[go: up one dir, main page]

WO2009113289A1 - 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム - Google Patents

新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム Download PDF

Info

Publication number
WO2009113289A1
WO2009113289A1 PCT/JP2009/001046 JP2009001046W WO2009113289A1 WO 2009113289 A1 WO2009113289 A1 WO 2009113289A1 JP 2009001046 W JP2009001046 W JP 2009001046W WO 2009113289 A1 WO2009113289 A1 WO 2009113289A1
Authority
WO
WIPO (PCT)
Prior art keywords
case
new
context
new case
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2009/001046
Other languages
English (en)
French (fr)
Inventor
河合剛巨
安藤真一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to US12/922,396 priority Critical patent/US20110106849A1/en
Priority to JP2010502718A priority patent/JP5447368B2/ja
Publication of WO2009113289A1 publication Critical patent/WO2009113289A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data

Definitions

  • the present invention relates to a new case generation apparatus, a new case generation method, and a new case generation program, and in particular, can generate a new case of the same type as the case based on the input case.
  • the present invention relates to a generation method and a new case generation program.
  • Patent Document 1 describes an example of an information extraction device relating to a technique for preventing such a reduction in accuracy of information extraction rules.
  • a score indicating the probability of the information to be extracted for each extraction result in consideration of the evaluation scale regarding the accuracy of the information extraction rule is obtained. Calculated. Then, by removing an extraction result having a low score, a reduction in accuracy of the extraction result is prevented.
  • scoring is performed according to the degree of inclusion of an input word / phrase with respect to a case searched by a search process.
  • a case-based reasoning method for rearranging cases in descending order is described.
  • the extraction result extracted by the information extraction device is only information extracted by an information extraction rule created based on a case given in advance. For this reason, since information that can be extracted even if used as a new case is biased, there is a limit to improving the completeness of the information extraction rule.
  • the present invention provides a new case generation apparatus and a new case that can accurately generate a new case that can accurately generate a new case of the same type as the case of the information that is to be extracted based on the case of the information that is to be extracted.
  • An object is to provide a generation method and a new case generation program.
  • the new case generation apparatus receives as input the case of information to be extracted and the case context that is surrounding text data including the case, and based on the input case and the case context, A new case generation means for generating, by using document data, a new case that is a new case, and a new case context that is surrounding text data including the new case and that is different from the case context; Similarity calculation means for calculating similarity between case contexts and new case narrowing means for narrowing and outputting new cases generated by the new case generation means based on the similarity calculated by the similarity calculation means It is characterized by having.
  • the new case generation method accepts, as input, a case of information to be extracted and a case context that is surrounding text data including the case, and based on the input case and the case context, A new case that is a new case and surrounding text data including the new case, and a new case context that is different from the case context are generated using the document data, and the case context and the new case context are The similarity is calculated, and the generated new cases are narrowed down and output based on the calculated similarity.
  • the program for generating a new case accepts, as an input, a case of information to be extracted and a case context that is surrounding text data including the case, based on the input case and the case context.
  • a new case generation process for generating, using document data, a new case that is a new case of the same type as the case, and a new case context that is surrounding text data including the new case and is different from the case context;
  • a similarity calculation process for calculating the similarity between the case context and the new case context, and a new case narrowing process for narrowing and outputting the generated new case based on the calculated similarity. is there.
  • FIG. 1 is a block diagram showing an example of the configuration of a new case generation apparatus according to the present invention.
  • the new case generation apparatus includes a data input unit 11, a new case generation unit 12, a similarity calculation unit 13, and a new case narrowing unit 14.
  • the data input unit 11 inputs a case that is information to be extracted and a case context that is surrounding text data including the case.
  • the new case generation unit 12 extracts information as a new case candidate from the document data according to the condition based on the input case as a new case, and is surrounding text data including the new case, which is different from the case context. Create a new case context.
  • the similarity calculation unit 13 calculates the similarity between the case context and the new case context.
  • the new case narrowing unit 14 narrows and outputs new cases based on the similarity calculated by the similarity calculation unit 13.
  • the similarity calculation unit 13 calculates the similarity between the case context and the new case context, and the degree of pattern difference between the data that is a part of the case context and the data that is a part of the new case context.
  • the new case narrowing unit 14 narrows down and outputs new cases based on the similarity and the pattern dissimilarity calculated by the similarity calculation unit 13.
  • the new case generation device is specifically realized by an information processing device such as a personal computer that operates according to a program.
  • Each processing unit shown in FIG. 1 operates as outlined below.
  • the data input unit 11 is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the data input unit 11 has a function of receiving, as an input, a case context that is surrounding text data including a case that is information to be extracted.
  • the data input unit 11 inputs a case (for example, a famous politician name or a famous case name) to be extracted from an input device such as a keyboard or a mouse in accordance with a user operation. Then, the data input unit 11 extracts and inputs the case context including the input case from the document data stored in the document database in advance.
  • a case for example, a famous politician name or a famous case name
  • the new case generation unit 12 is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the new case generation unit 12 has a function of extracting information as a new case candidate from the document data as a new case according to the condition based on the case input by the data input unit 11. Further, the new case generation unit 12 has a function of generating new case context that is peripheral text data including the extracted new case and is different from the case context.
  • the new case generation unit 12 converts, for example, a new case that has the same character string as the character string corresponding to the case and uses text data different from the case context of the case as a new case context as document data. Use to generate.
  • the new case generation unit 12 has, for example, a new case in which text data that has the same morpheme sequence pattern as the predetermined pattern of the morpheme sequence corresponding to the case and is different from the case context of the morpheme sequence is used as the new case context. Cases may be generated using document data.
  • the new case generation unit 12 includes, as new case context, text data including at least one of a predetermined number of character strings, morphemes, sentences, or paragraphs existing around the new case. It may be generated.
  • the similarity calculation unit 13 is specifically realized by a CPU of an information processing device that operates according to a program.
  • the similarity calculation unit 13 has a function of calculating a topic similarity between the case context input by the data input unit 11 and the new case context generated by the new case generation unit 12.
  • the similarity calculation unit 13 may include a function of calculating a pattern difference degree between data that is a part in the case context and data that is a part in the new case context in addition to the similarity. .
  • the new case narrowing unit 14 is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the new case narrowing unit 14 has a function of narrowing down new cases generated by the new case generation unit 12 based on the similarity calculated by the similarity calculation unit 13.
  • the new case narrowing unit 14 has a function of narrowing down the new cases generated by the new case generation unit 12 based on the similarity and the pattern difference calculated by the similarity calculation unit 13.
  • the new case narrowing unit 14 has a function of outputting the narrowed-down new cases. In this case, for example, the new case narrowing unit 14 displays the narrowed-down new cases on a display device such as a display device.
  • the storage device (not shown) of the new case generation apparatus stores various programs for generating a new case of the same type as the input case.
  • the storage device of the new case generation device accepts, as input, a case and a case context that is surrounding text data including the case, and based on the input case and the case context, A new case that is a new case, and a new case generation process that uses document data to generate a new case context that is different from the case context that is surrounding text data including the new case, and a case context Similarity calculation processing for calculating the degree of similarity between the new case context, the pattern dissimilarity between the data that is part of the case context and the data that is part of the new case context, A new case generation program for executing a new case narrowing process for narrowing and outputting a generated new case based on the degree of pattern difference is stored.
  • FIG. 2 is a flowchart illustrating an example of processing for generating a new case of the same type as the case input by the new case generation apparatus.
  • the data input unit 11 accepts as input a case context that is peripheral text data including a case that is information to be extracted (step A1 shown in FIG. 2). For example, when a case input operation is performed by the user, the data input unit 11 inputs a case to be extracted, and starts a new case generation process after step A1.
  • the new case generation unit 12 sets conditions for extracting the case context based on the case input by the data input unit 11. Further, the new case generation unit 12 extracts information as a new case candidate from the document data (for example, document data stored in the document database in advance) as a new case according to the set conditions. Then, the new case generation unit 12 compares the text data around the extracted new case with the case context, and adopts the new case when it is different from the case context, and further adopts the new case from the text data around the new case. A case context is generated (step A2). Since the new case generated here has a context different from the case context as the new case context, the new case and the new case context can be used to generate the information extraction rule. Information extraction rules can be generated. If the text data around the new case and the case context are the same, the completeness of the information extraction rule cannot be improved even if the case is adopted as a new case. Therefore, the new case is discarded without being adopted.
  • the new case generation unit 12 sets conditions for extracting the case context based on the
  • the similarity calculation unit 13 calculates the similarity between the case context input by the data input unit 11 and the new case context generated by the new case generation unit 12 (step A3). Alternatively, the similarity calculation unit 13 calculates the pattern dissimilarity between data that is a part in the case context and data that is a part in the new case context, in addition to the similarity.
  • the new case narrowing unit 14 narrows down new cases based on the similarity calculated by the similarity calculation unit 13. Alternatively, the new case narrowing unit 14 narrows down new cases based on the similarity and the pattern difference calculated by the similarity calculation unit 13. Then, the new case narrowing unit 14 outputs the narrowed-down new case (Step A4). For example, the new case narrowing unit 14 displays the narrowed-down new cases on the display device together with the new case context.
  • the new case narrowing unit 14 may extract new case contexts from the top as a narrowing result by arranging new case contexts in descending order of similarity, for example. Further, the new case narrowing unit 14 may extract, as a narrowing result, new cases included in the new case context whose similarity exceeds a predetermined value, for example. Alternatively, as a narrowing down method, the new case narrowing unit 14 arranges new case branches in the order of high similarity and pattern dissimilarity, and extracts a predetermined number of new case contexts as narrowing results from the top. Also good.
  • the new case generation device generates a new case that is a candidate for a new case based on the case of information to be extracted, and generates a new case context that is different from the case context. To do. Further, the new case generation device calculates the similarity between the case context and the generated new case context. Alternatively, the new case generation apparatus calculates a pattern dissimilarity between data that is a part in the case context and data that is a part in the new case context, in addition to the similarity. By doing so, new cases are narrowed down based on the degree of similarity or the degree of similarity and the degree of pattern difference.
  • whether or not the context between the case context and the new case context is similar is calculated by calculating the similarity between the case context and the new case context. If the contexts are similar, the similarity of the new case context including the new case is high, so by narrowing down to new cases included in the new case context with a high degree of similarity, it is similar to the case and the case It is possible to accurately generate a new case having a context different from the context.
  • the similarity between the case context and the new case context is calculated, and the pattern dissimilarity between the data that is part of the case context and the data that is part of the new case context is calculated.
  • the new case generation apparatus For example, let us consider a case where a case of “President Bush visits Japan” is input as an input case.
  • the new case generation apparatus generates cases such as “Mr. Bush” and “Bush de Noel” as candidates for the new case.
  • the new case generation apparatus obtains a similarity between the new case context including “Mr. Bush” and “Bush de Noel” and the case context including “President Bush”. Then, the new case generation apparatus extracts and outputs new cases by narrowing down to “Mr. Bush” based on the high degree of similarity.
  • the contexts before and after the cases are included are compared and the new cases are narrowed down and extracted. Cases can be generated and output with high accuracy.
  • the context before and after “President Bush” and “Mr. Bush” are thought to contain many words related to politics, whereas “Bush de Noel” In the context before and after the inclusion, it seems that there are no words related to politics, including words related to cake and Christmas. Therefore, by comparing similarities between contexts, “Bush de Noel” having low relevance can be excluded from new cases, and new cases related to input cases can be generated and output with high accuracy.
  • FIG. 3 is a block diagram illustrating a configuration example of the new case generation apparatus according to the second embodiment.
  • the new case generation apparatus includes a data input unit 11A, an extraction rule application unit 15, a new case generation unit 12, a similarity calculation unit 13, and a new case narrowing unit 14.
  • this embodiment is different from the first embodiment in that the new case generation apparatus includes an extraction rule application unit 15 in addition to the components shown in FIG. 1.
  • the function of the data input unit 11A is different from the function of the data input unit 11 shown in the first embodiment.
  • the data input unit 11A inputs information extraction rules.
  • the extraction rule application unit 15 obtains a case and a case context that is surrounding text data including the case from the extraction result obtained by applying the information extraction rule to the document data.
  • the new case generation unit 12 extracts information as a new case candidate from the document data according to the condition based on the acquired case, and is text data around the new case, which is different from the case context. Create a new case context.
  • the similarity calculation unit 13 calculates the similarity between the case context and the new case context.
  • the new case narrowing unit 14 narrows and outputs new cases based on the similarity calculated by the similarity calculation unit 13.
  • the similarity calculation unit 13 calculates the similarity between the case context and the new case context, and further, the pattern difference between the data that is a part in the case context and the data that is a part in the new case context Calculate the degree.
  • the new case narrowing unit 14 narrows down and outputs new cases based on the similarity and the pattern difference calculated by the similarity calculation unit 13.
  • Each processing unit shown in FIG. 3 operates as outlined below.
  • the data input unit 11A is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the data input unit 11A has a function of accepting as an input an information extraction rule that is a rule for extracting a case to be extracted.
  • the extraction rule applying unit 15 is realized by a CPU of an information processing apparatus that operates according to a program.
  • the extraction rule application unit 15 has a function of extracting a case by applying the information extraction rule input by the data input unit 11 to document data.
  • the extraction rule application unit 15 has a function of acquiring a case context that is surrounding text data including a case based on the extraction result (case).
  • the extraction rule application unit 15 extracts a case that matches the information extraction rule from the document data stored in the document database in advance. Then, the case context including the extracted case is extracted from the document data stored in the document database.
  • the new case generation unit 12 is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the new case generation unit 12 has a function of extracting information as a new case candidate from the document data as a new case according to the condition based on the case generated by the extraction rule application unit 15.
  • the new case generation unit 12 has a function of generating new case context that is peripheral text data including the extracted new case and is different from the case context.
  • the similarity calculation unit 13 is specifically realized by a CPU of an information processing device that operates according to a program.
  • the similarity calculation unit 13 has a function of calculating topic similarity between the case context extracted by the extraction rule application unit 15 and the new case context generated by the new case generation unit 12.
  • the similarity calculation unit 13 has a function of calculating the similarity, and further calculates a pattern dissimilarity between data that is a part of the case context and data that is a part of the new case context. Is provided.
  • the new case narrowing unit 14 is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the new case narrowing unit 14 has a function of narrowing down new cases generated by the new case generation unit 12 based on the similarity calculated by the similarity calculation unit 13.
  • the new case narrowing unit 14 has a function of narrowing down the new cases generated by the new case generation unit 12 based on the similarity and the pattern difference calculated by the similarity calculation unit 13.
  • the new case narrowing unit 14 has a function of outputting the narrowed-down new cases. In this case, for example, the new case narrowing unit 14 displays the narrowed-down new cases on a display device such as a display device.
  • FIG. 4 is a flowchart illustrating a processing example for generating a new case of the same type as the extraction result based on the information extraction rule input by the new case generation apparatus according to the second embodiment.
  • the data input unit 11A receives an information extraction rule for extracting information to be extracted as an input (step B1 shown in FIG. 4). For example, when an information extraction rule input operation is performed by the user, the data input unit 11A inputs the information extraction rule and starts a new case generation process after step B1.
  • the extraction rule application unit 15 applies the information extraction rule input by the data input unit 11A to the document data, and extracts an extraction target case. Further, the extraction rule application unit 15 extracts a case context which is surrounding text data including the case by using the obtained extraction result as a case (step B2).
