順序と抽出順序に対応付けて固有表現パターン名とをセットにして記憶するようにしたが、この抽出順序総数と抽出順序と固有表現パターン名のセットをユーザを識別するユーザ識別子と対応付けて記憶するようにし、抽出順序読込部１０３は、入力部１０１からテキストと抽出順序が入力され、さらにユーザ識別子が入力されると、入力されるユーザ識別子に対応する抽出順序総数と抽出順序と固有表現パターン名のセットを対象に入力される抽出順序に対応する固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込み、入力されるテキストと抽出順序とユーザ識別子と抽出順序記憶部１０２から読み込んだ抽出順序総数と固有表現パターン名とを出力するようにしてもよい。

ここでは、入力部１０１がユーザ識別手段の一例である。

この場合、固有表現抽出部１０５と抽出終了判定部１０６は、上記実施例での動作以外にさらに抽出順序読込部１０３から出力されるユーザ識別子をそのまま出力するようにする。具体的な一例として、抽出順序記憶部１０２は、（ユーザ識別子、抽出順序総数、（抽出順序、固有表現パターン名））のセットとして、（０１、３、（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）、（０２、２、（１、固有表現Ｉパターン）、（２、固有表現Ｊパターン）、（３、固有表現Ｋパターン）、…）、…、が記憶されるとする。この場合の抽出順序記憶部１０２の内容は図９のようになる。さらに、抽出順序読込部１０３は、入力部１０１からユーザ識別子「０１」とテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１が入力されると、入力されるユーザ識別子「０１」に対応する（ユーザ識別子、抽出順序総数、（抽出順序、固有表現パターン名））のセットである（０１、３、（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）を対象に、入力される抽出順序の値１に対応した固有表現パターン名「固有表現Ａパターン」と抽出順序総数の値３とを抽出順序記憶部１０２から読み込み、入力されるテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１とユーザ識別子「０１」と抽出順序総数の値３と固有表現パターン名「固有表現Ａパターン」とを固有表現抽出部１０５に出力する。以降の固有表現抽出部１０５と抽出終了判定部１０６においては、上記実施例の動作以外にユーザ識別子「０１」をさらに出力する。こうすることで、ユーザ毎に固有表現の抽出する順序や抽出する固有表現を変更することができ、ユーザに適応した固有表現を抽出することができる。

次に、抽出順序記憶部１０２の変形例について、図１０を参照して説明する。

抽出順序記憶部１０２は、抽出順序総数と抽出順序と抽出順序に対応付けて固有表現パターン名とをセットにし、このセットを複数保持し、セット毎に抽出する固有表現の種類に対応するセットＩＤを付与して管理するようにし、抽出順序読込部１０３は、入力部１０１からセットＩＤとテキストと抽出順序が入力されると、入力されるセットＩＤに対応する抽出順序総数と抽出順序と固有表現パターン名のセットを対象に入力される抽出順序に対応する固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込み、入力されるテキストと抽出順序とセットＩＤと抽出順序記憶部１０２から読み込んだ抽出順序総数と固有表現パターン名とを出力するようにしてもよい。

この場合、セットＩＤが抽出条件を示す情報として機能し、抽出順序読込部１０３は、前述した読み込み動作によって、セットＩＤに対応して抽出順序記憶部１０２に順序付けて記憶されている固有表現パターンを、抽出に用いられる一つ以上の固有表現パターンとその使用順序として設定することになる。そして、固有表現抽出部１０５と抽出終了判定部１０６は、上記実施例での動作以外にさらに抽出順序読込部１０３から出力されるセットＩＤをそのまま出力するようにする。

具体的な一例として、抽出順序記憶部１０２は、（セットＩＤ、抽出順序総数、（抽出順序、固有表現パターン名））のセットとして、（０１、３、（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）、（０２、２、（１、固有表現Ｉパターン）、（２、固有表現Ｊパターン））、…、が記憶されるとする。この場合の抽出順序記憶部１０２の内容は図１０のようになる。さらに、抽出順序読込部１０３は、入力部１０１から入力されるセットＩＤ「０１」に対応する（セットＩＤ、抽出順序総数、（抽出順序、固有表現パターン名））のセットである（０１、３、（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）を対象に、入力される抽出順序の値１に対応した固有表現パターン名「固有表現Ａパターン」と抽出順序総数の値３とを抽出順序記憶部１０２から読み込み、入力されるテキスト「松上電器創業記（１） −誕生−」と抽出順序の値１とセットＩＤ「０１」と抽出順序総数の値３と固有表現パターン名「固有表現Ａパターン」とを固有表現抽出部１０５に出力する。以降の固有表現抽出部１０５と抽出終了判定部１０６においては、上記の実施例の動作以外にセットＩＤ「０１」をさらに出力する。

こうすることで、ユーザは、上記の実施例ではセットＩＤ「０１」を指定すると入力テキストから番組名に関連するテキストを抽出でき、さらに一例として、固有表現Ｉパターンは人名の姓を抽出するためのルール、固有表現Ｊパターンは人名の名を抽出するためのルール、固有表現Ｋパターンは人名の姓名を抽出するためのルールとすると、ユーザは、セットＩＤ「０２」を指定すると入力テキストから人名に関係するテキストを抽出することができる。つまり、ユーザは、抽出したい固有表現を指定することができる。

また、上記セットＩＤは抽出する固有表現の種類に対応したが、セットＩＤは、抽出する固有表現を表示する端末を識別する端末識別子とし、さらに、入力部１０１が固有表現を表示する端末の端末識別子を取得できるようにすることで、端末に応じた固有表現を抽出することができる。この場合には、入力部１０１が端末識別子取得手段の一例である。

こうすることで、例えば、テレビでは番組名の固有表現は有用だが、ＣＤプレーヤでは番組名の固有表現が不用な場合など、表示端末によって有用な固有表現が異なる場合においても、表示端末毎に抽出する固有表現を設定することができるので、表示端末にとって冗長な情報を表示しなくてもよくなる。

次に、入力テキスト数を抽出条件として用いる例について、図１１から図１４を参照して説明する。

この場合の固有表現抽出装置は、図１１に示すように、入力部１０１からユーザが入力するテキストを検索キーワードとして、テレビ放送番組に関する情報やハードディスクレコーダ等に蓄積されたコンテンツに関する情報、または、インターネット上に存在するコンテンツに関するテキスト情報を記憶する情報データベース３０６を検索し、検索されたテキストに対して固有表現抽出を行う装置として構成され、抽出順序記憶部１０２は、抽出順序と抽出順序に対応する固有表現パターン名とを記憶する利用パターンデータベース３０１と、入力部１０１からユーザが入力したテキストの一部を含むテキストが情報データベースに存在する場合のテキスト数と抽出順序総数とを対応付けて記憶する抽出順序データベース３０２とを含むようにし、また、抽出順序読込部１０３はさらに、テキスト検索部３０３と順序総数取得部３０４と利用パターン取得部３０５とを備え、テキスト検索部３０３は、入力部１０１からテキストと抽出順序の初期値が入力されると、入力テキストの一部を含むテキストを情報データベース３０６から取得して、検索結果テキストと抽出順序を順序総数取得部３０４に出力し、順序総数取得部３０４は、テキスト検索部３０３から検索結果テキストと抽出順序が入力されると、入力される検索結果テキストのテキスト数に対応する抽出順序総数を抽出順序記憶部１０２の抽出順序データベース３０２から取得して、取得する抽出順序総数と検索結果テキストと抽出順序を利用パターン取得部３０５に出力し、利用パターン取得部３０５は、順序総数取得部３０４から検索結果テキストと抽出順序総数と抽出順序が入力されると、入力される抽出順序に対応する固有表現パターン名を抽出順序記憶部１０２の利用パターンデータベース３０１から取得して、取得する固有表現パターン名と検索結果テキストと抽出順序総数と抽出順序とを固有表現抽出部１０５に出力するようにしてもよい。

この場合の抽出順序記憶部１０２と抽出順序読込部１０３のブロック図を図１１にフローチャートを図１２に示し、動作例について説明する。また、図１３は、利用パターンデータベース３０１の内容の一例を示すものであり、（抽出順序、固有表現パターン名）として、（（１、固有表現Ａパターン）、（２、固有表現Ｂパターン）、（３、固有表現Ｃパターン）、…）が記憶される。図１４は、抽出順序データベース３０２の内容の一例を示すものであり、（テキスト数、抽出順序総数）として（（１以下、１）、（２以上５以下、２）、（６以上、３））が記憶される。

上記の実施例では、テキスト検索部３０３は、入力部１０１からテキスト「松上電器創業記」と抽出順序の初期値１が入力されると（ステップＳ２０１）、情報データベースから入力テキストを含むテキスト「松上電器創業記（１） −誕生−」と「松上電器創業記（２） −発展−」とを取得するとし（ステップＳ２０２）、この検索結果テキスト「松上電器創業記（１） −誕生−」、「松上電器創業記（２） −発展−」と抽出順序の値１を順序総数取得部３０４に出力する。順序総数取得部３０４は、テキスト検索部３０３から検索結果テキスト「松上電器創業記（１） −誕生−」と「松上電器創業記（２） −発展−」と抽出順序の値１が入力されると、抽出順序記憶部１０２の抽出順序データベース３０２から入力される検索結果テキストのテキスト数２に対応する抽出順序総数２を取得し（ステップＳ２０３）、この抽出順序総数２と検索結果テキストと抽出順序の値１を利用パターン取得部３０５に出力する。利用パターン取得部３０５は、順序総数取得部３０４から検索結果テキストと抽出順序総数と抽出順序が入力されると、抽出順序記憶部１０２の利用パターンデータベース３０１から入力される抽出順序の値１に対応する固有表現パターン名「固有表現Ａパターン」を取得し（ステップＳ２０４）、この固有表現パターン名「固有表現Ａパターン」と検索結果テキストと抽出順序総数２と抽出順序の値１とを固有表現抽出部１０５に出力する。

上記処理を抽出順序の値が抽出順序総数未満の間、繰り返した結果、結果テキストとしては、「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−」と「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（２）＜／中タイトル＞ −発展−」になる。

また、上記実施例では、入力部１０１から検索されるテキスト「松上電器創業記」を入力したが、情報データベース３０６に含まれる情報が電子番組表情報や音楽情報などのようにコンテンツ（番組や音楽）に対するタイトル、ジャンル、時間長、出演者などで構成される場合、入力部１０１からジャンルなどを入力し、テキスト検索部３０３は入力されるジャンルに対応するタイトルを情報データベース３０６から検索される検索結果テキストとしてもよい。

次に、利用パターンデータベースが複数存在する場合について、図１５から図１８を参照して説明する。この場合は、利用パターンデータベースと抽出順序データベースとを対応づけるため、抽出する固有表現の種類に対応する共通のＩＤで管理すればよい。図１５、図１６には、共通のＩＤであるセットＩＤで対応付けられる利用パターンデータベースと抽出順序データベースとをそれぞれ示す。この場合、入力テキスト数と共にセットＩＤが抽出条件として用いられ、入力部１０１からさらにセットＩＤも入力されるとし、抽出順序読込部１０３は入力部１０１から入力されるセットＩＤに対応する利用パターンデータベースと抽出順序データベースを参照して抽出順序総数と固有表現パターン名を取得するようにする。前述したように、このような取得動作によって、抽出順序読込部１０３は、セットＩＤに対応して抽出順序記憶部１０２に順序付けて記憶されている固有表現パターンを、抽出に用いられる一つ以上の固有表現パターンとその使用順序として設定することになる。

また、上記実施例では、セットＩＤが入力部１０１から入力されるとしたが、抽出順序データベース３０２にセットＩＤもテキスト数と対応付けられて記憶されるものとし、抽出順序読込部１０３は、検索結果テキスト数に対応する抽出順序総数とセットＩＤを抽出順序データベース３０２から取得し、さらに、セットＩＤに対応する利用パターンデータベースを参照して固有表現パターン名を取得するようにしてもよい。

このような取得動作によって、抽出順序読込部１０３は、検索結果テキスト数に対応して抽出順序記憶部１０２に順序付けて記憶されている固有表現パターンを、抽出に用いられる一つ以上の固有表現パターンとその使用順序として設定することになる。この場合の抽出順序データベース３０２の一例を図２５に示す。

さらに、抽出順序読込部１０３では、テキスト検索部３０３で検索される検索結果テキスト数に基づき抽出に用いられる固有表現パターンと使用順序を設定したが、本実施例がさらに表示部を含む場合、テキスト検索部３０３は、検索される検索結果テキストから表示部で表示できる文字数分のテキストを抽出し、抽出される複数のテキストが類似する検索結果テキストを類似テキスト群として順序総数取得部３０４に出力することで、表示した際に類似するテキストの数に基づき抽出に用いられる固有表現パターンや使用順序を設定するようにしてもよい。

図２６は、そのような変形に係る固有表現抽出装置の構成図である。この固有表現抽出装置は、図１１に示される固有表現抽出装置と比べて、類似テキスト取得部３０８と、表示部３０９とが追加される。

ここで、具体的な一例として、テキスト検索部３０３には、入力部１０１からジャンル「ドキュメンタリー」が入力され、情報データベース３０６からテキスト「ドキュメンタリー −松上電器の歴史−」、「人間ドキュメント 松下の足跡（１）」、「人間ドキュメント 松下の足跡（２）」を検索するとし、さらに表示部３０９で一つの固有表現あたり表示できる文字数を８文字とする場合を考える。

その場合、類似テキスト取得部３０８は、検索されるテキストから先頭８文字のテキスト「ドキュメンタリー」、「人間ドキュメント」、「人間ドキュメント」を抽出して類似判定を行い、同じテキストであると判定される「人間ドキュメント」に対応するテキスト「人間ドキュメント 松下の足跡（１）」、「人間ドキュメント 松下の足跡（２）」を類似テキスト群として順序総数取得部３０４に出力し、類似しないと判定されるテキスト「ドキュメンタリー」に対応するテキスト「ドキュメンタリー −松上電器の歴史−」は結果テキストとして表示部３０９へ出力する。

その後、順序総数取得部３０４は、図２５の抽出順序データベース３０２を参照して抽出順序総数２とセットＩＤの値０２を取得し、利用パターン取得部３０５は、図１５の利用パターンデータベース３０１を参照することで、抽出順序が１の場合は固有表現Ｉパターン、抽出順序が２の場合は固有表現Ｊパターンを取得する。ここで、例えば、固有表現Ｉパターンを用いると、番組名のテキストから副題に当たる部分が小タイトルとして抽出され、固有表現Ｊパターンを用いると、番組名のテキストから副題と副題に連続している回数をまとめた部分が中タイトルとして抽出されるものとする。その結果、最終的にテキスト「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」から結果テキストとして「松下の足跡（１）」、「松下の足跡（２）」がそれぞれ抽出される。

また、類似テキスト取得部３０８は類似テキストを判定する際に、同一テキストを類似テキストとするように説明したが、表示文字数の特定の割合の文字数以上同じ文字列であれば、類似テキストと判定するようにしてもよい。例えば、表示文字数が１０文字で特定の割合が８割であるとすると、８文字以上の文字列が同じであれば類似テキストであると判定することになる。

こうすることで、類似テキスト取得部３０８で類似テキスト群以外であると判断された検索結果テキストはそのまま表示部３０９に表示され、類似テキスト群に関しては、ユーザにとってテキストを識別するために必要となる最少の固有表現を表示部３０９に表示できるので、表示部に検索結果テキストを表示する際、表示部に表示できる文字数も考慮してユーザにとってテキストを識別するために必要となる最少の固有表現を抽出することができる。

よって、検索結果のテキストに同一の文字列が含まれる場合、ユーザにとってテキストを識別するために必要となる最少の固有表現を抽出することができるので、ユーザにとって冗長な文字列を抽出しないことが可能になる。

また、本発明は固有表現パターンを学習する際に用いたテキストと異なる書式のテキストに対して処理を行うと、固有表現の抽出性能が低下するため、上記セットＩＤの代わりに書式名やテキストの種類を表すテキスト属性、一例としてテキストがＩＴ関連のテキストである場合の属性は「ＩＴ文書」、テキストがテレビ番組情報のテキストである場合の属性は「テレビ番組情報」や「ドラマに関するテキスト」、「番組名」などで管理するようにしても良く、この場合、抽出順序読込部１０３はユーザが入力するテキスト属性だけでなく、テキストにテキスト属性が付与されている場合は、入力部１０１がそのテキストに付与されているテキスト属性を取得する属性取得部として機能し、入力部１０１によって取得されたテキスト属性に対応する固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込むようにしてもよい。この場合の入力部１０１が属性取得手段の一例であり、抽出順序記憶部１０２の内容は図１７のようになる。

このテキスト属性は、「ＩＴ文書」、「テレビ番組情報」といった分類を示すだけでなく、「ドラマ」「報道番組」「バライティー」といったテレビ番組のカテゴリを示すものであってもよい。テレビ番組のカテゴリは、電子番組ガイドを構成する番組情報に含まれているので、入力部１０１は、電子番組ガイドを構成する番組情報からそのカテゴリを取得することができる。

また、テキストにテキスト属性が付与されていない場合でも、テキストに含まれる単語を用いて生成した単語ベクトルとテキスト属性を表現する単語ベクトルとの距離を算出することによりテキスト属性を推定し、そのテキスト属性に対応する固有表現パターン名と抽出順序総数とを抽出順序記憶部１０２から読み込むようにしてもよい。こうすることで、固有表現抽出の抽出性能を向上させることができ、さらに固有表現抽出の対象テキストにテキスト属性が付与される場合は、ユーザがテキスト属性を指定する必要がなくなる。

また、上記セットＩＤの変わりに固有表現抽出されたテキストである結果テキストを表示する端末名や端末を識別することができる端末識別子を利用するようにしても良い。この場合の抽出順序記憶部１０２の内容は図１８のようになる。こうすることで、結果テキストを表示する端末毎に抽出する固有表現を設定できる。

次に、過去に固有表現が抽出された回数を抽出条件として用いる例について、図１９から図２４を参照して説明する。

この場合の固有表現抽出装置は、図１９に示すように、抽出終了判定部１０６に含まれる抽出順序変更部２０４が抽出条件に応じて抽出順序を変更するように構成され、抽出順序読込部１０３は抽出終了判定部１０６から入力される抽出順序に対応する固有表現パターン名が読み込めない場合は、さらに抽出終了フラグとして値１を出力し、固有表現パターン名が読み込める場合は、抽出終了フラグとして値０を出力し、固有表現抽出部１０５は、入力される抽出終了フラグが値１の場合で、固有表現パターン記憶部１０４から読み込む固有表現パターンに対応した固有表現が抽出される場合は、さらに抽出フラグとして値１と抽出終了フラグの値１を出力し、固有表現が抽出されない場合は、抽出フラグとして値０と抽出終了フラグの値１を出力するようにし、入力される抽出終了フラグが値０の場合は、何も処理をせずに抽出フラグとして値０と抽出終了フラグの値０を出力するようにし、さらに、抽出終了判定部１０６は、判定部２０１と抽出回数記憶部２０２と抽出回数更新部２０３と抽出順序変更部２０４とを備え、判定部２０１は固有表現抽出部１０５から抽出終了フラグと抽出順序総数と抽出順序とテキストが入力されると、抽出終了フラグが値０の場合は、抽出順序の値に数値１を加算し、加算後の抽出順序と固有表現抽出部１０５から入力されるテキストとを抽出順序読込部１０３に出力し、さらにこの際に、抽出順序が抽出順序総数と等しい場合は、固有表現抽出部１０５から入力されるテキストを固有表現抽出結果である結果テキストとして出力し、抽出終了フラグが値１の場合は、抽出終了フラグの値１を抽出順序変更部２０４に出力する。また、抽出回数記憶部２０２は固有表現が抽出される順序である抽出順序とこの抽出順序で固有表現が抽出される回数である抽出回数とを記憶するものであり、抽出回数更新部２０３は、固有表現抽出部１０５から抽出フラグと抽出順序総数と抽出順序が入力されると、入力される抽出フラグが値１の場合、入力される抽出順序に対応する抽出回数記憶部２０２に記憶される抽出回数を更新するものであり、抽出順序変更部２０４は、判定部２０１から抽出終了フラグの値１が入力される場合、抽出回数記憶部２０２の抽出回数の合計数が一定の値以上である場合、抽出回数記憶部２０２に記憶される抽出順序に対応する抽出回数に基づいて抽出順序記憶部１０２の抽出順序を変更するようにしてもよい。

ここで、抽出回数更新部２０３及び抽出回数記憶部２０２が、個々の固有表現パターンを用いて過去に固有表現が抽出された回数を計数する抽出回数計数手段の一例である。

ここで、図１９に示す抽出終了判定部１０６の構成図、及び図２０に示すフローチャートを参照して、動作例について説明する。上記の実施例では、判定部２０１は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値１とテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」と抽出終了フラグの値０が入力されると（ステップＳ３０１）、抽出終了フラグが値０なので（ステップＳ３０９）、抽出順序の値１に数値１を加算して値を２にし（ステップＳ３０３）、抽出順序の値２とテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」とを抽出順序読込部１０３に出力する（ステップＳ３０４）。

さらに、判定部２０１は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値３とテキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」と抽出終了フラグの値０が入力されると、抽出順序の値３が抽出順序総数の値３と等しいので（ステップＳ３０２）、入力テキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」を固有表現抽出結果である結果テキストとして出力し（ステップＳ３１０）、抽出終了フラグが値０なので（ステップＳ３０９）、抽出順序の値３に数値１を加算して値を４にし（ステップＳ３０３）、抽出順序の値４とテキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」とを抽出順序読込部１０３に出力する（ステップＳ３０４）。

また、抽出順序読込部１０３が抽出終了判定部１０６から入力される抽出順序の値５の時に、抽出順序の値５に対応する固有表現パターン名が読み込めないとすると、抽出順序読込部１０３は、抽出終了フラグの値１と抽出順序総数の値３と抽出順序の値５とテキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」を固有表現抽出部１０５に出力する。この後、判定部２０１は、固有表現抽出部１０５から抽出順序総数の値３と抽出順序の値５とテキスト「＜大タイトル＞＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−＜／大タイトル＞」と抽出終了フラグの値１が入力されると（ステップＳ３０１）、抽出終了フラグが値１なので（ステップＳ３０９）、抽出終了フラグの値１を抽出順序変更部２０４に出力する（ステップＳ３１１）。また、抽出回数記憶部２０２は固有表現が抽出される順序である抽出順序とこの抽出順序で固有表現が抽出される回数である抽出回数とを記憶する。

図２１は、抽出回数記憶部２０２に記憶される抽出順序と抽出順序に対応する抽出回数の一例を示すものであり、（抽出順序、抽出回数）として（（１、９）、（２、６）、（３、３）、（４、１））が記憶される。つまり、小タイトルを９回、中タイトルを６回、大タイトルを３回、全タイトルを１回抽出したことを意味するとする。上記の実施例では、抽出回数更新部２０３は、固有表現抽出部１０５からテキストと抽出フラグの値１と抽出順序総数の値３と抽出順序の値１と抽出終了フラグの値０が入力されると（ステップＳ３０１）、入力される抽出フラグが値１なので（ステップＳ３０５）、抽出順序の値１に対応する抽出回数記憶部２０２に記憶される抽出回数の値９に１を加算し、値を１０にする（ステップＳ３０６）。この後の処理で同様に、中タイトル、大タイトルに対しても固有表現が抽出されるので、抽出順序の値２、３に対応する抽出回数記憶部２０２に記憶されるそれぞれの抽出回数の値６と値３を値７と値４に更新する。

図２２は、抽出回数更新部２０３により更新された後の抽出回数記憶部２０２の内容を示すものである。抽出順序変更部２０４は、判定部２０１から抽出終了フラグの値１が入力されると、抽出回数記憶部２０２の抽出回数の合計数が特定の値（一例として、値２０）以上になるので（ステップＳ３０７）、抽出回数記憶部２０２に記憶される抽出順序に対応する抽出回数が、特定の値（一例として値５）以上に対応している抽出順序の値２を抽出順序記憶部１０２の抽出順序総数とする（ステップＳ３０８）。

