特開 2023-157403 文章の要約化システムとその方法ならびにその装置およびそのプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023157403

(43)【公開日】2023-10-26

(54)【発明の名称】文章の要約化システムとその方法ならびにその装置およびそのプログラム

(51)【国際特許分類】

   G06F 40/279 20200101AFI20231019BHJP

   G06F 16/383 20190101ALI20231019BHJP

   G06F 40/117 20200101ALI20231019BHJP

【ＦＩ】

G06F40/279

G06F16/383

G06F40/117

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2022067298

(22)【出願日】2022-04-15

(71)【出願人】

【識別番号】519210295

【氏名又は名称】株式会社ＮＳＤ先端技術研究所

(74)【代理人】

【識別番号】100141221

【弁理士】

【氏名又は名称】山田 和明

(74)【代理人】

【識別番号】100091764

【弁理士】

【氏名又は名称】窪谷 剛至

(74)【代理人】

【識別番号】100103366

【弁理士】

【氏名又は名称】鈴木 礼至

(72)【発明者】

【氏名】ソロビヨフ・イワン

(72)【発明者】

【氏名】曽根 雄太

【テーマコード（参考）】

5B091

5B109

5B175

【Ｆターム（参考）】

5B091AA15

5B091CA21

5B109NH20

5B175FB01

5B175HB03

(57)【要約】

【課題】本文全体を的確かつ明瞭に要約化する。
【解決手段】本文Ｔを、先頭の文章（文_１）から５つの文章毎に２つのブロックとして切り出し、１文ずつずらして順次ブロックを切り出す切り出し部１０と、これら文章を数値化してベクトル空間に埋め込む分散表現部１１と、この分散表現に対しコサイン類似度の高低を判別する類似度判別部１２と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定しトピック毎に分割するトピック分割部１３と、トピック分割された文章を順に、事前学習済みモデルを抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成する抽出型要約部１４とを備え、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化して本文の要約済み文章を作成する。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することを特徴とする文章の要約化システム。

【請求項2】

複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、
これら文章を数値化してベクトル空間に埋め込む分散表現部と、
この分散表現に対しコサイン類似度の高低を判別する類似度判別部と、
文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、
本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とする文章の要約化システム。

【請求項3】

トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成する抽出型要約部を備えて構成されることを特徴とする請求項２に記載の文章の要約化システム。

【請求項4】

複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うステップと、切り出される度に切り出されたブロック内の文章をベクトル化して類似度を判別するステップと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割するステップとを有し、分割されたトピック毎に文章を要約化することを特徴とする文章の要約化方法。

【請求項5】

複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、
これら文章を数値化してベクトル空間に埋め込む分散表現部と、
この分散表現に対し類似度の高低を判別する類似度判別部と、
文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備え、
切り出し部により本文の先頭文の文章から所定の数毎に所定数の連続するブロックとして切り出す第１のステップと、
分散表現部により連続する２つのブロックのそれぞれの文章に対して文字表現をベクトル表現により分散表現する第２のステップと、
類似度判別部により分散表現の類似度の高低を判別して判別結果を出力する第３のステップと、
第３のステップ後、切り出し部により前記ブロックから１文をずらせて新たな連続する２つのブロックに切り分け、ブロックに切り分ける度に第２第３のステップを繰り返し、 最後の文章に達すると、トピック分割部により文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割する第４のステップとを有し、
本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とする文章の要約化方法。

【請求項6】

第４のステップ後、抽出型要約部によりトピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成することを特徴とする請求項５に記載の文章の要約化方法。

【請求項7】

複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することを特徴とする文章の要約化装置。

【請求項8】

複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、
これら文章を数値化してベクトル空間に埋め込む分散表現部と、
この分散表現に対し類似度の高低を判別する類似度判別部と、
文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、
本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とする文章の要約化システム。

【請求項9】

トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成する抽出型要約部を備えて構成されることを特徴とする請求項８に記載の文章の要約化装置。

【請求項10】

コンピュータに、
複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うことと、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別することと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割することと、分割されたトピック毎に文章を要約化することとを実行させることを特徴とするプログラム。

【請求項11】

コンピュータに、
複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出すことと、これら文章の文字表現をベクトル表現により分散表現することと、この分散表現に対し類似度の高低を判別することと、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割することと、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することとを実行させることを特徴とするプログラム。

【請求項12】

トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成することを実行させることを特徴とする請求項１１に記載のプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、会議における議事録やコールセンター等の通話記録に供される文章の要約化システムとその方法ならびにその装置およびそのプログラムに関するものである。

【背景技術】

【0002】

従来、会議や打ち合わせ等の議事録は、音声認識ステムにより文書としてテキスト化されたものを、担当者がマンパワーにより要約化していた。しかしながら、労力と時間がかかるため、近年、テキスト化された議事録を、簡素にまとめて要約化する文章の要約生成技術が提案されている（例えば、特許文献１参照）。この特許文献１に記載の技術では、要約処理前に、定型的な表現を不要文として不要文判定教師データテーブルに登録しておき、定型的な表現を除去して要約の精度を高めるようにしている。また、要約対象の文書から、出現順に一定数の文をウィンドウで切り出して、ウィンドウ内の文書を、分散表現を用いた抽出型要約技術で要約し、ウィンドウを一文ずつスライドさせてゆくことで文書全体の要約を生成するようにしている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－３５２７２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記特許文献１では、不要文を削除することができるものの、不要文判定教師データテーブルに登録しなければならず手間がかかるという問題がある。また、不要文の判定にも時間がかかるだけでなく、判定が不十分であれば要約の精度が落ちてしまうという問題がある。さらに、要約対象の文書から、出現順に一定数の文をウィンドウで切り出す必要があるので、例えば、１００行を１０文ずつ切り出すにしても、ウィンドウを１０文毎に１文ずつずらしながら何度も繰り返さなければならず、時間がかかってしまうという問題がある。また、本文（テキスト）を要約化するシステムにおいて、ＢＥＲＴのような事前学習済みモデルを使用した要約では、入力するトークン数が制限されるので、長文を入力長ごとに切り分ける必要がある。なお、ここでトークンとは、文章を意味のある単位に切り分けた単語をいう。しかしながら、トピックを挟んで切り分けてしまうと、入力した文章内で意味的関係が捉えづらくなったり、出力された要約にトピックが抜け落ちるという場合がある。

【0005】

本発明は上記課題を解決するためになされたもので、本文（テキスト）に対して、本文の構成要素としてのトピック（議題、話題、話題になる事柄や出来事、報告、予定）に注目し、トピックを切り分けて、トピック毎に要約化を図ることにより本文全体を、的確かつ明瞭に要約にすることができる文章の要約化システムとその方法ならびにその装置およびそのプログラムを提供することを目的としている。

【課題を解決するための手段】

【0006】

本発明の請求項１に係る文章の要約化システムは、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することを特徴とするものである。

【0007】

本発明の請求項１に係る文章の要約化システムでは、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することにより、分割されたそれぞれのトピックは、全体の中である話題について特定の傾向やまとまりとして表現されるので、トピック毎の要約は的確で明瞭なものとなり、冗長性が排され、本文全体の要約も、的確かつ明確化される。

【0008】

本発明の請求項２に係る文章の要約化システムは、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対しコサイン類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とするものである。

【0009】

本発明の請求項２に係る文章の要約化システムでは、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対しコサイン類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することにより、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0010】

本発明の文章の要約化システムは、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成する抽出型要約部を備えて構成されるようにすることが好ましい。係る構成とすることにより、本文全体の要約も、自動化され、迅速に要約化することができる。

【0011】

本発明の請求項４に係る文章の要約化方法は、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うステップと、切り出される度に切り出されたブロック内の文章をベクトル化して類似度を判別するステップと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割するステップとを有し、分割されたトピック毎に文章を要約化することを特徴とするものである。

