JP6505421B2 - 情報抽出支援装置、方法およびプログラム - Google Patents

Description

本発明の実施形態は、情報抽出支援装置、方法およびプログラムに関する。

Ｗｅｂページや文書から、単語の属性（例えば、商品名とその商品の価格）を抽出する情報抽出を行うために、文書から属性情報を抽出する方式が提案されている。このような方式を用いることで、文書中の特定の情報を整理する（例えば、商品スペック一覧を文書から抜き出して表にまとめる）ことが容易となる。
しかし、文書毎に抽出したい情報が異なる場合は、属性を選択する手間がかかる。よって、従来技術として、指定されたカテゴリに文書集合を分類し、文書の分類に応じてどの情報を抽出するかを決める技術がある。

特開２００１−１３４６００号公報 特開２０１０−２０５２１８号公報

しかしながら、情報を抽出する者（分析者）が熟練者でない場合、目的に応じてどのような属性を抽出すれば良いか分からないという問題がある。特に、抽出すべき属性が文書の特徴の組み合わせによって決まる場合、文書と抽出する特徴の関係とを考慮することは、熟練者でなければ難しい。さらに、文書の数が増えると、抽出すべき情報量が増えるため、チェック負担が増大する。

本開示は、上述の課題を解決するためになされたものであり、分析に必要な情報抽出を支援することができる情報抽出支援装置、方法およびプログラムを提供することを目的とする。

本実施形態に係る情報抽出支援装置は、第１取得部、判定部、選択部および抽出部を含む。第１取得部は、所望の情報の種類を示す属性を分析対象として抽出可能である文書を取得する。判定部は、前記属性が有効であるかどうかを判定し、有効であると判定された属性を属性候補として得る。選択部は、前記属性候補の中から分析に用いる属性を選択属性として選択する。抽出部は、前記文書から前記選択属性に属する表現を属性表現として抽出する。

第１の実施形態に係る情報抽出支援装置を示すブロック図。 第１の実施形態に係る情報抽出装置の情報抽出処理を示すフローチャート。 対象文書から抽出される属性表現の一例を示す図。 対象文書の分析結果となるテーブルの一例を示す図。 特徴格納部に格納される論理ルールの一例を示す図。 属性候補提示部および生成部で生成される分析結果の提示例を示す図。 第２の実施形態に係る情報抽出支援装置を示すブロック図。 ユーザインタフェースの一例を示す図。 論理ルールを更新する一例を示す図。

以下、図面を参照しながら本実施形態に係る情報抽出支援装置、方法およびプログラムについて詳細に説明する。なお、以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。

（第１の実施形態）
第１の実施形態に係る情報抽出支援装置について図１のブロック図を参照して説明する。
第１の実施形態に係る情報抽出支援装置１００は、文書取得部１０１、特徴格納部１０２、有効性判定部１０３、属性候補提示部１０４、選択部１０５、属性表現抽出部１０６および生成部１０７を含む。

文書取得部１０１は、分析対象となる１以上の対象文書を取得する。対象文書は、ユーザから入力されることにより取得してもよいし、外部のサーバなどから自動で収集するようにしてもよい。本実施形態における対象文書とは、例えば、ｗｅｂページやインターネット上にアップロードされているニュース記事といった自然文で表現されたテキストデータを想定する。しかし、これに限らず、データから属性を抽出できるものであればよい。属性は、ユーザが抽出したい所望の情報の種類を示し、例えば、商品名、価格、企業名が挙げられる。また、文書取得部１０１は、ユーザから入力される分析の目的（以下、分析目的ともいう）を取得してもよい。分析目的は、ユーザが所望する分析処理の目的であり、例えば、技術マップや、サプライチェーン、家系図が挙げられるが、これらに限られない。

特徴格納部１０２は、単語および句を含む語句と語句が属する属性とを対応付けたテーブルと、後述の属性表現を抽出する際に用いる属性を抽出するために使われる文書自体のメタ情報（例えば作成日時、文書のファイルフォーマット、言語、等）や文書に含まれる語句についての特徴（名詞や動詞など単語の品詞、人名や地名など固有表現の分類、単語の前後に出現する語句、ｎｇｒａｍ等）、文書に含まれる図表についての特徴（写真、グラフ、イラストなど図の分類、表の行数や列数、等）などを抽出する特徴抽出器と、後述の属性表現を抽出する際に用いる属性間の関係に関する規則である１以上の論理ルールとを格納する。特徴抽出器は、抽出候補の属性と多対多の関係であり、１つの属性に対し１つ以上の特徴抽出器が、また１つの特徴抽出器が１つ以上の属性に対応する。これらの対応関係は予め格納しても良いし、抽出結果に基づき有効な組み合わせを選別できるようにしてもよい。論理ルールについては、図４を参照して後述する。さらに、特徴格納部１０２は、分析目的と、分析目的に応じて必要と考えられる属性とを対応付けて格納する。

有効性判定部１０３は、文書取得部１０１から１以上の対象文書を受け取り、特徴格納部１０２を参照して、１以上の対象文書から抽出可能である属性が有効であるかどうかを判定する。有効性判定部１０３は、有効であると判定された１以上の属性を１以上の属性候補として得る。なお、有効性判定部１０３は、文書取得部において分析目的を取得していない場合、対象文書および属性候補の少なくともどちらか一方を参照して、分析目的を推定してもよい。このとき、有効性判定部１０３は、１以上の対象文書のカテゴリと、１以上の対象文書の文書形式とを推定してもよい。

属性候補提示部１０４は、有効性判定部１０３から１以上の属性候補および１以上の対象文書を取得し、１以上の属性候補を、例えばディスプレイに提示する。

選択部１０５は、ユーザからの指示（以下ユーザ指示という）を、属性候補提示部１０４から１以上の属性候補および１以上の対象文書をそれぞれ受け取る。選択部１０５は、属性候補提示部１０４に提示された属性候補の中から、ユーザ指示により選択された分析に用いる属性を選択属性として選択する。

属性表現抽出部１０６は、選択部１０５から選択属性および１以上の対象文書を受け取り、選択属性ごとに、１以上の対象文書から選択属性に属する表現を属性表現として抽出する。

生成部１０７は、属性表現抽出部１０６から選択属性と対応する属性表現と１以上の対象文書とを受け取り、ユーザが出力したい形式となるように、分析目的に応じて、選択属性および属性表現に関して出力形式の設定を含む分析処理を行ない、分析結果を生成する。分析結果は、例えばディスプレイに出力される。なお、生成部１０７が出力形式の指定情報を含むユーザ指示を受け取ることにより、出力形式が指定されてもよいし、初期設定として特定の出力形式が予め指定されてもよい。

次に、情報抽出支援装置１００の情報抽出処理について図２のフローチャートを参照して説明する。

ステップＳ２０１では、文書取得部１０１が、１以上の対象文書を取得する。
ステップＳ２０２では、有効性判定部１０３が、１以上の対象文書から、抽出可能な属性が有効であるかどうかを判定する。
判定方法は、例えば、１以上の対象文書に出現するある属性に属する単語の出現回数が閾値以上であれば、その属性が有効であると判定すればよい。具体的には、固有表現抽出などの手法により、対象文書中に「Ａ株式会社」という単語が閾値以上出現する場合、「Ａ株式会社」の属する属性「企業名」が有効な属性であると判定できる。なお、単語と単語が属する属性とは、特徴格納部１０２に格納される語句と属性との対応関係を表すルックアップテーブルを参照することにより決定してもよいし、語句と属性との対応関係について外部知識を参照することにより決定してもよい。あるいは、特徴格納部１０２に格納される特徴抽出器を用いた結果の出現回数などにより決定してもよい。判定に使う文書としては、入力された文書全体でも良いし、一定量ランダムサンプリングするなどして判定に十分な分量の文書を用いることもできる。

または、別の判定方法として、１以上の対象文書に出現するある属性に属する複数の語句の総出現回数が閾値以上であれば、その属性が有効であると判定すればよい。具体的には、対象文書中に「Ａ株式会社」「Ｂ株式会社」「Ｃ株式会社」という企業名を表す単語の総出現回数が閾値以上であれば、それぞれの単語が属する属性「企業名」が有効な属性であると判定できる。
有効性判定部１０３は、抽出可能な属性のうち有効であると判定した属性を、属性候補として得る。

ステップＳ２０３では、有効性判定部１０３が、ユーザから分析目的の入力がされているかどうかを判定する。初めに分析目的が入力されることにより、分析目的に必要とされる属性を推定する時間を減らすことができる。分析目的が入力されている場合は、ステップＳ２０５に進み、分析目的が入力されていない場合は、ステップＳ２０４に進む。

ステップＳ２０４では、有効性判定部１０３が、対象文書および属性候補の少なくともどちらか一方を参照して、１以上の分析目的を推定する。具体的には、例えば、対象文書として「企業名」を表す単語を多く含むニュース記事を取得した場合、企業名を扱う分析目的として、企業間の関係を表すような分析、すなわち「技術マップ」「業界マップ」「サプライチェーン」および「株価比較」といった分析目的を提案すればよい。ユーザは、提案された分析目的の中から所望する分析目的を選択する。

ステップＳ２０５では、属性候補提示部１０４が、１以上の属性候補を提示する。なお、属性候補提示部１０４は、特徴格納部１０２を参照して、分析目的に応じて必要と考えられる属性候補を予め選択済みの状態で提示する、すなわち「おすすめ」属性として提示してもよい。属性の提示方法としては、単純に属性名を辞書順で並べて一覧表示するほか、よく出現する属性の順序に応じて並べ替えてもよいし、製品名と製品分類とのように互いに関係の近い属性ごとにグループ化して、まとめて表示してもよい。また、まとめた属性はリスト表示などで集約および展開できるようにしてもよい。あるいは過去に情報抽出支援装置１００を用いて同じ種類の文書を分析した際に選択した属性を表示してもよい。このように表示することで、ユーザは大量に存在する属性候補を全て確認せずとも、分析に必要な属性を選択することが容易となる。

ステップＳ２０６では、選択部１０５が、ユーザ指示に応じて、提示された属性候補の一覧から分析に用いる属性を選択し、属性候補を選択する。ユーザ指示の例としては、属性候補が表示されるディスプレイをタッチしたり、キーボードなどの入力デバイスを用いて属性候補の文字列を入力したり、ユーザが属性候補の名称を読み上げたりすることが挙げられる。

ステップＳ２０７では、属性表現抽出部１０６が、１以上の対象文書から、特徴格納部１０２の特徴抽出器および論理ルールに沿って、選択属性に属する表現を属性表現として抽出する。なお、特徴抽出器および論理ルールを用いない場合は、有効性判定部１０３で処理した段階で属性と対象文書中の表現とが対応付けられているので、属性表現抽出部１０６は、属性に属する表現をそのまま属性表現として得ればよい。
ステップＳ２０８では、生成部１０７が、選択属性と抽出された属性表現とについて分析結果を生成して出力する。

以上で情報抽出処理を終了する。なお、ここでは、文書取得部１０１が取得した１以上の対象文書全体について一度に処理する場合を想定するが、１つの対象文書ごとに図２に示す情報抽出処理（有効性判定部１０３における処理など）を実行してもよい。例えば、新たに対象文書が追加される場合、追加された対象文書のみ有効性判定部１０３における処理を実行し、追加された対象文書から抽出可能な属性が有効であるかどうかを判定してもよい。

次に、対象文書から抽出される属性表現の一例について図３Ａを参照して説明する。
例えば、企業活動に関するニュース記事を元に、分析目的として企業間の関係を調べる場合、記事内容（以下、記事の見出しも含む）から、企業活動に関連する情報を抽出することが求められる。

図３Ａに示す記事見出し３００の場合、「２０１４／１１／１１」という日付３０１や「Ａ社」「Ｂ社」といった企業名３０２、「提携」のような企業間の関係３０３、「半導体チップ開発」のような話題３０４が記事内容として含まれる。属性表現抽出部１０６は、これらの語を属性表現として抽出する。

次に、図３Ａに示す対象文書の分析結果となるテーブルの一例について図３Ｂを参照して説明する。
属性と属性表現との関係を示すテーブル３５０である。分析結果として出力されるテーブルのカラム名となる属性３０５のそれぞれに属する属性表現３０６が対応付けられる。

なお、例えば、企業一覧を作成したい場合は、「企業」属性のみ選択すればよいし、企業間の関係を調べる場合には「企業」と「関係」との属性を抽出すればよい。

例えば、「企業名」を抽出するためには、固有表現抽出のような一般的な自然言語処理の技術を用いることで抽出できるが、新しい企業のように辞書に含まれていない単語の場合は、「ＡＢＣと提携」など周囲の文脈から「ＡＢＣ」が企業名であると推測することになる。このように、企業名を直接、あるいは文脈情報を用いる手掛かりをライブラリとして特徴格納部１０２に用意し、文書に応じて使い分ければよい。

対象文書の内容によっては、分析目的に必要となる複数の属性に対応する属性表現について、一度に全ての属性に対応する属性表現を埋められない場合もある。この場合、抽出できなかった属性表現は空白のままでもよいし、他の手段により補完してもよい。例えば、既に埋められている属性に属する属性表現に共通する属性がある場合は、その属性で記載されている属性表現で補完してもよい。あるいは、抽出済み属性表現を検索クエリとして外部の検索エンジンなどで検索し、検索された結果で抽出できなかった属性表現を補完してもよい。

また、論理ルールを用いることで、分析処理に関する熟練者の知見を利用することもできる。特徴格納部１０２に格納される論理ルールの一例について図４を参照して説明する。

例えば、２つの企業「企業１」「企業２」が競合関係にあることを「競合（企業１，企業２）」といった表記する場合、企業の順序を入れ替えても問題ないような関係であれば、競合（企業１，企業２）と競合（企業２，企業１）は等価であるため、「競合（企業１，企業２）⇔競合（企業２，企業１）」といったルールを用いることで、冗長な属性表現の抽出を抑制できるので、後段の分析処理や結果出力においても冗長な表現を抑制することができる。
または、裁判で係争中である企業同士は、競合しているとみなせるので、「裁判（企業１，企業２）⇒競合（企業１，企業２）」といったルールを用いることで、複数種類の属性間の関係性を与えることができる。

さらに、部品Ａを企業１が作り、最終製品Ｂを企業２が作り、企業１と企業２との間に取引関係がある場合は供給関係が成立するとみなせる場合、「製造（企業１，部品Ａ）∧製造（企業２，端末Ｂ）∧取引（企業１，企業２）⇒供給（企業１，企業２）」のといったルールを入れることで、サプライチェーンの一部を記述することができるようになる。

このような論理ルールを参照することで、ユーザに意識させることなく、熟練者が検討しうるような属性間の関係の抽出および分析結果を得ることができる。

なお、いくつかの論理ルールをユーザに提示し、ユーザが選択できるようにしてもよい。例えば、属性候補提示部１０４が、特徴格納部１０２から１以上の論理ルールを取得してユーザに提示し、選択部１０５が、ユーザ指示に応じて論理ルールを選択することで、後段の属性表現抽出部１０６においてユーザの意図を反映した属性表現の抽出を行うことができる。また、選択部１０５は、ユーザ指示に応じて選択した論理ルールについて必要な属性を選択属性として選択し、属性候補提示部１０４が選択属性を提示してもよい。

同様に、特徴抽出器をユーザに提示し、ユーザが選択できるようにしてもよい。例えば、属性候補提示部１０４が、特徴格納部１０２から１以上の特徴抽出器を取得してユーザに提示し、選択部１０５が、ユーザ指示に応じて特徴抽出器を選択することで、後段の属性表現抽出部１０６においてユーザの意図を反映した属性表現の抽出を行うことができる。また、選択部１０５は、ユーザ指示に応じて選択した特徴抽出器について必要な属性を選択属性として選択し、属性候補提示部１０４が選択属性を提示してもよい。

次に、属性候補提示部１０４の提示例および生成部１０７で生成される分析結果の出力例について図５を参照して説明する。
初めに、属性候補提示部１０４により、対象文書をユーザに入力させる処理と分析目的をユーザに選択させる処理とを行う画面が提示される。図５（ａ）の例では、分析目的として、ユーザが「サプライチェーン」を選択し、対象文書として、ユーザが半導体業界の記事を入力したと想定する。

分析目的は、予め定められた項目を選択させるようにしてもよいし、上述のステップＳ２０４で示すように、文書取得部１０１が対象文書を取得した後、有効性判定部１０３が、対象文書に出現する単語に基づいて要求される分析目的を推定して提示するようにしてもよい。

また、分析目的をユーザに入力させてもよい。ユーザに分析目的を入力させる場合は、ユーザの自由記述から決定される分析目的が情報抽出支援装置１００内で予め設定した分析目的である必要がある。そのため、例えば、インクリメンタルサーチのような文字入力の補助技術などを用いて、ユーザが数文字入力すると、予め設定した分析目的が表示されるように入力を補助してもよい。

図５（ｂ）では、属性候補提示部１０４により、対象文書の推定結果と属性候補とが提示される。ここでは、分析目的が予め入力されているため、［抽出項目の候補］として、分析目的に利用すべき属性として予め設定される属性を、おすすめ属性として選択済みの状態で提示する。なお、分析目的に利用すべき属性だが対象文書には存在しない属性は、提示しなくてもよいし、分析目的に必要な属性であることを示すため選択不可の状態で提示するようにしてもよい。

また、ユーザが分析に必要だと考える属性をさらに選択できるようにしてもよいし、ユーザが不要だと考える属性を非選択の状態にできるようにしてもよい。また、分析結果を分かりやすくするために、対象文書を構成する内容および分野や、記事、論文など文書の種類を表す特徴を提示するようにしてもよい。図５（ｂ）の例では、「半導体分野」「ニュース」が提示される。あるいは、他に抽出したい属性がある場合は、新たな項目として属性を追加可能としてもよい。ここで、図５（ｂ）の画面で選択された項目が選択属性となる。

図５（ｃ）では、属性および属性表現をどのような出力形式とするかを選択するための［表現形式］と、出力するファイルの形式を示す［ファイル形式］と、分析に要する処理時間の推定時間を示す［処理時間見込］とを提示する。例えば、属性と属性表現とを表として出力するほか、属性が独立ではなく複数の属性表現に関係があるときはグラフとして出力するのが好ましい場合がある。よって、ユーザが出力形式を選択できることが好ましい。なお、生成部１０７が、分析目的に応じて好ましい表現形式を予め選択し、選択された表現形式がユーザに提示されるようにしてもよい。
また、電子ファイルとして結果を出力する場合はファイル形式を選択可能としてもよい。さらに、処理時間見込みを参照することで、出力までに時間がかかり過ぎるとユーザが判断した場合は、ユーザが抽出する属性を絞り込む（ユーザが不要と考える属性を非選択にする）ことで処理時間を調整することもできる。

図５（ｄ）では、生成部が実行された結果を出力する。ここでは、企業間のサプライチェーンの関係をグラフ形式で出力した例である。

以上に示した第１の実施形態によれば、対象文書から抽出可能な属性が有効であるかどうかを推定し、ユーザの分析目的に応じて、どのような属性を抽出可能であるか提示する。選択された属性に基づいて属性表現を抽出し、属性表現を用いた分析結果を表やグラフで出力することにより、容易に必要な情報を含む分析を容易に行うことができる。

また、熟練者が検討する内容を含む論理ルールに応じて必要な属性を予め選択させることによって、提示された属性を選択することにより、熟練者でなくとも分析目的に応じた必要な情報を含む分析を容易に行うことができる。

（第２の実施形態）
第２の実施形態では、属性および出力結果に対してユーザが正誤判定を与えることにより機械学習を行う点が第１の実施形態と異なる。分析結果がそのまま活用できる場合は良いが、必要に応じて分析結果をレビューしたり、情報抽出支援装置１００の抽出精度を改善するためのフィードバックを返したりする必要がある場合も存在する。よって、学習を行うことにより属性候補の提示および分析結果の精度を向上させることができる。

第２の実施形態に係る情報抽出支援装置６００は、文書取得部１０１、特徴格納部１０２、有効性判定部１０３、属性候補提示部１０４、選択部１０５、属性表現抽出部１０６、生成部１０７、正解入力部６０１および学習部６０２を含む。

文書取得部１０１、特徴格納部１０２、有効性判定部１０３、属性候補提示部１０４、選択部１０５、属性表現抽出部１０６および生成部１０７については、第１の実施形態と同様の動作を行うのでここでの説明を省略する。

正解入力部６０１は、選択部１０５から属性候補を、生成部１０７から出力結果をそれぞれ受け取り、属性候補および出力結果のそれぞれについての正誤判定をユーザからの指示に基づいて決定する。

学習部６０２は、正解入力部６０１からユーザにより正誤の判定がなされた属性候補および分析結果を受け取り、特徴格納部１０２に格納される論理ルールを含むデータを更新する。

次に、出力結果をレビューするためのユーザインタフェースの一例について図７を参照して説明する。
図７では、対象文書と抽出結果とをユーザに出力する一例を示す。例えば、メッセージ７０１「出力を確認して下さい。」を表示することで、ユーザに正誤判定を促す。属性７０２の例として、「日付」「企業１」「企業２」「話題」および「関係」を提示するとともに、対象文書の原文７０３と、原文７０３から抽出された各属性７０２に対応する属性表現７０４とをあわせて提示する。必要に応じて、出力に「スコア」として、抽出結果に対し情報抽出支援装置１００が付与した確信度、確率値といったスコアをあわせて表示してもよい。また、どのような手掛かりを元に抽出結果が得られたかを示すために、それぞれの属性表現７０４を抽出するために使われた特徴抽出器や論理ルール、あるいはその適用結果を表示してもよい。

さらに、属性と対応する属性表現との正誤を入力する欄であるチェック欄７０５を提示する。ユーザは、各属性と対応する属性表現との抽出結果が正しければ「○」を入力し、誤っていれば「×」を入力する。正解入力部６０１は、ユーザからの各属性と属性表現との正誤判定を受け取る。学習部６０２は、ユーザの正誤判定に基づいて特徴格納部１０２へ学習させる。学習方法としては、例えば、正しいと判断された属性と属性表現との対応関係の優先度を高く設定し、誤りであると判断された属性表現は次回以降提示させないなど、一般的な学習方法を用いればよい。この時、属性表現７０４を抽出するために使われた特徴抽出器や論理ルールを集計することで、属性毎の抽出に寄与した特徴抽出器や論理ルールを選別したり、特徴抽出器や論理ルール毎の重みを算出することができる。次回実行時には、不要な特徴抽出器や論理ルールの実行を抑制することで処理時間を削減しつつ精度向上を図ることができる。

具体的には、例えば、原文７０３「Ａ社、半導体チップ開発でＢ社と提携（２０１４／１１／１１）」については、チェック欄７０５に「○」が記入されているため、ユーザがこれらの属性と属性表現との対応関係は正しいと判断している。よって、これらの関係を学習部６０２が特徴格納部１０２に学習させる。

一方、原文７０３「Ｃ社、照明特許でＤ社を訴える（２０１４／１１／１２）」については、チェック欄７０５に「×」記入されているため、ユーザが誤りであると判断している。ここでは、属性７０２「関係」の属性表現７０４が「供給」となっており、原文の「訴える」との表現を考慮すれば、属性表現７０４として「裁判」であるのが正しい。よって、学習部６０２では、この誤りを特徴格納部１０２に学習させればよい。上述した処理により、属性候補および分析結果の精度を向上あるいは改善することもできる。図７では、全ての属性が正しいかどうかに応じて「○」あるいは「×」を付与しているが、個々の属性に対し「○」あるいは「×」を付与してもよい。例えば、属性表現７０４のみ「×」を付与することで、より詳細に判定結果を与えることもできる。

また、上述の方法により抽出された知識は、結果自体を辞書や知識源として利用する他、他の応用向けに利用することも考えられる。

次に、論理ルールを更新する一例について図８を参照して説明する。
図８の例は、図４のような論理ルールの形式で得られた知識を対話、特に知識を問うような質問応答を含む音声対話の中でどのように利用するかを示す。

例えば、ある日起こったニュースが質問として入力された場合は、入力された日付と同じ属性「日付」の属性表現の元となるニュース記事を１つ読み上げるというルールが考えられる。具体的な処理としては、例えば、音声認識部（図示せず）がユーザからの音声を音声認識する。属性表現抽出部１０６が、音声認識結果に応じてある日付のニュースについて読み上げが求められている属性「日付」として抽出された属性表現の元となるニュース記事を、対象文書から１つ抽出する。その後、音声合成部（図示せず）が、属性表現抽出部１０６から抽出された１つのニュース記事を受け取って音声合成して読み上げればよい。
または、ある企業のライバルを尋ねる質問が入力された場合は、「企業１」または「企業２」と競合する企業を検索し、その企業名を回答することが考えられる。また、ニュース記事に限らず、コールセンターなどの質問応答記録から質問部分と回答部分とを切り出して保存することで、同様に問い合わせ対応向けの知識を構築することも考えられる。このように、質問に用いられる属性と回答に用いられる属性とを指定することで、対話向けの知識ベースとして活用することができる。

以上に示した第２の実施形態によれば、提示した属性候補および分析結果に関するユーザからの正誤判定を受け取って学習することで、属性候補の提示および分析結果の精度を向上させることができる。

上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述した情報抽出支援装置による効果と同様な効果を得ることも可能である。上述の実施形態で記述された指示は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷ、Ｂｌｕ−ｒａｙ（登録商標）Ｄｉｓｃなど）、半導体メモリ、又はこれに類する記録媒体に記録される。コンピュータまたは組み込みシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。コンピュータは、この記録媒体からプログラムを読み込み、このプログラムに基づいてプログラムに記述されている指示をＣＰＵで実行させれば、上述した実施形態の情報抽出支援装置と同様な動作を実現することができる。もちろん、コンピュータがプログラムを取得する場合又は読み込む場合はネットワークを通じて取得又は読み込んでもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワーク等のＭＷ（ミドルウェア）等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は１つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。

なお、本実施形態におけるコンピュータまたは組み込みシステムは、記録媒体に記憶されたプログラムに基づき、本実施形態における各処理を実行するためのものであって、パソコン、マイコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行なうことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００，６００・・・情報抽出支援装置、１０１・・・文書取得部、１０２・・・特徴格納部、１０３・・・有効性判定部、１０４・・・属性候補提示部、１０５・・・選択部、１０６・・・属性表現抽出部、１０７・・・生成部、３００・・・記事見出し、３０１・・・日付、３０２・・・企業名、３０３・・・関係、３０４・・・話題、３０５，７０２・・・属性、３０６・・・属性表現、３５０・・・テーブル、６０１・・・正解入力部、６０２・・・学習部、７０１・・・メッセージ、７０３・・・原文、７０４・・・属性表現、７０５・・・チェック欄。

Claims (16)

1. 所望の情報の種類を示す属性を分析対象として抽出可能である文書を取得する第１取得部と、
   前記属性が有効であるかどうかを判定し、有効であると判定された属性を属性候補として得る判定部と、
   前記属性候補の中から分析目的に応じた属性を選択属性として選択する選択部と、
   属性間の関係に関する規則である論理ルールを用いて、前記文書から前記選択属性に属する表現を属性表現として抽出する抽出部と、を具備することを特徴とする情報抽出支援装置。
2. 前記分析目的に応じて、前記選択属性および前記属性表現に関する出力形式の設定を含む分析により分析結果を生成する生成部をさらに具備することを特徴とする請求項１に記載の情報抽出支援装置。
3. 前記第１取得部は、前記分析目的をさらに取得することを特徴とする請求項１または請求項２に記載の情報抽出支援装置。
4. 前記判定部は、前記文書および前記属性候補の少なくともどちらか一方を参照して、前記分析目的を推定することを特徴とする請求項１から請求項３のいずれか１項に記載の情報抽出支援装置。
5. 前記判定部は、前記文書に出現する第１属性に属する語の出現回数または前記文書に出現する該第１属性に属する複数の語の総出現回数が、第１閾値以上である場合、該第１属性が有効であると判定することを特徴とする請求項１から請求項４のいずれか１項に記載の情報抽出支援装置。
6. 前記判定部は、前記文書についてカテゴリと文書形式とを推定することを特徴とする請求項１から請求項５のいずれか１項に記載の情報抽出支援装置。
7. 前記属性候補および前記分析結果の少なくともどちらか一方に対するユーザからの正誤判定を取得する第２取得部と、
   前記正誤判定に基づいて学習を行う学習部と、をさらに具備することを特徴とする請求項２に記載の情報抽出支援装置。
8. 前記判定部は、新たに文書が追加された場合、追加された文書のみまたは文書全体に対して、前記属性が有効であるかどうかを判定することを特徴とする請求項１から請求項７のいずれか１項に記載の情報抽出支援装置。
9. 前記属性候補を提示する提示部をさらに具備することを特徴とする請求項１から請求項８のいずれか１項に記載の情報抽出支援装置。
10. 前記判定部は、前記分析目的に必要な属性候補を推定し、
    前記提示部は、前記分析目的に必要な属性候補を予め選択した状態で提示することを特徴とする請求項９に記載の情報抽出支援装置。
11. 前記提示部は、分析に要する処理時間の推定時間を提示することを特徴とする請求項９または請求項１０に記載の情報抽出支援装置。
12. 前記選択部は、ユーザの指示に応じて特徴抽出器または前記論理ルールから少なくとも１つを選択することを特徴とする請求項１に記載の情報抽出支援装置。
13. 前記選択部は、前記特徴抽出器または前記論理ルールうちの少なくとも１つがユーザにより選択された場合に、選択された特徴抽出器または論理ルールに必要な属性を選択属性として選択することを特徴とする請求項１２に記載の情報抽出支援装置。
14. 前記抽出部は、前記分析目的で必要となる第２属性のうち属性表現が抽出されていない第３属性が、他の第２属性に属する属性表現に共通する属性である場合は、該属性表現を該第３属性に属する属性表現として補完することを特徴とする請求項１から請求項１３のいずれか１項に記載の情報抽出支援装置。
15. 取得手段が、所望の情報の種類を示す属性を分析対象として抽出可能である文書を取得し、
    判定手段が、前記属性が有効であるかどうかを判定し、有効であると判定された属性を属性候補として得、
    選択手段が、前記属性候補の中から分析目的に応じた属性を選択属性として選択し、
    抽出手段が、属性間の関係に関する規則である論理ルールを用いて、前記文書から前記選択属性に属する表現を属性表現として抽出することを特徴とする情報抽出支援方法。
16. コンピュータを、
    所望の情報の種類を示す属性を分析対象として抽出可能である文書を取得する第１取得手段と、
    前記属性が有効であるかどうかを判定し、有効であると判定された属性を属性候補として得る判定手段と、
    前記属性候補の中から分析目的に応じた属性を選択属性として選択する選択手段と、
    属性間の関係に関する規則である論理ルールを用いて、前記文書から前記選択属性に属する表現を属性表現として抽出する抽出手段として機能させるための情報抽出支援プログラム。

Images