ホーム > 特許ランキング > 株式会社ＮＴＴドコモ
(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】P2024112548
(43)【公開日】2024-08-21
(54)【発明の名称】抽出装置
(51)【国際特許分類】
G06F 40/295 20200101AFI20240814BHJP
G06F 40/242 20200101ALI20240814BHJP
【ＦＩ】
G06F40/295
G06F40/242
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023017666
(22)【出願日】2023-02-08
(71)【出願人】
【識別番号】392026693
【氏名又は名称】株式会社ＮＴＴドコモ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100121980
【弁理士】
【氏名又は名称】沖山 隆
(74)【代理人】
【識別番号】100128107
【弁理士】
【氏名又は名称】深石 賢治
(72)【発明者】
【氏名】加藤 拓
(72)【発明者】
【氏名】石川 澄
【テーマコード（参考）】
5B091
【Ｆターム（参考）】
5B091AA15
5B091AB06
5B091AB08
5B091CC02
(57)【要約】
【課題】未知語又は専門用語の単語候補を抽出すること。
【解決手段】抽出装置１は、入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された固有表現間の関係に関する関係情報を取得し、取得された関係情報が示す関係のある二つの固有表現に基づく入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する関係抽出単語抽出部１５を備える。文字列は、関係のある二つの固有表現のうち入力文の文頭に近い方の固有表現からもう一方の固有表現まで、入力文において間にある語を語順に結合した文字列であってもよい。関係抽出単語抽出部１５は、入力文を、含まれる所定の品詞で分割し、分割された各文字列であって所定の品詞を除く各文字列を単語候補としてさらに抽出して出力してもよい。
【選択図】図１
【解決手段】抽出装置１は、入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された固有表現間の関係に関する関係情報を取得し、取得された関係情報が示す関係のある二つの固有表現に基づく入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する関係抽出単語抽出部１５を備える。文字列は、関係のある二つの固有表現のうち入力文の文頭に近い方の固有表現からもう一方の固有表現まで、入力文において間にある語を語順に結合した文字列であってもよい。関係抽出単語抽出部１５は、入力文を、含まれる所定の品詞で分割し、分割された各文字列であって所定の品詞を除く各文字列を単語候補としてさらに抽出して出力してもよい。
【選択図】図１
【特許請求の範囲】
【請求項1】
入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された前記固有表現間の関係に関する関係情報を取得し、取得された前記関係情報が示す関係のある二つの前記固有表現に基づく前記入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する抽出部を備える抽出装置。
【請求項2】
前記文字列は、関係のある二つの前記固有表現のうち前記入力文の文頭に近い方の前記固有表現からもう一方の前記固有表現まで、前記入力文において間にある語を語順に結合した文字列である、
請求項１に記載の抽出装置。
請求項１に記載の抽出装置。
【請求項3】
前記抽出部は、前記入力文を、含まれる所定の品詞で分割し、分割された各文字列であって前記所定の品詞を除く各文字列を前記単語候補としてさらに抽出して出力する、
請求項１に記載の抽出装置。
請求項１に記載の抽出装置。
【請求項4】
前記抽出部によって抽出された前記単語候補のうち、固有表現の所定の種類である単語を含む前記単語候補を除いて出力する種類選別部をさらに備える、
請求項１に記載の抽出装置。
請求項１に記載の抽出装置。
【請求項5】
前記抽出部によって抽出された前記単語候補のうち、所定の辞書において出現頻度が所定の基準より高い前記単語候補を除いて出力する頻度選別部をさらに備える、
請求項１に記載の抽出装置。
請求項１に記載の抽出装置。
【請求項6】
前記所定の辞書は、前記頻度選別部によって出力される前記単語候補を登録する辞書である、
請求項５に記載の抽出装置。
請求項５に記載の抽出装置。
【請求項7】
前記抽出部によって抽出された前記単語候補を、所定の自然言語処理で利用する辞書に登録する登録部をさらに備える、
請求項１に記載の抽出装置。
請求項１に記載の抽出装置。
【発明の詳細な説明】
【技術分野】
【0001】
本開示の一側面は、未知語又は専門用語の単語候補を抽出する抽出装置に関する。
【背景技術】
【0002】
音声認識又は機械翻訳などの自然言語処理技術を、特定のドメイン又は場面で利用するためには、未知語又は専門用語を登録することが重要となる。例えば、音声認識又は機械翻訳では未知語又は専門用語を、それぞれの辞書に追加登録することで、認識処理、翻訳処理が可能となる。下記特許文献１では、自動音声認識システムにおいて未知語を学習する方法が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特表２０２２－５２２９２６号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上述の未知語又は専門用語のリストアップは人手で行われることが一般的だが、単語数が多い場合、又は、実施頻度が高い場合は、リストアップ作業が困難である。そこで、未知語又は専門用語の単語候補を抽出することが望まれている。
【課題を解決するための手段】
【0005】
本開示の一側面に係る抽出装置は、入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された固有表現間の関係に関する関係情報を取得し、取得された関係情報が示す関係のある二つの固有表現に基づく入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する抽出部を備える。
【0006】
このような側面においては、入力文に対して抽出された関係のある二つの固有表現に基づく入力文中の文字列が、未知語又は専門用語の単語候補として抽出され、出力される。すなわち、未知語又は専門用語の単語候補を抽出することができる。
【発明の効果】
【0007】
本開示の一側面によれば、未知語又は専門用語の単語候補を抽出することができる。
【図面の簡単な説明】
【0008】
【図1】実施形態に係る抽出装置の機能構成の一例を示す図である。
【図2】実施形態に係る抽出装置が実行する処理における入出力の情報を整理した図である。
【図3】入力データのデータ例を示す図である。
【図4】抽出テキストのデータ例を示す図である。
【図5】形態素区切りの表記と品詞のリストのテーブル例を示す図である。
【図6】形態素区切りの表記と品詞と固有表現のラベルのリストのテーブル例を示す図である。
【図7】形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストのテーブル例を示す図である。
【図8】抽出候補リストのテーブル例を示す図である。
【図9】表記と固有表現のラベルリストのテーブル例を示す図である。
【図10】抽出対象外品詞リストのテーブル例を示す図である。
【図11】抽出候補リストのテーブル例を示す図である。
【図12】抽出対象外固有表現ラベルリストのテーブル例を示す図である。
【図13】未知語・専門用語リストのテーブル例を示す図である。
【図14】単語出現頻度辞書のテーブル例を示す図である。
【図15】登録対象単語リストのテーブル例を示す図である。
【図16】実施形態に係る抽出装置が実行する処理の一例を示すフローチャートである。
【図17】実施形態に係る抽出装置で用いられるコンピュータのハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【0009】
以下、図面を参照しながら本開示での実施形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。また、以下の説明における本開示での実施形態は、本発明の具体例であり、特に本発明を限定する旨の記載がない限り、これらの実施形態に限定されないものとする。
【0010】
図１は、実施形態に係る抽出装置１の機能構成の一例を示す図である。抽出装置１は、入力データから未知語又は専門用語の単語候補を抽出して出力するコンピュータ装置である。未知語は、自然言語処理において辞書中に登録されていない語句など、未知の語である。専門用語は、特定の分野で使用又は通用する語句など、専門の用語である。
【0011】
図１に示す通り、抽出装置１は、情報格納部１０、テキスト取得部１１、形態素解析部１２、固有表現抽出部１３、関係抽出部１４、関係抽出単語抽出部１５（抽出部）、形態素解析単語抽出部１６（抽出部）、単語選別部１７（種類選別部）、モデル登録対象単語選別部１８（頻度選別部）、及び、辞書登録部１９（登録部）を含んで構成される。
【0012】
抽出装置１の各機能ブロックは、抽出装置１内にて機能することを想定しているが、これに限るものではない。例えば、抽出装置１の機能ブロックの一部は、抽出装置１とは異なるコンピュータ装置であって、抽出装置１とネットワーク接続されたコンピュータ装置内において、抽出装置１と情報を適宜送受信しつつ機能してもよい。また、抽出装置１の一部の機能ブロックは無くてもよいし、複数の機能ブロックを一つの機能ブロックに統合してもよいし、一つの機能ブロックを複数の機能ブロックに分解してもよい。
【0013】
【0014】
入力データ（具体例は図３）が、テキスト取得部１１に入力されて、テキスト（具体例は図４）が出力される。当該テキストが、形態素解析部１２に入力されて、形態素区切りの表記と品詞のリスト（具体例は図５）が出力される。当該形態素区切りの表記と品詞のリストが、固有表現抽出部１３に入力されて、形態素区切りの表記と品詞と固有表現のラベルのリスト（具体例は図６）が出力される。当該形態素区切りの表記と品詞と固有表現のラベルのリストが、関係抽出部１４に入力されて、形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリスト（具体例は図７）が出力される。当該形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストが、関係抽出単語抽出部１５に入力されて、抽出候補リスト（具体例は図８）、及び、表記と固有表現のラベルリスト（具体例は図９）が出力される。
【0015】
上述の形態素解析部１２から出力された形態素区切りの表記と品詞のリスト、及び、情報格納部１０に予め格納された抽出対象外品詞リスト（具体例は図１０）が、形態素解析単語抽出部１６に入力されて、抽出候補リスト（具体例は図１１）が出力される。上述の関係抽出単語抽出部１５から出力された抽出候補リスト及び表記と固有表現のラベルリスト、上述の形態素解析単語抽出部１６から出力された抽出候補リスト、並びに、情報格納部１０に予め格納された抽出対象外固有表現ラベルリスト（具体例は図１２）が、単語選別部１７に入力されて、未知語・専門用語リスト（具体例は図１３）が出力される。当該未知語・専門用語リスト、及び、情報格納部１０に予め格納された単語出現頻度辞書（具体例は図１４）が、モデル登録対象単語選別部１８に入力されて、登録対象単語リスト（具体例は図１５）が出力される。当該登録対象単語リストが、辞書登録部１９に入力されて、辞書に登録される。
【0016】
以下、図１に示す抽出装置１の各機能について説明する。
【0017】
情報格納部１０は、抽出装置１における算出などで利用される任意の情報及び抽出装置１における算出の結果などを格納する。情報格納部１０によって格納された情報は、抽出装置１の各機能によって適宜参照されてもよい。情報格納部１０は、例えば、抽出対象外品詞リスト、抽出対象外固有表現ラベルリスト及び単語出現頻度辞書（それぞれ詳細は後述する）を予め格納する。
【0018】
テキスト取得部１１は、抽出装置１に入力された（又は情報格納部１０によって予め格納された）テキストデータである入力データからテキスト部分を抽出して、抽出したテキストである抽出テキストを出力する。より具体的には、テキスト取得部１１は、未知語又は専門用語が出現する入力データを入力として、１文ごとに改行されたテキストである抽出テキストを出力する。入力データは、例えば会社の会議がターゲットの場合は、当該会議の会議資料、過去の議事録、又は、関連する社内資料などが挙げられる。入力データのファイル形式に制約はない。テキスト取得部１１は、テキストを抽出する際に、対応するテキスト抽出手法（既存技術）を利用し、ファイル中のテキストを抽出する。テキスト取得部１１は、抽出したテキストに対し、テキスト中の改行コードと句点を単位に改行し、抽出テキストとして出力する。テキスト取得部１１は、抽出テキストを形態素解析部１２などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよい。
【0019】
図３は、入力データのデータ例を示す図である。図３に示す入力データには、テキスト「平成初めてのＡ社との打ち合わせ」に続いて２つの改行（改行コード）が含まれ、続いてテキスト「伊藤博文に関する新サービスＢを提案。結果、前向きな意見あり。」が含まれる。
【0020】
図４は、抽出テキストのデータ例を示す図である。図４に示す抽出テキストには、それぞれのテキストが改行されたテキスト「平成初めてのＡ社との打ち合わせ」、テキスト「伊藤博文に関する新サービスＢを提案。」及びテキスト「結果、前向きな意見あり。」が含まれる。
【0021】
形態素解析部１２は、抽出テキストに対して形態素解析を実施する。より具体的には、形態素解析部１２は、テキスト取得部１１から入力された（又は情報格納部１０によって予め格納された）抽出テキストに対し、形態素解析器（既存技術）を用いて、形態素解析（既存技術）を実施し、形態素区切りの表記と品詞のリストを出力する。形態素解析は、自然言語の文を解析し、形態素単位への分割及び品詞の判定が可能な技術である。形態素解析器としては任意の技術を用いてもよい。形態素解析部１２は、形態素区切りの表記と品詞のリストを固有表現抽出部１３及び形態素解析単語抽出部１６などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよい。
【0022】
