JP5076417B2 - 概念ネットワーク生成システム、概念ネットワーク生成方法及び概念ネットワーク生成プログラム - Google Patents

Description

本発明は、単語間の概念関係を表す概念ネットワークを生成する概念ネットワーク生成システム、概念ネットワーク生成方法及び概念ネットワーク生成プログラムに関する。

概念ネットワークは、単語を所定の定義に基づいて体系的に分類し、単語間の概念的なつながり（概念関係）を表すものである。概念関係の１つとして、上位・下位概念（Is-a関係）がある。例えば、「車」や「飛行機」は、「乗り物」という体系で分類した場合、上位概念は「乗り物」、下位概念は「車」及び「飛行機」となる。概念関係の記述方法は、ノードとリンクによって構成される有効グラフで作成されることが多く、例えば、上位概念「乗り物」と下位概念「車」との概念関係は、「乗り物 -> 車」といった表現がなされる。

概念ネットワークは、人間による手作業や、データ分析の一部をコンピュータによって自動で作成し、人間が確認するといった半自動生成によって生成される。しかし、これらの生成方法は、人手を要するため、半自動であっても多大な作成コストがかかる。また、特定の人間によって生成されるため、概念ネットワークが恣意的な解釈で生成される可能性が高い。

このため、概念ネットワークの自動生成を行うことが要求されている。例えば、特許文献１に記載された技術は、単語と単語の想起関係を有効グラフで表現した概念ネットワークを自動的に作成するものである。ここで、想起関係とは、複数のテキストを入力して、共起頻度や単語の出現頻度、テキスト数を統計し、ある単語からある単語への想起の強さを、情報量尺度を用いて算出したものである。また、特許文献２に記載された技術は、概念関係を二項関係により抽出するものである。ここで、二項関係は、基本的には動詞の表層を中心とする文のパターンを用いて抽出されるが、抽出することができない場合は、該当の単語を含むか否か頻度情報に応じた文書の重みベクトルを用いて二項関係の存在の予測を行い、その予測に基づいて抽出される。
特開２００１−２４３２２３公報 特開２００３−１８６８９４号公報

しかしながら、特許文献１に記載された技術では、ある単語からある単語への想起の強さに基づいて、概念ネットワークを生成するため、生成される概念関係には限りがある。また、特許文献２に記載された技術では、二項関係の抽出に文のパターンを用いると、重文や複文、多くの修飾語からなる文等の複雑な文構造を持つ文の場合、精度良く概念関係を抽出できない。この場合、文書の重みベクトルを二項関係の予測に利用しても、適切な概念関係は抽出されない。すなわち、従来の技術では、文書中に含まれる単語の頻度情報を用いるために、単語間の概念関係が適切に抽出されない。

本発明は、上述した課題に対してなされたものであり、適切な単語間の概念関係を得て概念ネットワークを生成することが可能な概念ネットワーク生成システム、概念ネットワーク生成方法及び概念ネットワーク生成プログラムを提供するものである。

本発明は、単語間の概念関係を表す概念ネットワークを生成する概念ネットワーク生成システムであって、概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索手段と、前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成手段と、前記生成された第１の構造情報を記憶部に保持させる保持手段と、前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索手段と、前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成手段と、前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出手段と、前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定手段を有することを特徴とする。

この構成によれば、概念関係にある第１及び第２の単語の双方を含む第１の検索結果文を取得して、その構造を表す第１の構造情報を生成するとともに、概念関係にある第１及び第２の単語の一方である第１の単語を含む第２の検索結果文を取得して、その構造を表す第２の構造情報を生成し、第２の構造情報のうち、第１の構造情報に類似するものに対応する第２の検索結果文における、第１の検索結果文内の第２の単語に対応する単語と、第１の単語とを概念関係として取得する。これにより、概念関係にある第１及び第２の単語が得られれば、これら第１及び第２の単語の双方を含む第１の検索結果文の構造と、第１の単語のみを含む第２の検索結果文の構造とに基づいて、第１の単語と他の単語との概念関係を得ることができ、概念関係を自動的に増やして概念ネットワークを拡張していくことができる。また、人手に拠らないため、生成される概念ネットワークが恣意的になることを妨げることができる。ここで、概念関係とは、上位概念と下位概念との関係、語句とその語句の持つ特徴や性質を示すものとの関係、語句とその語句の持つ特徴や性質の値を示すものとの関係等、単語間の様々な概念的なつながりを表すものである。

また、本発明の概念ネットワーク生成システムは、前記保持手段が、同一の構造を表す第１の構造情報の数を所定の条件式に代入して算出される値が予め定められた第２の所定値以上である場合に、前記同一の構造を表す第１の構造情報を記憶部に保持させるようにしてもよい。

また、本発明の概念ネットワーク生成システムは、前記算出手段が、前記生成された第２の構造情報と前記保持された第１の構造情報とが同一の構造を表す場合に前記類似度を前記第１の所定値以上とするようにしてもよい。

この構成によれば、第１の構造情報と同一の構造を表す第２の構造情報、換言すれば、精度の高い概念ネットワークの生成のためにより適切な第２の構造情報を確実に抽出することができる。

また、本発明の概念ネットワーク生成システムは、前記算出手段が、前記生成された第２の構造情報と前記保持された第１の構造情報とが同一又は類似の単語を多く含むほど、前記類似度を大きくするようにしてもよい。

この構成によれば、第１の構造情報と同一又は類似の単語を多く含む第２の構造情報、換言すれば、精度の高い概念ネットワークの生成のためにより適切な第２の構造情報を抽出しやすくすることができる。

また、本発明の概念ネットワーク生成システムは、前記第１及び第２の単語と、前記検索対象文とが、分野を表す分野情報が付加されており、前記第１の検索手段が、前記第１及び第２の単語に付加された分野情報と同一の分野情報が付加された第１の検索結果文を取得し、前記第２の検索手段が、前記第１の単語に付加された分野情報と同一の分野情報が付加された第２の検索結果文を取得するようにしてもよい。

