JP5399988B2 - 重要日時表現判定方法、重要日時表現判定装置、重要日時表現判定プログラム - Google Patents

Description

本発明は、電子文書に含まれる日時表現を特定し、特定された日時表現が文書内容の重要な表現か否かを判定するための技術に関する。

現在、ユーザ入力の検索キーワードに基づき電子文書（Ｗｅｂページを含む。）を検索するシステムが数多く存在しているものの、現在の検索システムでは日時表現を考慮した検索は難しい。例えば、「２０ＸＸ年ＹＹ月ＺＺ日」に行われるイベントの情報を知りたいと思って、検索システムに「２０ＸＸ年ＹＹ月ＺＺ日 イベント」と入力して検索を行うと、「２０ＸＸ年ＹＹ月ＺＺ日」および「イベント」という２つのキーワードを含む電子文書は検索を行うことが可能であるが、日時の記述が「２０ＸＸ−ＹＹ−ＺＺ」であるような電子文書は検索することができないという問題がある。

この問題を解決するためには、電子文書中に含まれる記述表現から日時を取得してインデクス化し、ユーザ入力のキーワードと日時をもとにインデクスを参照して文書検索を行うことにより、様々なパターンで記述された日時表現に対応できると考えられる。

ところが、電子文書中には様々な日時表現が記述され、その中には文書の内容と関係のない日時を表す日時表現が多く含まれているため、文書中のすべての日時表現に対して日時を取得してインデクスを作成すると、入力として指定した日時と異なる内容の文書が検索されてしまい、検索精度に影響を及ぼすという問題が生じる。

例えば、あるＷｅｂサイトにおいて日時ごとに文書が整理されているような場合には、文書を閲覧するために日時ごとのメニューやカレンダーなどが存在することが多いが、その中に含まれている日時表現は文書の内容に関する日時を表していないと考えられる。そのため、電子文書に含まれるそれぞれの日時表現が文書の内容に関連した重要な日時表現かどうかを判定する必要がある。

そこで、特許文献１に示すように、イベントの日時に関する情報を重要な日時表現として取得する手法が提案されている。また、非特許文献１では、電子文書（Ｗｅｂページ）の中から、その文書の発信を行った発信日時を重要な日時表現として取得する手法が提案されている。

特開２０００−６７０８２

河合 剛巨，中澤 聡，安藤 真一 "非定型文書を対象としたＷｅｂページの発信日付推定" 言語処理学会 第１６回年次大会 発表論文集 ２０１０年３月 ｐ．２４２−２４５

しかしながら、特許文献１の手法では、特定のパターンで出現する表現をイベントに関する重要な日時表現として抽出しているが、その記述の形式は人によって異なり多岐にわたるため、パターンによって重要な日時表現を漏れなく取得することが困難なおそれがある。

また、非特許文献１の方法では、取得されるのは文書の発信日時であるため、文書に書かれている内容に関する日時とは異なる場合が多く、検索を行う上で重要な日時表現が取得できないおそれがある。例えば、ある日時に発信された文書において未来のイベントの情報に関する内容が記述されていた場合には検索を行う上で重要な日時表現は文書の発信日時ではなく、記述されているイベントが開催される日時であるため、発信日時を取得しても有益ではない。

本発明は、このような問題を解決するためになされたものであって、様々な形式で記述された日時表現に対して電子文書の内容に関連する重要な日時表現か否かを判定可能な技術の提供を解決課題としている。

そこで、本発明は、電子文書中における日時表現の表記パターン、日時表現の前後に出現する単語、日時表現の文書中での出現位置などを用いて、２値分類の機械学習手法により各日時表現が重要か否かを判定する。本発明の重要日時判定方法は、日時表現特定手段が、日時表現に該当する単語列のパターンが記述された日時表現辞書を参照して、入力された電子文書を構成する各文の単語列パターンから日時表現を特定する日時表現特定ステップと、日時表現文脈ベクトル取得手段が、前記特定ステップで特定された日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の文書中での出現位置に基づき、事前に定めた特徴パターンにマッチするか否かを要素値とする日時表現文脈ベクトルを求める日時表現文脈ベクトル取得ステップと、重要日時表現判定手段が、前記ベクトル取得ステップで算出された日時表現文脈ベクトルを、事前の学習で作成した日時表現の重要・不要を判定するための重要日時表現判定モデルに応じて分類し、前記特定手段により特定された日時表現が重要か否かを判定する重要日時表現判定ステップと、を有する。

