JP7135641B2

JP7135641B2 - 学習装置、抽出装置及び学習方法

Info

Publication number: JP7135641B2
Application number: JP2018174531A
Authority: JP
Inventors: 剛史山田
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 2018-09-19
Filing date: 2018-09-19
Publication date: 2022-09-13
Anticipated expiration: 2038-09-19
Also published as: JP2020046909A; US20210342521A1; US12008305B2; WO2020059506A1

Description

本発明は、学習装置、抽出装置及び学習方法に関する。

従来、ソフトウェア開発過程においては、方式検討／基本設計、機能設計、および詳細設計において生成される設計書等を基に、単体試験、結合試験、および複数複合試験／安定化試験における試験項目が、有スキル者により手動で抽出されていた。これに対し、自然言語で記載されることが多い設計書から、試験工程の試験項目を自動的に抽出する抽出方法が提案されている（特許文献１参照）。

この抽出方法では、自然言語で記載された設計書の重要な記載部分にタグが付与された教師データを用意し、機械学習ロジック（例えば、ＣＲＦ（Conditional Random Fields））でタグが付与される記載部分の傾向を学習させる。そして、この抽出方法では、学習結果を基に、機械学習ロジックで、新たな設計書にタグを付与してから、このタグが付与された設計書から機械的に試験項目を抽出する。

特開２０１８－０１８３７３号公報

従来の抽出方法では、関連する自然言語文書をできるだけ多く用意し、教師データを増やすことによって、試験項目を抽出するための機械学習の精度を上げようとしていた。しかしながら、教師データには、タグが付与される記載部分以外にも、タグと無関係である記載部分が含まれている。このため、従来の抽出方法では、教師データの学習時に、タグと無関係である記載部分の確率計算も反映されるため、機械学習の精度改善にも限界があった。この結果、従来の抽出方法では、ソフトウェア開発過程において、設計書等の試験データから、精度よく試験項目を抽出することが難しい場合があった。

本発明は、上記に鑑みてなされたものであって、ソフトウェア開発過程における、タグ付与箇所を精度よく学習できる学習装置、抽出装置及び学習方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る学習装置は、自然言語で記載されたデータであって重要な記載部分に予めタグが付与されている教師データについて、タグとの関連度合いを示す情報利得を単語ごとに計算し、各単語の情報利得を基に、タグとの関連性が低い記載部分を教師データから削除する前処理を行う前処理部と、前処理後の教師データを学習し、タグが付与される記載部分に関する条件付き確率の一覧を生成する学習部と、を有することを特徴とする。

本発明によれば、ソフトウェア開発過程における、タグ付与箇所を精度よく学習できる。

図１は、実施の形態に係る抽出装置の処理の概要を例示する模式図である。図２は、実施の形態に係る抽出装置の構成の一例を説明する図である。図３は、図２に示す学習部の処理を説明する図である。図４は、図２に示すタグ付与部の処理を説明する図である。図５は、図２が示す抽出装置が行なう学習処理を説明する図である。図６は、前処理前後の教師データについて説明する図である。図７は、図２が示す抽出装置が行なう学習処理を説明する図である。図８は、図２に示す削除部の処理を説明する図である。図９は、図２に示す削除部の処理を説明する図である。図１０は、図２に示す削除部の処理を説明する図である。図１１は、図２が示す抽出装置が行なう学習処理の処理手順を示すフローチャートである。図１２は、図１１に示す前処理の処理手順を示すフローチャートである。図１３は、図２が示す抽出装置１０が行なう試験処理の処理手順を示すフローチャートである。図１４は、教師データの記載内容を説明する図である。図１５は、プログラムが実行されることにより、抽出装置が実現されるコンピュータの一例を示す図である。

以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

［実施の形態］
実施の形態に係る抽出装置について、抽出装置の概略構成、及び、抽出装置における処理の流れ及び具体例を説明する。

図１は、実施の形態に係る抽出装置の処理の概要を例示する模式図である。図１に例示するように、実施の形態に係る抽出装置１０は、ソフトウェア開発過程において、試験データＤａの記載内容から、試験の試験項目データＤｉを抽出して、出力する。試験データＤａは、方式検討／基本設計、機能設計、および詳細設計において生成される仕様書や設計書等である。そして、抽出装置１０が抽出した試験項目にしたがって、単体試験、結合試験、および複数複合試験／安定化試験等の試験が実施される。

［抽出装置の概要］
次に、抽出装置１０の構成について説明する。図２は、実施の形態に係る抽出装置の構成の一例を説明する図である。抽出装置１０は、例えば、パソコン等の汎用コンピュータで実現され、図２に示すように、入力部１１、通信部１２、記憶部１３、制御部１４及び出力部１５を有する。

入力部１１は、抽出装置１０の操作者からの各種操作を受け付ける入力インタフェースである。例えば、入力部１１は、タッチパネル、音声入力デバイス、キーボードやマウス等の入力デバイスによって構成される。

通信部１２は、ネットワーク等を介して接続された他の装置との間で、各種情報を送受信する通信インタフェースである。通信部１２は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネットなどの電気通信回線を介した他の装置と制御部１４（後述）との間の通信を行う。例えば、通信部１２は、自然言語で記載されたデータ（例えば、設計書）であって重要な記載部分にタグが付与された教師データＤｅを、制御部１４に入力する。また、通信部１２は、試験項目の抽出対象である試験データＤａを制御部１４に入力する。

なお、タグは、例えば、Agent（Target system）、Input（input information）、Input condition（complementary information）、Condition（Condition information of system）、Output（output information）、Output condition（complementary information）、Check point（check point）である。

記憶部１３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置である。なお、記憶部１３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ＮＶＳＲＡＭ（Non Volatile Static Random Access Memory）等のデータを書き換え可能な半導体メモリであってもよい。記憶部１３は、抽出装置１０で実行されるＯＳ（Operating System）や各種プログラムを記憶する。さらに、記憶部１３は、プログラムの実行で用いられる各種情報を記憶する。記憶部１３は、タグが付与される記載部分に関する条件付き確率一覧１３１を有する。条件付き確率一覧１３１は、各単語の前後関係や各文脈に対し、付与されるタグの種別と付与される確率とを対応付けたものである。条件付き確率一覧１３１は、学習部１４２（後述）によって、教師データを基にタグが存在する記載部分を確率統計的に学習されることによって生成される。

制御部１４は、抽出装置１０全体を制御する。制御部１４は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等の電子回路や、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の集積回路である。また、制御部１４は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、内部メモリを用いて各処理を実行する。また、制御部１４は、各種のプログラムが動作することにより各種の処理部として機能する。制御部１４は、前処理部１４１、学習部１４２、タグ付与部１４３及び試験項目抽出部１４４（抽出部）を有する。

前処理部１４１は、入力された教師データＤｅから、タグとの関連性が低い記載部分を教師データＤｅから削除する前処理を行う。前処理部１４１は、教師データＤｅにおける各単語の情報利得を基に、タグとの関連性が低い記載部分を教師データＤｅから削除する。前処理部１４１は、情報利得計算部１４１１及び削除部１４１２を有する。

情報利得計算部１４１１は、教師データＤｅについてタグとの関連度合いを示す情報利得を単語ごとに計算する。削除部１４１２は、情報利得計算部１４１１が計算した各単語の情報利得を基に、タグとの関連性が低い記載部分を求めて教師データＤｅから削除する。

学習部１４２は、前処理後の教師データを学習し、タグが付与される記載部分に関する条件付き確率一覧を生成する。図３は、図２に示す学習部１４２の処理を説明する図である。図３に示すように、学習部１４２は、前処理済みの教師データＤｐを用いる。この前処理済みの教師データＤｐは、学習に不要である記載部分が削除されており、重要箇所にはタグが付されている。学習部１４２は、この前処理済みの教師データＤｐの、タグの位置・種別、前後の単語、文脈等を基に、タグが存在する箇所を確率統計的に計算し学習結果である条件付き確率一覧１３１を出力する（図３の（１）参照）。学習部１４２は、例えばＣＲＦ等の機械学習ロジックを用いて学習を行う。条件付き確率一覧１３１は、記憶部１３に格納される。

タグ付与部１４３は、条件付き確率一覧１３１を基に、試験データの記載内容に対してタグを付与する。図４は、図２に示すタグ付与部１４３の処理を説明する図である。図４に示すように、タグ付与部１４３は、条件付き確率一覧１３１（教師データのタグ付け傾向）を基に、試験データＤａに対してタグ付け処理を行う（図４の（１）参照）。タグ付与部１４３は、例えばＣＲＦ等の機械学習ロジックを用いてタグ付与処理を行う。タグ付与部１４３は、タグ付与を付与した試験データＤｔを生成する。