この構成によれば、分野を考慮した適切な検索が可能となり、精度の高い概念ネットワークの生成が可能となる。

また、本発明の概念ネットワーク生成システムは、前記第１の生成手段が、前記第１の検索結果文内の単語と前記第１の検索結果文の構造とを表す前記第１の構造情報に加え、前記第１の検索結果文内の定義及び説明の記述を表す第１の構造情報をさらに生成し、前記第２の生成手段が、前記第２の検索結果文内の単語と前記第２の検索結果文の構造とを表す前記第２の構造情報に加え、前記第２の検索結果文内の定義及び説明の記述を表す第２の構造情報をさらに生成し、前記設定手段は、前記定義及び説明の記述を含んだ概念ネットワーク情報を生成するようにしてもよい。

この構成によれば、定義及び説明の記述を含んだ概念ネットワーク情報が生成されることにより、定義及び説明の記述を更なる概念ネットワークの拡張に用いることが可能となる。

また、本発明の概念ネットワーク生成システムは、前記第１及び第２の単語と、前記検索対象文内の単語とが、単語の属性を表す属性情報が付加されており、前記第１の検索手段が、前記第１及び第２の単語に付加された属性情報と同一の属性情報が付加された単語を有する第１の検索結果文を取得し、前記第２の検索手段が、前記第１の単語に付加された属性情報と同一の属性情報が付加された単語を有する第２の検索結果文を取得するようにしてもよい。

この構成によれば、単語の属性を考慮した概念ネットワークの生成が可能となり、例えば、同音異義語が概念関係となった不適切な概念ネットワークが生成されることが防止される。

また、本発明の概念ネットワーク生成システムは、前記第１の生成手段が、前記第１の構造情報に含まれる単語を類似する単語に置き換えた新たな前記第１の構造情報を生成し、前記第２の生成手段が、前記第２の構造情報に含まれる単語を類似する単語に置き換えた新たな前記第２の構造情報を生成するようにしてもよい。

この構成によれば、構造情報の数を増やし、概念ネットワークの更なる拡張を図ることができる。

また、本発明の概念ネットワーク生成システムは、前記第１の生成手段が、前記取得された第１の検索結果文に対し、格解析又は係り受け解析を行い、前記第２の生成手段が、前記取得された第２の検索結果文に対し、格解析又は係り受け解析を行うようにしてもよい。

本発明は、単語間の概念関係を表す概念ネットワークをコンピュータにより生成する方法であって、概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索ステップと、前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成ステップと、前記生成された第１の構造情報を記憶部に保持させる保持ステップと、前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索ステップと、前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成ステップと、前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出ステップと、前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定ステップとを有することを特徴とする。

本発明は、単語間の概念関係を表す概念ネットワークを生成するコンピュータによって実行されるプログラムであって、概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索ステップと、前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成ステップと、前記生成された第１の構造情報を記憶部に保持させる保持ステップと、前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索ステップと、前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成ステップと、前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出ステップと、前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定ステップとを有することを特徴とする。

本発明によれば、第１及び第２の単語を含む検索結果文の構造に基づいて、第１の単語と他の単語との概念関係を得ることができ、人手を介することなく、概念関係を自動的に増やして概念ネットワークを拡張していくことができる。

本発明の実施の形態について、図面を参照して具体的に説明する。図１は、概念ネットワーク生成システムのハードウェア構成を示す図である。図１に示す概念ネットワーク生成システムは、パーソナルコンピュータ（ＰＣ）１００であり、内部バス１０７に接続されたＣＰＵ１０１、メモリ１０２、ハードディスクドライブ（ＨＤＤ）１０３、操作部１０５、モニタ１０６及び通信ユニット１０８によって構成される。

図２は、概念ネットワーク生成システムを構成するＰＣ１００の機能ブロック図である。図２に示す概念ネットワーク生成システムを構成するＰＣ１００は、第１の検索手段及び第２の検索手段に対応する検索部１２と、第１の生成手段、第２の生成手段、保持手段及び算出手段に対応する解析・格構造生成部１４と、格構造パターン辞書蓄積部１６と、設定手段に対応するオントロジー生成部１８と、オントロジー蓄積部２０とにより構成される。これら各機能ブロックは、図１のハードウェア構成においては、ＣＰＵ１０１が操作部１０５の操作に応じて、ＨＤＤ１０３から読み出してメモリ１０２に記憶させた所定のプログラムを実行することによって実現される。

概念ネットワーク生成システムを構成するＰＣ１００は、格構造パターン情報の格構造パターン辞書への格納と、当該格構造パターン情報を用いた概念ネットワーク情報であるオントロジーの生成とを行う。

まず、格構造パターン情報の格構造パターン辞書への格納動作について説明する。図３は、ＰＣ１００による格構造パターン情報の格構造パターン辞書への格納動作を示すフローチャートである。検索部１２は、ユーザが操作部１０５（例えばキーボード）の操作によって、概念関係にある第１及び第２の単語（第１及び第２の概念関係単語）を入力すると、当該第１及び第２の概念関係単語を取得する（Ｓ１０２）。ユーザは、第１及び第２の概念関係単語を入力する際に、その概念関係が特定可能なようにこれら単語の記述を行う。例えば、上位概念の単語が「乗り物」、下位概念の単語が「車」である場合、上位概念の単語、下位概念の単語の順に記述されることが定められていれば、ユーザは「乗り物->車」と記述し、下位概念の単語、上位概念の単語の順に記述されることが定められていれば、ユーザは「車<-乗り物」と記述する。なお、ユーザは、「乗り物->車，車->セダン」というようにカンマで区切られた複数の概念関係を表す記述を行ってもよい。また「乗り物 車」というように単語間をスペースで区切ってもよい。この場合は、上位概念の単語、下位概念の単語の順に記述されることが定めていることを条件とする。

次に、検索部１２は、これら第１及び第２の概念関係単語を検索クエリーとして、外部、例えば、インターネット上に存在する知識源２００内の検索対象文を検索し、検索結果分を取得する（Ｓ１０２）。更に、検索部１２は、その検索結果文のうち、第１及び第２の概念関係単語の双方を有する文（第１検索結果文）を取得する（Ｓ１０３）。

