JP6368633B2

JP6368633B2 - 用語意味学習装置、用語意味判定装置、方法、及びプログラム

Info

Publication number: JP6368633B2
Application number: JP2014248130A
Authority: JP
Inventors: 昭典藤野; 鈴木　潤; 潤鈴木; 平尾　努; 努平尾
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 2014-12-08
Filing date: 2014-12-08
Publication date: 2018-08-01
Anticipated expiration: 2034-12-08
Also published as: JP2016110440A

Description

本発明は、用語意味学習装置、用語意味判定装置、方法、及びプログラムに係り、特に、用語に対する意味コードを判定するための用語意味学習装置、意味判定装置、方法、及びプログラムに関する。

用語には、ひらがな、カタカナ、及び漢字などの異なる文字を用いた表記や、略語や省略などのような表記揺れがある。また、同義語及び類義語などのように同じ意味を表すが異なる表現の用語がある。このような異なる表記又は表現の用語に同じ意味であることを表す意味コードを付与する問題に対しては、非特許文献１に記載されている、用語のペアが同義語であるかどうかを文脈類似度と表記類似度を用いて推定する技術を利用できる。また、非特許文献２に記載されている、「スパゲッティ」と「スパゲッティー」など、一部の表記が異なる編集距離の小さい異表記対を抽出する技術を利用できる。あるいは、非特許文献３に記載されている、実際の文書で一緒に用いられる単語の情報をもとに用語を分類する技術を利用できる。

森本康嗣, 柳井孝介, 岩山真，「文脈類似度と表記類似度を用いた教師あり同義語抽出」，言語処理学会第16 回年次大会発表論文集, 974−977 (2010). 小島正裕, 村田真樹, 風間淳一, 黒田航, 藤田篤, 荒牧英治, 土田正明, 渡辺靖彦, 鳥澤健太郎，「機械学習と種々の素性を用いた編集距離の小さい日本語異表記対の抽出」，言語処理学会第16 回年次大会発表論文集, 928−931 (2010). 荒牧英治, 今井健, 梶野正幸, 美代賢吾, 大江和彦，「医学辞書を用いた用語間関係の自動抽出手法と用語の自動分類手法に関する研究」, 医療情報学, Vol.25, No.6,pp.463-474, 2006.

本発明が解決しようとする課題は、事前に人手で定義されている意味コードを専門用語に付与する問題において、非常に多数の意味コードの候補の中から、各用語に最も適した意味コードを１つ選択することである。

一般の単語と異なり、正確に内容を伝達するために、大部分の専門用語には専門分野ごとにそれぞれ唯一の意味が定義されている、と考えられる。したがって、専門分野が既知の文書に含まれる専門用語に意味コードを付与する問題は、専門用語に唯一の意味が定義されているという仮定のもとで、同じ意味をもつが異なる表記又は表現で書かれた用語に同じ意味コードを付与することに相当する。

従来の技術では、非特許文献１、及び非特許文献２に記載のように、２つの用語が同じ意味をもつかどうかを推定するか、非特許文献３のように、クラスタリング技術を利用して用語の集合を類似の意味をもつ用語に分けることが行われている。本発明が解決しようとする課題に非特許文献１、及び非特許文献２の技術を適用する場合、例えば、意味コードごとに用語例を１つ選択し、意味コードを付与したい用語がどの用語例に近いかを該当技術で調べることで意味コードを推定できる。

しかし、この方法では、用語例の選択の仕方に意味コードの推定精度が大きく影響される可能性がある。一方、本発明が解決しようとする課題に非特許文献３の技術を用いる場合、クラスタリング技術で機械的に分類された用語の集合と、人手で定義された意味コードとを一対一に対応付けることは容易ではない。専門用語に対して付与すべき意味コードを推定する問題に対して、高い推定精度を達成する手法を開発することが課題である。

本発明は、上記問題点を解決するために成されたものであり、精度よく用語の意味コードを判定するための用語意味学習装置、用語意味判定装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る用語意味学習装置は、入力された、用語の意味コードが予め付与された複数の用語の各々について、前記用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成する特徴ベクトル生成部と、前記特徴ベクトル生成部により前記複数の用語の各々について生成された前記特徴ベクトルと、前記複数の用語の各々に付与された意味コードとに基づいて、用語の意味コードを判定するための判定ルールを生成する判定ルール生成部と、を含んで構成されている。

また、第１の発明に係る用語意味学習装置において、前記用語を、特定の専門分野において唯一の意味が定義されている専門用語としてもよい。

また、第１の発明に係る用語意味学習装置において、前記特徴ベクトル生成部は、前記複数の用語の各々について、前記用語に含まれる文字、及び前記用語の文字列に含まれる部分文字列から、各文字の有無又は個数と、各部分文字列の有無又は個数とを表す前記特徴ベクトルを生成してもよい。

