JP5338363B2 - ハイパーリンク生成装置、方法及びプログラム - Google Patents

Description

本発明は、ハイパーリンク生成装置、方法及びプログラムに関し、特に、テキスト文書内に共通のキーワードを含むテキスト文書間で参照元の文書から参照先の文書へのハイパーリンクを生成するためのハイパーリンク生成装置、方法及びプログラムに関する。

ハイパーリンク文書の作成及び管理コストの削減、並びに、利用者の情報アクセス性向上を目的として、文書間のハイパーリンク（以下、リンク）を自動的に生成する方式が提案されている。

リンク自動生成の基本動作は、次の通りである。（ｉ）参照元文書及び参照先文書から文書の内容を代表するキーワードを抽出する。（ｉｉ）ある参照元文書に含まれるキーワードから同一のキーワードを含む参照先文書へのリンクを生成する。このとき、参照元文書セットと参照先文書セットは同一であってもかまわない。

この基本動作について図１９及び図２０を用いて説明する。図１９の左側の文書がハイパーリンクにおける参照元となる複数の参照元文書ＦＡ１、ＦＡ２及びＦＡ３の集合である参照元文書セットＳＦＡ、図１９の右側がハイパーリンクにおける参照先となる複数の参照先文書ＴＢ１、ＴＢ２及びＴＢ３の集合である参照先文書セットＳＴＢである。図１９中のＡ、Ｂ、Ｃ、Ｄ及びＥのアルファベットは、文書に含まれる単語列である。この中から（ｉ）により、参照元文書セットＳＦＡ及び参照先文書セットＳＴＢの文書に含まれる単語列の中からキーワードを選択する。図１９中の単語列の内、斜線で示された単語列が選択されたキーワードである。尚、文書毎にキーワードを選択しているため、同じ単語列であっても文書内の当該単語列の出現頻度等によりキーワードになる場合とならない場合とがある。これらのキーワードを用いて（ｉｉ）によりリンクを生成する。例えば、参照元文書ＦＡ１のキーワードＡは、参照先文書ＴＢ２でもキーワードとなっている。そこで、参照元文書ＦＡ１のキーワードＡから参照先文書ＴＢ２へのリンクを生成する。

尚、一つのキーワードに対して複数のリンク先が存在する場合がある。この場合、参照元文書におけるキーワードのリンク先は、一旦、複数の参照先文書の概要を表示するポップアップ画面とし、当該ポップアップ画面に当該複数の参照先文書へのリンクを生成することが考えられる。例えば、図１９の参照元文書ＦＡ２のキーワードＢは、参照先文書セットＳＴＢ内の参照先文書ＴＢ１及びＴＢ２の２つの参照先文書に含まれている。この場合、参照元文書ＦＡ２のキーワードＢのリンク先は、ポップアップ画面に参照先文書ＴＢ１及びＴＢ２へのリンクが表示される。動作例としては、図２０のように、リンクが生成された参照元文書を画面表示した元画面ＤＦ内のキーワードを利用者がクリックすると、複数の参照先文書の概要を表示する選択メニューＤＭをポップアップ画面により表示し、利用者がいずれかを選択すると、参照先の文書を開くようにする。

このように、リンク自動生成では、（ｉ）で抽出するキーワードの選別が課題となる。この処理の性能が十分でないと不必要なリンクが大量に生成されてしまうからである。この課題に対して非特許文献１では、出現頻度を利用したリンク生成のためのキーワード抽出が提案されている。また、非特許文献１で用いるキーワード抽出の代表的な手法としては、非特許文献２に開示されるｔｆ（Term Frequency）／ｉｄｆ（Inverse Document Frequency）が一般的である。

ｔｆ／ｉｄｆは、単語列の重要度を求める手法である。ここでは、ｔｆ／ｉｄｆの概要を説明するために、文書セットＤの文書ｄに含まれる単語ｔのｔｆ／ｉｄｆ値を求めるとする。ｔｆは、文書ｄにおける単語ｔの出現回数を表す。また、ｉｄｆは、文書セットＤにおける単語ｔの出現文書数の逆数である。このｔｆとｉｄｆの積がｔｆ／ｉｄｆ値となる。直感的には、文書内で多く出現するが、限られた文書で出現する単語列が重要であるという考え方である。この方法に従うと、各文書からｔｆ／ｉｄｆの高い上位Ｎ個、あるいはｔｆ／ｉｄｆが閾値Ｔ以上の単語列をキーワードとして選択する。

尚、ｔｆ／ｉｄｆは、ｔｆとｉｄｆという二つの指標を組合わせた手法である。具体的には、ｔｆは、「文書に含まれる単語列の内、文書内の出現回数が多い単語列をキーワードとする」、ｉｄｆは、「文書に含まれる単語列の内、文書セットでの出現文書数が少ない単語列をキーワードとする」という指標である。なお、単純にｔｆのみを用いた手法もよく用いられる。

ｔｆ／ｉｄｆを用いたキーワード抽出は、事前にルールを作るといった人手による事前知識が不要な点、文書の構造情報を前提とせずどのような文書にも適用できる点で優れている。

石田和生、市山俊治、複数文書間のハイパーリンク自動生成とメンテナンス、情報処理学会研究報告 デジタルドキュメント、Vol.99、No.25、pp.33-40、1999. 徳永健伸、言語と計算−５ 情報検索と言語処理、東京大学出版会、pp.27-28.

非特許文献１において、非特許文献２にかかるｔｆ／ｉｄｆを適用したキーワード抽出手法には、ハイパーリンクとしてのキーワードとして十分な性能が得られないという問題点がある。ｔｆ／ｉｄｆは、単語列の重要度を判断するための指標がｔｆとｉｄｆの２種類しかない。そして、ｔｆとｉｄｆの２種類の指標と単語列の重要度に一定の相関があることは確かである。しかしながら、参照元文書セット内のキーワードから参照先文書セット内の文書へのハイパーリンクを生成する際には、単語列の文書内の出現回数が多くない場合、あるいは、単語列の出現文書数が少なくない場合でもキーワードとすべき重要な単語列が存在するという特徴がある。そのため、ｔｆ／ｉｄｆのみでは、このような単語列の重要度が相対的に低くなるためハイパーリンクのためのキーワードとして抽出できない可能性がある。

本発明は、このような問題点を解決するためになされたものであり、ハイパーリンク生成における有効なキーワードを高精度に抽出することができるハイパーリンク生成装置、方法及びプログラムを提供することを目的とする。

本発明の第１の態様にかかるハイパーリンク生成装置は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出手段と、前記重要度算出手段により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、前記キーワード選択手段により選択されたキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、を備える。

本発明の第２の態様にかかるハイパーリンク生成装置は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出手段と、前記重要度算出手段により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、前記キーワード選択手段により選択されたキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成手段と、を備える。

本発明の第３の態様にかかるハイパーリンク生成装置は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出手段と、前記重要度算出手段により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、前記キーワード選択手段により選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、を備える。

本発明の第４の態様にかかるハイパーリンク生成装置は、ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、前記参照元文書における当該単語列の重要度を算出する重要度算出手段と、前記重要度算出手段により算出された重要度について、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度が高い単語列についてより高い重要度となるように補正する重要度補正手段と、前記重要度補正手段により補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、前記キーワード選択手段により選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、を備える。

本発明の第５の態様にかかるハイパーリンク生成装置は、ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、前記参照先文書における当該単語列の重要度を算出する重要度算出手段と、前記重要度算出手段により算出された重要度について、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度が高い単語列についてより低い重要度となるように補正する重要度補正手段と、前記重要度補正手段により補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、前記キーワード選択手段により選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、を備える。

本発明の第６の態様にかかるハイパーリンク生成方法は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出ステップと、前記重要度算出ステップにより算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、前記キーワード選択ステップにより選択されたキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、を備える。

本発明の第７の態様にかかるハイパーリンク生成方法は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出ステップと、前記重要度算出ステップにより算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、前記キーワード選択ステップにより選択されたキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、を備える。

本発明の第８の態様にかかるハイパーリンク生成方法は、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出ステップと、前記重要度算出ステップにより算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、前記キーワード選択ステップにより選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、を備える。

本発明の第９の態様にかかるハイパーリンク生成方法は、ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、前記参照元文書における当該単語列の重要度を算出する基準重要度算出ステップと、前記基準重要度算出ステップにより算出された重要度について、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度が高い単語列についてより高い重要度となるように補正する重要度補正ステップと、前記重要度補正ステップにより補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、前記キーワード選択ステップにより選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、を備える。

本発明の第１０の態様にかかるハイパーリンク生成方法は、ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、前記参照先文書における当該単語列の重要度を算出する基準重要度算出ステップと、前記基準重要度算出ステップにより算出された重要度について、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度が高い単語列についてより低い重要度となるように補正する重要度補正ステップと、前記重要度補正ステップにより補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、前記キーワード選択ステップにより選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、を備える。

