情報抽出装置及び情報抽出方法並びに情報抽出プログラム
【課題】情報抽出結果に対応するＤＢ内のオブジェクトの識別を自動化することができる情報抽出装置を提供する。
【解決手段】テキスト情報を入力する情報入力部１１と、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出部１２と、抽出された関係情報に含まれる複数の構成要素を検索語として、インターネット検索を行うインターネット検索部１３と、検索結果から抽出されたテキスト情報の中から、関係情報抽出部１２が抽出した関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベース１８を検索し、関係情報に対応する既存データベース内のオブジェクトを特定する関係情報特定部１７と、ＤＢ１８内のオブジェクトに対して関係情報を反映する関係情報追加部１９とを備えている。
【解決手段】テキスト情報を入力する情報入力部１１と、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出部１２と、抽出された関係情報に含まれる複数の構成要素を検索語として、インターネット検索を行うインターネット検索部１３と、検索結果から抽出されたテキスト情報の中から、関係情報抽出部１２が抽出した関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベース１８を検索し、関係情報に対応する既存データベース内のオブジェクトを特定する関係情報特定部１７と、ＤＢ１８内のオブジェクトに対して関係情報を反映する関係情報追加部１９とを備えている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、種々の情報媒体に含まれるテキスト情報を解析して指定した条件に一致する情報を抽出し、既存のデータベースに反映させる際に用いて好適な情報抽出装置及び情報抽出方法並びに情報抽出プログラムに関する。
【背景技術】
【０００２】
近年、テキスト処理技術の一つとして、情報抽出技術が検討されている。これは、テキストを解析して指定したオブジェクトの情報を抜き出す技術である（例えば、非特許文献１参照）。情報抽出技術では、企業名、個人名、住所、電話番号などのオブジェクトそのものに加えて、企業同士の提携や企業の製品情報などの企業活動、あるいは人的交流などオブジェクト同士の関係情報の抽出に期待が集まっている。
【０００３】
情報抽出の結果は、既存の情報への付加情報あるいは更新情報として活用される。その際、重要となるのが既存の情報との関連付けである。従来、複数の情報の関連付を行う技術として名寄せがある。
【０００４】
名寄せとは一般には顧客情報の一元化を意味するが、より広い意味では同一のオブジェクトに関する情報を一元化するための技術である。例えば複数の企業情報で社名と住所が一致している場合、それらを同一と判断することで、企業というオブジェクトの情報を一元的に管理することを可能とする。名寄せには、一元管理対象となるオブジェクトのほかに、例えば住所のように同一判断の基準となる語句が必要である。これらの語句の表記が異なる可能性がある場合は、クレンジング処理による表記統一を行い、同一性を確保したうえで名寄せを行うこととなる。住所の異表記の例を示す。「東京都△△区××３丁目４番５号」、「△△区××三丁目四の五」、「△△区××３−１−５」。
【非特許文献１】関根聡，「テキストからの情報抽出」，情報処理，情報処理学会，１９９９年４月，第４０巻，第４号，ｐ．３７０−３７３
【発明の開示】
【発明が解決しようとする課題】
【０００５】
従来の情報抽出の検討は、主に抽出箇所の特定と抽出方法についての検討が占めており、運用のための課題は議論されていない。情報抽出結果を活用するために課題の一つに、同一名でありながら異なるオブジェクトを特定する方法の確立がある。企業情報を例に採ると、同一名をもつ複数の企業が異企業かどうかを判断するためには名寄せとの連携が必要であるが、名寄せを実施するためには企業名に加えて住所や電話番号など、同一判断の基準となる情報が必要となる。しかし、情報抽出の結果には、これらの情報が存在しない場合が多い。さらには情報抽出の情報源は新聞記事などの一般的な文書が多く、基準となる情報が取得できるとは限らないという問題がある。その結果、従来は情報抽出までは自動化できるが、オブジェクトの同一性は、人が手作業で基準とする情報を収集して判断する必要があり、名寄せなどの既存技術が適用できないという問題があった。
【０００６】
すなわち、従来は、情報抽出技術によって抽出したオブジェクト同士の関係情報等の情報抽出結果を、既存ＤＢ（データベース）内の対応するオブジェクトに反映しようとした場合、情報抽出結果内にオブジェクトを特定する情報が十分含まれていないため、抽出結果がＤＢ内のどのオブジェクトに対応するものなのかを識別することができなかった。
【０００７】
本発明は、上記の事情を考慮してなされたものであって、情報抽出結果に対応するＤＢ内のオブジェクトの識別を自動化することができる情報抽出装置及び情報抽出方法並びに情報抽出プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記課題を解決するため、請求項１記載の発明は、テキスト情報を入力する情報入力手段と、情報入力手段で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出手段と、関係情報抽出手段によって抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索手段と、検索手段による検索結果からテキスト情報を抽出するテキスト情報抽出手段と、テキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定手段と、特定手段によって特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映手段とを備えることを特徴とする。
【０００９】
請求項２記載の発明は、前記検索手段が、インターネット内の検索サーバにアクセスして、インターネット検索を行うものであることを特徴とする。
【００１０】
請求項３記載の発明は、前記関係情報が、１個のオブジェクトを示す構成要素と、その相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを含み、前記検索手段が、１個のオブジェクトを示す構成要素と、相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを検索語として、アンド検索を行うことを特徴とする。
【００１１】
請求項４記載の発明は、前記特定手段が、テキスト情報抽出手段によって抽出されたテキスト情報のうち重要度の高いテキスト情報を選択的に用いて既存データベース内のオブジェクトを特定することを特徴とする。
【００１２】
請求項５記載の発明は、前記特定手段が、複数の種類の異なるテキスト情報を用いることを特徴とする。
【００１３】
請求項６記載の発明は、前記検索手段が、複数のＷｅｂページを検索結果として出力するものであり、前記テキスト情報抽出手段が、複数のＷｅｂページのうちの所定数のＷｅｂページを対象としてテキスト情報を抽出することを特徴とする。
【００１４】
請求項７記載の発明は、テキスト情報を入力する情報入力過程と、情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、テキスト情報抽出過程で抽出されたテキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、特定過程で特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映過程とを含んでいることを特徴とする。
【００１５】
請求項８記載の発明は、テキスト情報を入力する情報入力過程と、情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、テキスト情報抽出過程で抽出されたテキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、特定過程で特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映過程とをコンピュータに実行させることを特徴とする。
【発明の効果】
【００１６】
本発明によれば、情報抽出結果の各構成要素をキーに例えばインターネットから企業等を特定できる情報を抽出し、抽出した情報と情報抽出結果をキーに既存ＤＢを検索することで、同一名称をもつ複数オブジェクトを識別し、既存ＤＢに正しく反映させ、情報抽出から情報の一元管理までの自動化を可能にすることができる。
【発明を実施するための最良の形態】
【００１７】
以下、図面を参照して本発明の実施の形態について説明する。図１は、本発明による情報抽出装置の実施の形態の構成を説明するためのブロック図である。本実施の形態の情報抽出装置は、ワークステーション、パーソナルコンピュータ等のコンピュータからなる情報抽出装置１と、図示していない周辺装置と、コンピュータによって実行されるソフトウェアとによって実現されるものである。図１に示す例において情報抽出装置１は、情報入力部１１、関係情報抽出部１２、インターネット検索部１３、テキスト情報取得部１４、識別用記述抽出部１５、各記述の重要度算出部１６、関係情報特定部１７、データベース（以下、ＤＢ）１８および関係情報追加部１９から構成されている。
【００１８】
情報入力部１１は、新聞記事、雑誌記事等の種々の情報媒体を情報源としてテキスト情報を入力する。関係情報抽出部１２は、図２に示すように、情報入力部１１から入力された入力情報１１１を入力として、入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出し、関係抽出結果１２３を出力する処理を行う。具体的には、まず、入力情報１１１に対して形態素解析処理（Ｓ１２１）を行って、形態素解析結果１２１を得る。形態素解析処理（Ｓ１２１）は、入力情報１１１に含まれるテキスト情報を形態素列（単語列）に分割し、各形態素（各単語）に対する品詞情報を取得する処理である。パターンマッチング処理（Ｓ１２２）は、形態素解析結果１２１を、所定の抽出観点（オブジェクト間の関係）に基づいてあらかじめ作成した抽出用パターン１２２と照合することで、それに一致するフレーズを抽出し、その構成要素を関係抽出結果１２３として出力する。
【００１９】
図２に示す例では、入力情報１１１中の「Ａ社とＢ社は相互に株式を持ち合う資本提携で合意したと発表した。」との文章に対して形態素解析（Ｓ１２１）を行って、「Ａ社」、「と」、「Ｂ社」…という各形態素に分解する。そして各形態素に対して、「名詞−固有名詞−組織」、「助詞−並立助詞」、「名詞−固有名詞−組織」、…といった品詞情報を求めている。次に、「提携」という抽出観点で情報を抽出するため、抽出用パターン１２２を用意している。抽出用パターン１２２は、例えば、汎用あるいは専用のスクリプト言語等を用いて、形態素解析結果１２１から「提携」という抽出観点に照合するフレーズを取得するために用いられる。図２の抽出用パターン１２２では、組織の属性を持つ固有名詞（「＄ＣＯＭＰＡＮＹ」）２個（１対）が、単語「と」で結びつけられていて、その後に単語「は」または「の」があり、続いて「資本」＋「提携」または「資本」＋「協力」、「で」、「合意」、「発表」、「交渉」の各単語が並ぶ場合に、パターンがマッチングするという定義がなされている。
【００２０】
そして、関係抽出結果１２３では、抽出観点「提携」にマッチングした各フレーズの構成要素を形態素に対応する各項目に分けて記述している。この場合、関係抽出結果１２３は、フレーズの構成要素が、企業１、企業２、関係、および状態に区分されて定義されていて、それぞれに対応する１個のオブジェクトを示す構成要素「Ａ社」と、相手方のオブジェクトを示す構成要素「Ｂ社」と、それらオブジェクト間の関係を示す構成要素「資本提携」、および関係の状態を示す構成要素「合意」からなる関係情報が抽出されたものとしている。
【００２１】
次に図１のインターネット検索部１３は、関係情報抽出部１２によって抽出された関係抽出結果１２３の構成要素を検索語として、インターネット２等の所定の通信網内の複数の情報を対象に全文検索を行って、検索結果を出力する。図１に示す例では、インターネット２内で検索機能を提供している検索用サーバ２０にアクセスし、関係情報抽出部１２で抽出された関係抽出結果１２３を用いてインターネット検索を行い、既存情報との一元化をするために必要な情報を収集する。図３は、インターネット検索部１３による処理の一例を説明するための図である。インターネット検索部１３は、検索用サーバ２０にアクセスし、検索用ページ１３１を読み込む。次に、例えば、関係情報抽出部１２で抽出された関係抽出結果のうち企業名「Ａ社」に関する関係抽出結果１２３ａから、１組の関係抽出情報１２３１（フレーズの構成要素「Ａ社」、「Ｂ社」、「資本提携」、「合意」）を取り出して、検索語用テキストボックス１３１１に検索語（検索キー）「Ａ社 Ｂ社 資本提携」を入力し、検索ボタン１３１２を押下したとする情報を送信する。この場合、「Ａ社」、「Ｂ社」、および「提携」を検索キーとしたａｎｄ検索（論理積検索）が行われる。検索用サーバ２０からは、各検索キーを含む各ＷｅｂページのＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）等の情報が送り返されてくる。得られたＷｅｂページは、「Ａ社」という名称を持つ企業のうち、「Ｂ社」と業務提携関係にある企業「Ａ社」について記述されている可能性が高いページ、あるいは「Ｂ社」という名称を持つ企業のうち、「Ａ社」と業務提携関係にある企業「Ｂ社」について記述されている可能性が高いページのいずれかとなる。
【００２２】
インターネット検索部１３は、関係抽出結果（関係抽出結果１２３ａ等）に含まれる複数の情報（構成要素）を用いて検索を行い、検索用サーバ２０から得た検索結果を用いて、対応する各Ｗｅｂページを収集する。そして、インターネット検索部１３は、収集したＷｅｂページ群（Ｗｅｂページ群１３２ａ等）を図１のテキスト情報取得部１４へ出力する。
【００２３】
なお、図３の例では検索語として、社名（オブジェクト名）と、その関係を示す単語とを用いたが、検索条件をさらに加えるようにしてもよい。例えば、その関係が成立したときの時期や検索対象の期間（Ｗｅｂページ更新期間、記事日付等）を限定するような情報（例えば「平成１６年９月２１日より」）を用いて検索を行うようにしてもよい。
【００２４】
図１のテキスト情報取得部１４は、関係抽出情報１２３１の各情報に対応する各検索結果（Ｗｅｂページ群１３２ａ等）から、上位Ｊ件分を取得し、テキスト部分だけを抜き出す処理を行う。上位Ｊ件の取得は、検索用サーバ２０によるインターネット検索エンジンの出力順でもよいし、種々の検索結果のランキング手法によるものでもよい。また、Ｊ件選択せず、検索結果全てのページを使用することも可能である。
【００２５】
テキスト情報取得部１４は、例えば図４に示すように、図３の１組の関係抽出情報１２３１に対応して検索された複数のＷｅｂページからなる検索結果（Ｗｅｂページ群１３２ａ）から、Ｊ件分Ｗｅｂページを選択し、テキスト箇所（表を含む）を抜粋して、テキスト情報１４１ａとして出力する。テキスト情報取得部１４は、他の関係抽出結果に基づく検索結果に対しても同様の処理を行う。
【００２６】
図１の識別用記述抽出部１５は、テキスト情報取得部１４が抜き出したテキスト部分について、所定のオブジェクト（本実施の形態では「企業」）を特定するキーとなる記述（識別用語句）を抜き出す処理を行う。特定するキーとしては、例えば図５に示す「住所」や、そのほか「代表者名」、「電話番号」などがある。また、複数のキーを抜き出すこと（例えば「住所」と「電話番号」）もできる。キーを抜き出す処理としては、例えば、図２を参照して説明したようなパターンマッチングの技術を利用すればよい。図５に示す例では、識別用記述抽出部１５が、図４のテキスト情報１４１ａから「住所」の記述を抜き出して、鎖線で囲んだ抽出キー情報１５１ａを作成している。
【００２７】
図１の各記述の重要度算出部１６は、識別用記述抽出部１５が抜き出した記述ごとにその出力頻度（各記述がいくつ出現したか）や文書頻度（各記述がいくつの文書に出現したか）などの統計情報から重要度を付与する。重要度の付与方法は、キーワード抽出や検索に用いられるｔｆｉｄｆ（Term Frequency Inverse Document Frequency）や出現頻度など、従来手法を用いればよく特に制限しない。また、この際、クレンジングを行ってもよい。クレンジングとしては、表記の統一、データ最新化、同一情報の識別など処理を適宜行うようにする。図５に示す例では、各記述の重要度算出部１６が、識別用記述抽出部１５によって作成された抽出キー情報１５１ａに対して、重要度１６１１ａを付与した抽出キー情報１６１ａを作成している。
【００２８】
次に図１の関係情報特定部１７は、重要度算出部１６から出力された抽出キー情報（例えば抽出キー情報１６１ａ）に基づき、重要度の高い順に抽出キー情報に含まれているキーと所定のオブジェクト（企業）との組合せを、ＤＢ１８を参照して照合していく。ＤＢ１８に登録されている既存情報と一致した時点で、関連情報を反映（追加）すべきオブジェクト（企業）を特定する。
【００２９】
図６を参照して、関係情報特定部１７の処理の一例について説明する。図６に示す例では、関係情報特定部１７が、重要度算出部１６から出力された抽出キー情報１６１ａに基づいて、それに対応するＤＢ１８内のオブジェクト「企業」を特定（識別）する処理を行う。抽出キー情報１６１ａは、企業名「Ａ社」に関する関係抽出結果１２３ａ内の１組の関係抽出情報１２３１（「提携」、「Ａ社」、「Ｂ社」、「資本提携」、「合意」）に対応するものである。この例では、ＤＢ１８内に企業名が同一の「Ａ社」であるオブジェクトがＮ個（ＩＤ（識別符号）＝１〜Ｎ）含まれている。このＮ個のオブジェクト（レコード）をオブジェクト群１８１とする。すなわち、関係情報特定部１７は、抽出キー情報１６１ａを用いて、Ｎ個の企業名「Ａ社」のオブジェクトから、関係抽出情報１２３１の構成要素である「Ａ社」と一致するものを一つを特定する処理を行うのである。
【００３０】
図６の例では、関係情報特定部１７が、抽出キー情報１６１ａに含まれる重要度が最も高い住所「神奈川県鎌倉市…」の記述情報を用いて、ＤＢ１８内のオブジェクト群１８１を検索する。そして、一致するものがあった場合には（この例ではＩＤ＝Ｎのオブジェクト１８１ａが一致したとすると）、関係抽出情報１２３１の構成要素である「Ａ社」が、ＩＤ＝Ｎのオブジェクト１８１ａの要素であると特定される。
【００３１】
なお、図６の例では、オブジェクト識別用のキーを１種類のみ用いるようにしたが、２種類以上の複数種類のキーを用いるようにしてもよい。キーを複数用いる場合には、重要度を考慮しながら最適なキーの組合せを発見する。図７にその一例を示した。図７に示す例では、図６に示した抽出キー情報１６１ａに対して、抽出キー情報１６１ｂを追加して用いるようにしている。抽出キー情報１６１ｂは、図５等に示すテキスト情報１４１ａから「電話番号」の記述を抜き出して、それに重要度を付与したものである。図６に示す例では、関係情報特定部１７によって、抽出キー情報１６１ａ中で最も高い重要度の「住所」に一致し、抽出キー情報１６１ｂ中で２番目に重要度の高い「電話番号」に一致したＩＤ＝Ｎのオブジェクト１８１ａが特定されている。
【００３２】
図８は、関係情報特定部１７によってＤＢ１８内の企業「Ａ社」に対して関係抽出結果１２３ａを特定した結果得られた特定情報１７ａを示している。この例では、「Ａ社（１）」に対して、２組の関連情報（抽出観点「提携」と「類縁」）が特定されている。ここで「Ａ社（１）」は、図６または図７のオブジェクト群１８１中のオブジェクト１８１ａ（ＩＤ＝Ｎ）である。
【００３３】
以上のようにして関係情報特定部１７によって最適な企業とキーとの組合せが得られれば、名寄せを行うことで既存のＤＢ１８との連携を実現することができる。図１の関係情報追加部１９は、関係情報特定部１７から出力された特定情報１７ａに基づいて、関係情報抽出部１２から出力された関係抽出情報１２３１をＤＢ１８内の既存のオブジェクトに対して名寄せする処理（この場合、対応するオブジェクトに追加して反映する処理）を行う。例えば図９に示すように、ＤＢ１８内のオブジェクト群１８ａに対して、特定情報１７ａを用いて、破線で囲って示した「提携先」と「類縁関係」の２つのアイテム（レコード）１８ｂが追加される。
【００３４】
図１０に、本実施の形態における主要な処理の流れを示す。まず、関係情報を抽出し、個別にインターネットを検索する（Ｓ１）。次に、検索ランキング上位Ｊ件のテキスト箇所を取得する（Ｓ２）。次に、各テキストから名寄せのキーとなる語句（記述）を抽出する（Ｓ３）。次に、各語句の重要度を算出する（Ｓ４）。そして、重要度の高い語句をキーとして既存のＤＢで名寄せする（Ｓ５）。
【００３５】
以上のように、本実施の形態によれば、所定の複数の情報媒体から所望の情報を抽出し、その結果を活用する一連の流れにおいて、従来手作業が必要とされた情報の一元化が自動化できる。特に、同一名称をもつ複数のオブジェクトを適切に識別して既存ＤＢに登録し、有効活用することが可能となる。
【００３６】
なお、今回の説明は企業の関係情報を例にしたが、人同士の関係や組織同士、製品同士など関係情報を抽出する場面についても適用可能である。
【００３７】
また、本発明の実施の形態は、上記の構成に限定されず、各構成要素を統合したり、例えば情報入力部１１や関係情報抽出部１２を他の装置内に構成することで一部の構成要素を省略したり、あるいは通信網を介して各構成要素を分散して配置したりすることが可能である。例えば、図１の検索用サーバ２０の機能の一部または全部を本装置内に追加することも可能である。また、ＤＢ１８に対して、種々の通信網を介してアクセスできるようにすることが可能であり、併せて本装置の一部または全部の機能を通信回線を介して実行できるようにすることも可能である。また、検索用サーバ２０に代えて、インターネット外の他の通信網内の所定のＤＢ内の情報を対象に検索処理を行う構成を利用するようにしてもよい。また、本実施の形態は、コンピュータおよびその周辺装置と、コンピュータで実行されるソフトウェア（プログラム）とから実現することができ、そのプログラムは通信回線やコンピュータ読み取り可能な記録媒体を介して配布することが可能である。
【図面の簡単な説明】
【００３８】
【図１】本発明の一実施の形態の情報抽出装置の構成例を説明するためのブロック図。
【図２】図１の関係情報抽出部１２の処理内容を説明するための図。
【図３】図１のインターネット検索部１３の処理内容を説明するための図。
【図４】図１のテキスト情報取得部１４の処理内容を説明するための図。
【図５】図１の識別用記述抽出部１５および各記述の重要度算出部１６の処理内容を説明するための図。
【図６】図１の関係情報特定部１７の処理内容（キーを１つ使用する場合）を説明するための図。
【図７】図１の関係情報特定部１７の処理内容（キーを２つ使用する場合）を説明するための図。
【図８】図１の関係情報特定部１７の処理結果を説明するための図。
【図９】図１の関係情報追加部１８の処理内容を説明するための図。
【図１０】図１を参照して説明した実施の形態の主要な処理の流れを説明するためのフローチャート。
【符号の説明】
【００３９】
１ 情報抽出装置
２ インターネット
１１ 情報入力部
１２ 関係情報抽出部
１３ インターネット検索部
１４ テキスト情報取得部
１５ 識別用記述抽出部
１６ 各記述の重要度算出部
１７ 関係情報特定部
１８ ＤＢ
１９ 関係情報追加部
２０ 検索用サーバ
【技術分野】
【０００１】
本発明は、種々の情報媒体に含まれるテキスト情報を解析して指定した条件に一致する情報を抽出し、既存のデータベースに反映させる際に用いて好適な情報抽出装置及び情報抽出方法並びに情報抽出プログラムに関する。
【背景技術】
【０００２】
近年、テキスト処理技術の一つとして、情報抽出技術が検討されている。これは、テキストを解析して指定したオブジェクトの情報を抜き出す技術である（例えば、非特許文献１参照）。情報抽出技術では、企業名、個人名、住所、電話番号などのオブジェクトそのものに加えて、企業同士の提携や企業の製品情報などの企業活動、あるいは人的交流などオブジェクト同士の関係情報の抽出に期待が集まっている。
【０００３】
情報抽出の結果は、既存の情報への付加情報あるいは更新情報として活用される。その際、重要となるのが既存の情報との関連付けである。従来、複数の情報の関連付を行う技術として名寄せがある。
【０００４】
名寄せとは一般には顧客情報の一元化を意味するが、より広い意味では同一のオブジェクトに関する情報を一元化するための技術である。例えば複数の企業情報で社名と住所が一致している場合、それらを同一と判断することで、企業というオブジェクトの情報を一元的に管理することを可能とする。名寄せには、一元管理対象となるオブジェクトのほかに、例えば住所のように同一判断の基準となる語句が必要である。これらの語句の表記が異なる可能性がある場合は、クレンジング処理による表記統一を行い、同一性を確保したうえで名寄せを行うこととなる。住所の異表記の例を示す。「東京都△△区××３丁目４番５号」、「△△区××三丁目四の五」、「△△区××３−１−５」。
【非特許文献１】関根聡，「テキストからの情報抽出」，情報処理，情報処理学会，１９９９年４月，第４０巻，第４号，ｐ．３７０−３７３
【発明の開示】
【発明が解決しようとする課題】
【０００５】
従来の情報抽出の検討は、主に抽出箇所の特定と抽出方法についての検討が占めており、運用のための課題は議論されていない。情報抽出結果を活用するために課題の一つに、同一名でありながら異なるオブジェクトを特定する方法の確立がある。企業情報を例に採ると、同一名をもつ複数の企業が異企業かどうかを判断するためには名寄せとの連携が必要であるが、名寄せを実施するためには企業名に加えて住所や電話番号など、同一判断の基準となる情報が必要となる。しかし、情報抽出の結果には、これらの情報が存在しない場合が多い。さらには情報抽出の情報源は新聞記事などの一般的な文書が多く、基準となる情報が取得できるとは限らないという問題がある。その結果、従来は情報抽出までは自動化できるが、オブジェクトの同一性は、人が手作業で基準とする情報を収集して判断する必要があり、名寄せなどの既存技術が適用できないという問題があった。
【０００６】
すなわち、従来は、情報抽出技術によって抽出したオブジェクト同士の関係情報等の情報抽出結果を、既存ＤＢ（データベース）内の対応するオブジェクトに反映しようとした場合、情報抽出結果内にオブジェクトを特定する情報が十分含まれていないため、抽出結果がＤＢ内のどのオブジェクトに対応するものなのかを識別することができなかった。
【０００７】