【0012】

本発明の請求項４に係る文章の要約化方法では、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うステップと、切り出される度に切り出されたブロック内の文章をベクトル化して類似度を判別するステップと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割するステップとを有し、分割されたトピック毎に文章を要約化することにより、先頭から順に分割されたそれぞれのトピックは、全体の中である話題について特定の傾向やまとまりとして表現されるので、トピック毎の要約は的確で明瞭なものとなり、冗長性が排され、本文全体の要約も、的確かつ明確化される。

【0013】

本発明の請求項５に係る文章の要約化方法は、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備え、切り出し部により本文の先頭文の文章から所定の数毎に所定数の連続するブロックとして切り出す第１のステップと、分散表現部により連続する２つのブロックのそれぞれの文章に対して文字表現をベクトル表現により分散表現する第２のステップと、類似度判別部により分散表現の類似度の高低を判別して判別結果を出力する第３のステップと、第３のステップ後、切り出し部により前記ブロックから１文をずらせて新たな連続する２つのブロックに切り分け、ブロックに切り分ける度に第２第３のステップを繰り返し、 最後の文章に達すると、トピック分割部により文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割する第４のステップとを有し、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とするものである。

【0014】

本発明の請求項５に係る文章の要約化方法では、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備え、切り出し部により本文の先頭文の文章から所定の数毎に所定数の連続するブロックとして切り出す第１のステップと、分散表現部により連続する２つのブロックのそれぞれの文章に対して文字表現をベクトル表現により分散表現する第２のステップと、類似度判別部により分散表現の類似度の高低を判別して判別結果を出力する第３のステップと、第３のステップ後、切り出し部により前記ブロックから１文をずらせて新たな連続する２つのブロックに切り分け、ブロックに切り分ける度に第２第３のステップを繰り返し、最後の文章に達すると、トピック分割部により文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割する第４のステップとを有し、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することにより、トピックの切り替わる位置を先頭から順に確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0015】

本発明の文章の要約化方法は、第４のステップ後、抽出型要約部によりトピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成することが好ましい。係る構成とすることにより、本文全体の要約も、自動化され、迅速に要約化することができる。

【0016】

本発明の請求項７に係る文章の要約化装置は、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することを特徴とするものである。

【0017】

本発明の請求項７に係る文章の要約化装置では、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化することにより、分割されたそれぞれのトピックは、全体の中である話題について特定の傾向やまとまりとして表現されるので、トピック毎の要約は的確で明瞭なものとなり、冗長性が排され、本文全体の要約も、的確かつ明確化される。

【0018】

本発明の請求項８に係る文章の要約化装置は、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することを特徴とするものである。

【0019】

本発明の請求項８に係る文章の要約化装置では、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することにより、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0020】

本発明の文章の要約化装置は、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成する抽出型要約部を備えて構成されることが好ましい。係る構成とすることにより、本文全体の要約も、自動化され、迅速に要約化することができる。

【0021】

本発明の請求項１０に係るプログラムは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うことと、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別することと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割することと、分割されたトピック毎に文章を要約化することとを実行させることを特徴とするものである。

【0022】

本発明の請求項１０に係るプログラムでは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うことと、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別することと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割することと、分割されたトピック毎に文章を要約化することとを実行させることにより、分割されたそれぞれのトピックは、全体の中である話題について特定の傾向やまとまりとして表現されるので、トピック毎の要約は的確で明瞭なものとなり、冗長性が排され、本文全体の要約も、的確かつ明確化される。

【0023】

本発明の請求項１１に係るプログラムは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出すことと、これら文章の文字表現をベクトル表現により分散表現することと、この分散表現に対し類似度の高低を判別することと、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割することと、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することとを実行させることを特徴とするものである。

【0024】

本発明の請求項１１に係るプログラムでは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出すことと、これら文章の文字表現をベクトル表現により分散表現することと、この分散表現に対し類似度の高低を判別することと、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割することと、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することとを実行させることにより、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0025】

本発明のプログラムは、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成することを実行させることが好ましい。係る構成とすることにより、本文全体の要約も、自動化され、迅速に要約化することができる。

【発明の効果】

【0026】

本発明の請求項１に係る文章の要約化システムでは、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化するようにしたので、トピック毎の要約は的確で明瞭なものとなり、本文全体の要約も、的確かつ明確化される。

【0027】

また、本発明の請求項２に係る文章の要約化システムでは、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対しコサイン類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化するようにしたので、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0028】

さらに、本発明の請求項４に係る文章の要約化方法では、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うステップと、切り出される度に切り出されたブロック内の文章をベクトル化して類似度を判別するステップと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割するステップとを有し、分割されたトピック毎に文章を要約化するようにしたので、トピック毎の要約は的確で明瞭なものとなり、本文全体の要約も、的確かつ明確化される。

【0029】

また、本発明の請求項５に係る文章の要約化方法では、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備え、切り出し部により本文の先頭文の文章から所定の数毎に所定数の連続するブロックとして切り出す第１のステップと、分散表現部により連続する２つのブロックのそれぞれの文章に対して文字表現をベクトル表現により分散表現する第２のステップと、類似度判別部により分散表現の類似度の高低を判別して判別結果を出力する第３のステップと、第３のステップ後、切り出し部により前記ブロックから１文をずらせて新たな連続する２つのブロックに切り分け、ブロックに切り分ける度に第２第３のステップを繰り返し、最後の文章に達すると、トピック分割部により文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割する第４のステップとを有し、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化するようにしたので、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0030】

さらに、本発明の請求項７に係る文章の要約化装置では、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化するようにしたので、トピック毎の要約は的確で明瞭なものとなり、本文全体の要約も、的確かつ明確化される。

【0031】

また、本発明の請求項８に係る文章の要約化装置では、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出す切り出し部と、これら文章を数値化してベクトル空間に埋め込む分散表現部と、この分散表現に対し類似度の高低を判別する類似度判別部と、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するトピック分割部とを備えて構成され、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化するようにしたので、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【0032】

さらに、本発明の請求項１０に係るプログラムでは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うことと、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別することと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割することと、分割されたトピック毎に文章を要約化することとを実行させるようにしたので、トピック毎の要約は的確で明瞭なものとなり、本文全体の要約も、的確かつ明確化される。

【0033】

また、本発明の請求項１１に係るプログラムでは、コンピュータに、複数の文章を含む本文を、先頭の文章から所定の数の文章毎に連続する２つのブロックとして切り出すとともに１文ずつずらしながら順次ブロックを切り出すことと、これら文章の文字表現をベクトル表現により分散表現することと、この分散表現に対し類似度の高低を判別することと、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割することと、本文の文章全体をトピック毎に分割し、トピック毎に文章を要約化することとを実行させるようにしたので、トピックの切り替わる位置を確実に推定してトピック毎に分割することができる。このため、トピック毎の要約は的確で明瞭なものとなる。

【図面の簡単な説明】

【0034】

【図1】図１は、本発明の一実施形態に係る文章の要約化システムの全体構成を示すシステム構成図である。

【図2】図２は、図１の文章の要約化システムの概念を模式的に示す説明図である。

【図3】図３は、図１の文章の要約化システムにおいて文章をブロックとして切り出す例を示す説明図である。

【図4】図４は、切り出し部により所定数の文章毎にブロックを設定する一例を示す説明図である。

【図5】図５は、図１の文章の要約化システムにおいて文章のブロック化から類似度を判別するグラフを導くまでのステップを概念として示す説明図である。

【図6】図６の（Ａ）、（Ｂ）はそれぞれ、先頭の文章から最後の文章に達するまでのブロックの切り出しと類似度の判別を繰り返し行うステップを示すフローチャートおよび類似度のグラフからトピックに切り分けるステップを示すフローチャートである。

【図7】図７は、図１の文章の要約化システムにおいてコサイン類似度によるトピックの切れ目を示すグラフである。

【図8】図８は、本文の文章類似度曲線が導かれたグラフである。

【図9】図９は、トピック分割された本文の例を示す説明図である。

【図10】図１０は、抽出型要約部により分割された文章を順に抽出型要約モデルに入力して出力された要約文章を結合するステップを模式的に示す説明図である。

【図11】図１１は、図１０の抽出型要約部でモデルから出力された数値の例を示す説明図である。

【発明を実施するための形態】

【0035】

以下、図面に示す一実施形態により本発明を説明する。本発明の一実施形態に係る文章の要約化システム２は、図１および図２に示すように、複数の文章を含む本文の文章を、先頭から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うとともに、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別し、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割し、分割されたトピック毎に文章を要約化するようにしたものである。つまり、長文入力による要約の冗長性や不明瞭性を排するため、本文をトピック毎に分割して要約化を図るようにしたものである。

【0036】

本実施形態に係る文章の要約化システム２は、図１に示すように、会議の議事録のような本文Ｔを要約化するシステムである。本文Ｔは、予めハードウェア（ハードディスク、情報処理部、記憶部）、コンピュータあるいはクラウドコンピュータに文字データとして入力される。本実施例では、中央演算処理部（ＣＰＵ）４と入力部５と出力部６と表示部７と送受信部８と記憶部９とを有するコンピュータ（ＰＣ）３を例に説明する。ＰＣ３には、後述する動作を行うソフトウェア（プログラム）が収納される。

【0037】

本実施形態に係る文章の要約化システム２は、切り出し部１０と、分散表現部１１と、類似度判別部１２と、トピック分割部１３と、抽出型要約部１４とを備えて構成される。切り出し部１０は、図３および図４に示すように、複数の文章（文_１，文_２，文_３，・・・文_Ｎ（_Ｎは１以上の任意の整数））を含む本文Ｔの文章全体の先頭文（文_１）から所定の数（本実施例では５）の文章を順にずらせながらブロックとして順次切り出すようになっている。分散表現部１１は、図５に示すように、これら文章の文字表現をベクトル表現により分散表現するようになっている。類似度判別部１２は、この分散表現に対しコサイン類似度の高低（類似度０．０～１．０）を判別するようになっている。そして、トピック分割部１３は、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するようになっている。さらに、抽出型要約部１４は、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、本文の要約済み文章を作成するようになっている。

【0038】

切り出し部１０は、本文Ｔ（Ｔは、例えば、図４に示す「桃太郎」の物語）に対し、図３および図４に示すように、先頭の文章（文_１）から一定の数（本実施例では、５つの文章）ごとに切り出して、これを１ブロックとする。このブロックを先頭から続けて２ブロック取り出す（図３および図４のＢ１－１、Ｂ２－１参照）（第１のステップＳ１）。つまり、１ブロックの文章を５つの文章とした場合（文_１～文_５）、先頭から１０の文章（文_１～文_１０）を２つに分けて取り出す（Ｂ１－１：（文_１～文_５）、Ｂ２－１：（文_６～文_１０））。そして、これら取り出された２つのブロックＢ１－１、Ｂ２－１同士が類似しているか否かを、図５に示すように、分散表現部１１によりベクトル表現で分散表現し（第２のステップＳ２）、類似度判別部１２によりこの分散表現をコサイン類似度から判定し、０から１の数値で出力する（第３のステップＳ３）。この類似度のデータは記憶部に９に記録される。次に、切り出し部１０によりブロック切り出しの対象となった文章の先頭の文章（文_１）を削除し、２番目の文章（文_２）から５つの文章ごとに２ブロック取り出す（図３のＢ１－２：（文_２～文_６）、Ｂ２－２：（文_７～文_１１）参照）。そして、これら１つ文章がずれた２つのブロックＢ１－２：（文_２～文_６）、Ｂ２－２：（文_７～文_１１）についてこれら２つのブロックＢ１－２、Ｂ２－２同士が類似しているか否かを、分散表現部１１と類似度判別部１２とにより分散表現をコサイン類似度から判定し、０から１の数値で出力する。つまり、２番目の文章（文_２）から新たに切り出されたブロックＢ１－２、Ｂ２－２について、第２のステップＳ２と第３のステップＳ３とを繰り返してデータ処理し、記憶部９に記録する。ブロック（Ｂ１－１：Ｂ２－１）・・・（Ｂ１－ｎ：Ｂ２－ｎ（ｎは任意の整数））の切り出しは、最後の文章（文_Ｎ）に到達するまで続けられる。

【0039】

このようにして、対象となる文章（文_１～文_Ｎ）の最後の文章（文_Ｎ）に到達すると、
トピック分割部１３は、図５に示すように、出力された類似度の数値を縦軸に、ブロック間の位置を横軸にグラフ化する。コサイン類似度は０に近づけば近づくほど類似せず、１に近づけば近づくほど類似している。このため、グラフの谷が、トピックが切り替わる位置と推定できる。従って、図７に示すように、本文Ｔ全体の文章をグラフの谷の位置に従って切り分けると、切り分けた文章内のトピックは１つになる。すなわち、同一のトピックで括られた文章となる。こうして、トピック分割部１３は、文章同士の類似度が高いと判別された文章同士を同一のトピックとみなし、低いと判別された文章同士を異なるトピックとみなしてトピックの切り替わる位置を推定してトピック毎に分割するようになっている（第４のステップＳ４）。図８は、本文Ｔ（桃太郎の物語）について、文章類似度曲線を示すもので、図中縦線はトピックの区切れ位置を示し、左の軸は類似度を、右の軸は、depth-scoresで谷の深さを定義している。つまり、左右のピークからみてどれだけ深いか「深さを定義」し、深ければ深いほどトピックが切り替わる山（左右の数値が低ければそれが山）を、すなわち、トピックの切り替わりを示している。閾値αは本文Ｔ（桃太郎の物語）の文章がグラフ化された後で設定され、この閾値αを超えていてかつdepth-scores（右の軸）がピークとなる位置が切り替わり位置である。ただし、近くに区切れ位置がないことが条件である。図９は、こうして本文Ｔ（桃太郎の物語）についてトピック毎に区切られた文章の例を示している。

【0040】

次に、トピック毎に切り分けられた文章について、抽出型要約部１４は、図２および図１０に示すように、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、最後に本文の要約済み文章を作成する（第５のステップＳ５）。図１１は、トピック分割された文章についてモデルから出力された数値の例を示す説明図である。なお、この数値（図１１の右側参照）は高いほど、要約となる文章の候補になる確率が高い。

【0041】

次に、本発明に係る文章の要約化方法について、上記実施形態に係る文章の要約化システム２の作用に基づいて説明する。上記実施形態に係る文章の要約化システム２では、図１および図２に示すように、ソフトウェア（プログラム）として切り出し部１０と、分散表現部１１と、類似度判別部１２と、トピック分割部１３と、抽出型要約部１４とを備えて構成されるので、まず、第１のステップＳ１で、切り出し部１０により、本文Ｔに対し、先頭の文章（文_１）から５つの文章毎に切り出して、これを１ブロックとし、このブロックを先頭から続けて２ブロックＢ１－１、Ｂ２－１を取り出す。次に、第２のステップＳ２で、これら取り出された２つのブロックＢ１－１、Ｂ２－１同士が類似しているか否かを、分散表現部１１によりベクトル表現で分散表現し、第３のステップＳ３で、類似度判別部１２によりこの分散表現をコサイン類似度から判定し、０から１の数値で出力する。このとき、図５に示すように、０に近いほど類似度が低く、１に近いほど類似度が高いと判別され、グラフ化された後、類似度の閾値αが設定される。２つのブロックＢ１－１、Ｂ２－１の文章（文_１～文_５）、（文_６～文_１０）の類似度が算出され記録されると、次に、切り出し部１０により先頭の文章（文_１）を削除し、２番目の文章（文_２）から５つの文章ごとに２ブロック取り出し（図３のＢ１－２：（文_２～文_６）、Ｂ２－２：（文_７～文_１１）参照）、これら１つ文章がずれた２つのブロックＢ１－２：（文_２～文_６）、Ｂ２－２：（文_７～文_１１）についてこれら２つのブロックＢ１－２、Ｂ２－２同士が類似しているか否かを、第２、第３のステップＳ２、Ｓ３を繰り返して類似度を算出し記録する。こうして、文章を一つずつずらしながら２ブロックＢ１、Ｂ２の切り出しを順次行っては類似度を算出し、２ブロックの切り出しは最後の文章（文_Ｎ）に到達するまで続けられる。

【0042】

対象となる文章（文_１～文_Ｎ）の最後の文章（文_Ｎ）に到達すると、第４のステップＳ４で、トピック分割部１３は、出力された類似度の数値を縦軸に、ブロック間の位置を横軸にグラフ化し（図５参照）、グラフの谷が、トピックが切り替わる位置と推定して、本文Ｔ全体の文章をグラフの谷の位置に従って切り分ける（図７参照）。こうして、本文Ｔはトピック毎に切り分けられる（図９参照）。

【0043】

本文Ｔの文章が、トピック毎に切り分けられると、第５のステップで、抽出型要約部１４は、トピック分割された文章を順に、事前学習済みモデルをファインチューニングした抽出型要約モデルに入力し、出力され要約された文章を結合し、最後に本文の要約済み文章を作成するようになっている（図２、図１０参照）。

【0044】

このように、上記実施形態に係る文章の要約化システムとその方法では、本文Ｔをトピックに切り分けてトピック毎に要約化を図ることにより、本文全体の要約を、的確かつ明瞭にしかも簡素化することができる

【0045】

なお、上述の文章の要約化システムおよびその方法では、システムと述べているがこれに限られるものではなく、ＰＣ３や端末、ハードウェア（ＣＰＵ、入出力部、表示部、記憶部を備えた装置）に上記ソフトウェア（プログラム）（切り出し部１０と分散表現部１１と類似度判別部１２とトピック分割部１３と抽出型要約部１４）をインストールした文章の要約化装置としても適用可能であることはいうまでもない。さらに、コンピュータに、複数の文章を含む本文の文章を先頭から所定の数毎に連続する２つのブロックとして切り出し、このブロックを１文ずつずらせては順次切り出しを行うことと、順次切り出されたブロック毎にブロック内の文章をベクトル化して類似度を判別することと、判別された類似度に応じてトピックの切り替わりを推定してトピックを分割することと、分割されたトピック毎に文章を要約化することとを実行させるプログラムとしてもよいことはいうまでもない。また、上記実施形態では、先頭の文章（文_１）から５つの文章ごとにブロックを切り出しているがこれに限られるもではなく、本文Ｔの内容や種類に応じて、ブロック化する文章の数を適宜設定してもよい。さらに、上記実施形態に係る文章の要約化システムおよびその方法では、最終的に本文Ｔの要約化を図るようにしているが、それに限られるもではなく、本文をトピック分割することのみを目的とした言語処理プログラムとして供することもできる。つまり、議事録などの本文をトピック毎に切り分けることができるので、利用者が本文から必要なトピックだけ要約化せずに取り出して利用することもできれば、そのトピック部分のみを要約化して利用することもできるようになっている。

【符号の説明】

【0046】

２ 文章の要約化システム
１０ 切り出し部
１１ 類似度判別部
１３ トピック分割部
１４ 抽出型要約部
Ｂ１、Ｂ２、Ｂ１－１、Ｂ２－１、Ｂ１－２、Ｂ２－２ ブロック
Ｔ 本文
文_１～文_Ｎ 文章

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】