本発明の第１１の態様にかかるハイパーリンク生成プログラムは、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出処理と、前記重要度算出処理により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、前記キーワード選択処理により選択されたキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、を含む処理をコンピュータに実行させるものである。

本発明の第１２の態様にかかるハイパーリンク生成プログラムは、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出処理と、前記重要度算出処理により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、前記キーワード選択処理により選択されたキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成処理と、を含む処理をコンピュータに実行させるものである。

本発明の第１３の態様にかかるハイパーリンク生成プログラムは、入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出処理と、前記重要度算出処理により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、前記キーワード選択処理により選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、を含む処理をコンピュータに実行させるものである。

本発明の第１４の態様にかかるハイパーリンク生成プログラムは、ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、前記参照元文書における当該単語列の重要度を算出する基準重要度算出処理と、前記基準重要度算出処理により算出された重要度について、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度が高い単語列についてより高い重要度となるように補正する重要度補正処理と、前記重要度補正処理により補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、前記キーワード選択処理により選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、を含む処理をコンピュータに実行させるものである。

本発明の第１５の態様にかかるハイパーリンク生成プログラムは、ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、前記参照先文書における当該単語列の重要度を算出する基準重要度算出処理と、前記基準重要度算出処理により算出された重要度について、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度が高い単語列についてより低い重要度となるように補正する重要度補正処理と、前記重要度補正処理により補正された重要度に基づき、前記参照元文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、前記キーワード選択処理により選択されたキーワードに基づき、前記参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、を含む処理をコンピュータに実行させるものである。

本発明によれば、ハイパーリンク生成における有効なキーワードを高精度に抽出することができるハイパーリンク生成装置、方法及びプログラムを提供することができる。

本発明の実施の形態１にかかるハイパーリンク生成装置の構成を示すブロック図である。 本発明の実施の形態２にかかるハイパーリンク生成装置の構成を示すブロック図である。 本発明の概念を説明する図である。 本発明の実施の形態３の実施例１にかかるハイパーリンク生成装置の構成を示すブロック図である。 本発明の実施の形態３の実施例１及び実施例２の参照先文書セット記憶部の格納例を示す図である。 本発明の実施の形態３の実施例１及び実施例２の参照元文書セット記憶部の初期の格納例を示す図である。 本発明の実施の形態３の実施例１のキーワード記憶部の初期の格納例を示す図である。 本発明の実施の形態３の実施例１の全体の処理を示すフローチャート図である。 本発明の実施の形態３の実施例１及び実施例２のキーワード記憶部の格納例を示す図である。 本発明の実施の形態３の実施例１及び実施例２の参照元文書セット記憶部の格納例を示す図である。 本発明の実施の形態３の実施例１にかかるハイパーリンク生成装置の変形例の構成を示すブロック図である。 本発明の実施の形態３の実施例１のキーワード抽出処理を示すフローチャート図である。 本発明の実施の形態３の実施例１のキーワード抽出手段の動作の例を示す図である。 本発明の実施の形態３の実施例１のキーワード抽出手段の動作の例を示す図である。 本発明の実施の形態３の実施例２の構成を示すブロック図である。 本発明の実施の形態３の実施例２のキーワード記憶部の初期の格納例を示す図である。 本発明の実施の形態３の実施例２のキーワード抽出手段の動作の例を示す図である。 本発明の実施の形態３の実施例２のキーワード抽出手段の動作の例を示す図である。 文書セット間のハイパーリンクの概念を説明する図である。 参照先文書が複数存在する場合の対応の一例を示す図である。

以下では、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。各図面において、同一要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略する。

＜発明の実施の形態１＞
図１は、本発明の実施の形態１にかかるハイパーリンク生成装置１００の構成を示すブロック図である。ハイパーリンク生成装置１００は、入力文書２１、参照元文書２２及び参照先文書２３を入力し、入力文書２１に含まれるキーワードについて、参照元文書２２又は参照先文書２３との間でハイパーリンクを生成する。ハイパーリンク生成装置１００は、重要度算出手段１１、キーワード選択手段１２及びハイパーリンク生成手段１３を備える。

入力文書２１、参照元文書２２及び参照先文書２３は、複数の単語列を含むテキストデータである。入力文書２１、参照元文書２２及び参照先文書２３は、例えば、ＨＴＭＬ（HyperText Markup Language）又はＸＭＬ（Extensible Markup Language）等の構造化言語により記述されたファイルであるとよい。但し、テキストデータは、これに限定されない。参照元文書２２は、ハイパーリンクにおける参照元となる文書であり、少なくとも１つの文書である。また、参照先文書２３は、ハイパーリンクにおける参照先となる文書であり、少なくとも１つの文書である。但し、参照元文書２２及び参照先文書２３は、それぞれ複数の文書が属していることが望ましい。これにより、キーワードの精度が高まる。

重要度算出手段１１は、入力文書２１に含まれる単語列について、入力文書２１における当該単語列の重要度と、複数の参照元文書２２の中で任意の参照元文書に当該単語列が集中する度合である集中度と、複数の参照先文書２３の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する。

キーワード選択手段１２は、重要度算出手段１１により算出された重要度に基づき、入力文書２１に含まれる単語列の中からキーワードを選択する。

ハイパーリンク生成手段１３は、キーワード選択手段１２により選択されたキーワードに基づき、入力文書２１と参照元文書２２又は参照先文書２３との間でハイパーリンクを生成する。

または、ハイパーリンク生成装置１００の重要度算出手段１１は、参照元文書２２又は参照先文書２３のいずれかにおける集中度のみを用いても構わない。すなわち、重要度算出手段１１は、入力文書２１に含まれる単語列について、入力文書２１における当該単語列の重要度と、複数の参照先文書２３の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出するようにしてもよい。また、重要度算出手段１１は、入力文書２１に含まれる単語列について、入力文書２１における当該単語列の重要度と、複数の参照元文書２２の中で任意の参照元文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出するようにしてもよい。

これにより、本発明の実施の形態１では、ハイパーリンクを生成するに当たり、参照元文書２２と参照先文書２３とを異なる集中度により重要度を算出することができる。そのため、参照元文書２２と参照先文書２３とを区別せずに重要度を算出する場合に比べて、ハイパーリンク生成における有効なキーワードを高精度に抽出することができる。

＜発明の実施の形態２＞
図２は、本発明の実施の形態２にかかるハイパーリンク生成装置１００ａの構成を示すブロック図である。尚、図２の内、図１と同一の構成要素には、同一の符号を付し、詳細な説明は、省略する。ハイパーリンク生成装置１００ａは、参照元文書２２及び参照先文書２３を入力し、参照元文書２２に含まれるキーワードについて、参照元文書２２と参照先文書２３との間でハイパーリンクを生成する。ハイパーリンク生成装置１００ａは、重要度算出手段１１ａ、重要度補正手段１１ｂ、キーワード選択手段１２及びハイパーリンク生成手段１３を備える。

重要度算出手段１１ａは、特定の参照元文書２２に含まれる単語列について、参照元文書２２における当該単語列の重要度を算出する。例えば、ｔｆ／ｉｄｆ等の公知の手法により重要度を算出してもよい。

重要度補正手段１１ｂは、重要度算出手段１１ａにより算出された重要度について、複数の参照先文書２３の中で任意の参照先文書に当該単語列が集中する度合である集中度が高い単語列についてより高い重要度となるように補正する。

キーワード選択手段１２は、重要度補正手段１１ｂにより補正された重要度に基づき、参照元文書２２に含まれる単語列の中からキーワードを選択する。そして、ハイパーリンク生成手段１３は、キーワード選択手段１２により選択されたキーワードに基づき、参照元文書２２と参照先文書２３との間でハイパーリンクを生成する。

このように、参照元文書２２以外の他の参照元文書にどれくらい当該単語列が含まれるかに関わらず、複数の参照先文書２３の内、一部により多くの単語列が含まれる場合には、従来の手法により算出された当該単語列の重要度に対して、重要度を高くなるように補正することにより、例えば、ｔｄ／ｉｄｆ等では、見落とされていたようなキーワードを高く評価することができ、ハイパーリンク生成における有効なキーワードを高精度に抽出することができる

または、ハイパーリンク生成装置１００ａは、参照元文書２２及び参照先文書２３を入力し、参照先文書２３に含まれるキーワードについて、参照元文書２２と参照先文書２３との間でハイパーリンクを生成するようにしても構わない。すなわち、重要度算出手段１１ａは、特定の参照先文書２３に含まれる単語列について、参照先文書２３における当該単語列の重要度を算出する。そして、重要度補正手段１１ｂは、重要度算出手段１１ａにより算出された重要度について、複数の参照元文書２２の中で任意の参照元文書に当該単語列が集中する度合である集中度が高い単語列についてより低い重要度となるように補正する。