本発明の重要日時判定装置は、電子文書に含まれる日時表現を特定し、該日時表現が電子文書の内容に関わる重要な日時表現か否かを判定する重要日時表現判定装置であって、日時表現に該当する単語列のパターンが記述された日時表現辞書を参照して、入力された電子文書を構成する各文の単語列パターンから日時表現を特定する日時表現特定手段と、該特定手段により特定された日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の文書中での出現位置に基づき、事前に定めた特徴パターンにマッチするか否かを要素値とする日時表現文脈ベクトル取得手段と、該ベクトル取得手段で求めた日時表現文脈ベクトルを、事前学習で作成した日時表現の重要・不要を判定するための重要日時表現判定モデルに応じて分類し、前記特定手段により特定された日時表現が重要か否かを判定する重要日時表現判定手段と、を備える。

なお、本発明は、前記判定装置としてコンピュータを機能させるための日時表現判定プログラムの態様としてもよい。このプログラムは、ネットワークや記録媒体を通じて提供することができる。

本発明によれば、様々な形式で記述された日時表現に対して電子文書の内容に関連する重要な日時表現か否かを判定することが可能となる。

本発明の実施形態に係る日時表現判定装置の構成例図。 同 前処理を示すフローチャート。 同 前処理の文書例 同 重要日時表現判定処理を示すフローチャート。 同 重要日時表現判定処理の文書例。

図１に基づき本発明の実施形態に係る日時表現判定装置を説明する。この判定装置１は、２値分類の機械学習手法により日時表現が重要か否かを判定する。ここでは電子文書中の日時表現に対して決められた特徴を持つか否かを採点し、さらに該日時表現が重要か否か（正解か否か）を与え、２値分類の機械学習手法を利用可能にさせている。

具体的には、前記判定装置１は、検索システムなどのサーバにより構成され、通常のコンピュータのハードウェアリソース、例えばＣＰＵ．メモリ（ＲＡＭ）．ハードディスクドライブ装置などを備える。このハードウェアリソースとソフトウェアリソース（ＯＳ．アプリケーションなど）との協働の結果、文分割部１１，単語分割部１２，日時表現特定部１３，日時表現文脈ベクトル取得部１４，重要日時表現判定モデル作成部１５，重要日時表現判定部１６，日時表現辞書１７，重要日時表現判定モデルＤＢ１８を実装する。この辞書１７およびＤＢ１８は、メモリ（ＲＡＭ）やハードディスクドライブ装置などの記憶・保存手段に保持されている。

また、前記各部１１〜１６は、あらかじめ電子文書の学習により重要日時表現判定モデルを作成する前処理と、判定対象の電子文書に含まれる日時表現の重要・不要を前処理で作成された重要日時表現モデルを用いて判定する判定処理とを実行する。すなわち、文分割部１１は、前記判定装置１に入力された電子文書を文毎に分解し、単語分割部１２は、文分割部１１により分割された各文を単語毎に分割する。

日時表現特定部１３は、日時表現に該当する単語列のパターンが記述された日時表現辞書１７を参照して単語分割部１２で分割された各単語の単語列パターンから日時表現を特定する。また、日時表現文脈ベクトル取得部１４は、前記特定手段１３で特定された日時表現の特徴に基づき該日時表現の文脈中での用いられ方を表す日時表現文脈ベクトルを求める。この特徴は、主に日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の文書中での出現位置が用いられる。このとき日時表現文脈ベクトル取得部１４に入力文書の文書タイプを事前に用意された複数タイプに応じて判別する図示省略の文書タイプ判別部を設け、該判別結果を前記特徴に含めてもよい。これにより入力文書の文書タイプが日時表現文脈ベクトルに反映される。