試験項目抽出部１４４は、タグが付与された試験データの記載内容から、機械的に試験項目を抽出する。

出力部１５は、例えば、液晶ディスプレイなどの表示装置、プリンタ等の印刷装置、情報通信装置等によって実現される。出力部１５は、試験項目抽出部１４４が試験データＤａから抽出した試験項目を示す試験項目データＤｉを試験装置等に出力する。

［学習処理の流れ］
次に、抽出装置１０が行う処理のうち学習処理について説明する。図５は、図２が示す抽出装置１０が行なう学習処理を説明する図である。

まず、抽出装置１０は、図５に示すように、タグが付与された教師データＤｅの入力を受け付けると、前処理部１４１が、教師データＤｅから、タグとの関連性が低い記載部分を教師データＤｅから削除する前処理を行う（図５の（１）参照）。そして、学習部１４２は、前処理後の教師データＤｐを、機械学習ロジックを用いて学習する学習処理を行い（図５の（２）参照）、条件付き確率一覧を生成する（図５の（３）参照）。

図６は、前処理前後の教師データについて説明する図である。図６に示すように、入力された教師データＤｅには、タグ付与のための確率計算に不要な情報が混入していたが（図６の（１）参照）、前処理部１４１が、タグとの関連性が低い記載部分を削除する前処理を行う（図６の（２）参照）。

このため、学習部１４２は、確率計算に悪影響を及ぼす部分を除外された教師データＤｐを用いて学習を行うため、タグと関連性が高い記載部分のみを反映した確率計算を行うことができる。この結果、抽出装置１０は、教師データＤｅをそのまま学習する場合と比して、機械学習の精度を改善することができ、高精度の条件付き確率一覧１３１を生成することができる。

［試験フェーズ］
次に、抽出装置１０が行う処理のうち試験処理について説明する。図７は、図２が示す抽出装置が行なう試験処理を説明する図である。

図７に示すように、抽出装置１０では、試験項目の抽出対象である試験データＤａが入力されると、タグ付与部１４３が、条件付き確率一覧１３１を基に、試験データの記載内容に対してタグを付与するタグ付与処理を行う（図７の（１）参照）。抽出装置１０は、試験項目抽出部１４４が、タグが付与された試験データＤｔの記載内容から、機械的に試験項目を抽出する試験項目抽出処理を行い（図７の（２）参照）、試験項目データＤｉを生成する。

［情報利得計算部の処理］
次に、情報利得計算部１４１１の処理について説明する。情報利得計算部１４１１は、以下の（１）式を用いて情報利得ＩＧ（ｉ）を計算する。

（１）式において、生起確率が（Ｐ_１，Ｐ_２，・・・，Ｐ_ｎ）のメッセージを（ｍ_１，ｍ_２，・・・，ｍ_ｎ）とする。Ｘ_ｉは条件であり、Ｘ_ｉ＝０をタグ内、Ｘ_ｉ＝１をタグ外とする。また、エントロピーＨ（ｍ）は、以下の（２）式で示される。

（１）式の右辺における第一項は、任意の単語ｍが文章中で発生するエントロピーを示す。Ｐ（ｍ）は、任意の単語ｍが文書内で発生する確率を示す。また、（１）式の右辺における第二項は、前提事象Ｘ_ｉと単語ｍが共起するエントロピーを示す。Ｐ（Ｘ_ｉ）は、タグ内外の確率を示し、Ｈ（ｍ｜Ｘ_ｉ）はタグ内外で任意の単語ｍが発生するエントロピーを示す。

情報利得が大きいとは、エントロピーを引き下げることができると言える。すなわち、情報利得が大きいつ単語は、タグとの関連度合いが高いと考えられる。

次に、情報利得の計算手順について説明する。まず、情報利得計算部１４１１が、単語ｍのエントロピーＨ（ｍ）を計算する場合について説明する。

まず、情報利得計算部１４１１は、第１の処理として、文書内の単語ののべ数Ｘをカウントする。カウントの一例としては、文書を形態素解析したテキストＡを用意し、情報利得計算部１４１１は、テキストＡから単語数Ｇをカウントする。

続いて、情報利得計算部１４１１は、第２の処理として、文書内の単語ｙの出現数Ｙをカウントする。カウントの一例としては、単語ｙに対してテキストＡ内での出現数Ｙをカウントする。

そして、情報利得計算部１４１１は、第３の処理として、第１の処理及び第２の処理において得られた数から、（３）式を用いて、Ｐ_ｉを計算する。

情報利得計算部１４１１は、第４の処理として、第３の処理において得られた結果と、（２）式を基に、エントロピーＨ（ｍ）を計算する。

続いて、情報利得計算部１４１１が、条件Ｘ_ｉ時の単語ｍのエントロピーＨ（ｍ｜Ｘ_ｉ）を計算する場合について説明する。

まず、情報利得計算部１４１１は、第５の処理として、タグ内Ｘ_ｉ＝０の単語ｍの出現数Ｙをカウントする。カウントの一例としては、テキストＡとＡからタグがついた行だけ抜き出したテキストＢを用意し、情報利得計算部１４１１は、テキストＢの単語数Ｗをカウントし、テキストＡ内の単語ｍに対してテキストＢ内での出現数Ｚをカウントする。

ここで、条件付き確率Ｐ（ｍ｜Ｘ_ｉ）は、（４）式のように示される。

そして、（４）式におけるＰ（Ｘ_ｉ＝０）は（５）式によって示され、Ｐ（ｍ∩Ｘ_ｉ）は（６）式によって示される。

したがって、（４）式は、（７）式のように示される。

情報利得計算部１４１１は、第６の処理として、カウントしたＷ，Ｚを（７）に適用して求めたＰ（ｍ｜Ｘ_ｉ＝０）と、（２）式とを基にエントロピーＨ（ｍ｜Ｘ_ｉ）を計算する。そして、情報利得計算部１４１１は、第４の処理における計算結果と、第６の処理における計算結果を（１）式に適用して、情報利得ＩＧ（ｉ）を求める。

［削除部の処理］
次に、削除部１４１２の処理について説明する。削除部１４１２は、情報利得計算部１４１１が計算した各単語の情報利得を基に、タグとの関連性が低い記載部分を求めて教師データＤｅから削除する。図８～図１０は、図２に示す削除部１４１２の処理を説明する図である。

具体的には、削除部１４１２は、情報利得計算部１４１１が計算した情報利得が所定の閾値より低い単語を、教師データから削除する。例えば、情報利得計算部１４１１が情報利得を教師データＤｅの各単語について計算すると（図８の（１）参照）、削除部１４１２は、各単語について、情報利得の値が、予め設定された閾値よりも低い場合に、この単語を削除対象として教師データＤｅ１から削除する（図８の（２）参照）。そして、削除部１４１２は、閾値を変えて（図８の（３）参照）、各単語について削除対象か否かを判定し、削除対象の単語を削除する。

図８に示す教師データＤｅ１の場合、各箱は単語をイメージしており、黒抜きである場合には、この単語の情報利得の値が閾値以上であり、白抜きである場合には、この単語の情報利得の値が閾値未満であるとする。削除部１４１２は、教師データＤｅ１の各単語のうち、白抜き部分の単語を、教師データＤｅ１から削除する。

また、削除部１４１２は、情報利得計算部１４１１が計算した情報利得と、文内の所定の品詞の情報利得とを基に、文単位で削除するか否かを判定する。具体的には、削除部１４１２は、情報利得計算部１４１１が計算した情報利得が所定の閾値より高い名詞を含まない文を、教師データから削除する。

教師データＤｅ内には、情報利得が高い単語と低い単語とが混在する。また、教師データＤｅ内には、「です」、「ます」等のような各文で共通的な語と、専門用語とが含まれる場合がある。そこで、削除部１４１２は、情報利得が所定の閾値より高い名詞を専門用語として考え、情報利得が所定の閾値より高い名詞を含まない文を、タグとは関連性のない文と判定し、この文を削除する。

例えば、図９に示す教師データＤｅ２の場合、枠Ｗ１～Ｗ４内の単語ｙの情報利得が閾値より高い場合であっても、文内のその他の名詞の情報利得が閾値よりも低い場合には、この文を削除する（図９の（１）参照）。例えば、削除部１４１２は、枠Ｗ１の単語の情報利得が閾値より高い場合であっても、同じ文の中のその他の名詞の情報利得が閾値よりも低い場合には、この枠Ｗ１の単語を含む文そのものを削除する。

また、削除部１４１２は、情報利得計算部１４１１が計算した情報利得と、文内の動詞の有無とを基に、文単位で削除するか否かを判定する。具体的には、削除部１４１２は、情報利得計算部１４１１が計算した情報利得が所定の閾値より高い名詞を含む文であって、動詞を含まない文を、教師データから削除する。

教師データＤｅ内の目次や表題などには、情報利得が高い単語と低い単語が混在する。仮に、目次、表題、章節冒頭文句に情報利得の高い単語があった場合であっても、該当行に動詞がない場合には、試験項目にも該当しないといえる。このため、削除部１４１２は、情報利得計算部１４１１が計算した情報利得が所定の閾値より高い名詞を含む文であって、動詞を含まない文を、タグ付け対象外の記載部分と判定して、教師データから削除する。削除部１４１２は、情報利得が低い単語のみを含む行も削除する。目次などにはタグと関連性の高い単語が入る可能性が高いものの、本来の文脈の中でのＣＲＦの確率計算に影響を与えると考えられるため、このような文を削除して、ＣＲＦ等の機会学習ロジックの精度への影響を排除する。

図１０の教師データＤｅ３の場合、削除部１４１２は、枠Ｗ１１～Ｗ１２の単語ｙの情報利得が閾値よりも高い場合であっても、同じ行内に動詞がない場合には、タグ付け対象外の記載個所と判定して、削除する（図１０の（１）参照）。例えば、削除部１４１２は、枠Ｗ１１の単語の情報利得が閾値より高い場合であっても、同じ文の中に動詞がない場合には、この枠Ｗ１１の単語を含む文そのものを削除する。なお、各行の認識のために、Ｍｅｃａｂで形態素解析を行った後に、テキストファイル上で確認できるＥＯＳ（End Of String）等を用いればよい。

［学習処理の処理手順］
次に、抽出装置１０が行う処理のうち学習処理の処理手順について説明する。図１１は、図２が示す抽出装置１０が行なう学習処理の処理手順を示すフローチャートである。

図１１に示すように、抽出装置１０では、タグが付与された教師データＤｅの入力を受け付けると（ステップＳ１）、前処理部１４１が、教師データＤｅから、タグとの関連性が低い記載部分を教師データＤｅから削除する前処理を行う（ステップＳ２）。そして、学習部１４２は、前処理後の教師データを、機械学習ロジックを用いて学習する学習処理を行い（ステップＳ３）、条件付き確率一覧を生成して、記憶部１３に格納する。

［前処理の処理手順］
図１１の前処理（ステップＳ２）の処理手順について説明する。図１２は、図１１に示す前処理の処理手順を示すフローチャートである。

図１２に示すように、前処理部１４１では、情報利得計算部１４１１が、入力された教師データＤｅについて、情報利得を単語ごとに計算する情報利得計算処理を行う（ステップＳ１１）。削除部１４１２は、情報利得計算部１４１１が計算した各単語の情報利得を基に、タグとの関連性が低い記載部分を求めて、教師データＤｅから削除する削除処理を行う（ステップＳ１２）。

［試験処理の処理手順］
次に、抽出装置１０が行う処理のうち試験処理の処理手順について説明する。図１３は、図２が示す抽出装置１０が行なう試験処理の処理手順を示すフローチャートである。

図１３に示すように、抽出装置１０では、試験項目の抽出対象である試験データＤａが入力される（ステップＳ２１）と、タグ付与部１４３が、条件付き確率一覧１３１を基に、試験データの記載内容に対してタグを付与するタグ付与処理を行う（ステップＳ２２）。続いて、試験項目抽出部１４４が、タグが付与された試験データＤｔの記載内容から、機械的に試験項目を抽出する試験項目抽出処理を行い（ステップＳ２３）、出力部１５は、試験項目データＤｉを出力する（ステップＳ２４）。

［実施の形態の効果］
図１４は、教師データの記載内容を説明する図である。教師データＤｅのうち、タグが付与される可能性のある部分Ｒｅ－１，Ｒｅ－２だけが機械学習に必要であるが、タグと無関係の部分Ｒｄ－１，Ｒｄ－２が含まれている（図１４の（１）参照）。このように、教師データＤｅには、タグと無関係の部分Ｒｄ－１，Ｒｄ－２が含まれるため、従来の抽出方法では、機械学習に影響を与えていた。実際に、ソフトウェア開発において有スキル者が手動で抽出した試験項目と、従来の自動抽出方法で抽出した試験項目とでは誤りが多く存在していた。

これに対し、本実施の形態に係る抽出装置１０では、学習前に、教師データＤｅについて、タグとの関連性が低い記載部分を教師データＤｅから削除する前処理を行っている。そして、学習部１４２は、確率計算に悪影響を及ぼす部分を除外された教師データＤｐを用いて学習を行うため、タグと関連性が高い記載部分のみを反映した確率計算を行うことができる。

また、抽出装置１０では、前処理として、教師データＤｅについてタグとの関連度合いを示す情報利得を単語ごとに計算し、各単語の情報利得を基に、タグとの関連性が低い記載部分を求めて教師データＤｅから削除する。このように、抽出装置１０では、タグと単語との関連度合いを定量的に評価し、関連度合いのみを残した教師データを適切に生成している。

抽出装置１０は、この前処理後の教師データを学習することによって、教師データＤｅをそのまま学習する場合と比して、機械学習の精度を改善することができ、高精度の条件付き確率一覧１３１を生成することができる。すなわち、抽出装置１０は、ソフトウェア開発過程における、タグ付与箇所を精度よく学習でき、これにともない、設計書等の試験データから、精度よく試験項目を抽出することが可能になる。

［システム構成等］
図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的におこなうこともでき、或いは、手動的におこなわれるものとして説明した処理の全部又は一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［プログラム］
図１５は、プログラムが実行されることにより、抽出装置１０が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。

ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、抽出装置１０の各処理を規定するプログラムは、コンピュータ１０００により実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、抽出装置１０における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤにより代替されてもよい。

また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して実行する。

なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。或いは、プログラムモジュール１０９３及びプログラムデータ１０９４は、ネットワーク（ＬＡＮ、ＷＡＮ等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３及びプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例及び運用技術等はすべて本発明の範疇に含まれる。

１０抽出装置
１１入力部
１２通信部
１３記憶部
１４制御部
１５出力部
１４１前処理部
１４２学習部
１４３タグ付与部
１４４試験項目抽出部
１４１１情報利得計算部
１４１２削除部
Ｄｅ教師データ
Ｄａ試験データ
Ｄｉ試験項目データ

Claims

自然言語で記載されたデータであって重要な記載部分に予めタグが付与されている教師データについて、前記タグとの関連度合いを示す情報利得を単語ごとに計算し、各単語の前記情報利得を基に、前記タグとの関連性が低い記載部分を前記教師データから削除する前処理を行う前処理部と、
前記前処理後の教師データを基に、前記タグが存在する記載箇所を確率統計的に学習し、前記タグが付与される記載箇所に関する条件付き確率の一覧であって、各単語の前後関係及び各文脈に対し、付与される前記タグの種別と付与される確率とを対応付けた条件付き確率の一覧を生成する学習部と、
を有することを特徴とする学習装置。
前記前処理部は、前記前処理として、前記情報利得が所定の閾値より低い単語を、前記教師データから削除することを特徴とする請求項１に記載の学習装置。
前記前処理部は、前記前処理として、前記情報利得が所定の閾値より高い名詞を含まない文を、前記教師データから削除することを特徴とする請求項１に記載の学習装置。
前記前処理部は、前記前処理として、前記情報利得が所定の閾値より高い名詞を含む文であって、動詞を含まない文を、前記教師データから削除することを特徴とする請求項１に記載の学習装置。
自然言語で記載されたデータであって重要な記載部分に予めタグが付与されている教師データについて、前記タグとの関連度合いを示す自己相互情報量を単語ごとに計算し、各単語の前記自己相互情報量を基に、前記タグとの関連性が低い記載部分を前記教師データから削除する前処理を行う前処理部と、
前記前処理後の教師データを基に、前記タグが存在する記載箇所を確率統計的に学習し、前記タグが付与される記載箇所に関する条件付き確率の一覧であって、各単語の前後関係及び各文脈に対し、付与される前記タグの種別と付与される確率とを対応付けた条件付き確率の一覧を生成する学習部と、
前記条件付き確率の一覧を基に、方式検討、基本設計、機能設計、および詳細設計において生成される仕様書または設計書である試験データの記載内容に対してタグを付与するタグ付与部と、
前記タグが付与された試験データの記載内容から、単体試験、結合試験、および複数複合試験、安定化試験における試験項目を抽出する抽出部と、
を有することを特徴とする抽出装置。
学習装置が実行する学習方法であって、
自然言語で記載されたデータであって重要な記載部分に予めタグが付与されている教師データについて、前記タグとの関連度合いを示す情報利得を単語ごとに計算し、各単語の前記情報利得を基に、前記タグとの関連性が低い記載部分を前記教師データから削除する前処理を行う前処理工程と、
前記前処理後の教師データを基に、前記タグが存在する記載箇所を確率統計的に学習し、前記タグが付与される記載箇所に関する条件付き確率の一覧であって、各単語の前後関係及び各文脈に対し、付与される前記タグの種別と付与される確率とを対応付けた条件付き確率の一覧を生成する学習工程と、
を含んだことを特徴とする学習方法。