このように、参照先文書２３以外の他の参照先文書にどれくらい当該単語列が含まれるかに関わらず、複数の参照元文書２２の内、一部により多くの単語列が含まれる場合には、従来の手法により算出された当該単語列の重要度に対して、重要度を低くなるように補正することにより、例えば、ｔｄ／ｉｄｆ等では、不要に選択されたキーワードを低く評価することができ、ハイパーリンク生成における有効なキーワードを高精度に抽出することができる。

＜発明の実施の形態３＞
まず、発明の実施の形態３の概要を説明する。発明の実施の形態３は、ハイパーリンクの生成においては、参照元文書セットと当該参照元文書セットに対応する適切な参照先文書セットが与えられたとき、参照元及び参照先の文書セット間に含まれるリンクとその手がかりとなるキーワードの出現分布に表れる一定の特徴に基づき、ハイパーリンク生成における有効なキーワードの抽出を高精度に行うものである。

まず、適切な参照先文書セットとは、参照元文書セットに対する参照先として現実に利用される機会が多い参照先文書セットである。例えば、企業のコンタクトセンターのオペレータが電話応対の際に利用する過去の問合せ事例に対するメンテナンスマニュアルが該当する。オペレータは、問合せを受け付けると、過去の問合せ事例を参照し、質問者の問合せのおおよその対応方法を把握する。次に、具体的な対応方法についてメンテナンスマニュアルを参照して調査する。これは、応対業務における一般的なプロセスであり、メンテナンスマニュアルは参照先として現実に利用される機会が多い参照先文書セットと言える。この場合、一つの問合せ事例が一つの参照元文書、メンテナンスマニュアルの一節が一つの参照先文書となる。

このような適切な参照先文書セットは、参照元文書セットの多くの箇所から参照される可能性が高いと言える。参照箇所が多いこと、つまり、様々な事柄を調べられることが、利便性の評価につながり、適切な参照先文書セットになり得たと考えられるからである。この場合を端的に表した概念図を図３に示す。図３では、参照元文書セットＳＦＡに属する参照元文書ＦＡ１、ＦＡ２及びＦＡ３に、それぞれキーワードＡが含まれている。また、参照先文書セットＳＴＢに属する参照先文書ＴＢ１、ＴＢ２及びＴＢ３の内、参照先文書ＴＢ２のみにキーワードＡが含まれている。このとき、一つの参照先文書ＴＢ２は、複数の参照元文書ＦＡ１、ＦＡ２及びＦＡ３のキーワードＡから参照されるという特徴を有する。

また、適切な参照先文書セットでは、個別の参照内容は少数の参照先文書に集約して記載される可能性が高いと言える。参照内容が集約して、また、体系的に記載されていることが、利便性の評価につながり、適切な参照先文書セットになり得たと考えられるからである。この場合、図３のように、参照元文書セットＳＦＡのキーワードＡに対する参照先文書は、参照先文書セットＳＴＢの内、少数に限定される。

このようなリンクの特徴から本発明の実施の形態３では、キーワード抽出に当たり以下の指標１及び指標２を用いる。指標１は、文書に含まれる単語列の中で、参照元文書セットの多数の文書にキーワードとして含まれる単語列をキーワードとするものである。その理由は、リンクの特徴として、一つの参照先文書は多くの参照元文書のキーワードから参照されるためである。そして、キーワードの出現分布の特徴として、ある文書でキーワードとなる単語列は、参照元文書セットの多数の文書にキーワードとして含まれるためである。

また、指標２は、文書に含まれる単語列の中で、参照先文書セットの少数の文書でキーワードとして含まれる単語列をキーワードとするものである。その理由は、リンクの特徴として、参照元文書のキーワードに対する参照先文書は少数に限定されるためである。そして、キーワードの出現分布の特徴として、ある文書でキーワードとなる単語列は、参照先文書セットの少数の文書にキーワードとして含まれるためである。

この指標を適用するために文書セットに対してキーワード抽出を２回実行する。具体的には、まず、任意の重要度計算方式を用いて文書からキーワードを抽出する。但し、任意の重要度計算方式とは、ある程度正確な方式であり、例えば、ｔｆ／ｉｄｆ等であることが望ましい。

次に、指標１及び指標２を用いた重要度計算方式により文書セットから再度キーワードを抽出する。２回目のキーワード抽出における、文書セットＤの文書ｄに含まれる単語列ｔの重要度Ｓ（Ｄ、ｄ、ｔ）は、下記の式で求める。式（１）は、指標１を用いた場合の重要度計算方式である。また、式（２）は、指標２を用いた場合の重要度計算方式である。尚、文書セットＤは、参照元文書セット又は参照先文書セットのいずれかであればよい。
Ｓ（Ｄ、ｄ、ｔ） ＝ ＢＳ（Ｄ、ｄ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ・・・（１）
Ｓ（Ｄ、ｄ、ｔ） ＝ ＢＳ（Ｄ、ｄ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ； ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ）） ・・・（２）
ここで、Ｄ＿ＦＲＯＭは、参照元文書セットを示し、Ｄ＿ＴＯは、参照先文書セットを示す。また、ｓｄｆ（Ｄ、ｔ）は、単語列ｔが文書セットＤで１回目のキーワード抽出でキーワードとなった文書数又は回数を示す。ｍａｘ｛ｔ∈Ｔ； ｓｄｆ（Ｄ、ｔ）}は、ｓｄｆ（Ｄ、ｔ）の文書セットＤにおける最大値を示す。また、式（１）及び式（２）の第１項のＢＳは、Ｂａｓｅ Ｓｃｏｒｅの略であり、従来の指標、例えば、ｔｆ／ｉｄｆによる重要度を示す。

尚、参照元文書セットの文書からキーワード抽出する際に式（１）つまり、指標１を適用すると、参照先文書セットのどの文書にもキーワードとして含まれない単語列に大きな重要度が与えられる可能性がある。指標１は、文書セット間に含まれるリンクの特徴から導かれた指標であるので、このようなリンクにならないキーワードを抽出すると有効性が失われる。また、参照先文書セットの文書からキーワードを抽出する際に式（２）つまり、指標２を適用する場合も同様である。

従って、式（１）及び式（２）を改良した下記の式（３）乃至式（８）のように、条件分岐を用いた計算式を用いることが望ましい。さらに、式（３）乃至式（８）を改良し、指標の項を対数ｌｏｇでスムージングしてもよい。

参照元文書セットの文書から指標１でキーワード抽出する場合は、例えば、下記の式（３）を用いる。
ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ）
ｅｌｓｅ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）
・・・（３）

参照元文書セットの文書から指標２でキーワード抽出する場合は、例えば、下記の式（４）を用いる。
ｉｆ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０ ｔｈｅｎ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ；ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ））
ｅｌｓｅ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）
・・・（４）

参照元文書セットの文書から指標１及び指標２でキーワード抽出する場合は、例えば、下記の式（５）を用いる。
ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ；ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ））
ｅｌｓｅ ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＝ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ；ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ））
ｅｌｓｅ
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）
・・・（５）

参照先文書セットの文書から指標１でキーワード抽出する場合は、例えば、下記の式（６）を用いる。
ｉｆ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０ ｔｈｅｎ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ）
ｅｌｓｅ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）
・・・（６）

参照先文書セットの文書から指標２でキーワード抽出する場合は、例えば、下記の式（７）を用いる。
ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ; ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ）
ｅｌｓｅ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）
・・・（７）

参照先文書セットの文書から指標１及び指標２でキーワード抽出する場合は、例えば、下記の式（８）を用いる。
ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ ，ｔ） ＞ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ；ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ））
ｅｌｓｅ ｉｆ （ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０ ∧ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＝ ０） ｔｈｅｎ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ）
ｅｌｓｅ
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）
・・・（８）

このように本発明の実施の形態３では、リンク生成のためのキーワードを高精度に抽出することが可能となる。その理由は、従来の指標、例えば、ｔｆ又はｔｆ及びｉｄｆに新しい指標１もしくは指標２、又は、指標１及び指標２を加えたためである。ここで、指標１は、文書に含まれる単語列の内、参照元文書セットの多数の文書にキーワードとして含まれる単語列をキーワードとするものである。また、指標２は、文書に含まれる単語列の内、参照先文書セットの少数の文書にキーワードとして含まれる単語列をキーワードとするものである。尚、本発明は、参照元文書セットに対する適切な参照先文書セットが与えられているとき有効である。

＜実施例１＞
次に、本発明を実施するための最良の形態について図面を参照して詳細に説明する。なお、本実施の形態では、キーワード抽出手段３１が参照先文書から上述した指標１を用いてキーワードを抽出する形態を説明する。

図４は、本発明の実施の形態３の実施例１にかかるハイパーリンク生成装置２００の構成を示すブロック図である。ハイパーリンク生成装置２００は、プログラム制御により動作するデータ処理装置３と、情報を記憶する記憶装置４とを含む。

データ処理装置３は、キーワード抽出手段３１とリンク生成手段３２とを含む。キーワード抽出手段３１は、参照先文書から文書の内容を代表する単語列をキーワードとして抽出する。リンク生成手段３２は、参照元文書のキーワードからそのキーワードを含む参照先文書へのハイパーリンクを生成する。

記憶装置４は、参照先文書セット記憶部４１と、参照元文書セット記憶部４２と、キーワード記憶部４３とを有する。記憶装置４は、メモリ等の主記憶装置やハードディスク等の補助記憶装置で実現される。

参照先文書セット記憶部４１は、参照先文書のセットを格納する。ここで、参照先文書セットとは、リンク生成手段３２により生成されるハイパーリンクのリンク先となる文書の集合である。図５は、本発明の実施の形態３の実施例１の参照先文書セット記憶部４１の格納例を示す図である。参照先文書セット記憶部４１には、文書を識別する識別番号である文書ＩＤ、当該文書の格納先であるＵＲＬ（Uniform Resource Locator）及び当該文書の内容であるＨＴＭＬ(HyperText Markup Language)で記述されたテキストデータが関連付けて格納される。そして、なお、参照先文書セット記憶部４１に格納されるものは、これに限定されない。

参照元文書セット記憶部４２は、参照元文書セットを格納する。ここで、参照元文書セットとは、リンク生成手段３２により生成されるハイパーリンクのリンク元となる文書の集合である。図６は、本発明の実施の形態３の実施例１の参照元文書セット記憶部４２の初期の格納例を示す図である。参照元文書セット記憶部４２には、文書ＩＤ、ＵＲＬ及びＨＴＭＬで記述されたテキストデータが関連付けて格納される。但し、参照元文書セット記憶部４２において、ＵＲＬは必須ではない。なお、参照元文書セット記憶部４２に格納されるものは、これに限定されない。

キーワード記憶部４３は、文書に含まれるキーワードを格納する。図７は、本発明の実施の形態３の実施例１のキーワード記憶部４３の初期の格納例を示す図である。キーワード記憶部４３には、文書ＩＤ及びキーワードが関連付けて格納される。

以下、本発明の実施の形態３の実施例１では、初期状態としてキーワード記憶部４３に図７のようにあらかじめ参照元文書から任意の方法により抽出したキーワードが格納されているものとする。ここで、任意の方法とは、例えば、ｔｆ／ｉｄｆ等の統計的手法、又は、文書のタイトルに含まれる単語列をキーワードとするといった方法等であることが望ましい。キーワード抽出手段３１は、キーワード記憶部４３を参照し、参照先文書からキーワードを抽出する。

キーワード抽出手段３１は、単語列抽出手段３１１と、重要度計算手段３１２と、キーワード選択手段３１３を含む。単語列抽出手段３１１は、参照先文書から単語列を抽出する。重要度計算手段３１２は、参照元文書あるいは参照先文書における単語列の重要度を、その文書における単語列の出現回数と、その文書を含む文書セットとは他方の文書セットで単語列がキーワードとして選択された回数を用いて計算する。ここでは、重要度計算手段３１２は、参照先文書における単語列の重要度を、参照先文書における単語列の出現回数と、参照元文書セットで単語列がキーワードとして選択された回数を用いて計算する。つまり、重要度計算手段３１２は、集中度を、入力文書以外の複数の文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードとして当該単語列が出現する文書数とする。また、重要度計算手段３１２は、集中度がより低い単語列について、重要度をより高く算出するとよい。キーワード選択手段３１３は、重要度計算手段３１２により計算された重要度があらかじめ定められた閾値以上、又は、重要度の順があらかじめ定められた順位の単語列をキーワードとして選択する。

次に、図を参照して実施例１の動作について詳細に説明する。図８は、本発明の実施の形態３の実施例１の全体の処理を示すフローチャート図である。ここでは、初期状態として参照先文書セット記憶部４１に図５の文書が、参照元文書セット記憶部４２に図６の文書が、キーワード記憶部４３には、参照元文書から抽出したキーワードが図７のように格納されているとする。

まず、キーワード抽出手段３１は、参照先文書からキーワードを抽出する（Ｓ１）。キーワード抽出手段３１の動作の詳細は後述する。ここでは、キーワード抽出手段３１は、図９のように参照先文書セットのキーワードをキーワード記憶部４３へ格納したものとする。

次に、リンク生成手段３２は、参照元文書のキーワードからそのキーワードを含む参照先文書へのハイパーリンクを生成する（Ｓ２）。具体的には、まず、リンク生成手段３２は、参照元文書に含まれるキーワードがキーワード記憶部４３に格納されているかを判定する。例えば、図９の文書ＩＤ"Ｆ１"にはキーワード「コール０６」及び「カートリッジ交換」が含まれている。次に、リンク生成手段３２は、当該キーワードを含む参照先文書が存在するか否かを同様にキーワード記憶部４３を参照して判定する。ここでは、キーワード「コール０６」は、図９の文書ＩＤ"Ｔ４"に含まれている。続いて、リンク生成手段３２は、文書ＩＤから参照先文書のＵＲＬをキーワード記憶部４３から取得する。図５の参照先文書セット記憶部４１では、文書ＩＤ"Ｔ４"のＵＲＬは、「http://bbb.com/page4.html」となっている。そこで、リンク生成手段３２は、図１０のように、文書ＩＤ"Ｆ１"のキーワード「コール０６」に対して、当該ＵＲＬをリンク先とするリンクを挿入する。同様に、リンク生成手段３２は、キーワード「カートリッジ交換」に対してもリンクを挿入する。尚、図７では、他の参照元文書の文書ＩＤにもキーワードが含まれているが、それらのキーワードを含む参照先文書が存在しないため、リンク生成手段３２は、リンクを挿入しない。

尚、本発明の実施の形態３の実施例１にかかるリンク生成手段３２は、参照元文書セットについてリンクを生成しているが、これに限定されない。例えば、図１１に示すハイパーリンク生成装置２００ａのように、データ処理装置３ｂに通信手段３３を備えても構わない。この場合、通信手段３３は、ネットワーク（不図示）を介して文書の入力を受け付ける。そして、通信手段３３は、受け付け文書をキーワード抽出手段３１へ入力する。
また、リンク生成手段３２は、入力された文書に対してリンクを生成し、通信手段３３は、リンクが生成された文書をネットワークを介して出力するようにしてもよい。この場合、リンク生成手段３２は、入力される文書のＵＲＬを手がかりに参照元文書セット記憶部４２から文書ＩＤを取得する。その後の処理は、上記のリンク生成手段３２の処理と同一であるため説明を省略する。

また、リンク生成手段３２において、参照元文書のキーワードから当該キーワードを含む参照先文書が複数存在する場合は、図２０のように複数の参照先をポップアップ画面で表示し、利用者が選択すると、その参照先文書を開くようにするとよい。この動作は、ＪａｖａＳｃｒｉｐｔ（登録商標）等のスクリプト言語をＨＴＭＬ文書に記述することで容易に実現できる。また、ポップアップ画面に現れる参照先の情報は、参照先文書の先頭部分やタイトル等を表示することで実現できる。

続いて、図１２は、本発明の実施の形態３の実施例１のキーワード抽出手段３１のキーワード抽出処理の詳細を示すフローチャート図である。尚、以下では、説明を容易にするために参照先文書セットは、初期状態として図１３（ａ）のように一つの参照先文書を含むものとする。また、キーワード記憶部４３には、参照元文書セットから抽出された図１３（ｂ）のキーワードが格納されているものとする。

まず、単語列抽出手段３１１は、参照先文書から単語列を抽出する（Ｓ１１）。具体的には、まず、単語列抽出手段３１１は、形態素解析を用いて文書を単語に分割すると共に、活用語は原形に変換し、単語に品詞を付与する。次に、単語列抽出手段３１１は、品詞を手がかりに単語を絞り込む。例えば、「名詞」のみを選択する。ただし、選択する品詞の種類はこれに限定されるものではない。最後に、単語列抽出手段３１１は、残された単語の内、連続する単語を連結して単語列とする。

ここで、単語列抽出手段３１１が図１３（ａ）の参照先文書Ｔ１を形態素解析した場合について以下に例示して説明する。まず、参照先文書Ｔ１の内容は、「カートリッジ／交換／手順／。以下／の／手順／で交換／する／ます／。」と解析される。ここで、"／"は、単語の区切りを表す。このとき、品詞として名詞のみを選択し、連続する単語を連結すると単語列として「カートリッジ交換手順」「以下」「手順」「交換」が抽出される。

尚、この時、抽出した単語列の部分単語列も単語列としても良い。この場合、単語列「カートリッジ交換手順」に加え、「カートリッジ交換」「交換手順」「カートリッジ」「交換」「手順」も単語列とすることができる。これにより、形態素解析の精度を上げることができる。

そして、単語列の抽出結果は、各文書から抽出した単語列に加え、その文書における単語列の出現回数と、その単語列の参照先文書セット全体での出現文書数を中間データとして保存する。図１３（ａ）に対する単語列抽出の結果を図１４（ａ）のように格納する。

尚、単語列抽出手段３１１において形態素解析に加え構文解析も実施し、係り受け関係のある単語組を連結して単語列としても良い。例えば、「カートリッジを交換します。」を形態素解析すると「カートリッジ/を/交換/する/ます/。」となり、名詞のみを選択すると単語列は「カートリッジ」「交換」になる。ここで、構文解析により「カートリッジ」を含む文節と「交換」を含む文節の間には係り受け関係があることがわかる。そこで、単語列抽出手段３１１は、２つの単語列を連結した「カートリッジ交換」も単語列に加える。

次に、重要度計算手段３１２は、参照先文書における単語列の重要度を、参照先文書における単語列の出現回数と、参照先文書セットとは他方の参照元文書セットで単語列がキーワードとして選択された回数を用いて計算する（Ｓ１２）。

具体的には、参照先文書セットＤ＿ＴＯの文書ｄ＿ｔｏに含まれる単語列ｔの重要度Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）は、以下の式（９）で求める。ここで、重要度Ｓは、参照先文書セットＤ＿ＴＯに含まれる全ての単語列に関して計算する。
ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０のとき
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ）
ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＝ ０のとき
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）
・・・（９）
ここで、式（９）の第１項のＢＳは従来の重要度計算方式による重要度を表す。尚、Ｄ＿ＦＲＯＭは、参照元文書セットを表し、ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ）は、単語列ｔが参照元文書セットＤ＿ＦＲＯＭでキーワードとして選択された文書数又はキーワードとして選択された総回数を表す。

式（９）の第２項の直感的な解釈は、文書に含まれる単語列の内、参照元文書セットの多数の文書にキーワードとして含まれる単語列をキーワードとすることである。これは、上述した指標１を表す。

尚、式（９）の第２項は、以下の式（１０）のように対数でスムージングしても良い。ここで、ｌｏｇ２は、２を底とする対数である。底は必ずしも２である必要はない。また、＋１は、最小値を１にするための補正値であるが省略しても良い。
ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０のとき
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｌｏｇ２（ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＋ １）
ｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＝ ０のとき
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ）
・・・（１０）

また、以下の式（１１）は、第１項のＢＳとしてｔｆを用いた場合を示す。そして、以下の式（１２）は、第１項のＢＳとしてｔｆ／ｉｄｆを用いた場合を示す。ここで、ｔｆは参照先文書ｄ＿ｔｏにおける単語列ｔの出現回数を表し、｜Ｄ＿ＴＯ｜は、参照先文書セットＤ＿ＴＯの全文書数（定数）、ｄｆは、参照先文書セットＤ＿ＴＯにおける単語列ｔの出現文書数を表す。また、ｌｏｇ２の中の"＋１"は、ｉｄｆの最小値を１にするための補正値であるが省略しても良い。
ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ｔｆ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ・・・（１１）
ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ｔｆ（Ｄ＿ＴＯ、ｄ＿ＴＯ、ｔ） ＊ ｌｏｇ２（（｜Ｄ＿ＴＯ｜ ／ ｄｆ（Ｄ＿ＴＯ、ｔ）） ＋ １） ・・・（１２）

さらに、以下の式（１３）のようにＢＳに単語列の長さｌｅｎｇｔｈ（ｔ）の項を追加しても良い。その理由は、単語列の長さが単語列の重要度に影響するためである。
ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ｔｆ（Ｄ＿ＴＯ、ｄ＿ＴＯ、ｔ） ＊ ｌｏｇ２（（｜Ｄ＿ＴＯ｜ ／ ｄｆ（Ｄ＿ＴＯ、ｔ）） ＋ １） ＊ ｌｏｇ２（ｌｅｎｇｔｈ（ｔ）） ・・・（１３）

また、単語列の重要度Ｓの値は、キーワード記憶部４３と単語列抽出手段３１１の出力を利用して求める。具体的には、単語列抽出手段３１１が出力した文書での単語列ｔの出現回数からｔｆを求める。同様に、単語列抽出手段３１１が出力した参照先文書セット全体での単語列ｔの出現文書数からｄｆを求める。また、キーワード記憶部４３の参照元文書セットのキーワードを利用してｓｄｆを求める。

ここで、図１３（ｂ）の参照元文書セットＤ＿ＦＲＯＭのキーワードと、図１４（ａ）の参照先文書ｄ＿ｔｏの単語列ｔに対して式（９）と式（１２）とを用いて重要度Ｓを計算した結果を図１４（ｂ）に示す。

次に、図１２に戻り、キーワード選択手段３１３は、重要度があらかじめ定められた閾値以上、あるいは、重要度の順にあらかじめ定められた個数の単語列をキーワードとして選択する（Ｓ１３)。例えば、閾値を１０に設定した場合は、それぞれの参照先文書から重要度Ｓの値が１０以上の単語列をキーワードとして選択する。また、選択する個数を５に設定した場合は、それぞれの参照先文書から重要度Ｓが大きい順に５個の単語列をキーワードとして選択する。キーワード選択手段３１３は、選択結果をキーワード記憶部４３に格納する。

言い換えると、キーワード選択手段３１３は、重要度計算手段３１２により算出された重要度が予め定められた閾値以上である場合に当該単語列をキーワードとして抽出する。または、キーワード選択手段３１３は、重要度計算手段３１２により算出された重要度が入力文書に含まれる複数の単語列のそれぞれに算出された重要度の内、所定の順位以上である場合に、当該単語列をキーワードとして抽出する。

図１４（ｂ）の結果において重要度の高い１個の単語列をキーワードと場合、キーワード選択手段３１３は、キーワード記憶部４３に、参照先文書から抽出したキーワードとして図１３（ｃ）に示すキーワード「カートリッジ交換」を格納する。

このように、従来の指標である第１項のみでは、単語列「交換」及び「手順」の参照先文書Ｔ１における出現回数が多いため、ｔｆが相対的に大きいため、キーワードとして選択されてしまう。逆に、単語列「カートリッジ交換」は、参照先文書Ｔ１における出現回数が少ないため、ｔｆが相対的に小さくなるため、キーワードとして選択され難くなってしまう。しかし、本発明の実施の形態３の実施例１では、第１項に加え、新しい指標として第２項を用いることにより、参照元文書セットにおける単語列の出現文書数を加味する。具体的には、単語列「カートリッジ交換」は、参照元文書セットにおいて参照元文書Ｆ１、Ｆ２及びＦ４の３つの文書に出現する。そのため、図１４（ｂ）に示すように、式（９）のｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＞ ０のときに該当し、重要度Ｓが算出される。逆に、単語列「交換」及び「手順」は、参照元文書セットにおいて、キーワードとして存在しないために、式（９）のｓｄｆ（Ｄ＿ＦＲＯＭ、ｔ） ＝ ０のときに該当し、重要度Ｓが算出される。そして、図１４（ｂ）の重要度Ｓの比較により、単語列「カートリッジ交換」がキーワードとして選択される。このように、本発明の実施の形態３の実施例１では、リンク生成のための精度の高いキーワード抽出が可能になる。

すなわち、キーワード記憶部４３には、複数の参照元文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードを格納しておき、重要度計算手段３１２は、入力文書に含まれる単語列がキーワード記憶部４３に格納されていない場合に、集中度を用いずに単語列の重要度を算出する。これにより、参照元文書セットに含まれないために、ハイパーリンクに用いられない単語列ついて、重要度を低く算出することができ、キーワード抽出の精度を高めることができる。

以上、本発明の実施の形態３の実施例１の動作を説明した。尚、本発明の実施の形態３の実施例１では、参照元文書セットと参照先文書セットは別の文書セットとして説明したが、この限りではなく、同一の文書セットとしても適用可能である。

本発明の実施の形態３の実施例１の効果は、リンク自動生成のためのキーワードを高精度に抽出することが可能となる。その理由は、従来の指標、例えば、ｔｆ又はｔｆ及びｉｄｆ、に加えた新しい指標として、文書に含まれる単語列の内、参照元文書セットの多数の文書にキーワードとして含まれる単語列をキーワードとすることを用いるからである。尚、本発明は、参照元文書セットに対する適切な参照先文書セットが与えられているとき有効である。

＜実施例２＞
次に、本発明の実施の形態３にかかる別の最良の実施例２について図面を参照して詳細に説明する。なお、実施例２では、実施例１のキーワード抽出手段３１の変形例であり、参照元文書から指標２を用いてキーワードを抽出する例を説明する。図１５は、本発明の実施の形態３の実施例２にかかるハイパーリンク生成装置３００の構成を示すブロック図である。尚、図１５の内、図４と同一の構成要素には、同一の符号を付し、詳細な説明は、省略する。

ハイパーリンク生成装置３００は、プログラム制御により動作するデータ処理装置３ａと、情報を記憶する記憶装置４ａとを含む。データ処理装置３ａは、キーワード抽出手段３１ａとリンク生成手段３２を含む。キーワード抽出手段３１ａは、参照元文書から文書の内容を代表する単語列をキーワードとして抽出する。リンク生成手段３２は、実施例１と同様である。

記憶装置４ａは、参照先文書セット記憶部４１と、参照元文書セット記憶部４２と、キーワード記憶部４３ａとを有する。記憶装置４ａは、メモリ等の主記憶装置やハードディスク等の補助記憶装置で実現される。

参照先文書セット記憶部４１及び参照元文書セット記憶部４２は、実施例１と同様である。キーワード記憶部４３ａは、初期状態として図１６のようにあらかじめ参照先文書から任意の方法により抽出したキーワードが格納されているものとする。ここで、任意の方法とは、実施例１と同様である。

キーワード抽出手段３１ａは、単語列抽出手段３１１と、重要度計算手段３１２ａと、キーワード選択手段３１３を含む。単語列抽出手段３１１は、参照元文書から単語列を抽出する。重要度計算手段３１２ａは、参照元文書あるいは参照先文書における単語列の重要度を、その文書における単語列の出現回数と、その文書を含む文書セットとは他方の文書セットで単語列がキーワードとして選択された回数を用いて計算する。ここでは、重要度計算手段３１２ａは、参照元文書における単語列の重要度を、参照元文書における単語列の出現回数と、参照先文書セットで単語列がキーワードとして選択された回数を用いて計算する。つまり、重要度計算手段３１２ａは、集中度を、入力文書以外の複数の文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードとして当該単語列が出現する文書数とする。また、重要度計算手段３１２ａは、集中度がより高い単語列について、重要度をより高く算出するとよい。キーワード選択手段３１３は、実施例１と同様である。

次に、図８を参照して実施例２の動作について詳細に説明する。ここでは、初期状態として参照先文書セット記憶部４１に図５の文書が、参照元文書セット記憶部４２に図６の文書が、キーワード記憶部４３ａには、参照先文書から抽出したキーワードが図１６のように格納されているとする。

まず、キーワード抽出手段３１ａは、参照元文書からキーワードを抽出する（Ｓ１）。キーワード抽出手段３１ａの動作の詳細は後述する。ここでは、キーワード抽出手段３１ａは、図９のように参照元文書セットのキーワードをキーワード記憶部４３ａへ格納したものとする。

次に、リンク生成手段３２は、参照元文書のキーワードからそのキーワードを含む参照先文書へのハイパーリンクを生成する（Ｓ２)。この動作は、実施例１と同様である。ここでは、リンク生成手段３２は、図１０のようにハイパーリンクを生成する。

続いて、図１２を参照して本発明の実施の形態３の実施例２のキーワード抽出手段３１ａのキーワード抽出処理の詳細を説明する。尚、以下では、説明を容易にするために参照元文書セットは、初期状態として図１７（ａ）のように一つの参照元文書を含むものとする。また、キーワード記憶部４３ａには、参照先文書セットから抽出された図１７（ｂ）のキーワードが格納されているものとする。

まず、単語列抽出手段３１１は、参照元文書から単語列を抽出する（Ｓ１１）。尚、抽出方法は、実施例１と同様である。ここで、単語列抽出手段３１１が図１７（ａ）の参照元文書Ｆ１に対して単語列を抽出した結果を図１８（ａ）に示す。

次に、重要度計算手段３１２ａは、参照元文書における単語列の重要度を、参照元文書における単語列の出現回数と、参照元文書セットとは他方の参照先文書セットで単語列がキーワードとして選択された回数を用いて計算する（Ｓ１２）。

具体的には、参照元文書セットＤ＿ＦＲＯＭの文書ｄ＿ｆｒｏｍに含まれる単語列ｔの重要度Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）は、以下の式（１４）で求める。ここで、重要度Ｓは、参照先元書セットＤ＿ＦＲＯＭに含まれる全ての単語列に関して計算する。
ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０のとき
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＊ （ｍａｘ｛ｔ∈Ｔ； ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ））
ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＝ ０のとき
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）
・・・（１４）
ここで、式（１４）の第１項のＢＳは従来の重要度計算方式による重要度を表す。尚、Ｄ＿ＴＯは参照先文書セットを表し、ｓｄｆ（Ｄ＿ＴＯ、ｔ）は、単語列ｔが参照先文書セットＤ＿ＴＯでキーワードとして選択された文書数又はキーワードとして選択された総回数を表す。また、ｍａｘ｛ｔ∈Ｔ；ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝は、参照先文書セットＤ＿ＴＯにおけるｓｄｆ（Ｄ＿ＴＯ、ｔ）の最大値(定数)を表す。

式（１４）の第２項の直感的な解釈は、文書に含まれる単語列の内、参照先文書セットの少数の文書にキーワードとして含まれる単語列をキーワードとすることである。これは、上述した指標２を表す。

尚、式（１４）の第２項は、以下の式（１５）のように対数でスムージングしても良い。ここで、ｌｏｇ２は、２を底とする対数である。底は必ずしも２である必要はない。また、"＋１"は、最小値を１にするための補正値であるが省略しても良い。また、ＢＳの計算方法は実施例１と同様である。
ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０のとき
Ｓ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＝ ＢＳ（Ｄ＿ＴＯ、ｄ＿ｔｏ、ｔ） ＊ ｌｏｇ２（ｍａｘ｛ｔ∈Ｔ； ｓｄｆ（Ｄ＿ＴＯ、ｔ）｝ ／ ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＋ １）
ｓｄｆ（Ｄ＿ＴＯ、ｔ） ＝ ０のとき
Ｓ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ） ＝ ＢＳ（Ｄ＿ＦＲＯＭ、ｄ＿ｆｒｏｍ、ｔ）
・・・（１５）

単語列の重要度Ｓの値は、キーワード記憶部４３ａと単語列抽出手段３１１の出力を利用して求める。具体的な方法は、実施例１と同様である。

ここで、図１７（ｂ）の参照先文書セットＤ＿ＦＲＯＭのキーワードと、図１８（ａ）の参照元文書ｄ＿ｆｒｏｍの単語列ｔに対して式（１４）と式（１２）とを用いて重要度Ｓを計算した結果を図１８（ｂ）に示す。

次に、図１２に戻り、キーワード選択手段３１３は、重要度があらかじめ定められた閾値以上、あるいは、重要度の順にあらかじめ定められた個数の単語列をキーワードとして選択する（Ｓ１３)。

言い換えると、キーワード選択手段３１３は、重要度計算手段３１２ａにより算出された重要度が予め定められた閾値以上である場合に当該単語列をキーワードとして抽出する。または、キーワード選択手段３１３は、重要度計算手段３１２ａにより算出された重要度が入力文書に含まれる複数の単語列のそれぞれに算出された重要度の内、所定の順位以上である場合に、当該単語列をキーワードとして抽出する。

図１８（ｂ）の結果において重要度の高い１個の単語列をキーワードと場合、キーワード選択手段３１３は、キーワード記憶部４３ａに、参照元文書から抽出したキーワードとして図１７（ｃ）に示すキーワード「フレームユニット」を格納する。

このように、従来の指標である第１項のみでは、単語列「フレームユニット」の参照元文書Ｆ１における出現回数は、他の単語列と差がないため、キーワードとして選択され難い。しかし、本発明の実施の形態３の実施例２では、第１項に加え、新しい指標として第２項を用いることにより、参照先文書セットにおける単語列の出現文書数を加味する。尚、ここでは、図１８（ａ）の単語列の内、キーワード「フレームユニット」がキーワード記憶部４３ａに格納されているため、式（１４）のｓｄｆ（Ｄ＿ＴＯ、ｔ） ＞ ０のときに該当し、重要度Ｓが算出される。また、単語列「フレームユニット」以外については、式（１４）のｓｄｆ（Ｄ＿ＴＯ、ｔ） ＝ ０のときに該当し、重要度Ｓが算出される。図１８（ｂ）の重要度Ｓの比較により、単語列「フレームユニット」がキーワードとして選択される。このように、本発明の実施の形態３の実施例２では、リンク生成のための精度の高いキーワード抽出が可能になる。