  • the new case generation unit 12 sets the condition for extracting the case context based on the extraction result extracted by the extraction rule application unit 15 as a case. Further, the new case generation unit 12 extracts information as a new case candidate from the document data (for example, document data stored in the document database in advance) as a new case according to the set condition. Then, the new case generation unit 12 compares the text data around the extracted new case with the case context, and adopts the new case when it is different from the case context, and further adopts the new case from the text data around the new case. Let it be a case context (step B3).
  • the similarity calculation unit 13 calculates the similarity between the case context extracted by the extraction rule application unit 15 and the new case context generated by the new case generation unit 12 (step B4). Alternatively, the similarity calculation unit 13 calculates the pattern dissimilarity between data that is a part in the case context and data that is a part in the new case context, in addition to the similarity.
  • the extraction rule application unit 15 may store the extracted case context in a case storage unit (for example, a buffer formed in the RAM). Further, the new case generation unit 12 may store the generated new case context in a new case storage unit (for example, a buffer formed in the RAM).
  • the similarity calculation unit 13 preliminarily stores the case context stored in the case storage unit, the new case context stored in the new case storage unit, and the document storage unit (for example, a buffer formed in the RAM). The degree of similarity or the degree of pattern difference may be calculated with reference to the stored document data.
  • the new case narrowing unit 14 narrows down new cases based on the similarity calculated by the similarity calculation unit 13. Alternatively, the new case narrowing unit 14 narrows down new cases based on the similarity and the pattern difference calculated by the similarity calculation unit 13. Then, the new case narrowing unit 14 outputs the narrowed-down new case as an extraction result (Step B5). For example, the new case narrowing unit 14 displays the narrowed-down new cases on the display device.
  • the new case generation apparatus extracts the case context from the extracted information by applying the information extraction rule to the document. Further, the new case generation device generates a new case context different from the case context based on the case, the similarity of the topic between the case context and the new case context, and data that is a part of the case context Calculate the pattern dissimilarity with the data that is part of the new case context. And by doing so, it narrows down to the new example which has a context with high similarity. Or it narrows down to the new example which has a branch with a high degree of similarity and pattern difference.
  • FIG. 5 is a block diagram illustrating a configuration example of the new case generation apparatus according to the third embodiment. As shown in FIG. 5, this embodiment is different from the second embodiment in that the new case generation apparatus includes an extraction rule generation unit 16 in addition to the components shown in FIG. 3. In the present embodiment, the function of the new case narrowing unit 14A is different from the function of the new case narrowing unit 14 shown in the second embodiment.
  • the new case narrowing unit 14A is specifically realized by a CPU of an information processing apparatus that operates according to a program.
  • the new case narrowing unit 14A has a function of narrowing down the new cases generated by the new case generation unit 12 based on the similarity calculated by the similarity calculation unit 13 or the similarity and the pattern dissimilarity. Further, the new case narrowing unit 14A has a function of outputting the narrowed-down new cases. In this case, for example, the new case narrowing unit 14A displays the narrowed-down new cases on a display device such as a display device.
  • the new case narrowing unit 14A has a function of passing (outputting) the narrowing result of the new case to the extraction rule generating unit 16.
  • the extraction rule generation unit 16 is realized by a CPU of an information processing apparatus that operates according to a program.
  • the extraction rule generation unit 16 has a function of generating an information extraction rule for extracting a new case narrowed down by the new case narrowing unit 14A.
  • the extraction rule generation unit 16 has a function of outputting the generated information extraction rule.
  • the extraction rule generation unit 16 displays the generated information extraction rule on a display device such as a display device.
  • the extraction rule generation unit 16 may pass (generate) the generated information extraction rule to the data input unit 11 and may be used as an input of the next information extraction rule.
  • the functions of the data input unit 11A, the extraction rule application unit 15, the new case generation unit 12, and the similarity calculation unit 13 are the same as those described in the second embodiment.
  • FIG. 6 is a flowchart illustrating a processing example for generating a new case of the same type as the case input by the new case generation apparatus according to the third embodiment.
  • the operations performed by the data input unit 11A, the extraction rule application unit 15, the new case generation unit 12, and the similarity calculation unit 13 shown in steps C1 to C4 in FIG. 6 are shown in steps B1 to B4 in FIG. Since the operations are the same as those performed by the data input unit 11A, the extraction rule application unit 15, the new case generation unit 12, and the similarity calculation unit 13, a description thereof will be omitted.
  • the new case narrowing unit 14 In the second embodiment, a case where the new case narrowing unit 14 outputs the narrowing result of the new case based on the similarity or the similarity and the pattern dissimilarity calculated by the similarity calculating unit 13 in step B5. Indicated.
  • the new case narrowing unit 14A not only outputs the result of narrowing down the new cases, but also passes it to the extraction rule generation unit 16 (step C5 shown in FIG. 6).
  • the new case narrowing unit 14A is not limited to a new case that has been narrowed down, but a new case that has been excluded by narrowing down, in order to increase the accuracy of information extraction rule generation performed by the extraction rule generation unit 16.
  • Information such as the degree of similarity used for narrowing down determination may also be passed (output).
  • the extraction rule generation unit uses a new case excluded by narrowing down as a negative example, or uses it to preferentially extract many new cases with a high degree of similarity or similarity and pattern dissimilarity. Thus, the accuracy of the information extraction rule can be increased.
  • the extraction rule generation unit 16 generates an information extraction rule for extracting the extraction result (the narrowed new case) by the new case narrowing unit 14A. And the extraction rule production
  • the information extraction rule may be output in step C6 and the process may be terminated.
  • the new case generation apparatus further performs the processing of the following steps by a bootstrap technique. Do.
  • the extraction rule generation unit 16 determines whether the end condition is satisfied (step C7). If the end condition is satisfied, the process ends as it is. If the end condition is not satisfied, the extraction rule generation unit 16 passes (outputs) the generated information extraction rule to the data input unit 11A. The data input unit 11A uses the information extraction rule from the extraction rule generation unit 16 as the next input.
  • the extraction rule generation unit 16 determines whether or not an information extraction rule has been generated, ends the case where the information extraction rule is not generated, and performs processing while it is generated. It may be continued. Further, as a method of determining the end condition, for example, the extraction rule generation unit 16 sets in advance the number of cycles for repeating the processes of steps C1 to C7, and ends when the set number of cycles is reached. May be. In addition, for example, the extraction rule generation unit 16 sets the number of information extraction rules to be generated in advance, accumulates the number of generated information extraction rules, and ends when the set number of information extraction rules is reached. May be. However, the determination method of the end condition is not limited to the method shown in the present embodiment, and the extraction rule generation unit 16 may determine the end condition using another method.
  • the extraction rule generation unit 16 generates a new information extraction rule using the extraction result of the new case narrowing unit 14A. Because it is configured in this way, it can extract not only new information of the same type as the information extracted by the first input information extraction rule but also the same type of information extracted by the first input information extraction rule. New information extraction rules can be obtained.
  • the data input unit, extraction rule application unit, new case generation unit, similarity calculation unit, new case narrowing unit, and extraction rule generation unit shown in the first to third embodiments are realized as separate units. May be.
  • the new case generation device is realized by a computer.
  • the computer is a data processing device such as a personal computer or a workstation. Further, the computer is connected to an input device such as a keyboard, and an input interface unit for outputting an operation signal of the input device to the CPU, an output device such as a ROM (Read Only Memory), a RAM (Random Access Memory), and a display device It includes known components such as an output interface unit for connection, a hard disk device (HD: Hard Disk), and a CPU (Central Processing Unit).
  • HD Hard Disk
  • CPU Central Processing Unit
  • the ROM stores a program that controls basic control of each part of the new case generation device.
  • the program may be stored in an external storage device.
  • the RAM is used as a work area of the CPU, and temporarily stores programs executed by the CPU and various data.
  • the program in the ROM is read into the RAM, and the CPU operates according to the control of the program read into the RAM.
  • the CPU functions as each processing unit such as the data input unit 11, the new case generation unit 12, the similarity calculation unit 13, and the new case narrowing unit 14.
  • the CPU generates, as buffers, a document storage unit that stores document data in the RAM, a case storage unit that stores case contexts, and a new case storage unit that stores new case contexts.
  • HD stores various software for controlling a computer such as an operating system.
  • the document data may be stored in the HD in advance, and a necessary document may be read from the HD as needed in the RAM during operation.
  • FIG. 7 is an explanatory diagram showing an example of document data.
  • the document data shown in FIG. 7 is read from an external storage device or the like and stored in the document storage unit.
  • the document storage unit stores a document ID, which is an identifier for identifying document data, and text data, which is a document entity, in association with each other.
  • the document storage unit associates with the document ID “DOC1” and the document content is “the XX party member of the XX party says ⁇ ”. Assume that document text data including a plurality of sentences including sentences is stored.
  • the document text data may be an electronic file such as an HTML file, electronic mail, or a word processor document.
  • the CPU may extract and store only text data from these electronic files in advance or store the text data and other information in a format that can be identified.
  • the document storage unit may store information in a format divided into sentence units as document contents.
  • the document storage unit stores an analysis result obtained by analyzing the text data by a language analysis process such as morphological analysis or syntax analysis in association with the text data. Also good.
  • the CPU When the execution of the program is started, the CPU functions as the data input unit 11 and receives the information shown in FIG. 8 as an input.
  • FIG. 8 shows an example of data of cases and case contexts, and the CPU inputs the information shown in FIG. 8 and stores it in the case storage unit.
  • the CPU identifies a case ID that is an identifier for identifying a case, case context text data that is an instance of a case context including the case, and a corresponding portion of the case in the case context text data. Is stored in the case storage unit in a format in which the position information indicating the type of the case is associated with the type of the case. Furthermore, as shown in FIG. 8, the CPU may also store the case contents that are locations in the text data corresponding to the case in the case storage unit in association with each other.
  • the location information indicates a corresponding portion of information to be extracted as a case, and can be expressed in a format indicated by offset information in the case context text data.
  • the position information may be only offset information in the case context text data.
  • the position information may be indicated in a format composed of offset information at the front end and the end in the case context text data.
  • the position information may be indicated in a format that explicitly indicates the offset information and length information at the head of the information to be extracted from the case context text data.
  • a tag indicating a case may be added to the case context text data so that the case location can be identified.
  • the format of the position information stored in the case storage unit is not limited to the storage format shown in the present embodiment.
  • the CPU stores the case context in association with the case.
  • the case context corresponding to the case ID “EX1”, based on the position information “4, 3”, in the case context text data, the beginning of the context is 0, and the long character starts. It can be seen that the contents of the case are located at a location designated by three characters. Note that the length information in the position information may be omitted as long as it can be determined from the case contents.
  • the case storage unit directly stores the case context text data shown in FIG. 8, but instead of the case context text data, the document in the document storage unit, Information for designating a part of text data such as a paragraph may be stored.
  • the CPU functions as the new case generation unit 12 and sets conditions based on each case shown in FIG. Further, the CPU extracts information as a new case candidate from the plurality of documents shown in FIG. 7 stored in the document storage unit as a new case according to the set condition. Then, the CPU generates a new case context using peripheral text data including the extracted new case, and stores the generated new case context in the new case storage unit.
  • the CPU generates a new case context using text data different from the case context as the text data used for generating the new case context. For example, the CPU can make a determination based on differences in character strings and morphemes around the corresponding part of the new case, and differences in sentences including the corresponding part of the new case.
  • FIG. 9 is an explanatory diagram showing an example of data of a new case and a new case context.
  • the CPU includes a new case ID that is an identifier for identifying a new case, new case context text data that is an entity of a new case context that includes the new case, and the new case context text data.
  • the new case storage unit stores the position information indicating the corresponding part of the new case in the form associated with the type of the new case.
  • the CPU may also associate the new case contents that are locations in the text data corresponding to the new case and store them in the new case storage unit.
  • the type of new case may be the same as the type of case.
  • the CPU may use, for example, information having the same character string as the case content as the condition based on the case. Specifically, when the case ID shown in FIG. 8 is generated based on the case corresponding to “EX1”, the CPU includes the character string “ ⁇ ⁇ ⁇ ” which is the case content corresponding to the case ID. Extract the location to make a new case. Then, the CPU sets the surrounding text data including the new case as a new case context. Note that the CPU may use the entire document including the new case as a new case context.
  • the CPU may use morpheme sequence information of the case contents as a condition based on the case. For example, the CPU extracts a morpheme string corresponding to the case content from the morphological analysis result of the case context text data. Next, the CPU, on the condition that it has a morpheme sequence having a feature value of the same combination pattern as a predetermined combination pattern of feature values such as a prototype, part of speech, and thesaurus information among the features of each morpheme of the morpheme sequence The relevant part is extracted from the data as a new case.
  • the CPU may use a method of generating a new case context by extracting text data around a corresponding part of the new case by a predetermined method as a method of generating the new case context.
  • the CPU may set text data specified by a predetermined number of characters, the number of morphemes, the number of sentences, the number of paragraphs, etc. before and after the corresponding part of the new case as the new case context.
  • the CPU determines the window width from a corresponding number of the new case by a predetermined number of characters, the number of morphemes, the number of sentences, the number of paragraphs, etc., and the text data in the window width including the corresponding point of the new case is determined. It may be a new case context.
  • case context text data is not directly stored in the case context data, but instead of the case context text data, the case context is received by a method of storing information specifying the document ID in the document data. Good.
  • the CPU extracts a new case context from a location different from the location indicated by the position information of the document ID specified by the case context.
  • the CPU functions as the similarity calculation unit 13, and refers to the case context stored in the case storage unit and the new case context stored in the new case storage unit. Calculate similarity.
  • the CPU functions as the similarity calculation unit 13 and calculates the pattern dissimilarity between the partial data in the case context and the partial data in the new case context in addition to the similarity.
  • the CPU may calculate the similarity between the case context and the new case context, for example, by calculating the cosine similarity between the context vectors. That is, the CPU generates a context vector that expresses a context from text data of a case context and a new case context. Then, the CPU may calculate the cosine value of the angle formed between the context vectors to be calculated, and set the obtained cosine value as the similarity between the contexts.
  • the CPU for example, divides text in each context into morphemes by morphological analysis, extracts words such as independent words and feature values of the morphemes, and sets them as vector elements. You may use the method of producing
  • the similarity calculation method may be calculated by using a method in which the similarity calculation method between context vectors is devised to improve accuracy, as described in, for example, Japanese Patent No. 3690216. Well, it is not limited to the similarity calculation method shown in this embodiment.
  • the CPU sets the context group to be calculated as a context group including a case context and all new case contexts generated based on the case. You may calculate. The reason for this is that, since it is limited to new cases generated from the same case, calculation can be performed without unnecessary context, and accuracy can be improved.
  • the CPU may configure a vector space in the document group limited as described above to form a context vector. By doing so, for example, it can be suppressed that the idf value used for the weight is set inappropriately high, and an improvement in the accuracy of cosine similarity between contexts can be expected.
  • the CPU may calculate the similarity by giving a high weight to the context vector of each new case generated based on the same case.
  • the CPU when there are a plurality of cases of the same type, the CPU creates a context group including each case context and all new case contexts generated from each case.
  • the degree of similarity may be calculated in a limited manner. For example, the CPU may configure a vector space in the context group thus limited to form a context vector.
  • the reason is that the new case context generated based on the same type of case context is likely to have a similar context, and thus the vector elements can be counted appropriately. By doing so, for example, the idf value used for the weight can be appropriately set, and the accuracy of the similarity calculated can be expected to be improved.
  • the CPU when there are a plurality of cases of the same type in calculating the similarity, the CPU includes a context including each case context and all new case contexts generated from each case.
  • the degree of similarity may be calculated between a new case context and all case contexts in the context group.
  • the CPU may use a method of making the maximum value of the similarities similar to a certain new case context.
  • the CPU may use a value (multiplication value) obtained by multiplying the similarities of a new case context as the similarity of the new case context.
  • the CPU can use the edit distance between the partial data in the case context and the partial data in the new case context.
  • the partial data in the case context is a local character string surrounding the case in the case context
  • the partial data in the new case context is the local character string around the new case in the new case.
  • the edit distance between each string can be used.
  • a local character string is a character string having a predetermined length that is shorter than the length of each context.
  • the case context and the new case context are composed of sentences composed of a plurality of sentences, it may be within 5 characters before and after the character string corresponding to each case in each context.
  • a restriction such as within the same sentence may be added, for example, within 5 characters before and after the character string corresponding to each case.
  • the partial data in the case context is a local morpheme sequence around the case including the case in the case context, and the partial local morpheme including the new case in the new case context is used as the partial data in the new case context.
  • the edit distance between each morpheme column can be used.
  • the edit distance between morpheme strings is the number of operations required to change to the same morpheme string by performing operations such as insertion, deletion, and replacement for each morpheme, similar to the edit distance between character strings. Can be counted.
  • the local morpheme sequence is a morpheme sequence having a predetermined length that is shorter than the length of each context.
  • the morpheme string may be within 3 morphemes before and after the morpheme string corresponding to each case in each context.
  • a restriction such as in the same sentence may be added, for example, within three morphemes before and after the morpheme string corresponding to each case.
  • each feature of the morpheme may be added to the unit of editing.
  • the partial data in the case context is a subtree that includes the case in the case context parsing result
  • the partial data in the new case context is the subtree that includes the new case in the new case context parsing result.
  • the edit distance between each sub-tree can be used.
  • the edit distance between subtrees can be obtained by counting the number of operations required to change the structure of the same subtree by performing operations such as insertion, deletion, and replacement for each node in the subtree.
  • the CPU functions as a new case narrowing unit 14 and narrows down new cases based on the calculated similarity. For example, since the similarity is calculated for each new case context, the CPU may arrange the new case contexts in descending order of similarity and narrow down a predetermined number of new cases from the top. Further, the CPU may narrow down the new cases corresponding to the new case context exceeding the predetermined similarity and output the new case narrowing results.
  • the CPU functions as a new case narrowing unit 14 and narrows down new cases based on the calculated similarity and pattern difference. For example, since the similarity and the pattern difference are calculated for each new case context, the CPU may narrow down a predetermined number of new cases from the top by arranging the new case contexts in descending order of the similarity and the pattern difference. Alternatively, the new case contexts may be arranged in descending order of the value obtained by multiplying the calculated similarity by the pattern difference degree, and a predetermined number of new cases may be narrowed down from the top.
  • the CPU may output (for example, display on a display device) using, for example, the format shown in FIG.
  • FIG. 10 shows a case where the new case context and the new case context shown in FIG. 9 are output in the same format, and the narrowed down new case context is used as the extraction result.
  • the CPU may add the calculated similarity to the new case extraction result and output it.
  • the similarity calculated corresponding to the narrowed-down new case is also added and output.
  • the degree of pattern difference may be added and output.
  • all new cases including new cases excluded by the narrowing process are output.
  • An output format in which a flag indicating that is output may be used.
  • the new case generation device generates a new case context that is different from the case context based on the input case, and determines the similarity between the case context and the generated new case context. calculate. By doing so, new cases are narrowed down based on the similarity. Since it is configured as described above, it is possible to accurately generate a new case having the same kind of case and a context different from the case context.
  • the new case generation device generates a new case context that is different from the case context based on the input case, and calculates the similarity between the case context and the generated new case context. Further, the new case generation device calculates the degree of pattern difference between the partial data in the case context and the partial data in the new case context. By doing so, new cases are narrowed down based on the similarity and the degree of pattern difference. Since it is configured as described above, it is possible to accurately generate a new case having the same kind of case and a context different from the case context.
  • the configuration of the new case generation device is the same as the configuration shown in the first embodiment.
  • This embodiment is different from the first embodiment in that the CPU also functions as the extraction rule application unit 15 by operating a computer as a new case generation device according to program control.
  • the CPU functions as the data input unit 11A and accepts as an input an information extraction rule for extracting specific information.
  • the information extraction rule may be configured by a dictionary including information to be extracted, a known pattern matching rule combining a plurality of features such as a character string, a morpheme string, and a syntax subtree.
  • the CPU prepares and inputs these information as information extraction rules in advance.
  • the CPU functions as the extraction rule application unit 15 and extracts information by applying the information extraction rule input by the data input unit 11A to the document stored in the document storage unit. Further, the CPU extracts the extracted information as a case, extracts a document including the information (case) as a case context, and stores it in the case storage unit.
  • the CPU stores the case context extracted in the same format as the case storage format shown in FIG. 8 as the case context format to be stored.
  • the information extraction rules are not limited to those shown in this embodiment.
  • the information extraction rule may be prepared as extraction model data obtained as a result of learning information to be extracted in advance by various known machine learning techniques.
  • the extraction rule application unit 15 realized by the CPU may extract the extraction result by applying the extracted model data as an information extraction rule to the extraction target document.
  • the operations of the CPU functioning as the new case generation unit 12, the similarity calculation unit 13, and the new case narrowing unit 14 are the same as those operations described in the first embodiment.
  • the new case generation apparatus extracts the case context from the extracted information by applying the information extraction rule to the document. Further, the new case generation device generates a new case context different from the case context based on the case, and calculates a topic similarity between the case context and the new case context. And by doing so, it narrows down to the new case with high similarity. Since it is configured as described above, it is possible to accurately generate a new case having the same kind of information extracted according to the input information extraction rule and having a context different from the case context.
  • the configuration of the new case generation apparatus is the same as the configuration shown in the second embodiment.
  • This embodiment is different from the second embodiment in that the CPU also functions as the extraction rule generation unit 16 by operating a computer as a new case generation apparatus according to program control.
  • the CPU when the CPU functions as the new case narrowing unit 14A, the CPU uses the RAM or the like as a buffer to store the narrowed new cases as a narrowing result.
  • the CPU when the CPU functions as the extraction rule generation unit 16, the CPU reads and receives the narrowing result from the buffer. Note that the CPU may use a method in which the result of narrowing down new cases is output once to an external storage device and then read.
  • the CPU functions as the extraction rule generation unit 16 and generates a new information extraction rule using the extraction result that is the result of the new case narrowing unit 14 narrowing down.
  • the CPU as a method for generating the information extraction rule, for example, by using a method of obtaining the corresponding text and new case and type from the data of the new case context of the narrowing result if it is a pattern matching rule, An information extraction rule can be generated by a known method.
  • the CPU outputs the new case that was not adopted (excluded by narrowing down) to the extraction rule generation unit 16 when the new case narrowing unit 14 narrowed down the new case. You may make it do.
  • generation part 16 can also produce
  • the extraction rule generation unit 16 generates a new information extraction rule using the extraction result of the new case narrowing unit 14A. Because it is configured in this way, it can extract not only new information of the same type as the information extracted by the first input information extraction rule but also the same type of information extracted by the first input information extraction rule. New information extraction rules can be obtained.
  • FIG. 11 is a configuration diagram illustrating a minimum configuration example of the new case generation apparatus.
  • the new case generation apparatus includes a new case generation unit 12, a similarity calculation unit 13, and a new case narrowing unit 14 as the minimum components.
  • the new case generation apparatus shown in FIG. 11 generates a new case of the same type as the case as a new case based on the case of information to be extracted.
  • the new case generation unit 12 receives a case and a case context that is surrounding text data including the case as an input, and based on the input case and the case context A new case that is a new case of the same type as the case and a new case context that includes the new case and that is different from the case context using the document data.
  • the similarity calculation unit 13 has a function of calculating the similarity between the case context and the new case context.
  • the new case narrowing unit 14 has a function of narrowing and outputting the new cases generated by the new case generation unit 12 based on the similarity calculated by the similarity calculation unit 13.
  • the new case generation apparatus with the minimum configuration shown in FIG. 11 can accurately generate a new case of the same type as the case of information to be extracted.
  • the new case generation apparatus accepts, as input, a case of information to be extracted and a case context that is surrounding text data including the case.
  • New case generation means for example, new case generation
  • New case generation for generating a new case that is a new case, and surrounding text data including the new case, and a new case context that is different from the case context using document data
  • the similarity calculation unit for example, realized by the similarity calculation unit 13
  • a similarity calculation unit that calculates the similarity between the case context and the new case context.
  • New case narrowing means for example, realized by the new case narrowing unit 14 for narrowing and outputting the new cases generated by the new case creating means based on the similarity. And butterflies.
  • the new case generation apparatus accepts an information extraction rule for extracting specific information as an input, and uses an input information extraction rule to extract a predetermined extraction result from document data (for example, extraction rule application means)
  • the new case generation means comprises a new result of the same type as the case based on the case of the information to be extracted, which is composed of the extraction results extracted by the extraction rule application means.
  • a new case which is a case and surrounding text data including the new case and a new case context different from the case context may be generated using document data.
  • the new case generation means generates a new case having the same character string as the character string corresponding to the case and text data different from the case context of the case as a new case context.
  • the document data may be used for generation.
  • the new case generation means generates text data having a morpheme sequence pattern identical to a predetermined pattern of the morpheme sequence corresponding to the case and different from the case context of the case.
  • the new case may be generated using document data.
  • the new case generation means uses at least one of a predetermined number of character strings, morphemes, sentences, or paragraphs existing around the new case as the new case context. You may be comprised so that the text data containing may be produced
  • the similarity calculation means includes a case context vector corresponding to the case context and a new case context vector corresponding to the new case context in the vector space generated based on the case context and the new case context. May be configured to calculate the similarity between the case context and the new case context.
  • the similarity calculation means includes, as a vector space, a vector space generated based on a case context of a case and a set of all new case contexts generated based on the case.
  • the degree of similarity between the case context vector corresponding to the case context and the new case context vector corresponding to the new case context may be calculated.
  • the similarity calculation means is based on a set of case contexts of cases of a certain case type and a set of all new case contexts generated based on any case as a vector space. In the generated vector space, the similarity between the case context vector corresponding to the case context and the new case context vector corresponding to the new case context may be calculated.
  • the new case generation apparatus accepts an information extraction rule for extracting specific information as an input, and an extraction rule application unit (for example, extracts a predetermined extraction result from document data using the input information extraction rule)
  • the new case generation means includes an example of information to be extracted and surrounding text data including the case, which are constituted by extraction results extracted by the extraction rule application means.
  • Information extraction rule generation means (for example, an extraction rule generation unit) that generates a new information extraction rule based on the new case generated by the new case narrowing means To) may be configured to further include a realized by 6.
  • the extraction rule application unit accepts the information extraction rule generated by the information extraction rule generation unit as a new input, and performs predetermined extraction from the document data using the newly input information extraction rule It may be configured to extract results.
  • the similarity calculation means calculates the pattern dissimilarity between the data that is part of the case context and the data that is part of the new case context, and the similarity calculation means calculates And a new case narrowing means (for example, realized by the new case narrowing section 14) for narrowing and outputting the new cases generated by the new case generating means based on the similarity and the pattern difference degree. May be.
  • the new case generation apparatus accepts as input the case of the information to be extracted and the case context that is surrounding text data including the case, and based on the input case and the case context, A new case generation unit (for example, a new case generation) that generates a new case that is a new case and surrounding text data including the new case and a new case context that is different from the case context using document data Calculated by the unit 12), a similarity calculation unit for calculating the similarity between the case context and the new case context (for example, realized by the similarity calculation unit 13), and a similarity calculation unit A new case narrowing unit (for example, realized by the new case narrowing unit 14) that narrows and outputs a new case generated by the new case generation unit based on the similarity is provided. .
  • a new case generation unit for example, a new case generation
  • the new case generation device accepts an information extraction rule for extracting specific information as an input, and extracts a predetermined extraction result from document data using the input information extraction rule (for example,
  • the new case generation unit is configured with a new result of the same type as the case based on the case of the information to be extracted, which is composed of the extraction results extracted by the extraction rule application unit.
  • a new case which is a case and surrounding text data including the new case and a new case context different from the case context may be generated using document data.
  • the new case generation unit In the new case generation device, the new case generation unit generates a new case that has the same character string as the character string corresponding to the case and uses text data different from the case context of the case as a new case context.
  • the document data may be used for generation.
  • the new case generation unit generates text data having a morpheme sequence pattern identical to a predetermined pattern of the morpheme sequence corresponding to the case and different from the case context of the case.
  • the new case may be generated using document data.
  • the new case generation unit uses, as a new case context, at least one of a predetermined number of character strings, morphemes, sentences, or paragraphs existing around the new case. You may be comprised so that the text data containing may be produced
  • the similarity calculation unit includes a case context vector corresponding to the case context and a new case context vector corresponding to the new case context in the vector space generated based on the case context and the new case context. May be configured to calculate the similarity between the case context and the new case context.
  • the similarity calculation unit includes, as a vector space, a vector space generated based on a case context of a case and a set of all new case contexts generated based on the case.
  • the degree of similarity between the case context vector corresponding to the case context and the new case context vector corresponding to the new case context may be calculated.
  • the similarity calculation unit is based on a set of case contexts of cases of a certain case type and a set of all new case contexts generated based on any case as a vector space. In the generated vector space, the similarity between the case context vector corresponding to the case context and the new case context vector corresponding to the new case context may be calculated.
  • the new case generation device accepts an information extraction rule for extracting specific information as an input, and extracts a predetermined extraction result from document data using the input information extraction rule (for example,
  • the new case generation unit is composed of an extraction result extracted by the extraction rule application unit and a text data around the case including the case.
  • An information extraction rule generation unit (for example, by the extraction rule generation unit 16) that generates a new information extraction rule based on the new case generated by the new case narrowing unit To) it may be configured to further comprise a realization Te.
  • the extraction rule application unit accepts the information extraction rule generated by the information extraction rule generation unit as a new input, and performs predetermined extraction from the document data using the newly input information extraction rule It may be configured to extract results.
  • the similarity calculation unit calculates the pattern dissimilarity between the data that is a part of the case context and the data that is a part of the new case context, and the similarity calculation unit calculates And a new case narrowing unit (for example, realized by the new case narrowing unit 14) that narrows and outputs a new case generated by the new case generation unit based on the similarity and the pattern difference degree. May be.
  • the present invention can be applied to the use of an information extraction rule generation device that generates a new case of the same type as the case based on the input case. Further, the present invention can be applied to the use of a program for realizing the information extraction rule generation device using a computer. Further, the present invention can be applied to the use of an information search device that performs keyword search, and a question answer search device that performs a question answer search that searches for an answer that matches a question in natural language. In this case, the new case generation method according to the present invention can be used for application such as query expansion in which keywords and questions are expanded. The present invention can also be applied to the use of a program for causing a computer to implement an information retrieval device and a program for causing a computer to implement a question / answer retrieval device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】抽出したい情報の事例と同種の新規事例を精度良く生成できるようにする。 【解決手段】本発明による新規事例生成装置は、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した前記事例及び前記事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成手段と、前記事例文脈と前記新規事例文脈との間の類似度を計算する類似度計算手段と、前記類似度計算手段が計算した類似度に基づいて、前記新規事例生成手段が生成した前記新規事例を絞込み出力する新規事例絞込手段とを備えたことを特徴とする。

Description

新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム
　本発明は、新規事例生成装置、新規事例生成方法及び新規事例生成用プログラムに関し、特に入力された事例に基づいて当該事例と同種の新たな事例を生成することができる 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラムに関する。
　抽出したい情報の事例の入力に基づいて、当該事例を抽出するための情報抽出規則を作成し、作成した情報抽出規則を抽出対象の文書に適用して当該事例と同種の情報を抽出結果として抽出する情報抽出装置がある。この種の情報抽出装置においては、一般に、適切な事例を多く入力できれば、作成する情報抽出規則の質を高めることができ、情報抽出装置が情報を抽出する抽出精度を向上させることができる。そこで、情報抽出装置によって得られた抽出結果を新たな事例として用いることを繰り返し、情報抽出規則の質を高めていくブートストラップ手法が提案されている。
　しかし、この種のブートストラップ手法を用いる場合、情報抽出装置による抽出結果に誤りが含まれる場合には、この誤った抽出結果に基づいて情報抽出規則を作成すると却って情報抽出規則の精度が低下するという問題がある。
　上記のような問題を解決するために、個々の抽出結果に対してその抽出結果が真に抽出したい情報であるという確からしさを表す確信度等のスコアを計算しておき、スコアの低い抽出結果を取り除くことによって、情報抽出規則の精度低下を防止する技術が各種提案されている。例えば、このような情報抽出規則の精度低下を防止する技術に関する情報抽出装置の一例が、特許文献１に記載されている。この特許文献１に記載された情報抽出装置では、抽出結果の精度を高めるために、情報抽出規則の精度に関する評価尺度を考慮して各抽出結果に対して抽出したい情報の確からしさを示すスコアを算出している。そして、スコアの低い抽出結果を取り除くようにすることによって、抽出結果の精度低下を防止している。
　また、事例抽出に関連するスコアリングを行う関連技術として、例えば、特許文献２には、検索処理で検索された事例に対して、入力した語句の含み度合いに応じてスコアリングを行い、スコアの高い順に事例の並べ替えを行う事例ベース推論方法が記載されている。
特開２００５－３２２１２０号公報 特開２０００－１３７６１５号公報
　しかしながら、網羅性の高い情報抽出規則を作成することを目的とすると、情報抽出装置が抽出した抽出結果を新たな事例として用いるだけでは、不十分であるという問題がある。すなわち、情報抽出装置が抽出する抽出結果は、あらかじめ与えられた事例に基づいて作成された情報抽出規則によって抽出された情報にすぎない。そのため、新たな事例として用いても抽出できる情報が偏るために情報抽出規則の網羅性を高めるには限界がある。
　また、情報抽出規則の網羅性を高めることを目的として、情報抽出規則によって抽出されない情報を新規事例として用いるようにすることも可能である。しかし、特許文献１や特許文献２に記載されたような関連技術では、この種の新規事例に対して、情報の確からしさを示すスコアを計算することができない。そのため、新規事例に誤りが混入する可能性があるという問題がある。
　そこで、本発明は、抽出したい情報の事例に基づいて、抽出したい情報の事例と同種の新規事例を精度良く生成することができる新規事例を精度良く生成することができる新規事例生成装置、新規事例生成方法及び新規事例生成用プログラムを提供することを目的とする。
　本発明による新規事例生成装置は、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成手段と、事例文脈と新規事例文脈との間の類似度を計算する類似度計算手段と、類似度計算手段が計算した類似度に基づいて、新規事例生成手段が生成した新規事例を絞込み出力する新規事例絞込手段とを備えたことを特徴とする。
　本発明による新規事例生成方法は、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、事例文脈と新規事例文脈との間の類似度を計算し、計算した類似度に基づいて、生成した新規事例を絞込み出力することを特徴とする。
　本発明による新規事例生成用プログラムは、コンピュータに、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成処理と、事例文脈と新規事例文脈との間の類似度を計算する類似度計算処理と、計算した類似度に基づいて、生成した新規事例を絞込み出力する新規事例絞込処理とを実行させるためのものである。
　本発明によれば、抽出したい情報の事例と同種の新規事例を精度良く生成することができる。
本発明による新規事例生成装置の構成の一例を示すブロック図である。 新規事例生成装置が入力した事例と同種の新規事例を生成する処理の一例を示すフローチャートである。 第２の実施形態における新規事例生成装置の構成例を示すブロック図である。 第２の実施形態における新規事例生成装置が入力した事例と同種の新規事例を生成する処理例を示すフローチャートである。 第３の実施形態における新規事例生成装置の構成例を示すブロック図である。 第３の実施形態における新規事例生成装置が入力した事例と同種の新規事例を生成する処理例を示すフローチャートである。 文書データの一例を示す説明図である。 事例と事例文脈とのデータの一例を示す説明図である。 新規事例と新規事例文脈とのデータの一例を示す説明図である。 新規事例の絞り込み結果の出力の一例を示す説明図である。 新規事例生成装置の最小の構成例を示す構成図である。
符号の説明
１１，１１Ａ　データ入力部
１２　新規事例生成部
１３　類似度計算部
１４，１４Ａ　新規事例絞込部
１５　抽出規則適用部
１６　抽出規則生成部
実施形態１．
　以下、本発明の第１の実施形態について図面を参照して説明する。図１は、本発明による新規事例生成装置の構成の一例を示すブロック図である。図１に示すように、新規事例生成装置は、データ入力部１１、新規事例生成部１２、類似度計算部１３、及び新規事例絞込部１４を含む。
　本実施形態では、データ入力部１１は、抽出したい情報である事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力する。新規事例生成部１２は、入力した事例に基づく条件に従って文書データから新たな事例の候補となる情報を新規事例として抽出し、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈を生成する。類似度計算部１３は、事例文脈と新規事例文脈との間の類似度を計算する。新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて新規事例を絞り込み出力する。あるいは、類似度計算部１３は、事例文脈と新規事例文脈との間の類似度を計算し、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算し、新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて新規事例を絞り込み出力する。
　なお、本実施形態において、新規事例生成装置は、具体的には、プログラムに従って動作するパーソナルコンピュータ等の情報処理装置によって実現される。
　図１に示す各処理部は、それぞれ概略以下のように動作する。
　データ入力部１１は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。データ入力部１１は、抽出したい情報である事例を含む周辺のテキストデータである事例文脈を入力として受け付ける機能を備える。
　例えば、データ入力部１１は、ユーザの操作に従って、抽出したい事例（例えば、著名な政治家名や著名な事件名）を、キーボードやマウス等の入力装置から入力する。すると、データ入力部１１は、入力した事例を含む事例文脈を、予め文書データベースに蓄積しておいた文書データから抽出し入力する。
　新規事例生成部１２は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。新規事例生成部１２は、データ入力部１１が入力した事例に基づく条件に従って、文書データから新たな事例の候補となる情報を新規事例として抽出する機能を備える。また、新規事例生成部１２は、抽出した新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈を生成する機能を備える。
　なお、新規事例生成部１２は、例えば、事例に該当する文字列と同一の文字列を有し、かつ当該事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する。また、新規事例生成部１２は、例えば、事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ当該形態素列の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成してもよい。さらに、新規事例生成部１２は、例えば、新規事例文脈として、新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成してもよい。
　類似度計算部１３は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。類似度計算部１３は、データ入力部１１が入力した事例文脈と、新規事例生成部１２が生成した新規事例文脈との間のトピックの類似度を計算する機能を備える。あるいは、類似度計算部１３は、前記類似度の他に、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する機能を備えてもよい。
　新規事例絞込部１４は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて、新規事例生成部１２が生成した新規事例を絞り込む機能を備える。あるいは、新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて、新規事例生成部１２が生成した新規事例を絞り込む機能を備える。また、新規事例絞込部１４は、絞り込んだ新規事例を出力する機能を備える。この場合、例えば、新規事例絞込部１４は、絞り込んだ新規事例を、ディスプレイ装置等の表示装置に表示させる。
　なお、本実施形態において、新規事例生成装置の記憶装置（図示せず）は、入力した事例と同種の新規事例を生成するための各種プログラムを記憶している。例えば、新規事例生成装置の記憶装置は、コンピュータに、事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成処理と、事例文脈と新規事例文脈との間の類似度や、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する類似度計算処理と、計算した類似度やパターン異なり度に基づいて、生成した新規事例を絞込み出力する新規事例絞込処理とを実行させるための新規事例生成用プログラムを記憶している。
　次に、動作について説明する。図２は、新規事例生成装置が入力した事例と同種の新規事例を生成する処理の一例を示すフローチャートである。まず、データ入力部１１は、抽出したい情報である事例を含む周辺のテキストデータである事例文脈を入力として受け付ける（図２に示すステップＡ１）。例えば、データ入力部１１は、ユーザによって事例の入力操作が行われると、抽出対象の事例を入力し、ステップＡ１以降の新規事例生成処理を開始する。
　次に、新規事例生成部１２は、データ入力部１１が入力した事例に基づいて、事例文脈を抽出するための条件を設定する。また、新規事例生成部１２は、設定した条件に従って、文書データ（例えば、予め文書データベースに蓄積する文書データ）から新たな事例の候補となる情報を新規事例として抽出する。そして、新規事例生成部１２は、抽出した新規事例の周辺のテキストデータと事例文脈を比較して事例文脈とは異なる場合に当該新規事例を採用し、さらに当該新規事例の周辺のテキストデータから新規事例文脈を生成する（ステップＡ２）。ここで生成した新規事例は、事例文脈とは異なる文脈を新規事例文脈として有するため、当該新規事例と新規事例文脈を情報抽出規則の生成に用いることで、入力の事例からは得られない新たな情報抽出規則を生成することができる。また、新規事例の周辺のテキストデータと事例文脈が同一の場合には、新規事例として採用しても情報抽出規則の網羅性を高めることはできないため、新規事例としては採用せずに破棄する。
　次に、類似度計算部１３は、データ入力部１１が入力した事例文脈と、新規事例生成部１２が生成した新規事例文脈との間の類似度を計算する（ステップＡ３）。あるいは、類似度計算部１３は、前記類似度の他に、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する。
　次に、新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて新規事例を絞り込む。あるいは、新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて新規事例を絞り込む。そして、新規事例絞込部１４は、絞り込んだ新規事例を出力する（ステップＡ４）。例えば、新規事例絞込部１４は、絞り込んだ新規事例を新規事例文脈とともに表示装置に表示させる。
　なお、ステップＡ４において、新規事例絞込部１４は、絞込方法として、例えば、類似度が高い順に新規事例文脈を並べて、上位から所定数の新規事例文脈を絞り込み結果として抽出してもよい。また、新規事例絞込部１４は、例えば、類似度が所定値を上回る新規事例文脈に含まれる新規事例を、絞り込み結果として抽出してもよい。あるいは、新規事例絞込部１４は、絞込方法として、例えば、類似度が高く、かつパターン異なり度が高い順に新規事例分脈を並べて、上位から所定数の新規事例文脈を絞り込み結果として抽出してもよい。
　以上のように、本実施形態によれば、新規事例生成装置は、抽出したい情報の事例に基づいて、新たな事例の候補となる新規事例を生成し、事例文脈とは異なる新規事例文脈を生成する。また、新規事例生成装置は、事例文脈と生成した新規事例文脈との間の類似度を計算する。あるいは、新規事例生成装置は、前記類似度の他に、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する。そして、そのようにすることにより、類似度または、類似度およびパターン異なり度に基づいて新規事例を絞り込む。そのように構成されているので、抽出したい情報の事例と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。また、情報抽出規則の網羅性を高めることができる新規事例を精度良く出力することができる。従って、抽出したい情報の事例に基づいて、情報抽出規則の網羅性を高めることができる新規事例を精度良く生成することができる。
　つまり、本実施形態では、事例文脈と新規事例文脈との間の類似度を計算することによって、事例文脈と新規事例文脈との間の文脈が似通っているか否かをを計算している。そして、文脈が似ている場合にはその新規事例を含む新規事例文脈の類似度が高いので、類似度の高い新規事例文脈に含まれる新規事例に絞り込むことで、事例と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。あるいは、本実施形態では、事例文脈と新規事例文脈との間の類似度を計算し、さらに事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算することによって、事例文脈と新規事例文脈との間の文脈が似通っているか否かをを計算し、かつ、新規事例が事例とは異なる出現傾向を有するかどうかを計算している。そして、文脈が似ていて出現傾向が異なる場合には、その新規事例を含む新規事例文脈の類似度が高く、パターン異なり度が高いので、類似度およびパターン異なり度が高い新規事例文脈に含まれる新規事例に絞り込むことで、事例と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。
