JP5066147B2 - 文書処理装置およびプログラム - Google Patents

Description

本発明は、複数の単語からなる表現から文字列を切り出す文書処理装置およびプログラムに関する。

一般的に、文書検索等の文書処理装置においては、入力された文（または文書）から文字列を切り出す技術が用いられる。この場合、例えば入力された文を形態素解析し、当該形態素解析結果から自立語を文字列として切り出し、当該切り出された文字列が文書検索等における例えばキーワードとして利用される。

上記した文字列を切り出す技術に関連して、複数の分野の文書データと、分野内での各単語の出現頻度を利用し、大半のキーワードを自動的に抽出し付与する技術が開示されている（例えば、特許文献１を参照）。

ところで、複数の単語からなる表現、例えば複合語等の文字列については、形態素解析結果に予め定められた条件、例えば名詞の連続する範囲を切り出すといった条件を適用することで文字列が切り出される。

しかしながら、複数の単語からなる表現には、例えば慣用句または専門用語のように固定化された表現もあれば、その場限りで用いられる一過性の高い表現も含まれる。

そこで、複数の単語からなる表現に対し、当該表現の重要度および安定性を評価し、評価値の高い表現を抽出する技術が開示されている（例えば、非特許文献１を参照）。

特開平７−７８１８２号公報

辻河亨，吉田稔，中川裕志，"語彙空間の構造に基づく専門用語抽出"，情報処理学会研究報告，自然言語処理研究会，Ｖｏｌ．１５９，Ｎｏ．２２，ｐｐ．１５５−１６２，２００３．

ところで、表現の出現による分類の観点で考えた場合、複数の単語からなる表現は、短く切り出された表現ほど分類によらず用いられ、長く切り出された表現ほど出現する分類が限定される傾向がある。

しかしながら、入力された文等がどの分類に属するか不明な場合、上記したような従来の技術では、当該文から文字列の切り出しを行うときに分類に応じた適切な切り出し範囲（つまり、入力された文の分類等における適切な範囲）を定めることができない。

例えば「外用消炎鎮痛剤を使用する場合の注意」という文が入力された場合を想定する。この場合、「外用消炎鎮痛剤」という複数の単語（名詞）からなる表現に対しては、「外用」、「消炎」および「鎮痛剤」の３つの単語に分けて（つまり、３つの単語を切り出して）利用したり、あるいは名詞が連続する最も長い範囲の「外用消炎鎮痛剤」という表現（文字列）のみを切り出して利用したり、あるいは「外用消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」の３つの文字列を切り出してそれぞれ独立して利用したり、あるいは分野を定めずに安定性を評価し、例えば「消炎鎮痛剤」という文字列のみを切り出して利用したりというように種々の方法が用いられる。

つまり、入力された文等がどの分類に属するか不明な場合には、連続する複数の単語（名詞）からなる表現において分類に応じた適切な切り出し範囲を特定して文字列を切り出すことは困難である。

そこで、本発明の目的は、入力された文の属する分類が不明な場合であっても、複数の単語からなる表現において分類に応じた適切な文字列の切り出し範囲を決定することが可能な文書処理装置およびプログラムを提供することにある。

本発明の１つの態様によれば、文書毎に、当該文書が属する分類を示す分類情報および当該文書に含まれる文字列を示すインデックスを対応づけて予め格納する分類別文書格納手段と、ユーザによって指定された文であって、複数の単語から構成される第１の文字列を含む文を入力する入力手段と、前記入力された文を解析することにより、当該文に含まれる第１の文字列を構成する複数の単語を抽出する抽出手段と、前記抽出された複数の単語に基づいて、予め定められた条件に合致する複数の第２の文字列を取得する取得手段と、前記取得された複数の第２の文字列を保持する文字列保持手段と、前記文字列保持手段に保持された第２の文字列毎に、当該第２の文字列と一致するインデックスおよび当該第２の文字列を含むインデックスを前記分類別文書格納手段から検索する検索手段と、前記検索されたインデックスに基づいて、前記文字列保持手段に保持された第２の文字列の各々の評価値を、当該インデックスに対応づけて前記分類別文書格納手段に格納されている分類情報によって示される分類毎に算出する評価値算出手段と、前記算出された評価値が予め定められた第１の値以上である分類の数が予め定められた第２の値以上である前記文字列保持手段に保持された第２の文字列のうち、当該第２の文字列の長さが最も長い第２の文字列を前記入力された文から切り出される文字列として決定する決定手段とを具備し、前記評価値算出手段は、前記検索されたインデックスの数を示す第１の出現回数を算出する第１の算出手段と、前記検索されたインデックスのうち、前記文字列保持手段に保持された第２の文字列を含むインデックスの数を示す第２の出現回数を算出する第２の算出手段と、前記検索されたインデックスのうち、異なるインデックスの数を示す異なり数を算出する第３の算出手段とを含み、前記第１の算出手段によって算出された第１の出現回数、前記第２の算出手段によって算出された第２の出現回数および前記第３の算出手段によって算出された異なり数を用いて前記評価値を算出することを特徴とする文書処理装置が提供される。

本発明は、入力された文の属する分類が不明な場合であっても、複数の単語からなる表現において分類に応じた適切な文字列の切り出し範囲を決定することを可能とする。

本発明の第１の実施形態に係る文書処理装置のハードウェア構成を示すブロック図。 図１に示す文書処理装置３０の主として機能構成を示すブロック図。 図２に示す分類別文書データベース２２のデータ構造の一例を示す図。 本実施形態に係る文書処理装置３０の処理手順を示すフローチャート。 形態素解析結果保持部２３に保持される形態素解析結果の一例を示す図。 表現切り出し部３３によって取得された文字列を保持する文字列保持部２４のデータ構造の一例を示す図。 包含関係判定部３４による判定結果を保持する文字列保持部２４のデータ構造の一例を示す図。 分類評価値算出処理の処理手順の詳細を示すフローチャート。 ｋｅｙ文字列が「外用消炎鎮痛剤」である場合の分類評価値算出部３５による検索結果の一例を示す図。 ｋｅｙ文字列が「消炎鎮痛剤」である場合の分類評価値算出部３５による検索結果の一例を示す図。 図７に示す文字列保持部２４に保持されている文字列の各々に対して分類評価値算出処理が実行された後の文字列保持部２４のデータ構造の一例を示す図。 切り出し文字列決定処理の処理手順の詳細を示すフローチャート。 図１２に示す切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す図。 分類別文書データベース２２とは内容が異なる分類別文書データベースを用いて分類評価値算出処理が実行された場合の文字列保持部２４のデータ構造の一例を示す図。 図１４に示す文字列保持部２４に保持されている情報を用いて切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す図。 本発明の第２の実施形態に係る文書処理装置の主として機能構成を示すブロック図。 本実施形態に係る文書処理装置３００の処理手順を示すフローチャート。 形態素解析結果保持部２３に保持される形態素解析結果の一例を示す図。 表現切り出し部３３によって取得された文字列を保持する文字列保持部２４のデータ構造の一例を示す図。 文字列変形部３０１によって変形された文字列を保持する文字列保持部２４のデータ構造の一例を示す図。 包含関係判定部３４による判定結果を保持する文字列保持部２４のデータ構造の一例を示す図。 分類評価値算出処理および切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す図。

以下、図面を参照して、本発明の各実施形態について説明する。

［第１の実施形態］
まず、図１および図２を参照して、本発明の第１の実施形態について説明する。図１は、本実施形態に係る文書処理装置のハードウェア構成を示すブロック図である。図１に示すように、コンピュータ１０は、例えばハードディスクドライブ（ＨＤＤ：Hard Disk Drive）のような外部記憶装置２０と接続されている。この外部記憶装置２０は、コンピュータ１０によって実行されるプログラム２１を格納する。コンピュータ１０および外部記憶装置２０は、文書処理装置３０を構成する。

図２は、図１に示す文書処理装置３０の主として機能構成を示すブロック図である。図２に示すように、文書処理装置３０は、入力処理部３１、形態素解析部３２、表現切り出し部３３、包含関係判定部３４、分類評価値算出部３５、文字列決定部３６および出力処理部３７を含む。本実施形態において、これらの各部３１〜３７は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。このプログラム２１は、コンピュータ読み取り可能な記憶媒体に予め格納して頒布可能である。また、このプログラム２１が例えばネットワークを介してコンピュータ１０にダウンロードされても構わない。

また、文書処理装置３０は、分類別文書データベース（ＤＢ）２２、形態素解析結果保持部２３および文字列保持部２４を含む。本実施形態において、分類別文書データベース２２、形態素解析結果保持部２３および文字列保持部２４は、例えば外部記憶装置２０に格納される。

分類別文書データベース２２には、文字列を含む複数の文書が予め格納される。この分類別文書データベース２２に格納されている文書には、当該文書が属する分類を示す分類情報および当該文書に含まれる文字列を示すインデックスが含まれる。つまり、分類別文書データベース２２には、当該分類別文書データベース２２に格納されている文書が属する分類を示す分類情報および当該文書に含まれる文字列を示すインデックスが対応づけて予め格納される。

入力処理部３１は、ユーザの指示・入力を処理する。具体的には、入力処理部３１は、ユーザによって指定された文を入力する。入力処理３１によって入力された文には、例えば連続する複数の単語から構成される文字列（第１の文字列）が含まれる。

形態素解析部３２は、入力処理部３１によって入力された文（以下、入力文と表記）を解析（ここでは、形態素解析）する。これにより、形態素解析部３２は、入力文に含まれる文字列を構成する複数の単語を抽出する。形態素解析部３２による入力文の形態素解析結果は、形態素解析結果保持部２３において保持される。

表現切り出し部３３は、形態素解析結果保持部２３に保持された入力文の形態素解析結果に対し、表現を切り出すための予め定められた条件（後述する）を適用し、当該条件に合致する表現（文字列）を切り出す。換言すれば、表現切り出し部３３は、形態素解析結果保持部２３に保持されている形態素解析結果に含まれる複数の単語（形態素解析部３２によって抽出された複数の単語）に基づいて、予め定められた条件に合致する複数の文字列（第２の文字列）を取得する。表現切り出し部３３によって切り出された複数の文字列は、文字列保持部２４において保持される。

包含関係判定部３４は、文字列保持部２４に保持された文字列の各々に対し、包含関係を判定するためのルール（後述する）を適用し、当該適用結果を文字列保持部２４に格納する。包含関係判定部３４は、例えば文字列保持部２４に保持された文字列の長さ（当該文字列を構成する単語の数）の順位（以下、包含順位と表記）を当該文字列の各々に対応づけて文字列保持部２４に格納する。

分類評価値算出部３５は、文字列保持部２４に保持された文字列と一致するインデックスおよび当該文字列を含むインデックスを分類別文書データベース２２から検索する。分類評価値算出部３５は、検索結果（検索されたインデックス）に基づいて、文字列保持部２４に保持されている文字列の各々の分類評価値を算出する。なお、分類評価値算出部３５は、文字列保持部２４に保持された文字列の各々の分類評価値を、検索されたインデックスに対応づけて分類別文書データベース２２に格納されている分類情報によって示される分類毎に算出する。分類毎に算出された文字列の分類評価値は、文字列保持部２４において保持される。

文字列決定部３６は、文字列保持部２４に保持された分類評価値（分類評価値算出部３５によって算出された分類評価値）に基づいて、当該文字列保持部２４に保持された文字列の中から入力文から切り出される文字列を決定する。文字列決定部３６によって決定された文字列は、出力処理部３７によって出力される。

図３は、図２に示す分類別文書データベース２２のデータ構造の一例を示す。上記したように分類別文書データベース２２には、複数の文書が格納される。分類別文書データベース２２に格納される文書には、当該文書の本文、当該文書を識別するための文書ＩＤ、当該文書が属する分類（を示す分類情報）および当該文書に含まれる文字列を示すインデックス（当該文書のインデックス）が含まれる。

図３に示す分類別文書データベース２２には、文書２２１および２２２を含む複数の文書が格納されている。

図３に示す例では、分類別文書データベース２２に格納されている文書２２１には、当該文書２２１の本文、当該文書２２１を識別するための文書ＩＤ「０００１」および当該文書２２１が属する分類を示す分類情報「ａ」が含まれている。また、分類別文書データベース２２に格納されている文書２２１には、当該文書２２１のインデックス「外用消炎鎮痛剤」、「使用」、「注意」、「患部」、「清潔」、「傷」、「場合」、「皮膚症状」および「中止」が含まれている。

また、分類別文書データベース２２に格納されている文書２２２には、当該文書２２２の本文、当該文書２２２を識別するための文書ＩＤ「０００２」および当該文書２２２が属する分類を示す分類情報「ｂ」が含まれている。また、分類別文書データベース２２に格納されている文書２２２には、当該文書２２２のインデックス「消炎鎮痛剤」、「禁忌」、「過敏症」、「既往歴」、「患者」、「妊娠」、「可能性」、「婦人」、「注意」、「外用」および「使用」が含まれている。

次に、図４のフローチャートを参照して、本実施形態に係る文書処理装置３０の処理手順について説明する。

まず、入力処理部３１は、ユーザによって指定された文（例えば、検索要求文等）を入力する（ステップＳ１）。入力処理部３１によって入力された文は、連続する複数の単語（名詞）から構成される文字列（例えば、外用消炎鎮痛剤）を含む。ここでは、入力処理部３１はユーザによって指定された文を入力するものとして説明したが、入力処理部３１はユーザによって指定された文書を入力しても構わない。

以下、入力処理部３１によって「外用消炎鎮痛剤を使用する場合の注意」という文が入力されたものとして説明する。

形態素解析部３２は、入力処理部３１によって入力された文、つまり入力文「外用消炎鎮痛剤を使用する場合の注意」を形態素解析する（ステップＳ２）。この形態素解析により、入力文に含まれる複数の単語が抽出される。形態素解析部３２は、抽出された複数の単語を含む形態素解析結果を形態素解析結果保持部２３に格納する。

ここで、図５は、形態素解析結果保持部２３に保持される形態素解析結果の一例を示す。図５に示す形態素解析結果は、上記した入力文「外用消炎鎮痛剤を使用する場合の注意」に対する形態素解析の結果である。

