JPH01199263A - キーワード抽出装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔技術分野〕 本発明は、ワードプロセッサなどの文書登録。

校正、検索システムに利用されるキーワード抽出装置に
関し、より詳細には、文書中の標題や見出しなどのキー
ワードを抽出するキーワード抽出装置に関するものであ
る。

〔従来の技術〕

従来、論文などの文書中から所定の内容や構成を調べる
には、文書に−通り目を通して、手作業により標題や見
出しなどのキーワードを検索し、抽出するようになって
いた。

しかしながら、キーワードの抽出を手作業で行なうのは
、人手および時間を要する。さらには、キーワード、例
えば見出が’１．１」　ｒｌ。

１（１）Ｊ、・・・・・・のように複雑で深く階層付け
られているような場合には、誤りをおかし易いという問
題があった。

〔目的〕

本発明は、文書中のキーワードが複雑で深く階層付けら
れているような場合であってもこれをユーザが希望する
詳細さで正確にかつ迅速に抽出することの可能なキーワ
ード抽出装置を提供することを目的としている。

〔構成〕

本発明は上記の目的を達成させるため、記号パターンを
構成する所定の文字が登録されている記号辞書と、階層
ごとに記号パターンを記憶する記号記憶部と、記号辞書
を参照して文書中の文字が所定のキーワードを校正する
かの判断を行なうとともに記号記憶部を参照して所定の
階層深さまでの記号パターンを検索し文書中から所定の
キーワードを抽出する抽出処理部とを備えていることを
特徴とするキーワード抽出装置。

以下、本発明の一実施例に基づいて具体的に説明する。

第１図は本発明のキーワード抽出装置の構成図である。

このキーワード抽出装置１は、入力文書２から所定のキ
ーワード、すなわち徐題、見出しを抽出し、抽出された
キーワードを出力部３に格納する抽出処理部４を備えて
いる。なお以下の説明において、標題は最初の文字が数
字（’ＯＪ。

「１」、・・・・・・、ｒ９Ｊ）、区切り文字（’：（
」。

ｒ）」、ｒａ」、ｒａ」、ｒ、Ｊ等）以″外の文字で構
成されているものと定義され、また見出しは最初のいく
つかの文字が数字８区切り文字で構成され所定の記号パ
ターンかつ所定の階層′ＪｆＲ造になっているとする。

抽出処理部４は、標題、見出しを抽出する際に、数字１
区切り文字を記録した記号辞書５を参照するとともに、
入力文書２を自動検索することにより出現した数字１区
切り文字からなる記号パターンを記号記憶部６に記録し
、この記号記憶部６を参照することによって所望の階層
深さまでの見出しを抽出できるようになっている。

第２図には、記号辞書５の具体例が示され、第３図には
記号記憶ｇ６の具体例が示されている。

第３図を参照すると、抽出処理部４により抽出された記
号パターン、例えばｒｌ」、ｒｌ、ＩＪ。

・・・・・・が記号記憶部６に順次に入力すると、記号
記憶部６は、これらを記号パターンとして記憶するとと
もに、これらに番号“１”、“２”、・・・・・・を付
与する。抽出処理部４は、この番号を参照してユーザの
所望する階層の深さまでの見出しを抽出するようになっ
ている。すなわちこの登録番号の大きさが階層深さに対
応するようになっている。

次に第１図のキーワード抽出装置１の動作を第４図乃至
第６図のフローチャートを用いて説明する。

第４図は第１図のキーワード抽出装置１の全体の処理流
れを示すフローチャート、第５図、第６図はそれぞれ第
４図のフローチャート中に存在する標題処理、見出し処
理のフローチャートである。

第４図において、ステラ７８１では、ポインタｐに０″
を設定し、ステップＳ２でユーザの希望する階層の深さ
を“Ｎ”に入れる。なお、階層の深さは、図示しないが
例えばキーボードから抽出処理部４に入力することがで
きる。

次いでステップＳ３では、入力文書２から抽出処理部４
に文字が入力されたか否かを判別する。

入力文字がなければ入力文書２中の文字が全て入力され
てキーワード抽出がなされたことを意味するので、処理
を終了する。一方、入力文字があれば、ステップＳ４に
進み、空白か否かを判別する。

空白であるときには、次の文字を調べる。ため、ステッ
プＳ５に進みポインタｐを１つ歩進して再びステラ７Ｓ
３に戻る。

ステップＳ４において入力された文字が空白でないと判
断されたときには、ステップＳ６に進み、数字または区
切り文字であるかを記号辞書５を参照して調べる。

数字０区切り文字でない場合には、入力された文字を標
題を構成する候補とみなし、ステップＳ７に進んで標題
処理を行なう。

標題処理は、第５図に示すようにしてなされる。

すなわち、ステップＳ２１では、現在のポインタｐの位
置をポインタｔｐにセーブし、ステップ３２２において
次の文字を調べるなめポインタｐを１つ歩進する。ステ
ップＳ２３では、次の文字が空白であるか否かを調べ、
空白でないときにはステップＳ２２に戻る。ステップ３
２２．３２３を繰返すことにより空白の文字が見つかる
まで空白でない部分すなわち標題とみなされる部分を読
み飛ばす。

ステップ３２３において空白であると判断されると、ス
テップＳ２４に進み、ポインタＰとポインタｔｐとの差
が“１”であるか否かを調べる。

ポインタｐとポインタｔｐとの差が“１″であるときに
は、ポインタｔｐの位置から計数して空白でない部分の
文字数が１”であることを意味するので、ステップＳ２
５に進み１文字の標題として抽圧する。一方、ポインタ
Ｐとポインタｔｐとの差が“１”以上のときには、ステ
ップＳ２６に進み複数文字からなる標題として抽出する
。

標題の抽出を終了後、ステップＳ２７に進み、ポインタ
ｐを１つ歩進させ、ステップ８２８においてポインタｐ
の位置が改行であるか否かを調べる。改行であれば、ス
テップＳ２９に進みポインタｐをさらに１つ歩進させ、
ステップＳ３０において、ポインタｐの位置の文字が数
字２区切り文字または空白であるかを調べる。

ステップ８２８において改行ではなく、またステップ３
２８において改行であっても、ステップＳ３０において
数字９区切り文字または空白が生起しないときには、見
出しの候補とはなり得ないので、改行の次に数字１区切
り文字または空白が生起するまでステップ３２７乃至Ｓ
３０の処理を緑返す、改行の次に数字１区切り文字また
は空白が生起したときには見出しの候補となるので見出
し処理を行なうため標題処理を終了する。

このようにして第４図のステップＳ７の標題処理を終了
してステップＳ８の見出し処理を行なう。

なお、ステップＳ６において、数字または区切り文字で
ある場合に、はステップＳ７の標題処理を行なわずにス
テップＳ８の見出し処理に進む。

見出し処理は、第６図のようにしてなされる。

すなわち、第６図においてステップ５４１では現在のポ
インタｐの位置をポインタｓｔにセーブし、ステップ８
４２において、ポインタｐの位置に文字があるか否かを
調べる０文字がない場合には見出し処理を終了する。一
方、文字がある場合にはステップ８４３に進み、この文
字が数字または区切り文字であるかを記号辞書５を参照
して調べる。数字または区切り文字である場合には、ス
テップＳ４４に進み、次の文字を調べるためポインタｐ
を１つ歩進させて再びステップ８４２に戻る。

ステップ８４３において数字または区切り文字でないと
判断されたときにはステップ８４５に進み、ポインタｓ
ｔの位置からポインタ（ｐ−１）の位置までの文字パタ
ーンと同じ形の記号パターンが記号記憶部６にすでに登
録されているかを調べる。この際、例えば“１−１″と
“１−２″とは同じパターンの形とみなすが、′１−１
″と“１．２′とは違うパターンであるとする。ステッ
プ３４５にお（する比較の結果、違うパターンならば、
ステップＳ４６に進み、記号記憶部６に記憶されている
番号の最大値が第４図のステップＳ２において入力した
階層の深さＮよりも大きいか否かを調べる０階層の深さ
Ｎよりも大きいときには、このパターンは、所望の深さ
よりもさらに深いすなわちより詳細な見出しとなってい
るので、これを記号記憶部６に登録したり抽出したりす
る必要なく見出し処理を終了する。

こ・れに対しステップ３４６において番号の最大値が階
層の深さＮよりも大きいものでない場合には、このパタ
ーンを記号記憶部６に記憶させるためステップＳ４７に
進み、ポインタｓｔの位置からポインタ（Ｐ−１）の位
置までの文字を記号記憶部６に入れ、ステップ３４８に
進む。

また、ステップＳ４５においてポインタｓｔの位置から
ポインタ（ｐ−１）の位置までの文字パターンと同じ形
の記号パターンが記号記憶部６にすでに登録されている
場合には、記号パターンを新たに登録するステップ３４
６，８４７の処理をせずにステップＳ４８に進む。

ステップ８４８ではポインタｐの位置の文字が空′白か
否かを調べ、空白であるときには、ステップＳ４９にお
いてポインタｐを１つ歩進し、空白でない文字が見つか
るまでステップ３４８．Ｓ４９を繰返し、空白部分を読
み飛ばす、ステップ８４８において空白でないと判別さ
れたときにはステップＳ５０に進み、ステップ３５０．
８５１を次の空白が見つかるまで繰返し、空白でない部
分を読み飛ばす。

ステップ８５１において次の空白が見つかったときには
、ステップＳ５２に進み、ポインタｓｔの位置からポイ
ンタ（ｐ−１）の位置までの文字を見出しとして抽出し
、見出し処理を終了する。

このようにして見出し処理が終了すると、第４図におい
て、ステップＳ９に進みポインタｐを１つ歩進させステ
ップＳ１０に進む。

ステップＳＩＯでは、ポインタｐの位置に文字があるか
否かを調べなければ、キーワード抽出処理を終了する０
文字がある場合には、ステップＳ１１に進み、この文字
が改行であるか否かを調べ、改行でない場合には、次の
文字を調べるためステップＳ９に戻る。ステップ８１１
において改行である場合には、ステップＳ１２に進みポ
インタｐを１つ歩進させステップＳ１３において次の文
字を調べる。

次の文字が数字１区切り文字または空白であると判断さ
れたときには、次の見出し候補を検出したと判断されス
テップＳ８に戻り、見出し処理Ｓ８を行なわせる。

ステップ３１３で次の文字が数字１区切り文字または空
白でないと判断されたときにはステップＳ９に戻り次の
文字へ処理を進める。

このようにしてキーワード抽出処理が行なわれるが、こ
のような処理流れを第７図の例に基づきより具体的に説
明する。

第７図は入力文書２の一例を示す図であり、この入力文
書からキーワードを抽出する際、当初、記号記憶部６に
は記号パターンが登録されておらず、またステップＳ２
において階層深さＮを“２”に設定したとする。

先づ第１行目のポインタｐが“０″から“２′。

までの間は空白であるので、ステップＳ３乃至Ｓ５を繰
返す０次いでポインタｐが“３”となったときに「１」
の文字が見つかり、これは空白ではなく、さらには数字
であるので、ステップＳ６゜Ｓ８と進みステップＳ８の
見出し処理を行なう。

見出し処理では、ステップＳ４１でポインタｓｔに“３
”が設定され、次の文字「国」は数字や区切り文字では
ないので、ステップＳ４２゜Ｓ４３，８４５と進み、ポ
インタｓｔの位置からポインタ（ｐ−１）の位置までの
文字、すなわち「１」を取出ず、記号記憶部６にはまだ
何も記憶されていないので、番号を“１″に設定しステ
ップＳ４６に進む、ステップＳ４６では、この番号“１
°゛と階層深さ“２”とが比教されるが、番号“１″は
“２″よりも小さいので、ステップＳ４７に進み、記号
記憶部６に文字「１」を登録する０次いでステップＳ４
８に進むが、次の文字「国」は空白ではないので空白に
なるまでステップＳ５０．Ｓ５１を繰返し、文字を読み
飛ばす。

ポインタＰが“７″になるときに空白になるので、ステ
ップ８５２に進み、ポインタｓｔの位置からポインタｐ
の位置まで、すなわち“３″の位置から“７″の位置ま
での文字「１国文法」を抽出する。これにより、見出し
「１国文法」を抽出できる。

この見出し処理を終了後、改行の次に数字１区切り文字
または空白が生起するまでステップＳ９乃至３１３を繰
返し、文字を読み飛ばす、第２行目においてポインタｐ
が“５７″のときに改行があり、第３行目においてポイ
ンタｐが“５８′”のときに数字があるので、再びステ
ップＳ８に戻り同様にして見出し処理を行なう、この見
出し処理では文字ｒ１．ＩＪが取出され、記号記憶部６
にはこの文字のパターンとは異なる記号パターン［１」
だけが記憶されているので番号“１”を更新して“２″
にする。この番号“２”は階層深さ“２″よりも大きく
ないので文字’１．ＩＪを新たな記号パターンとして登
録できて、さらに見出し［１，１序言」を抽出できる。

第７図の例ではその後、文字ｒ１．１．３Ｊが出現する
が、この文字ｒ１．１．３４は改行した次に生起してい
ないので見出しの候補にはならず、登録、抽出されない
。

また、文字ｒ１．１．ＩＪも出現し、この文字ｒ１．１
．ＩＪは見出しの候補となるが、階層深さ“２”よりも
大きな番号″３”が付されるようになるので、登録され
ず、抽出されない。

このようにして、番号“２”までの階層深さの記号パタ
ーンを有する見出しだけを抽出することができる。

なお、上述の実施例では、入力文書２を自動検索するこ
とにより出現した記号パターンを記号記憶部６に階層ご
とに記憶させ、記号記憶部６を自動作成するようになっ
ているが、記号記憶部６に予め所定の記号パターンを階
層ごとに記憶・させておいても良い。

〔効果〕

以上に説明したように、本発明によれば、記号辞書を参
照して入力された文字が所定のキーワードであるかの判
断を行ない、記号記憶部を参照して所定の階層深さまで
の記号パターンを検索しキーワードを抽出するようにし
ているので、キーワードが複雑で階層付けられているよ
うな場合であってもこれをユーザが希望する詳細さで正
確にかつ迅速に抽出することができる。

【図面の簡単な説明】

第１図は本発明のキーワード抽出装置の梢或図、第２図
は記号辞書の具体例を示す図、第３図は記号記憶部の具
体例を示す図、第４図はキーワード抽出装置の全体の処
理流れを示すフローチャート、第５図、第６図はそれぞ
れ標題処理、見出し処理のフローチャート、第７図は入
力文書の具体例を示す図である。 １・・・キーワード抽出装置、２・・・入力文書、３・
・・出力部、４・・・抽出処理部、５・・・記号辞書、
６・・・記号記憶部 特許出願人　　株式会社　リ　コ　−

Claims (1)

【特許請求の範囲】
1. 記号パターンを構成する所定の文字が登録されている記
   号辞書と、階層ごとに記号パターンを記憶する記号記憶
   部と、記号辞書を参照して入力された文字が所定のキー
   ワードを構成するかの判断を行なうとともに、記号記憶
   部を参照して所定の階層深さまでの記号パターンを検索
   し文書中から所定のキーワードを抽出する抽出処理部と
   を備えていることを特徴とするキーワード抽出装置。