また、第１の発明に係る用語意味学習装置において、前記特徴ベクトル生成部は、前記複数の用語の各々について、前記用語に含まれる文字、及び前記用語の文字列に含まれる部分文字列から、各文字の有無又は個数と、各部分文字列の有無又は個数と、前記用語に含まれる各文字の文字種とを表す前記特徴ベクトルを生成してもよい。更に、前記用語にふうまれる各部分文字列の文字種を更に表す前記特徴ベクトルを生成してもよい。

また、第１の発明に係る用語意味学習装置において、入力された、用語の意味コードが予め付与された複数の用語と、同義語又は類義語が格納されている辞書とに基づいて、前記意味コードが予め付与されている用語の同義語又は類似語となる用語に、前記意味コードを付与する同義語類義語意味コード付与部を更に含み、前記特徴ベクトル生成部は、前記用語の意味コードが予め付与された複数の用語、及び同義語類義語意味コード付与部によって意味コードが付与された前記同義語又は類似語となる用語の各々について、前記特徴ベクトルを生成するように構成してもよい。

また、上記判定ルール生成部は、前記特徴ベクトル生成部により前記複数の用語の各々について生成された前記特徴ベクトルと、前記複数の用語の各々に付与された意味コードとに基づいて、前記意味コード毎に、用語に前記意味コードを付与するか否かを識別するための２値分類器を、前記判定ルールとして生成するようにしてもよい。

第２の発明に係る用語意味判定装置は、入力された用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成する特徴ベクトル生成部と、前記特徴ベクトル生成部により生成された前記特徴ベクトルと、あらかじめ学習された、用語の意味コードを判定するための判定ルールとに基づいて、前記用語の意味コードを判定する意味コード判定部と、を含んで構成されている。

また、第２の発明に係る用語意味判定装置において、前記用語を、特定の専門分野において唯一の意味が定義されている専門用語としてもよい。

また、第２の発明に係る用語意味判定装置において、前記特徴ベクトル生成部は、前記用語について、前記用語に含まれる文字、及び前記用語の文字列に含まれる部分文字列から、各文字の有無又は個数と、各部分文字列の有無又は個数とを表す前記特徴ベクトルを生成してもよい。

第１の発明に係る用語意味学習方法は、特徴ベクトル生成部が、入力された、用語の意味コードが予め付与された複数の用語の各々について、前記用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成するステップと、判定ルール生成部が、前記特徴ベクトル生成部により前記複数の用語の各々について生成された前記特徴ベクトルと、前記複数の用語の各々に付与された意味コードとに基づいて、用語の意味コードを判定するための判定ルールを生成するステップと、を含んで実行することを特徴とする。

第３の発明に係るプログラムは、コンピュータを、上記第１の発明に係る用語意味学習装置、又は上記第２の発明に係る用語意味判定装置を構成する各部として機能させるためのプログラムである。

本発明の用語意味学習装置、用語意味判定装置、方法、及びプログラムによれば、複数の用語の各々について、用語に含まれる文字又は部分文字列から、特徴ベクトルを生成し、複数の用語の各々について生成された特徴ベクトルと、複数の用語の各々に付与された意味コードとに基づいて、意味コードを判定するための判定ルールを生成することで、精度よく用語の意味コードを判定するための判定ルールを学習することができる、という効果が得られる。

また、用語意味判定装置、方法、及びプログラムによれば、用語に含まれる文字又は部分文字列から、特徴ベクトルを生成し、生成された特徴ベクトルと、予め学習された判定ルールとに基づいて、用語の意味コードを判定することで、精度よく用語の意味コードを判定することができる、という効果が得られる。

本発明の第１〜第３の実施の形態に係る用語意味学習装置の機能的構成を示すブロック図である。専門用語に含まれる部分文字列に対応する特徴量のインデックスを示す概念図である。本発明の実施の形態に係る用語意味判定装置の機能的構成を示すブロック図である。本発明の第１〜第３の実施の形態に係る用語意味学習装置における用語意味学習処理ルーチンのフローチャート図である。本発明の実施の形態に係る用語意味判定装置における用語意味判定処理ルーチンのフローチャート図である。専門用語に含まれる文字と、部分文字列とに対応する特徴量のインデックスを示す概念図である。専門用語に含まれる文字と、部分文字列と、各文字の文字種とに対応する特徴量のインデックスを示す概念図である。本発明の第４の実施の形態に係る用語意味学習装置の機能的構成を示すブロック図である。本発明の第４の実施の形態に係る用語意味学習装置における用語意味学習処理ルーチンのフローチャート図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜本発明の第１の実施の形態に係る用語意味学習装置の構成＞

まず、本発明の第１の実施の形態に係る用語意味学習装置の構成について説明する。

図１に示すように、本発明の第１の実施の形態に係る用語意味学習装置１００は、ＣＰＵと、ＲＡＭと、後述する用語意味学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０とを備えている。

入力部１０は、専門用語の意味コードが予め付与された複数の専門用語を訓練データ集合として受け付け、訓練データ集合データベース２８に格納する。入力される、意味コードが予め付与された複数の専門用語は、意味コードを定義するのに用いられている専門用語、人手で意味コードを付与した実際の文書から抽出した専門用語、及び同義語及び類義語の関係が記載されている任意の辞書から抽出した専門用語を用いて構成される。任意の辞書に含まれている専門用語には、通常、意味コードが付与されていないので、辞書から抽出する際に、意味コードを定義するのに用いられている専門用語と、辞書に記載の同義語及び類義語の関係と、を利用して意味コードを付与する。例えば、意味コードを定義するのに用いられている専門用語と同義語及び類義語の関係にある専門用語に対して同一の意味コードを付与すればよい。

演算部２０は、訓練データ集合データベース２８と、特徴ベクトル生成部３０と、判定ルール生成部３２と、判定ルール４０とを含んで構成されている。

特徴ベクトル生成部３０は、訓練データ集合データベース２８に格納されている複数の専門用語の各々について、当該専門用語の文字列に含まれる部分文字列から、各部分文字列の個数を表す特徴ベクトルを生成する。なお、各部分文字列の有無を表す特徴ベクトルを生成してもよい。

特徴ベクトル生成部３０では、専門用語を構成する部分文字列、例えば、文字ベースのｂｉ−ｇｒａｍ、又はｔｒｉ−ｇｒａｍなどを特徴量とし、専門用語に含まれる各特徴量の個数を表す特徴ベクトルを生成する。例えば、図２に示すような、「ピロリ菌」という専門用語の文字列に含まれる部分文字列に対応する特徴量のインデックスを仮定する。このとき、専門用語「ピロリ菌」は、ｉ∈｛ｂ_１，ｂ_２，ｂ_３，ｂ_４，ｂ_５，ｔ_１，ｔ_２，ｔ_３，ｔ_４｝のときにｘ_ｉ＝１、ｉが、「ピロリ菌」に含まれない部分文字列の特徴量のときにｘ_ｉ＝０の要素からなる特徴ベクトル^ｘ＝（ｘ_１，．．．，ｘ_ｉ，．．．，ｘ_Ｉ）で表すことができる。なお、ベクトルを表す記号には、記号の前に「＾」を付して表現する。また、図２において、「＿」が記号の先頭に付いているものは専門用語の文字列の先端を表し、記号の末尾に付いているものは専門用語の文字列の終端を表す。また、例えば、ひらがな、カタカナ、又はアルファベットなど、専門用語に含まれる文字の文字種を用いて定義される特徴量を追加で用いてもよい。

判定ルール生成部３２は、特徴ベクトル生成部３０により複数の専門用語の各々について生成された特徴ベクトルと、複数の専門用語の各々に付与された意味コードとに基づいて、用語の意味コードを判定するための判定ルールを生成する。

判定ルール生成部３２は、具体的には、複数の専門用語の各々について生成された特徴ベクトルと、複数の専門用語の各々に付与された意味コードとに基づいて、例えば、サポートベクトルマシン（ＳＶＭ）、あるいはロジスティック回帰モデルのような２値分類器を利用して、意味コードｋ毎に、スコア関数のパラメータ＾ｗ_ｋの値を推定することにより、判定ルールを機械的に生成し、判定ルール４０として記憶する。本実施の形態では、意味コードｋのスコア関数のパラメータ＾ｗ_ｋに対して、意味コードｋが付与された専門用語を正例、ｋ以外の意味コードが付与された専門用語を負例として、２値分類器の目的関数を最大化させるパラメータ＾ｗ_ｋを計算する。

＜本発明の第１の実施の形態に係る用語意味判定装置の構成＞

次に、本発明の第１の実施の形態に係る用語意味判定装置の構成について説明する。図３に示すように、本発明の第１の実施の形態に係る用語意味判定装置２００は、ＣＰＵと、ＲＡＭと、後述する用語意味判定処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味判定装置２００は、機能的には図３に示すように入力部２１０と、演算部２２０と、出力部２５０とを備えている。

入力部２１０は、用語の入力を受け付ける。

演算部２２０は、特徴ベクトル生成部２３０と、意味コード判定部２３２と、判定ルール２４０とを含んで構成されている。

判定ルール２４０には、判定ルール４０と同じ判定ルールが記憶されている。

特徴ベクトル生成部２３０は、入力部２１０で受け付けた用語の文字列に含まれる部分文字列から、特徴ベクトル生成部３０と同様に、各部分文字列の個数を表す特徴ベクトルを生成する。なお、各部分文字列の有無を表す特徴ベクトルを生成してもよい。

意味コード判定部２３２は、特徴ベクトル生成部２３０により生成された特徴ベクトルと、判定ルール２４０とに基づいて、入力部２１０で受け付けた用語の意味コードを判定する。