図２３は、抽出順序変更部２０４により変更された後の抽出順序記憶部１０２の内容を示すものである。こうすることで、ユーザの入力テキストから固有表現を抽出した履歴を用いて抽出順序総数を変更し、変更された抽出順序総数を用いて情報データベースから検索される検索結果テキストに対して固有表現を抽出することができ、この結果、検索結果テキストから抽出される固有表現をユーザの入力頻度の高い固有表現と同じ形式に合わせることができるので、ユーザにとって冗長な固有表現を抽出しない、または、ユーザにとってテキストの識別に必要な固有表現のみを抽出することが自動で可能になる。また、上記実施例のように抽出順序記憶部１０２において、抽出順序総数と抽出順序と抽出順序に対応付けて固有表現パターン名とをセットにし、このセットを複数保持し、セット毎にユーザ識別子やセットＩＤなどを付与して管理する場合は、抽出回数記憶部２０２もユーザ識別子やセットＩＤ毎に抽出順序と抽出回数をセットで管理することにより、対応可能である。

図２４は、ユーザ識別子毎に抽出順序と抽出回数をセットで管理する場合の抽出順序記憶部１０２の内容を示すものである。

また、抽出終了判定部１０６は、固有表現抽出処理の続行を抽出順序総数と抽出順序により判定したが、抽出される固有表現の文字数で判定するようにしてもよい。具体的な一例として、固有表現抽出部１０５は、上記実施例での動作以外にさらに抽出する固有表現の文字数も抽出終了判定部１０６に出力するようにし、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序と抽出される固有表現の文字数とテキストが入力されると、固有表現の文字数が特定の文字数よりも小さい場合は、抽出順序の値に数値１を加算し、加算後の抽出順序と固有表現抽出部１０５から入力されるテキストとを抽出順序読込部１０３に出力するようにし、また、固有表現の文字数が特定の文字数以上の場合は、固有表現抽出部１０５から入力されるテキストを固有表現抽出結果である結果テキストとして出力する。

ここで、抽出終了判定部１０６が、予め定められたしきい値を上回る長さの固有表現が抽出された場合、それ以降の固有表現パターンを用いて行われる抽出を打ち切る抽出打ち切り手段の一例である。

上記の実施例では、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序の値１と固有表現が抽出されたテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」と抽出される固有表現「松上電器創業記」の文字数７が入力されると、固有表現の文字数７が特定の文字数（ここでは、一例として文字数を８にする）よりも小さいので、抽出順序の値を２にし、抽出順序の値２とテキスト「＜小タイトル＞松上電器創業記＜／小タイトル＞（１） −誕生−」とを抽出順序読込部１０３に出力する。この後さらに、抽出終了判定部１０６は、固有表現抽出部１０５から抽出順序の値２と固有表現が抽出されたテキスト「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−」と抽出される固有表現「松上電器創業記（１）」の文字数９が入力されると、固有表現の文字数９が特定の文字数８以上なので、テキスト「＜中タイトル＞＜小タイトル＞松上電器創業記＜／小タイトル＞（１）＜／中タイトル＞ −誕生−」を結果テキストとして出力する。こうすることで、表示部に表示可能な文字数の上限が決まっている場合などでは、表示可能な文字数を抽出終了判定部１０６の閾値文字数とすることにより、表示できない固有表現を抽出しなくてもよくなり、固有表現抽出の処理量を減少させることができる。

また、上記実施例の固有表現抽出装置は、抽出順序記憶部１０２に記憶される抽出順序総数や抽出順序、固有表現パターン名をユーザが変更することができる変更部をさらに含むようにしてもよい。こうすることで、ユーザは抽出される固有表現を変更することができる。

以上のように、本実施形態によれば、固有表現を抽出する順序を設定することにより、ユーザやアプリケーション、端末にとって必要な固有表現のみを抽出することができる。また、固有表現抽出装置から抽出される固有表現を音声認識の対象語彙とする音声認識装置においては、音声認識の対象とする固有表現を減少させることができるので、音声認識の認識性能を向上させることができる。また、固有表現抽出装置から抽出される固有表現を検索対象のキーワードとして検索対象データと共に検索対象データベースに格納する検索装置においては、検索対象のキーワードを減少させることができるので、検索の精度を向上させることができる。

（実施の形態２）
次に、本発明に係る実施の形態２の固有表現抽出装置について、図面を参照しながら説明する。

図２７は、本発明の実施の形態２の固有表現抽出装置の構成を示す構成図である。ここで、実施の形態１と同一符号の構成要素は同じ動作を行うものとし、それらの詳細な説明は省略する。本実施の形態の固有表現抽出装置は、検索結果のテキストに同一の文字列が含まれる場合、ユーザにとってテキストを識別するために必要な最少の固有表現を抽出するための装置であり、図２７に示すように入力部１０１、抽出順序記憶部１０２、固有表現パターン記憶部１０４、固有表現抽出部１０５、テキスト検索部３０３、利用パターン取得部３０５、情報データベース３０６、利用パターンデータベース４０１、抽出順序データベース４０２、順序総数取得部４０３、抽出終了判定部４０４、固有表現決定部４０５を含んで構成される。

利用パターンデータベース４０１と抽出順序データベース４０２は、共通のＩＤであるセットＩＤで対応付けられ、利用パターンデータベース４０１は、セットＩＤ毎に抽出順序と抽出順序に対応する固有表現パターン名とを記憶するものであり、抽出順序データベース４０２は、セットＩＤ毎に抽出順序総数が記憶されるものである。図１５は、利用パターンデータベース４０１の一例であり、図２８は、抽出順序データベース４０２の内容の一例である。

順序総数取得部４０３は、テキスト検索部３０３から検索結果テキストと抽出順序が入力される場合、抽出順序データベース４０２から最も若いセットＩＤとそのセットＩＤに対応する抽出順序総数とセットＩＤの最大値を取得して、検索結果テキストと抽出順序とセットＩＤと抽出順序総数とセットＩＤの最大値を利用パターン取得部３０５へ出力する。

そして、抽出終了判定部４０４から抽出順序とセットＩＤと抽出順序総数とセットＩＤの最大値が入力される場合、抽出順序を１にセットし直し、入力されるセットＩＤに１を加算して、加算後のセットＩＤに対応する抽出順序総数を抽出順序データベースから取得し、検索結果テキストと抽出順序とセットＩＤと抽出順序総数とセットＩＤの最大値を利用パターン取得部３０５に出力する。

抽出終了判定部４０４は、固有表現抽出部１０５からテキストと抽出順序とセットＩＤと抽出順序総数とセットＩＤの最大値が入力されると、抽出順序に１を加算し、加算後の抽出順序が抽出順序総数より大きい場合においては、固有表現決定部４０５にセットＩＤとセットＩＤの最大値とテキストを出力し、セットＩＤがセットＩＤの最大値未満の場合、順序総数取得部４０３に抽出順序と抽出順序総数とセットＩＤとセットＩＤの最大値を出力し、また、加算後の抽出順序が抽出順序総数以下の場合においては、テキストと抽出順序とセットＩＤと抽出順序総数とセットＩＤの最大値を利用パターン取得部３０５に出力する。

固有表現決定部４０５は、抽出終了判定部４０４からセットＩＤとセットＩＤの最大値とテキストが入力されると、セットＩＤに対応付けて同時に入力される複数テキストから抽出される固有表現を記憶し、さらに、セットＩＤがセットＩＤの最大値と等しい場合、セットＩＤ毎に対応付けて記憶される固有表現に対して、類似する固有表現数を算出し、算出される類似固有表現数が最も少ないセットＩＤに対応する固有表現を結果テキストとして出力する。

このように構成された本実施の形態による固有表現抽出装置において固有表現を抽出する際の動作例について説明する。図２９は固有表現を抽出する際の動作例の流れを示すフローチャートである。

情報データベース３０６に含まれる情報を電子番組情報とし、テキスト検索部３０３は、入力部１０１からジャンル「ドキュメンタリー」と抽出順序の初期値１が入力されると（ステップＳ４０１）、情報データベース３０６からジャンル「ドキュメンタリー」に対応する番組名のテキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」を取得し（ステップＳ４０２）、この検索結果テキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」と抽出順序１を順序総数取得部４０３に出力する。

順序総数取得部４０３は、テキスト検索部３０３から検索結果テキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」と抽出順序の値１が入力されると、図２８に示される抽出順序データベース４０２から最も若いセットＩＤの値１とそのセットＩＤに対応する抽出順序総数の値２とセットＩＤの最大値２を取得して（ステップＳ４０３）、テキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」と抽出順序１とセットＩＤの値１と抽出順序総数２とセットＩＤの最大値２を利用パターン取得部３０５へ出力する。

利用パターン取得部３０５は、実施の形態１と同様に、順序総数取得部４０３からテキストと抽出順序総数と抽出順序とセットＩＤとセットＩＤの最大値が入力されると、図１５の利用パターンデータベース４０１から入力されるセットＩＤの値１と抽出順序の値１に対応する固有表現パターン名「固有表現Ａパターン」を取得し（ステップＳ４０４）、この固有表現パターン名「固有表現Ａパターン」と入力テキストと抽出順序総数と抽出順序とセットＩＤとセットＩＤの最大値とテキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」を固有表現抽出部１０５に出力する。

固有表現抽出部１０５は、実施形態１と同様に、入力される固有表現パターン「固有表現Ａパターン」を用いて、テキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」から、小タイトルの固有表現であるテキスト「ドキュメンタリー」、「ドキュメンタリー」、「人間ドキュメント」、「人間ドキュメント」を抽出し（ステップＳ４０６）し、固有表現が抽出されたテキスト「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１） −松上電器の誕生−」、「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２） −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」と抽出順序総数と抽出順序とセットＩＤとセットＩＤの最大値を抽出終了判定部４０４に出力する。

抽出終了判定部４０４は、入力される抽出順序の値に１を加算して値を２とし（ステップＳ４０７）、加算後の抽出順序の値２が抽出順序総数２以下であるので（ステップＳ４０８）、入力されるテキスト「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１） −松上電器の誕生−」、「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２） −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」と抽出順序総数２と抽出順序２とセットＩＤの値１とセットＩＤの最大値２を利用パターン取得部３０５に出力する。

その後、上記と同様に、利用パターン取得部３０５では、固有表現パターン名「固有表現Ｂパターン」を取得し、固有表現抽出部１０５において固有表現パターン「固有表現Ｂパターン」を用いてテキストから固有表現を抽出した結果、固有表現抽出部１０５は、テキスト「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１）＜／中タイトル＞ −松上電器の誕生−」、「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２）＜／中タイトル＞ −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」と抽出順序総数２と抽出順序の値２とセットＩＤの値１とセットＩＤの最大値２を抽出終了判定部４０４に出力する。

抽出終了判定部４０４は、入力される抽出順序の値に１を加算して値を３とし（ステップＳ４０７）、加算後の抽出順序の値３が抽出順序総数２より大きいので（ステップＳ４０８）、固有表現決定部４０５にセットＩＤの値１とセットＩＤの最大値２とテキスト「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１）＜／中タイトル＞ −松上電器の誕生−」、「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２）＜／中タイトル＞ −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」を出力し（ステップＳ４０９）、セットＩＤの値１がセットＩＤの最大値２未満であるので（ステップＳ４１０）、順序総数取得部４０３に抽出順序の値３と抽出順序総数２とセットＩＤの値１とセットＩＤの最大値２を出力する。

順序総数取得部４０３は、抽出終了判定部４０４から抽出順序の値３とセットＩＤの値１と抽出順序総数２とセットＩＤの最大値２が入力される場合、抽出順序の値を１にセットし直し、入力されるセットＩＤの値に１を加算して値を２にし、加算後のセットＩＤの値２に対応する抽出順序総数２を抽出順序データベース４０２から取得し、検索結果テキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」と抽出順序の値１とセットＩＤの値２と抽出順序総数２とセットＩＤの最大値２を利用パターン取得部３０５に出力する。

その後、上記と同様に、利用パターン取得部３０５では、固有表現パターン名「固有表現Ｉパターン」を取得し、固有表現抽出部１０５において固有表現パターン「固有表現Ｉパターン」を用いてテキストから固有表現を抽出した結果（一例として、固有表現Ｉパターンを用いると、番組名のテキストからは副題に当たる部分が小タイトルとして抽出されるとする）、固有表現抽出部１０５は、テキスト「ドキュメンタリー（１） −＜小タイトル＞松上電器の誕生＜／小タイトル＞−」、「ドキュメンタリー（２） −＜小タイトル＞松上電器の発展＜／小タイトル＞−」、「人間ドキュメント ＜小タイトル＞松下太郎の足跡＜／小タイトル＞（１）」、「人間ドキュメント ＜小タイトル＞松下太郎の足跡＜／小タイトル＞（２）」と抽出順序総数２と抽出順序の値１とセットＩＤの値２とセットＩＤの最大値２を抽出終了判定部４０４に出力し、抽出終了判定部４０４は、抽出順序の値を２にして、抽出順序の値２と抽出順序総数２とセットＩＤの値２とセットＩＤの最大値２を利用パターン取得部３０５に出力する。

その後もまた同様に、利用パターン取得部３０５は、固有表現パターン名「固有表現Ｊパターン」を取得し、固有表現抽出部１０５において固有表現パターン「固有表現Ｊパターン」を用いてテキストから固有表現を抽出した結果（一例として、固有表現Ｊパターンを用いると、番組名のテキストから副題と副題に連続している回数をまとめて中タイトルとして抽出するとする）、固有表現抽出部１０５は、テキスト「ドキュメンタリー（１） −＜小タイトル＞松上電器の誕生＜／小タイトル＞−」、「ドキュメンタリー（２） −＜小タイトル＞松上電器の発展＜／小タイトル＞−」、「人間ドキュメント ＜中タイトル＞＜小タイトル＞松下太郎の足跡＜／小タイトル＞（１）＜／中タイトル＞」、「人間ドキュメント ＜中タイトル＞＜小タイトル＞松下太郎の足跡＜／小タイトル＞（２）＜／中タイトル＞」と抽出順序総数２と抽出順序の値２とセットＩＤの値２とセットＩＤの最大値２を抽出終了判定部４０４に出力する。

抽出終了判定部４０４は、上記と同じ動作を行った結果、抽出順序の値３が抽出順序総数より大きいので（ステップＳ４０８）、固有表現決定部４０５にセットＩＤの値２とセットＩＤの最大値２とテキスト「ドキュメンタリー（１） −＜小タイトル＞松上電器の誕生＜／小タイトル＞−」、「ドキュメンタリー（２） −＜小タイトル＞松上電器の発展＜／小タイトル＞−」、「人間ドキュメント ＜小タイトル＞松下太郎の足跡＜／小タイトル＞（１）」、「人間ドキュメント ＜小タイトル＞松下太郎の足跡＜／小タイトル＞（２）」とを固有表現決定部４０５に出力する。

固有表現決定部４０５は、抽出終了判定部４０４からセットＩＤの値１とセットＩＤの最大値２とテキスト「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１）＜／中タイトル＞ −松上電器の誕生−」、「＜中タイトル＞＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２）＜／中タイトル＞ −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」が入力されると、セットＩＤの値１に対応付けて同時に入力される複数テキストから抽出される固有表現「ドキュメンタリー（１）」、「ドキュメンタリー（２）」、「人間ドキュメント」、「人間ドキュメント」を記憶する。

さらに、抽出終了判定部４０４からセットＩＤの値２とセットＩＤの最大値２とテキスト「ドキュメンタリー（１） −＜小タイトル＞松上電器の誕生＜／小タイトル＞−」、「ドキュメンタリー（２） −＜小タイトル＞松上電器の発展＜／小タイトル＞−」、「人間ドキュメント ＜中タイトル＞＜小タイトル＞松下太郎の足跡＜／小タイトル＞（１）＜／中タイトル＞」、「人間ドキュメント ＜中タイトル＞＜小タイトル＞松下太郎の足跡＜／小タイトル＞（２）＜／中タイトル＞」が入力されると、セットＩＤの値２に対応付けて同時に入力される複数テキストから抽出される固有表現「松下電器の誕生」、「松下電器の発展」、「松下太郎の足跡（１）」、「松下太郎の足跡（２）」を記憶する。

この時さらに、固有表現決定部４０５は、セットＩＤの値２がセットＩＤの最大値２と等しいので（ステップＳ４１０）、セットＩＤの値１に対しては、固有表現「人間ドキュメント」、「人間ドキュメント」が同じなので類似固有表現数を２とし（ここでは、同じテキストのみを類似テキストとしたが、一定の文字数以上同じテキストを類似テキストしても良い）、セットＩＤの値２に対しては、全て固有表現が異なるので、類似固有表現数を０とする。