本発明は、上記の事情を考慮してなされたものであって、情報抽出結果に対応するＤＢ内のオブジェクトの識別を自動化することができる情報抽出装置及び情報抽出方法並びに情報抽出プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記課題を解決するため、請求項１記載の発明は、テキスト情報を入力する情報入力手段と、情報入力手段で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出手段と、関係情報抽出手段によって抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索手段と、検索手段による検索結果からテキスト情報を抽出するテキスト情報抽出手段と、テキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定手段と、特定手段によって特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映手段とを備えることを特徴とする。
【０００９】
請求項２記載の発明は、前記検索手段が、インターネット内の検索サーバにアクセスして、インターネット検索を行うものであることを特徴とする。
【００１０】
請求項３記載の発明は、前記関係情報が、１個のオブジェクトを示す構成要素と、その相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを含み、前記検索手段が、１個のオブジェクトを示す構成要素と、相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを検索語として、アンド検索を行うことを特徴とする。
【００１１】
請求項４記載の発明は、前記特定手段が、テキスト情報抽出手段によって抽出されたテキスト情報のうち重要度の高いテキスト情報を選択的に用いて既存データベース内のオブジェクトを特定することを特徴とする。
【００１２】
請求項５記載の発明は、前記特定手段が、複数の種類の異なるテキスト情報を用いることを特徴とする。
【００１３】
請求項６記載の発明は、前記検索手段が、複数のＷｅｂページを検索結果として出力するものであり、前記テキスト情報抽出手段が、複数のＷｅｂページのうちの所定数のＷｅｂページを対象としてテキスト情報を抽出することを特徴とする。
【００１４】
請求項７記載の発明は、テキスト情報を入力する情報入力過程と、情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、テキスト情報抽出過程で抽出されたテキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、特定過程で特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映過程とを含んでいることを特徴とする。
【００１５】
請求項８記載の発明は、テキスト情報を入力する情報入力過程と、情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、テキスト情報抽出過程で抽出されたテキスト情報の中から関係情報を特定する特定情報を抽出し、抽出した特定情報と関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、特定過程で特定されたデータベース内のオブジェクトに対して関係情報を反映する関係情報反映過程とをコンピュータに実行させることを特徴とする。
【発明の効果】
【００１６】
本発明によれば、情報抽出結果の各構成要素をキーに例えばインターネットから企業等を特定できる情報を抽出し、抽出した情報と情報抽出結果をキーに既存ＤＢを検索することで、同一名称をもつ複数オブジェクトを識別し、既存ＤＢに正しく反映させ、情報抽出から情報の一元管理までの自動化を可能にすることができる。
【発明を実施するための最良の形態】
【００１７】
以下、図面を参照して本発明の実施の形態について説明する。図１は、本発明による情報抽出装置の実施の形態の構成を説明するためのブロック図である。本実施の形態の情報抽出装置は、ワークステーション、パーソナルコンピュータ等のコンピュータからなる情報抽出装置１と、図示していない周辺装置と、コンピュータによって実行されるソフトウェアとによって実現されるものである。図１に示す例において情報抽出装置１は、情報入力部１１、関係情報抽出部１２、インターネット検索部１３、テキスト情報取得部１４、識別用記述抽出部１５、各記述の重要度算出部１６、関係情報特定部１７、データベース（以下、ＤＢ）１８および関係情報追加部１９から構成されている。
【００１８】
情報入力部１１は、新聞記事、雑誌記事等の種々の情報媒体を情報源としてテキスト情報を入力する。関係情報抽出部１２は、図２に示すように、情報入力部１１から入力された入力情報１１１を入力として、入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出し、関係抽出結果１２３を出力する処理を行う。具体的には、まず、入力情報１１１に対して形態素解析処理（Ｓ１２１）を行って、形態素解析結果１２１を得る。形態素解析処理（Ｓ１２１）は、入力情報１１１に含まれるテキスト情報を形態素列（単語列）に分割し、各形態素（各単語）に対する品詞情報を取得する処理である。パターンマッチング処理（Ｓ１２２）は、形態素解析結果１２１を、所定の抽出観点（オブジェクト間の関係）に基づいてあらかじめ作成した抽出用パターン１２２と照合することで、それに一致するフレーズを抽出し、その構成要素を関係抽出結果１２３として出力する。
【００１９】
図２に示す例では、入力情報１１１中の「Ａ社とＢ社は相互に株式を持ち合う資本提携で合意したと発表した。」との文章に対して形態素解析（Ｓ１２１）を行って、「Ａ社」、「と」、「Ｂ社」…という各形態素に分解する。そして各形態素に対して、「名詞−固有名詞−組織」、「助詞−並立助詞」、「名詞−固有名詞−組織」、…といった品詞情報を求めている。次に、「提携」という抽出観点で情報を抽出するため、抽出用パターン１２２を用意している。抽出用パターン１２２は、例えば、汎用あるいは専用のスクリプト言語等を用いて、形態素解析結果１２１から「提携」という抽出観点に照合するフレーズを取得するために用いられる。図２の抽出用パターン１２２では、組織の属性を持つ固有名詞（「＄ＣＯＭＰＡＮＹ」）２個（１対）が、単語「と」で結びつけられていて、その後に単語「は」または「の」があり、続いて「資本」＋「提携」または「資本」＋「協力」、「で」、「合意」、「発表」、「交渉」の各単語が並ぶ場合に、パターンがマッチングするという定義がなされている。
【００２０】
そして、関係抽出結果１２３では、抽出観点「提携」にマッチングした各フレーズの構成要素を形態素に対応する各項目に分けて記述している。この場合、関係抽出結果１２３は、フレーズの構成要素が、企業１、企業２、関係、および状態に区分されて定義されていて、それぞれに対応する１個のオブジェクトを示す構成要素「Ａ社」と、相手方のオブジェクトを示す構成要素「Ｂ社」と、それらオブジェクト間の関係を示す構成要素「資本提携」、および関係の状態を示す構成要素「合意」からなる関係情報が抽出されたものとしている。
【００２１】
次に図１のインターネット検索部１３は、関係情報抽出部１２によって抽出された関係抽出結果１２３の構成要素を検索語として、インターネット２等の所定の通信網内の複数の情報を対象に全文検索を行って、検索結果を出力する。図１に示す例では、インターネット２内で検索機能を提供している検索用サーバ２０にアクセスし、関係情報抽出部１２で抽出された関係抽出結果１２３を用いてインターネット検索を行い、既存情報との一元化をするために必要な情報を収集する。図３は、インターネット検索部１３による処理の一例を説明するための図である。インターネット検索部１３は、検索用サーバ２０にアクセスし、検索用ページ１３１を読み込む。次に、例えば、関係情報抽出部１２で抽出された関係抽出結果のうち企業名「Ａ社」に関する関係抽出結果１２３ａから、１組の関係抽出情報１２３１（フレーズの構成要素「Ａ社」、「Ｂ社」、「資本提携」、「合意」）を取り出して、検索語用テキストボックス１３１１に検索語（検索キー）「Ａ社 Ｂ社 資本提携」を入力し、検索ボタン１３１２を押下したとする情報を送信する。この場合、「Ａ社」、「Ｂ社」、および「提携」を検索キーとしたａｎｄ検索（論理積検索）が行われる。検索用サーバ２０からは、各検索キーを含む各ＷｅｂページのＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）等の情報が送り返されてくる。得られたＷｅｂページは、「Ａ社」という名称を持つ企業のうち、「Ｂ社」と業務提携関係にある企業「Ａ社」について記述されている可能性が高いページ、あるいは「Ｂ社」という名称を持つ企業のうち、「Ａ社」と業務提携関係にある企業「Ｂ社」について記述されている可能性が高いページのいずれかとなる。
【００２２】
インターネット検索部１３は、関係抽出結果（関係抽出結果１２３ａ等）に含まれる複数の情報（構成要素）を用いて検索を行い、検索用サーバ２０から得た検索結果を用いて、対応する各Ｗｅｂページを収集する。そして、インターネット検索部１３は、収集したＷｅｂページ群（Ｗｅｂページ群１３２ａ等）を図１のテキスト情報取得部１４へ出力する。
【００２３】
なお、図３の例では検索語として、社名（オブジェクト名）と、その関係を示す単語とを用いたが、検索条件をさらに加えるようにしてもよい。例えば、その関係が成立したときの時期や検索対象の期間（Ｗｅｂページ更新期間、記事日付等）を限定するような情報（例えば「平成１６年９月２１日より」）を用いて検索を行うようにしてもよい。
【００２４】
図１のテキスト情報取得部１４は、関係抽出情報１２３１の各情報に対応する各検索結果（Ｗｅｂページ群１３２ａ等）から、上位Ｊ件分を取得し、テキスト部分だけを抜き出す処理を行う。上位Ｊ件の取得は、検索用サーバ２０によるインターネット検索エンジンの出力順でもよいし、種々の検索結果のランキング手法によるものでもよい。また、Ｊ件選択せず、検索結果全てのページを使用することも可能である。
【００２５】
テキスト情報取得部１４は、例えば図４に示すように、図３の１組の関係抽出情報１２３１に対応して検索された複数のＷｅｂページからなる検索結果（Ｗｅｂページ群１３２ａ）から、Ｊ件分Ｗｅｂページを選択し、テキスト箇所（表を含む）を抜粋して、テキスト情報１４１ａとして出力する。テキスト情報取得部１４は、他の関係抽出結果に基づく検索結果に対しても同様の処理を行う。
【００２６】
図１の識別用記述抽出部１５は、テキスト情報取得部１４が抜き出したテキスト部分について、所定のオブジェクト（本実施の形態では「企業」）を特定するキーとなる記述（識別用語句）を抜き出す処理を行う。特定するキーとしては、例えば図５に示す「住所」や、そのほか「代表者名」、「電話番号」などがある。また、複数のキーを抜き出すこと（例えば「住所」と「電話番号」）もできる。キーを抜き出す処理としては、例えば、図２を参照して説明したようなパターンマッチングの技術を利用すればよい。図５に示す例では、識別用記述抽出部１５が、図４のテキスト情報１４１ａから「住所」の記述を抜き出して、鎖線で囲んだ抽出キー情報１５１ａを作成している。
【００２７】
図１の各記述の重要度算出部１６は、識別用記述抽出部１５が抜き出した記述ごとにその出力頻度（各記述がいくつ出現したか）や文書頻度（各記述がいくつの文書に出現したか）などの統計情報から重要度を付与する。重要度の付与方法は、キーワード抽出や検索に用いられるｔｆｉｄｆ（Term Frequency Inverse Document Frequency）や出現頻度など、従来手法を用いればよく特に制限しない。また、この際、クレンジングを行ってもよい。クレンジングとしては、表記の統一、データ最新化、同一情報の識別など処理を適宜行うようにする。図５に示す例では、各記述の重要度算出部１６が、識別用記述抽出部１５によって作成された抽出キー情報１５１ａに対して、重要度１６１１ａを付与した抽出キー情報１６１ａを作成している。
【００２８】
次に図１の関係情報特定部１７は、重要度算出部１６から出力された抽出キー情報（例えば抽出キー情報１６１ａ）に基づき、重要度の高い順に抽出キー情報に含まれているキーと所定のオブジェクト（企業）との組合せを、ＤＢ１８を参照して照合していく。ＤＢ１８に登録されている既存情報と一致した時点で、関連情報を反映（追加）すべきオブジェクト（企業）を特定する。
【００２９】
図６を参照して、関係情報特定部１７の処理の一例について説明する。図６に示す例では、関係情報特定部１７が、重要度算出部１６から出力された抽出キー情報１６１ａに基づいて、それに対応するＤＢ１８内のオブジェクト「企業」を特定（識別）する処理を行う。抽出キー情報１６１ａは、企業名「Ａ社」に関する関係抽出結果１２３ａ内の１組の関係抽出情報１２３１（「提携」、「Ａ社」、「Ｂ社」、「資本提携」、「合意」）に対応するものである。この例では、ＤＢ１８内に企業名が同一の「Ａ社」であるオブジェクトがＮ個（ＩＤ（識別符号）＝１〜Ｎ）含まれている。このＮ個のオブジェクト（レコード）をオブジェクト群１８１とする。すなわち、関係情報特定部１７は、抽出キー情報１６１ａを用いて、Ｎ個の企業名「Ａ社」のオブジェクトから、関係抽出情報１２３１の構成要素である「Ａ社」と一致するものを一つを特定する処理を行うのである。
【００３０】
図６の例では、関係情報特定部１７が、抽出キー情報１６１ａに含まれる重要度が最も高い住所「神奈川県鎌倉市…」の記述情報を用いて、ＤＢ１８内のオブジェクト群１８１を検索する。そして、一致するものがあった場合には（この例ではＩＤ＝Ｎのオブジェクト１８１ａが一致したとすると）、関係抽出情報１２３１の構成要素である「Ａ社」が、ＩＤ＝Ｎのオブジェクト１８１ａの要素であると特定される。
【００３１】
