JPH11212975A - 未知語概念推定方法、未知語概念推定装置及び未知語概念推定処理プログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 統計情報に係り受け解析結果を用いず自動処
理が可能であると共に未知語の概念推定に費やす開発コ
ストを小さくすること、未知語概念推定の精度を向上さ
せると共に処理を高速化すること、及び同義概念と類義
概念とを精度良く区別すると共に既存シソーラスにない
新たな概念を推定することを目的とする。 【解決手段】 コーパスから各単語の前後に現れる近傍
単語に応じて近傍単語統計情報を抽出する近傍単語統計
情報抽出ステップと、近傍単語統計情報を記憶する近傍
単語統計情報記憶ステップと、近傍単語統計情報に基づ
いて未知語とシソーラスの概念との類似度を計算する単
語間類似度計算ステップと、類似度に基づいて未知語と
類似するシソーラスの概念を探索する類似概念探索ステ
ップと、最適な類似概念を選択する類似概念評価ステッ
プとを有し、単語間類似度計算ステップと類似概念探索
ステップとを再帰的に実行して未知語の概念を推定す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、既存のシソーラ
スには含まれない未知語の概念を推定する未知語の概念
推定に関する。例えば、大規模な文書情報からなる電子
化コーパスから得られる統計的な情報に基づいて、未知
語が属すべき概念を既存のシソーラス中から探索して推
定する未知語概念推定方法、未知語概念推定装置及び未
知語概念推定処理プログラムを記録したコンピュータ読
み取り可能な記録媒体に関するものである。

【０００２】

【従来の技術】機械翻訳や文書検索などの自然言語処理
技術において、意味的な情報を扱うための情報としてシ
ソーラスが利用される。シソーラスとは、単語間の上位
下位関係や同義関係を単語の概念に基づいて記述したも
のである。その一例として、「ＥＤＲ電子化辞書仕様説
明書」（日本電子化辞書研究所、1993年）に開示される
ＥＤＲ概念辞書や、「上位／下位関係シソーラスＩＳＡ
ＭＡＰ１の作成」（田中穂積、仁科喜久子著、情報処理
学会自然言語処理研究会、Vol.64、No.4、pp.25-45、19
87年（以下、文献１と呼ぶ））に開示されたＩＳＡＭＡ
Ｐがある。これらのシソーラスは人間の手で構築された
ものの一例である。しかし、大規模なシソーラスを人手
で構築する場合には、大変な労力が必要となる。

【０００３】一方、自動的にシソーラスを構築する技術
がある。例えば、コーパスから得られる統計情報を利用
して単語間の類似度を計算し、クラスタリングすること
により、自動的にシソーラスを構築するものである。こ
れは近年の電子化文書の増加にともない、大量の文書情
報からなる電子化コーパスが利用可能となったため実現
されたものである。このような技術として、例えば、特
開平８−２６３４９５号公報に開示された自動クラスタ
リング装置がある。

【０００４】しかし、単語間の類似度を計算してクラス
タリングする手法は、現在の技術水準では精度が低いた
め、必ずしも実用的ではなかった。また、クラスタリン
グにかかる計算コストは非常に大きいため、数万語から
なる通常の自然言語処理用辞書のすべての単語をクラス
タリングすることは困難であった。

【０００５】これらに対するシソーラスの構築法とし
て、人手で作成された既存のシソーラスを利用して、そ
のシソーラスには含まれていない概念をもつ単語、すな
わち未知語が、シソーラス上のどの概念に相当するかを
推定し、配置するという手法が「コーパスに基づくシソ
ーラス-統計情報を用いた既存のシソーラスへの未知語
の配置」（浦本直彦、情報処理学会論文誌、Vol.37、N
o.12、P.2182-2189、1996年（以下、文献２と呼ぶ））
に開示されている。

【０００６】以下、図３５から図３９を用いて文献２に
開示される未知語の概念推定の概要を説明する。図３５
は、文献２の未知語概念推定装置の構成を示すブロック
図である。図３５において、１は大量の文書情報からな
るコーパスである。２は単語間の上位下位関係や同義関
係を単語の概念に基づいて単語で記述したシソーラスで
ある。すなわち、シソーラスのノードは概念を表す単語
でなる。３は未知語を入力する未知語入力部である。こ
こで未知語とは、コーパス１に含まれる単語のうち既存
のシソーラス２に含まれない単語である。

【０００７】４は、コーパス１を形態素解析し、さらに
係り受け解析し、関係データ統計情報を抽出して出力す
る関係データ統計情報抽出部である。５は、出力された
関係データ統計情報を記憶する関係データ統計情報記憶
部である。６は、記憶された関係データ統計情報を読み
出すと共に、その関係データ統計情報に基づいて未知語
入力部３から入力された未知語とシソーラス２中の単語
との類似度を計算して出力する単語間類似度計算部であ
る。７は、未知語が属するシソーラス２中の部分（エリ
ア）を推定し、出力する推定エリア抽出部である。単語
間類似度計算部６により計算された類似度が閾値以上で
ある単語をシソーラス２から抽出し、これらの単語で連
結されたエリアを未知語が属するエリアの推定結果とし
て出力する。

【０００８】８は、シソーラス２および関係データ統計
情報記憶部５に記憶された関係データ統計情報に基づい
てシソーラス２の視点を抽出し、視点情報として出力す
る視点抽出部である。視点とは、単語をシソーラス２上
に配置するための分類基準であり、シソーラスの単語
（下位の概念を持つもの）一つ一つに与えられるもので
ある。９は視点抽出部８により抽出された視点情報を記
憶する視点情報記憶部である。１０は、推定エリア抽出
部７により出力された複数のエリアを視点情報を用いて
評価し、評価値が最大のエリアを選択するエリア評価部
である。１１は、エリア評価部１０で最適と判定された
エリアを出力するエリア出力部である。

【０００９】つぎに、動作について説明する。図３６
は、文献２の処理手順を示すフローチャートである。ま
ず、ステップＳ１では、前処理として関係データ統計情
報の抽出を行なう。図３７は、Ｓ１の処理手順を詳細に
示したフローチャートである。ステップＳ１１で、関係
データ統計情報抽出部４はコーパス１を形態素解析し、
ステップＳ１２で、その形態素解析結果を用いて係り受
け解析する。さらに、ステップＳ１３で、係り受け解析
結果を計数して関係データ統計情報１２を得る。そして
得られた関係データ統計情報１２を関係データ統計情報
記憶部５に記憶する。図３８に関係データ統計情報１２
の例を示す。関係データ統計情報１２は、単語１（１２
ａ）、単語間の関係を示す関係マーカ（１２ｂ）、単語
２（１２ｃ）、コーパス中の出現頻度（１２ｄ）からな
る。

【００１０】もう一つの前処理として、ステップＳ２で
は、視点抽出部８が視点情報１３の抽出を行なう。関係
データ統計情報記憶部５からシソーラス２の各単語に対
する関係データ統計情報１２を得て、その中からシソー
ラス２の各単語の概念を特徴づける情報を視点情報１３
として抽出する。図３９に視点情報１３の一例を示す。
図３９において、１３ａはシソーラス２に含まれている
単語、１３ｂは関係マーカ、１３ｃは単語１３ａと共起
関係のある単語、１３ｄは位置情報である。

【００１１】ステップＳ３では、未知語入力部３が未知
語を入力する。ステップＳ４では、単語間類似度計算部
６が、入力された未知語とシソーラス２中のすべての単
語との類似度を計算する。関係データ統計情報１２を元
に式（１）に基づいて類似度を計算し、類似度が閾値以
上となるシソーラス２中の単語すべてにマークをつけ
る。

【００１２】

【数１】

【００１３】ステップＳ５では、推定エリア抽出部７が
推定エリアを抽出する。ステップＳ４でマークされた単
語のうち、シソーラス２上で連結する部分をまとめあげ
て、ひとつのエリアとして抽出する。これを未知語の概
念が属すると推定される推定エリアとして出力する。通
常複数の単語がマークされ、それらの単語がいくつかの
エリアにまとめ上げられる。

【００１４】最後に、ステップＳ６では、エリア評価部
１０がステップＳ５で出力された複数のエリアを評価
し、未知語が配置されるべき最適なエリアを選択する。
ステップＳ７では、推定エリア出力部１１がステップＳ
６で選択されたエリアを出力し、処理を終了する。

【００１５】以上説明したように、文献２に示される従
来技術では、コーパスに対して形態素解析および係り受
け解析を行ない、この解析結果をもとに関係データなる
統計情報を抽出する。さらに、抽出した統計情報および
シソーラスをもとに視点情報を抽出する。未知語が入力
されると、関係データに基づいて未知語とシソーラス中
の全単語との類似度を計算し、類似度が所定の閾値以上
の単語が連結するシソーラス上の部分をエリアとしてま
とめ上げる。視点情報を利用して複数のエリアから未知
語の概念が属すると推定される最適なエリアを選択し、
未知語が属するシソーラス上のエリア、すなわち未知語
の概念を推定する。

【００１６】

【発明が解決しようとする課題】しかし、文献２に開示
されるような従来の手法には、以下に示すように、解決
すべきいくつかの課題があった。

【００１７】まず、単語間の類似度を計算するための統
計情報として、係り受け解析の結果を使用している点に
あった。通常、係り受け解析には多くの曖昧性が存在
し、すべての曖昧性を自動的に処理して正しい解析結果
を得ることは困難である。そのため、精度の良い統計情
報を得られるような、正しい係り受け解析結果をもつコ
ーパスを作成するためには、何らかの形で人間の手で修
正する必要があり、大きな開発コストがかかるという問
題点があった。また、人手による修正を経て開発された
コーパスはすでに存在するが、その数は少ないため応用
範囲が非常に限られたものとなるという問題点があっ
た。さらに、自動的な係り受け解析のみでは精度が低い
ため、そこから得られる統計情報の精度は悪く、未知語
の概念推定を行なうのに十分な精度が得られないという
問題点があった。

【００１８】また、使用する統計情報には適切な重み付
けがなく、類似度計算に寄与する語も寄与しない語も同
等に扱っているため、十分な概念推定の精度が得られな
いという問題点があった。コーパスを係り受け解析し、
その結果を計数して得た単純な統計情報には、単語間の
類似度判定や概念推定には適さないノイズとみなされる
情報も含まれている。このようなノイズを含んだ統計情
報を使用しているため類似度計算の精度が低下する。そ
の結果、概念推定の精度が悪化するという問題点があっ
た。

【００１９】また、類似度の計算方法が複雑であること
に加え、未知語とシソーラス上のすべての単語との類似
度を計算してからエリアを推定するため、エリアの推定
に要する計算量が大きいという問題点があった。特に、
大規模なシソーラスを用いた場合、計算量が大きくなり
実行効率が悪いという問題点があった。

【００２０】また、入力された未知語がシソーラス中の
単語と完全に同義である場合にも、推定エリアとして類
似単語からなるエリア情報が出力されるのみであるた
め、類義語と同義語との区別がつかず、得られるシソー
ラスが、同義語のみ処理対象とするような処理には利用
できないという問題点もあった。

【００２１】さらに、概念推定できるのは、シソーラス
中にすでに存在する概念のみであるという問題点があっ
た。すなわち、入力された未知語がシソーラス中に存在
するどの概念とも異なる新たな概念をもつ語である場合
でも、類似した概念をもつ単語の集合が示されるだけで
あり、シソーラス中に新たな概念を作成することはでき
なかった。

【００２２】この発明は上記のような問題点を解決する
ためになされたもので、統計情報として係り受け解析結
果を必要とせず、自動的な処理が可能であると共に、多
種多様な文書情報に対する未知語の概念推定に費やす開
発コストを小さくすることを目的とする。

【００２３】また、未知語の概念推定精度を向上させる
と共に、未知語の概念推定処理を高速化することを目的
とする。さらに、未知語の概念推定において同義概念と
類義概念とを精度良く区別すると共に、既存のシソーラ
スに存在しない新たな概念を推定することを目的とす
る。

【００２４】

【課題を解決するための手段】この発明に係る未知語概
念推定方法は、大量の電子化文書情報からなるコーパス
に含まれる単語のうち、単語間の上位下位関係や同義関
係等を単語の概念に基づいて記述した既存のシソーラス
に含まれない単語、即ち、未知語の概念を推定するもの
であって、コーパスから各単語の前後に現れる近傍単語
に応じて近傍単語統計情報を抽出する近傍単語統計情報
抽出ステップと、近傍単語統計情報を記憶する近傍単語
統計情報記憶ステップと、記憶した近傍単語統計情報を
読み出すと共にその近傍単語統計情報に基づいて未知語
とシソーラスの概念との類似度を計算する単語間類似度
計算ステップと、単語間類似度計算ステップで計算され
た類似度に基づいてシソーラスの単語間の関係を示すリ
ンク情報をたどりながら未知語と類似する概念を探索し
て類似概念の候補を出力する類似概念探索ステップと、
類似概念の候補を未知語との類似度に基づいて評価し最
適な類似概念を選択して出力する類似概念評価ステップ
とを有し、単語間類似度計算ステップと類似概念探索ス
テップとを再帰的に実行して未知語の概念を推定するも
のである。

【００２５】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報抽出ステップにおいて、品詞情報
に基づいて近傍単語統計情報から機能語を除去する機能
語除去ステップを有するものである。

【００２６】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報抽出ステップにおいて、係り受け
しやすい品詞間のパターンに基づいて近傍単語統計情報
に重み付けを行う係り受け重み付けステップを有するも
のである。

【００２７】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報抽出ステップにおいて、概念推定
に寄与しない所定のストップワードを近傍単語統計情報
から除去するストップワード除去ステップを有するもの
である。

【００２８】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報抽出ステップにおいて、コーパス
中の出現頻度に応じた頻出単語を近傍単語統計情報から
除去する頻出単語除去ステップを有するものである。

【００２９】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報抽出ステップにおいて、単語間の
距離に従って近傍単語統計情報に重み付けを行う単語間
距離重み付けステップを有するものである。

【００３０】また、次の発明に係る未知語概念推定方法
は、単語間類似度計算ステップにおいて類似度を計算す
る際に、近傍単語の共通単語数に基づいて計算するもの
である。

【００３１】また、次の発明に係る未知語概念推定方法
は、類似概念探索ステップに先立って類似概念探索を開
始するシソーラスの概念をあらかじめ指定する開始概念
指定ステップを有するものである。

【００３２】また、次の発明に係る未知語概念推定方法
は、近傍単語統計情報に基づいて、未知語とその未知語
のシソーラス上の類似概念との共起関係の強さにより同
義性を判定する共起判定ステップを有し、判定結果に基
づいて類似概念と同義概念とを区別して未知語の概念を
推定するものである。

【００３３】また、次の発明に係る未知語概念推定方法
は、類似概念評価ステップにおいて未知語との類似度が
同じくらい強い概念が複数ある場合に、シソーラスに基
づいて未知語の概念となる新たな概念の挿入位置を判定
する新語義挿入判定ステップを有するものである。

【００３４】さらに、この発明に係る未知語概念推定装
置は、大量の電子化文書情報からなるコーパスに含まれ
る単語のうち、単語間の上位下位関係や同義関係等を単
語の概念に基づいて記述した既存のシソーラスに含まれ
ない単語、即ち、未知語の概念を推定するものであっ
て、コーパスから各単語の前後に現れる近傍単語に応じ
て近傍単語統計情報を抽出する近傍単語統計情報抽出手
段と、近傍単語統計情報を記憶する近傍単語統計情報記
憶手段と、記憶した近傍単語統計情報を読み出すと共に
その近傍単語統計情報に基づいて未知語とシソーラスの
概念との類似度を計算する単語間類似度計算手段と、単
語間類似度計算手段で計算された類似度に基づいてシソ
ーラスの単語間の関係を示すリンク情報をたどりながら
未知語と類似する概念を探索して類似概念の候補を出力
する類似概念探索手段と、類似概念の候補を未知語との
類似度に基づいて評価し最適な類似概念を選択して出力
する類似概念評価手段とを備え、単語間類似度計算手段
と類似概念探索手段とを再帰的に動作させて未知語の概
念を推定するものである。

【００３５】さらに、この発明に係る未知語概念推定処
理プログラムを記録したコンピュータ読み取り可能な記
録媒体は、大量の電子化文書情報からなるコーパスに含
まれる単語のうち、単語間の上位下位関係や同義関係等
を単語の概念に基づいて記述した既存のシソーラスに含
まれない単語、即ち、未知語の概念を推定するものであ
って、コーパスから各単語の前後に現れる近傍単語に応
じて近傍単語統計情報を抽出する近傍単語統計情報抽出
手順と、近傍単語統計情報を記憶する近傍単語統計情報
記憶手順と、記憶した近傍単語統計情報を読み出すと共
にその近傍単語統計情報に基づいて未知語とシソーラス
の概念との類似度を計算する単語間類似度計算手順と、
単語間類似度計算手段で計算された類似度に基づいてシ
ソーラスの単語間の関係を示すリンク情報をたどりなが
ら未知語と類似する概念を探索して類似概念の候補を出
力する類似概念探索手順と、類似概念の候補を未知語と
の類似度に基づいて評価し最適な類似概念を選択して出
力する類似概念評価手順とを有し、単語間類似度計算手
順と類似概念探索手順とを再帰的に実行して未知語の概
念を推定するものである。

【００３６】

【発明の実施の形態】実施の形態１．以下、本発明の実
施の形態１について説明する。図1は実施の形態１にお
ける未知語概念推定装置の構成を示すブロック図であ
る。図1において、１０１は大量の文書情報からなるコ
ーパスである。１０２は単語間の上位下位関係や同義関
係を単語の概念に基づいて記述したシソーラスである。
ここでは簡単のため、シソーラスのノードは概念を表す
単語でなる場合について説明する。１０３は、未知語を
入力する未知語入力部である。ここで未知語とは、コー
パス１０１に含まれる単語のうち既存のシソーラス１０
２に含まれない単語である。１０４は、コーパス１０１
を形態素解析し、各単語の前後に現れる近傍単語の頻度
を抽出して近傍単語統計情報を出力する近傍単語統計情
報抽出部である。１０５は、出力された近傍単語統計情
報を記憶する近傍単語統計情報記憶部である。

【００３７】１０６は、記憶された近傍単語統計情報を
読み出すと共に、その近傍単語統計情報に基づいて、入
力された未知語とシソーラス１０２中のノード（概念を
表す単語）との類似度を計算して出力する単語間類似度
計算部である。１０７は、シソーラス１０２のノードを
単語間類似度計算部１０６に出力すると共に、単語間類
似度計算部１０６により計算された類似度に基づき、シ
ソーラス１０２のもつノードのリンク情報をたどりなが
ら近傍単語統計情報を用いて入力された未知語と類似す
る概念を探索し、類似概念の候補を出力する類似概念探
索部である。１０８は、類似概念探索部１０７で探索さ
れた類似概念の候補を入力未知語との類似度に基づいて
評価し、最適な類似概念を選択して出力する類似概念評
価部である。１０９は、類似概念評価部１０８で最適と
判定された類義概念を出力する類似概念出力部である。

【００３８】図２は、本発明の実施の形態１における未
知語概念推定装置の処理手順を示すフローチャートであ
る。以下、図１および図２を参照しつつ、適宜他の詳細
図面を参照しながら、動作について詳細に説明する。

【００３９】まず、未知語の概念推定に先立って前処理
を行う。ステップＳ１０は、近傍単語統計情報抽出ステ
ップである。ステップＳ１０において、近傍単語統計情
報抽出部１０４は、コーパス１０１を形態素解析して近
傍単語統計情報を抽出し、その近傍単語統計情報を近傍
単語統計情報記憶部１０５に記憶する。ステップＳ１０
は前処理であり、ひとつのコーパスに対して一度だけ処
理すればよい。詳細な処理については後述する。

【００４０】ステップＳ２０は、未知語入力ステップで
ある。ステップＳ２０において、未知語入力部１０３
は、図示しない未知語抽出手段によってコーパス１０１
から抽出された未知語を単語間類似度計算部１０６に入
力する。

【００４１】未知語の抽出については、特開昭６３−１
６３９６２号公報に開示される前後の字種情報を手がか
りにする手法や、「ｎグラム統計によるコーパスからの
未知語抽出」（森信介、長尾眞、電子情報通信学会 言
語理解とコミュニケーション研究会、95-8、1995年）に
開示される前後の文字の統計情報を用いる手法など様々
な公知技術がある。未知語抽出手段として、いかなる未
知語抽出手法を用いても、本発明の特徴を損なうもので
はない。

【００４２】また、抽出された未知語については、未知
語入力部１０３からすべてを自動的に入力して以降の処
理を行なってもよいし、本装置を使用する人間が必要と
する未知語を選択しながら入力してもよい。この場合、
未知語のリストを表示して、その中から人間が選択して
入力するメニュー表示方式などが考えられる。

【００４３】ステップＳ３０は、類似概念探索ステップ
である。ステップＳ３０において、類似概念探索部１０
７は、シソーラス１０２の上位概念から下位概念へのノ
ードのリンク情報をたどりながら、入力された未知語と
類似する類似概念のノードを探索する。ステップＳ３０
では、その探索処理において、単語間類似度計算ステッ
プＳ４０を繰り返し呼び出して実行する。詳細な処理方
法については後述する。

【００４４】ステップＳ４０は、単語間類似度計算ステ
ップである。ステップＳ４０において、単語間類似度計
算部１０６は、近傍単語統計情報記憶部１０５に記憶さ
れた近傍単語統計情報を読み出すと共に、その近傍単語
統計情報に基づいて、入力部１０３から入力された未知
語と類似概念探索部１０７から入力されたシソーラス１
０２中のノードとの類似度を計算し、その類似度を類似
概念探索部１０７に出力する。詳細な処理方法について
は後述する。

【００４５】ステップＳ５０は、類似概念評価ステップ
である。ステップＳ５０において、類似概念評価部１０
８は、類似概念探索部１０７により出力された類似概念
の候補を単語間類似度計算部１０６で計算した未知語と
の類似度に基づいて評価し、最適な類似概念を選択して
出力する。詳細な処理方法については後述する。

【００４６】ステップＳ６０は、類似概念出力ステップ
である。ステップＳ６０において、類似概念出力部１０
９は、類似概念評価部１０８により最適と判定された類
似概念を出力し、処理を終了する。このとき、出力結果
を反映して、自動的にシソーラス１０２を更新してもよ
いし、出力結果を画面に表示し、本装置を操作する人間
がシソーラス１０２の更新を行なってもよい。

【００４７】以下、図３から図１０を用いて、近傍単語
統計情報抽出ステップＳ１０の詳細な処理について説明
する。図３は近傍単語統計情報抽出部１０４の詳細な構
成を示すブロック図である。図３において、１０４ａは
コーパス１０１を形態素解析し、その形態素解析結果を
出力する形態素解析部、１０４ｂは形態素解析結果から
近傍単語情報を抽出して出力する近傍単語情報抽出部、
１０４ｃは近傍単語情報から近傍単語の頻度を計数して
近傍単語統計情報を出力する近傍単語情報計数部であ
る。なお、１０４ｄおよび１０４ｅは中間データであ
り、それぞれ形態素解析結果および近傍単語情報であ
る。１０４ｆは、近傍単語統計情報である。

【００４８】図４はステップＳ１０の処理を詳細に示す
フローチャートである。ステップＳ１０１は形態素解析
ステップである。ステップＳ１０１では、形態素解析部
１０４ａが、文書情報からなるコーパス１０１を形態素
解析する。形態素解析は、例えば「未登録語を含む日本
語文の形態素解析」（吉村賢治、武内美津乃、津田健
蔵、首藤公昭、情報処理学会論文誌、Vol.30、No.3、19
89年）に開示されるコスト最小法に基づいて行う。図５
に形態素解析結果１０４ｄの一例を示す。

【００４９】ステップＳ１０２は、形態素解析結果から
近傍単語情報を抽出する近傍単語抽出ステップである。
ステップＳ１０２では、近傍単語情報抽出部１０４ｂ
が、形態素解析結果から近傍単語情報１０４ｅを抽出す
る。近傍単語情報には、少なくとも単語およびその単語
の品詞情報が格納されている。単語間の距離が２までの
単語を近傍単語情報として抽出した場合の近傍単語情報
１０４ｅの一例を図６に示す。図６では、第１フィール
ド（左端）の単語に対してコーパス１０１中で前後に出
現する２語ずつの近傍単語（全部で４語）を第２フィー
ルド以降に示している。“ｘ”は特殊な記号であり、そ
の単語が文頭や文末にある場合など、前後が２語に満た
ない場合に、後の処理がしやすいようフィールド数をそ
ろえるために挿入してある。

【００５０】なお、活用語に関して終止形に統一してい
るが、計算機の内部形式としては語幹のみでもよい。ま
た、図６の例では前後２語を抽出しているが、コーパス
１０１中において、一つの文書に含まれる単語数が多い
場合には、単語間の距離を３または５などとしてもよ
い。さらに、一つ一つの文書に含まれるすべての単語を
近傍単語として処理してもよい。

【００５１】ステップＳ１０３は、近傍単語情報計数ス
テップである。ステップＳ１０３では、近傍単語情報計
数部１０４ｃが近傍単語情報１０４ｅに基づき近傍単語
の頻度を計数して近傍単語統計情報１０４ｆを求め、近
傍単語統計情報記憶部１０５に記憶する。近傍単語統計
情報には、少なくとも単語およびその単語の品詞情報が
記憶されている。近傍単語統計情報１０４ｆの一例を図
７に示す。図７では、第１フィールドの単語に対する近
傍単語統計情報を第２フィールドに示している。数字
は、コーパス１０１中において、その単語が第１フィー
ルドの単語の近傍に現れた回数を表わす。また、図７は
コーパス１０１全体から得られた近傍単語統計情報であ
り、図５に示した例より大量の文書から得られた近傍単
語統計情報である。

【００５２】つぎに、図２における類似概念探索ステッ
プＳ３０から類似概念出力ステップＳ６０までの詳細な
処理手順を、図１を参照しつつ図８および図９を用いて
説明する。ステップＳ２０１において、単語間類似度計
算部１０６は、未知語入力部１０３によって入力された
入力未知語Ｗｕを初期化し、類似概念探索部１０７は、
シソーラス探索開始ノードであるルートノードＮｒを初
期化する。ここでは説明を簡単にするため、シソーラス
１０２として図９に示すシソーラスを使用し、入力未知
語は「ＣＳ放送」であり、ルートノードは「放送」であ
るとする。したがってこの場合、単語間類似度計算部１
０６は入力未知語Ｗｕを「ＣＳ放送」で初期化し、類似
概念探索部１０７はルートノードＮｒを「放送」で初期
化する。

【００５３】ステップＳ２０２において、類似概念探索
部１０７は、シソーラス１０２のノードのリンク情報に
よりルートノードＮｒの下位概念の集合Ｎｂを得る。図
９の例では、「ラジオ放送」および「テレビ放送」が下
位概念として得られる。

【００５４】つぎに、ステップＳ２０３において、単語
間類似度計算部１０６が入力未知語ＷｕとステップＳ２
０２において得られた下位概念の集合Ｎｂの各要素との
類似度を計算し、結果を類似概念探索部１０７に出力す
る。類似度は、近傍単語統計情報記憶部１０５に記憶さ
れた近傍単語統計情報に基づいて計算される。すなわ
ち、図１０に示すように、近傍単語統計情報記憶部１０
５から入力未知語Ｗｕの「ＣＳ放送」、シソーラス１０
２中のノード「ラジオ放送」および「テレビ放送」のそ
れぞれの近傍単語統計情報を読み出し、それぞれの近傍
単語統計情報の類似性を計算する。

【００５５】このような統計量の類似性を計算する手法
として、様々なものが考えられるが、例えば各近傍単語
の頻度をベクトルと考え、内積値の小さい方が類似性が
高いとする手法がある。このとき、単語により出現頻度
が異なるので、ベクトルの長さが１となるよう正規化し
て用いる。この他にも、相互情報量を用いて類似性を計
算する手法がある。いずれの手法を用いたとしても、近
傍単語の頻度情報を用いて単語間類似度の計算をするの
であれば、本発明の特徴を何ら損なうものではない。

【００５６】ステップＳ２０４では、類似概念探索部１
０７が、ステップＳ２０３における類似度計算結果が閾
値以上のノード集合Ｎｎを抽出する。ステップＳ２０５
では、閾値以上のノード集合Ｎｎの要素となっている各
ノードに下位概念が存在するかどうかを判定する。ここ
では、「ＣＳ放送」と「ラジオ放送」との類似度は閾値
以下で、「ＣＳ放送」と「テレビ放送」との類似度が閾
値以上だったとする。このとき、閾値以上のノード集合
Ｎｎの要素は「テレビ放送」のみであり、下位概念とし
ては「ＶＨＦ放送」、「ＵＨＦ放送」および「衛星放
送」の３つである。したがって、ステップＳ２０５の判
定はＹＥＳとなり、ステップＳ２０６に進む。

【００５７】ステップＳ２０６では、閾値以上のノード
集合Ｎｎの要素である各ノードを新たなルートノードＮ
ｒとして設定する。ステップＳ２０２からステップＳ２
０６までを繰り返し処理し、処理結果として得られるノ
ードの和集合を類似概念評価部１０８に出力する。ここ
では、順に「衛星放送」、「ＢＳ放送」とたどって処理
が進む。なお、閾値以上のノード集合Ｎｎが複数の要素
をもつ場合は、各要素について順に処理する。

【００５８】図９のシソーラス１０２の例では、Ｎｎが
「ＢＳ放送」となったとき、もう下位概念がないので、
ステップＳ２０５でＮｏとなり、ステップＳ２０７に進
む。ステップＳ２０７では、類似概念評価部１０８が、
再起処理における出力結果の和集合の各要素を評価し、
類似度に基づいて最適と判定されたノードを類似概念ノ
ード出力部１０９に出力する。例えば、Ｓ２０２からＳ
２０６までの再帰処理の結果、複数のノード「ＶＨＦ放
送」と「ＢＳ放送」が出力され、「ＢＳ放送」の方が
「ＶＨＦ放送」よりも類似度が高い場合、入力未知語
「ＣＳ放送」の類似概念として、類似度の高い「ＢＳ放
送」が最適と判定される。すなわち、入力未知語「ＣＳ
放送」の概念はシソーラス１０２のノード「ＢＳ放送」
と類似であると推定される。その後、ステップＳ２０８
で、類似概念ノード出力部１０９が、判定されたノード
（類似概念）を出力し、処理を終了する。

【００５９】以上のように、本実施の形態に係る未知語
概念推定装置によれば、単語間類似度計算部で用いる統
計情報として、形態素解析結果から抽出する近傍単語統
計情報を用いることにより、係り受け解析を必要とせ
ず、自動的な未知語の概念推定処理を実現できる。ま
た、自動的な処理が可能であることにより、人手による
大量の修正作業が不要となり、多種多様な文書情報に対
する未知語の概念推定に費やす開発コストを小さくする
ことができると共に、未知語概念推定処理の適用範囲を
広げることができる。

【００６０】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【００６１】また、本実施の形態では、シソーラスのノ
ードは概念を表す単語でなる場合について説明したが、
シソーラスは単語間の上位下位関係や同義関係を単語の
概念に基づいて記述したものであればよく、これに限定
されるものではない。例えば、シソーラスのノードが抽
象的な概念を表す中間概念であっても良く、同様の効果
を得られる。

【００６２】例えば、本実施の形態における図９は、シ
ソーラスのノードとして単語そのものが用いられてい
る。すなわち、ノード＝単語＝概念という形式となって
いる。このような形式をとるシソーラスもあるが（文献
１）、必ずしもシソーラスのノードが表層的な単語と一
対一に関係しているとは限らない。表層的な単語と一対
一に対応していない抽象的な概念を表す中間概念があ
る。

【００６３】本実施の形態における単語間類似度計算で
は、実際にコーパスに出現した表層的な単語に基づいた
統計情報を利用する場合について説明したが、中間概念
に対しては、例えば、その各下位概念に対応する表層的
な単語の集合により計算する。

【００６４】シソーラスは基本的にｉｓ−ａと呼ばれる
上位下位関係を基本として構成される。ｉｓ−ａ関係以
外にも、全体と部分の関係を表わすｐａｒｔ−ｏｆと呼
ばれる関係もあるが、ここでは説明を簡単にするため
に、ｉｓ−ａ階層についてシソーラスにおける単語と概
念との関係を説明する。

【００６５】ある中間概念Ｃｉで利用する表層単語の情
報は、中間概念Ｃｉの全下位概念に対応する単語Ｗｊの
統計情報の和を使用する。こうすることにより、直接表
層的な単語との関係をもたない中間概念についても、本
発明における単語間類似度計算を適用できる。なお、本
発明は、単語間の関係を示すリンク情報を用いて未知語
の概念を推定するものであるので、必ずしもｉｓ−ａ関
係に基づくシソーラスに限られるものではないことは言
うまでもない。

【００６６】実施の形態２．以下、本発明の実施の形態
２について説明する。実施の形態２の全体構成および全
体の処理手順については実施の形態１とまったく同様な
ため省略する。実施の形態２において特徴的な部分であ
る近傍単語統計情報抽出部１０４および近傍単語統計情
報抽出ステップＳ１０の内部で実行される機能語除去ス
テップについて詳しく説明する。

【００６７】図１１は、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図で
ある。図１１において、前述の実施の形態と同一または
相当部分に同一符号を付し、説明を省略する。３０１
は、近傍単語情報から機能語に関する部分を除去する機
能語除去部である。３０１ａ、３０１ｂおよび３０１ｃ
は中間データであり、それぞれ形態素解析結果、近傍単
語情報、機能語除去後の近傍単語情報である。

【００６８】図１２は、図２におけるステップＳ１０の
処理手順を詳細に説明するフローチャートである。ステ
ップＳ１０１、ステップＳ１０２、およびステップＳ１
０３では、それぞれ図４における各ステップとまったく
同じ処理を行なう。ステップＳ３０１では、機能語除去
部３０１が、ステップＳ１０２の処理結果である近傍単
語情報３０１ｂから機能語に関する部分を除去し、近傍
単語情報３０１ｃを出力する。

【００６９】図１３に形態素解析結果３０１ａ、近傍単
語情報３０１ｂ、および機能語除去後の近傍単語情報３
０１ｃの一例を示す。機能語除去部３０１は、近傍単語
情報３０１ｂにおける品詞情報３０１ｐを用いて機能語
の除去を行ない、さらに前後の語をつめて機能語除去後
の近傍単語情報として、近傍単語情報３０１ｃを出力す
る。例えば、機能語の品詞情報を格納した図示しない機
能語品詞辞書を参照し、近傍単語情報３０１ｂから機能
語を除去する。

【００７０】前述のように、本発明では入力未知語とノ
ードとの類似度を計算する際に、コーパス中における入
力未知語およびノード（概念を表す単語）の近傍に出現
する単語を用いる。ところが、実質的な意味内容に乏し
い単語である限定詞、前置詞、接続詞、感動詞などの機
能語は、名詞や動詞などの内容語と異なり、あらゆる単
語の近傍に出現する可能性がある。そのため、これらの
機能語は特定の単語との関連が薄く、近傍単語統計情報
により単語間類似度を計算する際のノイズとなる。した
がって、これらの機能語に相当する品詞をもつ単語を近
傍単語情報３０１ｂから除去することにより、近傍単語
情報３０１ｃに含まれるノイズが減少して、その近傍単
語情報３０１ｃから求められる近傍単語統計情報に含ま
れるノイズも減少する。その結果、単語間類似度計算の
精度が高くなり、未知語の概念推定精度が向上する。

【００７１】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、品詞情報に基づいて近傍単語情報から機能語を
除去することにより、単語間類似度計算の精度が高くな
り、未知語の概念推定精度を向上することができる。

【００７２】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【００７３】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【００７４】さらに、近傍単語情報から機能語を除去す
る場合について説明したが、類似度を計算する際に用い
る近傍単語統計情報に機能語が含まれていなければよ
く、これに限定されるものではない。例えば、近傍単語
情報計数部の出力である近傍単語統計情報から機能語を
削除しても同様の効果を得られる。

【００７５】実施の形態３．以下、本発明の実施の形態
３について説明する。実施の形態３の全体構成および全
体の処理手順については実施の形態１とまったく同様な
ため省略する。実施の形態３において特徴的な部分であ
る近傍単語統計情報抽出部１０４および近傍単語統計情
報抽出ステップＳ１０の内部で実行される係り受け重み
付けステップについて詳しく説明する。

【００７６】図１４は、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図で
ある。図１４において、前述の実施の形態と同一または
相当部分に同一符号を付し、説明を省略する。３０２
は、形態素解析結果および品詞間のパターンに従って近
傍単語情報に重み付けを行なう係り受け重み付け処理部
である。３１２は、係り受けしやすい品詞間のパターン
を記憶する係り受けパターン記憶部である。３０２ａ、
３０２ｂおよび３０２ｃは中間データであり、それぞれ
形態素解析結果、近傍単語情報、係り受け重み付け後の
近傍単語情報である。

【００７７】図１５は、図２におけるステップＳ１０の
処理手順を詳細に説明するフローチャートである。ステ
ップＳ１０１、ステップＳ１０２、およびステップＳ１
０３では、それぞれ図４における各ステップとまったく
同じ処理を行なう。ステップＳ３０２では、係り受けパ
ターン重み付け部３０２が、形態素解析結果３０２ａを
用い係り受けパターン記憶部３１２に記憶されたパター
ンに従って、ステップＳ１０２の処理結果である近傍単
語情報３０２ｂに重み付けを行ない、近傍単語情報３０
２ｃを出力する。

【００７８】図１６に形態素解析結果３０２ａ、近傍単
語情報３０２ｂ、および近傍単語情報３０２ｃの一例を
示す。なお、図１６は前述の機能語除去部の処理を施し
たものである。例えば、近傍単語情報３０２ｂが「副
詞、形容詞、名詞」という係り受けパターンにマッチす
る場合、形容詞の「速い」と名詞の「車」との間には係
り受け関係があり、副詞の「とても」と名詞の「車」と
の係り受け関係より、強い関係である。この場合、図１
６において、係り受け重み付け処理部３０２は、係り受
け関係の強さに応じて単語間に適切な重み付けをし、近
傍単語情報３０２ｃを出力する。

【００７９】すなわち、係り受け関係が存在する可能性
のある形容詞の「速い」と名詞の「車」に適切な強さの
重み付けをすることにより、係り受け関係の強さを表現
する。なお、重み付けの値として一律の値としてもよい
し、各係り受けパターンごとに係り受けパターン記憶部
３１２に記憶しておき、この値を用いてもよい。

【００８０】前述のように、本発明では入力未知語とノ
ードとの類似度を計算する際に、コーパス中における入
力未知語およびノード（概念を表す単語）の近傍に出現
する単語を用いるが、係り受け重み付け処理により、係
り受け関係の強さに応じた近傍単語統計情報３０２ｃに
重み付けをすることにより、係り受け関係の強さが類似
度計算に反映される。その結果、単語間類似度計算の精
度が高くなり、未知語の概念推定精度が向上する。

【００８１】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、係り受けしやすい品詞間の係り受けパターンに
基づいて、係り受け関係の強さに応じて近傍単語情報に
重み付けをすることにより、単語間類似度計算の精度が
高くなり、未知語の概念推定精度を向上することができ
る。

【００８２】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【００８３】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【００８４】さらに、近傍単語情報に係り受け重み付け
処理を施す場合について説明したが、類似度を計算する
際に用いる近傍単語統計情報に係り受け重み付け処理が
施されていればよく、これに限定されるものではない。
例えば、近傍単語情報計数部の出力である近傍単語統計
情報に係り受け重み付け処理を施しても同様の効果を得
られる。

【００８５】実施の形態４．以下、本発明の実施の形態
４について説明する。実施の形態４の全体構成および全
体の処理手順については実施の形態１とまったく同様な
ため省略する。実施の形態３において特徴的な部分であ
る近傍単語統計情報抽出部１０４および近傍単語統計情
報抽出ステップＳ１０の内部で実行されるストップワー
ド削除ステップについて詳しく説明する。

【００８６】図１７は、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図で
ある。図１７において、前述の実施の形態と同一または
相当部分に同一符号を付し、説明を省略する。３０３
は、近傍単語情報からストップワードを除去するストッ
プワード除去部である。３１３は、ストップワードを記
憶するストップワード辞書である。ここでストップワー
ドとは、単語間類似度の計算に寄与しない単語のことで
ある。３０３ａ、３０３ｂおよび３０３ｃは中間データ
であり、それぞれ形態素解析結果、近傍単語情報、スト
ップワード除去後の近傍単語情報である。

【００８７】図１８は、図２におけるステップＳ１０の
処理手順を詳細に説明するフローチャートである。ステ
ップＳ１０１、ステップＳ１０２、およびステップＳ１
０３では、それぞれ図４における各ステップとまったく
同じ処理を行なう。ステップＳ３０３では、ストップワ
ード除去部３０３がストップワード辞書３１３を参照し
つつ、ステップＳ１０２の処理結果である近傍単語情報
３０３ｂからストップワードを除去し、近傍単語情報３
０４ｃを出力する。

【００８８】前述のように、本発明では入力未知語とノ
ードとの類似度を計算する際に、コーパス中における入
力未知語およびノード（概念を表す単語）の近傍に出現
する単語を用いる。ところが、非常に一般的で、頻繁に
用いられるため、あらゆる単語の近傍に出現する可能性
のある単語は、特定の単語との関連が薄く近傍単語統計
情報により単語間類似度を計算する際のノイズとなる。
形式名詞の「もの」や「こと」などは、その一例であ
る。また、ある特定の分野のコーパスにおいて、非常に
一般的で、頻繁に用いられる単語もある。例えば、情報
処理に関する文章中では、「コンピュータ」などの単語
である。

【００８９】そこで、これらの単語をストップワードと
して記憶したストップワード辞書３１３を用いて、近傍
単語統計情報を抽出する際に、近傍単語情報３０３ｂか
らストップワードを除去する。これにより、近傍単語情
報３０３ｃに含まれるノイズが減少して、その近傍単語
情報３０３ｃから求められる近傍単語統計情報に含まれ
るノイズも減少する。その結果、単語間類似度計算の精
度が高くなり、未知語の概念推定精度も向上する。

【００９０】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、ストップワード辞書に基づいて近傍単語情報か
らストップワードを除去することにより、単語間類似度
計算の精度が高くなり、未知語の概念推定精度を向上す
ることができる。

【００９１】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【００９２】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【００９３】さらに、近傍単語情報からストップワード
を除去する場合について説明したが、類似度を計算する
際に用いる近傍単語統計情報にストップワードが含まれ
ていなければよく、これに限定されるものではない。例
えば、近傍単語情報計数部の出力である近傍単語統計情
報からストップワードを削除しても同様の効果を得られ
る。

【００９４】実施の形態５．以下、本発明の実施の形態
５について説明する。実施の形態５の全体構成および全
体の処理手順については実施の形態１とまったく同様な
ため省略する。実施の形態５において特徴的な部分であ
る近傍単語統計情報抽出部１０４および近傍単語統計情
報抽出ステップＳ１０の内部で実行される頻出単語削除
ステップについて詳しく説明する。

【００９５】図１９は、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図で
ある。図１９において、前述の実施の形態と同一または
相当部分に同一符号を付し、説明を省略する。３０４
は、近傍単語情報から頻出単語を除去する頻出単語除去
部である。頻出単語とは、コーパス中の出現頻度が著し
く高いものであり、例えば、頻度値によって決定され
る。３０４ａ、３０４ｂおよび３０４ｃは中間データで
あり、それぞれ形態素解析結果、近傍単語情報、係り受
け重み付け後の近傍単語情報である。

【００９６】図２０は、図２におけるステップＳ１０の
処理手順を詳細に説明するフローチャートである。ステ
ップＳ１０１、ステップＳ１０２、およびステップＳ１
０３では、それぞれ図４における各ステップとまったく
同じ処理を行なう。ステップＳ３０４では、頻出単語除
去部３０４が、ステップＳ１０２の処理結果である近傍
単語情報３０４ｂから頻出単語を除去し、近傍単語情報
３０４ｃを出力する。例えば、頻出単語を格納した図示
しない頻出単語記憶部を参照し、近傍単語情報３０４ｂ
から頻出単語を除去する。

【００９７】前述のように、本発明では入力未知語とノ
ードとの類似度を計算する際に、コーパス中における入
力未知語およびノード（概念を表す単語）の近傍に出現
する単語を用いる。ところが頻出単語は、コーパス中に
非常に頻繁に出現し、あらゆる単語の近傍に出現する可
能性がある。そのため、これらの頻出単語は特定の単語
との関連が薄く、近傍単語統計情報により単語間類似度
を計算する際のノイズとなる。

【００９８】そこで、近傍単語統計情報を抽出する際
に、近傍単語情報３０４ｂから頻出単語を除去すること
により、近傍単語情報３０４ｃに含まれるノイズが減少
し、その近傍単語情報３０４ｃから求められる近傍単語
統計情報に含まれるノイズも減少する。その結果、単語
間類似度計算の精度が高くなり、未知語の概念推定精度
も向上する。

【００９９】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、近傍単語情報から頻出単語を除去することによ
り、単語間類似度計算の精度が高くなり、未知語の概念
推定精度を向上することができる。

【０１００】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１０１】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１０２】さらに、近傍単語情報から頻出単語を除去
する場合について説明したが、類似度を計算する際に用
いる近傍単語統計情報に頻出単語が含まれていなければ
よく、これに限定されるものではない。例えば、近傍単
語情報計数部の出力である近傍単語統計情報から頻出単
語を削除しても同様の効果を得られる。

【０１０３】実施の形態６．以下、本発明の実施の形態
６について説明する。実施の形態６の全体構成および全
体の処理手順については実施の形態１とまったく同様な
ため省略する。実施の形態６において特徴的な部分であ
る近傍単語統計情報抽出部１０４および近傍単語統計情
報抽出ステップＳ１０の内部で実行される単語間距離重
み付けステップについて詳しく説明する。

【０１０４】図２１は、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図で
ある。図２１において、前述の実施の形態と同一または
相当部分に同一符号を付し、説明を省略する。３０５
は、形態素解析結果の単語間距離に従って、近傍単語情
報に重み付けを行なう単語間距離重み付け処理部であ
る。３０５ａ、３０５ｂおよび３０５ｃは中間データで
あり、それぞれ形態素解析結果、近傍単語情報、単語間
距離重み付け後の近傍単語情報である。

【０１０５】図２２は、図２におけるステップＳ１０の
処理手順を詳細に説明するフローチャートである。ステ
ップＳ１０１、ステップＳ１０２、およびステップＳ１
０３では、それぞれ図４における各ステップとまったく
同じ処理を行なう。ステップＳ３０５では、単語間距離
重み付け処理部３０５が、形態素解析結果の単語間距離
に従って、ステップＳ１０２の処理結果である近傍単語
情報３０５ｂに重み付けを行い、近傍単語情報３０５ｃ
を出力する。

【０１０６】前述のように、本発明では入力未知語とノ
ードとの類似度を計算する際に、コーパス中における入
力未知語およびノード（概念を表す単語）の近傍に出現
する単語を用いる。一般に単語間の関連の強さは単語間
の距離と相関関係があるので、単語間距離重み付け処理
によって関連の弱い遠くの近傍単語よりも関連の強い近
くの近傍単語を優先して近傍単語情報に重み付けするこ
とにより、単語間の関連（共起関係）の強さが類似度計
算に反映される。その結果、単語間類似度計算の精度が
高くなり、未知語の概念推定精度が向上する。

【０１０７】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、単語間の距離に従って近傍単語情報に重み付け
することにより、単語間類似度計算の精度が高くなり、
未知語の概念推定精度を向上することができる。

【０１０８】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１０９】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１１０】さらに、近傍単語情報に単語間距離重み付
け処理を施す場合について説明したが、類似度を計算す
る際に用いる近傍単語統計情報に単語間距離重み付け処
理が施されていればよく、これに限定されるものではな
い。例えば、近傍単語情報計数部の出力である近傍単語
統計情報に単語間距離重み付け処理を施しても同様の効
果を得られる。

【０１１１】実施の形態７．以下、本発明の実施の形態
７について説明する。図２３は実施の形態７における未
知語概念推定装置の構成を示すブロック図である。図２
３において、前述の実施の形態と同一または相当部分に
同一符号を付し、説明を省略する。４０１は、近傍単語
統計情報記憶部１０５に記憶された近傍単語統計情報を
読み出すと共に、その近傍単語統計情報に基づいて、入
力された未知語とシソーラス１０２のノード（概念を表
す単語）との類似度を共通単語数により計算して出力す
る共通単語数計算部である。

【０１１２】図２４は、本発明の実施の形態７における
未知語概念推定装置の処理手順を示すフローチャートで
ある。以下、図２３および図２４を参照しつつ、適宜他
の詳細図面を参照しながら、動作について詳細に説明す
る。

【０１１３】まず、未知語の概念推定に先立って前処理
を行う。ステップＳ１０は、近傍単語統計情報抽出ステ
ップである。ステップ１０において、近傍単語統計情報
抽出部１０４は、コーパス１０１を形態素解析して近傍
単語統計情報を抽出し、近傍単語統計情報記憶部１０５
に記憶する。ステップＳ１０は前処理であり、ひとつの
コーパスに対して一度だけ処理すればよい。

【０１１４】図２５に、本実施の形態における近傍単語
統計情報抽出部１０４の詳細な構成を示すブロック図を
示す。また、図２６に、そのステップＳ１０における処
理手順を表すフローチャートを示す。ステップＳ１０
は、実施の形態１とほぼ同様な処理であるが、後の処理
で共通単語数により類似度を計算するため、近傍単語統
計情報が不要である。そのため近傍単語統計情報抽出部
１０４は、図２５および図２６に示すように、近傍単語
情報計数部１０４ｃのない構成とする。形態素解析部１
０４ａおよび近傍単語情報抽出部１０４ｂについては、
図３に示したものと同様である。

【０１１５】ここでは、説明を簡単にするため、近傍単
語統計情報記憶部１０５については、実施の形態１と同
様のものを使用する。この場合、頻度情報が不要なの
で、仮に頻度1をすべての単語の組合せに付す。図２７
に近傍単語統計情報４０１ａの一例を示す。なお、近傍
単語統計情報記憶部１０５を使用するかわりに、図２７
に示した記憶内容から頻度情報を削除し、メモリ容量を
節約した近傍単語情報記憶部を使用してもよい。

【０１１６】つぎに、実施の形態１と同様にステップＳ
２０およびステップＳ３０を実行する。処理の内容につ
いては実施の形態１とまったく同様な処理なので説明を
省略する。

【０１１７】ステップＳ４０１は、共通単語数計算ステ
ップである。ステップＳ４０１において、共通単語数計
算部４０１は、近傍単語統計情報記憶部１０５に記憶さ
れた近傍単語統計情報４０１ａをもとに、入力された未
知語とシソーラス１０２中のノードとの共通単語数によ
り類似度を計算する。すなわち、近傍単語統計情報４０
１ａをもとに、未知語の近傍単語とノードの近傍単語と
で共通する単語の数によって未知語とノードとの類似度
を計算する。

【０１１８】例えば、未知語の近傍単語が「とても、
車、大きい」であり、ノードの近傍単語が「とても、赤
い、大きい」である場合、近傍単語が共通する（１）か
共通しない（０）かは｛１、０、１｝であり、未知語の
近傍単語に対するノードの近傍単語の共通単語数は２と
なる。こうして得られた共通単語数によって類似度を計
算する。

【０１１９】このように、ビット演算による類似度計算
の処理が可能となるため、例えば、前述の実施の形態１
における類似度計算処理のように頻度ベクトルの内積や
相互情報量などを計算するのに対して高速に処理でき
る。

【０１２０】以降、実施の形態１と同様に、ステップＳ
５０およびステップＳ６０を実行し、未知語概念推定処
理を終了する。処理内容については、実施の形態１とま
ったく同様なので説明を省略する。

【０１２１】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、近傍単語統計情報を抽出する際に近傍単語情報
計数ステップを省き、単語間類似度の計算に、内積や相
互情報量といった計算量の大きな値ではなく、高速なビ
ット演算を利用可能な共通単語数を使用することによ
り、未知語概念推定処理を高速化することができる。

【０１２２】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１２３】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１２４】実施の形態８．以下、本発明の実施の形態
８について説明する。図２８は実施の形態８における未
知語概念推定装置の構成を示すブロック図である。図２
８において、前述の実施の形態と同一または相当部分に
同一符号を付し、説明を省略する。４０２は、類似概念
探索部１０９が探索を開始する開始ノードを指定する開
始概念指定部である。

【０１２５】全体の処理手順については実施の形態１と
まったく同様なため説明を省略し、本実施の形態におい
て特徴的な部分である開始概念指定部４０２および開始
概念指定ステップＳ４０２について詳しく説明する。

【０１２６】図２９は、図２における類似概念探索ステ
ップＳ３０から類似概念出力ステップＳ６０までを詳細
に説明したフローチャートである。以下、図２８および
図２９を参照しつつ、適宜他の詳細図面を参照しなが
ら、動作について詳細に説明する。

【０１２７】図２９に示すフローチャートにおいて、ま
ず、前述のステップＳ２０１の処理に先立って、ステッ
プＳ４０２で開始概念を設定する。例えば、対象分野が
限定されたコーパスを使用する場合に、本装置を使用す
る人間が、そのコーパスの特徴を表す上位概念のノード
を探索開始ノードとして指定する。

【０１２８】ステップＳ２０１で、単語間類似度計算部
１０６が入力未知語Ｗｕを初期化すると共に、類似概念
探索部１０７は開始概念指定部４０２によって指定され
た探索開始ノードをルートノードＮｒに初期化する。こ
うすることにより、関連のないノードを探索する必要が
なくなり、類似概念探索部１０９の探索空間を小さくす
ることができるため、概念推定処理を高速化することが
できる。

【０１２９】以降、実施の形態１と同様の処理手順で動
作し、未知語概念推定処理を終了する。処理内容につい
ては、実施の形態１とまったく同様なので説明を省略す
る。

【０１３０】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、対象分野が限定されたコーパスを使用する場合
に、そのコーパスの特徴を表す上位概念のノードを探索
開始ノードとして設定することにより、関連のないノー
ドを探索する必要がなくなり、探索空間を小さくするこ
とができるため、未知語概念推定処理を高速化すること
ができる。

【０１３１】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１３２】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１３３】実施の形態９．以下、本発明の実施の形態
９について説明する。図３０は実施の形態９における未
知語概念推定装置の構成を示すブロック図である。図３
０において、前述の実施の形態と同一または相当部分に
同一符号を付し、説明を省略する。５０１は、近傍単語
統計情報記憶部１０５に記憶された近傍単語統計情報を
読み出すと共に、近傍単語統計情報に基づいて、入力未
知語と、類似概念評価部１０８から出力された類似概念
のノード（概念を表す単語）とが共起関係（コーパス中
で互いに近傍に出現する）にあるかどうかにより同義性
を判定し、判定結果に応じてその類似概念のノードを類
似概念ノード出力部１０９または同義概念ノード出力部
５０２に出力する共起判定部である。５０２は、同義と
判定されたノードを同義概念として出力する同義概念ノ
ード出力部である。

【０１３４】全体の処理手順については実施の形態１と
まったく同様なため説明を省略し、本実施の形態におい
て特徴的な部分である共起判定部５０１および共起判定
ステップＳ５０１について詳しく説明する。

【０１３５】図３１は、図２における類似概念探索ステ
ップＳ３０から類似概念出力ステップＳ６０までを詳細
に説明したフローチャートである。図８に示したフロー
チャートとの違いは、類似概念評価ステップＳ２０７の
後に、共起判定ステップＳ５０１以降の処理が加わって
いることである。

【０１３６】共起判定ステップＳ５０１では、共起判定
部５０１が近傍単語統計情報記憶部１０５に記憶された
近傍単語統計情報を読み出すと共に、近傍単語統計情報
に基づいて、入力未知語とステップ２０７の結果得られ
た類似概念のノードとが強い共起関係にあるかどうかを
判定する。強い共起関係にあると判定された場合には、
同義語同士は共起しにくいという性質に基づいて、入力
未知語は上記類似概念のノードとは同義性をもたないと
判断され、類義概念ノード出力部１０９に送信される。
ステップＳ２０８で、類似概念ノード出力部１０９がそ
のノードを類似概念として出力して処理を終了する。

【０１３７】一方、共起関係にないと判定された場合に
は、入力未知語は上記類似概念のノードと同義性をもつ
と判断され、同義概念ノード出力部５０２に送信され
る。ステップＳ５０２で、同義概念ノード出力部５０２
がそのノードを同義概念ノードとして出力して処理を終
了する。

【０１３８】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、同義語同士は共起しにくいという性質に基づい
て、近傍単語統計情報を用いて未知語とノード（概念を
表す単語）との共起関係の強さを調べて未知語とノード
との同義性を判定することにより、同義概念と類義概念
とを精度良く区別して未知語の概念を推定することがで
きる。

【０１３９】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１４０】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１４１】実施の形態１０．以下、本発明の実施の形
態１０について説明する。図３２は実施の形態１０にお
ける未知語概念推定装置の構成を示すブロック図であ
る。図３２において、前述の実施の形態と同一または相
当部分に同一符号を付し、説明を省略する。６０１は、
類似概念評価部１０８から入力未知語との類似度が強い
ノード（概念）が複数出力された場合に、それらの類似
度が同等かどうかを調べ、同等であるとき、シソーラス
に基づいて入力未知語の概念となる新たな概念の挿入位
置を判定して出力し、それ以外の場合に類似概念を出力
する新語義挿入判定部である。６０２は、新たに挿入す
べきと判定されたノードを新語義として出力する新語義
ノード出力部である。

【０１４２】全体の処理手順については実施の形態１と
まったく同様なため説明を省略し、本実施の形態におい
て特徴的な部分である新語義挿入判定部６０１および新
語義挿入判定ステップＳ６０１について詳しく説明す
る。

【０１４３】図３３は、図２における類似概念探索ステ
ップＳ３０から類似概念出力ステップＳ６０までを詳細
に説明したフローチャートである。図８に示したフロー
チャートとの違いは、類似概念評価ステップＳ２０７の
後に、新語義挿入判定ステップＳ６０１以降の処理が加
わっていることである。

【０１４４】類似ノード評価ステップＳ２０７の評価結
果から入力未知語との類似度が強いノードが複数出力さ
れた場合に、新語義挿入判定ステップＳ６０１では、新
語義挿入判定部６０１がそれらの類似度が同等かどうか
を調べる。同等であるとき、入力未知語はそれらのノー
ドの概念の中間に位置する新たな概念をもつと判断し、
シソーラス１０２に基づいてその新たな概念の挿入位置
を判定して新語義ノード出力部６０２に送信する。

【０１４５】このとき新語義ノードは、類似概念評価部
１０８が出力した複数の概念が共有する上位概念の下位
概念の位置に挿入されると判断する。図３４に新概念を
挿入する位置を示す。すなわち、未知語概念Ｃｕは、概
念Ｃ１および概念Ｃ２と同等に強い類似性をもつとき、
概念Ｃ１と概念Ｃ２が共有する上位概念Ｃ３の直接の下
位概念として概念ノードＣｕに挿入されると判断され
る。その後、ステップＳ６０２で、新語義ノード出力部
６０３がその新語義ノードを出力して処理を終了する。

【０１４６】一方、入力未知語との類似度が同じくらい
強いノードが複数ない場合、または類似度が同等でない
場合には、ステップＳ２０８の処理に移り、類似概念評
価部１０８によって最適と判定されたノードを類似概念
ノード出力部１０９が類似概念として出力して処理を終
了する。

【０１４７】以上のように、本実施の形態に係る未知語
概念推定装置によれば、前述の実施の形態における効果
に加え、入力未知語とシソーラスの複数のノードの概念
とが同等に強い類似性をもつとき、入力未知語は新たな
概念であると特定できることから、入力未知語とシソー
ラスの複数のノードの概念との類似性の強さを判定する
ことにより、入力未知語が新たな概念をもつものであっ
ても未知語の概念を推定できる。さらに、この推定結果
を用いることにより、シソーラス上の適切な位置に新た
な概念のノードを配置することができる。

【０１４８】なお、本実施の形態における未知語概念推
定装置の処理動作を実行させるためのプログラム、デー
タ、記憶情報などをフロッピーディスク、ＣＤ−ＲＯＭ
などのコンピュータ読み取り可能な記録媒体に記憶して
動作させてもよく、同様の効果を得られる。

【０１４９】また、前述の実施の形態と同様に、シソー
ラスのノードは概念を表す単語でなる場合について説明
したが、シソーラスは単語間の上位下位関係や同義関係
を単語の概念に基づいて記述したものであればよく、こ
れに限定されるものではない。例えば、シソーラスのノ
ードが抽象的な概念を表す中間概念であっても良く、同
様の効果を得られる。

【０１５０】

【発明の効果】以上のように、この発明の未知語概念推
定方法によれば、単語間類似度計算に用いる統計情報と
して近傍単語統計情報を用いることにより、係り受け解
析を必要とせず、自動的な未知語の概念推定処理を実現
できる。また、自動的な処理が可能であることにより、
人手による大量の修正作業が不要となり、多種多様な文
書情報に対する未知語の概念推定に費やす開発コストを
小さくすることができると共に、未知語概念推定処理の
適用範囲を広げることができる。

【０１５１】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、品詞情報に基づいて近傍単語
統計情報から機能語を除去することにより、単語間類似
度計算の精度が高くなり、未知語の概念推定精度を向上
することができる。

【０１５２】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、係り受けしやすい品詞間の係
り受けパターンに基づいて、係り受け関係の強さに応じ
て近傍単語統計情報に重み付けをすることにより、単語
間類似度計算の精度が高くなり、未知語の概念推定精度
を向上することができる。

【０１５３】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、近傍単語統計情報からストッ
プワードを除去することにより、単語間類似度計算の精
度が高くなり、未知語の概念推定精度を向上することが
できる。

【０１５４】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、近傍単語統計情報から頻出単
語を除去することにより、単語間類似度計算の精度が高
くなり、未知語の概念推定精度を向上することができ
る。

【０１５５】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、単語間の距離に従って近傍単
語統計情報に重み付けすることにより、単語間類似度計
算の精度が高くなり、未知語の概念推定精度を向上する
ことができる。

【０１５６】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、単語間類似度の計算に高速な
ビット演算を利用可能な共通単語数を使用することによ
り、未知語概念推定処理を高速化することができる。

【０１５７】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、対象分野が限定されたコーパ
スを使用する場合に、そのコーパスの特徴を表す上位概
念のノードを探索開始ノードとして設定することによ
り、関連のないノードを探索する必要がなくなり、探索
空間を小さくすることができるため、未知語概念推定処
理を高速化することができる。

【０１５８】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、同義語同士は共起しにくいと
いう性質に基づいて、近傍単語統計情報を用いて未知語
とシソーラスのノードの概念との共起関係の強さを調べ
て未知語とノードの概念との同義性を判定することによ
り、同義概念と類義概念とを精度良く区別して未知語の
概念を推定することができる。

【０１５９】また、次の発明の未知語概念推定方法によ
れば、前述の効果に加え、入力未知語とシソーラスの複
数のノードの概念とが同等に強い類似性をもつとき、入
力未知語は新たな概念であると特定できることから、入
力未知語とシソーラスの複数のノードの概念との類似性
の強さを判定することにより、入力未知語が新たな概念
をもつものであっても未知語の概念を推定できる。さら
に、この推定結果を用いることにより、シソーラス上の
適切な位置に新たな概念のノードを配置することができ
る。

【０１６０】さらに、この発明の未知語概念推定装置に
よれば、単語間類似度計算に用いる統計情報として近傍
単語統計情報を用いることにより、係り受け解析を必要
とせず、自動的な未知語の概念推定処理を実現できる。
また、自動的な処理が可能であることにより、人手によ
る大量の修正作業が不要となり、多種多様な文書情報に
対する未知語の概念推定に費やす開発コストを小さくす
ることができると共に、未知語概念推定処理の適用範囲
を広げることができる。

【０１６１】さらに、この発明の未知語概念推定処理プ
ログラムを記録したコンピュータ読み取り可能な記録媒
体によれば、単語間類似度計算に用いる統計情報として
近傍単語統計情報を用いることにより、係り受け解析を
必要とせず、自動的な未知語の概念推定処理を実現でき
る。また、自動的な処理が可能であることにより、人手
による大量の修正作業が不要となり、多種多様な文書情
報に対する未知語の概念推定に費やす開発コストを小さ
くすることができると共に、未知語概念推定処理の適用
範囲を広げることができる。

【図面の簡単な説明】

【図１】 この発明の実施の形態１における未知語概念
推定装置の構成を示すブロック図。

【図２】 この発明の実施の形態１における未知語概念
推定装置の処理の流れを示すフローチャート。

【図３】 この発明の実施の形態１における近傍単語統
計情報抽出部の詳細な構成を示すブロック図。

【図４】 この発明の実施の形態１における近傍単語統
計情報抽出ステップの詳細な処理の流れを示すフローチ
ャート。

【図５】 この発明の実施の形態１における近傍単語統
計情報抽出ステップの説明に供する形態素解析結果の一
例を示すデータ。

【図６】 この発明の実施の形態１における近傍単語統
計情報抽出ステップの説明に供する近傍単語情報の一例
を示すデータ。

【図７】 この発明の実施の形態１における近傍単語統
計情報抽出ステップの説明に供する近傍単語統計情報の
一例を示すデータ。

【図８】 この発明の実施の形態１における類似概念探
索ステップの詳細な処理の流れを示すフローチャート。

【図９】 この発明の実施の形態１における類似概念探
索ステップの説明に供するシソーラスの一例を示すデー
タ。

【図１０】 この発明の実施の形態１における類似概念
探索ステップの説明に供する近傍単語統計情報の一例を
示すデータ。

【図１１】 この発明の実施の形態２における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図１２】 この発明の実施の形態２における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図１３】 この発明の実施の形態２における近傍単語
統計情報抽出ステップの説明に供する形態素解析結果、
近傍単語情報および近傍単語統計情報の一例を示すデー
タ。

【図１４】 この発明の実施の形態３における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図１５】 この発明の実施の形態３における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図１６】 この発明の実施の形態３における近傍単語
統計情報抽出ステップの説明に供する形態素解析結果、
近傍単語情報および近傍単語統計情報の一例を示すデー
タ。

【図１７】 この発明の実施の形態４における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図１８】 この発明の実施の形態４における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図１９】 この発明の実施の形態５における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図２０】 この発明の実施の形態５における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図２１】 この発明の実施の形態６における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図２２】 この発明の実施の形態６における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図２３】 この発明の実施の形態７における未知語概
念推定装置の構成を示すブロック図。

【図２４】 この発明の実施の形態７における未知語概
念推定装置の処理の流れを示すフローチャート。

【図２５】 この発明の実施の形態７における近傍単語
統計情報抽出部の詳細な構成を示すブロック図。

【図２６】 この発明の実施の形態７における近傍単語
統計情報抽出ステップの詳細な処理の流れを示すフロー
チャート。

【図２７】 この発明の実施の形態７における近傍単語
統計情報の一例を示すデータ。

【図２８】 この発明の実施の形態８における未知語概
念推定装置の構成を示すブロック図。

【図２９】 この発明の実施の形態８における類似概念
探索ステップの詳細な処理の流れを示すフローチャー
ト。

【図３０】 この発明の実施の形態９における未知語概
念推定装置の構成を示すブロック図。

【図３１】 この発明の実施の形態９における類似概念
探索ステップの詳細な処理の流れを示すフローチャー
ト。

【図３２】 この発明の実施の形態１０における未知語
概念推定装置の構成を示すブロック図。

【図３３】 この発明の実施の形態１０における類似概
念探索ステップの詳細な処理の流れを示すフローチャー
ト。

【図３４】 この発明の実施の形態１０における新語義
挿入の説明に供する略線図。

【図３５】 従来技術の未知語概念推定装置の構成を示
すブロック図。

【図３６】 従来技術の未知語概念推定装置の処理の流
れを示すフローチャート。

【図３７】 従来技術の未知語概念推定装置における前
処理の詳細な処理の流れを示すフローチャート。

【図３８】 従来技術の未知語概念推定装置における関
係データ統計情報の一例を示すデータ。

【図３９】 従来技術の未知語概念推定装置における視
点情報の一例を示すデータ。

【符号の説明】

１、１０１ コーパス ２、１０２
シソーラス ３、１０３ 未知語入力部 ４ 関係デー
タ統計情報抽出部 ５ 関係データ統計情報記憶部 ６、１０６
単語間類似度計算部 ７ 推定エリア抽出部 ８ 視点抽出
部 ９ 視点情報記憶部 １０ エリア
評価部 １１ 推定エリア出力部 １０４ 近傍
単語統計情報抽出部 １０４ａ 形態素解析部 １０４ｂ 近
傍単語情報抽出部 １０４ｃ 近傍単語情報計数部 １０５ 近傍
単語統計情報記憶部 １０７ 類似概念探索部 １０８ 類似
概念評価部 １０９ 類似概念ノード出力部 ３０１ 機能
語除去部 ３０２ 係り受け重み付け処理部 ３１２ 係り
受けパターン記憶部 ３０３ ストップワード除去部 ３１３ スト
ップワード辞書 ３０４ 頻出単語除去部 ３０５ 単語
間距離重み付け処理部 ４０１ 共通単語数計算部 ４０２ 開始
概念指定部 ５０１ 共起判定部 ５０２ 同義
概念ノード出力部 ６０１ 新語義挿入判定部 ６０２ 新語義
ノード出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 今村 誠 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 森口 修 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内

Claims (12)

【特許請求の範囲】
1. 【請求項１】 大量の電子化文書情報からなるコーパス
   に含まれる単語のうち、単語間の上位下位関係や同義関
   係等を単語の概念に基づいて記述した既存のシソーラス
   に含まれない単語、即ち、未知語の概念を推定する未知
   語概念推定方法において、上記コーパスから各単語の前
   後に現れる近傍単語に応じて近傍単語統計情報を抽出す
   る近傍単語統計情報抽出ステップと、上記近傍単語統計
   情報を記憶する近傍単語統計情報記憶ステップと、上記
   記憶した近傍単語統計情報を読み出すと共に当該近傍単
   語統計情報に基づいて上記未知語と上記シソーラスの概
   念との類似度を計算する単語間類似度計算ステップと、
   上記単語間類似度計算ステップで計算された上記類似度
   に基づいて上記シソーラスの単語間の関係を示すリンク
   情報をたどりながら上記未知語と類似する概念を探索し
   て類似概念の候補を出力する類似概念探索ステップと、
   上記類似概念の候補を上記未知語との上記類似度に基づ
   いて評価し最適な類似概念を選択して出力する類似概念
   評価ステップとを有し、上記単語間類似度計算ステップ
   と上記類似概念探索ステップとを再帰的に実行して上記
   未知語の概念を推定することを特徴とする未知語概念推
   定方法。
2. 【請求項２】 上記近傍単語統計情報抽出ステップにお
   いて、品詞情報に基づいて上記近傍単語統計情報から機
   能語を除去する機能語除去ステップを有することを特徴
   とする請求項１に記載の未知語概念推定方法。
3. 【請求項３】上記近傍単語統計情報抽出ステップにおい
   て、係り受けしやすい品詞間のパターンに基づいて上記
   近傍単語統計情報に重み付けを行う係り受け重み付けス
   テップを有することを特徴とする請求項１に記載の未知
   語概念推定方法。
4. 【請求項４】 上記近傍単語統計情報抽出ステップにお
   いて、概念推定に寄与しない所定のストップワードを上
   記近傍単語統計情報から除去するストップワード除去ス
   テップを有することを特徴とする請求項１に記載の未知
   語概念推定方法。
5. 【請求項５】 上記近傍単語統計情報抽出ステップにお
   いて、上記コーパス中の出現頻度に応じた頻出単語を上
   記近傍単語統計情報から除去する頻出単語除去ステップ
   を有することを特徴とする請求項１に記載の未知語概念
   推定方法。
6. 【請求項６】 上記近傍単語統計情報抽出ステップにお
   いて、単語間の距離に従って上記近傍単語統計情報に重
   み付けを行う単語間距離重み付けステップを有すること
   を特徴とする請求項１に記載の未知語概念推定方法。
7. 【請求項７】 上記単語間類似度計算ステップにおいて
   類似度を計算する際に、近傍単語の共通単語数に基づい
   て計算することを特徴とする請求項１に記載の未知語概
   念推定方法。
8. 【請求項８】 上記類似概念探索ステップに先立って、
   類似概念探索を開始する上記シソーラスの概念をあらか
   じめ指定する開始概念指定ステップを有することを特徴
   とする請求項１に記載の未知語概念推定方法。
9. 【請求項９】 上記近傍単語統計情報に基づいて上記未
   知語と当該未知語の上記シソーラス上の類似概念との共
   起関係の強さにより同義性を判定する共起判定ステップ
   を有し、上記判定結果に基づいて類似概念と同義概念と
   を区別して上記未知語の概念を推定することを特徴とす
   る上記請求項１に記載の未知語概念推定方法。
10. 【請求項１０】 上記類似概念評価ステップにおいて上
    記未知語との類似度が同じくらい強い概念が複数ある場
    合に、上記シソーラスに基づいて上記未知語の概念とな
    る新たな概念の挿入位置を判定する新語義挿入判定ステ
    ップを有することを特徴とする請求項１に記載の未知語
    概念推定方法。
11. 【請求項１１】 大量の電子化文書情報からなるコーパ
    スに含まれる単語のうち、単語間の上位下位関係や同義
    関係等を単語の概念に基づいて記述した既存のシソーラ
    スに含まれない単語、即ち、未知語の概念を推定する未
    知語概念推定装置において、上記コーパスから各単語の
    前後に現れる近傍単語に応じて近傍単語統計情報を抽出
    する近傍単語統計情報抽出手段と、上記近傍単語統計情
    報を記憶する近傍単語統計情報記憶手段と、上記記憶し
    た近傍単語統計情報を読み出すと共に当該近傍単語統計
    情報に基づいて上記未知語と上記シソーラスの概念との
    類似度を計算する単語間類似度計算手段と、上記単語間
    類似度計算手段で計算された上記類似度に基づいて上記
    シソーラスの単語間の関係を示すリンク情報をたどりな
    がら上記未知語と類似する概念を探索して類似概念の候
    補を出力する類似概念探索手段と、上記類似概念の候補
    を上記未知語との上記類似度に基づいて評価し最適な類
    似概念を選択して出力する類似概念評価手段とを備え、
    上記単語間類似度計算手段と上記類似概念探索手段とを
    再帰的に動作させて上記未知語の概念を推定することを
    特徴とする未知語概念推定装置。
12. 【請求項１２】 大量の電子化文書情報からなるコーパ
    スに含まれる単語のうち、単語間の上位下位関係や同義
    関係等を単語の概念に基づいて記述した既存のシソーラ
    スに含まれない単語、即ち、未知語の概念を推定する未
    知語概念推定処理プログラムを記録したコンピュータ読
    み取り可能な記録媒体において、上記コーパスから各単
    語の前後に現れる近傍単語に応じて近傍単語統計情報を
    抽出する近傍単語統計情報抽出手順と、上記近傍単語統
    計情報を記憶する近傍単語統計情報記憶手順と、上記記
    憶した近傍単語統計情報を読み出すと共に当該近傍単語
    統計情報に基づいて上記未知語と上記シソーラスの概念
    との類似度を計算する単語間類似度計算手順と、上記単
    語間類似度計算手段で計算された上記類似度に基づいて
    上記シソーラスの単語間の関係を示すリンク情報をたど
    りながら上記未知語と類似する概念を探索して類似概念
    の候補を出力する類似概念探索手順と、上記類似概念の
    候補を上記未知語との上記類似度に基づいて評価し最適
    な類似概念を選択して出力する類似概念評価手順とを有
    し、上記単語間類似度計算手順と上記類似概念探索手順
    とを再帰的に実行して上記未知語の概念を推定すること
    を特徴とする未知語概念推定処理プログラムを記録した
    コンピュータ読み取り可能な記録媒体。