JP4791169B2 - 関連語抽出装置、関連語抽出方法 - Google Patents

Description

本発明は、関連語を抽出する関連語抽出装置及び、その方法に関する。特に、多くのドキュメントに頻繁に含まれる語彙を関連語として抽出する装置、方法に関する。

従来より、関連語を抽出する方法として、例えば、所定の文章に対して形態素解析等の言語解析を行って関連語を抽出する関連語検索が知られている。特許文献１では、所定のキーワードに関するテーマに対する詳しさ、興味の強さを反映したユーザの信頼度を考慮して、所定のテーマに関連する単語を抽出することができる抽出装置が記載されている。
特開平１１−０５３３７５号公報

しかしながら、上記特許文献１では、以下で説明するように、実際に通信回線網を介して接続された複数のサーバが提供する情報間での関連語の抽出に関する装置、方法についてまで考慮されていない。

一般に、インターネットを介してＷｅｂドキュメントによる情報を提供する際に、ユーザが検索等のために入力した語彙に基づいて、この語彙に関連したＷｅｂドキュメントあるいは、Ｗｅｂドキュメントへのリンクをユーザの端末に表示することが行われている。

すなわち、ユーザが入力した検索キーワードの検索結果に、この検索キーワードに関連した広告情報を表示することで、効果的な宣伝が行われている。このような態様において、ユーザに対して広告効果を向上させるためには、ユーザから入力される検索キーワードの種類に応じて、どのような広告内容を検索結果とともに表示させるかが課題となる。

例えば、生命保険会社が広告を表示する際に、ユーザが入力した語彙が、「保険」であれば、この生命保険会社の広告を表示することが妥当であると考えられるが、「保証人」と入力した場合に、生命保険会社の広告を表示するのが妥当であるかを判断することが困難である。そこで、「保険」と「保証人」が、当該生命保険会社にとって関連した語であるか判断できる指標があれば望ましい。

一方、このような生命保険会社等の企業は、自社の広告、宣伝のためにＷｅｂサーバを立ち上げて、Ｗｅｂドキュメントを顧客に提供する。このように、Ｗｅｂサーバを立ち上げたＷｅｂドキュメント提供者が、特定の業種・業界においてよく使われる語彙、専門用語、製品情報等の業界知識を整理、解析するためには、自社以外の競争相手やこの業界に関連した組織、団体等が提供するＷｅｂドキュメントから情報収集することが望まれる。

本発明者らは、Ｗｅｂドキュメント提供者にとって、通信回線網を介して接続された記憶装置に記憶された情報どうしで関連した語彙が抽出できる装置、方法が提供されることが望ましいことに着目した。

本発明の目的は、Ｗｅｂドキュメントの提供者が特定の業種・業界においてよく使われる語彙を解析するために、通信回線を介して接続された記憶装置に記憶された広告、宣伝に関する情報の関連語（業界知識）を抽出し、記憶することで、Ｗｅｂドキュメントの提供者が業界知識を収集、整理することが可能な装置、方法を提供することを目的とする。

（１） Ｗｅｂドキュメントの提供者が特定の業種・業界においてよく使われる語彙を解析するために、複数の広告語彙データから互いに関連した広告語彙データを関連づける関連語抽出装置（例えば、後述の関連語抽出装置５００）であって、
通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信する受信部（例えば、後述の通信部５１０）と、
前記受信部が受信したＷｅｂドキュメントを記憶するＷｅｂドキュメント記憶部（例えば、後述のＷｅｂドキュメント記憶部５３０）と、
抽出する広告語彙データに関連する第１広告語彙データの入力を受け付ける入力部（例えば、後述の入力部５５０）と、
前記入力部を介して入力された第１広告語彙データが含まれているＷｅｂドキュメントを、前記Ｗｅｂドキュメント記憶部から抽出するＷｅｂドキュメント抽出部（例えば、後述の抽出部５２５）と、
前記Ｗｅｂドキュメント抽出部により抽出されたＷｅｂドキュメント中に共通して含まれる第２広告語彙データを抽出する抽出部（例えば、後述の抽出部５２５）と、
前記抽出部により抽出された前記第２広告語彙データを、前記第１広告語彙データと関連づけたドメインを生成するドメイン生成部（例えば、ドメイン生成部５２７）と、
前記ドメイン生成部により生成された前記ドメインを記憶するドメイン記憶部（例えば、ドメイン記憶部５４０）と、
を備える関連語抽出装置。

（１）に記載の発明によれば、関連語抽出装置は、通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信し、受信したＷｅｂドキュメントを記憶しておき、抽出する広告語彙データに関連する第１広告語彙データの入力を受け付けて、この第１広告語彙データが含まれているＷｅｂドキュメントを抽出し、抽出したＷｅｂドキュメント中に共通して含まれる第２広告語彙データを抽出し、抽出された第２広告語彙データを、第１広告語彙データと関連づけたドメインを生成し、生成されたドメインを記憶する。
よって、ユーザが入力した第１広告語彙データが含まれるＷｅｂドキュメントから、第２広告語彙データを抽出して、第１広告語彙データと第２広告語彙データとを関連づけたデータであるドメインを生成することが可能である。
したがって、関連語抽出装置によれば、入力された任意の第１広告語彙データに基づいて、通信回線を介して接続された記憶装置に記憶された広告、宣伝に関する情報（Ｗｅｂドキュメント）の関連語を第２広告語彙データとして抽出し、第１広告語彙データと第２広告語彙データとを関連づけたデータを生成することが可能である。

（２） 前記ドメイン生成部は、前記第１広告語彙データとは異なる他の第１広告語彙データ、及び当該他の第１広告語彙データから抽出された第２広告語彙データから生成されたドメインと、前記ドメイン記憶部に、既に記憶されているドメインとを関連づける、（１）に記載の関連語抽出装置。

（２）に記載の発明によれば、関連語抽出装置は、第１広告語彙データとは異なる他の第１広告語彙データ、及び他の第１広告語彙データから抽出された第２広告語彙データから生成されたドメインと、既に記憶されているドメインとを関連づける。
よって、第１広告語彙データから第２広告語彙データを抽出し、これにより生成されたドメインと新しく生成されたドメインとを関連づけることで、ドメイン間での関連性を示すデータを生成することが可能である。

（３） 前記抽出部は、前記Ｗｅｂドキュメント抽出部により抽出されたＷｅｂドキュメント中に共通して含まれる第２広告語彙データを抽出する際に、頻出度が高い第２広告語彙データを優先的に抽出する（１）または（２）に記載の関連語抽出装置。

（３）に記載の発明によれば、関連語抽出装置はＷｅｂドキュメント中に共通して含まれる第２広告語彙データを抽出する際に、頻出度が高い第２広告語彙データを優先的に抽出する。
よって、Ｗｅｂドキュメントに含まれる語彙のうち、頻出度に基づいて第２広告語彙データを抽出するため、関連語の関連度として適切な第２広告語彙データを抽出することが可能である。

（４） Ｗｅｂドキュメントの提供者が特定の業種・業界においてよく使われる語彙を解析するために、複数の広告語彙データから互いに関連した広告語彙データを関連づける関連語抽出方法であって、
通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信するステップと、
前記受信するステップにて受信したＷｅｂドキュメントを記憶するステップと、
抽出する広告語彙データに関連する第１広告語彙データの入力を受け付ける入力ステップと、
前記入力ステップにて入力された第１広告語彙データが含まれているＷｅｂドキュメントを、抽出する抽出ステップと、
前記Ｗｅｂドキュメント抽出部により抽出されたＷｅｂドキュメント中に共通して含まれる第２広告語彙データを抽出する第２広告語彙データ抽出ステップと、
前記第２広告語彙データ抽出ステップにより抽出された前記第２広告語彙データを、前記第１広告語彙データと関連づけたドメインを生成するドメイン生成ステップと、
前記ドメイン生成ステップにより生成された前記ドメインを記憶するドメイン記憶ステップと、
を備える関連語抽出方法。

（５） 前記ドメイン生成ステップは、前記第１広告語彙データとは異なる他の第１広告語彙データ、及び当該他の第１広告語彙データから抽出された第２広告語彙データから生成されたドメインと、前記ドメイン記憶ステップにて、既に記憶されているドメインとを関連づける、（４）に記載の関連語抽出方法。

本発明によれば、通信回線を介して接続された記憶装置に記憶された広告、宣伝等の特定の業種・業界においてよく使われる語彙を抽出し記憶することで、この記憶された情報をＷｅｂドキュメントの提供者が業界知識の解析のために使用することが可能となる。

