JP5176481B2 - 関係知識抽出装置 - Google Patents

Description

本発明は、テキストから仮説と根拠の関係知識を抽出する関係知識抽出装置およびプログラムに関する。

診断や企画、アイデア立案などについて記述するテキストには、仮説とその根拠が示される。そうした仮説と根拠の関係知識をテキスト中から精度よく抽出することができれば、知識ベースの自動構築や、整合性のチェックによる校正支援、検索、テキストマイニングなどに役立てることができる。

ここで、非特許文献１には、テキストから因果関係知識を自動的に抽出する方法が示されており、同文献によると接続詞「ため」を手がかりにしている。また、同文献には、関連研究として、“cause”や“force”といった使役動詞を手がかりとする方法や、予め人手で作成しておいた知識ベースを利用して、手がかりを伴わない非明示的な因果関係を推定する方法などが示されている。

乾孝司・乾健太郎・松本裕治、"接続詞「ため」を含む複文から因果関係知識を獲得する"、情報処理学会自然言語処理研究会、NL-150-25、2002 乾孝司・奥村学、"文書内に現れる因果関係の出現特性調査"、情報処理学会自然言語処理研究会、NL-167-12、2005

非特許文献１によると、明示的な手がかり標識によって表された因果関係知識は抽出できるが、非特許文献２で指摘されているように、文書内に現れる因果関係は手がかりとなる標識を伴わない場合の方が多い。例えば、或る医療機関における読影レポートの記述を見ると、接続詞「ので」は殆どの場合において理由を表すために使われており、原因を表すことは少ないということがある。この場合、診断の仮説とその根拠を表すときは、手がかり標識を伴わない非明示的な表現形式をとることが多い。
一方で、知識ベースを利用して非明示的な因果関係を求める方法では、ベースとなるデータの作成に大きなコストがかかり、精度よく関係知識を抽出するシステムを構築することが難しい。

本発明は、上記従来の事情に鑑みなされたものであり、手がかり標識を伴わず非明示的にテキスト中に記述されている仮説と根拠の関係知識を抽出することを目的としている。

請求項１に記載の本発明は、テキストから文字列を文単位で抽出するとともに、当該テキスト中で連続する文単位の文字列同士が順接の接続関係にある場合に該連続する文単位が順接であることを示す接続情報を付加して出力する第１の抽出手段と、文単位の文字列から、文脈を含む概念要素からなる知識表現を表す知識表現情報を抽出するとともに、文単位の文字列の文脈が内容に不確実性が含まれる表現であるモーダル表現を含む場合にはモーダル表現情報を付加して出力する第２の抽出手段と、前記接続情報及び前記モーダル表現情報に基づいて、順接の接続関係にある文単位の文字列同士のうち、後方の文字列の文脈がモーダル表現の場合に、前方の文字列から抽出した知識表現情報を根拠情報とし、後方の文字列から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出する第３の抽出手段と、を備えたことを特徴とする関係知識抽出装置である。

請求項２に記載の本発明は、請求項１に記載の関係知識抽出装置において、前記第３の抽出手段は、順接の接続関係にある文単位の文字列同士のうち、前方の文字列の文脈がモーダル表現でなく且つ後方の文字列の文脈がモーダル表現の場合に、前方の文字列から抽出した知識表現情報を根拠情報とし、後方の文字列から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出することを特徴とする。

請求項３に記載の本発明は、請求項１又は請求項２に記載の関係知識抽出装置において、前記抽出した関係知識情報を抽出元のテキストに対応付けて記憶する記憶手段を備えたことを特徴とする。

請求項４に記載の本発明は、コンピュータを、テキストから文字列を文単位で抽出するとともに、当該テキスト中で連続する文単位の文字列同士が順接の接続関係にある場合に該連続する文単位が順接であることを示す接続情報を付加して出力する第１の抽出手段と、文単位の文字列から、文脈を含む概念要素からなる知識表現を表す知識表現情報を抽出するとともに、文単位の文字列の文脈が内容に不確実性が含まれる表現であるモーダル表現を含む場合にはモーダル表現情報を付加して出力する第２の抽出手段と、前記接続情報及び前記モーダル表現情報に基づいて、順接の接続関係にある文単位の文字列同士のうち、後方の文字列の文脈がモーダル表現の場合に、前方の文字列から抽出した知識表現情報を根拠情報とし、後方の文字列から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出する第３の抽出手段として機能させるための関係知識抽出プログラムである。

請求項５に記載の本発明は、請求項４に記載の関係知識抽出プログラムにおいて、前記第３の抽出手段は、順接の接続関係にある文単位の文字列同士のうち、前方の文字列の文脈がモーダル表現でなく且つ後方の文字列の文脈がモーダル表現の場合に、前方の文字列から抽出した知識表現情報を根拠情報とし、後方の文字列から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出することを特徴とする。

