JP5423993B2 - テキスト処理装置、テキスト処理方法、及びプログラム - Google Patents

Description

本発明は、同一の事象を対象としているが、互いに異なる生成過程を経て生成された、第一のテキストと第二のテキストとが与えられたときに、テキストの解析処理を行う、テキスト処理装置、テキスト処理方法及びプログラムに関する。

同一の事象を対象として、異なる生成過程によって二種類のテキストが生成される場合がある。そして、一方の種類のテキストを第一のテキストとし、複数の第一のテキストの集合を第一のテキスト集合とする。また、他方の種類のテキストを第二のテキストとし、複数の第二のテキストの集合を第二のテキスト集合とする。このような２種類のテキストが存在する場合に、第一のテキスト集合を構成する第一のテキストから、対応する第二のテキストに記述すべき内容が記述された部分を特定する事は有用である。

例えば、コールセンターにおいて、通話音声は音声認識され、その結果、多数のテキストが得られている。この得られたテキストが第一のテキスト、その集合が第一のテキスト集合である場合を考える。多くのコールセンターにおいては、オペレータは通話の要点をまとめ、テキストで構成された応対メモを作成する。従って、多くのコールセンターでは、第一のテキスト集合の各第一のテキストに対応する応対メモの集合が存在する事になる。応対メモは、第一のテキストと同一の事象を対象として、それとは異なる生成工程によって生成されているから、この応対メモを第二のテキストとし、応対メモの集合を第二のテキスト集合として捉える事ができる。

このようなコールセンターでの状況下では、各音声認識テキストの中で、対応する応対メモ中に書かれるべき要点となる部分を特定する事は重要である。各音声認識テキストの中で、対応する応対メモ中に書かれるべき要点となる部分を特定する事ができれば、例えば、該部分をハイライトしておく事で、分析者は重要な部分のみを見る事ができ、分析効率の向上が図られる。また、その後、要点部分に着目したテキストマイニングや、要点部分に着目した検索、更には、各音声認識テキストの要点を利用した要約の作成なども可能になる。

また、他に、例えば、論文の集合を第一のテキスト集合であると考えた場合、該集合内の各論文に対応する発表資料が存在することがある。この場合では、該発表資料の集合を第二のテキスト集合と捉える事ができる。そして、各論文（第一のテキスト集合）の中から、発表資料として書かれるべき重要な部分を特定する事は、重要である。

各論文の中から、発表資料として書かれるべき部分を特定する事ができれば、例えば、該部分をハイライトする事で、論文の読者は、効率的に閲覧を行うことが可能になる。また、先に述べた、通話音声を音声認識して得られたテキスト集合を第一のテキスト集合とした場合と同様、上記の場合も、その後の、テキストマイニングや検索、要約の作成に役立てることができる。

また、例えば、ある文書集合に対して、異なる二人の人がそれぞれ要約を行って要約文書を作成する場合を考える。この場合、一方の人により要約された要約文書の集合を第一のテキスト集合として、他方の人により要約された要約文書の集合を第二のテキスト集合として捉える事ができる。

異なる二人がそれぞれ要約を作成する状況下でも、第一のテキスト集合を構成する各第一のテキスト中から、対応する第二のテキストに書かれるべき部分を特定することは重要である。このような特定を行えば、特定された部分を見る事で、二人によって重要であると思われた部分を決定でき、決定された部分に着目した分析も可能となる。また、決定された部分以外を見る事で、二人の要約の違いを分析する事も可能となる。

そして、二つのテキストの対を入力とし、一方のテキスト中から他方のテキストに記述されている部分を特定する手法としては、テキスト間のアラインメント(対応付け:alignment)手法が知られている。アラインメント手法では、一つのテキストは、同質の情報の塊であるセグメントの列として捉えられる。そして、このアライメント手法では、一方のテキスト中のセグメントの内容に対応するセグメントが、他方のテキスト中のいずれかのセグメントに存在しているのか、又は存在していないのかが判定される。

例えば、特許文献１及び非特許文献１は、アラインメント手法の具体的な一例を開示している。特許文献１は、アラインメントの手がかりとして、多様な語彙情報や、知識情報を効率的に用いるアライメント手法を開示している。特許文献１に開示されたアライメント手法では、原語と、その翻訳文とのアライメントが行われる。

また、非特許文献１に開示のアライメント手法では、最終的に実行される、文毎のアラインメントの前段階として、先ず、各文が属する段落のトピックが判定され、該トピックを利用した、段落間のマクロなアラインメントが実行される。そして、対応付けられた段落対を対象にして、文単位のアラインメントが実行される。非特許文献１に開示されたアライメント手法では、百科事典の詳細版と、その簡易版とのアラインメントが行われる。

よって、第一のテキストと、これに対応する第二のテキストとの対を、特許文献１又は非特許文献１に開示されたアラインメント手法の入力とすれば、第一のテキストの中から、第二のテキスト内に記述されている部分（セグメント）が特定される。

特開２００２−２１５６１９号公報

R. Barzilay and N. Elhadad, "Sentence Alignment for Monolingual Comparable Corpora", In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP 2003), pp.25-32, 2003.

ところで、実存するテキストのなかには、テキストを生成した者のミス等が原因で、本来ならばテキストの内容として書かれるべき情報が一部欠如しているものが存在している。例えば、コールセンターにおける応対メモのなかには、オペレータの書き忘れや判断ミス等が原因で、本来ならば、応対メモとして残すべき情報が含まれていないものが存在する。

しかしながら、上記の特許文献１及び非特許文献１に開示されたアラインメント手法では、入力された二つのテキストの対、つまり、第一のテキストとそれに対応する第二のテキストとの対のみを手がかりとして、アライメントが行われる。そして、この手がかりから、第一のテキストにおける第二のテキストに記述されたセグメントが特定される。

そのため、上述のアライメント手法を用いると、第二のテキストとして書かれるべき情報が欠如した第二のテキストが存在している場合に、次の問題が発生する。つまり、この場合、本来ならば第二のテキスト集合内に書かれるべき部分として判定される第一のテキストのセグメントが、対応する第二のテキストにおける情報の欠如により、書かれるべき部分として正しく判定されない、という問題が発生する。

本発明の目的は、上記問題を解消し、解析対象とするテキストに対応している別のテキストにおいて、情報の一部が欠如していても、解析対象とするテキストから、別のテキストに記述すべき部分を特定し得る、テキスト処理装置、テキスト処理方法、及びプログラムを提供することにある。

上記目的を達成するため、本発明におけるテキスト処理装置は、第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うテキスト処理装置であって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
当該テキスト処理装置は、セグメント判定部と、記述内容判定部とを備え、
前記セグメント判定部は、解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定し、
前記記述内容判定部は、前記セグメント判定部による判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ことを特徴とする。

また、上記目的を達成するため、本発明におけるテキスト処理方法は、第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うためのテキスト処理方法であって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
当該テキスト処理方法は、
（ａ）解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｂ）前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを有することを特徴とする。

更に、上記目的を達成するため、本発明におけるプログラムは、第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比する、解析処理を、コンピュータに実行させるための、プログラムであって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
前記コンピュータに、
（ａ）解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｂ）前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを実行させる、ことを特徴とする。

以上の特徴により、本発明によれば、解析対象とするテキストに対応している別のテキストにおいて、情報の一部が欠如していても、解析対象とするテキストから、別のテキストに記述すべき部分を特定することができる。

図１は、本発明の実施の形態１におけるテキスト処理装置の概略構成を示すブロック図である。 図２は、本発明におけるテキスト処理の原理を示す説明図である。 図３は、本発明の実施の形態１におけるテキスト処理方法で行われる処理の流れを示すフロー図である。 図４は、本発明の実施の形態２におけるテキスト処理装置の概略構成を示すブロック図である。 図５は、本発明の実施の形態２におけるテキスト処理方法で行われる処理の流れを示すフロー図である。 図６は、本発明の実施の形態３におけるテキスト処理装置の概略構成を示すブロック図である。 図７は、本発明の実施の形態３におけるテキスト処理方法で行われる処理の流れを示すフロー図である。 図８は、本発明の実施の形態４におけるテキスト処理方法で行われる処理の流れを示すフロー図である。 図９は、本発明の実施の形態５におけるテキスト処理方法で行われる処理の流れを示すフロー図である。 図１０は、実施例１で用いられる音声認識テキストの一例を示す図である。 図１１は、実施例１で用いられる応対メモ集合の一例を示す図である。 図１２は、同種セグメントの判定に際して行われる形態素解析の解析結果の一例を示す図である。 図１３は、同種セグメントの判定に際して作成される単語ベクトルの一例を示す図である。 図１４は、実施例１における同種セグメントの判定結果の一例を示す図である。 図１５は、第一のテキストとそれに対応する第二のテキストとを形態素解析した結果の一例を示す図である。 図１６は、実施例１で算出される相互情報量の一例を示す図である。 図１７は、セグメントの内容が第二のテキストに記述されているかどうかの判定結果の一例を示す図である。 図１８は、実施例１において応対メモに記述されるべきと判定されたセグメントの一例を示す図である。 図１９は、実施例２で用いられる音声認識テキストの一例を示す図である。 図２０は、実施例２で用いられる応対メモ集合の一例を示す図である。 図２１は、実施例２においてトピックで分割された通話音声認識結果の一例を示している。 図２２は、実施例２においてフェーズで分割された通話音声認識結果の一例を示している。 図２３は、実施例３における同種セグメントの判定結果の一例を示す図である。 図２４は、実施例４において計算された類似度スコアの一例を示す図である。 図２５は、実施例５において計算された含有スコアの一例を示す図である。

（実施の形態１）
以下、本発明の実施の形態１におけるテキスト処理装置、テキスト処理方法、及びプログラムについて、図１〜図３を参照しながら説明する。最初に、本実施の形態１におけるテキスト処理装置の構成について図１及び図２を用いて説明する。図１は、本発明の実施の形態１におけるテキスト処理装置の概略構成を示すブロック図である。図２は、本発明におけるテキスト処理の原理を示す説明図である。

図１に示す本実施の形態１におけるテキスト処理装置３０は、入力となる第一のテキスト集合と第二のテキスト集合とを対比して、解析処理を実施する。図２に示すように、第一のテキスト集合は、第一のテキスト（１）〜（ｎ）によって構成されている。また、第二のテキスト集合は、各第一のテキストに対応する第二のテキスト（１）〜（ｎ）によって構成されている。また、第一のテキストとそれに対応する第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されている。なお、図２において、ｎ及びｍは整数であり、ｎ＞ｍの関係にある。

本実施の形態１では、第一のテキストの例としては、後述の実施例１にも示すように、コールセンターにおける通話音声を音声認識して得られたテキストが挙げられる。この場合の第二のテキストの例としては、オペレータが作成した応対メモが挙げられる。また、第一のテキスト集合及び第二のテキスト集合内の各テキストは、予め、解析単位となるセグメントに明示的に分割されている。各テキストは、その後のテキスト処理装置３０による作業において、セグメント単位で機械処理できる状態とされている。なお、セグメントの設定は、例えば、文、段落、トピック、及びフェーズなどに基づいて行うことができる。トピック及びフェーズについては、実施の形態２において具体的に説明する。

図１に示すように、テキスト処理装置３０は、セグメント判定部３６と、記述内容判定部３３とを備えている。セグメント判定部３６は、解析対象に設定された第一のテキスト（以下「解析対象テキスト」とする。）を構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定する。また、記述内容判定部３３は、セグメント判定部３６による判定の結果に基づいて、解析対象テキストを構成する各セグメントが、解析対象テキストに対応する、第二のテキストに記述されるべきかどうかを判定する。

