JP5430989B2 - オントロジー生成装置、及び方法 - Google Patents

Description

本発明は、オントロジー生成装置、及び方法に関する。

従来から、情報処理装置などに用いられるオントロジー技術が知られている。「オントロジー」とは、辞書の一種で、言葉の持つ概念を体系的に整理したものである。オントロジーでは、概念の位置関係が概念間の相対的な意味を表現しており、この意味情報を利用することにより、高度な知識処理を行うことが可能となってきている。

そして、近年では、大量の文書データから概念および概念間の関係を抽出してオントロジーを構築する技術への取り組みが行われている。

このような技術として、文書データに対して自然言語処理技術を適用し、品詞情報、構文情報、又は意味情報など（例えば、文字列パターンや構文木パターン）を用いて概念と関係を抽出し、オントロジーを構築する手法がある。また、文書データに対して自然言語処理技術を適用して得られた特徴語や文の言語情報（品詞情報、構文情報、意味情報など）を素性として、正しい関係にある概念の組を抽出し、オントロジーを構築する手法がある（非特許文献１、２参照）。

Ｐａｔｒｉｃｋ Ｐａｎｔｅｌ，Ｍａｒｃｏ Ｐｅｎｎａｃｃｈｉｏｔｔｉ，「Ｅｓｐｒｅｓｓｏ：Ｌｅｖｅｒａｇｉｎｇ Ｇｅｎｅｒｉｃ Ｐａｔｔｅｒｎｓ ｆｏｒ Ａｕｔｏｍａｔｉｃａｌｌｙ Ｈａｒｖｅｓｔｉｎｇ Ｓｅｍａｎｔｉｃ Ｒｅｌａｔｉｏｎｓ」，Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃｓ／Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃｓ（Ｃｏｌｉｎｇ／ＡＣＬ−０６），ｐｐ．１１３−１２０，２００６ Ｆａｂｉａｎ Ｍ．Ｓｕｃｈａｎｅｋ，Ｇｅｏｒｇｉａｎａ Ｉｆｒｉｍ，Ｇｅｒｈａｒｄ Ｗｅｉｋｕｍ，「ＬＥＩＬＡ：Ｌｅａｒｎｉｎｇ ｔｏ Ｅｘｔｒａｃｔ Ｉｎｆｏｒｍａｔｉｏｎ ｂｙ Ｌｉｎｇｕｉｓｔｉｃ Ａｎａｌｙｓｉｓ」，Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２ｎｄ Ｗｏｒｋｓｈｏｐ ｏｎ Ｏｎｔｏｌｏｇｙ Ｌｅａｒｎｉｎｇ ａｎｄ Ｐｏｐｕｌａｔｉｏｎ，ｐｐ．１８−２５， ２００６

しかしながら、上述したような従来技術では、抽出した概念の組の中に、概念間の関係は正しいものの互いの概念を相互に参照してしまうなど矛盾が生じている概念の組が含まれる可能性がある。そして、このような矛盾が生じていることをユーザが判別できない可能性がある。

本発明は、上記事情に鑑みてなされたものであり、生成されたオントロジーを構成する概念間の矛盾をユーザが容易に判別することができるオントロジー生成装置、及び方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明の一態様にかかるオントロジー生成装置は、文書データを取得する取得部と、語彙の概念の組である概念ペアを記憶する概念情報記憶部と、前記文書データから、前記概念ペアが共起する文の文字列のうち、前記概念ペアの概念を表す語彙それぞれを変数に置き換えた第１及び第２文字列と他の文字列との依存関係を示すパターンを抽出する第１抽出部と、抽出された前記パターンを記憶するパターン情報記憶部と、前記パターン情報記憶部に記憶されている前記パターンを用いて、前記文書データから新たな概念ペアを抽出し、前記概念情報記憶部に記憶させる第２抽出部と、前記概念情報記憶部に記憶されている複数の前記概念ペアを用いて、概念間の関係を整理したオントロジーを生成する生成部と、前記オントロジーを構成する概念間の矛盾の有無を判定する判定部と、前記オントロジーとともに判定結果を出力する出力部と、を備えることを特徴とする。

また、本発明の別の態様にかかるオントロジー生成方法は、取得部が、文書データを取得する取得ステップと、第１抽出部が、前記文書データから、語彙の概念の組である概念ペアを記憶する概念情報記憶部に記憶されている前記概念ペアが共起する文の文字列のうち、前記概念ペアの概念を表す語彙それぞれを変数に置き換えた第１及び第２文字列と他の文字列との依存関係を示すパターンを抽出して、パターン情報記憶部に記憶させる第１抽出ステップと、第２抽出部が、前記パターン情報記憶部に記憶されている前記パターンを用いて、前記文書データから新たな概念ペアを抽出し、前記概念情報記憶部に記憶させる第２抽出ステップと、生成部が、前記概念情報記憶部に記憶されている複数の前記概念ペアを用いて、概念間の関係を整理したオントロジーを生成する生成ステップと、判定部が、前記オントロジーを構成する概念間の矛盾の有無を判定する判定ステップと、出力部が、前記オントロジーとともに判定結果を出力部に出力させる出力制御ステップと、を含むことを特徴とする。

本発明によれば、生成されたオントロジーを構成する概念間の矛盾をユーザが容易に判別することができるという効果を奏する。

図１は、オントロジーの一例を示す図である。 図２は、本実施の形態のオントロジー生成装置の構成の一例を示すブロック図である。 図３は、本実施の形態の抽出概念情報記憶部に記憶されている概念情報の一例を示す図である。 図４は、本実施の形態のユーザ概念情報記憶部に記憶されている概念情報の一例を示す図である。 図５は、本実施の形態の抽出パターン情報記憶部に記憶されているパターン情報の一例を示す図である。 図６は、本実施の形態のユーザパターン情報記憶部に記憶されているパターン情報の一例を示す図である。 図７は、本実施の形態の構文木情報の一例を示す図である。 図８は、本実施の形態の構文木パターンの一例を示す図である。 図９は、新たなパターン情報が本実施の形態の抽出パターン情報記憶部に記憶された状態の一例を示す図である。 図１０は、本実施の形態の構文木パターンの一例を示す図である。 図１１は、本実施の形態の構文木パターンを有する文の構文木情報の一例を示す図である。 図１２は、新たな概念情報が本実施の形態の抽出概念情報記憶部に記憶された状態の一例を示す図である。 図１３は、本実施の形態のオントロジーの一例を示す図である。 図１４は、本実施の形態のオントロジーの出力態様の一例を示す図である。 図１５は、矛盾判定結果が本実施の形態の抽出概念情報記憶部に記憶された状態の一例を示す図である。 図１６は、矛盾判定結果が本実施の形態のユーザ概念情報記憶部に記憶された状態の一例を示す図である。 図１７は、本実施の形態のオントロジー生成装置で行われる処理の手順の流れの一例を示すフローチャートである。 図１８は、本実施の形態のパターン情報抽出処理の手順の流れの一例を示すフローチャートである。 図１９は、構文木パターンの機械学習に用いるベクトルの一例を示す図である。 図２０は、概念ペアと、概念ペアが共起する文の一例を示す図である。 図２１は、構文木パターンの機械学習に用いるベクトルの一例を示す図である。 図２２は、本実施の形態の分類器の概念の一例を示す図である。 図２３は、本実施の形態の分類器の一例を示す図である。 図２４は、本実施の形態の概念情報抽出処理の手順の流れの一例を示すフローチャートである。 図２５は、概念ペアの相関性を検定する例を示す図である。 図２６は、本実施の形態のオントロジー生成処理の手順の流れの一例を示すフローチャートである。 図２７は、本実施の形態の矛盾判定処理の手順の流れの一例を示すフローチャートである。 図２８は、本実施の形態の登録処理の手順の流れの一例を示すフローチャートである。 図２９は、本実施の形態の比較処理の手順の流れの一例を示すフローチャートである。

以下、添付図面を参照しながら、本発明にかかるオントロジー生成装置、及び方法の最良な実施の形態を詳細に説明する。

まず、オントロジーの概要について説明する。

「オントロジー」は、言葉の概念を体系的に整理したものである。「概念」には、主としてクラスとインスタンスの２種類が利用されるが、これに限定されるものではない。なお、「クラス」は、概念の分類名を示し、「インスタンス」は、概念の実例を示す。

また、オントロジーでは、オントロジー上に配置された概念の位置関係が概念間の相対的な意味を表現しており、一般的に、概念の関係には、上位下位関係（ｉｓ−ａ関係）、全体部分関係（ｐａｒｔ−ｏｆ関係）、及びインスタンス関係（ｉｎｓｔａｎｃｅ−ｏｆ関係）などのいずれかが含まれる。

図１は、オントロジーの一例を示す図である。図１に示す例では、オントロジーは、７つのクラスと３つのインスタンスから構成されており、クラスは、自動車の車種分類を示し，インスタンスは自動車の年式を示している。また、図１に示す例では、クラス間の関係は上位下位関係であり、クラス及びインスタンス間の関係はインスタンス関係となっている。

なお、オントロジーの表現には、例えばオントロジー記述言語であるＯＷＬなどを用いることができるが、これに限定されるものではない。

次に、本実施の形態のオントロジー生成装置の構成について説明する。

図２は、本実施の形態のオントロジー生成装置１の構成の一例を示すブロック図である。図２に示すように、オントロジー生成装置１は、入力部１０と、出力部２０と、記憶部３０と、受付部４０と、取得部４５と、パターン抽出部５０と、概念抽出部５５と、生成部６０と、判定部６５と、出力制御部７０と、登録部７５と、比較部８０とを備える。

入力部１０は、文書の取得を指示する取得操作などの各種操作の入力を行うものであり、例えば、キーボード、マウス、又はタッチパネルなどの既存の入力装置により実現できる。

出力部２０は、後述する出力制御部７０の指示により、後述する生成部６０により生成されたオントロジーや、後述する判定部６５の判定結果などを出力するものであり、例えば、ＣＲＴディスプレイ、液晶ディスプレイ、プラズマディスプレイ、有機ＥＬディスプレイ、又はタッチパネル式ディスプレイなどの既存の表示装置により実現できる。なお出力部２０を、プリンタなどの既存の印刷装置により実現してもよいし、これらを併用して実現するようにしてもよい。

記憶部３０は、オントロジー生成装置１で行われる各種処理に使用される情報を記憶するものであり、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、光ディスク、又はＲＡＭ（Random Access Memory）などの磁気的、電気的、又は光学的に記憶可能な既存の記憶媒体により実現できる。そして記憶部３０は、概念情報記憶部３１と、パターン情報記憶部３６とを含む。

概念情報記憶部３１は、概念の組である概念ペアなどを含む概念情報を記憶するものであり、後述の概念抽出部５５により抽出された概念ペアなどを含む概念情報を記憶する抽出概念情報記憶部３２と、ユーザにより登録される概念情報を記憶するユーザ概念情報記憶部３３とを含む。

図３は、抽出概念情報記憶部３２に記憶されている概念情報の一例を示す図であり、図４は、ユーザ概念情報記憶部３３に記憶されている概念情報の一例を示す図である。図３及び図４に示す例では、概念情報は、概念ペア（概念１及び概念２）と、関係と、ラベル（第１ラベルの一例）と、矛盾とを含む情報となっている。「概念ペア」は、オントロジーの構成要素である概念を表す語彙のペアを示す情報である。「関係」は、概念ペア間の関係性を示す情報である。「ラベル」は、概念ペア間の関係が正しいか否かを示す情報であり、正しい関係であれば「正例」、正しくない関係であれば「負例」となる。「矛盾」は、概念ペア間に相互参照や巡回参照などの矛盾が生じるか否かを示す情報であり、矛盾があれば「あり」、矛盾がなければ「なし」となる。

パターン情報記憶部３６は、文字列の依存関係を示す構文木パターンなどを含むパターン情報を記憶するものであり、後述のパターン抽出部５０により抽出された構文木パターンなどを含むパターン情報を記憶する抽出パターン情報記憶部３７と、ユーザにより登録されるパターン情報を記憶するユーザパターン情報記憶部３８とを含む。

図５は、抽出パターン情報記憶部３７に記憶されているパターン情報の一例を示す図であり、図６は、ユーザパターン情報記憶部３８に記憶されているパターン情報の一例を示す図である。図５及び図６に示す例では、パターン情報は、構文木パターンと、関係と、ラベル（第２ラベルの一例）とを含む情報となっている。「構文木パターン」は、文字列の係り受け関係を示す情報である。「関係」は、構文木パターンによって抽出される概念ペア間の関係性を示す情報である。「ラベル」は、概念ペアの抽出に有効か否かを示す情報であり、有効であれば「正例」、有効でなければ「負例」となる。

受付部４０は、入力部１０により入力された各種操作の入力を受け付ける。具体的には、受付部４０は、取得操作、ユーザ概念情報記憶部３３に対する概念情報の登録操作、ユーザパターン情報記憶部３８に対するパターン情報の登録操作、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３間での概念情報の比較操作、又は抽出パターン情報記憶部３７及びユーザパターン情報記憶部３８間でのパターン情報の比較操作などを受け付ける。

取得部４５は、文書データを取得する。具体的には、取得部４５は、受付部４０により取得操作が受け付けられると、文書データを取得する。なお、記憶部３０に文書データを格納しておき、取得部４５が記憶部３０から文書データを取得するようにしてもよいし、例えばサーバなどの図示せぬ外部装置に格納された文書データを取得するようにしてもよい。

なお、取得部４５が取得する文書データは、特定ドメインについて書かれた文書データの集合であり、例えば、特許文書、技術文書、営業文書、業務文書などが挙げられる。また、取得部４５が取得する文書データの形式は限定されず、構造化文書、半構造化文書、非構造化文書のいずれであってもよい。

パターン抽出部５０（第１抽出部の一例）は、取得部４５により取得された文書データから、概念情報記憶部３１に記憶されている概念ペアが共起する文の文字列のうち、前記概念ペアの概念を表す語彙それぞれを変数に置き換えた第１及び第２文字列と他の文字列との依存関係を示すパターンを抽出する。

具体的には、パターン抽出部５０は、抽出概念情報記憶部３２又はユーザ概念情報記憶部３３から概念情報を読み出し、読み出した概念情報の概念ペアが共起する文書データを検索する。そして、パターン抽出部５０は、検索された文書データを構文解析し、概念ペアが共起する文を構文木情報として抽出する。

図７は、パターン抽出部５０により、図４に示す概念情報１１３を用いて抽出された構文木情報の一例を示す図である。図７に示す構文木情報は、文字列１２１〜１２５から構成される文を構文解析して生成された構文木情報であり、文字列１２１〜１２５が構文木となっている。そして、図７に示す構文木情報は、構文木である文字列１２１〜１２５それぞれの係り受け関係を示している。

そして、パターン抽出部５０は、抽出した構文木情報から不要な文字列を削除し、概念情報に対応する文字列を変数に置き換えた構文木パターンを、関係やラベルとともに抽出概念情報記憶部３２に記憶させる。

なお、不要な文字列の削除として、パターン抽出部５０は、概念情報に対応する文字列が出現する最短パス、及び当該文字列が直結する文字列以外の文字列を削除する。また、抽出概念情報記憶部３２に記憶される関係は、構文木パターンの抽出に用いた概念ペアの関係が示す情報であり、抽出概念情報記憶部３２に記憶されるラベルについては後述する。

図８は、図７に示す構文木情報の構文木パターンの一例を示す図である。図に示す例では、図７に示す構文木情報から文字列１２１が削除され、概念情報１１３の概念ペアに対応する文字列１２２、１２４が、それぞれ変数を含む文字列１３２、１３４に置き換えられている。

図９は、図８に示す構文木パターンを含むパターン情報が、抽出パターン情報記憶部３７に新たに記憶された状態の一例を示す図である。図９に示す例では、文字列１３２、１２３、１３４、及び１２５から構成される構文木パターンが、関係やラベルとともにパターン情報１４１として抽出パターン情報記憶部３７に記憶されている。なお、図８に示す構文木パターンの抽出に用いた概念情報は、図４に示す概念情報１１３であるため、パターン情報１４１の関係は、「車種」となっている。

概念抽出部５５（第２抽出部の一例）は、パターン情報記憶部３６に記憶されている構文木パターンを用いて、文書データから新たな概念ペアを抽出し、概念情報記憶部３１に記憶させる。

具体的には、概念抽出部５５は、抽出パターン情報記憶部３７又はユーザパターン情報記憶部３８からパターン情報を読み出し、読み出したパターン情報の構文木パターンを有する文を、取得部４５により取得された文書データから抽出する。

図１０は、図６に示すパターン情報１１７の構文木パターンの一例を示す図である。図１０に示す構文木パターンは、文字列１５３〜１５５から構成されている。

図１１は、図１０に示す構文木パターンを有する文の構文木情報の一例を示す図である。図１１に示す構文木情報は、文字列１６１〜１６５から構成される文の構文木情報であり、文字列１６３〜１６５が、それぞれ図１０に示す構文木パターンの文字列１５３〜１５５に対応している。従って、図１１に示す文字列１６１〜１６５から構成される文は、概念抽出部５５により抽出される。

そして、概念抽出部５５は、抽出した文の構文木パターンのうち、変数部分を含む語彙の相関性を検定し、相関性がある場合には、構文木パターンの変数部分に対応する文字列を概念ペアとして抽出し、関係やラベルとともに抽出概念情報記憶部３２に記憶させる。

図１２は、図１１に示す文から抽出された概念ペアを含む概念情報が、新たに抽出概念情報記憶部３２に記憶された状態の一例を示す図である。図１２に示す例では、図１１に示す文字列１６３及び文字列１６４に含まれる文字のペアである概念ペアが、関係、ラベル、及び矛盾とともに概念情報１７１として抽出概念情報記憶部３２に記憶されている。なお、概念ペアの抽出に用いたパターン情報は、図６に示すパターン情報１１７であるため、概念情報１７１の関係は、「車種」となっている。ラベル、及び矛盾については後述する。

生成部６０は、概念情報記憶部３１に記憶されている複数の概念ペアを用いてオントロジーを生成する。具体的には、生成部６０は、抽出概念情報記憶部３２又はユーザ概念情報記憶部３３から概念情報を読み出し、読み出した概念情報の概念ペアのそれぞれの名称を付与したノードとともに、各ノード間のリンクを作成する。

図１３は、図４に示す概念情報１１３、１１４及び、図１２に示す概念情報１１１の概念ペアを用いて生成されたオントロジーの一例を示す図である。図１３に示すオントロジーは、ノード１８１〜１８３により構成されるオントロジーであり、ノード１８１及びノード１８２間ではリンクが巡回している。

判定部６５は、生成部６０により生成されたオントロジーを構成する概念間の矛盾の有無を判定する。具体的には、判定部６５は、生成部６０により生成されたオントロジーを構成する概念間に巡回が生じる場合に、当該概念間に矛盾があると判定する。そして、判定部６５は、判定結果である矛盾の有無をオントロジーの生成に用いられた概念ペアに対応付けて抽出概念情報記憶部３２又はユーザ概念情報記憶部３３に記憶させる。

図１３に示す例では、ノード１８１及びノード１８２間ではリンクが巡回しているため、判定部６５は、図１４に示すようにノード１８１及びノード１８２の生成元の概念ペアに矛盾があると判定する。

図１５は、図１４に示すオントロジーの矛盾判定により、矛盾の有無が抽出概念情報記憶部３２に記憶された状態の一例を示す図であり、図１６は、図１４に示すオントロジーの矛盾判定により、矛盾の有無がユーザ概念情報記憶部３３に記憶された状態の一例を示す図である。

図１３に示すオントロジーでは、ノード１８１及びノード１８２の生成元の概念ペアに矛盾があると判定されるため、図１５に示す抽出概念情報記憶部３２の概念情報１１１、及び図１６に示すユーザ概念情報記憶部３３の概念情報１１４には、矛盾ありが設定される。

出力制御部７０は、生成部６０により生成されたオントロジーとともに判定部６５の判定結果を出力部２０に出力させる。例えば、出力制御部７０は、図１４に示すように、矛盾が生じる部分を出力部２０に強調表示させる。また出力制御部７０は、後述の比較部８０の比較結果を出力部２０に出力させる。

登録部７５は、受付部４０により登録操作が受け付けられると、受け付けられた概念ペアをユーザ概念情報記憶部３３に登録したり、受け付けられた構文木パターンをユーザパターン情報記憶部３８に登録する。

比較部８０は、受付部４０により比較操作が受け付けられると、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３の双方に記憶された同一の概念ペアに対するラベルの比較や、抽出パターン情報記憶部３７及びユーザパターン情報記憶部３８の双方に記憶された同一の構文木パターンに対するラベルの比較を行う。

次に、本実施の形態のオントロジー生成装置の動作について説明する。

図１７は、本実施の形態のオントロジー生成装置１で行われるオントロジー生成処理の手順の流れの一例を示すフローチャートである。

まず、取得部４５は、受付部４０に取得操作が受け付けられると、文書データ群を取得する（ステップＳ１０）。

続いて、パターン抽出部５０は、取得部４５により取得された文書から、概念情報記憶部３１に記憶されている概念情報の概念ペアが共起する文の構文木情報であって、前記概念ペアの概念それぞれを変数に置き換えた構文木と他の構文木との依存関係を示す構文木パターンを抽出して、パターン情報記憶部３６に記憶させるパターン情報抽出処理を行う（ステップＳ２０）。なお、パターン情報抽出処理の詳細は後述する。

続いて、概念抽出部５５は、パターン情報記憶部３６に記憶されている構文木パターンを用いて、取得部４５により取得された文書データから新たな概念ペアを抽出し、概念情報記憶部３１に記憶させる概念情報抽出処理を行う（ステップＳ３０）。なお、概念情報抽出処理の詳細は後述する。

続いて、概念抽出部５５により新たな概念ペアを含む概念情報が概念情報記憶部３１に記憶され、概念情報記憶部３１の概念情報数が増加した場合には（ステップＳ４０でＹｅｓ）、生成部６０は、概念情報記憶部３１に記憶されている概念情報の概念ペアを用いて、オントロジー生成処理を行う（ステップＳ５０）。なお、オントロジー生成処理の詳細は後述する。

続いて、判定部６５は、生成部６０により生成されたオントロジーを構成する概念間の矛盾の有無を判定する矛盾判定処理を行う（ステップＳ６０）。なお、矛盾判定処理の詳細は後述する。

続いて、出力制御部７０は、生成部６０により生成されたオントロジーとともに、判定部６５の判定結果を出力部２０に出力させる（ステップＳ７０）。

図１８は、図１７のステップＳ２０に示すパターン情報抽出処理の手順の流れの一例を示すフローチャートである。

まず、パターン抽出部５０は、抽出概念情報記憶部３２又はユーザ概念情報記憶部３３から読み出す概念情報を選択する（ステップＳ２０２）。

この際、パターン抽出部５０は、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３に同一の概念ペアを有する概念情報が記憶され、両概念ペアのラベルが異なる場合には、ユーザ概念情報記憶部３３に記憶された概念情報を選択する。

例えば、図３に示す抽出概念情報記憶部３２に記憶された概念情報１１２と、図４に示すユーザ概念情報記憶部３３に記憶された概念情報１１３とは、概念ペアが同一であり、ラベルが互いに異なるため、パターン抽出部５０は、ユーザ概念情報記憶部３３に記憶された概念情報１１３を選択する。

続いて、パターン抽出部５０は、選択した概念情報を読み出し、読み出した概念情報の概念ペアが共起する文書データを、取得部４５により取得された文書データの中から検索する（ステップＳ２０４）。

続いて、パターン抽出部５０は、検索した文書データを構文解析し、概念ペアが共起する文を構文木情報として抽出する（ステップＳ２０６）。図７に示す例では、パターン抽出部５０は、図４に示す概念情報１１３を用いて、文字列１２１〜１２５から構成される文を構文木情報として抽出している。

続いて、パターン抽出部５０は、抽出した文の構文木情報から不要な文字列を削除し、概念情報に対応する文字列を変数に置き換えた構文木パターンを、新たに抽出概念情報記憶部３２に格納する（ステップＳ２０８）。

図８に示す例では、パターン抽出部５０は、図７に示す構文木情報から文字列１２１を削除し、概念情報１１３の概念ペアに対応する文字列１２２、１２４を、それぞれ変数を含む文字列１３２、１３４に置き換えている。

続いて、パターン抽出部５０は、抽出した構文木情報を構成する文字列（部分木）、抽出に用いた概念ペア、及び概念ペアのラベルを素性として構文木パターンを機械学習することで、構文木パターンのラベルの付与に用いる分類器を生成する（ステップＳ２１０）。なお、機械学習の手法としては、例えばＳＶＭなどが挙げられるが、これに限定されるものではない。

ここで、図１９〜図２３を参照しながら、分類器について説明する。

図１９は、構文木パターンの機械学習に用いるベクトルの一例を示す図である。図１９に示す例では、図７に示す構文木情報を構成する文字列１２１〜１２５、図８に示す構文木パターンの抽出に用いた図４に示す概念情報１１３の概念ペア、及び概念情報１１３の正例を示すラベルを素性としたベクトルを生成している。

具体的には、図１９に示す例では、概念情報１１３の正例を示すラベル、文字列１２１〜１２５、概念情報１１３の概念ペア、文字列１２１〜１２５及び概念情報１１３の概念ペアの係り受け関係のそれぞれに対して、ベクトルを生成している。

図２０は、概念ペアと、概念ペアが共起する文の一例を示す図である。図２０に示す例では、概念ペア２１１〜２１５のそれぞれに文２２１〜２２５が共起する。

図２１は、図２０に示す概念ペア及び当該概念ペアが共起する文から生成したベクトル集合の一例を示す図である。なお、図２１に示す例では、表２２７が表２２６の右列に続くものであり、表２２８が表２２７の右列に続くものである。

図２２は、図２１に示すベクトル集合を機械学習することで生成される分類器の概念の一例を示す図であり、図２３は、図２１に示すベクトル集合を機械学習することで生成される分類器の一例を示す図である。なお、図２３に示す例では、表２４２が表２４１の右列に続くものであり、表２４３が表２４２の右列に続くものである。

図２２に示す例では、ベクトル空間２３０上に、「正例」、「負例」のベクトルが存在しており、境界曲線２３３により負例のベクトル空間２３１と正例のベクトル空間２３２に分けられている。従って、ベクトル集合を図２２に示す分類器に入力することにより、構文木パターンに付与するラベルが正例であるか負例であるかを決定することができる。

図１８に戻り、パターン抽出部５０は、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３に記憶された全ての選択可能な概念情報を処理するまで、ステップＳ２０２〜ステップＳ２１０の処理を繰り返す（ステップＳ２１２でＮｏ）。

そして、全ての選択可能な概念情報を処理した場合には（ステップＳ２１２でＹｅｓ）、パターン抽出部５０は、抽出した構文木パターンを選択して、分類器に入力する（ステップＳ２１４）。

続いて、パターン抽出部５０は、分類器から、入力した構文木パターンに対応付ける分類ラベルを獲得し、構文木パターンに対応付けて抽出パターン情報記憶部３７及びユーザパターン情報記憶部３８に格納する（ステップＳ２１６）。例えば、図８に示す構文木パターンを図２３に示す分類器に入力した場合、いずれの文字列（構文木）も正例となるため、図８に示す構文木パターンには正例のラベルが対応付けられる。

続いて、パターン抽出部５０は、抽出した全ての構文木パターンを処理するまで、ステップＳ２１４〜ステップＳ２１６の処理を繰り返す（ステップＳ２１８でＮｏ）。そして、抽出した全ての構文木パターンを処理した場合には（ステップＳ２１８でＹｅｓ）、パターン抽出部５０は、処理を終了する。

図２４は、図１７のステップＳ３０に示す概念情報抽出処理の手順の流れの一例を示すフローチャートである。

まず、概念抽出部５５は、抽出パターン情報記憶部３７又はユーザパターン情報記憶部３８から読み出すパターン情報を選択する（ステップＳ３０２）。

この際、概念抽出部５５は、抽出パターン情報記憶部３７及びユーザパターン情報記憶部３８に同一の構文木パターンを有するパターン情報が記憶され、両構文木パターンのラベルが異なる場合には、ユーザパターン情報記憶部３８に記憶されたパターン情報を選択する。

例えば、図５に示す抽出パターン情報記憶部３７に記憶されたパターン情報１１６と、図４に示すユーザパターン情報記憶部３８に記憶されたパターン情報１１７とは、構文木パターンが同一であり、ラベルが互いに異なるため、概念抽出部５５は、ユーザパターン情報記憶部３８に記憶されたパターン情報１１７を選択する。

続いて、概念抽出部５５は、選択したパターン情報を読み出し、読み出したパターン情報の構文木パターンが正例であるか否かを確認する（ステップＳ３０４）。

続いて、概念抽出部５５は、選択した構文木パターンが正例である場合（ステップＳ３０４でＹｅｓ）には、取得部４５により取得された文書データの中から、当該構文木パターンを有する文を抽出する（ステップＳ３０６）。図１１に示す例では、概念抽出部５５は、図１０に示す構文木情報を有する文字列１６１〜１６５から構成される文を抽出する。なお、選択した構文木パターンが負例である場合（ステップＳ３０４でＮｏ）には、概念抽出部５５は、新たなパターン情報を選択する。

続いて、概念抽出部５５は、構文木パターンの変数に相当する語彙のペアを概念情報として抽出する（ステップＳ３０８）。図１１に示す例では、概念抽出部５５は、文字列１６３及び文字列１６４に含まれる文字のペアを概念ペアとして抽出する。

続いて、概念抽出部５５は、抽出した概念情報を統計的に検定する（ステップＳ３１０）。なお、概念情報の統計的検定には、例えば、カイ二乗検定などを用いることができるがこれに限定されるものではない。

図２５は、図１２の概念情報１７１の概念ペアの相関性をカイ二乗検定で検定した例を示す図である。図２５に示す例では、文書データに対する概念情報１７１の概念ペアそれぞれの出現頻度及び共起頻度のカウント結果を示しており、概念ペアの双方が出現する場合が共起頻度を示している。

そして、概念ペアそれぞれの出現に関する独立性を判定することで、概念ペアそれぞれの相関性を統計的に判定できる。なお、独立性の判定には、統計解析でよく用いられる検定手法の１つであるカイ二乗検定を用いることができるが、これに限定されるものではない。ここで、帰無仮説として「概念ペアは互いに独立である」とし，対立仮説を「SUVと概念ペアは互いに独立ではない」と定める。

図２５に示す例では、カイ二乗統計量は６．２０７１、ｐ値は０．０１３となる。つまり、自由度１のカイ二乗分布において、カイ二乗統計量６．２０７１が起こる確率は０．００１３となる。そして、ｐ値が有意水準０．０５よりも小さいため、帰無仮説は棄却され、概念ペアは互いに独立ではなく、統計的には相関性があるとみなされる。

このため、図２５に示す例では、概念抽出部５５は、概念ペアに対して正例のラベルを付与する。なお、カイ二乗検定の結果，互いに独立であると判定された場合は、概念抽出部５５は、概念ペアに対して負例のラベルを付与する。

図２４に戻り、概念抽出部５５は、概念ペアに相関性がある場合には（ステップＳ３１２でＹｅｓ）、概念ペアに正例を示すラベルを対応付けて抽出概念情報記憶部３２又はユーザ概念情報記憶部３３に格納する（ステップＳ３１４）。一方、概念抽出部５５は、概念ペアに相関性がない場合には（ステップＳ３１２でＮｏ）、概念ペアに負例を示すラベルを対応付けて抽出概念情報記憶部３２又はユーザ概念情報記憶部３３に格納する（ステップＳ３１６）。

続いて、概念抽出部５５は、全ての選択可能なパターン情報を処理するまで、ステップＳ３０２〜ステップＳ３１６の処理を繰り返す（ステップＳ３１８でＮｏ）。そして、全ての選択可能なパターン情報を処理した場合には（ステップＳ３１８でＹｅｓ）、概念抽出部５５は、処理を終了する。

図２６は、図１７のステップＳ５０に示すオントロジー生成処理の手順の流れの一例を示すフローチャートである。

まず、生成部６０は、抽出概念情報記憶部３２又はユーザ概念情報記憶部３３から概念情報を選択する（ステップＳ５０２）。

続いて、生成部６０は、選択した概念情報の概念ペアが正例であるか否かを確認する（ステップＳ５０３）。

続いて、生成部６０は、選択した概念ペアが正例である場合には（ステップＳ５０３でＹｅｓ）、概念ペアのそれぞれの名称を付与したノードとともに、各ノード間のリンクを作成する（ステップＳ５０４）。図１３に示す例では、生成部６０は、ノード１８１〜１８３により構成されるオントロジーを生成している。

続いて、生成部６０は、全ての概念情報を処理するまで、ステップＳ５０２〜ステップＳ５０４の処理を繰り返す（ステップＳ５０６でＮｏ）。そして、全ての概念情報を処理した場合には（ステップＳ５０６でＹｅｓ）、生成部６０は、処理を終了する。

図２７は、図１７のステップＳ６０に示す矛盾判定処理の手順の流れの一例を示すフローチャートである。

まず、判定部６５は、生成部６０により生成されたオントロジーからノードを選択する（ステップＳ６０２）。

続いて、判定部６５は、選択したノードを開始点として、オントロジー上で深さ優先探索を行う（ステップＳ６０４）。

続いて、判定部６５は、深さ優先探索の結果、訪問済みのノードにたどり着いたか否かを確認する（ステップＳ６０６）。

続いて、訪問済みのノードにたどり着いた場合には（ステップＳ６０６でＹｅｓ）、判定部６５は、深さ優先探索で訪問した全ての訪問済みのノードの生成元となった概念ペアに矛盾ありを対応付けて抽出概念情報記憶部３２又はユーザ概念情報記憶部３３に格納する（ステップＳ６０８）。なお、深さ優先探索中に訪問済みのノードにたどり着かなかった場合には（ステップＳ６０６でＮｏ）、判定部６５は、ステップＳ６０８の処理を行わない。図１４に示す例では、ノード１８１及びノード１８２間ではリンクが巡回しているため、判定部６５は、ノード１８１及びノード１８２の生成元の概念ペアに矛盾があると判定する。

続いて、判定部６５は、全てのノードを処理するまで、ステップＳ６０２〜ステップＳ６０８の処理を繰り返す（ステップＳ６１０でＮｏ）。そして、全てのノードを処理した場合には（ステップＳ６１０でＹｅｓ）、判定部６５は、処理を終了する。

図２８は、本実施の形態のオントロジー生成装置１で行われるユーザ概念情報記憶部３３への概念情報の登録処理の手順の流れの一例を示すフローチャートである。なお、図２８に示す例では、概念情報の登録処理について説明するが、パターン情報についても同様の手法で登録することができる。

まず、受付部４０は、入力部１０から概念情報の登録操作の入力を受け付ける（ステップＳ８０２）。

続いて、登録部７５は、受け付けた概念情報をユーザ概念情報記憶部３３へ登録（格納）する（ステップＳ８０４）。

図２９は、本実施の形態のオントロジー生成装置１で行われる概念情報の比較処理の手順の流れの一例を示すフローチャートである。なお、図２９に示す例では、概念情報の比較処理について説明するが、パターン情報についても同様の手法で比較することができる。

まず、受付部４０は、入力部１０から概念情報の比較操作の入力を受け付ける（ステップＳ９０２）。

続いて、比較部８０は、受付部４０により比較操作の入力が受け付けられると、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３の双方に記憶されている同一の概念ペアを有する概念情報を読み出す（ステップＳ９０４）。

続いて、比較部８０は、読み出した概念情報のラベルを比較する（ステップＳ９０６）。

そして、出力制御部７０は、ラベルの不一致により互いの概念情報が一致しない場合には（ステップＳ９０８でＮｏ）、互いの概念情報が一致しない旨を出力部２０に出力させる（ステップＳ９１０）。なお、ラベルの一致により互いの概念情報が一致する場合には（ステップＳ９０８でＹｅｓ）、出力制御部７０は、ステップＳ９１０に示す処理を行わない。

続いて、比較部８０は、抽出概念情報記憶部３２及びユーザ概念情報記憶部３３の双方に記憶されている同一の概念ペアを全て処理するまで、ステップＳ９０２〜ステップＳ９１０の処理を繰り返す（ステップＳ９１２でＮｏ）。

そして、同一の概念ペアを全て処理した場合には（ステップＳ９１２でＹｅｓ）、比較部８０は、処理を終了する。

このように本実施の形態では、オントロジーを生成して出力するだけでなく、オントロジーを構成する概念間の矛盾の有無まで判定して出力しているため、生成されたオントロジーを構成する概念間の矛盾をユーザが容易に判別することができる。

また本実施の形態では、オントロジーを構成する概念間の矛盾の有無の判定結果を、オントロジーを構成する概念に対応づけて記憶するため、この情報を用いれば、オントロジーを構成する概念間の矛盾の有無を容易に判別可能なオントロジーを構築することができる。

また本実施の形態では、概念ペアを用いて構文木パターンを抽出するとともに、抽出した構文木パターンを用いて概念ペアを抽出することを繰り返し行うため、概念及び概念の関係の抽出漏れを減らし，幅広く獲得することができる。

また本実施の形態では、概念ペア及び構文木パターンにそれぞれラベルを対応付けているため、正しい関係にない概念ペアや、概念ペアの抽出に適さない構文木パターンを排除することができる。

また本実施の形態では、概念ペア及び構文木パターンのそれぞれを、オントロジー生成装置自身により抽出できるだけでなく、ユーザによる登録を併用することもできる。

なお本実施の形態のオントロジー生成装置１は、ＣＰＵ（Central Processing Unit）などの制御装置、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）などの記憶装置、液晶ディスプレイなどの表示装置、キーボードやマウスなどの入力装置、ネットワークに接続して通信を行う通信Ｉ／Ｆ等を備えたハードウェア構成となっている。

また、本発明は、上記実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記実施の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、実施の形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施の形態にわたる構成要素を適宜組み合わせても良い。

１ オントロジー生成装置
１０ 入力部
２０ 出力部
３０ 記憶部
３１ 概念情報記憶部
３２ 抽出概念情報記憶部
３３ ユーザ概念情報記憶部
３６ パターン情報記憶部
３７ 抽出パターン情報記憶部
３８ ユーザパターン情報記憶部
４０ 受付部
４５ 取得部
５０ パターン抽出部
５５ 概念抽出部
６０ 生成部
６５ 判定部
７０ 出力制御部
７５ 登録部
８０ 比較部
１１１、１１２、１１３、１１４、１７１ 概念情報
１１６、１１７、１４１ パターン情報
１２１〜１２５、１３２、１３４、１５３〜１５５、１６１〜１６５ 文字列
１８１〜１８３ ノード
２１１〜２１５ 概念ペア
２２１〜２２５ 文
２３０ ベクトル空間
２３１ 負例ベクトル空間
２３２ 正例ベクトル空間
２３３ 境界曲線

Claims (7)

1. 文書データを取得する取得部と、
   語彙の概念の組である概念ペアを記憶する概念情報記憶部と、
   前記文書データから、前記概念ペアが共起する文の文字列のうち、前記概念ペアの概念
   を表す語彙それぞれを変数に置き換えた第１及び第２文字列と他の文字列との依存関係を
   示すパターンを抽出する第１抽出部と、
   抽出された前記パターンを記憶するパターン情報記憶部と、
   前記パターン情報記憶部に記憶されている前記パターンを用いて、前記文書データから
   新たな概念ペアを抽出し、前記概念情報記憶部に記憶させる第２抽出部と、
   前記概念情報記憶部に記憶されている複数の前記概念ペアを用いて、概念間の関係を整
   理したオントロジーを生成する生成部と、
   前記オントロジーを構成する概念間の矛盾の有無を判定する判定部と、
   前記オントロジーとともに判定結果を出力する出力部と、を備え、
   前記概念情報記憶部は、更に、前記概念ペアの関係が正しいか否かを示す第１ラベルを
   前記概念ペアに対応付けて記憶し、
   前記パターン情報記憶部は、更に、前記パターンが前記新たな概念ペアの抽出に有効か
   否かを示す第２ラベルを当該パターンに対応付けて記憶し、
   前記第１抽出部は、抽出した前記パターンを構成する言語情報、抽出に用いた前記概念
   ペア、及び当該概念ペアの前記第１ラベルを素性として機械学習することにより、抽出し
   た前記パターンの前記第２ラベルを生成して、抽出した前記パターンに対応付けて前記パ
   ターン情報記憶部に記憶させ、
   前記第２抽出部は、前記パターン情報記憶部に記憶されている前記パターンのうち前記
   第２ラベルが有効を示す前記パターンを用いて、前記文書データから前記新たな概念ペア
   を抽出して、前記概念情報記憶部に記憶させ、
   前記生成部は、前記概念情報記憶部に記憶されている複数の前記概念ペアのうち前記第
   １ラベルが有効を示す前記概念ペアを用いて、前記オントロジーを生成することを特徴と
   するオントロジー生成装置。
2. 前記判定部は、前記オントロジーを構成する概念間において巡回が生じる場合に、当該
   概念間に矛盾があると判定することを特徴とする請求項１に記載のオントロジー生成装置
   。
3. 前記判定部は、前記判定結果を前記概念ペアに対応付けて前記概念情報記憶部に記憶さ
   せることを特徴とする請求項１に記載のオントロジー生成装置。
4. 前記概念情報記憶部は、前記第２抽出部により抽出された前記新たな概念ペアを記憶す
   る第１概念情報記憶部と、ユーザにより登録される前記概念ペアを記憶する第２概念情報
   記憶部と、を含み、
   前記パターン情報記憶部は、前記第１抽出部により抽出された前記パターンを記憶する
   第１パターン情報記憶部と、ユーザにより登録される前記パターンを記憶する第２パター
   ン情報記憶部と、を含み、
   前記第１抽出部は、前記第１概念情報記憶部、及び前記第２概念情報記憶部に記憶され
   ている前記概念ペアを用いて、前記文書データから前記パターンを抽出して、前記第１概
   念情報記憶部に記憶させ、
   前記第２抽出部は、前記第１パターン情報記憶部、及び前記第２パターン情報記憶部に
   記憶されている前記パターンを用いて、前記文書データから前記新たな概念ペアを抽出し
   て、前記第１概念情報記憶部に記憶させることを特徴とする請求項１に記載のオントロジ
   ー生成装置。
5. 前記概念ペア及び前記パターンの少なくとも一方の入力を受け付ける受付部と、
   受け付けられた前記概念ペアを前記第２概念情報記憶部に登録し、受け付けられた前記
   パターンを前記第２パターン情報記憶部に登録する登録部と、を更に備えることを特徴と
   する請求項４に記載のオントロジー生成装置。
6. 前記第１概念情報記憶部及び前記第２概念情報記憶部の双方に記憶された同一の前記概
   念ペアに対する前記第１ラベルの比較、及び前記第１パターン情報記憶部及び前記第２パ
   ターン情報記憶部の双方に記憶された同一の前記パターンに対する前記第２ラベルの比較
   の少なくとも一方を行う比較部を更に備え、
   前記出力部は、更に、比較結果を出力することを特徴とする請求項４に記載のオントロ
   ジー生成装置。
7. 取得部が、文書データを取得する取得ステップと、
   第１抽出部が、前記文書データから、語彙の概念の組である概念ペアを記憶する概念情
   報記憶部に記憶されている前記概念ペアが共起する文の文字列のうち、前記概念ペアの概
   念を表す語彙それぞれを変数に置き換えた第１及び第２文字列と他の文字列との依存関係
   を示すパターンを抽出して、パターン情報記憶部に記憶させる第１抽出ステップと、
   第２抽出部が、前記パターン情報記憶部に記憶されている前記パターンを用いて、前記
   文書データから新たな概念ペアを抽出し、前記概念情報記憶部に記憶させる第２抽出ステ
   ップと、
   生成部が、前記概念情報記憶部に記憶されている複数の前記概念ペアを用いて、概念間
   の関係を整理したオントロジーを生成する生成ステップと、
   判定部が、前記オントロジーを構成する概念間の矛盾の有無を判定する判定ステップと
   、
   出力部が、前記オントロジーとともに判定結果を出力部に出力させる出力制御ステップ
   と、を含み、
   前記概念情報記憶部は、更に、前記概念ペアの関係が正しいか否かを示す第１ラベルを
   前記概念ペアに対応付けて記憶し、
   前記パターン情報記憶部は、更に、前記パターンが前記新たな概念ペアの抽出に有効か
   否かを示す第２ラベルを当該パターンに対応付けて記憶し、
   前記第１抽出部は、抽出した前記パターンを構成する言語情報、抽出に用いた前記概念
   ペア、及び当該概念ペアの前記第１ラベルを素性として機械学習することにより、抽出し
   た前記パターンの前記第２ラベルを生成して、抽出した前記パターンに対応付けて前記パ
   ターン情報記憶部に記憶させ、
   前記第２抽出部は、前記パターン情報記憶部に記憶されている前記パターンのうち前記
   第２ラベルが有効を示す前記パターンを用いて、前記文書データから前記新たな概念ペア
   を抽出して、前記概念情報記憶部に記憶させ、
   前記生成部は、前記概念情報記憶部に記憶されている複数の前記概念ペアのうち前記第
   １ラベルが有効を示す前記概念ペアを用いて、前記オントロジーを生成することを特徴と
   するオントロジー生成方法。

Images