JP4248828B2 - 文書処理装置、文書処理方法及び記録媒体 - Google Patents
文書処理装置、文書処理方法及び記録媒体 Download PDFInfo
- Publication number
- JP4248828B2 JP4248828B2 JP2002259918A JP2002259918A JP4248828B2 JP 4248828 B2 JP4248828 B2 JP 4248828B2 JP 2002259918 A JP2002259918 A JP 2002259918A JP 2002259918 A JP2002259918 A JP 2002259918A JP 4248828 B2 JP4248828 B2 JP 4248828B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- concept
- word
- expression
- concept expression
- 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
Images
Landscapes
- Machine Translation (AREA)
- 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、文書処理装置、文書処理方法及び記録媒体に関し、詳細には、文書集合を自動分類技術により部分集合に分類し、各部分集合において特徴的な概念を抽出する文書処理装置、文書処理方法及び当該文書処理方法とデータを記録した記録媒体に関する。
【０００２】
【従来の技術】
近時、情報の電子化が進み、従来紙文書で保管されていた文書も電子化されるようになってきている。このような文書の電子化に伴って、大量の電子化文書が流通し、収集・蓄積された電子化文書をいかに管理して簡便に再利用するかが重量な問題となってきている。
【０００３】
そこで、従来から大量の電子化文書から何らかの知見を見いだすための文書処理技術が提案されている。このような従来の文書処理技術としては、例えば、ユーザの意図にあった文書を検索する文書検索技術、大量の文書集合をいくつかの部分集合に分類する文書分類技術、文書または文書集合から重要な語句を抽出するキーワード抽出技術、キーワード抽出技術に基づいた文書要約技術などがある。
【０００４】
また、最近では、アンケートデータやコールセンターデータ等の大量のテキストデータを分析することを目的としたテキストマイニング技術等も開発されている。
【０００５】
そして、従来、特許文献１の「データ分析システム」が提案されており、このデータ分析システムは、テキストから概念（文節内キーワード）を抽出して、目的に特化したカテゴリ辞書（シソーラス）を用いて、文書中の表現をラベル付きデータに変換している。また、概念間の係り受け関係を解析し、概念の組み合わせも概念として、概念の頻度／クロス表により特徴的な概念を抽出している。
【０００６】
また、従来、特許文献２の文書処理装置が提案されている。この文書処理装置は、入力した文書に対して形態素解析を行う形態素解析部と、形態素列の部分列を重み付きで特定表現候補とする特定表現候補取得部と、予めいくつかの特定表現を格納した特定表現辞書と、形態素列の特定表現辞書中の表現に対するマッチ度を表す実数を、特定表現辞書の検索結果として出力する特定表現辞書検索部と、特定表現候補に対して、前記候補に付与された重みと、前記候補の前記特定表現辞書に対する検索結果とを変数として判別スコアを計算し、前記判別スコアが一定の値を下回る候補を除外する判別分析実行部と、特定表現候補のうち、判別分析実行部によって除外されなかった形態素の文字列を特定表現として出力する出力部とを設け、判別スコアを計算して、特定表現候補として残すかどうか判断して、的確な判断を行うことを目的としている。
【０００７】
すなわち、この従来技術は、テキストから単語解析、係り受け解析を行い、文構造の類似度により文をグループ化し、テキストから抽出したキーワードとグループ化された文との出現回数の相関関係から相関の強い項目を抽出している。
【０００８】
さらに、従来、本出願人は、特許文献３の文書分類装置を提案している。この文書分類装置は、さまざまな特徴空間において部分テキストデータ群を生成し、それらの部分テキストデータ群を全ての特徴量空間を含む空間内で擬似階層構造を生成することで、ユーザがテキストデータ群の構造を容易に探索すことを支援するものである。
【０００９】
【特許文献１】
特開２００１−７５９６６号公報
【特許文献２】
特開２０００−１７２６９１号公報
【特許文献３】
特開２００１−２９０８２号公報
【００１０】
【発明が解決しようとする課題】
しかしながら、このような従来技術にあっては、文書集合全体で特徴的でない概念を抽出する上で改良の必要があった。
【００１１】
すなわち、アンケートデータやコールセンターデータ等の大量のテキストデータの分析を行う際には、文書集合内に含まれる特徴的な概念を把握することが１つの大きな目的であるが、ここで問題となるのは、文書集合全体において特徴的な概念、例えば、出現頻度が高い概念は、もちろん重要であるが、特徴的でない概念も分析には必要になることである。
【００１２】
ところが、上記特許文献の各従来技術にあっては、文書集合（データ集合）全体における特徴を利用しているため、文書集合全体では特徴的でない概念を抽出することができない。
【００１３】
すなわち、特許文献１の従来技術にあっては、カテゴリ辞書を予め作成する必要があり、その作成、維持に負荷がかかるだけでなく、全体的な頻度情報により特徴的な概念を抽出しているため、出現回数の多いものでないと抽出することができない。
【００１４】
また、特許文献２の従来技術にあっては、相関関係を利用しているため、出現回数の多いものでないと抽出することができない。
【００１５】
さらに、特許文献３の従来技術にあっては、概念の表現として単語または単語の論理式を用いて、単に単語の文書内共起関係を表しているため、例えば、「受信はできるが、送信できない。」と「送信はできるが、受信できない。」といった同じ単語構成の文書を分けることができず、表現力の問題という面から、改良の必要があった。
【００１６】
そこで、本発明は、文書集合を自動分類技術により部分集合に分類して、各部分集合において特徴的な概念を抽出し、また、概念表現の表現力の問題点を解決するために、単語の論理式ではなく、文節内単語関係あるいは係り受け文節対内単語関係から得られる意味的に強い単語間関係を利用した概念表現方法を利用して、部分的に特徴的な概念を抽出することのできる文書処理装置、文書処理方法及び記録媒体を提供することを目的としている。
【００１７】
【課題を解決するための手段】
請求項１記載の発明の文書処理装置は、複数の文書からなる文書集合を入力する文書入力手段と、前記文書入力手段から入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析手段と、前記文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成手段と、前記文書データ構造生成手段で生成された文書データ構造を記憶する文書データ構造記憶手段と、前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類手段と、前記文書分類手段で生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出手段と、前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出手段と、前記特徴概念表現抽出手段での特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示手段と、前記特徴概念表現表示手段に表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定手段とを備えていることを特徴とする。
【００１８】
上記構成によれば、文書入力手段から入力される複数の文書からなる文書集合の各文書に対して、言語解析手段で、形態素解析、係り受け解析を行い、文書データ構造生成手段で、文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶手段に記憶し、文書分類手段で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出手段で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出手段で、特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００１９】
さらに、特徴概念表現抽出手段での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに概念表現表示手段で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定手段で、概念表現の選択指定を行うので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００２０】
請求項２記載の発明は、請求項１記載の文書処理装置において、前記概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を前記文書分類手段で生成し、前記概念表現抽出手段で、当該生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出し、前記特徴概念表現抽出手段で、当該重要度に基づいて特定の概念表現を抽出することを特徴とする。
【００２１】
上記構成によれば、概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００２２】
請求項３記載の発明は、請求項１または２記載の文書処理装置において、前記文書データ構造生成手段は、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする。
【００２３】
上記構成によれば、文書データ構造生成手段で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある 概念表現を抽出することができ、より一層利用性を向上させることができる。
【００２４】
請求項４記載の発明の文書処理方法は、コンピュータが、複数の文書からなる文書集合から当該文書集合の概念表現を抽出する文書処理方法であって、複数の文書からなる文書集合を入力する文書入力処理ステップと、前記入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析処理ステップと、前記文書集合の各文書を当該言語解析処理ステップでの言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成処理ステップと、前記文書データ構造生成処理ステップで生成された文書データ構造を記憶する文書データ構造記憶処理ステップと、前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類処理ステップと、前記文書分類処理ステップで生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出処理ステップと、前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出処理ステップと、前記特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、前記特徴概念表現表示処理ステップで表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップとを実行することを特徴とする。
【００２５】
上記構成によれば、文書入力処理ステップで入力された複数文書からなる文書集合の各文書に対して、言語解析処理ステップで、形態素解析、係り受け解析を行い、当該言語解析処理ステップでの言語解析結果に基づいて、文書集合の各文書を、文書データ構造生成処理ステップで、言語情報を保持する文書データ構造に変換して、当該文書データ構造を文書データ構造記憶処理ステップで記憶し、文書分類処理ステップで、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出処理ステップで、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、特徴概念表現抽出処理ステップで、当該重要度に基づいて特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００２６】
さらに、特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、当該特徴概念表現表示処理ステップで表示される概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップと、をさらに実行するので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００２７】
請求項５記載の発明は、請求項４記載の文書処理方法において、前記文書分類処理ステップでは、前記概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、前記概念表現抽出処理ステップでは、前記生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出することを特徴とする。
【００２８】
上記構成によれば、概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、当該生成された文書部分集合から意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザ が自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００２９】
請求項６記載の発明は、請求項４または５記載の文書処理方法において、前記文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする。
【００３０】
上記構成によれば、文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【００３１】
請求項７記載の発明の記録媒体は、コンピュータに請求項４から請求項６のいずれか１項に記載の文書処理方法の各ステップを実行させるためのプログラムを記録したことを特徴とする。
【００３２】
上記構成によれば、記録媒体が、コンピュータに請求項４から請求項６のいずれか１項に記載の文書処理方法の各ステップを実行させるためのプログラムを記録しているので、記録媒体を、コンピュータに読み取らせることで、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出し、文書集合全体で特徴的でないが部分で特徴的な概念表現を抽出することのできる文書処理方法を実現する文書処理装置を構築することができ、利用性を向上させることができる。
【００３３】
【発明の実施の形態】
以下、本発明の好適な実施の形態を添付図面に基づいて詳細に説明する。なお、以下に述べる実施の形態は、本発明の好適な実施の形態であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。
【００３４】
図１〜図７は、本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を示す図であり、図１は、本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を適用した文書処理装置１のブロック構成図である。
【００３５】
図１において、文書処理装置１は、文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８等を備えており、文書処理プログラム及び必要なデータを記録するＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ ）等の記録媒体を、例えば、コンピュータ等に読み取らせて導入することで、構築される。
【００３６】
文書入力部（文書入力手段）２は、文書処理対象の文書集合の各文書を入力するもので、各文書に識別子（文書ＩＤ）を付与して、記憶部等に格納して管理する。
【００３７】
言語解析部（言語解析手段）３は、文書入力部２から入力された各文書集合の形態素を解析する形態素解析処理、解析対象の文書の文節間の係り受け関係を解析する係り受け解析処理等の各ステップ処理を実行し、これらの形態素解析処理、係り受け解析処理等の解析処理によって得られる言語的属性を解析単位に文書データ構造生成部４に出力する。具体的には、言語解析部３は、形態素解析処理では、文書集合の各文書に含まれる単語を解析し、係り受け解析処理では、文書に含まれる文、文節を解析して、文節間の関係として係りと受けの関係にある文節を解析する。例えば、言語解析部３は、「ソフトウェアのインストールが正常に実行できない。」という文を解析する場合、図２に示すように、形態素解析を行った後、係り受け解析を行う。なお、図２は、上記例の解析結果例を示しており、単語の区切りを「／」で表し、また、各単語の上の「自」は自立語を、「付」は付属語を表している。すなわち、図２では、「ソフトウェア」という自立語に、「の」という付属語がついた文節１が係りとして、「インストール」という自立語に、「が」という付属語がついた文節２を受けとして係っており、「正常」という自立語に、「に」という付属語がついた文節３が係りとして、「実行」という自立語に、「でき」と「ない」の２つの付属語がついた文節４を受けとして係っており、さらに、文節２が係りとして、文節４に係っていることを示している。
【００３８】
文書データ構造生成部（文書データ構造生成手段）４は、言語解析部３の解析結果に基づいて、文書集合の各文書を図３に示すようなデータ構造に変換し、各構成要素は、図４に示すような情報を保持する。文書データ構造生成部４は、例えば、図５に示すような文書あるいは文書集合に含まれる単語に対して、ユニークな識別子を付与した単語リストを生成して、単語の管理を行い、その際、品詞情報や全体における出現頻度あるいは出現文書数を算出して付加する。
【００３９】
すなわち、文書集合の各文書の変換された図３に示すデータ構造は、図４に示すようになっており、文書は、文書に含まれる文ＩＤリストを管理し、文は、自分の文ＩＤと文に含まれる文節リストを管理する。また、文節は、自分の文節ＩＤと文節に含まれる単語ＩＤリスト、係り文節ＩＤリスト、受け文節ＩＤを管理する。この単語ＩＤは、図５に示す単語リストにおけるＩＤであり、係り文節ＩＤリストは、当該文節を受けとする係り文節のＩＤである。そして、１つの受け文節に対して複数の文節が係り文節となりうるので、係り文節ＩＤリストで管理する。また、受け文節ＩＤは、当該文節が係り文節となる受け文節のＩＤであり、係り文節は、受け文節を１つしかとることができない。
【００４０】
また、文書データ構造生成部４は、文節が管理する情報として、係り受けの関係の種類、例えば、連体修飾なのか連用修飾なのか、等を保持することもでき、また、文節を結ぶ助詞の種類により関係の種類を記述することもできる。
【００４１】
さらに、文書データ構造生成部４は、文節内の付属語表現等から文書データ構造内の単語あるいは文節に対して付加的な意味を表す意味タグを付与し、概念表現指定部７、概念表現抽出部６、概念表現表示部６において、概念表現として単語だけでなく意味タグをも用いることができるようにする。この意味タグは、文節内の付属語等が特定の付加的な意味を表している場合に、その意味をタグとして文節に付加するものである。例えば、「打消」、「要望」、「可能」、「疑問」の意味タグは、文節内に以下のような単語が出現した場合に、その文節に付加し、また、１つの文節に複数の意味タグがつくこともある。
【００４２】
意図タグＩＤ１「打消」：助動詞「ない」、助動詞「ず」、助動詞「まい」、補助助動詞「にくい」、形容詞「ない」
意図タグＩＤ２「要望」：助動詞「たい」、動詞「欲しい」、接続助詞「て」＋動詞「欲しい」
意図タグＩＤ３「疑問」：終助詞「か」、終助詞「か」＋終助詞「な」、記号「？」
意図タグＩＤ４「可能」：補助動詞「できる」、助動詞「れる」、助動詞「られる」
そして、概念表現では、たとえば「（＋打消＋可能）」といった表現で意味タグを表す。意味タグは、単独でも概念表現にもなるし、「実行（＋可能＋打消）」といったように単語に付加した形でも用いることができる。
【００４３】
文書データ構造記憶部（文書データ構造記憶手段）５は、文書データ構造生成部４で生成された文書データ構造を記憶し、管理する。
【００４４】
文書分類部（文書分類手段）６は、入力された文書集合を１つ以上の文書部分集合に分類する。この文書分類には、従来から用いられている一般的な自動分類技術を利用することができるが、本実施の形態の文書処理装置１では、さまざまな大きさ（文書数）の文書部分集合に分類することのできる分類技術が望ましく、例えば、階層的な構造をもつ文書部分集合を生成する文書分類技術を利用することが好適である。
【００４５】
概念表現抽出部（概念表現抽出手段）７は、文書分類部６で生成された文書部分集合の１つ１つに対して、概念表現を抽出し、その重要度を算出して、特徴概念表現抽出部８に出力する。本実施の形態で利用する概念表現方式は、単語（自立語）と意味タグの組み合わせで表現される概念表現であり、原理的には、単語数や組み合わせ方は無限であるが、概念表現抽出部７は、ある決められた表現形式の概念表現を抽出する。また、概念表現抽出部７で抽出する概念表現の形式については、ユーザが適宜指定することができるようになっていてもよく、概念表現抽出部７は、例えば、以下の形式の概念表現を抽出する。
【００４６】
１）単語１
２）単語１⇒単語２
３）単語１⇒単語２⇒単語３
４）（＋意味タグ１）
５）単語１（＋意味タグ１）
【００４７】
特徴概念表現抽出部（特徴概念表現抽出手段）８は、概念表現抽出部７で抽出した概念表現から重要度に基づいて特定の概念表現を抽出し、以下のような条件で特徴概念表現の抽出を行う。
１）予め決められた閾値以上の重要度を持つ概念表現を抽出する。
【００４８】
２）各部分集合において抽出された概念表現の重要度の高いものから決められた数の概念表現を抽出する。
【００４９】
３）各部分集合において抽出された概念表現の重要度の高いものから決められた割合の概念表現を抽出する。
【００５０】
また、特徴概念表現抽出部８での特徴概念の抽出においては、抽出する概念表現形式に応じて、条件を変えてもよい。例えば、含まれる単語が多い概念表現形式は、重要度が小さくても特徴概念表現とすることもできる。
【００５１】
次に、本実施の形態の作用を説明する。本実施の形態の文書処理装置１は、文書集合を自動分類技術により部分集合に分類し、各部分集合において特徴的な概念を抽出する。
【００５２】
まず、本本実施の形態の基本的な考え方である概念表現について説明する。本実施の形態で取り扱う文書は、基本的には日本語の文書で表現されているものとし、概念表現を、単語（自立語）を単位として表現する。単語１つでもある概念を表し、複数の単語の関係によってもある概念を表す。例えば、以下のような概念表現を用いる。
【００５３】
１）検索
２）情報⇒検索
３）情報⇒検索⇒サービス
４）ソフトウェア⇒インストール（＋可能＋打消）
なお、「⇒」は、単語間に強い意味的関係があることを示しており、ここでいう強い意味的関係とは、同じ文節内に出現する単語（自立語）、または、係り受け関係にある文節対に出現する単語（自立語）を意味する。例えば、「情報⇒検索」は、以下に示すように、「情報」と「検索」が同じ文節内に出現するか、「情報」と「検索」が係り受け関係にある文節対に出現することを表している。
【００５４】
文節 ：「情報検索が」
係り受け文節対：「情報の」→「検索が」
また、「⇒」の方向は、単語の出現順序を表しており、出現順序が逆の場合、意味が異なってしまうこともあるため、語順は重要である。
【００５５】
そして、概念表現では、単語（自立語）をいくつでもつなげて表現することができる。例えば、上記例の３）では、３つの単語をつないでいるが、この場合、この３つの単語が「情報」「検索」「サービス」の語順で連続して強い関係で現れていることを意味している。したがって、以下に示すＡからＤは、上記例の３）の概念表現に適合するが、Ｅ、Ｆは、適合しない。
【００５６】
Ａ：「情報の検索サービス」
Ｂ：「情報を検索するサービス」
Ｃ：「情報検索のサービス」
Ｄ：「情報検索サービス」
Ｅ：「情報検索を自動的に行うサービス」
Ｆ：「検索情報のサービス」
上記例４）では、意味タグを付加した例を示しており、意味タグは、文節内の付属語等の表現が特定の付加的な意味を表している場合に、その意味をタグとして利用するものである。例えば、「打消」「要望」「可能」「疑問」の意味タグは、文節内に以下のような単語が出現した場合にその文節に付加する。また、意味タグは、１つの文節に複数つくこともある。
【００５７】
打消：助動詞「ない」、助動詞「ず」、助動詞「まい」、補助助動詞「にくい」、形容詞「ない」
要望：助動詞「たい」、動詞「欲しい」、接続助詞「て」＋動詞「欲しい」
疑問：終助詞「か」、終助詞「か」＋終助詞「な」、記号「？」
可能：補助動詞「できる」、助動詞「れる」、助動詞「られる」
そして、概念表現では、例えば、「（＋打消＋可能）」といった表現で意味タグを表し、意味タグは、単独でも概念表現にもなるし、「実行（＋可能＋打消）」といったように、単語に付加した形でも用いることができる。例えば、「実行できない」という文節は、「実行／できる／ない」と分かれるため、この文節には、「（＋可能＋打消）」という意味タグが付加される。また、「実行（＋可能＋打消）」という概念表現では、単語「実行」が意味タグ「打消」と「可能」が付加されている文節であることを意味している。
【００５８】
