JP7014830B2 - 音訳モデルを利用して外来同義語を自動抽出する方法およびシステム - Google Patents

Description

以下の説明は、同義語抽出技術に関し、より詳細には、外来語の原語表記を抽出する技術に関する。

ユーザがインターネットを利用して情報を収集しようとする場合、情報を提供しているサーバに接続し、検索によって該当の情報を得るのが一般的である。

ある商品を購入しようとする場合、検索サイトを利用してその価格や特性などに関する情報を取得したり、あるいは該当の商品を販売しているウェブサイトに移動したりする。

商品を検索するためには、商品モデルとカテゴリをマッチングさせる過程を含んだ商品登録の手順が必要となる。例えば、特許文献１（登録日２００７年０４月０３日）には、商品モデルとカテゴリを自動でマッチングさせて商品情報を登録する技術が開示されている。

韓国登録特許第１０－０７０５４１０号公報

商品情報から抽出されたキーワードに対し、キーワード間の関係を示すマルチグラフ構造を構築することができ、外来語の場合には、同義語として原語表記を自動抽出してマルチグラフに追加することができる方法およびシステムを提供する。

外来語に対し、音訳モデル（ｔｒａｎｓｌｉｔｅｒａｔｉｏｎ ｍｏｄｅｌ）を利用して商品名や商品関連クエリに出現する単語から該当の外来語の原語表記を抽出し、同義語として処理することができる方法およびシステムを提供する。

コンピュータシステムが実行する同義語抽出方法であって、前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、当該同義語抽出方法は、前記少なくとも１つのプロセッサにより、対象キーワードに対し、前記対象キーワードと関連するキーワードリストを抽出する段階、および前記少なくとも１つのプロセッサにより、音訳モデル（ｔｒａｎｓｌｉｔｅｒａｔｉｏｎ ｍｏｄｅｌ）を利用して前記キーワードリストから前記対象キーワードの原語表記に該当する同義語を抽出する段階を含む、同義語抽出方法を提供する。

一側面によると、前記キーワードリストを抽出する段階は、前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つを抽出してよい。

他の側面によると、前記同義語を抽出する段階は、発音の最小単位を利用した音訳モデルを利用して前記同義語を抽出してよい。

また他の側面によると、前記同義語を抽出する段階は、リンク型バイグラム（ＬＢＧ：ｌｉｎｋｅｄ ｂｉ－ｇｒａｍｅｄ）のデータ形式を利用して前記対象キーワードを発音の最小単位に分離する段階を含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記音訳モデルを利用して前記キーワードリストから抽出された単語のうちから、前記対象キーワードとマッチングする単語を前記同義語として抽出する段階を含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記対象キーワードに対して前記マッチングする単語を置換して同義語候補を抽出する段階をさらに含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記キーワードリストから特定言語の単語を抽出する段階をさらに含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記対象キーワードが複合語からなる場合、単一語に分離する段階をさらに含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つを利用して前記同義語を検証する段階をさらに含んでよい。

また他の側面によると、前記同義語を抽出する段階は、前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つに前記対象キーワードとマッチングする単語が出現するか否か、または出現する頻度に基づいて前記同義語を決定する段階をさらに含んでよい。

また他の側面によると、前記同義語抽出方法は、前記少なくとも１つのプロセッサにより、商品辞書上のキーワード間の関係を示すマルチグラフを生成する段階、および前記少なくとも１つのプロセッサにより、前記同義語を前記マルチグラフに追加登録する段階をさらに含んでよい。

また他の側面によると、前記生成する段階は、前記商品辞書に含まれる各商品別に、該当の商品とマッチングする商品情報をキーワードに変換する段階、および前記商品辞書から前記商品とマッチングする情報間の関係データをキーワード間の関係データとして抽出する段階を含んでよい。

さらに他の側面によると、前記追加登録する段階は、前記マルチグラフ上に前記対象キーワードと前記同義語との関係を追加するか、あるいは前記マルチグラフ上のキーワードのうちで前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つに前記同義語とともに出現するキーワード間の関係を追加してよい。

前記同義語抽出方法をコンピュータに実行させるためのプログラムを提供する。

コンピュータシステムであって、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、対象キーワードに対し、前記対象キーワードと関連するキーワードリストを抽出した後、音訳モデルを利用して前記キーワードリストから前記対象キーワードの原語表記に該当する同義語を抽出する同義語抽出部を備える、コンピュータシステムを提供する。

本発明の実施形態によると、商品情報から抽出されたキーワードに対し、キーワード間の関係を示すマルチグラフ構造を構築することができ、外来語の場合には、同義語として原語表記を自動抽出してマルチグラフに追加することができる。

本発明の実施形態によると、外来語に対して音訳モデルを利用して商品名や商品関連クエリに出現する単語から該当の外来語の原語表記を抽出し、同義語として処理することができる。

本発明の一実施形態における、ネットワーク環境の例を示した図である。 本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。 本発明の一実施形態における、サーバのプロセッサが含むことのできる構成要素の例を示したブロック図である。 本発明の一実施形態における、サーバが実行することのできる方法の例を示したフローチャートである。 本発明の一実施形態における、キーワード管理のための商品辞書の構成例を示した図である。 本発明の一実施形態における、商品情報をキーワードに変換する過程の一例を説明するための図である。 本発明の一実施形態における、キーワードとの関係を示すマルチグラフを構築する過程の一例を説明するための図である。 本発明の一実施形態における、ハングルのベクトル数値文字で表現した例を示した図である。 本発明の一実施形態における、ＬＢＧデータ形式を利用した分離方式の一例を説明するための図である。 本発明の一実施形態における、ＭＷＳ（ｍｉｎｉｍａｌ ｗｏｒｄ ｂｙ ｓｏｕｎｄ）単位のデータセットを抽出する過程の一例を説明するための図である。 本発明の一実施形態における、音訳プロセッシング過程の一例を説明するための図である。 本発明の一実施形態における、音訳プロセッシング過程の一例を説明するための図である。 本発明の一実施形態における、音訳モデルを利用した英文同義語抽出過程の一例を説明するための図である。 本発明の一実施形態における、音訳モデルを利用した英文同義語抽出過程の一例を説明するための図である。 本発明の一実施形態における、音訳モデルを利用した英文同義語抽出過程の一例を説明するための図である。 本発明の一実施形態における、音訳モデルを利用した英文同義語抽出過程の一例を説明するための図である。 本発明の一実施形態における、マルチグラフに原語表記同義語を追加する過程の一例を説明するための図である。

以下、本発明の実施形態について、添付の図面を参照しながら詳しく説明する。

本発明の実施形態は、外来語の原語表記を同義語として自動抽出する技術に関する。

本明細書において具体的に開示される事項を含む実施形態は、外来語の原語表記を自動抽出して同義語として処理することができ、これによってキーワード管理の自動化、作業リソースの減少、サービス品質の改善、サービス拡大などの側面において相当な長所を達成することができる。

図１は、本発明の一実施形態における、ネットワーク環境の例を示した図である。図１のネットワーク環境は、複数の電子機器１１０、１２０、１３０、１４０、複数のサーバ１５０、１６０、およびネットワーク１７０を含む例を示している。このような図１は、発明の説明のための一例に過ぎず、電子機器の数やサーバの数が図１のように限定されることはない。

複数の電子機器１１０、１２０、１３０、１４０は、コンピュータシステムによって実現される固定端末や移動端末であってよい。複数の電子機器１１０、１２０、１３０、１４０の例としては、スマートフォン、携帯電話、ナビゲーション、ＰＣ（ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒ）、ノート型ＰＣ、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレット、ゲームコンソール、ウェアラブルデバイス、ＩｏＴ（ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ）デバイス、ＶＲ（ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）デバイス、ＡＲ（ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）デバイスなどがある。一例として、図１では、電子機器１１０の例としてスマートフォンを示しているが、本発明の実施形態において、電子機器１１０は、実質的に無線または有線通信方式を利用し、ネットワーク１７０を介して他の電子機器１２０、１３０、１４０および／またはサーバ１５０、１６０と通信することのできる多様な物理的なコンピュータシステムのうちの１つを意味してよい。

通信方式が限定されることはなく、ネットワーク１７０が含むことのできる通信網（一例として、移動通信網、有線インターネット、無線インターネット、放送網、衛星網など）を利用する通信方式だけではなく、機器間の近距離無線通信が含まれてもよい。例えば、ネットワーク１７０は、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。さらに、ネットワーク１７０は、バスネットワーク、スターネットワーク、リングネットワーク、メッシュネットワーク、スター－バスネットワーク、ツリーまたは階層的ネットワークなどを含むネットワークトポロジのうちの任意の１つ以上を含んでもよいが、これらに限定されることはない。