以下、本発明の実施形態について、図面に基づいて説明する。
図１は、本発明の好適な実施形態である関連語抽出システム１の構成図である。関連語抽出システム１は、関連語抽出装置５００と、Ｗｅｂサーバ１００ａ〜ｃとから構成される。関連語抽出装置５００と、Ｗｅｂサーバ１００ａ〜ｃとは、通信回線ネットワーク３０を介して通信可能に接続される。

関連語抽出装置５００は、関連語を抽出する情報処理装置であり、ＣＰＵ（Central Processing Unit）、及びメモリを備えるコンピュータであってよい。関連語抽出装置５００は、通信回線ネットワーク３０に接続して通信を実現する通信部５１０と、情報、データを制御する制御部５２０と、Ｗｅｂドキュメントが記憶されるＷｅｂドキュメント記憶部５３０と、生成したドメインが記憶されるドメイン記憶部５４０と、ユーザからの入力を受け付ける入力部５５０と、情報、データを出力する出力部５６０とから構成される。

制御部５２０は、関連語抽出装置５００が処理する情報、データを制御し、例えば、ＣＰＵであってよい。制御部５２０は、Ｗｅｂドキュメント、第２広告語彙データの抽出を行う抽出部５２５と、後述するドメインを生成するドメイン生成部５２７とを備える。制御部５２０は、後述するメイン処理（図２のフローチャート）、ドメイン関連づけ処理（図８のフローチャート）を実行する。

Ｗｅｂドキュメント記憶部５３０は、通信部５１０を介して、各Ｗｅｂサーバ１００ａ〜ｃから受信したＷｅｂドキュメントが制御部５２０により記憶される装置である。ここで、Ｗｅｂドキュメントとは、通信回線を介して閲覧可能な文章、画像が記載された電子データであり、Ｗｅｂページであってよい。ここで、Ｗｅｂドキュメントは、広告語彙データを含む電子データであってよく、企業の宣伝、広告に関する情報、すなわち、特定の業種・業界においてよく使われる語彙、専門用語、製品情報、業界知識が含まれてよい。広告語彙データとは、企業の宣伝、広告に関する語彙情報に関するデータである。

なお、Ｗｅｂドキュメント記憶部５３０は、関連語抽出装置５００が備えていない態様であってもよい。すなわち、Ｗｅｂドキュメント記憶部５３０が、通信回線ネットワーク３０に接続されたサーバ、コンピュータ等の装置に備えられ、関連語抽出装置５００が、適宜、Ｗｅｂドキュメント及びＷｅｂドキュメントに関するデータを、通信部５１０を介してＷｅｂドキュメント記憶部５３０から読み出す態様であってよい。

ドメイン記憶部５４０は、ドメイン生成部５２７が生成したドメインが制御部１００により記憶される装置である。ここで、ドメインとは、図６、図７にて後述するように、複数の広告語彙データが関連づけられたデータである。

入力部５５０は、ユーザからの入力を受け付ける装置であり、例えば、キーボード、マウスであってよい。出力部５６０は、情報、データを出力する装置であり、例えば、モニタ、液晶ディスプレイ、プリンタ等の出力機器であってよい。

Ｗｅｂサーバ１００ａ〜ｃは、Ｗｅｂブラウザで閲覧するコンテンツを提供するコンピュータであり、Ｗｅｂドキュメントを記憶し、Ｗｅｂドキュメントの閲覧要求に応じて、Ｗｅｂドキュメントを要求されたコンピュータに送信するサーバである。すなわち、Ｗｅｂサーバ１００ａ〜ｃは、関連語抽出装置５００にＷｅｂドキュメントを送信する。

ユーザ端末２００は、関連語抽出装置５００を遠隔から操作するためのコンピュータである。ユーザ端末２００は、情報、データが入力される入力部２５０と、通信回線ネットワーク３０に接続されて通信を実現する通信部２１０と、情報、データを制御する制御部２２０と、情報、データが出力される出力部２６０と、を備える。ユーザが関連語抽出装置５００の入力部５５０を介して、情報、データを入力させる代わりに、ユーザ端末２００の入力部２５０から、情報、データが入力される。

次に、関連語抽出装置５００の制御部５２０が実行するメイン処理について、図２に基づいて説明する。制御部５２０は、入力部５５０を介して、あるいは、ユーザ端末２００の入力部２５０を介して、第１広告語彙データ（抽出キーワード）の入力を受け付ける（ステップＳ０１）。第１広告語彙データ（抽出キーワード）は、関連語として抽出される語彙の基になる広告語彙データである。

次に、抽出部５２５が、Ｗｅｂドキュメント記憶部５３０から第１広告語彙データを含むＷｅｂドキュメントの抽出を行う（ステップＳ０２）。

ここで、ステップＳ０２にて、抽出部５２５が、Ｗｅｂドキュメント記憶部５３０から第１広告語彙データを含むＷｅｂドキュメントの抽出を行う態様について説明したが、Ｗｅｂドキュメント記憶部５３０に、Ｗｅｂドキュメントの要約データ、リード文情報、インデックス情報等の、Ｗｅｂドキュメントを特徴付けるキーワードを含んだＷｅｂドキュメントの一部のデータが記憶されていてもよく、抽出部５２５が、記憶されたこの一部のデータに対して、第１広告語彙データが含まれているデータを抽出する態様であってもよい。

上記いずれかの態様であっても、Ｗｅｂドキュメント記憶部５３０には、メイン処理フローが実行される前に、Ｗｅｂドキュメントあるいは、Ｗｅｂドキュメントの一部のデータが予め記憶されている。

図３は、ユーザから入力された抽出キーワードと、これに関係づけられたＷｅｂドキュメントと、このリンクデータを対応付けた、Ｗｅｂドキュメント対応テーブル図である。ユーザが抽出キーワードとして、「キーワード０１」を入力し、これに対応したＷｅｂドキュメントを、Ｗｅｂドキュメントのテキスト部分から抽出する。結果として、抽出されたデータがＷｅｂドキュメントＡ〜Ｄとなる。これらのＷｅｂドキュメントＡ〜Ｄに対応した、リンクデータ（例えば、リンク先のＵＲＬデータ）が対応付けられる。なお、Ｗｅｂドキュメント対応テーブルは、Ｗｅｂドキュメント記憶部５３０に記憶され、適宜、制御部５２０に読み出される。

図４にて、第１広告語彙データの入力を受け付けて、Ｗｅｂドキュメントを抽出した結果を出力部２６０、５６０に出力した画面イメージ図を示した。最初に、第１広告語彙データ（検索キーワード）の入力を、入力窓３０５から受け付ける。ここでは、ユーザが「融資」と入力して、Ｗｅｂドキュメントあるいは、Ｗｅｂドキュメントの一部のデータを抽出したとする。抽出部５２５は、この抽出キーワードに対して、○×商事３１０、融資の○○商事３２０のＷｅｂドキュメント（例えば、ＷｅｂドキュメントＡ、Ｂに対応する）を抽出する。そして、制御部６２０は、図４に示すように、これらのＷｅｂドキュメントに対応するリンクデータ３１１、３２１を出力部２６０、５６０に表示してもよい。

次に、抽出部５２５が抽出したＷｅｂドキュメントから第２広告語彙データを抽出する（ステップＳ０３）。第２広告語彙データは、第１広告語彙データにより抽出された１以上のＷｅｂドキュメントに共通して含まれる広告語彙データである。第２広告語彙データの抽出においては、共起頻度に基づいて、第２広告語彙データとして抽出される語彙が選別されてよい。すなわち、頻繁にＷｅｂドキュメント内に含まれる語彙を第２広告語彙データとして優先的に抽出部５２５が、抽出してよい。

図５にて、図４の抽出キーワードを用いてＷｅｂドキュメントを抽出した際に、抽出されたＷｅｂドキュメント６００、６０５の一例を示した。このようなＷｅｂドキュメント６００、６０５に共通して含まれる語彙を、抽出部５２５が第２広告語彙データとして抽出する。ここでは、第２広告語彙データとして、抽出部５２５は、Ｗｅｂドキュメント６００、６０５に共通している「即日」６１０ａ、６１０ｂ、「実質年率」６１５ａ、６１５ｂを抽出する。