解析・格構造生成部１４は、第１検索結果文に対して格解析を行う（Ｓ１０４）。更に、解析・格構造生成部１４は、格解析の結果に基づいて、第１検索結果文内の単語と当該第１検索結果文における格構造とを表す第１格構造パターン情報を生成し、格構造パターン辞書蓄積部１６内の格構造パターン辞書に格納する（Ｓ１０５）。これにより、第１格構造パターン情報が格構造パターン辞書の一部として保持される。

上述した格構造パターン情報の格納動作について、更に、その詳細を説明する。図４は、ＰＣ１００による格構造パターン情報の格構造パターン辞書への格納動作の詳細を示すフローチャートである。検索部１２は、ユーザが操作部１０５（例えばキーボード）の操作によって、概念関係にある２つの単語（概念関係単語Ｗｎａ及び概念関係単語Ｗｎｂ）の組み合わせＷｎ（Ｗｎａ，Ｗｎｂ）（ここでｎ＞＝１）を入力すると、この概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）を取得し（Ｓ２０１）、概念関係単語Ｗｎａ及びＷｎｂの概念関係を把握する（Ｓ２０２）。

次に、検索部１２は、取得した概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）に、未処理ものが存在するか否か、具体的には、後述するＳ２０４以降の処理の対象となっていないものが存在するか否かを判定する（Ｓ２０３）。未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在しない場合には、一連の動作を終了する。一方、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在する場合、検索部１２は、そのいずれかを選択し、選択した概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）に含まれる概念関係単語Ｗｎａ及びＷｎｂを取り出す（Ｓ２０４）。

次に、検索部１２は、取り出した概念関係単語Ｗｎａ及びＷｎｂを検索クエリーとして知識源２００を検索し、これら概念関係単語Ｗｎａ及びＷｎｂの少なくとも一方を含む検索結果文を取得する（Ｓ２０５）。更に、検索部１２は、検索によって取得した検索結果文の数Ｌが０であるか否かを判定する（Ｓ２０６）。検索結果文の数Ｌが０である場合、換言すれば、概念関係単語Ｗｎａ及びＷｎｂの少なくとも一方を含む文が知識源２００内に存在しなかった場合には、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在するか否かの判定（Ｓ２０３）以降の処理が繰り返される。

一方、検索結果文の数Ｌが０でない場合、次に、検索部１２は、検索結果文から概念関係単語Ｗｎａ及びＷｎｂの双方を含むもの（第１検索結果文）を抽出する（Ｓ２０７）。更に、検索部１２は、未処理の第１検索結果文の数Ｍが０であるか否か、具体的には、後述するＳ２０９以降の処理の対象となっていない第１検索結果文が存在するか否かを判定する（Ｓ２０８）。概念関係単語Ｗｎａ及びＷｎｂの双方を含む文が知識源２００内に存在しなかった場合や、全ての第１検索結果文が処理済である場合には、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在するか否かの判定（Ｓ２０３）以降の処理が繰り返される。

一方、第１検索結果文の数Ｍが０でない場合、検索部１２は、この第１検索結果文を解析・格構造生成部１４へ出力する。解析・格構造生成部１４は、入力した第１検索結果文から１つを選択し、その選択した第１検索結果文に対して、格解析を行う（Ｓ２０９）。格解析には、文の構造を出力する、Lexical Functional Grammar（ＬＦＧ）に基づく格解析システムが用いられる。ＬＦＧは、解析結果としてf-structure(f-str)と称される格構造を出力するものであり、非特許文献（増市、大熊著、「Lexical Functional Grammarに基づく実用的な日本語解析システムの構築」、自然言語処理、Vol.10、No.2、p.79-109、言語処理学会、2003年）及び当該非特許文献中の引用文献に詳細が記述されている。例えば、上位概念の概念関係単語Ｗｎａが「シェークスピア」、下位概念の概念関係単語Ｗｎｂが「ハムレット」であり、第１検索結果文が「シェークスピアは名作ハムレットを書いた。」である場合、f-structureは図５に示すものとなる。

次に、解析・格解析生成部１４は、解析結果の数Ｎが０であるか否かを判定する（Ｓ２１０）。解析結果の数Ｎが０である場合、換言すれば、f-structureを得ることができなかった場合には、未処理の第１検索結果文の数Ｍが０であるか否かの判定（Ｓ２０８）以降の動作を繰り返す。

一方、解析結果の数Ｎが０でない場合、解析・格解析生成部１４は、f-structureを、格構造を階層構造で表す木構造に変換する。木構造は、ノードに述語（PRED）の表層文字列、リンクラベルに文法機能を付与したものである。図６は、上位概念の概念関係単語Ｗｎａが「シェークスピア」、下位概念の概念関係単語Ｗｎｂが「ハムレット」であり、第１検索結果文が「シェークスピアは名作ハムレットを書いた。」である場合のf-structureと木構造との対応関係を示す図である。

更に、解析・格構造生成部１４は、取得した木構造に基づいて、第１検索結果文内の単語と当該第１検索結果文における格構造とを表す第１格構造パターン情報を生成する（Ｓ２１１）。具体的には、解析・格構造生成部１４は、木構造の各階層毎、且つ、文法機能毎に概念関係単語が出現した情報を第１格構造パターン情報のデータ構造に追加していく。

