ホーム > 特許ランキング > 株式会社ＮＴＴデータグループ
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】P2024006440
(43)【公開日】2024-01-17
(54)【発明の名称】ＦＡＱ管理装置、ＦＡＱ管理方法、及びプログラム
(51)【国際特許分類】
G06F 16/35 20190101AFI20240110BHJP
G06F 16/383 20190101ALI20240110BHJP
G06F 40/279 20200101ALI20240110BHJP
【ＦＩ】
G06F16/35
G06F16/383
G06F40/279
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2022107304
(22)【出願日】2022-07-01
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り （１） 発行日 令和４年３月７日 刊行物 言語処理学会第２８回年次大会 発表論文集、第１２３８頁～第１２４２頁、言語処理学会事務局 発行（Ｗｅｂ公開ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ａｎｌｐ．ｊｐ／ｐｒｏｃｅｅｄｉｎｇｓ／ａｎｎｕａｌ＿ｍｅｅｔｉｎｇ／２０２２／ｐｄｆ＿ｄｉｒ／Ｇ５－５．ｐｄｆ） ＜資料＞ 発表論文集 第１２３８頁～第１２４２頁 ＜資料＞ 発表論文集 書誌情報 （２） 開催日 令和４年３月１６日（開催期間：令和４年３月１４日～１８日） 集会名 言語処理学会第２８回年次大会（ＮＬＰ２０２２） 開催場所 アクトシティ浜松 コングレスセンター（静岡県浜松市中区板屋町１１１－１） ※一部関係者以外はＺｏｏｍ、Ｇａｔｈｅｒ、又はＳｌａｃｋによるオンライン参加 ＜資料＞ 大会開催案内 ＜資料＞ 大会プログラム
(71)【出願人】
【識別番号】000102728
【氏名又は名称】株式会社ＮＴＴデータグループ
(74)【代理人】
【識別番号】110001634
【氏名又は名称】弁理士法人志賀国際特許事務所
(72)【発明者】
【氏名】林 岳晴
(72)【発明者】
【氏名】大段 秀顕
(72)【発明者】
【氏名】竹中 一秀
(72)【発明者】
【氏名】湯浅 晃
【テーマコード（参考）】
5B091
5B175
【Ｆターム（参考）】
5B091AA15
5B091CA01
5B091CC03
5B091EA01
5B175DA01
5B175FA01
5B175FA03
5B175GC03
(57)【要約】
【課題】ＦＡＱの生成における集約精度を向上することが可能なＦＡＱ管理装置、ＦＡＱ管理方法、及びプログラムを提供する。
【解決手段】少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、を備えるＦＡＱ管理装置。
【選択図】図１
【解決手段】少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、を備えるＦＡＱ管理装置。
【選択図】図１
【特許請求の範囲】
【請求項1】
少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、
を備えるＦＡＱ管理装置。
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、
を備えるＦＡＱ管理装置。
【請求項2】
抽出された前記第１の文から、前記問い合わせの核心を示す部分を抽出する部分抽出部、
をさらに備え、
前記クラスタリング部は、前記問い合わせの核心を示す部分と前記第２の文に基づき、前記階層的なクラスタリングを実行する、
請求項１に記載のＦＡＱ管理装置。
をさらに備え、
前記クラスタリング部は、前記問い合わせの核心を示す部分と前記第２の文に基づき、前記階層的なクラスタリングを実行する、
請求項１に記載のＦＡＱ管理装置。
【請求項3】
前記部分抽出部は、前記第１の文のうち前記問い合わせの核心を示す部分以外の部分を、前記問い合わせの主題を示す部分としてさらに抽出し、
前記クラスタリング部は、前記問い合わせの主題を示す部分、前記問い合わせの核心を示す部分、及び前記第２の文に基づき、前記階層的なクラスタリングを実行する、
請求項２に記載のＦＡＱ管理装置。
前記クラスタリング部は、前記問い合わせの主題を示す部分、前記問い合わせの核心を示す部分、及び前記第２の文に基づき、前記階層的なクラスタリングを実行する、
請求項２に記載のＦＡＱ管理装置。
【請求項4】
前記問い合わせの核心を示す部分の係り受け構造パターンを記憶する記憶部と、
抽出された前記第１の文に対して係り受け解析を行う係り受け解析部と、
をさらに備え、
前記部分抽出部は、前記係り受け構造パターンと前記係り受け解析の結果とに基づき、前記第１の文において前記係り受け構造パターンと一致する係り受けとなっている部分を、前記問い合わせの核心を示す部分として抽出する、
請求項２又は請求項３に記載のＦＡＱ管理装置。
抽出された前記第１の文に対して係り受け解析を行う係り受け解析部と、
をさらに備え、
前記部分抽出部は、前記係り受け構造パターンと前記係り受け解析の結果とに基づき、前記第１の文において前記係り受け構造パターンと一致する係り受けとなっている部分を、前記問い合わせの核心を示す部分として抽出する、
請求項２又は請求項３に記載のＦＡＱ管理装置。
【請求項5】
前記文抽出部は、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）の事前学習済みモデルをファインチューニングして生成された二値分類モデルを用いて、前記問い合わせ文章から前記第１の文及び前記第２の文を抽出する、
請求項１に記載のＦＡＱ管理装置。
請求項１に記載のＦＡＱ管理装置。
【請求項6】
文章取得部が、少なくとも１つの文からなる問い合わせ文章を取得する文章取得過程と、
文抽出部が、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出過程と、
クラスタリング部が、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング過程と、
を含むＦＡＱ管理方法。
文抽出部が、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出過程と、
クラスタリング部が、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング過程と、
を含むＦＡＱ管理方法。
【請求項7】
コンピュータを、
少なくとも１つの文からなる問い合わせ文章を取得する文章取得手段と、
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出手段と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング手段と、
として機能させるためのプログラム。
少なくとも１つの文からなる問い合わせ文章を取得する文章取得手段と、
