JPH0498461A - キーワード抽出装置 - Google Patents

Abstract

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

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、データベースシステム、ワードプロセッサ等
の電子機器において、文書情報の検索時に用いられる可
能性のある語句をキーワードとして抽出するキーワード
抽出装置に関する。

従来の技術 従来、データベースシステム、ワードプロセッサ等の電
子機器において、既に作成された大量の情報から希望す
る情報の検索を行う場合、予め個々の情報に対してキー
ワードを付与して蓄積しておき、その検索時にキーワー
ドを含む条件式を入力し、この検索条件に基づき、それ
にマツチするキーワードを有する情報を検索して出力す
るというのが一般的である。

このような電子機器の場合、一般に、情報の登録時に使
用者がキーワードの登録を行わなければならない。この
登録作業は非常に面倒であるため、一つの情報に対して
その検索を容易とするために必要十分な数のキーワード
を付与することは運用上不可能なことである。

また、一つの情報に最低一つのキーワードを登録しなけ
ればならないため、大量（多種類）の情報を短時間に登
録することが出来ない。

一方、人の手を介さずキーワードの抽出を行なうものと
して、キーワードとして用いる単語を予め記憶手段に設
定して単語リストを形成しておき、対象文書中の単語で
前記単語リストに設定されているものをキーワードとし
て自動的に抽出するキーワード抽出手段がある。

このようなキーワード抽出手段の場合、単語リストに設
定された非常に制限された単語の中からキーワードが抽
出されるので、その単語リスト中の単語で表現できる制
限、すなわち、分野別の制限、または、複合語の制限が
ある。さらに、新しい文書を登録する場合には、その文
書に対応するキーワードが用意されているか否かが問題
となる。

このような問題を解決したものとして、上述のような単
語リストを用いることなく自動的にキーワードの抽出を
行なうシステムがある。このようなシステムの代表とし
て、ＳＭＡＲＴと呼ばれている検索システムがある。

この検索システムは、単語を認識する形態素解析手段と
、不用語リストと、この不用語リストによる機能的な高
頻度の単語を取り消す手段と、活用、接頭辞、接尾辞等
を取り消して単語の原形を残す手段と、−件の文書中に
おける原形の出現回数から重要度を算出してｄｏｃｕｍ
ｅｎｔ　ｖｅｃｔｏｒを作成する手段と、重要度の高い
原形を組み合わせて複合語のキーワードを作成する手段
等とからなるキーワード抽出手段を有するものである。

発明が解決しようとする課題 このようなキーワード抽出手段においては、自然な複合
語であっても、不用語を含むもの（例：ｒｅｓｅａｒｃ
ｈ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ）はキーワードと
して作成することが出来ない。

一方、英語における活用語には不規則的な単語が多く、
接尾辞等を取り消して原形に戻す手段を用いた場合であ
ってもその対象となる単語を完全に原形に戻すことは出
来ない。

また、原形に戻さない方が良い場合もある。なぜなら、
原形しか残さなかった場合には、品詞の情報がなくなる
ため、修飾や語順の関係を見ることが出来なくなるから
である（例：　Ｊａｐａｎｅｓｅｂｏｏｋ　ｃｆ、ｂｏ
ｏｋｓ　ｏｎ　Ｊａｐａｎｅｓｅ）。

さらに、原形の組み合わせにより複合語のキーワードを
作成しても、検索を行なう場合には、オペレータは原形
に基づく複合語をキーワードとして用いず、もっと自然
な表現で検索条件としてのキーワードを設定する場合が
多いと予想される。

したがって、このようにキーワードを自然な表現で設定
して検索を行なった場合には、目的とする文書を検索す
ることが出来ない場合がある。

課題を解決するための手段 予め定められた多数の単語とその各々の品詞とを含む単
語情報を予め記憶した単語情報記憶手段と、英文情報か
ら単語を抽出する単語抽出手段と、この単語抽出手段に
より抽出された単語とこの単語に対応する前記単語情報
記憶手段の記憶内容とに基づきキーワード候補を作成す
るキーワード候補作成手段と、二のキーワード候補作成
手段により作成されたキーワード候補とその構成単語と
の８現回数に基づき前記キーワード候補のキーワードと
しての重要度を算出する重要度算出手段と、この重要度
算出手段による算出結果に基づき前記キーワード候補中
からキーワードを抽出するキーワード抽出手段とより構
成した。

作用 単語抽出手段により抽出された単語とこの単語に対応す
る単語情報記憶手段の記憶内容とに基づいてキーワード
候補作成手段によりキーワード候補を作成し、このキー
ワード候補とその構成単語との出現回数に基づきキーワ
ード候補のキーワードとしての重要度を重要度算出手段
により算出し、この算出結果に基づきキーワード候補中
からキーワード抽出手段によりキーワードを抽出するの
で、抽出されたキーワードが特定のものに制限されると
いうことがない。また、検索時に用いられると予想され
る自然な表現に基づいてキーワード候補を作成すること
ができ、さらに、このキーワード候補の中からキーワー
ドとしての重要度が高いものを抽出することが出来る。

実施例 本発明の一実施例を第１図ないし第３図に基づいて説明
する。このキーワード抽出装置は、第１図に示すように
、予め定められた多数の単語とその各々に対応する単語
情報とを予め記憶した単語情報記憶手段１と、英語文書
情報から単語を抽出する単語抽出手段２と、この単語抽
出手段２により抽出された単語とこの単語に対応する前
記単語情報記憶手段１の記憶内容とに基づきキーワード
候補を作成するキーワード候補作成手段３と、このキー
ワード候補作成手段３により作成されたキーワード候補
とその構成単語との出現回数に基づき前記キーワード候
補のキーワードとしての重要度を算出する重要度算出手
段４と、この重要度算出手段４による算出結果に基づき
前記キーワード候補作成手段３により作成されたキーワ
ード候補中からキーワードとなるものを抽出するキーワ
ード抽出手段５とよりなるものである。

但し、前記単語情報記憶手段ｌに記憶された単語情報は
品詞情報と構成品詞情報とよりなるものである。さらに
、前記品詞情報は単語とその品詞とよりなるものであり
、その−例を第１表に示す。

また、前記構成品詞情報は品詞とその品詞がキーワード
候補の構成分子となれる位置とよりなるものであり、そ
の−例を第２表に示す。

第１表 第２表 二のような構成において、キーワード候補を抽出する場
合、第２図に示すように、キーワード候補作成手段によ
り、英語文書情報が記憶されたテキストファイルを対象
として、キーワード候補の作成処理を行なう。すなわち
、まず最初に、テキストファイルが終了したか否かを判
定し、終了していない場合には、このテキストファイル
から単語抽出手段により単語を抽出し、単語情報記憶手
段１に記憶された品詞情報を参照してこの単語に対応す
る品詞を読み出した後、キーワード候補作成中であるか
否かを判定する。

キーワード候補作成中でないと判定された場合、単語情
報記憶手段１に記憶された構成品詞情報を参照して（以
下省略）前−記単語に対応する品詞が先頭になれるか否
かを判定し、先頭になれると判定された場合にはキーワ
ード候補の作成を開始し、さらに、前記単語に対応する
品詞が後尾になれるか否かを判定する。

単語に対応する品詞が後尾になれると判定された場合に
は、一つのキーワード候補の作成を終了した後、このキ
ーワード候補の後尾に継続して次のキーワード候補の作
成を開始する。

そして、次のキーワード候補の作成を開始したとき、ま
たは、品詞が先頭になれるか否かの上述の判定処理にお
いて品詞が先頭になれないと判定されたとき、あるいは
、品詞が後尾になれるか否かの上述の判定処理において
品詞が後尾になれないと判定されたときには、テキスト
ファイルが終了したか否かの上述の判定処理以降の処理
を繰り返す。

一方、キーワード候補作成中であるか否かの上述の判定
処理において、キーワード候補作成中であると判定され
た場合には、抽出した単語に対応する品詞が後尾になれ
るか否かを判定する。

