[发明专利]谓语模板收集装置以及特定短语对收集装置

说明书

技术领域

本发明涉及用于认识自然语言的句子与短语间的关系的技术，特别涉及用于自动认识并收集句子与短语等间的因果关系、矛盾等相关的表现的技术。

背景技术

随着所谓的互联网的搜索引擎等的利用的普及，语言处理技术也在进步，关于找出「写出来的信息」的问题，已经开始提供高级别的服务。与此形成对照，关于将「虽未写出但却是有用的信息」作为假说来推论的技术，则还不充分。这样的技术能称作「由系统所考虑的技术」，被认为是次世代信息服务的重要的核心技术。对这样的技术，作为所谓的「人工智能」，不管民间机构还是公立机构，都进行了长时间的研究。但尚未够得上实用化、商用化的级别。

在这样的语言处理技术中，作为基本的要素有所谓的句子和短语。(在本说明书中，设想以日语为处理对象，所谓「短语」，是指用助词连结某名词和谓语的语法结构。其中，在设想日语以外的语言的情况下，将与日语中「短语」同等的单位作为处理对象)这些以自然语言记述了具有某种内在联系的事件以及行为。在这些句子和短语间，有时会找出某种因果关系。例如有「煙草を吸う(吸烟)」这样的短语的表征成为「肺がんに罹る(罹患肺癌)」这样的短语所表征的事实的原因的关系。在句子和短语间还有找出意义矛盾的关系的情况。例如「製品を使用する(使用产品)」与「製品を破棄する(废弃产品)」间的关系等。

句子与短语间的这样的关系，人们能容易地认识。但是，在要自动进行语言处理的情况下，这样的处理就成了难题。例如，为了使与语言相关的信息服务、信息分析技术、语言处理技术达到更高的级别，与推论等与更高阶的功能结合，认为能高精度地认识句子与短语间的上述的关系是必须的技术。但是，到现在为止，并不存在能从宽范围的语言表现中高精度地找出上述那样的关系的技术。

作为与这样技术的构成要素关联的现有技术，有后面揭示的非专利文献1～7记载的技术。

(A)短语间的因果关系的自动认识手法

作为通过机器学习从人工准备的大量的因果关系事例取得新的因果关系的技术，有非专利文献1记载的技术。作为在日语中的示例，存在有以明确表示因果关系的「ため」、「ので」这样的连接词出现在文本中为线索来自动认识短语间的关系的技术(非专利文献2)。

(B)短语间的矛盾关系的自动认识手法

存在利用WordNet等的人工构建的辞典的技术(非专利文献3)。

(C)动词的分类方法

存在如下研究(例如非专利文献4以及非专利文献5)：对由名词和动词的组合构成的单位，基于动词是否例如记述了使名词所指代的对象所具有的功能、效果等发挥、增大的方向的事件来对动词进行分类，或自动获得具有这样的性质的动词。

(D)基于语言的假说生成手法

存在关于单词间的特定的意义的关系、例如因果关系来生成假说的技术(非专利文献6)。例如若将在「コレステロ一ル(胆固醇)」与「動脈硬化(动脉硬化)」间有因果关系，在「動脈硬化」与「脳梗塞(脑梗塞)」间有因果关系保持在数据库中，则组合这些因果关系来推论「コレステロ一ル」成为「脳梗塞」的原因这样新的假说。

(E)短语间的同义、含义の自动认识手法

过去，在动词等词或「AがBを引き起こす(A引起B)」这样的句型间的同义性、含义的认识中，存在如下技术(非专利文献7)：在出现在该词的周边的其他词或句型中求取出现在被称作A、B的变量所占的位置的词的概率分布，使用它们之间的统计相似度(将其称作「分布相似度」)。例如，将「AがBを引き起こす」这样的句型和「AがBの原因となる(A成为B的原因)」这样的句型视作大致同义，求取来到A、B的位置的一连串的名词、例如「ダイオキシン(二恶英)」、「ガン(癌)」这样的词的出现概率，通过它们的出现概率间的相似度来将其认识为同义。

现有技术文献

非专利文献1：Roxana Girju.Automatic Detection of Causal Relations for Question Answering.In Proceedings of ACL Workshop on Multilingual Summarization and Question Answering.2003.(根据人工准备的大量的因果关系示例通过机器学习获取新的因果关系的技术)