JP4030624B2 - 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 - Google Patents
文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 Download PDFInfo
- Publication number
- JP4030624B2 JP4030624B2 JP21930197A JP21930197A JP4030624B2 JP 4030624 B2 JP4030624 B2 JP 4030624B2 JP 21930197 A JP21930197 A JP 21930197A JP 21930197 A JP21930197 A JP 21930197A JP 4030624 B2 JP4030624 B2 JP 4030624B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- condition setting
- database
- vector
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、文書処理装置、文書処理方法および文書処理プログラムを記憶した記憶媒体に係り、詳細には、蓄積してある過去の原文と要約の組を新規に要約を作成するにあたり、参照・活用することで、より読み易い要約を作成する技術に関する。
【０００２】
【従来の技術】
従来、書籍、論文、報告書等の各種の文書に対し、要約（抄録を含む）の自動作成処理や、他文書等との関連づけ処理等の各種処理をコンピュータを用いて行うことが行われている。
文書の自動要約については、例えば、「全文情報からの意味的情報の抽出と加工」（情報処理学会第３８回全国大会予稿集、第２２２頁；１９８９年）で提案されている。この方法では、まず文書中の重要語を字種や動詞等の情報から抽出し、さらに重要語の出現頻度から最重要語を決定する。次に、重要語と最重要語が出現するか否かから重要文を決定することで、自動的に要約を作成することが可能になる。また、文章の段落の性質を反映させることで、より正確に要約を作成する特開平３−１９１４７５号公報に記載された方法等も提案されている。
一方、他のデータとの関連づけとしては、インターネットにおけるハイパーリンクや、フレームシステム等による知識処理（エキスパートシステム等）における関連づけ等が行われている。
【０００３】
【発明が解決しようとする課題】
このような、従来の文書処理装置では、その都度該装置で要約を行い、過去になされた要約を参照して行うものではなかった。ところで、通常、文書を作成する際、例えば、挨拶状、法律的な警告状などを作成するとき、過去に作成された同様な書類を見本として参照することが多い。同様に要約を作成する場合、過去に作成された要約を参考にすることも有意義であると考えられる。特に、多くの人に使用された実績のある要約文は、要約を行う際に参照することが有益であると期待できる。
【０００４】
そこで、本発明は、このような従来の課題を解決するために成されたもので、過去に行われた要約と原文と条件設定パラメータの組を蓄積しておき、条件設定パラメータを参照して新たな要約を作成することができる文書処理装置および文書処理方法を提供することを第１の目的とする。
また、本発明は、過去に行われた要約と原文と条件設定パラメータの組を蓄積しておき、条件設定パラメータを参照して新たな要約を作成することができるコンピュータ読取り可能な文書処理プログラムを記憶した記憶媒体を提供することを第２の目的とする。
【０００５】
【課題を解決するための手段】
請求項１記載の発明では、文書処理装置に、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、所定形式の文書を取得する文書取得手段と、前記文書取得手段により取得された文書と類似している文書を前記データベースから検索する類似文書検索手段と、この類似文書検索手段で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得手段と、この条件設定パラメータ取得手段で取得した条件設定パラメータに基づいて、前記文書取得手段で取得した文書の要約文を作成する要約手段とを備えさせて前記第１の目的を達成する。
【０００７】
請求項２に記載した発明では、請求項１に記載した文書処理装置において、前記文書取得手段で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定手段を備え、前記類似文書検索手段は前記文書ベクトル決定手段で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する。
【０００８】
請求項３に記載した発明では、請求項１または請求項２記載の文書処理装置において、前記類似文書検索手段で文書を検索する際の類似判断の条件は、利用者による設定が可能であることとした。
【００１０】
請求項４に記載した発明では、記憶媒体に、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースを備えた文書処理装置に、所定形式の文書を取得する文書取得機能と、前記文書取得機能により取得された文書と類似している文書を前記データベースから検索する類似文書検索機能と、この類似文書検索機能で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得機能と、この条件設定パラメータ取得機能で取得した条件設定パラメータに基づいて、前記文書取得機能で取得した文書の要約文を作成する要約機能と、を実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１２】
請求項５に記載した発明では、請求項４記載の記憶媒体に、前記文書取得機能で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定機能を備え、前記類似文書検索機能は前記文書ベクトル決定機能で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する機能をコンピュータに実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１３】
請求項６に記載した発明では、請求項４または請求項５記載の記憶媒体に、前記類似文書検索機能で文書を検索する際の類似判断の条件は、利用者による設定が可能であることとする機能をコンピュータに実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１５】
請求項７に記載した発明では、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、文書取得手段と、類似文書検索手段と、条件設定パラメータ取得手段と、要約手段と、を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、前記文書取得手段が、所定形式の文書を取得する第１ステップと、前記類似文書検索手段が、前記第１ステップにより取得された文書と類似している文書を前記データベースから検索する第２ステップと、前記条件設定パラメータ取得手段が、前記第２ステップで検索された文書に対応する条件設定パラメータを前記データベースから取得する第３ステップと、前記要約手段が、前記第３ステップで取得した条件設定パラメータに基づいて、前記第１ステップで取得した文書の要約文を作成する第４ステップと、を備えた文書処理方法を提供することにより前記第１の目的を達成する。
【００１６】
請求項８に記載した発明では、請求項７の文書処理方法において、さらに、文書ベクトル決定手段を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、前記文書ベクトル決定手段が、前記第１ステップで取得された文書を特徴づける文書ベクトルを決定する第５ステップを備え、前記第２ステップは、前記第５ステップで決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する文書処理方法を提供することにより前記第１の目的を達成する。
【００１７】
【発明の実施の形態】
以下、本発明の文書処理装置、文書処理方法および文書処理プログラムを記憶した記憶媒体の好適な実施の形態を、図１ないし図６を参照して詳細に説明する。
（１）実施の形態の概要
本実施の形態では、対象文書の文書ベクトルを求め、検索対象の各文書との文書ベクトルの差をとる。これらの連続する２つの文書間のコサインバリュー（cosine value）が高いか低いかで内容の類似性を判断する。類似度が高い（即ち類似度が高い場合）とされた文書の要約文および条件設定パラメータを取得し、これを参照して新たな要約文を生成する。
【００１８】
（２）実施の形態の詳細
図１は、文書処理装置の構成を表したブロック図である。
本実施の形態の文書処理装置は、パーソナルコンピュータやワードプロセッサ等を含むコンピュータシステムとして構成し、また、ＬＡＮ（ローカル・エリア・ネットワーク）のサーバーやインターネットを含むコンピュータ（パソコン）通信のホストとして構成することが可能である。
文書処理装置は、図１に示すように装置全体を制御するための制御部１１を備えている。この制御部１１には、データバス等のバスライン２１を介して、入力装置としてのキーボード１２やマウス１３、表示装置１４、印刷装置１５、記憶装置１６、記憶媒体駆動装置１７、通信制御装置１８、および、入出力Ｉ／Ｆ１９、および、文字認識装置２０が接続されている。
制御部１１は、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３を備えている。
ＲＯＭ１１２は、ＣＰＵ１１１が各種制御や演算を行うための各種プログラムやデータが予め格納されたリードオンリーメモリである。
【００１９】
ＲＡＭ１１３は、ＣＰＵ１１１にワーキングメモリとして使用されるランダム・アクセス・メモリである。このＲＡＭ１１３には、本実施の形態による要約処理を行うためのエリアとして、要約対象文書格納エリア１１３１、要約パラメータ格納エリア１１３２、検索原文と要約格納エリア１１３３、文書ベクトル格納エリア１１３４、要約格納エリア１１３５、その他の各種エリアが確保されるようになっている。
文書ベクトル格納エリア１１３４には、要約対象文書に対する文書ベクトルと、後述する各サブ文書に対する文書ベクトルとが格納される。
要約格納エリア１１３５には、本実施の形態により発見された各トピックを含む各サブ文書群に対するサブ要約と、要約対象文書全体に対する要約とが格納される。
【００２０】
キーボード１２は、かな文字を入力するためのかなキーやテンキー、各種機能を実行するための機能キー、カーソルキー、等の各種キーが配置されている。
マウス１３は、ポインティングデバイスであり、表示装置１４に表示されたキーやアイコン等を左クリックすることで対応する機能の指定を行う入力装置である。
表示装置１４は、例えばＣＲＴや液晶ディスプレイ等が使用される。この表示装置には、要約対象文書の内容や、本実施の形態により自動生成された要約の内容等が表示されるようになっている。
印刷装置１５は、表示装置１４に表示された文章や、記憶装置１６の文書格納部１６４に格納された文書等の印刷を行うためのものである。この印刷装置としては、レーザプリンタ、ドットプリンタ、インクジェットプリンタ、ページプリンタ、感熱式プリンタ、熱転写式プリンタ、等の各種印刷装置が使用される。
【００２１】
記憶装置１６は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータ等の各種情報を読み書きするための駆動装置で構成されている。この記憶装置１６に使用される記憶媒体としては、主としてハードディスクが使用されるが、後述の記憶媒体駆動装置１７で使用される各種記憶媒体のうちの読み書き可能な記憶媒体を使用するようにしてもよい。
記憶装置１６は、仮名漢字変換辞書１６１、プログラム格納部１６２、データ格納部１６３、文書データベース１６４、要約データベース１６５、文書ベクトルデータベース１６６、図示しないその他の格納部（例えば、この記憶装置１６内に格納されているプログラムやデータ等をバックアップするための格納部）等を有している。
プログラム格納部１６２には、本実施の形態における自動要約処理プログラム、文書ベクトル作成処理プログラム、要約作成処理プログラム等の各種プログラムの他、仮名漢字変換辞書１６１を使用して入力された仮名文字列を漢字混り文に変換する仮名漢字変換プログラム等の各種プログラムが格納されている。
データ格納部１６３には、要約パラメータのデフォルト値等の各種データが格納されている。要約パラメータのデフォルト値としては、例えば、全文書に対する要約の比率＝「２５％」や、日付時刻、価格情報、物理量（サイズ、重量、温度等）等の数量重視＝「しない」や、ＵＲＬ（Uniform Resource Locator) 重視＝「しない」や、です／ます／であるの選択＝「しない」、等の値が格納されている。
【００２２】
文書データベース１６４には、仮名漢字変換プログラムにより作成された文書や、他の装置で作成されて記憶媒体駆動装置１７や通信制御装置１８から読み込まれた文書が格納される。この文書データベース１６４に格納される各文書の形式は特に限定されるものではなく、テキスト形式の文書、ＨＴＭＬ（Hyper Text Markup Language）形式の文書、ＪＩＳ形式の文書等の各種形式の文書の格納が可能である。文書データベース１６４には、これらの形式の文書データのが格納される。
要約データベース１６５、及び文書ベクトルデータベース１６６には、文書データベース１６４に格納されている各文書に対応する要約や文書ベクトルが格納されるようになっている。
【００２３】
図２は、文書ベクトルデータベース１６６の内容を概念的に表したものである。
この図２に示されるように、文書中から自動抽出されたキーワードｘに対して求められた要素値ｆ（ｘ）が文書ベクトルの要素として格納されている。この文書ベクトルは各文書（Ａ、Ｂ、Ｃ…）毎に格納され、文書データベース１６４に格納されている各文書と対応づけられている。
各文書ベクトルの次元は採用するキーワードｘ（重要語句）の数であるが、２文書間の類似度を両文書ベクトルから求める場合には、両文書のキーワードの和集合の数が両文書ベクトルの次元となる。この場合、一方の文書ベクトルにのみ含まれるキーワードに対する他方の文書ベクトルの要素値は、”０”に定義される。
【００２４】
例えば、図２おいて、文書Ｂのキーワードは「重要、重要語、重要度、…」、文書Ｃのキーワードは「重要、…、政治、…」であり、両文書の文書ベクトルは次の通りである。
文書Ｂの文書ベクトル＝（ １，１８，１９，…）
文書Ｃの文書ベクトル＝（１８，…，２１，…）
これに対して文書Ｂと文書Ｃとの類似度を算出する場合には、両文書のキーワードを「重要、重要語、重要度、…、政治、…」とし、両文書の文書ベクトルはつぎの通り定義される。
文書Ａの文書ベクトル＝（ １，１８，１９，…， ０，…）、
文書Ｃの文書ベクトル＝（１８， ０， ０，…，２１，…）
【００２５】
記憶媒体駆動装置１７は、ＣＰＵ１１１が外部の記憶媒体からコンピュータプログラムや文書を含むデータ等を読み込むための駆動装置である。記憶媒体に記憶されているコンピュータプログラムには、本実施の形態の文書処理装置により実行される各種処理のためのプログラム、および、そこで使用される辞書、データ等も含まれる。
ここで、記憶媒体とは、コンピュータプログラムやデータ等が記憶される記憶媒体をいい、具体的には、フロッピーディスク、ハードディスク、磁気テープ等の磁気記憶媒体、メモリチップやＩＣカード等の半導体記憶媒体、ＣＤ−ＲＯＭやＭＯ、ＰＤ（相変化書換型光ディスク）等の光学的に情報が読み取られる記憶媒体、紙カードや紙テープ等の用紙（および、用紙に相当する機能を持った媒体）を用いた記憶媒体、その他各種方法でコンピュータプログラム等が記憶される記憶媒体が含まれる。本実施の形態の文書処理装置において使用される記憶媒体としては、主として、ＣＤ−ＲＯＭやフロッピーディスクが使用される。
記憶媒体駆動装置１７は、これらの各種記憶媒体からコンピュータプログラムを読み込む他に、フロッピーディスクのような書き込み可能な記憶媒体に対してＲＡＭ１１３や記憶装置１６に格納されているデータ等を書き込むことが可能である。
【００２６】
本実施の形態の文書処理装置では、制御部１１のＣＰＵ１１１が、記憶媒体駆動装置１７にセットされた外部の記憶媒体からコンピュータプログラムを読み込んで、記憶装置１６の各部に格納する。そして、本実施の形態による自動要約処理等の各種処理を実行する場合、記憶装置１６から該当プログラムをＲＡＭ１１３に読み込み、実行するようになっている。
但し、記憶装置１６からではなく、記憶媒体駆動装置１７により外部の記憶媒体から直接ＲＡＭ１１３に読み込んで実行することも可能である。また、文書処理装置によっては、本実施の形態の自動要約処理プログラム等を予めＲＯＭ１１２に記憶しておき、これをＣＰＵ１１１が実行するようにしてもよい。
【００２７】
通信制御装置１８は、他のパーソナルコンピュータやワードプロセッサ等との間でテキスト形式やＨＴＭＬ形式等の各種形式の文書やビットマップデータ等の各種データの送受信を行うことができるようになっている。
入出力Ｉ／Ｆ１９は、音声や音楽等の出力を行うスピーカ等の各種機器を接続するためのインターフェースである。
文字認識装置２０は、用紙等に記載された文字をテキスト形式やＨＴＭＬ等の各種形式で認識する装置であり、イメイージスキャナや文字認識プログラム等で構成されている。
【００２８】
本実施の形態では、キーボード１２の入力操作により作成した文書（ＲＡＭ１１３の所定格納エリアに格納）の他、外部で作成して所定の記憶媒体に格納した文書で記憶媒体駆動装置１７から読み込んだ文書、予め文書データベースに格納されている文書、通信制御装置１８からダウンロードした文書、及び文字認識装置２０で文字認識した文書、等の各種文書を対象文書として取得する（文字取得手段）ことが可能である。
【００２９】
以上のように構成された本実施の形態の文書処理装置による、複数文書から要約を作成する自動要約処理の動作について図３から図６を用いて説明する。
図３は自動要約処理のメイン動作を表したものである。図４中に示した文書ベクトルは、概念的に理解しやすくするために２次元で表示したものであるが、実際にはＮ次元ベクトルである。
ＣＰＵ１１１は、要約を作成する対象となっている要約対象文書Ａ（図４（Ａ））を取得し、ＲＡＭ１１３の要約対象文書格納エリア１１３１に格納する（ステップ１０）。要約対象文書は、ユーザの指示に従ってＲＡＭ１１３（自装置内で作成された文書である場合）、記憶装置１６の文書データベース１６４（要約が未だ作成されていない文書である場合）、記憶媒体駆動装置１７（自装置または他装置で作成済みの文書の場合）、通信制御装置１８（パソコン通信、インターネット等の通信による場合）から取得する。
【００３０】
次に、ＣＰＵ１１１は、ユーザによってキーボード１２等から要約パラメータが入力された場合には入力値を取得し、ユーザによる入力がない場合にはデータ格納部１６３に格納された要約パラメータのデフォルト値を取得し、要約パラメータ格納エリア１１３２に格納する（ステップ１１）。
【００３１】
次に、ＣＰＵ１１１は、要約対象文書格納エリア１１３１に格納した要約対象文書の各文章に対する文書ベクトルＶ（図４）を求める。
図５は、文書ベクトル作成処理の動作を表したフローチャートである。
ＣＰＵ１１１は、形態素解析を行うことで要約対象文書の文章から自立語を抽出する（ステップ１３１）と共に、名詞句、複合名詞句等を含めた候補語（句）を要約対象文書Ａから抽出しＲＡＭ１１３の所定作業領域に格納する（ステップ１３２）。
そして抽出した候補語（句）の要約対象文書での出現頻度、評価関数から、各候補語（句）重要度ｆ（ｘ）を決定する（ステップ１３３）。ここで、評価関数としては、例えば、所定の重要語が予め指定されている場合にはその重要語に対する重み付け、単語、名詞句、複合名詞句等の候補語（句）の種類による重み付け等が使用される。
さらにＣＰＵ１１１は、決定した重要度ｆ（ｘ）の値から要約対象文書Ａのキーワードａ，ｂ，…を決定する（ステップ１３４）。そして、各キーワードの重要度ｆ（ｘ）を要素として、文書ベクトルＶ＝（ｆ（ａ），ｆ（ｂ），…）をＲＡＭ１１３の文書ベクトル格納エリア１１３４に格納する（ステップ１３５）。
【００３２】
要約対象のに対して文書ベクトルＶが求まるとＣＰＵ１１１は、データベースに蓄積されている原文と要約文の組との類似度を求める（ステップ１２）。このデータベースは、過去の原文と要約文の組を履歴として蓄積してあるものである。この要約文は、自動で行われたか、手動で行われたかを問わず蓄積しておく。また、自動で要約された場合は、その圧縮率などの条件設定パラメータも併せて保存してある。さらに、各文書毎の文書文書をベクトルを予め求めてデータとして保持しておくこともできる。
【００３３】
データベースに蓄積されている文書と要約対象文書間の類似度ｓを、両者の文書ベクトルｂｎと文書ベクトルｂｎ＋１間の角度に依存するコサインにより求める。すなわち、両文書ベクトルｂｎとｂｎ＋１間の角度をｑとし、両文書ベクトルの内積をｂｎ・ｂｎ＋１とし、両文書ベクトルの大きさをそれぞれ｜ｂｎ｜、｜ｂｎ＋１｜とした場合、両文書ベクトルの類似度ｓは次の数式１により求まる。
【００３４】
【数１】
類似度ｓ＝ＣＯＳ（ｑ）＝（ｂｎ・ｂｎ＋１）／（｜ｂｎ｜×｜ｂｎ＋１｜）
【００３５】
この類似度ｓの値は−１≦ｓ≦１までの値をとり、１に近いほど２つの文書ベクトルが互いに平行に近く、２つの文書同士は似ていると考えることができる。
その後、類似するとされた原文と要約文の組から条件設定パラメータや要約文を抽出する（ステップ１３）。そして、この抽出した条件設定パラメータや要約文を参考して要約文を生成する（ステップ１４）。この実施の形態では、要約文を生成する際、文書構造が類似した文書がある場合、例えば、新聞記事、法律文書、科学技術の論文等の類似性を反映した要約文を作成することができる。
また、条件設定パラメータを参照することで、より品質の高い要約を作成できる。例えば、要約圧縮率が過去の条件設定パラメータとして保存されていれば、２５％がよいか１５％がよいかを参照することができる。さらに、要約の際、長文優先、短文優先、数量優先、といったことも参照することができる。
参照できる文書が多数存在した場合、それを表示して利用者に選択させることもできる。特に、過去に再利用が盛んに行われた文書、読まれて肯定的なコメントがされている文書、社内の重要人物が参照したことがある文書を優先して模範要約に利用すると精度の高い要約文が生成きると期待できる。
【００３６】
図６は、要約作成処理の動作を表したフローチャートである。
ＣＰＵ１１１は、まず形態素解析を行うことで各文書群に含まれる自立語を抽出する（ステップ２２１）と共に、名詞句、複合名詞句等を含めた候補語（句）を要約対象文書Ａから抽出しＲＡＭ１１３の所定作業領域に格納する（ステップ２２２）。
そして、ＲＡＭ１６の要約パラメータ格納エリア１１３２に格納した要約パラメータや、抽出した候補語（句）の各文書群中での出現頻度、評価関数等から、各候補語（句）重要度ｆ（ｙ）を決定する（ステップ２２３）。ここで、評価関数としては、例えば、所定の重要語が予め指定されている場合にはその重要語に対する重み付け、単語、名詞句、複合名詞句等の候補語（句）の種類による重み付け等が使用される。
【００３７】
さらにＣＰＵ１１１は、決定した重要度ｆ（ｙ）や要約パラメータ格納エリアリレーに格納された要約パラメータ等から、各文書群含まれる各センテンスに対する重要度Ｆ（ｚ）を決定する（ステップ２２４）。そして、決定したセンテンスの重要度Ｆ（ｚ）の重要度が高いセンテンスの上位から要約パラメータの要約比率（例えば、文書群の全センテンス数の内の上位２５％）以内に入るセンテンスをリストアップする（ステップ２２５）。
そしてＣＰＵ１１１は、リストアップしたセンテンスを文書群の中での出現順に並べることで当該文書についての要約とし、これをＲＡＭ１１３の要約格納エリア１１３５の所定エリアに格納して（ステップ２２６）、図３の自動要約処理ルーチンにリターンして、本実施の形態による自動要約処理を終了する。
【００３８】
以上説明したように、本実施の形態による自動要約処理によれば、過去になされた要約を参考に要約文を作成するので、精度が高く、読み易い要約を作成することができる。
【００３９】
以上の自動要約処理が終了すると、ＣＰＵ１１１はユーザの指示によりＲＡＭ１１３に格納した各データの保存処理を行う。
すなわち、要約対象文書格納エリア１１３１から要約対象文書を読み出して、記憶装置１６の文書データベース１６４に格納する。また作成した要約を要約格納エリア１１３５から読み出し、文書データベース１６４に格納した要約対象文書との関連性を付けて記憶装置１６の要約データベース１６５に格納する。さらに、文書ベクトル作成処理で求めた文書ベクトルＶを文書ベクトル格納エリア１１３５から読み出し、文書データベース１６４に格納した要約対象文書との関連性を付けて記憶装置１６の文書ベクトルデータベース１６６に格納する。
【００４０】
以上、本実施の形態の構成および自動要約処理について説明したが、本発明では、これらの各形態に限定されるものではなく、請求項に記載された発明の範囲内で種々の変形をすることが可能である。
例えば実施の形態では、形態素解析及び候補語（句）の抽出について、文書ベクトル作成処理（図５のステップ１３１とステップ１３２）と、要約作成処理（図６のステップ２２１とステップ２２２）とにおいて独立して同様な処理を行うこととしたが、本発明では、文書ベクトル作成処理で抽出した候補語（句）をＲＡＭ１６の所定エリアに格納しておき、要約作成処理で利用するようにしてもよい。
【００４１】
また説明した実施の形態では、自動要約処理が終了した後の保存処理において、要約対象文書、要約、文書ベクトルＶのみを記憶装置１６の各データベース１６４、１６５、１６６に格納し保存するようにしたが、本発明では更に、文書ベクトル作成処理（図５）のステップ１３２で要約対象文書から抽出し、ＲＡＭ１１３の所定作業領域に格納した候補語（句）を要約対象文書Ａと関連つけて、文書データベース１６４、又は専用の候補語（句）データベースに格納するようにしてもよい。
また要約パラメータ格納エリア１１３２から要約パラメータを読み出して、当該要約に関連付けて、要約データベース１６６、または専用の要約パラメータデータベースに格納するようにしてもよい。
【００４２】
さらに、説明した実施の形態では、文書ベクトル作成処理（及び要約作成処理（ステップ２２、図６）の両処理において、形態素解析（ステップ１３１、２２１）と候補語（句）の抽出（ステップ１３２、２２２）を行った。
しかし、同一センテンスに対する処理であるため、抽出した候補語（句）は同一である。そこで、本発明では、文書ベクトル作成処理で抽出した候補語（句）をＲＡＭ１１３の所定エリアに格納しておき、要約処理において格納した候補語（句）を使用することでステップ２２１とステップ２２２を省略するようにしてもよい。
