JP7564663B2 - 重要情報抽出装置、報道原稿生成装置、原稿生成支援システム及びプログラム - Google Patents

Description

本発明は、報道素材データから重要情報を自動的に抽出する重要情報抽出装置、自動抽出した重要情報を基に報道原稿を自動的に生成する報道原稿生成装置、原稿生成支援システム及びプログラムに関する。

一般に、報道機関（新聞社・放送局・出版社・通信社等）は、各種の電子的方法で入手した報道素材データから人的に判断した重要情報を抽出し、抽出した重要情報を基に視聴者に対して報道するための報道原稿を生成し、その報道原稿をＷｅｂニュースや報道記事として制作している。この報道原稿には、新聞、テレビ、ラジオだけでなく、Ｗｅｂ、雑誌、メールマガジンなどの様々なメディアのための原稿を含む。

例えば、現状、報道機関は、プロ野球や相撲、或いはプロサッカーなど、様々なスポーツの競技団体から、勝敗結果及び勝敗経過を含む試合データを報道素材データとして取得しており、その報道素材データ（試合データ）から、番組制作に用いる重要プレイを重要情報として人手で判断している。そして、その重要情報（重要プレイ）を基に視聴者に対して報道するための報道原稿を、全て人手により生成している。

例えば、報道素材データは、ＢＩＰ（Baseball Data Innovation Platform）と称される配信用の基盤により一般社団法人日本野球機構（ＮＰＢ）から配信される試合データとすることができ、所定のＡＰＩ（Application Programming Interface）を利用して取得できる（例えば、非特許文献１参照）。このプロ野球の試合データは、一般社団法人日本野球機構（ＮＰＢ）による独自のフォーマットで報道機関に配信されるようになっている。尚、報道機関は、プロ野球以外でも、フォーマットは異なるとしても、他のスポーツ競技でもよく、勝敗のある報道素材データに関して各種の電子的方法で取得できる。

一方、従来から、野球戦評に関する報道原稿を自動生成する技術が知られている（例えば、非特許文献２，３，４参照）。

例えば、非特許文献２には、野球戦評に関する報道素材データに対しＷＰＡ（Win Probability Added）と称される勝利確率を示すスコアを導出し、そのスコアの差分が大きいプレイの上位を重要プレイとして抽出し、報道原稿を自動作成するものとなっている。そして、非特許文献３には、ＷＰＡの導出に関して説明されている。

また、非特許文献４には、野球戦評に関する任意のデータからテキストを生成するための、深層学習を利用したアルゴリズムが開示されている。

"ＮＰＢ ＢＩＰとは"、一般社団法人日本野球機構、［online］、［令和２年７月１０日検索］、インターネット〈URL:https://sports-station.jp/info/bip_explanation〉 "WPAを用いた野球の戦評の自動生成,"情報知識学会誌, 2019, 29 巻, 2 号, p. 181-186 "Win Probability Added in Sabermetrics,"数理解析研究所講究録，第1703巻，2010． "Data-to-text Generation with Entity Modeling,"Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics，P19-1195 (2019)

上述したように、一般的には、報道機関（新聞社・放送局・出版社・通信社等）は、各種の電子的方法で入手した報道素材データから人的に判断した重要情報を抽出し、抽出した重要情報を基に視聴者に対して報道するための報道原稿を生成し、その報道原稿をＷｅｂニュースや報道記事として制作している。

しかし、大量に取得した報道素材データから重要情報を分析し、確認した上で、短時間で報道原稿を作成することは、制作者にとって負担が大きい。また、報道原稿を作成する際に報道素材データから重要情報を抽出するときに、或る程度のヒューマンエラーが危惧される。

このため、報道素材データから重要情報を自動的に抽出する技術、並びに、自動抽出した重要情報を基に報道原稿を自動的に生成する技術が望まれる。

一方、非特許文献２，３，４に開示されるように、野球戦評に関する報道原稿を自動生成する技術が知られているが、これらの技術では、ルール、勝利貢献度、選手やチーム等の注目度に関係なく無作為に、特にＷＰＡによる評価値を基に重要情報（重要プレイ）を抽出して原稿生成するため、視聴者が期待するような重要情報（重要プレイ）の抽出確度が低く、視聴者が期待するような報道原稿の生成に改善の余地がある。

そこで、本発明の目的は、上述の問題に鑑みて、勝敗結果及び勝敗経過を含む報道素材データから重要情報を高確度で自動抽出する重要情報抽出装置、自動抽出した重要情報を基に報道原稿を編集容易に自動生成する報道原稿生成装置、原稿生成支援システム及びプログラムを提供することにある。

本発明の重要情報抽出装置は、勝敗結果及び勝敗経過を含む所定フォーマットの報道素材データから重要情報を自動抽出する重要情報抽出装置であって、処理対象の報道素材データを構成する時系列コンテキスト毎に、機械学習に利用可能な予め定めた要素で表される特徴ベクトルを生成する特徴ベクトル生成部と、前記時系列コンテキスト毎の特徴ベクトルについて、処理対象の前記報道素材データにおける重要情報の候補を抽出するための評価基準として、所定条件に合致するか否かを示すルールベーススコア、機械学習による勝利貢献度を示す勝利貢献度スコア、及び機械学習による所定の注目度を示す注目度スコアを含む予め定めた複数種類の評価計算を行い、当該複数種類のスコアを生成するスコア計算部と、前記時系列コンテキスト毎に当該複数種類のスコアの総合スコアを算出し、前記総合スコアの変動が大きい順を重要ランキングとし、前記重要ランキングに基づいて前記報道素材データを構成する時系列コンテキストの中から重要情報の候補を抽出する重要情報候補抽出部と、前記重要ランキング付きの重要情報の候補のうち、予め設定した所定の重要ランキング以上の重要情報の候補、或いは重要情報の決定に最も寄与すると推定される最重要ランキングの重要情報の候補のみを、当該処理対象の報道素材データに関する重要情報として最終決定して出力する重要情報決定部と、を備えることを特徴とする。

また、本発明の重要情報抽出装置において、前記スコア計算部は、前記予め定めた複数種類の評価計算として、ＷＰＡ（Win Probability Added）アルゴリズムによる勝利確率を示す勝利確率スコアの計算を更に含むことを特徴とする。

また、本発明の重要情報抽出装置において、前記重要情報候補抽出部は、当該複数種類のスコアにおける前記ルールベーススコアをＳｒ、前記勝利確率スコアをＳｗｐａ、前記勝利貢献度スコアをＳｍ１、及び前記注目度スコアをＳｍ２とし、重みα，β１、β２、β３を用いて、
Ｓ＝(１－α)・Ｓｒ＋α・(β１・Ｓｗｐａ＋β２・Ｓｍ１＋β３・Ｓｍ２)
とする重み付き和で正規化した評価値で表される当該総合スコアＳを算出することを特徴とする。

