JP5182960B2 - 店舗名曖昧性解消装置、その方法、プログラム及び記録媒体 - Google Patents

Description

本発明は、入力文章中に出現する店舗名（店舗の名称）のうち、店舗名らしいものを予め用意した店舗データベース中のレコードへ対応付ける技術に関する。本発明は、情報検索システムや情報抽出システムの前処理として利用でき、また、抽出された情報を集約する後処理にも使用できる。

従来、この種の技術としては、非特許文献１に記載されたものがある。非特許文献１では、人名、組織名、場所名（地名）、その他の固有名がwikipediaのどのページに対応するかを同定する問題を解いている。この手法では、入力文章中の固有名を対象に、予め自動的にwikipediaから作成しておいたsurface-entity（出現表記−実体）のリストから候補を取得し、前記固有名の周りに出現した特徴語から、対応するデータベース中のレコードのＩＤを推定する。

Silviu Cucerzan, "Large-Scale Named Entity Disambiguation Based on Wikipedia Data", Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, 2007 Association for Computational Linguistics, June 2007, pp. 708-716

前述した非特許文献１の手法では、入力文章から固有名を抽出するために、capitalization rule、統計情報及びwikipediaを使用しているが、日本語には英語のような固有名が大文字化されるというような取り決めは存在せず、また、wikipediaに個別の店舗名は存在していないため、この方法で店舗名を抽出することは難しい。

また、店舗名は一般名詞からなる名称が多いため、単に店舗名のリストで辞書引きして使うと、実際には店舗名ではない語を多く抽出してしまうという問題があった。既存の固有表現抽出器の場合、一般的に使用されているＩＲＥＸ（日本語の固有表現抽出技術のワークショップ）の固有表現の定義で「店舗名」というクラス（タイプ）が存在しないため、店舗名を含むと思われるクラス、即ち「場所名」や「組織名」を対象にすると、店舗名以外の表現が大量に得られ、処理の効率が悪くなるという問題があった。

＜着眼点＞
抽出された店舗名の候補が店舗名らしいか否かを、周辺の文脈を用いて判定する「店舗名判定部」を導入する。また、店舗名らしいと判例された店舗名について、周辺の文脈を用いて店舗データベース中の対応するレコードを特定する「曖昧性解消部」を導入する。

＜本装置の特徴＞
本装置は、形態素解析及び固有表現抽出処理済みの入力文章が入力されたときに、店舗名リストを使用して店舗名候補を抽出する店舗名候補抽出部と、抽出した店舗名候補が店舗名か否かを判定する店舗名判定部と、周辺の文脈などを使用して店舗名の曖昧性解消を行う曖昧性解消部とを備えた、店舗名と店舗データベースのレコードとの対応付けを行う装置である。

本発明によれば、一般名詞など、店舗名との曖昧性のある語に対してもその文脈を見ることで、出現した店舗名が真に店舗名か否かを判断でき、店舗名に対してのみ効率良く曖昧性解消を行うことができる。

本発明の店舗名曖昧性解消装置の実施の形態の一例を示す構成図 各データベースの詳細を示す説明図 本発明の店舗名曖昧性解消装置における処理の流れ図 店舗名リストの作成方法の一例を示す説明図 店舗らしさデータベースの作成方法の一例を示す説明図 店舗名候補抽出部の詳細を示す構成図 店舗名候補抽出部における処理の流れ図 店舗名判定部の詳細を示す構成図 店舗名判定部における処理の流れ図 曖昧性解消部の詳細を示す構成図 曖昧性解消部のチェーン店個別店舗判定部における処理の流れ図 曖昧性解消部の文脈に基づく店舗推定部における処理の流れ図 具体的な処理例を示す説明図 具体的な処理例を示す説明図

＜装置構成の概要＞
図１は本発明の店舗名曖昧性解消装置の実施の形態の一例を示すもので、図中、１は店舗データベース（ＤＢ）、２は店舗名リスト、３は店舗らしさデータベース（ＤＢ）、４は特徴語データベース（ＤＢ）、５は処理済み入力文章記憶部、６は店舗名候補抽出部、７は抽出済み店舗名候補記憶部、８は店舗名判定部、９は判定済み店舗名記憶部、１０は曖昧性解消部である。

店舗ＤＢ１は、図２（ａ）に示すように、店舗に関する店舗情報、ここでは店舗名とともに当該店舗についての様々な属性値（店舗属性値）、例えば「電話番号」、「住所」、「ジャンル名」等を含む店舗情報をレコード毎にそのレコードＩＤとともに登録してなるもので、予め用意されている（例えば、既存のタウンページなど）ものとする。なお、ここでいう「レコードＩＤ」とは、データベースのレコードを一意に識別可能なものであれば何でも良く、必ずしも連番のものである必要はない（ここでは店舗属性値中の「電話番号」をそのままレコードＩＤとして用いるものとする。）。