図５に示すように、形態素解析結果には、番号に対応づけて文字列、単語（見出し）、品詞および活用形が含まれる。なお、単語は、文字列における活用語尾を除いたものである。

図５に示す形態素解析結果には、例えば番号「１」に対応づけて文字列「外用」、単語「外用」および品詞「名詞」が含まれている。

また、図５に示す形態素解析結果には、例えば番号「５」に対応づけて文字列「使用する」、単語「使用」、品詞「サ変名詞」および活用形「終止形」が含まれている。

次に、表現切り出し部３３は、形態素解析結果保持部２３に保持されている形態素解析結果に基づいて、予め定められた条件（表現を切り出すための条件）に合致する複数の文字列を取得する（ステップＳ３）。この条件は、表現切り出し部３３において予め保持されている。

ここで、表現を切り出すための条件について具体的に説明する。表現を切り出すための条件には、例えば第１および第２の条件が含まれる。

第１の条件は、入力文における品詞が名詞である単語（以下、単に名詞と表記）が連続する範囲（区間）に対し、当該範囲内の任意の位置の名詞から末尾の名詞までの単語から構成される文字列であることを示す。

第２の条件は、入力文における単独の名詞であること（つまり、当該名詞の前後が名詞でないこと）を示す。

なお、第１の条件および第２の条件における名詞には、例えばサ変名詞が含まれるものとする。

表現切り出し部３３は、第１および第２の条件が適用されることによって取得された複数の文字列を文字列保持部２４に格納する。

ここで、図６は、表現切り出し部３３によって取得された文字列を保持する文字列保持部２４のデータ構造の一例を示す。図６に示す文字列保持部２４には、入力文「外用消炎鎮痛剤を使用する場合の注意」に対して上記した第１および第２の条件が適用されることにより取得された文字列が保持されている。

まず、入力文「外用消炎鎮痛剤を使用する場合の注意」（の形態素解析結果）に対して第１の条件が適用された場合を想定する。この場合、入力文の「外用消炎鎮痛剤」が名詞が連続する範囲に該当するため、図６に示すように「外用消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」の文字列が第１の条件が適用されることにより取得され、これらの文字列が文字列保持部２４に保持される。

一方、入力文「外用消炎鎮痛剤を使用する場合の注意」（の形態素解析結果）に対して第２の条件が適用された場合を想定する。この場合、「使用」、「場合」および「注意」が単独の名詞に該当するため、図６に示すように「使用」、「場合」および「注意」の文字列が第２の条件が適用されることにより取得され、これらの文字列が文字列保持部２４に保持される。

なお、上記した図５に示す形態素解析結果に含まれる単語において「使用（サ変名詞）」および「場合（名詞）」は連続しているが、これらの単語「使用」および「場合」の間には入力文において「する」の文字列が存在するため、このような場合には第１の条件における連続する範囲には該当しないものとする。

また、図６に示す文字列保持部２４に保持される開始は、第１の条件または第２の条件に合致する文字列の先頭の単語（名詞）の図５に示す形態素解析結果における番号を示す。一方、図６に示す文字列保持部２４に保持される終了は、第１の条件または第２の条件に合致する文字列の最後の単語の図５に示す形態素解析結果における番号を示す。文字列「外用消炎鎮痛剤」において具体的に説明すると、開始は形態素解析結果における単語「外用」の番号（ここでは、「１」）を示し、終了は形態素解析結果における単語「鎮痛剤」の番号（ここでは、「３」）を示す。

なお、上記した第１および第２の条件は一例であるため、他の条件が予め定められていても構わない。

再び図４に戻ると、包含関係判定部３４は、文字列保持部２４に保持される情報（文字列、開始および終了）に対し、包含関係を判定するための予め定められたルールを適用することで、当該文字列保持部２４に保持されている文字列間の包含関係を判定する（ステップＳ４）。この包含関係を判定するためのルールは、包含関係判定部３４において予め保持されている。

ここで、包含関係を判定するためのルールについて具体的に説明する。包含関係を判定するためのルールには、例えば第１〜第３のルールが含まれる。

第１のルールは、文字列保持部２４に保持されている終了（番号）が同一の文字列に対して同一の文字列ＩＤを付与することを示す。

第２のルールは、文字列保持部２４に保持されている文字列の長さ（当該文字列を構成する単語の数）を示すlengthを、当該文字列毎に算出することを示す。なお、lengthは、文字列保持部２４に保持されている開始および終了を用いて、「終了（番号）−開始（番号）＋１」により算出される。

第３のルールは、同一の文字列ＩＤが付与された文字列において、lengthの値が大きい順に順位（包含順位）を付与することを示す。

包含関係判定部３４は、上記した第１〜第３のルールが適用された結果（包含関係の判定結果）を文字列保持部２４に格納する。

ここで、図７は、包含関係判定部３４による判定結果を保持する文字列保持部２４のデータ構造の一例を示す。図７に示す文字列保持部２４は、上記した第１〜第３のルールが適用された結果を判定結果として保持している。

なお、包含関係判定部３４による判定結果には、文字列ＩＤ、lengthおよび包含順位が含まれる。

図７に示す例では、文字列保持部２４に保持されている文字列「外用消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」は終了番号が同一（ここでは、「３」）であるため、当該文字列保持部２４には、文字列「外用消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」に対応づけて同一の文字列ＩＤ「１」が保持されている。なお、同一の文字列ＩＤが付与された複数の文字列（ここでは、「外用消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」）は包含関係にある。

また、文字列保持部２４には、文字列「外用消炎鎮痛剤」に対応づけてlength「３」が保持されている。このlength「３」は、「終了番号「３」−開始番号「１」＋１」により算出される。

同様に、文字列保持部２４には、文字列「消炎鎮痛剤」に対応づけてlength「２」、文字列「鎮痛剤」に対応づけてlength「１」が保持されている。

ここで、文字列「外用消炎鎮痛剤」は、同一の文字列ＩＤ（ここでは、文字列ＩＤ「１」）が付与された文字列の中で最もlengthの値が大きい。このため、文字列保持部２４には、文字列「外用消炎鎮痛剤」に対応づけて包含順位「１」が保持されている。

同様に、文字列保持部２４には、文字列「消炎鎮痛剤」に対応づけて包含順位「２」、文字列「鎮痛剤」に対応づけて包含順位「３」が保持されている。

また、文字列保持部２４には、文字列「使用」に対応づけて文字列ＩＤ「２」、length「１」および包含順位「１」が保持されている。

文字列保持部２４には、文字列「場合」に対応づけて文字列ＩＤ「３」、length「１」および包含順位「１」が保持されている。

更に、文字列保持部２４には、文字列「注意」に対応づけて文字列ＩＤ「３」、length「１」および包含順位「１」が保持されている。

再び図４に戻ると、分類評価値算出部３５は、分類別文書データベース２２および図７に示す文字列保持部２４を参照して、当該文字列保持部２４に保持されている文字列の各々の分類評価値を算出する処理（以下、分類評価値算出処理と表記）を実行する（ステップＳ５）。分類評価値算出部３５によって算出された分類評価値は、文字列保持部２４において保持される。この分類評価値算出処理の詳細については後述する。

次に、文字列決定部３６は、文字列保持部２４に保持されている文字列の各々の分類評価値に基づいて、入力文から切り出される文字列（切り出し文字列）を決定する処理（以下、切り出し文字列決定処理と表記）を実行する（ステップＳ６）。換言すれば、文字列決定部３６は、切り出し文字列決定処理によって分類に応じた適切な文字列の切り出し範囲を決定する。この切り出し文字列決定処理の詳細については後述する。

出力処理部３７は、文字列決定部３６によって決定された切り出し文字列を出力する（ステップＳ７）。出力処理部３７によって出力された切り出し文字列は、例えば入力文が検索要求文である場合には当該検索処理等に用いられる。

次に、図８のフローチャートを参照して、前述した分類評価値算出処理（図４に示すステップＳ５の処理）の処理手順の詳細について説明する。

分類評価値算出処理においては、文字列保持部２４に保持されている文字列の各々について分類評価値が算出される。ここでは、文字列保持部２４には、図７に示す各情報が保持されているものとする。

まず、分類評価値算出部３５は、文字列保持部２４に保持されている文字列のうち、例えば１番目の文字列（番号「１」に対応づけられている文字列）を変数ｋｅｙに格納することにより、当該文字列をｋｅｙ文字列とする（ステップＳ１１）。

図７に示す文字列保持部２４によれば、番号「１」に対応づけられている文字列「外用消炎鎮痛剤」がｋｅｙ文字列とされる。つまり、分類評価値算出処理においては、文字列「外用消炎鎮痛剤」から順に分類評価値が算出される。

次に、分類評価値算出部３５は、分類別文書データベース２２を参照して、インデックスにｋｅｙ文字列を含む文書を当該分類別文書データベース２２から検索する（ステップＳ１２）。換言すれば、分類評価値算出部３５は、ｋｅｙ文字列と一致するインデックスおよびｋｅｙ文字列を含むインデックス（を含む文書）を分類別文書データベース２２から検索する。

なお、分類評価値算出部３５は、検索されたインデックスとともに、当該文書が属する分類を示す分類情報を分類別文書データベース２２から取得する。

上述した図３において説明したように分類別文書データベース２２には文書のインデックスが格納されているが、このインデックスは、例えば当該文書に対する形態素解析結果に前述した第１および第２の条件を適用することによって取得された文字列に対して、前述した第１〜第３のルールが適用された結果において包含順位が１である文字列を示すものとする。

ここで、図９および図１０は、分類評価値算出部３５による検索結果の一例を示す。図９は、ｋｅｙ文字列が「外用消炎鎮痛剤」である場合の分類評価値算出部３５による検索結果の一例を示す。

図９に示す例では、分類評価値算出部３５による検索結果には、ｋｅｙ文字列「外用消炎鎮痛剤」を含むインデックスを含む文書として、文書ＩＤ「０００１」、「００５６」および「０１０１」によって識別される文書が含まれる。この文書ＩＤ「０００１」、「００５６」および「０１０１」によって識別される文書のインデックスであって、ｋｅｙ文字列「外用消炎鎮痛剤」を含むインデックスは、「外用消炎鎮痛剤」である。

なお、文書ＩＤ「０００１」、「００５６」および「０１０１」によって識別される文書は、分類「ａ」に属する文書である。

図１０は、ｋｅｙ文字列が例えば「消炎鎮痛剤（図７に示す文字列保持部２４において番号「２」に対応づけられている文字列）」である場合の分類評価値算出部３５による検索結果の一例を示す。

図１０に示す例では、分類評価値算出部３５による検索結果には、ｋｅｙ文字列「消炎鎮痛剤」を含むインデックスを含む文書として、文書ＩＤ「０００１」、「０００２」、「００５６」および「０１０１」によって識別される文書が含まれる。この文書ＩＤ「０００１」、「００５６」および「０１０１」によって識別される文書のインデックスであって、ｋｅｙ文字列「消炎鎮痛剤」を含むインデックスは、「外用消炎鎮痛剤」である。また、文書ＩＤ「０００２」によって識別される文書のインデックスであって、ｋｅｙ文字列「消炎鎮痛剤」を含むインデックス（当該ｋｅｙ文字列と一致するインデックス）は、「消炎鎮痛剤」である。

なお、文書ＩＤ「０００１」、「００５６」および「０１０１」によって識別される文書は、分類「ａ」に属する文書である。また、文書ＩＤ「０００２」によって識別される文書は、分類「ｂ」に属する文書である。

再び図８に戻ると、分類評価値算出部３５は、上記した図９または図１０に示すような検索結果に基づいて、ｋｅｙ文字列に対する分類評価値を算出する（ステップＳ１３）。この場合、分類評価値算出部３５は、ｋｅｙ文字列に対する分類毎の分類評価値Ｖｉ（ｉ＝分類ａ、ｂ、…）を算出する。

ここで、分類評価値Ｖｉは、「length(key)＊(Ni(key)−Ti(key)／Ci(key))」の算出式により算出されるものとする。

この算出式における「length(key)」は、文字列保持部２４に保持されているｋｅｙ文字列のlength（ｋｅｙ文字列を構成する単語の数）である。この「length(key)」は、文字列保持部２４を参照することにより特定される。

算出式における「Ni(key)」は、分類ｉにおける、検索されたインデックスの数（第１の出現回数）を示す。具体的には、「Ni(key)」は、ｋｅｙ文字列と一致するインデックスおよびｋｅｙ文字列を含むインデックス（を含む文書）ののべ出現回数を示す。この「Ni(key)」は、上記した分類評価値算出部３５による検索結果により特定される。

算出式における「Ti(key)」は、分類ｉにおける、ｋｅｙ文字列を含むインデックス（を含む文書）の数（第２の出現回数）を示す。この「Ti(key)」は、上記した分類評価値算出部３５による検索結果により特定される。

また、算出式における「Ci(key)」は、分類ｉにおける、ｋｅｙ文字列と一致するインデックスおよびｋｅｙ文字列を含むインデックス（を含む文書）の異なり数を示す。この「Ci(key)」は、上記した分類評価値算出部３５による検索結果により特定される。なお、異なり数とは、分類評価値算出部３５によって検索されたインデックスのうち、異なるインデックスの数をいう。

つまり、分類評価値算出部３５は、上記した「Ni(key)」、「Ti(key)」および「Ci(key)」の各値を算出し、これらの「Ni(key)」、「Ti(key)」および「Ci(key)」の値を用いて分類評価値Ｖｉを算出する。

ここで、分類評価値算出部３５による検索結果が上記した図９および図１０に示す検索結果である場合における分類評価値Ｖｉの算出について具体的に説明する。ここでは、ｋｅｙ文字列「外用消炎鎮痛剤」においては、便宜的に、図９に示す３つのインデックス（を含む文書）のみが検索されたものとして説明する。同様に、ｋｅｙ文字列「消炎鎮痛剤」においては、便宜的に、図１０に示す４つのインデックス（を含む文書）のみが検索されたものとして説明する。

まず、分類評価値算出部３５による検索結果が上記した図９に示す検索結果である場合における、ｋｅｙ文字列「外用消炎鎮痛剤」に対する分類ａの分類評価値Ｖａの算出について説明する。

この場合、図７に示す文字列保持部２４によれば、「length(key)」は３である。図９に示す検索結果によれば、分類ａにおけるｋｅｙ文字列「外用消炎鎮痛剤」と一致するインデックスの数は３であるため、「Na(key)」は３である。図９に示す検索結果によれば、分類ａにおけるｋｅｙ文字列「外用消炎鎮痛剤」を含むインデックス（当該ｋｅｙ文字列より長いインデックス）の数は０であるため、「Ta(key)」は０である。また、図９に示す検索結果によれば、分類ａにおいて検索されたインデックスは「外用消炎鎮痛剤」のみであるため、「Ca(key)」は１である。以上により、ｋｅｙ文字列「外用消炎鎮痛剤」に対する分類ａの分類評価値Ｖａは、「３＊（３−０／１）」により９となる。

一方、分類評価値算出部３５による検索結果が上記した図９に示す検索結果である場合における、ｋｅｙ文字列「外用消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂの算出について説明する。

この場合、図９に示す検索結果においては例えば分類ｂに属する文書は検索されていないため、「Nb(key)」、「Tb(key)」および「Cb(key)」はそれぞれ０となる。したがって、ｋｅｙ文字列「外用消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂは０となる。

次に、分類評価値算出部３５による検索結果が上記した図１０に示す検索結果である場合における、ｋｅｙ文字列「消炎鎮痛剤」に対する分類ａの分類評価値Ｖａの算出について説明する。

この場合、図７に示す文字列保持部２４によれば、「length(key)」は２である。図１０に示す検索結果によれば、分類ａにおけるｋｅｙ文字列「消炎鎮痛剤」を含むインデックスの数は３であるため、「Na(key)」は３である。図１０に示す検索結果によれば、分類ａにおけるｋｅｙ文字列「消炎鎮痛剤」を含むインデックス（当該ｋｅｙ文字列より長いインデックス）の数は３であるため、「Ta(key)」は３である。また、図１０に示す検索結果によれば、分類ａにおいて検索されたインデックスは「外用消炎鎮痛剤」のみであるため、「Ca(key)」は１である。以上により、ｋｅｙ文字列「消炎鎮痛剤」に対する分類ａの分類評価値Ｖａは、「２＊（３−３／１）」により０となる。

一方、分類評価値算出部３５による検索結果が上記した図１０に示す検索結果である場合における、ｋｅｙ文字列「消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂの算出について説明する。

この場合、上記したように「length(key)」は２である。図１０に示す検索結果によれば、分類ｂにおけるｋｅｙ文字列「消炎鎮痛剤」と一致するインデックスの数は１であるため、「Nb(key)」は１である。図１０に示す検索結果によれば、分類ｂにおけるｋｅｙ文字列「消炎鎮痛剤」を含むインデックス（当該ｋｅｙ文字列より長いインデックス）の数は０であるため、「Tb(key)」は０である。また、図１０に示す検索結果によれば、分類ｂにおいて検索されたインデックスは「消炎鎮痛剤」のみであるため、「Cb(key)」は１である。以上により、ｋｅｙ文字列「消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂは、「２＊１−０／１」により２となる。

上記したように算出されたｋｅｙ文字列に対する分類毎の分類評価値Ｖｉは、当該分類評価値Ｖｉの算出に用いられた「Ni(key)」、「Ti(key)」および「Ci(key)」とともに文字列保持部２４において保持される。

分類評価値算出部３５によって算出されたｋｅｙ文字列に対する分類毎の分類評価値Ｖｉが文字列保持部２４に保持されると、分類評価値算出部３５は、文字列保持部２４に上記したステップＳ１２およびステップＳ１３の処理が実行されていない文字列（つまり、未処理の文字列）があるか否かを判定する（ステップＳ１４）。

未処理の文字列が文字列保持部２４にないと判定された場合（ステップＳ１４のＮＯ）、分類評価値算出処理は終了される。

一方、未処理の文字列が文字列保持部２４にあると判定された場合（ステップＳ１４のＹＥＳ）、当該未処理の文字列をｋｅｙ文字列として上記したステップＳ１２に戻って処理が繰り返される。

ここで、図１１は、上述した図７に示す文字列保持部２４に保持されている文字列の各々に対して分類評価値算出処理が実行された後の文字列保持部２４のデータ構造の一例を示す。

図１１に示すように、文字列保持部２４には、文字列の各々に対する分類毎の分類評価値Ｖｉ（Ｖａ、Ｖｂ、…）が保持されている。なお、図１１においては、ｋｅｙ文字列に対する分類ａの分類評価値Ｖａの算出に用いられた「Na(key)」、「Ta(key)」および「Ca(key)」を単にＮａ、ＴａおよびＣａとする。分類ｂの分類評価値Ｖｂについても同様とする。また、以下の説明においても同様とする。

具体的には、文字列保持部２４には、文字列「外用消炎鎮痛剤」に対する分類ａの分類評価値Ｖａ「３０」と、当該分類評価値Ｖａの算出に用いられたＮａ「１０」、Ｔａ「０」およびＣａ「１」とが保持されている。

また、文字列保持部２４には、文字列「外用消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂ「０」と、当該分類評価値Ｖｂの算出に用いられたＮｂ「０」、Ｔｂ「０」およびＣｂ「０」とが保持されている。

同様に、文字列保持部２４には、文字列「消炎鎮痛剤」に対する分類ａの分類評価値Ｖａ「１２」と、当該分類評価値Ｖａの算出に用いられたＮａ「１１」、Ｔａ「１０」およびＣａ「２」とが保持されている。

また、文字列保持部２４には、文字列「消炎鎮痛剤」に対する分類ｂの分類評価値Ｖｂ「２０」と、当該分類評価値Ｖｂの算出に用いられたＮｂ「１０」、Ｔｂ「０」およびＣｂ「１」とが保持されている。

なお、ここでは、文字列保持部２４に保持されている文字列「外用消炎鎮痛剤」および「消炎鎮痛剤」について説明したが、他の文字列についても同様であるためその詳しい説明を省略する。

次に、図１２のフローチャートを参照して、前述した切り出し文字列決定処理（図４に示すステップＳ６の処理）の処理手順の詳細について説明する。

切り出し文字列決定処理においては、文字列保持部２４に保持されている文字列の各々について算出された分類毎の分類評価値に基づいて、入力文から切り出される文字列が決定される。ここでは、文字列保持部２４には、上記した図１１に示す分類評価値等の各情報が保持されているものとして説明する。

切り出し文字列決定処理においては、文字列決定部３６は、文字列保持部２４に保持されている文字列ＩＤ毎に以下のステップＳ２１〜ステップＳ２３の処理を実行する。

まず、文字列決定部３６は、変数ｉｄ＝１、変数ｎ＝１とする。次に、文字列決定部３６は、文字列保持部２４を参照して、文字列ＩＤが変数ｉｄで、包含順位が変数ｎである文字列を特定する。以下、文字列決定部３６において特定された文字列を、文字列Ｘと表記する。