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出手段と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング手段と、
として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ＦＡＱ管理装置、ＦＡＱ管理方法、及びプログラムに関する。
【背景技術】
【0002】
従来、企業などでは、問い合わせ対応業務を効率化するために、よくある質問（ＦＡＱ：Frequently Asked Questions）を整備して運用されることが多い。しかしながら、大量にある問い合わせから手動でＦＡＱを生成するためには膨大な人件費がかかる。そこで、ＦＡＱ整備のために、過去の問い合わせからＦＡＱを自動で生成するための技術が各種提案されている。
【0003】
例えば、下記特許文献１には、問い合わせへの過去の対応履歴から質問文を中心とする質問に関連する発話文を抽出し、抽出した発話文を類似する発話文とグループ化してＦＡＱを生成する技術が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２１－１５７５３４号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
上記特許文献１の技術では、ＦＡＱの生成のために質問文を含む文のみを抽出してクラスタリングが行われるが、抽出されなかった文に問い合わせに関する情報が含まれている場合もある。このため、ＦＡＱの生成における集約精度を向上するためには、質問文を含む文だけでなく、問い合わせに関する情報を含む文も抽出して階層的なクラスタリングを行うことが好ましい。
【0006】
上述の課題を鑑み、本発明の目的は、ＦＡＱの生成における集約精度を向上することが可能なＦＡＱ管理装置、ＦＡＱ管理方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
上述の課題を解決するために、本発明の一態様に係るＦＡＱ管理装置は、少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、を備える。
【0008】
本発明の一態様に係るＦＡＱ管理方法は、文章取得部が、少なくとも１つの文からなる問い合わせ文章を取得する文章取得過程と、文抽出部が、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出過程と、クラスタリング部が、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング過程と、を含む。
【0009】
本発明の一態様に係るプログラムは、コンピュータを、少なくとも１つの文からなる問い合わせ文章を取得する文章取得手段と、取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出手段と、抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング手段と、として機能させる。
【発明の効果】
【0010】
本発明によれば、ＦＡＱの生成における集約精度を向上することができる。
【図面の簡単な説明】
【0011】
【図1】本実施形態に係るＦＡＱ管理システムの概略構成とＦＡＱ管理装置の機能構成の一例を示すブロック図である。
【図2】本実施形態に係る係り受け構造パターンの特定方法の一例を示す図である。
【図3】本実施形態に係る核心部分抽出ルールの一例を示す図である。
【図4】本実施形態に係る文抽出結果の一例を示す図である。
【図5】本実施形態に係る核文に対する係り受け解析と部分抽出の処理の一例を示す図である。
【図6】本実施形態に係る部分抽出結果の一例を示す図である。
【図7】本実施形態に係る処理の流れの一例を示すシーケンス図である。
【発明を実施するための形態】
【0012】
以下、図面を参照しながら本発明の実施形態について詳しく説明する。以下では、よくある質問（ＦＡＱ：Frequently Asked Questions）に関する管理を行うためのシステムである、ＦＡＱ管理システム１について説明する。ＦＡＱは、例えば、企業などからユーザへ提供される。
【0013】
＜１．ＦＡＱ管理システムの概略構成＞
図１を参照して、本実施形態に係るＦＡＱ管理システムの概略構成について説明する。図１は、本実施形態に係るＦＡＱ管理システムの概略構成とＦＡＱ管理装置の機能構成の一例を示すブロック図である。
図１に示すように、ＦＡＱ管理システム１は、管理者端末１０と、ＦＡＱ管理装置２０と、ユーザ端末３０とを備える。
図１を参照して、本実施形態に係るＦＡＱ管理システムの概略構成について説明する。図１は、本実施形態に係るＦＡＱ管理システムの概略構成とＦＡＱ管理装置の機能構成の一例を示すブロック図である。
図１に示すように、ＦＡＱ管理システム１は、管理者端末１０と、ＦＡＱ管理装置２０と、ユーザ端末３０とを備える。
【0014】
（１）管理者端末１０
管理者端末１０は、ＦＡＱ管理システム１の管理者が操作する端末である。管理者は、例えば、企業などがユーザへ提供するＦＡＱの管理を担当する者である。管理者端末１０は、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレット端末などのいずれによって実現されてもよい。
管理者端末１０は、ネットワークＮＷを介して、ＦＡＱ管理装置２０と通信可能に接続されている。ＦＡＱ管理装置２０との通信において、管理者端末１０は、過去にあった問い合わせの内容を示す少なくとも１つの文からなる文章（以下、「問い合わせ文章」とも称される）を送信する。
管理者端末１０は、ＦＡＱ管理システム１の管理者が操作する端末である。管理者は、例えば、企業などがユーザへ提供するＦＡＱの管理を担当する者である。管理者端末１０は、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレット端末などのいずれによって実現されてもよい。
管理者端末１０は、ネットワークＮＷを介して、ＦＡＱ管理装置２０と通信可能に接続されている。ＦＡＱ管理装置２０との通信において、管理者端末１０は、過去にあった問い合わせの内容を示す少なくとも１つの文からなる文章（以下、「問い合わせ文章」とも称される）を送信する。
【0015】
（２）ＦＡＱ管理装置２０
ＦＡＱ管理装置２０は、ＦＡＱを管理するための装置である。ＦＡＱ管理装置２０は、主に、ＦＡＱの生成を行う。ＦＡＱ管理装置２０は、例えば、ＰＣ（Personal Computer）やサーバ装置などによって実現される。
ＦＡＱ管理装置２０は、ネットワークＮＷを介して、管理者端末１０及びユーザ端末３０と通信可能に接続されている。管理者端末１０との通信において、ＦＡＱ管理装置２０は、問い合わせ文章を受信する。また、ユーザ端末３０との通信において、ＦＡＱ管理装置２０は、生成したＦＡＱを示す情報（以下「ＦＡＱ情報」とも称される）を送信する。
ＦＡＱ管理装置２０は、ＦＡＱを管理するための装置である。ＦＡＱ管理装置２０は、主に、ＦＡＱの生成を行う。ＦＡＱ管理装置２０は、例えば、ＰＣ（Personal Computer）やサーバ装置などによって実現される。
ＦＡＱ管理装置２０は、ネットワークＮＷを介して、管理者端末１０及びユーザ端末３０と通信可能に接続されている。管理者端末１０との通信において、ＦＡＱ管理装置２０は、問い合わせ文章を受信する。また、ユーザ端末３０との通信において、ＦＡＱ管理装置２０は、生成したＦＡＱを示す情報（以下「ＦＡＱ情報」とも称される）を送信する。
【0016】
ＦＡＱ管理装置２０は、管理者端末１０から受信した問い合わせ文章に基づき、ＦＡＱを生成する。具体的にＦＡＱ管理装置２０は、問い合わせ文章から部分的に抽出した情報を入力としたクラスタリングを行い、ＦＡＱの生成を行う。
ここで、ＦＡＱ管理装置２０が問い合わせ文章から抽出する情報について説明する。まず、ＦＡＱ管理装置２０は、問い合わせ文章から核文と周辺部分とを抽出する。核文は、問い合わせの核心を示す部分（即ち重要部分）が含まれる文（第１の文）である。周辺部分は、問い合わせの条件を示す部分（即ち質問条件）が含まれる文（第２の文）である。問い合わせの条件は、例えば、問い合わせの背景情報や参考情報などであり、問い合わせの詳細を示す情報でもある。
次に、ＦＡＱ管理装置２０は、核文から対象部分と核心部分を抽出する。対象部分は、問い合わせの主題（即ちカテゴリ）を示す部分である。問い合わせの主題は、具体的には、何について問い合わせているかを示す。核心部分は、問い合わせの核心（即ち質問核心）を示す部分である。問い合わせの核心は、具体的には、問い合わせている内容は何かを示す。
ＦＡＱ管理装置２０は、抽出した対象部分、核心部分、及び周辺部分に基づき、ＦＡＱの構造がカテゴリ、質問核心、質問条件と段階的な構造となるようにクラスタリングを行う。これにより、ＦＡＱ管理装置２０は、各階層の集約に不要な情報を排除でき、集約精度を向上することができる。
ここで、ＦＡＱ管理装置２０が問い合わせ文章から抽出する情報について説明する。まず、ＦＡＱ管理装置２０は、問い合わせ文章から核文と周辺部分とを抽出する。核文は、問い合わせの核心を示す部分（即ち重要部分）が含まれる文（第１の文）である。周辺部分は、問い合わせの条件を示す部分（即ち質問条件）が含まれる文（第２の文）である。問い合わせの条件は、例えば、問い合わせの背景情報や参考情報などであり、問い合わせの詳細を示す情報でもある。
次に、ＦＡＱ管理装置２０は、核文から対象部分と核心部分を抽出する。対象部分は、問い合わせの主題（即ちカテゴリ）を示す部分である。問い合わせの主題は、具体的には、何について問い合わせているかを示す。核心部分は、問い合わせの核心（即ち質問核心）を示す部分である。問い合わせの核心は、具体的には、問い合わせている内容は何かを示す。
ＦＡＱ管理装置２０は、抽出した対象部分、核心部分、及び周辺部分に基づき、ＦＡＱの構造がカテゴリ、質問核心、質問条件と段階的な構造となるようにクラスタリングを行う。これにより、ＦＡＱ管理装置２０は、各階層の集約に不要な情報を排除でき、集約精度を向上することができる。
【0017】
（３）ユーザ端末３０
ユーザ端末３０は、ユーザが操作する端末である。ユーザは、例えば、企業が提供すＦＡＱの利用者である。ユーザ端末３０は、例えば、ＰＣ、スマートフォン、タブレット端末などのいずれによって実現されてもよい。
ユーザ端末３０は、ネットワークＮＷを介して、ＦＡＱ管理装置２０と通信可能に接続されている。ＦＡＱ管理装置２０との通信において、ユーザ端末３０は、ＦＡＱ情報を受信する。そして、ユーザ端末３０は、受信したＦＡＱ情報を表示することで、ユーザがＦＡＱを利用可能な状態とする。
ユーザ端末３０は、ユーザが操作する端末である。ユーザは、例えば、企業が提供すＦＡＱの利用者である。ユーザ端末３０は、例えば、ＰＣ、スマートフォン、タブレット端末などのいずれによって実現されてもよい。
ユーザ端末３０は、ネットワークＮＷを介して、ＦＡＱ管理装置２０と通信可能に接続されている。ＦＡＱ管理装置２０との通信において、ユーザ端末３０は、ＦＡＱ情報を受信する。そして、ユーザ端末３０は、受信したＦＡＱ情報を表示することで、ユーザがＦＡＱを利用可能な状態とする。
【0018】
＜２．ＦＡＱ管理装置の機能構成＞
以上、本実施形態に係るＦＡＱ管理システム１の概略構成について説明した。続いて、図１から図６を参照して、本実施形態に係るＦＡＱ管理装置２０の機能構成について説明する。図１に示すように、ＦＡＱ管理装置２０は、通信部２１０と、記憶部２２０と、制御部２３０とを備える。
以上、本実施形態に係るＦＡＱ管理システム１の概略構成について説明した。続いて、図１から図６を参照して、本実施形態に係るＦＡＱ管理装置２０の機能構成について説明する。図１に示すように、ＦＡＱ管理装置２０は、通信部２１０と、記憶部２２０と、制御部２３０とを備える。
【0019】
（１）通信部２１０
通信部２１０は、各種情報の送受信を行う機能を有する。例えば、通信部２１０は、ネットワークＮＷを介して、管理者端末１０から問い合わせ文章を受信する。また、通信部２１０は、ネットワークＮＷを介して、ユーザ端末３０へＦＡＱ情報を送信する。
通信部２１０は、各種情報の送受信を行う機能を有する。例えば、通信部２１０は、ネットワークＮＷを介して、管理者端末１０から問い合わせ文章を受信する。また、通信部２１０は、ネットワークＮＷを介して、ユーザ端末３０へＦＡＱ情報を送信する。
【0020】
（２）記憶部２２０は、
記憶部２２０は、各種情報を記憶する機能を有する。記憶部２２０は、ＦＡＱ管理装置２０がハードウェアとして備える記憶媒体、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ(Solid State Drive)、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＡＭ（Random Access read/write Memory）、ＲＯＭ（Read Only Memory）、又はこれらの記憶媒体の任意の組み合わせによって構成される。
図１に示すように、記憶部２２０は、二値分類モデル２２１と、核心部分抽出ルール２２２とを記憶する。
記憶部２２０は、各種情報を記憶する機能を有する。記憶部２２０は、ＦＡＱ管理装置２０がハードウェアとして備える記憶媒体、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ(Solid State Drive)、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＡＭ（Random Access read/write Memory）、ＲＯＭ（Read Only Memory）、又はこれらの記憶媒体の任意の組み合わせによって構成される。
図１に示すように、記憶部２２０は、二値分類モデル２２１と、核心部分抽出ルール２２２とを記憶する。
【0021】
（２－１）二値分類モデル２２１
二値分類モデル２２１は、文章中から重要文を抽出することが可能な抽出型要約モデルである。具体的に、二値分類モデル２２１は、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）の事前学習済みモデルをファインチューニングして生成されたモデルである。ＢＥＲＴの事前学習済みモデルは、大量の質問文章を対象に、１文で構成される質問を正例、１０文以上の文から構成される質問を負例として疑似的に作成された教師データを用いて、各文を要約に含めるか否かを判定できるよう学習したモデルである。二値分類モデル２２１は、このように学習したＢＥＲＴの事前学習済みモデルを二値分類タスクでファインチューニングすることで生成されたモデルである。
これにより、二値分類モデル２２１は、問い合わせ文章から核文及び周辺部分を抽出することができる。
二値分類モデル２２１は、文章中から重要文を抽出することが可能な抽出型要約モデルである。具体的に、二値分類モデル２２１は、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）の事前学習済みモデルをファインチューニングして生成されたモデルである。ＢＥＲＴの事前学習済みモデルは、大量の質問文章を対象に、１文で構成される質問を正例、１０文以上の文から構成される質問を負例として疑似的に作成された教師データを用いて、各文を要約に含めるか否かを判定できるよう学習したモデルである。二値分類モデル２２１は、このように学習したＢＥＲＴの事前学習済みモデルを二値分類タスクでファインチューニングすることで生成されたモデルである。
これにより、二値分類モデル２２１は、問い合わせ文章から核文及び周辺部分を抽出することができる。
【0022】
（２－２）核心部分抽出ルール２２２
核心部分抽出ルール２２２は、核文から核心部分を抽出するために作成されたルールであり、問い合わせの核心部分の係り受け構造パターンからなる。即ち、記憶部２２０は、問い合わせの核心部分の係り受け構造パターンを核心部分抽出ルールとして記憶する。
文において、核心部分には係り受け構造として頻出のパターンがあることが分かっている。そこで、本実施形態では、予め核心部分の係り受け構造パターンを特定しておき、特定した係り受け構造パターンを核心部分抽出のためのルールとして設定する。
核心部分抽出ルール２２２は、核文から核心部分を抽出するために作成されたルールであり、問い合わせの核心部分の係り受け構造パターンからなる。即ち、記憶部２２０は、問い合わせの核心部分の係り受け構造パターンを核心部分抽出ルールとして記憶する。
文において、核心部分には係り受け構造として頻出のパターンがあることが分かっている。そこで、本実施形態では、予め核心部分の係り受け構造パターンを特定しておき、特定した係り受け構造パターンを核心部分抽出のためのルールとして設定する。
【0023】
ここで、図２を参照して、係り受け構造パターンの特定方法について説明する。図２は、本実施形態に係る係り受け構造パターンの特定方法の一例を示す図である。図２には、核心部分抽出ルールの生成に用いる文４０として、「画面の一覧から削除を行う方法を教えてください。」という１文が示されている。
【0024】
まず、この文４０を文節単位に分割する。図２に示す例の場合、文４０は文節４１から文節４６に分割される（ステップＳ１）。
次いで、文４０において核心部分に相当する文節に対してアノテーションを実施する。図２に示す例の場合、文節４３から文節４６に対してアノテーションが実施される（ステップＳ２）。
次いで、文４０に対して係り受け解析を行う（ステップＳ３）。係り受け解析には、例えばＧｉＮＺＡを利用する。図２に示す例の場合、係り受け解析により、係り受け５１から係り受け５６が判明している。係り受け５１は、文節４１が文節４２の「ｎｍｏｄ：名詞修飾語」であることを示している。係り受け５２は、文節４２が文節４６の「ｏｂｌ：斜格名詞」であることを示している。係り受け５３は、文節４３が文節４４の「ｏｂｊ：目的語」であることを示している。係り受け５４は、文節４４が文節４５の「ａｃｌ：名詞の節修飾語」であることを示している。係り受け５５は、文節４５が文節４６の「ｏｂｊ：目的語」であることを示している。係り受け５６は、文節４６が「ＲＯＯＴ：文の根」であることを示している。
係り受け解析後、アノテーションされた文節の係り受けを抽出することで、核心部分の係り受け構造パターンを特定することができる（ステップＳ４）。図２に示す例の場合、係り受け５３、係り受け５４、係り受け５５、及び係り受け５６が核心部分の係り受け構造パターンとして特定される。
次いで、文４０において核心部分に相当する文節に対してアノテーションを実施する。図２に示す例の場合、文節４３から文節４６に対してアノテーションが実施される（ステップＳ２）。
次いで、文４０に対して係り受け解析を行う（ステップＳ３）。係り受け解析には、例えばＧｉＮＺＡを利用する。図２に示す例の場合、係り受け解析により、係り受け５１から係り受け５６が判明している。係り受け５１は、文節４１が文節４２の「ｎｍｏｄ：名詞修飾語」であることを示している。係り受け５２は、文節４２が文節４６の「ｏｂｌ：斜格名詞」であることを示している。係り受け５３は、文節４３が文節４４の「ｏｂｊ：目的語」であることを示している。係り受け５４は、文節４４が文節４５の「ａｃｌ：名詞の節修飾語」であることを示している。係り受け５５は、文節４５が文節４６の「ｏｂｊ：目的語」であることを示している。係り受け５６は、文節４６が「ＲＯＯＴ：文の根」であることを示している。
係り受け解析後、アノテーションされた文節の係り受けを抽出することで、核心部分の係り受け構造パターンを特定することができる（ステップＳ４）。図２に示す例の場合、係り受け５３、係り受け５４、係り受け５５、及び係り受け５６が核心部分の係り受け構造パターンとして特定される。
【0025】
また、図３を参照して、核心部分抽出ルール２２２の一例について説明する。図３は、本実施形態に係る核心部分抽出ルール２２２の一例を示す図である。図３には核心部分抽出ルール２２２として設定された係り受け構造パターンの一例として「＃１」から「＃６」までの６個が示されている。なお、図３に示す「核心部分文章具体例」の列は、説明の便宜上で設けている列であり、実際に記憶部２２０に記憶される核心部分抽出ルールには設けられなくてよい。
【0026】
図３に示す「＃１」の係り受け構造パターンは、「ｎｓｕｂｊ，ＲＯＯＴ」である。「ｎｓｕｂｊ」は、対応する文節が「主語名詞」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「エラーが，表示される。」のような文章の場合、「＃１」の係り受け構造パターンに該当する。
「＃２」の係り受け構造パターンは、「ｏｂｊ，ＲＯＯＴ」である。「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「操作手順を，教えてほしい。」のような文章の場合、「＃２」の係り受け構造パターンに該当する。
「＃３」の係り受け構造パターンは、「ａｄｖｍｏｄ，ａｄｖｃｌ，ＲＯＯＴ」である。「ａｄｖｍｏｄ」は、対応する文節が「副詞修飾語」であることを示している。「ａｄｖｃｌ」は、対応する文節が「副詞節修飾語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「どう，すれば，解消されますか。」のような文章の場合、「＃３」の係り受け構造パターンに該当する。
「＃４」の係り受け構造パターンは、「ｎｍｏｄ，ｎｓｕｂｊ，ＲＯＯＴ」である。「ｎｍｏｄ」は、対応する文節が「名詞修飾語」であることを示している。「ｎｓｕｂｊ」は、対応する文節が「主語名詞」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「処理状況の，確認が，取れないのでしょうか。」のような文章の場合、「＃４」の係り受け構造パターンに該当する。
「＃５」の係り受け構造パターンは、「ｏｂｊ，ａｃｌ，ｏｂｊ，ＲＯＯＴ」である。１つ目の「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ａｃｌ」は、対応する文節が「名詞の節修飾語」であることを示している。２つ目の「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「削除を，行う，方法を，教えてください。」のような文章の場合、「＃５」の係り受け構造パターンに該当する。
「＃６」の係り受け構造パターンは、「ｎｍｏｄ，ｏｂｊ，ＲＯＯＴ」である。「ｎｍｏｄ」は、対応する文節が「名詞修飾語」であることを示している。「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「だれの，情報を，入力すればよいですか。」のような文章の場合、「＃６」の係り受け構造パターンに該当する。
「＃２」の係り受け構造パターンは、「ｏｂｊ，ＲＯＯＴ」である。「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「操作手順を，教えてほしい。」のような文章の場合、「＃２」の係り受け構造パターンに該当する。
「＃３」の係り受け構造パターンは、「ａｄｖｍｏｄ，ａｄｖｃｌ，ＲＯＯＴ」である。「ａｄｖｍｏｄ」は、対応する文節が「副詞修飾語」であることを示している。「ａｄｖｃｌ」は、対応する文節が「副詞節修飾語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「どう，すれば，解消されますか。」のような文章の場合、「＃３」の係り受け構造パターンに該当する。
「＃４」の係り受け構造パターンは、「ｎｍｏｄ，ｎｓｕｂｊ，ＲＯＯＴ」である。「ｎｍｏｄ」は、対応する文節が「名詞修飾語」であることを示している。「ｎｓｕｂｊ」は、対応する文節が「主語名詞」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「処理状況の，確認が，取れないのでしょうか。」のような文章の場合、「＃４」の係り受け構造パターンに該当する。
「＃５」の係り受け構造パターンは、「ｏｂｊ，ａｃｌ，ｏｂｊ，ＲＯＯＴ」である。１つ目の「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ａｃｌ」は、対応する文節が「名詞の節修飾語」であることを示している。２つ目の「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「削除を，行う，方法を，教えてください。」のような文章の場合、「＃５」の係り受け構造パターンに該当する。
「＃６」の係り受け構造パターンは、「ｎｍｏｄ，ｏｂｊ，ＲＯＯＴ」である。「ｎｍｏｄ」は、対応する文節が「名詞修飾語」であることを示している。「ｏｂｊ」は、対応する文節が「目的語」であることを示している。「ＲＯＯＴ」は、対応する文節が「文の根」であることを示している。例えば、「だれの，情報を，入力すればよいですか。」のような文章の場合、「＃６」の係り受け構造パターンに該当する。
【0027】
なお、本実施形態では、二値分類モデル２２１及び核心部分抽出ルール２２２は、あらかじめ管理者によって用意され、記憶部２２０に格納されるものとする。
【0028】
（３）制御部２３０
制御部２３０は、ＦＡＱ管理装置２０の動作全般を制御する機能を有する。制御部２３０は、例えば、ＦＡＱ管理装置２０がハードウェアとして備えるＣＰＵ（Central Processing Unit）にプログラムを実行させることによって実現される。
図１に示すように、制御部２３０は、文章取得部２３１と、文章分割部２３２と、文ベクトル化部２３３と、文抽出部２３４と、係り受け解析部２３５と、部分抽出部２３６と、クラスタリング部２３７と、ＦＡＱ生成部２３８と、出力制御部２３９とを備える。
制御部２３０は、ＦＡＱ管理装置２０の動作全般を制御する機能を有する。制御部２３０は、例えば、ＦＡＱ管理装置２０がハードウェアとして備えるＣＰＵ（Central Processing Unit）にプログラムを実行させることによって実現される。
図１に示すように、制御部２３０は、文章取得部２３１と、文章分割部２３２と、文ベクトル化部２３３と、文抽出部２３４と、係り受け解析部２３５と、部分抽出部２３６と、クラスタリング部２３７と、ＦＡＱ生成部２３８と、出力制御部２３９とを備える。
【0029】
（３－１）文章取得部２３１
文章取得部２３１は、問い合わせ文章を取得する機能を有する。例えば、文章取得部２３１は、通信部２１０が管理者端末１０から受信した問い合わせ文章を取得する。
文章取得部２３１は、問い合わせ文章を取得する機能を有する。例えば、文章取得部２３１は、通信部２１０が管理者端末１０から受信した問い合わせ文章を取得する。
【0030】
（３－２）文章分割部２３２
文章分割部２３２は、文章を分割する機能を有する。例えば、文章分割部２３２は、文章取得部２３１によって取得された問い合わせ文章を句点区切りで分割する。
文章分割部２３２は、文章を分割する機能を有する。例えば、文章分割部２３２は、文章取得部２３１によって取得された問い合わせ文章を句点区切りで分割する。
【0031】
（３－３）文ベクトル化部２３３
文ベクトル化部２３３は、文をベクトル化する機能を有する。例えば、文ベクトル化部２３３は、文章分割部２３２によって分割された文ごとにベクトル化する。
文ベクトル化部２３３は、文をベクトル化する機能を有する。例えば、文ベクトル化部２３３は、文章分割部２３２によって分割された文ごとにベクトル化する。
【0032】
（３－４）文抽出部２３４
文抽出部２３４は、文を抽出する機能を有する。文抽出部２３４は、文章取得部２３１によって取得された問い合わせ文章から、核文を少なくとも抽出し、問い合わせ文章のうち核文以外の文を周辺部分として抽出する。例えば、文抽出部２３４は、二値分類モデル２２１を用いて、問い合わせ文章から核文及び周辺部分を抽出する。具体的に、文抽出部２３４は、文ベクトル化部２３３によってベクトル化された文を二値分類モデル２２１へ入力し、各文を核文又は周辺部分として抽出する。
文抽出部２３４は、文を抽出する機能を有する。文抽出部２３４は、文章取得部２３１によって取得された問い合わせ文章から、核文を少なくとも抽出し、問い合わせ文章のうち核文以外の文を周辺部分として抽出する。例えば、文抽出部２３４は、二値分類モデル２２１を用いて、問い合わせ文章から核文及び周辺部分を抽出する。具体的に、文抽出部２３４は、文ベクトル化部２３３によってベクトル化された文を二値分類モデル２２１へ入力し、各文を核文又は周辺部分として抽出する。
【0033】
【0034】
