JP6524008B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents

Description

本発明の実施形態は、情報処理装置、情報処理方法およびプログラムに関する。

近年の情報システムの高度化に伴い、特許文献、新聞記事、ウェブページ、および、書籍といった文書、並びに、映像および音声などのメディアデータを蓄積することが可能になっている。これらの蓄積されたメディアデータから、概要や要約を簡単に知ることが可能となる技術が求められている。

このような技術の１つとして、単語の頻度などと、ユーザが選択したキーワードに関する重要度とを合わせて重要文を選択する技術が提案されている。

特開２００９−２１７８０２号公報

"出現頻度と連接頻度に基づく専門用語抽出"，中川浩志，湯本紘彰，森辰則，自然言語処理. １０（１）， ２００３−０１， ｐｐ．２７−４６

しかしながら、従来技術では、重要文を適切に選択できない場合があった。例えば、頻度の多い一般語を含んだ文を重要文として選択する場合、および、頻度は少ないが重要な語を含んだ文を重要文として選択できない場合があった。

実施形態の情報処理装置は、抽出部と、第１の算出部と、第２の算出部と、を備える。抽出部は、文集合に含まれる文から、複数の単語により構成される複合語、および、複合語を構成する単語以外の第１の単語を抽出する。第１の算出部は、第１の単語の出現頻度、および、複合語の出現頻度に基づいて、第１の単語および複合語の重要度を示す第１の重要度を算出する。第２の算出部は、文集合に含まれる第１の文に対して、第１の文に含まれる第１の単語および複合語の第１の重要度に基づいて、第１の文の重要度を示す第２の重要度を算出する。

図１は、第１の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。 図２は、記憶装置に記憶される文の一例を示す図である。 図３は、第１の実施形態における重要文表示処理の一例を示すフローチャートである。 図４は、音声入力処理および音声認識処理の具体例を説明する図である。 図５は、第１の実施形態の抽出・算出処理の一例を示すフローチャートである。 図６は、第１の実施形態の重要度算出処理の一例を示すフローチャートである。 図７は、重要文の出力処理の一例を示す図である。 図８は、第２の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。 図９は、フィラー変換ルールのデータ構造の一例を示す図である。 図１０は、第２の実施形態における重要文表示処理の一例を示すフローチャートである。 図１１は、フィラー変換処理の一例を示すフローチャートである。 図１２は、記憶装置に記憶される文の他の例を示す図である。 図１３は、第３の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。 図１４は、第３の実施形態における重要文表示処理の一例を示すフローチャートである。 図１５は、算出処理の一例を示すフローチャートである。 図１６は、算出処理の一例を示すフローチャートである。 図１７は、重要文の出力処理の一例を示す図である。 図１８は、第４の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。 図１９は、辞書のデータ構造の一例を示す図である。 図２０は、第１から第４の実施形態にかかる情報処理装置のハードウェア構成例を示す説明図である。

以下に添付図面を参照して、この発明にかかる情報処理装置の好適な実施形態を詳細に説明する。

（第１の実施形態）
上記のように、蓄積されたメディアデータなどから概要を簡単に知ることを可能とする技術が求められている。例えば、以下のような要望がある。
・チーム内での会議で、メンバーの発言を音声認識し、認識したテキストから、会議の内容を短時間で把握する。
・コンタクトセンタで、顧客の問い合わせを音声認識し、認識したテキストから、問合わせ内容を把握し、アフターコールレポートを作成する。

第１の実施形態にかかる情報処理装置は、単語のみの重要度ではなく、複合語の重要度も考慮して文の重要度を算出する。複合語は、複数の単語により構成される語である。複合語は、これら複数の単語によって、文の意味が明確になり易く、話題を表す重要語であることが多い。逆に、複合語でない単語が話題を表すならば、話し手や書き手は、複合語を利用せずに、複合語でない単語を頻繁に利用するはずである。本実施形態では、複合語の重要度を考慮することにより、より高精度に文の重要度を算出可能となる。この結果、音声認識した発話集合やテキストの集合から、より精度よく重要文を選択することが可能となる。

図１は、第１の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。本実施形態のシステムは、情報処理装置１００と、端末２００と、認識装置３００と、記憶装置４００とが、ネットワーク５００で接続された構成となっている。

ネットワーク５００は、例えば、ＬＡＮ（ローカルエリアネットワーク）、および、インターネットなどである。ネットワーク５００の形態はこれらに限られず、任意のネットワーク形態とすることができる。

端末２００は、例えば、スマートフォン、タブレット、および、ＰＣ（パーソナルコンピュータ）などのユーザが利用する端末装置である。端末２００は、音声入力部２０１と、表示制御部２０２と、を備えている。

音声入力部２０１は、ユーザにより発話された音声等を入力する。表示制御部２０２は、ディスプレイなどの表示装置に対する表示処理を制御する。例えば表示制御部２０２は、認識装置３００による音声の認識結果、および、選択された重要文を表示する。

認識装置３００は、音声を認識して認識結果を示すテキストを出力する。例えば認識装置３００は、ユーザが音声入力部２０１を介して入力した音声を音声認識し、認識結果をテキストに変換し、変換したテキストを文ごとに、記憶装置４００に記憶する。

記憶装置４００は、各種情報を記憶する記憶部を備える装置である。記憶部は、ＨＤＤ（Hard Disk Drive）、光ディスク、メモリカード、ＲＡＭ（Random Access Memory）などの一般的に利用されているあらゆる記憶媒体により構成することができる。

記憶装置４００は、例えば音声入力部２０１によって入力されたユーザの音声が認識装置３００によって音声認識された結果である文を記憶する。図２は、記憶装置４００に記憶される文（テキストデータ）の一例を示す図である。

図２に示すように、テキストデータは、ＩＤと、発話時間と、音声ファイルと、文の標記と、形態素と、を含む。ＩＤは、このテキストデータを識別する情報である。発話時間は、音声が入力された時刻である。音声ファイルは、音声を録音して保持したファイルを特定する情報（例えばパスおよびファイル名）である。文の表記は、音声認識の結果である。形態素は、音声認識したテキスト（文の標記）を形態素の単位で分けた結果である。図２では、記号「／」が各形態素の区切りを表している。なお、形態素は記憶されなくてもよい。例えば、情報処理装置１００による処理時に、各文を対象に形態素解析を行ってもよい。

図１に戻り、情報処理装置１００は、文集合に含まれる文に対して、重要度を算出する装置である。文の重要度は、文集合に含まれる文から重要文を選択するために利用することができる。文集合は複数の文を含むものであれば、どのような集合であってもよい。例えば文集合は、認識装置３００により認識され記憶装置４００に記憶された文の集合である。文集合は、音声認識の結果である必要はなく、ウェブページなどから検索された文書の集合、メディアデータの集合、および、これらの集合の組み合わせであってもよい。

なお図１に示す構成は一例であり、これに限られるものではない。ある装置の機能の少なくとも一部が他の装置に備えられていてもよいし、複数の装置の機能を１つの装置内に備えてもよい。例えば、記憶装置４００の機能（情報を記憶する機能）は、認識装置３００および情報処理装置１００の少なくとも一方に備えられていてもよい。また例えば、認識装置３００、記憶装置４００、および、情報処理装置１００の機能の一部または全部を、１つの装置内に備えるように構成してもよい。