第１格構造パターン情報は、第１のデータ構造及び第２のデータ構造からなる。図７は、図６に示す木構造に対応する第１格構造パターン情報の一例を示す図である。第１のデータ構造は、木構造で表される単語のそれぞれについて、１行目にその単語の階層と文法機能を含み、２行目にその単語が概念関係単語であれば、当該概念関係単語の識別子、概念関係単語以外の単語であれば、当該単語を表す「ｎｕｌｌ」と、当該単語に対応する述語の表層文字列（動詞だけでなく概念関係単語が述語となる場合もある）とを含む。図６の木構造では、第１階層に、文法機能が主語（SUBJ）である概念関係単語Ｗｎａ「シェークスピア」と、文法機能が目的語（OBJ）である概念関係単語Ｗｎｂ「ハムレット」が存在し、これら概念関係単語Ｗｎａ「シェークスピア」、概念関係単語Ｗｎｂ「ハムレット」に対応する述語が「書く」である。従って、図７（ａ）に示す第１のデータ構造では、概念関係単語Ｗｎａ「シェークスピア」について、１行目に階層数の「１」、文法機能の主語「SUBJ」を含み、２行目に述語の表層文字列「書く」と概念関係単語の識別子「Ｗｎａ」を含んだデータと、概念関係単語Ｗｎｂ「ハムレット」について、１行目に階層数の「１」、文法機能の目的語「OBJ」を含み、２行目に述語「書く」と概念関係単語の識別子「Ｗｎｂ」を含んだデータとが含まれる。また、図６の木構造では、第２階層に、文法機能がMODである概念関係単語以外の単語「名作」が存在し、この概念関係以外の単語「名作」に対応する述語が概念関係単語Ｗｎｂ「ハムレット」である。従って、図７（ａ）に示す第１のデータ構造では、概念関係単語以外の単語「名作」について、１行目に階層数の「２」、文法機能の「MOD」を含み、２行目に述語である概念関係単語の識別子「Ｗｎｂ」と概念関係単語以外の単語「名作」を表す「ｎｕｌｌ」を含んだデータが含まれる。

一方、第２のデータ構造は、木構造で表される単語のそれぞれについて、１行目にその単語が概念関係単語であれば、当該概念関係単語の識別子、概念関係単語以外の単語であれば、当該単語の識別子「ｎｅｗ」を含み、２行目にその単語の階層と文法機能を含み、３行目にその単語が概念関係単語であれば、当該概念関係単語の表層文字列を含む。図６の木構造では、第１階層に、文法機能が主語（SUBJ）である概念関係単語Ｗｎａ「シェークスピア」と、文法機能が目的語（OBJ）である概念関係単語Ｗｎｂ「ハムレット」が存在する。従って、図７（ｂ）に示す第２のデータ構造では、概念関係単語Ｗｎａ「シェークスピア」について、１行目に概念関係単語の識別子「Ｗｎａ」、２行目に階層数の「１」、文法機能の主語「SUBJ」を含み、３行目に表層文字列「シェークスピア」を含んだデータと、概念関係単語Ｗｎｂ「ハムレット」について、１行目に概念関係単語の識別子「Ｗｎｂ」、２行目に階層数の「１」、文法機能の目的語「OBJ」を含み、３行目に表層文字列「ハムレット」を含んだデータが含まれる。更に、図７（ｂ）に示す第２のデータ構造では、概念関係単語以外の単語「名作」について、１行目に概念関係以外の単語の識別子「ｎｅｗ」を含み、２行目及び３行目が空欄となったデータが含まれる。

次に、解析・格構造生成部１４は、上述した手順によって生成した第１格構造パターン情報を生成し、格構造パターン辞書蓄積部１６の格構造パターン辞書に格納して、保持させる（Ｓ２１２）。その後は、未処理の第１検索結果文の数Ｍが０であるか否かの判定（Ｓ２０８）以降の動作が繰り返される。そして、未処理の第１検索結果文の数Ｍが０である場合には、更に、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在するか否かの判定（Ｓ２０３）が行われ、全ての概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が処理済になると一連の動作が終了する。

なお、解析・格構造生成部１４は、同一の格構造を有する第１格構造パターン情報について、所定の条件式によって算出される値（格納判定値）が予め定められた所定値以上である場合にのみ、その同一の格構造を有する第１格構造パターン情報を格構造パターン辞書蓄積部１６の格構造パターン辞書に格納するようにしてもよい。具体的には、解析・格構造生成部１４は、以下の数１に基づいて格納判定値を算出する。なお、数１において、sametreenumは同一の格構造を有する第１格構造パターン情報の数、alltreenumは全ての第１格構造パターン情報の数を示す。

次に、オントロジーの生成動作について説明する。図８は、ＰＣ１００によるオントロジーの生成動作を示すフローチャートである。Ｓ３０１及びＳ３０２の動作は、上述した図３のＳ１０１及びＳ１０２の動作と同様である。従って、Ｓ３０１及びＳ３０２の動作は、オントロジーの生成動作において必ずしも改めて行われる必要はない。

Ｓ３０２の検索によって検索結果文を取得すると、検索部１２は、その検索結果文のうち、第１及び第２の概念関係単語のいずれか一方有する文（第２検索結果文）を取得する（Ｓ３０３）。

解析・格構造生成部１４は、第２検索結果文に対して格解析を行い（Ｓ３０４）、その格解析の結果に基づいて、第２検索結果文内の単語と当該第２検索結果文における格構造とを表す第２格構造パターン情報を生成する（Ｓ３０５）。更に、解析・格構造生成部１４は、生成した第２格構造パターン情報と、格構造パターン辞書蓄積部１６の格構造パターン辞書に格納されている第１格構造パターン情報との類似度を算出する（Ｓ３０６）。そして、類似度が予め定められた所定値以上である場合、オントロジー生成部１８は、第１及び第２の概念関係単語と、第２格構造パターン情報内の所定単語とを概念関係としたオントロジーを生成し、オントロジー蓄積部２０に格納する（Ｓ３０７）。

上述したオントロジーの生成動作について、更に、その詳細を説明する。図９は、ＰＣ１００によるオントロジーの生成動作の詳細を示すフローチャートである。Ｓ４０１乃至Ｓ４０６の動作は、上述した図４のＳ２０１及びＳ２０６の動作と同様であるので、その説明は省略する。

Ｓ４０６により検索結果文の数Ｌが０でないと判定した場合、次に、検索部１２は、検索結果文から概念関係単語Ｗｎａ及びＷｎｂのいずれか一方を含むもの（第２検索結果文）を抽出する（Ｓ４０７）。更に、検索部１２は、未処理の第２検索結果文の数Ｍが０であるか否か、具体的には、後述するＳ４０８以降の処理の対象となっていない第２検索結果文が存在するか否かを判定する（Ｓ４０８）。概念関係単語Ｗｎａ及びＷｎｂのいずれか一方を含む文が知識源２００内に存在しなかった場合や、全ての第２検索結果文が処理済である場合には、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在するか否かの判定（Ｓ４０３）以降の処理が繰り返される。