このような概念表現を用いることで、ユーザは任意の数の単語（自立語）と意味タグの組み合わせにより、目的に沿った概念表現を表現することができる。
【００５９】
そして、文書処理装置１は、概念表現抽出部７での概念表現の抽出処理を、図６に示すように行う。
【００６０】
概念表現抽出部７は、まず、文書部分集合ＩＤ：ｐ＝１内の文書：ｄ＝１の文書データ構造内の文ＩＤ：ｓ＝１内の文節ＩＤ：ｋ＝１の文節からスタートし（ステップＳ１０１）、各概念表現形式の抽出を行って、抽出結果を、図７に示すように、抽出結果リストに登録する。その際、抽出した概念表現の出現回数も算出する。なお、以下の説明で、抽出する単語とは、自立語である。
【００６１】
まず、概念表現抽出部７は、「単語」の抽出を行う（ステップＳ１０２）。この際の「単語」の抽出では、文節ｋに含まれる単語を抽出し、「単語」として、抽出結果リストに登録する。
【００６２】
次に、概念表現抽出部７は、「単語⇒単語」の抽出を行う（ステップＳ１０３）。この際の「単語⇒単語」の抽出では、文節ｋから連続して出現する２単語を抽出し、「単語１⇒単語２」として抽出結果リストに登録する。また、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋに含まれる単語１と文節ｋ’に含まれる単語２の組み合わせを「単語１⇒単語２」として抽出結果リストに登録する。
【００６３】
次に、概念表現抽出部７は、「単語⇒単語⇒単語」の抽出を行う（ステップＳ１０４）。この際、文節ｋから連続して出現する単語１、単語２、単語３を抽出し、「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。また、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋ’が係り文節となる受け文節ｋ’’を抽出し、文節ｋに含まれる単語１と文節ｋ’に含まれる単語２と文節ｋ’に含まれる単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。さらに、文節ｋから連続して出現する単語１、単語２を抽出し、文節ｋが係り文節となる受け文節ｋ’を抽出し、単語１、単語２と文節ｋ’に含まれる単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。また、文節ｋから単語１を抽出し、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋ’から連続して出現する単語２、単語３を抽出し、単語１と文節ｋ’に含まれる単語２、単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。
【００６４】
次に、概念表現抽出部７は、「（＋意図タグ）」の抽出を行う（ステップＳ１０５）。この際、文節ｋに含まれる意図タグ１を抽出し、「（＋意図タグ１）」として抽出結果リストに登録する。
【００６５】
次に、概念表現抽出部７は、「単語（＋意図タグ）」の抽出を行う（ステップＳ１０６）。この際、文節ｋに含まれる単語１と意図タグ１を抽出し、「単語１（＋意図タグ１）」として抽出結果リストに登録する。
【００６６】
次に、概念表現抽出部７は、文節ｋが文ｓ内の最後の文節であるかチェックし（ステップＳ１０７）、文節ｋが文ｓ内の最後の文節でないときには、文節ＩＤ：ｋを「１」だけインクリメント（ｋ＝ｋ＋１）して、次の文節に移り、ステップＳ１０２に戻って、上記同様に概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０７）。
【００６７】
ステップＳ１０７で、文節ｋが文ｓ内の最後の文節であると、概念表現抽出部７は、文ｓが文書ｄ内の最後の文であるかチェックし（ステップＳ１０８）、文ｓが文書ｄ内の最後の文でないときには、文ＩＤ：ｓを「１」だけインクリメント（ｓ＝ｓ＋１）して、ステップＳ１０２に戻って、次の文について、上記同様に、当該文の文節に対して概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０８）。
【００６８】
ステップＳ１０８で、文ｓが文書ｄ内の最後の文であるときには、概念表現抽出部７は、文書ｄが部分集合ｐ内の最後の文書であるかチェックし（ステップＳ１０９）、文書ｄが部分集合ｐ内の最後の文書でないときには、文書ｄを「１」だけインクリメント（ｄ＝ｄ＋１）して、ステップＳ１０２に戻って、次の文書について、上記同様に、当該文書の当該文の文節に対して、概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０９）。
【００６９】
ステップＳ１０９で、文書ｄが部分集合ｐ内の最後の文書であると、概念表現抽出部７は、部分集合ｐが最後の部分集合であるかチェックし（ステップＳ１１０）、文書ｄが部分集合ｐ内の最後の文書でないときには、文書部分集合ＩＤ：ｐを「１」だけインクリメント（ｐ＝ｐ＋１）して、ステップＳ１０２に戻って、次の文書部分集合について、上記同様に、当該部分集合の当該文書の当該文の文節に対して、概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１１０）。
【００７０】
ステップＳ１１０で、部分集合ｐが最後の部分集合であると、概念表現抽出部７は、文書部分集合に対して、概念表現の抽出処理を全て終了したと判断して、概念表現抽出処理を終了する。
【００７１】
次に、概念表現抽出部７は、文書分類部６で生成された文書部分集合の１つ１つに対して、抽出した概念表現の重要度を算出して、特徴概念表現抽出部８に出力する。概念表現抽出部７は、各概念表現の重要度を、例えば、以下のような式で算出する。
【００７２】
概念表現重要度＝概念表現出現回数／部分集合文書数
そして、特徴概念表現抽出部８が、概念表現抽出部７の抽出した概念表現から重要度に基づいて特定の概念表現を抽出し、以下のような条件で特徴概念表現として抽出を行う。
【００７３】
１）予め決められた閾値以上の重要度を持つ概念表現を抽出する。
【００７４】
２）各部分集合において抽出された概念表現の重要度の高いものから決められた数の概念表現を抽出する。
【００７５】
３）各部分集合において抽出された概念表現の重要度の高いものから決められた割合の概念表現を抽出する。
【００７６】
また、特徴概念表現抽出部８での特徴概念の抽出においては、抽出する概念表現形式に応じて、条件を変えてもよい。例えば、含まれる単語が多い概念表現形式は、重要度が小さくても特徴概念表現とすることもできる。
【００７７】
このように、本実施の形態の文書処理装置１は、文書入力部２から入力される複数の文書からなる文書集合の各文書に対して、言語解析部３で、形態素解析、係り受け解析を行い、文書データ構造生成部４で、文書集合の各文書を当該言語解析部３での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶部５に記憶し、文書分類部６で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出部７で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出部８で、特定の概念表現を抽出している。
【００７８】
したがって、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００７９】
また、本実施の形態の文書処理装置１は、文書データ構造生成部４で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いている。
【００８０】
したがって、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【００８１】
図８〜図１４は、本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を示す図であり、図８は、本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を適用した文書処理装置１０のブロック構成図である。
【００８２】
なお、本実施の形態は、上記第１の実施の形態の文書処理装置１と同様の文書処理装置に適用したものであり、本実施の形態の説明においては、上記第１の実施の形態の文書処理装置と同様の構成部分については、同一の符号を付して、その詳細な説明を省略する。
【００８３】
図８において、文書処理装置１０は、上記第１の実施の形態の文書処理装置１と同様の文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８等を備えているとともに、特徴概念表現表示部１１と概念表現指定部１２を備えており、文書処理プログラム及び必要なデータを記録するＣＤ−ＲＯＭ等の記録媒体を、例えば、コンピュータ等に読み取らせて導入することで、構築される。
【００８４】
文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８は、上記第１の実施の形態と同様であるため、その説明を省略する。
【００８５】
特徴概念表現表示部（概念表現表示手段）１１は、ＣＲＴ（陰極線管：Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等であり、図９〜図１４に示すように、特徴概念表現抽出部８の抽出した特徴概念表現を表示し、また、概念表現指定部１２での概念表現の指定画面（概念ブラウザ）等の文書処理装置１が文書処理するのに必要な各種データを表示する。
【００８６】
この特徴概念表現表示部１１は、図９〜図１４に示すように、概念表現形式毎に分けて特徴概念表現を表示し、また、各項目による並べ換えを行って表示し、さらに、単語検索機能として、ユーザが指定した表記を含む特徴概念表現だけを表示する。また、特徴概念表現表示部１１は、ユーザが部分集合の文書数の範囲を指定（例えば、０以上５０以下）すると、指定された文書数に適合する部分集合から抽出された特徴概念表現だけを表示させる。また、特徴概念表現表示部１１は、特徴概念表現抽出部８での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する。
【００８７】
概念表現指定部（概念表現指定手段）１２は、例えば、文字・記号等の入力部及びマウス等のポインティングディバイス等を備え、ユーザが概念表現を指定するものである。概念表現指定部１２での概念表現の指定方法としては、例えば、例えば、入力ダイアログを特徴概念表現表示部１１に表示してユーザが直接概念表現を記入する直接記入方法、図９〜図１４に示したように、特徴概念表現表示部１１に表示される概念表示画面（概念ブラウザ）の特徴概念表現の中からマウス等のポインティングディバイスで指定する特徴概念表現を選択する選択方法等を用いることができる。図９〜図１４に示した画面での選択方法においては、図９では、最初の状態として、選択可能な全種類の特徴概念表現を表示しており、図１０では、ユーザが指定したい特徴概念表現を「単語」で選択する画面表示を示している。また、図１１では、ユーザが指定したい特徴概念表現を、「単語⇒単語」、で選択する画面表示を示しており、図１２では、ユーザが指定したい特徴概念表現を、［単語⇒単語⇒単語］、で選択する画面表示を示している。また、図１３では、ユーザが指定したい特徴概念表現を、「（＋意味タグ）」、で選択する画面表示を示しており、図１４では、ユーザが指定したい特徴概念表現を、「単語（＋意味タグ）」、で選択する画面表示を示している。
【００８８】
そして、本実施の形態の文書処理装置１０では、特徴概念表現表示部１１が特徴概念表現抽出部８の抽出した特徴概念表現を特徴概念表現表示部１１に表示し、この特徴概念表現表示部１１の特徴概念表現の表示からユーザが概念表現指定部１２で指定すると、文書分類部６が当該指定された概念表現を含む文書を文書データ構造に基づいて検索して文書部分集合を生成する。
【００８９】
この生成された文書部分集合について、概念表現抽出部７が、概念表現を抽出して、その抽出した概念表現の重要度を算出し、特徴概念表現抽出部８が、当該重要度に基づいて特定の概念表現を抽出し、特徴概念の抽出を行って、再度、特徴概念表現表示部１１に表示する処理を順次繰り返し行う。
【００９０】
このように、本実施の形態の文書処理装置１０は、特徴概念表現抽出部８での特徴概念表現抽出結果を特徴概念表現表示部１１に表示している。
【００９１】
したがって、ユーザが文書集合に含まれる特徴的な概念を閲覧することができ、より一層利用性を向上させることができる。
【００９２】
また、本実施の形態の文書処理装置１０は、特徴概念表現抽出部８での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに特徴概念表現表示部１１で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定部１２で、概念表現の選択指定を行っている。
【００９３】
したがって、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００９４】
さらに、本実施の形態の文書処理装置１０は、概念表現指定部１２で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出している。
【００９５】
したがって、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００９６】
以上、本発明者によってなされた発明を好適な実施の形態に基づき具体的に説明したが、本発明は上記のものに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。
【００９７】
【発明の効果】
請求項１記載の発明の文書処理装置によれば、文書入力手段から入力される複数の文書からなる文書集合の各文書に対して、言語解析手段で、形態素解析、係り受け解析を行い、文書データ構造生成手段で、文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶手段に記憶し、文書分類手段で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出手段で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出手段で、特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。さらに、特徴概念表現抽出手段での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに概念表現表示手段で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定手段で、概念表現の選択指定を行うので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００９８】
請求項２記載の発明の文書処理装置によれば、概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００９９】
請求項３記載の発明の文書処理装置によれば、文書データ構造生成手段で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【０１００】
請求項４記載の発明の文書処理方法によれば、コンピュータにおいて、文書入力処理ステップで入力された複数文書からなる文書集合の各文書に対して、言語解析処理ステップで、形態素解析、係り受け解析を行い、当該言語解析処理ステップでの言語解析結果に基づいて、文書集合の各文書を、文書データ構造生成処理ステップで、言語情報を保持する文書データ構造に変換して、当該文書データ構造を文書データ構造記憶処理ステップで記憶し、文書分類処理ステップで、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出処理ステップで、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、特徴概念表現抽出処理ステップで、当該重要度に基づいて特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。さらに、特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、当該特徴概念表現表示処理ステップで表示される概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップと、をさらに実行するので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【０１０１】
請求項５記載の発明の文書処理方法によれば、文書分類処理ステップでは、概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、概念表現抽出処理ステップでは、該生成された文書部分集合から意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【０１０２】
請求項６記載の発明の文書処理方法によれば、文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【０１０３】
請求項７記載の発明の記録媒体によれば、コンピュータに請求項４から請求項６のいずれかに記載の文書処理方法の各ステップを実行させるためのプログラムを記録しているので、記録媒体を、コンピュータに読み取らせることで、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出し、文書集合全体で特徴的でないが部分で特徴的な概念表現を抽出することのできる文書処理方法を実現する文書処理装置を構築することができ、利用性を向上させることができる。
【図面の簡単な説明】
【図１】本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を適用した文書処理装置の要部ブロック構成図。
【図２】図１の言語解析部での言語解析の一例を示す図。
【図３】図１の文書データ構造生成部による文書集合の各文書のデータ構造への変換の一例を示す図。
【図４】図３の各データ構造の各構成要素の情報の一例を示す図。
【図５】図１の文書データ構造生成部により生成される文書あるいは文書集合に含まれる単語リストに対して付与するＩＤ、品詞、出現頻度、出現文書数及び同義語代表表記の一例を示す図。
【図６】図１の文書処理装置による概念抽出処理を示すフローチャート。
【図７】図１の概念表現抽出部による概念表現抽出結果リストの一例を示す図。
【図８】本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を適用した文書処理装置の要部ブロック構成図。
【図９】図１の特徴概念表現抽出部で抽出された特徴概念表現を全種類についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１０】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１１】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語⇒単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１２】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語⇒単語⇒単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１３】図１の特徴概念表現抽出部で抽出された特徴概念表現を（＋意味タグ）についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１４】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語（＋意味タグ）についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【符号の説明】
１ 文書処理装置
２ 文書入力部
３ 言語解析部
４ 文書データ構造生成部
５ 文書データ構造記憶部
６ 文書分類部
７ 概念表現抽出部
８ 特徴概念表現抽出部
１０ 文書処理装置
１１ 特徴概念表現表示部
１２ 概念表現指定部
【発明の属する技術分野】
本発明は、文書処理装置、文書処理方法及び記録媒体に関し、詳細には、文書集合を自動分類技術により部分集合に分類し、各部分集合において特徴的な概念を抽出する文書処理装置、文書処理方法及び当該文書処理方法とデータを記録した記録媒体に関する。
【０００２】
【従来の技術】
近時、情報の電子化が進み、従来紙文書で保管されていた文書も電子化されるようになってきている。このような文書の電子化に伴って、大量の電子化文書が流通し、収集・蓄積された電子化文書をいかに管理して簡便に再利用するかが重量な問題となってきている。
【０００３】
そこで、従来から大量の電子化文書から何らかの知見を見いだすための文書処理技術が提案されている。このような従来の文書処理技術としては、例えば、ユーザの意図にあった文書を検索する文書検索技術、大量の文書集合をいくつかの部分集合に分類する文書分類技術、文書または文書集合から重要な語句を抽出するキーワード抽出技術、キーワード抽出技術に基づいた文書要約技術などがある。
【０００４】
また、最近では、アンケートデータやコールセンターデータ等の大量のテキストデータを分析することを目的としたテキストマイニング技術等も開発されている。
【０００５】
そして、従来、特許文献１の「データ分析システム」が提案されており、このデータ分析システムは、テキストから概念（文節内キーワード）を抽出して、目的に特化したカテゴリ辞書（シソーラス）を用いて、文書中の表現をラベル付きデータに変換している。また、概念間の係り受け関係を解析し、概念の組み合わせも概念として、概念の頻度／クロス表により特徴的な概念を抽出している。
【０００６】
また、従来、特許文献２の文書処理装置が提案されている。この文書処理装置は、入力した文書に対して形態素解析を行う形態素解析部と、形態素列の部分列を重み付きで特定表現候補とする特定表現候補取得部と、予めいくつかの特定表現を格納した特定表現辞書と、形態素列の特定表現辞書中の表現に対するマッチ度を表す実数を、特定表現辞書の検索結果として出力する特定表現辞書検索部と、特定表現候補に対して、前記候補に付与された重みと、前記候補の前記特定表現辞書に対する検索結果とを変数として判別スコアを計算し、前記判別スコアが一定の値を下回る候補を除外する判別分析実行部と、特定表現候補のうち、判別分析実行部によって除外されなかった形態素の文字列を特定表現として出力する出力部とを設け、判別スコアを計算して、特定表現候補として残すかどうか判断して、的確な判断を行うことを目的としている。
【０００７】
すなわち、この従来技術は、テキストから単語解析、係り受け解析を行い、文構造の類似度により文をグループ化し、テキストから抽出したキーワードとグループ化された文との出現回数の相関関係から相関の強い項目を抽出している。
【０００８】
さらに、従来、本出願人は、特許文献３の文書分類装置を提案している。この文書分類装置は、さまざまな特徴空間において部分テキストデータ群を生成し、それらの部分テキストデータ群を全ての特徴量空間を含む空間内で擬似階層構造を生成することで、ユーザがテキストデータ群の構造を容易に探索すことを支援するものである。
【０００９】
【特許文献１】
特開２００１−７５９６６号公報
【特許文献２】
特開２０００−１７２６９１号公報
【特許文献３】
特開２００１−２９０８２号公報
【００１０】
【発明が解決しようとする課題】
しかしながら、このような従来技術にあっては、文書集合全体で特徴的でない概念を抽出する上で改良の必要があった。
【００１１】
すなわち、アンケートデータやコールセンターデータ等の大量のテキストデータの分析を行う際には、文書集合内に含まれる特徴的な概念を把握することが１つの大きな目的であるが、ここで問題となるのは、文書集合全体において特徴的な概念、例えば、出現頻度が高い概念は、もちろん重要であるが、特徴的でない概念も分析には必要になることである。
【００１２】
ところが、上記特許文献の各従来技術にあっては、文書集合（データ集合）全体における特徴を利用しているため、文書集合全体では特徴的でない概念を抽出することができない。
【００１３】
すなわち、特許文献１の従来技術にあっては、カテゴリ辞書を予め作成する必要があり、その作成、維持に負荷がかかるだけでなく、全体的な頻度情報により特徴的な概念を抽出しているため、出現回数の多いものでないと抽出することができない。
【００１４】
また、特許文献２の従来技術にあっては、相関関係を利用しているため、出現回数の多いものでないと抽出することができない。
【００１５】
さらに、特許文献３の従来技術にあっては、概念の表現として単語または単語の論理式を用いて、単に単語の文書内共起関係を表しているため、例えば、「受信はできるが、送信できない。」と「送信はできるが、受信できない。」といった同じ単語構成の文書を分けることができず、表現力の問題という面から、改良の必要があった。
【００１６】
そこで、本発明は、文書集合を自動分類技術により部分集合に分類して、各部分集合において特徴的な概念を抽出し、また、概念表現の表現力の問題点を解決するために、単語の論理式ではなく、文節内単語関係あるいは係り受け文節対内単語関係から得られる意味的に強い単語間関係を利用した概念表現方法を利用して、部分的に特徴的な概念を抽出することのできる文書処理装置、文書処理方法及び記録媒体を提供することを目的としている。
【００１７】
【課題を解決するための手段】