店舗名リスト（記憶部）２は、図２（ｂ）に示すように、店舗名の集合、ここでは店舗ＤＢ１中の店舗名（の表記）の集合とともに、当該店舗ＤＢ１中の店舗名から省略され得る語を削除した店舗名の集合とを登録してなるものである。

店舗らしさＤＢ３は、図２（ｃ）に示すように、入力文章中に出現する店舗名が店舗名らしいか否か（真に店舗名であるか否か）を判断するための情報、ここでは店舗名らしいか否かを数値的に表す情報である曖昧性フラグ（本例では「０」及び「２」は店舗名、「１」及び「３」は店舗名の可能性有り）と、当該店舗名が店舗である場合にその近傍に出現することが予想される店舗キーワード（但し、後述するように曖昧性フラグ「１」又は「３」の時のみ）とを店舗名毎に登録してなるものである。

特徴語ＤＢ４は、図２（ｄ）に示すように、店舗ＤＢ１中の各レコード（の店舗）に対する特徴語の集合をそれぞれの重要度を表す重み値とともに各レコードＩＤに対応付けて登録してなるものである。

処理済み入力文章記憶部５は、入力文章中の各単語（の表記）に対し、その読み、品詞等の単語情報と、出現した文番号、形態素番号等の入力文章中での位置情報と、人名、場所名、組織名、人工物名等の固有表現のクラスを表す固有表現タグ（固有表現識別子）とをそれぞれ付与してなる形態素解析及び固有表現抽出処理済み入力文章（以下、処理済み入力文章）を記憶する。なお、処理済み入力文章は、自然言語で記述された入力文章に対し、周知の形態素解析処理と固有表現抽出処理とを行うことによって得られる。

店舗名候補抽出部６は、処理済み入力文章記憶部５に記憶された処理済み入力文章から店舗名リスト２中の店舗名と表記が一致する単語を全て抽出し、その単語の表記とともに前記処理済み入力文章中での位置情報等を店舗名候補として抽出済み店舗名候補リスト（記憶部）７に記憶する。

店舗名判定部８は、抽出済み店舗名候補リスト７中の店舗名候補に対し、店舗らしさＤＢ３を用いて店舗名か否かを判定し、店舗名と判定された店舗名候補のみを判定済み店舗名として判定済み店舗名リスト（記憶部）９に記憶する。

曖昧性解消部１０は、判定済み店舗名リスト９中の判定済み店舗名に対し、店舗ＤＢ１及び特徴語ＤＢ４を用いて店舗ＤＢ１中のどのレコードに対応するかを、前記処理済み入力文章中の当該判定済み店舗名の近傍に出現する前記店舗属性値に対応する制約語もしくは特徴語から判断し、店舗ＤＢ１の対応するレコードの少なくともレコードＩＤを当該店舗名とともに出力する。なお、対応するレコードがないと判断した場合は何も出力しない、あるいは当該店舗名のみ出力する。

＜装置全体の処理の概要＞
図３は図１の装置全体における処理の流れの概要を示すものである。

ここで、入力文章に対して周知の形態素解析及び固有表現抽出処理が施され、処理済み入力文章が処理済み入力文章記憶部５に記憶されているものとする。

まず、店舗名候補抽出部６は、処理済み入力文章記憶部５に記憶された処理済み入力文章から店舗名リスト２中の店舗名とその表記が一致する単語を全て抽出し、その単語の表記とともに前記処理済み入力文章中での位置情報等を店舗名候補として抽出済み店舗名候補リスト７に出力して記憶する（ｓ１）。

次に、店舗名判定部８は、抽出済み店舗名候補リスト７が空かどうかを判定し（ｓ２）、空でなければ、当該リスト７から店舗名候補を一つ取り出し（ｓ３）、取り出した店舗名候補を入力として、店舗らしさＤＢ３を用いて店舗名か否かを判定し、店舗名と判定された店舗名候補のみを判定済み店舗名として判定済み店舗名リスト９に出力して記憶する（ｓ４）。なお、店舗名と判定されなかった場合は何も出力しない。

その後、ｓ２に戻り、抽出済み店舗名候補リスト７が空になるまで前記同様の処理が繰り返され、当該リスト７が空になった時点で曖昧性解消部１０の処理に移る。

次に、曖昧性解消手段１０は、判定済み店舗名リスト９中の判定済み店舗名を入力として、店舗ＤＢ１及び特徴語ＤＢ４を用いて店舗ＤＢ１中のどのレコードに対応するかを、前記処理済み入力文章中の当該判定済み店舗名の近傍に出現する前記店舗属性値に対応する制約語もしくは特徴語から判断し、店舗ＤＢ１の対応するレコードの少なくともレコードＩＤを当該店舗名とともに出力する（ｓ５）。なお、対応するレコードがないと判断した場合は何も出力しない、あるいは当該店舗名のみ出力する。

＜店舗名リストの作成＞
図４は店舗名リスト２の作成方法の一例を示すもので、店舗ＤＢ１に登録されている各店舗名をそのまま登録するとともに、店舗名からコア表記を生成するための「モデル」及び当該「モデル」を元に店舗名からコア表記を生成する「コア表記生成手段」を用いて、店舗ＤＢ１に登録されている各店舗名からコア表記をそれぞれ生成して登録することで作成する。なお、表記同一の店舗名については１つのみ残し、それ以外は削除するものとする。

ここで、「コア表記」とは、店舗名から省略され得る語（例えば「レストラン」、「ｘｘ店」など）を除いた、店舗の名称の最小単位の表記（例えば「中華飯店 橙屋ｘｘ店」が正式な店舗名である場合、「橙屋」がコア表記）を指す。また、前記「モデル」は人手でタグを付与したデータから周知の機械学習手法で構築するものとする。

＜店舗らしさＤＢの作成＞
図５は店舗らしさＤＢ３の作成方法の一例を示すもので、店舗ＤＢ１を入力とし、形態素解析等で使用する名詞辞書や地名辞書、一般の辞典などからなる「一般語辞書」、チェーン店名の集合を登録してなる「チェーン店名リスト」及び当該「一般語辞書」「チェーン店名リスト」を元に店舗ＤＢ１中の店舗名及び前述したコア表記毎に曖昧性フラグと店舗キーワードとを生成する「データベース生成手段」を用いて作成する。ここで、この時の店舗ＤＢ１の各レコードには、前述した「コア表記生成手段」によって得られたコア表記及び元の店舗名からコア表記を削除した削除表記が登録されているものとする。

詳細には、店舗ＤＢ１中の各店舗名及びコア表記について「一般語辞書」及び「チェーン店名リスト」を完全一致で辞書引きし、いずれにもエントリがなければその曖昧性フラグを「０」（店舗名）とし、「一般語辞書」にのみエントリがあればフラグを「１」（店舗名の可能性有り）とし、「チェーン店名リスト」にのみエントリがあればフラグを「２」（チェーン店の店舗名）とし、「一般語辞書」及び「チェーン店名リスト」の両方にエントリがあればフラグを「３」（店舗名の可能性有り）とする。

さらに曖昧性フラグが「１」又は「３」である店舗名又はコア表記についてはそれぞれ、当該店舗名もしくはそのコア表記を有する店舗ＤＢ１のレコードから削除表記、ジャンル名、住所（形態素解析をかけ、形態素に分割）を抽出し、店舗キーワードとする。

＜特徴語ＤＢの作成＞
特徴語ＤＢ４は、
（ａ）店舗ＤＢ１にある情報（住所、電話番号など）、
（ｂ）店舗について書かれた文書集合から獲得した特徴語、
の二種類の情報を含む。

（ａ）は、自動的に店舗ＤＢ１から抽出可能である。どの情報が使用できるかは入手できる店舗ＤＢに依存するため、どのフィールドを使用するかは人手で選択し、フィールドの抽出は自動で行う。データベースから抽出した特徴語の重み値は（ｂ）よりも大きい値を仮定する。求め方には様々な方法が考えられるが、例えば、テストデータを用意して、その中で良い値を人手でチューニングする方法がある。

（ｂ）は、まず店舗について書かれた文書集合を、店舗を一意に決定する語（例えば、電話番号）をキーワードとしてＷｅｂページを検索し、得られたページ集合を形態素解析した後、特徴語を抽出して特徴語ＤＢを作成する。特徴語として固有名、名詞、名詞連続（複合名詞）、形態素解析器が未知語と出力した語を使用した。この特徴語にどういう重み値を付与するかについては様々な方法があるが、例えば「複数の実体で使われる語は弁別能力が低い」という考えに基づき、１実体を１文書と考えたｉｄｆを使うことができる。

なお、店舗名リスト２、店舗らしさＤＢ３及び特徴語ＤＢ４のいずれも（手間はかかるが）、手作業により作成することも可能である。

＜店舗名候補抽出部の詳細＞
図６は店舗名候補抽出部の詳細を示すもので、処理済み入力文章を入力とし、その表記が店舗名リスト２中の店舗名と完全一致し、その前後が形態素境界となる文字列を店舗名候補として全て抽出する。

図７は店舗名候補抽出部における処理の流れ、即ち図３中のステップｓ１の詳細を示すものである。

店舗名候補抽出部６は、処理済み入力文章記憶部５から処理済み入力文章を単語（形態素）単位で読み出し（ｓ１１）、店舗名リスト２中の各店舗名と比較照合し（ｓ１２）、その表記が完全に一致した場合（ｓ１３）、当該単語（の表記）とともに前記処理済み入力文章中での位置情報等を店舗名候補として抽出済み店舗名候補リスト７に出力して記憶し（ｓ１４）、これを処理済み入力文章中の全ての単語について繰り返す（ｓ１５）。

＜店舗名判定部の詳細＞
図８は店舗名判定部８の詳細を示すもので、処理済み入力文章と、店舗名候補リストとを入力とし、店舗らしさＤＢ３を用いて当該店舗名候補が店舗名か否かを判定する。

また、店舗名判定部８は、店舗名候補の表記で店舗らしさＤＢ３を検索し、その店舗名が店舗名らしい否かの値、ここでは曖昧性フラグと、店舗キーワード（但し、曖昧性フラグ「１」又は「３」の時のみ）とを取得する店舗らしさデータベース照合部８１と、曖昧性フラグが「０」又は「２」の場合は店舗名と判断し、曖昧性フラグが「１」又は「３」の場合は更に店舗キーワードを用いた判断規則と処理済み入力文章とがマッチするか否か、詳細には所定の文字列のいずれかが処理済み入力文章に存在するか否かを判断し、存在すれば店舗名であり、存在しなければ店舗名でないと判断し、店舗名と判断した店舗名候補のみを曖昧性フラグとともに判定済み店舗名として判定済み店舗名リスト９に出力して記憶する店舗名判断部８２とを備えている。

ここで、所定の文字列とは、店舗名候補又は店舗名候補及び店舗キーワードを用いた様々な文字列、例えば
１．［店舗名候補］というお店（例えば文字列「橙屋というお店」「北極星というお店」）
２．［店舗名候補］という［店舗キーワード］（例えば文字列「橙屋という中華」「北極星という洋食」）
３．［店舗キーワード］［店舗名候補］（例えば文字列「中華橙屋」「洋食北極星」）
などが挙げられる。

図９は店舗名判定部８における処理の流れ、即ち図３中のステップｓ４の詳細を示すものである。

まず、店舗らしさ照合部８１は、抽出済み店舗名候補リスト７から取り出した店舗名候補をキーとして店舗らしさＤＢ３を検索して、当該店舗名候補に対応する曖昧性フラグと、店舗キーワードとを取得する（ｓ２１）。

次に、店舗名判断部８２は、前記得られた曖昧性フラグが「０」又は「２」であるか否かを判断し（ｓ２２，ｓ２３）、「０」又は「２」である、つまり店舗名と判断されればｓ２６へ進む。

一方、曖昧性フラグが「０」又は「２」でない、つまり「１」又は「３」であれば、店舗名候補又は店舗名候補及び店舗キーワードから判断規則、つまり所定の文字列を生成し、処理済み入力文章と照合する（ｓ２４）。この際、所定の文字列中のいずれかが処理済み入力文章に存在すれば店舗名と判断してｓ２６へ進み（ｓ２５）、存在しなければ店舗名でないと判断して処理を終了する。

店舗名判断部８２は、店舗名と判定された店舗名候補を曖昧性フラグとともに判定済み店舗名として判定済み店舗名リスト９に出力して記憶する（ｓ２６）。

＜曖昧性解消部の詳細＞
図１０は曖昧性解消部１０の詳細を示すもので、処理済み入力文章と、判定済み店舗名リストとを入力とし、店舗名ＤＢ１及び特徴語ＤＢ４を用いて、前記店舗名とこれに対応する店舗名ＤＢ１のレコードＩＤとを出力する（但し、解なしと判定された場合は店舗名のみ出力する。）。

また、曖昧性解消部１０は、判定済み店舗名リスト９中の判定済み店舗名をキーとして店舗ＤＢ１を検索し、対応するレコードの候補の集合を取得する候補生成部１０１と、判定済み店舗名リスト９中の各判定済み店舗名のうち、同じ店舗を指す判定済み店舗名（同じ店舗を指すか否かは、例えば表記が同じかどうかで判断）をまとめて一つのまとまりである店舗チェインを作成する文章内同一性判定部１０２と、各店舗チェインがチェーン店かそうでないかを判定（例えば、店舗チェインが曖昧性フラグ「２」又は「３」の判定済み店舗名を含むときはチェーン店、含まなければそうでないと判定）し、チェーン店と判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の文脈から、所定の制約語抽出規則に基づいて制約語を抽出し、当該抽出した制約語を店舗属性値に全て含むレコードの候補が一つであればその候補が対応するレコードであると決定するチェーン店個別店舗判定部１０３と、チェーン店でないと判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の名詞、未知語、固有表現を特徴語として抽出するとともに、当該店舗チェインを構成する各判定済み店舗名に対応するレコードの候補のレコードＩＤで特徴語ＤＢ４を検索して特徴語及びその重みを得て、それらの類似度を求め、当該類似度が所定の閾値以上であれば、そのレコードの候補が対応するレコードであると決定する文脈に基づく店舗推定部１０４と、対応するレコードが決定された（＝データベース中のＩＤが決定された）場合は少なくともそのレコードＩＤを当該店舗名とともに出力する結果出力部１０５とを備えている。

ここで、所定の制約語抽出規則とは、例えば、
１．〈名詞，未知語の連続，場所名〉の［店舗名］
２．〈名詞，未知語の連続，場所名〉にある［店舗名］
などが挙げられ、〈〉に該当する部分を制約語として抽出する。なお、ここでいう［店舗名］は、処理対象としている店舗チェインの店舗名である。「場所名（地名）」かどうかは固有表現抽出処理の結果で判断できる。店舗名が出現した文の前方に場所名が存在しない場合、一つ前の文に場所名があればそれも制約語として抽出する。

なお、文脈に基づく店舗推定部１０４の他、別途内積などに基づいてスコアを再計算した後、閾値により判断する信頼度判定部を設けても良い。

図１１は曖昧性解消部１０のチェーン店個別店舗判定部１０３における処理の流れを示すものである。

まず、チェーン店個別店舗判定部１０３は、店舗チェインを構成する判定済み店舗名中に曖昧性フラグ「２」又は「３」のものが存在するか否かを判定することで、当該店舗チェインがチェーン店かそうでないかを判定する（ｓ３１）。この際、チェーン店でないと判定した場合は、当該店舗チェインを文脈に基づく店舗推定部１０４へ送る。

一方、チェーン店個別店舗判定部１０３は、チェーン店と判定された店舗チェインについて、処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の文脈から、所定の制約語抽出規則に基づいて制約語を抽出する（ｓ３２）。この際、制約語が存在しなければ（ｓ３３）、当該店舗チェインの店舗名は対応するレコード無しと決定する（ｓ３４）。

次に、チェーン店個別店舗判定部１０３は、店舗チェインを構成する判定済み店舗名をキーとして店舗ＤＢ１を検索し、当該店舗名に対応するレコードの候補を取得する（ｓ３５）。さらに、チェーン店個別店舗判定部１０３は、ｓ３２で抽出した制約語を店舗属性値に全て含むレコードの候補が一つかどうかを判定し（ｓ３６）、一つであれば当該レコードの候補を対応するレコードと決定する（ｓ３７）。なお、２つ以上であれば、前記同様、対応するレコード無しと決定する（ｓ３４）。

図１２は曖昧性解消部１０の文脈に基づく店舗推定部１０４における処理の流れを示すものである。

まず、文脈に基づく店舗推定部１０４は、チェーン店でないと判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の名詞、未知語、固有表現を特徴語として抽出し、出現表記特徴語リストを作成する（ｓ４１）。

次に、文脈に基づく店舗推定部１０４は、店舗チェインを構成する判定済み店舗名をキーとして店舗ＤＢ１を検索し、当該店舗名に対応するレコードの候補を取得し（ｓ４２）、さらに当該レコードの候補のレコードＩＤで特徴語ＤＢ４を検索して特徴語及びその重みを取得する（ｓ４３）。

次に、文脈に基づく店舗推定部１０４は、前記店舗名に対応するレコードの候補毎に、その特徴語（のリスト）と前記出現表記特徴語リストとの類似度をcosine類似度などで求める（ｓ４４）。この際、類似度が所定の閾値以上の候補があれば（ｓ４５）、そのレコードの候補が対応するレコードであると決定し（ｓ４６）、所定の閾値以上の候補がなければ対応する候補無しと決定する（ｓ４７）。なお、所定の閾値以上の候補が複数ある場合はそのうちの類似度が最も高い候補を対応するレコードと決定する。

なお、チェーン店個別店舗判定部１０３、文脈に基づく店舗推定部１０４及び結果出力部１０５の処理は、文章内同一性判定部１０２で作成された全ての店舗チェインについて繰り返し行われる。

図１３を参照して、本発明の店舗名曖昧性解消装置の動作について説明する。

［１］形態素解析及び固有表現抽出済みの入力文章が入力である。

［２］店舗名候補抽出部６では、処理済み入力文章から店舗名リスト２中の店舗名とその表記が一致する単語を全て抽出、ここでは「橙屋」を抽出し、その単語の表記とともに前記処理済み入力文章中での位置情報等を店舗名候補として抽出済み店舗名候補リスト７に出力して記憶する（ｓ１）。

［３］抽出済み店舗名候補リスト７が空ではない（ｓ２）ので、店舗名判定部８は、抽出済み店舗名候補リスト７から店舗名候補を一つ、ここでは「橙屋」を取り出す（ｓ３）。

店舗名判定部８では、取り出した店舗名候補「橙屋」を入力として、店舗らしさＤＢ３を用いて店舗名か否かを判定、ここでは店舗名候補「橙屋」は曖昧性フラグが「２」であるため、店舗名と判定し、判定済み店舗名として判定済み店舗名リスト９に出力して記憶する（ｓ４）。

［４］曖昧性解消部１０では、候補生成部１０１により判定済み店舗名、ここでは店舗名「橙屋」をキーとして店舗ＤＢ３を検索し、対応するレコードの候補の集合、ここではレコードＩＤ「04x-yyy-zzz」及び「03-qqqq-www」のレコードの候補を得る。

次に、曖昧性解消部１０では、文章内同一性判定部１０２により店舗チェインを作成するが、ここでは判定済み店舗名が「橙屋」一つのみであるため、当該店舗名「橙屋」のみからなる店舗チェインが作成される。

次に、曖昧性解消部１０では、チェーン店個別店舗判定部１０３により前記店舗名「橙屋」のみからなる店舗チェインがチェーン店かそうでないが判定されるが、店舗名候補「橙屋」の曖昧性フラグが「２」であるため、チェーン店であると判定される。

次に、曖昧性解消部１０では、チェーン店個別店舗判定部１０３により処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の文脈から、所定の制約語抽出規則に基づいて制約語を抽出、ここでは「菊名」が抽出される。

さらに、曖昧性解消部１０では、チェーン店個別店舗判定部１０３により前記抽出された制約語を店舗属性値に全て含むレコードの候補が一つかどうかを判定するが、ここではレコードＩＤ「04x-yyy-zzz」のレコードの候補のみが前記制約語「菊名」を含むため、当該レコードＩＤ「04x-yyy-zzz」のレコードの候補が店舗名「橙屋」に対応するレコードと決定される。

図１４を参照して、本発明の店舗名曖昧性解消装置の他の動作について説明する。

［１］形態素解析及び固有表現抽出済みの入力文章が入力である。

［２］店舗名候補抽出部６では、処理済み入力文章から店舗名リスト２中の店舗名とその表記が一致する単語を全て抽出、ここでは「北極星」を抽出し、その単語の表記とともに前記処理済み入力文章中での位置情報等を店舗名候補として抽出済み店舗名候補リスト７に出力して記憶する（ｓ１）。

［３］抽出済み店舗名候補リスト７が空ではない（ｓ２）ので、店舗名判定部８は、抽出済み店舗名候補リスト７から店舗名候補を一つ、ここでは「北極星」を取り出す（ｓ３）。

店舗名判定部８では、取り出した店舗名候補「北極星」を入力として、店舗らしさＤＢ３を用いて店舗名か否かを判定、ここでは店舗名候補「北極星」は曖昧性フラグが「１」であるため、店舗名候補又は店舗名候補及び店舗キーワードから所定の文字列を生成、ここでは「北極星というお店」「北極星という洋食」「洋食北極星」等を生成し、処理済み入力文章と照合するが、「洋食北極星」が一致するので店舗名と判定し、判定済み店舗名として判定済み店舗名リスト９に出力して記憶する（ｓ４）。

［４］曖昧性解消部１０では、候補生成部１０１により判定済み店舗名、ここでは店舗名「北極星」をキーとして店舗ＤＢ３を検索し、対応するレコードの候補の集合、ここではレコードＩＤ「06-ssss-ttt」のレコードの候補を得る。

次に、曖昧性解消部１０では、文章内同一性判定部１０２により店舗チェインを作成するが、ここでは判定済み店舗名が「北極星」一つのみであるため、当該店舗名「北極星」のみからなる店舗チェインが作成される。

次に、曖昧性解消部１０では、チェーン店個別店舗判定部１０３により前記店舗名「北極星」のみからなる店舗チェインがチェーン店かそうでないが判定されるが、店舗名候補「北極星」の曖昧性フラグが「１」であるため、チェーン店でないと判定される。

次に、曖昧性解消部１０では、文脈に基づく店舗推定部１０４により処理済み入力文章の当該店舗チェインを構成する各判定済み店舗名が出現している周辺の名詞、未知語、固有表現が特徴語として抽出、ここでは「大阪」「ハンバーグ」が抽出される。

さらに、曖昧性解消部１０では、文脈に基づく店舗推定部１０４により店舗名に対応するレコードの候補毎に、その特徴語（のリスト）と前記抽出した特徴語（のリスト）との類似度を求め、この類似度が所定の閾値以上の候補があれば、そのレコードの候補が対応するレコードであると決定する。この際、レコードＩＤ「06-ssss-ttt」のレコードの候補の類似度が閾値以上と判定されたとすると、当該レコードＩＤ「06-ssss-ttt」のレコードの候補が店舗名「北極星」に対応するレコードと決定される。

１：店舗データベース（ＤＢ）、２：店舗名リスト、３：店舗らしさデータベース（ＤＢ）、４：特徴語データベース（ＤＢ）、５：処理済み入力文章記憶部、６：店舗名候補抽出部、７：抽出済み店舗名候補記憶部（リスト）、８：店舗名判定部、９：判定済み店舗名記憶部（リスト）、１０：曖昧性解消部。

Claims (8)

1. 形態素解析及び固有表現抽出処理された入力文章中から店舗名を抽出し、当該抽出された店舗名を、店舗名及び店舗属性値を含む店舗情報をレコード毎にそのレコードＩＤとともに登録した店舗データベース中のレコードへ対応付ける装置であって、
   店舗名の集合を登録した店舗名リストと、
   入力文章中の店舗名が店舗名らしいか否かを判断するための情報を店舗名毎に登録した店舗らしさデータベースと、
   前記店舗データベース中の各レコードに対する特徴語の集合をそれぞれの重要度を表す重み値とともに各レコードＩＤに対応付けて登録した特徴語データベースと、
   形態素解析及び固有表現抽出処理済み入力文章から前記店舗名リスト中の店舗名と表記が一致する単語を全て抽出し、店舗名候補として出力する店舗名候補抽出部と、
   店舗名候補に対し、前記店舗らしさデータベースを用いて店舗名か否かを判定し、店舗名と判定された店舗名候補のみを判定済み店舗名として出力する店舗名判定部と、
   判定済み店舗名に対し、前記店舗データベース及び特徴語データベースを用いて店舗データベース中のどのレコードに対応するかを、前記処理済み入力文章中の当該判定済み店舗名の近傍に出現する前記店舗属性値に対応する制約語もしくは特徴語から判断し、店舗データベースの対応するレコードの少なくともレコードＩＤを当該店舗名とともに出力する曖昧性解消部とを備えた
   ことを特徴とする店舗名曖昧性解消装置。
2. 請求項１に記載の店舗名曖昧性解消装置において、
   入力文章中の店舗名が店舗名らしいか否かを判断するための情報として、店舗名らしいか否かを数値的に表す情報である曖昧性フラグと、当該店舗名が店舗である場合にその近傍に出現することが予想される店舗キーワードを店舗名毎に登録した店舗らしさデータベースを用い、
   店舗名判定部は、
   店舗名候補をキーとして店舗らしさデータベースを検索し、曖昧性フラグ及び店舗キーワードを取得する店舗らしさデータベース照合部と、
   曖昧性フラグから店舗名候補が店舗名か否かを判断し、また、曖昧性フラグから判断できない場合は更に店舗キーワードを用いた所定の判断規則と処理済み入力文章とがマッチするか否かより店舗名か否かを判断する店舗名判断部とを備える
   ことを特徴とする店舗名曖昧性解消装置。
3. 請求項１に記載の店舗名曖昧性解消装置において、
   曖昧性解消部は、
   判定済み店舗名をキーとして店舗データベースを検索し、対応するレコードの候補の集合を取得する候補生成部と、
   各判定済み店舗名のうち、同じ店舗を指す判定済み店舗名をまとめて一つのまとまりである店舗チェインを作成する文章内同一性判定部と、
   各店舗チェインがチェーン店かそうでないかを判定し、チェーン店と判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する判定済み店舗名が出現している周辺の文脈から、所定の制約語抽出規則に基づいて制約語を抽出し、当該抽出した制約語を店舗属性値に全て含むレコードの候補が一つであればその候補が対応するレコードであると決定するチェーン店個別店舗判定部と、
   チェーン店でないと判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する判定済み店舗名が出現している周辺の名詞、未知語、固有表現を特徴語として抽出するとともに、当該店舗チェイン中の各判定済み店舗名に対応するレコードの候補のレコードＩＤで特徴語データベースを検索して特徴語及びその重みを得て、それらの類似度を求め、所定の閾値以上であれば、そのレコードの候補が対応するレコードであると決定する文脈に基づく店舗推定部と、
   対応するレコードが決定された場合は少なくともそのレコードＩＤを当該店舗名とともに出力する結果出力部とを備える
   ことを特徴とする店舗名曖昧性解消装置。
4. 形態素解析及び固有表現抽出処理された入力文章中から店舗名を抽出し、当該抽出された店舗名を、店舗名及び店舗属性値を含む店舗情報をレコード毎にそのレコードＩＤとともに登録した店舗データベース中のレコードへ対応付ける方法であって、
   店舗名候補抽出部が、形態素解析及び固有表現抽出処理済み入力文章から、店舗名の集合を登録した店舗名リスト中の店舗名と表記が一致する単語を全て抽出し、店舗名候補として出力する店舗名候補抽出ステップと、
   店舗名判定部が、店舗名候補に対し、入力文章中の店舗名が店舗名らしいか否かを判断するための情報を店舗名毎に登録した店舗らしさデータベースを用いて店舗名か否かを判定し、店舗名と判定された店舗名候補のみを判定済み店舗名として出力する店舗名判定ステップと、
   曖昧性解消部が、判定済み店舗名に対し、前記店舗データベース及び店舗データベース中の各レコードに対する特徴語の集合をそれぞれの重要度を表す重み値とともに各レコードＩＤに対応付けて登録した特徴語データベースを用いて、店舗データベース中のどのレコードに対応するかを、前記処理済み入力文章中の当該判定済み店舗名の近傍に出現する前記店舗属性値に対応する制約語もしくは特徴語から判断し、店舗データベースの対応するレコードの少なくともレコードＩＤを当該店舗名とともに出力する曖昧性解消ステップとを含む
   ことを特徴とする店舗名曖昧性解消方法。
5. 請求項４に記載の店舗名曖昧性解消方法において、
   入力文章中の店舗名が店舗名らしいか否かを判断するための情報として、店舗名らしいか否かを数値的に表す情報である曖昧性フラグと、当該店舗名が店舗である場合にその近傍に出現することが予想される店舗キーワードを店舗名毎に登録した店舗らしさデータベースを用い、
   店舗名判定ステップは、
   店舗らしさデータベース照合部が、店舗名候補をキーとして店舗らしさデータベースを検索し、曖昧性フラグ及び店舗キーワードを取得するステップと、
   店舗名判断部が、曖昧性フラグから店舗名候補が店舗名か否かを判断し、また、曖昧性フラグから判断できない場合は更に店舗キーワードを用いた所定の判断規則と処理済み入力文章とがマッチするか否かより店舗名か否かを判断するステップとを含む
   ことを特徴とする店舗名曖昧性解消方法。
6. 請求項４に記載の店舗名曖昧性解消方法において、
   曖昧性解消ステップは、
   候補生成部が、判定済み店舗名をキーとして店舗データベースを検索し、対応するレコードの候補の集合を取得するステップと、
   文章内同一性判定部が、各判定済み店舗名のうち、同じ店舗を指す判定済み店舗名をまとめて一つのまとまりである店舗チェインを作成するステップと、
   チェーン店個別店舗判定部が、各店舗チェインがチェーン店かそうでないかを判定し、チェーン店と判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する判定済み店舗名が出現している周辺の文脈から、所定の制約語抽出規則に基づいて制約語を抽出し、当該抽出した制約語を店舗属性値に全て含むレコードの候補が一つであればその候補が対応するレコードであると決定するステップと、
   文脈に基づく店舗推定部が、チェーン店でないと判定された店舗チェインに対し、処理済み入力文章の当該店舗チェインを構成する判定済み店舗名が出現している周辺の名詞、未知語、固有表現を特徴語として抽出するとともに、当該店舗チェイン中の各判定済み店舗名に対応するレコードの候補のレコードＩＤで特徴語データベースを検索して特徴語及びその重みを得て、それらの類似度を求め、所定の閾値以上であれば、そのレコードの候補が対応するレコードであると決定するステップと、
   結果出力部が、対応するレコードが決定された場合は少なくともそのレコードＩＤを当該店舗名とともに出力するステップとを含む
   ことを特徴とする店舗名曖昧性解消方法。
7. コンピュータを、請求項１乃至３のいずれかに記載の装置の各手段として機能させるためのプログラム。
8. 請求項７に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images