すなわち、キーワード記憶部４３ａには、複数の参照先文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードを格納しておき、重要度計算手段３１２ａは、入力文書に含まれる単語列がキーワード記憶部４３ａに格納されていない場合に、集中度を用いずに単語列の重要度を算出する。これにより、参照先文書セットに含まれないために、ハイパーリンクに用いられない単語列ついて、重要度を低く算出することができ、キーワード抽出の精度を高めることができる。

以上、本発明の実施の形態３の実施例２の動作を説明した。尚、本発明の実施の形態３の実施例２では、参照元文書セットと参照先文書セットは別の文書セットとして説明したが、この限りではなく、同一の文書セットとしても適用可能である。

本発明の実施の形態３の実施例２の効果は、リンク自動生成のためのキーワードを高精度に抽出することが可能となる。その理由は、従来の指標、例えば、ｔｆ又はｔｆ及びｉｄｆ、に加えた新しい指標として、文文書に含まれる単語列の内、参照先文書セットの少数の文書にキーワードとして含まれる単語列をキーワードとすることを用いるからである。尚、本発明は、参照元文書セットに対する適切な参照先文書セットが与えられているとき有効である。

＜その他の発明の実施の形態＞
尚、本発明の実施の形態１において、重要度算出手段１１は、集中度が高い単語列に対して、重要度を高く評価する程度を参照元文書における重要度算出より参照先文書における重要度算出の方を大きくするようにしてもよい。これにより、さらにキーワード抽出の精度を高めることができる。

本発明は、文書間のハイパーリンクの自動生成システムに利用することで、ハイパーリンク文書の作成/管理コストの削減、及び、利用者の情報アクセス性向上という効果を奏する。

さらに、本発明は上述した実施の形態のみに限定されるものではなく、既に述べた本発明の要旨を逸脱しない範囲において種々の変更が可能であることは勿論である。

１００ ハイパーリンク生成装置
１００ａ ハイパーリンク生成装置
１１ 重要度算出手段
１１ａ 重要度算出手段
１１ｂ 重要度補正手段
１２ キーワード選択手段
１３ ハイパーリンク生成手段
２１ 入力文書
２２ 参照元文書
２３ 参照先文書
２００ ハイパーリンク生成装置
２００ａ ハイパーリンク生成装置
３００ ハイパーリンク生成装置
３ データ処理装置
３ａ データ処理装置
３ｂ データ処理装置
３１ キーワード抽出手段
３１ａ キーワード抽出手段
３１１ 単語列抽出手段
３１２ 重要度計算手段
３１２ａ 重要度計算手段
３１３ キーワード選択手段
３２ リンク生成手段
３３ 通信手段
４ 記憶装置
４ａ 記憶装置
４１ 参照先文書セット記憶部
４２ 参照元文書セット記憶部
４３ キーワード記憶部
４３ａ キーワード記憶部
Ｔ１ 参照先文書
Ｔ２ 参照先文書
Ｔ３ 参照先文書
Ｔ４ 参照先文書
Ｆ１ 参照元文書
Ｆ２ 参照元文書
Ｆ３ 参照元文書
Ｆ４ 参照元文書
ＳＦＡ 参照元文書セット
ＦＡ１ 参照元文書
ＦＡ２ 参照元文書
ＦＡ３ 参照元文書
ＳＴＢ 参照先文書セット
ＴＢ１ 参照先文書
ＴＢ２ 参照先文書
ＴＢ３ 参照先文書
ＤＦ 元画面
ＤＭ 選択メニュー

Claims (42)

1. 入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出手段と、
   前記重要度算出手段により算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択手段と、
   前記キーワード選択手段により選択された第２のキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、
   を備え、
   前記重要度算出手段は、前記複数の参照先文書の中で当該単語列が前記第１のキーワードとして選択された文書数が少ない場合には、前記第３の重要度をより高く算出するハイパーリンク生成装置。
2. 前記重要度算出手段は、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項１に記載のハイパーリンク生成装置。
3. 入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出手段と、
   前記重要度算出手段により算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択手段と、
   前記キーワード選択手段により選択された第２のキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成手段と、
   を備え、
   前記重要度算出手段は、前記複数の参照元文書の中で当該単語列が前記第１のキーワードとして選択された文書数が多い場合には、前記第３の重要度をより高く算出するハイパーリンク生成装置。
4. 前記重要度算出手段は、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項３に記載のハイパーリンク生成装置。
5. 前記キーワード選択手段は、前記重要度算出手段により算出された第３の重要度が予め定められた閾値以上である場合に当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項１乃至４のいずれか１項に記載のハイパーリンク生成装置。
6. 前記キーワード選択手段は、前記重要度算出手段により算出された第３の重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された第３の重要度の内、所定の順位以上である場合に、当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項１乃至４のいずれか１項に記載のハイパーリンク生成装置。
7. 入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出手段と、
   前記重要度算出手段により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択手段と、
   前記キーワード選択手段により選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、
   を備えるハイパーリンク生成装置。
8. 前記重要度算出手段は、前記集中度が高い単語列に対して、重要度を高く評価する程度を参照元文書における重要度算出より参照先文書における重要度算出の方を大きくすることを特徴とする請求項７に記載のハイパーリンク生成装置。
9. 前記重要度算出手段は、前記集中度を、前記入力文書以外の複数の文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードとして当該単語列が出現する文書数とすることを特徴とする請求項７又は８に記載のハイパーリンク生成装置。
10. 前記入力文書は、前記複数の参照元文書又は前記複数の参照先文書のいずれかに属するものであることを特徴とする請求項７乃至９のいずれか１項に記載のハイパーリンク生成装置。
11. 前記キーワード選択手段は、前記重要度算出手段により算出された重要度が予め定められた閾値以上である場合に当該単語列をキーワードとして抽出することを特徴とする請求項７乃至１０のいずれか１項に記載のハイパーリンク生成装置。
12. 前記キーワード選択手段は、前記重要度算出手段により算出された重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された重要度の内、所定の順位以上である場合に、当該単語列をキーワードとして抽出することを特徴とする請求項７乃至１０のいずれか１項に記載のハイパーリンク生成装置。
13. ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、当該特定の参照元文書内における当該単語列の出現頻度に基づく第１の重要度を算出する重要度算出手段と、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照先文書が少ない場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正手段と、
    前記重要度補正手段により補正された第１の重要度に基づき、前記特定の参照元文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択手段と、
    前記キーワード選択手段により選択された第２のキーワードに基づき、前記特定の参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、
    を備えるハイパーリンク生成装置。
14. ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、当該特定の参照先文書内における当該単語列の出現頻度に基づく第１の重要度を算出する重要度算出手段と、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照元文書が多い場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正手段と、
    前記重要度補正手段により補正された第１の重要度に基づき、前記特定の参照先文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択手段と、
    前記キーワード選択手段により選択された第２のキーワードに基づき、前記参照元文書と前記特定の参照先文書との間でハイパーリンクを生成するハイパーリンク生成手段と、
    を備えるハイパーリンク生成装置。
15. プログラム制御により動作するデータ処理装置を用いたハイパーリンク生成方法であって、
    前記データ処理装置が、
    入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出ステップと、
    前記重要度算出ステップにより算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択ステップと、
    前記キーワード選択ステップにより選択された第２のキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、
    を実行し、
    前記重要度算出ステップは、前記データ処理装置が、前記複数の参照先文書の中で当該単語列が前記第１のキーワードとして選択された文書数が少ない場合には、前記第３の重要度をより高く算出するハイパーリンク生成方法。
16. 前記重要度算出ステップは、前記データ処理装置が、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項１５に記載のハイパーリンク生成方法。
17. プログラム制御により動作するデータ処理装置を用いたハイパーリンク生成方法であって、
    前記データ処理装置が、
    入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出ステップと、
    前記重要度算出ステップにより算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択ステップと、
    前記キーワード選択ステップにより選択された第２のキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、
    を実行し、
    前記重要度算出ステップは、前記データ処理装置が、前記複数の参照元文書の中で当該単語列が前記第１のキーワードとして選択された文書数が多い場合には、前記第３の重要度をより高く算出するハイパーリンク生成方法。
18. 前記重要度算出ステップは、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項１７に記載のハイパーリンク生成方法。
19. 前記キーワード選択ステップは、前記データ処理装置が、前記重要度算出ステップにより算出された第３の重要度が予め定められた閾値以上である場合に当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項１５乃至１８のいずれか１項に記載のハイパーリンク生成方法。
20. 前記キーワード選択ステップは、前記データ処理装置が、前記重要度算出ステップにより算出された第３の重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された第３の重要度の内、所定の順位以上である場合に、当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項１５乃至１８のいずれか１項に記載のハイパーリンク生成方法。
21. プログラム制御により動作するデータ処理装置を用いたハイパーリンク生成方法であって、
    前記データ処理装置が、
    入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出ステップと、
    前記重要度算出ステップにより算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択ステップと、
    前記キーワード選択ステップにより選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、
    を実行するハイパーリンク生成方法。
22. 前記重要度算出ステップは、前記データ処理装置が、前記集中度が高い単語列に対して、重要度を高く評価する程度を参照元文書における重要度算出より参照先文書における重要度算出の方を大きくすることを特徴とする請求項２１に記載のハイパーリンク生成方法。
23. 前記重要度算出ステップは、前記データ処理装置が、前記集中度を、前記入力文書以外の複数の文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードとして当該単語列が出現する文書数とすることを特徴とする請求項２１又は２２に記載のハイパーリンク生成方法。
24. 前記入力文書は、前記複数の参照元文書又は前記複数の参照先文書のいずれかに属するものであることを特徴とする請求項２１乃至２３のいずれか１項に記載のハイパーリンク生成方法。
25. 前記キーワード選択ステップは、前記データ処理装置が、前記重要度算出ステップにより算出された重要度が予め定められた閾値以上である場合に当該単語列をキーワードとして抽出することを特徴とする請求項２１乃至２４のいずれか１項に記載のハイパーリンク生成方法。
26. 前記キーワード選択ステップは、前記データ処理装置が、前記重要度算出ステップにより算出された重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された重要度の内、所定の順位以上である場合に、当該単語列をキーワードとして抽出することを特徴とする請求項２１乃至２４のいずれか１項に記載のハイパーリンク生成方法。
27. プログラム制御により動作するデータ処理装置を用いたハイパーリンク生成方法であって、
    前記データ処理装置が、
    ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、当該特定の参照元文書内における当該単語列の出現頻度に基づく第１の重要度を算出する基準重要度算出ステップと、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照先文書が少ない場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正ステップと、
    前記重要度補正ステップにより補正された第１の重要度に基づき、前記特定の参照元文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択ステップと、
    前記キーワード選択ステップにより選択された第２のキーワードに基づき、前記特定の参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、
    を実行するハイパーリンク生成方法。
28. プログラム制御により動作するデータ処理装置を用いたハイパーリンク生成方法であって、
    前記データ処理装置が、
    ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、当該特定の参照先文書内における当該単語列の出現頻度に基づく第１の重要度を算出する基準重要度算出ステップと、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照元文書が多い場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正ステップと、
    前記重要度補正ステップにより補正された第１の重要度に基づき、前記特定の参照先文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択ステップと、
    前記キーワード選択ステップにより選択された第２のキーワードに基づき、前記参照元文書と前記特定の参照先文書との間でハイパーリンクを生成するハイパーリンク生成ステップと、
    を実行するハイパーリンク生成方法。
29. 入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出処理と、
    前記重要度算出処理により算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択処理と、
    前記キーワード選択処理により選択された第２のキーワードに基づき、前記入力文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、
    を含む処理をコンピュータに実行させ、
    前記重要度算出処理は、前記複数の参照先文書の中で当該単語列が前記第１のキーワードとして選択された文書数が少ない場合には、前記第３の重要度をより高く算出するハイパーリンク生成プログラム。
30. 前記重要度算出処理は、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項２９に記載のハイパーリンク生成プログラム。
31. 入力文書に含まれる単語列について、前記入力文書内における当該単語列の出現頻度に基づく第１の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとに基づいて、当該単語列の第３の重要度を算出する重要度算出処理と、
    前記重要度算出処理により算出された第３の重要度に基づき、前記入力文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択処理と、
    前記キーワード選択処理により選択された第２のキーワードに基づき、前記入力文書と前記参照元文書との間でハイパーリンクを生成するハイパーリンク生成処理と、
    を含む処理をコンピュータに実行させ、
    前記重要度算出処理は、前記複数の参照元文書の中で当該単語列が前記第１のキーワードとして選択された文書数が多い場合には、前記第３の重要度をより高く算出するハイパーリンク生成プログラム。
32. 前記重要度算出処理は、前記入力文書に含まれる単語列が前記第１のキーワードと一致しない場合には、前記第１の重要度を前記第３の重要度として算出することを特徴とする請求項３１に記載のハイパーリンク生成プログラム。
33. 前記キーワード選択処理は、前記重要度算出処理により算出された第３の重要度が予め定められた閾値以上である場合に当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項２９乃至３２のいずれか１項に記載のハイパーリンク生成プログラム。
34. 前記キーワード選択処理は、前記重要度算出処理により算出された第３の重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された第３の重要度の内、所定の順位以上である場合に、当該単語列を前記第２のキーワードとして抽出することを特徴とする請求項２９乃至３２のいずれか１項に記載のハイパーリンク生成プログラム。
35. 入力文書に含まれる単語列について、前記入力文書における当該単語列の重要度と、ハイパーリンクにおける参照元となる複数の参照元文書の中で任意の参照元文書に当該単語列が集中する度合である集中度と、ハイパーリンクにおける参照先となる複数の参照先文書の中で任意の参照先文書に当該単語列が集中する度合である集中度とに基づいて、当該単語列の重要度を算出する重要度算出処理と、
    前記重要度算出処理により算出された重要度に基づき、前記入力文書に含まれる単語列の中からキーワードを選択するキーワード選択処理と、
    前記キーワード選択処理により選択されたキーワードに基づき、前記入力文書と前記参照元文書又は前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、
    を含む処理をコンピュータに実行させるハイパーリンク生成プログラム。
36. 前記重要度算出処理は、前記集中度が高い単語列に対して、重要度を高く評価する程度を参照元文書における重要度算出より参照先文書における重要度算出の方を大きくすることを特徴とする請求項３５に記載のハイパーリンク生成プログラム。
37. 前記重要度算出処理は、前記集中度を、前記入力文書以外の複数の文書の中から任意の重要度計算方法により算出された重要度に基づいて予め選択されたキーワードとして当該単語列が出現する文書数とすることを特徴とする請求項３５又は３６に記載のハイパーリンク生成プログラム。
38. 前記入力文書は、前記複数の参照元文書又は前記複数の参照先文書のいずれかに属するものであることを特徴とする請求項３５乃至３７のいずれか１項に記載のハイパーリンク生成プログラム。
39. 前記キーワード選択処理は、前記重要度算出処理により算出された重要度が予め定められた閾値以上である場合に当該単語列をキーワードとして抽出することを特徴とする請求項３５乃至３８のいずれか１項に記載のハイパーリンク生成プログラム。
40. 前記キーワード選択処理は、前記重要度算出処理により算出された重要度が前記入力文書に含まれる複数の単語列のそれぞれに算出された重要度の内、所定の順位以上である場合に、当該単語列をキーワードとして抽出することを特徴とする請求項３５乃至３８のいずれか１項に記載のハイパーリンク生成プログラム。
41. ハイパーリンクにおける参照元となる特定の参照元文書に含まれる単語列について、当該特定の参照元文書内における当該単語列の出現頻度に基づく第１の重要度を算出する基準重要度算出処理と、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照先となる複数の参照先文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照先文書が少ない場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正処理と、
    前記重要度補正処理により補正された第１の重要度に基づき、前記特定の参照元文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択処理と、
    前記キーワード選択処理により選択された第２のキーワードに基づき、前記特定の参照元文書と前記参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、
    を含む処理をコンピュータに実行させるハイパーリンク生成プログラム。
42. ハイパーリンクにおける参照先となる特定の参照先文書に含まれる単語列について、当該特定の参照先文書内における当該単語列の出現頻度に基づく第１の重要度を算出する基準重要度算出処理と、
    前記第１の重要度が算出された単語列について、ハイパーリンクにおける参照元となる複数の参照元文書の中から任意の重要度計算方法により算出された第２の重要度に基づいて予め選択された第１のキーワードとして当該単語列が含まれる参照元文書が多い場合には、当該単語列の前記第１の重要度をより高く補正する重要度補正処理と、
    前記重要度補正処理により補正された第１の重要度に基づき、前記特定の参照先文書に含まれる単語列の中から第２のキーワードを選択するキーワード選択処理と、
    前記キーワード選択処理により選択された第２のキーワードに基づき、前記参照元文書と前記特定の参照先文書との間でハイパーリンクを生成するハイパーリンク生成処理と、
    を含む処理をコンピュータに実行させるハイパーリンク生成プログラム。

Images