情報分析装置、情報分析方法、及びプログラム
【課題】テキストにおける語の出現頻度及び語の属性に影響されることなく、弊害語を特定し得る、情報分析装置、情報分析方法、及びプログラムを提供する。
【解決手段】情報分析装置３０は、分析対象テキスト１１と共通のトピックを含む補助テキスト１２を用いて、分析対象テキスト１１を構成する各ユニットの頻度を算出し、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部３１と、分析対象テキスト１１を構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部３５と、高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部３６とを備えている。
【解決手段】情報分析装置３０は、分析対象テキスト１１と共通のトピックを含む補助テキスト１２を用いて、分析対象テキスト１１を構成する各ユニットの頻度を算出し、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部３１と、分析対象テキスト１１を構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部３５と、高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部３６とを備えている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、テキストにおけるトピックの境界の判定に利用可能な情報分析装置、及び情報分析方法、これらを実現するためのプログラムに関する。
【背景技術】
【０００２】
従来から、複数のトピックを含むテキストを分析する際、トピック毎の分析を行うために、テキスト中でトピックが変わる境界の特定が行われ、そして、特定されたトピックの境界に基づいて、テキストを同一トピックの塊に分割する処理が行われる場合がある。このようなトピックの境界を判定するため、従来からの判定方法が、非特許文献１及び特許文献１に開示されている。
【０００３】
非特許文献１に開示されている判定方法では、先ず、テキスト上の各単語境界の前後それぞれに、一定の単語数を覆う窓を設ける。次に、窓毎に、各窓に含まれる単語の出現パタンから定義されるベクトルを求め、更に、前後の窓に対応するベクトル間の類似度を、単語境界の結束度として計算する。そして、この結束度が極小となる単語境界を、トピック境界として判定する。
【０００４】
また、特許文献１に開示されている判定方法では、非特許文献１に開示された判定方法の改良が行われ、音声認識した結果として得られたテキストに対するトピック境界の判定精度の向上が図られている。
【０００５】
具体的には、特許文献１に開示されている判定方法では、先ず、音声認識の結果として得られた複数の認識候補のそれぞれに含まれる単語集合をマージし、更にマージされた単語集合を、各単語が開始時刻の順にソートされた単語列にする。そして、この単語列に対して、非特許文献１に開示された判定方法と同様に、窓を設け、更に、各窓についてベクトルを求めて結束度を計算し、結束度が極小となる単語境界をトピック境界として判定する。
【０００６】
このように、特許文献１に開示されている判定方法においては、複数の認識候補が用いられる。そして、これらに含まれる単語のうち認識の信頼性の高い単語程、多くの認識候補に出現し、窓における出現回数も多くなる。この結果、結束度の計算結果は、信頼性の高い単語の影響を大きく受け、逆に、信頼性の低い単語の影響をあまり受けなくなる。この結果、特許文献１に開示されている判定方法は、音声認識誤りに頑健な方法となる。
【０００７】
ところで、非特許文献１及び特許文献１に開示された判定方法では、テキストに対して一定の大きさの窓が設けられる。このとき、テキスト中に、特定のトピックにおいて特徴的ではなく、様々なトピックに出現する単語が存在していると、特定トピックに特徴的な単語が、隣りあう窓に入らない状態となる。この場合、トピックが続いている事を正しく検出することができなくなる可能性がある。
【０００８】
更に、実際のトピック境界の前後の窓に、上記の様々なトピックに出現する単語が存在していると、窓間の類似度が高くなってしまい、トピックの変化を捉えることが困難となり、結果、トピック境界の判定精度が低下する可能性もある。
【０００９】
このような、トピック境界の判定に弊害を及ぼす単語であって、特定のトピックに特徴的ではなく、様々なトピックに出現する単語を、以降において「弊害語」と呼ぶ。また、特定のトピックに特徴的ではなく、様々なトピックに出現するユニットを、以降において
「弊害ユニット」と呼ぶ。なお、「ユニット」とは、テキストを構成する基本単位の事であり、通常のテキストでは、例えば、文がユニットに相当とする。また、テキストが対話テキストである場合は、一つの発話が一つのユニットに相当しても良い。
【００１０】
ここで、図１１を用いて、従来からのトピックの境界の判定について具体的に説明する。図１１は、コールセンターでの通話から得られた通話テキストの一例を示す図である。図１の例では、発言テキスト部分であって、製品の問い合わせを受け付けるコールセンターでの通話から得られた、通話テキストに対して、トピックの境界が判定される。
【００１１】
図１１に示す例において、発言インデックス１３から発言インデックス１９までにおいては、故障内容のトピックが続いている。そして、故障内容のトピックに特有の単語である「プリンター」が、隣接する窓に存在する事となるため、発言インデックス１３と発言インデックス１９との間にトピックの境界は存在しないと判定すべきである。
【００１２】
しかし、発言インデックス１３と発言インデックス１９との間には、発言インデックス１４〜発言インデックス１８のような、特定のトピックに特徴的ではなく、様々なトピックに出現する可能性のある弊害ユニットが存在している。このため、トピックに特有の単語である「プリンター」同士が隣接する窓におさまらず、誤った境界判定が行われる可能性がある。
【００１３】
更に、図１１に示す例において、発言インデックス３６と発言インデックス３７との間には、トピックの境界がある。一方、発言インデックス３６と発言インデックス３９には、特定のトピックに特徴的ではなく様々なトピックに出現する「分かりました」という発話が含まれている。このため、発言インデックス３６と発言インデックス３７との間がトピック境界か否かを判定する際、前後の窓に「分かる」といった単語が含まれてしまうこととなる。この場合、当該窓間の類似度が高くなり、発言インデックス３６と発言インデックス３７との間はトピックの境界ではない、という誤った境界判定が行われる可能性がある。
【００１４】
このように、図１１に示す例において、１ユニットを１つの発話と捉えた場合、発言インデックス１４、１５、１６、１７、１８、及び「分かりました」それぞれは、弊害ユニットに相当する。また、このような該弊害ユニットを構成する各単語は、弊害語となる。
【００１５】
上記の問題を解消するため、非特許文献１に開示の判定方法では、境界判定の対象となっているテキスト（以降、該テキストを「境界判定対象テキスト」と呼ぶ）中に高頻度で出現する単語や機能語を弊害語とし、これらを窓内から除去している。これにより、弊害語による悪影響が除かれ、トピックの境界の誤判定が防がれると考えられる。また、上記の問題を解消するため、特許文献１に開示の判定方法では、付属語を弊害語とし、トピック境界判定時に、非特許文献１同様に、弊害語を窓内から除去することよって、誤判定の防止を図っている。
【先行技術文献】
【特許文献】
【００１６】
【特許文献１】特許第４１７５０９３号明細書
【非特許文献】
【００１７】
【非特許文献１】M.A. Hearst，“Multi-paragraph segmentation of expository text”， In Proceedings of 32nd Annual Meeting of the Association for Computational Linguistics，pp.9-16，1994．
【発明の概要】
【発明が解決しようとする課題】
【００１８】
ところで、弊害語は、機能語、付属語、及び境界判定対象テキストに高頻度で出現する単語だけではなく、境界判定対象テキストに低頻度で出現する自立語及び内容語も弊害語となる。この点について以下に説明する。
【００１９】
例えば、図１１に示した例では、発言インデックス３と発言インデックス４との間には、トピックの境界が存在しており、発言インデックス３と発言インデックス５とでは、トピックが異なる。一方、発言インデックス３と発言インデックス５とは、トピックにおいて異なっているが、「電話」という共通の単語を含んでいる。このため、トピックの境界を判定する際、前後の窓間の類似度が高くなり、発言インデックス３と発言インデックス５とではトピックが同じであるという誤判定が行われる可能性がある。
【００２０】
従って、図１１に示した発言インデックス３及び発言インデックス５に含まれる「電話」は、境界判定対象テキスト中に２回しか出現しないにも拘わらず、弊害語に相当する。つまり、境界判定対象テキスト中に２回程度の低頻度でしか出現していない自立語又は内容語であっても弊害語となる。また、例えば、図１１の例では、発言インデクス１８（「大変申し訳ございません」）は弊害ユニットに相当するが、境界判定対象テキスト中に１回しか出現しない。このことから、低頻度でしか出現しないユニットであっても、弊害ユニットとなることがある。
【００２１】
しかしながら、非特許文献１及び特許文献１に開示された判定方法では、上述したように、境界判定対象テキストに低頻度で出現する自立語及び内容語は除去の対象とされていない。このため、このような弊害語が境界判定対象テキストに含まれていると、境界判定の精度が低下するという問題が発生する。
【００２２】
本発明の目的は、上記問題を解消し、テキストにおける語の出現頻度、及び付属語、自立語、機能語、又は内容語といった語の属性に影響されることなく、弊害語を特定し得る、情報分析装置、情報分析方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【００２３】
上記目的を達成するため、本発明における情報分析装置は、分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析装置であって、
前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部と、
前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部と、
前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部と、を備えていることを特徴とする。
【００２４】
また、上記目的を達成するため、本発明における情報分析方法は、分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析方法であって、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、を有することを特徴とする。
【００２５】
更に、上記目的を達成するため、本発明におけるプログラムは、分析対象テキストから、トピック境界の判定に弊害となる語又は語集合を、コンピュータによって特定するためのプログラムであって、
前記コンピュータに、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、を実行させることを特徴とする。
【発明の効果】
【００２６】
以上のように、本発明における、情報分析装置、情報分析方法、及びプログラムによれば、テキストにおける語の出現頻度、及び付属語、自立語、機能語、又は内容語といった語の属性に影響されることなく、弊害語を特定することができる。
【図面の簡単な説明】
【００２７】
【図１】図１は、本発明の実施の形態１における情報分析装置の構成を示すブロック図である。
【図２】図２は、本発明の実施の形態１における情報分析装置の動作を示すフロー図である。
【図３】図３は、本発明の実施の形態２における情報分析装置の構成を示すブロック図である。
【図４】図４は、本発明の実施の形態２における情報分析装置の動作を示すフロー図である。
【図５】図５は、本発明の実施の形態３における情報分析装置の構成を示すブロック図である。
【図６】図６は、本発明の実施の形態３における情報分析装置の動作を示すフロー図である。
【図７】図７は、本発明の実施の形態４における情報分析装置の構成を示すブロック図である。
【図８】図８は、本発明の実施の形態４における情報分析装置の動作を示すフロー図である。
【図９】図９は、本発明の実施の形態５における情報分析装置の構成を示すブロック図である。
【図１０】図１０は、本発明の実施の形態５における情報分析装置の動作を示すフロー図である。
【図１１】図１１は、分析対象テキストの一例を示す図である。
【図１２】図１２は、補助テキストの一例を示す図である。
【図１３】図１３は、補助テキストの他の例を示す図である。
【図１４】図１４は、形態素解析を用いた要素分割の例を示す図である。
【図１５】図１５は、係り受け解析を用いた要素分割の例を示す図である。
【図１６】図１６は、トピック変化ユニットが格納されているトピック変化ユニットデータベースを示す図である。
【図１７】図１７は、トピック変化ユニットと対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。
【図１８】図１８は、トピック変化ユニットを特定する特徴を規定するルールが格納されている、トピック変化ユニットデータベースを示す図である。
【図１９】図１９は、トピック変化ユニットを特定する特徴を規定ルールと、対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。
【図２０】図２０（ａ）及び（ｂ）は、それぞれトピックを判定する統計的モデルの一例を示す図であり、図２０（ａ）はモデル例１を示し、図２０（ｂ）はモデル例２を示している。
【図２１】図２１は、図１１に示した分析対象テキストの対応テキストの一例を示す図である。
【図２２】図２２は、次元と単語の割り当て表、及び図１１に示した発言インデックス１の単語ベクトルそれぞれの一例を示す図である。
【図２３】図２３（ａ）及び（ｂ）は、情報分析装置の出力例を示す図であり、このうち、図２３（ａ）は弊害ユニットが出力される例を示し、図２３（ｂ）は弊害語が出力される例を示している。
【図２４】図２４（ａ）〜（ｃ）は、対応テキストの一例を示す図である。図２４（ａ）は図１１に示した分析対象テキストの対応テキストを示している。図２４（ｂ）は図１２に示した補助テキストの対応テキストを示している。図２４（ｃ）は図１３に示した補助テキストの対応テキストを示している。
【発明を実施するための形態】
【００２８】
（本発明の概要）
本発明では、情報分析の対象となるテキスト（以下、「分析対象テキスト」という。）に対して、これと共通のトピックを含むテキスト（以下、「補助テキスト」という。）が用いられる。また、分析対象テキストが目的を持ったテキストである場合、この分析対象テキスト以外にも、該テキストと同様の目的を持ったテキストが存在することがある。このような、同様の目的を持ったテキスト間では、共通のトピックを含みやすく、分析対象テキストと目的が同一のテキストは補助テキストとして用い易い。本発明は、このような補助テキストを、分析対象テキストに加えて、情報分析を実行する。
【００２９】
ここで、分析対象テキストと共通のトピックを含むテキスト（補助テキスト）としては、例えば、分析対象テキストのトピックと同じトピックを有し、そして、該トピックの流れ（トピックの出現順序）が共通のテキストが挙げられる。また、補助テキストにおいて、弊害となる語（弊害語）又は弊害語の集合は、分析対象テキストにおける弊害語又は弊害語の集合と同様となる。なお、弊害語については後述する。
【００３０】
例えば、分析対象テキストが、図１１に示す、製品の問い合わせを受け付けるコールセンターでの顧客とオペレータとの対話から作成された通話テキストであるとする。図１は、分析対象テキストの一例を示す図である。この場合、補助テキストとしては、同コールセンターでなされた他事例から作成された通話テキストを利用することができる。また、利用される補助テキストは、複数であるのが好ましい。
【００３１】
そして、上記例では、各補助テキストの元となった通話は、同コールセンターで顧客の問い合わせを解消するという目的でなされており、該目的は、分析対象テキストの元となった通話の目的と等しい。つまり、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「オープニング挨拶、顧客の特定、問い合わせ内容の把握、問い合わせ内容の解消」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。各補助テキストでは、多くの場合、こられのトピックによって上記の目的が達成される。
【００３２】
また、例えば、分析対象テキストが、ある店での店頭販売における顧客と店員とのやり取りを記した対話テキストであるとする。この場合、補助テキストとしては、同店での他の顧客と店員とのやり取りを記した対話テキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３３】
そして、各補助テキストの元となった対話は、同店で顧客に商品を販売するという目的でなされており、該目的は、分析対象テキストの元となった対話の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「挨拶、顧客の希望、嗜好の特定、商品特定、値段交渉」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。本例においても、各補助テキストでは、多くの場合、これらのトピックによって上記の目的が達成される。
【００３４】
更に、例えば、分析対象テキストが、アンケート調査における回答者と調査員とのやり取りを記した対話テキストであるとする。この場合、補助テキストとしては、同アンケートでの、他の回答者と調査員とのやり取りを記した対話テキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３５】
そして、各補助テキストの元となった対話は、同アンケートの回答を取得するという目的でなされており、該目的は、分析対象テキストの元となった対話の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「挨拶、質問、回答」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。本例においても、各補助テキストでは、多くの場合、これらのトピックによって上記の目的が達成される。
【００３６】
また、例えば、分析対象テキストが、あるニュース番組をテキスト化することによって得られたテキストであるとする。この場合、補助テキストとしては、他の日に放送された同じニュース番組をテキスト化することによって得られたテキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３７】
そして、各補助テキストの元となったニュース番組は、その日に起こった事件を視聴者に伝えるという目的を持っており、該目的は、分析対象テキストの元となったニュース番組の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。
【００３８】
また、各補助テキストと、分析対象テキストとは、放送時間は異なるが同じニュース番組から作成されるため、共通のトピックを有している。つまり、各補助テキスト及び分析対象テキストは、トピックとして、例えば、「挨拶、ニュース１、解説者１の説明、ニュース２、天気」を含んでいる。従って、本例においても、各補助テキストは、分析対象テキストと共通のトピックによって上記の目的を達成している、と捉える事ができる。
【００３９】
そして、本発明は、「分析対象テキストと共通のトピックを持つ補助テキストが存在する場合に、分析対象テキストにおいて、内容に関係なく様々なトピックに出現するユニット（以下、「弊害ユニット」という。）は、補助テキストの多くに出現し易い」、という傾向を利用する。なお、弊害ユニットには、上述した弊害語及び弊害語の集合が含まれている。
【００４０】
例えば、図１１に示すように、分析対象テキストがコールセンターでの通話テキストである場合を検討する。この場合、「はい」、「えー」、「分かりました」、「申し訳ござ
いません」、「お電話ありがとうございます。」等の挨拶や相槌は、内容に関係なく様々なトピックに出現する発話であり、弊害ユニットに該当する。このような弊害ユニットは、どの通話テキストにおいても出現しやすいという特徴を有しており、本発明はこの特徴を利用する。
【００４１】
但し、ある程度決まったトピックを有するテキストには、多くのテキストに共通して出現しやすいユニットとして、弊害ユニット以外にも、トピック変化を促すために各テキストに共通して使われるユニットが存在する。例えば、コールセンターでの通話テキストでは、オペレータが決まった発話を発する事で、トピックを変えて通話がコントロールされている。図１１の例では、発言インデクス４、９及び３７の発言により、オペレータ主導でトピックが変化させられており、対話が形成されている。このような発話は、情報分析の一つである、トピックの境界の判定において、有効、且つ、必要となる。また、特に、トピックの出現順序が同じであれば、このような発話は多くのテキストにおいて共通のユニットになり易い。
【００４２】
以上の点から、本発明では、先ず、分析対象テキストに加えて、それと共通のトピックを含む補助テキストが用意され、補助テキストを用いて、分析対象テキスト構成する各ユニットの内、補助テキストに出現し易いユニットが特定される。ここで、ユニットとしては、例えば、分析対象テキストを構成する一つの文が挙げられる。また、補助テキストに出現し易いユニットを、以下、「高頻度ユニット」と呼ぶ。
【００４３】
次に、本発明では、特定された高頻度ユニットの中から、トピックの変化を促すために補助テキストでも使われているユニット（以降、「トピック変化ユニット」と呼ぶ。）が特定される。このとき、補助テキストは複数であるのが好ましく、よって、トピック変化ユニットは、多くの補助テキストで共通して利用されているのが好ましい。そして、高頻度ユニットからトピック変化ユニットを除いたユニットから、弊害ユニットが特定される。更に、弊害ユニットを構成する単語が、弊害語として特定される。
【００４４】
このように、本発明では、弊害ユニットは、補助テキストを用いて特定した高頻度ユニットから、トピック変化ユニットを除く事によって特定される。本発明によれば、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットを特定でき、自立語又は内容語の弊害語も特定する事ができる。また、本発明によれば、分析対象テキスト中での出現が低頻度である弊害ユニットであっても特定でき、低頻度の弊害語も特定できる。
【００４５】
（実施の形態１）
以下、本発明の実施の形態１における情報分析装置、情報分析方法、及びプログラムについて、図１及び図２を参照しながら説明する。最初に、本実施の形態１における情報分析装置の構成について図１を用いて説明する。図１は、本発明の実施の形態１における情報分析装置の構成を示すブロック図である。
【００４６】
図１に示す、本実施の形態１における情報分析装置３０は、分析対象テキスト１１からトピック境界の判定に弊害となる語又は語集合を特定する装置である。本実施の形態１では、分析対象テキスト１１は、情報分析の一つである、トピック境界の判定の対象となっており、複数のトピックを含んでいる。なお、以下において、判定に弊害となる語は「弊害語」とし、判定に弊害となる語集合は「弊害語集合」とする。
【００４７】
図１に示すように、情報分析装置３０は、高頻度ユニット特定部３１と、トピック変化ユニット特定部３５と、弊害ユニット特定部３６とを備えている。高頻度ユニット特定部３１は、分析対象テキスト１１と共通のトピックを含む補助テキスト１２を用いて、分析対象テキスト１１を構成する各ユニットの頻度を算出する。また、高頻度ユニット特定部
３１は、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する。
【００４８】
トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する。弊害ユニット特定部３６は、高頻度ユニット特定部３１が特定した高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、弊害となる語又は語集合を含む弊害ユニットを特定する。
【００４９】
また、本実施の形態１において、「ユニット」としては、例えば、テキストが複数の文で構成されている場合の各文が挙げられる。具体的には、テキストが対話又は通話から作成されているのであれば、対話又は通話に含まれる発話に相当する文が、「ユニット」に該当する。つまり、一つの発話が、一つのユニットに対応する。
【００５０】
このように、情報分析装置３０は、先ず、補助テキスト１２を用いて、分析対象テキスト１１構成する各ユニットの内、補助テキストにも出現し易いユニット、即ち高頻度ユニットを特定する。次に、情報分析装置３０は、トピックの変化を促すために補助テキストでも使われているユニット、即ち、トピック変化ユニットを特定する。そして、情報分析装置３０は、高頻度ユニットから、トピック変化ユニットに該当するものを除く。
【００５１】
これにより、複数のテキストに出現するが、トピックの変化への貢献度合いが少ないユニットが特定される。そして、このとき特定されたユニットは、弊害語又は弊害語集合を含む確率が高いことから、結果、弊害ユニットが特定可能となる。このように、情報分析装置３０は、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットを特定できるので、自立語又は内容語の弊害語も特定できる。また、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、情報分析装置３０は、分析対象テキスト中での出現が低頻度である弊害ユニットであっても特定でき、低頻度の弊害語も特定できる。
【００５２】
ここで、本実施の形態１における情報分析装置３０の構成を更に具体的に説明する。このコンピュータにインストールされるプログラムは、本実施の形態１におけるプログラムであり、これについては後述する。また、情報分析装置３０は、更に、入力部１０と、出力部２０とを備えている。
【００５３】
入力部１０は、外部から分析対象テキスト１１及び補助テキスト１２を受け取り、これらを高頻度ユニット特定部３１に入力する。具体的には、入力部１０は、情報分析装置３０にネットワーク等を介して接続されたコンピュータ（図１において図示せず）及びデータベース等から、分析対象テキスト１１及び補助テキスト１２を受け取ることができる。図１の例では、入力部１０は、大量のテキストを蓄積しているテキスト集合データベース１３にアクセスし、それから補助テキスト１２を受け取っている。
【００５４】
また、本実施の形態では、高頻度ユニット特定部３１は後述するように複数の補助テキスト１２を利用するため、入力部１０は、テキスト集合データベース１３から複数の補助テキスト１２を受け取り、これらを情報分析装置３０に入力している。テキスト集合データベース１３としては、例えば、イントラネット、又はインターネット等のネットワークに接続され、補助テキスト１２として利用可能なテキストを多数蓄積しているデータベースが挙げられる。
【００５５】
また、分析対象テキスト１１及び補助テキスト１２、それぞれの全部もしくは一部は、文書である文書テキストであっても良いし、対話から作成された対話テキストであっても
良い。更に、分析対象テキスト１１及び補助テキスト１２は、それぞれ、一部が文書テキスト、残りが対話テキストとなったテキストであっても良い。なお、文書テキストにおいて、ユニットは、文書を構成する文である。対話テキストにおいて、ユニットは、対話を構成する発話である。
【００５６】
出力部２０は、弊害ユニット特定部３６で行われた処理の結果を受け取り、これを外部に出力する。具体的には、出力部２０は、特定された弊害ユニットを特定する情報、更には、弊害ユニットに含まれる弊害語及び弊害語集合を特定する情報を受け取り、これらの情報を、外部のコンピュータ又は表示装置等に出力する。
【００５７】
また、本実施の形態１では、高頻度ユニット特定部３１は、複数の補助テキスト１２（以下、「補助テキスト集合」とも言う。）を用い、補助テキスト集合における、各ユニットの頻度を算出して、高頻度ユニットを特定する。このような機能を実現するため、高頻度ユニット特定部３１は、要素分割部３２と、要素頻度算出部３３と、ユニット頻度算出部３４とを備えている。なお、要素分割部３２、要素頻度算出部３３、及びユニット頻度算出部３４それぞれの機能の説明は、以下の情報分析装置３０の動作の説明において行う。
【００５８】
更に、本実施の形態１では、トピック変化ユニット特定部３５は、予め作成された、トピック変化ユニットを特定する特徴に基づいて、高頻度ユニット特定部３１で特定された高頻度ユニットの中から、トピック変化ユニットを特定することができる。また、トピック変化ユニットを特定する特徴は、トピック変化ユニットデータベース１４に格納されており、トピック変化ユニット特定部３５は、トピック変化ユニットを特定する際に、このトピック変化ユニットデータベース１４にアクセスする。
【００５９】
本実施の形態１において、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、例えば、トピック変化ユニット自体を格納することができる。また、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、ユニットと、そのユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。
【００６０】
更に、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、該特徴を規定するルールを格納することもできる。また、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、該特徴を規定するルールと、このルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。
【００６１】
本実施の形態１では、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、入力データに対応したトピックを推定可能な統計的モデルを用いて、高頻度ユニットの中からトピック変化ユニットを特定しても良い。統計的モデルは、予め作成されている。
【００６２】
具体的には、上記の場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、分析対象テキスト１１及び複数の補助テキスト１２において、該高頻度ユニットが出現する箇所を特定する。次に、トピック変化ユニット特定部３５は、上述の統計モデルを用い、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、特定された箇所の前方ｎ個のユニットからなる部分、及び後方ｎ個のユニットからなる部分、それぞれに対して、トピックを推定する（ｎ：自然数）。なお、「特定された箇所の前方ｎ個のユニットからなる部分」とは、特定された箇所から文章の前方側にあるｎ個のユニット（特定された箇所を除く）で構
成されたユニット集合（前方部分）をいう。また、「特定された箇所の後方ｎ個のユニットからなる部分」とは、特定された箇所から文章の後方側にあるｎ個のユニット（特定された箇所を除く）で構成されたユニット集合（後方部分）をいう。
【００６３】
そして、トピック変化ユニット特定部３５は、この推定結果に基づいて、高頻度ユニット特定部３１で特定された各高頻度ユニットが、トピック変化ユニットか否かを判定する。例えば、高頻度ユニットが出現した箇所の前方部分と、後方部分とで、トピックの変化が多く発生している場合は、トピック変化ユニット特定部３５は、この高頻度ユニットをトピック変化ユニットとして特定する。
【００６４】
更に、本実施の形態１では、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、対応テキストを用いて、高頻度ユニットの中からトピック変化ユニットを特定しても良い。ここでいう対応テキストとしては、分析対象テキスト１１及び複数の補助テキスト１２に対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能なテキストが挙げられる。
【００６５】
具体的には、上記の場合も、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、分析対象テキスト１１及び複数の補助テキスト１２において、該高頻度ユニットが出現する箇所を特定する。次に、トピック変化ユニット特定部３５は、対応テキストを用い、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対し、対応テキストの複数のトピックそれぞれによって区分された各部分との類似度を算出する（ｎ：自然数）。更に、トピック変化ユニット特定部３５は、算出された類似度から、前方部分及び後方部分のトピックを推定する。
【００６６】
そして、トピック変化ユニット特定部３５は、この推定結果に基づいて、高頻度ユニット特定部３１で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。この場合も、例えば、高頻度ユニットが出現した箇所の前方部分と、後方部分とで、トピックの変化が多く発生している場合は、トピック変化ユニット特定部３５は、この高頻度ユニットをトピック変化ユニットとして特定する。
【００６７】
また、本実施の形態１では、弊害ユニット特定部３６は、高頻度ユニット特定部３１が特定した高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除いた、全ての高頻度ユニットを弊害ユニットとして特定する。
【００６８】
次に、本発明の実施の形態１における情報分析装置３０の動作について図２を用いて説明する。図２は、本発明の実施の形態１における情報分析装置の動作を示すフロー図である。なお、本実施の形態１では、情報分析装置３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態１における情報分析方法の説明は、以下の情報分析装置３０の動作の説明に代える。また、以下の説明においては、適宜図１を参酌する。
【００６９】
図２に示すように、最初に、入力部１０は、トピック境界の判定対象となる分析対象テキスト１１と、複数の補助テキスト１２（補助テキスト集合）とを外部から受け取り、これらを高頻度ユニット特定部３１に入力する（ステップＡ１）。
【００７０】
次に、高頻度ユニット特定部３１は、要素分割部３２、要素頻度算出部３３、及びユニット頻度算出部３４によってステップＡ２〜Ａ４を実行する。これにより、高頻度ユニット特定部３１は、分析対象テキスト１１を構成する各ユニットの内、補助テキスト集合に
含まれる多数の補助テキストに出現するユニット（高頻度ユニット）を特定する。
【００７１】
具体的には、要素分割部３２が、先ず、分析対象テキスト１１及び各補助テキスト１２を、分析の処理単位である要素に分割する（ステップＡ２）。ここで、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【００７２】
続いて、要素頻度算出部３３が、ステップＡ２で得られた分析対象テキスト１１及び各補助テキスト１２の要素を用い、分析対象テキスト１１の各要素について、補助テキスト集合内の各補助テキストを通じた頻度を計算する（ステップＡ３）。
【００７３】
続いて、ユニット頻度算出部３４は、ステップＡ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する。そして、ユニット頻度算出部３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＡ４）。また、ユニット頻度算出部３４は、特定した高頻度ユニットを、トピック変化ユニット特定部３５に出力する。
【００７４】
なお、高頻度ユニット特定部３１は、予め、各補助テキスト１２を構成する全要素に対して、補助テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定してもよい。
【００７５】
次に、トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＡ４で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＡ５）。本実施の形態１では、トピック変化ユニット特定部３５は、上述したトピック変化ユニットデータベース１４を参照して、高頻度ユニットの中から、トピック変化ユニットを特定する。なお、トピック変化ユニット特定部３５は、上述したように、トピック変化ユニットデータベース１４の代わりに、統計的モデルや、対応テキストを用いて、トピック変化ユニットを特定することもできる。
【００７６】
次に、弊害ユニット特定部３６は、ステップＡ４にて特定された高頻度ユニットから、ステップＡ５にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＡ６）。ステップＡ６においては、弊害ユニット特定部３６は、更に、弊害ユニットを特定する情報を出力部２０に出力する。
【００７７】
その後、出力部２０は、ステップＡ６にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＡ７）。ステップＡ７においては、出力部２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。
【００７８】
このように、本実施の形態１によれば、分析対象テキスト１１に加えて、補助テキスト１２を用いることで、弊害語や弊害語集合を含む弊害ユニットが特定される。そして、本実施の形態１では、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットが特定されることから、自立語及び内容語の弊害語も特定される。また、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【００７９】
本発明の実施の形態１におけるプログラムは、コンピュータに、図２に示すステップＡ１〜Ａ７を実行させるプログラムであれば良い。このプログラムをコンピュータにインス
トールし、実行することによって、本実施の形態１における情報分析装置３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing
Unit）は、出力部１０、高頻度ユニット特定部３１、トピック変化ユニット特定部３５、弊害ユニット特定部３６、及び出力部２０として機能し、処理を行なう。
【００８０】
（実施の形態２）
次に、本発明の実施の形態２における情報分析装置、情報分析方法、及びプログラムについて、図３及び図４を参照しながら説明する。最初に、本実施の形態２における情報分析装置の構成について図３を用いて説明する。図３は、本発明の実施の形態２における情報分析装置の構成を示すブロック図である。
【００８１】
図３に示すように、本実施の形態２における情報分析装置１３０は、入力部１１０と、高頻度ユニット特定部１３１と、トピック変化ユニット特定部１３５と、弊害ユニット特定部１３６と、出力部１２０とを備えている。また、高頻度ユニット特定部１３１は、更に、要素分割部１３２と、要素頻度算出部１３３と、ユニット頻度算出部１３４と、頻度スコア出力部１３７とを備えている。
【００８２】
このうち、要素分割部１３２、要素頻度算出部１３３及びトピック変化ユニット特定部１３５は、それぞれ順に、実施の形態１で図１に示した要素分割部３２、要素頻度算出部３３、トピック変化ユニット特定部３５に対応し、対応するブロックと構成及び機能の点で一致する。また、入力部１１０及び出力部１２０は、それぞれ順に、実施の形態１で図１に示した入力部１０、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。
【００８３】
分析対象テキスト１１、補助テキスト１２、及びトピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態２においても、情報分析装置１３０は、プログラム制御によって動作するコンピュータによって実現されている。
【００８４】
これに対して、頻度スコア出力部１３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態２における情報分析装置１３０には備えられている。また、これにより、ユニット頻度算出部１３４、及び弊害ユニット特定部１３６は、それぞれ、実施の形態１において図１に示した、ユニット頻度算出部３４及び弊害ユニット特定部３６とは異なる処理を実行する。以下、情報分析装置１３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【００８５】
本実施の形態２においては、ユニット頻度算出部１３４は、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出した後、高頻度ユニットを特定せず、頻度のみを頻度スコア出力部１３７に送る。
【００８６】
頻度スコア出力部１３７は、ユニット頻度算出部１３４による頻度の算出後に、この頻度に基づいて、頻度が高い程、値が高くなる頻度スコアを更に算出する。そして、頻度スコア出力部１３７は、算出した頻度スコアがそれについて設定された閾値以上となるユニットを高頻度ユニットとして特定する。
【００８７】
また、本実施の形態２においては、弊害ユニット特定部１３６は、特定された高頻度ユニットに対して、頻度スコアに基づいて、弊害ユニットスコアを算出する。ここで、「弊害ユニットスコア」は、高頻度ユニットが弊害ユニットになる可能性を示すスコアであり、頻度スコアが高い程、値が高くなり、且つ、トピック変化ユニットに該当したときに値が低下する。そして、弊害ユニット特定部１３６は、弊害ユニットスコアがそれについて
設定された閾値以上となる高頻度ユニットを、弊害ユニットとして特定する。
【００８８】
次に、本発明の実施の形態２における情報分析装置１３０の動作について図４を用いて説明する。図４は、本発明の実施の形態２における情報分析装置の動作を示すフロー図である。なお、本実施の形態２では、情報分析装置１３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態２における情報分析方法の説明は、以下の情報分析装置１３０の動作の説明に代える。また、以下の説明においては、適宜図３を参酌する。
【００８９】
図３に示すように、最初に、入力部１１０は、分析対象テキスト１１と、複数の補助テキスト１２とを外部から受け取り、これを高頻度ユニット特定部１３１に入力する（ステップＢ１）。ステップＢ１は、実施の形態１において図２に示したステップＡ１と同様のステップである。
【００９０】
次に、高頻度ユニット特定部１３１は、ステップＢ２〜Ｂ５を実行し、分析対象テキスト１１を構成する各ユニットの内、高頻度ユニットを特定する。但し、本実施の形態２においては、実施の形態１と異なり、高頻度ユニット特定部１３１は、頻度スコアを算出し、これを用いて高頻度ユニットを特定する。
【００９１】
具体的には、要素分割部１３２が、先ず、分析対象テキスト１１及び各補助テキスト１２を、分析の処理単位である要素に分割する（ステップＢ２）。ステップＢ２は、実施の形態１において図２に示したステップＡ２と同様のステップである。
【００９２】
続いて、要素頻度算出部１３３が、ステップＢ２で得られた分析対象テキスト１１及び各補助テキスト１２の要素を用い、分析対象テキスト１１の各要素について、補助テキスト集合内の各補助テキストを通じた頻度を計算する（ステップＢ３）。ステップＢ３は、実施の形態１において図２に示したステップＡ３と同様のステップである。
【００９３】
続いて、ユニット頻度算出部１３４は、ステップＢ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する（ステップＢ４）。なお、ステップＢ４では、高頻度ユニットの特定は実施されないが、それ以外の点では、ステップＢ４は、実施の形態１において図２に示したステップＡ４同様である。
【００９４】
続いて、頻度スコア出力部１３７は、分析対象テキスト１１を構成する各ユニットに対して、ステップＢ４で計算された頻度が高い程、値が高くなる頻度スコアを算出し、頻度スコアがそれについて設定された閾値以上となるユニットを特定する（ステップＢ５）。本実施の形態２では、ステップＢ５で特定された、頻度スコアの値が高いユニットが高頻度ユニットとして特定される。また、ステップＢ５では、更に、頻度スコア出力部１３７は、特定した高頻度ユニットと、それについて算出された頻度スコアとを、トピック変化ユニット特定部１３５に出力する。
【００９５】
なお、高頻度ユニット特定部１３１は、予め、各補助テキスト１２を構成する全要素に対して、補助テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト１１の各ユニットの頻度スコアを計算してもよい。
【００９６】
次に、トピック変化ユニット特定部１３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＢ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＢ６）。ステップＢ６は、実施の形態１において図２に示したス
テップＡ５と同様のステップである。
【００９７】
次に、弊害ユニット特定部１３６は、ステップＢ５で特定された各高頻度ユニットに対して、頻度スコアに基づいて、弊害ユニットスコアを算出し、弊害ユニットスコアがそれについて設定された閾値以上となる高頻度ユニットを特定する（ステップＢ７）。本実施の形態２では、ステップＢ７で特定された、弊害ユニットスコアの値が高い高頻度ユニットが弊害ユニットとして特定される。また、ステップＢ７においては、弊害ユニット特定部１３６は、更に、弊害ユニットを特定する情報を出力部１２０に出力する。
