JP4186774B2 - 情報抽出装置，情報抽出方法，およびプログラム - Google Patents

Description

本発明は，文書からユーザが必要とする情報を抽出し，抽出したい属性を示すテンプレートに，文書中の情報を対応付ける情報抽出装置，情報抽出方法，およびプログラムに関するものである。

従来より，文書からユーザが必要とする情報を抽出する情報抽出装置としては，以下の論文１，２に開示されるものがあった。

論文１：「電子ニュースのダイジェスト自動生成」情報処理学会論文誌Ｖｏｌ．３６，Ｎｏ．１０（１９９５）では，会告記事用のニュースグループから会告情報を抽出している。抽出したい属性（以下，抽出属性と呼ぶ）ごとに，その特徴情報（見出しのラベル語や言語表現パターンなど）を用意し，情報抽出に利用している。そして，これらの抽出属性は，「タイトル」，「開催期日」，「開催地」，「論文締切」，「記事種別」などのフラットなテンプレートになっている。

同様に，論文２：「オントロジーに基づく広域ネットワークからの情報収集・分類・統合化」情報処理学会論文誌Ｖｏｌ．３８，Ｎｏ．３（１９９７）でも，統合化された情報は，フラットなテンプレートになっている。

「電子ニュースのダイジェスト自動生成」情報処理学会論文誌Ｖｏｌ．３６，Ｎｏ．１０（１９９５） 「オントロジーに基づく広域ネットワークからの情報収集・分類・統合化」情報処理学会論文誌Ｖｏｌ．３８，Ｎｏ．３（１９９７）

しかしながら，上記のフラットなテンプレートを用いた場合に，次のような問題点が生ずる。

（問題点１）
例えば，論文１の表１の項目として，「開催地」の他に「開催地の住所」も抽出したい場合には，論文１では，表１の項目に「開催地の住所」を項目に付け加えることになる。しかし，その際に「開催地」と「開催地の住所」の関係は表現できない。「開催地」は，場所に関する情報を表すので，「住所」や「郵便番号」などの情報もその近くに記載されるが，それを表現できない。

（問題点２）
別の目的として，企業の所在地や連絡先の郵送先を抽出したい場合にも，場所名，郵便番号，住所などの場所情報は，よく似た抽出規則になる。したがって，場所情報は，会議などの開催場所だけでなく，企業情報や連絡先情報を抽出する目的としても再利用したい。しかし，論文１のような構造になっている場合には，別々のテンプレートを用意しなければならず，テンプレートの再利用ができない。

本発明は，従来の情報抽出装置が有する上記問題点に鑑みてなされたものであり，本発明の主な目的は，既存のテンプレートを再利用可能な属性抽出を行うことができる，新規かつ改良された情報抽出装置，情報抽出方法，およびプログラムを提供することである。

上記課題を解決するため，本発明の第１の観点によれば，入力された文書中に出現する情報を属性に対応付ける情報抽出装置が提供される。本発明の情報抽出装置（１）は，抽出対象となる１以上の属性の集合によって構成されるテンプレートが格納され，属性とその属性の抽出知識とが対応付けられて格納される抽出知識記憶部（１１）と，抽出知識記憶部を参照し，文書から抽出した情報を属性に対応付ける抽出属性決定部（１２）と，属性とその属性の値とを出力する出力部（１３）と，を含み，抽出知識記憶部（１１）に格納される属性は，関連する他のテンプレートを参照することを特徴とする。

かかる構成によれば，文書中に近接して出現する情報を，同一テンプレートにある抽出属性に優先的に対応付けるような動作を行うことにより，既存のテンプレートを再利用可能な属性抽出を行うことができる。

上記本発明の情報抽出装置において，以下のような応用が可能である。

抽出属性決定部（１２）は，文書中から固有表現を抽出し，抽出された固有表現に固有表現の種類を付加する固有表現抽出部（１２１）と，抽出知識記憶部を参照して，固有表現抽出部で付加された固有表現の種類に対応する属性，及び，固有表現の種類に対応する属性を含むテンプレートを参照する属性を，固有表現に対する候補属性として決定する候補属性決定部（１２３）と，所定の文書範囲から抽出された固有表現について，決定された候補属性が最も多く属するテンプレートを決定し，当該テンプレートに属する候補属性を文書範囲から抽出された固有表現の属性として決定する属性決定部（１２４）と，を含む。

上記所定の文書範囲は，文書中の空行で分割される範囲であってもよく，あるいは，固有表現が出現する行が連続している範囲であってもよい。

抽出知識記憶部（１１）は，抽出対象となる属性を含むテンプレートが他の属性によって参照されている場合に，所定の条件を満たす場合は，上記他の属性を候補属性に追加しないことを示す情報を格納するようにしてもよい。一般に，文書中に出現しない属性を候補属性にしないようにすることで，候補属性が多くなり計算量が増えたり，抽出精度を低下させることにならないようにできる。

抽出属性決定部（１２）は，さらに，文書中の文字列を改行，空白，句点で区切った範囲を文字列要素として抽出する文字列要素分割部（１２２）を含み，文字列要素が句点で区切られる範囲である場合，候補属性決定部は，当該文字列要素から抽出された固有表現について候補属性を決定する処理をしないようにしてもよい。

上記課題を解決するため，本発明の第２の観点によれば，入力された文書中に出現する情報を属性に対応付ける情報抽出方法が提供される。本発明の情報抽出方法は，文書を入力として受け付ける文書入力部が実行する文書入力工程（Ｓ１００）と，抽出対象となる１以上の属性の集合によって構成されるテンプレートが格納され，属性と属性の抽出知識とが対応付けられて格納される抽出知識記憶部を参照し，文書から抽出した情報を属性に対応付ける抽出属性決定部が実行する抽出属性決定工程（Ｓ１１０〜Ｓ１４０）と，属性とその属性の値とを出力する出力部が実行する出力工程（Ｓ１５０）と，を含み，抽出知識記憶部に格納される属性は，関連する他のテンプレートを参照することを特徴とする。

かかる構成によれば，文書中に近接して出現する情報を，同一テンプレートにある抽出属性に優先的に対応付けるような動作を行うことにより，既存のテンプレートを再利用可能な属性抽出を行うことができる。

上記本発明の情報抽出方法において，以下のような応用が可能である。

抽出属性決定工程は，文書中から固有表現を抽出し，抽出された固有表現に固有表現の種類を付加する固有表現抽出部が実行する固有表現抽出工程と，抽出知識記憶部を参照して，固有表現抽出工程で付加された固有表現の種類に対応する属性，及び，固有表現の種類に対応する属性を含むテンプレートを参照する属性を，固有表現に対する候補属性として決定する候補属性決定部が実行する候補属性決定工程（Ｓ１３０）と，所定の文書範囲から抽出された固有表現について，決定された候補属性が最も多く属するテンプレートを決定し，当該テンプレートに属する候補属性を文書範囲から抽出された固有表現の属性として決定する属性決定部が実行する属性決定工程（Ｓ１４０）と，を含む。

上記所定の文書範囲は，文書中の空行で分割される範囲であってもよく，あるいは，固有表現が出現する行が連続している範囲であってもよい。

抽出属性決定工程は，文書中の文字列を改行，空白，句点で区切った範囲を文字列要素として抽出する文字列要素分割部が実行する文字列要素分割工程（Ｓ１２０）を含み，文字列要素分割工程において，文字列要素が句点で区切られる場合には，当該文字列要素から抽出された固有表現について，候補属性決定工程による処理をしないようにしてもよい。

また，本発明の他の観点によれば，コンピュータを，上記本発明の情報抽出装置として機能させるためのプログラムと，そのプログラムを記録した，コンピュータにより読み取り可能な記録媒体が提供される。ここで，プログラムはいかなるプログラム言語により記述されていてもよい。また，記録媒体としては，例えば，ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ，フロッピーディスク（ＦＤ：Ｆｌｏｐｐｙ Ｄｉｓｋ）など，プログラムを記録可能な記録媒体として現在一般に用いられている記録媒体，あるいは将来用いられるいかなる記録媒体をも採用することができる。

なお上記において，構成要素に付随して括弧書きで記した参照符号およびステップは，理解を容易にするため，後述の実施の形態および図面における対応する構成要素を一例として記したに過ぎず，本発明がこれに限定されるものではない。

以上説明したように，本発明によれば，文書中に近接して出現する情報を，同一テンプレートにある抽出属性に優先的に対応付けるような動作を行うことにより，既存のテンプレートを再利用可能な属性抽出を行うことができる。

以下に添付図面を参照しながら，本発明にかかる情報抽出装置，情報抽出方法，およびプログラムの好適な実施の形態について詳細に説明する。なお，本明細書および図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。

（第１の実施の形態）
第１の実施の形態では，問題点１，２を解決するために，ある抽出属性の特徴情報が他のテンプレートにある，というネットワーク構造によって表現する。そして，文書中に近接して出現する複数の情報を，同一テンプレートにある抽出属性に優先的に対応付けるような動作を行うことを特徴とするものである。

図１は，本実施の形態にかかる情報抽出装置を示す説明図である。
情報抽出装置１は，図１に示したように，文書入力部１０と，抽出知識記憶部１１と，抽出属性決定部１２と，出力部１３を含んで構成されている。さらに，抽出属性決定部１２は，固有表現抽出部１２１と，文字列要素分割部１２２と，候補属性決定部１２３と，属性決定部１２４を含んで構成されている。さらに，属性決定部１２４は，ブロック分割部１２５と，テンプレート順位付け部１２６と，属性計算部１２７を含んで構成されている。以下に，これら構成要素について詳細に説明する。

（文書入力部１０）
文書入力部１０は，ユーザが指定したテキスト文書を入力として受け付ける。

（抽出知識記憶部１１）
抽出知識記憶部１１は，抽出属性決定部１２が，何を抽出する（抽出属性）か，どのように抽出するか（抽出属性ごとの特徴情報）に関する情報を格納する。抽出属性の特徴情報が，他のテンプレートにあることを指し示すというネットワーク構造によって表現する。

図２に抽出知識記憶部１１の構造を示す。個々のテンプレートは，「抽出属性名（属性名）」，「属性値のタイプ」，「他のテンプレートへの参照」，「その属性の見出し語になる単語（見出し語）」，「その属性は見出し語がなくても，文書中の要素と対応付けるかどうか」の各項目を持つ。図２の各行が，抽出属性の特徴情報を表す。「属性値のタイプ」項目は，その抽出属性に入る値が，人名か組織名かイベント名かのいずれの固有表現かを示す。「その属性の見出し語になる単語（見出し語）」項目は，その属性の見出しとして文書中に記載される単語を示す。「その属性は見出し語がなくても，文書中の要素と対応付けるかどうか」の項目は，その属性に，文書中の要素を対応付ける場合には，見出し語が必要かどうかを示す。表中，対応付ける場合は「Ｙｅｓ」，対応付けない場合は「Ｎｏ」で表記している。

例えば，イベント情報テンプレートの１行目において，抽出属性名「イベント名」の属性値は，「イベント名」を表すパターンであり，その見出し語として，「名称」が考えられる。「イベント名」を表すパターンに一致した文字列が文書中に出現した場合には，その前に，対応する見出し語がなくても，その文字列を，抽出属性名「イベント名」に対応付けることを示す。

また，イベント情報テンプレートの第５行目において，抽出属性名「開催地」の属性値は，場所情報テンプレートに示されていることを表す。その見出し語として「会場」，「場所」が考えられる。見出し語に一致した単語が文書中に出現しない場合でも，イベント情報の開催地に対応付けることを示す。

また，例えば，イベントの開催地の住所は，イベント情報テンプレートの「開催地」から，「他のテンプレートへの参照」項目をたどり，場所情報テンプレートの「住所」で表される。これを，「イベント情報．開催地．住所」というように，［テンプレート１］，［テンプレート１の属性名］，［テンプレート２の属性名］・・・［テンプレートｎの属性名］のようにドット記法で表現する（ｎをテンプレート部分の深さと呼ぶ）。

この中で，テンプレートを指し示す部分を，テンプレート部分と呼ぶ。例えば，「イベント情報．開催地．住所」では，「イベント情報．開催地」（［テンプレート１］，［テンプレート１の属性名］）が，場所情報テンプレート（テンプレート２）を指し示すので，この部分をテンプレート部分と呼ぶ。この例では，テンプレート部分の深さは２である。

また，［テンプレートｎの属性名］が，他のテンプレートへの参照の場合には，［テンプレート１］．［テンプレート１の属性名］．［テンプレート２の属性名］・・・［テンプレートｎの属性名］までをテンプレート部分とする。例えば，「イベント情報．講演」のテンプレート部分は，「イベント情報．講演」で，テンプレート部分の深さは２とする。

（抽出属性決定部１２）
抽出属性決定部１２は，抽出知識記憶部１１を参照し，抽出した情報を属性に対応付ける。抽出属性決定部１２は，固有表現抽出部１２１と，文字列要素分割部１２２と，候補属性決定部１２３と，属性決定部１２４を含んで構成されている。さらに，属性決定部１２４は，ブロック分割部１２５と，テンプレート順位付け部１２６と，属性計算部１２７を含んで構成されている。以下に，これら構成要素について詳細に説明する。

（固有表現抽出部１２１）
固有表現抽出部１２１は，入力された文書中の固有表現にタグを付加する。タグには，人名，組織名，役職名，場所名，イベント名などの種類がある。このような固有表現抽出部１２１としては，例えば，福本らの「固有表現抽出における日本語と英語の比較」（信学技報ＮＬＣ９８−２１（１９９８））に記載された装置が利用できる。なお，同文献に示された装置は，本実施の形態にかかる固有表現抽出部１２１の機能を実現するための一例に過ぎないため，その詳細な説明を省略するが，例えば，組織名を抽出するには，正規表現を用いて，先頭や末尾に「株式会社」を含む「○○株式会社」や「株式会社××」という部分を抽出する。イベント名についても，末尾に「シンポジウム」や「セミナー」を含む部分を抽出する。また，人名や役職名では，形態素解析で利用する辞書によって，考えられる人名をあらかじめ保持しておき，文字列一致によって抽出してもよい。固有表現抽出部１２１の機能を実現するために，同文献に示された装置以外の装置を採用してもよいことは言うまでもない。

（文字列要素分割部１２２）
文字列要素分割部１２２は，文書中の文字列を改行，空白，句点で区切った範囲として抽出する。そして，文字列要素が，句点で区切られる場合には，文とみなして，その範囲の文字列を，以降の候補属性決定部１２３で処理をしないようにする。これは，文字列要素が文の場合には，構文解析などの処理をしないと誤った属性との対応付けを起こしやすいためである。

（候補属性決定部１２３）
候補属性決定部１２３は，抽出知識記憶部１１を参照して，固有表現抽出部１２１で抽出された固有表現が，どの属性になると考えられるか，その候補を決定する。

（属性決定部１２４）
属性決定部１２４は，各固有表現の前後の候補属性を考慮して，各固有表現の属性を決定する。

（ブロック分割部１２５）
ブロック分割部１２５は，固有表現が各行で連続して出現している範囲を見つけ，その範囲をブロックとして分割する。

（テンプレート順位付け部１２６）
テンプレート順位付け部１２６は，個々のブロックの固有表現に対応する属性が，どのテンプレートにあるかを計算する。

（属性計算部１２７）
属性計算部１２７は，ブロックごとに各固有表現の属性を決定する。

（出力部１３０）
出力部１３０は，属性とその属性の値を出力する。

本実施の形態にかかる情報抽出装置１は，以上のように構成されている。
次いで，情報抽出装置１の動作について説明する。
図３は第１の実施の形態の動作を示すフローチャートである。以下，このフローチャートに沿って動作を説明する。ここでは，例として，図４に示す文書を入力として受け付けた場合について述べる。

（ステップＳ１００）
文書入力部１０は，文書を入力として受け付ける。ここでは，例として，図４に示す文書を入力として受け付けた場合について述べる。

（ステップＳ１１０）
抽出属性決定部１２は，固有表現抽出部１２１を起動する。文書全体を固有表現抽出部１２１への入力にする。文書中の固有表現にタグを付加する。図４の文書にタグ付けをした結果を図５に示す。行位置項目は先頭からの行番号を，開始位置項目は，各行の先頭から何文字目かを示す。また，見出し語は，各行に対して，２文字以上の文字列で始まり，：，］などを含む文字列として抽出する。この処理は，パターンマッチングによって行うことができる。例えば，図４の４行目が該当する。見出し語の抽出方法は，パターンマッチングの他に，見出し語に関する辞書を持っていてもよいし，この方法に限らない。

（ステップＳ１２０）
文字列要素分割部１２２は，文書を入力として，改行記号，空白記号，句点によって，各文字列要素を区切る。図４の文書を，文字列要素に分割した結果を，図６に示す。各文字列要素は，図６に示すように行位置，文字列要素の行頭からの開始位置，文字列要素，区切り方の項目を持つ。例えば，行位置＝１の「第１回○○セミナー」は，改行で終わっているので，区切り方は「改行」になっている。一方，行位置＝２の「７月２３日」は，次の文字が空白記号なので，区切り方は「空白」になっている。

（ステップＳ１３０）
候補属性決定部１２３は，ステップＳ１１０で抽出された各固有表現について，対応付けの候補となる属性（候補属性）を決定する。各固有表現について，抽出知識記憶部１１の「属性値のタイプ」項目と一致したものが，候補属性となる。

図７は候補属性決定部１２３の処理を表すフローチャートである。ステップＳ１１０で得られた固有表現を，先頭からＮ_１，Ｎ_２，・・・，Ｎ_ｍとする。例えば，図５において，固有表現は１７個あるので，ｍは１７である。

（ステップＳ１０００）
処理対象の固有表現を示すカウンタｉを１に初期化する。

（ステップＳ１０１０）
ｉがｍ以下ならステップＳ１０２０へ行く。そうでないなら終了する（すべての固有表現で処理が終了）。

（ステップＳ１０２０）
固有表現Ｎ_ｉを処理対象にする。Ｎ_ｉについて，それが，文の一部になっているかどうかを判断する。Ｎ_ｉの位置情報（行位置項目と開始位置項目）に対応する文字列要素を，ステップＳ１２０の処理結果から見つける。すなわち，Ｎ_ｉの行位置項目が，文字列要素の行位置項目項目に一致し，かつ，Ｎ_ｉの開始位置項目−文字列要素の開始位置項目が０以上で，最小のものを見つける。例えば，Ｎ_５「○○市××町１−１」に対応する文字列要素は，図６において，行位置項目と開始位置項目が一致する５行目の「○○市××町１−１」になる。

（ステップＳ１０３０）
対応する文字列要素の区切り方項目が「句点」であるなら，文とみなして，以後の処理対象とせず，ステップＳ１１２０へ行く。そうでないなら，ステップＳ１０４０へ行く。例えば，図５において，Ｎ_８「○○セミナー」に対応する文字列要素は，図６においては，「この○○セミナーでは，今後必要となる能力の向上を目的とします。」であり，これは区切り方項目が「句点」であるので，処理対象にしない。一方，それ以外のすべての固有表現は，対応する文字列要素が「句点」以外なので，処理対象になる。

