テキストのフォーマットと単語の範囲内重要度を利用したキーワード抽出
スポンサーリンク
概要
- 論文の詳細を見る
従来のキーワード抽出における単語の重要度を決定する手法は,頻度情報や位置情報など個々の単語に閉じた情報を利用していたため,高い抽出精度が得られなかった.本稿では特許明細書を対象に,テキストの表層情報を利用して実用的な処理速度を維持すると同時に,特定範囲内での単語の出現の有無を単語の重要度に反映させることで,キーワードを高精度で抽出する手法について述べる.まず,特許明細書に特有なフォーマット情報を利用してキーワードの抽出範囲を限定し,不要語の混入を回避した.次に,各抽出範囲ごとに出現する語のみに付与する重要度(範囲内重要度)を新規に導入し,抽出精度の向上を図った.また,テキストの内容を把握できるキーワードを獲得するために,文字列の包含関係に着目して,語の意味を具体的に表す語長の長い語を優先して抽出した.プロトタイプを作成し評価した結果,本手法が抽出キーワードの適合率と再現率の向上に有効であることを確認した.
- 一般社団法人情報処理学会の論文
- 1997-02-15
著者
-
木谷 強
NTTデータ
-
木谷 強
株式会社NTTデータ
-
木谷 強
株式会社nttデータ技術開発本部北米技術センタ
-
木谷 強
株式会社nttデータ北米技術センタ
-
木谷 強
Nttデータ通信株式会社
-
中島 浩之
株式会社nttデータオープンシステムセンタ:(現)日本電信電話株式会社
-
中島 浩之
Nttデータ通信
-
木谷 強
Ntt Dada Corp.
-
原 正巳
Nttデータ通信株式会社情報科学研究所
関連論文
- 日本語情報検索システム評価用テストコレクションの構築
- 日本語情報検索システム評価用テストコレクション BMIR-J2
- 1105 ステップ数と工数に基づく生産性評価の一考察(一般セッション)
- 情報検索システム評価用ベンチマークVer.1.0(BMIR-J1)について (メディア統合および環境統合のための高機能データベースシステム、および一般)
- 特集「日本におけるオペレーティングシステム研究の動向」の編集にあたって (日本におけるオペレーティングシステム研究の動向)
- 共起単語間の関連性を考慮した文書重要度付与
- SGMLによる『情報管理』誌の冊子体・電子版同時作成の開始と全文検索の試み
- SGMLによる「情報管理」誌の冊子体・電子版同時作成の開始と全文検索の試み
- 新時代における情報提供術 : 全文データベースの事例紹介
- シソーラス掲載語の重要性を考慮した文書スコアリング
- フルテキストと抽出キーワードを利用した情報検索
- フルテキストと抽出キーワードを利用した情報検索
- 単語出現共起関係を用いた文書重要度付与の検討
- 分散環境における情報検索を支援するデータベース選択方式
- 異種分散環境におけるエージェント指向型情報検索システム : データベース選択方式の評価
- シソーラスと決定木学習アルゴリズムによる Rocchio feedback の高精度化
- 1106 過去データから算出した予測工数に基づく生産性メトリクス(一般セッション)
- 統計知識と文脈情報を用いた一般化LR構文解析法の研究
- テキストのフォーマットと単語の範囲内重要度を利用したキーワード抽出
- 単語共起と語の部分一致を利用したキーワード抽出法の検討
- 特徴的表現を利用した特許抄録作成法の検討
- テキストの特徴の利用した要約作成法の検討
- レレバンスフィードバックにおける検索語の共起関係推定処理の高速化
- 検索語間における共起関係の特定によるレレバンスフィードバックの高精度化
- 単語の文書頻度を利用した決定木学習アルゴリズムによるrelevance feedbackの高精度化
- 単語の重要度に基づくテキストの要約
- 単語重要度と語彙的結束性を利用したテキストセグメンテーション
- 2113 ソフトウェア開発プロジェクトにおける生産性への影響評価手法(一般セッション)
- 情報検索、情報抽出テストコレクション
- 冨田一般化LRパーザを用いた情報抽出
- 文字認識誤り指摘のための形態素解析の適用性検討
- 語彙的結束性と単語重要度に基づくテキストセグメンテーション
- 新時代における情報提供術 : 全文データベースの構築技法
- 冨田一般化LRパーザを用いた情報抽出
- パターンマッチング手法による名称特定処理の有効性の検討
- パターンマッチング手法による名称特定処理の有効性の検討
- OCRの認識結果に対する文字認識後処理方式の検討
- 放談会 : 『情報管理』は雲に乗って
- 住所の文字認識結果に対する後処理方式の検討