更に、本発明の報道原稿生成装置は、本発明の重要情報抽出装置によって自動抽出した重要情報を基に報道原稿を自動生成する報道原稿生成装置であって、当該処理対象の報道素材データに関する重要情報を入力し、前記重要情報について、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成する機能を有する報道原稿生成部と、前記重要情報抽出装置から得られる処理対象の報道素材データにおける勝敗結果及び勝敗経過を含むデータ、当該複数種類のスコア、前記重要情報の候補、及び当該最終決定された重要情報と、当該自動生成した報道原稿と、を含むデータを提示するユーザーインタフェースの提示制御を行うＵＩ制御部と、を備えることを特徴とする。

また、本発明の報道原稿生成装置において、所定の抽出条件に基づき当該最終決定された重要情報に係る過去の関連情報を抽出して時系列解析を行い、時系列解析した情報を当該最終決定された重要情報に係る補足情報として生成する関連情報解析部を更に備え、前記報道原稿生成部は、当該最終決定された重要情報に加えて、前記補足情報について、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成する機能を有することを特徴とする。

また、本発明の報道原稿生成装置において、前記報道原稿生成部は、前記ユーザーインタフェース上に当該重要情報の候補が提示された状態で、当該最終決定された重要情報とは別の当該重要情報の候補を追加するように前記ＵＩ制御部から指示を受け付けたときは、当該別の当該重要情報の候補を追加する新たな報道原稿を自動生成する機能を有することを特徴とする。

また、本発明の報道原稿生成装置において、前記ＵＩ制御部は、前記報道原稿生成部によって生成された当該報道原稿が得られた時に、実原稿を格納する実原稿データベースを自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータを自動取得して前記ユーザーインタフェース上に提示するよう制御する機能を有することを特徴とする。

また、本発明の報道原稿生成装置において、前記報道原稿生成部により自動生成した報道原稿と、当該自動取得した編集後の実原稿とを比較し、前記勝利貢献度スコア、及び前記注目度スコアの計算に係る機械学習の学習モデル、及び前記過去の関連情報の抽出条件に関して、自己回帰分析を行って更新する回帰データ生成部を更に備えることを特徴とする。

また、本発明の報道原稿生成装置において、前記ＵＩ制御部は、当該処理対象の報道素材データにおける勝敗経過に対応付けた当該複数種類のスコアのうちの１以上のスコアと、その関連する予め定めた関連データを時系列に示すグラフを生成し、前記ユーザーインタフェース上に提示するよう制御する機能を有することを特徴とする。

更に、本発明の原稿生成支援システムは、本発明の重要情報抽出装置と、本発明の報道原稿生成装置と、を備えることを特徴とする。

更に、本発明のプログラムは、コンピューターを、本発明の原稿生成支援システムとして機能させるためのプログラムとして構成する。

本発明によれば、勝敗結果及び勝敗経過を含む報道素材データから重要情報を高確度で自動抽出することができ、更には、自動抽出した重要情報を基に報道原稿を編集容易に自動生成することができるので、実原稿を編集・作成するための重要情報をより正確に抽出することができ、実原稿を編集・作成するコストを軽減することができる。

本発明による一実施例の重要情報抽出装置、及び報道原稿生成装置を備える原稿生成支援システムの概略構成を示すブロック図である。 本発明による一実施例の重要情報抽出装置による重要情報抽出処理を示すフローチャートである。 本発明による一実施例の報道原稿生成装置による報道原稿生成処理を示すフローチャートである。 本発明による一実施例の原稿生成支援システムにおける報道原稿生成装置のＵＩ（ユーザーインタフェース）を例示する図である。 本発明による一実施例の原稿生成支援システムにおける報道原稿生成装置のＵＩで提示する選評提示に係るグラフを例示する図である。

以下、図面を参照して、本発明による一実施例の重要情報抽出装置１１、及び報道原稿生成装置１２を備える原稿生成支援システム１の構成について説明する。

（原稿生成支援システム）
図１は、本発明による一実施例の重要情報抽出装置１１、及び報道原稿生成装置１２を備える原稿生成支援システム１の概略構成を示すブロック図である。

本発明による一実施例の重要情報抽出装置１１は、特徴ベクトル生成部１１１、スコア計算部１１２、ルールＤＢ（データベース）１１３、勝利確率モデルＤＢ１１４、勝利貢献度学習ＤＢ１１５、注目度学習ＤＢ１１６、重要情報候補抽出部１１７、及び重要情報決定部１１８を備える。

特徴ベクトル生成部１１１は、勝敗結果及び勝敗経過を含む所定フォーマットの報道素材データを入力し、入力した報道素材データにおける時系列コンテキスト（試合データの例では各プレイを示す情報）毎に、機械学習に利用可能な予め定めた要素で表される特徴ベクトルを生成し、生成した特徴ベクトルをスコア計算部１１２に出力する。また、詳細は後述するが、特徴ベクトル生成部１１１は、特徴ベクトル生成の対象とした報道素材データにおける時系列コンテキストの情報について報道原稿生成装置１２におけるＵＩ制御部１２４に出力し、ＵＩ提示できるようになっている。

尚、報道機関は、プロ野球や相撲、或いはプロサッカーなど、様々なスポーツの競技団体から、勝敗結果及び勝敗経過を含む試合データを報道素材データとして取得しており、所定の記憶媒体である報道素材ＤＢ１０に所定期間分蓄積するのが一般的である。

例えば、報道素材データは、ＢＩＰと称される配信用の基盤により日本野球機構から配信されるプロ野球の試合データとすることができ、所定のＡＰＩを利用して取得された試合データが報道素材ＤＢ１０に所定期間分蓄積されている。プロ野球の試合データは、マスタ情報（選手、球団、審判、球場）、勝敗結果、成績（打者、投手、守備、走塁、球団）及び勝敗経過を示す情報が含まれており、報道機関は、この試合データを逐次取得し、報道素材ＤＢ１０に蓄積している。

そこで、本実施例では、重要情報抽出装置１１が報道素材ＤＢ１０に通信接続されており、外部指定（後述する報道原稿生成装置１２におけるＵＩ制御部１２４による操作部１２４０からの指定）により特定される報道素材データを報道素材ＤＢ１０から読み出し、処理対象として重要情報抽出装置１１における特徴ベクトル生成部１１１に入力するようになっている。

また、報道素材データとしてプロ野球の試合データとするときは、その試合データにおける時系列コンテキストについての機械学習に利用可能な予め定めた要素として、例えば、ホームチームＩＤ、ビジターチームＩＤ、試合開催日、ナイトゲーム、球場、ドームかどうか、天気、イニング、表・裏、延長回、打点、ランナーの状況（１塁、２塁、３塁）、アウトカウント、代打かどうか、ピッチャーが先発かどうか、ホームチーム得点、ビジターチーム得点、得点差等とすることができる。そして、特徴ベクトル生成部１１１は、これらの要素を持つ高次の特徴ベクトルを生成し、スコア計算部１１２に出力する。尚、試合データから取得できる上記の例以外の要素（例えば、注目選手の有無など）を利用することも可能である。