次に、ドメイン生成部５２７が、抽出キーワード（第１広告語彙データ）と抽出された第２広告語彙データとを関連づけて、ドメインを生成する（ステップＳ０４）。ここで、ドメインとは、複数の広告語彙データが関連づけられたデータである。図６にて、ドメイン４１０の一例を示した。この例では、上述の図４、図５の例のように、第１広告語彙データとしてユーザから「融資」が入力され、抽出部５２５が、この第１広告語彙データに関連する第２広告語彙データとして、「即日」、「実質年率」を抽出した場合を示す。したがって、ドメイン生成部５２７は、これらを関連づけたドメインを生成し、ドメイン記憶部５４０に記憶する（ステップＳ０５）。

なお、抽出部５２５が複数の第２広告語彙データを抽出してドメインを生成してもよいし、最も出現頻度（共起率）の高い一の語彙のみを第２広告語彙データとして抽出して、ドメインを生成してもよい。また、上述の説明では、抽出されたＷｅｂドキュメントが、Ｗｅｂドキュメント６００、６０５の２つのみであったが、Ｗｅｂドキュメントとして、ＷｅｂドキュメントＡ〜Ｄのように、３以上のＷｅｂドキュメントから、制御部５２０が、出現頻度等を算出し、第２広告語彙データを抽出して、ドメイン生成部５２７がドメインを生成してもよい。

図７は、複数の第２広告語彙データを抽出した場合のドメイン４２０を示した。ここで、第２広告語彙データ間の関係については、任意であってよいが、例えば、ＷｅｂドキュメントＡ〜Ｄに共通して含まれる語彙は、「即日」、「金利」のように、「融資」と関連が強い語彙として位置づけられてよい。一方、ＷｅｂドキュメントＡとＢには含まれるが、ＷｅｂドキュメントＣとＤには含まれない語彙（「返済」、「担保」、「審査」）が、グループとして関連づけられて、逆に、ＷｅｂドキュメントＡとＢには含まれないが、ＷｅｂドキュメントＣとＤには含まれる語彙（「保証人」、「無利息」、「実質年率」）が他のグループとして関連づけられてもよい。

次に、ドメイン生成部５２７が生成したドメインが複数生成された後に、ドメインどうしが関連づけられる処理について、図８に基づいて説明する。最初に、ドメイン生成部５２７は、新しいドメインがドメイン記憶部５４０に記憶されたことを判断する（ステップＳ１０）。ドメイン生成部５２７が、新しいドメインがドメイン記憶部５４０に記憶されたと判断した場合には、ドメイン生成部５２７は、生成された新しいドメインに含まれる第２広告語彙データと、同一の第１広告語彙データを備えるドメインがドメイン記憶部５４０に記憶されているかを判断する（ステップＳ１１）。ドメイン生成部５２７は、生成された新しいドメインに含まれる第２広告語彙データと、同一の第１広告語彙データを備えるドメインがドメイン記憶部５４０に記憶されていると判断した場合には、該当するドメインと新しいドメインとを関連づけ（ステップＳ１２）、新たなドメインを生成する（ステップＳ１３）。

図９にて、ドメイン関連づけ処理を説明するドメインの概念図を示した。ドメイン記憶部５４０に既にドメインＡが記憶されているとする。ドメインＡは、第１広告語彙データを「融資」としている。ドメイン生成部５２７が、第１広告語彙データを「保証人」としたドメインＢを生成する。ドメインＢの第１広告語彙データ「保証人」は、ドメインＡの第２広告語彙データの「保証人」と同一であるため、ドメインＢの「保証人」とドメインＡの「保証人」を関連づける。同様に、ドメインＣ、ドメインＤをドメインＡと関連づけて、複数のドメインが関連づけられた新たなドメインがドメイン記憶部５４０に記憶される。

一方、ドメインＥは、ドメインＡ〜Ｄの全てに同一の広告語彙データが存在しない。すなわち、ドメインＥの第１広告語彙データ「デジカメ」を第２広告語彙データに含むドメインは存在せず、ドメインＥの第２広告語彙データを第１広告語彙データに含むドメインも存在しない。したがって、ドメインＥは、ドメインＡ〜Ｄとは、関連性が薄いドメインである。このように、ドメインどうしで新たに生成されたドメインにより、ドメイン間での相関関係を把握することが可能なデータを生成することが可能である。

