JP5441174B2 - 関係情報抽出装置、その方法及びプログラム - Google Patents

Description

本発明は、入力されたテキストを要約する要約システム等において重要な役割を果たす、複数の固有表現に関係する情報を抽出する技術に関する。

従来、複数の固有表現に関係する情報を抽出する技術として、入力テキストの係り受け構造と、入力テキストに含まれる単語が固有表現間の関係を示すものとして用いられやすいか否かを表す情報とを素性とした機械学習により、関係情報を抽出するものが知られている（例えば非特許文献１参照）。

例えば、「日本の鳩山首相は来月韓国を訪問する。」というテキストと、「鳩山」及び「日本」という固有表現の組とが入力されると、「日本の」という文節が「鳩山首相は」という文節に係っているという係り受け構造と、「首相」という単語が人物と組織の関係を示すものとして用いられやすい単語であるという情報に基づいて、「首相」という情報が上記固有表現の組の関係を示す情報として抽出される。

また、上記の関係情報抽出技術を用いた場合には、「鳩山」及び「韓国」という固有表現の組が入力された場合に、「訪問する」という情報が関係情報として抽出される。

平野 徹、他２名、"関係名詞らしさを用いた固有表現間の関係同定"、言語処理学会第１５回年次大会講演論文集、２００９年３月、Ｄ５−５

しかしながら、非特許文献１記載の技術では、各固有表現と関係情報が同一文に存在する場合において関係情報を抽出することが可能であるが、各固有表現と関係情報がそれぞれ異なる文に存在する場合には、各固有表現を含む文節と関係情報を含む文節との係り受け関係が不明であることから、最適な関係情報を抽出することができない。

なお、発明者が、無作為に抽出された８，１５０のテキストに含まれる総数１１，２３６の＜固有表現１、固有表現２、関係情報＞の３つ組のうち各固有表現と関係情報が同一文に存在する＜固有表現１、固有表現２、関係情報＞の３つ組の数を調査したところ、各固有表現と関係情報が同一文に存在する＜固有表現１、固有表現２、関係情報＞の３つ組の数は９，１７８であった。即ち、従来技術では、関係情報を抽出することができるのは全ての３つ組のうち約８２％の３つ組からのみであり、あらゆるテキストから最適な関係情報を抽出することが困難であった。

本発明は前記問題点に鑑みてなされたものであり、その目的とするところは、あらゆるテキストにおいて、複数の固有表現間の関係情報を抽出可能な装置、その方法及びプログラムを提供することにある。

本発明の関係情報抽出装置は、前記目的を達成するために、入力された複数の固有表現に関係する情報を抽出する装置であって、前記各固有表現を含むテキストと、当該各固有表現からなる固有表現の組とが入力されると、入力テキストを形態素解析し、入力テキストを構成する文節の係り受けとともに前記固有表現の組を解析する解析処理部と、解析処理部による解析結果を取得すると、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節を関係情報候補として抽出した後に、各固有表現及び関係情報候補の全てが抽出されるまで入力テキストの文頭から順に抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域に記憶させ、各固有表現及び関係情報候補の全てが抽出されると該記憶領域における名詞文節の格納状態を表す格納情報を取得し、解析処理部による解析結果に基づき前記固有表現の組の種類に対応するモデルを選択し、解析処理部による解析結果及び格納情報に基づいて各関係情報候補が前記固有表現の組の関係情報か否かを前記モデルを用いて判別し、関係情報を抽出する関係情報抽出処理部とを備えている。

また、本発明の関係情報抽出方法は、前記目的を達成するために、入力された複数の固有表現に関係する情報を、コンピュータを用いて抽出する方法であって、前記コンピュータは、各固有表現を含むテキストと、当該各固有表現からなる固有表現の組とが入力されると、入力テキストを形態素解析し、入力テキストを構成する文節の係り受けとともに前記固有表現の組を解析し、前記コンピュータは、前記解析結果を取得すると、入力テキストを構成する文のうち各固有表現を含む文とは異なる他の文において自立語を含む文節を関係情報候補として抽出した後に、各固有表現及び関係情報候補の全てが抽出されるまで入力テキストの文頭から順に抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域に記憶させ、各固有表現及び関係情報候補の全てが抽出されると該記憶領域における名詞文節の格納状態を表す格納情報を取得し、解析結果に基づき前記固有表現の組の種類に対応するモデルを選択し、解析結果及び格納情報に基づいて各関係情報候補が前記固有表現の組の関係情報か否かを前記モデルを用いて判別し、関係情報を抽出している。

さらに、本発明のプログラムは、コンピュータを、上記関係情報抽出装置の各手段として機能させるためのものである。

さらにまた、本発明のプログラムは、コンピュータに、上記関係情報抽出方法の各処理を実行させるためのものである。

これにより、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節が関係情報候補として抽出されるとともに、入力テキストの文頭から各固有表現及び関係情報候補の全てが抽出されると、記憶領域における名詞文節の格納状態を表す格納情報及び解析結果に基づいて、関係情報候補から関係情報が抽出されることから、記憶領域に記憶された名詞文節の格納状態に基づいて、各固有表現とは異なる文に存在する関係情報候補から関係情報を抽出することが可能となる。

本発明の関係情報抽出装置、その方法及びプログラムによれば、記憶領域に記憶された名詞文節の格納状態に基づいて、各固有表現とは異なる文に存在する関係情報候補から関係情報を抽出することができるので、例えば「次に、注目の対決。あの鈴木社長と高橋院長という偉大な金持ちによる、夢のような企画。」というテキストが入力された場合に、「鈴木」及び「高橋」という固有表現の組を含む文とは異なる文に存在する関係情報「対決」を抽出することができる。従って、あらゆるテキストにおいて、複数の固有表現間の関係情報を抽出することができる。

本発明の第１の実施形態における関係情報抽出装置の構成図 関係情報抽出処理のフロー図 係り受け解析部による解析結果の概要を示す図 固有表現対応付け部による処理結果の概要を示す図 ＳＲＬ情報のデータ構造の一例を示す図 中心話題情報抽出部による処理結果の概要を示す図 本発明の第２の実施形態におけるＳＲＬ情報のデータ構造の一例を示す図 本発明の第２の実施形態における中心話題情報抽出部による処理結果の概要を示す図 本発明の第３の実施形態における関係情報抽出装置の構成図 本発明の第３の実施形態における関係情報抽出処理のフロー図 関係推定情報取得部による処理結果の概要を示す図

図１乃至図６は本発明の第１の実施形態を示すもので、図１は本実施形態における関係情報抽出装置の構成図、図２は関係情報抽出処理のフロー図、図３は係り受け解析部による解析結果の概要を示す図、図４は固有表現対応付け部による処理結果の概要を示す図、図５はＳＲＬ情報のデータ構造の一例を示す図、図６は中心話題情報抽出部による処理結果の概要を示す図である。

以下、図面を参照して本発明の関係情報抽出装置及びその方法の概要を説明する。

本発明の関係情報抽出装置は、周知のＣＰＵを主体として構成されたコンピュータ装置からなり、モニタ等の表示手段、キーボード等の入力手段、ハードディスクやメモリ等の記憶手段及び外部ネットワークに接続可能な通信装置等（何れも図示省略）を備えている。また、本実施形態の関係情報抽出装置には、解析処理部１０と、関係情報抽出処理部２０と、モデル記憶部３０とが設けられている。

解析処理部１０は、図１に示すように形態素解析部１１、係り受け解析部１２及び固有表現対応付け部１３からなり、２つの固有表現からなる固有表現の組と、テキストとが入力手段を用いて入力されると、入力テキストを形態素解析するとともに入力テキストを構成する文節の係り受け関係を解析するようになっている。なお、本実施形態では、「鈴木」と「高橋」の２つの固有表現からなる固有表現の組が入力される。

形態素解析部１１は、入力テキストを取得すると（図２のステップＳ１−１）、入力テキストに対して周知の形態素解析処理を行うことにより入力テキストを単語分割し、分割した各単語に品詞を付与して出力する（図２のステップＳ１−２）。例えば、「次に、注目の対決。あの鈴木社長と高橋院長という偉大な金持ちによる、夢のような企画。」というテキストが入力された場合には、形態素解析部１１による処理結果は、「次に（連用詞）／、（読点）／注目（名詞）／の（助詞）／対決（名詞）／。（句点）」、「あの（連体詞）／鈴木（名詞）／社長（名詞）／と（助詞）／高橋（名詞）／院長（名詞）／と（助詞）／い（動詞）／う（動詞接尾辞）／偉大（名詞）／な（判定詞）／金持ち（名詞）／による（助詞）／、（読点）／夢（名詞）／の（助詞）／よう（補助名詞）／な（判定詞）／企画（名詞）／。（句点）」となる。

