日本語文書に含まれる固有用語の自動抽出方式

概要

論文の詳細を見る
機械翻訳やキーワード自動抽出などの日本語解析技術を応用した日本語処理システムの開発が盛んに行われている。これらのシステムでは,システムが持つ電子化辞書を用いて入力文を正確に解析することが必要である。従って,入力される文書に対して,辞書がどの程度充実しているかがシステムの精度を決める要因の1つとなる。特に,適用分野を考えると,文書の種類(新聞,論文など)などによって辞書に登録すべき語が異なる。適用分野に適合した辞書を作成するためには,一般語以外に辞書に登録すべき語(固有名詞や専門用語など)が数多く存在する。本稿では,このような語を『固有用語』と呼び,次のように定義する。<固有用語の定義>ある日本語文書でのみ使用されている製品名,会社名,人名などの固有名詞や,既知の単語の組み合わせからなる語であっても全体として新語(未知語)や専門用語,および,その文書中においてのみ使用されていると考えられる語。このような固有用語を文書中から自動的に抽出することは,キーワードの抽出や機械翻訳における辞書の充実などを支援する技術として重要である。
一般社団法人情報処理学会の論文
1990-09-04