意味コード判定部２３２は、具体的には、特徴ベクトル生成部２３０で生成した特徴ベクトル＾ｘと、判定ルール２４０とを用いて、意味コードｋ毎に、判定ルール２４０のスコア関数のパラメータ＾ｗ_ｋの値に従って、特徴ベクトル＾ｘで表される用語が意味コードｋに関連する度合いを表すスコア関数ｆ_ｋ（＾ｘ；＾ｗ_ｋ）を計算する。そして、スコア関数ｆ_ｋ（＾ｘ_ｍ；＾ｗ_ｋ）の値が最大になる意味コードｋを、当該用語に適した意味コードとして選択することで、当該用語の意味コードを判定し、出力部２５０により出力する。このように予め機械的に学習しておいた判定ルール２４０を用いて用語の意味コードを判定することで、事前に定義されている意味コードの中から最も適した意味コードを１つ選択することができる。

＜本発明の第１の実施の形態に係る用語意味学習装置の作用＞

次に、本発明の第１の実施の形態に係る用語意味学習装置１００の作用について説明する。入力部１０において、専門用語の意味コードが予め付与された複数の専門用語を訓練データ集合として受け付け、訓練データ集合データベース２８に格納すると、用語意味学習装置１００は、図４に示す用語意味学習処理ルーチンを実行する。

まず、ステップＳ１００では、訓練データ集合データベース２８に格納されている複数の専門用語の各々を取得する。

次に、ステップＳ１０２では、ステップＳ１００で取得した複数の専門用語の各々について、当該専門用語の文字列に含まれる部分文字列から、各部分文字列の個数を表す特徴ベクトルを生成する。

ステップＳ１０４では、ステップＳ１０２で複数の専門用語の各々について生成された特徴ベクトルと、ステップＳ１００で取得した複数の専門用語の各々に付与された意味コードとに基づいて、意味コードｋ毎に、スコア関数のパラメータ＾ｗ_ｋの値を推定することにより、判定ルールを生成し、判定ルール４０に記憶して、処理を終了する。

以上説明したように、第１の実施の形態に係る用語意味学習装置によれば、複数の専門用語の各々について、用語に含まれる部分文字列から、特徴ベクトルを生成し、複数の専門用語の各々について生成された特徴ベクトルと、複数の専門用語の各々に付与された意味コードとに基づいて、意味コードを判定するための判定ルールを生成することで、精度よく専門用語の意味コードを判定するための判定ルールを学習することができる。

＜本発明の第１の実施の形態に係る用語意味判定装置の作用＞

次に、本発明の第１の実施の形態に係る用語意味判定装置２００の作用について説明する。入力部２１０において用語を受け付けると、用語意味判定装置２００は、図５に示す用語意味判定処理ルーチンを実行する。

まず、ステップＳ２００では、入力部１０において受け付けた用語を取得する。

次に、ステップＳ２０２では、ステップＳ２００で取得した用語について、当該専門用語の文字列に含まれる部分文字列から、各部分文字列の個数を表す特徴ベクトルを生成する。

ステップＳ２０４では、ステップＳ２０２で生成された特徴ベクトルと、判定ルール２４０とに基づいて、意味コードｋ毎に、判定ルール２４０のスコア関数のパラメータ＾ｗ_ｋの値に従って、スコア関数ｆ_ｋ（＾ｘ；＾ｗ＾_ｋ）を計算し、計算の結果、スコア関数ｆ_ｋ（＾ｘ_ｍ；＾ｗ_ｋ）の値が最大になる意味コードｋを、ステップＳ２００で取得した用語に適した意味コードとして選択することで、ステップＳ２００で取得した用語の意味コードを判定する。

ステップＳ２０６では、ステップＳ２０４による判定で得られた用語の意味コードを出力部２５０により出力し、処理を終了する。

以上説明したように、第１の実施の形態に係る用語意味判定装置によれば、用語に含まれる部分文字列から、特徴ベクトルを生成し、生成された特徴ベクトルと、予め学習された判定ルールとに基づいて、用語の意味コードを判定することで、精度よく専門用語の意味コードを判定することができる。

＜本発明の第２の実施の形態に係る用語意味学習装置の構成＞

次に、本発明の第２の実施の形態に係る用語意味学習装置の構成について説明する。なお、第１の実施の形態の用語意味学習装置１００と同様の構成となる部分については、同一符号を付して説明を省略する。

上記図１に示すように、本発明の第２の実施の形態に係る用語意味学習装置１００は、ＣＰＵと、ＲＡＭと、後述する用語意味学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０とを備えている。

第２の実施の形態に係る入力部１０は、第１の実施の形態と同様に、専門用語の意味コードが予め付与された複数の専門用語を、訓練データ集合として受け付け、訓練データ集合データベース２８に格納する。

第２の実施の形態に係る演算部２０は、訓練データ集合データベース２８と、特徴ベクトル生成部３０と、判定ルール生成部３２と、判定ルール４０とを含んで構成されている。

第２の実施の形態に係る特徴ベクトル生成部３０は、入力部１０で受け付けた複数の専門用語の各々について、当該専門用語に含まれる文字、及び当該専門用語の文字列に含まれる部分文字列から、各文字の個数と、各部分文字列の個数とを表す特徴ベクトルを生成する。なお、文字の有無、及び各部分文字列の有無を表す特徴ベクトルを生成してもよい。

