グラフ表示装置およびプログラム
【課題】分析対象の文単位集合全体における代表的な複数の語およびそれら語の間の関係をグラフ表示して文単位集合全体の傾向を示唆する。
【解決手段】語出現データ記憶部１５０は、語がどのメッセージで出現するかを示す語出現データを保持する。頻度計算部１７０は、対象語の各々が出現するメッセージが、対象メッセージ集合内にいくつあるかを計算する。語特定部１８０は、頻度計算部１７０で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。部分集合導出部１６０は、部分集合を導出して対応する語を特定し、ノードデータおよびリンクデータを生成する。グラフ表示部１９０は部分集合導出部１６０からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。
【解決手段】語出現データ記憶部１５０は、語がどのメッセージで出現するかを示す語出現データを保持する。頻度計算部１７０は、対象語の各々が出現するメッセージが、対象メッセージ集合内にいくつあるかを計算する。語特定部１８０は、頻度計算部１７０で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。部分集合導出部１６０は、部分集合を導出して対応する語を特定し、ノードデータおよびリンクデータを生成する。グラフ表示部１９０は部分集合導出部１６０からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、文書に含まれる語をグラフ表示する技術に関する。
【背景技術】
【０００２】
自由形式で回答するアンケート、苦情文書（メール）等の多量の文書を解析してそれら多量の文書に内在する真実を抽出することが行なわれている。例えば自由回答欄のメッセージを分析して要望、感謝、満足、要求、不満等を抽出して製品開発等にフィードバックすることが望まれる。このような抽出作業は、熟練した作業者が多くの時間をかけて行なわれるのが通常であり、費用または即時性のうえで問題があった。
【０００３】
計算機による言語処理を利用してこのような作業を支援することが望まれる。
【０００４】
なお、この発明と関連するものとしては特許文献１がある。特許文献１は、検索対象文書全体に表れる頻度に対して検索結果の文書に表れる頻度の割合が大きな特徴語をノードで表し特徴語の共起度に基づいて特徴語ノードの間にリンクを結んでグラフ表示することを開示している。しかしながら、検索を前提とするものであり、一般的な場面で文書を解析するのを支援するものではない。
【０００５】
なお、上述の背景技術やその問題点は、この発明の背景の一部を説明するものにすぎず、この発明は上述の背景技術や問題点に限定されるものではないことを理解されたい。
【特許文献１】特開平１０−７４２１０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
この発明は、以上の事情を考慮してなされたものであり、対象文書全体に含まれる語を分析して対象文書全体を分析するのを支援するために語をグラフ表示するグラフ表示技術を提供することを目的としている。
【課題を解決するための手段】
【０００７】
この発明によれば、上述の目的を達成するために、特許請求の範囲に記載のとおりの構成を採用している。ここでは、発明を詳細に説明するのに先だって、特許請求の範囲の記載について補充的に説明を行なっておく。
【０００８】
すなわち、この発明の一側面によれば、上述の目的を達成するために、複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置に：文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と；文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段と；上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段と；上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段と；上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段とを設け、上記部分集合導出手段は、ルートの文単位集合から開始して繰り返し部分集合を導出するようにしている。
【０００９】
グラフ表示装置は、典型的には、スタンドアローンのコンピュータシステム、ネットワークに接続されたコンピュータシステム群（クライアント・サーバシステム）等により構成できるが、これに限定されない。
【００１０】
文単位は、１または複数の文からなる一塊の文章であり、以下ではメッセージと呼ぶことがある。文単位は分節等の文の一部であってもよい。語は典型的には名詞であるが、これに限定されない。語を特定の品詞、例えば名詞に限定することによりシンプルな表示が実現可能である。
【００１１】
この構成においては、文単位集合から、その文単位集合の局在的な語の頻度に着目して部分集合を順次に導出し、導出した方向および導出した部分集合に対応する語をグラフとして表示し、分析対象の文単位集合全体における代表的な複数の語およびそれら語の間の関係をグラフ表示して文単位集合全体の傾向を示唆することができる。
【００１２】
部分集合は、深さ優先探索、幅優先探索で導出して良い。また、導出元の文単位集合中の頻度の大きい順に部分集合を導出してもよい。
【００１３】
また、上記記憶手段は、文単位ごとに１または複数の属性を記憶し、属性に応じて解析対象の文単位集合を絞り込むようにしてもよい。属性は典型的には性別、年齢（年齢範囲）であり、属性値に応じて表示を切り替え、または対比させて表示し、属性値の特徴を示唆するようにしても良い。
【００１４】
上記語特定手段は、同一の語が所定回数以上特定されるのを禁止してもよい。例えば、同一の語は一度しか特定されないようにしてもよい。
【００１５】
また、この発明の他の側面によれば、複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置に：文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と；上記解析対象の文単位集合中の文単位において対をなす第１の語および第２の語が共起する頻度を上記記憶手段を参照して計算する頻度計算手段と；上記頻度計算手段が計算した頻度が閾値を越える対の各々について、当該対の頻度が、当該対の第１の語を同じくする対のうちで上位Ｌ（２以上の整数）位までに含まれない場合を除いて、当該対をなす第１の語および第２の語を特定する語特定手段と；上記語特定手段で特定された第１の語および第２の語、ならびにこれらを連結するリンクからなるグラフを表示する表示手段とを設けるようにしている。
【００１６】
この構成においては、対象の文単位集合全体における、語の共起頻度に着目して、語の関連性に基づいて語をグラフ表示できる。共起頻度について閾値を設けてスクリーニングすることにより、グラフの標示が煩雑になるのを防止している。
【００１７】
なお、この発明は装置またはシステムとして実現できるのみでなく、方法としても実現可能である。また、そのような発明の一部をソフトウェアとして構成することができることはもちろんである。またそのようなソフトウェアをコンピュータに実行させるために用いるソフトウェア製品もこの発明の技術的な範囲に含まれることも当然である。
【００１８】
この発明の上述の側面および他の側面は特許請求の範囲に記載され以下実施例を用いて詳述される。
【発明の効果】
【００１９】
この発明によれば、文単位集合から、その文単位集合の局在的な語の頻度に着目して部分集合を順次に導出し、導出した方向および導出した部分集合に対応する語をグラフとして表示し、分析対象の文単位集合全体における代表的な複数の語およびそれら語の間の関係をグラフ表示して文単位集合全体の傾向を示唆することができる。
【発明を実施するための最良の形態】
【００２０】
以下、この発明の実施例について説明する。
【実施例１】
【００２１】
図１は、この発明の原理的な構成を説明する実施例１のグラフ表示システム１１０を全体として示している。この例では、コンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例１のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。
【００２２】
グラフ表示システム１１０は、例えば、アンケートの回答を解析目的として、回答内に含まれる自由形式のメッセージ（１または複数の文からなる文単位）の傾向をメッセージに含まれる語を含むグラフを表示して提示する。固定形式の回答（選択枝、または固定語）を併せて用いてもよい。
【００２３】
この実施例では、図２に示すように、表示する語と、語の間の関係（リンク）とを特定する。具体的にはつぎの処理を行う。
【００２４】
（１）メッセージ集合に含まれる語の頻度を求める。
（２）頻度の多い順にＬ個の部分集合を作る。以下ではＬを幅と呼ぶことがある。
（３）部分集合の各々について、処理（２）を行う。これをＭ回繰り返す。以下ではＭを深さと呼ぶこともある。
【００２５】
このようにして部分集合を幅Ｌ、深さＭで導出し、導出した部分集合の作成に用いた語を表示対象の語として選択し、導入元の集合から導入先の集合への関係を導入元の集合から特定された語から、導入先の集合から特定された語へのリンクとし、特定した語およびリンクからなるグラフを生成して表示する。
【００２６】
図１において、グラフ表示システム１１０は、語出現データ記憶部１５０、頻度計算部１７０、語特定部１８０、部分集合導出部１６０、グラフ表示部１９０等を含んで構成される。
【００２７】
語出現データ記憶部１５０は、例えば、図４に示すようなデータ構造の語出現データを保持する。この例では、語出現データはメッセージ番号、語ＩＤ、メッセージ（アンケートの回答）に付与された複数の属性の値を含むが、これに限定されない。属性は、性別、年齢（年齢範囲）、居住地範囲等である。１のメッセージにＮ個の異なり語が含まれる場合には、Ｎ個の語出現データが準備される。準備対象の語を名詞等の品詞で限定してもよい。
語出現データの具体的な例は、これに限定されないが、例えば図５に示すようなものであり、メッセージ番号、述部を受け部とする係り受け関係、メッセージ（文）、メッセージの属性値（「ｆａｃｔ」欄）を含んでなる。例えば、最上行のデータは、メッセージ番号が１０４１９で、述部（受け部）が「合う」で名詞部（係り部）が「肌」である。係り部を助詞の「は」、「が」、「を」、「に」、「で」等で区分して表示できるので、係り受け関係を参照するだけで全体としての意味内容の把握が容易になる。
【００２８】
頻度計算部１７０は、対象語の各々が出現するメッセージが、対象メッセージ集合内にいくつあるかを計算するものであり、典型的には、語ＩＤごとに当該語出現データを含む語出現データの個数を計算するけれども、語ごとのメッセージ数のヒストグラムを生成するものであれば、どのような手法を採用してもよい。
【００２９】
語特定部１８０は、頻度計算部１７０で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。
【００３０】
部分集合導出部１６０は、図２を参照して説明した手順で部分集合を導出していくものであり、その際、頻度計算部１７０に対して導入元の集合を指定し、語特定部１８０から特定された語を取得する。部分集合導出部１６０は、特定した語から図６（ａ）に示すようなノードデータを取得し、また部分集合の導入元および導入先に基づいて図６（ｂ）に示すようなリンクデータを取得する。ノードデータはノードＩＤ、語ＩＤ、語（文字列）、ノードに対応する部分集合に含まれるメッセージの個数（要素数）等を含むが、これに限定されない。リンクデータは、リンクＩＤ、ソースノード（親、導出元）のノードＩＤ、ターゲットノード（子、導出先）のノードＩＤ等を含むが、これに限定されない。
グラフ表示部１９０は部分集合導出部１６０からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。ネットワーク構造は任意の手法により決定でき、これに限定されないが、「キーグラフ」（ｈｔｔｐ：／／ｗｗｗ２．ｋｋｅ．ｃｏ．ｊｐ／ｋｅｙｇｒａｐｈ）や「ＧｒａｐｈＶｉｚ」（ｈｔｔｐ：／／ｉ．ｌｏｖｅｒｒｕｂｙ．ｎｅｔ／ｊａ／ｒｈｇ／ｃｄ／ｇｒａｐｈｖｉｚ．ｈｔｍｌ）を利用できる。グラフ表示部１９０の表示例は例えば図９に示すようなものであり、対象となるメッセージ集合全体において出現する語をリンクで結びつけるものである。語（ノード）やリンクの大きさ、太さ、色等をメッセージの頻度に応じて可変させてよい。
【００３１】
図３はこの実施例の動作例を示しており、その処理は以下のとおりである。
【００３２】
［ステップＳ１０］：メッセージの全体集合を頻度計算の対象にセットする。
［ステップＳ１１］：語の頻度を計算する。
［ステップＳ１２］：頻度が上位のＬ個以下の語を選択する。例えば、深さ優先（バックトラック法）で部分集合を探索する場合には、図６（ａ）（Ｌ＝２の例）に示すように、１〜Ｎの部分集合を探索し、最上位の１個の語を選択していく。幅優先で部分集合を探索する場合には、図６（ｂ）（Ｌ＝２の例）に示すように１〜Ｎの部分集合を探索していく。
［ステップＳ１３］：ノード/リンクデータを生成して記憶する。記憶箇所は、語出現データ記憶部１５０を用いてもよいし、他の任意の記憶手段を用いてよい。
［ステップＳ１４］：選択語に対応する部分集合を頻度計算の対象にセットする。
［ステップＳ１５］：終了条件が満たされるかどうかを判別し、満たされない場合はステップＳ１１に戻り、満たされた場合にはステップＳ１６へ進む。終了条件は、指定された深さまで語が特定され終わった場合や、上限数の語が特定された場合や、下限数以上のメッセージを含む集合がなくなった場合等であるが、これに限定されない。
［ステップＳ１６］：グラフ表示部１９０がノードデータおよびリンクデータを用いて所定のグラフ生成手法でグラフデータを生成してグラフを表示する。
【００３３】
図８は、メッセージの全体の集合の語ごとのメッセージ頻度を棒グラフで表示し（図８（ａ）、さらに、これを語のグラフで表示したものである（Ｍを１とした）。この例では、図２に示すような階層的な処理を行っていないので、どの語が多く出現しているかを示すにすぎない。
【００３４】
図９は、この実施例のグラフ表示システム１１０を用いて、化粧品の自由形式のアンケート（「現在使用しているファウンデーションお好きな点・気に入っている点」）の回答から準備したメッセージ集合から、生成したグラフの表示例を示す。グラフのリンクをたどってどのようなことが語られているかを把握することが可能である。例えば、一塊の語群を部分グラフとして把握してそれぞれから意味合いを抽出する。図９の例では、（１）自分に合った色合い、（２）価格・品質、（３）仕上がり、（４）伸び等が意味合いとして含まれることを把握できる。
【００３５】
図１０および図１１は、年齢範囲で層別したグラフである。図１０は、年齢の属性値に基づいて２５歳〜２９歳の回答者のメッセージを全体集合として生成したグラフであり、図１１は、４０歳〜４９歳の回答者のメッセージを全体集合として生成したグラフである。図１０からは、使い心地については、無添加であること、敏感肌であることが語られていることが把握できる。図１１からはカバー力・薄付きについては、シミを語っており、またＵＶ効果も語っていることが把握できる。
【００３６】
この実施例では、グラフ上に分布される語の配置に基づいてどのような事柄が話題になっているかを把握することが容易になる。
【実施例２】
【００３７】
つぎにこの発明を具体的に適用した実施例２のグラフ表示システム１００について説明する。
【００３８】
図１２は、この発明の具体的な実施例２のグラフ表示システム１００を全体として示している。この例では、グラフ表示システム１００をコンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例２のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。なお、図１２において図１と対応する箇所には対応する符号を付した。
【００３９】
図１２において、グラフ表示システム１００は、文書入力部１０、形態素解析部１１、構文解析部１２、構文解析結果データ記憶部１３、係り受け関係抽出部１４、係り受け関係集合記憶部１５、部分集合導出部１６、頻度計算部１７、語特定部１８、グラフ表示部１９等を含んで構成されている。この例では、一群の文からなる文書データから係り受け関係の集合を抽出して係り受け関係集合記憶部１５に記憶するようにしているけれども、外部から係り受け関係集合を取得して係り受け関係集合記憶部１５に記憶するようにしても良い。
【００４０】
この実施例では、文書データから抽出した係り受け関係のデータ（以下に述べるように基礎意味チャンクといい、用言節等の受け部分を共通にする範囲で一まとめにされたものである）を、係り受け関係に着目して係り語、受け語、その他の語で検索し、典型的には、係り語や受け語を対比させて表示して、文の把握を支援することも可能である。
【００４１】
文書入力部１０は、一群のアンケート（自由形式のアンケートの回答。メッセージ）や一群の電子メール等の文書データ（コーパスともいう）を入力するものであり、文書データは後続の形態素解析等を行なうために適宜に前処理されてもよい。文書入力部１０は、文書データを入力できるものであればどのようなものでもよく、例えば、ファイルシステム、外部記憶装置、通信回線、Ｉ／Ｏ装置等から構成される。文書入力部１０は、アンケートや電子メール等のメッセージを受信するシステムであってもよいし、文字認識装置、音声認識装置等であってもよい。文書データの例は例えば図１４に示すようなものであり、この例では、化粧品のアンケート結果から取得した文が文の番号を割り当てられて管理されている。
【００４２】
形態素解析部１１は、周知の任意の形態素解析手法で形態素解析辞書を参照して文を形態素に分解するものである。形態素解析は例えば図１５に示すように行なわれる。
【００４３】
構文解析部１２は、周知の任意の構文解析手法で、構文規則に基づいて、形態素解析結果を構文解析する。すなわち、図１３に示すように、一群の文のデータ（コーパス）が文書入力部１０により入力される（Ｓ１１０）。形態素解析部１１は、１つの文のデータを処理対象として取り出し、形態素解析を行い、構文解析部１２は形態素解析結果に基づいて構文解析を行なう（Ｓ１１１〜Ｓ１１３）。構文解析結果は構文解析結果データ記憶部１３に登録され、すべての文について以上の処理を繰り返す（Ｓ１１４、Ｓ１１５）。構文解析結果は例えば図１６に示すようなものであり、理解を容易にするためにこれを木構造で表すと図１７に示すようになる。
【００４４】
係り受け関係抽出部１４は、係り受け関係抽出規則を構文解析結果のデータに適用して係り受け関係集合を抽出して、係り受け関係集合記憶部１５に記録するものである。係り受け関係抽出規則は例えば図１９に示すようなものであり、図中、「＊」は任意個のサブ木（分の構文解析木の部分をなす要素）である。この例では連用の係り受け関係を抽出するものであるが、連体の係り受け関係についても同様である。係り受け関係抽出規則を用いて例えば図２０に矢印で示すように係り受け関係を抽出できる。この例では連用の係り受け関係を示している。
【００４５】
係り受け関係抽出部１４は、図１８に示すように、抽出規則を入力し（Ｓ１２０）、該当する係り受け関係を構文解析結果のデータから抽出して（Ｓ１２１）、係り受け関係集合記憶部１５に記憶する（Ｓ１２２）。
【００４６】
抽出された係り受け関係のデータは、用言節等の受け部分を共通にする範囲で一まとめにされた態様で表現される。係り部は０個または複数個である。以下では、このようなデータを基礎意味チャンクとも呼ぶ。基礎意味チャンクは、例えばプログラミング言語Ｐｒｏｌｏｇのファクト形式のデータ構造で表され、図２１はこのようなデータ構造の例を示す。このデータ構造では、基礎意味チャンクとチャンク述部の２種類のデータからなる。図２１の例では、「１」は文番号を示し、「紹介，する，た」は用言節の形態素列を終止形で並べたものであり、「２３，３１」はその出現位置を示すバイトオフセットであり、「太郎，は」、「５，１１」、「花子，を」、「１７，２３」、「次郎，に」、「１１，１７」はそれぞれ受け部分の形態素列およびそれぞれの出現位置を示すバイトオフセットである。「３」は係り受けの個数を示す。「紹介＿例文」はコーパスの名称である。
【００４７】
係り受け関係集合記憶部１５は係り受け関係集合（基礎意味チャンク集合）を記憶するものである。係り受け関係集合記憶部１５は実施例１の語出現データ記憶部１５０に対応し、係り受け関係集合は例えば図５に示すようなものと同じである。
【００４８】
頻度計算部１７、語特定部１８、部分集合導出部１６、およびグラフ表示部１９は、実施例１の頻度計算部１７０、語特定部１８０、部分集合導出部１６０、およびグラフ表示部１９０と対応するものである。
【００４９】
すなわち、頻度計算部１７は、対象語の各々が出現するメッセージが対象メッセージ集合内にいくつあるかを計算するものであり、典型的には、語ごとに当該語を含むメッセージの個数を計算する。
【００５０】
語特定部１８は、頻度計算部１７で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。
【００５１】
部分集合導出部１６は、さきに図２を参照して説明した手順で部分集合を導出していくものであり、その際、頻度計算部１７に対して導入元の集合を指定し、語特定部１８から特定された語を取得する。部分集合導出部１６は、特定した語から、さきに図６（ａ）に示したようなノードデータを取得し、また部分集合の導入元および導入先に基づいて図６（ｂ）に示したようなリンクデータを取得する。ノードデータはノードＩＤ、語ＩＤ、語（文字列）、ノードに対応する部分集合に含まれるメッセージの個数（要素数）等を含むが、これに限定されない。リンクデータは、リンクＩＤ、ソースノード（親、導出元）のノードＩＤ、ターゲットノード（子、導出先）のノードＩＤ等を含むが、これに限定されない。
グラフ表示部１９は部分集合導出部１６からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。ネットワーク構造は任意の手法により決定できる。以下、表示例を説明する。ただし、語（ノード）やリンクの大きさ、太さ、色等をメッセージの頻度に応じて可変させてよい。
【００５２】
図２２は、この実施例でグラフ表示のパラメータを設定するユーザインタフェース例を示す。この例では、部分集合導出モードをラジオボタンＲ１、Ｒ２を用いて深さ優先および幅優先から選択し、ファンアウト（幅Ｌ）、深さＭを入力フォームＦ１、Ｆ２に入力し、ファンイン（ノードに入力するリンクの数。同一の語を特定して部分集合を選択できる個数）を指定する。また表示オプションとして全体ノードの表示・非表示や頻度表示をラジオボタンＲ３、Ｒ４で指定できる。なお、パラメータにデフォルト値を設けておいても良い。グラフ表示のパラメータを設定したらグラフ表示ボタンＢを操作してグラフ表示処理を開始させる。グラフ表示処理は典型的には図３に示すように実行される。
【００５３】
図２３は、ファンアウト１０、深さ２、ファンイン１、幅優先、全体ノード表示、頻度表示（ターゲットノードのメッセージ数）で設定したときのグラフを示す。この例では、幅優先であるので、頻度の多い語が表示されるので話題の把握が容易である。ただし、話題（頻度の多い語）同士の関係が若干把握しにくい。
【００５４】
図２４は、ファンアウト１０、深さ４、ファンイン１、深さ優先、全体ノード表示、頻度表示で設定したときのグラフを示す。この例では、頻度の多い語（話題）を共起関係で接続していくことができ、話題同士の関係を把握しやすい。ただし、深さを短くした場合、頻度の多い語でも表示されない場合がある（左から探索していく場合、上位階層で、右端の語）。
【００５５】
図２５は、ファンアウト１０、深さ３、ファンイン２、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、ファンインを多くした分、話題（語）の間の関係を把握しやすくなるが、グラフ表示が煩雑になる。
【００５６】
図２６は、ファンアウト１０、深さ３、ファンイン３、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、ファンインを多くした分、話題（語）の間の関係を把握しやすくなるが、グラフ表示が一層煩雑になる。
【００５７】
図２７は、ファンアウト１０、深さ５、ファンイン１、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、深さを大きくした分、話題の関係を広範囲にフォローできる。ただし、その分、話題を把握する上でノイズとなる場合もある。頻度（ターゲットノード中のメッセージの頻度。全体メッセージ集合中の語の頻度ではない）を表示して、あるいは、頻度に応じて色を変えて、重要な話題を強調しても良い。
【００５８】
図２８は、ファンアウト１０、深さ３、ファンイン１、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、話題を幅広く表示できる。
【００５９】
なお、以上の表示例において、図９等に鎖線で囲むようにユーザが着目領域を指定して色属性等で区分けして表示しても良い。
【実施例３】
【００６０】
つぎにこの発明の実施例３のグラフ表示システム１２０について説明する。
【００６１】
この実施例のグラフ表示システム１２０は、深さ優先、幅優先の他に、「エッジ頻度優先」で語を選択表示するものである。ここで、「エッジ頻度」は、対象のメッセージ集合全体の中で、所定の語Ｖを含むメッセージの集合の中で、他の語Ｗを含むメッセージの数Ｘをいう。これをＶ→Ｗ（Ｘ）で表す。例えば、携帯電話→子供（100）は、携帯電話という語を含むメッセージ集合の中で、子供という語を含むものは100件ある、ということである。→の元の語をソース、先の語をターゲットと呼ぶ。
【００６２】
図２９は実施例３のグラフ表示システム１２０を全体として示しており、この図において、図１と対応する箇所には対応する符号を付した。この例では、コンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例１のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。
【００６３】
図２９において、グラフ表示システム１２０は、語出現データ記憶部１５０、エッジ頻度計算部１７１、語対特定部１８１、グラフ表示部１９０等を含んで構成される。このグラフ表示システム１２０は図２９には示さないが図１に示す構成もあわせ持つ。もちろん、エッジ頻度優先の表示に必要な部分のみから構成しても良い。エッジ頻度計算部１５１は語出現データ記憶部１５０を参照して２つの語Ｖ、Ｗについてエッジ頻度Ｖ→Ｗ（Ｘ）を計算するものである。語対特定部１８１は、エッジ頻度Ｖ→Ｗ（Ｘ）で語の対（Ｖ，Ｗ）をソートして頻度が設定頻度より大きい語対を特定してノードデータおよびリンクデータを生成する。上位所定数の語対を特定しても良い。グラフ表示部１９０は語対特定部１８１から受け取ったノードデータおよびリンクデータに基づいてグラフを表示する。
【００６４】
図３０はグラフ表示システム１２０の動作例を説明するものであり、その詳細は以下のとおりである。
【００６５】
［ステップＳ２０］：メッセージの全体集合を対象にセットする。
［ステップＳ２１］：エッジ頻度Ｖ→Ｗ（Ｘ）を計算する。
［ステップＳ２２］：エッジ頻度Ｖ→Ｗ（Ｘ）で語対（Ｖ，Ｗ）をソートする。
［ステップＳ２３］：エッジ頻度が閾値を越える語対（Ｖ，Ｗ）を特定する。その他の条件、例えば、語対の個数等で、選択しても良い。
［ステップＳ２４］：特定した語対（Ｖ，Ｗ）からノードデータおよびリンクデータを生成する。
［ステップＳ２５］：ノードおよびリンクを含むグラフを表示する。
【００６６】
図３１は、グラフ表示のパラメータを設定するユーザインタフェース例を示す。この例では、語探索モード（部分集合導出モード）に、幅優先、深さ優先に加えて、エッジ頻度優先を含めて、ラジオボタンＲ４で指定し、表示対象のエッジ頻度閾値を入力フォームＦ４で指定するようになっている。
【００６７】
図３２は、エッジ頻度優先、ファンイン３、エッジ頻度閾値１０、頻度非表示、全体ノード表示で設定したときのグラフを示す。この例でも、エッジ頻度閾値を適切に設定することにより、枝刈りを行って、煩雑でない態様で話題および話題の間の関係を表示できる。表示対象の語数を制限することにより枝刈りを行っても良い。
【００６８】
なお、この発明は特許請求の範囲の記載に基づいて決定されるものであり、実施例の具体的な構成、課題、および効果には限定されない。この発明は上述の実施例に限定されるものではなくその趣旨を逸脱しない範囲で種々変更が可能である。例えば、グラフ表示における語のノードをクリック操作等することにより、対応する語を含む係り受け関係やメッセージを図５に示すように表示するようにしても良い。
【図面の簡単な説明】
【００６９】
【図１】この発明の実施例１の構成を説明するブロック図である。
【図２】上述実施例１の動作を模式的に説明する図である。
【図３】上述実施例１の動作例を説明するフローチャートである。
【図４】上述実施例１の語出現データを説明する図であるである。
【図５】上述実施例１の係り受け関係の語出現データを説明する図である。
【図６】上述実施例１のノードデータおよびリンクデータを説明する図である。
【図７】上述実施例１の深さ優先および幅優先で部分集合を導出する例を説明する図である。
【図８】従来の表示態様を説明する図である。
【図９】上述実施例１の表示例を説明する図である。
【図１０】上述実施例１の属性値で層別した表示例を説明する図である。
【図１１】上述実施例１の属性値で層別した他の表示例を説明する図である。
【図１２】この発明の実施例２の構成を全体として示すブロック図である。
【図１３】上述実施例２の構文解析結果取得動作例を説明するフローチャートである。
【図１４】上述実施例２の文書データの例を説明する図である。
【図１５】上述実施例２の形態素解析の例を説明する図である。
【図１６】上述実施例２の構文解析結果の例を説明する図である。
【図１７】上述実施例２の構文解析結果の木構造表現を説明する図である。
【図１８】上述実施例２の係り受け関係抽出の動作例を説明するフローチャートである。
【図１９】上述実施例２の係り受け関係抽出規則の例を説明する図である。
【図２０】上述実施例２の係り受け関係の抽出結果の例を説明する図である。
【図２１】上述実施例２の係り受け関係のデータ構造の例を説明する図である。
【図２２】上述実施例２のグラフ表示のパラメータを設定するユーザインタフェース例を説明する図である。
【図２３】上述実施例２のグラフ表示例を説明する図である。
【図２４】上述実施例２の他のグラフ表示例を説明する図である。
【図２５】上述実施例２の他のグラフ表示例を説明する図である。
【図２６】上述実施例２の他のグラフ表示例を説明する図である。
【図２７】上述実施例２の他のグラフ表示例を説明する図である。
【図２８】上述実施例２の他のグラフ表示例を説明する図である。
【図２９】この発明の実施例３の構成を全体として示すブロック図である。
【図３０】上述実施例３の動作例を説明するフローチャートである。
【図３１】上述実施例３のグラフ表示のパラメータを設定するユーザインタフェース例を説明する図である。
【図３２】上述実施例３のグラフ表示例を説明する図である。
【符号の説明】
【００７０】
１１０ グラフ表示システム
１５０ 語出現データ記憶部
１６０ 部分集合導出部
１７０ 頻度計算部
１８０ 語特定部
１９０ グラフ表示部
【技術分野】
【０００１】
この発明は、文書に含まれる語をグラフ表示する技術に関する。
【背景技術】
【０００２】
自由形式で回答するアンケート、苦情文書（メール）等の多量の文書を解析してそれら多量の文書に内在する真実を抽出することが行なわれている。例えば自由回答欄のメッセージを分析して要望、感謝、満足、要求、不満等を抽出して製品開発等にフィードバックすることが望まれる。このような抽出作業は、熟練した作業者が多くの時間をかけて行なわれるのが通常であり、費用または即時性のうえで問題があった。
【０００３】
計算機による言語処理を利用してこのような作業を支援することが望まれる。
【０００４】
なお、この発明と関連するものとしては特許文献１がある。特許文献１は、検索対象文書全体に表れる頻度に対して検索結果の文書に表れる頻度の割合が大きな特徴語をノードで表し特徴語の共起度に基づいて特徴語ノードの間にリンクを結んでグラフ表示することを開示している。しかしながら、検索を前提とするものであり、一般的な場面で文書を解析するのを支援するものではない。
【０００５】
なお、上述の背景技術やその問題点は、この発明の背景の一部を説明するものにすぎず、この発明は上述の背景技術や問題点に限定されるものではないことを理解されたい。
【特許文献１】特開平１０−７４２１０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
この発明は、以上の事情を考慮してなされたものであり、対象文書全体に含まれる語を分析して対象文書全体を分析するのを支援するために語をグラフ表示するグラフ表示技術を提供することを目的としている。
【課題を解決するための手段】
【０００７】
この発明によれば、上述の目的を達成するために、特許請求の範囲に記載のとおりの構成を採用している。ここでは、発明を詳細に説明するのに先だって、特許請求の範囲の記載について補充的に説明を行なっておく。
【０００８】
すなわち、この発明の一側面によれば、上述の目的を達成するために、複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置に：文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と；文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段と；上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段と；上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段と；上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段とを設け、上記部分集合導出手段は、ルートの文単位集合から開始して繰り返し部分集合を導出するようにしている。
【０００９】
グラフ表示装置は、典型的には、スタンドアローンのコンピュータシステム、ネットワークに接続されたコンピュータシステム群（クライアント・サーバシステム）等により構成できるが、これに限定されない。
【００１０】
文単位は、１または複数の文からなる一塊の文章であり、以下ではメッセージと呼ぶことがある。文単位は分節等の文の一部であってもよい。語は典型的には名詞であるが、これに限定されない。語を特定の品詞、例えば名詞に限定することによりシンプルな表示が実現可能である。
【００１１】
この構成においては、文単位集合から、その文単位集合の局在的な語の頻度に着目して部分集合を順次に導出し、導出した方向および導出した部分集合に対応する語をグラフとして表示し、分析対象の文単位集合全体における代表的な複数の語およびそれら語の間の関係をグラフ表示して文単位集合全体の傾向を示唆することができる。
【００１２】
部分集合は、深さ優先探索、幅優先探索で導出して良い。また、導出元の文単位集合中の頻度の大きい順に部分集合を導出してもよい。
【００１３】
また、上記記憶手段は、文単位ごとに１または複数の属性を記憶し、属性に応じて解析対象の文単位集合を絞り込むようにしてもよい。属性は典型的には性別、年齢（年齢範囲）であり、属性値に応じて表示を切り替え、または対比させて表示し、属性値の特徴を示唆するようにしても良い。
【００１４】
上記語特定手段は、同一の語が所定回数以上特定されるのを禁止してもよい。例えば、同一の語は一度しか特定されないようにしてもよい。
【００１５】
また、この発明の他の側面によれば、複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置に：文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と；上記解析対象の文単位集合中の文単位において対をなす第１の語および第２の語が共起する頻度を上記記憶手段を参照して計算する頻度計算手段と；上記頻度計算手段が計算した頻度が閾値を越える対の各々について、当該対の頻度が、当該対の第１の語を同じくする対のうちで上位Ｌ（２以上の整数）位までに含まれない場合を除いて、当該対をなす第１の語および第２の語を特定する語特定手段と；上記語特定手段で特定された第１の語および第２の語、ならびにこれらを連結するリンクからなるグラフを表示する表示手段とを設けるようにしている。
【００１６】
この構成においては、対象の文単位集合全体における、語の共起頻度に着目して、語の関連性に基づいて語をグラフ表示できる。共起頻度について閾値を設けてスクリーニングすることにより、グラフの標示が煩雑になるのを防止している。
【００１７】
なお、この発明は装置またはシステムとして実現できるのみでなく、方法としても実現可能である。また、そのような発明の一部をソフトウェアとして構成することができることはもちろんである。またそのようなソフトウェアをコンピュータに実行させるために用いるソフトウェア製品もこの発明の技術的な範囲に含まれることも当然である。
【００１８】
この発明の上述の側面および他の側面は特許請求の範囲に記載され以下実施例を用いて詳述される。
【発明の効果】
【００１９】
この発明によれば、文単位集合から、その文単位集合の局在的な語の頻度に着目して部分集合を順次に導出し、導出した方向および導出した部分集合に対応する語をグラフとして表示し、分析対象の文単位集合全体における代表的な複数の語およびそれら語の間の関係をグラフ表示して文単位集合全体の傾向を示唆することができる。
【発明を実施するための最良の形態】
【００２０】
以下、この発明の実施例について説明する。
【実施例１】
【００２１】
図１は、この発明の原理的な構成を説明する実施例１のグラフ表示システム１１０を全体として示している。この例では、コンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例１のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。
【００２２】
グラフ表示システム１１０は、例えば、アンケートの回答を解析目的として、回答内に含まれる自由形式のメッセージ（１または複数の文からなる文単位）の傾向をメッセージに含まれる語を含むグラフを表示して提示する。固定形式の回答（選択枝、または固定語）を併せて用いてもよい。
【００２３】
この実施例では、図２に示すように、表示する語と、語の間の関係（リンク）とを特定する。具体的にはつぎの処理を行う。
【００２４】
（１）メッセージ集合に含まれる語の頻度を求める。
（２）頻度の多い順にＬ個の部分集合を作る。以下ではＬを幅と呼ぶことがある。
（３）部分集合の各々について、処理（２）を行う。これをＭ回繰り返す。以下ではＭを深さと呼ぶこともある。
【００２５】
このようにして部分集合を幅Ｌ、深さＭで導出し、導出した部分集合の作成に用いた語を表示対象の語として選択し、導入元の集合から導入先の集合への関係を導入元の集合から特定された語から、導入先の集合から特定された語へのリンクとし、特定した語およびリンクからなるグラフを生成して表示する。
【００２６】
図１において、グラフ表示システム１１０は、語出現データ記憶部１５０、頻度計算部１７０、語特定部１８０、部分集合導出部１６０、グラフ表示部１９０等を含んで構成される。
【００２７】
語出現データ記憶部１５０は、例えば、図４に示すようなデータ構造の語出現データを保持する。この例では、語出現データはメッセージ番号、語ＩＤ、メッセージ（アンケートの回答）に付与された複数の属性の値を含むが、これに限定されない。属性は、性別、年齢（年齢範囲）、居住地範囲等である。１のメッセージにＮ個の異なり語が含まれる場合には、Ｎ個の語出現データが準備される。準備対象の語を名詞等の品詞で限定してもよい。
語出現データの具体的な例は、これに限定されないが、例えば図５に示すようなものであり、メッセージ番号、述部を受け部とする係り受け関係、メッセージ（文）、メッセージの属性値（「ｆａｃｔ」欄）を含んでなる。例えば、最上行のデータは、メッセージ番号が１０４１９で、述部（受け部）が「合う」で名詞部（係り部）が「肌」である。係り部を助詞の「は」、「が」、「を」、「に」、「で」等で区分して表示できるので、係り受け関係を参照するだけで全体としての意味内容の把握が容易になる。
【００２８】
頻度計算部１７０は、対象語の各々が出現するメッセージが、対象メッセージ集合内にいくつあるかを計算するものであり、典型的には、語ＩＤごとに当該語出現データを含む語出現データの個数を計算するけれども、語ごとのメッセージ数のヒストグラムを生成するものであれば、どのような手法を採用してもよい。
【００２９】
語特定部１８０は、頻度計算部１７０で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。
【００３０】
部分集合導出部１６０は、図２を参照して説明した手順で部分集合を導出していくものであり、その際、頻度計算部１７０に対して導入元の集合を指定し、語特定部１８０から特定された語を取得する。部分集合導出部１６０は、特定した語から図６（ａ）に示すようなノードデータを取得し、また部分集合の導入元および導入先に基づいて図６（ｂ）に示すようなリンクデータを取得する。ノードデータはノードＩＤ、語ＩＤ、語（文字列）、ノードに対応する部分集合に含まれるメッセージの個数（要素数）等を含むが、これに限定されない。リンクデータは、リンクＩＤ、ソースノード（親、導出元）のノードＩＤ、ターゲットノード（子、導出先）のノードＩＤ等を含むが、これに限定されない。
グラフ表示部１９０は部分集合導出部１６０からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。ネットワーク構造は任意の手法により決定でき、これに限定されないが、「キーグラフ」（ｈｔｔｐ：／／ｗｗｗ２．ｋｋｅ．ｃｏ．ｊｐ／ｋｅｙｇｒａｐｈ）や「ＧｒａｐｈＶｉｚ」（ｈｔｔｐ：／／ｉ．ｌｏｖｅｒｒｕｂｙ．ｎｅｔ／ｊａ／ｒｈｇ／ｃｄ／ｇｒａｐｈｖｉｚ．ｈｔｍｌ）を利用できる。グラフ表示部１９０の表示例は例えば図９に示すようなものであり、対象となるメッセージ集合全体において出現する語をリンクで結びつけるものである。語（ノード）やリンクの大きさ、太さ、色等をメッセージの頻度に応じて可変させてよい。
【００３１】
図３はこの実施例の動作例を示しており、その処理は以下のとおりである。
【００３２】
［ステップＳ１０］：メッセージの全体集合を頻度計算の対象にセットする。
［ステップＳ１１］：語の頻度を計算する。
［ステップＳ１２］：頻度が上位のＬ個以下の語を選択する。例えば、深さ優先（バックトラック法）で部分集合を探索する場合には、図６（ａ）（Ｌ＝２の例）に示すように、１〜Ｎの部分集合を探索し、最上位の１個の語を選択していく。幅優先で部分集合を探索する場合には、図６（ｂ）（Ｌ＝２の例）に示すように１〜Ｎの部分集合を探索していく。
［ステップＳ１３］：ノード/リンクデータを生成して記憶する。記憶箇所は、語出現データ記憶部１５０を用いてもよいし、他の任意の記憶手段を用いてよい。
［ステップＳ１４］：選択語に対応する部分集合を頻度計算の対象にセットする。
［ステップＳ１５］：終了条件が満たされるかどうかを判別し、満たされない場合はステップＳ１１に戻り、満たされた場合にはステップＳ１６へ進む。終了条件は、指定された深さまで語が特定され終わった場合や、上限数の語が特定された場合や、下限数以上のメッセージを含む集合がなくなった場合等であるが、これに限定されない。
［ステップＳ１６］：グラフ表示部１９０がノードデータおよびリンクデータを用いて所定のグラフ生成手法でグラフデータを生成してグラフを表示する。
【００３３】
図８は、メッセージの全体の集合の語ごとのメッセージ頻度を棒グラフで表示し（図８（ａ）、さらに、これを語のグラフで表示したものである（Ｍを１とした）。この例では、図２に示すような階層的な処理を行っていないので、どの語が多く出現しているかを示すにすぎない。
【００３４】
図９は、この実施例のグラフ表示システム１１０を用いて、化粧品の自由形式のアンケート（「現在使用しているファウンデーションお好きな点・気に入っている点」）の回答から準備したメッセージ集合から、生成したグラフの表示例を示す。グラフのリンクをたどってどのようなことが語られているかを把握することが可能である。例えば、一塊の語群を部分グラフとして把握してそれぞれから意味合いを抽出する。図９の例では、（１）自分に合った色合い、（２）価格・品質、（３）仕上がり、（４）伸び等が意味合いとして含まれることを把握できる。
【００３５】
図１０および図１１は、年齢範囲で層別したグラフである。図１０は、年齢の属性値に基づいて２５歳〜２９歳の回答者のメッセージを全体集合として生成したグラフであり、図１１は、４０歳〜４９歳の回答者のメッセージを全体集合として生成したグラフである。図１０からは、使い心地については、無添加であること、敏感肌であることが語られていることが把握できる。図１１からはカバー力・薄付きについては、シミを語っており、またＵＶ効果も語っていることが把握できる。
【００３６】
この実施例では、グラフ上に分布される語の配置に基づいてどのような事柄が話題になっているかを把握することが容易になる。
【実施例２】
【００３７】
つぎにこの発明を具体的に適用した実施例２のグラフ表示システム１００について説明する。
【００３８】
図１２は、この発明の具体的な実施例２のグラフ表示システム１００を全体として示している。この例では、グラフ表示システム１００をコンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例２のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。なお、図１２において図１と対応する箇所には対応する符号を付した。
【００３９】
図１２において、グラフ表示システム１００は、文書入力部１０、形態素解析部１１、構文解析部１２、構文解析結果データ記憶部１３、係り受け関係抽出部１４、係り受け関係集合記憶部１５、部分集合導出部１６、頻度計算部１７、語特定部１８、グラフ表示部１９等を含んで構成されている。この例では、一群の文からなる文書データから係り受け関係の集合を抽出して係り受け関係集合記憶部１５に記憶するようにしているけれども、外部から係り受け関係集合を取得して係り受け関係集合記憶部１５に記憶するようにしても良い。
【００４０】
この実施例では、文書データから抽出した係り受け関係のデータ（以下に述べるように基礎意味チャンクといい、用言節等の受け部分を共通にする範囲で一まとめにされたものである）を、係り受け関係に着目して係り語、受け語、その他の語で検索し、典型的には、係り語や受け語を対比させて表示して、文の把握を支援することも可能である。
【００４１】
文書入力部１０は、一群のアンケート（自由形式のアンケートの回答。メッセージ）や一群の電子メール等の文書データ（コーパスともいう）を入力するものであり、文書データは後続の形態素解析等を行なうために適宜に前処理されてもよい。文書入力部１０は、文書データを入力できるものであればどのようなものでもよく、例えば、ファイルシステム、外部記憶装置、通信回線、Ｉ／Ｏ装置等から構成される。文書入力部１０は、アンケートや電子メール等のメッセージを受信するシステムであってもよいし、文字認識装置、音声認識装置等であってもよい。文書データの例は例えば図１４に示すようなものであり、この例では、化粧品のアンケート結果から取得した文が文の番号を割り当てられて管理されている。
【００４２】
形態素解析部１１は、周知の任意の形態素解析手法で形態素解析辞書を参照して文を形態素に分解するものである。形態素解析は例えば図１５に示すように行なわれる。
【００４３】
構文解析部１２は、周知の任意の構文解析手法で、構文規則に基づいて、形態素解析結果を構文解析する。すなわち、図１３に示すように、一群の文のデータ（コーパス）が文書入力部１０により入力される（Ｓ１１０）。形態素解析部１１は、１つの文のデータを処理対象として取り出し、形態素解析を行い、構文解析部１２は形態素解析結果に基づいて構文解析を行なう（Ｓ１１１〜Ｓ１１３）。構文解析結果は構文解析結果データ記憶部１３に登録され、すべての文について以上の処理を繰り返す（Ｓ１１４、Ｓ１１５）。構文解析結果は例えば図１６に示すようなものであり、理解を容易にするためにこれを木構造で表すと図１７に示すようになる。
【００４４】
係り受け関係抽出部１４は、係り受け関係抽出規則を構文解析結果のデータに適用して係り受け関係集合を抽出して、係り受け関係集合記憶部１５に記録するものである。係り受け関係抽出規則は例えば図１９に示すようなものであり、図中、「＊」は任意個のサブ木（分の構文解析木の部分をなす要素）である。この例では連用の係り受け関係を抽出するものであるが、連体の係り受け関係についても同様である。係り受け関係抽出規則を用いて例えば図２０に矢印で示すように係り受け関係を抽出できる。この例では連用の係り受け関係を示している。
【００４５】
係り受け関係抽出部１４は、図１８に示すように、抽出規則を入力し（Ｓ１２０）、該当する係り受け関係を構文解析結果のデータから抽出して（Ｓ１２１）、係り受け関係集合記憶部１５に記憶する（Ｓ１２２）。
【００４６】
抽出された係り受け関係のデータは、用言節等の受け部分を共通にする範囲で一まとめにされた態様で表現される。係り部は０個または複数個である。以下では、このようなデータを基礎意味チャンクとも呼ぶ。基礎意味チャンクは、例えばプログラミング言語Ｐｒｏｌｏｇのファクト形式のデータ構造で表され、図２１はこのようなデータ構造の例を示す。このデータ構造では、基礎意味チャンクとチャンク述部の２種類のデータからなる。図２１の例では、「１」は文番号を示し、「紹介，する，た」は用言節の形態素列を終止形で並べたものであり、「２３，３１」はその出現位置を示すバイトオフセットであり、「太郎，は」、「５，１１」、「花子，を」、「１７，２３」、「次郎，に」、「１１，１７」はそれぞれ受け部分の形態素列およびそれぞれの出現位置を示すバイトオフセットである。「３」は係り受けの個数を示す。「紹介＿例文」はコーパスの名称である。
【００４７】
係り受け関係集合記憶部１５は係り受け関係集合（基礎意味チャンク集合）を記憶するものである。係り受け関係集合記憶部１５は実施例１の語出現データ記憶部１５０に対応し、係り受け関係集合は例えば図５に示すようなものと同じである。
【００４８】
頻度計算部１７、語特定部１８、部分集合導出部１６、およびグラフ表示部１９は、実施例１の頻度計算部１７０、語特定部１８０、部分集合導出部１６０、およびグラフ表示部１９０と対応するものである。
【００４９】
すなわち、頻度計算部１７は、対象語の各々が出現するメッセージが対象メッセージ集合内にいくつあるかを計算するものであり、典型的には、語ごとに当該語を含むメッセージの個数を計算する。
【００５０】
語特定部１８は、頻度計算部１７で計算された頻度に基づいて、頻度が１位からＬ位までのＬ個の語を特定する。
【００５１】
部分集合導出部１６は、さきに図２を参照して説明した手順で部分集合を導出していくものであり、その際、頻度計算部１７に対して導入元の集合を指定し、語特定部１８から特定された語を取得する。部分集合導出部１６は、特定した語から、さきに図６（ａ）に示したようなノードデータを取得し、また部分集合の導入元および導入先に基づいて図６（ｂ）に示したようなリンクデータを取得する。ノードデータはノードＩＤ、語ＩＤ、語（文字列）、ノードに対応する部分集合に含まれるメッセージの個数（要素数）等を含むが、これに限定されない。リンクデータは、リンクＩＤ、ソースノード（親、導出元）のノードＩＤ、ターゲットノード（子、導出先）のノードＩＤ等を含むが、これに限定されない。
グラフ表示部１９は部分集合導出部１６からノードデータおよびリンクデータを取得してグラフのネットワーク構造を決定しグラフ表示を行う。ネットワーク構造は任意の手法により決定できる。以下、表示例を説明する。ただし、語（ノード）やリンクの大きさ、太さ、色等をメッセージの頻度に応じて可変させてよい。
【００５２】
図２２は、この実施例でグラフ表示のパラメータを設定するユーザインタフェース例を示す。この例では、部分集合導出モードをラジオボタンＲ１、Ｒ２を用いて深さ優先および幅優先から選択し、ファンアウト（幅Ｌ）、深さＭを入力フォームＦ１、Ｆ２に入力し、ファンイン（ノードに入力するリンクの数。同一の語を特定して部分集合を選択できる個数）を指定する。また表示オプションとして全体ノードの表示・非表示や頻度表示をラジオボタンＲ３、Ｒ４で指定できる。なお、パラメータにデフォルト値を設けておいても良い。グラフ表示のパラメータを設定したらグラフ表示ボタンＢを操作してグラフ表示処理を開始させる。グラフ表示処理は典型的には図３に示すように実行される。
【００５３】
図２３は、ファンアウト１０、深さ２、ファンイン１、幅優先、全体ノード表示、頻度表示（ターゲットノードのメッセージ数）で設定したときのグラフを示す。この例では、幅優先であるので、頻度の多い語が表示されるので話題の把握が容易である。ただし、話題（頻度の多い語）同士の関係が若干把握しにくい。
【００５４】
図２４は、ファンアウト１０、深さ４、ファンイン１、深さ優先、全体ノード表示、頻度表示で設定したときのグラフを示す。この例では、頻度の多い語（話題）を共起関係で接続していくことができ、話題同士の関係を把握しやすい。ただし、深さを短くした場合、頻度の多い語でも表示されない場合がある（左から探索していく場合、上位階層で、右端の語）。
【００５５】
図２５は、ファンアウト１０、深さ３、ファンイン２、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、ファンインを多くした分、話題（語）の間の関係を把握しやすくなるが、グラフ表示が煩雑になる。
【００５６】
図２６は、ファンアウト１０、深さ３、ファンイン３、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、ファンインを多くした分、話題（語）の間の関係を把握しやすくなるが、グラフ表示が一層煩雑になる。
【００５７】
図２７は、ファンアウト１０、深さ５、ファンイン１、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、深さを大きくした分、話題の関係を広範囲にフォローできる。ただし、その分、話題を把握する上でノイズとなる場合もある。頻度（ターゲットノード中のメッセージの頻度。全体メッセージ集合中の語の頻度ではない）を表示して、あるいは、頻度に応じて色を変えて、重要な話題を強調しても良い。
【００５８】
図２８は、ファンアウト１０、深さ３、ファンイン１、幅優先、全体ノード表示、頻度非表示で設定したときのグラフを示す。この例では、話題を幅広く表示できる。
【００５９】
なお、以上の表示例において、図９等に鎖線で囲むようにユーザが着目領域を指定して色属性等で区分けして表示しても良い。
【実施例３】
【００６０】
つぎにこの発明の実施例３のグラフ表示システム１２０について説明する。
【００６１】
この実施例のグラフ表示システム１２０は、深さ優先、幅優先の他に、「エッジ頻度優先」で語を選択表示するものである。ここで、「エッジ頻度」は、対象のメッセージ集合全体の中で、所定の語Ｖを含むメッセージの集合の中で、他の語Ｗを含むメッセージの数Ｘをいう。これをＶ→Ｗ（Ｘ）で表す。例えば、携帯電話→子供（100）は、携帯電話という語を含むメッセージ集合の中で、子供という語を含むものは100件ある、ということである。→の元の語をソース、先の語をターゲットと呼ぶ。
【００６２】
図２９は実施例３のグラフ表示システム１２０を全体として示しており、この図において、図１と対応する箇所には対応する符号を付した。この例では、コンピュータ２００上のソフトウェアとして実現している。ソフトウェアは周知の手法により記録媒体２０１を用いたり、通信回線を用いてコンピュータ２００にインストールできる。図ではスタンドアローンの構成となっているが、ネットワークにより接続されたサーバ装置およびクライアント装置で構成しても良い。実施例１のグラフ表示システム１１０の各機能ブロックは、典型的には、ソフトウェアおよびコンピュータ２００のハードウェア資源が協働して実現する。
【００６３】
図２９において、グラフ表示システム１２０は、語出現データ記憶部１５０、エッジ頻度計算部１７１、語対特定部１８１、グラフ表示部１９０等を含んで構成される。このグラフ表示システム１２０は図２９には示さないが図１に示す構成もあわせ持つ。もちろん、エッジ頻度優先の表示に必要な部分のみから構成しても良い。エッジ頻度計算部１５１は語出現データ記憶部１５０を参照して２つの語Ｖ、Ｗについてエッジ頻度Ｖ→Ｗ（Ｘ）を計算するものである。語対特定部１８１は、エッジ頻度Ｖ→Ｗ（Ｘ）で語の対（Ｖ，Ｗ）をソートして頻度が設定頻度より大きい語対を特定してノードデータおよびリンクデータを生成する。上位所定数の語対を特定しても良い。グラフ表示部１９０は語対特定部１８１から受け取ったノードデータおよびリンクデータに基づいてグラフを表示する。
【００６４】
図３０はグラフ表示システム１２０の動作例を説明するものであり、その詳細は以下のとおりである。
【００６５】
［ステップＳ２０］：メッセージの全体集合を対象にセットする。
［ステップＳ２１］：エッジ頻度Ｖ→Ｗ（Ｘ）を計算する。
［ステップＳ２２］：エッジ頻度Ｖ→Ｗ（Ｘ）で語対（Ｖ，Ｗ）をソートする。
［ステップＳ２３］：エッジ頻度が閾値を越える語対（Ｖ，Ｗ）を特定する。その他の条件、例えば、語対の個数等で、選択しても良い。
［ステップＳ２４］：特定した語対（Ｖ，Ｗ）からノードデータおよびリンクデータを生成する。
［ステップＳ２５］：ノードおよびリンクを含むグラフを表示する。
【００６６】
図３１は、グラフ表示のパラメータを設定するユーザインタフェース例を示す。この例では、語探索モード（部分集合導出モード）に、幅優先、深さ優先に加えて、エッジ頻度優先を含めて、ラジオボタンＲ４で指定し、表示対象のエッジ頻度閾値を入力フォームＦ４で指定するようになっている。
【００６７】
図３２は、エッジ頻度優先、ファンイン３、エッジ頻度閾値１０、頻度非表示、全体ノード表示で設定したときのグラフを示す。この例でも、エッジ頻度閾値を適切に設定することにより、枝刈りを行って、煩雑でない態様で話題および話題の間の関係を表示できる。表示対象の語数を制限することにより枝刈りを行っても良い。
【００６８】
なお、この発明は特許請求の範囲の記載に基づいて決定されるものであり、実施例の具体的な構成、課題、および効果には限定されない。この発明は上述の実施例に限定されるものではなくその趣旨を逸脱しない範囲で種々変更が可能である。例えば、グラフ表示における語のノードをクリック操作等することにより、対応する語を含む係り受け関係やメッセージを図５に示すように表示するようにしても良い。
【図面の簡単な説明】
【００６９】
【図１】この発明の実施例１の構成を説明するブロック図である。
【図２】上述実施例１の動作を模式的に説明する図である。
【図３】上述実施例１の動作例を説明するフローチャートである。
【図４】上述実施例１の語出現データを説明する図であるである。
【図５】上述実施例１の係り受け関係の語出現データを説明する図である。
【図６】上述実施例１のノードデータおよびリンクデータを説明する図である。
【図７】上述実施例１の深さ優先および幅優先で部分集合を導出する例を説明する図である。
【図８】従来の表示態様を説明する図である。
【図９】上述実施例１の表示例を説明する図である。
【図１０】上述実施例１の属性値で層別した表示例を説明する図である。
【図１１】上述実施例１の属性値で層別した他の表示例を説明する図である。
【図１２】この発明の実施例２の構成を全体として示すブロック図である。
【図１３】上述実施例２の構文解析結果取得動作例を説明するフローチャートである。
【図１４】上述実施例２の文書データの例を説明する図である。
【図１５】上述実施例２の形態素解析の例を説明する図である。
【図１６】上述実施例２の構文解析結果の例を説明する図である。
【図１７】上述実施例２の構文解析結果の木構造表現を説明する図である。
【図１８】上述実施例２の係り受け関係抽出の動作例を説明するフローチャートである。
【図１９】上述実施例２の係り受け関係抽出規則の例を説明する図である。
【図２０】上述実施例２の係り受け関係の抽出結果の例を説明する図である。
【図２１】上述実施例２の係り受け関係のデータ構造の例を説明する図である。
【図２２】上述実施例２のグラフ表示のパラメータを設定するユーザインタフェース例を説明する図である。
【図２３】上述実施例２のグラフ表示例を説明する図である。
【図２４】上述実施例２の他のグラフ表示例を説明する図である。
【図２５】上述実施例２の他のグラフ表示例を説明する図である。
【図２６】上述実施例２の他のグラフ表示例を説明する図である。
【図２７】上述実施例２の他のグラフ表示例を説明する図である。
【図２８】上述実施例２の他のグラフ表示例を説明する図である。
【図２９】この発明の実施例３の構成を全体として示すブロック図である。
【図３０】上述実施例３の動作例を説明するフローチャートである。
【図３１】上述実施例３のグラフ表示のパラメータを設定するユーザインタフェース例を説明する図である。
【図３２】上述実施例３のグラフ表示例を説明する図である。
【符号の説明】
【００７０】
１１０ グラフ表示システム
１５０ 語出現データ記憶部
１６０ 部分集合導出部
１７０ 頻度計算部
１８０ 語特定部
１９０ グラフ表示部
【特許請求の範囲】
【請求項１】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置において、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と、
文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段と、
上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段と、
上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段と、
上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段とを有し、
上記部分集合導出手段は、ルートの文単位集合から開始して繰り返し部分集合を導出することを特徴とするグラフ表示装置。
【請求項２】
上記部分集合導出手段は、深さ優先探索で部分集合を導出する請求項１記載のグラフ表示装置。
【請求項３】
上記部分集合導出手段は、幅優先探索で部分集合を導出する請求項１記載のグラフ表示装置。
【請求項４】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置において、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と、
上記解析対象の文単位集合中の文単位において対をなす第１の語および第２の語が共起する頻度を上記記憶手段を参照して計算する頻度計算手段と、
上記頻度計算手段が計算した頻度が閾値を越える対の各々について、当該対の頻度が、当該対の第１の語を同じくする対のうちで上位Ｌ（２以上の整数）位までに含まれない場合を除いて、当該対をなす第１の語および第２の語を特定する語特定手段と、
上記語特定手段で特定された第１の語および第２の語、ならびにこれらを連結するリンクからなるグラフを表示する表示手段とを有することを特徴とするグラフ表示装置。
【請求項５】
上記部分集合導出手段は、当該部分集合中の対応する語の頻度が大きい順に部分集合を導出する請求項１記載のグラフ表示装置。
【請求項６】
上記記憶手段は、文単位ごとに１または複数の属性を記憶し、属性に応じて解析対象の文単位集合を絞り込む請求項１〜５のいずれかに記載のグラフ表示装置。
【請求項７】
文単位は、１または複数の文から構成される請求項１〜６のいずれかに記載のグラフ表示装置。
【請求項８】
上記語は名詞である請求項１〜７のいずれかに記載のグラフ表示装置。
【請求項９】
上記語特定手段は、同一の語が所定回数以上特定されるのを禁止する請求項１〜７のいずれかに記載のグラフ表示装置。
【請求項１０】
上記語特定手段は、同一の語が複数回特定されるのを禁止する請求項９に記載のグラフ表示装置。
【請求項１１】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示用プログラムにおいて、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段、
文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段、
上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段、
上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段、
上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段として、
コンピュータを機能させ、さらに、上記部分集合導出手段が、ルートの文単位集合から開始して繰り返し部分集合を導出するように機能させることを特徴とするグラフ表示用プログラム。
【請求項１】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置において、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と、
文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段と、
上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段と、
上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段と、
上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段とを有し、
上記部分集合導出手段は、ルートの文単位集合から開始して繰り返し部分集合を導出することを特徴とするグラフ表示装置。
【請求項２】
上記部分集合導出手段は、深さ優先探索で部分集合を導出する請求項１記載のグラフ表示装置。
【請求項３】
上記部分集合導出手段は、幅優先探索で部分集合を導出する請求項１記載のグラフ表示装置。
【請求項４】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示装置において、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段と、
上記解析対象の文単位集合中の文単位において対をなす第１の語および第２の語が共起する頻度を上記記憶手段を参照して計算する頻度計算手段と、
上記頻度計算手段が計算した頻度が閾値を越える対の各々について、当該対の頻度が、当該対の第１の語を同じくする対のうちで上位Ｌ（２以上の整数）位までに含まれない場合を除いて、当該対をなす第１の語および第２の語を特定する語特定手段と、
上記語特定手段で特定された第１の語および第２の語、ならびにこれらを連結するリンクからなるグラフを表示する表示手段とを有することを特徴とするグラフ表示装置。
【請求項５】
上記部分集合導出手段は、当該部分集合中の対応する語の頻度が大きい順に部分集合を導出する請求項１記載のグラフ表示装置。
【請求項６】
上記記憶手段は、文単位ごとに１または複数の属性を記憶し、属性に応じて解析対象の文単位集合を絞り込む請求項１〜５のいずれかに記載のグラフ表示装置。
【請求項７】
文単位は、１または複数の文から構成される請求項１〜６のいずれかに記載のグラフ表示装置。
【請求項８】
上記語は名詞である請求項１〜７のいずれかに記載のグラフ表示装置。
【請求項９】
上記語特定手段は、同一の語が所定回数以上特定されるのを禁止する請求項１〜７のいずれかに記載のグラフ表示装置。
【請求項１０】
上記語特定手段は、同一の語が複数回特定されるのを禁止する請求項９に記載のグラフ表示装置。
【請求項１１】
複数の文単位を含んでなる解析対象の文単位集合において出現する語をグラフ表示するグラフ表示用プログラムにおいて、
文単位に対応づけて当該文単位に出現する語を記憶する記憶手段、
文単位集合中の文単位に出現する語について当該文単位集合における頻度を上記記憶手段を参照して計算する頻度計算手段、
上記頻度計算手段が計算した頻度を参照して、上記文単位集合において頻度が上位のＬ（２以上の整数）個以下の語を特定する語特定手段、
上記語特定手段で特定された語の各々について、上記文単位集合から、当該語を含む文単位からなる部分集合を導出する部分集合導出手段、
上記部分集合に対応する語および導出元の文単位集合に対応する語から導出先の部分集合に対応する語へのリンクを表示する表示手段として、
コンピュータを機能させ、さらに、上記部分集合導出手段が、ルートの文単位集合から開始して繰り返し部分集合を導出するように機能させることを特徴とするグラフ表示用プログラム。
【図１】
【図３】
【図４】
【図６】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図２】
【図５】
【図８】
【図１４】
【図３】
【図４】
【図６】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図２】
【図５】
【図８】
【図１４】
【公開番号】特開２００９−１２８９４９（Ｐ２００９−１２８９４９Ａ）
【公開日】平成２１年６月１１日（２００９．６．１１）
【国際特許分類】
【出願番号】特願２００７−２９９８５４（Ｐ２００７−２９９８５４）
【出願日】平成１９年１１月１９日（２００７．１１．１９）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
【公開日】平成２１年６月１１日（２００９．６．１１）
【国際特許分類】
【出願日】平成１９年１１月１９日（２００７．１１．１９）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
[ Back to top ]