JPH0229864A

JPH0229864A - キーワード抽出方式

Info

Publication number: JPH0229864A
Application number: JP63179203A
Authority: JP
Inventors: Miwako Doi; 美和子土井
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1988-07-20
Filing date: 1988-07-20
Publication date: 1990-01-31

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】〔発明の目的〕（産業上の利用分野）本発明は文書より適切なキーワードを抽出するキーワー
ド抽出方式に関する。

（従来の技術）従来ある計算機によるキーワード抽出方式は、文書デー
タの一部である文字データを形態素解析して単語切りを
行い、キーワードに不適な単語（辞書としてもつ）をふ
り落し、さらに必要ならばユーザによる選択を経て、キ
ーワードとするものであった。

ところでブロック図や表などを図形や罫線データととも
に構成している文字データは、多くの場合、地の文を構
成する文字データと別形式になったり、あるいは、図形
あるいは表に合わせるために意味的に変な箇所で単語が
分割されているため、上述の方式では地の文以外の文字
データから、キ−ワードを抽出できなかった。

論文などでもタイトルとアブストラクト、図表の部分だ
けは英語にすることにより、海外向けの抄訳誌ができて
いることかられがるように図表は、文書全体に対して意
味的に非常に重要である。

このような図表の部分から抽出されるキーワードが地の
文から抽出されるキーワードとは必ずしも一致していな
い。図表に対する説明が少ないほど、この傾向は強まる
。

従って、図表の部分から、キーワードを抽出できなけれ
ば、文書全体からキーワードを抽出できたことにはなら
ない。

（発明が解決しようとする課題）上述した様に、図表を構成する文字データを解析して、
キーワードを抽出することが従来はなされていなかった
。

本発明はこのような問題点を解決するために、図表を構
成する文字データを解析し、キーワード抽出を行うキー
ワード抽出方式を提供するものである。

（発明の構成〕（課題を解決するための手段）本発明は文書データを入力したり、編集やキーワード選
択を指示したりするための入力部と、入力部より入力さ
れた文字データを記憶するための文書記憶部と、文書デ
ータを解析して、図表を図形データあるいは表（罫線）
データとともに構成する文字データを選択し、これから
キーワードを抽出するキーワード抽出部と、抽出された
キーワードを表示したり、文字データを表示したりする
ための出力部とを具備したことを特徴としている。

（作用）本発明によれば、地の文とは異なる形式あるいは異なる
単語切りになっている文字データからもキーワードを抽
出できるので、文書全体から正しくキーワード抽出が行
えるので、抽出されたキーワードの適切さが高まる。

（実施例）以下、図面を参照しながら本発明の一実施例について説
明する。

第１図は本発明の一実施例の概略構成図である。

入力部１は、例えばマウスやフロピツーディスク・ドラ
イバなどからなる入力部であり、文書データやキーワー
ド選択指示の入力をするためのものである。入力部１よ
り入力された文書データは、装置全体の制御を司る文書
管理部２に与えられ、出力部４に、例えば第２図のよう
に表示される。

このデータは、文書記憶部３に記憶される。

キーワード抽出部５は文書記憶部３より文書データを読
み出し、まず、図表対応部６により、図表を構成してい
る文字データを探す。

図形データ・罫線データ・文字データの、文書記憶部３
における記憶形式には種々のものがある。

例えば第３図のような形式を例に、図表対応部６の動作
を説明する。

第３図の形式では、文字データは、−次元に並んでいる
。一方、図形データは、これとは無関係に個々の種別と
座標位置とをもっている。

図表対応部６は、第３図のデータを第２図のように表示
するために、文書管理部２が行う表示展開を行い、文字
データの座標位置を求め、それとオーバラップする図形
データを求め、第４図のような形式に変換する。「デイ
スプレィ」の文字データは、第３図の文字データでは「
ディス」と「プレイ」に分かれていたが、第４図では、
長方形に囲まれた文字データとして、一つに統合されて
いる。第３図のような形式で文字図形データが記憶され
ているのは、古いタイプの文書処理装置に多い、最近の
文書処理装置では第４図のような形式で記憶されている
。この場合、上述のような図表対応部６は、不要となる
。

キーワード抽出部５は、第４図の記憶形式より、それぞ
れのグループ群の文字データをキーワードとして抜き出
し、キーワード記憶部７に記憶するとともに、その結果
は、出方部４に第５図（ａ）のように１例えばソートさ
れて表示される。

このとき、ユーザが入力部１より、「図１」と「システ
ム構成」を選択し、削除で指示すれば、これらはキーワ
ードから除かれる。

１図１」などのような図表番号に関する用語や「システ
ム構成」などのような−船釣な用語は、キーワードには
不適である。このような用語を不適語辞書として、キー
ワード抽出部５に付加すれば、これらの用語は、キーワ
ード抽出から自動的に除かれる。

又、上述のようにユーザの指示により不適とされた用語
を、ユーザ毎の不適語辞書に自動的に付加していけば、
次回以降、同じ用語がキーワードとして抽出されること
がなくなる。

又、キーワード抽出部５が、ひらがな、カタカナ、数字
、英字などの字種の異なりによる単語切りを行うように
すればキーワードは第５図（ｂ）のようになる。

１文字、及び２文字の語はキーワードとして抽出しない
ルールをキーワード抽出部５に付加すれば「１」　「図
」　「構成」は、自動的に除かれる。

以上の実施例では、図形データや文字データの形式を第
３図や第４図の例について述べたが、必ずしもこれらに
限定されるものではない。

キーワード抽出部におけるキーワード抽出の精度をあげ
るための規則や辞書の付加なども可能である。

〔発明の効果〕

以上述べたように、本発明によれば、重要な意味のある
図表から従来、抽出されなかったキーワードで簡単に抽
出できるので、その効果は大きい。

【図面の簡単な説明】

第１図〜第５図は本発明の一実施例に関するキーワード
抽出方式を説明する図であり、第１図は本発明の一実施
例の全体構成を示すブロック図、第２図、第５図は表示
画面の一例を示す図、第３図、第４図はデータの記憶形
式の一例で示す図である。１・・・入力部、　　　　　　２・・・文書管理部、３
・・・文書記憶部、　　　　４・・・出力部、５・・・
キーワード抽出部、　６・・・図表対応部、７・・・キ
ーワード記憶部。代理人　弁理士　則　近　憲　佑同　　松山光速（ヘージ１第２図第１図コ形：　（七外形、−叉ｆ、ソ５　　Ｚ２．　＞）ｒ＼
、））第３図（通謀）（ベージ′１晴司二１方−７ｔら）（４シ＠％、：　　　χイ、ｙイ　）（ｆｉＭ’ｌ　：　−＆　方二）Ｐｌづ：、）（清制：
連謀〕Ｓン（女−育：　ティスフ・レイ）（り）し−７・乙（立置：　図１ジ又テム卑六万ｋ〕

Claims

【特許請求の範囲】

（１）文字・図形・表データなどからなる文書を入力し
たりキーワードの選択を指示したりするための入力部と
、この入力部より入力された文書を記憶するための文書
記憶部と、前記文書を解析し図形・表データとともにブ
ロック図や表などを構成している文字データをキーワー
ドとして抽出するためのキーワード抽出部と、このキー
ワード抽出部により抽出されたキーワードあるいは前記
入力部より入力された文書を表示出力するための出力部
とを具備したことを特徴とするキーワード抽出方式。
（２）キーワード抽出部は、キーワードとして抽出しな
い語句を辞書として備えているものである請求項１記載
のキーワード抽出方式。
（３）キーワード抽出部は、カタカナと平仮名名、漢字
、アルファベット等の字種の異なりにより単語切りを行
うものである請求項１記載のキーワード抽出方式。