重要日時表現判定モデル作成部１５は、前処理時に電子文書の機械学習により重要日時判定モデルを作成する一方、重要日時表現判定部１６は、実際の判定処理時に日時表現の重要・不要を判定する。すなわち、重要日時表現判定モデル作成部１５は、前記各部１１〜１４の処理を経て算出された日時表現文脈ベクトルと、日時表現の重要度を数値化した日時表現重要度Ｇとを用いて、２値分類可能な機械学習手法により学習を行い、各日時表現の重要・不要を判定するための重要日時判定モデルを作成する。ここで作成された重要日時判定モデルは、前記ＤＢ１８に格納される。

重要日時表現判定部１６は、判定対象の電子文書に対して前記各部１１〜１４の処理を経て日時表現文脈ベクトルが求められれば、前記ＤＢ１８を参照して該ベクトルに応じた重要日時判定モデルを取得する。そして、重要日時判定モデルと日時表現文脈ベクトルとを用いて、２値分類可能な機械学習手法により分類し、判定対象の電子文書に含まれる日時表現の重要・不要を判定する。この判定結果は重要日時つき文書として出力される。

≪前処理段階≫
まず、図２に基づき前記判定装置１の前処理の動作ステップを説明する。ここでは前記判定装置１は、ロボット型検索エンジンに応用され、Ｗｅｂページの文書、例えば図３の文書に対して前処理を行うものとする。この文書例は、ＷｅｂページからＨＴＭＬタグが除去されているが、ＨＴＭＬタグを含む文書であってもよい。なお、前記判定装置１は、図示省略の入力部への前記文書例の入力により前処理（Ｓ１０１〜Ｓ１０５）を開始する。

Ｓ１０１：文分割部１１は、前記入力部に入力された前記文書例を文毎に分割する。ここでは文の終了を示す「。」．［！］．「？」の単語を基準に前記文書を各文に分割することとする。なお、文書の文への分割は、例えばスペースを利用したり、連続する文字の並びから構成文の境界を定めてもよい。

表１は、図３の文書例を文毎に分割した結果を示している。ここでは分割された各文に文番号「１〜７」が付与され、該文番号毎に文が列挙されている。

Ｓ１０２：単語分割部１２は、Ｓ１０１で分割された各文を単語毎に分割する。ここでは形態素解析手法を用いて各文を単語に分割することとする。もっとも、単語への分割の手法は形態素解析手法に限定されるものではなく、他の手法を用いてもよい。

表２は、表１の各文を分割した結果を示している。ここでは文番号毎に単語番号と単語とが列挙されている。

Ｓ１０３：日時表現特定部１３は、日時表現に該当する単語列のパターンが記述された日時表現辞書１７を参照して、Ｓ１０２で分割された単語列のパターンから図３の文書例に含まれる日時表現を特定する。

表３は、日時表現辞書１７の記述データ例を示し、パターン番号毎に日時表現の単語列パターンが列挙されている。ここではパターン番号「１」は、４桁の数字からなる単語が出現し、その次に単語「．」が連続して出現し、その次に１桁・２桁の数字からなる単語が連続して出現し、その次に単語「．」が連続して出現し、その次に１桁・２桁の数字からなる単語が連続して出現する単語列のパターンを示している。

パターン番号「２」は、１桁・２桁の数字からなる単語と単語「月」とのペア出現し、その次に１桁・２桁の数字からなる単語と単語「日」とのペアが連続して出現する単語列のパターンを示している。パターン番号「３」は、４桁の数字からなる単語と単語「年」とのペアが出現する単語列のパターンを示している。パターン番号「４」は、１桁・２桁の数字からなる単語と単語「月」とのペアが出現する単語列のパターンを示している。