図５は、形態素区切りの表記と品詞のリストのテーブル例を示す図である。図５に示す形態素区切りの表記と品詞のリストは、図４に示す抽出テキストの一部（最初の２行）を形態素区切りにした各表記と、当該表記の品詞とが対応付いている。より具体的には、抽出テキストに含まれるテキスト「平成初めてのＡ社との打ち合わせ」に対しては、文頭から順に、表記「平成」及び品詞「名詞」、表記「初めて」及び品詞「副詞」、表記「の」及び品詞「助詞」、表記「Ａ」及び品詞「名詞」、表記「社」及び品詞「名詞」、表記「と」及び品詞「助詞」、表記「の」及び品詞「助詞」、並びに、表記「打ち合わせ」及び品詞「名詞」が対応付いた形態素区切りの表記と品詞のリストが出力される。また、抽出テキストに含まれるテキスト「伊藤博文に関する新サービスＢを提案。」に対しては、文頭から順に、表記「伊藤」及び品詞「名詞」、表記「博文」及び品詞「名詞」、表記「に」及び品詞「助詞」、表記「関する」及び品詞「動詞」、表記「新」及び品詞「接頭辞」、表記「サービス」及び品詞「名詞」、表記「Ｂ」及び品詞「名詞」、表記「を」及び品詞「助詞」、表記「を」及び品詞「助詞」、表記「提案」及び品詞「名詞」、並びに、表記「。」及び品詞「句点」が対応付いた形態素区切りの表記と品詞のリストが出力される。
【0023】
固有表現抽出部１３は、形態素解析結果に対して、固有表現抽出を実施する。固有表現抽出は、自然言語の文又は形態素解析結果を解析し、人名、地名、組織名、製品名、数量、日付、時間などの固有表現に分類される単語を自動抽出する既存技術である。固有表現抽出（又は固有表現抽出システム）は、任意の技術を用いてもよい。未知語又は専門用語には、固有表現で構成されている単語が多いため、固有表現抽出を利用することで、形態素解析のみを利用する場合よりも頑健に単語を抽出可能となる。
【0024】
固有表現抽出部１３は、より具体的には、形態素解析部１２から入力された（又は情報格納部１０によって予め格納された）形態素区切りの表記と品詞のリストに対し、固有表現抽出を実施する。固有表現抽出部１３は、固有表現と判定された単語に対しては、固有表現の種類のラベルを付与して、形態素区切りの表記と品詞と固有表現のラベルのリストを出力する。固有表現抽出部１３は、形態素区切りの表記と品詞と固有表現のラベルのリストを関係抽出部１４などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよい。
【0025】
図６は、形態素区切りの表記と品詞と固有表現のラベルのリストのテーブル例を示す図である。図６に示す形態素区切りの表記と品詞と固有表現のラベルのリストは、図５に示す形態素区切りの表記と品詞のリストに対して固有表現抽出を実施し、固有表現と判定された単語に対して固有表現の種類のラベルを付与したものである。より具体的には、表記「平成」が固有表現と判定されて固有表現の種類のラベル「日付」が付与され、表記「伊藤」が固有表現と判定されて固有表現の種類のラベル「人名」が付与され、表記「博文」が固有表現と判定されて固有表現の種類のラベル「人名」が付与されている。
【0026】
関係抽出部１４は、固有表現抽出結果に対して、関係抽出を実施する。関係抽出は、自然言語の文を解析し、固有表現同士の関係性（関連性）を判定する技術、又は、固有表現に分類される単語間に依存関係がある場合に各単語とその関係を自動抽出する既存技術である。関係抽出により、関係性の高い固有表現同士を検知することが可能である。関係抽出（又は関係抽出システム）は、任意の技術を用いてもよい。未知語又は専門用語には、複数の固有表現の複合語、又は、複数の固有表現と一般語の複合語が存在する。複合語を構成する複数の固有表現には、関係があることが多いため、関係抽出を利用することで、複合語を検知できる可能性が高い。
【0027】
関係抽出部１４は、より具体的には、固有表現抽出部１３から入力された（又は情報格納部１０によって予め格納された）形態素区切りの表記と品詞と固有表現のラベルのリスト中の固有表現に対し、関係抽出を実施する。関係抽出部１４は、関係があると判定された単語に対しては、関係のある単語のＩＤをラベルとして付与し、形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストを出力する。関係抽出部１４は、形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストを関係抽出単語抽出部１５などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよい。
【0028】
図７は、形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストのテーブル例を示す図である。図７に示す形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストは、図６に示す形態素区切りの表記と品詞と固有表現のラベルのリスト中の固有表現に対して関係抽出を実施し、関係があると判定された単語に対しては関係のある単語のＩＤをラベルとして付与したものである。より具体的には、表記「伊藤」に対して関係があると判定された単語「博文」のＩＤである「２」が付与され、表記「博文」に対して関係があると判定された単語「伊藤」のＩＤである「１」が付与されている。表記「平成」については関係があると判定された単語が無かったため、ＩＤは付与されていない。なお、単語のＩＤは、抽出テキストの各テキストについて、形態素ごとに文頭から語順に「１」から昇順で付与されているものとする。例えば、表記「伊藤」のＩＤは「１」、表記「博文」のＩＤは「２」、表記「に」のＩＤは「３」、表記「関する」のＩＤは「４」、などである。また、実施形態では１つ表記に対して別の１つの表記が関係する場合を取りあげているが、これに限るものではなく、１つ表記に対して別の複数の表記が関係してもよい。
【0029】
上述の形態素解析部１２、固有表現抽出部１３及び関係抽出部１４は、それぞれ別の（独立した）機能ブロックとして説明したが、１つの機能ブロックとして、形態素解析部１２、固有表現抽出部１３及び関係抽出部１４それぞれで行われる処理を同時に実行してもよい。
【0030】
関係抽出単語抽出部１５は、入力文（入力データ又は抽出テキスト）に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された固有表現間の関係に関する関係情報（形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリスト）を取得し、取得された関係情報が示す関係のある二つの固有表現に基づく入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する。文字列は、関係のある二つの固有表現のうち入力文の文頭に近い方の固有表現からもう一方の固有表現まで、入力文において間にある語を語順に結合した文字列であってもよい。以下、具体的に説明する。
【0031】
関係抽出単語抽出部１５は、固有表現情報と関係抽出の結果に対し、抽出候補リスト及び表記と固有表現のラベルリストを作成して出力する。より具体的には、関係抽出単語抽出部１５は、関係抽出部１４から入力された（又は情報格納部１０によって予め格納された）形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリスト（関係情報）に対し、以下の処理（１）～（３）を実施する。
（１）形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストにおいて、固有表現のラベルが付与されている単語ｗｉを抽出候補リストに追加する。
（２）関係のある単語のＩＤが存在する場合は、単語ｗｉと関係のある単語ｗｊとその間の単語ｗｉ＋１、ｗｉ＋２、…、ｗｊ－２、ｗｊ－１を結合し、抽出候補リストに追加する。
（３）抽出候補リストと、表記と固有表現のラベルリストを出力する。
