JPH03116374A

JPH03116374A - 専門用語抽出システム

Info

Publication number: JPH03116374A
Application number: JP1254577A
Authority: JP
Inventors: Masako Bosu; 雅子望主
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1989-09-29
Filing date: 1989-09-29
Publication date: 1991-05-17
Anticipated expiration: 2013-10-22
Also published as: JP2812509B2

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】産業上の利用分野本発明は、ワードプロセッサ、検索システムなどの専門
用語辞書を必要とするものの辞書作成や、キーワード抽
出や要約システムなどの用語の抽出に関連した専門用語
抽出システムに関する。

従来の技術一般に、キーワード抽出や知識ベース構築においては処
理対象における専門用語の抽出が重要である。これまで
専門用語を抽出したものとして専門用語辞書などがある
が、これらは分野に依存するもので、人手により作成す
るしかなく、膨大な時間と労力を必要とする。また、技
術の進展とともに新製品や新技術を表す新しい語が造ら
れていくため、辞書を常に更新しなければならない。こ
れは、自動化するにしてもある程度のベースとなる語は
人手により作成しなければならない。

この点、専門用語辞書を効率的に作成するものとしては
特開平１−１３７３６６号公報に示されるものがある。

これは、その分野のキーワードとなる語を接辞として持
つ語を自動的に収集するようにしたものである。

発明が解決しようとする課題このようなキーワード方式によっても、その分野のキー
ワードとなる語を人間が予め設定しておくことが必要で
あるが、分野特徴語は文書の頻度や品詞情報だけでは抽
出が難しく、キーワード設定は難しい。また、分野によ
っても全く違うので、分野毎にキーワードを用意する必
要がある。特に、シソーラスや意味素性はその設定の難
しさと多大な労力の割に精度のよいものを作成するのは
かなり烈しい。

課題を解決するための手段入力文書の語の単位と品詞とを認定する形態素解析部と
、形態素解析部による解析結果から前記入力文書中の複
合語を抽出する複合語抽出部と、抽出された複合語の構
成語の頻度と単語結合数とから専門用語特徴語基を抽出
する専門用語特徴語基抽出部と、抽出された専門用語特
徴語基に基づき前記入力文書中から専門用語を抽出する
専門用語抽出部とにより構成した。

作用専門用語の特徴を考えると、その分野の新製品や新技術
を表すものが多く、専門用語の名称として既存の語を組
合せる場合が多く、必然的に複合語が多くなる。よって
、専門用語を抽出する際には、まず、入力文書中から全
ての複合語を専門用語の候補として抽出することが有効
である。このような複合語の抽出は形態素解析結果によ
り可能である。ここに、複合語解析に関しては、複合語
の内部構造から上位−下位関係を抽出するものとしては
、「複合語の解析による語の上位−下位関係の自動構築
Ｊ　　（１９８９，１，２０情報処理学会自然言語処理
研究会）に示されるものがある。

これは、複合語の主語基（複合語の主要部となる語であ
り、主に語末にある）の持つ意味を上位語、一般語とす
ると、語基に修飾語が結合していくことで、より下位の
概念を表すようになることを利用したものである。この
ような複合語解析のみでは、専門用語であるかどうかは
認定できないが、複合語の解析において複合語の構成語
の頻度、さらには単語結合数から専門用語特徴語基を抽
出することにより、この専門用語特徴語基を含む複合語
を入力文書の分野に適した専門用語として自動的に抽出
できる。即ち、全て入力文書の解析によるものであり、
キーワード設定といった人為的な操作を要せず、任意分
野の専門用語の抽出が自動的に可能となる。

実施例本発明の一実施例を図面に基づいて説明する。

第１図は、本実施例の専門用語抽出システム構成を示す
もので、入力文書ｌを入力とする形態素解析部２と、複
合語抽出部３と、専門用語特徴語基抽出部４と、専門用
語抽出部５による処理を順に行うように構成されている
。

ここに、形態素解析部２は任意の分野の入力文書ｌにつ
いて、語の単位と品詞を認定する形態素解析を行う。複
合語抽出部３は形態素解析結果に対して名詞、形容動詞
、接辞の連続を複合語として抽出する複合語抽出を行い
、入力文書１中の複合語を全て抽出する。専門用語特徴
語基抽出部４では抽出された複合語に対してその構成語
なる主語基（前述した文献に示されるように、複合語の
主要部となる語）が専門用語をなす語基であるかどうか
を評価値（後述する）を用いて判断し、専門用語をなす
語基だけを抽出する専門用語特徴語基抽出処理を行う。

ついで、専門用語抽出部５では、抽出された複合語中か
ら、専門用語特徴語基と判定された語を語基とするもの
だけを専門用語として抽出する処理を行う。

ここに、専門用語特徴語基抽出部４による処理の概要を
第２図により説明する。前述した複合語抽出部３により
抽出された複合語リスト６中の複合語に対して、まず、
語末に位置する主語基の頻度を算出する。次に、各主語
基の入力文書１内での平均結合数を計算する。これは、
ある語を主語基とする時に、その前に付く修飾語の数を
、１つの語基当たりについて計算するものである。主語
基の頻度と平均結合数から評価値を算出し、ある閾値以
上であればその語を専門用語特徴語基と判定するもので
ある。

具体例により説明する。例えば、情報処理分野の入力文
書１の場合を考える。入力文書ｌについて形態素解析を
行い、複合語を抽出する。第３図は入力文書１中から抽
出された複合語りストロの内容の一例を示す。この複合
語りストロ中には、複合語の表記と、その複合語を構成
する単位を表す分割位置、品詞を情報として持つ。この
ような複合語りストロに基づいてその語基が専門用語の
語基であるかどうかを判定する。まず、主語基の頻度を
算出すると、「プロセッサ」　「コンピュータ」を主語
基とする複合語は各々６回、３回出現しているので、頻
度を各々６．３とする。また、「プロセッサ」を主語基
とする複合語［マルチプロセッサＪ　「マイクロプロセ
ッサＪ　「数値演算プロセッサ」等の結合数、即ち、修
飾語の数は、「マルチ」　「マイクロ」　「数値」　「
演算」　「分数」「処理」　「ファジー」　「マイクロ
」　「高速」　「画像」　「処理」の１１となる。同様
に、「コンピュータ」を主語基とする複合語の結合数は
６となる。

平均結合数（＝評価値）は、頻度、修飾する語の数（＝
結合数）から、（結合数）／（頻度）により算出され、
「プロセッサ」の場合は１．８、「コンピュータ」の場
合は２となる。このような計算結果は、主語基毎に第４
図に示すように処理結果メモリ７に格納される。

このような結果につき、例えば、頻度が３以上で平均結
合数が１．５以上のものを（このような閾値は実験に基
づき適宜設定される）、専門用語特徴語基とすると、本
例の場合、「プロセッサ」「コンピュータ」はともに専
門用語特徴語基なる主語基と判定される。よって、これ
らの「プロセッサ」　「コンピュータ」を主語基とする
複合語（第３図に例示したもの）は全て専門用語として
抽出される。

発明の効果本発明は、上述したように専門用語として複合語が多い
点に着目し、入力文書中から抽出した複合語につき、そ
の構成語の頻度と単語結合数とから専門用語のベースと
なる専門用語特徴基を抽出するようにしたので、任意の
分野についてその分野に適した専門用語を、キーワード
入力等の人為的操作を要せず、自動的に抽出することが
できるものである。

【図面の簡単な説明】

図面は本発明の一実施例を示すもので、第１図はブロッ
ク図、第２図は専門用語特徴語基抽出処理を示すフロー
チャート、第３図は複合語リストの記憶内容を示す説明
図、第４図は処理結果メモリの記憶内容を示す説明図で
ある。ｌ・・・入力文書、２・・・形態素解析部、３・・・複
合語抽出部３．４・・・専門用語特徴語基抽出部、５・
・・専門用語抽出部

Claims

【特許請求の範囲】

入力文書の語の単位と品詞とを認定する形態素解析部と
、形態素解析部による解析結果から前記入力文書中の複
合語を抽出する複合語抽出部と、抽出された複合語の構
成語の頻度と単語結合数とから専門用語特徴語基を抽出
する専門用語特徴語基抽出部と、抽出された専門用語特
徴語基に基づき前記入力文書中から専門用語を抽出する
専門用語抽出部とよりなることを特徴とする専門用語抽
出システム。