JP5315664B2 - 位置表現検出装置、プログラム、及び、記憶媒体 - Google Patents

Description

本発明は位置表現検出装置、プログラム、及び、記憶媒体に関し、例えば、住所の一部分などの曖昧性を有する位置表現文字列から、完全な住所文字列などの曖昧性がない位置表現文字列を得る必要のある位置表現の検出システムに適用して好適なものである。

情報処理において、テキスト中に出現する固有表現を検出する処理は既に広く行なわれている。特に、最近は、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）が着目を浴びていることから、地名などの位置表現に関する自動検出処理が注目されている。しかしながら、処理すべきテキスト、例えば、ニュース記事やブログ（ｂｌｏｇ）サイトなどに含まれる地名表現などの位置表現の多くは、都道府県名や市区郡名などが省略された形で表現されていることが多い。例えば、「日本橋」という地名は東京都と大阪府に存在するが、テキスト中に出現する位置表現では、単に、「日本橋」と書かれていることが多く、「東京都中央区日本橋」あるいは「大阪府大阪市浪速区日本橋」と常に記述されていることは極々稀である。

このような課題を解決する手法として、特許文献１の「従来の技術」の項にも示されているような２つの手法がある。

第１の手法は、固有な位置表現の候補の前後又は同一テキスト内に出現する共起語を参照して、固有な位置表現候補の曖昧性を解消する方法であり、「日本橋」の例であれば、例えば、「パソコン」、「メイド喫茶」などの語が「日本橋」の前後や同一テキスト内に含まれていれば、「大阪府大阪市浪速区日本橋」と判断する手法である。

第２の手法は、固有な位置表現の候補の表記を包含する位置表現を同一テキストから検索し、固有な位置表現候補の曖昧性を解消する方法である。「日本橋」の例であれば、同一テキスト内に「浪速区日本橋」のような「日本橋」を含む曖昧性のない位置表現があれば、単独の「日本橋」も「大阪府大阪市浪速区日本橋」と判断する手法である。

特許文献１の記載技術は、上述の第１又は第２の手法で、一般には同一テキスト内にとどまっていた共起語の参照又は包含する位置表現の検索の範囲を、検出対象がハイパーテキストの際に、そのテキストのリンク元及びリンク先の文書にも拡大しているに過ぎない。
特開２００２−８２９４３号公報

しかしながら、第１の手法は、それぞれの位置表現に対して予め共起辞書を作成する必要があり、どの語を共起語にするかを自動的に決定するのは困難であり、手動で決定するには多くの労力が必要とされる。また、共起語が決定できたとしても、共起表現によって位置表現（地名）を特定する確率を上げるためには、それぞれの位置表現に対し、多くの共起語を設定する必要があるため、共起辞書が巨大なものになるという課題を有する。

一方、第２の手法は、固有な位置表現の候補の表記を包含する表記が、検索範囲内に含まれなかった場合、曖昧性を解消することができない。

特許文献１の記載技術は、上述の第１又は第２の手法における検索範囲を、単にリンク関係のある文書に広げただけであるから、上述した課題を解決することができない。

本発明は、以上の点を考慮してなされたものであり、共起辞書を用いずに、また、位置表現の候補の表記を包含する位置表記がなくとも、曖昧性をもつ位置表現の曖昧性を解決することができる位置表現検出装置、プログラム、及び、記憶媒体を提供しようとしたものである。

第１の本発明の位置表現検出装置は、検出対象テキスト中に含まれる位置表現を抽出し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定するものであって、（１）各種テキスト中に存在し得る位置表現と、その位置表現が規定し得る位置との対応を記憶した位置表現情報記憶部と、（２）上記位置表現情報記憶部の記憶内容を参照し、上記検出対象テキストから位置表現を抽出し、抽出した位置表現が複数の候補地を有するか否かを判別する位置表現抽出部と、（３）上記検出対象テキストにおける特徴語を抽出する検出対象テキスト特徴語抽出部と、（４）上記候補地若しくは上記特徴語の少なくとも一方を利用し、検出対象テキストの比較対象となる比較対象テキストを検索する比較対象テキスト検索部と、（５）検索された比較対象テキストに関する情報に基づいて、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定する位置表現特定部とを有し、（６）上記検出対象テキスト特徴語抽出部、上記比較対象テキスト検索部及び上記位置表現特定部は、少なくとも抽出した位置表現が複数の候補地をもつ場合に機能するものであり、（１）上記位置表現情報記憶部は、位置表現が規定し得る位置の座標情報も記憶しているものであり、（２）上記位置表現抽出部は、各候補地の座標情報をも取得するものであり（４）上記比較対象テキスト検索部は、上記検出対象テキストにおける特徴語を含む上記比較対象テキストを取得するものであり、（５）上記位置表現特定部は、（５−１）上記位置表現情報記憶部の記憶内容を参照し、上記比較対象テキストにおける曖昧性がない位置表現及びその位置表現の座標情報を得る比較対象テキスト内位置表現抽出部と、（５−２）上記各候補地のそれぞれについて、その座標情報と、上記比較対象テキスト内の位置情報に係る座標情報との距離を求める距離計算部と、（５−３）距離が最も短い候補地に、上記検出対象テキスト中に含まれる位置表現の位置を特定する距離判定出力部とを有することを特徴とする。

