JPH0877196A - 文書情報抽出装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、文書情報抽出装置に関し、重要な
情報の含まれる文の特徴のある形態素の表記に対応づけ
て品詞情報や意味情報を記述した文表現パターンを用意
し、入力された文書を形態素解析した結果と文表現パタ
ーンとを照合し一致したときに抽出し、重要な情報が含
まれる所望の文を精度高く抽出することを目的とする。 【構成】 抽出しようとする文の形態素の表記に対応づ
けて必要に応じて品詞情報や意味情報を登録する文表現
パターン５と、入力された文書を形態素解析する形態素
解析部３と、形態素解析した文毎の形態素の表記や品詞
情報や意味情報をもとに文表現パターン５と照合を行い
一致する文を抽出する文パターン照合部４とを備え、文
書中から所望の文を抽出するように構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書を形態素解析し形
態素の表記や品詞情報や意味情報をもとに文表現パター
ンと照合して所望の文を抽出する文書情報抽出装置に関
するものである。

【０００２】

【従来の技術】従来の文書抽出装置は、ある表現を含む
文を抽出する際に文字列を用いていた。例えば 「○とは○○のことである」（○は任意の文字） という表現を含む文を抽出したい場合、「とは」という
文字列を含む文を検索し、抽出していた。

【０００３】

【発明が解決しようとする課題】この場合、本来抽出し
たい表現を含む文以外に「とは」という文字列を含む
文、例えば「編集することはできない」などが抽出され
てしまうという問題があった。

【０００４】また、「ｅコマンドを入力すると、処理を
終了できる」のような 「○○すると○○できる」 という表現の文を抽出したい場合、「と」の直前の語は
「○○する」のような動詞の終止形であるという条件を
指定したいが、従来の文字列による検索ではそういう指
定ができないため、「○○と○○できる」という文字列
を含む文を全て抽出してしまうので、「文書の更新をす
るときに、コマンドの指定ができる」のような文が抽出
されてしまうという問題があった。

【０００５】本発明は、これらの問題を解決するため、
重要な情報の含まれる文の特徴のある形態素の表記に対
応づけて品詞情報や意味情報を記述した文表現パターン
を用意し、入力された文書を形態素解析した結果と文表
現パターンとを照合し一致したときに抽出し、重要な情
報が含まれる所望の文を精度高く抽出することを目的と
している。

【０００６】

【課題を解決するための手段】図１は、本発明の原理構
成図を示す。図１において、入力文書１は、文を抽出す
る対象の文書である。

【０００７】文書情報抽出装置２は、入力文書１を形態
素解析し、その表記、品詞情報、および意味情報をもと
に文表現パターン５と一致する文を抽出するものであっ
て、形態素解析部３、文パターン照合部４、および文表
現パターン５から構成されるものである。

【０００８】形態素解析部３は、入力文書１を形態素解
析するものである。文パターン照合部４は、形態素解析
部３によって形態素解析された文の表記、品詞情報およ
び意味情報をもとに文表現パターン５と照合を行い、一
致する文を抽出するものである。

【０００９】文表現パターン５は、抽出しようとする文
のパターン（特徴のある形態素の表記、品詞情報、およ
び意味情報）を登録したものである。抽出された文６
は、入力文書から抽出された文である。

【００１０】

【作用】本発明は、図１に示すように、形態素解析部３
が入力文書１を形態素解析し、文パターン照合部４が形
態素解析した文毎の形態素の表記および品詞情報をもと
に文表現パターン５と照合を行い一致する文を抽出する
ようにしている。

【００１１】また、形態素解析部３が入力文書１を形態
素解析し、文パターン照合部４が形態素解析した文毎の
形態素の表記および意味情報をもとに文表現パターン５
と照合を行い一致する文を抽出するようにしている。

【００１２】また、形態素解析部３が入力文書１を形態
素解析し、文パターン照合部４が形態素解析した文毎の
形態素の表記、品詞情報および意味情報をもとに文表現
パターン５と照合を行い一致する文を抽出するようにし
ている。

【００１３】従って、重要な情報の含まれる文の特徴の
ある形態素の表記や品詞情報や意味情報を記述した文表
現パターンを用意し、入力された文書を形態素解析した
結果と文表現パターンとを照合し一致したときに所望の
文として抽出することにより、重要な情報が含まれる文
を精度高く抽出することが可能となった。