パターン番号「５」は、４桁の数字からなる単語と単語「年」とのペアが出現し、その次に１桁・２桁の数字からなる単語と単語「月」とのペアが連続して出現し、その次に１桁・２桁の数字からなる単語と単語「日」とのペアが連続して出現し、その次に単語「（」が出現し、その次に「日」「月」「火」「水」「木」「金」「土」のいずれかの単語が出現し、その次に単語「）」が出現する単語列のパターンを示している。パターン番号「６」は、単語「今日」が出現する単語列のパターンを示している。このパターン番号「１〜６」には優先順位を設定してもよいものとする。

ここでは表２中、文番号２の単語番号１〜５までの単語列「２０１０．０３．２５」は、表３のパターン番号「１」に該当するため、日時表現として特定する。また、文番号２の単語番号７〜８の単語列「４月１日」は、表３のパターン番号「２」に該当するため、同様に日時表現として特定する。他の単語列についても同様に日時表現を特定する。

表４は、図３の文書例に含まれる日時表現の特定結果の抜粋を示している。ここでは特定された日時表現の出現順位毎に「日時表現番号」が付与され、該日時表現毎に文番号と単語番号とが記述されている。

Ｓ１０４：日時表現文脈ベクトル取得部１４は、Ｓ１０３で特定された日時表現（表４の日時表現）の特徴、即ち該日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の前記文書例における出現位置などに基づき該日時表現がどのような文脈で用いられているのかを表す日時表現文脈ベクトルを求める。

ここでは日時表現文脈ベクトル取得部１４は、前記文書例の文書タイプを文書判別部で判別し、該判別結果を前記特徴に加えて日時表現文脈ベクトルを求めることとする。もっとも、文書中の日時表現の表記パターンと、該日時表現の前後に出現する単語と、日時表現の文書中での出現位置とを前記特徴とすれば、文書タイプを前記特徴に加えなくともよい。また、文書がＷｅｂページの文書であればＨＴＭＬのタグを前記特徴に加えてもよい。

具体的には、前記文書タイプの判別部は、事前に用意した文書タイプに応じて図３の文書例の文書タイプを判別する。ここでは一例として「一般」、「日記」の二種類の文書タイプを用意してあるものとする。この文書タイプは、前記二種類に限定されるものではなく、「企業サイト」などの文書タイプを用いてもよい。文書タイプの判定手法としては、あらかじめ一般の文書と日記の文書とを学習データとして用意し、該学習データに含まれる単語を用いて２値分類可能な機械学習により学習を行っておき、入力文書（前記文書例）に対してその中に含まれる単語を用いて２値分類可能な機械学習により分類し、文書タイプが「一般」あるいは「日記」かの判別を行う。文書タイプの判別手法の他例としては、文書内に日記特有の単語列が含まれる場合に「日記」と判別したり、ＷｅｂページのＵＲＬに特有の文字列が含まれている場合に「日記」と判別してもよい。

この判別後に日時表現文脈ベクトル取得部１４は、前記特徴をテーブルに記述された特徴パターンと照合し、前記文書例の日時表現文脈ベクトルを求める。このテーブルは、メモリ（ＲＡＭ）あるいはハードディスクドライブ装置などに記憶・保存されているものとする。

表５は、前記テーブルの特徴パターン例を示し、特徴パターン毎に特徴番号が付与されている。この特徴パターンは、表５の例に限定されるものではなく、例えば特徴番号１〜５以外の日時表現パターンを用いてもよく、前後の日時表現の表記パターンを特徴パターンに用いてもよく、日時表現の前後に出現する単語の種類を特徴番号４〜９よりも増加させてもよく、前後に出現する単語を１０単語以内としてもよく、文書の先頭からＮ番目以内の文に含まれるか否かを用いてもよく、複数の特徴パターンの「ＡＮＤ」や「ＯＲ」などを用いてもよく、各特徴パターンの重み付けをしてもよい。

そして、日時表現文脈ベクトル取得部１４は、前記各特徴に対してｉ番目（表５の例では「ｉ＝１〜１３」）の特徴パターンにマッチする場合は「１」・マッチしない場合は「０」を、ｉ番目の要素の値とするベクトルを日時表現文脈ベクトルとして求める。なお、表６は、日時表現文脈ベクトルの取得結果を示し、日時表現番号毎に特徴番号「１〜１３」に対する前記マッチングの結果が示されている。

Ｓ１０５：重要日時表現判定モデル作成部１５は、Ｓ１０４で求めた日時表現文脈ベクトルと、事前に定められた日時表現重要度Ｇとを用いて２値分類可能な機械学習手法により学習を行い、Ｓ１０３で特定された日時表現（表４の日時表現）の重要・不要を判定するための重要日時表現判定モデルを作成する。

この日時表現重要度は、Ｓ１０３で特定された日時表現が重要か否かを離散値で表し、テーブルに記述されている。このテーブルも、メモリ（ＲＡＭ）あるいはハードディスクドライブ装置などに記憶・保存されている。ここでは日時表現重要度は、表７のテーブル例に示すように、日時表現が重要である場合には「１」・重要でない場合には「−１」が記述されているものとする。

そして、重要日時表現判定モデル作成部１５は、Ｓ１０４で求めた各日時表現文脈ベクトルを素性ベクトル（訓練データ）、日時表現重要度Ｇを正解クラスとして、２値分類可能な機械学習の一種であるサポートベクターマシンにより学習を行い、重要日時表現判定モデルを作成する。例えば訓練データを「ｘ＝日時表現ベクトル」、「ｙ＝マッチング結果（１ ｏｒ −１）」とし、正解クラスに最も適合する関数関係「ｙ＝ｆ（ｘ）」を求める。これにより判定処理時に未知の日時表現文脈ベクトルに関係関数を適用し、日時表現の正解クラスを得ることが可能となる。

ここでは機械学習の手法は、サポートベクターマシンに限るものではなく、２値学習が可能であればよく、例えば最大エントロピー法やブースティングなどの機械学習を用いてもよい。なお、作成された重要日時表現判定モデルは、前記ＤＢ１８に格納され、前処理を終了する。

≪判定処理段階≫
つぎに図４に基づき実際の判定処理の動作ステップを説明する。ここでは前処理と同様に前記判定装置１はロボット型検索エンジンに応用され、クローラ（ロボットスパイダー）のクローリングによりＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）から収集されたＷｅｂページの文書、例えば図５の文書例に含まれる日時表現が重要か否かを判定するものとする。この文書例は、図３の文書例と同様にＷｅｂページからＨＴＭＬタグが除去されているが、ＨＴＭＬタグを含む文書であってもよい。なお、前記入力部への前記文書例の入力により判定処理（Ｓ２０１〜Ｓ２０５）が開始される。

Ｓ２０１〜Ｓ２０４：Ｓ２０１では、Ｓ１０１と同様に文分割部１１が前記文書例を文毎に分割する（Ｓ２０１）。Ｓ２０２では、Ｓ１０２と同様に単語分割部１２がＳ２０１で分割された各文を単語毎に分割する。Ｓ２０３では、Ｓ１０３と同様に日時表現特定部１３が日時表現に該当する単語列のパターンが記述された日時表現辞書１７を参照して、Ｓ２０２で分割された単語列のパターンから前記文書例に含まれる日時表現を特定する。

Ｓ２０４では、Ｓ１０４と同様に日時表現文脈ベクトル取得部１４が、Ｓ２０３で特定された日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の前記文書例における出現位置などの特徴に基づき該日時表現がどのような文脈で用いられているのかを表す日時表現文脈ベクトルを求める。

Ｓ２０５：重要日時表現判定部１６は、Ｓ２０４で求めた日時表現文脈ベクトルと重要日時表現判定モデルとを用いて、２値分類可能な機械学習により分類を行い、各日時表現の重要・不要を判定する。