本実施の形態１では、セグメント判定部３６は、更に、同種セグメント特定部３１と、含有判定部３２とを備えている。同種セグメント特定部３１は、先ず、解析対象テキストを構成する複数個のセグメントそれぞれと、別の第一のテキストとを対比する。続いて、同種セグメント特定部３１は、別の第一のテキストを構成する複数個のセグメントから、解析対象テキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとする。含有判定部３２は、同種セグメントの内容が、同種セグメントを含む第一のテキスト（解析対象テキストとは別の第一のテキスト）に対応する、第二のテキストに含まれているかどうかを判定する。

本実施の形態１では、記述内容判定部３３は、含有判定部３２による判定の結果に基づいて、同種セグメントの内容が、同種セグメントを含む第一のテキストに対応する第二のテキストに含まれている程度を求める。この程度としては、同種セグメントの内容が、対応する第二のテキストに記述される回数や、同種セグメントの内容が、対応する第二のテキストに記述される割合が挙げられる。

更に、記述内容判定部３３は、求められた程度に基づいて、解析対象テキストを構成する各セグメントが、解析対象テキストに対応する第二のテキストに記述されるべき度合い（以下「関連度」という。）を求める。

このとき、記述内容判定部３３は、上記程度が第二のテキストに記述される回数である場合は、回数が多いほど関連度が高くなるようにして、関連度を計算する。更に、記述内容判定部３３は、上記程度が第二のテキストに記述される割合である場合は、割合が高いほど関連度が高くなるように、関連度を計算する。そして、記述内容判定部３３は、計算された関連度を用いて、解析対象テキストを構成する各セグメントが、対応する第二のテキストに記述されるべきかどうかを判定する。

本実施の形態１では、テキスト処理装置３０には、入力装置１０と出力装置２０とが接続されている。入力装置１０は、第一のテキスト集合及び第二のテキスト集合をテキスト処理装置３０に入力する装置である。入力装置１０の具体例としては、キーボード等の入力機器、ネットワーク等を介してテキストデータを送信するコンピュータ装置、テキストデータが記録された記録媒体の読取が可能な読取装置等が挙げられる。出力装置２０は、テキスト処理装置３０による解析処理の結果を出力する装置であり、出力装置２０の具体例としては、表示装置や印刷装置が挙げられる。

また、本実施の形態１では、テキスト処理装置３０は、入力受付部３４を備えている。入力受付部３４は、入力装置１０によって入力された第一のテキスト集合及び第二のテキスト集合を受け付けると、これらを同種セグメント特定部３１及び含有判定部３２に入力する。更に、テキスト処理装置３０は、プログラム制御により動作するコンピュータによって実現されており、コンピュータのＣＰＵ（中央処理装置：central processing unit）が、同種セグメント特定部３１、含有判定部３２、及び記述内容判定部３３として機能している。

次に、本発明の実施の形態１におけるテキスト処理方法について図３を用いて説明する。図３は、本発明の実施の形態１におけるテキスト処理方法で行われる処理の流れを示すフロー図である。また、本実施の形態１において、テキスト処理方法は、図１に示した本実施の形態１におけるテキスト処理装置３０を動作させることによって実施される。このため、以下のテキスト処理方法の説明は、適宜図１及び図２を参酌しながら、図１に示すテキスト処理装置３０の動作の説明と共に行う。

図３に示すように、最初に、入力受付部３４は、入力装置１０から、第一のテキスト集合と第二のテキスト集合との２つの集合（図２参照）を入力として受け付け、続いて、解析対象となる第一のテキスト集合中の第一のテキストの指定を受け付ける（ステップＡ１）。

具体的には、例えば、図２に示すように、第一のテキスト（１）〜（ｎ）で構成された第一のテキスト集合と、第二のテキスト（１）〜（ｎ）で構成された第二のテキスト集合との入力が受け付けられる。図２において、カッコ内の番号が互いに一致する、第一のテキストと第二のテキストとは、同一の事象を対象として、異なる生成過程によって生成されており、互いに対応している。また、図２の例では、第一のテキスト（１）が解析対象として指定されている。

続いて、同種セグメント特定部３１は、解析対象テキストを除く第一のテキスト集合内の全セグメントの中から、解析対象テキスト内の各セグメントＡ〜Ｄと類似した同種セグメントを特定する（ステップＡ２）。図２の例では、セグメントＢ´は、セグメントＢの同種セグメントであると判定されている。なお、実際には、セグメントＢ以外のセグメント（セグメントＡ、Ｃ、Ｄ）についても同種セグメントは特定される。図２の例は、特に、セグメントＢに着目した場合を示している。

次に、含有判定部３２は、ステップＡ２で特定された同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に、記述されているか否かを判定する（ステップＡ３）。図２の例では、同種セグメントＢ´は、第二のテキスト（２）及び（ｍ）に記述されている。また、本実施の形態１では、含有判定部３２は、解析対象テキスト内の各セグメント（セグメントＡ〜Ｄ）の内容が、第二のテキスト集合内の対応するテキスト中に、記述されているか否かも判定している。

続いて、記述内容判定部３３は、ステップＡ３における判定の結果に基づいて、同種セグメントの内容が、対応する第二のテキストに含まれている程度を求め、求めた程度に基づいて、関連度を計算する（ステップＡ４）。なお、関連度とは、上述したように、解析対象テキストを構成する各セグメントが、対応する第二のテキストに記述されるべき度合いをいう。また、本実施の形態１では、解析対象テキスト内の各セグメントの内容が、第二のテキスト集合内の対応するテキストに含まれているかどうかの判定結果も、関連度の計算に利用されている。

その後、記述内容判定部３３は、ステップＡ４で計算された各セグメントの関連度に基づいて、解析対象テキストを構成する各セグメントＡ〜Ｄが第二のテキストに記述されるべきかどうかを判定する。そして、判定の結果に基づいて、記述内容判定部３３は、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントを特定し、これを出力装置２０に出力する（ステップＡ５）。

なお、記述内容判定部３３は、第二のテキストに記述されるべきセグメントのみを出力しても良いし、ステップＡ５で求められた関連度についても、特定されたセグメントと共に出力しても良い。また、図２の例では、セグメントＢが、第二のテキストに記述されるべきセグメントに特定されているが、これは単なる一例であり、他のセグメントが、第二のテキストに記述されるべきセグメントとして特定されていても良い。

本実施の形態１におけるプログラムは、コンピュータに、図３に示すステップＡ１〜Ａ５を実行させる命令を含むプログラムであれば良い。本実施の形態１におけるプログラムをコンピュータにインストールし、実行することによって、本実施の形態１におけるテキスト処理装置３０を実現できる。この場合、上述したように、コンピュータのＣＰＵは、同種セグメント特定部３１、含有判定部３２、及び記述内容判定部３３として機能し、処理を行なう。

また、本実施の形態１におけるプログラムは、コンピュータ読み取り可能な記録媒体、例えば、光ディスク、磁気ディスク、光磁気ディスク、半導体メモリ、フロッピーディスク等に記憶された状態で、又はネットワークを介して供給される。

このように、本実施の形態１では、記述内容判定部３３は、同種セグメントの内容が、第二のテキスト集合内の対応するテキストに記述されているか否かを考慮して、解析対象テキストを構成する各セグメントが第二のテキストに記述すべきか否かを判定している。よって、解析対象テキストのセグメントの内容が、対応する第二のテキストに記述されているか否かという情報のみで、記述すべき内容の判定を行う場合と異なり、第二のテキストに書かれるべき情報の一部が欠如していても、正しく判定することが可能となる。

つまり、第二のテキストにおいて欠如していた、本来ならば書かれるべき情報は、解析対象テキスト以外の第一のテキストに出現すれば、それに対応する第二のテキスト集合内のテキストにも記述される確率が高いはずである。例えば、図２におけるセグメントＢの同種セグメントＢ´の内容は、第二のテキストに記述されている。従って、解析対象テキスト以外の第一のテキストに存在する同種セグメントの内容が、該同種セグメントに対応する第二のテキスト集合内のテキストに記述されている度合いが高ければ、同種セグメントの元となったセグメントの内容は、第二のテキストに書かれるべき内容だと判断できる。この結果、解析対象テキストを構成するセグメントの内容が第二のテキストに記述すべき内容かどうかが、正しく判断される。

（実施の形態２）
次に、本発明の実施の形態２におけるテキスト処理装置、テキスト処理方法及びプログラムについて図４及び図５を参照して詳細に説明する。最初に、本実施の形態２におけるテキスト処理装置の構成について図４を用いて説明する。図４は、本発明の実施の形態２におけるテキスト処理装置の概略構成を示すブロック図である。

図４に示すように、本実施の形態２におけるテキスト処理装置１３０は、テキスト分割部１３５を備えており、この点で、図１に示した実施の形態１におけるテキスト処理装置３０と異なっている。これ以外の点では、テキスト処理装置１３０は、図１に示したテキスト処理装置３０と同様に構成されている。

なお、テキスト処理装置１３０は、セグメント判定部１３６と、記述内容判定部１３３と、入力受付部１３４とを備え、更に、セグメント判定部１３６は、同種セグメント特定部１３１と、含有判定部１３２とを備えている。但し、これらは、それぞれ、図１に示された、セグメント判定部３６（同種セグメント特定部３１及び含有判定部３２を含む）、記述内容判定部３３、入力受付部３４と同様である。また、テキスト処理装置１３０も、図１に示したテキスト処理装置３０と同様に、プログラム制御により動作するコンピュータによって実現されている。更に、入力装置１１０及び出力装置１２０は、それぞれ、図１に示した入力装置１０及び出力装置２０と同様である。

図４に示すテキスト分割部１３５は、第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、複数個のセグメントを設定する。本実施の形態では、テキスト分割部１３５は、第二のテキストに対しても分割を行うことができ、複数個のセグメントに分割することができる。

ここで、セグメント設定に用いられる文とは、「。」や「、」で区切られた文字集合の単位である。また、「段落」とは、一又は二以上の文で構成された集合であって、人又は機械が設定した単位である。「トピック」とは、いわゆる話題であり、トピックで分割した場合は、同一又は類似の単語が繰り返し現れる部分が一つのセグメントとなる。

また、「フェーズ」とは、特定の分野で用いられる決まり文句（例えば、接客マニュアルで設定されている決まり文句）等によって仕切られた単位である。コールセンターを例にとると、「挨拶」→「問題点等の聞き出し」→「お客様情報の聞き出し」→・・・「終了」といった一連の流れにおける、各場面がフェーズとなる。

次に、本発明の実施の形態２におけるテキスト処理方法について図５を用いて説明する。図５は、本発明の実施の形態２におけるテキスト処理方法で行われる処理の流れを示すフロー図である。また、本実施の形態２において、テキスト処理方法は、図４に示した本実施の形態２におけるテキスト処理装置１３０を動作させることによって実施される。このため、以下のテキスト処理方法の説明は、適宜図４を参酌しながら、図４に示すテキスト処理装置１３０の動作の説明と共に行う。

図５に示すように、最初に、入力受付部１３４は、入力装置１１０から、第一のテキスト集合と第二のテキスト集合との２つの集合を入力として受け付け、続いて、解析対象となる第一のテキスト集合中の第一のテキストの指定を受け付ける（ステップＢ１）。ステップＢ１は、実施の形態１におけるステップＡ１と同様に行われる。但し、ステップＢ１においては、ステップＡ１と異なり、入力される第一のテキスト集合及び第二のテキスト集合内の各テキストは、必ずしも解析単位のセグメント（例えば、文や段落やトピックや話題のフェーズなど）に分割されている必要はない。

続いて、テキスト分割部１３５は、第一のテキスト集合及び第二のテキスト集合内の各テキストを分割し、解析単位となる複数個のセグメントを設定する（ステップＢ２）。その後、セグメント分割された第一のテキスト集合と第二のテキスト集合とに対して、ステップＢ３〜Ｂ６の処理が行われる。但し、以降のステップＢ３〜Ｂ６は、それぞれ、実施の形態１において図３に示したステップＡ２〜Ａ５のそれぞれと同様のステップであり、ステップＢ３〜Ｂ６の説明は省略する。

本実施の形態２におけるプログラムは、コンピュータに、図５に示すステップＢ１〜Ｂ６を実行させる命令を含むプログラムであれば良い。本実施の形態２におけるプログラムをコンピュータにインストールし、実行することによって、本実施の形態２におけるテキスト処理装置１３０を実現できる。この場合、コンピュータのＣＰＵは、同種セグメント特定部１３１、含有判定部１３２、記述内容判定部１３３及びテキスト分割部１３５として機能し、処理を行なう。

また、本実施の形態２におけるプログラムは、コンピュータ読み取り可能な記録媒体、例えば、光ディスク、磁気ディスク、光磁気ディスク、半導体メモリ、フロッピーディスク等に記憶された状態で、又はネットワークを介して供給される。

このように、本実施の形態２では、テキスト分割部１３５は、第一のテキスト集合及び第二のテキスト集合内の各テキストを分割し、解析単位であるセグメントを設定することができる。よって、本実施の形態２では、入力装置１１０から入力された第一のテキスト集合及び第二のテキスト集合内の各テキストは、予め、解析単位となるセグメントに分割されている必要はない。本実施の形態２によれば、テキストの種類等に応じて、同種セグメントの情報を利用するのに効果的なセグメント単位へ分割する事ができる。この結果、テキスト解析処理は、適切なセグメント単位で行われるため、最終的な出力の精度も向上する。

また、本実施の形態２は、第一のテキスト集合及び第二のテキスト集合の入力後にセグメントが設定される以外は、実施の形態１と同様であり、本実施の形態２を用いた場合も実施の形態１と同様の効果を得ることが可能である。

（実施の形態３）
次に、本発明の実施の形態３におけるテキスト処理装置、テキスト処理方法及びプログラムについて図６及び図７を参照して詳細に説明する。最初に、本実施の形態３におけるテキスト処理装置の構成について図６を用いて説明する。図６は、本発明の実施の形態３におけるテキスト処理装置の概略構成を示すブロック図である。

図６に示すように、本実施の形態３におけるテキスト処理装置２３０は、実施の形態１におけるテキスト処理装置３０と同様に、入力受付部２３４と、セグメント判定部２３６と記述内容判定部２３３とを備えている。また、セグメント判定部２３６は、同種セグメント特定部２３１と、含有判定部２３２とを備えている。更に、テキスト処理装置２３０は、プログラム制御により動作するコンピュータによって実現されている。

但し、本実施の形態３では、同種セグメント特定部２３１及び含有判定部２３２は、それぞれが実行する処理の点で、実施の形態１において図１に示した同種セグメント特定部３１及び含有判定部３２とは異なっている。この点について以下に説明する。

本実施の形態３においては、含有判定部２３２は、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、第二のテキストに含まれているかどうかを判定する。

また、同種セグメント特定部２３１は、解析対象テキストを構成する複数個のセグメントそれぞれと、含有判定部２３２によって第二のテキストに含まれていると判定され、且つ、解析対象テキストとは別の第一のテキストに含まれるセグメントとを対比する。更に、同種セグメント特定部２３１は、解析対象テキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとする。

なお、記述内容判定部２３３及び入力受付部２３４は、それぞれ、図１に示された、記述内容判定部３３及び入力受付部３４と同様である。更に、入力装置２１０及び出力装置２２０は、それぞれ、図１に示した入力装置１０及び出力装置２０と同様である。

次に、本発明の実施の形態３におけるテキスト処理方法について図７を用いて説明する。図７は、本発明の実施の形態３におけるテキスト処理方法で行われる処理の流れを示すフロー図である。また、本実施の形態３において、テキスト処理方法は、図６に示した本実施の形態３におけるテキスト処理装置２３０を動作させることによって実施される。このため、以下のテキスト処理方法の説明は、適宜図６を参酌しながら、図６に示すテキスト処理装置２３０の動作の説明と共に行う。

図７に示すように、最初に、入力受付部２３４は、図３に示した実施の形態１でのステップＡ１と同様に、第一のテキスト集合と第二のテキスト集合との入力を受け付け、続いて、解析対象となる第一のテキスト集合中の第一のテキストの指定を受け付ける（ステップＣ１）。

続いて、含有判定部２３２は、第一のテキスト集合内のテキストの全セグメントについて、各セグメントの内容が、第二のテキスト集合内の対応するテキスト内に記述されているか（含まれているか）否かを判定する（ステップＣ２）。

続いて、同種セグメント特定部２３１は、ステップＣ２において、対応する第二のテキスト内に内容が記述されていると判定され、且つ、解析対象テキストとは別の第一のテキストに含まれる、セグメントの集合を特定する。更に、同種セグメント特定部２３１は、このセグメント集合の中から、第一のテキストの各セグメントと類似する同種セグメントを特定する（ステップＣ３）。

続いて、記述内容判定部２３３は、ステップＣ２及びＣ３の結果に基づいて、第一のテキスト内の各セグメントの内容が、第二のテキストへ記述されるべき内容である度合いを示す関連度を計算する（ステップＣ４）。具体的には、計算には、ステップＣ４では、セグメントの内容が第二のテキストに記述されているかどうかと、内容が第二のテキスト集合内の対応するテキストに記述されている同種セグメントがどの程度存在するかとが、用いられる。

その後、記述内容判定部２３３は、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントを特定し、これを出力装置２２０に出力する（ステップＣ５）。ステップＣ５は、実施の形態１におけるステップＡ５と同様のステップである。

なお、本実施の形態３においても、実施の形態２と同様に、テキスト処理装置２３０は、テキスト分割部１３５を備えていても良い。この場合は、ステップＣ１とステップＣ２との間で、図５に示したステップＢ２が実施される。こうする事で、予め分析単位のセグメントに分割されていないテキストの集合を、入力となる第一のテキスト集合及び第二のテキスト集合として受け付ける事が可能となる。

本実施の形態３におけるプログラムは、コンピュータに、図７に示すステップＣ１〜Ｃ５を実行させる命令を含むプログラムであれば良い。本実施の形態３におけるプログラムをコンピュータにインストールし、実行することによって、本実施の形態３におけるテキスト処理装置２３０を実現できる。この場合、上述したように、コンピュータのＣＰＵは、同種セグメント特定部２３１、含有判定部２３２、及び記述内容判定部２３３として機能し、処理を行なう。

また、本実施の形態３におけるプログラムは、コンピュータ読み取り可能な記録媒体、例えば、光ディスク、磁気ディスク、光磁気ディスク、半導体メモリ、フロッピーディスク等に記憶された状態で、又はネットワークを介して供給される。

このように、本実施の形態３では、同種セグメントを探索する探索範囲は、対応する第二のテキスト集合内のテキスト内に同一内容が書かれているセグメントの集合である。このため、実施の形態３によれば、同種セグメントの特定に際して、解析対象テキスト以外の第一のテキストの全セグメントを探索対象とする、実施の形態１及び２に比べて、同種セグメントの探索の高速化が可能となる。また、本実施の形態３を用いた場合も、関連度は、内容が第二のテキストに記述されている同種セグメントがどの程度存在するかを基に計算されるため、実施の形態１と同様の効果を得ることが可能である。

（実施の形態４）
次に、本発明の実施の形態４におけるテキスト処理装置、テキスト処理方法及びプログラムについて図８を参照して詳細に説明する。本実施の形態４におけるテキスト処理装置は、図１に示した実施の形態１におけるテキスト処理装置３０と同様に構成されている。よって、以下の説明においては、適宜図１を参酌する。

本実施の形態４においては、同種セグメント特定部３１と記述内容判定部３３とで行われる処理が、実施の形態１と異なっている。具体的には、本実施の形態４では、同種セグメント特定部３１は、同種セグメントの特定に加え、解析対象テキストを構成する複数個のセグメントそれぞれと、同種セグメントとの類似の程度を表す類似度スコアを算出する。また、記述内容判定部３３は、更に、同種セグメント特定部３１によって算出された類似度スコアを用いて、関連度を計算する。

次に、本発明の実施の形態４におけるテキスト処理方法について図８を用いて説明する。図８は、本発明の実施の形態４におけるテキスト処理方法で行われる処理の流れを示すフロー図である。また、本実施の形態４において、テキスト処理方法は、本実施の形態４におけるテキスト処理装置を動作させることによって実施される。このため、以下のテキスト処理方法の説明は、適宜図１を参酌しながら、テキスト処理装置の動作の説明と共に行う。

図８に示すように、最初に、入力受付部３４は、図３に示した実施の形態１でのステップＡ１と同様に、第一のテキスト集合と第二のテキスト集合との入力を受け付け、続いて、解析対象となる第一のテキスト集合中の第一のテキストの指定を受け付ける（ステップＤ１）。

次に、同種セグメント特定部３１は、第一のテキスト集合内の全セグメントを対象に、解析対象テキストを構成する複数個のセグメントそれぞれと、同種セグメントとの類似の程度を表す類似度スコアを算出する（ステップＤ２）。この類似度スコアは、二つのセグメントがどの程度同じかを示している。

続いて、同種セグメント特定部３１は、ステップＤ２で算出した類似度スコアを基に、解析対象テキストの各セグメントの同種セグメントを、解析対象テキスト以外の第一のテキスト集合内の全セグメントの中から特定する（ステップＤ３）。

次に、含有判定部３２は、第１の実施の形態において図３に示したステップＡ３と同様に、同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に、記述されているか否かを判定する（ステップＤ４）。また、ステップＤ４では、含有判定部３２は、解析対象テキスト内の各セグメントの内容が、第二のテキスト集合内の対応するテキスト中に、記述されているか否かも判定する。

続いて、記述内容判定部３３は、ステップＤ４の判定結果とステップＤ２の類似度スコアとに基づいて、解析対象テキストの各セグメントに対し、該セグメントの内容が、第二のテキストに記述されるべき内容である度合いを示す関連度を計算する（ステップＤ５）。

その後、記述内容判定部３３は、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントを特定し、これを出力装置２０に出力する（ステップＤ６）。ステップＤ６は、実施の形態１におけるステップＡ５と同様のステップである。

また、本実施の形態４におけるプログラムは、コンピュータに、図８に示すステップＤ１〜Ｄ６を実行させる命令を含むプログラムであれば良い。本実施の形態４におけるプログラムをコンピュータにインストールし、実行することによって、本実施の形態４におけるテキスト処理装置を実現できる。この場合、上述したように、コンピュータのＣＰＵは、同種セグメント特定部３１、含有判定部３２、及び記述内容判定部３３として機能し、処理を行なう。

また、本実施の形態４におけるプログラムは、コンピュータ読み取り可能な記録媒体、例えば、光ディスク、磁気ディスク、光磁気ディスク、半導体メモリ、フロッピーディスク等に記憶された状態で、又はネットワークを介して供給される。

このように、本実施の形態４では、記述内容判定部３３は、類似度スコアを利用するため、セグメントの内容が第二のテキスト集合内の対応するテキスト中に記述されているか否かという情報は、実施の形態１の場合よりも厳密なものとなる。つまり、本実施の形態４では、完全に同じであると判定できるセグメントの影響は、あまり類似していないセグメントの影響よりも大きくなる。従って、本実施の形態４によれば、最終出力の精度の向上を図ることが可能となる。

また、本実施の形態４を用いた場合も、関連度は、内容が第二のテキストに記述されている同種セグメントがどの程度存在するかを基に計算されるため、実施の形態１と同様の効果を得ることが可能である。

なお、本実施の形態４では、実施の形態２におけるステップＢ２を、ステップＤ２及びＤ３の実行前に行うことができる。この場合、実施の形態２と同様の効果が得られる。また、実施の形態３におけるステップＣ４に、本実施の形態におけるステップＤ４を適用し、ステップＣ４におけるセグメントの関連度の計算の際に、二つのセグメントがどの程度同じかを表す類似度スコアを用いることもできる。

具体的には、実施の形態３におけるステップＣ３の後で、ステップＤ２を実行し、解析対象テキストの各セグメントと、ステップＣ３によって同種セグメントと判定されたセグメントとが、どの程度同じかを表す類似度スコアを保存しておくのが良い。この場合、実施の形態３において、本実施の形態４における効果を付与することができる。

（実施の形態５）
次に、本発明の実施の形態５におけるテキスト処理装置、テキスト処理方法およびプログラムについて図９を参照して詳細に説明する。本実施の形態５におけるテキスト処理装置は、図１に示した実施の形態１におけるテキスト処理装置３０と同様に構成されている。よって、以下の説明においては、適宜図１を参酌する。

本実施の形態５においては、含有判定部３２と記述内容判定部３３とで行われる処理が、実施の形態１と異なっている。具体的には、含有判定部３２は、同種セグメントの内容についての判定に加え、解析対象テキストを構成する複数個のセグメントそれぞれと、同種セグメントとについて、含有スコアを算出する。含有スコアは、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、第二のテキストに含まれている可能性を表すスコアである。また、記述内容判定部３３は、更に、含有判定部３２によって算出された含有スコアを用い、含有スコアが高いほど関連度が高くなるように、関連度を求めることができる。

次に、本発明の実施の形態５におけるテキスト処理方法について図９を用いて説明する。図９は、本発明の実施の形態５におけるテキスト処理方法で行われる処理の流れを示すフロー図である。また、本実施の形態５において、テキスト処理方法は、本実施の形態５におけるテキスト処理装置を動作させることによって実施される。このため、以下のテキスト処理方法の説明は、適宜図１を参酌しながら、テキスト処理装置の動作の説明と共に行う。

図９に示すように、最初に、入力受付部３４は、図３に示した実施の形態１でのステップＡ１と同様に、第一のテキスト集合と第二のテキスト集合との入力を受け付け、続いて、解析対象となる第一のテキスト集合中の第一のテキストの指定を受け付ける（ステップＥ１）。

続いて、同種セグメント特定部３１は、解析対象テキストを除く第一のテキスト集合内の全セグメントの中から、解析対象テキスト内の各セグメントと類似した同種セグメントを特定する（ステップＥ２）。ステップＥ２は、図３に示した実施の形態１でのステップＡ２と同様のステップである。

続いて、含有判定部３２は、解析対象テキスト内の各セグメント、及び、ステップＥ２で該セグメントの同種セグメントと判定されたセグメントに対して、第二のテキスト集合内の対応するテキスト中に同一の内容が記述されているかを判定する。更に、含有判定部３２は、この判定に加え、解析対象テキスト内の各セグメントと同種セグメントとについて、同一の内容が記述されている可能性を表す含有スコアを計算する（ステップＥ３）。

続いて、記述内容判定部３３は、解析対象テキスト内の各セグメントに対し、該セグメントの内容が、第二のテキストへ記述されるべき内容である度合いを示す関連度を、ステップＥ３で計算した含有スコアを基に計算する（ステップＥ４）。つまり、ステップＥ４では、解析対象テキスト内の各セグメントの内容が第二のテキストに記述されている可能性を表す含有スコアと、同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に記述されている可能性を表す含有スコアとが用いられている。更に、ステップＥ４では、含有スコアが高いほど関連度は高くなっている。

その後、記述内容判定部３３は、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントを特定し、これを出力装置２０に出力する（ステップＥ６）。ステップＥ６は、実施の形態１におけるステップＡ５と同様のステップである。

また、本実施の形態５におけるプログラムは、コンピュータに、図９に示すステップＥ１〜Ｅ５を実行させる命令を含むプログラムであれば良い。本実施の形態５におけるプログラムをコンピュータにインストールし、実行することによって、本実施の形態５におけるテキスト処理装置を実現できる。この場合、上述したように、コンピュータのＣＰＵは、同種セグメント特定部３１、含有判定部３２、及び記述内容判定部３３として機能し、処理を行なう。

また、本実施の形態５におけるプログラムは、コンピュータ読み取り可能な記録媒体、例えば、光ディスク、磁気ディスク、光磁気ディスク、半導体メモリ、フロッピーディスク等に記憶された状態で、又はネットワークを介して供給される。

このように、本実施の形態５では、記述内容判定部３３は、関連度を計算する際、第二のテキスト集合内の対応するテキスト中に同一の内容が記述されている可能性を表す含有スコアを用いる。これにより、セグメントの内容が第二のテキスト集合内の対応するテキスト中に記述されているか否かという情報は、第１の実施の形態よりも厳密なものとなる。つまり、第二のテキスト集合内の対応するテキスト中に記述される可能性が高いセグメントが存在する方が、該可能性が低いセグメントが存在する場合よりも、関連度は大きくなる。従って、本実施の形態５によれば、最終出力も精度の向上を図ることが可能となる。

また、本実施の形態５を用いた場合も、関連度は、内容が第二のテキストに記述されている同種セグメントがどの程度存在するかを基に計算されるため、実施の形態１と同様の効果を得ることが可能である。

なお、実施の形態２におけるステップＢ４を本実施の形態５におけるステップＥ３に置き換え、更に、ステップＢ５をステップＥ４に置き換えることができる。そうする事で、実施の形態２においても、実施の形態５と同様の効果が得られる。

また、実施の形態３におけるステップＣ４において、本実施の形態５におけるステップＥ４のように、セグメントの関連度を計算する際、セグメントの内容が第二のテキスト集合内の対応するテキスト中に記述されている可能性を表す含有スコアを考慮することもできる。この場合は、実施の形態３においても、実施の形態５と同様の効果が得られる。

具体的には、実施の形態３におけるステップＣ２を「含有判定部２３２が、第一のテキスト集合内のテキストの全セグメントに対して、第二のテキスト集合内の対応するテキスト中に内容が記述されている可能性を表す含有スコアを計算する。そして、含有判定部２３２が、計算した含有スコアを基に、第二のテキスト集合内の対応するテキスト中に内容が記述されているか否かを判定する（ステップＣ２）。」という動作に変更すれば良い。

そして、実施の形態３におけるステップＣ４を「記述内容判定部２３３は、解析対象テキスト内の各セグメントの関連度を、含有判定部２３２で計算した、該セグメントの含有スコアと、該セグメントの同種セグメントの含有スコアを基に計算する（ステップＣ４）。」という動作に変更すれば良い。

また、実施の形態４におけるステップＤ４を本実施の形態５におけるステップＥ３へ置き換え、ステップＤ５を、「記述内容判定部３３は、解析対象テキスト中の各セグメントの関連度を、ステップＥ３と同様に計算した、該セグメントの含有スコアと、該セグメントの同種セグメントの含有スコアと、ステップＤ２で求めた、二つのセグメントがどの程度同じかを表す類似度スコアとを基に計算する（ステップＤ５）。」という動作に置き換えてもよい。そうする事で、実施の形態４においても、実施の形態５と同様の効果が得られる。

以下、図１０〜図１８を参照しながら、実施の形態１におけるテキスト処理装置及びテキスト処理方法の具体的な実施例を説明する。また、以下においては、図３に示したフロー図に沿って、実施の形態１におけるテキスト処理装置の動作を説明する。なお、適宜、図１も参酌する。

実施例１では、第一のテキスト集合は、図１０に示すように、コールセンターにおける通話音声を音声認識することによって得られた、音声認識テキストの集合である。また、第二のテキスト集合は、図１１に示すように、図１０に示す音声認識テキスト集合の認識元の通話に対する応対メモの集合である。実施例１は、音声認識テキスト集合中の各テキストの中で、応対メモ中の問い合わせ内容に書かれるべき部分の判定が行われる。図１０は、実施例１で用いられる音声認識テキストの一例を示す図である。図１１は、実施例１で用いられる応対メモ集合の一例を示す図である。

［ステップＡ１：入力の受け付け処理］
まず、入力受付部３４は、通話音声の音声認識結果の集合を第一のテキスト集合として、また、音声認識結果に対応する応対メモの集合を第二のテキスト集合として受け付ける。更に、入力受付部３４は、第一のテキスト集合の中からの解析対象となる第一のテキストの指定も、受け付ける(ステップＡ１)。

これらの入力テキストは、図１０及び図１１に示すように、予め、解析単位となるセグメントに明示的に分割されており、その後の作業において該セグメント単位で機械処理できる形になっているものとする。実施例１では、第一のテキスト集合及び第二のテキスト集合のセグメントの設定は、文（「。」又は「？」で区切った塊）に基づいて行われている。

［ステップＡ２：同種セグメントの特定］
次に、実施例１では、同種セグメント特定部３１が、第一のテキスト集合（図１０参照）内の全セグメントを対象に、第一のテキスト内の各セグメントと類似した同種セグメントの特定を行う。ここで、図１０に示した、１５２８０−１「お待たせしました、ＡＢＣコールセンターです。」及び１５２８０−３３「何かエラーは表示されていますか？」と、１５２８１−１「はい、ＡＢＣコールセンター」とについて行われる、同種セグメントの判定を説明する。

（形態素解析）
先ず、音声認識結果の集合内の全セグメントに対して形態素解析が実施される。この結果、例えば、図１２に示す形態素解析結果が得られる。図１２は、同種セグメントの判定に際して行われる形態素解析の解析結果の一例を示す図である。

（単語ベクトルの生成）
次に、自立語を用いて、一形態素がベクトルの一次元に対応し、全形態素数がベクトルの次元数となるベクトルを生成する。具体的には、図１３に示すように、各セグメントに対して、セグメントを構成する形態素に対応する要素が１、セグメント内に含まれない形態素に対応する要素は０とした単語ベクトルを生成する。図１３は、同種セグメントの判定に際して作成される単語ベクトルの一例を示す図である。図１３には、次元と単語の割り当て表と、それに基づいて作成された単語ベクトルの一例が示されている。

（クラスタリング）
次に、生成された各セグメントの単語ベクトルに対して、例えば、コサイン類似度を尺度にしたｋ−ｍｅａｎｓ法や、ＰＬＳＩなどの一般的なクラスタリング手法が実行される。これらのクラスタリング法の実行により、類似するセグメントがまとめられ、まとめられたクラス各々が同種類のセグメントの集まりと捉える事ができる。そして、同じクラスとなったセグメントが同種セグメントと判定される。

具体的には、例えば、ｋ−ｍｅａｎｓ法は、任意のセグメントにクラスタの中心を割り当て、コサイン類似度を用いて、クラスタの中心に最も近い別のセグメントを同一のクラスに分類する。その後、その分類結果の要素の平均が計算され、それを新たなクラスタの中心として、再分類が行われる。この一連の動作を繰り返し行うことでクラスタリングが実現する。

ここで、例えば、上記した１５２８０−１、１５２８１−１、１５２８０−３３のコサイン距離は、下記の通りとなる。
ｃｏｓｉｎｅ(１５２８０−１，１５２８０−３３)＝０／(√５＊√４)＝０
ｃｏｓｉｎｅ(１５２８０−１，１５２８１−１)＝３／(√５＊√３)＝０．
７７

このとき、クラスタの中心が１５２８０−１に割り当てられたと仮定すると、１５２８０−１と１５２８１−１との類似度が高いので、これら２つは同じクラスタに分配される。一方、１５２８０−１と１５２８０−３３との類似度は０なので、これら２つは同じクラスタに分配されない。この例では、再分類を繰り返しても、類似度の高いものは結局同じクラスタになり、１５２８０−１と１５２８１−１とは同じクラスタ、つまり、同種セグメントと判定される。

（その他）
また、実施例１では、例えば、第一のテキスト集合の各テキストに共通のフェーズがある場合は、フェーズに基づいて、同種セグメントを特定することもできる。例えば、各テキスト集合の共通のフェーズの手がかりを、下記の参考文献１に記載された手法で求めておき、その手がかりに該当する所でテキストを分割する。そして共通のフェーズに含まれるセグメントを類似しているセグメントと捉えられ、共通のフェーズに含まれるセグメントが、同種セグメントとして判定される。

（参考文献１）
R. Shourya and L.V. Subramaniam, “Automatic Generation of Domain Models for Call- Centers from Noisy Transcriptions”, In Proceedings of the 21st International Conference on Computational Linguistics and the 44th annual meeting of the Association for Computational Linguistics, pp737-755, 2006.

このようにして、例えば、図１４に示すように、同種セグメントを示す表が作成される。図１４では、同一行内にあるセグメント同士が、同種セグメントとなっている。図１４は、実施例１における同種セグメントの判定結果の一例を示す図である。

［ステップＡ３：同一内容の記述の判定］
次に、実施例１では、含有判定部３２が、解析対象テキスト内の各セグメント、及び、ステップＡ２で判定された、該セグメントの同種セグメントに対し、第二のテキスト集合内の対応するテキスト中に、同一の内容が記述されているか否かを判定する。

例えば、解析対象テキストが、図１０に示した通話音声認識結果（受付ＩＤ＝１５２８０）の場合について説明する。この場合、解析対象テキスト内の各セグメント（ＩＤ＝１５２８０−１，１５２８０−２，１５２８０−３，…)の同種セグメント（図１４において該セグメントと同一行にあるセグメント）を対象に、それらの内容が、対応する第二のテキスト中に記述されているか否かが判定される。

（アライメント手法を用いた判定）
あるセグメントの内容が、対応するテキストに記述されているかの判定は、例えば、上述した非特許文献１に開示された従来のアラインメント手法を用いる事で実現できる。具体的には、第一のテキストのセグメント（ＩＤ＝１５２８０−１）の内容が、第二のテキストに記述されているかの判定は、通話音声認識結果（受付ＩＤ＝１５２８０）と応対メモ（受付ＩＤ＝１５２８０）とを、上記のアラインメント手法の入力とする事で実現できる。

（相互情報量を用いた判定）
また、本実施例１では、セグメント同士のアラインメントを取り、第二のテキスト集合内の対応するテキストのどのセグメントに対応するかまでは判定せず、第二のテキスト集合内の対応するテキスト中に記述されているか否かのみが判定されても良い。

その他、第一のテキスト集合内のあるセグメントの内容が、第二のテキスト集合内の対応するテキスト内に記述されているかの判定は、相互情報量に基づいて行うこともできる。この判定は、下記の参考文献２に記載の共起関係を用いた差分生成法のように、相互情報量を基にする事で実現できる。

（参考文献２）
田村晃裕、石川開、安藤真一著、「コールセンターのコールメモと通話を対象とした差分マイニング」、ＦＩＴ２００８、２００８

ここで、相互情報量を用いた処理について、図１０に示した１５２８０−３５「恐らく紙が詰まっているのかと。」が、応対メモ１５２８０に記述されていると判定される事例を用いて説明する。先ず、図１５に示すように、全応対メモ（図１１）及び全通話音声認識結果（図１０）に対して、形態素解析が行われ、自立語のみが抽出される。図１５は、第一のテキストとそれに対応する第二のテキストとを形態素解析した結果の一例を示す図である。

次に、通話音声認識結果中の単語ｖと応対メモ中の単語ｗとの出現に関する相互情報量Ｉ（ｖ；ｗ）が、下記の数１によって算出される。下記の数１において、Ｄは通話音声認識結果の集合、Ｍは応対メモの集合、ｘはｖのＤｉ中での出現に関する確率変数、ｙはｗのＭｉ中での出現に関する確率変数を表している。

この結果、図１６に示すように、通話音声認識結果内の全単語と応対メモ内の全単語との相互情報量が得られる。図１６は、実施例１で算出される相互情報量の一例を示す図である。また、相互情報量の定義より、共起パタンが似ているほど相互情報量は高くなる傾向にある。よって、同じ意味であるもの同士は共起パタンが似ているため、相互情報量の大きさは、二つの単語の意味の類似度を間接的に表すと捉える事ができる。

その後、下記の数２により、通話音声認識結果に含まれる任意のセグメントＳｅｇ_ｋ＿Ｄ_ｉが、対応する応対メモＭｉに書かれている度合いを表すスコアが計算される。そして、このスコアが予め定めた閾値以上であれば、 Ｓｅｇ_ｋ＿Ｄ_ｉがＭｉに書かれていると判定される。

上記の数２において、Ｍｉ^Ｎは、ｖに対してＩ(ｖ，ｗ)の大きい上位Ｎ個の単語集合を示している。例えば、Ｎは３に設定される。結果、Ｓｃｏｒｅ（通話音声１５２８０−３５，応対メモ１５２８０)＝０．７８５であったとする。このとき、閾値が０．５である状況を想定すると、通話音声１５２８０−３５は、応対メモ１５２８０に書かれていると判定される。なお、この場合の閾値は、例えば、人為的に作成されたテキストから得られる教師データや、人為的に作成されたテキストを用いた予備実験等により予め設定しておくのが好ましい。

このようにして、例えば、図１７に示すように、各セグメントの内容が、第二のテキスト集合内の対応するテキストに記述されているか否かを示す表を得る事ができる。図１７は、セグメントの内容が第二のテキストに記述されているかどうかの判定結果の一例を示す図である。

［ステップＡ４：関連度の計算］
次に、実施例１では、記述内容判定部３３が、ステップＡ３の判定結果に基づいて、関連度を計算する。関連度は、解析対象テキスト内の各セグメントの内容が、第二のテキスト集合内の対応する第二のテキストに記述されるべき内容である度合いを示している。また、上述したように、ステップＡ３では、解析対象テキスト内の各セグメントの内容が該第二のテキストに記述されているかどうか、該解析対象テキスト内の各セグメントの同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に記述されているかどうか、が判定されている。

例えば、あるセグメントＳｅｇ_ｉの第二のテキストに対する関連度Ｃｏｒ(Ｓｅｇ_ｉ)は下記の数３により求めることができる。下記の数３において、第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント(Ｓｅｇ_ｊ)の内容が、第二のテキスト集合内の対応するテキスト中に含まれている程度を示している。具体的には、セグメント(Ｓｅｇ_ｉ)の同種セグメントの内容が、対応する第二のテキストに記述される回数や、記述される割合を示している。

上記数３において、ａとｂは、正の数である。ａ及びｂの設定方法については後述する。また、上記数３において、ｃｏｎｔ(Ｓｅｇ_ｉ)は、上述したステップＡ３でのＳｅｇ_ｉに対する判定結果、つまり、Ｓｅｇ_ｉの内容が、第二のテキスト集合内の対応するテキスト中に記述されているかどうかを表す。具体的には、ｃｏｎｔ(Ｓｅｇ_ｉ)は、例えば、第二のテキスト集合内の対応するテキスト中に該セグメントの内容が記述されている場合には「１」とされ、記述されていない場合には「０」とされる。

また、上記数３において、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)は、上述したステップＡ２で求めた、Ｓｅｇ_ｉの同種セグメントの集合を表している。換言すると、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)は、図１４において、Ｓｅｇ_ｉと同一の行にあるセグメントの集合を表している。Ｎは、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)の要素数である（ステップＡ４）。

その後、上述したステップＡ４で計算された各セグメントの関連度を基にして、記述内容判定部３３は、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントを、例えば、図１８に示された例（受付ＩＤ＝１５２８０）のように特定する。図１８は、実施例１において応対メモに記述されるべきと判定されたセグメントの一例を示す図である。

具体的には、図１８の例では、関連度が閾値θ以上であるセグメントが特定されており、これらのセグメントの内容は、第二のテキストに記述されるべきであると判定されている（ステップＡ５）。

ここで、上述した変数ａ及びｂと、閾値θとの設定方法について説明する。これらの値は、例えば、教師データを利用した予備実験等によって実験的に予め定めておくことができる。予備実験では、例えば、予め、第一のテキスト集合内のセグメントの一部に対して、該セグメントの内容が対応する第二のテキストに記述すべきかどうかを人手で判定した結果が、付与されている。そして、ａ、ｂ、θの初期値をランダムに設定する。

次に、人手で判定結果の付与された第一のテキスト集合内のセグメントを対象にして、上記の数３により関連度を求め、関連度が、上記で設定した閾値θ以上のものを第二のテキストに記述すべきセグメントであると判定する。この判定結果と、人手で付与した正解とを比較し、正解率を求める。次いで、a、ｂ、θの値を変え、上述した関連度の算出、比較といった一連の処理を複数回試行する。そして、正解率が最も高かった、ａ、ｂ、θが採用される。

その後、記述内容判定部３３は、第二のテキストに内容が記述されるべきであると判定されたセグメントのテキスト部分のみを出力することもできるし、図１８に示されているように、テキスト部分と関連度とを共に出力することもできる。また、記述内容判定部３３は、関連度順にセグメントをランキングした表を出力することもできる。

図１８からは、第二のテキストに内容が記述されるべきセグメントと判定されたセグメントに、セグメントＩＤ＝３４が含まれている事が分かる。該セグメントの内容は、第二のテキスト（受付ＩＤ＝１５２８０）には記述されていないが、第二のテキストとして書かれるべき情報である。このような情報は、特許文献１及び非特許文献１では、第二のテキストとして書かれるべき情報と判定されない。これに対して、本実施例では、該セグメントの関連度を計算する際、上記数３の第２項部分によって、該セグメントの同種セグメントの情報が用いられる。このため、本実施例によれば、該セグメントは、第二のテキストに書かれるべき情報と判定される。

次に、図１９〜図２２を参照しながら、実施の形態２におけるテキスト処理装置及びテキスト処理方法の具体的な実施例を説明する。また、以下においては、図５に示したフロー図に沿って、実施の形態２におけるテキスト処理装置の動作を説明する。なお、適宜、図４も参酌する。

本実施例２においても、実施例１と同様に、第一のテキスト集合は、図１９に示すように、コールセンターにおける通話音声を音声認識することによって得られた、音声認識テキストの集合である。また、第二のテキスト集合は、図２０に示すように、図１９に示す音声認識テキスト集合の認識元の通話に対する応対メモの集合である。実施例２でも、実施例１と同様に、音声認識テキスト集合中の各テキストの中で、応対メモ中の問い合わせ内容に書かれるべき部分の判定が行われる。図１９は、実施例２で用いられる音声認識テキストの一例を示す図である。図２０は、実施例２で用いられる応対メモ集合の一例を示す図である。

［ステップＢ１：入力の受け付け処理］
入力受付部１３４は、通話音声の音声認識結果のテキスト集合を第一のテキスト集合として、音声認識結果に対応する応対メモの集合を第二のテキスト集合として受け付ける。また、入力受付部１３４は、第一のテキスト集合の中から、解析対象となる第一のテキストの指定も受け付ける（ステップＢ１）。このとき、入力となる第一のテキスト集合及び第二のテキスト集合内の各テキストは、図１９及び図２０に示すように、必ずしも解析単位のセグメントに分割されている必要はない。

［ステップＢ２：セグメントの設定］
次に、テキスト分割部１３５は、第一のテキスト集合及び第二のテキスト集合内の各テキストを、解析単位のセグメントに分割する（ステップＢ２）。例えば、解析単位のセグメントが文である場合、テキスト分割部１３５は、文のセパレータを予め定め、そのセパレータ間が一つのセグメントに設定されるように分割を行う。図１９及び図２０では、「。」と「？」とがセパレータとして予め定められており、図１９及び図２０に示したテキストに対するテキスト分割の結果、図１０及び図１１に示した結果が得られる。

また、テキスト分割部１３５は、トピックに基づいて、テキストを分割してセグメントを設定することもできる。この場合、テキスト分割部１３５は、例えば、単語の頻度や分布を用いて話題が変化する位置を決める手法（下記の参考文献３参照）等を用いる事で、セグメント分割を実現できる。具体的には、図１９に示された受付ＩＤ＝１５２８０の例を、トピックに基づいて分割すると、例えば、図２１に示される例のようになる。図２１は、実施例２においてトピックで分割された通話音声認識結果の一例を示している。

（参考文献３）
Marti A. Hearst, “TextTiling: Segmenting Text into Multi-paragraph Subtopic Passage”, Computational Linguistics, Vol.23 No.1, pp33-64, 1997.