一方、第２検索結果文の数Ｍが０でない場合、検索部１２は、この第２検索結果文を解析・格構造生成部１４へ出力する。解析・格構造生成部１４は、入力した第２検索結果文から１つを選択し、その選択した第２検索結果文に対して、格解析を行う（Ｓ４０９）。

次に、解析・格解析生成部１４は、解析結果の数Ｎが０であるか否かを判定する（Ｓ４１０）。解析結果の数Ｎが０である場合、換言すれば、f-structureを得ることができなかった場合には、未処理の第２検索結果文の数Ｍが０であるか否かの判定（Ｓ４０８）以降の動作を繰り返す。

一方、解析結果の数Ｎが０でない場合、解析・格解析生成部１４は、f-structureを、格構造を階層構造で表す木構造に変換する。図１０は、上位概念の概念関係単語Ｗｎａが「シェークスピア」、下位概念の概念関係単語Ｗｎｂが「ハムレット」であり、第２検索結果文がこれらのうち「シェークスピア」のみを含む「シェークスピアは悲劇マクベスを書く。」である場合の木構造を示す図である。

更に、解析・格構造生成部１４は、取得した木構造に基づいて、第２検索結果文内の単語と当該第２検索結果文における格構造とを表す第２格構造パターン情報を生成する（Ｓ４１１）。具体的には、上述した第１構造パターン情報の生成と同様、解析・格構造生成部１４は、木構造の各階層毎、且つ、文法機能毎に概念関係単語が出現した情報を第２格構造パターン情報のデータ構造に追加していく。

第２格構造パターン情報は、第１格構造パターン情報と同様、第１のデータ構造及び第２のデータ構造からなる。図１１は、図１０に示す木構造に対応する第２格構造パターン情報の一例を示す図である。第１のデータ構造は、木構造で表される単語のそれぞれについて、１行目にその単語の階層と文法機能を含み、２行目にその単語が概念関係単語であれば、当該概念関係単語の識別子、概念関係単語以外の単語であれば、当該単語の識別子「ｎｅｗ」と、当該単語に対応する述語とを含む。図１０の木構造では、第１階層に、文法機能が主語（SUBJ）である概念関係単語Ｗｎａ「シェークスピア」と、文法機能が目的語（OBJ）である概念関係単語以外の単語「マクベス」が存在し、これら概念関係単語Ｗｎａ「シェークスピア」、概念関係単語以外の単語「マクベス」に対応する述語が「書く」である。従って、図１１（ａ）に示す第１のデータ構造では、概念関係単語Ｗｎａ「シェークスピア」について、１行目に階層数の「１」、文法機能の主語「SUBJ」を含み、２行目に述語「書く」と概念関係単語の識別子「Ｗｎａ」を含んだデータと、概念関係単語以外の単語「マクベス」について、１行目に階層数の「１」、文法機能の目的語「OBJ」を含み、２行目に述語「書く」と概念関係単語以外の単語「マクベス」の識別子「ｎｅｗ１」を含んだデータとが含まれる。また、図１０の木構造では、第２階層に、文法機能がMODである概念関係単語以外の単語「悲劇」が存在し、この概念関係単語以外の単語「悲劇」に対応する述語が概念関係単語以外の単語「マクベス」である。従って、図１１（ａ）に示す第１のデータ構造では、概念関係単語以外の単語「悲劇」について、１行目に階層数の「２」、文法機能の「MOD」を含み、２行目に述語である概念関係単語以外の単語［マクベス］の識別子「ｎｅｗ１」と概念関係単語以外の単語「悲劇」の識別子「ｎｅｗ２」を含んだデータが含まれる。

一方、第２のデータ構造は、木構造で表される単語のそれぞれについて、１行目にその単語が概念関係単語であれば、当該概念関係単語の識別子、概念関係単語以外の単語であれば、当該単語の識別子「ｎｅｗ」を含み、２行目にその単語の階層と文法機能を含み、３行目にその単語の表層文字列を含む。図１０の木構造では、第１階層に、文法機能が主語SUBJである概念関係単語Ｗｎａ「シェークスピア」と、文法機能が目的語OBJである概念関係単語以外の単語「マクベス」が存在する。従って、図１１（ｂ）に示す第２のデータ構造では、概念関係単語Ｗｎａ「シェークスピア」について、１行目に概念関係単語の識別子「Ｗｎａ」、２行目に階層数の「１」、文法機能の主語「SUBJ」を含み、３行目に表層文字列「シェークスピア」を含んだデータと、概念関係単語以外の単語「マクベス」について、１行目に概念関係単語以外の単語「マクベス」の識別子「ｎｅｗ１」、２行目に階層数の「１」、文法機能の目的語「OBJ」を含み、３行目に表層文字列「マクベス」を含んだデータが含まれる。また、図１０の木構造では、第２階層に、文法機能がMODである概念関係単語以外の単語「悲劇」が存在する。したがって、図１１（ｂ）に示す第２のデータ構造では、概念関係単語以外の単語「悲劇」について、１行目に概念関係単語以外の単語「悲劇」の識別子「ｎｅｗ２」、２行目に階層数の「２」、文法機能の主語「MOD」を含み、３行目に表層文字列「悲劇」を含んだデータが含まれる。更には、図１０の木構造に含まれない概念関係単語Ｗｎｂ「ハムレット」について、１行目に概念関係単語の識別子「Ｗｎｂ」を含み、２行目及び３行目が空欄となったデータが含まれる。

次に、解析・格構造生成部１４は、上述した手順によって生成した第２格構造パターン情報と、格構造パターン辞書蓄積部１６の格構造パターン辞書に格納されている第１格構造パターン情報との類似度Ｓを算出する（Ｓ４１２）。