すなわち、重要日時表現判定部１６は、前記ＤＢ１８を参照して重要日時表現判定モデルを取得する。この取得後に各日時表現の日時表現文脈ベクトルを素性ベクトルとして、Ｓ１０５の学習のときと同様にサポートベクターマシンにより重要日時表現判定モデルに応じて２値分類を行い、各日時表現の重要性を表す正負の尤度を取得する。

この機械学習手法は、サポートベクターマシンに限らず、Ｓ１０５の学習のときに利用した手法と同様であればよく、最大エントロピー法やブースティングなどの機械学習手法を用いてもよい。サポートベクターマシンを用いた場合には、得られた尤度の符号によって日時表現の重要・不要を判定することができる。尤度が「正」であれば重要・「負」であれば不要と判定する。

表８は、重要日時表現判定部１６の判定結果を示し、日時表現番号毎に日時表現の「重要・不要」が示されている。この判定結果を出力し、前記文書例の判定処理を終了する。

このように前記判定装置１によれば、電子文書中の日時表現の表記パターン、日時表現の前後に出現する単語、日時表現の文書中での出現位置を用いて、２値分類の機械学習により日時表現の重要・不要を判定することで、様々な形式で記述された日時表現に対して電子文書の内容に関連する重要な日時表現か否かを判定することができる。このとき文書タイプを加えて日時表現の重要・不要を判定すれば、文書タイプに即した判定結果が得られ、判定精度の向上が期待できる。

この判定結果は、検索エンジンのサーバにインデックス化されるため、ユーザ入力の検索キーワードと日時表現とを基に該インデックスを参照して文書検索することにより、検索エンジンが様々なパターンで記述された日時表現に対応でき、検索精度の向上に貢献する。

なお、本発明は、上記実施形態に限定されるものではなく、装置構成や処理内容などは各請求項に記載した範囲内で変形することができる。例えば、前記判定装置１は検索エンジンだけではなく、社内ネットワークの文書検索システムにも応用可能である。

≪プログラムなど≫
本発明は、前記判定装置１の各部１１〜１８の一部もしくは全部として、コンピュータを機能させるプログラムとして構成することもできる。この場合には、前処理（Ｓ１０１〜Ｓ１０５）、判定処理（Ｓ２０１〜Ｓ２０５）の全ステップあるいは一部のステップをコンピュータに実行させる。

このプログラムは、Ｗｅｂサイトや電子メールなどネットワークを通じて提供することができる。また、前記プログラムは、ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ，ＣＤ−Ｒ，ＣＤ−ＲＷ，ＤＶＤ−Ｒ，ＤＶＤ−ＲＷ，ＭＯ，ＨＤＤ，ＢＤ−ＲＯＭ，ＢＲ−Ｒ，ＢＤ−ＲＥなどの記録媒体に記録して、保存・配布することも可能である。この記録媒体は、記録媒体駆動装置を利用して読み出され、そのプログラムコード自体が前記実施形態の処理を実現するので、該記録媒体も本発明を構成する。

本発明は、時間を考慮した検索を行う検索システムの開発などに利用可能である。

１…日時表現重要度判定装置
１１…文分割部（文分割手段）
１２…単語分割部（単語分割手段）
１３…日時表現特定部（日時表現特定手段）
１４…日時表現文脈ベクトル取得部（日時表現文脈ベクトル取得手段）
１５…重要日時表現判定モデル作成部（重要日時表現判定モデル作成手段）
１６…重要日時表現判定部（重要日時表現判定手段）
１７…日時表現辞書
１８…重要日時表現判定モデルＤＢ
Ｇ…日時表現重要度

Claims (9)

1. 電子文書に含まれる日時表現に対して、電子文書の内容に関連する重要な日時表現か否かを判定する重要日時表現判定方法であって、
   日時表現特定手段が、日時表現に該当する単語列のパターンが記述された日時表現辞書を参照して、入力された電子文書を構成する各文の単語列パターンから日時表現を特定する日時表現特定ステップと、
   日時表現文脈ベクトル取得手段が、前記特定ステップで特定された日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の文書中での出現位置に基づき、事前に定めた特徴パターンにマッチするか否かを要素値とする日時表現文脈ベクトルを求める日時表現文脈ベクトル取得ステップと、
   重要日時表現判定手段が、前記ベクトル取得ステップで算出された日時表現文脈ベクトルを、事前の学習で作成した日時表現の重要・不要を判定するための重要日時表現判定モデルに応じて分類し、前記特定手段により特定された日時表現が重要か否かを判定する重要日時表現判定ステップと、
   を有することを特徴とする重要日時判定方法。
2. 前記学習時に前記特定ステップおよび前記ベクトル取得ステップを通じて日時表現文脈ベクトルを求め、
   重要日時表現判定モデル作成手段が、該日時表現文脈ベクトルと日時表現の重要性を数値化した日時表現重要度とを用いて、２値分類可能な機械学習により前記判定モデルを作成する重要日時表現判定モデル作成ステップをさらに有する
   ことを特徴とする請求項１記載の重要日時判定方法。
3. 文分割手段が、入力された電子文書を文毎に分割する文分割ステップと、
   単語分割手段が、文分割ステップで分割された各文を単語毎に分割する単語分割ステップと、をさらに有し、
   前記特定ステップは、前記単語分割ステップで分割された単語の単語列パターンから日時表現を特定する
   ことを特徴とする請求項１または２のいずれか１項に記載の重要日時判定方法。
4. 文書タイプ判別手段が、事前に用意された文書タイプに応じて、入力された電子文書の文書タイプを判別する文書タイプ判別ステップをさらに有し、
   前記ベクトル取得ステップにおいて、前記判別ステップの判別結果を前記日時表現文脈ベクトルに反映させる
   ことを特徴とする請求項１〜３のいずれか１項に記載の重要日時判定方法。
5. 電子文書に含まれる日時表現に対して、電子文書の内容に関連する重要な日時表現か否かを判定する重要日時表現判定装置であって、
   電子文書に含まれる日時表現を特定し、該日時表現が電子文書の内容に関わる重要な日時表現か否かを判定する重要日時表現判定装置であって、
   日時表現に該当する単語列のパターンが記述された日時表現辞書を参照して、入力された電子文書を構成する各文の単語列パターンから日時表現を特定する日時表現特定手段と、
   該特定手段により特定された日時表現の表記パターン、該日時表現の前後に出現する単語、該日時表現の文書中での出現位置に基づき、事前に定めた特徴パターンにマッチするか否かを要素値とする日時表現文脈ベクトル取得手段と、
   該ベクトル取得手段で求めた日時表現文脈ベクトルを、事前学習で作成した日時表現の重要・不要を判定するための重要日時表現判定モデルに応じて分類し、前記特定手段により特定された日時表現が重要か否かを判定する重要日時表現判定手段と、
   を備えることを特徴とする重要日時判定装置。
6. 前記学習時に前記特定手段および前記ベクトル取得手段で求めた日時表現文脈ベクトルと、日時表現の重要性を数値化した日時表現重要度とを用いて、
   ２値分類可能な機械学習により前記判定モデルを作成する重要日時表現判定モデル作成手段をさらに備える
   ことを特徴とする請求項５記載の重要日時判定装置。
7. 入力された電子文書を文毎に分割する文分割手段と、該文分割手段により分割された各文を単語毎に分割する単語分割手段とをさらに備え、
   前記特定手段が、前記単語分割手段により分割された単語の単語列パターンから日時表現を特定する
   ことを特徴とする請求項５または６のいずれか１項に記載の重要日時判定装置。
8. 事前に用意された文書タイプに応じて、入力された電子文書の文書タイプを判別する文書タイプ判別手段をさらに備え、
   前記ベクトル取得手段が、前記判別手段の判別結果を前記日時表現文脈ベクトルに反映させる
   ことを特徴とする請求項３記載の重要日時判定装置。
9. 請求項５〜請求項８のいずれか１項に記載の重要日時判定装置としてコンピュータを機能させるための重要日時判定プログラム。

Images