スコア計算部１１２は、特徴ベクトル生成部１１１によって生成した時系列コンテキスト毎の特徴ベクトルを入力し、時系列コンテキスト毎の特徴ベクトルについて、処理対象の当該報道素材データにおける重要情報（本例では重要プレイ）の候補を抽出するための評価基準として、ルールベーススコア（所定条件に合致するか否かを示すスコア）、機械学習による勝利貢献度スコア（勝利貢献度を示すスコア）、及び機械学習による注目度スコア（選手等の所定の注目度を示すスコア）を含む予め定めた複数種類の評価計算を行い、これらの重要情報特定用の複数種類の評価値（スコア）を生成し、重要情報候補抽出部１１７に出力する。より好適例には、スコア計算部１１２は、当該予め定めた複数種類の評価計算として、ＷＰＡアルゴリズムによる勝利確率を示す勝利確率スコアの計算を更に含むものとすることができ、以下、この好適例を主として説明する。また、詳細は後述するが、スコア計算部１１２は、計算した重要情報特定用の評価値（スコア）及びその関連データ（本例では得失点差）について時系列にグラフ生成可能とするよう報道原稿生成装置１２におけるＵＩ制御部１２４に出力し、ＵＩ提示できるようになっている。

ルールＤＢ１１３は、重要情報の特定用に予め定めた条件設定データを格納しており、スコア計算部１１２におけるルールベーススコアの計算時に参照利用される。より具体的には、各種の報道素材データ毎にどのような情報を重要情報（本例では重要プレイ）とすべきかの条件（ルール）について予め人手で事前分析されており、ルールＤＢ１１３には、その条件を示す条件設定データが格納されている。例えば、試合データの重要情報（本例では重要プレイ）の特定には、勝利打点に関わるプレイとして、ＡチームとＢチームの対戦において、５対３でＡチームが勝利した場合、Ａチームの４点目に関わるプレイが重要プレイとされやすい。また、勝敗結果に関わらず、ホームランとなったプレイはニュースに取り上げられやすい。そこで、条件設定データは、このような人手で作成した条件（ルール）を示すものとし、スコア計算部１１２は、時系列コンテキスト毎の特徴ベクトルに関するルールベーススコアの計算時にはルールＤＢ１１３を参照して、その条件設定データが示す所定条件に合致するか否かを示すスコアを、ルールベーススコアとして計算する。

勝利確率モデルＤＢ１１４は、重要情報の特定用に予め定めたＷＰＡモデルを格納しており、スコア計算部１１２における勝利確率スコアの計算時に参照利用される。即ち、スコア計算部１１２は、時系列コンテキスト毎の特徴ベクトルに関する勝利確率スコアの計算時には勝利確率モデルＤＢ１１４を参照して、ＷＰＡアルゴリズムによるスコアを計算する。

勝利貢献度学習ＤＢ１１５は、重要情報の特定用に予め定めた機械学習用の勝利貢献度学習モデルを格納しており、スコア計算部１１２における勝利貢献度スコアの計算時に参照利用される。例えば、勝利貢献度学習ＤＢ１１５は、時系列コンテキストが示すプレイ毎に、その試合の結果が勝った方のチーム又は選手に正例、負けた方のチーム又は選手に負例ラベルを特徴量として付与し、サポートベクターマシン（ＳＶＭ）又は深層学習（ＤＮＮ）等の教師あり学習アルゴリズムにより学習させた勝利貢献度学習モデルを格納している。そして、スコア計算部１１２は、時系列コンテキスト毎の特徴ベクトルに関する勝利確率スコアの計算時には勝利貢献度学習ＤＢ１１５を参照して、ＳＶＭの場合には分離超平面からの距離を、ＤＮＮの場合には出力層のノードの重みを勝利貢献度スコアとして計算する。

注目度学習ＤＢ１１６は、重要情報の特定用に予め定めた機械学習用の注目度スコア（選手等の所定の注目度を示すスコア）を格納しており、スコア計算部１１２における注目度スコアの計算時に参照利用される。例えば、注目度学習ＤＢ１１６は、時系列コンテキストが示すプレイ毎に、そのプレイに係る選手やチーム等の注目度を示す特徴量を付与し、サポートベクターマシン（ＳＶＭ）又は深層学習（ＤＮＮ）等の教師あり学習アルゴリズムにより学習させた注目度学習モデルを格納している。そして、スコア計算部１１２は、時系列コンテキスト毎の特徴ベクトルに関する注目度スコアの計算時には注目度学習ＤＢ１１６を参照して、ＳＶＭの場合には分離超平面からの距離を、ＤＮＮの場合には出力層のノードの重みを注目度スコアとして計算する。尚、注目度を示す特徴量は、例えばプロ野球の場合、ルーキーかどうか、直近のオールスター戦の出場の有無、国際試合の出場の有無、昨シーズンのタイトルの有無などである。これは、注目度の高い選手のプレイは、その結果に関わらず、ニュースに取り上げられる場合があるためである。

重要情報候補抽出部１１７は、スコア計算部１１２から、時系列コンテキスト（試合データの例では各プレイ）毎に、ルールベーススコア（所定条件に合致するか否かを示すスコア）、勝利確率スコア（ＷＰＡによるスコア）、勝利貢献度スコア（勝利貢献度を示すスコア）、及び注目度スコア（選手等の所定の注目度を示すスコア）の予め定めた複数種類の重要情報特定用の評価値（スコア）を入力して、その総合スコアを算出し、当該総合スコアの変動が大きい順を重要ランキングとし、この重要ランキングに基づいて報道素材データを構成する時系列コンテキストの中から重要情報（本例では重要プレイ）の候補を抽出し、重要情報決定部１１８に出力する。また、詳細は後述するが、重要情報候補抽出部１１７は、時系列コンテキスト毎に抽出した各種のスコア、重要ランキングを示すスコア、及び重要情報の候補について報道原稿生成装置１２におけるＵＩ制御部１２４に出力し、ＵＩ提示できるようになっている。

重要情報決定部１１８は、重要情報候補抽出部１１７から得られる重要ランキング付きの重要情報（本例では重要プレイ）の候補のうち、予め設定した所定の重要ランキング以上の重要情報の候補、或いは重要情報の決定に最も寄与すると推定される最重要ランキングの重要情報の候補のみを、当該処理対象の報道素材データに関する重要情報として最終決定し、報道原稿生成装置１２に出力する。また、詳細は後述するが、重要情報決定部１１８は、最終決定した重要情報に関する評価値（スコア）の情報について報道原稿生成装置１２におけるＵＩ制御部１２４に出力し、ＵＩ提示できるようになっている。

