JPH05274351A - キーワード抽出方式 - Google Patents

キーワード抽出方式

Info

Publication number
JPH05274351A
JPH05274351A JP4100509A JP10050992A JPH05274351A JP H05274351 A JPH05274351 A JP H05274351A JP 4100509 A JP4100509 A JP 4100509A JP 10050992 A JP10050992 A JP 10050992A JP H05274351 A JPH05274351 A JP H05274351A
Authority
JP
Japan
Prior art keywords
keyword
word
noun
speech
prefix
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP4100509A
Other languages
English (en)
Inventor
Reiko Bessho
礼子 別所
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
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 Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP4100509A priority Critical patent/JPH05274351A/ja
Publication of JPH05274351A publication Critical patent/JPH05274351A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Machine Translation (AREA)
  • Document Processing Apparatus (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【目的】 文字種に左右されず、キーワード辞書中不要
語辞書を必要としないキーワード抽出を実現する。 【構成】 入力手段1により入力された日本語文書は、
形態素解析手段2により単語単位に分けられ、それぞれ
の語に品詞を与える。一般名詞、固有名詞、接頭辞など
の対象品詞に複合語語基、固有名詞構成語、接頭修飾の
いずれかのキーワード素性が付与されているかを判断
し、このキーワード素性による情報を用いてキーワード
抽出を行う。

