WO2011118428A1 - 要求獲得システム、要求獲得方法、及び要求獲得用プログラム - Google Patents

要求獲得システム、要求獲得方法、及び要求獲得用プログラム Download PDF

Info

Publication number
WO2011118428A1
WO2011118428A1 PCT/JP2011/055895 JP2011055895W WO2011118428A1 WO 2011118428 A1 WO2011118428 A1 WO 2011118428A1 JP 2011055895 W JP2011055895 W JP 2011055895W WO 2011118428 A1 WO2011118428 A1 WO 2011118428A1
Authority
WO
WIPO (PCT)
Prior art keywords
character string
document
phrase
important
request acquisition
Prior art date
Application number
PCT/JP2011/055895
Other languages
English (en)
French (fr)
Inventor
由希子 黒岩
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2012506944A priority Critical patent/JPWO2011118428A1/ja
Priority to US13/637,321 priority patent/US9262394B2/en
Publication of WO2011118428A1 publication Critical patent/WO2011118428A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/10—Requirements analysis; Specification techniques

Definitions

  • the present invention relates to a request acquisition system, and in particular, in system software development, related documents such as documents possessed by customers, interview / questionnaire survey results for customers, meeting minutes with customers, and requirement specifications that organize customer requirements.
  • the present invention relates to a request acquisition system that grasps a request from a document.
  • requirements acquisition In system / software development, acquiring requirements from customers regarding the conditions and capabilities that the development system must follow in order to solve problems or achieve objectives is called requirements acquisition. In request acquisition, in order to extract customer requests without omission and use them for specification and design, it is necessary to grasp the requirements while taking into account important terms and related relationships of related documents.
  • Non-Patent Document 2 a phrase that appears repeatedly is extracted as an important phrase.
  • Non-Patent Document 1 In the method of extracting an important word / phrase, it is necessary for an analyst to check the meaning of the extracted word / phrase by referring to the original document. was there. Usually, many words are extracted, and there are many sentences that contain each word, so there was a problem that it took a lot of time and time for confirmation as in the case of manual extraction before that. .
  • one request does not include only one important word but includes a plurality of important words such as nouns and verbs (most)
  • the original document should be associated with the important words.
  • Non-Patent Document 1 and Patent Document 1 in a method of dividing into words in advance using morphological analysis, for example, “foreign suffrage” is set to “foreign”, “carrot”, “ There was a problem that it could not be extracted accurately due to an error in word division, such as dividing it into “the government”. There is also a problem that unknown words that are not included in the dictionary used for morphological analysis cannot be handled and cannot be extracted. Therefore, for example, abbreviations such as the English character string “ABC” cannot be extracted.
  • Non-Patent Document 2 In the method of extracting a partial sequence that appears multiple times from a related document as in Non-Patent Document 2, since many similar words are extracted, it is determined whether or not the extracted word is an important word, and the original word is selected and selected. There is a problem that it is necessary to check a document, and it takes time and effort to make a decision.
  • Japanese Patent Laid-Open No. 2008-234049 discloses a summary sentence generation device and a summary sentence generation program.
  • this related technique when selecting another sentence whose similarity is equal to or higher than a preset threshold, it is necessary to sequentially extract without repeating the calculation of the similarity, and to set a threshold in advance.
  • An object of the present invention is to provide a request acquisition system, a request acquisition method, and a request acquisition program for acquiring a request from a related document without taking time and effort of an analyst.
  • the request acquisition system of the present invention includes a phrase extraction unit that extracts one or more partial strings common to a plurality of character strings from a document that is a set of a plurality of character strings as an important phrase, and when there is no important phrase, When the processing is terminated and there is the important phrase, a character string extraction unit that extracts one character string representing the document as a candidate character string from the document and deletes the candidate character string from the document; A phrase deleting unit that deletes the important phrase from the candidate character string; and a character string adding unit that uses the candidate character string as an important character string when the number of deleted important phrases is one or more.
  • the request acquisition method of the present invention is a request acquisition system implemented by a computer.
  • this request acquisition method one or more partial strings common to a plurality of character strings are extracted as important words from a document that is a set of a plurality of character strings. If there is an important word / phrase, one character string representing the document is extracted as a candidate character string from the document, the candidate character string is deleted from the document, the important word / phrase is deleted from the candidate character string, When the number of important words deleted is one or more, the candidate character string is set as an important character string.
  • the request acquisition program of the present invention includes a step of extracting one or more partial strings common to a plurality of character strings as important words from a document that is a set of a plurality of character strings. , When there is the important phrase, extracting from the document one character string representing the document as a candidate character string, deleting the candidate character string from the document, A program for causing a computer to execute a step of deleting the important word / phrase from a candidate character string and a step of setting the candidate character string as an important character string when the number of deleted important words / phrases is one or more.
  • the request acquisition program of the present invention can be stored in a storage device or a storage medium.
  • the request acquisition system includes a storage unit 1 and an acquisition unit 2.
  • each element obtained by dividing related documents such as documents possessed by customers, interview / questionnaire survey results, minutes, specifications, etc. by semantic unit is called a character string.
  • a document has one item per line, it can be called a character string.
  • a character string For example, when it is considered that one answer has one meaning in a questionnaire survey result, a plurality of sentences that are one answer can be called a character string.
  • the paragraph can be called a character string.
  • the chapter can be called a character string.
  • the sentence and the line can also be called a character string.
  • Documents are related documents such as documents possessed by customers, interview / questionnaire survey results, minutes, specifications, etc., and include character strings.
  • the plurality of documents are collectively referred to as a document.
  • a plurality of documents in different formats such as minutes and specifications
  • a plurality of documents can be collectively referred to as a document.
  • the storage unit 1 includes a document storage unit 11, a phrase storage unit 12, and an important part storage unit 13.
  • the document storage unit 11 stores a document to be analyzed.
  • the document storage unit 11 stores a document to be analyzed in advance.
  • the phrase storage unit 12 stores a set of phrases.
  • the phrase storage unit 12 stores a set of phrases extracted from the document to be analyzed.
  • the important part storage unit 13 stores words extracted from the analysis target document one by one as important parts.
  • the acquisition unit 2 includes a phrase extraction unit 21, a character string extraction unit 22, a phrase deletion unit 23, and a character string addition unit 24.
  • the phrase extraction unit 21 extracts a set of phrases from the document stored in the document storage unit 11 and stores it in the phrase storage unit 12. Here, each time one character string is extracted, the character string extraction unit 22 deletes the one character string from the document stored in the document storage unit 11.
  • the character string extraction unit 22 ends the process when the number of phrases stored in the phrase storage unit 12 is zero.
  • the character string extraction unit 22 extracts one representative character string (candidate character string) from the document stored in the document storage unit 11 when the number of phrases is one or more.
  • the phrase deletion unit 23 deletes zero or more phrases from the phrase storage unit 12.
  • the phrase deletion unit 23 deletes the phrase from the phrase storage unit 12 when the phrase included in one character string extracted by the character string extraction unit 22 exists in the phrase storage unit 12.
  • the character string adding unit 24 adds one character string extracted by the character string extracting unit 22 to the important part storage unit 13 one by one.
  • the character string addition unit 24 stores one character string extracted by the character string extraction unit 22 in the important part storage unit 13 as an important character string. Add and remember. Then, the character string adding unit 24 moves the process to the character string extracting unit 22 regardless of the number of deleted words.
  • a computer such as a PC (personal computer), an appliance, a workstation, a mainframe, and a supercomputer is assumed.
  • mobile phones, smart phones, smart books, car navigation systems (car navigation systems), portable game consoles, home game consoles, portable music players, handy terminals, gadgets (electronic devices), interactive TVs, digital tuners, Digital recorders, information home appliances, OA (Office Automation) devices, and the like are conceivable.
  • the request acquisition system may be mounted on a moving body such as a vehicle, a ship, or an aircraft.
  • the request acquisition system may be a virtual machine (Virtual Machine (VM)) environment built on a computer. However, actually, it is not limited to these examples.
  • VM Virtual Machine
  • a semiconductor storage device such as a RAM (Random Access Memory), a ROM (Read Only Memory), an EEPROM (Electrically Erasable and Programmable Read Only Memory), an HDD (Sold Id), a HDD Memory D, or an HDDH
  • a auxiliary storage device such as State Drive
  • a removable disk such as a DVD (Digital Versatile Disk)
  • a storage medium such as an SD memory card (Secure Digital memory card), or the like is conceivable.
  • the storage unit 1 is not limited to a storage device built in the computer main body, but is a storage device installed in a peripheral device (external HDD, etc.), an external server (Web server, file server, etc.), or a DAS ( Direct Attached Storage), FC-SAN (Fibre Channel-Storage Area Network), NAS (Network Attached Storage), IP-SAN (IP-Storage Area) may be good.
  • the storage unit 1 may be a computer or the like.
  • the acquisition unit 2 As an example of the acquisition unit 2, a CPU (Central Processing Unit), a microprocessor (microprocessor), a microcontroller, or a semiconductor integrated circuit (Integrated Circuit (IC)) having a dedicated function can be considered.
  • the acquisition unit 2 may be a computer or the like.
  • FIG. 2 is a flowchart showing an example of processing progress of the request acquisition system of the present invention.
  • the request acquisition system operates as follows.
  • a case where a sentence is used as the character string will be described as an example.
  • Step A1 the phrase extraction unit 21 extracts a set of important phrases from the document stored in the document storage unit 11.
  • An important phrase is, for example, a character string that appears in common in more than a predetermined number of sentences. For example, a number such as “2” is designated and input as the designated number.
  • the specified number may be input by a user of the request acquisition system via an input device such as a keyboard, or may be specified by another method.
  • the phrases may be limited to the maximum length subsequence.
  • S “ important phrases are extracted.
  • T “ important phrase ”are common subsequences.
  • words that do not need to be extracted such as “below” and “above”, and phrases that are unnecessary for prefixes and suffixes such as “,”, “.”, Etc. It may be set and excluded from the extracted words.
  • the phrase extraction unit 21 stores the set of extracted phrases in the phrase storage unit 12.
  • the number of extracted phrases is P
  • the extracted i-th phrase is expressed as phase [i]. Therefore, the set of extracted phrases is phase [0],..., Phase [P-1].
  • Step A4 The character string extraction unit 22 extracts one candidate sentence that is an important sentence candidate from the document stored in the document storage unit 11.
  • Candidate sentences are extracted, for example, by checking the distance between each sentence in the document stored in the document storage unit 11 and the entire document stored in the document storage unit 11, and extracting the sentence with the smallest distance as a candidate sentence. Just do it.
  • the distance here is not a spatial distance but a degree of difference (or similarity) between two character strings. That is, the distance may be read as similarity.
  • the Levenshtein distance, the edit distance, and the like are conventionally known.
  • the distance between each sentence and the whole document can be calculated as follows using compression, for example.
  • the compression algorithm may be input by the user of the request acquisition system via an input device such as a keyboard, or may be specified in another manner.
  • Gzip or the like is known as an example of the compression algorithm.
  • the size when the i-th sentence stored in the document storage unit 11 is compressed is “C (i)”, the size when the entire document is compressed is “C (all)”, and the i-th sentence is added to the entire document.
  • the compression size when added is “C (all ⁇ i)”
  • the distance between the i-th sentence and the whole document is calculated by the following equation “Equation 1” or “Equation 2”.
  • the compressed size can be set to a shorter code as the partial sequences match. Therefore, as the i-th sentence and the entire document partially match, the expression “Equation 1” or The distance calculated by “Expression 2” becomes small.
  • the compression size when the i-th sentence is removed from the entire document may be calculated as “C (all-i)” using the following formulas “Formula 3”, “Formula 4”, and the like.
  • Step A5 the character string extraction unit 22 deletes the extracted candidate sentence from the document storage unit 11.
  • Step A7 The phrase deletion unit 23 compares the phrase number p with the number P of phrases stored in the phrase storage unit 12. At this time, if p is less than P (p ⁇ P), the process proceeds to step A8, and if p is equal to or greater than P (p ⁇ P), the process proceeds to step A12.
  • Step A8 The phrase deletion unit 23 checks whether the candidate sentence includes the p-th phrase phrase [p] stored in the phrase storage unit 12. At this time, if the candidate sentence does not include phrase [p], the process proceeds to step A9, and if the candidate sentence includes phrase [p], the process proceeds to step A10.
  • Step A9 The phrase deletion unit 23 increases the phrase number p by 1. Then, it returns to step A7.
  • Step A11 The phrase deletion unit 23 increases the number n of deleted phrases by one. Then, it progresses to step A9 and the phrase number p is incremented by one. Then, it returns to step A7.
  • Step A12 If p is greater than or equal to P (p ⁇ P), the phrase deletion unit 23 renumbers the Pn words / phrases other than the empty string stored in the phrase storage unit 12 and adds phrase [0] ,..., Phrase [Pn-1], and Pn is substituted for P.
  • Step A14 The character string adding unit 24 adds the candidate sentence as an important sentence to the important word storage unit and stores it. Thereafter, the process returns to step A3.
  • the phrase extracting unit 21 stores the set of important phrases in the phrase storing unit 12 in advance without extracting the phrase, and then the present invention is carried out. You may do it.
  • the storage of the set of important phrases in the phrase storage unit 12 may be input by the user of the request acquisition system via an input device such as a keyboard, or may be specified in another manner.
  • the request acquisition system includes a storage unit 1 and an acquisition unit 2.
  • the storage unit 1 includes a document storage unit 11, a phrase storage unit 12, an important part storage unit 13, and an all-phrase storage unit 14.
  • the document storage unit 11, the phrase storage unit 12, and the important part storage unit 13 are the same as those in the first embodiment. That is, the storage unit 1 in the present embodiment may be obtained by adding the all-phrase storage unit 14 to the storage unit 1 in the first embodiment.
  • the all phrase storage unit 14 stores a set of all phrases extracted by the phrase extraction unit 21 until the end of the process.
  • the acquisition unit 2 includes a phrase extraction unit 21, a character string extraction unit 22, a phrase deletion unit 23, a character string addition unit 24, and an enhancement unit 25.
  • the phrase extraction unit 21 extracts a set of phrases from the document stored in the document storage unit 11 and stores them in the phrase storage unit 12 and the all phrase storage unit 14.
  • the difference from the phrase extraction unit 21 in the first embodiment is that a set of phrases is stored not only in the phrase storage unit 12 but also in the all phrase storage unit 14.
  • the character string extraction unit 22, the phrase deletion unit 23, and the character string addition unit 24 are the same as those in the first embodiment. That is, the acquisition unit 2 in the present embodiment may be obtained by adding the enhancement unit 25 to the acquisition unit 2 in the first embodiment.
  • the emphasizing unit 25 emphasizes and displays the phrase portion stored in the all-phrase storage unit 14 with respect to the set of character strings stored in the important part storage unit 13.
  • the emphasizing unit 25 may select one or both of a set of character strings stored in the important part storage unit 13 and a set of words stored in the all-phrase storage unit 14 for the original document to be analyzed. May be displayed with emphasis.
  • FIG. 4 is a flowchart showing an example of processing progress of the emphasizing unit 25 of the request acquisition system of the present invention.
  • a case where a sentence is used as a character string will be described as an example.
  • Step B2 the emphasizing unit 25 compares the phrase number p with the total phrase number P. At this time, if the phrase number p is less than the total number of phrases P (p ⁇ P), the process proceeds to step B3. If the phrase number p is greater than or equal to the total number of phrases P (p ⁇ P), the operation is terminated.
  • Step B3 The emphasizing unit 25 searches for a part of the p-th phrase phrase [p] stored in the all-phrase storage unit 14 for a document that is a set of important sentences stored in the important part storage unit 13, and stores the phrase [p ] Is emphasized.
  • the emphasis is any one of the following (A) to (I) or a combination thereof.
  • A) Display by changing the color of the character string (B) Change the font of the character string (bold, italic, etc.) (C) Underline the character string. (D) Enclose the character string in symbols such as parentheses. (E) Change the background color of the character string. (F) Shade anything other than the character string. (G) Above or below the character string. (H) Insert a line break (and indent) the character string part. (I) Insert a space or a symbol before or after the character string.
  • Step B4 The emphasizing unit 25 increases the phrase number p by one. Thereafter, the process returns to step B2.
  • step B2 the emphasizing unit 25 highlights important words and phrases on an output device such as a display or a printer when the word number p is equal to or greater than the total number of words P (p ⁇ P) and the operation is finished. It may be output.
  • an important part can be displayed with emphasis on an important phrase. Therefore, the user of the request acquisition system can focus on important words and phrases, and can save time and effort for grasping the request.
  • the present invention can be applied to, for example, extraction of important parts from documents, in particular, acquisition of requirements from related documents such as documents possessed by customers, interview / questionnaire survey results, minutes, specifications, etc. in system software development. .
  • the purpose is to grasp a request with less effort and time from related documents such as documents possessed by customers, interview / questionnaire survey results, minutes, specifications, etc.
  • the request acquisition system of the present invention includes a phrase extraction unit, a character string extraction unit, a phrase deletion unit, and a character string addition unit.
  • the phrase extraction unit extracts one or more substrings common to a plurality of character strings from a document that is a set of character strings as an important phrase. When there is no important word / phrase, the character string extraction unit terminates the processing. When there is an important word / phrase, the character string extraction unit extracts one character string representing the document from the document as a candidate character string, and extracts the candidate character string extracted from the document. delete.
  • the phrase deletion unit deletes an important phrase included in the candidate character string. When the number of important words deleted is one or more, the character string adding unit sets the candidate character string as an important character string, and returns to the character string extracting unit to continue the processing.
  • one or more substrings common to a plurality of character strings are extracted as important words from a document that is a set of character strings. If there is no important phrase, the process ends. If there is an important phrase, one character string representing the document is extracted as a candidate character string from the document, and the candidate character string extracted from the document is deleted. Also, important words / phrases included in the candidate character string are deleted. If the number of important words deleted is one or more, the candidate character string is set as an important character string, and the process returns to the character string extraction unit to continue the processing.
  • the request acquisition program of the present invention extracts one or more substrings common to a plurality of character strings as important words from a document that is a set of character strings, and terminates the processing if there are no important words.
  • a character string representing the document is extracted from the document as a candidate character string
  • the candidate character string extracted from the document is deleted
  • the important word / phrase included in the candidate character string is deleted.
  • the request acquisition program of the present invention can be stored in a storage device or a storage medium.
  • a character string is a sentence, a line, a paragraph, a chapter, or a combination thereof. That is, at least one of a sentence, a line, a paragraph, and a chapter is handled as a character string.
  • the distance between each character string and the document is calculated based on an approximate calculation method of Kolmogorov complexity.
  • the conventional technique using morphological analysis has a problem that an important phrase cannot be accurately extracted due to an error in word division.
  • the present invention since it is based on a partial sequence, it is possible to extract an important phrase more accurately. For example, in the case of the three sentences “about foreign suffrage”, “here, suffrage is ...” and “foreign ...”, only “foreign” can be extracted using conventional morphological analysis. In the present invention, “foreigner” and “suffrage” can be extracted as important words and can be highlighted.
  • the present invention can extract an important part even if there is an unknown word such as a coined word formed by combining existing words or an abbreviation using a part of the existing word. Even unknown words such as coined words and abbreviations can be emphasized as important words.
  • one or more partial strings common to a plurality of character strings are extracted as important words from a document that is a set of character strings. If there is no important phrase, the process is terminated. When there is an important word / phrase, one character string representing the document is extracted from the document as a candidate character string, the candidate character string extracted from the document is deleted, and the important word / phrase included in the candidate character string is deleted. If the number of important words deleted is one or more, the candidate character string is set as an important character string, and the process returns to the character string extraction unit to continue the processing.
  • the character string extraction unit calculates different degrees of similarity in the second and subsequent processes. Therefore, it is not necessary to extract a candidate character string in order from the shortest distance, and it is not necessary to set a threshold in advance.
  • the character string extraction unit extracts “process data after input” in the first process. Since the phrase deleting unit deletes “data”, “input”, “process”, and “after” from the set of important phrases, the remaining important phrases are “result” and “output”.
  • the character string extraction unit has been changed to “input data”, “process data”, “output result”, and “output result after processing data” in the first process. Therefore, in the second process, “output result” is extracted.
  • the degree of similarity between the second sentence and the first sentence is not necessarily high.
  • phrase deletion unit deletes “output” from the set of important phrases, the operation ends.
  • the extracted important character strings are “process data after input” and “output the result”.
  • phrase deletion unit deletes the important phrase, in the second and subsequent processing of the character string addition unit, even if it is a candidate character string, there may be no important phrase and an important character string may not be obtained.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

　システム・ソフトウェア開発において、顧客の所持する文書、インタビュー・アンケート調査結果、議事録、仕様書等の関連文書から、少ない手間と時間で要求を把握する要求獲得システムを提供する。具体的には、文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出し、重要語句がない場合、処理を終了し、重要語句がある場合、文書から、文書を代表する１つの文字列を候補文字列として抽出し、文書から抽出した候補文字列を削除し、候補文字列に含まれる重要語句を削除し、重要語句の削除数が１つ以上である場合、候補文字列を重要文字列とし、文字列抽出部に戻って処理を続ける。

Description

要求獲得システム、要求獲得方法、及び要求獲得用プログラム
　本発明は、要求獲得システムに関し、特にシステム・ソフトウェア開発において、顧客の所持する文書や、顧客に対するインタビュー・アンケート調査結果、顧客との打合せ議事録、顧客の要求を整理した要求仕様書などの関連文書から要求を把握する要求獲得システムに関する。
　システム・ソフトウェア開発において、問題解決又は目的達成のために開発システムが従わなければならない条件・能力に関する要求を顧客から獲得することを、要求獲得という。要求獲得では、顧客の要求を漏れ抜けなく抽出して仕様・設計に役立てるため、関連文書の重要語句やその関係性を考慮しながら、要求を把握する必要がある。
　従来、要求獲得は、分析者が手動で重要語句を抽出し、その重要語句を手がかりとして、異なる部分に書かれた類似の内容の対応付けを行いながら、要求を把握していた。しかしながら、膨大な文書を何度も読み直しながら重要語句の抽出と対応付けを行うのは、手間と時間がかかる。また、人的ミスで重要部分を見逃す可能性があった。
　分析者を支援するため、形態素解析（構文解析）を用いて名詞・動詞等を抽出する方法がある。例えば、非特許文献１に記載の要求獲得法では、名詞・動詞を抽出する。また、特許文献１（特開平０６－０６７８６２号公報）に記載の要求獲得支援装置は、構文解析を行って単語に分割してから詳細パタンを検索する。
　また、事前に単語分割せずに、関連文書から複数回出現する部分列を重要語句として抽出する方法もある。例えば、非特許文献２に記載の語句抽出法は、繰り返し出現する語句を重要語句として抽出する。
　しかしながら、特許文献１、非特許文献１、非特許文献２のように、重要語句を抽出する方法では、分析者が抽出語句の意味を判断する際に、元の文書を参照して確認する必要があった。通常、多くの語句が抽出され、それぞれの語句を含む文も多数存在するため、それ以前に手動で抽出していた場合と同様に、確認作業の手間と時間が大幅にかかるという問題があった。
　また、１つの要求は、１つの重要語句だけを含む訳ではなく、名詞と動詞のように複数の重要語句を含む場合がほとんど（大半）であるため、重要語句から元の文書を対応付けようとしても、重要語句のどのような組合せで対応付ければ良いかを判断する必要があり、対応付けが困難であった。
　また、重要単語の抽出では、非特許文献１や特許文献１のように、形態素解析を用いて予め単語に分割する方法では、例えば、「外国人参政権」を「外国」、「人参」、「政権」と分割してしまうような、単語分割の誤りにより正確に抽出できないという問題があった。また、形態素解析に用いる辞書に含まれない未知語は扱えず、抽出できないという問題もあった。そのため、例えば、英文字列「ＡＢＣ」等の省略語は抽出できなかった。
　非特許文献２のように、関連文書から複数回出現する部分列を抽出する方法では、類似の語句が多く抽出されるため、抽出語句が重要語句かどうかを判断して取捨選択して元の文書を確認する必要があり、判断する手間や時間がかかるという問題があった。
　関連する技術として、特許文献２（特開２００８－２３４０４９号公報）に要約文生成装置及び要約文生成プログラムが開示されている。この関連技術では、類似度が予め設定された閾値以上となる他の文を選定する際に、類似度の計算を繰返すことなく順に抽出しており、予め閾値を定める必要がある。
特開平０６－０６７８６２号公報 特開２００８－２３４０４９号公報
長谷川亮、北村元博、海谷治彦、佐伯元司著、「エクストラクティング　コンセプチュアル　グラフ　フロム　ジャパニーズ　ドキュメンツ　フォア　ソフトウェア　リクワイヤメンツ　モデリング（Ｅｘｔｒａｃｔｉｎｇ　Ｃｏｎｃｅｐｔｕａｌ　Ｇｒａｐｈｓ　ｆｒｏｍ　Ｊａｐａｎｅｓｅ　Ｄｏｃｕｍｅｎｔｓ　ｆｏｒ　Ｓｏｆｔｗａｒｅ　Ｒｅｑｕｉｒｅｍｅｎｔｓ　Ｍｏｄｅｌｉｎｇ）」、２００９年発行の国際会議予稿集「プロシーディングス　オブ　アジアパシフィック　コンファランス　オン　コンセプチュアル　モデリング　（Ｐｒｏｃ．　ｏｆ　ｔｈｅ　Ｓｉｘｔｈ　Ａｓｉａ－Ｐａｃｉｆｉｃ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｎｃｅｐｔｕａｌ　Ｍｏｄｅｌｌｉｎｇ）」（ＡＰＣＣＭ　２００９）の８７－９６頁　＜ｈｔｔｐ：／／ｃｒｐｉｔ．ｃｏｍ／ｃｏｎｆｐａｐｅｒｓ／ＣＲＰＩＴＶ９６Ｈａｓｅｇａｗａ．ｐｄｆ＞ Ａｇｕｉｌｅｒａ，　Ｃ．Ｂｅｒｒｙ，　Ｄ．Ｍ．著、「ザ　ユース　オブ　ア　リピーテッド　プレーズ　ファインダー　イン　リクワイヤメンツ　イクストラクション　（Ｔｈｅ　Ｕｓｅ　ｏｆ　ａ　Ｒｅｐｅａｔｅｄ　Ｐｈｒａｓｅ　Ｆｉｎｄｅｒ　ｉｎ　Ｒｅｑｕｉｒｅｍｅｎｔｓ　Ｅｘｔｒａｃｔｉｏｎ）」、１９９０年発行の論文誌「ジャーナル　オブ　システムズ　アンド　ソフトウェア　（Ｊｏｕｒｎａｌ　ｏｆ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ｓｏｆｔｗａｒｅ）」の第１３号２０９－２３０項
　本発明の目的は、分析者の手間や時間をかけることなく、関連文書からの要求獲得を行う要求獲得ステム、要求獲得方法、及び要求獲得用プログラムを提供することである。
　本発明の要求獲得システムは、複数の文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出する語句抽出部と、前記重要語句がない場合、処理を終了し、前記重要語句がある場合、前記文書から、前記文書を代表する１つの文字列を候補文字列として抽出し、前記文書から前記候補文字列を削除する文字列抽出部と、前記候補文字列から前記重要語句を削除する語句削除部と、前記重要語句の削除数が１つ以上である場合、前記候補文字列を重要文字列とする文字列追加部とを具備する。
　本発明の要求獲得方法は、計算機により実施される要求獲得システムである。この要求獲得方法では、複数の文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出し、前記重要語句がない場合、処理を終了し、前記重要語句がある場合、前記文書から、前記文書を代表する１つの文字列を候補文字列として抽出し、前記文書から前記候補文字列を削除し、前記候補文字列から前記重要語句を削除し、前記重要語句の削除数が１つ以上である場合、前記候補文字列を重要文字列とする。
　本発明の要求獲得用プログラムは、複数の文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出するステップと、前記重要語句がない場合、処理を終了するステップと、前記重要語句がある場合、前記文書から、前記文書を代表する１つの文字列を候補文字列として抽出するステップと、前記文書から前記候補文字列を削除するステップと、前記候補文字列から前記重要語句を削除するステップと、前記重要語句の削除数が１つ以上である場合、前記候補文字列を重要文字列とするステップとを計算機に実行させるためのプログラムである。なお、本発明の要求獲得用プログラムは、記憶装置や記憶媒体に格納することが可能である。
　単なる重要語句の羅列でなく、文等の重要部分を抽出することができ、元の文書を参照することなく意味を読み取って要求の概要を把握することができる。
本発明の第１実施形態における要求獲得システムの例を示すブロック図である。 本発明の第１実施形態における要求獲得システムの処理経過の例を示すフローチャートである。 本発明の第２実施形態における要求獲得システムの例を示すブロック図である。 本発明の第２実施形態における要求獲得システムの強調部２５の処理経過の例を示すフローチャートである。
　＜第１実施形態＞
　以下に、本発明の第１実施形態について添付図面を参照して説明する。
　図１に示すように、本発明の第１実施形態における要求獲得システムは、記憶部１と、獲得部２を備える。
　ここで、システム・ソフトウェア開発において、顧客の所持する文書、インタビュー・アンケート調査結果、議事録、仕様書等の関連文書を意味単位で分割した１つ１つの要素を文字列と呼ぶこととする。
　例えば、一行に一項目が書かれた文書であれば、一行を文字列と呼ぶことができる。また、例えば、アンケート調査結果で、一人の回答に一つの意味があるとみなす場合には、一人の回答である複数の文を文字列と呼ぶことができる。また、例えば、段落ごとにまとまりのある文書の場合には、段落を文字列と呼ぶことができる。また、例えば、章ごとにまとまりのある文書の場合には、章を文字列と呼ぶことができる。意味単位が文として読点で区切られる場合と行で区切られる場合が混在する文書の場合には、文、及び行を、それぞれ文字列と呼ぶこともできる。
　文書は、顧客の所持する文書、インタビュー・アンケート調査結果、議事録、仕様書等の関連文書であり、文字列を含む。ここで、文書が第１版、第２版のように複数あって同時に分析したい場合には、それらの複数の文書をまとめて文書と呼ぶことにする。文書が、議事録と仕様書というように異なる形式で複数ある場合にも、複数の文書をまとめて文書と呼ぶことができるものとする。
　記憶部１は、文書記憶部１１と、語句記憶部１２と、重要部分記憶部１３を備える。
　文書記憶部１１は、分析対象の文書を記憶する。ここでは、文書記憶部１１は、予め分析対象の文書を記憶している。
　語句記憶部１２は、語句の集合を記憶する。ここでは、語句記憶部１２は、分析対象の文書から抽出された語句の集合を記憶する。
　重要部分記憶部１３は、重要部分として、分析対象の文書から抽出された語句を１つずつ追加して記憶する。
　獲得部２は、語句抽出部２１と、文字列抽出部２２と、語句削除部２３と、文字列追加部２４を備える。
　語句抽出部２１は、文書記憶部１１に記憶された文書から、語句の集合を抽出し、語句記憶部１２に記憶する。ここでは、文字列抽出部２２は、１つの文字列を抽出するごとに、文書記憶部１１に記憶された文書から、その１つの文字列を削除する。
　文字列抽出部２２は、語句記憶部１２に記憶された語句数が０個である場合、処理を終了する。ここでは、文字列抽出部２２は、語句数が１個以上である場合、文書記憶部１１に記憶された文書から、代表となる１つの文字列（候補文字列）を抽出する。
　語句削除部２３は、語句記憶部１２から０個以上の語句を削除する。ここでは、語句削除部２３は、文字列抽出部２２で抽出された１つの文字列に含まれる語句が語句記憶部１２に存在すれば、その語句を語句記憶部１２から削除する。
　文字列追加部２４は、文字列抽出部２２で抽出した１つの文字列ずつ重要部分記憶部１３に追加する。ここでは、文字列追加部２４は、語句削除部２３で削除した語句数が１個以上である場合、文字列抽出部２２で抽出した１つの文字列を重要文字列として重要部分記憶部１３に追加して記憶する。それから、文字列追加部２４は、削除した語句数がいくつであっても、文字列抽出部２２に処理を移す。
　［ハードウェアの例示］
　要求獲得システムの例として、ＰＣ（パソコン）、アプライアンス（ａｐｐｌｉａｎｃｅ）、ワークステーション、メインフレーム、スーパーコンピュータ等の計算機を想定している。他にも、携帯電話機、スマートフォン、スマートブック、カーナビ（カーナビゲーションシステム）、携帯型ゲーム機、家庭用ゲーム機、携帯型音楽プレーヤー、ハンディターミナル、ガジェット（電子機器）、双方向テレビ、デジタルチューナー、デジタルレコーダー、情報家電（ｉｎｆｏｒｍａｔｉｏｎ　ｈｏｍｅ　ａｐｐｌｉａｎｃｅ）、ＯＡ（Ｏｆｆｉｃｅ　Ａｕｔｏｍａｔｉｏｎ）機器等が考えられる。要求獲得システムは、車両や船舶、航空機等の移動体に搭載されていても良い。また、要求獲得システムは、計算機上に構築された仮想マシン（Ｖｉｒｔｕａｌ　Ｍａｃｈｉｎｅ（ＶＭ））環境でも良い。但し、実際には、これらの例に限定されない。
　記憶部１の例として、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ　Ｅｒａｓａｂｌｅ　ａｎｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）やフラッシュメモリ等の半導体記憶装置、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の補助記憶装置、又は、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ）等のリムーバブルディスクや、ＳＤメモリカード（Ｓｅｃｕｒｅ　Ｄｉｇｉｔａｌ　ｍｅｍｏｒｙ　ｃａｒｄ）等の記憶媒体（メディア）等が考えられる。また、記憶部１は、計算機本体に内蔵された記憶装置に限らず、周辺機器（外付けＨＤＤ等）や外部のサーバ（Ｗｅｂサーバやファイルサーバ等）に設置された記憶装置、或いは、ＤＡＳ（Ｄｉｒｅｃｔ　Ａｔｔａｃｈｅｄ　Ｓｔｏｒａｇｅ）、ＦＣ－ＳＡＮ（Ｆｉｂｒｅ　Ｃｈａｎｎｅｌ　－　Ｓｔｏｒａｇｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＮＡＳ（Ｎｅｔｗｏｒｋ　Ａｔｔａｃｈｅｄ　Ｓｔｏｒａｇｅ）、ＩＰ－ＳＡＮ（ＩＰ　－　Ｓｔｏｒａｇｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）でも良い。また、記憶部１は、計算機等でも良い。
　獲得部２の例として、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、マイクロプロセッサ（ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、マイクロコントローラ、或いは、専用の機能を有する半導体集積回路（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ（ＩＣ））等が考えられる。また、獲得部２は、計算機等でも良い。
　但し、実際には、これらの例に限定されない。
　［第１実施形態における要求獲得システムの動作］
　図２は、本発明の要求獲得システムの処理経過の例を示すフローチャートである。例えば、入力装置等を介して、文書が入力され、文書記憶部１１に記憶されると、要求獲得システムは以下のように動作する。なお、ここでは、文字列として、文を用いた場合を例として説明する。
　（１）ステップＡ１
　まず、語句抽出部２１は、文書記憶部１１に記憶された文書から、重要語句の集合を抽出する。
　ここでは、文は、文字の並んだ文字列と考える。「Ａ＝｛ａ０，ａ１，…，ａｎ－１｝」をｎ個の文字とすると、各文字ａｉは、ひらがな、カタカナ、漢字等のうちの一文字となる。「Ａ＊」をＡ上の有限長の文字列の集合とすると、「Ａ＊」の各要素は、単語や文等となる。
　重要語句とは、例えば、予め指定された数以上の文に共通して出現する文字列とする。例えば、指定された数として、「２」等の数を指定して入力する。指定された数は、キーボード等の入力装置を介して要求獲得システムのユーザにより入力されても良いし、他の方式で指定されても良い。
　文字列Ｓの部分列「Ｓ（ｓｔ，ｌｅｎ）」は、Ｓのｓｔ番目の文字から順にｌｅｎ個の文字の並びとする。例えば、「Ｓ＝“候補抽出部”」に対して、「Ｓ（０，１）＝“候”」、「Ｓ（０，２）＝“候補”」、「Ｓ（２，２）＝“抽出”」等となる。２つの文である文字列ＳとＴに対し、文字列ｃａｎｄが共通の部分列であるとは、「ｃａｎｄ＝Ｓ（ｓｔ１，ｌｅｎ）＝Ｔ（ｓｔ２，ｌｅｎ）」となる「ｓｔ１」、「ｓｔ２」、「ｌｅｎ」が存在することである。
　なお、語句記憶部１２に記憶される語句数を少なくするため、語句を最大長の部分列に限ることにしても良い。文字列ＳとＴに対し、文字列ｃａｎｄが最大長の部分列であるとは、「ｃａｎｄ＝Ｓ（ｓｔ１，ｌｅｎ）＝Ｔ（ｓｔ２，ｌｅｎ）」となる「ｓｔ１」、「ｓｔ２」、「ｌｅｎ」が存在し、任意の「ａ∈Ａ」に対し、「ｃａｎｄ・ａ」が文字列ＳとＴとの両方の部分列ではなく、「ａ・ｃａｎｄ」もまた文字列ＳとＴとの両方の部分列ではないことである。例えば、「Ｓ＝“重要語句を抽出する。”」と、「Ｔ＝“重要語句とは共通部分列である。”」との最大長部分列は、“重要語句”である。“重要語句”は、「ａ＝“語”」が存在し、「ａｎｄ・ａ」が文字列ＳとＴとの両方の部分列となるため、最大長部分列ではない。
　更に、語句記憶部１２に記憶される語句数を少なくするため、「以下」、「上記」等の抽出不要な語句や「、」、「。」等の接頭や接尾には不要な語句を予め設定しておき、抽出する語句から除いても良い。
　（２）ステップＡ２
　次に、語句抽出部２１は、抽出した語句の集合を語句記憶部１２に記憶する。
　ここでは、抽出した語句の数をＰとし、抽出したｉ番目の語句をｐｈａｓｅ［ｉ］と表すこととする。従って、抽出した語句の集合は、ｐｈａｓｅ［０］、…、ｐｈａｓｅ［Ｐ－１］となる。
　（３）ステップＡ３
　文字列抽出部２２は、語句記憶部１２に記憶された語句数Ｐと０とを比較する。このとき、Ｐが０より大きい（Ｐ＞０）場合、ステップＡ４に進み、Ｐが０である（Ｐ＝０）場合、動作を終了する。
　（４）ステップＡ４
　文字列抽出部２２は、文書記憶部１１に記憶された文書から、重要文の候補となる１件の候補文を抽出する。
　候補文の抽出は、例えば、文書記憶部１１に記憶された文書中の各文と、文書記憶部１１に記憶された文書全体との距離を調べ、距離が最小となる文を候補文として抽出すれば良い。ここでいう距離とは、空間的な距離ではなく、２つの文字列が相違（又は類似）している度合いを示す。すなわち、距離は、類似度と読み替えても良い。例えば、文字列の距離の例として、従来よりレーベンシュタイン距離や編集距離等が知られている。
　各文と文書全体との距離は、例えば、圧縮を用いて以下のように計算することができる。
　まず、テキストを圧縮するアルゴリズムが指定されたとする。圧縮アルゴリズムは、キーボード等の入力装置を介して要求獲得システムのユーザにより入力されても良いし、他の態様で指定されても良い。圧縮アルゴリズムの例としては、「ｇｚｉｐ」等が知られている。
　文書記憶部１１に記憶されたｉ番目の文を圧縮した場合のサイズを「Ｃ（ｉ）」、文書全体を圧縮した場合のサイズを「Ｃ（ａｌｌ）」、文書全体にｉ番目の文を追加した場合の圧縮サイズを「Ｃ（ａｌｌ・ｉ）」とすると、ｉ番目の文と文書全体の距離を、以下の数式「数１」又は数式「数２」等により計算する。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　これらは、コルモゴロフ複雑性（Ｋｏｌｍｏｇｏｒｏｖ　ｃｏｍｐｌｅｘｉｔｙ）を近似する方法であるとみなすことができる。圧縮サイズは、部分列が一致すればするほど、その一致部分を短い符号とすることができるので、ｉ番目の文と文書全体が部分的に一致すればするほど、数式「数１」や数式「数２」で計算される距離は小さくなる。
　或いは、文書全体からｉ番目の文を取り除いた場合の圧縮サイズを「Ｃ（ａｌｌ－ｉ）」として、以下の数式「数３」や数式「数４」等により計算しても良い。
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　（５）ステップＡ５
　それから、文字列抽出部２２は、抽出した候補文を文書記憶部１１から削除する。
　（６）ステップＡ６
　語句削除部２３は、語句番号ｐに０を代入（ｐ＝０）して初期化し、削除語句数ｎに０を代入（ｐ＝０）して初期化する。なお、語句番号ｐは、語句記憶部１２に記憶された語句の順を示す。削除語句数ｎは、削除する語句の数を示す。
　（７）ステップＡ７
　語句削除部２３は、語句番号ｐと語句記憶部１２に記憶された語句数Ｐとを比較する。このとき、ｐがＰ未満（ｐ＜Ｐ）である場合、ステップＡ８に進み、ｐがＰ以上（ｐ≧Ｐ）である場合、ステップＡ１２に進む。
　（８）ステップＡ８
　語句削除部２３は、語句記憶部１２に記憶されたｐ番目の語句ｐｈｒａｓｅ［ｐ］を候補文が含むかどうかを調べる。このとき、ｐｈｒａｓｅ［ｐ］を候補文が含まない場合、ステップＡ９に進み、ｐｈｒａｓｅ［ｐ］を候補文が含む場合、ステップＡ１０に進む。
　（９）ステップＡ９
　語句削除部２３は、語句番号ｐを１増やす。その後、ステップＡ７に戻る。
　（１０）ステップＡ１０
　語句削除部２３は、語句記憶部１２に記憶されたｐ番目の語句ｐｈｒａｓｅ［ｐ］を候補文が含む場合、ｐｈｒａｓｅ［ｐ］を空列とする。
　（１１）ステップＡ１１
　語句削除部２３は、削除語句数ｎを１増やす。その後、ステップＡ９に進み、語句番号ｐを１増やす。その後、ステップＡ７に戻る。
　（１２）ステップＡ１２
　語句削除部２３は、ｐがＰ以上（ｐ≧Ｐ）である場合、語句記憶部１２に記憶された空列以外のＰ－ｎ個の語句を、改めて番号を振り直して、ｐｈｒａｓｅ［０］、…、ｐｈｒａｓｅ［Ｐ－ｎ－１］とし、ＰにＰ－ｎを代入する。
　（１３）ステップＡ１３
　文字列追加部２４は、語句削除部２３で空列として削除された語句数ｎと０とを比較する。このとき、語句数ｎが０より大きい（ｎ＞０）場合、ステップＡ１４に進み、語句数ｎが０である（ｎ＝０）場合、ステップＡ４に戻る。
　（１４）ステップＡ１４
　文字列追加部２４は、候補文を重要文として重要語句記憶部に追加して記憶する。その後、ステップＡ３に戻る。
　なお、事前に重要語句が判明している場合には、語句抽出部２１が語句の抽出を行うことなく、語句記憶部１２に予め重要語句の集合を記憶させておいてから、本発明を実施しても良い。その場合、語句記憶部１２への重要語句の集合の記憶は、キーボード等の入力装置を介して要求獲得システムのユーザにより入力されても良いし、他の態様で指定されても良い。
　本実施形態では、単なる重要語句の羅列でなく、文等の重要部分を抽出することができるため、分析者は元の文書を参照することなく意味を読み取って要求の概要を把握することができる。従って、分析者の手間と時間を削減することができる。
　また、本実施形態では、単語分割の誤りが起き、また、造語や未知語に対応できない形態素解析を用いない。従って、形態素解析を用いた場合に比べ、より正確に重要部分を抽出することができる。
　＜第２実施形態＞
　図３に示すように、本発明の第２実施形態における要求獲得システムは、記憶部１と、獲得部２を備える。
　記憶部１は、文書記憶部１１と、語句記憶部１２と、重要部分記憶部１３と、全語句記憶部１４を備える。
　文書記憶部１１と、語句記憶部１２と、重要部分記憶部１３は、第１実施形態と同様である。すなわち、本実施形態における記憶部１は、第１実施形態における記憶部１に、全語句記憶部１４を追加したものでも良い。
　全語句記憶部１４は、処理終了までの間に、語句抽出部２１により抽出された全ての語句の集合を記憶する。
　獲得部２は、語句抽出部２１と、文字列抽出部２２と、語句削除部２３と、文字列追加部２４と、強調部２５を備える。
　語句抽出部２１は、文書記憶部１１に記憶された文書から、語句の集合を抽出し、語句記憶部１２、及び全語句記憶部１４に記憶する。第１実施形態における語句抽出部２１との違いは、語句記憶部１２だけでなく、全語句記憶部１４にも語句の集合を記憶することである。
　文字列抽出部２２と、語句削除部２３と、文字列追加部２４は、第１実施形態と同様である。すなわち、本実施形態における獲得部２は、第１実施形態における獲得部２に、強調部２５を追加したものでも良い。
　強調部２５は、重要部分記憶部１３に記憶された文字列の集合に対し、全語句記憶部１４に記憶された語句の部分を強調して表示する。又は、強調部２５は、分析対象の元の文書に対し、重要部分記憶部１３に記憶された文字列の集合と全語句記憶部１４に記憶された語句の集合とのいずれか、或いはそれら両方を強調して表示しても良い。
　［第２実施形態における要求獲得システムの動作］
　本実施形態における語句抽出部２１の処理では、第１実施形態における語句抽出部２１の処理に加えて、全語句記憶部１４にも語句の集合を記憶する。全語句記憶部１４は、処理の過程で語句が削除されないため、処理が終了するまで、語句抽出部２１が抽出した語句集合が全て残ったままである。
　図４は、本発明の要求獲得システムの強調部２５の処理経過の例を示すフローチャートである。ここでは、文字列として、文を用いた場合を例として説明する。
　（１）ステップＢ１
　まず、強調部２５は、語句番号ｐに０を代入（ｐ＝０）して初期化し、全語句数Ｐを全語句記憶部１４に記憶された語句の数とする。
　（２）ステップＢ２
　次に、強調部２５は、語句番号ｐと全語句数Ｐとを比較する。このとき、語句番号ｐが全語句数Ｐ未満（ｐ＜Ｐ）である場合、ステップＢ３に進み、語句番号ｐが全語句数Ｐ以上（ｐ≧Ｐ）である場合、動作を終了する。
　（３）ステップＢ３
　強調部２５は、重要部分記憶部１３に記憶された重要文の集合である文書に対し、全語句記憶部１４に記憶されたｐ番目の語句ｐｈｒａｓｅ［ｐ］の部分を探索し、ｐｈｒａｓｅ［ｐ］の部分を強調する。
　ここで、強調とは、以下の（Ａ）～（Ｉ）のいずれか、又はその組合せ等である。
　（Ａ）文字列の色を変えて表示する
　（Ｂ）文字列の字体を変える（太文字、斜体文字等）
　（Ｃ）文字列に下線をつける
　（Ｄ）文字列を括弧等の記号で囲む
　（Ｅ）文字列の背景色を変える
　（Ｆ）文字列以外を網掛けする
　（Ｇ）文字列の上又は下に記号をつける
　（Ｈ）文字列部分の改行（及び字下げ）を行う
　（Ｉ）文字列の前後に空白や記号等を挿入する
　（４）ステップＢ４
　強調部２５は、語句番号ｐを１増やす。その後、ステップＢ２に戻る。
　最後に、強調部２５は、ステップＢ２において、語句番号ｐが全語句数Ｐ以上（ｐ≧Ｐ）となり、動作を終了する際、重要語句を強調表示して、ディスプレイやプリンタ等の出力装置に出力しても良い。
　第２実施形態では、重要語句を強調して重要部分を表示することができる。従って、要求獲得システムのユーザは、重要語句を重点的に見ることができ、要求を把握する手間と時間を少なくすることができる。
　なお、上記の各実施形態は、組み合わせて実施することも可能である。
　＜産業上の利用可能性＞
　本発明は、例えば、文書中からの重要部分抽出、特に、システム・ソフトウェア開発において、顧客の所持する文書、インタビュー・アンケート調査結果、議事録、仕様書等の関連文書からの要求獲得に適用できる。
　＜本発明の特徴＞
　以上のように、本発明では、システム・ソフトウェア開発において、顧客の所持する文書、インタビュー・アンケート調査結果、議事録、仕様書等の関連文書から、少ない手間と時間で要求を把握することを目的とする。
　本発明の要求獲得システムは、語句抽出部と、文字列抽出部と、語句削除部と、文字列追加部を備える。語句抽出部は、文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出する。文字列抽出部は、重要語句がない場合、処理を終了し、重要語句がある場合、文書から、文書を代表する１つの文字列を候補文字列として抽出し、文書から抽出した候補文字列を削除する。語句削除部は、候補文字列に含まれる重要語句を削除する。文字列追加部は、重要語句の削除数が１つ以上である場合、候補文字列を重要文字列とし、文字列抽出部に戻って処理を続ける。
　本発明の要求獲得方法では、文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出する。また、重要語句がない場合、処理を終了し、重要語句がある場合、文書から、文書を代表する１つの文字列を候補文字列として抽出し、文書から抽出した候補文字列を削除する。また、候補文字列に含まれる重要語句を削除する。また、重要語句の削除数が１つ以上である場合、候補文字列を重要文字列とし、文字列抽出部に戻って処理を続ける。
　本発明の要求獲得用プログラムは、文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出するステップと、重要語句がない場合、処理を終了し、重要語句がある場合、文書から、文書を代表する１つの文字列を候補文字列として抽出し、文書から抽出した候補文字列を削除するステップと、候補文字列に含まれる重要語句を削除するステップと、重要語句の削除数が１つ以上である場合、候補文字列を重要文字列とし、再度、文書を代表する１つの文字列を候補文字列として抽出するステップとを計算機に実行させるためのプログラムである。なお、本発明の要求獲得用プログラムは、記憶装置や記憶媒体に格納することが可能である。
　文字列は、文、一行、段落、章のいずれか、又はその組合せである。すなわち、文、一行、段落、及び章のうち少なくとも１つを文字列として扱う。
　また、文書を代表する１つの文字列を候補文字列として抽出する際、文書に含まれる各文字列と文書との距離を計算し、距離が最小となる文字列を候補文字列として抽出する。
　また、文書を代表する１つの文字列を候補文字列として抽出する際、コルモゴロフ複雑性の近似計算法に基づいて、各文字列と文書との距離を計算する。
　本発明では、単なる重要語句の羅列でなく、文等の重要部分を抽出することができるため、分析者は元の文書を参照することなく意味を読み取って要求の概要を把握することができる。従って、分析者の手間と時間を削減することができる。
　また、従来の形態素解析を用いた手法では、単語分割の誤りにより正確に重要語句を抽出できないという問題があった。一方、本発明では、部分列に基づくため、より正確に重要語句を抽出することができる。例えば、「外国人参政権について」、「ここで、参政権は・・・」、「外国人の・・・」という３文の場合、従来の形態素解析を用いると、「外国」しか抽出できないが、本発明では、「外国人」、「参政権」を重要語句として抽出することができ、強調表示することができる。
　また、本発明は、既存の単語を組み合わせて造られた造語や、既存の単語の一部を用いた省略語のような未知語があっても、重要部分を抽出できる。また、造語や省略語のような未知語であっても重要語句として強調することができる。
　このように、本発明では、文字列の集合である文書から、複数の文字列で共通する１つ以上の部分列を重要語句として抽出する。重要語句がない場合、処理を終了する。重要語句がある場合、文書から、文書を代表する１つの文字列を候補文字列として抽出し、文書から抽出した候補文字列を削除し、候補文字列に含まれる重要語句を削除する。重要語句の削除数が１つ以上である場合、候補文字列を重要文字列とし、文字列抽出部に戻って処理を続ける。
　本発明では、文書から抽出済みの文字列を削除するので、文字列抽出部は、２回目以降の処理において、異なる類似度を計算する。従って、距離の近い順に候補文字列を抽出するのではなく、予め閾値を定める必要がない。
　文字列を文とした例を示す。例えば、文書が以下の５文から構成されるとする。
　「データを入力する」、「データを処理する」、「データを入力後に処理する」、「結果を出力する」、「データを処理後に結果を出力する」
　まず、最大長の部分列とした場合の重要語句は、「データを」、「入力」、「処理する」、「後に」、「結果を」、「出力する」である。
　文字列抽出部は、第１回目の処理において、「データを入力後に処理する」を抽出する。語句削除部は、重要語句の集合から「データを」「入力」、「処理する」、「後に」を削除するので、残る重要語句は、「結果を」、「出力する」である。
　文字列抽出部は、第１回目の処理において、文書が「データを入力する」、「データを処理する」、「結果を出力する」、「データを処理後に結果を出力する」に変更されているため、第２回目の処理において、「結果を出力する」を抽出する。
　ここで、第１文が削除された文書との類似度を再計算するため、第２文は第１文との類似度が高いとは限らない。
　語句削除部は、重要語句の集合から「出力する」を削除するので、動作が終了する。
　本発明を実施した結果、抽出された重要文字列は、「データを入力後に処理する」、「結果を出力する」となる。
　本発明では、語句削除部が重要語句を削除するため、文字列追加部の２回目以降の処理において、候補文字列であっても重要語句がなく重要文字列とならない場合がある。
　以上、本発明の実施形態を詳述してきたが、実際には、上記の実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の変更があっても本発明に含まれる。
　なお、本出願は、日本出願番号２０１０－０７１８６０に基づく優先権を主張するものであり、日本出願番号２０１０－０７１８６０における開示内容は引用により本出願に組み込まれる。

Claims (7)

  1. 　複数の文字列の集合である文書から、前記複数の文字列で共通する１つ以上の部分列を重要語句として抽出する語句抽出部と、
    　前記重要語句がない場合、処理を終了し、前記重要語句がある場合、前記文書から、前記文書を代表する１つの文字列を候補文字列として抽出し、前記文書から前記候補文字列を削除する文字列抽出部と、
    　前記候補文字列から前記重要語句を削除する語句削除部と、
    　前記重要語句の削除数が１つ以上である場合、前記候補文字列を重要文字列とする文字列追加部と
    を具備する
    　要求獲得システム。
  2. 　請求項１に記載の要求獲得システムであって、
    　前記文字列抽出部は、前記複数の文字列の各々と前記文書との距離を計算し、前記各文字列と前記文書との距離が最小となる文字列を候補文字列として抽出する
    　要求獲得システム。
  3. 　請求項２に記載の要求獲得システムであって、
    　前記文字列抽出部は、コルモゴロフ複雑性の近似計算法に基づいて、前記各文字列と前記文書との距離を計算する
    　要求獲得システム。
  4. 　計算機により実施される要求獲得システムであって、
    　複数の文字列の集合である文書から、前記複数の文字列で共通する１つ以上の部分列を重要語句として抽出し、
    　前記重要語句がない場合、処理を終了し、
    　前記重要語句がある場合、前記文書から、前記文書を代表する１つの文字列を候補文字列として抽出し、
    　前記文書から前記候補文字列を削除し、
    　前記候補文字列から前記重要語句を削除し、
    　前記重要語句の削除数が１つ以上である場合、前記候補文字列を重要文字列とする
    　要求獲得方法。
  5. 　請求項４に記載の要求獲得方法であって、
    　前記複数の文字列の各々と前記文書との距離を計算し、
    　前記各文字列と前記文書との距離が最小となる文字列を候補文字列として抽出する
    　要求獲得方法。
  6. 　請求項５に記載の要求獲得方法であって、
    　コルモゴロフ複雑性の近似計算法に基づいて、前記各文字列と前記文書との距離を計算する
    　要求獲得方法。
  7. 　請求項４乃至６のいずれか一項に記載の要求獲得方法を計算機に実行させるための要求獲得用プログラム。
PCT/JP2011/055895 2010-03-26 2011-03-14 要求獲得システム、要求獲得方法、及び要求獲得用プログラム WO2011118428A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2012506944A JPWO2011118428A1 (ja) 2010-03-26 2011-03-14 要求獲得システム、要求獲得方法、及び要求獲得用プログラム
US13/637,321 US9262394B2 (en) 2010-03-26 2011-03-14 Document content analysis and abridging apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010-071860 2010-03-26
JP2010071860 2010-03-26

Publications (1)

Publication Number Publication Date
WO2011118428A1 true WO2011118428A1 (ja) 2011-09-29

Family

ID=44672986

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/055895 WO2011118428A1 (ja) 2010-03-26 2011-03-14 要求獲得システム、要求獲得方法、及び要求獲得用プログラム

Country Status (3)

Country Link
US (1) US9262394B2 (ja)
JP (1) JPWO2011118428A1 (ja)
WO (1) WO2011118428A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399837A (zh) * 2020-04-01 2020-07-10 中电万维信息技术有限责任公司 一种基于安卓系统的问卷调查类开发方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107765700A (zh) * 2017-10-01 2018-03-06 上海量科电子科技有限公司 移动终端的使用辅助方法、系统及飞行器

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02257266A (ja) * 1989-02-06 1990-10-18 Teremateiiku Kokusai Kenkyusho:Kk 抄録文作成装置
JP2003108571A (ja) * 2001-09-28 2003-04-11 Seiko Epson Corp 文書要約装置、文書要約装置の制御方法、文書要約装置の制御プログラムおよび記録媒体

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0667862A (ja) 1992-08-21 1994-03-11 Toshiba Corp 要求獲得支援装置
US5608396A (en) * 1995-02-28 1997-03-04 International Business Machines Corporation Efficient Ziv-Lempel LZI data compression system using variable code fields
JP3113814B2 (ja) * 1996-04-17 2000-12-04 インターナショナル・ビジネス・マシーンズ・コーポレ−ション 情報検索方法及び情報検索装置
JP3092576B2 (ja) * 1998-01-22 2000-09-25 日本電気株式会社 文字認識装置
JP2001249922A (ja) * 1999-12-28 2001-09-14 Matsushita Electric Ind Co Ltd 単語分割方式及び装置
JP4253152B2 (ja) * 2000-01-05 2009-04-08 三菱電機株式会社 キーワード抽出装置
JP2001318948A (ja) * 2000-05-09 2001-11-16 Hitachi Ltd 文書検索方法及び装置並びにその処理プログラムを記憶した媒体
JP2002245070A (ja) * 2001-02-20 2002-08-30 Hitachi Ltd データ表示方法及び装置並びにその処理プログラムを記憶した媒体
US7313817B2 (en) * 2003-06-17 2007-12-25 Lockheed Martin Corporation Data transmission system utilizing efficient complexity estimation of the kolmogorov complexity for data transmission
WO2005066882A1 (ja) * 2004-01-08 2005-07-21 Nec Corporation 文字認識装置、移動通信システム、移動端末装置、固定局装置、文字認識方法および文字認識プログラム
US7783476B2 (en) * 2004-05-05 2010-08-24 Microsoft Corporation Word extraction method and system for use in word-breaking using statistical information
KR100682897B1 (ko) * 2004-11-09 2007-02-15 삼성전자주식회사 사전 업데이트 방법 및 그 장치
US7665037B2 (en) * 2006-06-30 2010-02-16 Research In Motion Limited Method of learning character segments from received text, and associated handheld electronic device
JP4848221B2 (ja) * 2006-07-31 2011-12-28 富士通株式会社 帳票処理プログラム、該プログラムを記録した記録媒体、帳票処理装置、および帳票処理方法
JP4856573B2 (ja) 2007-03-16 2012-01-18 日本放送協会 要約文生成装置及び要約文生成プログラム
JP2009075733A (ja) * 2007-09-19 2009-04-09 Toshiba Corp 候補表示装置及び方法
US20090226872A1 (en) * 2008-01-16 2009-09-10 Nicholas Langdon Gunther Electronic grading system
US8327443B2 (en) * 2008-10-29 2012-12-04 Lockheed Martin Corporation MDL compress system and method for signature inference and masquerade intrusion detection
US8868402B2 (en) * 2009-12-30 2014-10-21 Google Inc. Construction of text classifiers
US8296130B2 (en) * 2010-01-29 2012-10-23 Ipar, Llc Systems and methods for word offensiveness detection and processing using weighted dictionaries and normalization
US8510098B2 (en) * 2010-01-29 2013-08-13 Ipar, Llc Systems and methods for word offensiveness processing using aggregated offensive word filters

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02257266A (ja) * 1989-02-06 1990-10-18 Teremateiiku Kokusai Kenkyusho:Kk 抄録文作成装置
JP2003108571A (ja) * 2001-09-28 2003-04-11 Seiko Epson Corp 文書要約装置、文書要約装置の制御方法、文書要約装置の制御プログラムおよび記録媒体

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MASAMI HARA ET AL.: "Keyword Extraction Using a Text Format and Word Importance in a Specific Field", TRANSACTIONS OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 38, no. 2, 15 February 1997 (1997-02-15), pages 299 - 309 *
YUKIKO FUJIWARA ET AL.: "Product/Service Value Validation based on Kolmogorov Complexity", FIT2009, DAI 8 KAI FORUM ON INFORMATION TECHNOLOGY KOEN RONBUNSHU, vol. 2, 20 August 2009 (2009-08-20), pages 55 - 62 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399837A (zh) * 2020-04-01 2020-07-10 中电万维信息技术有限责任公司 一种基于安卓系统的问卷调查类开发方法
CN111399837B (zh) * 2020-04-01 2023-03-28 中电万维信息技术有限责任公司 一种基于安卓系统的问卷调查类开发方法

Also Published As

Publication number Publication date
US9262394B2 (en) 2016-02-16
JPWO2011118428A1 (ja) 2013-07-04
US20130067324A1 (en) 2013-03-14

Similar Documents

Publication Publication Date Title
US9483460B2 (en) Automated formation of specialized dictionaries
JP7100747B2 (ja) 学習データ生成方法および装置
JP6335898B2 (ja) 製品認識に基づく情報分類
US9852122B2 (en) Method of automated analysis of text documents
US7818278B2 (en) Large scale item representation matching
JP2005174336A (ja) 情報抽出のための一般化文字列パターンの学習および使用
CN112784009A (zh) 一种主题词挖掘方法、装置、电子设备及存储介质
JP5678896B2 (ja) 要求抽出システム、要求抽出方法および要求抽出プログラム
US20190095525A1 (en) Extraction of expression for natural language processing
US11842152B2 (en) Sentence structure vectorization device, sentence structure vectorization method, and storage medium storing sentence structure vectorization program
CN117971698A (zh) 测试用例生成方法、装置、电子设备和存储介质
Osman et al. Stemming Tigrinya words for information retrieval
CN112926297A (zh) 处理信息的方法、装置、设备和存储介质
WO2011118428A1 (ja) 要求獲得システム、要求獲得方法、及び要求獲得用プログラム
CN103377187A (zh) 段落分割方法、装置以及程序
KR102519955B1 (ko) 토픽 키워드의 추출 장치 및 방법
CN115455416A (zh) 一种恶意代码检测方法、装置、电子设备及存储介质
US11544449B2 (en) Annotating chemical reactions
US20110172991A1 (en) Sentence extracting method, sentence extracting apparatus, and non-transitory computer readable record medium storing sentence extracting program
KR102215580B1 (ko) 스타일 속성에 기반하여 문서에 대한 중요 키워드를 선정하는 전자 장치 및 그 동작 방법
JP6181890B2 (ja) 文献解析装置、文献解析方法およびプログラム
JP4985096B2 (ja) 文書解析システム、および文書解析方法、並びにコンピュータ・プログラム
WO2013150633A1 (ja) 文書処理システム、及び、文書処理方法
US20220138434A1 (en) Generation apparatus, generation method and program
US11386267B2 (en) Analysis method, analyzer, and computer-readable recording medium

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11759234

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2012506944

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13637321

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 11759234

Country of ref document: EP

Kind code of ref document: A1