JP2007011774A - 文章解析装置、文章解析方法、プログラムおよび記憶媒体 - Google Patents

Abstract

【課題】人間にとって理解しやすい解析結果を出力することができる文章解析装置、文章解析方法、プログラムおよび記憶媒体を提供する。
【解決手段】分割部１３ａは、入力された文章を単語単位で分割する。言語解析部１３ｄは、単語単位に分割された分割候補に対して構文解析、意味解析、構文意味解析等の言語解析を行い、複数の異なる解析構造を有する解析候補を生成する。親密度算出部１３ｃは、言語解析部１３ｄにより生成された各解析候補に含まれる各単語の親密度を単語記憶部１１から抽出し、文中に含まれる単語の親密度の平均を解析候補毎に算出する。選択部１３ｄは、言語解析部１３ｂにより生成された複数の解析候補の中から、文中に含まれる単語の親密度の平均が最も高い解析構造を抽出する。これにより、人間にとって理解しやすい解析結果が出力される。
【選択図】 図１

Description

本発明は、外部より入力された文章に対して言語解析を行う文章解析装置、文章解析方法、文章解析装置のプログラムおよびこのプログラムを記憶した記憶媒体に関するものである。

従来より、自然言語処理の分野では、入力された文章の意味や構造を解析する言語解析技術について、数多くの提案がなされている。例えば、非特許文献１，２には、入力された文章に対して意味解析や構文解析などを行った結果、複数の解析候補が生成された場合、共起情報を用いて解析構造中に含まれる単語の出現頻度の統計をとり、出現頻度の高い単語を多く含む解析候補を解析結果として出力することが開示されている。

Christopher D. Manning著、Hinrich Schutze著、「Foundations of Statistical Natural Language Processing」、Mit Pr、１９９９年６月１８日 北 研二、中村 哲、長田昌明、「音声言語処理 コーパスに基づくアプローチ」、森北出版 天野 成昭、近藤 公久、「ＮＴＴデータベースシリーズ『日本語の語彙特性』 第１巻 単語親密度」、三省堂、１９９９年 田中 穂積、「自然言語処理−基礎と応用−」、社団法人 電子情報通信学会、１９９９年３月２５日、p.15-85 乾健太郎他、「言い換え技術に関する研究動向」、自然言語処理、Vol.11，No.5，2004，p.151-198 黒橋、長尾、「京都大学テキストコーパス・プロジェクト」、言語処理学会第３回年次大会発表論文集、１９９７年、p.115-118

しかしながら、従来の方法では、単語の出現頻度など統計的処理の結果に基づいて解析結果を出力するため、意味をなさない解析結果や人間にとって理解しにくい解析結果が出力される場合があり、使い勝手が悪かった。

そこで、本願発明は、人間にとって理解しやすい解析結果を出力することができる文章解析装置、文章解析方法、プログラムおよび記憶媒体を提供することを目的とする。

上述したような課題を解決するために、本発明にかかる文章解析装置は、外部から文章を受け付ける受付手段と、この受付手段が受け付けた文章に対して言語解析を行う解析手段と、この解析手段による解析候補の中から、各解析候補に含まれる単語の主観的ななじみの程度を示す値である親密度に基づいて解析結果を選択する選択手段とを備えたことを特徴とする。

上記文章解析装置において、解析手段は、選択手段は、各解析候補に含まれる単語の親密度と解析候補に含まれる各単語の出現の度合いを示す頻度情報とに基づいて、解析結果を選択するようにしてもよい。

上記文章解析装置において、受付手段が受け付けた文章を、意味が略等しい異形の文章に変換する換言処理を行う換言手段をさらに備え、解析手段は、受付手段が受け付けた文章および換言手段により換言処理が行われた文章のうち少なくとも一方に対して言語解析を行うようにしてもよい。

上記文章解析装置において、解析手段は、言語解析として構文解析を行うようにしてもよい。また、解析手段は、言語解析として意味解析を行うようにしてもよい。

本発明によれば、受け付けた文章に対して言語解析した解析候補の中から、各解析候補に含まれる単語の親密度に基づいて解析結果を選択することにより、人間にとって理解しやすい解析結果を出力することができる。

［第１の実施の形態］
以下、図面を参照して、本発明の第１の実施の形態について詳細に説明する。図１は、本実施の形態にかかる文章解析装置の構成を示すブロック図である。文章解析装置１は、単語記憶部１１と、受付部１２と、解析部１３と、出力部１４とからなる。このような文章解析装置１は、ＣＰＵ等の演算装置と、メモリ、ＨＤＤ（Hard Disc Drive）等の記憶装置と、キーボード、マウス、ポインティングデバイス、ボタン、タッチパネル等の外部から情報の入力を検出する入力装置と、インターネット、ＬＡＮ(Local Area Network)、ＷＡＮ(Wide Area Network)等の通信回線を介して各種情報の送受信を行うＩ/Ｆ装置と、ＣＲＴ(Cathode Ray Tube)、ＬＣＤ(Liquid Crystal Display)またはＦＥＤ(Field Emission Display)等の表示装置を備えたコンピュータと、このコンピュータにインストールされたプログラムとから構成される。すなわちハードウェア装置とソフトウェアとが協働することによって、上記のハードウェア資源がプログラムによって制御され、上述した単語記憶部１１、受付部１２、解析部１３および出力部１４が実現される。なお、上記プログラムは、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、メモリカードなどの記録媒体に記録された状態で提供されるようにしてもよい。

単語記憶部１１は、複数の単語と、各単語の親密度とを記憶したデータベースである。ここで、親密度とは、単語の主観的ななじみの程度を表す数値であり、例えば１から７の範囲の実数値で表した場合、１に近いほどなじみがなく、７に近いほどなじみがあることを意味する。例えば、「会」や「本」という漢字の親密度は６．５以上であり、「魑」や「龠」という単語の親密度は２．０以下である。また、例えば「太陽」や「父親」という単語の親密度は６．５以上であり、「刮目」や「撒播」という単語の親密度は２．０以下である。このような親密度は、各漢字のなじみの程度を１，２，３，４，５，６，７の数値で多人数に評価させ、この評価値を平均することにより求められる。このような方法で日本語における漢字６３００字について求められた親密度はデータベース化されている（例えば、非特許文献３参照。）。親密度は、信頼性の高い科学的な数値であり、言語に関わる学術研究に利用されるばかりではなく、語彙数推定装置等の応用技術にも広く利用されている。

受付部１２は、外部から文章のデータを受け付けるインターフェース装置である。

解析部１３は、受付部１２から受け付けた文章に対して、言語解析を行う演算処理部である。このような解析部１３は、入力された文章を単語単位に分割する分割部１３ａと、この分割部１３ａにより単語単位に分割された分割候補に対して構文解析や意味解析などの公知の言語解析（例えば、非特許文献４参照。）を行って新たな解析構造を有する１または複数の解析候補（以下、「解析候補（群）」と呼ぶ）を生成する言語解析部１３ｂと、この言語解析部１３ｂにより生成された解析候補（群）それぞれの親密度を算出する親密度算出部１３ｃと、この親密度算出部１３ｃにより親密度が算出された解析候補（群）の中から最も親密度が高い解析構造を有する解析候補を選択する選択部１３ｄとから構成される。選択部１３ｄにより選択された解析候補の解析構造は、出力部１４に送出される。

出力部１４は、解析部１３から受け付けた解析構造を外部に出力するインターフェース装置である。

次に、図２を参照して、本実施の形態にかかる文章解析装置１の動作について説明する。まず、公知の通信回線、記憶媒体、キーボードやマウス等の公知の入力装置など、外部から入力された文章を、受付部１２を介して解析部１３に入力する（ステップＳ２０１）。

次いで、解析部１３は、受付部１２から受け付けた文章に対して言語解析を行い、解析候補（群）を生成する（ステップＳ２０２）。具体的には、まず、分割部１３ａにより文章を単語単位に分割し、言語解析部１３ｄにより単語単位に分割された分割候補に対して構文解析、意味解析、構文意味解析等の言語解析を行う。

ここで、分割部１３ａは、文章を単語に分割する位置を変えることにより、意味の異なる複数の分割候補を生成する場合がある。一例として、「カーテン」という単語の語義文である「ある物事を隠す物」という文章を分割する場合について説明する。この語義文は、「ある／物事／を／隠す／物」と分割するのが正解であるが、「ある／物／事／を／隠す／物」と分割される場合もありうる。このように、同じ文章であっても、単語に分割する位置によって、意味の異なる複数の分割候補が生成される。なお、本実施の形態では、各単語を「／」で区切って記載している。

また、言語解析部１３ｂは、構文解析を行う場合、１つの単語に複数の品詞があると解釈することがある。例えば、「ある物事を隠す物」という文章を単語単位に分割すると「ある／物事／を／隠す／物」となるが、ここで「ある」という単語は、動詞と連体詞という２つの異なる品詞に解釈される。このように同じ文字からなる単語であっても、品詞が異なると意味も異なるので、構文解析を行うことにより解析構造の異なる複数の解析候補が生成されることとなる。また、上述したように、文章を単語単位に分割する際にも意味の異なる複数の分割候補が生成されることがあるため、これらの複数の分割候補にさらに構文解析を行うことにより、さらに多数の解析構造が異なる解析候補が生成されることとなる。

また、言語解析部１３ｂは、意味解析を行う場合、曖昧で多様な言語表現から体系的に記述された概念表現へ変換する際に、解析構造の異なる複数の解析候補を生成することがある。例えば、「ある物事を隠す物」という文章を単語単位に分割した「ある／物事／を／隠す／物」という分割候補に対して意味解析を行う場合について、図３を参照して説明する。図３は、上記分割候補に対して意味解析した結果得られた意味表現を示す図である。

ここで、「ある」という単語は、動詞と連体詞という２つの異なる品詞に解釈される。また、「隠す」と「物」という単語の関係は、「物」が「隠す」の主語である場合と、「隠す」と「物」との間に明示的な関係がない場合とが想定される。したがって、上記分割候補に対して意味解析を行うと、「ある」が動詞で「物」が「隠す」の主語である場合（図３（ａ）に対応）と、「ある」が連体詞で「物」と「隠す」との間に明示的な関係がない場合（図３（ｂ）に対応）と、「ある」が連体詞で「物」が「隠す」の主語である場合（図３（ｃ）に対応）という３つの解析候補が生成されることとなる。このように、意味解析を行うことにより異なる複数の解析候補が生成される場合がある。また、上述したように、文章を単語単位に分割する際に意味の異なる複数の分割候補が生成されることがあるため、これらの複数の分割候補にさらに意味解析を行うことにより、さらに多数の解析構造が異なる解析候補がさらに生成されることとなる。

次いで、解析部１３は、言語解析部１３ｂにより生成された解析候補毎に親密度を算出する（ステップＳ２０３）。具体的には、親密度算出部１３ｃは、各解析候補の解析構造に含まれる各単語の親密度を単語記憶部１１から抽出し、解析構造中に含まれる単語の親密度の平均を解析候補毎に算出する。

例えば、「神戸車両規制を実施する」という文章に対して、「神／戸車／両／規制／を／実施／する」という第１の解析候補と、「神戸／車両／規制／を／実施／する」という第２の解析候補とが生成された場合、それぞれに含まれる各単語の親密度は、以下の通りとなる。なお、本実施の形態では、各単語の親密度を「［］」の中に記載している。

第１の解析候補：神［７］／戸車［３］／両［６］／規制［６］／を／実施［６］／する［７］

第２の解析候補：神戸［７］／車両［６］／規制［６］／を／実施［６］／する［７］

ここで、解析候補毎に親密度の平均を算出すると、第１の解析候補は５．８、第２の解析候補は６．４となる。このように、単語を分割する位置が異なると、同じ文章から生成した解析候補であっても、それぞれに含まれる単語の親密度が異なるので、各解析候補に含まれる各単語の親密度の平均も異なることとなる。

また、例えば、「そのしゅだんはごうほうだ」という文章に対して、「その／しゅだん（手段）／は／ごうほう（合法）／だ」という第１の解析候補と、「その／しゅだん（手段）／は／ごうほう（号報）／だ」という第２の解析候補とが生成された場合、それぞれに含まれる各単語の親密度は、以下の通りとなる。

第１の解析候補：その［７］／しゅだん（手段）［６］／は／ごうほう（合法）［６］／だ

第２の解析候補：その［７］／しゅだん（手段）［６］／は／ごうほう（号報）［２］／だ

ここで、解析候補毎に親密度の平均を算出すると、第１の解析候補は６．３、第２の解析候補は５となる。このように、単語を分割する位置が異なると、同じひらがなの文章から生成した解析候補であっても、それぞれに含まれる単語の親密度が異なるので、各解析候補に含まれる各単語の親密度の平均も異なることとなる。

また、例えば、「皮を剥ぐ」という文章に対して意味解析を行った結果、「皮」という単語を、「動植物の皮」という意味に解釈する第１の解析候補と、「鼓や三味線のこと」という意味に解釈する第２の解析候補とが生成された場合、それぞれに含まれる単語の親密度は以下の通りとなる。

第１の解析候補：皮（動植物の皮）［７］／を／剥ぐ［６］

第２の解析候補：皮（鼓や三味線のこと）［２］／を／剥ぐ［６］

ここで、解析候補毎に親密度の平均を算出すると、第１の解析候補は６．５、第２の解析候補は４となる。このように、単語の意味の解釈が異なると、同じ文章から生成した解析候補であっても、それぞれに含まれる単語の親密度が異なるので、各解析候補に含まれる各単語の親密度の平均も異なることとなる。

次いで、解析部１３の選択部１３ｄは、言語解析部１３ｂにより生成された解析候補の中から、解析構造中に含まれる単語の親密度の平均が最も高い解析候補の解析構造を解析結果として抽出する（ステップＳ２０４）。なお、解析結果として抽出する解析構造の数量は、少なくとも１つであり、複数であってもよい。

抽出された解析構造は、解析結果として出力部１４によって出力される（ステップＳ２０５）。ここで、出力部１４は、解析部１３から入力された解析構造を表示画面に表示したり、紙面にプリントアウトしたりすることにより、文章解析装置１のユーザに提示する。なお、出力部１４は、解析部１３から入力された解析構造を、例えば機械翻訳や質問の応答など他の自然言語アプリーケーションへ入力するようにしてもよい。

このように、本実施の形態によれば、言語解析による解析候補の中から、文中の単語の親密度の値が最も高い解析構造を解析結果として出力することにより、人間にとって理解しやすい解析構造が出力される。これにより、人間の感性あった解析結果に基づくヒューマンインターフェースを実現することができる。

また、本実施の形態にかかる文章解析装置１に換言技術（例えば、非特許文献５参照。）を適用することにより、同じ意味を有する様々な文章を生成することが可能となるので、読む人間の知的水準に応じて文章の難しさを制御した解析結果を出力することが可能となる。

例えば、「首相／は／運輸／行政／について／言及／した」という文章に対して上記換言技術により「総理大臣／は／人／や／貨物／を／運ぶ／こと／について／話した」という文章を生成した場合、それぞれの文章に含まれる単語の親密度は以下の通りとなる。

換言前：首相［５］／は／運輸［６］／行政［５］／について／言及［５］／した

換言後：総理大臣［６］／は／人［７］／や／貨物［６］／を／運ぶ［７］／こと［７］／について／話した［７］

ここで、各文章における各単語の親密度の平均は、換言前が５．２５、換言後が６．６６となっており、上記換言技術を適用することにより親密度が高い単語が多く用いられた文章が生成されたことがわかる。このように、換言技術を本実施の形態の文章解析装置１に適用することにより、読む人間の知的水準に応じて文章の難しさを制御した解析結果を出力することが可能となる。

なお、上記換言技術による換言処理は、例えば、受付部１２により受け付けられた文章、言語解析部１３ｂにより言語解析が行われた解析候補などに対して行うようにしてもよい。

［第２の実施の形態］
次に、本発明の第２の実施の形態について図４を参照して説明する。なお、本実施の形態にかかる言語学習装置２は、上述した第１の実施の形態にかかる言語学習装置１と解析部１３の構成および動作が異なるもののその他は同一である。したがって、本実施の形態において、第１の実施の形態と同等の構成要素については、同じ名称および符号を付し適宜その説明を省略する。

解析部１３は、分割部１３ａと、言語解析部１３ｂと、親密度算出部１３ｃと、選択部１３ｄと、頻度情報算出部１３ｅとから構成される演算処理部である。

頻度情報算出部１３ｅは、過去に入力された文章や既存の文書データからこれらのデータ中に出現する各単語の頻度を予め算出しておき、この算出された頻度に基づいて、言語解析部１３ｂにより生成された各解析候補の中に含まれる各単語の頻度を抽出し、これを頻度情報として選択部１３ｄに送出する。なお、既存の文書データとしては、例えば非特許文献６に開示されている文書データを用いることができる。

次に、図５を参照して、本実施の形態にかかる文章解析装置２の動作について説明する。まず、外部から文章が入力された文章を、受付部１２を介して解析部１３に入力する（ステップＳ２０１）。

次いで、解析部１３は、受付部１２から受け付けた文章に対して分割部１３ａにより文章を単語単位で分割し、この単語単位に分割された分割候補に対して言語解析部１３ｄにより構文解析、意味解析、構文意味解析等の言語解析を行い、解析候補（群）を生成する（ステップＳ２０２）。

次いで、解析部１３の頻度算出部１３ｅは、言語解析部１３ｂにより生成された解析候補（群）から頻度情報を生成する（ステップＳ５０１）。ここで、頻度情報とは、既存の文書データや以前に入力された文章中に含まれる各単語の出現頻度を表す値であり、例えば、全ての文章中に含まれる各単語の数量を数え上げることにより生成される。なお、頻度算出部１３ｅは、助詞や助動詞ではなく、名詞、動詞、形容詞、形容動詞などの文章の内容に深く関連する単語の頻度情報を生成する。このとき、頻度情報を生成する単語の選択は、共に出現する単語の頻度を示す共起情報などに基づいて行うようにしてもよい。また、頻度情報とともに共起情報も生成するようにしてもよい。

次いで、解析部１３の親密度算出部１３ｃは、言語解析部１３ｂにより生成された解析候補毎に親密度を算出する（ステップＳ２０３）。

次いで、解析部１３の選択部１３ｄは、言語解析部１３ｂにより生成された複数の解析候補の中から、親密度の平均が高く、かつ、頻度情報の値が高い単語が含まれている解析候補の解析構造を解析結果として抽出する（ステップＳ５０２）。具体的には、まず、選択部１３ｄは、言語解析部１３ｂにより生成された複数の解析候補の中から、解析構造中に含まれる単語の親密度の平均が所定の値以上の解析構造を有する解析候補を抽出する。次に、選択部１３ｄは、抽出した解析候補の中から、解析構造中に含まれる単語の頻度の平均が最も高い解析候補を抽出する。抽出された解析候補の解析構造は、出力部１４に送出される。

例えば、「神戸車両規制を実施する」という文章に対して言語解析を行った結果、「神／戸車／両／規制／を／実施／する」という第１の解析候補と、「神戸／車両／規制／を／実施／する」という第２の解析候補とが生成された場合における選択部１３ｄの動作について図６を参照して説明する。図６は、上記文章に対して構文意味解析した結果得られた第１，２の解析候補の解析木、各単語の親密度、解析候補毎の親密度の平均、各単語の頻度、解析候補毎の頻度の平均、解析候補に含まれる共起、解析候補毎の共起の平均を示す図である。なお、図６（ａ），（ｂ）において、Ｎは名詞、Ｐは助詞、ＶＮはサ変名詞、Ｖは動詞、ＰＰは前置詞句、ＶＰは動詞句、ＮＰは名詞句、ＮＶはサ変動詞を表す。

ここで、第１の解析候補に含まれる「戸車」に対して親密度が付与されていないものとする。このため、図６に示す第１の解析候補と第２の解析候補の親密度の平均は、それぞれ６．４であり、同じ値となっている。しかしながら、頻度の平均は、第１の解析候補が８９６．５、第２の解析候補が１０９８．４となっており、第２の解析候補の方によく用いられる単語が多く含まれていることがわかる。また、共起の平均は、第１の解析候補が１８４．８、第２の解析候補が２６１．５となっており、第２の解析候補の方に共起する単語が多く含まれていることがわかる。したがって、選択部１３ｄは、第２の解析候補の解析構造を解析結果として出力する。

次いで、出力部１４は、受け付けた解析構造を解析結果として出力する（ステップＳ２０５）。

このように、本実施の形態によれば、親密度のみならず頻度情報も用いて解析結果を抽出することにより、入力された文章と相関が高く、かつ、より人間に理解しやすい解析構造を出力することができる。

また、頻度情報を用いることにより、例えば固有名詞など親密度が付与されていない単語が解析候補に含まれる場合であっても、適切な解析構造を出力することができる。また、頻度情報を生成する文書データを特定の分野に限定することにより、その特定の分野向けの解析結果を抽出することが可能となる。これにより、読む人間の知的分野に応じて文章の内容を制御した解析結果を出力することが可能となる。

また、共起情報を用いることにより、頻度は高くても同時には現れない単語が多く含まれる解析候補を除外することができるので、結果として、より人間に理解しやすい解析構造を出力することができる。

上述した第１，２の実施の形態にかかる文章解析装置１，２は、入力された文章に対して言語解析を行って解析候補（群）を生成し、この解析候補（群）の中から最適な解析構造を有する解析候補を抽出するものである。したがって、文章解析装置１，２は、解析候補（群）の中から人間が理解しやすい解析構造を抽出する装置であるならば、各種装置に適用することができる。

例えば、文章校正システムに適用した場合、解析結果として文中の単語の親密度が低い解析構造が生成されたときに、その解析構造を人間にとって理解しやすい解析構造へ修正を行わせるトリガを文章解析装置１が生成することにより、文章構成システムに理解しやすい解析構造を生成させるきっかけを与えることが可能となる。

なお、本実施の形態において、選択部１３ｄは、親密度と共に頻度情報および共起情報を用いて解析候補（群）の中から最適な解析構造を有する解析候補を選択するようにしたが、親密度と共に用いる情報は、頻度情報および共起情報のうち少なくとも一方が用いられればよい。例えば、親密度と頻度情報、または、親密度と共起情報に基づいて解析候補を選択するようにしてもよい。

また、上述した第１，２の実施の形態において、言語解析装置１，２は、単語記憶部１１を備えるように説明したが、例えば、通信回線を介して取得するなど、文章中に含まれる各単語の親密度を取得できるのであれば、単語記憶部１１を備えないようにしてもよい。

また、上述した第１，２の実施の形態において、解析部１３は、解析候補（群）の中から、各解析候補の解析構造中に含まれる単語の親密度の平均に基づいて解析構造を抽出するようにしたが、各解析候補の解析構造中に含まれる単語の親密度を用いて解析候補（群）から解析構造を抽出するのであれば、各種方法を用いることができる。例えば、解析構造中に含まれる単語の親密度の和に基づいて、解析候補（群）から解析構造を抽出するようにしてもよい。

本発明の第１の実施の形態の言語解析装置の構成を示すブロック図である。 図１の言語解析装置の動作を示すフローチャートである。 意味解析による解析候補の生成動作を説明する図である。 本発明の第２の実施の形態の言語解析装置の構成を示すブロック図である。 図４の言語解析装置の動作を示すフローチャートである。 頻度情報を用いた解析候補の選択動作を説明する図である。

符号の説明

１，２…言語解析装置、１１…単語記憶部、１２…受付部、１３…解析部、１３ａ…分割部、１３ｂ…言語解析部、１３ｃ…親密度算出部、１３ｄ…選択部、１３ｅ…頻度算出部、１４…出力部。

Claims (8)

1. 外部から文章を受け付ける受付手段と、
   この受付手段が受け付けた文章に対して言語解析を行う解析手段と、
   この解析手段による解析候補の中から、各解析候補に含まれる単語の主観的ななじみの程度を示す値である親密度に基づいて解析結果を選択する選択手段と
   を備えたことを特徴とする文章解析装置。
2. 前記選択手段は、各解析候補に含まれる単語の親密度と前記解析候補に含まれる各単語の出現の度合いを示す頻度情報とに基づいて、解析結果を選択する
   ことを特徴とする請求項１記載の文章解析装置。
3. 前記受付手段が受け付けた文章を、意味が略等しい異形の文章に変換する換言処理を行う換言手段をさらに備え、
   前記解析手段は、前記受付手段が受け付けた文章および前記換言手段により換言処理が行われた文章のうち少なくとも一方に対して言語解析を行う
   ことを特徴とする請求項１または２記載の文章解析装置。
4. 前記解析手段は、前記言語解析として構文解析を行う
   ことを特徴とする請求項１乃至３の何れか１項に記載の文章解析装置。
5. 前記解析手段は、前記言語解析として意味解析を行う
   ことを特徴とする請求項１乃至３の何れか１項に記載の文章解析装置。
6. 外部から文章を受け付ける受付ステップと、
   この受付手段が受け付けた文章に対して言語解析を行う解析ステップと、
   この解析手段による解析候補の中から、各解析候補に含まれる単語の主観的ななじみの程度を示す値である親密度に基づいて解析結果を選択する選択ステップと
   を備えたことを特徴とする文章解析方法。
7. コンピュータに、
   外部から文章を受け付ける受付ステップと、
   この受付手段が受け付けた文章に対して言語解析を行う解析ステップと、
   この解析手段による解析候補の中から、各解析候補に含まれる単語の主観的ななじみの程度を示す値である親密度に基づいて解析結果を選択する選択ステップと
   を実行させることを特徴とするプログラム。
8. 請求項７に記載されたプログラムを記憶した記憶媒体。
   

Images