請求項１記載の発明の文書処理装置は、複数の文書からなる文書集合を入力する文書入力手段と、前記文書入力手段から入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析手段と、前記文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成手段と、前記文書データ構造生成手段で生成された文書データ構造を記憶する文書データ構造記憶手段と、前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類手段と、前記文書分類手段で生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出手段と、前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出手段と、前記特徴概念表現抽出手段での特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示手段と、前記特徴概念表現表示手段に表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定手段とを備えていることを特徴とする。
【００１８】
上記構成によれば、文書入力手段から入力される複数の文書からなる文書集合の各文書に対して、言語解析手段で、形態素解析、係り受け解析を行い、文書データ構造生成手段で、文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶手段に記憶し、文書分類手段で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出手段で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出手段で、特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００１９】
さらに、特徴概念表現抽出手段での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに概念表現表示手段で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定手段で、概念表現の選択指定を行うので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００２０】
請求項２記載の発明は、請求項１記載の文書処理装置において、前記概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を前記文書分類手段で生成し、前記概念表現抽出手段で、当該生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出し、前記特徴概念表現抽出手段で、当該重要度に基づいて特定の概念表現を抽出することを特徴とする。
【００２１】
上記構成によれば、概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００２２】
請求項３記載の発明は、請求項１または２記載の文書処理装置において、前記文書データ構造生成手段は、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする。
【００２３】
上記構成によれば、文書データ構造生成手段で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある 概念表現を抽出することができ、より一層利用性を向上させることができる。
【００２４】
請求項４記載の発明の文書処理方法は、コンピュータが、複数の文書からなる文書集合から当該文書集合の概念表現を抽出する文書処理方法であって、複数の文書からなる文書集合を入力する文書入力処理ステップと、前記入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析処理ステップと、前記文書集合の各文書を当該言語解析処理ステップでの言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成処理ステップと、前記文書データ構造生成処理ステップで生成された文書データ構造を記憶する文書データ構造記憶処理ステップと、前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類処理ステップと、前記文書分類処理ステップで生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出処理ステップと、前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出処理ステップと、前記特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、前記特徴概念表現表示処理ステップで表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップとを実行することを特徴とする。
【００２５】
上記構成によれば、文書入力処理ステップで入力された複数文書からなる文書集合の各文書に対して、言語解析処理ステップで、形態素解析、係り受け解析を行い、当該言語解析処理ステップでの言語解析結果に基づいて、文書集合の各文書を、文書データ構造生成処理ステップで、言語情報を保持する文書データ構造に変換して、当該文書データ構造を文書データ構造記憶処理ステップで記憶し、文書分類処理ステップで、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出処理ステップで、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、特徴概念表現抽出処理ステップで、当該重要度に基づいて特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００２６】
さらに、特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、当該特徴概念表現表示処理ステップで表示される概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップと、をさらに実行するので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００２７】
請求項５記載の発明は、請求項４記載の文書処理方法において、前記文書分類処理ステップでは、前記概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、前記概念表現抽出処理ステップでは、前記生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出することを特徴とする。
【００２８】
上記構成によれば、概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、当該生成された文書部分集合から意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザ が自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００２９】
請求項６記載の発明は、請求項４または５記載の文書処理方法において、前記文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする。
【００３０】
上記構成によれば、文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【００３１】
請求項７記載の発明の記録媒体は、コンピュータに請求項４から請求項６のいずれか１項に記載の文書処理方法の各ステップを実行させるためのプログラムを記録したことを特徴とする。
【００３２】
上記構成によれば、記録媒体が、コンピュータに請求項４から請求項６のいずれか１項に記載の文書処理方法の各ステップを実行させるためのプログラムを記録しているので、記録媒体を、コンピュータに読み取らせることで、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出し、文書集合全体で特徴的でないが部分で特徴的な概念表現を抽出することのできる文書処理方法を実現する文書処理装置を構築することができ、利用性を向上させることができる。
【００３３】
【発明の実施の形態】
以下、本発明の好適な実施の形態を添付図面に基づいて詳細に説明する。なお、以下に述べる実施の形態は、本発明の好適な実施の形態であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。
【００３４】
図１〜図７は、本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を示す図であり、図１は、本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を適用した文書処理装置１のブロック構成図である。
【００３５】
図１において、文書処理装置１は、文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８等を備えており、文書処理プログラム及び必要なデータを記録するＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ ）等の記録媒体を、例えば、コンピュータ等に読み取らせて導入することで、構築される。
【００３６】
文書入力部（文書入力手段）２は、文書処理対象の文書集合の各文書を入力するもので、各文書に識別子（文書ＩＤ）を付与して、記憶部等に格納して管理する。
【００３７】
言語解析部（言語解析手段）３は、文書入力部２から入力された各文書集合の形態素を解析する形態素解析処理、解析対象の文書の文節間の係り受け関係を解析する係り受け解析処理等の各ステップ処理を実行し、これらの形態素解析処理、係り受け解析処理等の解析処理によって得られる言語的属性を解析単位に文書データ構造生成部４に出力する。具体的には、言語解析部３は、形態素解析処理では、文書集合の各文書に含まれる単語を解析し、係り受け解析処理では、文書に含まれる文、文節を解析して、文節間の関係として係りと受けの関係にある文節を解析する。例えば、言語解析部３は、「ソフトウェアのインストールが正常に実行できない。」という文を解析する場合、図２に示すように、形態素解析を行った後、係り受け解析を行う。なお、図２は、上記例の解析結果例を示しており、単語の区切りを「／」で表し、また、各単語の上の「自」は自立語を、「付」は付属語を表している。すなわち、図２では、「ソフトウェア」という自立語に、「の」という付属語がついた文節１が係りとして、「インストール」という自立語に、「が」という付属語がついた文節２を受けとして係っており、「正常」という自立語に、「に」という付属語がついた文節３が係りとして、「実行」という自立語に、「でき」と「ない」の２つの付属語がついた文節４を受けとして係っており、さらに、文節２が係りとして、文節４に係っていることを示している。
【００３８】
文書データ構造生成部（文書データ構造生成手段）４は、言語解析部３の解析結果に基づいて、文書集合の各文書を図３に示すようなデータ構造に変換し、各構成要素は、図４に示すような情報を保持する。文書データ構造生成部４は、例えば、図５に示すような文書あるいは文書集合に含まれる単語に対して、ユニークな識別子を付与した単語リストを生成して、単語の管理を行い、その際、品詞情報や全体における出現頻度あるいは出現文書数を算出して付加する。
【００３９】
すなわち、文書集合の各文書の変換された図３に示すデータ構造は、図４に示すようになっており、文書は、文書に含まれる文ＩＤリストを管理し、文は、自分の文ＩＤと文に含まれる文節リストを管理する。また、文節は、自分の文節ＩＤと文節に含まれる単語ＩＤリスト、係り文節ＩＤリスト、受け文節ＩＤを管理する。この単語ＩＤは、図５に示す単語リストにおけるＩＤであり、係り文節ＩＤリストは、当該文節を受けとする係り文節のＩＤである。そして、１つの受け文節に対して複数の文節が係り文節となりうるので、係り文節ＩＤリストで管理する。また、受け文節ＩＤは、当該文節が係り文節となる受け文節のＩＤであり、係り文節は、受け文節を１つしかとることができない。
【００４０】
また、文書データ構造生成部４は、文節が管理する情報として、係り受けの関係の種類、例えば、連体修飾なのか連用修飾なのか、等を保持することもでき、また、文節を結ぶ助詞の種類により関係の種類を記述することもできる。
【００４１】
さらに、文書データ構造生成部４は、文節内の付属語表現等から文書データ構造内の単語あるいは文節に対して付加的な意味を表す意味タグを付与し、概念表現指定部７、概念表現抽出部６、概念表現表示部６において、概念表現として単語だけでなく意味タグをも用いることができるようにする。この意味タグは、文節内の付属語等が特定の付加的な意味を表している場合に、その意味をタグとして文節に付加するものである。例えば、「打消」、「要望」、「可能」、「疑問」の意味タグは、文節内に以下のような単語が出現した場合に、その文節に付加し、また、１つの文節に複数の意味タグがつくこともある。
