JPH10320409A

JPH10320409A - 文書情報抽出方法及び装置並びに文書抽出処理プログラムを記憶した記憶媒体

Info

Publication number: JPH10320409A
Application number: JP9128986A
Authority: JP
Inventors: Shinji Miwa; 真司三輪
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1997-05-19
Filing date: 1997-05-19
Publication date: 1998-12-04

Abstract

(57)【要約】【課題】文書のある一部を抽出したり２つの文書の差
分を取ったりする場合、文書を細分化しすぎると処理し
にくいものとなるため、文書内容のあるまとまりをコン
テンツとして抽出することが望まれる。【解決手段】ある文書の文書内容から段落を検出し、
その段落ごとに文書内容の切り分けを行い、それぞれの
段落単位で形態素解析を行った後、その形態素解析結果
を基に特徴要素を抽出し（ステップｓ１）、その特徴要
素とその特徴要素を含む段落との関係を表す特徴テーブ
ルを作成して（ステップｓ２）、その特徴テーブルに基
づいて、前記文書を意味的なまとまりごとのコンテンツ
に分類して表示し（ステップｓ３）、ユーザからのコン
テンツ選択指示を受けたとき（ステップｓ４）、その選
択されたコンテンツに属する段落の文書内容を出力する
（ステップｓ５，ｓ６）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、たとえば、文書内
容の或る一部を抽出したり、文書間の差分を取ったりす
る場合に処理を行うのに適した文書情報抽出方法及び装
置並びに文書情報抽出処理プログラムを記憶した記憶媒
体に関する。

【０００２】

【従来の技術】たとえば、２つの文書内容の差分を取っ
たり、或る文書内容の一部を抽出したりする際、文書デ
ータを蓄積したデータベースなどからユーザの要求する
文書内容を適度な単位で効率よく抽出することが必要と
なる。

【０００３】このように、ある特定の部分だけを抽出す
るためには、文書データを決められた規則に基づいて区
切って抽出し、その抽出した部分の情報を表示する必要
がある。

【０００４】インターネット上において、文書のある一
部の文書内容を抽出する場合、たとえば、ＨＴＭＬ（Ｈ
ｙｐｅｒＴｅｘｔＭａｒｋｕｐＬａｎｇｕａｇｅ）
などの文書構造記述言語により書かれた文書であれば、
その記述言語に使用されている区切り記号などを用いて
切り分けを行ったり、あるいは、自然言語で書かれた文
書であれば、行頭のインデントや空行などによって切り
分けたりすることが考えられる。このような切り分けの
単位をどのようにするかの情報は、予めシステム内に記
憶させておくことで、文書をその記憶内容に従って、切
り分けることは可能である。

【０００５】

【発明が解決しようとする課題】しかしながら、様々な
文書に対応できるように、様々な切り分け方を記憶して
おいて、それを文書の種類や文書内容に関係なく処理対
象文書すべてに適用すると、文書によっては、切り分け
られた内容が細かくなりすぎたり、切り分けない方がよ
いところで切り分けられてしまうことがある。

【０００６】特に、オンライン情報において、更新され
た部分と更新前の情報との差分を取るような場合は、あ
まり細かく切り分けて抽出されたり、切ってはいけない
ところで切り分けられると、その内容の前後関係がわか
らなかったりして、意味が理解できなくなることもあ
る。

【０００７】そこで本発明は、文書から区切り記号や書
式によって切り分けられる切り分け単位（本文中これを
段落と呼ぶ）を検出し、その段落ごとに内容の特徴を表
す特徴要素を抽出し、それぞれの特徴要素にもとづい
て、それぞれの段落を意味的に類似の段落群（本文中こ
れをコンテンツと呼ぶ）に分類して出力する。また、複
数のコンテンツに分類して表示し、ユーザがコンテンツ
を指定することによりそのコンテンツに属する文書内容
を出力することを可能とする。さらに、このようなコン
テンツについて、さらにコンテンツ内での再分類を行う
ことも可能である。これらによって、２つの文書の差分
を取ったり、ある文書の一部を抽出したりする処理を行
うのにきわめて好都合な文書情報抽出方法および文書情
報抽出装置を提供することを目的としている。

【０００８】

【課題を解決するための手段】本発明の情報検索方法に
おける請求項１の発明は、ある文書の文書内容から段落
を検出し、その段落ごとに内容の特徴を表す特徴要素を
抽出し、その特徴要素とその特徴要素を含む段落との関
係を表す特徴テーブルを作成して、その特徴テーブルに
基づいて、前記文書を意味的なまとまりごとの複数のコ
ンテンツに分類して出力することを特徴としている。

【０００９】また、請求項２の発明は、請求項１の発明
において、前記文書を意味的なまとまりごとのコンテン
ツに分類して出力する処理は、前記特徴テーブルに基づ
いて、文書を意味的なまとまりごとの複数のコンテンツ
に分類して表示し、ユーザからのコンテンツ選択指示を
うけたとき、その選択されたコンテンツに属する内容を
出力する。

【００１０】また、請求項３の発明は、請求項１または
２の発明において、前記特徴テーブルに基づいて文書を
意味的なまとまりごとの複数のコンテンツに分類する処
理は、各段落に存在する特徴要素に基づいて、共通する
特徴要素を持つ複数の段落を１つのまとまりとし、その
まとまりをコンテンツとする。

【００１１】また、請求項４の発明は、請求項２の発明
において、前記意味的なまとまりごとのコンテンツに分
類して表示する際の表示内容は、それぞれのコンテンツ
ごとに、少なくとも、そのコンテンツを代表する特徴要
素とする。

【００１２】また、請求項５の発明は、請求項２の発明
において、前記意味的なまとまりごとのコンテンツに分
類して表示する際の表示内容は、それぞれのコンテンツ
ごとに、少なくとも、そのコンテンツを代表する特徴要
素と、そのコンテンツに含まれる段落に関するデータと
する。

【００１３】また、本発明の文書情報抽出装置における
請求項６の発明は、文書群を記憶する文書群記憶部と、
この文書群記憶部に記憶されている文書に対し、その文
書内容から段落を検出し、その段落ごとに形態素解析を
行う文解析部と、この文解析部による解析結果から前記
各段落ごとに内容の特徴を表す特徴要素を抽出し、その
特徴要素とその特徴要素を含む段落との関係を表す特徴
テーブルを作成する特徴テーブル作成部と、前記特徴テ
ーブルの内容に基づいて前記文書を意味的なまとまりご
との複数のコンテンツに分類する段落分類部と、この段
落分類部により分類された内容を記憶する分類結果記憶
部と、この分類結果記憶部の内容を読み出して出力する
出力制御部とを有することを特徴としている。

【００１４】この分類結果記憶部の内容を読み出して前
記複数のコンテンツを表示させる制御を行うとともに、
ユーザからのコンテンツ選択指示を受けたとき、その選
択されたコンテンツに属する切り分け単位の内容の表示
を行う表示制御部とを有することを特徴としている。

【００１５】また、請求項７の発明は、請求項６の発明
において、前記出力制御部は、前記複数のコンテンツを
表示させる制御を行なうとともに、ユーザからのコンテ
ンツ選択指示を受けたとき、その選択されたコンテンツ
に属する段落の内容を出力する。

【００１６】また、請求項８の発明は、請求項６または
７の発明において、前記段落分類部が行う特徴テーブル
に基づいて文書を意味的なまとまりごとのコンテンツに
分類する処理は、各段落の特徴要素に基づいて、共通す
る特徴要素を持つ段落を１つのまとまりとし、そのまと
まりをコンテンツとする。

【００１７】また、請求項９の発明は、請求項７の発明
において、前記意味的なまとまりごとのコンテンツに分
類して表示する際の表示内容は、それぞれのコンテンツ
ごとに、少なくとも、そのコンテンツを代表する特徴要
素としている。

【００１８】また、請求項１０の発明は、請求項７の発
明において、前記意味的なまとまりごとのコンテンツに
分類して表示する際の表示内容は、それぞれのコンテン
ツごとに、少なくとも、そのコンテンツを代表する特徴
要素と、そのコンテンツに含まれる段落に関するデータ
としている。

【００１９】さらに、本発明の文書情報抽出処理プログ
ラムを記憶した記憶媒体における請求項１１の発明は、
コンピュータによって文書抽出処理を行う処理プログラ
ムを記載した記憶媒体であって、その処理プログラム
は、ある文書の文書内容から段落を検出し、その段落ご
とに内容の特徴を表す特徴要素を抽出し、その特徴要素
とその特徴要素を含む段落との関係を表す特徴テーブル
を作成して、その特徴テーブルに基づいて、前記文書を
意味的なまとまりごとの複数のコンテンツに分類して出
力することを特徴としている。

【００２０】また、請求項１２の発明は、請求項１１の
記憶媒体における前記文書を意味的なまとまりごとの複
数のコンテンツに分類して出力する処理は、前記特徴テ
ーブルに基づいて、文書を意味的なまとまりごとの複数
のコンテンツに分類して表示し、ユーザからのコンテン
ツ選択指示を受けたとき、その選択されたコンテンツに
属する段落の内容を出力する処理であることを特徴とし
ている。

【００２１】また、請求項１３の発明は、請求項１２の
記憶媒体における前記特徴テーブルに基づいて文書を意
味的なまとまりごとの複数のコンテンツに分類する処理
は、各段落の特徴要素に基づいて、共通する特徴要素を
持つ複数の段落を１つのまとまりとし、そのまとまりを
コンテンツとする処理であることを特徴としている。

【００２２】また、請求項１４の発明は、請求項１２の
記憶媒体による表示処理によって表示される内容（意味
的なまとまりごとのコンテンツに分類して表示する際の
表示内容）は、それぞれのコンテンツごとに、少なくと
も、そのコンテンツを代表する特徴要素であることを特
徴としている。

【００２３】また、請求項１５の発明は、請求項１２の
記憶媒体による表示処理によって表示される内容（意味
的なまとまりごとのコンテンツに分類して表示する際の
表示内容）は、それぞれのコンテンツごとに、少なくと
も、そのコンテンツを代表する特徴要素と、そのコンテ
ンツに含まれる段落に関するデータであることを特徴と
している。

【００２４】本発明は、文書から段落を抽出し、その段
落ごとに内容の特徴を表す特徴要素を抽出し、前記文書
を意味的なまとまりごとのコンテンツに分類して出力す
る。また、文書を意味的なまとまりごとの複数のコンテ
ンツに分類して表示し、ユーザからのコンテンツ選択指
示を受けたとき、その選択されたコンテンツに属する内
容を出力するようにしている。

【００２５】このように、本発明では、段落を内容的な
まとまりであるコンテンツにまとめて出力するため、区
切り記号や書式による切り分けで過剰に切り分けてしま
っても、内容によって再結合することができる。このた
め、文書の内容や種類に関係なく段落の切り分け方を設
定できる。また、段落検出は比較的に容易に行えるの
で、効率的な切り分けが行える。

【００２６】また、文書を意味的なまとまりごとのコン
テンツに分類する処理は、それぞれの段落の特徴要素に
基づいて、共通する特徴要素を持つ段落をコンテンツと
して分類するようにしている。

【００２７】これにより、文書の切り分け単位は段落単
位といった比較的小さな単位であっても、意味的なまと
まりを有する複数の段落で構成されるコンテンツとして
分類されるので、処理対象の文書が細かく切り分けられ
過ぎるようなことが無くなる。

【００２８】また、文書を複数のコンテンツに分類して
表示し、ユーザがコンテンツを指定することによりその
コンテンツに属する文書内容を出力することを可能とす
る。この複数のコンテンツを表示する際の表示内容は、
それぞれのコンテンツごとに、少なくともそのコンテン
ツを代表する特徴要素、または、そのコンテンツを代表
する特徴要素と、そのコンテンツに含まれる段落に関す
るデータからなっているので、画面上からそれぞれのコ
ンテンツ内容を把握し易くなり、所望のコンテンツの選
択を効率よく行える。また、ユーザからのコンテンツ選
択指示を受けたとき、その選択されたコンテンツに属す
る段落を出力することにより、後段の処理やユーザの閲
覧にあたって不要な部分を省き、有用な情報に効率よく
絞り込むことができる。

【００２９】これにより、たとえば、コンテンツ単位で
何らかの処理を行うような場合（たとえば、オンライン
情報の、更新された部分と更新前の情報との差を見ると
いうような場合）、意味的なまとまりを有する複数の段
落で構成されるコンテンツ単位での表示がなされるの
で、その内容の前後関係や大局的な内容を理解するのに
きわめて好都合となる。

【００３０】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。

【００３１】図１は本発明を実現するための装置構成を
示す図であり、文書群記憶部１１、文解析部１２、特徴
テーブル作成部１３、段落分類部１４、分類結果記憶部
１５、表示制御部１６、表示部１７などから構成されて
いる。

【００３２】文書群記憶部１１は、ある文書群に含まれ
る多数の文書をデータベースとして記憶するものであ
る。

【００３３】前記文書群記憶部１１に格納されている多
数の文書群のうちの或る１つの文書として、たとえば、
図２に示されるように、「人工知能に関する論文群」が
あるとすると、その「人工知能に関する論文群」に属す
る論文として、たとえば、「エキスパートシステムに関
する論文」、「自然言語処理に関する論文」、「ニュー
ラルネットワークに関する論文」などがあり、さらに、
たとえば、「エキスパートシステムに関する論文」の中
には、「工場制御に関する論文」、「市場に関する論
文」というように、ある１つの文書には、それに関連す
る多くの文書内容が存在しているものとする。

【００３４】文解析部１２は、文書群記憶部１１に記憶
されている文書を基に、それぞれの文書について段落を
検出し、また、形態素解析を行う。

【００３５】なお、段落を検出する手段としては、たと
えば、文書中に空行が存在しているか否かを検出して空
行が有ると判定した場合には、その空行部分を段落境界
とみなしたり、前後の行頭を比較し行頭が１文字分の空
きがあればそれを段落境界とみなす方法、あるいは、前
述のＨＴＭＬのような記述言語であれば、段落記号を検
出することで段落境界を検出するなど幾つかの方法が考
えられる。

【００３６】図３は図２で示したある１つの文書の段落
構成例を示すものであり、説明を簡単にするために、こ
こでは、その文書は６つの段落が存在しているものとす
る。以下、これら６つの単位を段落Ａ１〜段落Ａ６と呼
ぶことにする。

【００３７】そして、段落Ａ１には主な形態素として、
「エキスパートシステム」、「自然言語」、「ニューラ
ルネットワーク」などが存在し、段落Ａ２には主な形態
素として、「エキスパートシステム」などが存在し、段
落Ａ３には主な形態素として、「エキスパートシステ
ム」、「自然言語」などが存在し、段落Ａ４には主な形
態素として、「自然言語」などが存在し、段落Ａ５には
主な形態素として、「ニューラルネットワーク」などが
存在し、段落Ａ６には主な形態素として、「自然言
語」、「ニューラルネットワーク」などが存在している
ものとする。

【００３８】特徴テーブル作成部１３は、特徴要素抽出
部１３１、特徴抽出部１３２、特徴テーブル１３３から
構成される。特徴要素抽出部１３１は、文解析部１２で
形態素解析されて抽出された情報を基に、それぞれの段
落の内容を代表する情報（特徴要素という）を抽出す
る。

【００３９】特徴抽出部１３２は特徴要素抽出部１３１
によって得られた特徴要素に基づいて、たとえば、図２
で示すような文書において、どの特徴要素がどの段落に
何回出現したかをカウントする。

【００４０】そして、特徴要素抽出部１３１によって抽
出された特徴要素と、特徴抽出部１３２でカウントされ
た数とにより、図４のような特徴テーブル１３３が作成
される。

【００４１】図４に示される特徴テーブル１３３の例
は、特徴要素としては、前述した段落Ａ１〜Ａ６に出現
した主な形態素である「エキスパートシステム」、「自
然言語」、「ニューラルネットワーク」が示されてい
る。

【００４２】そして、「エキスパートシステム」という
特徴要素は、段落Ａ１には２回出現し、段落Ａ２と段洛
Ａ３にはそれぞれ１回ずつ出現し、段落Ａ４，Ａ５，Ａ
６の出現数はそれぞれ０回であることを示している。ま
た、「自然言語」という特徴要素は、段落Ａ１，Ａ３，
Ａ６，Ａ４にそれぞれ１回ずつ出現し、段落Ａ２，Ａ５
の出現回数はそれぞれ０回であることを示している。ま
た、「ニューラルネットワーク」という特徴要素は、段
落Ａ１，Ａ５，Ａ６にはそれぞれ１回ずつ出現し、段落
Ａ２，Ａ３，Ａ４への出現回数はそれぞれ０回であるこ
とを示している。

【００４３】このように、特徴テーブル１３３には、ど
の特徴要素がどの段落にどのくらい出現しているかが示
されている。

【００４４】段落分類部１４は、このような内容の特徴
テーブル１３３を参照し、それぞれの段落における特徴
要素の出現頻度などに基づいて段落Ａ１〜Ａ６を複数の
コンテンツに分類する。

【００４５】たとえば、コンテンツ１は、特徴要素とし
て「エキスパートシステム」を含む段落を１つのまとま
りとしている。なお、その「エキスパートシステム」と
いう特徴要素を含む段落は段落Ａ１，Ａ２，Ａ３である
ことから、該当する段落数は「３」である。

【００４６】また、コンテンツ２は、特徴要素として
「自然言語」を含む段落を１つのまとまりとしている。
なお、その「自然言語」という特徴要素を含む段落はＡ
１，Ａ３，Ａ４，Ａ６であることから、該当する段落数
は「４」である。

【００４７】さらに、コンテンツ３は、特徴要素として
「ニューラルネットワーク」を含む段落を１つのまとま
りとしている。なお、その「ニューラルネットワーク」
という特徴要素を含む段落は段落Ａ１，Ａ５，Ａ６であ
ることから、該当する段落数は「３」である。

【００４８】また、この段落分類部１４は、このような
特徴要素とその特徴要素を持つ段落の分類を行うととも
に、各コンテンツと段落との対応付けも行う。たとえ
ば、コンテンツ１に属する段落は段落Ａ１，Ａ２，Ａ３
であり、コンテンツ２に属する段落は段落Ａ１，Ａ３，
Ａ４，Ａ６であり、コンテンツ３に属する段落は段落Ａ
１，Ａ５，Ａ６であるというようなそれぞれのコンテン
ツとそのコンテンツに属する段落の対応付けも行う。

【００４９】以上のような分類結果は分類結果記憶部１
５に格納される。

【００５０】出力制御部１６は、分類結果記憶部１５の
内容を読み出して分類結果として出力する。この際、分
類結果を表示部１７に表示する制御を行うとともに、ユ
ーザから検索結果表示の指示があったときは、分類結果
記憶部１５の内容と前記文書群記憶部１１の内容に基づ
いて分類としてのデータを構成し、そのデータを出力す
ることも可能である。

【００５１】図５は表示部１７に表示された分類結果の
一例を示すもので、この例ではコンテンツとしては、コ
ンテンツ１、コンテンツ２、コンテンツ３の３つのコン
テンツのみを示しているので、１つの画面上にはコンテ
ンツ１〜３までしか示されていないが、実際には、もっ
と多数のコンテンツが存在するのが普通である。このよ
うな場合には、画面の見やすさを考慮して、１画面上に
は、たとえば、１０個程度のコンテンツを表示する。な
お、１画面に表示できるコンテンツ数は適当な数を設定
できるものであり、また、コンテンツ数が多い場合は、
１０個ぐらいずつに分けてページ切替えで表示するよう
にすることも可能である。

【００５２】この図５における表示内容の例は、コンテ
ンツ１の特徴要素は「エキスパートシステム」であり、
その段落数は「３」、コンテンツ２としては、特徴要素
が「自然言語」であり、その段落数は「４」、コンテン
ツ３としては、特徴要素が「ニューラルネットワーク」
であり、その段落数は「３」であるというように表示さ
れている。

【００５３】このように、各コンテンツ毎にそのコンテ
ンツを代表する特徴要素とその特徴要素を含む段落数が
表示される。また、その表示部１７には「結果表示」と
いったユーザの指示を入力するためのユーザ指示部２１
が表示される。

【００５４】なお、図５に示した表示内容は、たとえ
ば、「コンテンツ１」、「エキスパートシステム」、
「３」というように、コンテンツを表す番号と、その特
徴要素と、段落数であるが、この表示の仕方はこれに限
られるものではなく、たとえば、該当する段落番号を表
示内容に加えることもできる。一例として、「コンテン
ツ１」、「エキスパートシステム」、「３」と表示する
とともに、該当する段落として、「段落Ａ１，Ａ２，Ａ
３」というように段落を表す内容（たとえば、段落番号
など）の表示を行うようにしてもよい。

【００５５】ユーザはこのような表示内容を見て、ユー
ザ自身の要求している情報が、たとえば、コンテンツ１
の内容（特徴要素は「エキスパートシステム」）に関係
するものではないかと判断した場合は、そのコンテンツ
１の行部分Ｒ１をマウスなどでクリックしたのち、「結
果表示」のユーザ指示部２１をクリックする。

【００５６】これにより、出力制御部１６は、選択され
たコンテンツ１に属する段落を文書群記憶部１１から読
み出して、そのコンテンツの内容を出力する。この例で
は、選択されたコンテンツ１に属する段落数は「３」で
あり、その内容は段落Ａ１，Ａ２，Ａ３であるから、出
力制御部１６は、ユーザからの結果表示要求を受ける
と、ユーザの選択したコンテンツに属する段落Ａ１，Ａ
２，Ａ３の内容を文書群記憶部１１から読み出して、そ
の内容を図６のように表示する図６は選択されたコンテ
ンツ１に属する段落Ａ１，Ａ２，Ａ３のそれぞれの文書
内容を表示した例を示すもので、この例では、１画面上
に３つの段落Ａ１，Ａ２，Ａ３の文書内容がすべて表示
された例を示しているが、１画面上に表示しきれない場
合には、ページ送りをすることで見ることができるよう
にする。

【００５７】図７は以上説明したこの実施の形態の処理
手順をフローチャートである。図７において、まず、文
書から段落を検出し、また、形態素解析を行い、その形
態素解析結果に基づいて特徴要素を抽出し、その抽出さ
れた特徴要素に基づいて図４に示されるような特徴テー
ブル１３３を作成する（ステップｓ１）。以上の処理
は、文解析部１２と特徴テーブル作成部１３にて行う。
次に、段落分類部１４がその特徴テーブル１３３を参照
してそれぞれの段落をコンテンツに分類し（ステップｓ
３）、その分類結果を分類結果記憶部１５に記憶させる
とともに、表示部１７に表示する（ステップｓ４）。こ
のとき表示される分類結果の一例としては、たとえば、
図５で示すような内容である。

【００５８】そして、ユーザがその表示を見て、所望と
するコンテンツを選択し、ユーザ指示部２１から「結果
表示」の入力を行うと、出力制御部１６は、そのユーザ
指示を受け付け（ステップｓ４）、文書群記憶部１１と
分類結果記憶部１５のそれぞれの内容から出力データを
構成して（ステップｓ５）、そのデータを出力する（ス
テップｓ６）。この出力データの一例としては、たとえ
ば、図６で示すような内容である。

【００５９】以上説明したように、この実施の形態で
は、まず、文書から段落を抽出し、その段落ごとに内容
の特徴を表す特徴要素を抽出し、それぞれの特徴要素に
もとづいて、それぞれの段落を同じ特徴要素を持つ１つ
のまとまりとみなし、それをコンテンツとして分類す
る。

【００６０】このように、文書の切り分けは、文書の内
容や種類に関係なく行えばよいので、どのような文書に
も対応でき、また、切り分けられた段落の文書内容をそ
のまま１つの段落単位で用いるのではなく、それぞれの
段落の特徴要素に基づいて、それぞれ共通する特徴要素
を持つ場合は、それらの段落を意味的なまとまりと考え
て、そのまとまりを１つのコンテンツとして抽出するよ
うにしている。

【００６１】したがって、文書解析部２が行う文書の切
り分け単位は段落であっても、出力される内容は段落単
位ではなく、意味的なまとまりを有する複数の段落の文
書内容で構成されるコンテンツ単位で出力されるので、
一つの出力単位が細分化され過ぎるようなことが無くな
る。

【００６２】これにより、前述したように、オンライン
情報において、更新された部分と更新前の情報との差を
見るというような場合、意味的なまとまりを有する複数
の段落で構成されるコンテンツで出力されることによ
り、その内容の前後関係や大局的な内容を理解するのに
きわめて好都合となる。

【００６３】なお、以上説明した実施の形態は、本発明
の好適な実施の形態の一例であるが、本発明はこれに限
定されるものではなく、本発明の要旨を逸脱しない範囲
で種々変形実施可能となるものである。また、本発明の
処理を行う処理プログラムは、フロッピィディスク、光
ディスク、ハードディスクなどの記憶媒体に記憶させて
おくことができ、本発明は、それらの記憶媒体をも含む
ものであり、また、ネットワークからデータを得る形式
でもよい。

【００６４】

【発明の効果】以上説明したように、本発明は、ある文
書から段落を抽出し、それぞれの段落ごとに特徴要素を
抽出し、前記文書を意味的なまとまりごとのコンテンツ
に分類して出力する。また、複数のコンテンツに分類し
て表示し、ユーザからのコンテンツ選択指示を受けたと
き、その選択されたコンテンツに属する文書の内容を出
力するようにしているので、文書の切り分けは、文書の
内容や種類に関係なく段落で行えばよく、どのような文
書にも対応できる。そして、段落をそのまま用いるので
はなく、意味的なまとまりを有する複数の段落で構成さ
れるコンテンツ単位で出力されるので、一つの出力単位
が細かく切り分けられ過ぎるようなことが無くなる。

【００６５】また、文書を意味的なまとまりごとのコン
テンツに分類する処理は、それぞれの段落の特徴要素に
基づいて、共通する特徴要素を持つ段落をコンテンツと
して分類するようにしているので、様々な種類の文書に
対応する段落の切り分けかたを適用して段落を細かく切
り分けすぎるような場合にも、意味的なまとまりを有す
る複数の段落で構成されるコンテンツ単位で出力される
ので、処理対象文書が意味がわからないように細分化さ
れた状態で抽出されるようなことが無くなる。

【００６６】さらに、文書を意味的なまとまりごとのコ
ンテンツに分類して表示する場合に、その表示内容は、
それぞれのコンテンツごとに、少なくとも、そのコンテ
ンツを代表する特徴要素、または、そのコンテンツを代
表する特徴要素と、そのコンテンツに含まれる段落に関
するデータからなっているので、画面上からそれぞれの
コンテンツ内容を把握し易くなり、所望とするコンテン
ツの選択を効率よく行える。

【００６７】そして、ユーザからのコンテンツ選択指示
を受けたとき、その選択されたコンテンツに属する段落
の内容を出力することにより、出力される内容は１つの
段落の文書内容ではなく、意味的なまとまりを有する複
数の段落の文書内容が出力される。これにより、たとえ
ば、コンテンツ単位で何らかの処理を行うような場合
（たとえば、オンライン情報において、更新された部分
と更新前の情報との差を見るというような場合）、意味
的なまとまりを有する複数の段落で構成されるコンテン
ツ単位で出力されるので、その内容の前後関係や大局的
な内容を理解するのにきわめて好都合となる。

【図面の簡単な説明】

【図１】本発明の実施の形態における文書情報抽出装置
の構成を示すブロック図。

【図２】本発明の実施の形態に用いられる文書群の例を
示す図。

【図３】本発明の実施の形態に用いられるある文書の段
落構成例を示す図。

【図４】本発明の実施の形態における特徴テーブルの一
例を示す図。

【図５】本発明の実施の形態における複数のコンテンツ
の表示例を示す図。

【図６】図４に示した複数のコンテンツのなかから選択
されたコンテンツに属する段落内容の出力例を示す図。

【図７】本発明の実施の形態における処理手順を説明す
るフローチャート。

【符号の説明】

１１文書群記憶部１２文解析部１３特徴テーブル作成部１４段落分類部１５分類結果記憶部１６出力制御部１７表示部２１「結果表示」のユーザ指示部１３１特徴要素抽出部１３２特徴抽出部１３３特徴テーブルＡ１〜Ａ６段落

Claims

【特許請求の範囲】

【請求項１】ある文書の文書内容から段落を検出し、
その段落ごとに内容の特徴を表す特徴要素を抽出し、そ
の特徴要素とその特徴要素を含む段落との関係を表す特
徴テーブルを作成して、その特徴テーブルに基づいて、
前記文書を意味的なまとまりごとの複数のコンテンツに
分類して出力することを特徴とする文書情報抽出方法。
【請求項２】前記文書を意味的なまとまりごとの複数
のコンテンツに分類して出力する処理は、前記特徴テー
ブルに基づいて、文書を意味的なまとまりごとの複数の
コンテンツに分類して表示し、ユーザからのコンテンツ
選択指示を受けたとき、その選択されたコンテンツに属
する段落の内容を出力することを特徴とする請求項１記
載の文書情報抽出方法。
【請求項３】前記特徴テーブルに基づいて文書を意味
的なまとまりごとの複数のコンテンツに分類する処理
は、各段落の特徴要素に基づいて、共通する特徴要素を
持つ複数の段落を１つのまとまりとし、そのまとまりを
コンテンツとすることを特徴とする請求項１または２記
載の文書情報抽出方法。
【請求項４】前記意味的なまとまりごとのコンテンツ
に分類して表示する際の表示内容は、それぞれのコンテ
ンツごとに、少なくとも、そのコンテンツを代表する特
徴要素であることを特徴とする請求項２記載の文書情報
抽出方法。
【請求項５】前記意味的なまとまりごとのコンテンツ
に分類して表示する際の表示内容は、それぞれのコンテ
ンツごとに、少なくとも、そのコンテンツを代表する特
徴要素と、そのコンテンツに含まれる段落に関するデー
タであることを特徴とする請求項２記載の文書情報抽出
方法。
【請求項６】文書群を記憶する文書群記憶部と、この文書群記憶部に記憶されている文書に対し、その文
書内容から段落を検出し、その段落ごとに形態素解析を
行う文解析部と、この文解析部による解析結果から前記各段落ごとに内容
の特徴を表す特徴要素を抽出し、その特徴要素とその特
徴要素を含む段落との関係を表す特徴テーブルを作成す
る特徴テーブル作成部と、前記特徴テーブルの内容に基づいて前記文書を意味的な
まとまりごとの複数のコンテンツに分類する段落分類部
と、この段落分類部により分類された内容を記憶する分類結
果記憶部と、この分類結果記憶部の内容を読み出して出力する出力制
御部と、を有することを特徴とする文書情報抽出装置。
【請求項７】前記出力制御部は、前記複数のコンテン
ツを表示させる制御を行うとともに、ユーザからのコン
テンツ選択指示を受けたとき、その選択されたコンテン
ツに属する段落の内容を出力することを特徴とする請求
項６記載の文書情報抽出装置。
【請求項８】前記段落分類部が行う特徴テーブルに基
づいて文書を意味的なまとまりごとのコンテンツに分類
する処理は、各段落の特徴要素に基づいて、共通する特
徴要素を持つ複数の段落を１つのまとまりとし、そのま
とまりをコンテンツとすることを特徴とする請求項６ま
たは７記載の文書情報抽出装置。
【請求項９】前記意味的なまとまりごとのコンテンツ
に分類して表示する際の表示内容は、それぞれのコンテ
ンツごとに、少なくとも、そのコンテンツを代表する特
徴要素であることを特徴とする請求項７記載の文書情報
抽出装置。
【請求項１０】前記意味的なまとまりごとのコンテン
ツに分類して表示する際の表示内容は、それぞれのコン
テンツごとに、少なくとも、そのコンテンツを代表する
特徴要素と、そのコンテンツに含まれる段落に関するデ
ータであることを特徴とする請求項７記載の文書情報抽
出装置。
【請求項１１】コンピュータによって文書抽出処理を
行う処理プログラムを記載した記憶媒体であって、その
処理プログラムは、ある文書の文書内容から段落を検出
し、その段落ごとに内容の特徴を表す特徴要素を抽出
し、その特徴要素とその特徴要素を含む段落との関係を
表す特徴テーブルを作成して、その特徴テーブルに基づ
いて、前記文書を意味的なまとまりごとの複数のコンテ
ンツに分類して出力することを特徴とする文書情報抽出
処理プログラムを記憶した記憶媒体。
【請求項１２】前記文書を意味的なまとまりごとの複
数のコンテンツに分類して出力する処理は、前記特徴テ
ーブルに基づいて、文書を意味的なまとまりごとの複数
のコンテンツに分類して表示し、ユーザからのコンテン
ツ選択指示を受けたとき、その選択されたコンテンツに
属する段落の内容を出力することを特徴とする請求項１
０記載の文書情報抽出処理プログラムを記憶した記憶媒
体。
【請求項１３】前記特徴テーブルに基づいて文書を意
味的なまとまりごとの複数のコンテンツに分類する処理
は、各段落の特徴要素に基づいて、共通する特徴要素を
持つ複数の段落を１つのまとまりとし、そのまとまりを
コンテンツとする処理であることを特徴とする請求項１
１または１２記載の文書情報抽出処理プログラムを記憶
した記憶媒体。
【請求項１４】前記意味的なまとまりごとのコンテン
ツに分類して表示する際の表示内容は、それぞれのコン
テンツごとに、少なくとも、そのコンテンツを代表する
特徴要素であることを特徴とする請求項１２記載の文書
情報抽出処理プログラムを記憶した記憶媒体。
【請求項１５】前記意味的なまとまりごとのコンテン
ツに分類して表示する際の表示内容は、それぞれのコン
テンツごとに、少なくとも、そのコンテンツを代表する
特徴要素と、そのコンテンツに含まれる段落に関するデ
ータとすることを特徴とする請求項１２記載の文書情報
抽出処理プログラムを記憶した記憶媒体。