係り受け解析部１２は、形態素解析部１１から取得した形態素解析済みの入力テキストに対して周知の係り受け解析処理を行うことにより、該テキストを文節に分割し、分割された複数の文節間の係り受け関係を解析して出力する（図２のステップＳ１−３）。この場合、例示した入力テキストが係り受け解析部１２によって解析されると、図３に示すような係り受け構造を表す情報（係り受け木）が解析結果として出力される。ここで、「次に／、」という文節と、「注目／の」という文節とは、それぞれ「対決／。」という文節に係っており、これらの係り受け関係をデータとして実装する場合には、例えば「（対決。（次に、）（注目の）」というように表現される。また、これらの係り受け関係には、周知の係り受け解析技術において定義された係り受けタイプ情報（通常の係り受け関係を表す「Ｄ」、並列の係り受け関係を表す「Ｐ」、「同格の係り受け関係を表す「Ａ」または自己係りの関係を表す「Ｑ」）が付与される。

固有表現対応付け部１３は、入力された固有表現の組と係り受け解析部１２の解析結果とを用いて固有表現対応付け処理を行うためのものである。具体的に説明すると、固有表現対応付け部１３は、入力手段を用いて入力された固有表現の組及び係り受け解析部１２で解析された入力テキストを取得すると（図２のステップＳ１−４）、入力された各固有表現に対応する固有表現を入力テキストから抽出し、抽出された固有表現に対して固有表現を表す固有表現識別子を付与する（図２のステップＳ１−５）。例えば、「鈴木」という固有表現が入力された場合には、入力テキスト中の「鈴木」は「＜ＰＳＮ＞鈴木＜／ＰＳＮ＞」と表記される。ここで、「ＰＳＮ」は人名を表す固有表現識別子であり、本実施形態では、周知の固有表現抽出技術において定義された８種類の固有表現識別子（人名を表す「ＰＳＮ」、組織名を表す「ＯＲＧ」、地名を表す「ＬＯＣ」、人工物名を表す「ＡＲＴ」、金額を表す「ＭＮＹ」、割合を表す「ＰＮＴ」、時刻を表す「ＴＩＭ」及び日付を表す「ＤＡＴ」）が用いられている。

なお、本実施形態では、固有表現の組を「鈴木：高橋」のように表記する。この場合、固有表現の組のうち入力テキストにおいて先に現れる固有表現（「鈴木」）が前方固有表現として「：」の左側に表され、後に現れる固有表現（「高橋」）が後方固有表現として「：」の右側に表される。また、本実施形態における固有表現対応付け部１３の処理結果は図４のように示される。

次に、関係情報抽出処理部２０の概要を説明する。関係情報抽出処理部２０は、関係情報候補抽出部２１と、中心話題情報抽出部２２と、モデル選択部２３と、分類器２４と、関係情報抽出部２５とからなり、解析処理部１０から取得した解析結果に基づいて固有表現の組の関係情報を抽出するようになっている。

関係情報候補抽出部２１は、解析処理部１０による解析結果を固有表現対応付け部１３から取得すると、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節を関係情報候補として抽出する（図２のステップＳ１−６）。例えば、本実施形態では、図４に示した解析結果が入力されると、「注目の」及び「対決。」という２つの文節が関係情報候補として抽出される。なお、「次に、」という文節のうち「次に」の品詞は連用詞であり、自立語ではないことから、「次に、」という文節が関係情報候補として抽出されることはない。

中心話題情報抽出部２２は、解析処理部１０による解析結果を固有表現対応付け部１３から取得するとともに、関係情報候補を関係情報候補抽出部２１から取得すると、各固有表現及び関係情報候補の全てが抽出されるまで入力テキストの文頭から順に抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域に記憶する。また、中心話題情報抽出部２２は、各固有表現及び関係情報候補の全てが抽出されると該記憶領域における名詞文節の格納状態を表す格納情報を取得する（図２のステップＳ１−７）。なお、前記ステップＳ１−６において関係情報候補が複数抽出された場合には、格納情報が各関係情報候補毎に取得される。

ここで、本実施形態では、日本語のテキスト等において省略された主語を特定する処理に用いられるＳＲＬ（Ｓａｌｉｅｎｔ Ｒｅｆｅｒｅｎｔ Ｌｉｓｔ）情報に基づいて格納情報を取得する。ＳＲＬ情報は、入力テキストにおいて既に出現した単語のうち話題の中心となる単語を特定するために用いられるものであり、特定された単語は、後続の文に含まれる単語との関連性が高いものと判別される。なお、ＳＲＬ情報及びこれを用いた処理の詳細については、Shigeko Nariyama: Grammar for ellipsis resolution in Japanese, In Proceedings of the 9th International conference on Theoretical and Methodological Issues in Machine Translation, Kyoto Japan, 135-145 (2002)を参照されたい。

また、ＳＲＬ情報を記憶する記憶手段（図示省略）は、複数の助詞（本実施形態では「は」、「が」、「に」、「を」及びこれら以外の助詞を表す「他」）のそれぞれに対応する記憶領域を有し、名詞文節が入力テキストの文頭から順に抽出される毎に、抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域にＬＩＦＯスタック形式で記憶する。なお、名詞文節が新たに記憶領域に記憶されると、該記憶領域における該名詞文節の記憶順位が最上位（１位）に記憶されるようになっている。

中心話題情報抽出部２２の具体的な処理内容について説明する。中心話題情報抽出部２２は、図４に示す解析結果と、「注目の」及び「対決。」という２つの関係情報候補とを取得すると、「鈴木：高橋」という固有表現の組及び「対決。」という関係情報候補の全てが抽出されるまで、入力テキストの先頭から名詞文節を抽出する。まず、中心話題情報抽出部２２は、入力テキストから「注目」という名詞文節を読み出すと、図５に示すように、該名詞文節に伴う助詞「の」に対応する記憶領域が記憶手段に存在しないことから、助詞「他」に対応する記憶領域の１番目のレコードとして「注目」という名詞文節を記憶する。

次に、中心話題情報抽出部２２は、「対決」という名詞文節を読み出すと、図５に示すように、該名詞文節に伴う助詞「は」に対応する記憶領域の１番目のレコードとして「対決」という名詞文節を記憶する。ここで、入力テキストでは、「対決」の後に「は」が伴っていないが、入力テキストの文が体言止めで表現されている場合には、提題を表す「は」という助詞が伴うと考えられることから、「対決」という名詞文節が助詞「は」に対応する記憶領域に記憶される。

次いで、中心話題情報抽出部２２は、入力テキストから「鈴木社長」という名詞文節を読み出すと、図５に示すように、該名詞文節に伴う助詞「と」に対応する記憶領域が記憶手段に存在しないことから、助詞「他」に対応する記憶領域の２番目のレコードとして「注目」という名詞文節を記憶する。この場合、助詞「他」に対応する記憶領域において、「鈴木社長」という名詞文節が最上位のレコードとなる。

次に、中心話題情報抽出部２２は、「高橋院長」という名詞文節を読み出したときに、「鈴木：高橋」という固有表現の組及び「対決。」という関係情報候補の全てが抽出されたことを判別する。また、中心話題情報抽出部２２は、このときのＳＲＬ情報に基づいて、各固有表現と関係情報候補の文脈的構造を表す木構造データを格納情報として取得する。図６を参照して具体的に説明すると、中心話題情報抽出部２２は、図５に示されたＳＲＬ情報の基点要素、即ち各固有表現及び関係情報候補のうち最後に読み出された「高橋」という固有表現をルートノード１００に配置する。

そして、中心話題情報抽出部２２は、ＳＲＬ情報において他の固有表現「鈴木」及び関係情報候補の格納状況を子ノードとして配置する。例えば、他の固有表現「鈴木」については、他の固有表現を表すノード１０１が、ルートノード１００の子ノードとして配置される。また、他の固有表現がＳＲＬ情報のうちどの助詞に対応する記憶領域に記憶されていたかを表すノード１０２と、その記憶領域における記憶順位を表すノード１０３とが、それぞれノード１０１の子ノードとして配置される。さらに、関係情報候補「対決。」については、関係情報候補であることを表すノード１０４がルートノード１００の子ノードとして配置される。また、関係情報候補の表記を表すノード１０５と、関係情報候補の品詞を表すノード１０６と、関係情報候補がＳＲＬ情報のうちどの助詞に対応する記憶領域に記憶されていたかを表すノード１０７と、その記憶領域における記憶順位を表すノード１０８とが、それぞれノード１０４の子ノードとして配置される。なお、図６では、各固有表現の表記を固有表現のクラスで表している。

このようにして、固有表現の組「鈴木：高橋」と「対決。」という関係情報候補についての格納情報が取得される。また、「注目の」という関係情報候補と固有表現の組「鈴木：高橋」についても上記と同様の処理を行うことにより、格納情報が取得される。

モデル選択部２３は、中心話題情報抽出部２２の処理結果を取得すると、固有表現対応付け部１３によって付与された固有表現識別子に基づいて固有表現の組を分類するとともに、後述の分類器２４によって抽出されるモデルの種類を選択する（図２のステップＳ１−８）。例えば、固有表現の組として「鈴木：高橋」が入力された場合には、モデル選択部２３は固有表現の組を「人名：人名」という種類に分類し、分類された固有表現の組の種類を出力する。

分類器２４は、中心話題情報抽出部２２の処理結果と、モデル選択部２３の処理結果とを取得すると、モデル選択部２３で選択された固有表現の組の種類に基づいて、複数のモデルが記憶されたモデル記憶部３０からモデルを抽出する。そして、分類器２４は、各関係情報候補が固有表現の組の関係情報となるか否かを、抽出したモデルを用いて判別する（図２のステップＳ１−９）。

ここで、モデルは、所定の固有表現の組に対応する関係情報について事前に判別された結果と、該所定の固有表現の組に対応する各固有表現を含むテキストを用いて解析処理部１０及び関係情報抽出処理２０から事前に抽出された情報とを用いて周知の機械学習を行うことにより予め生成されている。また、所定の固有表現の組についての判別結果は人的な判断に基づいて事前になされている。なお、各モデルを、例えば「人名：地名」や「人名：人名」等のように固有表現の組の種類に応じて構成してもよいし、種類を区別することなく構成してもよい。

この場合、分類器２４による判別には、中心話題情報抽出部２２によって取得された格納情報が利用されていることから、各関係情報候補が固有表現の組の関係情報となるか否かを、記憶領域に記憶された名詞文節の格納状態に基づいて判別することができる。なお、本実施形態では、各関係情報候補のうち「対決。」という関係情報候補は、「鈴木：高橋」という固有表現の組の関係情報であると判別される。

なお、分類器２４を、関係情報となる否かという判別結果の他に、関係情報となり得る度合を表す数値を出力するように構成してもよい。また、機械学習としては、周知のものを用いることが可能であるが、木構造やグラフ構造のデータを直接入力して学習可能に構成されたものを用いることが望ましい。

関係情報抽出部２５は、各関係情報候補のうち、固有表現の組の関係情報であると分類器２４によって判別された関係情報候補を抽出する。また、関係情報抽出部２５は、抽出された関係情報候補のうち文節の先頭から主辞までの単語を関係情報として抽出し、表示手段に出力する（図２のステップＳ１−１０）。なお、分類器２４が、関係情報となり得る度合を表す数値を出力するように構成されている場合には、関係情報抽出部２５は、該数値が最も大きい関係情報候補を関係情報として抽出するようにしてもよいし、該数値が所定の閾値より大きい関係情報候補を関係情報として抽出するようにしてもよい。

このようにして、「次に、注目の対決。あの鈴木社長と高橋院長という偉大な金持ちによる、夢のような企画。」というテキストと、「鈴木：高橋」という固有表現の組とが入力されると、「対決」という関係情報が抽出される。

前述したように上記実施形態では、記憶領域に記憶された名詞文節の格納状態に基づいて、各固有表現とは異なる文に存在する関係情報候補から関係情報を抽出することができるので、例えば「次に、注目の対決。あの鈴木社長と高橋院長という偉大な金持ちによる、夢のような企画。」というテキストが入力された場合に、「鈴木」及び「高橋」という固有表現の組を含む文とは異なる文に存在する関係情報「対決」を抽出することができる。従って、あらゆるテキストにおいて、複数の固有表現間の関係情報を抽出することができる。

また、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補に対応する名詞文節が記憶された記憶領域の助詞を格納情報として取得するので、関係情報の判別処理の際に当該名詞文節に伴う助詞を素性として用いることができることから、最適な関係情報の抽出精度を向上させることができる。

さらに、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補に対応する名詞文節の前記記憶領域における記憶順位を格納情報として取得するので、関係情報の判別処理の際に当該名詞文節の記憶順位を素性として用いることができることから、最適な関係情報の抽出精度を向上させることができる。

さらにまた、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補の品詞を格納情報として取得するので、関係情報の判別処理の際に当該名詞文節の品詞を素性として用いることができることから、最適な関係情報の抽出精度を向上させることができる。

以下に、本発明の第２の実施形態に係る関係情報抽出装置、その方法及びプログラムについて説明する。本実施形態が前述した第１の実施形態と異なる点は、関係情報抽出処理部２０が、各固有表現及び関係情報候補の全てが抽出されると、記憶領域に記憶された名詞文節のうち、各固有表現の何れか１つまたは関係情報候補に対応する文節と係り受け関係を有する名詞文節の格納状態を表す情報を格納情報として取得する点にある。他の構成及び動作については前述した各実施形態と同様なので、ここでは相違点のみを説明する。

前述したＳＲＬ情報には名詞文節のみが記憶されるため、関係情報候補が動詞文節である場合には、該関係情報候補がＳＲＬ情報に記憶されない。従って、関係情報候補を含む格納情報を取得することができないことから、最適な関係情報を取得することができないおそれがある。

そこで、本実施形態の中心話題情報抽出部２２は、各固有表現及び関係情報候補の全てが抽出されると、記憶領域に記憶された名詞文節のうち、各固有表現の何れか１つまたは関係情報候補に対応する文節と係り受け関係を有する名詞文節の格納状態を表す情報を格納情報として取得する。以下に、中心話題情報抽出部２２の具体的な処理内容について説明する。

中心話題情報抽出部２２は、解析処理部１０による解析結果（本実施形態では、「Ｘ：Ｙ」という固有表現の組が入力されている）を解析処理部１３から取得するとともに、「○○」という関係情報候補を関係情報候補抽出部２１から取得すると、「Ｘ：Ｙ」という固有表現の組及び「○○」という関係情報候補の全てが抽出されるまで、入力テキストの先頭から名詞文節を抽出して記憶領域に記憶する。ここで、「○○」という関係情報候補が「□□」という名詞文節に係る動詞文節であり、固有表現の組及び関係情報候補のうち「Ｙ」という固有表現が入力テキストの最後にあらわれる場合には、固有表現「Ｙ」が抽出されたときのＳＲＬ情報が図７のように示される。

次に、中心話題情報抽出部２２は、図７のＳＲＬ情報に基づいて、各固有表現と関係情報候補の文脈的構造を表す木構造データを格納情報として取得する。図８を参照して具体的に説明すると、中心話題情報抽出部２２は、図７に示されたＳＲＬ情報の基点要素、即ち各固有表現及び関係情報候補のうち最後に読み出された「Ｙ」という固有表現をルートノード１００に配置する。

そして、中心話題情報抽出部２２は、ＳＲＬ情報において他の固有表現「鈴木」の格納状況を子ノードとして配置する。他の固有表現「Ｘ」については、他の固有表現を表すノード１０１が、ルートノード１００の子ノードとして配置される。また、他の固有表現がＳＲＬ情報のうちどの助詞に対応する記憶領域に記憶されていたかを表すノード１０２と、その記憶領域における記憶順位を表すノード１０３とが、それぞれノード１０１の子ノードとして配置される。

また、関係情報候補「○○」は動詞文節であるため、ＳＲＬ情報に記憶されていないが、中心話題情報抽出部２２は、関係情報候補「○○」の係り先文節である「□□」の格納状況を子ノードして用いる。即ち、中心話題情報抽出部２２は、係り先文節「□□」がＳＲＬ情報のうちどの助詞に対応する記憶領域に記憶されていたかを表すノード１１０を、ルートノード１００の子ノードとして配置する。また、関係情報候補を表すノード１１１が、ノード１１０の子ノード１１１として配置される。さらに、関係情報候補の表記を表すノード１１２と、関係情報候補の品詞を表すノード１１３と、文節「□□」に対する関係情報候補の係り受け関係を表すノード１１４と、記憶領域における文節「□□」の記憶順位を表すノード１１５とが、それぞれノード１１１の子ノードとして配置される。

このようにして、固有表現の組「Ｘ：Ｙ」と「○○」という関係情報候補についての格納情報が取得される。そして、取得された格納情報がモデル選択部２３に送信される。なお、モデル選択部２３、分類器２４及び関係情報抽出部２５の処理内容は、第１の実施形態と同様である。この場合、「○○」が、固有表現の組「Ｘ：Ｙ」の関係情報として抽出される。

上記実施形態では、各固有表現及び関係情報候補の全てが抽出されると、記憶領域に記憶された名詞文節のうち、各固有表現の何れか１つまたは関係情報候補に対応する文節と係り受け関係を有する名詞文節の格納状態を表す情報を格納情報として取得するので、例えば関係情報候補が動詞文節である場合にも、該関係情報候補を含む格納情報を取得することができる。従って、該格納情報に基づいて最適な関係情報を取得することができることから、関係情報の抽出精度をより向上させることができる。

以下に、本発明の第３の実施形態に係る関係情報抽出装置、その方法及びプログラムについて説明する。本実施形態が前述した第１及び第２の実施形態と異なる点は、関係情報抽出処理部２０が、解析処理部１０による解析結果を取得すると、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節を関係情報候補として抽出した後に、該関係情報候補が関係情報であると推定される度合を表す関係推定情報と前記格納情報とを、抽出された関係情報候補毎に取得し、解析結果、関係推定情報及び格納情報に基づいて関係情報候補から関係情報を抽出する点にある。他の構成及び動作については前述した各実施形態と同様なので、ここでは相違点のみを説明する。

本実施形態の関係情報抽出装置には、図９に示すように、解析処理部１０と、関係情報抽出処理部２０と、モデル記憶部３０と、関係推定情報記憶部４０とが設けられている。

また、関係情報抽出処理部２０は、関係情報候補抽出部２１と、中心話題情報抽出部２２と、モデル選択部２３と、分類器２４と、関係情報抽出部２５と、関係推定情報取得部２６とから構成されている。

次に、関係情報抽出処理部２０の動作について図１０のフロー図を参照して説明する。ここで、図１０のステップＳ２−１〜ステップＳ２−７の処理内容及びステップＳ２−９〜ステップＳ２−１１の処理内容は、図２のステップＳ１−１〜Ｓ１−７の処理内容及びステップＳ１−８〜ステップＳ１−１０の処理内容それぞれと同様である。

関係推定情報取得部２６は、中心話題情報抽出部２２の処理結果を取得すると、関係情報候補が関係情報であると推定される度合を表す関係推定情報を、関係推定情報記憶部４０から取得する（図１０のステップＳ２−８）。関係推定情報記憶部３０には、例えば「注目＝０．２」、「対決＝１」というように、複数の形態素それぞれに対応する複数の関係推定情報が事前に記憶されており、各関係推定情報は、人的または後述の算出方法により作成されている。例えば、関係推定情報取得部２６は、図６に示した格納情報を取得すると、関係推定情報記憶部３０に記憶された各関係推定情報のうち、「対決。」という関係情報候補に対応する関係推定情報を検索し、該当する関係推定情報「１」を抽出する。そして、関係推定情報取得部２６は、抽出した関係推定情報を、図１１に示すように格納情報における候補ノード１０４の子ノード１２０として追加する。なお、関係推定情報取得部２６は、関係情報候補抽出部２１にて抽出された他の関係情報候補（「注目の」）についても同様の処理を行う。

また、関係情報の推定度合を大規模コーパスから算出する技術については、田中他、「意味範疇の散らばりに基づいた名詞の統語範疇の分類」、情報処理学会論文誌、ｖｏｌ．４０、ｎｏ．９、ｐｐ．３３８７−３３９６、１９９９年９月を参照されたい。

このように、上記実施形態では、解析処理部による解析結果を取得すると、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節を関係情報候補として抽出した後に、該関係情報候補が関係情報であると推定される度合を表す関係推定情報と前記格納情報とを、抽出された関係情報候補毎に取得し、解析結果、関係推定情報及び格納情報に基づいて関係情報候補から関係情報を抽出するので、関係情報候補が関係情報であると推定される度合も素性として用いることができ、関係情報の抽出精度をさらに向上させることができる。

なお、上記実施形態は本発明の具体例に過ぎず、本発明が上記実施形態のみに限定されることはない。例えば、本発明は、周知のコンピュータに記録媒体もしくは通信回線を介して、図１、図９の構成図に示された機能を実現するプログラムあるいは図２、図１０のフローに示された手順を備えるプログラムをインストールすることによっても実現可能である。

また、関係情報候補抽出部２１を、入力テキストに含まれる文節の先頭の形態素が所定の機能動詞（例えば「なる」、「ある」、「及ぼす」等）に該当するとともに、その形態素の直前の形態素が当該機能動詞に対応付けられた助詞（例えば「が」、「を」、「に」等）に該当する場合には、これらの形態素を含む２つの文節をまとめて１つの関係情報候補として抽出してもよい。例えば、関係情報候補抽出部２１は、「及ぼす」という機能動詞と、該機能動詞に対応する「を」という助詞とを所定の記憶装置（図示省略）に記憶している。そして、「影響を」という文節と「及ぼす」という文節が入力テキスト内で連続して現れる場合には、関係情報候補抽出部２１は、「影響を」という文節と、「及ぼす」という文節をまとめた「影響を及ぼす」を関係情報候補として抽出する。

この場合、所定の助詞と機能動詞の組合せからなる文節を関係情報候補として抽出することができるので、関係情報候補の数を増加させることができ、最適な関係情報の抽出精度を向上させることができる。

１０…解析処理部、１１…形態素解析部、１２…係り受け解析部、２０…関係情報抽出処理部、２１…関係情報候補抽出部、２２…中心話題情報抽出部、２５…関係情報抽出部、２６…関係推定情報取得部、４０…関係推定情報記憶部

Claims (7)

1. 入力された複数の固有表現に関係する情報を抽出する装置であって、
   前記各固有表現を含むテキストと、当該各固有表現からなる固有表現の組とが入力されると、入力テキストを形態素解析し、入力テキストを構成する文節の係り受けとともに前記固有表現の組を解析する解析処理部と、
   解析処理部による解析結果を取得すると、入力テキストを構成する複数の文のうち各固有表現を含む文とは異なる他の文から自立語を含む文節を関係情報候補として抽出した後に、各固有表現及び関係情報候補の全てが抽出されるまで入力テキストの文頭から順に抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域に記憶させ、各固有表現及び関係情報候補の全てが抽出されると該記憶領域における名詞文節の格納状態を表す格納情報を取得し、解析処理部による解析結果に基づき前記固有表現の組の種類に対応するモデルを選択し、解析処理部による解析結果及び格納情報に基づいて各関係情報候補が前記固有表現の組の関係情報か否かを前記モデルを用いて判別し、関係情報を抽出する関係情報抽出処理部とを備えた
   ことを特徴とする関係情報抽出装置。
2. 前記関係情報抽出処理部は、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補に対応する名詞文節が記憶された記憶領域の助詞を格納情報として取得する
   ことを特徴とする請求項１記載の関係情報抽出装置。
3. 前記関係情報抽出処理部は、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補に対応する名詞文節の前記記憶領域における記憶順位を格納情報として取得する
   ことを特徴とする請求項１または２記載の関係情報抽出装置。
4. 前記関係情報抽出処理部は、各固有表現及び関係情報候補の全てが抽出されると、前記関係情報候補の品詞を格納情報として取得する
   ことを特徴とする請求項１乃至３何れか１項記載の関係情報抽出装置。
5. 入力された複数の固有表現に関係する情報を、コンピュータを用いて抽出する方法であって、
   前記コンピュータは、各固有表現を含むテキストと、当該各固有表現からなる固有表現の組とが入力されると、入力テキストを形態素解析し、入力テキストを構成する文節の係り受けとともに前記固有表現の組を解析し、
   前記コンピュータは、前記解析結果を取得すると、入力テキストを構成する文のうち各固有表現を含む文とは異なる他の文において自立語を含む文節を関係情報候補として抽出した後に、各固有表現及び関係情報候補の全てが抽出されるまで入力テキストの文頭から順に抽出された名詞文節を、該名詞文節に伴う助詞に対応付けられた記憶領域に記憶させ、各固有表現及び関係情報候補の全てが抽出されると該記憶領域における名詞文節の格納状態を表す格納情報を取得し、解析結果に基づき前記固有表現の組の種類に対応するモデルを選択し、解析結果及び格納情報に基づいて各関係情報候補が前記固有表現の組の関係情報か否かを前記モデルを用いて判別し、関係情報を抽出する
   ことを特徴とする関係情報抽出方法。
6. コンピュータを、請求項１乃至４何れか１項記載の関係情報抽出装置の各手段として機能させるためのプログラム。
7. コンピュータに、請求項５記載の関係情報抽出方法の各処理を実行させるためのプログラム。

Images