なお、図６の例では、オブジェクト識別用のキーを１種類のみ用いるようにしたが、２種類以上の複数種類のキーを用いるようにしてもよい。キーを複数用いる場合には、重要度を考慮しながら最適なキーの組合せを発見する。図７にその一例を示した。図７に示す例では、図６に示した抽出キー情報１６１ａに対して、抽出キー情報１６１ｂを追加して用いるようにしている。抽出キー情報１６１ｂは、図５等に示すテキスト情報１４１ａから「電話番号」の記述を抜き出して、それに重要度を付与したものである。図６に示す例では、関係情報特定部１７によって、抽出キー情報１６１ａ中で最も高い重要度の「住所」に一致し、抽出キー情報１６１ｂ中で２番目に重要度の高い「電話番号」に一致したＩＤ＝Ｎのオブジェクト１８１ａが特定されている。
【００３２】
図８は、関係情報特定部１７によってＤＢ１８内の企業「Ａ社」に対して関係抽出結果１２３ａを特定した結果得られた特定情報１７ａを示している。この例では、「Ａ社（１）」に対して、２組の関連情報（抽出観点「提携」と「類縁」）が特定されている。ここで「Ａ社（１）」は、図６または図７のオブジェクト群１８１中のオブジェクト１８１ａ（ＩＤ＝Ｎ）である。
【００３３】
以上のようにして関係情報特定部１７によって最適な企業とキーとの組合せが得られれば、名寄せを行うことで既存のＤＢ１８との連携を実現することができる。図１の関係情報追加部１９は、関係情報特定部１７から出力された特定情報１７ａに基づいて、関係情報抽出部１２から出力された関係抽出情報１２３１をＤＢ１８内の既存のオブジェクトに対して名寄せする処理（この場合、対応するオブジェクトに追加して反映する処理）を行う。例えば図９に示すように、ＤＢ１８内のオブジェクト群１８ａに対して、特定情報１７ａを用いて、破線で囲って示した「提携先」と「類縁関係」の２つのアイテム（レコード）１８ｂが追加される。
【００３４】
図１０に、本実施の形態における主要な処理の流れを示す。まず、関係情報を抽出し、個別にインターネットを検索する（Ｓ１）。次に、検索ランキング上位Ｊ件のテキスト箇所を取得する（Ｓ２）。次に、各テキストから名寄せのキーとなる語句（記述）を抽出する（Ｓ３）。次に、各語句の重要度を算出する（Ｓ４）。そして、重要度の高い語句をキーとして既存のＤＢで名寄せする（Ｓ５）。
【００３５】
以上のように、本実施の形態によれば、所定の複数の情報媒体から所望の情報を抽出し、その結果を活用する一連の流れにおいて、従来手作業が必要とされた情報の一元化が自動化できる。特に、同一名称をもつ複数のオブジェクトを適切に識別して既存ＤＢに登録し、有効活用することが可能となる。
【００３６】
なお、今回の説明は企業の関係情報を例にしたが、人同士の関係や組織同士、製品同士など関係情報を抽出する場面についても適用可能である。
【００３７】
また、本発明の実施の形態は、上記の構成に限定されず、各構成要素を統合したり、例えば情報入力部１１や関係情報抽出部１２を他の装置内に構成することで一部の構成要素を省略したり、あるいは通信網を介して各構成要素を分散して配置したりすることが可能である。例えば、図１の検索用サーバ２０の機能の一部または全部を本装置内に追加することも可能である。また、ＤＢ１８に対して、種々の通信網を介してアクセスできるようにすることが可能であり、併せて本装置の一部または全部の機能を通信回線を介して実行できるようにすることも可能である。また、検索用サーバ２０に代えて、インターネット外の他の通信網内の所定のＤＢ内の情報を対象に検索処理を行う構成を利用するようにしてもよい。また、本実施の形態は、コンピュータおよびその周辺装置と、コンピュータで実行されるソフトウェア（プログラム）とから実現することができ、そのプログラムは通信回線やコンピュータ読み取り可能な記録媒体を介して配布することが可能である。
【図面の簡単な説明】
【００３８】
【図１】本発明の一実施の形態の情報抽出装置の構成例を説明するためのブロック図。
【図２】図１の関係情報抽出部１２の処理内容を説明するための図。
【図３】図１のインターネット検索部１３の処理内容を説明するための図。
【図４】図１のテキスト情報取得部１４の処理内容を説明するための図。
【図５】図１の識別用記述抽出部１５および各記述の重要度算出部１６の処理内容を説明するための図。
【図６】図１の関係情報特定部１７の処理内容（キーを１つ使用する場合）を説明するための図。
【図７】図１の関係情報特定部１７の処理内容（キーを２つ使用する場合）を説明するための図。
【図８】図１の関係情報特定部１７の処理結果を説明するための図。
【図９】図１の関係情報追加部１８の処理内容を説明するための図。
【図１０】図１を参照して説明した実施の形態の主要な処理の流れを説明するためのフローチャート。
【符号の説明】
【００３９】
１ 情報抽出装置
２ インターネット
１１ 情報入力部
１２ 関係情報抽出部
１３ インターネット検索部
１４ テキスト情報取得部
１５ 識別用記述抽出部
１６ 各記述の重要度算出部
１７ 関係情報特定部
１８ ＤＢ
１９ 関係情報追加部
２０ 検索用サーバ
【特許請求の範囲】
【請求項１】
テキスト情報を入力する情報入力手段と、
前記情報入力手段で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出手段と、
前記関係情報抽出手段によって抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索手段と、
前記検索手段による検索結果から、テキスト情報を抽出するテキスト情報抽出手段と、
前記テキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定手段と、
前記特定手段によって特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映手段と
を備えることを特徴とする情報抽出装置。
【請求項２】
前記検索手段が、インターネット内の検索サーバにアクセスして、インターネット検索を行うものであることを特徴とする請求項１記載の情報抽出装置。
【請求項３】
前記関係情報が、１個のオブジェクトを示す構成要素と、その相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを含み、
前記検索手段が、１個のオブジェクトを示す構成要素と、相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを検索語として、アンド検索を行うことを特徴とする請求項１又は２に記載の情報抽出装置。
【請求項４】
前記特定手段が、前記テキスト情報抽出手段によって抽出されたテキスト情報のうち重要度の高いテキスト情報を選択的に用いて前記既存データベース内のオブジェクトを特定することを特徴とする請求項１〜３のいずれか１項に記載の情報抽出装置。
【請求項５】
前記特定手段は、前記テキスト情報抽出手段により抽出されたテキスト情報の中から前記関係情報を特定する複数の種類の異なる特定情報を抽出し、検索語として用いることを特徴とする請求項１〜４のいずれか１項に記載の情報抽出装置。