第２の実施の形態に係る特徴ベクトル生成部３０では、専門用語を構成する文字、例えば、文字ベースのｕｎｉ−ｇｒａｍと、専門用語を構成する部分文字列、例えば、ｂｉ−ｇｒａｍ又はｔｒｉ−ｇｒａｍなどを、特徴量とし、用語に含まれる各特徴量の個数を表す特徴ベクトルを生成する。例えば、図６に示すような、「ピロリ菌」という専門用語に含まれる文字と、専門用語の文字列に含まれる部分文字列との特徴量のインデックスを仮定する。このとき、専門用語「ピロリ菌」は、ｉ∈｛ｕ_１，ｕ_２，ｕ_３，ｕ_４，ｂ_１，ｂ_２，ｂ_３，ｂ_４，ｂ_５，ｔ_１，ｔ_２，ｔ_３，ｔ_４｝のときにｘ_ｉ＝１、ｉが、「ピロリ菌」に含まれない文字、又は部分文字列の特徴量のときにｘ_ｉ＝０の要素からなる特徴ベクトル^ｘ＝（ｘ_１，．．．，ｘ_ｉ，．．．，ｘ_Ｉ）で表すことができる。

なお、第２の実施の形態に係る用語意味学習装置の他の構成及び作用は、第１の実施の形態の用語意味学習装置１００と同様であるため詳細な説明を省略する。

＜本発明の第２の実施の形態に係る用語意味判定装置の構成＞

次に、本発明の第２の実施の形態に係る用語意味判定装置の構成について説明する。なお、第１の実施の形態の用語意味判定装置２００と同様の構成となる部分については、同一符号を付して説明を省略する。

上記図３に示すように、本発明の第２の実施の形態に係る用語意味判定装置２００は、ＣＰＵと、ＲＡＭと、後述する用語意味判定処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味判定装置２００は、機能的には図３に示すように入力部２１０と、演算部２２０と、出力部２５０とを備えている。

第２の実施の形態に係る演算部２２０は、特徴ベクトル生成部２３０と、意味コード判定部２３２と、判定ルール２４０とを含んで構成されている。

第２の実施の形態に係る特徴ベクトル生成部２３０は、入力部２１０で受け付けた用語の文字列に含まれる文字及び部分文字列から、第１の実施の形態に係る特徴ベクトル生成部３０と同様に、各文字の個数及び各部分文字列の個数を表す特徴ベクトルを生成する。なお、各文字の有無及び各部分文字列の有無を表す特徴ベクトルを生成してもよい。

なお、第２の実施の形態に係る用語意味判定装置の他の構成及び作用は、第１の実施の形態の用語意味判定装置２００と同様であるため詳細な説明を省略する。

以上説明したように、第２の実施の形態に係る用語意味学習装置によれば、複数の専門用語の各々について、用語に含まれる文字及び部分文字列から、特徴ベクトルを生成し、複数の専門用語の各々について生成された特徴ベクトルと、複数の専門用語の各々に付与された意味コードとに基づいて、意味コードを判定するための判定ルールを生成することで、精度よく専門用語の意味コードを判定することができる。

また、第２の実施の形態に係る用語意味判定装置によれば、用語に含まれる文字及び部分文字列から、特徴ベクトルを生成し、生成された特徴ベクトルと、予め学習された判定ルールとに基づいて、用語の意味コードを判定することで、精度よく専門用語の意味コードを判定することができる。

＜本発明の第３の実施の形態に係る用語意味学習装置の構成＞

次に、本発明の第３の実施の形態に係る用語意味学習装置の構成について説明する。なお、第２の実施の形態の用語意味学習装置１００と同様の構成となる部分については、同一符号を付して説明を省略する。

上記図１に示すように、本発明の第３の実施の形態に係る用語意味学習装置１００は、ＣＰＵと、ＲＡＭと、後述する用語意味学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０とを備えている。

第３の実施の形態に係る演算部２２０は、訓練データ集合データベース２８と、特徴ベクトル生成部３０と、判定ルール生成部３２と、判定ルール４０とを含んで構成されている。

第３の実施の形態に係る特徴ベクトル生成部３０は、入力部１０で受け付けた複数の専門用語の各々について、当該専門用語に含まれる文字、及び当該専門用語の文字列に含まれる部分文字列から、各文字の個数と、各部分文字列の個数と、当該専門用語に含まれる各文字の文字種とを表す特徴ベクトルを生成する。なお、各文字の有無及び各部分文字列の有無を表す特徴ベクトルを生成してもよい。