【００９８】
なお、「弊害ユニットスコア」は、上述したように、高頻度ユニットが弊害ユニットになる可能性を示すスコアである。弊害ユニットスコアは、頻度スコアが高い程、値が高くなり、且つ、高頻度ユニットがトピック変化ユニットに該当したときに値が低下するように算出される。
【００９９】
その後、出力部１２０は、ステップＢ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＢ８）。また、ステップＢ８においては、出力部１２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。更に、出力部１２０は、弊害ユニット、弊害語、又は弊害語集合に加えて、弊害ユニットスコアを共に出力しても良い。なお、弊害語又は弊害語集合に加えて、弊害ユニットスコアを出力する場合は、該弊害語又は該弊害語集合を含むユニットに付与された弊害ユニットスコアが出力される。
【０１００】
以上のように、本実施の形態２においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態２においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１０１】
そして、本実施の形態２では、頻度スコアが算出され、これに基づいて高頻度ユニットが特定される。更に、頻度スコアの値と、トピック変化ユニットを特定する情報とから、弊害ユニットスコアが算出され、これに基づいて、弊害ユニットが特定される。つまり、本実施の形態２では、補助テキスト集合内の各補助テキストを通じた頻度が高く、且つ、トピック変化に貢献しないユニット程、弊害ユニットとして特定され易くなっている。
【０１０２】
よって、挨拶及び相槌といった、内容に関係なく発せられるユニットほど、各補助テキストに共通して多く出現しやすく、トピック変化に貢献しないため、これらのユニットは、弊害ユニットとして特定され易くなる。従って、本実施の形態２によれば、各ユニットの頻度の情報をより詳細に扱うことができ、弊害ユニットかどうかの判断をより正確に行うことができる。本実施の形態２は、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１０３】
本発明の実施の形態２におけるプログラムは、コンピュータに、図４に示すステップＢ１〜Ｂ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態２における情報分析装置１３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部１１０、高頻度ユニット特定部１３１、トピック変化ユニット特定部１３５、弊害ユニット特定部１３６、頻度スコア出力部１３７及び出力部１２０として機能し、処理を行なう。
【０１０４】
（実施の形態３）
次に、本発明の実施の形態３における情報分析装置、情報分析方法、及びプログラムについて、図５及び図６を参照しながら説明する。最初に、本実施の形態３における情報分析装置の構成について図５を用いて説明する。図５は、本発明の実施の形態３における情報分析装置の構成を示すブロック図である。
【０１０５】
図５に示すように、本実施の形態３における情報分析装置２３０は、入力部２１０と、高頻度ユニット特定部２３１と、トピック変化ユニット特定部２３５と、弊害ユニット特定部２３６と、トピック変化ユニットスコア出力部２３７と、出力部２２０とを備えている。また、高頻度ユニット特定部２３１は、更に、要素分割部２３２と、要素頻度算出部２３３と、ユニット頻度算出部２３４とを備えている。
【０１０６】
このうち、高頻度ユニット特定部２３１、入力部２１０、及び出力部２２０は、それぞれ順に、実施の形態１で図１に示した高頻度ユニット特定部３１、入力部１０、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、分析対象テキスト１１、補助テキスト１２、及びトピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態３においても、情報分析装置２３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１０７】
これに対して、トピック変化ユニット特定部２３５、及び弊害ユニット特定部２３６は、それぞれ、実施の形態１において図１に示した、トピック変化ユニット特定部３５及び弊害ユニット特定部３６とは異なる処理を実行する。また、トピック変化ユニットスコア出力部２３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態３における情報分析装置２３０には備えられている。以下、情報分析装置２３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１０８】
本実施の形態３においては、トピック変化ユニット特定部２３５は、トピック変化ユニットを特定する特徴を用いて、高頻度ユニットに対して、トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出する。また、トピック変化ユニット特定部２３５は、算出したトピック変化ユニットスコアに基づいて、トピック変化ユニットを特定する。
【０１０９】
「トピック変化ユニットを特定する特徴」としては、実施の形態１において述べた特徴が挙げられる。また、本実施の形態３においても、トピック変化ユニットを特定する特徴は、トピック変化ユニットデータベース１４に格納されている。トピック変化ユニット特定部２３５は、トピック変化ユニットスコアの算出の際、トピック変化ユニットデータベース１４にアクセスし、トピック変化ユニットを特定する特徴を取得する。
【０１１０】
ここで、トピック変化ユニット特定部２３５によるトピック変化ユニットスコアの算出処理について説明する。例えば、トピック変化ユニットデータベース１４が、トピック変化ユニットを特定する特徴として、トピック変化ユニット自体を格納しているとする。この場合、トピック変化ユニット特定部２３５は、高頻度ユニットが、格納されているトピック変化ユニットと一致するかどうかを判定する。そして、トピック変化ユニット特定部２３５は、トピック変化ユニットスコアとして、一致しない場合は０（ゼロ）を付与し、一致する場合は任意の正の定数を付与する。
【０１１１】
また、本実施の形態３においても、実施の形態１と同様に、トピック変化ユニット特定部２３５は、トピック変化ユニットデータベース１４の代わりに、統計的モデル又は対応テキストを用いることができる。この場合は、トピック変化ユニット特定部２３５は、統
計的モデル又は対応テキストから得られたトピックの推定結果を用いて、トピック変化ユニットスコアを算出する。そして、トピック変化ユニット特定部２３５は、算出したトピック変化ユニットスコアに基づいて、高頻度ユニットの中からトピック変化ユニットを特定する。
【０１１２】
例えば、統計的モデルを用いる場合は、トピック変化ユニット特定部２３５は、実施の形態１と同様に、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、該高頻度ユニットの出現箇所を特定し、統計モデルを用いて、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対して、トピックを推定する。更に、トピック変化ユニット特定部２３５は、推定結果から、特定された箇所の前方部分と後方部分とでトピックが一致しているかどうかを判定し、その判定結果から、該高頻度ユニットの前後でトピックが変化する可能性を計算する。そして、トピック変化ユニット特定部２３５は、計算によって得られた可能性をトピック変化ユニットスコアとし、その値が高いユニットをトピック変化ユニットとして特定する。
【０１１３】
また、例えば、対応テキストを用いる場合も、トピック変化ユニット特定部２３５は、実施の形態１と同様に、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、該高頻度ユニットの出現箇所を特定する。次に、トピック変化ユニット特定部２３５は、対応テキストを用い、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対して、対応テキストの複数のトピックそれぞれによって区分された各部分との類似度を算出する。更に、トピック変化ユニット特定部３５は、類似度を用い、前方部分及び後方部分のトピックを推定する。
【０１１４】
また、トピック変化ユニット特定部２３５は、この場合も、推定結果から、特定された箇所の前方部分と後方部分とでトピックが一致しているかどうかを判定する。更に、トピック変化ユニット特定部２３５は、その判定結果から、該高頻度ユニットの前後でトピックが変化する可能性を計算する。そして、トピック変化ユニット特定部２３５は、計算によって得られた可能性をトピック変化ユニットスコアとし、その値が高いユニットをトピック変化ユニットとして特定する。
【０１１５】
また、トピック変化ユニットスコア出力部２３７は、トピック変化ユニット特定部２３５が特定したトピック変化ユニットと、それについて算出されているトピック変化ユニットスコアとを受け取り、これらを弊害ユニット特定部２３６に出力する。
【０１１６】
弊害ユニット特定部２３６は、本実施の形態３においては、トピック変化ユニットスコアに基づき、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、算出した弊害ユニットスコアがそれについて設定された閾値以上となる高頻度ユニットを、弊害ユニットとして特定する。なお、弊害ユニットスコアは、実施の形態２と同様に、高頻度ユニットが弊害ユニットになる可能性を示すスコアであるが、本実施の形態３では、トピック変化ユニットスコアが高い程、値が低くなるよう算出される。
【０１１７】
次に、本発明の実施の形態３における情報分析装置２３０の動作について図６を用いて説明する。図６は、本発明の実施の形態３における情報分析装置の動作を示すフロー図である。なお、本実施の形態３では、情報分析装置２３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態３における情報分析方法の説明は、以下の情報分析装置２３０の動作の説明に代える。また、以下の説明においては、適宜図５を参酌する。
【０１１８】
図６に示すように、最初に、入力部２１０は、トピック境界の判定対象となる分析対象テキスト１１と、複数の補助テキスト１２（補助テキスト集合）とを外部から受け取り、これを高頻度ユニット特定部２３１に入力する（ステップＣ１）。ステップＣ１は、実施の形態１において図２に示したステップＡ１と同様のステップである。
【０１１９】
次に、高頻度ユニット特定部２３１は、要素分割部２３２、要素頻度算出部２３３、及びユニット頻度算出部２３４によってステップＣ２〜Ｃ４を実行する。これにより、高頻度ユニット特定部２３１は、分析対象テキスト１１を構成する各ユニットの内、補助テキスト集合に含まれる多数の補助テキストに出現するユニット（高頻度ユニット）を特定する。また、ステップＣ２〜Ｃ４は、実施の形態１において図２に示したステップＡ２〜Ａ４と同様のステップである。よって、ステップＣ２〜Ｃ４についての説明は省略する。
【０１２０】
次に、トピック変化ユニット特定部２３５は、ステップＣ４にて特定された高頻度ユニットに対して、トピック変化ユニットスコアを算出し、算出したトピック変化ユニットスコアに基づいて、トピック変化ユニットを特定する（ステップＣ５）。ステップＣ５において、トピック変化ユニットスコアの算出は、上述したように、トピック変化ユニットデータベース、統計的モデル、又は対応テキストを用いて行われる。
【０１２１】
次に、トピック変化ユニットスコア出力部２３７は、ステップＣ５にて特定されたトピック変化ユニットと、それについて算出されているトピック変化ユニットスコアとを共に、弊害ユニット特定部２３６に出力する（ステップＣ６）。
【０１２２】
次に、弊害ユニット特定部２３６は、ステップＣ４で特定された高頻度ユニットに対し、ステップＣ６で算出されたトピック変化ユニットスコアを用いて、弊害ユニットである可能性を表す弊害ユニットスコアを算出する。具体的には、弊害ユニット特定部２３６は、ステップＣ６で算出されたトピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、弊害ユニットスコアが高いユニット、即ち、弊害ユニットスコアがそれについて設定された閾値以上となるユニットを、弊害ユニットとして特定する（ステップＣ７）。また、ステップＣ７では、弊害ユニット特定部２３６は、更に、弊害ユニットを特定する情報を出力部２２０に出力する。
【０１２３】
その後、出力部２２０は、ステップＣ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＣ８）。また、ステップＣ８においては、出力部２２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。更に、出力部２２０は、弊害ユニット、弊害語、又は弊害語に加えて、弊害ユニットスコアを共に出力しても良い。なお、弊害語又は弊害語集合に加えて、弊害ユニットスコアを出力する場合は、該弊害語又は該弊害語集合を含むユニットに付与された弊害ユニットスコアが出力される。
【０１２４】
以上のように、本実施の形態３においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態３においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１２５】
そして、本実施の形態３では、トピック変化ユニットスコアが算出され、これに基づいて、トピック変化ユニットの特定、弊害ユニットスコアの算出が行われる。また、このとき、弊害ユニットスコアは、トピック変化ユニットスコアが高い程、値が低くなるよう算出される。
【０１２６】
つまり、本実施の形態３では、実施の形態１と異なり、トピック変化ユニットである可能性が高いユニットの方が、トピック変化ユニットである可能性の低いユニットよりも、弊害ユニットになり難いという傾向が利用される。このため、本実施の形態３は、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１２７】
本発明の実施の形態３におけるプログラムは、コンピュータに、図６に示すステップＣ１〜Ｃ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態３における情報分析装置２３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部２１０、高頻度ユニット特定部２３１、トピック変化ユニット特定部２３５、弊害ユニット特定部２３６、トピック変化ユニットスコア出力部２３７及び出力部２２０として機能し、処理を行なう。
【０１２８】
また、本実施の形態３においては、情報分析装置２３０は、ユニット頻度算出部２３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置２３０の動作は、図６に示されたステップＣ１〜Ｃ８において、ステップＣ４がステップＢ４及びＢ５に置き換えられ、ステップＣ７にステップＢ７での処理が盛り込まれた動作となる。つまり、この場合は、ステップＣ７では、弊害ユニットスコアの計算は、ステップＢ５で算出された頻度スコアと、ステップＣ６で算出されたトピック変化ユニットスコアとに基づいて行われる。
【０１２９】
具体的には、ステップＣ７において、弊害ユニット特定部２３６は、高頻度ユニットに対し、頻度スコアが高い程、値が高くなり、且つ、トピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。このような態様とした場合は、実施の形態２における効果と実施の形態３における効果とが得られることとなる。
【０１３０】
（実施の形態４）
次に本発明の実施の形態４における情報分析装置、情報分析方法、及びプログラムについて、図７及び図８を参照しながら説明する。最初に、本実施の形態４における情報分析装置の構成について図７を用いて説明する。図７は、本発明の実施の形態４における情報分析装置の構成を示すブロック図である。
【０１３１】
図７に示すように、本実施の形態４における情報分析装置３３０は、入力部３１０と、同一話者テキスト特定部３３７と、高頻度ユニット特定部３３１と、トピック変化ユニット特定部３３５と、弊害ユニット特定部３３６と、出力部３２０とを備えている。また、高頻度ユニット特定部３３１は、更に、要素分割部３３２と、要素頻度算出部３３３と、ユニット頻度算出部３３４とを備えている。
【０１３２】
このうち、トピック変化ユニット特定部３３５、弊害ユニット特定部３３６、及び出力部３２０は、それぞれ順に、実施の形態１で図１に示したトピック変化ユニット特定部３５、弊害ユニット特定部３６、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、トピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態４においても、情報分析装置３３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１３３】
これに対して、同一話者テキスト特定部３３７は、実施の形態１において図１に示した
情報分析装置３０には備えられていないが、本実施の形態４における情報分析装置３３０には備えられている。そして、入力部３１０は、図１に示された入力部１０と異なり、受け取った分析対象テキスト３１１及び補助テキスト３１２を同一話者テキスト特定部３３７に入力する。また、高頻度ユニット特定部３３１は、実施の形態１において図１に示した高頻度ユニット特定部３１と異なる処理を実行する。
【０１３４】
更に、本実施の形態４では、分析対象テキスト３１１及び補助テキスト３１２は、対話から作成された対話テキストであり、これらを構成する各ユニットは、対話に含まれる発話に相当する文である。また、分析対象テキスト３１１及び補助テキスト３１２は、実施の形態１で用いられる分析対象テキスト１１及び１２と異なり、各発話の話者を特定する情報を含んでいる。以下、情報分析装置３３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１３５】
本実施の形態４において、同一話者テキスト特定部３３７は、先ず、分析対象テキスト３１２の元となった対話に含まれる発話の話者を特定する。そして、同一話者テキスト特定部３３７は、複数の補助テキスト３１２の中から、特定した話者の発話を含む対話を元にして作成された補助テキストを特定する。なお、この特定された補助テキストを「同一話者テキスト」とする。
【０１３６】
また、本実施の形態４では、高頻度ユニット特定部３３１は、実施の形態１とは異なり、複数の補助テキストのうち「同一話者テキスト」として特定されたものを用いて、高頻度ユニットを特定する。
【０１３７】
次に、本発明の実施の形態４における情報分析装置３３０の動作について図８を用いて説明する。図８は、本発明の実施の形態４における情報分析装置の動作を示すフロー図である。なお、本実施の形態４では、情報分析装置３３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態４における情報分析方法の説明は、以下の情報分析装置３３０の動作の説明に代える。また、以下の説明においては、適宜図７を参酌する。
【０１３８】
図８に示すように、最初に、入力部３１０は、トピック境界を判定する対象となる分析対象テキスト３１１と、補助テキスト３１２の集合とを受け取り、これらを同一話者テキスト特定部３３７に入力する。本実施の形態４では、上述したように、分析対象テキスト３１１及び各補助テキスト３１２は、対話から作成された対話テキストであり、各テキスト中の発話の話者を特定する情報を含んでいる（ステップＤ１）。
【０１３９】
次に、同一話者テキスト特定部３３７は、入力された各テキストが対話テキストであるので、分析対象テキストに含まれる発話の話者を特定し、更に、この話者と同一の話者の発話を含む補助テキスト（同一話者テキスト）の集合を特定する（ステップＤ２）。
【０１４０】
次に、高頻度ユニット特定部３３１は、要素分割部３３２、要素頻度算出部３３３、及びユニット頻度算出部３３４によってステップＤ３〜Ｄ５を実行する。これにより、高頻度ユニット特定部３３１は、分析対象テキスト３１１の各ユニットの中から、ステップＤ２で特定された同一話者テキスト集合内の多数の同一話者テキストに出現するユニットを特定する。また、高頻度ユニット特定部３３１は、特定したユニットを高頻度ユニットとして、トピック変化ユニット特定部３３５に出力する。
【０１４１】
但し、実施の形態１において図２に示したステップＡ２〜Ａ４では、入力された補助テキスト集合が用いられているのに対して、本実施の形態４におけるステップＤ３〜Ｄ５では、同一話者テキスト集合が用いられる。本実施の形態４では、ステップＤ３以降のステ
ップでは、ステップＤ２で特定された同一話者テキスト集合が用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０１４２】
具体的には、要素分割部３３２が、先ず、分析対象テキスト３１１及びステップＤ２で特定された各同一話者テキストを、分析の処理単位である要素に分割する（ステップＤ３）。本実施の形態４においても、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【０１４３】
続いて、要素頻度算出部３３３が、ステップＤ３で得られた分析対象テキスト３１１及び同一話者テキストの各要素を用い、分析対象テキスト３１１の各要素について、同一話者テキスト集合内の各同一話者テキストを通じた頻度を計算する（ステップＤ４）。
【０１４４】
続いて、ユニット頻度算出部３３４は、ステップＤ４の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト３１１を構成する各ユニットについて、同一話者テキスト集合内の各同一話者テキストを通じた頻度を算出する。そして、ユニット頻度算出部３３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＤ５）。また、ユニット頻度算出部３３４は、特定した高頻度ユニットを、トピック変化ユニット特定部３３５に出力する。
【０１４５】
なお、高頻度ユニット特定部３３１は、予め、同一話者テキスト集合内の各同一話者テキストを構成する全要素に対して、同一話者テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト３１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト３１１の各ユニットの頻度スコアを計算してもよい。
【０１４６】
次に、トピック変化ユニット特定部３３５は、分析対象テキスト３１１を構成する各ユニットであって、ステップＤ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＤ６）。ステップＤ６は、実施の形態１において図２に示したステップＡ５と同様のステップである。
【０１４７】
次に、弊害ユニット特定部３３６は、ステップＤ５にて特定された高頻度ユニットから、ステップＤ６にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＤ７）。ステップＤ７は、実施の形態１において図２に示したステップＡ６と同様のステップである。
【０１４８】
その後、出力部３２０は、ステップＤ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＤ８）。ステップＤ８は、実施の形態１において図２に示したステップＡ７と同様のステップである。
【０１４９】
以上のように、本実施の形態４においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態４においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１５０】
また、本実施の形態４は、弊害ユニットである、挨拶、相槌、内容に関係なく発せられる口癖等が、話者によって個別的で異なる傾向にある、ことを利用する。そして、本実施の形態４では、高頻度ユニット３３１は、補助テキスト３１２を通じた頻度ではなく、補助テキストの内、分析対象テキスト３１１に含まれる発話の話者と同一の話者の発話を含
むテキストを通じた頻度を用いて、高頻度ユニットを特定する。
【０１５１】
つまり、本実施の形態４においては、あらゆる話者によるテキストではなく、分析対象テキスト中で発話している話者と同一の話者の発話を含むテキストのみを用いて頻度が求められる。このため、話者ごとに個別的な、挨拶、相槌、又は口癖を含むユニットの各テキストを通じた頻度が高くなり、このユニットが高頻度ユニットとしてより鮮明に浮かび上がることとなる。従って、本実施の形態４によれば、実施の形態１よりも更に精度良く、弊害ユニットを特定する事が可能となる。
【０１５２】
本発明の実施の形態４におけるプログラムは、コンピュータに、図８に示すステップＤ１〜Ｄ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態４における情報分析装置３３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部３１０、高頻度ユニット特定部３３１、トピック変化ユニット特定部３３５、弊害ユニット特定部３３６、同一話者テキスト特定部３３７、及び出力部３２０として機能し、処理を行なう。
【０１５３】
また、本実施の形態４においては、情報分析装置３３０は、ユニット頻度算出部３３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置３３０の動作は、図８に示されたステップＤ１〜Ｄ８において、ステップＤ５がステップＢ５の動作を盛り込んだステップとなり、頻度スコアが算出され、頻度スコアに基づいて高頻度ユニットが特定される。また、ステップＤ７はステップＢ７の動作を盛り込んだステップとなり、ステップＤ７では、弊害ユニットスコアが算出され、弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１５４】
この結果、ステップＤ２で特定された同一話者テキスト集合を用いた処理と、頻度スコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態２における効果と実施の形態４における効果とが得られることとなる。
【０１５５】
更に、本実施の形態４においては、情報分析装置３３０は、トピック変化ユニット特定部３３５の代わりに、実施の形態３において図５に示したトピック変化ユニット２３５とトピック変化ユニットスコア出力部２３７とを備えることもできる。この場合、情報分析装置３３０の動作は、図８に示されたステップＤ１〜Ｄ８において、ステップＤ６が、ステップＣ５及びＣ６に置き換えられた動作となる。また、ステップＤ７はステップＣ７の動作を盛り込んだステップとなり、ステップＤ７では、トピック変化ユニットスコアを基に算出された弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１５６】
この結果、ステップＤ２で特定された同一話者テキスト集合を用いた処理と、トピック変化ユニットスコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態３における効果と実施の形態４における効果とが得られることとなる。
【０１５７】
（実施の形態５）
次に、本発明の実施の形態５における情報分析装置、情報分析方法、及びプログラムについて、図９及び図１０を参照しながら説明する。最初に、本実施の形態５における情報分析装置の構成について図９を用いて説明する。図９は、本発明の実施の形態５における情報分析装置の構成を示すブロック図である。
【０１５８】
図９に示すように、本実施の形態５における情報分析装置４３０は、入力部４１０と、高頻度ユニット特定部４３１と、トピック変化ユニット特定部４３５と、弊害ユニット特
定部４３６と、異内容テキスト特定部４３７と、出力部４２０とを備えている。また、高頻度ユニット特定部４３１は、更に、要素分割部４３２と、要素頻度算出部４３３と、ユニット頻度算出部４３４とを備えている。
【０１５９】
このうち、トピック変化ユニット特定部４３５、弊害ユニット特定部４３６、及び出力部４２０は、それぞれ順に、実施の形態１で図１に示したトピック変化ユニット特定部３５、弊害ユニット特定部３６、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、トピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態５においても、情報分析装置４３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１６０】
これに対して、異内容テキスト特定部４３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態５における情報分析装置４３０には備えられている。そして、入力部４１０は、図１に示された入力部１０と異なり、分析対象テキスト１１及び補助テキスト１２に加えて、これらの対応テキスト４１１及び４１２を受け取り、これらを異内容テキスト特定部４３７に入力する。
【０１６１】
更に、テキスト集合データベース４１３は、複数の補助テキスト１２に加え、各補助テキスト１２に対応する対応テキスト４１２も蓄積している。また、高頻度ユニット特定部４３１は、実施の形態１において図１に示した高頻度ユニット特定部３１と異なる処理を実行する。以下、情報分析装置４３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１６２】
本実施の形態５において、対応テキスト４１１は、分析対象テキスト１１の元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。対応テキスト４１２は、補助テキスト１２毎に作成され、且つ、対応する補助テキストの元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。
【０１６３】
例えば、コールセンターにおける通話音声を音声認識することによって得られたテキストが、分析対象テキスト１１又は補助テキスト１２である場合の対応テキストを考える。多くのコールセンターにおいては、オペレータが通話の要点をまとめた応対メモが存在する。従って、多くのコールセンターでは、通話音声を音声認識した結果得られたテキストに対応する応対メモが存在する事になり、該応対メモを対応テキスト４１１又は４１２として捉える事ができる。
【０１６４】
また、例えば、店頭販売における店員と顧客とのやり取りを記した対話テキストに対しては、店員により、そのやり取りがまとめられた日報が存在する。従って、この場合は、日報を対応テキストとして捉える事ができる。更に、例えば、アンケート調査の際に行われたやり取りを記した対話テキストに対しては、記述されたアンケートを対応テキストとして捉える事ができる。また、例えば、あるニュース番組をテキスト化することによって得られたテキストに対しては、該ニュース番組の内容がまとめられた原稿を対応テキストとして捉える事ができる。
【０１６５】
異内容テキスト特定部４３７は、先ず、対応テキスト４１１及び４１２を用い、対応テキスト４１１及び４１２それぞれ同士の類似度を求める。次に、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の補助テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを、この２以上の補助テキストの間においても内容が異なるように選択する。以下、この選択された補助テキストを「異内容テキスト」とする。そして、本実施の形態５では、高頻度ユニット特定部４３１は、異内容テキスト特
定部４３７によって特定された補助テキスト、即ち、異内容テキストを用いて、高頻度ユニットを特定する。
【０１６６】
次に、本発明の実施の形態５における情報分析装置４３０の動作について図１０を用いて説明する。図１０は、本発明の実施の形態５における情報分析装置の動作を示すフロー図である。なお、本実施の形態５では、情報分析装置４３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態５における情報分析方法の説明は、以下の情報分析装置４３０の動作の説明に代える。また、以下の説明においては、適宜図９を参酌する。
【０１６７】
図１０に示すように、最初に、入力部４１０は、トピック境界を判定する対象となる分析対象テキスト１１及び複数の補助テキスト１２と、分析対象テキスト１１の対応テキスト４１１及び各補助テキストに対応する対応テキスト４１２とを受け取る。そして、入力部４１０は、これらを異内容テキスト特定部４３７に入力する（ステップＥ１）。
【０１６８】
次に、異内容テキスト特定部４３７は、ステップＥ１で入力された対応テキスト４１１及び４１２を用い、対応テキストそれぞれ同士の類似度を求める。そして、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の補助テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを選択する（ステップＥ２）。ステップＥ２において、２以上の補助テキストの選択は、これらの間においても内容が異なるように行われる。ステップＥ２で選択された補助テキストが、異内容テキストとなる。また、異内容テキスト特定部４３７は、異内容テキストの集合を高頻度ユニット特定部４３１に出力する。
【０１６９】
分析対象テキスト１１及び各補助テキスト１２それぞれの内容は、原則として、対応する対応テキストに記載されている内容に一致する、と考えることができる。つまり、例外的に、分析対象テキスト１１及び各補助テキスト１２それぞれの内容が、対応する対応テキストに記載されている内容に一致していない可能性はあるが、これらの内容は一致していると近似的に捉えることができる。よって、各対応テキスト同士について、内容の類似度合いを求め、比較を行えば、分析対象テキスト１１及び各補助テキスト１２のうち互いに内容が異なるものを特定できる。ステップＥ２は、このことを利用して、異内容テキストの集合を選択している。
【０１７０】
次に、高頻度ユニット特定部４３１は、要素分割部４３２、要素頻度算出部４３３、及びユニット頻度算出部４３４によってステップＥ３〜Ｅ５を実行する。これにより、高頻度ユニット特定部４３１は、分析対象テキスト１１の各ユニットの中から、ステップＥ２で選択された異内容テキスト集合内の多数の異内容テキストに出現するユニットを特定する。また、高頻度ユニット特定部４３１は、特定したユニットを高頻度ユニットとして、トピック変化ユニット特定部４３５に出力する。
【０１７１】
つまり、実施の形態１において図２に示したステップＡ２〜Ａ４では、入力された補助テキスト集合が用いられているのに対して、本実施の形態５におけるステップＥ３〜Ｅ５では、異内容テキスト集合が用いられる。本実施の形態５では、ステップＥ３以降のステップでは、ステップＥ２で選択された異内容テキスト集合が用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０１７２】
具体的には、要素分割部４３２が、先ず、分析対象テキスト１１及びステップＥ２で選択された各異内容テキストを、分析の処理単位である要素に分割する（ステップＥ３）。本実施の形態５においても、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【０１７３】
続いて、要素頻度算出部４３３が、ステップＥ３で得られた、分析対象テキスト１１及び異内容テキストの各要素を用い、分析対象テキスト１１の各要素について、異内容テキスト集合内の各異内容テキストを通じた頻度を計算する（ステップＥ４）。
【０１７４】
なお、高頻度ユニット特定部４３１は、予め、異内容テキスト集合内の各異内容テキストを構成する全要素に対して、異内容テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト１１の各ユニットの頻度スコアを計算してもよい。
【０１７５】
続いて、ユニット頻度算出部４３４は、ステップＥ４の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、異内容テキスト集合内の各異内容テキストを通じた頻度を算出する。そして、ユニット頻度算出部４３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＥ５）。また、ユニット頻度算出部４３４は、特定した高頻度ユニットを、トピック変化ユニット特定部４３５に出力する。
【０１７６】
次に、トピック変化ユニット特定部４３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＥ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＥ６）。ステップＥ６は、実施の形態１において図２に示したステップＡ５と同様のステップである。
【０１７７】
次に、弊害ユニット特定部４３６は、ステップＥ５にて特定された高頻度ユニットから、ステップＥ６にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＥ７）。ステップＥ７は、実施の形態１において図２に示したステップＡ６と同様のステップである。
【０１７８】
その後、出力部４２０は、ステップＥ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＥ８）。ステップＥ８は、実施の形態１において図２に示したステップＡ７と同様のステップである。
【０１７９】
以上のように、本実施の形態５においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態５においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１８０】
ところで、実施の形態１では、内容の相違に拘わらず、同様の内容の補助テキスト１２も含めて、分析対象テキスト１１の各ユニットの頻度が計算される。このため、本来であれば高頻度ユニットに該当しないユニット、即ち、テキストの内容に関係し、且つトピック境界の判定に必要なユニットの頻度までもが高く算出されてしまう可能性がある。
【０１８１】
これに対して、本実施の形態５では、高頻度ユニットの特定に用いられる頻度は、入力された補助テキスト集合の各補助テキストを通じた頻度ではなく、補助テキストのうち互いに内容が異なるテキストとして選択された異内容テキストを通じた頻度である。
【０１８２】
このため、本実施の形態５によれば、実施の形態１と異なり、テキストの内容に関係し、且つトピック境界の判定に必要なユニットの頻度は下がり、当該ユニットが高頻度ユニットとして特定される事態の発生が抑制される。一方、弊害ユニットである、挨拶、相槌
、又は口癖等の内容に関係のないユニットの頻度は、相対的に高くなり、このようなユニットは、高頻度ユニットとしてより鮮明に浮かび上がる。この結果、本実施の形態５によれば、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１８３】
本発明の実施の形態５におけるプログラムは、コンピュータに、図１０に示すステップＥ１〜Ｅ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態５における情報分析装置４３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部４１０、高頻度ユニット特定部４３１、トピック変化ユニット特定部４３５、弊害ユニット特定部４３６、異内容テキスト特定部４３７、及び出力部４２０として機能し、処理を行なう。
【０１８４】
また、本実施の形態５においては、情報分析装置４３０は、ユニット頻度算出部４３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ５がステップＢ５の動作を盛り込んだステップとなり、頻度スコアが算出され、頻度スコアに基づいて高頻度ユニットが特定される。また、ステップＥ７はステップＢ７の動作を盛り込んだステップとなり、ステップＥ７では、弊害ユニットスコアが算出され、弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１８５】
この結果、ステップＥ２で特定された異内容テキスト集合を用いた処理と、頻度スコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態２における効果と実施の形態５における効果とが得られることとなる。
【０１８６】
更に、本実施の形態５においては、情報分析装置４３０は、トピック変化ユニット特定部４３５の代わりに、実施の形態３において図５に示したトピック変化ユニット２３５とトピック変化ユニットスコア出力部２３７とを備えることもできる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ６が、ステップＣ５及びＣ６に置き換えられた動作となる。また、ステップＥ７はステップＣ７の動作を盛り込んだステップとなり、ステップＥ７では、トピック変化ユニットスコアを基に算出された弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１８７】
この結果、ステップＥ２で特定された異内容テキスト集合を用いた処理と、トピック変化ユニットスコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態３における効果と実施の形態５における効果とが得られることとなる。
【０１８８】
また、本実施の形態５においては、情報分析装置４３０は、更に、実施の形態４において図７に示した同一話者テキスト特定部３３７を備えることができる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ１の実行後に、ステップＤ２が実行され、その後、ステップＥ２が実行される。
【０１８９】
この場合、ステップＥ２では、異内容テキスト特定部４３７は、ステップＥ１で入力された対応テキスト４１１と、ステップＤ２で同一話者テキストとして特定された補助テキストの対応テキスト４１２とを用い、対応テキストそれぞれ同士の類似度を求める。そして、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の同一話者テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の同一話者テキストを選択する。更に、２以上の同一話者テキストの選択は、これらの間においても内容が異なるように行われる。
【０１９０】
そして、この場合のステップＥ２で選択された同一話者テキストが、異内容テキストとなる。また、異内容テキスト特定部４３７は、同一話者テキストで構成された異内容テキストの集合を高頻度ユニット特定部４３１に出力する。
【０１９１】
この結果、分析対象テキスト１１に含まれる発話の話者と同一の話者の発話を含み、且つ、互いに内容が異なる、複数のテキストを通じた頻度から、高頻度ユニットが特定される。このため、実施の形態４における効果と実施の形態５における効果とが得られることとなる。なお、上記では、ステップＤ２の実行後にステップＥ２が実行される例について説明したが、ステップＥ２の実行後にステップＤ２が実行されても良く、このときも、上記の効果が得られることとなる。
【実施例１】
【０１９２】
（実施例１の動作）
次に、図１１〜図２３を用いて、実施の形態１における情報分析装置及び情報分析方法の実施例を実施例１として説明する。先ず、実施の形態１における情報分析装置の動作と、実施の形態１における情報分析方法の流れとを説明する。
【０１９３】
本実施例１では、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。図１１は、分析対象テキストの一例を示す図である。図１２は、補助テキストの一例を示す図である。図１３は、補助テキストの他の例を示す図である。
【０１９４】
図１１に示す分析対象テキスト１１は、コールセンターにおける応対の通話音声を音声認識することによって得られた音声認識テキストである。また、分析対象テキスト１１は、音声認識エンジンによる無音区間の検出により、発話ごとにわかれており、１つの発話が１つの発言インデックスで表されている。また、図１２に示す補助テキスト１２−１、及び図１３に示す補助テキスト１２−２も、コールセンターにおける応対の通話音声を音声認識することによって得られた音声認識テキストである。更に、分析対象テキスト１１の元となった通話が行われたコールセンターと、補助テキスト１２−１及び１２−２の元となった通話が行われたコールセンターとは同一である。
【０１９５】
また、図１１〜図１３に示すように、分析対象テキスト１１、補助テキスト１２−１及び１２−２は、それぞれ、同コールセンターへの顧客の問い合わせを解消するという目的でなされており、これらのテキストの目的は同一である。更に、補助テキスト１２−１及び１２−２は、それぞれ、トピックとして、「オープニング挨拶、顧客の特定、故障内容（問い合わせ内容の把握）、修理日（問い合わせ内容の解消）」を含んでいる。即ち、補助テキスト１２−１及び１２−２は、共に、分析対象テキスト１１と共通のトピックを含んでいる。また、本実施例１において、通話中の一つの発話に相当する文が、一つのユニットを構成している。
【０１９６】
以下、上記の図１１〜図１３に示したテキストを用いて、本実施例１により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図２に示したフロー図に沿って、実施の形態１における情報処理装置３０の動作を中心に説明する。なお、適宜、図１も参酌する。
【０１９７】
［ステップＡ１］
まず、入力部１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高
頻度ユニット特定部３１に入力する。なお、本実施例１では、入力部１０は、更に多くの補助テキストを受け取り、入力することもできる。
【０１９８】
［ステップＡ２−Ａ５］
続いて、高頻度ユニット特定部３１は、入力された分析対象テキスト１１の各発話の内、入力された補助テキスト集合内の多数の補助テキストに出現する発話を特定し、該発話を高頻度ユニットとして出力する。
【０１９９】
［ステップＡ２］
具体的には、先ず、要素分割部３２は、分析対象テキスト１１、補助テキスト１２−１及び１２−２等を、分析の処理単位である要素に分割する。要素としては、実施の形態１で述べたように、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。ここで、要素分割部３２による要素分割の例について、図１４及び図１５を用いて説明する。
【０２００】
図１４は、形態素解析を用いた要素分割の例を示す図である。図１５は、係り受け解析を用いた要素分割の例を示す図である。なお、図１４及び図１５の例においては、共に、要素分割の対象は、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」である。
【０２０１】
例えば、分析の処理単位が単語又は単語ｎグラムである場合は、各テキストを形態素解析する事で要素に分割する事ができる。具体的には、分析の処理単位が単語単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１４に示すように、「はい」、「、」、「ＡＢＣコールセンター」、「です」、「。」の５個の要素に分割される。また、分析の処理単位が、例えば単語２グラム単位であるとすると、２連続の形態素である「はい、」、「、ＡＢＣコールセンター」、「ＡＢＣコールセンターです」、「です。」の４個の要素に分割される。
【０２０２】
また、例えば、分析の処理単位が、係り受け、又は係り受けｎグラムである場合は、各テキストを係り受け解析する事で要素に分割する事ができる。なお、図１５においては、文節が「／」で区切られている。また、図１５中の矢印（→）が、係り受け関係を表し、矢印の根本が係り元の節、矢印の先が係り先の節を示す。図１５の例では、「はい、」が「ＡＢＣコールセンターです。」に係っている。
【０２０３】
具体的には、分析の処理単位が係り受け単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１５に示すように、「はい、→ＡＢＣコールセンターです。」の１個の要素に分割される。また、分析の処理単位が、係り受けｎグラム単位であるとすると、ｎ連続の係り受け関係に分割されるが、図１５に示す例の場合、係り受け関係は１つしかない。よって、分析の処理単位が係り受けｎグラム単位の場合も「はい、→ＡＢＣコールセンターです。」の１個の要素に分割される。
【０２０４】
また、例えば、分析の処理単位が文節の場合は、図１５に示す例のような係り受け解析又は構造解析により、テキストを要素に分割することができる。具体的には、分析の処理単位が文節単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１５に示すように、「はい、」と「ＡＢＣコールセンターです。」との２個の要素に分割される。
【０２０５】
更に、例えば、分析の処理単位が文の場合は、文のセパレータを予め定めておき、そのセパレータの出現場所で分割する事により、テキストを文単位の要素に分割することができる。セパレータの例としては、「。」「？」が挙げられる。
【０２０６】
また、例えば、分析の処理単位が発話の場合は、音声認識エンジンによる無音区間の検出等を利用することによって、要素に分割する事ができる。この場合、分析対象テキストが図１１に示すテキストであるとすると、図１１は、音声認識エンジンによる無音区間の検出により、１つの発話が１つの発言インデックスで表されているため、発言インデックスごとに分割される。
【０２０７】
なお、本実施例１では、分析の処理単位としては、一種類の分割単位に限らず、複数種類の分割単位を採用することができる。また、以降の動作の説明においては、断りがない限り、分析の処理単位として単語単位が採用されているとする。
【０２０８】
［ステップＡ３］
続いて、要素頻度算出部３３は、ステップＡ２による分割によって得られた、分析対象テキスト１１の各要素に対し、補助テキスト集合内の各補助テキスト１２を通じた頻度を計算する。例えば、補助テキスト集合が、図１２に示した補助テキスト１２−１と図１３に示した補助テキスト１２−２とによって構成され、補助テキスト１２−１内の単語総数が１００、補助テキスト１２−２内の単語総数２００であるとする。そして、この場合における、図１１に示した分析対象テキスト１１内の単語「はい」の頻度の計算方法を以下に示す。
【０２０９】
各要素の頻度としては、例えば、各要素が出現した補助テキストの数を用いることができる。この場合、「はい」は、補助テキスト１２−１及び１２−２に出現しているので、「はい」の頻度は２となる。
【０２１０】
また、各要素の頻度としては、例えば、各要素が出現した補助テキストの数を、補助テキスト集合内の補助テキストの総数によって正規化した値を用いることもできる。この場合、「はい」は、補助テキスト１２−１及び１２−２に出現し、補助テキスト集合内の補助テキスト総数は２であるので、「はい」の頻度は１（＝２／２）となる。
【０２１１】
更に、各要素の頻度としては、例えば、補助テキストに各要素が出現した回数を用いることもできる。この場合、「はい」は、図１２に示した補助テキスト１２−１で３回、図１３に示した補助テキスト１２−２で１回出現しているので、「はい」の頻度は４（＝３＋１）となる。
【０２１２】
また、各要素の頻度としては、例えば、補助テキスト集合内の補助テキストに各要素が出現した回数を、補助テキスト集合内の補助テキストに含まれる単語総数によって正規化した値を用いることもできる。この場合、「はい」は、図１２に示す補助テキスト１２−１で３回、図１３に示す補助テキスト１２−２で１回出現している。更に、補助テキスト集合内の補助テキストに含まれる単語総数は３００（＝１００＋２００）である。よって、「はい」の頻度は、０．０１３（＝４／３００）となる。
【０２１３】
また、各要素の頻度としては、例えば、補助テキスト集合内の各補助テキストに各要素が出現する割合の総和を用いることもできる。例えば、「はい」の補助テキスト１２−１での出現割合は０．０３（＝３／１００）、補助テキスト１２−２での出現割合は０．００５（＝１／２００）となる。よって、「はい」の頻度は、得られた出現割合の総和であるので、０．０３５（＝０．０３＋０．００５）となる。
【０２１４】
更に、各要素の頻度としては、例えば、補助テキスト集合内の各補助テキストに各要素が出現する割合の総和を、補助テキスト集合内の補助テキストの総数で正規化した値を用いることもできる。上述したように、「はい」の補助テキスト１２−１での出現割合は０
．０３（＝３／１００）、補助テキスト１２−２での出現割合は０．００５（＝１／２００）である。また、補助テキスト集合内の補助テキストの総数は２である。よって、この場合、「はい」の頻度は、０．０１８（＝０．０３５／２）となる。
【０２１５】
なお、高頻度ユニット特定部３１は、予め、補助テキスト１２−１及び１２−２を構成する全要素に対して、上述の通り、補助テキスト集合内での頻度を計算しておき、分析対象テキスト１１の各要素の頻度は、予め計算された値を用いてもよい。ここで、分析対象テキスト１１の要素のうち、補助テキスト集合内に含まれないため、予め頻度が求まっていない要素に対する頻度は、０（ゼロ）とする。
【０２１６】
［ステップＡ４］
次に、ユニット頻度算出部３４は、先ず、ステップＡ３の頻度計算の対象となった要素と、ステップＡ３で得られた該要素の頻度とを用いて、分析対象テキスト１１の各ユニットについて、補助テキスト集合内の補助テキストを通じた頻度を算出する。
【０２１７】
各ユニットの補助テキスト集合内の補助テキスト１２を通じた頻度としては、例えば、各ユニットを構成する要素の頻度の総和を用いることができる。具体的には、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」の頻度は、ステップＡ３で求めた、「はい」「、」「ＡＢＣコールセンター」「です」「。」の頻度を足すことによって求められる。
【０２１８】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、例えば、各ユニットを構成する要素の頻度の総和を、該ユニットの構成要素の総数で正規化することによって得られる値を用いることもできる。例えば、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」の頻度は、ステップＡ３で求めた、「はい」「、」「ＡＢＣコールセンター」「です」「。」の頻度の総和を、該発言インデックス１の構成要素の総数５で割ることによって求められる。
【０２１９】
更に、各ユニットの補助テキスト集合内の補助テキストを通じた頻度は、例えば、要素の種類別又は品詞別に予め重みを設定し、ユニットを構成する要素の頻度を重みに応じて補正し、補正後の頻度の総和を求めて得られる値であっても良い。この場合、重みは、予め、人手、教師データ、又は予備実験等によって求めることができ、弊害ユニットに含まれる可能性の高い種類程、値が大きくなるように設定されているのが良い。
【０２２０】
具体的には、分析処理単位の要素が各ユニットを構成する単語である場合であれば、先ず、予め、人手、教師データ、又は予備実験等により、品詞別に重みを設定することができる。そして、ユニットの頻度を求める際に、ユニットを構成する各単語の頻度に、該単語の品詞別に設定された重みが乗算され、重みが乗算された頻度の値の和が計算される。計算によって得られた和が、ユニットの頻度となる。なお、重みは、品詞別ではなく、自立語と付属語との２種類のみに対して予め設定されていても良い。また、重みは、品詞よりも詳細に分けることが可能な種類別に設定されていても良い。例えば、名詞を普通名詞と固有名詞に分けて、重みが設定されていても良い。
【０２２１】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、上述した、該ユニットの構成要素についての、種類別又は品詞別の重み補正後の頻度の総和を、該ユニットの構成要素の総数で正規化して得られる値を用いることもできる。
【０２２２】
更に、各ユニットの補助テキスト集合内の補助テキストを通じた頻度は、分析処理単位の要素が複数種類で構成される場合は、分析単位別に予め重みを設定し、要素の頻度を分析単位別の重みで補正し、補正後の頻度の総和を求めて得られる値であっても良い。この
場合、重みは、予め、人手、教師データ、又は予備実験等によって求めることができ、弊害ユニットの決定に影響の大きい要素程、値が大きくなるように設定されているのが良い。
【０２２３】
具体的には、分析処理単位が単語と係り受けとの複数種類である場合であれば、先ず、予め、人手、教師データ、予備実験等により、一つの単語と一つの係り受けとが弊害ユニットの決定に対して与える影響力を規定した重みが設定される。そして、ユニットの頻度を求める際に、ユニットを構成する各要素の頻度に、該要素の分析単位別に設定された重みが乗算され、重みが乗算された頻度の値の和が計算される。
【０２２４】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、上述した、該ユニットの構成要素についての、分析単位別の重み補正後の頻度の総和を、該ユニットの構成要素の総数で正規化して得られる値を用いることもできる。
【０２２５】
そして、ユニット頻度算出部３４は、このようにして各ユニットの頻度を算出した後、算出した頻度の高いユニットを高頻度ユニットとして特定し、特定した高頻度ユニットを、トピック変化ユニット特定部３５に出力する。具体的には、ユニット頻度算出部３４は、算出した頻度が予め定められた閾値以上であったユニットを、高頻度ユニットとして特定することができる。閾値は、例えば、教師データ又は予備実験等により、実験的に予め定めることができる。
【０２２６】
［ステップＡ５］
次に、トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＡ４で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。このとき、本実施例１では、トピック変化ユニット特定部３５は、予め作成された、トピックが変化する時に多く使われるトピック変化ユニットの特徴を記した、トピック変化ユニットデータベース１４（以下、「ＤＢ１４」とする。）を参照することができる。トピック変化ユニット特定部３５は、ＤＢ１４を参照しながら、ステップＡ４にて特定された高頻度ユニットの中から、トピック変化ユニットを特定する。
【０２２７】
具体的には、ＤＢ１４は、例えば、トピック変化ユニット自体を格納することができる。図１６は、トピック変化ユニットが格納されているトピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、高頻度ユニットとＤＢ１４に格納されているユニットとを比較し、一致する高頻度ユニットをトピック変化ユニットとして特定する。
【０２２８】
例えば、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１６に示すように、発言インデックス４及び９と一致する発話が、ＤＢ１４内に存在するので、これらの発話はトピック変化ユニットとして特定される。一方、発言インデックス１８と一致する発話は、図１６に示すように、ＤＢ１４内に存在しないので、トピック変化ユニットとしては特定されない。
【０２２９】
また、ＤＢ１４は、例えば、トピック変化ユニット自体と、このユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。図１７は、トピック変化ユニットと対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニットとＤＢ１４に格納されているユニットとを比較し、一致する高頻度ユニットをトピック変化ユニットとして特定する。そして、トピック変化ユニット特定部３５は、特定されたユニットのスコアが、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、一致するユニットをトピック変化ユニットとして特定する
。
【０２３０】
例えば、スコアの閾値が０．５に設定され、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１７に示すように、発言インデックス４及び９と一致する発話が、ＤＢ１４内に存在し、一致する発話のスコアがそれぞれ０．５以上なので、発言インデックス４及び９は、トピック変化ユニットとして特定される。一方、発言インデックス１８と一致する発話は、図１７に示すように、ＤＢ１４内にが存在するが、該発話のスコアは０．５未満なので、発言インデックス１８は、トピック変化ユニットとしては特定されない。
【０２３１】
更に、ＤＢ１４は、例えば、トピック変化ユニットを特定する特徴を規定するルールを格納することもできる。図１８は、トピック変化ユニットを特定する特徴を規定するルールが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、高頻度ユニットがＤＢ１４に格納されているルールに一致するかどうかを判定し、一致する高頻度ユニットをトピック変化ユニットとして特定する。
【０２３２】
例えば、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、発言インデックス４は、図１８に示すように、ＤＢ１４内の上から一つ目のルールに一致し、発言インデックス９は、上から二つ目のルールに一致する。よって、これらは、トピック変化ユニットとして特定される。一方、図１８に示すように、発言インデックス１８は、ＤＢ１４内のいずれのルールとも一致しないため、トピック変化ユニットとしては特定されない。
【０２３３】
また、ＤＢ１４は、例えば、トピック変化ユニットを特定する特徴を規定するルールと、このルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。図１９は、トピック変化ユニットを特定する特徴を規定したルールと、対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニットとＤＢ１４内のルールとを比較し、該高頻度ユニットが該当するＤＢ１４内のルールを特定する。そして、トピック変化ユニット特定部３５は、該ルールのスコアの総和が、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、該ユニットをトピック変化ユニットとして特定する。
【０２３４】
例えば、スコアの閾値が０．５に設定され、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１９に示すように、発言インデックス４に該当するルールは、ＤＢ１４内の上から一つ目のルールと三つ目のルールとであるので、スコアの総和は０．６（＝０．４＋０．２）である。また、総和は閾値０．５以上であるため、発言インデックス４は、トピック変化ユニットとして特定される。
【０２３５】
また、図１９に示すように、発言インデックス９に該当するルールは、ＤＢ１４内の上から二つ目のルールと三つ目のルールとであるので、スコアの総和は０．９（＝０．７＋０．２）である。また、総和は閾値０．５以上であるため、発言インデックス９も、トピック変化ユニットとして特定される。一方、図１９に示すように、発言インデックス１８は、ＤＢ１４内のいずれのルールとも一致しないため、トピック変化ユニットとしては特定されない。
【０２３６】
実施の形態１において述べたように、本実施例１においても、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、入力データに対応した
トピックを推定可能な統計的モデルを用いて、高頻度ユニットの中からトピック変化ユニットを特定することができる。図２０（ａ）及び（ｂ）は、それぞれトピックを判定する統計的モデルの一例を示す図であり、図２０（ａ）はモデル例１を示し、図２０（ｂ）はモデル例２を示している。
【０２３７】
図２０（ａ）に示す統計的モデル（モデル例１）は、文章が入力されると、該文章に対し、予め定められたトピックのどれに該当するかを判定し、判定結果のトピックを出力するモデルである。また、図２０（ｂ）に示す統計的モデル（モデル例２）は、文章が入力されると、該文章に対し、予め定められたトピックのどれに該当するかを判定し、判定結果のトピックと共に該トピックである可能性が高いほど値が大きくなるスコアを出力するモデルである。本実施例１では、モデル例１及びモデル例２のいずれを用いることもできる。
【０２３８】
具体的には、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、分析対象テキスト１１及び補助テキスト集合内の各補助テキストにおいて、該高頻度ユニットが出現する箇所を特定する。続いて、トピック変化ユニット特定部３５は、特定された各箇所に対し、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、各箇所の前方ｎ個のユニットからなる部分、及び後方ｎ個のユニットからなる部分、それぞれに対して、統計的モデルを適用し、トピックを推定する。ここで、ｎは、自然数であり、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０２３９】
そして、トピック変化ユニット特定部３５は、トピック推定後、高頻度ユニットごとに、出現箇所の前方部分のトピックと後方部分のトピックを比較し、トピックが変化したと推定された箇所の割合を求める。具体的には、割合は、［トピックが変化したと推定された箇所の数］を［高頻度ユニットが出現した箇所の数］で除算することに求められる。
【０２４０】
その後、トピック変化ユニット特定部３５は、求めた割合が閾値以上である高頻度ユニットをトピック変化ユニットとして特定する。なお、閾値は、予め、人手、教師データ、又は予備実験等によって実験的に設定される。
【０２４１】
また、本実施例１では、統計的モデルとして、図２０（ｂ）に示したモデル例２が用いられる場合は、高頻度ユニットが出現した各箇所の前方ｎ個のユニットからなる部分（前方部分）と後方ｎ個のユニットからなる部分（後方部分）とでトピックが異なるかどうかは、次の動作によっても判定可能である。
【０２４２】
この場合、トピック変化ユニット特定部３５は、前方部分と後方部分で推定されたトピックが互いに異なり、且つ前方部分のトピック判定時に得られたスコアと後方部分のトピック判定時に得られたスコアの和が閾値以上である場合に、前方部分と後方部分でトピックが異なると判定する。それ以外の場合は、トピックが同じであると判定する。なお、この場合の閾値も、人手、教師データ、又は予備実験等によって実験的に設定することができる。
【０２４３】
また、実施の形態１において述べたように、本実施例１においても、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、対応テキストを用いて、高頻度ユニットの中からトピック変化ユニットを特定することができる。対応テキストとは、分析対象テキスト１１及び補助テキスト１２に対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能なテキストである。
【０２４４】
例えば、分析対象テキスト１１及び補助テキスト１２が、コールセンターにおける通話音声を音声認識することによって得られたテキスト（図１１〜図１３参照）である場合の対応テキストを考える。多くのコールセンターにおいては、オペレータは、通話の要点を予め定められたトピック別にまとめ、応対メモを作成している。従って、通話音声に対応する応対メモを対応テキストとして捉える事ができる。
【０２４５】
図１１に示した分析対象テキスト１１の応対メモ、即ち、トピック別にまとめられた対応テキストの一例を図２１に示す。図２１は、図１１に示した分析対象テキストの対応テキストの一例を示す図である。図２１においては、上段がトピック名を示し、下段が上段のトピックに対応するメモ（内容）を示している。
【０２４６】
具体的には、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、分析対象テキスト１１及び各補助テキストにおいて、該高頻度ユニットが出現する箇所を特定する。続いて、トピック変化ユニット特定部３５は、高頻度ユニットが出現した各箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対し、これらが出現したテキストに対応する対応テキストの複数のトピックそれぞれによって区分された各部分（以下「トピック部分」とする。）を比較する。
【０２４７】
そして、トピック変化ユニット特定部３５は、この比較結果から、出現箇所の前方部分及び後方部分に対し、各トピック部分との類似度を算出し、類似度から、出現箇所の前方部分及び後方部分のトピックを推定する。なお、ここでも、ここで、ｎは、自然数であり、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０２４８】
また、トピック変化ユニット特定部３５は、類似度を計算するため、先ず、高頻度ユニットが出現した箇所の前方ｎ個のユニットからなる部分（前方部分）と、後方ｎ個のユニットからなる部分（後方部分）と、対応テキストの各トピック部分とに対して、形態素解析を実行する。そして、トピック変化ユニット特定部３５は、一形態素がベクトルの一次元に対応し、全形態素数がベクトルの次元数となる単語ベクトルを生成する。
【０２４９】
具体的には、トピック変化ユニット特定部３５は、図２２に示すような次元と単語との割り当て表を用い、高頻度ユニットが出現した前方部分、後方部分、及び対応テキストのトピック部分それぞれについて、構成する形態素に対応している当該表の要素を１、それ以外の形態素に対応する当該表の要素を０として、単語ベクトルを生成する。図２２は、次元と単語の割り当て表、及び図１１に示した発言インデックス１の単語ベクトルそれぞれの一例を示す図である。
【０２５０】
そして、トピック変化ユニット特定部３５は、高頻度ユニットが出現した箇所の前方部分及び後方部分それぞれの単語ベクトルに対して、対応テキストの各トピック部分の単語ベクトルとのコサイン類似度を計算する。更に、トピック変化ユニット特定部３５は、コサイン類似度が最大であり、且つ、該コサイン類似度が閾値以上となる単語ベクトルに対応するトピックを、トピックとして推定する。
【０２５１】
なお、この場合の閾値も、予め、人手、教師データ、又は予備実験等により実験的に設定される。また、高頻度ユニットが出現した箇所の前方部分及び後方部分の単語ベクトルに対する、対応テキスト内の全トピック部分の単語ベクトルのコサイン類似度が、閾値未満であった場合は、トピック変化ユニット特定部３５は、「その他」というトピックを推定する。
【０２５２】
そして、トピック変化ユニット特定部３５は、この場合も、統計的モデルを用いた場合
と同様に、トピック推定後、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、該高頻度ユニットの出現箇所の前方部分と後方部分とでトピックが異なると推定された箇所の割合を求める。割合の算出方法も、上述した統計的モデルを用いた場合と同様である。
【０２５３】
その後、トピック変化ユニット特定部３５は、求めた割合が閾値以上である場合に、その高頻度ユニットをトピック変化ユニットとして特定する。なお、この場合も、閾値は、予め、人手、教師データ、又は予備実験等によって実験的に設定される。
【０２５４】
［ステップＡ６］
次に、弊害ユニット特定部３６は、ステップＡ４にて特定された高頻度ユニットから、ステップＡ５にて特定されたトピック変化ユニットを除いたユニットを弊害ユニットとして特定する。例えば、ステップＡ４にて、図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定され、ステップＡ５にて、発言インデックス４、９がトピック変化ユニットと特定されている場合、発言インデックス１８が弊害ユニットとして特定される。
【０２５５】
［ステップＡ７］
最後に、出力部２０は、図２３（ａ）に示すように、ステップＡ６にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。また、出力部２０は、図２３（ｂ）に示すように、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる。図２３（ａ）及び（ｂ）は、情報分析装置の出力例を示す図であり、このうち、図２３（ａ）は弊害ユニットが出力される例を示し、図２３（ｂ）は弊害語が出力される例を示している。
【０２５６】
（実施例１の効果）
以下に、本実施例１の効果を説明する。上述したように、本実施例１では、弊害ユニット特定部３６は、高頻度ユニット特定部３１にて特定された高頻度ユニットから、トピック変化ユニット特定部３５にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する。
【０２５７】
例えば、実施例１において、ステップＡ２で、分析の処理単位を発話とした時、「大変申し訳ございません。」は、図１２に示した補助テキスト１２−１及び図１３に示した補助テキスト１２−２の両方に出現している。このため、ステップＡ３及びＡ４で、上記発話の頻度は１（＝２／２）となり、上記発話は高頻度ユニットとして特定される。また、上記発話は、ステップＡ５において、例えば図１６に示すＤＢ１４には含まれていないと判定されるため、トピック変化ユニットとしては特定されない。よって、上記発話は、ステップＡ６において、弊害ユニットとして特定される。また、ステップＡ６では、「大変申し訳ございません。」を構成する単語は、弊害語として特定される。
【０２５８】
このように、本実施例１では、機能語又は付属語といった単語の属性に依らないで、弊害ユニットの特定が可能であり、自立語又は内容語等の弊害語も特定する事ができる。更に、本実施例１によれば、自立語及び内容語のいずれか又は両方を弊害語として含む弊害ユニットであっても特定する事ができる。
【０２５９】
また、本実施例１では、図１２及び図１３に示すような補助テキストを通じた頻度を基に、弊害ユニットが特定される。このため、本実施例１によれば、分析対象テキスト中での出現が低頻度である弊害語又は弊害ユニットであっても、特定する事が可能となる。
【０２６０】
例えば、分析対象テキスト中の発言インデックス１８（図１１参照）の発話「大変申し
訳ございません。」は、内容に関係なく様々なトピックに出現する相槌であり、トピック境界の判定に弊害を及ぼす弊害ユニットである。しかし、背景技術の欄において示した非特許文献１及び特許文献１に開示された判定方法では、分析対象テキスト中での頻度を用いて弊害ユニットを特定している。この場合、「大変申し訳ございません。」は、分析対象テキスト中では１回しか出現しない低頻度な発話であるため、弊害ユニットとして特定されないこととなる。
【０２６１】
これに対して、本実施例１においては、弊害ユニットは、補助テキスト集合内の補助テキストを通じた頻度を用いて特定される。このため、「大変申し訳ございません。」は、テキスト集合内の多くのテキストで出現しているため、本実施例１によれば、「大変申し訳ございません。」を弊害ユニットとして特定する事ができる。
【実施例２】
【０２６２】
（実施例２の動作）
次に、実施の形態２における情報分析装置及び情報分析方法の実施例を実施例２として説明する。先ず、実施例２における情報分析装置の動作と、実施例２における情報分析方法の流れとを説明する。また、実施例２の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０２６３】
本実施例２においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０２６４】
以下、図１１〜図１３に示したテキストを用いて、本実施例２により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図４に示したフロー図に沿って、実施の形態２における情報処理装置１３０の動作を中心に説明する。なお、適宜、図３も参酌する。
【０２６５】
［ステップＢ１］
まず、入力部１１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高頻度ユニット特定部１３１に入力する。ステップＢ１は、実施例１におけるステップＡ１と同様のステップである。
【０２６６】
［ステップＢ２−Ｂ５］
続いて、高頻度ユニット特定部１３１は、分析対象テキスト１１の各ユニットの内、補助テキスト集合内の多数の補助テキスト１２に出現するユニットを高頻度ユニットとして特定する。また、高頻度ユニット特定部１３１は、高頻度ユニットの補助テキスト集合内の補助テキスト１２における出現頻度が高い程、値が高くなる頻度スコアを算出し、これを、特定した高頻度ユニットと共に出力する。
【０２６７】
［ステップＢ２］
具体的には、先ず、要素分割部１３２は、実施例１で説明したステップＡ２と同様に動作して、分析対象テキスト１１、補助テキスト１２−１及び１２−２等を、分析の処理単位である要素に分割する。
【０２６８】
［ステップＢ３］
続いて、要素頻度算出部１３３は、実施例１で説明したステップＡ３と同様に動作して
、分析対象テキスト１１の各要素に対し、補助テキスト集合内の各補助テキスト１２を通じた頻度を計算する。（ステップＢ３）。
【０２６９】
［ステップＢ４］
続いて、ユニット頻度算出部１３４は、ステップＢ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する。なお、ステップＢ４における頻度の計算は、実施例１におけるステップＡ４と同様に行われるが、ユニット頻度算出部１３４は、高頻度ユニットを特定せず、計算された頻度を頻度スコア出力部１３７に送る。
【０２７０】
［ステップＢ５］
続いて、頻度スコア出力部１３７は、分析対象テキスト１１の各ユニットに対し、ステップＢ４で計算された頻度が高い程、値が高くなる頻度スコアを算出し、該スコアが高いユニットを高頻度ユニットとして特定する。また、頻度スコア出力部１３７は、特定した高頻度ユニットを、算出した頻度スコアと共に、トピック変化ユニット特定部１３５に出力する。
【０２７１】
ここで、本実施例２では、例えば、頻度スコアとしては、ステップＢ４で算出された頻度と同じ値を用いることができる。この場合、頻度スコア出力部１３７は、実施例１におけるステップＡ４で出力される高頻度ユニットに加え、この高頻度ユニットの頻度を出力することになる。また、頻度スコア出力部１３７は、該頻度スコアが予め定められた閾値以上であったユニットを、高頻度ユニットとして特定することができる。なお、閾値は、例えば、教師データ、又は予備実験等により実験的に予め設定される。
【０２７２】
［ステップＢ６］
続いて、トピック変化ユニット特定部１３５は、実施例１で説明したステップＡ５と同様に動作して、ステップＢ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。
【０２７３】
［ステップＢ７］
続いて、弊害ユニット特定部１３６は、ステップＢ５にて特定された各高頻度ユニットに対し、頻度スコアに基づいて、当該高頻度ユニットが弊害ユニットである可能性を表す弊害ユニットスコアを算出する。弊害ユニットスコアは、値が高い程、高頻度ユニットが弊害ユニットである可能性が高い事を表す。
【０２７４】
具体的には、弊害ユニット特定部１３６は、頻度スコアが高い程、値が高くなり、且つ、ステップＢ６にて特定されたトピック変化ユニットに該当すれば、値が低くなるように、弊害ユニットスコアを算出する。弊害ユニット特定部１３６は、例えば、弊害ユニットスコアとして、ステップＢ６でトピック変化ユニットに特定されたユニットに対しては０（ゼロ）を設定することができる。また、この場合、弊害ユニット特定部１３６は、弊害ユニットスコアとして、トピック変化ユニットに特定されなかった高頻度ユニットに対しては、頻度スコアと同じ値を設定することができる。
【０２７５】
また、弊害ユニット特定部１３６は、弊害ユニットスコアとして、ステップＢ６でトピック変化ユニットに特定されたユニットに対しては、頻度スコアから予め設定された定数が除かれた値を設定することもできる。更に、この場合も、弊害ユニット特定部１３６は、弊害ユニットスコアとして、トピック変化ユニットに特定されなかった高頻度ユニットに対しては、頻度スコアと同じ値を設定することができる。なお、高頻度ユニットがトピック変化ユニットとして特定された場合において、頻度スコアから除かれる定数の値は、
予め、人手、教師データ、又は予備実験等により実験的に定めれば良い。
【０２７６】
そして、弊害ユニット特定部１３６は、弊害ユニットスコアが、予め定められた閾値以上であった高頻度ユニットを、弊害ユニットとして特定する。この場合、閾値は、例えば、教師データ又は予備実験等により実験的に予め設定される。
【０２７７】
［ステップＢ８］
最後に、出力部１２０は、ステップＢ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（図２３（ａ）参照）。また、出力部１２０は、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる（図２３（ｂ）参照）。更に、出力部１２０は、弊害ユニット及び弊害語に加え、ステップＢ７で算出された弊害ユニットの弊害ユニットスコアを共に出力しても良い。なお、弊害語に加えて、弊害ユニットスコアを出力する場合は、該弊害語を含むユニットに付与された弊害ユニットスコアが出力される。
【０２７８】
（実施例２の効果）
以下に、本実施例２の効果を説明する。上述したように、実施例２では、弊害ユニット特定部１３６は、高頻度ユニット特定部１３１で特定された高頻度ユニットに対し、弊害ユニットスコアを算出し、該弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。
【０２７９】
例えば、実施例１の効果でも述べたように、本実施例２においても、「大変申し訳ございません。」の頻度は１となり、トピック変化ユニットとしても特定されないため、該発話の弊害ユニットスコアは１となる。この場合、例えば、弊害ユニットとなるか否かを決める際に用いる弊害ユニットスコアの閾値が０．５であるとすると、弊害ユニットスコアは十分高いため、上記発話は弊害ユニットとして特定される。
【０２８０】
従って、本実施例２においても、実施例１と同様に、自立語又は内容語の弊害語を特定する事が可能となり、更に、自立語及び内容語のいずれか又は両方を含む弊害ユニットを特定する事も可能となる。また、本実施例２では、補助テキスト集合内の補助テキストを通じた頻度から計算される頻度スコアにより、弊害ユニットが求められている。このため、本実施例２においても、実施例１と同様に、分析対象テキスト中での出現が低頻度である弊害語又は弊害ユニットであっても、特定する事が可能となる。
【０２８１】
また、本実施例２では、実施例１と異なり、弊害ユニットの特定は、弊害ユニット特定部１３６が頻度スコアに基づいて算出した、弊害ユニットスコアを用いて行っている。ここで、頻度スコア及び弊害ユニットスコアの値が高いユニット程、補助テキスト集合内の補助テキストに共通して多く出現しやすいユニットであるといえる。このため、相槌及び挨拶といった、内容の個別性に関係なく多くのトピックで出現するユニットは、弊害ユニットになり易い傾向にある。
【０２８２】
例えば、図１１に示された「大変申し訳ございません。」、「はい」、「ありがとうございます」は、弊害ユニットである相槌又は挨拶等に該当し、図１２の補助テキスト１２−１及び図１３の補助テキスト１２−２の両方に出現する。
【０２８３】
これに対し、個別的な内容に該当し得、且つ、弊害ユニットにもなり得る弊害語として「電話」が挙げられるが、これは図１２の補助テキスト１２−１にしか出現していない。更に、より個別的な内容で弊害ユニットにはならない「紙」及び「詰まる」といった単語は、補助テキスト１２−１及び１２−２の両方に出現していない。
【０２８４】
従って、本実施例２では、頻度が予め定めた閾値以上のものを高頻度ユニットとして等しく扱う実施例１（ステップＡ４参照）と異なり、頻度スコアが導入されて頻度の情報がより詳細に扱われるため、弊害ユニットの選別がより正確となる。実施例２によれば、実施例１よりも精度良く弊害ユニットを特定する事ができる。
【実施例３】
【０２８５】
（実施例３の動作）
次に、実施の形態３における情報分析装置及び情報分析方法の実施例を実施例３として説明する。先ず、実施例３における情報分析装置の動作と、実施例３における情報分析方法の流れとを説明する。また、実施例３の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０２８６】
本実施例３においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０２８７】
以下、図１１〜図１３に示したテキストを用いて、本実施例３により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図６に示したフロー図に沿って、実施の形態３における情報処理装置２３０の動作を中心に説明する。なお、適宜、図５も参酌する。
【０２８８】
［ステップＣ１］
まず、入力部２１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高頻度ユニット特定部２３１に入力する。ステップＣ１は、実施例１におけるステップＡ１と同様のステップである。
【０２８９】
［ステップＣ２−Ｃ４］
次に、高頻度ユニット特定部２３１は、要素分割部２３２、要素頻度算出部２３３、及びユニット頻度算出部２３４によって、ステップＣ２〜Ｃ４を実行する。ステップＣ２〜Ｃ４は、実施例１におけるステップＡ２〜Ａ４と同様のステップである。
【０２９０】
［ステップＣ５］
続いて、トピック変化ユニット特定部２３５は、ＤＢ１４を参照しながら、ステップＣ４にて特定された高頻度ユニットに対し、トピック変化ユニットとなる可能性を表すトピック変化ユニットスコアを算出する。また、トピック変化ユニットスコアは、値が高い程、トピック変化ユニットである可能性が高い事を表すスコアである。
【０２９１】
ＤＢ１４には、予め作成された、トピックが変化する時に多く使われるトピック変化ユニットの特徴が格納されている（図１６〜図１９参照）。具体的には、ＤＢ１４は、実施例１おけるステップＡ５で用いられるＤＢ１４と同様に、トピック変化ユニット自体を格納していても良いし、ユニットと該ユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納していても良い。また、ＤＢ１４は、トピック変化ユニットとなる特徴を規定したルールを格納していても良いし、ルールと該ルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納していても良い。
【０２９２】
ここで、ＤＢ１４を用いた、トピック変化ユニット特定部２３５によるトピック変化ユ
ニットスコアの計算方法の例を説明する。ＤＢ１４が、例えば、図１６に示すように、トピック変化ユニット自体を格納している場合、トピック変化ユニット特定部２３５は、先ず、高頻度ユニットとＤＢ１４内の各ユニットとを比較する。そして、トピック変化ユニット特定部２３５は、一致するユニットが存在した場合、該高頻度ユニットのトピック変化ユニットスコアを予め人手で定めた０（ゼロ）より大きい定数に設定する。一方、トピック変化ユニット特定部２３５は、一致するユニットが存在しなかった場合、該高頻度ユニットのトピック変化ユニットスコアを０（ゼロ）に設定する。
【０２９３】
例えば、上記の定数が「１」に定められている場合に、ステップＣ４において、図１１に示した発言インデックス４、９、１８が高頻度ユニットであると特定されたとする。この場合、発言インデックス４、９は、図１６に示すように、ＤＢ１４内の発話と一致するため、該発話のトピック変化ユニットスコアは「１」に設定される。また、発言インデックス１８は、図１６に示すように、ＤＢ１４内の発話と一致しないため、該発話のトピック変化ユニットスコアは「０」となる。
【０２９４】
また、ＤＢ１４が、図１７に示すように、ユニットと該ユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納している場合は、トピック変化ユニット特定部２３５は、先ず、高頻度ユニットとＤＢ１４内の各ユニットとを比較する。そして、トピック変化ユニット特定部２３５は、一致するユニットが存在する場合、該ユニットのスコアをトピック変化ユニットスコアとし、存在しない場合は、トピック変化ユニットスコアを０（ゼロ）とする。
【０２９５】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４、９、１８は、全て、図１７に示すように、ＤＢ内の発話と一致するので、一致する発話のスコアがそれぞれのトピック変化ユニットスコアに設定される。従って、発言インデックス４のトピック変化ユニットスコアは「０．９５」に設定され、発言インデックス９のトピック変化ユニットスコアは「０．９」に設定され、発言インデックス１８のトピック変化ユニットスコアは「０．１２」に設定される。
【０２９６】
更に、ＤＢ１４が、図１８に示すように、トピック変化ユニットとなる特徴を規定したルールを格納している場合は、トピック変化ユニット特定部２３５は、ＤＢ１４のルールの内、高頻度ユニットに該当するルールの数をトピック変化ユニットスコアとすることができる。
【０２９７】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４に該当するルールは、図１８に示したＤＢ１４内の一番上のルール、１つだけであるので、該発話（発言インデックス４）のトピック変化ユニットスコアは１となる。同様に、発言インデックス９のトピック変化ユニットスコアも１となる。一方、発言インデックス１８は、図１８に示したＤＢ１４内のいずれのルールにも該当しないため、トピック変化ユニットスコアは０（ゼロ）となる。
【０２９８】
また、ＤＢ１４が、図１９に示すように、トピック変化ユニットとなる特徴を規定したルールと、該ルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納しているとする。この場合、トピック変化ユニット特定部２３５は、まず、高頻度ユニットとＤＢ１４内の各ルールとを比較し、ＤＢ１４内に該高頻度ユニットに該当するルールが存在しているかどうかを判定する。
【０２９９】
そして、トピック変化ユニット特定部２３５は、該当するルールが存在しない場合は、
該高頻度ユニットのトピック変化ユニットスコアを０（ゼロ）に設定する。一方、トピック変化ユニット特定部２３５は、該当するルールが存在する場合は、該ルールのスコアの総和をトピック変化ユニットスコアに設定する。
【０３００】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４に該当するルールは、図１９に示したＤＢ１４内の上から一つ目ルールと三つ目のルールとである。よって、該発話（発言インデックス４）のトピック変化ユニットスコアは、該当するルールの総和である０．６（＝０．４＋０．２）となる。
【０３０１】
また、発言インデックス９に該当するルールは、図１９に示したＤＢ１４内の上から二つ目のルールと三つ目のルールとである。よって、該発話（発言インデックス９）のトピック変化ユニットスコアは、該当するルールの総和である０．９（＝０．７＋０．２）となる。
【０３０２】
一方、発言インデックス１８に該当するルールは、図１９に示したＤＢ１４内には存在していない。このため、該発話（発言インデックス１８）のトピック変化ユニットスコアは０（ゼロ）となる。
【０３０３】
そして、各高頻度ユニットのトピック変化ユニットスコアを算出した後、トピック変化ユニット特定部２３５は、該トピック変化ユニットスコアが高いユニットをトピック変化ユニットとして特定する。具体的には、トピック変化ユニットスコアが、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、トピック変化ユニット特定部２３５は、該ユニットをトピック変化ユニットとして特定する。
【０３０４】
また、実施例３においても、トピック変化ユニット特定部２３５は、実施例１におけるステップＡ５と同様、予め作成された、入力箇所のトピックを推定可能な統計的モデルを用いることができる。統計的モデルの具体例としては、本実施例３においても、例えば、図２０（ａ）及び（ｂ）に示したモデルが挙げられる。
【０３０５】
また、分析対象テキスト及び各補助テキストに対して、これらテキストに対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能な対応テキストが存在する場合は、トピック変化ユニット特定部２３５は、該対応テキストを用いることもできる。対応テキストの具体例としては、本実施例３においても、図２１に示したテキストが挙げられる。
【０３０６】
また、トピック変化ユニット特定部２３５は、上述の統計的モデル又は対応テキストを用いてトピック変化ユニットを特定する場合は、これらを用いて、各高頻度ユニットのトピック変化ユニットスコアを求める。具体的には、トピック変化ユニット特定部２３５は、統計的モデル又は対応テキストを用いる場合は、各高頻度ユニットに対し、該高頻度ユニットの出現箇所の前方ｎ個のユニットからなる部分と後方ｎ個のユニットからなる部分のトピックが変化したと推定された「割合」（ステップＡ５参照）を、トピック変化ユニットスコアとすることができる。
【０３０７】
［ステップＣ６］
続いて、トピック変化ユニットスコア出力部２３７は、ステップＣ５にて特定されたトピック変化ユニットと、該ユニットのトピック変化ユニットスコアとを共に弊害ユニット特定部２３６に出力する。
【０３０８】
［ステップＣ７］
続いて、弊害ユニット特定部２３６は、ステップＣ４で特定された高頻度ユニットに対し、弊害ユニットである可能性を表す弊害ユニットスコアを算出する。具体的には、弊害ユニット特定部２３６は、ステップＣ５にて算出されたトピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。本実施例３では、例えば、ステップＣ４にて特定された各高頻度ユニットに対し、予め、人手、教師データ、又は予備実験等により実験的に定めた一定の定数を与え、該定数からトピック変化ユニットスコアを除き、得られた値を弊害ユニットスコアとする事ができる。
【０３０９】
そして、弊害ユニット特定部２３６は、弊害ユニットスコアが、予め定められた閾値以上であったユニットを弊害ユニットとして特定する。閾値は、例えば、教師データ、又は予備実験等により実験的に予め設定される。
【０３１０】
［ステップＣ８］
最後に、出力部２２０は、ステップＣ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（図２３（ａ）参照）。また、出力部２２０は、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる（図２３（ｂ）参照）。ステップＣ８は、実施例２におけるステップＢ８と同様のステップである。
【０３１１】
（実施例３の効果）
以下に、本実施例３の効果を説明する。上述したように、本実施例３では、弊害ユニット特定部２３６は、高頻度ユニット特定部２３１が特定した高頻度ユニットに対し、弊害ユニットスコアを算出し、該弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。
【０３１２】
例えば、実施例１の効果でも述べたように、本実施例３においても、「大変申し訳ございません。」の頻度は１となり、高頻度ユニットとして特定される。また、本実施例３では、該発話は、ステップＣ５において、図１６に示した発話に該当しないので、該発話のトピック変化ユニットスコアは０（ゼロ）となる。
【０３１３】
また、ステップＣ７において、上記発話の弊害ユニットスコアは、高頻度ユニットに対して与えられている定数となる。この場合、弊害ユニットスコアは十分高いものであるため、上記発話は弊害ユニットとして特定される。具体的には、例えば、定数が１に設定されており、弊害ユニットとなるか否かを決める際に用いる弊害ユニットスコアの閾値が０．５であるとすると、弊害ユニットスコアは閾値より高いため、上記発話は弊害ユニットとして特定される。なお、定数は、上述したように、予め、人手、教師データ、又は予備実験等により実験的に設定されている。
【０３１４】
従って、本実施例３においても、実施例１と同様に、自立語又は内容語の弊害語を特定する事が可能となり、更に、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事も可能となる。また、本実施例３においても、補助テキスト集合内の補助テキストを通じた頻度の高い高頻度ユニットが特定され、これを基に、弊害ユニットが求められている。よって、本実施例３を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３１５】
また、本実施例３では、実施例１と異なり、弊害ユニットは、弊害ユニット特定部２３６により、トピック変化ユニットスコアが考慮され、弊害ユニットである可能性を表す弊害ユニットスコアに基づいて特定される。つまり、本実施例３では、弊害ユニットを特定する際に、ステップＣ５で特定されたトピック変化ユニットは全て等しく扱われていない。トピック変化ユニットである可能性が高いユニットの方が、トピック変化ユニットであ
る可能性の低いユニットよりも、弊害ユニットになりにくくなるという判定が行われている。このため、実施例３によれば、ユニットがトピック変化ユニットであるかどうかという情報がより詳細に扱われるため、実施例１に比べて、精度良く弊害ユニットを特定する事ができる。
【０３１６】
例えば、トピック変化ユニットを特定する際に、図１９に示した、ルールと、該ルールに対応するスコアとのペアデータが格納されたＤＢ１４が用いられる場合を考える。実施例１では、ステップＡ５で、トピック変化ユニットか否かを決定する際のスコアの閾値が０．２に設定されていると、図１９から分かるように、疑問文の発話全てがトピック変化ユニットとして特定されてしまう。しかし、図１１の例（発言インデックス４や９）より、「用件」又は「問い合わせ」を含む疑問文は、前後でトピックが変わるトピック変化発話となるが、一方で、その他の疑問文（図１１の発言インデックス１９）はトピック変化発話になりにくい。従って、実施例１によれば、ステップＡ６で、高頻度ユニットから疑問文の発話全てが除かれ、弊害ユニットに疑問文の発話が含まれなくなる可能性があり、結果、正しく弊害ユニットを特定する事ができない場合も考えられる。
【０３１７】
また、本実施例３の場合も、ステップＣ５で、トピック変化ユニットか否かを決定する際のトピック変化ユニットスコアの閾値を０．２とした場合も、ステップＣ５では、疑問文の発話全てがトピック変化ユニットとして特定されてしまう。しかし、本実施例３では、ステップＣ７で、トピック変化ユニットスコアが低い発話の方が、それが高い発話よりも弊害ユニットになり易くなる。従って、ステップＣ７において、ステップＣ５の誤判定を緩和する事ができる。
【０３１８】
つまり、本実施例３においては、単なる疑問文の発話のトピック変化ユニットスコアは、「問い合わせ」又は「用件」を含む疑問文の発話のトピック変化ユニットスコアより低くなる。このため、本実施例３によれば、単なる疑問文の発話が、「用件」又は「問い合わせ」を含む疑問文より、ステップＣ７で弊害ユニットとして特定され易くなるので、実施例１よりも、更に精度よく弊害ユニットを特定することが可能となる。
【実施例４】
【０３１９】
（実施例４の動作）
次に、実施の形態４における情報分析装置及び情報分析方法の実施例を実施例４として説明する。先ず、実施例４における情報分析装置の動作と、実施例４における情報分析方法の流れとを説明する。また、実施例４の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０３２０】
本実施例４においては、分析対象テキスト３１１としては、各発話の話者を特定する情報が付加された対話テキストが用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキスト３１２としても、各発話の話者を特定する情報が付加された対話テキストが用いられる。
【０３２１】
なお、図１１に示した分析対象テキスト１１、図１２に示した補助テキスト１２−１、及び図１３に示した補助テキスト１２−２には、既に、話者を特定する情報が付加されている。このため、本実施例４においても、図１１に示した分析対象テキスト１１、図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０３２２】
以下、図１１〜図１３に示したテキストを用いて、本実施例４により、分析対象テキスト３１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図８に示したフロー図に沿って、実施の形態４における情報処理装置３３０の動作を中心に説明する。なお、適
宜、図７も参酌する。
【０３２３】
［ステップＤ１］
まず、入力部３１０は、トピック境界を判定する対象となる分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２を受け取り、これらのテキストを同一話者テキスト特定部３３７に入力する。ステップＤ１で入力される、分析対象テキスト、及び補助テキストは、対話テキストであり、これらのテキストには、上述したように各テキストで発話した話者を特定する情報が付与されている。
【０３２４】
具体的には、話者を特定する情報は、図１１及び図１２に示すように、各テキストに直接付加されていても良いし、テキストとは別のリストによって付加されていても良い。また、図１１及び図１２の例では、話者を特定する情報は、テキスト内で発話している全話者を特定可能な情報となっているが、これに限定されず、代表的な話者のみを特定可能な情報であっても良い。例えば、図１１及び図１２の各テキストに、顧客の情報はなく、どのオペレータが発話したかの情報だけが付与されていても良い。
【０３２５】
［ステップＤ２］
続いて、同一話者テキスト特定部３３７は、入力された各テキストが対話テキストであるので、分析対象テキスト１１に含まれる発話の話者を特定し、更に、この話者と同一の話者の発話を含む補助テキスト（同一話者テキスト）の集合を特定する。
【０３２６】
具体的には、先ず、分析対象テキスト１１で発話した話者を特定する。本実施例４では、図１１に示された話者情報から、つまり、「話者」の列から、「オペレータＡ」と「顧客１」とが話者として特定される。
【０３２７】
続いて、同一話者テキスト特定部３３７は、補助テキスト１２−１及び１２−２に対して、各補助テキストで発話している話者を特定し、特定した話者の中に分析対象テキスト１１で発話している話者が含まれていれば、それを含むテキストを同一話者テキストとする。
【０３２８】
本実施例４では、図１２に示す補助テキスト１２−１については、「オペレータＡ」と、「顧客１」とが話者として特定される。そして、「オペレータＡ」は分析対象テキスト１１の話者でもあるので、補助テキスト１２−１は同一話者テキストとして特定される。一方で、図１３に示す補助テキスト１２−２については、「オペレータＢ」と、「顧客３」とが話者として特定されるが、「オペレータＢ」及び「顧客３」は分析対象テキスト１１の話者ではない。このため、補助テキスト１２−２は、同一話者テキストとして特定されない。
【０３２９】
従って、ステップＤ１で入力された補助テキスト集合が、補助テキスト１２−１と補助テキスト１２−２との二つのみで構成される場合は、図１１に示す分析対象テキスト１１に対する同一話者テキストは、図１２に示す補助テキスト１２−１のみとなる。そして、同一話者テキスト特定部３３７は、特定した同一話者テキストを高頻度ユニット特定部３３１に出力する。
【０３３０】
［ステップＤ３−Ｄ５］
続いて、高頻度ユニット特定部３３１は、分析対象テキストの各ユニットの内、ステップＤ２で特定した同一話者テキスト集合内の多数の同一話者テキストに出現するユニットを特定し、特定したユニットを高頻度ユニットとして出力する。
【０３３１】
つまり、実施例１におけるステップＡ２〜Ａ４では、入力された補助テキスト集合を全
て用いて高頻度ユニットが特定されている。これに対して、本実施例４では、ステップＤ３以降において、ステップＤ２で特定された同一話者テキストのみが用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０３３２】
具体的には、ステップＤ１で入力された補助テキスト集合が補助テキスト１２−１及び１２−２のみで構成されている場合、実施例１におけるステップＡ２〜Ａ４では、補助テキスト１２−１及び１２−２を用い、高頻度ユニットの特定等の処理が実行される。一方、本実施例４のステップＤ３〜Ｄ５では、図１２に示す補助テキスト１２−１のみに対して、ステップＡ２〜Ａ４と同様のステップが実行される。
【０３３３】
［ステップＤ６−Ｄ８］
続いて、トピック変化ユニット特定部３３５が、トピック変化ユニットを特定し、弊害ユニット特定部３３６が、弊害ユニットを特定する。更に、出力部３２０が、特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。ステップＤ６〜Ｄ８は、実施例１におけるステップＡ５〜Ａ７と同様のステップである。
【０３３４】
（実施例４の効果）
以下に、本実施例４の効果を説明する。上述したように、本実施例４では、実施例１と同様に、弊害ユニット特定部３３６は、高頻度ユニット特定部３３１で特定された高頻度ユニットから、トピック変化ユニット特定部３３５で特定されたトピック変化ユニットを除いて、弊害ユニットを特定する。
【０３３５】
従って、本実施例４においても、実施例１と同様に、機能語又は付属語といった単語の属性に依らないで弊害ユニットを特定できる。よって、本実施例４によっても、自立語及び内容語の弊害語も特定することができるので、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事ができる。また、本実施例４を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３３６】
また、本実施例４によれば、実施例１と比べて、更に弊害ユニットを精度良く特定する事ができる。この点について次に説明する。先ず、弊害ユニットである、挨拶又は相槌といった内容に関係なく発せられる口癖等は、話者によって個別的であり、又異なっていることが多くなっている。例えば、図１１及び図１２に示すように、物事を承った際に、オペレータＡは「分かりました」を使うのに対し、オペレータＢは「承知しました」を使っている。また、オペレータＡは相槌として「はぁ」を使う事があるのに対し、オペレータＢは「えー」を使っている。
【０３３７】
従って、実施例１のように、様々な話者が混在したテキストの集合を基に、各ユニットの頻度を計算すると、話者毎に個別的で異なった弊害ユニットの頻度が低くなってしまうことがある。この場合、上記の弊害ユニットは、高頻度ユニットとして特定されず、最終的に、弊害ユニットとして特定されない可能性がある。
【０３３８】
例えば、実施例１において、頻度として、各要素が出現した補助テキストの数を補助テキスト集合内の補助テキストの総数で正規化して得られた値が用いられるとする。この場合、図１１において、オペレータＡに個別的で、オペレータＢが用いる事のない弊害ユニット、例えば、発言インデックス１４「はぁ」、発言インデックス８「分かりました」の頻度は、０．５（＝１／２）となる。そして、実施例１におけるステップＡ４で、高頻度ユニットか否かを決める際に用いられる頻度の閾値によっては、上記発言は、高頻度ユニットとして特定されず、最終的に弊害ユニットとして特定されない可能性がある。
【０３３９】
一方、本実施例４では、同一発話者テキストを用いて頻度が計算されるので、話者毎に
個別的で異なっている弊害ユニットの頻度は高くなり、高頻度ユニットとしてより鮮明に浮かび上がることとなる。
【０３４０】
具体的には、実施例４では、図１１において、オペレータＡに個別的で、オペレータＢが用いる事のない弊害ユニット、発言インデックス１４「はぁ」、発言インデックス８「分かりました」の頻度は、１（＝１／１）となる。よって、これらの発言は、高頻度ユニットとして特定され易く、最終的に弊害ユニットとして特定される可能性が高くなる。従って、実施例４によれば、話者毎に個別的であり、且つ、話者毎に異なっている弊害ユニットを、実施の形態１に比べて、より精度良く特定する事ができる。
【実施例５】
【０３４１】
（実施例５の動作）
次に、図２４を用いて、実施の形態５における情報分析装置及び情報分析方法の実施例を実施例５として説明する。先ず、実施例５における情報分析装置の動作と、実施例５における情報分析方法の流れとを説明する。また、実施例５の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０３４２】
本実施例５においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０３４３】
以下、図１１〜図１３に示したテキストを用いて、本実施例５により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図１０に示したフロー図に沿って、実施の形態５における情報処理装置４３０の動作を中心に説明する。なお、適宜、図９も参酌する。
【０３４４】
［ステップＥ１］
まず、入力部４１０は、トピック境界を判定する対象となる分析対象テキスト１１と、補助テキスト１２−１及び１２−２と、分析対象テキスト１１の対応テキスト４１１と、各補助テキストに対応する対応テキスト４１２とを受け取る。また、入力部４１０は、これらのテキストを異内容テキスト特定部４３７に入力する。対応テキスト４１１は、分析対象テキスト１１の元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。対応テキスト４１２は、補助テキスト１２毎に作成され、且つ、対応する補助テキストの元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。
【０３４５】
図１や図１２のように、分析対象テキストや補助テキストが、コールセンターの通話音声を音声認識した結果得られたテキストである場合、各テキストの対応テキストは、例えば、応対メモになる。
【０３４６】
本実施例５においては、分析対象テキスト１１、補助テキスト１２−１及び１２−２は、コールセンターにおける通話から作成されていることから、対応テキストとしては、図１７又は図２４（ａ）〜（ｃ）に示した応対メモが挙げられる。また、対応テキストは、図１７に示すようにトピック別にまとめられたテキストであっても良いし、図２４（ａ）〜（ｃ）に示すようにトピックが混在したテキストであっても良い。
【０３４７】
なお、図２４（ａ）〜（ｃ）は、対応テキストの一例を示す図である。特に、図２４（ａ）は図１１に示した分析対象テキストの対応テキストを示している。また、図２４（ｂ
）は図１２に示した補助テキストの対応テキストを示し、図２４（ｃ）は図１３に示した補助テキストの対応テキストを示している。
【０３４８】
但し、図１７に示す、トピック別にまとめられている対応テキストが入力されても、各トピック部分に記述された文を全て連結すれば、トピックが混在している応対メモが作成される。本実施例５では、このような応対メモを対応テキストして利用することもできる。
【０３４９】
［ステップＥ２］
続いて、異内容テキスト特定部４３７は、対応テキスト４１１及び４１２を用い、補助テキストのうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを、この２以上の補助テキストの間においても内容が異なるように選択する。この選択された補助テキストが「異内容テキスト」となる。
【０３５０】
具体的には、分析対象テキスト１１、補助テキスト１２−１及び１２−２の内容は、各テキストに対応する対応テキストに記載されている内容と一致していると近似的に捉えることができる。よって、異内容テキスト特定部４３７は、各対応テキスト同士の内容の類似度合いを比較し、比較結果に基づいて、異内容テキスト集合を生成する。
【０３５１】
例えば、まず、異内容テキスト特定部４３７は、分析対象テキストの対応テキスト４１１と各補助テキストの対応テキスト４１２とに対して、形態素解析を行う。そして、異内容テキスト特定部４３７は、実施例１のステップＡ５で説明した処理と同様の処理によって、一形態素をベクトルの一次元に対応させた単語ベクトルを作成する。そして、異内容テキスト特定部４３７は、生成した各対応テキストの単語ベクトルに対し、例えば、ｋ−ｍｅａｎｓ法やＰＬＳＩなどの一般的なクラスタリング手法を用いて、類似するテキスト同士をまとめあげ、複数のクラスタを生成する。
【０３５２】
ここで、ｋ−ｍｅａｎｓ法を用いる場合は、先ず、異内容テキスト特定部４３７は、クラスタの中心をｋ個決める。そして、異内容テキスト特定部４３７は、クラスタリングによる分類対象の各要素に対し、各クラスタの中心とのコサイン類似度を求め、最も類似度が高かったクラスタに該要素を分類する。全ての要素を分類した後、異内容テキスト特定部４３７は、各クラスタの要素の平均を計算し、それを新たなクラスタの中心とし、再度分類を行う。異内容テキスト特定部４３７が、この一連の動作を繰り返す事により、クラスタリングが実現される。なお、ｋは、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０３５３】
ｋ−ｍｅａｎｓ法によれば、単語ベクトルのコサイン類似度が互いに高い対応テキストが一つのクラスタとしてまとまり、異なるクラスタの要素間の類似度は低くなる。ここで、例えば、ｋを２と定める。この場合、図２４（ａ）〜（ｃ）に示すように、分析対象テキスト１１の対応テキストと補助テキスト１２−２の対応テキストとは、「プリンター」「調子」「修理」といった共通の単語を多く含む。よって、この二つの対応テキストは、一つのクラスタに分類される。一方、補助テキスト１２−１の対応テキストは、もう一方のクラスタに分類される。
【０３５４】
続いて、異内容テキスト特定部４３７は、分析対象テキスト１１の対応テキストを含まない各クラスタから、ランダムで一つずつ対応テキストを選択し、該対応テキストが対応している補助テキストを「異内容テキスト」として特定する。本実施例５では、上述のクラスタリング結果から、図１３に示した補助テキスト１２−１が、異内容テキストとして特定される。
【０３５５】
また、異内容テキスト特定部４３７は、例えば、以下の処理によって、異内容テキストを特定することもできる。この場合も、異内容テキスト特定部４３７は、先ず、上述の処理と同様に、分析対象テキスト１１の対応テキスト、補助テキスト１２−１の対応テキスト、及び補助テキスト１２−２の対応テキストの単語ベクトルを作成する。
【０３５６】
そして、異内容テキスト特定部４３７は、分析対象テキストの対応テキストの単語ベクトル及び各補助テキストの対応テキストの単語ベクトルについてコサイン類似度を計算する。なお、コサイン類似度は、補助テキストの対応テキスト同士についても計算される。更に、異内容テキスト特定部４３７は、分析対象テキストの対応テキストとのコサイン類似度が閾値未満である補助テキストの対応テキストを一つ選択し、該対応テキストに対応する補助テキストを異内容テキストとする。
【０３５７】
続いて、上記で異内容テキストに選択されていない補助テキストの対応テキストのうち、分析対象テキストの対応テキスト、及び上記異内容テキストとして選択されたテキストの対応テキスト、全てとのコサイン類似度が閾値未満となるテキストが存在する場合は、異内容テキスト特定部４３７は、この補助テキストを一つ選択し、異内容テキストに追加する。
【０３５８】
この一連の動作は、異内容テキストに選択されていない補助テキストの対応テキストのうち、分析対象テキストの対応テキスト、及び異内容テキストとして選択されたテキストの対応テキスト、全てとのコサイン類似度が閾値未満となるテキストが存在しなくなるまで繰り返し、実行される。これにより、最終的な異内容テキスト集合が特定される。なお、閾値は、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０３５９】
［ステップＥ３−Ｅ５］
続いて、高頻度ユニット特定部４３１は、分析対象テキストの各ユニットの内、ステップＥ２で特定した異内容テキスト集合内の多数の異内容テキストに出現するユニットを特定し、これを高頻度ユニットとして出力する。つまり、実施例１におけるステップＡ２〜Ａ４では、入力された補助テキスト集合を全て用いて高頻度ユニットが特定されている。これに対して、本実施例５では、ステップＥ３以降において、ステップＥ２で特定された異内容テキストのみが用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０３６０】
具体的には、ステップＥ１で入力された補助テキスト集合が補助テキスト１２−１及び１２−２のみで構成されている場合、実施例１におけるステップＡ２〜Ａ４では、補助テキスト１２−１及び１２−２を用いて、高頻度ユニットの特定等の処理が実行される。一方、本実施例５のステップＥ３〜Ｅ５では、異内容テキストは、図１２に示す補助テキスト１２−１のみであり、これのみに対して、ステップＡ２〜Ａ４と同様のステップが実行される。
【０３６１】
［ステップＥ６−Ｅ８］
続いて、トピック変化ユニット特定部４３５が、トピック変化ユニットを特定し、弊害ユニット特定部４３６が、弊害ユニットを特定する。更に、出力部４２０が、特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。ステップＥ６〜Ｅ８は、実施例１におけるステップＡ５〜Ａ７と同様のステップである。
【０３６２】
（実施例５の効果）
以下に、本実施例５の効果を説明する。上述したように、本実施例５では、実施例１と同様に、弊害ユニット特定部４３６は、高頻度ユニット特定部４３１で特定された高頻度ユニットから、トピック変化ユニット特定部４３５で特定されたトピック変化ユニットを
除いて、弊害ユニットを特定する。
【０３６３】
従って、本実施例５においても、実施例１と同様に、機能語又は付属語といった単語の属性に依らないで弊害ユニットを特定できる。よって、本実施例５によっても、自立語及び内容語の弊害語も特定することができるので、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事ができる。また、本実施例５を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３６４】
また、本実施例５によれば、実施例１と比べて、更に弊害ユニットを精度よく特定する事ができる。この点について次に説明する。先ず、実施例１では、内容の類似した補助テキストも含めて、分析対象テキストのユニットの頻度を計算する。このため、内容に関係するトピック境界の判定に必要なユニットの頻度が高く算出され、高頻度ユニットとして特定される可能性がある。この場合、最終的に、この高頻度ユニットが、弊害ユニットとして誤って特定されてしまう場合がある。
【０３６５】
具体的には、実施例１では、入力された補助テキストに、図１２に示す補助テキスト１２−２が含まれ、このテキストは、図１１に示す分析対象テキストと類似した内容を持つため、内容に関係するトピック境界の判定に必要な単語の頻度が高くなる。よって、このような単語を含むユニットが高頻度ユニットとして特定される可能性があり、更には、最終的に、この高頻度ユニットが、弊害ユニットとして誤って特定されてしまう可能性もある。
【０３６６】
例えば、図１１に示された、「プリンター」は、内容に関係するトピック境界の判定に必要な単語と考えられる。しかし、実施例１では、頻度として、各要素が出現した補助テキストの数を補助テキストの総数で正規化して得られる値を用いた場合、「プリンター」の頻度は、０．５（＝１／２）となる。この場合、ステップＡ４で高頻度ユニットか否かを決める際に用いる頻度の閾値によっては、「プリンター」を含む発話が、高頻度ユニットとして特定され、最終的には弊害ユニットとして誤って特定されてしまう可能性がある。
【０３６７】
一方、本実施例５では、異内容テキストの集合は、内容が互いに異なる補助テキストで構成されており、これらを用いて頻度を算出すれば、上述の内容に関係するトピック境界の判定に必要なユニットの頻度は低下する。よって、このようなユニットは、高頻度ユニットから排除されやすくなる。
【０３６８】
具体的には、本実施例５では、異内容テキストとしては、図１２に示すテキスト１２−１のみが用いられるため、「プリンター」の頻度は０となり、「プリンター」を含むユニットが高頻度ユニットとして特定される事はなくなる。これにより、内容に関係がないユニットの頻度が、相対的に高くなり、このユニットが高頻度ユニットとしてより鮮明に浮かび上がる。この結果、本実施例５によれば、実施例１に比べてより精度良く弊害ユニットを特定する事ができる。
【産業上の利用可能性】
【０３６９】
本発明は、分析対象テキストと共通のトピックを含むテキストが複数存在する状況に適用でき、効果を発揮する。例えば、分析対象テキストが、コールセンターでの通話音声の音声認識結果、又は通話音声の書き起こしテキストである場合、同じコールセンターでなされた他事例の通話音声の音声認識結果又は通話音声の書き起こしテキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合に有用である。
【０３７０】
例えば、分析対象テキストが、店頭販売における店員と顧客のやり取りを記した対話テキストである場合は、同店での他の顧客と店員とのやり取りを記した対話テキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７１】
例えば、分析対象テキストが、アンケート調査の際に行われたやり取りを記した対話テキストである場合は、同じアンケートについて他の多くの回答者に対してもやり取りが行われている。この場合に、他の回答者とのやり取りを記した対話テキストは、元の対話テキストと共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７２】
例えば、分析対象テキストが、あるニュース番組をテキスト化したテキストである場合は、他の日に放送された同じニュース番組をテキスト化したテキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７３】
例えば、分析対象テキストが、会議音声の音声認識結果又はその書き起こしのテキストである場合、分析対象テキストの元となった会議と同様の進め方で別の会議が多数開催されることがある。この場合に、別の会議の音声認識結果又はその書き起こしのテキストは、元の会議のテキストと共通のトピックを有することが多く、本発明は、この場合に有用である。
【符号の説明】
【０３７４】
１０ 入力部（実施の形態１）
１１ 分析対象テキスト
１２ 補助テキスト
１３ テキスト集合データベース
１４ トピック変化ユニットデータベース
２０ 出力部（実施の形態１）
３０ 情報分析装置（実施の形態１）
３１ 高頻度ユニット特定部（実施の形態１）
３２ 要素分割部（実施の形態１）
３３ 要素頻度算出部（実施の形態１）
３４ ユニット頻度算出部（実施の形態１）
３５ トピック変化ユニット特定部（実施の形態１）
３６ 弊害ユニット特定部（実施の形態１）
１１０ 入力部（実施の形態２）
１２０ 出力部（実施の形態２）
１３０ 情報分析装置（実施の形態２）
１３１ 高頻度ユニット特定部（実施の形態２）
１３２ 要素分割部（実施の形態２）
１３３ 要素頻度算出部（実施の形態２）
１３４ ユニット頻度算出部（実施の形態２）
１３５ トピック変化ユニット特定部（実施の形態２）
１３６ 弊害ユニット特定部（実施の形態２）
１３７ 頻度スコア出力部（実施の形態２）
２１０ 入力部（実施の形態３）
２２０ 出力部（実施の形態３）
２３０ 情報分析装置（実施の形態３）
２３１ 高頻度ユニット特定部（実施の形態３）
２３２ 要素分割部（実施の形態３）
２３３ 要素頻度算出部（実施の形態３）
２３４ ユニット頻度算出部（実施の形態３）
２３５ トピック変化ユニット特定部（実施の形態３）
２３６ 弊害ユニット特定部（実施の形態３）
２３７ トピック変化ユニットスコア出力部（実施の形態３）
３１０ 入力部（実施の形態４）
３１１ 分析対象テキスト（実施の形態４）
３１２ 補助テキスト（実施の形態４）
３１３ テキスト集合データベース（実施の形態４）
３２０ 出力部（実施の形態４）
３３０ 情報分析装置（実施の形態４）
３３１ 高頻度ユニット特定部（実施の形態４）
３３２ 要素分割部（実施の形態４）
３３３ 要素頻度算出部（実施の形態４）
３３４ ユニット頻度算出部（実施の形態４）
３３５ トピック変化ユニット特定部（実施の形態４）
３３６ 弊害ユニット特定部（実施の形態４）
３３７ 同一話者テキスト特定部（実施の形態４）
４１０ 入力部（実施の形態５）
４１１ 分析対象テキストの対応テキスト（実施の形態５）
４１２ 補助テキストの対応テキスト（実施の形態５）
４１３ テキスト集合データベース（実施の形態５）
４２０ 出力部（実施の形態５）
４３０ 情報分析装置（実施の形態５）
４３１ 高頻度ユニット特定部（実施の形態５）
４３２ 要素分割部（実施の形態５）
４３３ 要素頻度算出部（実施の形態５）
４３４ ユニット頻度算出部（実施の形態５）
４３５ トピック変化ユニット特定部（実施の形態５）
４３６ 弊害ユニット特定部（実施の形態５）
４３７ 同一話者テキスト特定部（実施の形態５）
【技術分野】
【０００１】
本発明は、テキストにおけるトピックの境界の判定に利用可能な情報分析装置、及び情報分析方法、これらを実現するためのプログラムに関する。
【背景技術】
【０００２】
従来から、複数のトピックを含むテキストを分析する際、トピック毎の分析を行うために、テキスト中でトピックが変わる境界の特定が行われ、そして、特定されたトピックの境界に基づいて、テキストを同一トピックの塊に分割する処理が行われる場合がある。このようなトピックの境界を判定するため、従来からの判定方法が、非特許文献１及び特許文献１に開示されている。
【０００３】
非特許文献１に開示されている判定方法では、先ず、テキスト上の各単語境界の前後それぞれに、一定の単語数を覆う窓を設ける。次に、窓毎に、各窓に含まれる単語の出現パタンから定義されるベクトルを求め、更に、前後の窓に対応するベクトル間の類似度を、単語境界の結束度として計算する。そして、この結束度が極小となる単語境界を、トピック境界として判定する。
【０００４】
また、特許文献１に開示されている判定方法では、非特許文献１に開示された判定方法の改良が行われ、音声認識した結果として得られたテキストに対するトピック境界の判定精度の向上が図られている。
【０００５】
具体的には、特許文献１に開示されている判定方法では、先ず、音声認識の結果として得られた複数の認識候補のそれぞれに含まれる単語集合をマージし、更にマージされた単語集合を、各単語が開始時刻の順にソートされた単語列にする。そして、この単語列に対して、非特許文献１に開示された判定方法と同様に、窓を設け、更に、各窓についてベクトルを求めて結束度を計算し、結束度が極小となる単語境界をトピック境界として判定する。
【０００６】
このように、特許文献１に開示されている判定方法においては、複数の認識候補が用いられる。そして、これらに含まれる単語のうち認識の信頼性の高い単語程、多くの認識候補に出現し、窓における出現回数も多くなる。この結果、結束度の計算結果は、信頼性の高い単語の影響を大きく受け、逆に、信頼性の低い単語の影響をあまり受けなくなる。この結果、特許文献１に開示されている判定方法は、音声認識誤りに頑健な方法となる。
【０００７】
ところで、非特許文献１及び特許文献１に開示された判定方法では、テキストに対して一定の大きさの窓が設けられる。このとき、テキスト中に、特定のトピックにおいて特徴的ではなく、様々なトピックに出現する単語が存在していると、特定トピックに特徴的な単語が、隣りあう窓に入らない状態となる。この場合、トピックが続いている事を正しく検出することができなくなる可能性がある。
【０００８】
更に、実際のトピック境界の前後の窓に、上記の様々なトピックに出現する単語が存在していると、窓間の類似度が高くなってしまい、トピックの変化を捉えることが困難となり、結果、トピック境界の判定精度が低下する可能性もある。
【０００９】
このような、トピック境界の判定に弊害を及ぼす単語であって、特定のトピックに特徴的ではなく、様々なトピックに出現する単語を、以降において「弊害語」と呼ぶ。また、特定のトピックに特徴的ではなく、様々なトピックに出現するユニットを、以降において
「弊害ユニット」と呼ぶ。なお、「ユニット」とは、テキストを構成する基本単位の事であり、通常のテキストでは、例えば、文がユニットに相当とする。また、テキストが対話テキストである場合は、一つの発話が一つのユニットに相当しても良い。
【００１０】
ここで、図１１を用いて、従来からのトピックの境界の判定について具体的に説明する。図１１は、コールセンターでの通話から得られた通話テキストの一例を示す図である。図１の例では、発言テキスト部分であって、製品の問い合わせを受け付けるコールセンターでの通話から得られた、通話テキストに対して、トピックの境界が判定される。
【００１１】
図１１に示す例において、発言インデックス１３から発言インデックス１９までにおいては、故障内容のトピックが続いている。そして、故障内容のトピックに特有の単語である「プリンター」が、隣接する窓に存在する事となるため、発言インデックス１３と発言インデックス１９との間にトピックの境界は存在しないと判定すべきである。
【００１２】
しかし、発言インデックス１３と発言インデックス１９との間には、発言インデックス１４〜発言インデックス１８のような、特定のトピックに特徴的ではなく、様々なトピックに出現する可能性のある弊害ユニットが存在している。このため、トピックに特有の単語である「プリンター」同士が隣接する窓におさまらず、誤った境界判定が行われる可能性がある。
【００１３】
更に、図１１に示す例において、発言インデックス３６と発言インデックス３７との間には、トピックの境界がある。一方、発言インデックス３６と発言インデックス３９には、特定のトピックに特徴的ではなく様々なトピックに出現する「分かりました」という発話が含まれている。このため、発言インデックス３６と発言インデックス３７との間がトピック境界か否かを判定する際、前後の窓に「分かる」といった単語が含まれてしまうこととなる。この場合、当該窓間の類似度が高くなり、発言インデックス３６と発言インデックス３７との間はトピックの境界ではない、という誤った境界判定が行われる可能性がある。
【００１４】
このように、図１１に示す例において、１ユニットを１つの発話と捉えた場合、発言インデックス１４、１５、１６、１７、１８、及び「分かりました」それぞれは、弊害ユニットに相当する。また、このような該弊害ユニットを構成する各単語は、弊害語となる。
【００１５】
上記の問題を解消するため、非特許文献１に開示の判定方法では、境界判定の対象となっているテキスト（以降、該テキストを「境界判定対象テキスト」と呼ぶ）中に高頻度で出現する単語や機能語を弊害語とし、これらを窓内から除去している。これにより、弊害語による悪影響が除かれ、トピックの境界の誤判定が防がれると考えられる。また、上記の問題を解消するため、特許文献１に開示の判定方法では、付属語を弊害語とし、トピック境界判定時に、非特許文献１同様に、弊害語を窓内から除去することよって、誤判定の防止を図っている。
【先行技術文献】
【特許文献】
【００１６】
【特許文献１】特許第４１７５０９３号明細書
【非特許文献】
【００１７】
【非特許文献１】M.A. Hearst，“Multi-paragraph segmentation of expository text”， In Proceedings of 32nd Annual Meeting of the Association for Computational Linguistics，pp.9-16，1994．
【発明の概要】
【発明が解決しようとする課題】
【００１８】
ところで、弊害語は、機能語、付属語、及び境界判定対象テキストに高頻度で出現する単語だけではなく、境界判定対象テキストに低頻度で出現する自立語及び内容語も弊害語となる。この点について以下に説明する。
【００１９】
例えば、図１１に示した例では、発言インデックス３と発言インデックス４との間には、トピックの境界が存在しており、発言インデックス３と発言インデックス５とでは、トピックが異なる。一方、発言インデックス３と発言インデックス５とは、トピックにおいて異なっているが、「電話」という共通の単語を含んでいる。このため、トピックの境界を判定する際、前後の窓間の類似度が高くなり、発言インデックス３と発言インデックス５とではトピックが同じであるという誤判定が行われる可能性がある。
【００２０】
従って、図１１に示した発言インデックス３及び発言インデックス５に含まれる「電話」は、境界判定対象テキスト中に２回しか出現しないにも拘わらず、弊害語に相当する。つまり、境界判定対象テキスト中に２回程度の低頻度でしか出現していない自立語又は内容語であっても弊害語となる。また、例えば、図１１の例では、発言インデクス１８（「大変申し訳ございません」）は弊害ユニットに相当するが、境界判定対象テキスト中に１回しか出現しない。このことから、低頻度でしか出現しないユニットであっても、弊害ユニットとなることがある。
【００２１】
しかしながら、非特許文献１及び特許文献１に開示された判定方法では、上述したように、境界判定対象テキストに低頻度で出現する自立語及び内容語は除去の対象とされていない。このため、このような弊害語が境界判定対象テキストに含まれていると、境界判定の精度が低下するという問題が発生する。
【００２２】
本発明の目的は、上記問題を解消し、テキストにおける語の出現頻度、及び付属語、自立語、機能語、又は内容語といった語の属性に影響されることなく、弊害語を特定し得る、情報分析装置、情報分析方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【００２３】
上記目的を達成するため、本発明における情報分析装置は、分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析装置であって、
前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部と、
前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部と、
前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部と、を備えていることを特徴とする。
【００２４】
また、上記目的を達成するため、本発明における情報分析方法は、分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析方法であって、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、を有することを特徴とする。
【００２５】
更に、上記目的を達成するため、本発明におけるプログラムは、分析対象テキストから、トピック境界の判定に弊害となる語又は語集合を、コンピュータによって特定するためのプログラムであって、
前記コンピュータに、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った前記高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、を実行させることを特徴とする。
【発明の効果】
【００２６】
以上のように、本発明における、情報分析装置、情報分析方法、及びプログラムによれば、テキストにおける語の出現頻度、及び付属語、自立語、機能語、又は内容語といった語の属性に影響されることなく、弊害語を特定することができる。
【図面の簡単な説明】
【００２７】
【図１】図１は、本発明の実施の形態１における情報分析装置の構成を示すブロック図である。
【図２】図２は、本発明の実施の形態１における情報分析装置の動作を示すフロー図である。
【図３】図３は、本発明の実施の形態２における情報分析装置の構成を示すブロック図である。
【図４】図４は、本発明の実施の形態２における情報分析装置の動作を示すフロー図である。
【図５】図５は、本発明の実施の形態３における情報分析装置の構成を示すブロック図である。
【図６】図６は、本発明の実施の形態３における情報分析装置の動作を示すフロー図である。
【図７】図７は、本発明の実施の形態４における情報分析装置の構成を示すブロック図である。
【図８】図８は、本発明の実施の形態４における情報分析装置の動作を示すフロー図である。
【図９】図９は、本発明の実施の形態５における情報分析装置の構成を示すブロック図である。
【図１０】図１０は、本発明の実施の形態５における情報分析装置の動作を示すフロー図である。
【図１１】図１１は、分析対象テキストの一例を示す図である。
【図１２】図１２は、補助テキストの一例を示す図である。
【図１３】図１３は、補助テキストの他の例を示す図である。
【図１４】図１４は、形態素解析を用いた要素分割の例を示す図である。
【図１５】図１５は、係り受け解析を用いた要素分割の例を示す図である。
【図１６】図１６は、トピック変化ユニットが格納されているトピック変化ユニットデータベースを示す図である。
【図１７】図１７は、トピック変化ユニットと対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。
【図１８】図１８は、トピック変化ユニットを特定する特徴を規定するルールが格納されている、トピック変化ユニットデータベースを示す図である。
【図１９】図１９は、トピック変化ユニットを特定する特徴を規定ルールと、対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。
【図２０】図２０（ａ）及び（ｂ）は、それぞれトピックを判定する統計的モデルの一例を示す図であり、図２０（ａ）はモデル例１を示し、図２０（ｂ）はモデル例２を示している。
【図２１】図２１は、図１１に示した分析対象テキストの対応テキストの一例を示す図である。
【図２２】図２２は、次元と単語の割り当て表、及び図１１に示した発言インデックス１の単語ベクトルそれぞれの一例を示す図である。
【図２３】図２３（ａ）及び（ｂ）は、情報分析装置の出力例を示す図であり、このうち、図２３（ａ）は弊害ユニットが出力される例を示し、図２３（ｂ）は弊害語が出力される例を示している。
【図２４】図２４（ａ）〜（ｃ）は、対応テキストの一例を示す図である。図２４（ａ）は図１１に示した分析対象テキストの対応テキストを示している。図２４（ｂ）は図１２に示した補助テキストの対応テキストを示している。図２４（ｃ）は図１３に示した補助テキストの対応テキストを示している。
【発明を実施するための形態】
【００２８】
（本発明の概要）
本発明では、情報分析の対象となるテキスト（以下、「分析対象テキスト」という。）に対して、これと共通のトピックを含むテキスト（以下、「補助テキスト」という。）が用いられる。また、分析対象テキストが目的を持ったテキストである場合、この分析対象テキスト以外にも、該テキストと同様の目的を持ったテキストが存在することがある。このような、同様の目的を持ったテキスト間では、共通のトピックを含みやすく、分析対象テキストと目的が同一のテキストは補助テキストとして用い易い。本発明は、このような補助テキストを、分析対象テキストに加えて、情報分析を実行する。
【００２９】
ここで、分析対象テキストと共通のトピックを含むテキスト（補助テキスト）としては、例えば、分析対象テキストのトピックと同じトピックを有し、そして、該トピックの流れ（トピックの出現順序）が共通のテキストが挙げられる。また、補助テキストにおいて、弊害となる語（弊害語）又は弊害語の集合は、分析対象テキストにおける弊害語又は弊害語の集合と同様となる。なお、弊害語については後述する。
【００３０】
例えば、分析対象テキストが、図１１に示す、製品の問い合わせを受け付けるコールセンターでの顧客とオペレータとの対話から作成された通話テキストであるとする。図１は、分析対象テキストの一例を示す図である。この場合、補助テキストとしては、同コールセンターでなされた他事例から作成された通話テキストを利用することができる。また、利用される補助テキストは、複数であるのが好ましい。
【００３１】
そして、上記例では、各補助テキストの元となった通話は、同コールセンターで顧客の問い合わせを解消するという目的でなされており、該目的は、分析対象テキストの元となった通話の目的と等しい。つまり、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「オープニング挨拶、顧客の特定、問い合わせ内容の把握、問い合わせ内容の解消」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。各補助テキストでは、多くの場合、こられのトピックによって上記の目的が達成される。
【００３２】
また、例えば、分析対象テキストが、ある店での店頭販売における顧客と店員とのやり取りを記した対話テキストであるとする。この場合、補助テキストとしては、同店での他の顧客と店員とのやり取りを記した対話テキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３３】
そして、各補助テキストの元となった対話は、同店で顧客に商品を販売するという目的でなされており、該目的は、分析対象テキストの元となった対話の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「挨拶、顧客の希望、嗜好の特定、商品特定、値段交渉」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。本例においても、各補助テキストでは、多くの場合、これらのトピックによって上記の目的が達成される。
【００３４】
更に、例えば、分析対象テキストが、アンケート調査における回答者と調査員とのやり取りを記した対話テキストであるとする。この場合、補助テキストとしては、同アンケートでの、他の回答者と調査員とのやり取りを記した対話テキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３５】
そして、各補助テキストの元となった対話は、同アンケートの回答を取得するという目的でなされており、該目的は、分析対象テキストの元となった対話の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。各補助テキストは、トピックとして、例えば、「挨拶、質問、回答」を含んでおり、これらトピックは、分析対象テキストのトピックと共通する。本例においても、各補助テキストでは、多くの場合、これらのトピックによって上記の目的が達成される。
【００３６】
また、例えば、分析対象テキストが、あるニュース番組をテキスト化することによって得られたテキストであるとする。この場合、補助テキストとしては、他の日に放送された同じニュース番組をテキスト化することによって得られたテキストを利用することができる。この場合も、補助テキストは、複数であるのが好ましい。
【００３７】
そして、各補助テキストの元となったニュース番組は、その日に起こった事件を視聴者に伝えるという目的を持っており、該目的は、分析対象テキストの元となったニュース番組の目的と等しくなる。本例においても、分析対象テキストと補助テキストとは同様の目的を持っている。
【００３８】
また、各補助テキストと、分析対象テキストとは、放送時間は異なるが同じニュース番組から作成されるため、共通のトピックを有している。つまり、各補助テキスト及び分析対象テキストは、トピックとして、例えば、「挨拶、ニュース１、解説者１の説明、ニュース２、天気」を含んでいる。従って、本例においても、各補助テキストは、分析対象テキストと共通のトピックによって上記の目的を達成している、と捉える事ができる。
【００３９】
そして、本発明は、「分析対象テキストと共通のトピックを持つ補助テキストが存在する場合に、分析対象テキストにおいて、内容に関係なく様々なトピックに出現するユニット（以下、「弊害ユニット」という。）は、補助テキストの多くに出現し易い」、という傾向を利用する。なお、弊害ユニットには、上述した弊害語及び弊害語の集合が含まれている。
【００４０】
例えば、図１１に示すように、分析対象テキストがコールセンターでの通話テキストである場合を検討する。この場合、「はい」、「えー」、「分かりました」、「申し訳ござ
いません」、「お電話ありがとうございます。」等の挨拶や相槌は、内容に関係なく様々なトピックに出現する発話であり、弊害ユニットに該当する。このような弊害ユニットは、どの通話テキストにおいても出現しやすいという特徴を有しており、本発明はこの特徴を利用する。
【００４１】
但し、ある程度決まったトピックを有するテキストには、多くのテキストに共通して出現しやすいユニットとして、弊害ユニット以外にも、トピック変化を促すために各テキストに共通して使われるユニットが存在する。例えば、コールセンターでの通話テキストでは、オペレータが決まった発話を発する事で、トピックを変えて通話がコントロールされている。図１１の例では、発言インデクス４、９及び３７の発言により、オペレータ主導でトピックが変化させられており、対話が形成されている。このような発話は、情報分析の一つである、トピックの境界の判定において、有効、且つ、必要となる。また、特に、トピックの出現順序が同じであれば、このような発話は多くのテキストにおいて共通のユニットになり易い。
【００４２】
以上の点から、本発明では、先ず、分析対象テキストに加えて、それと共通のトピックを含む補助テキストが用意され、補助テキストを用いて、分析対象テキスト構成する各ユニットの内、補助テキストに出現し易いユニットが特定される。ここで、ユニットとしては、例えば、分析対象テキストを構成する一つの文が挙げられる。また、補助テキストに出現し易いユニットを、以下、「高頻度ユニット」と呼ぶ。
【００４３】
次に、本発明では、特定された高頻度ユニットの中から、トピックの変化を促すために補助テキストでも使われているユニット（以降、「トピック変化ユニット」と呼ぶ。）が特定される。このとき、補助テキストは複数であるのが好ましく、よって、トピック変化ユニットは、多くの補助テキストで共通して利用されているのが好ましい。そして、高頻度ユニットからトピック変化ユニットを除いたユニットから、弊害ユニットが特定される。更に、弊害ユニットを構成する単語が、弊害語として特定される。
【００４４】
このように、本発明では、弊害ユニットは、補助テキストを用いて特定した高頻度ユニットから、トピック変化ユニットを除く事によって特定される。本発明によれば、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットを特定でき、自立語又は内容語の弊害語も特定する事ができる。また、本発明によれば、分析対象テキスト中での出現が低頻度である弊害ユニットであっても特定でき、低頻度の弊害語も特定できる。
【００４５】
（実施の形態１）
以下、本発明の実施の形態１における情報分析装置、情報分析方法、及びプログラムについて、図１及び図２を参照しながら説明する。最初に、本実施の形態１における情報分析装置の構成について図１を用いて説明する。図１は、本発明の実施の形態１における情報分析装置の構成を示すブロック図である。
【００４６】
図１に示す、本実施の形態１における情報分析装置３０は、分析対象テキスト１１からトピック境界の判定に弊害となる語又は語集合を特定する装置である。本実施の形態１では、分析対象テキスト１１は、情報分析の一つである、トピック境界の判定の対象となっており、複数のトピックを含んでいる。なお、以下において、判定に弊害となる語は「弊害語」とし、判定に弊害となる語集合は「弊害語集合」とする。
【００４７】
図１に示すように、情報分析装置３０は、高頻度ユニット特定部３１と、トピック変化ユニット特定部３５と、弊害ユニット特定部３６とを備えている。高頻度ユニット特定部３１は、分析対象テキスト１１と共通のトピックを含む補助テキスト１２を用いて、分析対象テキスト１１を構成する各ユニットの頻度を算出する。また、高頻度ユニット特定部
３１は、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する。
【００４８】
トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する。弊害ユニット特定部３６は、高頻度ユニット特定部３１が特定した高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、弊害となる語又は語集合を含む弊害ユニットを特定する。
【００４９】
また、本実施の形態１において、「ユニット」としては、例えば、テキストが複数の文で構成されている場合の各文が挙げられる。具体的には、テキストが対話又は通話から作成されているのであれば、対話又は通話に含まれる発話に相当する文が、「ユニット」に該当する。つまり、一つの発話が、一つのユニットに対応する。
【００５０】
このように、情報分析装置３０は、先ず、補助テキスト１２を用いて、分析対象テキスト１１構成する各ユニットの内、補助テキストにも出現し易いユニット、即ち高頻度ユニットを特定する。次に、情報分析装置３０は、トピックの変化を促すために補助テキストでも使われているユニット、即ち、トピック変化ユニットを特定する。そして、情報分析装置３０は、高頻度ユニットから、トピック変化ユニットに該当するものを除く。
【００５１】
これにより、複数のテキストに出現するが、トピックの変化への貢献度合いが少ないユニットが特定される。そして、このとき特定されたユニットは、弊害語又は弊害語集合を含む確率が高いことから、結果、弊害ユニットが特定可能となる。このように、情報分析装置３０は、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットを特定できるので、自立語又は内容語の弊害語も特定できる。また、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、情報分析装置３０は、分析対象テキスト中での出現が低頻度である弊害ユニットであっても特定でき、低頻度の弊害語も特定できる。
【００５２】
ここで、本実施の形態１における情報分析装置３０の構成を更に具体的に説明する。このコンピュータにインストールされるプログラムは、本実施の形態１におけるプログラムであり、これについては後述する。また、情報分析装置３０は、更に、入力部１０と、出力部２０とを備えている。
【００５３】
入力部１０は、外部から分析対象テキスト１１及び補助テキスト１２を受け取り、これらを高頻度ユニット特定部３１に入力する。具体的には、入力部１０は、情報分析装置３０にネットワーク等を介して接続されたコンピュータ（図１において図示せず）及びデータベース等から、分析対象テキスト１１及び補助テキスト１２を受け取ることができる。図１の例では、入力部１０は、大量のテキストを蓄積しているテキスト集合データベース１３にアクセスし、それから補助テキスト１２を受け取っている。
【００５４】
また、本実施の形態では、高頻度ユニット特定部３１は後述するように複数の補助テキスト１２を利用するため、入力部１０は、テキスト集合データベース１３から複数の補助テキスト１２を受け取り、これらを情報分析装置３０に入力している。テキスト集合データベース１３としては、例えば、イントラネット、又はインターネット等のネットワークに接続され、補助テキスト１２として利用可能なテキストを多数蓄積しているデータベースが挙げられる。
【００５５】
また、分析対象テキスト１１及び補助テキスト１２、それぞれの全部もしくは一部は、文書である文書テキストであっても良いし、対話から作成された対話テキストであっても
良い。更に、分析対象テキスト１１及び補助テキスト１２は、それぞれ、一部が文書テキスト、残りが対話テキストとなったテキストであっても良い。なお、文書テキストにおいて、ユニットは、文書を構成する文である。対話テキストにおいて、ユニットは、対話を構成する発話である。
【００５６】
出力部２０は、弊害ユニット特定部３６で行われた処理の結果を受け取り、これを外部に出力する。具体的には、出力部２０は、特定された弊害ユニットを特定する情報、更には、弊害ユニットに含まれる弊害語及び弊害語集合を特定する情報を受け取り、これらの情報を、外部のコンピュータ又は表示装置等に出力する。
【００５７】
また、本実施の形態１では、高頻度ユニット特定部３１は、複数の補助テキスト１２（以下、「補助テキスト集合」とも言う。）を用い、補助テキスト集合における、各ユニットの頻度を算出して、高頻度ユニットを特定する。このような機能を実現するため、高頻度ユニット特定部３１は、要素分割部３２と、要素頻度算出部３３と、ユニット頻度算出部３４とを備えている。なお、要素分割部３２、要素頻度算出部３３、及びユニット頻度算出部３４それぞれの機能の説明は、以下の情報分析装置３０の動作の説明において行う。
【００５８】
更に、本実施の形態１では、トピック変化ユニット特定部３５は、予め作成された、トピック変化ユニットを特定する特徴に基づいて、高頻度ユニット特定部３１で特定された高頻度ユニットの中から、トピック変化ユニットを特定することができる。また、トピック変化ユニットを特定する特徴は、トピック変化ユニットデータベース１４に格納されており、トピック変化ユニット特定部３５は、トピック変化ユニットを特定する際に、このトピック変化ユニットデータベース１４にアクセスする。
【００５９】
本実施の形態１において、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、例えば、トピック変化ユニット自体を格納することができる。また、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、ユニットと、そのユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。
【００６０】
更に、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、該特徴を規定するルールを格納することもできる。また、トピック変化ユニットデータベース１４は、トピック変化ユニットを特定する特徴として、該特徴を規定するルールと、このルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。
【００６１】
本実施の形態１では、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、入力データに対応したトピックを推定可能な統計的モデルを用いて、高頻度ユニットの中からトピック変化ユニットを特定しても良い。統計的モデルは、予め作成されている。
【００６２】
具体的には、上記の場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、分析対象テキスト１１及び複数の補助テキスト１２において、該高頻度ユニットが出現する箇所を特定する。次に、トピック変化ユニット特定部３５は、上述の統計モデルを用い、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、特定された箇所の前方ｎ個のユニットからなる部分、及び後方ｎ個のユニットからなる部分、それぞれに対して、トピックを推定する（ｎ：自然数）。なお、「特定された箇所の前方ｎ個のユニットからなる部分」とは、特定された箇所から文章の前方側にあるｎ個のユニット（特定された箇所を除く）で構
成されたユニット集合（前方部分）をいう。また、「特定された箇所の後方ｎ個のユニットからなる部分」とは、特定された箇所から文章の後方側にあるｎ個のユニット（特定された箇所を除く）で構成されたユニット集合（後方部分）をいう。
【００６３】
そして、トピック変化ユニット特定部３５は、この推定結果に基づいて、高頻度ユニット特定部３１で特定された各高頻度ユニットが、トピック変化ユニットか否かを判定する。例えば、高頻度ユニットが出現した箇所の前方部分と、後方部分とで、トピックの変化が多く発生している場合は、トピック変化ユニット特定部３５は、この高頻度ユニットをトピック変化ユニットとして特定する。
【００６４】
更に、本実施の形態１では、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、対応テキストを用いて、高頻度ユニットの中からトピック変化ユニットを特定しても良い。ここでいう対応テキストとしては、分析対象テキスト１１及び複数の補助テキスト１２に対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能なテキストが挙げられる。
【００６５】
具体的には、上記の場合も、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、分析対象テキスト１１及び複数の補助テキスト１２において、該高頻度ユニットが出現する箇所を特定する。次に、トピック変化ユニット特定部３５は、対応テキストを用い、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対し、対応テキストの複数のトピックそれぞれによって区分された各部分との類似度を算出する（ｎ：自然数）。更に、トピック変化ユニット特定部３５は、算出された類似度から、前方部分及び後方部分のトピックを推定する。
【００６６】
そして、トピック変化ユニット特定部３５は、この推定結果に基づいて、高頻度ユニット特定部３１で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。この場合も、例えば、高頻度ユニットが出現した箇所の前方部分と、後方部分とで、トピックの変化が多く発生している場合は、トピック変化ユニット特定部３５は、この高頻度ユニットをトピック変化ユニットとして特定する。
【００６７】
また、本実施の形態１では、弊害ユニット特定部３６は、高頻度ユニット特定部３１が特定した高頻度ユニットのうち、トピック変化ユニットに該当するユニットを除いた、全ての高頻度ユニットを弊害ユニットとして特定する。
【００６８】
次に、本発明の実施の形態１における情報分析装置３０の動作について図２を用いて説明する。図２は、本発明の実施の形態１における情報分析装置の動作を示すフロー図である。なお、本実施の形態１では、情報分析装置３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態１における情報分析方法の説明は、以下の情報分析装置３０の動作の説明に代える。また、以下の説明においては、適宜図１を参酌する。
【００６９】
図２に示すように、最初に、入力部１０は、トピック境界の判定対象となる分析対象テキスト１１と、複数の補助テキスト１２（補助テキスト集合）とを外部から受け取り、これらを高頻度ユニット特定部３１に入力する（ステップＡ１）。
【００７０】
次に、高頻度ユニット特定部３１は、要素分割部３２、要素頻度算出部３３、及びユニット頻度算出部３４によってステップＡ２〜Ａ４を実行する。これにより、高頻度ユニット特定部３１は、分析対象テキスト１１を構成する各ユニットの内、補助テキスト集合に
含まれる多数の補助テキストに出現するユニット（高頻度ユニット）を特定する。
【００７１】
具体的には、要素分割部３２が、先ず、分析対象テキスト１１及び各補助テキスト１２を、分析の処理単位である要素に分割する（ステップＡ２）。ここで、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【００７２】
続いて、要素頻度算出部３３が、ステップＡ２で得られた分析対象テキスト１１及び各補助テキスト１２の要素を用い、分析対象テキスト１１の各要素について、補助テキスト集合内の各補助テキストを通じた頻度を計算する（ステップＡ３）。
【００７３】
続いて、ユニット頻度算出部３４は、ステップＡ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する。そして、ユニット頻度算出部３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＡ４）。また、ユニット頻度算出部３４は、特定した高頻度ユニットを、トピック変化ユニット特定部３５に出力する。
【００７４】
なお、高頻度ユニット特定部３１は、予め、各補助テキスト１２を構成する全要素に対して、補助テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定してもよい。
【００７５】
次に、トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＡ４で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＡ５）。本実施の形態１では、トピック変化ユニット特定部３５は、上述したトピック変化ユニットデータベース１４を参照して、高頻度ユニットの中から、トピック変化ユニットを特定する。なお、トピック変化ユニット特定部３５は、上述したように、トピック変化ユニットデータベース１４の代わりに、統計的モデルや、対応テキストを用いて、トピック変化ユニットを特定することもできる。
【００７６】
次に、弊害ユニット特定部３６は、ステップＡ４にて特定された高頻度ユニットから、ステップＡ５にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＡ６）。ステップＡ６においては、弊害ユニット特定部３６は、更に、弊害ユニットを特定する情報を出力部２０に出力する。
【００７７】
その後、出力部２０は、ステップＡ６にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＡ７）。ステップＡ７においては、出力部２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。
【００７８】
このように、本実施の形態１によれば、分析対象テキスト１１に加えて、補助テキスト１２を用いることで、弊害語や弊害語集合を含む弊害ユニットが特定される。そして、本実施の形態１では、機能語及び付属語といった単語の属性に依ることなく、弊害ユニットが特定されることから、自立語及び内容語の弊害語も特定される。また、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【００７９】
本発明の実施の形態１におけるプログラムは、コンピュータに、図２に示すステップＡ１〜Ａ７を実行させるプログラムであれば良い。このプログラムをコンピュータにインス
トールし、実行することによって、本実施の形態１における情報分析装置３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing
Unit）は、出力部１０、高頻度ユニット特定部３１、トピック変化ユニット特定部３５、弊害ユニット特定部３６、及び出力部２０として機能し、処理を行なう。
【００８０】
（実施の形態２）
次に、本発明の実施の形態２における情報分析装置、情報分析方法、及びプログラムについて、図３及び図４を参照しながら説明する。最初に、本実施の形態２における情報分析装置の構成について図３を用いて説明する。図３は、本発明の実施の形態２における情報分析装置の構成を示すブロック図である。
【００８１】
図３に示すように、本実施の形態２における情報分析装置１３０は、入力部１１０と、高頻度ユニット特定部１３１と、トピック変化ユニット特定部１３５と、弊害ユニット特定部１３６と、出力部１２０とを備えている。また、高頻度ユニット特定部１３１は、更に、要素分割部１３２と、要素頻度算出部１３３と、ユニット頻度算出部１３４と、頻度スコア出力部１３７とを備えている。
【００８２】
このうち、要素分割部１３２、要素頻度算出部１３３及びトピック変化ユニット特定部１３５は、それぞれ順に、実施の形態１で図１に示した要素分割部３２、要素頻度算出部３３、トピック変化ユニット特定部３５に対応し、対応するブロックと構成及び機能の点で一致する。また、入力部１１０及び出力部１２０は、それぞれ順に、実施の形態１で図１に示した入力部１０、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。
【００８３】
分析対象テキスト１１、補助テキスト１２、及びトピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態２においても、情報分析装置１３０は、プログラム制御によって動作するコンピュータによって実現されている。
【００８４】
これに対して、頻度スコア出力部１３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態２における情報分析装置１３０には備えられている。また、これにより、ユニット頻度算出部１３４、及び弊害ユニット特定部１３６は、それぞれ、実施の形態１において図１に示した、ユニット頻度算出部３４及び弊害ユニット特定部３６とは異なる処理を実行する。以下、情報分析装置１３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【００８５】
本実施の形態２においては、ユニット頻度算出部１３４は、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出した後、高頻度ユニットを特定せず、頻度のみを頻度スコア出力部１３７に送る。
【００８６】
頻度スコア出力部１３７は、ユニット頻度算出部１３４による頻度の算出後に、この頻度に基づいて、頻度が高い程、値が高くなる頻度スコアを更に算出する。そして、頻度スコア出力部１３７は、算出した頻度スコアがそれについて設定された閾値以上となるユニットを高頻度ユニットとして特定する。
【００８７】
また、本実施の形態２においては、弊害ユニット特定部１３６は、特定された高頻度ユニットに対して、頻度スコアに基づいて、弊害ユニットスコアを算出する。ここで、「弊害ユニットスコア」は、高頻度ユニットが弊害ユニットになる可能性を示すスコアであり、頻度スコアが高い程、値が高くなり、且つ、トピック変化ユニットに該当したときに値が低下する。そして、弊害ユニット特定部１３６は、弊害ユニットスコアがそれについて
設定された閾値以上となる高頻度ユニットを、弊害ユニットとして特定する。
【００８８】
次に、本発明の実施の形態２における情報分析装置１３０の動作について図４を用いて説明する。図４は、本発明の実施の形態２における情報分析装置の動作を示すフロー図である。なお、本実施の形態２では、情報分析装置１３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態２における情報分析方法の説明は、以下の情報分析装置１３０の動作の説明に代える。また、以下の説明においては、適宜図３を参酌する。
【００８９】
図３に示すように、最初に、入力部１１０は、分析対象テキスト１１と、複数の補助テキスト１２とを外部から受け取り、これを高頻度ユニット特定部１３１に入力する（ステップＢ１）。ステップＢ１は、実施の形態１において図２に示したステップＡ１と同様のステップである。
【００９０】
次に、高頻度ユニット特定部１３１は、ステップＢ２〜Ｂ５を実行し、分析対象テキスト１１を構成する各ユニットの内、高頻度ユニットを特定する。但し、本実施の形態２においては、実施の形態１と異なり、高頻度ユニット特定部１３１は、頻度スコアを算出し、これを用いて高頻度ユニットを特定する。
【００９１】
具体的には、要素分割部１３２が、先ず、分析対象テキスト１１及び各補助テキスト１２を、分析の処理単位である要素に分割する（ステップＢ２）。ステップＢ２は、実施の形態１において図２に示したステップＡ２と同様のステップである。
【００９２】
続いて、要素頻度算出部１３３が、ステップＢ２で得られた分析対象テキスト１１及び各補助テキスト１２の要素を用い、分析対象テキスト１１の各要素について、補助テキスト集合内の各補助テキストを通じた頻度を計算する（ステップＢ３）。ステップＢ３は、実施の形態１において図２に示したステップＡ３と同様のステップである。
【００９３】
続いて、ユニット頻度算出部１３４は、ステップＢ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する（ステップＢ４）。なお、ステップＢ４では、高頻度ユニットの特定は実施されないが、それ以外の点では、ステップＢ４は、実施の形態１において図２に示したステップＡ４同様である。
【００９４】
続いて、頻度スコア出力部１３７は、分析対象テキスト１１を構成する各ユニットに対して、ステップＢ４で計算された頻度が高い程、値が高くなる頻度スコアを算出し、頻度スコアがそれについて設定された閾値以上となるユニットを特定する（ステップＢ５）。本実施の形態２では、ステップＢ５で特定された、頻度スコアの値が高いユニットが高頻度ユニットとして特定される。また、ステップＢ５では、更に、頻度スコア出力部１３７は、特定した高頻度ユニットと、それについて算出された頻度スコアとを、トピック変化ユニット特定部１３５に出力する。
【００９５】
なお、高頻度ユニット特定部１３１は、予め、各補助テキスト１２を構成する全要素に対して、補助テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト１１の各ユニットの頻度スコアを計算してもよい。
【００９６】
次に、トピック変化ユニット特定部１３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＢ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＢ６）。ステップＢ６は、実施の形態１において図２に示したス
テップＡ５と同様のステップである。
【００９７】
次に、弊害ユニット特定部１３６は、ステップＢ５で特定された各高頻度ユニットに対して、頻度スコアに基づいて、弊害ユニットスコアを算出し、弊害ユニットスコアがそれについて設定された閾値以上となる高頻度ユニットを特定する（ステップＢ７）。本実施の形態２では、ステップＢ７で特定された、弊害ユニットスコアの値が高い高頻度ユニットが弊害ユニットとして特定される。また、ステップＢ７においては、弊害ユニット特定部１３６は、更に、弊害ユニットを特定する情報を出力部１２０に出力する。
【００９８】
なお、「弊害ユニットスコア」は、上述したように、高頻度ユニットが弊害ユニットになる可能性を示すスコアである。弊害ユニットスコアは、頻度スコアが高い程、値が高くなり、且つ、高頻度ユニットがトピック変化ユニットに該当したときに値が低下するように算出される。
【００９９】
その後、出力部１２０は、ステップＢ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＢ８）。また、ステップＢ８においては、出力部１２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。更に、出力部１２０は、弊害ユニット、弊害語、又は弊害語集合に加えて、弊害ユニットスコアを共に出力しても良い。なお、弊害語又は弊害語集合に加えて、弊害ユニットスコアを出力する場合は、該弊害語又は該弊害語集合を含むユニットに付与された弊害ユニットスコアが出力される。
【０１００】
以上のように、本実施の形態２においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態２においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１０１】
そして、本実施の形態２では、頻度スコアが算出され、これに基づいて高頻度ユニットが特定される。更に、頻度スコアの値と、トピック変化ユニットを特定する情報とから、弊害ユニットスコアが算出され、これに基づいて、弊害ユニットが特定される。つまり、本実施の形態２では、補助テキスト集合内の各補助テキストを通じた頻度が高く、且つ、トピック変化に貢献しないユニット程、弊害ユニットとして特定され易くなっている。
【０１０２】
よって、挨拶及び相槌といった、内容に関係なく発せられるユニットほど、各補助テキストに共通して多く出現しやすく、トピック変化に貢献しないため、これらのユニットは、弊害ユニットとして特定され易くなる。従って、本実施の形態２によれば、各ユニットの頻度の情報をより詳細に扱うことができ、弊害ユニットかどうかの判断をより正確に行うことができる。本実施の形態２は、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１０３】
本発明の実施の形態２におけるプログラムは、コンピュータに、図４に示すステップＢ１〜Ｂ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態２における情報分析装置１３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部１１０、高頻度ユニット特定部１３１、トピック変化ユニット特定部１３５、弊害ユニット特定部１３６、頻度スコア出力部１３７及び出力部１２０として機能し、処理を行なう。
【０１０４】
（実施の形態３）
次に、本発明の実施の形態３における情報分析装置、情報分析方法、及びプログラムについて、図５及び図６を参照しながら説明する。最初に、本実施の形態３における情報分析装置の構成について図５を用いて説明する。図５は、本発明の実施の形態３における情報分析装置の構成を示すブロック図である。
【０１０５】
図５に示すように、本実施の形態３における情報分析装置２３０は、入力部２１０と、高頻度ユニット特定部２３１と、トピック変化ユニット特定部２３５と、弊害ユニット特定部２３６と、トピック変化ユニットスコア出力部２３７と、出力部２２０とを備えている。また、高頻度ユニット特定部２３１は、更に、要素分割部２３２と、要素頻度算出部２３３と、ユニット頻度算出部２３４とを備えている。
【０１０６】
このうち、高頻度ユニット特定部２３１、入力部２１０、及び出力部２２０は、それぞれ順に、実施の形態１で図１に示した高頻度ユニット特定部３１、入力部１０、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、分析対象テキスト１１、補助テキスト１２、及びトピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態３においても、情報分析装置２３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１０７】
これに対して、トピック変化ユニット特定部２３５、及び弊害ユニット特定部２３６は、それぞれ、実施の形態１において図１に示した、トピック変化ユニット特定部３５及び弊害ユニット特定部３６とは異なる処理を実行する。また、トピック変化ユニットスコア出力部２３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態３における情報分析装置２３０には備えられている。以下、情報分析装置２３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１０８】
本実施の形態３においては、トピック変化ユニット特定部２３５は、トピック変化ユニットを特定する特徴を用いて、高頻度ユニットに対して、トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出する。また、トピック変化ユニット特定部２３５は、算出したトピック変化ユニットスコアに基づいて、トピック変化ユニットを特定する。
【０１０９】
「トピック変化ユニットを特定する特徴」としては、実施の形態１において述べた特徴が挙げられる。また、本実施の形態３においても、トピック変化ユニットを特定する特徴は、トピック変化ユニットデータベース１４に格納されている。トピック変化ユニット特定部２３５は、トピック変化ユニットスコアの算出の際、トピック変化ユニットデータベース１４にアクセスし、トピック変化ユニットを特定する特徴を取得する。
【０１１０】
ここで、トピック変化ユニット特定部２３５によるトピック変化ユニットスコアの算出処理について説明する。例えば、トピック変化ユニットデータベース１４が、トピック変化ユニットを特定する特徴として、トピック変化ユニット自体を格納しているとする。この場合、トピック変化ユニット特定部２３５は、高頻度ユニットが、格納されているトピック変化ユニットと一致するかどうかを判定する。そして、トピック変化ユニット特定部２３５は、トピック変化ユニットスコアとして、一致しない場合は０（ゼロ）を付与し、一致する場合は任意の正の定数を付与する。
【０１１１】
また、本実施の形態３においても、実施の形態１と同様に、トピック変化ユニット特定部２３５は、トピック変化ユニットデータベース１４の代わりに、統計的モデル又は対応テキストを用いることができる。この場合は、トピック変化ユニット特定部２３５は、統
計的モデル又は対応テキストから得られたトピックの推定結果を用いて、トピック変化ユニットスコアを算出する。そして、トピック変化ユニット特定部２３５は、算出したトピック変化ユニットスコアに基づいて、高頻度ユニットの中からトピック変化ユニットを特定する。
【０１１２】
例えば、統計的モデルを用いる場合は、トピック変化ユニット特定部２３５は、実施の形態１と同様に、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、該高頻度ユニットの出現箇所を特定し、統計モデルを用いて、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対して、トピックを推定する。更に、トピック変化ユニット特定部２３５は、推定結果から、特定された箇所の前方部分と後方部分とでトピックが一致しているかどうかを判定し、その判定結果から、該高頻度ユニットの前後でトピックが変化する可能性を計算する。そして、トピック変化ユニット特定部２３５は、計算によって得られた可能性をトピック変化ユニットスコアとし、その値が高いユニットをトピック変化ユニットとして特定する。
【０１１３】
また、例えば、対応テキストを用いる場合も、トピック変化ユニット特定部２３５は、実施の形態１と同様に、先ず、高頻度ユニット特定部３１で特定された高頻度ユニット毎に、該高頻度ユニットの出現箇所を特定する。次に、トピック変化ユニット特定部２３５は、対応テキストを用い、特定された箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対して、対応テキストの複数のトピックそれぞれによって区分された各部分との類似度を算出する。更に、トピック変化ユニット特定部３５は、類似度を用い、前方部分及び後方部分のトピックを推定する。
【０１１４】
また、トピック変化ユニット特定部２３５は、この場合も、推定結果から、特定された箇所の前方部分と後方部分とでトピックが一致しているかどうかを判定する。更に、トピック変化ユニット特定部２３５は、その判定結果から、該高頻度ユニットの前後でトピックが変化する可能性を計算する。そして、トピック変化ユニット特定部２３５は、計算によって得られた可能性をトピック変化ユニットスコアとし、その値が高いユニットをトピック変化ユニットとして特定する。
【０１１５】
また、トピック変化ユニットスコア出力部２３７は、トピック変化ユニット特定部２３５が特定したトピック変化ユニットと、それについて算出されているトピック変化ユニットスコアとを受け取り、これらを弊害ユニット特定部２３６に出力する。
【０１１６】
弊害ユニット特定部２３６は、本実施の形態３においては、トピック変化ユニットスコアに基づき、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、算出した弊害ユニットスコアがそれについて設定された閾値以上となる高頻度ユニットを、弊害ユニットとして特定する。なお、弊害ユニットスコアは、実施の形態２と同様に、高頻度ユニットが弊害ユニットになる可能性を示すスコアであるが、本実施の形態３では、トピック変化ユニットスコアが高い程、値が低くなるよう算出される。
【０１１７】
次に、本発明の実施の形態３における情報分析装置２３０の動作について図６を用いて説明する。図６は、本発明の実施の形態３における情報分析装置の動作を示すフロー図である。なお、本実施の形態３では、情報分析装置２３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態３における情報分析方法の説明は、以下の情報分析装置２３０の動作の説明に代える。また、以下の説明においては、適宜図５を参酌する。
【０１１８】
図６に示すように、最初に、入力部２１０は、トピック境界の判定対象となる分析対象テキスト１１と、複数の補助テキスト１２（補助テキスト集合）とを外部から受け取り、これを高頻度ユニット特定部２３１に入力する（ステップＣ１）。ステップＣ１は、実施の形態１において図２に示したステップＡ１と同様のステップである。
【０１１９】
次に、高頻度ユニット特定部２３１は、要素分割部２３２、要素頻度算出部２３３、及びユニット頻度算出部２３４によってステップＣ２〜Ｃ４を実行する。これにより、高頻度ユニット特定部２３１は、分析対象テキスト１１を構成する各ユニットの内、補助テキスト集合に含まれる多数の補助テキストに出現するユニット（高頻度ユニット）を特定する。また、ステップＣ２〜Ｃ４は、実施の形態１において図２に示したステップＡ２〜Ａ４と同様のステップである。よって、ステップＣ２〜Ｃ４についての説明は省略する。
【０１２０】
次に、トピック変化ユニット特定部２３５は、ステップＣ４にて特定された高頻度ユニットに対して、トピック変化ユニットスコアを算出し、算出したトピック変化ユニットスコアに基づいて、トピック変化ユニットを特定する（ステップＣ５）。ステップＣ５において、トピック変化ユニットスコアの算出は、上述したように、トピック変化ユニットデータベース、統計的モデル、又は対応テキストを用いて行われる。
【０１２１】
次に、トピック変化ユニットスコア出力部２３７は、ステップＣ５にて特定されたトピック変化ユニットと、それについて算出されているトピック変化ユニットスコアとを共に、弊害ユニット特定部２３６に出力する（ステップＣ６）。
【０１２２】
次に、弊害ユニット特定部２３６は、ステップＣ４で特定された高頻度ユニットに対し、ステップＣ６で算出されたトピック変化ユニットスコアを用いて、弊害ユニットである可能性を表す弊害ユニットスコアを算出する。具体的には、弊害ユニット特定部２３６は、ステップＣ６で算出されたトピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、弊害ユニットスコアが高いユニット、即ち、弊害ユニットスコアがそれについて設定された閾値以上となるユニットを、弊害ユニットとして特定する（ステップＣ７）。また、ステップＣ７では、弊害ユニット特定部２３６は、更に、弊害ユニットを特定する情報を出力部２２０に出力する。
【０１２３】
その後、出力部２２０は、ステップＣ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＣ８）。また、ステップＣ８においては、出力部２２０は、弊害ユニットを構成している単語を弊害語として、又は該単語の集合を弊害語集合として出力しても良い。更に、出力部２２０は、弊害ユニット、弊害語、又は弊害語に加えて、弊害ユニットスコアを共に出力しても良い。なお、弊害語又は弊害語集合に加えて、弊害ユニットスコアを出力する場合は、該弊害語又は該弊害語集合を含むユニットに付与された弊害ユニットスコアが出力される。
【０１２４】
以上のように、本実施の形態３においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態３においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１２５】
そして、本実施の形態３では、トピック変化ユニットスコアが算出され、これに基づいて、トピック変化ユニットの特定、弊害ユニットスコアの算出が行われる。また、このとき、弊害ユニットスコアは、トピック変化ユニットスコアが高い程、値が低くなるよう算出される。
【０１２６】
つまり、本実施の形態３では、実施の形態１と異なり、トピック変化ユニットである可能性が高いユニットの方が、トピック変化ユニットである可能性の低いユニットよりも、弊害ユニットになり難いという傾向が利用される。このため、本実施の形態３は、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１２７】
本発明の実施の形態３におけるプログラムは、コンピュータに、図６に示すステップＣ１〜Ｃ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態３における情報分析装置２３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部２１０、高頻度ユニット特定部２３１、トピック変化ユニット特定部２３５、弊害ユニット特定部２３６、トピック変化ユニットスコア出力部２３７及び出力部２２０として機能し、処理を行なう。
【０１２８】
また、本実施の形態３においては、情報分析装置２３０は、ユニット頻度算出部２３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置２３０の動作は、図６に示されたステップＣ１〜Ｃ８において、ステップＣ４がステップＢ４及びＢ５に置き換えられ、ステップＣ７にステップＢ７での処理が盛り込まれた動作となる。つまり、この場合は、ステップＣ７では、弊害ユニットスコアの計算は、ステップＢ５で算出された頻度スコアと、ステップＣ６で算出されたトピック変化ユニットスコアとに基づいて行われる。
【０１２９】
具体的には、ステップＣ７において、弊害ユニット特定部２３６は、高頻度ユニットに対し、頻度スコアが高い程、値が高くなり、且つ、トピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。そして、弊害ユニット特定部２３６は、弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。このような態様とした場合は、実施の形態２における効果と実施の形態３における効果とが得られることとなる。
【０１３０】
（実施の形態４）
次に本発明の実施の形態４における情報分析装置、情報分析方法、及びプログラムについて、図７及び図８を参照しながら説明する。最初に、本実施の形態４における情報分析装置の構成について図７を用いて説明する。図７は、本発明の実施の形態４における情報分析装置の構成を示すブロック図である。
【０１３１】
図７に示すように、本実施の形態４における情報分析装置３３０は、入力部３１０と、同一話者テキスト特定部３３７と、高頻度ユニット特定部３３１と、トピック変化ユニット特定部３３５と、弊害ユニット特定部３３６と、出力部３２０とを備えている。また、高頻度ユニット特定部３３１は、更に、要素分割部３３２と、要素頻度算出部３３３と、ユニット頻度算出部３３４とを備えている。
【０１３２】
このうち、トピック変化ユニット特定部３３５、弊害ユニット特定部３３６、及び出力部３２０は、それぞれ順に、実施の形態１で図１に示したトピック変化ユニット特定部３５、弊害ユニット特定部３６、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、トピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態４においても、情報分析装置３３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１３３】
これに対して、同一話者テキスト特定部３３７は、実施の形態１において図１に示した
情報分析装置３０には備えられていないが、本実施の形態４における情報分析装置３３０には備えられている。そして、入力部３１０は、図１に示された入力部１０と異なり、受け取った分析対象テキスト３１１及び補助テキスト３１２を同一話者テキスト特定部３３７に入力する。また、高頻度ユニット特定部３３１は、実施の形態１において図１に示した高頻度ユニット特定部３１と異なる処理を実行する。
【０１３４】
更に、本実施の形態４では、分析対象テキスト３１１及び補助テキスト３１２は、対話から作成された対話テキストであり、これらを構成する各ユニットは、対話に含まれる発話に相当する文である。また、分析対象テキスト３１１及び補助テキスト３１２は、実施の形態１で用いられる分析対象テキスト１１及び１２と異なり、各発話の話者を特定する情報を含んでいる。以下、情報分析装置３３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１３５】
本実施の形態４において、同一話者テキスト特定部３３７は、先ず、分析対象テキスト３１２の元となった対話に含まれる発話の話者を特定する。そして、同一話者テキスト特定部３３７は、複数の補助テキスト３１２の中から、特定した話者の発話を含む対話を元にして作成された補助テキストを特定する。なお、この特定された補助テキストを「同一話者テキスト」とする。
【０１３６】
また、本実施の形態４では、高頻度ユニット特定部３３１は、実施の形態１とは異なり、複数の補助テキストのうち「同一話者テキスト」として特定されたものを用いて、高頻度ユニットを特定する。
【０１３７】
次に、本発明の実施の形態４における情報分析装置３３０の動作について図８を用いて説明する。図８は、本発明の実施の形態４における情報分析装置の動作を示すフロー図である。なお、本実施の形態４では、情報分析装置３３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態４における情報分析方法の説明は、以下の情報分析装置３３０の動作の説明に代える。また、以下の説明においては、適宜図７を参酌する。
【０１３８】
図８に示すように、最初に、入力部３１０は、トピック境界を判定する対象となる分析対象テキスト３１１と、補助テキスト３１２の集合とを受け取り、これらを同一話者テキスト特定部３３７に入力する。本実施の形態４では、上述したように、分析対象テキスト３１１及び各補助テキスト３１２は、対話から作成された対話テキストであり、各テキスト中の発話の話者を特定する情報を含んでいる（ステップＤ１）。
【０１３９】
次に、同一話者テキスト特定部３３７は、入力された各テキストが対話テキストであるので、分析対象テキストに含まれる発話の話者を特定し、更に、この話者と同一の話者の発話を含む補助テキスト（同一話者テキスト）の集合を特定する（ステップＤ２）。
【０１４０】
次に、高頻度ユニット特定部３３１は、要素分割部３３２、要素頻度算出部３３３、及びユニット頻度算出部３３４によってステップＤ３〜Ｄ５を実行する。これにより、高頻度ユニット特定部３３１は、分析対象テキスト３１１の各ユニットの中から、ステップＤ２で特定された同一話者テキスト集合内の多数の同一話者テキストに出現するユニットを特定する。また、高頻度ユニット特定部３３１は、特定したユニットを高頻度ユニットとして、トピック変化ユニット特定部３３５に出力する。
【０１４１】
但し、実施の形態１において図２に示したステップＡ２〜Ａ４では、入力された補助テキスト集合が用いられているのに対して、本実施の形態４におけるステップＤ３〜Ｄ５では、同一話者テキスト集合が用いられる。本実施の形態４では、ステップＤ３以降のステ
ップでは、ステップＤ２で特定された同一話者テキスト集合が用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０１４２】
具体的には、要素分割部３３２が、先ず、分析対象テキスト３１１及びステップＤ２で特定された各同一話者テキストを、分析の処理単位である要素に分割する（ステップＤ３）。本実施の形態４においても、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【０１４３】
続いて、要素頻度算出部３３３が、ステップＤ３で得られた分析対象テキスト３１１及び同一話者テキストの各要素を用い、分析対象テキスト３１１の各要素について、同一話者テキスト集合内の各同一話者テキストを通じた頻度を計算する（ステップＤ４）。
【０１４４】
続いて、ユニット頻度算出部３３４は、ステップＤ４の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト３１１を構成する各ユニットについて、同一話者テキスト集合内の各同一話者テキストを通じた頻度を算出する。そして、ユニット頻度算出部３３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＤ５）。また、ユニット頻度算出部３３４は、特定した高頻度ユニットを、トピック変化ユニット特定部３３５に出力する。
【０１４５】
なお、高頻度ユニット特定部３３１は、予め、同一話者テキスト集合内の各同一話者テキストを構成する全要素に対して、同一話者テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト３１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト３１１の各ユニットの頻度スコアを計算してもよい。
【０１４６】
次に、トピック変化ユニット特定部３３５は、分析対象テキスト３１１を構成する各ユニットであって、ステップＤ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＤ６）。ステップＤ６は、実施の形態１において図２に示したステップＡ５と同様のステップである。
【０１４７】
次に、弊害ユニット特定部３３６は、ステップＤ５にて特定された高頻度ユニットから、ステップＤ６にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＤ７）。ステップＤ７は、実施の形態１において図２に示したステップＡ６と同様のステップである。
【０１４８】
その後、出力部３２０は、ステップＤ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＤ８）。ステップＤ８は、実施の形態１において図２に示したステップＡ７と同様のステップである。
【０１４９】
以上のように、本実施の形態４においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態４においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１５０】
また、本実施の形態４は、弊害ユニットである、挨拶、相槌、内容に関係なく発せられる口癖等が、話者によって個別的で異なる傾向にある、ことを利用する。そして、本実施の形態４では、高頻度ユニット３３１は、補助テキスト３１２を通じた頻度ではなく、補助テキストの内、分析対象テキスト３１１に含まれる発話の話者と同一の話者の発話を含
むテキストを通じた頻度を用いて、高頻度ユニットを特定する。
【０１５１】
つまり、本実施の形態４においては、あらゆる話者によるテキストではなく、分析対象テキスト中で発話している話者と同一の話者の発話を含むテキストのみを用いて頻度が求められる。このため、話者ごとに個別的な、挨拶、相槌、又は口癖を含むユニットの各テキストを通じた頻度が高くなり、このユニットが高頻度ユニットとしてより鮮明に浮かび上がることとなる。従って、本実施の形態４によれば、実施の形態１よりも更に精度良く、弊害ユニットを特定する事が可能となる。
【０１５２】
本発明の実施の形態４におけるプログラムは、コンピュータに、図８に示すステップＤ１〜Ｄ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態４における情報分析装置３３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部３１０、高頻度ユニット特定部３３１、トピック変化ユニット特定部３３５、弊害ユニット特定部３３６、同一話者テキスト特定部３３７、及び出力部３２０として機能し、処理を行なう。
【０１５３】
また、本実施の形態４においては、情報分析装置３３０は、ユニット頻度算出部３３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置３３０の動作は、図８に示されたステップＤ１〜Ｄ８において、ステップＤ５がステップＢ５の動作を盛り込んだステップとなり、頻度スコアが算出され、頻度スコアに基づいて高頻度ユニットが特定される。また、ステップＤ７はステップＢ７の動作を盛り込んだステップとなり、ステップＤ７では、弊害ユニットスコアが算出され、弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１５４】
この結果、ステップＤ２で特定された同一話者テキスト集合を用いた処理と、頻度スコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態２における効果と実施の形態４における効果とが得られることとなる。
【０１５５】
更に、本実施の形態４においては、情報分析装置３３０は、トピック変化ユニット特定部３３５の代わりに、実施の形態３において図５に示したトピック変化ユニット２３５とトピック変化ユニットスコア出力部２３７とを備えることもできる。この場合、情報分析装置３３０の動作は、図８に示されたステップＤ１〜Ｄ８において、ステップＤ６が、ステップＣ５及びＣ６に置き換えられた動作となる。また、ステップＤ７はステップＣ７の動作を盛り込んだステップとなり、ステップＤ７では、トピック変化ユニットスコアを基に算出された弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１５６】
この結果、ステップＤ２で特定された同一話者テキスト集合を用いた処理と、トピック変化ユニットスコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態３における効果と実施の形態４における効果とが得られることとなる。
【０１５７】
（実施の形態５）
次に、本発明の実施の形態５における情報分析装置、情報分析方法、及びプログラムについて、図９及び図１０を参照しながら説明する。最初に、本実施の形態５における情報分析装置の構成について図９を用いて説明する。図９は、本発明の実施の形態５における情報分析装置の構成を示すブロック図である。
【０１５８】
図９に示すように、本実施の形態５における情報分析装置４３０は、入力部４１０と、高頻度ユニット特定部４３１と、トピック変化ユニット特定部４３５と、弊害ユニット特
定部４３６と、異内容テキスト特定部４３７と、出力部４２０とを備えている。また、高頻度ユニット特定部４３１は、更に、要素分割部４３２と、要素頻度算出部４３３と、ユニット頻度算出部４３４とを備えている。
【０１５９】
このうち、トピック変化ユニット特定部４３５、弊害ユニット特定部４３６、及び出力部４２０は、それぞれ順に、実施の形態１で図１に示したトピック変化ユニット特定部３５、弊害ユニット特定部３６、出力部２０に対応し、対応するブロックと構成及び機能の点で一致する。また、トピック変化ユニットデータベース１４は、実施の形態１で同じ符号が付されたものと同様のものである。更に、本実施の形態５においても、情報分析装置４３０は、プログラム制御によって動作するコンピュータによって実現されている。
【０１６０】
これに対して、異内容テキスト特定部４３７は、実施の形態１において図１に示した情報分析装置３０には備えられていないが、本実施の形態５における情報分析装置４３０には備えられている。そして、入力部４１０は、図１に示された入力部１０と異なり、分析対象テキスト１１及び補助テキスト１２に加えて、これらの対応テキスト４１１及び４１２を受け取り、これらを異内容テキスト特定部４３７に入力する。
【０１６１】
更に、テキスト集合データベース４１３は、複数の補助テキスト１２に加え、各補助テキスト１２に対応する対応テキスト４１２も蓄積している。また、高頻度ユニット特定部４３１は、実施の形態１において図１に示した高頻度ユニット特定部３１と異なる処理を実行する。以下、情報分析装置４３０の構成について、実施の形態１における情報分析装置３０との相違点を中心に説明する。
【０１６２】
本実施の形態５において、対応テキスト４１１は、分析対象テキスト１１の元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。対応テキスト４１２は、補助テキスト１２毎に作成され、且つ、対応する補助テキストの元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。
【０１６３】
例えば、コールセンターにおける通話音声を音声認識することによって得られたテキストが、分析対象テキスト１１又は補助テキスト１２である場合の対応テキストを考える。多くのコールセンターにおいては、オペレータが通話の要点をまとめた応対メモが存在する。従って、多くのコールセンターでは、通話音声を音声認識した結果得られたテキストに対応する応対メモが存在する事になり、該応対メモを対応テキスト４１１又は４１２として捉える事ができる。
【０１６４】
また、例えば、店頭販売における店員と顧客とのやり取りを記した対話テキストに対しては、店員により、そのやり取りがまとめられた日報が存在する。従って、この場合は、日報を対応テキストとして捉える事ができる。更に、例えば、アンケート調査の際に行われたやり取りを記した対話テキストに対しては、記述されたアンケートを対応テキストとして捉える事ができる。また、例えば、あるニュース番組をテキスト化することによって得られたテキストに対しては、該ニュース番組の内容がまとめられた原稿を対応テキストとして捉える事ができる。
【０１６５】
異内容テキスト特定部４３７は、先ず、対応テキスト４１１及び４１２を用い、対応テキスト４１１及び４１２それぞれ同士の類似度を求める。次に、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の補助テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを、この２以上の補助テキストの間においても内容が異なるように選択する。以下、この選択された補助テキストを「異内容テキスト」とする。そして、本実施の形態５では、高頻度ユニット特定部４３１は、異内容テキスト特
定部４３７によって特定された補助テキスト、即ち、異内容テキストを用いて、高頻度ユニットを特定する。
【０１６６】
次に、本発明の実施の形態５における情報分析装置４３０の動作について図１０を用いて説明する。図１０は、本発明の実施の形態５における情報分析装置の動作を示すフロー図である。なお、本実施の形態５では、情報分析装置４３０を動作させることによって、情報分析方法が実施される。よって、本実施の形態５における情報分析方法の説明は、以下の情報分析装置４３０の動作の説明に代える。また、以下の説明においては、適宜図９を参酌する。
【０１６７】
図１０に示すように、最初に、入力部４１０は、トピック境界を判定する対象となる分析対象テキスト１１及び複数の補助テキスト１２と、分析対象テキスト１１の対応テキスト４１１及び各補助テキストに対応する対応テキスト４１２とを受け取る。そして、入力部４１０は、これらを異内容テキスト特定部４３７に入力する（ステップＥ１）。
【０１６８】
次に、異内容テキスト特定部４３７は、ステップＥ１で入力された対応テキスト４１１及び４１２を用い、対応テキストそれぞれ同士の類似度を求める。そして、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の補助テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを選択する（ステップＥ２）。ステップＥ２において、２以上の補助テキストの選択は、これらの間においても内容が異なるように行われる。ステップＥ２で選択された補助テキストが、異内容テキストとなる。また、異内容テキスト特定部４３７は、異内容テキストの集合を高頻度ユニット特定部４３１に出力する。
【０１６９】
分析対象テキスト１１及び各補助テキスト１２それぞれの内容は、原則として、対応する対応テキストに記載されている内容に一致する、と考えることができる。つまり、例外的に、分析対象テキスト１１及び各補助テキスト１２それぞれの内容が、対応する対応テキストに記載されている内容に一致していない可能性はあるが、これらの内容は一致していると近似的に捉えることができる。よって、各対応テキスト同士について、内容の類似度合いを求め、比較を行えば、分析対象テキスト１１及び各補助テキスト１２のうち互いに内容が異なるものを特定できる。ステップＥ２は、このことを利用して、異内容テキストの集合を選択している。
【０１７０】
次に、高頻度ユニット特定部４３１は、要素分割部４３２、要素頻度算出部４３３、及びユニット頻度算出部４３４によってステップＥ３〜Ｅ５を実行する。これにより、高頻度ユニット特定部４３１は、分析対象テキスト１１の各ユニットの中から、ステップＥ２で選択された異内容テキスト集合内の多数の異内容テキストに出現するユニットを特定する。また、高頻度ユニット特定部４３１は、特定したユニットを高頻度ユニットとして、トピック変化ユニット特定部４３５に出力する。
【０１７１】
つまり、実施の形態１において図２に示したステップＡ２〜Ａ４では、入力された補助テキスト集合が用いられているのに対して、本実施の形態５におけるステップＥ３〜Ｅ５では、異内容テキスト集合が用いられる。本実施の形態５では、ステップＥ３以降のステップでは、ステップＥ２で選択された異内容テキスト集合が用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０１７２】
具体的には、要素分割部４３２が、先ず、分析対象テキスト１１及びステップＥ２で選択された各異内容テキストを、分析の処理単位である要素に分割する（ステップＥ３）。本実施の形態５においても、要素としては、例えば、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。
【０１７３】
続いて、要素頻度算出部４３３が、ステップＥ３で得られた、分析対象テキスト１１及び異内容テキストの各要素を用い、分析対象テキスト１１の各要素について、異内容テキスト集合内の各異内容テキストを通じた頻度を計算する（ステップＥ４）。
【０１７４】
なお、高頻度ユニット特定部４３１は、予め、異内容テキスト集合内の各異内容テキストを構成する全要素に対して、異内容テキスト集合内での頻度を計算しておき、その計算結果を用いて、分析対象テキスト１１の各要素、及び各ユニットの頻度を算出し、算出した頻度から分析対象テキスト１１の各ユニットの頻度スコアを計算してもよい。
【０１７５】
続いて、ユニット頻度算出部４３４は、ステップＥ４の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、異内容テキスト集合内の各異内容テキストを通じた頻度を算出する。そして、ユニット頻度算出部４３４は、算出した頻度が高いユニット、即ち、頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する（ステップＥ５）。また、ユニット頻度算出部４３４は、特定した高頻度ユニットを、トピック変化ユニット特定部４３５に出力する。
【０１７６】
次に、トピック変化ユニット特定部４３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＥ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する（ステップＥ６）。ステップＥ６は、実施の形態１において図２に示したステップＡ５と同様のステップである。
【０１７７】
次に、弊害ユニット特定部４３６は、ステップＥ５にて特定された高頻度ユニットから、ステップＥ６にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する（ステップＥ７）。ステップＥ７は、実施の形態１において図２に示したステップＡ６と同様のステップである。
【０１７８】
その後、出力部４２０は、ステップＥ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（ステップＥ８）。ステップＥ８は、実施の形態１において図２に示したステップＡ７と同様のステップである。
【０１７９】
以上のように、本実施の形態５においても、実施の形態１と同様に、単語の属性に依ることなく、弊害ユニットを特定でき、自立語及び内容語の弊害語も特定可能となる。また、本実施の形態５においても、弊害ユニットは、分析対象テキストでの頻度とは関係なく特定されるので、分析対象テキスト中での出現が低頻度である弊害ユニットも特定される。
【０１８０】
ところで、実施の形態１では、内容の相違に拘わらず、同様の内容の補助テキスト１２も含めて、分析対象テキスト１１の各ユニットの頻度が計算される。このため、本来であれば高頻度ユニットに該当しないユニット、即ち、テキストの内容に関係し、且つトピック境界の判定に必要なユニットの頻度までもが高く算出されてしまう可能性がある。
【０１８１】
これに対して、本実施の形態５では、高頻度ユニットの特定に用いられる頻度は、入力された補助テキスト集合の各補助テキストを通じた頻度ではなく、補助テキストのうち互いに内容が異なるテキストとして選択された異内容テキストを通じた頻度である。
【０１８２】
このため、本実施の形態５によれば、実施の形態１と異なり、テキストの内容に関係し、且つトピック境界の判定に必要なユニットの頻度は下がり、当該ユニットが高頻度ユニットとして特定される事態の発生が抑制される。一方、弊害ユニットである、挨拶、相槌
、又は口癖等の内容に関係のないユニットの頻度は、相対的に高くなり、このようなユニットは、高頻度ユニットとしてより鮮明に浮かび上がる。この結果、本実施の形態５によれば、実施の形態１よりも精度良く、弊害ユニットを特定する事ができる。
【０１８３】
本発明の実施の形態５におけるプログラムは、コンピュータに、図１０に示すステップＥ１〜Ｅ８を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態５における情報分析装置４３０と情報分析方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、出力部４１０、高頻度ユニット特定部４３１、トピック変化ユニット特定部４３５、弊害ユニット特定部４３６、異内容テキスト特定部４３７、及び出力部４２０として機能し、処理を行なう。
【０１８４】
また、本実施の形態５においては、情報分析装置４３０は、ユニット頻度算出部４３４の代わりに、実施の形態２において図３に示したユニット頻度算出部１３４と頻度スコア出力部１３７とを備えることもできる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ５がステップＢ５の動作を盛り込んだステップとなり、頻度スコアが算出され、頻度スコアに基づいて高頻度ユニットが特定される。また、ステップＥ７はステップＢ７の動作を盛り込んだステップとなり、ステップＥ７では、弊害ユニットスコアが算出され、弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１８５】
この結果、ステップＥ２で特定された異内容テキスト集合を用いた処理と、頻度スコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態２における効果と実施の形態５における効果とが得られることとなる。
【０１８６】
更に、本実施の形態５においては、情報分析装置４３０は、トピック変化ユニット特定部４３５の代わりに、実施の形態３において図５に示したトピック変化ユニット２３５とトピック変化ユニットスコア出力部２３７とを備えることもできる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ６が、ステップＣ５及びＣ６に置き換えられた動作となる。また、ステップＥ７はステップＣ７の動作を盛り込んだステップとなり、ステップＥ７では、トピック変化ユニットスコアを基に算出された弊害ユニットスコアに基づいて弊害ユニットが特定される。
【０１８７】
この結果、ステップＥ２で特定された異内容テキスト集合を用いた処理と、トピック変化ユニットスコア及び弊害ユニットスコアを用いた処理とが行われるので、実施の形態３における効果と実施の形態５における効果とが得られることとなる。
【０１８８】
また、本実施の形態５においては、情報分析装置４３０は、更に、実施の形態４において図７に示した同一話者テキスト特定部３３７を備えることができる。この場合、情報分析装置４３０の動作は、図１０に示されたステップＥ１〜Ｅ８において、ステップＥ１の実行後に、ステップＤ２が実行され、その後、ステップＥ２が実行される。
【０１８９】
この場合、ステップＥ２では、異内容テキスト特定部４３７は、ステップＥ１で入力された対応テキスト４１１と、ステップＤ２で同一話者テキストとして特定された補助テキストの対応テキスト４１２とを用い、対応テキストそれぞれ同士の類似度を求める。そして、異内容テキスト特定部４３７は、求めた類似度に基づいて、複数の同一話者テキスト１２のうち、分析対象テキスト１１と内容が異なる２以上の同一話者テキストを選択する。更に、２以上の同一話者テキストの選択は、これらの間においても内容が異なるように行われる。
【０１９０】
そして、この場合のステップＥ２で選択された同一話者テキストが、異内容テキストとなる。また、異内容テキスト特定部４３７は、同一話者テキストで構成された異内容テキストの集合を高頻度ユニット特定部４３１に出力する。
【０１９１】
この結果、分析対象テキスト１１に含まれる発話の話者と同一の話者の発話を含み、且つ、互いに内容が異なる、複数のテキストを通じた頻度から、高頻度ユニットが特定される。このため、実施の形態４における効果と実施の形態５における効果とが得られることとなる。なお、上記では、ステップＤ２の実行後にステップＥ２が実行される例について説明したが、ステップＥ２の実行後にステップＤ２が実行されても良く、このときも、上記の効果が得られることとなる。
【実施例１】
【０１９２】
（実施例１の動作）
次に、図１１〜図２３を用いて、実施の形態１における情報分析装置及び情報分析方法の実施例を実施例１として説明する。先ず、実施の形態１における情報分析装置の動作と、実施の形態１における情報分析方法の流れとを説明する。
【０１９３】
本実施例１では、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。図１１は、分析対象テキストの一例を示す図である。図１２は、補助テキストの一例を示す図である。図１３は、補助テキストの他の例を示す図である。
【０１９４】
図１１に示す分析対象テキスト１１は、コールセンターにおける応対の通話音声を音声認識することによって得られた音声認識テキストである。また、分析対象テキスト１１は、音声認識エンジンによる無音区間の検出により、発話ごとにわかれており、１つの発話が１つの発言インデックスで表されている。また、図１２に示す補助テキスト１２−１、及び図１３に示す補助テキスト１２−２も、コールセンターにおける応対の通話音声を音声認識することによって得られた音声認識テキストである。更に、分析対象テキスト１１の元となった通話が行われたコールセンターと、補助テキスト１２−１及び１２−２の元となった通話が行われたコールセンターとは同一である。
【０１９５】
また、図１１〜図１３に示すように、分析対象テキスト１１、補助テキスト１２−１及び１２−２は、それぞれ、同コールセンターへの顧客の問い合わせを解消するという目的でなされており、これらのテキストの目的は同一である。更に、補助テキスト１２−１及び１２−２は、それぞれ、トピックとして、「オープニング挨拶、顧客の特定、故障内容（問い合わせ内容の把握）、修理日（問い合わせ内容の解消）」を含んでいる。即ち、補助テキスト１２−１及び１２−２は、共に、分析対象テキスト１１と共通のトピックを含んでいる。また、本実施例１において、通話中の一つの発話に相当する文が、一つのユニットを構成している。
【０１９６】
以下、上記の図１１〜図１３に示したテキストを用いて、本実施例１により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図２に示したフロー図に沿って、実施の形態１における情報処理装置３０の動作を中心に説明する。なお、適宜、図１も参酌する。
【０１９７】
［ステップＡ１］
まず、入力部１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高
頻度ユニット特定部３１に入力する。なお、本実施例１では、入力部１０は、更に多くの補助テキストを受け取り、入力することもできる。
【０１９８】
［ステップＡ２−Ａ５］
続いて、高頻度ユニット特定部３１は、入力された分析対象テキスト１１の各発話の内、入力された補助テキスト集合内の多数の補助テキストに出現する発話を特定し、該発話を高頻度ユニットとして出力する。
【０１９９】
［ステップＡ２］
具体的には、先ず、要素分割部３２は、分析対象テキスト１１、補助テキスト１２−１及び１２−２等を、分析の処理単位である要素に分割する。要素としては、実施の形態１で述べたように、単語、単語ｎグラム、係り受け、係り受けｎグラム、文、文節、発話等が挙げられる。ここで、要素分割部３２による要素分割の例について、図１４及び図１５を用いて説明する。
【０２００】
図１４は、形態素解析を用いた要素分割の例を示す図である。図１５は、係り受け解析を用いた要素分割の例を示す図である。なお、図１４及び図１５の例においては、共に、要素分割の対象は、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」である。
【０２０１】
例えば、分析の処理単位が単語又は単語ｎグラムである場合は、各テキストを形態素解析する事で要素に分割する事ができる。具体的には、分析の処理単位が単語単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１４に示すように、「はい」、「、」、「ＡＢＣコールセンター」、「です」、「。」の５個の要素に分割される。また、分析の処理単位が、例えば単語２グラム単位であるとすると、２連続の形態素である「はい、」、「、ＡＢＣコールセンター」、「ＡＢＣコールセンターです」、「です。」の４個の要素に分割される。
【０２０２】
また、例えば、分析の処理単位が、係り受け、又は係り受けｎグラムである場合は、各テキストを係り受け解析する事で要素に分割する事ができる。なお、図１５においては、文節が「／」で区切られている。また、図１５中の矢印（→）が、係り受け関係を表し、矢印の根本が係り元の節、矢印の先が係り先の節を示す。図１５の例では、「はい、」が「ＡＢＣコールセンターです。」に係っている。
【０２０３】
具体的には、分析の処理単位が係り受け単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１５に示すように、「はい、→ＡＢＣコールセンターです。」の１個の要素に分割される。また、分析の処理単位が、係り受けｎグラム単位であるとすると、ｎ連続の係り受け関係に分割されるが、図１５に示す例の場合、係り受け関係は１つしかない。よって、分析の処理単位が係り受けｎグラム単位の場合も「はい、→ＡＢＣコールセンターです。」の１個の要素に分割される。
【０２０４】
また、例えば、分析の処理単位が文節の場合は、図１５に示す例のような係り受け解析又は構造解析により、テキストを要素に分割することができる。具体的には、分析の処理単位が文節単位であるとすると、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」は、図１５に示すように、「はい、」と「ＡＢＣコールセンターです。」との２個の要素に分割される。
【０２０５】
更に、例えば、分析の処理単位が文の場合は、文のセパレータを予め定めておき、そのセパレータの出現場所で分割する事により、テキストを文単位の要素に分割することができる。セパレータの例としては、「。」「？」が挙げられる。
【０２０６】
また、例えば、分析の処理単位が発話の場合は、音声認識エンジンによる無音区間の検出等を利用することによって、要素に分割する事ができる。この場合、分析対象テキストが図１１に示すテキストであるとすると、図１１は、音声認識エンジンによる無音区間の検出により、１つの発話が１つの発言インデックスで表されているため、発言インデックスごとに分割される。
【０２０７】
なお、本実施例１では、分析の処理単位としては、一種類の分割単位に限らず、複数種類の分割単位を採用することができる。また、以降の動作の説明においては、断りがない限り、分析の処理単位として単語単位が採用されているとする。
【０２０８】
［ステップＡ３］
続いて、要素頻度算出部３３は、ステップＡ２による分割によって得られた、分析対象テキスト１１の各要素に対し、補助テキスト集合内の各補助テキスト１２を通じた頻度を計算する。例えば、補助テキスト集合が、図１２に示した補助テキスト１２−１と図１３に示した補助テキスト１２−２とによって構成され、補助テキスト１２−１内の単語総数が１００、補助テキスト１２−２内の単語総数２００であるとする。そして、この場合における、図１１に示した分析対象テキスト１１内の単語「はい」の頻度の計算方法を以下に示す。
【０２０９】
各要素の頻度としては、例えば、各要素が出現した補助テキストの数を用いることができる。この場合、「はい」は、補助テキスト１２−１及び１２−２に出現しているので、「はい」の頻度は２となる。
【０２１０】
また、各要素の頻度としては、例えば、各要素が出現した補助テキストの数を、補助テキスト集合内の補助テキストの総数によって正規化した値を用いることもできる。この場合、「はい」は、補助テキスト１２−１及び１２−２に出現し、補助テキスト集合内の補助テキスト総数は２であるので、「はい」の頻度は１（＝２／２）となる。
【０２１１】
更に、各要素の頻度としては、例えば、補助テキストに各要素が出現した回数を用いることもできる。この場合、「はい」は、図１２に示した補助テキスト１２−１で３回、図１３に示した補助テキスト１２−２で１回出現しているので、「はい」の頻度は４（＝３＋１）となる。
【０２１２】
また、各要素の頻度としては、例えば、補助テキスト集合内の補助テキストに各要素が出現した回数を、補助テキスト集合内の補助テキストに含まれる単語総数によって正規化した値を用いることもできる。この場合、「はい」は、図１２に示す補助テキスト１２−１で３回、図１３に示す補助テキスト１２−２で１回出現している。更に、補助テキスト集合内の補助テキストに含まれる単語総数は３００（＝１００＋２００）である。よって、「はい」の頻度は、０．０１３（＝４／３００）となる。
【０２１３】
また、各要素の頻度としては、例えば、補助テキスト集合内の各補助テキストに各要素が出現する割合の総和を用いることもできる。例えば、「はい」の補助テキスト１２−１での出現割合は０．０３（＝３／１００）、補助テキスト１２−２での出現割合は０．００５（＝１／２００）となる。よって、「はい」の頻度は、得られた出現割合の総和であるので、０．０３５（＝０．０３＋０．００５）となる。
【０２１４】
更に、各要素の頻度としては、例えば、補助テキスト集合内の各補助テキストに各要素が出現する割合の総和を、補助テキスト集合内の補助テキストの総数で正規化した値を用いることもできる。上述したように、「はい」の補助テキスト１２−１での出現割合は０
．０３（＝３／１００）、補助テキスト１２−２での出現割合は０．００５（＝１／２００）である。また、補助テキスト集合内の補助テキストの総数は２である。よって、この場合、「はい」の頻度は、０．０１８（＝０．０３５／２）となる。
【０２１５】
なお、高頻度ユニット特定部３１は、予め、補助テキスト１２−１及び１２−２を構成する全要素に対して、上述の通り、補助テキスト集合内での頻度を計算しておき、分析対象テキスト１１の各要素の頻度は、予め計算された値を用いてもよい。ここで、分析対象テキスト１１の要素のうち、補助テキスト集合内に含まれないため、予め頻度が求まっていない要素に対する頻度は、０（ゼロ）とする。
【０２１６】
［ステップＡ４］
次に、ユニット頻度算出部３４は、先ず、ステップＡ３の頻度計算の対象となった要素と、ステップＡ３で得られた該要素の頻度とを用いて、分析対象テキスト１１の各ユニットについて、補助テキスト集合内の補助テキストを通じた頻度を算出する。
【０２１７】
各ユニットの補助テキスト集合内の補助テキスト１２を通じた頻度としては、例えば、各ユニットを構成する要素の頻度の総和を用いることができる。具体的には、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」の頻度は、ステップＡ３で求めた、「はい」「、」「ＡＢＣコールセンター」「です」「。」の頻度を足すことによって求められる。
【０２１８】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、例えば、各ユニットを構成する要素の頻度の総和を、該ユニットの構成要素の総数で正規化することによって得られる値を用いることもできる。例えば、図１１に示した発言インデックス１「はい、ＡＢＣコールセンターです。」の頻度は、ステップＡ３で求めた、「はい」「、」「ＡＢＣコールセンター」「です」「。」の頻度の総和を、該発言インデックス１の構成要素の総数５で割ることによって求められる。
【０２１９】
更に、各ユニットの補助テキスト集合内の補助テキストを通じた頻度は、例えば、要素の種類別又は品詞別に予め重みを設定し、ユニットを構成する要素の頻度を重みに応じて補正し、補正後の頻度の総和を求めて得られる値であっても良い。この場合、重みは、予め、人手、教師データ、又は予備実験等によって求めることができ、弊害ユニットに含まれる可能性の高い種類程、値が大きくなるように設定されているのが良い。
【０２２０】
具体的には、分析処理単位の要素が各ユニットを構成する単語である場合であれば、先ず、予め、人手、教師データ、又は予備実験等により、品詞別に重みを設定することができる。そして、ユニットの頻度を求める際に、ユニットを構成する各単語の頻度に、該単語の品詞別に設定された重みが乗算され、重みが乗算された頻度の値の和が計算される。計算によって得られた和が、ユニットの頻度となる。なお、重みは、品詞別ではなく、自立語と付属語との２種類のみに対して予め設定されていても良い。また、重みは、品詞よりも詳細に分けることが可能な種類別に設定されていても良い。例えば、名詞を普通名詞と固有名詞に分けて、重みが設定されていても良い。
【０２２１】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、上述した、該ユニットの構成要素についての、種類別又は品詞別の重み補正後の頻度の総和を、該ユニットの構成要素の総数で正規化して得られる値を用いることもできる。
【０２２２】
更に、各ユニットの補助テキスト集合内の補助テキストを通じた頻度は、分析処理単位の要素が複数種類で構成される場合は、分析単位別に予め重みを設定し、要素の頻度を分析単位別の重みで補正し、補正後の頻度の総和を求めて得られる値であっても良い。この
場合、重みは、予め、人手、教師データ、又は予備実験等によって求めることができ、弊害ユニットの決定に影響の大きい要素程、値が大きくなるように設定されているのが良い。
【０２２３】
具体的には、分析処理単位が単語と係り受けとの複数種類である場合であれば、先ず、予め、人手、教師データ、予備実験等により、一つの単語と一つの係り受けとが弊害ユニットの決定に対して与える影響力を規定した重みが設定される。そして、ユニットの頻度を求める際に、ユニットを構成する各要素の頻度に、該要素の分析単位別に設定された重みが乗算され、重みが乗算された頻度の値の和が計算される。
【０２２４】
また、各ユニットの補助テキスト集合内の補助テキストを通じた頻度としては、上述した、該ユニットの構成要素についての、分析単位別の重み補正後の頻度の総和を、該ユニットの構成要素の総数で正規化して得られる値を用いることもできる。
【０２２５】
そして、ユニット頻度算出部３４は、このようにして各ユニットの頻度を算出した後、算出した頻度の高いユニットを高頻度ユニットとして特定し、特定した高頻度ユニットを、トピック変化ユニット特定部３５に出力する。具体的には、ユニット頻度算出部３４は、算出した頻度が予め定められた閾値以上であったユニットを、高頻度ユニットとして特定することができる。閾値は、例えば、教師データ又は予備実験等により、実験的に予め定めることができる。
【０２２６】
［ステップＡ５］
次に、トピック変化ユニット特定部３５は、分析対象テキスト１１を構成する各ユニットであって、ステップＡ４で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。このとき、本実施例１では、トピック変化ユニット特定部３５は、予め作成された、トピックが変化する時に多く使われるトピック変化ユニットの特徴を記した、トピック変化ユニットデータベース１４（以下、「ＤＢ１４」とする。）を参照することができる。トピック変化ユニット特定部３５は、ＤＢ１４を参照しながら、ステップＡ４にて特定された高頻度ユニットの中から、トピック変化ユニットを特定する。
【０２２７】
具体的には、ＤＢ１４は、例えば、トピック変化ユニット自体を格納することができる。図１６は、トピック変化ユニットが格納されているトピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、高頻度ユニットとＤＢ１４に格納されているユニットとを比較し、一致する高頻度ユニットをトピック変化ユニットとして特定する。
【０２２８】
例えば、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１６に示すように、発言インデックス４及び９と一致する発話が、ＤＢ１４内に存在するので、これらの発話はトピック変化ユニットとして特定される。一方、発言インデックス１８と一致する発話は、図１６に示すように、ＤＢ１４内に存在しないので、トピック変化ユニットとしては特定されない。
【０２２９】
また、ＤＢ１４は、例えば、トピック変化ユニット自体と、このユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。図１７は、トピック変化ユニットと対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニットとＤＢ１４に格納されているユニットとを比較し、一致する高頻度ユニットをトピック変化ユニットとして特定する。そして、トピック変化ユニット特定部３５は、特定されたユニットのスコアが、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、一致するユニットをトピック変化ユニットとして特定する
。
【０２３０】
例えば、スコアの閾値が０．５に設定され、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１７に示すように、発言インデックス４及び９と一致する発話が、ＤＢ１４内に存在し、一致する発話のスコアがそれぞれ０．５以上なので、発言インデックス４及び９は、トピック変化ユニットとして特定される。一方、発言インデックス１８と一致する発話は、図１７に示すように、ＤＢ１４内にが存在するが、該発話のスコアは０．５未満なので、発言インデックス１８は、トピック変化ユニットとしては特定されない。
【０２３１】
更に、ＤＢ１４は、例えば、トピック変化ユニットを特定する特徴を規定するルールを格納することもできる。図１８は、トピック変化ユニットを特定する特徴を規定するルールが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、高頻度ユニットがＤＢ１４に格納されているルールに一致するかどうかを判定し、一致する高頻度ユニットをトピック変化ユニットとして特定する。
【０２３２】
例えば、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、発言インデックス４は、図１８に示すように、ＤＢ１４内の上から一つ目のルールに一致し、発言インデックス９は、上から二つ目のルールに一致する。よって、これらは、トピック変化ユニットとして特定される。一方、図１８に示すように、発言インデックス１８は、ＤＢ１４内のいずれのルールとも一致しないため、トピック変化ユニットとしては特定されない。
【０２３３】
また、ＤＢ１４は、例えば、トピック変化ユニットを特定する特徴を規定するルールと、このルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納することもできる。図１９は、トピック変化ユニットを特定する特徴を規定したルールと、対応するスコアとが格納されている、トピック変化ユニットデータベースを示す図である。この場合、トピック変化ユニット特定部３５は、先ず、高頻度ユニットとＤＢ１４内のルールとを比較し、該高頻度ユニットが該当するＤＢ１４内のルールを特定する。そして、トピック変化ユニット特定部３５は、該ルールのスコアの総和が、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、該ユニットをトピック変化ユニットとして特定する。
【０２３４】
例えば、スコアの閾値が０．５に設定され、ステップＡ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されているとする。この場合、図１９に示すように、発言インデックス４に該当するルールは、ＤＢ１４内の上から一つ目のルールと三つ目のルールとであるので、スコアの総和は０．６（＝０．４＋０．２）である。また、総和は閾値０．５以上であるため、発言インデックス４は、トピック変化ユニットとして特定される。
【０２３５】
また、図１９に示すように、発言インデックス９に該当するルールは、ＤＢ１４内の上から二つ目のルールと三つ目のルールとであるので、スコアの総和は０．９（＝０．７＋０．２）である。また、総和は閾値０．５以上であるため、発言インデックス９も、トピック変化ユニットとして特定される。一方、図１９に示すように、発言インデックス１８は、ＤＢ１４内のいずれのルールとも一致しないため、トピック変化ユニットとしては特定されない。
【０２３６】
実施の形態１において述べたように、本実施例１においても、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、入力データに対応した
トピックを推定可能な統計的モデルを用いて、高頻度ユニットの中からトピック変化ユニットを特定することができる。図２０（ａ）及び（ｂ）は、それぞれトピックを判定する統計的モデルの一例を示す図であり、図２０（ａ）はモデル例１を示し、図２０（ｂ）はモデル例２を示している。
【０２３７】
図２０（ａ）に示す統計的モデル（モデル例１）は、文章が入力されると、該文章に対し、予め定められたトピックのどれに該当するかを判定し、判定結果のトピックを出力するモデルである。また、図２０（ｂ）に示す統計的モデル（モデル例２）は、文章が入力されると、該文章に対し、予め定められたトピックのどれに該当するかを判定し、判定結果のトピックと共に該トピックである可能性が高いほど値が大きくなるスコアを出力するモデルである。本実施例１では、モデル例１及びモデル例２のいずれを用いることもできる。
【０２３８】
具体的には、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、分析対象テキスト１１及び補助テキスト集合内の各補助テキストにおいて、該高頻度ユニットが出現する箇所を特定する。続いて、トピック変化ユニット特定部３５は、特定された各箇所に対し、分析対象テキスト１１及び複数の補助テキスト１２それぞれを構成するユニットのうち、各箇所の前方ｎ個のユニットからなる部分、及び後方ｎ個のユニットからなる部分、それぞれに対して、統計的モデルを適用し、トピックを推定する。ここで、ｎは、自然数であり、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０２３９】
そして、トピック変化ユニット特定部３５は、トピック推定後、高頻度ユニットごとに、出現箇所の前方部分のトピックと後方部分のトピックを比較し、トピックが変化したと推定された箇所の割合を求める。具体的には、割合は、［トピックが変化したと推定された箇所の数］を［高頻度ユニットが出現した箇所の数］で除算することに求められる。
【０２４０】
その後、トピック変化ユニット特定部３５は、求めた割合が閾値以上である高頻度ユニットをトピック変化ユニットとして特定する。なお、閾値は、予め、人手、教師データ、又は予備実験等によって実験的に設定される。
【０２４１】
また、本実施例１では、統計的モデルとして、図２０（ｂ）に示したモデル例２が用いられる場合は、高頻度ユニットが出現した各箇所の前方ｎ個のユニットからなる部分（前方部分）と後方ｎ個のユニットからなる部分（後方部分）とでトピックが異なるかどうかは、次の動作によっても判定可能である。
【０２４２】
この場合、トピック変化ユニット特定部３５は、前方部分と後方部分で推定されたトピックが互いに異なり、且つ前方部分のトピック判定時に得られたスコアと後方部分のトピック判定時に得られたスコアの和が閾値以上である場合に、前方部分と後方部分でトピックが異なると判定する。それ以外の場合は、トピックが同じであると判定する。なお、この場合の閾値も、人手、教師データ、又は予備実験等によって実験的に設定することができる。
【０２４３】
また、実施の形態１において述べたように、本実施例１においても、トピック変化ユニット特定部３５は、トピック変化ユニットデータベース１４の代わりに、対応テキストを用いて、高頻度ユニットの中からトピック変化ユニットを特定することができる。対応テキストとは、分析対象テキスト１１及び補助テキスト１２に対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能なテキストである。
【０２４４】
例えば、分析対象テキスト１１及び補助テキスト１２が、コールセンターにおける通話音声を音声認識することによって得られたテキスト（図１１〜図１３参照）である場合の対応テキストを考える。多くのコールセンターにおいては、オペレータは、通話の要点を予め定められたトピック別にまとめ、応対メモを作成している。従って、通話音声に対応する応対メモを対応テキストとして捉える事ができる。
【０２４５】
図１１に示した分析対象テキスト１１の応対メモ、即ち、トピック別にまとめられた対応テキストの一例を図２１に示す。図２１は、図１１に示した分析対象テキストの対応テキストの一例を示す図である。図２１においては、上段がトピック名を示し、下段が上段のトピックに対応するメモ（内容）を示している。
【０２４６】
具体的には、トピック変化ユニット特定部３５は、先ず、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、分析対象テキスト１１及び各補助テキストにおいて、該高頻度ユニットが出現する箇所を特定する。続いて、トピック変化ユニット特定部３５は、高頻度ユニットが出現した各箇所の前方ｎ個のユニットからなる部分（前方部分）、及び後方ｎ個のユニットからなる部分（後方部分）、それぞれに対し、これらが出現したテキストに対応する対応テキストの複数のトピックそれぞれによって区分された各部分（以下「トピック部分」とする。）を比較する。
【０２４７】
そして、トピック変化ユニット特定部３５は、この比較結果から、出現箇所の前方部分及び後方部分に対し、各トピック部分との類似度を算出し、類似度から、出現箇所の前方部分及び後方部分のトピックを推定する。なお、ここでも、ここで、ｎは、自然数であり、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０２４８】
また、トピック変化ユニット特定部３５は、類似度を計算するため、先ず、高頻度ユニットが出現した箇所の前方ｎ個のユニットからなる部分（前方部分）と、後方ｎ個のユニットからなる部分（後方部分）と、対応テキストの各トピック部分とに対して、形態素解析を実行する。そして、トピック変化ユニット特定部３５は、一形態素がベクトルの一次元に対応し、全形態素数がベクトルの次元数となる単語ベクトルを生成する。
【０２４９】
具体的には、トピック変化ユニット特定部３５は、図２２に示すような次元と単語との割り当て表を用い、高頻度ユニットが出現した前方部分、後方部分、及び対応テキストのトピック部分それぞれについて、構成する形態素に対応している当該表の要素を１、それ以外の形態素に対応する当該表の要素を０として、単語ベクトルを生成する。図２２は、次元と単語の割り当て表、及び図１１に示した発言インデックス１の単語ベクトルそれぞれの一例を示す図である。
【０２５０】
そして、トピック変化ユニット特定部３５は、高頻度ユニットが出現した箇所の前方部分及び後方部分それぞれの単語ベクトルに対して、対応テキストの各トピック部分の単語ベクトルとのコサイン類似度を計算する。更に、トピック変化ユニット特定部３５は、コサイン類似度が最大であり、且つ、該コサイン類似度が閾値以上となる単語ベクトルに対応するトピックを、トピックとして推定する。
【０２５１】
なお、この場合の閾値も、予め、人手、教師データ、又は予備実験等により実験的に設定される。また、高頻度ユニットが出現した箇所の前方部分及び後方部分の単語ベクトルに対する、対応テキスト内の全トピック部分の単語ベクトルのコサイン類似度が、閾値未満であった場合は、トピック変化ユニット特定部３５は、「その他」というトピックを推定する。
【０２５２】
そして、トピック変化ユニット特定部３５は、この場合も、統計的モデルを用いた場合
と同様に、トピック推定後、高頻度ユニット特定部３１で特定された高頻度ユニットごとに、該高頻度ユニットの出現箇所の前方部分と後方部分とでトピックが異なると推定された箇所の割合を求める。割合の算出方法も、上述した統計的モデルを用いた場合と同様である。
【０２５３】
その後、トピック変化ユニット特定部３５は、求めた割合が閾値以上である場合に、その高頻度ユニットをトピック変化ユニットとして特定する。なお、この場合も、閾値は、予め、人手、教師データ、又は予備実験等によって実験的に設定される。
【０２５４】
［ステップＡ６］
次に、弊害ユニット特定部３６は、ステップＡ４にて特定された高頻度ユニットから、ステップＡ５にて特定されたトピック変化ユニットを除いたユニットを弊害ユニットとして特定する。例えば、ステップＡ４にて、図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定され、ステップＡ５にて、発言インデックス４、９がトピック変化ユニットと特定されている場合、発言インデックス１８が弊害ユニットとして特定される。
【０２５５】
［ステップＡ７］
最後に、出力部２０は、図２３（ａ）に示すように、ステップＡ６にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。また、出力部２０は、図２３（ｂ）に示すように、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる。図２３（ａ）及び（ｂ）は、情報分析装置の出力例を示す図であり、このうち、図２３（ａ）は弊害ユニットが出力される例を示し、図２３（ｂ）は弊害語が出力される例を示している。
【０２５６】
（実施例１の効果）
以下に、本実施例１の効果を説明する。上述したように、本実施例１では、弊害ユニット特定部３６は、高頻度ユニット特定部３１にて特定された高頻度ユニットから、トピック変化ユニット特定部３５にて特定されたトピック変化ユニットを除き、残った高頻度ユニットを弊害ユニットとして特定する。
【０２５７】
例えば、実施例１において、ステップＡ２で、分析の処理単位を発話とした時、「大変申し訳ございません。」は、図１２に示した補助テキスト１２−１及び図１３に示した補助テキスト１２−２の両方に出現している。このため、ステップＡ３及びＡ４で、上記発話の頻度は１（＝２／２）となり、上記発話は高頻度ユニットとして特定される。また、上記発話は、ステップＡ５において、例えば図１６に示すＤＢ１４には含まれていないと判定されるため、トピック変化ユニットとしては特定されない。よって、上記発話は、ステップＡ６において、弊害ユニットとして特定される。また、ステップＡ６では、「大変申し訳ございません。」を構成する単語は、弊害語として特定される。
【０２５８】
このように、本実施例１では、機能語又は付属語といった単語の属性に依らないで、弊害ユニットの特定が可能であり、自立語又は内容語等の弊害語も特定する事ができる。更に、本実施例１によれば、自立語及び内容語のいずれか又は両方を弊害語として含む弊害ユニットであっても特定する事ができる。
【０２５９】
また、本実施例１では、図１２及び図１３に示すような補助テキストを通じた頻度を基に、弊害ユニットが特定される。このため、本実施例１によれば、分析対象テキスト中での出現が低頻度である弊害語又は弊害ユニットであっても、特定する事が可能となる。
【０２６０】
例えば、分析対象テキスト中の発言インデックス１８（図１１参照）の発話「大変申し
訳ございません。」は、内容に関係なく様々なトピックに出現する相槌であり、トピック境界の判定に弊害を及ぼす弊害ユニットである。しかし、背景技術の欄において示した非特許文献１及び特許文献１に開示された判定方法では、分析対象テキスト中での頻度を用いて弊害ユニットを特定している。この場合、「大変申し訳ございません。」は、分析対象テキスト中では１回しか出現しない低頻度な発話であるため、弊害ユニットとして特定されないこととなる。
【０２６１】
これに対して、本実施例１においては、弊害ユニットは、補助テキスト集合内の補助テキストを通じた頻度を用いて特定される。このため、「大変申し訳ございません。」は、テキスト集合内の多くのテキストで出現しているため、本実施例１によれば、「大変申し訳ございません。」を弊害ユニットとして特定する事ができる。
【実施例２】
【０２６２】
（実施例２の動作）
次に、実施の形態２における情報分析装置及び情報分析方法の実施例を実施例２として説明する。先ず、実施例２における情報分析装置の動作と、実施例２における情報分析方法の流れとを説明する。また、実施例２の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０２６３】
本実施例２においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０２６４】
以下、図１１〜図１３に示したテキストを用いて、本実施例２により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図４に示したフロー図に沿って、実施の形態２における情報処理装置１３０の動作を中心に説明する。なお、適宜、図３も参酌する。
【０２６５】
［ステップＢ１］
まず、入力部１１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高頻度ユニット特定部１３１に入力する。ステップＢ１は、実施例１におけるステップＡ１と同様のステップである。
【０２６６】
［ステップＢ２−Ｂ５］
続いて、高頻度ユニット特定部１３１は、分析対象テキスト１１の各ユニットの内、補助テキスト集合内の多数の補助テキスト１２に出現するユニットを高頻度ユニットとして特定する。また、高頻度ユニット特定部１３１は、高頻度ユニットの補助テキスト集合内の補助テキスト１２における出現頻度が高い程、値が高くなる頻度スコアを算出し、これを、特定した高頻度ユニットと共に出力する。
【０２６７】
［ステップＢ２］
具体的には、先ず、要素分割部１３２は、実施例１で説明したステップＡ２と同様に動作して、分析対象テキスト１１、補助テキスト１２−１及び１２−２等を、分析の処理単位である要素に分割する。
【０２６８】
［ステップＢ３］
続いて、要素頻度算出部１３３は、実施例１で説明したステップＡ３と同様に動作して
、分析対象テキスト１１の各要素に対し、補助テキスト集合内の各補助テキスト１２を通じた頻度を計算する。（ステップＢ３）。
【０２６９】
［ステップＢ４］
続いて、ユニット頻度算出部１３４は、ステップＢ３の頻度計算の対象となった要素と、得られた該要素の頻度とを用いて、分析対象テキスト１１を構成する各ユニットについて、補助テキスト集合内の各補助テキストを通じた頻度を算出する。なお、ステップＢ４における頻度の計算は、実施例１におけるステップＡ４と同様に行われるが、ユニット頻度算出部１３４は、高頻度ユニットを特定せず、計算された頻度を頻度スコア出力部１３７に送る。
【０２７０】
［ステップＢ５］
続いて、頻度スコア出力部１３７は、分析対象テキスト１１の各ユニットに対し、ステップＢ４で計算された頻度が高い程、値が高くなる頻度スコアを算出し、該スコアが高いユニットを高頻度ユニットとして特定する。また、頻度スコア出力部１３７は、特定した高頻度ユニットを、算出した頻度スコアと共に、トピック変化ユニット特定部１３５に出力する。
【０２７１】
ここで、本実施例２では、例えば、頻度スコアとしては、ステップＢ４で算出された頻度と同じ値を用いることができる。この場合、頻度スコア出力部１３７は、実施例１におけるステップＡ４で出力される高頻度ユニットに加え、この高頻度ユニットの頻度を出力することになる。また、頻度スコア出力部１３７は、該頻度スコアが予め定められた閾値以上であったユニットを、高頻度ユニットとして特定することができる。なお、閾値は、例えば、教師データ、又は予備実験等により実験的に予め設定される。
【０２７２】
［ステップＢ６］
続いて、トピック変化ユニット特定部１３５は、実施例１で説明したステップＡ５と同様に動作して、ステップＢ５で特定された高頻度ユニットの中から、トピック変化ユニットを特定する。
【０２７３】
［ステップＢ７］
続いて、弊害ユニット特定部１３６は、ステップＢ５にて特定された各高頻度ユニットに対し、頻度スコアに基づいて、当該高頻度ユニットが弊害ユニットである可能性を表す弊害ユニットスコアを算出する。弊害ユニットスコアは、値が高い程、高頻度ユニットが弊害ユニットである可能性が高い事を表す。
【０２７４】
具体的には、弊害ユニット特定部１３６は、頻度スコアが高い程、値が高くなり、且つ、ステップＢ６にて特定されたトピック変化ユニットに該当すれば、値が低くなるように、弊害ユニットスコアを算出する。弊害ユニット特定部１３６は、例えば、弊害ユニットスコアとして、ステップＢ６でトピック変化ユニットに特定されたユニットに対しては０（ゼロ）を設定することができる。また、この場合、弊害ユニット特定部１３６は、弊害ユニットスコアとして、トピック変化ユニットに特定されなかった高頻度ユニットに対しては、頻度スコアと同じ値を設定することができる。
【０２７５】
また、弊害ユニット特定部１３６は、弊害ユニットスコアとして、ステップＢ６でトピック変化ユニットに特定されたユニットに対しては、頻度スコアから予め設定された定数が除かれた値を設定することもできる。更に、この場合も、弊害ユニット特定部１３６は、弊害ユニットスコアとして、トピック変化ユニットに特定されなかった高頻度ユニットに対しては、頻度スコアと同じ値を設定することができる。なお、高頻度ユニットがトピック変化ユニットとして特定された場合において、頻度スコアから除かれる定数の値は、
予め、人手、教師データ、又は予備実験等により実験的に定めれば良い。
【０２７６】
そして、弊害ユニット特定部１３６は、弊害ユニットスコアが、予め定められた閾値以上であった高頻度ユニットを、弊害ユニットとして特定する。この場合、閾値は、例えば、教師データ又は予備実験等により実験的に予め設定される。
【０２７７】
［ステップＢ８］
最後に、出力部１２０は、ステップＢ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（図２３（ａ）参照）。また、出力部１２０は、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる（図２３（ｂ）参照）。更に、出力部１２０は、弊害ユニット及び弊害語に加え、ステップＢ７で算出された弊害ユニットの弊害ユニットスコアを共に出力しても良い。なお、弊害語に加えて、弊害ユニットスコアを出力する場合は、該弊害語を含むユニットに付与された弊害ユニットスコアが出力される。
【０２７８】
（実施例２の効果）
以下に、本実施例２の効果を説明する。上述したように、実施例２では、弊害ユニット特定部１３６は、高頻度ユニット特定部１３１で特定された高頻度ユニットに対し、弊害ユニットスコアを算出し、該弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。
【０２７９】
例えば、実施例１の効果でも述べたように、本実施例２においても、「大変申し訳ございません。」の頻度は１となり、トピック変化ユニットとしても特定されないため、該発話の弊害ユニットスコアは１となる。この場合、例えば、弊害ユニットとなるか否かを決める際に用いる弊害ユニットスコアの閾値が０．５であるとすると、弊害ユニットスコアは十分高いため、上記発話は弊害ユニットとして特定される。
【０２８０】
従って、本実施例２においても、実施例１と同様に、自立語又は内容語の弊害語を特定する事が可能となり、更に、自立語及び内容語のいずれか又は両方を含む弊害ユニットを特定する事も可能となる。また、本実施例２では、補助テキスト集合内の補助テキストを通じた頻度から計算される頻度スコアにより、弊害ユニットが求められている。このため、本実施例２においても、実施例１と同様に、分析対象テキスト中での出現が低頻度である弊害語又は弊害ユニットであっても、特定する事が可能となる。
【０２８１】
また、本実施例２では、実施例１と異なり、弊害ユニットの特定は、弊害ユニット特定部１３６が頻度スコアに基づいて算出した、弊害ユニットスコアを用いて行っている。ここで、頻度スコア及び弊害ユニットスコアの値が高いユニット程、補助テキスト集合内の補助テキストに共通して多く出現しやすいユニットであるといえる。このため、相槌及び挨拶といった、内容の個別性に関係なく多くのトピックで出現するユニットは、弊害ユニットになり易い傾向にある。
【０２８２】
例えば、図１１に示された「大変申し訳ございません。」、「はい」、「ありがとうございます」は、弊害ユニットである相槌又は挨拶等に該当し、図１２の補助テキスト１２−１及び図１３の補助テキスト１２−２の両方に出現する。
【０２８３】
これに対し、個別的な内容に該当し得、且つ、弊害ユニットにもなり得る弊害語として「電話」が挙げられるが、これは図１２の補助テキスト１２−１にしか出現していない。更に、より個別的な内容で弊害ユニットにはならない「紙」及び「詰まる」といった単語は、補助テキスト１２−１及び１２−２の両方に出現していない。
【０２８４】
従って、本実施例２では、頻度が予め定めた閾値以上のものを高頻度ユニットとして等しく扱う実施例１（ステップＡ４参照）と異なり、頻度スコアが導入されて頻度の情報がより詳細に扱われるため、弊害ユニットの選別がより正確となる。実施例２によれば、実施例１よりも精度良く弊害ユニットを特定する事ができる。
【実施例３】
【０２８５】
（実施例３の動作）
次に、実施の形態３における情報分析装置及び情報分析方法の実施例を実施例３として説明する。先ず、実施例３における情報分析装置の動作と、実施例３における情報分析方法の流れとを説明する。また、実施例３の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０２８６】
本実施例３においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０２８７】
以下、図１１〜図１３に示したテキストを用いて、本実施例３により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図６に示したフロー図に沿って、実施の形態３における情報処理装置２３０の動作を中心に説明する。なお、適宜、図５も参酌する。
【０２８８】
［ステップＣ１］
まず、入力部２１０は、図１１に示す分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２とを受け取り、これらのテキストを高頻度ユニット特定部２３１に入力する。ステップＣ１は、実施例１におけるステップＡ１と同様のステップである。
【０２８９】
［ステップＣ２−Ｃ４］
次に、高頻度ユニット特定部２３１は、要素分割部２３２、要素頻度算出部２３３、及びユニット頻度算出部２３４によって、ステップＣ２〜Ｃ４を実行する。ステップＣ２〜Ｃ４は、実施例１におけるステップＡ２〜Ａ４と同様のステップである。
【０２９０】
［ステップＣ５］
続いて、トピック変化ユニット特定部２３５は、ＤＢ１４を参照しながら、ステップＣ４にて特定された高頻度ユニットに対し、トピック変化ユニットとなる可能性を表すトピック変化ユニットスコアを算出する。また、トピック変化ユニットスコアは、値が高い程、トピック変化ユニットである可能性が高い事を表すスコアである。
【０２９１】
ＤＢ１４には、予め作成された、トピックが変化する時に多く使われるトピック変化ユニットの特徴が格納されている（図１６〜図１９参照）。具体的には、ＤＢ１４は、実施例１おけるステップＡ５で用いられるＤＢ１４と同様に、トピック変化ユニット自体を格納していても良いし、ユニットと該ユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納していても良い。また、ＤＢ１４は、トピック変化ユニットとなる特徴を規定したルールを格納していても良いし、ルールと該ルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納していても良い。
【０２９２】
ここで、ＤＢ１４を用いた、トピック変化ユニット特定部２３５によるトピック変化ユ
ニットスコアの計算方法の例を説明する。ＤＢ１４が、例えば、図１６に示すように、トピック変化ユニット自体を格納している場合、トピック変化ユニット特定部２３５は、先ず、高頻度ユニットとＤＢ１４内の各ユニットとを比較する。そして、トピック変化ユニット特定部２３５は、一致するユニットが存在した場合、該高頻度ユニットのトピック変化ユニットスコアを予め人手で定めた０（ゼロ）より大きい定数に設定する。一方、トピック変化ユニット特定部２３５は、一致するユニットが存在しなかった場合、該高頻度ユニットのトピック変化ユニットスコアを０（ゼロ）に設定する。
【０２９３】
例えば、上記の定数が「１」に定められている場合に、ステップＣ４において、図１１に示した発言インデックス４、９、１８が高頻度ユニットであると特定されたとする。この場合、発言インデックス４、９は、図１６に示すように、ＤＢ１４内の発話と一致するため、該発話のトピック変化ユニットスコアは「１」に設定される。また、発言インデックス１８は、図１６に示すように、ＤＢ１４内の発話と一致しないため、該発話のトピック変化ユニットスコアは「０」となる。
【０２９４】
また、ＤＢ１４が、図１７に示すように、ユニットと該ユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納している場合は、トピック変化ユニット特定部２３５は、先ず、高頻度ユニットとＤＢ１４内の各ユニットとを比較する。そして、トピック変化ユニット特定部２３５は、一致するユニットが存在する場合、該ユニットのスコアをトピック変化ユニットスコアとし、存在しない場合は、トピック変化ユニットスコアを０（ゼロ）とする。
【０２９５】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４、９、１８は、全て、図１７に示すように、ＤＢ内の発話と一致するので、一致する発話のスコアがそれぞれのトピック変化ユニットスコアに設定される。従って、発言インデックス４のトピック変化ユニットスコアは「０．９５」に設定され、発言インデックス９のトピック変化ユニットスコアは「０．９」に設定され、発言インデックス１８のトピック変化ユニットスコアは「０．１２」に設定される。
【０２９６】
更に、ＤＢ１４が、図１８に示すように、トピック変化ユニットとなる特徴を規定したルールを格納している場合は、トピック変化ユニット特定部２３５は、ＤＢ１４のルールの内、高頻度ユニットに該当するルールの数をトピック変化ユニットスコアとすることができる。
【０２９７】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４に該当するルールは、図１８に示したＤＢ１４内の一番上のルール、１つだけであるので、該発話（発言インデックス４）のトピック変化ユニットスコアは１となる。同様に、発言インデックス９のトピック変化ユニットスコアも１となる。一方、発言インデックス１８は、図１８に示したＤＢ１４内のいずれのルールにも該当しないため、トピック変化ユニットスコアは０（ゼロ）となる。
【０２９８】
また、ＤＢ１４が、図１９に示すように、トピック変化ユニットとなる特徴を規定したルールと、該ルールが適用されたユニットがトピック変化ユニットとなる可能性を表すスコアとのペアデータを格納しているとする。この場合、トピック変化ユニット特定部２３５は、まず、高頻度ユニットとＤＢ１４内の各ルールとを比較し、ＤＢ１４内に該高頻度ユニットに該当するルールが存在しているかどうかを判定する。
【０２９９】
そして、トピック変化ユニット特定部２３５は、該当するルールが存在しない場合は、
該高頻度ユニットのトピック変化ユニットスコアを０（ゼロ）に設定する。一方、トピック変化ユニット特定部２３５は、該当するルールが存在する場合は、該ルールのスコアの総和をトピック変化ユニットスコアに設定する。
【０３００】
例えば、ステップＣ４にて図１１に示した発言インデックス４、９、１８が高頻度ユニットとして特定されたとする。この場合、発言インデックス４に該当するルールは、図１９に示したＤＢ１４内の上から一つ目ルールと三つ目のルールとである。よって、該発話（発言インデックス４）のトピック変化ユニットスコアは、該当するルールの総和である０．６（＝０．４＋０．２）となる。
【０３０１】
また、発言インデックス９に該当するルールは、図１９に示したＤＢ１４内の上から二つ目のルールと三つ目のルールとである。よって、該発話（発言インデックス９）のトピック変化ユニットスコアは、該当するルールの総和である０．９（＝０．７＋０．２）となる。
【０３０２】
一方、発言インデックス１８に該当するルールは、図１９に示したＤＢ１４内には存在していない。このため、該発話（発言インデックス１８）のトピック変化ユニットスコアは０（ゼロ）となる。
【０３０３】
そして、各高頻度ユニットのトピック変化ユニットスコアを算出した後、トピック変化ユニット特定部２３５は、該トピック変化ユニットスコアが高いユニットをトピック変化ユニットとして特定する。具体的には、トピック変化ユニットスコアが、予め、人手、教師データ、又は予備実験等により実験的に定められた閾値以上であれば、トピック変化ユニット特定部２３５は、該ユニットをトピック変化ユニットとして特定する。
【０３０４】
また、実施例３においても、トピック変化ユニット特定部２３５は、実施例１におけるステップＡ５と同様、予め作成された、入力箇所のトピックを推定可能な統計的モデルを用いることができる。統計的モデルの具体例としては、本実施例３においても、例えば、図２０（ａ）及び（ｂ）に示したモデルが挙げられる。
【０３０５】
また、分析対象テキスト及び各補助テキストに対して、これらテキストに対応するテキストの元となった事象から、これらと異なる処理によって作成され、更に、複数のトピックに区分可能な対応テキストが存在する場合は、トピック変化ユニット特定部２３５は、該対応テキストを用いることもできる。対応テキストの具体例としては、本実施例３においても、図２１に示したテキストが挙げられる。
【０３０６】
また、トピック変化ユニット特定部２３５は、上述の統計的モデル又は対応テキストを用いてトピック変化ユニットを特定する場合は、これらを用いて、各高頻度ユニットのトピック変化ユニットスコアを求める。具体的には、トピック変化ユニット特定部２３５は、統計的モデル又は対応テキストを用いる場合は、各高頻度ユニットに対し、該高頻度ユニットの出現箇所の前方ｎ個のユニットからなる部分と後方ｎ個のユニットからなる部分のトピックが変化したと推定された「割合」（ステップＡ５参照）を、トピック変化ユニットスコアとすることができる。
【０３０７】
［ステップＣ６］
続いて、トピック変化ユニットスコア出力部２３７は、ステップＣ５にて特定されたトピック変化ユニットと、該ユニットのトピック変化ユニットスコアとを共に弊害ユニット特定部２３６に出力する。
【０３０８】
［ステップＣ７］
続いて、弊害ユニット特定部２３６は、ステップＣ４で特定された高頻度ユニットに対し、弊害ユニットである可能性を表す弊害ユニットスコアを算出する。具体的には、弊害ユニット特定部２３６は、ステップＣ５にて算出されたトピック変化ユニットスコアが高い程、値が低くなるように、弊害ユニットスコアを算出する。本実施例３では、例えば、ステップＣ４にて特定された各高頻度ユニットに対し、予め、人手、教師データ、又は予備実験等により実験的に定めた一定の定数を与え、該定数からトピック変化ユニットスコアを除き、得られた値を弊害ユニットスコアとする事ができる。
【０３０９】
そして、弊害ユニット特定部２３６は、弊害ユニットスコアが、予め定められた閾値以上であったユニットを弊害ユニットとして特定する。閾値は、例えば、教師データ、又は予備実験等により実験的に予め設定される。
【０３１０】
［ステップＣ８］
最後に、出力部２２０は、ステップＣ７にて特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する（図２３（ａ）参照）。また、出力部２２０は、弊害ユニットを構成している単語（弊害語）を特定する情報を受け取り、これを出力することもできる（図２３（ｂ）参照）。ステップＣ８は、実施例２におけるステップＢ８と同様のステップである。
【０３１１】
（実施例３の効果）
以下に、本実施例３の効果を説明する。上述したように、本実施例３では、弊害ユニット特定部２３６は、高頻度ユニット特定部２３１が特定した高頻度ユニットに対し、弊害ユニットスコアを算出し、該弊害ユニットスコアが高いユニットを弊害ユニットとして特定する。
【０３１２】
例えば、実施例１の効果でも述べたように、本実施例３においても、「大変申し訳ございません。」の頻度は１となり、高頻度ユニットとして特定される。また、本実施例３では、該発話は、ステップＣ５において、図１６に示した発話に該当しないので、該発話のトピック変化ユニットスコアは０（ゼロ）となる。
【０３１３】
また、ステップＣ７において、上記発話の弊害ユニットスコアは、高頻度ユニットに対して与えられている定数となる。この場合、弊害ユニットスコアは十分高いものであるため、上記発話は弊害ユニットとして特定される。具体的には、例えば、定数が１に設定されており、弊害ユニットとなるか否かを決める際に用いる弊害ユニットスコアの閾値が０．５であるとすると、弊害ユニットスコアは閾値より高いため、上記発話は弊害ユニットとして特定される。なお、定数は、上述したように、予め、人手、教師データ、又は予備実験等により実験的に設定されている。
【０３１４】
従って、本実施例３においても、実施例１と同様に、自立語又は内容語の弊害語を特定する事が可能となり、更に、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事も可能となる。また、本実施例３においても、補助テキスト集合内の補助テキストを通じた頻度の高い高頻度ユニットが特定され、これを基に、弊害ユニットが求められている。よって、本実施例３を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３１５】
また、本実施例３では、実施例１と異なり、弊害ユニットは、弊害ユニット特定部２３６により、トピック変化ユニットスコアが考慮され、弊害ユニットである可能性を表す弊害ユニットスコアに基づいて特定される。つまり、本実施例３では、弊害ユニットを特定する際に、ステップＣ５で特定されたトピック変化ユニットは全て等しく扱われていない。トピック変化ユニットである可能性が高いユニットの方が、トピック変化ユニットであ
る可能性の低いユニットよりも、弊害ユニットになりにくくなるという判定が行われている。このため、実施例３によれば、ユニットがトピック変化ユニットであるかどうかという情報がより詳細に扱われるため、実施例１に比べて、精度良く弊害ユニットを特定する事ができる。
【０３１６】
例えば、トピック変化ユニットを特定する際に、図１９に示した、ルールと、該ルールに対応するスコアとのペアデータが格納されたＤＢ１４が用いられる場合を考える。実施例１では、ステップＡ５で、トピック変化ユニットか否かを決定する際のスコアの閾値が０．２に設定されていると、図１９から分かるように、疑問文の発話全てがトピック変化ユニットとして特定されてしまう。しかし、図１１の例（発言インデックス４や９）より、「用件」又は「問い合わせ」を含む疑問文は、前後でトピックが変わるトピック変化発話となるが、一方で、その他の疑問文（図１１の発言インデックス１９）はトピック変化発話になりにくい。従って、実施例１によれば、ステップＡ６で、高頻度ユニットから疑問文の発話全てが除かれ、弊害ユニットに疑問文の発話が含まれなくなる可能性があり、結果、正しく弊害ユニットを特定する事ができない場合も考えられる。
【０３１７】
また、本実施例３の場合も、ステップＣ５で、トピック変化ユニットか否かを決定する際のトピック変化ユニットスコアの閾値を０．２とした場合も、ステップＣ５では、疑問文の発話全てがトピック変化ユニットとして特定されてしまう。しかし、本実施例３では、ステップＣ７で、トピック変化ユニットスコアが低い発話の方が、それが高い発話よりも弊害ユニットになり易くなる。従って、ステップＣ７において、ステップＣ５の誤判定を緩和する事ができる。
【０３１８】
つまり、本実施例３においては、単なる疑問文の発話のトピック変化ユニットスコアは、「問い合わせ」又は「用件」を含む疑問文の発話のトピック変化ユニットスコアより低くなる。このため、本実施例３によれば、単なる疑問文の発話が、「用件」又は「問い合わせ」を含む疑問文より、ステップＣ７で弊害ユニットとして特定され易くなるので、実施例１よりも、更に精度よく弊害ユニットを特定することが可能となる。
【実施例４】
【０３１９】
（実施例４の動作）
次に、実施の形態４における情報分析装置及び情報分析方法の実施例を実施例４として説明する。先ず、実施例４における情報分析装置の動作と、実施例４における情報分析方法の流れとを説明する。また、実施例４の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０３２０】
本実施例４においては、分析対象テキスト３１１としては、各発話の話者を特定する情報が付加された対話テキストが用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキスト３１２としても、各発話の話者を特定する情報が付加された対話テキストが用いられる。
【０３２１】
なお、図１１に示した分析対象テキスト１１、図１２に示した補助テキスト１２−１、及び図１３に示した補助テキスト１２−２には、既に、話者を特定する情報が付加されている。このため、本実施例４においても、図１１に示した分析対象テキスト１１、図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０３２２】
以下、図１１〜図１３に示したテキストを用いて、本実施例４により、分析対象テキスト３１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図８に示したフロー図に沿って、実施の形態４における情報処理装置３３０の動作を中心に説明する。なお、適
宜、図７も参酌する。
【０３２３】
［ステップＤ１］
まず、入力部３１０は、トピック境界を判定する対象となる分析対象テキスト１１と、図１２に示す補助テキスト１２−１と、図１３に示す補助テキスト１２−２を受け取り、これらのテキストを同一話者テキスト特定部３３７に入力する。ステップＤ１で入力される、分析対象テキスト、及び補助テキストは、対話テキストであり、これらのテキストには、上述したように各テキストで発話した話者を特定する情報が付与されている。
【０３２４】
具体的には、話者を特定する情報は、図１１及び図１２に示すように、各テキストに直接付加されていても良いし、テキストとは別のリストによって付加されていても良い。また、図１１及び図１２の例では、話者を特定する情報は、テキスト内で発話している全話者を特定可能な情報となっているが、これに限定されず、代表的な話者のみを特定可能な情報であっても良い。例えば、図１１及び図１２の各テキストに、顧客の情報はなく、どのオペレータが発話したかの情報だけが付与されていても良い。
【０３２５】
［ステップＤ２］
続いて、同一話者テキスト特定部３３７は、入力された各テキストが対話テキストであるので、分析対象テキスト１１に含まれる発話の話者を特定し、更に、この話者と同一の話者の発話を含む補助テキスト（同一話者テキスト）の集合を特定する。
【０３２６】
具体的には、先ず、分析対象テキスト１１で発話した話者を特定する。本実施例４では、図１１に示された話者情報から、つまり、「話者」の列から、「オペレータＡ」と「顧客１」とが話者として特定される。
【０３２７】
続いて、同一話者テキスト特定部３３７は、補助テキスト１２−１及び１２−２に対して、各補助テキストで発話している話者を特定し、特定した話者の中に分析対象テキスト１１で発話している話者が含まれていれば、それを含むテキストを同一話者テキストとする。
【０３２８】
本実施例４では、図１２に示す補助テキスト１２−１については、「オペレータＡ」と、「顧客１」とが話者として特定される。そして、「オペレータＡ」は分析対象テキスト１１の話者でもあるので、補助テキスト１２−１は同一話者テキストとして特定される。一方で、図１３に示す補助テキスト１２−２については、「オペレータＢ」と、「顧客３」とが話者として特定されるが、「オペレータＢ」及び「顧客３」は分析対象テキスト１１の話者ではない。このため、補助テキスト１２−２は、同一話者テキストとして特定されない。
【０３２９】
従って、ステップＤ１で入力された補助テキスト集合が、補助テキスト１２−１と補助テキスト１２−２との二つのみで構成される場合は、図１１に示す分析対象テキスト１１に対する同一話者テキストは、図１２に示す補助テキスト１２−１のみとなる。そして、同一話者テキスト特定部３３７は、特定した同一話者テキストを高頻度ユニット特定部３３１に出力する。
【０３３０】
［ステップＤ３−Ｄ５］
続いて、高頻度ユニット特定部３３１は、分析対象テキストの各ユニットの内、ステップＤ２で特定した同一話者テキスト集合内の多数の同一話者テキストに出現するユニットを特定し、特定したユニットを高頻度ユニットとして出力する。
【０３３１】
つまり、実施例１におけるステップＡ２〜Ａ４では、入力された補助テキスト集合を全
て用いて高頻度ユニットが特定されている。これに対して、本実施例４では、ステップＤ３以降において、ステップＤ２で特定された同一話者テキストのみが用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０３３２】
具体的には、ステップＤ１で入力された補助テキスト集合が補助テキスト１２−１及び１２−２のみで構成されている場合、実施例１におけるステップＡ２〜Ａ４では、補助テキスト１２−１及び１２−２を用い、高頻度ユニットの特定等の処理が実行される。一方、本実施例４のステップＤ３〜Ｄ５では、図１２に示す補助テキスト１２−１のみに対して、ステップＡ２〜Ａ４と同様のステップが実行される。
【０３３３】
［ステップＤ６−Ｄ８］
続いて、トピック変化ユニット特定部３３５が、トピック変化ユニットを特定し、弊害ユニット特定部３３６が、弊害ユニットを特定する。更に、出力部３２０が、特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。ステップＤ６〜Ｄ８は、実施例１におけるステップＡ５〜Ａ７と同様のステップである。
【０３３４】
（実施例４の効果）
以下に、本実施例４の効果を説明する。上述したように、本実施例４では、実施例１と同様に、弊害ユニット特定部３３６は、高頻度ユニット特定部３３１で特定された高頻度ユニットから、トピック変化ユニット特定部３３５で特定されたトピック変化ユニットを除いて、弊害ユニットを特定する。
【０３３５】
従って、本実施例４においても、実施例１と同様に、機能語又は付属語といった単語の属性に依らないで弊害ユニットを特定できる。よって、本実施例４によっても、自立語及び内容語の弊害語も特定することができるので、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事ができる。また、本実施例４を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３３６】
また、本実施例４によれば、実施例１と比べて、更に弊害ユニットを精度良く特定する事ができる。この点について次に説明する。先ず、弊害ユニットである、挨拶又は相槌といった内容に関係なく発せられる口癖等は、話者によって個別的であり、又異なっていることが多くなっている。例えば、図１１及び図１２に示すように、物事を承った際に、オペレータＡは「分かりました」を使うのに対し、オペレータＢは「承知しました」を使っている。また、オペレータＡは相槌として「はぁ」を使う事があるのに対し、オペレータＢは「えー」を使っている。
【０３３７】
従って、実施例１のように、様々な話者が混在したテキストの集合を基に、各ユニットの頻度を計算すると、話者毎に個別的で異なった弊害ユニットの頻度が低くなってしまうことがある。この場合、上記の弊害ユニットは、高頻度ユニットとして特定されず、最終的に、弊害ユニットとして特定されない可能性がある。
【０３３８】
例えば、実施例１において、頻度として、各要素が出現した補助テキストの数を補助テキスト集合内の補助テキストの総数で正規化して得られた値が用いられるとする。この場合、図１１において、オペレータＡに個別的で、オペレータＢが用いる事のない弊害ユニット、例えば、発言インデックス１４「はぁ」、発言インデックス８「分かりました」の頻度は、０．５（＝１／２）となる。そして、実施例１におけるステップＡ４で、高頻度ユニットか否かを決める際に用いられる頻度の閾値によっては、上記発言は、高頻度ユニットとして特定されず、最終的に弊害ユニットとして特定されない可能性がある。
【０３３９】
一方、本実施例４では、同一発話者テキストを用いて頻度が計算されるので、話者毎に
個別的で異なっている弊害ユニットの頻度は高くなり、高頻度ユニットとしてより鮮明に浮かび上がることとなる。
【０３４０】
具体的には、実施例４では、図１１において、オペレータＡに個別的で、オペレータＢが用いる事のない弊害ユニット、発言インデックス１４「はぁ」、発言インデックス８「分かりました」の頻度は、１（＝１／１）となる。よって、これらの発言は、高頻度ユニットとして特定され易く、最終的に弊害ユニットとして特定される可能性が高くなる。従って、実施例４によれば、話者毎に個別的であり、且つ、話者毎に異なっている弊害ユニットを、実施の形態１に比べて、より精度良く特定する事ができる。
【実施例５】
【０３４１】
（実施例５の動作）
次に、図２４を用いて、実施の形態５における情報分析装置及び情報分析方法の実施例を実施例５として説明する。先ず、実施例５における情報分析装置の動作と、実施例５における情報分析方法の流れとを説明する。また、実施例５の説明においても、実施例１の説明で用いた図１１〜図２３を参酌する。
【０３４２】
本実施例５においても、実施例１と同様に、分析対象テキストとしては、例えば図１１に示すテキスト１１が用いられる。また、分析対象テキスト１１と共通のトピックを含む補助テキストとしては、例えば図１２に示すテキスト１２−１及び図１３に示すテキスト１２−２が用いられる。
【０３４３】
以下、図１１〜図１３に示したテキストを用いて、本実施例５により、分析対象テキスト１１のトピック境界を判定する際に悪影響を与える単語（弊害語）や発話（弊害ユニット）が特定される過程の例を説明する。また、以下においては、図１０に示したフロー図に沿って、実施の形態５における情報処理装置４３０の動作を中心に説明する。なお、適宜、図９も参酌する。
【０３４４】
［ステップＥ１］
まず、入力部４１０は、トピック境界を判定する対象となる分析対象テキスト１１と、補助テキスト１２−１及び１２−２と、分析対象テキスト１１の対応テキスト４１１と、各補助テキストに対応する対応テキスト４１２とを受け取る。また、入力部４１０は、これらのテキストを異内容テキスト特定部４３７に入力する。対応テキスト４１１は、分析対象テキスト１１の元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。対応テキスト４１２は、補助テキスト１２毎に作成され、且つ、対応する補助テキストの元となった事象から、これを作成した時の処理とは異なる処理によって作成されたテキストである。
【０３４５】
図１や図１２のように、分析対象テキストや補助テキストが、コールセンターの通話音声を音声認識した結果得られたテキストである場合、各テキストの対応テキストは、例えば、応対メモになる。
【０３４６】
本実施例５においては、分析対象テキスト１１、補助テキスト１２−１及び１２−２は、コールセンターにおける通話から作成されていることから、対応テキストとしては、図１７又は図２４（ａ）〜（ｃ）に示した応対メモが挙げられる。また、対応テキストは、図１７に示すようにトピック別にまとめられたテキストであっても良いし、図２４（ａ）〜（ｃ）に示すようにトピックが混在したテキストであっても良い。
【０３４７】
なお、図２４（ａ）〜（ｃ）は、対応テキストの一例を示す図である。特に、図２４（ａ）は図１１に示した分析対象テキストの対応テキストを示している。また、図２４（ｂ
）は図１２に示した補助テキストの対応テキストを示し、図２４（ｃ）は図１３に示した補助テキストの対応テキストを示している。
【０３４８】
但し、図１７に示す、トピック別にまとめられている対応テキストが入力されても、各トピック部分に記述された文を全て連結すれば、トピックが混在している応対メモが作成される。本実施例５では、このような応対メモを対応テキストして利用することもできる。
【０３４９】
［ステップＥ２］
続いて、異内容テキスト特定部４３７は、対応テキスト４１１及び４１２を用い、補助テキストのうち、分析対象テキスト１１と内容が異なる２以上の補助テキストを、この２以上の補助テキストの間においても内容が異なるように選択する。この選択された補助テキストが「異内容テキスト」となる。
【０３５０】
具体的には、分析対象テキスト１１、補助テキスト１２−１及び１２−２の内容は、各テキストに対応する対応テキストに記載されている内容と一致していると近似的に捉えることができる。よって、異内容テキスト特定部４３７は、各対応テキスト同士の内容の類似度合いを比較し、比較結果に基づいて、異内容テキスト集合を生成する。
【０３５１】
例えば、まず、異内容テキスト特定部４３７は、分析対象テキストの対応テキスト４１１と各補助テキストの対応テキスト４１２とに対して、形態素解析を行う。そして、異内容テキスト特定部４３７は、実施例１のステップＡ５で説明した処理と同様の処理によって、一形態素をベクトルの一次元に対応させた単語ベクトルを作成する。そして、異内容テキスト特定部４３７は、生成した各対応テキストの単語ベクトルに対し、例えば、ｋ−ｍｅａｎｓ法やＰＬＳＩなどの一般的なクラスタリング手法を用いて、類似するテキスト同士をまとめあげ、複数のクラスタを生成する。
【０３５２】
ここで、ｋ−ｍｅａｎｓ法を用いる場合は、先ず、異内容テキスト特定部４３７は、クラスタの中心をｋ個決める。そして、異内容テキスト特定部４３７は、クラスタリングによる分類対象の各要素に対し、各クラスタの中心とのコサイン類似度を求め、最も類似度が高かったクラスタに該要素を分類する。全ての要素を分類した後、異内容テキスト特定部４３７は、各クラスタの要素の平均を計算し、それを新たなクラスタの中心とし、再度分類を行う。異内容テキスト特定部４３７が、この一連の動作を繰り返す事により、クラスタリングが実現される。なお、ｋは、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０３５３】
ｋ−ｍｅａｎｓ法によれば、単語ベクトルのコサイン類似度が互いに高い対応テキストが一つのクラスタとしてまとまり、異なるクラスタの要素間の類似度は低くなる。ここで、例えば、ｋを２と定める。この場合、図２４（ａ）〜（ｃ）に示すように、分析対象テキスト１１の対応テキストと補助テキスト１２−２の対応テキストとは、「プリンター」「調子」「修理」といった共通の単語を多く含む。よって、この二つの対応テキストは、一つのクラスタに分類される。一方、補助テキスト１２−１の対応テキストは、もう一方のクラスタに分類される。
【０３５４】
続いて、異内容テキスト特定部４３７は、分析対象テキスト１１の対応テキストを含まない各クラスタから、ランダムで一つずつ対応テキストを選択し、該対応テキストが対応している補助テキストを「異内容テキスト」として特定する。本実施例５では、上述のクラスタリング結果から、図１３に示した補助テキスト１２−１が、異内容テキストとして特定される。
【０３５５】
また、異内容テキスト特定部４３７は、例えば、以下の処理によって、異内容テキストを特定することもできる。この場合も、異内容テキスト特定部４３７は、先ず、上述の処理と同様に、分析対象テキスト１１の対応テキスト、補助テキスト１２−１の対応テキスト、及び補助テキスト１２−２の対応テキストの単語ベクトルを作成する。
【０３５６】
そして、異内容テキスト特定部４３７は、分析対象テキストの対応テキストの単語ベクトル及び各補助テキストの対応テキストの単語ベクトルについてコサイン類似度を計算する。なお、コサイン類似度は、補助テキストの対応テキスト同士についても計算される。更に、異内容テキスト特定部４３７は、分析対象テキストの対応テキストとのコサイン類似度が閾値未満である補助テキストの対応テキストを一つ選択し、該対応テキストに対応する補助テキストを異内容テキストとする。
【０３５７】
続いて、上記で異内容テキストに選択されていない補助テキストの対応テキストのうち、分析対象テキストの対応テキスト、及び上記異内容テキストとして選択されたテキストの対応テキスト、全てとのコサイン類似度が閾値未満となるテキストが存在する場合は、異内容テキスト特定部４３７は、この補助テキストを一つ選択し、異内容テキストに追加する。
【０３５８】
この一連の動作は、異内容テキストに選択されていない補助テキストの対応テキストのうち、分析対象テキストの対応テキスト、及び異内容テキストとして選択されたテキストの対応テキスト、全てとのコサイン類似度が閾値未満となるテキストが存在しなくなるまで繰り返し、実行される。これにより、最終的な異内容テキスト集合が特定される。なお、閾値は、予め、人手、教師データ、又は予備実験等により実験的に設定される。
【０３５９】
［ステップＥ３−Ｅ５］
続いて、高頻度ユニット特定部４３１は、分析対象テキストの各ユニットの内、ステップＥ２で特定した異内容テキスト集合内の多数の異内容テキストに出現するユニットを特定し、これを高頻度ユニットとして出力する。つまり、実施例１におけるステップＡ２〜Ａ４では、入力された補助テキスト集合を全て用いて高頻度ユニットが特定されている。これに対して、本実施例５では、ステップＥ３以降において、ステップＥ２で特定された異内容テキストのみが用いられて、高頻度ユニット、トピック変化ユニット、及び弊害ユニットが特定される。
【０３６０】
具体的には、ステップＥ１で入力された補助テキスト集合が補助テキスト１２−１及び１２−２のみで構成されている場合、実施例１におけるステップＡ２〜Ａ４では、補助テキスト１２−１及び１２−２を用いて、高頻度ユニットの特定等の処理が実行される。一方、本実施例５のステップＥ３〜Ｅ５では、異内容テキストは、図１２に示す補助テキスト１２−１のみであり、これのみに対して、ステップＡ２〜Ａ４と同様のステップが実行される。
【０３６１】
［ステップＥ６−Ｅ８］
続いて、トピック変化ユニット特定部４３５が、トピック変化ユニットを特定し、弊害ユニット特定部４３６が、弊害ユニットを特定する。更に、出力部４２０が、特定された弊害ユニットを特定する情報を受け取り、これを外部に出力する。ステップＥ６〜Ｅ８は、実施例１におけるステップＡ５〜Ａ７と同様のステップである。
【０３６２】
（実施例５の効果）
以下に、本実施例５の効果を説明する。上述したように、本実施例５では、実施例１と同様に、弊害ユニット特定部４３６は、高頻度ユニット特定部４３１で特定された高頻度ユニットから、トピック変化ユニット特定部４３５で特定されたトピック変化ユニットを
除いて、弊害ユニットを特定する。
【０３６３】
従って、本実施例５においても、実施例１と同様に、機能語又は付属語といった単語の属性に依らないで弊害ユニットを特定できる。よって、本実施例５によっても、自立語及び内容語の弊害語も特定することができるので、自立語及び内容語のいずれか又は両方を含む弊害ユニットも特定する事ができる。また、本実施例５を用いた場合も、分析対象テキスト中での出現が低頻度である弊害語、又は弊害ユニットを特定する事ができる。
【０３６４】
また、本実施例５によれば、実施例１と比べて、更に弊害ユニットを精度よく特定する事ができる。この点について次に説明する。先ず、実施例１では、内容の類似した補助テキストも含めて、分析対象テキストのユニットの頻度を計算する。このため、内容に関係するトピック境界の判定に必要なユニットの頻度が高く算出され、高頻度ユニットとして特定される可能性がある。この場合、最終的に、この高頻度ユニットが、弊害ユニットとして誤って特定されてしまう場合がある。
【０３６５】
具体的には、実施例１では、入力された補助テキストに、図１２に示す補助テキスト１２−２が含まれ、このテキストは、図１１に示す分析対象テキストと類似した内容を持つため、内容に関係するトピック境界の判定に必要な単語の頻度が高くなる。よって、このような単語を含むユニットが高頻度ユニットとして特定される可能性があり、更には、最終的に、この高頻度ユニットが、弊害ユニットとして誤って特定されてしまう可能性もある。
【０３６６】
例えば、図１１に示された、「プリンター」は、内容に関係するトピック境界の判定に必要な単語と考えられる。しかし、実施例１では、頻度として、各要素が出現した補助テキストの数を補助テキストの総数で正規化して得られる値を用いた場合、「プリンター」の頻度は、０．５（＝１／２）となる。この場合、ステップＡ４で高頻度ユニットか否かを決める際に用いる頻度の閾値によっては、「プリンター」を含む発話が、高頻度ユニットとして特定され、最終的には弊害ユニットとして誤って特定されてしまう可能性がある。
【０３６７】
一方、本実施例５では、異内容テキストの集合は、内容が互いに異なる補助テキストで構成されており、これらを用いて頻度を算出すれば、上述の内容に関係するトピック境界の判定に必要なユニットの頻度は低下する。よって、このようなユニットは、高頻度ユニットから排除されやすくなる。
【０３６８】
具体的には、本実施例５では、異内容テキストとしては、図１２に示すテキスト１２−１のみが用いられるため、「プリンター」の頻度は０となり、「プリンター」を含むユニットが高頻度ユニットとして特定される事はなくなる。これにより、内容に関係がないユニットの頻度が、相対的に高くなり、このユニットが高頻度ユニットとしてより鮮明に浮かび上がる。この結果、本実施例５によれば、実施例１に比べてより精度良く弊害ユニットを特定する事ができる。
【産業上の利用可能性】
【０３６９】
本発明は、分析対象テキストと共通のトピックを含むテキストが複数存在する状況に適用でき、効果を発揮する。例えば、分析対象テキストが、コールセンターでの通話音声の音声認識結果、又は通話音声の書き起こしテキストである場合、同じコールセンターでなされた他事例の通話音声の音声認識結果又は通話音声の書き起こしテキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合に有用である。
【０３７０】
例えば、分析対象テキストが、店頭販売における店員と顧客のやり取りを記した対話テキストである場合は、同店での他の顧客と店員とのやり取りを記した対話テキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７１】
例えば、分析対象テキストが、アンケート調査の際に行われたやり取りを記した対話テキストである場合は、同じアンケートについて他の多くの回答者に対してもやり取りが行われている。この場合に、他の回答者とのやり取りを記した対話テキストは、元の対話テキストと共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７２】
例えば、分析対象テキストが、あるニュース番組をテキスト化したテキストである場合は、他の日に放送された同じニュース番組をテキスト化したテキストが多数存在することがある。両者は共通のトピックを有することが多く、本発明は、この場合にも有用である。
【０３７３】
例えば、分析対象テキストが、会議音声の音声認識結果又はその書き起こしのテキストである場合、分析対象テキストの元となった会議と同様の進め方で別の会議が多数開催されることがある。この場合に、別の会議の音声認識結果又はその書き起こしのテキストは、元の会議のテキストと共通のトピックを有することが多く、本発明は、この場合に有用である。
【符号の説明】
【０３７４】
１０ 入力部（実施の形態１）
１１ 分析対象テキスト
１２ 補助テキスト
１３ テキスト集合データベース
１４ トピック変化ユニットデータベース
２０ 出力部（実施の形態１）
３０ 情報分析装置（実施の形態１）
３１ 高頻度ユニット特定部（実施の形態１）
３２ 要素分割部（実施の形態１）
３３ 要素頻度算出部（実施の形態１）
３４ ユニット頻度算出部（実施の形態１）
３５ トピック変化ユニット特定部（実施の形態１）
３６ 弊害ユニット特定部（実施の形態１）
１１０ 入力部（実施の形態２）
１２０ 出力部（実施の形態２）
１３０ 情報分析装置（実施の形態２）
１３１ 高頻度ユニット特定部（実施の形態２）
１３２ 要素分割部（実施の形態２）
１３３ 要素頻度算出部（実施の形態２）
１３４ ユニット頻度算出部（実施の形態２）
１３５ トピック変化ユニット特定部（実施の形態２）
１３６ 弊害ユニット特定部（実施の形態２）
１３７ 頻度スコア出力部（実施の形態２）
２１０ 入力部（実施の形態３）
２２０ 出力部（実施の形態３）
２３０ 情報分析装置（実施の形態３）
２３１ 高頻度ユニット特定部（実施の形態３）
２３２ 要素分割部（実施の形態３）
２３３ 要素頻度算出部（実施の形態３）
２３４ ユニット頻度算出部（実施の形態３）
２３５ トピック変化ユニット特定部（実施の形態３）
２３６ 弊害ユニット特定部（実施の形態３）
２３７ トピック変化ユニットスコア出力部（実施の形態３）
３１０ 入力部（実施の形態４）
３１１ 分析対象テキスト（実施の形態４）
３１２ 補助テキスト（実施の形態４）
３１３ テキスト集合データベース（実施の形態４）
３２０ 出力部（実施の形態４）
３３０ 情報分析装置（実施の形態４）
３３１ 高頻度ユニット特定部（実施の形態４）
３３２ 要素分割部（実施の形態４）
３３３ 要素頻度算出部（実施の形態４）
３３４ ユニット頻度算出部（実施の形態４）
３３５ トピック変化ユニット特定部（実施の形態４）
３３６ 弊害ユニット特定部（実施の形態４）
３３７ 同一話者テキスト特定部（実施の形態４）
４１０ 入力部（実施の形態５）
４１１ 分析対象テキストの対応テキスト（実施の形態５）
４１２ 補助テキストの対応テキスト（実施の形態５）
４１３ テキスト集合データベース（実施の形態５）
４２０ 出力部（実施の形態５）
４３０ 情報分析装置（実施の形態５）
４３１ 高頻度ユニット特定部（実施の形態５）
４３２ 要素分割部（実施の形態５）
４３３ 要素頻度算出部（実施の形態５）
４３４ ユニット頻度算出部（実施の形態５）
４３５ トピック変化ユニット特定部（実施の形態５）
４３６ 弊害ユニット特定部（実施の形態５）
４３７ 同一話者テキスト特定部（実施の形態５）
【特許請求の範囲】
【請求項１】
分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析装置であって、
前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部と、
前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部と、
前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部と、
を備えていることを特徴とする情報分析装置。
【請求項２】
前記高頻度ユニット特定部が、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項１に記載の情報分析装置。
【請求項３】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、請求項１または２に記載の情報分析装置。
【請求項４】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項１〜３のいずれかに記載の情報分析装置。
【請求項５】
同一話者テキスト特定部を、更に備え、
前記同一話者テキスト特定部は、前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定し、
前記高頻度ユニット特定部が、前記同一話者テキスト特定部によって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項４に記載の情報分析装置。
【請求項６】
異内容テキスト特定部を、更に備え、
異内容テキスト特定部は、前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択し、
前記高頻度ユニット特定部が、前記異内容テキスト特定部によって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項２〜４のいずれかに記載の情報分析装置。
【請求項７】
異内容テキスト特定部を、更に備え、
異内容テキスト特定部は、前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応
テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択し、
前記高頻度ユニット特定部が、前記異内容テキスト特定部によって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項５に記載の情報分析装置。
【請求項８】
前記トピック変化ユニット特定部が、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記高頻度ユニット特定部で特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項９】
前記トピック変化ユニット特定部が、前記高頻度ユニット特定部で特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項１０】
前記トピック変化ユニット特定部が、前記高頻度ユニット特定部で特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニットから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項１１】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項１０に記載の情報分析装置。
【請求項１２】
前記トピック変化ユニット特定部が、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記高頻度ユニット特定部で特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項８に記載の情報分析装置。
【請求項１３】
前記トピック変化ユニット特定部が、前記推定結果を用いて、前記高頻度ユニット特定部で特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項９〜１１のいずれかに記載の情報分析装置。
【請求項１４】
前記高頻度ユニット特定部が、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項１〜１３のいずれかに記載の情報分析装置。
【請求項１５】
分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析方法であって、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、
を有することを特徴とする情報分析方法。
【請求項１６】
前記（ａ）のステップにおいて、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項１５に記載の情報分析方法。
【請求項１７】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、
請求項１５または１６に記載の情報分析方法。
【請求項１８】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項１５〜１７のいずれかに記載の情報分析方法。
【請求項１９】
（ｄ）前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｄ）のステップによって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項１８に記載の情報分析方法。
【請求項２０】
（ｅ）前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｅ）のステップによって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項１６〜１８のいずれかに記載の情報分析方法。
【請求項２１】
（ｆ）前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｆ）のステップによって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項１９に記載の情報分析方法。
【請求項２２】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記（ａ）のステップによって特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２３】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２４】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニッ
トから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２５】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項２４に記載の情報分析方法。
【請求項２６】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２２に記載の情報分析方法。
【請求項２７】
前記（ｂ）のステップにおいて、前記推定結果を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２３〜２５のいずれかに記載の情報分析方法。
【請求項２８】
前記（ａ）のステップにおいて、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項１５〜２７のいずれかに記載の情報分析方法。
【請求項２９】
分析対象テキストから、トピック境界の判定に弊害となる語又は語集合を、コンピュータによって特定するためのプログラムであって、
前記コンピュータに、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生してい
るユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、
を実行させることを特徴とするプログラム。
【請求項３０】
前記（ａ）のステップにおいて、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項２９に記載のプログラム。
【請求項３１】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、請求項２９または３０に記載のプログラム。
【請求項３２】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項２９〜３１のいずれかに記載のプログラム。
【請求項３３】
（ｄ）前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｄ）のステップによって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項３２に記載のプログラム。
【請求項３４】
（ｅ）前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｅ）のステップによって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項３０〜３２のいずれかに記載のプログラム。
【請求項３５】
（ｆ）前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｆ）のステップによって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項３３に記載のプログラム。
【請求項３６】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記（ａ）のステップによって特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３７】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３８】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニットから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３９】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項３８に記載のプログラム。
【請求項４０】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項３６に記載のプログラム。
【請求項４１】
前記（ｂ）のステップにおいて、前記推定結果を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユ
ニットを、前記弊害ユニットとして特定する、
請求項３７〜３９のいずれかに記載のプログラム。
【請求項４２】
前記（ａ）のステップにおいて、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２９〜４１のいずれかに記載のプログラム。
【請求項１】
分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析装置であって、
前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、高頻度ユニット特定部と、
前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、トピック変化ユニット特定部と、
前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、弊害ユニット特定部と、
を備えていることを特徴とする情報分析装置。
【請求項２】
前記高頻度ユニット特定部が、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項１に記載の情報分析装置。
【請求項３】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、請求項１または２に記載の情報分析装置。
【請求項４】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項１〜３のいずれかに記載の情報分析装置。
【請求項５】
同一話者テキスト特定部を、更に備え、
前記同一話者テキスト特定部は、前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定し、
前記高頻度ユニット特定部が、前記同一話者テキスト特定部によって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項４に記載の情報分析装置。
【請求項６】
異内容テキスト特定部を、更に備え、
異内容テキスト特定部は、前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択し、
前記高頻度ユニット特定部が、前記異内容テキスト特定部によって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項２〜４のいずれかに記載の情報分析装置。
【請求項７】
異内容テキスト特定部を、更に備え、
異内容テキスト特定部は、前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応
テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択し、
前記高頻度ユニット特定部が、前記異内容テキスト特定部によって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項５に記載の情報分析装置。
【請求項８】
前記トピック変化ユニット特定部が、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記高頻度ユニット特定部で特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項９】
前記トピック変化ユニット特定部が、前記高頻度ユニット特定部で特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項１０】
前記トピック変化ユニット特定部が、前記高頻度ユニット特定部で特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニットから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１〜７のいずれかに記載の情報分析装置。
【請求項１１】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項１０に記載の情報分析装置。
【請求項１２】
前記トピック変化ユニット特定部が、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記高頻度ユニット特定部で特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項８に記載の情報分析装置。
【請求項１３】
前記トピック変化ユニット特定部が、前記推定結果を用いて、前記高頻度ユニット特定部で特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項９〜１１のいずれかに記載の情報分析装置。
【請求項１４】
前記高頻度ユニット特定部が、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記弊害ユニット特定部が、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項１〜１３のいずれかに記載の情報分析装置。
【請求項１５】
分析対象テキストからトピック境界の判定に弊害となる語又は語集合を特定するための情報分析方法であって、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生しているユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、
を有することを特徴とする情報分析方法。
【請求項１６】
前記（ａ）のステップにおいて、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項１５に記載の情報分析方法。
【請求項１７】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、
請求項１５または１６に記載の情報分析方法。
【請求項１８】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項１５〜１７のいずれかに記載の情報分析方法。
【請求項１９】
（ｄ）前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｄ）のステップによって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項１８に記載の情報分析方法。
【請求項２０】
（ｅ）前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｅ）のステップによって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項１６〜１８のいずれかに記載の情報分析方法。
【請求項２１】
（ｆ）前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択する、ステップを更に有し、
前記（ａ）のステップにおいて、前記（ｆ）のステップによって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項１９に記載の情報分析方法。
【請求項２２】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記（ａ）のステップによって特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２３】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２４】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニッ
トから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項１５〜２１のいずれかに記載の情報分析方法。
【請求項２５】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項２４に記載の情報分析方法。
【請求項２６】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２２に記載の情報分析方法。
【請求項２７】
前記（ｂ）のステップにおいて、前記推定結果を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２３〜２５のいずれかに記載の情報分析方法。
【請求項２８】
前記（ａ）のステップにおいて、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項１５〜２７のいずれかに記載の情報分析方法。
【請求項２９】
分析対象テキストから、トピック境界の判定に弊害となる語又は語集合を、コンピュータによって特定するためのプログラムであって、
前記コンピュータに、
（ａ）前記分析対象テキストと共通のトピックを含む補助テキストを用いて、前記分析対象テキストを構成する各ユニットの頻度を算出し、算出した前記頻度が設定された閾値以上となるユニットを高頻度ユニットとして特定する、ステップと、
（ｂ）前記分析対象テキストを構成する各ユニットのうち、トピックの変化が発生してい
るユニットを、トピック変化ユニットとして特定する、ステップと、
（ｃ）前記高頻度ユニットのうち、前記トピック変化ユニットに該当するユニットを除き、残った高頻度ユニットの中から、前記弊害となる語又は語集合を含む弊害ユニットを特定する、ステップと、
を実行させることを特徴とするプログラム。
【請求項３０】
前記（ａ）のステップにおいて、複数の前記補助テキストを用い、前記頻度として、複数の前記補助テキストにおける、前記各ユニットの頻度を算出して、前記高頻度ユニットを特定する、請求項２９に記載のプログラム。
【請求項３１】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、文書である文書テキストであり、
前記文書テキストのユニットそれぞれが、前記文書を構成する文である、請求項２９または３０に記載のプログラム。
【請求項３２】
前記分析対象テキスト、及び、前記補助テキスト、それぞれの全部もしくは一部が、対話から作成された対話テキストであり、
前記対話テキストのユニットそれぞれが、前記対話を構成する発話である、請求項２９〜３１のいずれかに記載のプログラム。
【請求項３３】
（ｄ）前記分析対象テキストの元となった対話に含まれる発話の話者を特定し、そして、複数の前記補助テキストの中から、特定した話者の発話を含む対話を元にして作成された補助テキストを、同一話者テキストとして特定する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｄ）のステップによって特定された前記同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項３２に記載のプログラム。
【請求項３４】
（ｅ）前記分析対象テキスト及び複数の前記補助テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記補助テキストのうち、前記分析対象テキストと内容が異なる２以上の補助テキストを、前記２以上の補助テキストの間においても内容が異なるように選択する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｅ）のステップによって選択された補助テキストを用いて、前記高頻度ユニットを特定する、請求項３０〜３２のいずれかに記載のプログラム。
【請求項３５】
（ｆ）前記分析対象テキスト及び複数の前記同一話者テキストの元となった事象から、これらを作成した時の処理とは異なる処理によって作成された、対応テキストを用い、
前記対応テキストそれぞれ同士の類似度を求め、求めた類似度に基づいて、複数の前記同一話者テキストのうち、前記分析対象テキストと内容が異なる２以上の同一話者テキストを、前記２以上の同一話者テキストの間においても内容が異なるように選択する、ステップを、更に前記コンピュータに実行させ、
前記（ａ）のステップにおいて、前記（ｆ）のステップによって選択された同一話者テキストを用いて、前記高頻度ユニットを特定する、請求項３３に記載のプログラム。
【請求項３６】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴に基づいて、前記（ａ）のステップによって特定された前記高頻度ユニットの中から、前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３７】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
入力データに対応したトピックを推定可能な統計モデルを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうち、
特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合と、特定された前記箇所の後方ｎ個のユニットから構成されるユニット集合とに対して、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３８】
前記（ｂ）のステップにおいて、前記（ａ）のステップによって特定された前記高頻度ユニット毎に、前記分析対象テキスト及び前記補助テキストにおける、前記高頻度ユニットが出現する箇所を特定し、そして、
前記分析対象テキスト及び前記補助テキストの元となった事象から、これらと異なる処理によって作成され、且つ、複数のトピックに区分可能なテキストを用い、ｎを自然数として、
前記分析対象テキスト及び前記補助テキストそれぞれを構成するユニットのうちの、特定された前記箇所の前方ｎ個のユニットから構成されるユニット集合及び後方ｎ個のユニットから構成されるユニット集合と、前記テキストの前記複数のトピックそれぞれによって区分された各部分との類似度を算出し、算出した前記類似度を用いて、前記前方ｎ個のユニットから構成されるユニット集合及び前記後方ｎ個のユニットから構成されるユニット集合、それぞれのトピックを推定し、
推定結果に基づいて、前記高頻度ユニットのうち前記トピック変化ユニットを特定する、請求項２９〜３５のいずれかに記載のプログラム。
【請求項３９】
前記分析対象テキスト、及び、前記補助テキストが、二者間での通話をテキスト化することによって作成されており、
前記複数のトピックに区分可能なテキストが、前記二者のうちの一方によって、前記通話の内容から作成されている、請求項３８に記載のプログラム。
【請求項４０】
前記（ｂ）のステップにおいて、予め作成された、前記トピック変化ユニットを特定する特徴を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項３６に記載のプログラム。
【請求項４１】
前記（ｂ）のステップにおいて、前記推定結果を用いて、前記（ａ）のステップによって特定された前記高頻度ユニットに対して、前記トピック変化ユニットとなる可能性が高い程、値が高くなるトピック変化ユニットスコアを算出し、算出した前記トピック変化ユニットスコアに基づいて、前記トピック変化ユニットを特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記トピック変化ユニットスコアが高い程、値が低くなる、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユ
ニットを、前記弊害ユニットとして特定する、
請求項３７〜３９のいずれかに記載のプログラム。
【請求項４２】
前記（ａ）のステップにおいて、前記頻度の算出後に、前記頻度に基づいて、前記頻度が高い程、値が高くなる頻度スコアを更に算出し、算出した前記頻度スコアがそれについて設定された閾値以上となるユニットを前記高頻度ユニットとして特定し、
前記（ｃ）のステップにおいて、前記高頻度ユニットに対して、前記頻度スコアが高い程、値が高くなり、且つ、前記トピック変化ユニットに該当したときに値が低下する、弊害ユニットスコアを算出し、
算出した前記弊害ユニットスコアがそれについて設定された閾値以上となる前記高頻度ユニットを、前記弊害ユニットとして特定する、
請求項２９〜４１のいずれかに記載のプログラム。
【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】
【公開番号】特開２０１１−７５７０７（Ｐ２０１１−７５７０７Ａ）
【公開日】平成２３年４月１４日（２０１１．４．１４）
【国際特許分類】
【出願番号】特願２００９−２２５４１７（Ｐ２００９−２２５４１７）
【出願日】平成２１年９月２９日（２００９．９．２９）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２３年４月１４日（２０１１．４．１４）
【国際特許分類】
【出願日】平成２１年９月２９日（２００９．９．２９）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]