代表文抽出装置およびプログラム
【課題】クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を抽出することを可能とする。
【解決手段】特徴文抽出部３２は、ユーザによって指定されたクラスタに付与された特徴語を含む特徴文を当該クラスタに属する複数の文書から抽出する。代表文候補抽出部３４は、特徴文の構文解析結果および予め定められた抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する代表文候補を当該特徴文から抽出する。代表度算出部３６は、ユーザによって指定されたクラスタに属する複数の文書における代表文候補抽出部３４によって抽出された代表文候補を含む文書の数に基づいて代表度を算出する。代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補抽出部３４によって抽出された代表文候補を代表文として決定する。
【解決手段】特徴文抽出部３２は、ユーザによって指定されたクラスタに付与された特徴語を含む特徴文を当該クラスタに属する複数の文書から抽出する。代表文候補抽出部３４は、特徴文の構文解析結果および予め定められた抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する代表文候補を当該特徴文から抽出する。代表度算出部３６は、ユーザによって指定されたクラスタに属する複数の文書における代表文候補抽出部３４によって抽出された代表文候補を含む文書の数に基づいて代表度を算出する。代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補抽出部３４によって抽出された代表文候補を代表文として決定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、クラスタに属する文書群の内容を適切に表す代表文を当該文書群から抽出する代表文抽出装置およびプログラムに関する。
【背景技術】
【０００２】
近年、情報の有効活用や共有の促進を図るために、大量の文書を内容または用途に応じて分類（整理）しておく技術が知られている。
【０００３】
このような文書を分類する技術（以下、クラスタリングと表記）においては、内容等において“共通点または類似性のある文書群”（即ち、クラスタ）が自動的に作成される。
【０００４】
ところで、クラスタリングによって作成されたクラスタに属する文書群の特徴を表す特徴語を当該クラスタに付与することによって、当該文書群の内容を容易に把握することができる技術（以下、第１の先行技術と表記）が開示されている（例えば、特許文献１を参照）。この特徴語は、例えばクラスタに属する文書群における単語の出現頻度に基づいて選択された少なくとも１つの単語である。
【０００５】
この第１の先行技術によれば、クラスタに付与された特徴語から当該クラスタに属する文書群の内容を推測することが可能となる。
【０００６】
しかしながら、クラスタに付与された特徴語だけでは当該クラスタに属する文書群の内容を間違って解釈する場合がある。
【０００７】
具体的には、クラスタに特徴語として「燃料」および「亀裂」が付与されている場合、実際には、当該クラスタに属する文書群（の内容）は「燃料が漏れる」および「パイプに亀裂が発生する」の２つの異なる内容で構成されている。
【０００８】
このような場合には、クラスタに付与された特徴語のみでは、当該クラスタに属する文書群の内容を一目で把握することは困難である。
【０００９】
そこで、例えばクラスタに属する文書群に対して、文書間で共通する文および異なる文を解析することにより、当該クラスタに属する文書群の内容を表す文を抽出する技術（以下、第２の先行技術と表記）が開示されている（例えば、非特許文献１を参照）。
【００１０】
また、例えば手がかり句で構成される辞書（例えば、「ブレーキ」および「効かない」等）を用いて文を抽出する技術（以下、第３の先行技術と表記）が開示されている（例えば、特許文献２を参照）。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２０００−２３１５６０号公報
【特許文献２】特開２００８−２２５５８２号公報
【非特許文献】
【００１２】
【非特許文献１】難波 英嗣，奥村 学，ここまで来たテキスト自動要約，情報処理，Vo1.43，No.12，pp.1287-1294，2002
【発明の概要】
【発明が解決しようとする課題】
【００１３】
上記した第２の先行技術においては、クラスタに属する文書群の内容を表す文を抽出することは可能である。しかしながら、第２の先行技術では、複数の文書の間で共通する文と異なる文を解析することによりクラスタの文書群の要約文を抽出しているため、当該要約文を用いて当該クラスタの文書群を更に再分類することはできない。
【００１４】
また、上記した第３の先行技術では、手がかり句を人手で作成する必要がある。このため、手がかり句で構成される辞書の作成にはコストがかかる。
【００１５】
そこで、本発明の目的は、クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を抽出することが可能な代表文抽出装置およびプログラムを提供することにある。
【課題を解決するための手段】
【００１６】
本発明の１つの態様によれば、自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段と、前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出する特徴文抽出手段と、前記抽出された第１の文を構文解析する構文解析手段と、前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する代表文候補抽出手段と、前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出する算出手段と、前記算出された代表度に基づいて、前記代表文候補抽出手段によって抽出された第２の文を代表文として決定する決定手段とを具備することを特徴とする代表文抽出装置が提供される。
【発明の効果】
【００１７】
本発明は、クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を抽出することを可能とする。
【図面の簡単な説明】
【００１８】
【図１】本発明の第１の実施形態に係る代表文抽出装置のハードウェア構成を示すブロック図。
【図２】図１に示す代表文抽出装置３０の主として機能構成を示すブロック図。
【図３】図２に示すクラスタリング結果格納部２２に格納されるクラスタリング結果のデータ構造について説明するための図。
【図４】本実施形態に係る代表文抽出装置３０の処理手順を示すフローチャート。
【図５】図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタに属する文書群の一例を示す図。
【図６】対象クラスタに付与された特徴語「燃料」を含む特徴文の抽出結果を示す図。
【図７】対象クラスタに付与された特徴語「亀裂」を含む特徴文の抽出結果を示す図。
【図８】対象クラスタに付与された特徴語「燃料」を含む特徴文の構文解析結果の一例を示す図。
【図９】対象クラスタに付与された特徴語「亀裂」を含む特徴文の構文解析結果の一例を示す図。
【図１０】第１の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１１】第１の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１２】第２の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１３】第２の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１４】第３の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１５】第３の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１６】図２に示すパラフレーズ辞書格納部２３のデータ構造の一例を示す図。
【図１７】代表文候補集約部３５による代表文候補の集約結果の一例を示す図。
【図１８】代表度算出部３６によって集約代表文候補毎に算出された第１の代表度の一例を示す図。
【図１９】代表度算出部３６によって集約代表文候補毎に算出された第２の代表度の一例を示す図。
【図２０】代表文分類部３８による分類結果の一例を示す図。
【図２１】本発明の第２の実施形態に係る代表文抽出装置の主として機能構成を示すブロック図。
【図２２】本実施形態に係る代表文抽出装置３００に含まれるクラスタリング結果格納部２２に格納されている複数の文書のデータ構造の一例を示す図。
【図２３】本実施形態に係る代表文抽出装置３００の処理手順を示すフローチャート。
【図２４】代表文分類処理における処理結果の一例を示す図。
【図２５】全ての質問サブクラスタについてクラスタリング処理および代表文抽出処理が実行された結果の一例を示す図。
【図２６】ＦＡＱ作成部３０２によって作成されたＦＡＱの一例を示す図。
【発明を実施するための形態】
【００１９】
以下、図面を参照して、本発明の各実施形態について説明する。
【００２０】
［第１の実施形態］
まず、図１および図２を参照して、本発明の第１の実施形態について説明する。図１は、本実施形態に係る代表文抽出装置のハードウェア構成を示すブロック図である。図１に示すように、コンピュータ１０は、例えばハードディスクドライブ（ＨＤＤ：Hard Disk Drive）のような外部記憶装置２０と接続されている。この外部記憶装置２０は、コンピュータ１０によって実行されるプログラム２１を格納する。コンピュータ１０および外部記憶装置２０は、代表文抽出装置３０を構成する。
【００２１】
代表文抽出装置３０は、文書集合に対するクラスタリング結果における各クラスタに属する文書群から、当該文書群の内容を適切に表す代表文を抽出する機能を有する。
【００２２】
図２は、図１に示す代表文抽出装置３０の主として機能構成を示すブロック図である。図２に示すように、代表文抽出装置３０は、クラスタＩＤ受付部３１、特徴文抽出部３２、構文解析部３３、代表文候補抽出部３４、代表文候補集約部３５、代表度算出部３６、代表文決定部３７、代表文分類部３８および出力部３９を含む。本実施形態において、これらの各部３１〜３９は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。このプログラム２１は、コンピュータ読み取り可能な記憶媒体に予め格納して頒布可能である。また、このプログラム２１が、例えばネットワークを介してコンピュータ１０にダウンロードされても構わない。
【００２３】
また、代表文抽出装置３０は、クラスタリング結果格納部２２、パラフレーズ辞書格納部２３および同義語辞書格納部２４を含む。本実施形態において、これらの各部２２〜２４は、例えば外部記憶装置２０に格納される。
【００２４】
クラスタリング結果格納部２２には、文書集合に対するクラスタリング結果が格納される。
【００２５】
文書集合がクラスタリングされた場合、当該文書集合中における内容等において共通点または類似性のある文書群（複数の文書）が属するクラスタが作成される。また、クラスタリングによって作成されたクラスタには、当該クラスタに属する文書群の特徴を表す特徴語が付与される。
【００２６】
つまり、クラスタリング結果格納部２２には、クラスタリング結果における各クラスタに属する複数の文書（文書群）および当該クラスタに付与された特徴語が格納される。具体的には、クラスタリング結果格納部２２には、各クラスタを識別するためのクラスタＩＤに対応づけて当該クラスタに属する複数の文書および当該クラスタに付与された特徴語が格納される。
【００２７】
なお、クラスタリング結果格納部２２に格納されている複数の文書の各々は、テキストデータであり、複数の文から構成される。文書を構成する複数の文の各々は、自立語を含む文節から構成される。
【００２８】
また、クラスタに付与された特徴語は、当該クラスタに属する複数の文書の特徴を表す少なくとも１つの単語である。このクラスタに付与された特徴語は、例えば当該クラスタに属する複数の文書に含まれる自立語の出現頻度等に基づいて決定される。
【００２９】
パラフレーズ辞書格納部２３には、複数の自立語間の係り受け構造を示す対象パターンおよび当該対象パターンの言い換えとなる自立語間の係り受け構造を示すと共に当該対象パターンより自立語の数が少ない置換パターンを含む置換ルールが予め格納される。同義語辞書格納部２４は、文書に含まれる自立語の同義語（を示す情報）が格納される。
【００３０】
クラスタＩＤ受付部３１は、ユーザによって指定されたクラスタ（を識別するためのクラスタＩＤ）を受け付ける。代表文抽出装置３０においては、クラスタＩＤ受付部３１によって受け付けられたクラスタ（に属する文書群）の代表文が抽出される。
【００３１】
特徴文抽出部３２は、クラスタリング結果格納部２２を参照して、クラスタＩＤ受付部３１によって受け付けられたクラスタ（ユーザによって指定されたクラスタ）に付与された特徴語を含む文（第１の文）を、当該クラスタに属する複数の文書から抽出する。以下、特徴文抽出部３２によって抽出された文を特徴文と称する。
【００３２】
構文解析部３３は、特徴文抽出部３２によって抽出された特徴文を構文解析する。なお、構文解析部３３による構文解析結果には、特徴文抽出部３２によって抽出された特徴文に含まれる自立語間の関係が含まれる。
【００３３】
代表文候補抽出部３４は、構文解析部３３による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する文（第２の文）を、特徴文抽出部３２によって抽出された特徴文から抽出する。代表文候補抽出部３４によって抽出される文には、特徴語が含まれる。なお、抽出ルールの具体例については後述する。以下、代表文候補抽出部３４によって抽出された文を代表文候補と称する。
【００３４】
代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補に含まれる自立語に基づいて、当該代表文候補を集約する。つまり、代表文候補集約部３５は、複数の代表文候補を１つ（の代表文候補）に集約する。代表文候補集約部３５は、パラフレーズ辞書格納部２３および同義語辞書格納部２４を参照して集約処理を実行する。
【００３５】
代表度算出部３６は、代表文候補集約部３５によって集約された結果の代表文候補のクラスタＩＤ受付部３１によって受け付けられたクラスタに対する代表度を算出する。代表度算出部３６は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書における代表文候補を含む文書の数に基づいて、当該代表文候補の代表度を算出する。代表度算出部３６は、代表度の指標として、例えば文書カバー率または代表文候補を含む文書の数に基づくスコア式を用いる。なお、文書カバー率とスコア式の詳細については後述する。
【００３６】
代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部３５によって集約された代表文候補を代表文として決定する。なお、代表文決定部３７によって決定される代表文は複数であっても構わない。
【００３７】
代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書を、代表文決定部３７によって決定された代表文に基づいて分類する。代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書のうち代表文決定部３７によって決定された代表文を含む文書が属するサブクラスタを作成することによって、当該複数の文書を分類する。代表文分類部３８によって作成されたサブクラスタには、代表文分類部３８によって決定された代表文が付与される。
【００３８】
これにより、代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書を、代表文決定部３７によって決定された代表文毎の部分集合で細分類する。代表文分類部３８による分類結果は、出力部３９を介して出力される。
【００３９】
図３を参照して、図２に示すクラスタリング結果格納部２２に格納されるクラスタリング結果のデータ構造について説明する。図３は、文書集合１００に対するクラスタリング結果の一例を示す。
【００４０】
図３に示すように、クラスタリング結果格納部２２に格納されているクラスタリング結果２２１には、クラスタＩＤに対応づけて特徴語ＩＤ、特徴語、クラスタ内文書数および文書ＩＤが含まれる。
【００４１】
クラスタＩＤは、クラスタリングによって作成されたクラスタを識別するための識別子である。
【００４２】
特徴語ＩＤは、クラスタＩＤによって識別されるクラスタに付与された特徴語を識別するための識別子である。特徴語は、特徴語ＩＤによって識別される特徴語（つまり、クラスタＩＤによって識別されるクラスタに付与された特徴語）を示す。特徴語は、クラスタＩＤによって識別されるクラスタに属する複数の文書の特徴を表す少なくとも１つの単語である。
【００４３】
クラスタ内文書数は、クラスタＩＤによって識別されるクラスタに属する文書（群）の数である。文書ＩＤは、クラスタＩＤによって識別されるクラスタに属する文書を識別するための識別子である。
【００４４】
図３に示す例では、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて文書数「２００」および文書ＩＤ「１，２，３，４，５，６，７，８，…，３００」が含まれる。また、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて特徴語ＩＤ「１」および特徴語「燃料」が含まれる。また、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて特徴語ＩＤ「２」および特徴語「亀裂」が含まれる。これによれば、クラスタＩＤ「１」によって識別されるクラスタには、文書ＩＤ「１」、「２」、「３」、「４」、「５」、「６」、「７」、「８」および「３００」等によって識別される２００の文書が属していることが示される。また、クラスタＩＤ「１」によって識別されるクラスタには、特徴語ＩＤ「１」によって識別される特徴語「燃料」および特徴語ＩＤ「２」によって識別される特徴語「亀裂」が付与されていることが示される。つまり、クラスタＩＤ「１」によって識別されるクラスタには、「燃料」および「亀裂」の２つの特徴語が付与されている。
【００４５】
また、クラスタリング結果２２１には、クラスタＩＤ「２」に対応づけて特徴語ＩＤ「１」、特徴語「コンピュータ」、文書数「１５０」および文書ＩＤ「９，…」が含まれる。これによれば、クラスタＩＤ「２」によって識別されるクラスタには、特徴語ＩＤ「１」によって識別される特徴語「コンピュータ」が付与されており、文書ＩＤ「９」等によって識別される１５０の文書が属していることが示される。
【００４６】
なお、図３に示すクラスタリング結果２２１には、クラスタＩＤによって識別されるクラスタに属する複数の文書（つまり、文書ＩＤによって識別される文書）が含まれる。
【００４７】
次に、図４のフローチャートを参照して、本実施形態に係る代表文抽出装置３０の処理手順について説明する。なお、クラスタリング結果格納部２２には、上記した図３に示すクラスタリング結果２２１が格納されているものとして説明する。
【００４８】
まず、クラスタＩＤ受付部３１は、クラスタリング結果格納部２２に格納されているクラスタリング結果２２１に含まれるクラスタＩＤのうち、ユーザによって指定されたクラスタＩＤを受け付ける（ステップＳ１）。
【００４９】
この場合、例えばクラスタリング結果２２１（クラスタＩＤ、特徴語ＩＤ、特徴後、文書数、文書ＩＤおよび文書内容）がユーザに対して表示される。ユーザは、表示されたクラスタリング結果２２１を参照して、代表文を抽出すべき文書群が属するクラスタ（を識別するためのクラスタＩＤ）を指定することができる。
【００５０】
以下の説明においては、クラスタＩＤ受付部３１によって受け付けられたクラスタＩＤによって識別されるクラスタ（ユーザによって指定されたクラスタ）を対象クラスタと称する。
【００５１】
ここでは、対象クラスタを識別するためのクラスタＩＤとして図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」がクラスタＩＤ受付部３１によって受け付けられたものとする。
【００５２】
ここで、図５は、図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタ（つまり、対象クラスタ）に属する文書群（複数の文書）の一例を示す。
【００５３】
図５に示す例では、クラスタＩＤ「１」によって識別される対象クラスタに属する文書群には、文書ＩＤ「１」、「２」「３」、「４」、「５」、「６」、「７」、「８」および「３００」等によって識別される文書が含まれる。
【００５４】
具体的には、対象クラスタには、文書ＩＤ「１」によって識別される文書「燃料が漏れる。燃料タンクを良品と交換する。」等が属している。なお、文書ＩＤ「１」によって識別される文書以外の文書については説明を省略する。
【００５５】
再び図４に戻ると、対象クラスタに付与された特徴語の各々について以下のステップＳ２〜ステップＳ４の処理が実行される。ここでは、対象クラスタに付与された特徴語「燃料」および「亀裂」の各々について処理が実行される。
【００５６】
特徴文抽出部３２は、対象クラスタに属する文書群（図５に示す文書群）から、対象クラスタに付与された特徴語を含む文（特徴文）を抽出する（ステップＳ２）。
【００５７】
ここで、図６は、対象クラスタに付与された特徴語「燃料」を含む特徴文の抽出結果を示す。
【００５８】
図６に示すように、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「１」によって識別される文書から「燃料が漏れる」および「燃料タンクを良品と交換する」が抽出されている。
【００５９】
また、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「２」によって識別される文書から「燃料漏れが生じる」が抽出されている。
【００６０】
同様に、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「３」によって識別される文書から「漏れていた燃料に火が広がった」、文書ＩＤ「４」によって識別される文書から「結合部のホースに亀裂が生じて燃料が漏れる」および文書ＩＤ「６」によって識別される文書から「ホースの亀裂から燃料が漏れていた」等が抽出されている。
【００６１】
なお、図６に示すように、抽出された特徴文の各々には、当該特徴文を識別するための特徴文ＩＤが割り当てられる。
【００６２】
一方、図７は、対象クラスタに付与された特徴語「亀裂」を含む特徴文の抽出結果を示す。
【００６３】
図７に示すように、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「４」によって識別される文書から「結合部のホースに亀裂が生じて燃料が漏れる」が抽出されている。
【００６４】
また、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「５」によって識別される文書から「ホースに亀裂が生じる」が抽出されている。
【００６５】
同様に、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「６」によって識別される文書から「ホースの亀裂から燃料が漏れていた」、文書ＩＤ「７」によって識別される文書から「パイプに亀裂が発生する」、文書ＩＤ「８」によって識別される文書から「タイヤに亀裂が生じる」および文書ＩＤ「３００」によって識別される文書から「亀裂が生じる」が抽出されている。
【００６６】
なお、図７に示すように、抽出された特徴文の各々には、当該特徴文を識別するための特徴文ＩＤが割り当てられる。
【００６７】
再び図４に戻ると、構文解析部３３は、特徴文抽出部３２によって抽出された特徴文の各々を構文解析する（ステップＳ３）。これにより、特徴文抽出部３２によって抽出された特徴文の構文解析結果が得られる。この構文解析部３３による特徴文の構文解析結果には、当該特徴文に含まれる自立語間の関係が含まれる。
【００６８】
ここで、図８および図９を参照して、構文解析部３３による特徴文の構文解析結果（特徴文の構文木の構造）について説明する。
【００６９】
図８は、対象クラスタに付与された特徴語「燃料」を含む特徴文（図６に示す特徴文）の構文解析結果の一例を示す。
【００７０】
図９は、対象クラスタに付与された特徴語「亀裂」を含む特徴文（図７に示す特徴文）の構文解析結果の一例を示す。
【００７１】
図８および図９に示すように、特徴文の構文解析結果には、当該特徴文を識別するための特徴文ＩＤに対応づけて文節ＩＤ、文節の自立語、品詞、親ＩＤおよび関係が含まれる。この文節ＩＤ、文節の自立語、品詞、親ＩＤおよび関係により特徴文に含まれる自立語間の係り受け構造（関係）が示される。
【００７２】
文節ＩＤは、特徴文ＩＤによって識別される特徴文を構成する各文節を識別するための識別子である。文節の自立語は、文節ＩＤによって識別される文節に含まれる自立語を示す。品詞は、文節の自立語の品詞を示す。親ＩＤは、文節の自立語と係り受け関係にある自立語を含む文節（親の文節）を識別するための文節ＩＤを示す。関係は、文節ＩＤによって識別される文節（に含まれる自立語）と親ＩＤによって識別される文節（に含まれる自立語）との係り受け関係を示す。自立語には、例えば名詞、動詞、サ変名詞等が含まれる。係り受け関係には、例えば「の」、「を」、「並列」「隣接」等が含まれる。
【００７３】
図８に示す例では、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」の構文解析結果には、特徴文ＩＤ「１」に対応づけて文節ＩＤ「１」、文節の自立語「燃料」、品詞「名詞」、親ＩＤ「２」および関係「が」が含まれる。また、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」の構文解析結果には、特徴文ＩＤ「１」に対応づけて文節ＩＤ「２」、文節の自立語「漏れる」および品詞「動詞」が含まれる。
【００７４】
この例によると、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」は２つの文節を含み、品詞が名詞である自立語「燃料」が、品詞が動詞である「漏れる」に「が」の関係で係ることが示される。
【００７５】
なお、図８示す特徴文ＩＤ「１」によって識別される特徴文以外の特徴文の構文解析結果についても同様であるため、その詳しい説明を省略する。
【００７６】
また、図９に示す例では、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「１」、文節の自立語「結合部」、品詞「名詞」、親ＩＤ「２」および関係「の」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「２」、文節の自立語「ホース」、品詞「名詞」、親ＩＤ「４」および関係「に」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「３」、文節の自立語「亀裂」、品詞「サ変名詞」、親ＩＤ「４」および関係「が」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「４」、文節の自立語「生じて」、品詞「動詞」、親ＩＤ「６」および関係「並列」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「５」、文節の自立語「燃料」、品詞「名詞」、親ＩＤ「６」および関係「が」が含まれる。また、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「６」、文節の自立語「漏れる」および品詞「動詞」が含まれる。
【００７７】
この例によると、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」は６つの文節を含み、名詞である自立語「結合部」が名詞である自立語「ホース」に「の」の関係で係り、名詞である自立語「ホース」が動詞である自立語「生じて」に「に」の関係で係り、サ変名詞である自立語「亀裂」が「動詞」である自立語「生じて」に「が」の関係で係り、動詞である自立語「生じて」が動詞である自立語「漏れる」に「並列」の関係で係り、名詞である自立語「燃料」が動詞である自立語「漏れる」に「が」の関係で係ることが示される。
【００７８】
なお、図９に示す特徴文ＩＤ「３１２」によって識別される特徴文以外の特徴文の構文解析結果についても同様であるため、その詳しい説明を省略する。
【００７９】
再び図４に戻ると、代表文候補抽出部３４は、構文解析部３３による構文解析結果および予め定められた抽出ルールに基づいて、特徴文抽出部３２によって抽出された特徴文（の構文解析結果）から代表文の候補となる文（代表文候補）を抽出する（ステップＳ４）。
【００８０】
ここで、代表文候補の抽出に用いられる抽出ルールの具体例について説明する。この抽出ルールには、第１〜第３の抽出ルールが含まれる。なお、第１〜第３の抽出ルールは、例えば３つ以下の自立語からなる単文を代表文候補として抽出する場合の抽出ルールである。単文とは基本的に名詞と述語（動詞、形容詞、形容動詞）から構成されるものであり、ここでは単文の述語に動詞の名詞化である動作名詞も含むとする。動作名詞は、例えば「漏れ」「揺れ」などである。
【００８１】
第１の抽出ルールは、特徴語を含み、第１の自立語（品詞が名詞）と第２の自立語（品詞が動詞または動作名詞）とが存在し、当該第１の自立語と第２の自立語との間に関係が存在する単文を抽出することを示す。
【００８２】
第２の抽出ルールは、特徴語を含み、第１および第２の自立語（品詞が名詞）と第３の自立語（品詞が動詞または動作名詞）とが存在し、第１の自立語と第２の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文（または、第１の自立語と第３の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文）を抽出することを示す。
【００８３】
第３の抽出ルールは、特徴語を含み、第１の自立語（品詞が名詞）と第２および第３の自立語（品詞が動詞または動作名詞）とが存在し、第１の自立語と第２の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文（または、第１の自立語と第３の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文、または、第１の自立語と第２の自立語との間に関係が存在し、かつ、第１の自立語と第３の自立語との間に関係が存在する単文）を抽出することを示す。
【００８４】
なお、抽出ルールとしては、上記した第１〜第３の抽出ルールの全てが用いられてもよいし、当該第１〜第３の抽出ルールのいずれか（１つまたは２つ）が用いられてもよい。以下の説明では、第１〜第３の抽出ルールの全てが用いられるものとして説明する。
【００８５】
また、抽出ルールは、上記した第１〜第３の抽出ルールに限られるものではなく、当該第１〜第３の抽出ルール以外の抽出ルールが用いられても構わない。また、抽出ルールは、入れ替え、追加または削除等が可能である。例えばユーザによって入れ替え、追加または削除等が行われる仕組みであっても構わない。
【００８６】
ここで、図１０〜図１５を参照して、代表文候補抽出部３４によって抽出された代表文候補について説明する。
【００８７】
図１０は、第１の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。なお、図６は、上記したように特徴語「燃料」を含む特徴文の一例を示す。また、図８は、図６に示す特徴文の構文解析結果を示す。
【００８８】
まず、図６に示す特徴文のうち、例えば特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」から抽出される代表文候補について説明する。
【００８９】
図８に示す特徴文「燃料が漏れる」の構文解析結果によれば、この特徴文「燃料が漏れる」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「漏れる」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れる」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料が漏れる」が抽出される。
【００９０】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」から抽出される代表文候補について説明する。
【００９１】
図８に示す特徴文「燃料タンクを良品と交換する」の構文解析結果によれば、この特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち、自立語「燃料タンク」が第１の抽出ルールにおける第１の自立語に該当し、自立語「交換する」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料タンク」と第２の自立語である自立語「交換する」との間には関係（ここでは、関係「を」）が存在する。また、第１の自立語である自立語「燃料タンク」には、特徴語である「燃料」が含まれる。したがって、図１０に示すように、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料タンクを交換する」が抽出される。
【００９２】
なお、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち自立語「良品」は第１の抽出ルールにおける第１の自立語に該当し、自立語「交換する」は第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語「良品」と第２の自立語「交換する」との間には関係（ここでは、関係「と」）が存在する。しかしながら、第１の自立語「良品」および第２の自立語「交換する」には特徴語「燃料」が含まれていないため、「良品と交換する」は、代表文候補としては抽出されない。
【００９３】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」から抽出される代表文候補について説明する。
【００９４】
図８に示す特徴文「漏れていた燃料に火が広がった」の構文解析結果によれば、この特徴文「漏れていた燃料に火が広がった」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「漏れていた」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れていた」との間には関係（ここでは、関係「が修飾」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「漏れていた燃料」が抽出される。
【００９５】
更に、図８に示す特徴文「漏れていた燃料に火が広がった」の構文解析結果によれば、この特徴文「漏れていた燃料に火が広がった」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「広がった」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「広がった」との間には関係（ここでは、関係「に」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料に広がった」が抽出される。
【００９６】
このように、１つの特徴文（ここでは、特徴文ＩＤ「４」によって識別される特徴文）から複数の代表文候補が抽出されても構わない。
【００９７】
ここでは、図１０を参照して、図６に示す特徴文ＩＤ「１」、「２」および「４」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【００９８】
なお、図１０に示すように、代表文候補抽出部３４によって抽出された代表文候補の各々には、当該代表文候補を識別するための代表文候補ＩＤが割り当てられる。以下に説明する各代表文候補についても同様である。
【００９９】
図１１は、第１の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。なお、図７は、上記したように特徴語「亀裂」を含む特徴文の一例を示す。また、図９は、図７に示す特徴文の構文解析結果を示す。
【０１００】
ここでは、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１０１】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「亀裂」が第１の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「亀裂」と第２の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である「亀裂」は、特徴語である。したがって、図１１に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第１の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂が生じて」が抽出される。
【０１０２】
なお、特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「ホース」は第１の抽出ルールにおける第１の自立語に該当し、自立語「生じて」は第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語「ホース」および第２の自立語「生じて」との間には関係（ここでは、関係「に」）が存在する。しかしながら、第１の自立語「ホース」および第２の自立語「生じて」には特徴語「亀裂」が含まれていないため、「ホースに生じて」は、代表文候補としては抽出されない。また、「燃料が漏れる」についても同様であるため、代表文候補としては抽出されない。
【０１０３】
ここでは、図１１を参照して、図７に示す特徴文ＩＤ「３１２」によって識別される特徴文から抽出された代表文候補について説明したが、図７に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１０４】
図１２は、第２の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１０５】
ここでは、図６に示す特徴文のうち、例えば特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」から抽出される代表文候補について説明する。
【０１０６】
図８に示す特徴文「燃料タンクを良品と交換する」の構文解析結果によれば、この特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち、自立語「燃料タンク」が第２の抽出ルールにおける第１の自立語に該当し、自立語「良品」が第２の抽出ルールにおける第２の自立語に該当し、自立語「交換する」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料タンク」と第３の自立語である自立語「交換する」との間には関係（ここでは、関係「を」）が存在し、かつ、第２の自立語である自立語「良品」と第３の自立語である自立語「交換する」との間には関係（ここでは、関係「と」）が存在する。また、第１の自立語である自立語「燃料タンク」には、特徴語である「燃料」が含まれる。したがって、図１２に示すように、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」からは、第２の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料タンクを良品と交換する」が抽出される。
【０１０７】
ここでは、図１１を参照して、図６に示す特徴文ＩＤ「２」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１０８】
図１３は、第２の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１０９】
まず、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１１０】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「ホース」が第２の抽出ルールにおける第１の自立語に該当し、自立語「亀裂」が第２の抽出ルールにおける第２の自立語に該当し、自立語「生じて」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「ホース」と第３の自立語である自立語「生じて」との間には関係（ここでは、関係「に」）が存在し、かつ、第２の自立語である「亀裂」と第３の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在する。また、第２の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「ホースに亀裂が生じて」が抽出される。なお、「結合部のホースに生じて」には特徴語「亀裂」が含まれていないため、代表文候補としては抽出されない。
【０１１１】
次に、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」から抽出される代表文候補について説明する。
【０１１２】
図９に示す特徴文「ホースの亀裂から燃料が漏れていた」の構文解析結果によれば、この特徴文「ホースの亀裂から燃料が漏れていた」に含まれる自立語のうち、自立語「亀裂」が第２の抽出ルールにおける第１の自立語に該当し、自立語「燃料」が第２の抽出ルールにおける第２の自立語に該当し、自立語「漏れていた」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「亀裂」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「から」）が存在し、かつ、第２の自立語である自立語「燃料」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂から燃料が漏れていた」が抽出される。
【０１１３】
更に、図９に示す特徴文「ホースの亀裂から燃料が漏れていた」の構文解析結果によれば、この特徴文「ホースの亀裂から燃料が漏れていた」に含まれる自立語のうち、自立語「ホース」が第２の抽出ルールにおける第１の自立語に該当し、自立語「亀裂」が第２の抽出ルールにおける第２の自立語に該当し、自立語「漏れていた」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「ホース」と第２の自立語である自立語「亀裂」との間には関係（ここでは、関係「の」）が存在し、かつ、第２の自立語である自立語「亀裂」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「から」）が存在する。また、第２の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「ホースの亀裂から漏れていた」が抽出される。
【０１１４】
ここでは、図１３を参照して、図７に示す特徴文ＩＤ「３１２」および「３１４」によって識別される特徴文から抽出された代表文候補について説明したが、図７に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１１５】
図１４は、第３の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１１６】
まず、図６に示す特徴文のうち、例えば特徴文ＩＤ「３」によって識別される特徴文「燃料漏れが生じる」から抽出される代表文候補について説明する。
【０１１７】
図８に示す特徴文「燃料漏れが生じる」の構文解析結果によれば、この特徴文「燃料漏れが生じる」に含まれる自立語のうち、自立語「燃料」が第３の抽出ルールにおける第１の自立語に該当し、自立語「漏れ」が第３の抽出ルールにおける第２の自立語に該当し、自立語「生じる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れ」との間には関係（ここでは、関係「隣接」）が存在し、かつ、第２の自立語である自立語「漏れ」と第３の自立語である自立語「生じる」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１４に示すように、特徴文ＩＤ「３」によって識別される特徴文「燃料漏れが生じる」からは、第３の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料漏れが生じる」が抽出される。
【０１１８】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「５」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出された代表文候補について説明する。
【０１１９】
図８に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「燃料」が第３の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第３の抽出ルールにおける第２の自立語に該当し、自立語「漏れる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料」と第３の自立語である「漏れる」との間には関係（ここでは、関係「が」）が存在し、かつ、第２の自立語である自立語「生じて」と第３の自立語である自立語「漏れる」との間には関係（ここでは、関係「並列」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１４に示すように、特徴文ＩＤ「５」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第３の抽出ルールにより特徴語「燃料」を含む代表文候補「生じて燃料が漏れる」が抽出される。
【０１２０】
ここでは、図１４を参照して、図６に示す特徴文ＩＤ「３」および「５」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１２１】
図１５は、第３の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１２２】
ここでは、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１２３】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「亀裂」が第３の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第３の抽出ルールにおける第２の自立語に該当し、自立語「漏れる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「亀裂」と第２の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在し、かつ、第２の自立語である自立語「生じて」と第３の自立語である自立語「漏れる」との間には関係（ここでは、関係「並列」）が存在する。また、第１の自立語である自立語「亀裂」は、特徴語である。したがって、図１５に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第３の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂が生じて漏れる」が抽出される。
【０１２４】
再び図４に戻って説明する。上記したように対象クラスタに付与された特徴語の各々について上記したステップＳ２〜ステップＳ４の処理が実行されると、後述するステップＳ５の処理が実行される。
【０１２５】
上記したように、対象クラスタに付与された例えば特徴語「燃料」についてステップＳ２〜ステップＳ４の処理が実行されると、ステップＳ２の処理においては図６に示す特徴文が抽出され、ステップＳ３の処理においては図８に示す構文解析結果が得られ、ステップＳ４においては図１０、図１２および図１４に示す代表文候補が抽出される。
【０１２６】
一方、対象クラスタに付与された特徴語「亀裂」についてステップＳ２〜ステップＳ４の処理が実行されると、ステップＳ２の処理においては図７に示す特徴文が抽出され、ステップＳ３の処理においては図９に示す構文解析結果が得られ、ステップＳ４においては図１１、図１３および図１５に示す代表文候補が抽出される。
【０１２７】
次に、代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補（ここでは、図１０〜図１５に示す代表文候補）の各々に含まれる自立語に基づいて、当該代表文候補を集約する処理を実行する（ステップＳ５）。代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補のうち、例えば同様の意味内容を有する複数の代表文候補を（１つの代表文候補へ）集約する。なお、代表文候補集約部３５は、同様の意味内容を有する複数の代表文候補を、当該複数の代表文候補のうち代表文候補抽出部３４によって抽出された数が最も多い（つまり、出現頻度が最も高い）代表文候補へ集約する。以下、複数の代表文候補が集約された結果となる代表文候補を集約代表文候補と称する。
【０１２８】
代表文候補集約部３５は、以下に説明する第１〜第３の集約方法により代表文候補を集約する。
【０１２９】
第１の集約方法によれば、例えば代表文候補に含まれる自立語の語幹が同じ複数の代表文候補が集約される。具体的には、図１０に示す代表文候補においては、代表文候補ＩＤ「１」および「６」によって識別される代表文候補「燃料が漏れる」と代表文候補ＩＤ「３」によって識別される代表文候補「燃料漏れ」と代表文候補ＩＤ「４」によって識別される代表文候補「漏れていた燃料」と代表文候補ＩＤ「７」によって識別される代表文候補「燃料が漏れていた」が集約される。この場合、これらの代表文候補のうち代表文候補「燃料が漏れる」の出現頻度が最も高いため、これらの代表文候補は集約代表文候補「燃料が漏れる」へ集約される。
【０１３０】
なお、第１の集約方法においては、語幹が同じ代表文候補であっても否定の表現を含む代表文候補は集約されない。したがって、図１０に示す代表文候補ＩＤ「１８３」によって識別される代表文候補「燃料が漏れない」は、上記した集約代表文候補「燃料が漏れる」へは集約されない。
【０１３１】
第２の集約方法においては、パラフレーズ辞書２３に格納されている置換ルールを用いて代表文候補の言い換え処理（パラフレーズ）が行われる。つまり、第２の集約方法によれば、代表文候補の言い換え結果が同一である複数の代表文候補が集約される。
【０１３２】
ここで、図１６は、図２に示すパラフレーズ辞書格納部２３のデータ構造の一例を示す。パラフレーズ辞書格納部２３には、置換ルール２３１を含む複数の置換ルールが格納されている。なお、図１６においては、置換ルール２３１以外の置換ルールについては省略されている。
【０１３３】
図１６に示すように、置換ルール２３１には、ルールＩＤ、対象パターン、置換パターン、係り受け条件、品詞条件および一致条件が含まれる。ルールＩＤは、置換ルール２３１を識別するための識別子である。対象パターンは、代表文候補における複数の自立語間の係り受け構造を示す構文パターンである。置換パターンは、対象パターンの言い換えとなる自立語間の係り受け構造を示す構文パターンである。
【０１３４】
係り受け条件、品詞条件および一致条件は、代表文候補において、当該代表文候補に含まれる自立語を残すと共に対象パターンを置換パターンに置換するための置換条件である。つまり、これらの全ての置換条件を満たした場合に、代表文候補に対して置換処理が行われることになり、当該代表文候補の言い換えが行われる。
【０１３５】
係り受け条件は、文節間の係り受け(関係)についての条件を示す。品詞条件は、各文節の自立語の品詞の条件を示す。一致条件は、代表文候補と当該代表文候補の言い換え結果（集約代表文候補）との文節の一致条件を示す。
【０１３６】
図１６に示す例では、置換ルール２３１には、ルールＩＤ「１」、対象パターン「Ｂ−Ｃ−Ａ」、置換パターン「Ｂ−Ｃ」、係り受け条件「Ｂ−Ｃ：隣接、Ｃ−Ａ：が」、品詞条件「Ｃ：動詞，動作名詞、Ｂ：名詞、Ａ：「生じる」」および一致条件「Ａ：不一致、Ｂ：語幹が一致（活用語尾が否定であるものは除く）、Ｃ：一致」が含まれる。なお、図１６において、Ａ、ＢおよびＣは、自立語（文節の自立語）を示す。
【０１３７】
ここで、図１４に示す代表文候補ＩＤ「１８７」によって識別される代表文候補「燃料漏れが生じる」を集約代表文候補「燃料が漏れる」に集約する場合について具体的に説明する。なお、パラフレーズ辞書格納部２３には、図１６に示す置換ルール２３１が格納されているものとする。なお、適宜、図８に示す代表文候補「燃料漏れが生じる」および集約代表文候補「燃料が漏れる」の構文解析結果を用いて説明する。
【０１３８】
この場合、置換ルール２３１に含まれる対象パターンは「Ｂ−Ｃ−Ａ」である。この場合、図８に示すように代表文候補「燃料漏れが生じる」に含まれる自立語「燃料」が対象パターンにおける「Ｂ」に該当し、自立語「漏れ」が対象パターンにおける「Ｃ」に該当し、自立語「生じる」が対象パターンにおける「Ａ」に該当する。
【０１３９】
図８に示すように自立語「燃料（Ｂ）」と自立語「漏れ（Ｃ）」との間の関係（係り受け関係）は「隣接」である。また、自立語「漏れ（Ｃ）」と自立語「生じる（Ａ）」との間の関係は「が」である。したがって、代表文候補「燃料漏れが生じる」は、係り受け条件を満たす。
【０１４０】
図８に示すように自立語「漏れ（Ｃ）」の品詞は「動作名詞」であり、自立語「燃料（Ｂ）」の品詞は「名詞」である。したがって、代表文候補「燃料漏れが生じる」は、品詞条件を満たす。
【０１４１】
一方、置換ルール２３１に含まれる置換パターンは「Ｂ−Ｃ」である。この場合、図８に示すように集約代表文候補「燃料が漏れる」に含まれる自立語「燃料」が置換パターンにおける「Ｂ」に該当し、自立語「漏れる」が置換パターンにおける「Ｃ」に該当する。
【０１４２】
つまり、上記した図１６に示す置換ルール２３１において、代表文候補「燃料漏れが生じる」は、対象パターン、係り受け条件および品詞条件を満たしている。
【０１４３】
また、集約代表文候補「燃料が漏れる」は、置換ルール２３１に含まれる置換パターンを満たす。
【０１４４】
更に、代表文候補「燃料漏れが生じる」および集約代表文候補「燃料が漏れる」は、置換ルール２３１に含まれる一致条件を満たす。
【０１４５】
よって、代表文候補「燃料漏れが生じる」は置換ルール２３１を用いて集約代表文候補「燃料が漏れる」に言い換える（つまり、置換する）ことができる。したがって、代表文候補「燃料漏れが生じる」は集約代表文候補「燃料が漏れる」に集約することができる。
【０１４６】
つまり、第２の集約方法においては、上記したようにパラフレーズ辞書格納部２３を用いて代表文候補を集約することができる。
【０１４７】
第３の集約方法によれば、同義語辞書格納部２４を用いて同義語を含む複数の代表文候補が集約される。ここで、同義語辞書格納部２４に同義語として「生じる」および「発生する」が格納されているものとする。この場合には、図１１に示す代表文候補ＩＤ「１９２」によって識別される代表文候補「亀裂が発生する」および代表文候補ＩＤ「１９３」によって識別される代表文候補「亀裂が生じる」が集約される。この場合、これらの代表文候補のうち出現頻度が最も高い代表文候補（集約代表文候補）へ集約される。
【０１４８】
なお、代表文候補集約部３５は、上記した第１〜第３の集約方法の全てを用いて代表文候補の集約処理を実行してもよいし、当該第１〜第３の集約方法のいずれか（１つまたは２つ）を用いて集約処理を実行しても構わない。
【０１４９】
ここで、図１７は、代表文候補集約部３５による代表文候補の集約結果（集約代表文候補）の一例を示す。なお、図１７は、上記した図１０〜図１５に示す代表文候補の集約結果を示す。
【０１５０】
図１７に示す集約代表文候補ＩＤは、集約代表文候補を識別するための識別子であり、代表文候補集約部３５による集約処理において集約代表文候補毎に割り当てられる。また、図１７に示す特徴文ＩＤは、集約代表文候補に集約された代表候補文が抽出された特徴文を識別するための識別子である。
【０１５１】
図１７に示す例では、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」には、特徴文ＩＤ「１，３，４，５，６，…」の各々によって識別される特徴文から抽出された代表候補文が集約されていることが示される。
【０１５２】
ここでは、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」について説明したが、当該集約代表文候補以外の集約代表文候補についても同様であるため、その詳しい説明を省略する。
【０１５３】
次に、代表度算出部３６は、代表文候補集約部３５による集約結果（に含まれる集約代表文候補）毎に、対象クラスタに対する代表度を算出する（ステップＳ６）。代表度算出部３６は、代表度の指標として、例えば“文書カバー率”または代表文候補を含む文書の数に基づく“スコア式”を用いる。以下、文書カバー率によって算出される代表度を第１の代表度とする。一方、スコア式によって算出される代表度を第２の代表度とする。
【０１５４】
まず、第１の代表度について説明する。第１の代表度は、文書カバー率により定義される。ここで文書カバー率は、「集約代表文候補を含む文書数／対象クラスタに属する全文書数」で定義され、対象クラスタに属する文書群（複数の文書）に対する集約代表文候補の網羅性を表すことができる。なお、集約代表文候補を含む文書数には、集約代表文候補に集約された代表文候補の各々が含まれる文書数が含まれる。また、文書カバー率により定義される第１の代表度は、値が大きい方が対象クラスタに属する文書群（複数の文書）に対する集約代表文候補の網羅性が高いことを表す。
【０１５５】
次に、第２の代表度について説明する。ここで、集約代表文候補の数がＮである場合の集約代表文候補Ｘの第２の代表度は、次式（即ち、スコア式）によって定義される。
【数１】
【０１５６】
この式（１）におけるｄＸは、対象クラスタに属する文書群（複数の文書）のうちの集約代表文候補Ｘが含まれる文書の集合である。なお、ｄＸには、集約代表文候補Ｘに集約された代表文候補の各々が含まれる文書が含まれる。上記したように図１０に示す代表文候補「燃料が漏れる」と「燃料漏れ」と「漏れていた燃料」と「燃料が漏れていた」とが集約代表文候補「燃料が漏れる」へ集約された場合を想定する。この場合において、集約代表文候補Ｘが当該集約代表文候補「燃料が漏れる」である場合には、式（１）におけるｄＸは、集約代表文候補「燃料が漏れる」に集約された「燃料が漏れる」、「燃料漏れ」、「漏れていた燃料」および「燃料が漏れていた」の各々が含まれる文書の集合である。
【０１５７】
式（１）におけるｄｉは、集約代表文候補Ｘ以外の集約代表文候補ｉが含まれる文書の集合である。なお、ｄｉには、集約代表文候補ｉに集約された代表文候補が含まれる文書が含まれる。
【０１５８】
式（１）における｜ｄＸ｜は、ｄＸの集合中に含まれる文書の数である。また、式（１）における｜ｄＸ∩ｄｉ｜は、ｄＸおよびｄｉの積集合中に含まれる文書の数である。
【０１５９】
なお、上記した式（１）により定義される第２の代表度は、値が小さい方が集約代表文候補Ｘが対象クラスタ内においてより代表らしいことを表す。
【０１６０】
ここで、集約代表文候補Ａ、ＢおよびＣが存在するものとする。また、対象クラスタには、第１〜第１５の文書が属しているものとする。
【０１６１】
この場合において、集約代表文候補Ａは第１〜第５の文書に含まれ、集約代表文候補Ｂは第４〜第９の文書に含まれ、集約代表文候補Ｃは第９〜第１５の文書に含まれる場合を想定する。つまり、第４および第５の文書には集約代表文候補ＡおよびＢが含まれる。また、第９の文書には、集約代表文候補ＢおよびＣが含まれる。
【０１６２】
この場合、上記した式（１）において、｜ｄＡ｜は５であり、｜ｄＢ｜は６であり、｜ｄＣ｜は７である。また、｜ｄＡ∩ｄＢ｜は２であり、｜ｄＢ∩ｄＣ｜は１であり、｜ｄＡ∩ｄＣ｜は０である。
【０１６３】
したがって、集約代表文候補Ａの第２の代表度は２／５（＝２／５＋０／５）、集約代表文候補Ｂの第２の代表度は１／２（＝２／６＋１／６）、集約代表文候補Ｃの代表度は１／７（＝０／７＋１／７）となる。
【０１６４】
これにより、この対象クラスタにおいて最も代表らしい集約代表文候補は、集約代表文候補Ｃとなる。
【０１６５】
代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部３５による集約結果（に含まれる集約代表文候補）の中から代表文を決定する（ステップＳ７）。
【０１６６】
具体的には、ステップＳ６において代表度算出部３６によって集約代表文候補毎に第１の代表度（文書カバー率）が算出された場合には、代表文決定部３７は、第１の代表度が大きい順に上位ｎ位までの集約代表文候補を対象クラスタにおける代表文として決定する。ここで、ｎは、例えばユーザによって予め定められた整数である。
【０１６７】
ここで、図１８は、代表度算出部３６によって集約代表文候補毎に算出された第１の代表度の一例を示す。図１８においては、第１の代表度が大きい順に集約代表文候補が示されている。
【０１６８】
例えば第１の代表度が大きい順に上位３位までの集約代表文候補を代表文として決定する場合、図１８に示す例においては、集約代表文候補ＩＤ「４」によって識別される集約代表文候補「亀裂が生じる」、集約代表文候補ＩＤ「７」によって識別される集約代表文候補「燃料に火が広がる」および集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」が代表文として決定される。
【０１６９】
一方、ステップＳ６において代表度算出部３６によって集約代表文候補毎に第２の代表度（スコア式）が算出された場合には、代表文決定部３７は、第２の代表度が小さい順に上位ｎ位までの集約代表文候補を対象クラスタにおける代表文として決定する。ここで、ｎは、上記したようにユーザによって予め定められた整数である。
【０１７０】
ここで、図１９は、代表度算出部３６によって集約代表文候補毎に算出された第２の代表度の一例を示す。図１９においては、第２の代表度が小さい順に集約代表文候補が示されている。
【０１７１】
例えば第２の代表度が小さい順に上位３位までの集約代表文候補を代表文として決定する場合、図１９に示す例においては、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」、集約代表文候補ＩＤ「４」によって識別される集約代表文候補「亀裂が生じる」および集約代表文候補ＩＤ「７」によって識別される集約代表文候補「燃料に火が広がる」が代表文として決定される。
【０１７２】
以下の説明では、上記したように集約代表文候補「亀裂が生じる」、集約代表文候補「燃料に火が広がる」および集約代表文候補「燃料が漏れる」が代表文として決定されたものとして説明する。
【０１７３】
次に、代表文分類部３８は、代表文決定部３７によって決定された代表文による分類処理を実行する（ステップＳ８）。この場合、代表文分類部３８は、代表文決定部３７によって決定された代表文毎に、対象クラスタに属する文書であって当該代表文を含む文書が属するサブクラスタを作成する。これにより、代表文分類部３８は、対象クラスタに属する文書群（複数の文書）をサブクラスタに分類する。つまり、代表文分類部３８は、対象クラスタに属する文書群を、代表文決定部３７によって決定された代表文毎の部分集合で細分類する。なお、この部分集合（サブクラスタ）には、代表文が付与される。
【０１７４】
ここで、図２０は、代表文分類部３８による分類結果の一例を示す。なお、図２０に示す分類結果は、上記した図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタが対象クラスタとしてユーザによって指定された場合の分類結果を示す。
【０１７５】
図２０に示すように、代表文分類部３８による分類結果（以下、単に分類結果と表記）には、クラスタＩＤに対応づけてクラスタ内文書数、特徴語、サブクラスタＩＤ、代表文、文書ＩＤおよびサブクラスタ内文書数が含まれる。
【０１７６】
クラスタ内文書数は、クラスタＩＤによって識別されるクラスタに属する文書の数を示す。特徴語は、クラスタＩＤによって識別されるクラスタに付与された特徴語を示す。なお、分類結果に含まれるクラスタＩＤ、クラスタ内文書数および特徴語は、上記した図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ、クラスタ内文書数および特徴語と同一である。
【０１７７】
サブクラスタＩＤは、上記した代表文分類部３８によって代表文毎に作成されたサブクラスタを識別するための識別子である。
【０１７８】
代表文は、代表文決定部３７によって決定された代表文であって、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタの作成に用いられた代表文を示す。つまり、代表文は、サブクラスタＩＤによって識別されるサブクラスタに属する文書群の特徴を表す文である。
【０１７９】
文書ＩＤは、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタに属する文書の各々を識別するための識別子である。
【０１８０】
サブクラスタ内文書数は、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタに属する文書の数を示す。
【０１８１】
図２０に示す例では、分類結果には、クラスタＩＤ「１」に対応づけてクラスタ内文書数「２００」、特徴語「燃料、亀裂」が含まれる。これによれば、クラスタＩＤ「１」によって識別されるクラスタには特徴語「燃料、亀裂」が付与されており、当該クラスタには２００の文書が属していることが示されている。
【０１８２】
また、分類結果には、クラスタＩＤ「１」に対応づけてサブクラスタＩＤ「１」、代表文「亀裂が生じる」、文書ＩＤ「４，５，７，８，…，３００」およびサブクラスタ内文書数「３６」が含まれている。これによれば、サブクラスタＩＤ「１」によって識別されるサブクラスタには、文書ＩＤ「４」、「５」、「７」、「８」、…、「３００」によって識別される３６の文書が属しており、これらの文書には代表文「亀裂が生じる」が含まれることが示されている。
【０１８３】
また、分類結果には、クラスタＩＤ「１」に対応づけてサブクラスタＩＤ「２」、代表文「燃料に火が広がる」、文書ＩＤ「３，…，２６５」およびサブクラスタ内文書数「３０」が含まれている。これによれば、サブクラスタＩＤ「２」によって識別されるサブクラスタには、文書ＩＤ「３」、…、「２６５」によって識別される３０の文書が属しており、これらの文書には代表文「燃料に火が広がる」が含まれることが示されている。
【０１８４】
また、分類結果には、クラスタＩＤ「１」に対応付けてサブクラスタＩＤ「３」、代表文「燃料が漏れる」、文書ＩＤ「１，２，３，４，６，…，２２０」およびサブクラスタ内文書数「４０」が含まれている。これによれば、サブクラスタＩＤ「３」によって識別されるサブクラスタには、文書ＩＤ「１」、「２」、「３」、「４」、「６」、…、「２２０」によって識別される３６の文書が属しており、これらの文書には代表文「燃料が漏れる」が含まれることが示されている。
【０１８５】
なお、図２０に示すように、対象クラスタに属する１の文書が複数のサブクラスタに属しても構わない。また、対象クラスタに属する文書であっても代表文を含まない文書は、サブクラスタには分類されない。これにより、図２０に示すように、各サブクラスタ内文書数の合計がクラスタ内文書数より少なくなる場合がある。
【０１８６】
次に、出力部３９は、図２０に示すような代表文分類部３８による分類結果を出力する（ステップＳ９）。この場合、出力部３９は、分類結果を表示することによりユーザに対して提示する。
【０１８７】
ユーザは、出力部３９によって出力された分類結果において例えば代表文を指定（選択）することで、当該代表文に対応するサブクラスタに属する文書を確認することができる。
【０１８８】
上記したように本実施形態においては、対象クラスタに付与された特徴語を含む特徴文が当該対象クラスタに属する複数の文書から抽出され、当該特徴文の構文解析結果および予め定められた抽出ルールに基づいて、当該特徴文から代表文候補が抽出される。また、本実施形態においては、抽出された代表文候補が集約された集約代表文候補毎に代表度が算出され、当該代表度に基づいて対象クラスタにおける代表文が決定される。
【０１８９】
これにより、本実施形態においては、対象クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を当該文書群から抽出することができる。つまり、本実施形態においては、ユーザによって指定された対象クラスタに対して特徴語ではなく代表文でラベリングすることが可能となる。したがって、本実施形態においては、対象クラスタに特徴語のみが付与されている場合と比較して、対象クラスタに属する文書群の内容の可読性を向上させることが可能となる。
【０１９０】
また、本実施形態においては、決定された代表文を含む文書が属するサブクラスタが作成されることにより対象クラスタに属する文書群が細分類される。
【０１９１】
これにより、本実施形態においては、ユーザは分類結果を確認することにより、容易に対象クラスタに属する文書の部分集合（サブクラスタ）の内容を把握し、所望の内容の文書を容易に探索することが可能となる。
【０１９２】
なお、本実施形態においては、クラスタリング結果が予めクラスタリング結果格納部２２に格納されているものとして説明したが、代表文抽出装置３０が文書群に対してクラスタリング処理をするクラスタリング部を備える構成であっても構わない。
【０１９３】
［第２の実施形態］
次に、図２１を参照して、本発明の第２の実施形態について説明する。図２１は、本実施形態に係る代表文抽出装置の主として機能構成を示すブロック図である。なお、前述した図２と同様の部分には同一参照符号を付してその詳しい説明を省略する。ここでは、図２と異なる部分について主に述べる。
【０１９４】
また、本実施形態に係る代表文抽出装置のハードウェア構成は前述した第１の実施形態と同様であるため、適宜、図１を用いて説明する。
【０１９５】
本実施形態においては、前述した第１の実施形態において説明した処理によって抽出される代表文を用いてＦＡＱ（Frequently Asked Questions）を作成する点が、前述した第１の実施形態とは異なる。
【０１９６】
図２１に示すように、本実施形態に係る代表文抽出装置３００は、クラスタリング部３０１およびＦＡＱ作成部３０２を含む。本実施形態において、これらの各部３０１および３０２は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。
【０１９７】
なお、本実施形態に係る代表文抽出装置３０に含まれるクラスタリング結果格納部２２に格納されている複数の文書は、各文書において自立語を含む文からなる質問に関する記述（第１の記述）および当該質問に対する回答に関する記述（第２の記述）を含む。また、クラスタリング結果格納部２２には、文書集合に含まれる質問に関する記述に対するクラスタリング結果が格納されている。
【０１９８】
また、本実施形態に係る代表文抽出装置３０に含まれるクラスタＩＤ受付部３１、特徴文抽出部３２、構文解析部３３、代表文候補抽出部３４、代表文候補集約部３５、代表度算出部３６、代表文決定部３７、代表文分類部３８は、前述した第１の実施形態において説明した図４に示すステップＳ１〜ステップＳ９の処理に相当する処理（以下、代表文分類処理と表記）を実行する。この代表文分類処理においては、代表文が抽出され、当該代表文が付与されたサブクラスタが作成される。
【０１９９】
クラスタリング部３０１は、クラスタリング結果格納部２２に格納されているクラスタリング結果に対する代表文分類処理において作成されたサブクラスタ（第１のサブクラスタ）に属する文書群（複数の文書）の各々が属するサブクラスタ（第２のサブクラスタ）を作成する。つまり、クラスタリング部３０１は、代表文分類処理において作成されたサブクラスタに属する文書群を分類（クラスタリング）する。このとき、クラスタリング部３０１は、代表文分類処理において作成されたサブクラスタに属する文書群に含まれる回答に関する記述に基づいてクラスタリング処理を実行する。なお、クラスタリング部３０１によって作成されたサブクラスタには、当該サブクラスタに属する文書群の特徴を表す特徴語が付与される。この特徴語は、クラスタリング部３０１によって作成されたサブクラスタに属する文書群に含まれる回答に関する記述における単語（自立語）の出現頻度に基づいて決定される。
【０２００】
ＦＡＱ作成部３０２は、後述する質問に関する代表文（第１の代表文）および回答に関する代表文（第２の代表文）に基づいてＦＡＱを作成する。なお、ＦＡＱ作成部３０２によって作成されたＦＡＱは、ＦＡＱ出力部３０３によって出力される。
【０２０１】
図２２は、本実施形態に係る代表文抽出装置３００に含まれるクラスタリング結果格納部２２に格納されている複数の文書のデータ構造の一例を示す。
【０２０２】
図２２に示すように、クラスタリング結果格納部２２に格納されている複数の文書（文書群）は、各文書において質問に関する記述および回答に関する記述を含む。
【０２０３】
図２２に示す例では、文書ＩＤ「４」によって識別される文書は、質問に関する記述「…。亀裂が生じる。…。」および回答に関する記述「…、ホースを新品に交換する。…。」を含む。
【０２０４】
なお、図２２に示す複数の文書においては、例えば文書がＸＭＬ（eXtensible Markup Language）形式であれば当該ＸＭＬのタグ等により質問に関する記述および回答に関する記述を区別できる。
【０２０５】
次に、図２３のフローチャートを参照して、本実施形態に係る代表文抽出装置３００の処理手順について説明する。
【０２０６】
なお、上記したように代表文抽出装置３００に含まれるクラスタリング結果格納部２２には、文書集合に含まれる質問に関する記述に対するクラスタリング結果が格納されている。クラスタリング結果格納部２２に格納されているクラスタリング結果のデータ構造自体は前述した第１の実施形態と同様である。このため、クラスタリング結果格納部２２には、前述した図３に示すクラスタリング結果２２１が格納されているものとして説明する。
【０２０７】
まず、クラスタリング結果格納部２２に格納されているクラスタリング結果に対して代表文分類処理（前述した図４に示すステップＳ１〜ステップＳ９）が実行される（ステップＳ２１）。なお、代表文分類処理においてクラスタＩＤ受付部３１によって受け付けられたクラスタＩＤによって識別されるクラスタ（ユーザによって指定されたクラスタ）を対象クラスタと称する。ここでは、図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタが対象クラスタであるものとする。
【０２０８】
また、ステップＳ２１の代表文分類処理においては、特徴文抽出部３２は、対象クラスタに属する文書群（複数の文書）に含まれる質問に関する記述から、対象クラスタに付与された特徴語を含む特徴文（第１の文）を抽出する。なお、この点以外については前述した第１の実施形態において説明した処理と同様であるためその詳しい説明を省略する。
【０２０９】
代表文分類処理においては、対象クラスタに属する文書群から代表文（第１の代表文）が抽出され、当該代表文を含む文書が属するサブクラスタが作成される。以下、ステップＳ２１の代表文分類処理において抽出された代表文を質問に関する代表文とする。また、ステップＳ２１における代表文分類処理において作成されたサブクラスタを質問サブクラスタとする。
【０２１０】
ここで、図２４は、ステップＳ２１の代表文分類処理における処理結果（分類結果）の一例を示す。なお、前述した図２０と同様の部分については、詳しい説明を省略する。
【０２１１】
図２４に示すように、代表文分類処理における分類結果には、質問サブクラスタＩＤおよび質問に関する代表文が含まれる。なお、質問サブクラスタＩＤは、前述した図２０に示すサブクラスタＩＤに相当する。また、質問に関する代表文は、前述した図２０に示す代表文に相当する。
【０２１２】
次に、ステップＳ２１の代表文分類処理における分類結果に含まれる質問サブクラスタＩＤによって識別される質問サブクラスタの各々について以下のステップＳ２２〜ステップＳ２９の処理を実行する。
【０２１３】
クラスタリング部３０１は、ステップＳ２１の代表文分類処理における分類結果に含まれる質問サブクラスタＩＤによって識別される質問サブクラスタ（第１のサブクラスタ）に属する文書群（複数の文書）に対して、クラスタリング処理を実行する（ステップＳ２２）。このとき、クラスタリング部３０１は、質問サブクラスタに属する文書群に含まれる回答に関する記述に基づいてクラスタリング処理を実行する。クラスタリング部３０１は、クラスタリング処理により質問サブクラスタに属する文書が属する複数のサブクラスタ（第２のサブクラスタ）を作成する。以下、クラスタリング部３０１によって作成された複数のサブクラスタの各々を回答サブクラスタと称する。クラスタリング部３０１によって作成された回答サブクラスタの各々には、当該回答サブクラスタを識別するための識別子（以下、回答サブクラスタＩＤと表記）が割り当てられる。
【０２１４】
なお、回答サブクラスタには、当該回答サブクラスタに属する文書群の特徴を表す特徴語が付与される。回答サブクラスタに付与される特徴語は、当該回答サブクラスタに属する文書に含まれる回答に関する記述における自立語の出現頻度に基づいて決定される。
【０２１５】
次に、クラスタリング部３０１によって作成された回答サブクラスタの各々について以下のステップＳ２３〜ステップＳ２８の処理が実行される。なお、ステップＳ２３〜ステップＳ２８の処理は、前述した図４に示すステップＳ２〜ステップＳ７の処理に相当する。
【０２１６】
まず、特徴文抽出部３２は、クラスタリング部３０１によって作成された回答サブクラスタに属する文書群（複数の文書）に含まれる回答に関する記述から、当該回答サブクラスタに付与された特徴語を含む特徴文（第３の文）を抽出する。
【０２１７】
次に、構文解析部３３は、特徴文抽出部３２によって抽出された特徴文の各々を構文解析する（ステップＳ２４）。
【０２１８】
代表文候補抽出部３４は、構文解析部３３による構文解析結果および前述した第１の実施形態において説明した例えば第１〜第３の抽出ルールに基づいて、特徴文抽出部３２によって抽出された特徴文（の構文解析結果）から代表文候補（第４の文）を抽出する（ステップＳ２５）。
【０２１９】
なお、上記したステップＳ２３〜ステップＳ２５の処理は、クラスタリング部３０１によって作成された回答サブクラスタに複数の特徴語が付与されている場合には当該特徴語の各々について実行される。
【０２２０】
次に、代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補の各々に含まれる自立語に基づいて、当該代表文候補を集約する（ステップＳ２６）。代表文候補集約部３５は、前述した第１の実施形態において説明した例えば第１〜第３の集約方法により、同様の意味内容を有する複数の代表文候補を集約代表文候補へ集約する。
【０２２１】
代表度算出部３６は、代表文候補集約部３５によって集約された集約代表文候補毎に、回答サブクラスタに対する代表度を算出する（ステップＳ２７）。代表度算出部３６は、前述した第１の実施形態と同様に、例えば文書カバー率（またはスコア式）を用いて代表度を算出する。
【０２２２】
次に、代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部２５によって集約された集約代表文候補の中から代表文（第２の代表文）を決定する（ステップＳ２８）。この場合、代表文決定部３７は、代表度算出部３６によって算出された代表度が最上位の集約代表文候補を回答サブクラスタに対する代表文として決定する。
【０２２３】
つまり、上記したステップＳ２３〜ステップＳ２８の処理（以下、代表文抽出処理と表記）においては、回答サブクラスタに属する文書群から１つの代表文が抽出される。以下、代表文抽出処理において抽出された代表文を回答に関する代表文とする。なお、回答サブクラスタには、回答に関する代表文を含む文書が分類される。
【０２２４】
クラスタリング部３０１によって作成された全ての回答サブクラスタについてステップＳ２３〜ステップＳ２８の処理（代表文抽出処理）が実行されたか否かが判定される（ステップＳ２９）。
【０２２５】
全ての回答サブクラスタについて処理が実行されていないと判定された場合（ステップＳ２９のＮＯ）、上記したステップＳ２３に戻って処理が繰り返される。これにより、全ての回答サブクラスタについて回答に関する代表文が抽出される。
【０２２６】
一方、全ての回答サブクラスタについて処理が実行されたと判定された場合（ステップＳ２９のＹＥＳ）、ステップＳ２１の代表文分類処理における分類結果（図２４に示す分類結果）に含まれる質問サブクラスタＩＤによって識別される全ての質問サブクラスタについて上記したステップＳ２２〜ステップＳ２９の処理が実行されたか否かを判定する（ステップＳ３０）。
【０２２７】
全ての質問サブクラスタについて処理が実行されていないと判定された場合（ステップＳ３０のＮＯ）、上記したステップＳ２２に戻って処理が繰り返される。
【０２２８】
一方、全ての質問サブクラスタについて処理が実行されたと判定された場合（ステップＳ３０のＹＥＳ）、後述するステップＳ３１の処理が実行される。
【０２２９】
ここで、図２５は、図２４に示す分類結果に含まれる質問サブクラスタＩＤによって識別される全ての質問サブクラスタについてクラスタリング処理および代表文抽出処理（つまり、ステップＳ２２〜ステップＳ２９の処理）が実行された結果（処理結果）の一例を示す。
【０２３０】
図２５に示す例では、質問に関する代表文「亀裂が生じる」が付与された質問サブクラスタＩＤ「１」によって識別される質問サブクラスタに属する文書群に対するクラスタリング処理によって、回答サブクラスタＩＤ「１」および「２」によって識別される回答サブクラスタが作成されている。なお、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタには特徴語として例えば「ホース」が付与されているものとする。また、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタには特徴語として例えば「カバー」が付与されているものとする。
【０２３１】
この場合、図２５に示す例では、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタに対して上記した代表文抽出処理（ステップＳ２３〜ステップＳ２８の処理）が実行されることによって、回答に関する代表文「ホースを新品と交換する」が抽出されている。なお、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタには、文書ＩＤ「４，５，…，３００」によって識別される１５の文書が属している。
【０２３２】
また、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタに対して代表文抽出処理が実行されることによって、回答に関する代表文「カバーを取り付ける」が抽出されている。なお、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタには、文書ＩＤ「７，８，…」によって識別される１３の文書が属している。
【０２３３】
ここでは、質問サブクラスタＩＤ「１」について説明したが、当該質問サブクラスタＩＤ「１」以外についても同様であるため、その詳しい説明を省略する。
【０２３４】
次に、ＦＡＱ作成部３０２は、上記した図２５に示す処理結果を参照して、ＦＡＱを作成する（ステップ３１）。この場合、ＦＡＱ作成部３０２は、上記したステップＳ２１の代表文分類処理において抽出された質問に関する代表文および上記した代表文抽出処理において抽出された回答に関する代表文を用いて、対象クラスタに関する質問および回答から構成されるＦＡＱを作成する。
【０２３５】
ここで、図２６は、ＦＡＱ作成部３０２によって作成されたＦＡＱの一例を示す。図２６は、上記した図２５に示す処理結果を参照して作成されたＦＡＱの一例を示す。
【０２３６】
図２６に示すように、ＦＡＱ作成部３０２によって作成されたＦＡＱには、図２５に示す質問に関する代表文が質問として含まれ、当該質問に対応づけて回答に関する代表文が回答として含まれる。なお、ＦＡＱに含まれる質問および回答には、それぞれＦＡＱ番号が割り当てられている。
【０２３７】
図２６に示す例では、ＦＡＱ作成部３０２によって作成されたＦＡＱには、ＦＡＱ番号「１」に対応づけて図２５に示す質問に関する代表文「亀裂が生じる」および回答に関する代表文「ホースを新品と交換する」が含まれる。
【０２３８】
また、ＦＡＱ作成部３０２によって作成されたＦＡＱには、ＦＡＱ番号「２」に対応づけて図２５に示す質問に関する代表文「亀裂が生じる」および回答に関する代表文「カバーを取り付ける」が含まれる。
【０２３９】
ここでは、ＦＡＱ番号「１」および「２」について説明したが、当該ＦＡＱ番号「１」および「２」以外についても同様であるため、その詳しい説明は省略する。
【０２４０】
上記したようにＦＡＱ作成部３０２によってＦＡＱが作成されると、ＦＡＱ出力部３０３は、当該ＦＡＱを出力する（ステップＳ３２）。つまり、ＦＡＱ出力部３０３は、上記した質問に関する代表文（第１の代表文）および回答に関する代表文（第２の代表文）を対応づけて出力する。
【０２４１】
上記したように本実施形態においては、文書（例えば、クレーム文書等）に含まれる質問に関する記述（第１の記述）に対するクラスタリング結果に対して代表文分類処理（前述した第１の実施形態における処理）が実行されることにより質問に関する代表文が抽出される。また、本実施形態においては、代表文分類処理において作成された質問サブクラスタ（第１のサブクラスタ）に属する文書群に含まれる回答に関する記述（第２の記述）に対してクラスタリング処理が実行される。また、本実施形態においては、クラスタリング処理において作成された回答サブクラスタ（第２のサブクラスタ）に対して代表文抽出処理が実行されることにより回答に関する代表文が抽出される。また、本実施形態においては、代表文分類処理において抽出された質問に関する代表文および代表文抽出処理において抽出された回答に関する代表文を対応づけて含むＦＡＱが作成され、出力される。
【０２４２】
これにより、本実施形態においては、質問に関する記述および回答に関する記述を含む大量の文書（例えば、クレーム文書）からＦＡＱを自動で作成することができるため、ユーザが例えば手作業により当該大量の文書を分類することによってＦＡＱを作成する場合と比較して、当該ＦＡＱの作成作業の負荷を低減することが可能となる。
【０２４３】
なお、本願発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組合せてもよい。
【符号の説明】
【０２４４】
１０…コンピュータ、２０…外部記憶装置、２２…クラスタリング結果格納部、２３…パラフレーズ辞書格納部、２４…同義語辞書格納部、３０，３００…代表文抽出装置、３１…クラスタＩＤ受付部、３２…特徴文抽出部、３３…構文解析部、３４…代表文候補抽出部、３５…代表文候補集約部、３６…代表度算出部、３７…代表文決定部、３８…代表文分類部、３９…分類結果出力部、３０１…クラスタリング部、３０２…ＦＡＱ作成部、３０３…ＦＡＱ出力部。
【技術分野】
【０００１】
本発明は、クラスタに属する文書群の内容を適切に表す代表文を当該文書群から抽出する代表文抽出装置およびプログラムに関する。
【背景技術】
【０００２】
近年、情報の有効活用や共有の促進を図るために、大量の文書を内容または用途に応じて分類（整理）しておく技術が知られている。
【０００３】
このような文書を分類する技術（以下、クラスタリングと表記）においては、内容等において“共通点または類似性のある文書群”（即ち、クラスタ）が自動的に作成される。
【０００４】
ところで、クラスタリングによって作成されたクラスタに属する文書群の特徴を表す特徴語を当該クラスタに付与することによって、当該文書群の内容を容易に把握することができる技術（以下、第１の先行技術と表記）が開示されている（例えば、特許文献１を参照）。この特徴語は、例えばクラスタに属する文書群における単語の出現頻度に基づいて選択された少なくとも１つの単語である。
【０００５】
この第１の先行技術によれば、クラスタに付与された特徴語から当該クラスタに属する文書群の内容を推測することが可能となる。
【０００６】
しかしながら、クラスタに付与された特徴語だけでは当該クラスタに属する文書群の内容を間違って解釈する場合がある。
【０００７】
具体的には、クラスタに特徴語として「燃料」および「亀裂」が付与されている場合、実際には、当該クラスタに属する文書群（の内容）は「燃料が漏れる」および「パイプに亀裂が発生する」の２つの異なる内容で構成されている。
【０００８】
このような場合には、クラスタに付与された特徴語のみでは、当該クラスタに属する文書群の内容を一目で把握することは困難である。
【０００９】
そこで、例えばクラスタに属する文書群に対して、文書間で共通する文および異なる文を解析することにより、当該クラスタに属する文書群の内容を表す文を抽出する技術（以下、第２の先行技術と表記）が開示されている（例えば、非特許文献１を参照）。
【００１０】
また、例えば手がかり句で構成される辞書（例えば、「ブレーキ」および「効かない」等）を用いて文を抽出する技術（以下、第３の先行技術と表記）が開示されている（例えば、特許文献２を参照）。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２０００−２３１５６０号公報
【特許文献２】特開２００８−２２５５８２号公報
【非特許文献】
【００１２】
【非特許文献１】難波 英嗣，奥村 学，ここまで来たテキスト自動要約，情報処理，Vo1.43，No.12，pp.1287-1294，2002
【発明の概要】
【発明が解決しようとする課題】
【００１３】
上記した第２の先行技術においては、クラスタに属する文書群の内容を表す文を抽出することは可能である。しかしながら、第２の先行技術では、複数の文書の間で共通する文と異なる文を解析することによりクラスタの文書群の要約文を抽出しているため、当該要約文を用いて当該クラスタの文書群を更に再分類することはできない。
【００１４】
また、上記した第３の先行技術では、手がかり句を人手で作成する必要がある。このため、手がかり句で構成される辞書の作成にはコストがかかる。
【００１５】
そこで、本発明の目的は、クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を抽出することが可能な代表文抽出装置およびプログラムを提供することにある。
【課題を解決するための手段】
【００１６】
本発明の１つの態様によれば、自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段と、前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出する特徴文抽出手段と、前記抽出された第１の文を構文解析する構文解析手段と、前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する代表文候補抽出手段と、前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出する算出手段と、前記算出された代表度に基づいて、前記代表文候補抽出手段によって抽出された第２の文を代表文として決定する決定手段とを具備することを特徴とする代表文抽出装置が提供される。
【発明の効果】
【００１７】
本発明は、クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を抽出することを可能とする。
【図面の簡単な説明】
【００１８】
【図１】本発明の第１の実施形態に係る代表文抽出装置のハードウェア構成を示すブロック図。
【図２】図１に示す代表文抽出装置３０の主として機能構成を示すブロック図。
【図３】図２に示すクラスタリング結果格納部２２に格納されるクラスタリング結果のデータ構造について説明するための図。
【図４】本実施形態に係る代表文抽出装置３０の処理手順を示すフローチャート。
【図５】図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタに属する文書群の一例を示す図。
【図６】対象クラスタに付与された特徴語「燃料」を含む特徴文の抽出結果を示す図。
【図７】対象クラスタに付与された特徴語「亀裂」を含む特徴文の抽出結果を示す図。
【図８】対象クラスタに付与された特徴語「燃料」を含む特徴文の構文解析結果の一例を示す図。
【図９】対象クラスタに付与された特徴語「亀裂」を含む特徴文の構文解析結果の一例を示す図。
【図１０】第１の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１１】第１の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１２】第２の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１３】第２の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１４】第３の抽出ルールにより図６に示す特徴文から抽出された代表文候補の一例を示す図。
【図１５】第３の抽出ルールにより図７に示す特徴文から抽出された代表文候補の一例を示す図。
【図１６】図２に示すパラフレーズ辞書格納部２３のデータ構造の一例を示す図。
【図１７】代表文候補集約部３５による代表文候補の集約結果の一例を示す図。
【図１８】代表度算出部３６によって集約代表文候補毎に算出された第１の代表度の一例を示す図。
【図１９】代表度算出部３６によって集約代表文候補毎に算出された第２の代表度の一例を示す図。
【図２０】代表文分類部３８による分類結果の一例を示す図。
【図２１】本発明の第２の実施形態に係る代表文抽出装置の主として機能構成を示すブロック図。
【図２２】本実施形態に係る代表文抽出装置３００に含まれるクラスタリング結果格納部２２に格納されている複数の文書のデータ構造の一例を示す図。
【図２３】本実施形態に係る代表文抽出装置３００の処理手順を示すフローチャート。
【図２４】代表文分類処理における処理結果の一例を示す図。
【図２５】全ての質問サブクラスタについてクラスタリング処理および代表文抽出処理が実行された結果の一例を示す図。
【図２６】ＦＡＱ作成部３０２によって作成されたＦＡＱの一例を示す図。
【発明を実施するための形態】
【００１９】
以下、図面を参照して、本発明の各実施形態について説明する。
【００２０】
［第１の実施形態］
まず、図１および図２を参照して、本発明の第１の実施形態について説明する。図１は、本実施形態に係る代表文抽出装置のハードウェア構成を示すブロック図である。図１に示すように、コンピュータ１０は、例えばハードディスクドライブ（ＨＤＤ：Hard Disk Drive）のような外部記憶装置２０と接続されている。この外部記憶装置２０は、コンピュータ１０によって実行されるプログラム２１を格納する。コンピュータ１０および外部記憶装置２０は、代表文抽出装置３０を構成する。
【００２１】
代表文抽出装置３０は、文書集合に対するクラスタリング結果における各クラスタに属する文書群から、当該文書群の内容を適切に表す代表文を抽出する機能を有する。
【００２２】
図２は、図１に示す代表文抽出装置３０の主として機能構成を示すブロック図である。図２に示すように、代表文抽出装置３０は、クラスタＩＤ受付部３１、特徴文抽出部３２、構文解析部３３、代表文候補抽出部３４、代表文候補集約部３５、代表度算出部３６、代表文決定部３７、代表文分類部３８および出力部３９を含む。本実施形態において、これらの各部３１〜３９は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。このプログラム２１は、コンピュータ読み取り可能な記憶媒体に予め格納して頒布可能である。また、このプログラム２１が、例えばネットワークを介してコンピュータ１０にダウンロードされても構わない。
【００２３】
また、代表文抽出装置３０は、クラスタリング結果格納部２２、パラフレーズ辞書格納部２３および同義語辞書格納部２４を含む。本実施形態において、これらの各部２２〜２４は、例えば外部記憶装置２０に格納される。
【００２４】
クラスタリング結果格納部２２には、文書集合に対するクラスタリング結果が格納される。
【００２５】
文書集合がクラスタリングされた場合、当該文書集合中における内容等において共通点または類似性のある文書群（複数の文書）が属するクラスタが作成される。また、クラスタリングによって作成されたクラスタには、当該クラスタに属する文書群の特徴を表す特徴語が付与される。
【００２６】
つまり、クラスタリング結果格納部２２には、クラスタリング結果における各クラスタに属する複数の文書（文書群）および当該クラスタに付与された特徴語が格納される。具体的には、クラスタリング結果格納部２２には、各クラスタを識別するためのクラスタＩＤに対応づけて当該クラスタに属する複数の文書および当該クラスタに付与された特徴語が格納される。
【００２７】
なお、クラスタリング結果格納部２２に格納されている複数の文書の各々は、テキストデータであり、複数の文から構成される。文書を構成する複数の文の各々は、自立語を含む文節から構成される。
【００２８】
また、クラスタに付与された特徴語は、当該クラスタに属する複数の文書の特徴を表す少なくとも１つの単語である。このクラスタに付与された特徴語は、例えば当該クラスタに属する複数の文書に含まれる自立語の出現頻度等に基づいて決定される。
【００２９】
パラフレーズ辞書格納部２３には、複数の自立語間の係り受け構造を示す対象パターンおよび当該対象パターンの言い換えとなる自立語間の係り受け構造を示すと共に当該対象パターンより自立語の数が少ない置換パターンを含む置換ルールが予め格納される。同義語辞書格納部２４は、文書に含まれる自立語の同義語（を示す情報）が格納される。
【００３０】
クラスタＩＤ受付部３１は、ユーザによって指定されたクラスタ（を識別するためのクラスタＩＤ）を受け付ける。代表文抽出装置３０においては、クラスタＩＤ受付部３１によって受け付けられたクラスタ（に属する文書群）の代表文が抽出される。
【００３１】
特徴文抽出部３２は、クラスタリング結果格納部２２を参照して、クラスタＩＤ受付部３１によって受け付けられたクラスタ（ユーザによって指定されたクラスタ）に付与された特徴語を含む文（第１の文）を、当該クラスタに属する複数の文書から抽出する。以下、特徴文抽出部３２によって抽出された文を特徴文と称する。
【００３２】
構文解析部３３は、特徴文抽出部３２によって抽出された特徴文を構文解析する。なお、構文解析部３３による構文解析結果には、特徴文抽出部３２によって抽出された特徴文に含まれる自立語間の関係が含まれる。
【００３３】
代表文候補抽出部３４は、構文解析部３３による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する文（第２の文）を、特徴文抽出部３２によって抽出された特徴文から抽出する。代表文候補抽出部３４によって抽出される文には、特徴語が含まれる。なお、抽出ルールの具体例については後述する。以下、代表文候補抽出部３４によって抽出された文を代表文候補と称する。
【００３４】
代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補に含まれる自立語に基づいて、当該代表文候補を集約する。つまり、代表文候補集約部３５は、複数の代表文候補を１つ（の代表文候補）に集約する。代表文候補集約部３５は、パラフレーズ辞書格納部２３および同義語辞書格納部２４を参照して集約処理を実行する。
【００３５】
代表度算出部３６は、代表文候補集約部３５によって集約された結果の代表文候補のクラスタＩＤ受付部３１によって受け付けられたクラスタに対する代表度を算出する。代表度算出部３６は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書における代表文候補を含む文書の数に基づいて、当該代表文候補の代表度を算出する。代表度算出部３６は、代表度の指標として、例えば文書カバー率または代表文候補を含む文書の数に基づくスコア式を用いる。なお、文書カバー率とスコア式の詳細については後述する。
【００３６】
代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部３５によって集約された代表文候補を代表文として決定する。なお、代表文決定部３７によって決定される代表文は複数であっても構わない。
【００３７】
代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書を、代表文決定部３７によって決定された代表文に基づいて分類する。代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書のうち代表文決定部３７によって決定された代表文を含む文書が属するサブクラスタを作成することによって、当該複数の文書を分類する。代表文分類部３８によって作成されたサブクラスタには、代表文分類部３８によって決定された代表文が付与される。
【００３８】
これにより、代表文分類部３８は、クラスタＩＤ受付部３１によって受け付けられたクラスタに属する複数の文書を、代表文決定部３７によって決定された代表文毎の部分集合で細分類する。代表文分類部３８による分類結果は、出力部３９を介して出力される。
【００３９】
図３を参照して、図２に示すクラスタリング結果格納部２２に格納されるクラスタリング結果のデータ構造について説明する。図３は、文書集合１００に対するクラスタリング結果の一例を示す。
【００４０】
図３に示すように、クラスタリング結果格納部２２に格納されているクラスタリング結果２２１には、クラスタＩＤに対応づけて特徴語ＩＤ、特徴語、クラスタ内文書数および文書ＩＤが含まれる。
【００４１】
クラスタＩＤは、クラスタリングによって作成されたクラスタを識別するための識別子である。
【００４２】
特徴語ＩＤは、クラスタＩＤによって識別されるクラスタに付与された特徴語を識別するための識別子である。特徴語は、特徴語ＩＤによって識別される特徴語（つまり、クラスタＩＤによって識別されるクラスタに付与された特徴語）を示す。特徴語は、クラスタＩＤによって識別されるクラスタに属する複数の文書の特徴を表す少なくとも１つの単語である。
【００４３】
クラスタ内文書数は、クラスタＩＤによって識別されるクラスタに属する文書（群）の数である。文書ＩＤは、クラスタＩＤによって識別されるクラスタに属する文書を識別するための識別子である。
【００４４】
図３に示す例では、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて文書数「２００」および文書ＩＤ「１，２，３，４，５，６，７，８，…，３００」が含まれる。また、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて特徴語ＩＤ「１」および特徴語「燃料」が含まれる。また、クラスタリング結果２２１には、クラスタＩＤ「１」に対応づけて特徴語ＩＤ「２」および特徴語「亀裂」が含まれる。これによれば、クラスタＩＤ「１」によって識別されるクラスタには、文書ＩＤ「１」、「２」、「３」、「４」、「５」、「６」、「７」、「８」および「３００」等によって識別される２００の文書が属していることが示される。また、クラスタＩＤ「１」によって識別されるクラスタには、特徴語ＩＤ「１」によって識別される特徴語「燃料」および特徴語ＩＤ「２」によって識別される特徴語「亀裂」が付与されていることが示される。つまり、クラスタＩＤ「１」によって識別されるクラスタには、「燃料」および「亀裂」の２つの特徴語が付与されている。
【００４５】
また、クラスタリング結果２２１には、クラスタＩＤ「２」に対応づけて特徴語ＩＤ「１」、特徴語「コンピュータ」、文書数「１５０」および文書ＩＤ「９，…」が含まれる。これによれば、クラスタＩＤ「２」によって識別されるクラスタには、特徴語ＩＤ「１」によって識別される特徴語「コンピュータ」が付与されており、文書ＩＤ「９」等によって識別される１５０の文書が属していることが示される。
【００４６】
なお、図３に示すクラスタリング結果２２１には、クラスタＩＤによって識別されるクラスタに属する複数の文書（つまり、文書ＩＤによって識別される文書）が含まれる。
【００４７】
次に、図４のフローチャートを参照して、本実施形態に係る代表文抽出装置３０の処理手順について説明する。なお、クラスタリング結果格納部２２には、上記した図３に示すクラスタリング結果２２１が格納されているものとして説明する。
【００４８】
まず、クラスタＩＤ受付部３１は、クラスタリング結果格納部２２に格納されているクラスタリング結果２２１に含まれるクラスタＩＤのうち、ユーザによって指定されたクラスタＩＤを受け付ける（ステップＳ１）。
【００４９】
この場合、例えばクラスタリング結果２２１（クラスタＩＤ、特徴語ＩＤ、特徴後、文書数、文書ＩＤおよび文書内容）がユーザに対して表示される。ユーザは、表示されたクラスタリング結果２２１を参照して、代表文を抽出すべき文書群が属するクラスタ（を識別するためのクラスタＩＤ）を指定することができる。
【００５０】
以下の説明においては、クラスタＩＤ受付部３１によって受け付けられたクラスタＩＤによって識別されるクラスタ（ユーザによって指定されたクラスタ）を対象クラスタと称する。
【００５１】
ここでは、対象クラスタを識別するためのクラスタＩＤとして図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」がクラスタＩＤ受付部３１によって受け付けられたものとする。
【００５２】
ここで、図５は、図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタ（つまり、対象クラスタ）に属する文書群（複数の文書）の一例を示す。
【００５３】
図５に示す例では、クラスタＩＤ「１」によって識別される対象クラスタに属する文書群には、文書ＩＤ「１」、「２」「３」、「４」、「５」、「６」、「７」、「８」および「３００」等によって識別される文書が含まれる。
【００５４】
具体的には、対象クラスタには、文書ＩＤ「１」によって識別される文書「燃料が漏れる。燃料タンクを良品と交換する。」等が属している。なお、文書ＩＤ「１」によって識別される文書以外の文書については説明を省略する。
【００５５】
再び図４に戻ると、対象クラスタに付与された特徴語の各々について以下のステップＳ２〜ステップＳ４の処理が実行される。ここでは、対象クラスタに付与された特徴語「燃料」および「亀裂」の各々について処理が実行される。
【００５６】
特徴文抽出部３２は、対象クラスタに属する文書群（図５に示す文書群）から、対象クラスタに付与された特徴語を含む文（特徴文）を抽出する（ステップＳ２）。
【００５７】
ここで、図６は、対象クラスタに付与された特徴語「燃料」を含む特徴文の抽出結果を示す。
【００５８】
図６に示すように、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「１」によって識別される文書から「燃料が漏れる」および「燃料タンクを良品と交換する」が抽出されている。
【００５９】
また、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「２」によって識別される文書から「燃料漏れが生じる」が抽出されている。
【００６０】
同様に、特徴語ＩＤ「１」によって識別される特徴語「燃料」を含む特徴文として、文書ＩＤ「３」によって識別される文書から「漏れていた燃料に火が広がった」、文書ＩＤ「４」によって識別される文書から「結合部のホースに亀裂が生じて燃料が漏れる」および文書ＩＤ「６」によって識別される文書から「ホースの亀裂から燃料が漏れていた」等が抽出されている。
【００６１】
なお、図６に示すように、抽出された特徴文の各々には、当該特徴文を識別するための特徴文ＩＤが割り当てられる。
【００６２】
一方、図７は、対象クラスタに付与された特徴語「亀裂」を含む特徴文の抽出結果を示す。
【００６３】
図７に示すように、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「４」によって識別される文書から「結合部のホースに亀裂が生じて燃料が漏れる」が抽出されている。
【００６４】
また、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「５」によって識別される文書から「ホースに亀裂が生じる」が抽出されている。
【００６５】
同様に、特徴語ＩＤ「２」によって識別される特徴語「亀裂」を含む特徴文として、文書ＩＤ「６」によって識別される文書から「ホースの亀裂から燃料が漏れていた」、文書ＩＤ「７」によって識別される文書から「パイプに亀裂が発生する」、文書ＩＤ「８」によって識別される文書から「タイヤに亀裂が生じる」および文書ＩＤ「３００」によって識別される文書から「亀裂が生じる」が抽出されている。
【００６６】
なお、図７に示すように、抽出された特徴文の各々には、当該特徴文を識別するための特徴文ＩＤが割り当てられる。
【００６７】
再び図４に戻ると、構文解析部３３は、特徴文抽出部３２によって抽出された特徴文の各々を構文解析する（ステップＳ３）。これにより、特徴文抽出部３２によって抽出された特徴文の構文解析結果が得られる。この構文解析部３３による特徴文の構文解析結果には、当該特徴文に含まれる自立語間の関係が含まれる。
【００６８】
ここで、図８および図９を参照して、構文解析部３３による特徴文の構文解析結果（特徴文の構文木の構造）について説明する。
【００６９】
図８は、対象クラスタに付与された特徴語「燃料」を含む特徴文（図６に示す特徴文）の構文解析結果の一例を示す。
【００７０】
図９は、対象クラスタに付与された特徴語「亀裂」を含む特徴文（図７に示す特徴文）の構文解析結果の一例を示す。
【００７１】
図８および図９に示すように、特徴文の構文解析結果には、当該特徴文を識別するための特徴文ＩＤに対応づけて文節ＩＤ、文節の自立語、品詞、親ＩＤおよび関係が含まれる。この文節ＩＤ、文節の自立語、品詞、親ＩＤおよび関係により特徴文に含まれる自立語間の係り受け構造（関係）が示される。
【００７２】
文節ＩＤは、特徴文ＩＤによって識別される特徴文を構成する各文節を識別するための識別子である。文節の自立語は、文節ＩＤによって識別される文節に含まれる自立語を示す。品詞は、文節の自立語の品詞を示す。親ＩＤは、文節の自立語と係り受け関係にある自立語を含む文節（親の文節）を識別するための文節ＩＤを示す。関係は、文節ＩＤによって識別される文節（に含まれる自立語）と親ＩＤによって識別される文節（に含まれる自立語）との係り受け関係を示す。自立語には、例えば名詞、動詞、サ変名詞等が含まれる。係り受け関係には、例えば「の」、「を」、「並列」「隣接」等が含まれる。
【００７３】
図８に示す例では、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」の構文解析結果には、特徴文ＩＤ「１」に対応づけて文節ＩＤ「１」、文節の自立語「燃料」、品詞「名詞」、親ＩＤ「２」および関係「が」が含まれる。また、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」の構文解析結果には、特徴文ＩＤ「１」に対応づけて文節ＩＤ「２」、文節の自立語「漏れる」および品詞「動詞」が含まれる。
【００７４】
この例によると、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」は２つの文節を含み、品詞が名詞である自立語「燃料」が、品詞が動詞である「漏れる」に「が」の関係で係ることが示される。
【００７５】
なお、図８示す特徴文ＩＤ「１」によって識別される特徴文以外の特徴文の構文解析結果についても同様であるため、その詳しい説明を省略する。
【００７６】
また、図９に示す例では、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「１」、文節の自立語「結合部」、品詞「名詞」、親ＩＤ「２」および関係「の」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「２」、文節の自立語「ホース」、品詞「名詞」、親ＩＤ「４」および関係「に」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「３」、文節の自立語「亀裂」、品詞「サ変名詞」、親ＩＤ「４」および関係「が」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「４」、文節の自立語「生じて」、品詞「動詞」、親ＩＤ「６」および関係「並列」が含まれる。特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「５」、文節の自立語「燃料」、品詞「名詞」、親ＩＤ「６」および関係「が」が含まれる。また、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果には、特徴文ＩＤ「３１２」に対応づけて文節ＩＤ「６」、文節の自立語「漏れる」および品詞「動詞」が含まれる。
【００７７】
この例によると、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」は６つの文節を含み、名詞である自立語「結合部」が名詞である自立語「ホース」に「の」の関係で係り、名詞である自立語「ホース」が動詞である自立語「生じて」に「に」の関係で係り、サ変名詞である自立語「亀裂」が「動詞」である自立語「生じて」に「が」の関係で係り、動詞である自立語「生じて」が動詞である自立語「漏れる」に「並列」の関係で係り、名詞である自立語「燃料」が動詞である自立語「漏れる」に「が」の関係で係ることが示される。
【００７８】
なお、図９に示す特徴文ＩＤ「３１２」によって識別される特徴文以外の特徴文の構文解析結果についても同様であるため、その詳しい説明を省略する。
【００７９】
再び図４に戻ると、代表文候補抽出部３４は、構文解析部３３による構文解析結果および予め定められた抽出ルールに基づいて、特徴文抽出部３２によって抽出された特徴文（の構文解析結果）から代表文の候補となる文（代表文候補）を抽出する（ステップＳ４）。
【００８０】
ここで、代表文候補の抽出に用いられる抽出ルールの具体例について説明する。この抽出ルールには、第１〜第３の抽出ルールが含まれる。なお、第１〜第３の抽出ルールは、例えば３つ以下の自立語からなる単文を代表文候補として抽出する場合の抽出ルールである。単文とは基本的に名詞と述語（動詞、形容詞、形容動詞）から構成されるものであり、ここでは単文の述語に動詞の名詞化である動作名詞も含むとする。動作名詞は、例えば「漏れ」「揺れ」などである。
【００８１】
第１の抽出ルールは、特徴語を含み、第１の自立語（品詞が名詞）と第２の自立語（品詞が動詞または動作名詞）とが存在し、当該第１の自立語と第２の自立語との間に関係が存在する単文を抽出することを示す。
【００８２】
第２の抽出ルールは、特徴語を含み、第１および第２の自立語（品詞が名詞）と第３の自立語（品詞が動詞または動作名詞）とが存在し、第１の自立語と第２の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文（または、第１の自立語と第３の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文）を抽出することを示す。
【００８３】
第３の抽出ルールは、特徴語を含み、第１の自立語（品詞が名詞）と第２および第３の自立語（品詞が動詞または動作名詞）とが存在し、第１の自立語と第２の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文（または、第１の自立語と第３の自立語との間に関係が存在し、かつ、第２の自立語と第３の自立語との間に関係が存在する単文、または、第１の自立語と第２の自立語との間に関係が存在し、かつ、第１の自立語と第３の自立語との間に関係が存在する単文）を抽出することを示す。
【００８４】
なお、抽出ルールとしては、上記した第１〜第３の抽出ルールの全てが用いられてもよいし、当該第１〜第３の抽出ルールのいずれか（１つまたは２つ）が用いられてもよい。以下の説明では、第１〜第３の抽出ルールの全てが用いられるものとして説明する。
【００８５】
また、抽出ルールは、上記した第１〜第３の抽出ルールに限られるものではなく、当該第１〜第３の抽出ルール以外の抽出ルールが用いられても構わない。また、抽出ルールは、入れ替え、追加または削除等が可能である。例えばユーザによって入れ替え、追加または削除等が行われる仕組みであっても構わない。
【００８６】
ここで、図１０〜図１５を参照して、代表文候補抽出部３４によって抽出された代表文候補について説明する。
【００８７】
図１０は、第１の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。なお、図６は、上記したように特徴語「燃料」を含む特徴文の一例を示す。また、図８は、図６に示す特徴文の構文解析結果を示す。
【００８８】
まず、図６に示す特徴文のうち、例えば特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」から抽出される代表文候補について説明する。
【００８９】
図８に示す特徴文「燃料が漏れる」の構文解析結果によれば、この特徴文「燃料が漏れる」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「漏れる」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れる」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「１」によって識別される特徴文「燃料が漏れる」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料が漏れる」が抽出される。
【００９０】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」から抽出される代表文候補について説明する。
【００９１】
図８に示す特徴文「燃料タンクを良品と交換する」の構文解析結果によれば、この特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち、自立語「燃料タンク」が第１の抽出ルールにおける第１の自立語に該当し、自立語「交換する」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料タンク」と第２の自立語である自立語「交換する」との間には関係（ここでは、関係「を」）が存在する。また、第１の自立語である自立語「燃料タンク」には、特徴語である「燃料」が含まれる。したがって、図１０に示すように、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料タンクを交換する」が抽出される。
【００９２】
なお、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち自立語「良品」は第１の抽出ルールにおける第１の自立語に該当し、自立語「交換する」は第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語「良品」と第２の自立語「交換する」との間には関係（ここでは、関係「と」）が存在する。しかしながら、第１の自立語「良品」および第２の自立語「交換する」には特徴語「燃料」が含まれていないため、「良品と交換する」は、代表文候補としては抽出されない。
【００９３】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」から抽出される代表文候補について説明する。
【００９４】
図８に示す特徴文「漏れていた燃料に火が広がった」の構文解析結果によれば、この特徴文「漏れていた燃料に火が広がった」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「漏れていた」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れていた」との間には関係（ここでは、関係「が修飾」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「漏れていた燃料」が抽出される。
【００９５】
更に、図８に示す特徴文「漏れていた燃料に火が広がった」の構文解析結果によれば、この特徴文「漏れていた燃料に火が広がった」に含まれる自立語のうち、自立語「燃料」が第１の抽出ルールにおける第１の自立語に該当し、自立語「広がった」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「広がった」との間には関係（ここでは、関係「に」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１０に示すように、特徴文ＩＤ「４」によって識別される特徴文「漏れていた燃料に火が広がった」からは、第１の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料に広がった」が抽出される。
【００９６】
このように、１つの特徴文（ここでは、特徴文ＩＤ「４」によって識別される特徴文）から複数の代表文候補が抽出されても構わない。
【００９７】
ここでは、図１０を参照して、図６に示す特徴文ＩＤ「１」、「２」および「４」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【００９８】
なお、図１０に示すように、代表文候補抽出部３４によって抽出された代表文候補の各々には、当該代表文候補を識別するための代表文候補ＩＤが割り当てられる。以下に説明する各代表文候補についても同様である。
【００９９】
図１１は、第１の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。なお、図７は、上記したように特徴語「亀裂」を含む特徴文の一例を示す。また、図９は、図７に示す特徴文の構文解析結果を示す。
【０１００】
ここでは、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１０１】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「亀裂」が第１の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語である自立語「亀裂」と第２の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である「亀裂」は、特徴語である。したがって、図１１に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第１の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂が生じて」が抽出される。
【０１０２】
なお、特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「ホース」は第１の抽出ルールにおける第１の自立語に該当し、自立語「生じて」は第１の抽出ルールにおける第２の自立語に該当する。また、第１の自立語「ホース」および第２の自立語「生じて」との間には関係（ここでは、関係「に」）が存在する。しかしながら、第１の自立語「ホース」および第２の自立語「生じて」には特徴語「亀裂」が含まれていないため、「ホースに生じて」は、代表文候補としては抽出されない。また、「燃料が漏れる」についても同様であるため、代表文候補としては抽出されない。
【０１０３】
ここでは、図１１を参照して、図７に示す特徴文ＩＤ「３１２」によって識別される特徴文から抽出された代表文候補について説明したが、図７に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１０４】
図１２は、第２の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１０５】
ここでは、図６に示す特徴文のうち、例えば特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」から抽出される代表文候補について説明する。
【０１０６】
図８に示す特徴文「燃料タンクを良品と交換する」の構文解析結果によれば、この特徴文「燃料タンクを良品と交換する」に含まれる自立語のうち、自立語「燃料タンク」が第２の抽出ルールにおける第１の自立語に該当し、自立語「良品」が第２の抽出ルールにおける第２の自立語に該当し、自立語「交換する」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料タンク」と第３の自立語である自立語「交換する」との間には関係（ここでは、関係「を」）が存在し、かつ、第２の自立語である自立語「良品」と第３の自立語である自立語「交換する」との間には関係（ここでは、関係「と」）が存在する。また、第１の自立語である自立語「燃料タンク」には、特徴語である「燃料」が含まれる。したがって、図１２に示すように、特徴文ＩＤ「２」によって識別される特徴文「燃料タンクを良品と交換する」からは、第２の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料タンクを良品と交換する」が抽出される。
【０１０７】
ここでは、図１１を参照して、図６に示す特徴文ＩＤ「２」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１０８】
図１３は、第２の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１０９】
まず、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１１０】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「ホース」が第２の抽出ルールにおける第１の自立語に該当し、自立語「亀裂」が第２の抽出ルールにおける第２の自立語に該当し、自立語「生じて」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「ホース」と第３の自立語である自立語「生じて」との間には関係（ここでは、関係「に」）が存在し、かつ、第２の自立語である「亀裂」と第３の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在する。また、第２の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「ホースに亀裂が生じて」が抽出される。なお、「結合部のホースに生じて」には特徴語「亀裂」が含まれていないため、代表文候補としては抽出されない。
【０１１１】
次に、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」から抽出される代表文候補について説明する。
【０１１２】
図９に示す特徴文「ホースの亀裂から燃料が漏れていた」の構文解析結果によれば、この特徴文「ホースの亀裂から燃料が漏れていた」に含まれる自立語のうち、自立語「亀裂」が第２の抽出ルールにおける第１の自立語に該当し、自立語「燃料」が第２の抽出ルールにおける第２の自立語に該当し、自立語「漏れていた」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「亀裂」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「から」）が存在し、かつ、第２の自立語である自立語「燃料」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂から燃料が漏れていた」が抽出される。
【０１１３】
更に、図９に示す特徴文「ホースの亀裂から燃料が漏れていた」の構文解析結果によれば、この特徴文「ホースの亀裂から燃料が漏れていた」に含まれる自立語のうち、自立語「ホース」が第２の抽出ルールにおける第１の自立語に該当し、自立語「亀裂」が第２の抽出ルールにおける第２の自立語に該当し、自立語「漏れていた」が第２の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「ホース」と第２の自立語である自立語「亀裂」との間には関係（ここでは、関係「の」）が存在し、かつ、第２の自立語である自立語「亀裂」と第３の自立語である自立語「漏れていた」との間には関係（ここでは、関係「から」）が存在する。また、第２の自立語である自立語「亀裂」は、特徴語である。したがって、図１３に示すように、特徴文ＩＤ「３１４」によって識別される特徴文「ホースの亀裂から燃料が漏れていた」からは、第２の抽出ルールにより特徴語「亀裂」を含む代表文候補「ホースの亀裂から漏れていた」が抽出される。
【０１１４】
ここでは、図１３を参照して、図７に示す特徴文ＩＤ「３１２」および「３１４」によって識別される特徴文から抽出された代表文候補について説明したが、図７に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１１５】
図１４は、第３の抽出ルールにより上記した図６に示す特徴文（図８に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１１６】
まず、図６に示す特徴文のうち、例えば特徴文ＩＤ「３」によって識別される特徴文「燃料漏れが生じる」から抽出される代表文候補について説明する。
【０１１７】
図８に示す特徴文「燃料漏れが生じる」の構文解析結果によれば、この特徴文「燃料漏れが生じる」に含まれる自立語のうち、自立語「燃料」が第３の抽出ルールにおける第１の自立語に該当し、自立語「漏れ」が第３の抽出ルールにおける第２の自立語に該当し、自立語「生じる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料」と第２の自立語である自立語「漏れ」との間には関係（ここでは、関係「隣接」）が存在し、かつ、第２の自立語である自立語「漏れ」と第３の自立語である自立語「生じる」との間には関係（ここでは、関係「が」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１４に示すように、特徴文ＩＤ「３」によって識別される特徴文「燃料漏れが生じる」からは、第３の抽出ルールにより特徴語「燃料」を含む代表文候補「燃料漏れが生じる」が抽出される。
【０１１８】
次に、図６に示す特徴文のうち、例えば特徴文ＩＤ「５」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出された代表文候補について説明する。
【０１１９】
図８に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「燃料」が第３の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第３の抽出ルールにおける第２の自立語に該当し、自立語「漏れる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「燃料」と第３の自立語である「漏れる」との間には関係（ここでは、関係「が」）が存在し、かつ、第２の自立語である自立語「生じて」と第３の自立語である自立語「漏れる」との間には関係（ここでは、関係「並列」）が存在する。また、第１の自立語である自立語「燃料」は、特徴語である。したがって、図１４に示すように、特徴文ＩＤ「５」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第３の抽出ルールにより特徴語「燃料」を含む代表文候補「生じて燃料が漏れる」が抽出される。
【０１２０】
ここでは、図１４を参照して、図６に示す特徴文ＩＤ「３」および「５」によって識別される特徴文から抽出された代表文候補について説明したが、図６に示す他の特徴文から抽出された代表文候補についても同様であるため、その詳しい説明を省略する。
【０１２１】
図１５は、第３の抽出ルールにより上記した図７に示す特徴文（図９に示す構文解析結果）から抽出された代表文候補の一例を示す。
【０１２２】
ここでは、図７に示す特徴文のうち、例えば特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」から抽出される代表文候補について説明する。
【０１２３】
図９に示す特徴文「結合部のホースに亀裂が生じて燃料が漏れる」の構文解析結果によれば、この特徴文「結合部のホースに亀裂が生じて燃料が漏れる」に含まれる自立語のうち、自立語「亀裂」が第３の抽出ルールにおける第１の自立語に該当し、自立語「生じて」が第３の抽出ルールにおける第２の自立語に該当し、自立語「漏れる」が第３の抽出ルールにおける第３の自立語に該当する。また、第１の自立語である自立語「亀裂」と第２の自立語である自立語「生じて」との間には関係（ここでは、関係「が」）が存在し、かつ、第２の自立語である自立語「生じて」と第３の自立語である自立語「漏れる」との間には関係（ここでは、関係「並列」）が存在する。また、第１の自立語である自立語「亀裂」は、特徴語である。したがって、図１５に示すように、特徴文ＩＤ「３１２」によって識別される特徴文「結合部のホースに亀裂が生じて燃料が漏れる」からは、第３の抽出ルールにより特徴語「亀裂」を含む代表文候補「亀裂が生じて漏れる」が抽出される。
【０１２４】
再び図４に戻って説明する。上記したように対象クラスタに付与された特徴語の各々について上記したステップＳ２〜ステップＳ４の処理が実行されると、後述するステップＳ５の処理が実行される。
【０１２５】
上記したように、対象クラスタに付与された例えば特徴語「燃料」についてステップＳ２〜ステップＳ４の処理が実行されると、ステップＳ２の処理においては図６に示す特徴文が抽出され、ステップＳ３の処理においては図８に示す構文解析結果が得られ、ステップＳ４においては図１０、図１２および図１４に示す代表文候補が抽出される。
【０１２６】
一方、対象クラスタに付与された特徴語「亀裂」についてステップＳ２〜ステップＳ４の処理が実行されると、ステップＳ２の処理においては図７に示す特徴文が抽出され、ステップＳ３の処理においては図９に示す構文解析結果が得られ、ステップＳ４においては図１１、図１３および図１５に示す代表文候補が抽出される。
【０１２７】
次に、代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補（ここでは、図１０〜図１５に示す代表文候補）の各々に含まれる自立語に基づいて、当該代表文候補を集約する処理を実行する（ステップＳ５）。代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補のうち、例えば同様の意味内容を有する複数の代表文候補を（１つの代表文候補へ）集約する。なお、代表文候補集約部３５は、同様の意味内容を有する複数の代表文候補を、当該複数の代表文候補のうち代表文候補抽出部３４によって抽出された数が最も多い（つまり、出現頻度が最も高い）代表文候補へ集約する。以下、複数の代表文候補が集約された結果となる代表文候補を集約代表文候補と称する。
【０１２８】
代表文候補集約部３５は、以下に説明する第１〜第３の集約方法により代表文候補を集約する。
【０１２９】
第１の集約方法によれば、例えば代表文候補に含まれる自立語の語幹が同じ複数の代表文候補が集約される。具体的には、図１０に示す代表文候補においては、代表文候補ＩＤ「１」および「６」によって識別される代表文候補「燃料が漏れる」と代表文候補ＩＤ「３」によって識別される代表文候補「燃料漏れ」と代表文候補ＩＤ「４」によって識別される代表文候補「漏れていた燃料」と代表文候補ＩＤ「７」によって識別される代表文候補「燃料が漏れていた」が集約される。この場合、これらの代表文候補のうち代表文候補「燃料が漏れる」の出現頻度が最も高いため、これらの代表文候補は集約代表文候補「燃料が漏れる」へ集約される。
【０１３０】
なお、第１の集約方法においては、語幹が同じ代表文候補であっても否定の表現を含む代表文候補は集約されない。したがって、図１０に示す代表文候補ＩＤ「１８３」によって識別される代表文候補「燃料が漏れない」は、上記した集約代表文候補「燃料が漏れる」へは集約されない。
【０１３１】
第２の集約方法においては、パラフレーズ辞書２３に格納されている置換ルールを用いて代表文候補の言い換え処理（パラフレーズ）が行われる。つまり、第２の集約方法によれば、代表文候補の言い換え結果が同一である複数の代表文候補が集約される。
【０１３２】
ここで、図１６は、図２に示すパラフレーズ辞書格納部２３のデータ構造の一例を示す。パラフレーズ辞書格納部２３には、置換ルール２３１を含む複数の置換ルールが格納されている。なお、図１６においては、置換ルール２３１以外の置換ルールについては省略されている。
【０１３３】
図１６に示すように、置換ルール２３１には、ルールＩＤ、対象パターン、置換パターン、係り受け条件、品詞条件および一致条件が含まれる。ルールＩＤは、置換ルール２３１を識別するための識別子である。対象パターンは、代表文候補における複数の自立語間の係り受け構造を示す構文パターンである。置換パターンは、対象パターンの言い換えとなる自立語間の係り受け構造を示す構文パターンである。
【０１３４】
係り受け条件、品詞条件および一致条件は、代表文候補において、当該代表文候補に含まれる自立語を残すと共に対象パターンを置換パターンに置換するための置換条件である。つまり、これらの全ての置換条件を満たした場合に、代表文候補に対して置換処理が行われることになり、当該代表文候補の言い換えが行われる。
【０１３５】
係り受け条件は、文節間の係り受け(関係)についての条件を示す。品詞条件は、各文節の自立語の品詞の条件を示す。一致条件は、代表文候補と当該代表文候補の言い換え結果（集約代表文候補）との文節の一致条件を示す。
【０１３６】
図１６に示す例では、置換ルール２３１には、ルールＩＤ「１」、対象パターン「Ｂ−Ｃ−Ａ」、置換パターン「Ｂ−Ｃ」、係り受け条件「Ｂ−Ｃ：隣接、Ｃ−Ａ：が」、品詞条件「Ｃ：動詞，動作名詞、Ｂ：名詞、Ａ：「生じる」」および一致条件「Ａ：不一致、Ｂ：語幹が一致（活用語尾が否定であるものは除く）、Ｃ：一致」が含まれる。なお、図１６において、Ａ、ＢおよびＣは、自立語（文節の自立語）を示す。
【０１３７】
ここで、図１４に示す代表文候補ＩＤ「１８７」によって識別される代表文候補「燃料漏れが生じる」を集約代表文候補「燃料が漏れる」に集約する場合について具体的に説明する。なお、パラフレーズ辞書格納部２３には、図１６に示す置換ルール２３１が格納されているものとする。なお、適宜、図８に示す代表文候補「燃料漏れが生じる」および集約代表文候補「燃料が漏れる」の構文解析結果を用いて説明する。
【０１３８】
この場合、置換ルール２３１に含まれる対象パターンは「Ｂ−Ｃ−Ａ」である。この場合、図８に示すように代表文候補「燃料漏れが生じる」に含まれる自立語「燃料」が対象パターンにおける「Ｂ」に該当し、自立語「漏れ」が対象パターンにおける「Ｃ」に該当し、自立語「生じる」が対象パターンにおける「Ａ」に該当する。
【０１３９】
図８に示すように自立語「燃料（Ｂ）」と自立語「漏れ（Ｃ）」との間の関係（係り受け関係）は「隣接」である。また、自立語「漏れ（Ｃ）」と自立語「生じる（Ａ）」との間の関係は「が」である。したがって、代表文候補「燃料漏れが生じる」は、係り受け条件を満たす。
【０１４０】
図８に示すように自立語「漏れ（Ｃ）」の品詞は「動作名詞」であり、自立語「燃料（Ｂ）」の品詞は「名詞」である。したがって、代表文候補「燃料漏れが生じる」は、品詞条件を満たす。
【０１４１】
一方、置換ルール２３１に含まれる置換パターンは「Ｂ−Ｃ」である。この場合、図８に示すように集約代表文候補「燃料が漏れる」に含まれる自立語「燃料」が置換パターンにおける「Ｂ」に該当し、自立語「漏れる」が置換パターンにおける「Ｃ」に該当する。
【０１４２】
つまり、上記した図１６に示す置換ルール２３１において、代表文候補「燃料漏れが生じる」は、対象パターン、係り受け条件および品詞条件を満たしている。
【０１４３】
また、集約代表文候補「燃料が漏れる」は、置換ルール２３１に含まれる置換パターンを満たす。
【０１４４】
更に、代表文候補「燃料漏れが生じる」および集約代表文候補「燃料が漏れる」は、置換ルール２３１に含まれる一致条件を満たす。
【０１４５】
よって、代表文候補「燃料漏れが生じる」は置換ルール２３１を用いて集約代表文候補「燃料が漏れる」に言い換える（つまり、置換する）ことができる。したがって、代表文候補「燃料漏れが生じる」は集約代表文候補「燃料が漏れる」に集約することができる。
【０１４６】
つまり、第２の集約方法においては、上記したようにパラフレーズ辞書格納部２３を用いて代表文候補を集約することができる。
【０１４７】
第３の集約方法によれば、同義語辞書格納部２４を用いて同義語を含む複数の代表文候補が集約される。ここで、同義語辞書格納部２４に同義語として「生じる」および「発生する」が格納されているものとする。この場合には、図１１に示す代表文候補ＩＤ「１９２」によって識別される代表文候補「亀裂が発生する」および代表文候補ＩＤ「１９３」によって識別される代表文候補「亀裂が生じる」が集約される。この場合、これらの代表文候補のうち出現頻度が最も高い代表文候補（集約代表文候補）へ集約される。
【０１４８】
なお、代表文候補集約部３５は、上記した第１〜第３の集約方法の全てを用いて代表文候補の集約処理を実行してもよいし、当該第１〜第３の集約方法のいずれか（１つまたは２つ）を用いて集約処理を実行しても構わない。
【０１４９】
ここで、図１７は、代表文候補集約部３５による代表文候補の集約結果（集約代表文候補）の一例を示す。なお、図１７は、上記した図１０〜図１５に示す代表文候補の集約結果を示す。
【０１５０】
図１７に示す集約代表文候補ＩＤは、集約代表文候補を識別するための識別子であり、代表文候補集約部３５による集約処理において集約代表文候補毎に割り当てられる。また、図１７に示す特徴文ＩＤは、集約代表文候補に集約された代表候補文が抽出された特徴文を識別するための識別子である。
【０１５１】
図１７に示す例では、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」には、特徴文ＩＤ「１，３，４，５，６，…」の各々によって識別される特徴文から抽出された代表候補文が集約されていることが示される。
【０１５２】
ここでは、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」について説明したが、当該集約代表文候補以外の集約代表文候補についても同様であるため、その詳しい説明を省略する。
【０１５３】
次に、代表度算出部３６は、代表文候補集約部３５による集約結果（に含まれる集約代表文候補）毎に、対象クラスタに対する代表度を算出する（ステップＳ６）。代表度算出部３６は、代表度の指標として、例えば“文書カバー率”または代表文候補を含む文書の数に基づく“スコア式”を用いる。以下、文書カバー率によって算出される代表度を第１の代表度とする。一方、スコア式によって算出される代表度を第２の代表度とする。
【０１５４】
まず、第１の代表度について説明する。第１の代表度は、文書カバー率により定義される。ここで文書カバー率は、「集約代表文候補を含む文書数／対象クラスタに属する全文書数」で定義され、対象クラスタに属する文書群（複数の文書）に対する集約代表文候補の網羅性を表すことができる。なお、集約代表文候補を含む文書数には、集約代表文候補に集約された代表文候補の各々が含まれる文書数が含まれる。また、文書カバー率により定義される第１の代表度は、値が大きい方が対象クラスタに属する文書群（複数の文書）に対する集約代表文候補の網羅性が高いことを表す。
【０１５５】
次に、第２の代表度について説明する。ここで、集約代表文候補の数がＮである場合の集約代表文候補Ｘの第２の代表度は、次式（即ち、スコア式）によって定義される。
【数１】
【０１５６】
この式（１）におけるｄＸは、対象クラスタに属する文書群（複数の文書）のうちの集約代表文候補Ｘが含まれる文書の集合である。なお、ｄＸには、集約代表文候補Ｘに集約された代表文候補の各々が含まれる文書が含まれる。上記したように図１０に示す代表文候補「燃料が漏れる」と「燃料漏れ」と「漏れていた燃料」と「燃料が漏れていた」とが集約代表文候補「燃料が漏れる」へ集約された場合を想定する。この場合において、集約代表文候補Ｘが当該集約代表文候補「燃料が漏れる」である場合には、式（１）におけるｄＸは、集約代表文候補「燃料が漏れる」に集約された「燃料が漏れる」、「燃料漏れ」、「漏れていた燃料」および「燃料が漏れていた」の各々が含まれる文書の集合である。
【０１５７】
式（１）におけるｄｉは、集約代表文候補Ｘ以外の集約代表文候補ｉが含まれる文書の集合である。なお、ｄｉには、集約代表文候補ｉに集約された代表文候補が含まれる文書が含まれる。
【０１５８】
式（１）における｜ｄＸ｜は、ｄＸの集合中に含まれる文書の数である。また、式（１）における｜ｄＸ∩ｄｉ｜は、ｄＸおよびｄｉの積集合中に含まれる文書の数である。
【０１５９】
なお、上記した式（１）により定義される第２の代表度は、値が小さい方が集約代表文候補Ｘが対象クラスタ内においてより代表らしいことを表す。
【０１６０】
ここで、集約代表文候補Ａ、ＢおよびＣが存在するものとする。また、対象クラスタには、第１〜第１５の文書が属しているものとする。
【０１６１】
この場合において、集約代表文候補Ａは第１〜第５の文書に含まれ、集約代表文候補Ｂは第４〜第９の文書に含まれ、集約代表文候補Ｃは第９〜第１５の文書に含まれる場合を想定する。つまり、第４および第５の文書には集約代表文候補ＡおよびＢが含まれる。また、第９の文書には、集約代表文候補ＢおよびＣが含まれる。
【０１６２】
この場合、上記した式（１）において、｜ｄＡ｜は５であり、｜ｄＢ｜は６であり、｜ｄＣ｜は７である。また、｜ｄＡ∩ｄＢ｜は２であり、｜ｄＢ∩ｄＣ｜は１であり、｜ｄＡ∩ｄＣ｜は０である。
【０１６３】
したがって、集約代表文候補Ａの第２の代表度は２／５（＝２／５＋０／５）、集約代表文候補Ｂの第２の代表度は１／２（＝２／６＋１／６）、集約代表文候補Ｃの代表度は１／７（＝０／７＋１／７）となる。
【０１６４】
これにより、この対象クラスタにおいて最も代表らしい集約代表文候補は、集約代表文候補Ｃとなる。
【０１６５】
代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部３５による集約結果（に含まれる集約代表文候補）の中から代表文を決定する（ステップＳ７）。
【０１６６】
具体的には、ステップＳ６において代表度算出部３６によって集約代表文候補毎に第１の代表度（文書カバー率）が算出された場合には、代表文決定部３７は、第１の代表度が大きい順に上位ｎ位までの集約代表文候補を対象クラスタにおける代表文として決定する。ここで、ｎは、例えばユーザによって予め定められた整数である。
【０１６７】
ここで、図１８は、代表度算出部３６によって集約代表文候補毎に算出された第１の代表度の一例を示す。図１８においては、第１の代表度が大きい順に集約代表文候補が示されている。
【０１６８】
例えば第１の代表度が大きい順に上位３位までの集約代表文候補を代表文として決定する場合、図１８に示す例においては、集約代表文候補ＩＤ「４」によって識別される集約代表文候補「亀裂が生じる」、集約代表文候補ＩＤ「７」によって識別される集約代表文候補「燃料に火が広がる」および集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」が代表文として決定される。
【０１６９】
一方、ステップＳ６において代表度算出部３６によって集約代表文候補毎に第２の代表度（スコア式）が算出された場合には、代表文決定部３７は、第２の代表度が小さい順に上位ｎ位までの集約代表文候補を対象クラスタにおける代表文として決定する。ここで、ｎは、上記したようにユーザによって予め定められた整数である。
【０１７０】
ここで、図１９は、代表度算出部３６によって集約代表文候補毎に算出された第２の代表度の一例を示す。図１９においては、第２の代表度が小さい順に集約代表文候補が示されている。
【０１７１】
例えば第２の代表度が小さい順に上位３位までの集約代表文候補を代表文として決定する場合、図１９に示す例においては、集約代表文候補ＩＤ「１」によって識別される集約代表文候補「燃料が漏れる」、集約代表文候補ＩＤ「４」によって識別される集約代表文候補「亀裂が生じる」および集約代表文候補ＩＤ「７」によって識別される集約代表文候補「燃料に火が広がる」が代表文として決定される。
【０１７２】
以下の説明では、上記したように集約代表文候補「亀裂が生じる」、集約代表文候補「燃料に火が広がる」および集約代表文候補「燃料が漏れる」が代表文として決定されたものとして説明する。
【０１７３】
次に、代表文分類部３８は、代表文決定部３７によって決定された代表文による分類処理を実行する（ステップＳ８）。この場合、代表文分類部３８は、代表文決定部３７によって決定された代表文毎に、対象クラスタに属する文書であって当該代表文を含む文書が属するサブクラスタを作成する。これにより、代表文分類部３８は、対象クラスタに属する文書群（複数の文書）をサブクラスタに分類する。つまり、代表文分類部３８は、対象クラスタに属する文書群を、代表文決定部３７によって決定された代表文毎の部分集合で細分類する。なお、この部分集合（サブクラスタ）には、代表文が付与される。
【０１７４】
ここで、図２０は、代表文分類部３８による分類結果の一例を示す。なお、図２０に示す分類結果は、上記した図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタが対象クラスタとしてユーザによって指定された場合の分類結果を示す。
【０１７５】
図２０に示すように、代表文分類部３８による分類結果（以下、単に分類結果と表記）には、クラスタＩＤに対応づけてクラスタ内文書数、特徴語、サブクラスタＩＤ、代表文、文書ＩＤおよびサブクラスタ内文書数が含まれる。
【０１７６】
クラスタ内文書数は、クラスタＩＤによって識別されるクラスタに属する文書の数を示す。特徴語は、クラスタＩＤによって識別されるクラスタに付与された特徴語を示す。なお、分類結果に含まれるクラスタＩＤ、クラスタ内文書数および特徴語は、上記した図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ、クラスタ内文書数および特徴語と同一である。
【０１７７】
サブクラスタＩＤは、上記した代表文分類部３８によって代表文毎に作成されたサブクラスタを識別するための識別子である。
【０１７８】
代表文は、代表文決定部３７によって決定された代表文であって、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタの作成に用いられた代表文を示す。つまり、代表文は、サブクラスタＩＤによって識別されるサブクラスタに属する文書群の特徴を表す文である。
【０１７９】
文書ＩＤは、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタに属する文書の各々を識別するための識別子である。
【０１８０】
サブクラスタ内文書数は、分類結果において対応づけられているサブクラスタＩＤによって識別されるサブクラスタに属する文書の数を示す。
【０１８１】
図２０に示す例では、分類結果には、クラスタＩＤ「１」に対応づけてクラスタ内文書数「２００」、特徴語「燃料、亀裂」が含まれる。これによれば、クラスタＩＤ「１」によって識別されるクラスタには特徴語「燃料、亀裂」が付与されており、当該クラスタには２００の文書が属していることが示されている。
【０１８２】
また、分類結果には、クラスタＩＤ「１」に対応づけてサブクラスタＩＤ「１」、代表文「亀裂が生じる」、文書ＩＤ「４，５，７，８，…，３００」およびサブクラスタ内文書数「３６」が含まれている。これによれば、サブクラスタＩＤ「１」によって識別されるサブクラスタには、文書ＩＤ「４」、「５」、「７」、「８」、…、「３００」によって識別される３６の文書が属しており、これらの文書には代表文「亀裂が生じる」が含まれることが示されている。
【０１８３】
また、分類結果には、クラスタＩＤ「１」に対応づけてサブクラスタＩＤ「２」、代表文「燃料に火が広がる」、文書ＩＤ「３，…，２６５」およびサブクラスタ内文書数「３０」が含まれている。これによれば、サブクラスタＩＤ「２」によって識別されるサブクラスタには、文書ＩＤ「３」、…、「２６５」によって識別される３０の文書が属しており、これらの文書には代表文「燃料に火が広がる」が含まれることが示されている。
【０１８４】
また、分類結果には、クラスタＩＤ「１」に対応付けてサブクラスタＩＤ「３」、代表文「燃料が漏れる」、文書ＩＤ「１，２，３，４，６，…，２２０」およびサブクラスタ内文書数「４０」が含まれている。これによれば、サブクラスタＩＤ「３」によって識別されるサブクラスタには、文書ＩＤ「１」、「２」、「３」、「４」、「６」、…、「２２０」によって識別される３６の文書が属しており、これらの文書には代表文「燃料が漏れる」が含まれることが示されている。
【０１８５】
なお、図２０に示すように、対象クラスタに属する１の文書が複数のサブクラスタに属しても構わない。また、対象クラスタに属する文書であっても代表文を含まない文書は、サブクラスタには分類されない。これにより、図２０に示すように、各サブクラスタ内文書数の合計がクラスタ内文書数より少なくなる場合がある。
【０１８６】
次に、出力部３９は、図２０に示すような代表文分類部３８による分類結果を出力する（ステップＳ９）。この場合、出力部３９は、分類結果を表示することによりユーザに対して提示する。
【０１８７】
ユーザは、出力部３９によって出力された分類結果において例えば代表文を指定（選択）することで、当該代表文に対応するサブクラスタに属する文書を確認することができる。
【０１８８】
上記したように本実施形態においては、対象クラスタに付与された特徴語を含む特徴文が当該対象クラスタに属する複数の文書から抽出され、当該特徴文の構文解析結果および予め定められた抽出ルールに基づいて、当該特徴文から代表文候補が抽出される。また、本実施形態においては、抽出された代表文候補が集約された集約代表文候補毎に代表度が算出され、当該代表度に基づいて対象クラスタにおける代表文が決定される。
【０１８９】
これにより、本実施形態においては、対象クラスタに属する文書群の分類に利用することができる当該文書群の内容を適切に表す代表文を当該文書群から抽出することができる。つまり、本実施形態においては、ユーザによって指定された対象クラスタに対して特徴語ではなく代表文でラベリングすることが可能となる。したがって、本実施形態においては、対象クラスタに特徴語のみが付与されている場合と比較して、対象クラスタに属する文書群の内容の可読性を向上させることが可能となる。
【０１９０】
また、本実施形態においては、決定された代表文を含む文書が属するサブクラスタが作成されることにより対象クラスタに属する文書群が細分類される。
【０１９１】
これにより、本実施形態においては、ユーザは分類結果を確認することにより、容易に対象クラスタに属する文書の部分集合（サブクラスタ）の内容を把握し、所望の内容の文書を容易に探索することが可能となる。
【０１９２】
なお、本実施形態においては、クラスタリング結果が予めクラスタリング結果格納部２２に格納されているものとして説明したが、代表文抽出装置３０が文書群に対してクラスタリング処理をするクラスタリング部を備える構成であっても構わない。
【０１９３】
［第２の実施形態］
次に、図２１を参照して、本発明の第２の実施形態について説明する。図２１は、本実施形態に係る代表文抽出装置の主として機能構成を示すブロック図である。なお、前述した図２と同様の部分には同一参照符号を付してその詳しい説明を省略する。ここでは、図２と異なる部分について主に述べる。
【０１９４】
また、本実施形態に係る代表文抽出装置のハードウェア構成は前述した第１の実施形態と同様であるため、適宜、図１を用いて説明する。
【０１９５】
本実施形態においては、前述した第１の実施形態において説明した処理によって抽出される代表文を用いてＦＡＱ（Frequently Asked Questions）を作成する点が、前述した第１の実施形態とは異なる。
【０１９６】
図２１に示すように、本実施形態に係る代表文抽出装置３００は、クラスタリング部３０１およびＦＡＱ作成部３０２を含む。本実施形態において、これらの各部３０１および３０２は、図１に示すコンピュータ１０が外部記憶装置２０に格納されているプログラム２１を実行することにより実現されるものとする。
【０１９７】
なお、本実施形態に係る代表文抽出装置３０に含まれるクラスタリング結果格納部２２に格納されている複数の文書は、各文書において自立語を含む文からなる質問に関する記述（第１の記述）および当該質問に対する回答に関する記述（第２の記述）を含む。また、クラスタリング結果格納部２２には、文書集合に含まれる質問に関する記述に対するクラスタリング結果が格納されている。
【０１９８】
また、本実施形態に係る代表文抽出装置３０に含まれるクラスタＩＤ受付部３１、特徴文抽出部３２、構文解析部３３、代表文候補抽出部３４、代表文候補集約部３５、代表度算出部３６、代表文決定部３７、代表文分類部３８は、前述した第１の実施形態において説明した図４に示すステップＳ１〜ステップＳ９の処理に相当する処理（以下、代表文分類処理と表記）を実行する。この代表文分類処理においては、代表文が抽出され、当該代表文が付与されたサブクラスタが作成される。
【０１９９】
クラスタリング部３０１は、クラスタリング結果格納部２２に格納されているクラスタリング結果に対する代表文分類処理において作成されたサブクラスタ（第１のサブクラスタ）に属する文書群（複数の文書）の各々が属するサブクラスタ（第２のサブクラスタ）を作成する。つまり、クラスタリング部３０１は、代表文分類処理において作成されたサブクラスタに属する文書群を分類（クラスタリング）する。このとき、クラスタリング部３０１は、代表文分類処理において作成されたサブクラスタに属する文書群に含まれる回答に関する記述に基づいてクラスタリング処理を実行する。なお、クラスタリング部３０１によって作成されたサブクラスタには、当該サブクラスタに属する文書群の特徴を表す特徴語が付与される。この特徴語は、クラスタリング部３０１によって作成されたサブクラスタに属する文書群に含まれる回答に関する記述における単語（自立語）の出現頻度に基づいて決定される。
【０２００】
ＦＡＱ作成部３０２は、後述する質問に関する代表文（第１の代表文）および回答に関する代表文（第２の代表文）に基づいてＦＡＱを作成する。なお、ＦＡＱ作成部３０２によって作成されたＦＡＱは、ＦＡＱ出力部３０３によって出力される。
【０２０１】
図２２は、本実施形態に係る代表文抽出装置３００に含まれるクラスタリング結果格納部２２に格納されている複数の文書のデータ構造の一例を示す。
【０２０２】
図２２に示すように、クラスタリング結果格納部２２に格納されている複数の文書（文書群）は、各文書において質問に関する記述および回答に関する記述を含む。
【０２０３】
図２２に示す例では、文書ＩＤ「４」によって識別される文書は、質問に関する記述「…。亀裂が生じる。…。」および回答に関する記述「…、ホースを新品に交換する。…。」を含む。
【０２０４】
なお、図２２に示す複数の文書においては、例えば文書がＸＭＬ（eXtensible Markup Language）形式であれば当該ＸＭＬのタグ等により質問に関する記述および回答に関する記述を区別できる。
【０２０５】
次に、図２３のフローチャートを参照して、本実施形態に係る代表文抽出装置３００の処理手順について説明する。
【０２０６】
なお、上記したように代表文抽出装置３００に含まれるクラスタリング結果格納部２２には、文書集合に含まれる質問に関する記述に対するクラスタリング結果が格納されている。クラスタリング結果格納部２２に格納されているクラスタリング結果のデータ構造自体は前述した第１の実施形態と同様である。このため、クラスタリング結果格納部２２には、前述した図３に示すクラスタリング結果２２１が格納されているものとして説明する。
【０２０７】
まず、クラスタリング結果格納部２２に格納されているクラスタリング結果に対して代表文分類処理（前述した図４に示すステップＳ１〜ステップＳ９）が実行される（ステップＳ２１）。なお、代表文分類処理においてクラスタＩＤ受付部３１によって受け付けられたクラスタＩＤによって識別されるクラスタ（ユーザによって指定されたクラスタ）を対象クラスタと称する。ここでは、図３に示すクラスタリング結果２２１に含まれるクラスタＩＤ「１」によって識別されるクラスタが対象クラスタであるものとする。
【０２０８】
また、ステップＳ２１の代表文分類処理においては、特徴文抽出部３２は、対象クラスタに属する文書群（複数の文書）に含まれる質問に関する記述から、対象クラスタに付与された特徴語を含む特徴文（第１の文）を抽出する。なお、この点以外については前述した第１の実施形態において説明した処理と同様であるためその詳しい説明を省略する。
【０２０９】
代表文分類処理においては、対象クラスタに属する文書群から代表文（第１の代表文）が抽出され、当該代表文を含む文書が属するサブクラスタが作成される。以下、ステップＳ２１の代表文分類処理において抽出された代表文を質問に関する代表文とする。また、ステップＳ２１における代表文分類処理において作成されたサブクラスタを質問サブクラスタとする。
【０２１０】
ここで、図２４は、ステップＳ２１の代表文分類処理における処理結果（分類結果）の一例を示す。なお、前述した図２０と同様の部分については、詳しい説明を省略する。
【０２１１】
図２４に示すように、代表文分類処理における分類結果には、質問サブクラスタＩＤおよび質問に関する代表文が含まれる。なお、質問サブクラスタＩＤは、前述した図２０に示すサブクラスタＩＤに相当する。また、質問に関する代表文は、前述した図２０に示す代表文に相当する。
【０２１２】
次に、ステップＳ２１の代表文分類処理における分類結果に含まれる質問サブクラスタＩＤによって識別される質問サブクラスタの各々について以下のステップＳ２２〜ステップＳ２９の処理を実行する。
【０２１３】
クラスタリング部３０１は、ステップＳ２１の代表文分類処理における分類結果に含まれる質問サブクラスタＩＤによって識別される質問サブクラスタ（第１のサブクラスタ）に属する文書群（複数の文書）に対して、クラスタリング処理を実行する（ステップＳ２２）。このとき、クラスタリング部３０１は、質問サブクラスタに属する文書群に含まれる回答に関する記述に基づいてクラスタリング処理を実行する。クラスタリング部３０１は、クラスタリング処理により質問サブクラスタに属する文書が属する複数のサブクラスタ（第２のサブクラスタ）を作成する。以下、クラスタリング部３０１によって作成された複数のサブクラスタの各々を回答サブクラスタと称する。クラスタリング部３０１によって作成された回答サブクラスタの各々には、当該回答サブクラスタを識別するための識別子（以下、回答サブクラスタＩＤと表記）が割り当てられる。
【０２１４】
なお、回答サブクラスタには、当該回答サブクラスタに属する文書群の特徴を表す特徴語が付与される。回答サブクラスタに付与される特徴語は、当該回答サブクラスタに属する文書に含まれる回答に関する記述における自立語の出現頻度に基づいて決定される。
【０２１５】
次に、クラスタリング部３０１によって作成された回答サブクラスタの各々について以下のステップＳ２３〜ステップＳ２８の処理が実行される。なお、ステップＳ２３〜ステップＳ２８の処理は、前述した図４に示すステップＳ２〜ステップＳ７の処理に相当する。
【０２１６】
まず、特徴文抽出部３２は、クラスタリング部３０１によって作成された回答サブクラスタに属する文書群（複数の文書）に含まれる回答に関する記述から、当該回答サブクラスタに付与された特徴語を含む特徴文（第３の文）を抽出する。
【０２１７】
次に、構文解析部３３は、特徴文抽出部３２によって抽出された特徴文の各々を構文解析する（ステップＳ２４）。
【０２１８】
代表文候補抽出部３４は、構文解析部３３による構文解析結果および前述した第１の実施形態において説明した例えば第１〜第３の抽出ルールに基づいて、特徴文抽出部３２によって抽出された特徴文（の構文解析結果）から代表文候補（第４の文）を抽出する（ステップＳ２５）。
【０２１９】
なお、上記したステップＳ２３〜ステップＳ２５の処理は、クラスタリング部３０１によって作成された回答サブクラスタに複数の特徴語が付与されている場合には当該特徴語の各々について実行される。
【０２２０】
次に、代表文候補集約部３５は、代表文候補抽出部３４によって抽出された代表文候補の各々に含まれる自立語に基づいて、当該代表文候補を集約する（ステップＳ２６）。代表文候補集約部３５は、前述した第１の実施形態において説明した例えば第１〜第３の集約方法により、同様の意味内容を有する複数の代表文候補を集約代表文候補へ集約する。
【０２２１】
代表度算出部３６は、代表文候補集約部３５によって集約された集約代表文候補毎に、回答サブクラスタに対する代表度を算出する（ステップＳ２７）。代表度算出部３６は、前述した第１の実施形態と同様に、例えば文書カバー率（またはスコア式）を用いて代表度を算出する。
【０２２２】
次に、代表文決定部３７は、代表度算出部３６によって算出された代表度に基づいて、代表文候補集約部２５によって集約された集約代表文候補の中から代表文（第２の代表文）を決定する（ステップＳ２８）。この場合、代表文決定部３７は、代表度算出部３６によって算出された代表度が最上位の集約代表文候補を回答サブクラスタに対する代表文として決定する。
【０２２３】
つまり、上記したステップＳ２３〜ステップＳ２８の処理（以下、代表文抽出処理と表記）においては、回答サブクラスタに属する文書群から１つの代表文が抽出される。以下、代表文抽出処理において抽出された代表文を回答に関する代表文とする。なお、回答サブクラスタには、回答に関する代表文を含む文書が分類される。
【０２２４】
クラスタリング部３０１によって作成された全ての回答サブクラスタについてステップＳ２３〜ステップＳ２８の処理（代表文抽出処理）が実行されたか否かが判定される（ステップＳ２９）。
【０２２５】
全ての回答サブクラスタについて処理が実行されていないと判定された場合（ステップＳ２９のＮＯ）、上記したステップＳ２３に戻って処理が繰り返される。これにより、全ての回答サブクラスタについて回答に関する代表文が抽出される。
【０２２６】
一方、全ての回答サブクラスタについて処理が実行されたと判定された場合（ステップＳ２９のＹＥＳ）、ステップＳ２１の代表文分類処理における分類結果（図２４に示す分類結果）に含まれる質問サブクラスタＩＤによって識別される全ての質問サブクラスタについて上記したステップＳ２２〜ステップＳ２９の処理が実行されたか否かを判定する（ステップＳ３０）。
【０２２７】
全ての質問サブクラスタについて処理が実行されていないと判定された場合（ステップＳ３０のＮＯ）、上記したステップＳ２２に戻って処理が繰り返される。
【０２２８】
一方、全ての質問サブクラスタについて処理が実行されたと判定された場合（ステップＳ３０のＹＥＳ）、後述するステップＳ３１の処理が実行される。
【０２２９】
ここで、図２５は、図２４に示す分類結果に含まれる質問サブクラスタＩＤによって識別される全ての質問サブクラスタについてクラスタリング処理および代表文抽出処理（つまり、ステップＳ２２〜ステップＳ２９の処理）が実行された結果（処理結果）の一例を示す。
【０２３０】
図２５に示す例では、質問に関する代表文「亀裂が生じる」が付与された質問サブクラスタＩＤ「１」によって識別される質問サブクラスタに属する文書群に対するクラスタリング処理によって、回答サブクラスタＩＤ「１」および「２」によって識別される回答サブクラスタが作成されている。なお、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタには特徴語として例えば「ホース」が付与されているものとする。また、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタには特徴語として例えば「カバー」が付与されているものとする。
【０２３１】
この場合、図２５に示す例では、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタに対して上記した代表文抽出処理（ステップＳ２３〜ステップＳ２８の処理）が実行されることによって、回答に関する代表文「ホースを新品と交換する」が抽出されている。なお、回答サブクラスタＩＤ「１」によって識別される回答サブクラスタには、文書ＩＤ「４，５，…，３００」によって識別される１５の文書が属している。
【０２３２】
また、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタに対して代表文抽出処理が実行されることによって、回答に関する代表文「カバーを取り付ける」が抽出されている。なお、回答サブクラスタＩＤ「２」によって識別される回答サブクラスタには、文書ＩＤ「７，８，…」によって識別される１３の文書が属している。
【０２３３】
ここでは、質問サブクラスタＩＤ「１」について説明したが、当該質問サブクラスタＩＤ「１」以外についても同様であるため、その詳しい説明を省略する。
【０２３４】
次に、ＦＡＱ作成部３０２は、上記した図２５に示す処理結果を参照して、ＦＡＱを作成する（ステップ３１）。この場合、ＦＡＱ作成部３０２は、上記したステップＳ２１の代表文分類処理において抽出された質問に関する代表文および上記した代表文抽出処理において抽出された回答に関する代表文を用いて、対象クラスタに関する質問および回答から構成されるＦＡＱを作成する。
【０２３５】
ここで、図２６は、ＦＡＱ作成部３０２によって作成されたＦＡＱの一例を示す。図２６は、上記した図２５に示す処理結果を参照して作成されたＦＡＱの一例を示す。
【０２３６】
図２６に示すように、ＦＡＱ作成部３０２によって作成されたＦＡＱには、図２５に示す質問に関する代表文が質問として含まれ、当該質問に対応づけて回答に関する代表文が回答として含まれる。なお、ＦＡＱに含まれる質問および回答には、それぞれＦＡＱ番号が割り当てられている。
【０２３７】
図２６に示す例では、ＦＡＱ作成部３０２によって作成されたＦＡＱには、ＦＡＱ番号「１」に対応づけて図２５に示す質問に関する代表文「亀裂が生じる」および回答に関する代表文「ホースを新品と交換する」が含まれる。
【０２３８】
また、ＦＡＱ作成部３０２によって作成されたＦＡＱには、ＦＡＱ番号「２」に対応づけて図２５に示す質問に関する代表文「亀裂が生じる」および回答に関する代表文「カバーを取り付ける」が含まれる。
【０２３９】
ここでは、ＦＡＱ番号「１」および「２」について説明したが、当該ＦＡＱ番号「１」および「２」以外についても同様であるため、その詳しい説明は省略する。
【０２４０】
上記したようにＦＡＱ作成部３０２によってＦＡＱが作成されると、ＦＡＱ出力部３０３は、当該ＦＡＱを出力する（ステップＳ３２）。つまり、ＦＡＱ出力部３０３は、上記した質問に関する代表文（第１の代表文）および回答に関する代表文（第２の代表文）を対応づけて出力する。
【０２４１】
上記したように本実施形態においては、文書（例えば、クレーム文書等）に含まれる質問に関する記述（第１の記述）に対するクラスタリング結果に対して代表文分類処理（前述した第１の実施形態における処理）が実行されることにより質問に関する代表文が抽出される。また、本実施形態においては、代表文分類処理において作成された質問サブクラスタ（第１のサブクラスタ）に属する文書群に含まれる回答に関する記述（第２の記述）に対してクラスタリング処理が実行される。また、本実施形態においては、クラスタリング処理において作成された回答サブクラスタ（第２のサブクラスタ）に対して代表文抽出処理が実行されることにより回答に関する代表文が抽出される。また、本実施形態においては、代表文分類処理において抽出された質問に関する代表文および代表文抽出処理において抽出された回答に関する代表文を対応づけて含むＦＡＱが作成され、出力される。
【０２４２】
これにより、本実施形態においては、質問に関する記述および回答に関する記述を含む大量の文書（例えば、クレーム文書）からＦＡＱを自動で作成することができるため、ユーザが例えば手作業により当該大量の文書を分類することによってＦＡＱを作成する場合と比較して、当該ＦＡＱの作成作業の負荷を低減することが可能となる。
【０２４３】
なお、本願発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組合せてもよい。
【符号の説明】
【０２４４】
１０…コンピュータ、２０…外部記憶装置、２２…クラスタリング結果格納部、２３…パラフレーズ辞書格納部、２４…同義語辞書格納部、３０，３００…代表文抽出装置、３１…クラスタＩＤ受付部、３２…特徴文抽出部、３３…構文解析部、３４…代表文候補抽出部、３５…代表文候補集約部、３６…代表度算出部、３７…代表文決定部、３８…代表文分類部、３９…分類結果出力部、３０１…クラスタリング部、３０２…ＦＡＱ作成部、３０３…ＦＡＱ出力部。
【特許請求の範囲】
【請求項１】
自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段と、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出する特徴文抽出手段と、
前記抽出された第１の文を構文解析する構文解析手段と、
前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する代表文候補抽出手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出する算出手段と、
前記算出された代表度に基づいて、前記代表文候補抽出手段によって抽出された第２の文を代表文として決定する決定手段と
を具備することを特徴とする代表文抽出装置。
【請求項２】
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書のうち前記代表文として決定された第２の文を含む文書が属するサブクラスタであって当該代表文として決定された第２の文が付与されたサブクラスタを作成することによって、当該複数の文書を分類する分類手段を更に具備することを特徴とする請求項１記載の代表文抽出装置。
【請求項３】
集約手段を更に具備し、
前記代表文候補抽出手段は、前記第２の文を複数抽出し、
前記集約手段は、前記代表文候補抽出手段によって抽出された複数の第２の文に含まれる自立語に基づいて、当該複数の第２の文を集約し、
前記算出手段は、前記集約された第２の文の代表度を算出する
ことを特徴とする請求項１記載の代表文抽出装置。
【請求項４】
自立語を含む文からなる第１の記述および第２の記述を含む複数の文書および当該複数の文書が属するクラスタに付与された複数の文書に含まれる第１の記述の特徴を表す第１の特徴語を対応づけて格納するクラスタリング結果格納手段と、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された第１の特徴語を含む第１の文を、当該クラスタに属する複数の文書に含まれる第１の記述から抽出する第１の特徴文抽出手段と、
前記抽出された第１の文を構文解析する第１の構文解析手段と、
前記第１の構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する第１の代表文候補抽出手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書数に基づいて、当該第２の文の代表度を算出する第１の算出手段と、
前記算出された代表度に基づいて、前記第１の代表文候補抽出手段によって抽出された第２の文を第１の代表文として決定する第１の決定手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書のうち前記第１の代表文として決定された第２の文を含む複数の文書の各々が属する第１のサブクラスタであって当該第１の代表文として決定された第２の文が付与された第１のサブクラスタを作成することによって、当該ユーザによって指定されたクラスタに属する複数の文書の各々を分類する第１の分類手段と、
前記第１の分類手段によって作成された第１のサブクラスタに属する複数の文書に含まれる第２の記述に基づいて当該第１のサブクラスタに属する複数の文書の各々が属する第２のサブクラスタであって当該第２のサブクラスタに属する複数の文書に含まれる第２の記述の特徴を表す第２の特徴語が付与された第２のサブクラスタを作成するクラスタリング手段と、
前記クラスタリング手段によって作成された第２のサブクラスタに付与された第２の特徴語を含む第３の文を、当該第２のサブクラスタに属する複数の文書に含まれる第２の記述から抽出する第２の特徴文抽出手段と、
前記第２の特徴文抽出手段によって抽出された第３の文を構文解析する第２の構文解析手段と、
前記第２の構文解析手段による構文解析結果および前記抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第４の文を前記第２の特徴文抽出手段によって抽出された第３の文から抽出する第２の代表文候補抽出手段と、
前記クラスタリング手段によって作成された第２のサブクラスタに属する複数の文書における前記第２の代表文候補抽出手段によって抽出された第４の文を含む文書数に基づいて、当該第４の文の代表度を算出する第２の算出手段と、
前記第２の算出手段によって算出された代表度に基づいて、前記第２の代表文候補抽出手段によって抽出された第４の文を第２の代表文として決定する第２の決定手段と、
前記第１の代表文として決定された第２の文および前記第２の代表文として決定された第４の文を対応づけて出力する出力手段と
を具備することを特徴とする代表文抽出装置。
【請求項５】
自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段を有する外部記憶装置と、当該外部記憶装置を利用するコンピュータとから構成される代表文抽出装置において、前記コンピュータによって実行されるプログラムであって、
前記コンピュータに、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出するステップと、
前記抽出された第１の文を構文解析する構文解析手段と、
前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出するステップと、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出するステップと、
前記算出された代表度に基づいて、前記抽出された第２の文を代表文として決定するステップと
を実行させるためのプログラム。
【請求項１】
自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段と、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出する特徴文抽出手段と、
前記抽出された第１の文を構文解析する構文解析手段と、
前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する代表文候補抽出手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出する算出手段と、
前記算出された代表度に基づいて、前記代表文候補抽出手段によって抽出された第２の文を代表文として決定する決定手段と
を具備することを特徴とする代表文抽出装置。
【請求項２】
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書のうち前記代表文として決定された第２の文を含む文書が属するサブクラスタであって当該代表文として決定された第２の文が付与されたサブクラスタを作成することによって、当該複数の文書を分類する分類手段を更に具備することを特徴とする請求項１記載の代表文抽出装置。
【請求項３】
集約手段を更に具備し、
前記代表文候補抽出手段は、前記第２の文を複数抽出し、
前記集約手段は、前記代表文候補抽出手段によって抽出された複数の第２の文に含まれる自立語に基づいて、当該複数の第２の文を集約し、
前記算出手段は、前記集約された第２の文の代表度を算出する
ことを特徴とする請求項１記載の代表文抽出装置。
【請求項４】
自立語を含む文からなる第１の記述および第２の記述を含む複数の文書および当該複数の文書が属するクラスタに付与された複数の文書に含まれる第１の記述の特徴を表す第１の特徴語を対応づけて格納するクラスタリング結果格納手段と、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された第１の特徴語を含む第１の文を、当該クラスタに属する複数の文書に含まれる第１の記述から抽出する第１の特徴文抽出手段と、
前記抽出された第１の文を構文解析する第１の構文解析手段と、
前記第１の構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出する第１の代表文候補抽出手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記代表文候補抽出手段によって抽出された第２の文を含む文書数に基づいて、当該第２の文の代表度を算出する第１の算出手段と、
前記算出された代表度に基づいて、前記第１の代表文候補抽出手段によって抽出された第２の文を第１の代表文として決定する第１の決定手段と、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書のうち前記第１の代表文として決定された第２の文を含む複数の文書の各々が属する第１のサブクラスタであって当該第１の代表文として決定された第２の文が付与された第１のサブクラスタを作成することによって、当該ユーザによって指定されたクラスタに属する複数の文書の各々を分類する第１の分類手段と、
前記第１の分類手段によって作成された第１のサブクラスタに属する複数の文書に含まれる第２の記述に基づいて当該第１のサブクラスタに属する複数の文書の各々が属する第２のサブクラスタであって当該第２のサブクラスタに属する複数の文書に含まれる第２の記述の特徴を表す第２の特徴語が付与された第２のサブクラスタを作成するクラスタリング手段と、
前記クラスタリング手段によって作成された第２のサブクラスタに付与された第２の特徴語を含む第３の文を、当該第２のサブクラスタに属する複数の文書に含まれる第２の記述から抽出する第２の特徴文抽出手段と、
前記第２の特徴文抽出手段によって抽出された第３の文を構文解析する第２の構文解析手段と、
前記第２の構文解析手段による構文解析結果および前記抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第４の文を前記第２の特徴文抽出手段によって抽出された第３の文から抽出する第２の代表文候補抽出手段と、
前記クラスタリング手段によって作成された第２のサブクラスタに属する複数の文書における前記第２の代表文候補抽出手段によって抽出された第４の文を含む文書数に基づいて、当該第４の文の代表度を算出する第２の算出手段と、
前記第２の算出手段によって算出された代表度に基づいて、前記第２の代表文候補抽出手段によって抽出された第４の文を第２の代表文として決定する第２の決定手段と、
前記第１の代表文として決定された第２の文および前記第２の代表文として決定された第４の文を対応づけて出力する出力手段と
を具備することを特徴とする代表文抽出装置。
【請求項５】
自立語を含む文からなる複数の文書および当該複数の文書が属するクラスタに付与された当該複数の文書の特徴を表す特徴語を格納するクラスタリング結果格納手段を有する外部記憶装置と、当該外部記憶装置を利用するコンピュータとから構成される代表文抽出装置において、前記コンピュータによって実行されるプログラムであって、
前記コンピュータに、
前記クラスタリング結果格納手段に格納されているユーザによって指定されたクラスタに付与された特徴語を含む第１の文を、前記クラスタリング結果格納手段に格納されている当該クラスタに属する複数の文書から抽出するステップと、
前記抽出された第１の文を構文解析する構文解析手段と、
前記構文解析手段による構文解析結果および予め定められた複数の自立語間の関係を表す抽出ルールに基づいて、当該抽出ルールによって表される複数の自立語間の関係に合致する第２の文を前記抽出された第１の文から抽出するステップと、
前記クラスタリング結果格納手段に格納されている前記ユーザによって指定されたクラスタに属する複数の文書における前記抽出された第２の文を含む文書の数に基づいて、当該第２の文の代表度を算出するステップと、
前記算出された代表度に基づいて、前記抽出された第２の文を代表文として決定するステップと
を実行させるためのプログラム。
【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２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【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２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【公開番号】特開２０１０−２７７４０９（Ｐ２０１０−２７７４０９Ａ）
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願番号】特願２００９−１３０５１０（Ｐ２００９−１３０５１０）
【出願日】平成２１年５月２９日（２００９．５．２９）
【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２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願日】平成２１年５月２９日（２００９．５．２９）
【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 ]