第２の本発明の位置表現検出プログラムは、検出対象テキスト中に含まれる位置表現を抽出し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定するためのものであって、コンピュータを、（１）各種テキスト中に存在し得る位置表現と、その位置表現が規定し得る位置との対応並びに位置表現が規定し得る位置の座標情報を記憶した位置表現情報記憶部と、（２）上記位置表現情報記憶部の記憶内容を参照し、上記検出対象テキストから位置表現並びに座標情報を抽出し、抽出した位置表現が複数の候補地を有するか否かを判別する位置表現抽出部と、（３）上記検出対象テキストにおける特徴語を抽出する検出対象テキスト特徴語抽出部と、（４）上記特徴語を利用し、検出対象テキストの比較対象となる比較対象テキストを検索する比較対象テキスト検索部と、（５）上記位置表現情報記憶部の記憶内容を参照し、上記比較対象テキストにおける曖昧性がない位置表現及びその位置表現の座標情報を得る比較対象テキスト内位置表現抽出部と、上記各候補地のそれぞれについて、その座標情報と、上記比較対象テキスト内の位置情報に係る座標情報との距離を求める距離計算部と、距離が最も短い候補地に、上記検出対象テキスト中に含まれる位置表現の位置を特定する距離判定出力部とを有し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定する位置表現特定部として機能させることを特徴とする。

第３の本発明の記録媒体は、第２の本発明の位置表現検出プログラムを記憶した、コンピュータ読み取り可能なものである。

本発明によれば、共起辞書を用いずに、また、位置表現の候補の表記を包含する位置表記がなくとも、曖昧性をもつ位置表現の曖昧性を解決することができる。

（Ａ）第１の実施形態
以下、本発明による位置表現検出装置、プログラム、及び、記憶媒体の第１の実施形態を、図面を参照しながら詳述する。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る位置表現検出装置１０の機能的構成を示すブロック図である。位置表現検出装置１０は、例えば、テキスト処理用の専用装置の一部として構築されたものであっても良く、また、ＰＣ（パソコン）やサーバ等の汎用的な情報処理装置に位置表現検出プログラム（固定データ等を含む）をインストールすることにより構築されたものであっても良いが、機能的には、図１の構成で表すことができる。位置表現検出プログラムのインストールは、通信網を介したダウンロードによる方法に限らず、コンピュータが読取可能な記録媒体を介する方法であっても良い。

図１において、位置表現検出装置１０は、検出対象テキスト２０を入力し、その検出対象テキスト２０に含まれている特定位置表現３０を出力するものである。検出対象テキスト２０の入力方法は任意である。すなわち、記録媒体からの読込み、外部装置からの通信による取込み（ダウンロードを含む）、ＯＣＲを利用した入力、キーボード入力などのいずれであっても良い。また、特定位置表現３０の出力方法も任意である。すなわち、記録媒体への書込み、外部装置への送信、印刷出力、表示出力などのいずれであっても良い。

位置表現検出装置１０は、機能的には、位置表現テーブル１１、検出対象テキスト位置表現検出部１２、検出対象テキスト特徴語抽出部１３、比較対象テキスト取得部１４、比較対象テキスト特徴語抽出部１５、特徴語一致度計算部１６及び特定位置表現出力部１７を有する。

位置表現テーブル１１は、例えば、図２に示すような、それぞれの位置における住所などの位置表現情報を、都道府県、市郡、区、町字などの単位でそれぞれの行（レコード）に格納したテーブルである。なお、各行にはＩＤが付与されている。位置表現テーブル１１は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の記憶デバイスを含むハードウェア資源で実現される。

検出対象テキスト位置表現検出部１２は、処理対象である検出対象テキスト２０から、位置表現テーブル１１を参照しつつ、位置表現の部分を検出する部分である。

検出対象テキスト特徴語抽出部１３は、検出対象テキスト２０から、そのテキストの特徴を表している特徴語を抽出する部分である。

比較対象テキスト取得部１４は、検出対象テキスト２０に含まれている、曖昧性のある位置表現の曖昧性を解決するために、比較対象とするテキストを取得する部分である。複数の比較対象テキストとなり得るテキストを、当該位置表現検出装置１０用に設けられた記憶領域に格納しておき、そこから比較対象テキストを取得するようにしても良く、また、毎回、インターネット上から取得するようにしても良い。さらに、記憶領域に格納しておいたテキストから、比較対象テキストを取得できない場合に、インターネット上から取得するようにしても良い。

比較対象テキスト特徴語抽出部１５は、比較対象テキストから、そのテキストの特徴を表している特徴語を抽出する部分である。

特徴語一致度計算部１６は、検出対象テキストと比較対象テキストの特徴語の一致度を計算する部分である。

特定位置表現出力部１７は、特徴語一致度計算部１６で計算された一致度を用いて曖昧性を解決した位置表現を出力する部分である。

検出対象テキスト位置表現検出部１２〜特定位置表現出力部１７の部分は、専用の制御デバイス、あるいは、プログラムを実行するプロセッサ（ＣＰＵ）と、そのプロセッサで実行するプログラムとデータを記憶するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ、ＨＤＤなどの記憶デバイスを含むハードウェア資源で実現される。

なお、ここで説明した構成は、機能別に説明したものであり、実現するハードウェアの物理構成が各部分毎に明確に分離され、独立に用意されている必要はない。例えば、検出対象テキスト位置表現検索部１２〜特定位置表現出力部１７の一部又は全部を実現するプロセッサとＲＡＭ、ＲＯＭは共通のものであっても良く、さらには、他の機能を実現する装置の一部を利用しても良い。また、当該位置表現検出装置１０を構成する一部は、ネットワークで接続された他の場所に配置されていても良い。

（Ａ−２）第１の実施形態の動作
次に、第１の実施形態に係る位置表現検出装置１０の動作を、図面を参照しながら詳述する。ここで、図３は、位置表現検出装置１０の動作を示すフローチャートである。また、図３は、与えられた検出対象テキスト２０から検出されたある１個の位置表現についての処理を示しており、検出対象テキスト２０に複数の位置表現が含まれている場合には、図３に示す処理が複数回実行される。

まず、検出対象テキスト位置表現検出部１２において、与えられた検出対象テキスト２０を、図２に示すような位置表現テーブル１１を用いて解析し、位置表現を検出すると共に、位置表現の候補Ｘを得、候補数が２つ以上か否かを判別する（Ｓ１、Ｓ２）。検出された位置表現の候補数が１つの場合には、直ちに、位置表現について該当候補を出力して終了する（Ｓ９）。

ここで、候補が複数ある場合の例を説明する。例えば、検出対象テキスト２０が図４（Ａ）に示すようなものである場合、位置表現検出部１２は、「日本橋」という位置表現を検出し、候補群Ｘとして、「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」の３つの候補を得る。

位置表現の候補数が２つ以上の場合には、検出対象テキスト特徴語抽出部１３において、検出対象テキスト２０から特徴語が抽出される。特徴語の抽出アルゴリズムは、任意であるが、例えば、ｔｆ（１文書内の単語の出現頻度）とｉｄｆ（その単語が出現する文書数の逆数）の二つの指標で計算される、ｔｆ及びｉｄｆを使用する既存のアルゴリズムを適用可能である（例えば、特開２００５−２５８６７８号公報参照）。以下では、図４（Ａ）に示す検出対象テキスト２０から、特徴語として、「メイド喫茶」、「萌々」、「パソコン」が得られたとして説明する。

ステップＳ４〜Ｓ８は、候補群Ｘに含まれる各要素Ｘｉについて実施される繰り返し処理である。

比較対象テキスト取得部１４において、候補Ｘｉに関する比較対象テキストを取得した後（Ｓ５）、比較対象テキスト特徴語抽出部１５において、取得した比較対象テキストから特徴語を抽出する（Ｓ６）。

例えば、最初に、３つの候補「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」のうち、「東京都中央区日本橋」に関する記述を含む比較対象テキストを検索して取得する。該当する比較対象テキストが複数存在する場合には、装置の処理能力や求められる確度に応じて決定される数に絞り込んで良い。例えば、「東京都中央区日本橋」に関する比較対象テキストとして、図４（Ｂ）に示すような比較対象テキストが得られたとすると、この中から特徴語として「明治時代」が抽出される。

なお、比較対象テキストがなかったり、十分な数を得られなかったりした場合の処理については後述する。

比較対象テキストからの特徴語の抽出が終了すると、特徴語一致度計算部１６において、検出対象テキスト２０から抽出された特徴語と、比較対象テキストから得られた特徴語との一致度を計算する（Ｓ７）。検出対象テキスト２０の特徴語が、「メイド喫茶」、「萌々」、「パソコン」であり、比較対象テキストの特徴語が「明治時代」であれば、一致する特徴語が存在しないので、一致度は０となる。なお、比較対象テキストが複数存在する場合には、例えば、各比較対象テキストについて、ステップＳ６及びＳ７の処理を行ない、得られた一致度の平均値を最終的な一致度とする。

３つの候補「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」のうち、「大阪府大阪市浪速区日本橋」が処理対象となったときには（Ｓ４）、「大阪府大阪市浪速区日本橋」に関する記述を含む比較対象テキストが検索されて取得される（Ｓ５）。

しかしながら、該当する比較対象テキストがなく、又は、十分な数の比較対象テキストが得られなかったとする。この場合には、位置表現テーブル１１の該当する候補に対応する行の他の列の要素の１つ又は２つ以上の組み合わせの中から、曖昧性を含む位置表現「日本橋」と組み合わさることにより曖昧性が解消される条件を使って比較対象テキストを取得する。この例における「大阪府」や「大阪市」は、「浪速区」の「日本橋」も、「中央区」の「日本橋」も含み、これらを「大阪府」や「大阪市」を用いて比較対象テキストを検索しても、得られた比較対象テキストが、「浪速区」の「日本橋」の情報を記載しているのか「中央区」の「日本橋」の情報を記載しているのかを判別できないので検索条件としては使わない。すなわち、「大阪府大阪市浪速区日本橋」及び「大阪府大阪市中央区日本橋」の「日本橋」以外の共通部分「大阪府」、「大阪市」は、比較対象テキストの検索条件としては使わない。そのため、「大阪府大阪市浪速区日本橋」で比較対象テキストが得られない場合には、「浪速区」で比較対象テキストを取得することを実行する（Ｓ５内の例外処理）。

「浪速区」で比較対象テキストを取得した際に、図４（Ｃ）に示すような比較対象テキストが得られたとする。この比較対象テキストから、特徴語として「メイド喫茶」、「萌々」が抽出されたとする（Ｓ６）。

検出対象テキスト２０の特徴語が、「メイド喫茶」、「萌々」、「パソコン」であり、比較対象テキストの特徴語が、「メイド喫茶」、「萌々」であるので一致度は２となる（Ｓ７）。

３つの候補「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」のうち、「大阪府大阪市中央区日本橋」が処理対象となったときには（Ｓ４）、「大阪府大阪市中央区日本橋」に関する記述を含む比較対象テキストが検索されて取得される（Ｓ５）。ここでは、比較対象テキストとして、図４（Ｄ）に示すような比較対象テキストが得られたとする。この比較対象テキストからは、特徴語として「スモールカメラ」、「パソコン」が得られ（Ｓ６）、「パソコン」が検出対象テキストの特徴語として一致するので一致度は１となる（Ｓ７）。

以上のようにして全ての候補について一致度が計算されると、特定位置表現出力部１７によって、各候補Ｘｉの中で一致度の最も高いものを、検出対象に含まれた曖昧性のある位置表現の特定表記に決定して出力する（Ｓ９）。上述した例では、一致度２の「大阪府大阪市浪速区日本橋」が最も一致度が高いので、検出対象の位置表現「日本橋」は、「大阪府大阪市浪速区日本橋」であると特定する。

以上の動作説明では、理解を容易にするために、一致度は単純に特徴語の一致数として説明したが、特徴語の特徴度や出現個数などを、一致度の計算に反映させるようにしても良い。また、特徴語の類似語の一致数を一致度の評価に反映させるようにしても良い。また例えば、検出対象テキストや比較対象テキストがハイパーテキストの場合、リンク距離（直接、リンク先からのリンク、…、リンク関係なし）を一致度の評価に反映させるようにしても良い。

（Ａ−３）第１の実施形態の効果
第１の実施形態によれば、共起辞書を用いず、また、位置表現の候補の表記を包含する位置表記がなくとも、地名表記の一部のような曖昧性をもつ位置表現の曖昧性を解決することができる。

また、包含する表記から決定する方式に、特許文献１が示すように参照する文書を増加させる仕組みを適用することも考えられるが、この考えられる方式では特定精度が低くなると推測される。上述した図４（Ｂ）〜（Ｄ）に示す３つの比較対象テキストの中で「日本橋」を含むものは、図４（Ｃ）の「東京中央区日本橋」だけであるので、検出対象テキストの「日本橋」を「東京中央区日本橋」と誤って判断してしまう。第１の実施形態によれば、このような誤判断が発生していない。

（Ｂ）第２の実施形態
次に、本発明による位置表現検出装置、プログラム、及び、記憶媒体の第２の実施形態を、図面を参照しながら詳述する。

（Ｂ−１）第２の実施形態の構成
図５は、第２の実施形態に係る位置表現検出装置１００の機能的構成を示すブロック図であり、第１の実施形態に係る図１との同一部分には同一符号を付して示している。

図５において、第２の実施形態の位置表現検出装置１００は、機能的には、位置表現テーブル１１、検出対象テキスト位置表現検出部１２、検出対象テキスト特徴語抽出部１３、比較対象テキスト件数取得部１０１、特徴語含有率計算部１０２及び特定位置表現出力部１０３を有する。

位置表現テーブル１１、検出対象テキスト位置表現検出部１２及び検出対象テキスト特徴語抽出部１３は、第１の実施形態のものと同様なものである。

比較対象テキスト件数取得部１０１は、検出対象テキスト２０に含まれている、曖昧性のある位置表現の曖昧性を解決するために、曖昧性のある位置表現に対して曖昧性を除外した位置表現候補について、以下の２種類の件数を取得するものである。比較対象テキスト件数取得部１０１は、第１に、各位置表現候補について、その位置表現候補の特定表現を含む比較対象テキストの件数（第１の件数）を取得する。比較対象テキスト件数取得部１０１は、第２に、各位置表現候補について、その位置表現候補の特定表現と検出対象テキストに係る特徴語とを共に含む比較対象テキストの件数（第２の件数）を取得する。

特徴語含有率計算部１０２は、比較対象テキスト件数取得部１０１で得られた第１及び第２の件数を用いて、各位置表現候補について、特徴語含有率を計算する部分である。

特定位置表現出力部１０３は、特徴語含有率計算部１０２で計算された、各位置表現候補についての特徴語含有率に基づいて、曖昧性を解決した位置表現を決定して出力する部分である。

第２の実施形態で新たに設けられた比較対象テキスト件数取得部１０１、特徴語含有率計算部１０２及び特定位置表現出力部１０３も、第１の実施形態の位置表現検出部１２などと同様のハードウェア資源やソフトウェアで実現される。

（Ｂ−２）第２の実施形態の動作
次に、第２の実施形態に係る位置表現検出装置１００の動作を、図面を参照しながら詳述する。ここで、図６は、位置表現検出装置１００の動作を示すフローチャートである。また、図６は、与えられた検出対象テキスト２０から検出されたある１個の位置表現についての処理を示しており、検出対象テキスト２０に複数の位置表現が含まれている場合には、図６に示す処理が複数回実行される。

図６におけるステップＳ１〜Ｓ４及びＳ８の動作は、第１の実施形態と同様であるので、その説明を省略する。

ある位置表現についての特定位置表現の候補数が２つ以上の場合において、ある候補Ｘｉが処理対象となると、まず、比較対象テキスト件数取得部１０１によって、上述した第１の件数と第２の件数とを取得する（Ｓ１０１、Ｓ１０２）。なお、第２の件数の取得は、第１の件数に係る比較対象テキストの中から得ることになる。

これら件数の取得時に用いる位置表現に係る情報は、検出対象テキスト２０から検出された位置表現と、その候補Ｘｉを表す文字列の中で、他の候補と区別できる文字列との組合せ（ＡＮＤ（論理積））である。比較対象テキスト件数取得部１０１は、位置表現テーブル１１の格納内容に基づいて、他の候補と区別できる文字列を決定する。

「東京都中央区日本橋」が候補の場合には、検出された位置表現「日本橋」以外には、行政区画が小さい方から言えば、「中央区」と「東京都」とがある。「中央区」は他の候補「大阪府大阪市中央区日本橋」にも存在するので、件数の取得には利用できず、比較対象テキスト件数取得部１０１は、「東京都中央区日本橋」が候補の場合には「東京都 ＡＮＤ 日本橋」を第１及び第２の件数取得に用いる。なお、ルールを、「東京都中央区 ＡＮＤ 日本橋」を第１及び第２の件数取得に用いるように定めても良い。

また、「大阪府大阪市浪速区日本橋」が候補の場合には、検出された位置表現「日本橋」以外には、行政区画が小さい方から言えば、「浪速区」と「大阪市」と「大阪府」とがある。検出された位置表現「日本橋」のすぐ上の行政区画「浪速区」は、他の候補と区別できるので、比較対象テキスト件数取得部１０１は、「大阪府大阪市浪速区日本橋」が候補の場合には、「浪速区 ＡＮＤ 日本橋」を第１及び第２の件数取得に用いる。

さらに、「大阪府大阪市中央区日本橋」が候補の場合には、検出された位置表現「日本橋」以外には、行政区画が小さい方から言えば、「中央区」と「大阪市」と「大阪府」とがある。「中央区」と「大阪市」と「大阪府」は単独ではいずれも、他の候補と区別できない。そこで、行政区画が小さい方から、複数の行政区画表記をマージしたものの中から、他の候補と区別できるものを定める。その結果、比較対象テキスト件数取得部１０１は、「大阪府大阪市中央区日本橋」が候補の場合には、「大阪市中央区 ＡＮＤ 日本橋」を第１及び第２の件数取得に用いる。

なお、ステップＳ１０１の処理で、候補表記そのものを含む比較対象テキストの件数（第１の件数）を取得するようにしても良い。

ステップＳ１０２における第２の件数の取得では、検索対象テキスト２０の特徴語も、第１の件数取得で用いた条件に加えて、検索式に含める。

特徴語が複数ある場合には、（１）いずれか１個だけ用いて件数取得を行っても良く（特徴語か否かを判定する評価値が最も高いものを選定する）、（２）また、複数の特徴語を全て含む比較対象テキストを１件とカウントするようにしても良く、（３）さらに、複数の特徴語を１つでも含む比較対象テキストを１件とカウントするようにしても良い。検索対象テキスト２０の特徴語が「メイド喫茶」、「萌々」、「パソコン」である場合には、第１の方法では、「メイド喫茶」、「萌々」、「パソコン」のうちの１個の特徴語（例えば、「メイド喫茶」）が件数取得に用いられ、第２の方法では、「メイド喫茶」、「萌々」、「パソコン」を全て含む比較対象テキストがカウントされ、第３の方法では、「メイド喫茶」、「萌々」、「パソコン」のいずれか１個でも含む比較対象テキストがカウントされる。

第１及び第２の件数が取得されると、特徴語含有率計算部１０２において、両方の件数を用いて特徴語含有率が求められる（Ｓ１０３）。特徴語含有率を求める関数は任意であるが、例えば、単純に、（第２の件数）÷（第１の件数）で特徴語含有率を求めようにしても良い。

例えば、「東京都中央区日本橋」が候補の場合において、「東京都 ＡＮＤ 日本橋」で取得した第１の件数が２４１０件で、「メイド喫茶」だけを特徴語として利用した「東京都 ＡＮＤ 日本橋 ＡＮＤ メイド喫茶」で取得した第２の件数が８７件であれば、特徴語含有率は８７÷２４１０＝０．０３６となる。また例えば、「大阪府大阪市浪速区日本橋」が候補の場合において、「浪速区 ＡＮＤ 日本橋」で取得した第１の件数が４５０件で、「メイド喫茶」だけを特徴語として利用した「浪速区 ＡＮＤ 日本橋 ＡＮＤ メイド喫茶」で取得した第２の件数が３６件であれば、特徴語含有率は３６÷４５０＝０．０８０となる。さらに例えば、「大阪府大阪市中央区日本橋」が候補の場合において、「大阪市中央区 ＡＮＤ 日本橋」で取得した第１の件数が６１０件で、「メイド喫茶」だけを特徴語として利用した「大阪市中央区 ＡＮＤ 日本橋 ＡＮＤ メイド喫茶」で取得した第２の件数が１６件であれば、特徴語含有率は１６÷６１０＝０．０２６となる。

全ての候補について特徴語含有率が得られると、特定位置表現出力部１０３において、特徴語含有率が最も高い候補を、検出対象テキスト２０に含まれている曖昧性のある位置表現の特定表記に決定して出力する（Ｓ１０４）。上述の例では、特徴語含有率が０．０８０の「大阪府大阪市浪速区日本橋」が最も高いため、検出対象テキスト２０から検出された「日本橋」の位置表現は、「大阪府大阪市浪速区日本橋」であると特定する。

候補の中で、検出対象テキスト２０から抽出された特徴語を含む割合が高いほど、検出対象テキスト２０の位置表現と同じ位置に関する話題の比較対象テキストと判断でき、そのため、特徴語含有率が最も高い候補を、曖昧性のある位置表現の特定表記に決定することとした。

（Ｂ−３）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態と同様の効果が得られる。さらに、第２の実施形態によれば、比較対象テキストの解析処理が不要である。そのため、比較対象テキストを、インターネットの検索サイトなどで検索できるテキストとする場合などでは、処理が簡単であるため有効である。

（Ｃ）第３の実施形態
次に、本発明による位置表現検出装置、プログラム、及び、記憶媒体の第３の実施形態を、図面を参照しながら詳述する。

（Ｃ−１）第３の実施形態の構成
図７は、第３の実施形態に係る位置表現検出装置２００の機能的構成を示すブロック図であり、第１の実施形態に係る図１との同一部分には同一符号を付して示している。

図７において、第３の実施形態の位置表現検出装置２００は、機能的には、位置表現・位置座標テーブル２０１、検出対象テキスト位置表現検出経度緯度取得部２０２、検出対象テキスト特徴語抽出部１３、比較対象テキスト取得部２０３、比較対象テキスト位置表現検出経度緯度取得部２０４、比較対象テキスト距離計算部２０５及び特定位置表現出力部２０６を有する。

位置表現・経度緯度対応情報テーブル２０１は、例えば、図８に示すような、それぞれの位置における住所などの位置表現情報を都道府県、市部、区、町字などの単位でそれぞれの行に格納し、さらに、それぞれの行に対し、経度、緯度を格納したテーブルであり、ＨＤＤ、ＲＯＭ等の記憶デバイスを含むハードウェア資源で実現することができる。なお、経度緯度は座標によって位置を規定する情報として用いており、経度緯度に代え、他の座標系による表記を用いるようにしても良い。

検出対象テキスト位置表現検出経度緯度取得部２０２は、検出対象テキスト２０から、位置表現の部分を検出し、さらに、その位置表現に係る経度緯度を位置表現・位置座標テーブル２０１から取得する部分である。

検出対象テキスト特徴語抽出部１３は、第１の実施形態と同様に、検出対象テキスト２０から、そのテキストの特徴を表している特徴語を抽出する部分である。

比較対象テキスト取得部２０３は、検出対象テキスト特徴語抽出部１３が抽出した特徴語を含む比較対象テキストを取得する部分である。なお、第１の実施形態の比較対象テキスト取得部１４が、曖昧性を除外可能な位置表現情報に基づいて、比較対象テキストを取得しているが、この第３の実施形態は、特徴語に基づいて取得している点で、第１の実施形態のものと異なっている。

比較対象テキスト位置表現検出経度緯度取得部２０４は、比較対象テキストに含まれる位置表現を抽出し、さらに、その位置表現に係る経度緯度を位置表現・位置座標テーブル２０１から取得する部分である。

比較対象テキスト距離計算部２０５は、検出対象テキスト２０から検出された位置表現の特定候補の経度緯度と、比較対象テキストから得られた位置表現の経度緯度との距離を取得する部分である。

特定位置表現出力部２０６は、比較対象テキスト距離計算部２０５で計算された距離を用いて曖昧性を解決した位置表現を出力する部分である。

検出対象テキスト位置表現検出経度緯度取得部２０２、比較対象テキスト取得部２０３、比較対象テキスト位置表現検出経度緯度取得部２０４、比較対象テキスト距離計算部２０５及び特定位置表現出力部２０６も、第１の実施形態の位置表現検出部１２などと同様のハードウェア資源やソフトウェアで実現される。

（Ｃ−２）第３の実施形態の動作
次に、第３の実施形態に係る位置表現検出装置２００の動作を、図面を参照しながら詳述する。ここで、図９は、位置表現検出装置２００の動作を示すフローチャートである。また、図９は、与えられた検出対象テキスト２０から検出されたある１個の位置表現についての処理を示しており、検出対象テキスト２０に複数の位置表現が含まれている場合には、図９に示す処理が複数回実行される。

検出対象テキスト２０が与えられると、検出対象テキスト位置表現検出経度緯度取得部２０２によって、図８に示す位置表現・位置座標テーブル２０１を用いて解析し、位置表現の候補群Ｘと、その経度緯度を得る（Ｓ２０１）。

検出対象テキスト２０が図４（Ａ）に示すものであれば、「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」が候補として検出され、それぞれの経度緯度が取得される。

その後、候補数を確認し（Ｓ２）、候補がただ一つであるならば、直ちに該当候補を曖昧性のある位置表現の特定表記に決定して出力する（Ｓ２０６）。一方、候補が複数の場合には、検出対象テキスト２０における特徴語を抽出する（Ｓ３）。

そして、比較対象テキスト取得部２０３によって、検出対象テキスト２０の特徴語を含む比較対象テキストを取得する（Ｓ２０２）。ここで、取得する比較対象テキストは、全ての特徴語を含むものとしても良く、所定数以上の特徴語を含むものとしても良い。また、条件を満たす比較対象テキストを全て抽出するようにしても良く、当該ステップＳ２０２及び後述するステップＳ２０３を繰り返し、曖昧性のない位置表現を含む比較対象テキストの数が所定数となるまで順次抽出を行うようにしても良い。

例えば、検出対象テキスト２０の特徴語が「メイド喫茶」、「萌々」、「パソコン」の場合において、２つ以上の特徴語を含む比較対象テキストを取得する場合であれば、図４（Ｃ）に示す比較対象テキストが取得され、１つ以上の特徴語を含む比較対象テキストを取得する場合であれば、図４（Ｃ）及び図４（Ｄ）に示す２つの比較対象テキストが取得される。

その後、比較対象テキスト位置表現検出経度緯度取得部２０４によって、取得された比較対象テキストの中から、曖昧性のない位置表現を抽出し、抽出した位置表現の経度緯度を取得する（Ｓ２０４）。ここで、曖昧性のない位置表現の粒度が粗い場合（都道府県名や市名、区名までしか記述されていない場合など）は、代表点の経度緯度や、該当範囲の中心（厚みのない外形形状の重心位置）の経度緯度などを取得する。粒度が粗い位置表現の経度緯度も、図８に示す位置表現・位置座標テーブル２０１に記述しておいて経度緯度を取得するようにしても良く、また、例えば、インターネット上でサービスされている住所を経度緯度に変換するサービスを用いて粒度が粗い位置表現の経度緯度を取得するようにしても良い。

例えば、比較対象テキストが図４（Ｃ）に示すものであれば、「大阪市浪速区」が位置表現として抽出され、「大阪市浪速区」の経度緯度が取得される。

次に、比較対象テキスト距離計算部２０５によって、検出対象テキスト２０の位置表現に係る特定位置の各候補について、その経度緯度と、比較対象テキストの位置表現の経度緯度との距離を求める（Ｓ２０５）。

上述した例であれば、「東京都中央区日本橋」、「大阪府大阪市浪速区日本橋」、「大阪府大阪市中央区日本橋」のそれぞれの経度緯度と、比較対象テキスト内の位置表現「大阪市浪速区」の経度緯度との距離が求められる。

そして、特定位置表現出力部１０３において、距離が最も短い候補を、検出対象テキスト２０に含まれている曖昧性のある位置表現の特定表記に決定して出力する（Ｓ２０６）。上述の例では、比較対象テキスト内の位置表現「大阪市浪速区」の経度緯度との距離が最も短いのは、候補「大阪府大阪市浪速区日本橋」の経度緯度であるので、検出対象テキスト２０から検出された「日本橋」の位置表現は、「大阪府大阪市浪速区日本橋」であると特定する。

（Ｃ−３）第３の実施形態の効果
第３の実施形態によれば、第１の実施形態と同様の効果が得られる。さらに、第３の実施形態によれば、候補と同じ位置表現が比較対象テキストに存在しなくとも、同じ特徴語が含まれる近隣若しくは包括的な位置表現を有する比較対象テキストがあれば、曖昧性のある位置表現の位置を特定することができる。

（Ｄ）他の実施形態
上記各実施形態の説明においても、種々変形実施形態に言及したが、さらに、以下に例示するような変形実施形態を挙げることができる。

上記各実施形態では、位置表現が住所表記に関係する場合を示したが、本発明の住所表記はこれに限定されない。例えば、全国に存在する水族館の正式名称などをテーブルに記述しておき、検出対象テキストの「水族館」という位置表現を、特定するような場合にも本発明を適用することができる。この場合、取得する特徴語は、特徴語となり得る一覧情報を記憶しておくことにより、海獣や珍魚の名前などに制限するようにしても良い。

上記第１〜第３の実施形態の技術思想（曖昧性のある位置表現の特定方法）を、２つ若しくは３つ組み合わせて適用するようにしても良い。

例えば、第２の実施形態、第１の実施形態、第３の実施形態の方法を順に適用するようにし、第２の実施形態の方法によって、曖昧性のある位置表現の特定表記を決定できない場合（１番目及び２番目の特徴語含有率がほぼ等しい場合）に、第１の実施形態の方法を適用することとし、第１の実施形態の方法によっても、曖昧性のある位置表現の特定表記を決定できない場合（１番目及び２番目の一致度が等しい場合）に、第３の実施形態の方法を適用することとするようにしても良い。

また例えば、第１〜第３の実施形態の方法をパラレルに実行させた後、それらの処理結果を統合して、最終的に、曖昧性のある位置表現の特定表記を決定するようにしても良い。第１の実施形態における一致度Ａ、第２の実施形態における特徴語含有率Ｂ、第３の実施形態における距離Ｃを反映させた評価値（例えば、Ａ、Ｂ、Ｃの重み付け加算値）を算出し、この評価値によって、曖昧性のある位置表現の特定表記を決定するようにしても良い。

第１の実施形態に係る位置表現検出装置の機能的構成を示すブロック図である。 第１の実施形態における位置表現テーブルの構成例を示す説明図である。 第１の実施形態に係る位置表現検出装置の動作を示すフローチャートである。 第１の実施形態に係る位置表現検出装置の動作説明に用いる検出対象テキスト及び比較対象テキストの例を示す説明図である。 第２の実施形態に係る位置表現検出装置の機能的構成を示すブロック図である。 第２の実施形態に係る位置表現検出装置の動作を示すフローチャートである。 第３の実施形態に係る位置表現検出装置の機能的構成を示すブロック図である。 第３の実施形態における位置表現テーブルの構成例を示す説明図である。 第３の実施形態に係る位置表現検出装置の動作を示すフローチャートである。

符号の説明

１０、１００、２００…位置表現検出装置、１１…位置表現テーブル、１２…検出対象テキスト位置表現検出部、１３…検出対象テキスト特徴語抽出部、１４…比較対象テキスト取得部、１５…比較対象テキスト特徴語抽出部、１６…特徴語一致度計算部、１７…特定位置表現出力部、２０…検出対象テキスト、３０…特定位置表現、１０１…比較対象テキスト件数取得部、１０２…特徴語含有率計算部、１０３…特定位置表現出力部、２０１…位置表現・位置座標テーブル、２０２…検出対象テキスト位置表現検出経度緯度取得部、２０３…比較対象テキスト取得部、２０４…比較対象テキスト位置表現検出経度緯度取得部、２０５…比較対象テキスト距離計算部、２０６…特定位置表現出力部。

Claims (3)

1. 検出対象テキスト中に含まれる位置表現を抽出し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定する位置表現検出装置であって、
   各種テキスト中に存在し得る位置表現と、その位置表現が規定し得る位置との対応を記憶した位置表現情報記憶部と、
   上記位置表現情報記憶部の記憶内容を参照し、上記検出対象テキストから位置表現を抽出し、抽出した位置表現が複数の候補地を有するか否かを判別する位置表現抽出部と、
   上記検出対象テキストにおける特徴語を抽出する検出対象テキスト特徴語抽出部と、
   上記候補地若しくは上記特徴語の少なくとも一方を利用し、検出対象テキストの比較対象となる比較対象テキストを検索する比較対象テキスト検索部と、
   検索された比較対象テキストに関する情報に基づいて、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定する位置表現特定部とを有し、
   上記検出対象テキスト特徴語抽出部、上記比較対象テキスト検索部及び上記位置表現特定部は、少なくとも抽出した位置表現が複数の候補地をもつ場合に機能するものであり、
   上記位置表現情報記憶部は、位置表現が規定し得る位置の座標情報も記憶しているものであり、
   上記位置表現抽出部は、各候補地の座標情報をも取得するものであり、
   上記比較対象テキスト検索部は、上記検出対象テキストにおける特徴語を含む上記比較対象テキストを取得するものであり、
   上記位置表現特定部は、
   上記位置表現情報記憶部の記憶内容を参照し、上記比較対象テキストにおける曖昧性がない位置表現及びその位置表現の座標情報を得る比較対象テキスト内位置表現抽出部と、
   上記各候補地のそれぞれについて、その座標情報と、上記比較対象テキスト内の位置情報に係る座標情報との距離を求める距離計算部と、
   距離が最も短い候補地に、上記検出対象テキスト中に含まれる位置表現の位置を特定する距離判定出力部とを有する
   ことを特徴とする位置表現検出装置。
2. 検出対象テキスト中に含まれる位置表現を抽出し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定するための位置表現検出プログラムであって、
   コンピュータを、
   各種テキスト中に存在し得る位置表現と、その位置表現が規定し得る位置との対応並びに位置表現が規定し得る位置の座標情報を記憶した位置表現情報記憶部と、
   上記位置表現情報記憶部の記憶内容を参照し、上記検出対象テキストから位置表現並びに座標情報を抽出し、抽出した位置表現が複数の候補地を有するか否かを判別する位置表現抽出部と、
   上記検出対象テキストにおける特徴語を抽出する検出対象テキスト特徴語抽出部と、
   上記特徴語を利用し、検出対象テキストの比較対象となる比較対象テキストを検索する比較対象テキスト検索部と、
   上記位置表現情報記憶部の記憶内容を参照し、上記比較対象テキストにおける曖昧性がない位置表現及びその位置表現の座標情報を得る比較対象テキスト内位置表現抽出部と、上記各候補地のそれぞれについて、その座標情報と、上記比較対象テキスト内の位置情報に係る座標情報との距離を求める距離計算部と、距離が最も短い候補地に、上記検出対象テキスト中に含まれる位置表現の位置を特定する距離判定出力部とを有し、抽出した位置表現が複数の候補地をもつ場合に、そのいずれかに決定する位置表現特定部と
   して機能させることを特徴とする位置表現検出プログラム。
3. 請求項２に記載の位置表現検出プログラムを記憶した、コンピュータ読み取り可能な記憶媒体。

Images