その他、テキスト分割部１３５は、テキスト集合の各テキストに共通のフェーズがある場合は、それらのフェーズの手がかりを、例えば、下記の参考文献４に開示されている手法で求め、その手がかりに該当する所でテキストを分割することができる。この場合、テキストのセグメントは、話題のフェーズという単位で分割できる。具体的には、図１９に示された受付ＩＤ＝１５２８０の例を、話題のフェーズで分割すると、例えば、図２２に示される例のようになる。図２２は、実施例２においてフェーズで分割された通話音声認識結果の一例を示している。

（参考文献４）
R. Shourya and L.V. Subramaniam, “Automatic Generation of Domain Models for Call- Centers from Noisy Transcriptions”, In Proceedings of the 21st International Conference on Computational Linguisticsand the 44th annual meeting of the Association for Computational Linguistics, pp737-755, 2006.

また、本実施例２では、テキスト分割部１３５は、他の基準によってテキストを分割して、セグメントを設定しても良い。セグメント設定の基準の上記の例に限定されるものではない。

ステップＢ２の実行後、セグメント分割された第一のテキスト集合と第二のテキスト集合に対し、図５に示されたステップＢ３〜Ｂ６が実行される。但し、ステップＢ３〜Ｂ６は、実施例１におけるステップＡ２〜Ａ５と同様の処理によって行われる。

このように、本実施例２によれば、入力された第一及び第二のテキスト集合内の各テキストが予め解析単位のセグメントに分割されているか否かに拘わらず、データに応じて、同種セグメントの情報を利用するのに効果的なセグメントが設定される。従って、適切なセグメント単位での処理が行われるため、最終的な出力の精度も向上することとなる。

次に、図２３を参照しながら、実施の形態３におけるテキスト処理装置及びテキスト処理方法の具体的な実施例を説明する。また、以下においては、図７に示したフロー図に沿って、実施の形態３におけるテキスト処理装置の動作を説明する。なお、適宜図６も参酌する。

本実施例３においても、実施例１と同様に、第一のテキスト集合は、コールセンターにおける通話音声を音声認識することによって得られた、音声認識テキストの集合である。また、第二のテキスト集合は、音声認識テキスト集合の認識元となった通話に対する応対メモの集合である。実施例３でも、実施例１と同様に、音声認識テキスト集合中の各テキストの中で、応対メモ中の問い合わせ内容に書かれる部分の判定が行われる。

［ステップＣ１：入力の受け付け処理］
入力受付部２３４は、実施例１で述べたステップＡ１における処理と同様の処理を行う（ステップＣ１）。

［ステップＣ２：同一内容の記述の判定］
次に、本実施例３では、含有判定部２３２は、第一のテキスト集合内のテキストの全セグメントに対し、第二のテキスト集合内の対応するテキスト内に、内容が記述されているか否かを判定する。

実施例１におけるステップＡ３と、本ステップＣ２との違いは、実施例１におけるステップＡ３では、入力対象のセグメントは限定されていたが、本ステップＣ２では、第一のテキスト集合内の全セグメントが対象である点のみである。従って、本ステップＣ２における判定手法としては、実施例１のステップＡ３と同様の手法を用いることができる。また、本ステップＣ２の出力としては、実施例１のステップＡ３で得られる図１７に示された例と同様の結果が得られる（ステップＣ２）。

［ステップＣ３：同種セグメントの特定］
次に、同種セグメント特定部２３１は、上述のステップＣ２により、第二のテキスト集合内の対応するテキスト内に内容が記述されていると判定されたセグメントの集合の中から、解析対象テキストの各セグメントの同種セグメントを特定する。なお、ステップＣ２で記述されていると判定されたセグメントとしては、図１７に示された表と同形式の表で「同一内容の記述」の欄が○となっているセグメントが挙げられる。

また、本実施例３においても、二つのセグメントが同種セグメントの関係になっているかどうかを判定する具体的手法としては、実施例１のステップＡ２で述べた、形態素解析、単語ベクトルの生成、及びクラスタリングによる判定手法が挙げられる。本実施例３におけるステップＣ３の結果として、例えば、図２３に示すように、解析対象テキストの各セグメントと、該セグメントの同種セグメントとを一行とする表が得られる（ステップＣ３）。図２３は、実施例３における同種セグメントの判定結果の一例を示す図である。

［ステップＣ４：関連度の計算］
次に、実施例３では、記述内容判定部２３３は、ステップＣ２及びＣ３の結果に基づいて、関連度を計算する。関連度は、解析対象テキスト内の各セグメントに対し、該セグメントの内容が、第二のテキストへ記述されるべき内容である度合いを示している。また、ステップＣ２及びＣ３により、解析対象テキストの各セグメントの内容が第二のテキストに記述されているかと、同種セグメントのうち、内容が第二のテキスト集合内の対応するテキストに記述されているセグメントがどの程度存在するかとが、判定される。

具体的には、あるセグメントＳｅｇ_ｉの第二のテキストに対する関連度Ｃｏｒ(Ｓｅｇ_ｉ)は、例えば、下記の数４により求められる。下記の数４において、第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント(Ｓｅｇ_ｊ)の内容が、第二のテキスト集合内の対応するテキスト中に含まれている程度を示している。

上記数４において、ａ、ｂは、正の数である。ａ及びｂは、実施例１の場合と同様に、例えば、教師データを利用した予備実験等により実験的に予め設定される。ｃｏｎｔ(Ｓｅｇ_ｉ)は、ステップＣ２でのＳｅｇ_ｉに対する判定結果、つまり、Ｓｅｇ_ｉの内容が、第二のテキスト集合内の対応するテキスト中に記述されているかどうかを表す。具体的には、例えば、Ｓｅｇ_ｉの内容が、第二のテキスト集合内の対応するテキスト中に記述されている場合には「１」とされ、記述されていない場合には「０」とされる。

また、上記数４において、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉの同種セグメントの集合を表している。換言すると、図２３において、Ｓｅｇ_ｉと同一の行に存在するセグメントの集合を表している（ステップＣ４）。

その後、記述内容判定部２３３は、実施例１におけるステップＡ５と同様に、動作する（ステップＣ５）。これにより、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントが特定される。

ここで、本実施例３においても、実施例２と同様に、テキスト分割部によるテキストの分割を行っても良い。この場合は、ステップＣ１とステップＣ２との間で、実施例２におけるステップＢ２が実施される。こうする事で、本実施例３においても、図１９及び図２０に示した、予め解析単位のセグメントが設定されていないテキストの集合を、第一のテキスト集合及び第二のテキスト集合として受け付ける事が可能となる。

次に、図２４を参照しながら、実施の形態４におけるテキスト処理装置及びテキスト処理方法の具体的な実施例を説明する。また、以下においては、図８に示したフロー図に沿って、実施の形態４におけるテキスト処理装置の動作を説明する。

本実施例４においても、実施例１と同様に、第一のテキスト集合は、コールセンターにおける通話音声を音声認識することによって得られた、音声認識テキストの集合である。また、第二のテキスト集合は、音声認識テキスト集合の認識元となった通話に対する応対メモの集合である。実施例４でも、実施例１と同様に、音声認識テキスト集合中の各テキストの中で、応対メモ中の問い合わせ内容に書かれる部分の判定が行われる。

［ステップＤ１：入力の受け付け処理］
入力受付部は、実施例１で述べたステップＡ１における処理と同様の処理を行う（ステップＤ１）。

［ステップＤ２：類似度スコアの計算］
次に、実施例４では、同種セグメント特定部は、第一のテキスト集合内の全セグメントを対象に、解析対象テキストの各セグメントとの類似度を表す類似度スコアを計算し、各セグメントに類似度スコアを付与する。この類似度スコアは、二つのセグメントがどの程度同じかを示す。

具体的には、実施例４においても、実施例１におけるステップＡ２と同様に、各セグメントに対し形態素解析が行われ、一形態素がベクトルの一次元に対応し、全形態素数がベクトルの次元数となるベクトルが生成される。つまり、各セグメントに対し、セグメント内の形態素に対応する要素が１、セグメント内に含まれない形態素に対応する要素が０となる単語ベクトルが生成される（図１３参照）。実施例４では、このようにして生成された二つの単語ベクトルのコサイン距離が、類似度スコアとして、各セグメントに付与される。

上記の処理により、結果として、例えば図２４に示す、（ｉ,ｊ）成分がセグメントｉとセグメントｊとの類似度スコアを示す行列が得られる（ステップＤ２）。図２４は、実施例４において計算された類似度スコアの一例を示す図である。

［ステップＤ３：同種セグメントの特定］
次に、同種セグメント特定部は、ステップＤ２で求めた類似度スコアを基に、解析対象テキストの各セグメントの同種セグメントを、解析対象テキスト以外の第一のテキスト集合内の全セグメントの中から特定する。

本実施例４では、同種セグメント特定部は、例えば、図２４における各セル内の類似度スコアが閾値以上であれば、該スコアの行と列に対応するセグメント同士が同じセグメントタイプであると判定することができる。この場合の閾値は、実施例１でも述べたように、例えば、教師データを利用した予備実験等により実験的に予め定めておくことができる（ステップＤ３）。

［ステップＤ４：同一内容の記述の判定］
次に、実施例４では、含有判定部は、実施例１におけるステップＡ３と同様の処理を行う。この動作により、例えば、解析対象テキスト内の各セグメント及び該セグメントの同種セグメントに対し、第二のテキスト集合内の対応するテキスト中に、内容が記述されているか否かが判定される。そして、図１７に示すような判定結果が示された表の取得が可能となる（ステップＤ４）。

［ステップＤ５：関連度の計算］
次に、実施例４では、記述内容判定部３３は、ステップＤ４の結果と、ステップＤ２で求めた類似度スコアに基づいて、関連度を計算する。関連度は、解析対象テキストの各セグメントの内容が、第二のテキストに記述されるべき内容である度合いを示している。また、ステップＤ４の判定結果は、該セグメントの内容が第二のテキストに記述されているかどうかと、該セグメントの同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に記述されているかどうかとである。

例えば、あるセグメントＳｅｇ_ｉの第二のテキストに対する関連度Ｃｏｒ(Ｓｅｇ_ｉ)は下記の数５により求められる。下記の数５において、第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント(Ｓｅｇ_ｊ)の内容が、第二のテキスト集合内の対応するテキスト中に含まれている程度を示している。

上記数５において、ａ、ｂは、正の数である。ａ及びｂは、実施例１の場合と同様に、例えば、教師データを利用した予備実験等により実験的に予め設定される。また、ｃｏｎｔ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉの内容が、第二のテキスト集合内の対応するテキスト中に記述されているかどうかを表す。具体的には、例えば、Ｓｅｇ_ｉの内容が、第二のテキスト集合内の対応するテキスト中に記述されている場合には「１」とされ、記述されていない場合には「０」とされる。

また、上記数５において、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉの同種セグメントの集合であり、ステップＤ３により得られる。ＮはＣｌｕｓｔｅｒ(Ｓｅｇ_ｉ)の要素数である。更に、上記数５において、また、ｓｉｍ(Ｓｅｇ_ｉ， Ｓｅｇ_ｊ)は、Ｓｅｇ_ｉとＳｅｇ_ｊとの類似度スコアであり、ステップＤ２で計算されたものである。本例では、図２４内の（ｉ，ｊ）成分の値である（ステップＤ５）。

その後、記述内容判定部は、実施例１におけるステップＡ５と同様に、動作する（ステップＤ５）。これにより、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントが特定される。

以上のように、本実施例４では、ステップＤ５において、セグメントの関連度を計算する際、上記数５に示すように、ｓｉｍ(Ｓｅｇ_ｉ， Ｓｅｇ_ｊ)を用いる。これにより、Ｓｅｇ_ｉとＳｅｇ_ｊとが同種セグメントか否かという情報が、実施例１に比べてより詳細なものとなるため、最終出力も精度のよい結果となる。

ここで、実施例２では、ステップＢ３を、本実施例４のステップＤ２及びＤ３へ置き換え、図２４に示す、各成分がセグメント間の類似度スコアを表す行列を取得することができる。更に、この場合、実施例２では、ステップＢ５をステップＤ５に置き換え、関連度は、上記数５によって、図２４から得られるセグメント間の類似度スコアを代入して計算されても良い。そうする事で、実施例２においても、本実施例４と同様の効果が得られる。

また、実施例３では、ステップＣ４において、本実施例４のステップＤ４のように、セグメントの関連度を計算する際に、ｓｉｍ(Ｓｅｇ_ｉ，Ｓｅｇ_ｊ)を用いた、下記数６を用いることができる。この場合は、実施例３においても、本実施例４と同様の効果が得られる。なお、下記数６において、各変数の定義は、上記数５と同じである。また、下記数６において、第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント（Ｓｅｇ_ｊ）が、第二のテキスト集合内の対応するテキスト中に記述されている度合いを示している。

具体的には、実施例３におけるステップＣ３の後で、ステップＤ２と同様のステップを行い、解析対象テキストの各セグメントと、ステップＣ３によって該セグメントの同種のセグメントであると判定された、セグメントとの類似度スコアを保存しておく。結果として、例えば、図２４と同様の行列であって、行が解析対象テキスト内のセグメント、列がステップＣ３により同種セグメントと判定されたセグメントとで構成された行列が生成される。その後、実施例３におけるステップＣ４では、上記数４の代わりに、上記数６を用いて関連度が計算される。

次に、図２５を参照しながら、実施の形態５におけるテキスト処理装置及びテキスト処理方法の具体的な実施例を説明する。また、以下においては、図９に示したフロー図に沿って、実施の形態５におけるテキスト処理装置の動作を説明する。

本実施例５においても、実施例１と同様に、第一のテキスト集合は、コールセンターにおける通話音声を音声認識することによって得られた、音声認識テキストの集合である。また、第二のテキスト集合は、音声認識テキスト集合の認識元となった通話に対する応対メモの集合である。実施例５でも、実施例１と同様に、音声認識テキスト集合中の各テキストの中で、応対メモ中の問い合わせ内容に書かれる部分の判定が行われる。

［ステップＥ１：入力の受け付け処理］
入力受付部は、実施例１で述べたステップＡ１における処理と同様の処理を行う（ステップＥ１）。

［ステップＥ２：同種セグメントの特定］
次に、実施例５では、同種セグメント特定部が、実施例１におけるステップＡ２と同様に、第一のテキスト集合内の全セグメントを対象に、解析対象テキスト内の各セグメントと類似した同種セグメントの特定を行う。具体的には、第一のテキスト集合の全セグメントの中で、解析対象テキストの各セグメントに対する同種セグメントを特定する。その結果、例えば、図１４のような結果を得る（ステップＥ２）。

［ステップＥ３：含有スコアの計算］
次に、本実施例５では、含有判定部は、解析対象テキスト内の各セグメント、及び、ステップＥ２で特定された同種セグメントに対して、第二のテキスト集合内の対応するテキスト中に同一の内容が記述されているかを判定する。また、含有判定部は、更に、これらのセグメントについて、同一の内容が記述されている可能性を表す含有スコアも計算する。

ところで、背景技術の欄で述べた、特許文献１及び非特許文献１においては、二つのセグメントに対するアラインメントスコア（値が高いほど二つのセグメントは対応づく事を表すスコア）が計算され、アラインメントが実行されている。

本実施例５では、上記のアライメントスコアを、セグメントの内容が第二のテキスト集合内の対応するテキスト中に記述される可能性を表す、含有スコアと捉え、これを保存する（ステップＥ３）。この処理により、結果として、例えば、図２５に示すように、各セグメントが第二のテキストに記述される可能性が示された表が取得される。図２５は、実施例５において計算された含有スコアの一例を示す図である。

また、上述した参考文献２に記載の共起関係を用いた差分生成法のように、相互情報量を基にして、含有スコアを算出することもできる。この場合は、セグメントの内容が第二のテキスト集合内の対応するテキスト中に記述されているかを判定した場合に、セグメント内の各単語と、第二のテキスト集合内の対応するテキスト内の各単語との相互情報量の総和が含有スコアとして捉えられる（ステップＥ３）。

［ステップＥ４：関連度の計算］
次に、実施例５では、記述内容判定部は、ステップＥ３で計算した含有スコアに基づいて、関連度を計算する。関連度は、解析対象テキスト内の各セグメントの内容が、第二のテキストへ記述されるべき内容である度合いを示している。また、ステップＥ３で計算された含有スコアは、該セグメントの内容が第二のテキストに記述されている可能性を表す含有スコアと、該セグメントの同種セグメントの内容が、第二のテキスト集合内の対応するテキスト中に記述されている可能性を表す含有スコアとである。

例えば、あるセグメントＳｅｇ_ｉの第二のテキストに対する関連度Ｃｏｒ(Ｓｅｇ_ｉ)は、下記数７により求められる。下記の数７において、第２項が、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント（Ｓｅｇ_ｊ）の内容が、第二のテキスト集合内の対応するテキスト中に含まれている程度を示している。

上記数７において、ａ、ｂは、正の数である。ａ及びｂは、実施例１の場合と同様に、例えば、教師データを利用した予備実験等により実験的に予め設定される。また、ｓｃｏｒｅ＿ｃｏｎｔ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉに対してステップＥ３で得られた含有スコアである。更に、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉの同種セグメントの集合であり、ステップＥ２により得られる。Ｎは、Ｃｌｕｓｔｅｒ(Ｓｅｇ _ｉ )の要素数である（ステップＥ４）。

その後、記述内容判定部は、実施例１におけるステップＡ５と同様に、動作する（ステップＥ５）。これにより、解析対象テキストのセグメントの内、第二のテキストに記述されるべきセグメントが特定される。

以上のように、本実施例５では、ステップＥ４において、セグメントの関連度を計算する際、上記数７のように、セグメントの含有スコアｓｃｏｒｅ＿ｃｏｎｔ(Ｓｅｇ_ｉ)を用いる。これにより、Ｓｅｇ_ｉの内容が第二のテキスト集合内の対応するテキスト中に記述されているか否かという情報は、実施例１よりも厳密なものとなる。このため、最終出力も精度のよい結果となる。

ここで、実施例２では、ステップＢ４を、本実施例５のステップＥ３へ置き換え、図２５に示す、各セグメントに対する含有スコアを取得することができる。更に、この場合、実施例２では、ステップＢ５をステップＥ４に置き換え、含有スコアを用いて関連度が計算されていても良い。そうする事で、実施例２においても、本実施例５と同様の効果が得られる。

また、実施例３では、ステップＣ４において、本実施例５のステップＥ４のように、セグメントの関連度を計算する際に、各セグメントの含有スコアを用いた、下記数８を用いることができる。この場合は、実施例３においても、本実施例５と同様の効果が得られる。なお、下記数８において、各変数の定義は、上記数７と同じである。また、下記数８における第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント(Ｓｅｇ_ｊ)が、第二のテキスト集合内の対応するテキスト中に記述されている度合いを示している。

具体的には、実施例３におけるステップＣ２で、第一のテキスト集合内の全セグメントに対し、対応する第二のテキスト中に内容が記述されているか否かを判定する際に、判定結果と共に、含有スコアが計算され、保存される。なお、含有スコアの計算は、本実施例５のステップＥ３と同様の処理によって行われる。結果として、例えば、全セグメントに対する含有スコアが格納された、図２５と同一形式の表が取得される。そして、実施例３のステップＣ４において、上記数４の代わりに、上記数８が用いられて、関連度が計算される。

また、実施例４では、ステップＤ４を本実施例５のステップＥ３へ置き換え、図２５に示す、各セグメントに対する含有スコアを得ておくことができる。この場合、ステップＤ５においては、セグメントの関連度を計算する際、各セグメントの含有スコアを含む下記数９を用いることができる。これにより、実施例４においても、本実施例５と同様の効果が得られる。また、下記の数９において、第２項は、セグメント(Ｓｅｇ_ｉ)に対する同種セグメント（Ｓｅｇ_ｊ）が、第二のテキスト集合内の対応するテキスト中に記述されている度合いを示している。

ここで、ａ、ｂ、ｓｉｍ(Ｓｅｇ_ｉ， Ｓｅｇ_ｊ)、Ｃｌｕｓｔｅｒ(Ｓｅｇ_ｉ)、及びＮは、実施例４で示した上記数６における変数と同様のものである。また、ｓｃｏｒｅ＿ｃｏｎｔ(Ｓｅｇ_ｉ)は、Ｓｅｇ_ｉに対してステップＥ３で得られる含有スコアである。

以上、実施の形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施の形態及び実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２００８年１２月２６日出願された日本出願特願２００８−３３５３２７を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本願発明におけるテキスト処理装置、テキスト処理方法、及びコンピュータ読み取り可能な記録媒体は以下の特徴を有する。

（１）第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うテキスト処理装置であって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
当該テキスト処理装置は、セグメント判定部と、記述内容判定部とを備え、
前記セグメント判定部は、解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定し、
前記記述内容判定部は、前記セグメント判定部による判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ことを特徴とするテキスト処理装置。

（２）前記セグメント判定部が、同種セグメント特定部と、含有判定部とを備え、
前記同種セグメント特定部は、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとし、
前記含有判定部は、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定する、上記（１）に記載のテキスト処理装置。

（３）前記記述内容判定部は、
前記セグメント判定部による判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（２）に記載のテキスト処理装置。

（４）前記含有判定部が、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記記述内容判定部が、更に、前記含有判定部によって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（３）に記載のテキスト処理装置。

（５）前記セグメント判定部が、含有判定部と、同種セグメント特定部とを備え、
前記含有判定部が、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定し、
前記同種セグメント特定部が、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記含有判定部によって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、
前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとする、上記（１）に記載のテキスト処理装置。

（６）前記記述内容判定部は、
前記セグメント判定部による判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（５）に記載のテキスト処理装置。

（７）前記含有判定部が、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記記述内容判定部が、更に、前記含有判定部によって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（６）に記載のテキスト処理装置。

（８）前記記述内容判定部が、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（３）に記載のテキスト処理装置。

（９）前記記述内容判定部が、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（３）に記載のテキスト処理装置。

（１０）前記同種セグメント特定部が、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
前記記述内容判定部が、更に、前記同種セグメント特定部によって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、上記（８）に記載のテキスト処理装置。

（１１）前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、テキスト分割部を更に備えている、上記（１）に記載のテキスト処理装置。

（１２）前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、上記（１）に記載のテキスト処理装置。

（１３）第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うためのテキスト処理方法であって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
当該テキスト処理方法は、
（ａ）解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｂ）前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを有することを特徴とするテキスト処理方法。

（１４）前記（ａ）のステップが、
（ｌ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップと、
（ｍ）前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップとを有する、上記（１３）に記載のテキスト処理方法。

（１５）前記（ｂ）のステップで、
前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（１４）に記載のテキスト処理方法。

（１６）前記（ｍ）のステップで、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｍ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（１５）に記載のテキスト処理方法。