（１）形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストにおいて、固有表現のラベルが付与されている単語ｗｉを抽出候補リストに追加する。
（２）関係のある単語のＩＤが存在する場合は、単語ｗｉと関係のある単語ｗｊとその間の単語ｗｉ＋１、ｗｉ＋２、…、ｗｊ－２、ｗｊ－１を結合し、抽出候補リストに追加する。
（３）抽出候補リストと、表記と固有表現のラベルリストを出力する。
【0032】
なお、処理（２）では２つの関係のある単語を結合することを前提としているが、これに限らず、３つ以上の関係のある単語を結合してもよい。
【0033】
関連のある固有表現と、その間の単語を結合することで、複数の固有表現の複合語、又は、複数の固有表現と一般語の複合語で構成される、未知語又は専門用語が抽出可能となる可能性が高い。関係抽出単語抽出部１５は、単語間の関係も考慮した上で結合しているため、形態素解析結果のみを用いて周辺の単語を結合した場合と比較し、より頑健に未知語又は専門用語の単語候補を抽出可能となる。
【0034】
関係抽出単語抽出部１５は、抽出候補リスト及び表記と固有表現のラベルリストを単語選別部１７などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよいし、後述の通信装置１００４を介して他の装置に送信してもよいし、後述の出力装置１００６（ディスプレイなど）に表示してもよい。
【0035】
図８は、抽出候補リストのテーブル例を示す図である。図８に示す抽出候補リストは、図７に示す形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストに対する処理（１）により追加された表記「平成」、表記「伊藤」及び表記「博文」、並びに、処理（２）により結合して追加された表記「伊藤博文」を含んでいる。
【0036】
図９は、表記と固有表現のラベルリストのテーブル例を示す図である。図９に示す表記と固有表現のラベルリストは、図７に示す形態素区切りの表記と品詞と固有表現のラベルと関係のある単語のＩＤのリストのうち表記と固有表現（の行）を抽出したものである。
【0037】
形態素解析単語抽出部１６は、入力文（入力データ又は抽出テキスト）を、含まれる所定の品詞で分割し、分割された各文字列であって所定の品詞を除く各文字列を単語候補としてさらに抽出して出力する。以下、具体的に説明する。
【0038】
形態素解析単語抽出部１６は、形態素解析情報と抽出対象外品詞に対して、抽出候補リストを作成して出力する。より具体的には、形態素解析単語抽出部１６は、形態素解析部１２から入力された形態素区切りの表記と品詞のリストに対し、以下の処理（４）～（７）を実施する。
（４）（情報格納部１０によって予め格納された）抽出対象外品詞リスト中の品詞に該当する単語を区切り単語とする。抽出対象外品詞リストの品詞は任意で設定可能だが、未知語又は専門用語に含まれることが少ない品詞であってもよい。例えば、抽出対象外品詞リストの品詞は、「助詞」、「動詞」、「副詞」、「連用詞」、「形容詞」、「冠名詞」、「接尾辞」、「読点」、「句点」及び「カッコ」などが挙げられる。
（５）形態素区切りの表記と品詞のリストに対し、処理（４）の区切り単語に該当する単語でリストを分割する。例えば、区切り単語がｗｉの場合、ｌ１＝｛ｗ１，…，ｗｉ－１｝，ｌ２＝｛ｗｉ＋１，…，ｗＮ｝（１文のＮは形態素数）の形で分割される。
（６）処理（５）で分割された各リストに対して、含まれる単語を結合する。上記の場合は、ｗ１，…，ｗｉ－１が結合された単語と、ｗｉ＋１，…，ｗＮが結合された単語が作成される。
（７）処理（６）で結合された各単語を抽出候補リストに追加し、抽出候補リストを出力する。
（４）（情報格納部１０によって予め格納された）抽出対象外品詞リスト中の品詞に該当する単語を区切り単語とする。抽出対象外品詞リストの品詞は任意で設定可能だが、未知語又は専門用語に含まれることが少ない品詞であってもよい。例えば、抽出対象外品詞リストの品詞は、「助詞」、「動詞」、「副詞」、「連用詞」、「形容詞」、「冠名詞」、「接尾辞」、「読点」、「句点」及び「カッコ」などが挙げられる。
（５）形態素区切りの表記と品詞のリストに対し、処理（４）の区切り単語に該当する単語でリストを分割する。例えば、区切り単語がｗｉの場合、ｌ１＝｛ｗ１，…，ｗｉ－１｝，ｌ２＝｛ｗｉ＋１，…，ｗＮ｝（１文のＮは形態素数）の形で分割される。
（６）処理（５）で分割された各リストに対して、含まれる単語を結合する。上記の場合は、ｗ１，…，ｗｉ－１が結合された単語と、ｗｉ＋１，…，ｗＮが結合された単語が作成される。
（７）処理（６）で結合された各単語を抽出候補リストに追加し、抽出候補リストを出力する。
【0039】
未知語又は専門用語には、固有名詞で構成されていない単語もある。構成品詞としては例えば名詞又はアルファベット列などが多い。形態素解析結果の品詞の情報を元に、未知語又は専門用語に用いられることの少ない品詞の単語を除去することで、複合語で構成される単語も抽出可能となる。
【0040】
形態素解析単語抽出部１６は、抽出候補リストを単語選別部１７などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよいし、、後述の通信装置１００４を介して他の装置に送信してもよいし、後述の出力装置１００６（ディスプレイなど）に表示してもよい。
【0041】
【0042】
図１１は、抽出候補リストのテーブル例を示す図である。図１１に示す抽出候補リストは、図５に示す形態素区切りの表記と品詞のリストに対して、品詞が（図１０に示す抽出対象外品詞リストに含まれる）「副詞」である表記「初めて」、品詞が（図１０に示す抽出対象外品詞リストに含まれる）「助詞」である表記「の」、品詞が「助詞」である表記「と」、品詞が「助詞」である表記「の」、品詞が「助詞」である表記「に」、品詞が（図１０に示す抽出対象外品詞リストに含まれる）「動詞」である表記「関する」、品詞が「助詞」である表記「を」、品詞が（図１０に示す抽出対象外品詞リストに含まれる）「句点」である表記「。」で分割されて結合された、表記「平成」、表記「Ａ社」、表記「打ち合わせ」、表記「伊藤博文」、表記「新サービスＢ」及び表記「提案」を含んでいる。
【0043】
単語選別部１７は、関係抽出単語抽出部１５によって抽出された単語候補のうち、固有表現の所定の種類である単語を含む単語候補を除いて出力する。以下、具体的に説明する。
【0044】
単語選別部１７は、関係抽出単語抽出部１５により出力された抽出候補リストと形態素解析単語抽出部１６により出力された抽出候補リストとに対し、リストの正規化、及び、抽出対象外固有表現を含む単語の削除を実施する。より具体的には、単語選別部１７は、関係抽出単語抽出部１５により出力された抽出候補リストと、形態素解析単語抽出部１６により出力された抽出候補リストと、表記と固有表現のラベルリストとを入力とし、以下の処理（８）～（１２）を実施する。
（８）両抽出候補リストを結合し、重複する要素を削除する。抽出候補リスト中に複合語が存在する場合は、複合語の一部のみ発話することも考えられるため、（複合語に同じ語を含んでいた場合は）重複する要素とみなさない。例えば、片方のリストが「伊藤」及び「博文」を含み、もう片方のリストが「伊藤博文」を含んでいた場合、結合すると「伊藤」、「博文」及び「伊藤博文」を含む（すなわち両方のリストの要素を全てを含む）リストとなる。
（９）抽出候補リストに含まれる文字を正規化する。正規化の対象は任意で設定可能だが、未知語又は専門用語に含まれることが少ない文字列を除去してもよい。例えば、１文字のみ、数字、又は、記号のみで構成される単語を除去する。