図４に示す問い合わせ文章６０は、文章取得部２３１によって取得された問い合わせ文章であり、文章分割部２３２によって５つの文に分割され、文ベクトル化部２３３によってベクトル化済みである。文抽出部２３４は、この５つの文を二値分類モデル２２１へ入力する。図４に示す例では、二値分類モデルは、入力された５つの文のうち、「不動産の登記申請書を作成し、「申請書作成・編集」画面を「完了」で閉じるとエラーが表示されます。」と「どうすればよいでしょうか。」の２つの文を核文として抽出し、他の３つの文を周辺部分として抽出している。
【0035】
（３－５）係り受け解析部２３５
係り受け解析部２３５は、係り受け解析を行う機能を有する。係り受け解析部２３５は、文抽出部２３４によって抽出された核文に対して係り受け解析を行う。係り受け解析部２３５は、例えばＧｉＮＺＡを用いて係り受け解析を行う。
係り受け解析部２３５は、係り受け解析を行う機能を有する。係り受け解析部２３５は、文抽出部２３４によって抽出された核文に対して係り受け解析を行う。係り受け解析部２３５は、例えばＧｉＮＺＡを用いて係り受け解析を行う。
【0036】
（３－６）部分抽出部２３６
部分抽出部２３６は、核文から部分的な抽出を行う機能を有する。例えば、部分抽出部２３６は、文抽出部２３４によって抽出された核文から、問い合わせの核心部分を抽出する。具体的に、部分抽出部２３６は、記憶部２２０に記憶されている核心部分抽出ルール２２２（係り受け構造パターン）と、係り受け解析部２３５による係り受け解析の結果とに基づき、核文において核心部分抽出ルール２２２が示す係り受け構造パターンと一致する係り受けとなっている部分を、核心部分として抽出する。そして、部分抽出部２３６は、核文のうち問い合わせの核心部分以外の部分を、問い合わせの対象部分としてさらに抽出する。
部分抽出部２３６は、核文から部分的な抽出を行う機能を有する。例えば、部分抽出部２３６は、文抽出部２３４によって抽出された核文から、問い合わせの核心部分を抽出する。具体的に、部分抽出部２３６は、記憶部２２０に記憶されている核心部分抽出ルール２２２（係り受け構造パターン）と、係り受け解析部２３５による係り受け解析の結果とに基づき、核文において核心部分抽出ルール２２２が示す係り受け構造パターンと一致する係り受けとなっている部分を、核心部分として抽出する。そして、部分抽出部２３６は、核文のうち問い合わせの核心部分以外の部分を、問い合わせの対象部分としてさらに抽出する。
【0037】
ここで、図５を参照して、核文に対する係り受け解析と部分抽出の処理について説明する。図５は、本実施形態に係る核文に対する係り受け解析と部分抽出の処理の一例を示す図である。図５には、部分抽出したい文７０として、「詳細な内容の確認を行うやり方を教えてください。」という１文が示されている。
【0038】
まず、係り受け解析部２３５は、この文７０を文節単位に分割する。図５に示す例の場合、係り受け解析部２３５は、文７０を文節７１から文節７６に分割される（ステップＳ１１）。
次いで、係り受け解析部２３５は、文７０に対して係り受け解析を行う（ステップＳ１２）。係り受け解析には、例えばＧｉＮＺＡを利用する。図５に示す例の場合、係り受け解析により、係り受け８１から係り受け８６が判明している。係り受け８１は、文節７１が文節７２の「ｎｍｏｄ：名詞修飾語」であることを示している。係り受け８２は、文節７２が文節７６の「ｏｂｌ：斜格名詞」であることを示している。係り受け８３は、文節７３が文節７４の「ｏｂｊ：目的語」であることを示している。係り受け８４は、文節７４が文節７５の「ａｃｌ：名詞の節修飾語」であることを示している。係り受け８５は、文節７５が文節７６の「ｏｂｊ：目的語」であることを示している。係り受け８６は、文節７６が「ＲＯＯＴ：文の根」であることを示している。係り受け解析により、係り受け解析部２３５は、文７０全体の係り受け構造パターン９０を取得する。
係り受け解析後、部分抽出部２３６は、係り受け解析部２３５による解析結果を示す係り受け構造パターン９０と、記憶部２２０に記憶されている核心部分抽出ルール２２２とを突合する（ステップＳ１３）。例えば、部分抽出部２３６は、図５に示す係り受け構造パターン９０と図３に示した核心部分抽出ルール２２２とを突合する。この場合、係り受け構造パターン９０の領域９１の部分の係り受け構造パターンと、核心部分抽出ルール２２２の「＃５」の係り受け構造パターンとが一致する。
突合後、部分抽出部２３６は、核心部分と対象部分を州出する（ステップＳ１４）。Ｓ１３の突合結果より、部分抽出部２３６は、文節７１から文節７６のうち、核心部分抽出ルール２２２と係り受け構造パターンが一致した文節７３から文節７６までを核心部分として抽出する。そして、部分抽出部２３６は、核心部分以外の部分である文節７１と文節７２を対象部分として抽出する。
次いで、係り受け解析部２３５は、文７０に対して係り受け解析を行う（ステップＳ１２）。係り受け解析には、例えばＧｉＮＺＡを利用する。図５に示す例の場合、係り受け解析により、係り受け８１から係り受け８６が判明している。係り受け８１は、文節７１が文節７２の「ｎｍｏｄ：名詞修飾語」であることを示している。係り受け８２は、文節７２が文節７６の「ｏｂｌ：斜格名詞」であることを示している。係り受け８３は、文節７３が文節７４の「ｏｂｊ：目的語」であることを示している。係り受け８４は、文節７４が文節７５の「ａｃｌ：名詞の節修飾語」であることを示している。係り受け８５は、文節７５が文節７６の「ｏｂｊ：目的語」であることを示している。係り受け８６は、文節７６が「ＲＯＯＴ：文の根」であることを示している。係り受け解析により、係り受け解析部２３５は、文７０全体の係り受け構造パターン９０を取得する。
係り受け解析後、部分抽出部２３６は、係り受け解析部２３５による解析結果を示す係り受け構造パターン９０と、記憶部２２０に記憶されている核心部分抽出ルール２２２とを突合する（ステップＳ１３）。例えば、部分抽出部２３６は、図５に示す係り受け構造パターン９０と図３に示した核心部分抽出ルール２２２とを突合する。この場合、係り受け構造パターン９０の領域９１の部分の係り受け構造パターンと、核心部分抽出ルール２２２の「＃５」の係り受け構造パターンとが一致する。
突合後、部分抽出部２３６は、核心部分と対象部分を州出する（ステップＳ１４）。Ｓ１３の突合結果より、部分抽出部２３６は、文節７１から文節７６のうち、核心部分抽出ルール２２２と係り受け構造パターンが一致した文節７３から文節７６までを核心部分として抽出する。そして、部分抽出部２３６は、核心部分以外の部分である文節７１と文節７２を対象部分として抽出する。
【0039】
ここで、図６を参照して、部分抽出結果の一例について説明する。図６は、本実施形態に係る部分抽出結果の一例を示す図である。図６には、図４に示した問い合わせ文章６０から抽出された核文６１から、対象部分６３と核心部分６４が抽出される例が示されている。
【0040】
図６に示す核文６１は、文抽出部２３４によって問い合わせ文章６０から抽出された核文である。この核文６１は、係り受け解析部２３５によって係り受け解析が行われた後、部分抽出部２３６による核心部分抽出ルール２２２との突合によって部分抽出が行われる。図６に示す例では、１つ目の核文である「不動産の登記申請書を作成し、「申請書作成・編集」画面を「完了」で閉じるとエラーが表示されます。」の文から、「エラーが表示されます。」の部分が核心部分として抽出される。また、２つ目の核文である「どうすればよいでしょうか。」の文は、文全体が核心部分として抽出される。また、１つ目の核文のうち「不動産の登記申請書を作成し、「申請書作成・編集」画面を「完了」で閉じると」の部分は対象部分として抽出される。
【0041】
（３－７）クラスタリング部２３７
クラスタリング部２３７は、クラスタリングを行う機能を有する。クラスタリング部２３７は、文抽出部２３４によって抽出された核文及び周辺部分に基づき、階層的なクラスタリングを実行する。これにより、クラスタリング部２３７は、問い合わせの核心が含まれる文だけでなく、問い合わせの条件が含まれる文も用いて２階層のクラスタリングを行うことができる。よって、ＦＡＱの生成における集約精度を向上することができる。
クラスタリング部２３７は、クラスタリングを行う機能を有する。クラスタリング部２３７は、文抽出部２３４によって抽出された核文及び周辺部分に基づき、階層的なクラスタリングを実行する。これにより、クラスタリング部２３７は、問い合わせの核心が含まれる文だけでなく、問い合わせの条件が含まれる文も用いて２階層のクラスタリングを行うことができる。よって、ＦＡＱの生成における集約精度を向上することができる。
【0042】
また、クラスタリング部２３７は、部分抽出部２３６によって核文から抽出された核心部分と文抽出部２３４によって抽出された周辺部分に基づき、階層的なクラスタリングを実行してもよい。これにより、クラスタリング部２３７は、核文と周辺部分を用いた場合よりも階層の集約に不要な情報が排除された２階層のクラスタリングを行うことができる。よって、ＦＡＱの生成における集約精度を向上することができる。
【0043】
また、クラスタリング部２３７は、部分抽出部２３６によって核文から抽出された対象部分及び核心部分と、文抽出部２３４によって抽出された周辺部分とに基づき、階層的なクラスタリングを実行してもよい。これにより、クラスタリング部２３７は、ＦＡＱの構造がカテゴリ、質問核心、質問条件の３階層となるようクラスタリングを行うことができる。これにより、各階層の集約に不要な情報を排除でき、集約精度を向上することができる。
【0044】
（３－８）ＦＡＱ生成部２３８
ＦＡＱ生成部２３８は、ＦＡＱを生成する機能を有する。例えば、ＦＡＱ生成部２３８は、クラスタリング部２３７によるクラスタリングの結果に基づき、階層的にまとめられたＦＡＱを生成し、ＦＡＱ情報として出力する。
ＦＡＱ生成部２３８は、ＦＡＱを生成する機能を有する。例えば、ＦＡＱ生成部２３８は、クラスタリング部２３７によるクラスタリングの結果に基づき、階層的にまとめられたＦＡＱを生成し、ＦＡＱ情報として出力する。
【0045】
（３－９）出力制御部２３９
出力制御部２３９は、各種の出力を制御する機能を有する。例えば、出力制御部２３９は、通信部２１０を介して、ＦＡＱ生成部２３８によって出力されたＦＡＱ情報をユーザ端末３０へ送信する。
出力制御部２３９は、各種の出力を制御する機能を有する。例えば、出力制御部２３９は、通信部２１０を介して、ＦＡＱ生成部２３８によって出力されたＦＡＱ情報をユーザ端末３０へ送信する。
【0046】
＜３．処理の流れ＞
以上、本実施形態に係るＦＡＱ管理装置２０の機能構成について説明した。続いて、図７を参照して、本実施形態に係る処理の流れについて説明する。図７は、本実施形態に係る処理の流れの一例を示すシーケンス図である。
なお、図７に示す例では、二値分類モデル２２１及び核心部分抽出ルール２２２は、予め管理者によって作成され、記憶部２２０に格納されているものとする。
以上、本実施形態に係るＦＡＱ管理装置２０の機能構成について説明した。続いて、図７を参照して、本実施形態に係る処理の流れについて説明する。図７は、本実施形態に係る処理の流れの一例を示すシーケンス図である。
なお、図７に示す例では、二値分類モデル２２１及び核心部分抽出ルール２２２は、予め管理者によって作成され、記憶部２２０に格納されているものとする。
【0047】
図７に示すように、まず、管理者端末１０は、ＦＡＱの生成対象となる問い合わせ文章をＦＡＱ管理装置２０へ送信する（ステップＳ１０１）。
次いで、ＦＡＱ管理装置２０の問い合わせ文章取得部２３１は、問い合わせ文章を取得する（ステップＳ１０２）。具体的に、文章取得部２３１は、管理者端末１０から送信されて通信部２１０が受信した問い合わせ文章を取得する。
次いで、文章分割部２３２は、問い合わせ文章を分割する（ステップＳ１０３）。具体的に、文章分割部２３２は、文章取得部２３１によって取得された問い合わせ文章を句点区切りで分割する。
次いで、文ベクトル化部２３３は、文ベクトル化を行う（ステップＳ１０４）。具体的に、文ベクトル化部２３３は、文章分割部２３２によって分割された文ごとにベクトル化する。
次いで、ＦＡＱ管理装置２０の問い合わせ文章取得部２３１は、問い合わせ文章を取得する（ステップＳ１０２）。具体的に、文章取得部２３１は、管理者端末１０から送信されて通信部２１０が受信した問い合わせ文章を取得する。
次いで、文章分割部２３２は、問い合わせ文章を分割する（ステップＳ１０３）。具体的に、文章分割部２３２は、文章取得部２３１によって取得された問い合わせ文章を句点区切りで分割する。
次いで、文ベクトル化部２３３は、文ベクトル化を行う（ステップＳ１０４）。具体的に、文ベクトル化部２３３は、文章分割部２３２によって分割された文ごとにベクトル化する。
【0048】
次いで、文抽出部２３４は、文抽出を行う（ステップＳ１０５）。具体的に、文抽出部２３４は、文ベクトル化部２３３によってベクトル化された文を二値分類モデル２２１へ入力し、各文を核文又は周辺部分として抽出する。
次いで、係り受け解析部２３５は、係り受け解析を行う（ステップＳ１０６）。具体的に、係り受け解析部２３５は、文抽出部２３４によって抽出された核文に対して係り受け解析を行う。
次いで、部分抽出部２３６は、部分抽出を行う（ステップＳ１０７）。具体的に、部分抽出部２３６は、記憶部２２０に記憶されている核心部分抽出ルール２２２と、係り受け解析部２３５による係り受け解析の結果とに基づき、核文から核心部分を抽出し、核心部分以外の部分を対象部分として抽出する。
次いで、係り受け解析部２３５は、係り受け解析を行う（ステップＳ１０６）。具体的に、係り受け解析部２３５は、文抽出部２３４によって抽出された核文に対して係り受け解析を行う。
次いで、部分抽出部２３６は、部分抽出を行う（ステップＳ１０７）。具体的に、部分抽出部２３６は、記憶部２２０に記憶されている核心部分抽出ルール２２２と、係り受け解析部２３５による係り受け解析の結果とに基づき、核文から核心部分を抽出し、核心部分以外の部分を対象部分として抽出する。
【0049】
次いで、クラスタリング部２３７は、クラスタリングを行う（ステップＳ１０８）。具体的に、クラスタリング部２３７は、部分抽出部２３６によって核文から抽出された対象部分及び核心部分と、文抽出部２３４によって抽出された周辺部分とに基づき、ＦＡＱの構造がカテゴリ、質問核心、質問条件の３階層となるようクラスタリングを行う。
次いで、ＦＡＱ生成部２３８は、ＦＡＱを生成する（ステップＳ１０９）。具体的に、ＦＡＱ生成部２３８は、クラスタリング部２３７によるクラスタリングの結果に基づき、階層的にまとめられたＦＡＱを生成し、ＦＡＱ情報として出力する。
次いで、出力制御部２３９は、ＦＡＱ情報を送信する（ステップＳ１１０）。具体的に、出力制御部２３９は、通信部２１０を介して、ＦＡＱ生成部２３８によって出力されたＦＡＱ情報をユーザ端末３０へ送信する。
次いで、ＦＡＱ生成部２３８は、ＦＡＱを生成する（ステップＳ１０９）。具体的に、ＦＡＱ生成部２３８は、クラスタリング部２３７によるクラスタリングの結果に基づき、階層的にまとめられたＦＡＱを生成し、ＦＡＱ情報として出力する。
次いで、出力制御部２３９は、ＦＡＱ情報を送信する（ステップＳ１１０）。具体的に、出力制御部２３９は、通信部２１０を介して、ＦＡＱ生成部２３８によって出力されたＦＡＱ情報をユーザ端末３０へ送信する。
【0050】
そして、ユーザ端末３０は、ＦＡＱ管理装置２０から受信したＦＡＱ情報を表示する（ステップＳ１１１）。これにより、ユーザは、ユーザ端末３０に表示されたＦＡＱ情報において、カテゴリ、質問核心、質問条件の順に選択することで、目的の問い合わせを容易に見つけることができる。
【0051】
以上説明したように、本実施形態に係るＦＡＱ管理装置２０は、少なくとも１つの文からなる問い合わせ文章を取得し、取得された問い合わせ文章から問い合わせの核心を示す部分が含まれる核文（第１の文）を少なくとも抽出し、問い合わせ文章のうち核文以外の文を問い合わせの条件を示す部分が含まれる周辺部分（第２の文）として抽出し、抽出された核文及び周辺部分に基づき階層的なクラスタリングを実行する。
【0052】
かかる構成により、本実施形態に係るＦＡＱ管理装置２０は、核文の階層と周辺部分の階層からなる少なくとも２階層のＦＡＱを生成することができる。これにより、ＦＡＱの生成のために質問文を含む文のみを抽出して単階層のクラスタリングを行った場合と比較し、ＦＡＱの生成における集約精度を向上することができる。
よって、本実施形態に係るＦＡＱ管理装置２０は、ＦＡＱの生成における集約精度を向上することを可能とする。
よって、本実施形態に係るＦＡＱ管理装置２０は、ＦＡＱの生成における集約精度を向上することを可能とする。
【0053】
以上、本発明の実施形態の変形例について説明した。なお、上述した実施形態におけるＦＡＱ管理装置２０の一部又は全部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Field Programmable Gate Array）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。
【0054】
以上、図面を参照してこの発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
【0055】
（付記１）
少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、
を備えるＦＡＱ管理装置。
少なくとも１つの文からなる問い合わせ文章を取得する文章取得部と、
取得された前記問い合わせ文章から、前記問い合わせの核心を示す部分が含まれる第１の文を少なくとも抽出し、前記問い合わせ文章のうち前記第１の文以外の文を、前記問い合わせの条件を示す部分が含まれる第２の文として抽出する文抽出部と、
抽出された前記第１の文及び前記第２の文に基づき、階層的なクラスタリングを実行するクラスタリング部と、
を備えるＦＡＱ管理装置。
【0056】
（付記２）
抽出された前記第１の文から、前記問い合わせの核心を示す部分を抽出する部分抽出部、
をさらに備え、
前記クラスタリング部は、前記問い合わせの核心を示す部分と前記第２の文に基づき、前記階層的なクラスタリングを実行する、
付記１に記載のＦＡＱ管理装置。
抽出された前記第１の文から、前記問い合わせの核心を示す部分を抽出する部分抽出部、
をさらに備え、
前記クラスタリング部は、前記問い合わせの核心を示す部分と前記第２の文に基づき、前記階層的なクラスタリングを実行する、
付記１に記載のＦＡＱ管理装置。
【0057】
（付記３）
前記部分抽出部は、前記第１の文のうち前記問い合わせの核心を示す部分以外の部分を、前記問い合わせの主題を示す部分としてさらに抽出し、
前記クラスタリング部は、前記問い合わせの主題を示す部分、前記問い合わせの核心を示す部分、及び前記第２の文に基づき、前記階層的なクラスタリングを実行する、
付記２に記載のＦＡＱ管理装置。
前記部分抽出部は、前記第１の文のうち前記問い合わせの核心を示す部分以外の部分を、前記問い合わせの主題を示す部分としてさらに抽出し、
前記クラスタリング部は、前記問い合わせの主題を示す部分、前記問い合わせの核心を示す部分、及び前記第２の文に基づき、前記階層的なクラスタリングを実行する、
付記２に記載のＦＡＱ管理装置。
【0058】
（付記４）
前記問い合わせの核心を示す部分の係り受け構造パターンを記憶する記憶部と、
抽出された前記第１の文に対して係り受け解析を行う係り受け解析部と、
をさらに備え、
前記部分抽出部は、前記係り受け構造パターンと前記係り受け解析の結果とに基づき、前記第１の文において前記係り受け構造パターンと一致する係り受けとなっている部分を、前記問い合わせの核心を示す部分として抽出する、
付記２又は付記３に記載のＦＡＱ管理装置。
前記問い合わせの核心を示す部分の係り受け構造パターンを記憶する記憶部と、
抽出された前記第１の文に対して係り受け解析を行う係り受け解析部と、
をさらに備え、
前記部分抽出部は、前記係り受け構造パターンと前記係り受け解析の結果とに基づき、前記第１の文において前記係り受け構造パターンと一致する係り受けとなっている部分を、前記問い合わせの核心を示す部分として抽出する、
付記２又は付記３に記載のＦＡＱ管理装置。
【0059】
（付記５）
前記文抽出部は、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）の事前学習済みモデルをファインチューニングして生成された二値分類モデルを用いて、前記問い合わせ文章から前記第１の文及び前記第２の文を抽出する、
付記１から付記４のいずれか１つに記載のＦＡＱ管理装置。
前記文抽出部は、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）の事前学習済みモデルをファインチューニングして生成された二値分類モデルを用いて、前記問い合わせ文章から前記第１の文及び前記第２の文を抽出する、
付記１から付記４のいずれか１つに記載のＦＡＱ管理装置。
【符号の説明】
【0060】
１…ＦＡＱ管理システム、１０…管理者端末、２０…ＦＡＱ管理装置、３０…ユーザ端末、２１０…通信部、２２０…記憶部、２２１…二値分類モデル、２２２…核心部分抽出ルール、２３０…制御部、２３１…文章取得部、２３２…文章分割部、２３３…文ベクトル化部、２３４…文抽出部、２３５…解析部、２３６…部分抽出部、２３７…クラスタリング部、２３８…ＦＡＱ生成部、２３９…出力制御部、ＮＷ…ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】