【００４２】
意図タグＩＤ１「打消」：助動詞「ない」、助動詞「ず」、助動詞「まい」、補助助動詞「にくい」、形容詞「ない」
意図タグＩＤ２「要望」：助動詞「たい」、動詞「欲しい」、接続助詞「て」＋動詞「欲しい」
意図タグＩＤ３「疑問」：終助詞「か」、終助詞「か」＋終助詞「な」、記号「？」
意図タグＩＤ４「可能」：補助動詞「できる」、助動詞「れる」、助動詞「られる」
そして、概念表現では、たとえば「（＋打消＋可能）」といった表現で意味タグを表す。意味タグは、単独でも概念表現にもなるし、「実行（＋可能＋打消）」といったように単語に付加した形でも用いることができる。
【００４３】
文書データ構造記憶部（文書データ構造記憶手段）５は、文書データ構造生成部４で生成された文書データ構造を記憶し、管理する。
【００４４】
文書分類部（文書分類手段）６は、入力された文書集合を１つ以上の文書部分集合に分類する。この文書分類には、従来から用いられている一般的な自動分類技術を利用することができるが、本実施の形態の文書処理装置１では、さまざまな大きさ（文書数）の文書部分集合に分類することのできる分類技術が望ましく、例えば、階層的な構造をもつ文書部分集合を生成する文書分類技術を利用することが好適である。
【００４５】
概念表現抽出部（概念表現抽出手段）７は、文書分類部６で生成された文書部分集合の１つ１つに対して、概念表現を抽出し、その重要度を算出して、特徴概念表現抽出部８に出力する。本実施の形態で利用する概念表現方式は、単語（自立語）と意味タグの組み合わせで表現される概念表現であり、原理的には、単語数や組み合わせ方は無限であるが、概念表現抽出部７は、ある決められた表現形式の概念表現を抽出する。また、概念表現抽出部７で抽出する概念表現の形式については、ユーザが適宜指定することができるようになっていてもよく、概念表現抽出部７は、例えば、以下の形式の概念表現を抽出する。
【００４６】
１）単語１
２）単語１⇒単語２
３）単語１⇒単語２⇒単語３
４）（＋意味タグ１）
５）単語１（＋意味タグ１）
【００４７】
特徴概念表現抽出部（特徴概念表現抽出手段）８は、概念表現抽出部７で抽出した概念表現から重要度に基づいて特定の概念表現を抽出し、以下のような条件で特徴概念表現の抽出を行う。
１）予め決められた閾値以上の重要度を持つ概念表現を抽出する。
【００４８】
２）各部分集合において抽出された概念表現の重要度の高いものから決められた数の概念表現を抽出する。
【００４９】
３）各部分集合において抽出された概念表現の重要度の高いものから決められた割合の概念表現を抽出する。
【００５０】
また、特徴概念表現抽出部８での特徴概念の抽出においては、抽出する概念表現形式に応じて、条件を変えてもよい。例えば、含まれる単語が多い概念表現形式は、重要度が小さくても特徴概念表現とすることもできる。
【００５１】
次に、本実施の形態の作用を説明する。本実施の形態の文書処理装置１は、文書集合を自動分類技術により部分集合に分類し、各部分集合において特徴的な概念を抽出する。
【００５２】
まず、本本実施の形態の基本的な考え方である概念表現について説明する。本実施の形態で取り扱う文書は、基本的には日本語の文書で表現されているものとし、概念表現を、単語（自立語）を単位として表現する。単語１つでもある概念を表し、複数の単語の関係によってもある概念を表す。例えば、以下のような概念表現を用いる。
【００５３】
１）検索
２）情報⇒検索
３）情報⇒検索⇒サービス
４）ソフトウェア⇒インストール（＋可能＋打消）
なお、「⇒」は、単語間に強い意味的関係があることを示しており、ここでいう強い意味的関係とは、同じ文節内に出現する単語（自立語）、または、係り受け関係にある文節対に出現する単語（自立語）を意味する。例えば、「情報⇒検索」は、以下に示すように、「情報」と「検索」が同じ文節内に出現するか、「情報」と「検索」が係り受け関係にある文節対に出現することを表している。
【００５４】
文節 ：「情報検索が」
係り受け文節対：「情報の」→「検索が」
また、「⇒」の方向は、単語の出現順序を表しており、出現順序が逆の場合、意味が異なってしまうこともあるため、語順は重要である。
【００５５】
そして、概念表現では、単語（自立語）をいくつでもつなげて表現することができる。例えば、上記例の３）では、３つの単語をつないでいるが、この場合、この３つの単語が「情報」「検索」「サービス」の語順で連続して強い関係で現れていることを意味している。したがって、以下に示すＡからＤは、上記例の３）の概念表現に適合するが、Ｅ、Ｆは、適合しない。
【００５６】
Ａ：「情報の検索サービス」
Ｂ：「情報を検索するサービス」
Ｃ：「情報検索のサービス」
Ｄ：「情報検索サービス」
Ｅ：「情報検索を自動的に行うサービス」
Ｆ：「検索情報のサービス」
上記例４）では、意味タグを付加した例を示しており、意味タグは、文節内の付属語等の表現が特定の付加的な意味を表している場合に、その意味をタグとして利用するものである。例えば、「打消」「要望」「可能」「疑問」の意味タグは、文節内に以下のような単語が出現した場合にその文節に付加する。また、意味タグは、１つの文節に複数つくこともある。
【００５７】
打消：助動詞「ない」、助動詞「ず」、助動詞「まい」、補助助動詞「にくい」、形容詞「ない」
要望：助動詞「たい」、動詞「欲しい」、接続助詞「て」＋動詞「欲しい」
疑問：終助詞「か」、終助詞「か」＋終助詞「な」、記号「？」
可能：補助動詞「できる」、助動詞「れる」、助動詞「られる」
そして、概念表現では、例えば、「（＋打消＋可能）」といった表現で意味タグを表し、意味タグは、単独でも概念表現にもなるし、「実行（＋可能＋打消）」といったように、単語に付加した形でも用いることができる。例えば、「実行できない」という文節は、「実行／できる／ない」と分かれるため、この文節には、「（＋可能＋打消）」という意味タグが付加される。また、「実行（＋可能＋打消）」という概念表現では、単語「実行」が意味タグ「打消」と「可能」が付加されている文節であることを意味している。
【００５８】
このような概念表現を用いることで、ユーザは任意の数の単語（自立語）と意味タグの組み合わせにより、目的に沿った概念表現を表現することができる。
【００５９】
そして、文書処理装置１は、概念表現抽出部７での概念表現の抽出処理を、図６に示すように行う。
【００６０】
概念表現抽出部７は、まず、文書部分集合ＩＤ：ｐ＝１内の文書：ｄ＝１の文書データ構造内の文ＩＤ：ｓ＝１内の文節ＩＤ：ｋ＝１の文節からスタートし（ステップＳ１０１）、各概念表現形式の抽出を行って、抽出結果を、図７に示すように、抽出結果リストに登録する。その際、抽出した概念表現の出現回数も算出する。なお、以下の説明で、抽出する単語とは、自立語である。
【００６１】
まず、概念表現抽出部７は、「単語」の抽出を行う（ステップＳ１０２）。この際の「単語」の抽出では、文節ｋに含まれる単語を抽出し、「単語」として、抽出結果リストに登録する。
【００６２】
次に、概念表現抽出部７は、「単語⇒単語」の抽出を行う（ステップＳ１０３）。この際の「単語⇒単語」の抽出では、文節ｋから連続して出現する２単語を抽出し、「単語１⇒単語２」として抽出結果リストに登録する。また、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋに含まれる単語１と文節ｋ’に含まれる単語２の組み合わせを「単語１⇒単語２」として抽出結果リストに登録する。
【００６３】
次に、概念表現抽出部７は、「単語⇒単語⇒単語」の抽出を行う（ステップＳ１０４）。この際、文節ｋから連続して出現する単語１、単語２、単語３を抽出し、「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。また、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋ’が係り文節となる受け文節ｋ’’を抽出し、文節ｋに含まれる単語１と文節ｋ’に含まれる単語２と文節ｋ’に含まれる単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。さらに、文節ｋから連続して出現する単語１、単語２を抽出し、文節ｋが係り文節となる受け文節ｋ’を抽出し、単語１、単語２と文節ｋ’に含まれる単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。また、文節ｋから単語１を抽出し、文節ｋが係り文節となる受け文節ｋ’を抽出し、文節ｋ’から連続して出現する単語２、単語３を抽出し、単語１と文節ｋ’に含まれる単語２、単語３の組み合わせを「単語１⇒単語２⇒単語３」として抽出結果リストに登録する。
【００６４】
次に、概念表現抽出部７は、「（＋意図タグ）」の抽出を行う（ステップＳ１０５）。この際、文節ｋに含まれる意図タグ１を抽出し、「（＋意図タグ１）」として抽出結果リストに登録する。
【００６５】
次に、概念表現抽出部７は、「単語（＋意図タグ）」の抽出を行う（ステップＳ１０６）。この際、文節ｋに含まれる単語１と意図タグ１を抽出し、「単語１（＋意図タグ１）」として抽出結果リストに登録する。
【００６６】
次に、概念表現抽出部７は、文節ｋが文ｓ内の最後の文節であるかチェックし（ステップＳ１０７）、文節ｋが文ｓ内の最後の文節でないときには、文節ＩＤ：ｋを「１」だけインクリメント（ｋ＝ｋ＋１）して、次の文節に移り、ステップＳ１０２に戻って、上記同様に概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０７）。
【００６７】
ステップＳ１０７で、文節ｋが文ｓ内の最後の文節であると、概念表現抽出部７は、文ｓが文書ｄ内の最後の文であるかチェックし（ステップＳ１０８）、文ｓが文書ｄ内の最後の文でないときには、文ＩＤ：ｓを「１」だけインクリメント（ｓ＝ｓ＋１）して、ステップＳ１０２に戻って、次の文について、上記同様に、当該文の文節に対して概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０８）。
【００６８】
ステップＳ１０８で、文ｓが文書ｄ内の最後の文であるときには、概念表現抽出部７は、文書ｄが部分集合ｐ内の最後の文書であるかチェックし（ステップＳ１０９）、文書ｄが部分集合ｐ内の最後の文書でないときには、文書ｄを「１」だけインクリメント（ｄ＝ｄ＋１）して、ステップＳ１０２に戻って、次の文書について、上記同様に、当該文書の当該文の文節に対して、概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１０９）。
【００６９】
ステップＳ１０９で、文書ｄが部分集合ｐ内の最後の文書であると、概念表現抽出部７は、部分集合ｐが最後の部分集合であるかチェックし（ステップＳ１１０）、文書ｄが部分集合ｐ内の最後の文書でないときには、文書部分集合ＩＤ：ｐを「１」だけインクリメント（ｐ＝ｐ＋１）して、ステップＳ１０２に戻って、次の文書部分集合について、上記同様に、当該部分集合の当該文書の当該文の文節に対して、概念表現抽出処理を行う（ステップＳ１０２〜Ｓ１１０）。
【００７０】
ステップＳ１１０で、部分集合ｐが最後の部分集合であると、概念表現抽出部７は、文書部分集合に対して、概念表現の抽出処理を全て終了したと判断して、概念表現抽出処理を終了する。
【００７１】
次に、概念表現抽出部７は、文書分類部６で生成された文書部分集合の１つ１つに対して、抽出した概念表現の重要度を算出して、特徴概念表現抽出部８に出力する。概念表現抽出部７は、各概念表現の重要度を、例えば、以下のような式で算出する。
【００７２】
概念表現重要度＝概念表現出現回数／部分集合文書数
そして、特徴概念表現抽出部８が、概念表現抽出部７の抽出した概念表現から重要度に基づいて特定の概念表現を抽出し、以下のような条件で特徴概念表現として抽出を行う。
【００７３】
１）予め決められた閾値以上の重要度を持つ概念表現を抽出する。
【００７４】
２）各部分集合において抽出された概念表現の重要度の高いものから決められた数の概念表現を抽出する。
【００７５】
３）各部分集合において抽出された概念表現の重要度の高いものから決められた割合の概念表現を抽出する。
【００７６】
また、特徴概念表現抽出部８での特徴概念の抽出においては、抽出する概念表現形式に応じて、条件を変えてもよい。例えば、含まれる単語が多い概念表現形式は、重要度が小さくても特徴概念表現とすることもできる。
【００７７】
このように、本実施の形態の文書処理装置１は、文書入力部２から入力される複数の文書からなる文書集合の各文書に対して、言語解析部３で、形態素解析、係り受け解析を行い、文書データ構造生成部４で、文書集合の各文書を当該言語解析部３での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶部５に記憶し、文書分類部６で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出部７で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出部８で、特定の概念表現を抽出している。
