図面 (/)

技術 キーワード抽出システム、キーワード抽出方法、及び、コンピュータ・プログラム

出願人 日本電気株式会社
発明者 黒岩由希子
出願日 2015年1月19日 (5年2ヶ月経過) 出願番号 2015-007667
公開日 2016年7月25日 (3年8ヶ月経過) 公開番号 2016-133960
状態 特許登録済
技術分野 検索装置
主要キーワード 類似語句 開発案件 削除ルール 運用段階 削除文字列 機能要件 列見出し 表示パネル装置
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年7月25日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (17)

課題

書等の情報から、当該情報に含まれるキーワード出現頻度によらずに、適切なキーワードを抽出とする。

解決手段

キーワード抽出システム(1500)は、入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出する候補語句抽出部(1501)と、抽出された候補語句のうち、特定の候補語句に類似する文字列を含む他の上記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定するキーワード判定部(1502)と、を備える。

概要

背景

近年、文書等の情報から、当該情報に含まれる重要な、あるいは注目すべき情報等を表す語句であるキーワードを抽出する技術が求められている。

例えば、システムソフトウェア開発においては、顧客の要求に漏れなく対応するために、開発者分析者)は、顧客の要求を記述した提案依頼書(Request for Proposal、以下RFPと称する)からキーワード(重要語句)を抽出する。そして、係る分析者は、提案依頼書においてキーワードが記載されている箇所に要求への対処(対応)が記述されているかをチェックする。

また、分析者は、例えば、契約書法令約款などの文書からキーワードを抽出し、抽出したキーワードの表記や内容を比較する場合がある。上記のような開発に関連した文書(開発関連文書)からキーワードを抽出する処理(キーワード抽出)は、分析者により手動で行われていた。しかしながら、係るキーワード抽出には手間と時間がかかる。また、係るキーワード抽出を分析者が手動で行う場合、人的ミスに起因して、キーワードが見逃される可能性があった。

このようなキーワード抽出を支援する技術に関連して、形態素解析を用いて名詞あるいは動詞などの語句を抽出し、統計処理を用いてキーワードに絞り込む方法が知られている。

例えば、非特許文献1に記載の要求獲得法は、名詞あるいは動詞などの語句を抽出し、TF(Term Frequency)−IDF(Inverse Document Frequency)などの出現頻度に関する統計情報を用いて不要な用語を取り除く。TF−IDFを用いたキーワード抽出方法は、特定の文書内における出現頻度が高く(TF)、当該特定の文書特有で他の文書に出現しにくい(IDF)語句を、キーワードとして抽出する。

また、事前に(例えば形態素解析等による)単語を分割せずに、開発関連文書から複数回出現する部分文字列をキーワードとして抽出する方法が知られている。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キーワードとして抽出する。

一般的な文書からのキーワード抽出の手法として、以下のような特許文献が開示されている。

特許文献1(特開2008−305217号公報)は、同一の事柄を表す複数の略語表記が含まれる文書から、略語の同一性を考慮することにより、キーワードを抽出する技術を開示する。特許文献1に開示された技術は、同一の事柄を表す複数の省略語表記が存在する場合、それらを同一の語句とみなして、一方の語句を削除し、他方の語句の出現頻度としてまとめる。特許文献1に開示された技術は、係る特定の語句の出現頻度に基づいて当該語句の重要度を(例えばTF−IDFを用いて)算出し、重要度が高い語句をキーワードとして抽出する。

特許文献2(特開平05−61912号公報)は、文書中に含まれる名詞句のうち、出現頻度が高い名詞句と、出現頻度が希少な名詞句とを、キーワードとして抽出する技術を開示する。特許文献2に開示された技術は、TF−IDFを用いたキーワード抽出に類似した技術思想に基づいて、キーワードを抽出する技術である。

特許文献3(特開2002−230006号公報)は、複数の文書に対して共通に含まれるキーワードを抽出する技術を開示する。特許文献3に開示された技術は、複数の文書から同一の文字列をキーワード候補として抽出する。特許文献3に開示された技術は、抽出したキーワード候補から重複した表現を排除するとともに、キーワードにならない不要文字列を削除することにより、キーワードを抽出する。

なお、キーワード(例えば検索用キーワード等)が予め与えられた場合に、当該キーワードに関連する関連語を抽出あるいは登録する技術が、以下の特許文献4、及び、特許文献5に開示されている。特許文献4(特開2002−140366号公報)に開示された技術は、与えられたキーワードに適合する文書を文書データベースから検索し、検索された文書から係るキーワードに関連する関連語を抽出する。特許文献5(特開2007−265111号公報)に開示された技術は、特定の検索キーワードに関連して登録された関連語(同義語など)にスコアを設けることにより、ユーザによる適切な関連語の登録を促進する。

概要

書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出とする。キーワード抽出システム(1500)は、入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出する候補語句抽出部(1501)と、抽出された候補語句のうち、特定の候補語句に類似する文字列を含む他の上記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定するキーワード判定部(1502)と、を備える。

目的

本発明は、文書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出可能なキーワード抽出システム等を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出する候補語句抽出手段と、抽出された前記候補語句のうち、特定の候補語句に類似する文字列を含む他の前記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定するキーワード判定手段と、を備えるキーワード抽出システム

請求項2

前記キーワード判定手段は、前記候補語句抽出手段により抽出された1以上の前記候補語句から、他の前記候補語句の部分文字列に相当する前記候補語句を除いた残りの前記候補語句である1以上の第1の候補語句のうち、特定の第1の候補語句に類似する文字列を含む他の前記候補語句を検出し、当該検出された他の前記候補語句の数に基づいて、当該特定の第1の候補語句がキーワードであるか否かを判定する、請求項1に記載のキーワード判定システム

請求項3

前記キーワード判定手段は、前記第1の候補語句の文字数に応じて定められた基準に基づいて特定の前記第1の候補語句に類似すると判定した類似文字列を含む他の前記候補語句を検出し、当該検出された他の前記候補語句の数に基づいて、当該特定の第1の候補語句がキーワードであるか否かを判定する、請求項2に記載のキーワード抽出システム。

請求項4

前記キーワード判定手段は、前記第1の候補語句ごとに、当該第1の候補語句を構成する文字列に対して所定の文字数以下の任意の文字を追加、削除、及び、置換する処理の少なくとも何れかが実行された文字列を、当該第1の候補語句に類似する類似文字列であると判定し、特定の前記第1の候補語句に対して、当該類似文字列を含む他の前記候補語句を検出し、当該検出された他の前記候補語句の数に基づいて、当該特定の第1の候補語句がキーワードであるか否かを判定する、請求項3に記載のキーワード抽出システム。

請求項5

前記候補語句抽出手段は、前記入力情報から、第1の文字数以上の文字を含む前記候補語句を抽出し、前記キーワード判定手段は、前記第1の候補語句の文字数が前記第1の文字数よりも大きい場合には、当該第1の候補語句に対して、第1の文字数より小さい第2の文字数分の任意の文字を追加、削除、及び、置換する処理の少なくとも何れかが実行された文字列を、当該第1の候補語句に類似する類似文字列であると判定する、請求項4に記載のキーワード抽出システム。

請求項6

前記キーワード判定手段は、前記第1の候補語句の文字数が前記第1の文字数である場合には、当該第1の候補語句に対して、前記第2の文字数分の任意の文字を追加、及び、置換する処理の少なくとも何れかが実行された文字列を、当該第1の候補語句に類似する類似文字列であると判定する、請求項5に記載のキーワード抽出システム。

請求項7

前記候補語句抽出手段は、抽出された前記候補語句のうち前記キーワードの候補から削除すべき前記候補語句を判定可能な基準に基づいて、前記抽出した候補語句のうち少なくとも一部を前記キーワードの候補から削除する、請求項2乃至請求項6の何れかに記載のキーワード抽出システム。

請求項8

前記キーワード判定手段は、特定の前記候補語句に類似する文字列を含む1以上の他の前記候補語句のうち、特定の前記候補語句を構成する少なくとも一部の文字列に対して所定の変換が行われた文字列により構成される特定の他の前記候補語句を除いた残りの他の前記候補語句の数に基づいて、当該特定の候補語句がキーワードであるか否かを判定する、請求項2乃至請求項7の何れかに記載のキーワード抽出システム。

請求項9

情報処理装置が、入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出し、抽出された前記候補語句のうち、特定の候補語句に類似する文字列を含む他の前記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定するキーワード抽出方法

請求項10

入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出する処理と、抽出された前記候補語句のうち、特定の候補語句に類似する文字列を含む他の前記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定する処理と、をコンピュータに実行させるコンピュータ・プログラム

技術分野

0001

本発明は、文書等の情報から、当該情報に含まれるキーワードを抽出する技術に関する。

背景技術

0002

近年、文書等の情報から、当該情報に含まれる重要な、あるいは注目すべき情報等を表す語句であるキーワードを抽出する技術が求められている。

0003

例えば、システムソフトウェア開発においては、顧客の要求に漏れなく対応するために、開発者分析者)は、顧客の要求を記述した提案依頼書(Request for Proposal、以下RFPと称する)からキーワード(重要語句)を抽出する。そして、係る分析者は、提案依頼書においてキーワードが記載されている箇所に要求への対処(対応)が記述されているかをチェックする。

0004

また、分析者は、例えば、契約書法令約款などの文書からキーワードを抽出し、抽出したキーワードの表記や内容を比較する場合がある。上記のような開発に関連した文書(開発関連文書)からキーワードを抽出する処理(キーワード抽出)は、分析者により手動で行われていた。しかしながら、係るキーワード抽出には手間と時間がかかる。また、係るキーワード抽出を分析者が手動で行う場合、人的ミスに起因して、キーワードが見逃される可能性があった。

0005

このようなキーワード抽出を支援する技術に関連して、形態素解析を用いて名詞あるいは動詞などの語句を抽出し、統計処理を用いてキーワードに絞り込む方法が知られている。

0006

例えば、非特許文献1に記載の要求獲得法は、名詞あるいは動詞などの語句を抽出し、TF(Term Frequency)−IDF(Inverse Document Frequency)などの出現頻度に関する統計情報を用いて不要な用語を取り除く。TF−IDFを用いたキーワード抽出方法は、特定の文書内における出現頻度が高く(TF)、当該特定の文書特有で他の文書に出現しにくい(IDF)語句を、キーワードとして抽出する。

0007

また、事前に(例えば形態素解析等による)単語を分割せずに、開発関連文書から複数回出現する部分文字列をキーワードとして抽出する方法が知られている。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キーワードとして抽出する。

0008

一般的な文書からのキーワード抽出の手法として、以下のような特許文献が開示されている。

0009

特許文献1(特開2008−305217号公報)は、同一の事柄を表す複数の略語表記が含まれる文書から、略語の同一性を考慮することにより、キーワードを抽出する技術を開示する。特許文献1に開示された技術は、同一の事柄を表す複数の省略語表記が存在する場合、それらを同一の語句とみなして、一方の語句を削除し、他方の語句の出現頻度としてまとめる。特許文献1に開示された技術は、係る特定の語句の出現頻度に基づいて当該語句の重要度を(例えばTF−IDFを用いて)算出し、重要度が高い語句をキーワードとして抽出する。

0010

特許文献2(特開平05−61912号公報)は、文書中に含まれる名詞句のうち、出現頻度が高い名詞句と、出現頻度が希少な名詞句とを、キーワードとして抽出する技術を開示する。特許文献2に開示された技術は、TF−IDFを用いたキーワード抽出に類似した技術思想に基づいて、キーワードを抽出する技術である。

0011

特許文献3(特開2002−230006号公報)は、複数の文書に対して共通に含まれるキーワードを抽出する技術を開示する。特許文献3に開示された技術は、複数の文書から同一の文字列をキーワード候補として抽出する。特許文献3に開示された技術は、抽出したキーワード候補から重複した表現を排除するとともに、キーワードにならない不要文字列を削除することにより、キーワードを抽出する。

0012

なお、キーワード(例えば検索用キーワード等)が予め与えられた場合に、当該キーワードに関連する関連語を抽出あるいは登録する技術が、以下の特許文献4、及び、特許文献5に開示されている。特許文献4(特開2002−140366号公報)に開示された技術は、与えられたキーワードに適合する文書を文書データベースから検索し、検索された文書から係るキーワードに関連する関連語を抽出する。特許文献5(特開2007−265111号公報)に開示された技術は、特定の検索キーワードに関連して登録された関連語(同義語など)にスコアを設けることにより、ユーザによる適切な関連語の登録を促進する。

0013

特開2008−305217号公報
特開平05−61912号公報
特開2002−230006号公報
特開2002−140366号公報
特開2007−265111号公報

先行技術

0014

長谷川亮、元博、海谷治彦、佐伯元司、”Extracting Conceptual Graphs from Japanese Documents for Software Requirements Modeling”、Proc. of the Sixth Asia−Pacific Conference on Conceptual Modelling(APCCM 2009)、ACS、2009、Volume.96、p.p.87−96
Aguilera, C.、Berry, D.M.、”The Use of a Repeated Phrase Finder in Requirements Extraction”、Journal of Systems and Software、1991、Volume.13、p.p.209−230

発明が解決しようとする課題

0015

RFPや契約書などの開発関連文書からキーワードを抽出する場合、例えばTF−IDF等の語句の出現頻度に関する情報(出現頻度情報)を利用しても、文書に含まれる語句からキーワードに高精度に絞り込むことが困難である。このような開発関連文書に含まれるキーワードの出現頻度は、当該文書が関連する業界、業種、あるいは当該文書に記載された要件の内容、要求の記述の詳細度に依存する。このことから、文書内におけるキーワードの出現頻度が必ずしも高いとは限らず、文書ごとにキーワードの出現頻度は様々に異なる場合がある。

0016

また、例えば、RFPの要件に関するキーワードには、機能要件に関するキーワードと、非機能要件に関するキーワードがある。例えば、機能要件に関するキーワードは、当該RFPが関連する開発案件ごとに特有である一方、非機能要件に関するキーワードは、複数の開発案件で共通である場合がある。これより、特定のキーワードが文書に出現するか否かは、文書ごとに様々に異なる場合がある。また、法令や約款においても、ある文書内における特定のキーワードの出現頻度、あるいは他文書における特定のキーワードの出現頻度は様々に異なる場合ある。

0017

上より、語句の出現頻度情報だけでは、文書に含まれる語句からキーワードに高精度に絞り込むことが困難である。

0018

また、例えば、非特許文献2に開示されたような、文書に複数回出現する部分文字列を抽出する方法は、出現頻度が1回のキーワードを抽出できない。特に、要求が整理された短いRFPなどの文書からキーワードを抽出する場合、出現頻度が1回のキーワードが多数存在する可能性があるが、上記技術はそれらを抽出できないという問題がある。

0019

また、上記特許文献1、及び、特許文献2に開示された技術は、何れも語句の出現頻度情報を用いてキーワードを抽出する技術である。しかしながら、上記したように、RFP、契約書、法令や約款などからのキーワード抽出においては、出現頻度情報を用いた抽出は困難である。

0020

特許文献3に開示された技術は、複数の文書に共通に含まれる語句をキーワードとして抽出することから、単一の文書のみに基づくキーワードの抽出に直接的に適用可能な技術ではない。更に、特許文献3に開示された技術は文字列の同一性のみに着目していることから、一般的な語句が、キーワードとして多量に抽出される可能性がある。

0021

特許文献4、あるいは、特許文献5に開示された技術は、予め与えられたキーワードに関する関連語を抽出あるいは登録する技術であり、文書から新たにキーワードを抽出する技術ではない。

0022

本発明は、上記のような事情を鑑みてなされたものである。即ち、本発明は、文書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出可能なキーワード抽出システム等を提供することを、主たる目的とする。

課題を解決するための手段

0023

上記の目的を達成すべく、本発明の一態様に係るキーワード抽出システムは、以下の構成を備える。即ち、本発明の一態様に係る抽出システムは、入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出する候補語句抽出手段と、抽出された上記候補語句のうち、特定の候補語句に類似する文字列を含む他の上記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定するキーワード判定手段と、を備える。

0024

また、本発明の一態様に係るキーワード抽出方法は、以下の構成を備える。即ち、本発明の一態様に係る抽出方法は、情報処理装置が、入力情報からキーワードの候補となる語句である候補語句を1つ以上抽出し、抽出された上記候補語句のうち、当該候補語句に類似する文字列を含む他の上記候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定する。

0025

また、同目的は、上記構成を有するキーワード抽出システム、並びに対応するキーワード抽出方法を、コンピュータによって実現するコンピュータ・プログラム、及び、そのコンピュータ・プログラムが格納されている、コンピュータ読み取り可能な記録媒体等によっても達成される。

発明の効果

0026

本発明によれば、文書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出可能である。

図面の簡単な説明

0027

図1は、本発明の第1の実施形態に係るキーワード抽出システムの機能的な構成例を示すブロック図である。
図2は、本発明の第1の実施形態に係るキーワード抽出システムの動作の具体例を示すフローチャートである。
図3は、本発明の第1の実施形態に係るキーワード抽出システムに記憶された文書の具体例を示す図である。
図4は、本発明の第1の実施形態に係るキーワード抽出システムが抽出した候補語句の具体例を示す図である。
図5は、本発明の第1の実施形態に係るキーワード抽出システムにおいて、重複する候補語句を検出した結果を例示する図である。
図6は、本発明の第1の実施形態に係るキーワード抽出システムにおいて、他の候補語句の部分文字列に相当する候補語句を検出した結果を例示する図である。
図7は、本発明の第1の実施形態に係るキーワード抽出システムにおいて、他の候補語句に関する類似語句に相当する候補語句を検出した結果を例示する図である。
図8は、本発明の第2の実施形態に係るキーワード抽出システムの機能的な構成例を示すブロック図である。
図9は、本発明の第2の実施形態に係るキーワード抽出システムに記憶された削除ルールの具体例を示す図である。
図9は、本発明の第2の実施形態に係るキーワード抽出システムに記憶された変換ルールの具体例を示す図である。
図11は、本発明の第2の実施形態に係るキーワード抽出システム(特には候補語句抽出部805)の動作の具体例を示すフローチャートである。
図12は、本発明の第2の実施形態に係るキーワード抽出システムに記憶された文書の具体例を示す図である。
図13は、本発明の第2の実施形態に係るキーワード抽出システム(特にはキーワード判定部806)の動作の具体例を示すフローチャートである。
図14は、本発明の第2の実施形態に係るキーワード抽出システムにより抽出された候補語句の具体例を示す図である。
図15は、本発明の第3の実施形態に係るキーワード抽出システムの機能的な構成を例示するブロック図である。
図16は、本発明の各実施形態に係るキーワード抽出システム、あるいは、その構成要素を実現可能なハードウェアの構成を例示する図である。

実施例

0028

次に、本発明を実施する形態について図面を参照して詳細に説明する。以下の各実施形態に記載されているキーワード抽出システムの構成は単なる例示であり、本発明の技術範囲はそれらには限定されない。

0029

以下の各実施形態において説明されるキーワード抽出システムは、単体専用ハードウェア装置、あるいは、1以上の専用ハードウェア装置の組合せにより実現されてもよい。また、係るキーワード抽出システムは、1以上の物理的なコンピュータ又は仮想的なコンピュータ又はそれらの組合せにより構成されるシステムとして実現されてもよい。係る情報処理装置を実現するハードウェア構成例(図16)については後述する。

0030

複数の物理的あるいは論理的に離間した構成要素(上記ハードウェア装置、各種コンピュータ等)を用いて本発明に係るキーワード抽出システムを実現する場合、それらの構成要素は、任意の通信ネットワークを用いて、相互に通信可能性に接続されていてもよい。係る通信ネットワークは、無線有線、あるいはそれらの組合せにより構成されてもよい。なお、本発明に係るキーワード抽出システムが、仮想的なコンピュータを用いて実現される場合、上記通信ネットワークは、仮想的な通信ネットワークとして構成されてもよい。

0031

<第1の実施形態>
以下、本発明の第1の実施形態におけるキーワード抽出システムについて図面を参照して詳細に説明する。本実施形態に係るキーワード抽出システム(図1の100)は、例えば、RFP、契約書、法令や約款などの文書からキーワードを抽出する。これらの文書においては、記載内容に齟齬が生じないよう、同一の概念に対して同一の語句が使用されていると仮定することができる。

0032

例えば、RFPにおいて、同一の機能名に対して「A」、「A’」と異なる表記が割り当てられていた(表記揺れが発生していた)場合を想定する。この場合、「A」と、「A’」とが同一の機能を示すのか、異なる機能を示すのかが曖昧になる。これにより、「A」と、「A’」とが同一の機能であると解釈した場合の提案依頼書と、異なる機能であると解釈した場合の提案依頼書とを比較評価することが困難になってしまう。このような事態を防ぐため、RFP等の文書においては、同一の概念に対して同一の語句が使用されている(即ち、同一概念を表す語句に対する表記揺れが比較的少ない)と考えられる。これは、契約書、法令や約款においても同様であると考えられる。即ち、これらの文書においても、契約書、法令や約款の効力範囲を明確にするため、同一の概念に対し同一の語句が使用されていると仮定することができる。

0033

本実施形態に係るキーワード抽出システムは、上記したような文書の特徴を考慮し、表記揺れの少なさ、即ち類似する文字列(類似文字列)の少なさに基づいて、キーワードを抽出する。なお、本実施形態に係るキーワード抽出システムは上記例示したRFP、契約書、法令、あるいは約款等に限らず、その他の一般的な文書等にも適用可能である。

0034

図1を参照すると、本実施形態に係るキーワード抽出システム100は、大別して、情報を記憶する記憶部101と、プログラム制御により動作する演算部104とから構成されている。

0035

記憶部101は、文書記憶部102と、候補語句記憶部103とを備える。

0036

文書記憶部102は、キーワード抽出の対象となる文書を記憶する。係る文書は、例えば、RFP、契約書、法令や約款などを含む。上記文書は、キーワード抽出システム100のユーザが、各種入力装置キーボードなど)を介して入力することにより、指定されてもよい。また、上記文書は、キーワード抽出システム100に予め記憶(登録)されてもよい。上記に限定されず、上記文祖は、上記以外の任意の方法により指定されてもよい。図3は、文書記憶部102に記憶された文書の具体例を示す図である。

0037

候補語句記憶部103は、キーワードの候補となる語句(以下「候補語句」と称する)を記憶する。図4は、候補語句記憶部103に記憶された候補語句の具体例を示す図である。図4に示す表において、1行目列見出しを示しており、1列目は候補語句の番号、2列目は候補語句を示している。3列目は2列目の候補語句がキーワードか否かを表す判定結果を示しており、4列目は3列目の判定結果に関する説明を示している。以降、説明を簡単にするため、番号(1列目)がiの候補語句を、候補語句iと表記する。

0038

演算部104は、候補語句抽出部105と、キーワード判定部106とを備える。

0039

候補語句抽出部105は、文書記憶部102に記憶された文書から、キーワードの候補となる語句である候補語句を抽出し、候補語句記憶部103に記憶(登録)する。係る候補語句の抽出方法は、キーワード抽出システム100のユーザが、各種入力装置(キーボードなど)を介して入力することにより指定されてもよい。また、上記候補語句の抽出方法は、システムに予め記憶されてもよい。上記候補語句の抽出方法は、これらに限定されず、それ以外の任意の方法を採用してよい。

0040

より具体的には、候補語句を抽出する処理(候補語句の抽出処理)においては、例えば、キーワードを構成する単語の品詞が予め定められていてもよい。この場合、候補語句抽出部105は、文書に対して形態素解析を行い、予め定められた品詞で構成される語句を抽出してもよい。

0041

また、候補語句の抽出処理においては、キーワードに出現しない不要文字(句点読点など様々な記号や平仮名など)が予め定められていてもよい。この場合、候補語句抽出部105は、キーワードに出現しない文字以外の部分を候補語句として抽出してもよい。

0042

また、候補語句抽出部105は、予め定めた品詞で、かつ、予め定めた不要文字を除いた語句を抽出してもよい。また、候補語句抽出部105は、キーワードとする語句の文字数(例えば2文字以上等)を予め定めてもよい。

0043

キーワード判定部106は、候補語句記憶部103に記憶されたそれぞれの候補語句がキーワードであるか否かを判定し、判定結果を候補語句記憶部103に記憶する。

0044

より具体的には、キーワード判定部106は、候補語句記憶部103に記憶された候補語句のうち、他の候補語句の部分文字列となる候補語句をキーワードの候補から除外する。そして、キーワード判定部106は、除外されずに残った候補語句のうち、ある候補語句に対して、当該候補語句に類似する類似文字列を部分文字列として含む他の候補語句(類似候補語句)を検出する。この場合、キーワード判定部106は、例えば、当該検出した他の候補語句(類似候補語句)の数を計数してもよい。キーワード判定部106は、上記検出した他の候補語句に関する情報に基づいて、ある候補語句がキーワードであるか否かを判定し、判定結果を候補語句記憶部103に記憶する。より具体的には、キーワード判定部106は、例えば、当該検出した他の候補語句の数に基づいて、ある候補語句がキーワードであるか否かを判定してもよい。

0045

文字列Tのi番目の文字をt(i)と表記すると、文字列「T=t(1)・・・t(n)」の部分文字列(substring)T’は、「T’=t(1+i)・・・t(n−j)(ただし、i≧0かつj≧0)」により表される文字列である。即ち、部分文字列T’は、文字列Tの一部に含まれる文字列である。

0046

候補語句の集合を{S1, S2, ・・・, SN}と表記すると、i番目の候補語句Siが他の候補語句の部分文字列であるとは、「∃Sj∈{S1, S2, ・・・, SN}(ただし、Sj≠SiかつSiがSjの部分文字列)」という関係が満たされることを表す。即ち、i番目の候補語句Siが、候補語句の集合に含まれる他の候補語句を構成する文字列の一部に含まれる場合、候補語句Siは当該他の候補語句の部分文字列である。

0047

類似候補語句をどう定めるか(即ち、類似候補語句の判定方法)は、キーワード抽出システム100のユーザが各種入力装置(キーボードなど)を介して入力することにより指定されてもよい。また、類似候補語句の判定方法は、システムにデフォルトとして記憶されてもよい。上記に限定されず、類似候補語句の判定方法は、それ以外の任意の方法により指定されてよい。

0048

候補語句iの類似候補語句は、例えば、候補語句iに対し特定数(例えば1文字)の文字の追加、削除、置換(以下、まとめて「変換」と称する場合がある)の少なくとも何れかを行った文字列を含む候補語句であってもよい。また、キーワード判定部106は、候補語句iに対して他の候補語句が類似候補語句に該当するか否かを、候補語句iの文字列長に基づいて定めたルールを用いて判定してもよい。

0049

図7は、キーワード判定部106が判定結果を記憶(登録)した後の候補語句記憶部103の具体例を示す図である。図7においては、候補語句1「参考見積書」、候補語句2「提出」、候補語句5「省略語」がキーワードとして判定されている。これらの候補語句がキーワードとして判定された理由に関しては、後述する。

0050

なお、図4乃至図7に例示する具体例においては、以下のようなルールに基づいた判定方法を用いて、キーワード判定部103が、ある候補語句iに対する類似候補語句を判定(検出)する。

0051

即ち、候補語句iが3文字以上の場合、当該候補語句iに対して1文字の追加、削除、あるいは、置換(変換)を行った文字列が、類似文字列として判定される。これにより、キーワード判定部103は、係る類似文字列を部分文字列として含む、候補語句i自身以外の他の候補語句を、類似候補語句として判定(検出)する。

0052

また、候補語句iが2文字の場合、当該候補語句に対して1文字の追加あるいは置換を行った文字列が、類似文字列として判定される。これにより、キーワード判定部103は、係る類似文字列を部分文字列として含む、候補語句i自身以外の候補語句を、類似候補語句として判定(検出)する。換言すると、係るルールにおいては、2文字の候補語句iに対しては、当該候補語句iから1文字の削除した他の候補語句は、類似候補語句と判定されない。

0053

キーワード判定部103は、候補語句iに対する類似候補語句の数が「0()」である場合、当該候補国iをキーワードと判定する。キーワード判定部103の詳細な処理は後述する。

0054

次に、図2に例示するフローチャートを参照して、本実施形態におけるキーワード抽出システム100の動作について詳細に説明する。

0055

まず、候補語句抽出部105は、文書記憶部102に記憶された文書から、キーワードの候補となる語句である候補語句を抽出する(ステップS201)。候補語句の抽出処理においては、例えば、キーワードを構成する単語の品詞が予め定められてもよい(例えば、予めキーワード抽出システムに設定されてもよい)。この場合、候補語句抽出部105は、文書に対して形態素解析を行い、予め定めた品詞で構成される語句を抽出してもよい。

0056

また、候補語句の抽出処理においては、キーワードに出現しない不要文字(句点や読点など様々な記号や平仮名など)が予め定められてもよい(例えば、予めキーワード抽出システムに設定されてもよい)。この場合、候補語句抽出部105は、キーワードに出現しない文字以外の部分を候補語句として抽出してもよい。

0057

また、候補語句抽出部105は、予め定められた品詞で、かつ、予め定められた不要文字を除いた語句を抽出してもよい。また、候補語句抽出部105は、キーワードとする語句の文字数を、例えば「2文字以上」などと予め定めてもよい。

0058

以下、図3に例示する文書を例として、候補語句の抽出について説明する。例えば、キーワードの品詞が予め名詞あるいは動詞と設定されていた場合、候補語句抽出部105は、図3に例示する文書から、以下の名詞あるいは動詞を抽出する。即ち、候補語句抽出部105は、図3に例示する文書から「参考見積書」、「提出する」、「参考見積書」、「6」、「2」、「参照」、「省略語」、「記述」、「略語」、「分かる」、「記載する」を抽出する。候補語句抽出部105は、上記語句を抽出する際、周知の形態素解析処理を実行してもよい。係る形態素解析処理としては、例えば、MeCab等の形態素解析ソフトウェアを採用可能であるが、本実施形態はこれには限定されない。

0059

また、キーワードに出現しない不要文字として、数字あるいは平仮名が含まれるよう予め設定されていた場合、候補語句抽出部105は、抽出した語句から、「6」、「2」を除外する。更に、候補語句抽出部105は、「提出する」を「提出」に置換し、「分かる」を「分」に置換し、「記載する」を「記載」に変換する。

0060

また、キーワードとする語句の文字数が2以上と予め定められていた場合、候補語句抽出部105は、抽出した語句から1文字の語句である「分」を削除する。

0061

候補語句抽出部105は、上記した処理により抽出した語句を、候補語句記憶部103に記憶(登録)する。その結果、候補語句記憶部103には、図4に例示するような語句が記憶される。

0062

なお、上記においては、平仮名を単純に削除する場合を例として説明したが、実際には、「さいたま」、「たばこ」など、キーワードの一部となり得る平仮名表記の文字列が存在する。平仮名により表記された文字列を単純に削除した場合、候補語句抽出部105は、これらの平仮名により表記された候補語句を抽出できない場合がある。この場合、最終的に平仮名により表記されたキーワードを抽出できない可能性がある。これに対して、平仮名により表記されたキーワードを抽出可能とするべく、平仮名であっても削除しない文字列が予め定められてもよい。候補語句抽出部105は、係る予め定められた平仮名の文字列を削除しないように、候補語句の抽出処理を行ってもよい。

0063

また、上記においては、単純に連続する名詞や動詞を連結して候補語句とする場合を具体例として説明した。しかしながら、実際には、単純に連続する語句を連結した場合、キーワードとして適切ではない語句が抽出される可能性がある。例えば、文書に「考慮の上構築」という文字列が記述されていた場合、候補語句抽出部105は、単純に連続する語句を連結することにより、「考慮」と「上構築」を候補語句として抽出する。この場合「上構築」という語句は、キーワードの候補として不適切であると考えられる。このため、「考慮の上」といった頻出する言い回しを予め定めておき、候補語句抽出部105は、「上」を削除して候補語句を抽出するよう処理してもよい。

0064

また、候補語句抽出部105は、名詞や動詞の単純な連結だけでなく、「省略語の記述」のように、”名詞+「の」+名詞”という形式の候補語句を抽出してもよい。なお、この場合、候補語句として抽出する任意の形式(品詞あるいは形態素の並び等)が、予めキーワード抽出システム100に登録されてもよい。

0065

次に、キーワード判定部106は、候補語句記憶部103に記憶された候補語句に重複する候補語句が含まれる場合、文書において2回目以降に現れる重複した候補語句をキーワードの候補から除外する(ステップS202)。即ち、キーワード判定部106は、2回目以降の重複した候補語句をキーワードに該当しない(「不可」)と判定する。

0066

図4を例に説明すると、まず、キーワード判定部106は、候補語句1と候補語句3とが重複している(ともに「参考見積書」)ことを検出する。これに基づいて、キーワード判定部106は、文書(図3)において2回目以降に現れる番号3の判定を「不可」とする。

0067

図5は、図4に例示する候補語句のうち、キーワード判定部106が、重複する候補語句に関する判定を「不可」とした結果を例示する図である。図5に例示する具体例において、番号3に対する説明欄(4列目)には、当該番号3の語句に関する判定が「不可」とされた理由(原因)が登録される。即ち、係る説明欄の記載は、当該番号3の語句について、重複候補語句があること、及び、係る重複候補語句は候補語句1であることを示している。係る説明欄の記載は、機械解釈可能な任意の形式を用いて表されてよい。

0068

次に、キーワード判定部106は、候補語句記憶部103に記憶された候補語句のうち、他の候補語句の部分文字列となる候補語句を、キーワードの候補から除外する(ステップS203)。即ち、キーワード判定部106は、他の候補語句の部分文字列となる候補語句の判定を「不可」とする。

0069

図5を例に説明すると、まず、キーワード判定部106は、候補語句7が候補語句5の部分文字列であることを検出する。これに基づいて、キーワード判定部106は、番号7の判定を「不可」とする。

0070

図6は、図5に例示する候補語句のうち、他の候補語句の部分文字列に該当する候補語句についてキーワード判定部106が「不可」と判定した結果を例示する図である。図6において、番号7に対する説明欄(4列目)には、当該番号7の語句が「不可」と判定された理由(原因)が登録される。即ち、係る説明欄の記載は、当該番号7の候補語句が、他の候補語句5の部分文字列であることを示している。

0071

なお、図2に例示するフローチャートにおいては、重複する候補語句を除外する処理(ステップS202)と、部分文字列に該当する候補語句を除外する処理(ステップS203)とを別の処理(ステップ)としたが、これらのステップは統合してもよい。具体的には、キーワード判定部106は、ある候補語句iが他の候補語句jの部分文字列であるとともに、係る候補語句iと、候補語句jとの文字数が同じ場合に、候補語句iと候補語句jとが重複すると判定してもよい。即ち、この場合、候補語句の重複は、部分文字列で文字数が同じ場合と考えられる。キーワード判定部106は、重複した候補語句のうち1つ残すように処理することにより、ステップS202と、ステップS203とを統合してもよい。以下、他の候補語句の部分文字列に相当する文字列が除外された残りの候補語句を、第1の候補語句と称する場合がある。例えば、図6に例示する具体例においては、第1の候補語句は、番号が1、2、4、5、6、及び8の候補語句である。

0072

次に、キーワード判定部106は、候補語句の番号iを1に初期化する(ステップS204)。

0073

次に、キーワード判定部106は、番号iと候補語句数Nとを比較する(ステップS205)。候補語句数N(Nは自然数)は、ステップS201乃至S204において抽出された候補語句の総数である。図4乃至図7に例示する具体例において、候補語句数Nは、「8」である。キーワード判定部106は、iがNより大の場合(ステップS205においてYES)は、ステップS211に処理を移行し、iがN以下の場合(ステップS205においてNO)は、次のステップ(ステップS206)に処理を移行する。

0074

次に、キーワード判定部106は、候補語句iの判定が「不可」であるか否かを確認する(ステップS206)。キーワード判定部106は、判定が「不可」の場合(ステップS206においてYES)は、ステップS210に処理を移行し、判定が「不可」でない場合(ステップS206においてNO)は、次のステップ(ステップS207)に処理を移行する。

0075

次に、キーワード判定部106は、候補語句iと候補語句i以外で判定が「不可」ではない候補語句とを比較することにより、類似候補語句を検出する(ステップS207)。

0076

候補語句iの類似候補語句とは、例えば、候補語句iに対して特定数の文字の追加、削除、置換の何れかを行った文字列を含む候補語句である。なお、以下、係る特定数が「1」(1文字)である場合の具体例を説明するが、本実施形態はこれには限定されない。

0077

候補語句iに対して追加、削除、置換する文字数は、ユーザ等により任意に定められていよい。即ち、候補語句iに対して何文字までの追加、削除、置換を行った候補語句を類似候補語句と判定するか(類似候補語句の判定基準)は、キーワード抽出システムのユーザが、各種入力装置(例えばキーボードなど)を介して入力することにより指定してもよい。また、上記類似候補語句の判定基準は、キーワード抽出システム100に予め記憶されてもよい。上記に限定されず、上記類似候補語句の判定基準は、上記以外の任意の方法により指定されてもよい。

0078

n文字の候補語句「T=t(1)・・・t(n)」に対する1文字追加の文字列は、「T’=t(1)・・・t(iー1) s t(i)・・・t(n)、(ただし1≦i≦n、sは任意の文字)」と表される文字列である。即ち、これは、候補語句Tのi番目に文字sを追加した文字列を表す。

0079

n文字の候補語句「T=t(1)・・・t(n)」に対する1文字削除の文字列は、「T’=t(1)・・・t(iー1) t(i+1)・・・t(n)、(ただし、1≦i≦n)」と表される文字列である。これは、候補語句Tのi番目の文字を削除した文字列を表す。

0080

n文字の候補語句「T=t(1)・・・t(n)」に対する1文字置換の文字列は、「T’=t(1)・・・t(iー1) s t(i+1)・・・t(n)、(ただし、1≦i≦n、sは任意の文字)」と表される文字列である。これは、候補語句Tのi番目の文字をsに置換した文字列を表す。

0081

図4乃至図7に例示する具体例においては、以下のようなルールに基づいた判定方法を用いて、キーワード判定部103が、ある候補語句iに対する類似候補語句を判定(検出)する。

0082

まず、候補語句iが3文字以上の場合、当該候補語句iに対して1文字の追加、削除、置換を行った文字列を部分文字列として含む、候補語句i自身以外の候補語句が、類似候補語句と判定される。

0083

また、候補語句が2文字の場合、当該候補語句に対して1文字の追加、置換を行った文字列を部分文字列として含む、候補語句i自身以外の候補語句が、類似候補語句と判定される。すなわち、候補語句が2文字の場合、当該候補語句iから1文字の削除した他の候補語句は、類似候補語句と判定されない。

0084

なお、本実施形態は上記に限定されず、候補語句iに対して追加、削除、置換する文字列の文字数は、適宜選択可能である。

0085

図6を例に、本ステップS207の処理について説明する。まず、iが1の場合、図6を参照すると候補語句i(候補語句1)は「参考見積書」である。キーワード判定部106は、当該候補語句iと、候補語句i自身以外で判定が「不可」ではない候補語句2、4、5、6、8とを比較する。係る比較の結果、上記ルールに合致する他の候補語句が存在しないことから、キーワード判定部106は、類似候補語句を検出しない。

0086

次に、iが2の場合、候補語句i(候補語句2)は「提出」である。キーワード判定部106は、当該候補語句iと、候補語句i自身以外で判定が「不可」ではない候補語句1、4、5、6、8と比較する。係る比較の結果、上記ルールに合致する他の候補語句が存在しないことから、キーワード判定部106は、類似候補語句を検出しない。

0087

次に、iが4の場合、候補語句i(候補語句4)は「参照」である。キーワード判定部106は、当該候補語句iと、当該候補語句i自身以外で判定が「不可」ではない候補語句1、2、5、6、8とを比較する。係る比較の結果、候補語句4「参照」の1文字「照」を「考」に置換すると「参考」となることから、キーワード判定部106は、候補語句4が候補語句1「参考見積書」に含まれると判定する。これにより、キーワード判定部106は、候補語句4に対する類似候補語句として「参考見積書」(候補語句1)を検出する。

0088

次に、iが5の場合、候補語句i(候補語句5)は「省略語」である。キーワード判定部106は、当該候補語句iと、候補語句i自身以外で判定が「不可」ではない候補語句1、2、4、6、8と比較する。係る比較の結果、上記ルールに合致する他の候補語句が存在しないことから、キーワード判定部106は、類似候補語句を検出しない。

0089

次に、iが6の場合、候補語句i(候補語句6)は「記述」である。キーワード判定部106は、候補語句iと、当該候補語句i自身以外で判定が「不可」ではない候補語句1、2、4、5、8と比較する。係る比較の結果、候補語句6「記述」の1文字「術」を「載」に置換すると、「記載」(候補語句8そのもの)であることから、キーワード判定部106は、候補語句6に対する類似候補語句として、「記載」(候補語句8)を検出する。

0090

次に、iが8の場合、候補語句i(候補語句8)は「記載」である。キーワード判定部106は、候補語句iと、当該候補語句i自身以外で判定が「不可」ではない候補語句1、2、4、5、6とを比較する。係る比較の結果、候補語句8「記載」の1文字「載」を「術」に置換すると「記述」(候補語句6そのもの)であることから、キーワード判定部106は、候補語句8に対する類似候補語句として「記述」(候補語句6)を検出する。

0091

次に、キーワード判定部106は、上記ステップS207の結果、候補語句iについて検出された類似候補語句の数と、予め定められた閾値Tとを比較する(ステップS208)。キーワード判定部106は、候補語句iに関する類似候補語句数が閾値T以上の場合(ステップS208においてYES)は、次のステップ(ステップS209)に処理を移行する。

0092

キーワード判定部106は、候補語句iに関する類似候補語句数が閾値T未満の場合(ステップS208においてNO)は、係る候補語句iをキーワードに該当すると判定する。即ち、この場合、キーワード判定部106は、候補語句i関する判定(図4乃至図7における3列目)を「可」とする。その後、キーワード判定部106は、ステップS210に処理を移行する。

0093

閾値Tは、キーワード抽出システム100のユーザが各種入力装置(例えばキーボードなど)を介して入力することにより、指定されてもよい。係る閾値Tは、キーワード抽出システム100に予め記憶されてもよい。上記に限定されず、閾値Tは、上記以外の任意の方法により指定されてもよい。

0094

以下、閾値Tに「1」が指定された場合を例に説明する。図6に示す具体例において、閾値が予め1と定められた場合を想定する。この場合、iが4、6、8の場合(即ち、候補語句4、候補語句6、候補語句8の場合)に、候補語句iに関する類似候補語句の数が、閾値である1以上となる。よって、この場合、キーワード判定部106は、次のステップ(ステップS209)に処理を移行する。iが1、2、5の場合(即ち、候補語句1、候補語句2、候補語句5の場合)、候補語句iに関する類似候補語句数が0(零)である。即ち、この場合、類似候補語句数が閾値である1未満となることから、キーワード判定部106は、ステップS210に処理を移行する。

0095

上記においては、説明を簡単にするために、ステップS207におけるキーワード判定部106の処理の具体例として、候補語句iの類似候補語句を全て検出してから、その類似候補語句数と閾値Tとを比較する場合について説明した。本実施形態はこれには限定されず、キーワード判定部106は、例えば、ステップS207において閾値Tに相当する数の類似候補語句を検出した時点で、それ以上の類似候補語句を検出せずに、ステップS209に処理を移行してもよい。

0096

次に、ステップS208の判定結果がYESの場合、キーワード判定部106は、番号iの判定を「不可」とする(ステップS209)。この際、キーワード判定部106は、番号iに対する説明欄(図4乃至図7に示す表の4列目)に、類似候補語句の情報を登録する。図6に示す具体例を用いて説明すると、キーワード判定部106は、iが4、6、8の場合(即ち、候補語句4、候補語句6、候補語句8の場合)に、これらの候補語句に対する判定を「不可」とする。図7は、キーワード判定部106が判定結果を登録した後の候補語句記憶部103の具体例を示す図である。

0097

以下、仮にステップS203における処理(部分文字列の除外)が存在しない場合について説明する。

0098

この場合、キーワード判定部106がステップS203における処理を実行しないことから、候補語句7は、キーワードの候補から除外されない。ステップS207において、候補語句の番号iが5の場合、候補語句5「省略語」の1文字「省」を削除すると候補語句7そのものとなる。即ち、キーワード判定部106は、候補語句5の類似候補語句として「略語」(候補語句7)を検出する。候補語句5に対する類似候補語句7存在することから、結果として、キーワード判定部106は、候補語句5を「不可」と判定してしまう。同様に、ステップS207においてiが7の場合、候補語句7「略語」に1文字「省」を追加すると、候補語句5そのものとなる。即ち、キーワード判定部106は、候補語句7の類似候補語句として「省略語」(候補語句5)を検出する。そして、キーワード判定部106は、候補語句7を「不可」と判定する。上記したように、ステップS203における処理(ある候補語句の部分文字列に相当する他の候補語句の除外)は、適切なキーワードを抽出するために有用な場合がある。即ち、これにより、キーワード判定部106は、例えば、一般的な用語(語句)を一部に含む候補語句が、キーワードから排除されてしまう可能性を低減することができる。また、キーワード判定部106は、特定の用語(語句)に対して、当該特定の用語の省略語に相当する他の用語がともに文中に存在する場合に、それらの両方がキーワードから除外されてしまう可能性を低減することができる。

0099

上記各ステップ(ステップS206、ステップS208、ステップS209)における処理を実行した後、キーワード判定部106は、番号iをインクリメントする(ステップS210)。その後、キーワード判定部106は、ステップS205に戻って処理を続行する。

0100

最後に(ステップS205においてYESの場合)、キーワード判定部106は、キーワードの抽出結果を整理する(ステップS211)。ステップS211において、キーワード判定部106は、キーワードの抽出結果として、判定が「可」の候補語句のみを列挙してもよい。また、キーワード判定部106は、キーワードの抽出結果に、キーワードとして抽出された候補語句に関する説明欄を含めてもよい。

0101

キーワード抽出システム100は、上記整理された抽出結果を、各種表示装置モニタ装置や、表示パネル装置等)、あるいは各種出力装置(例えば印刷装置など)を介して出力してもよい。また、キーワード抽出システム100は、上記整理された抽出結果を記憶しておき、ユーザからのリクエストなどに応じて適宜出力してもよい。上記に限らず、キーワード抽出システム100は、任意の方法により抽出結果を出力してよい。

0102

上記のように構成された本実施形態におけるキーワード抽出システム100よれば、RFP、契約書、法令や約款などの文書からキーワードを適切に抽出することができる。なぜならば、キーワード抽出システム100(特には候補語句抽出部105)が、文書から特定の基準(例えば、品詞、不要文字、文字数等)に基づいて候補語句を抽出可能だからである。また、キーワード抽出システム100(特にはキーワード判定部106)が、抽出された各候補語に対する類似候補語句を検出(判定)することにより、当該類似候補語句に関する情報基づいて、各候補語句からキーワードを抽出するからである。より具体的には、キーワード抽出システム100が、例えば、検出された類似候補語句の数が特定の閾値より少ない候補語句を、キーワードとして抽出するからである。

0103

RFP、契約書、法令や約款などの文書においては、キーワードになり得る重要な語句の表記揺れ(類似する語句)が少ないと考えられる。キーワード抽出システム100は、類似候補語句が特定の閾値より少ない候補語句を抽出することにより、これらの文書に含まれる重要な語句を抽出可能である。また、キーワード抽出システム100は、候補語句の出現頻度によらずに、候補語句からキーワードを抽出可能である。これにより、キーワード抽出システム100は、文書における出現頻度が低い(例えば1回等)キーワードも抽出可能である。また、キーワード抽出システム100は、文書に含まれる重複した候補語句を排除することから、文書中に同一のキーワードが多量に含まれる場合であっても、当該キーワードを適切に抽出可能である。更に、キーワード抽出システム100は、他の候補語句の部分文字列に該当する候補語句をキーワードの候補から除外する。これにより、キーワード抽出システム100は、例えば、一般的な用語(語句)を一部に含む候補語句が、キーワードから排除されてしまう可能性を低減することができる。また、キーワード抽出システム100は、ある語句と、当該語句の省略語に相当する語句とが、ともにキーワードから除外されてしまう可能性を低減することができる。

0104

以上より、本実施形態におけるキーワード抽出システム100は、文書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出可能である。

0105

<第2の実施形態>
次に、本発明の第2の実施形態について図面を参照して詳細に説明する。なお、以下においては、上記第1の実施形態と同様の構成要素については、同一の符号を付し、詳細な説明を省略する。

0106

本実施形態に係るキーワード抽出システムは、文書に含まれる語句について、その語句により表される意味が同一であることが明確な範囲で、当該語句を構成する文字列に対する追加、削除、置換が起こりえることを想定する。即ち、特定の語句を構成する文字列に対する追加、削除、置換が行われた他の文字列を含むとともに、当該特定の語句と意味が同一である他の語句が、文書に含まれ得ることを想定する。具体例として、ある語句を構成する文字列に対して長音を追加しても、意味が変わらない場合が考えられる(例えば、「サーバー」と「サーバ」等)。上記例示した長音の追加に限定されず、ある語句を構成する文字列に対して、意味が同一であることが明確な範囲で、任意の文字列の追加、削除、置換が行われてもよい。

0107

また、本実施形態に係るキーワード抽出システムは、文書に含まれる語句を構成する文字列に対して、その語句により表される意味が異なることが明確な、追加、削除、置換が起こりえることを想定する。即ち、特定の語句を構成する文字列に対する追加、削除、置換が行われた他の文字列により構成されるとともに、当該特定の語句と意味が異なる他の語句が、文書に含まれ得ることを想定する。具体例として、固有名詞に対する文字列の追加、置換、あるいは固有名詞からの文字列の削除等が考えられる。より具体的には、例えば、地名に対する一文字の置換(例えば、「川崎」と「川越」等)、あるいは、地名に対する位置文字の追加、削除(例えば、「川崎」と「川崎」等)等が、上記した文字列の追加、削除、置換に該当する。上記に限定されず、任意の文字列を追加、削除、置換することにより、意味が明確に変化する語句は複数存在する。

0108

更に本実施形態に係るキーワード抽出システムは、任意の不要語句を除外して、キーワードを抽出する。不要語句とは、例えば、「下記」など、一般的にはキーワードとしてふさわしくない語句である。不要語句は、本実施形態におけるキーワード抽出システムに予め登録されてもよい。また、不要語句を抽出する抽出方法(あるいは抽出基準)等が、本実施形態におけるキーワード抽出システムに予め登録されてもよい。不要語句の抽出に関しては後述する。

0109

以下、本実施形態におけるキーワード抽出システムの構成について説明する。図8を参照すると、本実施形態に係るキーワード抽出システム800は、大別して、情報を記憶する記憶部801と、プログラム制御により動作する演算部804とから構成されている。

0110

記憶部801は、文書記憶部102と、削除ルール記憶部802と、変換ルール記憶部803と、候補語句記憶部103とを備える。

0111

文書記憶部102は、上記第1の実施形態と同様としてよいので、詳細な説明を省略する。

0112

削除ルール記憶部802は、候補語句から削除(除外)する語句に関する削除ルールを記憶する。削除ルールは、候補語句のうち、キーワードの候補から除外する語句を判定可能なルールである。係る削除ルールは、キーワード抽出システム800のユーザが、各種入力装置(例えばキーボードなど)を介して入力することにより指定されてもよい。また、係る削除ルールは、キーワード抽出システム800に予め記憶されてもよい。上記に限らず、係る削除ルールは、上記以外の任意の方法により指定されてもよい。

0113

図9は、削除ルール記憶部802に記憶された削除ルールの具体例を示す図である。図9において、1列目は列見出しを示し、1列目は削除ルールの番号、2列目は削除ルールの種類、3列目は削除内容を示している。図9において、2行目は、候補語句中の「下記」という文字列を削除することを示し、3行目は、候補語句中の「各種」という文字列を削除することを示し、4行目は、候補語句中の「出来」という文字列を削除することを示している。なお、以下においては、削除文字列が削除ルールに設定される場合を例として説明するが、本実施形態はこれには限定されない。削除ルールには、「^各種」や「各種$」など、正規表現を用いて削除ルールが設定されてもよい。ここで、記号「^」は候補語句を構成する文字列における先頭の文字であることを示し、「$」は当該文字列における末尾の文字であることを示す。また、上記第1の実施形態において説明した平仮名などの不要文字が、削除ルール記憶部802に削除ルールの一部として記憶されてもよい。

0114

変換ルール記憶部803は、ある候補語句に対する類似候補語句を検出する際に実行される文字列の追加、削除、置換に関するルールである変換ルールを記憶する。キーワード判定部806は、例えば、変換ルールに基づいて、特定の候補語句(あるいはその一部)に対して所定の変換が実行された文字列を含む他の候補語句を、当該特定の候補語句に対する類似候補語句から除外する。係る所定の変換は、例えば、特定の候補語句に対する文字列の追加、削除、置換等を含んでもよい。

0115

係る変換ルールは、キーワード抽出システム800のユーザが、各種入力装置(例えばキーボードなど)を介して入力することにより指定されてもよい。係る変換ルールは、キーワード抽出システム800に予め記憶されてもよい。上記に限定されず、係る変換ルールは、それ以外の任意の方法により指定されてもよい。

0116

図10は、変換ルール記憶部803に記憶された変換ルールの具体例を示す図である。図10において、1行目は列見出しを示し、1列目は、変換ルールの番号、2列目は変換ルールの種類、3列目は変換ルールの内容を示す。

0117

例えば、固有名詞(例えば、地名、人名、組織名など)に対して1文字以上の追加、削除、置換が行われた文字列と、元の固有名詞とを比較すると、意味が異なることが明確である。これより、図10に示す具体例においては、固有名詞に対して文字列を追加、削除、置換することにより変換された他の文字列を含む候補語句を、類似候補語句の判定から除外(対象外)するような変換ルールが設定されている。即ち、ある固有名詞に対して文字列を追加、削除、置換するような変換が行われた文字列により構成される語句は、当該固有名詞に関する類似候補語句ではないと判定される。これにより、キーワード抽出システム800は、ある固有名詞と一部だけ異なる語句が存在することに起因して、係る固有名詞がキーワードから除外されてしまう可能性を低減可能である。

0118

また、例えば、ある語句に長音(「ー」)を追加した語句と、元の語句とを比較すると、意味が同一である場合がある。同様に、ある語句から長音を削除した語句と、元の語句とを比較すると、意味が同一である場合がある。具体例として、「サーバー」と「サーバ」のような語句については、元の語句に長音が追加(あるいは削除)されても、意味が同一であることは明確である。これより、図10に示す具体例においては、ある語句に対して長音(ー)が追加あるいは削除された語句を、類似候補語句の判定から除外(対象外)とするような変換ルールが設定されている。即ち、ある語句に対して長音「ー」を追加(あるいは削除)するような変換が行われて語句は、当該語句に関する類似候補語句ではないと判定される。これにより、キーワード抽出システム800は、長音の有無のみが異なる語句が類似候補語句と判定されることに起因して、係る語句がキーワードから除外されてしまう可能性を低減可能である。

0119

なお、本実施形態は上記に限定されず、変換ルールには、図10に例示する具体例以外のルールが適宜設定されてもよい。係る変換ルールは、例えば、以下のような候補語句を、特定の候補語句に関する類似候補語句から除外可能なルールであってもよい。即ち、係る候補語句は、例えば、特定の候補語句とは(文字列としての)表記が異なるものの、意味が同一であることが明白な候補語句であってもよい。また、係る他の候補語句は、例えば、特定の候補語句と(文字列としての)表記が類似するものの、意味が異なることが明白な候補語句であってもよい。

0120

候補語句記憶部103は、第1の実施形態と同様としてよいので、詳細な説明を省略する。

0121

演算部804は、候補語句抽出部805と、キーワード判定部806とを備える。

0122

候補語句抽出部805は、文書記憶部102に記憶された文書から、キーワードの候補となる語句である複数の候補語句を抽出する。そして、候補語句抽出部805は、削除ルール記憶部802に記憶された削除ルールに基づいて、抽出した候補語句の一部を削除し、候補語句記憶部103に記憶する。

0123

候補語句の一部を削除することは、例えば、以下のような処理を表す。例えば、候補語句が「T=t(1)・・・t(n)」であり、削除ルールに、候補語句から削除される文字列(削除文字列)「t(i) t(i+1)」が設定されている場合を想定する。この場合、係る削除ルールに基づいて元の候補語句の一部が削除されることにより、候補語句Tは「T=t(1)・・・t(i−1) t(i+2) t(n)」に変換される。即ち、この場合、元の候補語句Tから削除文字列が削除された後の文字列が、候補語句として扱われる。

0124

キーワード判定部806は、候補語句記憶部103に記憶された候補語句のうち、他の候補語句の部分文字列に相当する候補語句をキーワードの候補から除外する。そして、キーワード判定部806は、除外されずに残った候補語句ごとに、当該候補語句に類似する類似文字列を部分文字列として含む他の候補語句を検出する。この際、キーワード判定部806は、ある候補語句に対して、変換ルール記憶部803に記憶された変換ルールに基づいて変換可能な文字列を含む他の候補語句を、当該候補語句に対する類似候補語句から更に除外する。キーワード判定部806は、ある候補語句に対して、除外されずに残った類似候補語句の数に基づいて、当該候補語句がキーワードであるか否かを判定する。キーワード判定部806は、係る判定結果を候補語句記憶部103に記憶(登録)する。

0125

次に、図11に例示するフローチャートを参照して、本実施形態における候補語句抽出部805の動作について詳細に説明する。

0126

まず、候補語句抽出部805は、文書記憶部102に記憶された文書から、キーワードの候補となる語句である候補語句を抽出する(ステップS1101)。本ステップにおける処理は、第1の実施の形態における処理(ステップS201)と同様である。

0127

次に、候補語句抽出部805は、削除ルール記憶部802に記憶された削除ルールに基づいて、候補語句の一部を削除する(ステップS1102)。そして、候補語句抽出部805は、処理を終了し、次のキーワード判定部806に処理を移行する。

0128

図12は、文書記憶部102に記憶された文書の具体例を示す図である。以下、削除ルール記憶802に図9に例示する削除ルールが記憶されており、文書記憶部102に図12に例示する文書が記憶されている場合を具体例として、候補語句抽出部805の処理を説明する。なお、本実施形態における候補語句抽出部805は、上記第1の実施形態における候補語句抽出部105と同様の方法により、候補語句を抽出する。

0129

まず、候補語句抽出部805は、ステップS1101において、形態素解析により、名詞あるいは動詞である候補語句として、「川崎市」、「川越市」、「システム各種」、「接続出来る」、「サーバー要件」、「サーバ要件」、「下記」、「通り」を抽出する。そして、候補語句抽出部805は、上記抽出した語句から不要文字(平仮名及び数字)として設定された文字列を削除する。これにより、候補語句抽出部805は、候補語句として、「川崎市」、「川越市」、「システム各種」、「接続出来」、「サーバー要件」、「サーバ要件」、「下記」、「通」を抽出する。

0130

次に、候補語句抽出部805は、1文字のみで構成された「通」を除去することにより、候補語句として、「川崎市」、「川越市」、「システム各種」、「接続出来」、「サーバー要件」、「サーバ要件」、「下記」を抽出する。

0131

次に、候補語句抽出部805は、ステップS1102において、図9に例示する削除ルールに基づいて、「各種」、「出来」、「下記」を削除する。これにより、候補語句抽出部805は、候補語句として、「川崎市」、「川越市」、「システム」、「接続」、「サーバー要件」、「サーバ要件」を抽出する。結果として、候補語句記憶部103には図14に例示するような候補語句が記憶される。なお、上記第1の実施形態において説明した、平仮名などの不要文字が、削除ルールとして削除ルール記憶部802に予め設定されてもよい。この場合、候補語句抽出部805は、ステップS1102において、係る不要文字を削除してもよい。

0132

次に、図13のフローチャートを参照して、本実施形態におけるキーワード判定部806が、i番目の候補語句である候補語句iに関する類似候補語句を検出する動作について説明する。

0133

まず、キーワード判定部806は、第1の実施形態と同様に、候補語句iの類似文字列を含む、他の候補語句(類似候補語句)を検出する(ステップS1301)。

0134

次に、キーワード判定部806は、ステップS1301において検出した他の候補語句(類似候補語句)のうち、上記説明した変換ルールに基づいて、対象外となる類似候補語句を除外する(ステップS1302)。なお、変換ルール記憶部803に、品詞情報を用いた変換ルールが設定されている場合、候補語句の品詞情報が必要となる。例えば、候補語句抽出部805が(形態素解析等により抽出した)品詞情報を用いる場合には、候補語句記憶部103にその品詞情報を記憶しておいてもよい。この場合、キーワード判定部806は、その記憶された品詞情報を利用してもよい。又は、キーワード判定部806は、本ステップにおいて、形態素解析を行うことにより、各候補語句に関する品詞情報を取得してもよい。

0135

図14は、本実施形態における候補語句記憶部103に記憶された候補語句の具体例を示す図である。以下、具体例を用いて、キーワード判定部806がi番目の候補語句iの類似候補語句を抽出する処理について説明する。以下説明する具体例においては、図10に例示する変換ルールが変換ルール記憶部803に記憶され、図14に例示する候補語句が候補語句記憶部103に記憶されていることを想定する。

0136

まず、iが1の場合(最初の候補語句の場合)、キーワード判定部806は、ステップS1301において、候補語句1「川崎市」に対して、類似文字列を含む候補語句2「川越市」を検出する。候補語句1「川崎市」に対して、「崎」の一文字を置換した文字列が、候補語句2「川越市」に相当するからである。

0137

次に、キーワード判定部806は、ステップS1302において、図10に例示する番号1に登録された「固有名詞」に関する変換ルールに基づいて、候補語句2「川越市」を、候補語句1に対する類似候補語句から除外する。具体的には、候補語句1「川崎市」は固有名詞(地名)であり、固有名詞「川崎」における「崎」の一文字を「越」に置換した文字列が、候補語句2「川越市」に相当する。図10の番号1に登録された変換ルールは、ある固有名詞に対して所定の変換(文字列の追加、削除、置換)を行った他の文字列を、当該固有名詞に関する類似候補語句から除外するルールである。これより、キーワード判定部806は、候補語句1「川崎市」に関する類似候補語句から、候補語句2「川越市」を除外する。結果として、キーワード判定部806は、候補語句1「川崎市」の類似文字列を部分に含む他の候補語句を検出しない。

0138

また、iが2の場合、キーワード判定部806は、ステップS1301において、候補語句2「川越市」に対し、類似する文字列を含む候補語句1「川崎市」を検出する。次に、キーワード判定部806は、ステップS1302において、上記iが1の場合と同様に、候補語句2「川越市」に対する類似候補語句から、候補語句1「川崎市」を除外する。なぜならば、固有名詞「川越市」に対して、「越」の一文字を「崎」に置換した文字列が、候補語句2「川越市」に相当するからである。結果として、キーワード判定部806は、候補語句2「川越市」の類似候補語句を検出しない。

0139

iが3(候補語句3「システム」)の場合、キーワード判定部806は、ステップS1301において、類似候補語句を検出しない。この場合、キーワード判定部806は、ステップ1301において検出された類似候補語句が存在しないことから、ステップS1302を実行せずともよい。また、キーワード判定部806は、ステップS1302において何の処理を行わなくてもよい。

0140

iが4(候補語句4「接続」)の場合も、上記iが3の場合と同様に、キーワード判定部806は類似候補語句を検出しない。

0141

iが5(候補語句5「サーバー要件」)の場合、キーワード判定部806は、ステップS1301において、候補語句5「サーバー要件」に対して、類似する文字列を含む候補語句6「サーバ要件」を検出する。候補語句5「サーバー要件」から、一文字(長音「ー」)を削除した文字列が、候補語句6「サーバ要件」に相当するからである。

0142

次に、キーワード判定部806は、ステップS1302において、図10に例示する番号2に登録された長音に関する変換ルールに基づいて、候補語句6「サーバ要件」を、候補語句5に対する類似候補語句から除外する。より具体的には、候補語句5「サーバー要件」から長音「ー」の一文字を削除した文字列が、候補語句6「サーバ要件」に相当する。図10の番号2に登録された変換ルールは、ある語句に対して長音「ー」を追加、削除した他の文字列を、当該語句に関する類似候補語句から除外するルールである。これより、キーワード判定部806は、候補語句5「サーバー要件」に関する類似候補語句から、候補語句6「サーバ要件」を除外する。結果として、キーワード判定部806は、候補語句5「サーバー要件」に関する類似候補語句を検出しない。

0143

iが6(候補語句6「サーバ要件」)の場合、キーワード判定部806は、ステップS1301において、候補語句6「サーバ要件」に類似する文字列を含む候補語句5「サーバ要件」を検出する。次に、キーワード判定部806は、上記説明したiが5の場合と同様に、図10に例示する変換ルール(番号2)に基づいて、候補語句5「サーバ要件」を、候補語句6「サーバ要件」の類似候補語句から除外する。結果として、キーワード判定部806は、候補語句6「サーバ要件」の類似候補語句を検出しない。

0144

上記説明したように、候補語句1乃至候補語句6に関する類似候補語句の数は、それぞれ0となる。キーワード判定部806は、例えば、上記第1の実施形態において説明したステップS205以降の処理を実行することにより、図14に例示する全ての候補語句1乃至候補語句6を、キーワードと判定する。

0145

なお、上記においては、説明を簡単にするために、キーワード判定部806が類似候補語句を検出してから、変換ルールに基づいて特定の語句を類似候補語句から除外する処理を説明した。上記に限定されず、キーワード判定部806は、変換ルールを考慮しながら、類似候補語句を検出してもよい。

0146

また、上記においては、固有名詞、及び、長音「ー」に関する変換ルールを具体例として説明した。上記に限らず、「登録者」、「登録日」、「登録地」など、一文字の置換で意味が異なることが明確な語句は、多数存在する。例えば、これらにおける一文字の置換文字である「者」、「日」、「地」などの文字が、変換ルール記憶部803に変換ルールとして記憶されてもよい。

0147

また、文書の規模品質によっては、例えば、「バッジ」と「バッチ」などのタイプミスが起こりうる。これより、文書におけるタイプミスを考慮する必要がある場合がある。このようなタイプミス(例えば、上記例示した「ジ」と「チ」等)による変換については、類似候補語句と判定しないことが望ましい。これより、キーワード抽出システム800は、頻出すると想定されるタイプミスに関する情報を変換ルール記憶部803に記憶しておいてもよい。この場合、係る変換ルールの説明欄(3列目)に、タイプミスの可能性があることが登録されてもよい。

0148

上記のように構成された本実施形態におけるキーワード抽出システム800は、文字列としての表記は一部類似するものの、意味が異なることが明白である語句が文書中に含まれる場合であっても、そのような語句からキーワードを適切に抽出可能である。また、本実施形態におけるキーワード抽出システム800は、文字列としての表記が異なるものの、意味が同一であることが明白である語句が文書中に含まれる場合であっても、そのような語句からキーワードを適切に抽出可能である。即ち、本実施形態におけるキーワード抽出システム800は、文書中に意味が同一であること、あるいは、異なることが明確な表記揺れが存在する場合でも、キーワードを抽出することができる。なぜならば、本実施形態におけるキーワード抽出システム800は、変換ルールに基づいて、特定の候補語句を構成する文字列を変換した他の文字列に相当する候補語句を、当該特定の候補語句に関する類似候補語句から除外するからである。

0149

また、本実施形態におけるキーワード抽出システム800は、抽出された候補語句の一部を削除ルールに基づいて削除する。これにより、本実施形態におけるキーワード抽出システム800は、不要な語句がキーワードとして抽出される可能性を低減可能である。また、本実施形態におけるキーワード抽出システム800は、上記第1の実施形態と同様の構成を有することから、上記第1の実施形態と同様の効果を奏する。

0150

<第3の実施形態>
次に、本発明の第3の実施形態について説明する。図15は、本実施形態におけるキーワード抽出システム1500の機能的な構成を例示するブロック図である。

0151

図15に例示するように、本実施形態におけるキーワード抽出システム1500は、候補語句抽出部1501と、キーワード判定部1502と、を備える。キーワード抽出システム1500を構成するこれらの構成要素の間は、任意の通信手段により通信可能に接続されていてもよい。以下、それぞれの構成要素について説明する。

0152

候補語句抽出部1501は、キーワード抽出システム1500に対して入力された入力情報から、キーワードの候補となる語句である候補語句を1つ以上抽出する。係る入力情報は、例えば、文書等の情報であってもよい。

0153

キーワード判定部1502は、候補語句抽出部1501により抽出された候補語句のうち、特定の候補語句に類似する文字列を含む他の候補語句に関する情報に基づいて、当該特定の候補語句がキーワードであるか否かを判定する。キーワード判定部1502は、例えば、抽出された候補語句ごとに、当該候補語句に類似する文字列を含む他の候補語句の数に基づいて、当該候補語句がキーワードであるか否かを判定してもよい。

0154

上記のように構成された本実施形態におけるキーワード抽出システム1500よれば、入力された情報から、キーワードを適切に抽出可能である。なぜならば、キーワードになり得る重要な候補語句については、表記の揺れ(即ち、意味が同一であり、表記が類似する語句)が少ないと考えられる。これに対して、本実施形態におけるキーワード判定部1502は、ある候補語句に類似する文字列を含む他の候補語句に関する情報に基づいて、ある候補語句がキーワードか否かを判定する。これにより、キーワード抽出システム1500は、適切なキーワードを抽出可能である。更にキーワード抽出システム1500は、入力された情報に含まれる候補語句の頻度に依存することなく、適切なキーワードを抽出可能である。

0155

以上より、本実施形態におけるキーワード抽出システム1500は、文書等の情報から、当該情報に含まれるキーワードの出現頻度によらずに、適切なキーワードを抽出可能である。

0156

<ハードウェア及びソフトウェア・プログラム(コンピュータ・プログラム)の構成>
以下、上記説明した各実施形態を実現可能なハードウェア構成について説明する。

0157

以下の説明において、上記各実施形態において説明したキーワード抽出システム(100、800、1500)をまとめて、単に「キーワード抽出システム」と称する。またキーワード抽出システムの各構成要素を、単に「キーワード抽出システムの構成要素」と称する。

0158

上記各実施形態において説明したキーワード抽出システムは、1つ又は複数の専用のハードウェア装置により構成してもよい。その場合、上記各図に示した各構成要素は、一部又は全部を統合したハードウェア(処理ロジック実装した集積回路等)として実現してもよい。

0159

例えば、キーワード抽出システムを専用のハードウェアにより実現する場合、キーワード抽出システムの構成要素は、それぞれの機能を提供可能な集積回路をSoC(System on a Chip)等により実装されてもよい。この場合、例えば、キーワード抽出システムの構成要素が保持するデータは、SoCとして統合されたRAM(Random Access Memory)領域やフラッシュメモリ領域に記憶されてもよい。

0160

また、この場合、キーワード抽出システムの各構成要素を接続する通信回線としては、周知の通信バスを採用してもよい。また、各構成要素を接続する通信回線はバス接続に限らず、それぞれの構成要素間をピアツーピアで接続してもよい。

0161

また、キーワード抽出システムを複数のハードウェア装置により構成する場合、それぞれのハードウェア装置の間は、任意の通信手段(有線、無線、またはそれらの組み合わせ)により通信可能に接続されていてもよい。 また、上述したキーワード抽出システムあるいはその構成要素は、図16に例示するような汎用のハードウェア装置(コンピュータ等)と、係るハードウェアによって実行される各種ソフトウェア・プログラム(コンピュータ・プログラム)とによって構成されてもよい。この場合、キーワード抽出システムは、任意の数のハードウェア装置及びソフトウェア・プログラムにより構成されてもよい。

0162

図16における演算装置1601は、汎用のCPU(中央処理装置:Central Processing Unit)やマイクロプロセッサ等の演算処理装置である。演算装置1601は、例えば後述する不揮発性記憶装置1603に記憶された各種ソフトウェア・プログラムを記憶装置1602に読み出し、係るソフトウェア・プログラムに従って処理を実行してもよい。例えば、上記各実施形態におけるキーワード抽出システムの構成要素は、演算装置1601により実行されるソフトウェア・プログラムとして実現可能である。例えば、上記各実施形態における演算部(104、804)は、演算装置1601を用いて実現可能である。

0163

記憶装置1602は、演算装置1601から参照可能な、RAM等のメモリ装置であり、ソフトウェア・プログラムや各種データ等を記憶する。なお、記憶装置1602は、揮発性のメモリ装置であってもよい。

0164

不揮発性記憶装置1603は、例えば磁気ディスクドライブや、フラッシュメモリによる半導体記憶装置のような、不揮発性の記憶装置である。不揮発性記憶装置1603は、各種ソフトウェア・プログラムやデータ等を記憶可能である。

0165

例えば、上記各実施形態における記憶部(101、801)は、記憶装置1602あるいは不揮発性記憶装置1603あるいはその組和わせを用いて実現可能である。

0166

ネットワークインタフェース1606は、通信ネットワークに接続するインタフェース装置であり、例えば有線及び無線のLAN(Local Area Network)接続用インタフェース装置等を採用してもよい。キーワード抽出システムが複数のコンピュータ等により構成される場合、それぞれのコンピュータは、ネットワークインタフェース1606を介して通信ネットワークに通信可能に接続されてもよい。

0167

ドライブ装置1604は、例えば、後述する記録媒体1605に対するデータの読み込みや書き込みを処理する装置である。

0168

記録媒体1605は、例えば光ディスク光磁気ディスク半導体フラッシュメモリ等、データを記録可能な任意の記録媒体である。より具体的には、係る記録媒体は、フロッピー(登録商標ディスクハードディスクなどの磁気ディスクであってもよい。また、係る記録媒体は、CD(CompactDisc)−ROM(Read Only Memory)、DVDなどの光ディスクであってもよい。また、係る記録媒体は、光磁気ディスク(MO:Magneto Optical Disk)であってもよい。上記に限定されず、係る記録媒体はコンピュータ・プログラムを記憶可能であり、かつコンピュータが読み取り可能な記憶媒体であればよい。係る記録媒体の具体的な記憶形式は、任意の形式を採用可能である。

0169

入出力インタフェース1607は、外部装置との間の入出力を制御する装置である。

0170

上述した各実施形態を例に説明した本発明におけるキーワード抽出システムは、例えば、1以上の、図16に例示したハードウェア装置(コンピュータ)により構成されてもよい。この場合、係るハードウェア装置に対して、上記各実施形態において説明した機能を実現可能なソフトウェア・プログラムを供給することにより、本発明が実現されてもよい。より具体的には、例えば、係る装置に対して供給したソフトウェア・プログラムを、演算装置1601が実行することによって、本発明が実現されてもよい。この場合、係るハードウェア装置で稼働しているオペレーティングシステムや、データベース管理ソフトネットワークソフト等のミドルウェアなどが各処理の一部を実行してもよい。

0171

上述した各実施形態において、上記各図(例えば、図1図8図15)に示した各部は、上述したハードウェアにより実行されるソフトウェア・プログラムの機能(処理)単位である、ソフトウェアモジュールとして実現することができる。ただし、これらの図面に示した各ソフトウェアモジュールの区分けは、説明の便宜上の構成であり、実装に際しては、様々な構成が想定され得る。

0172

例えば、上記各部をソフトウェアモジュールとして実現する場合、これらのソフトウェアモジュールは、不揮発性記憶装置1603に記憶されてもよい。そして、演算装置1601が、それぞれの処理を実行する際に、これらのソフトウェアモジュールを記憶装置1602に読み出してもよい。

0173

また、これらのソフトウェアモジュールの間は、共有メモリプロセス間通信等の適宜の方法により、相互に各種データを伝達できるように構成してもよい。このような構成により、これらのソフトウェアモジュールの間は、相互に通信可能に接続可能である。

0174

更に、上記各ソフトウェア・プログラムは記録媒体1605に記録されてもよい。この場合、上記各ソフトウェア・プログラムは、上記通信装置等の出荷段階、あるいは運用段階等において、適宜ドライブ装置1604を通じて不揮発性メモリ1603に格納されるよう構成されてもよい。

0175

なお、上記の場合において、上記キーワード抽出システムへの各種ソフトウェア・プログラムの供給方法は、出荷前の製造段階、あるいは出荷後のメンテナンス段階等において、適当な治具を利用して当該装置内にインストールする方法を採用してもよい。また、各種ソフトウェア・プログラムの供給方法は、インターネット等の通信回線を介して外部からダウンロードする方法等のように、現在では一般的な手順を採用してもよい。

0176

そして、このような場合において、本発明は、係るソフトウェア・プログラムを構成するコード、あるいは係るコードが記録されたところの、コンピュータ読み取り可能な記録媒体によって構成されると捉えることができる。この場合、係る記録媒体は、ハードウェア装置と独立した媒体に限らず、LANやインターネットなどにより伝送されたソフトウェア・プログラムをダウンロードして記憶又は一時記憶した記憶媒体を含む。

0177

また、上述したキーワード抽出システム、あるいは、当キーワード抽出システムの構成要素は、図16に例示するハードウェア装置を仮想化した仮想化環境と、当該仮想化環境において実行される各種ソフトウェア・プログラム(コンピュータ・プログラム)とによって構成されてもよい。この場合、図16に例示するハードウェア装置の構成要素は、当該仮想化環境における仮想デバイスとして提供される。なお、この場合も、図16に例示するハードウェア装置を物理的な装置として構成した場合と同様の構成にて、本発明を実現可能である。

0178

以上、本発明を、上述した模範的な実施形態に適用した例として説明した。しかしながら、本発明の技術的範囲は、上述した各実施形態に記載した範囲には限定されない。当業者には、係る実施形態に対して多様な変更又は改良を加えることが可能であることは明らかである。そのような場合、係る変更又は改良を加えた新たな実施形態も、本発明の技術的範囲に含まれ得る。更に、上述した各実施形態、あるいは、係る変更又は改良を加えた新たな実施形態を組み合わせた実施形態も、本発明の技術的範囲に含まれ得る。そしてこのことは、特許請求の範囲に記載した事項から明らかである。

0179

上記の各実施形態の一部又は全部は、以下の付記のようにも記載されうる。なお、以下の付記は本発明をなんら限定するものではない。

0180

(付記1)
入力文書からキーワード候補となる複数の語句を抽出する候補語句抽出部と、他の候補語句の部分文字列となる候補語句を除外してから、候補語句ごとに、該候補語句の類似文字列を部分文字列に含む候補語句に基づいて、候補語句がキーワードであるか否かを判定するキーワード判定部とを備えることを特徴とするキーワード抽出システム。

0181

(付記2)
上記キーワード判定部は、候補語句ごとに、該候補語句の文字数に基づいて予め定めた類似文字列を部分列に含む候補語句の数に基づいて、候補語句がキーワードであるか否かを判定することを特徴とする付記1に記載のキーワード抽出システム。

0182

(付記3)
上記キーワード判定部の類似文字列は、候補語句ごとに、該候補語句の予め定めた文字数以下の文字を追加・削除・置換した文字列であることを特徴とする付記1または付記2に記載のキーワード抽出システム。

0183

(付記4)
上記候補語句抽出部は、候補語句を2文字以上に限定し、上記キーワード判定部の類似文字列は、3文字以上の候補語句に対しては1文字の追加・削除・置換した文字列とし、2文字の候補語句に対しては、1文字の追加・置換した文字列と定めることを特徴とする付記1から付記3までに記載のキーワード抽出システム。

0184

(付記5)
上記候補語句抽出部は、予め定めた削除ルールに基づいて候補語句の一部を削除し、上記キーワード判定部は、予め定めた変換ルールに基づいて判定した類似文字列を部分文字列に含む候補語句を検出することを特徴とする付記1から付記4までに記載のキーワード抽出システム。

0185

(付記6)
入力文書からキーワード候補となる複数の語句を抽出する候補語句抽出ステップと、他の候補語句の部分文字列となる候補語句を除外してから、候補語句ごとに、該候補語句の類似文字列を部分文字列に含む候補語句に基づいて、候補語句がキーワードであるか否かを判定するキーワード判定ステップとを備えることを特徴とするキーワード抽出方法。

0186

(付記7)
入力文書からキーワード候補となる複数の語句を抽出する候補語句抽出処理と、他の候補語句の部分文字列となる候補語句を除外してから、候補語句ごとに、該候補語句の類似文字列を部分文字列に含む候補語句に基づいて、候補語句がキーワードであるか否かを判定するキーワード判定処理とをコンピュータに実行させるためのキーワード抽出プログラム

0187

100キーワード抽出システム
101 記憶部
102文書記憶部
103候補語句記憶部
104演算部
105 候補語句抽出部
106キーワード判定部
800 キーワード抽出システム
801 記憶部
802削除ルール記憶部
803変換ルール記憶部
804 演算部
805 候補語句抽出部
806 キーワード判定部
1500 キーワード抽出システム
1501 候補語句抽出部
1502 キーワード判定部
1601演算装置
1602記憶装置
1603不揮発性記憶装置
1604ドライブ装置
1605記録媒体
1606ネットワークインタフェース
1607 入出力インタフェース

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 株式会社ソケッツの「 検索装置および方法」が 公開されました。( 2019/09/19)

    【課題】同一の感性ワードで加重的に絞り込み検索を行えるようにする。【解決手段】同一の感性ワードで加重的に絞り込み検索を行う場合、類似・関連ワード抽出部319が、感性ワードに類似・関連する別のワードを検... 詳細

  • ヤフー株式会社の「 情報処理装置、情報処理方法、及び情報処理プログラム」が 公開されました。( 2019/09/12)

    【課題】ユーザの移動の妨害に応じた適切な対応を可能にする。【解決手段】本願に係る情報処理装置は、取得部と、決定部とを有する。取得部は、ユーザの位置情報と、ユーザが位置するエリアにおいて発生する事象のう... 詳細

  • ヤフー株式会社の「 情報処理装置、情報処理方法、及び情報処理プログラム」が 公開されました。( 2019/09/12)

    【課題】類似のコンテンツを適切に抽出する。【解決手段】本願に係る情報処理装置は、取得部と、検索部とを有する。取得部は、複数のコンテンツの各々に対応する複数のノードが、複数のコンテンツの類似性に応じて連... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