JP5282438B2 - 情報抽出装置およびプログラムならびに情報抽出ルール生成装置およびプログラム - Google Patents

Description

この発明は、特定分野のドキュメント、例えば医療分野の電子カルテや読影レポートから言語的な知見を抽出する情報抽出技術、および情報抽出ルール生成技術に関する。

医療情報分野では、電子カルテや読影レポートの自動作成支援などをシステム開発に役立てるため、オントロジーなどの言語的な知見をカルテや読影レポートなどから自動的に抽出する手法が盛んに研究されている。ある特定のドメイン（以下では個別分野または特定分野ともいう）における情報の抽出は、そのドメイン特有の工夫が必要となる。医療分野における情報抽出技術は、計算機上で医療ドキュメントが電子的に蓄積されるようになった現在、盛んに研究が行われている。情報抽出の目的は、医療ドキュメント中から上位語下位語のペアを抽出し、オントロジーの構築に役立てようとするもの、医療ドキュメント中から疾患部分と所見部分を抜き出し、疾患から所見へと至る推論知識を得ようとするものなどがある。非特許文献１は医療分野におけるドメインスペシフィックな状況における情報抽出を提案している。また、医療分野以外でも商品に対するユーザからの意見抽出を目的とし、抽出個所に対応した複数ルールを用いて情報の抽出を行うことが提案されている（特許文献１など）。特許文献１の提案では、意見を述べている文について４つのスロットを考慮し、そのうちの抽出個所に対応するキーワードがない場合には、他の抽出キーワードから省略されている抽出対象を推測するようなルールを具備する工夫がなされている。

読影レポートなど実際の医療ドキュメントから、パターンを用いた方法で上位語下位語を抽出する手法や、疾患と所見部分のペアを構文解析結果から取得するなどの情報抽出手法では、複数文に渡る医療ドキュメントの記述に抽出パターンや手法が対応できないと言う問題があった。

読影レポートなどの医療ドキュメントでは、患部の特徴を述べる部分と医師の判断を述べる部分が複数の文に分かれる場合がある。あるいは、１文で述べられていても文構造が複雑な場合がある。以下のような読影レポート中の文章から、医師が何かしらの判断をした病名の名詞とその所見に関する記述の関係を抽出したいような場合には、既存のパターンや構文解析結果を用いた手法では対応できない。

［文章Ａ］
−−−左肺門部にはリンパ節様結節が見られます。以前のＣＴでは見られない変化です。転移リンパ節の可能性が高いと思われます。−−−

既存のシステムでは、テキスト中の各文に対して、医療語彙についての注釈作業（アノテート）を行った後にパターンまたは構文解析結果を用いて疾患と所見の組を抽出する。非特許文献１による手法では、所見部分を表す医師の主張を表す動詞を検出し、その動詞に係る医療名詞部分の連なりの部分木から、医療知識を検出し、別の方法で取得した疾患名と関連付ける。しかし、これら既存の抽出方法では、文をまたいだような記述から知識を抽出できない。ゆえに、上記文章において述べられているような、「リンパ節様結節は転移リンパ節と思う」といった関係の抽出には対処できない。また、仮に文章Ａが以下のような形態に変換したとする。

［文章Ｂ］
−−−左肺門部にはリンパ節様結節が見られ、以前のＣＴでは見られない変化であり、転移リンパ節の可能性が高いと思われます。−−−

しかし、上記の場合では、１文中に複数の動詞が存在し構文構造が複雑となり、パターンによる知識の抽出は困難である。「可能性が高いと思われる」を医師の主張する部分だとした場合、その部分と「リンパ節様結節が見られ」が並置構造となり、論旨の流れを抽出する処理には別のパターンを数多く記述する必要となる。医師によって様々な文章で記述された医療ドキュメントから情報抽出を行うには、何らかの医療ドキュメント特有の工夫が必要であると考えられる。

