JP7444261B2 - 化合物置換プログラム、方法、装置 - Google Patents
化合物置換プログラム、方法、装置 Download PDFInfo
- Publication number
- JP7444261B2 JP7444261B2 JP2022539946A JP2022539946A JP7444261B2 JP 7444261 B2 JP7444261 B2 JP 7444261B2 JP 2022539946 A JP2022539946 A JP 2022539946A JP 2022539946 A JP2022539946 A JP 2022539946A JP 7444261 B2 JP7444261 B2 JP 7444261B2
- Authority
- JP
- Japan
- Prior art keywords
- partial structure
- compound
- partial
- score
- information indicating
- 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
- 150000001875 compounds Chemical group 0.000 title claims description 160
- 238000006467 substitution reaction Methods 0.000 title claims description 33
- 238000000034 method Methods 0.000 title claims description 31
- 230000008569 process Effects 0.000 claims description 21
- IISBACLAFKSPIT-UHFFFAOYSA-N bisphenol A Chemical compound C=1C=C(O)C=CC=1C(C)(C)C1=CC=C(O)C=C1 IISBACLAFKSPIT-UHFFFAOYSA-N 0.000 description 26
- 125000001436 propyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])[H] 0.000 description 22
- 238000006243 chemical reaction Methods 0.000 description 17
- 125000000217 alkyl group Chemical group 0.000 description 15
- 125000001495 ethyl group Chemical group [H]C([H])([H])C([H])([H])* 0.000 description 15
- 238000000605 extraction Methods 0.000 description 14
- 230000002776 aggregation Effects 0.000 description 13
- 238000004220 aggregation Methods 0.000 description 13
- 125000000484 butyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 125000001147 pentyl group Chemical group C(CCCC)* 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical group CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 4
- 239000001294 propane Substances 0.000 description 4
- 125000001424 substituent group Chemical group 0.000 description 4
- 125000001997 phenyl group Chemical group [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 3
- HTVITOHKHWFJKO-UHFFFAOYSA-N Bisphenol B Chemical compound C=1C=C(O)C=CC=1C(C)(CC)C1=CC=C(O)C=C1 HTVITOHKHWFJKO-UHFFFAOYSA-N 0.000 description 2
- 239000001273 butane Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 125000004178 (C1-C4) alkyl group Chemical group 0.000 description 1
- WCUDAIJOADOKAW-UHFFFAOYSA-N 4-[2-(4-hydroxyphenyl)pentan-2-yl]phenol Chemical compound C=1C=C(O)C=CC=1C(C)(CCC)C1=CC=C(O)C=C1 WCUDAIJOADOKAW-UHFFFAOYSA-N 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/40—Searching chemical structures or physicochemical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、化合物置換技術に関する。
化学の分野では、化合物名をキーに指定して特許公報や論文等の文書を検索することがある。その際、キーに指定した化合物名が示す化合物だけでなく、当該化合物と類似の構造を持つ化合物に関する文書を得ることは有用である。これに対し、従来、キーに指定した化合物名が示す化合物と類似の構造を持つ化合物を特定し、特定した化合物に関する文書を検索するための技術が提案されている。
しかしながら、従来の技術では、性質の類似する化合物を特定することが難しい場合があるという問題がある。
例えば、従来の技術によれば、第１の化合物の部分構造を、同じ上位概念に属する下位概念に相当する部分構造に置き換えることで、第１の化合物と類似の構造を持つ第２の化合物を得ることができる。具体的には、「２，２‐ビス（４‐ヒドロキシフェニル）プロパン」（ビスフェノールＡ）のプロピルを、他のアルキル基に置き換えることで類似の化合物を得ることができる。
ここで、ビスフェノールＡのプロピルをブチルに置き換えて得られる化合物は、構造的にも性質的にも元のビスフェノールＡに類似しているといえる。一方で、ビスフェノールＡのプロピルをペンチルに置き換えて得られる化合物は、同じアルキル基の部分構造を持つことから、構造的には元のビスフェノールＡに類似しているといえるが、鎖が長くなってくることから、性質が類似しているとはいえない場合がある。
１つの側面では、性質の類似する化合物を特定することを目的とする。
１つの態様において、化合物置換プログラムは、第１の化合物に含まれる第１の部分構造を特定する処理をコンピュータに実行させる。化合物置換プログラムは、複数の部分構造間の関係を示す情報を参照し、第１の部分構造に関連する第２の部分構造を選択する処理をコンピュータに実行させる。化合物置換プログラムは、複数のテキストデータにおける第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定する処理をコンピュータに実行させる。化合物置換プログラムは、スコアが閾値以上であると判定された場合、第１の化合物の第１の部分構造を第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する処理をコンピュータに実行させる。
以下に、本発明に係る化合物置換プログラム、方法、装置の実施例を図面に基づいて詳細に説明する。なお、この実施例により本発明が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。
図１を用いて、実施例に係る化合物置換装置の構成を説明する。図１は、化合物置換装置の構成例を示す図である。図１に示すように、化合物置換装置１０には、化合物名及びコーパスが入力される。また、化合物置換装置１０は、類似化合物名を出力する。
図１に示すように、化合物置換装置１０は、抽出部１０１、頻度集計部１０２及びスコア算出部１０３を有する。また、化合物置換装置１０は、解析部１０４、変換部１０５、上位概念探索部１０６、下位概念探索部１０７、選択部１０８、逆変換部１０９、置換部１１０、化合物名生成部１１１及び検索部１２１を有する。また、化合物置換装置１０は、ナレッジグラフ１５１、スコア情報１５２、部品化ルール１５３及び文書ＤＢ１５４を記憶する。
ナレッジグラフ１５１は、化合物の部分構造の上位概念及び下位概念の関係を表したグラフである。例えば、ナレッジグラフ１５１においては、１つの上位概念に対し複数の下位概念が対応付けられている場合がある。
スコア情報１５２は、上位概念と置換前後の下位概念の組み合わせと、各組み合わせの置換可能度合いを対応付けた情報である。図２は、スコア情報のデータ構造の例を示す図である。図２に示すように、上位概念に対して、置換前の下位概念である下位概念１と置換後の下位概念である下位概念２が対応付けられている。さらに、スコア情報１５２には、上位概念及び下位概念の分類、出現頻度及び置換可能度合いが含まれる。なお、以降の説明では、置換可能度合いを単にスコアと呼ぶ場合がある。
例えば、図２には、下位概念１がプロピルであり、下位概念２がエチルである組み合わせの分類は置換基であり、出現頻度は１５であり、置換可能度合いは１５／（（７＋１５＋１０＋３）／２）＝０．８６であることが示されている。
部品化ルール１５３は、化合物の部分構造を置換基に変換するためのルールである。図３は、部品化ルールのデータ構造の例を示す図である。図３に示すように、部品化ルール１５３には、部分構造名の変換方法と化学式の変換方法が含まれる。例えば、図３には、語尾の「タン」を「チル」に置き換える方法により部分構造名が変換される場合、化学式は水素を１つ抜き取ることにより変換されることが示されている。
文書ＤＢ１５４は、文書群を記憶するデータベースである。文書ＤＢに記憶される文書は、例えば特許明細書、論文、書籍等である。文書ＤＢ１５４に記憶される後述するコーパスに含まれるものであってもよい。
抽出部１０１、頻度集計部１０２及びスコア算出部１０３は、化学分野の文書を基にスコア情報１５２を生成する。文書は、例えば特許明細書、論文、書籍等である。また、スコア情報１５２を生成するための文書をコーパスと呼ぶ。
抽出部１０１は、コーパスから上位概念及び下位概念を限定するための情報を抽出する。抽出部１０１が抽出する情報は、例えば元素とその数であってもよいし、下位概念に相当する構造の名称や化学式であってもよい。
例えば、抽出部１０１は、［元素記号］［数字］［－～］［元素記号］［数字］の？．＋基を抽出するものとする。この場合、抽出部１０１は、「Ｒ２は１個以上のフッ素原子を有していてもよいＣ１－Ｃ４アルキル基．．．」という文から、下位概念の元素記号「Ｃ」を抽出し、元素記号「Ｃ」の数として「１個～４個」を抽出し、上位概念として「アルキル基」を抽出する。
また、例えば、抽出部１０１は、．＋基としては、（[部分構造]、）＋（など）を抽出するものとする。この場合、抽出部１０１は、「アルキル基としては、エチル基、プロピル基、ブチル基などを挙げることができる」という文から、上位概念として「アルキル基」を抽出し、下位概念として、エチル、プロピル、ブチルを抽出する。
頻度集計部１０２は、抽出部１０１によって抽出された情報を集積する。まず、頻度集計部１０２は、抽出部１０１によって抽出された情報に含まれる条件を、ナレッジグラフ１５１を用いて統一的な表現で集積する。
頻度集計部１０２による条件の集積手順は以下の通りである。すなわち、頻度集計部１０２は、上位概念でナレッジグラフ１５１を検索する。次に、頻度集計部１０２は、上位概念のノードを特定したら、下位概念としてつながっているノードを順にたどり、それぞれのノードの部分構造から部分構造辞書を参照して、示性式を取得する。さらに、頻度集計部１０２は、取得した示性式について、抽出した条件との照合を行う。
図４は、ナレッジグラフの例を示す図である。ここで、抽出部１０１によって抽出された情報に含まれる上位概念は「アルキル基」であり、条件は「Ｃの数が１～４個」であるものとする。このとき、頻度集計部１０２は、図４に示すように、「アルキル基」のノードを特定する。そして、頻度集計部１０２は、下位概念として「アルキル基」のノードにつながっている「メチル」、「エチル」、「プロピル」、「ブチル」、「ペンチル」を順にたどり、それぞれの示性式を得る。このうち、「メチル」、「エチル」、「プロピル」、「ブチル」は、Ｃの数が１～４個なので条件に合致する。一方、「ペンチル」は、Ｃの数が５個なので条件に合致しない。
頻度集計部１０２は、合致と判定されたものに対して、下位概念から下位概念へのパスについて出現頻度をインクリメントする。つまり、スコア情報１５２の出現頻度を増加させる。また、化合物名の羅列の場合には、頻度集計部１０２は、出現した下位概念と、上位概念と下位概念の組み合わせについて出現頻度をインクリメントする。
スコア算出部１０３は、スコア情報１５２の出現頻度を元に置換可能度合い（スコア）を算出する。スコア算出部１０３は、算出した置換可能度合いをスコア情報１５２に登録する。
ここで、抽出部１０１は、共起する部分構造の名称を抽出するということができる。スコア算出部１０３は、部分構造間のスコアである置換可能度合いを、共起頻度に基づき、共起する確率が高い部分構造の組み合わせほど大きくなるように算出する。
例えば、置換可能度合いは、上位概念が下位概念に置き換えられる確率であるため、スコア算出部１０３は、例えば（１）式のように置換可能度合い算出する。
下位概念１と下位概念２の置換可能度合い＝上位概念と下位概念１と下位概念２の組の出現頻度／（下位概念１の出現頻度と下位概念２の出現頻度の総和／２） …（１）
下位概念１と下位概念２の置換可能度合い＝上位概念と下位概念１と下位概念２の組の出現頻度／（下位概念１の出現頻度と下位概念２の出現頻度の総和／２） …（１）
図２を基に、上位概念が「アルキル基」、下位概念１が「プロピル」、下位概念２が「エチル」の場合の置換可能度合いの計算方法を説明する。初めは、出現頻度は登録済みであり、置換可能度合いは未登録であるものとする。
まず、上位概念と下位概念１と下位概念２の組の出現頻度は、出現頻度に登録されている通り１５である。また、下位概念１の出現頻度と下位概念２の出現頻度の総和は、下位概念１又は下位概念２として「プロピル」又は「エチル」が出現する行の出現頻度の総計なので、７＋１５＋１０＋３＝３５である。これより、置換可能度合いは、１５／（３５／２）＝０．８６となる。
解析部１０４、変換部１０５、上位概念探索部１０６、下位概念探索部１０７、選択部１０８、逆変換部１０９、置換部１１０及び化合物名生成部１１１は、スコア情報１５２を参照して、化合物名を基に類似化合物名を出力するための処理を行う。
解析部１０４は、入力された化合物名を解析する。例えば、図５に示すように、解析部１０４は、入力された化合物名が示す化合物を、部分構造へ展開する。図５は、構造が類似する化合物を得る処理を説明する図である。
図５の例では、解析部１０４は、「２，２‐ビス（４‐ヒドロキシフェニル）プロパン」という文字列の入力を受け付ける。２，２‐ビス（４‐ヒドロキシフェニル）プロパンは、第１の化合物の一例である。
解析部１０４は、「２，２‐ビス（４‐ヒドロキシフェニル）プロパン」という文字列を基に、プロパンに対し２つのフェニルが結合し、さらに各フェニルにヒドロキシが結合した構造を得る。図５のように、解析部１０４は、ツリー形式のデータで構造を表してもよい。
変換部１０５は、第１の化合物に含まれる第１の部分構造を特定し、特定した第１の部分構造の名称を置換基名に変換する。変換部１０５は、部品化ルール１５３に従って部分構造の名称を置換基名に変換する。例えば、変換部１０５は、他の部分構造に置き換えたときの化合物としての性質への影響がなるべく小さい部分構造を第１の部分構造として特定することができる。図５の例では、変換部１０５は、第１の部分構造としてプロパンを特定し、名称である「プロパン」を「プロピル」に変換する。
上位概念探索部１０６は、第１の部分構造をキーとしてナレッジグラフ１５１から上位概念を探索する。また、下位概念探索部１０７は、上位概念をキーとしてナレッジグラフ１５１から上位概念を探索する。
図４のナレッジグラフ１５１は、アルキル基の下位概念としてメチル、エチル、プロピル、ブチル及びペンチルが存在することを表している。言い換えると、図４のナレッジグラフは、メチル、エチル、プロピル、ブチル及びペンチルの共通の上位概念としてアルキル基が存在することを表している。
例えば、上位概念探索部１０６は、プロピルをキーとしてナレッジグラフ１５１の探索を行い、上位概念であるアルキル基を得る。そして、下位概念探索部１０７は、上位概念であるアルキル基をキーとして、メチル、エチル、ブチル及びペンチルを得る。なお、下位概念探索部１０７の探索結果には、上位概念探索部１０６の探索のキーであるプロピルが含まれていてもよい。
選択部１０８は、複数の部分構造間の関係を示す情報を参照し、第１の部分構造に関連する第２の部分構造を選択する。選択部１０８は、複数の部分構造間の関係を示す情報に示される、部分構造間の上位概念と下位概念の関係に基づき、第１の部分構造と同じ上位概念に属する下位概念に相当する部分構造を第２の部分構造として選択する。また、選択部１０８は、複数の部分構造を第２の部分構造として選択してもよい。
選択部１０８は、例えば下位概念探索部１０７によって探索された下位概念の一部又は全部を選択する。複数の部分構造間の関係を示す情報は、例えばナレッジグラフ１５１のアルキル基を上位概念に持つ下位概念の集合、すなわちメチル、エチル、ブチル及びペンチルである。
逆変換部１０９は、選択部１０８によって選択された第２の部分構造の名称を部分構造の名称に逆変換する。例えば、逆変換部１０９は、「メチル」、「エチル」、「プロピル」、「ブチル」、「ペンチル」を、それぞれ「メタン」、「エタン」、「プロパン」、「ブタン」、「ペンタン」に逆変換する。
化合物名生成部１１１は、スコアが閾値以上であると判定された場合、第１の化合物の第１の部分構造を第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する。また、第１の部分構造の第２の部分構造への置き換えは、置換部１１０によって行われる。
このとき、化合物名生成部１１１は、選択部１０８によって選択された第２の部分構造のうち、条件を満たすものを基に第２の化合物を示す情報を生成する。例えば、化合物名生成部１１１は、第１の化合物の第１の部分構造を、第２の部分構造のうち、スコアが閾値以上であると判定された部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する。
化合物名生成部１１１は、複数のテキストデータにおける第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定する。ここで、スコアは、スコア情報１５２に登録された置換可能度合いである。置換可能度合いは、第１の部分構造と第２の部分構造とが、複数のテキストデータに含まれる同一のテキストデータ内に出現する頻度が大きいほど大きくなるスコアの一例である。
例えば、第１の化合物を２，２‐ビス（４‐ヒドロキシフェニル）プロパンとする。また、第１の部分構造をプロピルとする。また、選択部１０８は、第２の部分構造として、メチル、エチル、ブチル及びペンチルを選択したものとする。また、置換可能度合いの閾値を０．６とする。
図２のより、プロピルをエチルに置換する場合の置換可能度合いは０．８６であり閾値以上であるため、化合物名生成部１１１は、プロピルをエチルに置換した化合物の名称を生成する。一方、プロピルをペンチルに置換する場合の置換可能度合いは０．１８であり閾値未満であるため、化合物名生成部１１１は、プロピルをペンチルに置換した化合物の名称を生成しない。また、例えば、プロピルをブチルに置換する場合の置換可能度合いが閾値以上であれば、化合物名生成部１１１は、プロピルをブチルに置換した化合物の名称である「２，２‐ビス（４‐ヒドロキシフェニル）ブタン」を生成する。
検索部１２１は、第１の化合物を示す情報を入力として受け付け、化合物名生成部１１１によって生成された第２の化合物を示す情報に関連する文書を、文書ＤＢ１５４に記憶された文書群から検索する。例えば、化合物置換装置１０に化合物名として「２，２‐ビス（４‐ヒドロキシフェニル）プロパン」が入力された場合、検索部１２１は、類似化合物名である「２，２‐ビス（４‐ヒドロキシフェニル）ブタン」をキーとして文書の検索を行うことができる。なお、化合物置換装置１０は、類似化合物名を出力してもよいし、検索部１２１による検索結果を出力してもよい。
図６は、スコアを算出する処理の流れを示すフローチャートである。図６に示すように、まず、抽出部１０１は、コーパスから化合物及び部分構造を抽出し（ステップＳ１０１）、共起する部分構造の名称を抽出する（ステップＳ１０２）。そして、スコア算出部１０３は、共起頻度を基に部分構造間のスコアを計算し、スコア情報１５２に記録する。共起頻度は、例えばスコア情報１５２における出現頻度である。
図７は、類似する化合物を得る処理の流れを示すフローチャートである。図７に示すように、まず、解析部１０４は、キーに指定された第１の化合物名を解析する（ステップＳ２０１）。次に、変換部１０５は、解析で得られた第１の部分構造の名称をルールに従い変換する（ステップＳ２０２）。
ここで、上位概念探索部１０６は、名称を基に部分構造の上位概念を探索する（ステップＳ２０３）。また、下位概念探索部１０７は、上位概念に属する下位概念の部分構造を探索する（ステップＳ２０４）。上位概念探索部１０６及び下位概念探索部１０７は、ナレッジグラフ１５１の探索を行う。
選択部１０８は、探索した下位概念の第２の部分構造のうち未選択のものを選択する（ステップＳ２０５）。選択した第２の部分構造のスコアが閾値以上である場合（ステップＳ２０６、Ｙｅｓ）、化合物置換装置１０はステップＳ２０７に進む。一方、選択した第２の部分構造のスコアが閾値以上でない場合（ステップＳ２０６、Ｎｏ）、化合物置換装置１０はステップＳ２１０に進む。
逆変換部１０９は、第２の部分構造の名称をルールに従い逆変換する（ステップＳ２０７）。そして、置換部１１０は、第１の化合物の第１の部分構造を第２の部分構造に置換する（ステップＳ２０８）。ここで、化合物名生成部１１１は、置換によって得られた第２の化合物の情報を出力する（ステップＳ２０９）。また、化合物置換装置１０は、第２の化合物の情報をキーとして文書の検索を行い、検索結果を出力してもよい。
未選択の部分構造がある場合（ステップＳ２１０、Ｙｅｓ）、化合物置換装置１０はステップＳ２０５に戻り処理を繰り返す。また、未選択の部分構造がない場合（ステップＳ２１０、Ｎｏ）、化合物置換装置１０は処理を終了する。
上述したように、変換部１０５は、第１の化合物に含まれる第１の部分構造を特定する。選択部１０８は、複数の部分構造間の関係を示す情報を参照し、第１の部分構造に関連する第２の部分構造を選択する。化合物名生成部１１１は、複数のテキストデータにおける第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定する。化合物名生成部１１１は、スコアが閾値以上であると判定された場合、第１の化合物の第１の部分構造を第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する。このように、化合物置換装置１０は、部分構造間のグループの出現状況（例えば、共起頻度）を考慮して、入力された化合物に類似する化合物を特定する。このため、本実施例によれば、性質の類似する化合物を特定することができる。
選択部１０８は、複数の部分構造間の関係を示す情報に示される、部分構造間の上位概念と下位概念の関係に基づき、第１の部分構造と同じ上位概念に属する下位概念に相当する部分構造を第２の部分構造として選択する。化合物の部分構造は、アルキル基、アルコールといった上位概念に属する場合がある。また、同じ上位概念に属する下位概念は性質が類似することがある。このため、本実施例によれば、性質が類似する化合物を特定することができる。
検索部１２１は、第１の化合物を示す情報を入力として受け付け、化合物名生成部１１１によって生成された第２の化合物を示す情報に関連する文書を、文書群から検索する。これにより、ユーザは化合物の情報を入力するだけで、当該化合物に類似する化合物に関する文書の検索結果を得ることができる。
化合物名生成部１１１は、第１の部分構造と第２の部分構造とが、複数のテキストデータに含まれる同一のテキストデータ内に出現する頻度が大きいほど大きくなるスコアが閾値以上であるか判定する。このように、実際に同じ文書の中に出現している頻度が高いほど類似化合物として特定されやすくなるため、本実施例によれば、性質が類似する化合物を特定する精度を向上させることができる。
選択部１０８は、複数の部分構造間の関係を示す情報に示される、部分構造間の上位概念と下位概念の関係に基づき、第１の部分構造と同じ上位概念に属する下位概念に相当する複数の部分構造を第２の部分構造として選択する。化合物名生成部１１１は、第１の化合物の第１の部分構造を、第２の部分構造のうち、スコアが閾値以上であると判定された部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する。このように、化合物置換装置１０は、一部の部分構造を置き換えることで類似する化合物を得ることができる。このため、本実施例によれば、性質の類似する化合物を効率よく特定することができる。
本実施例は、例えば化合物名で文書の検索を行う場合に有効である。化学分野における文書検索では、キーワードとして名称を入力した化合物の異表記（別称、化学式、ＳＭＩＬＥＳ等）や、構造が完全に一致するわけではないが、類似した構造や性質を持つ化合物についても考慮したい場合がある。
例えば、入力した化合物と類似の化合物をキーに含めて検索できれば、特許文献間の類似度判定を行う場合にも有効である。一方で、例えば、化学分野の特許文献では、化合物名の羅列やマーカッシュクレーム等により、多数の化合物が関連付けて扱われる場合があり、検索の際にはそれらを化合物群としてとらえることで、より有益な検索結果が得られることが考えらえる。また、特許文献において化合物群全体がマーカッシュ形式で書かれ、具体的な個々の化合物名はわずかしか書かれない場合もある。さらに、化合物名で検索を行う場合に、それを含む化合物群を定義することは、専門的な知識と時間と労力が必要であり、見落としがあると検索漏れの原因となる。
本実施例によれば、例えば、「２，２‐ビス（４‐ヒドロキシフェニル）プロパン」という入力に対して、類似化合物の名称である「２，２‐ビス（４‐ヒドロキシフェニル）ブタン」を得ることができる。このとき、共起頻度が低い部分構造への置換により得られる化合部は除外される。例えば、上記の例では、２，２‐ビス（４‐ヒドロキシフェニル）ペンタンは除外される。これにより、本実施例によれば、より有益な検索結果を得るためのキーワードとして利用可能な化合物の名称を得ることができる。
上記文書中や図面中で示した処理手順、制御手順、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。また、実施例で説明した具体例、分布、数値等は、あくまで一例であり、任意に変更することができる。
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、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
図８は、ハードウェア構成例を説明する図である。図８に示すように、化合物置換装置１０は、通信インタフェース１０ａ、ＨＤＤ（Hard Disk Drive）１０ｂ、メモリ１０ｃ、プロセッサ１０ｄを有する。また、図８に示した各部は、バス等で相互に接続される。
通信インタフェース１０ａは、ネットワークインタフェースカード等であり、他のサーバとの通信を行う。ＨＤＤ１０ｂは、図１に示した機能を動作させるプログラムやＤＢを記憶する。
プロセッサ１０ｄは、図１に示した各処理部と同様の処理を実行するプログラムをＨＤＤ１０ｂ等から読み出してメモリ１０ｃに展開することで、図１等で説明した各機能を実行するプロセスを動作させるハードウェア回路である。すなわち、このプロセスは、化合物置換装置１０が有する各処理部と同様の機能を実行する。具体的には、プロセッサ１０ｄは、変換部１０５、選択部１０８、化合物名生成部１１１等と同様の機能を有するプログラムをＨＤＤ１０ｂ等から読み出す。そして、プロセッサ１０ｄは、変換部１０５、選択部１０８、化合物名生成部１１１等と同様の処理を実行するプロセスを実行する。
このように化合物置換装置１０は、プログラムを読み出して実行することで化合物置換方法を実行する情報処理装置として動作する。また、化合物置換装置１０は、媒体読取装置によって記録媒体から上記プログラムを読み出し、読み出された上記プログラムを実行することで上記した実施例と同様の機能を実現することもできる。なお、この他の実施例でいうプログラムは、化合物置換装置１０によって実行されることに限定されるものではない。例えば、他のコンピュータ又はサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本発明を同様に適用することができる。
このプログラムは、インターネット等のネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ（Magneto－Optical disk）、ＤＶＤ（Digital Versatile Disc）等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することができる。
１０ 化合物置換装置
１０１ 抽出部
１０２ 頻度集計部
１０３ スコア算出部
１０４ 解析部
１０５ 変換部
１０６ 上位概念探索部
１０７ 下位概念探索部
１０８ 選択部
１０９ 逆変換部
１１０ 置換部
１１１ 化合物名生成部
１２１ 検索部
１５１ ナレッジグラフ
１５２ スコア情報
１５３ 部品化ルール
１５４ 文書ＤＢ
１０１ 抽出部
１０２ 頻度集計部
１０３ スコア算出部
１０４ 解析部
１０５ 変換部
１０６ 上位概念探索部
１０７ 下位概念探索部
１０８ 選択部
１０９ 逆変換部
１１０ 置換部
１１１ 化合物名生成部
１２１ 検索部
１５１ ナレッジグラフ
１５２ スコア情報
１５３ 部品化ルール
１５４ 文書ＤＢ
Claims (7)
- 第１の化合物に含まれる第１の部分構造を特定し、
複数の部分構造間の関係を示す情報を参照し、前記第１の部分構造に関連する第２の部分構造を選択し、
複数のテキストデータにおける前記第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定し、
前記スコアが前記閾値以上であると判定された場合、前記第１の化合物の前記第１の部分構造を前記第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する、
処理をコンピュータに実行させることを特徴とする化合物置換プログラム。 - 前記選択する処理は、前記複数の部分構造間の関係を示す情報に示される、部分構造間の上位概念と下位概念の関係に基づき、前記第１の部分構造と同じ上位概念に属する下位概念に相当する部分構造を前記第２の部分構造として選択する処理を含む、
ことを特徴とする請求項１に記載の化合物置換プログラム。 - 前記第１の化合物を示す情報を入力として受け付け、前記生成する処理によって生成された前記第２の化合物を示す情報に関連する文書を、文書群から抽出する、
処理を前記コンピュータに実行させることを特徴とする請求項１に記載の化合物置換プログラム。 - 前記スコアは、前記第１の部分構造と第２の部分構造とが、前記複数のテキストデータに含まれる同一のテキストデータ内に出現する頻度が大きいほど大きくなるスコアである、
ことを特徴とする請求項１に記載の化合物置換プログラム。 - 前記選択する処理は、前記複数の部分構造間の関係を示す情報に示される、部分構造間の上位概念と下位概念の関係に基づき、前記第１の部分構造と同じ上位概念に属する下位概念に相当する複数の部分構造を前記第２の部分構造として選択する処理を含み、
前記生成する処理は、前記第１の化合物の前記第１の部分構造を、前記複数の部分構造のうち、前記スコアが前記閾値以上であると判定された特定の部分構造に置き換えることにより得られる前記第２の化合物を示す情報を生成する処理を含む、
ことを特徴とする請求項１に記載の化合物置換プログラム。 - 第１の化合物に含まれる第１の部分構造を特定し、
複数の部分構造間の関係を示す情報を参照し、前記第１の部分構造に関連する第２の部分構造を選択し、
複数のテキストデータにおける前記第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定し、
前記スコアが前記閾値以上であると判定された場合、前記第１の化合物の前記第１の部分構造を前記第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する、
処理をコンピュータが実行することを特徴とする化合物置換方法。 - 第１の化合物に含まれる第１の部分構造を特定し、
複数の部分構造間の関係を示す情報を参照し、前記第１の部分構造に関連する第２の部分構造を選択し、
複数のテキストデータにおける前記第１の部分構造と第２の部分構造とを含むグループの出現状況に基づいて算出されたスコアが閾値以上であるか判定し、
前記スコアが前記閾値以上であると判定された場合、前記第１の化合物の前記第１の部分構造を前記第２の部分構造に置き換えることにより得られる第２の化合物を示す情報を生成する、
制御部を含むことを特徴とする化合物置換装置。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2020/029451 WO2022024349A1 (ja) | 2020-07-31 | 2020-07-31 | 化合物置換プログラム、方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2022024349A1 JPWO2022024349A1 (ja) | 2022-02-03 |
| JP7444261B2 true JP7444261B2 (ja) | 2024-03-06 |
Family
ID=80035313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022539946A Active JP7444261B2 (ja) | 2020-07-31 | 2020-07-31 | 化合物置換プログラム、方法、装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230115396A1 (ja) |
| JP (1) | JP7444261B2 (ja) |
| WO (1) | WO2022024349A1 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018147374A (ja) | 2017-03-08 | 2018-09-20 | 富士通株式会社 | 生成プログラム、生成方法、および生成装置 |
| JP2020035172A (ja) | 2018-08-30 | 2020-03-05 | 富士通株式会社 | 生成方法、生成プログラム、および生成装置 |
-
2020
- 2020-07-31 JP JP2022539946A patent/JP7444261B2/ja active Active
- 2020-07-31 WO PCT/JP2020/029451 patent/WO2022024349A1/ja active Application Filing
-
2022
- 2022-12-13 US US18/065,443 patent/US20230115396A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018147374A (ja) | 2017-03-08 | 2018-09-20 | 富士通株式会社 | 生成プログラム、生成方法、および生成装置 |
| JP2020035172A (ja) | 2018-08-30 | 2020-03-05 | 富士通株式会社 | 生成方法、生成プログラム、および生成装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230115396A1 (en) | 2023-04-13 |
| WO2022024349A1 (ja) | 2022-02-03 |
| JPWO2022024349A1 (ja) | 2022-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5338238B2 (ja) | ワードの類似性を用いたオントロジーの自動生成 | |
| JP5078173B2 (ja) | 多義性解消方法とそのシステム | |
| JP4930153B2 (ja) | 文書検索システム、文書番号部分列取得装置、および文書検索方法 | |
| KR20080049804A (ko) | 클릭 간격 결정 | |
| JP2012093927A (ja) | ファイル管理装置及びファイル管理方法 | |
| JP5497105B2 (ja) | 文書検索装置および方法 | |
| JP2019082931A (ja) | 検索装置、類似度算出方法、およびプログラム | |
| JP2020126360A (ja) | 学習データ拡張装置、学習装置、翻訳装置、およびプログラム | |
| Kılınç et al. | Multi‐level reranking approach for bug localization | |
| Agarwal et al. | Towards effective paraphrasing for information disguise | |
| JP7444261B2 (ja) | 化合物置換プログラム、方法、装置 | |
| JP5869948B2 (ja) | パッセージ分割方法、装置、及びプログラム | |
| Brandsen et al. | Labelling the past: data set creation and multi-label classification of Dutch archaeological excavation reports | |
| JP2007334388A (ja) | クラスタリング方法及び装置及びプログラム及びコンピュータ読み取り可能な記録媒体 | |
| Leturia et al. | Morphological query expansion and language-filtering words for improving Basque web retrieval | |
| JP6615420B1 (ja) | エッジシステム、情報処理方法及び情報処理プログラム | |
| JP2011227749A (ja) | 略語完全語復元装置とその方法と、プログラム | |
| JP7122773B2 (ja) | 辞書構築装置、辞書の生産方法、およびプログラム | |
| JP6805927B2 (ja) | インデックス生成プログラム、データ検索プログラム、インデックス生成装置、データ検索装置、インデックス生成方法、及びデータ検索方法 | |
| CN1627289B (zh) | 用于分析汉语的装置和方法 | |
| JPWO2020157887A1 (ja) | 文構造ベクトル化装置、文構造ベクトル化方法、及び文構造ベクトル化プログラム | |
| JP2007200252A (ja) | 省略語生成・妥当性評価方法、同義語データベース生成・更新方法、省略語生成・妥当性評価装置、同義語データベース生成・更新装置、プログラム、記録媒体 | |
| Robertson | A Contrastive Evaluation of Word Sense Disambiguation Systems for Finnish | |
| JP5393392B2 (ja) | 時間表現抽出装置、時間表現抽出方法および時間表現抽出プログラム | |
| JP6625087B2 (ja) | 違法コンテンツ探索装置及び違法コンテンツ探索方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221018 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231225 |
|
| 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: 20240123 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240205 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7444261 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |