JPH1145288A - 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 - Google Patents

Abstract

(57)【要約】 【課題】 複数の文書がドキュメント単位でどれだけ似
ているかを判定して、その類似度の高い文書を纏め、各
文書群毎に要約を作成して読み易い要約を作成できる文
書処理装置および文書作成方法を提供すること。 【解決手段】 要約しようとする複数の文書毎の文書ベ
クトルを求め、各文書間で文書ベクトルの差をとる。こ
れらの連続する２つの文書間のコサインバリュー（cosi
ne value）が高いか低いかでトピックの同一性を判断す
る。同じトッピクに属する（即ち類似度が高い場合）と
された文書は、執筆の時間順に纏められでサマリー抽出
アルゴリズムにかける。これを各トピックに属するとさ
れた文書毎に繰り返し、各部分サマリーを結合して全体
サマリーを生成する。

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、文書処理装置、
文書処理方法および文書処理プログラムが記録された記
憶媒体に係り、詳細には、複数の文書から適切な要約を
作成する技術に関する。

【０００２】

【従来の技術】従来、書籍、論文、報告書等の各種の文
書に対し、要約（抄録を含む）の自動作成処理や、他文
書等との関連づけ処理等の各種処理をコンピュータを用
いて行うことが行われている。文書の自動要約について
は、例えば、「全文情報からの意味的情報の抽出と加
工」（情報処理学会第３８回全国大会予稿集、第２２２
頁；１９８９年）で提案されている。この方法では、ま
ず文書中の重要語を字種や動詞等の情報から抽出し、さ
らに重要語の出現頻度から最重要語を決定する。次に、
重要語と最重要語が出現するか否かから重要文を決定す
ることで、自動的に要約を作成することが可能になる。
また、文章の段落の性質を反映させることで、より正確
に要約を作成する特開平３−１９１４７５号公報に記載
された方法等も提案されている。一方、他のデータとの
関連づけとしては、インターネットにおけるハイパーリ
ンクや、フレームシステム等による知識処理（エキスパ
ートシステム等）における関連づけ等が行われている。

【０００３】

【発明が解決しようとする課題】ところで、従来の文書
処理装置では、単数の文書を対象として、要約するもの
であった。そこで、複数の文書について要約を作成する
場合、個々の文書を要約してこれを繋ぎ合わせることが
必要であった。しかし、この方法によると、複数の各文
書が同一のトピックのみで構成されている場合は、比較
的適切な要約を作成することが可能であるが、各文書の
が異なる複数のトピックを含むときは、必ずしも適切な
要約を作成することができなかった。すなわち、各文書
の内容の類否を考慮せず、互いに異なる主張や事実の記
載をもつ複数文書の要約を互いにつなぎ合わせることで
要約を作成していたため、可読性の低い要約を生成して
いた。

【０００４】そこで、本発明は、このような従来の課題
を解決するために成されたもので、複数の文書が、ドキ
ュメント単位でどれだけ似ているかを判定して、その類
似度の高い文書を纏め、各文書群毎に要約を作成する文
書処理装置および文書作成方法を提供することを第１の
目的とする。また、本発明は、複数の文書が、ドキュメ
ント単位でどれだけ似ているかを判定して、その類似度
の高い文書を纏め、各文書群毎に要約を作成しすること
ができるコンピュータ読取り可能な文書処理プログラム
を記録した記憶媒体を提供することを第２の目的とす
る。

【０００５】

【課題を解決するための手段】請求項１記載の発明で
は、所定形式の文書を複数個取得する文書取得手段（１
０１、図１０）と、前記文書取得手段により取得された
各文書間の類似度を算出する類似度算出手段（１０２）
と、前記類似度算出手段で算出された各文書間の類似度
から内容の類似した文書を纏めた類似文書群を作成する
類似文書群作成手段（１０３）と、この類似文書群作成
手段により作成された類似文書群毎に文書の要約を自動
的に作成する要約作成手段（１０４）と文書処理装置に
備えさせて前記第１の目的を達成する。

【０００６】請求項２に記載した発明では、請求項１に
記載した文書処理装置において、前記要約手段で作成し
た各要約を統合して複数文書の要約を作成する要約統合
手段（１０５、図１１）を備えたことにより前記第１の
目的を達成する。

【０００７】請求項３に記載した発明では、請求項１ま
たは請求項２に記載した文書処理装置において、前記文
書取得手段で取得された複数個の各文書を特徴づける文
書ベクトルを決定する文書ベクトル決定手段を備え、前
記類似度算出手段は前記文書ベクトル決定手段で決定さ
れた各文書の文書ベクトルにより各文書間の類似度を算
出することにより前記第１の目的を達成する。

【０００８】請求項４に記載した発明では、請求項１、
請求項２または請求項３記載の文書処理装置において、
前記類似文書群作成手段で作成した類似文書群内の文書
を執筆時間順に配列し、この類似文書群を前記要約作成
手段で文書の要約を作成することにより前記第１の目的
を達成する。

【０００９】請求項５に記載した発明では、請求項１、
請求項２、請求項３または請求項４記載の文書処理装置
において、前記類似文書群作成手段で内容の類似した文
書を纏めた類似文書群を作成する際、類似文書群の数の
目安となる値を利用者が入力できる数値入力手段を備え
たことにより前記第１の目的を達成する。

【００１０】請求項６に記載した発明では、所定形式の
文書を複数個取得する文書取得機能と、前記文書取得機
能により取得された各文書間の類似度を算出する類似度
算出機能と、前記類似度算出機能で算出された各文書間
の類似度から内容の類似した文書を纏めた類似文書群を
作成する類似文書群作成機能と、この類似文書群作成機
能により作成された類似文書群毎に文書の要約を自動的
に作成する要約作成機能と、をコンピュータに実現させ
るためのコンピュータ読取り可能な文書処理プログラム
が記憶された記憶媒体により前記第２の目的を達成す
る。

【００１１】請求項７に記載した発明では、請求項６記
載の記憶媒体において、前記要約機能で作成した各要約
を統合して複数文書の要約を作成する要約統合機能を備
えたことを特徴とする。

【００１２】請求項８に記載した発明では、請求項６ま
たは請求項７記載の記憶媒体において、前記文書取得機
能で取得された複数個の各文書を特徴づける文書ベクト
ルを決定する文書ベクトル決定機能を備え、前記類似度
算出機能は前記文書ベクトル決定機能で決定された各文
書の文書ベクトルにより各文書間の類似度を算出する。

【００１３】請求項９に記載した発明では、請求項６、
請求項７または請求項８記載の記憶媒体において、前記
類似文書群作成手段で作成した類似文書群内の文書を執
筆時間順に配列し、この類似文書群を前記要約作成機能
で文書の要約を作成する。

【００１４】請求項１０に記載した発明では、請求項
６、請求項７、請求項８または請求項９記載の記憶媒体
において、前記類似文書群作成機能で内容の類似した文
書を纏めた類似文書群を作成する際、文書類似群の数の
目安となる値を利用者が入力できる数値入力機能を備え
る。

【００１５】請求項１１に記載した発明では、所定形式
の文書を複数個取得し、取得された各文書間の類似度を
算出し、算出された各文書間の類似度から内容の類似し
た文書を纏めた類似文書群を作成し、作成された類似文
書群毎に文書の要約を自動的に作成することをにより前
記第１の目的を達成する。

【００１６】請求項１２に記載した発明では、請求項１
１記載の発明において、作成した各要約を統合して複数
文書の要約を作成することにより前記第１の目的を達成
する。

【００１７】請求項１２に記載した発明では、請求項１
１または請求項１２記載の発明において、取得された複
数個の各文書を特徴づける文書ベクトルを決定し、決定
された前記文書ベクトルにより各文書間の類似度を算出
することにより前記第１の目的を達成する。

【００１８】

【発明の実施の形態】以下、本発明の文書処理装置、文
書処理方法および文書処理プログラムを記録した記憶媒
体の好適な実施の形態を、図１ないし図１１を参照して
詳細に説明する。 （１）実施の形態の概要 本実施の形態では、複数の文書毎の文書ベクトルを求
め、各文書間で文書ベクトルの差をとる。これらの連続
する２つの文書間のコサインバリュー（cosine value）
が高いか低いかでトピックの同一性を判断する。同じト
ッピクに属する（即ち類似度が高い場合）とされた文書
は、執筆の時間順に纏められでサマリー抽出アルゴリズ
ムにかける。これを各トピックに属するとされた文書毎
に繰り返し、各部分サマリーを結合して全体サマリーを
生成する。

【００１９】（２）実施の形態の詳細 図１は、文書処理装置の構成を表したブロック図であ
る。本実施の形態の文書処理装置は、パーソナルコンピ
ュータやワードプロセッサ等を含むコンピュータシステ
ムとして構成し、また、ＬＡＮ（ローカル・エリア・ネ
ットワーク）のサーバーやインターネットを含むコンピ
ュータ（パソコン）通信のホストとして構成することが
可能である。文書処理装置は、図１に示すように装置全
体を制御するための制御部１１を備えている。この制御
部１１には、データバス等のバスライン２１を介して、
入力装置としてのキーボード１２やマウス１３、表示装
置１４、印刷装置１５、記憶装置１６、記憶媒体駆動装
置１７、通信制御装置１８、入出力Ｉ／Ｆ１９および、
文字認識装置２０が接続されている。制御部１１は、Ｃ
ＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３を備えてい
る。ＲＯＭ１１２は、ＣＰＵ１１１が各種制御や演算を
行うための各種プログラムやデータが予め格納されたリ
ードオンリーメモリである。

【００２０】ＲＡＭ１１３は、ＣＰＵ１１１にワーキン
グメモリとして使用されるランダム・アクセス・メモリ
である。このＲＡＭ１１３には、本実施の形態による要
約処理を行うためのエリアとして、要約対象文書格納エ
リア１１３１、要約パラメータ格納エリア１１３２、類
似群情報格納エリア１１３３、文書ベクトル格納エリア
１１３４、要約格納エリア１１３５、その他の各種エリ
アが確保されるようになっている。要約パラメータ格納
エリア１１３２には、操作者からの入力等により取得さ
れた要約パラメータの値または後述のデータ格納部の１
６３から読み込んだ要約パラメータのデフォルト値が格
納される。操作者が入力する要約パラメータとしては、
例えば、全文書に対する要約の比率（１％〜９９％）、
数量優先のある／なし、長単文のある／なし、です／で
あるの選択をする／しない、等の値が格納される。類似
群情報格納エリア１１３３には、各文書間の類似度（−
１から＋１で表示される）の情報が格納される。文書ベ
クトル格納エリア１１３４には、要約対象文書に対する
文書ベクトルと、後述する各類似文書群に対する文書ベ
クトルとが格納される。要約格納エリア１１３５には、
本実施の形態により発見された各トピックを含む各文書
群に対する要約と、要約対象文書全体に対する要約とが
格納される。

【００２１】キーボード１２は、かな文字を入力するた
めのかなキーやテンキー、各種機能を実行するための機
能キー、カーソルキー、等の各種キーが配置されてい
る。マウス１３は、ポインティングデバイスであり、表
示装置１４に表示されたキーやアイコン等を左クリック
することで対応する機能の指定を行う入力装置である。
表示装置１４は、例えばＣＲＴや液晶ディスプレイ等が
使用される。この表示装置には、要約対象文書の内容
や、本実施の形態により自動生成された要約の内容等が
表示されるようになっている。印刷装置１５は、表示装
置１４に表示された文章や、記憶装置１６の文書格納部
１６４に格納された文書等の印刷を行うためのものであ
る。この印刷装置としては、レーザプリンタ、ドットプ
リンタ、インクジェットプリンタ、ページプリンタ、感
熱式プリンタ、熱転写式プリンタ、等の各種印刷装置が
使用される。

【００２２】記憶装置１６は、読み書き可能な記憶媒体
と、その記憶媒体に対してプログラムやデータ等の各種
情報を読み書きするための駆動装置で構成されている。
この記憶装置１６に使用される記憶媒体としては、主と
してハードディスクが使用されるが、後述の記憶媒体駆
動装置１７で使用される各種記憶媒体のうちの読み書き
可能な記憶媒体を使用するようにしてもよい。記憶装置
１６は、仮名漢字変換辞書１６１、プログラム格納部１
６２、データ格納部１６３、文書データベース１６４、
要約データベース１６５、文書ベクトルデータベース１
６６、図示しないその他の格納部（例えば、この記憶装
置１６内に格納されているプログラムやデータ等をバッ
クアップするための格納部）等を有している。プログラ
ム格納部１６２には、本実施の形態における自動要約処
理プログラム、文書ベクトル作成処理プログラム、要約
作成処理プログラム等の各種プログラムの他、仮名漢字
変換辞書１６１を使用して入力された仮名文字列を漢字
混り文に変換する仮名漢字変換プログラム等の各種プロ
グラムが格納されている。データ格納部１６３には、要
約パラメータのデフォルト値等の各種データが格納され
ている。要約パラメータのデフォルト値としては、例え
ば、全文書に対する要約の比率＝「２５％」や、日付時
刻、価格情報、物理量（サイズ、重量、温度等）等の数
量重視＝「しない」や、ＵＲＬ（Uniform Resource Loc
ator) 重視＝「しない」や、です／ます／であるの選択
＝「しない」、等の値が格納されている。

【００２３】文書データベース１６４には、仮名漢字変
換プログラムにより作成された文書や、他の装置で作成
されて記憶媒体駆動装置１７や通信制御装置１８から読
み込まれた文書が格納される。この文書データベース１
６４に格納される各文書の形式は特に限定されるもので
はなく、テキスト形式の文書、ＨＴＭＬ（Hyper TextMa
rkup Language）形式の文書、ＪＩＳ形式の文書等の各
種形式の文書の格納が可能である。文書データベース１
６４には、これらの形式の文書データが格納される。要
約データベース１６５、及び文書ベクトルデータベース
１６６には、文書データベース１６４に格納されている
各文書に対応する要約や文書ベクトルが格納されるよう
になっている。

【００２４】図２は、文書ベクトルデータベース１６６
の内容を概念的に表したものである。この図２に示され
るように、文書中から自動抽出されたキーワードｘに対
して求められた要素値ｆ（ｘ）が文書ベクトルの要素と
して格納されている。この文書ベクトルは各文書（Ａ、
Ｂ、Ｃ…）毎に格納され、文書データベース１６４に格
納されている各文書と対応づけられている。各文書ベク
トルの次元は採用するキーワードｘ（重要語句）の数で
あるが、２文書間の類似度を両文書ベクトルから求める
場合には、両文書のキーワードの和集合の数が両文書ベ
クトルの次元となる。この場合、一方の文書ベクトルに
のみ含まれるキーワードに対する他方の文書ベクトルの
要素値は、”０”に定義される。

【００２５】例えば、図２おいて、文書Ｂのキーワード
は「重要、重要語、重要度、…」、文書Ｃのキーワード
は「重要、…、政治、…」であり、両文書の文書ベクト
ルは次の通りである。 文書Ｂの文書ベクトル＝（ １，１８，１９，…） 文書Ｃの文書ベクトル＝（１８，…，２１，…） これに対して文書Ｂと文書Ｃとの類似度を算出する場合
には、両文書のキーワードを「重要、重要語、重要度、
…、政治、…」とし、両文書の文書ベクトルはつぎの通
り定義される。 文書Ａの文書ベクトル＝（ １，１８，１９，…，
０，…）、 文書Ｃの文書ベクトル＝（１８， ０， ０，…，２
１，…）

【００２６】記憶媒体駆動装置１７は、ＣＰＵ１１１が
外部の記憶媒体からコンピュータプログラムや文書を含
むデータ等を読み込むための駆動装置である。記憶媒体
に記録されているコンピュータプログラムには、本実施
の形態の文書処理装置により実行される各種処理のため
のプログラム、および、そこで使用される辞書、データ
等も含まれる。ここで、記憶媒体とは、コンピュータプ
ログラムやデータ等が記録される記憶媒体をいい、具体
的には、フロッピーディスク、ハードディスク、磁気テ
ープ等の磁気記憶媒体、メモリチップやＩＣカード等の
半導体記憶媒体、ＣＤ−ＲＯＭやＭＯ、ＰＤ（相変化書
換型光ディスク）等の光学的に情報が読み取られる記憶
媒体、紙カードや紙テープ等の用紙（および、用紙に相
当する機能を持った媒体）を用いた記憶媒体、その他各
種方法でコンピュータプログラム等が記録される記憶媒
体が含まれる。本実施の形態の文書処理装置において使
用される記憶媒体としては、主として、ＣＤ−ＲＯＭや
フロッピーディスクが使用される。記憶媒体駆動装置１
７は、これらの各種記憶媒体からコンピュータプログラ
ムを読み込む他に、フロッピーディスクのような書き込
み可能な記憶媒体に対してＲＡＭ１１３や記憶装置１６
に格納されているデータ等を書き込むことが可能であ
る。

【００２７】本実施の形態の文書処理装置では、制御部
１１のＣＰＵ１１１が、記憶媒体駆動装置１７にセット
された外部の記憶媒体からコンピュータプログラムを読
み込んで、記憶装置１６の各部に格納（インストール）
する。そして、本実施の形態による自動要約処理等の各
種処理を実行する場合、記憶装置１６から該当プログラ
ムをＲＡＭ１１３に読み込み、実行するようになってい
る。但し、記憶装置１６からではなく、記憶媒体駆動装
置１７により外部の記憶媒体から直接ＲＡＭ１１３に読
み込んで実行することも可能である。また、文書処理装
置によっては、本実施の形態の自動要約処理プログラム
等を予めＲＯＭ１１２に記録しておき、これをＣＰＵ１
１１が実行するようにしてもよい。

【００２８】通信制御装置１８は、他のパーソナルコン
ピュータやワードプロセッサ等との間でテキスト形式や
ＨＴＭＬ形式等の各種形式の文書やビットマップデータ
等の各種データの送受信を行うことができるようになっ
ている。入出力Ｉ／Ｆ１９は、音声や音楽等の出力を行
うスピーカ等の各種機器を接続するためのインターフェ
ースである。文字認識装置２０は、用紙等に記載された
文字をテキスト形式やＨＴＭＬ等の各種形式で認識する
装置であり、イメイージスキャナや文字認識プログラム
等で構成されている。

【００２９】本実施の形態では、キーボード１２の入力
操作により作成した文書（ＲＡＭ１１３の所定格納エリ
アに格納）の他、外部で作成して所定の記憶媒体に格納
した文書で記憶媒体駆動装置１７から読み込んだ文書、
予め文書データベースに格納されている文書、通信制御
装置１８からダウンロードした文書、及び文字認識装置
２０で文字認識した文書、等の各種文書を対象文書とし
て取得する（文字取得手段）ことが可能である。

【００３０】以上のように構成された本実施の形態の文
書処理装置による、複数文書から要約を作成する自動要
約処理の動作について図３から図９を用いて説明する。
図３は複数文書の自動要約処理のメイン動作を表したも
のであり、図４（Ｂ）、図７中に示した文書ベクトル
は、概念的に理解しやすくするために２次元で表示した
ものであるが、実際にはＮ次元ベクトルである。ＣＰＵ
１１１は、要約を作成する対象となっている要約対象文
書Ａ（図４（Ａ））を取得し、ＲＡＭ１１３の要約対象
文書格納エリア１１３１に格納する（ステップ１０）。
要約対象文書Ａは、ユーザの指示に従ってＲＡＭ１１３
（自装置内で作成された文書である場合）、記憶装置１
６の文書データベース１６４（要約が未だ作成されてい
ない文書である場合）、記憶媒体駆動装置１７（自装置
または他装置で作成済みの文書の場合）、通信制御装置
１８（パソコン通信、インターネット等の通信による場
合）から取得する。

【００３１】次にＣＰＵ１１１は、ユーザによってキー
ボード１２等から要約パラメータが入力された場合には
入力値を取得し、ユーザによる入力がない場合にはデー
タ格納部１６３に格納された要約パラメータのデフォル
ト値を取得し、要約パラメータ格納エリア１１３２に格
納する（ステップ１１）。

【００３２】次にＣＰＵ１１１は、要約対象文書格納エ
リア１１３１に格納した要約対象文書Ａに対する文書ベ
クトルＶ（図４（Ｂ））を求める（ステップ１２）。こ
の作業を各要約対象文書（Ｂ〜Ｇ）に繰り返して行う。
図５は、各要約対象文書Ａ〜Ｇに対する文書ベクトルを
求めたところを示す表である。図８は、文書ベクトル作
成処理の動作を表したフローチャートである。ＣＰＵ１
１１は、形態素解析を行うことで要約対象文書から自立
語を抽出する（ステップ１３１）と共に、名詞句、複合
名詞句等を含めた候補語（句）を要約対象文書Ａから抽
出しＲＡＭ１１３の所定作業領域に格納する（ステップ
１３２）。そして抽出した候補語（句）の要約対象文書
での出現頻度、評価関数から、各候補語（句）重要度ｆ
（ｘ）を決定する（ステップ１３３）。ここで、評価関
数としては、例えば、所定の重要語が予め指定されてい
る場合にはその重要語に対する重み付け、単語、名詞
句、複合名詞句等の候補語（句）の種類による重み付け
等が使用される。さらにＣＰＵ１１１は、決定した重要
度ｆ（ｘ）の値から要約対象文書のキーワードａ，ｂ，
…を決定する（ステップ１３４）。そして、各キーワー
ドの重要度ｆ（ｘ）を要素として、文書ベクトルＶ＝
（ｆ（ａ），ｆ（ｂ），…）をＲＡＭ１１３の文書ベク
トル格納エリア１１３４に格納する（ステップ１３
５）。この文書ベクトルＶを求める処理を複数の各文書
Ａ、Ｂ、Ｃ、Ｄ……と全ての要約対象文書について行
う。

【００３３】要約対象の全ての文書に対して文書ベクト
ルＶが求まるとＣＰＵ１１１は、各文書間の類似度ｓを
求める（ステップ１３）。各文書間の類似度ｓを、両者
の文書ベクトルｂｎと文書ベクトルｂｎ＋１間の角度に
依存するコサインにより求める。すなわち、両文書ベク
トルｂｎとｂｎ＋１間の角度をｑとし、両文書ベクトル
の内積をｂｎ・ｂｎ＋１とし、両文書ベクトルの大きさ
をそれぞれ｜ｂｎ｜、｜ｂｎ＋１｜とした場合、両文書
ベクトルの類似度ｓは次の数式１により求まる。

【００３４】

【数１】類似度ｓ＝ＣＯＳ（ｑ）＝（ｂｎ・ｂｎ＋１）
／（｜ｂｎ｜×｜ｂｎ＋１｜）

【００３５】この類似度ｓの値は−１≦ｓ≦１までの値
をとり、１に近いほど２つの文書ベクトルが互いに平行
に近く、２つの文書同士は似ていると考えることができ
る。

【００３６】次に、ＣＰＵ１１１は、算出した類似度ｓ
から互いに類似している文書を幾つかの群に纏める（ス
テップ１４）。図６は、ＡからＧの７文書の類似度ｓの
値を表にして示した図である。仮に類似度０．６以上の
文書を類似しているものとすると、図７に示すように、
Ａ、Ｂ、Ｃ、Ｄの４文書は、全て類似度が０．６以上な
ので、１群の類似文書（Ｘ）となる。また、文書Ｅ、Ｆ
も類似度ｓが０．９なので１群の類似文書（Ｙ）とな
る。文書Ｇは、類似している文書が存在しないので、
（Ｚ）として独自に要約を作成する。この実施の形態で
は、この類似群の作成を類似度が０．６以上としたが他
の値、例えば、０．７、０．８でもよく、これをユーザ
に側で設定できるようにしてもよい。

【００３７】図９は、要約作成処理の動作を表したフロ
ーチャートである。ＣＰＵ１１１は、まず形態素解析を
行うことで各文書群に含まれる自立語を抽出する（ステ
ップ２２１）と共に、名詞句、複合名詞句等を含めた候
補語（句）を要約対象文書Ａから抽出しＲＡＭ１１３の
所定作業領域に格納する（ステップ２２２）。そして、
ＲＡＭ１６の要約パラメータ格納エリア１１３２に格納
した要約パラメータや、抽出した候補語（句）の各文書
群中での出現頻度、評価関数等から、各候補語（句）重
要度ｆ（ｙ）を決定する（ステップ２２３）。ここで、
評価関数としては、例えば、所定の重要語が予め指定さ
れている場合にはその重要語に対する重み付け、単語、
名詞句、複合名詞句等の候補語（句）の種類による重み
付け等が使用される。

【００３８】さらにＣＰＵ１１１は、決定した重要度ｆ
（ｙ）や要約パラメータ格納エリアリレーに格納された
要約パラメータ等から、各文書群含まれる各センテンス
に対する重要度Ｆ（ｚ）を決定する（ステップ２２
４）。そして、決定したセンテンスの重要度Ｆ（ｚ）の
重要度が高いセンテンスの上位から要約パラメータの要
約比率（例えば、文書群の全センテンス数の内の上位２
５％）以内に入るセンテンスをリストアップする（ステ
ップ２２５）。そしてＣＰＵ１１１は、リストアップし
たセンテンスを文書群の中での出現順に並べることで当
該文書群についての要約とし、これをＲＡＭ１１３の要
約格納エリアに格納して（ステップ２２６）、図３の自
動要約処理ルーチンにリターンする。

【００３９】各文書群に対する要約の作成が終了すると
ＣＰＵ１１１は、図７に示すように、要約格納エリア１
１３５に格納した全ての要約を統合することで要約対象
文書についての要約とし、要約格納エリア１１３５の所
定エリアに格納して（ステップ１６）、本実施の形態に
よる自動要約処理を終了する。この最終要約をまとめる
際の結合順序としては、執筆時間順、ユーザー階層順、
トピック名詞句自信の重要度順等を挙げることができ
る。また、ユーザーの顧客が書いたもの、社内の有力者
が引用したものを優先して配列することもできる。例え
ば、執筆時間順に要約を生成すると、過去１５年間の経
済状態に関する年次報告をその傾向別に配列することが
できる。従って、３〜４年単位で好況時、不況時、その
回復時といった形で要約を一覧することができる。この
結合の際、各トピックとされた複合名詞句を要約中のサ
ブセクションのタイトルとして明示するとより利用し易
い要約となる。この実施の形態では、新たに、複数の文
書にまたがる要約を自動生成できるので、２次情報（サ
ーベイ・レポート）生成を装置で自動的に行うことがで
きる。また、各トピック毎に要約を作成するので、多忙
なユーザーも簡単に短時間で内容の把握を行うことがで
きる。さらに、文書データベース・プロファイル生成の
素材となるテキスト・データを生成できる。

【００４０】以上の自動要約処理が終了すると、ＣＰＵ
１１１はユーザの指示によりＲＡＭ１１３に格納した各
データの保存処理を行う。すなわち、要約対象文書格納
エリア１１３１から要約対象文書を読み出して、記憶装
置１６の文書データベース１６４に格納する。また作成
した要約を要約格納エリア１１３５から読み出し、文書
データベース１６４に格納した要約対象文書との関連性
を付けて記憶装置１６の要約データベース１６５に格納
する。さらに、文書ベクトル作成処理（図３のステップ
１２、図８）で求めた文書ベクトルＶを文書ベクトル格
納エリア１１３５から読み出し、文書データベース１６
４に格納した要約対象文書との関連性を付けて記憶装置
１６の文書ベクトルデータベース１６６に格納する。

【００４１】以上、本実施の形態の構成および自動要約
処理について説明したが、本発明では、これらの各形態
に限定されるものではなく、請求項に記載された発明の
範囲内で種々の変形をすることが可能である。例えば実
施の形態では、形態素解析及び候補語（句）の抽出につ
いて、文書ベクトル作成処理（図８のステップ１３１と
ステップ１３２）と、要約作成処理（図９のステップ２
２１とステップ２２２）とにおいて独立して同様な処理
を行うこととしたが、本発明では、文書ベクトル作成処
理で抽出した候補語（句）をＲＡＭ１６の所定エリアに
格納しておき、要約作成処理で利用するようにしてもよ
い。

【００４２】また説明した実施の形態では、自動要約処
理が終了した後の保存処理において、要約対象文書、要
約、文書ベクトルＶのみを記憶装置１６の各データベー
ス１６４、１６５、１６６に格納し保存するようにした
が、本発明では更に、文書ベクトル作成処理（図８）の
ステップ１３２で要約対象文書から抽出し、ＲＡＭ１１
３の所定作業領域に格納した候補語（句）を要約対象文
書と関連つけて、文書データベース１６４、又は専用の
候補語（句）データベースに格納するようにしてもよ
い。また要約パラメータ格納エリア１１３２から要約パ
ラメータを読み出して、当該要約に関連付けて、要約デ
ータベース１６６、または専用の要約パラメータデータ
ベースに格納するようにしてもよい。

【００４３】さらに、説明した実施の形態では、文書ベ
クトル作成処理（図３、ステップ１２、図８）及び要約
作成処理（ステップ１５、図９）の両処理において、形
態素解析（ステップ１３１、２２１）と候補語（句）の
抽出（ステップ１３２、２２２）を行った。しかし、同
一センテンスに対する処理であるため、抽出した候補語
（句）は同一である。そこで、本発明では、文書ベクト
ル作成処理で抽出した候補語（句）をＲＡＭ１１３の所
定エリアに格納しておき、要約処理において格納した候
補語（句）を使用することでステップ２２１とステップ
２２２を省略するようにしてもよい。この候補語（句）
についても、要約対象文書に対する候補語（句）として
文書データベース１６４、又は専用の候補語（句）デー
タベースに格納するようにしてもよい。

【００４４】説明した実施の形態では文書ベクトルを作
成する方法として図８のフローチャートに従った方法を
１例にして説明したが、本発明でこの方法に限られるも
のではなく、要約対象文書中Ａからキーワードを抽出す
る方法や、抽出キーワードに対する重要度（＝文書ベク
トルの要素値）の決定方法等については、公知の各種方
法により置き換えることが可能である。また、各類似文
書群に対する要約の作成処理についても同様に図９のフ
ローチャートに示した方法に限られるものではなく、公
知の各種要約方法、抄録作成方法等を使用することが可
能である。更に、２つの文書ベクトルの類似度の算出方
法については、数式１により類似度を算出することとし
たが、この数式に限定されるものではなく、ベクトル相
互間の類似関係を表すことが可能であれば他の数式によ
り類似度を算出することも可能である。

【００４５】説明した実施の形態では、日本語で作成さ
れた文書に限られるものでなく、あらゆる言語で作成さ
れた文書を対象とすることが可能である。その場合、対
象となる文書が作成された言語用の形態素解析アルゴリ
ズム等を使用するといった、本発明の構成には影響のな
い部分を変更するだけでよい。なお、以上の実施の形態
において説明した、各装置、各部、各動作、各処理等に
対しては、それらを含む上位概念としての各手段（〜手
段）により、実施の形態を構成することが可能である。
例えば、「決定した重要度ｆ（ｘ）の値から要約対象文
書Ａのキーワードａ，ｂ，…を決定する（ステップ１３
４）」との記載に対して「キーワード決定手段」を構成
し、「決定したセンテンスの重要度Ｆ（ｚ）の重要度が
高いセンテンスの上位から要約パラメータの要約比率
（例えば、サブ文書群の全センテンス数の内の上位２５
％）以内に入るセンテンスをリストアップする（ステッ
プ２２５）」との記載に対して「センテンスリストアッ
プ手段」を構成するようにしてもよい。同様に、その他
各種動作に対して「〜（動作）手段」等の上位概念で実
施の形態を構成するようにしてもよい。

【００４６】

【発明の効果】本発明によれば、複数の所定形式の文書
を獲得し、獲得した各文書間の類似度を算出し、幾つか
の類似群に分類し、類似群毎の要約を作成することで、
複数の文書の要約を利用し易い形で得ることができる。
また、類似群毎の要約を都合よく統合するこで、複数の
文書の要約を利用し易い形で得ることができる。

【図面の簡単な説明】

【図１】本発明の１実施の形態における文書処理装置の
構成を表したブロック図である。

【図２】同上、実施の形態における文書ベクトルデータ
ベースの内容を概念的に表した説明図である。

【図３】同上、実施の形態における自動要約処理のメイ
ン動作を表したフローチャートである。

【図４】同上、実施の形態における図３に示した自動要
約処理において、文書ベクトルを求めるところを表した
説明図である。

【図５】同上、実施の形態における図３に示した自動要
約処理において、各文書毎に文書ベクトルを求めたとこ
ろ示した説明図である。

【図６】同上、実施の形態における図３に示した自動要
約処理において、各文書間の類似度を表した表である。

【図７】同上、実施の形態における図３に示した自動要
約処理において、類似文書毎に要約書を作成し、それを
統合したところ示す図である。

【図８】同上、実施の形態における文書ベクトル作成処
理の動作を表したフローチャートである。

【図９】同上、実施の形態における要約作成処理の動作
を表したフローチャートである。

【図１０】請求項１のクレーム対応図である。

【図１１】請求項２のクレーム対応図である。

【符号の説明】

１１ 制御部 １１２ ＲＯＭ １１３ ＲＡＭ １１３１ 要約対象文書格納エリア １１３２ 要約パラメータ格納エリア １１３３ 類似群情報格納エリア １１３４ 文書ベクトル格納エリア １１３５ 要約格納エリア １２ キーボード １３ マウス １４ 表示装置 １５ 印刷装置 １６ 記憶装置 １６１ 仮名漢字変換辞書 １６２ プログラム格納部 １６３ データ格納部 １６４ 文書データベース １６５ 要約データベース １６６ 文書ベクトルデータベース １７ 記憶媒体駆動装置 １８ 通信制御装置 １９ 入出力Ｉ／Ｆ ２０ 文字認識装置

Claims (13)

【特許請求の範囲】
1. 【請求項１】 所定形式の文書を複数個取得する文書取
   得手段と、 前記文書取得手段により取得された各文書間の類似度を
   算出する類似度算出手段と、 前記類似度算出手段で算出された各文書間の類似度から
   内容の類似した文書を纏めた類似文書群を作成する類似
   文書群作成手段と、 この類似文書群作成手段により作成された類似文書群毎
   に文書の要約を自動的に作成する要約作成手段と、 を備えたことを特徴とする文書処理装置。
2. 【請求項２】 前記要約手段で作成した各要約を統合し
   て複数文書の要約を作成する要約統合手段を備えたこと
   を特徴とする請求項１記載の文書作成装置。
3. 【請求項３】 前記文書取得手段で取得された複数個の
   各文書を特徴づける文書ベクトルを決定する文書ベクト
   ル決定手段を備え、 前記類似度算出手段は前記文書ベクトル決定手段で決定
   された各文書の文書ベクトルにより各文書間の類似度を
   算出することを特徴とする請求項１また請求項２記載の
   文書処理装置。
4. 【請求項４】 前記類似文書群作成手段で作成した類似
   文書群内の文書を執筆時間順に配列し、この類似文書群
   を前記要約作成手段で文書の要約を作成することを特徴
   とする請求項１、請求項２または請求項３記載の文書処
   理装置。
5. 【請求項５】 前記類似文書群作成手段で内容の類似し
   た文書を纏めた類似文書群を作成する際、類似文書群の
   数の目安となる値を利用者が入力できる数値入力手段を
   備えたことを特徴とする請求項１、請求項２、請求項３
   または請求項４記載の文書処理装置。
6. 【請求項６】 所定形式の文書を複数個取得する文書取
   得機能と、 前記文書取得機能により取得された各文書間の類似度を
   算出する類似度算出機能と、 前記類似度算出機能で算出された各文書間の類似度から
   内容の類似した文書を纏めた類似文書群を作成する類似
   文書群作成機能と、 この類似文書群作成機能により作成された類似文書群毎
   に文書の要約を自動的に作成する要約作成機能と、 をコンピュータに実現させるためのコンピュータ読取り
   可能な文書処理プログラムが記憶された記憶媒体。
7. 【請求項７】 前記要約機能で作成した各要約を統合し
   て複数文書の要約を作成する要約統合機能を備えたこと
   を特徴とする請求項６に記載の文書処理プログラムが記
   憶された記憶媒体。
8. 【請求項８】 前記文書取得機能で取得された複数個の
   各文書を特徴づける文書ベクトルを決定する文書ベクト
   ル決定機能を備え、 前記類似度算出機能は前記文書ベクトル決定機能で決定
   された各文書の文書ベクトルにより各文書間の類似度を
   算出することを特徴とする請求項６または請求項７記載
   の文書処理プログラムが記憶された記憶媒体。
9. 【請求項９】 前記類似文書群作成手段で作成した類似
   文書群内の文書を執筆時間順に配列し、この類似文書群
   を前記要約作成機能で文書の要約を作成することを特徴
   とする請求項６、請求項７または請求項８記載の文書処
   理プログラムが記憶された記憶媒体。
10. 【請求項１０】 前記類似文書群作成機能で内容の類似
    した文書を纏めた類似文書群を作成する際、文書類似群
    の数の目安となる値を利用者が入力できる数値入力機能
    を備えたことを特徴とする請求項６、請求項７、請求項
    ８または請求項９記載の文書処理プログラムが記憶され
    た記憶媒体。
11. 【請求項１１】 所定形式の文書を複数個取得し、 取得された各文書間の類似度を算出し、 算出された各文書間の類似度から内容の類似した文書を
    纏めた類似文書群を作成し、 作成された類似文書群毎に文書の要約を自動的に作成す
    ることを特徴とする文書処理方法。
12. 【請求項１２】 作成した各要約を統合して複数文書の
    要約を作成することを特徴とする請求項１１に記載の文
    書処理方法。
13. 【請求項１３】 取得された複数個の各文書を特徴づけ
    る文書ベクトルを決定し、 決定された前記文書ベクトルにより各文書間の類似度を
    算出することを特徴とする請求項１１または請求項１２
    に記載の文書処理方法。