（１７）前記（ａ）のステップが、
（ｘ）全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｙ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記（ｘ）のステップによって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップとを有する、上記（１３）に記載のテキスト処理方法。

（１８）前記（ｂ）のステップで、
前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（１７）に記載のテキスト処理方法。

（１９）前記（ｘ）のステップで、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｘ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（１８）に記載のテキスト処理方法。

（２０）前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（１５）に記載のテキスト処理方法。

（２１）前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（１５）に記載のテキスト処理方法。

（２２）前記（ｌ）のステップで、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｌ）のステップによって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、上記（２０）に記載のテキスト処理方法。

（２３）（ｃ）前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、ステップを更に有している、上記（１３）に記載のテキスト処理方法。

（２４）前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、上記（１３）に記載のテキスト処理方法。

（２５）第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比する、解析処理を、コンピュータに実行させるための、プログラムであって、
前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
前記コンピュータに、
（ａ）解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｂ）前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを実行させる、プログラム。

（２６）前記コンピュータが、前記（ａ）のステップとして、
（ｌ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップと、
（ｍ）前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップとを実行する、上記（２５）に記載のプログラム。

（２７）前記（ｂ）のステップで、
前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（２６）に記載のプログラム。

（２８）前記（ｍ）のステップで、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｍ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（２７）に記載のプログラム。

（２９）前記コンピュータが、前記（ａ）のステップとして、
（ｘ）全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップと、
（ｙ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記（ｘ）のステップによって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップとを実行する、上記（２５）に記載のプログラム。

（３０）前記（ｂ）のステップで、
前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、上記（２９）に記載のプログラム。

（３１）前記（ｘ）のステップで、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｘ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、上記（３０）に記載のプログラム。

【０２４６】
【０２４６】
（３２）前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（２７）に記載のプログラム。

（３３）前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、上記（２７）に記載のプログラム。

（３４）前記（ｌ）のステップで、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
前記（ｂ）のステップで、更に、前記（ｌ）のステップによって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、上記（３２）に記載のプログラム。

（３５）（ｃ）前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、ステップを、前記コンピュータに更に実行させる、上記（２５）に記載のプログラム。

（３６）前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、上記（２５）に記載のプログラム。

本発明は、第一のテキスト集合に対する第二のテキスト集合が存在する場合に適用できる。特に、第二のテキスト集合内に、本来ならば書かれるべき情報が一部欠如しているテキストが存在する場合に効果を発揮する。したがって、人間が作成したテキスト集合が第二のテキスト集合となる時には、特に効果を発揮する。このことから、本発明は産業上の利用可能性を有している。

例えば、第一のテキスト集合が、コールセンターにおける通話音声の音声認識結果や通話音声の書き起こしテキスト集合で、第二のテキスト集合が、応対メモの集合の場合などである。また、第一のテキスト集合が、会議音声の音声認識結果や、その書き起こしのテキスト集合で、第二のテキスト集合が、議事録の集合の場合などの分析にも効果を発揮する。

また、ある文書集合を、異なる二人の人がそれぞれ要約した場合を考え、片方の人により要約された要約文書集合を第一のテキスト集合、他方の人により要約された要約文書集合を第二のテキスト集合とする場合なども例としてあげられる。さらに、第一のテキスト集合を論文、第二のテキスト集合を、その論文に対する概要の集合とする場合や、第一のテキスト集合を論文、第二のテキスト集合を、その論文の発表資料とする場合にも、本発明は効果を発揮する。

１０ 入力装置（実施の形態１）
２０ 出力装置（実施の形態１）
３１ 同種セグメント特定部（実施の形態１）
３２ 含有判定部（実施の形態１）
３３ 記述内容判定部（実施の形態１）
３４ 入力受付部（実施の形態１）
１１０ 入力装置（実施の形態２）
１２０ 出力装置（実施の形態２）
１３１ 同種セグメント特定部（実施の形態２）
１３２ 含有判定部（実施の形態２）
１３３ 記述内容判定部（実施の形態２）
１３４ 入力受付部（実施の形態２）
１３５ テキスト分割部（実施の形態２）
２１０ 入力装置（実施の形態３）
２２０ 出力装置（実施の形態３）
２３１ 同種セグメント特定部（実施の形態３）
２３２ 含有判定部（実施の形態３）
２３３ 記述内容判定部（実施の形態３）
２３４ 入力受付部（実施の形態３）

Claims (36)

1. 第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うテキスト処理装置であって、
   前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
   当該テキスト処理装置は、セグメント判定部と、記述内容判定部とを備え、
   前記セグメント判定部は、解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定し、
   前記記述内容判定部は、前記セグメント判定部による判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ことを特徴とするテキスト処理装置。
2. 前記セグメント判定部が、同種セグメント特定部と、含有判定部とを備え、
   前記同種セグメント特定部は、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとし、
   前記含有判定部は、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定する、請求項１に記載のテキスト処理装置。
3. 前記記述内容判定部は、
   前記セグメント判定部による判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
   更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項２に記載のテキスト処理装置。
4. 前記含有判定部が、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
   前記記述内容判定部が、更に、前記含有判定部によって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項３に記載のテキスト処理装置。
5. 前記セグメント判定部が、含有判定部と、同種セグメント特定部とを備え、
   前記含有判定部が、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定し、
   前記同種セグメント特定部が、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記含有判定部によって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、
   前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとする、請求項１に記載のテキスト処理装置。
6. 前記記述内容判定部は、
   前記セグメント判定部による判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
   更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項５に記載のテキスト処理装置。
7. 前記含有判定部が、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
   前記記述内容判定部が、更に、前記含有判定部によって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項６に記載のテキスト処理装置。
8. 前記記述内容判定部が、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
   更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項３または４に記載のテキスト処理装置。
9. 前記記述内容判定部が、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
   更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項３、４、６または７に記載のテキスト処理装置。
10. 前記同種セグメント特定部が、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
    前記記述内容判定部が、更に、前記同種セグメント特定部によって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、請求項８または９に記載のテキスト処理装置。
11. 前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、テキスト分割部を更に備えている、請求項１〜１０のいずれかに記載のテキスト処理装置。
12. 前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、請求項１〜１０のいずれかに記載のテキスト処理装置。
13. 第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比して、解析処理を行うためのテキスト処理方法であって、
    前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
    当該テキスト処理方法は、
    （ａ）コンピュータによって、解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
    （ｂ）前記コンピュータによって、前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを有することを特徴とするテキスト処理方法。
14. 前記（ａ）のステップが、
    （ｌ）前記コンピュータによって、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップと、
    （ｍ）前記コンピュータによって、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップとを有する、請求項１３に記載のテキスト処理方法。
15. 前記（ｂ）のステップで、
    前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
    更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項１４に記載のテキスト処理方法。
16. 前記（ｍ）のステップで、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｍ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項１５に記載のテキスト処理方法。
17. 前記（ａ）のステップが、
    （ｘ）前記コンピュータによって、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップと、
    （ｙ）前記コンピュータによって、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記（ｘ）のステップによって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップとを有する、請求項１３に記載のテキスト処理方法。
18. 前記（ｂ）のステップで、
    前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
    更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項１７に記載のテキスト処理方法。
19. 前記（ｘ）のステップで、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｘ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項１８に記載のテキスト処理方法。
20. 前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
    更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項１５または１６に記載のテキスト処理方法。
21. 前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
    更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項１５、１６、１８または１９に記載のテキスト処理方法。
22. 前記（ｌ）又は（ｙ）のステップで、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｌ）又は前記（ｙ）のステップによって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、請求項２０または２１に記載のテキスト処理方法。
23. （ｃ）前記コンピュータによって、前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、ステップを更に有している、請求項１３〜２２のいずれかに記載のテキスト処理方法。
24. 前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、請求項１３〜２２のいずれかに記載のテキスト処理方法。
25. 第一のテキストによって構成された第一のテキスト集合と、前記第一のテキストに対応する第二のテキストによって構成された第二のテキスト集合とを対比する、解析処理を、コンピュータに実行させるための、プログラムであって、
    前記第一のテキストとそれに対応する前記第二のテキストとは、互いに異なる生成過程を経て、同一の事象を対象として生成されており、
    前記コンピュータに、
    （ａ）解析対象に設定された第一のテキストを構成する複数個のセグメントに類似し、且つ、別の第一のテキストに含まれる、同種セグメントに対して、その内容が、前記第二のテキストに含まれているかどうかを判定するステップと、
    （ｂ）前記（ａ）のステップでの判定の結果に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべきかどうかを判定する、ステップとを実行させる、プログラム。
26. 前記コンピュータが、前記（ａ）のステップとして、
    （ｌ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、別の第一のテキストとを対比して、前記別の第一のテキストを構成する複数個のセグメントから、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップと、
    （ｍ）前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップとを実行する、請求項２５に記載のプログラム。
27. 前記（ｂ）のステップで、
    前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
    更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項２６に記載のプログラム。
28. 前記（ｍ）のステップで、前記同種セグメントの内容についての判定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとについて、セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｍ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項２７に記載のプログラム。
29. 前記コンピュータが、前記（ａ）のステップとして、
    （ｘ）全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれているかどうかを判定するステップと、
    （ｙ）前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記（ｘ）のステップによって前記第二のテキストに含まれていると判定され、且つ、別の第一のテキストに含まれるセグメントとを対比して、前記解析対象に設定された第一のテキストを構成する複数個のセグメントのいずれかに類似するセグメントを特定し、これを同種セグメントとするステップとを実行する、請求項２５に記載のプログラム。
30. 前記（ｂ）のステップで、
    前記（ａ）のステップによる判定の結果に基づいて、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに含まれている程度を求め、
    更に、求めた程度に基づいて、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを求め、前記度合いを用いて判定を行う、請求項２９に記載のプログラム。
31. 前記（ｘ）のステップで、前記各セグメントの内容についての判定に加え、全ての第一のテキストにおける、それぞれを構成する複数個のセグメントについて、各セグメントの内容が、当該セグメントを含む第一のテキストに対応する、前記第二のテキストに含まれている可能性を表す含有スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｘ）のステップによって算出された前記含有スコアを用い、前記含有スコアが高いほど前記度合いが高くなるように、前記度合いを求める、請求項３０に記載のプログラム。
32. 前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される割合を求め、
    更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記割合が高いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項２７または２８に記載のプログラム。
33. 前記（ｂ）のステップで、前記第二のテキストに含まれている程度として、前記同種セグメントの内容が、前記同種セグメントを含む前記別の第一のテキストに対応する、前記第二のテキストに記述される回数を求め、
    更に、前記解析対象に設定された第一のテキストを構成する各セグメントが、前記解析対象に設定された第一のテキストに対応する、前記第二のテキストに記述されるべき度合いを、前記回数が多いほど、高くなるようにして求め、求めた前記度合いを用いて判定を行う、請求項２７、２８、３０または３１に記載のプログラム。
34. 前記（ｌ）又は（ｙ）のステップで、前記同種セグメントの特定に加え、前記解析対象に設定された第一のテキストを構成する複数個のセグメントそれぞれと、前記同種セグメントとの類似の程度を表す類似度スコアを算出し、
    前記（ｂ）のステップで、更に、前記（ｌ）又は前記（ｙ）のステップによって算出された前記類似度スコアが高いほど、前記度合いが高くなるように前記度合いを求める、請求項３２または３３に記載のプログラム。
35. （ｃ）前記第一のテキストを、それに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて分割し、そして、前記複数個のセグメントを設定する、ステップを、前記コンピュータに更に実行させる、請求項２５〜３４のいずれかに記載のプログラム。
36. 前記第一のテキストを構成する前記複数個のセグメントの設定が、前記第一のテキストに含まれる、文、段落、トピック、及びフェーズの少なくとも一つに基づいて行われている、請求項２５〜３４のいずれかに記載のプログラム。

Images