第３の実施の形態に係る特徴ベクトル生成部３０では、専門用語を構成する文字、例えば、文字ベースのｕｎｉ−ｇｒａｍと、専門用語を構成する部分文字列、例えば、ｂｉ−ｇｒａｍ又はｔｒｉ−ｇｒａｍなどを特徴量とした用語に含まれる各特徴量の個数と、専門用語を構成する各文字の文字種、例えば、ひらがな、カタカナ、又はアルファベットなどを特徴量とした用語に含まれる各特徴量の個数とを組み合わせた特徴ベクトルを生成する。例えば、図７に示すような、「頚部リンパ節腫脹」という専門用語に含まれる文字、及び専門用語の文字に含まれる部分文字列の特徴量と、専門用語に含まれる各文字の文字種の特徴量とを組み合わせたインデックスを仮定する。ここで、ｃ_ｔは専門用語に含まれるｔ番目の文字を表し、ｓ_ｔは専門用語に含まれるｔ番目の文字の文字種を表す。「頚部リンパ節腫脹」であれば、ｃ_ｔについては、ｃ_１＝頚、ｃ_２＝部、ｃ_３＝リ、・・・と表すことができ、ｓ_ｔについては、ｓ_１＝ｓ_２＝“CJK unified Ideographs（漢字）”、ｓ_３＝“Katakana（カタカナ）”、等と表すことができる。なお、文字種のＮ−ｇｒａｍを特徴量として、用語に含まれる各特徴量の個数を表す特徴ベクトルを生成してもよい。

なお、第３の実施の形態に係る用語意味判定装置の他の構成及び作用は、第２の実施の形態の用語意味学習装置１００と同様であるため詳細な説明を省略する。

＜本発明の第３の実施の形態に係る用語意味判定装置の構成＞

次に、本発明の第３の実施の形態に係る用語意味判定装置の構成について説明する。なお、第２の実施の形態の用語意味判定装置２００と同様の構成となる部分については、同一符号を付して説明を省略する。

上記図３に示すように、本発明の第３の実施の形態に係る用語意味判定装置２００は、ＣＰＵと、ＲＡＭと、後述する用語意味判定処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味判定装置２００は、機能的には図３に示すように入力部２１０と、演算部２２０と、出力部２５０とを備えている。

第３の実施の形態に係る演算部２２０は、特徴ベクトル生成部２３０と、意味コード判定部２３２と、判定ルール２４０とを含んで構成されている。

なお、第３の実施の形態に係る用語意味判定装置の他の構成及び作用は、第２の実施の形態の用語意味判定装置２００と同様であるため詳細な説明を省略する。

以上説明したように、第３の実施の形態に係る用語意味学習装置によれば、複数の専門用語の各々について、用語に含まれる文字及び部分文字列、並びに文字の文字種から、特徴ベクトルを生成し、複数の専門用語の各々について生成された特徴ベクトルと、複数の専門用語の各々に付与された意味コードとに基づいて、意味コードを判定するための判定ルールを生成することで、精度よく専門用語の意味コードを判定することができる。

また、第３の実施の形態に係る用語意味判定装置によれば、用語に含まれる文字及び部分文字列から、特徴ベクトルを生成し、生成された特徴ベクトルと、予め学習された判定ルールとに基づいて、用語の意味コードを判定することで、精度よく専門用語の意味コードを判定することができる。

＜本発明の第４の実施の形態に係る用語意味学習装置の構成＞

次に、本発明の第４の実施の形態に係る用語意味学習装置の構成について説明する。なお、第２の実施の形態の用語意味学習装置１００と同様の構成となる部分については、同一符号を付して説明を省略する。

図８に示すように、本発明の第４の実施の形態に係る用語意味学習装置３００は、ＣＰＵと、ＲＡＭと、後述する用語意味学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味学習装置１００は、機能的には図８に示すように入力部３１０と、演算部３２０とを備えている。

入力部３１０は、専門用語の意味コードが予め付与された複数の専門用語と、専門用語の同義語及び類義語を格納した辞書とを、受け付ける。

演算部３２０は、同義語類義語意味コード付与部３２６と、訓練データ集合データベース２８と、特徴ベクトル生成部３０と、判定ルール生成部３２と、判定ルール４０とを含んで構成されている。

同義語類義語意味コード付与部３２６は、入力部３１０で受け付けた、専門用語の意味コードが予め付与された複数の専門用語と辞書とに基づいて、意味コードが付与された専門用語の各々について、当該専門用語の同義語又は類義語となる専門用語の各々に、同じ意味コードを付与する。そして、入力部３１０で受け付けた、意味コードが予め付与された専門用語、及び意味コードが付与された同義語または類義語となる専門用語を、訓練データ集合として、訓練データ集合データベース２８に格納する。

なお、第３の実施の形態に係る用語意味学習装置の他の構成及び作用は、第２の実施の形態の用語意味学習装置１００と同様であるため詳細な説明を省略する。

＜本発明の第４の実施の形態に係る用語意味判定装置の構成＞

次に、本発明の第４の実施の形態に係る用語意味判定装置の構成について説明する。なお、第２の実施の形態の用語意味判定装置２００と同様の構成となる部分については、同一符号を付して説明を省略する。