具体的には、解析・格構造生成部１４は、生成した第２格構造パターン情報と、格構造パターン辞書蓄積部１６の格構造パターン辞書に格納されている第１格構造パターン情報のそれぞれについて、第１のデータ構造の１行目を比較する。そして、第１のデータ構造の１行目が一致する場合、換言すれば、第２格構造パターン情報に対応する第２検索結果文の格構造と、第１格構造パターン情報に対応する第１検索結果文との格構造が一致する場合、解析・格構造生成部１４は、これら第２格構造パターン情報と、第１格構造パターン情報とのそれぞれについて、第１のデータ構造の２行目を比較する。そして、解析・格構造生成部１４は、第２格構造パターン情報の第１のデータ構造の２行目に含まれる概念関係単語以外の単語の識別子において、第１格構造パターン情報の第１のデータ構造の２行目に含まれる概念関係単語Ｗｎａ及びＷｎｂのうち、第２格構造パターン情報に含まれないいずれかと対応するものを特定する。そして、解析・格構造生成部１４は、特定することができた場合には、類似度Ｓを後述のＳ４１３において肯定判断される値（例えば１）とする。一方、解析・格構造生成部１４は、特定することができなかった場合には、類似度Ｓを後述のＳ４１３において否定判断される値（例えば０）とする。

例えば、図１１に示す第２格構造パターン情報と、図７に示す第１格構造パターン情報とを比較すると、第１のデータ構造の１行目が一致する。また、第１格構造パターン情報の第１のデータ構造の２行目に含まれる概念関係単語の識別子「Ｗｎａ」及び「Ｗｎｂ」のうち、第２格構造パターン情報に含まれない概念関係単語の識別子は「Ｗｎｂ」であり、第２格構造パターン情報の第１のデータ構造の２行目に含まれる概念関係単語以外の単語の識別子「ｎｅｗ１」及び「ｎｅｗ２」において、第２格構造パターン情報に含まれない概念関係単語の識別子「Ｗｎｂ」に対応するものは「ｎｅｗ１」であると特定される。従って、この場合、解析・格構造生成部１４は、図１１に示す第２格構造パターン情報と、図７に示す第１格構造パターン情報との類似度Ｓを、後述のＳ４１３において肯定判断される値（例えば１）とする。

なお、解析・格構造生成部１４は、第２格構造パターン情報と、第１格構造パターン情報とが同一又は類似の単語を多く含むほど、類似度Ｓを大きくするようにしてもよい。この場合、解析・格構造生成部１４は、第２格構造パターン情報と、第１格構造パターン情報とのそれぞれについて含まれる単語の数を特定するとともに、同一あるいは意味が類似する単語の数を特定する。意味が類似する単語は、例えば、解析・格構造生成部１４にシソーラス辞書を内蔵させ、当該シソーラス辞書を用いることにより特定可能である。そして、解析・格構造生成部１４は、同一あるいは意味が類似する単語の数を、第２格構造パターン情報と第１格構造パターン情報とのそれぞれについて含まれる全ての単語の数で除して、その値が大きいほど、類似度Ｓを大きくする。

また、類似度Ｓは、以下の数２に基づいて算出してもよい。数２において、ExtStrは第２格構造パターン情報、Patternは第１格構造パターン情報、AllPatternNumは全ての第１格構造パターン情報の数を示す。

次に、オントロジー生成部１８は、上述した手順によって算出した類似度Ｓが予め定められた所定値（例えば０．５）以上であるか否かを判定する（Ｓ４１３）。類似度Ｓが所定値未満である場合には、未処理の第１検索結果文の数Ｍが０であるか否かの判定（Ｓ２０８）以降の動作を繰り返す。

一方、類似度Ｓが所定値以上である場合には、オントロジー生成部１８は、概念関係単語Ｗｎａ、Ｗｎｂ、及び、Ｓ４１２において特定した識別子で表される第２格構造パターン情報内の単語（特定単語）をノードとし、第１格構造パターン情報に含まれる概念関係単語Ｗｎａと特定単語との間に、概念関係単語Ｗｎａと第２格構造パターン情報に含まれない概念関係単語Ｗｎｂとの間の概念関係を表すリンクと同等のリンクを設定したオントロジーを生成し、オントロジー蓄積部２０へ格納する（Ｓ４１４）。

例えば、図１１に示す第２格構造パターン情報と、図７に示す第１格構造パターン情報とを比較すると、上述のように、第２格構造パターン情報内の概念関係単語以外の単語の識別子「ｎｅｗ１」が特定され、図１１に示す第２格構造パターン情報と、図７に示す第１格構造パターン情報との類似度Ｓが所定値以上となって、Ｓ４１３にて肯定判断される。この場合、オントロジー生成部１８は、第２格構造パターン情報の第２のデータ構造を参照し、特定された識別子「ｎｅｗ１」に対応する単語「マクベス」を取得する。そして、オントロジー生成部１８は、第１格構造パターン情報内の概念関係単語Ｗｎａ「シェークスピア」と単語「マクベス」との間に、概念関係単語Ｗｎａ「シェークスピア」と概念関係単語Ｗｎｂ「ハムレット」との概念関係を表すリンクと同等の概念関係を表すリンクを設定し、新たな概念関係を表すオントロジーを生成する。これにより、当初は、図１２（ａ）に示すように、概念関係単語Ｗｎａ「シェークスピア」と概念関係単語Ｗｎｂ「ハムレット」との間にのみ、概念関係を表すリンクが設定されていたものが、図１２（ｂ）に示すように、新たに概念関係単語Ｗｎａ「シェークスピア」と単語「マクベス」との間にも概念関係を表すリンクが設定される。

その後は、未処理の第２検索結果文の数Ｍが０であるか否かの判定（Ｓ４０８）以降の動作が繰り返される。そして、未処理の第２検索結果文の数Ｍが０である場合には、更に、未処理の概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が存在するか否かの判定（Ｓ４０３）が行われ、全ての概念関係単語の組み合わせＷｎ（Ｗｎａ、Ｗｎｂ）が処理済になると一連の動作が終了する。