　例えば、入力事例として「ブッシュ大統領訪日」とうい事例を入力した場合を考える。この場合、新規事例生成装置は、新規事例の候補として「ブッシュ夫人」や「ブッシュドノエル」等の事例を生成する。次いで、新規事例生成装置は、それら「ブッシュ夫人」や「ブッシュドノエル」が含まれる新規事例文脈と、「ブッシュ大統領訪日」が含まれる事例文脈との間の類似度を求める。そして、新規事例生成装置は、類似度の高さから新規事例を「ブッシュ夫人」に絞り込んで抽出し出力する。
　上記に示したように、本実施形態によれば、単に事例同士を比較するのではなく、事例が含まれる前後の文脈を比較して新規事例を絞り込んで抽出するので、入力事例に関連した新規事例を精度良く生成して出力することができる。例えば、上記に示す事例では、「ブッシュ大統領訪日」や「ブッシュ夫人」が含まれる前後の文脈には政治に関連する単語が多く含まれていると考えられるのに対し、「ブッシュドノエル」が含まれる前後の文脈ではケーキやクリスマスに関連する単語が含まれ政治に関連する単語は皆無であるものと考えられる。従って、文脈間の類似度を比較することにより、関連性の低い「ブッシュドノエル」を新規事例から除くことができ、入力事例に関連した新規事例を精度良く生成して出力することができる。
実施形態２．
　次に、本発明の第２の実施形態について図面を参照して説明する。図３は、第２の実施形態における新規事例生成装置の構成例を示すブロック図である。図３に示すように、新規事例生成装置は、データ入力部１１Ａ、抽出規則適用部１５、新規事例生成部１２、類似度計算部１３、及び新規事例絞込部１４を含む。
　図３に示すように、本実施形態では、新規事例生成装置が、図１に示した構成要素に加えて抽出規則適用部１５を含む点で、第１の実施形態と異なる。また、本実施形態では、データ入力部１１Ａの機能が、第１の実施形態で示したデータ入力部１１の機能と異なる。
　データ入力部１１Ａは、情報抽出規則を入力する。抽出規則適用部１５は、情報抽出規則を文書データに適用して得られる抽出結果から、事例と事例を含む周辺のテキストデータである事例文脈とを得る。新規事例生成部１２は、取得した事例に基づく条件に従って文書データから新たな事例の候補となる情報を新規事例として抽出し、当該新規事例の周辺のテキストデータであって、前記事例文脈とは異なる新規事例文脈を生成する。類似度計算部１３は、事例文脈と新規事例文脈との間の類似度を計算する。新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて新規事例を絞り込み出力する。あるいは、類似度計算部１３は、事例文脈と新規事例文脈との間の類似度を計算し、さらに事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する。新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて新規事例を絞り込み出力する。
　図３に示す各処理部は、それぞれ概略以下のように動作する。
　データ入力部１１Ａは、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。データ入力部１１Ａは、抽出対象の事例を抽出するための規則である情報抽出規則を入力として受け付ける機能を備える。
　抽出規則適用部１５は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。抽出規則適用部１５は、データ入力部１１が入力した情報抽出規則を文書データに適用して事例を抽出する機能を備える。また、抽出規則適用部１５は、抽出結果（事例）に基づいて、事例を含む周辺のテキストデータである事例文脈を取得する機能を備える。
　例えば、抽出規則適用部１５は、予め文書データベースに蓄積する文書データから情報抽出規則に合致する事例を抽出する。そして、抽出した事例を含む事例文脈を文書データベースに蓄積する文書データから抽出する。
　新規事例生成部１２は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。新規事例生成部１２は、抽出規則適用部１５が生成した事例に基づく条件に従って、文書データから新たな事例の候補となる情報を新規事例として抽出する機能を備える。また、新規事例生成部１２は、抽出した新規事例を含む周辺のテキストデータであって、前記事例文脈とは異なる新規事例文脈を生成する機能を備える。
　類似度計算部１３は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。類似度計算部１３は、抽出規則適用部１５が抽出した事例文脈と、新規事例生成部１２が生成した新規事例文脈との間のトピックの類似度を計算する機能を備える。あるいは、類似度計算部１３は、前記類似度を計算する機能を備え、さらに、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する機能を備える。
　新規事例絞込部１４は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて、新規事例生成部１２が生成した新規事例を絞り込む機能を備える。あるいは、新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて、新規事例生成部１２が生成した新規事例を絞り込む機能を備える。また、新規事例絞込部１４は、絞り込んだ新規事例を出力する機能を備える。この場合、例えば、新規事例絞込部１４は、絞り込んだ新規事例を、ディスプレイ装置等の表示装置に表示させる。
　次に、動作について説明する。図４は、第２の実施形態における新規事例生成装置が入力した情報抽出規則による抽出結果と同種の新規事例を生成する処理例を示すフローチャートである。まず、データ入力部１１Ａは、抽出したい情報を抽出するための情報抽出規則を入力として受け付ける（図４に示すステップＢ１）。例えば、データ入力部１１Ａは、ユーザによって情報抽出規則の入力操作が行われると、情報抽出規則を入力し、ステップＢ１以降の新規事例生成処理を開始する。
　次に、抽出規則適用部１５は、データ入力部１１Ａが入力された情報抽出規則を文書データに対して適用し、抽出対象の事例を抽出する。また、抽出規則適用部１５は、得られた抽出結果を事例として、その事例を含む周辺のテキストデータである事例文脈を抽出する（ステップＢ２）。
　次に、新規事例生成部１２は、抽出規則適用部１５が抽出した抽出結果を事例とし、当該事例に基づいて、事例文脈を抽出するための条件を設定する。また、新規事例生成部１２は、設定した条件に従って、文書データ（例えば、予め文書データベースに蓄積しておいた文書データ）から新たな事例の候補となる情報を新規事例として抽出する。そして、新規事例生成部１２は、抽出した新規事例の周辺のテキストデータと事例文脈を比較して事例文脈とは異なる場合に当該新規事例を採用し、さらに当該新規事例の周辺のテキストデータから新規事例文脈とする（ステップＢ３）。
　次に、類似度計算部１３は、抽出規則適用部１５が抽出した事例文脈と、新規事例生成部１２が生成した新規事例文脈との間の類似度を計算する（ステップＢ４）。あるいは、類似度計算部１３は、前記類似度の他に、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する。
　なお、抽出規則適用部１５は、抽出した事例文脈を事例記憶部（例えば、ＲＡＭに形成されたバッファ）に記憶させてもよい。また、新規事例生成部１２は、生成した新規事例文脈を新規事例記憶部（例えば、ＲＡＭに形成されたバッファ）に記憶させてもよい。そして、ステップＢ４において、類似度計算部１３は、事例記憶部が記憶する事例文脈と、新規事例記憶部が記憶する新規事例文脈と、文書記憶部（例えば、ＲＡＭに形成されたバッファ）が予め記憶する文書データとを参照して、類似度やパターン異なり度を計算してもよい。
　次に、新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて新規事例を絞り込む。あるいは、新規事例絞込部１４は、類似度計算部１３が計算した類似度およびパターン異なり度に基づいて新規事例を絞り込む。そして、新規事例絞込部１４は、絞り込んだ新規事例を抽出結果として出力する（ステップＢ５）。例えば、新規事例絞込部１４は、絞り込んだ新規事例を表示装置に表示させる。
　以上のように、本実施形態によれば、新規事例生成装置は、情報抽出規則を文書に適用し抽出した情報から事例文脈を抽出する。また、新規事例生成装置は、事例に基づいて前記事例文脈とは異なる新規事例文脈を生成し、事例文脈と新規事例文脈との間のトピックの類似度や、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する。そして、そのようにすることにより、類似度の高い文脈を有する新規事例に絞り込む。あるいは、類似度およびパターン異なり度が高い分脈を有する新規事例に絞り込む。そのように構成されているので、入力の情報抽出規則に従って抽出される情報と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。また、本実施の形態によれば、入力の情報抽出規則では抽出できないが、当該情報抽出規則で抽出を意図した情報が新規事例として獲得可能となる。
実施形態３．
　次に、本発明の第３の実施形態について図面を参照して説明する。図５は、第３の実施形態における新規事例生成装置の構成例を示すブロック図である。図５に示すように、本実施形態では、新規事例生成装置が、図３に示した構成要素に加えて抽出規則生成部１６を含む点で、第２の実施形態と異なる。また、本実施形態では、新規事例絞込部１４Ａの機能が、第２の実施形態で示した新規事例絞込部１４の機能と異なる。
　新規事例絞込部１４Ａは、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。新規事例絞込部１４Ａは、類似度計算部１３が計算した類似度あるいは、類似度およびパターン異なり度に基づいて、新規事例生成部１２が生成した新規事例を絞り込む機能を備える。また、新規事例絞込部１４Ａは、絞り込んだ新規事例を出力する機能を備える。この場合、例えば、新規事例絞込部１４Ａは、絞り込んだ新規事例を、ディスプレイ装置等の表示装置に表示させる。
　また、新規事例絞込部１４Ａは、新規事例の絞り込み結果を抽出規則生成部１６に渡す（出力する）機能を備える。
　抽出規則生成部１６は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。抽出規則生成部１６は、新規事例絞込部１４Ａによって絞り込まれた新規事例を抽出するための情報抽出規則を生成する機能を備える。また、抽出規則生成部１６は、生成した情報抽出規則を出力する機能を備える。この場合、例えば、抽出規則生成部１６は、生成した情報抽出規則を、ディスプレイ装置等の表示装置に表示させる。また、抽出規則生成部１６は、生成した情報抽出規則をデータ入力部１１に渡す（出力する）ようにし、次の情報抽出規則の入力として用いられるようにしてもよい。
　なお、データ入力部１１Ａ、抽出規則適用部１５、新規事例生成部１２、及び類似度計算部１３の機能は、第２の実施形態で示したそれらの機能と同様である。
　次に、動作について説明する。図６は、第３の実施形態における新規事例生成装置が入力した事例と同種の新規事例を生成する処理例を示すフローチャートである。なお、図６におけるステップＣ１～Ｃ４で示されるデータ入力部１１Ａ、抽出規則適用部１５、新規事例生成部１２、及び類似度計算部１３が行う動作は、図４におけるステップＢ１～Ｂ４で示されるデータ入力部１１Ａ、抽出規則適用部１５、新規事例生成部１２、及び類似度計算部１３が行う動作と同様であるので、説明を省略する。
　第２の実施形態では、新規事例絞込部１４が、ステップＢ５において、類似度計算部１３が計算した類似度あるいは類似度およびパターン異なり度に基づいて、新規事例の絞り込み結果を出力する場合を示した。これに対して、本実施形態では、新規事例絞込部１４Ａは、新規事例の絞り込み結果を出力するだけでなく、抽出規則生成部１６に渡す（図６に示すステップＣ５）。なお、この場合、新規事例絞込部１４Ａは、抽出規則生成部１６が実行する情報抽出規則の生成の精度を高めるために、絞り込んだ新規事例だけでなく、絞り込みによって排除された新規事例や、絞り込みの判定に用いた類似度等の情報も合わせて渡す（出力する）ようにしてもよい。例えば、抽出規則生成部で、絞り込みによって排除された新規事例を負例として用いることや、類似度あるいは類似度およびパターン異なり度の高い文脈を有する新規事例を優先して多く抽出するように用いることにより、情報抽出規則の精度を高めることができる。
　次に、抽出規則生成部１６は、新規事例絞込部１４Ａによる抽出結果（絞り込んだ新規事例）を抽出するための情報抽出規則を生成する。そして、抽出規則生成部１６は、生成した情報抽出規則を出力する（ステップＣ６）。例えば、抽出規則生成部１６は、生成した情報抽出規則を表示装置に表示させる。
　ここで、ステップＣ６で情報抽出規則を出力して処理を終了してもよいが、新規事例生成装置は、情報抽出規則の質を高めるために、さらに、ブートストラップ手法により以下のステップの処理を行う。
　抽出規則生成部１６は、終了条件を満たすかを判定する（ステップＣ７）。終了条件を満たす場合には、そのまま終了とする。終了条件を満たさない場合は、抽出規則生成部１６は、生成した情報抽出規則をデータ入力部１１Ａに渡す（出力する）。そして、データ入力部１１Ａは、抽出規則生成部１６からの情報抽出規則を、次の入力として用いる。
　ステップＣ７における終了条件の判定の仕方としては、例えば、抽出規則生成部１６は、情報抽出規則が生成されたか否かを判定し、生成されない場合を終了とし、生成されている間には処理を継続するようにしてもよい。また、終了条件の判定の仕方として、例えば、抽出規則生成部１６は、ステップＣ１～Ｃ７の処理を繰返すサイクル数を予め設定しておき、設定したサイクル数に達した場合に終了とするようにしてもよい。また、例えば、抽出規則生成部１６は、予め生成する情報抽出規則数を設定しておき、生成した情報抽出規則数を累計し、設定した情報抽出規則数に達した場合に終了とするようにしてもよい。ただし、終了条件の判定方法は、本実施形態に示した方法に限定されず、抽出規則生成部１６は、他の方法を用いて終了条件を判定してもよい。
　以上のように、本実施形態によれば、新規事例生成装置は、新規事例絞込部１４Ａの抽出結果を用いて抽出規則生成部１６が新たな情報抽出規則を生成する。そのよう構成されているので、最初に入力した情報抽出規則によって抽出される情報と同種の新たな情報を抽出できるだけでなく、最初に入力した情報抽出規則によって抽出される情報と同種の情報を抽出するための新たな情報抽出規則も獲得できる。
　なお、第１から第３の実施形態で示したデータ入力部、抽出規則適用部、新規事例生成部、類似度計算部、新規事例絞込部、抽出規則生成部は、それぞれ別々のユニットとして実現されていてもよい。
　次に、本発明の第１の実施例について図面を参照して説明する。なお、本実施例に示す新規事例生成装置は、本発明の第１の実施形態に示した新規事例生成装置に対応するものである。
　本実施例では、新規事例生成装置は、コンピュータによって実現される。具体的には、コンピュータは、パーソナルコンピュータやワークステーション等のデータ処理装置である。また、コンピュータは、キーボード等の入力装置と接続され入力装置の操作信号をＣＰＵに出力するための入力インタフェース部、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ディスプレイ装置等の出力装置と接続するための出力インタフェース部、ハードディスク装置（ＨＤ：Hard Disk ）及びＣＰＵ（Central Processing Unit ）等の既知の構成部を備えている。
　ＲＯＭは、新規事例生成装置の各部の基本制御を司るプログラムを格納している。なお、当該プログラムは、外部記憶装置に格納されていてもよい。また、ＲＡＭは、ＣＰＵのワークエリアとして用いられ、ＣＰＵにより実行されるプログラムや、各種データを一時的に格納する。
　ＲＯＭ内のプログラムは、ＲＡＭに読み込まれ、ＣＰＵは、ＲＡＭに読み込んだプログラムの制御に従って動作する。そのように動作することにより、ＣＰＵは、データ入力部１１、新規事例生成部１２、類似度計算部１３、新規事例絞込部１４等の各処理部として機能する。また、ＣＰＵは、ＲＡＭ内に文書データを格納する文書記憶部、事例文脈を格納する事例記憶部、及び新規事例文脈を格納する新規事例記憶部をバッファとして生成する。
　ＨＤは、オペレーティングシステム等のコンピュータを制御するための各種ソフトウエアを格納している。また、文書データを事前にＨＤに格納しておき、動作時に適宜ＲＡＭ内に必要な文書をＨＤから読み込む構成としてもよい。
　図７は、文書データの一例を示す説明図である。図７に示す文書データは、外部記憶装置等から読み込まれ文書記憶部に格納される。図７に示すように、文書記憶部は、文書データを識別するための識別子である文書ＩＤと、文書の実体であるテキストデータとを対応付けた形式で格納している。本実施例では、例えば、図７に示すように、文書記憶部は、文書ＩＤ「ＤＯＣ１」に対応付けて、文書内容が「○○党の○△×議員が△△と発言した。」という文を含む複数の文からなる文書テキストデータを格納しているとする。
　なお、文書テキストデータは、ＨＴＭＬファイルや電子メール、ワードプロセッサ文書等の電子ファイルであってもよい。この場合、ＣＰＵは、これらの電子ファイルから予めテキストデータのみを抽出して格納しておくか、テキストデータとその他の情報とを識別可能な形式で保存しておけばよい。
　また、文書記憶部は、文書内容として文単位に分けた形式の情報を格納してもよい。また、文書記憶部は、テキストデータに加えて、当該テキストデータを形態素解析や構文解析等の言語解析処理により解析処理を行った後の解析結果を、テキストデータと対応付けて格納しておいてもよい。
　プログラムの実行を開始すると、ＣＰＵは、データ入力部１１として機能し、図８に示す情報を入力として受け付ける。なお、図８は、事例と事例文脈とのデータの一例を示しており、ＣＰＵは、図８に示す情報を入力して事例記憶部に格納させる。
　図８に示すように、ＣＰＵは、事例を識別するための識別子である事例ＩＤと、当該事例を含む事例文脈の実体である事例文脈テキストデータと、当該事例文脈テキストデータ中における事例の該当箇所を示す位置情報と、事例の種別とを対応付けた形式で事例記憶部に格納させる。さらに、図８に示すように、ＣＰＵは、事例に該当するテキストデータ中の箇所である事例内容も対応付けて事例記憶部に格納させてもよい。
　位置情報は、事例として抽出したい情報の該当箇所を示し、事例文脈テキストデータ中におけるオフセット情報によって示す形式等で表すことができる。例えば、抽出したい情報の長さが分かっていれば、位置情報は、事例文脈テキストデータ中におけるオフセット情報のみでよい。また、位置情報は、事例文脈テキストデータ中における先端及び終端それぞれのオフセット情報からなる形式で示してもよい。又、例えば、位置情報は、事例文脈テキストデータ中において抽出したい情報の先頭のオフセット情報と長さ情報とを明示する形式で示してもよい。さらに、位置情報を用いる代わりに、事例文脈テキストデータ中に事例を示すタグを付与して、事例箇所を識別できるように格納してもよい。なお、事例記憶部に格納させる位置情報の形式は、本実施例で示した格納形式に限定されない。
　本実施例では、例えば、図８に示すように、ＣＰＵは、事例に対応付けて事例文脈を格納させるとする。図８に示す例では、事例ＩＤ「ＥＸ１」に対応する事例文脈において、位置情報「４、３」に基づいて、事例文脈テキストデータ中において、文脈先頭を０として４文字目から始まり、かつ長さ３文字で指定される箇所に事例内容が位置していることが分かる。なお、位置情報中の長さ情報は、事例内容から判明するものであれば無くてもよい。
　図８に示す例では、事例ＩＤがＩＤ「ＥＸ１」である事例は、事例内容が「○△×」である文字列を有し、その事例の種別が「政治家名」として指定されていることが分かる。なお、本実施例では、図８に示す事例文脈テキストデータを事例記憶部が直接格納する場合を示しているが、事例文脈テキストデータに代えて、文書記憶部の中の文書や、当該文書中の段落等の一部分のテキストデータを指定する情報を格納してもよい。
　続いて、ＣＰＵは、新規事例生成部１２として機能し、図８に示す各事例に基づく条件を設定する。また、ＣＰＵは、設定した条件に従って、文書記憶部に格納された図７に示す複数の文書から新たな事例の候補となる情報を新規事例として抽出する。そして、ＣＰＵは、抽出した新規事例を含む周辺のテキストデータを用いて新規事例文脈を生成し、生成した新規事例文脈を新規事例記憶部に格納させる。
　なお、ＣＰＵは、新規事例文脈の生成に用いるテキストデータとして、事例文脈とは異なるテキストデータを用いて新規事例文脈を生成する。例えば、ＣＰＵは、新規事例の該当箇所周辺の文字列や形態素が異なることや、新規事例の該当箇所を含む文が異なること等により判断できる。
　図９は、新規事例と新規事例文脈とのデータの一例を示す説明図である。図９に示すように、ＣＰＵは、新規事例を識別するための識別子である新規事例ＩＤと、当該新規事例を含む新規事例文脈の実体である新規事例文脈テキストデータと、当該新規事例文脈テキストデータ中の新規事例の該当箇所を示す位置情報と、新規事例の種別とを対応付けた形式で新規事例記憶部に格納させる。さらに、図９に示すように、ＣＰＵは、新規事例に該当するテキストデータ中の箇所である新規事例内容も対応付けて新規事例記憶部に格納させてもよい。なお、新規事例の種別は、事例の種別と同じものとすればよい。
　ＣＰＵは、事例に基づく条件として、例えば、事例内容と同一の文字列を有する情報を用いればよい。具体的には、図８に示す事例ＩＤが「ＥＸ１」に対応する事例を基にして生成した場合、ＣＰＵは、当該事例ＩＤに対応する事例内容である「○△×」の文字列を含む箇所を抽出して新規事例とする。そして、ＣＰＵは、当該新規事例を含む周辺のテキストデータを新規事例文脈とする。なお、ＣＰＵは、当該新規事例を含む文書全体を新規事例文脈としてもよい。
　また、ＣＰＵは、事例に基づく条件として、事例内容の形態素列の情報を用いてもよい。例えば、ＣＰＵは、事例文脈テキストデータの形態素解析結果から事例内容に該当する形態素列を取り出す。次いで、ＣＰＵは、当該形態素列の各形態素の素性のうち、原型や品詞、シソーラス情報等の素性値の所定の組合せパターンと同じ組合せパターンの素性値を有する形態素列を有することを条件として、文書データの中から該当する箇所を新規事例として抽出する。例えば、「ブッシュ大統領」という文字列を有する事例から、「ブッシュ」と「大統領」という２つの形態素が得られたとき、１つ目の形態素の品詞の素性値が「名詞」であり、それに後続する２つ目の形態素のシソーラス情報の素性値が「役職」であるという形態素列のパターンが得られる。このようなパターンを用いて、新規事例を抽出することが可能である。そして、ＣＰＵは、抽出した新規事例を含む文書を新規事例文脈として生成すればよい。
　また、ＣＰＵは、新規事例文脈の生成方法として、新規事例の該当箇所の周辺のテキストデータを所定の方法で抽出することにより、新規事例文脈を生成する方法を用いてもよい。例えば、ＣＰＵは、新規事例の該当箇所から前後に所定数の文字数や、形態素数、文数、段落数等で特定されるテキストデータを新規事例文脈とすればよい。また、例えば、ＣＰＵは、新規事例の該当箇所から所定数の文字数や、形態素数、文数、段落数等によりウィンドウ幅を決定し、新規事例の該当箇所を含む当該ウィンドウ幅内のテキストデータを新規事例文脈とすればよい。
　また、事例文脈のデータにおいて事例文脈テキストデータを直接格納するのではなく、事例文脈テキストデータに代えて、文書データ中の文書ＩＤを指定する情報を格納する方法で事例文脈を受け付けるようにしてもよい。この場合、新規事例文脈の生成時に同じ箇所を用いても意味がないので、ＣＰＵは、事例文脈で指定する文書ＩＤの位置情報で示される箇所とは異なる箇所から新規事例文脈の抽出を行う。
　次に、ＣＰＵは類似度計算部１３として機能し、事例記憶部が記憶する事例文脈と、新規事例記憶部が記憶する新規事例文脈とを参照して、事例文脈と新規事例文脈との間の類似度を計算する。あるいは、ＣＰＵは、類似度計算部１３として機能し、前記類似度の他に、事例文脈中の部分データと新規事例文脈中の部分データのパターン異なり度を計算する。
　なお、文脈間の類似度の計算方法には様々な方法が存在する。ＣＰＵは、例えば、文脈ベクトル間のコサイン類似度等を計算することによって、事例文脈と新規事例文脈との間の類似度を算出すればよい。すなわち、ＣＰＵは、事例文脈や新規事例文脈のテキストデータから文脈を表現する文脈ベクトルを生成する。そして、ＣＰＵは、計算対象の文脈ベクトル間のなす角度のコサイン値を計算して、求めたコサイン値を文脈間の類似度とすればよい。
　また、ＣＰＵは、文脈ベクトルの生成方法として、例えば、各文脈中のテキストを形態素解析により形態素に分割して自立語等の単語や当該形態素の素性値を抽出しベクトル要素とし、そのベクトル要素に出現頻度やｔｆ・ｉｄｆ値等により重み付けすることによって、文脈ベクトルを生成する方法を用いてもよい。さらに、ＣＰＵ各文脈中のテキストを構文解析して係り受け関係にある文節の組合せを抽出しベクトル要素として加えてもよい。また、ＣＰＵは、例えば、各文脈中のテキストから文字Ｎ－ｇｒａｍを抽出しベクトル要素とし、その出現頻度等を重み付けすることによって、文脈ベクトルを生成する方法を用いてもよい。
　なお、類似度の計算方法は、例えば、特許第３６９０２１６号公報に記載されているように、精度向上のため文脈ベクトル間の類似度の計算方法を工夫した方法を用いて類似度計算してもよく、本実施例で示した類似度の計算方法に限定されない。
　また、本実施例では、類似度の計算に際しては、同じ種別を有する事例及び新規事例に限定し、それぞれの文脈の間で計算を行うのが望ましい。その理由は、異なる種別の事例と新規事例とを含む文脈間には関連性が低いためである。
　また、ＣＰＵは、類似度の計算に際して、計算の対象とする文脈群を、ある事例文脈と、当該事例を基に生成された全ての新規事例文脈とから構成される文脈群として、類似度を計算してもよい。その理由は、同一の事例から生成された新規事例に限定するため、不要な文脈を除いて計算でき、精度向上を図ることができるためである。
　例えば、ＣＰＵは、上記のようにして限定した文書群においてベクトル空間を構成し、文脈ベクトルを形成すればよい。そのようにすることによって、例えば、重みに用いるｉｄｆ値が不適切に高く設定されることを抑制でき、文脈間のコサイン類似度の精度向上が期待できる。また、例えば、ＣＰＵは、類似度の計算に際して、ある同一の事例を基にして生成された新規事例それぞれの文脈ベクトルには高い重みを与えて、類似度を計算するようにしてもよい。
　また、ＣＰＵは、類似度の計算に際して、同種の種別の複数の事例がある場合に、それらの各事例文脈と、それら各事例から生成された全ての新規事例文脈とから構成される文脈群に限定して類似度を計算してもよい。例えば、ＣＰＵは、このようにして限定した文脈群においてベクトル空間を構成し、文脈ベクトルを形成すればよい。その理由は、同種の事例文脈を基にして生成された新規事例文脈は、類似のコンテキストを有する可能性が高いため、ベクトル要素の計数が適切に行えるためである。そのようにすることによって、例えば、重みに用いるｉｄｆ値を適切に設定でき、計算する類似度の精度向上が期待できる。
　また、例えば、ＣＰＵは、類似度の計算に際して、同種の種別の複数の事例がある場合に、それらの各事例文脈と、それら各事例から生成された全ての新規事例文脈とから構成される文脈群に限定し、当該文脈群中において、ある新規事例文脈と全ての事例文脈との間でそれぞれ類似度を計算してもよい。この場合、ＣＰＵは、それらの類似度の最大値をある新規事例文脈の類似度する方法を用いてもよい。また、例えば、ＣＰＵは、ある新規事例文脈に関して、それらの類似度を掛け合わせた値（乗算値）を、当該新規事例文脈の類似度としてもよい。
　なお、事例文脈中の部分データと新規事例文脈中の部分データとの間のパターン異なり度の計算方法には様々な方法が存在する。ＣＰＵは、例えば、事例文脈中の部分データと新規事例文脈中の部分データとの間の編集距離を用いることができる。
　例えば、事例文脈中の部分データを事例文脈中における事例を含む周辺の局所的な文字列とし、新規事例文脈中の部分データを新規事例中における新規事例を含む周辺の局所的な文字列とした時、それぞの文字列の間の編集距離を用いることができる。局所的な文字列とは、各文脈の長さに比して短い所定の長さである文字列のことである。例えば、事例文脈や新規事例文脈が複数文からなる文から構成されていた場合、各文脈中の各事例に該当する文字列の前後５文字以内とすればよい。あるいは、各事例を含む文において、各事例に該当する文字列の前後５文字以内とするなど、同一文中などの制限を加えてもよい。
　また、例えば、事例文脈中の部分データを事例文脈中における事例を含む周辺の局所的な形態素列とし、新規事例文脈中の部分データを新規事例文脈中における新規事例を含む周辺の局所的な形態素列とした時、それぞれの形態素列の間の編集距離を用いることができる。形態素列の間の編集距離は、文字列の間の編集距離と同様に、各形態素に対して、挿入、削除、置換、といった操作を行って同じ形態素列に変更するために要する操作の回数を数えて求めることができる。また、局所的な形態素列とは、各文脈の長さに比して短い所定の長さである形態素列のことである。例えば、事例文脈や新規事例文脈が複数文からなる文から構成されていた場合、各文脈中の各事例に該当する形態素列の前後３形態素以内の形態素列とすればよい。あるいは、各事例を含む文において、各事例に該当する形態素列の前後３形態素以内とするなど、同一文中などの制限を加えてもよい。さらに形態素の各素性を編集の単位に加えてもよい。
　また、例えば、事例文脈中の部分データを、事例文脈の構文解析結果における事例を含む部分木とし、新規事例文脈中の部分データを新規事例文脈の構文解析結果における新規事例を含む部分木とした時、それぞれの部分木の間の編集距離を用いることができる。部分木の間の編集距離は、部分木中の各ノードに対して、挿入、削除、置換、といった操作を行って同じ部分木の構造に変更するために要する操作の回数を数えて求めることができる。
　最後に、ＣＰＵは、新規事例絞込部１４として機能し、計算した類似度に基づいて、新規事例を絞り込む。例えば、新規事例文脈毎に類似度が計算されているので、ＣＰＵは、類似度が高い順に新規事例文脈を並べて、上位から所定数の新規事例を絞り込んでもよい。また、ＣＰＵは、所定の類似度を上回る新規事例文脈に対応する新規事例を絞り込み、新規事例の絞込結果として出力すればよい。
　あるいは、ＣＰＵは、新規事例絞込部１４として機能し、計算した類似度およびパターン異なり度に基づいて、新規事例を絞り込む。例えば、新規事例文脈毎に類似度およびパターン異なり度が計算されているので、ＣＰＵは、類似度およびパターン異なり度が高い順に新規事例文脈を並べて、上位から所定数の新規事例を絞り込んでもよい。または、計算した類似度にパターン異なり度を掛け合わせた値の高い順に新規事例文脈を並べて、上位から所定数の新規事例を絞り込んでもよい。
　なお、ＣＰＵは、出力する絞込結果の形式として、例えば、図１０で示す形式を用いて出力（例えば、表示装置に表示）すればよい。図１０に示す例では、図９に示す新規事例及び新規事例文脈と同様の形式で出力する場合が示されており、絞り込まれた新規事例文脈を抽出結果としている。
　また、ＣＰＵは、新規事例の抽出結果に、計算した類似度を付加して出力してもよい。例えば、図１０に示す例では、図９に示す新規事例内容及び新規事例文脈テキストデータに加えて、絞り込んだ新規事例に対応して計算した類似度も追加して出力する場合が示されている。さらに、図１０に加えて、パターン異なり度も追加して出力してもよい。また、例えば、絞り込み処理で排除した新規事例を含む全ての新規事例を出力し、図９に示す新規事例及び新規事例文脈の形式と同様の出力形式に加えて、新規事例毎に採用か否かを示すフラグを付与して出力する出力形式を用いてもよい。
　以上のように、本実施例によれば、新規事例生成装置は、入力事例に基づいて事例文脈とは異なる新規事例文脈を生成し、事例文脈と生成した新規事例文脈との間の類似度を計算する。そして、そのようにすることにより、類似性に基づいて新規事例を絞り込む。そのように構成されているので、事例と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。あるいは、本実施例によれば、新規事例生成装置は、入力事例に基づいて事例文脈とは異なる新規事例文脈を生成し、事例文脈と生成した新規事例文脈との間の類似度を計算する。さらに、新規事例生成装置は、事例文脈中の部分データと新規事例文脈中の部分データとの間のパターン異なり度を計算する。そして、そのようにすることにより、類似性およびパターン異なり度に基づいて新規事例を絞り込む。そのように構成されているので、事例と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。
　次に、本発明の第２の実施例を図面を参照して説明する。なお、本実施例に示す新規事例生成装置は、本発明の第２の実施形態に示した新規事例生成装置に対応するものである。
　本実施例では、新規事例生成装置の構成は、第１の実施例で示した構成と同様である。本実施例では、新規事例生成装置としてコンピュータをプログラムの制御に従って動作させることにより、ＣＰＵが抽出規則適用部１５としても機能する点で、第１の実施例と異なる。
　まず、ＣＰＵは、データ入力部１１Ａとして機能し、特定の情報を抽出するための情報抽出規則を入力として受け付ける。情報抽出規則は、抽出したい情報を含む辞書や、文字列や形態素列、構文部分木等の素性を複数組合せた公知のパターンマッチング規則等で構成すればよい。ＣＰＵは、これらの情報を予め情報抽出規則として用意しておき、入力する。
　次に、ＣＰＵは、抽出規則適用部１５として機能し、データ入力部１１Ａが入力した情報抽出規則を文書記憶部に格納されている文書に適用し情報を抽出する。また、ＣＰＵは、抽出した情報を事例とし、当該情報（事例）を含む文書を事例文脈として抽出して、事例記憶部に格納させる。なお、ＣＰＵは、格納する事例文脈の形式として、図８で示した事例の格納形式と同様の形式で抽出した事例文脈を格納させる。
　なお、情報抽出規則は、本実施例で示したものに限られない。例えば、情報抽出規則の他の例として、情報抽出規則を、事前に抽出したい情報を公知の種々の機械学習手法により学習した結果得られる抽出モデルデータとして準備してもよい。この場合、ＣＰＵによって実現される抽出規則適用部１５は、その抽出モデルデータを情報抽出規則として用いて、抽出対象の文書に適用することにより抽出結果を抽出するようにしてもよい。
　なお、ＣＰＵが新規事例生成部１２、類似度計算部１３、及び新規事例絞込部１４として機能する動作は、第１の実施例で示したそれらの動作と同様である。
　以上のように、本実施例によれば、新規事例生成装置は、情報抽出規則を文書に適用し抽出した情報から事例文脈を抽出する。また、新規事例生成装置は、事例に基づいて事例文脈とは異なる新規事例文脈を生成し、事例文脈と新規事例文脈との間のトピックの類似度を計算する。そして、そのようにすることにより、類似度の高い新規事例に絞り込む。そのように構成されているので、入力の情報抽出規則に従って抽出される情報と同種で、かつ、事例文脈とは異なる文脈を有する新規事例を精度良く生成することができる。
　次に、本発明の第３の実施例を図面を参照して説明する。なお、本実施例に示す新規事例生成装置は、本発明の第３の実施形態に示した新規事例生成装置に対応するものである。
　本実施例では、新規事例生成装置の構成は、第２の実施例で示した構成と同様である。本実施例では、新規事例生成装置としてコンピュータをプログラムの制御に従って動作させることにより、ＣＰＵが抽出規則生成部１６としても機能する点で、第２の実施例と異なる。
　まず、ＣＰＵは、新規事例絞込部１４Ａとして機能する際に、ＲＡＭ等をバッファとして用いて、絞り込んだ新規事例を絞込結果として保存させる。次いで、ＣＰＵは、抽出規則生成部１６として機能する際に、絞り込み結果をバッファから読み込んで受け取る。なお、ＣＰＵは、新規事例の絞り込み結果を外部記憶装置に一旦出力してから読み込む方法を用いてもよい。
　続いて、ＣＰＵは、抽出規則生成部１６として機能し、新規事例絞込部１４が絞り込んだ結果である抽出結果を用いて、新たな情報抽出規則を生成する。この場合、ＣＰＵは、情報抽出規則の生成方法として、例えば、パターンマッチング規則であれば、絞込結果の新規事例文脈のデータから対応するテキスト及び新規事例及び種別等を得る方法を用いることによって、公知の方法で情報抽出規則を生成できる。
　また、ＣＰＵは、生成する情報抽出規則の精度を高めるために、新規事例絞込部１４は、新規事例の絞り込み時に採用しなかった（絞り込みで排除した）新規事例も抽出規則生成部１６に出力するようにしてもよい。そして、抽出規則生成部１６は、採用しなかった新規事例を、情報抽出規則生成の際の負例として用いて、情報抽出規則を生成することも可能である。
　以上のように、本実施例によれば、新規事例生成装置は、新規事例絞込部１４Ａの抽出結果を用いて抽出規則生成部１６が新たな情報抽出規則を生成する。そのよう構成されているので、最初に入力した情報抽出規則によって抽出される情報と同種の新たな情報を抽出できるだけでなく、最初に入力した情報抽出規則によって抽出される情報と同種の情報を抽出するための新たな情報抽出規則も獲得できる。
　次に、本発明による新規事例生成装置の最小構成について説明する。図１１は、新規事例生成装置の最小の構成例を示す構成図である。図１１に示すように、新規事例生成装置は、最小の構成要素として、新規事例生成部１２、類似度計算部１３、及び新規事例絞込部１４を含む。なお、図１１に示す新規事例生成装置は、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例を新規事例として生成する。
　図１１に示す最小構成の新規事例生成装置において、新規事例生成部１２は、事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する機能を備える。また、類似度計算部１３は、事例文脈と新規事例文脈との間の類似度を計算する機能を備える。また、新規事例絞込部１４は、類似度計算部１３が計算した類似度に基づいて、新規事例生成部１２が生成した新規事例を絞込み出力する機能を備える。
　図１１に示す最小構成の新規事例生成装置によれば、抽出したい情報の事例と同種の新規事例を精度良く生成することができる。
　なお、本実施形態では、以下の（１）～（２２）に示すような新規事例生成装置の特徴的構成が示されている。
（１）新規事例生成装置は、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成手段（例えば、新規事例生成部１２によって実現される）と、事例文脈と新規事例文脈との間の類似度を計算する類似度計算手段（例えば、類似度計算部１３によって実現される）と、類似度計算手段が計算した類似度に基づいて、新規事例生成手段が生成した新規事例を絞込み出力する新規事例絞込手段（例えば、新規事例絞込部１４によって実現される）とを備えたことを特徴とする。
（２）新規事例生成装置は、特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用手段（例えば、抽出規則適用部１５によって実現される）を備え、新規事例生成手段は、抽出規則適用手段が抽出した抽出結果で構成される、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成するように構成されていてもよい。
（３）新規事例生成装置において、新規事例生成手段は、事例に該当する文字列と同一の文字列を有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成するように構成されていてもよい。
（４）新規事例生成装置において、新規事例生成手段は、事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成するように構成されていてもよい。
（５）新規事例生成装置において、新規事例生成手段は、新規事例文脈として、新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成するように構成されていてもよい。
（６）新規事例生成装置において、類似度計算手段は、事例文脈及び新規事例文脈に基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算することによって、事例文脈と新規事例文脈との間の類似度を計算するように構成されていてもよい。
（７）新規事例生成装置において、類似度計算手段は、ベクトル空間として、ある事例の事例文脈と、当該事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算するように構成されていてもよい。
（８）新規事例生成装置において、類似度計算手段は、ベクトル空間として、ある事例種別の事例の事例文脈の集合と、いずれかの事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算するように構成されていてもよい。
（９）新規事例生成装置は、特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用手段（例えば、抽出規則適用部１５によって実現される）を備え、新規事例生成手段は、抽出規則適用手段が抽出した抽出結果で構成される、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、新規事例絞込手段が出力した新規事例に基づいて、新たな情報抽出規則を生成する情報抽出規則生成手段（例えば、抽出規則生成部１６によって実現される）をさらに備えるように構成されていてもよい。
（１０）新規事例生成装置において、抽出規則適用手段は、情報抽出規則生成手段が生成した情報抽出規則を新たな入力として受け付けて、新たに入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出するように構成されていてもよい。
（１１）新規事例生成装置において、類似度計算手段は、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算し、類似度計算手段が計算した類似度およびパターン異なり度に基づいて、新規事例生成手段が生成した新規事例を絞込み出力する新規事例絞込手段（例えば、新規事例絞込部１４によって実現される）を備えるように構成されていてもよい。
（１２）新規事例生成装置は、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した事例及び事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成部（例えば、新規事例生成部１２によって実現される）と、事例文脈と新規事例文脈との間の類似度を計算する類似度計算部（例えば、類似度計算部１３によって実現される）と、類似度計算部が計算した類似度に基づいて、新規事例生成部が生成した新規事例を絞込み出力する新規事例絞込部（例えば、新規事例絞込部１４によって実現される）とを備えたことを特徴とする。
（１３）新規事例生成装置は、特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用部（例えば、抽出規則適用部１５によって実現される）を備え、新規事例生成部は、抽出規則適用部が抽出した抽出結果で構成される、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成するように構成されていてもよい。
（１４）新規事例生成装置において、新規事例生成部は、事例に該当する文字列と同一の文字列を有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成するように構成されていてもよい。
（１５）新規事例生成装置において、新規事例生成部は、事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成するように構成されていてもよい。
（１６）新規事例生成装置において、新規事例生成部は、新規事例文脈として、新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成するように構成されていてもよい。
（１７）新規事例生成装置において、類似度計算部は、事例文脈及び新規事例文脈に基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算することによって、事例文脈と新規事例文脈との間の類似度を計算するように構成されていてもよい。
（１８）新規事例生成装置において、類似度計算部は、ベクトル空間として、ある事例の事例文脈と、当該事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算するように構成されていてもよい。
（１９）新規事例生成装置において、類似度計算部は、ベクトル空間として、ある事例種別の事例の事例文脈の集合と、いずれかの事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、事例文脈に対応する事例文脈ベクトルと、新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算するように構成されていてもよい。
（２０）新規事例生成装置は、特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用部（例えば、抽出規則適用部１５によって実現される）を備え、新規事例生成部は、抽出規則適用部が抽出した抽出結果で構成される、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、新規事例絞込部が出力した新規事例に基づいて、新たな情報抽出規則を生成する情報抽出規則生成部（例えば、抽出規則生成部１６によって実現される）をさらに備えるように構成されていてもよい。
（２１）新規事例生成装置において、抽出規則適用部は、情報抽出規則生成部が生成した情報抽出規則を新たな入力として受け付けて、新たに入力した情報抽出規則を用いて文書データから所定の抽出結果を抽出するように構成されていてもよい。
（２２）新規事例生成装置において、類似度計算部は、事例文脈中の一部分であるデータと新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算し、類似度計算部が計算した類似度およびパターン異なり度に基づいて、新規事例生成部が生成した新規事例を絞込み出力する新規事例絞込部（例えば、新規事例絞込部１４によって実現される）を備えるように構成されていてもよい。
　以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２００８年３月１２日に出願された日本特許出願２００８－６２６１０を基礎とする優先権を主張し、その開示の全てをここに取り込む。
産業上の利用の可能性
　本発明は、入力された事例に基づいて当該事例と同種の新たな事例を生成する情報抽出規則生成装置の用途に適用できる。また、本発明は、情報抽出規則生成装置をコンピュータを用いて実現するためのプログラムの用途に適用できる。また、本発明は、キーワード検索を行う情報検索装置や、自然言語による質問に合致する回答を検索する質問回答検索等を行う質問回答検索装置の用途に適用できる。この場合、本発明による新規事例生成方法を用いることで、キーワードや質問を拡張したクエリ拡張等の応用に用いることができる。また、本発明は、情報検索装置をコンピュータに実現させるためのプログラムや、質問回答検索装置をコンピュータに実現させるためのプログラムの用途にも適用可能である。