Description

【発明の詳細な説明】
【0001】
【技術分野】本発明は、キーワード抽出方式に関し、よ
り詳細には、文書から自動的にキーワードを抽出するキ
ーワード抽出方式に関する。
【0002】
【従来技術】本発明に係る従来技術を記載した公知文献
としては、例えば、特開平3−8070号公報に「キ
ーワード抽出方式」がある。この公報のものは、文書中
からキーワード抽出する際、強調された文字列のみを対
象としており、さらにそれら対象とされた強調文字列に
対し、キーワード辞書を用いることによって自立語と判
断されたものをキーワードと決定するものである。しか
しながら、文書中の強調文字列しかキーワードの対象と
されず、また、キーワード辞書が別に必要であるという
欠点がある。
【0003】また、「新聞記事データベースにおける
キーワード自動抽出」(情報管理 vol.32 No.4, July 1
989)に記載のものは、字種の相違に着目して単語にく
ぎり、単語テーブルなどを用いて名詞を抽出し、抽出さ
れた名詞から不要語テーブルを用いてそこに収録された
用語は削除してキーワードを決定するものである。しか
しながら、字種の相違で単語を区切るので、正確にキー
ワード候補を抽出することができず、ます、不要語辞書
が必要であるという欠点がある。
【0004】また、特開平2−148265号公報に
提案されている「自動索引システム」は、文書中から索
引語を抽出する際、まず形態素解析をして格助詞を伴う
名詞を取り出し、これら名詞データから不要語辞書を用
いて不要語を削除した後、残ったものを索引語と決定す
るものである。しかしながら、依然不要語辞書が必要で
あるという欠点がある。
【0005】
【目的】本発明は、上述のごとき実情に鑑みなされたも
ので、字種に左右されず、キーワード辞書や不要語辞書
を必要としないキーワード抽出方式を提供することを目
的としてなされたものである。
【0006】
【構成】本発明は、上記目的を達成するために、(1)
日本語文書を入力する入力手段と、該入力手段により入
力された文書を単語単位に分け、該単語に品詞を与える
形態素解析手段を、該形態素解析手段により与えられた
品詞を用いてキーワードを抽出するキーワード抽出手段
とから成り、前記形態素解析手段により解析された結果
で得られた品詞情報と、キーワード素性の情報を用いる
ことにより、文書中からキーワードを抽出すること、更
には、(2)前記キーワード素性の一つである複合語語
基をも用いることにより、不要なキーワード候補を少な
くすること、更には、(3)前記キーワード素性の一つ
である固有名詞構成語を用いることにより、不要なキー
ワード候補を少なくすること、更には、(4)前記キー
ワード素性の一つである接頭修飾を用いることにより、
必要な接頭辞はキーワードの一部として抽出することを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。
【0007】図1は、本発明によるキーワード抽出方式
の一実施例を説明するための構成図で、図中、1は入力
手段、2は形態素解析手段、3はキーワード抽出手段で
ある。入力手段1により日本語文書が入力され、該入力
手段1により入力された文書は、形態素解析手段2によ
り、単語単位に分けられ、該単語に品詞を与える。キー
ワード抽出手段3は、前記品詞を用いてキーワード抽出
を行う。
【0008】図2は、本発明によるキーワード抽出方式
の動作を説明するためのフローチャートである。以下、
各ステップに従って順に説明する。あらかじめ、文章は
形態素解析によって単語単位に区切られたものとする。
まず、先頭の一単語が入力される(ステップ1)。ここ
で、カウンターを0にセットする(ステップ2)。さら
にその単語が未登録語または固有名詞かを判断し(ステ
ップ4)、該当すればカウンターに1を加える(ステッ
プ5)。該当しなければまた一単語入力するところまで
戻る(ステップ1)。ステップ3で一般名詞ならば、次
にその一般名詞に「複合語語基」「固有名詞構成語」い
ずれかのキーワード素性が付与されているかどうかをみ
る(ステップ6)。付与されていなければさきほどの未
登録語/固有名詞のときと同様、カウンターに1を加え
る(ステップ5)。要するに、入力された第一の単語が
キーワード素性の付与されていない一般名詞または固有
名詞・未登録語のいずれかに該当するものはカウンター
に1を加えることになる。
【0009】さて、ここまで残ったものについては全て
についてカウンターに1を加え(ステップ7)、スタッ
クに積み(ステップ8)、次の一単語を入力する(ステ
ップ9)。そしてその入力された単語が固有名詞・一般
名詞・サ変名詞・接頭辞(キーワード素性「接頭修飾付
き」のもの)・接尾辞・未登録語のいずれかであるかど
うかを判断する(ステップ10)。該当するならば再び
カウンターに1を加えてスタックに積むという処理を続
けるが(ステップ7,8,9)、該当しないのならばこ
こで品詞による判断は打ち切る。
【0010】ここでスタックに保存してきた単語(群)
を抽出するかどうかを判断するわけだが、それはカウン
ターが1より大きいかどうかで判断する(ステップ1
1)。1よりも大きければそれまでスタックに保存して
きたものを複合語として抽出するが(ステップ12)、
そうでなければスタックの内容をクリアして(ステップ
13)最初に戻る。要するにキーワード素性の付与され
ていない一般名詞または固有名詞・未登録語のいずれか
にあてはまるもの(ステップ5で1を加える処理をおこ
なったもの)は単独でも複合語として抽出されるが、キ
ーワード素性の付与された一般名詞・サ変名詞・接頭辞
・接尾辞はそれらの品詞をもつ単語が2つ以上連なって
いなければ複合語として抽出されないことになる。
【0011】ここで、上の説明で用いたキーワード素性
について説明する。キーワード素性には、複合語語基・
固有名詞構成語・接頭修飾の3種類がある。それぞれの
素性の付与され得る品詞と特徴、役割を以下の表1にま
とめる。
【0012】
【表1】
【0013】次に、本発明の具体的な実施例を例を用い
て説明する。例1 この工場で装置を開発する予定だ。 この文章を形態素解析すると この/工場/で/装置/を/開発/する/予定/だ/。 前述した品詞(つまり固有名詞・一般名詞・サ変名詞
・接頭辞(キーワード素性「接頭修飾」つき)・接尾辞
・未登録語のいずれかに該当するもの。以後これらの語
をキーワード候補と呼ぶ)に該当するものは次の通り。 工場(一般名詞、素性「複合語語基」つき) 装置(一般名詞、素性「複合語語基」つき) 開発(サ変名詞) 予定(サ変名詞) 前のフローチャートによると、サ変名詞も一般名詞
(素性つき)もキーワード候補なのでカウンターはn=
1になるが、いずれも単独でしか出現していない。結局
n<1なので、この文章からはキーワードは抽出されな
い。
【0014】例2 ここでレーザー測量装置の開発を行
なう予定だ。 この文章を形態素解析すると ここ/で/レーザー/測量/装置/の/開発/を/行な
/う/予定/だ/。 キーワード候補に該当するものは以下の通り。 レーザー(一般名詞・キーワード素性なし) 測量(サ
変名詞) 装置(一般名詞、素性「複合語語基」つき) 開発(サ
変名詞) 予定(サ変名詞) 前のフローチャートによると、まず「レーザー」はキ
ーワード素性が何も付与されていないので、もしも単独
で出現していてもキーワードとなり得る。しかしこの例
の場合は、あとに「測量」「装置」が続く。この2語は
単独ではキーワードにはなり得ない。しかし「レーザ
ー」から連続しているため次々と単語がスタックに積ま
れ、結局カウンターはn=4、つまりn>1になり、こ
の文からは「レーザー測量装置」がキーワードとして抽
出されることになる。なお、「開発」「予定」はいずれ
も単独でしか出現していないのでどちらもキーワードと
して抽出しない。
【0015】例3 ここで高画質な大画面テレビの開発
が始まった。 この文章を形態素解析すると ここ/で/高/画質/な/大/画面/テレビ/の/開発
/が/始まっ/た/。 キーワード候補に該当するものは次の通り。 高(接頭辞、素性「接頭修飾」つき) 画質(一般名詞、素性「複合語語基」つき) 大(接頭辞、素性「接頭修飾」つき) 画面(一般名詞、素性「複合語語基」つき) テレビ(一般名詞、素性「複合語語基」つき) 前のフローチャートによると「高」「大」は接頭語だ
が、キーワード素性の接頭修飾が付与されているので、
キーワード候補が後続すれば共にキーワードとして抽出
する。結局「高画質」はn=2、「大画面テレビ」はn
=3、いずれもn>1なので、この文からは「高画
質」、「大画面テレビ」がキーワードとして抽出される
ことになる。なお、「開発」は単独でしか出現していな
いので、キーワードとして抽出しない。
【0016】
【効果】以上の説明から明らかなように、本発明による
と、以下のような効果がある。 (1)請求項1に対応する効果:日本語文書を形態素解
析し、その結果で得た品詞情報を用いてキーワード抽出
をするので、特種な文字(例えば強調文字)だけをキー
ワード抽出するのではなく、全ての文字列をキーワード
の対象として捉えることができる。また、品詞情報に加
えてキーワード素性も用いるので、不要語は少なく、か
つ必要な語が落ちることの少ない、正確なキーワード抽
出ができる。 (2)請求項2に対応する効果:キーワード素性の一つ
である複合語語基を用いることにより、キーワードとし
てふさわしくないと思われる不要な語をできるだけ抽出
しないことができる。 (3)請求項3に対応する効果:キーワード素性の一つ
である固有名詞構成語を用いることにより、キーワード
としてふさわしくないと思われる不要な語をできるだけ
抽出しないことができる。 (4)請求項4に対応する効果:キーワード素性の一つ
である接頭修飾を用いることにより、キーワードの一部
として必要な接頭辞を抽出することができる。
【図面の簡単な説明】
【図1】 本発明によるキーワード抽出方式の一実施例
を説明するための構成図である。
【図2】 本発明によるキーワード抽出方式の動作を説
明するためのフローチャートである。
【符号の説明】
1…入力手段、2…形態素解析手段、3…キーワード抽
出手段。

Claims (4)

    【特許請求の範囲】
  1. 【請求項1】 日本語文書を入力する入力手段と、該入
    力手段により入力された文書を単語単位に分け、該単語
    に品詞を与える形態素解析手段を、該形態素解析手段に
    より与えられた品詞を用いてキーワードを抽出するキー
    ワード抽出手段とから成り、前記形態素解析手段により
    解析された結果で得られた品詞情報と、キーワード素性
    の情報を用いることにより、文書中からキーワードを抽
    出することを特徴とするキーワード抽出方式。
  2. 【請求項2】 前記キーワード素性の一つである複合語
    語基をも用いることにより、不要なキーワード候補を少
    なくすることを特徴とする請求項1記載のキーワード抽
    出方式。
  3. 【請求項3】 前記キーワード素性の一つである固有名
    詞構成語を用いることにより、不要なキーワード候補を
    少なくすることを特徴とする請求項1記載のキーワード
    抽出方式。
  4. 【請求項4】 前記キーワード素性の一つである接頭修
    飾を用いることにより、必要な接頭辞はキーワードの一
    部として抽出することを特徴とする請求項1記載のキー
    ワード抽出方式。
JP4100509A 1992-03-25 1992-03-25 キーワード抽出方式 Pending JPH05274351A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP4100509A JPH05274351A (ja) 1992-03-25 1992-03-25 キーワード抽出方式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP4100509A JPH05274351A (ja) 1992-03-25 1992-03-25 キーワード抽出方式

Publications (1)

Publication Number Publication Date
JPH05274351A true JPH05274351A (ja) 1993-10-22

Family

ID=14275924

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4100509A Pending JPH05274351A (ja) 1992-03-25 1992-03-25 キーワード抽出方式

Country Status (1)

Country Link
JP (1) JPH05274351A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153384A (ja) * 1997-08-05 1999-02-26 Mitsubishi Electric Corp キーワード抽出装置及びキーワード抽出方法並びにキーワード抽出プログラムを格納したコンピュータ読み取り可能な記録媒体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153384A (ja) * 1997-08-05 1999-02-26 Mitsubishi Electric Corp キーワード抽出装置及びキーワード抽出方法並びにキーワード抽出プログラムを格納したコンピュータ読み取り可能な記録媒体

Similar Documents

Publication Publication Date Title
US6169999B1 (en) Dictionary and index creating system and document retrieval system
US6167370A (en) Document semantic analysis/selection with knowledge creativity capability utilizing subject-action-object (SAO) structures
US5794177A (en) Method and apparatus for morphological analysis and generation of natural language text
JP2007517338A (ja) サーチ品質の改善システムおよび改善方法
US8024175B2 (en) Computer program, apparatus, and method for searching translation memory and displaying search result
JPH06215029A (ja) テキスト検索方法
US20050021508A1 (en) Method and apparatus for calculating similarity among documents
US11301441B2 (en) Information processing system and information processing method
JP4065346B2 (ja) 単語間の共起性を用いたキーワードの拡張方法およびその方法の各工程をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP3123836B2 (ja) テキスト型データベース装置
JP2960936B2 (ja) 係り受け解析装置
JPH05274351A (ja) キーワード抽出方式
JP5028823B2 (ja) 同義語対抽出装置及び同義語対抽出方法
JPH0877196A (ja) 文書情報抽出装置
JPH0877179A (ja) 文書索引生成装置
JPH09185632A (ja) 情報検索・編集方法及び装置
JPH1145238A (ja) 文書管理システムおよびそのシステムとしてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体
JPH05233689A (ja) 文書自動要約方法
JPS63201867A (ja) 文書画像自動要約方式
JPH03260764A (ja) 翻訳用辞書登録方式
JPH04673A (ja) 連語登録方法および装置
JPS6368972A (ja) 未登録語処理方式
JPH0954781A (ja) 文書検索システム
JPH04330565A (ja) 自然言語処理システム
JPH06309366A (ja) キーワード抽出方式