一方、本発明による一実施例の報道原稿生成装置１２は、関連情報解析部１２１、報道原稿生成部１２２、原稿テンプレートＤＢ１２３、ＵＩ制御部１２４、及び回帰データ生成部１２５を備える。

関連情報解析部１２１は、重要情報抽出装置１１によって最終決定された当該処理対象の報道素材データに関する重要情報（本例では重要プレイ）を入力し、報道素材ＤＢ１０を参照して、所定の抽出条件に基づき当該重要情報に係る過去の関連情報を抽出して時系列解析を行い、時系列解析した情報を当該重要情報に係る補足情報として生成し、報道原稿生成部１２２に出力する。例えば、関連情報解析部１２１は、報道素材ＤＢ１０から当該重要情報に係るピッチャーの勝利数、チームの連勝・連敗などの情報を時系列解析の対象とする予め定めた過去の関連情報として抽出し、時系列解析した情報を当該重要情報に係る補足情報として生成する。

報道原稿生成部１２２は、重要情報抽出装置１１によって最終決定された当該処理対象の報道素材データに関する重要情報（本例では重要プレイ）と、関連情報解析部１２１によって時系列解析した当該重要情報に係る補足情報とを入力し、その重要情報と補足情報のそれぞれについて、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成し、ＵＩ制御部１２４に出力する。

また、報道原稿生成部１２２は、ＵＩ上に当該重要情報の候補が提示された状態で、当該最終決定された重要情報とは別の当該重要情報の候補を追加するようにＵＩ制御部１２４から指示を受け付けたときは、当該別の当該重要情報の候補を追加する新たな報道原稿を自動生成し、ＵＩ提示するようＵＩ制御部１２４に出力する機能を有する。

原稿テンプレートＤＢ１２３は、１種又は複数種の原稿テンプレートを格納しており、報道原稿生成部１２２における報道原稿の自動生成時に参照利用される。即ち、報道原稿生成部１２２は、当該処理対象の報道素材データにおける当該重要情報（本例では重要プレイ）を含む時系列コンテキストの文章、及び補足情報のそれぞれの形態素解析を行い、形態素解析により分解されている形態素に最も合致する原稿テンプレートを原稿テンプレートＤＢ１２３から選択し、その形態素を当てはめて報道原稿を自動生成する。

回帰データ生成部１２５は、必ずしも設ける必要はないが、報道原稿生成部１２２により自動生成した報道原稿と、後述するＵＩ制御部１２４における一機能としてユーザー（実原稿の制作・編集者）による編集後の実原稿とを入力して比較し、重要情報（本例では重要プレイ）の特定に係る勝利貢献度学習ＤＢ１１５及び注目度学習ＤＢ１１６における機械学習の学習モデル、及び関連情報解析部１２１における過去の関連情報の抽出条件に関して、自己回帰分析を行って更新する機能部である。例えば、回帰データ生成部１２５は、自動生成した報道原稿と編集後の実原稿都との比較で形態素解析を経て差分が生じている場合には機械学習の学習モデルの正例・負例の修正や過去の関連情報の抽出条件の修正を行い、差分が生じていない場合には機械学習の学習モデルの正例・負例の適正度を高め、過去の関連情報の抽出条件の適正度を高めるように更新する。

ＵＩ制御部１２４は、原稿生成支援システム１の操作機能、及び、重要情報抽出装置１１から得られる処理対象の報道素材データにおける勝敗結果及び勝敗経過を含むデータ、当該複数種類のスコア、重要情報の候補、及び当該最終決定された重要情報と、報道原稿生成部１２２により自動生成した報道原稿とを、ユーザー（実原稿の制作・編集者）に対して編集可能に提示するＵＩ（ユーザーインタフェース）を表示装置２０に提示するよう制御する機能、並びに、処理対象とする報道素材データの指定により自動生成した報道原稿が得られた時に、実原稿を格納する実原稿ＤＢ３０を自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータを自動取得してＵＩ上に提示するよう制御する機能を有するＵＩの提示制御を行う機能部である。

より具体的には、ＵＩ制御部１２４は、操作部１２４０、報道原稿提示部１２４１、グラフ生成部１２４２、重要情報候補提示部１２４３、報道原稿編集部１２４４、及び実原稿取得提示部１２４５を備える。

操作部１２４０は、原稿生成支援システム１の操作（処理対象とする報道素材データの指定、関連する各種データの表示又は参照、及び自動生成した報道原稿の編集等）を行うためのヒューマン・マシン・インターフェースをＵＩ上に提示する機能部である。この操作部１２４０の機能より、処理対象とする報道素材データの指定を行うと、その指定された報道素材データを報道素材ＤＢ１０から読み出して重要情報抽出装置１１に入力するようになっており、報道原稿生成装置１２における報道原稿生成部１２２による当該指定された報道素材データについての重要情報（重要プレイ）の抽出提示・報道原稿の自動生成・関連する各種データの表示・実原稿の取得までの一連の処理が自動的に行われる。

報道原稿提示部１２４１は、操作部１２４０により指定された報道素材データについて、報道原稿生成部１２２により自動生成した報道原稿をＵＩ上に提示する機能部である。また、報道原稿提示部１２４１は、重要情報抽出装置１１における特徴ベクトル生成部１１１の機能により取得可能とする、特徴ベクトル生成の対象とした報道素材データにおける時系列コンテキストの情報について、ＵＩ提示する機能を有する。

グラフ生成部１２４２は、当該処理対象の報道素材データにおける勝敗経過に対応付けた当該複数種類のスコアのうちの１以上のスコアと、その関連する予め定めた関連データ（本例では得失点差）について時系列に示すグラフを生成し、ＵＩ提示するよう制御する機能を有する。

重要情報候補提示部１２４３は、操作部１２４０により指定された報道素材データにおける時系列コンテキストについて、重要情報抽出装置１１における重要情報候補抽出部１１７の機能により取得可能とする、時系列コンテキスト毎に抽出した重要情報の候補をＵＩ提示する機能を有する。また、重要情報候補提示部１２４３は、重要情報抽出装置１１における重要情報候補抽出部１１７の機能により取得可能とする、最終決定した重要情報に関する評価値（スコア）の情報をＵＩ提示する機能を有する。

報道原稿編集部１２４４は、報道原稿生成部１２２により自動生成した報道原稿について、ユーザー（実原稿の制作・編集者）が編集可能とする編集機能を提示する機能部である。特に、報道原稿編集部１２４４は、自動生成した報道原稿について手入力で編集できるようにするだけでなく、重要情報抽出装置１１における重要情報候補抽出部１１７から提示された重要情報の候補をユーザー（実原稿の制作・編集者）が選択指定したときに、その選択した重要情報の候補を追加するように報道原稿生成部１２２に指示する機能を有する。そして、報道原稿生成部１２２は、ＵＩ上に当該重要情報の候補が提示された状態で、当該最終決定された重要情報とは別の当該重要情報の候補を追加するようにＵＩ制御部１２４から指示を受け付けたときは、当該別の当該重要情報の候補を追加する新たな報道原稿を自動生成し、ＵＩ提示するようＵＩ制御部１２４に出力する。

実原稿取得提示部１２４５は、処理対象とする報道素材データの指定により自動生成した報道原稿が得られた時に、実原稿を格納する実原稿ＤＢ３０を自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータを自動取得してＵＩ上に提示する機能部である。また、実原稿取得提示部１２４５は、実原稿ＤＢ３０から自動取得した編集後の実原稿を回帰データ生成部１２５に出力して、回帰データ生成部１２５を機能させるようになっている。

以下、図１乃至図３を参照しながら、より詳細に、本実施例の重要情報抽出装置１１による重要情報抽出処理、及び本実施例の報道原稿生成装置１２による報道原稿生成処理について、順に説明する。

（重要情報抽出処理）
図２は、本発明による一実施例の重要情報抽出装置１１による重要情報抽出処理を示すフローチャートである。

まず、重要情報抽出装置１１は、特徴ベクトル生成部１１１の機能により、勝敗結果及び勝敗経過を含む所定フォーマットの試合データ（即ち、報道素材データ）を入力し（ステップＳ１）、入力した試合データにおける時系列コンテキスト（試合データの例では各プレイを示す情報）毎に、機械学習に利用可能な予め定めた要素で表される特徴ベクトルを生成する（ステップＳ２）。尚、重要情報抽出装置１１は、報道原稿生成装置１２のＵＩ制御部１２４における操作部１２４０の機能より、処理対象とする報道素材データの指定を行うと、その指定された報道素材データを報道素材ＤＢ１０から読み出して重要情報抽出装置１１における特徴ベクトル生成部１１１に入力するようになっている。

続いて、重要情報抽出装置１１は、スコア計算部１１２の機能により、時系列コンテキスト毎の特徴ベクトルについて、処理対象の当該試合データにおける重要情報（本例では重要プレイ）の候補を抽出するための評価基準として、ルールベーススコア（所定条件に合致するか否かを示すスコア）、勝利確率スコア（ＷＰＡによるスコア）、勝利貢献度スコア（勝利貢献度を示すスコア）、及び注目度スコア（選手等の所定の注目度を示すスコア）の予め定めた複数種類の評価計算を行い、これらの重要情報特定用の複数種類の評価値（スコア）を生成する（ステップＳ３乃至Ｓ６）。

続いて、重要情報抽出装置１１は、重要情報候補抽出部１１７の機能により、当該時系列コンテキスト毎のルールベーススコア、勝利確率スコア、勝利貢献度スコア、及び注目度スコアの予め定めた複数種類の重要情報特定用の評価値（スコア）の総合スコアの変動が大きい順を示す重要ランキングに基づいて、報道素材データを構成する時系列コンテキストの中から重要情報（本例では重要プレイ）の候補を抽出する（ステップＳ７）。

本例では、好適例として、重要情報（本例では重要プレイ）の候補とする総合スコアＳは、式（１）に示すように、ルールベーススコアＳｒ、勝利確率スコアＳｗｐａ、勝利貢献度スコアＳｍ１、及び注目度スコアＳｍ２の重み付き和で正規化した評価値で表される。ここで、重みα，β１、β２、β３は、重視する各スコアを事前設定するパラメータである。重みα，β１、β２、β３は、それぞれ０に設定可能であり、スポーツ競技に応じて選択設定することができる。尚、ルールベーススコアＳｒは、所定条件に合致する場合は１、そうでなければ０となるスコアである。ただし、総合スコアＳの算出にあたって、勝利確率スコアＳｗｐａを除いたルールベーススコアＳｒ、勝利貢献度スコアＳｍ１、及び注目度スコアＳｍ２の重み付き和で正規化した評価値としても十分に重要情報の抽出を行うことができる。例えば勝利確率スコアＳｗｐａを除く総合スコアＳの算出時には、β１＝０に設定する。尚、ＷＰＡアルゴリズムは、本来は野球用であるが、スポーツ競技に応じた勝利確率モデルを用いることで、他のスポーツ競技にも応用適用できる。

Ｓ＝(１－α)・Ｓｒ＋α・(β１・Ｓｗｐａ＋β２・Ｓｍ１＋β３・Ｓｍ２) （１）

そして、重要情報抽出装置１１は、重要情報決定部１１８の機能により、重要ランキング付きの重要情報（本例では重要プレイ）の候補のうち、予め設定した所定の重要ランキング以上の重要情報の候補、或いは重要情報の決定に最も寄与すると推定される最重要ランキングの重要情報の候補のみを、当該処理対象の報道素材データに関する重要情報として最終決定し、報道原稿生成装置１２に出力する（ステップＳ８）。

（報道原稿生成処理）
図３は、本発明による一実施例の報道原稿生成装置１２による報道原稿生成処理を示すフローチャートである。

まず、報道原稿生成装置１２は、関連情報解析部１２１、及び報道原稿生成部１２２の各機能により、重要情報抽出装置１１によって最終決定された当該処理対象の報道素材データに関する重要情報（本例では重要プレイ）を入力する（ステップＳ１１）。

そして、報道原稿生成装置１２は、関連情報解析部１２１の機能により、報道素材ＤＢ１０を参照して、所定の抽出条件に基づき当該重要情報に係る過去の関連情報を抽出して時系列解析を行い、時系列解析した情報を当該重要情報に係る補足情報として生成する（ステップＳ１２）。

続いて、報道原稿生成装置１２は、報道原稿生成部１２２の各機能により、当該試合データ（即ち、報道素材データ）に関する重要情報（本例では重要プレイ）、及び時系列解析した当該重要情報に係る補足情報を基に、その重要情報と補足情報のそれぞれについて、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成する（ステップＳ１３）。

ここで、報道原稿生成部１２２は、重要情報と補足情報のそれぞれについての提示文の作成のために、例えば、プロ野球の試合データであれば、アウトカウント、塁の状況、打者名、投手名、得点状況、得点の差、プレイの結果（逆転、同点、ダメ押し、得点差を縮める）などの形態素解析により分解されている形態素に最も合致する原稿テンプレートを原稿テンプレートＤＢ１２３から選択し、その形態素を当てはめて報道原稿を自動生成する。以下、テンプレートの例（[ ]が形態素）と、プロ野球の戦評を示す自動生成した報道原稿の例を示す。

（テンプレートの例）
『 [Ateam]対[Bteam]は[Winner]が[A_score]対[B_score]で勝ちました。
[Winner]は[Diff_score]を追う[Inning]、[Player]の[Play_Result］で
[Play_score]を挙げ逆転しました。 』

（プロ野球の戦評を示す自動生成した報道原稿の例）
『 ヤクルト対阪神は阪神が５対３で勝ちました。
阪神は２点を追う６回、原口選手のタイムリーと北條選手のツーベースで
２点を挙げ逆転しました。 』

尚、ＵＩ上で報道原稿を自然言語で出力する際に、テンプレートではなく、機械学習を用いることも可能である。例えば１プレイのデータを文字列の入力として、出力を戦評の文としたエンコーダーデコーダモデルによる文生成アルゴリズムを利用できる。ただし、ニューラルネットワークによる文出力は不完全であり、間違った情報が含まれる場合もあるため、ＵＩ上で編集可能とすることが必要となる。

そして、報道原稿生成装置１２は、ＵＩ制御部１２４の機能により、重要情報抽出装置１１から得られる処理対象の報道素材データにおける勝敗結果及び勝敗経過を含むデータ、当該複数種類のスコア、重要情報の候補、及び当該最終決定された重要情報と、報道原稿生成部１２２により自動生成した報道原稿とを、ユーザー（実原稿の制作・編集者）に対して編集可能に提示するＵＩ（ユーザーインタフェース）を表示装置２０に提示するよう制御する（ステップＳ１４）。尚、ＵＩ上では、処理対象とする報道素材データの指定により自動生成した報道原稿が得られた時に、実原稿を格納する実原稿ＤＢ３０を自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータを自動取得してＵＩ上に提示するようになっている。

即ち、ＵＩ上では、自動生成した報道原稿の提示の他に、試合データ（即ち、報道素材データ）、及び重要情報（本例では重要プレイ）をリストアップ表示することや、自然言語として作成した文により提示することができる。

（ＵＩ：ユーザーインタフェース）
図４は、本発明による一実施例の原稿生成支援システム１における報道原稿生成装置１２のＵＩ（ユーザーインタフェース）を例示する図であり、図５は、そのＵＩで提示する選評提示に係るグラフを例示する図である。

まず、図４を参照するに、ＵＩ制御部１２４の機能により提示されるＵＩは、本実施例の原稿生成支援システム１を「プロ野球の選評生成システム」（図示Ｕ０，Ｕ１）と称して、プロ野球に関する試合データ（即ち、報道素材データ）について、重要情報（本例では重要プレイ）を自動抽出し、報道原稿を自動生成するためのヒューマン・マシン・インターフェースとして構成される。

図４に示すＵＩ上では、ＵＩ制御部１２４における操作部１２４０の機能として、「プロ野球日付選択欄」（図示Ｕ２）が提示され、日付をキー入力で指定するか、「＜１日戻る」又は「１日進む＞」ボタン（図示Ｕ３）の押下で、日付を指定することで、処理対象とする試合データ（即ち、報道素材データ）の選択を行うことができる。そして、ＵＩ上で提示される「実行ボタン」（図示Ｕ４）の押下で、選択した日付の試合データ（即ち、報道素材データ）の指定が確定し、その指定された試合データ（即ち、報道素材データ）が報道素材ＤＢ１０から読み出されて重要情報抽出装置１１に入力される。重要情報抽出装置１１に指定された試合データ（即ち、報道素材データ）が入力されると、報道原稿生成装置１２における報道原稿生成部１２２による当該指定された報道素材データについての重要情報（重要プレイ）の抽出提示・報道原稿の自動生成・関連する各種データの表示・実原稿の取得までの一連の処理が自動的に行われる。

尚、指定日付の試合データ（即ち、報道素材データ）には、その日に行われたプロ野球の全試合の試合データが日付・項目（図示Ｕ５，Ｕ６）別に記述されており、原稿生成支援システム１は、その日付・項目（図示Ｕ５，Ｕ６）別に、対応する試合データの重要情報（重要プレイ）の抽出提示・報道原稿の自動生成・関連する各種データの表示・実原稿の取得までの一連の処理が自動的に行う。このため、図４では、或る日付の一項目（図示Ｕ５，Ｕ６）についてのみ図示しているが、そのＵＩ上でスクロール（図示Ｕ７）させて、その日に行われたプロ野球の全試合の試合データに関する重要情報（重要プレイ）の抽出提示・報道原稿の自動生成・関連する各種データの表示・実原稿の取得までの一連の処理結果を表示できるようになっている。

より具体的には、ＵＩ上の「報道原稿欄」（図示Ｕ８，Ｕ９）には、ＵＩ制御部１２４における報道原稿提示部１２４１の機能として、日付・項目（図示Ｕ５，Ｕ６）に対応する試合データの自動生成した報道原稿が提示され、特に、重要情報（重要プレイ）について自動生成された内容（図示Ｕ８）と、重要情報（重要プレイ）に関連する関連情報について自動生成された内容（図示Ｕ９）が提示される。

また、ＵＩ上の「グラフ欄」（図示Ｕ１０）を押下すると、ＵＩ上の「報道原稿欄」（図示Ｕ８，Ｕ９）には、ＵＩ制御部１２４におけるグラフ生成部１２４２の機能として、図５に示すようなグラフＧが生成提示される。グラフＧには、当該試合データに関する「自動生成した報道原稿」（図示Ｇ０）と、スコア計算部１１２から得られる、計算した「重要情報特定用の評価値（スコア）」及びその関連データ（本例では「得失点差」）が時系列に示される。図５に示すグラフＧの例では、横軸にイニング数、縦軸にスコア及び得失点差をプロットしており、勝利確率スコア（「ｗpaでのスコア（図示Ｇ１）」）と、勝利貢献度スコア（「機械学習でのスコア（図示Ｇ２）」）と、「得失点差（図示Ｇ３）」を選択表示された例としている。

また、図５に示すグラフＧにおいて、勝利確率スコア（「ｗpaでのスコア（図示Ｇ１）」）、及び勝利貢献度スコア（「機械学習でのスコア（図示Ｇ２）」）の推移を示す線上には、「＊：スコアが算出した試合に１番インパクトを与えたプレイ」として、重要情報候補抽出部１１７から得られる、重要情報の決定に最も寄与した最重要ランキングのスコア（変動が最も大きいスコア）を各種のスコア毎に視認表示させている（図示Ｇ４，Ｇ５）。尚、図５に示すグラフＧでは、勝利確率スコア、及び勝利貢献度スコアにおける最重要ランキングのスコア（図示Ｇ４，Ｇ５）を示すプレイが同じであるとして検出された例を示しているが、各種のスコアによってずれることもある。このため、ユーザー（実原稿の制作・編集者）は、各種のスコアにおける最重要ランキングのスコアを示すプレイが同じであれば重要情報の抽出確度が高いと判断し、各種のスコアによって大きくずれているときは重要情報の抽出確度が低いと判断することができるので、編集に役立つようになる。

また、図４に示すＵＩ上には、ＵＩ制御部１２４における報道原稿提示部１２４１の機能として、重要情報抽出装置１１における特徴ベクトル生成部１１１の機能により取得可能とする、特徴ベクトル生成の対象とした報道素材データにおける時系列コンテキストの情報（本例では「得点一覧 スコアボード」）が提示される（図示Ｕ１１）。

また、図４に示すＵＩ上には、ＵＩ制御部１２４における重要情報候補提示部１２４３の機能として、重要情報抽出装置１１における重要情報候補抽出部１１７の機能により取得可能とする、時系列コンテキスト毎に抽出した重要情報の候補（本例では「得点リスト」）が提示される（図示Ｕ１２）。

更に、図４に示すＵＩ上には、ＵＩ制御部１２４における重要情報候補提示部１２４３の機能として、重要情報抽出装置１１における重要情報候補抽出部１１７の機能により取得可能とする、最終決定した重要情報に関する評価値（スコア）の情報が得られるので、最終決定した重要情報に対応するプレイを示す時系列コンテキストの情報（本例では「得点一覧 スコアボード（図示Ｕ１１）」）、及び重要情報の候補の表示欄（図示Ｕ１２）内で直ちに把握できるようにするために、重要なプレイを判別可視した状態で強調表示している（図示Ｕ１３）。

このように、ユーザー（実原稿の制作・編集者）は、重要プレイがどのイニングに起こったかなど、直ちに把握できるため、自動生成された報道原稿の確度を確認しやすくなり、編集に役立つようになる。

更に、図４に示すＵＩ上には、ＵＩ制御部１２４における報道原稿編集部１２４４の機能として、ＵＩ上の「報道原稿欄」（図示Ｕ８，Ｕ９）上に自動生成・提示された報道原稿について、ユーザー（実原稿の制作・編集者）が手入力で編集できるだけでなく、重要情報の候補の表示欄（図示Ｕ１２）内の重要情報の候補を押下で選択すると、その選択した重要情報の候補を追加するように報道原稿生成部１２２に指示して、新たに追加された報道原稿を生成できるようになっている。これにより、ユーザー（実原稿の制作・編集者）は、重要プレイとして判別されていないプレイについても、容易に編集できる。

また、図４に示すＵＩ上には、ＵＩ制御部１２４における実原稿取得提示部１２４５の機能として、実原稿取得提示部１２４５は、処理対象とする報道素材データの指定により自動生成した報道原稿が得られた時に、実原稿を格納する実原稿ＤＢ３０を自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータが自動取得されて「ニュース文」表示欄（図示Ｕ１４）に提示される。また、実原稿取得提示部１２４５は、実原稿ＤＢ３０から自動取得した編集後の実原稿を回帰データ生成部１２５に出力して、回帰データ生成部１２５を機能させる構成とすることができる。

回帰データ生成部１２５は、必ずしも設ける必要はないが、報道原稿生成部１２２により自動生成した報道原稿と、後述するＵＩ制御部１２４における一機能としてユーザー（実原稿の制作・編集者）による編集後の実原稿とを入力して比較し、重要情報（本例では重要プレイ）の特定に係る勝利貢献度学習ＤＢ１１５及び注目度学習ＤＢ１１６における機械学習の学習モデル、及び関連情報解析部１２１における過去の関連情報の抽出条件に関して、自己回帰分析を行って更新する。例えば、回帰データ生成部１２５は、自動生成した報道原稿と編集後の実原稿との比較で形態素解析を経て差分が生じている場合には機械学習の学習モデルの正例・負例の修正や過去の関連情報の抽出条件の修正を行い、差分が生じていない場合には機械学習の学習モデルの正例・負例の適正度を高め、過去の関連情報の抽出条件の適正度を高めるように更新する。より具体的には、回帰データ生成部１２５は、自動生成した報道原稿における各特徴ベクトルが表すプレイが実原稿に表れていたか否かを判別し、図４に示すＵＩ上の「報道原稿欄」（図示Ｕ８）及び「ニュース文」表示欄（図示Ｕ１４）の双方に表されているプレイは正例とし、「報道原稿欄」（図示Ｕ８）に表れていないが「ニュース文」表示欄（図示Ｕ１４）に表されているプレイも正例とし、「報道原稿欄」（図示Ｕ８）に表れているが「ニュース文」表示欄（図示Ｕ１４）に表されていないプレイは負例とするよう、自己回帰分析を行って更新する。

従って、本発明に係る原稿生成支援システム１によれば、報道素材データから重要情報を高確度で自動抽出することができ、更には、自動抽出した重要情報を基に報道原稿を編集容易に自動生成することができるので、実原稿を編集・作成するための重要情報をより正確に抽出することができ、実原稿を編集・作成するコストを軽減することができる。

本発明に係る原稿生成支援システム１は、コンピューターにより構成することができ、原稿生成支援システム１の各処理部を機能させるためのプログラムを好適に用いることができる。具体的には、原稿生成支援システム１の各処理部を制御するための制御部をコンピューター内の中央演算処理装置（ＣＰＵ）で構成でき、且つ、各処理部を動作させるのに必要となるプログラムを適宜記憶する記憶部を少なくとも１つのメモリで構成させることができる。即ち、そのようなコンピューターに、ＣＰＵによって該プログラムを実行させることにより、原稿生成支援システム１の各処理部の有する機能を実現させることができる。更に、原稿生成支援システム１の各処理部の有する機能を実現させるためのプログラムを、前述の記憶部（メモリ）の所定の領域に格納させることができる。そのような記憶部は、装置内部のＲＡＭ又はＲＯＭなどで構成させることができ、或いは又、外部記憶装置（例えば、ハードディスク）で構成させることもできる。また、そのようなプログラムは、コンピューターで利用されるＯＳ上のソフトウェア（ＲＯＭ又は外部記憶装置に格納される）の一部で構成させることができる。更に、そのようなコンピューターに、原稿生成支援システム１の各処理部として機能させるためのプログラムは、コンピューター読取り可能な記録媒体に記録することができる。また、原稿生成支援システム１の各処理部をハードウェア又はソフトウェアの一部として構成させ、各々を組み合わせて実現させることもできる。

以上、特定の実施形態の例を挙げて本発明を説明したが、本発明は前述の実施形態の例に限定されるものではなく、その技術思想を逸脱しない範囲で種々変形可能である。例えば、上述した実施例では、主としてプロ野球の報道素材データを処理対象とする例を説明したが、プロ野球以外の他のスポーツ競技でもよく、勝敗結果及び勝敗経過を含む報道素材データを処理対象とすることができる。ただし、原稿生成支援システム１において機械学習させる際には、プロ野球、プロサッカー等のスポーツ競技を区別してその種類別に行うことが好ましい。

本発明によれば、勝敗結果及び勝敗経過を含む報道素材データから重要情報を高確度で自動抽出することができ、更には、自動抽出した重要情報を基に報道原稿を編集容易に自動生成することができるので、報道原稿を制作する用途に有用である。

１ 原稿生成支援システム
１１ 重要情報抽出装置
１２ 報道原稿生成装置
１１１ 特徴ベクトル生成部
１１２ スコア計算部
１１３ ルールＤＢ（データベース）
１１４ 勝利確率モデルＤＢ
１１５ 勝利貢献度学習ＤＢ
１１６ 注目度学習ＤＢ
１１７ 重要情報候補抽出部
１１８ 重要情報決定部
１２１ 関連情報解析部
１２２ 報道原稿生成部
１２３ 原稿テンプレートＤＢ
１２４ ＵＩ制御部
１２５ 回帰データ生成部
１２４０ 操作部
１２４１ 報道原稿提示部
１２４２ グラフ生成部
１２４３ 重要情報候補提示部
１２４４ 報道原稿編集部
１２４５ 実原稿取得提示部

Claims (11)

1. 勝敗結果及び勝敗経過を含む所定フォーマットの報道素材データから重要情報を自動抽出する重要情報抽出装置であって、
   処理対象の報道素材データを構成する時系列コンテキスト毎に、機械学習に利用可能な予め定めた要素で表される特徴ベクトルを生成する特徴ベクトル生成部と、
   前記時系列コンテキスト毎の特徴ベクトルについて、処理対象の前記報道素材データにおける重要情報の候補を抽出するための評価基準として、所定条件に合致するか否かを示すルールベーススコア、機械学習による勝利貢献度を示す勝利貢献度スコア、及び機械学習による所定の注目度を示す注目度スコアを含む予め定めた複数種類の評価計算を行い、当該複数種類のスコアを生成するスコア計算部と、
   前記時系列コンテキスト毎に当該複数種類のスコアの総合スコアを算出し、前記総合スコアの変動が大きい順を重要ランキングとし、前記重要ランキングに基づいて前記報道素材データを構成する時系列コンテキストの中から重要情報の候補を抽出する重要情報候補抽出部と、
   前記重要ランキング付きの重要情報の候補のうち、予め設定した所定の重要ランキング以上の重要情報の候補、或いは重要情報の決定に最も寄与すると推定される最重要ランキングの重要情報の候補のみを、当該処理対象の報道素材データに関する重要情報として最終決定して出力する重要情報決定部と、
   を備えることを特徴とする重要情報抽出装置。
2. 前記スコア計算部は、前記予め定めた複数種類の評価計算として、ＷＰＡ（Win Probability Added）アルゴリズムによる勝利確率を示す勝利確率スコアの計算を更に含むことを特徴とする、請求項１に記載の重要情報抽出装置。
3. 前記重要情報候補抽出部は、当該複数種類のスコアにおける前記ルールベーススコアをＳｒ、前記勝利確率スコアをＳｗｐａ、前記勝利貢献度スコアをＳｍ１、及び前記注目度スコアをＳｍ２とし、重みα，β１、β２、β３を用いて、
   Ｓ＝(１－α)・Ｓｒ＋α・(β１・Ｓｗｐａ＋β２・Ｓｍ１＋β３・Ｓｍ２)
   とする重み付き和で正規化した評価値で表される当該総合スコアＳを算出することを特徴とする、請求項２に記載の重要情報抽出装置。
4. 請求項１から３のいずれか一項に記載の重要情報抽出装置によって自動抽出した重要情報を基に報道原稿を自動生成する報道原稿生成装置であって、
   当該処理対象の報道素材データに関する重要情報を入力し、前記重要情報について、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成する機能を有する報道原稿生成部と、
   前記重要情報抽出装置から得られる処理対象の報道素材データにおける勝敗結果及び勝敗経過を含むデータ、当該複数種類のスコア、前記重要情報の候補、及び当該最終決定された重要情報と、当該自動生成した報道原稿と、を含むデータを提示するユーザーインタフェースの提示制御を行うＵＩ制御部と、
   を備えることを特徴とする報道原稿生成装置。
5. 所定の抽出条件に基づき当該最終決定された重要情報に係る過去の関連情報を抽出して時系列解析を行い、時系列解析した情報を当該最終決定された重要情報に係る補足情報として生成する関連情報解析部を更に備え、
   前記報道原稿生成部は、当該最終決定された重要情報に加えて、前記補足情報について、予め用意されている原稿テンプレートを用いるか、又は機械学習により報道原稿を自動生成する機能を有することを特徴とする、請求項４に記載の報道原稿生成装置。
6. 前記報道原稿生成部は、前記ユーザーインタフェース上に当該重要情報の候補が提示された状態で、当該最終決定された重要情報とは別の当該重要情報の候補を追加するように前記ＵＩ制御部から指示を受け付けたときは、当該別の当該重要情報の候補を追加する新たな報道原稿を自動生成する機能を有することを特徴とする、請求項４又は５に記載の報道原稿生成装置。
7. 前記ＵＩ制御部は、前記報道原稿生成部によって生成された当該報道原稿が得られた時に、実原稿を格納する実原稿データベースを自動的に参照し、当該自動生成された報道原稿に対応する編集後の実原稿があるときはその実原稿のデータを自動取得して前記ユーザーインタフェース上に提示するよう制御する機能を有することを特徴とする、請求項４から６のいずれか一項に記載の報道原稿生成装置。
8. 前記報道原稿生成部により自動生成した報道原稿と、当該自動取得した編集後の実原稿とを比較し、前記勝利貢献度スコア、及び前記注目度スコアの計算に係る機械学習の学習モデル、及び前記過去の関連情報の抽出条件に関して、自己回帰分析を行って更新する回帰データ生成部を更に備えることを特徴とする、請求項５を引用する請求項７に記載の報道原稿生成装置。
9. 前記ＵＩ制御部は、当該処理対象の報道素材データにおける勝敗経過に対応付けた当該複数種類のスコアのうちの１以上のスコアと、その関連する予め定めた関連データを時系列に示すグラフを生成し、前記ユーザーインタフェース上に提示するよう制御する機能を有することを特徴とする、請求項４から８のいずれか一項に記載の報道原稿生成装置。
10. 請求項１から３のいずれか一項に記載の重要情報抽出装置と、
    請求項４から９のいずれか一項に記載の報道原稿生成装置と、
    を備えることを特徴とする原稿生成支援システム。
11. コンピューターを、請求項１０に記載の原稿生成支援システムとして機能させるためのプログラム。