プログラム及び文書処理装置並びに文書処理方法
【課題】文書データから抽出された共起表現について、同義の共起表現を共通の表現でまとめ、ユーザによる文書データの分析作業の効率化を実現させる。
【解決手段】本発明の一態様において、コンピュータ２に、第１記憶手段１７ａに記憶されている文書データ１８１〜１８ｎを形態素解析し、形態素解析データを作成する機能３、第２記憶手段１７ｂに記憶されている共起パターン２４に基づいて、形態素解析データの中から複数の共起表現を抽出する共起抽出機能６、複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、複数の共起表現を共通の表現でまとめる機能１４、文書データ１８１〜１８ｎと共通の表現とを関係付けた分析データ３４を第３記憶手段１７ｇに記憶する機能１５を実現させるためのプログラム１ａが提供される。
【解決手段】本発明の一態様において、コンピュータ２に、第１記憶手段１７ａに記憶されている文書データ１８１〜１８ｎを形態素解析し、形態素解析データを作成する機能３、第２記憶手段１７ｂに記憶されている共起パターン２４に基づいて、形態素解析データの中から複数の共起表現を抽出する共起抽出機能６、複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、複数の共起表現を共通の表現でまとめる機能１４、文書データ１８１〜１８ｎと共通の表現とを関係付けた分析データ３４を第３記憶手段１７ｇに記憶する機能１５を実現させるためのプログラム１ａが提供される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、文書データの分析作業に用いられるプログラム及び文書処理装置並びに文書処理方法に関する。
【背景技術】
【０００２】
大量の文書データの内容を把握するために、文書データ中の自立語または共起表現を抽出する試みが、以前より行われている。
【０００３】
抽出された自立語または共起表現は、抽出頻度順にリスト表示される場合がある。また、抽出された単語または共起表現についてコレスポンデス分析を行って、抽出された自立語または共起表現と属性との対応関係を距離として表示した二次元マップが作成される場合もある。
【０００４】
特許文献１（特開２００３−２６３４４６号公報）では、文書について形態素解析された結果の中から特定の単語の並びを抽出し、抽出された結果から特定の情報を抽出する複数表現分析装置が開示されている。
【０００５】
特許文献２（特開２００２−３４２３２１号公報）では、文書について形態素解析された結果の中から特定の単語の並びを抽出し、同一の文書から同じ単語の並びが特定数以上出現した場合に、用語として抽出する用語抽出装置が開示されている。
【０００６】
特許文献３（特開２００１−２９０８３３号公報）では、形態素解析によって分割された単語に基づいて共起情報記憶手段に記憶された共起情報を参照し、文章のトピックを抽出する文章処理装置が開示されている。
【０００７】
この特許文献３の装置は、「貿易」と「輸入」とが共起する、「貿易」と「輸出」とが共起する、という共起情報から、「貿易」と「輸入」と「輸出」とを同じトピック「貿易」にまとめる。
【０００８】
特許文献４（特開平８−３２９０９０号公報）では、係り側文節と受け側文節の共起関係の情報を複数のレコードに収容し、記憶する共起辞書装置が開示されている。
【０００９】
特許文献５（特開平１０−９１６２８号公報）では、助詞情報などが不完全な文において、形態素解析処理結果の各文節間の係り受け関係から共起関係データを抽出し、係り受け関係を認識する構文解析システムが開示されている。
【特許文献１】特開２００３−２６３４４６号公報
【特許文献２】特開２００２−３４２３２１号公報
【特許文献３】特開２００１−２９０８３３号公報
【特許文献４】特開平８−３２９０９０号公報
【特許文献５】特開平１０−９１６２８号公報
【発明の開示】
【発明が解決しようとする課題】
【００１０】
多数の文書データから多数の共起表現が抽出され、この多数の共起表現の中に同義の共起表現が多数含まれている場合、共起表現に基づいてこの多数の文書データの内容を把握する作業が煩雑になる場合がある。したがって、同義の共起表現については共通の表現で表すことが望まれる。
【００１１】
上記特許文献１では、文書からあるパターンと一致した個所を抽出し、抽出結果を意味情報ごとに関連付け、同じ意味情報を有する抽出結果をまとめる（特許文献１の段落［００２８］）。しかしながら、この特許文献１には、具体的にどのような場合に、複数の共起表現を同義であるとしてまとめるかについては記載されていない。
【００１２】
上記特許文献２では、文書中の辞書に未登録の用語を抽出することが記載されているが、複数の共起表現を抽出し、この複数の共起表現が同義の場合にまとめることに関しては記載されていない。
【００１３】
上記特許文献３では、文章が単語に分割され、共起し易い単語を単語クラスタにまとめることが記載されている。しかしながら、共起表現自体を抽出し、この抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１４】
上記特許文献４では、係り側文節と受け側文節の共起関係の情報を複数のレコードに収容し、記憶する共起辞書装置について記載されている。しかしながら、共起表現自体を抽出すること、およびこの抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１５】
上記特許文献５では、助詞情報などが不完全な文において、係り受けの解析を行う構文解析システムについて記載されている。しかしながら、この特許文献５においても、抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１６】
本発明は、以上のような実情に鑑みてなされたもので、文書データから共起表現を抽出し、同義の共起表現を共通の表現でまとめるプログラム及び文書処理装置並びに文書処理方法を提供することを目的とする。
【課題を解決するための手段】
【００１７】
本発明の例では、コンピュータに、第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する機能、第２記憶手段に記憶されている共起パターンに基づいて、形態素解析データの中から複数の共起表現を抽出する共起抽出機能、複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、複数の共起表現を共通の表現でまとめる機能、文書データと共通の表現とを関係付けた分析データを第３記憶手段に記憶する機能
を実現させるためのプログラムが提供される。
【発明の効果】
【００１８】
本発明により、文書データから抽出された共起表現について、同義の共起表現を共通の表現でまとめることができ、ユーザによる文書データの分析作業を効率化させることができる。
【発明を実施するための最良の形態】
【００１９】
以下、図面を参照しながら本発明の実施の形態について説明する。なお、以下の各実施の形態において、同様の部分については同様の符号を付して説明を省略する。
【００２０】
（第１の実施の形態）
本実施の形態では、共起表現を抽出し、共起表現に含まれている複数の自立語を抽出し、複数の自立語について体言の場合はその体言の自立語、用言の場合はこの用言の自立語の終止形を求め、この複数の自立語（用言の場合にはその終止形）の組み合わせを求める。
【００２１】
そして、本実施の形態では、複数の共起表現について自立語（用言の場合はその終止形）の組み合わせが同じ場合、この複数の共起表現を共通の表現でまとめる。
【００２２】
これにより、複数の単語を含む共起表現において、この複数の単語の並び順に関係なく同義としてまとめることができる。なお、以下において、同義の表現（単語、共起表現を含む）を共通の表現にまとめることを集約という。
【００２３】
図１は、本実施の形態に係る文書処理プログラムをコンピュータに適用させた場合の例を示すブロック図である。
【００２４】
記録媒体１に記録されている文書処理プログラム１ａをコンピュータ２が読み込み、実行する。これにより、コンピュータ２は、文書処理装置としての機能を実現する。
【００２５】
具体的には、コンピュータ２は、文書処理プログラム１ａにしたがって、形態素解析機能３、分割機能４、共起パターン設定機能５、共起抽出機能６、自立語設定機能７、自立語抽出機能８、同義語設定機能９、同義語集約機能１０、削除設定機能１１、削除機能１２、共通表現設定機能１３、表現集約機能１４、書込機能１５、表示制御機能１６を実現する。
【００２６】
また、コンピュータ２は、記憶部１７ａ〜１７ｇを具備する。
【００２７】
なお、本実施の形態において、各機能の間におけるデータの受け渡しは、データを渡す側の機能とデータを受ける側の機能とが共通にアクセス可能な図示しない記憶部を介して行われるとしてもよい。すなわち、データを渡す側の機能は共通にアクセス可能な記憶部にデータを書き込み、データを受ける側の機能は共通にアクセス可能な記憶部からデータを読み出すことにより、必要なデータを取得するとしてもよい。
【００２８】
記憶部１７ａは、分析対象の文書データ１８１〜１８ｎを記憶する。
【００２９】
文書データ１８１は、図２に示すように、例えばアンケートの回答者（記述者、被験者）が自由に記述した自由記述文などのような自由記述データ１９１を含む。また、文書データ１８１は、回答者に関する属性情報などのような自由記述データ１９１の属性データ２０１、自由記述データ１９１と関係する選択式アンケートの回答データ２１１など、自由記述データ１９１と関係付けて参照されるデータを含む。
【００３０】
なお、他の文書データ１８２〜１８ｎについても、同様に、それぞれ自由記述データ１９２〜１９ｎ、属性データ２０２〜２０ｎ、回答データ２１２〜２１ｎを含む。
【００３１】
形態素解析機能３は、図３に示すように、記憶部１７ａに記憶されている文書データ１８１内の自由記述データ１９１に対して形態素解析を実行し、形態素解析結果を示す形態素解析データ２２１を作成する。同様に、形態素解析機能４は、記憶部１７ａに記憶されている文書データ１８２〜１８ｎ内の自由記述データ１９２〜１９ｎに対して形態素解析を実行し、形態素解析結果を示す形態素解析データ２２２〜２２ｎを作成する。
【００３２】
形態素解析データ２２１〜２２ｎは、それぞれ自由記述データ１９１〜１９ｎの内容を単語に分割し、各単語に品詞を付したデータである。
【００３３】
分割機能４は、図４に示すように、形態素解析データ２２１を句読点にしたがって分割した分割データ２３１，２３２を作成する。同様に、分割機能４は、形態素解析データ２２２〜２２ｎを句読点にしたがって分割した分割データ２３３〜２３ｍを作成する。また、分割機能４は、句読点にしたがって自由記述データ１９１〜１９ｎを分割する。
【００３４】
なお、本実施の形態では、形態素解析機能４によって形態素解析を行った後、分割機能４によって句読点にしたがった分割を行うとしている。しかしながら、これとは逆に、分割機能４によって句読点にしたがって自由記述データ１９１〜１９ｎを分割した後、形態素解析機能４によって形態素解析を行うとしてもよい。
【００３５】
共起パターン設定機能５は、ユーザから共起表現の可能性の高い品詞の組み合わせを表す共起パターンの設定、削除、修正を受け付け、設定、削除、修正に応じた内容で共起パターンデータ２４を記憶部１７ｂに記憶する。
【００３６】
本実施の形態において、共起表現は、係り受け関係にある複数の表現（文節）を含むとする。２つまたは３つの表現からなる共起表現では、この２つまたは３つの表現の間で意味的つながりが強い。また、共起表現は、文章と比べて短いため、自由記述においても同じ表現が繰り返し使用される確率が高く、大量の文書データ１８１〜１８ｎの内容を的確に把握するために有効な情報単位である。
【００３７】
図５は、共起パターンデータ２４の例を示す図である。共起パターンデータ２４では、品詞の組み合わせ、表現の組み合わせ、品詞と表現の組み合わせなどを用いて共起パターンが設定されている。
【００３８】
例えば、共起パターンデータ２４では、「形容詞＋名詞」「名詞＋付属語＋動詞」「名詞＋付属語＋形容動詞」「形容動詞＋名詞」などのように、品詞の組み合わせにより、共起表現の可能性の高いパターンが特定されている。
【００３９】
また、例えば、この共起パターンデータ２４では、「名詞＋が＋形容詞」などのように、品詞と「が」のような単語との組み合わせにより、共起表現の可能性の高いパターンが特定されている。
【００４０】
また、例えば、共起パターンデータ２４では、「タッチ＋パネル」などのように、単語の組み合わせにより、共起表現の可能性の高いパターンが特定されているとしてもよい。
【００４１】
その他にも、共起パターンデータ２４は、「名詞＋の（格助詞の一種）＋名詞」「名詞＋格助詞＋名詞」「漢字２文字以上からなる名詞＋名詞」「形容詞＋名詞」「大きい（形容詞の一種）＋名詞」などのパターンを含む。
【００４２】
文節は一つの自立語と、その自立語に付属する付属語がある場合はその一つまたは複数の付属語からなる。本実施の形態において、共起表現は、２つまたは３つの表現（文節）からなるとしたが、２つまたは３つの表現は、それぞれの文節の自立語部分のみを共起パターンデータ２４として設定し、各文節の付属語の有無および付属語の内容は問わないとしてもよい。
【００４３】
共起抽出機能６は、記憶部１７ｂに記憶されている共起パターンデータ２４に基づいて、分割データ２３１〜２３ｍの中から共起表現を抽出し、共起表現データを作成する。
【００４４】
図６は、共起表現データの例を示す図である。この共起表現データ２５は、例えば「文字表示」「文字の表示」などのような、共起パターンデータ２４に基づいて共起表現と判断された表現を含む。
【００４５】
自立語パターン設定機能７は、ユーザから文書分析に用いるために抽出対象とする自立語の設定、削除、修正を受け付け、設定、削除、修正に応じた内容で自立語設定データ２６を記憶部１７ｃに記憶する。
【００４６】
図７は、自立語設定データ２６の例を示す図である。例えば、自立語設定データ２６は、文書分析においてキーワードとなる重要な単語などを含む。なお、自立語設定データ２６は、例えば、抽出する単語、品詞、表現を含むとしてもよい。
【００４７】
自立語抽出機能８は、記憶部１７ｃに記憶されている自立語設定データ２６に基づいて、分割データ２３１〜２３ｍの中から自立語を抽出し、自立語抽出データを作成する。
【００４８】
図８は、自立語抽出データの例を示す図である。自立語抽出データ２７は、自立語設定データ２６に設定されている自立語のうち分割データ２３１〜２３ｍ内に存在する自立語を含む。
【００４９】
同義語パターン設定機能９は、ユーザから、複数の同義語を共通の表現に集約するための設定、削除、修正を受け付け、設定、削除、修正に応じた内容で同義語設定データ２８を記憶部１７ｄに記憶する。
【００５０】
図９は、同義語設定データ２８の例を示す図である。
【００５１】
この同義語設定データ２８において、同じ行における変換対象の表現は、集約表現（左端の共通の表現）にまとめられる。
【００５２】
なお、ある行の集約表現がさらに他の行で変換対象の表現として設定されている場合には、ある行の集約表現は、他の行の集約表現にまとめられるとする。
【００５３】
同義語集約機能１０は、図１０に示すように、記憶部１７ｄに記憶されている同義語設定データ２８に基づいて、共起表現データ２５と自立語抽出データ２７とにおける同義語の集約を行い、同義語集約データ２９を作成する。
【００５４】
すなわち、同義語集約機能１０は、共起表現データ２５と自立語抽出データ２７とに含まれている表現であり上記図９の変換対象の表現を、集約表現に置き換える。
【００５５】
削除設定機能１１は、ユーザから文書分析に用いない表現の設定、削除、修正を受け付け、設定、削除、修正に応じた内容で削除設定データ３０を記憶部１７ｅに記憶する。
【００５６】
図１１は、削除設定データ３０の例を示す図である。
【００５７】
削除設定データ３０では、削除対象の表現と、この削除対象の表現の品詞と、この削除対象表現が共起表現のどの位置に存在する場合に削除を実行するかを示す設定とを含む。
【００５８】
例えば、削除設定データ３０では、共起表現の１番目（１文節目）に名詞として「場合」が現れる場合には、この共起表現を削除する旨が設定されている。
【００５９】
また、削除設定データ３０では、共起表現の２番目（２文節目）に動詞として「できる」が現れる場合には、この共起表現を削除する旨が設定されている。
【００６０】
また、削除設定データ３０では、品詞を限定することなく、共起表現「連絡切符」を削除する旨が設定されている。
【００６１】
削除機能８は、図１２に示すように、記憶部１７ｅに記憶されている削除設定データ３０に基づいて、同義語集約データ２９の中から分析に用いられない表現を含む共起表現または自立語を削除し、分析に用いられる共起表現または自立語のみを含む削除結果データ３１を作成する。
【００６２】
共通表現設定機能１３は、ユーザから、同義の共起表現を共通の表現に集約する規則の設定、削除、修正を受け付け、設定、削除、修正に応じた内容に応じた共通表現設定データ３２を記憶部１７ｆに記憶する。
【００６３】
この共通表現設定データ３２では、互いに対比される共起表現がそれぞれ２つの自立語を含み、この対比される共起表現のそれぞれに含まれている２つの自立語（用言の場合はその終止形）の組み合わせが同じ場合、この共起表現内での自立語（文節）の順序、自立語の活用部分、共起表現に含まれている付属語が異なっていても、同義（同じ内容）であると判断し、互いに対比される共起表現を共通の表現で集約する旨が設定されている。
【００６４】
なお、共通表現設定データ３２では、同義と判断された共起表現のうち出現頻度の一番高い表現を共通の表現に用いる旨が設定されているとしてもよい。
【００６５】
また、共通表現設定データ３２では、共通の表現として用いる品詞・付属語・活用語尾パターンが設定されているとしてもよい。例えば、共通の表現として「名詞＋が（格助詞）＋形容詞終止形」というパターンを用いる旨が設定されており、集約される共起表現における自立語の活用しない部分が「文字」「大き」の場合、共通の表現は「文字が大きい」となる。
【００６６】
表現集約機能１４は、図１３に示すように、記憶部１７ｆに記憶されている共通表現設定データ３２に基づいて、削除結果データ３１に含まれている同義の共起表現を集約して共通の表現に変換し、集約結果および集約された共起表現の数を表す表現集約データ３３を作成する。
【００６７】
書込機能１５は、自由記述データ１９１〜１９ｎ、属性データ２０１〜２０ｎ、回答データ２１１〜２１ｎを含む文書データ１８１〜１８ｎ、形態素解析データ２２１〜２２ｎ、分割データ２３３〜２３ｍ、共起表現データ２５、自立語抽出データ２７、同義語集約データ２９、削除結果データ３１、表現集約データ３３について、互いに関連する項目及びデータ要素間で関連付けを行った分析データ３４を作成し、分析データ３４を記憶部１７ｇに書き込む。
【００６８】
表示制御機能１６は、記憶部１７ｇに記憶されている分析データ３４に基づいて、文書データ１８１〜１８ｎの分析に有効な事項を表示装置３５に表示させるための制御を実行する。
【００６９】
以下に、本実施の形態について、具体例を挙げて説明する。
【００７０】
文書データ１８１〜１８ｎには、自由記述データ１９１〜１９ｎに加えて、属性データ２０１〜２０ｎ、アンケート選択式設問に対する回答データ２１１〜２１ｎなど、自由記述データ１９１〜１９ｎの分析結果と合わせて参照したい各種データが含まれている。
【００７１】
形態素解析機能３は、文書データ１８１〜１８ｎのうち分析対象となる部分を形態素解析する。形態素解析は、文章を単語に分け品詞を付与する処理である。例えば、「銀行のＡＴＭのタッチパネルはＯ．Ｋなのに、駅の券売機のタッチパネルはダメな時が多い。」という自由記述データ１９１を形態素解析により単語に分割し品詞を付与すると、「/銀行[名詞]・の[付属語]/ＡＴＭ[名詞]・の[付属語]/タッチ[名詞]/パネル[名詞]・は[付属語]/Ｏ．Ｋ[英語]・なのに[付属語]/、[読点]/駅[名詞]・の[付属語]/券売機[名詞]・の[付属語]/タッチ[名詞]/パネル[名詞]・は[付属語]/ダメ[形容動詞]・な[付属語]/時[名詞]・が[付属語]/多[形容詞]・い[活用語尾]/。[句点]」という形態素解析データ２２１が作成される。
【００７２】
分割機能４は、形態素解析データ２２１〜２２ｎおよび自由記述データ１９１〜１９ｎを句読点で区切った分割データ２３１〜２３ｎを作成する。分割データ２３１〜２３ｎの文章は、形態素解析データ２２１〜２２ｎの文章よりも短い。このため、分割データ２３１〜２３ｎ内では、同じ表現が現れる可能性が高くなる。
【００７３】
共起パターン設定機能５は、分割データ２３１〜２３ｎ内に隣接して現れるパターンにより共起表現を判定し抽出するために、ユーザから共起パターンの追加・削除・修正を受け付ける。
【００７４】
正式な文法にしたがって文章が記述されている場合、隣接する表現の品詞パターンにより文法的に正しい共起表現を高確率に抽出することが可能である。しかしながら、口語的な文章の場合には、文法的に正しくない共起表現が抽出される場合がある。そこで、口語的な文章を高精度に分析するために、ユーザは、共起表現である可能性の高い共起パターンを追加登録し、逆に有効に情報抽出を行うことが困難な共起パターンを削除・修正する。これにより、共起表現を柔軟に抽出することが可能となる。
【００７５】
設定される共起パターンは、「名詞＋の（格助詞）＋名詞」「名詞＋格助詞＋名詞」「漢字2文字以上からなる名詞＋名詞」「大きい(形容詞)＋名詞」などのように、品詞の組み合わせを設定してもよく、品詞だけでなく表現を設定してもよい。また、「名詞（＋付属語の有無不問）＋名詞」のように、文節中の自立語部分のみで判定するようなパターンを共起パターンとして設定してもよい。
【００７６】
また、抽出される共起パターンを設定するばかりでなく、一部の除外したいパターンを合わせて設定可能としてもよい。例えば、「形容詞＋名詞」を抽出対象のパターンとして設定した上で、「形容詞＋こと(名詞)」は抽出しない旨を設定してもよい。同様に、「形容詞＋名詞」を抽出対象のパターンとして設定した上で「形容詞＋こと」は抽出しない旨を設定してもよい。
【００７７】
共起抽出機能６は、分割データ２３１〜２３ｎを分析し、共起表現を抽出する。共起表現とは、係り受け関係にある複数の表現（文節）からなる。
【００７８】
例えば、上記の例文中で、「銀行のＡＴＭ」「タッチパネル」はそれぞれ２つの表現で構成されるが、意味的つながりが強く、共起表現と判断できる。
【００７９】
２つの表現（２文節）または３つの表現（３文節）を含む共起表現は、単語(「銀行」「ＡＴＭ」「タッチ」「パネル」など)と比較して長い表現であるために意味内容を把握しやすい。一方で、２つの表現（２文節）または３つの表現（３文節）からなる共起表現は、一般的な自由記述文に比べて短いため、複数の自由記述文内で同じ表現が使われる可能性が高く、大量の文書データ１８１〜１８ｎの内容把握に有効な情報単位となる。
【００８０】
例えば、共起抽出機能６は、分割データ２３１〜２３ｎ内に「名詞＋の（格助詞）＋名詞」(「銀行のＡＴＭ」など)の共起パターンが現れた場合、共起表現である可能性が高いので、共起表現として抽出する。このように、分割データ２３１〜２３ｎ内の隣接する品詞の組み合わせに基づいて共起表現か否かを判断することにより、処理時間の短縮化を図ることが可能であり、口語的な文章からも柔軟に共起表現を抽出可能である。
【００８１】
自立語設定機能７は、ユーザから、抽出する自立語(単語)のパターン(品詞または表現)の追加・削除・修正を受け付ける。
【００８２】
一般的に、自立語には、名詞、動詞、形容詞、形容動詞、副詞、接続詞、感動詞などがあるが、全ての自立語が分析対象の自由記述文の内容を的確に表すとは限らない。また、日本語の自立語には該当しないが、英語表記が分析対象の自由記述文の内容を的確に表す場合もある。そこで、ユーザは、抽出する自立語のパターンを追加・削除・修正可能する。これにより、分析方針に合わせた柔軟な自立語の抽出が可能となる。
【００８３】
なお、自立語設定データ２６は、品詞により抽出される自立語を特定してもよい。また、自立語設定データ２６は、例えば、「漢字で表現されている名詞を抽出対象とする」などのように、品詞と表現とにより抽出される自立語を特定してもよい。
【００８４】