（１０）抽出候補リストと、表記と固有表現のラベルリストを参照し、抽出候補リスト中の各単語の固有表現をラベル付けする。
（１１）抽出候補リスト中の単語に対し、（情報格納部１０によって予め格納された）抽出対象外固有表現ラベルリスト中の固有表現ラベルに該当する単語を含む場合は、抽出候補リストから削除する。抽出対象外固有表現ラベルリストの固有表現ラベルは任意で設定可能だが、未知語又は専門用語に含まれることが少ない固有表現ラベルであってもよい。例えば、抽出対象外固有表現ラベルリストの固有表現ラベルは、「数量」、「日付」及び「時間」などが挙げられる。
（１２）処理（１１）で作成されたリスト（抽出候補リスト）を未知語・専門用語リストとして出力する。
（８）両抽出候補リストを結合し、重複する要素を削除する。抽出候補リスト中に複合語が存在する場合は、複合語の一部のみ発話することも考えられるため、（複合語に同じ語を含んでいた場合は）重複する要素とみなさない。例えば、片方のリストが「伊藤」及び「博文」を含み、もう片方のリストが「伊藤博文」を含んでいた場合、結合すると「伊藤」、「博文」及び「伊藤博文」を含む（すなわち両方のリストの要素を全てを含む）リストとなる。
（９）抽出候補リストに含まれる文字を正規化する。正規化の対象は任意で設定可能だが、未知語又は専門用語に含まれることが少ない文字列を除去してもよい。例えば、１文字のみ、数字、又は、記号のみで構成される単語を除去する。
（１０）抽出候補リストと、表記と固有表現のラベルリストを参照し、抽出候補リスト中の各単語の固有表現をラベル付けする。
（１１）抽出候補リスト中の単語に対し、（情報格納部１０によって予め格納された）抽出対象外固有表現ラベルリスト中の固有表現ラベルに該当する単語を含む場合は、抽出候補リストから削除する。抽出対象外固有表現ラベルリストの固有表現ラベルは任意で設定可能だが、未知語又は専門用語に含まれることが少ない固有表現ラベルであってもよい。例えば、抽出対象外固有表現ラベルリストの固有表現ラベルは、「数量」、「日付」及び「時間」などが挙げられる。
（１２）処理（１１）で作成されたリスト（抽出候補リスト）を未知語・専門用語リストとして出力する。
【0045】
未知語又は専門用語を構成することの少ない固有表現又は文字列に対し、文字列の正規化、又は、抽出対象外固有表現ラベルリスト中の固有表現ラベルが付与された単語の除外を実施することで、高精度に未知語又は専門用語が抽出可能となる。
【0046】
単語選別部１７は、未知語・専門用語リストをモデル登録対象単語選別部１８などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよいし、後述の通信装置１００４を介して他の装置に送信してもよいし、後述の出力装置１００６（ディスプレイなど）に表示してもよい。
【0047】
【0048】
図１３は、未知語・専門用語リストのテーブル例を示す図である。図１３に示す未知語・専門用語リストは、図８に示す抽出候補リスト及び図１１に示す抽出候補リストを結合したもののうち、重複する要素である表記「平成」（の片方）及び表記「伊藤博文」（の片方）を削除し、図９に示す表記と固有表現のラベルリストにおいて図１２に示す抽出対象外固有表現ラベルリストに含まれる固有表現ラベル「日付」が付与された表記「平成」（上述の重複により削除して残ったもう片方）を削除した結果である、表記「Ａ社」、「打ち合わせ」、「伊藤」、「博文」、「伊藤博文」、「新サービスＢ」及び「提案」を含んでいる。
【0049】
モデル登録対象単語選別部１８は、関係抽出単語抽出部１５によって抽出された単語候補のうち、所定の辞書（単語出現頻度辞書など）において出現頻度が所定の基準より高い単語候補を除いて出力する。所定の辞書は、モデル登録対象単語選別部１８によって出力される単語候補を登録する辞書であってもよい。以下、具体的に説明する。
【0050】
モデル登録対象単語選別部１８は、（情報格納部１０によって予め格納された）単語出現頻度辞書において、出現頻度の低い（出現頻度が所定の基準より低い）単語のみを登録対象単語リストとして出力する。より具体的には、モデル登録対象単語選別部１８は、単語選別部１７から入力された（又は情報格納部１０によって格納された）未知語・専門用語リストに対し、以下の処理（１３）及び（１４）を実施する。
（１３）未知語・専門用語リスト中の単語ｗに対して、単語出現頻度辞書を参照し、単語が存在する場合は以下の（ａ）を実施し、存在しない場合は以下の（ｂ）を実施する。
（ａ）単語出現頻度辞書における単語ｗの単語出現頻度Ｐｗ＜閾値Ｔの場合は、単語ｗを登録対象単語リストに追加する（又は、単語出現頻度Ｐｗ≧閾値Ｔの単語ｗを登録対象単語リストに追加しない（削除する））。
（ｂ）単語ｗを登録対象単語リストに追加する。
（１４）登録対象単語リストを出力する。
（１３）未知語・専門用語リスト中の単語ｗに対して、単語出現頻度辞書を参照し、単語が存在する場合は以下の（ａ）を実施し、存在しない場合は以下の（ｂ）を実施する。
（ａ）単語出現頻度辞書における単語ｗの単語出現頻度Ｐｗ＜閾値Ｔの場合は、単語ｗを登録対象単語リストに追加する（又は、単語出現頻度Ｐｗ≧閾値Ｔの単語ｗを登録対象単語リストに追加しない（削除する））。
（ｂ）単語ｗを登録対象単語リストに追加する。
（１４）登録対象単語リストを出力する。
【0051】
単語出現頻度辞書は、単語登録先の音声認識又は機械翻訳などの自然言語処理技術のモデルに含まれるものを利用する。単語登録先のモデルの形式として単語出現頻度辞書を持たない場合は、単語登録先のモデルの構築に用いられたテキストデータを元に、単語出現頻度辞書を（抽出装置１などが）作成する。また、単語の出現頻度を計算可能な場合は、単語出現頻度辞書の形式に制約はない。
【0052】
音声認識又は機械翻訳などの自然言語処理技術を、特定のドメイン又は場面で利用するためには、対応する辞書に対して未知語の単語だけでなく、出現しにくい単語も登録することで、精度高く自然言語処理技術が利用可能となる。そのため、単語出現頻度辞書において出現頻度の低い（出現頻度が所定の基準より低い）単語についても単語登録対象としている。
【0053】
モデル登録対象単語選別部１８は、登録対象単語リストを辞書登録部１９などの他の機能ブロックに出力してもよいし、情報格納部１０によって格納させてもよいし、後述の通信装置１００４を介して他の装置に送信してもよいし、後述の出力装置１００６（ディスプレイなど）に表示してもよい。
【0054】
図１４は、単語出現頻度辞書のテーブル例を示す図である。図１４に示す単語出現頻度辞書は、単語出現頻度が「－２．４」の単語「打ち合わせ」、単語出現頻度が「－３．５」の単語「提案」、単語出現頻度が「－４．６」の単語「伊藤」、単語出現頻度が「－６．２」の単語「博文」、及び、単語出現頻度が「－８．４」の単語「伊藤博文」を含んでいる。図１４に示す通り、閾値を「－５．０」とする。
【0055】
図１５は、登録対象単語リストのテーブル例を示す図である。図１５に示す登録対象単語リストは、図１３に示す未知語・専門用語リストのうち、図１４に示す単語出現頻度辞書において単語出現頻度が閾値「－５．０」未満である単語「博文」及び「伊藤博文」、並びに、当該単語出現頻度辞書に存在しない単語「Ａ社」及び「新サービスＢ」を含んでいる（単語出現頻度が閾値「－５．０」以上である単語「打ち合わせ」、「提案」及び「伊藤」を削除している）。
【0056】
辞書登録部１９は、関係抽出単語抽出部１５によって抽出された単語候補を、所定の自然言語処理で利用する辞書に登録する。所定の自然言語処理は、例えば、音声認識又は機械翻訳などの自然言語処理である。