請求項１に記載の関係知識抽出装置によると、手がかり標識を伴わず非明示的にテキスト中に記述されている仮説と根拠の関係知識を抽出することができる。

請求項２に記載の関係知識抽出装置によると、より根拠が強い関係知識を抽出することができる。

請求項３に記載の関係知識抽出装置によると、抽出元のテキストに対応付けて記憶した関係知識を検索やテキストマイニングなどに役立てることができる。

請求項４に記載の関係知識抽出プログラムによると、手がかり標識を伴わず非明示的にテキスト中に記述されている仮説と根拠の関係知識を抽出することができる。

請求項５に記載の関係知識抽出プログラムによると、より根拠が強い関係知識を抽出するができる。

本発明を、以下に例示する一実施形態に基づいて具体的に説明する。
図１は、本例に係る関係知識抽出装置の機能ブロック図を示している。
本例の関係知識抽出装置は、解析対象のテキストを格納するテキスト格納手段１、テキストから文もしくは節を抽出する（節を抽出する際は節の文末表現を整える）とともに、文の接続情報を抽出するテキスト前処理手段２、文を解析して構文の係り受け構造を求める構文解析手段３、構文解析結果から意味表現を求める意味解析手段４、文脈情報や事象関係を含むような知識表現を意味表現から求める知識解析手段５、知識表現と文の接続情報とから、仮説と根拠の命題関係が現れている箇所を判定する命題関係判定手段６、知識表現から命題関係を抽出する命題関係抽出手段７、を備えている。

テキスト格納手段１は、解析対象のテキストを格納している。本例では、図２に示すように、「近接する下顎骨の骨髄脂肪織に濃度上昇が見られます。下顎骨の骨髄炎に起因した頬腫脹の可能性が高いように思われます。」という文章が記述された医療の読影レポートが、テキスト格納手段１に格納されている。

テキスト前処理手段２は、テキスト格納手段１に格納されているテキストから、文もしくは節を記述されている順番に従って取り出す。また、その際に、当該テキスト中で連続する文同士が順接の接続関係にあるか否かを示す接続情報を、これらの文に関係付けて付加する。なお、文から節を取り出す場合は、節の文末を終止形に変形し、元の文末が主節に接続する順逆の情報を接続情報として付加する。

図３は、図２に示したテキストからの抽出結果を示しており、第１文として「近接する下顎骨の骨髄脂肪織に濃度上昇が見られます。」が抽出され、第２文として「下顎骨の骨髄炎に起因した頬腫脹の可能性が高いように思われます。」が抽出され、また、これら文同士の接続関係が順接であることから、接続情報として「順接」が付加されていることが分かる。

構文解析手段３は、テキスト前処理手段２で取り出された文を構文解析し、少なくとも構文構成要素の係り受け構造を求める。なお、「増市博・大熊智子、“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、2003、Vol.10、No.2、pp.79-109」（文献１）に述べられている構文解析技術を用いることで、入力文から、構文構成要素の係り受け構造とともに、主語や目的語などといった文法的役割を含めた述語項構造も併せて得ることができる。

意味解析手段４は、構文解析手段３で得られた構文の係り受け構造から、構文構成要素の意味表現を求める。ここで、上記文献１に述べられてるＬＦＧ解析システムの結果には、文の入れ子構造や、述語と主語・目的語等の関係などが含まれており、「R. Crouch、“Packed rewriting for mapping semantics to KR”、In Proceedings of the Sixth International Workshop on Computational Semantics、2005」（文献２）に述べられている意味解析技術を用いることで、入力文に対応する文脈つきの一階述語論理式を得ることができる。なお、上記意味解析技術は英語のテキストを入力とするものだが、「H. Umemoto、“Implementing a Japanese semantic parser based on Glue approach”、In Proceedings of The 20th Pacific Asia Conference on Language、Information and Computation、2006」（文献３）には、日本語に対する同様の意味解析技術が述べられている。

図４は、意味解析手段４で求めた意味表現を示している。
（１）は第１文「近接する下顎骨の骨髄脂肪織に濃度上昇が見られます。」から得た意味表現を示す論理式である。論理式の第１項は、文脈を表しており、「t」は常に真であることを示す。第２項は述語を表しており、第３項以降は述語に対応する項を表している。また、数字を含む述語や項は、文字列ラベルで表される実体を指しており、例えば「見られる:0」は「見られる」という或る状態を、「上昇:0」は「上昇」という或る現象をそれぞれ指すことになる。
（２）は第２文「下顎骨の骨髄炎に起因した頬腫脹の可能性が高いように思われます。」から得た論理式である。なお、当該論理式では、文脈を表す第１項がいずれも「ctx(思われる:0)」となっており、各述語が「思われる」という文脈における表現であることを示している。

知識解析手段５は、意味解析手段４で得られた意味表現から、上記文献２に述べられている知識解析技術を用いることで、文脈つきで概念を要素とする知識表現を求める。
図５は、知識解析手段５で求めた知識表現を示しており、（１）は第１文に対応する知識表現、（２）は第２文に対応する知識表現を示している。知識表現の第１項は意味表現と同様に文脈を表し、第２項以降の要素は特定の実体を表すような概念で記述されている。ここで、第２文の「可能性」は内容に不確実性が含まれていることを示す書き手の推測を表すモーダル表現であり、知識表現では「思われる」の文脈と合わさって、文脈c3として「〜の可能性が高いと思われる」が設定されている。
内容に不確実性が含まれる表現とは、その文の文末表現により内容が可能性や推測であることを表している場合や、文中における不確実性を表す単語を含む文（例えば、「この腫瘍は確実に良性です。」の、「確実」という単語を用いた表現は、腫瘍が良性であることが確実であるとの文の作成者の推測を表したもの）による表現等がある。

なお、例えば、「観察-ev:4」は、述語「見られる」の概念である「観察」を表す出来事（イベント;ev）の文脈情報であり、このような出来事の文脈情報に基づいて、事象を表す命題を得ることができる。具体的には、第１文から事象「観察-ev:4」を表す命題が、第２文から事象「存在-ev:5」と事象「Cause-ev:1」を表す２つの命題がそれぞれ得られる。

命題関係判定手段６は、知識解析手段５で得られた知識表現の文脈で示されているモーダル情報と、テキスト前処理手段２で抽出した接続情報とに基づいて、仮説とその根拠をそれぞれ表す命題同士の関係が現れている箇所を判定する。
本例では、第１文がモーダル表現を含まず、順接を挟んで、モーダル表現を含む第２文につながっている箇所を、命題関係を抽出する対象としている。なお、第１文がモーダル表現を含み、順接を挟んで、モーダル表現を含む第２文につながっている箇所も、命題関係を抽出する対象とすることができるが、この場合は、前述の場合に較べて根拠が弱いことになる。

命題関係抽出手段７は、命題関係判定手段６で抽出対象とされた箇所の知識表現から、仮説とその根拠をそれぞれ表す命題を抽出する。すなわち、本例では、順接を挟んで後方に接続されたモーダル表現の第２文における事象を表す命題を仮説とし、順接を挟んで前方に接続された非モーダル表現の第１文における事象を表す命題を前記仮説の根拠として、両者を対応付けた関係知識情報を抽出する。具体的には、第１文から「観察-ev:4(上昇:0, 脂肪織:0)」を、第２文から「存在-ev:5(腫脹:0, 脂肪織:0)」と「Cause-ev:1(骨髄炎:0, 腫脹:0)」をそれぞれ抽出し、後者の２つの命題を仮説とし、前者を当該仮説に対する根拠とする命題関係を抽出結果として出力する。一方、それ以外の関係や属性などを表す命題、例えば「部位-rel:2(脂肪織:0, 骨髄:0)」などは抽出しない。

このように抽出した関係知識情報は、例えば、ディスプレイ画面への表示出力や紙媒体等への印刷出力により利用者に提示してもよく、テキストの校正を支援するための整合性チェック処理に用いてもよく、抽出元のテキストに対応付けて記憶手段に記憶しておき、検索やテキストマイニングなどに役立てるようにしてもよい。

なお、テキスト前処理手段２、構文解析手段３、意味解析手段４、知識解析手段５に代えて、文を単語のレベルで解析する文解析手段を設けてもよい。
すなわち、文解析手段にて、出来事といった事象を表す表現や、事実の断定表現や、書き手が可能性や推測といった文が内容の不確実性を含むことを表したモーダル表現などの文脈情報、及び、順接（例えば「そして」）や逆接（例えば「しかし」）など文同士の接続情報を抽出する。そして、命題関係判定手段６が、２つの事象の間に順接表現があり、少なくとも２つのうちの後方にモーダル表現が現れている箇所を文解析手段の解析結果から特定すればよい。
このように、単語レベルの解析のみを行うことで検索の精度は低下するが、解析に必要な時間や記憶容量、必要なデータなどの計算資源を削減することができる。

図６は、本例の関係知識抽出装置の主要なハードウェア構成を示している。
すなわち、本例の関係知識抽出装置は、各種演算処理を行うＣＰＵ、ＣＰＵの作業領域となるＲＡＭ、基本的な制御プログラムを記憶するＲＯＭ、本発明に係る各機能を実現するためのプログラム等を記憶するＨＤＤ、利用者に対する情報を表示出力する液晶ディスプレイや利用者からの情報の入力を受け付けるマウス・キーボード等の機器とのインターフェースである入出力Ｉ／Ｆ、他の装置との間で通信を行うインターフェースである通信Ｉ／Ｆ、等のハードウェア資源を有するコンピュータで構成されている。
そして、本発明に係るプログラムをＨＤＤから読み出してＲＡＭに展開し、これをＣＰＵにより実行させることで、本発明に係る各機能手段を、関係知識抽出装置のコンピュータに実現している。

なお、本発明に係るプログラムは、例えば、当該プログラムを記憶したＣＤ−ＲＯＭ等の外部記憶媒体を配布する形式や、ネットワークを介して配信する形式により、本発明の実施者に提供される。
また、本発明に係る関係知識抽出装置の各機能手段は、本例のようなソフトウェア構成により実現する態様に限られず、専用のハードウエアモジュールで構成してもよい。
また、本発明に係る関係知識抽出装置の各機能手段は、本例のように１台のコンピュータに設ける態様に限られず、複数台のコンピュータに分散して設けてもよい。

本発明の一実施形態に係る関係知識抽出装置の機能ブロック図である。 本発明の一実施形態に係る解析対象のテキスト例を示す図である。 本発明の一実施形態に係るテキスト前処理の結果を示す図である。 本発明の一実施形態に係る意味解析処理の結果を例示する図である。 本発明の一実施形態に係る知識解析処理の結果を例示する図である。 本発明の一実施形態に係る関係知識抽出装置のハードウェア構成図である。

符号の説明

１：テキスト格納手段、
２：テキスト前処理手段、
３：構文解析手段、
４：意味解析手段、
５：知識解析手段、
６：命題関係判定手段、
７：命題関係抽出手段

Claims (5)

1. テキストから文字列を文単位で抽出するとともに、当該テキスト中で連続する２つの文が順接の接続関係にある場合には当該２つの文が順接であることを示す接続情報を付加して出力する第１の抽出手段と、
   テキストから抽出された文毎に、文脈を含む概念要素からなる知識表現を表す知識表現情報を抽出するとともに、文脈の内容に不確実性が含まれる表現であるモーダル表現を含む文の場合には当該文の文脈がモーダル表現であることを示すモーダル表現情報を付加して出力する第２の抽出手段と、
   前記接続情報及び前記モーダル表現情報に基づいて、順接の接続関係にある連続する２つの文のうち、後方の文の文脈がモーダル表現の場合に、前方の文から抽出した知識表現情報を根拠情報とし、後方の文から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出する第３の抽出手段と、
   を備えたことを特徴とする関係知識抽出装置。
2. 前記第３の抽出手段は、順接の接続関係にある連続する２つの文のうち、前方の文の文脈がモーダル表現でなく且つ後方の文の文脈がモーダル表現の場合に、前方の文から抽出した知識表現情報を根拠情報とし、後方の文から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出することを特徴とする請求項１に記載の関係知識抽出装置。
3. 前記抽出した関係知識情報を抽出元のテキストに対応付けて記憶する記憶手段を備えたことを特徴とする請求項１又は請求項２に記載の関係知識抽出装置。
4. コンピュータを、
   テキストから文字列を文単位で抽出するとともに、当該テキスト中で連続する２つの文が順接の接続関係にある場合には当該２つの文が順接であることを示す接続情報を付加して出力する第１の抽出手段と、
   テキストから抽出された文毎に、文脈を含む概念要素からなる知識表現を表す知識表現情報を抽出するとともに、文脈の内容に不確実性が含まれる表現であるモーダル表現を含む文の場合には当該文の文脈がモーダル表現であることを示すモーダル表現情報を付加して出力する第２の抽出手段と、
   前記接続情報及び前記モーダル表現情報に基づいて、順接の接続関係にある連続する２つの文のうち、後方の文の文脈がモーダル表現の場合に、前方の文から抽出した知識表現情報を根拠情報とし、後方の文から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出する第３の抽出手段として機能させるための関係知識抽出プログラム。
5. 前記第３の抽出手段は、順接の接続関係にある連続する２つの文のうち、前方の文の文脈がモーダル表現でなく且つ後方の文の文脈がモーダル表現の場合に、前方の文から抽出した知識表現情報を根拠情報とし、後方の文から抽出した知識表現情報を仮説情報として対応付けた関係知識情報を抽出することを特徴とする請求項４に記載の関係知識抽出プログラム。
   

Images