JPS6349929A - キ−ワ−ド抽出装置 - Google Patents

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 文書ファイリング装置等において、登録する文書に対し
て次回の検索を効率的に行うために各文書に対してキー
ワードを設定することが一般に行われている。本発明は
前記キーワードを文書テキストから半自動的に抽出する
キーワード抽出装置に関するものである。

従来の技術 近年光ディスクのような大容量の記憶装置を用いた文書
ファイリング装置の需要が特に０人（オフィスオートメ
ーシぢン）の分野で高まっている。

これらの文書ファイリング装置等では、記憶装置に格納
する文書情報に対し、後の検索処理を迅速かつ効率的に
行うため、文書登録時に検索キー情報として文書キーワ
ードを加えることが一般に行われている。この際、オペ
レータが自ら登録文書の文意を解釈してキーワードを設
定するものに加えて、現在では文書テキストから半自動
的にキーワード候補を抽出するものがあり、キーワード
登録処理作業を効率的に行えるようにしている。

第５図は従来のキーワード抽出装置の構成を表すブロッ
ク図である。

１はキー入力部であり、日本語の読みに対応したＪ工９
配列のキーを持つキーボード装置で構成されている。こ
れにより、オペレータが入力を意図した日本語漢字かな
混じり文の読みをコード列として入力する。また、以降
で説明する「かな漢字変換処理」に必要とされる変換キ
ー、同音語選択のための番号指示キーを持ち、各々に対
応したコードを出力する。２は文字表示部であり、日本
語の漢字もしくは仮名よりなる日本語文字表記（以降テ
キストとも称する）をＣＲＴ画面上に出力表示する。３
はかな漢字変換部であり、前記キー入力部１から入力さ
れた文節単位の日本語の読みコード列を漢字仮名混じり
の文字表記列に変換する。同時に、文節内の自立語区切
り情報を出力漢字かな混じり列に対応づけて出力する。

本従来例では、文節単位の読み入力に対しこれを漢字か
な混じり文字表記に変換するいわゆる文節分かち書き入
力方式のかな漢字変換を実施しており、オペレータは文
節の区切シ毎に変換キーを押下し、変換指示コードをキ
ー入力部１から入力する。この変換キーの打鍵のタイミ
ングでこのかな漢字変換部３は起動されるっ４はテキス
ト入力部でるり、前記キー入力部１から入力された日本
語読みコード列を一時記憶した後変換指示コードが入力
されるタイミングでこれを前記かな漢字変換部３に出力
し、対応する漢字かな混じり表記列を得る。同時に１前
記かな漢字変換部３から出力される文節内単語表記情報
を同時に得る。これらのうち、漢字かな混じり表記列を
前記文字表示部２に出力しオペレータに対して表示する
。５はテキスト記憶部であり、前記テキスト入力部４か
ら得られた漢字かな混じり列、いわゆるテキスト情報を
格納する。６はテキスト分割部であり、前記テキスト記
憶部已に格納されたテキスト情報を内部に保持している
テキスト分割辞書と漢字表記をキーとする単語辞書を参
照することで単語（自立語）および付属語列に分割する
。分割されたテキストは後述するキーワード抽出部に出
力される。７はキーワード抽出部であり、前記テキスト
分割部６で付加された単語表記情報をもとに、前記テキ
スト記憶部６に格納されたテキストの中の単語表記のみ
を抽出し、不要語と認定される単語を除いた上で出現頻
度が高いものから順に出力する。８は抽出指示装置であ
り、オペレータからのキーワード抽出指示キー押下の操
作により前記テキスト分割部６、キーワード抽出部子を
順に起動する。９はキーワード−時記憶部であり、前記
キーワード抽出部７から抽出されたキーワード候補をテ
キスト中で頻度が高い順に格納する。１０はキーワード
出力部であり、前記キーワード−時記憶部９に格納され
たキーワードを各々に番号を対応づけて出力表示する。

１１はキーワード修正部であり、前記キーワード抽出部
７から出力されたキーワード候補群のうちオペレータが
意図しなかったものを削除し、また新たに追加したいも
のを前記テキスト入力部４を起動して追加する。

以上のように構成された従来のキーワード抽出装置にお
いては、テキスト入力部４を用いて入力された文書タイ
トノペ抄録、文書全体等、特定の単位のテキスト情報を
テキスト記憶部６に一時記憶した後、テキスト分割部６
およびキーワード抽出部７を起動しキーワード抽出処理
を行いその結果をキーワード−時記憶部９に出力し、そ
の後キーワード出力部１ｏに表示させていた。その後出
力されたキーワード全オペレータがキーワード修正部１
１の機能を用いて、マニュアルで修正、追加、削除を行
い最終的なキーワードを決定していた。

発明が解決しようとする問題点 しかしながら、以上のように構成された従来のキーワー
ド抽出装置においては、オペレータはキーワード抽出の
対象となる原テキストをテキスト情報のみで記憶してい
たので、いったん入力されたテキストを分割しそのなか
から単語を抽出しなければならなかった。このために通
常、テキスト分割を行うだめの区切り辞書と単語を得る
だめの単語辞書を維持していなければならなかった。従
来例でいうと、テキスト分割部６がこの辞書を維持して
いることになる。

これを以下もう少し具体的に説明する。キーワ−ド抽出
装置の実現上の課題だと考えられているもののうちの一
つとして、与えられたテキスト列からテキストに含まれ
ている単語を抽出することが挙げられる。このために、
従来のシステムではテキスト分割のための区切り辞書、
区切られたテキスト列から単語を抽出するための単語辞
書を保持している。後者の辞書は単語の漢字表記をキー
に検索できるものである。一般に前者は比較的サイズが
小さくあまり問題にならなかったが、後者はかな漢字変
換用の辞書に匹敵するサイズが必要とされ、システム実
施上では大きな間層とされていた。

本発明は、前記従来のキーワード抽出装置の問題に鑑み
、オペレータが自らかな漢字変換手段によって入力した
テキストについては、かな漢字変換を行った時点におい
て判明した単語の情報を記憶しておくことにより、単語
ための大規模な単語辞書を保持することなく、また既に
判っている単語表記の情報を有効に活用することで、目
的のキーワード抽出を高速に実施するキーワード抽出装
置を提供することを目的としている。

問題点を解決するだめの手段 本発明は、日本語の読みをコードで入力するキー入力部
と、前記キー入力部から入力された読みコード列を漢字
かな混じり列に変換し出力するとともに、少なくとも認
定された単語の表記情報を出力するかな漢字変換部と、
前記かな漢字変換部から出力された漢字かな混じり表記
を出力表示する文字表示装置と、前記かな漢字変換部か
ら出力された単語情報を記憶する単語情報記憶部と、前
記単語情報記憶部に格納された単語情報をもとにキーワ
ード候補を認定してこれを出力するキーワード抽出部と
、前記キーワード抽出部から出力されたキーワード候補
を出力するキーワード出力部とを有することを特徴とす
るキーワード抽出装置である。

作用 本発明は前記した構成により、オペレータがかな漢字変
換手段で日本語テキストを入力する際に得られる単語表
記情報を記憶し、これを再利用することで安価にそして
効率的にキーワードを抽出することができる。

実施例 第１図は本発明の一実施例におけるキーワード抽出装置
の構成をあられすブロック図である。本構成図のうち１
．２，３．４，６，６．了、８゜９．１０．１１は第６
図の従来例の同一番号の構成要素と同一である。１２は
単語情報記憶部であり、前記テキスト入力部４から得ら
れた、単語表記情報をテキスト記憶部６のなかに格納さ
れるテキストと対応付けて格納する。この関係について
は第３図、第４図に示している。第３図は入力テキスト
の例であり、第４図は第３図に示したテキストを単語情
報記憶部１２とテキスト記憶部６に分割して記憶してい
る様子を表す説明図である。

以上のように構成された本実施例のキーワード抽出装置
について、以下その動作を〔文節情報記憶〕〔キーワー
ド抽出〕〔キーワード修正〕に分けて第２図のフローチ
ャートを用いて説明する。

〔文節情報記憶〕

１ｏ１：オペレータは入力すべきテキストを文節単位に
分けてその読みをキー入力部１から入力する。

１ｏ２：次に、所定の読みの入力を終えた時点で、オペ
レータは所望する漢字表記を得る為に変換キーをキー入
力部１において押下すると、かな漢字変換部３は内臓す
るかな漢字辞書および付属語テーブルを参照することで
、最長一致する単語から順に番号とともに変換候補を順
次出力する。

このきい、同時に文節中の自立語表記長さ情報を出力す
る。これは、かな漢字変換処理を実施する際に、辞書検
索をしだ時点で通常得られる情報である。これらの情報
のうち漢字かな混じり表記列は文字表示部２に出力表示
されオペレータが確認できる。

１０３：オペレータは表示された候補のうち、自分の所
望する漢字表記を選択する。選択は番号指示キーの押下
によりそれを行う。

１０４：テキスト入力部４は入力された文節単位の読み
に対応する漢字かな混じり列のうちの単語表記情報を得
ると、その結果をテキストと対応付けて単語情報記憶部
１２に出力する。

１０６：単語情報記憶部１２は次登録情報格納番地情報
Ｈａｄを保持しており、このＭａｄの番地に対して、入
力された単語の表記情報を逐次格納する。格納が済むと
、前記Ｎａｄを格納情報データのサイズ分だけインクリ
メントする。

〔キーワード抽出〕

２０１：キーワード抽出部７はまず、単語情報記憶部１
２中の単語表記情報から、単語表記をデコードしてそれ
を抽出する。

２ｏ２：次にキーワード抽出部７は抽出された単語デー
タを出現頻度順に並べかえるこの際の、頻度順は無論出
現頻度が高いものを先頭におく降順の並びである。

２０３：キーワード抽出部７は２０２の処理が終了する
と同時に、並べ変えられた単語列中の単語表記を、キー
ワード抽出部γ中に維持している不要語テーブルに参照
し、重要でないと解釈できる単語をテキスト中から削除
する。不要語の例としては、いわゆる形式名詞のこと、
連体詞のそのそれ等がある。

２０４：キーワード抽出部７から抽出てれたキーワード
群はキーワード−時記憶部９に出力されその結果はキー
ワード出力部１゜にキーワード番号とともに出力表示さ
れる。そののち、システムは再び入力待ち状態に戻る。

〔キーワード修正〕 ３ｏ１：オペレータがキーワードの修正を意図する時は
、キーワード修正部１１の追加、削除キーを押下すると
ともにキーワード番号を入力する。

３ｏ２：キーワード修正部１１は押下されたキーを判定
し、それが削除キーの場合は３０３、追加キーの場合３
０４に制御を移す。

３０３：削除キーが押下されると、キーワード修正部１
１は指定の番号のキーワード候補をキーワード−時記憶
部９から削除しその結果をキーワード出力部１０に表示
する。その後再び入力待ち状態に戻る。

３Ｑ４：追加キーが押下されると、キーワード修正部１
１はテキスト入力部４を起動し、テキスト入力と同じ手
段を用いて、新たにキーワードをかな漢字変換手段を用
いて入力する。入力されたキーワードは指定された番号
でキーワードとしてキーワード−時記憶部９に登録され
る。その後再び入力待ち状態に戻る。

以上のように本実施例によれば、キーワードの優先順位
をテキスト中の頻度を用いて判定し、その項に表示して
いるのでオペレータの抽出キーワード確認作業の負荷を
軽減している。また、単語表記情報として、テキスト記
憶部内のテキスト情報と対応づけだ単語表記アドレスと
その長さの情報を持つことで、単語情報の必要とする記
憶容量を小さくしている。

なお、本実施例においてはキーワード抽出処理として単
語単位に区切られたテキストから不要語を取り除く方式
を用いているがキーワード抽出処理方式を特にこれに限
定するものではなく、統計情報を利用したり、かかり解
析その他の構文、意味解析手法を用いたものであっても
よい。

また、本実施例においては、かな漢字変換方式として「
文節分かち書き入力」方式を採用しているが、これが他
の変換方式であっても購わない。

また、本実施例においては、単語表記情報としてテキス
ト記憶部内へのポインタ情報と単語表記長さ情報にて記
憶していたが、単語表記データそのもので記憶するもの
であってもよい。

また、かな漢字変換結果の確定方法は本実施例で行って
いる番号指定による方法に限るものではない。

また、本実施例においては単語表記情報を格納する単語
情報記憶部がテキスト記憶部と別になっているが、これ
をテキスト情報記憶部と兼ねるものにしても構わない。

また、本実施例ではキーワードとして単語表記全抽出し
ているが、単語読みを抽出するものであってもよい。

発明の詳細 な説明したように、本発明によればキーワード抽出処理
を安価に実現し、しかも高速に処理することができる。

【図面の簡単な説明】

を表すフローチャート、第３図および第４図は単語情報
記憶部とテキスト記憶部の対応を示す説明図、第６図は
従来のキーフード抽出装置のブロック図である。 １・・・・・・キー入力部、２・・・・・・文字表示部
、３・・・・・・かな漢字変換部、４・・・・・・テキ
スト入力部、５・・・・・・テキスト記憶部、７・・・
・・・キーワード抽出部、８・・・・・・抽出指示装置
、９・・・・・・キーワード−時記憶部、１ｏ・・・・
・・キーフード出力部、１１・・・・・キーフード修正
部、１２・・・・・・単語情報記憶部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第１
図 第　３　因 第　４　図 ｊ着Ｖ−硫己ｉ匝　　　　　　　テキスＨ稈Ｉと常艶第
５図

Claims (1)

【特許請求の範囲】
1. 日本語の読みをコードで入力するキー入力部と、前記キ
   ー入力部から入力された読みコード列を漢字かな混じり
   列に変換し出力するとともに、少なくとも認定された単
   語の表記情報を出力するかな漢字変換部と、前記かな漢
   字変換部から出力された漢字かな混じり表記を出力表示
   する文字表示装置と、前記かな漢字変換部から出力され
   た単語情報を記憶する単語情報記憶部と、前記単語情報
   記憶部に格納された単語情報をもとにキーワード候補を
   認定してこれを出力するキーワード抽出部と、前記キー
   ワード抽出部から出力されたキーワード候補を出力する
   キーワード出力部とを有することを特徴とするキーワー
   ド抽出装置。