JP2007188225A

JP2007188225A - 要約文抽出システム

Info

Publication number: JP2007188225A
Application number: JP2006004886A
Authority: JP
Inventors: Hiroyuki Yamada; 浩之山田
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2006-01-12
Filing date: 2006-01-12
Publication date: 2007-07-26

Abstract

【課題】ニュース記事等から要約文を抽出する要約文抽出システムにおいて、時事性を反映した要約文の抽出を行う。
【解決手段】検索キーワードのログを集計し統計処理を行う手段と、上記の手段で得られた情報から所定の期間を単位に、同時に検索された頻度の高い関連語を抽出する手段と、抽出された関連語を格納する手段と、要約文抽出が要求された場合に、入力クエリに基づいて上記の関連語を取得し、要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する手段とを備える。
【選択図】図１

Description

本発明は、ニュース記事等から要約文を抽出する要約文抽出システムに関する。

インターネット上のサイトではニュース記事等が閲覧できるものがあるが、多数のニュース記事等の中から所望の記事を探し出しやすくするため、要約文の掲載機能を備えたサイトが存在する。

このようなサイトでは、一般に、ユーザが入力した語句（入力クエリ）と固定的な特徴語等に基づいて要約文を抽出している。例えば、「天下り」という入力クエリが与えられた場合、「天下り」という語句が含まれる記事から、「天下り」という語句が含まれる文章部分を句読点や接続詞等を考慮して切り出し、所定のサイズ（例えば、２００byte）の要約文を得ていた。

なお、出願人は出願時点までに本発明に関連する先行技術文献を発見することができなかった。よって、先行技術文献情報を開示していない。

上述したように、従来は入力クエリと固定的な特徴語等に基づいて要約文を抽出しており、同じ記事であれば同じ入力クエリに対して固定的な要約文となっていたため、時事性が反映されないという問題があった。例えば、天下りに起因する談合事件が発生した直後では、「談合」についても興味を持つ者が多いと考えられるが、「天下り」を入力クエリとする限りでは、仮に「談合」が含まれる記事であっても「談合」に関係する部分の抽出は行われず、所望の記事ではないと判断されるおそれがある。

本発明は上記の従来の問題点に鑑み提案されたものであり、その目的とするところは、時事性を反映した要約文の抽出を行うことのできる要約文抽出システムを提供することにある。

上記の課題を解決するため、本発明にあっては、請求項１に記載されるように、検索キーワードのログを集計し統計処理を行う手段と、上記の手段で得られた情報から所定の期間を単位に、同時に検索された頻度の高い関連語を抽出する手段と、抽出された関連語を格納する手段と、要約文抽出が要求された場合に、入力クエリに基づいて上記の関連語を取得し、要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する手段とを備える要約文抽出システムを要旨としている。

また、請求項２に記載されるように、請求項１に記載の要約文抽出システムにおいて、上記の要約文を抽出する手段は、入力クエリとその関連語および固定的な特徴語等に基づいて要約文を抽出するようにすることができる。

また、請求項３、４に記載されるように、要約文抽出方法として構成することができる。

本発明の要約文抽出システムにあっては、時事性を反映した要約文の抽出を行うことができる。

以下、本発明の好適な実施形態につき説明する。

図１は本発明の一実施形態にかかる要約文抽出システム１００の構成例を示す図である。図１において、要約文抽出システム１００は、インターネット２００を介して接続したクライアント３００との間でリクエストの受け付けおよびページの表示を行うＷｅｂサーバ１１０と、クライアント３００の検索リクエスト等のログを集計し統計処理を行うログ集計／統計部１２０と、ログ集計／統計部１２０の収集情報から、所定の期間を単位に、同時に検索された頻度の高い関連語を抽出して関連語データベース１４０に格納する関連語抽出部１３０と、Ｗｅｂサーバ１１０から要約文抽出の要求を受けた場合に関連語データベース１４０から入力クエリに基づいて関連語を取得し、コンテンツデータベース１５０に格納された要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する要約文抽出部１６０とを備えている。

図２は関連語データベース１４０の例を示す図であり、「◎◎団天下り」「○団天下り」「□□連天下り」「談合天下り」等が対応付けられている。なお、関連語の保持の方法は図示の例に限られない。