単語に対応する品詞が後尾になれると判定された場合に
は、作成中のキーワード候補の後尾に単語を継続した後
、上述のキーワード候補の作成終了処理以降の処理を繰
返し、単語に対応する品詞が後尾になれないと判定され
た場合には、この単語が真中になれるか否かを判定する
。

単語が真中になれると判定された場合には、作成中のキ
ーワード候補の後尾に単語を継続した後、テキストファ
イルが終了したか否かの上述の判定処理以降の処理を繰
り返し、単語が真中になれないと判定された場合には、
作成中のキーワード候補を棄却してキーワード候補の作
成を終了した後、テキストファイルが終了したか否かの
上述の判定処理以降の処理を繰り返す。

さらに、テキストファイルが終了したか否かの上述の判
定処理において、テキストファイルが終了したと判定さ
れたとき、このキーワード候補作成処理を終了する。

ここで、 ｒｅｃｅｎｔｌｙ　ｅｌｅｃｔｅｄ　ａｓ　ｔｈｅ　Ｐ
ｒｅｓｉｄｅｎｔ　ｏｆＣｚｅｃｈｏｓｌｏｖａｋｉａ
、Ｖａｃｌａｖ　）ｌａｖｅｌ、ｉｎｔｅｒｎａｔｉｏ
ｎａｌｌｙｒｅｃｏｇｎｉｚｅｄ　ａｓ　ａ　ｌｅａｄ
ｉｎｇ　ｆｉｇｕｒｅ　ｉｎ　ｔｈｅ　ｗｏｒｌｄｏｆ
　ａｒｔｓ　ａｎｄ　１ｅｔｔｅｒｓ、ｗａｓ、、。

という比較的長い文節に対して上述のキーワード候補作
成処理を行なった場合における抽出単語と、その品詞と
、その品詞がキーワード候補の構成分子となれる位置と
、その抽出単語に対してどこまで処理を行なったかを示
すステップ番号とを第３表に示す。さらに、このような
処理が行なわれた結果として作成されたキーワード候補
は、Ｐｒｅｓｉｄｅｎｔ Ｐｒｅｓｉｄｅｎｔ　ｏｆ　Ｃｚｅｃｈｏｓｌｏｖａｋ
ｉａａｃｌａｖ Ｖａｃｌａｖ　Ｈａｖｅｌ １ｅａｄｉｎｇｆｉｇｕｒｅ ｗｏｒｌｄ ｗｏｒｌｄ　　ｏｆ　　ａｒｔｓ ｉＭｏｒｌｄ　ｏｆ　ａｒｔｓ　ａｎｄ　１ｅｔｔｅｒ
ｓとなる。

また、 ｒｅｃｅｎｔ　ｒｅｓｅａｒｃｈ　ａｎｄ　ｄｅｖｅｌ
ｏｐｍｅｎｔ　ｐｒｏｊｅｃｔｓ。

ｕｎｄｅｒｔａｋｅｎ　ｂｙ　Ｊａｐａｎｅｓｅ　ｓｅ
ｍｉｃｏｎｄｕｃｔｏｒ　ｍａｋｅｒｓ。

第３表 ｈａｖｅ、　、。

という文節に対して上述のキーワード候補作成処理を行
なった場合、その作成結果は、 ｒｅｓｅａｒｃｈ ｒｅｓｅａｒｃｈ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔｒ
ｅｓｅａｒｃｈ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｐ
ｒｏｊｅｃｔｓＪａｐａｎｅｓｅ　ｓｅｍｉｃｏｎｄｕ
ｃｔｏｒＪａｐａｎｅｓｅ　ｓｅｍｉｃｏｎｄｕｃｔｏ
ｒ　ｍａｋｅｒｓとなり、その際の処理は第４表に示す
通りである。

第４表 次に、このようにして作成されたキーワード候補の全て
に対し、第３図に示すように、重要度算出手段によりキ
ーワードとしての重要度の算出をキーワード候補毎に行
なう。

すなわち、それぞれのキーワード候補を構成する単語で
名詞、形容詞、動詞のいずれかであるものをそれぞれ一
語として抽出し、その各々の出現回数ｗｃを算出する。

さらに、このようにして算出された出現回数ｗｃに基づ
き、各々のキーワード候補の重要度Ｓを算出する。この
重要度Ｓの算出に用いる数式は、各々のキーワード候補
における構成単語数ｎによって異なるものである。

すなわち、一つのキーワード候補に対する構成単語数ｎ
が所定値（ｌｉｍｎ）以上である場合、そのキーワード
候補の重要度Ｓは、 Ｓ−ΣＷｃ１１ という数式により算出され、構成単語の出現回数ＷＣの
みに依存するものとなる。

また、一つのキーワード候補に対する構成単語数ｎが所
定値（ｌｉｍｎ）より小さい場合には、キーワード候補
自体の出現回数をｐｃとし、この出現回数ｐｃに対して
付加する重みをｗしとした時、そのキーワード候補の重
要度Ｓは、 Ｓ＝Σｗｅ　　＋ｗｔＸｐｃ という数式により算出され、構成単語の出現回数ＷＣに
加え、キーワード候補自体の出現回数をｐｃに依存する
ものとなる。

さらに、このようにして算出されたキーワード候補の重
要度Ｓに基づき、キーワード抽出手段により、キーワー
ド候補の中からキーワードとなるものを抽出する。

このようにしてキーワードを抽出するので、抽出結果が
特定のものに制限されるということがない。また、検索
時に用いられると予想される自然な表現に基づいてキー
ワード候補が作成され、さらに、このキーワード候補の
中からキーワードとしての重要度が高いもののみがキー
ワードとじて抽出される。

このため、文書の検索時に、適切なキーワードを検索条
件として容易に作成することができ、同時に、検索時に
おける作業効率と装置の検索能力とを向上させることが
出来る。

発明の効果 本発明は上述のように、単語抽出手段により抽出された
単語とこの単語に対応する単語情報記憶手段の記憶内容
とに基づいてキーワード候補作成手段によりキーワード
候補を作成し、このキーワード候補とその構成単語との
出現回数に基づきキーワード候補のキーワードとしての
重要度を重要度算出手段により算出し、この算出結果に
基づきキーワード候補中からキーワード抽出手段により
キーワードを抽出するので、抽出されたキーワードが特
定のものに制限されるということがない。

また、検索時に用いられると予想される自然な表現に基
づいてキーワード候補を作成することができ、さらに、
このキーワード候補の中からキーワードとしての重要度
が高いものを抽出することが出来る。このため、文書の
検索時に、適切なキーワードを検索条件として容易に作
成することが可能となり、同時に、検索時における作業
効率と装置の検索能力とを向上させることが出来る。

【図面の簡単な説明】

図面は本発明の一実施例を示すもので、第１図はクレー
ム対応図、第２図はキーワード候補作成処理を示すフロ
ーチャート、第３図は重要度算出処理を示すフローチャ
ートである。 ｌ・・・単語情報記憶手段、２・・・単語抽出手段、３
・・・キーワード候補作成手段、４・・・重要度算出手
段、５・・・キーワード抽出手段 １−１斗啓 図

Claims (1)

【特許請求の範囲】
1. 予め定められた多数の単語とその各々の品詞とを含む単
   語情報を予め記憶した単語情報記憶手段と、英文情報か
   ら単語を抽出する単語抽出手段と、この単語抽出手段に
   より抽出された単語とこの単語に対応する前記単語情報
   記憶手段の記憶内容とに基づきキーワード候補を作成す
   るキーワード候補作成手段と、このキーワード候補作成
   手段により作成されたキーワード候補とその構成単語と
   の出現回数に基づき前記キーワード候補のキーワードと
   しての重要度を算出する重要度算出手段と、この重要度
   算出手段による算出結果に基づき前記キーワード候補中
   からキーワードを抽出するキーワード抽出手段とよりな
   ることを特徴とするキーワード抽出装置。