このように、本実施形態の概念ネットワーク生成システムを構成するＰＣ１００は、概念関係にある第１及び第２の概念関係単語を得ることによって、これら第１及び第２の概念関係単語の双方を含む第１検索対象文の格構造と、いずれか一方を含む第２検索結果文の格構造とに基づいて、第１及び第２の概念関係単語のいずれかと他の単語との概念関係を得ることができ、概念関係を自動的に増やして概念ネットワークを拡張していくことができる。また、人手に拠らないため、生成される概念ネットワークが恣意的になることを妨げることができる。

なお、第１及び第２の概念関係単語と、知識源２００内の検索対象文とに、分野（例えば医療分野等）を表す分野情報を付加し、検索部１２が、知識源２００の検索により、第１及び第２の概念関係単語に付加された分野情報と同一の分野情報が付加された第１の検索結果文を取得したり、第１及び第２の概念関係単語のいずれかに付加された分野情報と同一の分野情報が付加された第２の検索結果文を取得するようにしてもよい。これにより、分野を考慮した適切な検索、例えば、ユーザが概念関係単語とともに入力した分野に属する検索対象文のみを取得することが可能となり、精度の高い概念ネットワークの生成が可能となる。

また、解析・格構造生成部１４は、予め定義及び説明の記述に関するルールを定めておき、第１及び第２の検索結果文の格解析において、ルールに適合する定義及び説明の記述を特定するようにしてもよい。図１３は、検索結果文「早期胃ガンは、がんの外方向への進展が粘膜下層までにとどまっている状態の胃ガンです。」に対応するf-structure及び木構造を示す図である。解析・格構造生成部１４は、ルールに応じて、下位概念を述語PREDとする格構造に文法機能がADJUNCTで表層文字列が「状態」である場合、図１３に示すように、そのADJUNCT「状態」の格構造が定義及び説明に関する記述であると特定する。これにより、図１４に示すように、定義及び説明の記述を含んだオントロジーを得ることが可能となり、定義及び説明の記述を更なる概念ネットワークの拡張に用いることが可能となる。

また、第１及び第２の概念関係単語と、知識源２００内の検索対象文内の単語とに、単語の属性を表す属性情報を付加し、検索部１２が、知識源２００の検索により、第１及び第２の概念関係単語に付加された属性情報と同一の属性情報が付加された単語を含む第１の検索結果文を取得したり、第１及び第２の概念関係単語のいずれかに付加された属性情報と同一の属性情報が付加された単語を含む第２の検索結果文を取得するようにしてもよい。この場合、解析・格構造生成部１４は、その属性情報を含んだf-structureや木構造を得る。例えば、図１５に示すf-structure及び木構造では、単語「ガン」が病名であることを示す属性情報feature(ftr.)が含まれている。これにより、単語の属性を考慮した概念ネットワークの生成が可能となり、例えば、鳥の一種である同音異義語「ガン」が含まれる格構造パターン情報が存在しても、属性情報によって区別されるため、図１６に示すような誤った概念関係を表すオントロジーが生成されることが防止される。

また、解析・格構造生成部１４は、シソーラス辞書を内蔵し、当該シソーラス辞書を用いて、第１格構造パターン情報に含まれる単語を類似する単語に置き換えた新たな第１格構造パターン情報を生成したり、第２格構造パターン情報に含まれる単語を類似する単語に置き換えた新たな第２格構造パターン情報を生成してもよい。

例えば、解析・格構造生成部１４は、図１７（ａ）に示す文「シェークスピアは悲劇マクベスを執筆した。」に対応する木構造が得られた場合、シソーラス辞書を用いて、述語の「執筆する」を「書く」に置き換え、図１７（ｂ）に示す文「シェークスピアは悲劇マクベスを書いた。」に対応する木構造を得ることができる。あるいは、解析・格構造生成部１４は、図１８（ａ）に示す文「シェークスピアは名作ハムレットを書く。」に対応する木構造が得られた場合、「シェークスピア」と概念関係にある単語「ハムレット」を「シェークスピア」と概念関係にある他の単語「マクベス」に置き換え、更に、「名作」を「悲劇」に置き換えることで、図１７（ｂ）に示す文「シェークスピアは悲劇マクベスを書く。」に対応する木構造を得ることができる。これにより、同一の格構造に対応する格構造パターン情報の数を増やし、概念ネットワークの更なる拡張を図ることができる。

また、解析・格構造生成部１４は、第１及び第２の検索結果文に対して、格解析に代えて、係り受け解析を行うようにしてもよい。図１９は、文「早期胃ガンは、がんの外方向への進展が粘膜下層までにとどまっている状態の胃ガンです。」に対応するか借り受け解析の結果を示す図である。係り受け解析は、文中の単語の修飾関係を表す解析方法である。この係り受け解析は、単語の修飾関係のみを表すものであるため、格解析ほど精緻な解析ではないが、文の構造を迅速に抽出することができる。

以上、説明したように、本発明に係る概念ネットワーク生成システム、概念ネットワーク生成方法及び概念ネットワーク生成プログラムは、適切な単語間の概念関係を得て概念ネットワークを生成することが可能であり、概念ネットワーク生成システム等として有用である。

概念ネットワーク生成システムを構成するＰＣのハードウェア構成を示す図である。 概念ネットワーク生成システムを構成するＰＣの機能ブロック図を示す図である。 格構造パターン情報の格構造パターン辞書への格納動作を示すフローチャートである。 格構造パターン情報の格構造パターン辞書への格納動作の詳細を示すフローチャートである。 第１検索結果文に対応するf-structureの一例を示す図である。 第１検索結果文に対応するf-structureと木構造との対応関係の一例を示す図である。 第１検索結果文に対応する第１格構造パターン情報の一例を示す図である。 オントロジーの生成動作を示すフローチャートである。 オントロジーの生成動作の詳細を示すフローチャートである。 第２検索結果文に対応する木構造の一例を示す図である。 第２検索結果文に対応する第２格構造パターン情報の一例を示す図である。 初期のオントロジーと新たなオントロジーとを示す図である。 定義及び説明の記述を含んだf-structure及び木構造の一例を示す図である。 定義及び説明の記述を含んだオントロジーの一例を示す図である。 単語の属性情報を含んだf-structure及び木構造の一例を示す図である。 誤った概念関係を表すオントロジーの一例を示す図である。 互いに類似する単語を含む木構造の第１の例を示す図である。 互いに類似する単語を含む木構造の第２の例を示す図である。 係り受け解析の結果の一例を示す図である。

