JPH05233719A - 複合的な情報間の関連性識別方法 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、映像情報、活字情報、その他の情
報伝達媒体を介して提供される複合的な情報を利用する
データベースシステムにおいて、各情報間の関連度の識
別に用いられる複合的な情報間の関連性識別方法に関
し、任意のマルチメディア情報間に多様な関連付けを行
うことができることを目的とする。 【構成】 画像情報、音声情報、テキスト情報、その他
各メディア情報を含む複合的な情報間の関連性識別方法
において、各情報に、個々の特徴を自然言語で表現した
特徴表現文と、その情報の発生時刻データとを付加し、
各情報の特徴表現文を自然言語解析して各特徴量を抽出
し、各情報の発生時刻データと、各情報の特徴表現文を
自然言語解析して抽出した時間に関する情報とを用い
て、その情報が実際に発生した絶対時間に変換し、各情
報の特徴量および絶対時間の比較により各情報間の関連
度を算出することを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、映像として提供される
情報、活字として提供される情報、その他の情報伝達媒
体を介して提供される複合的な情報を利用するデータベ
ースシステムにおいて、各情報間の関連度の識別に用い
られる複合的な情報間の関連性識別方法に関する。

【０００２】

【従来の技術】従来のマルチメディア情報を扱うデータ
ベースシステムでは、扱うメディアの種類や対象によっ
てデータベース中で利用するデータの構造やデータ間の
関係が異なるために、それらをデータベースの作成時に
定義していた。したがって、個々のデータベースで扱え
る情報は、地図の情報やドキュメントの情報などのよう
に当初に計画されていたアプリケーションに依存し、デ
ータベース固有に定義されたデータ間の関連性のもとで
しか利用できなかった。

【０００３】さらに、関連性の表現には主にキーワード
が用いられているが、必要なデータを検索するために適
当なキーワードや属性をデータベースに与える作業は、
ユーザにとって大きな負担になっていた。

【０００４】

【発明が解決しようとする課題】ところで、地図のデー
タベースやドキュメントのデータベースといった個々に
独立に作成されたデータベース間において、例えばドキ
ュメントのデータから地図のデータを参照したいという
ように、個々のメディアやデータベースを越えたマルチ
メディアのデータを利用したいという要求がある。

【０００５】しかし、従来技術では、例えば２つのデー
タベース間で新たに必要となった関連性を表現するため
には、新しい関係を検索することが可能なキーワードを
付加した上で、新しい参照関係を示すデータベースを作
成する必要があった。

【０００６】本発明は、任意に作成されたマルチメディ
アのデータベースに対して関連性を識別する機構によ
り、新しい参照関係が必要になっても新しい参照関係デ
ータベースを作成することなく、任意のマルチメディア
情報間に多様な関連付けを行うことができる複合的な情
報間の関連性識別方法を提供することを目的とする。

【０００７】

【課題を解決するための手段】請求項１に記載の発明
は、画像情報、音声情報、テキスト情報、その他各メデ
ィア情報を含む複合的な情報間の関連性識別方法におい
て、前記各情報に、個々の特徴を自然言語で表現した特
徴表現文と、その情報の発生時刻データとを付加し、前
記各情報の特徴表現文を自然言語解析して各特徴量を抽
出し、前記各情報の発生時刻データと、各情報の特徴表
現文を自然言語解析して抽出した時間に関する情報とを
用いて、その情報が実際に発生した絶対時間に変換し、
前記各情報の特徴量および絶対時間の比較により前記各
情報間の関連度を算出することを特徴とする。

【０００８】請求項２に記載の発明は、請求項１に記載
の複合的な情報間の関連性識別方法において、各情報の
特徴表現文を自立語と修飾語の品詞ごとに分類し、品詞
ごとの単語が一致する量により品詞ごとの関連度を算出
し、各情報の特徴表現文中の副詞と日時を表す語を用い
て、各情報の発生時刻データを絶対時間に変換し、前記
各品詞の個数をｎとしたときに、各品詞ごとの単語の一
致量と各情報の絶対時間をｎ＋１次元の空間上の各軸に
それぞれ割り当て、それらの大きさから前記各情報間の
関連度をｎ＋１次元の空間上の擬似的な距離として算出
することを特徴とする。

【０００９】請求項３に記載の発明は、請求項２に記載
の複合的な情報間の関連性識別方法において、各品詞ご
との単語の一致量と各情報の絶対時間をｎ＋１次元の空
間上の各軸にそれぞれ割り当てるときに、所定の軸上で
扱える距離の範囲を指定してｎ＋１次元上の距離を制御
することを特徴とする。

【００１０】請求項４に記載の発明は、請求項２に記載
の複合的な情報間の関連性識別方法において、各品詞ご
との単語が一致する量を計算する際に、特徴表現文の係
受けを解析して情報の大意を表す部分とそれを修飾する
部分とに分離し、各情報の修飾部分で一致する量に対し
て、大意を表す部分で一致する量を加重計算することを
特徴とする。

【００１１】

【作用】本発明は、各メディアに対応する情報に個々の
特徴を自然言語で表現した特徴表現文を付加し、それぞ
れの特徴表現文を自然言語解析して抽出された各特徴量
を比較することにより、各情報間の関連度を算出する。
なお、自然言語解析の処理方法について、地域的な属性
の抽出、人物の抽出などを変化させることにより、各情
報間で複数の関連性を得ることができる。

【００１２】また、各情報にその情報の発生時刻データ
を付加し、各情報の特徴表現文の解析と発生時刻データ
からその情報が実際に発生した絶対時間を割り出し、各
情報を時間軸上に整列させる。

【００１３】ここで、各情報の特徴量および絶対時間を
比較することにより、各情報間の関連度を正確に得るこ
とができる。すなわち、複数のデータベース間で構造や
キーワードに捕らわれずに各情報の関連性を識別するこ
とができる。

【００１４】

【実施例】図１は、本発明の複合的な情報間の関連性の
識別方法を実現するマルチメディアデータベースシステ
ムの実施例構成を示すブロック図である。なお、本実施
例では、データベース化された新聞とテレビのニュース
を例として、ある記事Ａに類似した記事ＢやニュースＣ
を検索する過程について説明する。

【００１５】図において、本実施例のマルチメディアデ
ータベースシステムは、それぞれテレビや新聞などの個
々のメディアに対応したテレビニュースデータベース１
０₁や新聞記事データベース１０₂ と、牽引リンクモジ
ュール２０と、構造リンクモジュール３０と、検索条件
出力モジュール４０と、検索結果獲得モジュール５０
と、内容リンクモジュール６０と、時間リンクモジュー
ル７０と、制御モジュール８０とにより構成される。

【００１６】牽引リンクモジュール２０は、各メディア
対応の個々のデータに付加されたキーワードによる関連
付けを行う。構造リンクモジュール３０は、各メディア
対応の個々のデータの構造を操作する。検索条件出力モ
ジュール４０は、牽引リンクモジュール２０および構造
リンクモジュール３０によって作成される検索条件で各
データベース１０₁ ，１０₂ をアクセスする。検索結果
獲得モジュール５０は、検索条件出力モジュール４０に
よって検索された情報を受け、内容リンクモジュール６
０および時間リンクモジュール７０に送出する。内容リ
ンクモジュール６０は、各情報の特徴表現文を用いて関
連付けを行う。時間リンクモジュール７０は、各情報の
発生時刻を用いて関連付けを行う。制御モジュール８０
は、ユーザとのインタフェースをとりながら各モジュー
ルを制御し、内容リンクモジュール６０および時間リン
クモジュール７０で関連付けられた情報から最終的な検
索結果を作成する。

【００１７】ここで、内容リンクモジュール６０および
時間リンクモジュール７０の構成を図２に示す。図にお
いて、内容リンクモジュール６０は、検索文解析部６１
と、結果文解析部６２と、形態素解析部６３と、比較モ
ジュール６４とにより構成される。検索文解析部６１
は、制御モジュール８０から与えられる検索対象の記事
Ａの特徴表現文を比較要素に基づいて解析し、その結果
を比較モジュール６４に与える。結果文解析部６２は、
検索結果獲得モジュール１５を介して各データベースの
検索結果を取り込み、同様に比較要素に基づいて記事
Ｂ，ニュースＣの特徴表現文を解析し、その結果を比較
モジュール６４に与える。形態素解析部６３は、検索文
解析部６１および結果文解析部６２における特徴表現文
の解析を助ける。比較モジュール６４は、検索文解析部
６１および結果文解析部６２での解析結果と、制御モジ
ュール８０から与えられる閾値との比較を行い、記事
Ｂ，ニュースＣの各特徴量を付与する。

【００１８】時間リンクモジュール７０は、検索時間決
定部７１と、結果文解析部７２と、絶対時間演算部７３
と、比較モジュール７４とにより構成される。検索時間
決定部７１は、制御モジュール８０から与えられる検索
対象の記事Ａの特徴表現文と発生時間から検索対象の基
準となる時間を決め、その結果を比較モジュール７４に
与える。結果文解析部７２は、検索結果獲得モジュール
５０を介して各データベースの検索結果を取り込み、記
事Ｂ，ニュースＣの特徴表現文と発生時刻から各記事の
時間を決め、その結果を比較モジュール７４に与える。
絶対時間演算部７３は、検索時間決定部７１および結果
文解析部７２の各特徴表現文中から「昨日」、「今日」
等といった時間情報を抽出し、その時間を年月日などに
よる絶対時間に変換する。比較モジュール７４は、検索
された記事Ｂ，ニュースＣのデータが検索時間決定部７
１で決められた時間範囲内にあるか否かを判定し、記事
Ｂ，ニュースＣの各特徴量を付与する。

【００１９】次に、制御モジュール８０の構成を図３に
示す。図において、制御モジュール８０は、検索対象文
格納部８１と、内容リンク閾値格納部８２と、時間範囲
格納部８３と、解析方法格納部８４と、比較要素決定部
８５と、関連度計算部８６と、検索結果格納部８７とに
より構成される。検索対象文格納部８１は、検索対象の
記事を格納して内容リンクモジュール６０へ与える。内
容リンク閾値格納部８２は、内容リンクモジュール６０
における特徴量計算に用いる閾値を格納して内容リンク
モジュール６０へ与える。時間範囲格納部８３は、時間
リンクモジュール７０における特徴量計算に用いる時間
範囲を格納して時間リンクモジュール７０へ与える。解
析方法格納部８４は、関連度の計算アルゴリズムを格納
して比較要素決定部８５および関連度計算部８６へ与え
る。比較要素決定部８５は、関連度の計算に必要な名
詞，固有名詞などの比較要素を決定して内容リンクモジ
ュール６０へ与える。関連度計算部８６は、内容リンク
モジュール６０および時間リンクモジュール７０によっ
て決定された特徴量を取り込み、関連度の計算アルゴリ
ズムを用いて関連度を算出して検索結果格納部８７に与
える。検索結果格納部８７は、最終的に関連度ありと判
断されたデータを格納する。

【００２０】以下、記事Ａに類似した記事Ｂやニュース
Ｃを検索する過程の動作手順について、以上示した各部
の構成と、図４に示すフローチャートを参照して説明す
る。まず、ユーザは制御モジュール８０に、検索対象の
記事Ａと、関連度計算の解析方法のアルゴリズムと、時
間範囲と、閾値とを設定することにより、制御モジュー
ル８０は動作を開始する。

【００２１】制御モジュール８０は、比較要素決定部８
５で関連度の計算に必要な比較要素を決定し、記事Ａの
特徴表現文、閾値とともに内容リンクモジュール６０に
設定する（ステップ１）。

【００２２】次に、制御モジュール８０は、記事Ａの特
徴表現文、発生時間および時間範囲を時間リンクモジュ
ール７０に設定する（ステップ２）。次に、制御モジュ
ール８０は、各データベースをキーワード検索するため
のキーワードを牽引リンクモジュール２０に設定する
（ステップ３）。さらに、例えば新聞記事から写真の部
分のみを得るといった構造を操作するための条件、すな
わち抽出したい構造表現を構造リンクモジュール３０に
設定する（ステップ４）。

【００２３】検索条件出力モジュール４０では、牽引リ
ンクモジュール２０および構造リンクモジュール３０に
設定された条件を用いて、テレビニュースデータベース
１０ ₁ および新聞記事データベース１０₂ を検索する
（ステップ５）。検索された結果は、検索結果獲得モジ
ュール５０を介して内容リンクモジュール６０および時
間リンクモジュール７０に送られる。なお、検索結果獲
得モジュール５０は、ここではバッファの役割を果たし
ている。

【００２４】内容リンクモジュール６０では、検索文解
析部６１で記事Ａの特徴表現文について形態素解析した
後に、比較要素に従って解析に必要なデータを生成し、
比較モジュール６４に格納する。また、結果文解析部６
２では、検索された記事Ｂ，ニュースＣの特徴表現文に
ついて形態素解析した後に、比較要素に従って比較対象
のデータを生成し、比較モジュール６４に格納する。比
較モジュール６４では、記事Ａと記事Ｂ，ニュースＣの
各解析データを比較し、閾値よりも多くの一致があるデ
ータには0.00以上1.00未満の特徴量を付加し、閾値より
も一致が少ないデータには1.00の特徴量を付加し、各記
事のデータとともに制御モジュール８０に送出する（ス
テップ６）。

【００２５】時間リンクモジュール７０では、検索時間
決定部７１で記事Ａの特徴表現文および発生時間を用い
て、例えば「昨日」という時間情報を「1991年９月10
日」のような絶対時間に変換し、時間範囲によって「19
91年８月から1991年10月」のような時間の区間に変換
し、比較モジュール７４に格納する。また、結果文解析
部７２では、検索された記事Ｂ，ニュースＣの特徴表現
文から、例えば事件のあった日付、報道された日付のデ
ータを抽出して比較モジュール７４に格納する。比較モ
ジュール７４では、記事Ａと記事Ｂ，ニュースＣの各時
間データを比較し、時間範囲内に存在するデータには0.
00以上1.00未満の特徴量を付加し、時間範囲外のデータ
には1.00の特徴量を付加し、制御モジュール８０に送出
する（ステップ７）。

【００２６】制御モジュール８０では、関連度計算部８
６に内容リンクモジュール６０および時間リンクモジュ
ール７０によって決定された特徴量を取り込み、与えら
れた解析方法を用いて関連度を算出する（ステップ
８）。関連性判定の一例としては、内容リンクモジュー
ル６０から得られた特徴量をα_i (i＝１〜ｎ）、時間リ
ンクモジュール７０から得られた特徴量をβとし、それ
らを擬似的な距離と見なして、

【００２７】

【数１】 の計算式により、相対的な距離を計算する。ここで、解
析方法中に指示された所定の距離内にあるデータに関し
てのみ関連性ありと判断する。

【００２８】検索結果格納部８７では、関連性ありと判
断されたデータについて、相対的な距離から関連度の高
い順に並べ替えて格納する（ステップ９）。ここで、特
徴表現文、データ構造、関連度計算のアルゴリズムにお
ける空間、時間リンクモジュール７０における特徴量の
決め方、内容リンクモジュール６０で得られる特徴量の
決め方についてその一例を説明する。

【００２９】特徴表現文は、新聞や雑誌のような活字の
メディアでは本文のデータ、テレビやラジオのような映
像・音声のメディアではスクリプトを用いることにより
実現できる。

【００３０】データ構造は、テレビニュースを例にとる
と、映像、音声、特徴表現文、放映日時およびキーワー
ドからなる。キーワードには、例えば日本などの地名や
経済などのジャンルといったものが付けられる。

【００３１】関連度計算のアルゴリズムにおける空間
は、内容リンクモジュール６０で生成される特徴量の中
で、特徴表現文の中に多数存在し情報を大まかに示して
いる名詞による特徴量と、動作の状態を示すサ変名詞に
よる特徴量と、事件のあった場所や関わった人物などを
示す固有名詞による特徴量と、「昨日」といった時間を
表す副詞や「４月」といった時間を表す数詞から生成さ
れる特徴量とを用い、４次元の空間として表現する。

【００３２】例えば、情報Ｘとの間の特徴量について、
名詞の特徴量が0.30、サ変名詞の特徴量が0.60、固有名
詞の特徴量が0.20であり、時間リンクモジュール７０で
得られた特徴量が0.00である情報Ｙに対して、動作手順
のステップ８で述べた (1)式により、擬似的な距離は0.
70となる。また、名詞の特徴量が0.30、サ変名詞の特徴
量が0.60、固有名詞の特徴量が0.60であり、時間リンク
モジュール７０で得られた特徴量が0.00である情報Ｚに
対して、擬似的な距離は0.90となる。したがって、情報
Ｙの方が情報Ｘに類似した情報と判定される。

【００３３】この他に各軸の特徴量を変化させることに
より、擬似的な距離を変化させることも可能である。た
とえば、 (1)式に各軸の影響度を示す軸強度μ_i (i＝１
〜ｎ）、μ_B を加えて、

【００３４】

【数２】 とする。ただし、μ_i 、μ_B は、0.00以上の実数で、標
準は1.0 である。この場合、例えば固有名詞の軸強度が
0.010 であったとすると、情報Ｘとの間の特徴量につい
て、名詞の特徴量が0.30、サ変名詞の特徴量が0.60、固
有名詞の特徴量が0.20であり、時間リンクモジュール７
０で得られた特徴量が0.00である情報Ｙの擬似的な距離
は0.67となる。また、名詞の特徴量が0.30、サ変名詞の
特徴量が0.60、固有名詞の特徴量が0.60であり、時間リ
ンクモジュール７０で得られた特徴量が0.00である情報
Ｚの擬似的な距離も0.67となる。したがって、情報Ｙお
よび情報Ｚの情報Ｘに対する類似度は同じと判定され
る。このように、軸強度を変えることで、例えば固有名
詞の軸の影響を弱めれば、サ変名詞が表現する事件が類
似しているといった観点での類似度が強調され、逆に固
有名詞の軸の影響を強めれば人物や場所などの類似が強
調され、関連性の識別に多様性を与えることができる。

【００３５】時間リンクモジュール７０における特徴量
の決め方は、時間リンクモジュール７０が記事Ａと同日
のみの情報しか扱わない場合を0.00とし、無限に古い情
報までを扱う場合を1.00として、時間幅を双曲線関数的
に表現することで達成できる。たとえば、記事Ａとの時
間差Ｘを日数で表し、特徴量Ｙを Ｙ＝1.00−１／(Ｘ＋１） …(3) と表すと、記事Ａと同日の記事について時間リンクモジ
ュール７０で抽出される特徴量は0.00となり、１年前の
情報は0.997 となる。

【００３６】特徴量Ｙの他の決め方は、メディアの種類
に応じて時間リンクモジュール７０が特徴量を決定すれ
ば、テレビと新聞とのように異なるメディアに対して
は、情報が発生してから報道されるまでの時間差を吸収
することができる。たとえば、時間リンクモジュール７
０に入力された記事Ａが午後のテレビニュースであった
場合に、新聞で翌日の朝刊の記事に対しては時間リンク
モジュール７０で得られる特徴量を0.00とし、他の情報
に対しては双曲線関数で表現する。また、時間リンクモ
ジュール７０に入力された記事Ａが午前のテレビニュー
スであれば新聞の夕刊の記事、記事Ａが新聞の朝刊であ
れば前日のテレビニュース、記事Ａが新聞の夕刊であれ
ばお昼までのテレビニュースに対しては、時間リンクモ
ジュール７０で得られる特徴量を0.00とする。この結
果、新聞とテレビニュースとの間にあるメディアによる
時間差を吸収することができ、ある記事に最も類似した
記事を検索し易くすることができる。

【００３７】内容リンクモジュール６０で得られる特徴
量の決め方は、検索対象の記事Ａの特徴表現文から得ら
れた比較対象データと、データベースからの検索文から
得られた単語とが完全に一致する場合を0.00とし、まっ
たく一致しない場合を1.00としたときに、一致した単語
数をａ、比較対象データの単語数をｂとすると、その特
徴量Ｗは、 Ｗ＝1.00−ａ／ｂ …(4) として表現される。たとえば、記事Ａにおいて名詞が10
個存在したときに、検索した記事中に一致する名詞が８
個存在すれば、特徴量はO.20となる。なお、内容リンク
モジュール６０の閾値は外部から設定される。

【００３８】特徴量Ｗの他の決め方は、内容リンクモジ
ュール６０の特徴量の計算において特徴表現文を係受け
解析し、文の主題を表現する文節と、それを修飾する文
節に分離する。すなわち、内容リンクモジュール６０に
入力された記事Ａと、データベースから得られた記事の
それぞれの特徴表現文を係受け解析し、主題（大意）を
表す文節から得られた単語と修飾する文節から得られた
単語とを分類する。例えば比較対象データにおいて、主
題を表す文節から名詞が10個得られ、検索した記事中の
主題を表す文節中に一致する名詞が７個あり、修飾する
文節どうしでは６個中３個の名詞が一致したとすると、
修飾する文節の影響を0.30、主題の文節の影響を0.70と
すれば、特徴量Ｗは、0.70×0.70＋0.30×0.50＝0.36と
なる。この結果、副次的情報による関連性の計算への悪
影響を排除することができる。

【００３９】

【発明の効果】以上説明したように、本発明の複合的な
情報間の関連性識別方法では、例えば新聞記事とテレビ
ニュースのような異なるメディアの情報間に存在する関
連性を容易に識別することができる。すなわち、それぞ
れ異なる作成者により構築されたマルチメディアデータ
ベースに対して、高機能の情報検索サービスを提供する
ことができる。

【００４０】さらに、本発明方法では、個々の情報に特
徴表現文と発生時刻データとを付加するだけでよく、複
数のデータベースに渡ってキーワードなどの関連性を考
慮する必要がなくなり、データベース作成者への負担を
大幅に軽減することができる。

【図面の簡単な説明】

【図１】本発明の複合的な情報間の関連性の識別方法を
実現するマルチメディアデータベースシステムの実施例
構成を示すブロック図である。

【図２】内容リンクモジュール６０および時間リンクモ
ジュール７０の構成例を示すブロック図である。

【図３】制御モジュール８０の構成例を示すブロック図
である。

【図４】本発明実施例の動作手順を説明するフローチャ
ートである。

【符号の説明】

１０₁ テレビニュースデータベース １０₂ 新聞記事データベース ２０ 牽引リンクモジュール ３０ 構造リンクモジュール ４０ 検索条件出力モジュール ５０ 検索結果獲得モジュール ６０ 内容リンクモジュール ６１ 検索文解析部 ６２ 結果文解析部 ６３ 形態素解析部 ６４ 比較モジュール ７０ 時間リンクモジュール ７１ 検索時間決定部 ７２ 結果文解析部 ７３ 絶対時間演算部 ７４ 比較モジュール ８０ 制御モジュール ８１ 検索対象文格納部 ８２ 内容リンク閾値格納部 ８３ 時間範囲格納部 ８４ 解析方法格納部 ８５ 比較要素決定部 ８６ 関連度計算部 ８７ 検索結果格納部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 画像情報、音声情報、テキスト情報、そ
   の他各メディア情報を含む複合的な情報間の関連性識別
   方法において、 前記各情報に、個々の特徴を自然言語で表現した特徴表
   現文と、その情報の発生時刻データとを付加し、 前記各情報の特徴表現文を自然言語解析して各特徴量を
   抽出し、 前記各情報の発生時刻データと、各情報の特徴表現文を
   自然言語解析して抽出した時間に関する情報とを用い
   て、その情報が実際に発生した絶対時間に変換し、 前記各情報の特徴量および絶対時間の比較により前記各
   情報間の関連度を算出することを特徴とする複合的な情
   報間の関連性識別方法。
2. 【請求項２】 請求項１に記載の複合的な情報間の関連
   性識別方法において、 各情報の特徴表現文を自立語と修飾語の品詞ごとに分類
   し、品詞ごとの単語が一致する量により品詞ごとの関連
   度を算出し、 各情報の特徴表現文中の副詞と日時を表す語を用いて、
   各情報の発生時刻データを絶対時間に変換し、 前記各品詞の個数をｎとしたときに、各品詞ごとの単語
   の一致量と各情報の絶対時間をｎ＋１次元の空間上の各
   軸にそれぞれ割り当て、それらの大きさから前記各情報
   間の関連度をｎ＋１次元の空間上の擬似的な距離として
   算出することを特徴とする複合的な情報間の関連性識別
   方法。
3. 【請求項３】 請求項２に記載の複合的な情報間の関連
   性識別方法において、 各品詞ごとの単語の一致量と各情報の絶対時間をｎ＋１
   次元の空間上の各軸にそれぞれ割り当てるときに、所定
   の軸上で扱える距離の範囲を指定してｎ＋１次元上の距
   離を制御することを特徴とする複合的な情報間の関連性
   識別方法。
4. 【請求項４】 請求項２に記載の複合的な情報間の関連
   性識別方法において、 各品詞ごとの単語が一致する量を計算する際に、特徴表
   現文の係受けを解析して情報の大意を表す部分とそれを
   修飾する部分とに分離し、各情報の修飾部分で一致する
   量に対して、大意を表す部分で一致する量を加重計算す
   ることを特徴とする複合的な情報間の関連性識別方法。