【００７８】
したがって、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。
【００７９】
また、本実施の形態の文書処理装置１は、文書データ構造生成部４で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いている。
【００８０】
したがって、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【００８１】
図８〜図１４は、本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を示す図であり、図８は、本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を適用した文書処理装置１０のブロック構成図である。
【００８２】
なお、本実施の形態は、上記第１の実施の形態の文書処理装置１と同様の文書処理装置に適用したものであり、本実施の形態の説明においては、上記第１の実施の形態の文書処理装置と同様の構成部分については、同一の符号を付して、その詳細な説明を省略する。
【００８３】
図８において、文書処理装置１０は、上記第１の実施の形態の文書処理装置１と同様の文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８等を備えているとともに、特徴概念表現表示部１１と概念表現指定部１２を備えており、文書処理プログラム及び必要なデータを記録するＣＤ−ＲＯＭ等の記録媒体を、例えば、コンピュータ等に読み取らせて導入することで、構築される。
【００８４】
文書入力部２、言語解析部３、文書データ構造生成部４、文書データ構造記憶部５、文書分類部６、概念表現抽出部７及び特徴概念表現抽出部８は、上記第１の実施の形態と同様であるため、その説明を省略する。
【００８５】
特徴概念表現表示部（概念表現表示手段）１１は、ＣＲＴ（陰極線管：Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等であり、図９〜図１４に示すように、特徴概念表現抽出部８の抽出した特徴概念表現を表示し、また、概念表現指定部１２での概念表現の指定画面（概念ブラウザ）等の文書処理装置１が文書処理するのに必要な各種データを表示する。
【００８６】
この特徴概念表現表示部１１は、図９〜図１４に示すように、概念表現形式毎に分けて特徴概念表現を表示し、また、各項目による並べ換えを行って表示し、さらに、単語検索機能として、ユーザが指定した表記を含む特徴概念表現だけを表示する。また、特徴概念表現表示部１１は、ユーザが部分集合の文書数の範囲を指定（例えば、０以上５０以下）すると、指定された文書数に適合する部分集合から抽出された特徴概念表現だけを表示させる。また、特徴概念表現表示部１１は、特徴概念表現抽出部８での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する。
【００８７】
概念表現指定部（概念表現指定手段）１２は、例えば、文字・記号等の入力部及びマウス等のポインティングディバイス等を備え、ユーザが概念表現を指定するものである。概念表現指定部１２での概念表現の指定方法としては、例えば、例えば、入力ダイアログを特徴概念表現表示部１１に表示してユーザが直接概念表現を記入する直接記入方法、図９〜図１４に示したように、特徴概念表現表示部１１に表示される概念表示画面（概念ブラウザ）の特徴概念表現の中からマウス等のポインティングディバイスで指定する特徴概念表現を選択する選択方法等を用いることができる。図９〜図１４に示した画面での選択方法においては、図９では、最初の状態として、選択可能な全種類の特徴概念表現を表示しており、図１０では、ユーザが指定したい特徴概念表現を「単語」で選択する画面表示を示している。また、図１１では、ユーザが指定したい特徴概念表現を、「単語⇒単語」、で選択する画面表示を示しており、図１２では、ユーザが指定したい特徴概念表現を、［単語⇒単語⇒単語］、で選択する画面表示を示している。また、図１３では、ユーザが指定したい特徴概念表現を、「（＋意味タグ）」、で選択する画面表示を示しており、図１４では、ユーザが指定したい特徴概念表現を、「単語（＋意味タグ）」、で選択する画面表示を示している。
【００８８】
そして、本実施の形態の文書処理装置１０では、特徴概念表現表示部１１が特徴概念表現抽出部８の抽出した特徴概念表現を特徴概念表現表示部１１に表示し、この特徴概念表現表示部１１の特徴概念表現の表示からユーザが概念表現指定部１２で指定すると、文書分類部６が当該指定された概念表現を含む文書を文書データ構造に基づいて検索して文書部分集合を生成する。
【００８９】
この生成された文書部分集合について、概念表現抽出部７が、概念表現を抽出して、その抽出した概念表現の重要度を算出し、特徴概念表現抽出部８が、当該重要度に基づいて特定の概念表現を抽出し、特徴概念の抽出を行って、再度、特徴概念表現表示部１１に表示する処理を順次繰り返し行う。
【００９０】
このように、本実施の形態の文書処理装置１０は、特徴概念表現抽出部８での特徴概念表現抽出結果を特徴概念表現表示部１１に表示している。
【００９１】
したがって、ユーザが文書集合に含まれる特徴的な概念を閲覧することができ、より一層利用性を向上させることができる。
【００９２】
また、本実施の形態の文書処理装置１０は、特徴概念表現抽出部８での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに特徴概念表現表示部１１で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定部１２で、概念表現の選択指定を行っている。
【００９３】
したがって、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００９４】
さらに、本実施の形態の文書処理装置１０は、概念表現指定部１２で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出している。
【００９５】
したがって、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００９６】
以上、本発明者によってなされた発明を好適な実施の形態に基づき具体的に説明したが、本発明は上記のものに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。
【００９７】
【発明の効果】
請求項１記載の発明の文書処理装置によれば、文書入力手段から入力される複数の文書からなる文書集合の各文書に対して、言語解析手段で、形態素解析、係り受け解析を行い、文書データ構造生成手段で、文書集合の各文書を当該言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換して、文書データ構造記憶手段に記憶し、文書分類手段で、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出手段で、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、当該重要度に基づいて、特徴概念表現抽出手段で、特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。さらに、特徴概念表現抽出手段での特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに概念表現表示手段で表示し、当該表示される概念表現抽出に用いた文書部分集合の文書数に基づいて、概念表現指定手段で、概念表現の選択指定を行うので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【００９８】
請求項２記載の発明の文書処理装置によれば、概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を生成して、当該生成した文書部分集合から特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【００９９】
請求項３記載の発明の文書処理装置によれば、文書データ構造生成手段で、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【０１００】
請求項４記載の発明の文書処理方法によれば、コンピュータにおいて、文書入力処理ステップで入力された複数文書からなる文書集合の各文書に対して、言語解析処理ステップで、形態素解析、係り受け解析を行い、当該言語解析処理ステップでの言語解析結果に基づいて、文書集合の各文書を、文書データ構造生成処理ステップで、言語情報を保持する文書データ構造に変換して、当該文書データ構造を文書データ構造記憶処理ステップで記憶し、文書分類処理ステップで、文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類し、概念表現抽出処理ステップで、当該文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出し、特徴概念表現抽出処理ステップで、当該重要度に基づいて特定の概念表現を抽出するので、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出することができ、文書集合全体で特徴的でない概念表現を抽出して、利用性を向上させることができる。さらに、特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、当該特徴概念表現表示処理ステップで表示される概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップと、をさらに実行するので、ユーザが必要なレベルの部分の大きさ（全体的か局所的か）での特徴的な概念を閲覧して、当該特徴に基づいて概念表現の選択を行うことができ、より一層表現力のある概念表現を抽出して、より一層利用性を向上させることができる。
【０１０１】
請求項５記載の発明の文書処理方法によれば、文書分類処理ステップでは、概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、概念表現抽出処理ステップでは、該生成された文書部分集合から意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出するので、ユーザが指定した概念表現を含む部分集合を生成して、その部分において特徴的な概念を抽出し、この処理を繰り返し行うことで、ユーザが自由に任意の部分における特徴的な概念を抽出することができ、より一層利用性を向上させることができる。
【０１０２】
請求項６記載の発明の文書処理方法によれば、文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いるので、より表現力のある概念表現を抽出することができ、より一層利用性を向上させることができる。
【０１０３】
請求項７記載の発明の記録媒体によれば、コンピュータに請求項４から請求項６のいずれかに記載の文書処理方法の各ステップを実行させるためのプログラムを記録しているので、記録媒体を、コンピュータに読み取らせることで、複数の文書からなる文書集合から部分において特徴的な概念を表現力にとらわれずに抽出し、文書集合全体で特徴的でないが部分で特徴的な概念表現を抽出することのできる文書処理方法を実現する文書処理装置を構築することができ、利用性を向上させることができる。
【図面の簡単な説明】
【図１】本発明の文書処理装置、文書処理方法及び記録媒体の第１の実施の形態を適用した文書処理装置の要部ブロック構成図。
【図２】図１の言語解析部での言語解析の一例を示す図。
【図３】図１の文書データ構造生成部による文書集合の各文書のデータ構造への変換の一例を示す図。
【図４】図３の各データ構造の各構成要素の情報の一例を示す図。
【図５】図１の文書データ構造生成部により生成される文書あるいは文書集合に含まれる単語リストに対して付与するＩＤ、品詞、出現頻度、出現文書数及び同義語代表表記の一例を示す図。
【図６】図１の文書処理装置による概念抽出処理を示すフローチャート。
【図７】図１の概念表現抽出部による概念表現抽出結果リストの一例を示す図。
【図８】本発明の文書処理装置、文書処理方法及び記録媒体の第２の実施の形態を適用した文書処理装置の要部ブロック構成図。
【図９】図１の特徴概念表現抽出部で抽出された特徴概念表現を全種類についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１０】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１１】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語⇒単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１２】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語⇒単語⇒単語についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１３】図１の特徴概念表現抽出部で抽出された特徴概念表現を（＋意味タグ）についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【図１４】図１の特徴概念表現抽出部で抽出された特徴概念表現を単語（＋意味タグ）についてユーザが選択指定して絞り込みを行う場合の特徴概念表現表示部に表示される画面の一例を示す図。
【符号の説明】
１ 文書処理装置
２ 文書入力部
３ 言語解析部
４ 文書データ構造生成部
５ 文書データ構造記憶部
６ 文書分類部
７ 概念表現抽出部
８ 特徴概念表現抽出部
１０ 文書処理装置
１１ 特徴概念表現表示部
１２ 概念表現指定部
Claims (7)
- 複数の文書からなる文書集合を入力する文書入力手段と、
前記文書入力手段から入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析手段と、
前記文書集合の各文書を前記言語解析手段での言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成手段と、
前記文書データ構造生成手段で生成された文書データ構造を記憶する文書データ構造記憶手段と、
前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類手段と、
前記文書分類手段で生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出手段と、
前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出手段と、
前記特徴概念表現抽出手段での特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示手段と、
前記当該特徴概念表現表示手段に表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定手段と、
を備えていることを特徴とする文書処理装置。 - 前記概念表現指定手段で指定された概念表現を含む文書からなる文書部分集合を前記文書分類手段で生成し、前記概念表現抽出手段で、当該生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出し、前記特徴概念表現抽出手段で、当該重要度に基づいて特定の概念表現を抽出することを特徴とする請求項１記載の文書処理装置。
- 前記文書データ構造生成手段は、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする請求項１または２記載の文書処理装置。
- コンピュータが、複数の文書からなる文書集合から当該文書集合の概念表現を抽出する文書処理方法であって、
複数の文書からなる文書集合を入力する文書入力処理ステップと、
前記当該入力された文書集合の各文書に対して形態素解析、係り受け解析を行う言語解析処理ステップと、
前記文書集合の各文書を前記言語解析処理ステップでの言語解析結果に基づいて言語情報を保持する文書データ構造に変換する文書データ構造生成処理ステップと、
前記文書データ構造生成処理ステップで生成された文書データ構造を記憶する文書データ構造記憶処理ステップと、
前記文書集合を文書の内容に応じて自動的に１つ以上の文書部分集合に分類する文書分類処理ステップと、
前記文書分類処理ステップで生成された文書部分集合から単語または文節内単語関係及び係り受け文節対間単語関係に基づいて意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念表現の重要度を算出する概念表現抽出処理ステップと、
前記重要度に基づいて特定の概念表現を抽出する特徴概念表現抽出処理ステップと、
前記前記特徴概念表現抽出処理ステップでの特徴概念表現抽出結果を前記概念表現抽出に用いた文書部分集合の文書数とともに表示する概念表現表示処理ステップと、
前記特徴概念表現表示処理ステップで表示される前記概念表現抽出に用いた文書部分集合の文書数に基づいて前記概念表現の選択指定を行う概念表現指定処理ステップと、
を実行することを特徴とする文書処理方法。 - 前記文書分類処理ステップでは、前記概念表現指定処理ステップで指定された概念表現を含む文書からなる文書部分集合を生成し、
前記概念表現抽出処理ステップでは、前記生成された文書部分集合から前記意味的に強い関係にある単語関係で表現される概念を抽出して当該抽出した概念の重要度を算出して、当該重要度に基づいて特定の概念表現を抽出することを特徴とする請求項４記載の文書処理方法。 - 前記文書データ構造生成処理ステップで、文節内の付属語表現等から文書データ構造内の単語または文節に対して特定の付加的な意味を表す意味タグを付与し、前記概念表現として、単語及び単語間関係だけでなく当該意味タグをも用いることを特徴とする請求項４または５記載の文書処理方法。
- コンピュータに請求項４から請求項６のいずれか１項に記載の文書処理方法の各ステップを実行させるためのプログラムを記録したことを特徴とする記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002259918A JP4248828B2 (ja) | 2002-09-05 | 2002-09-05 | 文書処理装置、文書処理方法及び記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002259918A JP4248828B2 (ja) | 2002-09-05 | 2002-09-05 | 文書処理装置、文書処理方法及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004102397A JP2004102397A (ja) | 2004-04-02 |
| JP4248828B2 true JP4248828B2 (ja) | 2009-04-02 |
Family
ID=32260781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002259918A Expired - Fee Related JP4248828B2 (ja) | 2002-09-05 | 2002-09-05 | 文書処理装置、文書処理方法及び記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4248828B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7849090B2 (en) * | 2005-03-30 | 2010-12-07 | Primal Fusion Inc. | System, method and computer program for faceted classification synthesis |
-
2002
- 2002-09-05 JP JP2002259918A patent/JP4248828B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004102397A (ja) | 2004-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | A systematic review of text stemming techniques | |
| US6411924B1 (en) | System and method for linguistic filter and interactive display | |
| JP3577819B2 (ja) | 情報探索装置及び情報探索方法 | |
| US6442540B2 (en) | Information retrieval apparatus and information retrieval method | |
| JP3266586B2 (ja) | データ分析システム | |
| US10552467B2 (en) | System and method for language sensitive contextual searching | |
| JP5321583B2 (ja) | 共起辞書生成システム、スコアリングシステム、共起辞書生成方法、スコアリング方法及びプログラム | |
| US20060080361A1 (en) | Document information processing apparatus, document information processing method, and document information processing program | |
| JP4361299B2 (ja) | 評価表現抽出装置、プログラム、及び記憶媒体 | |
| JPH11272680A (ja) | 文書データ提供装置およびそのプログラム記録媒体 | |
| JP4378106B2 (ja) | 文書検索装置、文書検索方法及びプログラム | |
| JP4248828B2 (ja) | 文書処理装置、文書処理方法及び記録媒体 | |
| JP2004246491A (ja) | テキストマイニング装置及びテキストマイニングプログラム | |
| JP2000194721A (ja) | 文書群分類装置および文書群分類方法 | |
| JPH06231178A (ja) | 文書検索装置 | |
| JP4585768B2 (ja) | 文書処理装置、文書処理方法および文書処理プログラム | |
| 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 | |
| JP4046221B2 (ja) | 文書処理装置 | |
| JPH11102372A (ja) | 文書要約装置及びコンピュータ読み取り可能な記録媒体 | |
| JP5259462B2 (ja) | 検索を支援する装置、方法およびプログラム | |
| JP2003271616A (ja) | 文書分類装置、文書分類方法及び記録媒体 | |
| 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 | |
| JP3879329B2 (ja) | 文書要約装置、文書要約方法及び記録媒体 | |
| JP2006039811A (ja) | ドキュメント管理プログラム、ドキュメント管理方法、及びドキュメント管理装置 | |
| JP2003263458A (ja) | テキスト分析方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050607 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20050609 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20050609 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080724 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080806 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081001 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081027 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081203 |
|
| 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: 20090107 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090114 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120123 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120123 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130123 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140123 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |