JP5720071B2 - 複合語概念分析システム、方法およびプログラム - Google Patents

Description

本発明は、複合語概念分析システム、方法およびプログラムに関し、特に、情報システム構築に関する提案書や仕様書といった専門領域での複合語の多い文書中の複合語の概念を推定する複合語概念分析システム、方法およびプログラムに関する。

近年、情報処理装置を用いて、自然言語で書かれた文書を分析して、その文書の意味や意義を自動推定するシステムが開発されている。そのなかで、文章中の複合語の取り扱いが問題になることがある。
複合語概念分析システムに関する技術の一例が、特許文献１に「複合語の類似度判定システム」として記載されている。この特許文献１に開示された複合語の類似度判定システムは、入力部と、単語関係辞書記憶部と、複合語分解部と、単語関係情報取得部と、単語比較部と、類似度確定部と、出力部とから構成されている。このような構成を有する複合語の類似度判定システムは、次のように動作する。

すなわち、入力部は対比する任意の複合語の入力と、二つの複合語をそれぞれ比較基準側と比較対象側とに指定する情報を受け付ける。単語関係辞書記憶部は、所定の単語及びこれと関連する関連単語を記憶する。また、複合語分解部は、対比される複合語ごとに、単語関係辞書記憶部に記憶された単語レベルに分解する。そして単語関係情報取得部は、分解された複合語のうち、比較基準側の複合語の単語ごとに、単語関係辞書記憶部に記憶された単語及び関連単語に基づく同義語・類義語リストを作成する。さらに、単語比較部は、分解された複合語のうち、比較対象側の複合語の各単語が、単語関係情報取得部で作成された単語情報リストに含まれるか否かを判定する。類似度確定部は、この単語比較部での判定結果に応じて、対応する単語ごとに類似度を示す評価値を与え、この評価値に基づいて、対比される複合語の類似度を算出する。最後に出力部は算出された類似度を表示する。このような複合語の類似度判定システムは、対比される各複合語を単語レベルに分解し、辞書の単語の同義語及び類義語情報に基づき、分解された単語ごとに類似度を算出，判定することで、各複合語が有する意味合いを考慮した複合語間の類似度判定を実現している。

さらに、複合語概念分析システムに関する技術の他の例が、特許文献２に「複合語認識装置」として記載されている。この特許文献１に開示された複合語認識装置は、複合語入力部と、形態素解析部と、単位語類似度計算部と、複合語類似度計算部と、複合語照合結果出力部とから構成されている。このような構成を有する複合語認識装置は、次のように動作する。すなわち、複合語入力部は、複数の単位語で構成される複合語の入力を受け付ける。次に、形態素解析部は該複合語入力部より入力された該複合語を単位語単位に分解する。さらに、単位語類似度計算部は、少なくとも２つの複合語を構成する単位語間の類似度を文字数、文字類似度、文字一致数、文字の順序、位置情報を用いて単位語の構成要素である文字を単位として計算する。複合語類似度計算部は、単位語の一致にその一致の位置により定義した重み関数に基づき、２つの複合語の類似度を算出する。複合語照合結果出力部は、算出された複合語類似度を出力する。このような構成により、比較する複合語を、それぞれ所定の単位語に分解し、単位語ごとに文字一致の類似度を計算し、さらに入力した複合語を構成する単位語の双方の一致位置の重みを反映するように定義した関数で重みづけを行うことで、複合語間の類似度を算出することを実現している。

特開２００１−３２５２９２号公報 特開平６−２７４５４７号公報

このような技術による複合語の概念分析方法を、専門領域に係わる複合語の多い文書中の複合語の概念推定に適用した場合、的確な複合語の概念の把握が困難という課題がある。その理由は、専門領域に係わる文書中に使用される複合語は、複合語を構成する構成語間の重みが複合語毎に異なるにもかかわらず、上記技術のように、重み付けを分析者が定義する方法では、全ての複合語に機械的に一律の重み付けを適用することになり、個々の複合語の意味的な重みに合わない重み付けが行われてしまうためである。

本発明の目的は、上記事情に鑑み、情報システム構築に関する提案書や仕様書といった専門領域に係わる複合語の多い文書中の複合語の概念を適切に推定する複合語概念分析システム、方法およびプログラムを提供することにある。

上述の課題に鑑み、本発明の一態様は、対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念情報を収集して蓄積した概念データベースと、文書もしくは文書群に使用されている単語と複合語および複合語を構成する構成語を抽出し、複合語を構成する各構成語の概念情報について、概念データベースに問い合わせ、概念情報として取得する単語分析部と、複合語毎に、任意の範囲内で、同じ構成語を含む部分一致複合語と共起する共起語の種類と共起数について抽出し、構成語別に各部分一致複合語間の共起パターンの集約度を表す構成語支配度を算出する構成語支配度算出部と、各構成語の概念情報に各構成語支配度で重み付けを与えることで、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、上記複合語の合成概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システムに関する。

また、本発明の他の態様は、対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念分類を含む概念情報を収集して蓄積した概念データベースと、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する単語分析部と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出部と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、上記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、上記複合語の合成概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システムに関する。

また、本発明の他の態様は、対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念分類、同義語、類義語、用法といった単語の一般概念を体系付けた概念情報を収集して蓄積した概念データベースと、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する単語分析部と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出部と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、上記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、上記単語の内、複合語に分類されなかった単語の概念情報を概念データベースに問い合わせ、単語と概念を紐付け、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する概念候補抽出部と、上記複合語、概念確定単語、概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、対応付けた概念分布表を作成する概念分布抽出部と、合成概念、確定概念、概念候補毎の出現量を累積することで、合成概念、確定概念、概念候補毎の重複度である概念重複度を算出する概念重複度算出部と、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を各概念不確定単語の利用概念として抽出する利用概念推定部と、複合語の合成概念、確定概念、および利用概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システムに関する。

また、本発明の他の態様は、対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群に使用されている単語と複合語および複合語を構成する構成語を抽出し、複合語を構成する各構成語の概念情報について単語の概念情報を収集して蓄積した概念データベースに問い合わせ、概念情報として取得する取得工程と、複合語毎に、任意の範囲内で、同じ構成語を含む部分一致複合語と共起する共起語の種類と共起数について抽出し、構成語別に各部分一致複合語間の共起パターンの集約度を表す構成語支配度を算出する構成語支配度算出工程と、各構成語の概念情報に各構成語支配度で重み付けを与えることで、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、上記複合語の合成概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法に関する。

また、本発明の他の態様は、対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、単語の概念分類を含む概念情報を収集して蓄積した概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する取得工程と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出工程と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、上記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、上記複合語の合成概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法に関する。

また、本発明の他の態様は、対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、単語の概念分類、同義語、類義語、用法といった単語の一般概念を体系付けた概念情報を収集して蓄積した概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する取得工程と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出工程と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、上記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、上記単語の内、複合語に分類されなかった単語の概念情報を概念データベースに問い合わせ、単語と概念を紐付け、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する概念候補抽出工程と、上記複合語、概念確定単語、概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、対応付けた概念分布表を作成する作成工程と、合成概念、確定概念、概念候補毎の出現量を累積することで、合成概念、確定概念、概念候補毎の重複度である概念重複度を算出する概念重複度算出工程と、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を各概念不確定単語の利用概念として抽出する利用概念抽出工程と、複合語の合成概念、確定概念、および利用概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法に関する。

本発明によれば、情報システム構築に関する提案書や仕様書といった専門領域での複合語の多い文書中の複合語の概念を推定する複合語概念分析システム、方法およびプログラムを提供できる。

本発明の更なる利点及び実施形態を、記述と図面を用いて下記に詳細に説明する。

本発明の第１の実施形態に係る複合語概念分析システムの構成を示すブロック図である。 図１に示した複合語概念分析システムの動作例を示すシーケンス図である。 本発明の第２の実施形態に係る複合語概念分析システムの構成を示すブロック図である。 図３に示した複合語概念分析システムの動作例を示すシーケンス図である。 本発明の第１の実施例に係る複合語概念分析システムの構成を示すブロック図である。 構成語「システム」を含む部分一致複合語共起表Ｔｘの一部の例を示す説明図である。 構成語「変更」を含む部分一致複合語共起表Ｔｘの一部の例を示す説明図である。 複合語「システム変更」に関する定量概念表Ｔｑｊの例を示す説明図である。 本発明の第２の実施例に係る複合語概念分析システムの構成を示すブロック図である。 概念分布表Ｒの一部の例を示す説明図である。

［実施形態１］
最初、本発明の第１の実施形態について、図面を参照して詳細に説明する。

図１は、本発明の第１の実施形態に係る複合語概念分析システム１００の構成を示すブロック図である。

図１を参照すると、本発明の第１の実施形態に係る複合語概念分析システム１００は、基本的に電子機器内もしくはサーバと電子機器およびこれらを相互に接続するインターネット等の情報通信ネットワークからなるシステム内に、少なくとも、文書入力部１０と、単語分析部２０と、構成語支配度算出部３０と、概念データベース１１０と、複合語概念推定部４０と、単語概念出力部９０と、を含む。

図示の複合語概念分析システム１００は、情報システム構築に関する提案書や仕様書といった専門領域での複合語の多い文書中の複合語の概念を推定する複合語概念分析システムである。

電子機器で複合語概念分析システムを構成する場合、複合語概念分析システム１００は、プログラム制御により動作するコンピュータで実現可能である。図示はしないが、この種のコンピュータは、周知のように、データを入力する入力装置と、データ処理装置と、データ処理装置での処理結果を出力する出力装置と、種々のデータベースとして働く補助記憶装置とを備えている。そして、データ処理装置は、プログラムを記憶するリードオンリメモリ（ＲＯＭ）と、データを一時的に記憶するワークエリアとして使用されるランダムアクセスメモリ（ＲＡＭ）と、ＲＯＭに記憶されたプログラムに従って、ＲＡＭに記憶されているデータを処理する中央処理装置（ＣＰＵ）とから構成される。この場合、データ処理装置が、文書入力部１０と、単語分析部２０と、構成語支配度算出部３０および複合語概念推定部４０として働き、補助記憶装置が概念データベース１１０として動作し、出力装置が単語概念出力部９０として働く。

次に、複合語概念分析システム１００を構成する各構成要素の動作について説明する。

文書入力部１０は、複合語の概念を推定する対象とする文書もしくは文書群の入力を受け付ける。

概念データベース１１０は、収集された単語の概念分類および同義語、類義語、用法などの一般概念情報を蓄積し、特定の単語に関する問い合わせに対し、単語の意味や用法に関連する一般概念情報を検索し応答するデータベースである。概念データベース１１０は、単語の上位/下位関係、部分/全体関係、同義関係、類義関係などによって単語を分類し、体系づけたシソーラスや、一般的なＷｅｂや文書内の文中で各単語と共起する共起語の種類と数を集計した共起語集計表などが相当する。なお、概念データベース１１０として、インターネット上のデータベースを使用することとしてもよい。

単語分析部２０は、文書もしくは文書群を構成する全ての文章に形態素解析や構文解析を適用することで、各文章に使用されている全単語および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出する。ここで、単語は名詞、動詞、形容詞など単独で意味をなす自立語に限定しても良い。上記単語情報には必要に応じて単語間の係り受け関係などを含めても良い。次に、単語分析部２０は、抽出された各単語の一般概念情報を概念データベース１１０に問い合わせ、概念データベース１１０に登録が無く、かつ文字数が２文字以上の単語を複合語として抽出する。さらに単語分析部２０は、複合語を構成するあらゆる部分文字列について、概念データベース１１０に一般概念情報を問い合わせ、一般概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベース１１０に一般概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の一般概念情報を構成語概念として取得する。なお複合語を構成する部分文字列の内、概念データベース１１０に一般概念情報の登録がある部分文字列の組合せパターンが複数考えられる場合は、任意の構成語分離ルールに基づいて最適な組合せパターンを判定し、その組合せパターンでの有意構成語、不明構成語を抽出する。ここで、構成語分離ルールとしては、不明構成語の文字数が最も少なくなるパターンを優先するルールや、入力された文書中に単独の単語として出現する頻度が高い有意構成語を優先するルール、一般の文書中に単独の単語として出現する頻度が高い有意構成語を優先するルール、およびこれらを組合せたルールなどが有効である。また、入力された文書中に含まれる他の複合語に共通して使用されている文字列が所定頻度以上に使用されている場合にはその文字列を除いた残りの文字列について、有意構成語として優先するルールを用いてもよい。なお、一般概念情報とはシソ−ラスにおける分類や、単語の意味を直接的に表すキーワード、類語の集合などが考えられる。なお、以下で単に構成語と記載した場合は有意構成語と不明構成語を含む。

構成語支配度算出部３０は、単語分析部２０で抽出された各文章に使用されている単語情報および複合語などを用いて、任意に指定された文章郡の範囲で複合語と共起する単語を共起語として、複合語毎に共起語の種類と、共起数を抽出し、これらをまとめることで共起表を作成する。ここで、上記文章群の範囲としては１文、１段落内の全文章、目次上の同一項目内での全文章、文書全体など、文書の特徴に合わせて選択して良く、品詞が動詞であれば係り受け関係が有る単語、名詞であれば同一段落内の単語のように品詞毎に共起と見なす範囲および条件を変えて共起語の抽出および共起数の算出を行っても良い。また、共起数は共起回数でも良いが、共起回数を複合語毎の全共起語数で除した頻度などでも良い。また、基軸単語共起語とその共起数について、推定元とする所定文書について、重要度や確度、文書間の親子関係などに基づく重み付けを行なうようにしても良い。さらに、単語情報に単語間の係り受け関係が含まれる場合は、係り受け関係のある単語かどうかを上記文章群の範囲として利用しても良い。また、共起表とは各行が各複合語に、各列が各共起語に対応している行列で、複合語に対する共起語の共起回数もしくは頻度が表の各値として登録されたものである。さらに、構成語支配度算出部３０は、上記共起表と単語分析部２０で抽出された構成語に基づき、上記共起表から同じ構成語を含む部分一致複合語の行情報を抽出し、構成語別に部分一致複合語共起表を作成し、部分一致複合語共起表の行情報から得られる共起ベクトル空間における各部分一致複合語間の集約度を構成語支配度として算出する。ここで、共起ベクトル空間は各ベクトルを対等としても良いが、共起語の品詞によって重み付けを行ったベクトル空間に変換しても良い。また、各部分一致複合語間の集約度とは各部分一致複合語に対応するベクトル間の散らばりの小ささを表す指標であればどのような算出方法によっても良い。例えば分散や標準偏差、変動係数などの一般に統計で用いられるばらつきを示す指標と単調減少の関係にある関数であればよく、分散の逆数や変動係数の逆数などが適している。

複合語概念推定部４０は、複合語毎に単語分析部２０で概念データベース１１０から取得した各構成語の一般概念情報に基づき複合語が関連する概念をまとめた定性概念表を作成する。定性概念表とは各行が各複合語に、各列が複合語の各構成語の概念に対応した行列で、複合語と概念との間に構成語を介した関連があるかどうかの有無が登録されたものである。なお、複合語の構成語に不明構成語が含まれる場合、不明構成語自体を概念として新たに列を加える。さらに、複合語概念推定部４０は、構成語支配度算出部３０で算出した各構成語支配度で複合語毎の各概念の重み付け係数を算出し、定性概念表の対応する箇所に重み付け係数を登録することで、定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する。ここで、定性概念表の各概念を構成語支配度で重み付ける方法としては、各構成語の構成語支配度を複合語毎の構成語支配度の総和で除すことで正規化した重み付け係数を概念表の対応部分の数値として登録する方法などが有効である。

単語概念出力部９０は、複合語概念推定部４０で推定した複合語の合成概念を出力する。ここで、出力形態は、所要の形態で出力すればよく、定量概念表をそのまま出力しても良いし、文書内における複合語に付加情報として概念とその重み付け係数を提示しても良い。他にも、複合語を中心ノード、各構成語の概念を従属ノードとして構成語支配度による重み付け係数に比例する太さのリンクで結んだグラフを表示するなどの形態であっても良い。また、各出力形態を選択できるようにして、ベースとなる表示形態から必要に応じて表やグラフに移行できるようにしてもよい。また、必要に応じて動詞や名詞などを選択的に出力するようにしてもよい。

次に、図１及び図２のシーケンス図を参照して、本発明の第１の実施形態に係る複合語概念分析システム１００の全体の動作について詳細に説明する。なお、図２に示すシーケンス図及び以下の説明は処理例であり、適宜求める処理に応じて処理順等を入れ替えたり処理を戻したり繰り返したりすることを行ってもよい。

文書入力部１０は、対象とする文書もしくは文書群の入力を受け付ける。（図２のステップＡ１）。

単語分析部２０は、文書もしくは文書群を構成する全ての文章に形態素解析や構文解析を適用することで、各文章に使用されている全単語および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出する。（図２のステップＡ２）。

概念データベース１１０は、収集蓄積されている単語の一般的な概念分類および同義語、類義語、用法などの一般概念情報から、特定の単語に関する問い合わせに対して、適宜、単語の意味や用法に関連する一般概念情報を検索し応答する（図２のステップＡ３）。

次に、単語分析部２０は、抽出された各単語の一般概念情報を概念データベース１１０に問い合わせ、概念データベース１１０に登録が無く、かつ文字数が２文字以上の単語を複合語として抽出する。（図２のステップＡ４）。

さらに単語分析部２０は、複合語を構成するあらゆる部分文字列について、概念データベース１１０に一般概念情報を問い合わせ、一般概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベース１１０に一般概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の一般概念情報を概念情報として取得する。（図２のステップＡ５）。

構成語支配度算出部３０は、単語分析部２０で抽出された各文章に使用されている単語情報および複合語に基づき、所定の範囲内で複合語と共起する単語を共起語として、複合語毎に共起語の種類と、共起数を抽出し、これらをまとめることで共起表を作成する。（図２のステップＡ６）。

さらに、構成語支配度算出部３０は、上記共起表と単語分析部２０で抽出された構成語に基づき、上記共起表から同じ構成語を含む部分一致複合語の行情報を抽出し、構成語別に部分一致複合語共起表を作成し、部分一致複合語共起表の行情報から得られる共起ベクトル空間における各部分一致複合語間の集約度を構成語支配度として算出する。（図２のステップＡ７）。

複合語概念推定部４０は、複合語毎に単語分析部２０で概念データベース１１０から取得した各構成語の構成語概念に基づき複合語が関連する概念をまとめた定性概念表を作成する。（図２のステップＡ８）。

さらに、複合語概念推定部４０は、構成語支配度算出部３０で算出した各構成語支配度で複合語毎の各概念の重み付け係数を算出し、定性概念表の対応する箇所に重み付け係数を登録することで、定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する。（図２のステップＡ９）。

単語概念出力部９０は、複合語概念推定部４０で推定できた複合語の合成概念を出力する（図２のステップＡ１０）。

次に、本発明の第１の実施形態に係る複合語概念分析システム１００の効果について説明する。

本第１の実施形態では、複合語の構成語について、部分一致する構成語を持つ複合語間の文書内での共起ベクトルの集約度に基づいて算出した構成語の支配度で概念に重み付けを行うように構成しているため、対象とする文書もしくは文書群に特有の複合語に対して適切に構成される概念を定量的に把握することができ、独自の用法が多い専門領域の文書などの複合語の概念を精度よく推定できる。

尚、上記本発明の第１の実施形態に係る複合語概念分析システム１００は、専門領域での複合語の多い文書中の複合語の概念を推定する複合語概念分析方法として実現され得る。また、上記本発明の第１の実施形態に係る要求文書分析システム１００は、複合語概念分析プログラムによりコンピュータによって実行させるようにしても良い。

［実施形態２］
次に、本発明の第２の実施形態について、図面を参照して詳細に説明する。

図３は、本発明の第２の実施形態に係る複合語概念分析システム１００Ａの構成を示すブロック図である。 図３を参照すると、本発明の第２の実施形態に係る複合語概念分析システム１００Ａは、概念候補抽出部５０と、概念分布抽出部６０と、概念重複度算出部７０と、利用概念推定部８０を更に含むと共に、後述するように単語概念出力部９０の動作が相違する点を除いて、図１に示した第１の実施形態に係る要求文書分析システム１００と同様の構成を有し、動作をする。したがって、単語概念出力部に９０Ａの参照符号を付してある。

図示の複合語概念分析システム１００Ａを上述したコンピュータで実現した場合、データ処理装置が、文書入力部１０、単語分析部２０、構成語支配度算出部３０、複合語概念推定部４０、概念候補抽出部５０、概念分布抽出部６０、概念重複度算出部７０、利用概念推定部８０として働き、補助記憶装置が概念データベース１１０として動作し、出力装置が単語概念出力部９０Ａとして働く。

次に、複合語概念分析システム１００Ａを構成する各構成要素の動作について説明する。

概念候補抽出部５０は、単語分析部２０で抽出された単語の内、名詞、動詞、形容詞など単独で意味をなす自立語でかつ複合語に分類されなかった単語について、概念データベースに１１０に一般概念情報を問い合わせ、単語と概念を紐付ける。さらに、概念候補抽出部５０は、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する。

概念分布抽出部６０は、任意に指定された文章群の範囲で利用される単語の内、複合語概念推定部４０で推定された未知の複合語、および概念候補抽出部５０で抽出された概念確定単語と概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、上記文章群の範囲における概念分布表を作成する。概念分布表とは各行が各複合語、概念確定単語と概念不確定単語に、各列が複合語の合成概念、概念確定単語の確定概念および概念不確定単語の概念候補に対応した行列で、上記文章群の範囲内での単語に対する合成概念と確定概念、概念候補の出現量が表の各値として登録されたものである。ここで、出現量としては、単純に単語の出現数を登録しても良いが、合成概念の場合は各概念の重み付け値と出現数の積を、確定概念の場合は出現数を、概念候補の場合は出現数を候補となる概念数で除したものを登録するなどしても良い。また、上記文章群の範囲としては、１段落内の全文章、目次上の同一項目内での全文章、文書全体など、文書の特徴に合わせて選択して良い。

概念重複度算出部７０は、概念分布表に基づき、上記文章群の範囲内での合成概念、確定概念および概念候補毎の出現量を累積することで、合成概念、確定概念および概念候補毎の重複度である概念重複度を算出する。ここで、概念重複度の算出方法は単純に各複合語、概念確定単語と概念不確定単語を区別せずに合成概念、確定概念および概念候補の出現量の総和を取っても良いが、ＴＦ・ＩＤＦなどで複合語、概念確定単語および概念不確定単語に重みを与え付け、出現量を重み付けた値の総和で算出しても良い。

利用概念推定部８０は、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を利用可能性の高い概念として抽出し、これを各概念不確定単語の利用概念とする。なお、複合語の有意構成語に概念不確定単語が含まれる場合も同様に利用概念を抽出する。

単語概念出力部９０Ａは、複合語概念推定部４０で推定した複合語の合成概念に加え、概念候補抽出部５０で紐付けられた確定概念、および利用概念推定部８０で推定された各概念不確定単語の利用概念を出力する点で、図１に示した単語概念出力部９０と異なる。ここで、出力形態は、定量概念表の行側に各概念確定単語および概念不確定単語を加え、列側に確定概念および利用概念を加えた表をそのまま出力しても良いし、文書内における複合語に付加情報として概念とその重み付け係数を、概念確定単語および概念不確定単語に付加情報として対応する確定概念もしくは利用概念を提示しても良い。

それ以外の文書入力部１０と、単語分析部２０と、構成語支配度算出部３０と、概念データベース１１０と、複合語概念推定部４０の構成と機能は、図１に示した第１の実施形態のそれらとそれぞれ同じであるので、説明を省略する。

次に、図３及び図４のシーケンス図を参照して、本発明の第２の実施形態に係る複合語概念分析システム１００Ａの全体の動作について詳細に説明する。なお、図４に示すシーケンス図および以下の説明は処理例であり、第１の実施形態と同様に処理順等を入れ替えたり処理を戻したりすることを行ってもよい。

上述した第１の実施形態の動作と比較すると、以下に説明する本第２の実施形態の動作は、次の動作が加わっている点で異なる。

概念候補抽出部５０は、単語分析部２０で抽出された単語の内、名詞、動詞、形容詞など単独で意味をなす自立語でかつ複合語に分類されなかった単語について、概念データベースに１１０に一般概念情報を問い合わせ、単語と概念を紐付ける（ステップＢ１）。

さらに、概念候補抽出部５０は、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する（ステップＢ２）。

概念分布抽出部６０は、任意に指定された文章群の範囲で利用される単語の内、複合語概念推定部４０で推定された未知の複合語、および概念候補抽出部５０で抽出された概念確定単語と概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、上記文章群の範囲における概念分布表を作成する（ステップＢ３）。

概念重複度算出部７０は、概念分布表に基づき、上記文章群の範囲内での合成概念、確定概念および概念候補毎の出現量を累積することで、合成概念、確定概念および概念候補毎の重複度である概念重複度を算出する（ステップＢ４）。

利用概念推定部８０は、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を利用可能性の高い概念として抽出し、これを各概念不確定単語の利用概念とする（ステップＢ５）。

単語概念出力部９０Ａは、複合語概念推定部４０で推定した複合語の合成概念に加え、概念候補抽出部５０で紐付けられた確定概念、および利用概念推定部８０で推定された各概念不確定単語の利用概念を出力する（ステップＢ６）。

他のステップの動作は、上述した第１の実施形態における動作と同一であるので、それらの説明については省略する。

次に、本発明の第２の実施形態の効果について説明する。

第２の実施の形態では、第１の実施の形態に加え、文書内の各単語について、複合語は構成語の支配度で概念に重み付けられた合成概念として、単語に対して帰属する概念が１つに定まる概念確定単語は確定概念として、複数の概念に帰属する単語は概念不確定単語として抽出するとともに、任意に指定された文章群の範囲で利用される単語の各概念について、単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出することで、概念分布表を作成し、合成概念、確定概念および概念候補毎の出現量を累積することで、概念重複度を算出し、各概念不確定単語の概念候補間の概念重複度を比較することで最も利用可能性の高い概念を各概念不確定単語の利用概念として推定するように構成され、文書内で利用されている可能性の高い概念を未知の複合語まで考慮して推定するため、文書内の単語の概念候補を的確に絞り込むことができ、複合語が多く独自の用法が多い専門領域の文書などの単語の概念を推定できる。