次に、情報処理装置１００の機能構成の詳細について説明する。図１に示すように、情報処理装置１００は、抽出部１０１と、算出部１０２（第１の算出部）と、算出部１０３（第２の算出部）と、を備える。

抽出部１０１は、文集合に含まれる文から、複合語、および、複合語を構成する単語以外の単語（第１の単語）を抽出する。例えば抽出部１０１は、記憶装置４００に記憶された各文から、単語および複合語を抽出する。

算出部１０２は、抽出された単語および複合語の重要度（第１の重要度）を算出する。例えば算出部１０２は、抽出された単語の出現頻度、および、複合語の出現頻度に基づいて、抽出された単語および複合語の重要度を算出する。

算出部１０３は、文集合に含まれる各文（第１の文）の重要度を算出する。例えば算出部１０３は、文集合に含まれる各文に対して、文に含まれる単語および複合語に対して算出された重要度に基づいて、文の重要度（第２の重要度）を示すスコアを算出する。

なお、端末２００および情報処理装置１００の各部（音声入力部２０１、表示制御部２０２、抽出部１０１、算出部１０２、算出部１０３）は、例えば、ＣＰＵ（Central Processing Unit）などの処理装置にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ（Integrated Circuit）などのハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。

次に、このように構成された第１の実施形態にかかる情報処理装置１００による重要文表示処理について図３を用いて説明する。図３は、第１の実施形態における重要文表示処理の一例を示すフローチャートである。

端末２００の音声入力部２０１は、ユーザ等により発話された音声を入力する（ステップＳ１０１）。認識装置３００は、入力された音声を音声認識し、音声認識したテキストを、文ごとに記憶装置４００に記憶する（ステップＳ１０２）。音声認識方法は、任意の手法でよい。テキストを文に分割する方法も任意の手法でよい。例えば、無音区間の長さが閾値を超えた場合に文の区切りであると判定して文に分割してもよい。音声認識処理とともに文に分割する処理が実行されてもよい。入力された音声を録音し、後で音声を確認できるようにしてもよい。

図４は、ステップＳ１０１およびステップＳ１０２の音声入力処理および音声認識処理の具体例を説明する図である。図４は、ユーザにより入力された音声を音声認識したテキスト、および、選択された重要文を表示する表示画面の例である。表示画面は、録音開始ボタン４０１と、音声再生ボタン４０２と、表示制御ボタン４０３と、表示領域４０４と、を含む。

例えばユーザは、録音開始ボタン４０１を押下した後、音声の入力を開始する。入力された音声は、認識装置３００に送信され、認識装置３００により音声認識される。また、音声認識の結果は記憶装置４００に記憶される。表示領域４０４は、このようにして得られた認識結果を表示する領域である。なお、録音開始ボタン４０１を押下すると、録音開始ボタン４０１は、録音終了ボタン４０５に変更される。録音終了ボタン４０５が押下されるまで、入力された音声を対象に、音声認識と録音が行われる。

図３に戻り、ステップＳ１０２の完了後、情報処理装置１００は、文集合を対象に重要文表示処理を行う（ステップＳ１０３〜ステップＳ１０６）。まず、抽出部１０１は、文集合から、複合語、および、複合語を構成する単語以外の単語を抽出する（ステップＳ１０３）。算出部１０２は、抽出された単語および複合語の重要度を算出する（ステップＳ１０４）。算出部１０３は、算出した重要度を元にさらに各文の重要度を算出する（ステップＳ１０５）。ステップＳ１０３〜ステップＳ１０５の詳細は後述する。

端末２００の表示制御部２０２は、各文の重要度を参照し、重要な順番に文を選択して表示する（ステップＳ１０６）。例えば表示制御部２０２は、重要度が大きい順に所定数の文を重要文として抽出し、抽出した重要文を発話時間順に並べ、表示装置に表示する。

次に、ステップＳ１０３、ステップＳ１０４の抽出・算出処理の詳細について説明する。図５は、第１の実施形態の抽出・算出処理の一例を示すフローチャートである。

抽出部１０１は、重要文を選択する対象となる文集合を取得する（ステップＳ２０１）。文集合は、例えば、記憶装置４００に記憶されているすべての文集合、または、記憶されている文集合のうち特定の日時に発話された文の集合などである。特定の日時は、ユーザが端末２００を起動した年月日を起点として、起点と同じ年、起点と同じ月、および、期限と同じ日などである。特定の日、または、特定の日の特定の時間を、端末２００から指定可能としてもよい。

抽出部１０１は、算出処理で用いる各変数を初期化する（ステップＳ２０２）。例えば抽出部１０１は、変数countL（x）、countR（x）、および、idListを初期化する。countL（x）は、複合語を構成する単語の左の連接頻度を保持する変数である。countR（x）は、複合語を構成する単語の右の連接頻度を保持する変数である。「x」は、単語の識別情報（Id）である。すなわち、単語ごとに左右の連接頻度が保持される。idListは、複合語を構成する単語（形態素）の識別情報（Id）のリストを保持する変数である。

抽出部１０１は、文集合から未処理の文を取得する（ステップＳ２０３）。抽出部１０１は、各文の処理で用いる各変数を初期化する（ステップＳ２０４）。例えば抽出部１０１は、変数tempTerm、preIdを初期化する。tempTermは、生成する単語および複合語の文字列を保持する変数である。preIdは、処理対象の形態素の１つ前の単語または複合語の識別情報である。

抽出部１０１は、取得した文に含まれる形態素のうち未処理の形態素ｍを取得する（ステップＳ２０５）。抽出部１０１は、形態素ｍが複合語を構成する単語であるか否かを判定する（ステップＳ２０６）。例えば抽出部１０１は、品詞および文字種などを考慮して、形態素ｍが複合語を構成する単語か否かを判定する。

品詞を用いる場合、抽出部１０１は、例えば、品詞が「名詞」の場合に、形態素ｍが複合語を構成する単語であると判定する。抽出部１０１は、品詞が「名詞」、「動詞」、および、「形容詞」などの自立語である場合に、形態素ｍが複合語を構成する単語であると判定してもよい。文字種を用いる場合、抽出部１０１は、例えば、「漢字、カタカナ、アルファベットを含む文字」である場合に、形態素ｍが複合語を構成する単語であると判定する。

複合語を構成する単語となる場合（ステップＳ２０６：Ｙｅｓ）、抽出部１０１は、tempTermに形態素ｍの文字列を追加し、idListに形態素ｍのIdを追加する（ステップＳ２０７）。抽出部１０１は、preIdが初期値であるか否かを判定する（ステップＳ２０８）。preIdが初期値でなければ（ステップＳ２０８：Ｎｏ）、抽出部１０１は、形態素の連接頻度を更新する（ステップＳ２０９）。例えば抽出部１０１は、countL（形態素ｍのId）およびcountR（preId）に対して、それぞれ１を加算する。抽出部１０１は、preIdに形態素ｍのIdを代入する（ステップＳ２１０）。