例えば、複数の文にまたがって存在するような複雑な構造から医療知識を抽出する手法が望まれている。

なお、上述の従来技術やその問題点は、この発明の背景の一部を説明するためにのみ説明している。この発明は上述の従来技術や問題点に限定されるものではない点に留意されたい。
特開２００４−１５７８４１号公報 今井健，荒巻英治，梶尾正幸，美代賢吾，大江和彦、"構文情報と医学用語属性を用いた画像診断所見オントロジー構築の試み"，医療情報学，２５（６），２００５，ｐｐ．３９５−４０３

この発明は、個別分野のドキュメント、例えば、読影レポートなどの医療ドキュメントから高精度な情報抽出を行うことを目的とする。

この発明によれば、上述の目的を達成するために、特許請求の範囲に記載のとおりの構成を採用している。ここでは、発明を詳細に説明するのに先だって、特許請求の範囲の記載について補充的に説明を行なっておく。

すなわち、請求項１の発明によれば、上述の目的を達成するために、情報抽出装置に：個別分野のドキュメントから個別分野で用いられる語彙を特定する個別分野語彙特定手段と；１または複数の第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して語彙の間の関係を抽出するルール適用手段と；上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる所定の１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段と；上記第１のルールおよび上記第２のルールを併用して上記個別分野のドキュメントから語彙の関係を抽出する情報抽出手段とを設けている。

また、請求項２の発明によれば、請求項１の発明において、上記第１のルールおよび上記第２のルールは２つの語彙の間の関係を抽出するものである。

また、請求項３の発明によれば、請求項２の発明において、上記第１のルールは第１の部分と第２の部分を含み、上記第１の部分を満たす第１の文章要素の直前に上記第２の部分を満たす第２の文章要素が出現するときに上記第１のルールが満たされ、上記第１の文章要素中の上記１項をなす語彙と上記第２の文章要素中の上記１項をなす語彙との間の関係を抽出し、上記第２のルールは、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの１つを含むものを第１の部分として含み、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの他の１つを含むものを第２の部分として含み、上記対応する第１のルールが満たされたときに発動され、上記第２の文章要素が当該第２のルールの第１の部分を満たし、当該第１の文章要素の直前に当該第２のルールの第２の部分を満たす第３の文章要素が出現するときに、上記第２の文章要素中の上記１項をなす語彙と上記第３の文章要素中の所定の１項をなす語彙との間の関係を抽出するようになっている。

また、請求項４の発明によれば、請求項１、２または３の発明において、上記個別分野は医療分野であり、上記第１のルールは、病状と判断することを表す語彙とその判断の根拠をなす語彙との間の関係を抽出するルールを含み、上記第２のルールは、上記病状と判断することを表す語彙とその判断の根拠をなす語彙との間の関係を抽出するルールから抽出された複数の関係の上記判断の根拠をなす語彙または当該語彙の語彙カテゴリの組から作成されるようにしている。

また、請求項５の発明によれば、請求項１、２、３または４の発明において、上記第１のルールごとに、上記第２のルールを作成するのに用いる上記語彙または当該語彙のカテゴリは、当該第１のルールが適用されて抽出される頻度が所定の閾値を超えた語彙または当該語彙のカテゴリに限定するようにしている。

また、請求項６の発明によれば、コンピュータを：個別分野のドキュメントから個別分野で用いられる語彙を特定する個別分野語彙特定手段；１または複数の第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して語彙の間の関係を抽出するルール適用手段；上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる所定の１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段；上記第１のルールおよび上記第２のルールを併用して上記個別分野のドキュメントから語彙の関係を抽出する情報抽出手段として機能させるための情報抽出用プログラムを実現する。

また、請求項７の発明によれば、情報抽出ルール生成装置に：個別分野のドキュメントから個別分野で用いられる語彙を特定する個別分野語彙特定手段と；１または複数の第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して語彙の間の関係を抽出するルール適用手段と；上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる所定の１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段とを設けるようにしている。

また、請求項８の発明によれば、コンピュータを：個別分野のドキュメントから個別分野で用いられる語彙を特定する個別分野語彙特定手段；１または複数の第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して語彙の間の関係を抽出するルール適用手段；上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる所定の１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段として機能させるための情報抽出ルール生成用プログラムを実現する。

