JPH1040267A

JPH1040267A - 文書要約ビューア

Info

Publication number: JPH1040267A
Application number: JP8215078A
Authority: JP
Inventors: Hiroki Fujino; 博喜藤野
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1996-07-26
Filing date: 1996-07-26
Publication date: 1998-02-13

Abstract

(57)【要約】【課題】同意語句を認識させて要約に反映させることを
可能とし、文章要約結果については確定物として表示さ
れたものだけでなく、最後は利用者の意図で必要な文書
を選択させることも可能とする、要約文の作成方式の提
供。【解決手段】文書の要約を行いたい部分を指定し、文章
の重要な部分を抽出することによって文章の要約文を得
る要約文書作成方式において、各文書を構文解析し必須
構成要素と任意構成要素とに識別する文型参照手段、必
須構成要素のうち必須単語をヒストグラム化して表示す
る際に、同じ意味の語句は同じグループとして認定する
手段、認定用に識別を可能にする文章要素同意語データ
ベース、定義されたキーワードを用いて各単語をヒスト
グラム化する手段、その結果を語句の使用頻度として視
覚的に表示する手段を備え、その結果を元に利用者が要
約修正を可能とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文章作成方式に関
し、特に文章の内容を解析して要約を作成する要約文書
作成方式（「文書要約ビューア」ともいう）に関する。

【０００２】

【従来の技術】この種の文章作成方式として、例えば特
開平３−１０５５６６号公報には、大量のテキストから
効率良く情報を得るための抄録の自動作成方式として、
文単位で抜き出す方式と文内の不要部分を削除する方式
を組み合わせることにより簡潔な抄録を作成する方式が
提案されている。この抄録作成方式は、キーワードを抽
出する手段と、前記キーワード抽出手段に基づき重要な
文を抄録候補文として文書から抽出する手段と、文を構
文解析し、必須構成要素と任意構成要素に識別する中間
表現抽出手段と、前記抄録候補文抽出手段によって抽出
された文の中間表現から不要な任意構成要素を上記キー
ワードに基づいて削除し、簡略化中間表現を抽出する手
段と、簡略化された中間表現から抄録文を再構成する手
段を、備えて構成されている。

【０００３】このリストから各段落のキーワードを求め
る。この方法について図４を参照して説明する。まず、
単語出現リストより、全ての異なり単語について文章全
体において各単語が出現した回数を求め（ステップ４
１）、この回数がしきい値よりも大きく、予め設定され
ているストップワードファイルに含まれていないものを
文章全体の高頻度語とする（ステップ４２）。ストップ
ワードファイルには、高頻度で出現してもキーワードと
はなり得ないものを、単語そのもの（例えば、ａｎ
ｄ）、品詞の種類（例えば冠詞）、意味素性（例えば、
名詞で数を示すもの）などの形式で記述しておく。しき
い値は、しきい値定数α（０＜α＜１）を予め設定して
おき、しきい値＝（最高出現頻度）×（しきい値定数）
を計算することによって決定する。

【０００４】次に、単語出現リストより、各段落におけ
る異なり単語の出現頻度を求め（ステップ４３）、各段
落においてステップ４２と同様の処理を行い、文章全体
の高頻度語として選ばれなかった単語を各段落での高頻
度語とする（ステップ４４）。以上で求めた文章全体の
高頻度語と各段落の高頻度語を合わせて各段落のキーワ
ードとする（ステップ４５）。次に、ユーザ指定キーワ
ードファイルをみてユーザ指定キーワードが設定されて
いれば、更にこれを各段落のキーワードに加える（ステ
ップ４６）。

【０００５】図６は、英文自動抄録作成装置のハードウ
ェア構成図である。６１は入力される元の英文が格納さ
れる英文データファイル、６２は形態素解析に用いる英
語辞書ファイル、６３はキーワードの抽出に用いるスト
ップワードファイル、６４は元の英文を入力してから結
果の抄録を出力するまでの全ての処理を行う処理装置、
６５は処理装置が必要とするテーブル類が保持されるメ
モリであり、単語リスト、単語出現リスト、キーワード
リスト、文得点リスト、抽出分数リスト、候補文リス
ト、中間表現テーブル、簡略化中間表現テーブルが含ま
れている。６６はユーザが特に設定したキーワードが格
納されるユーザ指定キーワードファイル、６７は処理の
結果得られた抄録が格納される抄録ファイルである。

【０００６】次に、図５に示したフローチャートに従っ
て、上記特開平３−１０５５６６号公報に提案されてい
る処理方式を説明する。

【０００７】英文データファイル６１より、対策となる
英文テキストを抽出し（ステップ１０１）、一文ずつ形
態素解析を行い、各文に含まれる単語リストを求める
（ステップ１０２）。この単語リストから、単語出現リ
ストを作成する（ステップ１０３）。このリストから各
段落のキーワードを求める（ステップ１０４）。次に、
このキーワードを用いて、計算式によって、各文の得点
を計算する（ステップ１０５）。このようにして求めた
各文の得点に基づいて、抄録の候補文を採用する（ステ
ップ１０６）。次に、求めた抄録の候補文のみを対象と
して、構文解析処理を行い、中間表現を求める（ステッ
プ１０７）。次に、この中間表現から不要な任意構成要
素を取り除く（ステップ１０８）。この簡略化中間表現
テーブルの文字列を順番に並べることによって、簡略化
された抄録候補文を得ることができる（ステップ１０
９）。次に、抄録の量の上限を、抄録中の全文字数で設
定する（ステップ１１０）。もし、上限が設定されない
か（ステップ１１１）、抄録の量が上限以下ならば（ス
テップ１１２）、得られた抄録を抄録ファイル７に格納
し処理を終了する。抄録の量が指定された上限を越える
場合は、抄録候補文リストをみて、抄録に採用されてい
る文の中で最も得点の低いものを、抄録中で最も不要な
文として抄録に不採用と再設定し（ステップ１１３）、
再び抄録の量が指定された上限以下であるかを調べる。

【０００８】

【発明が解決しようとする課題】上記従来の抄録作成方
式は、下記記載の問題点を有している。

【０００９】（１）第１の問題点は、同意語句の区別が
できない、ということである。

【００１０】その理由は、上記従来の抄録作成方式にお
いては、各単語の分割は行うが、分割された単語ごとの
意味上のつながりを連携付けるためのデータベースを具
備していない、ことによる。

【００１１】（２）第２の問題点は、ユーザ自身で要約
を行った方がよい場合には、対応しきれないことが多
い、ことである。

【００１２】その理由は、システム側でバッチ処理的に
要約を行い、生成された結果を抄録文として表示する、
という方式とされている、ことによる。

【００１３】従って、本発明は、上記事情に鑑みてなさ
れたものであって、その目的は、同意語句を認識させて
要約に反映させることを可能とし、文章要約結果につい
ては確定物として表示されたものだけでなく、最後は利
用者の意図で必要な文書を選択させることも可能とす
る、要約文の作成方式を提供することにある。

【００１４】

【課題を解決するための手段】前記目的を達成するた
め、本発明の要約文書作成方式は、文書の要約を行いた
い範囲を指定し、文章の重要な部分を抽出することによ
って文章の要約文を得る要約文書作成方式において、各
文書を構文解析し、必須構成要素と任意構成要素とに識
別する文型参照手段と、前記必須構成要素のうちで必須
単語をヒストグラム化して表示する際に、同じ意味の語
句は、同一グループとして認定する手段と、認定識別の
際に参照される文章要素同意語データベースと、定義さ
れたキーワードを用いて各単語をヒストグラム化する手
段と、その結果を語句の使用頻度として視覚的に表示す
る手段と、を備え、その結果を基に利用者が要約の修正
を可能としたことを特徴とする。

【００１５】本発明の概要を以下に説明する。本発明に
おいては、形態素解析等を用いて、文章構造を解析する
（分割手段（図１の３）、文型参照手段（図１の５）、
文型ＤＢ（図１の８））。その後、分割が行われ、余分
な要素を除いた必須単語のみで構成された文章に対して
同意語の認定を行う（分割手段（図１の３）、同意語参
照手段（図１の６）、同意語ＤＢ（図１の９））。

【００１６】グループ化されたキーワードの集合を用い
て、ヒストグラム化を行うが、抽出手段としては、ユー
ザに要約文書選択用の幅を持たせるため、抽出された文
書を一旦原文に戻した後、重要文書として表示手段（図
１の１）に表示した後、選択手段（２）でユーザが最終
的な選択を行う。

【００１７】本発明においては、要約すべき文書があ
り、同じ意図を異なる単語で表現しているものを同意語
とし、同意語ＤＢを設けたことで、より絞り込まれた要
約文書を得ることができる。また、要約される文章に選
択幅を設けていることで、計算機で処理された結果に対
し、利用者の裁量を意図した要約文を完成させることが
できる。

【００１８】

【発明の実施の形態】本発明の実施の形態について図面
を参照して詳細に説明する。図１は、本発明の実施の形
態に係る要約文書作成システムのシステム構成を示した
ものである。

【００１９】文書ファイル１０から対象とすべき文書を
読み出し記憶手段４に記憶する。その後、分割手段３
は、記憶手段４に記憶された文章について文章の分割を
行う。そして、文型参照手段５を用いて文型データベー
ス（文型ＤＢ）８をアクセスし、文の基本要素のみに文
章を変換するため修飾語を削除する。その後、同様に分
割手段３から同意語参照手段６を用いて同意語データベ
ース（同意語ＤＢ）９にアクセスし、各単語の使用頻度
を求める。

【００２０】ヒストグラムデータ部７は、分割手段３に
よって得られた結果（単語の使用頻度）を管理してい
る。

【００２１】分割され、ヒストグラム化された文章は、
選択手段２でユーザ１２によってアクセスされる。表示
手段１では選択手段２で選択された文書の原形を表示、
及び単語のヒストグラム表示などを行う。

【００２２】文書ファイル１０から読み込まれた各文書
は、分割手段３、文型参照手段５、文型ＤＢ８、同意語
参照手段６、同意語ＤＢ９からヒストグラムデータ部７
でヒストグラムデータ化され、頻度データとして選択手
段２で、表示手段１で視覚化されたものとして認識し、
ユーザ自身が選択したいものを、ユーザ入力部１１で入
力する。

【００２３】本発明の実施の形態の動作について説明す
る。図１を参照して、文書ファイル１０から記憶手段４
に記憶された文書について、分割手段３から文型参照手
段５を用いて文型ＤＢ８にアクセスし、文型の余分な部
分をとり除く。同様に分割手段３から同意語参照手段６
を用いて同意語ＤＢ９にアクセスし同意語別のリストを
作成する準備を行う。

【００２４】分割されたヒストグラム化された文章は、
選択手段２で原文を表示及び単語のヒストグラム表示な
どを行っている。このように、使用頻度が高い単語をキ
ーワードとして設定し、記憶手段４から選択手段２で選
択する。なお、表示手段１では選択手段２で選択された
文章の原文を表示すること、及び単語のヒストグラム表
示を行うことなどをユーザに対して行う。ユーザはキー
ボード入力によって最も適切なものを選択する。

【００２５】

【実施例】本発明の実施の形態を具体的に示す実施例と
して、本発明を日本語の文章で要約を作成するシステム
に適用した例を説明する。図１は、本実施例の要約文書
作成システムの構成を示したものである。文書ファイル
より対象となる文書を記憶手段４にメモリする。その
後、分割手段３によって文書を文章、単語へと分割する
処理を施す。各々の文章に対して文章参照手段５にて、
文型データベース（ＤＢ）を参照し、文の基本要素のみ
に各文章を変換する。ここで修飾語句は削除されてしま
う。その処理の後の文章を同意語参照手段６にて同意語
ＤＢを参照し、各単語の使用頻度を求める。

【００２６】その後、使用頻度が高い単語をキーワード
として設定し、記憶手段４から選択手段２で選択する。
なお、表示手段１では、選択手段２で選択された文章の
原文を表示すること、及び単語のヒストグラム表示を行
うことなどを行う。

【００２７】ユーザは要約編集を行いたければ、そのヒ
ストグラムに従ってキーとなる要約文を選定することが
できる。ユーザは表示された要約文、ヒストグラム、キ
ーワードによって順位づけられた原文を参照して、最終
的な要約文を効率的に作成することができる。

【００２８】図２は、本発明の実施例の動作を説明する
ための図である。図１及び図２を参照して、本発明の実
施例の動作について説明する。

【００２９】まず文書を記憶手段４に記憶する（ステッ
プ２１）。分割手段３は、文章を句読
点（「。」、「、」）及び接続詞で分割する（ステップ
２２）。

【００３０】分割処理後の文書が一文「次に…説明す
る」であったとき、文型参照手段５で、文型ＤＢ８を照
合し、修飾語句をとり除き、基本文型から構成される一
文に変換する（ステップ２３）。

【００３１】次に、他にも文章を含んでいた場合であれ
ば、その基本文型のみで構成される各文章を同意語参照
手段６用の各要素とする。そして、同意語参照手段６に
より同意語ＤＢ９を参照し、要素文章中での各単語を基
準に文書中の単語のヒストグラムをとる（ステップ２
４）。

【００３２】ヒストグラム（使用頻度）の大きい順から
各文書を並べる。同意語句のうちでも抽出された語句が
多いものから重要文として認定する。認定されるもの
は、表示手段１でユーザに表示する。

【００３３】本発明の実施例としては、さらに同意語参
照手段６により同意語句別に並べかえられた各文章は、
同意語句を軸として、多い順に文章の出現頻度を並び変
えられる。これによって同意語句中でどの語句が重要な
のかを判断できる。利用者は文章を選択手段２で選択す
る（ステップ２５）。

【００３４】選択された各文章を各々原文に戻して表示
する（ステップ２６）。

【００３５】この原文から利用者が必要と判断した文章
を選択し推敲する（ステップ２７）。

【００３６】表示手段１においては、ヒストグラムデー
タ情報（同意語を軸とする）、同意語順に並べられた文
書または要約文書も同時に表示するように構成される。

【００３７】同意語ＤＢは、ユーザが語彙学習させるこ
とでその数を増やしていくことが可能であり、ネットワ
ークアクセスで、文型ＤＢ、および同意語ＤＢを構成さ
せている。

【００３８】図３は、本発明の実施例の処理フローを関
数型で示したものである。図中、ｆ₁は文型参照手段、
ｆ₂は同意語句参照手段のオペレータを示している。文
書α（Ｘ，Ｙ，Ｚ，ｔ，…）に対して文型参照手段ｆ₁
を施し、ｆ₁（α）を得、その後同意語句参照手段ｆ₂を
施し、得られたｆ₂・ｆ₁（α）について同意語中の最大
頻度のものから順序付けを行うことを示している。

【００３９】

【発明の効果】以上説明したように、本発明によれば、
第１の効果として、要約文作成のために特に絞り込まれ
たものをユーザ自身が選択することを可能としている。
これにより、ユーザは最も趣旨に近い要約を得ることが
できるようになる。

【００４０】その理由は、ヒストグラムをとる単語の類
義語を１まとまりのグループとしてとらえて処理したこ
とによる。

【００４１】第２の効果は、ユーザとソフトウェアとの
協調作業で要約文を作成することができる、ということ
である。これにより、ユーザには納得のいく文書が作成
可能であり、電子メール等にも利用し易くなる。

【図面の簡単な説明】

【図１】本発明の実施の形態に係るシステム構成全般を
示した図である。

【図２】本発明の一実施例の処理フローを説明するため
の流れ図である。

【図３】本発明の原理を説明するための図である。

【図４】従来技術の動作を説明するための流れ図であ
る。

【図５】従来技術の処理を説明するための図である。

【図６】従来技術のシステム構成を示した図である。

【符号の説明】

１表示手段２選択手段３分割手段４記憶手段５文型参照手段６同意語参照手段

Claims

【特許請求の範囲】

【請求項１】文書を複数の文章に分割し、該分割した文
章を文型データベースを参照して基本文型からなる文章
に変換し、次に同義語データベースを参照して、各単語
を同意語は同一グループとしてヒストグラムをとり、同
意語句のうちで最も出現頻度の多いものから重要文とし
て利用者の編集選択に供することを特徴とする要約文書
作成方式。
【請求項２】文書の要約を行いたい範囲を指定し文章の
重要な部分を抽出することによって文章の要約文を得る
要約文書作成方式において、各文書を構文解析し必須構成要素と任意構成要素とに識
別する文型参照手段と、前記必須構成要素のうちで必須単語をヒストグラム化し
て表示する際に、同じ意味の語句は、同一グループとし
て認定する手段と、同意語句の認定識別の際に参照される同意語データベー
スと、定義されたキーワードを用いて各単語をヒストグラム化
する手段と、語句の使用頻度として視覚的に表示する手段と、を備
え、その結果を基に利用者が要約の修正を可能としたことを
特徴とする要約文書作成方式。
【請求項３】キーワード抽出手段として、キーワードの
グループ化を行い、ある程度同じ意図のキーワードを基
にヒストグラムを作成後、ヒストグラムの順序に応じて
原文を元に戻し、その結果を利用者に提示し、利用者の選択によって要約文書の作成を可能にしたこと
を特徴とする請求項２記載の要約文書作成方式。