また、抽出されるパターンを設定するばかりでなく、一部の除外したいパターンを合わせて設定してもよい。例えば、名詞を抽出対象として設定した上で、「こと(名詞)」「もの(名詞)」は抽出しない旨を設定し、「こと」「もの」を除く名詞のみを抽出するような設定を行ってもよい。
【００８５】
自立語抽出機能８は、設定された自立語(単語)を抽出する。自立語抽出機能８によって自立語を抽出することにより、「金額(名詞)」「老人(名詞)」「子ども(名詞)」など、共起表現よりも短い表現であるが回答者の意識の向いている表現を抽出することができ、分析対象の自由記述文の内容を漏れなく把握することが可能となる。
【００８６】
同義語設定機能９は、上記図９に示すような同義語設定を受け付ける。
【００８７】
同義語集約機能１０は、抽出された共起表現及び抽出された自立語について、ユーザ（分析者）の設定に基づく同義語の集約を行い、抽出した共起表現や自立語の表記を変更する。このようなユーザ設定による同義語の集約を行うことにより、分析対象の自由記述文からの内容抽出及び内容把握を効率的に行うことができる。
【００８８】
削除設定機能１１は、ユーザから、単語レベル・共起表現レベルで削除対象の表現を受け付ける。
【００８９】
削除機能１２は、同義語集約データ２９の中から、設定された削除対象の表現を削除する。これにより、ユーザの要求に合った分析結果を得ることができる。
【００９０】
共通表現設定機能１３は、共起表現の集約規則の設定を受け付ける。
【００９１】
表現集約機能１４は、抽出された多数の共起表現のうち同義の共起表現を集約する。本実施の形態において、表現集約機能１４は、２文節共起の集約にあたり、第一文節の自立語（用言の場合はその終止形）及び第二文節の自立語（用言の場合はその終止形）の組み合わせが同じ共起表現を、共起表現内での文節の順番、自立語の活用部分、付属語が異なっても同じ内容を示すとみなし、一つの共通の表現に集約する。
【００９２】
例えば、
文字が大きい(/文字[名詞]・が[付属語]/大き[形容詞]・い[活用語尾])
文字も大きい(/文字[名詞]・も[付属語]/大き[形容詞]・い[活用語尾])
文字の大きさ(/文字[名詞]・の[付属語]/大き[形容詞]・さ[活用語尾])
大きい文字(/大き[形容詞]・い[活用語尾]/文字[名詞]・が[付属語])
の全てにおいて、自立語「文字（名詞）」と「大きい（形容詞）」とが含まれる。自立語の間にはさまれている付属語、および「大きい」の活用語尾部分は異なっているが、自立語（用言の場合はその終止形）は「文字(名詞)」と「大きい(形容詞)」であり共通する。
【００９３】
上記の４つの共起表現「文字が大きい」「文字も大きい」「文字の大きさ」「大きい文字」は意味が全く同じではない。しかしながら、回答者の意識は「文字の大きさ」にあり、文字のサイズについて単に大小ではなくて大きいことに意識が向いている、という点で同様とみなせる内容である。
【００９４】
アンケート回答の整理などの場合、このような情報は同じ内容とみなして集約し、回答のグループ分けを行うことが有効である。
【００９５】
本実施の形態では、これらの共起表現を分けて集計・提示するのではなくて、「文字が大きい」という共通の表現に集約し、集計・提示することで、有効な情報集約が可能となる。
【００９６】
なお、共通の表現は、集約される共起表現のうち出現頻度が一番高い表現としてもよい。また、共通の表現について、例えば「名詞＋が（格助詞）＋形容詞終止形」などのように、品詞・付属語・活用語尾のパターンを決めておき、このパターンにしたがって、例えば「文字が大きい」などのように、共通の表現を作成するとしてもよい。
【００９７】
書込機能１５は、抽出され集約された共起表現を含む表現集約データ３３と、他の関連するデータとを関係付けた分析データ３４を作成する。
【００９８】
表示制御機能１６は、分析データ３４の内容を様々な形態で表示装置３５に表示させる。
【００９９】
図１４は、本実施の形態に係る文書処理プログラム１ａによる処理の例を示すフローチャートである。
【０１００】
ステップＳ１において、形態素解析機能３は、文書データ１８１〜１８ｎの自由記述データ１９１〜１９ｎに対して形態素解析を実行し、形態素解析データ２２１〜２２ｎを作成する。
【０１０１】
ステップＳ２において、分割機能４は、形態素解析データ２２１〜２２ｎを句読点にしたがって分割した分割データ２３１〜２３ｎを作成する。
【０１０２】
なお、自由記述データ１９１〜１９ｎを句読点にしたがって分割した後、形態素解析を実行するとしてもよい。
【０１０３】
ステップＳ３ａにおいて、共起抽出機能６は、分割データ２３１〜２３ｎから共起表現を抽出し、共起表現データを作成する。
【０１０４】
また、ステップＳ３ｂにおいて、自立語抽出機能８は、分割データ２３１〜２３ｎから設定されている自立語を抽出し、自立語抽出データ２７を作成する。
【０１０５】
なお、ステップＳ３ａ，Ｓ３ｂの実行順序は、ステップＳ３ａ実行後にステップＳ３ｂを実行してもよく、逆の順序でもよく、並列に実行されるとしてもよい。
【０１０６】
ステップＳ４において、同義語集約機能１０は、抽出された共起表現と抽出された自立語に対して同義語の集約を行い、同義語集約データ２９を作成する。
【０１０７】
ステップＳ５において、削除機能１２は、同義語集約データ２９の中から削除対象として設定されている表現を削除し、削除結果データ３１を作成する。
【０１０８】
ステップＳ６において、表現集約機能１４は、削除結果データ３１に対して、共起表現に含まれている自立語（用言の場合にはその終止形）の組み合わせが同一の場合に、この共起表現を共通の表現に変換して集約を行い、表現集約データ３３を作成する。
【０１０９】
ステップＳ７において、書込機能１５は、表現集約データ３３と各種データとの関係付けを行い、分析データ３４を作成する。
【０１１０】
ステップＳ８において、表示制御機能１６は、分析データを様々な形態で表示装置３５に表示させるための制御を実行する。
【０１１１】
以上説明した本実施の形態においては、２文節の共起表現の集約について、第一文節の自立語（用言の場合はその終止形）及び第二文節の自立語（用言の場合はその終止形）の組み合わせが同じ共起表現が、文節の順番、活用部分、付属語が異なっていても同じ内容を示すとみなされ、一つの共通の表現に集約される。
【０１１２】
これにより、良好な共起表現の集約を行うことができ、大量の文書データ１８１〜１８ｎについて効率的かつ正確な分析を行うことができる。すなわち、大量の文書データ１８１〜１８ｎの内容が端的な表現で抽出され、ユーザは、アンケート回答などの大量のデータをすべて読む必要がないため、大量のデータの内容を容易に把握することができる。
【０１１３】
また、本実施の形態においては、２文節または３文節からなる共起表現のみではなく自立語も文書内容として抽出される。
【０１１４】
これにより、共起表現よりも短い表現であり回答者の意識の向いている表現を抽出することができ、分析対象の文書の内容を漏れなく把握することができる。
【０１１５】
また、本実施の形態においては、ユーザが同じ意味内容とみなしたい同義語が集約される。これにより、分析対象の自由記述文からの内容抽出及び内容把握を効率的に行うことができる。
【０１１６】
また、本実施の形態においては、分析に必要のない表現が削除されるため、ユーザの要求に合った分析結果を得ることができる。
【０１１７】
また、本実施の形態においては、形態素解析データ２２１〜２２ｎを句読点で分割して作成された分割データ２３１〜２３ｎから共起表現が抽出される。これにより、分割データとして同じ表現が現れる可能性が高くなり、共起表現の原文（分割データ）参照を効率よく行うことができる。
【０１１８】
本実施の形態では、分析に必要のない表現を削除することができ、抽出された表現について同義語集約が行われ、抽出された共起表現について集約が行われるため、大量のデータについてのグループ分けが容易となる。
【０１１９】
（第２の実施の形態）
本実施の形態においては、上記第１の実施の形態の変形例について説明する。
【０１２０】
本実施の形態において、共起抽出機能６は、構文解析を行って係り受け関係を認識し、共起表現を抽出する。
【０１２１】
構文解析を行うことにより、文章中の離れた位置にある表現（文節）についても共起表現として抽出可能となる。
【０１２２】
例えば「大きな操作しやすい券売機」という文章を構文解析することで、「大きな」と「券売機」とは位置が接していないが、「大きな券売機」「操作しやすい券売機」という共起表現を抽出することができる。
【０１２３】
したがって、本実施の形態においては、より適切に共起表現を抽出することができる。
【０１２４】
（第３の実施の形態）
本実施の形態では、上記第１または第２の実施の形態に係る分析データ３４の表示形態について説明する。
【０１２５】
図１５は、本実施の形態に係る分析データ３４の表示形態の第１例を示す図である。
【０１２６】
この図１５では、集約後の共通の表現とその出現頻度とが表示されている。また、抽出され共通の表現に集約された共起表現とその出現頻度（共起頻度）とが表示されている。また、共起表現ごとに、その共起表現に含まれている単語とその単語の品詞とが表示されている。この図１５では、共通の表現及び共起表現とは、出現頻度の高い順に表示されている。
【０１２７】
なお、共通の表現とともに同義語集約された後の自立語を表示してもよく、共起表現とともに抽出された自立語を表示してもよい。
【０１２８】
このように、抽出された情報を出現頻度の高い順に表示することにより、ユーザは大量の自由記述データ１９１〜１９ｎの中で数多く記述されている内容を効率的に把握することができる。
【０１２９】
また、この図１５の表示内容と合わせて、自由記述データ１９１〜１９ｎのうちユーザに指定された自由記述文を表示するとしてもよい。これにより、大量の文書内容を集約して把握しつつ、実際の表記も把握することができ、テキストマイニングの辞書作成などに有効な情報が提供される。
【０１３０】
図１６は、本実施の形態に係る分析データ３４の表示形態の第２例を示す図である。
【０１３１】
この図１６では、自由記述文を句読点で区切った内容、句読点で区切った内容に対する形態素解析の内容、句読点で区切った内容の文節数、句読点で区切った内容の出現頻度、句読点で区切った内容から抽出された共起表現が表示されている。
【０１３２】
複数回現れる句読点で区切った内容と、その句読点で区切った内容から抽出される共起表現、自立語を合わせて観察することにより、抽出対象とする共起パターンの見直しまたは削除すべき表現の見直しを効率的に行うことができる。
【０１３３】
図１７は、本実施の形態に係る分析データ３４の表示形態の第３例を示す図である。
【０１３４】
この図１７では、抽出された共起表現「タッチパネル」について、この共起表現が抽出された自由記述文、この自由記述文から抽出された他の共起表現、自由記述文に関する例えば「性別」「年齢」などの属性データ、抽出された共起表現「タッチパネル」の単語とその品詞が表示されている。
【０１３５】
このように、共起表現と合わせて自由記述文、属性、他の共起表現を表示することにより文書データ１８１〜１８ｎの内容の背景を効率的に把握することができる。
【０１３６】
上記図１５から図１７の表示形式について、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語(単語)を分けずに表示するとしてもよい。
【０１３７】
また、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語を組み合わせて表示する場合、ユーザの選択により表示内容について各種の限定(例えば、自立語は名詞のみ、共起表現は「名詞＋格助詞＋形容詞」のみなど)を行ってもよい。
【０１３８】
自立語と共起表現を合わせて表示することで、共起表現に満たない自立語も漏れなく、共起表現と合わせて効率的に把握することができる。
【０１３９】
図１８は、本実施の形態に係る分析データ３４の表示形態の第４例を示す図である。
【０１４０】
この図１８では、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語について、全体での集計結果及び各種の属性別の集計結果が表示されている。例えば出現頻度が高い方から一定数の表現が表示されている。なお、自立語の品詞または共起パターン別に表示を行ってもよい。この図１８では、名詞が表示されている。属性別の表示内容について、他の属性で現れない部分をマークして表示することにより、ユーザは、属性ごとの特徴を容易に把握することができる。