この発明の上述の側面および他の側面は特許請求の範囲に記載され以下実施例を用いて詳述される。

請求項１および請求項６の発明によれば、第１のルールを個別分野のドキュメントに提供して抽出した関係から第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成して、当該個別分野のドキュメントからの高精度な情報抽出を可能にする。なお、第２のルールの適用により抽出される語彙間の新たな関係とは、第１のルールと異なるルールである第２のルールを適用して新たに抽出された関係を指すものであり、関係そのものが新規であることを指すものではない。

請求項２および３の発明によれば、２つの語彙の間の関係という単純な関係から情報を抽出できる。第１のルールを発動条件として適用される第２のルールを単一の個別のルールで構成する場合、第１のルールおよび第２のルールの個数をＮ１およびＮ２とすると、Ｎ１×Ｎ２の個数のルールが必要となるけれども、請求項２の発明ではＮ１＋Ｎ２の個数のルールで済み、ルールの個数が抑制される。

請求項４の発明によれば、医療分野のドキュメントから症状および判断根拠の間の病状・原因関係が抽出でき、第２のルールによりこれを補充する情報をさらに抽出できる。

請求項５の発明によれば、実際のドキュメントの統計情報を反映して第２のルールを抽出できる。

請求項７および請求項８の発明によれば、第１のルールを個別分野のドキュメントに提供して抽出した関係から第１のルールの抽出を発動条件として適用され語彙の間の新たな関係を抽出する第２のルールを作成できる。

以下、この発明を医療ドキュメントから情報を抽出する情報抽出システムに適用した実施例について説明する。

以下では、医療ドキュメントとして、読影レポートを想定するが、この発明はこれに限定されない。読影レポート中のテキストは、基本的に患部のＭＲＩやＣＴなど撮影上の特徴を記述し所見を述べる文とそれに対する医師の判断を記述する文に分かれている。それぞれの文においては医療用語が存在する。医療ドキュメントにおける情報抽出とは、一般的には、それら医療用語間、あるいは医療用語と動詞などの一般用語との間の関係を抽出することである。

この実施例では、医療ドメインの辞書と複数の医療語彙抽出ルールを組み合わせて使用することにより既存の医療語彙関係抽出ルールを拡張し、複数の文または複雑な構造の文に存在する医療語彙の関係を抽出することができるようにする。

この実施例では、医療語彙間の関係を既存の方法によって大量の医療ドキュメントから抽出し、得られた統計情報を元に、元の抽出ルールを拡張することを考える。拡張されたルールは元のルールよりもより複雑な文や複数文からでも医療語彙間の関係を抽出することが可能となる。以下において、実施例を参照にして、この発明の典型的な形態と共に、この発明によるルール拡張の手順例を説明する。

図１は、この発明の実施例の情報抽出システム１００を示している。この情報抽出システム１００は、典型的にはコンピュータシステム、例えばパーソナルコンピュータ２００により実現される。パーソナルコンピュータ２００は、周知のとおり、ＣＰＵ、主メモリ、外部記憶装置、バス、種々の入出力装置等を具備し、これにプログラム２０１をインストールすることにより情報抽出システム１００が構築される。情報抽出システム１００は単一のコンピュータシステムから構築されてもよいし、ネットワークを介して接続された複数のコンピュータシステムから構築されても良い。

図１において、情報抽出システム１００は、医療用語抽出部１１、医療語彙リソース保持部１２、初期ルール保持部１３、初期ルール適用部１４、拡張ルール作成部１５、拡張ルール保持部１６、情報抽出部１７等を含んで構成される。

医療用語抽出部１１は、医療語彙リソース保持部１２に格納された医慮語彙およびその抽出ルールを用いて、医療ドキュメント中の医療語彙を抽出する。医療語彙のカテゴリ（種類ともいう）としては、病名（ｄｉｓｅａｓｅ）や部位名（ａｎａｔｏｍｙ）、病状（ｓｅｍｉ−ｄｉｓｅａｓｅ）、領域（ａｒｅａ）、読影レポートで頻繁に使われる名詞（ｇｅｎｅｒａｌ）、さらには、門（ｍｏｎ）や性（ｓｅｉ）などの医療語彙に特徴的に現われる接辞などが挙げられる。以下が抽出例である。タグの部分に囲まれた個所が医療語彙に該当し、タグの名前によって医療語彙のカテゴリを区別している。タグは「＜」および「＞」により指示される。以下の例は、例文中でタグにはさまれた語彙が医療語彙として抽出されていることを示す。

［例文］
＜ａｒｅａ＞左＜／ａｒｅａ＞＜ｍｏｎ＞肺門＜／ｍｏｎ＞＜ａｒｅａ＞部＜／ａｒｅａ＞には＜ａｎａｔｏｍｙ＞リンパ節様＜／ａｎａｔｏｍｙ＞＜ａｎａｔｏｍｙ＞結節＜／ａｎａｔｏｍｙ＞が見られます。以前の検査では見られなかった＜ｇｅｎｅｒａｌ＞変化＜／ｇｅｎｅｒａｌ＞です。＜ｓｅｍｉ−ｄｉｓｅａｓｅ＞転移＜／ｓｅｍｉ−ｄｉｓｅａｓｅ＞＜ａｎａｔｏｍｙ＞リンパ節＜／ａｎａｔｏｍｙ＞の＜ｓｅｉ＞可能性＜／ｓｅｉ＞が高いと思われます。

医療語彙リソース保持部１２は、医療用語抽出部１１で用いる医療語彙辞書や抽出ルールを格納する。医療用語抽出部１１は、これら辞書やルールを用いて医療ドキュメント中の医療語彙を抽出する。

初期ルール保持部１３は、医療用語関係抽出ルール（初期ルールともいう）を格納する。医療用語抽出部１１は、これらルールをドキュメントに適用して医療語彙あるいは文章部分の間の関係を抽出する。例えば、以下のようなルールによって「医師が病状だとの判断を表す部分」と「その原因」との関係を抽出する。ルールは「医師の判断を表す個所」を検出する部分と「その原因の個所」を検出する部分の二つの部分から構成される。初期ルール保持部１３では、そのようなルールを予め格納しておく。

病状原因抽出ルールの例は、以下のようなものであり、実際の実装では、以下のラインを初期ルール適用部１４に対応するプログラムが読んで解釈し処理を行う。

［情報原因抽出ルールの例］
抽出部：｛＜ｍｅｄｉｃａｌ−ｔｅｒｍ＞．＋？｛見られる｜ある｝｜｛見られる｜ある｝＜ｍｅｄｉｃａｌ−ｔｅｒｍ＞｝
＠ＴＡＲＧＥＴ＝＜ｍｅｄｉｃａ−ｔｅｒｍ＞
条件部：｛＜Ｓｅｍｉ−ｄｉｓｅａｓｅ＞の＜ｇｅｎｅｒａｌ＞｜＜Ｓｅｍｉ−ｄｉｓｅａｓｅ＞｝．＋？｛考える｜思う｝られる｝

この例では、以下のように処理が実行される。

［情報原因抽出ルールの例の説明］
「［＜Ｓｅｍｉ−ｄｉｓｅａｓｅ＞の＜ｇｅｎｅｒａｌ＞］または［Ｓｅｍｉ−ｄｉｓｅａｓｅ］の部分に［［考える｜思う］られる］が続き、その直前「［見られる｜ある］」に係るか連体修飾節を構成する医療語彙部分をＴＡＲＧＥＴとして取り出す。ＴＡＲＧＥＴの部分をＳｅｍｉ−ｄｉｓｅａｓｅの「原因」として抽出する。この時、ＴＡＲＧＥＴと「［見られる｜ある］」を含むルールの部分は、抽出の目的を含むためルールの抽出部とする。医者の判断を含む部分をルールの条件部とする。

この初期病状原因抽出ルールは、複雑な文や、複数の文によって「医師の判断とその根拠の関係」が記述されているような場合にはうまく関係を抽出できない。例えば、以下の文章Ａにおける、「リンパ節様結節」と「転移リンパ節」との間の関係は、「以前のＣＴでは見られない変化です。」の文のみでルールの適用が止まってしまうため抽出できない。上記のルールでは、ＴＡＲＧＥＴ＝「変化」が病状「転移リンパ節」の原因として抽出されるのみである。さらには、多くの既存の情報抽出システムで想定しているように、ルールの適用対象を１文に限定する場合には、ルールの適用すら不可能となる。

［文章Ａ］
−−−左肺門部にはリンパ節様結節が見られます。以前のＣＴでは見られない変化です。転移リンパ節の可能性が高いと思われます−−−

また、上記のような場合を含めた全ての状況をカバーするルールを記述することは現実的ではない。そこで、この実施例では初期ルール適用部１４に加えて、拡張ルール作成部１５、および拡張ルール保持部１６を用いてルールを拡張する。

初期ルール適用部１４は、初期ルール保持部１３に格納されている医療用語関係抽出ルールをとりだして、医療ドキュメントに適用し、ルールごとにＴＡＲＧＥＴ部分の語彙を抽出する。この時、抽出個所の医療語彙の種類を同時に取得する。文章Ａに上記の病状原因抽出ルールを適用した場合には、ＴＡＲＧＥＴとして「変化」が＜ｇｅｎｅｒａｌ＞という医療カテゴリと伴って取得される。このような抽出を医療ドキュメント全体で行い、ＴＡＲＧＥＴとして得られた医療語彙の種類を取得する。この時、ある一定の閾値を越える頻度で出現したものは表層を取得し、閾値を下回るものは医療語彙の種類が取得される。例えば、読影レポート中に頻出する名詞である「変化」は本実施例では＜ｇｅｎｅｒａｌ＞という医療語彙のカテゴリに属し、「変化」は表層の文字列を取得する。対して、「前頭部白質」などは医療カテゴリの＜ｓｉｔｕ＞として取得する。医療ドキュメントでは様々な形態の接辞を伴った複合語が出現し、同じ意味の言葉でも様々な形態で出現する。そのように表層語彙が揺れる語彙は医療カテゴリ自体として取得する。

拡張ルール作成部１５は、取得した医療カテゴリおよび語彙の中である頻度以上のものの組合せを取得する。さらに、語彙の組合せから以下の手順で拡張ルールを抽出する。

［手順１］：一定の頻度以上の語彙または医療カテゴリを取得する。
例えば、部位＜Ａｎａｔｏｍｙ＞、特徴、変化、所見、…を取得する。
［手順２］：上記の語彙の組を作る。
例えば、部位＜Ａｎａｔｏｍｙ＞−特徴／部位＜Ａｎａｔｏｍｙ＞−変化／部位＜Ａｎａｔｏｍｙ＞−所見／…を作成する。
［手順３］：二つの語彙が連続して初期ルールの条件部のような状況にマッチするルールを作り、語彙の組の片方がルールの抽出部、もう一方が条件部となるように、語彙の組から新しい病状原因拡張ルールを作成する。例えば、部位＜Ａｎａｔｏｍｙ＞−「変化」の組から、以下のようなルールを作成する。病状原因拡張ルールの作成の動作例については図３を参照して後に説明する。

病状原因拡張ルールの例は以下のようなものであり、実際の実装では以下のラインを情報抽出部１７に対応するプログラムが読んで解釈し処理を行う。

［病状原因拡張ルールの例］
抽出部：｛｛見られる｜ある｝｛＜Ａｎａｔｏｍｙ＞｝｜｛＜Ａｎａｔｏｍｙ＞｝．＋？｛見られる｜ある｝
＠ＴＡＲＧＥＴ２＝＜Ａｎａｔｏｍｙ＞
条件部：｛｛見られる｜ある｝｛変化｝｜｛変化｝．＋？｛見られる｜ある｝｝

［病状原因拡張ルールの例の説明］
「［変化］」が「［見られる｜ある］」に係るか連体修飾節を構成する部分の直前に、部位＜Ａｎａｔｏｍｙ＞が「［見られる｜ある］」に係るか連体修飾節を構成する部分がある時、「部位＜Ａｎａｔｏｍｙ＞」の部分をＴＡＲＧＥＴ２として取り出す。

上記のような病状原因拡張ルールは、語彙の組が「見られる」または「ある」という述語を伴い連続して出現するような状況にマッチする。この病状原因抽出拡張ルールと病状原因抽出初期ルールを併せて使うことで、病状の原因を表す語彙が複数の個所に連なって出現するような場合に、その病状の原因となる語彙を同時に抽出することができる。上記のような拡張ルールは拡張ルール保持部１６に格納される。

情報抽出部１７は、初期ルール保持部１３に格納されている初期ルールと拡張ルール保持部１６に保持されている拡張ルールの組を用いて、情報抽出を行う。拡張ルールは初期ルールにより関係が抽出された場合に適用される。例えば、上記までの過程において文章Ａに対して初期ルールおよび拡張ルールを適用した場合、まず初期ルールによって「病状」＜ｓｅｍｉ−ｄｉｓｅａｓｅ＞として「転移」が得られ、その部分に対する医師の判断を示す語彙として、「変化」が得られる。さらに拡張ルールを用いると「変化」に対応して「リンパ様節結節」が得られるため、「転移」に対する医師の判断部分として「リンパ節結節、変化」の組が得られ、既存の技術では抽出できなかった「リンパ節様結節」の部分まで情報抽出が可能となる。

また、この実施例ではルールの数を少なく抑えることができる。例えば、この実施例によって具備されたルールが、「医師が病状だと判断した部分」の抽出のためのルールが１０００種類と「部位名−変化」の組が「見られる｜ある」という述語と関係して連なるといったシチュエーションの抽出のためのルールが１０００種類の場合、既存のルールによって「部位名−変化」の組が「見られる｜ある」という述語と関係して連なり、かつ「医師が病状だと判断した部分」が連なるシチュエーションにマッチさせるには、１０００の１０００倍の数のルールが必要となってしまう。対して、この実施例による情報抽出システムでは、２０００種類のルールでマッチ可能である。

図２は上述実施例の全体的な動作例を示し、図３はルール生成の手順に関する動作例を示す。

図２に説明される全体の動作例は以下のとおりである。

［ステップＳ２１］：医療ドキュメント中の医療語彙を検出する。
［ステップＳ２２］：医療ドキュメントに初期ルールを適用しルールごとの医療用語関係を抽出する。
［ステップＳ２３］：初期ルールごと拡張ルールを作成し、初期ルールごとに格納する。
［ステップＳ２４］：初期ルールおよび拡張ルールを用いて情報抽出処理を行う。拡張ルールは対応する初期ルールが満たされたときに適用する。

図３に説明されるルール生成の手順の動作例は以下のとおりである。

［ステップＳ３１］：すべての初期ルールにおいて処理を終えたかどうか確認し、終えた場合は処理を終了し、終えていない場合にはステップＳ３２以降の処理を繰り返す。
［ステップＳ３２］：未処理に初期ルールを１つとりだす。
［ステップＳ３３］：医療ドキュメントに初期ルールを適用しルールごとに語彙とその医療カテゴリを抽出し、頻度をカウントする。
［ステップＳ３４］：語彙の頻度が閾値以上かどうかを判別し、閾値以上の場合にはステップＳ３６へ進み、そうでない場合にはステップＳ３５へ進む。
［ステップＳ３５］：その医療カテゴリを語彙集合に加える。ステップＳ３７へ進む。
［ステップＳ３６］：語彙を語彙集合に加える。ステップＳ３７へ進む。
［ステップＳ３７］：語彙集合中の語彙および医療カテゴリのペアを作成する。
［ステップＳ３８］：ペアの頻度が閾値以上か判別し、閾値以上であれば、ステップＳ３７へ進み、どうでなければ、ステップＳ３１へ戻り処理を繰り返す。
［ステップＳ３９］：ペアから追加ルールを作成する。その後、ステップＳ３１へ戻り処理を繰り返す。

なお、この発明は特許請求の範囲の記載に基づいて決定されるものであり、実施例の具体的な構成、課題、および効果には限定されない。この発明は上述の実施例に限定されるものではなくその趣旨を逸脱しない範囲で種々変更が可能である。例えば、上述実施例では、医療分野のドメインスペシフィックな情報を抽出したけれども、医療分野の語彙に代えて他の分野のドメインスペシフィックな語彙や、関係を抽出する初期ルールを準備しておけばその分野の情報の抽出にこの発明を適用できる。また、この発明は、ルールを生成する装置またはプログラムとして実現しても良い。ルール生成装置は、例えば、図１の情報抽出部１７を除いた部分から構成できる。

この発明の実施例の構成を全体として示すブロック図である。 上述実施例の動作例を全体として示すフローチャートである。 上述実施例の拡張ルール作成の動作例を示すフローチャートである。

符号の説明

１１ 医療用語抽出部
１２ 医療語彙リソース保持部
１３ 初期ルール保持部
１４ 初期ルール適用部
１５ 拡張ルール作成部
１６ 拡張ルール保持部
１７ 情報抽出部
１００ 情報抽出システム
２００ パーソナルコンピュータ
２０１ プログラム

Claims (6)

1. 個別分野のドキュメントから個別分野で用いられる語彙を当該個別分野用の辞書を参照して特定する個別分野語彙特定手段と、
   １または複数の第１のルールを保持する第１ルール保持手段であって、当該第１のルールの各々は、第１の部分と第２の部分を含み、上記第１の部分を満たす第１の文章要素の直前に上記第２の部分を満たす第２の文章要素が出現するときに上記第１のルールが満たされ、上記第１の文章要素中の所定の１項をなす語彙と上記第２の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記第１ルール保持手段と、
   上記第１ルール保持手段に保持されている上記第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して２つの語彙の間の関係を抽出するルール適用手段と、
   上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる上記１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され２つの語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段であって、当該第２のルールの各々は、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの１つを含むものを第１の部分として含み、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの他の１つを含むものを第２の部分として含み、上記対応する第１のルールが満たされたときに発動され、上記第２の文章要素が当該第２のルールの第１の部分を満たし、当該第１の文章要素の直前に当該第２のルールの第２の部分を満たす第３の文章要素が出現するときに、上記第２の文章要素中の上記１項をなす語彙と上記第３の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記ルール作成手段と、
   上記ルール作成手段で作成された上記第２のルールを保持する第２ルール保持手段と、
   上記第１ルール保持手段に保持されている上記第１のルールおよび上記第２ルール保持手段に保持されている上記第２のルールを併用して上記個別分野のドキュメントから語彙の関係を抽出する情報抽出手段とを有する情報抽出装置。
2. 上記個別分野は医療分野であり、上記第１のルールは、病状と判断することを表す語彙とその判断の根拠をなす語彙との間の関係を抽出するルールを含み、上記第２のルールは、上記病状と判断することを表す語彙とその判断の根拠をなす語彙との間の関係を抽出するルールから抽出された複数の関係の上記判断の根拠をなす語彙または当該語彙の語彙カテゴリの組から作成される請求項１記載の情報抽出装置。
3. 上記第１のルールごとに、上記第２のルールを作成するのに用いる上記語彙または当該語彙のカテゴリは、当該第１のルールが適用されて抽出される頻度が所定の閾値を超えた語彙または当該語彙のカテゴリに限定する請求項１または２記載の情報抽出装置。
4. コンピュータを、
   個別分野のドキュメントから個別分野で用いられる語彙を当該個別分野用の辞書を参照して特定する個別分野語彙特定手段、
   １または複数の第１のルールを保持する第１ルール保持手段であって、当該第１のルールの各々は、第１の部分と第２の部分を含み、上記第１の部分を満たす第１の文章要素の直前に上記第２の部分を満たす第２の文章要素が出現するときに上記第１のルールが満たされ、上記第１の文章要素中の所定の１項をなす語彙と上記第２の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記第１ルール保持手段と、
   上記第１ルール保持手段に保持されている上記第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して２つの語彙の間の関係を抽出するルール適用手段、
   上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる上記１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され２つの語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段であって、当該第２のルールの各々は、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの１つを含むものを第１の部分として含み、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの他の１つを含むものを第２の部分として含み、上記対応する第１のルールが満たされたときに発動され、上記第２の文章要素が当該第２のルールの第１の部分を満たし、当該第１の文章要素の直前に当該第２のルールの第２の部分を満たす第３の文章要素が出現するときに、上記第２の文章要素中の上記１項をなす語彙と上記第３の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記ルール作成手段、
   上記ルール作成手段で作成された上記第２のルールを保持する第２ルール保持手段、
   上記第１ルール保持手段に保持されている上記第１のルールおよび上記第２ルール保持手段に保持されている上記第２のルールを併用して上記個別分野のドキュメントから語彙の関係を抽出する情報抽出手段
   として機能させるための情報抽出用プログラム。
5. 個別分野のドキュメントから個別分野で用いられる語彙を当該個別分野用の辞書を参照して特定する個別分野語彙特定手段と、
   １または複数の第１のルールを保持する第１ルール保持手段であって、当該第１のルールの各々は、第１の部分と第２の部分を含み、上記第１の部分を満たす第１の文章要素の直前に上記第２の部分を満たす第２の文章要素が出現するときに上記第１のルールが満たされ、上記第１の文章要素中の所定の１項をなす語彙と上記第２の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記第１ルール保持手段と、
   上記第１ルール保持手段に保持されている上記第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して２つの語彙の間の関係を抽出するルール適用手段と、
   上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる上記１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され２つの語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段であって、当該第２のルールの各々は、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの１つを含むものを第１の部分として含み、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの他の１つを含むものを第２の部分として含み、上記対応する第１のルールが満たされたときに発動され、上記第２の文章要素が当該第２のルールの第１の部分を満たし、当該第１の文章要素の直前に当該第２のルールの第２の部分を満たす第３の文章要素が出現するときに、上記第２の文章要素中の上記１項をなす語彙と上記第３の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記ルール作成手段とを有する情報抽出ルール生成装置。
6. コンピュータを、
   個別分野のドキュメントから個別分野で用いられる語彙を当該個別分野用の辞書を参照して特定する個別分野語彙特定手段、
   １または複数の第１のルールを保持する第１ルール保持手段であって、当該第１のルールの各々は、第１の部分と第２の部分を含み、上記第１の部分を満たす第１の文章要素の直前に上記第２の部分を満たす第２の文章要素が出現するときに上記第１のルールが満たされ、上記第１の文章要素中の所定の１項をなす語彙と上記第２の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記第１ルール保持手段、
   上記第１ルール保持手段に保持されている上記第１のルールを上記個別分野のドキュメント中において特定された上記個別分野で用いられる語彙に適用して２つの語彙の間の関係を抽出するルール適用手段、
   上記第１のルールごとに上記ルール適用手段で抽出した複数の関係の各々に含まれる上記１項をなす語彙または当該語彙のカテゴリの集合から、当該第１のルールの抽出を発動条件として適用され２つの語彙の間の新たな関係を抽出する第２のルールを作成するルール作成手段であって、当該第２のルールの各々は、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの１つを含むものを第１の部分として含み、対応する第１のルールの上記第１の部分であって、上記１項をなす語彙または当該語彙のカテゴリの他の１つを含むものを第２の部分として含み、上記対応する第１のルールが満たされたときに発動され、上記第２の文章要素が当該第２のルールの第１の部分を満たし、当該第１の文章要素の直前に当該第２のルールの第２の部分を満たす第３の文章要素が出現するときに、上記第２の文章要素中の上記１項をなす語彙と上記第３の文章要素中の所定の１項をなす語彙との間の関係を抽出する、上記ルール作成手段として機能させるための情報抽出ルール生成用プログラム。

Images