【００１４】

【実施例】次に、図２から図９を用いて本発明の実施例
の構成および動作を順次詳細に説明する。

【００１５】図２は、本発明の動作説明フローチャート
を示す。これは、図１の構成の全体の動作を説明するフ
ローチャートである。図２において、Ｓ１は、入力文書
１を読み込み、形態素解析を行なう。これは、図１の文
書情報抽出装置２を構成する形態素解析部３が、入力文
書１を読み込み、形態素解析を行い、文の形態素の表
記、品詞情報、および意味情報を生成する。例えば図３
の入力文書１であるマニュアル文を読み込み、図４およ
び図５に示すように、形態素の表記、品詞情報、および
意味情報を生成する。例えば、図３の文番号“１”の文 クラスとは、データの属性と動作を規定する抽象的なオ
ブジェクトである。を形態素解析し、図４のに示すよ
うに、形態素の表記、品詞情報、および意味情報を生成
する。

【００１６】Ｓ２は、文パターン照合部４で文表現パタ
ーン５との照合を行う。これは、後述するように、Ｓ１
で形態素解析した文の形態素の表記、品詞情報、および
意味情報について、図６の文表現パターンとの照合を行
い、一致する文を見つける。

【００１７】Ｓ３は、文表現パターン５とマッチした文
が抽出される。これは、Ｓ２の照合によって、マッチ
（一致）した文を抽出する。以上によって、入力文書１
を形態素解析して文の形態素の表記、品詞情報、および
意味情報を生成し、これらと、予め登録した文表現パタ
ーン５（例えば図６の文表現パターン例）と照合を行
い、一致する文を抽出する。この際、文の形態素の表記
が一致するのみならず、品詞情報、更に意味情報がとも
に一致したときにのみ文を抽出することとしているの
で、重要な抽出したい文の品詞情報および意味情報を予
め文表現パターン５に登録して指定することが可能とな
る。この抽出したい文の表記の他に品詞情報および意味
情報を指定することにより、文の形態素の表記が一致し
ても、品詞情報と意味情報が一致（マッチ）しない文を
抽出しないので、不要な文の抽出を防止して重要な文の
みを選択的に抽出することが可能となった。以下順次詳
細に説明する。

【００１８】図３は、本発明のマニュアル文の例を示
す。これは、図１の入力文書１の例である。右側に文番
号１から７を記載し、後の説明との関連づけを行ってい
る。このマニュアル文の文番号１、５、６、７を形態素
解析して文の形態素の表記、品詞情報、および意味情報
を生成したものが、図４および図５である。

【００１９】図４および図５は、本発明の形態素解析例
を示す。これらは、図３のマニュアル文の文番号１、
５、６、７の文を形態素解析し、文の形態素の表記、品
詞情報、および意味情報を生成したものである。

【００２０】図６は、本発明の文表現パターン例を示
す。ここでは、重要な文を表現するパターンとして、文
表現パターン１、２、３の３つを下記のように予め記載
したものである。

【００２１】 ・文表現パターン１：［名詞］／とは／〜／であ／る ・文表現パターン２：〜［動詞終止形］／と／でき／る ・文表現パターン３：［名詞］＜手段＞／に／よ／っ／
て／〜 ここで、［ ］内は品詞情報を表し、＜ ＞内は意味情
報を表し、それ以外は形態素の表記を表す。〜は、任意
の文字列を表す。／は文の形態素の区切りを表す。

【００２２】以上のように、文の形態素の表記、品詞情
報、および意味情報を指定した文表現パターン１、２、
３を記述することにより、この文表現パターン１、２、
３に一致する文のみが、入力文書１から抽出されること
となる。

【００２３】図７は、本発明の文表現パターンとの照合
フローチャートを示す。これは、入力文書１を形態素解
析して文の形態素の表記、品詞情報、および意味情報を
生成し、これらと、図６の文表現パターン５との照合を
説明するものである。

【００２４】図７において、Ｓ１１は、形態素のリスト
が終了か判別する。ＹＥＳの場合には、終了する（ＥＮ
Ｄ）。一方、ＮＯの場合には、形態素のリストが終了し
ていないので、Ｓ１２に進む。ここで、形態素のリスト
は文を形態素解析した形態素の表記、品詞情報、および
意味情報であって、例えば図３のマニュアル文の文番号
１の形態素のリストは図４の文番号１として記載した
表記、品詞情報、および意味情報のリストとなる。

【００２５】Ｓ１２は、文表現パターンが終了か判別す
る。これは、文表現パターン、例えば図６の文表現パタ
ーン１、２、３が終了か判別する。ＹＥＳの場合には、
Ｓ１１に戻り、次の文の形態素のリストについて繰り返
す。一方、ＮＯの場合には、Ｓ１３に進む。

【００２６】Ｓ１３は、形態素リストと文表現パターン
が最後までマッチするか判別する。ＹＥＳの場合には、
形態素リストと、文表現パターンとが最後まで一致した
ので、Ｓ１４でマッチする文を抽出し、Ｓ１１に戻る。
一方、ＮＯの場合には、マッチしなかったので、Ｓ１２
に戻り繰り返す。

【００２７】以上によって、入力文書１の文の形態素の
リストと、文表現パターンとを順次照合を行いマッチし
たときにそのマッチした文を抽出する。以下図３のマニ
ュアル文について、図６の文表現パターンとの照合を説
明する。

【００２８】（１） 図３の文番号１の文 ・クラスとは、データの属性と動作を規定する抽象的な
オブジェクトである．を形態素解析すると、文の形態素
の表記は、 ・クラス／とは／、／データ／の／属性／と／動作／を
／規定／する／抽象的／な／オブジェクト／で／ある． となる（品詞情報および意味情報は図４の文書番号１
の品詞情報および意味情報を参照）。この文番号１の形
態素の表記、および品詞情報のパターンと、図６の文表
現パターン１である ・［名詞］／とは／〜／であ／る との照合を行うと、上記文の形態素の表記に下線を引い
た部分が一致、即ち、 ・“クラス”と“名詞（普通名詞）” ・“とは”と“とは” ・“であ”と“であ” ・“る”と“る” とが一致するので、文番号１の文を文表現パターン１に
一致するものとして図８に示すように抽出する。

【００２９】（２） 文番号５の文を（１）と同様にし
て、文表現パターン２に一致するものとして図８に示す
ように抽出する。 （３） 図３の文番号６の文 ・クラスの種類によって、生成されるインスタンスが異
なる．を形態素解析すると、文の形態素の表記は、 ・クラス／の／種類／に／よ／っ／て／、／生成／さ／
れ／る／インスタンス／が／異な／る． となる（品詞情報および意味情報は図５の文書番号６の
品詞情報および意味情報を参照）。この文番号６の形態
素の表記、および品詞情報のパターンと、図６の文表現
パターン３である ・［名詞］＜手段＞／に／よ／っ／て／〜 との照合を行うと、先頭の ・“クラス”、“普通名詞（品詞情報）”、“具体物
（意味情報）”と［名詞］＜手段＞とが不一致 となる。即ち、クラスの品詞情報が“名詞”である点は
一致するが、意味情報が“具体物”と“手段”とで不一
致となり、当該文番号６は文表現パターン３とマッチし
ないこととなる。

【００３０】従って、表記は一致しても、意味情報が一
致しなく、全体として一致しないので不一致となり、文
番号６の文は抽出しない。 （４） 一方、文番号７の文 ・エディタによって、インスタンスのスロットを指定で
きる．を形態素解析すると、文の形態素の表記は、 ・エディタ／に／よ／っ／て／、／インスタンス／の／
スロット／を／指定／でき／る． となる（品詞情報および意味情報は図５の文書番号７の
品詞情報および意味情報を参照）。この文番号７の形態
素の表記、品詞情報、および意味情報のパターンと、図
６の文表現パターン３である ・［名詞］＜手段＞／に／よ／っ／て／〜 との照合を行うと、上記文の形態素の表記、品詞情報、
および意味情報が一致、即ち、 ・“クラス”、“普通名詞”、“手段”と“名詞”、
“手段” ・“に”と“に” ・“よ”と“よ” ・“っ”と“っ” ・“て”と“て” とが一致するので、文番号７の文を文表現パターン３に
一致するものとして図８に示すように抽出する。

【００３１】以上によって、図３のマニュアル文から、
図６の文表現パターン１、２、３に一致する文として図
８に示すように、文番号１、５、７の文を抽出すること
ができたこととなる。

【００３２】図８は、本発明の抽出された文例を示す。
これは、上述したように、図３のマニュアル文から、図
６の文表現パターン１、２、３に一致するものとして抽
出された文である。この抽出する際に、文の種類を図示
のように一致した文表現パターン１、２、３に登録され
ている“定義文”、“方法文”、“方法文”に対応づけ
て登録しておく。

【００３３】図９は、本発明の応用例を示す。これは、
図８の抽出された文について、文の種類毎にまとめて索
引を自動生成した応用例を示す。ここでは、図８の定義
文の文番号１の文を取り出し、図示の ・索引（定義）の欄に クラスとは？・・・・・・・・・・・・・・・・ｐ××
（ページ数） と自動編集する。また、同様に、図８の方法文の文番号
５、７の文を取り出し、 ・索引（方法）の欄に 任意のインスタンスを生成するには？・・・・・ｐ××
（ページ数） インスタンスのスロットを指定するには？・・・ｐ××
（ページ数） と自動編集する。

【００３４】以上によって、図３の入力文書１であるマ
ニュアル文から、図６の文表現パターン１、２、３によ
って形態素の表記、品詞情報および意味情報で特徴付け
られた文（文番号１、５、７）のみを抽出し、この抽出
した精度の高い文から、更に文の種類に分けて索引を自
動的に編集（生成）することが可能となる。

【００３５】

【発明の効果】以上説明したように、本発明によれば、
重要な情報の含まれる文の特徴のある形態素の表記や品
詞情報や意味情報を記述した文表現パターンを用意し、
この文表現パターンと入力された文書を形態素解析した
結果とを照合し一致したときに所望の文として抽出する
構成を採用しているため、重要な情報が含まれる所望の
文を精度高く抽出することができるようになった。特
に、文表現パターンとして、文の形態素の表記、品詞情
報、および意味情報を任意に指定して重要な情報を含む
所望の文を高精度に抽出でき、しかも、表記（文字列）
のみが一致する不要な文の抽出を防止できるので、不要
な文を削除する手間も削減できる。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】本発明の動作説明フローチャートである。

【図３】本発明のマニュアル文の例である。

【図４】本発明の形態素解析例（続く）である。

【図５】本発明の形態素解析例（続き）である。

【図６】本発明の文表現パターン例である。

【図７】本発明の文表現パターンとの照合フローチャー
トである。

【図８】本発明の抽出された文例である。

【図９】本発明の応用例である。

【符号の説明】

１：入力文書 ２：文書情報抽出装置 ３：形態素解析部 ４：文パターン照合部 ５：文表現パターン ６：抽出された文

Claims (3)

【特許請求の範囲】
1. 【請求項１】抽出しようとする文の形態素の表記に対応
   づけ必要に応じて品詞情報を登録する文表現パターン
   （５）と、 入力された文書を形態素解析する形態素解析部（３）
   と、 形態素解析した文毎の形態素の表記および品詞情報をも
   とに上記文表現パターン（５）と照合を行い一致する文
   を抽出する文パターン照合部（４）とを備え、 文書中から所望の文を抽出することを特徴とする文書情
   報抽出装置。
2. 【請求項２】抽出しようとする文の形態素の表記に対応
   づけ必要に応じて意味情報を登録する文表現パターン
   （５）と、 入力された文書を形態素解析する形態素解析部（３）
   と、 形態素解析した文毎の形態素の表記および意味情報をも
   とに上記文表現パターン（５）と照合を行い一致する文
   を抽出する文パターン照合部（４）とを備え、 文書中から所望の文を抽出することを特徴とする文書情
   報抽出装置。
3. 【請求項３】抽出しようとする文の形態素の表記に対応
   づけ必要に応じて品詞情報および意味情報を登録する文
   表現パターン（５）と、 入力された文書を形態素解析する形態素解析部（３）
   と、 形態素解析した文毎の形態素の表記と品詞情報および意
   味情報をもとに上記文表現パターン（５）と照合を行い
   一致する文を抽出する文パターン照合部（４）とを備
   え、 文書中から所望の文を抽出することを特徴とする文書情
   報抽出装置。