上述の関連語抽出装置５００は、インターネット等の通信回線を介して提供する検索サービス（特定の広告語彙データの入力を受けて、入力された広告語彙データに関連したＷｅｂドキュメントのリンクデータを提供するサービス）に適用されることで、検索する語に関連した語彙を、検索するユーザに提示するために使用されてもよい。

さらに、関連語抽出装置５００が抽出し、ドメインとしてドメイン記憶部５４０に記憶される情報が、企業等の広告、宣伝情報に限らず、任意の専門用語であってよい。すなわち、第１広告語彙データの代わりに、所定の専門分野に関する第１専門語彙データを入力し、第２語彙データの抽出を行うことで、この専門分野に関するドメインが生成され、ドメイン記憶部５４０に記憶される。例えば、第１専門語彙データとして、料理に関するデータを入力し、料理に関するドメインが生成されることで、料理に関する関連語を記憶したドメイン記憶部５４０を備えることが可能である。

上述の関連語抽出装置５００により、一の商品やサービスの宣伝、広告のためのＷｅｂドキュメントに関連した語彙を抽出して、抽出した関連語どうしの関連を示すデータを生成することが可能である。すなわち、一の商品、サービスを提供する複数の業者が各々提供するＷｅｂドキュメントに、共通して含まれる語彙を抽出することが可能である。例えば、ユーザが検索キーワードとして「保険」と入力した場合に、この検索結果に、保険会社Ａが自社のＷｅｂドキュメントのリンクを含めたいとする。この場合に、「保険」という語彙以外に、どのような語彙（例えば、「保証人」など）に対する検索結果に対して、保険会社ＡのＷｅｂドキュメントのリンクを含めればよいかの指標が必要となる。このような場合に、関連語抽出装置５００により生成されるドメインが検索キーワードに関連した語彙としての指標となる。したがって、関連語抽出装置５００が、このように検索キーワードに関連した語彙を提供するサービスとして適用されてよい。

本発明は、一つの実施形態として、関連語抽出システム１にて動作する各コンピュータのコンピュータ・プログラムによって実現可能である。上記プログラムを格納する記憶媒体は、電子的、磁気的、光学的、電磁的、赤外線または半導体システム（または、装置または機器）あるいは伝搬媒体であることができる。コンピュータ可読の媒体の例には、半導体、磁気テープ、取り外し可能なコンピュータ可読の媒体の例には、半導体、磁気テープ、取り外し可能なコンピュータ・ディスケット、ランダム・アクセス・メモリ（RAM）、リードオンリー・メモリ(ROM)、リジッド磁気ディスクおよび光ディスクが含まれる。現時点における光ディスクの例には、コンパクト・ディスク−リードオンリー・メモリ(CD-ROM)、コンパクト・ディスク−リード／ライト(CD-R/W)およびDVDが含まれる。

以上、本発明の実施形態を説明したが、具体例を例示したに過ぎず、特に本発明を限定しない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載された効果に限定されない。

関連語抽出システム１の構成図である。 メイン処理のフローチャート図である。 Ｗｅｂドキュメント対応テーブル図である。 Ｗｅｂドキュメントを抽出した結果を出力した画面イメージ図である。 Ｗｅｂドキュメントを示す図である。 生成されたドメインを示す図である。 生成されたドメインを示す図である。 ドメイン関連づけ処理のフローチャート図である。 複数のドメインが関係づけられることを示す概念図である。

符号の説明

１ 関連語抽出システム
３０ 通信回線ネットワーク
１００ 制御部
１００ａ、１００ｂ、１００ｃ Ｗｅｂサーバ
２００ ユーザ端末
２１０ 通信部
２２０ 制御部
２５０ 入力部
２６０ 出力部
３０５ 入力窓
３１１ リンクデータ
３２１ リンクデータ
４１０ ドメイン
４２０ ドメイン
５００ 関連語抽出装置
５１０ 通信部
５２０ 制御部
５２５ 抽出部
５２７ ドメイン生成部
５３０ ドキュメント記憶部
５４０ ドメイン記憶部
５５０ 入力部
５６０ 出力部
６００ ドキュメント
６０５ ドキュメント
６２０ 制御部

Claims (5)

1. 複数の語彙データから互いに関連した語彙データを関連づける関連語抽出装置であって、
   通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信する受信部と、
   前記受信部が受信したＷｅｂドキュメントを特徴付けるキーワードを含んだ当該Ｗｅｂドキュメントの一部を記憶するＷｅｂドキュメント記憶部と、
   特定の業種・業界においてよく使われる語彙データの解析の基になる第１語彙データの入力を受け付ける入力部と、
   前記Ｗｅｂドキュメント記憶部が記憶した前記Ｗｅｂドキュメントの一部のうち、前記入力部を介して入力された前記第１語彙データが含まれているものを抽出するＷｅｂドキュメント抽出部と、
   前記Ｗｅｂドキュメント抽出部により抽出された前記Ｗｅｂドキュメントの一部の中に共通して含まれる第２語彙データを抽出する第２語彙データ抽出部と、
   前記第２語彙データ抽出部により抽出された前記第２語彙データに、前記第１語彙データを関連づけたデータである、ドメインを生成するドメイン生成部と、
   前記ドメイン生成部により生成された前記ドメインを記憶するドメイン記憶部と、
   を備える関連語抽出装置。
2. 前記ドメイン生成部は、前記第２語彙データ抽出部が抽出した複数の前記第２語彙データについて、前記第２語彙データを共通して含む前記Ｗｅｂドキュメントの一部の組み合わせが異なるものを、それぞれ異なるグループとして前記第１語彙データと関連付けたドメインを生成する請求項１に記載の関連語抽出装置。
3. 前記ドメイン生成部は、前記ドメイン記憶部に既に記憶されている前記ドメインに含まれる第２語彙データと同一の語彙データを第１語彙データとして含む新たなドメインがドメイン記憶部に記憶された場合に、これらのドメインをさらに関連づける、請求項１または請求項２に記載の関連語抽出装置。
4. 関連語抽出装置が、複数の語彙データから互いに関連した語彙データを関連づける関連語抽出方法であって、
   通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信するステップと、
   前記受信するステップにおいて受信したＷｅｂドキュメントを特徴付けるキーワードを含んだ当該Ｗｅｂドキュメントの一部を記憶するＷｅｂドキュメント記憶ステップと、
   特定の業種・業界においてよく使われる語彙データの解析の基になる第１語彙データの入力を受け付ける入力ステップと、
   前記Ｗｅｂドキュメント記憶ステップにおいて記憶した前記Ｗｅｂドキュメントの一部のうち、前記入力ステップにおいて入力された前記第１語彙データが含まれているものを抽出するＷｅｂドキュメント抽出ステップと、
   前記Ｗｅｂドキュメント抽出ステップにおいて抽出された前記Ｗｅｂドキュメントの一部の中に共通して含まれる第２語彙データを抽出する第２語彙データ抽出ステップと、
   前記第２語彙データ抽出ステップにおいて抽出された前記第２語彙データに、前記第１語彙データを関連づけたデータである、ドメインを生成するドメイン生成ステップと、
   前記ドメイン生成ステップにおいて生成された前記ドメインを記憶するドメイン記憶ステップと、
   を備える関連語抽出方法。
5. 関連語抽出装置に、複数の語彙データから互いに関連した語彙データを関連づける関連語抽出方法を実行させるプログラムであって、前記関連語抽出装置に、
   通信回線を介して接続された記憶装置に記憶されたＷｅｂドキュメントを受信するステップと、
   前記受信するステップにおいて受信したＷｅｂドキュメントを特徴付けるキーワードを含んだ当該Ｗｅｂドキュメントの一部を記憶するＷｅｂドキュメント記憶ステップと、
   特定の業種・業界においてよく使われる語彙データの解析の基になる第１語彙データの入力を受け付ける入力ステップと、
   前記Ｗｅｂドキュメント記憶ステップにおいて記憶した前記Ｗｅｂドキュメントの一部のうち、前記入力ステップにおいて入力された前記第１語彙データが含まれているものを抽出するＷｅｂドキュメント抽出ステップと、
   前記Ｗｅｂドキュメント抽出ステップにおいて抽出された前記Ｗｅｂドキュメントの一部の中に共通して含まれる第２語彙データを抽出する第２語彙データ抽出ステップと、
   前記第２語彙データ抽出ステップにおいて抽出された前記第２語彙データに、前記第１語彙データを関連づけたデータである、ドメインを生成するドメイン生成ステップと、
   前記ドメイン生成ステップにおいて生成された前記ドメインを記憶するドメイン記憶ステップと、
   を実行させるプログラム。
   

Images