Claims (33)

  1. 　抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した前記事例及び前記事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成手段と、
    　前記事例文脈と前記新規事例文脈との間の類似度を計算する類似度計算手段と、
    　前記類似度計算手段が計算した類似度に基づいて、前記新規事例生成手段が生成した前記新規事例を絞込み出力する新規事例絞込手段とを
    　備えたことを特徴とする新規事例生成装置。
  2. 　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用手段を備え、
    　前記新規事例生成手段は、前記抽出規則適用手段が抽出した前記抽出結果で構成される、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する
    　請求項１記載の新規事例生成装置。
  3. 　前記新規事例生成手段は、前記事例に該当する文字列と同一の文字列を有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する請求項１又は請求項２記載の新規事例生成装置。
  4. 　前記新規事例生成手段は、前記事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する請求項１又は請求項２記載の新規事例生成装置。
  5. 　前記新規事例生成手段は、前記新規事例文脈として、前記新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成する請求項１から請求項４のうちのいずれか１項に記載の新規事例生成装置。
  6. 　前記類似度計算手段は、事例文脈及び新規事例文脈に基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算することによって、前記事例文脈と前記新規事例文脈との間の類似度を計算する請求項１から請求項５のうちのいずれか１項に記載の新規事例生成装置。
  7. 　前記類似度計算手段は、前記ベクトル空間として、ある事例の事例文脈と、当該事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する請求項６記載の新規事例生成装置。
  8. 　前記類似度計算手段は、前記ベクトル空間として、ある事例種別の事例の事例文脈の集合と、いずれかの事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する請求項６記載の新規事例生成装置。
  9. 　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用手段を備え、
    　前記新規事例生成手段は、前記抽出規則適用手段が抽出した前記抽出結果で構成される、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、
    　前記新規事例絞込手段が出力した新規事例に基づいて、新たな情報抽出規則を生成する情報抽出規則生成手段をさらに備えた
    　請求項１記載の新規事例生成装置。
  10. 　前記抽出規則適用手段は、前記情報抽出規則生成手段が生成した情報抽出規則を新たな入力として受け付けて、新たに入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する請求項９記載の新規事例生成装置。
  11. 　前記類似度計算手段は、前記事例文脈中の一部分であるデータと前記新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算し、
    　前記類似度計算手段が計算した類似度およびパターン異なり度に基づいて、前記新規事例生成手段が生成した前記新規事例を絞込み出力する新規事例絞込手段を備えた
    　請求項１記載の新規事例生成装置。
  12. 　抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した前記事例及び前記事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、
    　前記事例文脈と前記新規事例文脈との間の類似度を計算し、
    　前記計算した類似度に基づいて、前記生成した前記新規事例を絞込み出力する
    　ことを特徴とする新規事例生成方法。
  13. 　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出し、
    　前記抽出した前記抽出結果で構成される、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する
    　請求項１２記載の新規事例生成方法。
  14. 　前記事例に該当する文字列と同一の文字列を有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する請求項１２又は請求項１３記載の新規事例生成方法。
  15. 　前記事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する請求項１２又は請求項１３記載の新規事例生成方法。
  16. 　前記新規事例文脈として、前記新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成する請求項１２から請求項１５のうちのいずれか１項に記載の新規事例生成方法。
  17. 　事例文脈及び新規事例文脈に基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算することによって、前記事例文脈と前記新規事例文脈との間の類似度を計算する請求項１２から請求項１６のうちのいずれか１項に記載の新規事例生成方法。
  18. 　前記ベクトル空間として、ある事例の事例文脈と、当該事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する請求項１７記載の新規事例生成方法。
  19. 　前記ベクトル空間として、ある事例種別の事例の事例文脈の集合と、いずれかの事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する請求項１７記載の新規事例生成方法。
  20. 　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出し、
    　前記抽出した前記抽出結果で構成される、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成し、
    　前記新規事例の絞り込み結果として出力した新規事例に基づいて、新たな情報抽出規則を生成する
    　請求項１２記載の新規事例生成方法。
  21. 　前記生成した情報抽出規則を新たな入力として受け付けて、新たに入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する請求項２０記載の新規事例生成方法。
  22. 　前記事例文脈中の一部分であるデータと前記新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算し、
    　前記計算した類似度およびパターン異なり度に基づいて、前記生成した前記新規事例を絞込み出力する
    　請求項１２記載の新規事例生成方法。
  23. 　コンピュータに、
    　抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、入力した前記事例及び前記事例文脈に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する新規事例生成処理と、
    　前記事例文脈と前記新規事例文脈との間の類似度を計算する類似度計算処理と、
    　前記計算した類似度に基づいて、前記生成した前記新規事例を絞込み出力する新規事例絞込処理とを
    　実行させるための新規事例生成用プログラム。
  24. 　コンピュータに、
    　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用処理を実行させ、
    　前記新規事例生成処理で、前記抽出した前記抽出結果で構成される、抽出したい情報の事例に基づいて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する処理を実行させる
    　請求項２３記載の新規事例生成用プログラム。
  25. 　コンピュータに、
    　前記新規事例生成処理で、前記事例に該当する文字列と同一の文字列を有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する処理を実行させる
    　請求項２３又は請求項２４記載の新規事例生成用プログラム。
  26. 　コンピュータに、
    　前記新規事例生成処理で、前記事例に該当する形態素列の所定のパターンと同一の形態素列パターンを有し、かつ前記事例の事例文脈とは異なるテキストデータを新規事例文脈とする新規事例を、文書データを用いて生成する処理を実行させる
    　請求項２３又は請求項２４記載の新規事例生成用プログラム。
  27. 　コンピュータに、
    　前記新規事例生成処理で、前記新規事例文脈として、前記新規事例の周辺に存在する所定数の文字列数、形態素数、文数、又は段落数のうちの少なくともいずれかを含むテキストデータを生成する処理を実行させる
    　請求項２３から請求項２６のうちのいずれか１項に記載の新規事例生成用プログラム。
  28. 　コンピュータに、
    　前記類似度計算処理で、事例文脈及び新規事例文脈に基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算することによって、前記事例文脈と前記新規事例文脈との間の類似度を計算する処理を実行させる
    　請求項２３から請求項２７のうちのいずれか１項に記載の新規事例生成用プログラム。
  29. 　コンピュータに、
    　前記類似度計算処理で、前記ベクトル空間として、ある事例の事例文脈と、当該事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する処理を実行させる
    　請求項２８記載の新規事例生成用プログラム。
  30. 　コンピュータに、
    　前記類似度計算処理で、前記ベクトル空間として、ある事例種別の事例の事例文脈の集合と、いずれかの事例に基づいて生成した全ての新規事例文脈の集合とに基づいて生成したベクトル空間において、前記事例文脈に対応する事例文脈ベクトルと、前記新規事例文脈に対応する新規事例文脈ベクトルとの間の類似度を計算する処理を実行させる
    　請求項２８記載の新規事例生成用プログラム。
  31. 　コンピュータに、
    　特定の情報を抽出するための情報抽出規則を入力として受け付けて、入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する抽出規則適用処理を実行させ、
    　前記新規事例生成処理で、前記抽出した前記抽出結果で構成される、抽出したい情報の事例と、当該事例を含む周辺のテキストデータである事例文脈とを入力として受け付けて、当該事例と同種の新たな事例である新規事例と、当該新規事例を含む周辺のテキストデータであって前記事例文脈とは異なる新規事例文脈とを、文書データを用いて生成する処理を実行させ、
    　前記新規事例の絞り込み結果として出力した新規事例に基づいて、新たな情報抽出規則を生成する情報抽出規則生成処理をさらに実行させる
    　請求項２３記載の新規事例生成用プログラム。
  32. 　コンピュータに、
    　前記抽出規則適用処理で、前記生成した情報抽出規則を新たな入力として受け付けて、新たに入力した前記情報抽出規則を用いて文書データから所定の抽出結果を抽出する処理を実行させる
    　請求項３１記載の新規事例生成用プログラム。
  33. 　コンピュータに、
    　前記新規事例生成処理で、前記事例文脈中の一部分であるデータと前記新規事例文脈中の一部分であるデータとの間のパターン異なり度を計算する処理を実行させ、
    　前記新規事例絞込処理で、
    　前記計算した類似度およびパターン異なり度に基づいて、前記生成した前記新規事例を絞込み出力する処理を実行させる
    　請求項２３記載の新規事例生成用プログラム。
PCT/JP2009/001046 2008-03-12 2009-03-09 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム Ceased WO2009113289A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US12/922,396 US20110106849A1 (en) 2008-03-12 2009-03-09 New case generation device, new case generation method, and new case generation program
JP2010502718A JP5447368B2 (ja) 2008-03-12 2009-03-09 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2008-062610 2008-03-12
JP2008062610 2008-03-12

Publications (1)

Publication Number Publication Date
WO2009113289A1 true WO2009113289A1 (ja) 2009-09-17

Family

ID=41064963

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/001046 Ceased WO2009113289A1 (ja) 2008-03-12 2009-03-09 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム

Country Status (3)

Country Link
US (1) US20110106849A1 (ja)
JP (1) JP5447368B2 (ja)
WO (1) WO2009113289A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011099355A1 (ja) * 2010-02-12 2011-08-18 日本電気株式会社 文書分析装置、文書分析方法、およびコンピュータ読み取り可能な記録媒体
JP2014199475A (ja) * 2013-03-29 2014-10-23 株式会社エヌ・ティ・ティ・データ 言語表現抽出装置、言語表現抽出方法およびプログラム
WO2023175954A1 (ja) * 2022-03-18 2023-09-21 日本電気株式会社 情報処理装置、情報処理方法、及びコンピュータ読み取り可能な記録媒体

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6433468B2 (ja) * 2016-09-28 2018-12-05 本田技研工業株式会社 プログラム作成支援方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001034630A (ja) * 1999-07-22 2001-02-09 Fujitsu Ltd 文書ベース検索システム、およびその方法
JP2002132812A (ja) * 2000-10-19 2002-05-10 Nippon Telegr & Teleph Corp <Ntt> 質問応答方法、質問応答システム及び質問応答プログラムを記録した記録媒体
JP2003271669A (ja) * 2002-03-15 2003-09-26 Fujitsu Ltd 話題抽出装置
WO2006085661A1 (ja) * 2005-02-08 2006-08-17 Nec Corporation 質問応答データ編集装置、質問応答データ編集方法、質問応答データ編集プログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020133380A1 (en) * 1998-02-19 2002-09-19 Masataka Okayama Portable information terminal surrounding formulation of an optimum plan
WO2002063493A1 (en) * 2001-02-08 2002-08-15 2028, Inc. Methods and systems for automated semantic knowledge leveraging graph theoretic analysis and the inherent structure of communication
JP4162223B2 (ja) * 2003-05-30 2008-10-08 日本電信電話株式会社 自然文検索装置、その方法及びプログラム
US20050278623A1 (en) * 2004-05-17 2005-12-15 Dehlinger Peter J Code, system, and method for generating documents
TW200807263A (en) * 2006-07-19 2008-02-01 Benq Corp Document editing systems and methods
JP4997966B2 (ja) * 2006-12-28 2012-08-15 富士通株式会社 対訳例文検索プログラム、対訳例文検索装置、および対訳例文検索方法
US7937389B2 (en) * 2007-11-01 2011-05-03 Ut-Battelle, Llc Dynamic reduction of dimensions of a document vector in a document search and retrieval system
JP2009169536A (ja) * 2008-01-11 2009-07-30 Ricoh Co Ltd 情報処理装置、画像形成装置、ドキュメント生成方法、ドキュメント生成プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001034630A (ja) * 1999-07-22 2001-02-09 Fujitsu Ltd 文書ベース検索システム、およびその方法
JP2002132812A (ja) * 2000-10-19 2002-05-10 Nippon Telegr & Teleph Corp <Ntt> 質問応答方法、質問応答システム及び質問応答プログラムを記録した記録媒体
JP2003271669A (ja) * 2002-03-15 2003-09-26 Fujitsu Ltd 話題抽出装置
WO2006085661A1 (ja) * 2005-02-08 2006-08-17 Nec Corporation 質問応答データ編集装置、質問応答データ編集方法、質問応答データ編集プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KENJI KITA ET AL.: "Joho Kensaku Algorithm", 1 January 2002, KYORITSU SHUPPAN CO., LTD. *
MADOKA SATO ET AL.: "Netnews Kijigun no Jido Package-ka", TRANSACTIONS OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 38, no. 6, 15 June 1997 (1997-06-15), pages 1225 - 1234 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011099355A1 (ja) * 2010-02-12 2011-08-18 日本電気株式会社 文書分析装置、文書分析方法、およびコンピュータ読み取り可能な記録媒体
US9311392B2 (en) 2010-02-12 2016-04-12 Nec Corporation Document analysis apparatus, document analysis method, and computer-readable recording medium
JP2014199475A (ja) * 2013-03-29 2014-10-23 株式会社エヌ・ティ・ティ・データ 言語表現抽出装置、言語表現抽出方法およびプログラム
WO2023175954A1 (ja) * 2022-03-18 2023-09-21 日本電気株式会社 情報処理装置、情報処理方法、及びコンピュータ読み取り可能な記録媒体
JPWO2023175954A1 (ja) * 2022-03-18 2023-09-21

Also Published As

Publication number Publication date
US20110106849A1 (en) 2011-05-05
JP5447368B2 (ja) 2014-03-19
JPWO2009113289A1 (ja) 2011-07-21

Similar Documents

Publication Publication Date Title
JP4656868B2 (ja) 構造化文書作成装置
JP2007323671A (ja) 中国語テキストにおける単語分割
JP2011118689A (ja) 検索方法及びシステム
JP2019082931A (ja) 検索装置、類似度算出方法、およびプログラム
JP2006065387A (ja) テキスト文検索装置、テキスト文検索方法、及びテキスト文検索プログラム
CN118395205B (zh) 一种多模态跨语言检测方法及装置
JP5447368B2 (ja) 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム
JP4856573B2 (ja) 要約文生成装置及び要約文生成プログラム
US11842152B2 (en) Sentence structure vectorization device, sentence structure vectorization method, and storage medium storing sentence structure vectorization program
JP5169456B2 (ja) 文書検索システム、文書検索方法および文書検索プログラム
JP2004334382A (ja) 構造化文書要約装置、プログラムおよび記録媒体
KR20170107808A (ko) 원문문장을 번역 소단위들로 분할하고 소번역단위들의 번역어순을 결정하는 번역어순패턴 데이터 구조, 이를 생성하기 위한 명령어들을 저장한 컴퓨터 판독가능한 저장매체 및 이를 가지고 번역을 수행하는 컴퓨터 판독가능한 저장매체에 저장된 번역 프로그램
US12333245B2 (en) Methods and apparatus to improve disambiguation and interpretation in automated text analysis using structured language space and transducers applied on automatons
KR101835994B1 (ko) 키워드 맵을 이용한 전자책 검색 서비스 제공 방법 및 장치
JP4985096B2 (ja) 文書解析システム、および文書解析方法、並びにコンピュータ・プログラム
JP7131130B2 (ja) 分類方法、装置、及びプログラム
JP4478042B2 (ja) 頻度情報付き単語集合生成方法、プログラムおよびプログラム記憶媒体、ならびに、頻度情報付き単語集合生成装置、テキスト索引語作成装置、全文検索装置およびテキスト分類装置
JP4341077B2 (ja) 文書処理装置、文書処理方法、および、文書処理プログラム
JP2009176148A (ja) 未知語判定システム、方法及びプログラム
JP4148247B2 (ja) 語彙獲得方法及び装置及びプログラム及びコンピュータ読み取り可能な記録媒体
JP2007164635A (ja) 同義語彙獲得方法及び装置及びプログラム
JP2000339342A (ja) 文書検索方法および文書検索装置
JP2010122823A (ja) テキスト処理システム、情報処理装置、テキストおよび情報の処理方法ならびに処理プログラム
JP3939264B2 (ja) 形態素解析装置
Bhowmik et al. Development of A Word Based Spell Checker for Bangla Language

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09720295

Country of ref document: EP

Kind code of ref document: A1

DPE2 Request for preliminary examination filed before expiration of 19th month from priority date (pct application filed from 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2010502718

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 12922396

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 09720295

Country of ref document: EP

Kind code of ref document: A1