尚、上記本発明の第２の実施形態に係る複合語概念分析システム１００Ａは、複合語概念分析方法として実現され得る。また、上記本発明の第２の実施形態に係る複合語概念分析システム１００Ａは、複合語概念分析プログラムによりコンピュータによって実行させるようにしても良い。

次に、図５を参照して、具体的な第１の実施例を用いて、本発明の第１の実施形態に係る複合語概念分析システム１００の動作について説明する。

本第１の実施例では、次のことを目的としている。

先ず、複合語概念分析システム１００は、情報システム構築に関する提案書や仕様書といった複合語の多い文書Ｄ内に含まれる意味的に未知な複合語Ａの概念Ｃを推定する。そして、要求文書分析システム１００は、推定結果を出力することで、未登録の用語に関する用語集の作成や同義語、多義語の推定を支援する。

また、本第１の実施例では、複合語概念分析システム１００は、図５に示されるように、文書解析システムＹと、インターネット・サーバＺとで構成されるものとする。

文書解析システムＹは、分析実施者Ｂの持つＰＣ端末上で動作し、入力部及び出力部を介して、分析実施者Ｂが意味的に未知な複合語を含む文書群の入力と、複合語Ａの概念Ｃの提示を実現する。

インターネット・サーバＺは、通信ネットワークを介して文書解析システムＹを実装した分析実施者Ｂの持つＰＣ端末と接続されている。インターネット・サーバＺは、文書解析システムＹからの単語の一般概念情報Ｃｇの問い合わせに対し、単語の概念分類や用法に関連する一般概念情報Ｃｇの検索を可能にする装置である。

図５と図１との対応関係について説明する。

単語分析部２０と、構成語支配度算出部３０と、複合語概念推定部４０とは、文書解析システムＹ内に含まれている。文書入力部１０は、ＰＣ端末の入力部として、単語概念出力部９０は、ＰＣ端末の出力部として動作する。概念データベース１１０はインターネット・サーバＺ内に含まれている。

この様な手段を備えた文書解析システムＹ、インターネット・サーバＺは以下のような動作をする。

文書解析システムＹは、入力部から、分析実施者Ｂが含まれる意味的に未知な複合語の概念を推定したい文書群を構成する文書Ｄの入力を受け付ける。そして、文書解析システムＹは、文書Ｄを構成する文書の全ての文章毎に形態素解析および構文解析を適用し、文書を構成する単語に分解し、各単語の品詞とその係り受け関係を解析することで、名詞および該名詞に係る動詞と形容詞を単語Ｗｉ（ｉ＝１、２、・・・、ｎ）として抽出する。なお、動詞の内でサ行変格活用に属する動詞は活用部分を除去しいわゆるサ変名詞として抽出する。

インターネット・サーバＺは、単語の一般的な上位/下位関係、部分/全体関係、同義関係、類義関係などによって単語を分類し、体系づけたシソーラスとして一般概念情報Ｃｇを蓄積する。また、インターネット・サーバＺは、任意の単語の情報を抽出する検索エンジンなどの機能も提供することで、文書解析システムＹからの問い合わせに応じて、問い合わせ対象の単語の一般的な概念分類を一般概念情報Ｃｇとして抽出し、提示する。

次に、文書解析システムＹは、各単語Ｗｉのそれぞれの一般概念情報Ｃｇについてインターネット・サーバＺに問い合わせを行うことで、インターネット・サーバＺ内に保存されたシソーラスに、各単語Ｗｉの一般概念情報Ｃｇが登録されているかどうかを検索し、シソーラスに一般概念情報Ｃｇの登録が無く、かつ文字数が２文字以上の単語を複合語Ｍｊ（ｊ＝１、２、・・・、ｍ）として抽出する。例えば「追加変更」という単語がシソーラスに登録されていない場合は、２文字以上であるため複合語として抽出する。

さらに文書解析システムＹは、複合語Ｍｊ毎に複合語Ｍｊの文字列をあらゆるパターンで分離し、分離した全ての部分文字列について、インターネット・サーバＺ内に保存されたシソーラスに一般概念情報Ｃｇが登録されているかどうかを検索し、一般概念情報の登録がない部分文字列の文字数が最も少なくなるパターンでの、ｌ個の部分文字列を複合語Ｍｊの構成語Ｐｊｋ（ｋ＝１、２、・・・、ｌ）として、構成語Ｐｊｋの内、インターネット・サーバＺに一般概念情報Ｃｇの登録が有る部分文字列は有意構成語Ｐａｊｋ、登録が無い部分文字列は不明構成語Ｐｂｊｋとして抽出し、さらに有意構成語Ｐａｊｋの一般概念情報Ｃｇを構成語概念Ｃａｊｋとして取得する。先の「追加変更」という複合語の例では、｛「追」、「加変更」｝、｛「追加」、「変更」｝、｛「追加変」、「更」｝が分離可能な文字列として想定され、「加変更」と「追加変」がシソーラスに登録されていない場合は、「追」、「追加」、「変更」、「更」が有意構成語Ｐａｊｋの候補、「加変更」、「追加変」が不明構成語Ｐｂｊｋの候補となるが、一般概念情報Ｃｇの登録がない部分文字列の文字数が最も少ない｛「追加」、「変更」｝の組合せが複合語「追加変更」の有意構成語として選択される。

文書解析システムＹは、「構築する情報システムの機能」など文書Ｄで一定の範囲の内容に言及している文章群として分析者Ｂが指定した段落の文章内で複合語Ｍｊと共起する名詞、および複合語Ｍｊに係る動詞と形容詞をｓ個の共起語Ｗｃｊｒ（ｒ＝１、２、・・・、ｓ）として、複合語Ｍｊ毎に共起語Ｗｃｊｒと、共起とみなした範囲内での共起回数Ｆｊｒを抽出し、各行を各複合語Ｍｊに、各列を各共起語Ｗｃｊｒに対応させ、複合語Ｍｊに対する共起語Ｗｃｊｒの共起回数ｆｊｒを各値として登録した疎行列からなる共起表Ｔを作成する。さらに、文書解析システムＹは、上記共起表Ｔの各構成語Ｐｊｋ別に、同じ構成語Ｐｘ（ｘ＝１、２、・・・、ｔ）を含むｔ個の複合語Ｍｘの行成分（ｆｘ１，ｆｘ２，ｆｘ３，・，・，・，ｆｘｓ）を抽出し、各行成分を各複合語Ｍｘに、各列を各共起語Ｗｃｘｒに対応させ、複合語Ｍｘに対する共起語Ｗｃｘｒの共起回数ｆｘｒを各値として登録した疎行列からなる部分一致複合語共起表Ｔｘを作成する。例えば「システム」という構成語を含む部分一致複合語共起表としては図６、「変更」という構成語を含む部分一致複合語共起表としては図７のような表が作成される。さらに、文書解析システムＹは、以下の数１のように、部分一致複合語共起表Ｔｘの共起語Ｗｃｘｒ毎のデータ列（ｆ１ｒ，ｆ２ｒ，ｆ３ｒ，・，・，・，ｆｔｒ）で分散σｘｒを算出し、全共起語Ｗｃｘｒの分散σｘｒの平均値の平方根の逆数を構成語Ｐｘの構成語支配度Ｇｘとして算出する。

なお、複合語Ｍｊの構成語に不明構成語Ｐｂｊｋが有る場合は、不明構成語Ｐｂｊｋの文字列を新概念Ｃｂｊｋとする。

また文書解析システムＹは、複合語Ｍｊ毎の構成語Ｐｊｋに対応する各構成語支配度Ｇｘｊｋの値を構成語支配度Ｇｘｊｋの総和で除すことで正規化した概念重み付け係数αｊｋを算出する。さらに文書解析システムＹは、複合語Ｍｊ毎に上記構成語概念Ｃａｊｋおよび新概念Ｃｂｊｋに基づき、定量概念表Ｔｑｊを作成する。定量概念表Ｔｑｊは、複合語Ｍｊ毎に作られ、構成語Ｐｊｋに対応する、各構成語概念Ｃａｊｋもしくは新概念Ｃｂｊｋと、概念重み付け係数αｊｋを各値として登録した表である。例えば、複合語「システム変更」に関して、構成語「システム」の構成語支配度Ｇｘが１．４７でシソーラスでの概念が「装置」、構成語「変更」の構成語支配度Ｇｘが２．２１でシソーラスでの概念が「修正」であった場合、定量概念表は図８のようになる。図８は、複合語「システム変更」の概念を構成語「変更」と構成語「システム」の合成概念Ｃｊとして理解する場合、構成語「変更」の方が構成語「システム」よりも重要であることを示している。

文書解析システムＹは推定した定量概念表Ｔｑｊを全ての複合語Ｍｊについて集約し、複合語Ｍｊの合成概念Ｃｊを表現する用語集として出力する。

次に、図９を参照して、具体的な第２の実施例を用いて、本発明の第２の実施形態に係る複合語概念分析システム１００Ａの動作を説明する。

本第２の実施例では、複合語概念分析システム１００Ａは、図９に示されるように、インターネット・サーバＺ’を利用するものとする。

文書解析システムＹは、分析実施者Ｂの持つＰＣ端末上で動作し、入力部及び出力部を介して、分析実施者Ｂが意味的に未知な複合語や複数の概念を持つ単語を含む文書群の入力と、単語Ｗおよび複合語Ａの概念Ｃの提示を実現する。
インターネット・サーバＺ’は、既存のシソーラスを提供するサーバであり、通信ネットワークを介して文書解析システムＹを実装した分析実施者Ｂの持つＰＣ端末と接続されている。インターネット・サーバＺ’は、文書解析システムＹからの単語の一般概念情報Ｃｇの問い合わせに対し、単語の概念分類である一般概念情報Ｃｇの検索を可能にする装置である。

本第２の実施例では、第１の実施例の動作に加え、文書解析システムＹａが概念候補抽出部５０、概念分布抽出部６０、概念重複度算出部７０、利用概念推定部８０を含む。すなわち、図３と図５との対応関係は次のように成る。

単語分析部２０と、構成語支配度算出部３０と、複合語概念推定部４０、概念候補抽出部５０と、概念分布抽出部６０と、概念重複度算出部７０と、利用概念推定部８０とは、文書解析システムＹ内に含まれている。文書入力部１０は、ＰＣ端末の入力部として、単語概念出力部９０Ａは、ＰＣ端末の出力部として動作する。概念データベース１１０はインターネット・サーバＺ’内に含まれている。

この様な構成を含めた文書解析システムＹａは、上述した第１の実施例に対して、以下のような動作を加える。

文書解析システムＹａは、文書Ｄで分析者Ｂが指定した段落内で利用される単語で、名詞および該名詞に係る動詞と形容詞からなる単語Ｗｉの内、複合語Ｍｊ以外の単語Ｗｉについて、インターネット・サーバＺ’内に保存されたシソーラスの一般概念情報Ｃｇに問い合わせを行うことで、各単語Ｗｉに紐付く一般概念情報Ｃｇを抽出し、単語に対して帰属する概念が１つに定まる単語を概念確定単語Ｗｓ、複数の概念に帰属する単語を概念不確定単語Ｗｍとして分類するとともに、概念確定単語Ｗｓ毎に紐付いた概念を確定概念Ｃｓ、概念不確定単語Ｗｍ毎に紐付いたＪ個の概念のセットを概念候補Ｃｍとして抽出する。

文書解析システムＹａは、複合語Ｍｊ、概念確定単語Ｗｓと概念不確定単語Ｗｍについて、上記段落内での出現数Ｈを用いて、合成概念Ｃｊの場合は各構成語概念Ｃａｊｋもしくは新概念Ｃｂｊｋに対応する概念重み付け係数αｊｋを用いて概念重み付け係数αｊｋ×出現数Ｈを、確定概念Ｃｓの場合は出現数Ｈを、概念候補Ｃｍの場合は出現数Ｈ／候補数Ｊを、出現量Ｉとして算出し、複合語Ｍｊについては紐づいた構成語概念Ｃａｊｋもしくは新概念Ｃｂｊｋ、概念確定単語Ｗｓについては確定概念Ｃｓ、概念不確定単語Ｗｍについては概念候補Ｃｍと対応付けることで、上記段落の範囲における概念分布表Ｒを作成する。ここで、概念分布表Ｒとは各行が各複合語Ｍｊ、概念確定単語Ｗｓ、概念不確定単語Ｗｍに、各列が構成語概念Ｃａｊｋもしくは新概念Ｃｂｊｋ、確定概念Ｃｓ、概念候補Ｃｍに対応した行列で、上記段落の範囲内での単語Ｗｉに対する概念の出現量Ｉを表の各値として登録したものである。例えば、ある段落で「変更内容」、「機能」、「総務システム」、「資材システム」、「改造」、「機器」という単語が用いられ、「変更内容」、「総務システム」、「資材システム」がシソーラスに概念の登録が無い場合、これらの単語は複合語に分類される。さらに、構成語として「変更」、「内容」、「総務」、「システム」、「資材」が抽出され、各複合語における構成語の概念重み付け係数αが｛変更：内容＝０．８８：０．１２｝、｛総務：システム＝０．９１：０．０９｝、｛資材：システム＝０．８４：０．１６｝で、「変更」の概念分類が｛修正、転換｝の２つ、「内容」の概念分類が｛成分、本質、機構｝の３つ、「機能」の概念分類が｛仕事、能力、機構、作用｝の４つ、「総務」の概念分類が｛部門、仕事｝の２つ、「システム」の概念分類が｛装置、制度、体系｝の３つ、「資材」の概念分類が｛材料、部門｝の２つ、「改造」の概念分類が｛修正｝、「機器」の概念分類が｛装置、道具｝の２つだった場合、「改造」が概念確定単語、「機能」、「機器」が概念不確定単語に、「変更内容」、「総務システム」、「資材システム」が概念不確定単語を含む複合語に分類され、概念分布表Ｒは図１０のようになる。

次に、文書解析システムＹａは、概念分布表Ｒに基づき、上記段落内での構成語概念Ｃａｊｋもしくは新概念Ｃｂｊｋ、確定概念Ｃｓ、概念候補Ｃｍ毎の出現量Ｉを累積することで、各概念の概念重複度Ｘを算出する。図１０の例では、｛部門｝という概念の概念重複度は、対象段落内で２回用いられた複合語「総務システム」における構成語「総務（概念重み付け係数α＝０．９１）」と、４回用いられた複合語「資材システム」における構成語「資材（概念重み付け係数α＝０．８４）」と紐付いており、０．９１×２＋０．８４×４＝５．１８のように算出される。

文書解析システムＹａは、概念重複度Ｘに基づき各概念不確定単語Ｗｍの概念候補Ｃｍ間の概念重複度Ｘを比較し、最も概念重複度Ｘの高い概念候補Ｃｍを利用可能性の高い概念として各概念不確定単語Ｗｍの利用概念Ｃｍ‘として推定する。図１０の例では、概念不確定単語「機器」の概念候補｛装置｝、｛道具｝の概念重複度はそれぞれ｛装置＝３．８２｝、｛道具＝３｝であるため｛装置｝が選択される。また、概念不確定単語の構成語からなる複合語「総務システム」の構成語「総務」の概念候補｛部門｝、｛仕事｝の概念重複度はそれぞれ｛部門＝５．１８｝、｛仕事＝３．８２｝、であるため｛部門｝が、構成語「システム」の概念候補｛装置｝、｛制度｝、｛体系｝の概念重複度はそれぞれ｛装置＝３．８２｝、｛制度＝０．８２｝、｛体系＝０．８２｝であるため｛装置｝が選択される。

文書解析システムＹは、複合語Ｍｊに関する概念定量概念表Ｔｑｊの行に複合語Ｍｊ以外の単語Ｗｉを加え、列に対応させる概念を利用概念Ｃｍ‘とした概念定量概念表Ｔｑｊ’を、単語Ｗｉの概念Ｃを表現する用語集として出力する。
以上説明したように、本発明の複合語概念分析システムによれば、特定の領域の文書内でのみ利用されている意味的に未知な複合語の概念を推定できる。その理由は、複合語の共起語による共起ベクトルを算出し、同じ構成語を持つ複合語間の共起ベクトルの距離に基づく集約度を構成語の重み付けに利用することで、複合語毎に適切な重み付けを実現するためである。
また、本発明の具体的な構成は前述の実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の変更があってもこの発明に含まれる。

本発明によれば、情報システム構築に関する提案書や仕様書といった専門領域での複合語の多い各種文書に関して、文書中の複合語の概念を推定することで文書の理解・作成・修正を支援することが可能になり、やり取りされる各種文書手戻りの減少や顧客満足の向上などシステム開発の効率化に関する用途に適用できる。また、複合語を精度よく抽出できるので、翻訳システムに用いて訳し分けに利用できる。

１０ 文書入力部
２０ 単語分析部
３０ 構成語支配度算出部
４０ 複合語概念推定部
５０ 概念候補抽出部
６０ 概念分布抽出部
７０ 概念重複度算出部
８０ 利用概念推定部
９０、９０Ａ 単語概念出力部
１００、１００Ａ 複合語概念分析システム
１１０ 概念データベース
Ｄ 要求文書
Ａ 複合語
Ｃ 概念
Ｙ、Ｙａ 文書解析システム
Ｚ、Ｚ’ インターネット・サーバ

Claims (22)

1. 対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念情報を収集して蓄積した概念データベースと、文書もしくは文書群に使用されている単語と複合語および複合語を構成する構成語を抽出し、複合語を構成する各構成語の概念情報について、概念データベースに問い合わせ、概念情報として取得する単語分析部と、複合語毎に、任意の範囲内で、同じ構成語を含む部分一致複合語と共起する共起語の種類と共起数について抽出し、構成語別に各部分一致複合語間の共起パターンの集約度を表す構成語支配度を算出する構成語支配度算出部と、各構成語の概念情報に各構成語支配度で重み付けを与えることで、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、前記複合語の合成概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システム。
2. 対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念分類を含む概念情報を収集して蓄積した概念データベースと、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する単語分析部と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出部と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、前記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、前記複合語の合成概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システム。
3. 対象とする文書もしくは文書群の入力を受け付ける文書入力部と、単語の概念分類、同義語、類義語、用法といった単語の一般概念を体系付けた概念情報を収集して蓄積した概念データベースと、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する単語分析部と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出部と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、前記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する複合語概念推定部と、前記単語の内、複合語に分類されなかった単語の概念情報を概念データベースに問い合わせ、単語と概念を紐付け、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する概念候補抽出部と、前記複合語、概念確定単語、概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、対応付けた概念分布表を作成する概念分布抽出部と、合成概念、確定概念、概念候補毎の出現量を累積することで、合成概念、確定概念、概念候補毎の重複度である概念重複度を算出する概念重複度算出部と、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を各概念不確定単語の利用概念として抽出する利用概念推定部と、複合語の合成概念、確定概念、および利用概念を出力する単語概念出力部と、を備えたことを特徴とする複合語概念分析システム。
4. 前記単語分析部が、複合語を構成する部分文字列の内、概念データベースに概念情報の登録がある部分文字列の組合せパターンが複数考えられる場合は、不明構成語の文字数が最も少なくなる組合せパターンを判定し、その組合せパターンでの有意構成語、不明構成語を抽出することを特徴とする請求項１乃至３のいずれか１項に記載の複合語概念分析システム。
5. 構成語支配度算出部が、品詞が動詞であれば係り受け関係が有る単語、名詞であれば同一段落内の単語のように品詞毎に共起と見なす範囲および条件を変えて共起語の抽出および共起数の算出を行う、ことを特徴とする請求項１乃至４のいずれか１項に記載の複合語概念分析システム。
6. 前記構成語支配度算出部における部分一致複合語間の集約度が、各部分一致複合語に対応するベクトル間の散らばりの小ささを表す指標としてばらつきを示す指標と単調減少の関係にある関数で算出される、ことを特徴とする請求項１乃至５のいずれか１項に記載の複合語概念分析システム。
7. 前記構成語支配度算出部における部分一致複合語間の集約度が、共起語の品詞によって重み付けを行ったベクトル空間に基づいて算出される、ことを特徴とする請求項１乃至６のいずれか１項に記載の複合語概念分析システム。
8. 前記複合語概念推定部が、複合語の各構成語の構成語支配度を複合語毎の構成語支配度の総和で除すことで、正規化した重み付け係数を算出する、ことを特徴とする請求項１乃至７のいずれか１項に記載の複合語概念分析システム。
9. 前記概念分布抽出部における概念候補の出現量が、合成概念の場合は各概念の重み付け値と出現数の積を、確定概念の場合は出現数を、概念候補の場合は出現数を候補となる概念数で除すことで算出される、ことを特徴とする請求項３乃至８のいずれか１項に記載の複合語概念分析システム。
10. 前記概念重複度算出部における概念重複度が、複合語、概念確定単語および概念不確定単語に重みを与えた出現量の総和として算出される、ことを特徴とする請求項３乃至９のいずれか１項に記載の複合語概念分析システム。
11. 対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群に使用されている単語と複合語および複合語を構成する構成語を抽出し、複合語を構成する各構成語の概念情報について単語の概念情報を収集して蓄積した概念データベースに問い合わせ、概念情報として取得する取得工程と、複合語毎に、任意の範囲内で、同じ構成語を含む部分一致複合語と共起する共起語の種類と共起数について抽出し、構成語別に各部分一致複合語間の共起パターンの集約度を表す構成語支配度を算出する構成語支配度算出工程と、各構成語の概念情報に各構成語支配度で重み付けを与えることで、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、前記複合語の合成概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法。
12. 対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、単語の概念分類を含む概念情報を収集して蓄積した概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する取得工程と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出工程と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、前記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、前記複合語の合成概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法。
13. 対象とする文書もしくは文書群の入力を受け付ける受付工程と、文書もしくは文書群を構成する文章に使用されている各単語の抽出および単語毎の品詞や格、組み合される助詞、単語間の係り受け関係に関する単語情報を抽出し、単語の概念分類、同義語、類義語、用法といった単語の一般概念を体系付けた概念情報を収集して蓄積した概念データベースに各単語の概念情報を問い合わせ、概念データベースに登録が無く、かつ複数の文字からなる単語を複合語として抽出し、複合語を構成するあらゆる部分文字列について、概念データベースに概念情報を問い合わせ、概念情報の登録がある部分文字列を複合語の有意構成語として抽出し、抽出した有意構成語を元の複合語から分離した場合に概念データベースに概念情報の登録が無い部分文字列が残る場合は不明構成語として抽出し、さらに有意構成語の概念情報を概念情報として取得する取得工程と、複合語毎に共起する各共起語の共起数を集計し、同じ構成語を含む部分一致複合語の各共起語の共起数を抽出することで、構成語別に各部分一致複合語間の集約度を構成語支配度として算出する構成語支配度算出工程と、複合語の構成語に不明構成語が含まれる場合は不明構成語自体を概念とみなし、各複合語と、前記複合語の各構成語と紐付く概念との対応関係として各構成語支配度に基づく各概念の重み付け係数を登録した定量概念表を作成し、重み付けされた複数の概念の合成概念として未知の複合語の概念を推定する推定工程と、前記単語の内、複合語に分類されなかった単語の概念情報を概念データベースに問い合わせ、単語と概念を紐付け、単語に対して帰属する概念が１つに定まる単語を概念確定単語、複数の概念に帰属する単語を概念不確定単語として分類するとともに、概念確定単語毎に紐付いた概念を確定概念、概念不確定単語毎に紐付いた複数の概念を概念候補として抽出する概念候補抽出工程と、前記複合語、概念確定単語、概念不確定単語について、それぞれの単語の出現数と、紐づいた合成概念、確定概念および概念候補を抽出し、対応付けた概念分布表を作成する作成工程と、合成概念、確定概念、概念候補毎の出現量を累積することで、合成概念、確定概念、概念候補毎の重複度である概念重複度を算出する概念重複度算出工程と、概念重複度に基づき各概念不確定単語の概念候補間の概念重複度を比較し、最も概念重複度の高い概念候補を各概念不確定単語の利用概念として抽出する利用概念抽出工程と、複合語の合成概念、確定概念、および利用概念を出力する出力工程と、を含むことを特徴とする要求文書分析方法。
14. 前記取得工程が、複合語を構成する部分文字列の内、概念データベースに概念情報の登録がある部分文字列の組合せパターンが複数考えられる場合は、不明構成語の文字数が最も少なくなる組合せパターンを判定し、その組合せパターンでの有意構成語、不明構成語を抽出することを特徴とする請求項１１乃至１３のいずれか１項に記載の要求文書分析方法。
15. 前記構成語支配度算出工程が、品詞が動詞であれば係り受け関係が有る単語、名詞であれば同一段落内の単語のように品詞毎に共起と見なす範囲および条件を変えて共起語の抽出および共起数の算出を行う、ことを特徴とする請求項１１乃至１４のいずれか１項に記載の要求文書分析方法。
16. 前記構成語支配度算出工程における部分一致複合語間の集約度が、各部分一致複合語に対応するベクトル間の散らばりの小ささを表す指標としてばらつきを示す指標と単調減少の関係にある関数で算出される、ことを特徴とする請求項１１乃至１５のいずれか１項に記載の要求文書分析方法。
17. 前記構成語支配度算出工程における部分一致複合語間の集約度が、共起語の品詞によって重み付けを行ったベクトル空間に基づいて算出される、ことを特徴とする請求項１１乃至１６のいずれか１項に記載の要求文書分析方法。
18. 前記推定工程が、複合語の各構成語の構成語支配度を複合語毎の構成語支配度の総和で除すことで、正規化した重み付け係数を算出する、ことを特徴とする請求項１１乃至１７のいずれか１項に記載の要求文書分析方法。
19. 前記作成工程における概念候補の出現量が、合成概念の場合は各概念の重み付け値と出現数の積を、確定概念の場合は出現数を、概念候補の場合は出現数を候補となる概念数で除すことで算出される、ことを特徴とする請求項１３乃至１８のいずれか１項に記載の要求文書分析方法。
20. 前記概念重複度算出工程における概念重複度が、複合語、概念確定単語および概念不確定単語に重みを与えた出現量の総和として算出される、ことを特徴とする請求項１３乃至１９のいずれか１項に記載の要求文書分析方法。
21. 請求項１１乃至２０のいずれか一項に記載の要求文書分析方法をコンピュータによって実現するためのプログラム。
22. 請求項２１に記載のプログラムを記録したコンピュータ読み取り可能な記憶媒体。

Images