【0057】
【0058】
まず、テキスト取得部１１が、入力データからテキスト（抽出テキスト）を取得する（ステップＳ１）。次に、形態素解析部１２が、Ｓ１にて取得したテキストに対して形態素解析を実施する（ステップＳ２）。次に、固有表現抽出部１３が、Ｓ２にて抽出された各形態素に対して、固有表現抽出を実施する（ステップＳ３）。次に、関係抽出部１４が、Ｓ３にて抽出された各固有表現に対して、関係抽出を実施し（ステップＳ４）、固有表現を抽出候補リストとして出力する（ステップＳ５）。次に、関係抽出単語抽出部１５が、Ｓ３にて抽出した固有表現に対して、関係のある単語があるか否かを判定する（ステップＳ６）。
【0059】
Ｓ６にてあると判定された場合（Ｓ６：ＹＥＳ）、関係抽出単語抽出部１５が、関係のある単語と間の単語を結合し、抽出候補リストとして出力する（ステップＳ７）。Ｓ６にてないと判定された場合（Ｓ６：ＮＯ）、又は、Ｓ７に続いて、形態素解析単語抽出部１６が、Ｓ２での形態素解析結果に対し、抽出対象外品詞に該当する単語で分割し、分割された文字列を抽出候補リストとして出力する（ステップＳ８）。次に、単語選別部１７が、Ｓ７及びＳ８にて出力された抽出候補リストを結合し、重複する要素を削除し（ステップＳ９）、抽出候補リストに含まれる文字を正規化し（ステップＳ１０）、抽出対象外固有表現を含む単語を削除する（ステップＳ１１）。次に、モデル登録対象単語選別部１８が、Ｓ９～Ｓ１１が行われた未知語・専門用語リストのうち出現頻度がＴ未満単語のみをリスト形式で出力する（ステップＳ１２）。
【0060】
なお、Ｓ８は、Ｓ２の後でありかつＳ９の前であればいつ実行してもよい。Ｓ８は省略してもよい。Ｓ９は省略してもよい。Ｓ１０は省略してもよい。Ｓ１１は省略してもよい。Ｓ１２は省略してもよい。Ｓ１２の後に、辞書登録部１９が、Ｓ１２にて出力された単語を辞書に登録してもよい。
【0061】
続いて、実施形態に係る抽出装置１の作用効果について説明する。
【0062】
抽出装置１によれば、入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された固有表現間の関係に関する関係情報を取得し、取得された関係情報が示す関係のある二つの固有表現に基づく入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する関係抽出単語抽出部１５を備える。この構成により、入力文に対して抽出された関係のある二つの固有表現に基づく入力文中の文字列が、未知語又は専門用語の単語候補として抽出され、出力される。すなわち、未知語又は専門用語の単語候補を抽出することができる。
【0063】
また、抽出装置１において、文字列は、関係のある二つの固有表現のうち入力文の文頭に近い方の固有表現からもう一方の固有表現まで、入力文において間にある語を語順に結合した文字列であってもよい。この構成により、関係のある二つの固有表現のうち入力文の文頭に近い方の固有表現からもう一方の固有表現まで、入力文において間にある語を語順に結合した文字列が、未知語又は専門用語の単語候補として抽出され、出力される。関係のある固有表現と、その間の単語を結合することで、複数の固有表現の複合語、又は、複数の固有表現と一般語の複合語で構成される、未知語又は専門用語が抽出可能となる。単語間の関係も考慮した上で結合しているため、形態素解析結果のみを用いて周辺の単語を結合した場合と比較し、より頑健に未知語又は専門用語が抽出可能となる。
【0064】
また、抽出装置１によれば、関係抽出単語抽出部１５は、入力文を、含まれる所定の品詞で分割し、分割された各文字列であって所定の品詞を除く各文字列を単語候補としてさらに抽出して出力してもよい。未知語又は専門用語には、固有名詞で構成されていない単語もある。構成品詞としては例えば名詞又はアルファベット列などが多い。形態素解析結果の品詞の情報を元に、未知語又は専門用語に用いられることの少ない品詞の単語を除去することで、複合語で構成される単語も未知語又は専門用語として抽出可能となる。
【0065】
また、抽出装置１によれば、関係抽出単語抽出部１５によって抽出された単語候補のうち、固有表現の所定の種類である単語を含む単語候補を除いて出力する単語選別部１７をさらに備えてもよい。未知語又は専門用語を構成することの少ない固有表現又は文字列に対し、抽出対象外固有表現ラベルリスト中の固有表現ラベルが付与された単語（固有表現の所定の種類である単語を含む単語候補）の除外を実施することで、高精度に未知語又は専門用語が抽出可能となる。
【0066】
また、抽出装置１によれば、関係抽出単語抽出部１５によって抽出された単語候補のうち、所定の辞書において出現頻度が所定の基準より高い単語候補を除いて出力するモデル登録対象単語選別部１８をさらに備えてもよい。所定の辞書は、モデル登録対象単語選別部１８によって出力される単語候補を登録する辞書であってもよい。音声認識又は機械翻訳などの自然言語処理技術を、特定のドメイン又は場面で利用するためには、対応する辞書（所定の辞書）に対して未知語の単語だけでなく、出現しにくい単語も登録することで、精度高く自然言語処理技術が利用可能となる。そのため、単語出現頻度辞書（所定の辞書）において出現頻度の低い単語についても単語登録対象としてもよい。
【0067】
また、抽出装置１によれば、関係抽出単語抽出部１５によって抽出された単語候補を、所定の自然言語処理で利用する辞書に登録する辞書登録部１９をさらに備えてもよい。関係抽出単語抽出部１５によって抽出された単語候補を、音声認識又は機械翻訳などの自然言語処理技術（所定の自然言語処理）への単語登録することにより、各技術の精度の向上の効果がある。
【0068】
抽出装置１は、未知語及び専門用語抽出装置及び抽出方法に関する。
【0069】
特許文献「特開２００６－１５５５２８号公報」に記載の従来技術では、未知語が既知語の複合語の場合、又は、形態素解析時に正しく未知語として判定されなかった場合は、未知語として抽出することが困難である。抽出装置１によれば、例えば、品詞情報を元に未知語候補を抽出しているので、形態素解析において未知語として判定されない単語であっても抽出が可能である。また、未知語又は専門用語には、固有表現が含まれることが多いため、固有表現抽出を用いることにより、より頑健に未知語又は専門用語を抽出が可能である。
【0070】
特許文献「特開２００６－１３９６８６号公報」に記載の従来技術では、対応するテキストデータがない単語及び少ない単語には、利用が困難である。抽出装置１によれば、例えば、未知語が１箇所にのみ出現するテキストに対しても、未知語又は専門用語が抽出可能である。
【0071】
特許文献「２０２２－４２０３３号公報」に記載の従来技術では、音声認識の精度によっては、正しい区切りで抽出することが困難である。より具体的には、未知語を含む音素配列を、言語モデルで単語配列に変換する際に、未知語部分の影響により一般語の音素に対する変換精度が低下するため、一般語の音素に対しても、誤った単語に変換される可能性が高い。その結果、形態素配列と単語配列の比較の際に、誤った区切りを未知語として出力する可能性がある。例えば、テキスト「令和には」の音素配列が「レイワニワ」となり（可読性のため音素配列をモーラで記載）、単語配列「０話２話」となり、テキスト「令和には」は未知語として出力される。抽出装置１によれば、単語登録先の自然言語処理モデルの性能によらず、頑健に単語を抽出可能である。
【0072】
抽出装置１は、例えば以下の処理（Ａ）～（Ｆ）を行ってもよい。
（Ａ）入力データからテキストを抽出。
（Ｂ）テキストに対し、形態素解析、固有表現抽出、関係抽出を実施。
（Ｃ）固有表現抽出と関係抽出の結果とから、抽出候補リストを作成。
（Ｄ）形態素解析結果と、抽出対象外品詞リストから、抽出候補リストを作成。
（Ｅ）処理（Ｃ）及び（Ｄ）の抽出候補リストと抽出対象外の固有表現リストから、未知語・専門用語リストを作成。
（Ｆ）登録先の機械学習モデルに紐づく単語出現頻度リストから、登録対象の単語リストを作成。
（Ａ）入力データからテキストを抽出。
（Ｂ）テキストに対し、形態素解析、固有表現抽出、関係抽出を実施。
（Ｃ）固有表現抽出と関係抽出の結果とから、抽出候補リストを作成。
（Ｄ）形態素解析結果と、抽出対象外品詞リストから、抽出候補リストを作成。
（Ｅ）処理（Ｃ）及び（Ｄ）の抽出候補リストと抽出対象外の固有表現リストから、未知語・専門用語リストを作成。
（Ｆ）登録先の機械学習モデルに紐づく単語出現頻度リストから、登録対象の単語リストを作成。
【0073】
抽出装置１によれば、本発明によれば、未知語又は専門用語の出現するテキストデータから自動で当該単語を抽出することで、ユーザの負担を軽減することができる。また、抽出装置１により抽出した単語を、音声認識又は機械翻訳などの自然言語処理技術への単語登録することにより、各技術の精度の向上の効果がある。
【0074】
抽出装置１において作成する未知語及び専門用語は、音声認識又は機械翻訳などの自然言語処理技術に対する、単語登録用のデータとして用いることができる。音声認識又は機械翻訳などで用いられるアルゴリズム又はモデルの形式に制約はない。抽出装置１により抽出した未知語及び専門用語を、例えば、特許文献「特開２０２２－７４８５２号公報」に記載の技術（の単語抽出部）において利用することができる。
【0075】
本開示の抽出装置１は、以下の構成を有してもよい。
【0076】
［ア］
入力データからテキスト部分を抽出するテキスト抽出部と、
テキストデータに対して形態素解析を実施する形態素解析部と、
形態素解析結果に対して固有表現抽出を実施する固有表現抽出部と、
固有表現抽出結果に対して関係抽出を実施する関係抽出部と、
固有表現情報と関係抽出の結果に対して、抽出候補リストを作成する関係抽出単語抽出部と、
形態素解情報と抽出対象外品詞に対して、抽出候補リストを作成する形態素解析単語抽出部と、
関係抽出単語抽出部と形態素解析単語抽出部の抽出候補リストに対し、正規化及び抽出対象外固有表現の削除を実施する単語選択部と、
単語出現頻度辞書を元に、出現頻度の低い単語のみを登録対象の単語リストとして出力する、モデル登録対象単語選択部と、
を備える未知語及び専門用語抽出方法並びに抽出装置。
入力データからテキスト部分を抽出するテキスト抽出部と、
テキストデータに対して形態素解析を実施する形態素解析部と、
形態素解析結果に対して固有表現抽出を実施する固有表現抽出部と、
固有表現抽出結果に対して関係抽出を実施する関係抽出部と、
固有表現情報と関係抽出の結果に対して、抽出候補リストを作成する関係抽出単語抽出部と、
形態素解情報と抽出対象外品詞に対して、抽出候補リストを作成する形態素解析単語抽出部と、
関係抽出単語抽出部と形態素解析単語抽出部の抽出候補リストに対し、正規化及び抽出対象外固有表現の削除を実施する単語選択部と、
単語出現頻度辞書を元に、出現頻度の低い単語のみを登録対象の単語リストとして出力する、モデル登録対象単語選択部と、
を備える未知語及び専門用語抽出方法並びに抽出装置。
【0077】
［イ］テキスト抽出部
入力データからテキスト部分を抽出する。
入力データからテキスト部分を抽出する。
【0078】
［ウ］形態素解析部
テキストデータに対して形態素解析を実施する。
テキストデータに対して形態素解析を実施する。
【0079】
［エ］固有表現抽出部
形態素解析結果に対して固有表現抽出を実施する。
形態素解析結果に対して固有表現抽出を実施する。
【0080】
［オ］関係抽出部
固有表現抽出結果に対して関係抽出を実施する。
固有表現抽出結果に対して関係抽出を実施する。
【0081】
［カ］関係抽出単語抽出部
抽出した固有表現と関係抽出の結果に応じて単語の結合を実施し、抽出候補リストを作成する。
抽出した固有表現と関係抽出の結果に応じて単語の結合を実施し、抽出候補リストを作成する。
【0082】
［キ］形態素解析単語抽出部
形態素解結果と抽出対象外品詞に応じて単語リストの分割結合を実施し、抽出候補リストを作成する。
形態素解結果と抽出対象外品詞に応じて単語リストの分割結合を実施し、抽出候補リストを作成する。
【0083】
［ク］単語選択部
関係抽出単語抽出部と形態素解析単語抽出部の抽出候補リストに対し、抽出候補リストの正規化及び抽出対象外固有表現の削除を実施する。
関係抽出単語抽出部と形態素解析単語抽出部の抽出候補リストに対し、抽出候補リストの正規化及び抽出対象外固有表現の削除を実施する。
【0084】
［ケ］モデル登録対象単語選択部
単語出現頻度辞書を元に、出現頻度の低い単語のみを登録対象の単語リストとして出力する。
単語出現頻度辞書を元に、出現頻度の低い単語のみを登録対象の単語リストとして出力する。
【0085】
本開示の抽出装置１は、以下の構成を有してもよい。
【0086】
［１］
入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された前記固有表現間の関係に関する関係情報を取得し、取得された前記関係情報が示す関係のある二つの前記固有表現に基づく前記入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する抽出部を備える抽出装置。
入力文に対する固有表現抽出により抽出された固有表現に対する関係抽出により抽出された前記固有表現間の関係に関する関係情報を取得し、取得された前記関係情報が示す関係のある二つの前記固有表現に基づく前記入力文中の文字列を、未知語又は専門用語の単語候補として抽出して出力する抽出部を備える抽出装置。
【0087】
［２］
前記文字列は、関係のある二つの前記固有表現のうち前記入力文の文頭に近い方の前記固有表現からもう一方の前記固有表現まで、前記入力文において間にある語を語順に結合した文字列である、
［１］に記載の抽出装置。
前記文字列は、関係のある二つの前記固有表現のうち前記入力文の文頭に近い方の前記固有表現からもう一方の前記固有表現まで、前記入力文において間にある語を語順に結合した文字列である、
［１］に記載の抽出装置。
【0088】
［３］
前記抽出部は、前記入力文を、含まれる所定の品詞で分割し、分割された各文字列であって前記所定の品詞を除く各文字列を前記単語候補としてさらに抽出して出力する、
［１］又は［２］に記載の抽出装置。
前記抽出部は、前記入力文を、含まれる所定の品詞で分割し、分割された各文字列であって前記所定の品詞を除く各文字列を前記単語候補としてさらに抽出して出力する、
［１］又は［２］に記載の抽出装置。
【0089】
［４］
前記抽出部によって抽出された前記単語候補のうち、固有表現の所定の種類である単語を含む前記単語候補を除いて出力する種類選別部をさらに備える、
［１］～［３］の何れか一項に記載の抽出装置。
前記抽出部によって抽出された前記単語候補のうち、固有表現の所定の種類である単語を含む前記単語候補を除いて出力する種類選別部をさらに備える、
［１］～［３］の何れか一項に記載の抽出装置。
【0090】
［５］
前記抽出部によって抽出された前記単語候補のうち、所定の辞書において出現頻度が所定の基準より高い前記単語候補を除いて出力する頻度選別部をさらに備える、
［１］～［４］の何れか一項に記載の抽出装置。
前記抽出部によって抽出された前記単語候補のうち、所定の辞書において出現頻度が所定の基準より高い前記単語候補を除いて出力する頻度選別部をさらに備える、
［１］～［４］の何れか一項に記載の抽出装置。
【0091】
［６］
前記所定の辞書は、前記頻度選別部によって出力される前記単語候補を登録する辞書である、
［５］に記載の抽出装置。
前記所定の辞書は、前記頻度選別部によって出力される前記単語候補を登録する辞書である、
［５］に記載の抽出装置。
【0092】
［７］
前記抽出部によって抽出された前記単語候補を、所定の自然言語処理で利用する辞書に登録する登録部をさらに備える、
［１］～［６］の何れか一項に記載の抽出装置。
前記抽出部によって抽出された前記単語候補を、所定の自然言語処理で利用する辞書に登録する登録部をさらに備える、
［１］～［６］の何れか一項に記載の抽出装置。
【0093】
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
【0094】
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
【0095】
例えば、本開示の一実施の形態における抽出装置１などは、本開示の抽出方法の処理を行うコンピュータとして機能してもよい。図１７は、本開示の一実施の形態に係る抽出装置１のハードウェア構成の一例を示す図である。上述の抽出装置１は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
【0096】
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。抽出装置１のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
【0097】
抽出装置１における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
【0098】
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述のテキスト取得部１１、形態素解析部１２、固有表現抽出部１３、関係抽出部１４、関係抽出単語抽出部１５、形態素解析単語抽出部１６、単語選別部１７、モデル登録対象単語選別部１８及び辞書登録部１９などは、プロセッサ１００１によって実現されてもよい。
【0099】
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、テキスト取得部１１、形態素解析部１２、固有表現抽出部１３、関係抽出部１４、関係抽出単語抽出部１５、形態素解析単語抽出部１６、単語選別部１７、モデル登録対象単語選別部１８及び辞書登録部１９は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
【0100】
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
【0101】
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ROM）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
【0102】
通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述のテキスト取得部１１、形態素解析部１２、固有表現抽出部１３、関係抽出部１４、関係抽出単語抽出部１５、形態素解析単語抽出部１６、単語選別部１７、モデル登録対象単語選別部１８及び辞書登録部１９などは、通信装置１００４によって実現されてもよい。
【0103】
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
【0104】
また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
【0105】
また、抽出装置１は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
【0106】
情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。
【0107】
本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。
【0108】
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
【0109】
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
【0110】
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
【0111】
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
【0112】
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
【0113】
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
【0114】
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
【0115】
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
【0116】
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
【0117】
本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
【0118】
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
【0119】
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。
【0120】
本開示で使用する「判断（determining）」、「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
【0121】
「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
【0122】
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
【0123】
本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
【0124】
上記の各装置の構成における「手段」を、「部」、「回路」、「デバイス」等に置き換えてもよい。
【0125】
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
【0126】
本開示において、例えば、英語でのa、an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
【0127】
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
【符号の説明】
【0128】
１…抽出装置、１０…情報格納部、１１…テキスト取得部、１２…形態素解析部、１３…固有表現抽出部、１４…関係抽出部、１５…関係抽出単語抽出部、１６…形態素解析単語抽出部、１７…単語選別部、１８…モデル登録対象単語選別部、１９…辞書登録部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】