JP7457531B2

JP7457531B2 - 類似度算出装置、類似度算出プログラム、および、類似度算出方法

Info

Publication number: JP7457531B2
Application number: JP2020033191A
Authority: JP
Inventors: 光規梅原; 清孝粕渕; 清孝宮井; 明子吉田; 一博北村; 万理寺田
Original assignee: Screen Holdings Co Ltd
Current assignee: Screen Holdings Co Ltd
Priority date: 2020-02-28
Filing date: 2020-02-28
Publication date: 2024-03-28
Anticipated expiration: 2040-02-28
Also published as: JP2021135882A; US11593420B2; CN113326686A; CN113326686B; US20210271700A1

Description

本願明細書に開示される技術は、類似度算出装置、類似度算出プログラム、および、類似度算出方法に関するものである。

従来から、たとえば文書内の表記ゆれを吸収する目的で、複数の同義語からなる同義語グループを作成する技術が用いられている（たとえば、特許文献１を参照）。

特開２０１６－２２４４８２号公報

しかしながら、特許文献１に示された技術などを用いて同義語グループを作成すると、互いに類似する複数の同義語グループが作成される場合がある。その場合、用い得る同義語グループが複数存在することによって用語を統一することが難しくなる。一方で、それらの同義語グループを人手でまとめる作業は非常に時間がかかるものである。

本願明細書に開示される技術は、以上に記載されたような問題を鑑みてなされたものであり、複数の同義語グループが作成される場合であっても、効果的に用語の統一を図るための技術である。

本願明細書に開示される技術の第１の態様は、複数の同義語グループ間の類似度を算出する類似度算出装置であり、それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得する名称取得部と、少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成する名称集合生成部と、前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出する類似度算出部とを備える。

本願明細書に開示される技術の第２の態様は、第１の態様に関連し、前記類似度がしきい値以上である場合に、前記第１の同義語グループと前記第２の同義語グループとを結合する結合部をさらに備える。

本願明細書に開示される技術の第３の態様は、第１または２の態様に関連し、前記類似度算出部は、Ｄｉｃｅ係数を用いて前記類似度を算出する。

本願明細書に開示される技術の第４の態様は、第１から３のうちのいずれか１つの態様に関連し、前記類似度算出部は、前記第１のグループ名称集合における取得可能な前記第１のグループ名称が１つのみである前記単語の数に応じて前記第１のグループ名称集合の要素数を増加させ、かつ、前記第２のグループ名称集合における取得可能な前記第２のグループ名称が１つのみである前記単語の数に応じて前記第２のグループ名称集合の要素数を増加させる。

本願明細書に開示される技術の第５の態様は、複数の同義語グループ間の類似度を算出する類似度算出プログラムであり、それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、前記類似度算出プログラムがコンピュータにインストールされて実行されることによって、前記コンピュータに、前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得させ、前記コンピュータに、少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成させ、前記コンピュータに、前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出させる。

本願明細書に開示される技術の第６の態様は、複数の同義語グループ間の類似度を算出する類似度算出方法であり、それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得する工程と、少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成する工程と、前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出する工程とを備える。

本願明細書に開示される技術の第１から６の態様によれば、複数の同義語グループが作成される場合であっても、同義語グループに対応するグループ名称集合間の類似度を算出することによって、効果的に用語の統一を図ることができる。

また、本願明細書に開示される技術に関連する目的と、特徴と、局面と、利点とは、以下に示される詳細な説明と添付図面とによって、さらに明白となる。

実施の形態に関する、類似度算出装置のハードウェア構成の例を示す図である。実施の形態に関する、類似度算出装置の機能的構成の例を示す図である。類似度算出動作の例を示すフローチャートである。ある単語が属する同義語グループと、当該同義語グループに属する単語の例を示す図である。

以下、添付される図面を参照しながら実施の形態について説明する。以下の実施の形態では、技術の説明のために詳細な特徴なども示されるが、それらは例示であり、実施の形態が実施可能となるためにそれらすべてが必ずしも必須の特徴ではない。

なお、図面は概略的に示されるものであり、説明の便宜のため、適宜、構成の省略、または、構成の簡略化が図面においてなされるものである。また、異なる図面にそれぞれ示される構成などの大きさおよび位置の相互関係は、必ずしも正確に記載されるものではなく、適宜変更され得るものである。また、断面図ではない平面図などの図面においても、実施の形態の内容を理解することを容易にするために、ハッチングが付される場合がある。

また、以下に示される説明では、同様の構成要素には同じ符号を付して図示し、それらの名称と機能とについても同様のものとする。したがって、それらについての詳細な説明を、重複を避けるために省略する場合がある。

また、以下に記載される説明において、ある構成要素を「備える」、「含む」または「有する」などと記載される場合、特に断らない限りは、他の構成要素の存在を除外する排他的な表現ではない。

また、以下に記載される説明において、「第１の」または「第２の」などの序数が用いられる場合があっても、これらの用語は、実施の形態の内容を理解することを容易にするために便宜上用いられるものであり、これらの序数によって生じ得る順序などに限定されるものではない。

＜実施の形態＞
以下、本実施の形態に関する類似度算出装置、類似度算出プログラム、および、類似度算出方法について説明する。

＜類似度算出装置の構成について＞
図１は、本実施の形態に関する類似度算出装置１００のハードウェア構成の例を示す図である。

図１に例が示されるように、類似度算出装置１００は、少なくとも、同義語グループ間の類似度の算出動作に用いられるプログラム１０５がインストールされたコンピュータであり、中央演算処理装置（ｃｅｎｔｒａｌｐｒｏｃｅｓｓｉｎｇｕｎｉｔ、すなわち、ＣＰＵ）１０２と、メモリ１０３と、ハードディスクドライブ（Ｈａｒｄｄｉｓｋｄｒｉｖｅ、すなわち、ＨＤＤ）１０４と、ディスプレイ１０１とを備える。

類似度算出装置１００においては、対応するプログラム１０５がＨＤＤ１０４にインストールされる。プログラム１０５のインストールは、コンパクトディスク（ｃｏｍｐａｃｔｄｉｓｃ、すなわち、ＣＤ）、デジタル多目的ディスク（ｄｉｇｉｔａｌｖｅｒｓａｔｉｌｅｄｉｓｃ、すなわち、ＤＶＤ）、ユニバーサルシリアルバス（ｕｎｉｖｅｒｓａｌｓｅｒｉａｌｂｕｓ、すなわち、ＵＳＢ）メモリなどの外部記憶媒体１０６から読み出されたデータをＨＤＤ１０４に書き込むことによって行われてもよいし、ネットワーク１０７を経由して受信されたデータをＨＤＤ１０４に書き込むことによって行われてもよい。

また、ＨＤＤ１０４は、他の種類の補助記憶装置に置き換えられてもよい。たとえば、ＨＤＤ１０４が、ソリッドステートドライブ（ｓｏｌｉｄｓｔａｔｅｄｒｉｖｅ、すなわち、ＳＳＤ）、ランダムアクセスメモリー（ｒａｎｄｏｍａｃｃｅｓｓｍｅｍｏｒｙ、すなわち、ＲＡＭ）ディスクなどに置き換えられてもよい。

類似度算出装置１００においては、ＨＤＤ１０４にインストールされたプログラム１０５がメモリ１０３にロードされ、ロードされたプログラム１０５がＣＰＵ１０２によって実行される。そうすることによって、コンピュータがプログラム１０５を実行し、類似度算出装置１００として機能する。

なお、ＣＰＵ１０２が行う処理の少なくとも一部がＣＰＵ１０２以外のプロセッサによって行われてもよい。たとえば、ＣＰＵ１０２によって行われる処理の少なくとも一部が、グラフィックス処理装置（ＧＰＵ）などによって行われてもよい。また、ＣＰＵ１０２によって行われる処理の少なくとも一部が、プログラムを実行しないハードウェアによって行われてもよい。

図２は、本実施の形態に関する類似度算出装置１００の機能的構成の例を示す図である。

図２に例が示されるように、類似度算出装置１００は、少なくとも、名称取得部１０と、名称集合生成部１２と、類似度算出部１４とを備える。また、類似度算出装置１００は、結合部１６と、入力部１８と、出力部２０と、記憶部２２とを備えることができる。入力部１８および出力部２０は、図１のディスプレイ１０１などによって実現される。また、記憶部２２は、たとえば、図１のメモリ１０３およびＨＤＤ１０４の少なくとも一方によって実現される。また、名称取得部１０、名称集合生成部１２、類似度算出部１４および結合部１６は、たとえば、図１のＣＰＵ１０２にプログラム１０５を実行させることによって実現される。

名称取得部１０は、同義語グループに属するそれぞれの単語が属する同義語グループの名称（以下、同義語グループ名称）を取得する。

ここで、同義語グループは、互いに同義語である複数の単語からなる集合である。また、同義語とは、語形、発音または表記などが異なっているが、同じような意味を有する単語である。

また、本実施の形態におけるそれぞれの単語は後述する専門用語を除き、少なくとも２つの同義語グループに属し、後述の専門用語は１つの同義語グループのみに属するものとする。

名称集合生成部１２は、同義語グループ名称を要素とするグループ名称集合を生成する。生成されたグループ名称集合は、記憶部２２に記憶される。

類似度算出部１４は、複数のグループ名称集合間の類似度を算出する。そして、算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループ間の類似度を判定する。算出されたグループ名称集合間の類似度および対応する同義語グループ間の類似度は、記憶部２２に記憶される。

結合部１６は、複数のグループ名称集合間の類似度（または、同義語グループ間の類似度）がしきい値以上である場合に、これらのグループ名称集合に対応する同義語グループ同士を結合する。結合して生成された同義語グループは、記憶部２２に記憶される。

入力部１８には、同義語グループに関するデータが入力される。また、出力部２０は、算出されたグループ名称集合間の類似度（または、同義語グループ間の類似度）、または、結合して生成された同義語グループに関するデータを出力する。

＜類似度算出装置の動作について＞
次に、類似度算出装置１００の動作、具体的には、複数の同義語グループ間の類似度を算出する動作について、図３および図４を参照しつつ説明する。なお、図３は、類似度算出動作の例を示すフローチャートである。

ここで、以下で言及される複数の同義語グループは、全ての同義語グループが共通の基準によって作成された同義語グループであってもよいし、いくつかの同義語グループが、他とは異なる基準によって作成された同義語グループであってもよい。具体的には、ユーザーによって独自に作成された同義語グループと、外部辞書（たとえば、ＷｏｒｄＮｅｔ）などに採用されている基準で作成された同義語グループとが混在していてもよい。

まず、２つの同義語グループ（同義語グループＧ１および同義語グループＧ２）に関するデータがそれぞれ入力部１８に入力される（図３のステップＳＴ０１）。ここでは、同義語グループＧ１が（ｅｎｄ、ｆｉｎｉｓｈ、ｓｔｏｐ）を含む同義語グループであり、同義語グループＧ２が（ｃｅａｓｅ、ｔｅｒｍｉｎａｔｅ、ｆｉｎｉｓｈ）を含む同義語グループであるものとする。

また、上記の同義語グループに関するデータには、少なくとも、同義語グループに含まれるそれぞれの単語のデータ、および、それらの単語が属する同義語グループ名称のデータを含むものとする。同義語グループ名称は、対応する単語に関連づけられている。

図４は、ある単語が属する同義語グループと、当該同義語グループに属する単語の例を示す図である。なお、図４において示される同義語グループは、対応する単語の一部を示すものである。

図４に例が示されるように、単語ｄｅｓｉｇｎは、同義語グループｄｅｓｉｇｎ．ｎ．０１と同義語グループｐｕｒｐｏｓｅ．ｎ．０１とに属する。ここで、同義語グループｄｅｓｉｇｎ．ｎ．０１にはｄｅｓｉｇｎおよびｄｅｓｉｇｎｉｎｇが属し、同義語グループｐｕｒｐｏｓｅ．ｎ．０１にはｐｕｒｐｏｓｅ、ｉｎｔｅｎｔ、ｉｎｔｅｎｔｉｏｎ、ａｉｍおよびｄｅｓｉｇｎが属する。

同様に、単語ｐａｐｅｒは、同義語グループｃｏｍｐｏｓｉｔｉｏｎ．ｎ．０８と同義語グループｎｅｗｓｐａｐｅｒ．ｎ．０１とに属する。ここで、同義語グループｃｏｍｐｏｓｉｔｉｏｎ．ｎ．０８にはｃｏｍｐｏｓｉｔｉｏｎ、ｐａｐｅｒ、ｒｅｐｏｒｔおよびｔｈｅｍｅが属し、同義語グループｎｅｗｓｐａｐｅｒ．ｎ．０１にはｎｅｗｓｐａｐｅｒおよびｐａｐｅｒが属する。

次に、名称取得部１０が、入力部１８に入力されたそれぞれの同義語グループのデータについて、それぞれの同義語グループに属する全ての単語の、属する同義語グループ名称を取得する（図３のステップＳＴ０２）。

次に、名称集合生成部１２が、名称取得部１０において取得された同義語グループ名称に基づいて、グループ名称集合を生成する（図３のステップＳＴ０３）。生成されたグループ名称集合は、記憶部２２に記憶される。

本実施の形態の例では、同義語グループＧ１における単語ｅｎｄ、ｆｉｎｉｓｈおよびｓｔｏｐそれぞれが属する同義語グループ名称の集合として、ｅｎｄ．ｎ．０１、ｅｎｄ．ｖ．０４、ｆｉｎｉｓｈ．ｎ．０８、ｓｔｏｐ．ｖ．０１、ｐｅｒｉｏｄ．ｎ．０７など５３個の同義語グループ名称を得る。これらの集合をグループ名称集合Ｇ１１とする。なお、以下でも同様に、同義語グループ名称の集合においては、同一の同義語グループ名称は含まれない（すなわち、同一の同義語グループ名称の重複は許さない）ものとする。また、グループ名称集合Ｇ１１には、同義語グループＧ１自身の名称が含まれていてもよい。

同様に、同義語グループＧ２における単語ｃｅａｓｅ、ｔｅｒｍｉｎａｔｅおよびｆｉｎｉｓｈそれぞれが属する同義語グループ名称の集合として、ｃｅａｓｅ．ｎ．０１、ｃｏｍｐｌｅｔｅ．ｖ．０１、ｆｉｎｉｓｈ．ｎ．０８など２０個の同義語グループ名称を得る。これらの集合をグループ名称集合Ｇ１２とする。なお、グループ名称集合Ｇ１２には、同義語グループＧ２自身の名称が含まれていてもよい。

上記のうち、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との双方に共通する同義語グループ名称は、１８個であるものとする。

次に、類似度算出部１４が、グループ名称集合間の類似度を算出する（図３のステップＳＴ０４）。本実施の形態の例では、類似度算出部１４は、Ｄｉｃｅ係数を用いてグループ名称集合間の類似度を算出する。算出されたグループ名称集合間の類似度は、記憶部２２に記憶される。

具体的には、以下の式（１）を用いて、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との間の類似度を算出する。

ここで、｜Ｇ１１｜は、グループ名称集合Ｇ１１の要素数を、｜Ｇ１２｜は、グループ名称集合Ｇ１２の要素数を、Ｇ１１∩Ｇ１２は、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との双方に共通する要素数をそれぞれ示す。

上記のように、グループ名称集合Ｇ１１は５３個の要素を有する集合であり、グループ名称集合Ｇ１２は２０個の要素を有する集合である。また、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との双方に共通する要素数は、１８個である。

よって、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との間の類似度は、およそ０．４９３と表すことができる。算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループＧ１と同義語グループＧ２との間の類似度を、たとえば、同様の数値で表すことができる。

ここで、他の同義語グループＧ３を想定する。同義語グループＧ３は、（ｃｏｍｐｌｅｔｅ、ａｃｃｏｍｐｌｉｓｈ、ｆｉｎｉｓｈ）を含む同義語グループである。

同義語グループＧ３についても、同義語グループＧ１および同義語グループＧ２と同様に入力部１８に入力され（図３のステップＳＴ０１）、名称取得部１０によって、同義語グループＧ３に属する全ての単語の、属する同義語グループ名称を取得される（図３のステップＳＴ０２）。そして、名称集合生成部１２によって、取得された同義語グループ名称に基づいて、グループ名称集合を生成される（図３のステップＳＴ０３）。

本実施の形態の例では、同義語グループＧ３における単語ｃｏｍｐｌｅｔｅ、ａｃｃｏｍｐｌｉｓｈおよびｆｉｎｉｓｈそれぞれが属する同義語グループ名称の集合として、ａｃｈｉｅｖｅ．ｖ．０１、ｃｏｍｐｌｅｔｅ．ｖ．０１、ｆｉｎｉｓｈ．ｎ．０８など２６個の同義語グループ名称を得る。これをグループ名称集合Ｇ１３とする。なお、グループ名称集合Ｇ１３には、同義語グループＧ３自身の名称が含まれていてもよい。

上記のうち、グループ名称集合Ｇ１１とグループ名称集合Ｇ１３との双方に共通する同義語グループ名称は、１５個であるものとする。

次に、グループ名称集合Ｇ１１とグループ名称集合Ｇ１２との場合と同様に、類似度算出部１４が、グループ名称集合Ｇ１１とグループ名称集合Ｇ１３との間の類似度を算出する（図３のステップＳＴ０４）。算出されたグループ名称集合間の類似度は、記憶部２２に記憶される。

上記のように、グループ名称集合Ｇ１１は５３個の要素を有する集合であり、グループ名称集合Ｇ１３は２６個の要素を有する集合である。また、グループ名称集合Ｇ１１とグループ名称集合Ｇ１３との双方に共通する要素数は、１５個である。

よって、上記の式（１）の｜Ｇ１２｜を｜Ｇ１３｜（グループ名称集合Ｇ１３の要素数）に置き換え、Ｇ１１∩Ｇ１２をＧ１１∩Ｇ１３（グループ名称集合Ｇ１１とグループ名称集合Ｇ１３との双方に共通する要素数）に置き換えて演算することによって、グループ名称集合Ｇ１１とグループ名称集合Ｇ１３との間の類似度は、およそ０．３７９と表すことができる。算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループＧ１と同義語グループＧ３との間の類似度を、たとえば、同様の数値で表すことができる。

上記のように、グループ名称集合間の類似度を算出することによって、１つの単語に対して複数の同義語グループが作成されている場合であっても、グループ名称集合間の類似度が高い同義語グループ間では後述するような結合などを行うことによって、効果的に用語の統一を図ることができる。

本実施の形態の例では、同義語グループＧ１、同義語グループＧ２および同義語グループＧ３には、共通してｆｉｎｉｓｈが含まれているが、それぞれの同義語グループに属する単語の、属する同義語グループ名称を参照することによって、同義語グループを構成する単語の意味の傾向が類似する同義語グループＧ１と同義語グループＧ２との間ではグループ名称集合間で比較的高い類似度が算出され、一方で、同義語グループを構成する単語の意味の傾向が異なる同義語グループＧ１と同義語グループＧ３との間ではグループ名称集合間で比較的低い類似度が算出される結果となっている。

よって、本実施の形態によれば、同義語グループを構成する単語の意味の傾向を考慮しつつ、同義語グループに対応するグループ名称集合間の類似度を算出することによって、対応する同義語グループ間の類似度を高い精度で判定することができる。そして、たとえば、類似度が高い同義語グループのみを用いることによって、効果的に用語の統一を図ることができる。

また、同義語グループに多義語が含まれる場合であっても、当該多義語が有する複数の意味を反映する同義語グループ名称がグループ名称集合に含まれることとなるため、多義語の意味の広がりを考慮してグループ名称集合間の類似度を算出することができる。

次に、結合部１６は、類似度算出部１４において算出されたグループ名称集合間の類似度（または、同義語グループ間の類似度）があらかじめ定められたしきい値以上であるか否かを判定する（図３のステップＳＴ０５）。そして、グループ名称集合間の類似度（または、同義語グループ間の類似度）があらかじめ定められたしきい値以上である場合、すなわち、図３に例が示されるステップＳＴ０５から分岐する「ＹＥＳ」に対応する場合には、図３に例が示されるステップＳＴ０６へ進む。一方で、グループ名称集合間の類似度（または、同義語グループ間の類似度）があらかじめ定められたしきい値以上でない場合、すなわち、図３に例が示されるステップＳＴ０５から分岐する「ＮＯ」に対応する場合には、動作を終了する。

図３のステップＳＴ０６において、結合部１６は、グループ名称集合間の類似度が算出されたグループ名称集合に対応する同義語グループ同士を結合する。本実施の形態においては、たとえば、しきい値を０．４として、対応する同義語グループＧ１と同義語グループＧ２とを結合して、同義語グループＧ１に含まれる全ての単語と同義語グループＧ２に含まれる全ての単語とを１つの同義語グループに含める。この際、単語の重複がないように結合する。一方で、グループ名称集合Ｇ１１とグループ名称集合Ｇ１３とに対応するグループ名称集合間の類似度はしきい値未満であるため、これらの同義語グループは結合しない。なお、上記のしきい値は、ユーザーが任意に設定可能である。

＜属する同義語グループが１つのみである場合について＞
次に、対応するグループ名称集合間の類似度を算出する複数の同義語グループのうちの少なくとも１つに、属する同義語グループが１つのみである単語が含まれる場合の動作について、以下説明する。なお、属する同義語グループが１つのみである単語、すなわち、自身が属する同義語グループ以外のいずれの同義語グループにも属していない単語を、以下、専門用語を称する。

いずれかの同義語グループに専門用語が含まれる場合には、以下の式（２）を用いて、グループ名称集合の要素数を調整する。

ここで、Ｇ_ｎｓは、専門用語以外の要素が属する同義語グループ名称の集合を示す。

上記のようにグループ名称集合の要素数を調整した上で、図３のステップＳＴ０４に示されるグループ名称集合間の類似度の算出を行う。さらに、必要に応じて、図３のステップＳＴ０５さらにはステップＳＴ０６に示される同義語グループの結合を行う。

具体的に、専門用語が含まれる同義語グループＧ４および同義語グループＧ５について、対応するグループ名称集合間の類似度を算出する場合について以下に示す。

同義語グループＧ４は（ｔｅｒｍｉｎａｔｅ＿ｊｏｂ、ｔｅｒｍｉｎａｔｅ、ｆｉｎｉｓｈ）を含む同義語グループであり、同義語グループＧ５は（ｃｏｍｐｌｅｔｅ＿ｊｏｂ、ａｃｃｏｍｐｌｉｓｈ＿ｊｏｂ、ｆｉｎｉｓｈ）を含む同義語グループであるものとする。ここで、ｔｅｒｍｉｎａｔｅ＿ｊｏｂは専門用語である。

同義語グループＧ４における単語ｔｅｒｍｉｎａｔｅ＿ｊｏｂ、ｔｅｒｍｉｎａｔｅおよびｆｉｎｉｓｈそれぞれが属する同義語グループ名称の集合として、ｅｎｄ．ｖ．０３、ｃｏｍｐｌｅｔｅ．ｖ．０１、ｆｉｎｉｓｈ．ｎ．０８など１８個の同義語グループ名称を得る。これらの集合をグループ名称集合Ｇ１４とする。なお、グループ名称集合Ｇ１４には、同義語グループＧ４自身の名称が含まれていてもよい。

同様に、同義語グループＧ５における単語ｃｏｍｐｌｅｔｅ＿ｊｏｂ、ａｃｃｏｍｐｌｉｓｈ＿ｊｏｂおよびｆｉｎｉｓｈそれぞれが属する同義語グループ名称の集合として、ｅｎｄ．ｖ．０１、ｃｏｍｐｌｅｔｅ．ｖ．０１、ｆｉｎｉｓｈ．ｎ．０８など１５個の同義語グループ名称を得る。これらの集合をグループ名称集合Ｇ１５とする。なお、グループ名称集合Ｇ１５には、同義語グループＧ５自身の名称が含まれていてもよい。

上記のうち、グループ名称集合Ｇ１１とグループ名称集合Ｇ１４との双方に共通する同義語グループ名称は、１７個であるものとする。また、グループ名称集合Ｇ１１とグループ名称集合Ｇ１５との双方に共通する同義語グループ名称は、１５個であるものとする。

この場合、同義語グループＧ１に対応するグループ名称集合Ｇ１１と同義語グループＧ４に対応するグループ名称集合Ｇ１４との間の類似度を算出する際の、グループ名称集合Ｇ１４の要素数は、以下のように調整されて増加する。

同様に、同義語グループＧ１に対応するグループ名称集合Ｇ１１と同義語グループＧ５に対応するグループ名称集合Ｇ１５との間の類似度を算出する際の、グループ名称集合Ｇ１５の要素数は、以下のように調整されて増加する。

よって、上記の式（１）の｜Ｇ１２｜を｜Ｇ１４｜（グループ名称集合Ｇ１４の要素数）に置き換え、Ｇ１１∩Ｇ１２をＧ１１∩Ｇ１４（グループ名称集合Ｇ１１とグループ名称集合Ｇ１４との双方に共通する要素数）に置き換えて演算することによって、グループ名称集合Ｇ１１とグループ名称集合Ｇ１４との間の類似度は、およそ０．４２５と表すことができる。算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループＧ１と同義語グループＧ４との間の類似度を、たとえば、同様の数値で表すことができる。

同様に、上記の式（１）の｜Ｇ１２｜を｜Ｇ１５｜（グループ名称集合Ｇ１５の要素数）に置き換え、Ｇ１１∩Ｇ１２をＧ１１∩Ｇ１５（グループ名称集合Ｇ１１とグループ名称集合Ｇ１５との双方に共通する要素数）に置き換えて演算することによって、グループ名称集合Ｇ１１とグループ名称集合Ｇ１５との間の類似度は、およそ０．３０６と表すことができる。算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループＧ１と同義語グループＧ５との間の類似度を、たとえば、同様の数値で表すことができる。

このように、専門用語が含まれる同義語グループについて、対応するグループ名称集合の要素数を調整することによって、専門用語以外の要素のみを考慮して類似度を算出することによる、過度に類似度が高く算出される場合を抑制することができる。そのため、グループ名称集合間の類似度算出の精度を高めることができる。

＜以上に記載された実施の形態によって生じる効果について＞
次に、以上に記載された実施の形態によって生じる効果の例を示す。なお、以下の説明においては、以上に記載された実施の形態に例が示された具体的な構成に基づいて当該効果が記載されるが、同様の効果が生じる範囲で、本願明細書に例が示される他の具体的な構成と置き換えられてもよい。

以上に記載された実施の形態によれば、類似度算出装置は、名称取得部１０と、名称集合生成部１２と、類似度算出部１４とを備える。名称取得部１０は、複数の同義語グループのうちの第１の同義語グループ（たとえば、同義語グループＧ１）に属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第１のグループ名称（同義語グループ名称）と、複数の同義語グループのうちの第２の同義語グループ（たとえば、同義語グループＧ２）に属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第２のグループ名称（同義語グループ名称）とを取得する。名称集合生成部１２は、少なくとも１つの第１のグループ名称（同義語グループ名称）を要素とする第１のグループ名称集合（たとえば、グループ名称集合Ｇ１１）と、少なくとも１つの第２のグループ名称（同義語グループ名称）を要素とする第２のグループ名称集合（たとえば、グループ名称集合Ｇ１２）とを生成する。そして、類似度算出部１４は、第１のグループ名称集合（たとえば、グループ名称集合Ｇ１１）と、第２のグループ名称集合（たとえば、グループ名称集合Ｇ１２）との間の類似度を算出する。

このような構成によれば、複数の同義語グループが作成される場合であっても、同義語グループに対応するグループ名称集合間の類似度を算出することによって、同義語グループを構成する単語の意味の傾向を考慮しつつ同義語グループ間の類似度を判定することができる。そのため、たとえば、類似度が高い同義語グループ同士をまとめることによって、効果的に用語の統一を図ることができる。なお、同義語グループに多義語が含まれる場合、単語の意味の傾向を考慮せずに単に共通の単語の有無などに基づいて同義語グループ間の類似度を算出すると、同義語グループに含まれる単語の意味の傾向が異なっている同義語グループ同士であっても高い類似度を有するものとして算出される場合があるが、上記の構成によれば、そのような不具合を抑制することができる。

なお、上記の構成に本願明細書に例が示された他の構成を適宜追加した場合、すなわち、上記の構成としては言及されなかった本願明細書中の他の構成が適宜追加された場合であっても、同様の効果を生じさせることができる。

また、以上に記載された実施の形態によれば、類似度算出装置１００は、グループ名称集合間の類似度がしきい値以上である場合に、対応する第１の同義語グループと第２の同義語グループとを結合する結合部１６を備える。このような構成によれば、グループ名称集合間の類似度が高い対応する同義語グループ同士を結合させることができる。よって、同義語グループを構成する単語の意味の傾向が類似する同義語グループ同士を結合させることによって、結合後の当該同義語グループを用いれば効果的に用語を統一することができる。また、グループ名称集合間の類似度の判定に用いるしきい値は調整可能であるため、結合判定の厳しさを用途に応じて調節することができる。

また、以上に記載された実施の形態によれば、類似度算出部１４は、Ｄｉｃｅ係数を用いて類似度を算出する。このような構成によれば、Ｄｉｃｅ係数を用いて算出されたグループ名称集合間の類似度に基づいて、対応する同義語グループ間の類似度を判定することができる。

また、以上に記載された実施の形態によれば、類似度算出部１４は、第１のグループ名称集合における取得可能な第１のグループ名称が１つのみである単語（すなわち、専門用語）の数に応じて第１のグループ名称集合の要素数を増加させ、かつ、第２のグループ名称集合における取得可能な第２のグループ名称が１つのみである単語（すなわち、専門用語）の数に応じて第２のグループ名称集合の要素数を増加させる。このような構成によれば、専門用語以外の要素のみを考慮して見かけ上のグループ名称集合の要素数が少なくなってしまうことによって、グループ名称集合間の類似度が過度に高く算出される場合を抑制することができる。そのため、グループ名称集合間の類似度算出の精度を高めることができる。

以上に記載された実施の形態によれば、類似度算出プログラムは、コンピュータ（たとえば、ＣＰＵ１０２）にインストールされて実行されることによって、ＣＰＵ１０２に、複数の同義語グループのうちの第１の同義語グループに属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第１のグループ名称と、複数の同義語グループのうちの第２の同義語グループに属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第２のグループ名称とを取得させる。そして、ＣＰＵ１０２に、少なくとも１つの第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの第２のグループ名称を要素とする第２のグループ名称集合とを生成させる。そして、ＣＰＵ１０２に、第１のグループ名称集合と、第２のグループ名称集合との間の類似度を算出させる。

このような構成によれば、複数の同義語グループが作成される場合であっても、同義語グループに対応するグループ名称集合間の類似度を算出することによって、同義語グループを構成する単語の意味の傾向を考慮しつつ同義語グループ間の類似度を判定することができるため、たとえば、類似度が高い同義語グループのみを用いることによって、効果的に用語の統一を図ることができる。

また、上記のプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスクまたはＤＶＤなどのコンピュータ読取可能な可搬記録媒体に格納されていてもよい。そして、上記の機能を実現するプログラムが格納された可搬記録媒体が商業的に流通されてもよい。

以上に記載された実施の形態によれば、類似度算出方法において、複数の同義語グループのうちの第１の同義語グループに属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第１のグループ名称と、複数の同義語グループのうちの第２の同義語グループに属するそれぞれの単語が属する同義語グループの名称である少なくとも１つの第２のグループ名称とを取得する工程と、少なくとも１つの第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの第２のグループ名称を要素とする第２のグループ名称集合とを生成する工程と、第１のグループ名称集合と、第２のグループ名称集合との間の類似度を算出する工程とを備える。

なお、特段の制限がない場合には、それぞれの処理が行われる順序は変更することができる。

＜以上に記載された実施の形態の変形例について＞
上記の実施の形態では、同義語グループ間の類似度を算出するためにＤｉｃｅ係数が用いられたが、類似度の算出方法はこの手法に限られるわけではなく、たとえば、Ｊａｃｃａｒｄ係数またはＳｉｍｐｓｏｎ係数などが用いられてもよい。

したがって、例が示されていない無数の変形例、および、均等物が、本願明細書に開示される技術の範囲内において想定される。たとえば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合が含まれるものとする。

また、以上に記載された実施の形態で記載されたそれぞれの構成要素は、ソフトウェアまたはファームウェアとしても、それと対応するハードウェアとしても想定され、その双方の概念において、それぞれの構成要素は「部」または「処理回路」（ｃｉｒｃｕｉｔｒｙ）などと称される。

１０名称取得部
１２名称集合生成部
１４類似度算出部
１６結合部
１８入力部
２０出力部
２２記憶部
１００類似度算出装置
１０１ディスプレイ
１０２ＣＰＵ
１０３メモリ
１０４ＨＤＤ
１０５プログラム
１０６外部記憶媒体
１０７ネットワーク

Claims

複数の同義語グループ間の類似度を算出する類似度算出装置であり、
それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、
それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、
複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、
前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得する名称取得部と、
少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成する名称集合生成部と、
前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出する類似度算出部とを備える、
類似度算出装置。
請求項１に記載の類似度算出装置であり、
前記類似度がしきい値以上である場合に、前記第１の同義語グループと前記第２の同義語グループとを結合する結合部をさらに備える、
類似度算出装置。
請求項１または２に記載の類似度算出装置であり、
前記類似度算出部は、Ｄｉｃｅ係数を用いて前記類似度を算出する、
類似度算出装置。
請求項１から３のうちのいずれか１つに記載の類似度算出装置であり、
前記類似度算出部は、前記第１のグループ名称集合における取得可能な前記第１のグループ名称が１つのみである前記単語の数に応じて前記第１のグループ名称集合の要素数を増加させ、かつ、前記第２のグループ名称集合における取得可能な前記第２のグループ名称が１つのみである前記単語の数に応じて前記第２のグループ名称集合の要素数を増加させる、
類似度算出装置。
複数の同義語グループ間の類似度を算出する類似度算出プログラムであり、
それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、
それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、
複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、
前記類似度算出プログラムがコンピュータにインストールされて実行されることによって、
前記コンピュータに、前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得させ、
前記コンピュータに、少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成させ、
前記コンピュータに、前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出させる、
類似度算出プログラム。
複数の同義語グループ間の類似度を算出する類似度算出方法であり、
それぞれの前記同義語グループは、互いに同義語である複数の単語からなり、
それぞれの前記単語は、１つまたは２つ以上の前記同義語グループに属し、
複数の前記同義語グループは、第１の同義語グループと第２の同義語グループとを含み、
前記第１の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第１のグループ名称と、前記第２の同義語グループに属するそれぞれの前記単語が属する前記同義語グループの名称である少なくとも１つの第２のグループ名称とを取得する工程と、
少なくとも１つの前記第１のグループ名称を要素とする第１のグループ名称集合と、少なくとも１つの前記第２のグループ名称を要素とする第２のグループ名称集合とを生成する工程と、
前記第１のグループ名称集合と前記第２のグループ名称集合とに含まれる要素数に対する共通する前記同義語グループの要素数の割合に基づいて、前記第１のグループ名称集合と、前記第２のグループ名称集合との間の類似度を算出する工程とを備える、
類似度算出方法。