【請求項６】
前記検索手段が、複数のＷｅｂページを検索結果として出力するものであり、
前記テキスト情報抽出手段が、複数のＷｅｂページのうちの所定数のＷｅｂページを対象としてテキスト情報を抽出する
ことを特徴とする請求項１〜５のいずれか１項に記載の情報抽出装置。
【請求項７】
テキスト情報を入力する情報入力過程と、
前記情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、
前記関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、
前記検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、
前記テキスト情報抽出過程で抽出されたテキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、
前記特定過程で特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映過程と
を含んでいることを特徴とする情報抽出方法。
【請求項８】
テキスト情報を入力する情報入力過程と、
前記情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、
前記関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、
前記検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、
前記テキスト情報抽出過程で抽出されたテキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、
前記特定過程で特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映過程と
をコンピュータに実行させるため情報抽出プログラム。
【請求項１】
テキスト情報を入力する情報入力手段と、
前記情報入力手段で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出手段と、
前記関係情報抽出手段によって抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索手段と、
前記検索手段による検索結果から、テキスト情報を抽出するテキスト情報抽出手段と、
前記テキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定手段と、
前記特定手段によって特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映手段と
を備えることを特徴とする情報抽出装置。
【請求項２】
前記検索手段が、インターネット内の検索サーバにアクセスして、インターネット検索を行うものであることを特徴とする請求項１記載の情報抽出装置。
【請求項３】
前記関係情報が、１個のオブジェクトを示す構成要素と、その相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを含み、
前記検索手段が、１個のオブジェクトを示す構成要素と、相手方のオブジェクトを示す構成要素と、それらオブジェクト間の関係を示す構成要素とを検索語として、アンド検索を行うことを特徴とする請求項１又は２に記載の情報抽出装置。
【請求項４】
前記特定手段が、前記テキスト情報抽出手段によって抽出されたテキスト情報のうち重要度の高いテキスト情報を選択的に用いて前記既存データベース内のオブジェクトを特定することを特徴とする請求項１〜３のいずれか１項に記載の情報抽出装置。
【請求項５】
前記特定手段は、前記テキスト情報抽出手段により抽出されたテキスト情報の中から前記関係情報を特定する複数の種類の異なる特定情報を抽出し、検索語として用いることを特徴とする請求項１〜４のいずれか１項に記載の情報抽出装置。
【請求項６】
前記検索手段が、複数のＷｅｂページを検索結果として出力するものであり、
前記テキスト情報抽出手段が、複数のＷｅｂページのうちの所定数のＷｅｂページを対象としてテキスト情報を抽出する
ことを特徴とする請求項１〜５のいずれか１項に記載の情報抽出装置。
【請求項７】
テキスト情報を入力する情報入力過程と、
前記情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、
前記関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、
前記検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、
前記テキスト情報抽出過程で抽出されたテキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、
前記特定過程で特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映過程と
を含んでいることを特徴とする情報抽出方法。
【請求項８】
テキスト情報を入力する情報入力過程と、
前記情報入力過程で入力されたテキスト情報を解析し、企業、人、製品等の所定のオブジェクト間の関係情報を抽出する関係情報抽出過程と、
前記関係情報抽出過程で抽出された関係情報に含まれる複数の構成要素を検索語として用い、所定の通信網内の複数の情報に対して検索を行う検索過程と、
前記検索過程による検索結果からテキスト情報を抽出するテキスト情報抽出過程と、
前記テキスト情報抽出過程で抽出されたテキスト情報の中から前記関係情報を特定する特定情報を抽出し、抽出した特定情報と前記関係情報に含まれる構成要素を検索語として、所定の既存データベースを検索し、前記関係情報に対応する既存データベース内のオブジェクトを特定する特定過程と、
前記特定過程で特定された前記既存データベース内のオブジェクトに対して関係情報を反映する関係情報反映過程と
をコンピュータに実行させるため情報抽出プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２００６−１９５５３５（Ｐ２００６−１９５５３５Ａ）
【公開日】平成１８年７月２７日（２００６．７．２７）
【国際特許分類】
【出願番号】特願２００５−３８６６（Ｐ２００５−３８６６）
【出願日】平成１７年１月１１日（２００５．１．１１）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
【公開日】平成１８年７月２７日（２００６．７．２７）
【国際特許分類】
【出願日】平成１７年１月１１日（２００５．１．１１）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
[ Back to top ]