JPS6349930A - キ−ワ−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 文書ファイリング装置等において、登録する文書に対し
て次回の検索を効率的に行うために各文書に対してキー
ワードを設定することが一般に行われている。本発明は
前記キーワードを文書テキストから半自動的に抽出する
キーワード抽出装置に関するものである。

従来の技術 近年光ディスクのような大容量の記憶装置を用いた文書
ファイリング装置の需要が特に○ム（オフィスオートメ
ーション）の分野で高まっている。

これらの文書ファイリング装置等では、記憶装置に格納
する文書情報に対し、後の検索処理を迅速かつ効率的に
行うため、文書登録時に検索キー情報として「文書キー
ワード」を加えることが一般に行われている。

この際、オペレータが自ら登録文書の文意を解釈してキ
ーワードを設定するものに加えて、現在では文書テキス
トから半自動的にキーワード候補を抽出するものがあり
、キーワード登録処理作業を効率的に行えるようにして
いる。

従来のキーワード抽出装置としては、例えば特開昭５７
−５９２７７号公報に示されている。第９図は従来のキ
ーワード抽出装置の構成を表すブロック図である。

１はテキスト入力部であシ、通常ワードプロセッサで行
われているように、かな漢字変換および入力テキストの
編集手段を用いて日本語テキストを対話的な処理により
逐次入力作成するものである。以下、テキストとは、日
本語文字表記列を意味する。２はテキスト記憶部であり
、テキスト入力部１より入力された日本語文書のテキス
トデータを一時記憶格納する。３はテキスト表示部であ
り、入力された文書テキストをオペレータが確認するた
めに、テキスト記憶部２上のテキスト情報を出力表示す
る。４はキーワード抽出部であり、前記テキスト記憶部
２上に作成された日本語文書のテキストを対象としてそ
のなかに含まれる重要な単語をキーワード候補として自
動的に取り出す。

この際、キーワード抽出部４はその内部に日本語テキス
トを単語単位に区切るために用いる区切り辞書と、区切
られた単語のうち重要でないと考えられる物を抽出して
取り除くために参照される不要語テーブルを持ち、テキ
ストをこれらの辞書、テーブルと順次対照することでキ
ーワードを効率的に抽出する。５はキーワード−時記憶
部であり、前記キーワード抽出部４から抽出された複数
のキーワードを一時格納するものである。６はキーワー
ド出力部であり、前記キーワード−時記憶部６に記憶さ
れたキーワードを日本語表示装置上に出力表示する。７
はキーワード修正部であり、キーワード抽出部４により
自動的に抽出されたキーワード候補をオペレータが修正
、追加、削除することができる。この際、各キーワード
候補を１つのテキスト情報として扱いテキスト入力部１
０編集機能を利用して修正、追加、削除を行う。

以上のように構成された従来のキーワード抽出装置にお
いては、テキスト入力部１を用いて入力された文書タイ
トル、抄録、文書全体等、特定の単位のテキスト情報を
テキスト記憶部２に一時記憶した後、全テキストに対し
てキーワード抽出部４がキーワード抽出処理を行いその
結果をキーワード−特記ｍ部５に表示させていた。その
後出力されたキーワードをオペレータがキーワード修正
部７の機能を用いて、マニュアルで修正、追加、削除を
行い最終的に登録すべきキーワードを決定していた。

発明が解決しようとする間頭点 しかしながら１以上のように構成された従来のキーワー
ド抽出装置においては、オペレータはキーワード抽出の
対象となる原テキストを一括で指示していたので、特に
原テキスト量が大きい場合、キーワード抽出の精度が低
くその結果として抽出されたキーワードの再修正に手間
がかかるという問題があった。

これを以下もう少し具体的に説明する。

キーワード抽出装置の実現上困難だと考えられているも
ののうち主なものはなにが重要な語であるかを文書中か
ら選択すること自体である。これを実現するためにはキ
ーワード自動抽出処理は単に文章解析のみならず文書内
容が言及している各分野の知識を要する。

これまでのシステムは不要語除去のだめの不要語テーブ
ルをもち、文書中の単語と不要語テーブルを対照し合致
したものを取り除くことでこの作業を代替してきた。た
だし、この方法ではオペレータにとって本当に重要な語
にまぎれて、多くのあまり関係のないキーワードが候補
の中に混入することが多く問題とされていた。

例えば、第１０図の文書中から前記手段を用いてキーワ
ード抽出すると、第１１図のような結果を得る。この文
書は「歳末の事故防止を呼び掛ける通達文」である。第
１１図に現れだキーワード候補の数を見れば判るように
、本当に重要である文書の要点である単語を絞り込めな
いためにやたらと多くの冗長なキーワード候補を出力し
ている。