符号の説明

１２ 検索部
１４ 解析・格構造生成部
１６ 格構造パターン辞書蓄積部
１８ オントロジー生成部
２０ オントロジー蓄積部
１００ ＰＣ
１０２ メモリ
１０３ ＨＤＤ
１０５ 操作部
１０６ モニタ
１０７ 内部バス
１０８ 通信ユニット

Claims (11)

1. 単語間の概念関係を表す概念ネットワークを生成する概念ネットワーク生成システムであって、
   概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索手段と、
   前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成手段と、
   前記生成された第１の構造情報を記憶部に保持させる保持手段と、
   前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索手段と、
   前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成手段と、
   前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出手段と、
   前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定手段を有することを特徴とする概念ネットワーク生成システム。
2. 前記保持手段は、同一の構造を表す第１の構造情報の数を所定の条件式に代入して算出される値が予め定められた第２の所定値以上である場合に、前記同一の構造を表す第１の構造情報を記憶部に保持させることを特徴とする請求項１に記載の概念ネットワーク生成システム。
3. 前記算出手段は、前記生成された第２の構造情報と、前記保持された第１の構造情報とが同一の構造を表す場合に、前記類似度を前記第１の所定値以上とすることを特徴とする請求項１又は２に記載の概念ネットワーク生成システム。
4. 前記算出手段は、前記生成された第２の構造情報と、前記保持された第１の構造情報とが同一又は類似の単語を多く含むほど、前記類似度を大きくすることを特徴とする請求項１又は２に記載の概念ネットワーク生成システム。
5. 前記第１及び第２の単語と、前記検索対象文とは、分野を表す分野情報が付加されており、
   前記第１の検索手段は、前記第１及び第２の単語に付加された分野情報と同一の分野情報が付加された第１の検索結果文を取得し、
   前記第２の検索手段は、前記第１の単語に付加された分野情報と同一の分野情報が付加された第２の検索結果文を取得することを特徴とする請求項１乃至４のいずれかに記載の概念ネットワーク生成システム。
6. 前記第１の生成手段は、前記第１の検索結果文内の単語と前記第１の検索結果文の構造とを表す前記第１の構造情報に加え、前記第１の検索結果文内の定義及び説明の記述を表す第１の構造情報をさらに生成し、
   前記第２の生成手段は、前記第２の検索結果文内の単語と前記第２の検索結果文の構造とを表す前記第２の構造情報に加え、前記第２の検索結果文内の定義及び説明の記述を表す第２の構造情報をさらに生成し、
   前記設定手段は、前記定義及び説明の記述を含んだ概念ネットワーク情報を生成することを特徴とする請求項１乃至５のいずれかに記載の概念ネットワーク生成システム。
7. 前記第１及び第２の単語と、前記検索対象文内の単語とは、単語の属性を表す属性情報が付加されており、
   前記第１の検索手段は、前記第１及び第２の単語に付加された属性情報と同一の属性情報が付加された単語を有する第１の検索結果文を取得し、
   前記第２の検索手段は、前記第１の単語に付加された属性情報と同一の属性情報が付加された単語を有する第２の検索結果文を取得することを特徴とする請求項１乃至６のいずれかに記載の概念ネットワーク生成システム。
8. 前記第１の生成手段は、前記第１の構造情報に含まれる単語を類似する単語に置き換えた新たな前記第１の構造情報を生成し、
   前記第２の生成手段は、前記第２の構造情報に含まれる単語を類似する単語に置き換えた新たな前記第２の構造情報を生成することを特徴とする請求項１乃至７のいずれかに記載の概念ネットワーク生成システム。
9. 前記第１の生成手段は、前記取得された第１の検索結果文に対し、格解析又は係り受け解析を行い、
   前記第２の生成手段は、前記取得された第２の検索結果文に対し、格解析又は係り受け解析を行うことを特徴とする請求項１乃至８のいずれかに記載の概念ネットワーク生成システム。
10. 単語間の概念関係を表す概念ネットワークをコンピュータにより生成する方法であって、
    概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索ステップと、
    前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成ステップと、
    前記生成された第１の構造情報を記憶部に保持させる保持ステップと、
    前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索ステップと、
    前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成ステップと、
    前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出ステップと、
    前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定ステップとを有することを特徴とする方法。
11. 単語間の概念関係を表す概念ネットワークを生成するコンピュータによって実行されるプログラムであって、
    概念関係にある第１及び第２の単語を検索クエリーとして、検索対象文が格納された知識源を検索し、前記第１及び第２の単語の双方を含む第１の検索結果文を取得する第１の検索ステップと、
    前記取得された第１の検索結果文を解析し、該第１の検索結果文内の単語と該第１の検索結果文における構造とを表す第１の構造情報を生成する第１の生成ステップと、
    前記生成された第１の構造情報を記憶部に保持させる保持ステップと、
    前記第１の単語を検索クエリーとして、前記知識源を検索し、前記第１の単語を含む第２の検索結果文を取得する第２の検索ステップと、
    前記取得された第２の検索結果文を解析し、該第２の検索結果文内の単語と該第２の検索結果文の構造とを表す第２の構造情報を生成する第２の生成ステップと、
    前記生成された第２の構造情報と、前記保持された第１の構造情報との類似度を算出する算出ステップと、
    前記生成された第１の構造情報と、該第１の構造情報との類似度が予め定められた第１の所定値以上である第２の構造情報とに基づいて、該第２の構造情報に対応する前記第２の検索結果文における、前記第１の検索結果文内の第２の単語に対応する単語と、前記第１の単語とを概念関係として設定した概念ネットワーク情報を生成する設定ステップとを有することを特徴とするプログラム。

Images