そして、類似固有表現数が最も少ないセットＩＤの値２に対応する固有表現「松下電器の誕生」、「松下電器の発展」、「松下太郎の足跡（１）」、「松下太郎の足跡（２）」を結果テキストとして出力する。

また、上記実施例では、固有表現決定部４０５は、抽出される固有表現をそのまま用いて類似固有表現数を算出したが、テキストが一般に有限の大きさの表示部に表示されることを考慮し、その表示部に一つの固有表現あたり表示できる表示文字数が分かっている場合、固有表現の先頭から表示文字数分のテキストのみを抽出し、抽出されるテキストに対して類似固有表現数を求めるようにしてもよい。

具体的な一例として、固有表現決定部４０５に、（セットＩＤ、固有表現群）として、（１、（松下電器産業の誕生、松下電器産業の発展、松下電器産業の株価推移、松下電器産業の新製品紹介））、（２、（松下ドキュメンタリー、松下ドキュメンタリー、経済ニュース、流行の商品紹介））が入力される場合を考える。

この例は、番組情報に含まれる番組名から抽出された固有表現の一例を示している。これらの固有表現は、一つの固有表現あたりに用いる文字数が異なる詳細な表示フォーマットと一覧性を高めた表示フォーマットとを使い分けて、同じ表示部に表示されることを想定している。

詳細な表示フォーマットにおいて一つの固有表現あたりに用いられる文字数を、例えば１２文字とすると、固有表現決定部４０５は、各固有表現の先頭から最大で１２文字分のテキスト（１、（松下電器産業の誕生、松下電器産業の発展、松下電器産業の株価推移、松下電器産業の新製品紹介））、（２、（松下ドキュメンタリー、松下ドキュメンタリー、経済ニュース、流行の商品紹介））を抽出する。この場合には、各固有表現の全ての文字が抽出される。そして、セットＩＤの値１、２に対して類似固有表現数をそれぞれ、０、２と求め、類似固有表現数が最も少ないセットＩＤの値１に対応する固有表現「松下電器産業の誕生」、「松下電器産業の発展」、「松下電器産業の株価推移」、「松下電器産業の新製品紹介」を結果テキストとして表示部へ出力する。

図３０（Ａ）は、詳細な表示フォーマットの一例であり、この例では、１画面に３チャンネル分の番組情報が、番組名から抽出された最大１２文字の固有情報を用いて表示される。このフォーマットは、より詳細に番組情報をウォッチしたいユーザに適する。

また、一覧性を高めた表示フォーマットにおいて一つの固有表現あたり用いられる文字数を、例えば６文字とすると、固有表現決定部４０５は、各固有表現の先頭から最大で６文字分のテキスト（１、（松下電器産業、松下電器産業、松下電器産業、松下電器産業））、（２、（松下ドキュメ、松下ドキュメ、経済ニュース、流行の商品紹））を抽出する。そして、セットＩＤの値１、２に対して類似固有表現数をそれぞれ、４、２と求め、類似固有表現数が最も少ないセットＩＤの値２に対応する固有表現「松下ドキュメ」、「松下ドキュメ」、「経済ニュース」、「流行の商品紹」を結果テキストとして出力する。

図３０（Ｂ）は、一覧性を高めた表示フォーマットの一例であり、この例では、１画面に６チャンネル分の番組情報が、番組名から抽出された最大６文字の固有情報を用いて表示される。このフォーマットは、より広く番組情報を見渡したいユーザに適する。なお、図示されるように、本来７文字以上ある固有情報については、６文字目を所定の文字（例えば「…」）で置き換えることによって、後続する文字が省略されていることを明示してもよい。

このように、異なる複数の表示フォーマットを使い分ける場合に、図３０（Ａ）（Ｂ）に示すようにユーザが番組を識別するためにそれぞれ最も有効な固有表現を表示させることができる。

以上のように、本実施形態によれば、同一テキストから固有表現の抽出方法を変更することで抽出される複数組の固有表現から、各組に含まれる固有表現が最も異なる組の固有表現を最終結果とすることにより、ユーザが識別できる固有表現数を増やすことができる。

（実施の形態３）
次に、本発明に係る実施の形態３の固有表現抽出装置について、図面を参照しながら説明する。

図３１は、本発明の実施の形態３の固有表現抽出装置の構成を示す構成図である。ここで、実施の形態１と同一符号の構成要素は同じ動作を行うものとし、それらの詳細な説明は省略する。本実施の形態の固有表現抽出装置は、表示される固有表現に同一の固有表現が存在する場合、重複を削除し、さらにユーザが表示される固有表現を指定すると、指定される固有表現を入れ子として含む固有表現を表示することができる装置であり、図３１に示すように、入力部１０１、抽出順序記憶部１０２、抽出順序読込部１０３、固有表現パターン記憶部１０４、固有表現抽出部１０５、固有表現記憶部５０１、抽出終了判定部５０２、表示条件取得部５０３、固有表現取得部５０４、重複削除部５０５、表示部５０６を含んで構成される。

固有表現記憶部５０１は、入力テキストと入力テキストから抽出される固有表現と抽出順序とを対応付けて記憶するものである。固有表現記憶部５０１の内容例を図３２に示す。

抽出終了判定部５０２は、固有表現抽出部１０５から抽出順序総数と抽出順序とテキストが入力されると、抽出順序とテキストとテキストから抽出された固有表現を対応付けて固有表現記憶部５０１に記憶し、さらに、抽出順序が抽出順序総数より小さい場合は、抽出順序の値に数値１を加算し、加算後の抽出順序と固有表現抽出部１０５から入力されるテキストとを抽出順序読込部１０３に出力する。

表示部５０６は、固有表現を表示する。表示条件取得部５０３は、表示部５０６に表示される固有表現の抽出順序や表示される複数の固有表現からユーザが指定する固有表現を入力する。

固有表現取得部５０４は、表示条件取得部５０３から抽出順序のみ入力される場合、固有表現記憶部５０１から入力される抽出順序に対応する固有表現を取得し、また、表示条件取得部５０３から抽出順序とユーザが指定する固有表現が入力される場合、固有表現記憶部５０１に記憶されるテキストから、入力される抽出順序と固有表現に対応するテキストを検索し、検索されるテキストの固有表現において、入力される抽出順序の次の抽出順序に対応する固有表現を取得する。

重複削除部５０５は、固有表現取得部５０４で取得される固有表現に対して重複を省いて表示部５０６に表示する。

このように構成された本実施の形態による固有表現抽出装置において固有表現を抽出し、表示部に表示する際の動作例について説明する。図３３は、固有表現を抽出し、表示する際の動作例の流れを示すフローチャートである。

入力部１０１、抽出順序記憶部１０２、抽出順序読込部１０３、固有表現パターン記憶部１０４、固有表現抽出部１０５を用いて入力テキストから固有表現を抽出する動作（ステップＳ１０１〜ステップＳ１０５）は、実施の形態１と同じ動作を行うので説明は省略する。

抽出終了判定部５０２は、固有表現抽出部１０５から抽出順序総数３と抽出順序１とテキスト「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１） −松上電器の誕生−」、「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２） −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」が入力されると、抽出順序１とテキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」、「人間ドキュメント 松下太郎の足跡（１）」、「人間ドキュメント 松下太郎の足跡（２）」とテキストから抽出された固有表現「ドキュメンタリー」、「ドキュメンタリー」、「人間ドキュメント」、「人間ドキュメント」を対応付けて固有表現記憶部５０１に記憶し（ステップＳ５０１）、さらに、抽出順序の値１が抽出順序総数３より小さいので（ステップＳ１０６）、抽出順序の値に数値１を加算して値を２とし（ステップＳ１０７）、加算後の抽出順序の値２と固有表現抽出部１０５から入力されるテキスト「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（１） −松上電器の誕生−」、「＜小タイトル＞ドキュメンタリー＜／小タイトル＞（２） −松上電器の発展−」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（１）」、「＜小タイトル＞人間ドキュメント＜／小タイトル＞ 松下太郎の足跡（２）」を抽出順序読込部１０３に出力する。