（ステップＳ１０４０）
Ｎ_ｉと，抽出知識記憶部１１の属性値のタイプ項目または見出し語項目を比較する。Ｎ_ｉの固有表現のタイプ項目が「見出し語」ならば，ステップＳ１０５０へ行く。一方，Ｎ_ｉの固有表現のタイプ項目が「見出し語」以外ならば，ステップＳ１０６０へ行く。

（ステップＳ１０５０）
Ｎ_ｉの固有表現項目について，抽出知識記憶部１１の見出し語項目に一致したものがあるかどうかを調べる。一致した属性を，候補属性にし，ステップＳ１０７０へ行く。例えば，図５において，Ｎ_６の「主催」は，図２の「イベント情報．主催」に見出し語項目が一致する。Ｎ_９の「プログラム」は，図２の「イベント情報．講演」に見出し語が一致する。

（ステップＳ１０６０）
Ｎ_ｉの「固有表現のタイプ」項目について，抽出知識記憶部１１の「属性値のタイプ」項目に，一致したものがあるかどうかを調べる。一致したものに対して，次の条件１，２をチェックする。

［条件１］その属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「Ｙｅｓ」ならば，その属性を，候補属性に追加する。そうでないなら，条件２をチェックする。
［条件２］その属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「ＮＯ」で，かつ，Ｎ_ｉの同一行に「固有表現のタイプ」項目が「見出し語」である固有表現が存在し，その固有表現の候補属性が，その属性に一致しているなら追加する。そうでないなら，追加しない。
ステップＳ１０７０へ行く。

図８に図５の候補属性を示す。例えば，Ｎ_１「第１回○○セミナー」の「固有表現のタイプ」項目はイベント名なので，図２の「イベント情報．イベント名」に一致する。一方，Ｎ_２の「７月２３日」の固有表現のタイプは日時なので，図２の「イベント情報．開催日」と「講演情報．講演時間」に一致する。一致した属性を候補属性として追加する。

また，Ｎ_７「△△大学」の「固有表現のタイプ」項目は組織名なので，図２の「イベント情報．主催」，「組織情報．名称」に一致する。「イベント情報．主催」の「見出し語がなくても，その属性を対応付けるかどうか」項目の値は「Ｎｏ」なので，同一行の固有表現をチェックする。Ｎ_６の「固有表現のタイプ」項目は「見出し語」であり，候補属性が「イベント情報．主催」であるので，Ｎ_７の候補属性として，「イベント情報．主催」を追加する。

（ステップＳ１０７０）
属性情報が存在しないなら，次の固有表現を処理するために，ステップＳ１１２０へ行く。そうでないなら，ステップＳ１０８０へ行く。

（ステップＳ１０８０）
ステップＳ１０５０またはステップＳ１０６０で決定された候補属性をＰ_ｉ，１，Ｐ_ｉ，２，・・・，Ｐ_ｉ，ｎとする。例えば，図８において，Ｐ_１，１は「イベント情報．イベント名」，Ｐ_２，１は「イベント情報，開催日」，Ｐ_２，２は「講演情報，講演時間」になる。処理対象の候補属性を示すカウンタｊを１に初期化する。

（ステップＳ１０９０）
ｊがｎ以下ならステップＳ１１００へ行く。そうでないならステップＳ１１２０へ行く（すべての候補属性で処理が終了）。

（ステップＳ１１００）
候補属性Ｐ_ｉ，ｊを処理対象にする。Ｐ_ｉ，ｊの属するテンプレートの参照元を，「他のテンプレートへの参照」項目を利用して見つける。その参照元の属性を，候補属性に追加するかどうかを，次の条件で判断する。
［条件１］参照元の属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「Ｙｅｓ」ならば，その属性を候補属性に追加する。そうでないなら，条件２をチェックする。
［条件２］参照元の属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「ＮＯ」で，かつ，Ｎ_ｉの同一行に「固有表現のタイプ」項目が「見出し語」である固有表現が存在し，その固有表現の候補属性が，参照元の属性に一致しているなら追加する。そうでないなら追加しない。

例えば，Ｎ_１２の「山田太郎」の候補属性は，「人物情報．氏名」である。人名情報テンプレートを参照している属性として，「講演情報．講演者」，「組織情報．社長名」が存在している。「講演情報．講演者」の「見出し語がなくても，その属性を対応付けるかどうか」項目は「Ｙｅｓ」なので，この属性を候補属性に追加する。一方，「組織情報．社長名」の「見出し語がなくても，その属性を対応付けるかどうか」項目は，「Ｎｏ」であり，Ｎ_１２の同一行（行位置＝９）には，「固有表現のタイプ」項目が「見出し語」である固有表現が存在しないので，「組織情報．社長名」は，候補属性としない。

また，追加した候補属性についても，再帰的に，他のテンプレートから参照されていないかどうかチェックし，ステップＳ１１００を実行する。例えば，Ｐ_１，１やＰ_２，１において，イベント情報テンプレートは，他のテンプレートから参照されていないので，追加する候補属性は存在しない。一方，Ｐ_２，２では，講演情報テンプレートは，「イベント情報．講演」から参照されている。したがって，「イベント情報．講演．講演時間」を候補属性に追加する。追加した「イベント情報．講演．講演時間」については，イベント情報テンプレートが，他のテンプレートから参照されていないので，追加する候補属性はこれ以上存在しない。図８に，ステップＳ１１００で追加される候補属性を示す。

（ステップＳ１１１０）
次の候補属性で計算するために，ｊに１を加える。ステップＳ１０９０へ戻る。

（ステップＳ１１２０）
次の固有表現で計算するために，ｉに１を加える。ステップＳ１０１０へ戻る。

以上，候補属性決定部１２３の処理について説明した。
再び図３のステップＳ１４０以降を説明する。

（ステップＳ１４０）
属性決定部１２４は，ステップＳ１３０で決定された候補属性の中から，各固有表現に対応する属性を決定する。属性を決定する場合に，固有表現が各行で連続して出現する領域ごとにブロックとして定義し，ブロックごとに，どのテンプレートに対応付けるかを決定する。例えば，図４は，６，１０行目で，固有表現の連続が途切れるので，１から５行目まで，７から９行目，１１から１２行目までが個々のブロックになる。１から５行目は，図８のＮ_１からＮ_８までの固有表現が１つのブロックに属する。

この範囲の固有表現を，どのテンプレートの属性に対応付けるかを決定するために，テンプレート部分が，候補属性に挙がるごとに，１点を割り当てる。そして，高得点のテンプレートにある属性を優先的に固有表現に対応付ける。例えば，Ｎ_１からＮ_８までのブロックでは，Ｎ_１で，イベント情報に１点割り当てる。Ｎ_２では，イベント情報に１点，イベント情報．講演に１点，講演情報に１点割り当てる。同様に，Ｎ_３では，場所情報に１点，イベント情報．開催地に１点，人物情報．居住地に１点，講演情報．講演者．居住地に１点，イベント情報．講演．講演者．居住地に１点，組織情報．所在地に１点を割り当てる。

最終的に，Ｎ_１からＮ_８までのブロックの合計では，イベント情報が４点，イベント情報．開催地が３点，イベント情報．講演．講演者．居住地が３点，場所情報が３点，人物情報．居住地が３点，講演情報．講演者．居住地が３点，組織情報．所在地が３点，イベント情報．講演が１点，イベント情報．講演情報．講演者．身分．所属組織が１点，講演情報が１点，組織情報が１点，身分情報．所属組織が１点，人物情報．身分．所属組織が１点，講演情報．講演者．身分．所属組織が１点になる。

次に，Ｎ_１からＮ_８までの候補属性のうち，対応する属性を決定する。イベント情報テンプレートが最高得点なので，イベント情報テンプレートを含む候補属性を優先的に対応する属性とする。また，他にも，Ｎ_ｉに対応する属性を決定する際に，Ｎ_ｉ−１に対応する属性を含むテンプレートの属性を優先する。結果として，
Ｎ_１：イベント情報．イベント名
Ｎ_２：イベント情報．開催日
Ｎ_３：イベント情報．開催地．建物名
Ｎ_４：イベント情報．開催地．郵便番号
Ｎ_５：イベント情報．開催地．住所
Ｎ_６：イベント情報．主催
Ｎ_７：イベント情報．主催
Ｎ_８：候補なし
になる。

このような処理をするために，図９は属性決定部１２４のブロック分割部１２５の処理を表すフローチャートである。ステップＳ１１０で得られた固有表現を，先頭からＮ_１，Ｎ_２，Ｎ_ｍとする。ブロックの先頭の固有表現を表す変数をｓｔａｒｔ＿ｂｒｏｃｋ，処理対象の固有表現を示すカウンタをｉとする。

（ステップＳ１２００）
ｉを１に，ｓｔａｒｔ＿ｂｌｏｃｋを０に初期化する。

（ステップＳ１２１０）
ｉがｍ以下ならステップＳ１２２０へ行く。そうでないならステップＳ１２５０へ行く（すべての固有表現でブロックの計算処理が終了）。

（ステップＳ１２２０）
固有表現Ｎ_ｉを処理対象にする。ｓｔａｒｔ＿ｂｌｏｃｋが０ならば，ｓｔａｒｔ＿ｂｌｏｃｋをｉにする。

（ステップＳ１２３０）
ｉが１以上で，Ｎ_ｉの行位置−Ｎ_ｉ−１の行位置が２以上だったら，ブロックの終了とみなし，ステップＳ１２６０へ行く。そうでないなら，ステップＳ１２４０へ行く。

（ステップＳ１２４０）
次の固有表現で計算するために，ｉに１を加える。ステップＳ１２１０へ戻る。

（ステップＳ１２５０）
ステップＳ１３００以降で示すブロック内のテンプレートの重みの決定処理を行い，処理を終了する。

（ステップＳ１２６０）
ステップＳ１３００以降で示すブロック内のテンプレートの重みの決定処理を行う。

（ステップＳ１２７０）
ｓｔａｒｔ＿ｂｌｏｃｋを０に初期化し，ステップＳ１２４０へ戻る。

図１０は，テンプレート順位付部１２６の，ブロック内のテンプレートの重みの決定処理の動作を示すフローチャートである。ブロックの最後の固有表現を表す変数をｅｎｄ＿ｂｌｏｃｋ，処理対象の固有表現を示すカウンタをｉ２とする。

（ステップＳ１３００）
ｅｎｄ＿ｂｌｏｃｋをｉに設定する。ｉ２をｓｔａｒｔ＿ｂｌｏｃｋに設定する。

（ステップＳ１３１０）
ｉ２がｅｎｄ＿ｂｌｏｃｋ以下なら，ステップＳ１３２０へ行く。そうでないならステップＳ１３７０へ行く。

（ステップＳ１３２０）
Ｎ_ｉ２の候補属性をＰ_ｉ２，１，Ｐ_ｉ２，２，・・・，Ｐ_ｉ２，ｎとする。処理対象の候補属性を示すカウンタｊ２を１に初期化する。ブロック情報一時記憶部を初期化する。ブロック情報一時記憶部とは，そのブロックの候補属性のテンプレート部分項目と，その点数から構成される。

（ステップＳ１３３０）
ｊ２がｎ以下ならステップＳ１３４０へ行く。そうでないならステップＳ１３６０へ行く（すべての候補属性で処理が終了）。

（ステップＳ１３４０）
候補属性Ｐ_{ｉ２，ｊ２}を処理対象にする。Ｐ_{ｉ２，ｊ２}のテンプレート部分が，テンプレート情報一時記憶部に存在するなら，対応するテンプレート部分の出現数を１加算する。加算する点数は，１に限らず，１／ｎとしてもよい。この例では，１として説明する。存在しないなら，当該テンプレート部分をテンプレート部分項目に追加し，出現数を１（または，１／ｎ）に設定する。ステップＳ１３５０へ行く。この例では，１として説明する。

（ステップＳ１３５０）
次の候補属性で計算するために，ｊ２に１を加える。ステップＳ１３３０へ戻る。

（ステップＳ１３６０）
次の固有表現で計算するために，ｉ２に１を加える。ステップＳ１３１０へ戻る。

（ステップＳ１３７０）
ステップＳ１４００以降で示すブロック内の属性の決定処理を行い，ステップＳ１２５０またはステップＳ１２６０の属性の決定処理に戻る。

図１１は，ブロック内の属性の決定処理の動作を示すフローチャートである。処理対象の固有表現を示すカウンタをｉ３，処理対象の候補属性を示すカウンタをｊ３とする。

（ステップＳ１４００）
ｉ３をｓｔａｒｔ＿ｂｌｏｃｋに設定する。

（ステップＳ１４１０）
ｉ３がｅｎｄ＿ｂｌｏｃｋ以下なら，ステップＳ１４２０へ行く。そうでないなら終了し，ステップＳ１３７０に戻る。

（ステップＳ１４２０）
チェック対象の候補属性を示すカウンタｊ３を１に初期化する。

（ステップＳ１４３０）
ｊ３がｎ以下なら，ステップＳ１４４０へ行く。そうでないなら，すべての候補属性で処理が終了したので，ステップＳ１５１０へ行く。

（ステップＳ１４４０）
ブロック情報一時記憶部のテンプレート部分をＴ_１，Ｔ_２，・・・，Ｔ_ｔとする。処理対象のテンプレート部分を示すカウンタｋを１に初期化する。

（ステップＳ１４５０）
ｋがｔ以下ならステップＳ１４６０へ行く。そうでないならステップＳ１４９０へ行く（すべてのテンプレート部分で処理が終了）。

（ステップＳ１４６０）
Ｔ_ｋがＰ_{ｉ３，ｊ３}のテンプレート部分に一致するかどうか調べる。一致するなら，ステップＳ１４７０へ行く。そうでないなら，次のテンプレート部分を計算するために，ステップＳ１４８０へ行く。

（ステップＳ１４７０）
Ｐ_{ｉ３，ｊ３}の点数を次の式で計算する（ｗ_０は重みとする）。
［Ｐ_{ｉ３，ｊ３}の点数］＝［Ｔ_ｋの点数］＋［ステップＳ１４９０で計算される点数］×ｗ_０
［ステップＳ１４９０で計算される点数］を計算するために，ステップＳ１４９０へ行く。

（ステップＳ１４８０）
次のテンプレート部分で計算するために，ｋに１を加える。ステップＳ１４５０へ戻る。

（ステップＳ１４９０）
Ｎ_ｉ３の一つ前の固有表現Ｎ_ｉ３−１に対応付けられた属性と，テンプレート部分が同じ候補属性を優遇する。Ｐ_{ｉ３，ｊ３}のテンプレート部分が，Ｎ_ｉ３−１に対応する属性のテンプレート部分に完全に等しいなら，［ステップＳ１４９０で計算される点数］を１にする。テンプレート部分が前方一致していたら，その一致部分の深さｐと，Ｐ_{ｉ３，ｊ３}のテンプレート部分の深さｑ，Ｎ_ｉ３−１に対応する属性のテンプレート部分の深さｒについて，（０．８）^{ｍａｘ（ｑ，ｒ）−ｐ}とする。例えば，Ｐ_３，２が「イベント情報．開催地，建物名」，Ｐ_３，６が「イベント情報．講演．講演者．居住地．建物名」，Ｎ_２に対応する属性が「イベント情報」とすると，Ｐ_３，２に加算する点数は，（０．８）^２−１になる。なぜなら，Ｐ_３，２と，Ｎ_２に対応する属性テンプレート部分の一致部分は「イベント情報」で深さは１，Ｐ_３，２のテンプレート部分の深さは２だからである。一方，Ｐ_３，６に加算する点数は，（０．８）^４−１になる。なぜなら，Ｐ_３，６とＮ_２に対応する属性のテンプレート部分の一致部分は「イベント情報」で深さは１，Ｐ_３，６のテンプレート部分の深さは４だからである。ステップＳ１５００に行く。ただし，ｉ３−１が０なら［ステップＳ１４９０で計算される点数］を０にする。

（ステップＳ１５００）
次の候補属性で計算するために，ｊ３に１を加える。ステップＳ１４３０へ戻る。

（ステップＳ１５１０）
Ｐ_ｉ３，１，Ｐ_ｉ３，２，・・・，Ｐ_ｉ３，ｎの点数のうち，最大のものをＮ_ｉ３の属性に決定する。ステップＳ１５２０に行く。

（ステップＳ１５２０）
次の固有表現で計算するために，ｉ３に１を加える。ステップＳ１４１０へ戻る。前出の通り，Ｎ_１からＮ_８までのブロックでは，ｗ_０＝１とすると，
Ｎ_１：イベント情報．イベント名（４点）
Ｎ_２：イベント情報．開催日（４点＋１．０×１点）
Ｎ_３：イベント情報．開催地．建物名（３点＋０．８×１点）
Ｎ_４：イベント情報．開催地．郵便番号（３点＋０．８×１点）
Ｎ_５：イベント情報．開催地．住所（３点＋０．８×１点）
Ｎ_６：イベント情報．主催（４点＋０．８×１点）
Ｎ_７：イベント情報．主催（４点＋１．０×１点）
Ｎ_８：候補なし

また，Ｎ_９からＮ_１３までのブロックでは，イベント情報．講演が３点，イベント情報が１点，講演情報が２点，人物情報が１点，講演情報．講演者が１点，イベント情報．講演．講演者が１点，組織情報が１点，身分情報．所属組織が１点，人物情報．身分．所属組織が１点，講演情報．講演者．身分．所属組織が１点，イベント情報．講演情報．講演者．身分．所属組織が１点になる。そして，上位のイベント情報．講演を含む候補属性が，次のように対応付けられる。
Ｎ_９：イベント情報．講演（３点）
Ｎ_１０：イベント情報．講演．講演時間（３点＋１．０×１点）
Ｎ_１１：イベント情報．講演．タイトル（３点＋１．０×１点）
Ｎ_１２：イベント情報．講演．講演者．氏名（１点＋０．８×１点）
Ｎ_１３：イベント情報．講演．講演者．身分．所属組織．氏名（１点＋０．６４×１点）
Ｎ_１４からＮ_１７までのブロックもほぼ同様である。

（第１の実施の形態の効果）
以上説明したように，本実施の形態によれば，固有表現と抽出属性を対応付けるための知識を，ある抽出属性の特徴情報が他のテンプレートにある，というネットワーク構造によって表現する。そして，文書中に近接して出現する情報を，同一テンプレートにある抽出属性に優先的に対応付けるような動作を行うことにより，既存のテンプレートを再利用可能な属性抽出を行うことができる。

（第２の実施の形態）
第１の実施の形態では，他のテンプレートを参照しているときに，参照先のテンプレートにあるすべての属性が，候補属性になるようにしていた。例えば，文書中に住所が出現する場合に，イベントでの講演者の住所（イベント．講演．講演者．住所）も候補属性になっていた。しかし，一般に，イベントの講演を示す文書中に，講演者の住所が記載されることはないため，そのような属性を候補属性にすると，候補属性が多くなり計算量が増えたり，抽出精度を低下させることになる。そこで，第２の実施の形態では，あるテンプレートから参照される場合に，候補属性を限定できるようにする。

第２の実施の形態にかかる情報抽出装置の構成は，第１の実施の形態と実質的に同一の構成とする。ただし，抽出知識記憶部１１に，参照元のテンプレートに応じて，その属性を候補属性に追加しないための項目を追加する。図１２に，抽出知識記憶部１１の例を示す。抽出知識記憶部１１の一番右の項目が，テンプレートが参照されている場合に，属性を候補属性に追加しないための項目である。この項目の値は，他のテンプレートの属性名である。例えば，図１２の「人物情報．居住地」では，この項目に「講演情報．講演者」が設定されている。これは，「人物情報．居住地」が，他のテンプレートから参照される属性（例えば，講演情報．講演者．居住地や，組織情報．社長．居住地や，イベント．講演．講演者．居住地）などのうち，講演情報．講演者をテンプレート部分の一部に持つ属性（例えば，講演情報．講演者．居住地や，イベント．講演．講演者．居住地）を，候補属性にしないことを示す。

本実施の形態にかかる情報抽出装置の動作は，候補属性決定部１２３が，第１の実施の形態と異なり，他の処理は，第１の実施の形態と同一である。

図７の第１の実施の形態のステップＳ１１００に，次のような条件０を追加する。これにより，図７のステップＳ１１００の代わりにステップＳ２０００とする。

（ステップＳ２０００）
候補属性Ｐ_ｉ，ｊを処理対象にする。Ｐ_ｉ，ｊのテンプレート名を参照している他のテンプレートを，「他のテンプレートへの参照」項目を利用して見つける。その参照元の属性を，候補属性に追加するかどうかを，次の条件で判断する。
［条件０］「他のテンプレートから参照されたときに，候補属性にしないもの」の項目に値があり，その値が参照元の属性と一致したら，候補属性に追加しない。そうでないなら，条件１，条件２をチェックする。
［条件１］参照元の属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「Ｙｅｓ」ならば，その属性を，候補属性に追加する。そうでないなら，条件２をチェックする。
［条件２］参照元の属性の「見出し語がなくても，その属性を対応付けるかどうか」項目の値が「ＮＯ」で，かつ，Ｎ_ｉの同一行に「固有表現のタイプ」項目が「見出し語」である固有表現が存在し，その固有表現の候補属性が，参照元の属性に一致しているなら追加する。そうでないなら，追加しない。

また，追加した候補属性についても，再帰的に「他のテンプレートへの参照」項目を参照するが，条件０をチェックする際に，以前の「他のテンプレートから参照されたときに，候補属性にしないもの」の項目の値を引き継いでチェックする。

例えば，Ｎ_５「○○市××町１−１」の候補属性は，「場所情報．建物名」である。場所情報テンプレートを参照している属性として，「人物情報．居住地」，「組織情報．所在地」，「イベント情報．開催地」が存在している。このうち，「人物情報．居住地」と「組織情報．所在地」の「他のテンプレートから参照されたときに，候補属性にしないもの」の項目は「講演情報．講演者」である。「人物情報．居住地」，「組織情報．所在地」，「イベント情報．開催地」は，すべて「講演情報．講演者」を含まないから，条件０は満たす。

しかし，これらを参照しているテンプレートを考慮すると，「人物情報．居住地」について「講演情報．講演．講演者．居住地」は，「他のテンプレートから参照されたときに，候補属性にしないもの」の項目に一致する。したがって，「講演情報．講演。講演者．居住地」は，条件０を満たさないため，候補属性にしない。

同様に，「組織情報．所在地」についても，これを参照しているテンプレートとして，「講演情報．講演．講演者．身分．所属組織．所在地」は，条件０を満たさないため，候補属性にしない。

結果として，図１３に候補属性の例を示す。図８と比べて，Ｎ_３〜Ｎ_５の候補属性で，「イベント．講演．講演者．居住地」と「講演情報．講演者．居住地」で始まる候補属性がなくなっている。

（第２の実施の形態の効果）
以上説明したように，本実施の形態では，一般に，文書中に出現しない属性を候補属性にしないようにすることで，候補属性が多くなり計算量が増えたり，抽出精度を低下させることにならないようにできる。

以上，添付図面を参照しながら本発明にかかる情報抽出装置の好適な実施の形態について説明したが，本発明はかかる例に限定されない。当業者であれば，特許請求の範囲に記載された技術的思想の範疇内において各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。

例えば，以下のような応用が可能である。

（１）第１の実施の形態では，個々の固有表現に対応する属性を１つに絞り込んだが，第２，第３の候補を挙げたほうがよい場合もある。そこで，出力する候補属性の点数の閾値を指定することで，複数の候補をユーザに提示することができる。

（２）第１の実施の形態では，文書入力部１０への入力として，テキスト文書を例にしたが，ＨＴＭＬ文書でも拡張可能である。そのためには，文字列要素分割処理で，行位置の他に，実際に，ＨＴＭＬ文書をブラウザで表示させた場合に，１行で表示される範囲を抽出する処理を行う。例えば，表の各行を表すタグ＜ｔｒ＞と＜／ｔｒ＞で囲まれる範囲が続いても，＜ｂｒ＞や＜ｐ＞などのタグがないかぎりは，１行で表示される。これは従来のブラウザがもっているＨＴＭＬタグの解析機能を利用すれば解析可能である。

（３）上記実施の形態では，各固有表現に属性を対応付ける処理までを示した。この処理の後で，例えば，第１の実施の形態では，Ｎ_１０からＮ_１３までと，Ｎ_１４からＮ_１７がそれぞれ別の講演を表すことを検出する処理が行われる。その処理の際に，本提案の固有表現に属性を対応付ける処理に誤りがあり，以降の処理で，正しい結果が得られないとシステムが判断した場合には，再度，固有表現に属性を対応付ける処理を行ってもよい。

（４）文字列要素が文の場合には，構文解析などの処理をしないと誤抽出を起こしやすいため，文になっている部分は，候補属性決定部で処理対象としなかった。しかし，構文解析などを行って候補属性を決定する方法と組み合わせることも可能である。

（５）上記実施の形態では，テンプレートが表形式になっていたが，例えば，ＲＤＦＳ（Ｒｅｓｏｕｒｃｅ Ｄｅｓｃｒｉｐｔｉｏｎ Ｆｒａｍｅｗｏｒｋ Ｓｃｈｅｍａ）などの，オントロジ記述言語などを利用して，３項組みのフォーマットで記述してもよい。

（６）ステップＳ１４７０では，完全にテンプレート部分が一致したものに対してだけ加算していたが，テンプレート部分の一部が一致した場合でも加算できるようにしてもよい。

（７）ステップＳ１４０では，固有表現が連続する範囲ごとに，ブロックを分割していたが，空行ごとにブロックを分割してもよい。

本発明は，文書からユーザが必要とする情報を抽出し，抽出したい属性を示すテンプレートに，文書中の情報を対応付ける情報抽出装置，情報抽出方法，およびプログラムに利用可能である。

第１の実施の形態にかかる情報抽出装置の概略構成を示すブロック図である。 抽出知識記憶部１１の一例を示す説明図である。 第１の実施の形態にかかる情報抽出装置の動作を示すフローチャートである。 文書入力部１０に入力される入力文書の一例を示す説明図である。 固有表現抽出部１２１の出力例を示す説明図である。 文字列要素分割部１２２の出力例を示す説明図である。 候補属性決定部１２３の動作を示すフローチャートである。 候補属性の一例を示す説明図である。 ブロック分割部１２５の動作を示すフローチャートである。 テンプレート順位付け部１２６の動作を示すフローチャートである。 属性計算部１２７の動作を示すフローチャートである。 抽出知識記憶部１１の一例を示す説明図である。 候補属性の一例を示す説明図である。

符号の説明

１ 情報抽出装置
１０ 文書入力部
１１ 抽出知識記憶部
１２ 抽出属性記憶部
１３ 出力部
１２１ 固有表現抽出部
１２２ 文字列要素分割部
１２３ 属性情報決定部
１２４ 属性決定部
１２５ ブロック分割部
１２６ テンプレート順位付け部
１２７ 属性計算部

Claims (10)

1. 入力された文書中に出現する情報を属性に対応付ける情報抽出装置において，
   文書を入力として受け付ける文書入力部と，
   抽出対象となる１以上の属性の集合によって構成されるテンプレートが格納され，前記属性と前記属性の抽出知識とが対応付けられて格納される抽出知識記憶部と，
   前記抽出知識記憶部を参照し，前記文書から抽出した情報を前記属性に対応付ける抽出属性決定部と，
   前記属性とその属性の値とを出力する出力部と，
   を含み，
   前記抽出知識記憶部に格納される前記属性は，関連する他のテンプレートを参照し，前記抽出知識記憶部に格納される前記属性の抽出知識は，属性の種類を含み，
   前記抽出属性決定部は，
   前記文書中から固有表現を抽出し，前記抽出された固有表現に前記固有表現の種類を付加する固有表現抽出部と，
   前記抽出知識記憶部を参照して，前記固有表現抽出部で付加された前記固有表現の種類と一致する前記属性の種類に対応付けられた前記属性を，前記固有表現に対する候補属性として決定するとともに，当該属性を含むテンプレートを参照する属性を，前記固有表現に対する候補属性として決定する候補属性決定部と，
   所定の文書範囲から抽出された前記固有表現について，決定された候補属性が最も多く属するテンプレートを決定し，当該テンプレートに属する候補属性を前記文書範囲から抽出された固有表現の属性として決定する属性決定部と，
   を含むことを特徴とする，情報抽出装置。
2. 前記所定の文書範囲は，文書中の空行で分割される範囲であることを特徴とする，請求項１に記載の情報抽出装置。
3. 前記所定の文書範囲は，前記固有表現が出現する行が連続している範囲であることを特徴とする，請求項１に記載の情報抽出装置。
4. 前記抽出知識記憶部は，前記抽出対象となる属性を含むテンプレートが他の属性によって参照されている場合に，当該他の属性のうち，前記候補属性に追加されないものが満たす条件を格納することを特徴とする，請求項１〜３のいずれかに記載の情報抽出装置。
5. 前記抽出属性決定部は，文書中の文字列を改行，空白，句点で区切った範囲を文字列要素として抽出する文字列要素分割部を含み，
   前記文字列要素が句点で区切られる範囲である場合，前記候補属性決定部は，当該文字列要素から抽出された前記固有表現について候補属性を決定する処理をしないようにすることを特徴とする，請求項１〜４のいずれかに記載の情報抽出装置。
6. 抽出対象となる１以上の属性の集合によって構成されるテンプレートが格納され，かつ，前記属性と前記属性の抽出知識とが対応付けられて格納される抽出知識記憶部を備えるとともに，文書入力部と，抽出属性決定部と，出力部とを備え，入力された文書中に出現する情報を属性に対応付ける情報抽出装置による情報抽出方法において，
   前記抽出属性決定部は，固有表現抽出部と，候補属性決定部と，属性決定部とを有し，
   前記文書入力部が文書を入力として受け付ける文書入力工程と，
   前記抽出属性決定部が前記抽出知識記憶部を参照し，前記文書から抽出した情報を前記属性に対応付ける抽出属性決定工程と，
   前記出力部が前記属性とその属性の値とを出力する出力工程と，
   を含み，
   前記抽出知識記憶部に格納される前記属性は，関連する他のテンプレートを参照し，前記抽出知識記憶部に格納される前記属性の抽出知識は，属性の種類を含み，
   前記抽出属性決定工程は，
   前記固有表現抽出部が前記文書中から固有表現を抽出し，前記抽出された固有表現に前記固有表現の種類を付加する固有表現抽出工程と，
   前記候補属性決定部が前記抽出知識記憶部を参照して，前記固有表現抽出工程で付加された前記固有表現の種類と一致する前記属性の種類に対応付けられた前記属性を，前記固有表現に対する候補属性として決定するとともに，当該属性を含むテンプレートを参照する属性を，前記固有表現に対する候補属性として決定する候補属性決定工程と，
   前記属性決定部が所定の文書範囲から抽出された前記固有表現について，決定された候補属性が最も多く属するテンプレートを決定し，当該テンプレートに属する候補属性を前記文書範囲から抽出された固有表現の属性として決定する属性決定工程と，
   を含むことを特徴とする，情報抽出方法。
7. 前記所定の文書範囲は，文書中の空行で分割される範囲であることを特徴とする，請求項６に記載の情報抽出方法。
8. 前記所定の文書範囲は，前記固有表現が出現する行が連続している範囲であることを特徴とする，請求項６に記載の情報抽出方法。
9. 前記抽出属性決定工程は，文字列要素分割部が文書中の文字列を改行，空白，句点で区切った範囲を文字列要素として抽出する文字列要素分割工程を含み，
   前記文字列要素が句点で区切られる場合，当該文字列要素から抽出された前記固有表現について，前記候補属性決定工程による処理をしないようにすることを特徴とする，請求項６〜８のいずれかに記載の情報抽出方法。
10. コンピュータを，請求項１〜５のいずれかに記載の情報抽出装置として機能させるための，プログラム。

Images