上記図３に示すように、本発明の第４の実施の形態に係る用語意味判定装置２００は、ＣＰＵと、ＲＡＭと、後述する用語意味判定処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この用語意味判定装置２００は、機能的には図３に示すように入力部２１０と、演算部２２０と、出力部２５０とを備えている。

第４の実施の形態に係る演算部２２０は、特徴ベクトル生成部２３０と、意味コード判定部２３２と、判定ルール２４０とを含んで構成されている。

なお、第４の実施の形態に係る用語意味判定装置の他の構成及び作用は、第２の実施の形態の用語意味判定装置２００と同様であるため詳細な説明を省略する。

＜本発明の第４の実施の形態に係る用語意味学習装置の作用＞

次に、本発明の第４の実施の形態に係る用語意味学習装置３００の作用について説明する。入力部１０において、専門用語の意味コードが予め付与された複数の専門用語、及び同義語及び類似語を格納した辞書を受け付けると、第４の実施の形態に係る用語意味学習装置３００は、図９に示す用語意味学習処理ルーチンを実行する。なお、第４の実施の形態に係る用語意味学習装置の作用について、第２の実施の形態と同様の作用となる部分については、同一符号を付して説明を省略する。

ステップＳ３００では、同義語及び類似語を格納した辞書に基づいて、ステップＳ１００で取得した複数の専門用語の各々について、当該専門用語の同義語又は類義語となる専門用語に対して、当該専門用語と同じ意味コードを付与する。

なお、第４の実施の形態に係る用語意味学習装置の他の作用については、第２の実施の形態と同様であるため、詳細な説明を省略する。

以上説明したように、第４の実施の形態に係る用語意味学習装置によれば、辞書に格納されている同義語及び類義語に対して、意味コードを付与することで、意味コードを付与した訓練データを増やすことができる。

また、第４の実施の形態に係る用語意味判定装置によれば、用語に含まれる文字及び部分文字列から、特徴ベクトルを生成し、生成された特徴ベクトルと、予め学習された判定ルールとに基づいて、用語の意味コードを判定することで、精度よく専門用語の意味コードを判定することができる。

＜実験結果＞

上記第３の実施の形態に係る手法を適用して、国立情報学研究所（ＮＩＩ）主催の評価型ワークショップＮＴＣＩＲ−１１のＭｅｄＮＬＰ２タスク（http://mednlp.jp/ntcir11/）で配布された疑似医療文書のベンチマークセットを用いて実験を行った。このベンチマークセットには、訓練データとテストデータが含まれており、それぞれのデータには、疑似医療文書中に、意味コードとしてＩＣＤコードが付与された病名及び症状を表す専門用語を含むものである。ＩＣＤコードは、病態管理および情報共有のためのコードであり、医療用語の標準化のために開発されたコードである。ＩＣＤコードを利用することで、様々な省略形や漢字、かな表記の違いなど、同一の意味をもつ異表現の用語を把握、管理することができる。ＩＣＤ１０対応標準病名マスター（http://www2.medis.or.jp/stdcd/byomei/）には数千種類のＩＣＤコードが定義されている。

性能評価では、ＩＣＤコードを意味コードとし、疑似医療文書に含まれる病名及び症状を表す専門用語にＩＣＤコードを付与する問題に対して、上記第３の実施の形態に係る手法を適用した場合に得られるＩＣＤコードの判定精度を調べた。

本実験では、上記ベンチマークセットの訓練データと、ＩＣＤ１０対応標準病名マスターに含まれる病名基本テーブルに含まれる専門用語とを訓練データ集合データベース２８に格納した。また、ＩＣＤ１０対応標準病名マスターの検索テーブルに含まれる専門用語も訓練データ集合データベース２８に格納した。また、ＩＣＤ１０対応標準病名マスターの病名基本テーブルに含まれる専門用語と同義又は類義の専門用語について、当該病名基本テーブルに含まれる専門用語と同一のＩＣＤコードを付与して訓練データ集合データベース２８に格納した。さらに、ライフサイエンス辞書（http://lsd.pharm.kyoto-u.ac.jp/ja/index.html）、Ｔ辞書（http://www.tdic.co.jp/）、及びＵＭＬＳメタシソーラス（http://www.nlm.nih.gov/research/umls/）から取り出したＭｅｄＤＲＡ辞書の各々から、ＩＣＤ１０対応標準病名マスターに含まれる専門用語と同義又は類義の専門用語を抽出し、当該ＩＣＤ１０対応標準病名マスターに含まれる専門用語と同一のＩＣＤコードを付与して訓練データ集合データベース２８に格納した。

本実験では、意味コード判定部２３２で用いる判定ルールを生成するために、判定ルール生成部３２において、ロジスティック回帰モデルを適用して、スコア関数ｆ_ｋ（＾ｘ；＾ｗ_ｋ）のパラメータ値を推定した。

表１に、上記第３の実施の形態に係る手法で判定ルールを生成して、ベンチマークセットのテストデータに含まれる２１３４個の病名及び症状を表す専門用語に適用した場合の意味コードの正解率と、正しく意味コードが推定された専門用語の個数（正解数）を示す。表１において、ＡＤＯＣ、ＭＥＤＩＳ、及びＥＸＤＩＣは訓練データ集合データベース２８に格納された用語の種類を表している。ＡＤＩＣはベンチマークセットの訓練データに格納されていた用語を、ＭＥＤＩＳはＩＣＤ１０対応標準病名マスターの基本病名テーブルと検索テーブルから抽出した用語を、ＥＸＤＩＣはライフサイエンス辞書、Ｔ辞書、及びＭｅｄＤＲＡ辞書から抽出した用語を表す。表１から、より多くの専門用語を辞書から集めて判定ルールの生成に利用することで意味コードの推定精度が向上することがわかる。

なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、上述した第１〜第４の実施の形態では、特定の専門分野において唯一の意味が定義されている専門用語から、意味コードを判定するため判定ルールを生成する用語意味学習装置を例に説明したが、これに限定されるものではなく、意味コードが予め付与された用語を用いるのであれば、どのような分野の用語であっても判定ルールを生成し、意味コードを判定することができる。例えば、用語意味学習装置で、ある一定の分野（自然科学、経済等の分野）の用語について、判定ルールを生成し、用語意味判定装置で、生成された判定ルールを用いて、当該分野の用語について、意味コードを判定することができる。

また、用語意味学習装置と用語意味判定装置とを別々の装置で構成する場合を例に説明したが、これに限定されるものではなく、用語意味学習装置と用語意味判定装置とを一つの装置で構成するようにしてもよい。

１０、２１０、３１０入力部
２０、２２０、３２０演算部
２８訓練データ集合データベース
３０、２３０特徴ベクトル生成部
３２判定ルール生成部
４０、２４０判定ルール
１００、３００用語意味学習装置
２００用語意味判定装置
２３２意味コード判定部
２５０出力部
３２６同義語類義語意味コード付与部

Claims

入力された、用語の意味コードが予め付与された複数の用語の各々について、前記用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成する特徴ベクトル生成部と、
前記特徴ベクトル生成部により前記複数の用語の各々について生成された前記特徴ベクトルと、前記複数の用語の各々に付与された意味コードとに基づいて、用語の意味コードを判定するための判定ルールを生成する判定ルール生成部と、
を含む用語意味学習装置であって、
前記用語について生成された前記特徴ベクトルが表す部分文字列に含まれる全ての文字を要素とする集合と、前記用語の文字列に含まれる全ての文字を要素とする集合とは一致する、用語意味学習装置。
前記複数の用語の各々は、用語、及び意味コードの対の集合である訓練データとして入力され、
前記訓練データを構成する各用語は、特定の専門分野において唯一の意味が定義されている用語とし、
前記判定ルール生成部は、前記訓練データにおいて意味コードｋが付与された用語を正例、前記意味コードｋ以外の意味コードが付与された用語を負例として、前記判定ルールを生成する、
請求項１に記載の用語意味学習装置。
入力された用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成する特徴ベクトル生成部と、
前記特徴ベクトル生成部により生成された前記特徴ベクトルと、あらかじめ学習された、用語の意味コードを判定するための判定ルールとに基づいて、前記入力された用語の意味コードを判定する意味コード判定部と、
を含む用語意味判定装置であって、
前記入力された用語について生成された前記特徴ベクトルが表す部分文字列に含まれる全ての文字を要素とする集合と、前記入力された用語の文字列に含まれる全ての文字を要素とする集合とは一致する、用語意味判定装置。
前記判定ルールは、特定の専門分野において唯一の意味が定義されている用語、及び意味コードの対の集合である訓練データを用いて、前記入力された用語の特徴量ベクトルを入力として、前記入力された用語の意味コードを判定するよう、あらかじめ学習されたものとする、
請求項３に記載の用語意味判定装置。
前記特徴ベクトル生成部は、前記入力された用語の文字の文字種を用いて定義される特徴量を追加した前記特徴ベクトルを生成する請求項３又は請求項４に記載の用語意味判定装置。
特徴ベクトル生成部が、入力された、用語の意味コードが予め付与された複数の用語の各々について、前記用語の文字列に含まれる部分文字列から、各部分文字列の有無又は個数を表す特徴ベクトルを生成するステップと、
判定ルール生成部が、前記特徴ベクトル生成部により前記複数の用語の各々について生成された前記特徴ベクトルと、前記複数の用語の各々に付与された意味コードとに基づいて、用語の意味コードを判定するための判定ルールを生成するステップと、
を含む用語意味学習方法であって、
前記用語について生成された前記特徴ベクトルが表す部分文字列に含まれる全ての文字を要素とする集合と、前記用語の文字列に含まれる全ての文字を要素とする集合とは一致する、用語意味学習方法。
コンピュータを、請求項１又は請求項２に記載の用語意味学習装置を構成する各部として機能させるためのプログラム。
コンピュータを、請求項３〜５の何れか１項に記載の用語意味判定装置を構成する各部として機能させるためのプログラム。