上記動作を抽出順序が抽出順序総数以上になるまで繰り返した後の固有表現記憶部５０１の内容は図３２のようになるとする。

続いて、このようにして得られた内容を用いて、次のような表示動作が行われる。

最初、表示条件取得部５０３は、ユーザから指定を受け付けることなしに、抽出順序の初期値である値１を固有表現取得部５０４へ入力する。

固有表現取得部５０４は、表示条件取得部５０３から抽出順序の値１のみ入力される場合（ステップＳ５０２）、固有表現記憶部５０１から抽出順序の値１に対応する固有表現「ドキュメンタリー」、「ドキュメンタリー」、「人間ドキュメント」、「人間ドキュメント」を取得する（ステップＳ５０３）。

重複削除部５０５は、固有表現取得部５０４で取得される固有表現が「ドキュメンタリー」、「ドキュメンタリー」、「人間ドキュメント」、「人間ドキュメント」の場合、これら固有表現に対して重複を削除して（ステップＳ５０６）、固有表現「ドキュメンタリー」、「人間ドキュメント」を表示部５０６に表示する（ステップＳ５０７）。この時の表示部５０６に表示される表示内容例を図３４に示す。また、重複削除部５０５は、各固有表現を表示する際に、各固有表現において重複した数を同時に表示しても良い。この時の表示部５０６に表示される表示内容例を図３５に示す。

ここで表示される各固有表現には、ユーザによる所定の操作、例えばマウスクリック操作等を受け付けるユーザインタフェース機能が付加される。表示条件取得部５０３は、表示された固有表現の一つへユーザによる所定の操作を受け付けると、その操作がなされた固有表現とその固有表現の抽出順序とを固有表現取得部５０４へ入力する。

一例として、図３４においてユーザが「ドキュメンタリー」をクリックすると、表示条件取得部５０３から抽出順序の値１とユーザが指定する固有表現「ドキュメンタリー」が入力される。固有表現取得部５０４は、固有表現記憶部５０１に記憶されるテキストから、入力される抽出順序の値１と固有表現「ドキュメンタリー」に対応するテキスト「ドキュメンタリー（１） −松上電器の誕生−」、「ドキュメンタリー（２） −松上電器の発展−」を検索し（ステップＳ５０４）、検索されるテキストの固有表現において、入力される抽出順序の次の抽出順序の値２に対応する固有表現「ドキュメンタリー（１）」「ドキュメンタリー（２）」を取得する（ステップＳ５０５）。

そして、重複削除部５０５には、固有表現「ドキュメンタリー（１）」「ドキュメンタリー（２）」が入力され、この場合は、固有表現の重複が存在しないため、そのまま表示部５０６に固有表現が表示される。この時の表示部５０６に表示される表示内容例を図３６に示す。

以上のように、本実施形態によれば、抽出される固有表現の入れ子構造に従い、入力されるテキストを表示するので、入力されるテキストをメニュー階層で表示することができる。また、入力テキストがユーザの蓄積デバイスに記憶されているコンテンツのタイトルなどの場合、固有表現の入れ子に従ってメニュー階層が生成されるので、ユーザは、重複が存在するタイトル一覧から目的のタイトルを探す必要なく、メニュー階層を辿っていくだけで目的のタイトルを発見することができる。

（その他の変形例）
ここまで、入力テキスト及び抽出される固有表現が日本語である例を用いて説明してきたが、入力テキスト及び抽出される固有表現が日本語に限定されないことは言うまでもない。例えば中国語（簡字体）で表された入力テキストから固有表現を抽出することも、もちろん可能である。

図３７（Ａ）、（Ｂ）は、入力テキストとなるべき、中国語の番組情報に含まれる番組名の一例である。この番組名から、前述と同様にして固有表現を抽出し、ユーザに提示することによって、ユーザの入力履歴や表示端末の表示能力等によって表される抽出条件に適応した固有表現を中国語の入力テキストから抽出することができる固有表現抽出装置が得られる。

本発明は、テキストから固有表現を抽出する際、抽出される固有表現をユーザやアプリケーション、ユーザが利用する端末に適応させることができ、ハードディスクレコーダやＤＶＤレコーダ、ＴＶ、オーディオコンポ、インターネットにアクセスして情報検索を行うことができる端末や情報検索サーバ等において有用である。

図１は、実施形態１における固有表現抽出装置の構成図である。 図２は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図３は、抽出に用いられるルールの一例を示す図である。 図４は、抽出に用いられるルールの他の一例を示す図である。 図５は、抽出に用いられるルールのさらに他の一例を示す図である。 図６は、人名抽出用のルールを用いて行われる抽出の一具体例を示す図である。 図７は、実施形態１における動作を示すフローチャートである。 図８は、実施形態１の固有表現抽出装置による抽出結果の一具体例を示す図である。 図９は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図１０は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図１１は、実施形態１の固有表現抽出装置に用いられる抽出順序読込部の一例を示す構成図である。 図１２は、実施形態１における動作例を示すフローチャートである。 図１３は、実施形態１の固有表現抽出装置に用いられる利用パターンデータベースの内容の一例を示す図である。 図１４は、実施形態１の固有表現抽出装置に用いられる抽出順序データベースの内容の一例を示す図である。 図１５は、実施形態１の固有表現抽出装置に用いられる利用パターンデータベースの内容の一例を示す図である。 図１６は、実施形態１の固有表現抽出装置に用いられる利用パターンデータベースの内容の一例を示す図である。 図１７は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図１８は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図１９は、実施形態１の固有表現抽出装置に用いられる抽出終了判定部の一例を示す構成図である。 図２０は、実施形態１における動作例を示すフローチャートである。 図２１は、実施形態１の固有表現抽出装置に用いられる抽出回数記憶部に記憶される内容の一例を示す図である。 図２２は、実施形態１の固有表現抽出装置に用いられる抽出回数記憶部に記憶される内容の一例を示す図である。 図２３は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される内容の一例を示す図である。 図２４は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される内容の一例を示す図である。 図２５は、実施形態１の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図２６は、実施形態１における変形例に係る固有表現抽出装置の構成図である。 図２７は、本発明の実施の形態２の固有表現抽出装置の構成を示す構成図である。 図２８は、実施形態２の固有表現抽出装置に用いられる抽出順序記憶部に記憶される抽出順序の一例を示す図である。 図２９は、実施形態２における動作例を示すフローチャートである。 図３０（Ａ）及び（Ｂ）は、実施形態２における固有表現表示例を示す図である。 図３１は、本発明の実施の形態３の固有表現抽出装置の構成を示す構成図である。 図３２は、実施形態３の固有表現抽出装置に用いられる固有表現記憶部に記憶される内容の一例を示す図である。 図３３は、実施形態３における動作例を示すフローチャートである。 図３４は、実施形態３における固有表現の表示例を示す図である。 図３５は、実施形態３における固有表現の表示例を示す図である。 図３６は、実施形態３における固有表現の表示例を示す図である。 図３７は、変形例における中国語の入力テキストの例を示す図である。

符号の説明

１０１ 入力部
１０２ 抽出順序記憶部
１０３ 抽出順序読込部
１０４ 固有表現パターン記憶部
１０４Ａ 固有表現Ａパターン
１０４Ｂ 固有表現Ｂパターン
１０４Ｃ 固有表現Ｃパターン
１０５ 固有表現抽出部
１０６ 抽出終了判定部
２０１ 判定部
２０２ 抽出回数記憶部
２０３ 抽出回数更新部
２０４ 抽出順序変更部
３０１ 利用パターンデータベース
３０２ 抽出順序データベース
３０３ テキスト検索部
３０４ 順序総数取得部
３０５ 利用パターン取得部
３０６ 情報データベース
３０８ 類似テキスト取得部
３０９ 表示部
４０１ 利用パターンデータベース
４０２ 抽出順序データベース
４０３ 順序総数取得部
４０４ 抽出終了判定部
４０５ 固有表現決定部
５０１ 固有表現記憶部
５０２ 抽出終了判定部
５０３ 表示条件取得部
５０４ 固有表現取得部
５０５ 重複削除部
５０６ 表示部

Claims (7)

1. テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、
   複数のテキストが格納されている情報データベースと、
   複数のテキストを前記情報データベースから取得するテキスト取得手段と、
   複数の固有表現パターンを記憶している固有表現パターン記憶手段と、
   前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを複数記憶している抽出順序記憶手段と、
   前記テキスト取得手段で取得される複数のテキストから、前記抽出順序記憶手段で記憶されているルールセットごとに、ルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現パターンに対応する抽出順序番号の順に、固有表現として抽出し、抽出された固有表現を固有表現セットとする固有表現抽出手段と、
   前記固有表現抽出手段で得られた固有表現セット毎に、その固有表現セットに含まれる固有表現のうち、一定数以上の文字が同じ固有表現の数である類似固有表現数を計数し、類似固有表現数が最も少ない固有表現セットを出力する固有表現決定手段と
   を備えることを特徴とする固有表現抽出装置。
2. 前記固有表現抽出装置は、さらに、
   テキストを表示する表示手段を備え、
   前記固有表現決定手段は、固有表現セット毎に類似固有表現数を計数する際に、固有表現から前記表示手段に表示可能な文字数分の部分固有表現を抽出し、抽出した部分固有表現同士が類似する場合に、類似する部分固有表現の数を類似固有表現数とする
   ことを特徴とする請求項１記載の固有表現抽出装置。
3. テキストに含まれる固有表現部分の判断基準を示す一つ以上の固有表現パターンを順次用いて、一つ以上の入力テキストから固有表現を抽出する固有表現抽出装置であって、
   複数の固有表現パターンを記憶している固有表現パターン記憶手段と、
   前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを記憶している抽出順序記憶手段と、
   前記一つ以上の入力テキストから、前記抽出順序記憶手段に記憶されているルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現パターンに対応する抽出順序番号の順に、固有表現として抽出する固有表現抽出手段と、
   前記抽出された固有表現、固有表現が抽出された入力テキスト、及び抽出に用いられた固有表現パターンに対応する抽出順序番号を対応付けて記憶する固有表現記憶手段と、
   既定の抽出順序番号を指定するか、又は共通の抽出順序番号に対応して抽出された一つ以上の固有表現をユーザ操作に応じて指定する表示条件指定手段と、
   前記表示条件指示手段から既定の抽出順序番号が指定された場合、前記固有表現記憶手段から前記指定された抽出順序番号に対応して記憶されている全ての固有表現を取得し、また、前記表示条件指示手段から一つ以上の固有表現が指定された場合、前記固有表現記憶手段から、前記指定された各固有表現に対応する入力テキストについて前記共通の抽出順序番号の次の抽出順序番号に対応して記憶されている固有表現を取得する固有表現取得手段と、
   前記固有表現取得手段で取得された固有表現から重複を削除する重複削除手段と、
   前記重複削除手段によって重複を削除されて残った固有表現を表示する表示手段と
   を備えることを特徴とする固有表現抽出装置。
4. テキスト取得手段と、固有表現パターン記憶手段と、抽出順序記憶手段と 、固有表現抽出手段と、固有表現決定手段とを備える固有表現抽出装置によって、一つ以上の入力テキストから固有表現を抽出する固有表現抽出方法であって、
   前記固有表現パターン記憶手段は、テキストに含まれる固有表現部分の判断基準を示す複数の固有表現パターンを記憶しており、
   前記抽出順序記憶手段は、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを複数記憶しており、
   前記テキスト取得手段が、複数のテキストを情報データベースから取得するステップと、
   前記固有表現抽出手段が、前記テキスト取得手段で取得される複数のテキストから、前記抽出順序記憶手段で記憶されているルールセットごとに、ルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現に対応する抽出順序番号の順に、固有表現として抽出し、抽出された固有表現を固有表現セットとするステップと、
   前記固有表現決定手段が、前記固有表現抽出手段で得られた固有表現セット毎に、その固有表現セットに含まれる固有表現のうち、一定数以上の文字が同じ固有表現の数である類似固有表現数を計数し、類似固有表現数が最も少ない固有表現セットを出力するステップと
   を含むことを特徴とする固有表現抽出方法。
5. 固有表現パターン記憶手段と、抽出順序記憶手段と、固有表現抽出手段と、固有表現記憶手段と、表示条件指定手段と、固有表現取得手段と、重複削除手段と、表示手段とを備える固有表現抽出装置によって、一つ以上の入力テキストから固有表現を抽出する固有表現抽出方法であって、
   前記固有表現パターン記憶手段は、テキストに含まれる固有表現部分の判断基準を示す複数の固有表現パターンを記憶しており、
   前記抽出順序記憶手段は、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを記憶しており、
   前記固有表現抽出手段が、前記一つ以上の入力テキストから、前記抽出順序記憶手段に記憶されているルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現に対応する抽出順序番号の順に、固有表現として抽出するステップと、
   前記固有表現記憶手段が、前記抽出された固有表現、固有表現が抽出された入力テキスト、及び抽出に用いられた固有表現パターンに対応する抽出順序番号を対応付けて記憶するステップと、
   前記表示条件指定手段が、既定の抽出順序番号を指定するか、又は共通の抽出順序番号に対応して抽出された一つ以上の固有表現をユーザ操作に応じて指定するステップと、
   前記固有表現取得手段が、前記表示条件指示手段から既定の順序番号が指定された場合、前記固有表現記憶手段から前記指定された抽出順序番号に対応して記憶されている全ての固有表現を取得し、また、前記表示条件指示手段から一つ以上の固有表現が指定された場合、前記固有表現記憶手段から、前記指定された各固有表現に対応する入力テキストについて前記共通の抽出順序番号の次の抽出順序番号に対応して記憶されている固有表現を取得するステップと、
   前記重複削除手段が、前記固有表現取得手段で取得された固有表現から重複を削除するステップと、
   前記表示手段が、前記重複削除手段によって重複を削除されて残った固有表現を表示するステップと
   を含むことを特徴とする固有表現抽出方法。
6. テキストに含まれる固有表現部分の判断基準を示す複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを複数記憶している抽出順序記憶手段とを参照して、一つ以上の入力テキストから固有表現を抽出するためのコンピュータ実行可能なプログラムであって、
   複数のテキストを情報データベースから取得するテキスト取得ステップと、
   前記テキスト取得ステップで取得される複数のテキストから、前記抽出順序記憶手段で記憶されているルールセットごとに、ルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現に対応する抽出順序番号の順に、固有表現として抽出し、抽出された固有表現を固有表現セットとする固有表現抽出ステップと、
   前記固有表現抽出ステップで得られた固有表現セット毎に、その固有表現セットに含まれる固有表現のうち、一定数以上の文字が同じ固有表現の数である類似固有表現数を計数し、類似固有表現数が最も少ない固有表現セットを出力する固有表現決定ステップと
   をコンピュータに実行させることを特徴とするプログラム。
7. テキストに含まれる固有表現部分の判断基準を示す複数の固有表現パターンを記憶している固有表現パターン記憶手段と、前記固有表現パターン記憶手段に記憶されている一つ以上の固有表現パターンと、それぞれの固有表現パターンが固有表現の抽出に使用されるべき順序を示す抽出順序番号とを対応付けて表すルールセットを記憶している抽出順序記憶手段とを参照して、一つ以上の入力テキストから固有表現を抽出するためのコンピュータ実行可能なプログラムであって、
   前記一つ以上の入力テキストから、前記抽出順序記憶手段に記憶されているルールセットに含まれる各固有表現パターンによって示される判断基準を満たす一つ以上の部分を、各固有表現に対応する抽出順序番号の順に、固有表現として抽出する固有表現抽出ステップと、
   前記抽出された固有表現、固有表現が抽出された入力テキスト、及び抽出に用いられた固有表現パターンに対応する抽出順序番号を対応付けて記憶する固有表現記憶ステップと、
   既定の抽出順序番号を指定するか、又は共通の抽出順序番号に対応して抽出された一つ以上の固有表現をユーザ操作に応じて指定する表示条件指定ステップと、
   前記表示条件指示ステップで既定の抽出順序番号が指定された場合、前記固有表現記憶ステップで記憶され、かつ前記指定された抽出順序番号に対応する全ての固有表現を取得し、また、前記表示条件指示ステップで一つ以上の固有表現が指定された場合、前記固有表現記憶ステップで記憶され、かつ前記指定された各固有表現に対応する入力テキストについて前記共通の抽出順序番号の次の抽出順序番号に対応する固有表現を取得する固有表現取得ステップと、
   前記固有表現取得ステップで取得された固有表現から重複を削除する重複削除ステップと、
   前記重複削除ステップで重複を削除されて残った固有表現を表示する表示ステップと
   をコンピュータに実行させることを特徴とするプログラム。

Images