【０１４１】
図１９は、本実施の形態に係る分析データ３４の表示形態の第５例を示す図である。
【０１４２】
この図１９では、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語について、各種の属性別の集計結果のうち全体での集計結果では抽出されているがその属性では抽出されていない表現が表示されている。例えば、出現頻度の高い方から一定数の表現が並べられ、この状態において全体の集計結果と各属性の集計結果とが比較され、全体での集計結果では抽出されているがその属性では抽出されていない表現が表示される。なお、自立語の品詞または共起パターン別に表示を行ってもよい。この図１９では、名詞が表示されている。このように、各属性で現れないが他の属性で現れる表現を表示することにより、ユーザは属性ごとの特徴を容易に把握することができる。
【０１４３】
さらに、他の表示形態として、分析データ３４について、共通の表現、抽出された共起表現、抽出された自立語を品詞や共起パターンを限定することなく表示する。これにより、自由記述文の分析方針が明白になっていない段階などにおいて、大量の文章で表現されている内容を効率的に把握することができる。
【０１４４】
一方で、抽出された共起表現を品詞の組み合わせパターン別で表示するとしてもよく、または抽出された自立語を品詞別で表示するとしてもよい。例えば抽出された名詞だけを表示した場合には、ユーザは大量の自由記述文で言及されている項目を効率的に把握することができる。
【０１４５】
自由記述文が何かに関する評価の調査について記述されている場合、抽出された自立語のうち形容詞または形容動詞のみ、または抽出された共起表現のうち「名詞＋格助詞＋形容詞」の共起パターンのみを表示することで、ユーザは自由記述文中で表現されている評価を効率的に把握することができる。
【０１４６】
なお、上記各実施の形態で説明した文書処理プログラム１ａは、例えば磁気ディスク（フレキシブルディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ等）、半導体メモリなどの記録媒体に書き込んで、コンピュータ２に適用可能である。また、上記文書処理プログラム１ａは、通信媒体により伝送してコンピュータ２に適用することも可能である。コンピュータ２は、上記文書処理プログラム１ａを読み込み、上記文書処理プログラム１ａによって動作が制御されることにより、上記の機能を実現する。
【０１４７】
上記各実施の形態において、ソフトウェアにより実現される機能は、ハードウェアによって実現されるとしてもよい。
【０１４８】
上記各実施の形態において、文書処理プログラム１ａは、複数のコンピュータに分散して配置され、複数のコンピュータ間で互いに連携しつつ処理が実行されるとしてもよい。
【０１４９】
上記各実施の形態において、各構成要素は、同様の動作を実現可能であれば自由に変形可能であり、配置を変更させてもよく、自由に組み合わせることが可能であり、分割することも可能である。
【０１５０】
例えば、各記憶部１７ａ〜１７ｇ及び各機能間でデータを受け渡しするために用いられる記憶部は、自由に組み合わせてもよい。また、各記憶部１７ａ〜１７ｇ及び各機能間でデータを受け渡しするために用いられる記憶部は、コンピュータ２に内蔵されているメモリなどでもよく、コンピュータ２に対して備えられる外付けのハードディスクなどでもよい。
【０１５１】
上記各実施の形態においては、共起表現に含まれている自立語（用言の場合はその終止形）の組み合わせが同一の場合に、共起表現の集約を行うとしている。しかしながら、例えば、単語がサ行変格活用動詞（する）などのように単語全体が活用しない場合には、共起表現に含まれている複数の単語または自立語における活用しない部分の組み合わせが同一の場合に、共起表現の集約を行うとしてもよい。
【０１５２】
また、自立語が用言の場合、この用言の自立語の終止形の変わりに、未然形、連体形など他の活用で、組み合わせが同一か否か判断するとしてもよい。
【０１５３】
以下に、一般的な各種用語の意味について説明する。
【０１５４】
一般的には、共起表現とは、係り受け関係にある複数文節からなる表現を意味する。
【０１５５】
係り受けとは、「主語と述語（太郎は帰った）」「修飾と被修飾（家に帰った）」「補助の関係（歩いてくる）」「並立の関係（赤と白）」「接続・被接続の関係（雨なので濡れた）」などの文節間の関係を意味する。
【０１５６】
単語は、意味の一まとまりを表し、文法上の働きを持つ言語の最小単位である。
【０１５７】
文節は、文を意味上の判断が可能なレベルで区切った最小単位である。文節は、自立語から始まり、この自立語に付属する付属語がある場合はこの付属語を伴い、次の自立語の前で終わる。
【０１５８】
自立語は、単独で一文節を構成することができる単語である。自立語は、その一語だけでもその意味内容がわかる。
【０１５９】
付属語には、助詞、助動詞などの種別がある。付属語は、その一語のみではその意味内容がわからない。
【０１６０】
体言は、概念を表し、活用がない単語である。体言には、名詞、代名詞、数詞などの種別がある。
【０１６１】
用言は、活用する単語のうち、動詞、形容詞、形容動詞に属する単語である。
【産業上の利用可能性】
【０１６２】
本発明は、文書データの分析に用いられるプログラム及び文書処理装置並びに文書処理方法の分野に有効である。
【図面の簡単な説明】
【０１６３】
【図１】本発明の第１の実施の形態に係る文書処理プログラムをコンピュータに適用させた場合の例を示すブロック図。
【図２】文書データの例を示す図。
【図３】形態素解析データの例を示す図。
【図４】分割データの例を示す図。
【図５】共起パターンデータの例を示す図。
【図６】共起表現データの例を示す図。
【図７】自立語設定データの例を示す図。
【図８】自立語抽出データの例を示す図。
【図９】同義語設定データの例を示す図。
【図１０】同義語集約機能による同義語集約データの作成状態の例を示すブロック図。
【図１１】削除設定データの例を示す図
【図１２】削除機能による削除結果データの作成状態の例を示すブロック図。
【図１３】表現集約機能による表現集約データの作成状態の例を示すブロック図。
【図１４】同実施の形態に係る文書処理プログラムによる処理の例を示すフローチャート。
【図１５】本発明の第３の実施の形態に係る分析データの表示形態の第１例を示す図。
【図１６】同実施の形態に係る分析データの表示形態の第２例を示す図。
【図１７】同実施の形態に係る分析データの表示形態の第３例を示す図。
【図１８】同実施の形態に係る分析データの表示形態の第４例を示す図。
【図１９】同実施の形態に係る分析データの表示形態の第５例を示す図。
【符号の説明】
【０１６４】
１…記録媒体、１ａ…文書処理プログラム、２…コンピュータ、３…形態素解析機能、４…分割機能、５…共起パターン設定機能、６…共起抽出機能、７…自立語設定機能、８…自立語抽出機能、９…同義語設定機能、１０…同義語集約機能、１１…削除設定機能、１２…削除機能、１３…共通表現設定機能、１４…表現集積機能、１５…書込機能、１６…表示制御機能、１７ａ〜１７ｇ…記憶部、１８１〜１８ｎ…文書データ、１９１〜１９ｎ…自由記述データ、２０１〜２０ｎ…属性データ、２１１〜２１ｎ…回答データ、２２１〜２２ｎ…形態素解析データ、２３１〜２３ｎ…分割データ、２４…共起パターンデータ、２５…共起表現データ、２６…自立語設定データ、２７…自立語抽出データ、２８…同義語設定データ、２９…同義語集約データ、３０…削除設定データ、３１…削除結果データ、３２…共通表現設定データ、３３…表現集約データ、３４…分析データ、３５…表示装置
【技術分野】
【０００１】
本発明は、文書データの分析作業に用いられるプログラム及び文書処理装置並びに文書処理方法に関する。
【背景技術】
【０００２】
大量の文書データの内容を把握するために、文書データ中の自立語または共起表現を抽出する試みが、以前より行われている。
【０００３】
抽出された自立語または共起表現は、抽出頻度順にリスト表示される場合がある。また、抽出された単語または共起表現についてコレスポンデス分析を行って、抽出された自立語または共起表現と属性との対応関係を距離として表示した二次元マップが作成される場合もある。
【０００４】
特許文献１（特開２００３−２６３４４６号公報）では、文書について形態素解析された結果の中から特定の単語の並びを抽出し、抽出された結果から特定の情報を抽出する複数表現分析装置が開示されている。
【０００５】
特許文献２（特開２００２−３４２３２１号公報）では、文書について形態素解析された結果の中から特定の単語の並びを抽出し、同一の文書から同じ単語の並びが特定数以上出現した場合に、用語として抽出する用語抽出装置が開示されている。
【０００６】
特許文献３（特開２００１−２９０８３３号公報）では、形態素解析によって分割された単語に基づいて共起情報記憶手段に記憶された共起情報を参照し、文章のトピックを抽出する文章処理装置が開示されている。
【０００７】
この特許文献３の装置は、「貿易」と「輸入」とが共起する、「貿易」と「輸出」とが共起する、という共起情報から、「貿易」と「輸入」と「輸出」とを同じトピック「貿易」にまとめる。
【０００８】
特許文献４（特開平８−３２９０９０号公報）では、係り側文節と受け側文節の共起関係の情報を複数のレコードに収容し、記憶する共起辞書装置が開示されている。
【０００９】
特許文献５（特開平１０−９１６２８号公報）では、助詞情報などが不完全な文において、形態素解析処理結果の各文節間の係り受け関係から共起関係データを抽出し、係り受け関係を認識する構文解析システムが開示されている。
【特許文献１】特開２００３−２６３４４６号公報
【特許文献２】特開２００２−３４２３２１号公報
【特許文献３】特開２００１−２９０８３３号公報
【特許文献４】特開平８−３２９０９０号公報
【特許文献５】特開平１０−９１６２８号公報
【発明の開示】
【発明が解決しようとする課題】
【００１０】
多数の文書データから多数の共起表現が抽出され、この多数の共起表現の中に同義の共起表現が多数含まれている場合、共起表現に基づいてこの多数の文書データの内容を把握する作業が煩雑になる場合がある。したがって、同義の共起表現については共通の表現で表すことが望まれる。
【００１１】
上記特許文献１では、文書からあるパターンと一致した個所を抽出し、抽出結果を意味情報ごとに関連付け、同じ意味情報を有する抽出結果をまとめる（特許文献１の段落［００２８］）。しかしながら、この特許文献１には、具体的にどのような場合に、複数の共起表現を同義であるとしてまとめるかについては記載されていない。
【００１２】
上記特許文献２では、文書中の辞書に未登録の用語を抽出することが記載されているが、複数の共起表現を抽出し、この複数の共起表現が同義の場合にまとめることに関しては記載されていない。
【００１３】
上記特許文献３では、文章が単語に分割され、共起し易い単語を単語クラスタにまとめることが記載されている。しかしながら、共起表現自体を抽出し、この抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１４】
上記特許文献４では、係り側文節と受け側文節の共起関係の情報を複数のレコードに収容し、記憶する共起辞書装置について記載されている。しかしながら、共起表現自体を抽出すること、およびこの抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１５】
上記特許文献５では、助詞情報などが不完全な文において、係り受けの解析を行う構文解析システムについて記載されている。しかしながら、この特許文献５においても、抽出された共起表現のうち同義の共起表現をまとめる具体的な手法に関しては記載されていない。
【００１６】
本発明は、以上のような実情に鑑みてなされたもので、文書データから共起表現を抽出し、同義の共起表現を共通の表現でまとめるプログラム及び文書処理装置並びに文書処理方法を提供することを目的とする。
【課題を解決するための手段】
【００１７】
本発明の例では、コンピュータに、第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する機能、第２記憶手段に記憶されている共起パターンに基づいて、形態素解析データの中から複数の共起表現を抽出する共起抽出機能、複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、複数の共起表現を共通の表現でまとめる機能、文書データと共通の表現とを関係付けた分析データを第３記憶手段に記憶する機能
を実現させるためのプログラムが提供される。
【発明の効果】
【００１８】
本発明により、文書データから抽出された共起表現について、同義の共起表現を共通の表現でまとめることができ、ユーザによる文書データの分析作業を効率化させることができる。
【発明を実施するための最良の形態】
【００１９】
以下、図面を参照しながら本発明の実施の形態について説明する。なお、以下の各実施の形態において、同様の部分については同様の符号を付して説明を省略する。
【００２０】
（第１の実施の形態）
本実施の形態では、共起表現を抽出し、共起表現に含まれている複数の自立語を抽出し、複数の自立語について体言の場合はその体言の自立語、用言の場合はこの用言の自立語の終止形を求め、この複数の自立語（用言の場合にはその終止形）の組み合わせを求める。
【００２１】
そして、本実施の形態では、複数の共起表現について自立語（用言の場合はその終止形）の組み合わせが同じ場合、この複数の共起表現を共通の表現でまとめる。
【００２２】
これにより、複数の単語を含む共起表現において、この複数の単語の並び順に関係なく同義としてまとめることができる。なお、以下において、同義の表現（単語、共起表現を含む）を共通の表現にまとめることを集約という。
【００２３】
図１は、本実施の形態に係る文書処理プログラムをコンピュータに適用させた場合の例を示すブロック図である。
【００２４】
記録媒体１に記録されている文書処理プログラム１ａをコンピュータ２が読み込み、実行する。これにより、コンピュータ２は、文書処理装置としての機能を実現する。
【００２５】
具体的には、コンピュータ２は、文書処理プログラム１ａにしたがって、形態素解析機能３、分割機能４、共起パターン設定機能５、共起抽出機能６、自立語設定機能７、自立語抽出機能８、同義語設定機能９、同義語集約機能１０、削除設定機能１１、削除機能１２、共通表現設定機能１３、表現集約機能１４、書込機能１５、表示制御機能１６を実現する。
【００２６】
また、コンピュータ２は、記憶部１７ａ〜１７ｇを具備する。
【００２７】
なお、本実施の形態において、各機能の間におけるデータの受け渡しは、データを渡す側の機能とデータを受ける側の機能とが共通にアクセス可能な図示しない記憶部を介して行われるとしてもよい。すなわち、データを渡す側の機能は共通にアクセス可能な記憶部にデータを書き込み、データを受ける側の機能は共通にアクセス可能な記憶部からデータを読み出すことにより、必要なデータを取得するとしてもよい。
【００２８】
記憶部１７ａは、分析対象の文書データ１８１〜１８ｎを記憶する。
【００２９】
文書データ１８１は、図２に示すように、例えばアンケートの回答者（記述者、被験者）が自由に記述した自由記述文などのような自由記述データ１９１を含む。また、文書データ１８１は、回答者に関する属性情報などのような自由記述データ１９１の属性データ２０１、自由記述データ１９１と関係する選択式アンケートの回答データ２１１など、自由記述データ１９１と関係付けて参照されるデータを含む。
【００３０】
なお、他の文書データ１８２〜１８ｎについても、同様に、それぞれ自由記述データ１９２〜１９ｎ、属性データ２０２〜２０ｎ、回答データ２１２〜２１ｎを含む。
【００３１】
形態素解析機能３は、図３に示すように、記憶部１７ａに記憶されている文書データ１８１内の自由記述データ１９１に対して形態素解析を実行し、形態素解析結果を示す形態素解析データ２２１を作成する。同様に、形態素解析機能４は、記憶部１７ａに記憶されている文書データ１８２〜１８ｎ内の自由記述データ１９２〜１９ｎに対して形態素解析を実行し、形態素解析結果を示す形態素解析データ２２２〜２２ｎを作成する。
【００３２】
形態素解析データ２２１〜２２ｎは、それぞれ自由記述データ１９１〜１９ｎの内容を単語に分割し、各単語に品詞を付したデータである。
【００３３】
分割機能４は、図４に示すように、形態素解析データ２２１を句読点にしたがって分割した分割データ２３１，２３２を作成する。同様に、分割機能４は、形態素解析データ２２２〜２２ｎを句読点にしたがって分割した分割データ２３３〜２３ｍを作成する。また、分割機能４は、句読点にしたがって自由記述データ１９１〜１９ｎを分割する。
【００３４】
なお、本実施の形態では、形態素解析機能４によって形態素解析を行った後、分割機能４によって句読点にしたがった分割を行うとしている。しかしながら、これとは逆に、分割機能４によって句読点にしたがって自由記述データ１９１〜１９ｎを分割した後、形態素解析機能４によって形態素解析を行うとしてもよい。
【００３５】
共起パターン設定機能５は、ユーザから共起表現の可能性の高い品詞の組み合わせを表す共起パターンの設定、削除、修正を受け付け、設定、削除、修正に応じた内容で共起パターンデータ２４を記憶部１７ｂに記憶する。
【００３６】
本実施の形態において、共起表現は、係り受け関係にある複数の表現（文節）を含むとする。２つまたは３つの表現からなる共起表現では、この２つまたは３つの表現の間で意味的つながりが強い。また、共起表現は、文章と比べて短いため、自由記述においても同じ表現が繰り返し使用される確率が高く、大量の文書データ１８１〜１８ｎの内容を的確に把握するために有効な情報単位である。
【００３７】
図５は、共起パターンデータ２４の例を示す図である。共起パターンデータ２４では、品詞の組み合わせ、表現の組み合わせ、品詞と表現の組み合わせなどを用いて共起パターンが設定されている。
【００３８】
例えば、共起パターンデータ２４では、「形容詞＋名詞」「名詞＋付属語＋動詞」「名詞＋付属語＋形容動詞」「形容動詞＋名詞」などのように、品詞の組み合わせにより、共起表現の可能性の高いパターンが特定されている。
【００３９】
また、例えば、この共起パターンデータ２４では、「名詞＋が＋形容詞」などのように、品詞と「が」のような単語との組み合わせにより、共起表現の可能性の高いパターンが特定されている。
【００４０】
また、例えば、共起パターンデータ２４では、「タッチ＋パネル」などのように、単語の組み合わせにより、共起表現の可能性の高いパターンが特定されているとしてもよい。
【００４１】
その他にも、共起パターンデータ２４は、「名詞＋の（格助詞の一種）＋名詞」「名詞＋格助詞＋名詞」「漢字２文字以上からなる名詞＋名詞」「形容詞＋名詞」「大きい（形容詞の一種）＋名詞」などのパターンを含む。
【００４２】
文節は一つの自立語と、その自立語に付属する付属語がある場合はその一つまたは複数の付属語からなる。本実施の形態において、共起表現は、２つまたは３つの表現（文節）からなるとしたが、２つまたは３つの表現は、それぞれの文節の自立語部分のみを共起パターンデータ２４として設定し、各文節の付属語の有無および付属語の内容は問わないとしてもよい。
【００４３】
共起抽出機能６は、記憶部１７ｂに記憶されている共起パターンデータ２４に基づいて、分割データ２３１〜２３ｍの中から共起表現を抽出し、共起表現データを作成する。
【００４４】
図６は、共起表現データの例を示す図である。この共起表現データ２５は、例えば「文字表示」「文字の表示」などのような、共起パターンデータ２４に基づいて共起表現と判断された表現を含む。
【００４５】
自立語パターン設定機能７は、ユーザから文書分析に用いるために抽出対象とする自立語の設定、削除、修正を受け付け、設定、削除、修正に応じた内容で自立語設定データ２６を記憶部１７ｃに記憶する。
【００４６】
図７は、自立語設定データ２６の例を示す図である。例えば、自立語設定データ２６は、文書分析においてキーワードとなる重要な単語などを含む。なお、自立語設定データ２６は、例えば、抽出する単語、品詞、表現を含むとしてもよい。
【００４７】
自立語抽出機能８は、記憶部１７ｃに記憶されている自立語設定データ２６に基づいて、分割データ２３１〜２３ｍの中から自立語を抽出し、自立語抽出データを作成する。
【００４８】
図８は、自立語抽出データの例を示す図である。自立語抽出データ２７は、自立語設定データ２６に設定されている自立語のうち分割データ２３１〜２３ｍ内に存在する自立語を含む。
【００４９】
同義語パターン設定機能９は、ユーザから、複数の同義語を共通の表現に集約するための設定、削除、修正を受け付け、設定、削除、修正に応じた内容で同義語設定データ２８を記憶部１７ｄに記憶する。
【００５０】
図９は、同義語設定データ２８の例を示す図である。
【００５１】
この同義語設定データ２８において、同じ行における変換対象の表現は、集約表現（左端の共通の表現）にまとめられる。
【００５２】
なお、ある行の集約表現がさらに他の行で変換対象の表現として設定されている場合には、ある行の集約表現は、他の行の集約表現にまとめられるとする。
【００５３】
同義語集約機能１０は、図１０に示すように、記憶部１７ｄに記憶されている同義語設定データ２８に基づいて、共起表現データ２５と自立語抽出データ２７とにおける同義語の集約を行い、同義語集約データ２９を作成する。
【００５４】
すなわち、同義語集約機能１０は、共起表現データ２５と自立語抽出データ２７とに含まれている表現であり上記図９の変換対象の表現を、集約表現に置き換える。
【００５５】
削除設定機能１１は、ユーザから文書分析に用いない表現の設定、削除、修正を受け付け、設定、削除、修正に応じた内容で削除設定データ３０を記憶部１７ｅに記憶する。
【００５６】
図１１は、削除設定データ３０の例を示す図である。
【００５７】
削除設定データ３０では、削除対象の表現と、この削除対象の表現の品詞と、この削除対象表現が共起表現のどの位置に存在する場合に削除を実行するかを示す設定とを含む。
【００５８】
例えば、削除設定データ３０では、共起表現の１番目（１文節目）に名詞として「場合」が現れる場合には、この共起表現を削除する旨が設定されている。
【００５９】
また、削除設定データ３０では、共起表現の２番目（２文節目）に動詞として「できる」が現れる場合には、この共起表現を削除する旨が設定されている。
【００６０】
また、削除設定データ３０では、品詞を限定することなく、共起表現「連絡切符」を削除する旨が設定されている。
【００６１】
削除機能８は、図１２に示すように、記憶部１７ｅに記憶されている削除設定データ３０に基づいて、同義語集約データ２９の中から分析に用いられない表現を含む共起表現または自立語を削除し、分析に用いられる共起表現または自立語のみを含む削除結果データ３１を作成する。
【００６２】
共通表現設定機能１３は、ユーザから、同義の共起表現を共通の表現に集約する規則の設定、削除、修正を受け付け、設定、削除、修正に応じた内容に応じた共通表現設定データ３２を記憶部１７ｆに記憶する。
【００６３】
この共通表現設定データ３２では、互いに対比される共起表現がそれぞれ２つの自立語を含み、この対比される共起表現のそれぞれに含まれている２つの自立語（用言の場合はその終止形）の組み合わせが同じ場合、この共起表現内での自立語（文節）の順序、自立語の活用部分、共起表現に含まれている付属語が異なっていても、同義（同じ内容）であると判断し、互いに対比される共起表現を共通の表現で集約する旨が設定されている。
【００６４】
なお、共通表現設定データ３２では、同義と判断された共起表現のうち出現頻度の一番高い表現を共通の表現に用いる旨が設定されているとしてもよい。
【００６５】
また、共通表現設定データ３２では、共通の表現として用いる品詞・付属語・活用語尾パターンが設定されているとしてもよい。例えば、共通の表現として「名詞＋が（格助詞）＋形容詞終止形」というパターンを用いる旨が設定されており、集約される共起表現における自立語の活用しない部分が「文字」「大き」の場合、共通の表現は「文字が大きい」となる。
【００６６】
表現集約機能１４は、図１３に示すように、記憶部１７ｆに記憶されている共通表現設定データ３２に基づいて、削除結果データ３１に含まれている同義の共起表現を集約して共通の表現に変換し、集約結果および集約された共起表現の数を表す表現集約データ３３を作成する。
【００６７】
書込機能１５は、自由記述データ１９１〜１９ｎ、属性データ２０１〜２０ｎ、回答データ２１１〜２１ｎを含む文書データ１８１〜１８ｎ、形態素解析データ２２１〜２２ｎ、分割データ２３３〜２３ｍ、共起表現データ２５、自立語抽出データ２７、同義語集約データ２９、削除結果データ３１、表現集約データ３３について、互いに関連する項目及びデータ要素間で関連付けを行った分析データ３４を作成し、分析データ３４を記憶部１７ｇに書き込む。
【００６８】
表示制御機能１６は、記憶部１７ｇに記憶されている分析データ３４に基づいて、文書データ１８１〜１８ｎの分析に有効な事項を表示装置３５に表示させるための制御を実行する。
【００６９】
以下に、本実施の形態について、具体例を挙げて説明する。
【００７０】
文書データ１８１〜１８ｎには、自由記述データ１９１〜１９ｎに加えて、属性データ２０１〜２０ｎ、アンケート選択式設問に対する回答データ２１１〜２１ｎなど、自由記述データ１９１〜１９ｎの分析結果と合わせて参照したい各種データが含まれている。
【００７１】
形態素解析機能３は、文書データ１８１〜１８ｎのうち分析対象となる部分を形態素解析する。形態素解析は、文章を単語に分け品詞を付与する処理である。例えば、「銀行のＡＴＭのタッチパネルはＯ．Ｋなのに、駅の券売機のタッチパネルはダメな時が多い。」という自由記述データ１９１を形態素解析により単語に分割し品詞を付与すると、「/銀行[名詞]・の[付属語]/ＡＴＭ[名詞]・の[付属語]/タッチ[名詞]/パネル[名詞]・は[付属語]/Ｏ．Ｋ[英語]・なのに[付属語]/、[読点]/駅[名詞]・の[付属語]/券売機[名詞]・の[付属語]/タッチ[名詞]/パネル[名詞]・は[付属語]/ダメ[形容動詞]・な[付属語]/時[名詞]・が[付属語]/多[形容詞]・い[活用語尾]/。[句点]」という形態素解析データ２２１が作成される。
【００７２】
分割機能４は、形態素解析データ２２１〜２２ｎおよび自由記述データ１９１〜１９ｎを句読点で区切った分割データ２３１〜２３ｎを作成する。分割データ２３１〜２３ｎの文章は、形態素解析データ２２１〜２２ｎの文章よりも短い。このため、分割データ２３１〜２３ｎ内では、同じ表現が現れる可能性が高くなる。
【００７３】
共起パターン設定機能５は、分割データ２３１〜２３ｎ内に隣接して現れるパターンにより共起表現を判定し抽出するために、ユーザから共起パターンの追加・削除・修正を受け付ける。
【００７４】
正式な文法にしたがって文章が記述されている場合、隣接する表現の品詞パターンにより文法的に正しい共起表現を高確率に抽出することが可能である。しかしながら、口語的な文章の場合には、文法的に正しくない共起表現が抽出される場合がある。そこで、口語的な文章を高精度に分析するために、ユーザは、共起表現である可能性の高い共起パターンを追加登録し、逆に有効に情報抽出を行うことが困難な共起パターンを削除・修正する。これにより、共起表現を柔軟に抽出することが可能となる。
【００７５】
設定される共起パターンは、「名詞＋の（格助詞）＋名詞」「名詞＋格助詞＋名詞」「漢字2文字以上からなる名詞＋名詞」「大きい(形容詞)＋名詞」などのように、品詞の組み合わせを設定してもよく、品詞だけでなく表現を設定してもよい。また、「名詞（＋付属語の有無不問）＋名詞」のように、文節中の自立語部分のみで判定するようなパターンを共起パターンとして設定してもよい。
【００７６】
また、抽出される共起パターンを設定するばかりでなく、一部の除外したいパターンを合わせて設定可能としてもよい。例えば、「形容詞＋名詞」を抽出対象のパターンとして設定した上で、「形容詞＋こと(名詞)」は抽出しない旨を設定してもよい。同様に、「形容詞＋名詞」を抽出対象のパターンとして設定した上で「形容詞＋こと」は抽出しない旨を設定してもよい。
【００７７】
共起抽出機能６は、分割データ２３１〜２３ｎを分析し、共起表現を抽出する。共起表現とは、係り受け関係にある複数の表現（文節）からなる。
【００７８】
例えば、上記の例文中で、「銀行のＡＴＭ」「タッチパネル」はそれぞれ２つの表現で構成されるが、意味的つながりが強く、共起表現と判断できる。
【００７９】
２つの表現（２文節）または３つの表現（３文節）を含む共起表現は、単語(「銀行」「ＡＴＭ」「タッチ」「パネル」など)と比較して長い表現であるために意味内容を把握しやすい。一方で、２つの表現（２文節）または３つの表現（３文節）からなる共起表現は、一般的な自由記述文に比べて短いため、複数の自由記述文内で同じ表現が使われる可能性が高く、大量の文書データ１８１〜１８ｎの内容把握に有効な情報単位となる。
【００８０】
例えば、共起抽出機能６は、分割データ２３１〜２３ｎ内に「名詞＋の（格助詞）＋名詞」(「銀行のＡＴＭ」など)の共起パターンが現れた場合、共起表現である可能性が高いので、共起表現として抽出する。このように、分割データ２３１〜２３ｎ内の隣接する品詞の組み合わせに基づいて共起表現か否かを判断することにより、処理時間の短縮化を図ることが可能であり、口語的な文章からも柔軟に共起表現を抽出可能である。
【００８１】
自立語設定機能７は、ユーザから、抽出する自立語(単語)のパターン(品詞または表現)の追加・削除・修正を受け付ける。
【００８２】
一般的に、自立語には、名詞、動詞、形容詞、形容動詞、副詞、接続詞、感動詞などがあるが、全ての自立語が分析対象の自由記述文の内容を的確に表すとは限らない。また、日本語の自立語には該当しないが、英語表記が分析対象の自由記述文の内容を的確に表す場合もある。そこで、ユーザは、抽出する自立語のパターンを追加・削除・修正可能する。これにより、分析方針に合わせた柔軟な自立語の抽出が可能となる。
【００８３】
なお、自立語設定データ２６は、品詞により抽出される自立語を特定してもよい。また、自立語設定データ２６は、例えば、「漢字で表現されている名詞を抽出対象とする」などのように、品詞と表現とにより抽出される自立語を特定してもよい。
【００８４】
また、抽出されるパターンを設定するばかりでなく、一部の除外したいパターンを合わせて設定してもよい。例えば、名詞を抽出対象として設定した上で、「こと(名詞)」「もの(名詞)」は抽出しない旨を設定し、「こと」「もの」を除く名詞のみを抽出するような設定を行ってもよい。
【００８５】
自立語抽出機能８は、設定された自立語(単語)を抽出する。自立語抽出機能８によって自立語を抽出することにより、「金額(名詞)」「老人(名詞)」「子ども(名詞)」など、共起表現よりも短い表現であるが回答者の意識の向いている表現を抽出することができ、分析対象の自由記述文の内容を漏れなく把握することが可能となる。
【００８６】
同義語設定機能９は、上記図９に示すような同義語設定を受け付ける。
【００８７】
同義語集約機能１０は、抽出された共起表現及び抽出された自立語について、ユーザ（分析者）の設定に基づく同義語の集約を行い、抽出した共起表現や自立語の表記を変更する。このようなユーザ設定による同義語の集約を行うことにより、分析対象の自由記述文からの内容抽出及び内容把握を効率的に行うことができる。
【００８８】
削除設定機能１１は、ユーザから、単語レベル・共起表現レベルで削除対象の表現を受け付ける。
【００８９】
削除機能１２は、同義語集約データ２９の中から、設定された削除対象の表現を削除する。これにより、ユーザの要求に合った分析結果を得ることができる。
【００９０】
共通表現設定機能１３は、共起表現の集約規則の設定を受け付ける。
【００９１】
表現集約機能１４は、抽出された多数の共起表現のうち同義の共起表現を集約する。本実施の形態において、表現集約機能１４は、２文節共起の集約にあたり、第一文節の自立語（用言の場合はその終止形）及び第二文節の自立語（用言の場合はその終止形）の組み合わせが同じ共起表現を、共起表現内での文節の順番、自立語の活用部分、付属語が異なっても同じ内容を示すとみなし、一つの共通の表現に集約する。
【００９２】
例えば、
文字が大きい(/文字[名詞]・が[付属語]/大き[形容詞]・い[活用語尾])
文字も大きい(/文字[名詞]・も[付属語]/大き[形容詞]・い[活用語尾])
文字の大きさ(/文字[名詞]・の[付属語]/大き[形容詞]・さ[活用語尾])
大きい文字(/大き[形容詞]・い[活用語尾]/文字[名詞]・が[付属語])
の全てにおいて、自立語「文字（名詞）」と「大きい（形容詞）」とが含まれる。自立語の間にはさまれている付属語、および「大きい」の活用語尾部分は異なっているが、自立語（用言の場合はその終止形）は「文字(名詞)」と「大きい(形容詞)」であり共通する。
【００９３】
上記の４つの共起表現「文字が大きい」「文字も大きい」「文字の大きさ」「大きい文字」は意味が全く同じではない。しかしながら、回答者の意識は「文字の大きさ」にあり、文字のサイズについて単に大小ではなくて大きいことに意識が向いている、という点で同様とみなせる内容である。
【００９４】
アンケート回答の整理などの場合、このような情報は同じ内容とみなして集約し、回答のグループ分けを行うことが有効である。
【００９５】
本実施の形態では、これらの共起表現を分けて集計・提示するのではなくて、「文字が大きい」という共通の表現に集約し、集計・提示することで、有効な情報集約が可能となる。
【００９６】
なお、共通の表現は、集約される共起表現のうち出現頻度が一番高い表現としてもよい。また、共通の表現について、例えば「名詞＋が（格助詞）＋形容詞終止形」などのように、品詞・付属語・活用語尾のパターンを決めておき、このパターンにしたがって、例えば「文字が大きい」などのように、共通の表現を作成するとしてもよい。
【００９７】
書込機能１５は、抽出され集約された共起表現を含む表現集約データ３３と、他の関連するデータとを関係付けた分析データ３４を作成する。
【００９８】
表示制御機能１６は、分析データ３４の内容を様々な形態で表示装置３５に表示させる。
【００９９】
図１４は、本実施の形態に係る文書処理プログラム１ａによる処理の例を示すフローチャートである。
【０１００】
ステップＳ１において、形態素解析機能３は、文書データ１８１〜１８ｎの自由記述データ１９１〜１９ｎに対して形態素解析を実行し、形態素解析データ２２１〜２２ｎを作成する。
【０１０１】
ステップＳ２において、分割機能４は、形態素解析データ２２１〜２２ｎを句読点にしたがって分割した分割データ２３１〜２３ｎを作成する。
【０１０２】
なお、自由記述データ１９１〜１９ｎを句読点にしたがって分割した後、形態素解析を実行するとしてもよい。
【０１０３】
ステップＳ３ａにおいて、共起抽出機能６は、分割データ２３１〜２３ｎから共起表現を抽出し、共起表現データを作成する。
【０１０４】
また、ステップＳ３ｂにおいて、自立語抽出機能８は、分割データ２３１〜２３ｎから設定されている自立語を抽出し、自立語抽出データ２７を作成する。
【０１０５】
なお、ステップＳ３ａ，Ｓ３ｂの実行順序は、ステップＳ３ａ実行後にステップＳ３ｂを実行してもよく、逆の順序でもよく、並列に実行されるとしてもよい。
【０１０６】
ステップＳ４において、同義語集約機能１０は、抽出された共起表現と抽出された自立語に対して同義語の集約を行い、同義語集約データ２９を作成する。
【０１０７】
ステップＳ５において、削除機能１２は、同義語集約データ２９の中から削除対象として設定されている表現を削除し、削除結果データ３１を作成する。
【０１０８】
ステップＳ６において、表現集約機能１４は、削除結果データ３１に対して、共起表現に含まれている自立語（用言の場合にはその終止形）の組み合わせが同一の場合に、この共起表現を共通の表現に変換して集約を行い、表現集約データ３３を作成する。
【０１０９】
ステップＳ７において、書込機能１５は、表現集約データ３３と各種データとの関係付けを行い、分析データ３４を作成する。
【０１１０】
ステップＳ８において、表示制御機能１６は、分析データを様々な形態で表示装置３５に表示させるための制御を実行する。
【０１１１】
以上説明した本実施の形態においては、２文節の共起表現の集約について、第一文節の自立語（用言の場合はその終止形）及び第二文節の自立語（用言の場合はその終止形）の組み合わせが同じ共起表現が、文節の順番、活用部分、付属語が異なっていても同じ内容を示すとみなされ、一つの共通の表現に集約される。
【０１１２】
これにより、良好な共起表現の集約を行うことができ、大量の文書データ１８１〜１８ｎについて効率的かつ正確な分析を行うことができる。すなわち、大量の文書データ１８１〜１８ｎの内容が端的な表現で抽出され、ユーザは、アンケート回答などの大量のデータをすべて読む必要がないため、大量のデータの内容を容易に把握することができる。
【０１１３】
また、本実施の形態においては、２文節または３文節からなる共起表現のみではなく自立語も文書内容として抽出される。
【０１１４】
これにより、共起表現よりも短い表現であり回答者の意識の向いている表現を抽出することができ、分析対象の文書の内容を漏れなく把握することができる。
【０１１５】
また、本実施の形態においては、ユーザが同じ意味内容とみなしたい同義語が集約される。これにより、分析対象の自由記述文からの内容抽出及び内容把握を効率的に行うことができる。
【０１１６】
また、本実施の形態においては、分析に必要のない表現が削除されるため、ユーザの要求に合った分析結果を得ることができる。
【０１１７】
また、本実施の形態においては、形態素解析データ２２１〜２２ｎを句読点で分割して作成された分割データ２３１〜２３ｎから共起表現が抽出される。これにより、分割データとして同じ表現が現れる可能性が高くなり、共起表現の原文（分割データ）参照を効率よく行うことができる。
【０１１８】
本実施の形態では、分析に必要のない表現を削除することができ、抽出された表現について同義語集約が行われ、抽出された共起表現について集約が行われるため、大量のデータについてのグループ分けが容易となる。
【０１１９】
（第２の実施の形態）
本実施の形態においては、上記第１の実施の形態の変形例について説明する。
【０１２０】
本実施の形態において、共起抽出機能６は、構文解析を行って係り受け関係を認識し、共起表現を抽出する。
【０１２１】
構文解析を行うことにより、文章中の離れた位置にある表現（文節）についても共起表現として抽出可能となる。
【０１２２】
例えば「大きな操作しやすい券売機」という文章を構文解析することで、「大きな」と「券売機」とは位置が接していないが、「大きな券売機」「操作しやすい券売機」という共起表現を抽出することができる。
【０１２３】
したがって、本実施の形態においては、より適切に共起表現を抽出することができる。
【０１２４】
（第３の実施の形態）
本実施の形態では、上記第１または第２の実施の形態に係る分析データ３４の表示形態について説明する。
【０１２５】
図１５は、本実施の形態に係る分析データ３４の表示形態の第１例を示す図である。
【０１２６】
この図１５では、集約後の共通の表現とその出現頻度とが表示されている。また、抽出され共通の表現に集約された共起表現とその出現頻度（共起頻度）とが表示されている。また、共起表現ごとに、その共起表現に含まれている単語とその単語の品詞とが表示されている。この図１５では、共通の表現及び共起表現とは、出現頻度の高い順に表示されている。
【０１２７】
なお、共通の表現とともに同義語集約された後の自立語を表示してもよく、共起表現とともに抽出された自立語を表示してもよい。
【０１２８】
このように、抽出された情報を出現頻度の高い順に表示することにより、ユーザは大量の自由記述データ１９１〜１９ｎの中で数多く記述されている内容を効率的に把握することができる。
【０１２９】
また、この図１５の表示内容と合わせて、自由記述データ１９１〜１９ｎのうちユーザに指定された自由記述文を表示するとしてもよい。これにより、大量の文書内容を集約して把握しつつ、実際の表記も把握することができ、テキストマイニングの辞書作成などに有効な情報が提供される。
【０１３０】
図１６は、本実施の形態に係る分析データ３４の表示形態の第２例を示す図である。
【０１３１】
この図１６では、自由記述文を句読点で区切った内容、句読点で区切った内容に対する形態素解析の内容、句読点で区切った内容の文節数、句読点で区切った内容の出現頻度、句読点で区切った内容から抽出された共起表現が表示されている。
【０１３２】
複数回現れる句読点で区切った内容と、その句読点で区切った内容から抽出される共起表現、自立語を合わせて観察することにより、抽出対象とする共起パターンの見直しまたは削除すべき表現の見直しを効率的に行うことができる。
【０１３３】
図１７は、本実施の形態に係る分析データ３４の表示形態の第３例を示す図である。
【０１３４】
この図１７では、抽出された共起表現「タッチパネル」について、この共起表現が抽出された自由記述文、この自由記述文から抽出された他の共起表現、自由記述文に関する例えば「性別」「年齢」などの属性データ、抽出された共起表現「タッチパネル」の単語とその品詞が表示されている。
【０１３５】
このように、共起表現と合わせて自由記述文、属性、他の共起表現を表示することにより文書データ１８１〜１８ｎの内容の背景を効率的に把握することができる。
【０１３６】
上記図１５から図１７の表示形式について、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語(単語)を分けずに表示するとしてもよい。
【０１３７】
また、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語を組み合わせて表示する場合、ユーザの選択により表示内容について各種の限定(例えば、自立語は名詞のみ、共起表現は「名詞＋格助詞＋形容詞」のみなど)を行ってもよい。
【０１３８】
自立語と共起表現を合わせて表示することで、共起表現に満たない自立語も漏れなく、共起表現と合わせて効率的に把握することができる。
【０１３９】
図１８は、本実施の形態に係る分析データ３４の表示形態の第４例を示す図である。
【０１４０】
この図１８では、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語について、全体での集計結果及び各種の属性別の集計結果が表示されている。例えば出現頻度が高い方から一定数の表現が表示されている。なお、自立語の品詞または共起パターン別に表示を行ってもよい。この図１８では、名詞が表示されている。属性別の表示内容について、他の属性で現れない部分をマークして表示することにより、ユーザは、属性ごとの特徴を容易に把握することができる。
【０１４１】
図１９は、本実施の形態に係る分析データ３４の表示形態の第５例を示す図である。
【０１４２】
この図１９では、共通の表現、抽出された共起表現、集約された自立語、抽出された自立語について、各種の属性別の集計結果のうち全体での集計結果では抽出されているがその属性では抽出されていない表現が表示されている。例えば、出現頻度の高い方から一定数の表現が並べられ、この状態において全体の集計結果と各属性の集計結果とが比較され、全体での集計結果では抽出されているがその属性では抽出されていない表現が表示される。なお、自立語の品詞または共起パターン別に表示を行ってもよい。この図１９では、名詞が表示されている。このように、各属性で現れないが他の属性で現れる表現を表示することにより、ユーザは属性ごとの特徴を容易に把握することができる。
【０１４３】
さらに、他の表示形態として、分析データ３４について、共通の表現、抽出された共起表現、抽出された自立語を品詞や共起パターンを限定することなく表示する。これにより、自由記述文の分析方針が明白になっていない段階などにおいて、大量の文章で表現されている内容を効率的に把握することができる。
【０１４４】
一方で、抽出された共起表現を品詞の組み合わせパターン別で表示するとしてもよく、または抽出された自立語を品詞別で表示するとしてもよい。例えば抽出された名詞だけを表示した場合には、ユーザは大量の自由記述文で言及されている項目を効率的に把握することができる。
【０１４５】
自由記述文が何かに関する評価の調査について記述されている場合、抽出された自立語のうち形容詞または形容動詞のみ、または抽出された共起表現のうち「名詞＋格助詞＋形容詞」の共起パターンのみを表示することで、ユーザは自由記述文中で表現されている評価を効率的に把握することができる。
【０１４６】
なお、上記各実施の形態で説明した文書処理プログラム１ａは、例えば磁気ディスク（フレキシブルディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ等）、半導体メモリなどの記録媒体に書き込んで、コンピュータ２に適用可能である。また、上記文書処理プログラム１ａは、通信媒体により伝送してコンピュータ２に適用することも可能である。コンピュータ２は、上記文書処理プログラム１ａを読み込み、上記文書処理プログラム１ａによって動作が制御されることにより、上記の機能を実現する。
【０１４７】
上記各実施の形態において、ソフトウェアにより実現される機能は、ハードウェアによって実現されるとしてもよい。
【０１４８】
上記各実施の形態において、文書処理プログラム１ａは、複数のコンピュータに分散して配置され、複数のコンピュータ間で互いに連携しつつ処理が実行されるとしてもよい。
【０１４９】
上記各実施の形態において、各構成要素は、同様の動作を実現可能であれば自由に変形可能であり、配置を変更させてもよく、自由に組み合わせることが可能であり、分割することも可能である。
【０１５０】
例えば、各記憶部１７ａ〜１７ｇ及び各機能間でデータを受け渡しするために用いられる記憶部は、自由に組み合わせてもよい。また、各記憶部１７ａ〜１７ｇ及び各機能間でデータを受け渡しするために用いられる記憶部は、コンピュータ２に内蔵されているメモリなどでもよく、コンピュータ２に対して備えられる外付けのハードディスクなどでもよい。
【０１５１】
上記各実施の形態においては、共起表現に含まれている自立語（用言の場合はその終止形）の組み合わせが同一の場合に、共起表現の集約を行うとしている。しかしながら、例えば、単語がサ行変格活用動詞（する）などのように単語全体が活用しない場合には、共起表現に含まれている複数の単語または自立語における活用しない部分の組み合わせが同一の場合に、共起表現の集約を行うとしてもよい。
【０１５２】
また、自立語が用言の場合、この用言の自立語の終止形の変わりに、未然形、連体形など他の活用で、組み合わせが同一か否か判断するとしてもよい。
【０１５３】
以下に、一般的な各種用語の意味について説明する。
【０１５４】
一般的には、共起表現とは、係り受け関係にある複数文節からなる表現を意味する。
【０１５５】
係り受けとは、「主語と述語（太郎は帰った）」「修飾と被修飾（家に帰った）」「補助の関係（歩いてくる）」「並立の関係（赤と白）」「接続・被接続の関係（雨なので濡れた）」などの文節間の関係を意味する。
【０１５６】
単語は、意味の一まとまりを表し、文法上の働きを持つ言語の最小単位である。
【０１５７】
文節は、文を意味上の判断が可能なレベルで区切った最小単位である。文節は、自立語から始まり、この自立語に付属する付属語がある場合はこの付属語を伴い、次の自立語の前で終わる。
【０１５８】
自立語は、単独で一文節を構成することができる単語である。自立語は、その一語だけでもその意味内容がわかる。
【０１５９】
付属語には、助詞、助動詞などの種別がある。付属語は、その一語のみではその意味内容がわからない。
【０１６０】
体言は、概念を表し、活用がない単語である。体言には、名詞、代名詞、数詞などの種別がある。
【０１６１】
用言は、活用する単語のうち、動詞、形容詞、形容動詞に属する単語である。
【産業上の利用可能性】
【０１６２】
本発明は、文書データの分析に用いられるプログラム及び文書処理装置並びに文書処理方法の分野に有効である。
【図面の簡単な説明】
【０１６３】
【図１】本発明の第１の実施の形態に係る文書処理プログラムをコンピュータに適用させた場合の例を示すブロック図。
【図２】文書データの例を示す図。
【図３】形態素解析データの例を示す図。
【図４】分割データの例を示す図。
【図５】共起パターンデータの例を示す図。
【図６】共起表現データの例を示す図。
【図７】自立語設定データの例を示す図。
【図８】自立語抽出データの例を示す図。
【図９】同義語設定データの例を示す図。
【図１０】同義語集約機能による同義語集約データの作成状態の例を示すブロック図。
【図１１】削除設定データの例を示す図
【図１２】削除機能による削除結果データの作成状態の例を示すブロック図。
【図１３】表現集約機能による表現集約データの作成状態の例を示すブロック図。
【図１４】同実施の形態に係る文書処理プログラムによる処理の例を示すフローチャート。
【図１５】本発明の第３の実施の形態に係る分析データの表示形態の第１例を示す図。
【図１６】同実施の形態に係る分析データの表示形態の第２例を示す図。
【図１７】同実施の形態に係る分析データの表示形態の第３例を示す図。
【図１８】同実施の形態に係る分析データの表示形態の第４例を示す図。
【図１９】同実施の形態に係る分析データの表示形態の第５例を示す図。
【符号の説明】
【０１６４】
１…記録媒体、１ａ…文書処理プログラム、２…コンピュータ、３…形態素解析機能、４…分割機能、５…共起パターン設定機能、６…共起抽出機能、７…自立語設定機能、８…自立語抽出機能、９…同義語設定機能、１０…同義語集約機能、１１…削除設定機能、１２…削除機能、１３…共通表現設定機能、１４…表現集積機能、１５…書込機能、１６…表示制御機能、１７ａ〜１７ｇ…記憶部、１８１〜１８ｎ…文書データ、１９１〜１９ｎ…自由記述データ、２０１〜２０ｎ…属性データ、２１１〜２１ｎ…回答データ、２２１〜２２ｎ…形態素解析データ、２３１〜２３ｎ…分割データ、２４…共起パターンデータ、２５…共起表現データ、２６…自立語設定データ、２７…自立語抽出データ、２８…同義語設定データ、２９…同義語集約データ、３０…削除設定データ、３１…削除結果データ、３２…共通表現設定データ、３３…表現集約データ、３４…分析データ、３５…表示装置
【特許請求の範囲】
【請求項１】
コンピュータに、
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する機能、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出する共起抽出機能、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめる機能、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する機能
を実現させるためのプログラム。
【請求項２】
請求項１記載のプログラムにおいて、
前記形態素解析データは、前記文書データを単語で区切り、前記単語ごとに品詞種別を付したデータであり、
前記共起パターンは、品詞種別の組み合わせにより共起関係が設定されている
ことを特徴とするプログラム。
【請求項３】
請求項１または請求項２記載のプログラムにおいて、
前記共起抽出機能は、前記形態素解析データに対して構文解析を実行して単語の係り受け関係を表す構文解析データを作成し、前記共起パターンと前記構文解析データとに基づいて、前記形態素解析データの中から複数の共起表現を抽出する
ことを特徴とするプログラム。
【請求項４】
請求項１乃至請求項３のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記文書データから所定の自立語を抽出する機能
をさらに実現させ、
前記分析データは、前記文書データと前記自立語と前記共通の表現とを関係付けたデータである
ことを特徴とするプログラム。
【請求項５】
請求項１乃至請求項４のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記複数の共起表現のうち第４記憶手段に記憶されている除外パターンと一致する共起表現を削除する機能
をさらに実現させ、
前記分析データは、前記除外パターンと一致しない共起表現を含む
ことを特徴とするプログラム。
【請求項６】
請求項１乃至請求項５のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記分析データに基づいて、前記共通の表現を、出現頻度順に表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項７】
請求項１乃至請求項６のいずれか１項に記載のプログラムにおいて、
前記分析データは、前記文書データと前記共通の表現と前記複数の共起表現とを関係付けたデータであり、
コンピュータに、
前記分析データに基づいて、前記共通の表現と前記複数の共起表現とを表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項８】
請求項１乃至請求項７のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記形態素解析データを、句読点を基準として区切って複数の分割データを作成する機能
をさらに実現させ、
前記共起抽出機能は、前記複数の分割データごとに、複数の共起表現を抽出し、
前記分析データは、前記複数の分割データと前記共通の表現とを関係付けたデータである
ことを特徴とするプログラム。
【請求項９】
請求項１乃至請求項８のいずれか１項に記載のプログラムにおいて、
前記分析データは、前記文書データに関する属性データを含み、
コンピュータに、
前記属性データに応じて、前記分析データの内容を表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項１０】
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する手段と、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出する共起抽出手段と、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめる手段と、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する手段と
を具備する文書処理装置。
【請求項１１】
コンピュータシステムによって実現される文書処理方法において、
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成し、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出し、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめ、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する
ことを特徴とする文書処理方法。
【請求項１】
コンピュータに、
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する機能、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出する共起抽出機能、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめる機能、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する機能
を実現させるためのプログラム。
【請求項２】
請求項１記載のプログラムにおいて、
前記形態素解析データは、前記文書データを単語で区切り、前記単語ごとに品詞種別を付したデータであり、
前記共起パターンは、品詞種別の組み合わせにより共起関係が設定されている
ことを特徴とするプログラム。
【請求項３】
請求項１または請求項２記載のプログラムにおいて、
前記共起抽出機能は、前記形態素解析データに対して構文解析を実行して単語の係り受け関係を表す構文解析データを作成し、前記共起パターンと前記構文解析データとに基づいて、前記形態素解析データの中から複数の共起表現を抽出する
ことを特徴とするプログラム。
【請求項４】
請求項１乃至請求項３のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記文書データから所定の自立語を抽出する機能
をさらに実現させ、
前記分析データは、前記文書データと前記自立語と前記共通の表現とを関係付けたデータである
ことを特徴とするプログラム。
【請求項５】
請求項１乃至請求項４のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記複数の共起表現のうち第４記憶手段に記憶されている除外パターンと一致する共起表現を削除する機能
をさらに実現させ、
前記分析データは、前記除外パターンと一致しない共起表現を含む
ことを特徴とするプログラム。
【請求項６】
請求項１乃至請求項５のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記分析データに基づいて、前記共通の表現を、出現頻度順に表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項７】
請求項１乃至請求項６のいずれか１項に記載のプログラムにおいて、
前記分析データは、前記文書データと前記共通の表現と前記複数の共起表現とを関係付けたデータであり、
コンピュータに、
前記分析データに基づいて、前記共通の表現と前記複数の共起表現とを表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項８】
請求項１乃至請求項７のいずれか１項に記載のプログラムにおいて、
コンピュータに、
前記形態素解析データを、句読点を基準として区切って複数の分割データを作成する機能
をさらに実現させ、
前記共起抽出機能は、前記複数の分割データごとに、複数の共起表現を抽出し、
前記分析データは、前記複数の分割データと前記共通の表現とを関係付けたデータである
ことを特徴とするプログラム。
【請求項９】
請求項１乃至請求項８のいずれか１項に記載のプログラムにおいて、
前記分析データは、前記文書データに関する属性データを含み、
コンピュータに、
前記属性データに応じて、前記分析データの内容を表示するための制御を行う機能
をさらに実現させることを特徴とするプログラム。
【請求項１０】
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成する手段と、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出する共起抽出手段と、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめる手段と、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する手段と
を具備する文書処理装置。
【請求項１１】
コンピュータシステムによって実現される文書処理方法において、
第１記憶手段に記憶されている文書データを形態素解析し、形態素解析データを作成し、
第２記憶手段に記憶されている共起パターンに基づいて、前記形態素解析データの中から複数の共起表現を抽出し、
前記複数の共起表現のそれぞれに含まれている複数の自立語であり、この複数の自立語に用言が含まれている場合にはこの用言の自立語を終止形とした場合の組み合わせが同一の場合に、前記複数の共起表現を共通の表現でまとめ、
前記文書データと前記共通の表現とを関係付けた分析データを第３記憶手段に記憶する
ことを特徴とする文書処理方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【公開番号】特開２００６−７２４８３（Ｐ２００６−７２４８３Ａ）
【公開日】平成１８年３月１６日（２００６．３．１６）
【国際特許分類】
【出願番号】特願２００４−２５２４０７（Ｐ２００４−２５２４０７）
【出願日】平成１６年８月３１日（２００４．８．３１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
【公開日】平成１８年３月１６日（２００６．３．１６）
【国際特許分類】
【出願日】平成１６年８月３１日（２００４．８．３１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【出願人】（３０１０６３４９６）東芝ソリューション株式会社 (1,478)
【Ｆターム（参考）】
[ Back to top ]