図１において、要約文抽出システム１００の動作は次のように行われる。

（１）複数のクライアント３００からＷｅｂサーバ１１０に対して検索リクエスト等が行われその結果が表示される過程は、ログとしてログ集計／統計部１２０により集計され統計処理される。一般に、検索リクエストは、時事性を反映したキーワードが組み合わされて用いられる。例えば、ニュース記事に対するものであれば時事問題の特徴を示す用語が用いられることが多い。

（２）関連語抽出部１３０はログ集計／統計部１２０の収集・統計結果を所定の期間で区切って関連語を抽出し、関連語データベース１４０に格納する。なお、以前に格納した関連語については、適当な基準で削除を行う。

（３）クライアント３００からＷｅｂサーバ１１０に対して要約文の表示リクエストが行われた場合、要約文抽出部１６０はクライアント３００からの入力クエリに基づいて関連語データベース１４０から関連語を取得し、コンテンツデータベース１５０に格納された要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する。Ｗｅｂサーバ１１０は抽出された要約文をクライアント３００に表示する。

図３は要約文抽出部１６０による要約文抽出の概念図であり、原文の中に含まれる入力クエリおよびその関連語である「×××××」「△△△△」に着目し、句読点や接続詞等を考慮して入力クエリおよびその関連語の含まれる文章部分を切り出し、所定のサイズ（例えば、２００byte）の要約文を得る。

図４は原文および抽出された要約文の例を示す図であり、（ａ）は原文例、（ｂ）は従来の入力クエリのみによる要約文抽出例、（ｃ）は本発明の入力クエリおよびその関連語による要約文抽出例である。入力クエリが「天下り」であったとすると、従来の（ｂ）では入力クエリ「天下り」のみを中心に要約文抽出が行われるが、本発明の（ｃ）では入力クエリ「天下り」と関連語「◎◎団」「○団」「談合」が要約文抽出に用いられることで時事性の高い要約文とすることができる。

なお、ニュース記事を例として説明したが、ブログやチャットから要約文を抽出する場合等にも適用できることは言うまでもない。この場合、時間の経過とともに話題が移っていくのに応じた、より適切な要約文を抽出することができる。

以上、本発明の好適な実施の形態により本発明を説明した。ここでは特定の具体例を示して本発明を説明したが、特許請求の範囲に定義された本発明の広範な趣旨および範囲から逸脱することなく、これら具体例に様々な修正および変更を加えることができることは明らかである。すなわち、具体例の詳細および添付の図面により本発明が限定されるものと解釈してはならない。

本発明の一実施形態にかかる要約文抽出システムの構成例を示す図である。関連語データベースの例を示す図である。要約文抽出の概念図である。原文および抽出された要約文の例を示す図である。

符号の説明

１００要約文抽出システム
１１０Ｗｅｂサーバ
１２０ログ集計／統計部
１３０関連語抽出部
１４０関連語データベース
１５０コンテンツデータベース
１６０要約文抽出部
２００インターネット
３００クライアント

Claims

検索キーワードのログを集計し統計処理を行う手段と、
上記の手段で得られた情報から所定の期間を単位に、同時に検索された頻度の高い関連語を抽出する手段と、
抽出された関連語を格納する手段と、
要約文抽出が要求された場合に、入力クエリに基づいて上記の関連語を取得し、要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する手段とを備えたことを特徴とする要約文抽出システム。
請求項１に記載の要約文抽出システムにおいて、
上記の要約文を抽出する手段は、入力クエリとその関連語および固定的な特徴語等に基づいて要約文を抽出することを特徴とする要約文抽出システム。
検索キーワードのログを集計し統計処理を行う工程と、
上記の工程で得られた情報から所定の期間を単位に、同時に検索された頻度の高い関連語を抽出する工程と、
抽出された関連語を格納する工程と、
要約文抽出が要求された場合に、入力クエリに基づいて上記の関連語を取得し、要約文抽出の対象となるコンテンツから入力クエリおよびその関連語に基づいて要約文を抽出する工程とを備えたことを特徴とする要約文抽出方法。
請求項３に記載の要約文抽出方法において、
上記の要約文を抽出する工程は、入力クエリとその関連語および固定的な特徴語等に基づいて要約文を抽出することを特徴とする要約文抽出方法。