上記したように変数ｉｄ＝１、変数ｎ＝１である場合には、図１１に示す文字列保持部２４によれば文字列Ｘは「外用消炎鎮痛剤」となる。

文字列決定部３６は、文字列保持部２４に保持されている文字列Ｘの各分類毎の分類評価値に基づいて、当該分類評価値が予め定められた値（第１の値）以上である分類の数が予め定められた値（第２の値）以上であるという条件を、当該文字列Ｘが満たすか否かを判定する（ステップＳ２１）。

ここで、文字列Ｘが「外用消炎鎮痛剤」であり、第１の値が４であり、第２の値が１である場合を想定する。この場合、図１１に示す文字列保持部２４によれば文字列Ｘである「外用消炎鎮痛剤」に対する分類ａの分類評価値Ｖａは３０である（つまり、４以上）であるため、当該文字列Ｘは条件を満たすと判定される。

文字列Ｘが条件を満たさないと判定された場合（ステップＳ２１のＮＯ）、文字列決定部３６は、文字列保持部２４に保持されている文字列Ｘの文字列ＩＤにおいて上記したステップＳ２１の処理が実行されていない包含順位（つまり、未処理の包含順位）があるか否かを判定する（ステップＳ２２）。ステップＳ２２において未処理の包含順位があると判定された場合、上記した変数ｎ＝ｎ＋１とした上で、上記したステップＳ２１に戻って処理が繰り返される。

一方、文字列Ｘが条件を満たすと判定された場合（ステップＳ２１のＹＥＳ）、文字列決定部３６は、当該文字列Ｘを入力文から切り出される文字列（切り出し文字列）として決定する（ステップＳ２３）。文字列決定部３６は、文字列Ｘが切り出し文字列として決定された旨の情報を文字列保持部２４に格納する。

上記したステップ２２において未処理の包含順位がないと判定された場合、または、ステップＳ２３の処理が実行された場合、文字列決定部３６は、文字列保持部２４に上記したステップＳ２１〜ステップＳ２３の処理が実行されていない文字列ＩＤ（つまり、未処理の文字列ＩＤ）があるか否かを判定する（ステップＳ２４）。

未処理の文字列ＩＤがないと判定された場合（ステップＳ２４のＮＯ）、切り出し文字列決定処理は終了される。

一方、未処理の文字列ＩＤがあると判定された場合（ステップＳ２４のＹＥＳ）、上記した変数ｉｄ＝ｉｄ＋１とした上で、上記したステップＳ２１に戻って処理が繰り返される。これにより、次の未処理の文字列ＩＤについてステップＳ２１以降の処理が実行される。

上記したような切り出し文字列決定処理により、文字列保持部２４に同一の文字列ＩＤが付与されている複数の文字列（つまり、包含関係にある複数の文字列）が保持されている場合には、当該複数の文字列のうち分類評価値が第１の値以上である分類の数が第２の値以上であるという条件を満たす文字列であって、かつ、文字列の長さが最も長い（つまり、当該文字列を構成する単語の数が最も多い）文字列が切り出し文字列として決定される。

ここで、図１３は、図１１に示す文字列保持部２４（に保持されている情報）を用いて図１２に示す切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す。

図１３に示す例では、文字列保持部２４には、文字列「外用消炎鎮痛剤」、「使用」、「場合」および「注意」が切り出し文字列決定処理において切り出し文字列として決定された旨の情報として、これらの文字列に対応づけて判定「○」が保持されている。

出力処理部３７は、文字列保持部２４を参照して、判定「○」に対応づけて当該文字列保持部２４に保持されている文字列（切り出し文字列として決定された文字列）を出力する。なお、出力処理部３７は、切り出し文字列として決定された文字列とともに、当該文字列に対する分類評価値が最も高い分類を示す分類情報を出力しても構わない。

なお、図１４は、分類別文書データベース２２とは内容（格納されている文書）が異なる分類別文書データベースを用いて分類評価値算出処理が実行された場合の文字列保持部２４のデータ構造の一例を示す。

この場合、分類別文書データベース２２とは内容が異なる分類別文書データベースが用いられているため、前述した図１１に示す文字列保持部２４と比較して、文字列保持部２４に保持されている例えば文字列「外用消炎鎮痛剤」および「消炎鎮痛剤」に対する分類評価値Ｖａ（および当該部分類評価値Ｖａの算出に用いられるＮａ、Ｔａ、Ｃａ）が異なっている。なお、図１４においては、文字列「外用消炎鎮痛剤」および「消炎鎮痛剤」に対する分類評価値Ｖａおよび当該分類評価値Ｖａの算出に用いられるＮａ、Ｔａ、Ｃａ以外の値については便宜的に前述した図１１と同一の値としている。

図１５は、図１４に示す文字列保持部２４（に保持されている情報）を用いて図１２に示す切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す。

この場合、前述した図１３とは異なり、文字列「外用消炎鎮痛剤」に対する分類ａの分類評価値Ｖａは、例えば４（第１の値）以上ではないため、図１５に示す文字列保持部２４には、当該文字列「外用消炎鎮痛剤」ではなく文字列「消炎鎮痛剤」（つまり、包含順位が２の文字列）に対応づけて判定「○」が保持されている。つまり、この場合には文字列「消炎鎮痛剤」が切り出し文字列として決定されている。

上記したように本実施形態においては、入力文に含まれる複数の単語から予め定められた条件（第１および第２の条件）に合致する複数の文字列が取得される。本実施形態においては、取得された複数の文字列の各々に対して分類毎の分類評価値が算出され、当該分類毎の分類評価値に基づいて入力文から切り出される文字列（切り出し文字列）が決定される。また、本実施形態においては、包含関係にある複数の文字列（つまり、同一の文字列ＩＤが付与された複数の文字列）のうち、分類評価値が第１の値以上である分類の数が第２の値以上である文字列であって、かつ、当該文字列を構成する単語の数が最も多い（当該文字列の長さが最も長い）文字列が切り出し文字列として決定される。

これにより、本実施形態においては、入力された文の属する分類が不明な場合であっても、複数の単語からなる表現（文字列）において分類に応じた適切な文字列の切り出し範囲を決定することが可能となる。

なお、本実施形態においては、包含関係にある複数の文字列のうち１つのみが切り出し文字列として決定されるものとして説明したが、上記した条件を満たす文字列のうち、当該文字列を構成する単語の数が多い順に上位Ｍ個の文字列が切り出し文字列として決定される構成であっても構わない。

また、本実施形態においては、分類別文書データベース２２には文書の本文、文書ＩＤ、分類情報およびインデックスが格納されているものとして説明したが、分類情報およびインデックスのみが格納されていても構わない。

また、分類別文書データベース２２において、頻出する文字列に対する分類毎の分類評価値については予め格納しておく構成であっても構わない。このような構成とすることで、分類評価値算出処理における処理量を軽減することができる。

［第２の実施形態］
次に、図１６を参照して、本発明の第２の実施形態について説明する。図１６は、本実施形態に係る文書処理装置の主として機能構成を示すブロック図である。なお、前述した図２と同様の部分には同一参照符号を付してその詳しい説明を省略する。ここでは、図２と異なる部分について主に述べる。

また、本実施形態に係る文書処理装置のハードウェア構成は、前述した第１の実施形態と同様であるため、適宜、図１を用いて説明する。

本実施形態においては、文字列保持部２４に保持されている文字列を予め定められた条件に基づいて変更し、当該変更された文字列についても前述した第１の実施形態における分類評価値算出処理および切り出し文字列決定処理が実行される点が、前述した第１の実施形態とは異なる。なお、本実施形態においては、表現切り出し部３３において用いられる条件についても前述した第１の実施形態とは異なる。

図１６に示すように、文書処理装置３００は、文字列変更部３０１を含む。本実施形態において、文字列変更部３０１は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。

文字列変更部３０１は、文字列保持部２４に保持されている文字列（つまり、表現切り出し部３３によって取得された文字列）に対して予め定められた条件（以下、文字列変形ルール）を適用することによって、当該文字列を変形する。文字列変更部３０１は、変形された文字列を文字列保持部２４に追加する。

次に、図１７のフローチャートを参照して、本実施形態に係る文書処理装置３００の処理手順について説明する。

まず、前述した図４に示すステップＳ１およびステップＳ２の処理に相当するステップＳ３１およびステップＳ３２の処理が実行される。以下、ステップＳ３１において、「外用の消炎鎮痛剤を使用する場合の注意」という文が入力されたものとして説明する。

ここで、図１８は、形態素解析結果保持部２３に保持される形態素解析結果（つまり、ステップＳ３２における形態素解析結果）の一例を示す。図１８に示す形態素解析結果は、上記した入力文「外用の消炎鎮痛剤を使用する場合の注意」に対する形態素解析の結果である。なお、図１８に示す形態素解析結果の詳細については、前述した図５と同様であるため省略する。

再び図１７に戻ると、表現切り出し部３３は、図１８に示す形態素解析結果保持部２３に保持されている形態素解析結果に基づいて、予め定められた条件（表現を切り出すための条件）に合致する複数の文字列を取得する（ステップＳ３３）。

ここで、本実施形態においては、表現切り出し部３３は、前述した第１の実施形態において用いられた第１の条件に代えて第３の条件を用いる。

この第３の条件は、入力文における品詞が名詞である単語（以下、単に名詞と表記）が連続する範囲（区間）または間に助詞「の」を挟んで連続する範囲に対し、当該範囲内の任意の名詞から末尾の名詞までの単語から構成される文字列であることを示す。

表現切り出し部３３は、第３の条件および前述した第２の条件が適用されることによって取得された複数の文字列を文字列保持部２４に格納する。

ここで、図１９は、表現切り出し部３３によって取得された文字列を保持する文字列保持部２４のデータ構造の一例を示す。図１９に示す文字列保持部２４には、入力文「外用の消炎鎮痛剤を使用する場合の注意」に対して上記した第３および第２の条件が適用されることにより取得された文字列が保持されている。

まず、入力文「外用の消炎鎮痛剤を使用する場合の注意」（の形態素解析結果）に対して第３の条件が適用された場合を想定する。この場合、入力文の「外用の消炎鎮痛剤」が間に助詞「の」を挟んで名詞が連続する範囲に該当するため、図１９に示すように「外用の消炎鎮痛剤」、「消炎鎮痛剤」および「鎮痛剤」の文字列が第３の条件が適用されることにより取得され、これらの文字列が文字列保持部２４に保持される。同様に、図１９に示すように、「場合の注意」および「注意」の文字列が第３の条件が適用されることにより取得され、これらの文字列が文字列保持部２４に保持される。

一方、入力文「外用の消炎鎮痛剤を使用する場合の注意」（の形態素解析結果）に対して第２の条件が適用された場合を想定する。この場合、「使用」が単独の名詞に該当するため、図１９に示すように「使用」の文字列が第２の条件が適用されることにより取得され、この文字列が文字列保持部２４に保持される。

なお、図１９に示す文字列保持部２４に保持される開始および終了については、前述した図６等と同様であるためその詳しい説明を省略する。

再び図１７に戻ると、文字列変形部３０１は、文字列変形ルールに基づいて、文字列保持部２４に保持されている文字列を変形する、つまり、当該文字列が変形された文字列（表現）を生成する（ステップＳ３４）。文字列変形部３０１は、例えば上記した第３の条件が適用されることにより取得された文字列に対して変形処理を実行する。

ここで、文字列変形ルール（変形規則）は、例えば「名詞＋助詞「の」＋名詞」の文字列を「名詞＋名詞」に変形することを示す。換言すれば、この文字列変形ルールは、文字列保持部２４に保持されている文字列の品詞が名詞である単語の間に助詞「の」が挿入されているような表現（文字列）を、名詞の連続表現となる文字列に変換することを示す。なお、この文字列変形ルールは一例であるため、例えば「特許を出願する」の文字列を「特許出願」等の文字列（名詞の連続表現）に変形するような変形ルールが用いられても構わない。

文字列変形部３０１は、文字列保持部２４に保持されている文字列が変形された文字列を、当該文字列保持部２４に格納する。

ここで、図２０は、文字列変形部３０１によって変形された文字列を保持する文字列保持部２４のデータ構造の一例を示す。

図２０に示す文字列保持部２４には、上記した図１９に示す文字列保持部２４に保持されている文字列に加えて、文字列「外用消炎鎮痛剤」および「場合注意」が保持されている。

図２０に示す文字列保持部２４に保持されている文字列「外用消炎鎮痛剤」は、図１９に示す文字列保持部２４に保持されている文字列「外用の消炎鎮痛剤」に対して上記した文字列変形ルールが適用されることにより変形された文字列である。

また、図２０に示す文字列保持部２４に保持されている文字列「場合注意」は、図１９に示す文字列保持部２４に保持されている文字列「場合の注意」に対して上記した文字列変形ルールが適用されることにより変形された文字列である。

なお、図２０に示すように、文字列保持部２４における変形された文字列の開始および終了は、変形前の文字列の開始および終了と同一である。

上記したようにステップＳ３４の処理が実行され、変形された文字列が文字列保持部２４において保持されると、図４に示すステップＳ４〜ステップＳ７の処理に相当するステップＳ３５〜ステップＳ３８の処理が実行される。なお、ステップＳ３６に示す分類評価値算出処理およびステップＳ３７に示す切り出し文字列決定処理の詳細についても前述した第１の実施形態と同様であるためその詳しい説明を省略する。

図２１は、包含関係判定部３４による判定結果を保持する文字列保持部２４（つまり、ステップＳ３５の処理が実行された後の文字列保持部２４）のデータ構造の一例を示す。

図２１に示す文字列保持部２４には、前述したように同一の文字列ＩＤが付与された複数の文字列についてはlengthの値に応じて包含順位が保持される。

ここで、例えば図２１に示す文字列「外用の消炎鎮痛剤」および文字列「外用消炎鎮痛剤」は、lengthの値は同一である。この場合、文字列に対応づけられている番号が小さい方の包含順位が高くなるようにするものとする。図２１に示す例では、文字列「外用の消炎鎮痛剤」および「外用消炎鎮痛剤」のlengthの値はともに４であるが、文字列「外用消炎鎮痛剤」の番号は１、文字列「外用消炎鎮痛剤」の番号は７であるため、文字列「外用の消炎鎮痛剤」の包含順位が１、文字列「外用消炎鎮痛剤」の包含順位が２となる。

なお、文字列「場合の注意」および「場合注意」についても文字列「外用の消炎鎮痛剤」および「外用消炎鎮痛剤」と同様であるため、その詳しい説明を省略する。

図２２は、ステップＳ３６の分類評価値算出処理およびステップＳ３７の切り出し文字列決定処理が実行された後の文字列保持部２４のデータ構造の一例を示す。

図２２に示すように、文字列保持部２４には、文字列「使用」、「場合の注意」および「外用消炎鎮痛剤」に対応づけて判定「○」が保持されている。

つまり、文字列ＩＤ「１」が付与された文字列「外用の消炎鎮痛剤」、「消炎鎮痛剤」、「鎮痛剤」および「外用消炎鎮痛剤」の中からは、前述した切り出し文字列決定処理において文字列「外用消炎鎮痛剤」が入力文から切り出される文字列（切り出し文字列）として決定されている。

同様に、文字列ＩＤ「３」が付与された文字列「場合の注意」、「注意」および「場合注意」の中からは、前述した切り出し文字列決定処理において文字列「場合の注意」が切り出し文字列として決定されている。

これにより、文字列文字列「使用」、「場合の注意」および「外用消炎鎮痛剤」が出力処理部３７によって出力される。

上記したように本実施形態においては、文字列保持部２４に保持されている文字列（つまり、表現切り出し部３３によって取得された文字列）が文字列変形ルールに基づいて変形され、当該変形された文字列についても分類評価値算出処理および切り出し文字列決定処理が実行される。

これにより、本実施形態においては、表現切り出し部３３によって取得された文字列に対する分類毎の分類評価値が分類評価値算出処理における条件を満たさないような場合には、変形された文字列を切り出し文字列として決定することが可能となる。

したがって、本実施形態においては、入力文の属する分類が不明な場合であっても、複数の単語からなる表現において分類に応じた適切な文字列の切り出し範囲を決定することができる。

なお、本願発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組合せてもよい。

１０…コンピュータ、２０…外部記憶装置、２２…分類別文書データベース（分類別文書格納手段）、２３…形態素解析結果保持部、２４…文字列保持部、３０，３００…文書処理装置、３１…入力処理部、３２…形態素解析部（抽出手段）、３３…表現切り出し部（取得手段）、３４…包含関係判定部、３５…分類評価値算出部、３６…文字列決定部、３７…出力処理部、３０１…文字列変形部。

Claims (4)

1. 文書毎に、当該文書が属する分類を示す分類情報および当該文書に含まれる文字列を示すインデックスを対応づけて予め格納する分類別文書格納手段と、
   ユーザによって指定された文であって、複数の単語から構成される第１の文字列を含む文を入力する入力手段と、
   前記入力された文を解析することにより、当該文に含まれる第１の文字列を構成する複数の単語を抽出する抽出手段と、
   前記抽出された複数の単語に基づいて、予め定められた条件に合致する複数の第２の文字列を取得する取得手段と、
   前記取得された複数の第２の文字列を保持する文字列保持手段と、
   前記文字列保持手段に保持された第２の文字列毎に、当該第２の文字列と一致するインデックスおよび当該第２の文字列を含むインデックスを前記分類別文書格納手段から検索する検索手段と、
   前記検索されたインデックスに基づいて、前記文字列保持手段に保持された第２の文字列の各々の評価値を、当該インデックスに対応づけて前記分類別文書格納手段に格納されている分類情報によって示される分類毎に算出する評価値算出手段と、
   前記算出された評価値が予め定められた第１の値以上である分類の数が予め定められた第２の値以上である前記文字列保持手段に保持された第２の文字列のうち、当該第２の文字列の長さが最も長い第２の文字列を前記入力された文から切り出される文字列として決定する決定手段と
   を具備し、
   前記評価値算出手段は、
   前記検索されたインデックスの数を示す第１の出現回数を算出する第１の算出手段と、
   前記検索されたインデックスのうち、前記文字列保持手段に保持された第２の文字列を含むインデックスの数を示す第２の出現回数を算出する第２の算出手段と、
   前記検索されたインデックスのうち、異なるインデックスの数を示す異なり数を算出する第３の算出手段と
   を含み、
   前記第１の算出手段によって算出された第１の出現回数、前記第２の算出手段によって算出された第２の出現回数および前記第３の算出手段によって算出された異なり数を用いて前記評価値を算出する
   ことを特徴とする文書処理装置。
2. 文字列を変形するための予め定められた条件に基づいて、前記文字列保持手段に保持された第２の文字列を変形する文字列変形手段を更に具備し、
   前記文字列保持手段は、前記文字列変形手段によって変形された第２の文字列を更に保持する
   ことを特徴とする請求項１記載の文書処理装置。
3. 前記取得手段は、前記抽出された複数の単語において、前記第１の文字列を構成する任意の単語から当該第１の文字列を構成する末尾の単語までの単語から構成される第２の文字列の各々を取得することを特徴とする請求項１記載の文書処理装置。
4. 文書毎に、当該文書が属する分類を示す分類情報および当該文書に含まれる文字列を示すインデックスを対応づけて予め格納する分類別文書格納手段と文字列保持手段とを有する外部記憶装置と、当該外部記憶装置を利用するコンピュータとから構成される文書処理装置において、前記コンピュータによって実行されるプログラムであって、
   前記コンピュータに、
   ユーザによって指定された文であって、複数の単語から構成される第１の文字列を含む文を入力するステップと、
   前記入力された文を解析することにより、当該文に含まれる第１の文字列を構成する複数の単語を抽出するステップと、
   前記抽出された複数の単語に基づいて、予め定められた条件に合致する複数の第２の文字列を取得するステップと、
   前記取得された複数の第２の文字列を前記文字列保持手段に保持させるステップと、
   前記文字列保持手段に保持された第２の第２の文字列毎に、当該第２の文字列を含むインデックスを前記分類別文書格納手段から検索するステップと、
   前記検索されたインデックスに基づいて、前記文字列保持手段に保持された第２の文字列の各々の評価値を、当該インデックスに対応づけて前記分類別文書格納手段に格納されている分類情報によって示される分類毎に算出するステップと、
   前記算出された評価値が予め定められた第１の値以上である分類の数が予め定められた第２の値以上である前記文字列保持手段に保持された第２の文字列のうち、当該第２の文字列を構成する単語の数が最も多い第２の文字列を前記入力された文から切り出される文字列として決定するステップと
   を実行させ、
   前記評価値を分類毎に算出するステップにおいて、前記検索されたインデックスの数を示す第１の出現回数を算出し、前記検索されたインデックスのうち、前記文字列保持手段に保持された第２の文字列を含むインデックスの数を示す第２の出現回数を算出し、前記検索されたインデックスのうち、異なるインデックスの数を示す異なり数を算出し、前記算出された第１の出現回数、前記算出された第２の出現回数および前記算出された異なり数を用いて前記評価値を算出する
   ことを特徴とするプログラム。

Images