本発明は、前記従来の「キーワード抽出装置」の問題に
鑑み、オペレータが自らキーワード抽出の対象とすべき
文書の要点となる箇所を指定できる手段を設けることに
より、より高速、効率的に正しいキーワードを低いコス
トで得ることのできるキーワード抽出装置を提供するこ
とを目的とする。

問題点を解決するだめの手段 本発明は、少なくとも日本語文字表記を入力するテキス
ト入力部と、入力された日本語テキストを一時格納する
テキスト記憶部と、前記テキスト記憶部に格納されたテ
キストを出力表示するテキスト表示部と前記テキスト記
憶部に格納された日本語テキストのうち一部を指定する
範囲選択部と、前記範囲選択部で指定されたテキストを
対象として、そのなかに含まれるキーワードを抽出する
キーワード抽出部と、前記キーワード抽出部で抽出され
たキーワードを出力表示するキーワード出力部を持つこ
とを特徴とするキーワード抽出装置である。

作用 本発明は前記した構成によシ、オペレータらが日本語テ
キストの中から自ら重要と見なす箇所を指定することの
できる範囲選択部を用いキーワード抽出の対象となるテ
キストをオペレータの意図に近い形で部分的に絞り込む
ことで高速に高品質のキーワードを抽出することができ
る。

実施例 第１図は本発明の一実施例におけるキーワード抽出装置
の構成をあられすブロック図である。本構成図のうち１
．２，３，４，５．６および７は第９図の従来例の同一
番号の構成要素と同一である。８は範囲指定装置であり
、オペレータが表示されたテキスト上でいずれが重要な
部分であるかの指示をする。このため、キーワード抽出
開始位置指定キーとキーワード抽出終了位置指定キー、
テキスト表示部３上に表示されているテキスト上でカー
ソルを移動するだめのカーソルキーを持つ。

９は範囲選択部であり、前記範囲指定装置８で指定され
たキーワード抽出開始位置とキーワード抽出終了位置の
情報をもとにテキスト記憶部２上のテキストの一部を対
象としてキーワード抽出部４を起動し、対応するキーワ
ードを抽出せしめる。

以上のように構成された本実施例のキーワード抽出装置
について、以下その動作を〔キーワード抽出範囲指定〕
〔キーワード抽出〕〔キーワード修正〕に分けて第２図
のフローチャートを用いて説明する。

〔キーワード抽出範囲指定〕

第３図に、作成されたテキスト情報と範囲指定の途中の
テキスト表示部３の表示状態を示す。

１０１　： オペレータはテキスト入力部１のかな漢字変換を用いて
日本語文書テキストを入力する。入力ミスの場合まだは
、オペレータがテキスト修正を意図した場合はカーソル
位置への文字追加、削除の編集機能を用いてこれを修正
し所望する文書テキスト情報を作成することができる。

この間、作成中および作成後のテキスト情報はテキスト
表示部３に常時表示されている。

１　ｏ２　： 次にオペレータが先に入力した日本語テキストからキー
ワードを取り出したいと意図し、カーソル移動ののちキ
ーワード抽出開始位置指定キーを押下すると範囲選択部
９は指定された位置情報ＫＳＴをその内部に記憶し、テ
キスト表示部３上でカーソル位置の文字を反転表示する
。

１０３　： 次にオペレータは先に入力したキーワード抽出開始位置
ＫＳＴにつづき、カーソルをキーワード抽出最終−に移
動させたのちキーワード抽出終了位置指定キーを押下す
ると範囲選択部９は抽出終了位置情報ＫＥＮをＫＳＴと
同様に記憶する。

１０４　： 前記１０３の処理でキーワード抽出終了位置指示キーが
押下されると同時に内部て記憶したキーワード抽出開始
位置情報ＫＳＴとキーワード抽出終了位置情報ＫＥＮで
示される位置の間のテキスト情報を１次元文字列テキス
トとしてキーワード抽出部４に対して与えキーワード抽
出処理を開始する。

〔キーワード抽出〕

２０１　： キーワード抽出部４はまず、句読点、文字種の変わり目
等の情報を用いて、与えられたテキストをまず大きく分
割する。第５図に、この大分割の分割点を黒丸の印で示
した。また第６因には、以後の説明のため分割されたテ
キストに番号を付けたものを順に示した。

２ｏ２　： 次にキーワード抽出部４は分割されたテキストを単語区
切り辞書を参照しつつ、個々の単語に分割する。辞書は
単語表記の順に並べられたものであや、辞書との参照は
先頭から一致する文字数が最も多い単語をテキスト中に
現れた単語として認定する「最長−教法」に基づき、順
に単語区切りを示すセパレータ「／」を挿入する。この
際に参照された単語が付属語である場合には、文節内単
語区切りのセパレータ「＝」を挿入する。第７図は第６
図の「８」のテキストにこの処理を施した結果を示して
いる。

２ｏ３　： キーワード抽出部４は２０１の処理が終了すると同時に
、セパレータで分割された単語列を「不要語テーブル」
に参照し、重要でないと解釈できる単語をテキスト中か
ら削除する。不要語の例としては、いわゆる「てにをは
」を含む付属語類、す変動詞の活用語尾等がある。第７
図で下線を引いた箇所がこれに相当する部分である。

２０４　： キーワード抽出部４は２０２の処理が終了した時点で、
残った単語群をキーワードとしてキーワード−時記憶部
５に格納しその結果をキーワード−時記憶部５に表示す
ると同時にキーワード表示位置をキーワード修正部下の
内部に記憶する。例えば、第７図の単語列から、第８図
のキーワード候補が得られる。その後再び入力待ち状態
になる。

〔キーワード修正〕

３０１　： 追加、削除キーが押下された時、その時点のカーソル位
置が２０３で記憶したキーワード位置に含まれるｋらば
、該当するキーワードに対してテキスト入力部１を起動
する。

３０２　： テキスト入力部１はキーワード修正部７から与えられた
テキストとしてのキーワードを日本語入力、編集手段を
用いて編集する。

３ｏ３　： ３０２０編集が終了した時点で、キーワード修正部７は
再びキーワードとして修正後のキーワード表記とその表
示位置情報を設定し直す。

以上のように本実施例によれば、キーワード抽出終了位
置指定を行うタイミングで抽出処理を開始しており改め
て開始指定を行うオペレータの負担を軽減している。

なお、本実施例においてはテキスト入力手段としてかな
英字変換方式を用いたが文字認識その他の入力手段でち
ってもよい。

また、本実施例においてはキーワード抽出処理として単
語を区切った後不要語を取り除く方式を用いているがキ
ーワード抽出処理方式を特にこれに限定するものではな
く、統計情報を利用したり、かかり解析その池の構文、
意味解析手法を用いたものであってもよい。

また、範囲指定の方法として不実施例では文字と文字の
間で指定する方式を用いていたが、行単位での指定、ま
た矩形の端点での指定等別の方法であってもよい。

また、本実施例では範囲指定の際、連続するテキストを
一度の指定で選択していたが複数回の指定で複数のテキ
ストを指定してもよい。

また、範囲指定手段としてキーボードからのカーソル移
動を用いていたが、マウス等のポインティングデバイス
を利用してもよい。

発明の詳細 な説明したように、本発明によればキーワード抽出処理
を高精度に行うことができ、高品質のキーワードを抽出
することができる。

【図面の簡単な説明】

を表すフローチャート、第３図は本実施例に対して適用
されるテキストの例を示す説明図、第４図は本実施例の
キーワード抽出装置が出力したキーワードの例を示す説
明図、第５図、第６図、第Ｔ図、第８図は本実施例のキ
ーワード抽出装置の動作を説明する説明図、第９図は従
来のキーワード抽出装置のブロック図、第１０図は従来
のキーワード抽出装置に適用されるテキストの例を示す
説明図、第１１図は従来のキーワード抽出装置が出力し
たキーワードの例を示す説明図である。 １・・・・・・テキスト入力部、２・・・・・・テキス
ト記憶部、３・・・・・・テキスト表示部、４・・・・
・・キーワード抽出部、５・・・・・・キーワード−時
記憶部、６・・・・・・キーワード−時記憶部、７・・
・・・・キーワード修正部、８・・・・・・範囲指定装
置、９・・・・・・範囲選択部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第１
図 第２図 第７図 第８図 第９図

Claims (1)

【特許請求の範囲】
1. 少なくとも日本語文文字表記を入力するテキスト入力部
   と、入力された日本語テキストを一時格納するテキスト
   記憶部と、前記テキスト記憶部に格納されたテキストを
   出力表示するテキスト表示部と、前記テキスト記憶部に
   格納された日本語テキストのうち一部を指定する範囲選
   択部と、前記範囲選択部で指定されたテキストを対象と
   して、そのなかに含まれるキーワードを抽出するキーワ
   ード抽出部と、前記キーワード抽出部で抽出されたキー
   ワードを出力表示するキーワード出力部を持つことを特
   徴とするキーワード抽出装置。