JP6537340B2 - 要約生成装置、要約生成方法、及び要約生成プログラム - Google Patents
要約生成装置、要約生成方法、及び要約生成プログラム Download PDFInfo
- Publication number
- JP6537340B2 JP6537340B2 JP2015091548A JP2015091548A JP6537340B2 JP 6537340 B2 JP6537340 B2 JP 6537340B2 JP 2015091548 A JP2015091548 A JP 2015091548A JP 2015091548 A JP2015091548 A JP 2015091548A JP 6537340 B2 JP6537340 B2 JP 6537340B2
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- component
- sentences
- word
- extracted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 53
- 239000013598 vector Substances 0.000 claims description 175
- 238000000605 extraction Methods 0.000 claims description 122
- 239000000284 extract Substances 0.000 claims description 94
- 239000000470 constituent Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 description 74
- 238000012986 modification Methods 0.000 description 74
- 101000631695 Homo sapiens Succinate dehydrogenase assembly factor 3, mitochondrial Proteins 0.000 description 47
- 102100028996 Succinate dehydrogenase assembly factor 3, mitochondrial Human genes 0.000 description 47
- 230000008569 process Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 26
- 101000872823 Xenopus laevis Probable histone deacetylase 1-A Proteins 0.000 description 20
- 102100029203 F-box only protein 8 Human genes 0.000 description 15
- 101100334493 Homo sapiens FBXO8 gene Proteins 0.000 description 15
- 230000010365 information processing Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001417093 Moridae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1.要約生成処理〕
まず、図1を用いて、実施形態に係る要約生成処理の一例について説明する。図1は、実施形態に係る要約生成処理の一例を示す図である。図1では、5つの文B101〜B105が含まれる文章DC10の要約を生成する場合を図示する。図1に示す例においては、要約に含む文数、すなわち抽出する文数は「2」である場合を示す。なお、要約に含める文を抽出する条件は、文数に限らず、例えば、バイト数、文字数、モーラ数、名詞数など、種々の要素を目的に応じて適宜選択してもよい。図1では、文章DC10から2つの文を抽出し、抽出した2つの文を要約とする例を示す。なお、図1に示す例においては、構成要素を単語とした場合を示す。また、図1に示す例においては、文章に含まれる構成要素(第1構成要素)のうち、品詞が名詞である単語(構成要素)を対象とする場合を示す。すなわち、以下に示す例においては、単語は名詞と読み替えることができる。また、以下では、文章から要約として抽出される対象となる文に含まれる単語(第2構成要素)が、第1構成要素と最も類似することを所定の類似関係として、要約に含める文を文章から抽出する例を示す。
次に、図2を用いて、実施形態に係る要約生成装置100の構成について説明する。図2は、実施形態に係る要約生成装置の構成例を示す図である。図2に示すように、要約生成装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、要約生成装置100は、各種の情報を表示する表示部や、各種の情報を入力する入力部を有してもよい。
通信部110は、例えば、NIC等によって実現される。そして、通信部110は、所定のネットワークと有線または無線で接続され、外部の情報処理装置との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、図2に示すように、文章情報記憶部121と、単語情報記憶部122とを有する。
実施形態に係る文章情報記憶部121は、文章情報を記憶する。図3は、実施形態に係る文章情報記憶部の一例を示す図である。図3に示す例においては、文章情報記憶部121には、文章に関する情報が記憶される。図3に示すように、文章情報記憶部121は、文章情報として、「文章ID」、「文ID」、「単語1」〜「単語3」等の項目を有する。
実施形態に係る単語情報記憶部122は、単語情報を記憶する。図4は、実施形態に係る単語情報記憶部の一例を示す図である。図4に示すように、単語情報記憶部122は、各単語に関する情報を記憶する。具体的には、単語情報記憶部122は、分散表現により学習された各単語の素性の重みに関する情報を記憶する。図4に示すように、単語情報記憶部122は、単語情報として、「単語」、「素性1」〜「素性3」等の項目を有する。
図2の説明に戻って、制御部130は、例えば、CPUやMPU等によって、要約生成装置100内部の記憶装置に記憶されている各種プログラム(判定プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、例えば、ASICやFPGA等の集積回路により実現される。
本実施形態における取得部131は、文章情報等を取得する。また、取得部131は、外部の情報処理装置から単語情報を取得してもよい。また、取得部131は、外部の情報処理装置から単語情報を取得した場合、取得した単語情報を単語情報記憶部122に格納する。
生成部132は、単語の類似度に関する情報を生成する。具体的には、生成部132は、文章情報記憶部121に記憶された文章情報に基づいて、分散表現の学習を行い、各単語の素性の重みを単語情報として生成する。例えば、生成部132は、非特許文献1の「word2vec」に関する技術に基づいて、分散表現の学習を行ってもよい。生成部132は、各単語についてm次元の実数値ベクトルである単語ベクトル(例えば、「word embedding」等と称される)を導出する。例えば、各次元の実数値が、単語情報における各素性の重みに対応する。このように、生成部132は、分散表現の学習により単語情報を生成する。例えば、単語ベクトルは、図1に示すユークリッド空間ES1〜ES3において、単語の単語ベクトルを対応する符号を「○」で囲んだ点として表現される。また、生成部132は、生成した単語情報を単語情報記憶部122に格納する。なお、生成部132は、上記に限らず目的に応じて種々の技術に基づいて単語情報を生成してもよい。また、要約生成装置100は、単語情報が外部の情報処理装置から取得される場合、生成部132を有さなくてもよい。
抽出部133は、生成部132により生成された単語情報に基づいて、文章から要約とする文を抽出する。例えば、抽出部133は、文章に含まれる単語に関する分散表現の学習結果に基づいて、文章に含まれる単語(第1構成要素)と、文章から要約として抽出される対象となる文である対象文に含まれる単語(第2構成要素)のうち、文章に含まれる単語(第1構成要素)と所定の類似関係を有する単語(第2構成要素)との類似度に基づいて、要約に含める文を文章から抽出する。具体的には、抽出部133は、文章に含まれる単語に関する分散表現の学習結果に基づいて、文章に含まれる単語と、文章から要約として抽出される対象となる文である対象文に含まれる単語のうち最も類似する単語との類似度に基づいて、要約に含める文を文章から抽出する。
次に、図5を用いて、実施形態に係る要約生成装置100による要約生成処理の手順について説明する。図5は、実施形態に係る要約生成処理手順を示すフローチャートである。
上述した実施形態に係る要約生成装置100は、上記実施形態以外にも種々の異なる形態にて実施されてもよい。そこで、以下では、要約生成装置100の他の実施形態について説明する。
上述した実施形態において、要約生成装置100は、構成要素を単語として、各文に含まれる単語の類似度に基づいて算出された算出値EVに基づいて、要約に含める文を文章から抽出し、要約を生成する。しかしながら、変形例1に係る要約生成装置100Aは、構成要素を文として、文の類似度に基づいて算出された算出値EVに基づいて、要約に含める文を文章から抽出し、要約を生成する点において、実施形態に係る要約生成装置100と相違する。この点について、図6〜図10を用いて説明する。なお、実施形態と同様の内容については、説明を適宜省略する。
次に、図7を用いて、変形例1に係る要約生成装置100Aの構成について説明する。図7は、変形例1に係る要約生成装置の構成例を示す図である。なお、要約生成装置100Aにおいて、実施形態に係る要約生成装置100と同様の構成は、同一の符号を付して説明を省略する。
変形例1に係る文章情報記憶部121Aは、文章情報を記憶する。図8は、変形例1に係る文章情報記憶部の一例を示す図である。図8に示す例においては、文章情報記憶部121Aには、文章に関する情報が記憶される。図8に示すように、文章情報記憶部121Aは、文章情報として、「文章ID」、「文ID」、「単語1」〜「単語3」等の項目を有する。
変形例1に係る単語情報記憶部122Aは、単語情報を記憶する。図9は、変形例1に係る単語情報記憶部の一例を示す図である。図9に示すように、単語情報記憶部122Aは、各単語に関する情報を記憶する。具体的には、単語情報記憶部122Aは、分散表現により学習された各単語の素性の重みに関する情報を記憶する。図9に示すように、単語情報記憶部122Aは、単語情報として、「単語」、「素性1」〜「素性3」等の項目を有する。
変形例1に係る文情報記憶部123は、文情報を記憶する。図10は、変形例1に係る文情報記憶部の一例を示す図である。図8に示すように、文情報記憶部123は、各文に関する情報を記憶する。具体的には、文情報記憶部123は、分散表現により学習された学習結果に基づく、各文の素性の重みに関する情報を記憶する。図10に示すように、文情報記憶部123は、文情報として、「文ID」、「素性1」〜「素性3」等の項目を有する。
生成部132Aは、単語や文の類似度に関する情報を生成する。具体的には、生成部132Aは、文章情報記憶部121Aに記憶された文章情報に基づいて、分散表現の学習を行い、各単語の素性の重みを単語情報として生成する。例えば、生成部132Aは、非特許文献1の「word2vec」に関する技術に基づいて、分散表現の学習を行ってもよい。生成部132Aは、各単語についてm次元の実数値ベクトルである単語ベクトルを導出する。例えば、各次元の実数値が、単語情報における各素性の重みに対応する。このように、生成部132Aは、分散表現の学習により単語情報を生成する。また、生成部132Aは、生成した単語情報を単語情報記憶部122Aに格納する。なお、生成部132Aは、上記に限らず目的に応じて種々の技術に基づいて単語情報を生成してもよい。また、単語情報が外部の情報処理装置から取得される場合、生成部132Aは、単語情報の生成を行わなくてもよい。
抽出部133Aは、生成部132Aにより生成された文情報に基づいて、文章から要約とする文を抽出する。具体的には、抽出部133Aは、文章に含まれる単語に関する分散表現の学習結果に基づいて、文章に含まれる文と、文章から要約として抽出される対象となる文である対象文のうち最も類似する文との類似度に基づいて、要約に含める文を文章から抽出する。
上述した実施形態に係る要約生成装置100や変形例1に係る要約生成装置100Aは、文や単語の類似度に基づいて算出された算出値EVに基づいて、要約に含める文を文章から抽出し、要約を生成する。しかしながら、変形例2に係る要約生成装置100Bは、文章に対応するベクトル(以下、「文章ベクトル」とする場合がある)と要約に対応するベクトル(以下、「要約ベクトル」とする場合がある)とのコサイン類似度に基づいて、要約に含める文を文章から抽出し、要約を生成する点において、実施形態に係る要約生成装置100や変形例1に係る要約生成装置100Aと相違する。この点について、図11〜図13を用いて説明する。なお、実施形態や変形例1と同様の内容については、説明を適宜省略する。
次に、図12を用いて、変形例2に係る要約生成装置100Bの構成について説明する。図12は、変形例2に係る要約生成装置の構成例を示す図である。なお、要約生成装置100Bにおいて、実施形態に係る要約生成装置100や変形例1に係る要約生成装置100Aと同様の構成は、同一の符号を付して説明を省略する。図12に示すように、要約生成装置100は、通信部110と、記憶部120Aと、制御部130Bとを有する。図7に示すように、要約生成装置100Aは、制御部130Bに抽出部133Aに代えて抽出部133Bを有する点において要約生成装置100Aと相違する。
抽出部133Bは、生成部132Aにより生成された文情報に基づいて、文章から要約とする文を抽出する。具体的には、抽出部133Bは、文章に含まれる単語に関する分散表現の学習結果に基づく、対象文を含む要約と文章との類似度に応じて、要約に含める文を文章から抽出する。
次に、図13を用いて、変形例2に係る要約生成装置100Bによる要約生成処理の手順について説明する。図13は、変形例2に係る要約生成処理手順を示すフローチャートである。
なお、上記の実施形態、変形例1及び変形例2においては、単語の類似度に基づく算出値、文の類似度に基づく算出値、及び文章ベクトルと要約ベクトルとのコサイン類似度に応じて、文章から要約に含める文を抽出する場合を示した。しかしながら、要約生成装置は、実施形態に係る要約生成装置100、変形例1に係る要約生成装置100A、及び変形例2に係る要約生成装置100Bの機能を適宜組み合わせた要約生成装置であってもよい。要約生成装置は、要約生成装置100、要約生成装置100A、及び要約生成装置100Bの機能を適宜選択して要約生成処理を行ったり、要約生成装置100、要約生成装置100A、及び要約生成装置100Bの機能を適宜組み合わせて要約生成処理を行ったりしてもよい。例えば、要約生成装置100や要約生成装置100Aは、文章の文章ベクトルと要約の要約ベクトルとにより算出されるコサイン類似度に基づいて、文章から要約に含める文を抽出してもよい。また、例えば、要約生成装置100Bは、文章に含まれる構成要素(文や単語等)と、文章のうち要約として抽出される対象となる文である対象文に含まれる構成要素のうち最も類似する構成要素との類似度に基づいて、要約に含める文を文章から抽出してもよい。
上述してきたように、実施形態に係る要約生成装置100及び変形例1に係る要約生成装置100Aは、取得部131と、抽出部133,133Aとを有する。取得部131は、文が含まれる文章を取得する。抽出部133,133Aは、文章に含まれる構成要素である第1構成要素と、文章から要約として抽出される対象となる文である対象文に含まれる構成要素である第2構成要素のうち、第1構成要素と所定の類似関係を有する第2構成要素との類似度に基づいて、要約に含める文を文章から抽出する。
上述してきた実施形態に係る要約生成装置100、変形例1に係る要約生成装置100A、及び変形例2に係る要約生成装置100Bは、例えば図14に示すような構成のコンピュータ1000によって実現される。図14は、要約生成装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記各実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
121,121A 文章情報記憶部
122,122A 単語情報記憶部
123 文情報記憶部
130 制御部
131 取得部
132,132A 生成部
133,133A,133B 抽出部
Claims (18)
- 文が含まれる1つの文書である文章を取得する取得部と、
前記文章に含まれる構成要素である第1構成要素と、前記文章から要約として抽出される対象となる文である対象文に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素のうち、前記第1構成要素と所定の類似関係を有する前記第2構成要素との類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出部と、
を備えたことを特徴とする要約生成装置。 - 前記抽出部は、
前記文章に含まれる単語に関する分散表現の学習結果に基づいて、前記文章に含まれる前記第1構成要素と、前記対象文に含まれる前記第2構成要素のうち、前記第1構成要素と前記所定の類似関係を有する前記第2構成要素との類似度に応じて、前記要約に含める文を前記文章から抽出する
ことを特徴とする請求項1に記載の要約生成装置。 - 前記抽出部は、
前記文章に含まれる単語を構成要素として、前記要約に含める文を前記文章から抽出する
ことを特徴とする請求項1または請求項2に記載の要約生成装置。 - 前記抽出部は、
前記文章に含まれる前記文を構成要素として、前記要約に含める文を前記文章から抽出する
ことを特徴とする請求項1または請求項2に記載の要約生成装置。 - 前記抽出部は、
前記文章に含まれる前記第1構成要素と、前記文章から複製された処理用文章中の文である前記対象文に含まれる前記第2構成要素のうち、前記第1構成要素と前記所定の類似関係を有する前記第2構成要素との類似度から算出される算出値が最も高くなる一の文を、前記処理用文章から前記対象文として抽出して前記要約に加え、当該一の文を前記処理用文章から除外する抽出処理を、所定の条件を満たすまで繰り返す
ことを特徴とする請求項1〜4のいずれか1項に記載の要約生成装置。 - 前記抽出部は、
前記要約に含まれる文の数が所定数に達するまで、前記抽出処理を繰り返す
ことを特徴とする請求項5に記載の要約生成装置。 - 前記抽出部は、
前記要約中の文に含まれる単語の数が所定数に達するまで、前記抽出処理を繰り返す
ことを特徴とする請求項5または請求項6に記載の要約生成装置。 - 前記抽出部は、
前記第1構成要素と最も類似することを前記所定の類似関係として、前記要約に含める文を前記文章から抽出する
ことを特徴とする請求項1〜7のいずれか1項に記載の要約生成装置。 - 文が含まれる1つの文書である文章を取得する取得部と、
前記文章から要約として抽出される対象となる文である各対象文及び前記要約として抽出済みの文である抽出済文の組合せに対応する各文集合に各々含まれる構成要素である各第1構成要素と、前記文章に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素との各類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出部と、
を備えたことを特徴とする要約生成装置。 - 前記抽出部は、
前記文章に含まれる単語に関する分散表現の学習結果に基づく、前記各文集合と前記文章との前記各類似度に応じて、前記要約に含める文を前記文章から抽出する
ことを特徴とする請求項9に記載の要約生成装置。 - 前記抽出部は、
前記各文集合に対応する各要約ベクトルと、前記文章に対応する文章ベクトルとより算出される各コサイン類似度に基づいて、前記文章から前記要約に含める前記文を抽出する
ことを特徴とする請求項9または請求項10に記載の要約生成装置。 - 前記抽出部は、
前記文章から複製された処理用文章中の文である前記各対象文及び前記抽出済文の組合せに対応する前記各文集合の前記各要約ベクトルと、前記文章ベクトルとに基づいて算出される前記各コサイン類似度のうち、最も大きなコサイン類似度に対応する一の文を、前記処理用文章から抽出して前記要約に加え、当該一の文を前記処理用文章から除外する抽出処理を、所定の条件を満たすまで繰り返す
ことを特徴とする請求項11に記載の要約生成装置。 - 前記抽出部は、
前記要約に含まれる文の数が所定数に達するまで、前記抽出処理を繰り返す
ことを特徴とする請求項12に記載の要約生成装置。 - 前記抽出部は、
前記要約中の文に含まれる単語の数が所定数に達するまで、前記抽出処理を繰り返す
ことを特徴とする請求項12または請求項13に記載の要約生成装置。 - コンピュータが実行する要約生成方法であって、
文が含まれる1つの文書である文章を取得する取得工程と、
前記文章に含まれる構成要素である第1構成要素と、前記文章から要約として抽出される対象となる文である対象文に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素のうち、前記第1構成要素と所定の類似関係を有する前記第2構成要素との類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出工程と、
を含むことを特徴とする要約生成方法。 - 文が含まれる1つの文書である文章を取得する取得手順と、
前記文章に含まれる構成要素である第1構成要素と、前記文章から要約として抽出される対象となる文である対象文に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素のうち、前記第1構成要素と所定の類似関係を有する前記第2構成要素との類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出手順と、
をコンピュータに実行させることを特徴とする要約生成プログラム。 - コンピュータが実行する要約生成方法であって、
文が含まれる1つの文書である文章を取得する取得工程と、
前記文章から要約として抽出される対象となる文である各対象文及び前記要約として抽出済みの文である抽出済文の組合せに対応する各文集合に各々含まれる構成要素である各第1構成要素と、前記文章に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素との各類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出工程と、
を含むことを特徴とする要約生成方法。 - 文が含まれる1つの文書である文章を取得する取得手順と、
前記文章から要約として抽出される対象となる文である各対象文及び前記要約として抽出済みの文である抽出済文の組合せに対応する各文集合に各々含まれる構成要素である各第1構成要素と、前記文章に含まれる構成要素であり、前記第1構成要素と同じ種別の構成要素である第2構成要素との各類似度に基づいて、前記要約に含める文を前記文章から抽出する抽出手順と、
をコンピュータに実行させることを特徴とする要約生成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015091548A JP6537340B2 (ja) | 2015-04-28 | 2015-04-28 | 要約生成装置、要約生成方法、及び要約生成プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015091548A JP6537340B2 (ja) | 2015-04-28 | 2015-04-28 | 要約生成装置、要約生成方法、及び要約生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016207141A JP2016207141A (ja) | 2016-12-08 |
JP6537340B2 true JP6537340B2 (ja) | 2019-07-03 |
Family
ID=57490081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015091548A Active JP6537340B2 (ja) | 2015-04-28 | 2015-04-28 | 要約生成装置、要約生成方法、及び要約生成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6537340B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6342027B1 (ja) | 2017-02-21 | 2018-06-13 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
JP6321845B1 (ja) * | 2017-03-10 | 2018-05-09 | ヤフー株式会社 | 付与装置、付与方法および付与プログラム |
JP6972788B2 (ja) * | 2017-08-31 | 2021-11-24 | 富士通株式会社 | 特定プログラム、特定方法および情報処理装置 |
CN109558583A (zh) * | 2017-09-27 | 2019-04-02 | 株式会社理光 | 一种自动生成文摘的方法、装置及设备 |
JP7268220B2 (ja) * | 2018-03-16 | 2023-05-02 | 株式会社日立製作所 | 文章処理装置および文章処理方法 |
JP7058556B2 (ja) * | 2018-05-24 | 2022-04-22 | ヤフー株式会社 | 判定装置、判定方法、および判定プログラム |
JP7288293B2 (ja) * | 2018-08-31 | 2023-06-07 | 株式会社日立ソリューションズ東日本 | 要約生成装置および要約生成方法 |
JP7159780B2 (ja) * | 2018-10-17 | 2022-10-25 | 富士通株式会社 | 修正内容特定プログラムおよびレポート修正内容特定装置 |
CN112487136A (zh) * | 2019-08-20 | 2021-03-12 | 株式会社Ntt都科摩 | 文本处理方法、装置、设备以及计算机可读存储介质 |
CN111241242B (zh) * | 2020-01-09 | 2023-05-30 | 北京百度网讯科技有限公司 | 目标内容的确定方法、装置、设备及计算机可读存储介质 |
CN111460135B (zh) * | 2020-03-31 | 2023-11-07 | 北京百度网讯科技有限公司 | 用于生成文本摘要的方法和装置 |
WO2024013991A1 (ja) * | 2022-07-15 | 2024-01-18 | 富士通株式会社 | 情報処理プログラム、情報処理方法および情報処理装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10307837A (ja) * | 1997-05-09 | 1998-11-17 | Sharp Corp | 検索装置並びに検索プログラムを記録した記録媒体 |
JP3470021B2 (ja) * | 1997-09-29 | 2003-11-25 | シャープ株式会社 | 文書要約装置及びコンピュータ読み取り可能な記録媒体 |
JP2003108571A (ja) * | 2001-09-28 | 2003-04-11 | Seiko Epson Corp | 文書要約装置、文書要約装置の制御方法、文書要約装置の制御プログラムおよび記録媒体 |
US20070078670A1 (en) * | 2005-09-30 | 2007-04-05 | Dave Kushal B | Selecting high quality reviews for display |
JP4967133B2 (ja) * | 2007-03-28 | 2012-07-04 | 国立大学法人九州工業大学 | 情報取得装置、そのプログラム及び方法 |
JP5538185B2 (ja) * | 2010-11-12 | 2014-07-02 | 日本電信電話株式会社 | テキストデータ要約装置、テキストデータ要約方法及びテキストデータ要約プログラム |
-
2015
- 2015-04-28 JP JP2015091548A patent/JP6537340B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016207141A (ja) | 2016-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6537340B2 (ja) | 要約生成装置、要約生成方法、及び要約生成プログラム | |
CN109241243B (zh) | 候选文档排序方法及装置 | |
JP6642878B1 (ja) | コンピュータ、構成方法、及びプログラム | |
JP6848091B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6920136B2 (ja) | 情報処理システム | |
US11328006B2 (en) | Word semantic relation estimation device and word semantic relation estimation method | |
JP7032233B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP6553776B1 (ja) | テキスト類似度算出装置、テキスト類似度算出方法、及びプログラム | |
JP5355483B2 (ja) | 略語完全語復元装置とその方法と、プログラム | |
JP5676692B2 (ja) | 機械学習装置、機械学習方法、およびプログラム | |
JP6426074B2 (ja) | 関連文書検索装置、モデル作成装置、これらの方法及びプログラム | |
JP5432936B2 (ja) | ランキングモデル選択機能を有する文書検索装置、ランキングモデル選択機能を有する文書検索方法およびランキングモデル選択機能を有する文書検索プログラム | |
JP5184464B2 (ja) | 単語クラスタリング装置及び方法及びプログラム及びプログラムを格納した記録媒体 | |
JP2009151390A (ja) | 情報分析装置、及び情報分析プログラム | |
US10936901B2 (en) | Information processing device and non-transitory computer readable recording medium | |
JP5824429B2 (ja) | スパムアカウントスコア算出装置、スパムアカウントスコア算出方法、及びプログラム | |
JP5503577B2 (ja) | データ極性判定装置、方法、及びプログラム | |
JP6719229B2 (ja) | コンテンツ収集装置、コンテンツ収集方法およびコンテンツ収集プログラム | |
JP2016091354A (ja) | 情報処理装置及び情報処理プログラム | |
JP2020013395A (ja) | 公開装置、公開方法および公開プログラム | |
JP7323669B1 (ja) | オントロジー生成方法及び学習方法 | |
CN109684442A (zh) | 一种文本检索方法、装置、设备及程序产品 | |
JP2013238983A (ja) | スパム分類モデル生成装置及び方法及びプログラム | |
JP6942028B2 (ja) | 比較装置、比較方法および比較プログラム | |
JP5829471B2 (ja) | 意味分析装置およびそのプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170307 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180427 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181002 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190604 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6537340 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |