知財求人 - 知財ポータルサイト「IP Force」
(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】P2023028258
(43)【公開日】2023-03-03
(54)【発明の名称】情報抽出装置、情報抽出方法、および情報抽出プログラム
(51)【国際特許分類】
G06F 40/289 20200101AFI20230224BHJP
G06F 40/169 20200101ALI20230224BHJP
G06F 40/151 20200101ALI20230224BHJP
【ＦＩ】
G06F40/289
G06F40/169
G06F40/151
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2021133846
(22)【出願日】2021-08-19
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110001678
【氏名又は名称】藤央弁理士法人
(72)【発明者】
【氏名】十河 泰弘
【テーマコード（参考）】
5B091
5B109
【Ｆターム（参考）】
5B091AA15
5B091AB06
5B091CA02
5B091CA06
5B091CA07
5B091CA21
5B109QA02
5B109QA03
5B109TA11
(57)【要約】
【課題】言葉からの情報抽出精度の向上を図ること。
【解決手段】情報抽出装置は、固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定部と、前記判定部によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定部と、前記設定部によって前記アノテーションが設定された第２文を出力する出力部と、を有する。
【選択図】図１
【解決手段】情報抽出装置は、固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定部と、前記判定部によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定部と、前記設定部によって前記アノテーションが設定された第２文を出力する出力部と、を有する。
【選択図】図１
【特許請求の範囲】
【請求項1】
固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定部と、
前記判定部によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定部と、
前記設定部によって前記アノテーションが設定された第２文を出力する出力部と、
を有することを特徴とする情報抽出装置。
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定部と、
前記判定部によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定部と、
前記設定部によって前記アノテーションが設定された第２文を出力する出力部と、
を有することを特徴とする情報抽出装置。
【請求項2】
請求項１に記載の情報抽出装置であって、
前記出力部は、前記第２文のうち前記第１木構造に該当する文字列を異なる態様で表示可能に出力する、
ことを特徴とする情報抽出装置。
前記出力部は、前記第２文のうち前記第１木構造に該当する文字列を異なる態様で表示可能に出力する、
ことを特徴とする情報抽出装置。
【請求項3】
請求項１に記載の情報抽出装置であって、
前記データベースは、前記第１文と、複数通りの前記第１木構造と、を有し、
前記判定部は、前記第２木構造が前記複数通りの前記第１木構造のいずれに該当するか否かを判定する、
ことを特徴とする情報抽出装置。
前記データベースは、前記第１文と、複数通りの前記第１木構造と、を有し、
前記判定部は、前記第２木構造が前記複数通りの前記第１木構造のいずれに該当するか否かを判定する、
ことを特徴とする情報抽出装置。
【請求項4】
請求項３に記載の情報抽出装置であって、
前記複数通りの前記第１木構造の各々は、同一の第１チャンクと複数の第１チャンクとの係り受け関係を有する構造であり、２つの前記第１木構造間では、前記複数の第１チャンクのうち少なくとも１つが異なるチャンクである、
ことを特徴とする情報抽出装置。
前記複数通りの前記第１木構造の各々は、同一の第１チャンクと複数の第１チャンクとの係り受け関係を有する構造であり、２つの前記第１木構造間では、前記複数の第１チャンクのうち少なくとも１つが異なるチャンクである、
ことを特徴とする情報抽出装置。
【請求項5】
請求項１に記載の情報抽出装置であって、
前記第１文は、重文内の単文であり、前記データベースは、前記第１文ごとに前記第１木構造を有し、
前記判定部は、前記第１文ごとに前記第２木構造が前記第１木構造に該当するか否かを判定し、前記第２木構造が前記第１木構造に該当した前記第１文の数に基づいて、前記第２文が前記重文に該当するか否かを判定する、
ことを特徴とする情報抽出装置。
前記第１文は、重文内の単文であり、前記データベースは、前記第１文ごとに前記第１木構造を有し、
前記判定部は、前記第１文ごとに前記第２木構造が前記第１木構造に該当するか否かを判定し、前記第２木構造が前記第１木構造に該当した前記第１文の数に基づいて、前記第２文が前記重文に該当するか否かを判定する、
ことを特徴とする情報抽出装置。
【請求項6】
請求項１に記載の情報抽出装置であって、
前記第２文を自然言語解析する解析部と、
前記解析部による前記第２文の解析結果に基づいて前記第２木構造を生成する木構造生成部と、を有し、
前記判定部は、前記木構造生成部によって生成された前記第２木構造が前記第１木構造に該当するか否かを判定する、
ことを特徴とする情報抽出装置。
前記第２文を自然言語解析する解析部と、
前記解析部による前記第２文の解析結果に基づいて前記第２木構造を生成する木構造生成部と、を有し、
前記判定部は、前記木構造生成部によって生成された前記第２木構造が前記第１木構造に該当するか否かを判定する、
ことを特徴とする情報抽出装置。
【請求項7】
請求項６に記載の情報抽出装置であって、
前記解析部は、前記第１文を自然言語解析し、
前記木構造生成部は、前記解析部による前記第１文の解析結果に基づいて、前記第１文の前記第１チャンク群の係り受け関係を示す木構造を生成し、
前記第１文の前記第１チャンク群の係り受け関係を示す木構造において、前記固有表現を前記ラベルに変換する変換部を有する、
ことを特徴とする情報抽出装置。
前記解析部は、前記第１文を自然言語解析し、
前記木構造生成部は、前記解析部による前記第１文の解析結果に基づいて、前記第１文の前記第１チャンク群の係り受け関係を示す木構造を生成し、
前記第１文の前記第１チャンク群の係り受け関係を示す木構造において、前記固有表現を前記ラベルに変換する変換部を有する、
ことを特徴とする情報抽出装置。
【請求項8】
プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する情報抽出装置が実行する情報抽出方法であって、
固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、
前記プロセッサが、
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定処理と、
前記判定処理によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定処理と、
前記設定処理によって前記アノテーションが設定された第２文を出力する出力処理と、
を実行することを特徴とする情報抽出方法。
固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、
前記プロセッサが、
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定処理と、
前記判定処理によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定処理と、
前記設定処理によって前記アノテーションが設定された第２文を出力する出力処理と、
を実行することを特徴とする情報抽出方法。
【請求項9】
固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能なプロセッサに、
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定処理と、
前記判定処理によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定処理と、
前記設定処理によって前記アノテーションが設定された第２文を出力する出力処理と、
を実行させることを特徴とする情報抽出プログラム。
第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定処理と、
前記判定処理によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定処理と、
前記設定処理によって前記アノテーションが設定された第２文を出力する出力処理と、
を実行させることを特徴とする情報抽出プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報を抽出する情報抽出装置、情報抽出方法、および情報抽出プログラムに関する。
【背景技術】
【0002】
近年、音声対話の書き起こしに関する取組みが進められている。コールセンター対応や窓口対応（非対面含む）などの業務を行っている社員が顧客へ説明する際の内容については、法律で規定されており、これらを無視した発話は、コンプライアンス上問題となる。
【0003】
特許文献１は、商談や営業活動の際の顧客への説明内容等のデータに基づいて、「禁止表現」の有無、および「必要事項」が含まれているか否かのいずれについてもチェック対象とするコンプライアンスチェックシステムを開示する。このコンプライアンスチェックシステムは、営業担当者の各発話の内容をテキスト化したテキストデータに対して、自然言語解析処理を行って解析済テキスト情報として出力するテキスト解析部と、各発話に係る解析済テキスト情報と、必要事項情報に予め定義された第１のテキストデータとの類似度を算出し、類似度が所定の値を超えた場合に、対象の発話において対象の必要事項が説明されたものと判定する類似度算出部と、禁止表現情報に予め定義された第２のテキストデータにマッチするものがある場合に、対象の発話において対象の禁止表現が述べられたものと判定するキーワードマッチング部とを有する。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１８－１２０６４０号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
話し言葉は、書き言葉に比べて自由度が高く、たとえば、一部の文の省略や倒置的表現などが多い。また、話し言葉は、複数の文に渡っていることが多い。しかしながら、上述した特許文献１のコンプライアンスチェックシステムでは、このような話し言葉の文構造に基づく情報抽出については考慮されていない。また、このような課題は、話し言葉に限らず、書き言葉でも同様である。
【0006】
本発明は、言葉からの情報抽出精度の向上を図ることを目的とする。
【課題を解決するための手段】
【0007】
本願において開示される発明の一側面となる情報抽出装置は、固有表現を示す単語を含む第１文と、前記固有表現を示す単語を抽象化したラベルに変換した前記第１文の第１チャンク群の係り受け関係を示す第１木構造と、を有するデータベースにアクセス可能であり、第２文の第２チャンク群の係り受け関係を示す第２木構造が前記第１木構造に該当するか否かを判定する判定部と、前記判定部によって前記第１木構造に該当すると判定された場合、前記第２文に前記第１木構造に関するアノテーションを設定する設定部と、前記設定部によって前記アノテーションが設定された第２文を出力する出力部と、を有することを特徴とする。
【発明の効果】
【0008】
本発明の代表的な実施の形態によれば、言葉からの情報抽出精度の向上を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
＜情報抽出装置の機能的構成例＞
図１は、情報抽出装置の機能的構成例を示すブロック図である。情報抽出装置１００は、サンプル文集合１１０と、ルールグループ群１２０と、スコアテーブル１３０と、を有する。サンプル文集合１１０とは、サンプル文Ｓ１～Ｓｎの集合である。ｎは１以上の整数である。サンプル文Ｓｉは、ルールグループ群１２０のルールグループＧｉの生成元となる文である。ｉは１≦ｉ≦ｎを満たす整数である。
図１は、情報抽出装置の機能的構成例を示すブロック図である。情報抽出装置１００は、サンプル文集合１１０と、ルールグループ群１２０と、スコアテーブル１３０と、を有する。サンプル文集合１１０とは、サンプル文Ｓ１～Ｓｎの集合である。ｎは１以上の整数である。サンプル文Ｓｉは、ルールグループ群１２０のルールグループＧｉの生成元となる文である。ｉは１≦ｉ≦ｎを満たす整数である。
【0011】
サンプル文Ｓｉは、たとえば、あらかじめ用意された想定対話文である。より具体的には、たとえば、保険業であれば、サンプル文Ｓｉの内容が保険業における禁止行為に関する内容（たとえば、重要事項不説明）であったり、情報提供義務に違反した内容であったりする。
【0012】
ルールグループ群１２０は、ルールグループＧ１～Ｇｎの集合である。ルールグループＧｉは、サンプル文Ｓｉの文構造によって規定されたルールの集合である。
【0013】
スコアテーブル１３０は、条件に該当した場合に付与されるスコアを規定するテーブルである。
【0014】
また、情報抽出装置１００は、解析部１０１と、木構造生成部１０２と、ルール生成部１０３と、判定部１３１と、設定部１３２と、出力部１３３と、を有する。
【0015】
解析部１０１は、テキストデータであるサンプル文Ｓｉや入力文ＩＳ（これらを区別しない場合は、単に文と表記する）を取得して、形態素解析や係り受け解析、固有表現抽出といった自然言語解析を実行する。形態素解析は、文を単語に分解して各単語の品詞を特定しラベルとして付与する処理である。係り受け解析は、文内の主語述語の関係や修飾語被修飾語の関係を特定する処理である。
【0016】
固有表現抽出は、文から固有表現を抽出しラベルとして付与する処理である。固有表現とは、人名や地名などといった固有名詞に、日付表現、時間表現、金額表現、割合表現を含めた総称である。固有表現抽出については、解析部１０１は、あらかじめ用意した辞書データ内の単語とのマッチングにより固有表現を抽出してもよく、ルールベース（たとえば、末尾に「さん」、「君」がある名詞は人名、先頭または末尾に「株式会社」がある場合は会社名）により固有表現（この場合は人名や会社名）を抽出してもよく、たとえば、ＢＥＲＴモデルを用いた機械学習により固有表現を抽出してもよい。
【0017】
木構造生成部１０２は、解析部１０１による解析結果に基づいて、文の木構造を生成する。具体的には、たとえば、木構造生成部１０２は、文内の単語群のうち、連続する特定の単語列をチャンクとし、係り受け解析結果にしたがって、チャンク間を接続することで、文のチャンク群の係り受け関係を示す木構造を生成する。チャンクは、たとえば、１以上の名詞でもよく、名詞と当該名詞に続く助詞（たとえば接続助詞）との組み合わせでもよく、動詞と当該動詞に続く助詞（たとえば接続助詞）との組み合わせでもよく、動詞と当該動詞に続く助動詞との組み合わせでもよい。
【0018】
木構造生成部１０２は、木構造を複数の木構造に分割する。分割された木構造の各々を分割木構造と称す。分割元の木構造と分割木構造とを区別しない場合は、単に木構造と称す。木構造生成部１０２は、チャンクに、係り受け解析結果（係り受け元または係り受け先）を示すラベルを付与する。木構造生成部１０２は、木構造の生成対象となる文が複数の単文からなる重文である場合、重文に含まれる単文単位で木構造を分割する。また、木構造生成部１０２は、木構造の生成対象となる文が単文の修飾部にさらに単文を含む複文である場合、複文に含まれる単文単位で木構造を分割する。なお、木構造生成部１０２は、入力文の木構造を分割しない。
【0019】
ルール生成部１０３は、分割木構造ごとに、当該分割木構造に対応する単文のルールセットを生成する。ルールセットとは、当該単文のルールの集合である。ルールセットは、分割木構造ごとに生成される。分割木構造ごとに生成されたルールセットの集合がルールグループＧｉとなる。すなわち、ルールグループＧｉは分割元の木構造およびその文に対応する。なお、ここで、ルールとは、分割木構造を構成するチャンクに含まれている名詞を上位概念化した分割木構造であり、詳細は後述する。
【0020】
判定部１３１は、スコアテーブル１３０を用いて入力文ＩＳがどのルールグループＧｉにマッチするかを示すマッチングスコアをルールグループＧｉごとに算出して、入力文ＩＳの木構造がいずれのルールグループＧｉに該当するか否かを判定する。
【0021】
設定部１３２は、入力文ＩＳに判定部１３１によって判定されたルールグループＧｉをアノテーションとして設定する。
【0022】
出力部１３３は、設定部１３２による設定後のデータを表示可能に出力する。具体的には、たとえば、出力部１３３は、アノテーションが設定された入力文ＩＳを表示可能に出力する。出力先は、情報抽出装置１００のディスプレイでもよく、情報抽出装置１００と通信可能に接続された他のコンピュータでもよい。
【0023】
情報抽出装置１００が実行する処理は、ルールグループ群１２０を構築する構築フェーズと構築されたルールグループ群１２０で情報抽出を運用する運用フェーズとに区分される。構築フェーズでの機能的構成と運用フェーズでの機能的構成とを別々のコンピュータで実行することも可能である。
【0024】
＜木構造生成例＞
図２は、木構造生成部１０２による木構造生成例を示す説明図である。図２では、サンプル文Ｓｉから木構造Ｔｉを生成する例を示している。楕円のノードは、チャンクであり、チャンク間の矢印は係り受け関係を示している。すなわち、矢印の始端側のノードが係り受け元であり、矢印の終端側のノードが係り受け先である。サンプル文Ｓｉは重文であるため、分割木構造ＤＴｉ１，ＤＴｉ２に分割される。
図２は、木構造生成部１０２による木構造生成例を示す説明図である。図２では、サンプル文Ｓｉから木構造Ｔｉを生成する例を示している。楕円のノードは、チャンクであり、チャンク間の矢印は係り受け関係を示している。すなわち、矢印の始端側のノードが係り受け元であり、矢印の終端側のノードが係り受け先である。サンプル文Ｓｉは重文であるため、分割木構造ＤＴｉ１，ＤＴｉ２に分割される。
【0025】
＜ルールグループ群１２０＞
図３は、ルールグループ群１２０の一例を示す説明図である。ルールグループ群１２０は、ルールグループＧ１～Ｇｎを含む。ルールグループＧｉは、ルールセットＲＳｉ１～ＲＳｉｍを含む。ｍは１以上の整数である。ルールセットＲＳｉｊは、ルールグループＧｉにおけるｊ番目のルールセットである。ｊは１≦ｉ≦ｍを満たす整数である。
図３は、ルールグループ群１２０の一例を示す説明図である。ルールグループ群１２０は、ルールグループＧ１～Ｇｎを含む。ルールグループＧｉは、ルールセットＲＳｉ１～ＲＳｉｍを含む。ｍは１以上の整数である。ルールセットＲＳｉｊは、ルールグループＧｉにおけるｊ番目のルールセットである。ｊは１≦ｉ≦ｍを満たす整数である。
【0026】
ルールセットＲＳｉｊは、Ｒｉｊ１～Ｒｉｊｌを含む。ｌは１以上の整数である。ルールＲｉｊｋは、ルールセットＲＳｉｊにおけるｋ番目のルールである。ｋは１≦ｉ≦ｌを満たす整数である。
【0027】
＜ルールＲｉｊｋ＞
図４は、ルールＲｉｊｋの一例を示す説明図である。図４では、文４００がサンプル文Ｓｉである。文４００において、固有表現を示す「○○株式会社」を上位概念化したラベルは会社名、固有表現を示す「１９１０年」を上位概念化したラベルは年度、固有表現を示す「茨城県」を上位概念化したラベルは地名とする。
図４は、ルールＲｉｊｋの一例を示す説明図である。図４では、文４００がサンプル文Ｓｉである。文４００において、固有表現を示す「○○株式会社」を上位概念化したラベルは会社名、固有表現を示す「１９１０年」を上位概念化したラベルは年度、固有表現を示す「茨城県」を上位概念化したラベルは地名とする。
【0028】
ルール生成部１０３がルールＲｉｊｋを生成する場合、ルール生成部１０３は、上記固有表現を示す名詞の単語を上記固有表現のラベルに変換する。そして、ルール生成部１０３は、文４００の木構造４０１のうち係り受け先のノードである「創業された」に着目し、３つの係り受け先（「＜会社名＞は」、「＜年度＞に」、「＜地名＞で」）のうち一部が欠落させて、ルールＲｉｊ１～Ｒｉｊ３を生成する。なお、ルールＲｉｊ１～Ｒｉｊ３では、木構造４０１の３つの係り受け先から１つが削除された例であるが、ルール生成部１０３は、２つ削除されたルールを生成してもよい。これにより、入力文ＩＳｉの文構造を考慮したマッチングが可能となる。
【0029】
なお、図４の木構造４０１は、固有表現を有する複数（３つ）の係り受け元のノードに対し１つの係り受け先のノードを有する構成であるが、１つの係り受け元のノードに対し、固有表現を有する複数の係り受け先のノードを有する構成でも同様である。
【0030】
＜判定例＞
図５は、判定部１３１による判定例を示す説明図である。図５では、入力文ＩＳの木構造ＩＴとあるルールグループＧｉとのマッチングによる判定例を示す。判定部１３１は、木構造ＩＴとルールセットＲＳｉｊ内の各ルールＲｉｊｋとのマッチングを実行する。
図５は、判定部１３１による判定例を示す説明図である。図５では、入力文ＩＳの木構造ＩＴとあるルールグループＧｉとのマッチングによる判定例を示す。判定部１３１は、木構造ＩＴとルールセットＲＳｉｊ内の各ルールＲｉｊｋとのマッチングを実行する。
【0031】
ルールＲｉｊｋには、固有表現を抽象化したラベル（たとえば、＜会社名＞）を有するチャンクが含まれているため、木構造ＩＴのチャンクに当該固有表現（たとえば、○○株式会社）であれば、木構造ＩＴのチャンクはルールＲｉｊｋのチャンクに包含される。判定部１３１は、ルールＲｉｊｋの各チャンクが木構造ＩＴの各チャンクと一致または包含し、かつ、一致または包含するルールＲｉｊｋのチャンクによる係り受け関係が木構造ＩＴに含まれていれば、木構造ＩＴは、ルールＲｉｊｋに該当する。
【0032】
すなわち、木構造４０１を入力文ＩＳの木構造ＩＴとした場合、木構造４０１はルールＲｉｊ１～ルールＲｉｊ３に該当することになる。
【0033】
判定部１３１は、木構造ＩＴに該当したルールＲｉｊｋの数をルールセットＲＳｉｊごとに計数する。また、判定部１３１は、木構造ＩＴに該当したルールＲｉｊｋが複数存在する場合、その中の２つのルールＲｉｊｋについて、入力文ＩＳにおける各位置の間の距離（文字数）を算出する。
【0034】
判定部１３１は、スコアテーブル１３０を参照して、ルールグループＧｉについての入力文ＩＳのマッチングスコアを算出する。スコアテーブル１３０は、条件５０１とスコア５０２とを有する。条件５０１とは、スコア５０２を特定するための制約であり、たとえば、木構造ＩＴに該当したルールセットＲＳｉｊ内のルールＲｉｊｋの数や、木構造ＩＴに該当したルールＲｉｊｋを１以上有するルールセットＲＳｉｊの数や、２つのルールＲｉｊｋについての入力文ＩＳにおける各位置の間の距離である。
【0035】
たとえば、木構造ＩＴに該当したルールＲｉｊｋの数が多いほど、スコアテーブル１３０においてスコア５０２の値は高く設定されている。木構造ＩＴに該当したルールＲｉｊｋを１以上有するルールセットＲＳｉｊの数が多いほど、スコアテーブル１３０においてスコア５０２の値は高く設定されている。２つのルールＲｉｊｋについての入力文ＩＳにおける各位置の間の距離が大きいほど、スコアテーブル１３０においてスコア５０２の値は低く設定されている。判定部１３１は、これらのスコアの総和をマッチングスコアとして算出する。
【0036】
マッチングスコアは、ルールグループＧｉごとに算出される。判定部１３１は、たとえば、しきい値以上のマッチングスコアとなるルールグループＧｉを、入力文ＩＳの木構造ＩＴに該当する特定のルールグループとして設定部１３２に出力する。また、判定部１３１は、たとえば、上位Ｎ番目（Ｎはあらかじめ設定された１以上の整数）までのマッチングスコアとなるルールグループＧｉを、入力文ＩＳの木構造ＩＴに該当する特定のルールグループとして設定部１３２に出力してもよい。
【0037】
図６は、マッチング例を示す説明図である。入力文ＩＳ１～ＩＳ３はそれぞれ、サンプル文Ｓｉに似たような発話内容を示している。具体的には、たとえば、入力文ＩＳ１は、「説明は省略します」という表現が省略された文である。入力文ＩＳ２は、サンプル文Ｓｉに含まれる２つの単文の発話順序が入れ替わったような文、すなわち、倒置表現の文である。入力文ＩＳ３は、フィラーが含まれた文である。
【0038】
入力文ＩＳ１は、ルールセットＲＳｉ１に該当し、入力文ＩＳ２，ＩＳ３は、ルールセットＲＳｉ１，ＲＳｉ２に該当したとする。入力文ＩＳ１は、「説明は省略します」という表現が省略されているため、ルールセットＲＳｉ２に該当する木構造が存在しなかったものとする。この場合、入力文ＩＳ２，ＩＳ３については、入力文ＩＳ１よりも、木構造ＩＴに該当したルールＲｉｊｋを１以上有するルールセットＲＳｉｊの数の多さという条件５０１については、高い値のスコア５０２が適用される。
【0039】
＜アノテーション設定＞
図７は、設定部１３２によるアノテーション設定例を示す説明図である。図７では、図６に示した入力文ＩＳ２についてのアノテーション設定例を示す。図６に示したように、入力文ＩＳ２はルールセットＲＳｉ１，ＲＳｉ２に該当するため、設定部１３２は、その旨を示すアノテーション７００を入力文ＩＳ２に設定する。また、入力文ＩＳ２のうちルールセットＲＳｉ１，ＲＳｉ２に該当する文字列を、下線により他の文字列とは異なる態様で表示可能に設定する。下線はこのような強調表示の一例であり、該当する文字列の文字色、文字サイズ、フォントの変更や該当する文字列の背景色の変更でもよい。
図７は、設定部１３２によるアノテーション設定例を示す説明図である。図７では、図６に示した入力文ＩＳ２についてのアノテーション設定例を示す。図６に示したように、入力文ＩＳ２はルールセットＲＳｉ１，ＲＳｉ２に該当するため、設定部１３２は、その旨を示すアノテーション７００を入力文ＩＳ２に設定する。また、入力文ＩＳ２のうちルールセットＲＳｉ１，ＲＳｉ２に該当する文字列を、下線により他の文字列とは異なる態様で表示可能に設定する。下線はこのような強調表示の一例であり、該当する文字列の文字色、文字サイズ、フォントの変更や該当する文字列の背景色の変更でもよい。
【0040】
また、設定部１３２は、アノテーションとして設定されたルールセットＲＳｉ１，ＲＳｉ２を含むルールグループＧｉに対応するサンプル文Ｓｉをサンプル文集合から抽出して、表示可能に出力してもよい。
【0041】
図８は、情報抽出装置１００のハードウェア構成例を示すブロック図である。情報抽出装置１００は、プロセッサ８０１と、記憶デバイス８０２と、入力デバイス８０３と、出力デバイス８０４と、通信インターフェース（通信ＩＦ）８０５と、を有する。プロセッサ８０１、記憶デバイス８０２、入力デバイス８０３、出力デバイス８０４、および通信ＩＦ８０５は、バス８０６により接続される。プロセッサ８０１は、情報抽出装置１００を制御する。記憶デバイス８０２は、プロセッサ８０１の作業エリアとなる。また、記憶デバイス８０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス８０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス８０３は、データを入力する。入力デバイス８０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナ、マイク、センサがある。出力デバイス８０４は、データを出力する。出力デバイス８０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ８０５は、ネットワークと接続し、データを送受信する。
【0042】
図１に示したサンプル群集合、ルールグループ群１２０およびスコアテーブル１３０は、データベースとして、図８に示した記憶デバイス８０２、または、情報抽出装置１００とインターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などのネットワークを介して通信ＩＦ８０５で通信可能な他のコンピュータに記憶される。
【0043】
また、図１に示した解析部１０１、木構造生成部１０２、ルール生成部１０３、判定部１３１、設定部１３２および出力部１３３は、具体的には、たとえば、図８に示した記憶デバイス８０２に記憶されたプログラムをプロセッサ８０１に実行させることで実現される。
【0044】
＜構築フェーズ＞
図９は、情報抽出装置１００による構築フェーズでの実行処理手順例を示すフローチャートである。情報抽出装置１００は、サンプル文集合１１０を取得し（ステップＳ９０１）、サンプル文集合１１０の各サンプル文Ｓｉを自然言語解析する（ステップＳ９０２）。つぎに、情報抽出装置１００は、サンプル文Ｓｉごとに木構造Ｔｉを生成し（ステップＳ９０３）、木構造Ｔｉを単文単位で分割する（ステップＳ９０４）。そして、情報抽出装置１００は、分割木構造ＤＴｉ１，ＤＴｉ２についてルールセットＲＳｉｊを生成する（ステップＳ９０５）。これにより、ルールグループ群１２０が構築される。
図９は、情報抽出装置１００による構築フェーズでの実行処理手順例を示すフローチャートである。情報抽出装置１００は、サンプル文集合１１０を取得し（ステップＳ９０１）、サンプル文集合１１０の各サンプル文Ｓｉを自然言語解析する（ステップＳ９０２）。つぎに、情報抽出装置１００は、サンプル文Ｓｉごとに木構造Ｔｉを生成し（ステップＳ９０３）、木構造Ｔｉを単文単位で分割する（ステップＳ９０４）。そして、情報抽出装置１００は、分割木構造ＤＴｉ１，ＤＴｉ２についてルールセットＲＳｉｊを生成する（ステップＳ９０５）。これにより、ルールグループ群１２０が構築される。
【0045】
＜運用フェーズ＞
図１０は、情報抽出装置１００による運用フェーズでの実行処理手順例を示すフローチャートである。情報抽出装置１００は、入力文ＩＳを取得し（ステップＳ１００１）、入力文ＩＳを自然言語解析する（ステップＳ１００２）。つぎに、情報抽出装置１００は、入力文ＩＳの木構造ＩＴを生成し（ステップＳ１００３）、ルールグループ群１２０に未選択のルールグループＧｉがあるか否かを判断する（ステップＳ１００４）。未選択のルールグループＧｉがある場合（ステップＳ１００４：Ｙｅｓ）、情報抽出装置１００は、未選択のルールグループＧｉを１つ選択し（ステップＳ１００５）、選択ルールグループＧｉ内のルールセットＲＳｉｊごとに入力文ＩＳの木構造ＩＴとのマッチングを実行する（ステップＳ１００６）。そして、情報抽出装置１００は、マッチング結果とスコアテーブル１３０とを用いて、選択ルールグループＧｉのマッチングスコアを算出して（ステップＳ１００７）、ステップＳ１００４に戻る。
図１０は、情報抽出装置１００による運用フェーズでの実行処理手順例を示すフローチャートである。情報抽出装置１００は、入力文ＩＳを取得し（ステップＳ１００１）、入力文ＩＳを自然言語解析する（ステップＳ１００２）。つぎに、情報抽出装置１００は、入力文ＩＳの木構造ＩＴを生成し（ステップＳ１００３）、ルールグループ群１２０に未選択のルールグループＧｉがあるか否かを判断する（ステップＳ１００４）。未選択のルールグループＧｉがある場合（ステップＳ１００４：Ｙｅｓ）、情報抽出装置１００は、未選択のルールグループＧｉを１つ選択し（ステップＳ１００５）、選択ルールグループＧｉ内のルールセットＲＳｉｊごとに入力文ＩＳの木構造ＩＴとのマッチングを実行する（ステップＳ１００６）。そして、情報抽出装置１００は、マッチング結果とスコアテーブル１３０とを用いて、選択ルールグループＧｉのマッチングスコアを算出して（ステップＳ１００７）、ステップＳ１００４に戻る。
【0046】
ステップＳ１００４において、未選択ルールグループＧｉがない場合（ステップＳ１００４：Ｎｏ）、情報抽出装置１００は、入力文ＩＳにアノテーション７００と該当箇所（たとえば、下線）とを設定し（ステップＳ１００８）、アノテーション７００を設定した入力文ＩＳを表示可能に出力する（ステップＳ１００９）。これにより、入力文ＩＳに該当するルールグループが特定される。
【0047】
たとえば、入力文ＩＳに該当するルールグループＧｉが禁止行為（重要事項不説明）に関するグループであれば、ユーザは、入力文ＩＳにおいて重要事項が説明されていないことがわかる。
【0048】
このあと、情報抽出装置１００は、図７に示したように、アノテーション７００として設定されたルールグループＧｉに対応するサンプル文Ｓｉをサンプル文集合１１０から抽出して、表示可能に出力してもよい。これにより、入力文ＩＳがどのようなサンプル文Ｓｉに似ているかをユーザは把握することができる。
【0049】
たとえば、サンプル文Ｓｉが禁止行為（重要事項不説明）に関する想定対話文であれば、ユーザは、入力文ＩＳと当該想定対話文とを比較することで、どの程度似ているかを確認することができる。また、サンプル文Ｓｉが正解を示す想定対話文であれば、ユーザは、入力文ＩＳと当該想定対話文とを比較することで、どのような文言が入力文ＩＳに欠落していたか、または、どのような文言で説明を省略したかを確認することができる。
【0050】
以上説明したように、上述した情報抽出装置１００によれば、文構造を考慮することにより言葉からの情報抽出精度の向上を図ることができる。具体的には、たとえば、入力文ＩＳにどのサンプル文Ｓｉのどのような表現が含まれているかを高精度に把握することができる。
【0051】
なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。
【0052】
また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。
【0053】
各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。
【0054】
また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。
【符号の説明】
【0055】
１００ 情報抽出装置
１０１ 解析部
１０２ 木構造生成部
１０３ ルール生成部（変換部）
１１０ サンプル文集合
１２０ ルールグループ群
１３０ スコアテーブル
１３１ 判定部
１３２ 設定部
１３３ 出力部
７００ アノテーション
Ｇｉ ルールグループ
ＩＳ 入力文
ＩＴ 入力文の木構造
Ｒｉｊｋ ルール
ＲＳｉｊ ルールセット
Ｓｉ サンプル文
Ｔｉ サンプル文の木構造
１０１ 解析部
１０２ 木構造生成部
１０３ ルール生成部（変換部）
１１０ サンプル文集合
１２０ ルールグループ群
１３０ スコアテーブル
１３１ 判定部
１３２ 設定部
１３３ 出力部
７００ アノテーション
Ｇｉ ルールグループ
ＩＳ 入力文
ＩＴ 入力文の木構造
Ｒｉｊｋ ルール
ＲＳｉｊ ルールセット
Ｓｉ サンプル文
Ｔｉ サンプル文の木構造
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】