なおpreIdが初期値の場合（ステップＳ２０８：Ｙｅｓ）、抽出部１０１は、ステップＳ２０９は実行せずに、ステップＳ２１０のみを実行する。preIdが初期値でない場合は、複合語を構成する単語が２つ以上続いていて、連接する場合である。この場合、preIdの文字列の右側には形態素ｍが連接していて、逆に形態素ｍの左側にはpreIdの文字列が連接している。従って抽出部１０１は、形態素ｍのIdに対応する左側の連接頻度の変数countL（形態素ｍのId）に１加算し、preIdに対応する右側の連接頻度の変数countR（preId）に１加算する。

ステップＳ２０６で、形態素ｍが複合語を構成する単語とならない場合（ステップＳ２０６：Ｎｏ）、抽出部１０１は、その時点でのtempTermが示す文字列を、単語または複合語として生成する（ステップＳ２１１）。例えばidListに含まれるIdが１つの場合、抽出部１０１は、このIdが示す単語を生成する。idListに含まれるIdが２以上の場合、抽出部１０１は、これらのIdが示す単語から構成される複合語を生成する。このように、その時点でのidListに含まれるIdが２つ以上の場合は複合語が生成され、１つのみの場合は単語が生成される。なお抽出部１０１は、tempTermが示す文字列の長さによって、単語または複合語を生成するか否かを判定する。例えば、文字列の長さが空の場合、および、文字列が１文字以下の場合は、抽出部１０１は、単語および複合語を生成しない。

抽出部１０１は、単語または複合語を生成するときに、これらの語が属する文の識別情報（文のId）を保持しておく。また、単語または複合語を生成後、抽出部１０１は、tempTerm、および、preIdを初期化する。

ステップＳ２１０またはステップＳ２１１の後、抽出部１０１は、すべての形態素を処理したか否かを判定する（ステップＳ２１２）。すべての形態素を処理していない場合（ステップＳ２１２：Ｎｏ）、ステップＳ２０５に戻り、抽出部１０１は、次の形態素を取得して処理を繰り返す。

すべての形態素を処理した場合（ステップＳ２１２：Ｙｅｓ）、抽出部１０１は、ステップＳ２１１と同様に、その時点でのtempTermが示す文字列を、単語または複合語として生成する（ステップＳ２１３）。

抽出部１０１は、すべての文を処理したか否かを判定する（ステップＳ２１４）。すべての文を処理していない場合（ステップＳ２１４：Ｎｏ）、ステップＳ２０３に戻り、抽出部１０１は、次の文を取得して処理を繰り返す。

すべての文を処理した場合（ステップＳ２１４：Ｙｅｓ）、算出部１０２は、生成された単語および複合語の重要度を算出する（ステップＳ２１５）。例えば算出部１０２は、以下の（１）式および（２）式により求められるスコアＦＬＲを、単語および複合語の重要度として算出する。

ＦＬＲ（ｔ）＝（ｌｏｇ（ＬＲ（ｔ））＋１）×ｆｒｅｑ（ｔ） ・・・（２）

（１）式は、非特許文献１の式（３）と同様の式である。（１）式により、複合語“N₁N₂・・・N_L”に対するスコアＬＲが算出される。なお、複合語を構成する単語を“N_i”（１≦ｉ≦Ｌ、Ｌは複合語を構成する単語の個数）としている。

構成する単語が１つの場合は、単語に対するスコアが算出される。ＦＬ（Ni）は、単語Niの左側の連接頻度であり、ＦＲ（Ni）は、単語Niの右側の連接頻度である。図５の例では、countL（x）およびcountR（x）が、Id=xである単語NiのＦＬ（Ni）およびＦＲ（Ni）に相当する。ＦＬおよびＦＲに１を加算しているのは、左右の連接頻度のいずれかが１つでも０となった場合、ＬＲの値が０となることを防ぐためである。すなわち、この（１）式では、複合語を構成するすべての単語における左右の連接頻度の相乗平均がスコアになっている。なお、ここでは、ＦＬおよびＦＲを頻度としているが、単語の種類数としてもよい。

（２）式は、単語および複合語ｔの重要度を示すスコアである。（１）式で求められるＬＲにｌｏｇをかけて１を加算した値に、ｆｒｅｑ（ｔ）を乗じた値である。ｆｒｅｑ（ｔ）は、単語および複合語が単独で出現した頻度を表す。単独で出現したとは、他の単語および複合語に包含されることなく出現することを表す。（２）式のように、ＬＲにｌｏｇをかけて１を加算せずに、以下の（３）式のようにＦＬＲを算出してもよい。（３）式は、非特許文献１の式（４）と同様の式である。
ＦＬＲ（ｔ）＝ＬＲ（ｔ）×ｆｒｅｑ（ｔ） ・・・（３）

非特許文献１では、語の持つべき重要な性質として、ユニット性について記載されている。ユニット性は、ある言語単位（複合語を構成する単語、複合語など）が、テキスト集合の中で安定して利用される度合いを表す。ユニット性の高い語はそのテキスト集合の基本的な概念を表すことが多いという仮説に基づいている。本実施形態によれば、このようなユニット性の高い重要な語を多く含んだ文を重要な文として選択可能となる。また、複合語による抽出方法は、算出量が「文書数×各文書の単語数」である。このため、例えば、関連語や文の類似度を算出する方法と比べて、高速に重要文を選択可能となる。

なお、単語および複合語の重要度の算出方法は上記に限られるものではない。例えば単語の出現頻度および複合語の出現頻度に基づく他の重要度の算出方法を適用してもよい。

ここで、ＬＲとＦＬＲの算出処理の具体例について説明する。処理対象とする文集合での単語および複合語の出現回数が、それぞれ次の場合を仮定する。
・「メディア／インテリジェンス」（「メディア」および「インテリジェンス」という単語から構成される）：１回出現
・「メディア／インテリジェンス／技術」（「メディア」、「インテリジェンス」および「技術」いう単語から構成される）：３回出現
・「メディア／処理」（「メディア」および「処理」という単語から構成される）：２回出現
・「技術／革新」（「技術」と「革新」という単語から構成される）：１回出現

「メディア／インテリジェンス／技術」のＬＲは、「メディア」と「インテリジェンス」と「技術」の左右の連接頻度の相乗平均によって算出される。「メディア」は、左側の単語と０回接続し、右側では「インテリジェンス」と４回連続し、「処理」と２回連続するため、合わせて６回接続する。「インテリジェンス」は、左側では「メディア」と４回接続し、右側では「技術」と３回接続する。「技術」は、左側では「インテリジェンス」と３回接続し、右側では「革新」と１回接続する。

従って、（１）式により、以下のようにＬＲが算出される。
ＬＲ（メディアインテリジェンス技術）
＝（ＦＬ（メディア）＋１）×（ＦＲ（メディア）＋１）
×（ＦＬ（インテリジェンス）＋１）×（ＦＲ（インテリジェンス）＋１）
×（ＦＬ（技術）＋１）×（ＦＲ（技術）＋１）
＝（（０＋１）×（６＋１）×（４＋１）×（３＋１）×（３＋１）×（１＋１））＾（１／６）
＝２．８７

続いて、「メディアインテリジェンス技術」のＦＬＲは、「メディアインテリジェンス技術」単独の出現頻度は３であるため、（２）式から以下のように算出される。
ＦＬＲ（メディアインテリジェンス技術）
＝ＬＲ（メディアインテリジェンス技術）×ｆｒｅｑ（メディアインテリジェンス技術）
＝（ｌｏｇ（２．８７）＋１）×３
＝６．１６

（３）式を用いる場合は、ＦＬＲは以下のように算出される。
ＦＬＲ（メディアインテリジェンス技術）
＝ＬＲ（メディアインテリジェンス技術）×ｆｒｅｑ（メディアインテリジェンス技術）
＝２．８７×３
＝８．６１

次に、ステップＳ１０５の重要度算出処理の詳細について説明する。図６は、第１の実施形態の重要度算出処理の一例を示すフローチャートである。

算出部１０３は、文の重要度を示すスコア（ＳｃｏｒｅＳ）を初期化する（ステップＳ３０１）。ＳｃｏｒｅＳは、各文に対して求められる。以下では、例えばＳｃｏｒｅＳ（Ｉｄ）は、識別情報が“Ｉｄ”である文のスコアを表すものとする。算出部１０３は、図３のステップＳ１０２で抽出された単語および複合語について、以下の処理を繰り返す。

算出部１０３は、未処理の単語または複合語（以下、ｋとする）を取得する（ステップＳ３０２）。算出部１０３は、ｋが出現するすべての文（識別情報＝“Ｉｄ”とする）について、ＳｃｏｒｅＳ（Ｉｄ）にｋの重要度を加算する（ステップＳ３０３）。算出部１０３は、すべての単語および複合語を処理したか否かを判定する（ステップＳ３０４）。

すべての単語および複合語を処理していない場合（ステップＳ３０４：Ｎｏ）、次の単語または複合語を取得して処理を繰り返す。すべての単語および複合語を処理した場合（ステップＳ３０４：Ｙｅｓ）、算出部１０３は、ＳｃｏｒｅＳの値によって各文をソートする（ステップＳ３０５）。算出部１０３は、ソート結果に従い、各文のランキング（順位）を返す（ステップＳ３０６）。なお、算出部１０３は、ＳｃｏｒｅＳを文の重要度としてもよいし、ＳｃｏｒｅＳによってソートした後のランキング（順位）を文の重要度としてもよい。

ここで、文の重要度の算出処理の具体例について説明する。ここでは、例文「／Ａ社／は／メディア／インテリジェンス／技術／を／長年／に／わたり／研究／し／て／き／まし／た／」に対する重要度の算出処理の例を説明する。この文では、複合語「メディアインテリジェンス技術」、並びに、単語「Ａ社」、「長年」および「研究」に対して重要度が算出される。以下のように重要度が算出されたものとする。
・「Ａ社」：３．０
・「メディアインテリジェンス技術」：６．１６
・「長年」：１．０
・「研究」：３．０

この場合、文の重要度は３．０＋６．１６＋１．０＋３．０＝１３．１６と算出される。このように、上記例文に含まれる単語および複合語のうち、重要度の算出対象となる語は、「Ａ社」、「メディアインテリジェンス技術」、「長年」、および、「研究」である。本実施形態では、「メディアインテリジェンス技術」を構成する単語である「メディア」、「インテリジェンス」、および、「技術」でなく、複合語である「メディアインテリジェンス技術」に対して算出された重要度が、文の重要度に加算される。すべての文に対して、このようにして重要度が算出される。その後算出部１０３は、重要度の順で文をソートし、各文のランキング結果（順位）を返す。

次に、本実施形態による重要文の出力処理の例について説明する。図７は、重要文の出力処理の一例を示す図である。

図７は、算出されたランキング結果、および、要約レベルに応じて、重要文が表示される例を示す。要約レベルは、例えば「大」、「中」、「小」、「無」のいずれかが選択できる。表示画面７１０は、要約レベルとして「無」７１１が選択された場合の画面の例である。表示画面７２０は、要約レベルとして「大」７２１が選択された場合の画面の例である。

要約レベルが「無」の場合、重要文の選択対象のすべての文が表示される。要約レベルとして「大」、「中」、および、「小」のいずれかが選択されると、処理対象の文のうち、上位ｙ件の重要文が表示される。ｙは、例えば要約レベルに応じた割合（要約率）から求められる。例えば、「大」は要約率１０％、「中」は要約率３０％、「小」は要約率５０％とする。処理対象の文が３０件であり、要約レベル「大」が選択された場合は、ランキングの上位３件（３０×１０％）の文が重要文として選択され、画面に表示される。重要文の選択は、情報処理装置１００（例えば算出部１０３）により実行されてもよいし、端末２００（例えば表示制御部２０２）により実行されてもよい。

以上のように、第１の実施形態によれば、ユーザがすべての文を確認することなく、短時間で文集合の概要を把握することが可能となる。また、複合語を構成する単語のユニット性という考えに基づいて単語および複合語の重要度を算出し、その重要度に基づいて文の重要度を算出する。このため、より高精度に重要文を選択可能となる。

（第２の実施形態）
特に音声から認識された文集合などでは、文の中に感動詞が含まれることがある。感動詞は、文の概要を示す語ではなく、文の重要度を算出するときに考慮する必要がない場合が多い。第２の実施形態にかかる情報処理装置は、感動詞などの特定の文字列を別の文字列に変換し、変換処理を実行した後の文集合を対象として、文の重要度を算出する。これにより、文の重要度をより高精度に算出することができる。

図８は、第２の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。本実施形態のシステムは、情報処理装置１００−２と、端末２００と、認識装置３００と、記憶装置４００とが、ネットワーク５００で接続された構成となっている。情報処理装置１００−２以外は第１の実施形態と同様の構成であるため同一の符号を付し説明を省略する。

情報処理装置１００−２は、図１の各部に加えて、変換部１０４−２をさらに備える。変換部１０４−２は、文集合に含まれる文それぞれについて、当該文に含まれる特定の文字列（第１の文字列）を、別の文字列（第２の文字列）に変換する。変換部１０４−２は、例えば、記憶装置４００に記憶されているテキストデータに含まれる文の表記を、フィラー変換ルールを用いて、別の表記に変換する。

フィラー変換ルールは、文字列中の特定の文字列（フィラー）を別の文字列に変換するためのルールである。フィラー変換ルールは、情報処理装置１００−２内の記憶部等に記憶してもよいし、記憶装置４００などの外部装置に記憶してもよい。図９は、フィラー変換ルールのデータ構造の一例を示す図である。

図９に示すように、フィラー変換ルールは、変換前表記と、変換後表記と、適用条件とを含む。変換部１０４−２は、変換前表記と一致する形態素が、例えば図２のテキストデータ内に存在すれば、この形態素の標記を変換後表記に変換する。変換後表記に記載がない場合は、変換前標記は空文字に変換される。図９の例では、変換前表記が「えー」、「あー」、「はい」、および、「えー／とお」の場合は、これらの表記が空文字に変換される。また「えー／とお」のように、複数の形態素を対象にすることもある。

適用条件は、フィラー変換ルールを適用する対象を絞り込む条件である。適用条件の記載方法は任意であるが、図９のように例えば正規表現で記載することができる。適用条件に記載がない場合は絞り込みを実行しない。変換前表記が「はい」の例では、適用条件が「（?<=はい[、。]?）はい」となっている。この適用条件は、「はい。はい」や「はいはい」などの形態素を対象に絞り込み、「はい」を１つ空文字に変換するルールの例である。

変換部１０４−２による変換処理はフィラー変換ルールを用いる方法に限られるものではない。例えば、形態素解析等で求められる形態素の品詞を参照し、品詞が特定の品詞（例えば感動詞）である場合に対応する形態素を削除（空文字に変換）する方法を適用してもよい。なお、抽出部１０１は、変換部１０４−２により文字列が変換された後の文集合に含まれる文から、複合語などの抽出処理を実行すればよい。

次に、このように構成された第２の実施形態にかかる情報処理装置１００−２による重要文表示処理について図１０を用いて説明する。図１０は、第２の実施形態における重要文表示処理の一例を示すフローチャートである。

ステップＳ４０１、ステップＳ４０２、ステップＳ４０４からステップＳ４０７は、第１の実施形態にかかる情報処理装置１００におけるステップＳ１０１からステップＳ１０６と同様の処理なので、その説明を省略する。

本実施形態では、単語・複合語の抽出の前に、変換部１０４−２がフィラー変換処理を実行する（ステップＳ４０３）。フィラー変換処理の詳細については次の図１１を用いて説明する。図１１は、フィラー変換処理の一例を示すフローチャートである。

変換部１０４−２は、重要文を選択する対象となる文集合を取得する（ステップＳ５０１）。変換部１０４−２は、未処理の文Ｓｉ（ｉは１以上、文の個数以下の整数）を取得する（ステップＳ５０２）。変換部１０４−２は、取得した文Ｓｉに含まれる未処理の形態素ｍを取得する（ステップＳ５０３）。

変換部１０４−２は、取得した形態素ｍがフィラー変換ルールのいずれかに適合するか否かを判定する（ステップＳ５０４）。例えば変換部１０４−２は、形態素ｍが、図９のようなフィラー変換ルールに含まれるいずれかの「変換前表記」に一致するか判定する。また変換部１０４−２は、一致する「変換前表記」がある場合、形態素ｍが「変換前表記」に対応する適用条件を満たすか判定する。なお、ここでの判定は、単一の形態素がルールに一致したか否かだけでなく、単一の形態素でのルールの一致が連続し複数の形態素がルールに一致した場合も含む。これにより、例えば「変換前表記」が複数の形態素を含む場合であっても、適切に判定可能となる。

適合する場合（ステップＳ５０４：Ｙｅｓ）、変換部１０４−２は、形態素ｍを、適合したフィラー変換ルールで定められる変換後の文字列（例えば図９の「変換後表記」に変換する（ステップＳ５０５）。適合するフィラー変換ルールが存在しない場合（ステップＳ５０４：Ｎｏ）、変換部１０４−２は、すべての形態素を処理したか否かを判定する（ステップＳ５０６）。

すべての形態素を処理していない場合（ステップＳ５０６：Ｎｏ）、変換部１０４−２は、ステップＳ５０３に戻り、次の形態素を取得して処理を繰り返す。すべての形態素を処理した場合（ステップＳ５０６：Ｙｅｓ）、変換部１０４−２は、すべての文を処理したか否かを判定する（ステップＳ５０７）。すべての文を処理していない場合（ステップＳ５０７：Ｎｏ）、変換部１０４−２は、ステップＳ５０２に戻り、次の文を取得して処理を繰り返す。

すべての文を処理した場合（ステップＳ５０７：Ｙｅｓ）、変換部１０４−２は、変換結果を記憶装置４００に保存する（ステップＳ５０８）。変換部１０４−２は、例えば図２に示すテキストデータに含まれる「形態素」内の該当する形態素を、変換後の形態素で置き換える。変換結果の保存方法はこれに限られるものではない。例えば、「形態素」内の形態素を置き換えるのではなく、変換結果を含む文（変換文）を別の項目として保存してもよい。

図１２は、記憶装置４００に記憶される文（テキストデータ）の他の例を示す図である。図１２は、変換文を別の項目として含むテキストデータの例である。図２のテキストデータと比較して、フィラー変換処理の結果得られる変換文、および、変換文に含まれる形態素である変換形態素の２つの項目が追加されている。変換文と、変換形態素には、図１１のステップＳ５０８で、フィラー変換結果が保存される。図１２の例では、「えー私えっとＡ社のＢと申します」という文に対し、フィラーである「えー」や「えっと」が除去された変換文と、変換形態素とが保存される。これにより、重要文を表示する際、余計な文字列は表示されず、ユーザが文の概要を把握することがより容易になる。

（第３の実施形態）
第３の実施形態にかかる情報処理装置は、文の類似性を考慮して文の重要度を算出する。これにより、例えば文集合全体に類似する文を重要文として選択可能となる。また、類似する文として既に選択済みの文にさらに類似する文は、選択され難くする。これにより、相互に類似する複数の文が重要文として選択されるという冗長性の問題を解消可能となる。

図１３は、第３の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。本実施形態のシステムは、情報処理装置１００−３と、端末２００と、認識装置３００と、記憶装置４００とが、ネットワーク５００で接続された構成となっている。情報処理装置１００−３以外は第１の実施形態と同様の構成であるため同一の符号を付し説明を省略する。情報処理装置１００−３は、算出部１０３−３の機能が、第１の実施形態の算出部１０３と異なっている。

算出部１０３−３は、第１の実施形態で説明した文の重要度（ＳｃｏｒｅＳなど）に加えて、文の類似性を考慮した各文の重要度を算出し、両者により最終的な文の重要度を算出する。例えば算出部１０３−３は、算出部１０２により算出された単語および複合語の重要度に基づいて、文の重要度を示すスコア（第１のスコア）を算出する。このスコアは、第１の実施形態で説明した文の重要度と同様にして算出される。

また、算出部１０３−３は、文集合に含まれる文に対して、文集合と類似し、かつ、選択済みの文がある場合は選択済みの文と類似しない文ほど重要度が大きいことを示すスコア（第２のスコア）を算出する。このスコアは、類似した文が選択され難くなるようにするために用いられる。そして算出部１０３−３は、２つのスコアに基づいて、最終的な文の重要度を算出する。

次に、このように構成された第３の実施形態にかかる情報処理装置１００−３による重要文表示処理について図１４を用いて説明する。図１４は、第３の実施形態における重要文表示処理の一例を示すフローチャートである。

ステップＳ６０１からステップＳ６０５、および、ステップＳ６０８は、第１の実施形態にかかる情報処理装置１００におけるステップＳ１０１からステップＳ１０６と同様の処理なので、その説明を省略する。

算出部１０３−３は、第１の実施形態と同様の方法で各文の重要度（第１のスコア）を算出した後（ステップＳ６０５）、さらに、冗長性を考慮した、各文の重要度（第２のスコア）を算出する（ステップＳ６０６）。また算出部１０３−３は、算出した２つの重要度を統合し、最終的な文の重要度を算出する（ステップＳ６０７）。

図１５は、ステップＳ６０６の算出処理の一例を示すフローチャートである。まず、算出部１０３−３は、重要文の選択対象となる文集合を取得する（ステップＳ７０１）。算出部１０３−３は、文集合に含まれる各文Ｓｉについて、文の単語ベクトルｖｉを算出する（ステップＳ７０２）。Ｓｉは、文集合に含まれる文のうちｉ番目（ｉは１以上、文の個数以下の整数）の文を表す。ｖｉは、文Ｓｉの単語ベクトルを表す。算出部１０３−３は、すべての文集合の単語ベクトルｖＡｌｌを算出する（ステップＳ７０３）。

単語ベクトルは、例えば、文または文集合に含まれる単語ごとの重みを要素とするベクトルである。重みは、どのような値であってもよく、例えば、以下の（４）式および（５）式で表されるｔｆ−ｉｄｆ（Term Frequency−Inverse Document Frequency）を用いることができる。
ｔｆ（ｔ）×ｉｄｆ（ｔ） ・・・（４）
ｉｄｆ（ｔ）＝ｌｏｇ（Ｄ／ｄｆ（ｔ））＋１ ・・・（５）

ｔｆ（ｔ）は、文中における単語ｔの出現頻度である。（５）式のＤは全文数であり、ｄｆ（ｔ）は文集合における単語ｔが出現した文書数である。文集合の単語ベクトルｖＡｌｌの重みは、各文の単語ベクトルｖｉの同じ単語に対する重みの平均値で算出する。

算出部１０３−３は、単語ベクトルの算出後、算出処理で用いる各変数（ｖＳｕｍ、ｍｓｉｍ、ｒａｎｋなど）を初期化する（ステップＳ７０４）。ｖＳｕｍは、選択済み重要文の集合ベクトルを表す。ｍｓｉｍ（ｊ）は、未選択の文Ｓｊと選択済み重要文との類似度を表す。ｒａｎｋ（ｉ）は、ｉ番目の文Ｓｉのランクを保持するための変数である。

算出部１０３−３は、未処理のランク（ｒ）を決定する（ステップＳ７０５）。例えば算出部１０３−３は、最上位のランク（例えばｒ＝１）から最下位のランクまで順に処理対象のランクを決定する。最下位のランクは、例えば文集合内の文の個数とすることができる。これにより、文集合内のすべての文の順位（重要度）を決定できる。

算出部１０３−３は、以下の処理で用いる変数（ｍａｘＳｃｏｒｅ、ｍａｘＩｎｄｅｘ）を初期化する（ステップＳ７０６）。ｍａｘＳｃｏｒｅは、文のスコアの最大値を表す。ｍａｘＩｎｄｅｘは、スコアが最大となる文のインデックスを表す。インデックスは、文集合のうち何番目の文かを表す。

算出部１０３−３は、現在のランクについて、文の数だけステップＳ７０７からステップＳ７１１の処理を繰り返す。まず算出部１０３−３は、未処理の文Ｓｉの単語ベクトルｖｉを取得する（ステップＳ７０７）。算出部１０３−３は、単語ベクトルＳｉのスコア（Ｓｃｏｒｅ）を算出する（ステップＳ７０８）。

算出部１０３−３は、例えば以下の（６）式により単語ベクトルｖｉのスコアＳｃｏｒｅを算出する。
Ｓｃｏｒｅ＝λ１×ｓｉｍ（ｖｉ，ｖＡｌｌ）
−（１−λ１）×（λ２×ｓｉｍ（ｖｉ，ｖＳｕｍ）＋（１−λ２）×ｍｓｉｍ（ｉ））
・・・（６）

λ１、λ２は、０以上、１以下の定数とする。ｓｉｍは、各ベクトルの類似度（例えばコサイン距離）である。以下、各式の意味について説明する。

ｓｉｍ（ｖｉ，ｖＡｌｌ）は、すべての文集合のベクトルｖＡｌｌと、文Ｓｉのベクトルｖｉとの類似度である。すなわち、ｓｉｍ（ｖｉ，ｖＡｌｌ）の大きさは、１つの文と文全体との類似度を表しており、類似度が大きい文は、文全体の内容を表した文と考えられる。

ｓｉｍ（ｖｉ，ｖＳｕｍ）は、既に選択済みの文集合ｖＳｕｍと、文Ｓｉのベクトルｖｉとの類似度である。この数式の前にある定数項「−（１−λ１）×λ２」によって、類似度が高いとスコアＳｃｏｒｅの値は低くなる。すなわち、既に選択済みの文集合と類似した文は選択され難くなる。

ｍｓｉｍ（ｉ）は、既に選択済みの文それぞれと、文ＳｉのベクトルＶｉとの類似度である。この数式の前にある定数項「−（１−λ１）×（1−λ２）」によって、類似度が高いとスコアＳｃｏｒｅの値は低くなる。すなわち、既に選択済みの文と類似した文は選択され難くなる。ｓｉｍ（ｖｉ，ｖＳｕｍ）のみでなくｍｓｉｍ（ｉ）を考慮することにより、例えば、選択済みの文の全体（文集合）で比較すると類似度が大きくないが、個々の選択済みの文に対して類似する文があった場合に、類似する文を適切に排除可能となる。

図１５に戻り、算出部１０３−３は、ステップＳ７０８で算出したスコア（Ｓｃｏｒｅ）が、ｍａｘＳｃｏｒｅより大きいか否かを判定する（ステップＳ７０９）。大きい場合（ステップＳ７０９：Ｙｅｓ）、算出部１０３−３は、ｍａｘＳｃｏｒｅに、算出したスコアを代入し、ｍａｘＩｎｄｅｘにベクトルｖｉの添え字ｉを代入する（ステップＳ７１０）。大きくない場合（ステップＳ７０９：Ｎｏ）、算出部１０３−３は、すべての文を処理したか否かを判定する（ステップＳ７１１）。すべての文を処理していない場合（ステップＳ７１１：Ｎｏ）、算出部１０３−３は、ステップＳ７０７に戻り、次の文を選択して処理を繰り返す。

すべての文を処理した場合（ステップＳ７１１：Ｙｅｓ）、算出部１０３−３は、ｒａｎｋ（ｍａｘＩｎｄｅｘ）にｒを代入し、ｖＳｕｍにｖｍａｘＩｎｄｅｘを追加する（ステップＳ７１２）。ｖｍａｘＩｎｄｅｘは、インデックスがｍａｘＩｎｄｅｘである文の単語ベクトルである。ｖＡｌｌと同様に、同じ単語に対する重みの平均値が、ｖＳｕｍに追加した単語ベクトルの重みとなる。

算出部１０３−３は、未選択の文のうち未処理の文Ｓｊ（ｊは１以上、未処理の文の個数以下の整数）を取得する（ステップＳ７１３）。算出部１０３−３は、現在のランクに対して選択した文のベクトルｖｍａｘＩｎｄｅｘと、未選択の文Ｓｊの単語ベクトルｖｊとの類似度が、ｍｓｉｍ（ｊ）より大きいか否かを判定する（ステップＳ７１４）。

大きい場合（ステップＳ７１４：Ｙｅｓ）、算出部１０３−３は、ｍｓｉｍ（ｊ）に、ｖｍａｘＩｎｄｅｘとｖｊとの類似度を代入する（ステップＳ７１５）。ステップＳ７１３〜ステップＳ７１５の処理によって、選択された文と未選択の文との類似度が算出され、以降のステップＳ７０８のスコア算出で利用される。

ステップＳ７１５の後、または、ｖｍａｘＩｎｄｅｘと単語ベクトルｖｊとの類似度がｍｓｉｍ（ｊ）より大きくない場合（ステップＳ７１４：Ｎｏ）、算出部１０３−３は、すべての未選択の文を処理したか否かを判定する（ステップＳ７１６）。処理していない場合（ステップＳ７１６：Ｎｏ）、算出部１０３−３は、ステップＳ７１３に戻り処理を繰り返す。すべての未選択の文を処理した場合（ステップＳ７１６：Ｙｅｓ）、算出部１０３−３は、すべてのランクを処理したか否かを判定する（ステップＳ７１７）。すべてのランクを処理していない場合（ステップＳ７１７：Ｎｏ）、算出部１０３−３は、ステップＳ７０５に戻り、次のランク（順位）での文の選択を繰り返す。

すべてのランクを処理した場合（ステップＳ７１７：Ｙｅｓ）、算出部１０３−３は、変数ｒａｎｋを返し（ステップＳ７１８）、処理を終了する。

変数ｒａｎｋは、上記のように、各文のランク、すなわち重要度を保持する。変数ｒａｎｋは、文集合と類似し、かつ、文集合と類似する文として選択済みの文がある場合は選択済みの文と類似しない文ほど重要度が大きいことを示すように算出されるスコア（第２のスコア）に相当する。

図１６は、ステップＳ６０７の算出処理の一例を示すフローチャートである。ステップＳ６０７の算出処理は、ステップＳ６０５およびステップＳ６０６それぞれで算出されたスコアを統合して最終的な文の重要度を算出する処理である。以下では、ステップＳ６０５で算出されたスコアをｒａｎｋ１（ｉ）、ステップＳ６０６で算出されたスコアをｒａｎｋ２（ｉ）とする。ｒａｎｋ１（ｉ）、ｒａｎｋ２（ｉ）は、ｉ番目の文のスコア（順位など）を表す。

算出部１０３−３は、各文のスコア（重要度）を保持するｔｅｍｐＳｃｏｒｅを初期化する（ステップＳ８０１）。算出部１０３−３は、未処理の文Ｓｉを取得する（ステップＳ８０２）。算出部１０３−３は、文Ｓｉについて、ｒａｎｋ１（ｉ）とｒａｎｋ２（ｉ）と、を統合したスコアｔｅｍｐＳｃｏｒｅ（ｉ）を算出する（ステップＳ８０３）。ｔｅｍｐＳｃｏｒｅ（ｉ）は、ｉ番目の文Ｓｉのスコアを表す。算出部１０３−３は、例えば以下の（７）式によりｔｅｍｐＳｃｏｒｅ（ｉ）を算出する。なおαは０以上、１以下の定数とする。
ｔｅｍｐＳｃｏｒｅ（ｉ）＝
α×ｒａｎｋ１（ｉ）＋（１−α）ｒａｎｋ２（ｉ） ・・・（７）

算出部１０３−３は、すべての文を処理したか否かを判定する（ステップＳ８０４）。すべての文を処理していない場合（ステップＳ８０４：Ｎｏ）、算出部１０３−３は、ステップＳ８０２に戻り、次の文を取得して処理を繰り返す。

すべての文を処理した場合（ステップＳ８０４：Ｙｅｓ）、算出部１０３−３は、ｔｅｍｐＳｃｏｒｅの値により文をソートし、新たな順位を示すｒａｎｋＭを算出する（ステップＳ８０５）。算出部１０３−３は、ｒａｎｋＭを、最終的な文の重要度として出力し（ステップＳ８０６）、処理を終了する。

次に、本実施形態による重要文の出力処理の例について説明する。図１７は、重要文の出力処理の一例を示す図である。本実施形態の表示画面１７２０では、文１７２１（「先ほども言いましたが、メディアインテリジェンス技術の研究を、長期に続けてきました。」）が、表示されず、代わりの文１７２２が表示される。文１７２１は、最上位の文１７２３（「Ａ社はメディアインテリジェンス技術を長年にわたり、研究してきました。」）と類似しており、順位が下がったためである。

（変形例）
本実施形態の処理により、複合語の重要度（ユニット性）、および、文の類似度（冗長性）の両者を考慮した文の重要度を算出できる。両者を考慮した文の重要度の算出方法はこれに限られるものではない。例えば、算出部１０２により算出された単語および複合語の重要度を、単語ベクトルの重みとして、図１５に示す処理を実行するように構成してもよい。すなわち、図１５のステップＳ７０３で重みとしたｔｆ−ｉｄｆの代わりに、算出部１０２により算出された重要度を用いて図１５に示す処理を実行してもよい。これにより、複合語を構成する単語の重み（ユニット性）を考慮し、かつ、文の類似度である冗長性を考慮して文の重要度を算出可能となる。この場合は、例えば、図１４のステップＳ６０５およびステップＳ６０７は実行しなくてもよい。図１４のステップＳ６０６に相当する処理（図１５）の中で、上記のようにｔｆ−ｉｄｆの代わりに、算出部１０２により算出された重要度を用いればよい。

（第４の実施形態）
第４の実施形態にかかる情報処理装置は、大規模なテキストコーパスから算出された連接頻度も考慮して重要度を算出する。これにより、例えば、重要文の選択対象となる文書が少量の場合でも、重要度をより高精度に算出可能となる。

図１８は、第４の実施形態の情報処理装置を含むシステムの機能構成例を示すブロック図である。本実施形態のシステムは、情報処理装置１００−４と、端末２００と、認識装置３００と、記憶装置４００とが、ネットワーク５００で接続された構成となっている。情報処理装置１００−４以外は第１の実施形態と同様の構成であるため同一の符号を付し説明を省略する。情報処理装置１００−４は、算出部１０２−４の機能、および、記憶部１２１−４を追加した点が、第１の実施形態と異なっている。

記憶部１２１−４は、複合語を構成する単語に対して大規模なテキストコーパスから算出された左右の連接頻度を保持した辞書を記憶する。大規模なテキストコーパスは、ドメインなどの種類を考慮しない、あらゆる分野のテキストコーパスでもよいし、重要文の選択対象と同じ分野のテキストコーパスであってもよい。辞書は、このようなテキストコーパスを用いて事前に算出される。また、辞書は情報処理装置１００−４内の記憶部１２１−４に記憶せず、例えば記憶装置４００などの外部装置に記憶してもよい。

図１９は、辞書のデータ構造の一例を示す図である。図１９に示すように、辞書は、単語と、左頻度と、右頻度とを含む。この例では、単語「思う」は左右の連接頻度が０であり、単語「メディア」は左の連接頻度が５０であり、右の連接頻度が８０となっている。

算出部１０２−４は、単語および複合語の重要度（第１の重要度）を算出するときに、上記のような辞書に保持される連接頻度も用いる点が、第１の実施形態の算出部１０２と異なっている。

例えば、図５に示す抽出・算出処理のステップＳ２１５では、第１の実施形態の算出部１０２は、countLとcountRを用いてＬＲおよびＦＬＲを算出している。これに対して本実施形態の算出部１０２−４は、辞書から得られる単語の左の連接頻度（左頻度）および右の連接頻度（右頻度）を、それぞれcountLおよびcountRに加算して、ＬＲおよびＦＬＲを算出する。なお、算出部１０２−４がcountLおよびcountRの代わりに辞書から得られる左頻度および右頻度のみを考慮してＬＲおよびＦＬＲを算出してもよい。

これにより、重要文の選択対象となる文集合だけでなく、大規模なテキストコーパスによる重要度も考慮することができる。すなわち、世の中での単語の使われ方も考慮した、より正確な重要度が算出可能となる。

なおこれ以外の処理の流れは図５と同様であるため詳細な説明は省略する。また本実施形態の重要文表示処理の全体の流れは、第１の実施形態の重要文表示処理を示す図３と同様であるため、説明を省略する。

以上説明したとおり、第１から第４の実施形態によれば、複合語の重要度を考慮することにより、より高精度に文の重要度を算出可能となる。

次に、第１から第４の実施形態にかかる情報処理装置のハードウェア構成について図２０を用いて説明する。図２０は、第１から第４の実施形態にかかる情報処理装置のハードウェア構成例を示す説明図である。

第１から第４の実施形態にかかる情報処理装置は、ＣＰＵ５１などの制御装置と、ＲＯＭ（Read Only Memory）５２やＲＡＭ（Random Access Memory）５３などの記憶装置と、ネットワークに接続して通信を行う通信Ｉ／Ｆ５４と、各部を接続するバス６１を備えている。

第１から第４の実施形態にかかる情報処理装置で実行されるプログラムは、ＲＯＭ５２等に予め組み込まれて提供される。

第１から第４の実施形態にかかる情報処理装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ（Compact Disk Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。

さらに、第１から第４の実施形態にかかる情報処理装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、第１から第４の実施形態にかかる情報処理装置で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

第１から第４の実施形態にかかる情報処理装置で実行されるプログラムは、コンピュータを上述した情報処理装置の各部として機能させうる。このコンピュータは、ＣＰＵ５１がコンピュータ読取可能な記憶媒体からプログラムを主記憶装置上に読み出して実行することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００、１００−２、１００−３、１００−４ 情報処理装置
１０１ 抽出部
１０２、１０２−４ 算出部
１０３、１０３−３ 算出部
１０４−２ 変換部
１２１−４ 記憶部
２００ 端末
２０１ 音声入力部
２０２ 表示制御部
３００ 認識装置
４００ 記憶装置
５００ ネットワーク

Claims (8)

1. 文集合に含まれる文から、複数の単語により構成される複合語、および、前記複合語を構
   成する単語以外の第１の単語を抽出する抽出部と、
   前記第１の単語の出現頻度、前記複合語の出現頻度、および、前記複合語を構成する単語
   が他の単語に連接する頻度を示す連接頻度、に基づいて、前記第１の単語および前記複合
   語の重要度を示す第１の重要度を算出する第１の算出部と、
   前記文集合に含まれる第１の文に対して、前記第１の文に含まれる前記第１の単語および
   前記複合語の前記第１の重要度に基づいて、前記第１の文の重要度を示す第２の重要度を
   算出する第２の算出部と、
   を備える情報処理装置。
2. 前記連接頻度は、前記複合語を構成する単語が、前記文集合に含まれる他の単語に連接す
   る頻度、および、前記複合語を構成する単語が、前記文集合と異なるコーパスに含まれる
   他の単語に連接する頻度、の少なくとも一方である、
   請求項１に記載の情報処理装置。
3. 前記文集合は、音声認識により出力された文を含む、請求項１に記載の情報処理装置。
4. 前記文集合に含まれる文に含まれる第１の文字列を第２の文字列に変換する変換部と、
   前記抽出部は、前記変換部により文字列が変換された前記文集合に含まれる文から、前記
   複合語および前記第１の単語を抽出する、
   請求項３に記載の情報処理装置。
5. 前記第２の算出部は、前記第１の文に含まれる前記第１の単語および前記複合語の前記第
   １の重要度に基づく前記第１の文の重要度を示す第１のスコアを算出し、前記文集合に含
   まれる文に対して、前記文集合と類似し、かつ、前記文集合と類似する文として選択済み
   の文がある場合は選択済みの文と類似しない文ほど重要度が大きいことを示す第２のス
   コアを算出し、前記第１のスコアおよび前記第２のスコアに基づいて前記第２の重要度を
   算出する、
   請求項１に記載の情報処理装置。
6. 前記第２の算出部は、前記第１の重要度を重みとする単語ベクトルを用いて、前記文集合
   に含まれる文に対して、前記文集合と類似し、かつ、前記文集合と類似する文として選択
   済みの文がある場合は選択済みの文と類似しない文ほど重要度が大きいことを示す前記
   第２の重要度を算出する、
   請求項１に記載の情報処理装置。
7. 文集合に含まれる文から、複数の単語により構成される複合語、および、前記複合語を構
   成する単語以外の第１の単語を抽出する抽出ステップと、
   前記第１の単語の出現頻度、前記複合語の出現頻度、および、前記複合語を構成する単語
   が他の単語に連接する頻度を示す連接頻度、に基づいて、前記第１の単語および前記複合
   語の重要度を示す第１の重要度を算出する第１の算出ステップと、
   前記文集合に含まれる第１の文に対して、前記第１の文に含まれる前記第１の単語および
   前記複合語の前記第１の重要度に基づいて、前記第１の文の重要度を示す第２の重要度を
   算出する第２の算出ステップと、
   を含む情報処理方法。
8. コンピュータを、
   文集合に含まれる文から、複数の単語により構成される複合語、および、前記複合語を構
   成する単語以外の第１の単語を抽出する抽出部と、
   前記第１の単語の出現頻度、前記複合語の出現頻度、および、前記複合語を構成する単語
   が他の単語に連接する頻度を示す連接頻度、に基づいて、前記第１の単語および前記複合
   語の重要度を示す第１の重要度を算出する第１の算出部と、
   前記文集合に含まれる第１の文に対して、前記第１の文に含まれる前記第１の単語および
   前記複合語の前記第１の重要度に基づいて、前記第１の文の重要度を示す第２の重要度を
   算出する第２の算出部、
   として機能させるためのプログラム。

Images