サーバ１５０、１６０それぞれは、複数の電子機器１１０、１２０、１３０、１４０とネットワーク１７０を介して通信して命令、コード、ファイル、コンテンツ、サービスなどを提供する１つ以上のコンピュータ装置によって実現されてよい。例えば、サーバ１５０は、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第１サービスを提供するシステムであってよく、サーバ１６０も、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第２サービスを提供するシステムであってよい。より具体的な例として、サーバ１５０は、複数の電子機器１１０、１２０、１３０、１４０においてインストールされて実行されるコンピュータプログラムであるアプリケーションを通じ、該当のアプリケーションが目的とするサービス（一例として、キーワード管理サービスなど）を第１サービスとして複数の電子機器１１０、１２０、１３０、１４０に提供してよい。他の例として、サーバ１６０は、上述したアプリケーションのインストールおよび実行のためのファイルを複数の電子機器１１０、１２０、１３０、１４０に配布するサービスを第２サービスとして提供してよい。

図２は、本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。図２では、電子機器に対する例として電子機器１１０の内部構成およびサーバ１５０の内部構成について説明する。また、他の電子機器１２０、１３０、１４０やサーバ１６０も、上述した電子機器１１０またはサーバ１５０と同一または類似の内部構成を有してよい。

電子機器１１０およびサーバ１５０は、メモリ２１１、２２１、プロセッサ２１２、２２２、通信モジュール２１３、２２３、および入力／出力インタフェース２１４、２２４を含んでよい。メモリ２１１、２２１は、非一時的なコンピュータ読み取り可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ディスクドライブ、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、フラッシュメモリ（ｆｌａｓｈ ｍｅｍｏｒｙ）などのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭ、ＳＳＤ、フラッシュメモリ、ディスクドライブのような永続的大容量記録装置は、メモリ２１１、２２１とは区分される別の永続的記録装置として電子機器１１０やサーバ１５０に含まれてもよい。また、メモリ２１１、２２１には、オペレーティングシステムと、少なくとも１つのプログラムコード（一例として、電子機器１１０においてインストールされて実行されるブラウザや特定のサービスの提供のために電子機器１１０にインストールされるアプリケーションなどのためのコード）が記録されてよい。このようなソフトウェア構成要素は、メモリ２１１、２２１とは別のコンピュータ読み取り可能な記録媒体からロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読み取り可能な記録媒体ではない通信モジュール２１３、２２３を通じてメモリ２１１、２２１にロードされてもよい。例えば、少なくとも１つのプログラムは、開発者またはアプリケーションのインストールファイルを配布するファイル配布システム（一例として、上述したサーバ１６０）がネットワーク１７０を介して提供するファイルによってインストールされるコンピュータプログラム（一例として、上述したアプリケーション）に基づいてメモリ２１１、２２１にロードされてよい。

プロセッサ２１２、２２２は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ２１１、２２１または通信モジュール２１３、２２３によって、プロセッサ２１２、２２２に提供されてよい。例えば、プロセッサ２１２、２２２は、メモリ２１１、２２１のような記録装置に記録されたプログラムコードに従って受信される命令を実行するように構成されてよい。

通信モジュール２１３、２２３は、ネットワーク１７０を介して電子機器１１０とサーバ１５０とが互いに通信するための機能を提供してもよいし、電子機器１１０および／またはサーバ１５０が他の電子機器（一例として、電子機器１２０）または他のサーバ（一例として、サーバ１６０）と通信するための機能を提供してもよい。一例として、電子機器１１０のプロセッサ２１２がメモリ２１１のような記録装置に記録されたプログラムコードに従って生成した要求が、通信モジュール２１３の制御に従ってネットワーク１７０を介してサーバ１５０に伝達されてよい。これとは逆に、サーバ１５０のプロセッサ２２２の制御に従って提供される制御信号や命令、コンテンツ、ファイルなどが、通信モジュール２２３とネットワーク１７０を経て電子機器１１０の通信モジュール２１３を通じて電子機器１１０に受信されてよい。例えば、通信モジュール２１３を通じて受信されたサーバ１５０の制御信号や命令、コンテンツ、ファイルなどは、プロセッサ２１２やメモリ２１１に伝達されてよく、コンテンツやファイルなどは、電子機器１１０がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

入力／出力インタフェース２１４は、入力／出力装置２１５とのインタフェースのための手段であってよい。例えば、入力装置は、キーボード、マウス、マイクロフォン、カメラなどの装置を、出力装置は、ディスプレイ、スピーカ、触覚フィードバックデバイスなどのような装置を含んでよい。他の例として、入力／出力インタフェース２１４は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置２１５は、電子機器１１０と１つの装置で構成されてもよい。また、サーバ１５０の入力／出力インタフェース２２４は、サーバ１５０に接続するかサーバ１５０が含むことのできる入力または出力のための装置（図示せず）とのインタフェースのための手段であってよい。より具体的な例として、電子機器１１０のプロセッサ２１２がメモリ２１１にロードされたコンピュータプログラムの命令を処理するにあたり、サーバ１５０や電子機器１２０が提供するデータを利用して構成されるサービス画面やコンテンツが、入力／出力インタフェース２１４を通じてディスプレイに表示されてよい。

また、他の実施形態において、電子機器１１０およびサーバ１５０は、図２の構成要素よりも多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、電子機器１１０は、上述した入力／出力装置２１５のうちの少なくとも一部を含むように実現されてもよいし、トランシーバ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュール、カメラ、各種センサ、データベースなどのような他の構成要素をさらに含んでもよい。より具体的な例として、電子機器１１０がスマートフォンである場合、一般的にスマートフォンが含んでいる加速度センサやジャイロセンサ、カメラモジュール、物理的な各種ボタン、タッチパネルを利用したボタン、入力／出力ポート、振動のための振動器などのような多様な構成要素が、電子機器１１０にさらに含まれるように実現されてよい。

以下では、音訳モデルを利用した同義語抽出方法およびシステムの具体的な実施形態について説明する。

図３は、本発明の一実施形態における、サーバのプロセッサが含むことのできる構成要素の例を示したブロック図であり、図４は、本発明の一実施形態における、サーバが実行することのできる方法の例を示したフローチャートである。

本実施形態に係るサーバ１５０は、インターネット上で使用されるキーワードを管理するサービスを提供するプラットフォームの役割を担う。特に、サーバ１５０は、商品辞書に含まれる各商品に対して関連キーワード間の関係を示すマルチグラフ構造を構築してよく、商品辞書に含まれる外来語の場合は、原語表記を自動抽出してマルチグラフに同義語として追加してよい。

サーバ１５０のプロセッサ２２２は、図４に示される同義語抽出方法を実行するための構成要素として、図３に示すように、グラフ生成部３１０、同義語抽出部３２０、および同義語追加部３３０を備えてよい。実施形態によって、プロセッサ２２２の構成要素は、選択的にプロセッサ２２２に含まれても除外されてもよい。また、実施形態によって、プロセッサ２２２の構成要素は、プロセッサ２２２の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ２２２およびプロセッサ２２２の構成要素は、図４の同義語抽出方法に含まれる段階４１０～段階４３０を実行するようにサーバ１５０を制御してよい。例えば、プロセッサ２２２およびプロセッサ２２２の構成要素は、メモリ２２１が含むオペレーティングシステムのコードと、少なくとも１つのプログラムのコードとによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

ここで、プロセッサ２２２の構成要素は、サーバ１５０に記録されたプログラムコードが提供する命令に従ってプロセッサ２２２によって実行される、プロセッサ２２２の互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。例えば、サーバ１５０がキーワード間の関係を示すマルチグラフを生成するように上述した命令に従ってサーバ１５０を制御するプロセッサ２２２の機能的表現として、グラフ生成部３１０が利用されてよい。

プロセッサ２２２は、サーバ１５０の制御と関連する命令がロードされたメモリ２２１から必要な命令を読み取ってよい。この場合、読み取られた命令は、以下で説明する段階４１０～段階４３０をプロセッサ２２２が実行するように制御するための命令を含んでよい。

段階４１０において、グラフ生成部３１０は、商品辞書に含まれる各商品に対し、商品情報から抽出されたキーワードとの関係を示すマルチグラフを生成してよい。商品辞書とは、キーワードを管理するためのデータベースシステムであって、キーワード、辞書類型、同義語集合で構成されてよい。商品辞書には、各商品別に、該当の商品とマッチングされる販売先、ブランド、カテゴリ、属性などの商品情報を含んでよい。

上述した商品辞書は、商品管理（商品ブランド自動マッチング、商品カテゴリ自動マッチング、商品品質チェックなど）、ショッピング、検索、キーワード自動完成、タグ辞書、広告、ストア、ＮＬＵ（自然言語理解）、ＡＩ（人工知能）などのような各種サービスで適用可能である。

例えば、図５に示すように、商品辞書５００が、販売先５１０、ブランド５２０、カテゴリ５３０に区分されると仮定するとき、このような商品辞書５００から販売先－ブランド、ブランド－カテゴリ、カテゴリ－販売先の関係データを抽出してよい。

図６に示すように、グラフ生成部３１０は、販売先ＩＤがＳ１であり、ブランドＩＤがＢ１であり、カテゴリＩＤがＣ１である商品Ａに対し、該当の商品にマッチングされた販売者名称「ＡＢＣ」、ブランド名称「ＤＥＦ」、カテゴリ名称「ＧＨＩ」をそれぞれキーワードに変換してよい。グラフ生成部３１０は、商品Ａに対し、商品Ａにマッチングされる商品情報をキーワード「ＡＢＣ」、「ＤＥＦ」、「ＧＨＩ」に変換した後、変換されたキーワード間の関係を示すマルチグラフを生成してよい。グラフ生成部３１０は、商品辞書から商品にマッチングされた情報間の関係データを該当の情報に変換されたキーワード間の関係データとして抽出し、マルチグラフを生成してよい。

図７を参照すると、グラフ生成部３１０は、キーワード「ＡＢＣ」と「ＤＥＦ」の間は販売先－ブランドという連結関係で、キーワード「ＤＥＦ」と「ＧＨＩ」の間はブランド－カテゴリという連結関係で、キーワード「ＡＢＣ」と「ＧＨＩ」の間は販売先－カテゴリという連結関係で生成されたマルチグラフ７００を構築してよい。

マルチグラフ７００は、キーワード間の関係が、単一デプス（ｄｅｐｔｈ）のツリー構造はもちろん、複数のデプスを有するツリー構造で構築されてもよい。例えば、同一ブランド内の多数のシリーズ、すなわち、サブブランドが存在する場合は、ブランド－シリーズという連結関係が追加されてよい。

上述したように、グラフ生成部３１０は、キーワード間の関係データを蓄積してデータベースを生成してよく、これをキーワード間の関係を示すマルチグラフ７００構造として定義してよい。

再び図４において、段階４２０において、同義語抽出部３２０は、商品辞書に含まれるキーワードのうちの外来語に対し、音訳モデルを利用して商品名や商品関連クエリから該当の外来語の原語表記を同義語として抽出してよい。

ショッピングなどで使用される単語の一部には、英語やフランス語、イタリア語、ドイツ語などのような多様な外国語から同化された外来語が含まれることがある。

このような外来語の場合、単語の出処（すなわち、国）を特定し難いという問題がある。例えば、「Ｃｈａｎｅｌ」の場合、英語で発音すれば「チャンネル」や「チャネル」などと音訳されるし、フランス語で発音すれば「シャネル」や「シャノル」、「シャヌル」などと音訳される。

キーワード「Ｃｈａｎｅｌ」を使用するためには、多国の発音をすべて収容することのできる音訳範囲（ｔｒａｎｓｌｉｔｅｒａｔｉｏｎ ｃｏｖｅｒａｇｅ）が必要となる。

ディープラーニング（ｄｅｅｐ ｌｅａｒｎｉｎｇ）を基盤として音訳を支援する学習モデルも存在するが、従来の学習モデルはモデル自体が重いだけなく、多様な国の発音を一度に支援することができない。英語であれば英語学習データが、フランス語であればフランス語の学習データが必要となるため、各言語の音訳プロセッシング（ｐｒｏｃｅｓｓｉｎｇ）を経なければならないという限界がある。

これに比べ、本実施形態では、ＭＷＳ（ｍｉｎｉｍａｌ ｗｏｒｄ ｂｙ ｓｏｕｎｄ）単位の音訳モデルを利用することによって外来語に対する同義語を抽出する。従来の学習モデルとは異なり、ＭＷＳは、学習データを最小にすることができ、多国語の発音まで１つの音訳プロセッシングで処理することができる。

ＭＷＳとは、音節（ｓｙｌｌａｂｌｅ）とは異なる概念であって、発音の最小単位を意味する。表１は、単語例「ｈａｐｐｙ」を音節とＭＷＳに分けて示したものである。

国ごと、言語ごと、人ごとに、同じ単語であっても多様な発音により、最小単位で表現することがある。表２は、単語例「ｈａｐｐｙ」のＭＷＳをハングルで表記したものである。

ハングルを初声、中声、終声の次元的な区分から見るとき、ベクトル数値文字で表現してよい。例えば、ハングルの基本数値情報は、図８のテーブルのとおりとなる。

単語をＭＷＳによって簡単に分離するためには、ＬＢＧ（ｌｉｎｋｅｄ ｂｉ－ｇｒａｍｅｄ）のデータ形式を利用してよい。

一例として、図１０に示すように、商品辞書で英文単語とハングル発音表記とのペアで構成された学習データセット１００１を収集した後、ＭＷＳ単位の分離学習によってＭＷＳデータセット１００２を抽出してよい。

以下、音訳プロセッシング過程について説明する。

図１１および図１２は、英文単語「ｎａｖｅｒ」（登録商標）に対する音訳プロセッシング過程を示している。

プロセッサ２２２は、英文単語「ｎａｖｅｒ」を、ＭＷＳによって分離可能なすべての場合の候補群に分離してよい（Ｓ１）。

プロセッサ２２２は、段階Ｓ１で分離された候補群から、事前に構築されたＭＷＳデータセット１００２に存在するＭＷＳを抽出してよい（Ｓ２）。

プロセッサ２２２は、段階Ｓ１で分離された各候補群に、段階Ｓ２で抽出されたＭＷＳをマッピングしてよい（Ｓ３）。

プロセッサ２２２は、段階Ｓ３でマッピングされたＭＷＳを互いに連結して併合してよい（Ｓ４）。このとき、候補群のうちの１つでもＭＷＳデータセット１００２に存在しない場合は、該当の候補群は除外してよい。

プロセッサ２２２は、段階Ｓ４で併合されたＭＷＳを音訳してよい（Ｓ５）。言い換えれば、プロセッサ２２２は、併合されたＭＷＳにマッピングされたハングルベクトルをデコードすることにより、英文単語の音訳を取得してよい。図１２のＳ５過程の結果において、カッコの内の数字は、該当のハングル単語が図１０のＭＷＳ学習データセットから抽出された個数を意味してよく、必要時には、同義語を多様に抽出することのできる基礎として活用してよい。

音訳プロセッシング結果の一例を下記のように示すが、これに限定されることはない。

英文同義語を例とする一実施形態として、音訳モデルを経ることのできなかったハングル単語と英文同義語を収集し、従来の商品辞書から抽出されたＭＷＳデータセットと共通するデータセットを抽出した後、最終ＭＷＳデータセットと併合させて適用してもよい。

同義語抽出部３２０は、上述した音訳プロセッシングを経ることで、商品辞書に含まれる外来語に対して原語表記の同義語を抽出してよい。

以下では、ハングルで表記された外来語の英語表記、すなわち、英文同義語を例として具体的な実施形態について説明する。

同義語抽出部３２０は、商品辞書に含まれるキーワードのうちで外来語を対象キーワードとし、各対象キーワードに対して対象キーワードを検索クエリとして入力したユーザがクリックした商品名リスト、各クリック商品と関連するタグリスト、および各クリック商品と関連する他のクエリリスト（一例として、同一商品をクリックした他のユーザによって入力されたクエリ、同一ユーザが同一商品をクリックする前に入力した他のクエリなど）のうちの少なくとも１つのキーワードリストを抽出してよい。本明細書において、クリックとは、ユーザによるすべての類型の選択入力を意味してよい。図１３は、対象キーワード

と関連するクリック商品名リスト１３１１と、

と関連するクリック商品名リスト１３２１を例示的に示している。

同義語抽出部３２０は、対象キーワードに対して抽出されたクリック商品名リストとクリック商品関連タグリスト、およびクエリリストのうちの少なくとも１つのキーワードリストから特定の言語の単語、すなわち、英文単語を抽出してよい。

図１４は、対象キーワード

と関連するクリック商品名リスト１３１１から抽出された英文単語リスト１４１１と、

と関連するクリック商品名リスト１３２１から抽出された英文単語リスト１４２１を例示的に示している（なお、図１４において、ｕｎｉｑｌｏおよびエアリズム（ａｉｒｉｓｍ）は登録商標である（他の図面においても同様））。

同義語抽出部３２０は、音訳モデルを実行させ、先立って抽出された英文単語リストのうちから対象キーワードとマッチングする英文単語を抽出してよい。

図１５は、対象キーワード

と英文単語リスト１４１１とのマッチング結果１５１１と、対象キーワード

と英文単語リスト１４２１とのマッチング結果１５２１を例示的に示している。

同義語抽出部３２０は、対象キーワードに対してマッチングされた英文単語を置換して英文同義語候補を抽出してよい。

図１６は、対象キーワード

に対する英文同義語候補１６１１と、

に対する英文同義語候補１６２１を示している。

同義語抽出部３２０は、対象キーワードと関連するクリック商品名リストとクリック商品関連タグ／クエリリストに英文同義語候補が出現するか否か、あるいは出現する頻度などに基づいて最終英文同義語を決定してよい。同義語抽出部３２０は、英文同義語候補の単語が対象キーワードと関連するクリック商品名リストとクリック商品関連タグ／クエリリストに出現するパターンと一致する場合に最終英文同義語として決定してよく、あるいは英文同義語候補が複数であるときには、対象キーワードと関連するクリック商品名リストとクリック商品関連タグ／クエリリストで最も多く出現するパターンの単語を最終英文同義語として決定してよい。言い換えれば、同義語抽出部３２０は、対象キーワードと関連するクリック商品名リストとクリック商品関連タグ／クエリリストを利用することにより、対象キーワードの原語表記である英文同義語を検証することが可能となる。

再び図４において、段階４３０において、同義語追加部３３０は、外来語の原語表記を同義語としてマルチグラフ上に追加登録してよい。このとき、マルチグラフ上の従来のキーワードと同義語との関係を設定してよい。

図１７を参照すると、キーワード「ＡＢＣ」と「ＤＥＦ」との間が販売先－ブランドという連結関係、キーワード「ＤＥＦ」と「ＧＨＩ」との間がブランド－カテゴリという連結関係、キーワード「ＡＢＣ」と「ＧＨＩ」との間が販売先－カテゴリという連結関係で生成されたマルチグラフ７００において、販売者名称「ＡＢＣ」が外来語に該当する場合、マルチグラフ７００上に外来語「ＡＢＣ」の原語表記「ＸＸＸ」を同義語１７０１として追加し、キーワード「ＡＢＣ」と「ＸＸＸ」との間に同義語関係を設定してよい。

また、マルチグラフ７００上のキーワードのうち、対象キーワード「ＡＢＣ」と関連するクリック商品名リストとクリック商品関連タグ／クエリリストに同義語１７０１とともに出現するキーワードとの関係を追加設定してよい。

したがって、本実施形態では、商品辞書に登録された外来語に対して原語表記の同義語を見つけ出し、自動登録することが可能となる。

上述した方式を利用して商品辞書に登録されたキーワードに対して原語表記のキーワードを同義語として抽出してマルチグラフ上に追加登録することにより、キーワード間の同義語処理を解決しながら、マルチグラフを自動で拡張することが可能となる。

音訳モデルを利用して外来語の原語表記を同義語として自動処理することにより、キーワード管理作業の自動化を実現し、関連作業のリソースを画期的に減らすことができる。

上述では、音訳モデルを利用した同義語処理過程がマルチグラフを生成する過程の後になされる従属する過程として説明しているが、これに限定されることはなく、実施形態によっては、マルチグラフとは関係なく、個別の独立した過程として実行されることも可能である。

このように、本発明の実施形態によると、商品情報から抽出されたキーワードに対し、キーワード間の関係を示すマルチグラフ構造を構築することができ、外来語の場合には、同義語として原語表記を自動抽出してマルチグラフに追加することができる。さらに、本発明の実施形態によると、外来語に対して音訳モデルを利用して商品名や商品関連クエリに出現する単語から該当の外来語の原語表記を抽出し、同義語として処理することができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、思うままに動作するように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてもよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。ここで、媒体は、コンピュータ実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時記録するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体に限定されることはなく、ネットワーク上に分散して存在するものであってもよい。媒体の例は、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ－ＲＯＭおよびＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が記録されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを配布するアプリケーションストアやその他の多様なソフトウェアを供給または配布するサイト、サーバなどで管理する記録媒体または格納媒体が挙げられる。

以上のように、実施形態を、限定された実施形態および図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって代替されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

２２２：プロセッサ
３１０：グラフ生成部
３２０：同義語抽出部
３３０：同義語追加部

Claims (19)

1. コンピュータシステムが実行する同義語抽出方法であって、
   前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
   当該同義語抽出方法は、
   前記少なくとも１つのプロセッサにより、商品辞書上のキーワード間の関係を示すマルチグラフを生成する段階、
   前記少なくとも１つのプロセッサにより、前記商品辞書に含まれるキーワードのうちの外来語に該当する対象キーワードに対し、前記対象キーワードと関連するキーワードリストを抽出する段階、
   前記少なくとも１つのプロセッサにより、音訳モデルを利用し、前記キーワードリストから前記対象キーワードの原語表記キーワードを前記対象キーワードの同義語として抽出する段階、および
   前記少なくとも１つのプロセッサにより、前記同義語を前記マルチグラフに追加登録する段階を含む、同義語抽出方法。
2. 前記キーワードリストを抽出する段階は、
   前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つを抽出する、
   請求項１に記載の同義語抽出方法。
3. 前記同義語を抽出する段階は、
   発音の最小単位を利用した音訳モデルを利用して前記同義語を抽出する、
   請求項１または２に記載の同義語抽出方法。
4. 前記同義語を抽出する段階は、
   ＬＢＧ（ｌｉｎｋｅｄ ｂｉ－ｇｒａｍｅｄ）のデータ形式を利用して前記対象キーワードを発音の最小単位に分離する段階
   を含む、請求項３に記載の同義語抽出方法。
5. 前記同義語を抽出する段階は、
   前記音訳モデルを利用して前記キーワードリストから抽出された単語のうちから前記対象キーワードとマッチングされる単語を前記同義語として抽出する段階
   を含む、請求項１または２に記載の同義語抽出方法。
6. 前記同義語を抽出する段階は、
   前記対象キーワードに対して前記マッチングされる単語を置換することで同義語候補を抽出する段階
   をさらに含む、請求項５に記載の同義語抽出方法。
7. 前記同義語を抽出する段階は、
   前記キーワードリストから特定言語の単語を抽出する
   ことを含む、請求項５に記載の同義語抽出方法。
8. 前記同義語を抽出する段階は、
   前記キーワードリストから抽出された単語のうちから前記対象キーワードとマッチングされる単語を前記同義語として抽出する段階以前に、前記対象キーワードが複合語からなる場合、単一語に分離する段階
   をさらに含む、請求項５に記載の同義語抽出方法。
9. 前記同義語を抽出する段階は、
   前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つに出現するパターンと一致する場合に前記同義語として決定するか、あるいは前記同義語候補が複数であるときには前記対象キーワードと関連する前記クリックした商品名リスト、前記他のクエリリスト、前記タグリストのうちの少なくとも１つで最も多く出現するパターンの単語を最終英文同義語として決定する段階
   をさらに含む、請求項５に記載の同義語抽出方法。
10. 前記同義語を抽出する段階は、
    前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つに前記対象キーワードとマッチングされる単語が出現するか否か、または出現する頻度に基づいて前記同義語を決定する段階
    をさらに含む、請求項５に記載の同義語抽出方法。
11. 前記生成する段階は、
    前記商品辞書に含まれる各商品別に、該当の商品にマッチングされる商品情報をキーワードに変換する段階、および
    前記商品辞書から前記商品にマッチングされる情報間の関係データをキーワード間の関係データとして抽出する段階
    を含む、請求項１に記載の同義語抽出方法。
12. 前記追加登録する段階は、
    前記マルチグラフ上に前記対象キーワードと前記同義語との関係を追加する、
    請求項１０または１１に記載の同義語抽出方法。
13. 請求項１～１２のうちのいずれか一項に記載の同義語抽出方法をコンピュータに実行させるためのプログラム。
14. コンピュータシステムであって、
    メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサ
    を含み、
    前記少なくとも１つのプロセッサは、
    商品辞書上のキーワード間の関係を示すマルチグラフを生成するグラフ生成部、
    前記商品辞書に含まれるキーワードのうちの外来語に該当する対象キーワードに対し、前記対象キーワードと関連するキーワードリストを抽出した後、音訳モデルを利用して前記キーワードリストから前記対象キーワードの原語表記キーワードを前記対象キーワードの同義語として抽出する同義語抽出部、および、
    前記同義語を前記マルチグラフに追加登録する同義語追加部
    を備える、コンピュータシステム。
15. 前記同義語抽出部は、
    前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つを抽出する、
    請求項１４に記載のコンピュータシステム。
16. 前記同義語抽出部は、
    発音の最小単位を利用した音訳モデルを利用して前記同義語を抽出する、
    請求項１４に記載のコンピュータシステム。
17. 前記同義語抽出部は、
    ＬＢＧ（ｌｉｎｋｅｄ ｂｉ－ｇｒａｍｅｄ）のデータ形式を利用して前記対象キーワードを発音の最小単位に分離する、
    請求項１６に記載のコンピュータシステム。
18. 前記同義語抽出部は、
    前記音訳モデルを利用して前記キーワードリストから抽出された単語のうちで前記対象キーワードとマッチングされる単語を前記同義語として抽出する、
    請求項１４に記載のコンピュータシステム。
19. 前記同義語抽出部は、
    前記対象キーワードを検索クエリとして入力した後にクリックした商品名リスト、各クリック商品と関連する他のクエリリスト、各クリック商品と関連するタグリストのうちの少なくとも１つに前記対象キーワードとマッチングされる単語が出現するか否か、または出現する頻度に基づいて前記同義語を決定するか、前記クリックした商品名リスト、前記他のクエリリスト、前記タグリストのうちの少なくとも１つに出現するパターンと一致する場合に前記同義語として決定するか、あるいは前記同義語候補が複数であるときには前記対象キーワードと関連する前記クリックした商品名リスト、前記他のクエリリスト、前記タグリストのうちの少なくとも１つで最も多く出現するパターンの単語を最終英文同義語として決定する、
    請求項１８に記載のコンピュータシステム。

Images