この候補語（句）についても、要約対象文書に対する候補語（句）として文書データベース１６４、又は専用の候補語（句）データベースに格納するようにしてもよい。
【００４３】
説明した実施の形態では文書ベクトルを作成する方法として図５のフローチャートに従った方法を１例にして説明したが、本発明でこの方法に限られるものではなく、要約対象文書中Ａからキーワードを抽出する方法や、抽出キーワードに対する重要度（＝文書ベクトルの要素値）の決定方法等については、公知の各種方法により置き換えることが可能である。
また、各サブ文書群に対する要約の作成処理についても同様に図６のフローチャートに示した方法に限られるものではなく、公知の各種要約方法、抄録作成方法等を資料することが可能である。
更に、２つの文書ベクトルの類似度の算出方法については、数式１により類似度を算出することとしたが、この数式に限定されるものではなく、ベクトル相互間の類似関係を表すことが可能であれば他の数式により類似度を算出することも可能である。
【００４４】
説明した実施の形態では、日本語で作成された文書に限られるものでなく、あらゆる言語で作成された文書を対象とすることが可能である。その場合、対象となる文書が作成された言語用の形態素解析アルゴリズム等を使用するといった、本発明の構成には影響のない部分を変更するだけでよい。
なお、以上の実施の形態において説明した、各装置、各部、各動作、各処理等に対しては、それらを含む上位概念としての各手段（〜手段）により、実施の形態を構成することが可能である。
例えば、「決定した重要度ｆ（ｘ）の値から要約対象文書Ａのキーワードａ，ｂ，…を決定する（ステップ１３４）」との記載に対して「キーワード決定手段」を構成し、「決定したセンテンスの重要度Ｆ（ｚ）の重要度が高いセンテンスの上位から要約パラメータの要約比率（例えば、サブ文書群の全センテンス数の内の上位２５％）以内に入るセンテンスをリストアップする（ステップ２２５）」との記載に対して「センテンスリストアップ手段」を構成するようにしてもよい。
同様に、その他各種動作に対して「〜（動作）手段」等の上位概念で実施の形態を構成するようにしてもよい。
【００４５】
【発明の効果】
本発明によれば、過去に行われた要約の条件設定パラメータに基づいて要約を行うので、精度が高く、対象文書の内容を把握し易い要約を作成することができる。
【図面の簡単な説明】
【図１】本発明の１実施の形態における文書処理装置の構成を表したブロック図である。
【図２】同上、実施の形態における文書ベクトルデータベースの内容を概念的に表した説明図である。
【図３】同上、実施の形態における自動要約処理のメイン動作を表したフローチャートである。
【図４】同上、実施の形態における、文書Ａに対する文書ベクトルを求めたところ示す図である。
【図５】同上、実施の形態における文書ベクトル作成処理の動作を表したフローチャートである。
【図６】同上、実施の形態における要約作成処理の動作を表したフローチャートである。
【符号の説明】
１１ 制御部
１１２ ＲＯＭ
１１３ ＲＡＭ
１１３１ 要約対象文書格納エリア
１１３２ 要約パラメータ格納エリア
１１３３ 検索原文＋要約格納エリア
１１３４ 文書ベクトル格納エリア
１１３５ 要約格納エリア
１２ キーボード
１３ マウス
１４ 表示装置
１５ 印刷装置
１６ 記憶装置
１６１ 仮名漢字変換辞書
１６２ プログラム格納部
１６３ データ格納部
１６４ 文書データベース
１６５ 要約データベース
１６６ 文書ベクトルデータベース
１７ 記憶媒体駆動装置
１８ 通信制御装置
１９ 入出力Ｉ／Ｆ
２０ 文字認識装置
【発明の属する技術分野】
この発明は、文書処理装置、文書処理方法および文書処理プログラムを記憶した記憶媒体に係り、詳細には、蓄積してある過去の原文と要約の組を新規に要約を作成するにあたり、参照・活用することで、より読み易い要約を作成する技術に関する。
【０００２】
【従来の技術】
従来、書籍、論文、報告書等の各種の文書に対し、要約（抄録を含む）の自動作成処理や、他文書等との関連づけ処理等の各種処理をコンピュータを用いて行うことが行われている。
文書の自動要約については、例えば、「全文情報からの意味的情報の抽出と加工」（情報処理学会第３８回全国大会予稿集、第２２２頁；１９８９年）で提案されている。この方法では、まず文書中の重要語を字種や動詞等の情報から抽出し、さらに重要語の出現頻度から最重要語を決定する。次に、重要語と最重要語が出現するか否かから重要文を決定することで、自動的に要約を作成することが可能になる。また、文章の段落の性質を反映させることで、より正確に要約を作成する特開平３−１９１４７５号公報に記載された方法等も提案されている。
一方、他のデータとの関連づけとしては、インターネットにおけるハイパーリンクや、フレームシステム等による知識処理（エキスパートシステム等）における関連づけ等が行われている。
【０００３】
【発明が解決しようとする課題】
このような、従来の文書処理装置では、その都度該装置で要約を行い、過去になされた要約を参照して行うものではなかった。ところで、通常、文書を作成する際、例えば、挨拶状、法律的な警告状などを作成するとき、過去に作成された同様な書類を見本として参照することが多い。同様に要約を作成する場合、過去に作成された要約を参考にすることも有意義であると考えられる。特に、多くの人に使用された実績のある要約文は、要約を行う際に参照することが有益であると期待できる。
【０００４】
そこで、本発明は、このような従来の課題を解決するために成されたもので、過去に行われた要約と原文と条件設定パラメータの組を蓄積しておき、条件設定パラメータを参照して新たな要約を作成することができる文書処理装置および文書処理方法を提供することを第１の目的とする。
また、本発明は、過去に行われた要約と原文と条件設定パラメータの組を蓄積しておき、条件設定パラメータを参照して新たな要約を作成することができるコンピュータ読取り可能な文書処理プログラムを記憶した記憶媒体を提供することを第２の目的とする。
【０００５】
【課題を解決するための手段】
請求項１記載の発明では、文書処理装置に、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、所定形式の文書を取得する文書取得手段と、前記文書取得手段により取得された文書と類似している文書を前記データベースから検索する類似文書検索手段と、この類似文書検索手段で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得手段と、この条件設定パラメータ取得手段で取得した条件設定パラメータに基づいて、前記文書取得手段で取得した文書の要約文を作成する要約手段とを備えさせて前記第１の目的を達成する。
【０００７】
請求項２に記載した発明では、請求項１に記載した文書処理装置において、前記文書取得手段で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定手段を備え、前記類似文書検索手段は前記文書ベクトル決定手段で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する。
【０００８】
請求項３に記載した発明では、請求項１または請求項２記載の文書処理装置において、前記類似文書検索手段で文書を検索する際の類似判断の条件は、利用者による設定が可能であることとした。
【００１０】
請求項４に記載した発明では、記憶媒体に、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースを備えた文書処理装置に、所定形式の文書を取得する文書取得機能と、前記文書取得機能により取得された文書と類似している文書を前記データベースから検索する類似文書検索機能と、この類似文書検索機能で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得機能と、この条件設定パラメータ取得機能で取得した条件設定パラメータに基づいて、前記文書取得機能で取得した文書の要約文を作成する要約機能と、を実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１２】
請求項５に記載した発明では、請求項４記載の記憶媒体に、前記文書取得機能で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定機能を備え、前記類似文書検索機能は前記文書ベクトル決定機能で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する機能をコンピュータに実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１３】
請求項６に記載した発明では、請求項４または請求項５記載の記憶媒体に、前記類似文書検索機能で文書を検索する際の類似判断の条件は、利用者による設定が可能であることとする機能をコンピュータに実現させるためのコンピュータ読取り可能な文書処理プログラムを記憶させて前記第２の目的を達成する。
【００１５】
請求項７に記載した発明では、文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、文書取得手段と、類似文書検索手段と、条件設定パラメータ取得手段と、要約手段と、を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、前記文書取得手段が、所定形式の文書を取得する第１ステップと、前記類似文書検索手段が、前記第１ステップにより取得された文書と類似している文書を前記データベースから検索する第２ステップと、前記条件設定パラメータ取得手段が、前記第２ステップで検索された文書に対応する条件設定パラメータを前記データベースから取得する第３ステップと、前記要約手段が、前記第３ステップで取得した条件設定パラメータに基づいて、前記第１ステップで取得した文書の要約文を作成する第４ステップと、を備えた文書処理方法を提供することにより前記第１の目的を達成する。
【００１６】
請求項８に記載した発明では、請求項７の文書処理方法において、さらに、文書ベクトル決定手段を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、前記文書ベクトル決定手段が、前記第１ステップで取得された文書を特徴づける文書ベクトルを決定する第５ステップを備え、前記第２ステップは、前記第５ステップで決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する文書処理方法を提供することにより前記第１の目的を達成する。
【００１７】
【発明の実施の形態】
以下、本発明の文書処理装置、文書処理方法および文書処理プログラムを記憶した記憶媒体の好適な実施の形態を、図１ないし図６を参照して詳細に説明する。
（１）実施の形態の概要
本実施の形態では、対象文書の文書ベクトルを求め、検索対象の各文書との文書ベクトルの差をとる。これらの連続する２つの文書間のコサインバリュー（cosine value）が高いか低いかで内容の類似性を判断する。類似度が高い（即ち類似度が高い場合）とされた文書の要約文および条件設定パラメータを取得し、これを参照して新たな要約文を生成する。
【００１８】
（２）実施の形態の詳細
図１は、文書処理装置の構成を表したブロック図である。
本実施の形態の文書処理装置は、パーソナルコンピュータやワードプロセッサ等を含むコンピュータシステムとして構成し、また、ＬＡＮ（ローカル・エリア・ネットワーク）のサーバーやインターネットを含むコンピュータ（パソコン）通信のホストとして構成することが可能である。
文書処理装置は、図１に示すように装置全体を制御するための制御部１１を備えている。この制御部１１には、データバス等のバスライン２１を介して、入力装置としてのキーボード１２やマウス１３、表示装置１４、印刷装置１５、記憶装置１６、記憶媒体駆動装置１７、通信制御装置１８、および、入出力Ｉ／Ｆ１９、および、文字認識装置２０が接続されている。
制御部１１は、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３を備えている。
ＲＯＭ１１２は、ＣＰＵ１１１が各種制御や演算を行うための各種プログラムやデータが予め格納されたリードオンリーメモリである。
【００１９】
ＲＡＭ１１３は、ＣＰＵ１１１にワーキングメモリとして使用されるランダム・アクセス・メモリである。このＲＡＭ１１３には、本実施の形態による要約処理を行うためのエリアとして、要約対象文書格納エリア１１３１、要約パラメータ格納エリア１１３２、検索原文と要約格納エリア１１３３、文書ベクトル格納エリア１１３４、要約格納エリア１１３５、その他の各種エリアが確保されるようになっている。
文書ベクトル格納エリア１１３４には、要約対象文書に対する文書ベクトルと、後述する各サブ文書に対する文書ベクトルとが格納される。
要約格納エリア１１３５には、本実施の形態により発見された各トピックを含む各サブ文書群に対するサブ要約と、要約対象文書全体に対する要約とが格納される。
【００２０】
キーボード１２は、かな文字を入力するためのかなキーやテンキー、各種機能を実行するための機能キー、カーソルキー、等の各種キーが配置されている。
マウス１３は、ポインティングデバイスであり、表示装置１４に表示されたキーやアイコン等を左クリックすることで対応する機能の指定を行う入力装置である。
表示装置１４は、例えばＣＲＴや液晶ディスプレイ等が使用される。この表示装置には、要約対象文書の内容や、本実施の形態により自動生成された要約の内容等が表示されるようになっている。
印刷装置１５は、表示装置１４に表示された文章や、記憶装置１６の文書格納部１６４に格納された文書等の印刷を行うためのものである。この印刷装置としては、レーザプリンタ、ドットプリンタ、インクジェットプリンタ、ページプリンタ、感熱式プリンタ、熱転写式プリンタ、等の各種印刷装置が使用される。
【００２１】
記憶装置１６は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータ等の各種情報を読み書きするための駆動装置で構成されている。この記憶装置１６に使用される記憶媒体としては、主としてハードディスクが使用されるが、後述の記憶媒体駆動装置１７で使用される各種記憶媒体のうちの読み書き可能な記憶媒体を使用するようにしてもよい。
記憶装置１６は、仮名漢字変換辞書１６１、プログラム格納部１６２、データ格納部１６３、文書データベース１６４、要約データベース１６５、文書ベクトルデータベース１６６、図示しないその他の格納部（例えば、この記憶装置１６内に格納されているプログラムやデータ等をバックアップするための格納部）等を有している。
プログラム格納部１６２には、本実施の形態における自動要約処理プログラム、文書ベクトル作成処理プログラム、要約作成処理プログラム等の各種プログラムの他、仮名漢字変換辞書１６１を使用して入力された仮名文字列を漢字混り文に変換する仮名漢字変換プログラム等の各種プログラムが格納されている。
データ格納部１６３には、要約パラメータのデフォルト値等の各種データが格納されている。要約パラメータのデフォルト値としては、例えば、全文書に対する要約の比率＝「２５％」や、日付時刻、価格情報、物理量（サイズ、重量、温度等）等の数量重視＝「しない」や、ＵＲＬ（Uniform Resource Locator) 重視＝「しない」や、です／ます／であるの選択＝「しない」、等の値が格納されている。
【００２２】
文書データベース１６４には、仮名漢字変換プログラムにより作成された文書や、他の装置で作成されて記憶媒体駆動装置１７や通信制御装置１８から読み込まれた文書が格納される。この文書データベース１６４に格納される各文書の形式は特に限定されるものではなく、テキスト形式の文書、ＨＴＭＬ（Hyper Text Markup Language）形式の文書、ＪＩＳ形式の文書等の各種形式の文書の格納が可能である。文書データベース１６４には、これらの形式の文書データのが格納される。
要約データベース１６５、及び文書ベクトルデータベース１６６には、文書データベース１６４に格納されている各文書に対応する要約や文書ベクトルが格納されるようになっている。
【００２３】
図２は、文書ベクトルデータベース１６６の内容を概念的に表したものである。
この図２に示されるように、文書中から自動抽出されたキーワードｘに対して求められた要素値ｆ（ｘ）が文書ベクトルの要素として格納されている。この文書ベクトルは各文書（Ａ、Ｂ、Ｃ…）毎に格納され、文書データベース１６４に格納されている各文書と対応づけられている。
各文書ベクトルの次元は採用するキーワードｘ（重要語句）の数であるが、２文書間の類似度を両文書ベクトルから求める場合には、両文書のキーワードの和集合の数が両文書ベクトルの次元となる。この場合、一方の文書ベクトルにのみ含まれるキーワードに対する他方の文書ベクトルの要素値は、”０”に定義される。
【００２４】
例えば、図２おいて、文書Ｂのキーワードは「重要、重要語、重要度、…」、文書Ｃのキーワードは「重要、…、政治、…」であり、両文書の文書ベクトルは次の通りである。
文書Ｂの文書ベクトル＝（ １，１８，１９，…）
文書Ｃの文書ベクトル＝（１８，…，２１，…）
これに対して文書Ｂと文書Ｃとの類似度を算出する場合には、両文書のキーワードを「重要、重要語、重要度、…、政治、…」とし、両文書の文書ベクトルはつぎの通り定義される。
文書Ａの文書ベクトル＝（ １，１８，１９，…， ０，…）、
文書Ｃの文書ベクトル＝（１８， ０， ０，…，２１，…）
【００２５】
記憶媒体駆動装置１７は、ＣＰＵ１１１が外部の記憶媒体からコンピュータプログラムや文書を含むデータ等を読み込むための駆動装置である。記憶媒体に記憶されているコンピュータプログラムには、本実施の形態の文書処理装置により実行される各種処理のためのプログラム、および、そこで使用される辞書、データ等も含まれる。
ここで、記憶媒体とは、コンピュータプログラムやデータ等が記憶される記憶媒体をいい、具体的には、フロッピーディスク、ハードディスク、磁気テープ等の磁気記憶媒体、メモリチップやＩＣカード等の半導体記憶媒体、ＣＤ−ＲＯＭやＭＯ、ＰＤ（相変化書換型光ディスク）等の光学的に情報が読み取られる記憶媒体、紙カードや紙テープ等の用紙（および、用紙に相当する機能を持った媒体）を用いた記憶媒体、その他各種方法でコンピュータプログラム等が記憶される記憶媒体が含まれる。本実施の形態の文書処理装置において使用される記憶媒体としては、主として、ＣＤ−ＲＯＭやフロッピーディスクが使用される。
記憶媒体駆動装置１７は、これらの各種記憶媒体からコンピュータプログラムを読み込む他に、フロッピーディスクのような書き込み可能な記憶媒体に対してＲＡＭ１１３や記憶装置１６に格納されているデータ等を書き込むことが可能である。
【００２６】
本実施の形態の文書処理装置では、制御部１１のＣＰＵ１１１が、記憶媒体駆動装置１７にセットされた外部の記憶媒体からコンピュータプログラムを読み込んで、記憶装置１６の各部に格納する。そして、本実施の形態による自動要約処理等の各種処理を実行する場合、記憶装置１６から該当プログラムをＲＡＭ１１３に読み込み、実行するようになっている。
但し、記憶装置１６からではなく、記憶媒体駆動装置１７により外部の記憶媒体から直接ＲＡＭ１１３に読み込んで実行することも可能である。また、文書処理装置によっては、本実施の形態の自動要約処理プログラム等を予めＲＯＭ１１２に記憶しておき、これをＣＰＵ１１１が実行するようにしてもよい。
【００２７】
通信制御装置１８は、他のパーソナルコンピュータやワードプロセッサ等との間でテキスト形式やＨＴＭＬ形式等の各種形式の文書やビットマップデータ等の各種データの送受信を行うことができるようになっている。
入出力Ｉ／Ｆ１９は、音声や音楽等の出力を行うスピーカ等の各種機器を接続するためのインターフェースである。
文字認識装置２０は、用紙等に記載された文字をテキスト形式やＨＴＭＬ等の各種形式で認識する装置であり、イメイージスキャナや文字認識プログラム等で構成されている。
【００２８】
本実施の形態では、キーボード１２の入力操作により作成した文書（ＲＡＭ１１３の所定格納エリアに格納）の他、外部で作成して所定の記憶媒体に格納した文書で記憶媒体駆動装置１７から読み込んだ文書、予め文書データベースに格納されている文書、通信制御装置１８からダウンロードした文書、及び文字認識装置２０で文字認識した文書、等の各種文書を対象文書として取得する（文字取得手段）ことが可能である。
【００２９】
以上のように構成された本実施の形態の文書処理装置による、複数文書から要約を作成する自動要約処理の動作について図３から図６を用いて説明する。
図３は自動要約処理のメイン動作を表したものである。図４中に示した文書ベクトルは、概念的に理解しやすくするために２次元で表示したものであるが、実際にはＮ次元ベクトルである。
ＣＰＵ１１１は、要約を作成する対象となっている要約対象文書Ａ（図４（Ａ））を取得し、ＲＡＭ１１３の要約対象文書格納エリア１１３１に格納する（ステップ１０）。要約対象文書は、ユーザの指示に従ってＲＡＭ１１３（自装置内で作成された文書である場合）、記憶装置１６の文書データベース１６４（要約が未だ作成されていない文書である場合）、記憶媒体駆動装置１７（自装置または他装置で作成済みの文書の場合）、通信制御装置１８（パソコン通信、インターネット等の通信による場合）から取得する。
【００３０】
次に、ＣＰＵ１１１は、ユーザによってキーボード１２等から要約パラメータが入力された場合には入力値を取得し、ユーザによる入力がない場合にはデータ格納部１６３に格納された要約パラメータのデフォルト値を取得し、要約パラメータ格納エリア１１３２に格納する（ステップ１１）。
【００３１】
次に、ＣＰＵ１１１は、要約対象文書格納エリア１１３１に格納した要約対象文書の各文章に対する文書ベクトルＶ（図４）を求める。
図５は、文書ベクトル作成処理の動作を表したフローチャートである。
ＣＰＵ１１１は、形態素解析を行うことで要約対象文書の文章から自立語を抽出する（ステップ１３１）と共に、名詞句、複合名詞句等を含めた候補語（句）を要約対象文書Ａから抽出しＲＡＭ１１３の所定作業領域に格納する（ステップ１３２）。
そして抽出した候補語（句）の要約対象文書での出現頻度、評価関数から、各候補語（句）重要度ｆ（ｘ）を決定する（ステップ１３３）。ここで、評価関数としては、例えば、所定の重要語が予め指定されている場合にはその重要語に対する重み付け、単語、名詞句、複合名詞句等の候補語（句）の種類による重み付け等が使用される。
さらにＣＰＵ１１１は、決定した重要度ｆ（ｘ）の値から要約対象文書Ａのキーワードａ，ｂ，…を決定する（ステップ１３４）。そして、各キーワードの重要度ｆ（ｘ）を要素として、文書ベクトルＶ＝（ｆ（ａ），ｆ（ｂ），…）をＲＡＭ１１３の文書ベクトル格納エリア１１３４に格納する（ステップ１３５）。
【００３２】
要約対象のに対して文書ベクトルＶが求まるとＣＰＵ１１１は、データベースに蓄積されている原文と要約文の組との類似度を求める（ステップ１２）。このデータベースは、過去の原文と要約文の組を履歴として蓄積してあるものである。この要約文は、自動で行われたか、手動で行われたかを問わず蓄積しておく。また、自動で要約された場合は、その圧縮率などの条件設定パラメータも併せて保存してある。さらに、各文書毎の文書文書をベクトルを予め求めてデータとして保持しておくこともできる。
【００３３】
データベースに蓄積されている文書と要約対象文書間の類似度ｓを、両者の文書ベクトルｂｎと文書ベクトルｂｎ＋１間の角度に依存するコサインにより求める。すなわち、両文書ベクトルｂｎとｂｎ＋１間の角度をｑとし、両文書ベクトルの内積をｂｎ・ｂｎ＋１とし、両文書ベクトルの大きさをそれぞれ｜ｂｎ｜、｜ｂｎ＋１｜とした場合、両文書ベクトルの類似度ｓは次の数式１により求まる。
【００３４】
【数１】
類似度ｓ＝ＣＯＳ（ｑ）＝（ｂｎ・ｂｎ＋１）／（｜ｂｎ｜×｜ｂｎ＋１｜）
【００３５】
この類似度ｓの値は−１≦ｓ≦１までの値をとり、１に近いほど２つの文書ベクトルが互いに平行に近く、２つの文書同士は似ていると考えることができる。
その後、類似するとされた原文と要約文の組から条件設定パラメータや要約文を抽出する（ステップ１３）。そして、この抽出した条件設定パラメータや要約文を参考して要約文を生成する（ステップ１４）。この実施の形態では、要約文を生成する際、文書構造が類似した文書がある場合、例えば、新聞記事、法律文書、科学技術の論文等の類似性を反映した要約文を作成することができる。
また、条件設定パラメータを参照することで、より品質の高い要約を作成できる。例えば、要約圧縮率が過去の条件設定パラメータとして保存されていれば、２５％がよいか１５％がよいかを参照することができる。さらに、要約の際、長文優先、短文優先、数量優先、といったことも参照することができる。
参照できる文書が多数存在した場合、それを表示して利用者に選択させることもできる。特に、過去に再利用が盛んに行われた文書、読まれて肯定的なコメントがされている文書、社内の重要人物が参照したことがある文書を優先して模範要約に利用すると精度の高い要約文が生成きると期待できる。
【００３６】
図６は、要約作成処理の動作を表したフローチャートである。
ＣＰＵ１１１は、まず形態素解析を行うことで各文書群に含まれる自立語を抽出する（ステップ２２１）と共に、名詞句、複合名詞句等を含めた候補語（句）を要約対象文書Ａから抽出しＲＡＭ１１３の所定作業領域に格納する（ステップ２２２）。
そして、ＲＡＭ１６の要約パラメータ格納エリア１１３２に格納した要約パラメータや、抽出した候補語（句）の各文書群中での出現頻度、評価関数等から、各候補語（句）重要度ｆ（ｙ）を決定する（ステップ２２３）。ここで、評価関数としては、例えば、所定の重要語が予め指定されている場合にはその重要語に対する重み付け、単語、名詞句、複合名詞句等の候補語（句）の種類による重み付け等が使用される。
【００３７】
さらにＣＰＵ１１１は、決定した重要度ｆ（ｙ）や要約パラメータ格納エリアリレーに格納された要約パラメータ等から、各文書群含まれる各センテンスに対する重要度Ｆ（ｚ）を決定する（ステップ２２４）。そして、決定したセンテンスの重要度Ｆ（ｚ）の重要度が高いセンテンスの上位から要約パラメータの要約比率（例えば、文書群の全センテンス数の内の上位２５％）以内に入るセンテンスをリストアップする（ステップ２２５）。
そしてＣＰＵ１１１は、リストアップしたセンテンスを文書群の中での出現順に並べることで当該文書についての要約とし、これをＲＡＭ１１３の要約格納エリア１１３５の所定エリアに格納して（ステップ２２６）、図３の自動要約処理ルーチンにリターンして、本実施の形態による自動要約処理を終了する。
【００３８】
以上説明したように、本実施の形態による自動要約処理によれば、過去になされた要約を参考に要約文を作成するので、精度が高く、読み易い要約を作成することができる。
【００３９】
以上の自動要約処理が終了すると、ＣＰＵ１１１はユーザの指示によりＲＡＭ１１３に格納した各データの保存処理を行う。
すなわち、要約対象文書格納エリア１１３１から要約対象文書を読み出して、記憶装置１６の文書データベース１６４に格納する。また作成した要約を要約格納エリア１１３５から読み出し、文書データベース１６４に格納した要約対象文書との関連性を付けて記憶装置１６の要約データベース１６５に格納する。さらに、文書ベクトル作成処理で求めた文書ベクトルＶを文書ベクトル格納エリア１１３５から読み出し、文書データベース１６４に格納した要約対象文書との関連性を付けて記憶装置１６の文書ベクトルデータベース１６６に格納する。
【００４０】
以上、本実施の形態の構成および自動要約処理について説明したが、本発明では、これらの各形態に限定されるものではなく、請求項に記載された発明の範囲内で種々の変形をすることが可能である。
例えば実施の形態では、形態素解析及び候補語（句）の抽出について、文書ベクトル作成処理（図５のステップ１３１とステップ１３２）と、要約作成処理（図６のステップ２２１とステップ２２２）とにおいて独立して同様な処理を行うこととしたが、本発明では、文書ベクトル作成処理で抽出した候補語（句）をＲＡＭ１６の所定エリアに格納しておき、要約作成処理で利用するようにしてもよい。
【００４１】
また説明した実施の形態では、自動要約処理が終了した後の保存処理において、要約対象文書、要約、文書ベクトルＶのみを記憶装置１６の各データベース１６４、１６５、１６６に格納し保存するようにしたが、本発明では更に、文書ベクトル作成処理（図５）のステップ１３２で要約対象文書から抽出し、ＲＡＭ１１３の所定作業領域に格納した候補語（句）を要約対象文書Ａと関連つけて、文書データベース１６４、又は専用の候補語（句）データベースに格納するようにしてもよい。
また要約パラメータ格納エリア１１３２から要約パラメータを読み出して、当該要約に関連付けて、要約データベース１６６、または専用の要約パラメータデータベースに格納するようにしてもよい。
【００４２】
さらに、説明した実施の形態では、文書ベクトル作成処理（及び要約作成処理（ステップ２２、図６）の両処理において、形態素解析（ステップ１３１、２２１）と候補語（句）の抽出（ステップ１３２、２２２）を行った。
しかし、同一センテンスに対する処理であるため、抽出した候補語（句）は同一である。そこで、本発明では、文書ベクトル作成処理で抽出した候補語（句）をＲＡＭ１１３の所定エリアに格納しておき、要約処理において格納した候補語（句）を使用することでステップ２２１とステップ２２２を省略するようにしてもよい。
この候補語（句）についても、要約対象文書に対する候補語（句）として文書データベース１６４、又は専用の候補語（句）データベースに格納するようにしてもよい。
【００４３】
説明した実施の形態では文書ベクトルを作成する方法として図５のフローチャートに従った方法を１例にして説明したが、本発明でこの方法に限られるものではなく、要約対象文書中Ａからキーワードを抽出する方法や、抽出キーワードに対する重要度（＝文書ベクトルの要素値）の決定方法等については、公知の各種方法により置き換えることが可能である。
また、各サブ文書群に対する要約の作成処理についても同様に図６のフローチャートに示した方法に限られるものではなく、公知の各種要約方法、抄録作成方法等を資料することが可能である。
更に、２つの文書ベクトルの類似度の算出方法については、数式１により類似度を算出することとしたが、この数式に限定されるものではなく、ベクトル相互間の類似関係を表すことが可能であれば他の数式により類似度を算出することも可能である。
【００４４】
説明した実施の形態では、日本語で作成された文書に限られるものでなく、あらゆる言語で作成された文書を対象とすることが可能である。その場合、対象となる文書が作成された言語用の形態素解析アルゴリズム等を使用するといった、本発明の構成には影響のない部分を変更するだけでよい。
なお、以上の実施の形態において説明した、各装置、各部、各動作、各処理等に対しては、それらを含む上位概念としての各手段（〜手段）により、実施の形態を構成することが可能である。
例えば、「決定した重要度ｆ（ｘ）の値から要約対象文書Ａのキーワードａ，ｂ，…を決定する（ステップ１３４）」との記載に対して「キーワード決定手段」を構成し、「決定したセンテンスの重要度Ｆ（ｚ）の重要度が高いセンテンスの上位から要約パラメータの要約比率（例えば、サブ文書群の全センテンス数の内の上位２５％）以内に入るセンテンスをリストアップする（ステップ２２５）」との記載に対して「センテンスリストアップ手段」を構成するようにしてもよい。
同様に、その他各種動作に対して「〜（動作）手段」等の上位概念で実施の形態を構成するようにしてもよい。
【００４５】
【発明の効果】
本発明によれば、過去に行われた要約の条件設定パラメータに基づいて要約を行うので、精度が高く、対象文書の内容を把握し易い要約を作成することができる。
【図面の簡単な説明】
【図１】本発明の１実施の形態における文書処理装置の構成を表したブロック図である。
【図２】同上、実施の形態における文書ベクトルデータベースの内容を概念的に表した説明図である。
【図３】同上、実施の形態における自動要約処理のメイン動作を表したフローチャートである。
【図４】同上、実施の形態における、文書Ａに対する文書ベクトルを求めたところ示す図である。
【図５】同上、実施の形態における文書ベクトル作成処理の動作を表したフローチャートである。
【図６】同上、実施の形態における要約作成処理の動作を表したフローチャートである。
【符号の説明】
１１ 制御部
１１２ ＲＯＭ
１１３ ＲＡＭ
１１３１ 要約対象文書格納エリア
１１３２ 要約パラメータ格納エリア
１１３３ 検索原文＋要約格納エリア
１１３４ 文書ベクトル格納エリア
１１３５ 要約格納エリア
１２ キーボード
１３ マウス
１４ 表示装置
１５ 印刷装置
１６ 記憶装置
１６１ 仮名漢字変換辞書
１６２ プログラム格納部
１６３ データ格納部
１６４ 文書データベース
１６５ 要約データベース
１６６ 文書ベクトルデータベース
１７ 記憶媒体駆動装置
１８ 通信制御装置
１９ 入出力Ｉ／Ｆ
２０ 文字認識装置
Claims (8)
- 文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、
所定形式の文書を取得する文書取得手段と、
前記文書取得手段により取得された文書と類似している文書を前記データベースから検索する類似文書検索手段と、
この類似文書検索手段で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得手段と、
この条件設定パラメータ取得手段で取得した条件設定パラメータに基づいて、前記文書取得手段で取得した文書の要約文を作成する要約手段と、
を備えたことを特徴とする文書処理装置。 - 前記文書取得手段で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定手段を備え、
前記類似文書検索手段は前記文書ベクトル決定手段で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する
ことを特徴とする請求項１記載の文書処理装置。 - 前記類似文書検索手段で文書を検索する際の類似判断の条件は、利用者による設定が可能であることを特徴とした請求項１または請求項２記載の文書処理装置。
- 文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースを備えた文書処理装置に、
所定形式の文書を取得する文書取得機能と、
前記文書取得機能により取得された文書と類似している文書を前記データベースから検索する類似文書検索機能と、
この類似文書検索機能で検索された文書に対応する条件設定パラメータを前記データベースから取得する条件設定パラメータ取得機能と、
この条件設定パラメータ取得機能で取得した条件設定パラメータに基づいて、前記文書取得機能で取得した文書の要約文を作成する要約機能と、
を実現させるためのコンピュータ読取り可能な文書処理プログラムが記憶された記憶媒体。 - 前記文書取得機能で取得された文書を特徴づける文書ベクトルを決定する文書ベクトル決定機能を備え、
前記類似文書検索機能は前記文書ベクトル決定機能で決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する
ことを特徴とする請求項４記載の文書処理プログラムが記憶された記憶媒体。 - 前記類似文書検索機能で文書を検索する際の類似判断の条件は、利用者による設定が可能であることを特徴とした請求項４または請求項５記載の文書処理プログラムが記憶された記憶媒体。
- 文書を、当該文書の要約、当該要約時の条件設定パラメータと共に蓄積するデータベースと、文書取得手段と、類似文書検索手段と、条件設定パラメータ取得手段と、要約手段と、を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、
前記文書取得手段が、所定形式の文書を取得する第１ステップと、
前記類似文書検索手段が、前記第１ステップにより取得された文書と類似している文書を前記データベースから検索する第２ステップと、
前記条件設定パラメータ取得手段が、前記第２ステップで検索された文書に対応する条件設定パラメータを前記データベースから取得する第３ステップと、
前記要約手段が、前記第３ステップで取得した条件設定パラメータに基づいて、前記第１ステップで取得した文書の要約文を作成する第４ステップと、
を備えたことを特徴とする文書処理方法。 - さらに、文書ベクトル決定手段を備えた文書処理装置において文書処理を行う際に用いられる文書処理方法であって、
前記文書ベクトル決定手段が、前記第１ステップで取得された文書を特徴づける文書ベクトルを決定する第５ステップを備え、
前記第２ステップは、前記第５ステップで決定された各文書の文書ベクトルにより各文書間の類似度を判定して検索する
ことを特徴とする請求項７記載の文書処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21930197A JP4030624B2 (ja) | 1997-07-29 | 1997-07-29 | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21930197A JP4030624B2 (ja) | 1997-07-29 | 1997-07-29 | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1153396A JPH1153396A (ja) | 1999-02-26 |
| JP4030624B2 true JP4030624B2 (ja) | 2008-01-09 |
Family
ID=16733357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP21930197A Expired - Fee Related JP4030624B2 (ja) | 1997-07-29 | 1997-07-29 | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4030624B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010055373A (ja) * | 2008-08-28 | 2010-03-11 | Sky Co Ltd | ノート評価装置またはノート評価プログラム |
| JP5085584B2 (ja) * | 2009-02-20 | 2012-11-28 | ヤフー株式会社 | 記事特徴語抽出装置、記事特徴語抽出方法及びプログラム |
| JP5245908B2 (ja) * | 2009-02-25 | 2013-07-24 | 富士通株式会社 | 検索方法及び装置 |
| JP5253317B2 (ja) * | 2009-07-28 | 2013-07-31 | 日本電信電話株式会社 | 要約文作成装置、要約文作成方法、プログラム |
| WO2012098838A1 (ja) * | 2011-01-17 | 2012-07-26 | 日本電気株式会社 | 報告文書作成支援システム、報告文書作成支援方法および報告文書作成支援プログラム |
| JP5964791B2 (ja) * | 2013-08-28 | 2016-08-03 | 日本電信電話株式会社 | オラクル要約探索装置、方法、及びプログラム |
| JP6842167B2 (ja) * | 2017-05-08 | 2021-03-17 | 国立研究開発法人情報通信研究機構 | 要約生成装置、要約生成方法及びコンピュータプログラム |
| JP2023019236A (ja) | 2021-07-29 | 2023-02-09 | 京セラドキュメントソリューションズ株式会社 | 教師データ収集システム、類似度スコア算出システム、文献検索システム、および教師データ収集プログラム |
-
1997
- 1997-07-29 JP JP21930197A patent/JP4030624B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1153396A (ja) | 1999-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3598211B2 (ja) | 関連語抽出装置および関連語抽出方法および関連語抽出プログラムが記録されたコンピュータ読取可能な記録媒体 | |
| US7783644B1 (en) | Query-independent entity importance in books | |
| JP4347226B2 (ja) | 情報抽出プログラムおよびその記録媒体、情報抽出装置ならびに情報抽出規則作成方法 | |
| JP4299963B2 (ja) | 意味的まとまりに基づいて文書を分割する装置および方法 | |
| JP2002197104A (ja) | 情報検索処理装置，情報検索処理方法および情報検索処理プログラムを記録した記録媒体 | |
| JP4067603B2 (ja) | 文書分類装置、文書分類プログラムが記憶された記憶媒体、及び文書分類方法 | |
| JP4021525B2 (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 | |
| JP4030624B2 (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 | |
| JPH1153394A (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 | |
| JP4025391B2 (ja) | 文書処理装置、文書処理プログラムが記憶されたコンピュータ読取り可能な記憶媒体、及び文書処理方法 | |
| JPH1145289A (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 | |
| JP2001265774A (ja) | 情報検索方法、装置、および情報検索プログラムを記録した記録媒体、ハイパーテキスト情報検索システム | |
| JP4047417B2 (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 | |
| JP4044644B2 (ja) | 電子掲示板システム、電子掲示板プログラムが記憶された記憶媒体、及び電子掲示板の活性化方法 | |
| JP2000194725A (ja) | 類似グル―プ抽出装置、及び類似グル―プ抽出プログラムが記憶された記憶媒体 | |
| JP2003323425A (ja) | 対訳辞書作成装置、翻訳装置、対訳辞書作成プログラム、および翻訳プログラム | |
| JPH10307837A (ja) | 検索装置並びに検索プログラムを記録した記録媒体 | |
| JPH1145288A (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体および文書処理方法 | |
| JP2002084492A (ja) | 編集処理装置、及び編集処理プログラムが記憶された記憶媒体 | |
| JP2000322439A (ja) | 情報検索装置、及び情報検索プログラムが記憶された記憶媒体 | |
| JP2000105769A (ja) | 文書表示方法 | |
| JPH1153397A (ja) | 文書処理装置、文書処理プログラムを記憶した記憶媒体、及び文書処理方法 | |
| JP2000339310A (ja) | 文書分類方法、文書分類装置、およびプログラムを記録する記録媒体 | |
| US20030237042A1 (en) | Document processing device and document processing method | |
| JP2000194724A (ja) | 文書処理装置、文書処理プログラムが記憶された記憶媒体、及び文書処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040728 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070710 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070910 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20071016 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071017 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101026 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131026 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |